JP2014081882A - トレンド分析装置、方法及びプログラム - Google Patents

Abstract

【課題】
ソーシャルメディアからのトレンド抽出において、マスメディアのみの利用者やソーシャルメディアでの潜在的な利用者を含むトレンドを抽出する。
【解決手段】
トレンド分析装置は、マスメディアから収集したメタデータを分析してマスメディアトレンドキーワードを抽出するマスメディアトレンド分析手段を有し、前記マスメディアトレンドキーワードとソーシャルメディアデータからキーワード拡散度データを算出するソーシャル拡散度解析手段を有し、キーワード拡散度と商品マスタを用いて利用者の業務にとって好適なトレンドキーワードを抽出する手段を有している。
【選択図】 図２

Description

本発明は、マスメディアから抽出したキーワードからソーシャルメディアにおけるトレンドを抽出するトレンド分析装置、トレンド分析方法及びプログラムに関する。

近年、口コミサイト、ブログ、ＳＮＳ(Social Networking Service)の普及が進んでおり、企業側からの宣伝方法において、従来のテレビCM等による一方的な広告発信だけでなく、ソーシャルメディアを通じた消費者との対話によるマーケティングが注目されている。消費者はある商品の購入動機として、ソーシャルメディアによる友人からの口コミを最も重要視するようになっている。よってソーシャルメディアの中で行われる人々の会話の中から流行の可能性のある商品や製品を抽出して、売上予測や在庫管理の効率化への活用が望まれている。
本技術分野の背景技術として、特開２０１０−２０７３１号公報（特許文献１）がある。この公報には、「将来的に流行につながる可能性の高い情報を早期かつ確実に発見することができる情報分析装置及び情報分析プログラム」について記載されている（要約参照）。

特開２０１０−２０７３１号公報

特許文献1では流行する可能性のあるトレンドキーワード候補を抽出しているが、トレンドキーワード候補の抽出方法としてキーワードの出現頻度の高いものとして決定している。そのため単に発言頻度の高いユーザが発言したキーワードがランキング上位に位置付けられてしまう。発言頻度の高いユーザの発言が必ずしも多くのユーザに閲覧されているとは限らないため、発言の多いキーワードが流行を生み出すとは一意には言えない。
また、特許文献１ではトレンドキーワードの抽出元としてソーシャルメディアで出現した未知語を対象としている。そのためソーシャルメディアを利用していない消費者からのトレンドキーワードを抽出することができない。またソーシャルメディアの発言から得られたキーワードは非常に数が多く、一つ一つ評価すると多大な時間を要する。以上のことからトレンドキーワードの抽出精度が低下する可能性がある。

上記課題を解決するために、例えば下記の構成を採用する。
本願のトレンド分析装置は、マスメディアから収集したメタデータを分析してマスメディアトレンドキーワードを抽出するマスメディアトレンド分析手段を有し、前記マスメディアトレンドキーワードとソーシャルメディアデータから、マスメディアを発信源とするキーワードが、ソーシャルメディアを通じた拡散によって認知される度合いを示すキーワード拡散度データを算出するソーシャル拡散度解析手段を有し、キーワード拡散度と商品マスタを用いて利用者の業務にとって好適なトレンドキーワードを抽出する手段を有している。

本発明によって、マスメディアを発信源とするトレンドキーワードに対してソーシャルメディアにおける拡散度合いを考慮したトレンドキーワードを抽出することにより、トレンドキーワードの精度を高め、より広い範囲の消費者を考慮したトレンドキーワードを抽出することができる。

また、本発明によって、トレンドキーワードと商品リストの照合を行うことにより、業務にとって最適なトレンドキーワードを簡単な作業で抽出することができるようになる。

実施例１、２に係るトレンド分析装置の構成図の例である。 実施例１に係るトレンド分析プログラムの構成図の例である。 実施例１、２に係るメタデータの例である。 実施例１、２に係るマスメディアトレンドキーワードデータの例である。 実施例１、２に係るマスメディアトレンド分析部の処理フローの例である。 実施例１、２に係るソーシャルメディアデータの例である。 実施例１、２に係る肯定的キーワード拡散度データの例である。 実施例１、２に係る否定的キーワード拡散度データの例である。 実施例１、２に係るソーシャル拡散度解析部の処理フローの例である。 実施例１、２に係る商品リストの例である。 実施例１、２に係るトレンド分析装置のユーザインターフェイス画面例である。 実施例１、２に係るトレンド分析結果表示部の処理フローの例である。 実施例２に係るトレンド分析プログラムの構成図の例である。 実施例２に係る売り上げデータの例である。 実施例２に係る売り上げデータ比較部の処理フローの例である。 実施例２に係る売り上げデータとキーワード拡散度データの関係事例を説明する図である。 実施例２に係る売り上げデータとキーワード拡散度データの関係事例を説明する図である。 実施例２に係る売り上げデータと需要予測結果及びキーワード拡散度データの関係事例を説明する図である。

以下、実施例を、図面を用いて詳細に説明する。
図１は、本実施例のトレンド分析装置の構成図の例である。トレンド分析装置はＣＰＵ１０１、主記憶装置１０２、補助記憶装置１０３、入力装置１０４、出力装置１０５、チューナ１０６、アンテナ１０７及びネットワークインターフェイス１０８から構成される。これらの装置はバス１０９を介して接続されており、バス１０９を経由してそれぞれデータの入出力を行う。
ＣＰＵ１０１は、主記憶装置１０２中のトレンド分析プログラムの指令を受け、トレンド分析プログラムにおけるデータ入力、計算、データ出力等の様々な処理を実行する。
主記憶装置１０２には、ＣＰＵ１０１で処理されるプログラム、及びデータなどが格納される。主記憶装置１０２は例えばＲＡＭ等の不揮発性のメモリである。
補助記憶装置１０３は、トレンド分析装置が扱うデータやプログラム全体を格納する装置であり、ＣＰＵ１０１の命令により主記憶装置１０２へのデータ入出力を行う。補助記憶装置１０３は、例えばＨＤＤ（Hard Disk Drive）等の磁気ディスクやＤＶＤ等の光学ディスク等で構成され、複数台で構成される場合がある。

入力装置１０４は、トレンド分析装置を使用するユーザの指示を受け取りＣＰＵ１０１へ伝達する。入力装置１０４は、例えばキーボードやマウスやタッチパネル等で構成される。

出力装置１０５は、ＣＰＵ１０１の指示に基づいてトレンド分析装置のユーザインターフェイス画面を表示する装置である。出力装置１０５は液晶ディスプレイ等である。
チューナ１０６は、アンテナ１０７が受信した電波からテレビやラジオ等の放送に関連するデータ（マスメディアデータ）を抽出して主記憶装置１０２や補助記憶装置１０３に出力する装置である。
アンテナ１０７は、テレビやラジオ等の放送に用いられる電波を受信してチューナ１０６へ出力する装置である。
ネットワークインターフェイス１０８は、インターネットを介してソーシャルメディアデータ等のデータ送受信を行う装置である。ネットワークインターフェイス１０８の送受信する内容はＣＰＵ１０１により制御される。ネットワークインターフェイス１０８は例えばＮＩＣ（Network Interface Card）や無線ＬＡＮインターフェイスカードなどで構成される。

本実施例では、トレンド分析装置におけるトレンド分析方法及びプログラムの例を説明する。
図２は、図１のＣＰＵ１０１で実行されるトレンド分析プログラムの構成図の例である。トレンド分析プログラムはマスメディアデータ２０１、メタデータ取得部２０２、メタデータ２０３、マスメディアトレンド分析部２０４、マスメディアトレンドキーワードデータ２０５、ソーシャルメディアデータ２１０、ソーシャルメディアデータ収集部２１１、辞書データ２１２、蓄積ソーシャルメディアデータ２１３、ソーシャル拡散度解析部２１４、キーワード拡散度データ２１５、商品マスタ２２０、キーワードランキング生成部２２１、トレンド分析結果表示部２２２で構成される。

図２に示したトレンド分析プログラムを、計算機で読み取り可能な記憶媒体に格納し、これを図１に示した主記憶装置１０２に読み込んでＣＰＵ１０１で実行することもできる。
図２においてメタデータ取得部２０２、マスメディアトレンド分析部２０４、ソーシャルメディアデータ収集部２１１、ソーシャル拡散度解析部２１４、キーワードランキンング生成部２２１、トレンド分析結果表示部２２２は、図１のＣＰＵ１０１で実行されるプログラムである。また、マスメディアデータ２０１、メタデータ２０３、マスメディアトレンドキーワードデータ２０５、ソーシャルメディアデータ２１０、辞書データ２１２、蓄積ソーシャルメディアデータ２１３、キーワード拡散度データ２１５、商品マスタ２２０は図１の主記憶装置１０２に格納されるが、データ量等の必要に応じて補助記憶装置１０３へ格納してもよい。
マスメディアデータ２０１は、図１のチューナ１０６やネットワークインターフェイス１０８を介して取得する、テレビや雑誌、新聞等のマスメディアから発信されるデータである。マスメディアデータ２０１がデジタルテレビ放送の場合、動画や音声が多重化されたＴＳ（Transport Stream）パケットとなっている。また、マスメディアデータ２０１が、雑誌、新聞等の場合は、新聞社や雑誌社が保有する記事データやＹａｈｏｏ（登録商標）等のＷｅｂサイトから記事データをインターネット経由で取得する。

ここで、図２に示したトレンド分析方法の処理概要を以下に示す。（５−２）の各ステップの末尾の（ ）内は図１１の各ステップの符号である。（６）は後述する実施例２で追加される処理である。
（１）メタデータ取得：マスメディアデータからテキスト（メタデータ）生成
（２）トレンド分析：
（２−１）メタデータからキーワード抽出し、キーワードの出現数をカウント
（２−２）キーワードの発信元の数とＴＦ−ＩＤＦとからスコア算出
（ＴＦ−ＩＤＦ：キーワードの特徴の度合いを示す指標）
（３）ネットワークからソーシャルメディアデータ収集
（４）ソーシャル拡散度解析：
（４−１）キーワードが含まれるソーシャルメディアデータから拡散を目的とする
発言数算出
（４−２）肯定的発言数と拡散目的の発言数とに基づいてキーワード拡散度算出、
否定的発言についても同様に算出
（５）キーワードランキング生成：
（５−１）商品マスタを提示してトレンド分析対象を選択
（５−２）ランキング生成とトレンド分析結果の表示：
(a)キーワードのスコアを算出してマスメディアトレンドキーワード生成(1102)
(b)マスメディアトレンドキーワードを用いてキーワード拡散度生成(1103)
(c)キーワード拡散度データに含まれるキーワードを元に、商品スコアを算出
して、商品マスタに含まれる各商品のランキング生成(1104)
(d)商品スコアの高い順にキーワード表示(1105)
(e)マスメディアトレンドキーワードと利用者によって選択されたキーワードを
照合して選択されたキーワードの発生回数取得(1106)
(f)選択されたキーワードに対する、ソーシャルメディアでのキーワード拡散
度取得(1107)
(g)発生回数とキーワード拡散度を表示(1108)
（６）売り上げデータ比較（実施例２）：
（６−１）トレンドキーワードに対応する商品の売り上げデータ取得
（６−２）トレンド分析期間前の売り上げデータから商品の需要を予測し、
キーワード拡散度に基づいて補正

以下では各処理の詳細を説明する。
（１）メタデータ取得
メタデータ取得部２０２は、取得したマスメディアデータ２０１を処理してメタデータ２０３を生成する。図３にメタデータ２０３の一例を示す。
メタデータ２０３は出現時刻３０１とテキスト３０２で構成される。出現時刻３０１はテキスト３０２を取得した時刻、あるいはテキスト３０２が出現した時刻を示す。テキスト３０２はメタデータ取得部２０２がマスメディアデータ２０１より取得した文字データを示す。例えばマスメディアデータ２０１がデジタルテレビ放送の場合、メタデータ取得部２０２は動画に含まれているテロップ、音声データ、字幕データ、ＥＰＧ（Electronic Program Guide：電子番組表）を文字データに変換してテキスト３０２を生成し、出現した時刻を出現時刻３０１としてメタデータ２０３に保存する。デジタルテレビのデータを文字データに変換する方法については、テロップ認識や音声認識等の公知の手法を用いる。また、マスメディアデータ２０１が新聞や雑誌の記事データの場合、記事データに含まれる文字データをテキスト３０２とし、その記事が掲載された時刻を出現時刻３０１として保存する。
なお、メタデータ２０３はデジタルテレビ放送の番組単位や雑誌や記事の区切りを一つの単位として保存する。またメタデータ２０３には番組名や番組ジャンル、出演者などの情報を保存してもよい。

（２）マスメディアトレンド分析
再び図２の説明に戻る。マスメディアトレンド分析部２０４は、メタデータ取得部２０２が生成したメタデータ２０３を処理して、マスメディアトレンドキーワードデータ２０５を出力する。図４にマスメディアトレンドキーワードデータ２０５の一例を示す。
マスメディアトレンドキーワードデータ２０５は、マスメディアにおける各キーワードの出現状況を示し、順位４０１、キーワード４０２、スコア４０３、発生回数４０４で構成される。順位４０１は、各キーワードの順位を示し、当該順位はスコア４０３により決定する。キーワード４０２は、図２のメタデータ２０３より抽出したキーワードを示す。スコア４０３は、メタデータ２０３がマスメディアトレンド分析部にとって処理される際に算出される数値である。発生回数４０４は、キーワード４０２に対して、表示された日付毎にメタデータ２０３に含まれる回数を示したものである。
なお、図４の例では順位４０１が１位から５０位までのキーワードを表示した例を示しているが、マスメディアトレンドキーワードデータ２０５へ保存するキーワードの数はマスメディアトレンド分析部２０４が一意に決定してもよい。また、ユーザからの指示によりキーワード数を変更してもよい。
また、マスメディアトレンドキーワードデータ２０５は、特定の期間毎に別表あるいは別ファイル等で分けて保存してもよい。

（２−１）キーワード抽出
次に、マスメディアトレンド分析部２０４の処理フローを図５に示す。マスメディアトレンド分析部２０４はＣＰＵ１０１の指示により処理を開始すると、メタデータ取得部２０２が生成したメタデータ２０３を取得する（ステップ５０１）。ステップ５０１で取得するメタデータ２０３は、ＣＰＵ１０１より指定された期間内における、マスメディアがデジタルテレビの場合は１番組分、マスメディアが雑誌や新聞の場合は１記事分のデータとなる。
続いて、マスメディアトレンド分析部２０４は、ステップ５０１で取得したメタデータ２０３からキーワードを抽出する（ステップ５０２）。ステップ５０２で抽出するキーワードは、図３のテキスト３０２に対して例えば公知の技術である形態素解析を適用して、名詞のみを抽出する。また、形態素解析の結果で名詞が連続していた場合は連結して一つの名詞で出力してもよい。あるいは別途辞書データを用意して、辞書データとテキスト３０２の照合によりキーワードを抽出してもよい。また、テキスト３０２が、デジタルテレビ放送のＥＰＧのように構成が特徴的な文章であれば、特定の節のみを処理対象として（例えばＥＰＧの番組説明のみを対象とする）キーワードを抽出してもよい。ステップ５０２でのキーワードは、メタデータ２０３に含まれる図３の全ての出現時刻３０１のテキスト３０２に対して形態素解析を行う。
続いて、マスメディアトレンド分析部２０４は、ステップ５０２で抽出したキーワードに対して、メタデータ２０３の中での出現数をカウントする（ステップ５０３）。抽出したキーワードに対して、図３の全てのテキスト３０２に含まれる数を求めて出現数として出力する。
続いて、マスメディアトレンド分析部２０４は、ＣＰＵ１０１から指定された期間内において残りのメタデータ２０３があるか否かをチェックする（ステップ５０４）。ステップ５０４において、残りのメタデータ２０３があると判定された場合はステップ５０１に戻り、次のメタデータ２０３に対して処理を行う。一方、ステップ５０４において、残りのメタデータが含まれないと判定された場合はステップ５０５に進む。

（２−２）キーワードスコアの算出
続いて、マスメディアトレンド分析部２０４は、デジタルテレビ放送の番組等の区切り単位で、各キーワードに対するＴＦ−ＩＤＦ（Term Frequency-Inverse Document Frequency）を算出する（ステップ５０５）。ＴＦ−ＩＤＦは文章中の単語に対する重み付けを行う公知の手法であり、文書中に出現した特定の単語（キーワード）がどのくらい特徴的であるかを識別する指標であって、単語の出現頻度と逆文書頻度の二つの指標（の積）に基づいて計算される。前述の単語の出現頻度は、ステップ５０３で算出したキーワード出現数を用いる。本実施例でＴＦ−ＩＤＦを用いるのは、複数のメタデータ２０３で用いられるような一般語をフィルタするためである。つまり、特定のメタデータ２０３にしか出現しない単語の重要度を上げる役割を果たす。本実施例では、流行の商品はある特定の番組や記事で取り上げられることが発端になることが多いことに着目している。
続いて、マスメディアトレンド分析部２０４は、ステップ５０５で算出した各キーワードのＴＦ−ＩＤＦに対して、キーワードが出現した番組や記事の情報、あるいは出演者を考慮した重み付けを行う（ステップ５０６）。例えば食品に関する流行商品を知りたい場合には、番組ジャンルが音楽やバラエティよりも、番組ジャンルが情報の番組を発信源とするキーワードの方を視聴者が信用する傾向にある。また、同じジャンルの番組であっても特定の出演者の発言が信頼される可能性がある。マスメディアデータが新聞や雑誌の場合は例えば記事の発行元や記事のライターによって評価が異なる。本ステップでは前記の考えの元、キーワードjに対するマスメディアトレンドキーワードスコアを数１で算出する。
〔数１〕 TMS(j)＝TFIDF(j)(＋)
TMS(j)：キーワードjに対するマスメディアトレンドキーワードスコア
TFIDF(j)：キーワードjに対するTF-IDF
d(j,g)：ジャンルgの番組もしくは記事に対してキーワードjが含まれている数
α(g)：ジャンルgに対する重み付け
G：総ジャンル数
f(j,k)：出演者kの出演する番組(もしくはライターkが記載した記事)に対してキーワードjが含まれている数
β(k)：出演者kに対する重み付け
K：総出演者数
本ステップで算出したＴＭＳ(ｊ)を図４のスコア４０３として出力する。なお本実施例では番組ジャンルや出演者による重み付けの例を示したが、これらの重み付けに対するルール表を装置内で予め用意していてもよい。また、検出したいキーワードの種類や時代によって変化する可能性があるため、出演者やジャンルに対する重み付けを修正できるような仕組みを設けてもよい。また、出演者やジャンルの評価だけでなく、視聴率や記事のビュー数等の他のパラメータによる重み付けを行ってもよい。
再び図５のフローの説明に戻る。マスメディアトレンド分析部２０４は、ステップ５０６の後に、マスメディアトレンドキーワードデータ２０５に出力する（ステップ５０７）。ステップ５０１〜５０６の処理で検出したキーワードを、図４のキーワード４０２に、またステップ５０６で算出したＴＭＳ(ｊ)をスコア４０３にそれぞれ格納する。また指定期間における時間ステップ単位でキーワードが出現した回数を求めて、発生回数４０４に出力する。一方、図４のようにキーワード４０２に対して、スコア４０３が大きい順番になるように入れ替えて出力してもよい。また、キーワードの数に制限を設けるようにしてもよい。例えばスコアの大きい上位５０個のキーワードを出力してもよい。
マスメディアトレンド分析部２０４はステップ５０７でマスメディアトレンドキーワードデータ２０５を出力した後に処理を終了する。

（３）ソーシャルメディアデータ収集
再び図２の説明に戻る。ソーシャルメディアデータ２１０は、ブログやＳＮＳ等のネットワーク上のソーシャルメディアの構成データである。例えばソーシャルメディアデータ２１０は、運用されるサービスによってデータ形式が決まっており、ＨＴＭＬやＸＭＬ等の構造化されたデータやＪＳＯＮ（JavaScript Object Notation（登録商標）、データ記述言語の一種）等の構造が特に定まっていないデータ等様々な形式である。
ソーシャルメディアデータ収集部２１１は、図１のネットワークインターフェイス１０８を介してネットワークからソーシャルメディアデータ２１０を収集して、蓄積ソーシャルメディアデータ２１３として本実施例に係るトレンド分析装置内に保存する。ソーシャルメディアデータ収集部２１１は、ソーシャルメディアデータ２１０を収集する際、ブログやＳＮＳが公開している取得手段やＡＰＩを用いてデータを取得する。また、取得したソーシャルメディアデータは、データ量が膨大になるため、予め辞書データ２１２に含まれる単語を含むデータで限定する、あるいは辞書データ２１２に含まれる単語を含むデータを除外するようにしてもよい。
蓄積ソーシャルメディアデータ２１３は、ソーシャルメディアデータ収集部２１１が収集したソーシャルメディアデータ２１０を装置内に保存するための形式に変換したものである。蓄積ソーシャルメディアデータ２１３の例を図６に示す。
蓄積ソーシャルメディアデータ２１３は、発言ＩＤ６０１、発言者ＩＤ６０２、発言日時６０３及び発言内容６０４で構成される。発言ＩＤ６０１は、各発言を区別するための任意の文字列あるいは数値からなる識別子である。発言者ＩＤ６０２は、各発言を発言した人を特定するための識別子である。例えばソーシャルメディアデータ２１０がブログの場合はブログの作者名やユーザ名、ソーシャルメディアデータ２１０がＳＮＳの場合は、ユーザ名とすることができる。複数のサービスのソーシャルメディアデータを収集する場合には、発言者ＩＤ６０２の中にサービスを識別する文字列（例えばＵＲＬやドメイン名）を挿入してもよい。発言日時６０３は、ブログやＳＮＳにおいて記事が掲載された日時を示す。発言内容６０４はブログやＳＮＳにおいて掲載された記事のテキスト部分である。

（４）ソーシャル拡散度解析
（４−０）キーワード拡散度データ
再び図２の説明に戻る。ソーシャル拡散度解析部２１４は、ＣＰＵ１０１より指定された期間における蓄積ソーシャルメディアデータ２１３及びマスメディアトレンドキーワードデータ２０５を解析して、キーワード拡散度データ２１５を生成する。キーワード拡散度データ２１５の例を図７Ａ及び図７Ｂに示す。

キーワード拡散度データ２１５は、図７Ａ及び図７Ｂに示す通り拡散度順位７０１、キーワード名７０２、平均キーワード拡散度７０３及びキーワード拡散度７０４で構成される。キーワード拡散度データ２１５は、マスメディアを発信源とするキーワードが指定期間内においてソーシャルメディア上で時間とともに拡散する状況を表すデータである。キーワード拡散度データ２１５において図７Ａと図７Ｂはデータの形式は同じであるが、それぞれのキーワードに対して肯定的な意見及び否定的な意見それぞれに対して後述するキーワード拡散度を算出するために、別データとして用意する。
図７Ａ及び図７Ｂにおいて、拡散度順位７０１は各キーワードに対する平均キーワード拡散度７０３の順位を示す。キーワード名７０２は、指定期間内においてマスメディアトレンドキーワードデータ２０５から取得したキーワードを示す。平均キーワード拡散度７０３は、指定期間内におけるキーワード拡散度７０４の平均値である。キーワード拡散度７０４は、ソーシャル拡散度解析部２１４が後述の方法により算出した、ソーシャルメディアにおけるキーワード名７０２の拡散度（情報伝搬の度合い）を示す数値である。

（４−１）発言内容の分析
次に、ソーシャル拡散度解析部２１４の処理フローを図８に示す。ソーシャル拡散度解析部２１４はＣＰＵ１０１の指示により処理を開始すると、マスメディアトレンドキーワードデータ２０５の図４におけるキーワード４０２を含み、且つ、指定された期間内に含まれる蓄積ソーシャルメディアデータ２１３を取得する（ステップ８０１）。本ステップでは、例えば、図４において「オリンピック」や「うなぎ」等のマスメディアトレンドキーワードデータ２０５に含まれる各キーワードに対して、蓄積ソーシャルメディアデータ２１３における図６の発言内容６０４の中を検索し、当該キーワードを含む蓄積ソーシャルメディアデータを取得する。
続いて、ソーシャル拡散度解析部２１４は、ステップ８０１の次に、各キーワードが含まれる蓄積ソーシャルメディアデータ２１３に対して拡散目的の発言数を算出する（ステップ８０２）。本ステップでは、ステップ８０１で抽出したキーワードを含む蓄積ソーシャルメディアデータ２１３の発言内容６０４を解析して、ソーシャルメディアにおける拡散を目的とした発言数を算出する。本ステップで、発言内容６０４がソーシャルメディアにおける拡散を目的としているか否かの判別方法は、例えばソーシャルメディアがＳＮＳのＴｗｉｔｔｅｒである場合には、公式ＲＴ（発言内容の先頭にＲＴが含まれる）や#で始まるハッシュタグの内容から拡散目的であるかどうかを判定する。前記Ｔｗｉｔｔｅｒの例のようにＳＮＳやブログ等のソーシャルメディアサービスでは、容易に発言内容の拡散を促すルールが公式もしくは非公式に存在する。前記ルールを解釈して、発言内容６０４が拡散目的の発言数を算出する。
続いて、ソーシャル拡散度解析部２１４は、ステップ８０２の次に、図６の発言者ＩＤ６０２に対するフォロー数を算出する（ステップ８０３）。本ステップでは、ステップ８０１で抽出したマスメディアトレンドキーワード２０５の各キーワードを含む蓄積ソーシャルメディアデータ２１３について、各発言者ＩＤ６０２のフォロー数を求める。ＳＮＳやブログ等では、発言者が承認した他の利用ユーザに発言内容を自動的に通知あるいはホーム画面上に表示する仕組みを持たせている場合が多い。フォロー数とは、前記発言者が承認、あるいは未承認の場合でも、ソーシャルメディアサービスが把握している発言者の内容が自動的に通知もしくはホーム画面等に表示されるような利用ユーザの数である。例えば、ソーシャルメディアサービスがＳＮＳのＴｗｉｔｔｅｒの場合、フォロワーと呼ばれる利用ユーザの数である。本ステップでは、各キーワードに対してフォロー数の合計を算出する。
続いて、ソーシャル拡散度解析部２１４は、ステップ８０３の後に、図６の発言内容６０４の意見分析を行う（ステップ８０４）。本ステップでは、発言内容６０４の内容を、肯定的意見、否定的意見あるいは中立意見のいずれかに分類する。発言内容６０４の分類方法は、例えば辞書データ２１２に肯定、否定を表す単語を用意しておき、肯定あるいは否定の単語が含まれているかどうかの判定により分類する。あるいは、辞書に含まれる単語ではなく、肯定、または否定の単語を複数組み合わせることで肯定、または否定の表現を判定するといったルールで判別してもよい。もし後者で判定する場合には、発言内容６０４に対して予め形態素解析を行うといった処理を施してもよい。

（４−２）拡散度の算出
続いて、ソーシャル拡散度解析部２１４は、ステップ８０４の後に、キーワード拡散度を算出する（ステップ８０５）。キーワード拡散度はマスメディアを発信源とするキーワードが指定期間内においてソーシャルメディア上で時間とともに拡散する状況を表すデータである。本実施例におけるキーワード拡散度の定義は、マスメディアトレンドキーワードデータ２０５に含まれるキーワードをソーシャルメディアサービスの利用者が注目することで発言され、当該発言を閲覧する可能性のある他の利用者へキーワードが拡散する様子を表す指標である。本実施例では、キーワード拡散度の高いキーワードが、潜在する利用ユーザへの認知度が高く、急激な売り上げ増加等、流行の候補になり易いと捉えている。また、キーワードを含む意見が肯定的、または否定的それぞれに意味があるため、肯定的、または否定的な意見に分けて拡散度を算出する。
キーワード拡散度の算出には、マスメディアトレンドキーワードデータ２０５に含まれる図４のスコア４０３、ステップ８０２で算出した拡散目的の発言数、ステップ８０３で算出したフォロー数、ステップ８０４の意見分析結果を用いる。具体的には数２によりキーワードjに対するキーワード拡散度を算出する。
〔数２〕 KPS(j)＝TMS(j)(＋)
KSP(j)：キーワードjに対するキーワード拡散度
TMS(j)：キーワードjに対するマスメディアトレンドキーワードスコア
tpos(j,m)：キーワードjを含む肯定的発言mの肯定度合い
follow(m)：肯定的発言mの発言者に対するフォロー数
M：総発言数
rtpos(j,n)：キーワードjを含む拡散目的の肯定的発言nの肯定度合い
rfollow(n)：拡散目的の肯定的発言nの発言者に対するフォロー数
数２は肯定的意見のキーワード拡散度を算出する例を示している。否定的意見のキーワード拡散度については同様の計算方法で算出すればよい。このキーワード拡散度を特定の時間単位で算出する。
ここで、ｔｐｏｓ(ｊ,ｍ)はステップ８０４の意見分析結果において、肯定度合いを考慮している。例えば肯定の感情の強さを表す指標を辞書データ２１２やステップ８０４の意見分析で与えるようにしてもよい。または、必ずしもｔｐｏｓ(ｊ,ｍ)については必須ではなく、全ての意見を同等の感情の強さで扱ってもよい。
また、ステップ８０４において蓄積ソーシャルメディアデータの発言内容６０４が中立意見であるかどうかを分析している。中立意見についても数２で同様に算出し、肯定的及び否定的意見のキーワード拡散度それぞれに適当な重み付けを施した結果を加算するようにしてもよい。
再び図８の説明に戻る。続いて、ソーシャル拡散度解析部２１４は、ステップ８０５で算出したキーワード拡散度に対して期間内の平均を算出する（ステップ８０６）。その後、ソーシャル拡散度解析部２１４における解析結果である図７Ａ及び図７Ｂのキーワード名７０２、平均キーワード拡散度７０３及びキーワード拡散度７０４の出力と、当該出力結果を平均キーワード拡散度７０３の高い順番に並べ替えて、拡散度順位７０１を付与して、図２のキーワード拡散度データ２１４として出力する。以上でソーシャル拡散度解析部２１４の処理を終了する。
図８のステップ８０６においてソーシャル拡散度解析部２１４は期間内のキーワード拡散度に対する平均を算出して出力したが、他にも期間内のキーワード拡散度の中央値、最大値、最小値あるいはキーワード拡散度の時間微分の最大値等を出力してもよい。その場合にはキーワード拡散度データ２１４は、前述の中央値、最大値、最小値等を含むようにしてもよい。また、拡散度順位７０１は、前述の中央値、最大値、最小値等で決定してもよい。

（５）キーワードランキング生成
（５−０）商品マスタ
再び図２の説明に戻る。商品マスタ２２０は、本実施例におけるトレンド分析装置の利用者あるいは企業で扱っている商品あるいは扱う可能性のある商品の一覧である。商品マスタ２２０の一例を図９に示す。
商品マスタ２２０は、図９に示す通り、商品名９０１、商品ジャンル９０２、販売価格９０３、リードタイム９０４、取り扱いステータス９０５、商品説明９０６で構成される。商品名９０１は本実施例におけるトレンド分析装置の利用者あるいは企業で取り扱っている商品の商品名を示す。商品ジャンル９０２は商品の分類名を示す。図９は例えば小売業で扱っている商品の例であり、鮮魚、惣菜等が設定される。販売価格９０３は、商品の販売価格を示す。リードタイム９０４は、本実施例におけるトレンド分析装置の利用者あるいは企業で取り扱っている商品を注文後に入荷するまでに要する期間を示す。取り扱いステータス９０５は、本実施例におけるトレンド分析装置の利用者あるいは企業で商品を取り扱っているか否かを示す。商品説明９０６は商品に関する説明が記載された文章である。例えば商品に関する売り文句等を記載する。
なお、商品マスタ２２０はトレンド分析装置の利用者が修正する仕組みを用意してもよい。また、商品マスタ２２０は、図９の項目を別のテーブルに分割してもよい。例えば図９の商品マスタ２２０において、取り扱いステータス９０５の項目をなくし、取り扱っている商品と取り扱っていない商品のそれぞれのテーブルを用意してもよい。
再び図２の説明に戻る。キーワードランキング生成部２２１は、ソーシャル拡散度解析部２１４によって生成されたキーワード拡散度データ２１５に対して、商品マスタ２２０を組み合わせて処理することによって、本実施例におけるトレンド分析装置の利用者あるいは企業にとって有用なトレンド情報を抽出する。キーワードランキング生成部２２１の動作については後述する。

（５−１）トレンド分析結果表示の内容
トレンド分析結果表示部２２２は、本実施例におけるトレンド分析装置の利用者に対して図１の出力装置１０５に出力するユーザインターフェイス画面を構成する役割を担う。また、トレンド分析結果表示部２２２は、ユーザインターフェイス画面に対する本実施例におけるトレンド分析装置の利用者からの指示を入力装置１０４から受け付ける役割を担う。図１０にトレンド分析結果表示部２２２で出力されるユーザインターフェイス画面の一例を示す。
トレンド分析結果表示部２２２で出力されるユーザインターフェイス画面は、図１０に示すように、マスメディア設定１００１、トレンド商品数設定１００２、トレンド分析期間設定１００３、商品フィルタ設定１００４、トレンドキーワード表示１００５、マスメディア取り上げ回数表示１００６、肯定意見キーワード拡散度表示１００７、否定意見キーワード拡散度表示１００８で構成される。
マスメディア設定１００１は、図２のメタデータ２０３のうち、ＴＶや雑誌等のどのマスメディアデータからのトレンドを抽出するかを選択する。マスメディア設定１００１で表示されている項目のうち一部あるいは全部の項目を選択してもよい。

トレンド商品数設定１００２は、トレンドキーワード表示１００５に表示するキーワード数を設定する。

トレンド分析期間設定１００３は、本実施例におけるトレンド分析装置が分析対象とする期間及び分析期間の粒度（例えば１日単位）を設定する。

商品フィルタ設定１００４は、本実施例におけるトレンド分析装置が商品マスタ２２０の中から分析対象を制限するための設定項目である。例えば商品マスタ２２０の中で商品ジャンル９０２、販売価格９０３、リードタイム９０４、取り扱いステータス９０５に含まれる項目をトレンド分析結果表示部２２２が解釈して、利用者に対して選択できるようにしてもよい。商品フィルタ設定１００４で利用者が指定した項目に該当する商品リスト２２０に含まれる商品が、トレンドキーワード表示１００５の対象となる。

トレンドキーワード表示１００５は、キーワードランキング生成部２２１の算出結果を表示する。トレンドキーワード表示１００５に表示する項目は、順位（＃）１００５ａ、キーワード名１００５ｂ、及び後述する商品スコア１００５ｃを出力する。また、トレンドキーワード表示１００５において、本実施例におけるトレンド分析装置の利用者の指示により、マスメディア取り上げ回数表示１００６、肯定意見キーワード拡散度表示１００７、否定意見キーワード拡散度表示１００８に表示する商品を設定することが可能で、利用者が選択した商品は選択部分の表示色を変更する等で分かり易く表示する。
マスメディア取り上げ回数表示１００６は、トレンドキーワード表示１００５で選択したキーワードに対して、マスメディアで取り上げられた回数を時系列で表示する。マスメディア取り上げ回数表示１００６は、トレンドキーワード表示１００５で選択したキーワード１００５ｂを図２のマスメディアトレンドキーワードデータ２０５と照合して、該当するキーワードの図４における発生回数４０４を取得して表示する。また、複数のキーワードの発生回数４０４を表示してもよい。
肯定意見キーワード拡散度表示１００７、及び否定意見キーワード拡散度表示１００８は、トレンドキーワード表示１００５で選択したキーワード１００５ｂに対して、ソーシャルメディアでの図７Ａ及び図７Ｂのキーワード拡散度７０４を表示する。また、複数のキーワードのキーワード拡散度７０４を表示してもよい。
本実施例におけるトレンド分析装置の利用者は、図１０のようなユーザインターフェイス画面によって、利用者の業務で扱う商品に関するトレンド分析結果及びトレンド候補、及びトレンド候補を裏付けるマスメディア取り上げ回数やソーシャルメディアでのキーワード拡散度を確認することができる。
なお、本実施例においては、マスメディア取り上げ回数表示１００６、肯定意見キーワード拡散度表示及び否定意見キーワード拡散度表示をそれぞれ別の領域で描画しているが、同じ領域で表示する手段を提供してもよい。その方が、選択した商品の、マスメディア取り上げ回数とキーワード拡散度の比較が容易になる。

（５−２）キーワードランキング生成の処理とトレンド分析結果の表示
次に、本実施例におけるトレンド分析装置の利用者が図１０のユーザインターフェイス画面を操作した場合のトレンド分析結果表示部２２２の処理フローを図１１に示す。また、図１１の処理フローで、キーワードランキング生成部２２１の処理を併せて説明する。
本実施例におけるトレンド分析装置の利用者が図１０のユーザインターフェイス画面を操作した場合、トレンド分析結果表示部は最初に、マスメディア設定１００１、トレンド商品数設定１００２、トレンド分析期間設定１００３、商品フィルタ設定１００４の各設定内容を取得する（ステップ１１０１）。
次に、トレンド分析結果表示部２２２は、ステップ１１０１で取得したマスメディア設定１００１とトレンド分析期間設定１００３により、マスメディアトレンド分析部２０４でのマスメディアトレンド抽出処理を実行する（ステップ１１０２）。マスメディアトレンド分析部２０４は、図５の処理フローに従ってキーワードスコア算出の処理を行ない、マスメディアトレンドキーワードデータ２０５を出力する。
次に、トレンド分析結果表示部２２２は、ステップ１１０１で取得したトレンド分析期間設定１００３における、ソーシャル拡散度解析部２１４でソーシャル拡散度解析を実行する（ステップ１１０３）。ソーシャル拡散度解析部２１４は、蓄積ソーシャルメディアデータ２１３及びステップ１１０２で生成したマスメディアトレンドキーワードデータ２０５を用いて、図８のフローに従って処理を行い、キーワード拡散度データ２１５を生成する。
次に、トレンド分析結果表示部２２２は、ステップ１１０１で取得したトレンド商品数設定１００２と商品フィルタ設定１００４における、キーワードランキング生成部２２１でのキーワードランキング生成処理を実行する（ステップ１１０４）。
キーワードランキング生成部２２１は、キーワード拡散度データ２１５に含まれる各キーワードを元に、商品マスタ２２０に含まれる各商品のランキングを生成する。各キーワードが商品マスタ２２０の商品名９０１や商品ジャンル９０２、商品説明９０６等に含まれるかどうかを判定し、肯定的キーワード拡散度、及び否定的キーワード拡散度を一定のルールで加算して、図１０のトレンドキーワード表示１００５の商品スコア１００５ｃを算出する。

前記商品スコア算出のルールの一例を挙げると、図７Ａの肯定的キーワード拡散度データに「うなぎ」が含まれていた場合、「うなぎ」の肯定的キーワード拡散度データと否定的キーワード拡散度の平均を算出して商品スコア１００５ｃとする。また、「うなぎの蒲焼き」等の「うなぎ」を含む商品は前述の（拡散度の）平均値に適当な重み付けで掛け算を行い、商品スコア１００５ｃとする。
前記商品スコア算出のルールの他の例として図７Ｂの否定的キーワード拡散度に「電気代」が含まれていた場合、電気代を低く抑える商品が注目される可能性がある。よって、商品説明９０６に「省エネ」等の電気代を改善するキーワードが含まれる家電製品の商品スコアに「電気代」の否定的キーワード拡散度を加算する。一方、電気代を改善するようなキーワードが含まれない家電製品の商品スコアに、否定的キーワード拡散度に適当な割合を掛けた値を加算する。
前記商品スコア算出のルールの他の例として図７Ｂの否定的キーワード拡散度に「蚊」が含まれていた場合、蚊の殺虫剤が注目される可能性がある。よって、商品説明に「蚊に効く」が含まれる殺虫剤Ｂの商品スコアに否定的キーワード拡散度を加算する。
なお、キーワードランキング生成部２２１の商品スコアの算出ルールは、利用者が独自に設定できるようにしてもよい。
再び図１１の説明に戻る。トレンド分析結果表示部２２２は、キーワードランキング生成部２２１の結果を受け取り、ステップ１１０４の後にステップ１１０４で算出した商品スコアの高い順番で、図１０のトレンド商品数設定の個数分のキーワードとその商品スコアを図１０のトレンドキーワード表示１００５に表示する（ステップ１１０５）。

次に、トレンド分析結果表示部２２２は、トレンドキーワード表示１００５でキーワードが選択されている場合、図２のマスメディアトレンドキーワードデータ２０５と照合して、該当するキーワードの図４における発生回数４０４を取得する（ステップ１１０６）。トレンドキーワード表示１００５でキーワードが選択されていない場合は何も処理をせずに次のステップへ進む。

次に、トレンド分析結果表示部２２２は、トレンドキーワード表示１００５でキーワード１００５ｂが選択されている場合、トレンドキーワード表示１００５で選択したキーワードに対して、ソーシャルメディアでの図７Ａ及び図７Ｂのキーワード拡散度７０４を取得する（ステップ１１０７）。トレンドキーワード表示１００５でキーワードが選択されていない場合は何も処理をせずに次のステップへ進む。

次に、トレンド分析結果表示部２２２は、トレンドキーワード表示１００５でキーワード１００５ｂが選択されている場合、ステップ１１０６で取得した発生回数４０４を図１０のマスメディア取り上げ回数表示１００６へ表示し、同時に、ステップ１１０７で取得したキーワード拡散度７０４を肯定意見キーワード拡散度表示１００７、及び否定意見キーワード拡散度表示１００８に表示して処理を終了する（ステップ１１０８）。トレンドキーワード表示１００５でキーワード１００５ｂが選択されていない場合は何も表示せずに処理を終了する。
以上により、本実施例におけるトレンド分析装置の利用者は、マスメディアを発信源とするトレンドキーワードがソーシャルメディア上で時間とともに拡散するその拡散度を考慮したトレンド分析を、利用者本人が扱う業務範囲で最適な結果の簡易な操作で得ることができる。
なお、本実施例においては、マスメディアデータ２０１を受信して、トレンドキーワードを抽出したが、将来的に流行の発信源として信頼のある新規メディアが出現した場合には、当該新規メディアデータからテキストデータを抽出してトレンドキーワード抽出を行ってもよい。
また、本実施例においては、商品マスタ２２０は本実施例におけるトレンド分析装置の利用者の業務に応じた内容になってもよい。例えば本実施例におけるトレンド分析装置の利用者が製造業であれば、自社及びライバル会社で扱っている製品リスト等となっていいてもよい。
また、本実施例におけるトレンド分析装置及び方法、プログラムは、必ずしも図1及び図２のように全ての機能を単一の処理装置で処理する必要はない。必要に応じて並列、分散処理が行えるように、図２に示した各処理を複数の処理装置のそれぞれで分担して実行してもよいものとする。例えば、情報の管理元や表示先に応じて、メタデータ取得部２０２とマスメディアトレンド分析部２０４を第１の処理装置で実行し、ソーシャルメディア収集部２１１とソーシャル拡散度解析部２１４を第２の処理装置で実行し、キーワードランキング生成部２２１とトレンド分析結果表示部２２２を第３の処理装置で実行するようにしてもよい。

本実施例では、トレンドキーワードの抽出だけでなく、売り上げデータとの比較及び需要予測との連動も行えるトレンド分析装置、トレンド分析方法及びプログラムの例を説明する。本実施例のトレンドキーワード装置の利用者は、売り上げデータの偶然的な変動の要因分析を行うことが可能となる。
図１２は、実施例２における図２のＣＰＵ１０１で実行されるトレンド分析プログラムの構成図の例である。図２のトレンド分析プログラムの構成図のうち、既に説明した図２に示された同一の符号を付された構成と、同一の機能を有する部分については、説明を省略する。実施例２のトレンド分析プログラムでは、実施例１の図２のトレンド分析プログラムの構成に加えて、売り上げデータ１２３０、及び売り上げデータ比較部１２３１が追加されている。
売り上げデータ１２３０は、本実施例におけるトレンド分析装置の利用者が扱う商品マスタ２２０に記載された商品の売り上げデータである。売り上げデータ１２３０の一例を図１３に示す。
売り上げデータ１２３０は、商品名１３０１と売上高１３０２で構成される。商品名１３０１は、商品マスタ２２０における図９の商品名９０１と同様である。売上高１３０２は、商品マスタ２２０に記載された製品の特定の期間内における売上高を示す。図１３に示すように必要に応じて、日別、月別等の売上高を含む。一方、期間や日別、月別等の売上高を別表としてもよい。
なお、売り上げデータ１２３０の構成において商品マスタ２２０と関連付ける項目は必須であるが、必ずしも商品名である必要はない。例えば図９の商品マスタ２２０にユニークなＩＤを付与して、前記ＩＤを売り上げデータ１２３０に付与してもよい。

（１）売り上げデータ比較
再び図１２の説明に戻る。売り上げデータ比較部１２３１は、キーワードランキング生成部２２１で得られたトレンドキーワードと売り上げデータ１２３０における商品の売上高との比較、及び需要予測との連動に関する処理を行う。売り上げデータ比較部１２３１は例えば図１１のステップ１１０４の後に実行してもよい。売り上げデータ比較部１２３１の処理フローを図１４に示す。
売り上げデータ比較部１２３１は、処理を開始すると、キーワードランキング生成部２２１の処理結果である図１０のトレンドキーワード表示１００５において、本実施例におけるトレンド分析装置の利用者が選択したキーワード名を取得する（ステップ１４０１）。

次に、売り上げデータ比較部１２３１は、売り上げデータ１２３０からステップ１４０１で取得したキーワードに対応する商品名１３０１を照合し、該当する商品名の売上高１３０２を図１０のトレンンド分析期間設定１００３の期間よりも以前の期間内から取得する（ステップ１４０２）。

（２）需要予測との連動
続いて、売り上げデータ比較部１２３１は、ステップ１４０３で取得した商品の売上高に対して需要予測を実施する。本ステップの目的は、商品の売上高の変動と図２のキーワード拡散度データ２１５との関連性を把握するために、トレンンド分析期間設定１００３より前の売上高からの需要予測を算出することである。本実施例におけるトレンド分析装置の利用者は、需要予測と実際の売上高の差分が大きく、その原因としてキーワード拡散度データの推移との関連性が見られる場合には、在庫管理等を注視する必要がある等の対策を行うことができる。ステップ１４０３の需要予測の算出方法は、ウィンターズモデルやＡＲＩＭＡモデル等の公知の手法を用いる。
続いて、売り上げデータ比較部１２３１は、ステップ１４０３で取得した商品の売上高の需要予測に対して、キーワード拡散度データ２１５を用いた一定のルールにより補正を行う（ステップ１４０４）。
例えばキーワード拡散度データ２１５を用いた売上高の補正の例を図１５に示す。図１５は図１０において選択された商品Ａの売り上げ１５０１と商品Ａに対する肯定的キーワード拡散度１５０２を同一グラフでプロットしたものである。商品Ａは肯定的キーワード拡散度が7/10付近から高いスコアを占めているが、平坦な変化をしている。よって、例えば商品Ａの売上高は、肯定的キーワード拡散度があるため正のトレンド成分を有しており、また、肯定的キーワード拡散度の平坦な変化に対応して、売上高の需要予測の周期性は安定していると推測を行う。よって、需要予測モデルに正のトレンド成分を加える。
別の例を図１６Ａ及び図１６Ｂで説明する。図１６Ａは、図１０のトレンドキーワード表示部１００５で選択された商品Ｂの売り上げ１６０１と、図２のキーワード拡散度データ２１５で肯定的キーワード拡散度と否定的キーワード拡散度の比を求めたキーワード拡散度比（肯定的キーワード拡散度／否定的キーワード拡散度×１００（％）で算出）を、同一グラフでプロットしたものである。また、図１６Ｂは、図１６Ａと同様に商品Ｂの実際の売り上げデータ１６０１と、補正前の需要予測１６０４及び補正後の需要予測１６０５を同一グラフにプロットしたものである。

図１６Ａにおいて商品Ｂの売上高は、7/15付近で急激に増え、7/30以降に急激に落ち込んでいる。一方、キーワード拡散度比は7/12付近で急激に肯定的キーワード拡散度の割合が増加しており、また、7/25付近で否定的キーワード拡散度の割合が急激に増大している。図１６Ａにおける売上高とキーワード拡散度比の関係から、例えば肯定的キーワード拡散度の割合が急激に増大した２〜３日後に売上高が急激に増大し、否定的キーワード拡散度の割合が急激に増大した２〜３日後に売上高が低下するといった補正ルールを需要予測モデルに適用する。具体的には、図１６Ｂにおいて、補正ルール適用前の需要予測１６０４と実際の売り上げ１６０１には大きな差があるが、前記補正ルールを適用することで、補正後の需要予測１６０５のような実際の売り上げデータとの関連度の高い需要予測が得られる。
以上のような補正ルールは、本実施例のトレンド分析装置の利用者が作成あるいは修正できるようにしてもよい。また、どの補正ルールを適用するかを選択する手段を提供してもよい。
また、補正ルールで得られた実際の売り上げデータ１６０１と補正後の需要予測１６０５の差分とキーワード拡散度の関係を蓄積し、他の商品での関係を逐次学習することで実際の売り上げに近づけられるような補正値を取得する仕組みを設けてよい。
再び図１４の説明に戻り、売り上げデータ比較部１２３１は、ステップ１４０４の後にその処理を終了する。一方、トレンド分析結果表示部２２２は、図１５、図１６Ａ及び図１６Ｂのような、商品の売上高とキーワード拡散度の関係を、図１０のインターフェイス画面に表示してもよい。
また、図１６Ａや図１６Ｂのように売上高と需要予測との関係をキーワードランキング生成部２２１へ反映する仕組みを設けてもよい。例えば、図１６Ｂの商品Ｂのように実際の売上高と需要予測との差分が大きい商品は、在庫切れを起こす可能性のある注目商品として、商品スコアへ反映する仕組みを設けてもよい。
また、図１６Ａや図１６Ｂのように売上高と需要予測及びキーワード拡散度との関係から、マスメディアトレンド分析部２０４において商品Ｂを紹介したマスメディアの番組や出演者、ジャンルに対する重み付けを変更する仕組みを設けてもよい。
また、図１２の売り上げデータ１２３０は、本実施例におけるトレンド分析装置の利用者が扱う売り上げデータだけでなく、一般の市場売り上げデータであってもよく、その場合は例えば図１のネットワークインターフェイスを介して、一般の市場売り上げデータを流通する事業者から取得する。

１０１：ＣＰＵ、１０２：主記憶装置、１０３：補助記憶装置、１０４：入力装置、１０５：出力装置、１０６：チューナ、１０７：アンテナ、１０８：ネットワークインターフェイス、２０１：マスメディアデータ、２０２：メタデータ取得部、２０３：メタデータ、２０４：マスメディアトレンド分析部、２０５：マスメディアトレンドキーワードデータ、２１０：ソーシャルメディアデータ、２１１：ソーシャルメディアデータ収集部、２１２：辞書データ、２１３：蓄積ソーシャルメディアデータ、２１４：ソーシャル拡散度解析部、２１５：キーワード拡散度データ、２２０：商品マスタ、２２１：キーワードランキング生成部、２２２：トレンド分析結果表示部、１２３０：売り上げデータ、１２３１：売り上げデータ比較部

Claims (13)

1. マスメディアからトレンドキーワードを抽出するトレンド分析装置は、
   マスメディアデータからテキスト形式のメタデータを生成するメタデータ取得手段、
   前記メタデータに含まれるキーワードのスコアを算出するトレンド分析手段、
   ネットワークからソーシャルメディアデータを収集するソーシャルメディアデータ収集手段、
   前記収集したソーシャルメディアデータから、前記キーワードの伝搬の度合いを示すキーワード拡散度を算出するソーシャル拡散度解析手段、及び
   前記キーワードに関連した商品に関する情報と前記キーワード拡散度とに基づいて前記キーワードのランキングを含むトレンド情報を生成するキーワードランキング生成手段
   を有することを特徴とするトレンド分析装置。
2. 前記トレンド分析手段は、
   前記メタデータからキーワード抽出し、前記キーワードの出現数をカウントし、
   前記キーワードの発信元の数と、前記出現数に基づいて求めた、前記キーワードの特徴の度合いを示す指標とから前記キーワードに対するスコアを算出することを特徴とする請求項１記載のトレンド分析装置。
3. 前記ソーシャル拡散度解析手段は、
   前記キーワードが含まれる前記ソーシャルメディアデータから、前記キーワードの拡散を目的とする発言の発言数を算出し、
   前記ソーシャルメディアデータに含まれる肯定的発言の発言数と前記拡散目的の肯定的発言の発言数とに基づいて前記肯定的発言に対するキーワード拡散度算出し、
   前記ソーシャルメディアデータに含まれる否定的発言の発言数と前記拡散目的の否定的発言の発言数とに基づいて前記否定的発言に対するキーワード拡散度算出する、
   ことを特徴とする請求項１記載のトレンド分析装置。
4. 前記キーワードランキング生成手段は、
   商品に関する情報を格納した商品マスタを提示して、利用者の指示に基づいてトレンド分析対象の商品を選択し、
   前記選択した商品に関するランキングを生成し、前記ランキングを含むトレンド分析結果を表示することを特徴とする請求項１記載のトレンド分析装置。
5. 前記ランキングの生成、及びトレンド分析結果の表示において、
   前記トレンド分析手段によって、前記キーワードのスコアを算出してマスメディアトレンドキーワードを生成し、
   前記ソーシャル拡散度解析手段によって、前記マスメディアトレンドキーワードを用いてキーワード拡散度を生成し、
   前記キーワード拡散度データに含まれるキーワードを元に、商品スコアを算出することによって、前記商品マスタに含まれる各商品のランキングを生成し、
   前記商品スコアの高い順に前記キーワードを表示し、
   前記マスメディアトレンドキーワードと利用者によって選択されたキーワードを照合して前記選択されたキーワードの発生回数を取得し、
   前記選択されたキーワードに対する、前記ソーシャルメディアでのキーワード拡散度を取得し、
   前記発生回数と前記キーワード拡散度を表示する
   ことを特徴とする請求項４記載のトレンド分析装置。
6. 前記トレンド分析装置は、更に、売り上げデータ比較手段を有し、
   前記売り上げデータ比較手段は、
   前記トレンドキーワードに対応する商品の売り上げデータを取得し、
   前記トレンド分析期間前の前記売り上げデータから商品の需要を予測し、前記キーワード拡散度に基づいて前記需要を補正することを特徴とする請求項１記載のトレンド分析装置。
7. マスメディアからトレンドキーワードを抽出するトレンド分析装置によるトレンド分析方法であって、
   マスメディアデータからテキスト形式のメタデータを生成するメタデータ取得ステップ、
   前記メタデータに含まれるキーワードのスコアを算出するトレンド分析ステップ、
   ネットワークからソーシャルメディアデータを収集するソーシャルメディアデータ収集ステップ、
   前記収集したソーシャルメディアデータから、前記キーワードの伝搬の度合いを示すキーワード拡散度を算出するソーシャル拡散度解析ステップ、さらに、
   前記キーワードに関連した商品に関する情報と前記キーワード拡散度とに基づいて前記キーワードのランキングを含むトレンド情報を生成するキーワードランキング生成ステップ
   を有することを特徴とするトレンド分析方法。
8. 前記トレンド分析ステップは、
   前記メタデータからキーワード抽出し、前記キーワードの出現数をカウントし、
   前記キーワードの発信元の数と、前記出現数に基づいて求めた、前記キーワードの特徴の度合いを示す指標とから前記キーワードに対するスコアを算出することを特徴とする請求項７記載のトレンド分析方法。
9. 前記ソーシャル拡散度解析ステップは、
   前記キーワードが含まれる前記ソーシャルメディアデータから、前記キーワードの拡散を目的とする発言の発言数を算出し、
   前記ソーシャルメディアデータに含まれる肯定的発言の発言数と前記拡散目的の肯定的発言の発言数とに基づいて前記肯定的発言に対するキーワード拡散度算出し、
   前記ソーシャルメディアデータに含まれる否定的発言の発言数と前記拡散目的の否定的発言の発言数とに基づいて前記否定的発言に対するキーワード拡散度算出する、
   ことを特徴とする請求項７記載のトレンド分析方法。
10. 前記キーワードランキング生成ステップは、
    商品に関する情報を格納した商品マスタを提示して、利用者の指示に基づいてトレンド分析対象の商品を選択し、
    前記選択した商品に関するランキングを生成し、前記ランキングを含むトレンド分析結果を表示することを特徴とする請求項７記載のトレンド分析方法。
11. 前記ランキングの生成、及びトレンド分析結果の表示において、
    前記トレンド分析ステップによって、前記キーワードのスコアを算出してマスメディアトレンドキーワードを生成し、
    前記ソーシャル拡散度解析ステップによって、前記マスメディアトレンドキーワードを用いてキーワード拡散度を生成し、
    前記キーワード拡散度データに含まれるキーワードを元に、商品スコアを算出することによって、前記商品マスタに含まれる各商品のランキングを生成し、
    前記商品スコアの高い順に前記キーワードを表示し、
    前記マスメディアトレンドキーワードと利用者によって選択されたキーワードを照合して前記選択されたキーワードの発生回数を取得し、
    前記選択されたキーワードに対する、前記ソーシャルメディアでのキーワード拡散度を取得し、
    前記発生回数と前記キーワード拡散度を表示する
    ことを特徴とする請求項１０記載のトレンド分析方法。
12. 前記トレンド分析方法は、更に、売り上げデータ比較ステップを有し、
    前記売り上げデータ比較ステップは、
    前記トレンドキーワードに対応する商品の売り上げデータを取得し、
    前記トレンド分析期間前の前記売り上げデータから商品の需要を予測し、前記キーワード拡散度に基づいて前記需要を補正することを特徴とする請求項７記載のトレンド分析方法。
13. マスメディアからトレンドキーワードを抽出するトレンド分析装置によるトレンド分析方法を実行するためのプログラムを格納した、計算機で読み取り可能な記憶媒体であって、
    前記トレンド分析方法は、
    マスメディアデータからテキスト形式のメタデータを生成するメタデータ取得ステップ、
    前記メタデータに含まれるキーワードのスコアを算出するトレンド分析ステップ、
    ネットワークからソーシャルメディアデータを収集するソーシャルメディアデータ収集ステップ、
    前記収集したソーシャルメディアデータから、前記キーワードの伝搬の度合いを示すキーワード拡散度を算出するソーシャル拡散度解析ステップ、さらに、
    前記キーワードに関連した商品に関する情報と前記キーワード拡散度とに基づいて前記キーワードのランキングを含むトレンド情報を生成するキーワードランキング生成ステップ、を有することを特徴とする記憶媒体。

Images