JP2019534487A - 最適ストラテジーを決定するためのシステムおよび方法 - Google Patents

Abstract

本開示は、最適ストラテジーを決定するためのシステムおよび方法に関する。本方法は、最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類するステップであって、第１のユーザ・グループと第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類するステップを含む。本方法は、第１のユーザ・グループおよび第２のユーザ・グループ中の１人または複数のユーザの端末から挙動データを取得するステップも含む。本方法は、最適化モデルを使用して第１のユーザ・グループに関するパラメータの第１の値と、第２のユーザ・グループに関するパラメータの第２の値とを決定するステップをさらに含む。本方法は、第１の値と第２の値とに基づいてストラテジーを決定するステップをさらに含む。【選択図】図６

Description

関連出願の相互参照
本出願は、２０１７年７月２５日に出願された中国特許出願第２０１７１０６１３４０９．４号、および２０１７年７月２６日に出願された中国特許出願第２０１７１０６１８３８１．３号の優先権を主張する。上記の出願の各々は、その全体が参照により本明細書に明確に組み込まれる。

本開示は、一般に、コンピュータ・ベース・データ管理システムに関し、より詳細には、ストラテジー評価システム（ｓｔｒａｔｅｇｙ ｅｖａｌｕａｔｉｏｎ ｓｙｓｔｅｍ）において最適ストラテジー（ｏｐｔｉｍａｌ ｓｔｒａｔｅｇｙ）を決定するためのシステムおよび方法に関する。

ストラテジー評価システムは、オンライン・ツー・オフライン・サービス（たとえば、タクシー・サービス、配送サービス、オンライン・ショッピング・サービス）、製品研究および開発（Ｒ＆Ｄ）、広告など、様々な分野で広く使用される。その中でも、ユーザの挙動データ（たとえば、ユーザ受入れ）に基づいて２つのストラテジーのパフォーマンスを評価し、最適ストラテジーを決定するために、Ａ／Ｂテストがストラテジー評価システムにおいて頻繁に使用される。本特許出願は、ビジネス・ストラテジー・アセスメントの精度を効果的に改善するために、Ａ／Ｂテスト・モデルを変更するためのシステムおよび方法を提供する。さらに、本明細書で使用されるＡ／Ｂテストは、１次元ではなく、多次元（たとえば、年齢、性別、または学歴）におけるものであり、それにより、より包括的なユーザのフィードバック分析とより信頼できる最適ストラテジーとを提供し得る。

本開示の一態様によれば、最適ストラテジーを決定するためのシステムが提供される。本システムは、命令のセットを記憶する少なくとも１つのストレージ媒体と、少なくとも１つのストレージ媒体と通信するように構成された少なくとも１つのプロセッサとを含み得る。命令のセットを実行するときに、少なくとも１つのプロセッサは、以下の動作、たとえば、最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類することであって、第１のユーザ・グループと第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類することと、第１のユーザ・グループおよび第２のユーザ・グループ中の１人または複数のユーザの端末から挙動データを取得することと、１人または複数のユーザの挙動データに基づいて、最適化モデルを使用して第１のユーザ・グループに関するパラメータの第１の値と、第２のユーザ・グループに関するパラメータの第２の値とを決定することと、第１の値と第２の値とに基づいて最適ストラテジーを決定することとのうちの１つまたは複数を実施するように指示される。

いくつかの実施形態では、少なくとも１つのプロセッサは、システムが１人または複数のユーザからサービス要求を取得すると、１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類するために最適化モデルを開始するようにさらに指示され得る。

いくつかの実施形態では、１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類するために、少なくとも１つのプロセッサは、１人または複数のユーザの各々についてのランダム数を生成することと、１人または複数のユーザの各々についてのランダム数が、しきい値よりも大きいかどうかを決定することと、ユーザについてのランダム数がしきい値よりも大きいことに応答して、ユーザを第１のユーザ・グループに分類することとを行うように指示され得る。

いくつかの実施形態では、ユーザについてのランダム数がしきい値以下であることに応答して、少なくとも１つのプロセッサは、ユーザを第２のユーザ・グループに分類するようにさらに指示され得る。

いくつかの実施形態では、パラメータは多次元におけるパラメータを含み得る。

いくつかの実施形態では、多次元におけるパラメータはオンデマンド・サービスのオーダー情報に関係し得る。

いくつかの実施形態では、多次元は１人または複数のユーザの性別、都市、および／または端末の動作システムを含み得る。

いくつかの実施形態では、第１のユーザ・グループおよび第２のユーザ・グループ中の１人または複数のユーザの端末から挙動データを取得するために、少なくとも１つのプロセッサは、Ｈａｄｏｏｐ分散ファイル・システムを使用して、１人または複数のユーザの端末からの挙動データを含むユーザ・ログを取得するように指示され得る。

いくつかの実施形態では、少なくとも１つのプロセッサは、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分を決定することと、パラメータ差分の信頼性レベルを決定することと、パラメータ差分とパラメータ差分の信頼性レベルとに基づいて最適化モデルを調整することとを行うようにさらに指示され得る。

いくつかの実施形態では、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分を決定するために、少なくとも１つのプロセッサは、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータの第１の差分値を決定するように指示され得る。

いくつかの実施形態では、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータの第１の差分値を決定するために、少なくとも１つのプロセッサは、第２の差分値を決定することと、第３の差分値を決定することと、第２の差分値と第３の差分値とに基づいて第１の差分値を決定することとを行うように指示され得る。

いくつかの実施形態では、第２の差分値を決定するために、少なくとも１つのプロセッサは、２つのストラテジーのうちの一方に関連する１人または複数のユーザの挙動データを取得することと、２つのストラテジーのうちの一方に関連する１人または複数のユーザの挙動データに基づいて、補正モデルを使用して、第１のユーザ・グループに関するパラメータの第３の値と、第２のユーザ・グループに関するパラメータの第４の値とを決定することと、第３の値と第４の値とに基づいて第２の差分値を決定することとを行うように指示され得る。

いくつかの実施形態では、第３の差分値を決定するために、少なくとも１つのプロセッサは、第１の値と第２の値とに基づいて第３の差分値を決定するように指示され得る。

いくつかの実施形態では、パラメータ差分の信頼性レベルを決定するために、少なくとも１つのプロセッサは、あらかじめ設定された信頼係数において、第１の差分値の信頼区間を決定するように指示され得る。

いくつかの実施形態では、パラメータ差分の信頼性レベルを決定するために、少なくとも１つのプロセッサは、第１の差分値に基づいてＰ値を決定することと、Ｐ値を有意値と比較することと、Ｐ値と有意値との比較に基づいてパラメータ差分の信頼性レベルを決定することとを行うように指示され得る。

本開示の一態様によれば、最適ストラテジーを決定するためのシステムが提供される。本システムは、命令のセットを記憶する少なくとも１つのストレージ媒体と、少なくとも１つのストレージ媒体と通信するように構成された少なくとも１つのプロセッサとを含み得る。命令のセットを実行するときに、少なくとも１つのプロセッサは、以下の動作、たとえば、最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類することであって、第１のユーザ・グループと第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類することと、第１のユーザ・グループおよび第２のユーザ・グループ中の１人または複数のユーザの端末から挙動データを取得することと、１人または複数のユーザの挙動データに基づいて、最適化モデルを使用して第１のユーザ・グループに関する多次元におけるパラメータの第１の値と、第２のユーザ・グループに関する多次元におけるパラメータの第２の値とを決定することと、第１の値と第２の値とに基づいて最適ストラテジーを決定することとのうちの１つまたは複数を実施するように指示される。

本開示の別の態様によれば、最適ストラテジーを決定するための方法が決定され得る。本方法は、少なくとも１つのプロセッサと、少なくとも１つのコンピュータ可読ストレージ媒体とを有するコンピューティング・デバイス上に実装され得る。本方法は、たとえば、最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類するステップであって、第１のユーザ・グループと第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類するステップと、第１のユーザ・グループおよび第２のユーザ・グループ中の１人または複数のユーザの端末から挙動データを取得するステップと、１人または複数のユーザの挙動データに基づいて、最適化モデルを使用して第１のユーザ・グループに関するパラメータの第１の値と、第２のユーザ・グループに関するパラメータの第２の値とを決定するステップと、第１の値と第２の値とに基づいて最適ストラテジーを決定するステップとを含み得る。

本開示の別の態様によれば、最適ストラテジーを決定するための方法が決定され得る。本方法は、少なくとも１つのプロセッサと、少なくとも１つのコンピュータ可読ストレージ媒体とを有するコンピューティング・デバイス上に実装され得る。本方法は、たとえば、第１のユーザ・グループおよび第２のユーザ・グループ中の１人または複数のユーザの端末から挙動データを取得するステップと、１人または複数のユーザの挙動データに基づいて、最適化モデルを使用して第１のユーザ・グループに関する多次元におけるパラメータの第１の値と、第２のユーザ・グループに関する多次元におけるパラメータの第２の値とを決定するステップと、第１の値と第２の値とに基づいて最適ストラテジーを決定するステップとを含み得る。

本開示のさらに別の態様によれば、非一時的コンピュータ可読媒体が提供される。本非一時的コンピュータ可読媒体は、最適ストラテジーを決定するための命令の少なくとも１つのセットを含み得、コンピューティング・デバイスの少なくとも１つのプロセッサによって実行されたとき、命令の少なくとも１つのセットはコンピューティング・デバイスに方法を実施させる。本方法は、たとえば、第１のユーザ・グループおよび第２のユーザ・グループ中の１人または複数のユーザの端末から挙動データを取得するステップと、１人または複数のユーザの挙動データに基づいて、最適化モデルを使用して第１のユーザ・グループに関する多次元におけるパラメータの第１の値と、第２のユーザ・グループに関する多次元におけるパラメータの第２の値とを決定するステップと、第１の値と第２の値とに基づいて最適ストラテジーを決定するステップとを含み得る。

追加の特徴が、以下の説明において一部記載され、一部は、以下のおよび添付の図面の考察時に当業者に明らかになるか、あるいは例の生成または運用によって学習され得る。本開示の特徴は、以下で説明される詳細な例において記載される方法、手段および組合せの様々な態様の実施または使用によって実現および達成され得る。

例示的な実施形態に関して本開示がさらに説明される。これらの例示的な実施形態は、図面を参照しながら詳細に説明される。図面は一定の縮尺でない。これらの実施形態は、非限定的な例示的な実施形態であり、これらの図面の全体で、同様の構造は同じ参照番号で表してある。。

本開示のいくつかの実施形態による、例示的なストラテジー評価システムを示す概略図である。 本開示のいくつかの実施形態による、コンピューティング・デバイスの例示的な構成要素を示す概略図である。 本開示のいくつかの実施形態による、例示的なユーザ端末の例示的なハードウェアおよび／またはソフトウェア構成要素を示す概略図である。 本開示のいくつかの実施形態による、例示的な処理エンジンを示す概略図である。 本開示のいくつかの実施形態による、例示的な処理エンジンを示す概略図である。 本開示のいくつかの実施形態による、最適ストラテジーを決定するための例示的なプロセスを示すフローチャートである。 本開示のいくつかの実施形態による、最適ストラテジーを決定するための例示的なプロセスを示す概略図である。 本開示のいくつかの実施形態による、多次元における例示的なパラメータを示す概略図である。 本開示のいくつかの実施形態による、１人または複数のユーザをユーザ・グループに分類するための例示的なプロセスを示すフローチャートである。 本開示のいくつかの実施形態による、最適化モデルを調整するための例示的なプロセスを示すフローチャートである。 本開示のいくつかの実施形態による、パラメータ差分を決定するための例示的なプロセスを示すフローチャートである。 本開示のいくつかの実施形態による、第２の差分値を決定するための例示的なプロセスを示すフローチャートである。 本開示のいくつかの実施形態による、信頼区間に基づいてパラメータ差分の信頼性レベルを決定するための例示的なプロセスを示すフローチャートである。 本開示のいくつかの実施形態による、確率値に基づいてパラメータ差分の信頼性レベルを決定するための例示的なプロセスを示すフローチャートである。

本開示の実施形態に関係する技術的解決策を示すために、実施形態の説明で参照される図面の簡単な説明が以下で与えられる。明らかに、以下で説明される図面は、本開示のいくつかの例または実施形態にすぎない。当業者は、さらなる創造的な取り組みなしに、これらの図面に従って他の同様のシナリオに本開示を適用し得る。特段に記載されていない限り、または文脈から明らかでない限り、図面における同じ参照番号は同じ構造および動作を指す。

本開示および添付の特許請求の範囲において使用される単数形「ａ」、「ａｎ」、および「ｔｈｅ」は、文脈が別段に明確に示すのでなければ、複数形を含む。さらに、本開示で使用される「備える（ｃｏｍｐｒｉｓｅｓ）」、「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｅｓ）」、および／または「含む（ｉｎｃｌｕｄｉｎｇ）」という用語は、述べられたステップおよび要素の存在を明示するが、１つまたは複数の他のステップおよび要素の存在または追加を排除しないことを理解されよう。

システムのいくつかのモジュールは、本開示のいくつかの実施形態によれば、様々なやり方で参照され得るが、任意の数の異なるモジュールが、クライアント端末および／またはサーバにおいて使用および動作され得る。これらのモジュールは例示的なものであり、本開示の範囲を限定するものではない。異なるモジュールは、システムおよび方法の異なる態様で使用され得る。

本開示のいくつかの実施形態によれば、フローチャートは、システムによって実施される動作を示すために使用される。上記または以下の動作は、順番通り実装されることも実装されないこともあることを、明確に理解されたい。逆に、動作は、逆の順序でまたは同時に実施され得る。その上、１つまたは複数の他の動作がフローチャートに追加され得るか、または１つまたは複数の動作がフローチャートから省略され得る。

本開示の実施形態の技術的解決策が、以下で説明されるように図面を参照しながら説明される。説明される実施形態は網羅的でなく、限定するものではないことは、明らかである。本開示に記載される実施形態に基づいて、創造的な作業なしに当業者によって取得される他の実施形態は、本開示の範囲内に入る。

本開示の一態様は、最適ストラテジーを決定するためのシステムおよび方法を対象とする。本システムおよび方法は、最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類し得る。第１のユーザ・グループと第２のユーザ・グループとは、それぞれ２つのストラテジーに対応し得る。また、本システムおよび方法は、２つのストラテジーに関連する１人または複数のユーザの端末から挙動データを取得し得る。さらに、本システムおよび方法は、１人または複数のユーザの挙動データに基づいて、最適化モデルを使用して第１のユーザ・グループに関するパラメータの第１の値と、第２のユーザ・グループに関するパラメータの第２の値とを決定し得る。したがって、本システムおよび方法は、第１の値と第２の値とに基づいて第１のユーザ・グループと第２のユーザ・グループとからユーザ・グループを選択し、最適ストラテジーとして、選択されたユーザ・グループに対応するストラテジーを決定し得る。

本開示の別の態様は、最適化モデルを調整するためのシステムおよび方法を対象とする。本システムおよび方法は、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分を決定し得る。さらに、本システムおよび方法は、パラメータ差分の信頼性レベルを決定し得る。したがって、本システムおよび方法は、パラメータ差分とパラメータ差分の信頼性レベルとに基づいて最適化モデルを調整し得る。

本開示のさらに別の態様は、ストラテジー評価プロセスの精度および効率を改善するために、ユーザに対して多次元グループ化方法を適用し、ユーザ・フィードバックに対してビッグ・データ分析方法を適用するためのシステムおよび方法を対象とする。ユーザを１次元においてグループ化するのではなく、本システムおよび方法は、ユーザを多次元（たとえば、年齢、性別、学歴など）においてグループ化し得る。

図１は、本開示のいくつかの実施形態による、例示的なストラテジー評価システムの概略図である。ストラテジー評価システム１００は、サーバ１１０と、ネットワーク１２０と、ストレージ・デバイス１３０と、ユーザ端末１４０とを含み得る。ストラテジー評価システム１００は、最適化モデル（たとえば、Ａ／Ｂテスト・モデル）を使用して２つまたはそれ以上のストラテジーを評価し得る。単に例示の目的で、ストラテジー評価システム１００は、ユーザ端末１４０からサービス（たとえば、タクシー配車サービス、配送サービス、広告サービス、オンライン・ショッピング・サービスなど）に関連する１人または複数のユーザのいくつかの挙動を取得し得る。サーバ１１０は１人または複数のユーザを２つまたはそれ以上のユーザ・グループに分類し得、２つまたはそれ以上のユーザ・グループは、それぞれ２つまたはそれ以上のストラテジーに対応し得る。たとえば、第１のユーザ・グループは、サービスの価格を動的に調整するためのストラテジーに対応し得、第２のユーザ・グループは、サービスの価格が不変であるためのストラテジーに対応し得る。サーバ１１０は、１人または複数のユーザの取得された挙動に基づいて２つのストラテジーのパフォーマンスを評価し得る。いくつかの実施形態では、１人または複数のユーザは、仕事、年齢、学歴、収入などの複数のファクタに従って、グループに分類される。いくつかの実施形態では、ストラテジー評価システム１００は、１人または複数のユーザの挙動に関連する信頼性レベルに基づいて最適化モデルを調整し得る。

サーバ１１０は、ストラテジー評価システム１００のためのデータ処理を容易にし得る。いくつかの実施形態では、サーバ１１０は、単一のサーバまたはサーバ・グループであり得る。サーバ・グループは、集中型、または分散型であり得る（たとえば、サーバ１１０は、分散型システムであり得る）。いくつかの実施形態では、サーバ１１０は、ローカルまたはリモートであり得る。たとえば、サーバ１１０は、ネットワーク１２０を介して、ユーザ端末１４０および／またはストレージ・デバイス１３０に記憶された情報および／またはデータにアクセスし得る。別の例として、サーバ１１０は、記憶された情報および／またはデータにアクセスするために、ユーザ端末１４０および／またはストレージ・デバイス１３０に直接接続され得る。いくつかの実施形態では、サーバ１１０は、クラウド・プラットフォーム上に実装され得る。単に例として、クラウド・プラットフォームは、プライベート・クラウド、パブリック・クラウド、ハイブリッド・クラウド、コミュニティ・クラウド、分散型クラウド、インタークラウド、マルチクラウドなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、サーバ１１０は、本開示において図２に示されている１つまたは複数の構成要素を有するコンピューティング・デバイス２００上に実装され得る。

いくつかの実施形態では、サーバ１１０は処理エンジン１１２を含み得る。処理エンジン１１２は、本開示で説明される１つまたは複数の機能を実施するために情報および／またはデータを処理し得る。たとえば、処理エンジン１１２は、１人または複数のユーザのユーザ端末１４０からサービス要求を取得し、ユーザ・グループ化方法に従って１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類し得る。第１のユーザ・グループと第２のユーザ・グループとは、それぞれ２つのストラテジーに対応し得る。別の例として、処理エンジン１１２は、１人または複数のユーザの挙動データ（たとえば、ユーザ端末１４０の動作ログ）を取得し、１人または複数のユーザの挙動データに基づく１つまたは複数の次元において、第１のユーザ・グループに関するパラメータの第１の値（たとえば、ある期間（ｔｉｍｅ ｐｅｒｉｏｄ）中に終了されたサービス・オーダーの数）と、第２のユーザ・グループに関するパラメータの第２の値とを決定し得る。第１の値と第２の値とは、最適ストラテジーを決定するための２つのストラテジーを評価するために使用され得る。さらに別の例として、処理エンジン１１２は、第１の値と第２の値とに基づいて、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分を決定し得る。さらに別の例として、処理エンジン１１２は、パラメータ差分の信頼性レベルを決定し得る。パラメータのパラメータ差分とパラメータ差分の信頼性とは、最適化モデルを評価するために使用され得る。いくつかの実施形態では、処理エンジン１１２は、１つまたは複数の処理エンジン（たとえば、（１つまたは複数の）シングルコア処理エンジンまたは（１つまたは複数の）マルチコア・プロセッサ）を含み得る。単に例として、処理エンジン１１２は、中央処理ユニット（ＣＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け命令セット・プロセッサ（ＡＳＩＰ）、グラフィックス処理ユニット（ＧＰＵ）、物理処理ユニット（ＰＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、プログラマブル論理デバイス（ＰＬＤ）、コントローラ、マイクロコントローラ・ユニット、縮小命令セット・コンピュータ（ＲＩＳＣ）、マイクロプロセッサなど、またはそれらの任意の組合せなど、１つまたは複数のハードウェア・プロセッサを含み得る。

ネットワーク１２０は、情報および／またはデータの交換を容易にし得る。いくつかの実施形態では、ストラテジー評価システム１００中の１つまたは複数の構成要素（サーバ１１０、ストレージ・デバイス１３０、およびユーザ端末１４０）は、ネットワーク１２０を介して、ストラテジー評価システム１００中の（１つまたは複数の）他の構成要素に情報および／またはデータを送り得る。たとえば、処理エンジン１１２は、ネットワーク１２０を介してストレージ・デバイス１３０および／またはユーザ端末１４０から１人または複数のユーザの挙動データを取得し得る。いくつかの実施形態では、ネットワーク１２０は、任意のタイプのワイヤードまたはワイヤレス・ネットワーク、あるいはそれらの組合せであり得る。単に例として、ネットワーク１２０は、ケーブル・ネットワーク、ワイヤライン・ネットワーク、光ファイバー・ネットワーク、電気通信ネットワーク、イントラネット、インターネット、ローカル・エリア・ネットワーク（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、ワイヤレス・ローカル・エリア・ネットワーク（ＷＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、公衆電話交換網（ＰＳＴＮ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）ネットワーク、ＺｉｇＢｅｅネットワーク、ニアフィールド通信（ＮＦＣ）ネットワークなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、ネットワーク１２０は、１つまたは複数のネットワーク・アクセス・ポイントを含み得る。たとえば、ネットワーク１２０は、基地局および／またはインターネット交換ポイント１２０−１、１２０−２、．．．などのワイヤードまたはワイヤレス・ネットワーク・アクセス・ポイントを含み得、それらを通して、ストラテジー評価システム１００の１つまたは複数の構成要素がネットワーク１２０に接続されて、データおよび／または情報を交換し得る。

ストレージ・デバイス１３０は、データおよび／または命令を記憶し得る。いくつかの実施形態では、ストレージ・デバイス１３０は、ユーザ端末１４０および／または処理エンジン１１２から取得されたデータを記憶し得る。たとえば、ストレージ・デバイス１３０は、ユーザ端末１４０から取得された１人または複数のユーザの挙動データを記憶し得る。別の例として、ストレージ・デバイス１３０は、処理エンジン１１２によって決定されたユーザのユーザ・グループを記憶し得る。いくつかの実施形態では、ストレージ・デバイス１３０は、本開示で説明される例示的な方法を実施するためにサーバ１１０が実行または使用し得る、データおよび／または命令を記憶し得る。たとえば、ストレージ・デバイス１３０は、ユーザ・グループ（たとえば、第１のユーザ・グループ、第２のユーザ・グループ）に関する１つまたは複数の次元におけるパラメータの値を決定するために処理エンジン１１２が実行または使用し得る命令を記憶し得る。別の例として、ストレージ・デバイス１３０は、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分を決定するために処理エンジン１１２が実行または使用し得る命令を記憶し得る。さらに別の例として、ストレージ・デバイス１３０は、パラメータ差分の信頼性レベルを決定するために処理エンジン１１２が実行または使用し得る命令を記憶し得る。いくつかの実施形態では、ストレージ・デバイス１３０は、大容量ストレージ、リムーバブル・ストレージ、揮発性読取りおよび書込みメモリ、読取り専用メモリ（ＲＯＭ）など、またはそれらの任意の組合せを含み得る。例示的な大容量ストレージは、磁気ディスク、光ディスク、ソリッドステート・ドライブなどを含み得る。例示的なリムーバブル・ストレージは、フラッシュ・ドライブ、フロッピー・ディスク、光ディスク、メモリ・カード、ジップ・ディスク、磁気テープなどを含み得る。例示的な揮発性読取りおよび書込みメモリは、ランダム・アクセス・メモリ（ＲＡＭ）を含み得る。例示的なＲＡＭは、ダイナミックＲＡＭ（ＤＲＡＭ）、ダブル・データ・レート同期ダイナミックＲＡＭ（ＤＤＲ ＳＤＲＡＭ：ｄｏｕｂｌｅ ｄａｔｅ ｒａｔｅ ｓｙｎｃｈｒｏｎｏｕｓ ｄｙｎａｍｉｃ ＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、サイリスタＲＡＭ（Ｔ−ＲＡＭ：ｔｈｙｒｉｓｏｒ ＲＡＭ）、およびゼロキャパシタＲＡＭ（Ｚ−ＲＡＭ）などを含み得る。例示的なＲＯＭは、マスクＲＯＭ（ＭＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、コンパクト・ディスクＲＯＭ（ＣＤ−ＲＯＭ）、およびデジタル多用途ディスクＲＯＭなどを含み得る。いくつかの実施形態では、ストレージ・デバイス１３０は、クラウド・プラットフォーム上に実装され得る。単に例として、クラウド・プラットフォームは、プライベート・クラウド、パブリック・クラウド、ハイブリッド・クラウド、コミュニティ・クラウド、分散型クラウド、インタークラウド、マルチクラウドなど、またはそれらの任意の組合せを含み得る。

いくつかの実施形態では、ストレージ・デバイス１３０は、ストラテジー評価システム１００中の１つまたは複数の構成要素（たとえば、サーバ１１０、ユーザ端末１４０など）と通信するためにネットワーク１２０に接続され得る。ストラテジー評価システム１００中の１つまたは複数の構成要素は、ネットワーク１２０を介して、ストレージ・デバイス１３０に記憶されたデータまたは命令にアクセスし得る。いくつかの実施形態では、ストレージ・デバイス１３０は、ストラテジー評価システム１００中の１つまたは複数の構成要素（たとえば、サーバ１１０、ユーザ端末１４０など）に直接接続されるか、またはそれらと通信し得る。いくつかの実施形態では、ストレージ・デバイス１３０は、サーバ１１０の一部であり得る。

いくつかの実施形態では、ユーザ端末１４０は、モバイル・デバイス１４０−１、タブレット・コンピュータ１４０−２、ラップトップ・コンピュータ１４０−３など、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、モバイル・デバイス１４０−１は、スマート・ホーム・デバイス、ウェアラブル・デバイス、モバイル機器、仮想現実デバイス、拡張現実デバイスなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、スマート・ホーム・デバイスは、スマート照明デバイス、インテリジェント電気装置の制御デバイス、スマート監視デバイス、スマート・テレビジョン、スマート・ビデオ・カメラ、インターホンなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、ウェアラブル・デバイスは、ブレスレット、フットギア、グラス、ヘルメット、ウォッチ、衣類、バックパック、スマート・アクセサリなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、モバイル機器は、モバイル・フォン、携帯情報端末（ＰＤＡ）、ゲーム・デバイス、ナビゲーション・デバイス、ポイント・オブ・セール（ＰＯＳ）デバイス、ラップトップ、デスクトップなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、仮想現実デバイスおよび／または拡張現実デバイスは、仮想現実ヘルメット、仮想現実グラス、仮想現実パッチ、拡張現実ヘルメット、拡張現実グラス、拡張現実パッチなど、またはそれらの任意の組合せを含み得る。たとえば、仮想現実デバイスおよび／または拡張現実デバイスは、Ｇｏｏｇｌｅ Ｇｌａｓｓ（商標）、ＲｉｆｔＣｏｎ（商標）、Ｆｒａｇｍｅｎｔｓ（商標）、Ｇｅａｒ ＶＲ（商標）などを含み得る。

ストラテジー評価システム１００は例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形または変更が行われ得る。たとえば、ストラテジー評価システム１００は、データベース、情報源などをさらに含み得る。別の例として、ストラテジー評価システム１００は、同様のまたは異なる機能を実現するために他のデバイス上に実装され得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。

図２は、サーバ１１０、ストレージ・デバイス１３０、および／またはユーザ端末１４０が、本開示のいくつかの実施形態に従ってその上に実装され得る、コンピューティング・デバイスの例示的な構成要素を示す概略図である。コンピュータ・デバイス２００は、プロセッサ２１０と、ネットワーク・インターフェース２２０と、コンピュータ可読媒体２３０とを含み得る。コンピュータ・デバイス２００は、サーバ１１０の実際の機能に従って任意の他のハードウェアをさらに含み得る。プロセッサ２１０は、本開示で説明される１つまたは複数の機能を実施するために、コンピュータ可読媒体２３０中の、ストラテジー評価システム１００に関連する命令を読み取り、実行し得る。コンピュータ可読媒体２３０は、実行可能な命令および／またはデータなどの情報を含んでいるかまたは記憶し得る、任意の電子、磁気、光学または物理的ストレージ・デバイスを含み得る。たとえば、コンピュータ可読ストレージ媒体２３０は、ランダム・アクセス・メモリ（ＲＡＭ）、揮発性メモリ、不揮発性メモリ、フラッシュ・メモリ、ストレージ・ドライブ（たとえば、ハード・ディスク・ドライブ）、ソリッド・ステート・ディスク、ストレージ・ディスク（たとえば、ＣＤ、ＤＶＤなど）など、またはそれらの任意の組合せを含み得る。

特定のシステムは、１つまたは複数のユーザ・インターフェースを含んでいるハードウェア・プラットフォームについて説明するために機能ブロック図を使用し得る。コンピュータは、一般的な機能をもつコンピュータまたは固有の機能をもつコンピュータであり得る。両方のタイプのコンピュータが、本開示のいくつかの実施形態による、特定のシステムを実装するように構成され得る。コンピューティング・デバイス２００は、本開示で開示される１つまたは複数の機能を実施する任意の構成要素を実装するように構成され得る。たとえば、コンピューティング・デバイス２００は、本明細書で説明されるようにストラテジー評価システム１００の任意の構成要素を実装し得る。図１〜図２では、純粋に便宜目的で、１つのそのようなコンピュータ・デバイスのみが示される。当業者は、本明細書で説明されるストラテジー評価に関係するコンピュータ機能が、処理負荷を分散させるためにいくつかの同様のプラットフォーム上に分散様式で実装され得ることを、本出願の出願時に理解されよう。

コンピューティング・デバイス２００は、たとえば、データ通信を容易にするためにそれに接続されたネットワークに接続され、ネットワークから接続されるＣＯＭポートをも含み得る。コンピューティング・デバイス２００は、プログラム命令を実行するために、１つまたは複数のプロセッサ（たとえば、論理回路）の形態の、プロセッサ（たとえば、プロセッサ２１０）を含み得る。たとえば、プロセッサは、その中にインターフェース回路と処理回路とを含み得る。インターフェース回路は、バス２４０から電子信号を受信するように構成され得、電子信号は、処理回路が処理すべき構造化データおよび／または命令を符号化する。処理回路は、論理計算を行い、次いで、電子信号として符号化された結論、結果、および／または命令を決定し得る。次いで、インターフェース回路は、バス２４０を介して処理回路から電子信号を送出し得る。

例示的なコンピューティング・デバイスは、様々なデータ・ファイルがコンピューティング・デバイスによって処理および／または送信されるために、内部通信バス２４０と、たとえば、ディスク、および読取り専用メモリ（ＲＯＭ）、またはランダム・アクセス・メモリ（ＲＡＭ）を含む異なる形態のプログラム・ストレージおよびデータ・ストレージとを含み得る。例示的なコンピューティング・デバイスは、プロセッサ２１０によって実行されるべき、ＲＯＭ、ＲＡＭ、および／または他のタイプの非一時的ストレージ媒体に記憶されたプログラム命令をも含み得る。本開示の方法および／またはプロセスは、プログラム命令として実装され得る。コンピューティング・デバイス２００は、コンピュータと他の構成要素との間の入出力をサポートする、Ｉ／Ｏ構成要素をも含み得る。コンピューティング・デバイス２００はまた、ネットワーク通信を介してプログラミングおよびデータを受信し得る。

単に例示のために、１つのＣＰＵおよび／またはプロセッサのみが図２に示されている。複数のＣＰＵおよび／またはプロセッサも企図され、したがって、本開示で説明されるように１つのＣＰＵおよび／またはプロセッサによって実施される動作および／または方法ステップは、複数のＣＰＵおよび／またはプロセッサによって一緒にまたは別個に実施されることもある。たとえば、本開示では、コンピューティング・デバイス２００のＣＰＵおよび／またはプロセッサがステップＡとステップＢの両方を実行する場合、ステップＡおよびステップＢはまた、コンピューティング・デバイス２００において、２つの異なるＣＰＵおよび／またはプロセッサによって一緒にまたは別個に実施され得る（たとえば、第１のプロセッサがステップＡを実行し、第２のプロセッサがステップＢを実行するか、または、第１のプロセッサと第２のプロセッサとがステップＡおよびＢを一緒に実行する）ことを理解されたい。

図３は、ユーザ端末１４０が本開示のいくつかの実施形態に従ってその上に実装され得る、本開示のいくつかの実施形態による、例示的なユーザ端末の例示的なハードウェアおよび／またはソフトウェア構成要素を示す概略図である。図３に示されているように、モバイル・デバイス３００は、通信プラットフォーム３１０と、ディスプレイ３２０と、グラフィック処理ユニット（ＧＰＵ）３３０と、中央処理ユニット（ＣＰＵ）３４０と、Ｉ／Ｏ３５０と、メモリ３６０と、ストレージ３９０とを含み得る。ＣＰＵ３４０は、プロセッサ２２０と同様に、インターフェース回路と処理回路とを含み得る。いくつかの実施形態では、限定はしないが、システム・バスまたはコントローラ（図示せず）を含む、任意の他の好適な構成要素もモバイル・デバイス３００中に含まれ得る。いくつかの実施形態では、モバイル・オペレーティング・システム３７０（たとえば、ｉＯＳ（商標）、Ａｎｄｒｏｉｄ（商標）、Ｗｉｎｄｏｗｓ Ｐｈｏｎｅ（商標）など）および１つまたは複数のアプリケーション３８０が、ＣＰＵ３４０によって実行されるためにストレージ３９０からメモリ３６０にロードされ得る。アプリケーション３８０は、サービス要求に関係する情報、またはモバイル・デバイス３００上のロケーション・ベース・サービス提供システムからの他の情報を受信およびレンダリングするための、ブラウザまたは任意の他の好適なモバイル・アプリを含み得る。情報ストリームを用いるユーザ対話が、Ｉ／Ｏデバイス３５０を介して達成され、ネットワーク１２０を介してストラテジー評価システム１００の処理エンジン１１２および／または他の構成要素に与えられ得る。

上記で説明された様々なモジュール、ユニットおよびそれらの機能を実装するために、コンピュータ・ハードウェア・プラットフォームは、１つまたは複数の要素（たとえば、図２で説明されているサーバ（ｓｅｖｅｒ）１１０の構成要素）のハードウェア・プラットフォームとして使用され得る。これらのハードウェア要素、オペレーティング・システム、およびプログラム言語が一般的であるので、当業者がこれらの技法に精通していることがあり、当業者が、本開示で説明される技法によるルート・プランニングにおいて必要とされる情報を与えることが可能であり得ると仮定され得る。ユーザ・インターフェースをもつコンピュータが、パーソナル・コンピュータ（ＰＣ）、あるいは他のタイプのワークステーションまたは端末デバイスとして使用され得る。適切にプログラムされた後に、ユーザ・インターフェースをもつコンピュータは、サーバとして使用され得る。当業者が、このタイプのコンピュータ・デバイスのそのような構造、プログラム、または一般的な動作にも精通していることがあると考えられ得る。したがって、図についての余分の説明は示されない。

図４は、本開示のいくつかの実施形態による、例示的な処理エンジンを示す概略図である。処理エンジン１１２は、分類ユニット４１０と、取得ユニット４２０と、分析ユニット４３０と、送信ユニット４４０と、判定ユニット４５０と、応答ユニット４６０とを含み得る。これらのユニットは、処理エンジン１１２の少なくとも一部のハードウェア回路であり得る。また、これらのユニットは、処理エンジン１１２によって読み取られ、実行される、アプリケーションまたは命令のセットとして実装され得る。さらに、これらのユニットは、ハードウェア回路とアプリケーション／命令の任意の組合せであり得る。たとえば、これらのユニットは、処理エンジン１１２がアプリケーション／命令のセットを実行しているとき、処理エンジン１１２の一部であり得る。

分類ユニット４１０は、１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとにランダムに分類するように構成され得る。第１のユーザ・グループは第１のストラテジーに対応し得、第２のユーザ・グループは第２のストラテジーに対応し得る。

いくつかの実施形態では、第１のユーザ・グループと第２のユーザ・グループとは、ターゲット・プロジェクトの２つのストラテジー（たとえば、動的価格調整プロジェクトの２つのストラテジー）に対応し得る。いくつかの実施形態では、分類ユニット４１０は、ランダム・グループ化アルゴリズムを使用して１人または複数のユーザをユーザ・グループに分類し得る。たとえば、分類ユニット４１０は、ソルト付きハッシュ・アルゴリズムを使用して１人または複数のユーザを分類し得る。別の例として、分類ユニット４１０は、各ユーザにランダム数を割り当て、ランダム数をあらかじめ設定されたしきい値と比較することによって１人または複数のユーザを２つのグループに分類し得る。

取得ユニット４２０は、ストラテジー評価システム１００に関係するデータおよび／または情報を取得するように構成され得る。いくつかの実施形態では、取得ユニット４２０は、１人または複数のユーザから複数のサービス要求を取得し得る。いくつかの実施形態では、サービス要求はサービスについての要求であり得る。いくつかの実施形態では、取得ユニット４２０は、１人または複数のユーザの挙動データを取得し得る。たとえば、取得ユニット４２０は、ユーザ・ログから１人または複数のユーザの挙動データを取得し得る。いくつかの実施形態では、１人または複数のユーザの端末（たとえば、ユーザ端末１４０）は、アプリケーションに対するユーザ・アクティビティに基づいてユーザ・ログを生成し得る。ユーザ・ログは、ユーザの基本情報（たとえば、ユーザ操作、ユーザＩＤ、ユーザのユーザ・グループ、ユーザの都市、ユーザの性別、ユーザの端末の動作システム）と、ユーザ端末１４０とのユーザの対話とを含み得る。

いくつかの実施形態では、取得ユニット４２０は、ユーザ端末（たとえば、ユーザ端末１４０）、ストレージ・デバイス１３０、および／または外部データ・ソース（図示せず）から、ストラテジー評価システム１００に関係するデータおよび／または情報を取得し得る。いくつかの実施形態では、取得ユニット４２０は、ネットワーク１２０を介して、ストラテジー評価システム１００に関係するデータおよび／または情報を取得し得る。

分析ユニット４３０は、１人または複数のユーザの挙動データを分析することによって、第１のユーザ・グループに関する１次元または多次元におけるパラメータの第１の値と、第２のユーザ・グループに関する多次元におけるパラメータの第２の値とを決定するように構成され得る。いくつかの実施形態では、分析ユニット４３０は、それぞれ、多次元の観点から、第１のユーザ・グループと第２のユーザ・グループとから１つまたは複数のサブグループを決定し得る。分析ユニット４３０は、ビッグ・データ分析方法に基づいて、第１のユーザ・グループ中の１つまたは複数のサブグループに関する多次元におけるパラメータの１つまたは複数の第１の値と、第２のユーザ・グループ中の１つまたは複数のサブグループに関する多次元におけるパラメータの１つまたは複数の第２の値とを決定し得る。

分析ユニット４３０は、ストラテジー評価システム１００に関係する情報および／またはデータを分析するように構成され得る。いくつかの実施形態では、分析ユニット４３０は、２つのストラテジーの性能を評価するためのパラメータを決定し得る。単に例として、パラメータはサービスのオーダー情報に関連し得る。タクシー配車サービスを一例として挙げると、パラメータは、サービス・オーダーの数、オーダー受付けレート、サービス・オーダーの平均応答時間など、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、パラメータは、１次元または多次元におけるものであり得る。いくつかの実施形態では、分析ユニット４３０は、第１のユーザ・グループに関するパラメータの第１の値と、第２のユーザ・グループに関するパラメータの第２の値とを決定し得る。たとえば、分析ユニット４３０は、ビッグ・データ分析方法を使用して、１人または複数のユーザの挙動データに基づいて、第１のユーザ・グループに関する多次元におけるパラメータの第１の値と、第２のユーザ・グループに関する多次元におけるパラメータの第２の値とを決定し得る。いくつかの実施形態では、分析ユニット４３０は、第１のユーザ・グループと第２のユーザ・グループとからユーザ・グループを選択し得る。単に例として、分析ユニット４３０は、第１の値と第２の値とを比較することによって、第１のユーザ・グループと第２のユーザ・グループとからユーザ・グループを選択し得る。いくつかの実施形態では、分析ユニット４３０は、選択されたユーザ・グループに対応するストラテジーを最適ストラテジーに指定し得る。

送信ユニット４４０は、第１の値と第２の値とを端末デバイスのビジュアル・インターフェースに送信するように構成され得る。たとえば、送信ユニット４４０は第１の値と第２の値とを端末デバイスのビジュアル・インターフェースに送信し得る。いくつかの実施形態では、端末デバイスのビジュアル・インターフェースは、第１の値と第２の値とをテキスト、グラフ、オーディオ、ビデオなど、またはそれらの組合せの形態で表示し得る。第１の値と第２の値とは、第１のストラテジーと第２のストラテジーとから最適ストラテジーを決定するために使用され得る。

判定ユニット４５０は、ストラテジー評価システム１００がユーザからサービス要求を取得すると、ユーザが第１のユーザ・グループと第２のユーザ・グループとのうちのいずれか一方に属するかどうかを決定するように構成され得る。ユーザがユーザ・グループに属さない場合、分類ユニット４１０はユーザをユーザ・グループに分類し得る。ユーザが第１のユーザ・グループと第２のユーザ・グループとのうちの一方に属する場合、応答ユニット４６０はサービス要求に応答し得る。

応答ユニット４６０は、ユーザが第１のユーザ・グループと第２のユーザ・グループとのうちの一方に属する場合、ユーザからのサービス要求に応答するように構成され得る。タクシー配車サービスを一例として挙げると、応答ユニット４６０は、サービス要求を受け付けることができる複数のサービス提供者（たとえば、ドライバ）にサービス要求を送り得る。

処理エンジン１１２の上記の説明は例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。たとえば、処理エンジン１１２は、データ・ストレージを容易にするストレージ・モジュールをさらに含み得る。別の例として、判定ユニット４５０および／または応答ユニット４６０が省略され得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。

図５は、本開示のいくつかの実施形態による、例示的な処理エンジンを示す概略図である。いくつかの実施形態では、処理エンジン１１２は、パラメータ取得ユニット５１０と、決定ユニット５２０と、出力ユニット５３０とを含み得る。これらのユニットは、処理エンジン１１２の少なくとも一部のハードウェア回路であり得る。また、これらのユニットは、処理エンジン１１２によって読み取られ、実行される、アプリケーションまたは命令のセットとして実装され得る。さらに、これらのユニットは、ハードウェア回路とアプリケーション／命令の任意の組合せであり得る。たとえば、これらのユニットは、処理エンジン１１２がアプリケーション／命令のセットを実行しているとき、処理エンジン１１２の一部であり得る。

パラメータ取得ユニット５１０は、第１のユーザ・グループに関するパラメータの第１の値と、第２のユーザ・グループに関するパラメータの第２の値とを取得するように構成され得る。いくつかの実施形態では、パラメータ取得ユニット５１０は、分析ユニット４３０から第１の値と第２の値とを取得し得る。いくつかの実施形態では、パラメータ取得ユニット５１０は、ストレージ・デバイス１３０および／または外部データ・ソース（図示せず）から第１の値と第２の値とを取得し得る。取得された第１の値および第２の値は、最適化モデルを評価および／または調整するために使用され得る。

決定ユニット５２０は、最適化モデルに関連する評価結果を決定するように構成され得る。いくつかの実施形態では、決定ユニット５２０は、第１の値と、第２の値と、最適化モデルの系統的誤差とに基づいて、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分を決定し得る。いくつかの実施形態では、パラメータ差分は、（「第１の差分値」とも呼ばれる）差分値または比値であり得る。単に例として、第１の差分値は、（「第２の差分値」とも呼ばれる）最適化モデルの系統的誤差、および（「第３の差分値」とも呼ばれる）第１の値と第２の値との間の差分に基づいて決定され得る。いくつかの実施形態では、補正モデルは、補正モデルが第１のユーザ・グループと第２のユーザ・グループとを同じストラテジーに関連付けることを除いて、最適化モデルと同じまたは類似であり得る。たとえば、Ａ／Ａテスト・プロセスでは、第１のユーザ・グループと第２のユーザ・グループとは、Ａ／Ｂテスト・プロセスにおける第１のストラテジーまたは第２のストラテジーに対応し得る。

いくつかの実施形態では、決定ユニット５２０はパラメータ差分の信頼性レベルを決定し得る。パラメータ差分の信頼性レベルは、測定が何回か繰り返されるときのパラメータ差分の再現性を指し得る。いくつかの実施形態では、決定ユニット５２０は、あらかじめ設定された信頼係数において、パラメータ差分（たとえば、第１の差分値）の信頼区間に基づいて信頼性レベルを決定し得る。別の例として、決定ユニット５２０は、パラメータ差分（たとえば、第１の差分値）のＰ値と有意値との比較に基づいて、信頼性レベルを決定し得る。さらに別の例として、決定ユニット５２０は、あらかじめ設定された信頼係数におけるパラメータ差分（たとえば、差分値、比値）の信頼区間とパラメータ差分のＰ値とに基づいて信頼性レベルを決定し得る。

出力ユニット５３０は、最適化モデルを調整するように構成され得る。いくつかの実施形態では、出力ユニット５３０は、最適化モデルに関連する評価結果に基づいて最適化モデルを調整し得る。いくつかの実施形態では、出力ユニット５３０は、第１のユーザ・グループと第２のユーザ・グループとに関する複数のパラメータ（たとえば、サービス・オーダーの数、サービスに対する費用、ユーザ・レーティングなど）に対応する複数のパラメータ差分を決定し得る。いくつかの実施形態では、出力ユニット５３０は、パラメータ差分とパラメータ差分の信頼性レベルとに基づいて最適化モデルに関係する最終スコアを決定し得る。本明細書で使用される、最適化モデルに関係する最終スコアは、複数のパラメータの観点からの最適化モデルの評価結果であり得る。ある実施形態では、最適化モデルに関係する最終スコアは、複数のパラメータについてのスコアと複数のパラメータの重みとに基づいて決定され得る。いくつかの実施形態では、パラメータの重みは、最適化モデルの評価におけるパラメータの重要性を示し得る。

いくつかの実施形態では、出力ユニット５３０は、最適化モデルに関係する最終スコアに基づいて最適化モデルを調整し得る。たとえば、出力ユニット５３０は、１人または複数のユーザが２つのグループに分類されるやり方を調整し得る。別の例として、出力ユニット５３０は、パラメータの第１の値と第２の値とが決定されるやり方を調整し得る。単に例示の目的で、最適化モデルの調整は、１つまたは複数の反復を含む反復的プロセスであり得る。各反復中に、出力ユニット５３０は、最適化モデルに関係する最終スコアに基づいて最適化モデルを調整し得る。いくつかの実施形態では、反復的プロセスは、最終スコアがしきい値以上であるとき、終了し得る。いくつかの実施形態では、反復的プロセスは、一定数の反復（たとえば、１００回、３００回など）が完了したとき、終了し得る。

処理エンジン１１２の上記の説明は例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。たとえば、処理エンジン１１２は、データ・ストレージを容易にするストレージ・ユニットをさらに含み得る。別の例として、パラメータ取得ユニット５１０は省略され得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。

図６は、本開示のいくつかの実施形態による、最適ストラテジーを決定するための例示的なプロセス６００を示すフローチャートである。いくつかの実施形態では、プロセス６００は、ストラテジー評価システム１００において実装され得る。たとえば、プロセス６００は、命令の形態としてストレージ・デバイス１３０および／またはストレージ（たとえば、コンピュータ可読媒体２３０）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２１０）によって呼び出され、および／または実行され得る。

６１０において、１人または複数のユーザから複数のサービス要求が取得され得る。複数のサービス要求は、たとえば、取得ユニット４２０によって取得され得る。いくつかの実施形態では、取得ユニット４２０は、ネットワーク１２０を介して１人または複数のユーザの（１つまたは複数の）ユーザ端末１４０からサービス要求を取得し得る。

いくつかの実施形態では、ユーザ端末１４０は、たとえば、ユーザ端末１４０中にインストールされたアプリケーション（たとえば、図３中のアプリケーション３８０）を通してサーバ１１０との通信（たとえば、ワイヤレス通信）を確立し得る。いくつかの実施形態では、アプリケーションは、サービス（たとえば、オンライン・ツー・オフライン・サービス）に関連し得る。たとえば、アプリケーションはタクシー配車サービスに関連し得る。いくつかの実施形態では、ユーザは、アプリケーションにログインし、アプリケーションのインターフェース上で１つまたは複数のオプションを選択することによってサービス要求を開始し得る。いくつかの実施形態では、ユーザ端末１４０中にインストールされたアプリケーションは、ユーザからのサービス要求を連続的にまたは周期的に監視し、ネットワーク１２０を介してサービス要求を処理エンジン１１２に自動的に送信するようにユーザ端末１４０に指示し得る。

いくつかの実施形態では、サービス要求はサービスについての要求であり得る。単に例示の目的で、サービスは、タクシー・サービス、カープール・サービス、ヒッチ・サービス、配送サービス、オンライン・ショッピング・サービス、パーティ・オーガニゼーション・サービス、無人運転サービス、医療サービス、マップベース・サービス（たとえば、ルート・プランニング・サービス）、ライブ・チャット・サービス、クエリ・サービス、感覚体験サービスなど、またはそれらの任意の組合せを含み得る。タクシー配車サービスを一例として挙げると、サービス要求は、出発ロケーション、目的地、開始時間などを含み得る。出発場所は、要求者が自分の行程を開始する場所を指し得る。目的地は、要求者が自分の行程を終了する場所を指し得る。サービス要求は、ユーザの識別情報（たとえば、識別（ＩＤ）、電話番号、ユーザの名前など）をさらに含み得る。

６２０において、１人または複数のユーザは、最適化モデルを使用して第１のユーザ・グループと第２のユーザ・グループとに分類され得る。１人または複数のユーザは、たとえば、分類ユニット４１０によって分類され得る。いくつかの実施形態では、最適化モデル（たとえば、Ａ／Ｂテスト・モデル）は、複数の機能を実施するように構成された論理コードの集合の形態であり得る。たとえば、最適化モデルは、１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類するために使用され得る。第１のユーザ・グループと第２のユーザ・グループとは、ターゲット・プロジェクトの２つのストラテジー（たとえば、動的価格調整プロジェクトの２つのストラテジー）に対応し得る。最適化モデルは、２つのストラテジーを比較し、２つのストラテジーから最適ストラテジーを決定し得る。本明細書で使用されるストラテジーは、ターゲット・プロジェクトを達成するための方法またはプランを指し得る。ストラテジーは可視または不可視であり得る。たとえば、ストラテジーは、１人または複数のユーザの（１つまたは複数の）ユーザ端末１４０中のアプリケーションのある設計または機能を含み得る。別の例として、ストラテジーは動的価格調整アルゴリズムを含み得る。

単に例示の目的で、第１のストラテジーは、ピーク時間（たとえば、８：００〜９：００、１７：００〜１８：００など）においてサービスの価格に係数１を乗算することであり得、第２のストラテジーは、ピーク時間において価格に係数１．５を乗算することであり得る。いくつかの実施形態では、第１のユーザ・グループは介入群（ｔｒｅａｔｍｅｎｔ ｇｒｏｕｐ）であり得、第２のユーザ・グループは対照群（ｃｏｎｔｒｏｌ ｇｒｏｕｐ）であり得る。いくつかの実施形態では、第１のユーザ・グループは対照群であり得、第２のユーザ・グループは介入群であり得る。

分類ユニット４１０は、ストラテジー評価システム１００が１人または複数のユーザからサービス要求を取得すると、１人または複数のユーザを２つのグループに分類し得る。いくつかの実施形態では、判定ユニット４５０は、ストラテジー評価システム１００がユーザからサービス要求を取得すると、ユーザが２つのユーザ・グループのうちのいずれか一方に属するかどうかを決定し得る。いくつかの実施形態では、判定ユニット４５０は、たとえば、サービス要求中のユーザ識別情報に基づいて、ユーザがユーザ・グループに属するかどうかを決定し得る。ユーザがあるユーザ・グループに属すると決定されると、分類ユニット５１０はユーザをユーザ・グループに分類し得る。ユーザがユーザ・グループに属しないと決定されると、分類ユニット４１０は、ランダム・グループ化アルゴリズムに基づいてユーザをユーザ・グループに分類し得る。たとえば、分類ユニット４１０は、ソルト付きハッシュ・アルゴリズムを使用して１人または複数のユーザを分類し得る。別の例として、分類ユニット４１０は、各ユーザのために割り当てられたランダム数とあらかじめ設定されたしきい値とに基づいて、１人または複数のユーザを分類し得る。ランダム数とあらかじめ設定されたしきい値とに基づく、２つのグループのうちの一方へのユーザの分類に関するより多くの説明が、本開示の他の場所（たとえば、図８およびそれの説明）において見つけられ得る。１人または複数のユーザを２つのユーザ・グループに分類した後に、処理エンジン１１２は、ユーザ・グループをストラテジー評価システム１００のストレージ・デバイス（たとえば、ストレージ・デバイス１３０）に記憶し得る。分類ユニット４１０はストレージ・デバイスにアクセスし、ユーザ・グループを取り出し得る。

いくつかの実施形態では、ユーザがユーザ・グループに分類された後、応答ユニット４６０は、ユーザから取得されたサービス要求に応答し得る。タクシー配車サービスを一例として挙げると、応答ユニット４６０は、サービス要求を受け付けることができる複数のサービス提供者（たとえば、ドライバ）にサービス要求を送り得る。

６３０において、２つのストラテジーに関連する１人または複数のユーザの端末から挙動データが取得され得る。挙動データは、たとえば、取得ユニット４２０によって取得され得る。いくつかの実施形態では、１人または複数のユーザの端末（たとえば、ユーザ端末１４０）は、アプリケーションに対するユーザ・アクティビティに基づいてユーザ・ログを生成し得る。本明細書で使用されるユーザ・ログは、ユーザがアプリケーションを動作させたときにユーザ・アクティビティを記録する（たとえば、アプリケーションにおいてサービス・オプションを選択する）ファイルのセットを指し得る。ユーザ・ログは、ユーザの基本情報（たとえば、ユーザ操作、ユーザＩＤ、ユーザのユーザ・グループ、ユーザの都市、ユーザの性別、ユーザの端末の動作システム）と、ユーザの挙動データとを含み得る。単に例示の目的で、ユーザの端末は、ユーザ・ログ「ＪＡＳＯＮ：｛“ｅｖｅｎｔ＿ｉｄ”：“ｆａｓｔ＿ｏｒｄｅｒ＿ｃｌｉｃｋ”；“ｐａｓｓｅｎｇｅｒ＿ｉｄ”：“１１５１１６”；“ｔｅｓｔ＿ｇｒｏｕｐ”：“介入”；“都市”：“北京”；“性別”：“男性”；“ｓｙｓｔｅｍ＿ｔｙｐｅ”：“ｉＯＳ”｝」を生成し得、ここで、「ｅｖｅｎｔ＿ｉｄ」はユーザ操作を指し得、「ｆａｓｔ＿ｏｒｄｅｒ＿ｃｌｉｃｋ」は、ユーザ操作がオーダーを要求していることを指し得、「ｐａｓｓｅｎｇｅｒ＿ｉｄ」はユーザＩＤを指し得、「１１５１１６」は、ユーザＩＤが１１５１１６であることを指し得、「ｔｅｓｔ＿ｇｒｏｕｐ」は、ユーザが属するユーザ・グループを指し得、「介入」は、ユーザが介入群に属することを指し得、「都市」は、ユーザがいる都市を指し得、「北京」は、ユーザが北京にいることを指し得、「性別」はユーザの性別を指し得、「男性」は、ユーザの性別が男性であることを指し得、「ｓｙｓｔｅｍ＿ｔｙｐｅ」は、ユーザの端末の動作システムのタイプを指し得、「ｉＯＳ」は、ユーザの端末の動作システムがｉＯＳであることを指し得る。

取得ユニット４２０は、１人または複数のユーザの端末からユーザ・ログを連続的にまたは周期的に取得し得る。いくつかの実施形態では、１人または複数のユーザの端末は、ネットワーク１２０を介してユーザ・ログをストレージ・デバイス（たとえば、ストレージ・デバイス１３０）に連続的にまたは周期的に送信し得る。取得ユニット４２０はストレージ・デバイスにアクセスし、ユーザ・ログを取り出し得る。いくつかの実施形態では、取得ユニット４２０は、Ｈａｄｏｏｐ分散ファイル・システムを使用してユーザ・ログを取得し得る。

６４０において、最適化モデルを使用して１人または複数のユーザの挙動データに基づいて、第１のユーザ・グループに関するパラメータの第１の値と、第２のユーザ・グループに関するパラメータの第２の値とが決定され得る。第１の値と第２の値とは、たとえば、分析ユニット４３０によって決定され得る。パラメータは、第１のストラテジーと第２のストラテジーとに対する１人または複数のユーザからのユーザ・フィードバックを示し得る。いくつかの実施形態では、パラメータは、第１のストラテジーと第２のストラテジーとについてのユーザ選好を反映し得る。単に例として、パラメータはオンライン・ツー・オフライン・サービスのオーダー情報に関連し得る。タクシー配車サービスを一例として挙げると、パラメータは、サービス・オーダーの数、オーダー受付けレート、サービス・オーダーの平均応答時間など、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、パラメータは、多次元におけるものであり得る。いくつかの実施形態では、多次元は、ユーザの複数の属性によって表され得る。たとえば、多次元は、ユーザの年齢、ユーザの性別、ユーザが住んでいる都市、ユーザの端末の動作システムなど、またはそれらの任意の組合せを含み得る。単に例示の目的で、「北京」、「男性」、および「ｉＯＳ」のような多次元におけるパラメータ「サービス・オーダーの平均数」は、ｉＯＳ動作システムをもつ端末を使用する、北京にいる男性についてのサービス・オーダーの平均数を指し得る。いくつかの実施形態では、パラメータおよび／またはパラメータの多次元は、シナリオ・アプリケーションに従って選択され得る。多次元に関するより多くの説明が、本開示の他の場所（たとえば、図７Ｂおよびそれの説明）において見つけられ得る。

いくつかの実施形態では、分析ユニット４３０は、ビッグ・データ分析方法を使用して、挙動データに基づいて、第１のユーザ・グループに関する１次元または多次元におけるパラメータの第１の値と、第２のユーザ・グループに関する１次元または多次元におけるパラメータの第２の値とを決定し得る。タクシー配車サービスを一例として挙げると、パラメータは「サービス・オーダーの平均数」であり得、次元は「北京」であり得る。分析ユニット４３０は、第１のグループ中のユーザの挙動データと、次元とに基づいて、サブグループを決定し得る。サブグループ中のユーザは、第１のユーザ・グループ中の、北京に住んでいる人々であり得る。分析ユニット４３０は、ユーザの挙動データに基づいてサブグループ中のユーザのサービス・オーダーの平均数（すなわち、第１の値）をさらに決定し得る。同様に、分析ユニット４３０は、第２のユーザ・グループ中のユーザの挙動データに基づいて第２の値を決定し得る。別の例として、パラメータは「サービス・オーダーの平均数」であり得、多次元は「北京」、「男性」、および「ｉＯＳ」であり得る。分析ユニット４３０は、第１のユーザ・グループ中のユーザの挙動データと、多次元とに基づいてサブグループを決定し得る。サブグループ中のユーザは、第１のユーザ・グループから、サブグループ中のユーザの端末中のＩＯＳ動作システムを使用する北京にいる男性を選択し得る。分析ユニット４３０は、ユーザの挙動データに基づいてサブグループ中のユーザのサービス・オーダーの平均数（すなわち、第１の値）をさらに決定し得る。同様に、分析ユニット４３０は、第２のユーザ・グループ中のユーザの挙動データに基づいて第２の値を決定し得る。

６５０において、第１の値と第２の値とが端末デバイスに送信され得る。第１の値と第２の値とは、たとえば、送信ユニット４４０によって送信され得る。本明細書の端末デバイスは、ストラテジー評価システム１００に関連する情報（たとえば、第１の値、第２の値）をユーザ（たとえば、２つのストラテジーに関連する技術者、意思決定者）に表示するために使用され得る。いくつかの実施形態では、送信ユニット４４０は、ネットワーク１２０を介して第１の値と第２の値とを端末デバイスのビジュアル・インターフェースに送信し得る。端末デバイスのビジュアル・インターフェースは、第１の値と第２の値とをテキスト、グラフ、オーディオ、ビデオなど、またはそれらの任意の組合せの形態で表示し得る。

６６０において、第１の値と第２の値とに基づいて第１のユーザ・グループと第２のユーザ・グループとからユーザ・グループが選択され得る。ユーザ・グループは、たとえば、分析ユニット４３０によって選択され得る。いくつかの実施形態では、分析ユニット４３０は、第１の値と第２の値とを比較することによって、第１のユーザ・グループと第２のユーザ・グループとからユーザ・グループを選択し得る。単に例示の目的で、パラメータが「サービス・オーダーの数」である場合、分析ユニット４３０は、サービス・オーダーのより大きい数をもつユーザ・グループを選択されたユーザ・グループに指定し得る。

６７０において、選択されたユーザ・グループに対応するストラテジーが最適ストラテジーとして決定され得る。最適ストラテジーは、たとえば、分析ユニット４３０によって決定され得る。最適ストラテジーはターゲット・プロジェクトに適用され得る。たとえば、ピーク時間（たとえば、８：００〜９：００、１７：００〜１８：００など）においてサービスの価格に係数１を乗算する最適ストラテジーが、タクシー配車サービスにおける動的価格調整プロジェクトに適用され得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。いくつかの実施形態では、複数のストラテジーから最適ストラテジーを決定するために、プロセス６００が複数回実施され得る。いくつかの実施形態では、１つまたは複数のステップが追加または省略され得る。たとえば、ステップ６５０が省略され得る。別の例として、ステップ６６０およびステップ６７０は単一のステップに組み込まれ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。

図７Ａは、本開示のいくつかの実施形態による、最適ストラテジーを決定するための例示的なプロセスを示す概略図である。いくつかの実施形態では、プロセス７００は、図６中のプロセス６００と組み合わせて最適ストラテジーを決定するためのプロセスを示し得る。図７に示されているように、７１０において、複数のサービス要求が複数のユーザから取得され得、７２０において、複数のユーザは第１のユーザ・グループと第２のユーザ・グループとに分類され得る。たとえば、複数のユーザは、区分関数（ｐｉｅｃｅｗｉｓｅ ｆｕｎｃｔｉｏｎ）、機械学習モデルなどの分類アルゴリズムに従って２つのユーザ・グループに分類され得る。第１のユーザ・グループと第２のユーザ・グループとは、それぞれ２つのストラテジーに対応し得る。７３０において、２つのストラテジーに関連する複数のユーザの挙動データが、複数のユーザの端末から取得され得る。次いで、第１のユーザ・グループと第２のユーザ・グループとに関する多次元におけるパラメータ（たとえば、１か月、北京にいる男性のサービス・オーダーの数）の第１の値と第２の値とが、それぞれ、決定され得る。７４０において、第１の値と第２の値とが、たとえば、図の形式で比較され得る。最終的に、第１の値と第２の値との比較に基づいて、２つのストラテジーから最適ストラテジーが決定され得る。

図７Ｂは、本開示のいくつかの実施形態による、多次元における例示的なパラメータを示す概略図である。図７Ｂに示されているように、３つの軸Ｘ、Ｙ、およびＺは、パラメータＭ（たとえば、サービス・オーダーの数、サービス・オーダーの負のフィードバックなど）の３つの次元を指す。たとえば、軸Ｘは、ユーザが住んでいる都市を指し得、軸Ｙはユーザの性別を指し得、軸Ｚはユーザの学歴を指し得る。Ｍ_Ａは、第１のユーザ・グループに関するパラメータの値を指し得る。Ｍ_Ｂは、第２のユーザ・グループに関するパラメータの値を指し得る。Ｍ_Ａ（Ｙ_ｎ，Ｚ_ｎ）およびＭ_Ａ（Ｘ_ｎ，Ｙ_ｎ，Ｚ_ｎ）は、それぞれ、第１のユーザ・グループに関する、２次元（すなわち、次元ＹおよびＺ）および３次元（すなわち、次元Ｘ、Ｙ、およびＺ）におけるパラメータＭの第１の値を指し得る。Ｍ_Ｂ（Ｙ_ｎ，Ｚ_ｎ）およびＭ_Ｂ（Ｘ_ｎ，Ｙ_ｎ，Ｚ_ｎ）は、それぞれ、第２のユーザ・グループに関する、２次元（すなわち、次元ＹおよびＺ）および３次元（すなわち、次元Ｘ、Ｙ、およびＺ）におけるパラメータＭの第２の値を指し得る。単に例として、Ｍ_Ａ（Ｘ_ｎ，Ｙ_ｎ，Ｚ_ｎ）は、その人の学歴が学生（ｕｎｄｅｒｇｒａｄｕａｔｅ）である、北京にいる男性からのサービス・オーダーの数を指し得る。

図８は、本開示のいくつかの実施形態による、１人または複数のユーザをユーザ・グループに分類するための例示的なプロセス８００を示すフローチャートである。いくつかの実施形態では、プロセス８００は、ストラテジー評価システム１００において実装され得る。たとえば、プロセス８００は、命令の形態としてストレージ・デバイス１３０および／またはストレージ（たとえば、コンピュータ可読媒体２３０）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２１０）によって呼び出され、および／または実行され得る。いくつかの実施形態では、プロセス８００中の１つまたは複数の動作は、分類ユニット４１０によって実施され得る。

８１０において、１人または複数のユーザの各々についてのランダム数が生成され得る。いくつかの実施形態では、ランダム数は、任意の正の数、たとえば、０．８、１、５、１２、８８などであり得る。いくつかの実施形態では、ランダム数は、ある範囲、たとえば、１〜１００中にあり得る。

８２０において、ユーザについてのランダム数がしきい値よりも大きいかどうかに関する決定が行われ得る。しきい値は、ユーザ（たとえば、２つのストラテジーに関連する技術者、意思決定者）によって、ストラテジー評価システム１００のデフォルト設定に従って設定されるか、または異なる状況下で調整され得る。いくつかの実施形態では、しきい値は、第１のユーザ・グループ中のユーザの所定の数であり得る。いくつかの実施形態では、しきい値は、複数のユーザのすべてに関する第１のユーザ・グループ中のユーザの所定の割合（たとえば、４０％、６０％、または８０％）に対応する値であり得る。たとえば、第１のユーザ・グループ中のユーザの割合および第２のユーザ・グループ中のユーザの割合が、それぞれ６０％および４０％である場合、しきい値は６０として設定され得る。

ユーザのランダム数がしきい値よりも大きい場合、プロセス８００は８３０に進み得る。８３０において、分類ユニット４１０はユーザを第１のユーザ・グループに分類し得る。

ユーザのランダム数がしきい値以下である場合、プロセス８００は８４０に進み得る。８４０において、分類ユニット４１０はユーザを第２のユーザ・グループに分類し得る。

図９は、本開示のいくつかの実施形態による、最適化モデルを調整するための例示的なプロセス９００を示すフローチャートである。いくつかの実施形態では、プロセス９００は、ストラテジー評価システム１００において実装され得る。たとえば、プロセス９００は、命令の形態としてストレージ・デバイス１３０および／またはストレージ（たとえば、コンピュータ可読媒体２３０）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２１０）によって呼び出され、および／または実行され得る。いくつかの実施形態では、プロセス９００中の動作は、決定ユニット５２０および／または出力ユニット５３０によって実施され得る。

９１０において、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分が決定され得る。いくつかの実施形態では、パラメータ差分は、最適化モデルが系統的誤差を有しない場合、第１のユーザ・グループに関するパラメータの第１の値と、第２のユーザ・グループに関するパラメータの第２の値との間の差分を表し得る。いくつかの実施形態では、最適化モデルの系統的誤差は、最適化モデルにおいて使用されるアルゴリズムに関係し得る。いくつかの実施形態では、パラメータ差分は、（「第１の差分値」とも呼ばれる）差分値または比値であり得る。いくつかの実施形態では、最適化モデルの系統的誤差が考慮される場合、第１の差分値は、（「第２の差分値」とも呼ばれる）最適化モデルの系統的誤差、および（「第３の差分値」とも呼ばれる）第１のユーザ・グループに関するパラメータの第１の値と第２のユーザ・グループに関するパラメータの第２の値との間の差分に基づいて決定され得る。たとえば、第１の差分値は、第３の差分から第２の差分値を減算することによって決定され得る。いくつかの実施形態では、第２の差分値は、補正モデル（たとえば、Ａ／Ａテスト・モデル）を使用して決定され得る。

いくつかの実施形態では、最適化モデルの系統的誤差が考慮される場合、比値は、最適化モデルの系統的誤差、および第１の値と第２の値との間の比に基づいて決定され得る。たとえば、比値は、第２の値を第１の値で除算し、次いで、第２の値と第１の値との商に、最適化モデルの系統的誤差に関連する補正係数を乗算することによって決定され得る。

９２０において、パラメータ差分の信頼性レベルが決定され得る。本明細書で使用される、パラメータ差分の信頼性レベルは、測定が何回か繰り返されるときのパラメータ差分の再現性を指し得る。決定ユニット５２０は、様々なやり方で信頼性レベルを決定し得る。いくつかの実施形態では、決定ユニット５２０は、あらかじめ設定された信頼係数において、パラメータ差分（たとえば、第１の差分値）の信頼区間に基づいて信頼性レベルを決定し得る。あらかじめ設定された信頼係数におけるパラメータ差分の信頼区間は、パラメータ差分（たとえば、第１の差分値）がその信頼区間に入る確率が、あらかじめ設定された信頼係数に関連することを指し得る。単に例示の目的で、あらかじめ設定された信頼係数（たとえば、９５％）におけるパラメータ差分の信頼区間（たとえば、（５０，８０））は、パラメータ差分が（５０，８０）の範囲に入る確率が９５％であることを指し得る。あらかじめ設定された信頼係数は、ユーザによって手動で設定されるか、またはデフォルト設定に従ってストラテジー評価システム１００の１つまたは複数の構成要素によって決定され得る。たとえば、あらかじめ設定された信頼係数は、９０％、９５％、または９９％であり得る。あらかじめ設定された信頼係数における差分値の信頼区間に基づく信頼性レベルの決定に関するより多くの説明が、本開示の他の場所（たとえば、図１２およびそれの説明）において見つけられ得る。

いくつかの実施形態では、決定ユニット５２０は、パラメータ差分（たとえば、第１の差分値）のＰ値と有意値との比較に基づいて、信頼性レベルを決定し得る。差分値のＰ値と有意値との比較は、仮説検定と呼ばれることがあり、仮説検定は、パラメータ差分に関する帰無仮説および対立仮説を評価するために使用され得る。帰無仮説および対立仮説は、ユーザによって、またはデフォルト設定に従ってストラテジー評価システム１００の１つまたは複数の構成要素によって提案され得る。単に例として、帰無仮説は、第１のユーザ・グループに関するパラメータの第１の値が、第２のユーザ・グループに関するパラメータの第２の値と同じであり（すなわち、第３の差分値が０である）得る。対立仮説は、第１のユーザ・グループに関するパラメータの第１の値が、第２のユーザ・グループに関するパラメータの第２の値とは異なる（すなわち、第３の差分値が０でない）ことであり得る。

いくつかの実施形態では、有意値は、ユーザによって手動で設定されるか、またはデフォルト設定に従ってストラテジー評価システム１００の１つまたは複数の構成要素によって決定され得る。たとえば、有意値は、０．０１、０．０５、または０．１０であり得る。単に例示の目的で、Ｐ値が有意値よりも小さいかまたはそれに等しい（たとえば、Ｐ≦０．０５）場合、帰無仮説が棄却され得、対立仮説が採択され得る。Ｐ値が有意値よりも大きい（たとえば、Ｐ＞０．０５）場合、帰無仮説が採択され得る。第１の差分値のＰ値と有意値との比較に基づく信頼性レベルの決定についてのより多くの説明が、本開示の他の場所（たとえば、図１３およびそれの説明）において見つけられ得る。

いくつかの実施形態では、決定ユニット５２０は、あらかじめ設定された信頼係数におけるパラメータ差分（たとえば、差分値、比値）の信頼区間とパラメータ差分のＰ値とに基づいて信頼性レベルを決定し得る。たとえば、決定ユニット５２０は、あらかじめ設定された信頼係数における比値の信頼区間を決定し、次いで、比値のＰ値を有意値と比較し得る。

９３０において、パラメータ差分とパラメータ差分の信頼性レベルとに基づいて、最適化モデルに関係する最終スコアが決定され得る。いくつかの実施形態では、出力ユニット５３０は、第１のユーザ・グループと第２のユーザ・グループとに関する複数のパラメータ（たとえば、サービス・オーダーの数、サービスに対する費用、ユーザ・レーティングなど）に対応する複数のパラメータ差分を決定し得る。出力ユニット５３０は、複数のパラメータ差分の複数の信頼性レベルを決定し得る。出力ユニット５３０は、パラメータのパラメータ差分とパラメータ差分の信頼性レベルとに基づいて、各パラメータについての最適化モデルに関係するスコアを決定し得る。本明細書で使用される、パラメータについてのスコアは、パラメータの観点からの最適化モデルの評価結果であり得る。出力ユニット５３０は、複数のパラメータについてのスコアと複数のパラメータの重みとに基づいて、最適化モデルに関係する最終スコアをさらに決定し得る。本明細書で使用される、最終スコアは、複数のパラメータの観点からの最適化モデルの評価結果であり得る。パラメータの重みは、最適化モデルの評価におけるパラメータの重要性を示し得る。単に例示の目的で、第１のパラメータについての第１のスコア、第２のパラメータについての第２のスコア、および第３のパラメータについての第３のスコアは、それぞれ、８０、９０、および９５であり、第１のパラメータの第１の重み、第２のパラメータの第２の重み、および第３のパラメータの第３の重みは、それぞれ、２０％、３０％、および５０％であり、最終スコアは９０．５（８０×２０％＋９０×３０％＋９５×５０％＝９０．５）であり得る。

９４０において、最適化モデルは、最適化モデルに関係する最終スコアに基づいて調整され得る。いくつかの実施形態では、出力ユニット５３０は、最終スコアがしきい値よりも小さい場合、最適化モデルを調整し得る。たとえば、出力ユニット５３０は、１人または複数のユーザが２つのグループに分類されるやり方を調整し得る。別の例として、出力ユニット５３０は、パラメータの第１の値と第２の値とが決定されるやり方を調整し得る。いくつかの実施形態では、最適化モデルの調整は、１つまたは複数の反復を含む反復的プロセスであり得る。各反復中に、出力ユニット５３０は、最適化モデルに関係する最終スコアに基づいて最適化モデルを調整し得る。いくつかの実施形態では、反復的プロセスは、最終スコアがしきい値以上であるとき、終了し得る。いくつかの実施形態では、反復的プロセスは、一定数の反復（たとえば、１００回、３００回など）が完了したとき、終了し得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。いくつかの実施形態では、１つまたは複数のステップが追加または省略され得る。たとえば、ステップ９３０およびステップ９４０は単一のステップに組み込まれ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。

図１０は、本開示のいくつかの実施形態による、パラメータのパラメータ差分を決定するための例示的なプロセス１０００を示すフローチャートである。いくつかの実施形態では、プロセス１０００は、ストラテジー評価システム１００において実装され得る。たとえば、プロセス１０００は、命令の形態としてストレージ・デバイス１３０および／またはストレージ（たとえば、コンピュータ可読媒体２３０）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２１０）によって呼び出され、および／または実行され得る。いくつかの実施形態では、プロセス１０００中の動作は、決定ユニット５２０によって実施され得る。

１０１０において、第２の差分値が決定され得る。第２の差分値は最適化モデルの系統的誤差を指し得る。いくつかの実施形態では、決定ユニット５２０は、第１のユーザ・グループに関するパラメータの第３の値と、第２のユーザ・グループに関するパラメータの第４の値とに基づいて、第２の差分値を決定し得る。第３の値および第４の値は、補正モデル（たとえば、Ａ／Ａテスト・モデル）を使用して決定され得る。たとえば、第２の差分値は、第３の値から第４の値を減算することによって決定され得る。第２の差分値の決定についてのより多くの説明が、本開示の他の場所（たとえば、図１１およびそれの説明）において見つけられ得る。

１０２０において、第１の値と第２の値とに基づいて、第３の差分値が決定され得る。いくつかの実施形態では、第３の差分値は、第１の値と第２の値との間の差分であり得る。たとえば、決定ユニット５２０は、第２の値（または第１の値）から第１の値（または第２の値）を減算することによって、第３の差分値を決定し得る。

１０３０において、第２の差分値と第３の差分値とに基づいて、第１の差分値が決定され得る。いくつかの実施形態では、決定ユニット５２０は、第３の差分値から第２の差分値を減算することによって第１の差分値を決定し、これにより、システム・エラーをなくすかまたは低減し得る。たとえば、第２の差分値は０．４であり、第３の差分値は１．２である。第１の差分値は、０．８（１．２−０．４＝０．８）であり得る。いくつかの実施形態では、決定ユニット５２０は、ＣａｕｓａｌＩｍｐａｃｔモデルを使用して第１の差分値を決定し得る。いくつかの実施形態では、ＣａｕｓａｌＩｍｐａｃｔモデルは、時系列上での設計された介入の因果的効果を推定するための構造ベイズ時系列モデル（ｓｔｒｕｃｔｕｒａｌ Ｂａｙｅｓｉａｎ ｔｉｍｅ−ｓｅｒｉｅｓ ｍｏｄｅｌ）を含み得る。

１０４０において、第１の差分値が、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分に指定され得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。たとえば、ステップ１０１０およびステップ１０２０は１つのステップにマージされ得る。別の例として、ステップ１０１０および１０２０は、同時に、または任意の順序で実施され得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。

図１１は、本開示のいくつかの実施形態による、第２の差分値を決定するための例示的なプロセス１１００を示すフローチャートである。いくつかの実施形態では、プロセス１１００は、ストラテジー評価システム１００において実装され得る。たとえば、プロセス１１００は、命令の形態としてストレージ・デバイス１３０および／またはストレージ（たとえば、コンピュータ可読媒体２３０）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２１０）によって呼び出され、および／または実行され得る。いくつかの実施形態では、プロセス１１００中の動作は、決定ユニット５２０によって実施され得る。

１１１０において、２つのストラテジーのうちの一方に関連する１人または複数のユーザの挙動データが取得され得る。いくつかの実施形態では、１人または複数のユーザの挙動データは、１人または複数のユーザのユーザ・ログから取得され得る。いくつかの実施形態では、１人または複数のユーザの挙動データを取得するための動作は、６３０における動作と同じまたは類似であり得る。１人または複数のユーザは、同じストラテジーに対応し得る。たとえば、１人または複数のユーザは、ピーク時間（たとえば、８：００〜９：００、１７：００〜１８：００など）においてサービスの価格に係数１を乗算するストラテジーに対応し得る。

１１２０において、補正モデルを使用して、２つのストラテジーのうちの一方に関連する１人または複数のユーザの挙動データに基づいて、第１のユーザ・グループに関するパラメータの第３の値と、第２のユーザ・グループに関するパラメータの第４の値とが決定され得る。本明細書で使用される、補正モデル（たとえば、Ａ／Ａテスト・モデル）は、最適化モデルの系統的誤差を補正するように構成され得る。いくつかの実施形態では、補正モデルは、補正モデルが第１のユーザ・グループと第２のユーザ・グループとを同じストラテジーに関連付けることを除いて、最適化モデルと同じまたは類似であり得る。たとえば、Ａ／Ａテスト・プロセスでは、第１のユーザ・グループと第２のユーザ・グループとは、第１のストラテジーまたは第２のストラテジーに対応し得る。

１１３０において、第３の値と第４の値とに基づいて、第２の差分値が決定され得る。いくつかの実施形態では、第２の差分値は、第３の値と第４の値との間の差分であり得る。たとえば、決定ユニット５２０は、第４の値（または第３の値）から第３の値（または第４の値）を減算することによって、第２の差分値を決定し得る。いくつかの実施形態では、第２の差分値が０である場合、それは、最適化モデル中に系統的誤差がないことを示し得る。

いくつかの実施形態では、決定ユニット５２０は、Ｐ値と有意値との比較に基づいて、第２の差分値の信頼性レベルを決定し得る。Ｐ値の決定についてのより多くの説明が、本開示の他の場所（たとえば、図１３およびそれの説明）において見つけられ得る。いくつかの実施形態では、Ｐ値が有意値以下である（たとえば、Ｐ≦０．０５）場合、それは、補正モデルに関係する、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分が信頼できることを示し得る。この場合、決定ユニット５２０は、その最適化モデルを使用することをやめ、新しい最適化モデルを設計し得る。Ｐ値が有意値よりも大きい（たとえば、Ｐ＞０．０５）場合、それは、補正モデルに関係する、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータのパラメータ差分が信頼できない、すなわち、パラメータ差分が有意でないことを示し得る。この場合、決定ユニット５２０は、補正モデルを使用して最適化モデルを補正し得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。たとえば、最適ストラテジーを決定するとき、プロセス１１００はプロセス６００の前に実施され得るか、またはプロセス１１００とプロセス６００とは同時に実施され得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。

図１２は、本開示のいくつかの実施形態による、パラメータ差分の信頼性レベルを決定するための例示的なプロセス１２００を示すフローチャートである。いくつかの実施形態では、プロセス１２００は、ストラテジー評価システム１００において実装され得る。たとえば、プロセス１２００は、命令の形態としてストレージ・デバイス１３０および／またはストレージ（たとえば、コンピュータ可読媒体２３０）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２１０）によって呼び出され、および／または実行され得る。いくつかの実施形態では、プロセス１２００中の動作は、決定ユニット５２０によって実施され得る。

１２０１において、あらかじめ設定された信頼係数における第１の差分値の信頼区間が決定され得る。あらかじめ設定された信頼係数における第１の差分値の信頼区間は、第１の差分値がその信頼区間に入る確率が、あらかじめ設定された信頼係数に関連することを指し得る。単に例示の目的で、あらかじめ設定された信頼係数（たとえば、９５％）における信頼区間（たとえば、（５０，９０））は、第１の差分値が（５０，９０）の範囲に入る確率が９５％であることを指し得る。

いくつかの実施形態では、パラメータは、サービス・オーダーの平均数であり得る。単に例示の目的で、第１のユーザ・グループ中の各ユーザについてのサービス・オーダーの数は、（ｘ_１，ｘ_２，ｘ_３，．．．．．．，ｘ_ｉ，．．．．．．，ｘ_ｎ１）として表され得、ここで、ｎ_１は、第１のユーザ・グループ中のユーザの数を指し、ｘ_ｉは、第１のユーザ・グループ中のｉ番目のユーザについてのサービス・オーダーの数を指す。いくつかの実施形態では、第１のユーザ・グループ中のサービス・オーダーの平均数は、式（１）に従って決定され得る。

ここで、ｍ_１は、第１のユーザ・グループ中のサービス・オーダーの平均数を指し、ｘ_ｉは、第１のユーザ・グループ中のｉ番目のユーザについてのサービス・オーダーの数を指し、ｎ_１は、第１のユーザ・グループ中のユーザの数を指す。第１のユーザ・グループ中のサービス・オーダーの数の分散が、式（２）に従って決定され得る。

ここで、σ１は、第１のユーザ・グループ中のサービス・オーダーの数の分散を指し、ｘ_ｉは、第１のユーザ・グループ中のｉ番目のユーザについてのサービス・オーダーの数を指し、ｍ_１は、第１のユーザ・グループ中のサービス・オーダーの平均数を指し、ｎ_１は、第１のユーザ・グループ中のユーザの数を指す。同様に、第２のユーザ・グループ中の各ユーザについてのサービス・オーダーの数が、（ｙ_１，ｙ_２，ｙ_３，．．．．．．，ｙ_ｉ，．．．．．．，ｙ_ｎ２）として表され得ることが仮定され、ここで、ｎ_２は、第２のユーザ・グループ中のユーザの数を指し、ｙ_ｉは、第２のユーザ・グループ中のｉ番目のユーザについてのサービス・オーダーの数を指す。いくつかの実施形態では、第１のユーザ・グループ中のサービス・オーダーの平均数は、式（３）に従って決定され得る。

ここで、ｍ_２は、第２のユーザ・グループ中のサービス・オーダーの平均数を指し、ｙ_ｉは、第１のユーザ・グループ中のｉ番目のユーザについてのサービス・オーダーの数を指し、ｎ_２は、第２のユーザ・グループ中のユーザの数を指す。第２のユーザ・グループ中のサービス・オーダーの数の分散が、式（４）に従って決定され得る。

ここで、σ_２は、第２のユーザ・グループ中のサービス・オーダーの数の分散を指し、ｙｉは、第２のユーザ・グループ中のｉ番目のユーザについてのサービス・オーダーの数を指し、ｍ_２は、第２のユーザ・グループ中のサービス・オーダーの平均数を指し、ｎ_２は、第２のユーザ・グループ中のユーザの数を指す。いくつかの実施形態では、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータの第１の差分値は、式（５）に従って決定され得る。
Ｄ_１＝ｍ_２−ｍ_１±Δｕ、 （５）
ここで、Ｄ_１は第１の差分値を指し、ｍ_１は、第１のユーザ・グループ中のサービス・オーダーの平均数を指し、ｍ_２は、第２のユーザ・グループ中のサービス・オーダーの平均数を指し、Δｕは第２の差分値（すなわち、最適化モデルの系統的誤差）を指す。

いくつかの実施形態では、信頼区間の開始点が、式（６）に従って決定され得る。

ここで、Ｃ_１は信頼区間の開始点を指し、Ｄ_１は第１の差分値を指し、σ_１は、第１のユーザ・グループ中のサービス・オーダーの数の分散を指し、σ_２は、第２のユーザ・グループ中のサービス・オーダーの数の分散を指し、ｎ_１は、第１のユーザ・グループ中のユーザの数を指し、ｎ_２は、第２のユーザ・グループ中のユーザの数を指し、αは有意値を指し、１−αは信頼係数を指し、

は、数学におけるパラメータの分布に基づいて決定され得る。いくつかの実施形態では、取得ユニット４２０は、分布表を調べることによってパラメータの分布を取得し得る。いくつかの実施形態では、数学におけるパラメータの分布は、パラメータのタイプに従って決定され得る。たとえば、パラメータがサービス・オーダーの平均数である場合、数学におけるパラメータの分布はベルヌーイ分布であり得る。別の例として、パラメータがユーザの費用である場合、数学におけるパラメータの分布は正規分布であり得る。信頼区間の終了点が、式（７）に従って決定され得る。

ここで、Ｃ_２は信頼区間の終了点を指し、Ｄ_１は第１の差分値を指し、σ_１は、第１のユーザ・グループ中のサービス・オーダーの数の分散を指し、σ_２は、第２のユーザ・グループ中のサービス・オーダーの数の分散を指し、ｎ_１は、第１のユーザ・グループ中のユーザの数を指し、ｎ_２は、第２のユーザ・グループ中のユーザの数を指し、αは有意値を指し、１−αは信頼係数を指し、

は、数学におけるパラメータの分布に基づいて決定され得る。したがって、現在の信頼係数における差分値の信頼区間は、式（８）に従って決定され得る。

１２２０において、パラメータ差分の信頼性レベルは、あらかじめ設定された信頼係数における差分値の信頼区間に基づいて決定され得る。いくつかの実施形態では、信頼区間が０を含む場合、それは、第１のユーザ・グループと第２のユーザ・グループとに関するパラメータ（たとえば、サービス・オーダーの平均数）のパラメータ差分が有意でないことを示し得る。信頼区間が０を含まず、信頼区間の開始点と終了点の両方が０よりも大きい場合、それは、第２のストラテジーに関連する第２のユーザ・グループ中のサービス・オーダーの平均数が、第１のストラテジーに関連する第１のユーザ・グループ中のサービス・オーダーの数よりも大きいことを示し得る。信頼区間が０を含まず、信頼区間の開始点と終了点の両方が０よりも小さい場合、それは、第２のストラテジーに関連する第２のユーザ・グループ中のサービス・オーダーの平均数が、第１のストラテジーに関連する第１のユーザ・グループ中のサービス・オーダーの平均数よりも小さいことを示し得る。

図１３は、本開示のいくつかの実施形態による、パラメータ差分の信頼性レベルを決定するための例示的なプロセス１３００を示すフローチャートである。いくつかの実施形態では、プロセス１３００は、ストラテジー評価システム１００において実装され得る。たとえば、プロセス１３００は、命令の形態としてストレージ・デバイス１３０および／またはストレージ（たとえば、コンピュータ可読媒体２３０）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２１０）によって呼び出され、および／または実行され得る。いくつかの実施形態では、プロセス１３００中の動作は、決定ユニット５２０によって実施され得る。

１３１０において、Ｐ値は、第１の差分値と数学におけるパラメータの分布とに基づいて決定され得る。いくつかの実施形態では、パラメータは、サービス・オーダーの平均数であり得る。単に例示の目的で、統計値が、式（９）に従って決定され得る。

ここで、ｔは統計値を指し、Ｄ_１は（たとえば、式（５）に従って決定された）第１の差分値を指し、σ_１は、（たとえば、式（２）に従って決定された）第１のユーザ・グループ中のサービス・オーダーの数の分散を指し、σ_２は、（たとえば、式（４）に従って決定された）第２のユーザ・グループ中のサービス・オーダーの数の分散を指し、ｎ１は、第１のユーザ・グループ中のユーザの数を指し、ｎ２は、第２のユーザ・グループ中のユーザの数を指す。統計値は、たとえば、仮説検定中に、取得されたデータ（たとえば、ユーザの挙動データ）に基づいて決定される、標準化された値であり得る。Ｐ値は、式（１０）に従って決定され得る。
Ｐ＝２・ｐ（ｚ＞｜ｔ｜）、 （１０）
ここで、ＰはＰ値を指し、ｐ（ｚ＞｜ｔ｜）は、サービス・オーダーの平均数がｔよりも大きい範囲における正規分布曲線と横座標とによって囲まれたエリアを指し、ｔは統計値を指す。

１３２０において、Ｐ値は有意値と比較され得る。いくつかの実施形態では、有意値は、ユーザによって手動で設定されるか、またはデフォルト設定に従ってストラテジー評価システム１００の１つまたは複数の構成要素によって決定され得る。たとえば、有意値は０．０５であり得る。

１３３０において、パラメータ差分の信頼性レベルは、Ｐ値と有意値との比較に基づいて決定され得る。いくつかの実施形態では、帰無仮説および対立仮説は、ユーザによって、またはデフォルト設定に従ってストラテジー評価システム１００の１つまたは複数の構成要素によって提案され得る。たとえば、帰無仮説は、第１のユーザ・グループに関するパラメータの第１の値が、第２のユーザ・グループに関するパラメータの第２の値と同じであり（すなわち、第１の差分値が０である）得る。対立仮説は、第１のユーザ・グループに関するパラメータの第１の値が、第２のユーザ・グループに関するパラメータの第２の値とは異なる（すなわち、第１の差分値が０でない）こともあり得る。いくつかの実施形態では、帰無仮説と対立仮説とは交換可能であり得る。いくつかの実施形態では、Ｐ値が有意値以下である（たとえば、Ｐ≦０．０５）場合、帰無仮説は棄却され得、これは、第１のユーザ・グループに関するパラメータの第１の値が、第２のユーザ・グループに関するパラメータの第２の値とは異なることを示す。この場合、より小さいＰ値が、パラメータ差分のより高い信頼性レベルに対応し得る。Ｐ値が有意値よりも大きい（たとえば、Ｐ＞０．０５）場合、帰無仮説は採択され得、これは、第１のユーザ・グループに関するパラメータの第１の値が、第２のユーザ・グループに関するパラメータの第２の値と同じであることを示す。この場合、パラメータのパラメータ差分は信頼できないことがある。

ここまで基本概念を説明してきたが、この詳細な開示を読めば、上記の詳細な開示は例として提示されたものにすぎず、限定するものではないことが、当業者には十分に明らかであり得る。本明細書では明確に述べられないが、様々な改変、改善、および変更が行われ得、当業者に意図される。これらの改変、改善、および変更は、本開示によって示唆されるものであり、本開示の例示的な実施形態の趣旨および範囲内にある。

その上、本開示の実施形態について説明するために、ある用語が使用された。たとえば、「一実施形態（ｏｎｅ ｅｍｂｏｄｉｍｅｎｔ）」、「実施形態（ａｎ ｅｍｂｏｄｉｍｅｎｔ）」および「いくつかの実施形態（ｓｏｍｅ ｅｍｂｏｄｉｍｅｎｔｓ）」という用語は、実施形態に関して説明された特定の特徴、構造または特性が、本開示の少なくとも１つの実施形態中に含まれることを意味する。したがって、本明細書の様々な部分における「実施形態」、または「一実施形態」、または「代替実施形態（ａｎ ａｌｔｅｒｎａｔｉｖｅ ｅｍｂｏｄｉｍｅｎｔ）」への２つまたはそれ以上の言及は、必ずしもすべてが、同じ実施形態に言及しているとは限らないことが強調され、そのことを理解されたい。さらに、それらの特定の特徴、構造、または特性は、本開示の１つまたは複数の実施形態において好適なものとして組み合わせられ得る。

さらに、本開示の態様は、任意の新しく有用なプロセス、機械、製品、または組成物、あるいはそれらの任意の新しく有用な改善を含むいくつかの特許性があるクラスまたはコンテキストのいずれかにおいて、本明細書で図示および説明され得ることが、当業者によって理解されよう。したがって、本開示の態様は、完全にハードウェア実装されるか、完全に（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）ソフトウェア実装されるか、またはソフトウェア実装とハードウェア実装とを組み合わせて実装され得、それらはすべて、本明細書では一般に「モジュール」、「ユニット」、「構成要素」、「デバイス」、または「システム」と呼ばれることがある。さらに、本開示の態様は、コンピュータ可読プログラム・コードを具現した１つまたは複数のコンピュータ可読媒体中で具現されたコンピュータ・プログラム製品の形態をとり得る。

コンピュータ可読信号媒体は、コンピュータ可読プログラム・コードがその中で具現された伝搬データ信号を、たとえば、ベースバンド内にまたは搬送波の一部として含み得る。そのような伝搬信号は、電磁信号、光信号など、またはそれらの任意の適切な組合せを含む様々な形態のいずれかをとり得る。コンピュータ可読信号媒体は、コンピュータ可読ストレージ媒体ではなく、命令実行システム、装置、またはデバイスによってあるいはそれらに関連して使用するためのプログラムを通信するか、伝搬するか、または搬送し得る、任意のコンピュータ可読ストレージ媒体であり得る。コンピュータ可読信号媒体上で具現されたプログラム・コードは、ワイヤレス、ワイヤライン、光ファイバー・ケーブル、ＲＦなど、または前述の任意の好適な組合せを含む、任意の適切な媒体を使用して送信され得る。

本開示の態様の動作を実行するコンピュータ・プログラム・コードは、Ｊａｖａ（登録商標）、Ｓｃａｌｅ、Ｓｍａｌｌｔａｌｋ、Ｅｉｆｆｅｌ、ＪＡＤＥ、Ｅｍｅｒａｌｄ、Ｃ＋＋、Ｃ＃、ＶＢ．ＮＥＴ、またはＰｙｔｈｏｎなどのオブジェクト指向プログラミング言語、「Ｃ」プログラミング言語、Ｖｉｓｕａｌ Ｂａｓｉｃ、Ｆｏｒｔｒａｎ ２００３、Ｐｅｒｌ、ＣＯＢＯＬ ２００２、ＰＨＰ、ＡＢＡＰなどの従来の手続き型プログラミング言語、Ｐｙｔｈｏｎ、ＲｕｂｙおよびＧｒｏｏｖｙなどの動的プログラミング言語、または他のプログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組合せで書かれ得る。プログラム・コードは、全体をユーザのコンピュータ上で実行するか、一部をユーザのコンピュータ上で実行するか、スタンドアロン・ソフトウェア・パッケージとして実行するか、一部をユーザのコンピュータ上と部分的にリモート・コンピュータ上とで実行するか、あるいは全体をリモート・コンピュータまたはサーバ上で実行し得る。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む、任意のタイプのネットワークを通してユーザのコンピュータに接続され得、あるいは接続は、（たとえば、インターネット・サービス・プロバイダを使用してインターネットを通して）外部コンピュータに対して行われるか、またはクラウド・コンピューティング環境で行われるか、あるいはサービスとしてのソフトウェア（ＳａａＳ：Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）などのサービスとして提供され得る。

さらに、処理要素またはシーケンスの記載された順序、あるいは数字、文字、または他の記号の使用は、したがって、特許請求の範囲において指定され得る場合を除いて、請求されるプロセスおよび方法をいかなる順序にも限定するものではない。上記の開示は、様々な例を通して、本開示の様々な有用な実施形態であると現在見なされているものを論じたが、そのような詳細は、単にその目的のためのものであることと、添付の特許請求の範囲は、開示された実施形態に限定されず、むしろ、開示された実施形態の趣旨および範囲内にある変更および等価な構成をカバーするものであることとを理解されたい。たとえば、上記の様々な構成要素の実装は、ハードウェア・デバイスで具現され得、それはまた、ソフトウェアのみの解決策、たとえば、既存のサーバまたはモバイル・デバイス上でのインストールとして実装され得る。

同様に、本開示の実施形態の上記の説明では、様々な特徴が、様々な実施形態のうちの１つまたは複数の理解を助ける本開示を合理化する目的で、単一の実施形態、図、またはそれらの説明において一緒にグループ化されることがあることを理解されたい。しかしながら、本開示のこの方法は、請求される主題が、各請求項において明確に記載されているよりも多くの特徴を必要とするという意図を反映するものとして解釈されるべきではない。むしろ、特許請求の範囲の主題は、単一の上記の開示された実施形態のすべての特徴よりも少ない。

Claims (33)

1. 最適ストラテジーを決定するためのシステムであって、前記システムは、
   命令のセットを記憶する少なくとも１つのストレージ媒体と、
   前記少なくとも１つのストレージ媒体と通信するように構成された少なくとも１つのプロセッサと
   を備え、
   命令の前記セットを実行するときに、前記少なくとも１つのプロセッサは、
   最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類することであって、前記第１のユーザ・グループと前記第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類することと、
   前記第１のユーザ・グループおよび前記第２のユーザ・グループ中の前記１人または複数のユーザの端末から挙動データを取得することと、
   前記１人または複数のユーザの前記挙動データに基づいて、前記最適化モデルを使用して前記第１のユーザ・グループに関するパラメータの第１の値と、前記第２のユーザ・グループに関する前記パラメータの第２の値とを決定することと、
   前記第１の値と前記第２の値とに基づいて最適ストラテジーを決定することと
   を行うように指示される、システム。
2. 前記少なくとも１つのプロセッサは、前記システムが前記１人または複数のユーザからサービス要求を取得すると、前記１人または複数のユーザを前記第１のユーザ・グループと前記第２のユーザ・グループとに分類するために前記最適化モデルを開始するように指示される、請求項１に記載のシステム。
3. 前記１人または複数のユーザを前記第１のユーザ・グループと前記第２のユーザ・グループとに分類するために、前記少なくとも１つのプロセッサは、
   前記１人または複数のユーザの各々についてのランダム数を生成することと、
   前記１人または複数のユーザの各々についての前記ランダム数が、しきい値よりも大きいかどうかを決定することと、
   ユーザについての前記ランダム数が前記しきい値よりも大きいことに応答して、前記ユーザを前記第１のユーザ・グループに分類することと
   を行うために前記最適化モデルを動作させるように指示される、請求項１に記載のシステム。
4. 前記少なくとも１つのプロセッサは、
   ユーザについての前記ランダム数が前記しきい値以下であることに応答して、前記ユーザを前記第２のユーザ・グループに分類する
   ようにさらに指示される、請求項３に記載のシステム。
5. 前記パラメータが多次元におけるパラメータを含む、請求項１に記載のシステム。
6. 多次元における前記パラメータがオンデマンド・サービスのオーダー情報に関する、請求項５に記載のシステム。
7. 前記多次元が前記１人または複数のユーザの性別、都市、および／または前記端末の動作システムを含む、請求項６に記載のシステム。
8. 前記第１のユーザ・グループおよび前記第２のユーザ・グループ中の前記１人または複数のユーザの前記端末から挙動データを取得するために、前記少なくとも１つのプロセッサが、
   Ｈａｄｏｏｐ分散ファイル・システムを使用して、前記１人または複数のユーザの端末からの前記挙動データを含むユーザ・ログを取得するように指示される、請求項１に記載のシステム。
9. 前記少なくとも１つのプロセッサが、
   前記第１のユーザ・グループと前記第２のユーザ・グループとに関する前記パラメータのパラメータ差分を決定することと、
   前記パラメータ差分の信頼性レベルを決定することと、
   前記パラメータ差分と前記パラメータ差分の前記信頼性レベルとに基づいて前記最適化モデルを調整することと
   を行うようにさらに指示される、請求項１に記載のシステム。
10. 前記第１のユーザ・グループと前記第２のユーザ・グループとに関する前記パラメータの前記パラメータ差分を決定するために、前記少なくとも１つのプロセッサが、
    前記第１のユーザ・グループと前記第２のユーザ・グループとに関する前記パラメータの第１の差分値を決定する
    ように指示される、請求項９に記載のシステム。
11. 前記第１のユーザ・グループと前記第２のユーザ・グループとに関する前記パラメータの前記第１の差分値を決定するために、前記少なくとも１つのプロセッサが、
    第２の差分値を決定することと、
    第３の差分値を決定することと、
    前記第２の差分値と前記第３の差分値とに基づいて前記第１の差分値を決定することと
    を行うように指示される、請求項１０に記載のシステム。
12. 前記第２の差分値を決定するために、前記少なくとも１つのプロセッサが、
    前記２つのストラテジーのうちの一方に関連する前記１人または複数のユーザの挙動データを取得することと、
    前記２つのストラテジーのうちの前記一方に関連する前記１人または複数のユーザの前記挙動データに基づいて、補正モデルを使用して、前記第１のユーザ・グループに関する前記パラメータの第３の値と、前記第２のユーザ・グループに関する前記パラメータの第４の値とを決定することと、
    前記第３の値と前記第４の値とに基づいて前記第２の差分値を決定することと
    を行うように指示される、請求項１１に記載のシステム。
13. 前記第３の差分値を決定するために、前記少なくとも１つのプロセッサが、
    前記第１の値と前記第２の値とに基づいて前記第３の差分値を決定する
    ように指示される、請求項１１に記載のシステム。
14. 前記パラメータ差分の前記信頼性レベルを決定するために、前記少なくとも１つのプロセッサが、
    あらかじめ設定された信頼係数において、前記第１の差分値の信頼区間を決定する
    ように指示される、請求項１０に記載のシステム。
15. 前記パラメータ差分の前記信頼性レベルを決定するために、前記少なくとも１つのプロセッサが、
    前記第１の差分値に基づいてＰ値を決定することと、
    前記Ｐ値を有意値と比較することと、
    前記Ｐ値と前記有意値との前記比較に基づいて前記パラメータ差分の前記信頼性レベルを決定することと
    を行うように指示される、請求項１０に記載のシステム。
16. 最適ストラテジーを決定するためのシステムであって、前記システムは、
    命令のセットを記憶する少なくとも１つのストレージ媒体と、
    前記少なくとも１つのストレージ媒体と通信するように構成された少なくとも１つのプロセッサと
    を備え、
    命令の前記セットを実行するときに、前記少なくとも１つのプロセッサは、
    最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類することであって、前記第１のユーザ・グループと前記第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類することと、
    前記第１のユーザ・グループおよび前記第２のユーザ・グループ中の前記１人または複数のユーザの端末から挙動データを取得することと、
    前記１人または複数のユーザの前記挙動データに基づいて、前記最適化モデルを使用して前記第１のユーザ・グループに関する多次元におけるパラメータの第１の値と、前記第２のユーザ・グループに関する多次元における前記パラメータの第２の値とを決定することと、
    前記第１の値と前記第２の値とに基づいて最適ストラテジーを決定することと
    を行うように指示される、システム。
17. １つまたは複数のプロセッサと１つまたは複数のストレージ・デバイスとを有するコンピューティング・デバイス上に実装される最適ストラテジーを決定するための方法であって、前記方法は、
    最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類するステップであって、前記第１のユーザ・グループと前記第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類するステップと、
    前記第１のユーザ・グループおよび前記第２のユーザ・グループ中の前記１人または複数のユーザの端末から挙動データを取得するステップと、
    前記１人または複数のユーザの前記挙動データに基づいて、前記最適化モデルを使用して前記第１のユーザ・グループに関するパラメータの第１の値と、前記第２のユーザ・グループに関する前記パラメータの第２の値とを決定するステップと、
    前記第１の値と前記第２の値とに基づいて最適ストラテジーを決定するステップと
    を含む、方法。
18. システムが前記１人または複数のユーザからサービス要求を取得すると、前記１人または複数のユーザを前記第１のユーザ・グループと前記第２のユーザ・グループとに分類するステップ、請求項１７に記載の方法。
19. 前記１人または複数のユーザを前記第１のユーザ・グループと前記第２のユーザ・グループとに分類するステップは、
    前記１人または複数のユーザの各々についてのランダム数を生成するステップと、
    前記１人または複数のユーザの各々についての前記ランダム数が、しきい値よりも大きいかどうかを決定するステップと、
    ユーザについての前記ランダム数が前記しきい値よりも大きいことに応答して、前記ユーザを前記第１のユーザ・グループに分類するステップと
    を含む、請求項１７に記載の方法。
20. ユーザについての前記ランダム数が前記しきい値以下であることに応答して、前記ユーザを前記第２のユーザ・グループに分類する
    をさらに含む、請求項１９に記載の方法。
21. 前記パラメータが多次元におけるパラメータを含む、請求項１７に記載の方法。
22. 多次元における前記パラメータがオンデマンド・サービスのオーダー情報に関する、請求項２１に記載の方法。
23. 前記多次元が前記１人または複数のユーザの性別、都市、および／または前記端末の動作システムを含む、請求項２２に記載の方法。
24. 前記第１のユーザ・グループおよび前記第２のユーザ・グループ中の前記１人または複数のユーザの前記端末から挙動データを取得するステップが、
    Ｈａｄｏｏｐ分散ファイル・システムを使用して、前記１人または複数のユーザの端末からの前記挙動データを含むユーザ・ログを取得するステップ
    を含む、請求項１７に記載の方法。
25. 前記第１のユーザ・グループと前記第２のユーザ・グループとに関する前記パラメータのパラメータ差分を決定するステップと、
    前記パラメータ差分の信頼性レベルを決定するステップと、
    前記パラメータ差分と前記パラメータ差分の前記信頼性レベルとに基づいて前記最適化モデルを調整するステップと
    をさらに含む、請求項１７に記載の方法。
26. 前記第１のユーザ・グループと前記第２のユーザ・グループとに関する前記パラメータの前記パラメータ差分を決定するステップが、
    前記第１のユーザ・グループと前記第２のユーザ・グループとに関する前記パラメータの第１の差分値を決定するステップ
    を含む、請求項２５に記載の方法。
27. 前記第１のユーザ・グループと前記第２のユーザ・グループとに関する前記パラメータの前記第１の差分値を決定するステップが、
    第２の差分値を決定するステップと、
    第３の差分値を決定するステップと、
    前記第２の差分値と前記第３の差分値とに基づいて前記第１の差分値を決定するステップと
    を含む、請求項２６に記載の方法。
28. 前記第２の差分値を決定するステップが、
    前記２つのストラテジーのうちの一方に関連する前記１人または複数のユーザの挙動データを取得するステップと、
    前記２つのストラテジーのうちの前記一方に関連する前記１人または複数のユーザの前記挙動データに基づいて、補正モデルを使用して、前記第１のユーザ・グループに関する前記パラメータの第３の値と、前記第２のユーザ・グループに関する前記パラメータの第４の値とを決定するステップと、
    前記第３の値と前記第４の値とに基づいて前記第２の差分値を決定するステップと
    を含む、請求項２７に記載の方法。
29. 前記第３の差分値を決定するステップが、
    前記第１の値と前記第２の値とに基づいて前記第３の差分値を決定するステップ
    を含む、請求項２７に記載の方法。
30. 前記パラメータ差分の前記信頼性レベルを決定するステップが、
    あらかじめ設定された信頼係数において、前記第１の差分値の信頼区間を決定するステップ
    を含む、請求項２６に記載の方法。
31. 前記パラメータ差分の前記信頼性レベルを決定するステップが、
    前記第１の差分値に基づいてＰ値を決定するステップと、
    前記Ｐ値を有意値と比較するステップと、
    前記Ｐ値と前記有意値との前記比較に基づいて前記パラメータ差分の前記信頼性レベルを決定するステップと
    を含む、請求項２６に記載の方法。
32. １つまたは複数のプロセッサと１つまたは複数のストレージ・デバイスとを有するコンピューティング・デバイス上に実装される最適ストラテジーを決定するための方法であって、前記方法は、
    最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類するステップであって、前記第１のユーザ・グループと前記第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類するステップと、
    前記第１のユーザ・グループおよび前記第２のユーザ・グループ中の前記１人または複数のユーザの端末から挙動データを取得するステップと、
    前記１人または複数のユーザの前記挙動データに基づいて、前記最適化モデルを使用して前記第１のユーザ・グループに関する多次元におけるパラメータの第１の値と、前記第２のユーザ・グループに関する多次元における前記パラメータの第２の値とを決定するステップと、
    前記第１の値と前記第２の値とに基づいて最適ストラテジーを決定するステップと
    を含む、方法。
33. 最適ストラテジーを決定するための命令の少なくとも１つのセットを備える、非一時的コンピュータ可読媒体であって、コンピューティング・デバイスの１つまたは複数のプロセッサによって実行されたとき、命令の前記少なくとも１つのセットが前記コンピューティング・デバイスに方法を実施させ、前記方法は、
    最適化モデルを使用して１人または複数のユーザを第１のユーザ・グループと第２のユーザ・グループとに分類するステップであって、前記第１のユーザ・グループと前記第２のユーザ・グループとが、それぞれ２つのストラテジーに対応する、分類するステップと、
    前記第１のユーザ・グループおよび前記第２のユーザ・グループ中の前記１人または複数のユーザの端末から挙動データを取得するステップと、
    前記１人または複数のユーザの前記挙動データに基づいて、前記最適化モデルを使用して前記第１のユーザ・グループに関する多次元におけるパラメータの第１の値と、前記第２のユーザ・グループに関する多次元における前記パラメータの第２の値とを決定するステップと、
    前記第１の値と前記第２の値とに基づいて最適ストラテジーを決定するステップと
    を含む、非一時的コンピュータ可読媒体。