JP2000172697A - 顧客情報検索方法及び顧客情報検索装置、データ作成方法、並びにデータベース - Google Patents

顧客情報検索方法及び顧客情報検索装置、データ作成方法、並びにデータベース

Info

Publication number
JP2000172697A
JP2000172697A JP34435798A JP34435798A JP2000172697A JP 2000172697 A JP2000172697 A JP 2000172697A JP 34435798 A JP34435798 A JP 34435798A JP 34435798 A JP34435798 A JP 34435798A JP 2000172697 A JP2000172697 A JP 2000172697A
Authority
JP
Japan
Prior art keywords
customer
information
database
data
internal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP34435798A
Other languages
English (en)
Other versions
JP4218099B2 (ja
Inventor
Yoshihito Fujiwara
義仁 藤原
Hisataka Ando
尚隆 安藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP34435798A priority Critical patent/JP4218099B2/ja
Priority to US09/452,418 priority patent/US6507851B1/en
Publication of JP2000172697A publication Critical patent/JP2000172697A/ja
Application granted granted Critical
Publication of JP4218099B2 publication Critical patent/JP4218099B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/953—Organization of data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99941—Database schema or data structure
    • Y10S707/99944—Object-oriented database structure
    • Y10S707/99945—Object-oriented database structure processing

Abstract

(57)【要約】 【課題】 顧客の規則抽出の精度を向上させることがで
きる。 【解決手段】 顧客データベースＤＢ1は、顧客の価値
観等を含む心理側面に関する顧客内的情報と、少なくと
も顧客の性別及び年齢等からなる基本属性を含む顧客外
的情報とが蓄積されて形成されている。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、顧客に関する情報
に基づいて、所望の顧客を検索する顧客情報検索方法及
び顧客情報検索装置、データを作成するデータ作成方
法、並びに各種情報からなるデータベースに関し、詳し
くは、顧客の性別及び年齢等のプロファイルに基づいて
所望の顧客情報を検索するのに好適な顧客情報検索方法
及び顧客情報検索装置、データ作成方法、並びにデータ
ベースに関する。
【０００２】
【従来の技術】消費者の将来における消費動向を探る一
手段として、顧客データベース化がある。従来の顧客デ
ータベースに保存されている項目は、姓別、年齢、職業
といった顧客の基本属性や商品の購買行動の時系列記録
といった行動履歴からなっていた。
【０００３】このような顧客データベースにより、デー
タを統計的に処理することで顧客の行動パターンの規則
性を見出し、顧客の行動の予測等に活用することができ
る。
【０００４】例えば、おむつを買った男性は、同時にビ
ールを買う可能性が高いといった分析結果がその事例で
ある。
【０００５】このような顧客データベース中に隠された
規則を抽出して意志決定支援を行う手法としてデータマ
イニングがあり、近年、注目を集めている。
【０００６】データマイニングとは、大容量のデータに
隠された因果関係やパターンを探索したりモデル化する
ための、高度な手法で、複雑なデータ間の関係づけを可
能にするものであり、人工知能、データ工学等の分野に
おいてここ数年注目を浴びている意思決定支援手法であ
る。
【０００７】なお、このデータマイニングは、様々な適
用分野があり、例えば、過去の購買記録から考えて、顧
客が次に買いそうな商品は何か、クレジットカードの不
正処理がいつ起こるか、顧客がライバル会社に流れたの
はなぜか、また、どうすれば取り戻せるか、或いは購買
パターンによって顧客をセグメント化する最適な方法は
何か、といったことについての解法の支援をしてくれ
る。
【０００８】
【発明が解決しようとする課題】ところで、従来のデー
タベースは、顧客の表面的な行動をその項目として蓄積
するものに過ぎず、よって、このようなデータベースに
より抽出した規則により顧客のその行動の背景にある心
の動きまでを追うことはできない。したがって何故その
ような行動パターンが形成されたかという理由を見つけ
ることは一般的に困難である。
【０００９】また、個人を対象としたダイレクトマーケ
ティングをする場合でも、その人の外見的な情報や行動
だけで判定しており、効果的なマーケティングを行うこ
とはできなかった。
【００１０】さらに、特定の商品又はサービスに対する
ダイレクトマーケティングを行う場合、顧客データベー
ス中の特定セグメント（例えば、２０代女性を限定とい
ったもの）をアプローチの対象としていたが、この方法
だとセグメント中の顧客を平等に扱うため、大規模な顧
客データベースからもっとも有望な顧客を順位の付けて
ピックアップすることは困難であった。
【００１１】そして、一般的にデータマイニングは、顧
客データベースの内容を分析することでデータベース中
の項目間の規則を抽出するものであり、よって、顧客デ
ータベース中の項目と顧客データベース中に存在しない
項目との関係を抽出することはできない。すなわち、デ
ータマイニングでは、規則を抽出する対象となる項目が
明らかでない限り当該項目との間における規則を抽出す
ることはできなく、このようなことから、既存データベ
ースを分析しても別分野のビジネスに活用することは困
難とされていた。
【００１２】そこで、本発明は、上述の実情に鑑みてな
されたものであって、顧客の規則抽出の精度を向上させ
ることができる顧客情報検索方法及び顧客情報検索装
置、データ作成方法、並びにデータベースの提供を目的
としている。
【００１３】
【課題を解決するための手段】本発明に係る顧客情報検
索方法は、上述の課題を解決するために、顧客の心理側
面に関する顧客内的情報と、少なくとも顧客の基本属性
を含む顧客外的情報とを記憶手段に蓄積し、記憶手段に
蓄積した顧客内的情報及び顧客外的情報に基づいて、顧
客の特定の商品又はサービスに対する有望度を算出す
る。
【００１４】すなわち、この顧客情報検索方法は、顧客
外的情報に加え顧客内的情報に基づいて顧客の特定の商
品又はサービスに対する有望度を算出する。
【００１５】この顧客情報検索方法により算出された有
望度は、特定の商品又はサービスの潜在顧客であるか否
かを的確に示す指標となる。
【００１６】また、本発明に係る顧客情報検索装置は、
上述の課題を解決するために、顧客の心理側面に関する
顧客内的情報と少なくとも顧客の基本属性を含む顧客外
的情報とが蓄積される記憶手段と、記憶手段に蓄積した
顧客内的情報及び顧客外的情報に基づいて、顧客の特定
の商品又はサービスに対する有望度を算出する有望度算
出手段とを備える。
【００１７】このような構成を有する顧客情報検索装置
は、記憶手段に蓄積されている顧客外的情報に加え顧客
内的情報に基づいて、有望度算出手段により、顧客の特
定の商品又はサービスに対する有望度を算出する。
【００１８】この顧客情報検索装置により算出された有
望度は、特定の商品又はサービスの潜在顧客である否か
を的確に示す指標となる。
【００１９】また、本発明に係るデータ作成方法は、上
述の課題を解決するために、顧客の心理側面に関する顧
客内的情報と、少なくとも顧客の基本属性を含む顧客外
的情報とを記憶手段に蓄積する。
【００２０】このデータ作成方法により記憶手段に記憶
された顧客内的情報及び顧客外的情報を用いて算出され
た特定の商品又はサービスに対する有望度は、特定の商
品又はサービスの潜在顧客であるか否かを的確に示す指
標となる。
【００２１】また、本発明に係るデータベースは、上述
の課題を解決するために、顧客に関する情報から構成さ
れる既存の顧客データベースから商品又はサービスの有
望度を得るために取り出した第１の顧客情報と、商品又
はサービスの有望度を得るために新たに取得した顧客に
関する情報を示す第２の顧客情報とを有している。そい
て、データベースの有する第１の顧客情報と第２の顧客
情報の間に共通して存在する規則が抽出される。
【００２２】このデータベースの第１の顧客情報と第２
の顧客情報の間に共通して存在する規則に、顧客に関し
て既に得られている情報を適用して、特定の商品又はサ
ービスの潜在顧客であるか否かの指標を得る。
【００２３】また、本発明に係る顧客情報検索方法は、
上述の課題を解決するために、顧客に関する情報から構
成される既存の顧客データベースから商品又はサービス
の有望度を得るために取り出した第１の顧客情報と商品
又はサービスの有望度を得るために新たに取得した顧客
に関する情報を示す第２の顧客情報の間に共通して存在
する規則を抽出する。
【００２４】この顧客情報検索方法により抽出した第１
の顧客情報と第２の顧客情報の間に共通して存在する規
則に、顧客に関して既に得られている情報を適用して、
特定の商品又はサービスの潜在顧客であるか否かの指標
を得る。
【００２５】
【発明の実施の形態】以下、本発明の実施の形態につい
て図面を用いて詳しく説明する。この実施の形態は、本
発明を、顧客に関して蓄積された情報に基づいて、所望
の顧客情報を検索する顧客情報検索装置に適用したもの
である。
【００２６】図１に示すように、顧客情報検索装置１
は、各種データの入力部とされる入力部２と、データ処
理の結果等を出力する出力部３と、データを記憶するデ
ータ記憶部４と、顧客情報検索装置１を構成する各部を
制御等するＣＰＵ５とを備えている。そして、顧客情報
検索装置１は、各部がＣＰＵ５とバス６によって接続さ
れている。
【００２７】この顧客情報検索装置１において、データ
記憶部４は、顧客の心理側面に関する顧客内的情報と、
少なくとも顧客の基本属性を含む顧客外的情報とが蓄積
される記憶手段とされ、ＣＰＵ５は、データ記憶部４に
蓄積した顧客内的情報及び顧客外的情報に基づいて特定
の商品又はサービスに対する有望度を算出する有望度算
出機能を有している。
【００２８】入力部２は、データを入力するための入力
手段として構成されている。例えば、入力部２は、マウ
ス、キーボード等の入力操作手段として構成されてい
る。
【００２９】出力部３は、データを出力するための出力
手段として構成されている。例えば、出力部３は、モニ
タ等の表示手段、又はプリンタ等の印刷出力手段として
構成されている。
【００３０】データ記憶部４は、各種データが記憶され
る記憶手段として構成されている。入力部２から入力さ
れたデータは、このデータ記憶部４に記憶される。デー
タ記憶部４には、顧客内的情報及び顧客外的情報等が顧
客データベース等として記憶されている。このデータ記
憶部４に記憶されるデータについては、後で詳しく説明
する。
【００３１】ＣＰＵ５は、顧客情報検索装置１の各部を
制御する制御手段として構成されている。そして、ＣＰ
Ｕ５は、上述したように、有望度算出機能を有してい
る。
【００３２】次に、データ記憶部４に記憶されるデータ
について詳しく説明する。
【００３３】データ記憶部４には、顧客内的情報及び顧
客外的情報が記憶されている。顧客内的情報及び顧客外
的情報により、例えば後述する顧客データベースが構築
されている。また、データ記録部４には、後述する学習
用データベースや仮想データベースも記憶されている。
【００３４】顧客外的情報は、顧客の基本属性に関する
情報及び顧客の行動履歴に関する情報から構成されてい
る。
【００３５】顧客の基本属性に関する情報は、一般的に
はデモグラフィック情報と呼ばれ、顧客の基本的な属性
に関する情報からなり、具体的には、顧客の性別、年
齢、職業、家族構成等の情報によって構成されている。
【００３６】顧客の行動履歴に関する情報とは、例えば
顧客の商品やサービスの購買履歴からなる情報であっ
て、具体的には、顧客の商品又はサービスの購入、利用
といった顧客の行動面の履歴情報であり、さらに、顧客
がいつ、どこで、何をしたかについての情報も含まれて
いる。例えば、顧客Ａが商品Ｂを日時ＣにショップＤに
おいて価格Ｅで購入したといったことが、時系列に格納
された情報がこの情報に含まれている。
【００３７】デモグラフィック情報と行動履歴の情報
は、顧客の表面的或いは行動に現れるものであり、顧客
の外的データとなる。
【００３８】顧客内的情報は、顧客の価値観を少なくと
も含む心的側面に関する情報であって、顧客の内的デー
タとされる。顧客内的情報は、具体的には、テレビや雑
誌といったメディアに関する考え方、生活態度、社会に
対する意識、及び自身の生き方等といった情報とされ
る。
【００３９】データ記憶部４には、上述の各種情報が、
顧客データベースの顧客プロファイルデータとして記憶
されている。図２には、顧客データベースＤＢ1が、い
わゆるスプレットシートの形態として、各行に顧客一人
分の情報が格納されている例を示している。
【００４０】図２の例では、デモグラフィック情報、製
品／サービス購入・利用履歴、及び人柄データを、プロ
ファイル項目としており、顧客が顧客ＩＤによって整理
されている。この図２に示す例の顧客データベースＤＢ
1は、１０００万人分のデータをファイルしている。
【００４１】本例では、デモグラフィック情報が「氏
名」、「電話番号」、「住所コード」、「性別」、「年
齢」、「家族コード」及び「年収コード」等とされ、一
部コード化された項目から構成されている。なお、この
デモグラフィック情報は、従来のデータベースでも採用
されている基本属性であり、いわゆる名寄せ情報にも使
われている情報である。
【００４２】また、製品／サービス購入・利用履歴は、
行動履歴に対応するもので、「製品コード」、「購入日
時」及び「製品コード」等とされ、一部コード化された
項目から構成されている。
【００４３】そして、人柄データは、顧客内的情報に対
応されるものであり、「質問１」、「質問２」、「質問
３」、・・・というように各種質問の回答情報により構
成することが作成方法の一例である。
【００４４】顧客情報検索装置１は、このように構成さ
れた顧客データベースＤＢ1から特定の商品又はサービ
スに対する有望顧客のピックアップを行うことができ
る。特定の商品又はサービスに対する顧客の有望度につ
いて説明する。
【００４５】有望度は、特定の商品又はサービスに対す
る顧客の関心や需要等を示す指標となるもので、例えば
計算式などによる規則抽出により求めることができる。
【００４６】有望度Ｆの算出式には、簡易なものとし
て、数値化されたデータ項目に係数を掛け合わせた
（１）式のように示される線形結合式がある。
【００４７】 Ｆ＝ａ×Ｑ１＋ｂ×Ｑ２＋ｃ×Ｑ３＋ｄ×Ｑ４＋ｅ×Ｑ５＋・・・ ・・・（１） ここで、Ｑ１，Ｑ２，Ｑ３，Ｑ４，Ｑ５，・・・は顧客
プロファイルデータ、ａ，ｂ，ｃ，ｄ，ｅ，・・・は特
定の商品又はサービス向けに得られた定数である。
【００４８】なお、有望度Ｆの算出式はこのような線形
結合式によって表現されることに限定されるものではな
く、非線形の様々な計算式によって表現することもでき
る。例えば、シグモイド関数を用いたニューラルネット
ワークモデルがその一つである。
【００４９】また、下記に示すような条件式（ＩＦ文）
によるルール形式によっても有望度を導き出すことがで
きる。
【００５０】ＩＦ（Ｑ１＞ａ AND Ｑ２＞ｂ AND Ｑ３＞
ｃ AND Ｑ４＞ｄ AND Ｑ５＞ｅ）THEN Ｆ ＝Ｘ なお、線形モデルによる統計手法は、判別分析、ロジス
ティック回帰、クラスター分析等が該当し、「なぜ」
「どのように」といった疑問の返答に適している。
【００５１】また、非線形モデルの一つであるツリーモ
デル（帰納方式とも呼ばれる）は、データからディシジ
ョンツリー（決定木）を構成している。このモデルは、
重要な変数を選び、不要な予測要素を削除する場合に適
している。
【００５２】そして、非線形モデルであるニューラルネ
ットワークは、履歴データをもとに未来の結果を予測す
ることができ、「何が」という疑問の返答に適してい
る。
【００５３】顧客情報検索装置１は、このような計算式
等により、データマイニング手法を採用して、特定の商
品又はサービスに対する各顧客の有望度を算出してい
る。
【００５４】顧客情報検索装置１は、特定の商品又はサ
ービスについて顧客の各々に対し求めた有望度に基づい
て、その測定の商品又はサービスの潜在顧客をピックア
ップしている。例えば、これにより、効率良くマーケテ
ィングを行うことができる。すなわち、外的データに加
えて心理的要因をあらわす内的データを組み合わせるこ
と、つまり、顧客の表面的あるいは行動にあらわれるデ
ータと内面的な人柄のデータを組み合わせることで個人
を完全に把握することができ、効率のいいマーケティン
グを行うことができる。例えば、特定の商品又はサービ
スの購入を望む顧客に対してダイレクトメール等を送付
するなどといったことが可能になる。
【００５５】また、有望度の算出式は、任意の方法で作
成することもできる。例えば、顧客から得た各種情報に
基づいて、その情報間に存在する関係から有望度の算出
式を作成することもできる。一般には顧客のプロファイ
ルデータと予測したい顧客の嗜好等の関係に対応する変
数（ターゲット変数）が既知であるデータセット（学習
用データベース）に対して、上述のモデルを適用して各
種のパラメータを獲得することができる。
【００５６】学習データベースは、例えば図３中（Ａ）
及び（Ｂ）に示すように、顧客データベース（図３中
（Ａ））から任意にサンプリングして作成したデータベ
ース（図３中（Ｂ））とされていた。従来は、このよう
に顧客データベースの一部項目のみからなる学習用デー
タベースに基づいて、その顧客に対するダイレクトメー
ル等のレスポンスデータを使って予測していた。
【００５７】しかし、本発明を適用した学習用データベ
ースは、顧客データベースの情報から作成するなどせず
に全く別の手段により収集したデータにより構成してい
る。すなわち、例えば、学習用データベースは、ランダ
ム、層別等で抽出した適当な人数、例えば１０００〜１
００００人程度にアンケート調査をすること等により顧
客データベースとは全く関係のない項目を有するデータ
ベースとして作成される。図４には、顧客情報検索装置
１が使用する学習用データベースＤＢ2の構成例を示し
ている。
【００５８】図４に示すように、学習用データベースＤ
Ｂ2は、アンケート項目が大きく二つの部分からなり、
図２に示した顧客データベースＤＢ1と同一項目、例え
ばデモグラフィック情報、製品／サービス購入・利用履
歴や人柄データ等の項目からなるデータベースＤＢ21の
部分と、顧客データベースに格納されていない項目であ
って、潜在顧客の判定等に用いるターゲット変数の項目
からなるデータベースＤＢ22の部分とからなる。例え
ば、データべースＤＢ22の項目は潜在顧客判定のために
した質問の項目からなり、具体的には、趣味や嗜好等の
様々な商品又はサービスに対する購入希望、或いは心理
的データといったダイレクトマーケティング項目からな
る。
【００５９】このように通常業務の顧客データベースか
ら得ることができない情報を適当な抽出によりアンケー
トして得た情報等により学習用データベースを作成する
ことで、顧客データベースに欠けている様々な項目を推
定することが可能になる。
【００６０】図５には、上述したような学習用データベ
ースを含んで構成されるデータベースを示している。図
５に示すように、データベースは、顧客データベースＤ
Ｂ1、学習用データベースＤＢ2及び仮想データベースＤ
Ｂ12より構成されている。
【００６１】ここで、顧客データベースＤＢ1は、例え
ば図２に示したデータベースの項目からなり、顧客デー
タベースと学習データベースの共通項目とからなるデー
タ項目Ｑ１，・・・からなる。また、学習用データベー
スＤＢ2は、例えば図４に示した学習用データベースＤ
Ｂ2である。
【００６２】仮想のデータベースＤＢ12は、学習用デー
タベースＤＢ2のみが有している学習データベース単独
項目からデータ項目Ｑｘ，・・・からなる。この仮想デ
ータベースは、学習モデルを適用して、データベースＤ
Ｂ21の項目とデータベースＤＢ22の項目との規則抽出に
よる定式化により推定された情報からなり、すなわち、
顧客から実際に得ていないデータ項目Ｑｘ，・・・の情
報が推定されたデータベースを構築している。
【００６３】ここで、データベースＤＢ21の項目とデー
タベースＤＢ22の項目の間の定式化を可能にする学習用
データベースに適用される学習モデルとして、線形判別
式の場合には判別分析等を用い、ニューラルネットワー
クの場合にはバックプロバケーションアルゴリズムを用
い、ルール形式の場合には判別木による帰納的解法を用
いる。
【００６４】顧客の持つ様々な趣味、嗜好、或いは価値
観といったものを顧客に直接たずねることは、多くの場
合、コスト、プライバシーの問題等で困難である。しか
し、このように、学習用データベースを用いて顧客デー
タベースに欠けている様々な項目をについて情報を推定
し、仮想データベースを構築することで、実質的に低コ
ストで巨大なデータベースを持つことと同じ効果を得る
ことができる。
【００６５】また、学習用データベースは、新商品や新
サービスのダイレクトマーケティング等の様々な目的に
応じて随時、アンケート調査等で拡張することが可能で
ある。
【００６６】次に、顧客データベース中から特定の商品
又はサービスの潜在顧客を抽出する場合について図６を
用いて具体的に説明する。この例では、音楽専門チャン
ネルの潜在顧客を抽出する場合を示しており、顧客デー
タベースＤＢ1から２段階に分けて音楽専門チャンネル
の潜在顧客ＤＢ4をピックアップしている。
【００６７】最初の段階では、購買履歴や性別、年齢と
いった顧客データベースＤＢ1から得られる情報によ
り、顧客についての最初の絞り込み、すなわち、プリサ
ンプリングを行う。これにより、分析顧客母集団からな
るデータベースＤＢ3が作成される。例えば、顧客デー
タベースＤＢ1は１０００万人規模からなるデータベー
スであり、この絞り込みにより、数百万規模の分析顧客
集団からなるデータベースＤＢ3が作成される。
【００６８】例えば、分析顧客母集団のデータベースＤ
Ｂ3は、「３０代既婚」、「大型テレビ購入」、「ステ
レオコンポ購入」、及び「新製品早期購入傾向」等とい
った項目に該当する顧客に絞り込まれる。例えば、従来
のダイレクトマーケティングでは、この段階までの顧客
の抽出が可能とされていた。
【００６９】次に、学習用のデータベースＤＢ2を用い
て顧客の様々な特性を予測することにより、分析顧客母
集団のデータベースＤＢ3から絞り込まれた音楽専門チ
ャンネルの潜在顧客のデータベースＤＢ4が作成され
る。ここで、学習用データベースＤＢ2は例えば１００
０人規模のデータベースからなる。
【００７０】上述したような学習用データベースＤＢ2
を用いた絞り込みにより、例えば、音楽専門チャンネル
の潜在顧客のデータベースＤＢ4は、「テレビは娯楽と
して手軽」、「音楽のない生活は考えられない」、「ワ
クワクするような刺激を求める」、「音楽専門チャンネ
ル利用意向」、及び「ポップスが好き」等といった項目
に該当する顧客によって構成されるようになる。
【００７１】以上のように、顧客情報検索装置１は、顧
客データベースからなる分析顧客母集団のデータベース
に、学習用データベースの情報を適用させて、特定の商
品又はサービスの潜在顧客の抽出を行っている。
【００７２】なお、この例では絞り込みを２段階に分け
ておりその段階を踏む順序については、上述した例と逆
の順番にしたり、或いは一段階目を省略することもでき
る。
【００７３】次に、学習用データベースにおける処理と
顧客データベースにおける処理の手順について図７を用
いて具体的に説明する。ここにおける処理は、例えばＣ
ＰＵ５により実行される処理である。
【００７４】この図７に示すように、ステップＳ１で処
理が開始された学習用データベースでは、ステップＳ２
に示すように、ＣＰＵ５により、予測したい顧客の特性
を学習用データベースの項目から選択する。この項目は
新商品及びサービスの場合、通常、顧客データベースに
は含まれないものである。この選択した項目が学習のタ
ーゲット変数になる。
【００７５】次に、ステップＳ２において、ＣＰＵ５
は、顧客の特性を予測する変数となる独立変数を作成す
る。例えば、そのために学習用データベースと顧客デー
タベースとの共通項目からプロファイル項目を抽出す
る。
【００７６】そして、ＣＰＵ５は、ステップＳ４におい
て、この選ばれたプロファイル項目に対して、データの
抜け、異常値等に対する処理等を行う欠損値処理をし
て、続くステップＳ５において、プロファイル項目につ
いて編集、合成等の処理等を行う変数加工をして、最終
的な独立変数を作成する。
【００７７】続いて、ＣＰＵ５は、ステップＳ６及びス
テップＳ１４において、学習用データベースを規則発見
用のデータ（学習用データ）及び抽出規則の評価用デー
タに分割する。
【００７８】規則発見用のデータにより、ＣＰＵ５は、
ステップＳ７において、学習モデルを選択して、判別分
析（ステップＳ８）、デシジョンツリー（ステップＳ
９）、ニューラルネットワーク（ステップＳ１０）等の
様々な学習モデルを適用させる。
【００７９】このように各学習モデルを適用した後、Ｃ
ＰＵ５は、ステップＳ１１において、評価用データとそ
の学習モデルの適用結果に基づいて、もっとも有効な学
習モデルを選択し、ステップＳ１２において、選択した
学習モデルにより規則のパラメータを決定し、ステップ
Ｓ１３において、その規則のパラメータを保存する。
【００８０】一方、顧客データベース側でも学習用デー
タベースで作成した独立変数と同一のものを同一の手順
により作成する。これにより学習用データベースで作成
された規則は顧客データベースでもまったく適用可能に
なる。
【００８１】具体的には、顧客データベースに関して
は、ステップＳ２１において処理が開始され、ステップ
Ｓ２２において、名寄せ処理が行われる。続いて、ＣＰ
Ｕ５は、学習データベースにおける処理と同様に、ステ
ップＳ２３〜ステップＳ２５において、独立変数の作
成、欠損値処理、及び変数加工といった処理を行う。
【００８２】この各種処理を終えた後、ＣＰＵ５は、ス
テップＳ２６において、顧客データベース中からデモグ
ラフィック情報、購買履歴情報等に基づいて顧客の絞り
込み、すなわち、顧客のプリサンプリングを行う。
【００８３】ＣＰＵ５は、ステップＳ２６により顧客の
絞り込みを行った後、ステップＳ２７において、学習用
データベース処理のステップＳ１３において得た学習モ
デルを適用する。
【００８４】この学習モデルの適用により、ＣＰＵ５
は、ステップＳ２８及びステップＳ２９において、ター
ゲットの顧客、すなわち、潜在顧客を抽出して、抽出し
た顧客（抽出顧客）に抽出済のフラグ付けを行う。そし
て、ＣＰＵ５は、ステップＳ３０において、名簿等とし
て抽出した顧客の出力を行う。名簿等としての出力は、
出力部３を構成するモニタ又はプリンタ等によって行わ
れる。
【００８５】以上が顧客情報検索装置１の構成と、その
処理の手順の説明である。顧客情報検索装置１は、購買
履歴等の行動履歴等からなる顧客外的情報に加え、顧客
の価値観等の心理側面に関する情報からなる顧客内的情
報を使用し、さらには顧客から直接得ることができない
情報を推定することにより、顧客の規則抽出の精度を向
上させている。
【００８６】すなわち、例えば、顧客情報検索装置１
は、図８に示すように、性別、年齢及び家族等のデモグ
ラフィック情報、並びにＡＶ機器購入履歴及びサービス
購入履歴等の行動履歴などからなる外的データ（図８中
（Ａ））に加え、メディアに関する意識、及びライフス
タイル特性等の人柄に関する情報等からなる内的データ
（図８中（Ｂ））をも参照することにより、規則抽出の
精度を向上させ、所望の顧客情報を抽出している。例え
ば、これにより、個々の顧客に最適なコンテンツ、サー
ビス及びプロダクツの提供（図８中（Ｃ））が可能にな
る。
【００８７】また、顧客情報検索装置１は、データベー
ス中の顧客を特定の商品又はサービスに対する有望度の
大きさによって順位づけすることもでき、これにより、
有望度の上位の順からマーケティングに必要な人数だ
け、或いは有望度が所定の閾値以上になっている顧客だ
けをピックアップしてダイレクトアプローチすることが
可能になり、効率的なマーケティングが実現できるよう
になる。
【００８８】例えば、ある商品又はサービスの購入希望
者をピックアップすることを想定する。有望度算出式を
購入希望者と購入非希望者の線形判別関数として求めた
場合の有望度の分布が図９に示すようになったとする。
例えば、商品又はサービスの購入希望者による関数ｆ1
は、音楽専門チャンネルをぜひ利用したい顧客の集合か
ら求めたものであり、購入非希望者による関数ｆ2は、
音楽専門チャンネルを利用したくない顧客の集合から求
めたものである。
【００８９】この場合、閾値１近辺の有望度をもつ顧客
を選んでも購入希望に対する的中率はほぼ０％となる。
しかし閾値２近辺の有望度を持つ顧客を選んだ場合は的
中率はほぼ５０％に、そして閾値３以上の顧客を選んだ
場合は的中率がほぼ１００％となる。このような的中率
の分布を想定することで、大規模な顧客データベース中
から必要な人数だけの潜在顧客をピックアップすること
が可能になる。例えば、１００万人の顧客データベース
から有望度の高い上位１万人を抽出した際の的中率が９
０％であるとき、１万人にダイレクトメールを出す場合
には９千人が的中した潜在顧客になる。言い換えると９
千人の顧客が欲しい場合には１万人にダイレクトメール
を出せば良いことになる。
【００９０】さらに、学習データベースを用いて顧客の
情報を推論することは、潜在顧客を適切に抽出すること
を可能にし、例えば図１０に示すような手順により、マ
ーケティングを行うことを可能にする。
【００９１】顧客プロファイル情報を選択し（ステップ
Ｓ３１）、その顧客プロファイル情報に基づいて推論を
行う（ステップＳ３２）。ここで、推論は、例えばデー
タマイニング手法を採用している。
【００９２】そして、この人にはこのような方法で売り
込めば成功する（ステップＳ３３）といった流れを得
る。
【００９３】このように、学習用データベースにより得
た規則を適用し、顧客の情報を推論することにより、潜
在顧客を適切に抽出することが可能になり、マーケティ
ング戦略をより効果のあるものとすることが可能にな
る。
【００９４】すなわち、顧客データベース中のデータ項
目と顧客データベースには存在しないデータ項目の規則
を学習用のデータベースを用いて抽出することで、既存
のデータベースを新規ビジネスに活用可能にすることが
可能になる。さらに、顧客に直接質問することなく、必
要に応じて学習用データベースを用いて顧客データベー
スには存在しないデータ項目を推定することで、プライ
バシーを侵害することなく、低コストでまた記憶装置の
容量を拡大することなく実質上のデータベースを拡大す
ることができる。
【００９５】次に、コンピュータシミュレーションによ
り、音楽専門チャンネルの潜在顧客発見を題材にして、
潜在顧客の抽出の的中率を測定した実施例について説明
する。コンピュータシミュレーションは、線形モデルの
判別分析を採用して行っている。なお、線形モデルによ
りコンピュータシミュレーションを行うことに限定され
ず、ディシジョンツリー等の他の学習モデルを採用して
コンピュータシミュレーションすることとしても良い。
【００９６】図１１に示すように、顧客データベースＤ
Ｂ1からプロファイリングデータを用いて特定の商品又
はサービスの潜在顧客を検索した場合に、抽出された潜
在顧客からなるデータベースＤＢ4において確かな潜在
顧客とされる的中率が問題になる。実施例では、この的
中率を中心に説明する。
【００９７】実施例において、パラメータを次のように
設定している。
【００９８】プロファイルデータとして、例えば表１に
示すように、ＡＶ機器購入履歴、デモグラフィック、人
柄データ及びレンタルビデオ・ＣＤ購入頻度の各情報を
用いている。
【００９９】
【表１】
【０１００】ＡＶ機器購入履歴については、例えば表２
に示すように、横長ワイドテレビ、ハイビジョンテレ
ビ、・・・・・等のようなパラメータを使用している。
【０１０１】
【表２】
【０１０２】人柄データについては、例えば表３に示す
ように、情報通信に関する考え方１として、自分の目で
は見えないものを見たい、労働時間が短縮され自分の時
間や生活のゆとりがもてる等のようなパラメータを使用
している。
【０１０３】
【表３】
【０１０４】図１２には、上述したようなパラメータを
用いたコンピュータシミュレーションにより得た結果を
示してる。図１２のグラフの横軸は、潜在顧客のデータ
ベースから抽出した割合であって、可能性の高い人から
順に示されている。すなわち、０％に近いほど、音楽専
門チャンネルの潜在顧客であろう顧客になる。グラフの
縦軸は、的中率を示している。
【０１０５】この図１２に示す結果において、確からし
い１０％の人を選んだ場合（値Ｘ1）には、９０％の確
立で潜在顧客を抽出することができる。そして、確から
しい５％の人を選んだ場合（値Ｘ2）には、ほぼ１００
パーセントの確立で潜在顧客を抽出することができる。
【０１０６】なお、無作為に人を選んだ場合（値Ｘ
3（１００％））には、２５％の確立で潜在顧客を抽出
することができる。
【０１０７】図１３は、比較例を示している。図１２に
示した本発明を適用した場合の的中率の変化ｆ11に対比
して、人柄データのみから得られる的中率の変化ｆ12及
びＣＤ・ビデオレンタル回数及びデモグラフィックから
得られる的中率の変化ｆ13の結果を示している。なお、
図１３に示すグラフの横軸は、抽出した人数であり、少
ない数になるほど音楽専門チャンネルの潜在顧客であろ
う顧客になる。
【０１０８】この図１３に示すように、ＣＤ・ビデオレ
ンタル回数が多い顧客、すなわちＣＤ・ビデオレンタル
のヘビーユーザを摘出した場合（ｆ13において摘出人を
１人目に近づけた場合）であっても、的中率は低いまま
であり、本発明を適用した学習モデルにより得た的中率
との間にかなりの差が生じていることがわかる。
【０１０９】なお、このように正確に潜在顧客を摘出し
た要因として、例えば、エンタテインメントを主眼とし
た自由度の高いプロファイルデータを採用しているこ
と、大まかに傾向をみるクラスタアプローチではなく、
個人を分析するパーソナルアプローチを採用しているこ
と等が挙げられる。
【０１１０】以上がコンピュータシミュレーションによ
る実施例の結果でも、本発明を適用することにより、的
中率を上げることができ、ほぼ１００％の確率で潜在顧
客を摘出することが可能である結果を得ることができ
た。顧客情報検索装置１は、このように、特定の商品又
はサービスの潜在顧客を的確に抽出することを可能にす
る。
【０１１１】
【発明の効果】本発明に係る顧客情報検索方法は、顧客
の心理側面に関する顧客内的情報と、少なくとも顧客の
基本属性を含む顧客外的情報とを記憶手段に蓄積し、記
憶手段に蓄積した顧客内的情報及び顧客外的情報に基づ
いて、顧客の特定の商品又はサービスに対する有望度を
算出することにより、潜在顧客の規則抽出の精度を向上
させることができる。
【０１１２】よって、顧客情報検索方法により、特定の
商品又はサービスの潜在顧客を的確に抽出することが可
能になる。
【０１１３】また、本発明に係る顧客情報検索装置は、
顧客の心理側面に関する顧客内的情報と少なくとも顧客
の基本属性を含む顧客外的情報とが蓄積される記憶手段
と、記憶手段に蓄積した顧客内的情報及び顧客外的情報
に基づいて、顧客の特定の商品又はサービスに対する有
望度を算出する有望度算出手段とを備えることにより、
記憶手段に蓄積されている顧客内的情報及び顧客外的情
報に基づいて、有望度算出手段により、顧客の特定の商
品又はサービスに対する有望度を算出することができ
る。
【０１１４】これにより、顧客情報検索装置は、潜在顧
客の規則抽出の精度を向上させることができ、特定の商
品又はサービスの潜在顧客を的確に抽出することを可能
にする。
【０１１５】また、本発明に係るデータ作成方法は、顧
客の心理側面に関する顧客内的情報と、少なくとも顧客
の基本属性を含む顧客外的情報とを記憶手段に蓄積する
ことにより、記憶手段に記憶された顧客内的情報及び顧
客外的情報を用いた顧客の規則抽出を可能にする。そし
て、この顧客内的情報及び顧客外的情報顧に基づいて行
う潜在顧客の規則抽出の精度は高いものとなる。
【０１１６】よって、このデータ作成方法により、特定
の商品又はサービスの潜在顧客を的確に抽出することが
可能になる。
【０１１７】また、本発明に係るデータベースは、顧客
に関する情報から構成される既存の顧客データベースか
ら商品又はサービスの有望度を得るために取り出した第
１の顧客情報と、商品又はサービスの有望度を得るため
に新たに取得した顧客に関する情報を示す第２の顧客情
報とを有することにより、第１の顧客情報と第２の顧客
情報の間に共通して存在する規則が抽出することができ
る。
【０１１８】この抽出した規則に、顧客に関して既に得
られている情報を適用することにより、例えば、特定の
商品又はサービスの潜在顧客を的確に抽出することが可
能になる。
【０１１９】また、本発明に係る顧客情報検索方法は、
顧客に関する情報から構成される既存の顧客データベー
スから商品又はサービスの有望度を得るために取り出し
た第１の顧客情報と商品又はサービスの有望度を得るた
めに新たに取得した顧客に関する情報を示す第２の顧客
情報の間に共通して存在する規則を抽出することによ
り、この抽出した規則を、顧客に関して既に得られてい
る情報を適用することでできる。これにより、例えば、
特定の商品又はサービスの潜在顧客を的確に抽出するこ
とが可能になる。
【図面の簡単な説明】
【図１】本発明の実施の形態である顧客情報検索装置の
構成を示すブロック図である。
【図２】本発明を適用して構成した顧客データベースの
構成を示す図である。
【図３】顧客データベースから学習用データベースを作
成する場合の説明に用いた図である。
【図４】本発明を適用して構成した学習用データベース
の構成を示す図である。
【図５】顧客データベースと学習用データベースとから
なるデータベースの構成を示す図である。
【図６】顧客データベースから得た分析顧客母集団に学
習用データベースを適用して潜在顧客を抽出する場合の
手順を示す図である。
【図７】学習用データベースに基づいて行う処理の手順
と、顧客データベースに基づいて行う処理の手順とを示
す図である。
【図８】内的データと外的データとから特定の商品又は
サービスの潜在顧客を抽出する場合をモデル化して示す
図である。
【図９】顧客の有望度と潜在顧客の的中率との関係を示
す特性図である。
【図１０】顧客情報検索装置により可能になるマーケテ
ィングを説明するために用いた図である。
【図１１】顧客データベースから潜在顧客からなるデー
タベースを作成した場合の的中率を説明するために用い
た図である。
【図１２】抽出した潜在顧客と、確かな潜在顧客である
的中率との関係を示すものであって、本発明を適用した
実施例の結果を示す特性図である。
【図１３】抽出した潜在顧客と、確かな潜在顧客である
的中率との関係を示すものであって、本発明を適用した
実施例の結果と従来の結果の比較例を示す特性図であ
る。
【符号の説明】
１ 顧客情報検索装置、４ データ記憶部、５ ＣＰＵ

Claims (25)

    【特許請求の範囲】
  1. 【請求項１】 顧客に関して蓄積された情報に基づい
    て、所望の顧客情報を検索する顧客情報検索方法であっ
    て、 顧客の心理側面に関する顧客内的情報と、少なくとも顧
    客の基本属性を含む顧客外的情報とを記憶手段に蓄積
    し、 上記記憶手段に蓄積した顧客内的情報及び顧客外的情報
    に基づいて、顧客の特定の商品又はサービスに対する有
    望度を算出することを特徴とする顧客情報検索方法。
  2. 【請求項２】 上記有望度に基づいて顧客を順位付けす
    ることを特徴とする請求項１記載の顧客情報検索方法。
  3. 【請求項３】 上記顧客内的情報は、顧客の価値観を少
    なくとも含む心的側面に関する情報であることを特徴と
    する請求項１記載の顧客情報検索方法。
  4. 【請求項４】 上記顧客外的情報には、顧客の購買履歴
    を含む行動履歴に関する情報も含まれており、 上記基本属性には、少なくとも顧客の性別及び年齢が含
    まれていることを特徴とする請求項１記載の顧客情報検
    索方法。
  5. 【請求項５】 上記顧客内的情報及び上記顧客外的情報
    に基づいて作成した計算式により上記有望度を算出する
    ことを特徴とする請求項１記載の顧客情報検索方法。
  6. 【請求項６】 顧客に関して蓄積された情報に基づい
    て、所望の顧客情報を検索する顧客情報検索装置であっ
    て、 顧客の心理側面に関する顧客内的情報と、少なくとも顧
    客の基本属性を含む顧客外的情報とが蓄積される記憶手
    段と、 上記記憶手段に蓄積した顧客内的情報及び顧客外的情報
    に基づいて、顧客の特定の商品又はサービスに対する有
    望度を算出する有望度算出手段とを備えることを特徴と
    する顧客情報検索装置。
  7. 【請求項７】 上記有望度に基づいて顧客を順位付けす
    ることを特徴とする請求項６記載の顧客情報検索装置。
  8. 【請求項８】 上記顧客内的情報は、顧客の価値観を少
    なくとも含む心的側面に関する情報であることを特徴と
    する請求項６記載の顧客情報検索装置。
  9. 【請求項９】 上記顧客外的情報には、顧客の購買履歴
    を含む行動履歴に関する情報も含まれており、 上記基本属性には、少なくとも顧客の性別及び年齢が含
    まれていることを特徴とする請求項６記載の顧客情報検
    索装置。
  10. 【請求項１０】 上記顧客内的情報及び上記顧客外的情
    報に基づいて作成した計算式により上記有望度を算出す
    ることを特徴とする請求項６記載の顧客情報検索装置。
  11. 【請求項１１】 顧客の心理側面に関する顧客内的情報
    と、少なくとも顧客の基本属性を含む顧客外的情報とを
    記憶手段に蓄積することを特徴とするデータ作成方法。
  12. 【請求項１２】 上記顧客内的情報は、顧客の価値観を
    少なくとも含む心的側面に関する情報であることを特徴
    とする請求項１１記載のデータ作成方法。
  13. 【請求項１３】 上記顧客外的情報には、顧客の購買履
    歴を含む行動履歴に関する情報も含まれており、 上記基本属性には、少なくとも顧客の性別及び年齢が含
    まれていることを特徴とする請求項１１記載のデータ作
    成方法。
  14. 【請求項１４】 顧客に関する情報から構成される既存
    の顧客データベースから商品又はサービスの有望度を得
    るために取り出した第１の顧客情報と、 商品又はサービスの有望度を得るために新たに取得した
    顧客に関する情報を示す第２の顧客情報とを有し、 上記第１の顧客情報と上記第２の顧客情報の間に共通し
    て存在する規則が抽出されることを特徴とするデータベ
    ース。
  15. 【請求項１５】 上記規則に基づいて、潜在顧客の特定
    の商品又はサービスに対する有望度を得ることを特徴と
    する請求項１４記載のデータベース。
  16. 【請求項１６】 上記有望度に基づいて顧客を順位付け
    することを特徴とする請求項１５記載のデータベース。
  17. 【請求項１７】 上記第１の顧客情報及び／又は上記第
    ２の顧客情報は、顧客の心理側面に関する顧客内的情報
    及び／又は少なくとも顧客の基本属性を含む顧客外的情
    報であることを特徴とする請求項１４記載のデータベー
    ス。
  18. 【請求項１８】 上記顧客内的情報は、顧客の価値観を
    少なくとも含む心的側面に関する情報であることを特徴
    とする請求項１７記載のデータベース。
  19. 【請求項１９】 上記基本属性には、少なくとも顧客の
    性別及び年齢が含まれていることを特徴とする請求項１
    ７記載のデータベース。
  20. 【請求項２０】 顧客に関する情報から構成される既存
    の顧客データベースから商品又はサービスの有望度を得
    るために取り出した第１の顧客情報と商品又はサービス
    の有望度を得るために新たに取得した顧客に関する情報
    を示す第２の顧客情報の間に共通して存在する規則を抽
    出することを特徴とする顧客情報検索方法。
  21. 【請求項２１】 上記規則に基づいて、潜在顧客の特定
    の商品又はサービスに対する有望度を得ることを特徴と
    する請求項２０記載の顧客情報検索方法。
  22. 【請求項２２】 上記有望度に基づいて顧客を順位付け
    することを特徴とする請求項２１記載の顧客情報検索方
    法。
  23. 【請求項２３】 上記第１の顧客情報及び／又は上記第
    ２の顧客情報は、顧客の心理側面に関する顧客内的情報
    及び／又は少なくとも顧客の基本属性を含む顧客外的情
    報を取得することを特徴とする請求項２０記載の顧客情
    報検索方法。
  24. 【請求項２４】 上記顧客内的情報は、顧客の価値観を
    少なくとも含む心的側面に関する情報であることを特徴
    とする請求項２３記載の顧客情報検索方法。
  25. 【請求項２５】 上記基本属性には、少なくとも顧客の
    性別及び年齢が含まれていることを特徴とする請求項２
    ３記載の顧客情報検索方法。
JP34435798A 1998-12-03 1998-12-03 データベース、顧客情報検索方法及び顧客情報検索装置 Expired - Fee Related JP4218099B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP34435798A JP4218099B2 (ja) 1998-12-03 1998-12-03 データベース、顧客情報検索方法及び顧客情報検索装置
US09/452,418 US6507851B1 (en) 1998-12-03 1999-12-01 Customer information retrieving method, a customer information retrieving apparatus, a data preparation method, and a database

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP34435798A JP4218099B2 (ja) 1998-12-03 1998-12-03 データベース、顧客情報検索方法及び顧客情報検索装置

Publications (2)

Publication Number Publication Date
JP2000172697A true JP2000172697A (ja) 2000-06-23
JP4218099B2 JP4218099B2 (ja) 2009-02-04

Family

ID=18368620

Family Applications (1)

Application Number Title Priority Date Filing Date
JP34435798A Expired - Fee Related JP4218099B2 (ja) 1998-12-03 1998-12-03 データベース、顧客情報検索方法及び顧客情報検索装置

Country Status (2)

Country Link
US (1) US6507851B1 (ja)
JP (1) JP4218099B2 (ja)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002041565A (ja) * 2000-07-28 2002-02-08 Zenrin Co Ltd サーバ・システム、データベース・センタ、サーバ、サーバ・システムにおける情報検索方法および記録媒体
WO2002031721A1 (fr) * 2000-10-10 2002-04-18 D-Tank Co., Ltd. Procede d'extraction de mobiles d'achats, procede d'extraction de clients/marchandises, et dispositif correspondant
JP2002123738A (ja) * 2000-10-12 2002-04-26 Sony Corp 情報処理装置および方法、並びに記録媒体
JP2002123756A (ja) * 2000-10-12 2002-04-26 Sony Corp 情報処理装置および方法、並びに記録媒体
JP2002215646A (ja) * 2001-01-22 2002-08-02 Nec Corp 欠損データ補完方法及び欠損データ補完システム
JP2004534296A (ja) * 2001-04-04 2004-11-11 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ タグ付けされた物理オブジェクトを用いてパーソナリティプロファイルを作成する方法
JPWO2003017137A1 (ja) * 2001-08-21 2004-12-09 富士通株式会社 ユーザプロファイル管理装置および推薦装置
JP2008217312A (ja) * 2007-03-02 2008-09-18 Sony Corp 情報処理装置および方法、並びにプログラム
US7865427B2 (en) 2001-05-30 2011-01-04 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US7970701B2 (en) 1997-07-28 2011-06-28 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
JP2017126198A (ja) * 2016-01-14 2017-07-20 日本電気株式会社 情報抽出装置、抽出方法、および、抽出プログラム
JP2017151527A (ja) * 2016-02-22 2017-08-31 株式会社三菱総合研究所 情報処理装置及び情報処理方法

Families Citing this family (100)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001042942A1 (en) * 1999-12-10 2001-06-14 Myteam.Com, Inc. Tools for administering leagues and accessing and populating a community website structure
US20040073617A1 (en) * 2000-06-19 2004-04-15 Milliken Walter Clark Hash-based systems and methods for detecting and preventing transmission of unwanted e-mail
JP2002092305A (ja) * 2000-09-13 2002-03-29 Hitachi Ltd スコア算出方法及びスコア提供方法
ATE339729T1 (de) * 2000-09-27 2006-10-15 Pertinence Data Intelligence Kollaborative suchmaschine
US9819561B2 (en) 2000-10-26 2017-11-14 Liveperson, Inc. System and methods for facilitating object assignments
US8868448B2 (en) 2000-10-26 2014-10-21 Liveperson, Inc. Systems and methods to facilitate selling of products and services
US20060015390A1 (en) * 2000-10-26 2006-01-19 Vikas Rijsinghani System and method for identifying and approaching browsers most likely to transact business based upon real-time data mining
US20100057622A1 (en) * 2001-02-27 2010-03-04 Faith Patrick L Distributed Quantum Encrypted Pattern Generation And Scoring
US8108249B2 (en) * 2001-12-04 2012-01-31 Kimberly-Clark Worldwide, Inc. Business planner
US8473351B1 (en) 2002-03-12 2013-06-25 First Data Corporation Systems and methods for verifying authorization
US6755344B1 (en) * 2002-03-12 2004-06-29 First Data Corporation Systems and methods for determining an authorization threshold
US7191941B1 (en) 2002-03-12 2007-03-20 First Data Corporation Systems and methods for determining a need for authorization
JP2003345641A (ja) * 2002-05-29 2003-12-05 Ricoh Co Ltd 記憶媒体及びプログラム
US6732157B1 (en) 2002-12-13 2004-05-04 Networks Associates Technology, Inc. Comprehensive anti-spam system, method, and computer program product for filtering unwanted e-mail messages
US7831487B2 (en) 2004-03-08 2010-11-09 Sap Ag Method and system for scheduling purchase orders
US7983962B2 (en) * 2004-03-08 2011-07-19 Sap Aktiengesellschaft Method and system for purchase order data entry
US7974851B2 (en) 2004-03-08 2011-07-05 Sap Aktiengesellschaft Method and system for price planning
US7805383B2 (en) * 2004-03-08 2010-09-28 Sap Ag Price planning system and method including automated price adjustment, manual price adjustment, and promotion management
US20050197911A1 (en) * 2004-03-08 2005-09-08 Sap Aktiengesellschaft Method and system for automated contract determination
US8620722B2 (en) * 2004-03-08 2013-12-31 Sap Aktiengesellschaft System and method for organizing an enterprise
US8341011B2 (en) * 2004-03-08 2012-12-25 Sap Aktiengesellschaft Method and system for reporting price planning results
US8285584B2 (en) 2004-03-08 2012-10-09 Sap Ag System and method for performing assortment planning
US7788595B2 (en) * 2004-03-08 2010-08-31 Sap Ag Method and system for switching among management system applications
US7739203B2 (en) * 2004-03-08 2010-06-15 Sap Aktiengesellschaft Method and system for classifying retail products and services using price band categories
US7481367B2 (en) 2004-03-08 2009-01-27 Sap Aktiengesellschaft Assignment of markdown profiles for automated control of pricing
US8370184B2 (en) * 2004-03-08 2013-02-05 Sap Aktiengesellschaft System and method for assortment planning
US7822692B2 (en) * 2004-03-08 2010-10-26 Sap Ag Automated control of pricing using markdown profiles
US8219444B2 (en) * 2004-03-08 2012-07-10 Sap Aktiengesellschaft System and method for using sales patterns with markdown profiles
US7813949B2 (en) 2004-03-08 2010-10-12 Sap Ag Method and system for flexible budgeting in a purchase order system
US8639548B2 (en) * 2004-03-08 2014-01-28 Sap Aktiengesellschaft System and method for assortment planning
US8046273B2 (en) * 2004-03-08 2011-10-25 Sap Ag System and method for purchase order creation, procurement, and controlling
US8484135B2 (en) * 2004-03-08 2013-07-09 Sap Aktiengesellschaft Method of and system for assignment of price groups
US7996330B2 (en) * 2004-03-08 2011-08-09 Sap Aktiengeselleschaft Automated system for generating proposed markdown strategy and tracking results of proposed markdown
US7343315B2 (en) * 2004-03-08 2008-03-11 Sap Aktiengesellschaft System and method of efficient scheduling and processing of purchase orders
US7383990B2 (en) * 2004-03-08 2008-06-10 Sap Aktiengesellschaft Organizational settings for a price planning workbench
US8165910B2 (en) * 2004-03-08 2012-04-24 Sap Aktiengesellschaft Method and system for price planning
US8051015B2 (en) * 2004-03-08 2011-11-01 Sap Ag Method and system for automated control of pricing
US7769625B2 (en) * 2004-03-08 2010-08-03 Sap Aktiengesellschaft System and method for defining a sales promotion
US7647250B2 (en) * 2004-03-08 2010-01-12 Sap Ag Method and program product for event monitoring
US8050956B2 (en) * 2004-03-08 2011-11-01 Sap Ag Computer-readable medium, program product, and system for providing a schedule bar with event dates to monitor procurement of a product
US8788372B2 (en) * 2004-03-08 2014-07-22 Sap Aktiengesellschaft Method and system for classifying retail products and services using characteristic-based grouping structures
US7882088B2 (en) * 2004-03-08 2011-02-01 Sap Ag Method and system for transferring data from a data warehouse
US20050197886A1 (en) * 2004-03-08 2005-09-08 Sap Aktiengesellschaft System and method for defining a sales promotion
US8478632B2 (en) * 2004-03-08 2013-07-02 Sap Ag System and method for defining a sales promotion
US20050267873A1 (en) * 2004-03-08 2005-12-01 Sap Aktiengesellschaft Method and system for dynamic article listing
US7693749B2 (en) * 2004-03-08 2010-04-06 Sap Ag System and computer product for managing purchase orders
US7660742B2 (en) * 2004-03-08 2010-02-09 Sap Aktiengesellschaft Method of and system for processing purchase orders
US8027886B2 (en) * 2004-03-08 2011-09-27 Sap Aktiengesellschaft Program product for purchase order processing
US8392231B2 (en) * 2004-03-08 2013-03-05 Sap Aktiengesellschaft System and method for performing assortment definition
US7813961B2 (en) * 2004-03-08 2010-10-12 Sap Ag System and method for planning, allocation, and purchasing
US8050990B2 (en) * 2004-03-08 2011-11-01 Sap Ag Method of and system for generating purchase orders using an auction process
US8108270B2 (en) * 2004-03-08 2012-01-31 Sap Ag Method and system for product layout display using assortment groups
US7752067B2 (en) * 2004-03-08 2010-07-06 Sap Aktiengesellschaft System and method for assortment planning
US7805335B2 (en) * 2004-03-08 2010-09-28 Sap Ag Purchase list having status indicators
US7742948B2 (en) * 2004-03-08 2010-06-22 Sap Aktiengesellschaft Method of and system for allocating an OTB-relevant purchasing contract
US8489446B2 (en) * 2004-03-08 2013-07-16 Sap Ag System and method for defining a sales promotion
US7853491B2 (en) * 2004-03-08 2010-12-14 Sap Ag Purchase orders based on purchasing list, capacity plans, assortment plans, and area spread assortment plans
US8423428B2 (en) 2004-03-08 2013-04-16 Sap Ag Method for allocation of budget to order periods and delivery periods in a purchase order system
US7689477B2 (en) * 2004-04-16 2010-03-30 Sap Aktiengesellschaft Apparatus and program product for generating an allocation table in a computerized procurement system
US7908186B2 (en) * 2004-04-16 2011-03-15 Sap Aktiengesellschaft Distribution matrix in an allocation table
US8655697B2 (en) * 2004-04-16 2014-02-18 Sap Aktiengesellschaft Allocation table generation from assortment planning
US8046275B2 (en) * 2004-04-16 2011-10-25 Sap Aktiengesellschaft Synchronizing an allocation table with a procurement system
US7805334B1 (en) 2004-06-08 2010-09-28 Sap Ag Method and system for processing retail data
US20060059031A1 (en) * 2004-08-06 2006-03-16 Sap Aktiengesellschaft Risk management
US7311250B1 (en) * 2004-09-23 2007-12-25 Ncr Corporation RFID weight-based security method with container compensation
US20060149691A1 (en) * 2005-01-03 2006-07-06 Sap Aktiengesellschaft Method and system for enablement and management of ad hoc electric energy consumption
US7413117B2 (en) * 2005-02-09 2008-08-19 First Data Corporation Pre-paid activation and replenishment on a point-of-sale device
US20070033227A1 (en) * 2005-08-08 2007-02-08 Gaito Robert G System and method for rescoring names in mailing list
US7724890B1 (en) * 2005-09-07 2010-05-25 Sap Ag Focused retrieval of selected data in a call center environment
US9432468B2 (en) 2005-09-14 2016-08-30 Liveperson, Inc. System and method for design and dynamic generation of a web page
US8738732B2 (en) 2005-09-14 2014-05-27 Liveperson, Inc. System and method for performing follow up based on user interactions
US7818203B1 (en) * 2006-06-29 2010-10-19 Emc Corporation Method for scoring customer loyalty and satisfaction
US8255870B2 (en) * 2006-08-31 2012-08-28 Sap Aktiengesellschaft Application access for support users
US8484554B2 (en) * 2006-08-31 2013-07-09 Sap Ag Producing a chart
US7813814B2 (en) * 2006-09-29 2010-10-12 Sap Ag Control systems and methods for virtual power plants
US20080120206A1 (en) * 2006-10-31 2008-05-22 Sap Aktiengesellschaft Stock level management
US7676443B2 (en) * 2006-11-17 2010-03-09 Sap Ag System and method for processing data elements in retail sales environment
US7548900B2 (en) * 2006-11-30 2009-06-16 Sap Ag Systems and methods for data management
US8762293B2 (en) * 2006-12-28 2014-06-24 Sap Ag Condition data management
US8099337B2 (en) 2007-06-19 2012-01-17 Sap Ag Replenishment planning management
US7730051B2 (en) 2007-07-23 2010-06-01 Sap Aktiengesellschaft System and method for embedded expression assignment
US7809707B2 (en) * 2007-07-23 2010-10-05 Sap Ag System and method for identifying element usage in a deep element structure
US7730052B2 (en) 2007-07-23 2010-06-01 Sap Aktiengesellschaft System and method for providing a virtual item context
CN101271563A (zh) * 2008-05-13 2008-09-24 腾讯科技（深圳）有限公司 一种用户信息获取方法及电子商务系统以及相关设备
US8260846B2 (en) 2008-07-25 2012-09-04 Liveperson, Inc. Method and system for providing targeted content to a surfer
US8762313B2 (en) 2008-07-25 2014-06-24 Liveperson, Inc. Method and system for creating a predictive model for targeting web-page to a surfer
US8805844B2 (en) 2008-08-04 2014-08-12 Liveperson, Inc. Expert search
US9892417B2 (en) 2008-10-29 2018-02-13 Liveperson, Inc. System and method for applying tracing tools for network locations
US20100205024A1 (en) * 2008-10-29 2010-08-12 Haggai Shachar System and method for applying in-depth data mining tools for participating websites
EP2556449A1 (en) 2010-04-07 2013-02-13 Liveperson Inc. System and method for dynamically enabling customized web content and applications
US9350598B2 (en) 2010-12-14 2016-05-24 Liveperson, Inc. Authentication of service requests using a communications initiation feature
US8918465B2 (en) 2010-12-14 2014-12-23 Liveperson, Inc. Authentication of service requests initiated from a social networking site
US8943002B2 (en) 2012-02-10 2015-01-27 Liveperson, Inc. Analytics driven engagement
US8805941B2 (en) 2012-03-06 2014-08-12 Liveperson, Inc. Occasionally-connected computing interface
US9563336B2 (en) 2012-04-26 2017-02-07 Liveperson, Inc. Dynamic user interface customization
US9672196B2 (en) 2012-05-15 2017-06-06 Liveperson, Inc. Methods and systems for presenting specialized content using campaign metrics
JP5797686B2 (ja) * 2013-04-26 2015-10-21 シャープ株式会社 情報処理装置、および情報提供方法
US11386442B2 (en) 2014-03-31 2022-07-12 Liveperson, Inc. Online behavioral predictor
WO2016196806A1 (en) 2015-06-02 2016-12-08 Liveperson, Inc. Dynamic communication routing based on consistency weighting and routing rules
EP3497560B1 (en) 2016-08-14 2022-11-02 Liveperson, Inc. Systems and methods for real-time remote control of mobile applications

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5908383A (en) * 1997-09-17 1999-06-01 Brynjestad; Ulf Knowledge-based expert interactive system for pain
US6112181A (en) * 1997-11-06 2000-08-29 Intertrust Technologies Corporation Systems and methods for matching, selecting, narrowcasting, and/or classifying based on rights management and/or other information
US20010014868A1 (en) * 1997-12-05 2001-08-16 Frederick Herz System for the automatic determination of customized prices and promotions
US6286005B1 (en) * 1998-03-11 2001-09-04 Cannon Holdings, L.L.C. Method and apparatus for analyzing data and advertising optimization

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8244629B2 (en) 1997-07-28 2012-08-14 Michael Lewis Method and apparatus for generating a bi-gram score in fraud risk analysis
US7970701B2 (en) 1997-07-28 2011-06-28 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
JP2002041565A (ja) * 2000-07-28 2002-02-08 Zenrin Co Ltd サーバ・システム、データベース・センタ、サーバ、サーバ・システムにおける情報検索方法および記録媒体
WO2002031721A1 (fr) * 2000-10-10 2002-04-18 D-Tank Co., Ltd. Procede d'extraction de mobiles d'achats, procede d'extraction de clients/marchandises, et dispositif correspondant
JP4529058B2 (ja) * 2000-10-12 2010-08-25 ソニー株式会社 配信システム
JP2002123738A (ja) * 2000-10-12 2002-04-26 Sony Corp 情報処理装置および方法、並びに記録媒体
JP2002123756A (ja) * 2000-10-12 2002-04-26 Sony Corp 情報処理装置および方法、並びに記録媒体
JP4538934B2 (ja) * 2000-10-12 2010-09-08 ソニー株式会社 配信システム
JP2002215646A (ja) * 2001-01-22 2002-08-02 Nec Corp 欠損データ補完方法及び欠損データ補完システム
JP2004534296A (ja) * 2001-04-04 2004-11-11 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ タグ付けされた物理オブジェクトを用いてパーソナリティプロファイルを作成する方法
US7865427B2 (en) 2001-05-30 2011-01-04 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US8019678B2 (en) 2001-05-30 2011-09-13 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
JPWO2003017137A1 (ja) * 2001-08-21 2004-12-09 富士通株式会社 ユーザプロファイル管理装置および推薦装置
JP2008217312A (ja) * 2007-03-02 2008-09-18 Sony Corp 情報処理装置および方法、並びにプログラム
JP4730619B2 (ja) * 2007-03-02 2011-07-20 ソニー株式会社 情報処理装置および方法、並びにプログラム
JP2017126198A (ja) * 2016-01-14 2017-07-20 日本電気株式会社 情報抽出装置、抽出方法、および、抽出プログラム
JP2017151527A (ja) * 2016-02-22 2017-08-31 株式会社三菱総合研究所 情報処理装置及び情報処理方法

Also Published As

Publication number Publication date
JP4218099B2 (ja) 2009-02-04
US6507851B1 (en) 2003-01-14

Similar Documents

Publication Publication Date Title
JP2000172697A (ja) 顧客情報検索方法及び顧客情報検索装置、データ作成方法、並びにデータベース
Chen et al. Mining changes in customer behavior in retail marketing
US10460347B2 (en) Extracting predictive segments from sampled data
Tyagi et al. Enhancing collaborative filtering recommendations by utilizing multi-objective particle swarm optimization embedded association rule mining
EP3410379A1 (en) Information processing device, information processing method, and program
Yang et al. Evaluation of online personalization systems: A survey of evaluation schemes and a knowledge-based approach
CN113157752A (zh) 一种基于用户画像和情境的科技资源推荐方法及系统
JP3813837B2 (ja) データ分析装置及びデータ分析方法並びにプログラム
US20130262355A1 (en) Tools and methods for determining semantic relationship indexes
Bhambri Data mining as a tool to predict churn behavior of customers
Swani et al. Predictive Modelling Analytics through Data Mining
KR20130033506A (ko) 아이템 추천 방법 및 장치
CN113850654A (zh) 物品推荐模型的训练方法、物品筛选方法、装置和设备
Pratama et al. Product recommendation in offline retail industry by using collaborative filtering
Nodeh et al. A novel hybrid model for vendor selection in a supply chain by using artificial intelligence techniques case study: Petroleum companies
Rezaeinia et al. An integrated AHP-RFM method to banking customer segmentation
Koniew Classification of the User's Intent Detection in Ecommerce systems-Survey and Recommendations.
Senvar et al. Customer oriented intelligent DSS based on two-phased clustering and integrated interval type-2 fuzzy AHP and hesitant fuzzy TOPSIS
CN116523598A (zh) 一种医疗器械推荐方法、系统、存储介质
Wu et al. Using the mathematical model on precision marketing with online transaction data computing
Bohra et al. Implementing a hybrid recommendation system to personalize customer experience in E-commerce domain
CN115271870A (zh) 一种基于大数据的市场营销信息处理系统
Chen et al. Application of a 3NN+ 1 based CBR system to segmentation of the notebook computers market
CN113962457A (zh) 数据处理方法、装置、计算机设备和存储介质
Tang et al. Service recommendation based on dynamic user portrait: an integrated approach

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050831

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080729

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080926

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20081021

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20081103

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111121

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111121

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111121

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121121

Year of fee payment: 4

LAPS Cancellation because of no payment of annual fees