JP2008299775A - 顧客のサービス選択行動推定装置及び方法 - Google Patents

顧客のサービス選択行動推定装置及び方法 Download PDF

Info

Publication number
JP2008299775A
JP2008299775A JP2007147832A JP2007147832A JP2008299775A JP 2008299775 A JP2008299775 A JP 2008299775A JP 2007147832 A JP2007147832 A JP 2007147832A JP 2007147832 A JP2007147832 A JP 2007147832A JP 2008299775 A JP2008299775 A JP 2008299775A
Authority
JP
Japan
Prior art keywords
probability
customer
service
service selection
value
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
Application number
JP2007147832A
Other languages
English (en)
Inventor
Takeshi Kurosawa
健 黒沢
Ken Nishimatsu
研 西松
Motoi Iwashita
基 岩下
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2007147832A priority Critical patent/JP2008299775A/ja
Publication of JP2008299775A publication Critical patent/JP2008299775A/ja
Pending legal-status Critical Current

Links

Images

Abstract

【課題】顧客によるサービスの選択行動を、顧客の異質性が考慮された状態で推定できるようにする。
【解決手段】サービス選択確率算出部１０１が、顧客属性を変数とし、顧客によるサービスを選択する過程を示す意志決定プロセスが顧客に選択される確率を与える第１確率モデルを用いて算出した第１確率値と、顧客属性，サービス属性，及び選択肢属性を変数とし、意志決定プロセスでサービス属性で示されるサービスが顧客に選択される確率を与える第２確率モデルを用いて算出した第２確率値とにより、サービス属性で示されるサービスが、顧客属性で示される顧客に選択される確率を示すサービス選択確率を算出する。
【選択図】 図１

Description

本発明は、提供するサービスの顧客による選択行動を推定する顧客のサービス選択行動推定装置及び方法に関するものである。
例えば、顧客の選択行動をミクロに分析した結果を用いることで、市場構造の分析が行える（非特許文献１参照）。また、複数のシナリオを組み合わせることで、他サービスの需要の変化、顧客の嗜好の変化、及びサービス条件や環境の変化などに応じた市場構造の分析や需要の予測などが可能となる。この手法の中核となる顧客の選択行動分析としては、通常ＤＣＡ（Discrete Choice Analysis）と呼ばれる手法を適用している（非特許文献２参照）。ＤＣＡは、交通工学の分野をはじめとして幅広い分野で適用されている手法である。
情報通信サービスの分野では市場が複雑化しているため、市場構造の分析のためには、複数のサービスを組み合わせによって、多くの選択肢を持つような、サービスの選択行動モデルが必要になる。このようなサービスの組み合わせにおける問題を解決するため、階層構造を利用した選択行動モデルの検討事例がある（非特許文献３参照）。この試みの中では、最適な意志決定プロセスを探すために、階層構造によるモデルの検証を行い、一つの意志決定プロセスを模擬するモデルを導出している。また、顧客の異質性を考慮し、顧客のセグメント化に関する技術は多く存在しているが、この中の１つとして、潜在的なクラス（ユーザセグメント）を導出するモデルもある（非特許文献５参照）
A. Inoue, et al., "Service Demand Analysis Using Multi-Attribute Learning Mechanisms", Proceedings of the 2003 IEEE International Conference on Integration of Knowledge Intensive Multi-Agent Systems，pp.634-639,（2003） Moshe Ben-Akiva and Steven R. Lerman, "Discrete Choice Analysis:Theory and Application to Travel Demand", The MIT Press, Cambridge Massachusetts, 1985. T.Kurosawa, et al.,"Telephone Service Choice-Behavior Modeling Using Menu Choice Data Under Competitive Conditions", Intelligent Engineering Systems Through Artificial Neural Networks, Vol.16, pp.711-720, 2006. T.Kurosawa, et al.,"Customer-Choice behavior modeling with latent perceptual variables", Intelligent Engineering Systems Through Artificial Neural Networks, Vol.15, pp.419-426, 2005. 阿部誠、近藤文代、「消費者の異質性」、マーケティングの科学、第８章、ｐｐ．４１９−４２６、２００５。
現在、種々の情報通信サービスが提供されており、情報通信技術の進歩により、提供されるサービス（通信サービス）の形態やメニュー（選択肢）などが複雑になってきている。このため、顧客による所望とするサービスを選択する過程（意志決定プロセス）は、多種多様となっている。結果として同じサービスが選択されていても、提供者，提供される場所、顧客が居る環境や心理状態により、サービスの効果や利用者の受け止め方が異なるなど、顧客の異質性が存在する。このため、同じサービスを選択する全ての顧客が、同一の意志決定プロセスによりサービスを選択しているとは限らず、複数の意志決定プロセスが存在している。
ところが、従来のような単一の意志決定構造モデルでは、情報通信サービスにおけるサービス選択の構造（メカニズム）が十分に表現できなく、従来のモデルでは、上述したような顧客の異質性などを考慮した状態での、顧客によるサービスの選択行動が分析（予測）できないという問題があった。
本発明は、以上のような問題点を解消するためになされたものであり、顧客によるサービスの選択行動を、顧客の異質性が考慮された状態で推定できるようにすることを目的とする。
本発明に係る顧客のサービス選択行動推定装置は、顧客の情報を識別する数値で構成された顧客属性が格納された顧客情報格納部と、顧客の選択対象となるサービスの形態を識別する数値で構成されたサービス属性が格納されたサービス情報格納部と、サービスの選択の可能性を識別する数値で構成された選択肢属性が格納された選択肢情報格納部と、顧客によるサービスを選択する過程を示す意志決定プロセスが顧客に選択される確率を与える第１確率モデルを用い、顧客属性を変数として算出した第１確率値と、顧客属性，サービス属性，及び選択肢属性を変数とし、意志決定プロセスでサービス属性で示されるサービスが顧客に選択される確率を与える第２確率モデルで算出した第２確率値とにより、サービス属性で示されるサービスが、顧客属性で示される顧客に選択される確率を示すサービス選択確率を算出するサービス選択確率算出部とを少なくとも備えるようにしたものである。
上記サービス選択行動推定装置において、サービス選択確率算出部は、例えば、複数の意志決定プロセス毎に第２確率を算出し、第２確率毎に第１確率を乗じた値の総和をサービス選択確率とする。また、第１確率モデルは、各変数に対する重み付けを係数として含んだ顧客による意志決定プロセスの選びやすさを示す第１関数を用い、顧客による意志決定プロセスの選びやすさを示す第１の値を算出し、第１関数を用いて算出した顧客による複数の意志決定プロセスの選びやすさの値の総和を示す第２の値を算出し、第１の値を第２の値で除した値を、意志決定プロセスが顧客に選ばれる確率を示す第１確率値とするものであり、第２確率モデルは、各変数に対する重み付けを係数として含んだ、顧客による意志決定プロセスを用いたサービスの選びやすさを示す第２関数を用い、顧客によるサービス属性で示されるサービスの選びやすさを示す第３の値を算出し、第２関数を用いて算出した顧客による複数のサービスの選びやすさの値の総和を示す第４の値を算出し、第３の値を第４の値で除した値を、サービスが顧客に選ばれる確率を示す第２確率とするものであればよい。
また、上記顧客のサービス選択行動推定装置において、第１確率モデルの係数及び第２確率モデルの係数を、事後確率を用いた最尤法による尤度関数を用いた計算で算出して決定するモデル最適化部を備えるようにしても良い。モデル最適化部は、尤度関数の統計的尺度の値と既定値との比較により、推定の計算で算出した第１確率モデルの係数及び第２確率モデルの係数の良否を判定するようにしてもよい。
また、上記サービス選択行動推定装置において、サービス選択確率算出部は、係数が決定された第１確率モデルを用いて意志決定プロセスが顧客に選択される確率を算出するようにしてもよく、また、サービス選択確率算出部は、係数が決定された第２確率モデルを用いて所定の意志決定プロセスによりサービスが選択される確率を算出するようにしてもよい。また、サービス選択確率算出部は、係数が決定された第１確率モデル及び第２確率モデルを用いてサービス選択確率を算出するようにしてもよい。
また、上記サービス選択行動推定装置において、サービス選択確率算出部が算出したサービス選択確率を表示する表示部と、サービス選択確率算出部が算出した複数のサービス選択確率のなかより、規定値以上のサービス選択確率を表示部に表示させる算出結果処理部とを備えるようにしてもよい。また、サービス選択確率算出部が算出したサービス選択確率を表示する表示部と、サービス選択確率算出部が算出した複数のサービス選択確率を、値の高い順に配列して表示部に表示させる算出結果処理部とを備えるようにしてもよい。
また、本発明に係る顧客のサービス選択行動推定方法は、顧客の情報を識別する数値で構成された顧客属性の入力を受け付けて記憶する顧客情報格納ステップと、顧客の選択対象となるサービスの形態を識別する数値で構成されたサービス属性の入力を受け付けて記憶するサービス情報格納ステップと、サービスの選択の可能性を識別する数値で構成された選択肢属性の入力を受け付けて記憶する選択肢情報格納ステップと、顧客属性を変数とし、顧客によるサービスを選択する過程を示す意志決定プロセスが顧客に選択される確率を与える第１確率モデルを用いて算出した第１確率値と、顧客属性，サービス属性，及び選択肢属性を変数とし、意志決定プロセスでサービス属性で示されるサービスが顧客に選択される確率を与える第２確率モデルを用いて算出した第２確率値とにより、サービス属性で示されるサービスが、顧客属性で示される顧客に選択される確率を示すサービス選択確率を算出するサービス選択確率算出ステップとを少なくとも備えるようにしたものである。
上記サービス選択行動推定方法において、サービス選択確率算出ステップでは、複数の意志決定プロセス毎に第２確率を算出し、第２確率毎に第１確率を乗じた値の総和をサービス選択確率とすればよい。また、第１確率モデルは、各変数に対する重み付けを係数として含んだ顧客による意志決定プロセスの選びやすさを示す第１関数を用い、顧客による意志決定プロセスの選びやすさを示す第１の値を算出し、第１関数を用いて算出した顧客による複数の意志決定プロセスの選びやすさの値の総和を示す第２の値を算出し、第１の値を第２の値で除した値を、意志決定プロセスが顧客に選ばれる確率を示す第１確率値とするものであり、第２確率モデルは、各変数に対する重み付けを係数として含んだ、顧客による意志決定プロセスを用いたサービスの選びやすさを示す第２関数を用い、顧客によるサービス属性で示されるサービスの選びやすさを示す第３の値を算出し、第２関数を用いて算出した顧客による複数のサービスの選びやすさの値の総和を示す第４の値を算出し、第３の値を第４の値で除した値を、サービスが顧客に選ばれる確率を示す第２確率とするものであればよい。
上記顧客のサービス選択行動推定方法において、第１確率モデルの係数及び第２確率モデルの係数を、事後確率を用いた最尤法による尤度関数を用いた計算で算出して決定するモデル最適化ステップを備えるようにしても良い。また、モデル最適化ステップでは、尤度関数の統計的尺度の値と既定値との比較により、推定の計算で算出した第１確率モデルの係数及び第２確率モデルの係数の良否を判定するようにしてもよい。
また、上記サービス選択行動推定方法において、サービス選択確率算出ステップは、係数が決定された第１確率モデルを用いて意志決定プロセスが顧客に選択される確率を算出するステップを含むようにしてもよく、また、サービス選択確率算出ステップは、係数が決定された第２確率モデルを用いて所定の意志決定プロセスによりサービスが選択される確率を算出するステップを含むようにしてもよい。また、サービス選択確率算出ステップでは、係数が決定された第１確率モデル及び第２確率モデルを用いてサービス選択確率を算出するようにしてもよい。
また、上記顧客のサービス選択行動推定方法において、算出した複数のサービス選択確率のなかより、規定値以上のサービス選択確率を選択する算出結果処理ステップと、選択されたサービス選択確率を表示する表示ステップとを備えるようにしてもよく、算出した複数のサービス選択確率を、値の高い順に配列する算出結果処理ステップと、配列されたサービス選択確率を表示する表示ステップとを備えるようにしても良い。
以上説明したように、本発明にでは、意志決定属性で示される意志決定プロセスが顧客に選択される確率を与える第１確率モデルで算出される第１確率値と、意志決定属性で示される意志決定プロセスでサービス属性で示されるサービスが顧客に選択される確率を与える第２確率モデルで算出される第２確率値とにより、サービス属性で示されるサービスが、顧客属性を入力された顧客に選択される確率を示すサービス選択確率を算出するようにした。この結果、本発明によれば、顧客によるサービスの選択行動を、顧客の異質性が考慮された状態で推定できるようになるという優れた効果が得られる。
以下、本発明の実施の形態について図を参照して説明する。図１は、本発明の実施の形態における顧客のサービス選択行動推定装置の構成例を示す構成図である。この推定装置は、サービス選択確率算出部１０１、モデル最適化部１０２、シナリオ設定部１０３、算出結果処理部１０４、入力部１０５、表示部１０６、顧客情報格納部１１１、サービス情報格納部１１２、選択肢情報格納部１１３、及び選択結果格納部１１４を備えている。
サービス選択確率算出部１０１は、対象とする意志決定プロセスが顧客に選択される確率を与える確率モデルＡと、ある意志決定プロセスにより対象とするサービスが顧客に選択される確率を与える確率モデルＢとにより、サービスが顧客に選択される確率（サービス選択確率）を算出する。
確率モデルＡでは、まず、顧客による意志決定プロセスの選びやすさを示す関数（効用関数）Ａが設定されている。例えば、顧客情報の情報を識別する数値で構成された顧客属性を変数（入力変数）として含み、各変数に対する重み付け（寄与度）を係数（定数）として含んだ顧客による意志決定プロセスの選びやすさを示す関数（効用関数）Ａが設定されている。また、確率モデルＡでは、上記関数Ａを用いて算出した対象とする顧客による対象とする意志決定プロセスの選びやすさの値を、関数Ａを用いて算出した対象とする顧客による全ての設定されている意志決定プロセスの選びやすさの値の和で除することで得られた値を、上記対象とする意志決定プロセスが対象とする顧客に選ばれる確率とする。
また、確率モデルＢでは、まず、顧客による意志決定プロセスを用いたサービスの選びやすさを示す関数（効用関数）Ｂが設定されている。例えば、顧客属性，顧客の選択対象となるサービスの形態を識別する数値で構成されたサービス属性，顧客の選択対象となるサービスの選択の可能性を識別する数値で構成された選択肢属性などを変数として含み、各変数に対する重み付けを係数として含んだ顧客による意志決定プロセスを用いたサービスの選びやすさを示す関数（効用関数）Ｂが設定されている。また、確率モデルＢでは、上記関数Ｂを用いて算出した対象とする顧客による対象とするサービスの選びやすさの値を、関数Ｂを用いて対象とする顧客のによる設定されているサービスの選びやすさの値の総和で除することで得られた値を、上記対象とするサービスが対象とする顧客に選ばれる確率とする。
モデル最適化部１０２は、サービス選択確率算出部１０１に設定されている各確率モデルを、最適化する。モデル最適化部１０２は、事後確率を用いた最尤法による尤度関数を用いた推定の計算で、確率モデルＡ及び確率モデルＢにおける係数の最適値を推定することで、モデルの最適化を行う。例えば、この最尤法の推定では、後述するようなＥＭ（expectation maximization）アルゴリズムにより係数を求めることで、サービス選択確率算出部１０１に設定されている各確率モデルを最適化する（非特許文献５参照）。なお、ＥＭアルゴリズムに限らず、ニュートン・ラフソン法などのよく知られた数値最適化アルゴリズムを用いて最適化を行うようにしても良い。
シナリオ設定部１０３は、入力部１０５より入力された仮のサービス条件や利用者条件などを、シナリオとして顧客情報格納部１１１，サービス情報格納部１１２，及び選択肢情報格納部１１３に記憶する。
算出結果処理部１０４は、入力部１０５より入力された指示により、例えば、サービス選択確率算出部１０１による各確率モデルを用いた推定（算出）結果（サービス選択確率）を、表示部１０６に表示する。また、算出結果処理部１０４は、入力部１０５より入力された指示により、顧客情報格納部１１１，サービス情報格納部１１２，及び選択肢情報格納部１１３に記憶されているシナリオをもとにした、サービス選択確率算出部１０１による各確率モデルを用いた推定（算出）結果を、表示部１０６に表示する。ここで、算出結果処理部１０４は、例えば、算出されたサービス選択確率のなかより、規定値以上の値を表示部１０６に表示させ、また、算出した複数のサービス選択確率を、値の高い順に配列して表示部１０６に表示させるなど、算出された値の表示状態を、指示入力の内容に即して制御する。
顧客情報格納部１１１は、顧客に関する情報を数値化した顧客属性が記憶されているデータベースを含み、例えば、顧客の年齢，性別，職業，収入，居所（地域）などの情報が、年齢を示す数値、男を１とし女を０として区別する数値、各職業に各々整数を対応させることで職業を区別する数値、収入の金額を示す数値，及び各地域に各々整数を対させることで地域を区別する数値の組み合わせ（数値の集合）を、顧客属性として記憶している。顧客属性は、例えば、操作者による入力部１０５の操作などにより入力され、顧客情報格納部１１１に記憶されるものである。
また、サービス情報格納部１１２は、顧客による選択行動の予測対象となるサービスの情報を数値化したサービス属性が記憶されているデータベースを含み、例えば、サービスの仕様、サービス開始初期費用，サービス提供費用，及びサービス提供品質などが各々異なる整数で区別された数値の集合を記憶している。サービス属性は、例えば、操作者による入力部１０５の操作などにより入力され、サービス情報格納部１１２に記憶されるものである。また、選択肢情報格納部１１３は、サービス情報格納部１１２に記憶されているいずれのサービスが、対象となる顧客に選択可能となるかに関する情報（サービスの選択の可能性）を数値化した選択肢属性を記憶したデータベースを含んでいる。選択肢属性は、例えば、操作者による入力部１０５の操作などにより入力され、選択肢情報格納部１１３に記憶されるものである。
選択結果格納部１１４は、顧客により実際に選択されたサービスに関する情報を数値化した選択結果属性を記憶したデータベースを含んでいる。選択結果格納部１１４には、仮想的に用意されたサービス提供のシナリオをもとにしたアンケートの結果も、顧客により選択されたサービスに関する情報として記憶されている。選択結果属性を含むこれらの情報は、例えば、操作者による入力部１０５の操作などにより入力され、選択結果格納部１１４に記憶されるものである。
上述した本実施の形態における顧客のサービス選択行動推定装置では、まず、顧客の情報を識別する数値で構成された顧客属性の入力を受け付けて、顧客情報格納部１１１記憶する（顧客情報格納ステップ）。次に、顧客の選択対象となるサービスの形態を識別する数値で構成されたサービス属性の入力を受け付けて、サービス情報格納部１１２に記憶する（サービス情報格納ステップ）。次に、サービスの選択の可能性を識別する数値で構成された選択肢属性の入力を受け付けて、選択肢情報格納部１１３に記憶する（選択肢情報格納ステップ）。
次に、本推定装置では、サービス選択確率算出部１０１が、顧客属性を変数とし、顧客によるサービスを選択する過程を示す意志決定プロセスが顧客に選択される確率を与える第１確率モデルを用いて算出した第１確率値と、顧客属性，サービス属性，及び選択肢属性を変数とし、意志決定プロセスでサービス属性で示されるサービスが顧客に選択される確率を与える第２確率モデルを用いて算出した第２確率値とにより、サービス属性で示されるサービスが、顧客属性で示される顧客に選択される確率を示すサービス選択確率を算出する（サービス選択確率算出ステップ）。
次に、本実施の形態における推定装置について、具体例を用いてより詳細に説明する。まず、サービス選択確率算出部１０１が用いる確率モデルＡについて説明する。サービス選択確率算出部１０１には、確率モデルＡとして、設定されている意志決定プロセスが、対象となる顧客に選択される（用いられる）確率を示す確率モデルπ（ｓ；Γ；Ｘ）が設定されている。この確率モデルＡでは、想定される（設定されている）意志決定プロセスｓがＳ個存在するものとしている。また、Γは、各変数（入力変数）に対する重み付け（寄与度）の係数（定数）を含む、確率モデルＡの形を決定するための係数ベクトルである。また、Ｘは、確率モデルＡを用いて確率を算出するときに入力される入力値の集合である入力変数ベクトルとなる。入力変数ベクトルは、顧客属性，サービス属性，及び選択肢属性よりなるものである。
確率モデルＡとして、ＤＣＡ（Discrete Choice Analysis）における最も基本的なモデルである多項ロジットモデル（ＭＮＬモデル：Multinomial logit）が適用可能である。この場合、Ｓ個の効用関数確定項Ｒ1（Γ；Ｘ），Ｒ2（Γ；Ｘ），・・・，ＲS（Γ；Ｘ）を設定して用いる。これらの効用関数の確定項は、例えば、顧客属性，サービス属性，及び選択肢属性をパラメータ（変数）として含む関数であり、各パラメータに関する感度（顧客による選択されやすさ）を示す係数を含むベクトルΓで表現されていればよい。
次に、サービス選択確率算出部１０１が用いる確率モデルＢについて説明する。サービス選択確率算出部１０１には、確率モデルＢとして、各意志決定プロセスｓにおいて、顧客ｎが選択するサービスｉの確率を算出する確率モデルＰs（ｉ｜Ｃ；Βs；Ｘ）が設定されている。なお、「Β」は、ギリシャ文字のベータである。このなかで、Ｃは、要素数をＧ個とした全ての選択肢（サービス）の集合であり、Βsは、各入力変数に対する重み付けを係数として含む、確率モデルＢの形を決定するための係数を含むベクトルである。ここでは、設定されている意志決定プロセスの数Ｓだけ、確率モデルＢが設定されている。なお、確率モデルＢの「Ｂ」英文字である。
ここで、一般に、意志決定プロセスは、複数の過程を経て最終的なサービスの選択に到達する。従って、確率モデルＢは、このような意志決定プロセスの過程に対応した階層的な構造を備えている。意志決定の階層構造の深さ（階層の数）は、意志決定プロセスｓに依存する数となり、この深さは、意志決定プロセスｓ毎に設定されるものとなる。
例えば、ＤＣＡ（Discrete Choice Analysis）におけるネスティッドロジット（ＮＬ：Nested logit）モデルを用いれば、意志決定プロセスの過程を考慮した階層的な構造を持たせることができる。従って、ＤＣＡにおけるネスティッドロジットモデルを用いれば、意志決定の順序や選択基準に応じたモデルとして意志決定プロセスを表現することが可能となる。
例えば、２つのステップでサービスの選択がされる場合、意志決定の階層構造の深さは２となり、この場合、意志決定プロセスを表現するネスティッドロジットモデルは、図２に示すような構造を持つ。また例えば、３つのステップでサービスが選択される場合、意志決定の階層構造の深さは３となり、この場合、意志決定プロセスを表現するネスティッドロジットモデルは、図３に示すような構造を持つ。
Figure 2008299775
このとき、確定項Ｖs (d)（ｋd；Β；Ｘ）（１≦ｋd≦Ｍd）のＸにＸtnを代入すれば、階層ｄに存在する顧客ｎのｔ回目に対する選択肢集合の効用関数の確定項は、「Ｖstn (d)＝（ｋd；Βs）＝Ｖs (d)（ｋd；Βs；Ｘtn）のように与えられる。
次に、モデル最適化部１０２についてより詳細に説明する。モデル最適化部１０２では、まず、サービス選択確率算出部１０１が用いる各確率モデルの係数を未知変数とし、この未知変数を、事後確率を与えた尤度関数を用いた最尤法により推定する。
以下、最適化の一例について図４のフローチャートを用いて説明する。はじめに、モデル最適化部１０２では、確率モデルＡとしての確率モデルπ（ｓ；Γ；Ｘ）において、Γを未知変数の集合を示す未知変数ベクトルとする（ステップＳ４０１）。ここでは、例えば、確率モデルＡを示す確率式が、以下の式（１）で表されるものとする。なお、以下では、入力変数ベクトルとして与えられるＸtnを省略し、Ｎ人いる顧客の中のある顧客ｎがＳ個の中の意志決定プロセスｓを選択する確率は、πn（ｓ；Γ）（＝π（ｓ；Γ；Ｘtn））として表現する。
Figure 2008299775
この式では、前述したように多項ロジットモデルを利用し、Ｓ個の効用関数を設定（定義）して用いている。このとき、効用関数の確率項を除いた部分である確定項を、Ｒ1（Γ；Ｘ），Ｒ2（Γ；Ｘ），・・・，ＲS（Γ；Ｘ）として用いる。効用関数の確定項Ｒj（Γ；Ｘ）は、顧客属性に対応する各変数Ｘをパラメータとする関数であり、各パラメータに関する感度を示すΓ（ここでは未知変数としている）で表現される。このとき、顧客ｎにおける意志決定プロセスｓの効用関数の確定項Ｒjn（Γ）は、「Ｒjn（Γ）＝Ｒjn（Γ；Ｘn）＝Ｒj（Γ；Ｘtn）」で与えられる。
このＭＮＬモデルでは、効用関数の確率項にＥＶ１（extreme value type I）を仮定することで、意志決定プロセスｓが選択される確率を示す確率モデルπ（ｓ；Γ；Ｘ）は、以下の式（２）に示すように、閉じた形の確率式となる。
Figure 2008299775
なお、μは、ＥＶ１におけるスケールパラメータであり、効用関数確定項Ｒiが一次式で表現される場合、μを１に正規化する。ここで、顧客ｎが意志決定プロセスｓを選択する確率πn（ｓ；Γ）は、式（２）のＸにＸtnを代入した式（１）となる。
次に、モデル最適化部１０２では、サービス選択確率算出部１０１が用いる確率モデルＢとしての確率モデルＰs（ｉ｜Ｃ；Βs；Ｘ）において、Βsを未知変数の集合を示す未知変数ベクトルとする（ステップＳ４０２）。なお、以下では、入力変数ベクトルとして与えられるＸtnを省略し、ある顧客ｎがある意志決定プロセスｓで、サービスｉを選択する確率は、Ｐstn（ｉ｜Ｃtn；Βs）（＝Ｐs（ｉ｜Ｃ；Βs；Ｘtn））として表現する。
ここでは、例えば確率モデルＢを示す確率式が、以下の式（３）及び式（４）で表されるものとする。
Figure 2008299775
この式（３）及び式（４）は、意志決定構造が２階層である場合の例である。また、確率項にＥＶ１を仮定してある。
Figure 2008299775
また、式（４）はより、顧客ｎにより全選択肢集合Ｃtnから選択肢ｉが選択される確率は、以下の式による確率モデルで表すことができる。
Figure 2008299775
ここで、Βsは、意志決定プロセスｓにおける効用関数確定項全体に現れる係数の集合である係数ベクトルであり、以下の推定では未知変数となる。また、係数ベクトルの中には、μを要素とするネスト構造係数ベクトルΜsも含まれる。
次に、以下に説明するステップＳ４０３〜ステップＳ４０６の最適化処理のループを、設定されている尤度関数の値が設定されている収束条件を満たすまで繰り返す。まず、初期段階（ループ１回目）では（ステップＳ４０３）、事後確率に初期値（０〜１）を設定し（ステップＳ４０４）、設定された事後確率を用いた尤度関数の値が最大となる未知変数の値を推定する（ステップＳ４０５）。
複数の意志決定プロセスを考慮した状態で、顧客にサービスが選択される確率を表すモデルは、各意志決定プロセスにおいて選択されるサービスの確率（確率モデルＢ）に、顧客により意志決定プロセスが選択される確率πn（ｓ；Γ）（確率モデルＡ）を乗じた値の一次結合として表現することが可能であり、具体的には、選択肢（サービス）ｉが選択される確率を求めるための、Βs及びΓを未知変数とした確率式として、以下の式（５）で示すことができる。
Figure 2008299775
また、尤度関数としては、以下の式（６）を用いる。
Figure 2008299775
なお、ｚnsは、顧客ｎが意志決定プロセスsを選択する確率を示すダミー変数である。ここで、実際には、顧客ｎがどの意志決定プロセスsを選択するかは、推定することができない。このため、ｚnsをＥz［ｚns］＝Ｑn（ｓ）として、以下の式（７）に示す事後確率を設定する。
Figure 2008299775
このように事後確率を設定すると、対数尤度関数は、以下の式（８）で示されるようになる。
Figure 2008299775
なお、初期段階では、式（７）を用いず、式（６）のｚnsに初期値（０〜１）を設定し（ステップＳ４０４）、設定された値を用いて式（６）の値が最大となる未知変数（Γ，Β）の値を推定する（ステップＳ４０５）。次いで、推定された未知変数が、収束条件を満たすことを確認する（ステップＳ４０６）。
ステップＳ４０６の確認において、推定された未知変数が収束条件を満たしていない場合、ステップＳ４０７で、推定された未知変数Γ，Βを用い、式（７）により、事後確率を計算する。
次に、ステップＳ４０３に戻り、今度は最適化処理のループが２回目以降であるので、上述のように式（７）を用いて計算された事後確率を用い、式（６）の値が最大となる未知変数（Γ，Β）の値を推定する（ステップＳ４０５）。次いで、推定された未知変数が、収束条件を満たすことを確認する（ステップＳ４０６）。
上述したステップＳ４０３〜ステップＳ４０７を繰り返し、ステップＳ４０６の確認（判断）で、収束条件が満たされていたら、最適化処理のループを終了する。
次に、収束条件について説明する。収束のための判断法として、例えば、ステップＳ４０３〜ステップＳ４０７のループの繰り返しの回数を、収束条件とすることができる。例えば、繰り返しの回数が１０回となったら、収束条件が満たされたと判断し（ステップＳ４０６）、最適化処理のループを終了する。
また、Βs (p)をｐ回目のループにおける推定パラメータベクトルΒsとし、この次数をＫsとおき、同様にΓ(p)をｐ回目のループにおける推定パラメータベクトルΓとし、この次数をＪとおき、要素をΒs (p)＝（βs1 (p)，βs2 (p)，・・・，βsi (p)，・・・，βsKs (p)），Γs (p)＝（γ1 (p)，γ2 (p)，・・・，γi (p)，・・・，γJ (p)）としたとき、ｐ＋１回目の収束半径を、以下の式（９）により定める。
Figure 2008299775
この式（９）により求められる値ｄ(p+1)が、設定されている収束半径の大きさ以下になったとき（ステップＳ４０６）、最適化処理のループを終了すればよい。
モデル最適化部１０２は、以上に説明した最適化処理により推定された（得られた）Γ及びΒsを、サービス選択確率算出部１０１が用いる確率モデルＡ及び確率モデルＢの係数ベクトルとして設定する。
また、モデル最適化部１０２は、上述した最適化処理により得られた確率モデルＡ及び確率モデルＢの善し悪しを、尤度関数の統計的尺度の計算結果が「１」に近いほどよいとして判断する。尤度関数の統計的尺度の計算結果が１にどれだけ近いかを尺度とし、この尺度の大小により、モデルの善し悪しを判断する。
この判断では、ｐを未知変数とした係数の個数として以下に示すように定義する。
Figure 2008299775
また、ＬＬ（０，０）＝Ｎ’ｌｏｇeＧとしたとき、以下の式（１１），式（１２），及び式（１３）のいずれかの統計的尺度を用いてモデルの善し悪しを評価する。評価は、予め設定されている基準値をもとに行えばよい。
Figure 2008299775
また、入力された意志決定プロセスの数Ｓに基づき、ある意志決定プロセスの存在の妥当性を判断するため、各々の意志決定プロセスが存在するかしないかをダミー変数とし、２S−１通りに対して、上述した最適化処理を行い、各最適化処理の結果各々の統計的尺度の計算結果より、最も望ましいものを選出するようにしても良い。
サービス選択確率算出部１０１では、例えば上述したことにより最適化された確率モデルＡ及び確率モデルＢを用い、複数存在する（設定されている）意志決定プロセスを考慮した状態で、サービスが顧客に選択される確率を算出する。この確率は、各確率モデルＢにより算出される意志決定プロセス毎のサービスが選択される確率に、確率モデルＡにより算出される意志決定プロセスが選択される確率を乗じた値を一次結合した、以下の式（１５）で与えられる。
Figure 2008299775
例えば、入力部１０５から入力された指示によりシナリオ設定部１０３が構成したシナリオを入力ベクトルＸとして与えることで、サービス選択確率算出部１０１は、設定されたシナリオの場合における、対象とする顧客がシナリオで設定されているサービスを選択する確率を算出する。また、サービス選択確率算出部１０１は、上述したことにより最適化された確率モデルＡを用い、意志決定プロセスが顧客に選択される確率を算出する。また、また、サービス選択確率算出部１０１は、上述したことにより最適化された確率モデルＢを用い、所定の意志決定プロセスによりサービスが選択される確率を算出する。このようにして算出された確率が、例えば、表示部１０６に表示される。
また、入力部１０５から入力された指示による設定をもとにした算出結果処理部１０４の処理により、複数のサービスに対して各々確率を算出させた結果を、値の大きい順に並べて一度に表示部１０６表示させるようにしても良い。また、入力部１０５から入力された指示による設定をもとにした算出結果処理部１０４の処理により、複数のサービスに対して各々確率を算出させた結果の中より、既定値より大きいものを表示部１０６表示させるようにしても良い。
また、あるサービス条件でのサービスの需要を推定する場合には、サービス属性を固定値としたシナリオを、顧客属性及び選択肢属性に関して求めたい条件での属性分布の数（Ｗ）だけ用意すればよい。これらＷ個のシナリオ（ｃ1，ｃ2・・・，ｃW）を用い、以下の式（１６）によりあるサービス条件でのサービスの需要が推定できる。
Figure 2008299775
例えば、操作者による入力部１０５の操作などにより、上記複数個（Ｗ個）のシナリオの入力と動作開始の指示入力となどにより、サービス選択確率算出部１０１が、予め設定されている式（１６）を用いて算出した確率値により、サービス条件でのサービスの需要が推定できる。
なお、本実施の形態における顧客のサービス選択行動推定装置は、例えば、ＣＰＵと主記憶装置と外部記憶装置とネットワーク接続装置となどを備えたコンピュータ機器であり、主記憶装置に展開されたプログラムによりＣＰＵが動作することで、上述した各機能が実現される。また、各機能は、複数のコンピュータ機器に分散させるようにしてもよい。
本発明の実施の形態における顧客のサービス選択行動推定装置の構成例を示す構成図である。 意志決定プロセスの階層構造を説明するための説明図である。 意志決定プロセスの階層構造を説明するための説明図である。 モデル最適化部１０２の動作例を説明するためのフローチャートである。
符号の説明
１０１…サービス選択確率算出部、１０２…モデル最適化部、１０３…シナリオ設定部、１０４…算出結果処理部、１０５…入力部、１０６…表示部、１１１…顧客情報格納部、１１２…サービス情報格納部、１１３…選択肢情報格納部、１１４…選択結果格納部。

Claims (20)

  1. 顧客の情報を識別する数値で構成された顧客属性が格納された顧客情報格納部と、
    前記顧客の選択対象となるサービスの形態を識別する数値で構成されたサービス属性が格納されたサービス情報格納部と、
    前記サービスの選択の可能性を識別する数値で構成された選択肢属性が格納された選択肢情報格納部と、
    前記顧客による前記サービスを選択する過程を示す意志決定プロセスが前記顧客に選択される確率を与える第１確率モデルを用い、前記顧客属性を変数として算出した第１確率値と、前記顧客属性，前記サービス属性，及び前記選択肢属性を変数とし、前記意志決定プロセスで前記サービス属性で示されるサービスが前記顧客に選択される確率を与える第２確率モデルで算出した第２確率値とにより、前記サービス属性で示されるサービスが、前記顧客属性で示される顧客に選択される確率を示すサービス選択確率を算出するサービス選択確率算出部と
    を少なくとも備えることを特徴とする顧客のサービス選択行動推定装置。
  2. 請求項１記載の顧客のサービス選択行動推定装置において、
    前記サービス選択確率算出部は、
    複数の前記意志決定プロセス毎に前記第２確率を算出し、
    前記第２確率毎に前記第１確率を乗じた値の総和を前記サービス選択確率とする
    ことを特徴とする顧客のサービス選択行動推定装置。
  3. 請求項１又は２記載の顧客のサービス選択行動推定装置において、
    前記第１確率モデルは、
    各変数に対する重み付けを係数として含んだ前記顧客による前記意志決定プロセスの選びやすさを示す第１関数を用い、前記顧客による前記意志決定プロセスの選びやすさを示す第１の値を算出し、
    前記第１関数を用いて算出した前記顧客による複数の前記意志決定プロセスの選びやすさの値の総和を示す第２の値を算出し、
    前記第１の値を前記第２の値で除した値を、前記意志決定プロセスが前記顧客に選ばれる確率を示す前記第１確率値とするものであり、
    前記第２確率モデルは、
    各変数に対する重み付けを係数として含んだ、前記顧客による前記意志決定プロセスを用いたサービスの選びやすさを示す第２関数を用い、前記顧客によるサービス属性で示されるサービスの選びやすさを示す第３の値を算出し、
    前記第２関数を用いて算出した前記顧客による複数の前記サービスの選びやすさの値の総和を示す第４の値を算出し、
    前記第３の値を前記第４の値で除した値を、前記サービスが前記顧客に選ばれる確率を示す前記第２確率とするものである
    ことを特徴とする顧客のサービス選択行動推定装置。
  4. 請求項１〜３のいずれか１項に記載の顧客のサービス選択行動推定装置において、
    前記第１確率モデルの係数及び前記第２確率モデルの係数を、事後確率を用いた最尤法による尤度関数を用いた計算で算出して決定するモデル最適化部を備える
    ことを特徴とする顧客のサービス選択行動推定装置。
  5. 請求項４記載の顧客のサービス選択行動推定装置において、
    前記モデル最適化部は、前記尤度関数の統計的尺度の値と既定値との比較により、前記推定の計算で算出した前記第１確率モデルの係数及び前記第２確率モデルの係数の良否を判定する
    ことを特徴とする顧客のサービス選択行動推定装置。
  6. 請求項４記載の顧客のサービス選択行動推定装置において、
    前記サービス選択確率算出部は、係数が決定された前記第１確率モデルを用いて前記意志決定プロセスが前記顧客に選択される確率を算出する
    ことを特徴とする顧客のサービス選択行動推定装置。
  7. 請求項４記載の顧客のサービス選択行動推定装置において、
    前記サービス選択確率算出部は、係数が決定された前記第２確率モデルを用いて所定の前記意志決定プロセスにより前記サービスが選択される確率を算出する
    ことを特徴とする顧客のサービス選択行動推定装置。
  8. 請求項４記載の顧客のサービス選択行動推定装置において、
    前記サービス選択確率算出部は、係数が決定された前記第１確率モデル及び前記第２確率モデルを用いて前記サービス選択確率を算出する
    ことを特徴とする顧客のサービス選択行動推定装置。
  9. 請求項１〜８のいずれか１項に記載の顧客のサービス選択行動推定装置において、
    前記サービス選択確率算出部が算出したサービス選択確率を表示する表示部と、
    前記サービス選択確率算出部が算出した複数のサービス選択確率のなかより規定値以上のサービス選択確率を前記表示部に表示させる算出結果処理部と
    を備えることを特徴とする顧客のサービス選択行動推定装置。
  10. 請求項１〜８のいずれか１項に記載の顧客のサービス選択行動推定装置において、
    前記サービス選択確率算出部が算出したサービス選択確率を表示する表示部と、
    前記サービス選択確率算出部が算出した複数のサービス選択確率を値の高い順に配列して前記表示部に表示させる算出結果処理部と
    を備えることを特徴とする顧客のサービス選択行動推定装置。
  11. 顧客の情報を識別する数値で構成された顧客属性の入力を受け付けて記憶する顧客情報格納ステップと、
    前記顧客の選択対象となるサービスの形態を識別する数値で構成されたサービス属性の入力を受け付けて記憶するサービス情報格納ステップと、
    前記サービスの選択の可能性を識別する数値で構成された選択肢属性の入力を受け付けて記憶する選択肢情報格納ステップと、
    前記顧客属性を変数とし、前記顧客によるサービスを選択する過程を示す意志決定プロセスが前記顧客に選択される確率を与える第１確率モデルを用いて算出した第１確率値と、前記顧客属性，前記サービス属性，及び前記選択肢属性を変数とし、前記意志決定プロセスで前記サービス属性で示されるサービスが前記顧客に選択される確率を与える第２確率モデルを用いて算出した第２確率値とにより、前記サービス属性で示されるサービスが、前記顧客属性で示される顧客に選択される確率を示すサービス選択確率を算出するサービス選択確率算出ステップと
    を備えることを特徴とする顧客のサービス選択行動推定方法。
  12. 請求項１１記載の顧客のサービス選択行動推定方法において、
    前記サービス選択確率算出ステップでは、
    複数の前記意志決定プロセス毎に前記第２確率を算出し、
    前記第２確率毎に前記第１確率を乗じた値の総和を前記サービス選択確率とする
    ことを特徴とする顧客のサービス選択行動推定方法。
  13. 請求項１１又は１２記載の顧客のサービス選択行動推定方法において、
    前記第１確率モデルは、
    各変数に対する重み付けを係数として含んだ前記顧客による前記意志決定プロセスの選びやすさを示す第１関数を用い、前記顧客による前記意志決定プロセスの選びやすさを示す第１の値を算出し、
    前記第１関数を用いて算出した前記顧客による複数の前記意志決定プロセスの選びやすさの値の総和を示す第２の値を算出し、
    前記第１の値を前記第２の値で除した値を、前記意志決定プロセスが前記顧客に選ばれる確率を示す前記第１確率値とするものであり、
    前記第２確率モデルは、
    各変数に対する重み付けを係数として含んだ、前記顧客による前記意志決定プロセスを用いたサービスの選びやすさを示す第２関数を用い、前記顧客によるサービス属性で示されるサービスの選びやすさを示す第３の値を算出し、
    前記第２関数を用いて算出した前記顧客による複数の前記サービスの選びやすさの値の総和を示す第４の値を算出し、
    前記第３の値を前記第４の値で除した値を、前記サービスが前記顧客に選ばれる確率を示す前記第２確率とするものである
    ことを特徴とする顧客のサービス選択行動推定方法。
  14. 請求項１１〜１３のいずれか１項に記載の顧客のサービス選択行動推定方法において、
    前記第１確率モデルの係数及び前記第２確率モデルの係数を、事後確率を用いた最尤法による尤度関数を用いた計算で算出して決定するモデル最適化ステップを備える
    ことを特徴とする顧客のサービス選択行動推定方法。
  15. 請求項１４記載の顧客のサービス選択行動推定方法において、
    前記モデル最適化ステップでは、前記尤度関数の統計的尺度の値と既定値との比較により、前記推定の計算で算出した前記第１確率モデルの係数及び前記第２確率モデルの係数の良否を判定する
    ことを特徴とする顧客のサービス選択行動推定方法。
  16. 請求項１４記載の顧客のサービス選択行動推定方法において、
    前記サービス選択確率算出ステップは、係数が決定された前記第１確率モデルを用いて前記意志決定プロセスが前記顧客に選択される確率を算出するステップを含む
    ことを特徴とする顧客のサービス選択行動推定方法。
  17. 請求項１４記載の顧客のサービス選択行動推定方法において、
    前記サービス選択確率算出ステップは、係数が決定された前記第２確率モデルを用いて所定の前記意志決定プロセスにより前記サービスが選択される確率を算出するステップを含む
    ことを特徴とする顧客のサービス選択行動推定方法。
  18. 請求項１４記載の顧客のサービス選択行動推定方法において、
    前記サービス選択確率算出ステップでは、係数が決定された前記第１確率モデル及び前記第２確率モデルを用いて前記サービス選択確率を算出する
    ことを特徴とする顧客のサービス選択行動推定方法。
  19. 請求項１１〜１８のいずれか１項に記載の顧客のサービス選択行動推定方法において、
    算出した複数の前記サービス選択確率のなかより規定値以上のサービス選択確率を選択する算出結果処理ステップと、
    選択された前記サービス選択確率を表示する表示ステップと
    を備えることを特徴とする顧客のサービス選択行動推定方法。
  20. 請求項１１〜１８のいずれか１項に記載の顧客のサービス選択行動推定方法において、
    算出した複数の前記サービス選択確率を値の高い順に配列する算出結果処理ステップと、
    配列された前記サービス選択確率を表示する表示ステップと
    を備えることを特徴とする顧客のサービス選択行動推定方法。
JP2007147832A 2007-06-04 2007-06-04 顧客のサービス選択行動推定装置及び方法 Pending JP2008299775A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007147832A JP2008299775A (ja) 2007-06-04 2007-06-04 顧客のサービス選択行動推定装置及び方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007147832A JP2008299775A (ja) 2007-06-04 2007-06-04 顧客のサービス選択行動推定装置及び方法

Publications (1)

Publication Number Publication Date
JP2008299775A true JP2008299775A (ja) 2008-12-11

Family

ID=40173215

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007147832A Pending JP2008299775A (ja) 2007-06-04 2007-06-04 顧客のサービス選択行動推定装置及び方法

Country Status (1)

Country Link
JP (1) JP2008299775A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150697A (zh) * 2011-12-07 2013-06-12 北京四达时代软件技术股份有限公司 确定客户流失的方法及装置
JP2018501571A (ja) * 2014-12-19 2018-01-18 フェイスブック，インク． コール・トゥ・アクションを作成し、選択し、提示し、実行するためのシステムおよび方法
JP2020057409A (ja) * 2015-12-22 2020-04-09 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド サービスの順序列を更新するためのシステム及び方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005352728A (ja) * 2004-06-10 2005-12-22 Nippon Telegr & Teleph Corp <Ntt> 需要予測方法および需要予測装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005352728A (ja) * 2004-06-10 2005-12-22 Nippon Telegr & Teleph Corp <Ntt> 需要予測方法および需要予測装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CSNG199901361003, 井上 明也 Ａｋｉｙａ ＩＮＯＵＥ, "通信サービスにおけるユーザの選択行動分析法 Ｄｉｓｃｒｅｔｅ Ｃｈｏｉｃｅ Ａｎａｌｙｓｉｓ ｆｏｒ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｅｒｖｉｃｅｓ", 電子情報通信学会誌 第７６巻 第５号 ＴＨＥ ＪＯＵＲＮＡＬ ＯＦ ＴＨＥ ＩＮＳＴＩＴＵＴＥ ＯＦ ＥＬＥＣＴＲＯＮＩＣＳ，ＩＮＦＯＲＭＡＴＩＯＮ ＡＮＤ ＣＯ, 19930525, 第７６巻, 第５１０−５１７頁, JP, 社団法人電子情報通信学会 ＴＨＥ ＩＮＳＴＩＴＵＴＥ ＯＦ ＥＬＥＣＴＲＯ *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150697A (zh) * 2011-12-07 2013-06-12 北京四达时代软件技术股份有限公司 确定客户流失的方法及装置
JP2018501571A (ja) * 2014-12-19 2018-01-18 フェイスブック，インク． コール・トゥ・アクションを作成し、選択し、提示し、実行するためのシステムおよび方法
JP2020057409A (ja) * 2015-12-22 2020-04-09 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド サービスの順序列を更新するためのシステム及び方法
US11388547B2 (en) 2015-12-22 2022-07-12 Beijing Didi Infinity Technology And Dvelopment Co., Ltd. Systems and methods for updating sequence of services

Similar Documents

Publication Publication Date Title
Dikmen et al. A case-based decision support tool for bid mark-up estimation of international construction projects
Ibrahim et al. Fixed and random effects selection in mixed effects models
JP5143879B2 (ja) ランキング指向の協調フィルタリング推薦方法および装置
US20110093428A1 (en) Automated filling of conditional probability data in a decision support apparatus that uses a bayesian belief network
Liu et al. Efficient choice designs for a consider-then-choose model
Rahman et al. Methodological issues in spatial microsimulation modelling for small area estimation
CN103412918A (zh) 一种基于服务质量和声誉的服务信任度评估方法
Aggarwal Compensative weighted averaging aggregation operators
Durbach et al. Modelling uncertainty in stochastic multicriteria acceptability analysis
JP2022000752A (ja) 情報処理に用いられる方法、装置、電子機器及びプログラム
Liang et al. Best-worst tradeoff method
Wisse et al. Relieving the elicitation burden of Bayesian belief networks.
Ren et al. Data-driven fuzzy preference analysis from an optimization perspective
Anderson et al. Assessing the convergence and mobility of nations without artificially specified class boundaries
DeBock et al. A comparative evaluation of probabilistic regional seismic loss assessment methods using scenario case studies
Raqab et al. Maximum likelihood prediction of records from 3-parameter Weibull distribution and some approximations
Jiménez-Fernández et al. Unsupervised machine learning approach for building composite indicators with fuzzy metrics
Janáček et al. Sequential approximate approach to the p-median problem
CN103782290A (zh) 建议值的生成
JP2008299775A (ja) 顧客のサービス選択行動推定装置及び方法
Novak et al. A Bayesian model for forecasting hierarchically structured time series
Wang et al. Bayesian sequential data collection for stochastic simulation calibration
Tsiotas A quasi-Bayesian model averaging approach for conditional quantile models
CN113298120B (zh) 基于融合模型的用户风险预测方法、系统和计算机设备
JP5348351B2 (ja) リスクプロファイル生成装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20081110

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110104

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110125

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110325

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20110517