JP2009043125A - ユーザ分類装置、広告配信装置、ユーザ分類方法、広告配信方法およびプログラム - Google Patents

Abstract

【課題】ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析を支援する。
【解決手段】情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出し、抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する。そして、生成されたクラスに各ユーザを分類し、少なくとも分類された分類結果を提示する。
【選択図】図１

Description

本発明は、インターネット等の通信回線を介して、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析を支援するユーザ分類装置、ユーザ分類方法、プログラムおよび顧客動向の分析結果に基づいて広告を配信する広告配信装置、広告配信方法、プログラムに関する。

近年、携帯電話機として、無線電話機能だけでなく、通信端末機能も備えたものが普及してきている。この携帯電話機を使用すれば、インターネットに接続して、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）サーバから提供される多種多様な情報を取得することが可能となる。これにより携帯電話機のユーザは、時間や場所に制限されることなく、所望の情報を受け取ることができる。

こうしたインターネットでは、キーワードを入力して所望のＷｅｂページを検索することが一般的であり、上記のインターネットの目覚しい普及と相俟って、インターネットをビジネスに利用するために、ユーザがＷｅｂページ検索のために入力するキーワードからユーザの動向分析を行う技術が注目を集めている。

例えば、従来から提案・開発されている文書内での単語の共起関係に基づき、単語を自動的に分類する手法としては、特許文献１に示すように、文書内に出現する名詞と動詞の出現回数および動詞・名詞間の類似関係から、単語間の概念的近さを導出し、その結果を基に単語を分類する技術が知られている。

また、特許文献２では、音声認識処理の前処理として、単語のｎ−ｇｒａｍ情報を利用し、同一の単語に隣接する割合の多い単語を同一のクラスに割り当てるという基準で複数の単語を複数のクラスに分類し、多大に異なる第１のクラスの単語と第２のクラスの単語とが隣接して出現する頻度を、第１のクラスの単語の出現頻度と第２のクラスの単語の出現頻度との積に対する相対的な頻度の割合を表す所定の相互情報量が最大となるように、上記の単語を二分木形式で複数のクラスに分類する技術が提案されている。

また、特許文献３では、予め定められた文書カテゴリを表す「コアワード」を基に、分類対象単語と共起するコアワードの頻度から、分類対象単語が属するカテゴリを決定する技術が提案されており、非特許文献１では、ユーザの検索履歴情報に基づき、検索結果をパーソナライズする手法、すなわち、ユーザの検索履歴に加え、閲覧したＷｅｂページの情報などを利用し、検索結果をパーソナライズする技術が提案されている。

さらに、米国のＧｏｏｇｌｅ社が提供している検索キーワード連動型広告提示サービス「Ａｄｗｏｒｄｓ」では、広告配信主が指定したキーワードが、検索エンジンに入力された場合、その広告配信主の広告が検索結果とともにユーザに提示され技術が知られている。
特開平０１−２５３０６４号公報 特開平０８−２５４９９０号公報 特開２００４−３３４７６６号公報 Ｊ．Ｔｅｅｖａｎ，ｅｔ ａｌ．：Ｐｅｒｓｏｎａｌｉｚｉｎｇ ｓｅａｒｃｈ ｖｉａ ａｕｔｏｍａｔｅｄ analysis ｏｆ ｉｎｔｅｒｅｓｔｓ ａｎｄ ａｃｔｉｖｉｔｉｅｓ，Ｐｒｏｃ．ｏｆ ＡＣＭ−ＳＩＧＩＲ ２００５，ｐｐ．４４９−４５６，２００５．

しかしながら、上記特許文献１から３に開示された単語の自動分類方式では、２つの前提条件が必要となる。つまり、１つは、分析対象単語が予め定められていること、もう１つは分析対象単語が多く出現する文書データが大量に存在することである。前者の条件を満たすためには、例えば、辞書などに登録されている単語情報を基に、分析対象単語のセットを決める方法を適用することができる。ところが、辞書に基づいて分析対象単語を決定する場合、新しい単語や未知の単語を分析対象に含めることは困難であるという問題がある。

また、仮に新語や未知語などを分析対象単語に含める仕組みが実現できたとしても、新語や未知語が大量に出現する文書データを準備することも困難である。したがって、上記特許文献１から３に開示された単語の自動分類方式では、例えば、インターネットの情報検索エンジンなどに入力されると想定されるさまざまな単語を分類することは容易ではないという問題がある。

また、非特許文献１で提案されている検索履歴などを利用した検索のパーソナライズ技術では、個別のユーザに対する検索精度を向上させることが目的であり、複数のユーザの履歴情報を収集し、その情報に基づくユーザの分類は実現されていない。

さらに、「Ａｄｗｏｒｄｓ」などの検索連動型広告提示サービスでは、検索キーワードに連動した広告を提示できるものの、検索キーワードそのものに該当する広告のみを提示する仕組みであるため、配信対象広告と関連が高いが異なるキーワードが入力された場合は、所望の広告が提示されないという問題がある。

そこで、本発明は、上述の課題に鑑みてなされたものであり、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析を支援するユーザ分類装置、ユーザ分類方法、プログラムおよび顧客動向の分析結果に基づいて広告を配信する広告配信装置、広告配信方法、プログラムを提供することを目的とする。

本発明は、上記の課題を解決するために以下の事項を提案している。
（１）本発明は、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する検索キーワード情報抽出手段（例えば、図１の分析対象キーワード抽出部１０３に相当）と、該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成するクラス生成手段（例えば、図１のクラス抽出部１０４に相当）と、該生成されたクラスに各ユーザを分類する分類手段（例えば、図１のクラス抽出部１０４に相当）と、少なくとも該分類された分類結果を提示する分類結果提示手段（例えば、図１のユーザ検索履歴解析結果提示部１０５に相当）と、を備えたことを特徴とするユーザ分類装置を提案している。

この発明によれば、検索キーワード情報抽出手段が、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出し、クラス生成手段が、抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する。そして、分類手段が、生成されたクラスに各ユーザを分類し、分類結果提示手段が、少なくとも分類された分類結果を提示する。したがって、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析を支援することができる。

（２）本発明は、（１）のユーザ分類装置について、前記クラス生成手段により生成されたクラスを代表するコアキーワードを抽出するコアキーワード抽出手段（例えば、図５のコアキーワード抽出部２０４に相当）をさらに備え、前記分類結果提示手段が、ユーザの前記分類結果と併せて、該抽出したコアキーワードを提示することを特徴とするユーザ分類装置を提案している。

この発明によれば、分類結果提示手段が、ユーザの分類結果と併せて、コアキーワード抽出手段が、抽出したクラス生成手段により生成されたクラスを代表するコアキーワードを提示する。したがって、コアキーワード抽出手段により、個々の潜在クラスについて、そのクラスを代表すると思われるコアキーワードを自動的に抽出することができ、これを分類結果提示手段により、ユーザの分類結果と併せて提示することによって、より高度なユーザ動向の解析を容易に実行することができる。

（３）本発明は、（２）のユーザ分類装置について、前記コアキーワード抽出手段が、コアキーワードを抽出するための情報として、前記各ユーザの入力キーワードに対するＷｅｂ検索結果を用いることを特徴とするユーザ分類装置を提案している。

この発明によれば、コアキーワード抽出手段が、コアキーワードを抽出するための情報として、各ユーザの入力キーワードに対するＷｅｂ検索結果を用いる。したがって、流行のキーワード等の情報についても自動的に収集することができ、新語や未知語を対象としてユーザを分類することができる。

（４）本発明は、（３）のユーザ分類装置について、前記コアキーワード抽出手段が、コアキーワードを抽出するための情報として、前記各ユーザの入力キーワードに対するＷｅｂ検索結果に含まれるサマリ内での単語共起情報と、前記分類されたクラス内における単語共起情報との比較によりコアキーワードを抽出することを特徴とするユーザ分類装置を提案している。

この発明によれば、コアキーワード抽出手段が、コアキーワードを抽出するための情報として、各ユーザの入力キーワードに対するＷｅｂ検索結果に含まれるサマリ内での単語共起情報と、分類されたクラス内における単語共起情報との比較によりコアキーワードを抽出する。したがって、上記のような処理を行うことにより、検索キーワードと共起が多いキーワードあるいは少ないキーワードが明らかになり、キーワード間の相関関係を導出することができるため、より高度なユーザ動向の解析を容易に実行することができる。

（５）本発明は、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する検索キーワード情報抽出手段（例えば、図９の分析対象キーワード抽出部１０３に相当）と、該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成するクラス生成手段（例えば、図９のクラス抽出部１０４に相当）と、該生成されたクラスに各ユーザを分類する分類手段（例えば、図９のクラス抽出部１０４に相当）と、少なくとも該分類結果に基づいて、前記生成されたクラス毎に配信する広告を決定する配信広告決定手段（例えば、図９の配信広告決定部３０５に相当）と、該配信広告決定手段において決定された広告を前記生成されたクラス毎に配信する広告配信手段（例えば、図９の広告配信部３０７に相当）と、を備えたことを特徴とする広告配信装置を提案している。

この発明によれば、検索キーワード情報抽出手段は、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する。クラス生成手段は、抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する。分類手段は、生成されたクラスに各ユーザを分類する。そして、配信広告決定手段が、少なくとも分類結果に基づいて、生成されたクラス毎に配信する広告を決定し、広告配信手段が、配信広告決定手段において決定された広告を生成されたクラス毎に配信する。したがって、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析に基づいた広告を配信することができる。

（６）本発明は、（５）の広告配信装置について、前記クラス生成手段により生成されたクラスを代表するコアキーワードを抽出するコアキーワード抽出手段をさらに備え、前記配信広告決定手段が、ユーザの前記分類結果と併せて、該抽出したコアキーワードに基づいて前記生成されたクラス毎に配信する広告を決定することを特徴とする広告配信装置を提案している。

この発明によれば、分類結果提示手段が、ユーザの分類結果と併せて、コアキーワード抽出手段が、抽出したクラス生成手段により生成されたクラスを代表するコアキーワードを提示する。したがって、コアキーワード抽出手段により、個々の潜在クラスについて、そのクラスを代表すると思われるコアキーワードを自動的に抽出することができ、これをユーザの分類結果と併せて生成されたクラス毎に配信する広告を決定することによって、より高度なユーザ動向の解析に基づいた広告をユーザに配信することができる。

（７）本発明は、（６）の広告配信装置について、前記コアキーワード抽出手段が、コアキーワードを抽出するための情報として、前記各ユーザの入力キーワードに対するＷｅｂ検索結果を用いることを特徴とする広告配信装置を提案している。

この発明によれば、コアキーワード抽出手段が、コアキーワードを抽出するための情報として、各ユーザの入力キーワードに対するＷｅｂ検索結果を用いる。したがって、流行のキーワード等の情報についても自動的に収集することができ、新語や未知語を対象としてユーザを分類することができる。

（８）本発明は、（７）の広告配信装置について、前記コアキーワード抽出手段が、コアキーワードを抽出するための情報として、前記各ユーザの入力キーワードに対するＷｅｂ検索結果に含まれるサマリ内での単語共起情報と、前記分類されたクラス内における単語共起情報との比較によりコアキーワードを抽出することを特徴とする広告配信装置を提案している。

この発明によれば、コアキーワード抽出手段が、コアキーワードを抽出するための情報として、各ユーザの入力キーワードに対するＷｅｂ検索結果に含まれるサマリ内での単語共起情報と、分類されたクラス内における単語共起情報との比較によりコアキーワードを抽出する。したがって、上記のような処理を行うことにより、検索キーワードと共起が多いキーワードあるいは少ないキーワードが明らかになり、キーワード間の相関関係を導出することができるため、より高度なユーザ動向の解析を容易に実行することが可能となり、適切な広告を配信することができる。

（９）本発明は、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する第１のステップ（例えば、図２のステップＳ１０１に相当）と、該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する第２のステップ（例えば、図２のステップＳ１０３に相当）と、該生成されたクラスに各ユーザを分類する第３のステップ（例えば、図２のステップＳ１０４に相当）と、少なくとも該分類された分類結果を提示する第４のステップと、を備えたことを特徴とするユーザ分類方法を提案している。

この発明によれば、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出し、抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する。そして、生成されたクラスに各ユーザを分類し、少なくとも分類された分類結果を提示する。したがって、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析を支援することができる。

（１０）本発明は、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する第１のステップ（例えば、図１０のステップＳ４０１に相当）と、該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する第２のステップ（例えば、図１０のステップＳ４０３に相当）と、該生成されたクラスに各ユーザを分類する第３のステップ（例えば、図１０のステップＳ４０４に相当）と、少なくとも該分類結果に基づいて、前記生成されたクラス毎に配信する広告を決定する第４のステップ（例えば、図１０のステップＳ４０６に相当）と、該第４のステップにおいて決定された広告を前記生成されたクラス毎に配信する第５のステップ（例えば、図１０のステップＳ４０７に相当）と、を備えたことを特徴とする広告配信方法を提案している。

この発明によれば、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出し、抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する。そして、生成されたクラスに各ユーザを分類し、少なくとも分類結果に基づいて、生成されたクラス毎に配信する広告を決定して、決定された広告を生成されたクラス毎に配信する。したがって、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析に基づいた広告を配信することができる。

（１１）本発明は、コンピュータに、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する第１のステップ（例えば、図２のステップＳ１０１に相当）と、該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する第２のステップ（例えば、図２のステップＳ１０３に相当）と、該生成されたクラスに各ユーザを分類する第３のステップ（例えば、図２のステップＳ１０４に相当）と、少なくとも該分類された分類結果を提示する第４のステップと、を実行させるためのプログラムを提案している。

この発明によれば、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出し、抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する。そして、生成されたクラスに各ユーザを分類し、少なくとも分類された分類結果を提示する。したがって、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析を支援することができる。

（１２）本発明は、コンピュータに、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する第１のステップ（例えば、図１０のステップＳ４０１に相当）と、該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する第２のステップ（例えば、図１０のステップＳ４０３に相当）と、該生成されたクラスに各ユーザを分類する第３のステップ（例えば、図１０のステップＳ４０４に相当）と、少なくとも該分類結果に基づいて、前記生成されたクラス毎に配信する広告を決定する第４のステップ（例えば、図１０のステップＳ４０６に相当）と、該第４のステップにおいて決定された広告を前記生成されたクラス毎に配信する第５のステップ（例えば、図１０のステップＳ４０７に相当）と、を実行させるためのプログラムを提案している。

この発明によれば、情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出し、抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する。そして、生成されたクラスに各ユーザを分類し、少なくとも分類結果に基づいて、生成されたクラス毎に配信する広告を決定して、決定された広告を生成されたクラス毎に配信する。したがって、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析に基づいた広告を配信することができる。

本発明によれば、分析対象単語を自動的にＷｅｂ検索履歴から得られるため、例えば、流行のキーワードなどの情報も自動的に収集することが可能であるという効果がある。さらに、こうしたキーワードとの共起関係を得るためのテキスト文も、Ｗｅｂ上から自動的に収集することが可能になるため、従来手法では分析が困難である新語や未知語を対象としてユーザを分類することができるという効果がある。

また、本発明によれば、大量の検索履歴情報を元にユーザを分類しており、従来の技術では実現が難しい顧客分析や広告配信への適用が可能となるという効果がある。さらに、本発明によれば、その分析の結果により、検索キーワードと関連が高いキーワードが自動的に得られるため、広告主が想定している検索キーワードを実際に入力していないユーザに対しても、広告を配信することが可能になり、広告効果の向上が期待できるという効果がある。

以下、本発明の実施形態について、図面を用いて、詳細に説明する。
なお、本実施形態における構成要素は適宜、既存の構成要素等との置き換えが可能であり、また、他の既存の構成要素との組合せを含む様々なバリエーションが可能である。したがって、本実施形態の記載をもって、特許請求の範囲に記載された発明の内容を限定するものではない。

＜第１の実施形態＞
図１から図４を用いて、本発明の第１の実施形態について説明する。

＜ユーザ分類装置の構成＞
本実施形態に係るユーザ分類装置が用いられるシステムは、図１に示すように、ユーザ端末１０と、情報検索エンジン２０と、ユーザ分類装置１００とから構成されている。また、ユーザ分類装置１００は、図１に示すように、検索ログデータベース１０１と、ユーザ検索履歴情報収集部１０２と、分析対象キーワード抽出部１０３と、クラス抽出部１０４と、ユーザ検索履歴解析結果提示部１０５とから構成されている。

検索ログデータベース１０１は、情報検索エンジン２０から入力した検索ログを収集し、格納するデータベースである。ユーザ検索履歴情報収集部１０２は、情報検索エンジン２０を利用したユーザの検索履歴情報を収集し、後述するクラス抽出部１０４に入力可能なデータ形式に加工する処理を行う。ここで、情報検索エンジン２０から得られる検索ログには、少なくともユーザを特定するための「ユーザＩＤ」と、ユーザが情報検索エンジン２０に対し入力した「キーワード」の情報が含まれているものとする。なお、ユーザ検索履歴情報収集部１０２の詳しい処理方法については後述する。

分析対象キーワード抽出部１０３は、分析対象ユーザの情報検索エンジン２０の利用履歴（詳細は後述する）に含まれるキーワードの中から、ユーザ分類に有用なキーワードを抽出する処理を行う。具体的には、例えば、履歴に含まれる検索キーワードの出現頻度を算出し、上位Ｍ件のキーワードを分析対象キーワードとみなす方法等が考えられる。

クラス抽出部１０４は、ユーザ検索履歴情報収集部１０２から入力されたすべてのユーザの検索履歴データから潜在クラスを抽出し、分析対象ユーザを抽出されたクラスのいずれかに分類する処理を行う。ここで、潜在クラスとは、マーケティング分析などにおいて近年利用されている分析手法の１つであり、大量のアンケート回答結果などに潜在する集団を抽出し、分析に利用する手法である。検索キーワードの履歴情報から潜在クラス抽出を行うことにより、ユーザの情報検索エンジン２０の利用動向ごとにユーザを分類することがここでの目的である。すなわち、個々の潜在クラスは、類似した検索キーワードを入力するユーザ群を表すと考えられる。なお、ここでは後述の実施形態の説明のため、潜在クラス抽出を適用しているが、潜在クラス抽出以外のデータ分類方法、例えば、クラスタリング等を適用してもよい。

ユーザ検索履歴解析結果提示部１０５は、クラス抽出部１０４によるユーザの分類結果を、ユーザの履歴分析担当者に提示する処理を行う。具体的には、各潜在クラスに属するユーザの統計情報などを閲覧するための表示などを行う。これにより、この結果と、例えば、別の商品の購買履歴とを照合することにより、分析対象商品を購入しているユーザの動向からマーケット分析が可能になり、商品の販売促進に効果的な検索キーワードの自動抽出などの成果が得られる。

＜ユーザ分類装置の処理フロー＞
次に、図２から図４を用いて、ユーザ分類装置の処理について説明する。
図２に示すように、ユーザ分類装置の処理は、大きく「分析対象キーワード抽出処理（ステップＳ１０１）」「ユーザ検索履歴取込処理（ステップＳ１０２）」「クラス抽出処理（ステップＳ１０３）」「分析対象ユーザ分類処理（ステップＳ１０４）」の４つの処理に分けられる。そして、これらの処理による分析結果が、ユーザ検索履歴解析結果提示部１０５により、分析担当者に提示される。

まず、分析対象キーワード抽出処理（ステップＳ１０１）では、検索エンジンの検索履歴に含まれるキーワードの中から、分析対象となるキーワードを抽出する処理を行う。次に、ユーザ検索履歴取込処理（ステップＳ１０２）では、分析対象キーワード抽出処理（ステップＳ１０１）によって抽出されたキーワードと、個々のユーザの検索ログを照合し、後述のクラス抽出処理（ステップＳ１０３）に入力可能な形式に、全てのユーザの検索ログを変換する処理を行う。

ここで、本処理で想定している検索ログデータは、例えば、図３に示すようになっている。つまり、図３に示すとおり、検索ログデータには、検索を行ったユーザを示す「ユーザＩＤ」と、当該ユーザが情報検索を行った「検索時刻」、当該ユーザが情報検索エンジン２０に入力したキーワードを示す「検索キーワード」が含まれている。図３の例では、具体的に、ユーザＩＤ「Ｓ９３２４８９５０」のユーザが２００７年１月１５日の午前１０時３分３２秒に情報検索エンジン２０に検索キーワードとして「画像 無料」を入力し、ユーザＩＤ「Ｐ０９２３１２４５」のユーザが２００７年１月１５日の午前１０時６分１１秒に情報検索エンジン２０に検索キーワードとして「掲示板」を入力し、ユーザＩＤ「Ｑ１１２２２８４４」のユーザが２００７年１月１６日の午後８時１分５４秒に情報検索エンジン２０に検索キーワードとして「着メロ 鈴木はなこ」を入力したことが示されている。本処理では、図３に示されているような検索ログデータから、個々のユーザが入力した検索キーワードのうち、分析対象キーワード抽出処理において抽出されたキーワードに該当するキーワードを抽出することにより、各ユーザの検索履歴を集約する処理を行う。

図４には、分析対象キーワード抽出処理（ステップＳ１０１）において、Ｎ件のキーワード Ｋ_１，Ｋ_２，・・・，Ｋ_nが分析対象キーワードとして抽出された場合に、本処理からの出力データ例が示されている。

図４に示すデータの例では、各行が個々のユーザの検索キーワード履歴を示している。具体的には、図３に示されている検索ログデータの検索キーワードのうち、分析対象のＮ件のキーワードＫ_１，Ｋ_２，・・・，Ｋ_nに含まれているものがあれば「１」を設定し、それ以外のキーワード（当該ユーザが入力していないキーワード）については「０」と設定する処理を行う。図４の例では、例えば、ユーザＩＤの「Ｔ９１３５４８５４」のユーザの場合、検索キーワードＫ_２とＫ_３を入力していることが表されており、ユーザＩＤの「Ａ８２３４９４４４」のユーザの場合、検索キーワードＫ_１とＫ_４とＫ_ｎ−１を、ユーザＩＤの「Ｍ１９７３１００７」のユーザの場合、検索キーワードＫ_４とＫ_ｎ−１とＫ_ｎを、ユーザＩＤの「Ｋ０２８１６６１３」のユーザの場合、検索キーワードＫ_１からＫ_４とＫ_ｎを入力したことが表されている。

なお、ここでは各検索キーワードの入力の有無のみに基づいて検索履歴データを生成している処理例を示しているが、各検索キーワードの入力件数を考慮した形、例えば、ｍ件以上の検索で「１」を設定するような形式で図４のような出力データを作成する等の方法を適用してもよい。

次に、クラス抽出処理（ステップＳ１０３）では、ユーザ検索履歴取込処理（ステップＳ１０２）で生成されたデータに基づき、各ユーザの検索動向を表す「クラス」を自動的に抽出する。本処理では、「潜在クラス抽出」という方法を利用し、検索時刻履歴データから潜在クラスを抽出する手法などを適用する。

なお、上記では、「潜在クラス抽出」を例示したが、ｋ−ｍｅａｎｓクラスタリングなどの処理により、クラスの抽出を実行することも可能である。

分析対象ユーザ分類処理（ステップＳ１０４）では、クラスが抽出された後、全ての分析対象ユーザを抽出されたクラスのいずれかに分類する処理を行う。クラス抽出処理（ステップＳ１０３）において、前述の潜在クラス抽出を利用している場合は、各ユーザの検索キーワード履歴データに基づき、抽出された潜在クラスへの帰属確率を求め、帰属確率が最大となるクラスにユーザを分類する手法などが適用可能である。

また、クラス抽出処理（ステップＳ１０３）においてクラスタリングを適用している場合は、各クラスタの重心と、ユーザの検索キーワード履歴間の類似度を算出し、最も類似度が高いクラスタにユーザを分類する手法などを適用することができる。本処理の結果、すべての広告配信対象ユーザが、クラス抽出処理において抽出されたクラスのいずれかに分類されることとなる。

以上の処理の結果を基に、分析担当者が個々のクラスに分類されたユーザの特性などを見て、ユーザの動向について分析を行う。また、分析の補足データとして、上記の検索履歴データに加え、たとえば商品の購買履歴などがあれば、商品を購入しているユーザが入力している検索キーワードの傾向などを調査することができる。

したがって、本実施形態によれば、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析を支援することができる。

＜第２の実施形態＞
図５から図８を用いて、本発明の第２の実施形態について説明する。

＜ユーザ分類装置の構成＞
本実施形態に係るユーザ分類装置が用いられるシステムは、図５に示すように、ユーザ端末１０と、情報検索エンジン２０と、ユーザ分類装置２００とから構成されている。また、ユーザ分類装置２００は、図５に示すように、検索ログデータベース１０１と、ユーザ検索履歴情報収集部１０２と、分析対象キーワード抽出部１０３と、クラス抽出部１０４と、ユーザ検索履歴解析結果提示部１０５と、キーワード関連情報収集部２０１と、検索サマリデータベース２０２と、キーワード間相関算出部２０３と、コアキーワード抽出部２０４とから構成されている。なお、第１の実施形態と同一の符号を付す構成要素については、同一の機能を有することから、詳細な説明は省略する。

キーワード関連情報収集部２０１は、分析対象キーワード抽出部１０３で得られた個々の分析対象キーワードを情報検索エンジン２０に入力した検索結果の情報を収集する処理を行う。キーワード関連情報収集部２０１によって収集するキーワード関連情報としては、「検索サイト数」と「検索サマリ」が含まれる。ここで、検索サイト数とは、分析対象キーワードを情報検索エンジンに入力した結果、同キーワードを含むと判断されたＷｅｂサイトの総数である。また、検索サマリとは、情報検索エンジンの検索結果提示画面において表示される検索サイトの要約情報（当該サイトのテキスト情報の一部を抜粋していることが多い）のことである。これらの情報は、たとえば情報検索サイトが提供している検索ＡＰＩなどを利用することにより収集することができる。

検索サマリデータベース２０２は、キーワード関連情報収集部２０１が収集した検索サマリを格納するデータベースである。キーワード間相関算出部２０３は、キーワード関連情報収集部２０１で収集された各分析対象キーワードに対する検索サマリ内での他の分析対象キーワードの共起頻度などから、分析対象キーワード間の相関値を算出する処理を行う。なお、詳細な処理内容は後述する。

コアキーワード抽出部２０４は、キーワード間相関算出部２０３で算出された分析対象キーワード間の相関値などに基づき、クラス抽出部１０４で得られた個々の潜在クラスを表すのに有用なキーワード（以下、コアキーワードという）を選択する処理を行う。具体的には、後述する手法によって算出された数値に基づき、自動的にコアキーワードを選択する方法や、コアキーワード候補の中から分析担当者がコアキーワードを選択する方法などがある。

上記のキーワード関連情報収集部２０１、キーワード間相関算出部２０３、コアキーワード抽出部２０４による処理の結果、個々の潜在クラスについて、そのクラスを代表すると思われるコアキーワードが自動的に抽出可能になる。この結果は、クラス抽出部１０４によるユーザ分類結果と併せて、ユーザ検索履歴解析結果提示部１０５に送信される。ユーザ検索履歴解析結果提示部１０５では、解析結果の提示時に、各潜在クラスのコアワードの情報を併せて分析担当者に提示することにより、第１の実施形態に示した基本システムよりも高度なユーザ動向の分析が容易にできるようになる。

＜ユーザ分類装置の処理フロー＞
次に、図６から図８を用いて、ユーザ分類装置の処理について説明する。
まず、分析対象キーワード抽出処理（ステップＳ２０１）では、検索エンジンの検索履歴に含まれるキーワードの中から、分析対象となるキーワードを抽出する処理を行う。次に、キーワード間相関算出処理（ステップＳ２０２）では、キーワード関連情報収集部２０１で収集された各分析対象キーワードに対する検索サマリ内での他の分析対象キーワードの共起頻度などから、分析対象キーワード間の相関値を算出する処理を行う。

ユーザ検索履歴取込処理（ステップＳ２０３）では、分析対象キーワード抽出処理（ステップＳ２０１）によって抽出されたキーワードと、個々のユーザの検索ログを照合し、後述のクラス抽出処理（ステップＳ２０４）に入力可能な形式に、全てのユーザの検索ログを変換する処理を行う。クラス抽出処理（ステップＳ２０４）では、ユーザ検索履歴取込処理（ステップＳ２０３）で生成されたデータに基づき、各ユーザの検索動向を表す「クラス」を自動的に抽出する。分析対象ユーザ分類処理（ステップＳ２０５）では、クラスが抽出された後、全ての分析対象ユーザを抽出されたクラスのいずれかに分類する処理を行う。

コアキーワード抽出処理（ステップＳ２０７）では、キーワード間相関算出部２０３で算出された分析対象キーワード間の相関値などに基づき、クラス抽出部１０４で得られた個々の潜在クラスを表すのにコアキーワードを選択する処理を行う。具体的には、各クラスに属するユーザの検索履歴に含まれるキーワードのうち、件数の上位Ｋ件を抽出する手法を採用することができる。また、より高度な方法としては、各クラスに属するユーザの検索履歴に含まれるキーワードに加え、Ｗｅｂ検索ＡＰＩから得られるキーワード間の共起情報を利用し、キーワード間の相関値を算出し、各クラスを代表するコアワードを抽出する。この抽出結果は、前述までのユーザ分類結果と併せて、分析担当者に提示される。この処理により、より高度なユーザ動向の分析が可能になる。

次に、変形例として、高度なコアキーワード抽出処理に必要な、Ｗｅｂ検索情報収集処理のフローを図７に示す。
図７に示す通り、Ｗｅｂ検索情報収集処理は「キーワードＷｅｂ検索結果収集処理（ステップＳ３０１）」、「検索結果内キーワード共起算出処理（ステップＳ３０３）」、「検索サマリＤＢ格納処理（ステップＳ３０４）」の３つの処理から構成される。

キーワードＷｅｂ検索結果収集処理（ステップＳ３０１）では、分析対象キーワードに対するＷｅｂ検索結果の収集を行う。具体的には、大手検索エンジンが提供しているＡＰＩなどを利用し、当該キーワードに対する検索サイト数や、検索結果のサマリ情報を収集する。ここで、本処理で想定している結果の例を、図８に示す。

図８の例では、Ｙａｈｏｏ！ＡＰＩによる検索キーワード「沖縄」に対するＷｅｂ検索結果が示されている。このうち、ｔｏｔａｌ Ｒｅｓｕｌｔｓ Ａｖａｉｌａｂｌｅ（太字部参照）は、当該キーワードに対して検索されたサイトの総数を示している。また、Ｓｕｍｍａｒｙ（太字部参照）には、検索結果のサマリ情報が示されている。具体的には、検索されたサイト内で、当該キーワードを含むテキスト文が抜粋されている。

次に、検索結果内キーワード共起算出処理（ステップＳ３０３）では、全ての分析対象検索キーワードに対し、キーワードＷｅｂ検索結果収集処理（ステップＳ３０１）で収集されたＷｅｂ検索結果のサマリ情報内で、共起しているキーワードの件数等を算出する。この処理により、当該キーワードとの共起が多いキーワード、少ないキーワードが明らかになり、キーワード間の相関関係を導出することが可能になる。

最後に、検索サマリＤＢ格納処理（ステップＳ３０４）にて、上記の結果が検索サマリデータベース２０２に格納される。具体的には、各分析対象キーワードに対する検索サイト総数、ならびに検索結果サマリ内で共起したキーワードとその共起件数を検索サマリデータベース２０２に格納する。

以上の処理によって収集されたＷｅｂ検索結果と、各クラスに帰属するユーザの検索履歴を利用し、各クラスを代表するコアキーワードの算出を行う。ここでは、前述のクラス内キーワード出現件数の上位をそのままコアキーワードとして提示する方式のほか、以下のような方式が採用可能である。

１）リフト値
あるキーワードと、当該クラス内で共起しているキーワードが相対的に多い場合、そのキーワードは当該クラスを代表するキーワードである・・・という仮定に基づいたコアキーワード算出手法であり、具体的には、下記の数式により「リフト値」を算出する。
クラス内キーワード共起率÷検索サマリ内キーワード共起率＝リフト値

ただし、「クラス内キーワード共起率」は、当該クラスに出現するキーワードのうち、当該キーワードと検索サマリ内で共起しているキーワードの率であり、「検索サマリ内キーワード共起率」とは、全ての分析対象キーワードのうち、当該キーワードと検索サマリ内で共起しているキーワードの率である。

２）リフト値×Ｗｅｂ検索件数
上記のリフト値の場合、検索サマリ内キーワード共起率が極端に低い（マニアックな）キーワードのスコアが高くなるため、コアキーワードとしてはふさわしくないキーワードが抽出される可能性がある。そこで、Ｗｅｂ検索件数を適用することにより、マニアックなキーワードのスコアを抑制し、コアキーワード抽出精度を向上させるのが本手法であり、具体的には、以下の数式によりスコアを得る。
リフト値×Ｗｅｂ検索件数

ただし、Ｗｅｂ検索件数自体は、キーワードによっては膨大な数になるため、Ｗｅｂ検索件数の対数をとる方法や、以下のように予め定めた定数をかけることにより、スコアを調整することも可能である。
リフト値×（α×ｌｏｇ(Ｗｅｂ検索件数)）
ただし、αは定数である。

＜第３の実施形態＞
図９および図１０を用いて、本発明の第３の実施形態について説明する。

＜広告配信装置の構成＞
本実施形態に係る広告配信装置が用いられるシステムは、図９に示すように、ユーザ端末１０と、情報検索エンジン２０と、広告配信装置３００とから構成されている。また、広告配信装置３００は、図９に示すように、検索ログデータベース１０１と、ユーザ検索履歴情報収集部１０２と、分析対象キーワード抽出部１０３と、クラス抽出部１０４と、配信広告決定部３０５と、広告データベース３０６と、広告配信部３０７とから構成されている。なお、第１の実施形態と同一の符号を付す構成要素については、同一の機能を有することから、詳細な説明は省略する。

配信広告決定部３０５は、クラス抽出部１０４から出力されるユーザ分類結果と、広告主から提供され、広告データベース３０６に格納される広告の情報とを照合し、配信対象広告を配信するユーザクラスを決定する。なお、配信広告決定部３０５では、広告主から、配信対象広告の情報として、関連キーワードなどが提供され、同情報が広告データベース３０６に格納されていることを前提とするが、広告にテキスト情報が含まれている場合は、広告内からキーワードを抽出することにより、広告関連キーワードを自動生成することも可能である。また、クラス抽出部１０４では、分析対象ユーザが分類されているクラスと、各クラスに属するユーザが入力した検索キーワードの情報とが得られ、配信広告決定部３０５では、例えば、各広告の関連キーワードの出現率が最も高いクラスのユーザに対し、当該広告を配信するといった処理により、個々の広告を配信するユーザクラスを決定する。

広告配信部３０７は、配信広告決定部３０５によって決定された個々の広告の配信対象ユーザクラスに帰属するユーザに対し、該当する広告の配信を行う。なお、広告配信の方法としては、電子メールによる配信のほか、当該ユーザがアクセスするＷｅｂサイト上に広告を表示する方法などを適用することができる。

＜広告配信装置の処理フロー＞
次に、図１０を用いて、広告配信装置の処理について説明する。

まず、分析対象キーワード抽出処理（ステップＳ４０１）では、検索エンジンの検索履歴に含まれるキーワードの中から、分析対象となるキーワードを抽出する処理を行う。次に、ユーザ検索履歴取込処理（ステップＳ４０２）では、分析対象キーワード抽出処理（ステップＳ４０１）によって抽出されたキーワードと、個々のユーザの検索ログを照合し、後述のクラス抽出処理（ステップＳ４０３）に入力可能な形式に、全てのユーザの検索ログを変換する処理を行う。

次に、クラス抽出処理（ステップＳ４０３）では、ユーザ検索履歴取込処理（ステップＳ４０２）で生成されたデータに基づき、各ユーザの検索動向を表す「クラス」を自動的に抽出する。

分析対象ユーザ分類処理（ステップＳ４０４）では、クラスが抽出された後、全ての分析対象ユーザを抽出されたクラスのいずれかに分類する処理を行う。配信広告決定処理（ステップＳ４０６）では、クラス抽出処理（ステップＳ４０３）により出力されるユーザ分類結果と、広告主から提供され、広告データベース３０６に格納される広告の情報とを照合し、配信対象広告を配信するユーザクラスを決定する。広告配信処理（ステップＳ４０７）では、配信広告決定処理（ステップＳ４０６）によって決定された個々の広告の配信対象ユーザクラスに帰属するユーザに対し、該当する広告の配信を行う。

したがって、本実施形態によれば、ユーザが情報検索エンジンに入力した検索キーワードの履歴情報に基づいて、ユーザを分類し、顧客の動向分析に基づいた広告を配信することができる。

さらに、第２の実施形態のように、本実施形態の広告配信装置にキーワード関連情報収集部２０１、キーワード間相関算出部２０３、コアキーワード抽出部２０４を設けた構成としてもよい。このような構成を採用することにより、検索キーワードと関連が高いキーワードが自動的に得られるため、広告主が想定している検索キーワードを実際に入力していないユーザに対しても、広告を配信することが可能となる。

なお、ユーザ分類装置および広告配信装置の処理をコンピュータ読み取り可能な記録媒体に記録し、この記録媒体に記録されたプログラムをユーザ分類装置および広告配信装置に読み込ませ、実行することによって本発明のユーザ分類装置および広告配信装置を実現することができる。ここでいうコンピュータシステムとは、ＯＳや周辺装置等のハードウェアを含む。

また、「コンピュータシステム」は、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）システムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されても良い。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。

また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組合せで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

以上、この発明の実施形態につき、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

第１の実施形態に係るユーザ分類装置の構成図である。 第１の実施形態に係るユーザ分類装置の処理フローである。 検索ログデータを例示した図である。 ユーザ検索履歴取込処理における出力データを例示した図である。 第２の実施形態に係るユーザ分類装置の構成図である。 第２の実施形態に係るユーザ分類装置の処理フローである。 第２の実施形態の変形例に係るユーザ分類装置の処理フローである。 キーワードＷｅｂ検索結果収集処理における処理結果を例示する図である。 第３の実施形態に係る広告配信装置の構成図である。 第３の実施形態に係る広告配信装置の処理フローである。

符号の説明

１０・・・ユーザ端末、２０・・・情報検索エンジン、１００、２００・・・ユーザ分類装置、１０１・・・検索ログデータベース、１０２・・・ユーザ検索履歴情報収集部、１０３・・・分析対象キーワード抽出部、１０４・・・クラス抽出部、１０５・・・ユーザ検索履歴解析結果提示部、２０１・・・キーワード関連情報収集部、２０２・・・検索サマリデータベース、２０３・・・キーワード間相関算出部、２０４・・・コアキーワード抽出部、３００・・・広告配信装置、３０５・・・配信広告決定部、３０６・・・広告データベース、３０７・・・広告配信部

Claims (12)

1. 情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する検索キーワード情報抽出手段と、
   該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成するクラス生成手段と、
   該生成されたクラスに各ユーザを分類する分類手段と、
   少なくとも該分類された分類結果を提示する分類結果提示手段と、
   を備えたことを特徴とするユーザ分類装置。
2. 前記クラス生成手段により生成されたクラスを代表するコアキーワードを抽出するコアキーワード抽出手段をさらに備え、
   前記分類結果提示手段が、ユーザの前記分類結果と併せて、該抽出したコアキーワードを提示することを特徴とする請求項１に記載のユーザ分類装置。
3. 前記コアキーワード抽出手段が、コアキーワードを抽出するための情報として、前記各ユーザの入力キーワードに対するＷｅｂ検索結果を用いることを特徴とする請求項２に記載のユーザ分類装置。
4. 前記コアキーワード抽出手段が、コアキーワードを抽出するための情報として、前記各ユーザの入力キーワードに対するＷｅｂ検索結果に含まれるサマリ内での単語共起情報と、前記分類されたクラス内における単語共起情報との比較によりコアキーワードを抽出することを特徴とする請求項３に記載のユーザ分類装置。
5. 情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する検索キーワード情報抽出手段と、
   該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成するクラス生成手段と、
   該生成されたクラスに各ユーザを分類する分類手段と、
   少なくとも該分類結果に基づいて、前記生成されたクラス毎に配信する広告を決定する配信広告決定手段と、
   該配信広告決定手段において決定された広告を前記生成されたクラス毎に配信する広告配信手段と、
   を備えたことを特徴とする広告配信装置。
6. 前記クラス生成手段により生成されたクラスを代表するコアキーワードを抽出するコアキーワード抽出手段をさらに備え、
   前記配信広告決定手段が、ユーザの前記分類結果と併せて、該抽出したコアキーワードに基づいて前記生成されたクラス毎に配信する広告を決定することを特徴とする請求項５に記載の広告配信装置。
7. 前記コアキーワード抽出手段が、コアキーワードを抽出するための情報として、前記各ユーザの入力キーワードに対するＷｅｂ検索結果を用いることを特徴とする請求項６に記載の広告配信装置。
8. 前記コアキーワード抽出手段が、コアキーワードを抽出するための情報として、前記各ユーザの入力キーワードに対するＷｅｂ検索結果に含まれるサマリ内での単語共起情報と、前記分類されたクラス内における単語共起情報との比較によりコアキーワードを抽出することを特徴とする請求項７に記載の広告配信装置。
9. 情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する第１のステップと、
   該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する第２のステップと、
   該生成されたクラスに各ユーザを分類する第３のステップと、
   少なくとも該分類された分類結果を提示する第４のステップと、
   を備えたことを特徴とするユーザ分類方法。
10. 情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する第１のステップと、
    該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する第２のステップと、
    該生成されたクラスに各ユーザを分類する第３のステップと、
    少なくとも該分類結果に基づいて、前記生成されたクラス毎に配信する広告を決定する第４のステップと、
    該第４のステップにおいて決定された広告を前記生成されたクラス毎に配信する第５のステップと、
    を備えたことを特徴とする広告配信方法。
11. コンピュータに、
    情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する第１のステップと、
    該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する第２のステップと、
    該生成されたクラスに各ユーザを分類する第３のステップと、
    少なくとも該分類された分類結果を提示する第４のステップと、
    を実行させるためのプログラム。
12. コンピュータに、
    情報検索エンジンを利用した各ユーザの検索履歴情報に含まれる検索キーワード情報を抽出する第１のステップと、
    該抽出した検索キーワード情報に基づいて、各ユーザの入力キーワードの動向を示すクラスを生成する第２のステップと、
    該生成されたクラスに各ユーザを分類する第３のステップと、
    少なくとも該分類結果に基づいて、前記生成されたクラス毎に配信する広告を決定する第４のステップと、
    該第４のステップにおいて決定された広告を前記生成されたクラス毎に配信する第５のステップと、
    を実行させるためのプログラム。

Images