JP2004021810A - 統計推論装置を用いたレコメンデーションシステム - Google Patents
統計推論装置を用いたレコメンデーションシステム Download PDFInfo
- Publication number
- JP2004021810A JP2004021810A JP2002178523A JP2002178523A JP2004021810A JP 2004021810 A JP2004021810 A JP 2004021810A JP 2002178523 A JP2002178523 A JP 2002178523A JP 2002178523 A JP2002178523 A JP 2002178523A JP 2004021810 A JP2004021810 A JP 2004021810A
- Authority
- JP
- Japan
- Prior art keywords
- customer
- data
- statistical inference
- information
- 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.)
- Pending
Links
Images
Abstract
【解決手段】ウェブアクセス解析装置10と、メールクリック解析装置20と、これらから得られる多数の嗜好情報を蓄積して統計的に嗜好傾向を推論する統計推論装置30とを有する。各顧客ごとの嗜好傾向を統計推論装置30で推論した嗜好データをウェブアクセス解析装置10、メールクリック解析装置20にフィードバックする。各顧客の嗜好に適したコンテンツをインターネットショッピングサイトや広告メールにて配信する。
【効果】統計推論装置を使用して顧客の嗜好傾向を推論する。この嗜好傾向を広告メールやショッピングサイトに利用することで、顧客の趣味、嗜好を正確に反映させたマーケティングを実施することができる。
【選択図】 図1
【効果】統計推論装置を使用して顧客の嗜好傾向を推論する。この嗜好傾向を広告メールやショッピングサイトに利用することで、顧客の趣味、嗜好を正確に反映させたマーケティングを実施することができる。
【選択図】 図1
Description
【0001】
【発明の属する技術分野】
本発明は、広告メールやショッピングサイトから収集した顧客のアクセスデータ等から嗜好傾向を推論し、この嗜好データを広告メールやショッピングサイトのコンテンツ情報に利用することができる統計推論装置を用いたレコメンデーションシステムに関する。
【0002】
【従来の技術】
従来、レコメンデーション(推薦)用のシステムとして、ルールベース型レコメンデーションシステムと協調ベース型レコメンデーションシステムとがある。
【0003】
ルールベース型レコメンデーションは、会員登録などを行う際に得られた個人情報や商品カテゴリの分類などを基に、推薦するためのルールを設定して情報や商品を推薦するシステムである。
【0004】
協調ベース型レコメンデーションは、同じような興味や嗜好を持つ人をグループ化し、そのグループ内の人は同じような行動特性を持つとの仮説に基づいて、情報や商品を推薦するシステムである。
【0005】
一方、この種のレコメンデーションシステムをウェブページに用いたレコメンデーションシステムが特開2002−163508号に記載されている。このシステムは、利用者が閲覧したコンテンツに、あらかじめ属性項目ごとに点数化した評価ポイントを設け、この評価ポイントに基づいてユーザー情報を蓄積するシステムである。
【0006】
【発明が解決しようとする課題】
ところが、これら従来のレコメンデーションシステムは、いずれも初期設定のデータ収集や、商品との関連付け作業に膨大な労力を要するものであった。
【0007】
すなわち、ルールベース型レコメンデーションは、細かい推薦ルール設定により、利用者の特性に合わせた推薦が可能になる。ところが、利用者の趣味や嗜好の変化への対応が難しく、ルールの初期設定、変更などに多くの労力が必要になる。
【0008】
一方、協調ベース型レコメンデーションは、推薦の精度を高めるために、極めて多くの人のサンプリングを集め、同じような興味や嗜好を持つ人をグループ化する必要がある。
【0009】
また、ウェッブページに用いたレコメンデーションシステムでは、あらかじめコンテンツデータに「テイスト」と称する複数の属性データを関連付けてあり、この「テイスト」を評価指数として用いたものである。そのため、コンテンツデータに「テイスト」を関連付ける作業自体が極めて重要な作業になっており、前述したたのシステムと同様に初期設定が煩雑になり、しかも、関連付けが適性でなければ意味のないレコメンデーションになってしまうおそれがある。
【0010】
そこで、本発明は上述の課題を解消すべく創出されたもので、初期設定のデータ収集や、商品との関連付け作業に膨大な労力を要する必要がなくなり、しかも精度の高い推論に基づき、顧客の趣味、嗜好を正確に反映させた有効なコンテンツを配信することができる統計推論装置を用いたレコメンデーションシステムの提供を目的とするものである。
【0011】
【課題を解決するための手段】
上述の目的を達成すべく本発明システムは、インターネットショッピングサイトで配信されるコンテンツから顧客がアクセスしたデータを保存し顧客の嗜好情報を解析するウェブアクセス解析装置10と、電子メールで配信された広告メールから顧客がクリックしたデータを保存し顧客の嗜好情報を解析するメールクリック解析装置20とのいずれか又は両方と、これらウェブアクセス解析装置10及び、又はメールクリック解析装置20から得られる多数の嗜好情報を蓄積して統計的に嗜好傾向を推論する統計推論装置30とを有し、各顧客ごとの嗜好傾向を統計推論装置30で推論した嗜好データを前記ウェブアクセス解析装置10及び、又はメールクリック解析装置20にフィードバックして、各顧客の嗜好に適したコンテンツをインターネットショッピングサイト及び、又は広告メールにて配信することにある。
【0012】
ウェブアクセス解析装置10において、嗜好情報は、キーワード又はキャッチコピーの言語データの各データを情報因子とするものである。
【0013】
メールクリック解析装置20において、嗜好情報は、メールタイトル又は本文に含まれている文又は語から成る言語データを情報因子とする。
【0014】
統計推論装置30は、購買数の履歴を示す人気属性データを出力する人気属性出力機能と、売れた商品の分類属性を示す商品関連性データを出力する商品関連性出力機能と、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データを出力する顧客別人気属性出力機能と、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データを出力する顧客関連性出力機能とを有することを課題解消のための手段とする。
【0015】
本発明によると、顧客Pが興味本位にアクセスした情報を、統計推論装置30によって統計的に分析し、顧客の嗜好傾向に適したコンテンツ情報としてマーケティングに利用するものである。
【0016】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を詳細に説明する。本発明の基本構成は、ウェブアクセス解析装置10、メールクリック解析装置20、統計推論装置30を利用する(図1参照)。インターネットの利用者、すなわち本発明の顧客Pは、ブラウザー1を使用してインターネットショッピングサイトにアクセスした場合、又はメーラー2を用いて電子メールを送受信する際に、本発明システムで配信したコンテンツに接する。そして、このコンテンツに興味を惹かれてアクセスし、あるいはクリックした行動の嗜好情報が統計推論装置30に蓄積される。更に、嗜好情報を新しい嗜好データとしてコンテンツに反映させた後に、再びショッピングサイトや顧客Pのメールアドレス宛に配信するものである(図3参照)。
【0017】
ウェブアクセス解析装置10は、インターネットショッピングサイトで配信されるコンテンツから顧客がアクセスしたデータを保存し顧客の嗜好情報を解析する装置である(図2参照)。このウェブアクセス解析装置10は、キーワードやキャッチコピー等の言語データを嗜好情報の情報因子としている。
【0018】
図示例のウェブアクセス解析装置10は、ショッピングプログラム11とデータベース12とを配している。ショッピングプログラム11は、嗜好情報を統計推論装置30に送り、統計推論装置30で推論された嗜好データを受けてコンテンツ情報を構築するプログラムである。このとき、ウェブアクセス解析装置10から統計推論装置30に対して、購買数の履歴を示す人気属性データ、売れた商品の分類属性を示す商品関連性データ、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データ、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データなどを要求する。
【0019】
一方、ウェブアクセス解析装置10のデータベース12は、インターネットショッピングサイトにアクセスしたアクセスデータや顧客データ、購買履歴等が保存される。
【0020】
メールクリック解析装置20は、電子メールで配信された広告メールから顧客がクリックしたデータを保存し顧客の嗜好情報を解析する装置である(図2参照)。このメールクリック解析装置20では、メールタイトル又は本文に含まれている文や語から成る言語データを嗜好情報の情報因子としている。そして、統計推論装置30から得られた嗜好データを基に、メール配信プログラム22が広告メールを選択し、配信する。また、メールクリック解析装置20に配したデータベース21には、配信結果、クリックデータ、開封データなどを保存し、これらのデータを統計推論装置30に送信するものである。
【0021】
統計推論装置30は、これらウェブアクセス解析装置10、メールクリック解析装置20から得られる多数の嗜好情報を蓄積して統計的に嗜好傾向を推論する装置である。このとき、ウェブアクセス解析装置10とメールクリック解析装置20とを夫々各別に利用してもよいが、夫々のデータベースに保存されている個人情報をリンクさせることで、嗜好情報を多角的に蓄積することが可能になり、嗜好傾向をより高い精度で推論することができる(図2参照)。
【0022】
この統計推論装置30では、各顧客ごとの嗜好情報を基にして嗜好傾向を示す嗜好データを推論し、この嗜好データをウェブアクセス解析装置10やメールクリック解析装置20にフィードバックする。そして、これらウェブアクセス解析装置10、メールクリック解析装置20において、統計推論装置30の嗜好データを基にして顧客の嗜好にあったコンテンツ情報を再構築し、再びインターネットショッピングサイトや広告メールを介して顧客に配信するものである(図3参照)。
【0023】
嗜好データは、ウェブアクセス解析装置10の要求によって出力されるもので例えば、購買数の履歴を示す人気属性データ、売れた商品の分類属性を示す商品関連性データ、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データ、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データなどを出力する。そのため、統計推論装置30は、人気属性出力機能、商品関連性出力機能、顧客別人気属性出力機能、顧客関連性出力機能を有している(図2参照)。更に、統計推論装置30に配したデータベース31には、顧客データ、購買履歴、クリック履歴、配信メール本文、タイトル等が保存されている。
【0024】
図4は、ウェブアクセス解析装置10の動作フローを示している。図示のように、統計推論装置30の人気属性出力機能によって出力される人気属性データを基にして、ウェブアクセス解析装置10が選択した商品をショッピングサイトに表示する。この商品に顧客Pが何等かの反応を示した場合、次に人気属性出力データによって顧客Pが嗜好する商品を出力する。また、顧客Pが反応しない場合は、顧客関連性出力データによってその顧客Pに近い顧客Pの嗜好の商品を表示する。そして、顧客Pが特定の商品をクリックし、あるいは購買した場合、商品関連性出力データによって同じ購買性の高い商品を表示するものである。
【0025】
図5は、メールクリック解析装置20の動作フローを示している。メールクリック解析装置20は、始めにメールのタイトルやメール文を作成する。次に、統計推論装置30において、これらのタイトルやメール文の言語データから、キーワードや商品名を抜き出し、当てはまる属性を決定する。さらに、統計推論装置30の顧客別人気属性出力機能からその属性が上位にある顧客Pを出力する。そして、出力された顧客Pにメールを配信し、顧客Pの反応を待つものである。このクリック結果やメールタイトル、メール本文と顧客IDをデータベース21に保存する。
【0026】
図6乃至図8は、ウェブアクセス解析装置10にリンクする統計推論装置30の機能を示している。図6は、商品関連性出力機能を示すフローである。この機能は、ウェブアクセス解析装置10が、ある商品Aと同一購買性の高い商品Bを統計推論装置30に要求し、統計推論装置30が出力するまでを示している。
【0027】
図7は、人気属性出力機能を示している。この機能では、ウェブアクセス解析装置10が要求する人気商品を、統計推論装置30が出力するまでの手順を示している。
【0028】
図8は、顧客別人気属性出力機能を示している。この機能は、ウェブアクセス解析装置10が特定の顧客Pに人気のある商品を要求し、統計推論装置30が出力するものである。
【0029】
図9は、顧客関連性出力機能を示している。この機能は、特定の顧客Pに人気のある商品から、この顧客Pに購買履歴が類似するたの顧客Pを選出し、これら他の顧客Pデータから人気商品を提案する作業になっている。
【0030】
【発明の効果】
本発明は、上述の如く構成したことにより、当初の目的を達成した。
【0031】
すなわち、各顧客ごとの嗜好傾向を統計推論装置30で推論した嗜好データをウェブアクセス解析装置10及び、又はメールクリック解析装置20にフィードバックして、顧客Pの嗜好に適したコンテンツをインターネットショッピングサイト及び、又は広告メールにて配信することにより、顧客の趣味、嗜好を正確に反映させたマーケティングを実施することができる。
【0032】
しかも、統計推論装置30は、ウェブアクセス解析装置10やメールクリック解析装置20を介して得られる嗜好情報を蓄積して分析するので、顧客が興味本位で何気なくアクセスした情報を、顧客の嗜好傾向に適したコンテンツ情報として利用することが可能になり、従来のレコメンデーションシステムのように、サンプル用のデータやグループ化などの初期設定に必要な手間を一切省くことが可能になった。
【0033】
また、コンテンツ情報を配信した後で、再びウェブアクセス解析装置10、メールクリック解析装置20を介して嗜好情報を解析し、新たにコンテンツ情報を推論するので、使用頻度が上がるほど正確な推論が可能になり、極めて効率の良いレコメンデーションを行うことができる。
【0034】
また、ウェブアクセス解析装置10において、嗜好情報は、キーワード又はキャッチコピーの言語データの各データを情報因子とすることにより、特にインターネットショッピングのサイトに有効なコンテンツを配信することが可能になるものである。
【0035】
更に、メールクリック解析装置20において、嗜好情報は、メールタイトル又は本文に含まれている文又は語から成る言語データを情報因子にしているので、顧客の嗜好をきめ細かく分析することが可能になる。しかも、嗜好情報の定義が簡単であり、解析対象がもれない利点もある。この結果、これらの嗜好情報に基づくコンテンツを広告メールとして配信した場合、顧客の興味を刺激することが可能になり、宣伝効果やクリックの頻度を向上させることができる。
【0036】
統計推論装置30は、購買数の履歴を示す人気属性データを出力する人気属性出力機能と、売れた商品の分類属性を示す商品関連性データを出力する商品関連性出力機能と、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データを出力する顧客別人気属性出力機能と、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データを出力する顧客関連性出力機能とを有するので、インターネットショッピングや広告メール等のマーケティングに必要な情報を簡単に取り出すことが可能になった。
【0037】
このように、本発明によると、初期設定のデータ収集や、商品との関連付け作業に膨大な労力を要する必要がなくなり、しかも利用者の趣味、嗜好を正確に反映させたマーケティングを展開することができるなどといった有益な種々の効果を奏するものである。
【図面の簡単な説明】
【図1】本発明システムにおける構成の概略を示すブロック図である。
【図2】本発明システムにおける構成の一実施例を示すブロック図である。
【図3】本発明システムにおける使用状態の概略を示すブロック図である。
【図4】本発明ウェブアクセス解析装置における動作を示すフローチャートである。
【図5】本発明メールクリック解析装置における動作を示すフローチャートである。
【図6】本発明統計推論装置における商品関連性出力機能の出力工程を示すフローチャートである。
【図7】本発明統計推論装置における人気属性出力機能の出力工程を示すフローチャートである。
【図8】本発明統計推論装置における顧客別人気属性出力機能の出力工程を示すフローチャートである。
【図9】本発明統計推論装置における顧客関連性出力機能の出力工程を示すフローチャートである。
【符号の説明】
P 顧客
1 ブラウザー
2 メーラー
10 ウェブアクセス解析装置
11 ショッピングプログラム
12 データベース
20 メールクリック解析装置
21 データベース
22 メール配信プログラム
30 統計推論装置
31 データベース
【発明の属する技術分野】
本発明は、広告メールやショッピングサイトから収集した顧客のアクセスデータ等から嗜好傾向を推論し、この嗜好データを広告メールやショッピングサイトのコンテンツ情報に利用することができる統計推論装置を用いたレコメンデーションシステムに関する。
【0002】
【従来の技術】
従来、レコメンデーション(推薦)用のシステムとして、ルールベース型レコメンデーションシステムと協調ベース型レコメンデーションシステムとがある。
【0003】
ルールベース型レコメンデーションは、会員登録などを行う際に得られた個人情報や商品カテゴリの分類などを基に、推薦するためのルールを設定して情報や商品を推薦するシステムである。
【0004】
協調ベース型レコメンデーションは、同じような興味や嗜好を持つ人をグループ化し、そのグループ内の人は同じような行動特性を持つとの仮説に基づいて、情報や商品を推薦するシステムである。
【0005】
一方、この種のレコメンデーションシステムをウェブページに用いたレコメンデーションシステムが特開2002−163508号に記載されている。このシステムは、利用者が閲覧したコンテンツに、あらかじめ属性項目ごとに点数化した評価ポイントを設け、この評価ポイントに基づいてユーザー情報を蓄積するシステムである。
【0006】
【発明が解決しようとする課題】
ところが、これら従来のレコメンデーションシステムは、いずれも初期設定のデータ収集や、商品との関連付け作業に膨大な労力を要するものであった。
【0007】
すなわち、ルールベース型レコメンデーションは、細かい推薦ルール設定により、利用者の特性に合わせた推薦が可能になる。ところが、利用者の趣味や嗜好の変化への対応が難しく、ルールの初期設定、変更などに多くの労力が必要になる。
【0008】
一方、協調ベース型レコメンデーションは、推薦の精度を高めるために、極めて多くの人のサンプリングを集め、同じような興味や嗜好を持つ人をグループ化する必要がある。
【0009】
また、ウェッブページに用いたレコメンデーションシステムでは、あらかじめコンテンツデータに「テイスト」と称する複数の属性データを関連付けてあり、この「テイスト」を評価指数として用いたものである。そのため、コンテンツデータに「テイスト」を関連付ける作業自体が極めて重要な作業になっており、前述したたのシステムと同様に初期設定が煩雑になり、しかも、関連付けが適性でなければ意味のないレコメンデーションになってしまうおそれがある。
【0010】
そこで、本発明は上述の課題を解消すべく創出されたもので、初期設定のデータ収集や、商品との関連付け作業に膨大な労力を要する必要がなくなり、しかも精度の高い推論に基づき、顧客の趣味、嗜好を正確に反映させた有効なコンテンツを配信することができる統計推論装置を用いたレコメンデーションシステムの提供を目的とするものである。
【0011】
【課題を解決するための手段】
上述の目的を達成すべく本発明システムは、インターネットショッピングサイトで配信されるコンテンツから顧客がアクセスしたデータを保存し顧客の嗜好情報を解析するウェブアクセス解析装置10と、電子メールで配信された広告メールから顧客がクリックしたデータを保存し顧客の嗜好情報を解析するメールクリック解析装置20とのいずれか又は両方と、これらウェブアクセス解析装置10及び、又はメールクリック解析装置20から得られる多数の嗜好情報を蓄積して統計的に嗜好傾向を推論する統計推論装置30とを有し、各顧客ごとの嗜好傾向を統計推論装置30で推論した嗜好データを前記ウェブアクセス解析装置10及び、又はメールクリック解析装置20にフィードバックして、各顧客の嗜好に適したコンテンツをインターネットショッピングサイト及び、又は広告メールにて配信することにある。
【0012】
ウェブアクセス解析装置10において、嗜好情報は、キーワード又はキャッチコピーの言語データの各データを情報因子とするものである。
【0013】
メールクリック解析装置20において、嗜好情報は、メールタイトル又は本文に含まれている文又は語から成る言語データを情報因子とする。
【0014】
統計推論装置30は、購買数の履歴を示す人気属性データを出力する人気属性出力機能と、売れた商品の分類属性を示す商品関連性データを出力する商品関連性出力機能と、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データを出力する顧客別人気属性出力機能と、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データを出力する顧客関連性出力機能とを有することを課題解消のための手段とする。
【0015】
本発明によると、顧客Pが興味本位にアクセスした情報を、統計推論装置30によって統計的に分析し、顧客の嗜好傾向に適したコンテンツ情報としてマーケティングに利用するものである。
【0016】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を詳細に説明する。本発明の基本構成は、ウェブアクセス解析装置10、メールクリック解析装置20、統計推論装置30を利用する(図1参照)。インターネットの利用者、すなわち本発明の顧客Pは、ブラウザー1を使用してインターネットショッピングサイトにアクセスした場合、又はメーラー2を用いて電子メールを送受信する際に、本発明システムで配信したコンテンツに接する。そして、このコンテンツに興味を惹かれてアクセスし、あるいはクリックした行動の嗜好情報が統計推論装置30に蓄積される。更に、嗜好情報を新しい嗜好データとしてコンテンツに反映させた後に、再びショッピングサイトや顧客Pのメールアドレス宛に配信するものである(図3参照)。
【0017】
ウェブアクセス解析装置10は、インターネットショッピングサイトで配信されるコンテンツから顧客がアクセスしたデータを保存し顧客の嗜好情報を解析する装置である(図2参照)。このウェブアクセス解析装置10は、キーワードやキャッチコピー等の言語データを嗜好情報の情報因子としている。
【0018】
図示例のウェブアクセス解析装置10は、ショッピングプログラム11とデータベース12とを配している。ショッピングプログラム11は、嗜好情報を統計推論装置30に送り、統計推論装置30で推論された嗜好データを受けてコンテンツ情報を構築するプログラムである。このとき、ウェブアクセス解析装置10から統計推論装置30に対して、購買数の履歴を示す人気属性データ、売れた商品の分類属性を示す商品関連性データ、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データ、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データなどを要求する。
【0019】
一方、ウェブアクセス解析装置10のデータベース12は、インターネットショッピングサイトにアクセスしたアクセスデータや顧客データ、購買履歴等が保存される。
【0020】
メールクリック解析装置20は、電子メールで配信された広告メールから顧客がクリックしたデータを保存し顧客の嗜好情報を解析する装置である(図2参照)。このメールクリック解析装置20では、メールタイトル又は本文に含まれている文や語から成る言語データを嗜好情報の情報因子としている。そして、統計推論装置30から得られた嗜好データを基に、メール配信プログラム22が広告メールを選択し、配信する。また、メールクリック解析装置20に配したデータベース21には、配信結果、クリックデータ、開封データなどを保存し、これらのデータを統計推論装置30に送信するものである。
【0021】
統計推論装置30は、これらウェブアクセス解析装置10、メールクリック解析装置20から得られる多数の嗜好情報を蓄積して統計的に嗜好傾向を推論する装置である。このとき、ウェブアクセス解析装置10とメールクリック解析装置20とを夫々各別に利用してもよいが、夫々のデータベースに保存されている個人情報をリンクさせることで、嗜好情報を多角的に蓄積することが可能になり、嗜好傾向をより高い精度で推論することができる(図2参照)。
【0022】
この統計推論装置30では、各顧客ごとの嗜好情報を基にして嗜好傾向を示す嗜好データを推論し、この嗜好データをウェブアクセス解析装置10やメールクリック解析装置20にフィードバックする。そして、これらウェブアクセス解析装置10、メールクリック解析装置20において、統計推論装置30の嗜好データを基にして顧客の嗜好にあったコンテンツ情報を再構築し、再びインターネットショッピングサイトや広告メールを介して顧客に配信するものである(図3参照)。
【0023】
嗜好データは、ウェブアクセス解析装置10の要求によって出力されるもので例えば、購買数の履歴を示す人気属性データ、売れた商品の分類属性を示す商品関連性データ、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データ、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データなどを出力する。そのため、統計推論装置30は、人気属性出力機能、商品関連性出力機能、顧客別人気属性出力機能、顧客関連性出力機能を有している(図2参照)。更に、統計推論装置30に配したデータベース31には、顧客データ、購買履歴、クリック履歴、配信メール本文、タイトル等が保存されている。
【0024】
図4は、ウェブアクセス解析装置10の動作フローを示している。図示のように、統計推論装置30の人気属性出力機能によって出力される人気属性データを基にして、ウェブアクセス解析装置10が選択した商品をショッピングサイトに表示する。この商品に顧客Pが何等かの反応を示した場合、次に人気属性出力データによって顧客Pが嗜好する商品を出力する。また、顧客Pが反応しない場合は、顧客関連性出力データによってその顧客Pに近い顧客Pの嗜好の商品を表示する。そして、顧客Pが特定の商品をクリックし、あるいは購買した場合、商品関連性出力データによって同じ購買性の高い商品を表示するものである。
【0025】
図5は、メールクリック解析装置20の動作フローを示している。メールクリック解析装置20は、始めにメールのタイトルやメール文を作成する。次に、統計推論装置30において、これらのタイトルやメール文の言語データから、キーワードや商品名を抜き出し、当てはまる属性を決定する。さらに、統計推論装置30の顧客別人気属性出力機能からその属性が上位にある顧客Pを出力する。そして、出力された顧客Pにメールを配信し、顧客Pの反応を待つものである。このクリック結果やメールタイトル、メール本文と顧客IDをデータベース21に保存する。
【0026】
図6乃至図8は、ウェブアクセス解析装置10にリンクする統計推論装置30の機能を示している。図6は、商品関連性出力機能を示すフローである。この機能は、ウェブアクセス解析装置10が、ある商品Aと同一購買性の高い商品Bを統計推論装置30に要求し、統計推論装置30が出力するまでを示している。
【0027】
図7は、人気属性出力機能を示している。この機能では、ウェブアクセス解析装置10が要求する人気商品を、統計推論装置30が出力するまでの手順を示している。
【0028】
図8は、顧客別人気属性出力機能を示している。この機能は、ウェブアクセス解析装置10が特定の顧客Pに人気のある商品を要求し、統計推論装置30が出力するものである。
【0029】
図9は、顧客関連性出力機能を示している。この機能は、特定の顧客Pに人気のある商品から、この顧客Pに購買履歴が類似するたの顧客Pを選出し、これら他の顧客Pデータから人気商品を提案する作業になっている。
【0030】
【発明の効果】
本発明は、上述の如く構成したことにより、当初の目的を達成した。
【0031】
すなわち、各顧客ごとの嗜好傾向を統計推論装置30で推論した嗜好データをウェブアクセス解析装置10及び、又はメールクリック解析装置20にフィードバックして、顧客Pの嗜好に適したコンテンツをインターネットショッピングサイト及び、又は広告メールにて配信することにより、顧客の趣味、嗜好を正確に反映させたマーケティングを実施することができる。
【0032】
しかも、統計推論装置30は、ウェブアクセス解析装置10やメールクリック解析装置20を介して得られる嗜好情報を蓄積して分析するので、顧客が興味本位で何気なくアクセスした情報を、顧客の嗜好傾向に適したコンテンツ情報として利用することが可能になり、従来のレコメンデーションシステムのように、サンプル用のデータやグループ化などの初期設定に必要な手間を一切省くことが可能になった。
【0033】
また、コンテンツ情報を配信した後で、再びウェブアクセス解析装置10、メールクリック解析装置20を介して嗜好情報を解析し、新たにコンテンツ情報を推論するので、使用頻度が上がるほど正確な推論が可能になり、極めて効率の良いレコメンデーションを行うことができる。
【0034】
また、ウェブアクセス解析装置10において、嗜好情報は、キーワード又はキャッチコピーの言語データの各データを情報因子とすることにより、特にインターネットショッピングのサイトに有効なコンテンツを配信することが可能になるものである。
【0035】
更に、メールクリック解析装置20において、嗜好情報は、メールタイトル又は本文に含まれている文又は語から成る言語データを情報因子にしているので、顧客の嗜好をきめ細かく分析することが可能になる。しかも、嗜好情報の定義が簡単であり、解析対象がもれない利点もある。この結果、これらの嗜好情報に基づくコンテンツを広告メールとして配信した場合、顧客の興味を刺激することが可能になり、宣伝効果やクリックの頻度を向上させることができる。
【0036】
統計推論装置30は、購買数の履歴を示す人気属性データを出力する人気属性出力機能と、売れた商品の分類属性を示す商品関連性データを出力する商品関連性出力機能と、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データを出力する顧客別人気属性出力機能と、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データを出力する顧客関連性出力機能とを有するので、インターネットショッピングや広告メール等のマーケティングに必要な情報を簡単に取り出すことが可能になった。
【0037】
このように、本発明によると、初期設定のデータ収集や、商品との関連付け作業に膨大な労力を要する必要がなくなり、しかも利用者の趣味、嗜好を正確に反映させたマーケティングを展開することができるなどといった有益な種々の効果を奏するものである。
【図面の簡単な説明】
【図1】本発明システムにおける構成の概略を示すブロック図である。
【図2】本発明システムにおける構成の一実施例を示すブロック図である。
【図3】本発明システムにおける使用状態の概略を示すブロック図である。
【図4】本発明ウェブアクセス解析装置における動作を示すフローチャートである。
【図5】本発明メールクリック解析装置における動作を示すフローチャートである。
【図6】本発明統計推論装置における商品関連性出力機能の出力工程を示すフローチャートである。
【図7】本発明統計推論装置における人気属性出力機能の出力工程を示すフローチャートである。
【図8】本発明統計推論装置における顧客別人気属性出力機能の出力工程を示すフローチャートである。
【図9】本発明統計推論装置における顧客関連性出力機能の出力工程を示すフローチャートである。
【符号の説明】
P 顧客
1 ブラウザー
2 メーラー
10 ウェブアクセス解析装置
11 ショッピングプログラム
12 データベース
20 メールクリック解析装置
21 データベース
22 メール配信プログラム
30 統計推論装置
31 データベース
Claims (4)
- インターネットショッピングサイトで配信されるコンテンツから顧客がアクセスしたデータを保存し顧客の嗜好情報を解析するウェブアクセス解析装置と、電子メールで配信された広告メールから顧客がクリックしたデータを保存し顧客の嗜好情報を解析するメールクリック解析装置とのいずれか又は両方と、これらウェブアクセス解析装置及び、又はメールクリック解析装置から得られる多数の嗜好情報を蓄積して統計的に嗜好傾向を推論する統計推論装置とを有し、各顧客ごとの嗜好傾向を統計推論装置で推論した嗜好データを前記ウェブアクセス解析装置及び、又はメールクリック解析装置にフィードバックして、顧客の嗜好に適したコンテンツをインターネットショッピングサイト及び、又は広告メールにて配信することを特長とする統計推論装置を用いたレコメンデーションシステム。
- 前記ウェブアクセス解析装置において、嗜好情報は、キーワード、キャッチコピーの言語データの各データを情報因子とする請求項1記載の統計推論装置を用いたレコメンデーションシステム。
- 前記メールクリック解析装置において、嗜好情報は、メールタイトル及び本文に含まれている言語データを情報因子とする請求項1記載の統計推論装置を用いたレコメンデーションシステム。
- 前記統計推論装置は、購買数の履歴を示す人気属性データを出力する人気属性出力機能と、売れた商品の分類属性を示す商品関連性データを出力する商品関連性出力機能と、アクセスした顧客の個人情報と購買数の履歴を示す顧客別人気属性データを出力する顧客別人気属性出力機能と、アクセスした顧客の個人情報と商品の分類属性を示す顧客関連性データを出力する顧客関連性出力機能とを有する請求項1記載の統計推論装置を用いたレコメンデーションシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002178523A JP2004021810A (ja) | 2002-06-19 | 2002-06-19 | 統計推論装置を用いたレコメンデーションシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002178523A JP2004021810A (ja) | 2002-06-19 | 2002-06-19 | 統計推論装置を用いたレコメンデーションシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004021810A true JP2004021810A (ja) | 2004-01-22 |
Family
ID=31176223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002178523A Pending JP2004021810A (ja) | 2002-06-19 | 2002-06-19 | 統計推論装置を用いたレコメンデーションシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2004021810A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011056190A2 (en) * | 2009-10-26 | 2011-05-12 | Sony Corporation | System and method for broadcasting advertisements to client devices in an electronic network |
JP5902325B1 (ja) * | 2015-01-07 | 2016-04-13 | 株式会社日立製作所 | 嗜好分析システム、嗜好分析方法 |
JP2017151707A (ja) * | 2016-02-24 | 2017-08-31 | ヤフー株式会社 | 判定装置、判定方法、及び判定プログラム |
-
2002
- 2002-06-19 JP JP2002178523A patent/JP2004021810A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011056190A2 (en) * | 2009-10-26 | 2011-05-12 | Sony Corporation | System and method for broadcasting advertisements to client devices in an electronic network |
WO2011056190A3 (en) * | 2009-10-26 | 2011-07-14 | Sony Corporation | System and method for broadcasting advertisements to client devices in an electronic network |
JP5902325B1 (ja) * | 2015-01-07 | 2016-04-13 | 株式会社日立製作所 | 嗜好分析システム、嗜好分析方法 |
WO2016111032A1 (ja) * | 2015-01-07 | 2016-07-14 | 株式会社日立製作所 | 顧客分析システム |
JP2017151707A (ja) * | 2016-02-24 | 2017-08-31 | ヤフー株式会社 | 判定装置、判定方法、及び判定プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | BizSeeker: a hybrid semantic recommendation system for personalized government‐to‐business e‐services | |
Rowley | Product search in e‐shopping: a review and research propositions | |
CA2540805C (en) | Automatically targeting web-based advertisements | |
AU2004262302B2 (en) | Methods and systems for understanding a meaning of a knowledge item using information associated with the knowledge item | |
US7146416B1 (en) | Web site activity monitoring system with tracking by categories and terms | |
US7756879B2 (en) | System and method for estimating user ratings from user behavior and providing recommendations | |
Wan et al. | The effect of firm marketing content on product sales: Evidence from a mobile social media platform | |
US20070214133A1 (en) | Methods for filtering data and filling in missing data using nonlinear inference | |
EP2838064A1 (en) | Recomendation systems and methods | |
US20140289239A1 (en) | Recommendation tuning using interest correlation | |
US20060155751A1 (en) | System and method for document analysis, processing and information extraction | |
US20070050389A1 (en) | Advertisement placement based on expressions about topics | |
US20090248682A1 (en) | System and method for personalized search | |
WO2011080899A1 (ja) | 情報推薦方法 | |
TW201944266A (zh) | 對話機器人檢索系統、對話機器人檢索方法、及程式 | |
WO2001025947A1 (en) | Method of dynamically recommending web sites and answering user queries based upon affinity groups | |
JP2002108924A (ja) | 情報選択装置とその方法および情報提供装置 | |
Rutz et al. | A new method to aid copy testing of paid search text advertisements | |
Shatnawi et al. | Statistical techniques for online personalized advertising: A survey | |
RU2683482C2 (ru) | Метод отображения релевантной контекстно-зависимой информации | |
KR20090001892A (ko) | 광고 제공 시스템 및 방법 | |
Kuo et al. | Personalization technology application to Internet content provider | |
TWI611362B (zh) | 個人化網路行銷推薦方法 | |
US20060053051A1 (en) | Genergraphic websites | |
JP2004021810A (ja) | 統計推論装置を用いたレコメンデーションシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070710 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20071106 |