JP2002123756A - 情報処理装置および方法、並びに記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 より適正な広告価格を決定できるようにする 【解決手段】 データマイニングサーバ５は、ランダム
にサンプリングしたパーソナルコンピュータ７−１乃至
７−３に対して、広告メールをテスト送信する。データ
マイニングサーバ５は、Webサーバ４から通知されたテ
スト送信の結果から、レスポンス者のプロファイル等を
分析し、本送信における各広告コンテンツ毎のレスポン
ス率を予測する。データマイニングサーバ５は、テスト
送信の結果から算出した実際のレスポンス率、または、
本送信における予測レスポンス率（数）に対応する広告
料金を決定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、情報処理装置およ
び方法、並びに記録媒体に関し、特に、情報処理端末に
対して広告メールを送信した場合の予測レスポンス率
（数）を算出し、予測レスポンス率に応じて広告料金を
決定することにより、より適正な広告料金を決定するこ
とができるようにする情報処理装置および方法、並びに
記録媒体に関する。

【０００２】

【従来の技術】近年、登録した顧客に対して広告メール
を配信するサービスが行われている。

【０００３】ところで、広告メール配信サービスを行っ
ている事業者に対して、広告メールの配信を依頼する企
業などが支払う広告料金の決定方法としては、次のよう
なものがある。

【０００４】１．広告メールの送信回数、またはバナー
広告が表示されているWeb（World Wide Web）ページを
閲覧したユーザの数を基準に決定する露出量決定方法 ２．広告メールに記述されているURL（Uniform Resourc
e Locator）が実際にクリックされ、Webページ（広告ペ
ージ）へアクセスされた回数、または、Webページのバ
ナー広告が実際にクリックされ、アクセスされた回数を
基準に決定するレスポンス量決定方法

【０００５】

【発明が解決しようとする課題】しかしながら、上述し
た露出量決定方法では、実際に何人のユーザがURLをク
リックし、Webページにアクセスしたかなどのレスポン
ス数が考慮されないため、広告の効果と費用の関係が明
確でない。

【０００６】また、上述したレスポンス量決定方法で
は、実際のレスポンス数による出来高制となり、広告価
格が事前に決まらなかったり、所定のレスポンス数を契
約して価格設定したにもかかわらず、契約したレスポン
ス数が達成できなかったり、達成するのに時間がかかっ
たりすることがあるといった課題があった。

【０００７】本発明は、このような状況に鑑みてなされ
たものであり、より適正な広告料金を決定することがで
きるようにするものである。

【０００８】

【課題を解決するための手段】本発明の第１の情報処理
装置は、情報処理端末に対してコンテンツを送信する送
信手段と、送信手段により送信されたコンテンツに対す
る情報処理端末からのレスポンス率を算出する算出手段
と、レスポンス率に対応するコンテンツの対価を記憶す
る記憶手段と、算出手段により算出されたレスポンス率
に対応するコンテンツの対価を記憶手段から取得する取
得手段とを含むことを特徴とする。

【０００９】本発明の第１の情報処理装置の情報処理方
法は、情報処理端末に対してコンテンツを送信する送信
ステップと、送信ステップの処理により送信されたコン
テンツに対する情報処理端末からのレスポンス率を算出
する算出ステップと、レスポンス率に対応するコンテン
ツの対価を記憶する記憶ステップと、算出ステップの処
理により算出されたレスポンス率に対応するコンテンツ
の対価を記憶ステップの処理により記憶されたコンテン
ツの対価から取得する取得ステップとを含むことを特徴
とする。

【００１０】本発明の記録媒体のプログラムは、情報処
理端末に対してコンテンツを送信する送信ステップと、
送信ステップの処理により送信されたコンテンツに対す
る情報処理端末からのレスポンス率を算出する算出ステ
ップと、レスポンス率に対応するコンテンツの対価を記
憶する記憶ステップと、算出ステップの処理により算出
されたレスポンス率に対応するコンテンツの対価を記憶
ステップの処理により記憶されたコンテンツの対価から
取得する取得ステップとを含むことを特徴とする。

【００１１】本発明の第２の情報処理装置は、情報処理
端末に複数のコンテンツを送信した場合における、各コ
ンテンツに関する情報処理端末からのレスポンスの期待
値を算出する算出手段と、算出手段により算出された期
待値に所定の閾値を設定する設定手段と、期待値に対応
するコンテンツの対価を記憶する記憶手段と、設定手段
により設定された所定の閾値に対応するコンテンツの対
価を記憶手段から取得する取得手段とを含むことを特徴
とする。

【００１２】レスポンスの期待値は、レスポンス率の期
待値、または情報処理端末からのレスポンス数の期待値
を含むようにすることができる。

【００１３】本発明の第２の情報処理装置の情報処理方
法は、情報処理端末に複数のコンテンツを送信した場合
における、各コンテンツに関する情報処理端末からのレ
スポンスの期待値を算出する算出ステップと、算出ステ
ップの処理により算出された期待値に所定の閾値を設定
する設定ステップと、期待値に対応するコンテンツの対
価を記憶する記憶ステップと、設定ステップの処理によ
り設定された所定の閾値に対応するコンテンツの対価を
記憶ステップの処理により記憶されたコンテンツの対価
から取得する取得ステップとを含むことを特徴とする。

【００１４】本発明の第２の記録媒体のプログラムは、
情報処理端末に複数のコンテンツを送信した場合におけ
る、各コンテンツに関する情報処理端末からのレスポン
スの期待値を算出する算出ステップと、算出ステップの
処理により算出された期待値に所定の閾値を設定する設
定ステップと、期待値に対応するコンテンツの対価を記
憶する記憶ステップと、設定ステップの処理により設定
された所定の閾値に対応するコンテンツの対価を記憶ス
テップの処理により記憶されたコンテンツの対価から取
得する取得ステップとを含むことを特徴とする。

【００１５】本発明の第１の情報処理装置および方法、
並びに記録媒体のプログラムにおいては、情報処理端末
に対してコンテンツが送信され、送信されたコンテンツ
に対する情報処理端末からのレスポンス率が算出され、
レスポンス率に対応するコンテンツの対価が記憶され、
算出されたレスポンス率に対応するコンテンツの対価が
取得される。

【００１６】本発明の第２の情報処理装置および方法、
並びに記録媒体のプログラムにおいては、情報処理端末
に複数のコンテンツを送信した場合における、各コンテ
ンツに関する情報処理端末からのレスポンスの期待値が
算出され、算出された期待値に所定の閾値が設定され、
期待値に対応するコンテンツの対価が記憶され、設定さ
れた所定の閾値に対応するコンテンツの対価が取得され
る。

【００１７】

【発明の実施の形態】図１は、本発明を適用した広告メ
ール配信システムの構成例を示すブロック図である。メ
ールサーバ１は、広告メールを、登録した顧客のパーソ
ナルコンピュータ７−１乃至７−３，８−１乃至８−３
に対して、インターネットに代表されるネットワーク３
を介して送信する。顧客情報データベース２は、広告メ
ールを配信する顧客に関する情報を記憶する。

【００１８】図２は、この顧客情報データベース２の構
成例を表している。図２のデータベースの例では、デモ
グラフィック情報、製品／サービス購入・利用履歴、及
び人柄データなどのプロファイル項目が、顧客ＩＤによ
って識別される顧客毎に登録されている。

【００１９】図２のデータベースの例では、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、基本属
性を示す情報であり、いわゆる名寄せ情報にも使われる
情報である。

【００２０】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。

【００２１】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、各種質問と、その回答情報
により構成されている。

【００２２】メールサーバ１が送信する広告メールに
は、URL(Uniform Resource Locator)が付加されてお
り、広告メールを視聴した顧客は、そのURLに基づい
て、Webサーバ４に記憶されているWebページにアクセス
することができる。あるいはまた、広告メールには、電
子メールの返信先として、Webサーバ４が記述されてい
る。Webサーバ４は、メールサーバ１が送信した広告メ
ールに対するレスポンス（アクセス）に関する情報を記
憶し、データマイニングサーバ５に通知する。

【００２３】データマイニングサーバ５は、Webサーバ
４から通知されたレスポンス情報に基づいて分析用デー
タベース６を制御し、データマイニングによる規則抽出
処理を行う。具体的には、データマイニングサーバ５
は、図２のデータベースの例のように構成された顧客デ
ータベースから、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。

【００２４】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（期待値）
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。

【００２５】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。

【００２６】 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に対して設定された定数（係数）
である。

【００２７】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もの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。

【００２８】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。

【００２９】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。

【００３０】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。

【００３１】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。

【００３２】データマイニングサーバ５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す
る。

【００３３】データマイニングサーバ５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、その商品又はサービスの潜在顧客をピックア
ップする。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。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広告用のメール等を送付す
るなどといったことが可能になる。

【００３４】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。

【００３５】図３は、メールサーバ１の構成例を示して
いる。CPU（Central Processing Unit）２１は、ROM（R
ead Only Memory）２２に記憶されているプログラム、
または、記憶部２８からRAM（Random Access Memory）
２３にロードされたプログラムに従って各種の処理を実
行する。RAM２３にはまた、CPU２１が各種の処理を実行
する上において必要なデータなどが適宜記憶される。

【００３６】CPU２１、ROM２２、およびRAM２３は、バ
ス２４を介して相互に接続されている。このバス２４に
はまた、入出力インタフェース２５も接続されている。
入出力インタフェース２５には、キーボード、マウス
などよりなる入力部２６、CRT、LCDなどよりなるディス
プレイ、並びにスピーカなどよりなる出力部２７、ハー
ドディスクなどより構成される記憶部２８、モデム、タ
ーミナルアダプタなどより構成される通信部２９が接続
されている。通信部２９は、CPU２１からの指令に基づ
いて顧客情報データベース２から顧客情報を取得し、取
得した顧客に対し、記憶部２８に記憶されている広告メ
ールをネットワーク３を介して送信する。

【００３７】入出力インタフェース２５にはまた、必要
に応じてドライブ３０が接続され、磁気ディスク３１、
光ディスク３２、光磁気ディスク３３、或いは半導体メ
モリ３４などが適宜装着され、それから読み出されたコ
ンピュータプログラムが、必要に応じて記憶部２８にイ
ンストールされる。

【００３８】図４は、データマイニングサーバ５の構成
例を示すブロック図である。CPU４１乃至半導体メモリ
５４を有するデータマイニングサーバ５は、CPU２１乃
至半導体メモリ３４を有するメールサーバ１と基本的に
同様の構成とされ、同一の名称のブロックは同一の機能
を有するので、その説明は、適宜省略する。

【００３９】記憶部４８は、様々な分析用プログラムを
記憶し、CPU４１に対して、分析処理に必要な分析用プ
ログラムを提供する。

【００４０】通信部４９は、ネットワーク３と接続され
ており、Webサーバ４からレスポンス情報を受信する。
また、通信部４９は、CPU４１が分析処理により、広告
メールを送信することを選択した顧客に関する情報をメ
ールサーバ１に対して通知する。

【００４１】図５は、パーソナルコンピュータ７−１乃
至７−３，８−１乃至８−３の構成例を示すブロック図
である。CPU６１乃至半導体メモリ７４を有するパーソ
ナルコンピュータ７−１乃至７−３，８−１乃至８−３
は、CPU２１乃至半導体メモリ３４を有するメールサー
バ１と基本的に同様の構成とされ、同一の名称のブロッ
クは同一の機能を有するので、その説明は、省略する。

【００４２】上述したような構成の広告メール配信シス
テムを利用して、顧客からのレスポンス率（数）を向上
させることができる。レスポンス率を向上させるために
は、データマイニングサーバ５が、メールサーバ１から
通知された顧客情報に基づいてレスポンスする可能性の
高い顧客を選択し、選択した顧客に対してのみ広告メー
ルを送信すればよい。しかし、その場合、メールサーバ
１が送信する広告メールの全体数が減少するため、全体
のレスポンス数も減少する。そのため、本発明を適用し
た広告メール配信システムにおいては、メールサーバ１
は、特定の情報に関して複数の文章を作成し、データマ
イニングサーバ５による、レスポンス率およびレスポン
ス数をともに向上させることができるような顧客分析に
基づいて、広告メールを送信する。

【００４３】始めに、図６のフローチャートを参照し
て、データマイニングサーバ５が分析処理を行う顧客情
報を取得するためのテスト送信について説明する。

【００４４】ステップS１において、メールサーバ１
は、顧客情報データベース２から取得した顧客情報を、
ネットワーク３を介してデータマイニングサーバ５に対
して通知する。

【００４５】ステップS２において、データマイニング
サーバ５は、メールサーバ１から通知された顧客情報か
ら、テスト送信の対象となる顧客をランダムに選択し、
分析用データベース６に記憶させる。なお、データマイ
ニングサーバ５が選択するテスト送信の対象となる顧客
が使用する端末は、パーソナルコンピュータ７−１乃至
７−３である（パーソナルコンピュータ７−１乃至７−
３のそれぞれを個々に区別する必要がない場合、単にパ
ーソナルコンピュータ７と称する）。

【００４６】ステップS３において、データマイニング
サーバ５は、メールサーバ１に対して、ステップS２の
処理で選択したテスト送信の対象となる顧客に関する情
報（パーソナルコンピュータ７のメールアドレス等）を
ネットワーク３を介して送信する。

【００４７】ステップS４において、メールサーバ１
は、データマイニングサーバ５から通知されたテスト送
信の対象の顧客に対して通信部２９から広告メールを送
信する。

【００４８】図７乃至図１１は、テスト送信に利用する
広告メールの例を示しており、メールサーバ１の記憶部
２８に記憶されている。データ収集処理においては、３
種類のテスト送信が実施され、テスト送信１に対して５
種類（図７および図８）、テスト送信２に対して５種類
（図９および図１０）、テスト送信３に対して３種類
（図１１）の、広告メールがそれぞれ設定されている。

【００４９】テスト送信１は、「会議室リニューアル」
に関する広告メールであり、図７（A）のメールA１は
「安らぎ」を、図７（B）のメールB１は「刺激」を、図
７（C）のメールC１は「ふれあい」を、図８（A）のメ
ールD１は「おしゃれ」を、図８（B）のメールE１は
「儲ける」を、それぞれキャッチコピーとした文章構成
とされている。それぞれのメールには、リニューアルし
た会議室へアクセスするためのURLが記述されており、
パーソナルコンピュータ７で広告メールを閲覧した顧客
は、URLをクリックするだけで、Webサーバ４に記憶され
ているWebページにアクセスすることができる。

【００５０】テスト送信１は、上述した５種類の広告メ
ールを、それぞれランダムに抽出した２万人に対して、
合計で１０万人に対して送付することで実施される。

【００５１】テスト送信２は、「映画情報（cinema 情
報）のWebページリニューアル」に関する広告メールで
あり、図９（A）のメールA２は「流行」を、図９（B）
のメールB２は「本物」を、図９（C）のメールC２は
「便利」を、図１０（A）のメールD２は「安らぎ」を、
図１０（B）のメールE２は「刺激」を、それぞれキャッ
チコピーとした文章構成とされている。それぞれのメー
ルには、リニューアルした映画情報のWebページにアク
セスするためのURLが記述されており、パーソナルコン
ピュータ７で広告メールを閲覧した顧客は、URLをクリ
ックするだけで、Webサーバ４に記憶されているWebペー
ジにアクセスすることができる。

【００５２】テスト送信２は、上述した５種類の広告メ
ールを、それぞれランダムに抽出した１．５万人に対し
て、合計で７．５万人に対して送付することで実施され
る。

【００５３】テスト送信３は、「雑誌情報（magazine
情報 ）のWebページリニューアル」に関する広告メール
であり、図１１（A）のメールA３は「安らぎ」を、図１
１（B）のメールB３は「操る」を、図１１（C）のメー
ルC３は「備える」を、それぞれキャッチコピーとした
文章構成とされている。それぞれのメールには、リニュ
ーアルした雑誌情報のWebページにアクセスするためのU
RLが記述されており、パーソナルコンピュータ７で広告
メールを閲覧した顧客は、URLをクリックするだけで、W
ebサーバ４に記憶されているWebページにアクセスする
ことができる。

【００５４】テスト送信３は、上述した３種類の広告メ
ールを、それぞれランダムに抽出した２万人に対して、
合計で６万人に対して送付することで実施される。

【００５５】図６の説明に戻り、ステップS５におい
て、Webサーバ４は、パーソナルコンピュータ７のうち
のレスポンスがあった顧客の情報（レスポンス情報）を
記憶する。

【００５６】ステップS６において、Webサーバ４は、デ
ータマイニングサーバ５に対してレスポンス情報をネッ
トワーク３を介して送信する。レスポンス情報には、レ
スポンスした顧客の登録ID、メールアドレス等の情報が
含まれている。

【００５７】ステップS７において、データマイニング
サーバ５は、Webサーバ４から通知されたレスポンス情
報に基づいて、テスト送信した顧客のうちのレスポンス
があった顧客を識別し、その顧客情報（顧客プロファイ
ル）を分析する。データマイニングサーバ５の顧客プロ
ファイルの分析処理については後述する。

【００５８】図１２乃至図１４は、テスト送信１乃至テ
スト送信３のレスポンス結果の例を示している。図１２
乃至図１４では、それぞれのキャッチコピーの広告メー
ルについて、広告メールをテスト送信した人数、広告メ
ールを受信した顧客のうちのWebページにアクセスした
人数（レスポンス数）、およびレスポンス率（（レスポ
ンス数）÷（テスト送信した人数））を示している。

【００５９】図１２に示すテスト送信１のレスポンス結
果においては、テスト送信１の全体の送信数は１０２５
６３、レスポンス数は１０２４、レスポンス率は１．０
０％となっている。

【００６０】図１３に示すテスト送信２のレスポンス結
果においては、テスト送信２の全体の送信数は７６６４
４、レスポンス数は６６０、レスポンス率は０．８６％
となっている。

【００６１】図１４に示すテスト送信３のレスポンス結
果においては、テスト送信３の全体の送信数は６１５１
７、レスポンス数は３８９、レスポンス率は０．６３％
となっている。

【００６２】次に、データマイニングサーバ５の顧客プ
ロファイルの分析処理について説明する。データマイニ
ングサーバ５は、Webサーバ４から通知されたレスポン
ス情報を、テスト送信の対象として選択した顧客情報と
対応させて分析用データベース６に学習用データベース
として記憶させ、各キャッチコピー毎に、レスポンスが
あった顧客（レスポンス者）のプロファイルを各種デー
タマイニング手法により分析する。そして、データマイ
ニングサーバ５は、分析した結果に基づいて、まだ広告
メールを送信していない顧客（パーソナルコンピュータ
８−１乃至８−３（以下、パーソナルコンピュータ８−
１乃至８−３のそれぞれを個々に区別する必要がない場
合、パーソナルコンピュータ８と称する）の顧客）に対
して、どのキャッチコピーの広告メールを送信すること
が、最もレスポンス率を向上させるのに適しているかを
判断する。

【００６３】図１５のフローチャートを参照して、デー
タマイニングサーバ５の学習パラメータの算出処理につ
いて説明する。

【００６４】ステップS２１において、CPU４１は、顧客
データベースからランダムにサンプリングすることで学
習用データとし、学習用データベースに記憶させるとと
もに、レスポンス情報をターゲット変数（従属変数）と
する。

【００６５】ステップS２２において、CPU４１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、CPU４１は、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独立変数とするプロファイル項目を
抽出する。そして、CPU４１は、抽出したプロファイル
項目に対して、データの抜け、異常値等を補正する欠損
値処理をし、さらに、プロファイル項目に対して編集や
合成などの変数加工を施し、最終的な独立変数を作成す
る。

【００６６】ステップS２３において、CPU４１は、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）
と、規則評価用の評価用データに分割する。

【００６７】ステップS２４において、CPU４１は、学習
モデルを選択し、学習用データに適用する。

【００６８】図１６は、ステップS２４の処理でCPU４１
が学習用データに対して適用する学習モデルの例を示し
ている。

【００６９】図１６（A）に示す学習モデル１は、CPU４
１がテスト送信１で使用した各広告メール毎に適用する
学習モデルを表す。この学習モデルは、カスケード接続
型のディシジョンツリーであり、ディシジョンツリーが
２段階に分けて適用される。CPU４１は、２種類の分析
手法で学習を実行し、第１段目のディシジョンツリーに
よる分析で、各広告メールに対するレスポンス率を予測
し、レスポンス率が低いと予測された顧客に対して、再
び、第２段目のディシジョンツリーによる分析で、レス
ポンス率を予測する。これにより、予測レスポンス率が
低い顧客に対する予測精度を向上させることができる。

【００７０】図１６（B）に示す学習モデル２は、CPU４
１がテスト送信２で使用した各広告メール毎に適用する
学習モデルを表す。この学習モデルは、ディシジョンツ
リーと、ニューラルネットワークのアンサンブル型とさ
れている。CPU４１は、ディシジョンツリーとニューラ
ルネットワークのそれぞれの分析手法から得られた予測
レスポンス率を、１：１の割合で荷重結合することによ
り、どちらかの分析手法で予測精度の悪い部分を、他方
の分析手法で補うことができる。

【００７１】図１６（C）に示す学習モデル３は、CPU４
１がテスト送信３で使用した各広告メール毎に適用する
学習モデルを表す。この学習モデルは、始めに変数の選
択に工夫を加え、それに対してニューラルネットワーク
による分析手法を適用するものである。

【００７２】図１５の説明に戻り、ステップS２５にお
いて、CPU４１は、評価用データに対して学習モデル
（学習パラメータ）を適用し、その適用結果から、最も
有効な学習モデル（学習パラメータ）を選択する。な
お、評価用データに学習パラメータを適用した結果か
ら、評価用データのアセスメントチャートを作成するこ
とができる。

【００７３】ステップS２６において、CPU４１は、ステ
ップS２５の処理による評価結果に基づいて学習パラメ
ータを決定し、保存する。以上の処理は、全ての広告メ
ールに対して行われる。

【００７４】次に、図１７のフローチャートを参照し
て、図１５のフローチャートの処理で選択した学習パラ
メータを用いて予測レスポンス率を算出するデータマイ
ニングサーバ５の処理について説明する。データマイニ
ングサーバ５は、学習用データベースから抽出した学習
パラメータを本送信の対象となる顧客データベースに適
用し、それぞれの広告メールを送信した場合の予測レス
ポンス率を顧客毎に算出し、レスポンス率を向上させる
には、どの広告メールを送信するのが最も効果的かを判
断する。

【００７５】ステップS４１において、CPU４１は、デモ
グラフィック情報から名寄せ処理を行う。すなわち、同
一の顧客が異なる顧客とならないように整合し、必要に
応じて、別人であっても、同一の家族であれば、家族毎
にグループ分けが行われる。

【００７６】ステップS４２において、CPU４１は、学習
用データベースにおける処理と同様に、顧客データベー
スからプロファイル項目を抽出し、欠損値処理、および
変数加工を施し、学習用データベースで作成した独立変
数と同一の独立変数を作成する。

【００７７】ステップS４３において、CPU４１は、図１
５のステップS２６の処理で保存しておいた学習パラメ
ータを、顧客データベースに適用する。

【００７８】ステップS４４において、CPU４１は、それ
ぞれの顧客毎に、各広告メールを送信した場合の予測レ
スポンス率を算出し、最も高い予測レスポンス率が得ら
れた広告メールを記憶部４８に記憶させる。

【００７９】図１８は、図１７のステップS４４の処理
でデータマイニングサーバ５が算出した予測レスポンス
率の例を示している。図１８の例においては、コンテン
ツ（広告メール）A，B，Cを、顧客X，Y，Zのそれぞれに
対して送信した場合の予測レスポンス率が算出されて、
示されている。

【００８０】顧客Xに対してコンテンツAを送信した場合
の予測レスポンス率は３．５％と、コンテンツBを送信
した場合の予測レスポンス率は５．７％と、コンテンツ
Cを送信した場合の予測レスポンス率は２．８％と、そ
れぞれ算出されている。この場合、データマイニングサ
ーバ５は、顧客Xに対して送信するコンテンツとして、
予測レスポンス率が最も高いコンテンツBを選択する。

【００８１】また、顧客Yに対してコンテンツAを送信し
た場合の予測レスポンス率は４．５％と、コンテンツB
を送信した場合の予測レスポンス率は１．２％と、コン
テンツCを送信した場合の予測レスポンス率は０．５％
と、それぞれ算出されているため、データマイニングサ
ーバ５は、顧客Yに対して送信するコンテンツとして、
予測レスポンス率が最も高いコンテンツAを選択する。

【００８２】さらに、顧客Zに対してコンテンツAを送信
した場合の予測レスポンス率は０．３％と、コンテンツ
Bを送信した場合の予測レスポンス率は０．８％と、コ
ンテンツCを送信した場合の予測レスポンス率は１．３
％と、それぞれ算出されているため、データマイニング
サーバ５は、顧客Zに対して送信するコンテンツとし
て、予測レスポンス率が最も高いコンテンツCを選択す
る。

【００８３】同様の方法により、データマイニングサー
バ５は、本送信の対象（パーソナルコンピュータ８−１
乃至８−３）となるそれぞれの顧客に対して、最もレス
ポンスが期待される広告メールを選択する。

【００８４】図１９は、データマイニングサーバ５がテ
スト送信の分析結果に基づいて選択した、本送信のそれ
ぞれの広告メール毎の送信数の例を示している。

【００８５】図１９（A）は、本送信１における各広告
メール毎の送信数を示している。なお、本送信１におい
て、メールサーバ１は、第１段目のディシジョンツリー
（図１６（A））の結果から抽出した顧客（高レスポン
スが予測される顧客）に対して送信する本送信を本送信
A１と、２段目のディシジョンツリー（図１６（A））の
結果から抽出した顧客（低レスポンスが予測される顧
客）に対して送信する本送信を本送信B１とに分けて送
信する。

【００８６】図１９（B）は、本送信２における各広告
メール毎の送信数を示している。なお、本送信２におい
ては、メールサーバ１は、最もレスポンスが期待される
広告メールを選択して送信する本送信の他に、本送信２
の比較として、送信する広告メールをランダムに選択し
て送信するランダム送信２とに分けて送信する。

【００８７】図１９（C）は、本送信３における各広告
メール毎の送信数を示している。なお、本送信３におい
ては、メールサーバ１は、各広告メール毎に、本送信３
の対象者を、予測レスポンス率の高いグループ（本送信
A３）と、低いグループ（本送信B３）に分けて送信す
る。また、メールサーバ１は、本送信３の比較として、
送信する広告メールをランダムに選択して送信するラン
ダム送信３に分けて送信する。

【００８８】次に、図２０のフローチャートを参照し
て、本送信によるデータ収集処理について説明する。

【００８９】ステップS６１において、データマイニン
グサーバ５は、メールサーバ１に対して本送信の顧客情
報をネットワーク３を介して通知する。データマイニン
グサーバ５が送信する顧客情報には、それぞれの顧客毎
に、最も高い予測レスポンス率が得られた広告メールを
指定する情報などが含まれている。

【００９０】ステップS６２において、メールサーバ１
は、データマイニングサーバ５からの通知に基づいて、
パーソナルコンピュータ８に対して最も高い予測レスポ
ンス率が得られた広告メールを送信する。広告メールを
受信した顧客は、広告メールに記述されているURLで指
定されるWebページの閲覧を希望する場合、URLをクリッ
クするだけでWebサーバ４にアクセスすることができ
る。

【００９１】ステップS６３において、Webサーバ４は、
パーソナルコンピュータ８からのレスポンス情報（アク
セス情報）を記憶する。

【００９２】ステップS６４において、Webサーバ４は、
データマイニングサーバ５に対して、レスポンス情報を
ネットワーク３を介して通知する。

【００９３】ステップS６５において、データマイニン
グサーバ５は、Webサーバ４から通知されたレスポンス
情報を分析し、より高い予測レスポンス率が得られるよ
うにするための手順を解析する。データマイニングサー
バ５の分析処理については後述する。

【００９４】図２１乃至図２３は、データマイニングサ
ーバ５が分析するテスト送信の結果、および本送信の結
果の例を示す図である。

【００９５】図２１には、各広告メール毎に、テスト送
信１の送信数、テスト送信１に対するレスポンス数、お
よびレスポンス率が、本送信A１（第１段目のディシジ
ョンツリーから抽出した顧客）の送信数、本送信A１に
対するレスポンス数、およびレスポンス率、本送信B１
（第２段目のディシジョンツリーから抽出した顧客）の
送信数、本送信B１に対するレスポンス数、およびレス
ポンス率、並びに、本送信１の全体の送信数、本送信１
に対する全体のレスポンス数、およびレスポンス率とと
もに、それぞれ示されている。

【００９６】図２１の例においては、テスト送信１の全
体の送信数が１０２５６３、テスト送信１に対するレス
ポンス数が１０２４、レスポンス率が１．００％とさ
れ、本送信A１（高レスポンス率が予測される顧客）の
全体の送信数が１３４２９、本送信A１に対するレスポ
ンス数が４０４、レスポンス率が３．０１％とされ、本
送信B１（低レスポンス率が予測される顧客）の全体の
送信数が５８０５３、本送信B１に対するレスポンス数
が３３６、レスポンス率が０．５８％とされ、本送信１
の全体の送信数が７１４８２、本送信１に対するレスポ
ンス数が７４０、レスポンス率が１．０４％とされてい
る。

【００９７】図２２には、各広告メール毎に、テスト送
信２の送信数、テスト送信２に対するレスポンス数、お
よびレスポンス率が、本送信２の送信数、本送信２に対
するレスポンス数、およびレスポンス率、並びに、ラン
ダム送信２の送信数、ランダム送信２に対するレスポン
ス数、およびレスポンス率とともに、それぞれ示されて
いる。

【００９８】図２２の例においては、テスト送信２の全
体の送信数が７６６４４、テスト送信２に対するレスポ
ンス数が６６０、レスポンス率が０．８６％とされ、本
送信２の全体の送信数が７１８２０、本送信２に対する
レスポンス数が９６９、レスポンス率が１．３５％とさ
れ、ランダム送信２の全体の送信数が２５５８１、ラン
ダム送信２に対するレスポンス数が２５０、レスポンス
率が０．９８％とされている。

【００９９】図２３には、各広告メール毎に、テスト送
信３の送信数、テスト送信３に対するレスポンス数、お
よびレスポンス率が、本送信A３（高レスポンスが予測
される顧客に対する本送信）の送信数、本送信A３に対
するレスポンス数、およびレスポンス率、本送信B３
（低レスポンスが予測される顧客に対する本送信）の送
信数、本送信B３に対するレスポンス数、およびレスポ
ンス率、ランダム送信３の送信数、ランダム送信３に対
するレスポンス数およびレスポンス率、並びに、本送信
３の全体の送信数、本送信３に対する全体のレスポンス
数、およびレスポンス率とともに、それぞれ示されてい
る。

【０１００】図２３の例においては、テスト送信３の全
体の送信数が６１５１７、テスト送信３に対するレスポ
ンス数が３８９、レスポンス率が０．６３％とされ、本
送信A３（高レスポンス率が予測される顧客）の全体の
送信数が２６３６８、本送信A３に対するレスポンス数
が４６１、レスポンス率が１．７５％とされ、本送信B
３（低レスポンス率が予測される顧客）の全体の送信数
が５５３８６、本送信B３に対するレスポンス数が３０
８、レスポンス率が０．５６％とされ、ランダム送信３
の全体の送信数が３０７７４、ランダム送信３に対する
レスポンス数が２４９、レスポンス率が０．８１％とさ
れ、本送信３の全体の送信数が８１７５４、本送信３に
対するレスポンス数が７６９、レスポンス率が０．９４
％とされている。

【０１０１】図２１乃至図２３に示すレスポンス結果
と、予め算出した予測レスポンス率に基づいてアセスメ
ントチャートを作成することができる。

【０１０２】また、図２１乃至図２３に示す結果より、
各広告メール毎のレスポンス率の差を、最低の値を示す
レスポンス率と最高の値を示すレスポンス率の比により
表すことができる。テスト送信１において、最高のレス
ポンス率を示す広告メールのキャッチコピーは、「ふれ
あい」（１．３０％）であり、最低のレスポンス率を示
す広告メールのキャッチコピーは、「安らぎ」（０．７
６％）であるため、レスポンス率の比は、 １．３０÷０．７６＝１．７１ となる。

【０１０３】また、テスト送信２において、最高のレス
ポンス率を示す広告メールのキャッチコピーは、「便
利」（１．５４％）であり、最低のレスポンス率を示す
広告メールのキャッチコピーは、「刺激」（０．６１
％）であるため、レスポンス率の比は、 １．５４÷０．６１＝２．５６ となる。

【０１０４】さらに、テスト送信３において、最高のレ
スポンス率を示す広告メールのキャッチコピーは、「操
る」（０．７１％）であり、最低のレスポンス率を示す
広告メールのキャッチコピーは、「安らぎ」（０．４９
％）であるため、レスポンス率の比は、 ０．７１÷０．４９＝１．４２ となる。以上の結果より、顧客に対して送信する広告メ
ールのキャッチコピーの違いにより、レスポンス率に違
いがあることが判る。

【０１０５】レスポンス率が高いキャッチコピーの順に
並べた場合、図２２のテスト送信２において、「便
利」、「安らぎ」、「本物」、「流行」、「刺激」の順
となり、図２２のランダム送信２においても、同様に、
「便利」、「安らぎ」、「本物」、「流行」、「刺激」
の順となる。また、図２３のテスト送信３において、
「操る」、「備える」、「安らぎ」の順となり、図２３
のランダム送信３においても、同様に、「操る」、「備
える」、「安らぎ」の順となることから、レスポンス率
の順位が変化しないことがわかり、これによってもキャ
ッチコピーの違いによって、レスポンス率の差が生じる
ことが示されている。

【０１０６】図２４乃至図２９は、テスト送信１におけ
る各広告メール毎に対応するレスポンス者のプロファイ
ルと、そのレスポンス率を示している。図２４において
は、顧客プロファイルを「年齢・性別」のグループに分
け、それぞれのグループに対するキャッチコピー毎のレ
スポンス率が示されている。図２５においては、顧客プ
ロファイルを「職業」のグループに分け、それぞれのグ
ループに対するキャッチコピー毎のレスポンス率が示さ
れている。図２６においては、顧客プロファイルを「収
入」のグループに分け、それぞれのグループに対するキ
ャッチコピー毎のレスポンス率が示されている。図２７
においては、顧客プロファイルを「ドメイン」のグルー
プに分け、それぞれのグループに対するキャッチコピー
毎のレスポンス率が示されている。図２８においては、
顧客プロファイルを「趣味」のグループに分け、それぞ
れのグループに対するキャッチコピー毎のレスポンス率
が示されている。図２９においては、顧客プロファイル
を「過去にアクセスしたインフォマシャールレスポン
ス」のグループに分け、それぞれのグループに対するキ
ャッチコピー毎のレスポンス率が示されている。

【０１０７】キャッチコピーの違いによって、レスポン
ス者のプロファイルに差異が出ないとした場合、どのプ
ロファイルのグループに対しても、レスポンス率が最も
高いキャッチコピーは、総合結果で最もレスポンス率が
高いキャッチコピー（図２４においては「ふれあい」）
と一致する。しかし、図２４の「１０代男性」と「２０
代男性」の各キャッチコピー毎のレスポンス率を高い順
に並べて比較した場合、「１０代男性」の場合、「刺
激」、「おしゃれ」、「儲ける」、「ふれあい」、「安
らぎ」となり、「２０代男性」の場合、「ふれあい」、
「刺激」、「儲ける」、「おしゃれ」、「安らぎ」の順
となり、キャッチコピーの違いによって、レスポンス者
のプロファイルに差異が出ることが示されている。

【０１０８】本送信の顧客毎にそれぞれのコンテンツに
対する予測レスポンス率が算出されているため、データ
マイニングサーバ５は、その値とレスポンス結果を用い
て、アセスメントチャートを作成することができる。

【０１０９】図３０は、本送信A１（図２１）のレスポ
ンス結果に基づいてデータマイニングサーバ５により作
成されたアセスメントチャートを示す図である。

【０１１０】図３１は、本送信B１（図２１）のレスポ
ンス結果に基づいてデータマイニングサーバ５により作
成されたアセスメントチャートを示す図である。

【０１１１】図３２は、本送信２（図２２）のレスポン
ス結果に基づいてデータマイニングサーバ５により作成
されたアセスメントチャートを示す図である。

【０１１２】図３３は、本送信３（図２３）のレスポン
ス結果に基づいてデータマイニングサーバ５により作成
されたアセスメントチャートを示す図である。

【０１１３】これらの図において、縦軸はトルツメレス
ポンス率を示し、横軸は予測レスポンス率が高い値を示
す順に顧客全体を並べた場合の上位からの数の全体に対
する比率を表している。

【０１１４】図３４は、本送信２とランダム送信２（図
３４（A））、本送信３とランダム送信３（図３４
（B））の結果を比較した図である。

【０１１５】図３４（A）は、５種類の広告メールを、
予測レスポンス率に基づいて最適送信した場合、ランダ
ム送信した場合と比べて、どのくらいレスポンス率が向
上しているかを示す図である。ランダム送信２の平均レ
スポンス率（０．９８％）（図２２）を基準とすると、
最適送信（本送信）との比は、（本送信のレスポンス
率）÷（０．９８）で表される。図３４においては、横
軸は、予測レスポンス率が高い値を示す順に顧客全体を
並べた場合の上位からの数の全体に対する比率を示して
おり、縦軸は、レスポンス率の比を示している。なお、
本送信２のレスポンス率は、図３２のアセスメントチャ
ートより、また、本送信３のレスポンス率は、図３３の
アセスメントチャートより、それぞれ取得したものであ
る。

【０１１６】図３４（A）に示されるように、上位１０
％の顧客を抽出した場合、レスポンス率は４．６５％
（図３２）であり、ランダム送信２との比は、図３４
（A）に示されるように、 ４．６５÷０．９８＝４．７５（倍） となり、上位３０％の顧客を抽出した場合、レスポンス
率は２．９２％（図３２）であり、ランダム送信２との
比は、 ２．９２÷０．９８＝２．９８（倍） となり、上位５０％の顧客を抽出した場合、レスポンス
率は２．１６％（図３２）であり、ランダム送信２との
比は、図３４（A）に示されるように、 ２．１６÷０．９８＝２．２０（倍） となり、上位１００％（本送信２の総合レスポンス率）
の顧客を抽出した場合、レスポンス率は１．３５％（図
３２）であり、ランダム送信２との比は、図３４（A）
に示されるように、 １．３５÷０．９８＝１．３８（倍） となる。

【０１１７】図３４（B）においても同様に、ランダム
送信３の平均レスポンス率（０．８１％）（図２３）を
基準とし、向上率を算出すると、上位１０％の顧客を抽
出した場合、レスポンス率は３．１４％（図３３）であ
り、ランダム送信３との比は、 ３．１４÷０．８１＝３．８８（倍） となり、上位３０％の顧客を抽出した場合、レスポンス
率は１．８２％（図３３）であり、ランダム送信３との
比は、 １．８２÷０．８１＝２．２５（倍） となり、上位５０％の顧客を抽出した場合、レスポンス
率は１．３４％（図３３）であり、ランダム送信３との
比は、 １．３４÷０．８１＝１．６５（倍） となり、上位１００％（本送信３の総合レスポンス率）
の顧客を抽出した場合、レスポンス率は０．９４％（図
３３）であり、ランダム送信３との比は、 ０．９４÷０．８１＝１．１６（倍） となる。

【０１１８】上述したように、複数の広告メールを最適
送信することは、ランダム送信する場合に比べて、高い
レスポンス率を得ることができる。

【０１１９】図２４乃至図２９で示すように、顧客プロ
ファイルによって、レスポンス率に差異が生ずるため、
データマイニングサーバ５は、顧客プロファイルと予測
レスポンス率に基づいて、例えば、図３５に示すような
レスポンスパターン（原理を示すパターンであり、図２
４乃至図２９の数値に具体的に対応しているものではな
い）を求めることができる。

【０１２０】図３５は、コンテンツAに関する顧客プロ
ファイルと予測レスポンス率の関係（レスポンスパター
ン）の例を示しており、データマイニングサーバ５は、
取得したいレスポンス率を閾値として設定し、閾値以上
のレスポンス率を示す顧客プロファイルに対応する顧客
（斜線部Aに対応する顧客）を選択し、選択した顧客の
みに、メールサーバ１からコンテンツAを送信すること
により、送信する顧客数を制限しつつ、閾値以上のレス
ポンス率を確保することができる。

【０１２１】なお、コンテンツAは、上述したような広
告メールや、Webページ上に表示されるバナー広告など
により構成される。後述するコンテンツB、コンテンツ
C、コンテンツD、およびコンテンツEにおいても同様と
する。

【０１２２】コンテンツを１種類しか用意しない場合、
図３５に示されるような１つのレスポンスパターンしか
得られない。しかしながら、同様のコンテンツを若干変
更して、複数のコンテンツを用意することで、例えば、
図３６に示されるような複数のレスポンスパターンを得
ることができる。

【０１２３】図３６は、コンテンツA、コンテンツB、お
よびコンテンツCのレスポンスパターンを示しており、
データマイニングサーバ５は、取得したいレスポンス率
を閾値として設定し、閾値以上のレスポンス率を示す顧
客プロファイルに対応する顧客のみに、メールサーバ１
からコンテンツA、コンテンツB、およびコンテンツCの
それぞれコンテンツを送信する。図３６の例において
は、斜線部Aに該当する顧客に対してコンテンツAが、斜
線部Bに該当する顧客に対してコンテンツBが、斜線部C
に該当する顧客に対してコンテンツCが、それぞれメー
ルサーバ１から送信される。これにより、送信する顧客
数を制限しつつ、閾値以上のレスポンス率を確保するこ
とができる。

【０１２４】図３７のフローチャートを参照して、デー
タマイニングサーバ５がレスポンスパターンに設定した
閾値に基づいて、それぞれの顧客に送信するコンテンツ
を選択する処理について説明する。なお、データマイニ
ングサーバ５は、テスト送信の結果を取得しているもの
とする。

【０１２５】ステップS８１において、CPU４１は、テス
ト送信の結果に基づいてレスポンス者のプロファイル分
析を行う。

【０１２６】ステップS８２において、CPU４１は、それ
ぞれの顧客の予測レスポンス率を算出する。CPU４１
は、例えば、図１５および図１７のフローチャートの処
理を実行することにより予測レスポンス率を算出する。

【０１２７】ステップS８３において、CPU４１は、ステ
ップS８１の処理で取得したレスポンス者のプロファイ
ル情報、およびステップS８２の処理で取得した予測レ
スポンス率から、例えば、図３５または図３６に示すよ
うなレスポンスパターンを作成する。

【０１２８】ステップS８４において、CPU４１は、デー
タマイニングサーバ５の管理者が入力部４６を操作する
ことにより入力した所定のレスポンス率を閾値として設
定する。

【０１２９】ステップS８５において、CPU４１は、ステ
ップS８４の処理で設定した閾値以上のレスポンス率が
予測される顧客を選択し、選択した顧客毎にメールサー
バ１から送信するコンテンツを選択する。図３５の例に
おいては、CPU４１は、斜線部Aに該当する顧客に対して
コンテンツAをメールサーバ１から送信する。また、図
３６の例においては、CPU４１は、斜線部Aに該当する顧
客に対してコンテンツAを、斜線部Bに該当する顧客に対
してコンテンツBを、斜線部Cに該当する顧客に対してコ
ンテンツCを、それぞれメールサーバ１から送信する。

【０１３０】ステップS８６において、CPU４１は、顧客
情報を記憶部４８に記憶させる。記憶部４８に記憶され
る顧客情報には、顧客毎に送信することを選択したコン
テンツの情報、および顧客IDなどの情報が含まれる。

【０１３１】ステップS８７において、CPU４１は、ステ
ップS８６の処理で記憶部４８に記憶させた顧客情報を
通信部４９からメールサーバ１に送信する。

【０１３２】次に、図３８のフローチャートを参照し
て、顧客情報に基づいてコンテンツを送信するメールサ
ーバ１の処理について説明する。

【０１３３】ステップS１０１において、CPU２１は、通
信部２９において、データマイニングサーバ５から送信
されてきた顧客情報を受信する。

【０１３４】ステップS１０２において、CPU２１は、ス
テップS１０１の処理で受信した顧客情報に含まれてい
る顧客IDから、顧客毎のメールアドレスを顧客情報デー
タベース２に問い合わせることにより取得する。

【０１３５】ステップS１０３において、CPU２１は、デ
ータマイニングサーバ５から送信されてきた顧客情報に
より指定されている顧客毎のコンテンツ（閾値以上の予
測レスポンス率が得られたコンテンツ）を選択し、通信
部２９から、ネットワーク３を介してパーソナルコンピ
ュータ８に送信する。

【０１３６】以下、図３９乃至図４１を参照して、複数
のコンテンツがある場合に、データマイニングサーバ５
が、メールサーバ１から送信する全体の顧客数を制限し
つつ、レスポンス率およびレスポンス数を向上させるコ
ンテンツと顧客の選択方法について説明する。

【０１３７】図３９は、コンテンツAおよびコンテンツD
に関する顧客プロファイルと予測レスポンス率の関係
（レスポンスパターン）を示している。図３９の例にお
いては、２つのレスポンスパターンが示す顧客プロファ
イルの大部分が重複しているが、レスポンス率の最大値
が異なっている。この場合、データマイニングサーバ５
は、全顧客に対してコンテンツA（コンテンツDではな
く）をメールサーバ１から送信することにより、送信す
る全体の顧客数を制限しつつ、レスポンス率およびレス
ポンス数を向上させることができる。

【０１３８】図４０は、コンテンツBおよびコンテンツC
に関する顧客プロファイルと予測レスポンス率の関係
（レスポンスパターン）を示している。図４０において
は、２つのレスポンスパターンが示す顧客プロファイル
の一部分が重複しており、レスポンス率の最大値が近似
している。図４０のレスポンスパターンを示すコンテン
ツBおよびコンテンツCを送信する場合、データマイニン
グサーバ５は、２つのレスポンスパターンの交点を示す
顧客プロファイルP1から左側の顧客プロファイルに対応
する顧客に対してはコンテンツBを、右側の顧客プロフ
ァイルに対応する顧客に対してはコンテンツCを、それ
ぞれメールサーバ１から送信する。

【０１３９】図４１は、コンテンツA、コンテンツB、コ
ンテンツC、コンテンツD、およびコンテンツEに関する
顧客プロファイルと予測レスポンス率の関係（レスポン
スパターン）を示している。図４１のレスポンスパター
ンを示すコンテンツから、送信するコンテンツを選択す
る場合、データマイニングサーバ５は、コンテンツAと
コンテンツBのレスポンスパターンの交点を示す顧客プ
ロファイルP１、およびコンテンツBとコンテンツCのレ
スポンスパターンの交点を示す顧客プロファイルP２で
顧客プロファイルを分割し、顧客プロファイルP１から
左側の顧客プロファイルに対応する顧客に対しては、そ
の範囲で最大のレスポンス率を示すコンテンツAを、顧
客プロファイルP１から顧客プロファイルP２の間の範囲
に対応する顧客に対しては、その範囲で最大のレスポン
ス率を示すコンテンツBを、顧客プロファイルP２から右
側の顧客プロファイルに対応する顧客に対しては、その
範囲で最大のレスポンス率を示すコンテンツCを、それ
ぞれメールサーバ１から送信する。

【０１４０】図４２のフローチャートを参照して、レス
ポンスパターンを顧客プロファイルにより分割し、それ
ぞれの顧客に送信するコンテンツを選択するデータマイ
ニングサーバ５の処理について説明する。なお、データ
マイニングサーバ５は、テスト送信の結果を取得してい
るものとする。

【０１４１】ステップS１１１乃至S１１３の処理は、図
３７のステップS８１乃至S８３の処理と同様の処理であ
る。すなわち、これらの処理により、テスト送信の結果
に基づき、レスポンスパターンが作成される。

【０１４２】ステップS１１４において、CPU４１は、レ
スポンスパターンが重複する部分に対応する顧客に対し
て、最大レスポンス率をとるコンテンツを選択する。図
３９のレスポンスパターンの例においては、データマイ
ニングサーバ５は、全顧客に対してコンテンツAを送信
することを選択する。また、図４０のレスポンスパター
ンの例においては、データマイニングサーバ５は、顧客
プロファイルP1から左側の顧客プロファイルに対応する
顧客に対してはコンテンツBを、右側の顧客プロファイ
ルに対応する顧客に対してはコンテンツCを、それぞれ
送信することを選択する。さらに、図４１のレスポンス
パターンの例においては、データマイニングサーバ５
は、顧客プロファイルP１から左側の顧客プロファイル
に対応する顧客に対しては、その範囲で最大のレスポン
ス率を示すコンテンツAを、顧客プロファイルP１から顧
客プロファイルP２の間の範囲に対応する顧客に対して
は、その範囲で最大のレスポンス率を示すコンテンツB
を、顧客プロファイルP２から右側の顧客プロファイル
に対する顧客に対しては、その範囲で最大のレスポンス
率を示すコンテンツCを、それぞれ送信することを選択
する。

【０１４３】ステップS１１５において、CPU４１は、ス
テップS１１４の処理で顧客毎にどのコンテンツを送信
するかを選択した情報を含む顧客情報を記憶部４８に記
憶させる。

【０１４４】ステップS１１６において、CPU４１は、ス
テップS１１５の処理で記憶部４８に記憶させた顧客情
報を通信部４９からメールサーバ１に対して送信する。

【０１４５】顧客情報を受信したメールサーバ１の処理
は、上述した図３８のフローチャートと同様の処理とな
るので、その説明は省略する。

【０１４６】次に、図４３乃至図４５を参照して、ター
ゲット変数が１種類の場合のアセスメントチャートの作
成方法について説明する。データマイニングサーバ５
は、予測する変数（ターゲット変数）を従属変数、顧客
のプロファイルデータを独立変数として、従属変数に対
する予測を行う。予測アルゴリズムは、ディシジョンツ
リー、ニューラルネットワーク、回帰分析といった各種
アルゴリズムが適用される。なお、従属変数（ターゲッ
ト変数）は、各コンテンツ（広告メールを含む）に対す
るレスポンス情報により構成され、独立変数の顧客のプ
ロファイルデータは、性別、年齢、および職業などのデ
モグラフィック情報や、趣味、生活スタイル、および過
去の様々なコンテンツに対するレスポンス情報などによ
り構成される。

【０１４７】図４３は、分析データに独立変数（顧客プ
ロファイル）とターゲット変数（レスポンス結果）が含
まれており、分析データを学習用データと評価用データ
に分割し、学習用データから学習パラメータを算出する
データマイニングサーバ５の処理を説明する図である。

【０１４８】図４４は、評価用データに学習パラメータ
を適用し、それぞれの顧客に対する予測値（予測レスポ
ンス率）を算出するデータマイニングサーバ５の処理を
説明する図である。

【０１４９】図４５は、顧客毎に算出された予測値に基
づいて、予測値の高い顧客順に並べて、アセスメントチ
ャートを作成するデータマイニングサーバ５の処理を説
明する図である。

【０１５０】次に、図４６のフローチャートを参照し
て、データマイニングサーバ５による評価用データのア
セスメントチャート作成処理について説明する。

【０１５１】ステップS１３１において、CPU４１は、分
析データを学習用データと評価用データに分割する（図
４３の処理１）。

【０１５２】ステップS１３２において、CPU４１は、学
習用データに対して予測分析を行い、学習パラメータを
算出する（図４３の処理２）。予測分析で用いられる学
習モデルは、例えば、図１６に示すような学習モデルで
ある。

【０１５３】ステップS１３３において、CPU４１は、ス
テップS１３２の処理で算出した学習パラメータを評価
用データに適用して、予測値を算出する（図４４の処理
３）。

【０１５４】ステップS１３４において、CPU４１は、予
測値が高い顧客順にソートする（図４５の処理４）。

【０１５５】ステップS１３５において、CPU４１は、予
測値に対する正解、または不正解（正反応割合）を算出
し、グラフ化し、アセスメントチャートを作成する（図
４５の処理５）。

【０１５６】図４７は、このようにして作成されるアセ
スメントチャートの例を示す図である。アセスメントチ
ャートは、縦軸をトルツメレスポンス率と、横軸を高レ
スポンス率が期待される顧客順にソートした場合の上位
からの割合として作成される。すなわち、図４７の例に
おいては、データマイニングサーバ５は、予測レスポン
ス率が高い上位５％の顧客を選択して広告メールを送信
した場合、１００％のレスポンス率が得られることを示
しており、また、予測レスポンス率が高い上位１０％の
顧客を選択して広告メールを送信した場合、９０％弱の
レスポンス率が得られることを示している。さらに、図
４７は、データマイニングサーバ５が顧客全体に対して
広告メールを送信するとした場合、２５％のレスポンス
率が得られることを示している。

【０１５７】以上においては、ターゲット変数が１個で
あったが、ターゲット変数が複数存在する場合、アセス
メントチャートの作成は困難となる。本発明では、次の
ようにしてアセスメントチャートが作成される。

【０１５８】図４８乃至図５１は、ターゲット変数が複
数ある場合の、データマイニングサーバ５のアセスメン
トチャートの作成処理を説明する図である。

【０１５９】図４８は、学習パラメータA，B，Cを算出
するデータマイニングサーバ５の処理を説明する図であ
る。分析データA，B，Cのそれぞれには、独立変数（顧
客プロファイル）とターゲット変数（予測レスポンス
率）が含まれており、分析データAは学習用データAと評
価用データAに分割され、学習用データAから学習パラメ
ータAが生成される。分析データBは学習用データBと評
価用データBに分割され、学習用データBから学習パラメ
ータBが生成される。分析データCは学習用データCと評
価用データCに分割され、学習用データCから学習パラメ
ータCが生成される。

【０１６０】図４９は、予測値X，Y，Zを算出するデー
タマイニングサーバ５の処理を説明する図である。評価
用データAに学習パラメータA，B，Cが適用され、それぞ
れの顧客に対する予測値（予測レスポンス率）A，B，C
を含む予測値Xが生成される。評価用データBに学習パラ
メータA，B，Cが適用され、それぞれの顧客に対する予
測値（予測レスポンス率）A，B，Cを含む予測値Yが生成
される。評価用データCに学習パラメータA，B，Cが適用
され、それぞれの顧客に対する予測値（予測レスポンス
率）A、B、Cを含む予測値Zが生成される。

【０１６１】図５０は、予測値が最大となる評価用デー
タを合成するデータマイニングサーバ５の処理を説明す
る図である。評価用データAに関して、顧客毎に算出さ
れた予測値に基づいて予測値Xの中の予測値Aが最大とな
る評価用データが抽出される。評価用データBに関し
て、顧客毎に算出された予測値に基づいて予測値Yの中
の予測値Bが最大となる評価用データが抽出される。評
価用データCに関して、顧客毎に算出された予測値に基
づいて予測値Zの中の予測値Cが最大となる評価用データ
が抽出される。そして、抽出された評価用データが合成
される。

【０１６２】図５１は、合成した評価用データを、予測
値の高い顧客順にソートして、ターゲット変数の正解、
または不正解を算出してグラフ化し、アセスメントチャ
ートを作成するデータマイニングサーバ５の処理を説明
する図である。

【０１６３】次に、図５２のフローチャートを参照し
て、ターゲット変数が複数ある場合のデータマイニング
サーバ５のアセスメントチャート作成処理について説明
する。なお、ターゲット変数は、ターゲット変数A、タ
ーゲット変数B、およびターゲット変数Cの３種類がある
ものとする。

【０１６４】ステップS１５１において、CPU４１は、分
析データAを学習用データAと評価用データAに、分析デ
ータBを学習用データBと評価用データBに、分析データC
を学習用データCと評価用データCに、それぞれ分割する
（図４８の処理１）。

【０１６５】ステップS１５２において、CPU４１は、学
習用データAから学習パラメータAを、学習用データBか
ら学習パラメータBを、学習用データCから学習パラメー
タCを、それぞれ算出する（図４８の処理２）。

【０１６６】ステップS１５３において、CPU４１は、ス
テップS１５２の処理で算出した学習パラメータA，B，C
を評価用データAに、それぞれ適用して、予測値X（評価
用データAに含まれる予測値A，B，Cを含む）を算出する
（図４９の処理３）。

【０１６７】ステップS１５４において、CPU４１は、ス
テップS１５２の処理で算出した学習パラメータA，B，C
を評価用データBに、それぞれ適用して、予測値Y（評価
用データAに含まれる予測値A，B，Cを含む）を算出する
（図４９の処理３）。

【０１６８】ステップS１５５において、CPU４１は、ス
テップS１５２の処理で算出した学習パラメータA，B，C
を評価用データCに、それぞれ適用して、予測値Z（評価
用データAに含まれる予測値A，B，Cを含む）を算出する
（図４９の処理３）。

【０１６９】ステップS１５６において、CPU４１は、評
価用データA，B，Cから、それぞれのターゲット変数に
対する予測値が最大値となる評価用データのみを抽出す
る（図４９の処理４）。すなわち、CPU４１は、評価用
データAからコンテンツAの予測値が最大となるデータ
を、評価用データBからコンテンツBの予測値が最大とな
るデータを、評価用データCからコンテンツCの予測値が
最大となるデータを、それぞれ抽出する。ターゲット変
数が０または１の２値である場合、予測値X，Y，Zは、
０乃至１のいずれかの値となる。

【０１７０】ステップS１５７において、CPU４１は、ス
テップS１５６の処理で抽出した評価用データを合成す
る（図５１の処理５）。

【０１７１】ステップS１５８において、CPU４１は、ス
テップS１５７の処理で合成した評価用データを、算出
された最大予測値が高い顧客順にソートする（図５１の
処理６）。

【０１７２】ステップS１５９において、CPU４１は、タ
ーゲット変数の正解、または不正解（正反応割合）を算
出し、グラフ化し、アセスメントチャートを作成する
（図５１の処理７）。

【０１７３】データマイニングサーバ５は、複数のター
ゲット変数がある場合に、上述した方法でアセスメント
チャートを作成し、予測値を算出することにより、個々
の評価用データから算出することに比べて、予測値を向
上させることができる。

【０１７４】次に、図５３乃至図５６を参照して、ター
ゲット変数が複数存在する場合において、以上のような
処理により作成されるアセスメントチャートの例につい
て説明する。

【０１７５】図５３は、ターゲット変数がコンテンツA
のレスポンスである場合（ターゲット変数が１種類の場
合）のアセスメントチャートを示している。この例は、
データマイニングサーバ５が高レスポンス率が期待され
る上位１０％の顧客を選択して広告メールを送信すると
した場合、約１．８５％のレスポンスが得られることを
示している。

【０１７６】図５４は、ターゲット変数がコンテンツB
のレスポンスである場合（ターゲット変数が１種類の場
合）のアセスメントチャートを示している。この例は、
データマイニングサーバ５が高レスポンス率が期待され
る上位１０％の顧客を選択して広告メールを送信すると
した場合、約３．３％のレスポンスが得られることを示
している。

【０１７７】図５５は、ターゲット変数がコンテンツC
のレスポンスである場合（ターゲット変数が１種類の場
合）のアセスメントチャートを示している。この例は、
データマイニングサーバ５が高レスポンス率が期待され
る上位１０％の顧客を選択して広告メールを送信すると
した場合、約２．４％のレスポンスが得られることを示
している。

【０１７８】図５６は、ターゲット変数がコンテンツ
A，B，Cのレスポンスである場合（ターゲット変数が複
数ある場合）に、図５２のフローチャートに示す処理で
作成したアセスメントチャートの例を示している。この
例においては、データマイニングサーバ５は、高レスポ
ンス率が期待される上位１０％の顧客を選択して広告メ
ールを送信するとした場合、約４．０％のレスポンスが
得られることを示しており、コンテンツA，B，Cのそれ
ぞれ個別のアセスメントチャート（図５３乃至図５５）
より、高い予測レスポンス率が得られることが判る。

【０１７９】以上においては、データマイニングサーバ
５は、メールサーバ１からコンテンツ（広告メール）を
テスト送信し、その分析結果に基づいて顧客毎に各コン
テンツ毎の予測レスポンス率を算出し、本送信において
最もレスポンスが期待されるコンテンツを選択し、送信
することとしたが、データマイニングサーバ５は、予測
レスポンス率などの分析結果を利用して、コンテンツの
送信料金（広告料金）を決定することができる。なお、
コンテンツは、Webページに表示されるバナー広告や、
広告メールなどにより構成される（以下、広告コンテン
ツと称する）。

【０１８０】例えば、データマイニングサーバ５は、テ
スト送信のレスポンス結果（例えば、図１２乃至図１
４）に基づいて広告料金を決定したり、テスト送信の結
果に基づいてレスポンスパターンを作成し、取得したい
レスポンス率を閾値として設定し、その閾値以上のレス
ポンス率が予測される顧客のみに広告コンテンツを送信
する（図３５および図３６）ことにより広告料金を決定
したり、または、コンテンツが複数ある場合に、レスポ
ンスパターンから、レスポンス率およびレスポンス数を
予測して広告コンテンツを送信する（図３９乃至図４
１）ことにより、広告料金を決定したりすることができ
る。なお、データマイニングサーバ５は、アセスメント
チャートからレスポンス数およびレスポンス率を予測し
て広告価格を決定することもできる。

【０１８１】図５７のフローチャートを参照して、デー
タマイニングサーバ５がテスト送信のレスポンス結果に
基づいて広告料金を決定する処理について説明する。

【０１８２】ステップS１７１において、CPU４１は、We
bサーバ４から送信されてきたテスト送信の結果を取得
する。

【０１８３】ステップS１７２において、CPU４１は、ス
テップS１７１の処理で取得したテスト送信の結果よ
り、レスポンス率を算出する。テスト送信のレスポンス
率は、例えば、図１２乃至図１４に示されるように、各
広告コンテンツ毎に算出される。

【０１８４】ステップS１７３において、CPU４１は、記
憶部４８に記憶されている広告コンテンツ毎のレスポン
ス率と広告価格の対応表に基づいて広告価格を決定す
る。そのため、データマイニングサーバ５の管理者は、
広告コンテンツ毎の予測レスポンス率と広告価格の対応
表を記憶部４８に予め登録しておく必要がある。

【０１８５】次に、図５８のフローチャートを参照し
て、テスト送信の結果から予測したレスポンス率に応じ
て広告価格を決定するデータマイニングサーバ５の処理
について説明する。

【０１８６】ステップS１８１において、CPU４１は、We
bサーバ４から送信されてきたテスト送信の結果を取得
する。

【０１８７】ステップS１８２において、CPU４１は、テ
スト送信の結果から顧客毎の予測レスポンス率を算出す
る。CPU４１が実行する処理は、例えば、図１５および
図１７に示す処理である。

【０１８８】ステップS１８３において、CPU４１は、ス
テップS１８２の処理で算出した予測レスポンス率と、
分析した顧客プロファイルに基づいて、レスポンスパタ
ーンを作成する。CPU４１が作成するレスポンスパター
ンは、例えば、図３５および図３６に示すようなレスポ
ンスパターンである。

【０１８９】ステップS１８４において、CPU４１は、入
力部４１からデータマイニングサーバ５の管理者が入力
した予測レスポンス率に基づいて、ステップS１８３の
処理で作成したレスポンスパターンに、閾値となる予測
レスポンス率を設定する。例えば、図３５および図３６
の例においては、それぞれの図に示すように閾値Tが設
定される。

【０１９０】ステップS１８５において、CPU４１は、記
憶部４８に予め記憶されている予測レスポンス率と広告
価格の対応表から、閾値の予測レスポンス率に対応する
広告価格を決定する。そのため、データマイニングサー
バ５の管理者は、予測レスポンス率と広告価格の対応表
を記憶部４８に予め登録しておく必要がある。

【０１９１】次に、図５９のフローチャートを参照し
て、テスト送信の結果から予測したレスポンス率と予測
レスポンス数に応じて広告価格を決定するデータマイニ
ングサーバ５の処理について説明する。

【０１９２】ステップS２０１乃至S２０３の処理は、図
５８のステップS１８１乃至S１８３の処理と同様の処理
である。すなわち、テスト送信の結果に基づいて予測レ
スポンス率が算出され、それに基づいて、レスポンスパ
ターンが作成される。なお、ステップS２０３の処理で
作成されるレスポンスパターンは、例えば、図３９乃至
図４１のレスポンスパターンとする。

【０１９３】ステップS２０４において、CPU４１は、顧
客毎に送信する広告コンテンツを選択する。例えば、ス
テップS２０３の処理で作成されるレスポンスパターン
が図３９に示すレスポンスパターンである場合、CPU４
１は、全顧客にコンテンツAを送信することを選択す
る。また、例えば、ステップS２０３の処理で作成され
るレスポンスパターンが図４０に示すレスポンスパター
ンである場合、CPU４１は、顧客プロファイルP１の左側
の顧客プロファイルに対応する顧客に対してコンテンツ
Bを、顧客プロファイルP１の右側の顧客プロファイルに
対応する顧客に対してコンテンツCを、それぞれ送信す
ることを選択する。

【０１９４】さらに、例えば、ステップS２０３の処理
で作成されるレスポンスパターンが図４１に示すレスポ
ンスパターンである場合、CPU４１は、顧客プロファイ
ルP１の左側の顧客プロファイルに対応する顧客に対し
てコンテンツAを、顧客プロファイルP１から顧客プロフ
ァイルP２の間の顧客プロファイルに対応する顧客に対
してコンテンツBを、顧客プロファイルP２の右側の顧客
プロファイルに対応する顧客に対してコンテンツCを、
それぞれ送信することを選択する。

【０１９５】ステップS２０５において、CPU４１は、ス
テップS２０４の処理で選択した広告コンテンツに基づ
いて、全体の予測レスポンス数および予測レスポンス率
を算出する。

【０１９６】ステップS２０６において、CPU４１は、記
憶部４８に記憶されている予測レスポンス数および予測
レスポンス率と、広告価格との対応表から、ステップS
２０５の処理で算出した予測レスポンス数および予測レ
スポンス率に対応する広告価格を決定する。そのため、
データマイニングサーバ５の管理者は、予測レスポンス
数および予測レスポンス率と、広告価格の対応表を記憶
部４８に予め登録しておく必要がある。

【０１９７】図６０は、データマイニングサーバ５がア
セスメントチャートに基づいて広告価格を決定する処理
を説明するフローチャートである。

【０１９８】ステップS２２１において、CPU４１は、We
bサーバ４から送信されてきたテスト送信の結果を取得
する。

【０１９９】ステップS２２２において、CPU４１は、テ
スト送信の結果に基づいてアセスメントチャートを作成
する。CPU４１は、ターゲット変数が１種類の場合、図
４６のフローチャートの処理を実行することによりアセ
スメントチャートを作成し、また、ターゲット変数が複
数ある場合、図５２のフローチャートを実行することに
よりアセスメントチャートを作成する。

【０２００】ステップS２２３において、CPU４１は、デ
ータマイニングサーバ５の管理者からの予測レスポンス
数や予測レスポンス率などの入力に対応する広告価格を
決定する。そのため、データマイニングサーバ５の管理
者は、予測レスポンス数および予測レスポンス率と、広
告価格の対応表を記憶部４８に予め登録しておく必要が
ある。

【０２０１】データマイニングサーバ５の管理者は、例
えば、広告価格をレスポンス数に正比例させる場合、１
レスポンスあたりの広告単価をP円とすると、 （広告価格）＝（予測レスポンス数）×P となるような広告価格の対応表を記憶部４８に記憶させ
る。

【０２０２】以上においては、メールサーバ１とデータ
マイニングサーバ５を別の装置により構成されるとした
が、メールサーバ１とデータマイニングサーバ５の２つ
の機能を有する１つの装置としても良い。

【０２０３】上述した一連の処理は、ハードウェアによ
り実行させることもできるが、ソフトウェアにより実行
させることもできる。

【０２０４】一連の処理をソフトウエアにより実行させ
る場合には、そのソフトウエアを構成するプログラム
が、専用のハードウエアに組み込まれているコンピュー
タ、または、各種のプログラムをインストールすること
で、各種の機能を実行することが可能な、例えば、汎用
のパーソナルコンピュータなどに、ネットワークや記録
媒体からインストールされる。

【０２０５】この記録媒体は、図３乃至図５に示すよう
に、装置本体とは別に、ユーザにプログラムを提供する
ために配布される、プログラムが記録されている磁気デ
ィスク３１，５１，７１（フロッピディスクを含む）、
光ディスク３２，５２，７２（CD-ROM(Compact Disk-Re
ad Only Memory)，DVD(Digital Versatile Disk)を含
む）、光磁気ディスク３３，５３，７３（MD(Mini-Dis
k)を含む）、もしくは半導体メモリ３４，５４，７４な
どよりなるパッケージメディアにより構成されるだけで
なく、装置本体に予め組み込まれた状態でユーザに提供
される、プログラムが記録されているROM２２，４２，
６２や、記憶部２８，４８，６８に含まれるハードディ
スクなどで構成される。

【０２０６】なお、本明細書において、記録媒体に記録
されるプログラムを記述するステップは、記載された順
序に従って時系列的に行われる処理はもちろん、必ずし
も時系列的に処理されなくとも、並列的あるいは個別に
実行される処理をも含むものである。

【０２０７】また、本明細書において、システムとは、
複数の装置により構成される装置全体を表すものであ
る。

【０２０８】

【発明の効果】本発明の第１の情報処理装置および方
法、並びに記録媒体のプログラムによれば、情報処理端
末に対してコンテンツを送信し、送信したコンテンツに
対する情報処理端末からのレスポンス率を算出し、レス
ポンス率に対応するコンテンツの対価を記憶し、算出し
たレスポンス率に対応するコンテンツの対価を取得する
ようにしたので、より適正な広告料金を決定することが
できる。

【０２０９】本発明の第２の情報処理装置および方法、
並びに記録媒体のプログラムによれば、情報処理端末に
複数のコンテンツを送信した場合における、各コンテン
ツに関する情報処理端末からのレスポンスの期待値を算
出し、算出した期待値に所定の閾値を設定し、期待値に
対応するコンテンツの対価を記憶し、設定した所定の閾
値に対応するコンテンツの対価を取得するようにしたの
で、より適正な広告料金を決定することができる。

【図面の簡単な説明】

【図１】本発明を適用した広告メール配信システムの構
成例を示すブロック図である。

【図２】図１の顧客情報データベースのデータベース例
を説明する図である。

【図３】図１のメールサーバの構成を示すブロック図で
ある。

【図４】図１のデータマイニングサーバの構成を示すブ
ロック図である。

【図５】図１のパーソナルコンピュータの構成を示すブ
ロック図である。

【図６】テスト送信によるデータ収集処理を説明するフ
ローチャートである。

【図７】テスト送信１に利用する広告メールの例を示す
図である。

【図８】テスト送信１に利用する広告メールの他の例を
示す図である。

【図９】テスト送信２に利用する広告メールの例を示す
図である。

【図１０】テスト送信２に利用する広告メールの他の例
を示す図である。

【図１１】テスト送信３に利用する広告メールの例を示
す図である。

【図１２】テスト送信１のレスポンス結果を説明する図
である。

【図１３】テスト送信２のレスポンス結果を説明する図
である。

【図１４】テスト送信３のレスポンス結果を説明する図
である。

【図１５】データマイニングサーバの処理を説明するフ
ローチャートである。

【図１６】学習モデルの例を示す図である。

【図１７】データマイニングサーバの他の処理を説明す
るフローチャートである。

【図１８】予測レスポンス率の例を説明する図である。

【図１９】本送信における広告メールの送信数を説明す
る図である。

【図２０】本送信によるデータ収集処理を説明するフロ
ーチャートである。

【図２１】本送信１の結果を説明する図である。

【図２２】本送信２の結果を説明する図である。

【図２３】本送信３の結果を説明する図である。

【図２４】顧客プロファイル毎のレスポンス率を説明す
る図である。

【図２５】他の顧客プロファイル毎のレスポンス率を説
明する図である。

【図２６】さらに他の顧客プロファイル毎のレスポンス
率を説明する図である。

【図２７】顧客プロファイル毎のレスポンス率を説明す
る図である。

【図２８】他の顧客プロファイル毎のレスポンス率を説
明する図である。

【図２９】さらに他の顧客プロファイル毎のレスポンス
率を説明する図である。

【図３０】本送信A１の結果のアセスメントチャートを
示す図である。

【図３１】本送信B１の結果のアセスメントチャートを
示す図である。

【図３２】本送信２の結果のアセスメントチャートを示
す図である。

【図３３】本送信３の結果のアセスメントチャートを示
す図である。

【図３４】本送信の結果を説明する図である。

【図３５】レスポンスパターンを示す図である。

【図３６】他のレスポンスパターンを示す図である。

【図３７】データマイニングサーバのさらに他の処理を
説明するフローチャートである。

【図３８】メールサーバの処理を説明するフローチャー
トである。

【図３９】さらに他のレスポンスパターンを示す図であ
る。

【図４０】レスポンスパターンを示す図である。

【図４１】他のレスポンスパターンを示す図である。

【図４２】データマイニングサーバの処理を説明するフ
ローチャートである。

【図４３】アセスメントチャートの作成方法を説明する
図である。

【図４４】アセスメントチャートの作成方法を説明する
図４３に続く図である。

【図４５】アセスメントチャートの作成方法を説明する
図４４に続く図である。

【図４６】データマイニングサーバの他の処理を説明す
るフローチャートである。

【図４７】アセスメントチャートの例を示す図である。

【図４８】アセスメントチャートの作成方法を説明する
図である。

【図４９】アセスメントチャートの作成方法を説明する
図４８に続く図である。

【図５０】アセスメントチャートの作成方法を説明する
図４９に続く図である。

【図５１】アセスメントチャートの作成方法を説明する
図５０に続く図である。

【図５２】データマイニングサーバのさらに他の処理を
説明するフローチャートである。

【図５３】他のアセスメントチャートの例を示す図であ
る。

【図５４】さらに他のアセスメントチャートの例を示す
図である。

【図５５】アセスメントチャートの例を示す図である。

【図５６】他のアセスメントチャートの例を示す図であ
る。

【図５７】データマイニングサーバの処理を説明するフ
ローチャートである。

【図５８】データマイニングサーバの他の処理を説明す
るフローチャートである。

【図５９】データマイニングサーバのさらに他の処理を
説明するフローチャートである。

【図６０】データマイニングサーバの処理を説明するフ
ローチャートである。

【符号の説明】

１ メールサーバ， ２ 顧客情報データベース， ４
Webサーバ， ５データマイニングサーバ， ６ 分
析用データベース， ２１ CPU， ２２ ROM， ２３
RAM， ２４ バス， ２５ 入出力インタフェー
ス， ２６ 入力部， ２７ 出力部， ２８ 記憶
部， ２９ 通信部， ３０ ドライブ，３１ 磁気デ
ィスク， ３２ 光ディスク， ３３ 光磁気ディス
ク， ３４半導体メモリ， ４１ CPU， ４２ ROM，
４３ RAM， ４４ バス，４５ 入出力インタフェ
ース， ４６ 入力部， ４７ 出力部， ４８ 記憶
部， ４９ 通信部， ５０ ドライブ， ５１ 磁気
ディスク， ５２ 光ディスク， ５３ 光磁気ディス
ク， ５４ 半導体メモリ

───────────────────────────────────────────────────── フロントページの続き (72)発明者 倉見 尚也 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 西岡 久雄 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 金子 康芳 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 Ｆターム(参考） 5B049 AA06 BB49

Claims (7)

【特許請求の範囲】
1. 【請求項１】 情報処理端末に対してコンテンツを送信
   する送信手段と、 前記送信手段により送信された前記コンテンツに対する
   前記情報処理端末からのレスポンス率を算出する算出手
   段と、 前記レスポンス率に対応する前記コンテンツの対価を記
   憶する記憶手段と、 前記算出手段により算出された前記レスポンス率に対応
   する前記コンテンツの対価を前記記憶手段から取得する
   取得手段とを含むことを特徴とする情報処理装置。
2. 【請求項２】 情報処理端末に対してコンテンツを送信
   する送信ステップと、 前記送信ステップの処理により送信された前記コンテン
   ツに対する前記情報処理端末からのレスポンス率を算出
   する算出ステップと、 前記レスポンス率に対応する前記コンテンツの対価を記
   憶する記憶ステップと、 前記算出ステップの処理により算出された前記レスポン
   ス率に対応する前記コンテンツの対価を前記記憶ステッ
   プの処理により記憶された前記コンテンツの対価から取
   得する取得ステップとを含むことを特徴とする情報処理
   方法。
3. 【請求項３】 情報処理端末に対してコンテンツを送信
   する送信ステップと、 前記送信ステップの処理により送信された前記コンテン
   ツに対する前記情報処理端末からのレスポンス率を算出
   する算出ステップと、 前記レスポンス率に対応する前記コンテンツの対価を記
   憶する記憶ステップと、 前記算出ステップの処理により算出された前記レスポン
   ス率に対応する前記コンテンツの対価を前記記憶ステッ
   プの処理により記憶された前記コンテンツの対価から取
   得する取得ステップとを含むことを特徴とするコンピュ
   ータが読み取り可能なプログラムが記録されている記録
   媒体。
4. 【請求項４】 情報処理端末に複数のコンテンツを送信
   した場合における、前記各コンテンツに関する前記情報
   処理端末からのレスポンスの期待値を算出する算出手段
   と、 前記算出手段により算出された前記期待値に所定の閾値
   を設定する設定手段と、 前記期待値に対応する前記コンテンツの対価を記憶する
   記憶手段と、 前記設定手段により設定された前記所定の閾値に対応す
   る前記コンテンツの対価を前記記憶手段から取得する取
   得手段とを含むことを特徴とする情報処理装置。
5. 【請求項５】 前記レスポンスの期待値は、レスポンス
   率の期待値、または前記情報処理端末からのレスポンス
   数の期待値を含むことを特徴とする請求項４に記載の情
   報処理装置。
6. 【請求項６】 情報処理端末に複数のコンテンツを送信
   した場合における、前記各コンテンツに関する前記情報
   処理端末からのレスポンスの期待値を算出する算出ステ
   ップと、 前記算出ステップの処理により算出された前記期待値に
   所定の閾値を設定する設定ステップと、 前記期待値に対応する前記コンテンツの対価を記憶する
   記憶ステップと、 前記設定ステップの処理により設定された前記所定の閾
   値に対応する前記コンテンツの対価を前記記憶ステップ
   の処理により記憶された前記コンテンツの対価から取得
   する取得ステップとを含むことを特徴とする情報処理方
   法。
7. 【請求項７】 情報処理端末に複数のコンテンツを送信
   した場合における、前記各コンテンツに関する前記情報
   処理端末からのレスポンスの期待値を算出する算出ステ
   ップと、 前記算出ステップの処理により算出された前記期待値に
   所定の閾値を設定する設定ステップと、 前記期待値に対応する前記コンテンツの対価を記憶する
   記憶ステップと、 前記設定ステップの処理により設定された前記所定の閾
   値に対応する前記コンテンツの対価を前記記憶ステップ
   の処理により記憶された前記コンテンツの対価から取得
   する取得ステップとを含むことを特徴とするコンピュー
   タが読みとり可能なプログラムが記録されている記録媒
   体。