JP2013105475A - 情報収集システム、情報収集方法、およびプログラム - Google Patents

Abstract

【課題】商品特性によってデモグラフィック情報、多頻度分析および重点分析などの結果を用いず、精度の高いリコメンド情報を提供する。
【解決手段】リコメンド問合せに対して問い合わせ者のソーシャルグラフ７を用い、あらかじめコンジョイント分析結果としてまとめた分析結果から、ソーシャルグラフ７の近似度合いで順位付けしたものとコンジョイント分析内の順位を組み合わせてリコメンドを回答する。
【選択図】図４

Description

本発明は、商品の購入に関するリコメンド技術に関し、特に、ソーシャルネットワークサービスを用いたリコメンド情報に有効な技術に関する。

インターネットなどの販売サイトでは、実際の購入に関わる検索において、自然に消費者へのお勧めが表示される検索技術が取り入られている。この検索技術の１つとして、例えば、リコメンドサービスが広く知られている。

リコメンドサービスは、消費者の好みを分析し、消費者毎に興味のありそうな情報（リコメンド情報）を表示するサービスであり、あらかじめ登録された消費者の趣向や、購買履歴などを参照し、それぞれの好みに合致すると思われる商品やサービスを紹介する。

リコメンドサービスに用いられるリコメンド情報は、例えば、消費者の属性データ（年齢、性別、所得、および職業など）からなるデモグラフィック情報に基づいて生成したり、あるいは、消費者の購入頻度、購入履歴、購買金額などを多頻度分析、および重点解析して生成する技術が知られている。

なお、この種のリコメンド技術においては、情報提供者からの情報を分散的に蓄積し、所望の主題に関する情報を随時収集するもの（例えば、特許文献１参照）、多数の文書やデータの中からクチコミ情報が上位ランキングされるように検索結果をパーソナライズするもの（例えば、特許文献２参照）、あるいは需要者に最も適した商品などを因子データベースを用いて精緻な分析を行い、提示するもの（例えば、特許文献３参照）などがある。

特開２００７−３０５１４２号公報 特開２００９−２３８００７号公報 特開２００２−１０８９３０号公報

ところが、上記のようなリコメンド情報の生成技術では、次のような問題点があることが本発明者により見い出された。

前述したように、販売サイトにおけるリコメンド生成技術では、デモグラフィック情報、多頻度分析、および重点分析などを用いているが、消費者の購買に至る意志決定においては、デモグラフィック情報に依存しない、あるいは多頻度分析や重点分析の結果と相関性がない場合などが多々存在する。

それにより、リコメンドの精度が低下してしまい、各消費者に最適なリコメンド情報が提供できなくなり、消費者が欲しい情報に素早くアクセスする可能性が低くなってしまうと共に、販売サイトにおいては、顧客の商品購買率を高めることが困難となってしまう恐れがある。

本発明の目的は、デモグラフィック情報、多頻度分析、および重点分析などの結果を用いることなく、高精度なリコメンドを行うことのできる技術を提供することにある。

本発明の前記ならびにそのほかの目的と新規な特徴については、本明細書の記述および添付図面から明らかになるであろう。

本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、次のとおりである。

すなわち、前述の目的を達成するために、本発明では、商品に対する嗜好や購買意識に対する調査において、嗜好や購買意識について順位付けを行う手法と、製品に関係なくソーシャルネットワークサービスに蓄積された嗜好や購買意識のオートポイエーシスなつながりを利用し、個人を特定できるデモグラフィック、情報多頻度分析および重点分析を使用せず、高精度なリコメンド情報を提供する仕組みを実現する。

本発明は、ＳＮＳ、および販売サイトが接続されるネットワークを介して接続されるサーバを有する情報収集システムである。このサーバでは、ＳＮＳが有するソーシャルグラフを読み出し、該ソーシャルグラフからデモグラフィック情報を削除してパターン化し、嗜好や購買意向についての順位付けを行い、コンジョイント分析結果として出力し、該コンジョイント分析結果に基づいて、リコメンドの順位付けを行う。

また、本発明では、個人を特定できるデモグラフィック、情報多頻度分析および重点分析を使用せず、コンジョイント分析結果に基づいて、リコメンドの順位付けを行うシステムによる方法や前記システムとしてコンピュータシステムを機能させるプログラムにも適用することができる。

本願において開示される発明のうち、代表的なものによって得られる効果を簡単に説明すれば以下のとおりである。

高精度なリコメンド情報を提供することができる。

本発明の一実施の形態による情報収集システムの構成の一例を示す説明図である。 ある商品に対する購買意向調査の一例を示すフローチャートである。 コンジョイント分析の集約と分析の一例を示すフローチャートである。 リコメンデーションエンジンの内部処理の一例を示すフローチャートである。 コンジョイント分析の一例を示す説明図である。 ソーシャルグラフの一例を示す説明図である。 ソーシャルグラフパターンの一例を示す説明図である。

以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。

図１は、本発明の一実施の形態による情報収集システムの構成の一例を示す説明図、図２は、ある商品に対する購買意向調査の一例を示すフローチャート、図３は、コンジョイント分析の集約と分析の一例を示すフローチャート、図４は、リコメンデーションエンジンの内部処理の一例を示すフローチャート、図５は、コンジョイント分析の一例を示す説明図、図６は、ソーシャルグラフの一例を示す説明図、図７は、ソーシャルグラフパターンの一例を示す説明図である。

〈発明の概要〉
本発明の第１の概要は、ＳＮＳ（ＳＮＳ６）、および販売サイト（販売サイト８）が接続されるネットワークを介して接続されるサーバ（リコメンデーションエンジン２）を有する構成の情報収集システム（情報収集システム１）である。そして、サーバは、ＳＮＳが有するソーシャルグラフ（ソーシャルグラフ７）を読み出し、該ソーシャルグラフからデモグラフィック情報を削除してパターン化（ソーシャルグラフパターン１４２）し、嗜好や購買意向についての順位付けを行い、コンジョイント分析結果として出力し、該コンジョイント分析結果に基づいて、リコメンドの順位付けを行う。

また、本発明の第２の概要は、ネットワークに接続された販売サイト（販売サイト８）からの問い合わせに応じて情報を処理するコンピュータ（情報収集システム１）により消費者のリコメンド情報を収集する情報収集方法である。この情報収集方法は、ＳＮＳ（ＳＮＳ６）が有するソーシャルグラフ（ソーシャルグラフ７）を読み出すステップと、ソーシャルグラフからデモグラフィック情報を削除するステップと、ソーシャルグラフをパターン化（ソーシャルグラフパターン１４２）し、嗜好や購買意向についての順位付けを行い、コンジョイント分析結果として出力するステップと、コンジョイント分析結果に基づいて、リコメンドの順位付けを行うステップとを有する。

さらに、本発明の第３の概要は、ネットワークに接続されたＳＮＳ（ＳＮＳ６）が有するソーシャルグラフ（ソーシャルグラフ７）を読み出すステップと、ソーシャルグラフからデモグラフィック情報を削除するステップと、ソーシャルグラフをパターン化（ソーシャルグラフパターン１４２）し、嗜好や購買意向についての順位付けを行い、コンジョイント分析結果として出力するステップと、コンジョイント分析結果に基づいて、リコメンドの順位付けを行うステップとをコンピュータシステム（情報収集システム１）に実行させる。

以下、上記した概要に基づいて、実施の形態を詳細に説明する。

〈情報収集システムの構成例〉
本実施の形態において、情報収集システム１には、図１に示すように、リコメンデーションエンジン２、結果集積格納部３、およびコンジョイント分析結果格納部４を有している。

結果集積格納部３は、意向調査５において意向を示した結果を格納する。意向調査５は、コンジョイント分析の元となる調査であり、ＳＮＳ（ソーシャルネットワーキングサービス）６の利用者に対して調査したい商品に対する嗜好と購買意向を調査する質問項目からなり、その結果はソーシャルグラフ７としてＳＮＳ６が有する。

ソーシャルグラフ７は、いわゆる人間関係相関データであり、例えば、人と人のつながりをあらわす人間関係データ、個人属性を含む人間係データ、および人とモノ、コンテンツとのつながりなどからなる。また、コンジョイント分析とは、「モノ」に対する全体評価から「モノ」を構成する要因の個別効果を測定する分析法である。

コンジョイント分析結果格納部４は、情報検索に適した情報の集合体である。リコメンデーションエンジン２は、販売サイト８からの問い合わせを受け、その問い合わせの内容に応じたソーシャルグラフ７を用い、最も近似するソーシャルグラフに合致するリコメンド情報を提示する。

また、以下、図２〜図７に示す処理を行う各種機能は、たとえば、情報収集システム１に設けられたプログラム格納メモリ（図示せず）などに記憶されているプログラム形式のソフトウェアを該情報収集システム１の図示しないＣＰＵ(Central Processing Unit)などが実行することにより実現する。

〈購買意向調査の例〉
図２は、ある商品に対する購買意向調査の一例を示すフローチャートである。

まず、インターネット回線などの通信回線を介してＳＮＳ６に接続し（ステップＳ１０１）、コンジョイント分析の元となる意向調査５を提示し、意向調査５に対するオプトイン・オプトアウトの問合せを行う（ステップＳ１０２）。

このステップＳ１０２の処理において、ＳＮＳ６の利用者に許諾されない場合には、処理を終了する。また、許諾された場合には、ＳＮＳ６からのソーシャルグラフ提供の可否を問い合わせ（ステップＳ１０３）、許諾されれば意向調査５による回答を受け付けする（ステップＳ１０４）。ステップＳ１０４の処理における回答は、結果集積格納部３に格納される。また、ステップＳ１０３の処理において、ソーシャルグラフ提供を許諾されなかった場合には、処理を終了する。

〈コンジョイント分析の集約と分析例〉
図３は、コンジョイント分析の集約と分析の一例を示すフローチャートである。

まず、図２に示した調査におけるオプトイン者の洗い出しを行い（ステップＳ２０１）、結果集積格納部３から意向に対する結果の読み出しをオプトインの単位ごとに行う（ステップＳ２０２）。

続いて、ＳＮＳ６が持つソーシャルグラフ７を読み出し（ステップＳ２０３）、そのソーシャルグラフ７の情報に対して処理識別コードを付与する（ステップＳ２０４）。

そして、処理識別コードを付与したソーシャルグラフ７からデモグラフィック情報を削除し（ステップＳ２０５）、ソーシャルグラフ７をパターン化する（ステップＳ２０６）。

続いて、パターン化したソーシャルグラフ７において、嗜好や購買意識について順位付けを行い、コンジョイント分析結果として出力し（ステップＳ２０７）、コンジョイント分析結果格納部４に格納する。以降、ステップＳ２０２〜Ｓ２０７の処理を意向調査に対するオプトイン者がなくなるまで続ける（ステップＳ２０８）。

〈リコメンデーションエンジン２の内部処理例〉
図４は、リコメンデーションエンジン２の内部処理の一例を示すフローチャートである。

まず、販売サイト８からのお勧めの問い合わせを受けると（ステップＳ３０１）、お勧めに対するソーシャルグラフ７の利用のオプトインを問い合わせる（ステップＳ３０２）。ソーシャルグラフ７の利用が許諾されると、ソーシャルグラフ７の問い合わせを行い（ステップＳ３０３）、ソーシャルグラフ７が近似するコンジョイント分析結果の問い合わせを複数件行う（ステップＳ３０４）。

そして、ソーシャルグラフ近似の度合いで順位付けを行い（ステップＳ３０５）、コンジョイント分析内の順位とソーシャルグラフ近似の順位でお勧めの順位付けを行い（ステップＳ３０６）、お勧めの回答を行う（ステップＳ３０７）。

〈コンジョイント分析例〉
図５は、コンジョイント分析の一例を示す説明図である。

コンジョイント分析結果は、図示するように、処理識別コード１４１、ソーシャルグラフパターン１４２、嗜好情報１４３、および分析用ソーシャルグラフ１４７から構成される。

嗜好情報１４３は下位情報として嗜好（１）１４４、嗜好（２）１４５、および嗜好（３）１４６を有し、分析用ソーシャルグラフ１４７は下位情報として人と人のつながり情報１４８、人とモノのつながり情報１４９、人とコンテンツのつながり情報１４Ａ、ならびに人、モノ、コンテンツの相関情報１４Ｂを有する。

〈ソーシャルグラフの一例〉
図６は、ソーシャルグラフの一例を示す説明図である。

図６の左側は、ＳＮＳ６から読み出すソーシャルグラフの論理構造の一例を示している。

この場合、ソーシャルグラフは、「人間係データ」、および「行動履歴データ」から構成されている。

「人間係データ」は、「人を識別するための情報」、「デモグラフィック情報」、および「人と人のつながり」などのデータからなる。「人を識別するための情報」は、例えば、ＩＤ（識別符号）、およびパスワードなどである。「デモグラフィック情報」は、例えば、年齢、性別、所得、職業などの情報である。「人と人のつながり」は、例えば、友人関係、コミュニティ参加、所属企業などの情報である。

また、「行動履歴データ」は、「人とモノのつながり」、「人とコンテンツのつながり」、および「人、モノ、コンテンツの相関情報」などからなる。「人とモノのつながり」は、例えば、リコメンド情報、購買情報などであり、「人とコンテンツのつながり」は、例えば、Ｗｅｂの閲覧情報、サイト内の行動履歴などの情報である。「人、モノ、コンテンツの相関情報」は、例えば、それぞれのつながり（人、モノ、コンテンツなど）を分析した情報である。

また、図６の右側は、情報収集および情報検索の際にリコメンデーションエンジン２が用いる分析用のソーシャルグラフの一例を示している。

分析用のソーシャルグラフにおいても、ＳＮＳ６から読み出すソーシャルグラフと同様に、「人間係データ」、および「行動履歴データ」から構成されている。「人間係データ」は、図３のステップＳ２０４の処理において付与した処理識別コード１４１、および人と人のつながり１４８からなる。

人と人のつながり１４８は、図６左側のソーシャルグラフの「人間係データ」の「人と人のつながり」の情報から個人を特定する情報が削除された情報からなる。また、図６左側のソーシャルグラフの「人間係データ」における「人を識別するための情報」と「デモグラフィック情報」とは削除される。

図６右側のソーシャルグラフの「行動履歴データ」においては、人とモノのつながり１４９、人とコンテンツのつながり１４Ａ、および人、モノ、コンテンツの相関情報１４Ｂは、図６左側のソーシャルグラフの「行動履歴データ」と同様となっている。

〈ソーシャルグラフのパターン化例〉
図７はソーシャルグラフパターン１４２の一例を示す説明図である。

この図７は、ソーシャルリンクとソーシャルリンク先の属性をそれぞれ図示している。ソーシャルグラフのパターン化はソーシャルリンクの属性｛直接｜間接｝と、ソーシャルリンク先の属性｛仕事仲間｜コミュニティ｜同級生｜…｝である。これらを数値化してビットマップとすることでソーシャルグラフのパターン化を実現する。

これによって、購買者に近い考えを有する調査対象者の調査結果を利用することができるので、精度の高いリコメンドが可能となる。

それにより、本実施の形態によれば、デモグラフィック情報を除外したソーシャルグラフとコンジョイント分析結果を用いてリコメンドを行うことにより、消費者に対して高精度なリコメンド情報を提供することができる。

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。

本発明は、ソーシャルメディア上におけるリコメンド情報の提供技術に適している。

１ 情報収集システム
２ リコメンデーションエンジン
３ 結果集積格納部
４ コンジョイント分析結果格納部
５ 意向調査
６ ＳＮＳ
７ ソーシャルグラフ
８ 販売サイト
１４ コンジョイント分析結果
１４Ａ 人とコンテンツのつながり情報
１４Ｂ 人、モノ、コンテンツの相関情報
１４１ 処理識別コード
１４２ ソーシャルグラフパターン
１４３ 嗜好情報
１４４ 嗜好（１）
１４５ 嗜好（２）
１４６ 嗜好（３）
１４７ 分析用ソーシャルグラフ
１４８ 人と人のつながり情報
１４９ 人とモノのつながり情報

Claims (15)

1. ＳＮＳ、および販売サイトが接続されるネットワークを介して接続されるサーバを有し、
   前記サーバは、
   ＳＮＳが有するソーシャルグラフを読み出し、前記ソーシャルグラフからデモグラフィック情報を削除してパターン化し、嗜好や購買意向についての順位付けを行い、コンジョイント分析結果として出力し、前記コンジョイント分析結果に基づいて、リコメンドの順位付けを行うことを特徴とする情報収集システム。
2. 請求項１記載の情報収集システムにおいて、
   前記サーバは、
   前記ソーシャルグラフを読み出す際に、前記ソーシャルグラフに処理識別コードを付与し、デモグラフィック情報が削除された前記ソーシャルグラフを識別可能にすることを特徴とする情報収集システム。
3. 請求項１または２記載の情報収集システムにおいて、
   前記サーバは、
   前記コンジョイント分析結果から、前記ソーシャルグラフの近似度合いによって順位付けを行い、前記コンジョイント分析結果と前記ソーシャルグラフの近似度合いによる順位付けとに基づいてリコメンドの順位付けを行うことを特徴とする情報収集システム。
4. 請求項１〜３のいずれか１項に記載の情報収集システムにおいて、
   前記サーバは、
   ソーシャルリンクの属性と、ソーシャルリンク先の属性とを数値化してビットマップとすることにより、前記ソーシャルグラフのパターン化を行うことを特徴とする情報収集システム。
5. 請求項１記載の情報収集システムにおいて、
   前記サーバは、
   オプトインによって許諾された前記ソーシャルグラフの読み出しを行うことを特徴とする情報収集システム。
6. ネットワークに接続された販売サイトからの問い合わせに応じて情報を処理するコンピュータにより消費者のリコメンド情報を収集する情報収集方法であって、
   ＳＮＳが有するソーシャルグラフを読み出すステップと、
   前記ソーシャルグラフからデモグラフィック情報を削除するステップと、
   前記ソーシャルグラフをパターン化し、嗜好や購買意向についての順位付けを行い、コンジョイント分析結果として出力するステップと、
   前記コンジョイント分析結果に基づいて、リコメンドの順位付けを行うステップとを有することを特徴とする情報収集方法。
7. 請求項６記載の情報収集方法において、
   前記ソーシャルグラフに処理識別コードを付与するステップを有し、デモグラフィック情報が削除された前記ソーシャルグラフを識別可能にすることを特徴とする情報収集方法。
8. 請求項６または７記載の情報収集方法において、
   前記リコメンドの順位付けを行うステップは、
   前記コンジョイント分析結果から、前記ソーシャルグラフの近似度合いによって順位付けを行うステップと、
   前記コンジョイント分析結果と前記ソーシャルグラフの近似度合いによる順位付けとに基づいてリコメンドの順位付けを行うステップとを有することを特徴とする情報収集方法。
9. 請求項６〜８のいずれか１項に記載の情報収集方法において、
   前記ソーシャルグラフのパターン化は、
   ソーシャルリンクの属性と、ソーシャルリンク先の属性とを数値化してビットマップすることを特徴とする情報収集方法。
10. 請求項６記載の情報収集方法において、
    前記ソーシャルグラフは、オプトインにおいて許諾されたソーシャルグラフを読み出すことを特徴とする情報収集方法。
11. ネットワークに接続されたＳＮＳが有するソーシャルグラフを読み出すステップと、
    前記ソーシャルグラフからデモグラフィック情報を削除するステップと、
    前記ソーシャルグラフをパターン化し、嗜好や購買意向についての順位付けを行い、コンジョイント分析結果として出力するステップと、
    前記コンジョイント分析結果に基づいて、リコメンドの順位付けを行うステップとをコンピュータシステムに実行させることを特徴とするプログラム。
12. 請求項１１記載のプログラムにおいて、
    前記ソーシャルグラフに処理識別コードを付与するステップを前記コンピュータシステムに実行させ、デモグラフィック情報が削除された前記ソーシャルグラフを識別可能にすることを特徴とするプログラム。
13. 請求項１１または１２記載のプログラムにおいて、
    前記リコメンドの順位付けを行うステップは、
    前記コンジョイント分析結果から、前記ソーシャルグラフの近似度合いによって順位付けを行うステップと、
    前記コンジョイント分析結果と前記ソーシャルグラフの近似度合いによる順位付けとに基づいてリコメンドの順位付けを行うステップとを有することを特徴とするプログラム。
14. 請求項１１〜１３のいずれか１項に記載のプログラムにおいて、
    前記ソーシャルグラフのパターン化は、
    ソーシャルリンクの属性と、前記ソーシャルリンク先の属性とを数値化してビットマップすることを特徴とするプログラム。
15. 請求項１１記載のプログラムにおいて、
    前記ソーシャルグラフは、オプトインにおいて許諾されたソーシャルグラフを読み出すことを特徴とするプログラム。

Images