JP2003058562A - インタラクティブビジネスの分析環境下における予測モデルのコンピュータを利用した動的な分析構築方法 - Google Patents

Abstract

(57)【要約】 【課題】 予測モデルを動的に構築するカスタマ関係管
理（ＣＲＭ）システムを提供する。 【解決手段】 カスタマ関係管理システムは、データ・
マイニングの技術に不慣れなビジネス・ユーザによって
使用される。データ・マイニング・サブシステムにおけ
るモデル構築機構は、適切な入力属性と予測されるべき
出力属性とを伴った複数の記録から成る訓練セグメント
と共に提供され、このモデル構築機構が、他の同様セグ
メントに対しての予測を為すべく、引き続いて適用され
得るビジネス・メジャーの形態のモデルを構築する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、一般に、コンピュ
ータによって遂行されるデータベース管理システムに関
し、より詳細には、リレーショナル・データベース管理
システム（ＲＤＢＭＳ）を用いるカスタマ関係管理（Ｃ
ＲＭ）システムに対する予測モデルの構築に関する。

【０００２】データ・ウェハース環境において、インタ
ラクティブビジネスを分析する機能は、ＲＤＢＭＳ（リ
レーショナル・データベース管理システム及びＯＬＡＰ
（オンライン分析処理）ツールを含む様々なアプリケー
ション及びツールによって支援される。典型的には、そ
うしたビジネス分析ツールはメタデータを用いてビジネ
ス概念を表し、そのビジネス概念からデータ・ウェハー
スに記憶されたデータへのマッピングを提供する。次い
でビジネス分析は、分析機能を要求すべく馴染みあるビ
ジネス・タームを用いることができ、ツールはそうした
ビジネス・タームを適切なテーブル／コラム名に変換
し、その適切なＳＱＬを生成し実行して、その機能を遂
行する。よって、分析は「西部領域」に対する「販売」
についてのリポートを要求でき、そこでは「販売」が
「測定又はメジャー(Measure)」であり、「西部領域」
が「セグメント」である。この例において、セグメント
及び予測はメタデータのタイプであり、予測はセグメン
トによって表現されるデータ要素に関する観察、分析、
或は、報告に役立つ値或は表現である。

【０００３】現行の分析ツールによって支援される予測
は、単なる収集（例えば、「収入」）か、或は、公式
（例えば、「収益」＝「収入−出費」、及び、「パーセ
ント収益」＝「収益／収入＊１００」）に基づきより複
雑な導出かの何れかである。各場合において、予測に対
する定義は人間、例えばインストレーションに続いて生
ずるが、該ツールの実行に先行して生ずるセットアップ
・プロセス中のビジネス分析者によって提供される。通
常、予測に対する定義はマニュアル・メタデータ定義プ
ロセスを含む。

【０００４】測定又はメジャーは、例えば、測定的な過
去の行動或は振る舞いではなく、予測的なものであり得
て、典型的には性癖（傾向）スコアの形態で、将来の行
動或は振る舞いを予測し得ることである。例えば、製品
を購買するか或はサービスを終了するカスタマ・セグメ
ントの性癖又は傾向を予測し得る。予測的測定に対する
公式は先行する経験或は直観に基づき人間によって提供
され得る。

【０００５】より厳格なアプローチは、予測モデリング
・システムを使用することになり、その出力は典型的に
は何等かの実行可能な形態となり得るか或はなり得ない
予測モデルである。典型的には、そうしたモデルをビジ
ネス分析ツールにおける予測的測定又は予測的メジャー
として使用するために、その予測モデル公式をビジネス
分析ツールで処理可能な適切な形態に（例えば、ＳＱＬ
ステートメントとして）翻訳することが人間にとっては
必要となる。

【０００６】

【発明が解決しようとする課題】残念ながら、予測モデ
リング・システムは技術的に複雑であり、成功モデルを
作り出すために、高レベルな統計学的及びデータ・マイ
ニング技量を必要として、関係されたアルゴリズムやそ
れらがどのように動作するかについての知識を含む。ま
たそれらは典型的には、予測に関わるデータの専門知識
や、プログラミング技量をも必要として、そのデータを
操作して予測モデリング・システムが必要とする形態と
する。

【０００７】次いで必要なことは、ビジネスマンにとっ
てよりアクセスし易く且つより利用可能であるデータ・
マイニング・アルゴリズムを作成することである。適度
な技術利量（例えばビジネス分析）を有するマーケティ
ング・キャンペーン・プランナーにとって重要なこと
は、彼等のビジネス・タスクの直なる裏付けとして予測
モデルを構築できることである。更には、ひとたび予測
モデルが作り出されたならば、彼等がモデル化した振る
舞いは時間の経過及び条件変化に伴って時代遅れとなる
ので、それらモデルは典型的には時間経過によってより
効果が弱まる（「モデル崩壊」）。よってビジネス分析
者にとって更に必要なことは、既存の予測モデルを変更
し、更新、或は、「調整」することができることであ
る。

【０００８】

【課題を解決するための手段】第１局面から見れば本発
明は、コンピュータによるビジネス分析環境内に予測モ
デルを動的に構築する方法であって、導出されたメジャ
ーに対する定義を生成することと、モデル構築機構をそ
の生成された定義に基づきデータ・マイニング・システ
ム内に呼び出すこととを含み、前記モデル構築機構が前
記導出メジャーに対する出力を生成する予測モデルを構
築することから成る方法にある。

【０００９】第２局面から見れば本発明は、コンピュー
タによる予測モデルを動的に構築するシステムであっ
て、導出されたメジャーに対する定義を生成する手段
と、モデル構築機構をその生成された定義に基づきデー
タ・マイニング・システム内に呼び出す手段とを含み、
前記モデル構築機構が前記導出メジャーに対する出力を
生成する予測モデルを構築するシステムにある。

【００１０】導出されたメジャーは、好ましくは、前記
予測モデルを実行することによってセグメントに適用さ
れ、そのセグメントに対する出力は該予測モデルから生
成される。

【００１１】導出されたメジャーは、好ましくは、アプ
リケーション・テンプレート内に定義され、該アプリケ
ーション・テンプレートはワークフロー内で一体的にリ
ンクされた複数の要素から成るシーケンスを含み、それ
ら要素は、セグメント、フィルタ、メジャー、並びに、
機能を含むグループから選択される。アプリケーション
・テンプレートは可視的なプログラミング環境内に構成
されて、好ましくは、ユーザによって再使用及び／或は
変更が行われる。

【００１２】セグメントは、好ましくは、１つ或はそれ
以上の属性について組織化されたデータベースからの複
数のデータ要素から成るグループ分けとして定義され、
フィルタはセグメントに適用された１つ或はそれ以上の
属性制約を定義し、プロファイルはセグメントの複数の
属性から成るラベル付き収集であり、メジャーはセグメ
ントに適用された表現である。

【００１３】コンピュータによるビジネス分析環境は、
好ましくは、オブジェクト・モデルを含み、セグメン
ト、属性、フィルタ、並びに、メジャーはオブジェクト
を含み、該オブジェクトに対する操作又は動作が、好ま
しくは、対応するテーブルやリレーショナル・データベ
ースにおける列にアクセスするＳＱＬステートメントに
翻訳される。予測モデルは、テーブル及びリレーショナ
ル・データベース内の列にアクセスする１つ或はそれ以
上のＳＱＬステートメントか、或は、データベース管理
システムによって実行される１つ或はそれ以上のステー
トメントを含み得る。これらステートメントは、好まし
くは、データベース管理システム内に記憶されたデータ
にアクセスする。

【００１４】モデル構築機構は、好ましくは、予測モデ
ルを作り出すためにデータベース管理システムに記憶さ
れたデータに対して遂行される規則誘導に対する分析ア
ルゴリズムを含む。

【００１５】また本発明は、コンピュータによるビジネ
ス分析環境内で予測モデルを用いる指示を含む１つ或は
それ以上のマシン可読記憶媒体を含んでいる物品とし
て、コンピュータによるビジネス分析環境内で予測モデ
ルを用いる指示を含むコンピュータのメモリ内に記憶さ
れたデータ構造として、そして、コンピュータによるビ
ジネス分析環境内で予測モデルを用いるプログラム指示
を有するコンピュータ・プログラムとして表現され得
て、前記指示は、コンピュータ・システムによって実行
された際に、該システムに先に記載された方法を遂行さ
せるものである。

【００１６】本発明は予測モデルをインタラクティブビ
ジネスを分析する環境において動的構築する機構を提供
し、そこでは、分析者がビジネス・タームを用いて分析
者自身のタスクを成し遂げ、システムが分析者によって
要求された機能をＳＱＬステートメントに翻訳してか
ら、それらＳＱＬステートメントをリレーショナル・デ
ータベースに対して実行する。予測モデルはメジャーの
形態で生成され、それはセグメントで提供された属性に
基づく入力セグメントを特徴とし、同様の属性を有する
他のセグメントに対して使用されるか或は展開され得
る。本発明はアプリケーション・テンプレートをも利用
して、先行のモデル構築経験から得られた専門知識を再
使用して、そうした知識をより低い技量のビジネス分析
者に利用可能として彼等が予測モデルをうまく構築でき
るようにしている。本発明は、アプリケーション・テン
プレートにおける各種ステップを構成し且つ表現する可
視的プログラミング技術をも利用する。

【００１７】以下、本発明の実施例が、全体を通じて同
様参照番号が対応するパーツを表している添付図面を参
照して説明される。

【００１８】

【発明の実施の形態】定義 この出願の文脈において、以下の専門用語が使用され
る。

【００１９】セグメント(Segment)：セグメントは１つ
或はそれ以上の属性について組織化された複数のデータ
要素のグループ分けである。セグメントは属性或はフィ
ルタに基づきサブ・セグメントに細分され、それらは絶
対的（「住居のタイプ」、「婚姻状況」、或は、「ブラ
ンド」等）、数値的（「年齢＞６５」、或は、「価格＞
＄２５」等）、等々であり得る。サブ・セグメントはそ
れ自体が更にサブ・セグメントに細分され得る。

【００２０】フィルタ：フィルタは、通常、サブ・セグ
メントを作成するために、セグメント或はサブ・セグメ
ントに適用される１つ或はそれ以上の属性制約を定義す
る。例えば、セグメント「カリフォルニア・カスタマ」
は性別に対するフィルタが適用されることによって「女
性のカリフォルニア・カスタマ」に制約され得る。

【００２１】プロファイル：プロファイルはセグメント
に関する属性から成る収集である。例えば、人口学的な
プロファイルは、性別、ジップコード、婚姻状況、家庭
グループ、自家所有権、車両所有権、等々の人口学的情
報を含むカスタマ・セグメントの属性を含み得る。事前
定義プロファイルは、セグメントに対する属性から成る
有効な集合から臨時プロファイルを作成する能力である
ので利用可能である。

【００２２】メジャー(Measure)：メジャーはセグメン
ト或はサブ・セグメントに対して適用される公式であ
る。メジャーはデータベースから検索された単純な統合
的値を含み得て、公式を計算するか、或は、予め構築さ
れた予測モデルを実行する。

【００２３】機能：機能は分割(splitting)、併合、並
びに、並びに、分岐に対する制御である。

【００２４】アプリケーション・テンプレート：アプリ
ケーション・テンプレートは、ワークフローで一体的に
リンクされたセグメント、フィルタ、メジャー、並び
に、機能から成るシーケンスであり、矢印がデータの流
れを示す。

【００２５】環境 図１は、本発明の好適実施例と共に使用され得る模範的
環境を図示している。この模範的環境において、コンピ
ュータによるカスタマ関係管理（ＣＲＭ）システム１０
０は、三階層クライアント-サーバのアーキテクチャを
含み、そこでは、第１階層がグラフィカル・ユーザ・イ
ンターフェース（ＧＵＩ）或は他のアプリケーションを
提供するＣＲＭクライアント１０２を含み、第２階層が
ＣＲＭアプリケーションを実行するフレームワークを提
供するＣＲＭサーバ１０４を含み、そして、第３階層が
リレーショナル・データベース１０８（データ及びメタ
データ双方を含む）を管理するリレーショナル・データ
ベース管理システム（ＲＤＢＭＳ）サーバ１０６を含
む。

【００２６】好適実施例において、ＣＲＭクライアント
１０２、ＣＲＭサーバ１０４、ＲＤＢＭＳ１０６、並び
に、リレーショナル・データベース１０８は、各々、Ｒ
ＡＭ、ＲＯＭ、１つ或はそれ以上のデータ記憶装置、並
びに／或は、１つ或はそれ以上の遠隔システム若しくは
ＣＲＭシステム１００と１つ或はそれ以上のデータ通信
装置を介して通信する装置等々の装置、媒体、キャリ
ヤ、或は、信号で実際に実施されるロジック及び／或は
データか或はそれらからアクセスできるロジック及び／
或はデータを含む。

【００２７】しかしながら当業者であればご理解して頂
けるように、図１に図示されたこの模範的環境は本発明
を制限することが意図されていない。事実上、当業者で
あればご理解して頂けるように、他の代替的環境が本発
明の範囲から逸脱すること無しに使用され得る。加え
て、理解して頂きたいことは、本発明はここで開示され
たもの以外の構成要素に対しても適用できる。

【００２８】カスタマ関係管理サーバ 図２は、本発明の好適実施例に従ったＣＲＭサーバ１０
４に対する模範的アーキテクチャを図示している。この
ＣＲＭサーバ１０４は、ＣＲＭアプリケーションの展開
に対して、共通の適合可能で拡張可能なプラットフォー
ムを提供する。それはオブジェクト・モデリング概念を
用いて、リレーショナル・データベース１０８に記憶さ
れたデータをＣＲＭサーバ１０４及びＣＲＭクライアン
ト１０２内で使用されるべきオブジェクト・モデルに変
換する。これはＣＲＭサーバ１０４及びＣＲＭクライア
ント１０２がオブジェクト・モデルに注目して、リレー
ショナル・データベース１０８にアクセスするために必
要とされるＳＱＬステートメントに関心を寄せないよう
にすることが可能である。

【００２９】模範的アーキテクチャにおいて、ＣＲＭサ
ーバ１０４はＣＲＭアプリケーションを実行するフレー
ムワークを提供し、セグメント・マネージャー２００、
メジャー・マネージャー２０２、機能２０４、並びに、
アプリケーション・テンプレート２０６を他の構成要素
と共に含む。ＣＲＭサーボ１０４はＲＤＢＭＳ１０６と
インターフェース接続するオブジェクト・マネージャー
２０８をも含み、そこでは、オブジェクト・マネージャ
ー２０８が、ＳＱＬ生成２１０、ＳＱＬ実行２１２、並
びに、本発明の譲受人であるエヌシーアール・コーポレ
ーション社によって提供されるＴｅｒａＭｉｎｅｒ（米
国商標）プロダクトに対するアプリケーション・プログ
ラミング・インターフェース（ＡＰＩ）２１４を含む。

【００３０】メタデータ ＣＲＭサーバ１０４によって遂行される機能とその構成
要素はメタデータで駆動され、そこでは、メタデータが
１つ或はそれ以上の「ビジネス・モデル」と１つ或はそ
れ以上の「ビジネス規則」を記載する。メタデータはＣ
ＲＭサーバ１０４内に例示されたオブジェクトとリレー
ショナル・データベース１０８に記憶されたデータとの
間のマッピングを定義する。この点に関して、メタデー
タは、セグメント、属性、フィルタ、並びに、メジャー
のリレーショナル・データベース１０８へのマッピング
を支援する。

【００３１】セグメント・マネージャー セグメント・マネージャー２００はＣＲＭサーバ１０４
の他の要素によって使用される共通区分エンジンを提供
する。セグメント・マネージャー２００は、セグメント
の定義、セグメントへのメジャー及びフィルタの適用、
セグメントのプロファイリング、セグメントの保存、並
びに、セグメントの表示等々のユーザ要求を、セグメン
トの併合、セグメントからの複製エントリーの削除、セ
グメントの削除等々と共に支援する。ユーザは事前定義
セグメントから成る集合から選択ができるか、或は、臨
時セグメントを作成することができる。

【００３２】メジャー・マネージャー メジャー・マネージャー２０２は、ＣＲＭサーバ１０４
の他の要素によって使用される共通メジャー・エンジン
を提供する。メジャーはセグメントに適用される値或は
表現である。メジャーは、単純な基本メジャー（例え
ば、リレーショナル・データベース１０８内のテーブル
のフィールドへの直接的なマッピングであるか、或は、
１つ或はそれ以上のそうしたフィールドについての計
算）、或は、複合導出メジャー（１つ或はそれ以上の基
本測定値を含む計算）であり得る。ユーザは事前定義メ
ジャーの集合から選択できるか、或は、臨時メジャーを
作成することができる。

【００３３】機能 機能２０４はアプリケーション・テンプレート２０６内
における制御サービスを提供するモジュールである。機
能２０４は、ユーザが複数ステップから成るシーケンス
或はカスタマイズされたプログラミング要素を制御する
ことを可能としている。

【００３４】アプリケーション・テンプレート アプリケーション・テンプレート２０６は、ワークフロ
ー内で一体的にリンクされたセグメント、フィルタ、メ
ジャー、並びに、機能から成るシーケンスである。アプ
リケーション・テンプレート２０６内におけるワークフ
ローを含むこのシーケンスは一体的にリンクされたアイ
コンとして表現され、そこでは、接続矢印の方向が実行
シーケンス及びデータのフローを決定している。

【００３５】ユーザは事前定義アプリケーション・テン
プレート２０６から成る集合から選択できるか、或は、
所望に応じて、臨時アプリケーション・テンプレート２
０６を作成できる。何れの場合にも、ユーザはアプリケ
ーション・テンプレート２０６を作成及び操作できる。
更にユーザはそのアプリケーション・テンプレート２０
６内の諸ステップを追加、変更、並びに、削除できる。

【００３６】オブジェクト・マネージャー オブジェクト・マネージャー２０８はＲＤＢＭＳ１０６
を介してリレーショナル・データベース１０８からデー
タを例示し、そのデータを、セグメント・マネージャー
２００、メジャー・マネージャー２０２、機能２０４、
アプリケーション・テンプレート２０６、並びに、ＣＲ
Ｍサーバ１０４の他の要素によって使用されるオブジェ
クト内に包み込む。オブジェクト・マネージャー２０８
はメタデータを解釈し、必須のＳＱＬステートメントを
モジュール２１０内に生成し、そして、モジュール２１
２内で生成されたＳＱＬステートメントを実行する。ビ
ジネス・モデルを表現するオブジェクト部類はリレーシ
ョナル・データベース１０８内のテーブルへマップされ
得て、リレーショナル・データベース１０８のオブジェ
クト指向（ＯＯ）表現を提供する。これはリレーショナ
ル・データベース１０８の図表からのある程度の独立性
を提供している。

【００３７】ＴｅｒａＭｉｎｅｒ（米国商標） オブジェクト・マネージャー２０８は、本発明の譲受人
であるエヌシーアール・コーポレーション社によって提
供されるＴｅｒａＭｉｎｅｒ（米国商標）プロダクトに
対するアプリケーション・プログラミング・インターフ
ェース（ＡＰＩ）にアクセスするモジュール２１４をも
提供する。このＴｅｒａＭｉｎｅｒ（米国商標）プロダ
クトは、引用することでここに合体させる、代理人整理
番号８２２１の、「SQL-Based Analytic Algorithm for
Rule Induction」と題されたTodd M. Bryeの、本願と
同時係属中であると共に同一譲受人に譲渡された米国特
許出願第０９／４１０，５３０号（１９９９年１０月１
日出願）に更に記載されている。

【００３８】ＴｅｒａＭｉｎｅｒ（米国商標）は、ＲＤ
ＢＭＳ１０６に、リレーショナル・データベース１０８
に対してのデータ・マイニング動作を支援させることを
可能とする機能性を提供している。ＴｅｒａＭｉｎｅｒ
（米国商標）において、データ・マイニング・アプリケ
ーションに対する先進の分析処理能力はそれらがデータ
に属する所に配置され、即ちデータに近接して配置され
る。更には、これら分析処理能力の結果はデータベース
１０８内で存続が為され得るか、或は、データベース１
０８からエクスポートされ得る。これら分析処理能力及
びそれらの結果は、アプリケーション・プログラマブル
・インターフェース（ＡＰＩ）によってＲＤＢＭＳ１０
６に対して外部的に露出される。

【００３９】ＣＲＭクライアント 図３は、本発明の好適実施例に従ったＣＲＭクライアン
ト１０２のグラフィカル・ユーザ・インターフェース
（ＧＵＩ）３００を図示している。ＣＲＭクライアント
１０２は、ユーザのアプリケーション・テンプレート２
０６の作成、変更、並びに、実行を補助すべく、可視的
プログラミング隠喩を用いる「ワークベンチ(workbenc
h)」を提供するウェブ・ブラウザ・アプリケーションで
ある。

【００４０】ＣＲＭクライアント１０２のＧＵＩは２つ
の枠３０２，３０４に分割され、枠３０２及び３０４上
にメニューバー３０６、ツールバー３０８を伴う。

【００４１】左から右に掛けてのメニューバー３０６に
関して、該メニューが、「ファイル」、「ビュー」、並
びに、「ヘルプ」のメニューを含む。これらメニュー及
びそれらの関連機能は任意のアプリケーションに見られ
るものと同様である。

【００４２】左から右に掛けてのツールバー３０８に関
しては、それらアイコンが、「現テンプレート保存」、
「セグメント」、「フィルタ」、「メジャー」、「条件
付き」、「複製解除」、「併合」、「ランダムＮ」、
「ランダム％」、「分割(split)」、「トップ（上位）
Ｎ」、「トップ（上位）％」、並びに、「リンク」の機
能を表している。これら機能は以下により詳細に記載さ
れている。

【００４３】・「現テンプレート保存」機能は、枠３０
４内に表示されたアプリケーション・テンプレート２０
６を、ＣＲＭクライアント１０２或はＣＲＭサーバ１０
４の何れかの指定記憶箇所に保存する。 ・「セグメント」機能は、ユーザが、セグメントの獲
得、セグメントの存続、等々を含むセグメントに関する
多数の異なるタスクを遂行させることを可能としてい
る。 ・「フィルタ」機能は、ユーザが、セグメントの拘束
（そのサイズを属性選択基準、例えば「可処分収入＞＄
４００００」）に基づく低減）、セグメントのプロファ
イル（その属性の事前定義集合の検索）等々を含むフィ
ルタに関する多数の異なるタスクを遂行させることを可
能としている。 ・「メジャー」機能は、ユーザが、セグメントへのメジ
ャー適用（例えば「カリフォルニア・カスタマ」に対す
る「利益」の計算）、メジャーの定義（「導出されたメ
ジャーの定義」を含む）等々を含むメジャーに関する多
数の異なるタスクを遂行させることを可能としている。 ・「条件付き」機能は、ストリームに対する条件付き分
岐をもたらす。条件付き分岐操作はメジャーの値に基づ
いている（例えば、もし値＝トップ（上位）２０％、Ａ
を取る或はＢを取る）。分岐操作は、ケース・ステート
メント(case statement)と同様に二項式決定或は多項式
選択決定であり得る。通常、条件付き分岐は単一フロー
に戻って結合する。 ・「複製解除」機能は、複製解除を言及するものであ
り、併合セグメントにおける全ての複製記録（即ち、同
一の一次キー値を有する行）を削除する。 ・「併合」機能は、予め分割されたワークフローを単一
ストリームに戻すように併合する。２つのタイプの「併
合」が支援されており：（１）属性Ａ及びＢを有するセ
グメントＸを属性Ｂ及びＣを有するセグメントＹに併合
する際に、属性Ｂを有するセグメントＺを戻す「クラシ
ック併合」と、（２）属性Ａ及びＢを有するセグメント
Ｘを属性Ｂ及びＣを有するセグメントＹに併合する際
に、属性Ａ，Ｂ，Ｃを有するセグメントＺを戻す「複製
解除を具備する併合」とである。属性Ｂの全ての複製は
削除されることになる。また、併合機能は、併合される
２つのセグメントが同一のトップレベル・セグメントか
ら来ることを必要としている。 ・「ランダムＮ」機能は、サイズＮのセグメントのラン
ダムなサンプルを戻す。 ・「ランダム％」機能は、百分位数でのサイズＮのセグ
メントのランダムなサンプルを戻す。 ・「分割(split)」機能は、メジャー或は属性の値に基
づいて、ワークフローを２つ或はそれ以上の分離された
同時フローに分岐させる。 ・「トップＮ」機能は、セグメントからトップＮ数を戻
す。 ・「トップ％」機能は、セグメントから百分位数でのト
ップＮを戻す。 ・「リンク」機能は、ワークフローにおける２つのステ
ップを一緒となるようにリンクする。

【００４４】左側の枠３０２において、ツリー表示は従
属分析マネージャーを有するワークベンチから成る階層
を示している。この分析マネージャーは、テンプレー
ト、セグメント、フィルタ、メジャー、並びに、機能か
ら成る従属レベルを含む。これら従属レベルの各々は、
再使用のために作成されて利用可能である指定された構
成要素のゼロ或はそれ以上のコピーを含む。指定された
構成要素の新しいコピーは「ファイル」メニューからの
「新しい」機能を用いて作成され得る。

【００４５】左側の枠３０２からのアイコン或はツール
バー３０８は、右側の枠３０４上に「ドラッグ・アンド
・ドロップ」され得て、次いで、アプリケーション・テ
ンプレート２０６のワークフローを含む諸ステップから
成るシーケンスを作成すべく一体的にリンクされる。ア
イコン及び接続矢印方向から成るシーケンスは、実行及
びデータ・フローから成るシーケンスを決定する。

【００４６】ユーザは、左側の枠３０２のツリー表示か
らの事前定義アプリケーション・テンプレート２０６か
ら成る集合から選択するか、或は、所望に応じて臨時ア
プリケーション・テンプレート２０６を作成する。何れ
の場合においても、ユーザはそのアプリケーション・テ
ンプレート２０６を作成及び操作できる。更にユーザ
は、そのアプリケーション・テンプレート２０６内にお
いて、ステップ（アイコン）の追加、変更、並びに、削
除を為すことができる。

【００４７】予測モデルの動的構築 好適実施例において、ＣＲＭクライアント１０２はオブ
ジェクト・マネージャー２０８のモジュール２１４を介
して規則誘導用の分析アルゴリズムを呼び出すことがで
き、「メジャー」機能の「導出メジャーの定義」タスク
を実行し、それによって、ユーザによるメジャーの定義
の提供（公式形態）の代わりに、予測モデルを作成す
る。モジュール２１４は、ＴｅｒａＭｉｎｅｒ（米国商
標）プロダクトに対するアプリケーション・プログラミ
ング・インターフェース（ＡＰＩ）にアクセス或はそれ
を呼び出して、規則誘導用の分析アルゴリズムを呼び出
す。規則誘導用のこの分析アルゴリズムは、引用するこ
とでここに合体させる、代理人整理番号８２２１の、
「SQL-Based Analytic Algorithm for Rule Inductio
n」と題されたTodd M. Bryeの、本願と同時係属中であ
ると共に同一譲受人に譲渡された米国特許出願第０９／
４１０，５３０号（１９９９年１０月１日出願）に更に
記載されている。

【００４８】ＴｅｒａＭｉｎｅｒ（米国商標）プロダク
トによって提供される規則誘導用分析アルゴリズムは、
セグメント及びそれに提示された関連された属性に基づ
く予測モデルを構築し、そのモデルを新メジャーとして
戻す。メジャー（即ちモデル）は、次いで、（「セグメ
ント」機能の「セグメント」タスク用に「メジャー適
用」を用いて）符合する属性定義を伴う他のセグメント
に対して試験目的及び後の展開目的で使用され得る。

【００４９】予測モデルの作成は、以下に更に記載され
る図４のワークフローに図示されており、それはカスタ
マ維持キャンペーンで使用され得る（即ち、漸減の高い
尤度を有するカスタマ（顧客）を識別することになる予
測モデルを構築するための）アプリケーション・テンプ
レート２０６を表している。このワークフローは標準デ
ータ・マイニング・プロセスの簡略化された部分集合で
あり、モデリング相及び評価相の双方と、データ準備相
の幾つかの局面とを取り込んでいる。初期ビジネス理解
相及びデータ理解相はこのワークフローに先行して生じ
ていると仮定され、そして、最終展開相はこのワークフ
ローに引き続いて（メジャーをセグメントに適用するこ
とによって）生ずることになる。

【００５０】以下に図示されるワークフローから最善の
結果をもたらすために、熟達したユーザにとって必要と
されることは、当面の問題の部類に対する予測モデルを
予め構築し、こうした再使用可能なアプリケーション・
テンプレート２０６の形態でのこの訓練から得られるキ
ーとなる知識を記録し、より未熟なユーザがこの知識か
ら利益を得ることができるように為すことである。

【００５１】アプリケーション・テンプレート２０６は
以下のような知識を記録する。 ・どのようなタイプのカスタマ（或は外部カスタマ）が
モデル構築で使用するか、 ・どの属性及びメジャーが目標とする振る舞いの可能性
ある予測子であるか（導出メジャーの形態で再作成され
た任意の導出変数を含む）、 ・入力データを訓練集合と試験集合とにどのように分離
するか、 ・そのモデルをどのように評価するか（即ち、その精度
及び有効性を決定する）。

【００５２】この知識は、アプリケーション・テンプレ
ート２０６を当面のビジネス問題における特定の背景に
適合させるユーザにとって、出発点として使用される。
これには、初期デフォルト値の変更に加えて（例えば、
モデル精度要件）、入力集合として異なるタイプのカス
タマ・セグメントの選択、異なる集合の入力変数（属性
及びメジャー）の選択、新導出変数（導出メジャー）の
構築、入力集合を３つ以上の部分集合に分離（例えば、
持続有効集合の提供）、並びに、ワークフロー・ステッ
プの追加若しくは削除、を含むことになる。

【００５３】例証アプリケーション・テンプレート 次に例証アプリケーション・テンプレート２０６を記載
する。移動電話会社がカリフォルニア州において、同州
での増大する競合他社のために、カスタマを失っている
と仮定する。維持キャンペーンの準備において、ユーザ
は何れのカスタマがその会社のサービスを終了する可能
性が最も高いかを予測することになる漸減傾向モデルを
開発する。同ユーザは、同様業界での同一部類の問題に
対処する先行ユーザによって得られた知識を要約してい
る事前構築済みのアプリケーション・テンプレート２０
６を適合することによってこれを成し遂げる。よって、
顧客のタイプとそれらについて利用可能なデータとは同
様と仮定されている。

【００５４】アプリケーション・テンプレート２０６に
よって採用されるアプローチは、最近サービスを終了し
た５０％のカスタマと５０％のローヤル・カスタマ（誠
実なカスタマ）とを含むセグメントを作成し、そして、
このデータを用いて、前記２つのタイプのカスタマを区
別する特性を識別すべくモデルを構築してそのモデルを
試験する。入力セグメントを訓練セグメント及び試験セ
グメントに分離する前に、属性値の集合を検索するプロ
ファイル機能と、メジャーから成る集合を生成するセグ
メント・タスクに対するメジャー適用とを用いて、適切
な入力変数の集合が各記録に対して生成され、ユーザが
これらを部分集合に為し、且つ、入力として幾つかの新
しいメジャーを随意に導き出すことができる。モデルは
訓練セグメントを用いて構築され、その精度は試験セグ
メントを用いて試験される。もし精度が目標とする閾値
（例えば、８５％）を下回れば、アプリケーション・テ
ンプレート２０６は変数選択機能を繰り返して、ユーザ
がモデルを改善すべく変形を作ることを可能としてい
る。

【００５５】図４で参照されるように、例証アプリケー
ション・テンプレート２０６が示され、該アプリケーシ
ョン・テンプレート２０６はアイコンを用いて複数のス
テップから成るシーケンスを有するワークフローを含
む。シーケンス及びデータは様々なアイコンをリンクし
ている矢印から成るフローに沿って移動する。アプリケ
ーション・テンプレート２０６のロジックは図５と関連
して記載されている：

【００５６】アイコン４００は、「喪失カリフォルニア
・カスタマ」と呼称されるセグメントに対する「セグメ
ント獲得」タスクを表している（ブロック５００）。

【００５７】アイコン４０２は、Ｎのランダム・サンプ
ルを用いて「リッチ・カリフォルニア・カスタマ」と呼
称されるセグメントに対する「セグメント獲得」タスク
を表し、ここでｎは「喪失カリフォルニア・カスタマ」
のセグメントのサイズである（ブロック５００）。この
「リッチ・カリフォルニア・カスタマ」のセグメント
は、例えば３年の特定閾値を上回る長寿のサービスを受
けているカスタマから成る。

【００５８】アイコン４０４はセグメントの併合を表
し、「セグメント・ソース」ＩＤが各記録と共に記憶さ
れ、そのＩＤが「喪失カリフォルニア・カスタマ」に対
する「１」と、「リッチ・カリフォルニア・カスタマ」
に対する「２」とを含む（ブロック５０２）。

【００５９】アイコン４０６は、結果としてのセグメン
トに対して遂行された「セグメントのプロファイル」タ
スクを表している（ブロック５０４）。そのタスクを走
らす前に、アプリケーション・テンプレート２０６はプ
ロファイルに戻されるべき属性のリストを随意に部分集
合に細分させ、モデルを構築するための入力変数として
追って使用させるようにユーザを促す（初期デフォルト
は「全て」であるが、これはユーザによって変更され得
る）。その後、併合されたセグメントのプロファイリン
グは人口学的な心因性振る舞い及び好みの属性から成る
集合を戻す。

【００６０】アイコン４０８は、セグメントに対して遂
行される「セグメントへのメジャー適用」タスクを表し
ている（ブロック５０６）。アプリケーション・テンプ
レート２０６は、先ず、セグメントに適用させるべくメ
ジャーから成る集合を随意に部分集合に細分させるか或
は変更させるようにユーザを促し、その後、そのアプリ
ケーション・テンプレート２０６は併合されたセグメン
トに対するメジャーを計算する（予め選択された属性と
共に、モデルを構築するための入力変数として追って使
用される）。

【００６１】アイコン４１０は、セグメントに対して遂
行された「導出メジャーの定義」タスクを表している
（ブロック５０８）。アプリケーション・テンプレート
２０６は、メジャー及び属性から成る現行集合の内の任
意のものから任意の導出メジャーを定義させるようにユ
ーザを促す。これはアプリケーション・テンプレートの
ユーザにモデル構築で使用されるべき任意の追加入力変
数を識別させる機会を提供する。

【００６２】アイコン４１２はセグメントの分割を表し
ている（ブロック５１０）。アプリケーション・テンプ
レート２０６は、セグメントに対する分割値を指定する
ようにユーザを促し、デフォルトは５０：５０分割であ
る。次いでアプリケーション・テンプレート２０６は、
その指定された値を用いて、試験セグメント４１４及び
訓練セグメント４１６へのセグメントのランダム分割を
作成する。

【００６３】アイコン４１８は、訓練セグメント４１６
に対して遂行される「導出メジャーの定義」タスクを表
している（ブロック５１２）。このタスクは、メジャー
に対する決定ツリー・モデルを構築することによって、
「漸減傾向」として知られる新しいメジャーを構成す
る。アプリケーション・テンプレート２０６は、訓練セ
グメント４１６を用いてオブジェクト・マネージャー２
０８のモジュール２１４を介して、モデル構築アルゴリ
ズム（例えば、規則誘導用の分析アルゴリズム）を呼び
出すことによって、その決定ツリー・モデルを構築す
る。明確には、モジュール２１４はＴｅｒａＭｉｎｅｒ
（米国商標）プロダクトに対するアプリケーション・プ
ログラミング・インターフェース（ＡＰＩ）にアクセス
するか或はそれを呼び出し、そして、規則誘導用の分析
アルゴリズムは、引用することでここに合体させる、代
理人整理番号８２２１の、「SQL-Based Analytic Algor
ithm for Rule Induction」と題されたTodd M. Brye
の、本願と同時係属中であると共に同一譲受人に譲渡さ
れた米国特許出願第０９／４１０，５３０号（１９９９
年１０月１日出願）に更に記載されている。

【００６４】ＴｅｒａＭｉｎｅｒ（米国商標）プロダク
トにおける規則誘導用の分析アルゴリズムはＲＤＢＭＳ
１０６を用いて、データベース１０８内のカウント及び
順序データを検索してから、情報を抽出して規則誘導ツ
リーにおける規則或は分割を決定する。この規則誘導ツ
リーは、漸減に対する尤度を予測する予測モデル（ＳＱ
Ｌにおける公式）を含む。アルゴリズムに対する目標と
する変数（即ち、予測されるべき特性）は「セグメント
・ソース」として識別され、他の全ての現行セグメント
属性及びメジャーは入力変数である。構築されるモデル
は、こうして、入力変数を用いて、セグメント・ソース
を予測する（即ち、「喪失カリフォルニア・カスタマ」
或は「リッチ・カリフォルニア・カスタマ」の何れ
か）。

【００６５】アイコン４２０は試験セグメント４１４に
対して遂行される「セグメント獲得」タスクを表してい
る（ブロック５１４）。

【００６６】アイコン４２２は、試験セグメント４１４
に対して遂行される「セグメントへのメジャー適用」タ
スクを表している（ブロック５１６）。アプリケーショ
ン・テンプレート２０６はその試験セグメント４１４に
対する新しく構築された規則誘導ツリーを実行して、そ
こにおける各記録に対するメジャー「漸減傾向」を計算
する（「漸減傾向」はモデルの出力に対して付与された
名前であり、それは「１」のセグメント・ソースを有す
る尤度の可能性スコアである）。

【００６７】アイコン４２４は試験セグメント４１４に
対して遂行される「導出メジャーの定義」タスクを表し
ている（ブロック５１８）。このタスクは、試験セグメ
ント４１４のパーセンテージとして正確に予測された試
験ケースのパーセンテージを定義することによって、
「漸減精度」として知られる新しいメジャーを構築し、
「漸減傾向」（即ち、パーセンテージ・スコア形態の漸
減の予測尤度）は、「１」或は「２」へ戻るように変換
される際、「セグメント・ソース」と同等である。留意
することは、５０％を上回る「漸減傾向」スコアを
「１」で置き換え、５０％を下回るスコアを「２」で置
き換えることによって変換は生ずることである。また思
い起こすことは、「１」＝「喪失カリフォルニア・カス
タマ」と、「２」＝「リッチ・カリフォルニア・カスタ
マ」であることである。

【００６８】アイコン４２６は試験セグメント４１４に
対して遂行される「セグメントへのメジャー適用」を表
している（ブロック５２０）。アプリケーション・テン
プレート２０６はメジャー「漸減精度」を試験セグメン
ト４１４に対して適用して、その結果を分析する。この
メジャーは正確に予測された試験ケースのパーセンテー
ジを計算する。

【００６９】アイコン４２８は遂行されるべき「条件付
き」機能を表している（ブロック５２２）。この「条件
付き」機能は、デフォルトが８５％であるメジャー「漸
減精度」に関連されたパーセンテージ値に対してユーザ
を促す。もし条件付きが偽であれば、即ちメジャー「漸
減精度」が指定値を下回れば、アイコン４０６への分岐
戻りが生じ、さもなければ、その条件付きが真であれ
ば、即ちメジャー「漸減精度」が指定値を上回れば、シ
ーケンスはアイコン４３０へ進む。

【００７０】アイコン４３０で、メジャー「漸減傾向」
（予測モデル）はこれで保存可能となって（ブロック５
２４）、引き続き、同一の有効な入力変数（属性及びメ
ジャー）をカスタマの任意のセグメントに対して適用或
は展開され得て、そのセグメントにおける各カスタマの
漸減尤度を予測する。

【００７１】１つの代替実施例において、任意のタイプ
のコンピュータが使用され得て本発明を具現化する。加
えて、任意のデータベース管理システム、決定支援シス
テム、オンライン分析処理システム、或は、同様の機能
を遂行する他のコンピュータ・プログラムが本発明と伴
に使用され得る。

【００７２】要約すると、本発明は予測モデルを動的に
構築するカスタマ関係管理（ＣＲＭ）システムを開示す
るものである。このシステムは、データ・マイニングの
技術に不慣れなビジネス・ユーザによって使用される。
データ・マイニング・サブシステムにおけるモデル構築
機構が、適切な入力属性及び予測されるべき出力属性を
伴った記録から成る訓練セグメントと共に提示され、そ
のモデル構築機構は、引き続き、他の同様なセグメント
に対して予測を為すべく適用され得るビジネス・メジャ
ーの形態のモデルを構築する。

【図面の簡単な説明】

【図１】 本発明と共に使用され得る模範的なハードウ
ェア及びソフトウェア環境を図示する。

【図２】 本発明の好適実施例に係るカスタマ関係管理
（ＣＲＭ）サーバに対する模範的なアーキテクチャを図
示する。

【図３】 本発明の好適実施例に係るカスタマ関係管理
（ＣＲＭ）クライアントに対する模範的なグラフィカル
・ユーザ・インターフェース（ＧＵＩ）を図示する。

【図４】 本発明の好適実施例に係る予測モデルを構築
すべく使用されるアプリケーション・テンプレートを図
示する。

【図５】 本発明の好適実施例に係る予測モデルを構築
すべく使用されるロジックを図示するフローチャートで
ある。

【符号の説明】

１００ （コンピュータによる）カスタマ関係管理
（ＣＲＭ）システム １０２ カスタマ関係管理クライアント １０４ カスタマ関係管理サーバ １０６ リレーショナル・データベース管理システム ２００ セグメント・マネージャー ２０２ メジャー・マネージャー ２０４ 機能 ２０６ アプリケーション・テンプレート ２０８ オブジェクト・マネージャー ３００ グラフィカル・ユーザ・インターフェース
（ＧＵＩ） ３０２，３０４ ＧＵＩ枠 ３０６ メニューバー ３０８ ツールバー

───────────────────────────────────────────────────── フロントページの続き (72)発明者 ケネス ダブリュー オフラハティ アメリカ合衆国 92130 カリフォルニア 州 サン ディエゴ トレイ ビュー コ ート 3765 Ｆターム(参考） 5B075 NS10 QT06 UU40

Claims (30)

【特許請求の範囲】
1. 【請求項１】 インタラクティブビジネスの分析環境下
   における予測モデルのコンピュータを利用した動的な分
   析構築方法であって、 （ａ）導出メジャーに対する定義を生成し、 （ｂ）前記生成定義に基づき、データ・マイニング・シ
   ステム内に、前記導出メジャーに対する出力を生成する
   予測モデルを構築するモデル構築機構を呼び出すことを
   特徴とする方法。
2. 【請求項２】 前記予測モデルを実行することによっ
   て、セグメントに対して前記導出メジャーを適用し、前
   記予測モデルから前記セグメントに対する出力を生成す
   ることを更に含む、請求項１に記載の方法。
3. 【請求項３】 前記導出メジャーがアプリケーション・
   テンプレート内に定義され、前記アプリケーション・テ
   ンプレートがワークフロー内で一体的にリンクされた複
   数の要素から成るシーケンスを含み、前記要素がセグメ
   ント、フィルタ、メジャー、並びに、機能を含むグルー
   プから選択される、請求項１又は２に記載の方法。
4. 【請求項４】 前記アプリケーション・テンプレートが
   可視的なプログラミング環境内で構成される、請求項３
   に記載の方法。
5. 【請求項５】 前記アプリケーション・テンプレートが
   ユーザによって再使用及び／或は変更が為され得る、請
   求項３又は４に記載の方法。
6. 【請求項６】 セグメントが１つ或はそれ以上の属性に
   ついて組織化されたデータベースからのデータ要素から
   成るグループ分けである、請求項３に記載の方法。
7. 【請求項７】 フィルタがセグメントに適用される１つ
   或はそれ以上の属性制約を定義する、請求項３に記載の
   方法。
8. 【請求項８】 プロファイルがセグメントの属性のラベ
   ル付けされた収集である、請求項３に記載の方法。
9. 【請求項９】 メジャーがセグメントに適用される表現
   である、請求項３に記載の方法。
10. 【請求項１０】 前記ビジネス分析環境がオブジェクト
    ・モデルを含み、前記セグメント、属性、フィルタ、並
    びに、メジャーがオブジェクトを含む、請求項３乃至９
    の何れか一項に記載の方法。
11. 【請求項１１】 前記オブジェクトに対する操作がＳＱ
    Ｌステートメントに翻訳され、それがリレーショナル・
    データベースにおける対応するテーブル及び列にアクセ
    スする、請求項１０に記載の方法。
12. 【請求項１２】 前記予測モデルが１つ或はそれ以上の
    ＳＱＬステートメントを含み、それがリレーショナル・
    データベースにおける対応するテーブル及び列にアクセ
    スする、請求項１乃至１１の何れか一項に記載の方法。
13. 【請求項１３】 前記予測モデルがデータベース管理シ
    ステムによって実行される１つ或はそれ以上のステート
    メントを含む、請求項１乃至１１の何れか一項に記載の
    方法。
14. 【請求項１４】 前記ステートメントが前記データベー
    ス管理システムに記憶されたデータにアクセスする、請
    求項１３に記載の方法。
15. 【請求項１５】 前記モデル構築機構が、前記データベ
    ース管理システムに記憶されたデータに対して遂行され
    る規則誘導用の分析アルゴリズムを含み、前記予測モデ
    ルを作成する、請求項１乃至１４の何れか一項に記載の
    方法。
16. 【請求項１６】 インタラクティブビジネスの分析環境
    下における予測モデルのコンピュータを利用した動的な
    分析システムであって、 （ａ）導出メジャーに対する定義を生成する手段と、 （ｂ）前記生成定義に基づき、データ・マイニング・シ
    ステム内に、前記導出メジャーに対する出力を生成する
    予測モデルを構築するモデル構築機構を呼び出す手段と
    を備えることを特徴とするシステム。
17. 【請求項１７】 前記予測モデルを実行することによっ
    て、セグメントに対して前記導出メジャーを適用し、前
    記予測モデルから前記セグメントに対する出力を生成す
    る手段を更に含む、請求項１６に記載のシステム。
18. 【請求項１８】 前記導出メジャーがアプリケーション
    ・テンプレート内に定義され、前記アプリケーション・
    テンプレートがワークフロー内で一体的にリンクされた
    複数の要素から成るシーケンスを含み、前記要素がセグ
    メント、フィルタ、メジャー、並びに、機能を含むグル
    ープから選択される、請求項１６に記載のシステム。
19. 【請求項１９】 前記アプリケーション・テンプレート
    が可視的なプログラミング環境内で構成される、請求項
    １８に記載のシステム。
20. 【請求項２０】 前記アプリケーション・テンプレート
    がユーザによって再使用及び／或は変更が為され得る、
    請求項１９に記載のシステム。
21. 【請求項２１】 セグメントが１つ或はそれ以上の属性
    について組織化されたデータベースからのデータ要素か
    ら成るグループ分けである、請求項１８に記載のシステ
    ム。
22. 【請求項２２】 フィルタがセグメントに適用される１
    つ或はそれ以上の属性制約を定義する、請求項１８に記
    載のシステム。
23. 【請求項２３】 プロファイルがセグメントの属性のラ
    ベル付けされた収集である、請求項１８に記載のシステ
    ム。
24. 【請求項２４】 メジャーがセグメントに適用される表
    現である、請求項１８に記載のシステム。
25. 【請求項２５】 前記ビジネス分析環境がオブジェクト
    ・モデルを含み、前記セグメント、属性、フィルタ、並
    びに、メジャーがオブジェクトを含む、請求項１８乃至
    ２４の何れか一項に記載のシステム。
26. 【請求項２６】 前記オブジェクトに対する操作がＳＱ
    Ｌステートメントに翻訳され、それがリレーショナル・
    データベースにおける対応するテーブル及び列にアクセ
    スする、請求項２５に記載のシステム。
27. 【請求項２７】 前記予測モデルが１つ或はそれ以上の
    ＳＱＬステートメントを含み、それがリレーショナル・
    データベースにおける対応するテーブル及び列にアクセ
    スする、請求項１６乃至２６の何れか一項に記載のシス
    テム。
28. 【請求項２８】 前記予測モデルがデータベース管理シ
    ステムによって実行される１つ或はそれ以上のステート
    メントを含む、請求項１６乃至２６の何れか一項に記載
    のシステム。
29. 【請求項２９】 前記ステートメントが前記データベー
    ス管理システムに記憶されたデータにアクセスする、請
    求項２８に記載のシステム。
30. 【請求項３０】 前記モデル構築機構が、前記データベ
    ース管理システムに記憶されたデータに対して遂行され
    る規則誘導用の分析アルゴリズムを含み、前記予測モデ
    ルを作成する、請求項１６乃至２９の何れか一項に記載
    のシステム。