JP2018206297A - 紹介者候補抽出システムおよび紹介者候補抽出方法 - Google Patents

Abstract

【課題】営業上のキーパーソンを、その人的ネットワークの時間変化を踏まえて高精度に特定可能とする。【解決手段】紹介者候補抽出システム１において、所定事象に関係する各人物の間の関係性の情報を格納した記憶装置７４と、前記関係性の情報に基づき、前記各人物をノードとして当該ノード間を当該人物間の関係性に応じてエッジで接続したグラフ構造において、各ノードにおける他ノードとの直接および間接の接続状況およびその時間変化を所定アルゴリズムで判定し、当該判定の結果に基づいて、前記所定事象に関して他者を紹介しうるキーパーソンとしての重要度を各ノードについて特定する演算装置７１を含む構成とする。【選択図】図２

Description

本発明は、紹介者候補抽出システムおよび紹介者候補抽出方法に関するものであり、具体的には、営業上のキーパーソンを、その人的ネットワークの時間変化を踏まえて高精度に特定可能とする技術に関する。

企業等において、所定の人物を介して顧客開拓を行う営業手法は一般的である。また、そうした人的ネットワークを効率的に管理・活用する手法の一つとして、或る人物を起点にしてその人的ネットワークを記述したグラフ構造を用いたものが存在する。

この手法では、当該グラフ構造が示す人的ネットワークにおいて、各人物に対応するノードの間のつながり方の特徴により、顧客紹介に至る可能性（以後、紹介可能性）が高いノード、すなわちキーパーソンを抽出する分析がなされることとなる。その場合、ノード間の関係継続性、およびノード間の間柄に関するバリエーションの二つの観点で、紹介可能性のポイントをノード毎に算出し、紹介可能性の高いノードの順位付けを行うものである。

このような技術としては、例えば、過去の紹介者を関係付けたネットワークから、紹介者の重要度に応じて紹介者キーパーソン候補を抽出し、紹介者キーパーソン候補をカテゴライズして、顧客モデルを生成した上で、当該時点で未紹介者の顧客リストから、前記顧客モデルに該当する紹介者候補を抽出する、顧客関係情報登録・管理装置、ヒューマンネットワーク分析装置およびデータ管理装置から構成され、既存顧客から新規顧客を紹介する可能性のある紹介者候補を抽出する紹介者候補抽出システムであって、前記ヒューマンネットワーク分析装置は、前記顧客関係情報登録・管理装置を通じて、前記データ管理装置に格納された既存顧客の関係情報に基づき、紹介可能性の高い顧客モデルを構築する顧客モデル構築部と、構築した顧客モデルに基づいて、拠点単位で顧客モデルと合致する紹介者候補を、既存顧客の中からリストアップする紹介者リスト構築部と、前記リストアップされた紹介者リストに含まれる紹介者候補が紹介した顧客候補に対する訪問後の紹介結果を登録する訪問結果フィードバック部とを有し、前記データ管理装置に格納されたヒューマンネットワーク情報から紹介者の重要度に応じて紹介者キーパーソン候補を抽出し、紹介者キーパーソン候補をカテゴライズして、顧客モデルを生成した上で、当該時点で未紹介者の顧客リストから、前記顧客モデルに該当する紹介者候補を抽出して出力することを特徴とする紹介者候補抽出システム（特許文献１参照）などが提案されている。

特開２０１５−７５８４９号公報

上述の従来技術においては、グラフ構造が示す人的ネットワークでのノード間のつながり方の特徴から、紹介可能性の高いノードすなわちキーパーソンを抽出することが可能である。しかしながら、あくまでも静的な人的ネットワークを対象としてキーパーソンを抽出するものであり、人的ネットワークの時間変化を踏まえた上で適宜なキーパーソンを特定することは出来ない。
そこで本発明の目的は、営業上のキーパーソンを、その人的ネットワークの時間変化を踏まえて高精度に特定可能とする技術を提供することにある。

上記課題を解決する本発明の紹介者候補抽出システムは、所定事象に関係する各人物の間の関係性の情報を格納した記憶装置と、前記関係性の情報に基づき、前記各人物をノードとして当該ノード間を当該人物間の関係性に応じてエッジで接続したグラフ構造において、各ノードにおける他ノードとの直接および間接の接続状況およびその時間変化を所定アルゴリズムで判定し、当該判定の結果に基づいて、前記所定事象に関して他者を紹介しうるキーパーソンとしての重要度を各ノードについて特定する演算装置と、を備えることを特徴とする。

また、本発明の紹介者候補抽出方法は、所定事象に関係する各人物の間の関係性の情報を格納した記憶装置を備える情報処理システムが、前記関係性の情報に基づき、前記各人物をノードとして当該ノード間を当該人物間の関係性に応じてエッジで接続したグラフ構造において、各ノードにおける他ノードとの直接および間接の接続状況およびその時間変化を所定アルゴリズムで判定し、当該判定の結果に基づいて、前記所定事象に関して他者を紹介しうるキーパーソンとしての重要度を各ノードについて特定する、ことを特徴とする。

本発明によれば、営業上のキーパーソンを、その人的ネットワークの時間変化を踏まえて高精度に特定可能となる。

本実施形態の紹介者候補抽出システムの構成例を示す図である。 本実施形態における紹介者候補抽出システムのハードウエア構成例を示す図である。 本実施形態におけるキーパーソン度テーブルの例を示す図である。 本実施形態におけるノード属性テーブルの例を示す図である。 本実施形態におけるノード間関係テーブルの例を示す図である。 本実施形態におけるノード増減テーブルの例を示す図である。 本実施形態における関係性テーブルの例を示す図である。 本実施形態におけるのび具合度テーブルの例を示す図である。 本実施形態における時間係数テーブルの例を示す図である。 本実施形態におけるノード順位テーブルの例を示す図である。 本実施形態の紹介者候補抽出方法のフロー例１を示す図である。 本実施形態の紹介者候補抽出方法のフロー例２を示す図である。 本実施形態の紹介者候補抽出方法のフロー例３を示す図である。 本実施形態の紹介者候補抽出方法のフロー例４を示す図である。 本実施形態の紹介者候補抽出方法のフロー例５を示す図である。 本実施形態の紹介者候補抽出方法のフロー例６を示す図である。 本実施形態におけるヒューマンネットワークの表示例を示す図である。 本実施形態におけるノード間をつなぐエッジの違いを表示した例を示す図である。 本実施形態における単位時間ｔにおけるノード、エッジ増減の画面例を示す図である。 本実施形態における単位時間あたりのノード増減例を示す図である。

−−−システム構成−−−
以下に本発明の実施形態について図面を用いて詳細に説明する。図１は、本実施形態の
紹介者候補抽出システム１の構成例を示す図である。

本実施形態では、紹介者候補抽出システム１が、ある企業において管理する顧客の各種情報を顧客関係情報ＤＢ５５等から読み出して、この情報に基づいて、当該顧客の有する人的ネットワークおよびその時間変化を特定し、当該企業が新規に顧客開拓をする際のキーパーソンを特定する状況を想定する。

このキーパーソンは、幅広い種類の人物を通じて連鎖的（直接知っている人物のみならず、その人物を介すれば間接的ながらコンタクト可能な人物が、各人物を起点に何層にも連なっている、といった人的ネットワークの連鎖が生じている意）に人的ネットワークを構築している者であり、当該キーパーソンを介してその人的ネットワークに連なる者にコンタクトを取ることで、顧客開拓につながることが大いに期待できる者である。

また、本実施形態では、単に或る時点で優れた人的ネットワークを構築している者をキーパーソンとするのみならず、直近の所定期間における人的ネットワークの拡充具合（のび具合）についてもキーパーソンたる根拠として考慮することができる。

紹介者候補抽出システム１は、上述の企業に関して特定したキーパーソンの情報に基づき、その属性に応じたキーパーソンの分類処理を行うことで、キーパーソンたりうる人物の属性を一般化した顧客モデルを構築し、これを顧客モデルＤＢ５２に登録する。また紹介者候補抽出システム１は、この顧客モデルに近しい属性の顧客を紹介者候補として、顧客ＤＢ５３における、各営業拠点の顧客情報に基づいてリストアップする。

一方、各営業拠点の営業担当者らは、紹介者候補抽出システム１により紹介者候補としてリストアップされた該当顧客を訪問し、その結果を所定のＤＢに登録することとなる。また、こうした営業担当者らによる顧客への訪問に際し、当該顧客から新たな顧客の紹介があった場合、営業担当者らは、顧客関係情報ＤＢ５５に該当顧客の情報を登録する。

上述した状況に対応する紹介者候補抽出システム１は、図１にて例示するように、顧客モデル構築部１０、紹介者リスト構築部２０、訪問結果フィーバック部３０、ヒューマンネットワークＤＢ５１、顧客モデルＤＢ５２、顧客ＤＢ５３、および、顧客関係情報ＤＢ５５から構成されている。

このうち顧客モデル構築部１０は、顧客関係情報ＤＢ５５の格納情報から、人的ネットワークすなわちヒューマンネットワーク（以降、ヒューマンネットワークとする）を示すグラフ構造を生成するヒューマンネットワーク構築１１、構築したヒューマンネットワークからキーパーソンを抽出するキーパーソン抽出１２、および、抽出したキーパーソンに基づき顧客モデルを構築する顧客モデル構築１３、の各機能部から構成されている。

また、紹介者リスト構築部２０は、顧客モデルＤＢ５２から、上述の顧客モデル構築１３によって構築した顧客モデルを読み込んで、当該顧客モデルの情報から紹介者候補（新たな顧客の紹介を期待できる者すなわちキーパーソン）をリストアップして紹介者リストを生成し、これをヒューマンネットワーク構築・分析装置７０の表示装置７３（図２参照。後述）に出力する。

また、訪問結果フィードバック部３０は、上述の営業担当者らによる該当顧客へ訪問後などに、当該営業担当者により入力された顧客情報を顧客ＤＢ５３へ登録すると共に、登録した顧客情報から上述の紹介者候補に関連した情報（紹介者候補たる訪問先の顧客から紹介された新規顧客の情報も含んでよい）の情報など所定の情報を抽出して顧客関係情報ＤＢ５５へ格納する。

紹介者候補抽出システム１は、顧客関係情報ＤＢ５５にて蓄えられた紹介者関係の情報を、次回における、ヒューマンネットワーク構築１１の入力情報とすることで、当該ヒューマンネットワークおよびこれに対応したグラフ構造のブラッシュアップを一定の期間毎に行うものとする。
−−−ハードウェア構成−−−

図２は、本実施形態の紹介者候補抽出システム１における、顧客関係情報登録装置６０、ヒューマンネットワーク構築・分析装置７０、および、データ管理装置８０、の各ハードウエア構成の例を示す図である。

図２に示すように、顧客関係情報登録装置６０は、既存顧客に関するヒューマンネットワークの情報や、紹介者候補たる顧客の訪問結果に関する情報などを、上述の営業担当者らが登録する際に使用する装置であり、装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なうＣＰＵ６１、営業担当者等のユーザからの入力操作を受け付ける入力装置６２、および、処理データの表示を行うディスプレイ等の表示装置６３を備える。

なお、顧客関係情報登録装置６０における機能は、ＣＰＵ６１が記憶装置６４におけるプログラムを実行することで実装される。また、顧客関係情報登録装置６０は、ネットワーク９０と接続して他の装置との通信処理を担う通信インターフェイスも当然に備えるものとする。

また、ヒューマンネットワーク構築・分析装置７０は、本実施形態の紹介者候補抽出システム１の主たる機能を構成する装置であり、所定のプログラムを実行して顧客モデル構築部１０を実装するＣＰＵ７１、入力装置７２、処理結果を表示する表示装置７３、および、上述のプログラムの他、処理に必要な情報や処理結果を格納する記憶装置７４、を備える。

なお、ヒューマンネットワーク構築・分析装置７０は、ネットワーク９０と接続して他の装置との通信処理を担う通信インターフェイスも当然に備えるものとする。

また、データ管理装置８０は、所定のプログラムを実行して紹介者リスト構築部２０を実装するＣＰＵ８１、および、当該紹介者リストを格納する記憶装置８２、を備える。
なお、データ管理装置８０は、ネットワーク９０と接続して他の装置との通信処理を担う通信インターフェイスも当然に備えるものとする。

また、本実施形態では、紹介者候補抽出システム１を、顧客関係情報登録装置６０、ヒューマンネットワーク構築・分析装置７０、および、データ管理装置８０で構成する例を示したが、例えば、ヒューマンネットワーク構築・分析装置７０など単体の装置に、各装置の機能を実装して紹介者候補抽出システム１を構成するとしてもよい。
−−−データ構造例−−−
続いて、本実施形態の紹介者候補抽出システム１が用いるテーブル類について、図３から図１０に基づき説明する。

図３は、本実施形態におけるキーパーソン度テーブル１２１０の構成例を示す図である。このキーパーソン度テーブル１２１０の格納情報は、ヒューマンネットワーク構築・分析装置７０が、ヒューマンネットワークＤＢ５１の格納情報に基づき、各顧客のヒューマンネットワークに対応したグラフ構造にて各顧客を表すノード毎に算出したキーパーソン度の情報を格納するテーブルとなる。

なお、上述のグラフ構造は、各顧客をノードとし、ノード間を当該顧客の人間関係に応じてエッジで結んで構成したものとする。また、ノードに対応する各顧客は、既存顧客である場合と、この既存顧客から教えてもらったのみで現状ではコンタクトを取っておらず顧客候補でしかない者である場合、の両方を想定できるが、顧客関係情報ＤＢ５５には情報が登録済みである意味で、顧客とする。

こうしたキーパーソン度テーブル１２１０は、顧客ＩＤを格納する顧客ＩＤ欄１２１１、当該顧客ＩＤに該当するノードＩＤを格納するノードＩＤ欄１２１２、および、当該ノードのキーパーソン度を格納するキーパーソン度欄１２１３、から構成されている。キーパーソン度テーブル１２１０は、例えば、ヒューマンネットワークＤＢ５１に格納されている（勿論、格納先のＤＢは限定しない。以下同様）。

図４は、本実施形態におけるノード属性テーブル１２１２０の構成例を示す図である。本実施形態のノード属性テーブル１２１２０は、上述のグラフ構造における各ノード、すなわち顧客の情報を格納したテーブルとなる。

そのデータ構成は、当該ノードＩＤを格納するノードＩＤ欄１２１２１、当該ノードに対応した顧客の、性別データを格納する性別欄１２１２２、年齢データを格納する年齢欄１２１２３、居住地域データを格納する居住地域欄１２１２４、職業のデータを格納する職業欄１２１２５、家族構成のデータを格納する家族構成欄１２１２６、および、企業と結んだ既存契約のデータを格納する既存契約欄１２１２７などから構成されている。このノード属性テーブル１２１２０は、例えば、ヒューマンネットワークＤＢ５１に格納されている。

図５は、本実施形態におけるノード間関係テーブル１２１３０の構成例を示す図である。本実施形態のノード間関係テーブル１２１３０は、上述のグラフ構造におけるノード間の関係性、すなわち顧客間の関係性を示すデータを格納するテーブルである。

そのデータ構成は、当該ノードＩＤを格納するノードＩＤ欄１２１３１、当該ノードに対応する顧客を紹介元として一意に特定する紹介元コードを格納する紹介元コード欄１２１３２、上述の紹介元たる顧客が紹介可能な顧客である紹介先を一意に特定する紹介先コードを格納する紹介先コード欄１２１３３、紹介元と紹介先との間の関係性を示す関係性コードを格納する関係性コード欄１２１３４、および、紹介元から紹介先の紹介があった年月日データを格納する紹介年月日欄１２１３５から構成されている。このノード間関係テーブル１２１３０は、例えば、顧客関係情報ＤＢ５５に格納されている。

図６は、本実施形態におけるノード増減テーブル１２２０の構成例を示す図である。このノード増減テーブル１２２０は、上述のグラフ構造が含むノードにおける、単位時間あたりのエッジ増減に関するデータを格納するテーブルである。なお、エッジの増減は、すなわち当該エッジにより接続された接続先ノードの増減と同意である。

そのデータ構成は、単位時間を確定するための当該単位時間の開始日データを格納する開始日欄１２２１および終了日データを格納する終了日欄１２２２と、エッジの増減が発生するノードたる紹介元（ノード間関係テーブル１２１３０におけるものと共通）を一意に特定する紹介元コードを格納する紹介元コード欄１２２３、上述の紹介元コードのノードに関するノード増減元のノードＩＤを格納する増減元ノードＩＤ欄１２２４、増減元ノードからつながるノード増減先のノードＩＤを格納する増減先ノードＩＤ欄１２２５、増減元ノードと増減先ノードとの間の関係性コードを格納する関係性コード欄１２２６、および、増減元ノードと増減先ノードとの間の接続すなわちエッジは、単位時間あたりに増
加したのか或いは減少したのかを表すデータを格納する増減欄１２２７から構成されている。

なお、上述のグラフ構造が示すヒューマンネットワークにおいて、紹介元である顧客が直接つながっている紹介先（以後、第１階層の紹介先）しか人間関係を有していない場合、上述の増減元ノードは、紹介元コードが示すノードと同一となり、その場合の増減先ノードは、第１階層の紹介先のノードとなる。

一方、紹介元である顧客が第１階層の紹介先のみならず、この第１階層の紹介先を介して人間関係がつながる第２階層の紹介先、更には、第２階層の紹介先を介して人間関係がつながる第３階層の紹介先、と連鎖的に人間関係を有している場合、図６の紹介元コード「Ｆ６７８９０」に関して示すように、当該紹介元コードに対して、増減元ノードおよび増減先ノード等を規定したレコードは複数登録されうる。こうした複数のレコードのうち、最初のレコードでは、増減先ノードは紹介元コードが示すノードと同一で、増減先ノードは、第１階層の紹介先のノードとなり、また、二つ目のレコードでは、増減元ノードは第１階層の紹介先のノードと同一で、増減先ノードは、第２階層の紹介先のノードとなる。つまり、紹介元コードに対応したノードが、グラフ構造において成しているノード間のつらなりを、当該紹介元コードを起点にエッジで接続したツリー構造を示すものでもある。
このノード増減テーブル１２２０は、例えば、顧客関係情報ＤＢ５５に格納されている。

図７は、本実施形態の関係性テーブル１２０１０の構成例を示す図である。この関係性テーブル１２０１０は、上述のグラフ構造におけるノード間の関係性を規定する関係性コードと、これに対応した関係性の内容、および、当該内容に対するポイントデータを格納するテーブルである。

そのデータ構成は、関係性コードを格納する関係性コード欄１２０１１、当該関係性コードに対応したノード間の関係、すなわち「親戚」や「職場同僚」といった具体的な内容データを格納する内容欄１２０１２、および、上述の内容データに対応し、後述するのび具合度の算出に用いるポイントデータを格納するポイント欄１２０１３から構成されている。
なお、この関係性テーブル１２０１０は、例えば、ヒューマンネットワークＤＢ５１に格納されている。

図８は、本実施形態におけるのび具合度テーブル１２４０の構成例を示す図である。こののび具合度テーブル１２４０は、各ノードにおける単位時間あたりのエッジの増減すなわちその接続先のノードの増減を「のび具合度」として算出したデータを格納するテーブルである。こののび具合度の算出方法については後述する。

そのデータ構成は、のび具合度の算出対象となるノードの紹介元コードを格納する紹介元コード欄１２４１、当該紹介元コードに該当するノードのキーパーソン度を格納するキーパーソン度欄１２４２、当該ノードにおけるノード増減から算出したのび具合度を格納するのび具合度欄１２４３、単位時間に関する時間係数コードを格納する時関係数コード欄１２４４、および、上述のキーパーソン度およびのび具合度から算出した当該ノードのノード重要度を格納するノード重要度欄１２４５から構成されている。
なお、こののび具合度テーブル１２４０は、例えば、ヒューマンネットワークＤＢ５１または顧客関係情報ＤＢ５５に格納されている。

図９は、本実施形態における時間係数テーブル１２４４０の構成例を示す図である。こ
の時間係数テーブル１２４４０は、図８ののび具合度テーブル１２４０で例示した時間係数コードに対応した時間係数の情報を格納するテーブルである。

そのデータ構成は、時間係数コードを格納する時間係数コード欄１２４４１、当該時間係数コードに対応した単位時間たる経過時間を月単位で格納する経過時間欄１２４４２、および、当該時間係数コードに対応した時間係数を格納する時間係数欄１２４４３から構成されている。
なお、この時間係数テーブル１２４４０は、例えば、ヒューマンネットワークＤＢ５１または顧客関係情報ＤＢ５５に格納されている。

図１０は、本実施形態におけるノード順位テーブル１２５０の構成例を示す図である。このノード順位テーブル１２５０は、上述のグラフ構造における各ノードのノード重要度、またはキーパーソン度に関する情報を格納するテーブルである。

そのデータ構成は、ノードＩＤを格納するノードＩＤ欄１２５１、当該ノードに関して算出したノード重要度またはキーパーソン度を格納するノード重要度／キーパーソン度欄１２５２、および、当該ノードに関して算出したのがノード重要度かキーパーソン度のいずれであるかを示す度区分データ（例：ノード重要度の場合「Ｎ」、キーパーソン度の場合「Ｋ」）を格納する度区分欄１２５３から構成されている。
なお、このノード順位テーブル１２５０は、例えば、ヒューマンネットワークＤＢ５１または顧客関係情報ＤＢ５５に格納されている。
−−−フロー例１−−−

以下、本実施形態における紹介者候補抽出方法の実際手順について図に基づき説明する。以下で説明する紹介者候補抽出方法に対応する各種動作は、紹介者候補抽出システム１を構成する所定の装置が実行するプログラムによって実現される。そして、このプログラムは、以下に説明される各種の動作を行うためのコードから構成されている。

図１１は、本実施形態における紹介者候補抽出方法のフロー例１を示す図である。このフローにおいて、まず、顧客モデル構築部１０は、顧客関係情報ＤＢ５５に格納されているノード属性テーブル１２１２０やノード間関係テーブル１２１３０のデータを入力として、ノードおよびエッジからなるグラフ構造であるヒューマンネットワークを構築する（ステップ１００）。

ここで構築するヒューマンネットワークのグラフ構造は、ノード属性テーブル１２１２０およびノード間関係テーブル１２１３０におけるノードＩＤが示す各ノードと、当該ノードに関して規定された紹介先コードの示す人物のノードとを、関係性コードが示す関係性（例：家族、親類、友人、仕事先の知人など）に応じたエッジで接続して構築したものとなる。このグラフ構造の具体例としては、図１７に例示するごとき構成を想定できる。こうしたヒューマンネットワークに対応したグラフ構造の構築等の従来技術については、既に述べた特許文献１（特開２０１５−７５８４９号公報）に記載の技術を適宜に採用すればよい（以下、同様）。

また、顧客モデル構築部１０は、上述のステップ１００で構築したグラフ構造のヒューマンネットワークから、単位時間あたりのノード増減を加味した上で、キーパーソンに該当するノードを抽出する（ステップ２００）。このステップ２００の詳細については、図１２を用いて後述する。

また、顧客モデル構築部１０は、上述のステップ２００で抽出したキーパーソンに基づいて、同じような属性を持つキーパーソンをグループ化することにより、顧客モデルを構
築する（ステップ３００）。このステップにおいて、例えば、或るキーパーソングループに共通の属性の組み合わせを、キーパーソンたりうる顧客の雛形すなわち顧客モデルとして特定する。

次に、紹介者リスト構築部２０は、顧客ＤＢ５３に格納されている顧客データを、上述のステップ３００で構築した顧客モデルに照らし合わせることで、当該顧客モデルに近しい属性を有した顧客データを、アプローチ先顧客リストとして生成する（ステップ４００）。

続いて、紹介者リスト構築部２０は、上述のステップ４００で生成したアプローチ先顧客リストに沿って、顧客訪問順序を所定ルールにて設定する（ステップ５００）。

また、紹介者リスト構築部２０は、上述のステップ５００で設定した顧客訪問順序に沿って、当該顧客を担当する営業担当者を所定ルールで設定する（ステップ６００）。

続いて、訪問結果フィードバック部３０は、例えば、上述の営業担当者が操作する顧客関係情報登録装置６０より、上述のアプローチ先顧客リストに沿って顧客訪問を行った際の、各顧客に関する訪問結果を受け付けて、これを顧客ＤＢ５３に登録する（ステップ７００）。また、訪問結果フィードバック部３０は、このステップ７００において、顧客ＤＢ５３に登録した顧客データから、紹介に関係する顧客間の関係データを抽出し、顧客関係情報ＤＢ５５に登録する。

また、訪問結果フィードバック部３０は、上述のステップ７００で登録した顧客関係情報データに対して、新たにヒューマンネットワークを構築するかについて判定する（ステップ８００）。この判定の結果、ヒューマンネットワークを構築する場合（ステップ８００：Ｙｅｓ）、訪問結果フィードバック部３０は、処理をステップ１００に遷移させる。一方、ヒューマンネットワークの構築を新たに行わない場合（ステップ８００：Ｎｏ）、訪問結果フィードバック部３０は、当該フローを終了する。

以上で、本実施形態の主な処理機能（全体機能）を説明するフローチャートの例の説明を終える。なお、上述のステップのうち、ステップ２００のキーパーソン抽出の処理以外の、ステップ１００、ステップ３００〜８００は、従来技術（特許文献１：特開２０１５−７５８４９号公報）と同様である。
−−−フロー例２−−−

次に、図１１のフローにて示したステップ２００の詳細について、図１２を用いて説明する。図１２は、本実施形態における紹介者候補抽出方法のフロー例２を示す図である。

この場合、顧客モデル構築部１０は、グラフ構造のヒューマンネットワークを構成する各ノードのキーパーソン度を、ノード間のエッジの数、およびエッジの関係性を加味して算出する（ステップ２１０）。

上述のキーパーソン度の算出に際して、顧客モデル構築部１０は、グラフ構造のうち今次の計算上の起点とした或るノードすなわち起点ノードｘから、直接ないし間接に他ノードに向けて延びるエッジの階層（上述の第１階層〜第ｍ階層）ごとに、各エッジ（ｅ１〜ｅｍ）の関係係数αに重複係数βと影響係数γを乗じたものを合算し、当該合算値を、上述の起点ノードｘに関する全階層について足し合わせて、キーパーソン度Ｋ（ｘ）を算出する。この算出方法を式で示すと、

・・・・・（式１）
といった式で表すことができる。

なお、上述の関係係数αは、ノード間すなわち顧客間の人間関係の親密度に応じて定まる係数であり、例えば、その人間関係が親戚関係であれば「０．８」、職場の同僚関係であれば「０．６」、ご近所関係であれば「０．５」、といった値を想定する。

また、重複係数は、同じエッジの階層中で、同じ人間関係のエッジが複数存在する場合に、２つ目以降のエッジに関して人間関係上の有効性を減じる係数であり、例えば、１つめのエッジに関する重複係数を「１．０」（すなわち有効性を減じない）、２つめのエッジに関する重複係数を「０．９」、３つめのエッジに関する重複係数を「０．８」、といった値を想定する。

また、影響係数は、起点ノードｘからのエッジの階層の遠さに応じて、当該エッジの人間関係上の有効性を減じる係数であり、例えば、第１階層に関しては「１．０」（すなわち有効性を減じない）、第２階層に関しては「０．９」、第３階層に関しては「０．８」、といった値を想定する。

上述のエッジの階層の遠さとは、すなわち起点ノードｘの人物が直接知っている者（起点ノードｘに対して、第１階層のエッジでそのノードが接続されている者）と、この者を媒介者として間接的につながっている者（起点ノードｘに対して、媒介者となるノードおよび各階層のエッジで、そのノードが接続されている者）といった具合に、営業担当者らがコンタクトする際に、媒介者となる者が間に入る段数が多くなる程度を示している。媒介者が多段で存在するほど、顧客開拓の目途は低下することが容易に想定される。

また、このステップ２１０において、顧客モデル構築部１０は、上述のように算出したキーパーソン度を、当該ノードのノードＩＤに関連付けて、図３のキーパーソン度テーブル１２１０に格納するものとする。

続いて、顧客モデル構築部１０は、単位時間あたりに増減したノード（以後、増減ノード）、および当該増減ノードにつながるエッジ（以後、増減エッジ）を抽出する（ステップ２２０）。ステップ２２０の詳細については、図１３を用いて後述する。

また、顧客モデル構築部１０は、上述のステップ２２０で抽出した増減ノード、増減エッジに対して、つながりのあるエッジの接続元となるノードであって、単位時間でノードおよびエッジの変化が無いノードを特定する（ステップ２３０）。ステップ２３０の詳細については、図１４を用いて後述する。

続いて、顧客モデル構築部１０は、上述のステップ２３０で特定したノードから上述の増減ノードおよび増減エッジが、単位時間あたりに増減した程度を示すのび具合度を算出する（ステップ２４０）。ステップ２４０の詳細については、図１５を用いて後述する。

次に、顧客モデル構築部１０は、上述のステップ２３０で特定したノードに対して、該ノード自身のキーパーソン度にステップ２４０で算出したのび具合度を加算または減算してノード重要度を算出する（ステップ２５０）。ステップ２５０の詳細については、図１６を用いて後述する。

また、顧客モデル構築部１０は、上述のステップ２５０で算出したノード重要度、およびノード重要度を算出していないノードに関するキーパーソン度を、ノード間で比較し、そのノード重要度またはキーパーソン度が高い順に、ノードをソートする（ステップ２６０）。この場合、顧客モデル構築部１０は、上述のソートを行った各ノードに関して、図１０のノード順位テーブル１２５０に、そのノード重要度またはキーパーソン度の値を格納し、また、その度区分を格納する（ステップ２６０）。以上で、ステップ２００の詳細な処理の説明を終える。
−−−フロー例３−−−

次に、図１２のフローで示したステップ２２０の処理の詳細について、図１３を用いて説明する。図１３は、本実施形態における紹介者候補抽出方法のフロー例３を示す図である。

この場合、顧客モデル構築部１０は、単位時間の開始時刻ｔ１を設定する（ステップ２２１）。この開始時刻ｔ１は、例えば、ヒューマンネットワークＤＢ５１や顧客関係情報ＤＢ５５など、紹介者候補抽出システム１で管理するＤＢ類の直近から１つ前の更新日時、を想定できる。

また、顧客モデル構築部１０は、上述のステップ２２１で設定した時刻ｔ１から時間ｔ経過した時刻ｔ２を設定する（ステップ２２２）。この時刻ｔ２は、例えば、現在時刻か、或いは、ヒューマンネットワークＤＢ５１や顧客関係情報ＤＢ５５など、紹介者候補抽出システム１で管理するＤＢ類の直近の更新日時、を想定できる。

続いて、顧客モデル構築部１０は、上述のステップ２２１で設定した開始時刻ｔ１、ステップ２２２で設定した時刻ｔ２より、ｔ＝ｔ２−ｔ１を計算し、単位時間ｔを設定する（ステップ２２３）。

また、顧客モデル構築部１０は、グラフ構造において、上述の単位時間ｔあたりノードが増加したか、減少したか、増減なしかの判定を行う（ステップ２２４）。この判定は、上述の開始時刻ｔ１に関するノード間関係テーブル１２１３０と、時刻ｔ２に関するノード間関係テーブル１２１３０とを比較し、そのレコードの増減を判定すればよい。
上述の判定の結果、グラフ構造においてノードが増加していた場合（ステップ２２４：増加）、顧客モデル構築部１０は、処理をステップ２２５に遷移させる。

一方、上述の判定の結果、グラフ構造においてノードが減少していた場合（ステップ２２４：減少）、顧客モデル構築部１０は、処理をステップ２２６に遷移させる。なお、ノードの増減がない場合（ステップ２２４：Ｎｏ）、顧客モデル構築部１０は、当該フローを終える。

続いて、顧客モデル構築部１０は、単位時間ｔの間に、増加したノードおよびエッジを特定する（ステップ２２５）。この特定は、上述の開始時刻ｔ１に関するノード間関係テーブル１２１３０と、時刻ｔ２に関するノード間関係テーブル１２１３０とを比較し、そのレコードのうち増加したものを特定すればよい。このステップにおける顧客モデル構築部１０は、増加したエッジにつながる増減元ノード（当該エッジ両端のノードのうち、増加したノードではない方）および増減先ノード（ステップ２２５で特定した増加したノード）、の各ＩＤ、当該エッジの関係性コード（ノード間関係テーブル１２１３０で特定）、および、ノード増加を表す「＋」の各値を、図６のノード増減テーブル１２２０に格納する。
また、顧客モデル構築部１０は、単位時間ｔの間に、減少したノードおよびエッジを特
定する（ステップ２２６）。

この特定は、上述の開始時刻ｔ１に関するノード間関係テーブル１２１３０と、時刻ｔ２に関するノード間関係テーブル１２１３０とを比較し、そのレコードのうち減少したものを特定すればよい。このステップにおける顧客モデル構築部１０は、減少したエッジにつながる増減元ノード（当該エッジ両端のノードのうち、減少したノードではない方）および増減先ノード（ステップ２２６で特定した減少したノード）、の各ＩＤ、当該エッジの関係性コード（ノード間関係テーブル１２１３０で特定）、および、ノード減少を表す「−」の各値を、図６のノード増減テーブル１２２０に格納する。以上で、ステップ２２０の詳細な処理の説明を終える。
−−−フロー例４−−−

次に、図１２のフローにて示したステップ２３０の処理の詳細について、図１４を用いて説明する。図１４は、本実施形態における紹介者候補抽出方法のフロー例４を示す図である。

この場合、顧客モデル構築部１０は、上述のステップ２２０で設定した単位時間ｔで増減した一つのノードを処理対象として、その情報を（ＣＰＵ７１が利用する計算用の記憶領域等に。以下同様）設定する（ステップ２３１）。

次に、顧客モデル構築部１０は、上述のステップ２３１で情報設定した当該ノードから延びるエッジを介してつながっているノードを別ノードとして設定する（ステップ２３２）。

また、顧客モデル構築部１０は、上述のステップ２３２で設定した別ノードが、時間ｔで増減したかどうかの判定を行う（ステップ２３３）。この判定は、上述のフロー例３におけるステップ２２４と同様に行えばよい。

上述の判定の結果、別ノードが増減したものであった場合（ステップ２３３：Ｙｅｓ）、顧客モデル構築部１０は、処理をステップ２３２に戻し、増減したノードと別のエッジでつながっているノードを別ノードとして設定する。一方、上述の判定の結果、別ノードが単位時間ｔで増減していないものであった場合（ステップ２３３：Ｎｏ）、顧客モデル構築部１０は、処理をステップ２３４に遷移させる。

次に、顧客モデル構築部１０は、上述のステップ２３１で設定した当該ノード（時間ｔで増減したノード）とステップ２３２で設定した別ノードとの接続関係は、上述の起点ノードｘをルートとした場合に、当該ノードより別ノードが上位であるか、すなわち、別ノードの人物から生じた人間関係のつらなりの方向と一致する向き（図１７のグラフ構造においてエッジ先端の矢印の方向）に、別ノードと当該ノードとの間のエッジの向きが設定されているか、の判定を行う（ステップ２３４）。

上述の判定の結果、当該ノードと別ノードとの間のエッジが該当方向でつながっている場合（ステップ２３４：Ｙｅｓ）、顧客モデル構築部１０は、処理をステップ２３５に遷移させる。一方、当該ノードと別ノードとの間のエッジが該当方向とは逆の方向でつながっている場合（ステップ２３４：Ｎｏ）、顧客モデル構築部１０は、処理をステップ２３２に戻し、既設定の別ノードと異なるエッジにつながっているノードを別ノードとして設定する。
次に、顧客モデル構築部１０は、上述の別ノードを、のび具合度の算出対象のノードとして設定する（ステップ２３５）。
また、顧客モデル構築部１０は、他に単位時間ｔで増減したノードがあるかどうかの判
定を行う（ステップ２３６）。

上述の判定の結果、他のノードで増減があった場合（ステップ２３６：Ｙｅｓ）、顧客モデル構築部１０は、処理をステップ２３１に戻す。一方、他のノードで増減がなかった場合（ステップ２３６：Ｎｏ）、顧客モデル構築部１０は、本フローを終える。以上で、ステップ２３０の詳細な処理の説明を終える。
−−−フロー例５−−−

次に、図１２のフローで示したステップ２４０の処理の詳細について、図１５を用いて説明する。図１５は、本実施形態における紹介者候補抽出方法のフロー例５を示す図である。

この場合、顧客モデル構築部１０は、のび具合度を算出するノード（上述のフロー例４のステップ２３５で設定したノード）すなわち増減元ノードにつながる、単位時間ｔで増減したノードを、当該グラフ構造に対応したノード間関係テーブル１２１３０等を用いて特定する（ステップ２４１）。

また、顧客モデル構築部１０は、上述の単位時間ｔで増減したノードに関して、当該ノードの増減元ノードのキーパーソン度を算出する（ステップ２４２）。キーパーソン度の算定手法は既に述べたとおりである。

次に、顧客モデル構築部１０は、単位時間ｔに応じた時間係数を、図９の時間係数テーブル１２４４０を用いて設定する（ステップ２４３）。例えば、単位時間ｔが「１ヶ月」であった場合、その時間係数は「０．９８」と特定できる。
続いて、顧客モデル構築部１０は、のび具合度を算出するノードすなわち増減元ノードののび具合度を、次式にしたがって算出する（ステップ２４４）。
ノードののび具合度＝キーパーソン度×時間係数
また、顧客モデル構築部１０は、のび具合度を算出する他のノードがあるかどうかの判定を行う（ステップ２４５）。
上述の判定の結果、のび具合度を算出するノードが他にある場合（ステップ２４５：Ｙｅｓ）、顧客モデル構築部１０は、処理をステップ２４１に戻す。

一方、上述の判定の結果、ノードが他にない場合（ステップ２４５：Ｎｏ）、顧客モデル構築部１０は、本フローを終える。以上で、ステップ２４０の詳細な処理の説明を終える。
−−−フロー例６−−−

次に、図１２のフローにて示したステップ２５０の処理の詳細について、図１６を用いて説明する。図１６は、本実施形態における紹介者候補抽出方法のフロー例６を示す図である。

この場合、顧客モデル構築部１０は、上述の図１２のフローにおけるステップ２４０でのび具合度を算出したノードを、処理対象として設定する（ステップ２５１）。
また、顧客モデル構築部１０は、上述で処理対象として設定したノードにつながるエッジが、増加したか減少したかの判定を行う（ステップ２５２）。

上述の判定の結果、当該ノードにつながるエッジが増加している場合（ステップ２５２：増加）、顧客モデル構築部１０は、処理をステップ２５３に進める。一方、当該ノードにつながるエッジが減少している場合（ステップ２５２：減少）、顧客モデル構築部１０は、処理をステップ２５４に進める。
続いて、顧客モデル構築部１０は、当該ノードに対してノード重要度を以下の式にしたがって算出する（ステップ２５３）。
ノード重要度＝キーパーソン度＋のび具合度
また、顧客モデル構築部１０は、当該ノードに対してノード重要度を以下の式にしたがって算出する（ステップ２５４）。
ノード重要度＝キーパーソン度−のび具合度

また、顧客モデル構築部１０は、これら算出したのび具合度およびノード重要度を、図８で示したのび具合度テーブル１２４０に格納し（ステップ２５５）、当該フローを終了する。以上で、ステップ２５０の詳細な処理の説明を終える。
−−−表示例等−−−
次に、ヒューマンネットワーク２０００として、顧客に対応した各ノードをエッジで結んで構成したグラフ構造の例を、図１７に示す。

図１７に示すように、本実施形態のヒューマンネットワーク２０００を示すグラフ構造は、既存契約者２０１０や未契約者２０２０を含む各ノードと、これらノードの間を結ぶ紹介元から紹介先への方向性を持ったエッジ２０３０、および営業担当者が直接コンタクト可能な或る既存契約者２０１１を起点とした最短のエッジ数で表す距離２０４０、で構成されている。この距離２０４０は、「距離１」が上述の第１階層、「距離２」が上述の第２階層、「距離３」が第３階層、「距離ｎ」が第ｎ階層、に対応する。

図１７に例示したヒューマンネットワーク２０００のグラフ構造において、ノードおよびエッジに関連する各データが新たに追加或いは変更された場合、顧客モデル構築部１０は、その追加或いは変更の都度、当該ヒューマンネットワーク２０００のグラフ構造を変更する。

次に、上述のグラフ構造においてノード間を結ぶエッジの表示形態が、当該ノード間の関係性に応じて異なるようバリエーションを持っている例を、図１８に示す。

図１８に示すように、関係性バリエーション３０００は、あるノード３０１０に対して、複数の異なる関係性（エッジ３０２０１〜３０２０４）でつながったノードであることを表している。例えば、実線のエッジ３０２０１は、当該ノード間に対応した人間関係が「親戚」、点線のエッジ３０２０２は、当該ノード間に対応した人間関係が「サークル仲間」、破線のエッジ３０２０３は、当該ノード間に対応した人間関係が「職場同僚」、一点破線のエッジ３０２０４は、当該ノード間に対応した人間関係が「お子様」、であることを示している。

次に、ヒューマンネットワーク構築・分析装置７０が、顧客関係情報登録装置６０の表示装置６３にて表示させる、単位時間ｔにおけるノードおよびエッジの増減画面例５１００、５２００を、図１９に示す。

まず、開始時刻ｔ１の時点での顧客関係すなわちヒューマンネットワークを表した画面５１００について説明する。この画面５１００は、グラフ構造におけるノードとエッジのつながりで顧客関係を表す表示領域５１１０、開始時刻ｔ１を設定するための設定ボタン５１２０、設定ボタン５１２０押下により設定された開始時刻ｔ１を表示する表示欄５１３０、上下方向の画面スクロールバー５１４０、左右方向の画面スクロールバー５１５０、画面５１００上での各種ユーザ操作を受け付けるポインタ５１６０から構成されている。

また、開始時刻ｔ１から単位時間ｔが経過した後の顧客関係を表す画面を５２００につ
いて説明する。この画面５２００では、単位時間ｔの経過により増加したノードや減少したノードすなわち増減先ノードが、例えば塗りつぶしの丸印（５２１１）や塗りつぶしの三角印（５２１３）で表示され、開始時刻ｔ１で存在した増減元ノードが例えば白丸（５２１０）で表示されている。このように、増減先ノードと増減元ノードとで、区別を可能とすべくその表示色を異ならせている。

同様に、増減先ノードのうち増加したノードと増減元ノードとをつなぐエッジは太線（５２１２）とし、また、増減先ノードのうち減少したノードと増減元ノードとをつなぐエッジは、細線（５２１４）として表示する。

さらに、画面５２００は、終了時刻を設定するための解除ボタン５２２０、解除ボタン５２２０の押下により設定された終了時刻ｔ２や、開始時刻ｔ２に関する情報を表示する表示欄５２３０、上下方向、左右方向の各スクロールバー５１４０、５１５０、および、ユーザによる画面操作を受け付けるポインタ５１６０から構成されている。

次に、単位時間ｔあたりのノードおよびそれにつながるエッジの増減例６０００について図２０に示す。図２０の増減例６０００にて示すように、開始時刻ｔ１から終了時刻ｔ２までの時間を単位時間ｔ（６１００）とした場合、当該単位時間ｔ内で、エッジが伸びている部分６２００が、ノードが増えていることを表し、エッジが減っている部分６３００が、ノードが減っていることを表している。また、のび具合度の算出対象となるノードは、単位時間ｔで変化していないノードで、増減したエッジにつながっているノードとなる。すなわち、ノードが増加している場合ののび具合度算出の対象となるノードは６２１０が該当し、ノードが減少している場合ののび具合度算出対象となるノードは６３１０が該当する。以上で、本発明の一実施形態についての説明を終える。

以上、本発明を実施するための最良の形態などについて具体的に説明したが、本発明はこれ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。

こうした本実施形態によれば、単位時間あたり急激にノード間のエッジが変化した場合に、変化するきっかけとなったノードを影響力のある顧客すなわちキーパーソンとして、紹介可能性の高い顧客を抽出する際に考慮することにより、ある時点でより紹介可能性の高い、影響力のある顧客モデルを抽出することができる。また逆に、以前は紹介可能性が高かったが、ある時点ではノード間のつながりであるエッジが減少し、影響力が低下している顧客モデルに対しては、紹介可能性を下げることで、顧客モデルから排除することができ、より精緻な顧客モデルが構築できる。
すなわち、営業上のキーパーソンを、その人的ネットワークの時間変化を踏まえて高精度に特定可能となる。

本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、本実施形態の紹介者候補抽出システムにおいて、前記演算装置は、前記重要度を特定するに際し、所定時刻ごとの前記関係性の情報に基づく当該時刻各々のグラフ構造において、前記接続状況に時間変化があったノードを特定し、当該ノードに関して、他ノードとの接続状況およびその時間変化を所定アルゴリズムで判定し、前記接続状況に時間変化が無かったノードに関しては、他ノードとの接続状況を所定アルゴリズムで判定し、前記判定各々の結果に基づいて前記所定事象における各ノードの重要度を特定するものである、としてもよい。

これによれば、エッジの増減などノード間の接続状況に時間変化があったか否かに応じて、効率的に各ノードの重要度特定を行うことが可能であり、ひいては効率的に高精度なキーパーソン特定を行うことにつながる。

また、本実施形態の紹介者候補抽出システムにおいて、前記演算装置は、前記重要度を特定するに際し、前記接続状況に時間変化があったノードに関して、当該時間変化がエッジ増加を示すものである場合、当該ノードの重要度を所定レベル上昇させ、当該時間変化がエッジ減少を示すものである場合、当該ノードの重要度を所定レベル低下させるものである、としてもよい。

これによれば、エッジの増加、減少の現象を各ノードの重要度に適宜に反映することが可能であり、ひいては効率的に高精度なキーパーソン特定を行うことにつながる。

また、本実施形態の紹介者候補抽出システムにおいて、前記演算装置は、前記重要度を特定するに際し、前記接続状況に時間変化があったノードに関して、当該時間変化がエッジ増加を示すものである場合、当該ノードの重要度を単位時間あたりのエッジ増加数に応じて所定レベル上昇させ、当該時間変化がエッジ減少を示すものである場合、当該ノードの重要度を単位時間あたりのエッジ減少数に応じて所定レベル低下させるものである、としてもよい。

これによれば、エッジの増加、減少の現象を各ノードの重要度に高精度で反映することが可能であり、ひいては効率的かつ更に高精度なキーパーソン特定を行うことにつながる。

また、本実施形態の紹介者候補抽出システムにおいて、前記演算装置は、前記エッジ増加および前記エッジ減少の少なくともいずれかの発生前後の各グラフ構造を、所定装置にて並列表示させる処理を更に実行するものである、としてもよい。

これによれば、各ノードすなわち人物に関する重要度が、どのように時間変化しているかについて、エッジの増減に応じて視覚的に認識しやすい形態でユーザに提示できる。

また、本実施形態の紹介者候補抽出システムにおいて、前記演算装置は、前記並列表示させる処理に際し、前記エッジ増加および前記エッジ減少が生じたノードおよび当該エッジを、エッジの増減が生じていないノードおよびエッジと異なる表示形態で表示させるものである、としてもよい。

これによれば、各ノードすなわち人物に関する重要度が、どのように時間変化しているかについて、エッジの増減に応じて更に視覚的に認識しやすい形態でユーザに提示できる。

また、本実施形態の紹介者候補抽出システムにおいて、前記演算装置は、前記重要度を特定するに際し、所定時刻の前記関係性の情報に基づくグラフ構造において前記接続状況に時間変化があったノードを特定する場合、前記所定時刻の直前の時刻の前記関係性の情報に基づくグラフ構造との間について、前記接続状況に時間変化があったノードを特定するものである、としてもよい。

これによれば、人的ネットワークのグラフ構造に関して、各ノードの重要度すなわち各人物がキーパーソンたりうるレベルについて特定する場合、その時点より前の、直近の或る機会に重要度の特定がなされている関係性の情報およびそれに基づくグラフ構造をベースにして、上述の時間変化に関する処理を行うことができる。このことは、過去における各関係性の情報と現時点の関係性の情報との各間すべてについて、上述の時間変化等に関する処理を実行するといった事態を回避して、処理全体の効率化を図ることにつながる。

１ 紹介者候補抽出システム
１０ 顧客モデル構築部
２０ 紹介者リスト構築部
３０ 訪問結果フィードバック部
５１ ヒューマンネットワークＤＢ
５２ 顧客モデルＤＢ
５３ 顧客ＤＢ
５５ 顧客関係情報ＤＢ
６０ 顧客関係情報登録装置
６１ ＣＰＵ（演算装置）
６２ 入力装置
６３ 表示装置
６４ 記憶装置
７０ ヒューマンネットワーク構築・分析装置
７１ ＣＰＵ（演算装置）
７２ 入力装置
７３ 表示装置
７４ 記憶装置
８０ データ管理装置
８１ ＣＰＵ（演算装置）
８２ 入力装置

Claims (8)

1. 所定事象に関係する各人物の間の関係性の情報を格納した記憶装置と、
   前記関係性の情報に基づき、前記各人物をノードとして当該ノード間を当該人物間の関係性に応じてエッジで接続したグラフ構造において、各ノードにおける他ノードとの直接および間接の接続状況およびその時間変化を所定アルゴリズムで判定し、当該判定の結果に基づいて、前記所定事象に関して他者を紹介しうるキーパーソンとしての重要度を各ノードについて特定する演算装置と、
   を備えることを特徴とする紹介者候補抽出システム。
2. 前記演算装置は、
   前記重要度を特定するに際し、
   所定時刻ごとの前記関係性の情報に基づく当該時刻各々のグラフ構造において、前記接続状況に時間変化があったノードを特定し、当該ノードに関して、他ノードとの接続状況およびその時間変化を所定アルゴリズムで判定し、前記接続状況に時間変化が無かったノードに関しては、他ノードとの接続状況を所定アルゴリズムで判定し、前記判定各々の結果に基づいて前記所定事象における各ノードの重要度を特定するものである、
   ことを特徴とする請求項１に記載の紹介者候補抽出システム。
3. 前記演算装置は、
   前記重要度を特定するに際し、
   前記接続状況に時間変化があったノードに関して、当該時間変化がエッジ増加を示すものである場合、当該ノードの重要度を所定レベル上昇させ、当該時間変化がエッジ減少を示すものである場合、当該ノードの重要度を所定レベル低下させるものである、
   ことを特徴とする請求項２に記載の紹介者候補抽出システム。
4. 前記演算装置は、
   前記重要度を特定するに際し、
   前記接続状況に時間変化があったノードに関して、当該時間変化がエッジ増加を示すものである場合、当該ノードの重要度を単位時間あたりのエッジ増加数に応じて所定レベル上昇させ、当該時間変化がエッジ減少を示すものである場合、当該ノードの重要度を単位時間あたりのエッジ減少数に応じて所定レベル低下させるものである、
   ことを特徴とする請求項３に記載の紹介者候補抽出システム。
5. 前記演算装置は、
   前記エッジ増加および前記エッジ減少の少なくともいずれかの発生前後の各グラフ構造を、所定装置にて並列表示させる処理を更に実行するものである、
   ことを特徴とする請求項３に記載の紹介者候補抽出システム。
6. 前記演算装置は、
   前記並列表示させる処理に際し、
   前記エッジ増加および前記エッジ減少が生じたノードおよび当該エッジを、エッジの増減が生じていないノードおよびエッジと異なる表示形態で表示させるものである、
   ことを特徴とする請求項５に記載の紹介者候補抽出システム。
7. 前記演算装置は、
   前記重要度を特定するに際し、所定時刻の前記関係性の情報に基づくグラフ構造において前記接続状況に時間変化があったノードを特定する場合、前記所定時刻の直前の時刻の前記関係性の情報に基づくグラフ構造との間について、前記接続状況に時間変化があったノードを特定するものである、
   ことを特徴とする請求項２に記載の紹介者候補抽出システム。
8. 所定事象に関係する各人物の間の関係性の情報を格納した記憶装置を備える情報処理システムが、
   前記関係性の情報に基づき、前記各人物をノードとして当該ノード間を当該人物間の関係性に応じてエッジで接続したグラフ構造において、各ノードにおける他ノードとの直接および間接の接続状況およびその時間変化を所定アルゴリズムで判定し、
   当該判定の結果に基づいて、前記所定事象に関して他者を紹介しうるキーパーソンとしての重要度を各ノードについて特定する、
   ことを特徴とする紹介者候補抽出方法。