JP2011134356A - キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 - Google Patents
キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 Download PDFInfo
- Publication number
- JP2011134356A JP2011134356A JP2011082535A JP2011082535A JP2011134356A JP 2011134356 A JP2011134356 A JP 2011134356A JP 2011082535 A JP2011082535 A JP 2011082535A JP 2011082535 A JP2011082535 A JP 2011082535A JP 2011134356 A JP2011134356 A JP 2011134356A
- Authority
- JP
- Japan
- Prior art keywords
- information
- database
- consumer
- communication
- campaign
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】 メディアプランを記憶した第1記憶手段、第2記憶手段に記憶された個々の生活者データに対し、ベイジアンネットワーク又はMTSのうちの1種又は複数種の分析エンジンを適用して、レスポンス結果に対する各出稿プランの依存性を定量化し、該定量化された依存性に基づいてレスポンスに対し有効と推定される出稿プランを抽出し、該有効と判定された出稿プランに合わせて第1記憶手段に記憶されたメディアプランを更新するための手段を備えたキャンペーン動的適正化システム及びその方法。
【選択図】図1
Description
本発明(1)は、
少なくとも1種の生活者属性情報と、コミュニケーション条件及びレスポンス結果の何れか1情報を含む少なくとも1種のコミュニケーション履歴情報をそれぞれ独立に格納するための複数のフィールドからなる生活者又はトランザクションを単位としたレコードを、検索・更新可能に記憶した生活者データベース、
各コミュニケーションドライバーに対する出稿条件情報を検索・更新可能に記憶した第1記憶手段、
前記生活者データベースに格納されたレコードを順次読み出し、前記生活者属性情報及び前記コミュニケーション履歴情報の各データをそれぞれ規格化し、該規格化されたデータを、前記レコードを行とし前記フィールドを列とするマトリックス状の記憶領域に振り分けて、該行及び/又列を指定することにより各データを検索可能に記憶した、第2記憶手段、
前記第2記憶手段に記憶されたデータに対し、ベイジアンネットワーク又はMTシステムのうちの1種又は複数種の分析エンジンを用いて、前記レスポンス結果に対する前記各フィールドの情報の組み合わせについての依存性を定量化する、依存性定量化手段、
該依存性からレスポンス結果に対し有効と判定されるフィールドの情報の組み合わせを有効フィールドパターンとして抽出する有効フィールドパターン抽出手段、
前記第1記憶手段に記憶された各コミュニケーションドライバーに対する出稿条件情報を、前記有効フィールドパターンの各フィールドの情報に整合するように、操作可能な範囲で更新する出稿条件情報更新手段を備えた、キャンペーン動的適正化システムである。
本発明(2)は、
前記生活者データベースの少なくとも1つの生活者属性情報に基づいて、生活者データベースに記録されている情報以外の外部情報を検索可能に記録した外部データベース、
前記生活者データベースと前記外部データベースに共通する少なくとも1つの生活者属性情報及び/又はコミュニケーション履歴情報を検索子として前記外部データベースを検索し、該検索子毎に標準的な外部情報を導出し、該導出された標準的な外部情報を該検索子に対応する前記生活者データベースのレコードに新規なフィールドを設けてそれぞれ追加記録する情報連結手段をさらに備えた本発明(1)のキャンペーン動的適正化システムである。
本発明(3)は、
前記生活者データベースはリアルタイムに又は定期にデータ更新されるものであることを特徴とする本発明(1)又は(2)の何れか1発明のキャンペーン動的適正化システム。
本発明(4)は、
前記生活者データベースの少なくとも1種の生活者属性情報に基づいて、接触量に関するマスメディア情報を検索可能に記憶したマスメディア情報データベースと、
前記生活者データベースと前記マスメディア情報データベースに共通する少なくとも1種の生活者属性情報を検索子として前記マスメディア情報データベースを検索し、該検索子毎の標準的なマスメディア情報を導出し、該導出された標準的な外部情報を該検索子に対応する前記生活者データベースのレコードに新規なフィールドを設けてそれぞれ追加記録するマスメディア情報連結手段とを更に含み、
前記第2記憶手段では、前記マスメディア情報が連結された後の生活者データベースに格納したレコードを順次読み出すものであることを特徴とする、本発明(1)〜(3)の何れか1発明のキャンペーン動的適正化システムである。
本発明(5)は、
前記マスメディア情報データベースはリアルタイムに又は定期にデータ更新されるものであることを特徴とする本発明(4)のキャンペーン動的適正化システムである。
本発明(6)は、
前記依存性定量化手段は、
前記生活者データベースのうち、レスポンス結果にかかるコミュニケーション履歴情報に対応するフィールドを目的変数に関するノードとするとともにその他の生活者属性情報又はコミュニケーション履歴情報に対応するフィールドをそれぞれ説明変数に関するノードとして、該各説明変数に関するノードから該目的変数に関するノードへ至る経路を循環がないように有向リンクによりモデリングする構造学習手段、
前記生活者データベースにおける、前記各ノードに対応するフィールドに記録されたデータを用いて、該フィールドに記録されたデータのとりうる具体値毎の事前分布を算出し、該ノードに対する条件付確率表(CPT)を作成し、該ノードに設定する条件付確率表設定手段、
前記構造におけるノードが取り得る具体値のすべての組を、コミュニケーションチェーンとして抽出する、コミュニケーションチェーン抽出手段、
該コミュニケーションチェーン毎に、各ノードの前記事前分布と前記条件付確率表(CPT)に基づいて、レスポンス結果に対する事後確率をそれぞれ算出する事後確率算出手段を含み、
該各事後確率の値を該具体値の組についての前記依存性とするベイジアンネットワーク分析エンジンであることを特徴とする、本発明(1)〜(5)の何れか1発明のキャンペーン動的適正化システムである。
本発明(7)は、
前記有効フィールドパターン抽出手段は、
前記構造学習手段によりモデリングされた構造を前提として、前記コミュニケーションチェーン毎の同時確率を比較して、該同時確率が所定値以上又はその同時確率の大きさの順位の高いコミュニケーションチェーンを、該レスポンス結果にかかるコミュニケーション履歴情報に対し相関性の高い有効フィールドパターンとするものであることを特徴とする、本発明(6)のキャンペーン動的適正化システム。
本発明(8)は、
各コミュニケーションドライバーについての出稿単価情報、宣伝素材の製作費用情報を検索・更新可能に記憶するコミュニケーション接点データベースと、
少なくとも、宣伝対象の商品又はサービスの対価情報、並びに該宣伝対象の取引に伴って派生する関連商品又は関連サービスの対価情報を検索・更新可能に記憶する取引条件データベースを更に含み、
前記有効フィールドパターン抽出手段は、
前記コミュニケーション接点データベースから検索可能な、該コミュニケーションチェーンにかかる出稿費用と、前記取引条件データベースから検索可能な、前記レスポンス結果が得られた場合に期待しうる前記取引対価に基づいて,該コミュニケーション毎の投資を考慮した効果を算出する投資考慮効果算出手段を含み,該投資考慮効果算出手段により算出された投資考慮効果が所定値以上又は上位のコミュニケーションチェーンを該レスポンス結果に対し相関性の高いフィールドパターンとして抽出するものであることを特徴とする、本発明(6)のキャンペーン動的適正化システムである。
本発明(9)は、
各コミュニケーションドライバーについての出稿単価情報、宣伝素材の製作費用情報、並びに所定の生活者属性又はコミュニケーション履歴情報にかかる生活者又はトランザクションに対しコミュニケーション可能な接点情報を検索・更新可能に記憶するコミュニケーション接点データベースを更に含み、
前記出稿条件情報更新手段は、
前記有効フィールドパターンに基づいて、前記有効フィールドパターンに合致するレコードに対応する生活者又はトランザクションを記生活者データベースから検索し、当該レコードにかかる生活者又はトランザクションを有望顧客として同定する有望顧客検出手段、
該有望顧客に対して直接コミュニケーションを取ることができるコミュニケーションドライバーを前記コミュニケーション接点データベースから検索するコミュニケーションドライバー選択手段を含み、
前記第1記憶手段の該選択されたコミュニケーションドライバーにかかる出稿条件情報を、前記有望顧客に対して適切なタイミングでプッシュ型広告を実行するように更新するものであることを特徴とする、請求項7記載のキャンペーン動的適正化システムである。
本発明(10)は、
前記コミュニケーション接点データベースは、リアルタイム又は定期に更新されるものであることを特徴とする請求項8又は9の何れか1項記載のキャンペーン動的適正化システムである。
本発明(11)は、
前記依存性定量化手段が、
前記生活者データベースからレスポンスに至らなかった前記レコードを抽出し基準データ群とする、基準データ群抽出手段、
該基準データ群に関する各フィールドの情報の特性量(m:各特徴量の平均値、σ:各特徴量の標準偏差)を算出するとともに、前記特性量により正規化された前記各フィールドの情報間の相関係数(rij)を算出し、相関行列(R)を導出する統計処理手段、
前記各フィールドがそれぞれ取り得る値のすべての組み合わせ(yl)を、パターンバリエーションとして導出する、パターンバリエーション導出手段、
前記パターンバリエーション導出手段によって導出された各パターンバリエーション(yl)について、次式を用いて前記基準データ群に対するマハラノビス距離(Dl 2)をそれぞれ算出するマハラノビス距離算出手段
前記各マハラノビス距離(Dl 2)を当該具体値の組についての前記依存性とするものであることを特徴とする、本発明(1)〜(5)の何れか1発明のキャンペーン動的適正化システムである。
本発明(12)は、
前記有効フィールドパターン抽出手段は、
前記依存性評価手段により評価された前記依存性(即ちマハラノビス距離)の値が所定値以上である又はそのランキング上位である所定数のパターンを、該レスポンス結果にかかるコミュニケーション履歴情報に対し相関性の高い有効フィールドパターンとするものであることを特徴とする、本発明(11)のキャンペーン動的適正化システムである。
本発明(13)は、
前記出稿条件情報更新手段は、
前記生活者データベースのデータ更新時に、該更新されたデータに基づいて、前記第2記憶手段に記憶されたデータを更新させるとともに、
該更新された第2記憶手段の記憶に基づいて、前記依存性定量化手段並びに前記有効フィールドパターン抽出手段の処理を実行させ、
前記第1記憶手段に記憶された出稿条件情報を新たに抽出された有効フィールドパターンにそれぞれ対応する情報に更新するものであることを特徴とする、本発明(11)のキャンペーン動的適正化システムである。
本発明(14)は、
各コミュニケーションドライバーについて、所定の生活者属性又はコミュニケーション履歴情報にかかる生活者又はトランザクションに対しコミュニケーション可能な接点情報を検索・更新可能に記憶するコミュニケーション接点データベースを更に含み、
前記出稿条件情報更新手段は、
前記有効フィールドパターンに基づいて、該有効フィールドパターンにかかるレコードの生活者又はトランザクションを前記生活者データベースから検索し、該生活者又はトランザクションを有望顧客として抽出する、有望顧客検出手段と、
該有望顧客に対してコミュニケーション可能なコミュニケーションドライバーを前記コミュニケーション接点データベースから選択するコミュニケーションドライバー選択手段を含む、
該選択されたコミュニケーションドライバーにかかる前記第一記憶手段に記憶手段に記憶された出稿条件情報を、前記有望顧客に対して適切なタイミングでコミュニケーション可能に更新するものであることを特徴とする、請求項12記載のキャンペーン動的適正化システムである。
本発明(15)は、
前記コミュニケーション接点データベースは、リアルタイム又は定期に更新されるものであることを特徴とする、本発明(14)のキャンペーン動的適正化システムである。
「メディア」とは、商品やサービスに関する情報を生活者に紹介する際の、情報伝達を媒介するものの総称である。本発明では、TV、ラジオ、新聞等のいわゆるマスメディアに限定されない。
「ビークル」とは、同一種類のメディア内で、媒体銘柄差によって区別を要する場合に、それら個々の銘柄についての総称である。(例えば、TVにおけるA局/aチャンネル、B局/bチャンネル等、新聞におけるC紙、D紙等)
「クリエイティブ」とは、メディアやビークルにおいて媒介される広告作品それ自体のことで、広告作品単位で区別したい場合に用いる用語である。
「コミュニケーションドライバー」とは、自社ブランドを顧客である生活者に紹介しうる、メディアに対する広告の出稿制御を行う機構の総称である。例えば電子メールを宣伝活動に用いる場合には、そのメールサーバがコミュニケーションドライバーに相当する。また、TV、ラジオといった多くの人間の手を介して出稿されるマスメディアについては、広告の出稿スケジュールを管理するための作業管理テーブルであって、マスメディアの管理者に対して、この作業管理テーブルのスケジュールに沿って出稿の指示を行うことを前提とする。
「コミュニケーション履歴情報」とは、生活者が行った、視聴、閲読、購買等の行動の履歴に関する情報である。
「フィールド」とは、レコード中に格納される特定の情報のために割り当てられた領域を指し、1レコードは複数のフィールドを含む。
「有効フィールドパターン」とは、レスポンスに対して有効な規格化後の生活者属性情報及びコミュニケーション履歴情報のデータ列であって、この有効フィールドパターンと対応する各コミュニケーションドライバーの出稿条件情報とを列毎に比較して、該各出稿条件の適否を判断するものである。
「依存性」とは、生活者属性情報並びにコミュニケーション履歴情報の情報相互の依存関係をいい、ベイジアンネットワークを利用する態様においては確率をもって表記され、一方、MTシステムを利用する態様においては、マハラノビス距離をもって表示される。
「生活者データベース」とは、生活者個々の属性情報や、視聴、閲読等を含む視聴者の行動履歴についての情報を生活者毎に記録し、生活者、属性情報、履歴情報のそれぞれまたは複数の組み合わせをキーとして、検索、集計可能なデータベースである。生活者を単位とする、生活者属性情報、行動履歴情報の群を1レコードとし、各生活者属性情報並びに行動履歴情報をそれぞれ格納するためのフィールドからなる。また、そのデータは随時または定期に更新される。
「マスメディア情報データベース」とは、トラッキングツールを通じて収集されたサンプル生活者のマスメディア情報に対する接触量を集計し、生活者属性及び/又は接触機会毎のマスメディア情報に対する標準的な接触量等を算出可能なデータベースである。トラッキングツールを通じて随時更新される。
「コミュニケーション接点データベース」とは、各種生活者に対するコミュニケーション接点に対する、出稿単価やその出稿における空き情報を含む制限条件等を記憶し、指定された条件において利用可能な接点や出稿手法を抽出し、それぞれのその時々の出稿単価を算出しうるデータベースである。
なお、各クライアントCL1〜CLmは、ネットワークを通じてのe-mailはもちろんのこと、電話やダイレクトメール等の各種コミュニケーション手段を用いることによって、生活者P1〜Pj個々に接触することができ、一方、各メディアの管理者M-1〜M-nは、新聞、TV等、それぞれの管理する情報媒体を通じて、生活者に情報を伝達できる環境を想定している。
次に、図2は、本発明の処理にかかるフローのアウトラインを示す。まず、ステップ1として、生活者データベースDB1より、生活者又はトランザクションを単位とするレコードを順次読み出し、採用する分析エンジンに合わせた規格化処理を施す。
次に、図2のステップ2として、ステップ1で出来上がった第2記憶手段に記憶されている規格化されたデータを順次読み出して、利用する分析エンジンE3に導入する。利用可能な分析エンジンとしては、ベイジアンネットワーク又はMTシステムである。
次にステップ3として、ステップ2で導出された依存性に基づいて、所期のレスポンスに至る可能性が高いと予想される各列の情報の組み合わせ、すなわち第2記憶手段における各フィールドの具体値によって構成されるパターンを導出する。
さらにステップ4では、この有効フィールドパターンのうち、出稿プランの一環として制御可能な列の情報のみに着目し、第1記憶手段に予め記憶されている出稿プランと照合する。もし第1記憶手段に記憶されている現行の出稿プランと導出された有効フィールドパターンが一致しない場合には、出稿予算等の制限条件下で操作可能な範囲で、有効フィールドパターンに整合させるように更新処理を実行する。
各コミュニケーションドライバーは、前述のステップ4により修正された第1記憶手段の記憶内容をリアルタイム又は定期に照会し、その記憶内容に沿って以降の宣伝キャンペーンを修正して出稿する若しくは出稿の指令を伝達する。このメディアドライバー側のステップは、この本発明のシステムと必ずしも一体化している必要はない。
なお本明細書において引用された全ての先行技術文献は、参照として本明細書に組み入れられる。
次に、各ステップにおける処理の詳細について、本システムを具体データに適用した場合を事例として説明する。実務上の運用に適したシステムにおいては、図4に例示するように、各データベースには、それぞれの入力形態乃至トラッキング形態に応じて独立にデータが格納されていることから、図2におけるステップ1の規格化処理に先立ち、データ連結等の必要な予備処理を行うことが望ましい。
次に、図2のステップ3の情報の組み合わせとレスポンス結果の間の依存性を求める処理工程について、図15に例示したレコード群を用いて説明する。すなわち、説明変数としては、「月末」か否か、「平日」か否か、祝日以外か否か、ビークルとして「α新聞」か否か、「β新聞」であるか否か、「B商品広告」であるか否か、掲載紙面の大きさが「15段」か否か、「TVCF接触量が少ない」か否か、「A商品広告」であるか否か、「新聞広告接触量が少ない」か否かの10項目とし、一方目的変数としては、レスポンス結果にかかる「保険契約」の有無を採用した。
実施例2では、レスポンス確率又はそのランキングをそのまま用いて第1記憶手段に格納される有効フィールドパターンを求めたのに対し、ここでは、投資額を考慮した効果をもって有効フィールドパターンを求める。
一方、図15のレコード群に類似した図27のレコード群に対し、MTシステムを利用した分析エンジンを適用し、該マハラノビス距離に基づき有効フィールドパターンを求めることができる。
上述の実施例3又は4により得られた有効フィールドパターンを次の計画期間における第1記憶手段の出稿パターンとして、進行中の宣伝キャンペーンを適正化することができるばかりでなく、さらに説明変数乃至特徴量にかかるパターンがこの有効フィールドパターンと同じであり、未だレスポンスしていない生活者又はトランザクションであれば、「有望顧客」であると推測できる。
さらに別の態様としては、図30に例示されるとおり、例えば、前月に収集されたレスポンスに対し有効性が高いと考えられるフィールドパターン(例えば,ベイジアンネットワークを利用した分析エンジンであれば、レスポンス確率が「60%以上」、MTシステムを利用した分析エンジンであれば、マハラノビス距離が「1.2以上」など)が推定された場合に、これに該当する生活者又はトランザクションで未だレスポンスしていないレコードを生活者データベースから検索し、該レコードを「有望顧客」とみなしてe-mail等のアドレッサブルなメディアを用いてプッシュ型宣伝を展開する。
2 本システムを含む管理センター
CPU 中央演算ユニット
B1 一次バスライン
B2 二次バスライン
E1 規格化処理エンジン
E2 外部データ連結エンジン
E3 依存性評価分析エンジン
U1 有効フィールドパターン抽出処理ユニット
U2 出稿条件更新処理ユニット
M1 第1記憶手段
M2 第2記憶手段
DB1 生活者データベース
DB2 コミュニケーション接点データベース
DB3 マスメディア情報データベース
DB4 その他の外部データベース
R ルータ
P1〜Pj 生活者
CL1〜CLm クライアント端末
M-1〜M-n メディア側端末
Server 出稿管理サーバ
Internet インターネット
LAN 構内ネットワーク
DM ダイレクトメール
〒 郵便を含む宅配サービス
Claims (32)
- 少なくとも1種の生活者属性情報と、コミュニケーション条件及びレスポンス結果の何れか1情報を含む少なくとも1種のコミュニケーション履歴情報をそれぞれ独立に格納するための複数のフィールドからなる生活者又はトランザクションを単位としたレコードを、検索・更新可能に記憶した生活者データベース、
各コミュニケーションドライバーに対する出稿条件情報を検索・更新可能に記憶した第1記憶手段、
前記生活者データベースに格納されたレコードを順次読み出し、前記生活者属性情報及び前記コミュニケーション履歴情報の各データをそれぞれ規格化し、該規格化されたデータを、前記レコードを行とし前記フィールドを列とするマトリックス状の記憶領域に振り分けて、該行及び/又は列を指定することにより各データを検索可能に記憶した、第2記憶手段、
前記第2記憶手段に記憶されたデータに対し、ベイジアンネットワーク又はMTシステムのうちの1種又は複数種の分析エンジンを用いて、前記レスポンス結果に対する前記各フィールドの具体値の組についての依存性を定量化する、依存性定量化手段、
該依存性からレスポンス結果に対し有効と判定されるフィールドの具体値の組を有効フィールドパターンとして抽出する有効フィールドパターン抽出手段、
前記第1記憶手段に記憶された各コミュニケーションドライバーに対する出稿条件情報を、前記有効フィールドパターンに操作可能な範囲で更新する出稿条件情報更新手段を備えた、キャンペーン動的適正化システム。 - 前記生活者データベースの少なくとも1つの生活者属性情報に基づいて、生活者データベースに記録されている情報以外の外部情報を検索可能に記録した外部データベース、
前記生活者データベースと前記外部データベースに共通する少なくとも1つの生活者属性情報及び/又はコミュニケーション履歴情報を検索子として前記外部データベースを検索し、該検索子毎に標準的な外部情報を導出し、該導出された標準的な外部情報を該検索子に対応する前記生活者データベースのレコードに新規なフィールドを設けてそれぞれ追加記録する情報連結手段をさらに備えたことを特徴とする、請求項1記載のキャンペーン動的適正化システム。 - 前記生活者データベースはリアルタイムに又は定期にデータ更新されるものであることを特徴とする、請求項1又は2の何れか1項記載のキャンペーン動的適正化システム。
- 前記生活者データベースの少なくとも1種の生活者属性情報に基づいて、接触量に関するマスメディア情報を検索可能に記憶したマスメディア情報データベースと、
前記生活者データベースと前記マスメディア情報データベースに共通する少なくとも1種の生活者属性情報を検索子として前記マスメディア情報データベースを検索し、該検索子毎の標準的なマスメディア情報を導出し、該導出された標準的な外部情報を該検索子に対応する前記生活者データベースのレコードに新規なフィールドを設けてそれぞれ追加記録するマスメディア情報連結手段とを更に含み、
前記第2記憶手段では、前記マスメディア情報が連結された後の生活者データベースに格納したレコードを順次読み出すものであることを特徴とする、請求項1〜3の何れか1項記載のキャンペーン動的適正化システム。 - 前記マスメディア情報データベースはリアルタイムに又は定期にデータ更新されるものであることを特徴とする、請求項4記載のキャンペーン動的適正化システム。
- 前記依存性定量化手段は、
前記生活者データベースのうち、レスポンス結果にかかるコミュニケーション履歴情報に対応するフィールドを目的変数に関するノードとするとともにその他の生活者属性情報又はコミュニケーション履歴情報に対応するフィールドをそれぞれ説明変数に関するノードとして、該各説明変数に関するノードから該目的変数に関するノードへ至る経路を循環がないように有向リンクによりモデリングする構造学習手段、
前記生活者データベースにおける、前記各ノードに対応するフィールドに記録されたデータを用いて、該フィールドに記録されたデータのとりうる具体値毎の事前分布を算出し、該ノードに対する条件付確率表(CPT)を作成し、該ノードに設定する条件付確率表設定手段、
前記構造におけるノードが取り得る具体値のすべての組を、コミュニケーションチェーンとして抽出する、コミュニケーションチェーン抽出手段、
該コミュニケーションチェーン毎に、各ノードの前記事前分布と前記条件付確率表(CPT)に基づいて、レスポンス結果に対する事後確率をそれぞれ算出する事後確率算出手段を含み、
該各事後確率の値を該具体値の組についての前記依存性とするベイジアンネットワーク分析エンジンであることを特徴とする、請求項1〜5の何れか1項記載のキャンペーン動的適正化システム。 - 前記有効フィールドパターン抽出手段は、
前記コミュニケーションチェーン毎の依存性を比較して、該依存性が所定値以上又はその依存性の大きさの順位の高いコミュニケーションチェーンを、該レスポンス結果にかかるコミュニケーション履歴情報に対し相関性の高い有効フィールドパターンとして抽出するものであることを特徴とする、請求項6記載のキャンペーン動的適正化システム。 - 少なくとも各コミュニケーションドライバーについての出稿単価情報、宣伝素材の製作費用情報を検索・更新可能に記憶するコミュニケーション接点データベースと、
少なくとも、宣伝対象の商品又はサービスの対価情報、並びに該宣伝対象の取引に伴って派生する関連商品又は関連サービスの対価情報を検索・更新可能に記憶する取引条件データベースを更に含み、
前記有効フィールドパターン抽出手段は、
前記コミュニケーション接点データベースから検索可能な、該コミュニケーションチェーンにかかる出稿費用と、前記取引条件データベースから検索可能な、前記レスポンス結果が得られた場合に期待しうる前記取引対価に基づいて、該コミュニケーション毎の投資を考慮した効果を算出する投資考慮効果算出手段を含み、該投資考慮効果算出手段により算出された投資考慮効果が所定値以上又は上位のコミュニケーションチェーンを該レスポンス結果に対し相関性の高いフィールドパターンとして抽出するものであることを特徴とする請求項6記載のキャンペーン動的適正化システム。 - 各コミュニケーションドライバーについての出稿単価情報、宣伝素材の製作費用情報、並びに所定の生活者属性又はコミュニケーション履歴情報にかかる生活者又はトランザクションに対しコミュニケーション可能な接点情報を検索・更新可能に記憶するコミュニケーション接点データベースを更に含み、
前記出稿条件情報更新手段は、
前記有効フィールドパターンに基づいて、前記有効フィールドパターンに該当するレコードにかかる生活者又はトランザクションを記生活者データベースから検索し、当該レコードにかかる生活者又はトランザクションを有望顧客として抽出する有望顧客抽出手段、
該有望顧客に対して直接コミュニケーション可能なコミュニケーションドライバーを前記コミュニケーション接点データベースから選択するコミュニケーションドライバー選択手段を更に含み、
該選択されたコミュニケーションドライバーにかかる前記第1記憶手段の出稿条件情報を、前記有望顧客に対して適切なタイミングでコミュニケーション可能に更新するものであることを特徴とする、請求項7記載のキャンペーン動的適正化システム。 - 前記コミュニケーション接点データベースは、リアルタイム又は定期に更新されるものであることを特徴とする、請求項8又は9の何れか1項記載のキャンペーン動的適正化システム。
- 前記依存性定量化手段が、
前記生活者データベースからレスポンスに至らなかった前記レコードを抽出し基準データ群とする、基準データ群抽出手段、
該基準データ群に関する各フィールドの情報の特性量(m:各特徴量の平均値、σ:各特徴量の標準偏差)を算出するとともに、前記特性量により正規化された前記各フィールドの情報間の相関係数(rij)を算出し、相関行列(R)を導出する統計処理手段、
前記各フィールドがそれぞれ取り得る値のすべての組み合わせ(yl)を、パターンバリエーションとして導出する、パターンバリエーション導出手段、
前記パターンバリエーション導出手段によって導出された各パターンバリエーション(yl)について、次式を用いて前記基準データ群に対するマハラノビス距離(Dl 2)をそれぞれ算出するマハラノビス距離算出手段
前記各マハラノビス距離(Dl 2)を当該具体値の組についての前記依存性とするものであることを特徴とする、請求項1〜5の何れか1項記載のキャンペーン動的適正化システム。 - 前記有効フィールドパターン抽出手段は、
前記依存性定量化手段により評価された前記依存性(即ちマハラノビス距離)の値が所定値以上である又はそのランキング上位である所定数のパターンを、該レスポンス結果にかかるコミュニケーション履歴情報に対し相関性の高い有効フィールドパターンとして抽出するものであることを特徴とする、請求項11記載のキャンペーン動的適正化システム。 - 前記出稿条件情報更新手段は、
前記生活者データベースのデータ更新時に、該更新されたデータに基づいて、前記第2記憶手段に記憶されたデータを更新させるとともに、
該更新された第2記憶手段の記憶に基づいて、前記依存性定量化手段並びに前記有効フィールドパターン抽出手段の処理を実行させ、
前記第1記憶手段に記憶された各出稿条件情報を新たに抽出された有効フィールドパターンに更新するものであることを特徴とする、請求項11記載のキャンペーン動的適正化システム。 - 各コミュニケーションドライバーについて、所定の生活者属性又はコミュニケーション履歴情報にかかる生活者又はトランザクションに対しコミュニケーション可能な接点情報を検索・更新可能に記憶するコミュニケーション接点データベースを更に含み、
前記出稿条件情報更新手段は、
前記有効フィールドパターンに基づいて、該有効フィールドパターンにかかるレコードの生活者又はトランザクションを前記生活者データベースから検索し、該生活者又はトランザクションを有望顧客として抽出する、有望顧客抽出手段と、
該有望顧客に対してコミュニケーション可能なコミュニケーションドライバーを前記コミュニケーション接点データベースから選択するコミュニケーションドライバー選択手段を含む、
該選択されたコミュニケーションドライバーにかかる前記第一記憶手段に記憶された出稿条件情報を、前記有望顧客に対して適切なタイミングでコミュニケーション可能に更新するものであることを特徴とする、請求項12記載のキャンペーン動的適正化システム。 - 前記コミュニケーション接点データベースは、リアルタイム又は定期に更新されるものであることを特徴とする、請求項14記載のキャンペーン動的適正化システム。
- 少なくとも1種の生活者属性情報と、コミュニケーション条件及びレスポンス結果の何れか1情報を含む少なくとも1種のコミュニケーション履歴情報をそれぞれ独立に格納するためのフィールドからなる生活者又はトランザクションを単位としたレコードを、検索・更新可能に記憶した生活者データベースと電気信号を介して結合したコンピュータに対し、以下の各工程を実行させることを特徴とする、キャンペーン動的適正化方法。
各コミュニケーションドライバーに対する出稿条件情報を検索・更新可能に記憶する第1記憶工程、
前記生活者データベースに格納されたレコードを順次読み出し、前記生活者属性情報及び前記コミュニケーション履歴情報の各データをそれぞれ規格化し、該規格化されたデータを、前記レコードを行とし前記フィールドを列とするマトリックス状の領域に振り分けて、該行及び/又列を指定することにより各データを検索可能に記憶する第2記憶工程、
前記第2記憶工程で記憶されたデータに対し、ベイジアンネットワーク又はMTシステムのうちの1種又は複数種の分析エンジンを用いて、前記レスポンス結果に対する前記各フィールドの具体値の組についての依存性を定量化する、依存性評価定量化工程、
該依存性からレスポンス結果に対し有効と判定されるフィールドの具体値の組を有効フィールドパターンとして抽出する有効フィールドパターン抽出工程、
前記第1記憶工程で記憶された各コミュニケーションドライバーに対する出稿条件情報を、前記有効フィールドパターンに操作可能な範囲で更新する出稿条件情報更新工程。 - 前記コンピュータは、
前記生活者データベースの少なくとも1つの生活者属性情報に基づいて、生活者データベースに記録されている情報以外の外部情報を検索可能に記録した外部データベースとも電気信号を介して結合し、
前記生活者データベースと前記外部データベースに共通する少なくとも1つの生活者属性情報を検索子として前記外部データベースを検索し、該検索子毎に標準的な外部情報を導出し、該導出された標準的な外部情報を該検索子に対応する前記生活者データベースのレコードに新規なフィールドを設けてそれぞれ追加記録する情報連結工程をさらに含むことを特徴とする、請求項16記載のキャンペーン動的適正化方法。 - 前記生活者データベースはリアルタイムに又は定期にデータ更新されるものであることを特徴とする、請求項16又は17の何れか1項記載のキャンペーン動的適正化方法。
- 前記コンピュータは、
前記生活者データベースの少なくとも1種の生活者属性情報に基づいて、接触量に関するマスメディア情報を検索可能に記憶したマスメディア情報データベースとも電気信号を介して結合し、
前記生活者データベースと前記マスメディア情報データベースに共通する少なくとも1種の生活者属性情報を検索子として前記マスメディア情報データベースを検索し、該検索子毎の標準的なマスメディア情報を導出し、該導出された標準的な外部情報を該検索子に対応する前記生活者データベースのレコードに新規なフィールドを設けてそれぞれ追加記録するマスメディア情報連結工程を更に含み、
前記第2記憶工程では、前記マスメディア情報が連結された後の生活者データベースに格納したレコードを順次読み出されることを特徴とする、請求項16〜18の何れか1項記載のキャンペーン動的適正化方法。 - 前記マスメディア情報データベースはリアルタイムに又は定期にデータ更新されるものであることを特徴とする、請求項19記載のキャンペーン動的適正化システム。
- 前記依存性定量化工程は、
前記生活者データベースのうち、レスポンス結果にかかるコミュニケーション履歴情報に対応するフィールドを目的変数に関するノードとするとともにその他の生活者属性情報又はコミュニケーション履歴情報に対応するフィールドをそれぞれ説明変数に関するノードとして、該各説明変数に関するノードから該説明変数に関するノードへ至る経路をパスの循環がないように有向リンクによりモデリングする構造学習工程、
前記生活者データベースにおける、前記各ノードに対応するフィールドに記録されたデータを用いて、該フィールドに記録されたデータのとりうる具体値毎の事前分布を算出し、該ノードに対する条件付確率表(CPT)を作成し、該ノードに設定する事前分布算出工程、
前記構造におけるノードが取り得る具体値のすべての組を、コミュニケーションチェーンとして抽出する、コミュニケーションチェーン抽出工程、
該コミュニケーションチェーン毎に、各ノードの前記事前分布と前記条件付確率表(CPT)に基づいて、レスポンス結果に対する事後確率をそれぞれ算出する事後確率算出工程を含むことを特徴とする、ベイジアンネットワーク分析エンジンを用いた請求項16〜20の何れか1項記載のキャンペーン動的適正化方法。 - 前記有効フィールドパターン抽出手工程は、
前記構造学習工程によりモデリングされた構造を前提として、前記コミュニケーションチェーン毎の同時確率を比較して、該同時確率が所定値以上又はその同時確率の大きさの順位の高いコミュニケーションチェーンを、該レスポンス結果にかかるコミュニケーション履歴情報に対し相関性の高い有効フィールドパターンとするものであることを特徴とする、請求項21記載のキャンペーン動的適正化方法。 - 前記コンピュータは、
各コミュニケーションドライバーについての出稿単価情報、宣伝素材の製作費用情報を検索・更新可能に記憶するコミュニケーション接点データベースと、
少なくとも、宣伝対象の商品又はサービスの対価情報、並びに宣伝対象の取引に伴って派生する関連商品又は関連サービスの対価情報を検索・更新可能に記憶する取引条件データベースと更に電気信号を介して結合し、
前記有効フィールドパターン抽出工程は、
前記コミュニケーション接点データベースから検索可能な、該コミュニケーションチェーンにかかる出稿費用と、前記取引条件データベースから検出可能な、前記レスポンス結果が得られた場合に期待しうる前記取引対価に基づいて,該コミュニケーション毎の投資を考慮した効果を算出する投資考慮効果算出工程を含み、
該投資考慮効果算出工程で算出された投資考慮効果が所定値以上又は上位のコミュニケーションチェーンを該レスポンス結果に対し相関性の高いフィールドパターンとして抽出する工程であることを特徴とする、請求項21記載のキャンペーン動的適正化方法。 - 前記コンピュータは、
各コミュニケーションドライバーについての出稿単価情報、宣伝素材の製作費用情報、並びに所定の生活者属性又はコミュニケーション履歴情報にかかる生活者又はトランザクションに対しコミュニケーション可能な接点情報を検索・更新可能に記憶するコミュニケーション接点データベースとも電気信号を介して結合し、
前記出稿条件情報更新工程は、
前記有効フィールドパターンに基づいて、該有効フィールドパターンに合致するレコードに対応する生活者又はトランザクションを記生活者データベースから検索し、該レコードにかかる生活者又はトランザクションを有望顧客として同定する有望顧客検出工程、
該有望顧客に対して直接コミュニケーションを取ることができるコミュニケーションドライバーを前記コミュニケーション接点データベースから選択するコミュニケーションドライバー選択工程を含み、
前記第1記憶工程は、該選択されたコミュニケーションドライバーにかかる出稿条件情報を、前記有望顧客に対して適切なタイミングでプッシュ型広告を実行するように更新する工程を含むことを特徴とする、請求項22記載のキャンペーン動的適正化方法。 - 前記コミュニケーション接点データベースは、リアルタイム又は定期に更新されるものであることを特徴とする、請求項23又は24の何れか1項記載のキャンペーン動的適正化方法。
- 前記依存性定量化工程が、
前記生活者データベースからレスポンス結果に至らなかった前記レコードを抽出し基準データ群とする、基準データ群作成工程、
該基準データ群に関する各フィールドの情報の特性量(m:各特徴量の平均値、σ:標準偏差)を算出するとともに、前記特性両により正規化された前記各フィールドの情報間の相関係数(rij)を算出し、相関行列(R)を導出する統計処理工程、
前記各フィールドがそれぞれ取り得る値のすべての組み合わせ(yl)を、パターンバリエーションとして導出する、パターンバリエーション導出工程、
前記各パターンバリエーション(yl)について、次式を用いて前記基準データ群に対するマハラノビス距離(Dl 2)をそれぞれ算出するマハラノビス距離算出工程、
- 前記有効フィールドパターン抽出工程は、
前記依存性定量化工程で前記依存性の値が所定値以上又はそのランキング上位である所定数のパターンを、該レスポンス結果にかかるコミュニケーション履歴情報に対し相関性の高い有効フィールドパターンとする工程であることを特徴とする、請求項26記載のキャンペーン動的適正化方法。 - 前記出稿条件情報更新工程は、
前記生活者データベースのデータ更新時に、該更新されたデータに基づいて、前記第2記憶手段に記憶されたデータを更新させる工程と、
該更新された第2記憶手段のデータに基づいて前記依存性評価工程並びに有効フィールドパターン抽出工程を実行させ、
前記第1記憶手段に記憶された各出稿条件情報を新たに抽出された有効フィールドパターンに更新する工程を含むことを特徴とする、請求項26記載のキャンペーン動的適正化方法。 - 前記コンピュータは、
各コミュニケーションドライバーについて、所定の生活者属性又はコミュニケーション履歴情報にかかる生活者又はトランザクションに対しコミュニケーション可能な接点情報を検索・更新可能に記憶するコミュニケーション接点データベースとも電気信号を介して結合し、
前記出稿条件更新工程は、
前記有効フィールドパターンに基づいて、該有効フィールドパターンにかかるレコードの生活者又はトランザクションを前記生活者データベースから検索し、該生活者又はトランザクションを有望顧客として抽出する、有望顧客抽出工程と、
該有望顧客に対してコミュニケーション可能なコミュニケーションドライバーを前記コミュニケーション接点データベースから選択するコミュニケーションドライバー選択工程を含む、
該選択されたコミュニケーションドライバーにかかる前記第一記憶手段に記憶された出稿条件情報を、前記有望顧客に対して適切なタイミングでコミュニケーション可能に更新するものであることを特徴とする、請求項27記載のキャンペーン動的適正化方法。 - 前記コミュニケーション接点データベースは、リアルタイム又は定期に更新されるものであることを特徴とする請求項29記載のキャンペーン動的適正化方法。
- 請求項16〜30の何れか1項記載のキャンペーン動的適正化方法をコンピュータにより読み取り可能に記録した記録媒体。
- 請求項16〜30の何れか1項記載のキャンペーン動的適正化方法をコンピュータにより実行可能に伝送する伝送媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011082535A JP2011134356A (ja) | 2003-12-26 | 2011-04-04 | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003431773 | 2003-12-26 | ||
JP2003431773 | 2003-12-26 | ||
JP2011082535A JP2011134356A (ja) | 2003-12-26 | 2011-04-04 | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005516632A Division JP4767017B2 (ja) | 2003-12-26 | 2004-12-24 | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011134356A true JP2011134356A (ja) | 2011-07-07 |
JP2011134356A5 JP2011134356A5 (ja) | 2012-06-21 |
Family
ID=34736449
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005516632A Expired - Fee Related JP4767017B2 (ja) | 2003-12-26 | 2004-12-24 | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 |
JP2011082535A Pending JP2011134356A (ja) | 2003-12-26 | 2011-04-04 | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005516632A Expired - Fee Related JP4767017B2 (ja) | 2003-12-26 | 2004-12-24 | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 |
Country Status (2)
Country | Link |
---|---|
JP (2) | JP4767017B2 (ja) |
WO (1) | WO2005064511A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021128628A (ja) * | 2020-02-14 | 2021-09-02 | 株式会社メガ・テクノロジー | 安全情報管理システムおよびその方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4675308B2 (ja) * | 2006-11-01 | 2011-04-20 | トヨタ自動車株式会社 | メディアミックス計画の立案支援装置と立案支援方法 |
US8103663B2 (en) | 2008-03-21 | 2012-01-24 | Dentsu Inc. | Advertising medium determination device and method therefor |
JP5113601B2 (ja) * | 2008-04-10 | 2013-01-09 | 株式会社豊田中央研究所 | 宣伝施策立案支援装置、宣伝施策立案支援方法およびプログラム |
JP5150348B2 (ja) * | 2008-04-22 | 2013-02-20 | 株式会社豊田中央研究所 | モデル構築装置およびプログラム |
JP5101396B2 (ja) * | 2008-05-29 | 2012-12-19 | 三菱重工業株式会社 | 健全性診断方法及びプログラム並びに風車の健全性診断装置 |
US7941340B2 (en) | 2008-09-30 | 2011-05-10 | Yahoo! Inc. | Decompilation used to generate dynamic data driven advertisements |
US20110054920A1 (en) * | 2009-08-31 | 2011-03-03 | Accenture Global Services Gmbh | Web site trigger optimization system driving cross-channel operations |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024692A (ja) * | 2000-07-11 | 2002-01-25 | Voltage Inc | 出稿計画作成システムおよび出稿計画作成方法 |
JP2003058689A (ja) * | 2001-08-02 | 2003-02-28 | Ncr Internatl Inc | キャンペーンを最適化するための方法及びシステム |
JP2003281350A (ja) * | 2002-03-19 | 2003-10-03 | Dentsu Tec Inc | 商品群別顧客価値分析による顧客管理コストの低減方法 |
-
2004
- 2004-12-24 JP JP2005516632A patent/JP4767017B2/ja not_active Expired - Fee Related
- 2004-12-24 WO PCT/JP2004/019319 patent/WO2005064511A1/ja active Application Filing
-
2011
- 2011-04-04 JP JP2011082535A patent/JP2011134356A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024692A (ja) * | 2000-07-11 | 2002-01-25 | Voltage Inc | 出稿計画作成システムおよび出稿計画作成方法 |
JP2003058689A (ja) * | 2001-08-02 | 2003-02-28 | Ncr Internatl Inc | キャンペーンを最適化するための方法及びシステム |
JP2003281350A (ja) * | 2002-03-19 | 2003-10-03 | Dentsu Tec Inc | 商品群別顧客価値分析による顧客管理コストの低減方法 |
Non-Patent Citations (5)
Title |
---|
CSNG200200099004; 本村 陽一: 'ベイジアンネットワーク-不確定性のモデリング技術-' 人工知能学会誌 第15巻 第4号, 20000701, P.575〜582, 社団法人人工知能学会 * |
CSNG200600717001; 金沢 幸彦: 'MTSによる処理液診断システムの構築' 品質工学 第6巻, 19981201, P.47-52,132, 品質工学会 * |
JPN6009035372; 田口玄一,外: 品質工学応用講座 MTシステムにおける技術開発 第1版, 20020602, pp.2-65, 日本規格協会 * |
JPN6012051185; 本村 陽一: 'ベイジアンネットワーク-不確定性のモデリング技術-' 人工知能学会誌 第15巻 第4号, 20000701, P.575〜582, 社団法人人工知能学会 * |
JPN6012051186; 金沢 幸彦: 'MTSによる処理液診断システムの構築' 品質工学 第6巻, 19981201, P.47-52,132, 品質工学会 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021128628A (ja) * | 2020-02-14 | 2021-09-02 | 株式会社メガ・テクノロジー | 安全情報管理システムおよびその方法 |
JP7359345B2 (ja) | 2020-02-14 | 2023-10-11 | 株式会社メガ・テクノロジー | 安全情報管理システムおよびその方法 |
Also Published As
Publication number | Publication date |
---|---|
JP4767017B2 (ja) | 2011-09-07 |
WO2005064511A1 (ja) | 2005-07-14 |
JPWO2005064511A1 (ja) | 2007-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahlemeyer-Stubbe et al. | A practical guide to data mining for business and industry | |
US7594189B1 (en) | Systems and methods for statistically selecting content items to be used in a dynamically-generated display | |
JP2011134356A (ja) | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 | |
Fildes et al. | Forecasting and operational research: a review | |
Rossi et al. | The value of purchase history data in target marketing | |
Cheng et al. | Customer lifetime value prediction by a Markov chain based data mining model: Application to an auto repair and maintenance company in Taiwan | |
Chorianopoulos | Effective CRM using predictive analytics | |
JP2015097094A (ja) | リアルタイム広告入札に対して競争評価モデルを使用するための学習システム | |
JP2003524221A (ja) | 刺激に対する人間の反応のシミュレーション方法 | |
CN101783004A (zh) | 快速智能化的商品推荐系统 | |
US20230196235A1 (en) | Systems and methods for providing machine learning of business operations and generating recommendations or actionable insights | |
WO2021072128A1 (en) | Systems and methods for big data analytics | |
US20070112733A1 (en) | Method and system for extracting customer attributes | |
Putera et al. | Effect of Service Quality on Customer Satisfaction Through Customer Value in PDAM Kota Makassar (Customer Approach in Developing Clean Water Product Services to Customers) | |
Cinicioglu et al. | A new heuristic for learning Bayesian networks from limited datasets: a real-time recommendation system application with RFID systems in grocery stores | |
Zhan et al. | Identifying market structure to monitor product competition using a consumer-behavior-based intelligence model | |
Edrisi et al. | Factors affecting intention and attitude toward sidewalk autonomous delivery robots among online shoppers | |
Franklyn et al. | Problems and prospects of adopting ICT in agriculture: some comments | |
Jhamtani et al. | Size of wallet estimation: Application of K-nearest neighbour and quantile regression | |
Wei et al. | Online shopping behavior analysis for smart business using big data analytics and blockchain security | |
TWM624658U (zh) | 以用戶短期特徵預測用戶是否屬於價值用戶群的預測裝置 | |
US20140136280A1 (en) | Predictive Tool Utilizing Correlations With Unmeasured Factors Influencing Observed Marketing Activities | |
US20230081797A1 (en) | Computer implemented method and system for retail management and optimization | |
CN114463085A (zh) | 自动化营销的通用沟通互动方法、装置、电子设备及存储介质 | |
TW202312060A (zh) | 以用戶短期特徵預測用戶是否屬於價值用戶群的預測裝置、方法與儲存該方法的儲存媒介 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110502 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110502 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120501 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121001 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20130318 |