JP2015011691A

JP2015011691A - 予測プログラム、予測方法及び予測装置

Info

Publication number: JP2015011691A
Application number: JP2013139291A
Authority: JP
Inventors: 大地森藤; Daichi Morifuji
Original assignee: Nifty Corp
Current assignee: Nifty Corp
Priority date: 2013-07-02
Filing date: 2013-07-02
Publication date: 2015-01-19

Abstract

【課題】ウェブページのデザイン変更がＫＰＩに与える影響を評価する。【解決手段】予測プログラムは、ウェブページのソースから、当該ページを構成する要素を表示するための属性値を読み出し、読み出した属性値を用いて要素の特徴量を求めるステップと、ウェブページ上に要素が表示された回数を少なくとも用いて要素を評価する指標値を求めるステップと、多変量解析に基づいて、特徴量と指標値との相関を表すモデルを生成するステップと、要素を表示するための属性値を変更する場合、変更後の属性値を用いて求められた特徴量とモデルとを用いて、指標値の予測値を算出するステップとをコンピュータに実行させる。【選択図】図１１

Description

本発明は、予測プログラム、予測方法及び予測装置に関する。

ウェブページ等のユーザインタフェイス（「ＵＩ（User Interface）」とも呼ぶ）は、デザイナの感覚や、エンジニアの経験に基づいて設計されることが多い。すなわち、属人的な技量に依存しており、ＵＩを客観的に評価することが難しい。また、他者が設計したＵＩを別のデザイナやエンジニアが引き継いで修正する場合、当初の設計意図が理解できず変更すべき箇所と変更すべきでない箇所の判別が困難になることがある。

また、ウェブページ上の有料配置スペースの使用を最適化するためのシステムは提案されている（例えば、特許文献１を参照）。しかしながら、ウェブページのデザイン変更を評価するような技術は存在していなかった。

特開２００５−２７６２０６号公報

従来の手法では、ウェブページのデザインの変更が、例えばクリックスルー率（ＣＴＲ：Click Through Rate）やコンバージョン率（ＣＶＲ：Conversion Rate）のような重要
業績評価指標（ＫＰＩ：Key Performance Indicator）に与える影響を評価することはで
きなかった。

そこで、本発明は、ウェブページのデザイン変更がＫＰＩに与える影響を評価することを目的とする。

本発明に係る予測プログラムは、ウェブページのソースから、当該ページを構成する要素を表示するための属性値を読み出し、読み出した属性値を用いて要素の特徴量を求めるステップと、ウェブページ上に要素が表示された回数を少なくとも用いて要素を評価する指標値を求めるステップと、多変量解析に基づいて、特徴量と指標値との相関を表すモデルを生成するステップと、要素を表示するための属性値を変更する場合、変更後の属性値を用いて求められた特徴量とモデルとを用いて、指標値の予測値を算出するステップとをコンピュータに実行させる。

このようにすれば、変更前のウェブページの視覚的特徴と指標値との相関関係に基づいて、変更後の指標値を予測することができる。指標値として、例えばＣＴＲやＣＶＲ等のＫＰＩを用いることで、ウェブページのデザイン変更がＫＰＩに与える影響を評価することができる。すなわち、ウェブページのＵＩを変更する際の指針を得ることができる。

また、予測プログラムは、モデルを出力するステップをさらにコンピュータに実行させるようにしてもよい。例えばユーザがモデルを解釈することによって、ＫＰＩのような指標値に及ぼす影響の大きい視覚的特徴を特定することができるようになる。

プログラムは、コンピュータが読み取り可能な記録媒体に記録されていてもよい。ここ
で、コンピュータが読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータから読み取ることができる記録媒体をいう。このような記録媒体のうち、コンピュータから取り外し可能なものとしては、フレキシブルディスク、光磁気ディスク、光ディスク、フラッシュメモリ、磁気テープ等がある。また、コンピュータに固定された記録媒体としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＲＯＭ（Read Only Memory）等がある。

また、本発明を実現する方法をコンピュータに実行させてもよいし、本発明を実現する装置を提供するようにしてもよい。

本発明によれば、ウェブページのデザイン変更がＫＰＩに与える影響を評価できるようになる。

システム構成の一例を示すブロック図である。評価装置の一例を示す機能ブロック図である。ＷＥＢサーバの一例を示す機能ブロック図である。コンピュータの装置構成の一例を示す図である。モデル生成処理の一例を示す処理フローである。ウェブページの一例を示す図である。取得されるデータを説明するための図である。特徴量の一例を示す図である。ＫＰＩ（ＣＴＲ）の一例を示す図である。モデルの算出を説明するための図である。ＫＰＩ算出処理の一例を示す処理フローである。

以下、図面を参照して、本発明を実施するための形態について説明する。なお、以下の実施形態の構成は例示であり、本発明は以下の構成には限定されない。

＜システム構成＞
図１は、実施形態に係るＷＥＢデザインの評価を行うシステムを説明するための図である。本システムは、評価装置１と、ＷＥＢサーバ２と、ユーザ端末３（図１では３ａ及び３ｂ）とを含む。また、これらはネットワーク４を介して互いに接続されている。評価装置１は、本実施形態に係るＷＥＢデザイン（すなわち、ＵＩ）の評価を行う。ＷＥＢサーバ２は、ＨＴＭＬ（HyperText Markup Language）文書やＸＭＬ（Extensible Markup Language）文書、ＣＳＳ（Cascading Style Sheets）等のような、ウェブページを表示する
ためのソースファイル（単に「ソース」とも呼ぶ）を保持している。また、ＷＥＢサーバ２は、ＨＴＴＰ（Hypertext Transfer Protocol）のようなプロトコルに基づき、ネット
ワーク４を介してソースや画像等をユーザ端末３へ送信する。さらに、ＷＥＢサーバ２は、ユーザ端末３からのアクセスログを記録する。ユーザ端末３は、ユーザの操作に基づいてＷＥＢサーバ２へアクセスし、ウェブブラウザにウェブページを表示する。なお、ユーザ端末３の数は２には限られない。

また、本実施形態に係るウェブページは、例えば、所定のデザインフォーマットが採用され、表示される内容が変更される。表示される内容は、ニュースやユーザによる投稿、広告等であるが、特に限定されない。

＜各装置の機能＞
図２は、評価装置１の一例を示す機能ブロック図である。評価装置１は、コンピュータであり、ＷＥＢソース取得部１１と、属性抽出部１２と、特徴ベクトル生成部１３と、ログ取得部１４と、モデル生成部１５と、ＫＰＩ算出部１６と、データ記憶部１７とを有する。

ＷＥＢソース取得部１１は、ＷＥＢサーバ２からウェブページのソースを取得したり、図示していないソース修正手段により変更されたソースを、データ記憶部１７から読み出したりする。なお、ソースとは、例えばＨＴＭＬ文書、ＸＭＬ文書、ＣＳＳのような、ウェブページの内容及び表示態様を定義したファイルをいう。また、ＷＥＢサーバ２が保持しているものと同じソースをデータ記憶部１７が記憶している場合、ＷＥＢソース取得部１１はデータ記憶部１７からソースを取得してもよい。

属性抽出部１２は、読み出されたソースから、ＨＴＭＬ要素（単に「要素」とも呼ぶ）を表示するための属性値を抽出する。ここで、要素とは、ＨＴＭＬ文書を構成する記述の単位である。要素は、開始タグから終了タグまでで定義される場合もあるし、１つのタグ及びその内容（コンテンツ）で定義される場合もある。また、入れ子状に、ある要素（「子要素」とも呼ぶ）が他の要素（「親要素」とも呼ぶ）に含まれる場合もある。また、抽出対象の要素は、評価装置１のユーザが予め定義してデータ記憶部１７に記憶させておく。抽出対象の要素は、例えば、ＸＰａｔｈ（XML Path）のような構文を用いて定義することができる。また、属性抽出部１２は、要素を表示するための属性値を取得し、要素と関連付けてデータ記憶部１７に記憶させる。

特徴ベクトル生成部１３は、要素を表示するための属性値に基づいて特徴量を求め、特徴量をベクトルの要素とした特徴ベクトルを生成する。特徴量は、要素の位置、要素がファーストビュー（ウェブブラウザをスクロールさせることなく表示される範囲）に含まれるか否か、大きさ（幅及び高さ）、要素が画像であるか否か、要素が箇条書き（リスト）であるか否か、フォントの種類（フォントファミリー）、フォントのサイズ、色相・明度・彩度といった視覚的特徴を数値で表したものである。換言すれば、特徴ベクトル生成部１３は、視覚的特徴の各々を点数化して特徴量を求める、図示していない複数の採点部として働く。

ログ取得部１４は、ウェブページに関するログを、ＷＥＢサーバ２から取得する。例えば、リンクの設定された要素ごとに、当該要素が表示された回数、及びユーザ端末３のユーザがリンク先を表示した回数（すなわち、ユーザが要素をクリックした回数）を取得する。また、ログ取得部１４は、ＫＰＩ（例えば、ＣＴＲ）を算出する。すなわち、ログ取得部１４は、要素が表示された回数に対する、当該要素がクリックされた回数の割合を算出する。なお、ログ取得部１４は、ＫＰＩとして、ＣＶＲを算出するようにしてもよい。この場合、ある要素が表示された回数に対する、ユーザが当該要素の関連付けられた商品の購入やサービスへの申し込みを行った回数の割合を算出する。本実施形態におけるＫＰＩとは、要素を評価する一種の指標値である。また、要素は、リンクが設定されたクリック可能なものに限られず、例えばマウスオーバーにより広告の再生が開始するような要素であってもよい。この場合、例えば、ウェブページの要素上にカーソルが移動することにより広告が再生された回数がログとして取得され、ＫＰＩ算出に用いられる。

モデル生成部１５は、多変量解析に基づいて、ＫＰＩ（例えば、ＣＴＲ）と特徴ベクトルとの相関関係を表すモデルを生成する。ここで、モデル生成部１５は、変更前のソースから求めた特徴量を用いて処理を行う。例えば、各要素のＣＴＲを成分とする行列と、各要素の特徴ベクトルを成分とする行列との相関を表す係数が、モデルとして生成される。

ＫＰＩ算出部１６は、変更後のソースから生成された特徴量と、モデル生成部１５が生成したモデルとを用いて、ＫＰＩの予測値を算出する。このようにすれば、ウェブページ（ソース）の変更がＫＰＩに与える影響を予測することができる。

図３は、ＷＥＢサーバ２の一例を機能ブロック図である。ＷＥＢサーバ２は、制御部２１と、ＷＥＢソース記憶部２２と、ログデータ記憶部２３とを含む。制御部２１は、ユーザ端末３からの要求を受けて、ＷＥＢソース記憶部２２に格納されているウェブサイトのソースを送信する。また、制御部２１は、ユーザ端末３からのアクセスログをログデータ記憶部２３に記録する。なお、制御部２１は、ＣＧＩ（Common Gateway Interface）、ＰＨＰ（Hypertext Preprocessor）、ＪａｖａＳｃｒｉｐｔ（登録商標）等を利用して、動的にソースを生成するようにしてもよい。

＜装置構成＞
図４は、コンピュータの装置構成図の一例である。評価装置１、ＷＥＢサーバ２及びユーザ端末３は、図４に示すようなコンピュータである。コンピュータは、ＣＰＵ（Central Processing Unit）１００１、主記憶装置１００２、補助記憶装置１００３、通信ＩＦ
（Interface）１００４、入出力ＩＦ（Interface）１００５、ドライブ装置１００６、通信バス１００７を備えている。ＣＰＵ１００１は、プログラム（「ソフトウェア」又は「アプリケーション」とも呼ぶ）を実行することにより本実施の形態に係る処理等を行う。主記憶装置１００２は、ＣＰＵ１００１が読み出したプログラムやデータをキャッシュしたり、ＣＰＵの作業領域を展開したりする。主記憶装置は、具体的には、ＲＡＭ（Random
Access Memory）やＲＯＭ（Read Only Memory）等である。補助記憶装置１００３は、ＣＰＵ１００１により実行されるプログラムや、本実施の形態で用いる情報などを記憶する。補助記憶装置１００３は、具体的には、ＨＤＤ（Hard-disk Drive）やＳＳＤ（Solid State Drive）、フラッシュメモリ等である。主記憶装置１００２や補助記憶装置１００３は、評価装置１のデータ記憶部１７、ＷＥＢサーバ２のＷＥＢソース記憶部２２、ログデータ記憶部２３等として働く。通信ＩＦ１００４は、他のコンピュータとの間でデータを送受信する。通信ＩＦ１００４は、具体的には、有線又は無線のネットワークカード等である。入出力ＩＦ１００５は、入出力装置と接続され、ユーザから入力を受け付けたり、ユーザへ情報を出力したりする。入出力装置は、具体的には、キーボード、マウス、ディスプレイ、各種センサ又はタッチパネル等である。ドライブ装置１００６は、磁気ディスク、光磁気ディスク、光ディスク等の記憶媒体に記録されたデータを読み出したり、記憶媒体にデータを書き込んだりする。以上のような構成要素が、通信バス１００７で接続されている。なお、これらの構成要素は複数設けられていてもよいし、一部の構成要素（例えば、ドライブ装置１００６）を設けないようにしてもよい。また、入出力装置がコンピュータと一体に構成されていてもよい。そして、ドライブ装置１００６で読み取り可能な可搬性の記憶媒体や、フラッシュメモリのような可搬性の補助記憶装置１００３、通信ＩＦ１００４などを介して、本実施の形態で実行されるプログラムが提供されるようにしてもよい。そして、ＣＰＵ１００１がプログラムを実行することにより、上記のようなコンピュータを、評価装置１、ＷＥＢサーバ２又はユーザ端末３として働かせる。

＜モデル生成処理＞
次に、評価装置１の動作を説明する。図５は、評価装置１が実行するモデル生成処理の一例を示す処理フローである。なお、本実施形態では、ウェブページ（ソース）がＷＥＢサーバ２においてインターネット上に公開され、ユーザ端末３からのアクセスログが記録されているものとする。

まず、評価装置１のＷＥＢソース取得部１１は、ＷＥＢサーバ２からウェブページのソースを取得する（図５：Ｓ（ステップ）１）。ここでは、例えば、評価装置１のユーザが、入力Ｉ／Ｆを介して処理の対象となるウェブページのＵＲＩ（Uniform Resource Ident
ifier）を入力する。そして、ＷＥＢソース取得部１１は、入力されたＵＲＩに基づいて
ＷＥＢサーバ２へアクセスし、ソースを取得する。具体的には、ソースとして、ＨＴＭＬ文書や、ＸＭＬ文書、ＣＳＳ等が取得される。また、本実施形態では、後述するようにアクセスログを取得可能なウェブページが処理の対象となる。本実施形態では、図６に示すようなウェブページを処理対象として説明する。また、図示していない設定データには、図６のウェブページのうち（１）〜（７）で示すテキストの集まり又は画像が要素として定義されているものとする。

次に、評価装置１の属性抽出部１２は、ソースを読み出し、要素に対して設定されている属性値を抽出する（Ｓ２）。属性抽出部１２は、ユーザによって予め設定されている、図示していない設定データを用いて、ソースから要素の属性値を抽出する。

設定データは、例えば、ＸＰａｔｈの構文で記述することができる。ＸＰａｔｈは既存の技術であるためここで詳しくは述べないが、ＨＴＭＬ文書中に入れ子状に含まれる要素を、例えば階層表現で表すことができる。また、ＸＰａｔｈによれば、ある親要素に含まれる子要素のうち、同一の要素名（タグ名）すべてを指定したり、同一の要素名のうち所定の順位に出現するものを指定したりすることができる。

このような設定データに基づき、属性抽出部１２は、各要素を表示するための属性値を抽出する。ここで、要素を表示するための属性値とは、要素の大きさ（幅（WIDTH）及び
高さ（HEIGHT））、画像を表示するためのタグ（IMG）、内容をリスト表示（箇条書き）
するためのタグ（LI）、フォントの種類（FONT-FAMILY）、フォントのサイズ（SIZE）、
文字の色（COLOR）といった属性名に関連付けて設定されている値である。属性値は、Ｈ
ＴＭＬ文書又はＸＭＬ文書のタグに記述されている場合もあるし、ＨＴＭＬ文書やＸＭＬ文書とは別のＣＳＳに記述されている場合もある。属性抽出部１２は、指定された要素自身又は指定された要素の親要素に対して設定されている属性値を抽出する。

本ステップで抽出される属性値の例を、図７に模式的に示す。図７の表は、処理対象のＵＲＩ、抽出対象の要素を示すＸＰａｔｈ、処理日時、抽出された属性名、抽出された属性値の各列を含んでいる。属性抽出部１２は、要素ごと且つ属性ごとに属性値を抽出する。

さらに、評価装置１の特徴ベクトル生成部１３は、抽出された属性値を用いて特徴ベクトルを生成する（Ｓ３）。ここでは、属性値を用いて特徴量を求め、所定の順序で記述した特徴ベクトルが生成される。

例えば、特徴ベクトル生成部１３は、要素の幅、高さ、フォントサイズ等、Ｓ２において抽出された属性値を特徴量として採用する。また、特徴ベクトル生成部１３は、フォントの色をＲＧＢのパラメータで定義する属性値から、色相、彩度、明度を表す各数値を求め、特徴量として用いるようにしてもよい。さらに、属性抽出部１２は、ウェブサイトの背景色を抽出し、フォントの色相、彩度及び明度を、背景の色相、彩度及び明度との相対的な数値で表した各コントラスト値を求め、特徴量として用いるようにしてもよい。また、要素がファーストビューに含まれるか否か、要素が画像であるか否か、要素が箇条書きであるか否かといった特徴量については、該当する場合には「１」、該当しない場合には「０」を設定するダミー変数を採用するようにしてもよい。

図６に示したウェブページの要素（１）〜（７）のそれぞれについて、例えば、図８に示すような特徴量が求められる。

また、評価装置１のログデータ取得部１４は、処理対象のウェブページに関連するログ
データを、ＷＥＢサーバ２から取得し、ＫＰＩを算出する（Ｓ４）。ここでは、ユーザ端末３にウェブページが表示された回数（すなわち、ウェブページの各要素が表示された回数）、各要素がクリックされた回数（すなわち、各要素に設定されたリンク先が表示された回数）等を含むログデータが取得される。なお、ログデータとして、要素に関連する商品の購入、要素に関連するサービスへの申し込み等がユーザによって行われた回数を取得するようにしてもよい。また、ログデータ取得部１４は、取得したログデータを用いて、各要素についてＣＴＲやＣＶＲ等のＫＰＩを算出する。

ＣＴＲ、ＣＶＲはそれぞれ下記の式により求められる。
ＣＴＲ＝（リンク先が表示された回数）／（要素が表示された回数）
ＣＶＲ＝（商品の購入、サービスへの申し込み等が行われた回数）／（要素が表示された回数）

本実施形態では、例えば、図６の要素（１）〜（７）のそれぞれについて、図９に示すようなＫＰＩ（図９の例では、ＣＴＲ）が算出されたものとする。

その後、評価装置１のモデル生成部１５は、Ｓ３で生成した特徴ベクトルとＳ４で生成したＫＰＩとの相関を示すモデルを求める（Ｓ５）。本ステップでは、モデル生成部１５は、回帰分析（重回帰分析）、主成分分析、独立成分分析等の多変量解析により、ＫＰＩの予測式（関係式）の係数で表されるモデルを算出する。本実施形態では、線形モデルの回帰分析を行う例を示す。

ここで、各要素のＣＴＲを成分とする行列を「Ｙ」、要素ごと且つ属性値ごとの特徴量を成分とする行列を「Ｘ」、特徴ベクトルとＫＰＩとの相関を示すモデルを「Ｗ」とおくと、次のような式が成り立つ。
Ｙ＝ＸＷ・・・（１）

本ステップでは、式（１）の「Ｘ」及び「Ｙ」がすでにわかっており、「Ｗ」を算出する。図８に示した特徴量（「Ｘ」）及び図９に示したＫＰＩ（「Ｙ」）を、式（１）に当てはめると図１０のようになる。図１０の例では、図８に示した特徴値がＸに代入され、図９に示したＫＰＩがＹに代入されている。モデル生成部１５は、モデル「Ｗ」（図１０の例では、Ｗ_１〜Ｗ_７）を算出すると、データ記憶部１７に記憶させ、モデル生成処理を終了する。

なお、Ｓ５において、モデル生成部１５は、生成されたモデルをディスプレイ等の出力装置に出力するようにしてもよい。評価装置１のユーザは、出力されたモデルを確認することにより、いずれの視覚的特徴がＫＰＩに影響を及ぼしているか解釈することができる。

本実施形態におけるモデル「Ｗ」は、属性値がＫＰＩに対して影響を及ぼす程度（重み）を示している。短期的に見ると、ＣＴＲは、ウェブページのデザインだけでなく、リンク先の内容（コンテンツ）等に影響されて上下するものともいえる。しかし、同一のデザインのもと、リンク先の内容を様々に変更した結果を示すログデータを用いてＣＴＲを求めることにより、統計的にはリンク先の内容に起因するＣＴＲの偏りを無視できるものと考えられる。そうすると、モデル「Ｗ」によって、属性値（すなわち、ウェブページのデザインを示す視覚的な特徴）がＫＰＩに影響を及ぼす程度を表すことができるといえる。

＜ＫＰＩ予測処理＞
次に、モデル生成処理において生成されたモデルを用いてＫＰＩを予測するＫＰＩ予測処理について説明する。図１１は、ＫＰＩ予測処理の一例を示す処理フローである。ＫＰ
Ｉ予測処理では、ウェブページのデザイン変更に伴い変動するＫＰＩの予測値を、モデル「Ｗ」及び変更後のＨＴＭＬ要素の特徴ベクトルを用いて算出する。ここでは、モデル生成処理において処理の対象としたウェブページのデザインを担当者が変更し、予めデータ記憶部１７に変更後のソースが記憶されているものとする。また、担当者がデザインを変更するたびにＫＰＩ予測処理を行い、リアルタイムにＫＰＩの予測値の表示を更新するようにしてもよい。

まず、評価装置１のＷＥＢソース取得部１１は、変更後のソースを取得する（図１１：Ｓ１１）。本ステップでは、ＷＥＢソース取得部１１は、変更後のソースを処理対象として、図５のＳ１と同様の処理を行う。

次に、評価装置１の属性抽出部１２は、変更後のソースからＨＴＭＬ要素を抽出する（Ｓ１２）。本ステップでは、属性抽出部１２は、変更後のソースを処理対象として、図５のＳ２と同様の処理を行う。

また、評価装置１の特徴ベクトル生成部１３は、抽出された要素の属性値を用いて特徴ベクトルを生成する（Ｓ１３）。本ステップでは、特徴ベクトル生成部１３は、変更後のソースから抽出された要素の属性値を用いて、図５のＳ３と同様の処理を行う。

その後、評価装置１のＫＰＩ算出部１６は、変更後のソースに基づいて生成された特徴ベクトルと、モデル生成処理で生成されたモデル「Ｗ」とを用いて、ＫＰＩの予測値を算出する（Ｓ１４）。本ステップでは、上で述べた式（１）を用いて、ＫＰＩの予測値を算出する。ここでは、図１０に示した「Ｘ」のうち、ソースの変更に伴い少なくとも一部の特徴量が変更されており、ソースの変更後のＫＰＩ（「Ｙ」）が算出される。

ここで、モデル「Ｗ」は、モデル生成処理において処理対象とした変更前のウェブページのデザインに依存する値である。ウェブページ全体における各要素の相対的な視覚的特徴に基づくため、すべて新規に作成したウェブページのデザインを評価できるものとはいえない。本実施形態では、ウェブページの一部を変更するような場合（微小な変化の場合）においては、モデル「Ｗ」を適用できると仮定して予測処理を行う。このようにすれば、ウェブページのデザイン変更がＫＰＩに与える影響を、客観的に評価することができるようになる。

また、本ステップでは、ＫＰＩ算出部１６は、算出されたＫＰＩの値をディスプレイ等の出力装置に出力し、デザインの変更がＫＰＩに影響する結果を担当者に示すようにしてもよい。さらに、変更前のＫＰＩの実績値を同時に表示させるようにしてもよい。このようにすれば、担当者は、ウェブページのデザイン変更がＫＰＩに与える影響を認識し易くなる。

また、モデル生成部１５が生成したモデルを、例えばディスプレイ等の出力装置に出力するようにしてもよい。評価装置１のユーザは、出力されたモデルを確認することにより、いずれの視覚的特徴がＫＰＩに影響を及ぼしているか解釈することができる。

以上のように、本発明によれば、ウェブページのデザイン変更がＫＰＩに与える影響を、客観的に評価することができるようになる。ＵＩの視覚的特徴がＫＰＩに及ぼす影響という観点からウェブページを評価するため、ＫＰＩの予測値は、ＵＩを改善する際の１つの指針となり得る。

＜変形例＞
ＫＰＩ算出部１６は、ＫＰＩを向上させるために変更すべき視覚的特徴（すなわち、要
素の属性）をさらに特定するようにしてもよい。図１０に示した線形モデルの場合は、モデル「Ｗ」は１列の行列になる。また、行列の成分はそれぞれ「サイズ」や「画像」等、視覚的特徴に対応する係数になっており、行列の成分の大小関係に基づいて各視覚的特徴がＣＴＲに及ぼす影響の大きさがわかる。

また、本発明で用いることができる多変量解析の手法は、回帰分析には限定されない。具体的には、主成分分析や独立成分分析等の手法を用いることも可能である。主成分分析や独立成分分析を用いる場合も、特徴ベクトル（視覚的特徴の特徴量）とＫＰＩとの相関を表すモデルを生成することができる。

ＫＰＩとして用いる値も、ＣＴＲやＣＶＲには限られない。例えば、ＣＶＲの変形例として、ＥＣサイトで使用できるクーポンの利用率など、様々な統計を用いることができる。また、ウェブサイト以外の評価に応用することも可能である。例えば、チラシやパンフレット、紙面広告などの表示を定義する情報と、チラシやパンフレット、紙面広告などの構成要素に関連付けられたＫＰＩの情報とを用いて、チラシやパンフレット、紙面広告などの表示の変更に基づいて、ＫＰＩの変化を予測するようにしてもよい。

なお、図５及び図１１は処理フローの一例であって、処理の結果が変わらない限りにおいて、順序を変更したり、並列に実行したりするようにしてもよい。例えば、ＷＥＢソースの取得（Ｓ１）〜特徴ベクトルの算出（Ｓ３）と、ログの取得（Ｓ４）とを逆に実行したり、並列に実行したりしてもよい。

１評価装置
１１ＷＥＢソース取得部
１２属性抽出部
１３特徴ベクトル生成部
１４ログ取得部
１５モデル生成部
１６ＫＰＩ算出部
１７データ記憶部
２ＷＥＢサーバ
２１制御部
２２ＷＥＢソース記憶部
２３ログデータ記憶部
３ユーザ端末
４ネットワーク

Claims

ウェブページのソースから、当該ページを構成する要素を表示するための属性値を読み出し、読み出した前記属性値を用いて前記要素の特徴量を求めるステップと、
ウェブページ上に前記要素が表示された回数を少なくとも用いて前記要素を評価する指標値を求めるステップと、
多変量解析に基づいて、前記特徴量と前記指標値との相関を表すモデルを生成するステップと、
前記要素を表示するための前記属性値を変更する場合、変更後の属性値を用いて求められた特徴量と前記モデルとを用いて、前記指標値の予測値を算出するステップと、
をコンピュータに実行させるための予測プログラム。
前記モデルを出力するステップ
をさらにコンピュータに実行させる請求項１に記載の予測プログラム。
ウェブページのソースから、当該ページを構成する要素を表示するための属性値を読み出し、読み出した前記属性値を用いて前記要素の特徴量を求めるステップと、
ウェブページ上に前記要素が表示された回数を少なくとも用いて前記要素を評価する指標値を求めるステップと、
多変量解析に基づいて、前記特徴量と前記指標値との相関を表すモデルを生成するステップと、
前記要素を表示するための前記属性値を変更する場合、変更後の属性値を用いて求められた特徴量と前記モデルとを用いて、前記指標値の予測値を算出するステップと、
をコンピュータが実行する予測方法。
ウェブページのソースから、当該ページを構成する要素を表示するための属性値を読み出し、読み出した前記属性値を用いて前記要素の特徴量を求める特徴抽出部と、
ウェブページ上に前記要素が表示された回数を少なくとも用いて前記要素を評価する指標値を求める指標値生成部と、
多変量解析に基づいて、前記特徴量と前記指標値との相関を表すモデルを生成するモデル生成部と、
前記要素を表示するための前記属性値を変更する場合、変更後の属性値を用いて求められた特徴量と前記モデルとを用いて、指標値の予測値を算出する指標値算出部と、
を有する予測装置。