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
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
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
について詳しく説明する。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
込めば成功する(ステップS33)といった流れを得
る。
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。
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。
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。
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。
設定している。
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。
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。
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。
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。
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。
3(100%))には、25%の確立で潜在顧客を抽出
することができる。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
構成を示すブロック図である。
構成を示す図である。
成する場合の説明に用いた図である。
の構成を示す図である。
なるデータベースの構成を示す図である。
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。
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。
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。
す特性図である。
ィングを説明するために用いた図である。
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。
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。
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。
Claims (25)
- 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。
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)
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)
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)
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 |
-
1998
- 1998-12-03 JP JP34435798A patent/JP4218099B2/ja not_active Expired - Fee Related
-
1999
- 1999-12-01 US US09/452,418 patent/US6507851B1/en not_active Expired - Lifetime
Cited By (17)
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 |