JP2015225362A - 分析装置および分析方法 - Google Patents

Abstract

【課題】金融機関の顧客像を精度よく捉え、ビジネスに有用な情報を得ることを支援する。
【解決手段】顧客取引情報保持部４０は、金融機関の複数の顧客が、金融機関の複数のＡＴＭを利用した事実を示す第１情報を保持する。ＡＴＭ顧客属性保持部３８は、複数のＡＴＭのそれぞれを利用する顧客像を示す情報であって、複数のＡＴＭのそれぞれと、予め定められた複数種類の顧客属性との結びつきの強弱を示す第２情報を保持する。顧客属性推定部５２は、第１情報にしたがって各顧客が利用したＡＴＭを識別し、ある顧客が特定のＡＴＭを利用した回数が多いほど、複数種類の顧客属性のうち第２情報が示す特定のＡＴＭとの結びつきが強い顧客属性を当該顧客の属性に強く反映させることにより、各顧客の属性を推定する。
【選択図】図２

Description

この発明はデータ処理技術に関し、特に金融機関の業務を支援するための情報分析技術に関する。

銀行等の金融機関では、顧客が実施した金融取引の内容を示すトランザクションデータ（以下「顧客取引情報」とも呼ぶ。）が保管される（例えば特許文献１参照）。

特開２０１１−０２８５７８号公報

金融業界における競争が激化する中、金融機関には自身が保持する情報を有効活用してビジネスチャンスを拡大することが求められている。金融機関は顧客の氏名や年齢等の基本的な顧客情報と顧客取引情報を管理しているが、これらの情報項目は非常に限られていた。そのため、これらの情報を分析するだけでは、実際の顧客像を精度よく捉えることは困難であり、言い換えれば、ビジネスに有用な情報を得ることは困難であると本発明者は認識した。

本発明は本発明者の上記課題認識にもとづきなされたものであり、その主な目的は、金融機関の顧客像を精度よく捉え、ビジネスに有用な情報を得ることを支援する技術を提供することにある。

上記課題を解決するために、本発明のある態様の分析装置は、金融機関の複数の顧客が、金融機関の複数の窓口を利用した事実を示す第１情報を保持する窓口利用実績保持部と、複数の窓口のそれぞれを利用する顧客像を示す情報であって、複数の窓口のそれぞれと、予め定められた複数種類の顧客属性との結びつきの強弱を示す第２情報を保持する窓口顧客属性保持部と、第１情報にしたがって各顧客が利用した窓口を識別し、ある顧客が特定の窓口を利用した回数が多いほど、複数種類の顧客属性のうち第２情報が示す特定の窓口との結びつきが強い顧客属性を当該顧客の属性に強く反映させることにより、各顧客の属性を推定する推定部と、を備える。

本発明の別の態様は、分析方法である。この方法は、金融機関の複数の顧客が、金融機関の複数の窓口を利用した事実を示す第１情報と、複数の窓口のそれぞれを利用する顧客像を示す情報であって、複数の窓口のそれぞれと、予め定められた複数種類の顧客属性との結びつきの強弱を示す第２情報を参照し、第１情報にしたがって各顧客が利用した窓口を識別して、ある顧客が特定の窓口を利用した回数が多いほど、複数種類の顧客属性のうち第２情報が示す特定の窓口との結びつきが強い顧客属性を当該顧客の属性に強く反映させることにより、各顧客の属性を推定するステップをコンピュータが実行する。

なお、以上の構成要素の任意の組合せ、本発明の表現をシステム、プログラム、プログラムを格納した記録媒体などの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、金融機関の顧客像を精度よく捉え、ビジネスに有用な情報を得ることを支援することができる。

実施の形態の営業支援システムの構成を示す図である。 図１の分析装置の機能構成を示すブロック図である。 施設と訪問者属性の対応関係を示す図である。 ＡＴＭ顧客属性情報を示す図である。 営業支援情報を示す図である。 検索条件設定画面を示す図である。 図６の検索条件による検索結果を示す図である。 分析対象商品またはサービスに対する顧客の購買確度を示す図である。 営業支援情報の生成と活用の過程を模式的に示す図である。 顧客年齢に応じて顧客住所の地域特性の値を修正する例を示す図である。

従来、金融機関が管理していた顧客の情報は、顧客が口座開設時に申告した氏名、年齢、住所等の非常に基本的な個人情報（以下「顧客基本情報」とも呼ぶ。）とトランザクションデータ程度であった。顧客基本情報は金融取引にあたり顧客が金融機関に開示した情報（いわゆる個人情報を含む）と言え、トランザクションデータは顧客が行った金融取引の内容・実績を示すデータと言えるが、いずれも情報項目が非常に限られている。そのため、これらの情報を分析しても、現実の顧客像を精度よく推定することは困難であり、金融機関のビジネスに有益な情報を得るには不十分であった。

例えば、ある金融機関の顧客は、自機関だけでなく他の金融機関にも口座を開設し、用途に応じて口座を使い分けていることも多い。そのため、自機関における顧客の預金残高や入出金の履歴を分析しても、そもそも分析対象とするデータが顧客の一側面を表すものに過ぎず、顧客の一側面を示す分析結果が得られるに過ぎなかった。金融機関が銀行の場合、例えば、自行の預金残高が１００万円でも、他行に１億円を預けている顧客もいる。このような場合、自行の顧客情報をいくら分析しても、この顧客が富裕層であることは分からず、ビジネスチャンスを逃してしまうことがあった。

そこで実施の形態の分析装置は、金融機関が従来より保持していた顧客情報では捉えられない顧客像を、外部データを活用した分析処理により精度よく捉える。具体的には、金融機関の複数の顧客のそれぞれが利用した窓口をトランザクションデータにより識別する。そして、ある顧客が特定の窓口を利用した回数が多いほど、その特定の窓口と強く結びつけられた顧客属性を当該顧客の属性に強く反映させることにより、各顧客の属性を推定し、営業支援情報として記録する。

以下、実施の形態では金融機関を銀行とするが、顧客が金融取引を実施する窓口を設置する他の種類の金融機関においても実施の形態の分析技術を適用可能である。他の種類の金融機関は、証券会社や生命保険会社、クレジットカード会社を含む。また実施の形態では、顧客からの金融取引の要求を直接的に受け付ける窓口をＡＴＭ（Automated Teller Machine、現金自動預け払い機）とするが、ＡＴＭのような無人窓口に限らず、店舗や営業所における有人窓口であってもよい。

図１は、実施の形態の営業支援システムの構成を示す。営業支援システム１０は、ある１つの銀行の情報系システムであり、具体的には、自行に口座を開設している顧客に対する金融商品や金融サービスの販売活動を支援する情報処理サービスを提供する。営業支援システム１０は、分析装置１２、営業担当者端末１４、システム管理者端末１６を備える。これらの各装置は、ＬＡＮ・ＷＡＮ・インターネット等を含む通信網１８を介して接続される。

分析装置１２、営業担当者端末１４、システム管理者端末１６はいずれも情報処理装置である。例えば、分析装置１２は、ウェブアプリケーションサーバであってもよい。また営業担当者端末１４とシステム管理者端末１６は、一般的なＰＣやタブレット端末であってもよい。

分析装置１２は、銀行が従来より保持する内部データである顧客基本情報とトランザクションデータに加え、これまでは分析の対象とされてこなかった外部データであるＡＴＭ近隣の施設情報や、地域特性情報を分析として営業支援情報を生成する。営業担当者端末１４は、銀行のリテール営業の担当者により操作される。システム管理者端末１６は、分析装置１２の管理者であり、言い換えれば、分析装置１２による情報分析処理の環境を構築する担当者により操作される。

図２は、図１の分析装置１２の機能構成を示すブロック図である。分析装置１２は、制御部２０、記憶部２２、通信部２４を備える。制御部２０は、各種データ処理を実行し、特に情報分析処理を実行する。記憶部２２は、制御部２０により参照・更新されるデータを記憶する記憶領域を提供する。通信部２４は、所定の通信プロトコルにしたがって外部装置と通信する。制御部２０は、通信部２４を介して外部装置とデータを送受する。

本明細書のブロック図において示される各ブロックは、ハードウェア的には、コンピュータのＣＰＵをはじめとする素子や機械装置で実現でき、ソフトウェア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろなかたちで実現できることは、当業者には理解されるところである。

例えば、制御部２０内の各機能ブロックに対応するプログラムモジュールを含む情報分析アプリケーションが、所定の記録媒体に格納され、分析装置１２のストレージへインストールされてもよい。ユーザが、分析装置１２において情報分析アプリケーションを起動すると、分析装置１２のＣＰＵが、これらのプログラムモジュールをメインメモリへ読み出して実行することにより各機能ブロックの機能が発揮されてよい。また、記憶部２２内の各機能ブロックの機能は、メインメモリやストレージがデータを記憶することで実現されてもよい。また図２の各機能は、ウェブアプリケーションサーバやデータベースサーバ等の複数の装置が通信網を介して連携することにより分散環境で実行されてもよい。

記憶部２２は、顧客基本情報保持部３０、地域特性保持部３２、ＡＴＭ位置情報保持部３４、施設情報保持部３６、ＡＴＭ顧客属性保持部３８、顧客取引情報保持部４０、営業支援情報保持部４２、モデル保持部４４を含む。

顧客基本情報保持部３０は顧客基本情報を保持する。図５に関連して後述するように、顧客基本情報は、顧客の氏名、性別、年齢、住所、預金残高を含む。顧客基本情報は、顧客の金融取引のために最低限金融機関が管理すべき顧客の情報を含む。また、顧客が金融取引を行うために顧客が金融機関へ開示した（申告した）情報を含む。また、顧客による金融取引の結果を示す情報を含む。

地域特性保持部３２は、地理的に区画された複数の地域、言い換えれば、地図上の複数の地域のそれぞれについて、各地域に居住する住民に関する属性を示す情報を地域特性情報として保持する。地域特性情報は、各地域の平均的な住民像を示す情報と言え、図５に関連して後述するように、預貯金額、住宅ローン残高、借家比率等を含む。地域特性保持部３２は、日本全国約１８万個の町丁目（例えばＡ県Ｂ市Ｃ町Ｄ丁目）を単位とした複数の地域それぞれの地域特性情報を保持する。

地域特性情報が示す住民属性は、各地域についての人口統計学的な属性を示すデモグラフィック属性と、各地域の住民が有する価値観やライフスタイルといった人間心理にかかわる属性を示すサイコグラフィック属性を含む。デモグラフィック属性の例としては、「３０〜４０代の比較的小さな子供がいる核家族」、「収入が平均よりもやや高く、大学卒以上の人が多い」、「子供が２人」等がある。一方で、サイコグラフィック属性の例としては、「女性２０代について、ブランド・安全性・経済性を非常に重視するが、環境指向はほとんどない」、「女性３０代について、ブランドをやや重視し、環境指向である」、「リスク寛容度が比較的高い」等がある。つまり地域特性情報が示す住民属性は、各地域に居住する消費者像を示す情報であり、消費者の年齢、所得水準、職業、学歴、家族構成、生活環境、趣向、考え方等を含む。

具体的には、地域特性保持部３２は、各地域の地域特性情報として、各地域の住民属性を示す指標値を保持する。この指標値は、複数種類の住民属性のそれぞれについて所定の評価基準と適合する度合いを示す指標値であり、所定の評価関数により算出されたものである。指標値は、例えば平均年収、平均世帯人数、世帯あたりの平均子供数、３０歳代割合、４０歳代割合等を含む。言い換えれば、地域特性保持部３２が保持する地域特性情報には、コンピュータによる計算処理のために、定性的な住民属性を複数種類の数値に変換したものが記録されると言える。もともと定量的な住民属性であれば、変換せずそのまま地域特性保持部３２に記録されてよい。

また各地域の地域特性情報は、（１）国勢調査・事業所統計等の一般に公開された各種の統計情報や、民間企業が提供している世帯平均預貯金、住宅ローン残高等のデータを含む。また、（２）情報分析アプリケーションの開発者による独自の推計情報、（３）各地域の住民に対して実施したアンケートの結果情報を含む。（１）の統計情報は、年代の比率、性別の比率、職業の比率、学歴比率、持ち家比率、平均子供人数等を含む。（２）の推計情報は、平均所得、平均資産、平均地価、所得水準等を含む。（３）のアンケートの結果情報は、ライフスタイル、価値観、消費趣向等の回答結果を含み、安全志向度、火災保険潜在需要、地震保険潜在需要等を含む。地域特性情報の各項目、特に定性的な情報を指標値化した項目は、情報分析の過程において、分析装置１２の管理者の判断で値を調整してもよい。

ＡＴＭ位置情報保持部３４は、金融機関が設置した複数のＡＴＭそれぞれの設置位置を示す情報を保持する。ＡＴＭ位置情報保持部３４は、各ＡＴＭが設置された住所（住居表示や地番等）を保持することとするが、変形例として緯度経度の情報を保持してもよい。

施設情報保持部３６は、複数の施設それぞれの位置と、その施設を訪問する人の属性情報（以下「訪問者属性」とも呼ぶ。）とを対応付けて保持する。施設情報保持部３６が情報を保持する対象の施設は、訪問者に共通する特徴がある施設であり、言い換えれば、特徴的な属性を有する人が訪れる施設であり、ＡＴＭに属性を付与するものとして予め定められた施設である。施設情報保持部３６は、施設位置として、住所（住居表示や地番等）を保持することとするが、変形例として緯度経度の情報を保持してもよい。

図３は、施設と訪問者属性の対応関係を示す。訪問者属性は、施設を高頻度で訪れる人が高確率で備えることが想定される属性であると言える。また訪問者属性は、訪問者の人間像を表す情報であり、趣味や嗜好、性格、行動特性、社会特性、社会的地位、職業等を含む。

図２に戻り、ＡＴＭ顧客属性保持部３８は、複数のＡＴＭのそれぞれと、ＡＴＭを利用する顧客像とを対応付けた情報（以下「ＡＴＭ顧客属性情報」とも呼ぶ。）を保持する。図４はＡＴＭ顧客属性情報を示す。ＡＴＭ顧客属性情報は、ＡＴＭの識別情報であるＡＴＭコードと、ＡＴＭを利用する顧客像を示す複数種類の顧客属性指標値とが対応付けられたデータである。ＡＴＭ顧客属性情報は、複数のＡＴＭのそれぞれを利用する顧客像を示す情報であり、各ＡＴＭと、複数種類の顧客属性との結びつきの強弱を示す情報と言える。実施の形態では、ＡＴＭとの結びつきが強い顧客属性ほど大きな指標値を付与する。実施の形態では、後述のＡＴＭ顧客属性生成部５０がＡＴＭ顧客属性情報を自律的に生成することとするが、分析装置１２の管理者が各ＡＴＭと各施設との距離に応じてＡＴＭ顧客属性情報を決定し、ＡＴＭ顧客属性保持部３８に記録してもよい。

図２に戻り、顧客取引情報保持部４０は、複数の顧客のそれぞれが実施した金融取引の内容を示すトランザクションデータである顧客取引情報を保持する。顧客取引情報は、各顧客がＡＴＭを使用して金融取引を行った事実を示す情報を言える。顧客取引情報は、顧客の識別情報である顧客コードと、預金の預け入れや引き出し、振込等の金融取引の種類や取引金額を含む。また、金融取引のために顧客が利用したＡＴＭコードと、利用日時・曜日を含む。顧客取引情報は１回の金融取引につき１レコードが記録される。

営業支援情報保持部４２は、金融機関の営業担当者の業務を支援するための情報である営業支援情報を保持する。図５は営業支援情報を示す。営業支援情報は、顧客コードをキーとし、顧客基本情報と、後述の顧客属性推定部５２により推定された顧客属性（「推定顧客属性」とも呼ぶ。）と、顧客が居住する地域の住民特性（「顧客住所の地域特性」とも呼ぶ。）を対応付けた情報である。営業支援情報の生成方法は、営業支援情報生成部５４に関連して後述する。

図２に戻り、モデル保持部４４は、後述のモデル生成部６２により生成された数理モデルのデータを保持する。実施の形態では、分析対象とされた１つ以上の商品やサービスそれぞれに対する顧客の購買確度を求めるための回帰式のデータを保持する。例えば、説明変数と被説明変数の項目を示す情報と、各説明変数に係る回帰係数の値を保持する。

制御部２０は、ＡＴＭ顧客属性生成部５０、顧客属性推定部５２、営業支援情報生成部５４、営業支援情報提供部５６、検索条件設定画面提供部５８、検索部６０、モデル生成部６２、購買確度算出部６６を含む。

ＡＴＭ顧客属性生成部５０は、ＡＴＭ位置情報保持部３４に保持されたＡＴＭ位置情報と、施設情報保持部３６に保持された施設情報を参照して、ＡＴＭ顧客属性を生成する。ＡＴＭ顧客属性生成部５０は、複数のＡＴＭのそれぞれについて生成したＡＴＭ顧客属性をＡＴＭ顧客属性保持部３８へ格納する。

具体的には、ＡＴＭ顧客属性生成部５０は、複数のＡＴＭのそれぞれについて設置位置の住所を所定の緯度経度変換アプリケーションへ入力し、各ＡＴＭの設置位置を示す緯度経度の値を取得する。また、複数の施設のそれぞれについて施設住所を所定の緯度経度変換アプリケーションへ入力し、各施設の所在地を示す緯度経度の値を取得する。ここでは１つのＡＴＭ（「特定ＡＴＭ」と呼ぶ。）のＡＴＭ顧客属性の生成方法を説明する。

ＡＴＭ顧客属性生成部５０は、地図上に特定ＡＴＭの設置位置と各施設の所在地をマッピングし、特定ＡＴＭからの距離が所定の閾値内の施設を近傍施設として識別する。この閾値は、典型的には施設への訪問者が特定ＡＴＭを利用することが想定される上限の距離であり、分析装置１２の管理者の知見や経験、実験等により適宜決定されればよい。ＡＴＭ顧客属性生成部５０は、ある近傍施設と特定ＡＴＭとの距離が短いほど、施設情報保持部３６においてその近傍施設に対応付けられた訪問者属性を特定ＡＴＭに強く結びつける。言い換えれば、特定ＡＴＭと近傍施設が近いほど、近傍施設の訪問者属性を特定ＡＴＭのＡＴＭ顧客属性に強く反映させる。具体的には、図４の指数値（近傍施設がパチンコ店であればギャンブル指数値）を大きく設定する。

例えば、近傍施設の判定閾値が２キロメートルの場合、特定ＡＴＭと近傍施設の距離が２００メートル以下であれば、近傍施設の訪問者属性に対する指数値を満点の１００とし、距離が２００メートルより大きく４００メートル以下であれば指標値を９０としてもよい。同様に、距離が４００メートルより大きく６００メートル以下であれば指標値を８０としてもよい。特定ＡＴＭ（ここでは図４のＭ００６）について、パチンコ店との距離が９００メートルであり、上場企業のオフィス所在地からの距離が１３００メートルである場合、ギャンブル指数を６０に設定し、上場企業指数を４０に設定してもよい。

なお、ＡＴＭと施設との距離は、地図上の距離（直線距離や道のりを含む）であってもよく、徒歩・自転車・自動車・電車等を利用した場合の時間的距離であってもよい。例えば、地図上ではＡＴＭと施設との距離が２キロメートルより大きくても、種々の交通手段の利用によって実際にはＡＴＭから施設まで所定時間以内（例えば１５分以内）に到着可能であれば、ＡＴＭ顧客属性生成部５０は両者が近傍範囲にあると判定してもよい。

顧客属性推定部５２は、金融機関が保持する顧客の口座情報（性別、年齢、入出金額、預金残高等）と、ＡＴＭ利用頻度、曜日・時間帯等を勘案して、顧客が利用したＡＴＭの属性から顧客の属性を推定する。実施の形態では、顧客取引情報保持部４０に保持された顧客取引情報にしたがって各顧客が利用したＡＴＭを識別する。そして、特定の顧客が特定のＡＴＭを利用した回数が多いほど、ＡＴＭ顧客属性保持部３８のＡＴＭ顧客属性情報が示す当該特定のＡＴＭとの結びつきが強い顧客属性を、当該特定の顧客の属性に強く反映させることにより、複数の顧客それぞれの属性を推定する。

実施の形態では、予め定められた複数種類の顧客属性それぞれについて、顧客に対する各属性の適合度合いを推定するモデルを予め定めておく。そして、各属性用の推定モデルに各顧客の情報（ＡＴＭ利用実績や基本情報等）を入力することにより、各顧客に対する各属性の適合度合いであり、結びつきの強さを推定する。以下の数式１は顧客のギャンブル指数の推定モデルを示し、数式２は顧客の勤務医指数の推定モデルを示す。

数式１と数式２について、顧客が利用した１つ以上のＡＴＭのそれぞれの利用回数は顧客取引情報により識別し、週末利用頻度・平日利用頻度も顧客取引情報により識別し、顧客年齢は顧客基本情報により識別する。顧客属性推定部５２は、顧客が利用した各ＡＴＭに基づく指標値を合計し、その合計値を最大値が１００になるよう調整した値を、顧客と顧客属性の結びつきの強さを示す指数として算出する。例えばギャンブル指数の場合、その値が大きいほど、すなわち１００に近いほど、顧客のギャンブル嗜好の度合い・傾向が強いことを示す。

なお、推定モデルの説明変数の選択や、各説明変数が指数へ寄与する度合いを調整する係数であるａ〜ｆの初期値は、モデル作成者の仮説値を採用する。すなわち、モデル作成者の経験や知見、実験等により適切な説明変数が選択され、また係数値が決定されてよい。例えば、数式１、数式２における各係数の初期値に「１」を設定し、推定精度、分析結果の正否、分析結果の活用度合いに応じて適宜見直しがなされてよい。

営業支援情報生成部５４は、顧客毎の営業支援情報を生成し、営業支援情報保持部４２へ格納する。具体的には、ある顧客について、顧客属性推定部５２により推定された顧客属性である推定顧客属性を取得し、すなわち複数の顧客属性との結びつきの強弱を示す複数の顧客属性指数値を取得する。また、当該顧客の顧客コードをキーとして、顧客基本情報保持部３０に格納された顧客基本情報を取得する。また、顧客基本情報に含まれる住所が存在する地域の地域特性を地域特性保持部３２から取得する。営業支援情報生成部５４は、顧客基本情報と、推定顧客属性と、顧客住所の地域特性を対応付けた営業支援情報を営業支援情報保持部４２へ格納する。顧客住所の地域特性は、顧客の居住地域の平均的な住民属性とも言える。

営業支援情報提供部５６は、営業支援情報保持部４２に格納された営業支援情報を営業担当者端末１４へ送信して表示させる。検索条件設定画面提供部５８は、営業支援情報に対する検索条件を指定するための検索条件設定画面のデータを営業担当者端末１４へ送信して表示させる。検索条件は、金融商品や金融サービスの販売活動の対象とする顧客を、金融機関の複数の顧客の中から抽出するための抽出条件とも言える。

図６は検索条件設定画面を示す。実施の形態では、顧客基本情報、推定顧客属性、顧客住所の地域特性に亘る複数の検索条件が設定可能である。図６では、（１）年齢が４５歳以上６０歳以下、（２）預金残高が１００万円未満、（３）勤務医指数が７０より大きい、（４）地域特性の預貯金が２０００万円以上、の４つの検索条件が指定されている。

検索部６０は、検索条件設定画面に入力された検索条件を営業担当者端末１４から受信し、営業支援情報保持部４２に情報が保持された複数の顧客の中で検索条件を満たす顧客を検索し、抽出する。実施の形態では、検索条件設定画面に対して顧客基本情報、推定顧客属性、顧客住所の地域特性に亘る複数の検索条件が入力された場合に、検索部６０は、それら複数の検索条件を全て満たす顧客を抽出する。

営業支援情報生成部５４は、検索部６０により抽出された顧客に関する営業支援情報を営業支援情報保持部４２から取得し、その営業支援情報を営業担当者端末１４へ送信して表示させる。具体的には、検索部６０により抽出された顧客の顧客コードに対応付けられた顧客基本情報、推定顧客属性、顧客住所の地域特性を並べた検索結果画面のデータを営業担当者端末１４へ送信して表示させる。図７は、図６の検索条件により抽出された顧客情報を示す検索結果画面を示している。

図２に戻り、モデル生成部６２を説明する。分析装置１２の記憶部２２には、金融機関が販売する複数の金融商品や金融サービスのそれぞれを購入済の顧客を示す情報（以下「商品購入実績情報」とも呼ぶ。）が格納される。商品購入実績情報は、複数の金融商品や金融サービスのそれぞれを未購入の顧客を示す情報を含んでもよい。また、商品購入実績情報は、営業支援情報生成部５４により営業支援情報の一部として営業支援情報保持部４２に格納されてもよい。

モデル生成部６２は、営業支援情報保持部４２に情報が格納された各顧客について、商品購入実績情報を参照して、分析対象商品またはサービスを購入済の顧客を「第１顧客」として識別し、未購入の顧客を「第２顧客」として識別する。第１顧客と第２顧客は便宜的な名称であり、分析対象の商品またはサービスに対する購買確度が異なる顧客であると言える。実施の形態では、分析対象の商品またはサービスについて、第１顧客の購買確度を１００％とし、第２顧客の購買確度を０％とする。例えば、分析対象商品がカードローンの場合、カードローン契約済の第１顧客の購買確度を１００％とし、カードローン未加入の未契約の第２顧客の購買確度を０％とする。

モデル生成部６２は、営業支援情報保持部４２に保持された第１顧客の顧客基本情報、推定顧客属性、顧客住所の地域特性と、営業支援情報保持部４２に保持された第２顧客の顧客基本情報、推定顧客属性、顧客住所の地域特性の両方にもとづいて、分析対象の商品またはサービスに対する各顧客の購買確度を求めるための購買確度モデルを生成する。モデル生成部６２は、生成した購買確度モデルを示すデータを、当該モデルによる分析対象商品またはサービスの識別情報と対応付けてモデル保持部４４へ格納する。なお、購買確度は購買可能性とも言え、販売促進アクションに対する反応率とも言える。

モデル生成部６２は解析エンジン６４を含む。解析エンジン６４は、重回帰分析やロジスティック回帰分析等の公知の手法にもとづく多変量解析処理を実行する。解析エンジン６４は、公知の多変量解析ソフトウェアでもよい。モデル生成部６２は、第１顧客と第２顧客それぞれの顧客基本情報、推定顧客属性、顧客住所の地域特性をパラメータとして、解析エンジン６４が提供するＡＰＩをコールしてもよい。そして、多変量解析処理の結果として生成された数理モデルのデータを解析エンジン６４から取得してもよい。

モデル生成部６２は、第１顧客と第２顧客それぞれの購買確度と、図５に示す顧客基本情報、推定顧客属性、顧客住所の地域特性の各項目値を解析エンジン６４へ入力する。実施の形態では、第１顧客の購買確度として「１」を入力し、第２顧客の購買確度として「０」を入力する。変形例として、このような離散値に代えて、支払金額のような連続値を購買確度として指定してもよい。また、予め定められた複数の段階値の中から、顧客の支払金額等に応じた特定の購買確度を指定してもよい。

実施の形態の解析エンジン６４は、多重ロジスティック回帰分析を実行する。具体的には、基本顧客情報、推定顧客属性、顧客住所の地域特性のそれぞれを説明変数とし、分析対象商品またはサービスに対する購買確度を被説明変数（目的変数）とする回帰式を購買確度モデルとして生成する。購買確度モデルの例を以下に示す。

数式３のｘ１、ｘ２は顧客基本情報の項目を示す。例えば年齢、預金残高であってもよい。数式３のｙ１、ｙ２は推定顧客属性の項目を示す。例えばギャンブル指数、上場企業指数であってもよい。数式３のｚ１、ｚ２は顧客住所の地域特性の項目を示す。例えば預貯金額、住宅ローン残高であってもよい。数式３のａ〜ｆは、各情報項目が購買確度に与える影響度合いを示す値であり、回帰係数と言える。解析エンジン６４は、多変量解析処理により、係数ａ〜ｆの値を算出する。

購買確度算出部６６は、モデル保持部４４に格納された購買確度モデルに対して、当該モデルでの分析対象商品またはサービスを未購入の顧客の顧客基本情報、推定顧客属性、顧客住所の地域特性（すなわち説明変数の項目値）を入力する。これにより、購買確度モデルにしたがって、顧客による分析対象商品またはサービスの購買確度を算出する。購買確度算出部６６は、１人以上の未購入顧客それぞれについての購買確度データを算出し、各顧客の営業支援情報の所定項目と対応付けて記憶部２２の所定領域へ格納する。

営業支援情報提供部５６は、購買確度算出部６６により算出された複数の顧客それぞれについての分析対象商品またはサービスに対する購買確度を示すデータを営業担当者端末１４へ送信し、表示させる。図８は、分析対象商品またはサービスに対する顧客の購買確度（購買確度の降順にソート）を示す。

営業支援情報提供部５６は、顧客抽出部として機能してもよく、購買確度が上位の顧客情報のみを営業担当者端末１４へ提供してもよい。例えば、購買確度が所定値以上の顧客や、購買確度が上位１００位内の顧客を示す分析結果画面のデータを営業担当者端末１４へ送信してもよい。購買確度が６０％以上の顧客情報を提供する場合、図８のＮｏ０００５８〜Ｎｏ００００３の顧客情報を営業担当者端末１４へ提供してもよい。

以上の構成による営業支援システム１０の動作を以下説明する。
図９は、営業支援情報の生成と活用の過程を模式的に示す。以下では、図９との対応関係をわかりやすく示すため、図９に記載の番号を付しつつ説明する。

分析装置１２の管理者は、（１）顧客基本情報、（２）顧客取引情報、（３）地域特性情報、（４）ＡＴＭ位置情報、（５）施設情報を分析装置１２の記憶部２２へ格納する。これらの情報は、管理者により定期的に最新の内容へ更新される。分析装置１２のＡＴＭ顧客属性生成部５０は、（４）ＡＴＭ位置情報が示すＡＴＭの設置位置と、（５）施設情報が示す各施設の所在地までの距離にしたがって、（６）ＡＴＭ顧客属性情報を生成する。顧客属性推定部５２は、（６）ＡＴＭ顧客属性情報と、（２）顧客取引情報が示す各顧客のＡＴＭ利用実績にしたがって、（７）各顧客の属性を推定する。営業支援情報生成部５４は、各顧客の（１）顧客基本情報と（７）推定顧客属性と（８）顧客住所の地域特性、すなわち顧客居住地域に住む住民属性を対応付けた営業支援情報を（９）顧客データベース（営業支援情報保持部４２）へ格納する。

分析装置１２の営業支援情報提供部５６は、営業担当者端末１４からの要求に応じて、営業支援情報保持部４２に格納された各顧客の営業支援情報を営業担当者端末１４へ送信する。特定の属性を有する訪問者が多い施設近傍にあるＡＴＭを顧客が利用した事実は、顧客がその特定の属性を有する可能性が高いことを意味する。実施の形態の分析装置１２は、本発明者のこの着想を応用して顧客属性を推定する。分析装置１２は、金融機関の内部データとしての顧客基本情報とトランザクションデータに加え、外部データとしての推定顧客属性と顧客住所の地域特性を営業支援情報として営業担当者からの参照が可能なよう記録する。これにより、営業担当者による顧客像の推定を支援し、金融商品や金融サービスの販売ターゲットとする顧客の選定を効果的に支援することができる。なお、金融機関の複数の顧客について推定した顧客属性は、金融商品や金融サービスの販売にとどまらず、メーカや商社等の商品やサービスの販売に活用することもできる。

また、分析装置１２は、特定ＡＴＭと特定施設との距離が短いほど、特定施設の訪問者属性を特定ＡＴＭの利用者属性へ強く反映させる。これにより、特定ＡＴＭを顧客が利用した場合に、特定施設の訪問者属性を顧客属性へ強く反映させる。特定ＡＴＭと特定施設の距離が短いほど、特定施設の訪問者が特定ＡＴＭを利用する可能性が高いと言え、特定施設の訪問者属性を強く反映させることが望ましいと言える。すなわち分析装置１２のこの構成により、ＡＴＭに付与するＡＴＭ顧客属性を好適に調整し、ひいては、そのＡＴＭを利用した顧客属性を精度よく推定できる。

営業担当者が、検索条件設定画面の表示要求を営業担当者端末１４へ入力すると、営業担当者端末１４は、検索条件設定画面の提供要求を分析装置１２へ送信する。分析装置１２の検索条件設定画面提供部５８は、その提供要求に応じて図６の検索条件設定画面を示すウェブページを営業担当者端末１４へ送信する。営業担当者端末１４のウェブブラウザは、検索条件設定画面のウェブページをディスプレイに表示させる。営業担当者は、営業対象とすべき顧客の検索条件、抽出条件であり、言い換えれば、営業対象とすべき営業対象とすべき顧客が備える属性の条件を検索条件設定画面へ入力する（図９の１０）。営業担当者端末１４は、入力された検索条件を分析装置１２へ送信する。

分析装置１２の検索部６０は、営業担当者端末１４から受信した検索条件が、顧客基本情報、推定顧客属性、顧客住所の地域特性に亘る複数の条件であった場合に、それら複数の条件を全て満たす顧客を営業支援情報保持部４２から抽出する（図９の１１）。営業支援情報提供部５６は、検索部６０が抽出した顧客に関する営業支援情報（顧客基本情報、推定顧客属性、顧客住所の地域特性の組み合わせ）を並べた検索結果画面のウェブページを営業担当者端末１４へ送信する。営業担当者端末１４のウェブブラウザは、検索結果画面のウェブページをディスプレイに表示させる。

このように実施の形態の分析装置１２は、推定顧客属性に対する条件を含む複数の条件に合致する顧客の検索サービスを提供する。これにより、膨大な数の顧客の中から、金融商品や金融サービスの販売ターゲットとすべき顧客を効率的に選定することを支援できる。また、推定顧客属性に対する条件を含む複数の検索条件を指定可能にすることにより、多様な観点からの顧客検索を可能にする。

営業担当者は、分析対象商品（またはサービス）の識別情報を営業担当者端末１４へ入力し、営業担当者端末１４は、分析対象商品の識別情報を分析装置１２へ送信する。分析装置１２のモデル生成部６２は、分析対象商品に対する複数の顧客の購買確度を所定の記憶領域から取得する。これら複数の顧客は、分析対象商品を購入済の顧客と未購入の顧客の両方を含む。モデル生成部６２は、複数の顧客の顧客基本情報、推定顧客属性、顧客住所の地域特性を営業支援情報保持部４２から取得する。モデル生成部６２は、公知の多変量解析手法を用いて、顧客基本情報、推定顧客属性、顧客住所の地域特性の各項目が、分析対象商品の購買確度へ与える影響度合いを示す（１２）購買確度モデルを生成する。なおモデル生成部６２は、予め定められた１つ以上の分析対象商品またはサービスについて定期的に購買確度モデルを生成、更新してもよい。

営業担当者は、特定の購買確度モデルを用いた各顧客の商品購買確度推定指示を営業担当者端末１４へ入力し、営業担当者端末１４は、その指示を分析装置１２へ送信する。分析装置１２の購買確度算出部６６は、営業担当者が指定した購買確度モデルに対して、当該モデルの対象商品を未購入の顧客それぞれの顧客基本情報、推定顧客属性、顧客住所の地域特性を入力することにより、対象商品に対する各顧客の購買確度を算出する（図９の１３）。営業支援情報提供部５６は、対象商品に対する各顧客の購買確度を示す購買確度一覧画面のウェブページを営業担当者端末１４へ送信する。営業担当者端末１４のウェブブラウザは、購買確度一覧画面のウェブページをディスプレイに表示させる。

具体的には、営業支援情報提供部５６は、対象商品を未購買の複数の顧客のうち、対象商品の購買確度が相対的に高い顧客を戦略顧客として抽出し、戦略顧客の情報を並べた顧客抽出画面のウェブページを営業担当者端末１４へ送信する。営業担当者端末１４のウェブブラウザは、顧客抽出画面のウェブページをディスプレイに表示させる。

このように実施の形態の分析装置１２は、顧客が利用したＡＴＭ位置にもとづく推定顧客属性を活用して、精度の高い購買確度モデルを構築する。これにより、金融機関の従来のデータ分析の限界を超えて、より一層ビジネスで有用な情報、正確性の高い情報の獲得を支援できる。また、購買確度モデルの対象商品を未購入の顧客について、当該顧客の購買確度を営業担当者へ提示し、また、購買確度が高いと推定された顧客を提示することで、商品またはサービスの販売活動を効率的に実施できるよう支援できる。

図９で示すように、購買確度モデルを使用した各顧客の購買確度の情報や、戦略顧客の抽出結果にもとづいて、営業担当者は営業施策を立案し、実施する。営業施策としては、家庭訪問、電話、ダイレクトメールや電子メールの送付、ＡＴＭのディスプレイを利用したワン・ツウ・ワンアプローチ等が考えられる。また、購買確度が高い顧客から優先的に営業施策を展開することで、効率的かつ効果的な営業活動を実施できる。営業担当者や分析装置１２の管理者は、営業結果にもとづいて、購買確度モデルの見直し（説明変数や回帰係数の見直しを含む）や、戦略顧客の抽出条件を適宜見直す。

以上、本発明を実施の形態をもとに説明した。この実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

上記実施の形態では言及していないが、営業支援情報保持部４２において各顧客と対応付けて保持される顧客住所の地域特性は、分析装置１２の管理者の経験や知見により変更されてよい。分析装置１２は、その変更内容を所定の担当者の端末から受け付け、営業支援情報保持部４２のデータに反映させる営業支援情報更新部をさらに備えてもよい。また営業支援情報更新部は、所定のアルゴリズムにしたがって、営業支援情報保持部４２において各顧客と対応付けて保持される顧客住所の地域特性の項目値を、個々の顧客毎に自律的に修正してもよい。

図１０は、顧客年齢に応じて顧客住所の地域特性の値を修正する例を示す。預貯金の場合、全国平均値として年齢と預貯金の関係曲線があることが知られており、公知の関係曲線のデータにしたがって預貯金の修正値を推定してもよい。例えば、図１０の表において５５歳であれば、預貯金は他の年齢に比べて相対的に高いことを関係曲線が示すため、５２００万円が平均の地域であれば、その値より大きい６８００万円（一例）に修正してもよい。また、１０歳未満の子供の有無については、第一子平均出産年齢にしたがって修正値を推定してもよい。例えば、図１０のＮｏ００００２の顧客とＮｏ００００３の顧客の地域特性としての１０歳未満子供比率は同じであるが、前者の年齢は第一子平均出産年齢により近い３６歳である。そのため、前者の１０歳未満子供比率の修正値を、後者の修正値よりも大きく設定してもよい。

上記実施の形態では、営業支援情報保持部４２に、顧客基本情報と推定顧客属性と顧客住所の地域特性が対応付けて格納されることとした。変形例として、分析装置１２は推定顧客属性を保持する推定顧客属性保持部を備えてもよい。そして、顧客コードにより、各顧客の顧客基本情報（顧客基本情報保持部３０のレコード）、推定顧客属性、顧客住所の地域特性を対応付けた営業支援情報ビュー（仮想テーブル・仮想表）を構築してもよい。

請求項に記載の各構成要件が果たすべき機能は、実施の形態および変形例において示された各構成要素の単体もしくはそれらの連携によって実現されることも当業者には理解されるところである。

１０ 営業支援システム、 １２ 分析装置、 ３８ ＡＴＭ顧客属性保持部、 ４０ 顧客取引情報保持部、 ４２ 営業支援情報保持部、 ５０ ＡＴＭ顧客属性生成部、 ５２ 顧客属性推定部、 ５４ 営業支援情報生成部、 ６０ 検索部、 ６２ モデル生成部。

Claims (5)

1. 金融機関の複数の顧客が、金融機関の複数の窓口を利用した事実を示す第１情報を保持する窓口利用実績保持部と、
   前記複数の窓口のそれぞれを利用する顧客像を示す情報であって、前記複数の窓口のそれぞれと、予め定められた複数種類の顧客属性との結びつきの強弱を示す第２情報を保持する窓口顧客属性保持部と、
   前記第１情報にしたがって各顧客が利用した窓口を識別し、ある顧客が特定の窓口を利用した回数が多いほど、前記複数種類の顧客属性のうち前記第２情報が示す前記特定の窓口との結びつきが強い顧客属性を当該顧客の属性に強く反映させることにより、各顧客の属性を推定する推定部と、
   を備えることを特徴とする分析装置。
2. 前記複数の顧客のそれぞれについて、顧客が金融取引を行うことで金融機関が得た顧客情報である顧客基本情報と、顧客が居住する地域の住民属性である居住地域住民属性の少なくとも一方と、前記推定部により推定された顧客属性を保持する顧客情報保持部と、
   前記顧客基本情報と前記居住地域住民属性の少なくとも一方と、前記推定部により推定された顧客属性に対する複数の検索条件を外部から受け付け、前記複数の顧客のうち前記複数の検索条件を満たす顧客の情報を出力する検索部をさらに備えることを特徴とする請求項１に記載の分析装置。
3. 特定の窓口の設置位置と、特定の顧客属性に対応付けられた所定の施設との距離が短いほど、前記特定の窓口と前記特定の顧客属性との結びつきが強いことを示す第２情報を生成する窓口顧客属性生成部をさらに備えることを特徴とする請求項１または２に記載の分析装置。
4. 前記推定部により推定された各顧客の属性を説明変数とし、分析対象の商品またはサービスに対する各顧客の購買確度を被説明変数とする数理モデルを生成するモデル生成部をさらに備えることを特徴とする請求項１から３のいずれかに記載の分析装置。
5. 金融機関の複数の顧客が、金融機関の複数の窓口を利用した事実を示す第１情報と、前記複数の窓口のそれぞれを利用する顧客像を示す情報であって、前記複数の窓口のそれぞれと、予め定められた複数種類の顧客属性との結びつきの強弱を示す第２情報を参照し、前記第１情報にしたがって各顧客が利用した窓口を識別して、ある顧客が特定の窓口を利用した回数が多いほど、前記複数種類の顧客属性のうち前記第２情報が示す前記特定の窓口との結びつきが強い顧客属性を当該顧客の属性に強く反映させることにより、各顧客の属性を推定するステップをコンピュータが実行することを特徴とする分析方法。

Images