JP2002083110A - 顧客行動パターンの予測を支援する方法、及びこれを用いたマーケティング支援システム - Google Patents

Abstract

(57)【要約】 【課題】本発明は、サービスや商品を顧客に提供する企
業自身が有する膨大な顧客情報を有効に活用し、精度の
高い顧客行動パターンの予測を可能にする情報処理技術
及びマーケッティング技術を提供する。 【解決手段】本発明は、マーケティング支援システムで
あり、企業が有する顧客属性に係る情報項目からなる第
１の顧客情報（４）にアクセスする企業情報アクセス部
と、この情報項目と一部において重複し、顧客調査の結
果に関する情報項目を含む第２の顧客情報（２）を記録
する記録部と、第２の顧客情報（２）を解析し、その情
報項目から顧客属性を導出し、その企業の提供する商品
またはサービスに対する顧客行動パターンの数理モデル
の作成を支援する解析部（３）と、この顧客属性のう
ち、顧客行動パターンと所定値以上の相関のある顧客属
性を表示する表示部とからなるものである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、マーケッティング
支援システム及びマーケッティング方法に関するもので
ある。

【０００２】

【従来の技術】今日、企業においてカスタマー・リレー
ションシップ・マネージメント（以下ＣＲＭという）と
いうマーケティングの概念が提唱されている。ＣＲＭと
は、企業が利益を得ることができると顧客との関係を重
視するという考え方である。

【０００３】ＣＲＭは、情報処理技術の進展に伴い実現
されてきた。すなわち、ＣＲＭは、ネットワークを通じ
た情報の収集、大規模顧客情報ファイルへの情報の蓄
積、顧客属性の分析、その分析結果に基づく商品の提供
をサイクリックに実行するシステムにおいて実現されて
きた。

【０００４】しかし、従来のＣＲＭでは、とりあえずデ
ータを収集し、顧客の購買履歴から行動パターンを予測
するシステムを構築することが一般的であった。その場
合、例えば、顧客属性の分析においても、具体的な手法
は決定されていなかった。

【０００５】このようなシステムでは、サービスや商品
を顧客に提供する企業自身が有する購買履歴のみから顧
客行動パターンの予測を行っていた。このような情報
は、日々の取引から生成されるため、情報量としては、
膨大である。しかし、個々の情報は、顧客の氏名、住
所、年齢、性別というような一般的な属性情報と取引の
結果とからなるものであるため、必ずしも精度よく顧客
の行動パターンを予測できなかった。

【０００６】

【発明が解決しようとする課題】本発明はこのような従
来の技術の問題点に鑑みてなされたものである。すなわ
ち、本発明は、サービスや商品を顧客に提供する企業自
身が有する膨大な顧客情報を有効に活用し、精度の高い
顧客行動パターンの予測を可能にする情報処理技術及び
マーケッティング技術を提供する。

【０００７】

【課題を解決するための手段】本発明は前記課題を解決
するために、以下の手段を採用した。

【０００８】本発明は、マーケティング支援システムで
あり、企業が有する顧客属性に係る情報項目からなる第
１の顧客情報（４）にアクセスする企業情報アクセス部
と、この情報項目と一部において重複し、顧客調査の結
果に関する情報項目を含む第２の顧客情報（２）を記録
する記録部と、第２の顧客情報（２）を解析し、その情
報項目から顧客属性を導出し、その企業の提供する商品
またはサービスに対する顧客行動パターンの数理モデル
の作成を支援する解析部（３）と、この顧客属性のう
ち、顧客行動パターンと所定値以上の相関のある顧客属
性を表示する表示部とからなるものである。

【０００９】好ましくは、上記表示部は、企業の有する
第１の顧客情報に含まれない顧客属性に係る不足情報項
目の導出を支援するものでもよい。

【００１０】好ましくは、このマーケティング支援シス
テムは、上記数理モデルと、追加情報とに基づいて生成
されたビジネスルールを含むルールベース（８）をさら
に備え、追加調査部は、追加情報に基づいてルールベー
ス（８）を更新させ、顧客行動パターンは、前記ルール
ベース（８）にしたがって推論されるものでもよい。

【００１１】好ましくは、上記解析部（３）は、不足情
報項目を含む第２の顧客情報（２）と、上記第１の顧客
情報（４）との相関分析を実行し、第１の情報項目から
導出される顧客属性に基づいて数理モデルを作成させる
ものでもよい。

【００１２】好ましくは、このマーケティング支援シス
テムは、顧客にサービスまたは商品を提供する顧客接点
部（９）をさらに備え、上記顧客行動パターンに基づき
サービスまたは商品を提供するものでもよい。

【００１３】好ましくは、上記企業情報アクセス部は、
顧客とのサービスまたは商品の取引による収益及びその
取引に伴い継続して発生する期間収益を含む取引情報
（１０）にさらにアクセスし、上記ルールベース（８）
は、期間収益に係るビジネスルールを含み、上記顧客接
点部（９）は、企業が期間収益を得られるサービスまた
は商品を提供してもよい。

【００１４】好ましくは、上記追加質問部（６）は、顧
客の満足度に係る情報を収集し、上記顧客接点部（９）
は、顧客に対して意識及び金額におけるメリットを表示
してもよい。

【００１５】好ましくは、このマーケティング支援シス
テムは、実際の顧客の行動結果を記録するレスポンス情
報記録部（２０）をさらに備え、上記解析部（３）は、
顧客の実際の行動結果に基づき数理モデルを修正させ、
上記ルールベース（８）は、顧客の実際の行動結果に基
づきビジネスルールを更新してもよい。

【００１６】好ましくは、上記解析部（３）は、第１の
顧客情報（４）、第２の顧客情報（２）、追加情報
（７）、または、レスポンス情報（２０）の少なくとも
１つを統計分析によってグルーピングしてもよい。この
ような統計分析としては、例えば、クラスタ分析が知ら
れている。

【００１７】本発明は、顧客行動パターンの予測を支援
する方法であり、企業の有する顧客属性に係る情報項目
からなる第１の顧客情報（４）を参照するステップと、
上記情報項目と一部において重複し、顧客調査の結果に
関する情報項目を含む第２の顧客情報（２）を参照する
ステップと、上記第２の顧客情報を解析し、その情報項
目から顧客属性を導出し、その企業の提供する商品また
はサービスに対する顧客行動パターンの数理モデルの作
成を支援する解析ステップと、上記顧客属性のうち、顧
客行動パターンと所定値以上の相関のある顧客属性を表
示するステップとからなるものでもよい。

【００１８】好ましくは、この顧客行動パターンの予測
を支援する方法は、企業の有する第１の顧客情報（４）
に含まれない顧客属性に係る不足情報項目の導出を支援
するステップをさらに有してもよい。

【００１９】

【発明の実施の形態】以下、図面を参照して本発明の好
適な実施の形態を説明する。 《第１実施形態》以下、本発明の第１実施形態を図１か
ら図６の図面に基いて説明する。

【００２０】図１は、本発明の第１実施の形態における
マーケティングシステムのシステム構成図であり、図２
は、図１に示した数理モデルの生成処理を示すフローチ
ャートであり、図３は、追加調査機能によるマーケティ
ングシステムの変形例であり、図４は、ルールベースに
よるマーケティングシステムの変形例であり、図５は、
企業保有の顧客情報により数理モデルを構成する例を示
す図であり、図6はクラスタ化された後の結果の一例を
示す図である。 ＜システム構成＞図１は、本発明の第１実施の形態にお
けるマーケティングシステムのシステム構成図である。
このシステムは、パーソナルコンピュータ１と企業保有
の不図示のサーバとから構成される。

【００２１】パーソナルコンピュータ１は、表示装置
と、不図示のＣＰＵ、メモリ、ハードディスク及び通信
インターフェースを有している。

【００２２】パーソナルコンピュータ１は、ハードディ
スク上に大規模顧客調査データ２（第２の顧客情報に相
当）と、統計処理プログラム（以下統計ソフト３とい
う）を保持している。

【００２３】大規模顧客調査データ２は、モニタ調査に
よって収集した、顧客ごとの、顧客属性、嗜好、趣味、
所定サービスの利用状況、所定商品の利用状況、法人顧
客の経営方針、財務諸表等の情報項目を有するレコード
からなっている。

【００２４】属性として、例えば、個人の性別、年齢、
住所等が記録される。また、嗜好ととして、その個人が
好む物の名称が記録される。所定サービスの利用状況と
して、例えば、銀行ローン、株式売買、通信サービス、
ケーブルテレビ、新聞購読等の有無、視聴するニュース
番組の種類等がそのサービス提供元とともに記録され
る。

【００２５】所定商品の利用状況として、商品のブラン
ドごとの利用状況（例えば、使用している自動車のメー
カ、モデル名）、消費量（例えば、ビールの銘柄ごとの
消費量）が記録される。

【００２６】法人顧客の経営方針としては、社是、社
訓、経営方針等がテキスト形式で保持される。財務諸表
には、決算発表時の貸借対照表および損益計算書が記録
される。

【００２７】統計ソフト３は、大規模顧客調査データ２
を統計処理し、数理モデルを生成するために実行され
る。統計解析プログラム３としては、例えば、米国SAS
Institute社のSASプログラムがよく知られている。この
ような統計ソフト３は、大規模調査データ２に対して、
顧客の属性とサービス利用実績・商品の購入実績との相
関を解析する相関分析、複数の属性を１つの特性（以下
項とよぶ）にまとめて、互いに相関の少ない項を生成す
る主成分分析、特定の項と他の項とを特定の関係式にあ
てはめる回帰分析、似通った属性あるいは項に基づきレ
コードのグループ化を行うためのクラスタ分析等を実行
する（この属性または項が顧客属性に相当する）。

【００２８】本実施形態のマーケティングシステムで
は、最終的には、非線型回帰分析、線型回帰分析、また
は、その双方により、属性または項を示す変数xi(i=
1,...N)により、以下の（式１）の形式で、顧客の行動
パターンを表現する。 F(x1,x2,...xN)=a0+a1*x1+a2*x2+...+aN*xN（式１） ここで、a0,a1,...,aNは、非線型回帰分析、線型回帰分
析、または、その双方によって決定される係数である。

【００２９】この（式１）を数理モデルと呼ぶ。数理モ
デルでは、例えば、x1は、年齢であり、x2は、性別であ
り、x3は、預金額であり、x4は、経済動向への興味の程
度である。また、Ｆは、例えば、特定の投資信託を利用
するか否かの行動パターンを示す。そして、例えば、３
０歳、男性、預金５００万円、経済動向への興味の程
度：２０（１００を最大と仮定する）のような属性値を
各変数に代入し、パーソナルコンピュータ１に計算させ
ることにより、そのような顧客の行動パターン、すなわ
ち、特定サービス・商品を利用するか否かが表示され
る。

【００３０】また、統計ソフト３は、相関解析により、
特定の行動パターンと相関の強い１以上の属性または項
を表示装置に表示する。

【００３１】企業保有の不図示のサーバは、顧客属性情
報４（第１の顧客情報に相当）を保持している。パーソ
ナルコンピュータ１は、通信インタフェースを介し、ネ
ットワーク上のサーバに接続され、顧客属性情報４を読
み出すことができる（通信インターフェースが企業情報
アクセス部に相当する）。

【００３２】ユーザは、その企業の顧客の行動パターン
と強い相関のある属性・項と顧客属性情報４の情報項目
とを比較し、不足している情報項目を決定する。 ＜作用と効果＞図２に、数理モデルの生成処理手順を示
す。まず、大規模調査データからユーザ指定のサンプル
データが抜粋され、統計ソフト３により読み出される
（Ｓ１）。

【００３３】次に、統計ソフト３は、読み出されたサン
プルデータに対して相関分析を実行する（Ｓ２）。これ
により、各属性と特定のサービスを利用するか否かとの
関係が解析される。

【００３４】次に、統計ソフト３は、相関の高いデータ
に対して、主成分分析を実行する（Ｓ３）。これによっ
て、複数の属性が互い相関の少ない項にまとめられる。

【００３５】次に、統計ソフト３は、まとめられた属
性、すなわち、項とサービス利用の有無との関係を非線
型回帰分析、線型回帰分析、または、その双方を実行
し、（式１）を導出する（Ｓ４）。

【００３６】以上述べたように、本実施形態に係るマー
ケティングシステムでは、大規模顧客調査データ２を統
計処理し、ユーザの行動パターンを予測する数理モデル
を導出する。さらに、その数理モデルにおいて、変数と
なる属性または項と、企業が有する顧客情報とを比較す
ることで、不足する情報項目を見い出すことができる。

【００３７】その結果、そのような情報項目を追加して
顧客情報を収集することにより、定型的に収集される膨
大な企業保有の顧客属性情報４の価値を高めることがで
きる。 ＜追加調査機能によるマーケティングシステムの変形例
＞上記実施形態においては、大規模顧客調査情報２を統
計処理し、顧客の行動パターンを予測する数理モデルを
導出するシステムを説明した。この大規模顧客情報２か
ら得られる数理モデルによっては、精度よく顧客の行動
パターンを予測できない場合、追加の情報を収集しても
よい。ここで、精度よく顧客の行動パターンを予測でき
ない場合とは、数理モデルによる予測のヒット率が低い
ことをいう。このヒット率は、顧客に対してサービス・
商品の提供を申し出たとき、実際に顧客がその購入を承
諾した割合により判断される。

【００３８】図３に示すマーケティングシステムでは、
ヒット率が低い場合の追加調査を行うため、ウェブサー
バ５を備えている。モニターとして応募した顧客は、イ
ンターネットを介してウェブサーバ５にアクセスする。
ウェブサーバ５は、顧客に質問を表示し、顧客の回答に
応じて、ウェブページを切り替えて表示する。

【００３９】ウェブサーバ５は、調査用アプリケーショ
ンプログラム６と、ハードディスクを有している。調査
用アプリケーションプログラムは、ウェブページに質問
を表示させ、顧客の回答をハードディスク上の追加情報
７に収集する。

【００４０】このとき、収集される追加調査の項目は、
単なる顧客の属性ではなく、顧客の意識に関する情報が
主である。例えば、実際に特定のサービスを受けた顧客
に対して「どのような場合に、そのサービスを受けた
か」を特定するための質問がされる。また、サービスを
受けていない顧客に対して「どのような場合にそのサー
ビスを受けたいか」という質問がされる。

【００４１】このような追加の調査を行い、追加情報７
を収集して数理モデルにフィードバックすることによ
り、数理モデルの精度、ひいては、ヒット率が向上す
る。なお、追加情報７を含めて数理モデルを作成する場
合も、情報項目の種類が異なるだけで、その手順は、図
２の処理と同様である。 ＜ルールベースによるマーケティングシステムの変形例
＞上記実施形態で作成した数理モデルからビジネスルー
ルを導出し、ルールベースを構築してもよい。ビジネス
ルールは、上記数理モデルの属性や項の値を変化させ
て、特定のサービスに対する行動パターンを算出するこ
とで導出できる。例えば、「ＩＦ Ａという属性を有す
る場合、ＴＨＥＮ Ｂという企業サービスを利用する可
能性がＸＸである」というようなビジネスルールが導出
できる。

【００４２】図４に、このようなルールベース８を有す
るマーケティングシステムの例を示す。このシステムで
は、ルールベース８を用いた演繹推論により、顧客属性
に応じた最適サービス・最適商品が顧客に提案される。
その提案に対する顧客の応答、すなわち、購入を承諾し
たか否かがレスポンスとして、ルールベース及び数理モ
デルにフィードバックされる。

【００４３】そして、その結果精度が向上した数理モデ
ル、実態に適合されたルールに基づいて、さらに、顧客
への提案がなされる。

【００４４】以上述べたように、本実施形態のマーケテ
ィングシステムは、追加調査による数理モデルの精度向
上の過程で、随時ビジネスルールが変更され、ビジネス
ルールの実地による検証が行われる。

【００４５】また、調査結果をルールベースに反映する
構成をとることで、パーソナルコンピュータ１等のプロ
グラムを変更することなく、顧客行動パターンの変化
や、企業のサービス提供施策、商品販売施策に柔軟に対
応できる。＜企業保有の顧客情報による数理モデルの構
成例＞上記実施形態及び変形例では、大規模顧客調査デ
ータ２に基づいて数理モデルが生成され、追加調査また
は実地販売によるフィードバックにより、数理モデルや
ルールベースが更新された。

【００４６】しかし、本発明の実施は、そのような構成
に限定されない。例えば、大規模顧客調査データ２と企
業保有の顧客属性情報４を結合し、数理モデルを作成し
てもよい。

【００４７】図５に、そのような数理モデルを作成する
手順を示す。まず、上記第１実施形態の場合と同様、大
規模顧客調査データ２から数理モデル１を作成する（Ｓ
１０）。例えば、特定サービスの享受率Ｙ、大規模顧客
調査データ２の属性Ｘに対して、Ｙ＝Ｆ（Ｘ）という数
理モデルが導出される。

【００４８】次に、相関分析を実行し、大規模顧客調査
データ２の属性Ｘと、企業保有の顧客属性情報の属性Ｘ
２との相関Ｚ＝Ｇ（Ｘ、Ｘ２）を求める（Ｓ１１）。こ
の相関分析は、大規模顧客調査データ２と、企業保有の
顧客属性情報４とで共通の情報項目、例えば、個人情報
のうちの性別、年齢、法人顧客の業種、資本金、財務諸
表等を基準にして、２つの情報の関係を求める処理であ
る。

【００４９】次に、次に、数理モデル１と数理モデル２
の突き合わせがなされ、特定サービスの享受率Ｙ、企業
保有の顧客属性情報４の属性Ｘ２に対して、Ｙ＝Ｈ（Ｘ
２）という数理モデルが導出される。

【００５０】例えば、ある属性Ｘ＝ｘ１のとき、享受率
Ｙ＝Ｆ（ｘ１）＝０．９であり、Ｘ＝ｘ１とＸ２＝ｘ２
との相関が０．８であったとき、Ｙ＝Ｈ（ｘ２）＝０．
７２となるような数理モデルを作成してもよい。

【００５１】このように、相関分析の結果に従い、大規
模顧客調査データ２とによって導出された数理モデルを
変形することにより、企業保有の顧客属性情報４の情報
項目のみから顧客獲得の可能性を予測する数理モデルを
導出できる。

【００５２】図５では、大規模調査データ２の属性Ｘ
と、企業保有の顧客属性情報４のＸ２との相関Ｚ＝Ｇ
（Ｘ、Ｘ２）を求めた。この大規模調査データ２の属性
Ｘには、企業保有の顧客属性情報４に含まれない不足情
報項目も含まれる。そのため、本マーケティング支援シ
ステムによれば、不足情報項目に対する追加調査を実行
できない場合であっても、企業保有の顧客属性情報４と
大規模顧客調査データ２とに基づき、数理モデルを導出
できる。 ＜クラスタ分析＞本マーケティング支援システムは、ク
ラスタ分析をさらに実行実行してもよい。このクラスタ
分析の結果の一例を図６に示す。図６は、クラスタ分析
前の情報４０と、クラスタ分析後の情報４１を示してい
る。

【００５３】クラスタ分析前の情報４０において、１、
２、３．．．の行番号で識別される各行（レコード）
は、一人一人の顧客に対応する。一方、Ｄ１、Ｄ２等の
文字列で示されるフィールドは、レコードを構成する情
報項目あり、例えば、当該顧客の性別、年齢等の属性や
顧客調査に基づく顧客の嗜好等が記録される。

【００５４】この情報には、企業保有の顧客属性情報４
に記録されているもの、及び、大規模顧客調査データ２
に記録されているものが含まれている。図６の各レコー
ドは、この企業保有の顧客属性情報４と大規模顧客調査
データ２における共通の情報項目が一致するレコード同
士を結びつけたものである。例えば、性別、年齢が一致
する企業保有の顧客属性情報４のレコードと、大規模顧
客調査データ２のレコードとが結合され、図６のレコー
ドが生成される。

【００５５】このようにして合成された各レコードに対
して、特定の情報項目（これをキー項目という）の値が
類似するレコード同士をグループ化する操作がクラスタ
分析である。クラスタ分析も統計ソフト３によって実行
される。

【００５６】例えば、図６では、キー項目として、Ｋ１
〜Ｋ５の項目が指定されている。このＫ１〜Ｋ５に格納
される値が類似するレコード同士がグルーピングされ
る。クラスタ分析後の情報４１の各レコードの左端に
は、グループを示す符号Gr1、Gr2等が示されている。例
えば、行番号１と３のレコードがGr1にグルーピングさ
れている。

【００５７】このようにしてキー項目が類似した顧客に
係るレコードをひとまとめにして把握することができ
る。また、本実施形態では、通常のクラスタ分析とは異
なり、企業保有の顧客属性情報４のレコードと、大規模
顧客調査データ２のレコードとが結合されてクラスタ分
析がなされる。このため、本マーケティング支援システ
ムは、本来企業保有の顧客属性情報４のみでは、グルー
ピングされなかった顧客同士を、大規模顧客調査データ
２の属性や嗜好を通じてグルーピングする。 ＜その他の変形例＞上記実施形態では、数理モデルを
（式１）で示したが、本発明の実施は数理モデルの形式
そのものには限定されない。例えば、（式１）に代えて
２次以上の高次の多項式を使用してもよい。 《第２実施形態》以下、図７から図１３の図面に基づい
て、本発明の第２実施形態を説明する。図７は、本発明
の第２実施の形態における販売システムのシステム構成
図であり、図８は、顧客への最適サービス提供手順を示
す図であり、図９は、コールセンタにおける最適サービ
ス提供例であり、図１０は、企業の期間収益に基づく最
適サービス提供手順を説明する図であり、図１１は、企
業の期間収益と顧客の満足度に基く最適サービス提供手
順を説明する図であり、図１２及び図１３は、顧客のレ
スポンスのフィードバック手順を説明する図である。

【００５８】上記第１実施形態では、大規模顧客情調査
データ２から数理モデルを導出し、企業保有の顧客属性
情報５で不足する情報項目を摘出させるマーケティング
システム、及び、その変形例として、追加調査によって
数理モデルの精度を向上させるマーケティングシステ
ム、数理モデルに基づくルールベースにより最適サービ
スを演繹推論するマーケティングシステム、企業保有の
顧客属性情報から顧客行動パターンを予測する数理モデ
ルを生成させるマーケティングシステムを説明した。

【００５９】本実施形態では、第１実施形態で説明した
大規模顧客調査データ２、企業保有の顧客属性情報４、
大規模顧客調査データ２から生成された数理モデル、数
理モデルから導出されたルールベース８等を利用し、顧
客の行動パターンを予測し、その予測に基づき、最適な
サービスを提供するための販売システムを説明する。従
って、本実施形態の構成は、第１実施形態のマーケティ
ングシステムとほぼ同様であり、同一の構成について
は、同一の符号を付してその説明を省略する。 ＜システム構成＞図７に、この販売システムのシステム
構成を示す。この販売システムは、第１実施形態と同
様、パーソナルコンピュータ１、大規模顧客調査データ
２、企業保有の顧客属性情報４、大規模顧客調査データ
２から生成された数理モデル、数理モデルから導出され
たルールベース８を有している。さらに、この販売シス
テムは、顧客にサービスまたは商品を提供する各種顧客
接点９を有している。

【００６０】各種顧客接点９は、企業と顧客とを接続す
る様々な情報の授受手段である。各種顧客接点９には、
例えば、ダイレクトメール、ウェブサーバ上のウェブペ
ージ、ウェブページ上のテレビ放送（WEB-TV）、携帯電
話、携帯電話におけるインターネットサービス（例えば
株式会社エヌ・ティ・ティ・ドコモのiモードサービ
ス）、対話型音声応答電話システムであるＩＶＲ（Inte
ractive Voice Response）、ファクシミリ、電子メー
ル、コールセンタでのサービス、店舗での商品提供サー
ビス等がある。

【００６１】このように、本販売システムでは、企業の
主要な顧客接点において、大規模顧客調査データ２に基
づき、顧客の行動パターンが予測され、その予測に基づ
くサービスが提供される。また、この販売システムは、
同時に顧客メリットの向上、企業収益の増加を支援す
る。 ＜最適サービス提供例＞図８に、顧客への最適サービス
提供手順を示す。第１実施形態で述べたのと同様に、こ
の販売システムにおいても、数理モデルから導出された
ルールベースの演繹推論に基づき、最適サービスが選択
される。最適サービスは、顧客の属性に基づくサービス
利用の可能性、企業のセールスアクションに応じた顧客
の行動パターンの予測に基づき決定される。そして、決
定された最適サービスは各種顧客接点９において顧客に
提案される。

【００６２】また、第１実施形態と同様、企業保有の顧
客属性情報４や数理モデルにおいて不足の情報項目が導
出された場合、各種顧客接点９において、追加の質問が
なされ、その応答に応じて、ルールベース８が更新され
る。これによって、予測精度が向上し、これに基づく最
適サービスが提供される。

【００６３】図９に、コールセンタにおける最適サービ
ス提供例を示す。本販売システムは、店舗の営業支援、
インターネット上の顧客へのサービスサイト、電話・携
帯電話の自動音声サービスのように顧客と直接接点を持
つシステムのみでなく、例えば、コールセンターの販促
システムをも含む。そして、本販売システムは、企業ス
タッフが販売促進をどのように実施するかを判断するマ
ーケティング機能を提供する。 ＜企業の期間収益に基づく最適サービス提供手順＞上記
ルールベースには、企業の期間収益を条件とするビジネ
スルールがあってもよい。企業の一時的な収益のみを重
視したビジネスルールのみを作成すると、顧客側のメリ
ットが低下する。そこで、期間収益を条件に含めること
で、企業と顧客の双方のメリットをバランスさせる。

【００６４】図１０に期間収益を考慮してサービスや商
品を提供する販売システムの例を示す。ここで、期間収
益とは、保守費用・修理費用・貸出金利等、長期に渡っ
て企業が得る収益をいう。図１０に示したように、期間
収益は、企業の顧客取引情報１０に基づいて算出され
る。例えば、顧客ごとの貸出金利、顧客ごとの保守契約
費等からである。

【００６５】ここで、例えば、通常の最適サービス・商
品を検索するルール（図１０の８ｂ）は以下のように記
述される。

【００６６】IF 顧客属性１＝A 顧客属性２＝B・・・
THEN 最適商品のひとつにａを入れる。

【００６７】IF 顧客属性１＝C 顧客属性２＝B・・・
THEN 最適商品のひとつにｂを入れる。

【００６８】IF 顧客属性１＝D 顧客属性２＝E・・・
THEN 最適商品のひとつにｃを入れる。

【００６９】また、期間収益を条件に提供するサービス
・商品をフィルタリングするルール（図１０の８ｃ）は
以下のように記述される。

【００７０】IF 最適商品にａがある場合で顧客から得
られる期間収益 > X円以上 THENａの最適商品おすすめ
優先度を10とする。

【００７１】IF 最適商品にａがある場合で顧客から得
られる期間収益 < X円以下 THENａの最適商品おすすめ
優先度を4とする。

【００７２】IF 最適商品にΒがある場合で顧客から得
られる期間収益 > X円以上 THENｂの最適商品おすすめ
優先度を10とする。

【００７３】IF 最適商品にΒがある場合で顧客から得
られる期間収益 < X円以下 THENｂ の最適商品おすす
め優先度を6とする。

【００７４】このとき、顧客へのサービス提示のルール
は、例えば、以下のように記述される。

【００７５】IF 最適商品おすすめ優先度が5以上の商
品があれば THEN その商品のセールス画面を順に提示
する。

【００７６】このようにして、単に一時的な売り上げの
みでなく、企業の期間収益が所定値 となる範囲で、顧客に対しサービス・商品が提示され
る。 ＜顧客の満足度に基く最適サービス提供手順＞図１１
は、企業の期間収益と顧客の満足度に基く最適サービス
提供手順を示す。これは、顧客メリットを目に見えるよ
うに表示することで、顧客の満足感を実感させる機能で
ある。

【００７７】この満足感は、以下のようにして実現させ
る。 サービスや商品に対する満足度を数値化した選択肢を
提示し、顧客に選択させる。これによって、そのサービ
スや商品に対する顧客の意識に関する情報を収集する。
例えば、企業側が提供するサービスに対する満足度を７
点尺度で質問し、その回答を、満足度としてを収集す
る。 1.大変満足している 2.満足している 3.どちらかと言えば満足している 4.どちらともいえない 5.どちらかと言えば不満を感じている 6.不満を感じている 7.とても不満を感じている このようにして収集した満足度を属性として、第１実施
形態で述べた手順と同様の手順で、数理モデルに組み込
む。さらに、数理モデルに基づいて、満足度が所定値以
上となるようなサービス・商品を提供するルールをルー
ルベース８ｃに組み込む。さらに、企業の顧客取引情
報１０に基づき、サービス・商品の提供による収益変動
額（割引額等）を算出し、そのサービス・商品を利用す
ることによる、上記顧客満足度と収益変動額とを各種顧
客接点９において表示する。

【００７８】このように、本販売システムでは、金額面
と意識面の双方から顧客の満足感を実感させるサービス
・商品を提供できる。 ＜顧客のレスポンスのフィードバック手順＞図１２に顧
客レスポンスをフィードバックさせ、数理モデルの精度
向上を図る手順を示す。本販売システムは、各種顧客接
点９において、提案されたサービス・商品に対して、実
際の顧客の行動、すなわち、サービスを利用したか否か
をレスポンス情報２０に収集する。このレスポンス情報
を統計ソフト３を用いてフィードバックすることより、
逐次数理モデルの精度向上が図られる。

【００７９】図１３は、このようなレスポンス情報をル
ールベース８にフィードバックする例を示している。

【００８０】例えば、「インターネット上で投信を実施
する場合、２５才〜３５才の男性がサービスを享受する
可能性が高い」というルールがあったと仮定する。さら
に調査項目を追加質問したところ、「投信に関する番組
として、ニュース番組１よりニュース番組２を見ている
顧客が圧倒的に多い」という回答が得られたものとす
る。そこで、これに対応するルールが生成される。

【００８１】次に、実地販売において、２５才〜３５才
の男性で、ニュース番組２を見ている顧客に新しい投信
の商品をいくつか、例えば、ハイリスクハイリターンの
商品ローリスクの商品等を提案する。その結果、ローリ
スクの商品は売れたが、ハイリスクハイリターンの商品
は実際には売れなかったとする。

【００８２】これにより、「投信を実施する２５才〜３
５才の男性がサービスを享受する可能性が高い」という
最初ルール、「投信に関する番組では、ニュース番組１
よりニュース番組２を見ている顧客が圧倒的に多い」と
いうルールに加えて、「投信を実施する２５才〜３５才
の男性で、ニュース番組２を見ている顧客はローリスク
の商品を好む」というルールが生成される。

【００８３】このように、顧客調査の結果をデータベー
スやプログラムのコードに反映するのでなく、ルールベ
ースの知識情報として保有することで、例えば、インタ
ーネットのサービスを提供しながら随時変更が可能とな
る。従って、顧客行動パターンの変化や、企業のサービ
ス提供施策、商品販売施策に柔軟に対応できる。

【００８４】

【発明の効果】以上説明したように、本発明によれば、
サービスや商品を顧客に提供する企業自身が有する膨大
な顧客情報を有効に活用し、顧客行動パターンの予測の
精度を高め、マーケティングを支援し、その結果を顧客
接点に反映することができる。

【図面の簡単な説明】

【図１】 本発明の第１実施の形態におけるマーケティ
ングシステムのシステム構成図

【図２】 数理モデルの生成処理を示すフローチャート

【図３】 追加調査機能によるマーケティングシステム
の変形例

【図４】 ルールベースによるマーケティングシステム
の変形例

【図５】 企業保有の顧客情報により数理モデルを構成
する例を示す図

【図６】 クラスタ分析による結果の一例を示す図

【図７】 本発明の第２実施の形態における販売システ
ムのシステム構成図

【図８】 顧客への最適サービス提供手順を説明する図

【図９】 コールセンタにおける最適サービス提供例

【図１０】 企業の期間収益に基づいた最適サービスを
提供する手順を説明する図

【図１１】企業の期間収益と顧客の満足度との基づいて
最適サービスを提供する手順を説明する図

【図１２】顧客のレスポンスのフィードバック手順を説
明する図（１）

【図１３】顧客のレスポンスのフィードバック手順を説
明する図（２）

【符号の説明】 １ パーソナルコンピュータ ２ 大規模顧客調査データ ３ 統計ソフト ４ 企業保有の顧客属性情報 ５ ウェブサーバ ６ 調査用アプリケーション ７ 追加情報 ８、８ａ、８ｂ、８ｃ ルールベース ９ 顧客接点 １０ 企業の取引情報 ２０ レスポンス情報

───────────────────────────────────────────────────── フロントページの続き (72)発明者 小林 健一 東京都中央区築地１−11−10 株式会社電 通内 (72)発明者 西口 敏正 東京都中央区築地１−11−10 株式会社電 通内 (72)発明者 中田 晃 東京都中央区銀座７−４−17 株式会社電 通リサーチ内 (72)発明者 金子 義彦 東京都中野区中野４丁目11番10号 株式会 社電通国際情報サービス内 (72)発明者 正木 千丈 東京都中野区中野４丁目11番10号 株式会 社電通国際情報サービス内 (72)発明者 渡邊 信彦 東京都中野区中野４丁目11番10号 株式会 社電通国際情報サービス内 (72)発明者 観音寺 崇 東京都中野区中野４丁目11番10号 株式会 社電通国際情報サービス内 Ｆターム(参考） 5B049 CC00 EE00 EE03 EE05

Claims (18)

【特許請求の範囲】
1. 【請求項１】 企業が有する顧客属性に係る情報項目か
   らなる第１の顧客情報にアクセスする企業情報アクセス
   部と、 前記情報項目と一部において重複し、顧客調査の結果に
   関する情報項目を含む第２の顧客情報を記録する記録部
   と、 前記第２の顧客情報を解析し、その情報項目から顧客属
   性を導出し、その企業の提供する商品またはサービスに
   対する顧客行動パターンの数理モデルの作成を支援する
   解析部と、 前記顧客属性のうち、顧客行動パターンと所定値以上の
   相関のある顧客属性を表示する表示部とからなるマーケ
   ティング支援システム。
2. 【請求項２】 前記数理モデルにより顧客行動パターン
   を予測した結果と顧客の実際の行動パターンとの一致度
   が所定値に満たない場合に追加情報を収集する追加調査
   部をさらに備えた請求項１記載のマーケティング支援シ
   ステム。
3. 【請求項３】 前記数理モデルと、前記追加情報とに基
   づいて生成されたビジネスルールを含むルールベースを
   さらに備え、 前記追加調査部は、追加情報に基づいてルールベースを
   更新させ、 前記顧客行動パターンは、前記ルールベースにしたがっ
   て推論される請求項２記載のマーケティング支援システ
   ム。
4. 【請求項４】 前記解析部は、前記第２の顧客情報と、
   前記第１の顧客情報との相関分析を実行し、前記第１の
   顧客情報から導出される顧客属性に基づいて数理モデル
   を作成させる請求項１記載のマーケティング支援システ
   ム。
5. 【請求項５】 顧客にサービスまたは商品を提供する顧
   客接点部をさらに備え、 前記顧客行動パターンに基づきサービスまたは商品を提
   供する請求項１乃至４のいずれか１項に記載のマーケテ
   ィング支援システム。
6. 【請求項６】 前記企業情報アクセス部は、顧客とのサ
   ービスまたは商品の取引による収益及びその取引に伴い
   継続して発生する期間収益を含む取引情報にさらにアク
   セスし、 前記ルールベースは、期間収益に係るビジネスルールを
   含み、 前記顧客接点部は、企業が期間収益を得られるサービス
   または商品を提供する請求項５記載のマーケティング支
   援システム。
7. 【請求項７】 前記追加質問部は、顧客の満足度に係る
   情報を収集し、 前記顧客接点部は、顧客に対して意識及び金額における
   メリットを表示する請求項５記載のマーケティング支援
   システム。
8. 【請求項８】 実際の顧客の行動結果を記録するレスポ
   ンス情報記録部をさらに備え、 前記解析部は、顧客の実際の行動結果に基づき数理モデ
   ルを修正させ、 前記ルールベースは、顧客の実際の行動結果に基づきビ
   ジネスルールを更新する請求項５記載のマーケティング
   支援システム。
9. 【請求項９】前記解析部は、第１の顧客情報、第２の顧
   客情報、追加情報、または、レスポンス情報の少なくと
   も１つを統計分析によってグルーピングする請求項８記
   載のマーケティング支援システム。
10. 【請求項１０】 企業の有する顧客属性に係る情報項目
    からなる第１の顧客情報を参照するステップと、 前記情報項目と一部において重複し、顧客調査の結果に
    関する情報項目を含む第２の顧客情報を参照するステッ
    プと、 前記第２の顧客情報を解析し、その情報項目から顧客属
    性を導出し、その企業の提供する商品またはサービスに
    対する顧客行動パターンの数理モデルの作成を支援する
    解析ステップと、 前記顧客属性のうち、顧客行動パターンと所定値以上の
    相関のある顧客属性を表示するステップとからなる顧客
    行動パターンの予測を支援する方法。
11. 【請求項１１】 前記数理モデルにより顧客行動パター
    ンを予測した結果と顧客の実際の行動パターンとの一致
    度が所定値に満たない場合に追加情報を収集する追加調
    査ステップをさらに有する請求項１０記載の顧客行動パ
    ターンの予測を支援する方法。
12. 【請求項１２】 前記数理モデルと前記追加情報とに基
    づいて生成されたビジネスルールを含むルールベースに
    したがって前記顧客行動パターンを推論するステップを
    さらに備え、 前記追加調査ステップは、追加情報に基づいてルールベ
    ースを更新させる請求項１１記載の顧客行動パターンの
    予測を支援する方法。
13. 【請求項１３】 前記解析ステップは、前記際２の顧客
    情報と、前記第１の顧客情報との相関分析を実行し、前
    記第１の顧客情報から導出される顧客属性に基づいて数
    理モデルを作成する請求項１０記載の顧客行動パターン
    の予測を支援する方法。
14. 【請求項１４】 顧客にサービスまたは商品の提供を提
    示する提示ステップをさらに備え、前記顧客の行動パタ
    ーンに基づきサービスまたは商品の提供が提示される請
    求項１０乃至１３のいずれか１項に記載の顧客行動パタ
    ーンの予測を支援する方法。
15. 【請求項１５】 顧客とのサービスまたは商品の取引に
    よる収益、及びその取引に伴い継続して発生する期間損
    益を含む取引情報を参照するステップをさらに備え、 前記ルールベースは、期間収益に係るビジネスルールを
    含み、 前記提示ステップは、企業が期間収益を得られる範囲で
    サービスまたは商品の提供を提示する請求項１４記載の
    顧客行動パターンの予測を支援する方法。
16. 【請求項１６】 前記追加調査ステップは、顧客の満足
    度に係る情報を収集し、 前記提示ステップは、顧客に対して意識及び金額におけ
    るメリットを表示する請求項１４記載の顧客行動パター
    ンの予測を支援する方法。
17. 【請求項１７】 実際の顧客の行動結果を記録したレス
    ポンス情報を参照するステップをさらに備え、 前記解析ステップは、顧客の実際の行動結果に基づき数
    理モデルを修正させ、 前記ルールベースは、顧客の実際の行動結果に基づきビ
    ジネスルールを更新される請求項１４記載の顧客行動パ
    ターンの予測を支援する方法。
18. 【請求項１８】 前記解析ステップは、第１の顧客情
    報、第２の顧客情報、追加情報、または、レスポンス情
    報の少なくとも１つを統計分析によってグルーピングす
    る請求項１７記載の顧客行動パターンの予測を支援する
    方法。