JP2006085558A - 商品属性マップ表示装置と表示方法とそのためのプログラム - Google Patents
商品属性マップ表示装置と表示方法とそのためのプログラム Download PDFInfo
- Publication number
- JP2006085558A JP2006085558A JP2004271405A JP2004271405A JP2006085558A JP 2006085558 A JP2006085558 A JP 2006085558A JP 2004271405 A JP2004271405 A JP 2004271405A JP 2004271405 A JP2004271405 A JP 2004271405A JP 2006085558 A JP2006085558 A JP 2006085558A
- Authority
- JP
- Japan
- Prior art keywords
- attribute
- product
- map
- file
- content 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】 偏りの少ない標本から得たデータに基づいて、低コストに、しかも迅速に、データの信頼度を反映して精度の高い商品属性マップを作成して表示することで、商品について消費者の各属性に対する正確な注目度を、視覚的に把握容易とする。
【解決手段】 アクセスログファイル82が記憶している属性の内容情報ページでの滞在時間の、標準時間ファイル84が記憶している標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する。商品属性マップ作成部68は、アクセスログファイル82が記憶しているアクセス順と、適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する。商品属性マップは、マップ提供サイト表示処理部70により、クライアント端末22等で表示される。
【選択図】 図1
【解決手段】 アクセスログファイル82が記憶している属性の内容情報ページでの滞在時間の、標準時間ファイル84が記憶している標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する。商品属性マップ作成部68は、アクセスログファイル82が記憶しているアクセス順と、適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する。商品属性マップは、マップ提供サイト表示処理部70により、クライアント端末22等で表示される。
【選択図】 図1
Description
本発明は、商品の各属性に対する消費者の注目度を表す商品属性マップを作成して表示する技術に関する。特に、利用するデータの信頼度を反映して精度の良い商品属性マップを作成し、表示する技術に関する。
本明細書中で使用する主要な用語等について説明をする。
商品の「属性」とは、商品のサイズ、機能、性能、価格等の、製品の特性を表す項目をいう。例えば商品が自動車であれば、サイズ、排気量、燃費、メーカ、価格等の項目をいう。商品が飲料であれば、種類、原材料、内容量等の項目をいう。
商品の「属性」とは、商品のサイズ、機能、性能、価格等の、製品の特性を表す項目をいう。例えば商品が自動車であれば、サイズ、排気量、燃費、メーカ、価格等の項目をいう。商品が飲料であれば、種類、原材料、内容量等の項目をいう。
市場に投入されている既存商品について、消費者がどの属性に注目し、どの属性に注目していないかを知りたいという要望が存在する。消費者の属性に対する注目度が明らかになれば、商品の販売施策計画を立案する場合においては、どの属性に重点をおいてセールスを行えばいいのかの販売戦略が立て易くなる。また、宣伝広告計画を立案する場合においては、どの属性をアピールすればよいのかがわかる。あるいは、その既存商品と類似する新規商品を企画する場合においては、どの属性に注目して企画すればよいのかがわかる。このように、既存商品について消費者の属性の注目度を明らかにすることは、企業にとって非常に重要である。
例えば、非特許文献1に記載されている多次元尺度法を利用すれば、ある商品について、消費者がどの属性に注目する度合いが高く、どの属性に注目する度合いが低いかを明らかにすることができる。一般的な多次元尺度法では、対象間の類似度データに基づいて、次元数及び空間構造が特定された多次元マップに座標配置する。配置された位置間の距離が近いほど対象間の類似度が高く、位置間の距離が遠いほど対象間の類似度が低い、といった関係に最も良く一致するように配置が行われる。一般的な多次元尺度法では、消費者から見た対象の類似度を的確に表すマップを作成することができる。この技術を利用して、マップ上で商品と距離が近い属性をその商品について「注目度が高い」属性であると解釈し、商品と距離が遠い属性をその商品について「注目度が低い」属性であると解釈することができる。これにより、消費者から見た属性の注目度を的確に表すマップを作成することが可能となる。
「新しい消費者分析−LOGMAPの理論と応用−」片平秀貴著、東京大学出版会
例えば、非特許文献1に記載されている多次元尺度法を利用すれば、ある商品について、消費者がどの属性に注目する度合いが高く、どの属性に注目する度合いが低いかを明らかにすることができる。一般的な多次元尺度法では、対象間の類似度データに基づいて、次元数及び空間構造が特定された多次元マップに座標配置する。配置された位置間の距離が近いほど対象間の類似度が高く、位置間の距離が遠いほど対象間の類似度が低い、といった関係に最も良く一致するように配置が行われる。一般的な多次元尺度法では、消費者から見た対象の類似度を的確に表すマップを作成することができる。この技術を利用して、マップ上で商品と距離が近い属性をその商品について「注目度が高い」属性であると解釈し、商品と距離が遠い属性をその商品について「注目度が低い」属性であると解釈することができる。これにより、消費者から見た属性の注目度を的確に表すマップを作成することが可能となる。
「新しい消費者分析−LOGMAPの理論と応用−」片平秀貴著、東京大学出版会
上記の多次元尺度法を実施する際には、マップを作成するのに利用するデータを消費者から収集することが必要である。この場合、例えば消費者にアンケートを実施してデータを収集する方法があるが、これには次の3つの問題点がある。すなわち、(1)アンケートに答える意思のある消費者からしかデータを収集することができず、標本に偏りがあると想定される。(2)アンケートを実施する度にコストがかかる。(3)アンケート設計〜アンケート実施〜結果集計〜分析までに時間がかかり、リアルタイムに消費者動向を捉えられない。という問題点である。
このため、インターネット上で企業がサービスを提供する商品紹介サイトへの消費者のアクセスログを利用して、これらの問題点を解決することが考えられる。例えば特許文献1に記載されている技術では、アクセスログを利用してサイト内でのページからページの移動を分析する。分析された移動から、ページへのアクセス順を知ることができるため、優先的に早くアクセスされたページの属性をその商品について「注目度」が高い属性とし、そうでないページの属性をその商品について「注目度」が低い属性とすることができる。
この技術では、サイトを訪れた全ての消費者、すなわち、偏りの少ない標本からデータ(この場合はアクセスログ)を収集することができる。また、インターネット上に常時表示される商品紹介サイトのアクセスログを利用するため、コストがかからず、しかも、リアルタイムでアクセスログを収集することができる。この技術を用いれば、偏りの少ない標本から取得したデータ(アクセスログ)に基づいて、低コストに、しかも、迅速にマップを作成することができる。
特開2002−342211号公報
このため、インターネット上で企業がサービスを提供する商品紹介サイトへの消費者のアクセスログを利用して、これらの問題点を解決することが考えられる。例えば特許文献1に記載されている技術では、アクセスログを利用してサイト内でのページからページの移動を分析する。分析された移動から、ページへのアクセス順を知ることができるため、優先的に早くアクセスされたページの属性をその商品について「注目度」が高い属性とし、そうでないページの属性をその商品について「注目度」が低い属性とすることができる。
この技術では、サイトを訪れた全ての消費者、すなわち、偏りの少ない標本からデータ(この場合はアクセスログ)を収集することができる。また、インターネット上に常時表示される商品紹介サイトのアクセスログを利用するため、コストがかからず、しかも、リアルタイムでアクセスログを収集することができる。この技術を用いれば、偏りの少ない標本から取得したデータ(アクセスログ)に基づいて、低コストに、しかも、迅速にマップを作成することができる。
上記の特許文献1に記載された技術を利用すれば、偏りの少ない標本から取得したデータ(アクセスログ)に基づいて、低コストに、しかも、迅速にマップを作成することができる点で優れている。
しかしながら、アクセスログでのデータをそのままマップを作成するのに利用するには不適当な場合がある。例えば、アクセス順が早くてもそのページから直ぐに立ち去った場合は間違えてアクセスした可能性が高い。この場合に、そのアクセスログを「注目度」の高いことを示すデータとして利用すると、精度の良いマップを作成することができない。あるいは、アクセス順が早くても読まずにそのまま放置した場合は興味を持続できなかった可能性が高い。この場合も、そのアクセスログを「注目度」の高いことを示すデータとして利用すると、精度の良いマップを作成することができなくなる。このように、ページでの滞在時間が極端に長かったり短かったりするアクセスログからは、アクセス順だけではページの優先度を正確に把握することができず、精度の良いマップを作成することができない。
また、このようにノイズとなるようなアクセスログでなくても、データの信頼度は一律ではなく、ばらつきがある。例えば、各ページの記載内容や記載量からそのページを読むのに通常必要な標準時間は決まってくるが、消費者が各ページで滞在した時間がその標準時間に適合しているほどデータの信頼度が高く、滞在時間が標準時間と適合していないほどデータの信頼度が低いと言える。そして、データの信頼度が高いほどその属性の注目度は高く評価され、データの信頼度が低いほどその属性の注目度は低く評価される。ノイズとなるようなアクセスログでなくてもデータの信頼度にはばらつきがあるため、マップを作成する際にデータの信頼度が反映されていないと、注目度を精度良く表すことができない。
しかしながら、アクセスログでのデータをそのままマップを作成するのに利用するには不適当な場合がある。例えば、アクセス順が早くてもそのページから直ぐに立ち去った場合は間違えてアクセスした可能性が高い。この場合に、そのアクセスログを「注目度」の高いことを示すデータとして利用すると、精度の良いマップを作成することができない。あるいは、アクセス順が早くても読まずにそのまま放置した場合は興味を持続できなかった可能性が高い。この場合も、そのアクセスログを「注目度」の高いことを示すデータとして利用すると、精度の良いマップを作成することができなくなる。このように、ページでの滞在時間が極端に長かったり短かったりするアクセスログからは、アクセス順だけではページの優先度を正確に把握することができず、精度の良いマップを作成することができない。
また、このようにノイズとなるようなアクセスログでなくても、データの信頼度は一律ではなく、ばらつきがある。例えば、各ページの記載内容や記載量からそのページを読むのに通常必要な標準時間は決まってくるが、消費者が各ページで滞在した時間がその標準時間に適合しているほどデータの信頼度が高く、滞在時間が標準時間と適合していないほどデータの信頼度が低いと言える。そして、データの信頼度が高いほどその属性の注目度は高く評価され、データの信頼度が低いほどその属性の注目度は低く評価される。ノイズとなるようなアクセスログでなくてもデータの信頼度にはばらつきがあるため、マップを作成する際にデータの信頼度が反映されていないと、注目度を精度良く表すことができない。
上記の特許文献1に記載された技術では、ノイズとなるアクセスログや、それ以外のアクセスログのデータの信頼度を考慮することは考えられていない。
本発明は、商品紹介サイトへの消費者のアクセスログから、ノイズとなるアクセスログを除去して、その上で残ったアクセスログのデータの信頼度を加味してマップを作成する。これにより、偏りの少ない標本から得たデータに基づいて、低コストに、しかも迅速に、精度の高い商品属性マップを作成することができる。
このように作成されたマップを表示することで、商品について消費者の各属性に対する正確な注目度を、視覚的に把握容易とすることができる。
このように作成されたマップを表示することで、商品について消費者の各属性に対する正確な注目度を、視覚的に把握容易とすることができる。
(課題を解決するための一つの手段)
本発明は、商品の各属性に対する消費者の注目度を表す商品属性マップを表示する装置に具現化することができる。
この装置は、各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、各属性別内容情報での滞在時間を含むアクセス記録を記憶している「端末/アクセス記録」ファイルと、各属性別内容情報を読むのに要する標準時間を記憶している「属性/標準時間」ファイルとを有する。
また、「端末/アクセス記録」ファイルが記憶している各属性別内容情報での滞在時間の、「属性/標準時間」ファイルが記憶している標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定手段を有する。
その上で、「端末/アクセス記録」ファイルが記憶しているアクセスした属性の順と、適合パラメータ決定手段が決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成手段と、商品属性マップ作成手段が作成した商品属性マップを表示する表示手段とを有する。
本発明は、商品の各属性に対する消費者の注目度を表す商品属性マップを表示する装置に具現化することができる。
この装置は、各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、各属性別内容情報での滞在時間を含むアクセス記録を記憶している「端末/アクセス記録」ファイルと、各属性別内容情報を読むのに要する標準時間を記憶している「属性/標準時間」ファイルとを有する。
また、「端末/アクセス記録」ファイルが記憶している各属性別内容情報での滞在時間の、「属性/標準時間」ファイルが記憶している標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定手段を有する。
その上で、「端末/アクセス記録」ファイルが記憶しているアクセスした属性の順と、適合パラメータ決定手段が決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成手段と、商品属性マップ作成手段が作成した商品属性マップを表示する表示手段とを有する。
(その作用と効果)
企業がサービスを提供する商品紹介サイトでは、各商品の属性別に、内容情報が用意されている。例えば、自動車の紹介サイトでは、各車種のサイズ、排気量、燃費、価格等のそれぞれについて、内容情報が用意されている。インターネットに接続された各消費者の端末は、消費者が知りたいと思う属性の内容情報にアクセスすることができる。この場合、消費者が最も知りたい属性の内容情報はアクセス順が早く、そうでない属性の内容情報はアクセス順が遅かったりアクセスされなかったりする。「端末/アクセス記録」ファイルは、各消費者の端末がアクセスした属性の順を記憶している。「端末/アクセス記録」ファイルは、商品紹介サイトにアクセスした全ての端末のアクセス記録を記憶するため、偏りの少ない多くのデータを利用することができ、また、低コストに、しかも、リアルタイムでデータを収集することができる。
「端末/アクセス記録」ファイルが記憶している「属性の順」は、多次元尺度法に利用される。一般的な多次元尺度法では、対象の「類似順」に基づいてマップを作成する。類似度が高い対象同士は近い距離に配置され、類似度が低い対象同士は遠い距離に配置される、といった関係に最も良く一致するようにマップを作成する。マップの作成方法については、非特許文献1に詳細に記載されている。本装置では、「端末/アクセス記録」ファイルが記憶している「属性の順」を、属性が商品に類似する順序とみなす。そして、属性が商品と類似するほどその属性の注目度が高く、属性が商品と類似しないほどその属性の注目度が低いと解釈する。注目度が高い属性は商品と近い距離に配置され、注目度が低い属性は商品と遠い距離に配置される、といった関係に最も良く一致するようにマップを作成する。これにより、消費者から見た属性の注目度を的確に表すマップを作成することが可能となる。
企業がサービスを提供する商品紹介サイトでは、各商品の属性別に、内容情報が用意されている。例えば、自動車の紹介サイトでは、各車種のサイズ、排気量、燃費、価格等のそれぞれについて、内容情報が用意されている。インターネットに接続された各消費者の端末は、消費者が知りたいと思う属性の内容情報にアクセスすることができる。この場合、消費者が最も知りたい属性の内容情報はアクセス順が早く、そうでない属性の内容情報はアクセス順が遅かったりアクセスされなかったりする。「端末/アクセス記録」ファイルは、各消費者の端末がアクセスした属性の順を記憶している。「端末/アクセス記録」ファイルは、商品紹介サイトにアクセスした全ての端末のアクセス記録を記憶するため、偏りの少ない多くのデータを利用することができ、また、低コストに、しかも、リアルタイムでデータを収集することができる。
「端末/アクセス記録」ファイルが記憶している「属性の順」は、多次元尺度法に利用される。一般的な多次元尺度法では、対象の「類似順」に基づいてマップを作成する。類似度が高い対象同士は近い距離に配置され、類似度が低い対象同士は遠い距離に配置される、といった関係に最も良く一致するようにマップを作成する。マップの作成方法については、非特許文献1に詳細に記載されている。本装置では、「端末/アクセス記録」ファイルが記憶している「属性の順」を、属性が商品に類似する順序とみなす。そして、属性が商品と類似するほどその属性の注目度が高く、属性が商品と類似しないほどその属性の注目度が低いと解釈する。注目度が高い属性は商品と近い距離に配置され、注目度が低い属性は商品と遠い距離に配置される、といった関係に最も良く一致するようにマップを作成する。これにより、消費者から見た属性の注目度を的確に表すマップを作成することが可能となる。
しかしながら、「属性の順」だけでは、その内容情報の本当の優先度を知ることができない場合がある。例えば、アクセスされた順序が早くてもその内容情報から直ぐに立ち去った場合は、間違えてアクセスした可能性が高い。この場合はその内容情報の優先度が高いとは言えない。あるいは、アクセスされた順序が早くても読まずにそのまま放置した場合は興味を持続できなかった可能性が高い。この場合もその内容情報の優先度が高いとはいえない。このようにノイズとなるアクセス記録を利用すると、精度の良いマップを作成することができなくなる。
また、ノイズとなるアクセス記録でなくてもデータの信頼度は一律ではなく、ばらつきがある。例えば、各内容情報の内容や情報量から、その内容情報を読むのに必要な標準時間は決まってくるが、消費者が各内容情報で滞在した時間がその標準時間に適合しているほどデータの信頼度が高くその属性の注目度は高く評価され、滞在時間が標準時間と適合していないほどデータの信頼度が低くその属性の注目度は低く評価される。したがって、データの信頼度を反映しないと、消費者の注目度を精度良く表すマップを作成することができない。
このため、本装置の「端末/アクセス記録」ファイルは、各消費者の端末が各属性別内容情報で滞在した時間を記憶している。また、「属性/標準時間」ファイルは、各属性別内容情報を読むのに要する標準時間を記憶している。標準時間は、例えば、それまでに記憶されている各内容情報のアクセス記録での滞在時間の平均値や、各内容情報の内容や情報量を考慮して予め企業が設定した値に決定することができる。これらより、各アクセス記録での各属性別内容情報での滞在時間の、標準時間に対する適合度を求めることができる。例えば、標準時間の±10%までを適正範囲とし、適正範囲から外れる滞在時間を示すデータは信頼度が低いとみなし、そのアクセス記録でのその属性の適合度を「0」とする。一方、適正範囲内の滞在時間を示すデータは信頼度が一定基準をクリアしているとみなし、そのアクセス記録でのその属性の適合度を標準時間との関係から決定する。すなわち、滞在時間が標準時間に近似するほど、そのアクセス記録でのその属性の適合度を大きくする。このように決定される適合度に基づいて、各アクセス記録での各属性の適合パラメータを決定すれば、適合度が「0」の属性のデータを除去することができる一方、適合度が大きい属性のウエィトが高く評価され、適合度が小さい属性のウエィトが低く評価されることとなる。
そして、商品属性マップ作成手段は、「属性の順」だけでなく、各属性の適合パラメータを用いて多次元尺度法を実施すれば、各消費者の属性に対する注目度を精度良く表すマップを作成することができる。このように作成されたマップを表示手段で表示することにより、商品について消費者の各属性に対する正確な注目度が視覚的に把握容易となる。
また、ノイズとなるアクセス記録でなくてもデータの信頼度は一律ではなく、ばらつきがある。例えば、各内容情報の内容や情報量から、その内容情報を読むのに必要な標準時間は決まってくるが、消費者が各内容情報で滞在した時間がその標準時間に適合しているほどデータの信頼度が高くその属性の注目度は高く評価され、滞在時間が標準時間と適合していないほどデータの信頼度が低くその属性の注目度は低く評価される。したがって、データの信頼度を反映しないと、消費者の注目度を精度良く表すマップを作成することができない。
このため、本装置の「端末/アクセス記録」ファイルは、各消費者の端末が各属性別内容情報で滞在した時間を記憶している。また、「属性/標準時間」ファイルは、各属性別内容情報を読むのに要する標準時間を記憶している。標準時間は、例えば、それまでに記憶されている各内容情報のアクセス記録での滞在時間の平均値や、各内容情報の内容や情報量を考慮して予め企業が設定した値に決定することができる。これらより、各アクセス記録での各属性別内容情報での滞在時間の、標準時間に対する適合度を求めることができる。例えば、標準時間の±10%までを適正範囲とし、適正範囲から外れる滞在時間を示すデータは信頼度が低いとみなし、そのアクセス記録でのその属性の適合度を「0」とする。一方、適正範囲内の滞在時間を示すデータは信頼度が一定基準をクリアしているとみなし、そのアクセス記録でのその属性の適合度を標準時間との関係から決定する。すなわち、滞在時間が標準時間に近似するほど、そのアクセス記録でのその属性の適合度を大きくする。このように決定される適合度に基づいて、各アクセス記録での各属性の適合パラメータを決定すれば、適合度が「0」の属性のデータを除去することができる一方、適合度が大きい属性のウエィトが高く評価され、適合度が小さい属性のウエィトが低く評価されることとなる。
そして、商品属性マップ作成手段は、「属性の順」だけでなく、各属性の適合パラメータを用いて多次元尺度法を実施すれば、各消費者の属性に対する注目度を精度良く表すマップを作成することができる。このように作成されたマップを表示手段で表示することにより、商品について消費者の各属性に対する正確な注目度が視覚的に把握容易となる。
以上のように、本装置では、アクセス記録のデータの信頼度を反映した適合パラメータを用いて、商品属性マップを作成することができる。偏りの少ない多くのデータに基づいて、低コストに、しかも迅速に、精度の高い商品属性マップを作成することができる。
また、このように作成されたマップを表示することで、例えば、企業の販売施策企画部や、宣伝広告企画部や、商品企画部にとって有用な情報を視覚的に把握容易とすることができる。
また、このように作成されたマップを表示することで、例えば、企業の販売施策企画部や、宣伝広告企画部や、商品企画部にとって有用な情報を視覚的に把握容易とすることができる。
(課題を解決するための好ましい手段)
商品属性マップ上に、各属性の標準時間に対する各属性の滞在時間の比率による等高線表示を加えることが好ましい。
商品属性マップ上に、各属性の標準時間に対する各属性の滞在時間の比率による等高線表示を加えることが好ましい。
(その作用と効果)
商品属性マップ上に、例えば図9に示すコンター図のように、滞在時間の比率による等高線表示を加えれば、滞在時間の標準時間に対する適合度がより一層視覚的に把握容易となる。
商品属性マップ上に、例えば図9に示すコンター図のように、滞在時間の比率による等高線表示を加えれば、滞在時間の標準時間に対する適合度がより一層視覚的に把握容易となる。
(課題を解決するための一つの手段)
本発明は、また、商品の各属性に対する消費者の注目度を表す商品属性マップを表示する方法に具現化することができる。この方法は、
各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、各属性別内容情報での滞在時間を含むアクセス記録を、コンピュータに読取り可能に記憶している「端末/アクセス記録」ファイルを用意する工程と、
各属性別内容情報を読むのに要する標準時間を、コンピュータに読取り可能に記憶している「属性/標準時間」ファイルを用意する工程と、
コンピュータによって、「端末/アクセス記録」ファイルが記憶している各属性別内容情報での滞在時間の、「属性/標準時間」ファイルが記憶している標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定工程と、
コンピュータによって、「端末/アクセス記録」ファイルが記憶しているアクセスした属性の順と、適合パラメータ決定工程で決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成工程と、
コンピュータによって、商品属性マップ作成工程で作成した商品属性マップを表示すると、
を有する。
本発明は、また、商品の各属性に対する消費者の注目度を表す商品属性マップを表示する方法に具現化することができる。この方法は、
各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、各属性別内容情報での滞在時間を含むアクセス記録を、コンピュータに読取り可能に記憶している「端末/アクセス記録」ファイルを用意する工程と、
各属性別内容情報を読むのに要する標準時間を、コンピュータに読取り可能に記憶している「属性/標準時間」ファイルを用意する工程と、
コンピュータによって、「端末/アクセス記録」ファイルが記憶している各属性別内容情報での滞在時間の、「属性/標準時間」ファイルが記憶している標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定工程と、
コンピュータによって、「端末/アクセス記録」ファイルが記憶しているアクセスした属性の順と、適合パラメータ決定工程で決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成工程と、
コンピュータによって、商品属性マップ作成工程で作成した商品属性マップを表示すると、
を有する。
(その作用と効果)
本方法では、商品紹介サイトに訪れた消費者の端末のアクセス記録を利用して、商品属性マップを作成する。この際、アクセス記録のデータの信頼度を反映した適合パラメータを用いて、商品属性マップを作成する。本方法によれば、偏りの少ない多くのデータに基づいて、低コストに、しかも迅速に、精度の高い商品属性マップを作成することができる。
また、このように作成されたマップを表示することで、例えば、企業の販売施策企画部や、宣伝広告企画部や、商品企画部にとって有用な情報を視覚的に把握容易とすることができる。
本方法では、商品紹介サイトに訪れた消費者の端末のアクセス記録を利用して、商品属性マップを作成する。この際、アクセス記録のデータの信頼度を反映した適合パラメータを用いて、商品属性マップを作成する。本方法によれば、偏りの少ない多くのデータに基づいて、低コストに、しかも迅速に、精度の高い商品属性マップを作成することができる。
また、このように作成されたマップを表示することで、例えば、企業の販売施策企画部や、宣伝広告企画部や、商品企画部にとって有用な情報を視覚的に把握容易とすることができる。
(課題を解決するための一つの手段)
本発明は、また、商品の各属性に対する消費者の注目度を表す商品属性マップを表示するためのプログラムに具現化することができる。このプログラムは、コンピュータに以下の処理、即ち、
各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、属性別内容情報での滞在時間を含むアクセス記録を、コンピュータに読取り可能に記憶している「端末/アクセス記録」ファイルと、各属性別内容情報を読むのに要する標準時間を、コンピュータに読取り可能に記憶している「属性/標準時間」ファイルにアクセスし、各属性別内容情報での滞在時間の、標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定処理と、
「端末/アクセス記録」ファイルにアクセスし、アクセスした属性の順と、適合パラメータ決定工程で決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成処理と、
商品属性マップ作成処理で作成した商品属性マップを表示する表示処理と、
を実行させる。
本発明は、また、商品の各属性に対する消費者の注目度を表す商品属性マップを表示するためのプログラムに具現化することができる。このプログラムは、コンピュータに以下の処理、即ち、
各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、属性別内容情報での滞在時間を含むアクセス記録を、コンピュータに読取り可能に記憶している「端末/アクセス記録」ファイルと、各属性別内容情報を読むのに要する標準時間を、コンピュータに読取り可能に記憶している「属性/標準時間」ファイルにアクセスし、各属性別内容情報での滞在時間の、標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定処理と、
「端末/アクセス記録」ファイルにアクセスし、アクセスした属性の順と、適合パラメータ決定工程で決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成処理と、
商品属性マップ作成処理で作成した商品属性マップを表示する表示処理と、
を実行させる。
(その作用と効果)
本プログラムでは、商品紹介サイトに訪れた消費者の端末のアクセス記録を利用して、商品属性マップを作成させる。この際、アクセス記録のデータの信頼度を反映した適合パラメータを用いて、商品属性マップを作成させる。本プログラムによれば、偏りの少ない多くのデータに基づいて、低コストに、しかも迅速に、精度の高い商品属性マップを作成することができる。
また、このように作成されたマップを表示させることで、例えば、企業の販売施策企画部や、宣伝広告企画部や、商品企画部にとって有用な情報を視覚的に把握容易とすることができる。
本プログラムでは、商品紹介サイトに訪れた消費者の端末のアクセス記録を利用して、商品属性マップを作成させる。この際、アクセス記録のデータの信頼度を反映した適合パラメータを用いて、商品属性マップを作成させる。本プログラムによれば、偏りの少ない多くのデータに基づいて、低コストに、しかも迅速に、精度の高い商品属性マップを作成することができる。
また、このように作成されたマップを表示させることで、例えば、企業の販売施策企画部や、宣伝広告企画部や、商品企画部にとって有用な情報を視覚的に把握容易とすることができる。
以下に発明を実施するための最良の形態を列記する。
(形態1)「端末/アクセス記録」ファイルや、「属性/標準時間」ファイルは、商品属性マップ表示装置とは別個に設けてもよい。
(形態2)「i番目にアクセスされた属性;p」とし、「アクセスされた全属性群と商品の距離パラメータ;d」とし、「i番目にアクセスされた属性と商品の距離パラメータ;di」としたとき、各クライアント端末が全ての属性から各属性を選択する確率は、
P(p1,p2,p3,・・・)=
d1/Σd ×d2/Σ(d−d1) ×d3/Σ(d−d1−d2)×・・・
と算出される。各クライアント端末のP(p1,p2,p3,・・・)を求めた上で、全クライアント端末のP(p1,p2,p3,・・・)の積ΠPを最大とするような座標値を、商品属性マップ上での商品の座標や各属性の座標の推定値とする。
(形態3)各属性について、標準時間から決定される適正範囲外の滞在時間を記録したアクセス記録群を除去する。
(形態4)各属性について、適正範囲内のアクセス記録群に基づいて、単位滞在時間当りのアクセス記録数で集計する。各属性について、各アクセス記録での滞在時間でのアクセス記録数が、全アクセス記録数の合計に占める比率を算出する。この比率を、各アクセス記録での各属性の適合度とする。
(形態5)各アクセス記録での各属性の適合度を全属性で合計したときに「1」となるように、適合度の比率を調整する。調整された比率を、各アクセス記録での各属性の適合パラメータとして設定する。
(形態5)各アクセス記録での各属性の適合パラメータa1,a2,a3,・・・を利用して、各クライアント端末が全ての属性から各属性を選択する確率を、
P(p1,p2,p3,・・・)=
{d1/Σd}a1 ×{d2/Σ(d−d1)}a2
×{d3/Σ(d−d1−d2)}a3 ×・・・
と補正する。
(形態1)「端末/アクセス記録」ファイルや、「属性/標準時間」ファイルは、商品属性マップ表示装置とは別個に設けてもよい。
(形態2)「i番目にアクセスされた属性;p」とし、「アクセスされた全属性群と商品の距離パラメータ;d」とし、「i番目にアクセスされた属性と商品の距離パラメータ;di」としたとき、各クライアント端末が全ての属性から各属性を選択する確率は、
P(p1,p2,p3,・・・)=
d1/Σd ×d2/Σ(d−d1) ×d3/Σ(d−d1−d2)×・・・
と算出される。各クライアント端末のP(p1,p2,p3,・・・)を求めた上で、全クライアント端末のP(p1,p2,p3,・・・)の積ΠPを最大とするような座標値を、商品属性マップ上での商品の座標や各属性の座標の推定値とする。
(形態3)各属性について、標準時間から決定される適正範囲外の滞在時間を記録したアクセス記録群を除去する。
(形態4)各属性について、適正範囲内のアクセス記録群に基づいて、単位滞在時間当りのアクセス記録数で集計する。各属性について、各アクセス記録での滞在時間でのアクセス記録数が、全アクセス記録数の合計に占める比率を算出する。この比率を、各アクセス記録での各属性の適合度とする。
(形態5)各アクセス記録での各属性の適合度を全属性で合計したときに「1」となるように、適合度の比率を調整する。調整された比率を、各アクセス記録での各属性の適合パラメータとして設定する。
(形態5)各アクセス記録での各属性の適合パラメータa1,a2,a3,・・・を利用して、各クライアント端末が全ての属性から各属性を選択する確率を、
P(p1,p2,p3,・・・)=
{d1/Σd}a1 ×{d2/Σ(d−d1)}a2
×{d3/Σ(d−d1−d2)}a3 ×・・・
と補正する。
以下の実施例では、図1に例示する商品属性マップ提供システムを利用して、各自動車について消費者が注目する属性の度合を表すマップを提供する。提供される商品属性マップは、例えば企業の販売施策企画部や、宣伝広告企画部や、商品企画部で利用されることが期待される。
本発明の適用対象は自動車に限られず、多数の属性を有しており、インターネットのサイトで紹介されている商品に広く適用することができる。
本発明の適用対象は自動車に限られず、多数の属性を有しており、インターネットのサイトで紹介されている商品に広く適用することができる。
図1を参照して、本発明を具現化した商品属性マップ提供システムを説明する。商品属性マップ提供システムは、商品の消費者によって所有されるクライアント端末12,14,16等と、商品属性マップの利用者によって所有されるクライアント端末22,24等と、ネットワーク30と、サイト提供サーバ2とから構成されている。クライアント端末12,14,16等は、ネットワーク30を介してサイト提供サーバ2と相互に通信可能であり、クライアント端末22,24等は、ネットワーク30を介してサイト提供サーバ2と相互に通信可能である。
商品の消費者によって所有されるクライアント端末12,14,16等と、商品属性マップの利用者によって所有されるクライアント端末22,24等は一般的なPC(Personal Computer)であり、そのハードウェア構成は通常のものと同様である。クライアント端末12,14,16等は、ネットワーク30を介してサイト提供サーバ2にアクセスし、サイト提供サーバ2がサービスを提供する商品紹介サイトを表示する。クライアント端末22,24等は、ネットワーク30を介してサイト提供サーバ2にアクセスし、マップ提供サイトを表示する。
なお図1では一部のクライアント端末のみを示しており、全てのクライアント端末を示していない。
なお図1では一部のクライアント端末のみを示しており、全てのクライアント端末を示していない。
サイト提供サーバ2は、商品の消費者のクライアント端末12,14,16等がアクセスしてきたときは、商品紹介サイトを提供する。また、商品属性マップ利用者のクライアント端末22,24等(企業の販売施策企画部や、宣伝広告企画部や、商品企画部に設置されていることが多い)がアクセスしてきたときは、商品属性マップ提供サイトを提供する。
サイト提供サーバ2は、通信部4と、制御部6と、記憶部8を備えている。通信部4は、制御部6をネットワーク30に接続し、クライアント端末12,14,16等やクライアント端末22,24等の間で、各種データの送受信を行う。制御部6は、サイト提供サーバ2の全体の制御や各種の処理を行う。記憶部4は、各種のデータやプログラムを記憶している。
サイト提供サーバ2の制御部6は、その一部に商品紹介サイト表示処理部62と、アクセスログ作成部64と、マップ作成用データ整理部66と、商品属性マップ作成部68と、マップ提供サイト表示処理部70を有している。
商品紹介サイト表示処理部62は、商品紹介サイトを立ち上げるためのプログラムで構成されており、ネットワーク30を介してアクセスしてきたクライアント端末12,14,16等に、商品情報を掲載した商品紹介サイトを表示する。
アクセスログ作成部64は、商品紹介サイトにアクセスしたクライアント端末12,14,16等のアクセスログを作成する。作成されたアクセスログは、記憶部8のアクセスログファイル82に記憶される。
マップ作成用データ整理部66は、アクセスログファイル82に記憶されているアクセスログのうち、商品属性マップを作成するためにノイズとなるログの除去や、商品属性マップを作成するために利用できるデータへの置き換えを行う。マップ作成用に整理されたデータは、マップ作成用データファイル86に記憶される。
商品属性マップ作成部68は、マップ作成用データファイル86に記憶されているデータを用いて、多次元尺度法を実施し、商品属性の注目度を表すマップを作成する。この場合、アクセスログのデータの信頼度を加味して、商品属性マップを作成する。
マップ提供サイト表示処理部70は、マップ提供サイトを立ち上げるためのプログラムで構成されており、ネットワーク30を介してアクセスしてきたクライアント端末22,24等に、商品属性マップを提供するサイトを表示する。
商品紹介サイト表示処理部62は、商品紹介サイトを立ち上げるためのプログラムで構成されており、ネットワーク30を介してアクセスしてきたクライアント端末12,14,16等に、商品情報を掲載した商品紹介サイトを表示する。
アクセスログ作成部64は、商品紹介サイトにアクセスしたクライアント端末12,14,16等のアクセスログを作成する。作成されたアクセスログは、記憶部8のアクセスログファイル82に記憶される。
マップ作成用データ整理部66は、アクセスログファイル82に記憶されているアクセスログのうち、商品属性マップを作成するためにノイズとなるログの除去や、商品属性マップを作成するために利用できるデータへの置き換えを行う。マップ作成用に整理されたデータは、マップ作成用データファイル86に記憶される。
商品属性マップ作成部68は、マップ作成用データファイル86に記憶されているデータを用いて、多次元尺度法を実施し、商品属性の注目度を表すマップを作成する。この場合、アクセスログのデータの信頼度を加味して、商品属性マップを作成する。
マップ提供サイト表示処理部70は、マップ提供サイトを立ち上げるためのプログラムで構成されており、ネットワーク30を介してアクセスしてきたクライアント端末22,24等に、商品属性マップを提供するサイトを表示する。
サイト提供サーバ2の記憶部8は、その一部にアクセスログファイル82と、標準時間ファイル84と、マップ作成用データファイル86を有している。
アクセスログファイル82は、制御部6のアクセスログ作成部64で作成されたアクセスログを記憶している。図4に、アクセスログファイル42が記憶しているアクセスログの一部を示す。アクセスログには、商品紹介サイトにアクセスしたクライアント端末を特定するアドレスと、アクセスした時間と、アクセスしたページのURL(Uniform Resource Locator)が含まれている。ここでは、アドレス「100.110.120.130」で特定されるクライアント端末12のアクセスログを示している。
アクセスログファイル82は、制御部6のアクセスログ作成部64で作成されたアクセスログを記憶している。図4に、アクセスログファイル42が記憶しているアクセスログの一部を示す。アクセスログには、商品紹介サイトにアクセスしたクライアント端末を特定するアドレスと、アクセスした時間と、アクセスしたページのURL(Uniform Resource Locator)が含まれている。ここでは、アドレス「100.110.120.130」で特定されるクライアント端末12のアクセスログを示している。
図1の標準時間ファイル84は、商品紹介サイトの商品属性の内容情報を記載したページを通常読むのに必要な時間(標準時間)を記憶している。図5に、標準時間ファイル44が記憶しているデータの一部を示す。ここでは車名が「車C」という自動車の属性(コンセプト、価格、デザイン等)の内容情報についての標準時間を示している。例えば「コンセプト」という商品属性の内容情報を記載したページを読むのに通常は100秒必要であることが示されている。これらの標準時間は、商品紹介サイトを提供する企業が、記載内容や記載量を考慮して社内テストを実施した上で予め設定した時間である。
図1のマップ作成用データファイル86は、制御部6のマップ作成用データ整理部66で整理されたマップ作成用データを記憶している。図7に、マップ作成用データの一部を示す。各クライアントアドレスについて、アクセスされた商品属性内容情報ページのアクセス順と、そのページでの滞在時間が整理されている。
次に、以上のように構成された商品属性マップ提供システムによる商品属性マップ提供サービスについて説明する。以下では、自動車の消費者αのクライアント端末12が自動車紹介サイトにアクセスし、自動車の商品属性マップの利用者βのクライアント端末22が自動車商品属性マップ提供サイトにアクセスした例によって説明する。
消費者αがクライアント端末12で自動車紹介サイトのURLを指定すると、サイト提供サーバ2とリンクが確立される。サイト提供サーバ2は、アクセスしてきたクライアント端末12に自動車紹介サイトのトップページを送信する。
図2に示すように、自動車紹介サイト40は、インデックスファイル42と内容ファイル44から成る階層構造となっている。この自動車紹介サイト40は、上階層から、レベル1の車名インデックスファイルと、レベル2の商品属性インデックスファイルと、レベル3の商品属性内容情報ファイルから成る3階層構造となっている。なおこの図では、「車C」の商品属性インデックスファイルだけを示しているが、各自動車について商品属性インデックスファイルが用意されている。また「価格」の内容情報ファイルのみを示しているが、各属性について内容情報ファイルが用意されている。
クライアント端末12では、トップページが表示されると、レベル1の車名インデックスファイルが立ち上がって閲覧可能となる。ここで消費者αは、車名の一覧(車A、車B、車C等)の中から、情報を知りたい自動車を選択する。例えば「車C」を指定してクリックすると、レベル2の商品属性インデックスファイルが立ち上がり、「車C」の商品属性のページが閲覧可能となる。ここで消費者αは、商品属性の一覧(コンセプト、価格、デザイン等)の中から、情報を知りたい属性を選択する。例えば「価格」を指定してクリックすると、レベル3の商品属性内容情報ファイルが立ち上がり、「価格」の商品属性内容情報のページが閲覧可能となる。
図2に示すように、自動車紹介サイト40は、インデックスファイル42と内容ファイル44から成る階層構造となっている。この自動車紹介サイト40は、上階層から、レベル1の車名インデックスファイルと、レベル2の商品属性インデックスファイルと、レベル3の商品属性内容情報ファイルから成る3階層構造となっている。なおこの図では、「車C」の商品属性インデックスファイルだけを示しているが、各自動車について商品属性インデックスファイルが用意されている。また「価格」の内容情報ファイルのみを示しているが、各属性について内容情報ファイルが用意されている。
クライアント端末12では、トップページが表示されると、レベル1の車名インデックスファイルが立ち上がって閲覧可能となる。ここで消費者αは、車名の一覧(車A、車B、車C等)の中から、情報を知りたい自動車を選択する。例えば「車C」を指定してクリックすると、レベル2の商品属性インデックスファイルが立ち上がり、「車C」の商品属性のページが閲覧可能となる。ここで消費者αは、商品属性の一覧(コンセプト、価格、デザイン等)の中から、情報を知りたい属性を選択する。例えば「価格」を指定してクリックすると、レベル3の商品属性内容情報ファイルが立ち上がり、「価格」の商品属性内容情報のページが閲覧可能となる。
図3に、消費者αのアクセス行動を示す。消費者αは、1番目にトップページ(レベル1)で「車C」を指定し、2番目に商品属性ページ(レベル2)に移行して「価格」を指定し、3番目に商品属性内容情報ページ(レベル3)に移行して「価格」の内容情報を表示し、4番目に商品属性ページ(レベル2)に戻って「デザイン」を指定し、5番目に商品属性内容情報ページ(レベル3)に移行して「デザイン」の内容情報を表示し、6番目に商品属性内容情報ページ(レベル2)に戻って「環境」を指定し、7番目に商品属性内容情報ページ(レベル3)に移行して「環境」の内容情報を表示し、8番目に商品属性ページ(レベル2)に戻って「コンセプト」を指定し、9番目に商品属性内容情報ページ(レベル3)に移行して「コンセプト」の内容情報を表示したことが示されている。
このアクセス行動に基づいて、図1のアクセスログ作成部64がアクセスログを作成する。作成されたアクセスログは、アクセスログファイル82に記憶される。
図4は、消費者αのクライアント端末12のアクセスログを示している。クライアント端末12は、最初に2004年10月1日の12時45分00秒にトップページ(http://www.△△△.co.jp/shamei/index.html)にアクセスしている。2番目のページ(http://www.△△△.co.jp/c×××/index.html)に移動したのは12時45分02秒であることから、トップページには2秒間滞在したことがわかる。以下同様に、アクセス行動に基づいたアクセスログが示されており、どのページでどれくらいの時間滞在したのかがわかる。
クライアント端末からアクセスがある度にアクセスログが作成されるため、アクセスログファイル82には、リアルタイムで刻々とアクセスログが追加記憶されることとなる。
図4は、消費者αのクライアント端末12のアクセスログを示している。クライアント端末12は、最初に2004年10月1日の12時45分00秒にトップページ(http://www.△△△.co.jp/shamei/index.html)にアクセスしている。2番目のページ(http://www.△△△.co.jp/c×××/index.html)に移動したのは12時45分02秒であることから、トップページには2秒間滞在したことがわかる。以下同様に、アクセス行動に基づいたアクセスログが示されており、どのページでどれくらいの時間滞在したのかがわかる。
クライアント端末からアクセスがある度にアクセスログが作成されるため、アクセスログファイル82には、リアルタイムで刻々とアクセスログが追加記憶されることとなる。
図1のアクセスログファイル82に新しいアクセスログが記憶される度に、マップ作成用データ整理部66が作動する。マップ作成用データ整理部66は、アクセスログファイル82に記憶されているアクセスログのうち、商品属性マップを作成するためにノイズとなるログを除去したり、アクセスログを商品属性マップを作成するために利用できるデータへ置き換える。
(1)まず、ノイズとなるログを除去する方法について説明する。アクセスログファイル82に記憶されているアクセスログに基づいて、商品属性内容情報ページ(レベル3)での滞在時間を計算し、商品毎、商品属性毎に集計する。図6に、「車C」の「価格」の内容情報ページの滞在時間の集計結果から得られた分布図を示す。この図では横軸に滞在時間(秒)をとり、縦軸にこのページの全アクセス数中の比率(%)をとっている。矢印r1は、図5の標準時間に基づいて決定される適正な滞在時間の範囲(rmin〜rmax)を示している。具体的には、標準時間の±10%が適正な滞在時間の範囲と決定されている。滞在時間が適正範囲よりも短い場合は、内容情報を読まずにそのページから直ぐに去ったと考えられる。滞在時間が適正範囲よりも長い場合は、そのページを表示したものの放置したと考えられる。商品属性マップを作成する場合には、適正範囲外の滞在時間のアクセスログを除去し、適正範囲内の滞在時間のアクセスログのみを使用する。
(2)次に、商品属性マップを作成するために利用できるデータへの置き換え方法について説明する。アクセスログファイル82から、商品毎に、商品属性内容情報ページのアクセスログのみを抽出する。そして、クライアントアドレス毎に、商品属性内容情報ページをアクセス順に並び換える。それと共に、各ページでの滞在時間を計算し、並び換えたページと対応付ける。図7に、「車C」についてこの処理を行ったデータを示す。例えばアドレス「100.110.120.130」で特定されるクライアント端末12は、1番目に「価格」の内容情報ページにアクセスし、そこでの滞在時間は65秒であり、2番目に「デザイン」の内容情報ページにアクセスし、そこでの滞在時間は190秒であり、3番目に「環境」の内容情報ページにアクセスし、そこでの滞在時間は110秒であったことがわかる。なお、クライアント端末12は、「コンセプト」の内容情報ページにもアクセスしていたが(図3を参照)、その滞在時間が適正範囲外であったため、ここでは除去されている。ここで示されるデータが、商品属性マップを作成する際に使用される。
(1)まず、ノイズとなるログを除去する方法について説明する。アクセスログファイル82に記憶されているアクセスログに基づいて、商品属性内容情報ページ(レベル3)での滞在時間を計算し、商品毎、商品属性毎に集計する。図6に、「車C」の「価格」の内容情報ページの滞在時間の集計結果から得られた分布図を示す。この図では横軸に滞在時間(秒)をとり、縦軸にこのページの全アクセス数中の比率(%)をとっている。矢印r1は、図5の標準時間に基づいて決定される適正な滞在時間の範囲(rmin〜rmax)を示している。具体的には、標準時間の±10%が適正な滞在時間の範囲と決定されている。滞在時間が適正範囲よりも短い場合は、内容情報を読まずにそのページから直ぐに去ったと考えられる。滞在時間が適正範囲よりも長い場合は、そのページを表示したものの放置したと考えられる。商品属性マップを作成する場合には、適正範囲外の滞在時間のアクセスログを除去し、適正範囲内の滞在時間のアクセスログのみを使用する。
(2)次に、商品属性マップを作成するために利用できるデータへの置き換え方法について説明する。アクセスログファイル82から、商品毎に、商品属性内容情報ページのアクセスログのみを抽出する。そして、クライアントアドレス毎に、商品属性内容情報ページをアクセス順に並び換える。それと共に、各ページでの滞在時間を計算し、並び換えたページと対応付ける。図7に、「車C」についてこの処理を行ったデータを示す。例えばアドレス「100.110.120.130」で特定されるクライアント端末12は、1番目に「価格」の内容情報ページにアクセスし、そこでの滞在時間は65秒であり、2番目に「デザイン」の内容情報ページにアクセスし、そこでの滞在時間は190秒であり、3番目に「環境」の内容情報ページにアクセスし、そこでの滞在時間は110秒であったことがわかる。なお、クライアント端末12は、「コンセプト」の内容情報ページにもアクセスしていたが(図3を参照)、その滞在時間が適正範囲外であったため、ここでは除去されている。ここで示されるデータが、商品属性マップを作成する際に使用される。
図1の商品属性マップ作成部68は、所定の時間間隔で作動して、マップ作成用データファイル86のデータを用いて、商品属性の注目度を表すマップを作成する。本実施例では、多次元尺度法のLOGMAP−Mモデルを利用してマップを作成する。このモデルでは、伝統的な多次元尺度法に比して少ないデータを用いて精度の高い商品マップを作成することができる。
通常の多次元尺度法(LOGMAP−Mモデルを含む)では、例えば、消費者が競合商品群の中から購入した商品と比較した商品の順序を、購入した商品との類似度を表す順序とみなす。この順序に基づいてマップを作成すれば、消費者から見て購入商品に類似する商品は購入商品と近い座標位置になり、消費者から見て購入商品に類似しない商品は購入商品から離れた座標位置になる。
本実施例では、商品属性内容情報ページにアクセスした順序を、その商品と各属性の類似度を表す順序とする。そして、商品と類似度が高い属性ほど、その商品についての注目度の高い属性であると解釈する。この順序に基づいてマップを作成すれば、その商品について注目される度合いが高い属性は商品と近い座標位置になり、その商品について注目される度合いが低い属性は商品から離れた座標位置となる。例えば図7において、アドレス「100.110.120.130」で特定されるクライアント端末12は、「車C」について、1番目に「価格」の内容情報ページにアクセスし、2番目に「デザイン」の内容情報ページにアクセスし、3番目に「環境」の内容情報ページにアクセスしたことが示されている。したがって「車C」とこれらの属性の類似度(注目度)の順序は、
{車C*価格,車C*デザイン,車C*環境}
となる。この順序データでは、全てのペア{車C*コンセプト,車C*価格,・・・,コンセプト*価格,コンセプト*デザイン,・・・,環境*アフターサービス}(28ペア)のうち、「車C*・価格」が最も類似度が高いペアということになる。LOGMAP−Mモデルではこれを、「全てのペアの集合の中から類似度という基準に従って「車C*・価格」を選択した」と解釈する。そして、全てのペアpnの集合からあるペアpiが選択される確率P(pi/pn)は、ペアpiがウェイトδiであるクジを引くものと考え、次の式によって求める。
通常の多次元尺度法(LOGMAP−Mモデルを含む)では、例えば、消費者が競合商品群の中から購入した商品と比較した商品の順序を、購入した商品との類似度を表す順序とみなす。この順序に基づいてマップを作成すれば、消費者から見て購入商品に類似する商品は購入商品と近い座標位置になり、消費者から見て購入商品に類似しない商品は購入商品から離れた座標位置になる。
本実施例では、商品属性内容情報ページにアクセスした順序を、その商品と各属性の類似度を表す順序とする。そして、商品と類似度が高い属性ほど、その商品についての注目度の高い属性であると解釈する。この順序に基づいてマップを作成すれば、その商品について注目される度合いが高い属性は商品と近い座標位置になり、その商品について注目される度合いが低い属性は商品から離れた座標位置となる。例えば図7において、アドレス「100.110.120.130」で特定されるクライアント端末12は、「車C」について、1番目に「価格」の内容情報ページにアクセスし、2番目に「デザイン」の内容情報ページにアクセスし、3番目に「環境」の内容情報ページにアクセスしたことが示されている。したがって「車C」とこれらの属性の類似度(注目度)の順序は、
{車C*価格,車C*デザイン,車C*環境}
となる。この順序データでは、全てのペア{車C*コンセプト,車C*価格,・・・,コンセプト*価格,コンセプト*デザイン,・・・,環境*アフターサービス}(28ペア)のうち、「車C*・価格」が最も類似度が高いペアということになる。LOGMAP−Mモデルではこれを、「全てのペアの集合の中から類似度という基準に従って「車C*・価格」を選択した」と解釈する。そして、全てのペアpnの集合からあるペアpiが選択される確率P(pi/pn)は、ペアpiがウェイトδiであるクジを引くものと考え、次の式によって求める。
ここで、例えばペア「車C*価格」のδiの値は、商品属性マップ上の「車C」のポジション座標及び「価格」のポジション座標に依存し、座標間の距離が近いほど大きくなるような値である。したがって、「アクセスされた全属性群と商品の距離パラメータ;d」とし、「i番目にアクセスされた属性と商品の距離パラメータ;di」としたとき、(式1)は、次のように表される。
P(pi/pn)=di/Σd ・・・(式2)
ここで上記の順序データを、「{車C*コンセプト,車C*価格,・・・,環境*アフターサービス}の28ペアの中から「車C*価格」を選択し、「車C*価格」を除く{車C*コンセプト,・・・,環境*アフターサービス}の27ペアの中から「車C*デザイン」を選択し、さらに「車C*デザイン」を除いた{車C*コンセプト,・・・,環境*アフターサービス}の26ペアの中から「車C*環境」を選択した」という選択の結果と解釈する。この順序データが得られる確率P(車C*価格,車C*デザイン,車C*環境)は、これらの選択確率の積として次のように表される。
P(車C*価格,車C*デザイン,車C*環境)=
P{車C*価格/(車C*価格,車C*デザイン,車C*環境,・・・)}
×P{車C*デザイン/(車C*デザイン,車C*環境,・・・)}
×P{車C*環境/(車C*環境,・・・)}
これに、(式2)の表現を代入すると、
P(p1,p2,p3,・・・)=
d1/Σd ×d2/Σ(d−d1) ×d3/Σ(d−d1−d2) ×・・・
・・・(式3)
となる。上記の順序データを(式3)に代入すると、
P(pi/pn)=di/Σd ・・・(式2)
ここで上記の順序データを、「{車C*コンセプト,車C*価格,・・・,環境*アフターサービス}の28ペアの中から「車C*価格」を選択し、「車C*価格」を除く{車C*コンセプト,・・・,環境*アフターサービス}の27ペアの中から「車C*デザイン」を選択し、さらに「車C*デザイン」を除いた{車C*コンセプト,・・・,環境*アフターサービス}の26ペアの中から「車C*環境」を選択した」という選択の結果と解釈する。この順序データが得られる確率P(車C*価格,車C*デザイン,車C*環境)は、これらの選択確率の積として次のように表される。
P(車C*価格,車C*デザイン,車C*環境)=
P{車C*価格/(車C*価格,車C*デザイン,車C*環境,・・・)}
×P{車C*デザイン/(車C*デザイン,車C*環境,・・・)}
×P{車C*環境/(車C*環境,・・・)}
これに、(式2)の表現を代入すると、
P(p1,p2,p3,・・・)=
d1/Σd ×d2/Σ(d−d1) ×d3/Σ(d−d1−d2) ×・・・
・・・(式3)
となる。上記の順序データを(式3)に代入すると、
となる。
LOGMAP−Mモデルでは、まず各クライアント端末のP(p1,p2,p3,・・・)を求めた上で、全クライアント端末のP(p1,p2,p3,・・・)の積ΠPを最大とするような座標値を、商品の座標や各属性の座標の推定値とする。このようにして、商品や各属性を座標配置した商品属性マップを作成することができる。
LOGMAP−Mモデルでは、まず各クライアント端末のP(p1,p2,p3,・・・)を求めた上で、全クライアント端末のP(p1,p2,p3,・・・)の積ΠPを最大とするような座標値を、商品の座標や各属性の座標の推定値とする。このようにして、商品や各属性を座標配置した商品属性マップを作成することができる。
本実施例では、さらに、各商品属性の内容情報ページでの滞在時間の標準時間に対する適合度によって、商品属性の座標を補正する。これは、滞在時間が標準時間と近似しているほど適合度(すなわち注目度)が高く、滞在時間が標準時間と近似していないほど適合度(すなわち注目度)が低いと考えて、順序データから得られる選択確率Pに補正を加えるものである。補正は、以下のように行われる。
まず、選択確率Pの式を次のように変形する。
まず、選択確率Pの式を次のように変形する。
(式4)において、a1,a2,a3,・・・は、滞在時間に基づいて設定される適合パラメータである。これらの適合パラメータは、図6の滞在時間の分布図から求められる。図6において、例えば、対象となるクライアント端末12の滞在時間がt12秒であるとする。rminとrmaxと滞在時間の曲線グラフで囲まれる面積m1と、t12における面積m12(すなわち高さ)の比率(適合度)を求める。この比率(適合度)を、全パラメータ(a1,a2,a3,・・・)の総和が1となるように調整して、各適合パラメータa1,a2,a3,・・・の値を決定する。
これらの適合パラメータa1,a2,a3,・・・によって、最も標準時間に近似する適合度の高い滞在時間をとった属性のウェイトが高く反映されることになる。
これらの適合パラメータa1,a2,a3,・・・によって、最も標準時間に近似する適合度の高い滞在時間をとった属性のウェイトが高く反映されることになる。
図8に、以上の処理によって作成された商品属性マップを例示する。ここでは理解の便宜のために次元数を省略した2次元の商品マップを示しているが、実際にはN次元の商品マップとなっている。
前記したように、商品のポジション座標と各商品属性のポジション座標の距離は、商品とその商品属性のペアが選択される確率の大きさを表している。ペアが選択される確率は、すなわちそのペアの類似度を表している。本実施例における類似度とは、「その属性が商品について注目される度合い」と解釈されるため、商品から近くに布置された属性はその商品について注目度が高いことを表し、商品から遠くに布置された属性はその商品について注目度が低いことを表す。例えば「車C」と「価格」の距離は、「車C」と「デザイン」の距離よりも小さいため、「車C」については、「デザイン」よりも「価格」が注目されていることがわかる。
なお多次元尺法によって作成された商品属性マップでは、軸の意味の解釈を行うのは困難である。したがって、それぞれの軸が何を意味するのかを特定することはできず、ここでは不明となっている。
前記したように、商品のポジション座標と各商品属性のポジション座標の距離は、商品とその商品属性のペアが選択される確率の大きさを表している。ペアが選択される確率は、すなわちそのペアの類似度を表している。本実施例における類似度とは、「その属性が商品について注目される度合い」と解釈されるため、商品から近くに布置された属性はその商品について注目度が高いことを表し、商品から遠くに布置された属性はその商品について注目度が低いことを表す。例えば「車C」と「価格」の距離は、「車C」と「デザイン」の距離よりも小さいため、「車C」については、「デザイン」よりも「価格」が注目されていることがわかる。
なお多次元尺法によって作成された商品属性マップでは、軸の意味の解釈を行うのは困難である。したがって、それぞれの軸が何を意味するのかを特定することはできず、ここでは不明となっている。
図1の商品属性マップ作成部68は、作成された商品属性マップ上に、さらに、各商品属性内容情報ページでの滞在時間の標準時間に対する比率を等高線で表示する。具体的には、図9に示すように、同じ高さの比率を等高線で結んだコンター図によって表示する。各商品属性内容情報ページにアクセスした消費者全体の平均滞在時間が、標準時間と近似しているほど、等高線で囲まれた部分が濃い色で表示される。例えば図9では、「価格」の内容情報ページにアクセスした消費者全体の平均滞在時間が、最も標準時間と近似しているため、等高線で囲まれた部分が最も濃い色で表示されている。
この表示によって、消費者の各属性に対する注目度を、一層視覚容易に把握することができる。
この表示によって、消費者の各属性に対する注目度を、一層視覚容易に把握することができる。
以上のように作成された商品属性マップは、商品属性マップ提供サイトで提供される。
消費者βがクライアント端末22で商品属性マップ提供サイトのURLを指定すると、サイト提供サーバ2とリンクが確立され、サイト提供サーバ2は、アクセスしてきたクライアント端末22に自動車紹介サイトのトップページを送信する。
クライアント端末22で所定の操作を実施すると、図8に示す商品属性マップや、図9に示すコンター図による商品属性マップが表示される。
消費者βがクライアント端末22で商品属性マップ提供サイトのURLを指定すると、サイト提供サーバ2とリンクが確立され、サイト提供サーバ2は、アクセスしてきたクライアント端末22に自動車紹介サイトのトップページを送信する。
クライアント端末22で所定の操作を実施すると、図8に示す商品属性マップや、図9に示すコンター図による商品属性マップが表示される。
以上のように、本実施例では、商品紹介サイトへの消費者のアクセスログから、ノイズとなるアクセスログを除去して、その上で残ったアクセスログのデータの信頼度を加味してマップを作成する。これにより、偏りの少ない標本から得たデータに基づいて、低コストに、しかも迅速に、精度の高い商品属性マップを作成することができる。
また、このように作成されたマップを表示することで、商品について消費者の各属性に対する正確な注目度を、視覚的に把握容易とすることができる。特に、コンター図によって表示したときは、各属性に対する注目度を一目瞭然とすることができる。
また、このように作成されたマップを表示することで、商品について消費者の各属性に対する正確な注目度を、視覚的に把握容易とすることができる。特に、コンター図によって表示したときは、各属性に対する注目度を一目瞭然とすることができる。
以上、本発明の具体例を詳細に説明したが、これらは例示にすぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。
・本実施例では、クライアント端末をPCとしていたが、これに限られるものではない。例えば、モバイルや携帯電話等のインターネットに接続可能な端末であればいずれであってもよい。
・本実施例では、サイト提供サーバ2のマップ作成用データ整理部66は、アクセスログが記憶される度にマップ作成用データを整理していたが、これに限られるものではない。例えば、所定の時間間隔でマップ作成用データを整理してもよい。また、商品属性マップ作成部68は、所定の時間間隔でマップを作成していたが、これに限られるものではない。例えば、所定のアクセスログ数が追加記憶される度にマップを作成してもよい。
・本実施例では、クライアント端末22,24等で商品属性マップを表示するようにしていたが、これに限られるものではない。例えば、サイト提供サーバ2に表示手段を設けて、その表示手段で商品属性マップを表示してもよい。
また、本明細書または図面に説明した技術要素は、単独であるいは各種の組み合わせによって技術的有用性を発揮するものであり、出願時請求項記載の組み合わせに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成するものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。
・本実施例では、クライアント端末をPCとしていたが、これに限られるものではない。例えば、モバイルや携帯電話等のインターネットに接続可能な端末であればいずれであってもよい。
・本実施例では、サイト提供サーバ2のマップ作成用データ整理部66は、アクセスログが記憶される度にマップ作成用データを整理していたが、これに限られるものではない。例えば、所定の時間間隔でマップ作成用データを整理してもよい。また、商品属性マップ作成部68は、所定の時間間隔でマップを作成していたが、これに限られるものではない。例えば、所定のアクセスログ数が追加記憶される度にマップを作成してもよい。
・本実施例では、クライアント端末22,24等で商品属性マップを表示するようにしていたが、これに限られるものではない。例えば、サイト提供サーバ2に表示手段を設けて、その表示手段で商品属性マップを表示してもよい。
また、本明細書または図面に説明した技術要素は、単独であるいは各種の組み合わせによって技術的有用性を発揮するものであり、出願時請求項記載の組み合わせに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成するものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。
2 :サイト提供サーバ、
4 :通信部、
6 :制御部、
8 :記憶部、
12,14,16:消費者のクライアント端末、
22,24:マップユーザのクライアント端末、
30:ネットワーク、
62:商品紹介サイト表示処理部、
64:アクセスログ作成部、
66:マップ作成用データ整理部、
68:商品属性マップ作成部、
70:マップ提供サイト表示処理部、
82:アクセスログファイル、
84:標準時間ファイル、
86:マップ作成用データファイル
4 :通信部、
6 :制御部、
8 :記憶部、
12,14,16:消費者のクライアント端末、
22,24:マップユーザのクライアント端末、
30:ネットワーク、
62:商品紹介サイト表示処理部、
64:アクセスログ作成部、
66:マップ作成用データ整理部、
68:商品属性マップ作成部、
70:マップ提供サイト表示処理部、
82:アクセスログファイル、
84:標準時間ファイル、
86:マップ作成用データファイル
Claims (4)
- 商品の各属性に対する消費者の注目度を表す商品属性マップを表示する装置であり、
各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、各属性別内容情報での滞在時間を含むアクセス記録を記憶している「端末/アクセス記録」ファイルと、
各属性別内容情報を読むのに要する標準時間を記憶している「属性/標準時間」ファイルと、
「端末/アクセス記録」ファイルが記憶している各属性別内容情報での滞在時間の、「属性/標準時間」ファイルが記憶している標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定手段と、
「端末/アクセス記録」ファイルが記憶しているアクセスした属性の順と、適合パラメータ決定手段が決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成手段と、
商品属性マップ作成手段が作成した商品属性マップを表示する表示手段と、
を有する商品属性マップ表示装置。 - 商品属性マップ上に、各属性の標準時間に対する各属性の滞在時間の比率による等高線表示を加えたことを特徴とする請求項1の商品属性マップ表示装置。
- 商品の各属性に対する消費者の注目度を表す商品属性マップを表示する方法であり、
各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、各属性別内容情報での滞在時間を含むアクセス記録を、コンピュータに読取り可能に記憶している「端末/アクセス記録」ファイルを用意する工程と、
各属性別内容情報を読むのに要する標準時間を、コンピュータに読取り可能に記憶している「属性/標準時間」ファイルを用意する工程と、
コンピュータによって、「端末/アクセス記録」ファイルが記憶している各属性別内容情報での滞在時間の、「属性/標準時間」ファイルが記憶している標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定工程と、
コンピュータによって、「端末/アクセス記録」ファイルが記憶しているアクセスした属性の順と、適合パラメータ決定工程で決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成工程と、
コンピュータによって、商品属性マップ作成手段が作成した商品属性マップを表示すると、
を有する商品属性マップ表示方法。 - 商品の各属性に対する消費者の注目度を表す商品属性マップを表示するためのプログラムであり、コンピュータに以下の処理、即ち、
各消費者の端末がインターネット上の商品紹介サイトの属性別内容情報にアクセスした属性の順と、属性別内容情報での滞在時間を含むアクセス記録を、コンピュータに読取り可能に記憶している「端末/アクセス記録」ファイルと、各属性別内容情報を読むのに要する標準時間を、コンピュータに読取り可能に記憶している「属性/標準時間」ファイルにアクセスし、各属性別内容情報での滞在時間の、標準時間に対する適合度に基づいて、各アクセス記録の各属性の適合パラメータを決定する適合パラメータ決定処理と、
「端末/アクセス記録」ファイルにアクセスし、アクセスした属性の順と、適合パラメータ決定工程で決定した各属性の適合パラメータとを用いて多次元尺度法を実施し、商品属性マップ上における商品と各属性の座標値を算出する商品属性マップ作成処理と、
商品属性マップ作成処理で作成した商品属性マップを表示する表示処理と、
を実行させる商品属性マップ表示のためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004271405A JP2006085558A (ja) | 2004-09-17 | 2004-09-17 | 商品属性マップ表示装置と表示方法とそのためのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004271405A JP2006085558A (ja) | 2004-09-17 | 2004-09-17 | 商品属性マップ表示装置と表示方法とそのためのプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006085558A true JP2006085558A (ja) | 2006-03-30 |
Family
ID=36163995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004271405A Pending JP2006085558A (ja) | 2004-09-17 | 2004-09-17 | 商品属性マップ表示装置と表示方法とそのためのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006085558A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009277067A (ja) * | 2008-05-15 | 2009-11-26 | Toyota Motor Corp | 商品情報分析支援装置及び商品情報分析支援プログラム |
JPWO2008139717A1 (ja) * | 2007-05-09 | 2010-07-29 | パナソニック株式会社 | 表示装置、表示方法、表示プログラム |
JP2010272014A (ja) * | 2009-05-22 | 2010-12-02 | Nippon Telegr & Teleph Corp <Ntt> | 嗜好情報生成装置、嗜好解析プログラム、広告情報配信システム及び広告情報配信方法 |
JP2012014660A (ja) * | 2010-07-05 | 2012-01-19 | Ntt Communications Corp | ノイズ除去条件決定装置、ノイズ除去条件決定方法、及びプログラム |
JP2013531289A (ja) * | 2010-05-18 | 2013-08-01 | アリババ・グループ・ホールディング・リミテッド | 検索におけるモデル情報群の使用 |
US9916541B2 (en) | 2014-08-21 | 2018-03-13 | International Business Machines Corporation | Predicting a consumer selection preference based on estimated preference and environmental dependence |
-
2004
- 2004-09-17 JP JP2004271405A patent/JP2006085558A/ja active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2008139717A1 (ja) * | 2007-05-09 | 2010-07-29 | パナソニック株式会社 | 表示装置、表示方法、表示プログラム |
JP5236631B2 (ja) * | 2007-05-09 | 2013-07-17 | パナソニック株式会社 | 表示装置、表示方法、表示プログラム |
JP2009277067A (ja) * | 2008-05-15 | 2009-11-26 | Toyota Motor Corp | 商品情報分析支援装置及び商品情報分析支援プログラム |
JP2010272014A (ja) * | 2009-05-22 | 2010-12-02 | Nippon Telegr & Teleph Corp <Ntt> | 嗜好情報生成装置、嗜好解析プログラム、広告情報配信システム及び広告情報配信方法 |
JP2013531289A (ja) * | 2010-05-18 | 2013-08-01 | アリババ・グループ・ホールディング・リミテッド | 検索におけるモデル情報群の使用 |
JP2012014660A (ja) * | 2010-07-05 | 2012-01-19 | Ntt Communications Corp | ノイズ除去条件決定装置、ノイズ除去条件決定方法、及びプログラム |
US9916541B2 (en) | 2014-08-21 | 2018-03-13 | International Business Machines Corporation | Predicting a consumer selection preference based on estimated preference and environmental dependence |
US10255560B2 (en) | 2014-08-21 | 2019-04-09 | International Business Machines Corporation | Predicting a consumer selection preference based on estimated preference and environmental dependence |
US10467546B2 (en) | 2014-08-21 | 2019-11-05 | International Business Machines Corporation | Predicting a consumer selection preference based on estimated preference and environmental dependence |
US11501204B2 (en) | 2014-08-21 | 2022-11-15 | International Business Machines Corporation | Predicting a consumer selection preference based on estimated preference and environmental dependence |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11315155B2 (en) | Method and system for exposing data used in ranking search results | |
Duy Phuong et al. | Repurchase intention: The effect of service quality, system quality, information quality, and customer satisfaction as mediating role: a PLS approach of m-commerce ride hailing service in Vietnam | |
US10007945B2 (en) | Searching for goods and services based on keywords and proximity | |
US20210390597A1 (en) | System, method and computer program product for tracking and correlating online user activities with sales of physical goods | |
Rundle‐Thiele et al. | Assessing the performance of brand loyalty measures | |
Wang et al. | The conceptualization and measurement of m-commerce user satisfaction | |
Rutz et al. | Modeling indirect effects of paid search advertising: Which keywords lead to more future visits? | |
Bughin et al. | The impact of Internet technologies: Search | |
US8504486B1 (en) | Collection and provision of long-term customer reviews | |
US10289736B2 (en) | Systems and methods for ranking results based on dwell time | |
US20070180469A1 (en) | Method of demographically profiling a user of a computer system | |
US20020111847A1 (en) | System and method for calculating a marketing appearance frequency measurement | |
CA3070612A1 (en) | Click rate estimation | |
US20090234848A1 (en) | System and method for ranking search results | |
Rowbottom et al. | An exploration of the potential for studying the usage of investor relations information through the analysis of Web server logs | |
WO2009014753A2 (en) | Method for scoring products, services, institutions, and other items | |
WO2011019524A2 (en) | Systems and methods for providing targeted content to a network user | |
US20130179218A1 (en) | Seller conversion factor to ranking score for presented item listings | |
CN115018551A (zh) | 一种面向广告业务的crm数据管理的方法、装置及存储介质 | |
US10394804B1 (en) | Method and system for increasing internet traffic to a question and answer customer support system | |
CN113159870B (zh) | 推送信息的展示方法、装置及计算机设备 | |
JP2006085558A (ja) | 商品属性マップ表示装置と表示方法とそのためのプログラム | |
US10572886B2 (en) | Obtaining information on purchasing processes | |
US20080033947A1 (en) | Rating system and method of monitoring ratings | |
Egeln | An empirical investigation of the impacts of website quality on consumer loyalty: A case of baby boomers |