知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2025-02-18
(45)【発行日】2025-02-27
(54)【発明の名称】情報処理装置及び情報処理方法
(51)【国際特許分類】
G06Q 30/0201 20230101AFI20250219BHJP
【ＦＩ】
G06Q30/0201
【請求項の数】
3
(21)【出願番号】P 2024159199
(22)【出願日】2024-09-13
【審査請求日】2024-09-17
(31)【優先権主張番号】P 2024112750
(32)【優先日】2024-07-12
(33)【優先権主張国・地域又は機関】JP
【早期審査対象出願】
(73)【特許権者】
【識別番号】506392090
【氏名又は名称】株式会社テクロス
(74)【代理人】
【識別番号】100181434
【弁理士】
【氏名又は名称】松浦 正明
(74)【代理人】
【識別番号】100180035
【弁理士】
【氏名又は名称】生塩 智邦
(72)【発明者】
【氏名】橋本 悟
(72)【発明者】
【氏名】許沢 佳弘
【審査官】山崎 雄司
(56)【参考文献】
【文献】特許第７４２９３２７（ＪＰ，Ｂ１）
【文献】国際公開第２０２１／１９２１９８（ＷＯ，Ａ１）
【文献】特開２０２０－２０４９５６（ＪＰ，Ａ）
【文献】特開２０２０－０８７０２３（ＪＰ，Ａ）
【文献】特開２０１８－０７７６３６（ＪＰ，Ａ）
【文献】特開２０２４－０８９６７８（ＪＰ，Ａ）
【文献】国際公開第２０２２／０７４７５９（ＷＯ，Ａ１）
【文献】特開２０２２－１８０１８５（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
顧客に対する所定の商品の営業回数を含む営業情報と、前記顧客の属性に関する属性情報と、前記顧客の所属組織を識別可能な組織識別情報と、前記所属組織に対する前記商品の売上実績である組織売上実績または前記組織売上実績を算出可能な情報を含む組織売上実績情報とを、前記顧客を識別可能な顧客識別情報に対応付けて記憶する記憶手段と、前記顧客に対する前記商品の売上実績である顧客売上実績を、前記組織売上実績から前記営業回数に応じて、前記組織識別情報毎に予測して前記記憶手段に記憶する顧客売上実績予測手段と、
前記属性情報の入力を受けて、前記顧客売上実績が所定値以上である予測確率を出力する学習済みモデルを用いて、前記予測確率を前記属性情報に基づいて予測する使用確率予測手段と、を備え、
前記学習済みモデルは、前記記憶手段に記憶される前記属性情報と、前記顧客売上実績を前記所定値を境に二値化したものとの関係を機械学習させることによって生成される予測モデルである
ことを特徴とする情報処理装置。
【請求項2】
前記記憶手段に記憶される前記顧客のうち、前記顧客売上実績予測手段によって前記顧客売上実績が有ると予測された顧客同士の類似度を、前記属性情報に基づいて判定する類似度判定手段、を備えることを特徴とする請求項１に記載の情報処理装置。
【請求項3】
情報処理装置を用いた情報処理方法であって、前記情報処理装置が、
顧客に対する所定の商品の営業回数を含む営業情報と、前記顧客の属性に関する属性情報と、前記顧客の所属組織を識別可能な組織識別情報と、前記所属組織に対する前記商品の売上実績である組織売上実績または前記組織売上実績を算出可能な情報を含む組織売上実績情報とを、前記顧客を識別可能な顧客識別情報に対応付けて記憶手段に記憶する記憶ステップと、
前記顧客に対する前記商品の売上実績である顧客売上実績を、前記組織売上実績から前記営業回数に応じて、前記組織識別情報毎に予測して前記記憶手段に記憶する顧客売上実績予測ステップと、
前記属性情報の入力を受けて、前記顧客売上実績が所定値以上である予測確率を出力する学習済みモデルを用いて、前記予測確率を前記属性情報に基づいて予測する使用確率予測ステップと、を実行し、
前記学習済みモデルは、前記記憶手段に記憶される前記属性情報と、前記顧客売上実績を前記所定値を境に二値化したものとの関係を機械学習させることによって生成される予測モデルである
ことを特徴とする情報処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報処理装置及び情報処理方法に関する。
【背景技術】
【0002】
特許文献１には、営業支援システムが開示されている。この営業支援システムの予測システムは、予測モデル生成装置と、予測装置を備えている。予測モデル生成装置は、過去に営業対象となった、すなわち、営業実績のあった複数の顧客それぞれの属性と、既存顧客それぞれに対する営業活動の活動履歴と、営業対象としていた商品の属性から、受注の可能性が高い顧客および商品を予測する際に用いる予測モデルを生成する装置である。予測モデル生成装置の取得部は、予測モデルの生成に用いるデータとして、過去において営業活動の対象となった、つまり過去に営業実績のある複数の顧客それぞれの識別情報、顧客それぞれの属性データ、営業対象の商品の属性データおよび受注成否のデータを取得する。
【先行技術文献】
【特許文献】
【0003】
【文献】国際公開第２０２１／１９２１９８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
２０１５年９月に国際連合（国連）が策定した「持続可能な開発目標（ＳＤＧｓ）」は、持続可能で平等な世界の実現を目指すものであり、その中の目標３．８では「ユニバーサル・ヘルス・カバレッジ（ＵＨＣ）」の達成が掲げられている。
【0005】
これには、財政リスクからの保護や質の高い医療サービス、安全で効果的な必須医薬品へのアクセスが含まれる。
【0006】
しかし、製薬会社や医療機器企業による価格高騰が、医療費の財政を圧迫し、多くの人々が適切な医療を受けられない現状が問題視されている。さらに、製薬業界では、多額のマーケティング費用が費やされ、そのうち最大３０％が非効率的な活動によって浪費されている。この原因は、ターゲット顧客が明確に判別されていないためである。
【0007】
本発明は、医薬品や医療機器のマーケティング活動の効率化を図り、ターゲット顧客を正確に判別することで無駄を削減し、医薬品価格の抑制に寄与する。これにより、ＳＤＧｓの目標であるＵＨＣの達成に貢献し、より多くの人々が質の高い医療にアクセスできるようにすることを目的としている。
【0008】
ところで、営業の対象となる顧客が会社等の組織に所属している場合があり、この場合、営業自体は顧客に対して行うものの、顧客からの商品の受注は組織を介して行われ、複数の顧客分を組織がまとめて発注することが多い。このため、各顧客の受注成否のデータを得ることが難しいので、特許文献１に記載の営業支援システムでは、営業を支援することが難しい。
【0009】
そこで、本開示は、組織に所属している顧客への営業を支援することが可能な情報処理装置及び情報処理方法の提供を目的とする。
【課題を解決するための手段】
【0010】
上記課題を解決するため、本発明の第１の態様の情報処理装置は、顧客に対する営業に関する営業情報と、前記顧客の属性に関する属性情報と、前記顧客の所属組織を識別可能な組織識別情報と、前記所属組織に対する所定の商品の売上実績に関する組織売上実績情報とを、前記顧客を識別可能な顧客識別情報に対応付けて記憶する記憶手段と、前記顧客に対する前記所定の商品の売上実績である顧客売上実績を、少なくとも前記営業情報と前記組織売上実績情報とに基づいて、前記組織識別情報毎に予測する顧客売上実績予測手段と、前記顧客売上実績が所定値以上である確率を前記商品の使用確率として前記属性情報に基づいて予測する使用確率予測手段と、を備える。
【0011】
本発明の第２の態様は、上記第１の態様の情報処理装置であって、前記記憶手段に記憶される前記顧客のうち、前記顧客売上実績予測手段によって前記顧客売上実績が有ると予測された顧客同士の類似度を、前記属性情報に基づいて判定する類似度判定手段、を備える。
【0012】
本発明の第３の態様は、上記第１の態様又は上記第２の態様の情報処理装置であって、前記使用確率予測手段は、前記属性情報の入力を受けて前記顧客売上実績が所定値以上である確率を出力する学習済みモデルを用いて、前記使用確率を予測する。
【0013】
本発明の第４の態様は、上記第１の態様又は上記第２の態様の情報処理装置であって、前記営業情報は、前記顧客に対する営業回数を含む。
【0014】
本発明の第５の態様は、情報処理装置を用いた情報処理方法であって、前記情報処理装置が、顧客に対する営業に関する営業情報と、前記顧客の属性に関する属性情報と、前記顧客の所属組織を識別可能な組織識別情報と、前記所属組織に対する所定の商品の売上実績に関する組織売上実績情報とを、前記顧客を識別可能な顧客識別情報に対応付けて記憶手段に記憶する記憶ステップと、前記顧客に対する前記所定の商品の売上実績である顧客売上実績を、少なくとも前記営業情報と前記組織売上実績情報とに基づいて、前記組織識別情報毎に予測する顧客売上実績予測ステップと、前記属性情報に基づいて、前記顧客売上実績が所定値以上である確率を前記商品の使用確率として予測する使用確率予測ステップと、を実行する。
【発明の効果】
【0015】
本開示によれば、組織に所属している顧客への営業を支援することが可能な情報処理装置及び情報処理方法を提供することができる。
【図面の簡単な説明】
【0016】
【図1】ユーザによる営業の一例を示す説明図である。
【図2】本発明の一実施形態に係る情報処理装置を含む情報処理システムの概要図である。
【図3】ハードウエア構成の一例を示す説明図である。
【図4】本発明の一実施形態に係る情報処理装置のブロック図である。
【図5】データベースに記憶される組織情報及び組織売上実績情報の一例を示す説明図である。
【図6】データベースに記憶される顧客の属性情報のうち顧客の専門分野の一例を示す説明図である。
【図7】データベースに記憶される顧客の属性情報のうち顧客の会員情報の一例を示す説明図である。
【図8】データベースに記憶される顧客の属性情報のうち顧客の参加学会の一例を示す説明図である。
【図9】顧客売上実績の予測結果の一例を示す説明図である。
【図10】顧客同士の類似度の一例を示す説明図である。
【図11】顧客が商品を使用する使用確率の予測結果の一例を示す説明図である。
【図12】情報処理装置が実行する処理の一例のフローチャートである。
【図13】スクリーニング結果の一例を示す説明図である。
【発明を実施するための形態】
【0017】
図面を参照しながら、本発明の一実施形態について説明する。
【0018】
本発明の一実施形態に係る情報処理装置１０は、組織に所属している顧客への営業を支援することが可能な情報処理装置１０である。以下の説明では、病院（所属組織）２０に所属している医師（顧客）２０ａに対する、製薬会社や医療機器メーカー等の会社（ユーザ）３０からの営業を支援することが可能な情報処理装置１０として説明する。なお、組織、顧客、及びユーザは、病院、医師、及び製薬会社や医療機器メーカーに限定されるものではない。すなわち、本開示に係る情報処理装置及び情報処理方法は、医療分野以外の様々な分野における営業を支援することができる。
【0019】
【0020】
図１に示すように、会社３０からの営業の対象となる医師２０ａは、病院２０に所属している。会社３０は、取引相手として複数（図１では３つ）の病院２０を有している。会社３０は、所定の商品（本実施形態では、所定の医薬品や所定の医療機器など）について、病院２０に対して営業を行うこともあるが、病院２０に所属する医師２０ａに対して直接的に営業Ｘ１を行うこともある。医師２０ａに対して直接的に営業Ｘ１を行った場合でも、医師２０ａからの商品の受注は、病院２０を介して行われる。このとき、病院２０に複数の医師２０ａが所属している場合には、病院２０は、会社３０に対して、複数の医師２０ａ分の発注Ｘ２をまとめて行う。会社３０は、病院２０からの発注Ｘ２を受けた後、病院２０に対して商品の納品Ｘ３を行う。
【0021】
（システム）
図２は、本発明の一実施形態に係る情報処理装置を含むシステムの概要図である。図２に示すように、情報処理装置１０は、情報処理システム１００の一部を構成してもよい。この情報処理システム１００では、情報処理装置１０と、情報処理装置１０に対して通信ネットワークＮＷを介して接続される会社３０のユーザ端末３０ａとが含まれる。ユーザ端末３０ａは、特に限定されるものではなく、例えば、デスクトップ型・ラップトップ型のパーソナルコンピュータであってもよいし、タブレット端末であってもよい。通信ネットワークＮＷは、有線・無線を問わない。なお、情報処理装置１０は、情報処理システム１００の一部を構成しなくてもよく、例えば、会社３０、又は営業の支援を行うサービス提供会社等が、情報処理装置１０を直接的に操作して使用することもできる。
図２は、本発明の一実施形態に係る情報処理装置を含むシステムの概要図である。図２に示すように、情報処理装置１０は、情報処理システム１００の一部を構成してもよい。この情報処理システム１００では、情報処理装置１０と、情報処理装置１０に対して通信ネットワークＮＷを介して接続される会社３０のユーザ端末３０ａとが含まれる。ユーザ端末３０ａは、特に限定されるものではなく、例えば、デスクトップ型・ラップトップ型のパーソナルコンピュータであってもよいし、タブレット端末であってもよい。通信ネットワークＮＷは、有線・無線を問わない。なお、情報処理装置１０は、情報処理システム１００の一部を構成しなくてもよく、例えば、会社３０、又は営業の支援を行うサービス提供会社等が、情報処理装置１０を直接的に操作して使用することもできる。
【0022】
（ハードウエア構成）
図３は、ハードウエア構成の一例を示す説明図である。図３に示すように、情報処理装置１０は、コンピュータ等の演算を行う装置であって、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２１０、ＲＯＭ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）２２０、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２３０、補助記憶装置２４０、通信Ｉ／Ｆ２５０、入力装置２６０、表示装置２７０、記憶媒体Ｉ／Ｆ２８０等を有する。なお、会社３０のユーザ端末３０ａも同様の構成であってよい。
図３は、ハードウエア構成の一例を示す説明図である。図３に示すように、情報処理装置１０は、コンピュータ等の演算を行う装置であって、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２１０、ＲＯＭ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）２２０、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２３０、補助記憶装置２４０、通信Ｉ／Ｆ２５０、入力装置２６０、表示装置２７０、記憶媒体Ｉ／Ｆ２８０等を有する。なお、会社３０のユーザ端末３０ａも同様の構成であってよい。
【0023】
ＣＰＵ２１０は、ＲＯＭ２２０に記憶されたプログラムを実行する装置であり、ＲＡＭ２３０に展開（ロード）されたデータを、プログラムの命令に従って演算処理し、情報処理装置１０全体を制御する。ＲＯＭ２２０は、ＣＰＵ２１０が実行するプログラムやデータを記憶している。ＲＡＭ２３０は、ＲＯＭ２２０に記憶されたプログラムをＣＰＵ２１０で実行する際に、実行するプログラムやデータが展開（ロード）され、演算の間、演算データを一時的に保持する。
【0024】
補助記憶装置２４０は、基本ソフトウエアであるＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や本実施形態に係るアプリケーションプログラムなどを、関連するデータとともに記憶する装置である。補助記憶装置２４０は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やフラッシュメモリなどである。
【0025】
通信Ｉ／Ｆ２５０は、有線・無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどの通信ネットワークＮＷに接続し、通信機能を提供する他装置とデータの授受を行うためのインターフェースである。
【0026】
入力装置２６０は、キーボードなど情報処理装置１０にデータ入力を行うための装置である。表示装置２７０は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）等で構成される装置であり、情報処理装置１０が有する機能を利用する際や各種設定を行う際のユーザーインターフェースとして機能する装置である。記憶媒体Ｉ／Ｆ２８０は、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＵＳＢメモリなどの記憶媒体とデータの送受信を行うためのインターフェースである。なお、表示装置２７０は、タッチパネル式である場合には、表示機能に加えて、各種のデータ入力を行う入力装置として機能してもよい。
【0027】
ＣＰＵ２１０がＲＯＭ２２０又は補助記憶装置２４０に記憶されたプログラムなどのソフトウェアと協働して情報処理を実行することによって、情報処理装置１０は、記憶手段、顧客売上実績予測手段、類似度判定手段、及び使用確率予測手段として機能する。なお、情報処理装置１０のＣＰＵ２１０の機能の一部を抽出して、抽出した機能を他の情報処理装置に設け、互いに接続される複数の情報処理装置を用いて処理を実行してもよい。
【0028】
（情報処理装置）
図４は、本発明の一実施形態に係る情報処理装置のブロック図である。図４に示すように、本実施形態の情報処理装置１０は、データベース（記憶手段）１１と、顧客売上実績予測部（顧客売上実績予測手段）１２と、使用確率予測部（使用確率予測手段）１４とを備える。また、本実施形態の情報処理装置１０は、類似度判定部（類似度判定手段）１３を更に備える。
図４は、本発明の一実施形態に係る情報処理装置のブロック図である。図４に示すように、本実施形態の情報処理装置１０は、データベース（記憶手段）１１と、顧客売上実績予測部（顧客売上実績予測手段）１２と、使用確率予測部（使用確率予測手段）１４とを備える。また、本実施形態の情報処理装置１０は、類似度判定部（類似度判定手段）１３を更に備える。
【0029】
（データベース）
図５は、データベースに記憶される組織情報及び組織売上実績情報の一例を示す説明図である。図６は、データベースに記憶される顧客の属性情報のうち顧客の専門分野の一例を示す説明図である。図７は、データベースに記憶される顧客の属性情報のうち顧客の会員情報の一例を示す説明図である。図８は、データベースに記憶される顧客の属性情報のうち顧客の参加学会の一例を示す説明図である。なお、図６～図８に示すように、質的データは、量的データに変換されて（例えば、「該当する：１」、「該当しない：０」等）データベースに記憶される。
図５は、データベースに記憶される組織情報及び組織売上実績情報の一例を示す説明図である。図６は、データベースに記憶される顧客の属性情報のうち顧客の専門分野の一例を示す説明図である。図７は、データベースに記憶される顧客の属性情報のうち顧客の会員情報の一例を示す説明図である。図８は、データベースに記憶される顧客の属性情報のうち顧客の参加学会の一例を示す説明図である。なお、図６～図８に示すように、質的データは、量的データに変換されて（例えば、「該当する：１」、「該当しない：０」等）データベースに記憶される。
【0030】
【0031】
（識別情報）
図５～図８に示すように、顧客識別情報３００は、データベース１１に記憶される複数の医師２０ａの中から所定の医師２０ａを識別（特定）可能な情報である。新規の医師２０ａの情報をデータベース１１に登録する際には、固有の顧客識別情報３００が付されて記憶される。図５～図８に示すように、本実施形態では、顧客識別情報３００として、医師２０ａに対応付けられているＩＤ番号（顧客識別情報３００）を付している。例えば、図５には、ＩＤ番号「２５８５」～「２６０４」の２０名の医師２０ａの情報が図示されている。なお、データベース１１には、ＩＤ番号（顧客識別情報３００）に対応付けて、医師２０ａの氏名（図示省略）も登録されている。
図５～図８に示すように、顧客識別情報３００は、データベース１１に記憶される複数の医師２０ａの中から所定の医師２０ａを識別（特定）可能な情報である。新規の医師２０ａの情報をデータベース１１に登録する際には、固有の顧客識別情報３００が付されて記憶される。図５～図８に示すように、本実施形態では、顧客識別情報３００として、医師２０ａに対応付けられているＩＤ番号（顧客識別情報３００）を付している。例えば、図５には、ＩＤ番号「２５８５」～「２６０４」の２０名の医師２０ａの情報が図示されている。なお、データベース１１には、ＩＤ番号（顧客識別情報３００）に対応付けて、医師２０ａの氏名（図示省略）も登録されている。
【0032】
（組織情報）
図５に示すように、医師２０ａが所属する病院２０に関する組織情報４００は、少なくとも病院２０を識別可能な組織識別情報４０１（本実施形態では「施設コード」）を含む。すなわち、データベース１１は、顧客の所属組織を識別可能な組織識別情報を記憶する。新規の病院２０の情報をデータベース１１に登録する際には、固有の組織識別情報４０１が付されて記憶される。本実施形態では、組織情報４００は、組織識別情報４０１に加えて、病院２０の所在地情報４０２、及び病院２０の規模情報４０３を含む。図５では、所在地情報４０２は、都道府県毎に対応付けられた「都道府県コード」であり、規模情報４０３は、病院２０の病床数に応じた規模（「小病院」、「中病院」、及び「大病院」）毎に対応付けられた「病院種類（コード）」である。このような組織情報４００は、データベース１１に医師２０ａを登録する際に入手して登録してもよいし、データベース１１に医師２０ａを登録した後に入手して登録してもよい。
図５に示すように、医師２０ａが所属する病院２０に関する組織情報４００は、少なくとも病院２０を識別可能な組織識別情報４０１（本実施形態では「施設コード」）を含む。すなわち、データベース１１は、顧客の所属組織を識別可能な組織識別情報を記憶する。新規の病院２０の情報をデータベース１１に登録する際には、固有の組織識別情報４０１が付されて記憶される。本実施形態では、組織情報４００は、組織識別情報４０１に加えて、病院２０の所在地情報４０２、及び病院２０の規模情報４０３を含む。図５では、所在地情報４０２は、都道府県毎に対応付けられた「都道府県コード」であり、規模情報４０３は、病院２０の病床数に応じた規模（「小病院」、「中病院」、及び「大病院」）毎に対応付けられた「病院種類（コード）」である。このような組織情報４００は、データベース１１に医師２０ａを登録する際に入手して登録してもよいし、データベース１１に医師２０ａを登録した後に入手して登録してもよい。
【0033】
例えば、図５に示す施設コード「１１００１５」の病院２０には、３名の医師２０ａ（ＩＤ番号「２５８５」～「２５８７」）が所属しており、当該病院２０の「都道府県コード」は「１（例えば北海道）」であり、「病院種類」は「１（例えば大病院）」である。なお、データベース１１には、施設コード（組織識別情報４０１）に対応付けて、病院２０の名称（図示省略）も登録されている。また、組織情報４００は、上記に限定されるものではなく、例えば、「職員数」や「診療科数」等を含んでもよい。
【0034】
（組織売上実績情報）
組織売上実績情報５００は、医師２０ａが所属する病院２０に対する会社３０の所定の商品（以下、「商品Ｚ」という。）の売上実績に関する情報である。組織売上実績情報５００は、組織売上実績（所属組織に対する商品Ｚの売上実績）自体であってもよいし、或いは組織売上実績を算出可能な情報（例えば商品Ｚの単価及び受注数）であってもよい。また、組織売上実績情報５００は、所定の期間における組織売上実績に関する情報であってもよい。組織売上実績情報５００は、正確な値の方が好ましいが、大まかな値であってもよい。組織売上実績情報５００は、組織売上実績が発生した際に、組織情報４００及び当該病院２０に所属する医師２０ａとともにデータベース１１に登録されてもよい。或いは、組織売上実績情報５００は、組織売上実績が発生した際に、既にデータベース１１に登録されている病院２０に対応付けて追加的にデータベース１１に登録してもよい。
組織売上実績情報５００は、医師２０ａが所属する病院２０に対する会社３０の所定の商品（以下、「商品Ｚ」という。）の売上実績に関する情報である。組織売上実績情報５００は、組織売上実績（所属組織に対する商品Ｚの売上実績）自体であってもよいし、或いは組織売上実績を算出可能な情報（例えば商品Ｚの単価及び受注数）であってもよい。また、組織売上実績情報５００は、所定の期間における組織売上実績に関する情報であってもよい。組織売上実績情報５００は、正確な値の方が好ましいが、大まかな値であってもよい。組織売上実績情報５００は、組織売上実績が発生した際に、組織情報４００及び当該病院２０に所属する医師２０ａとともにデータベース１１に登録されてもよい。或いは、組織売上実績情報５００は、組織売上実績が発生した際に、既にデータベース１１に登録されている病院２０に対応付けて追加的にデータベース１１に登録してもよい。
【0035】
例えば、図５には、組織売上実績情報５００として、組織売上実績（円）が図示されている。具体的には、図５に示す「施設コード：１１００１５」の病院に対する会社３０の商品Ｚの「組織売上実績」は、「１，７９１，３６０（円）」である。
【0036】
（営業情報）
営業情報６００は、各医師２０ａに対する商品Ｚの営業に関する少なくとも１つの情報であって、例えば、商品Ｚに関する営業回数、営業態様、サンプルの提供の有無等が挙げられる。営業情報６００は、当該医師２０ａに対して営業を未だに行っていないという情報も含む。営業情報６００は、過去に行った商品Ｚの営業に関する全ての情報であってもよいし、或いは上記所定の期間（組織売上実績を算出しているの期間）における商品Ｚの営業の情報であってもよい。営業回数は、医師２０ａへ行った営業の回数（０回も含む。）である。営業態様は、医師２０ａへ行った営業の内容であって、例えば、訪問（対面）営業、電話による営業、ウェブミーティング等における営業、メール等（ダイレクトメールやメールマガジンを含む）による営業、講演会による営業などがある。サンプルの提供の有無は、商品のサンプルを医師２０ａに対して提供したか否かの情報である。これらの中でも、後述する顧客売上実績８００を予測する際の正確性の向上の観点から、営業情報６００は、営業回数を含むことが好ましい。この「営業回数」は、上記営業態様毎の回数であってもよいし、全ての営業態様を含めた総営業回数であってもよい。本実施形態では、図５に示すように、データベース１１は、営業情報６００として、営業回数及び営業態様を含む営業訪問回数６０１を記憶している。「営業訪問回数」は、商品Ｚに関して訪問営業を行った回数である。このような営業情報６００は、医師２０ａに対して営業を行った後、既にデータベース１１に登録されている医師２０ａのＩＤ番号（顧客識別情報３００）に対応付けて追加的にデータベース１１に登録してもよい。なお、営業情報６００は、営業回数、営業態様、サンプルの提供の有無に限定されるものではなく、営業に関する様々な情報（例えば営業担当者等）を含むことができる。
営業情報６００は、各医師２０ａに対する商品Ｚの営業に関する少なくとも１つの情報であって、例えば、商品Ｚに関する営業回数、営業態様、サンプルの提供の有無等が挙げられる。営業情報６００は、当該医師２０ａに対して営業を未だに行っていないという情報も含む。営業情報６００は、過去に行った商品Ｚの営業に関する全ての情報であってもよいし、或いは上記所定の期間（組織売上実績を算出しているの期間）における商品Ｚの営業の情報であってもよい。営業回数は、医師２０ａへ行った営業の回数（０回も含む。）である。営業態様は、医師２０ａへ行った営業の内容であって、例えば、訪問（対面）営業、電話による営業、ウェブミーティング等における営業、メール等（ダイレクトメールやメールマガジンを含む）による営業、講演会による営業などがある。サンプルの提供の有無は、商品のサンプルを医師２０ａに対して提供したか否かの情報である。これらの中でも、後述する顧客売上実績８００を予測する際の正確性の向上の観点から、営業情報６００は、営業回数を含むことが好ましい。この「営業回数」は、上記営業態様毎の回数であってもよいし、全ての営業態様を含めた総営業回数であってもよい。本実施形態では、図５に示すように、データベース１１は、営業情報６００として、営業回数及び営業態様を含む営業訪問回数６０１を記憶している。「営業訪問回数」は、商品Ｚに関して訪問営業を行った回数である。このような営業情報６００は、医師２０ａに対して営業を行った後、既にデータベース１１に登録されている医師２０ａのＩＤ番号（顧客識別情報３００）に対応付けて追加的にデータベース１１に登録してもよい。なお、営業情報６００は、営業回数、営業態様、サンプルの提供の有無に限定されるものではなく、営業に関する様々な情報（例えば営業担当者等）を含むことができる。
【0037】
例えば、図５に示す「施設コード：１１００１５」の病院に所属している「ＩＤ番号：２５８５」の医師に対しては、会社３０は、商品Ｚに関する訪問営業を１回（営業訪問回数：１）行っている。
【0038】
（顧客の属性情報）
属性情報７００は、各医師２０ａの属性に関する複数の情報（不明である場合を含む。）であって、その入手方法は特に限定されない。属性情報７００は、医師２０ａの属性に関する情報であれば特に限定されるものではないが、例えば図６～図８に示す情報（項目）が挙げられる。なお、属性に関する具体的な情報が入手できていない場合であっても、「不明：０」という属性情報７００が記憶される。すなわち、データベース１１に登録されている医師２０ａには、属性情報７００が必ず対応付けられて記憶される。
属性情報７００は、各医師２０ａの属性に関する複数の情報（不明である場合を含む。）であって、その入手方法は特に限定されない。属性情報７００は、医師２０ａの属性に関する情報であれば特に限定されるものではないが、例えば図６～図８に示す情報（項目）が挙げられる。なお、属性に関する具体的な情報が入手できていない場合であっても、「不明：０」という属性情報７００が記憶される。すなわち、データベース１１に登録されている医師２０ａには、属性情報７００が必ず対応付けられて記憶される。
【0039】
（専門分野に関する情報）
図６に示すように、属性情報７００は、医師２０ａの専門分野に関する情報７０１を含んでもよい。本実施形態では、医師２０ａの専門分野に関する情報７０１として、「循環器専門医」、「不整脈専門医」、「高血圧専門医」、「動脈硬化専門医」、「ＣＶＩＴ（Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｉｎｔｅｒｖｅｎｔｉｏｎ ａｎｄ Ｔｈｅｒａｐｅｕｔｉｃｓ）認定医」、「ＣＶＩＴ専門医」、「ＤＭ（糖尿病）専門医」、及び「消化器内科専門医」の項目が挙げられている。例えば、図６に示す「ＩＤ番号：２５８５」の医師は、「循環器専門医」及び「不整脈専門医」の項目に「１」の値が入っているので、「循環器専門医」であり、かつ「不整脈専門医」である。なお、「０」の値が入っている項目は、「該当しない」又は「不明」の項目である。このような医師２０ａの専門分野に関する情報７０１は、データベース１１に医師２０ａを登録する際に入手して登録してもよいし、データベース１１に医師２０ａを登録した後に入手して追加的に登録してもよい。
図６に示すように、属性情報７００は、医師２０ａの専門分野に関する情報７０１を含んでもよい。本実施形態では、医師２０ａの専門分野に関する情報７０１として、「循環器専門医」、「不整脈専門医」、「高血圧専門医」、「動脈硬化専門医」、「ＣＶＩＴ（Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｉｎｔｅｒｖｅｎｔｉｏｎ ａｎｄ Ｔｈｅｒａｐｅｕｔｉｃｓ）認定医」、「ＣＶＩＴ専門医」、「ＤＭ（糖尿病）専門医」、及び「消化器内科専門医」の項目が挙げられている。例えば、図６に示す「ＩＤ番号：２５８５」の医師は、「循環器専門医」及び「不整脈専門医」の項目に「１」の値が入っているので、「循環器専門医」であり、かつ「不整脈専門医」である。なお、「０」の値が入っている項目は、「該当しない」又は「不明」の項目である。このような医師２０ａの専門分野に関する情報７０１は、データベース１１に医師２０ａを登録する際に入手して登録してもよいし、データベース１１に医師２０ａを登録した後に入手して追加的に登録してもよい。
【0040】
（所定のＷＥＢサイトに関する情報）
また、図７に示すように、属性情報７００は、所定の情報提供ＷＥＢサイト（以下、「所定の医療情報サイト」という。）に関する医師２０ａの情報７０２を含んでもよい。
また、図７に示すように、属性情報７００は、所定の情報提供ＷＥＢサイト（以下、「所定の医療情報サイト」という。）に関する医師２０ａの情報７０２を含んでもよい。
【0041】
本実施形態では、所定の医療情報サイトに関する医師２０ａの情報７０２として、「会員」、「Ｆ０」～「Ｆ５」、「有料」、及び「メルマガ」の項目が挙げられている。「会員」の項目は、所定の医療情報サイトの会員であるか否かを示す情報である。「Ｆ１」～「Ｆ５」の項目は、例えば、後述する５つの医師特性であって、所定の医療情報サイトの記事（動画記事、文章記事どちらでもよい）の視聴・閲覧履歴に基づいて判定される。所定の医療情報サイトの記事の視聴・閲覧が無い（或いは非常に少ない）場合には、「Ｆ１」～「Ｆ５」のいずれにも該当しない「Ｆ０」の項目に振り分けられる。「有料」の項目は、所定の医療情報サイトの有料会員であるか否かを示す情報であって、無料会員である場合には「０」が、通常の有料会員の場合には「１」が、プレミアム有料会員である場合に「２」が入力される。「メルマガ」の項目は、所定の医療情報サイトが発信するメールマガジンに登録しているか否かを示す情報である。
【0042】
所定の医療情報サイトに関する医師２０ａの情報７０２に含まれる医師特性「Ｆ１」～「Ｆ５」は、例えば、「心臓のカテーテル治療に関心を持つ循環器内科医（専門領域）：Ｆ１」、「虚血性心疾患の治療全般に関心を持つ循環器内科医：Ｆ２」、「構造的心疾患の治療全般に関心を持つ循環器内科医：Ｆ３」、「循環器総合的に関心を持つ循環器内科医（カテーテルより、薬物療法などに関心を持つ）：Ｆ４」、「末梢血管内治療に関心を持つ循環器内科医：Ｆ５」などの内容であってよい。医師特性の数や内容は、これに限定されるものではない。なお、所定の医療情報サイトの記事に対する視聴・閲覧履歴に基づいて医師特性を判定する方法は、例えば、特許７４１８８７７号公報に開示された技術が挙げられる。
【0043】
例えば、図７に示す「ＩＤ番号：２５８５」の医師は、所定の医療情報サイトの会員ではないので、「Ｆ０：１」に分類される。また、図７に示す「ＩＤ番号：２５８７」の医師は、所定の医療情報サイトの会員であるが（「会員：１」）、所定の医療情報サイトの記事に対する視聴・閲覧履歴が無い（或いは非常に少ない）ので、「Ｆ０：１」に分類される。また、図７に示す「ＩＤ番号：２５９２」の医師は、所定の医療情報サイトの会員であり（「会員：１」）、所定の医療情報サイトの記事に対する視聴・閲覧履歴に基づいた医師特性が「Ｆ５：１」である。なお、「０」の値が入っている項目は、「該当しない」又は「不明」の項目である。
【0044】
このような所定の医療情報サイトに関する医師２０ａの情報７０２は、データベース１１に医師２０ａを登録する際に入手して登録してもよいし、データベース１１に医師２０ａを登録した後に入手して追加的に登録してもよい。また、所定の医療情報サイトに関する医師２０ａの情報７０２の入手方法は、特に限定されるものではないが、例えば所定の医療情報サイトを運営する運営会社と業務提携したり、或いは所定の医療情報サイトを運営したりすることによって入手してもよい。
【0045】
（参加学会に関する情報）
また、図８に示すように、属性情報７００は、医師２０ａの参加学会に関する情報７０３を含んでもよい。本実施形態では、参加学会に関する情報７０３として、「Ａ学会」、「Ｂ学会」、「Ｃ学会」、「Ｄ学会」、「Ｅ学会」への参加に関する項目が挙げられている。例えば、図８に示す「ＩＤ番号：２５８５」の医師は、「Ａ学会」、「Ｂ学会」、「Ｃ学会」、「Ｄ学会」、及び「Ｅ学会」のいずれの学会にも参加していない。一方、図８に示す「ＩＤ番号：２５８７」の医師は、「Ｂ学会」に参加している。なお、「０」の値が入っている項目は、「参加していない」又は「不明」の項目である。
また、図８に示すように、属性情報７００は、医師２０ａの参加学会に関する情報７０３を含んでもよい。本実施形態では、参加学会に関する情報７０３として、「Ａ学会」、「Ｂ学会」、「Ｃ学会」、「Ｄ学会」、「Ｅ学会」への参加に関する項目が挙げられている。例えば、図８に示す「ＩＤ番号：２５８５」の医師は、「Ａ学会」、「Ｂ学会」、「Ｃ学会」、「Ｄ学会」、及び「Ｅ学会」のいずれの学会にも参加していない。一方、図８に示す「ＩＤ番号：２５８７」の医師は、「Ｂ学会」に参加している。なお、「０」の値が入っている項目は、「参加していない」又は「不明」の項目である。
【0046】
このような医師２０ａの参加学会に関する情報７０３は、データベース１１に医師２０ａを登録する際に入手して登録してもよいし、データベース１１に医師２０ａを登録した後に入手して追加的に登録してもよい。また、医師２０ａの参加学会に関する情報７０３の入手方法は、特に限定されるものではないが、例えば医師２０ａからの情報提供を受けてもよいし、学会を開催する会社と業務提携したり、或いは学会を開催したりすることによって入手してもよい。
【0047】
（その他の属性情報）
なお、属性情報７００は、図６～図８に示す情報（項目）に限定されるものではなく、他の情報を含んでもよい。例えば、属性情報７００は、医師２０ａの属性として、医師２０ａが所属する病院２０に関する情報（組織情報４００と同様の情報）を含んでもよい。また、属性情報７００は、医師２０ａによる商品Ｚの使用に関する情報（使用確認情報）、医師２０ａの年齢、性別、診療科、出身校、イベントへの参加状況、所定の医療情報サイトの記事（コンテンツ）の視聴・状況等を含んでもよい。
なお、属性情報７００は、図６～図８に示す情報（項目）に限定されるものではなく、他の情報を含んでもよい。例えば、属性情報７００は、医師２０ａの属性として、医師２０ａが所属する病院２０に関する情報（組織情報４００と同様の情報）を含んでもよい。また、属性情報７００は、医師２０ａによる商品Ｚの使用に関する情報（使用確認情報）、医師２０ａの年齢、性別、診療科、出身校、イベントへの参加状況、所定の医療情報サイトの記事（コンテンツ）の視聴・状況等を含んでもよい。
【0048】
データベース１１に記憶されるこれらの情報（医師２０ａの氏名、組織情報４００、組織売上実績情報５００、及び変数情報。以下、まとめて「登録情報」という場合がある。）は、情報処理装置１０を直接的に操作可能である場合には、情報処理装置１０の入力装置２６０から入力してデータベース１１に記憶してもよい。また、情報処理装置１０を図２に示す情報処理システム１００として使用する場合には、上記登録情報の一部または全部を、会社３０のユーザ端末３０ａから通信ネットワークＮＷを介して取得してデータベース１１に記憶してもよいし、会社３０のユーザ端末３０ａとは異なる外部の情報処理装置から通信ネットワークＮＷを介して取得してデータベース１１に記憶してもよい。
【0049】
（顧客売上実績予測部）
図９は、顧客売上実績の予測結果の一例を示す説明図である。図９に示すように、顧客売上実績予測部１２は、医師２０ａに対する商品Ｚの売上実績である顧客売上実績８００を、少なくとも営業情報６００と組織売上実績情報５００とに基づいて、組織識別情報４０１毎（すなわち、病院２０毎）に予測する。顧客売上実績予測部１２は、予測した顧客売上実績８００を顧客識別情報３００に対応付けてデータベース１１に記憶する。なお、本実施形態では、顧客売上実績予測部１２は、営業情報６００と組織売上実績情報５００とに基づいて顧客売上実績８００を予測したが、これに限定されるものではなく、属性情報７００と営業情報６００と組織売上実績情報５００とに基づいて顧客売上実績８００を予測してもよい。
図９は、顧客売上実績の予測結果の一例を示す説明図である。図９に示すように、顧客売上実績予測部１２は、医師２０ａに対する商品Ｚの売上実績である顧客売上実績８００を、少なくとも営業情報６００と組織売上実績情報５００とに基づいて、組織識別情報４０１毎（すなわち、病院２０毎）に予測する。顧客売上実績予測部１２は、予測した顧客売上実績８００を顧客識別情報３００に対応付けてデータベース１１に記憶する。なお、本実施形態では、顧客売上実績予測部１２は、営業情報６００と組織売上実績情報５００とに基づいて顧客売上実績８００を予測したが、これに限定されるものではなく、属性情報７００と営業情報６００と組織売上実績情報５００とに基づいて顧客売上実績８００を予測してもよい。
【0050】
顧客売上実績８００は、商品Ｚの組織売上実績のうち、各医師２０ａに対する商品Ｚの売上実績（医師２０ａ毎の発注額又は使用額）であって、病院２０の外部（例えば会社３０）からは正確な値を知ることは難しい。このため、本開示に係る情報処理装置１０では、顧客売上実績予測部１２が、少なくとも営業情報６００と組織売上実績情報５００とに基づいて、顧客売上実績８００を組織識別情報４０１毎に予測する。従属変数である顧客売上実績８００を求めるための独立変数は、多ければ多いほどよい。すなわち、顧客売上実績予測部１２は、属性情報７００及び営業情報６００の双方の情報と組織売上実績情報５００とに基づいて、顧客売上実績８００を組織識別情報４０１毎に予測することが好ましい。
【0051】
例えば、顧客売上実績予測部１２は、病院２０に３人の医師２０ａが所属している場合には、これらの３人の医師２０ａのそれぞれの営業情報６００に基づいて、当該病院２０の組織売上実績から、病院２０内における３人の医師２０ａのそれぞれの顧客売上実績８００を予測する。なお、この場合の各医師２０ａの顧客売上実績８００は、それぞれの属性情報７００に基づいて予測される予測値であるので、３人の医師２０ａの顧客売上実績８００の総和は、病院２０の組織売上実績に一致しなくてもよい（図９の「施設コード：１１００１５」の病院２０参照）。
【0052】
顧客売上実績８００を予測する場合、顧客売上実績予測部１２は、データベース１１に記憶される複数の医師２０ａの少なくとも営業情報６００と組織売上実績情報５００とに基づいて、営業情報６００に含まれる項目と、組織売上実績との相関性の解析処理を実行する。これにより、顧客売上実績予測部１２は、営業情報６００のうち組織売上実績の向上に最も寄与するの項目（相関係数が最も高い項目）を検出し、顧客売上実績８００の予測に使用する。次に、顧客売上実績予測部１２は、病院２０の組織売上実績と、当該病院２０に所属する医師２０ａの上記項目（営業情報６００のうち組織売上実績の向上に最も寄与するの項目）とに基づいて、顧客売上実績８００を病院２０毎に予測する。例えば、組織売上実績の向上に最も寄与するの項目が営業回数であれば、顧客売上実績予測部１２は、組織売上実績から営業回数に応じて、顧客売上実績予測値を算出する。
【0053】
【0054】
図１０に示すように、類似度判定部１３は、データベース１１に記憶される複数の医師２０ａのうち、顧客売上実績予測部１２によって顧客売上実績８００が有る（ゼロではない）と予測された医師２０ａ同士の類似度を、属性情報７００に基づいて判定する。なお、類似度判定部１３は、顧客売上実績８００が有り、かつ顧客売上実績８００が所定値以上と予測された医師２０ａ同士の類似度を判定してもよい。
【0055】
医師２０ａ同士の類似度は、似た興味または関心を持っていると推察できる医師２０ａを抽出する際の指標となる値であって、属性情報７００に基づいて判定される。類似度判定部１３は、各医師２０ａの属性情報７００に基づいて相関分析及び類似度分析を行い、各医師２０ａ同士の類似度を判定する。例えば、類似度判定部１３は、各医師２０ａの属性情報７００をベクトル化し、これらのベクトル間のコサイン類似度を計算する。具体的には、類似度判定部１３は、以下の手順で類似度を判定することができる。類似度判定部１３は、各医師２０ａの属性情報７００を、Ｎ次元のベクトルとして定義する。例えば、属性情報７００が３８個の属性値で構成されている場合、各医師２０ａのベクトルは３８次元のベクトルとなる。次に、類似度判定部１３は、各ベクトルの長さを１に正規化する。これにより、ベクトルの大きさの影響を除去し、ベクトル間の方向の類似度を測定できるようにする。そして、類似度判定部１３は、計算されたコサイン類似度に基づいて、各医師２０ａ同士の類似度を判定する。例えば、コサイン類似度がある閾値を超える場合、これらの医師２０ａは似た興味または関心を持っていると判定される。
【0056】
図１０では、「ア医師会病院」の「Ａ先生」と類似度が高い先生は、「イ共済病院」の「Ｄ先生」であり、その類似度は「９５．６％」であることが分かる。一方、「Ａ先生」と類似度が低い先生は、「エ療養病院」の「Ｆ先生」であり、その類似度は「２３．９％」であることが分かる。類似度を表示装置２７０等に出力（表示）する際には、図１０に示す「％」単位で示してもよいし、単なる数値で示してもよいし、或いは「高」「中」「低」等の基準で示してもよい。なお、図１０では、「施設コード」、「ＩＤ番号」等を、「施設名称（病院２０の名称）」、「医師名」等にそれぞれ変換して表示している。図１０に示す「Ａ～Ｇ」は、それぞれ医師２０ａの「氏名」であるものとする。
【0057】
（使用確率予測部）
図１１は、顧客が商品を使用する使用確率の予測結果の一例を示す説明図である。図１１に示すように、使用確率予測部１４は、医師２０ａが商品Ｚを使用する使用確率９００（以下、単に「使用確率９００」という場合がある。）を、属性情報７００に基づいて予測する。使用確率９００は、顧客売上実績８００が所定値以上である確率とする。なお、図１１では、「施設コード」、「ＩＤ番号」等を、「施設名称（病院２０の名称）」、「医師名」等にそれぞれ変換して表示している。図１１に示す「Ａ～Ｎ」は、それぞれ医師２０ａの「氏名」であるものとする。
図１１は、顧客が商品を使用する使用確率の予測結果の一例を示す説明図である。図１１に示すように、使用確率予測部１４は、医師２０ａが商品Ｚを使用する使用確率９００（以下、単に「使用確率９００」という場合がある。）を、属性情報７００に基づいて予測する。使用確率９００は、顧客売上実績８００が所定値以上である確率とする。なお、図１１では、「施設コード」、「ＩＤ番号」等を、「施設名称（病院２０の名称）」、「医師名」等にそれぞれ変換して表示している。図１１に示す「Ａ～Ｎ」は、それぞれ医師２０ａの「氏名」であるものとする。
【0058】
使用確率９００を予測する場合、例えば、使用確率予測部１４は、データベース１１に記憶される複数の医師２０ａの顧客売上実績８００が所定値よりも低い場合を「０」とし、上記所定値よりも高い場合を「１」と定義してクラス分けする。そして、使用確率予測部１４は、データベース１１に記憶される複数の医師２０ａの属性情報７００を独立変数とし、顧客売上実績８００のクラスが「１」となる確率（使用確率９００）を従属変数として多変量解析（例えば、ロジスティック回帰分析等）を行う。上記所定値としては、例えば、データベース１１に記憶される複数の医師２０ａの顧客売上実績８００の中央値、又は複数の医師２０ａの顧客売上実績８００の平均値等が挙げられる。本実施形態では、上記所定値として、データベース１１に記憶される複数の医師２０ａの顧客売上実績８００の中央値を適用し、中央値よりも低い場合を「０」とし、中央値よりも高い場合を「１」と定義してクラス分けする。
【0059】
例えば、図２に示すように、情報処理装置１０は、予測モデル生成部１５と、予測モデル記憶部１６とを備えてもよい。予測モデル生成部１５は、医師２０ａの属性情報７００を入力すると、使用確率９００を出力する予測モデル（学習済みモデル）を生成する。当該予測モデルは、データベース１１に記憶される複数の医師２０ａの属性情報７００と顧客売上実績８００のクラス（「０」ｏｒ「１」）との関係を機械学習させることによって生成される。予測モデル生成部１５によって生成された予測モデルは、予測モデル記憶部１６に記憶される。使用確率予測部１４は、予測モデル記憶部１６に記憶される予測モデルに、属性情報７００を入力し、医師２０ａによる商品Ｚの使用確率９００を予測してもよい。
【0060】
なお、使用確率予測部１４による使用確率９００の予測は、予めデータベース１１に記憶される複数の医師２０ａの使用確率９００の予測に限定されるものではない。例えば、使用確率予測部１４は、データベース１１に登録されていない医師２０ａの属性情報７００の入力に対して、商品Ｚの使用確率９００を出力（予測）することもできる。
【0061】
【0062】
図１２に示すように、本処理では、先ず、医師２０ａが所属する病院２０に関する組織情報４００と、病院２０に対する商品Ｚの組織売上実績情報５００と、医師２０ａの属性情報７００と、医師２０ａに対する営業情報６００とを取得し、顧客識別情報３００に対応付けてデータベース１１に記憶する（記憶ステップ（ステップＳ１））。なお、これらの情報は、同時に取得しなくてもよく、各情報の取得するごとに、顧客識別情報３００に対応付けてデータベース１１に記憶してもよい。
【0063】
次に、顧客売上実績予測部１２は、少なくとも営業情報６００と組織売上実績情報５００とに基づいて顧客売上実績８００を、組織識別情報４０１（病院２０）毎に予測する（顧客売上実績予測ステップ（ステップＳ２））。
【0064】
次に、類似度判定部１３は、ステップＳ１においてデータベース１１に記憶される複数の医師２０ａのうち、ステップＳ２において顧客売上実績８００が有ると予測された医師２０ａ同士の類似度を、属性情報７００に基づいて判定する（類似度判定ステップ（ステップＳ３））。
【0065】
次に、使用確率予測部１４は、属性情報７００に基づいて使用確率９００を予測する（ステップＳ４）。そして、情報処理装置１０は、本処理を終了する。
【0066】
なお、ステップＳ３の処理とステップＳ４の処理とは、順番が逆であってもよい。また、本実施形態では、ステップＳ３の処理を実行しているが、ステップＳ３の処理を実行しなくてもよく、ステップＳ２の終了後にステップＳ４へ移行してもよい。また、ステップＳ２、ステップＳ３、及びステップＳ４の処理は、ステップＳ１における情報の入力後に自動的に実行されてもよいし、外部からの命令を受けてから実行されてもよい。
【0067】
【0068】
例えば、会社３０は、所定の病院２０から商品Ｚの発注を受けた場合、組織売上実績情報５００を、情報処理装置１０に入力して、組織識別情報４０１に対応付けてデータベース１１に記憶する。このとき、組織売上実績情報５００に加えて、当該病院２０の組織情報４００と、当該病院２０への営業情報６００と、当該病院２０に所属する医師２０ａの情報（属性情報７００を含む。）も、情報処理装置１０に入力して、データベース１１に記憶してもよい。或いは、組織情報４００、営業情報６００、当該病院２０に所属する医師２０ａの情報は、予めデータベース１１に記憶されていてもよい。
【0069】
情報処理装置１０の利用者は、データベース１１に記憶される医師２０ａの中から、商品Ｚについての営業回数が少ない（ゼロを含む。以下同じ。）医師２０ａをスクリーニングして表示装置２７０に出力し、出力された医師２０ａの商品Ｚの使用確率９００を確認する。或いは、商品Ｚについての営業回数が少なく、かつ商品Ｚの使用確率９００が高い（上位１０名等）医師２０ａをスクリーニングして表示装置２７０に出力する。これにより、商品Ｚの使用確率９００が潜在的に高く、かつ営業回数が少ない医師２０ａを抽出することができるので、抽出された医師２０ａを次の営業対象にすることができ、効率的に営業を行うことができる。なお、この「営業対象」とは、訪問営業の対象に限定されるものではなく、営業のためのセミナーや研究会を開催する際の参加候補者対象であってもよい。
【0070】
また、データベース１１に登録されていない未登録の医師２０ａの属性情報７００が得られる場合には、この未登録の医師２０ａの属性情報７００を入力することによって、当該医師２０ａの商品Ｚの使用確率９００を予測し、表示装置２７０に出力することができる。これにより、商品Ｚの使用確率９００が高い医師２０ａを次の営業対象にすることができ、効率的に営業を行うことができる。
【0071】
また、情報処理装置１０の利用者は、データベース１１に記憶される医師２０ａの中から、商品Ｚを発注したであろう医師２０ａ（上記所定の病院２０に所属する医師２０ａ）と類似度が高い（所定値以上）の医師２０ａを抽出し、表示装置２７０に出力する。これにより、顧客売上実績８００が有ると予測され、かつ商品Ｚを発注したであろう医師２０ａと類似度が高い医師２０ａを抽出することができるので、商品Ｚの受注の可能性が高い医師２０ａを次の営業対象にすることができ、効率的に営業を行うことができる。
【0072】
また、商品Ｚを発注したであろう医師２０ａとの類似度が高く、かつ商品Ｚの使用確率９００が高い医師２０ａを抽出してもよい。これにより、商品Ｚの受注の可能性が更に高い医師２０ａを次の営業対象にすることができるので、更に効率的に営業を行うことができる。
【0073】
また、データベース１１に記憶される他の情報を利用して、更にスクリーニングしてもよい。例えば、図１３に示すように、病院２０の所在地（エリア）や診療科等の条件に基づいて、医師２０ａを抽出してもよい。これにより、商品Ｚの受注の可能性が高く、かつ所望の条件に合った医師２０ａを抽出することができるので、更に効率的に営業を行うことができる。抽出した情報を表示装置２７０に出力する際には、認識し易くするために、図１３に示すように、「都道府県コード」、「施設コード」、「ＩＤ番号」等を、「エリア（都道府県名）」、「施設名（病院２０の名称）」、「医師名」にそれぞれ変換して出力することが好ましい。なお、図１３に示す「Ｏ～Ｔ」は、それぞれ医師２０ａの「氏名」であるものとする。
【0074】
また、情報処理装置１０の他の使用例としては、上記所定の病院２０から商品Ｚの発注を受けた後、医師２０ａによる商品Ｚの使用が確認された場合（使用確認情報が得られた場合）、商品Ｚを使用した当該医師２０ａと類似度が高い（所定値以上）の医師２０ａを抽出し、表示装置２７０に出力する。これにより、顧客売上実績８００が有ると予測され、かつ実際に商品Ｚの使用が確認された医師２０ａと類似度が高い医師２０ａを抽出することができるので、商品Ｚの受注の可能性が更に高い医師２０ａを次の営業対象にすることができる。また、医師２０ａによる商品Ｚの使用確認情報を属性情報７００の１つとしてデータベース１１に記憶している場合には、使用確認情報が得られていない医師２０ａ又は商品Ｚについて未だ営業に行っていない医師２０ａの中から、使用確認情報が得られた医師２０ａと類似度が高い医師２０ａを抽出してもよい。これにより、更に効率的に営業を行うことができる。
【0075】
また、情報処理装置１０の他の使用例としては、商品Ｚを発注したであろう医師２０ａ（又は使用確認情報が得られた医師２０ａ）と類似度が高い医師２０ａを抽出することができるので、医師２０ａ間のコミュニティ作りのターゲッティングにも利用することができる。
【0076】
このように、本実施形態によれば、組織に所属している顧客への営業を支援することが可能な情報処理装置１０及び情報処理方法を提供することができる。
【0077】
なお、本実施形態では、１つの商品Ｚについて説明したが、複数の商品であっても、商品毎にデータを記憶することによって、それぞれの商品における営業の支援を行うことができる。
【0078】
以上、本発明について、上記実施形態に基づいて説明を行ったが、本発明は上記実施形態の内容に限定されるものではなく、当然に本発明を逸脱しない範囲で適宜変更が可能である。すなわち、この実施形態に基づいて当業者等によりなされる他の実施形態、実施例及び運用技術等は全て本発明の範疇に含まれることは勿論である。
【符号の説明】
【0079】
１０：情報処理装置
１１：データベース（記憶手段）
１２：顧客売上実績予測部（顧客売上実績予測手段）
１３：類似度判定部（類似度判定手段）
１４：使用確率予測部（使用確率予測手段）
３００：顧客識別情報
４００：組織情報
４０１：組織識別情報
５００：組織売上実績情報
６００：営業情報
７００：属性情報
８００：顧客売上実績
９００：使用確率
１１：データベース（記憶手段）
１２：顧客売上実績予測部（顧客売上実績予測手段）
１３：類似度判定部（類似度判定手段）
１４：使用確率予測部（使用確率予測手段）
３００：顧客識別情報
４００：組織情報
４０１：組織識別情報
５００：組織売上実績情報
６００：営業情報
７００：属性情報
８００：顧客売上実績
９００：使用確率
【要約】
【課題】組織に所属している顧客への営業を支援することが可能な情報処理装置及び情報処理方法を提供する。
【解決手段】本開示に係る情報処理装置１０は、顧客に対する営業に関する営業情報と、顧客の属性に関する属性情報と、顧客の所属組織を識別可能な組織識別情報と、所属組織に対する所定の商品の売上実績に関する組織売上実績情報とを、顧客を識別可能な顧客識別情報に対応付けて記憶するデータベース１１と、顧客に対する商品の売上実績である顧客売上実績を、少なくとも営業情報と組織売上実績情報とに基づいて、組織識別情報毎に予測する顧客売上実績予測部１２と、顧客売上実績が所定値以上である確率を商品の使用確率として属性情報に基づいて予測する使用確率予測部１４と、を備える。
【選択図】図４
【解決手段】本開示に係る情報処理装置１０は、顧客に対する営業に関する営業情報と、顧客の属性に関する属性情報と、顧客の所属組織を識別可能な組織識別情報と、所属組織に対する所定の商品の売上実績に関する組織売上実績情報とを、顧客を識別可能な顧客識別情報に対応付けて記憶するデータベース１１と、顧客に対する商品の売上実績である顧客売上実績を、少なくとも営業情報と組織売上実績情報とに基づいて、組織識別情報毎に予測する顧客売上実績予測部１２と、顧客売上実績が所定値以上である確率を商品の使用確率として属性情報に基づいて予測する使用確率予測部１４と、を備える。
【選択図】図４
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
