JP2020027488A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】広告コンテンツがユーザにどれだけ影響を与えたかを高精度に判断すること。【解決手段】本願にかかる情報処理装置は、取得部と、特定部と、判定部とを有する。取得部は、ユーザの位置を示す位置情報を取得する。特定部は、取得部により取得された位置情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。判定部は、特定部により特定された行動に基づいて、広告効果を判定する。【選択図】図３

Description

本発明の実施形態は、情報処理装置、情報処理方法および情報処理プログラムに関する。

近年、インターネットを介した情報配信が盛んに行われている。例えば、ウェブページの所定の位置に企業や商品等に関する静止画像、動画像、テキスト等の広告コンテンツを配置して表示する技術が知られている。また、広告コンテンツの有用性を判断する技術が知られている。

特表２０１０−５１９６０４号公報

しかしながら、上記の従来技術では、広告コンテンツがユーザにどれだけ影響を与えたかを高精度に判断することができるとは限らない。例えば、上記の従来技術では、ユーザイベント（オンライン行動）を識別し、また、オフライン広告毎に時間および位置を示す広告データを収集し、ユーザイベントと広告データとを比較することでオフライン広告の有効性を評価する。

このような従来技術では、例えば、広告コンテンツの観点からユーザイベントを関連付けて広告効果を評価しており、ユーザの段階的な行動の側から広告コンテンツを評価している訳ではないため、必ずしも広告コンテンツがユーザにどれだけ影響を与えたかを高精度に判断することができるとは限らない。

本願は、上記に鑑みてなされたものであって、広告コンテンツがユーザにどれだけ影響を与えたかを高精度に判断することができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

本願にかかる情報処理装置は、ユーザの位置を示す位置情報を取得する取得部と、前記取得部により取得された位置情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動を特定する特定部と、前記特定部により特定された行動に基づいて、広告効果を判定する判定部とを有することを特徴とする。

実施形態の一態様によれば、広告コンテンツがユーザにどれだけ影響を与えたかを高精度に判断することができるといった効果を奏する。

図１は、実施形態にかかる第１の情報処理の一例を示す図である。 図２は、実施形態にかかる第２の情報処理の一例を示す図である。 図３は、実施形態にかかる情報処理装置の構成例を示す図である。 図４は、実施形態にかかる行動情報記憶部の一例を示す図である。 図５は、実施形態にかかるモデル情報記憶部の一例を示す図である。 図６は、実施形態にかかる磁気情報記憶部の一例を示す図である。 図７は、実施形態にかかる第１の情報処理の一例を示すフローチャートである。 図８は、実施形態にかかる第２の情報処理の一例を示すフローチャートである。 図９は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願にかかる情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ説明する。なお、この実施形態により本願にかかる情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、以下の実施形態において、同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．第１の情報処理の概要〕
まず、図１を用いて、実施形態にかかる情報処理のうち第１の情報処理の概要を示す。図１は、実施形態にかかる第１の情報処理の一例を示す図である。第１の情報処理は、情報処理装置１００によって行われる。

なお、第１の情報処理については、後に詳述するが、ユーザの位置を示す位置情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定し、特定した行動に基づいて、広告効果を判定するものである。

また、実施形態にかかる情報処理システムは、端末装置１０と、情報処理装置１００とを含む。また、第１の情報処理は、図１に示す情報処理装置１００によって行われる。例えば、情報処理装置１００は、サーバ装置やクラウドシステム等、単数または複数の装置により実現され、移動通信網や無線ＬＡＮ（Local Area Network）等のネットワークを介して、ユーザが使用する端末装置１０と通信可能な情報処理装置である。

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等である。また、端末装置１０は、広告コンテンツ等の各種コンテンツを表示する。

ここで、情報処理装置１００によって第１の情報処理が行われる前提について説明する。例えば、広告主は様々な形態の広告コンテンツを提供することにより、自社の製品、サービス、人材等を広告する。広告コンテンツの形態としては、インターネット広告、テレビコマーシャル、交通広告、看板やサイネ−ジによる野外広告、配布チラシ等がある。

例えば、広告主は、広告配信業者に対して、広告コンテンツを入稿すると共に、広告費を支払うことで、様々な形態の広告コンテンツを提供することで広告効果を高めようとする。また、広告配信業者は、入稿された広告コンテンツがユーザに対して実際にどれくらいの影響を及ぼしたかを可視化することにより、可視化したデータを広告主にフィードバックすることで広告主に対してより良い広告方法の検討材料とさせる。

しかしながら、広告コンテンツがユーザに対して実際にどれくらいの影響を及ぼしたかや、広告コンテンツが広告主の事業ＫＰＩに直接どれくらい影響があったかを可視化することは容易ではない。例えば、インターネット広告に接触したユーザについて、その後のインターネット上（オンライン上）での行動を監視することは可能であるが、ユーザの行動はオンライン上の行動に限らず、現実世界での行動、すなわちオフラインでの行動もある。そうしたところ、例えば、広告コンテンツに接触したユーザがオフラインではどのような行動を段階的に重ねてゆくことで、最終的に広告コンテンツに関するコンバージョンに至るかや、オフラインでのどのような行動が広告コンテンツの影響を受けたものであるか、といったことを可視化することは容易ではない。

つまり、ユーザの段階的な行動の側から広告コンテンツの影響を判定したり評価することは容易ではない。このようなことから、本実施形態では、段階的な行動のうち、各段階での行動毎にユーザの時間と位置情報とを用いて広告効果を測定する。一例を示すと、各地の現実空間には、予め広告コンテンツに関連して時間と位置を取得するための要素（アンカー）が設置される。アンカーは、オンライン行動追跡用のクッキーのオフライン版と解することができるものであり、位置としては現在地を特定し瞬間の状態を切り取るためのものである。本実施形態では、アンカーはビーコン、および、広告コンテンツに組み込まれるスクリプトであるものとするが、必ずしもビーコンである必要はない。例えば、アンカーは各種のセンサ（例えば、磁気センサ、光センサ等）であってもよい。

アンカーであるビーコンは、例えば、広告コンテンツを配信した情報処理装置、駅、道路（道路わきの電柱）、広告コンテンツに関連する施設（例えば、実店舗）における所定箇所（例えば、廊下等の共用部、商品棚等）等、任意の場所に設置される要素である。そして、本実施形態では、アンカー単独またはアンカー間のインタラクションにより、所定の広告コンテンツに直接または間接的に関連する段階的な行動のうち、各段階での行動毎にユーザの行動を時間と位置情報の観点から特定する。具体的には、本実施形態では、広告クリエイティブ入稿からコンバージョンに至るまでの段階的な行動を定義し、段階的な行動の全フェーズを通して時間および位置情報を用いて広告効果を測定する。なお、以下の実施形態では、段階的な行動、または、各段階での行動を「ファネル」と表記する場合がある。

そして、上記のような前提を基に、実施形態にかかる情報処理装置１００は、図１に示す第１の情報処理を行う。具体的には、情報処理装置１００は、ユーザの位置を示す位置情報を取得し、取得した位置情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。そして、情報処理装置１００は、特定した行動に基づいて、広告効果を判定する。

より具体的には、情報処理装置１００は、所定の行動へ至るまでの段階的な行動として、ユーザが所定の広告コンテンツに接触してから当該広告コンテンツに関連するコンバージョンへ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。また、情報処理装置１００は、所定の行動へ至るまでの段階的な行動に基づき生成されたモデルに対して位置情報および時刻情報を入力することにより出力された確率であって、所定の行動へ至るまでの段階的な行動をユーザが行う確率に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。

以下では、図１を用いて、実施形態にかかる第１の情報処理の一例について説明する。なお、図１では、モデルに対して位置情報のみを入力する例を示すが、実際には時刻情報も入力される。

はじめに、図１の全体像について簡単に説明する。まず、ユーザＵ１は端末装置１０を有しており、広告コンテンツＡＤ１に接触（広告コンテンツＡＤ１を閲覧）した後に移動を開始するものとする。また、広告コンテンツＡＤ１は、商品ＰＤ１を広告する広告コンテンツである。また、実店舗であるショップＳＨ１では、商品ＰＤ１が販売されている。したがって、ショップＳＨ１は、広告コンテンツＡＤ１に関連する店舗といえる。

また、ユーザＵ１の自宅である自宅ＨＰ１からショップＳＨ１までの各エリアや場所にはビーコンが設置されているものとする。図１の例では、自宅ＨＰ１を含むエリアＡＲ１、駅ＳＴ１を含むエリアＡＲ２、施設ＢＬを含むエリアＡＲ３、ショップＳＨ１を含むエリアＡＲ４、ショップＳＨ１の入り口Ｇ、ショップＳＨ１内の所定の販売エリアＡＲ５に置かれる商品棚Ｍ１、商品棚Ｍ２およびレジＭ３において、ビーコンが設置されている。

このような状態において、情報処理装置１００は、まず、段階的な行動（ファネル）を定義する（ステップＳ１１）。上記のように各地にビーコンが設置されることで、情報処理装置１００は、ビーコンにより検知された行動情報であってユーザの行動を示す行動情報を、ビーコンから適宜取得して行動情報記憶部１２１（図４）に記憶しておくことができる。このようなことから、情報処理装置１００は、行動情報記憶部１２１に記憶される行動情報に基づいて機械学習を行い、機械学習（例えば、ディープラーニング）によって得られた行動傾向を１つのファネルとして定義する。より具体的には、情報処理装置１００は、機械学習によって得られた行動傾向の中から、関連性のある一連の行動傾向を抽出し、抽出した各行動傾向を１つのファネルとして定義する。

なお、ここでは情報処理装置１００が機械学習によりファネルを定義する例を示したが、情報処理装置１００は、任意の手法を用いてファネルを定義してよい。また、ファネルは、情報処理装置１００によって定義されるのではなく、人手によって仮説的に定義されてもよい。かかる場合、人手によって定義されたファネルが情報処理装置１００に入力される。

図１の例では、情報処理装置１００は、ユーザＵ１が広告コンテンツＡＤ１に接触してから商品ＰＤ１の購入（コンバージョン）に至るまでの段階的な行動として、次の７つのファネルを定義したものとする。具体的には、情報処理装置１００は、「自宅ＨＰ１を出て駅ＳＴ１に向かう」といった段階的な行動を示すファネルＦ１、「駅ＳＴ１で電車待ち」といった段階的な行動を示すファネルＦ２、「施設ＢＬ前に来た」といった段階的な行動を示すファネルＦ３、「ショップＳＨ１に来た」といった段階的な行動を示すファネルＦ４、「商品棚Ｍ１前に来た」といった段階的な行動を示すファネルＦ４１、「商品棚Ｍ２前に来た」といった段階的な行動を示すファネルＦ４２、「レジＭ３前に来た」といった段階的な行動を示すファネルＦ４３、を定義したものとする。

続いて、情報処理装置１００は、ステップＳ１１で定義したファネル毎に予測モデルを生成する（ステップＳ１２）。先に、情報処理装置１００は、機械学習によりファネルを定義する旨説明したが、情報処理装置１００は、このときの機械学習により予測モデルを生成することができる。図１の例では、情報処理装置１００は、ファネルＦ１に対応する予測モデルとしてモデルＭ１、ファネルＦ２に対応するモデルＭ２、ファネルＦ３に対応するモデルＭ３、ファネルＦ４に対応するモデルＭ４、ファネルＦ４１に対応するモデルＭ４１、ファネルＦ４２に対応する予測モデルＭ４２、ファネルＦ４３に対応するモデルＭ４３、をそれぞれ生成する。

ファネルＦ１に対応するモデルＭ１を例に挙げると、モデルＭ１は、ユーザの現在位置を示す位置情報、および、現在位置にかかるユーザが居る時刻を示す時刻情報が入力されると、このとき「自宅ＨＰ１を出て駅ＳＴ１に向かう」といった行動をユーザが行っている確率を出力するモデルである。情報処理装置１００は、行動情報記憶部１２１に記憶される行動情報について機械学習し行動傾向を取得することで、このようなモデルを生成する。したがって、情報処理装置１００によって生成される予測モデルは、ユーザの位置および時刻に基づいて、その位置およびその時間でのユーザの行動を予測するモデルである。

このような状態において、情報処理装置１００は、ユーザＵ１の現在位置を示す位置情報と、この現在位置にユーザＵ１が居る時刻を示す時刻情報とを取得する（ステップＳ１３）。このときユーザＵ１は、自宅ＨＰ１から出た先の位置ＰＴ１に居たとする。また、図１の例では、位置ＰＴ１はエリアＡＲ１に含まれる。よって、エリアＡＲ１にあるビーコンによって、ユーザＵ１の位置情報「ＰＴ１」とこの時の時刻情報が検知される。したがって、かかる例では、情報処理装置１００は、位置情報「ＰＴ１」と、この時の時刻情報とをエリアＡＲ１にあるビーコンから取得する。以下、時刻情報については省略する。

また、ユーザＵ１は、位置ＰＴ１から駅ＳＴ１のある位置ＰＴ２へと移動したとする。かかる場合、情報処理装置１００は、位置情報「ＰＴ２」をエリアＡＲ２にあるビーコンから取得する。また、ユーザＵ１は、位置ＰＴ２から施設ＢＬ前の位置ＰＴ３へと移動したとする。かかる場合、情報処理装置１００は、位置情報「ＰＴ３」をエリアＡＲ３にあるビーコンから取得する。また、ユーザＵ１は、位置ＰＴ３からショップＳＨ１の入り口Ｇの位置ＰＴ４へと移動したとする。かかる場合、情報処理装置１００は、位置情報「ＰＴ４」をエリアＡＲ４にあるビーコンから取得する。

このあと、ユーザＵ１は、ショップＳＨ１内に入り、販売エリアＡＲ５に到達したとする。また、ユーザＵ１は、商品棚Ｍ１前の位置ＰＴ４１に来たとする。かかる場合、情報処理装置１００は、位置情報「ＰＴ４１」を商品棚Ｍ１に設置されるビーコンから取得する。また、ユーザＵ１は、商品棚Ｍ２前の位置ＰＴ４２に来たとする。かかる場合、情報処理装置１００は、位置情報「ＰＴ４２」を商品棚Ｍ２に設置されるビーコンから取得する。また、ユーザＵ１は、レジＭ３前に来たとする。かかる場合、情報処理装置１００は、位置情報「ＰＴ４３」をレジＭ３に設置されるビーコンから取得する。

次に、情報処理装置１００は、予測モデルに位置情報および時刻情報を入力することにより出力された確率に基づいて、ユーザＵ１の行動を特定する（ステップＳ１４）。例えば、情報処理装置１００は、図１に示す７つの予測モデルそれぞれに位置情報を入力し、出力された確率のうち最も高い確率が所定の確率（例えば、８０％）以上であれば、その最も高い確率を出力した予測モデルに対応するファネルに基づきユーザＵ１の行動を特定する。例えば、情報処理装置１００は、７つの予測モデルそれぞれに位置情報「ＰＴ１」を入力することで、７つの確率を算出する。例えば、情報処理装置１００は、モデルＭ１から確率「９０％」、モデルＭ２から確率「７５％」、モデルＭ３から確率「５０％」、モデルＭ４から確率「２０％」、モデルＭ４１から確率「５％」、モデルＭ４２から確率「５％」、モデルＭ４３から確率「５％」を算出したとする。

そうすると、情報処理装置１００は、確率「９０％」（所定の確率８０％以上）を出力したモデルＭ１がファネルＦ１に対応することから、ユーザＵ１は位置ＰＴ１において、「自宅ＨＰ１を出て駅ＳＴ１に向かう」といった行動を行っていたことを特定する。より具体的には、ユーザＵ１は広告コンテンツＡＤ１に接触した前提があるため、情報処理装置１００は、ユーザＵ１は位置ＰＴ１において、「自宅ＨＰ１を出て（商品ＰＤ１を買うために）駅ＳＴ１に向かう」といった行動を行っていたことを特定する。時間情報については省略してきたが、各予測モデルでは、広告コンテンツＡＤ１に接触から位置ＰＴ１に到達するまでの時間が短いほど、高い確率が算出される。例えば、広告コンテンツＡＤ１に接触してから５分後に位置ＰＴ１にユーザＵ１が居た場合にはモデルＭ１から確率「９０％」が算出されたとしても、広告コンテンツＡＤ１に接触してから２４時間後に位置ＰＴ１にユーザＵ１が居た場合にはモデルＭ１から確率「１０％」が算出されるといったことがある。

さて、上記例では、情報処理装置１００は、７つの予測モデルそれぞれに位置情報「ＰＴ１」を入力する例を示したが、その他の位置情報（位置情報ＰＴ２、ＰＴ３、ＰＴ４、ＰＴ４１、ＰＴ４２、ＰＴ４３）についても同様にしてユーザＵ１の行動が特定される。そして、情報処理装置１００は、特定した行動に基づいて、広告効果を判定する（ステップＳ１５）。

ここで、例えば、各予測モデルから確率「８０％」以上を示す行動が特定されたとすると（パターン１）、ユーザＵ１は、広告コンテンツＡＤ１に接触したことにより商品ＰＤ１を購入するために、まず「自宅ＨＰ１を出て駅ＳＴ１に向かい」、次に「駅ＳＴ１で電車を待ち」、次に「施設ＢＬへ立ち寄り」、次に「ショップＳＨ１前に到着し」、次に「ショップＳＨ１内の商品棚Ｍ１で商品を閲覧し」、次に「ショップＳＨ１内の商品棚Ｍ２で商品を閲覧し」、最後に「レジＭ３で商品を購入した」という段階的な行動を行ったことを特定できる。例えば、商品棚Ｍ１またはＭ２に商品ＰＤ１が陳列されていれば、ユーザＵ１が確かに商品ＰＤ１を購入したと確証が得られる。

このような場合、情報処理装置１００は、ユーザＵ１が商品ＰＤ１を購入（コンバージョン）に至ったのは広告コンテンツＡＤ１への接触が原因として、例えば、広告コンテンツＡＤ１の広告効果「高」と判定する。なお、情報処理装置１００は、広告効果を所定の指標値で表してもよい。また、情報処理装置１００は、広告コンテンツＡＤ１の影響により、ユーザＵ１は上記のような段階的な行動を取るとの判定を下すことができる。図１ではユーザＵ１のみを例示しているが、例えば、他のユーザについても同様の段階的な行動が特定された場合、情報処理装置１００は、広告コンテンツＡＤ１の影響により、ユーザは上記のような段階的な行動を取る傾向にあるとの判定を下すこともできる。例えば、情報処理装置１００は、商品ＰＤ１を購入する前には施設ＢＬに立ち寄る傾向にあると判定することもある。

一方、例えば、モデルＭ１およびＭ２からは確率「８０％」以上を示す行動が特定されたが、その他のモデルでは１０％程度の低い確率しか算出されず行動を特定することができなかったとする（パターン２）。このような場合、ユーザＵ１は広告コンテンツＡＤ１へ接触しても商品ＰＤ１を買いには行かず、ただ駅ＳＴ１に向かった等と予測することができる。このため、かかる場合、情報処理装置１００は、広告コンテンツＡＤ１の広告効果「低」と判定する。

最後に、情報処理装置１００は、ステップＳ１５で判定した広告効果を広告主に通知（フィードバック）する（ステップＳ１６）。図１の例では、情報処理装置１００は、広告コンテンツＡＤ１の広告主に対して、広告効果を通知する。例えば、上記パターン１の場合、情報処理装置１００は、広告効果「高」と、傾向を示す傾向情報とを通知する。これにより、広告主は、例えば、施設ＢＬ付近に看板広告を出せばさらなる広告効果を見込める等の広告戦略を練ることができるようになる。

また、例えば、上記パターン２の場合、情報処理装置１００は、広告効果「低」とともに、ユーザＵ１は駅ＳＴ１までは向かった旨を通知する。この場合、広告主は、駅ＳＴ１で広告コンテンツＡＤ１を掲載すれば、商品ＰＤ１を買いにショップＳＨ１に出向かせることができるとの広告戦略を練ることができるようになる。

さて、ここまで実施形態にかかる第１の情報処理について説明してきた。図１で説明したように、情報処理装置１００は、ユーザの位置を示す位置情報を取得し、取得した位置情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。そして、情報処理装置１００は、特定した行動に基づいて、広告効果を判定する。

これにより、情報処理装置１００は、広告コンテンツがユーザにどれだけ影響を与えたかを高精度に判断することができる。具体的には、情報処理装置１００は、広告コンテンツがユーザのオフライン上での行動にどれだけ影響を与えたかを高精度に判断することができる。また、情報処理装置１００は、広告コンテンツへの接触によりユーザがいつどこでどのような行動を起こすことで最終的にコンバージョンに至るか、あるいは広告コンテンツへ接触したとしても、どこで段階的な行動を中断してしまうかといったことを判定することができるため、広告主に対して効果的に広告戦力を立てさせることができる。

〔２．第２の情報処理の概要〕
次に、図２を用いて、実施形態にかかる情報処理のうち第２の情報処理の概要を示す。図２は、実施形態にかかる第２の情報処理の一例を示す図である。第２の情報処理も、情報処理装置１００によって行われる。

なお、第２の情報処理については、後に詳述するが、施設外からの外来の信号に基づきユーザの位置測位ができない状態において、施設内での所定の空間の特徴に基づき取得された位置情報に基づいて、施設内でユーザが行った行動を特定するものである。

ここで、情報処理装置１００によって第２の情報処理が行われる前提について説明する。例えば、ＦＭＣＧ（Fast Moving Consumer Goods：日用品あるいは消費財）について、市場規模での広告における重要なテーマは、広告効果を測定することであると考えられている。例えば、ＦＭＣＧのメーカーは、自社のＦＭＣＧに関する広告コンテンツを打た状態において、実店舗において自社のＦＭＣＧが置かれた商品棚にユーザが来たか（っ接触したか）否かを広告効果の一つの指標と定めている。

しかしながら、商品棚にユーザが来たか否かといったユーザの行動を高精度に検知することは困難な場合がある。例えば、端末装置１０のＧＰＳ機能（施設外からの外来の信号の一例）によって取得された位置情報を用いれば、ユーザが対象のＦＭＣＧが販売されている店舗に訪問したか否かの判定は行える。しかしながら、店舗内（施設内）では、ＧＰＳ信号が建物によって遮られてしまうため、ＧＰＳ機能を有効活用できない問題がある。具体的には、店舗内のどの位置にユーザが居るかを検知できなくなるといった問題がある。そうすると、店舗内でのユーザの行動を特定するのは難しくなる。

そこで、店舗内の所定箇所（例えば、廊下等の共用部や商品棚等）にビーコンを設置し、ビーコンにより取得された情報に基づいて、店舗内でのユーザの位置情報を取得する手法が考えられる。しかし、多くのビーコンが必要となるため設置にかかるコストに問題が生じる。また、多くのビーコンを設置するとなると、その運用も大変になり結果的に一つ一つのビーコンの運用が煩雑となるといった問題が生じる。また、運用が煩雑になると、当然高精度な位置情報の取得は難しくなるし、そもそもビーコン自体の精度も高くないといった問題もある。このようなことから、店舗内ではＧＰＳが有効に機能しないからといって、ビーコンを用いる手法は現実的ではない場合がある。

このような前提を基に、第２の情報処理は、ビーコンではなく地磁気による地磁気測位を活用するものである。すなわち、上記のような前提を基に、実施形態にかかる情報処理装置１００は、図２に示す第２の情報処理を行う。具体的には、情報処理装置１００は、施設外からの外来の信号に基づきユーザの位置測位ができない状態において、施設内での所定の空間の特徴に基づいて、前記施設内における前記ユーザの位置を示す位置情報を取得する。そして、情報処理装置１００は、取得した位置情報に基づいて、施設内でユーザが行った行動を特定する。

具体的には、情報処理装置１００は、施設内での所定の空間の特徴として、所定の空間に分布する磁気の特徴に基づいて、位置情報を取得する。より具体的には、情報処理装置１００は、所定の空間に分布する磁気の特徴として、所定の空間に対象物が存在することに応じて所定の空間に分布する磁気が変化する変化パターンに基づいて、位置情報を取得する。

以下では、図２を用いて、実施形態にかかる第２の情報処理の一例について説明する。なお、図１では、ショップＳＨ１（施設の一例）内でのエリアＡＲ５のユーザの位置情報を取得する場合、情報処理装置１００は、エリアＡＲ５に設置されたビーコンにより検知されたユーザの位置情報を取得する例を示した。そこで、図２でも同様に、ショップＳＨ１内におけるエリアＡＲ５を例に説明する。ただし前提で説明したように、ビーコンの活用は様々な問題があるため、情報処理装置１００は、ビーコンの代わりに地磁気測位を用いて位置情報を取得し、この位置情報に基づいてユーザＵ１の行動を特定する。

図２に示すように、エリアＡＲ５内には、通路ＲＤ１が網目状に通っており、通路ＲＤ１に沿って、各社（各メーカー）の商品が陳列される商品棚のエリアが存在する。図２の例では、エリアＡＲ５内には、Ｃ１社の商品が陳列される商品棚Ｘ１が置かれるエリアＡＲ５１、Ｃ２社の商品が陳列される商品棚Ｘ２が置かれるエリアＡＲ５２、Ｃ３社の商品が陳列される商品棚Ｘ３が置かれるエリアＡＲ５３、Ｃ４社の商品が陳列される商品棚Ｘ４が置かれるエリアＡＲ５４、Ｃ５社の商品が陳列される商品棚Ｘ５が置かれるエリアＡＲ５５、Ｃ６社の商品が陳列される商品棚Ｘ６が置かれるエリアＡＲ５６が存在する。

また、図２の例では、エリアＡＲ５には、図１で説明した商品棚Ｍ１およびＭ２が置かれるエリアや、レジＭ３が置かれるエリアも存在する。

このような状態において、まず所定の調査員（例えば、情報処理装置１００を管理する管理会社の社員）は、エリアＡＲ５内の地磁気がどのような状態になっているかを調査し、磁気データを得る（ステップＳ２１）。例えば、調査員、所定の測定器を用いて、通路ＲＤ１を歩き回ることで、通路ＲＤ１での地磁気の様子を調査し磁気データを得る。

次に、調査員は、磁気データに基づき、磁気マップを作成する（ステップＳ２２）。磁気マップは、図２に示すように、地磁気の強度に応じたヒートマップで示される。図２の例では、調査員は、通路ＲＤ１に対応する磁気マップＭＡ１を作成する。なお、このような磁気マップは情報処理装置１００によって作成されてもよい。かかる場合、情報処理装置１００は、ステップＳ２１で得られた磁気データを解析することで、磁気マップＭＡ１を作成する。また、情報処理装置１００は、作成された磁気マップＭＡ１を磁気情報記憶部１２３に格納しておく。

なお、地磁気の磁気パターンは、屋内では建物を形成する構造物や室内に置かれている物体等の影響を受けて変化する。したがって、エリアＡＲ５内での磁気パターンは、エリアＡＲ５固有のパターンといえる。このため、エリアＡＲ５内での磁気パターンは、エリアＡＲ５といった一空間の特徴、より具体的には、エリアＡＲ５に分布する磁気の特徴の一例と解することができるものである。

そして、ユーザＵ１がエリアＡＲ５内を歩き回ったとする。端末装置１０は地磁気センサを有しており、地磁気センサは、ユーザＵ１が歩き回ることに応じて、ユーザＵ１周囲の地磁気を取得する（ステップＳ２３）。例えば、地磁気センサは、ユーザＵ１が移動する度にユーザＵ１の現在地における地磁気を取得する。言い換えれば、地磁気センサは、ユーザＵ１周囲の地磁気を計測または検知する。また、端末装置１０は、地磁気センサによって取得された磁気を示す計測結果データを情報処理装置１００に送信する（ステップＳ２４）。

情報処理装置１００は、端末装置１０から取得した計測結果データ、すなわちユーザＵ１の移動に応じて変化する地磁気（の強度）に基づいて、エリアＡＲ５において地磁気が変化する変化パターンを算出する（ステップＳ２５）。そして、情報処理装置１００は、算出した変化パターンに基づいて、ユーザＵ１の現在地を示す位置情報を取得する（ステップＳ２６）。例えば、情報処理装置１００は、変化パターンと磁気マップＭＡ１とのマッチングを行うことで、地磁気の時系列変化を特定する。そして、情報処理装置１００は、特定した時系列変化に基づいて、ユーザＵ１の遷移ルートを推定することで、ユーザＵ１の位置情報を取得（特定）する。

次に、情報処理装置１００は、ステップＳ２６で取得したユーザＵ１の位置情報に基づいて、エリアＡＲ５内でユーザＵ１が行った行動を特定する（ステップＳ２７）。かかる例では、情報処理装置１００は、ユーザＵ１が商品棚Ｘ２の前に来た後、商品棚Ｘ１の前に来た、といった行動を行ったことを特定したものとする。より具体的には、情報処理装置１００は、ユーザＵ１が商品棚Ｘ２の商品を閲覧した後、商品棚Ｘ１の商品を閲覧する、といった行動を行ったことを特定したものとする。

ここで、ユーザＵ１は、ショップＳＨ１に来る前に、広告主であるＣ１社の広告コンテンツに接触（例えば、端末装置１０でＣ１社の広告コンテンツを閲覧する等）しているものとする。また、Ｃ１社は情報処理装置１００（または情報処理装置１００を管理する事業主）に対して、自社の広告コンテンツの広告効果を測定するよう依頼しているものとする。あるいは、Ｃ１社は情報処理装置１００（または情報処理装置１００を管理する事業主）に対して、自社の広告コンテンツを入稿しているものとする。

かかる場合、情報処理装置１００はステップＳ２７で特定した行動に基づいて、ユーザＵ１が所定の行動を行ったか否かを判定する（ステップＳ２８）。具体的には、情報処理装置１００は、ユーザＵ１が商品棚Ｘ１の前に来たか否かを判定する。上記例によると、情報処理装置１００は、ユーザＵ１が商品棚Ｘ１の前に来たと判定する。ユーザＵ１は、Ｃ１社の商品が置かれる商品棚Ｘ１に来るまでに、Ｃ１社の広告コンテンツに接触している。このようなことから、Ｃ１社の広告コンテンツに接触した影響で、ユーザＵ１は、Ｃ１社の商品が置かれる商品棚Ｘ１に来た可能性が高い。

このようなことから、情報処理装置１００は、Ｃ１社の広告コンテンツの広告効果「高」と判定し、この判定結果をＣ１社にフィードバックする。

さて、ここまで実施形態にかかる第２の情報処理について説明してきた。図２で説明したように、情報処理装置１００は、施設外からの外来の信号に基づきユーザの位置測位ができない状態において、施設内での所定の空間の特徴に基づいて、前記施設内における前記ユーザの位置を示す位置情報を取得する。そして、情報処理装置１００は、取得した位置情報に基づいて、施設内でユーザが行った行動を特定する。これにより、情報処理装置１００は、ユーザの位置測位ができない状況下においてユーザが行った行動を高精度に特定することができる。

また、情報処理装置１００は、ユーザの行動に基づき、広告効果を判定することができるため、広告効果を広告主にフィードバックすることで、広告主に対して広告戦略の助けとすることができる。

〔３．情報処理装置の構成〕
次に、図３を用いて、実施形態にかかる情報処理装置１００について説明する。図３は、実施形態にかかる情報処理装置１００の構成例を示す図である。図３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、例えば、端末装置１０との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２０は、行動情報記憶部１２１と、モデル情報記憶部１２２と、磁気情報記憶部１２３とを有する。

（行動情報記憶部１２１について）
行動情報記憶部１２１は、ユーザの行動を示す行動情報を記憶する。例えば、行動情報記憶部１２１は、ビーコンにより検知された行動情報を記憶する。ここで、図４に実施形態にかかる行動情報記憶部１２１の一例を示す。図４の例では、行動情報記憶部１２１は、「ユーザＩＤ」、「エリア」、「行動情報」といった項目を有する。

「ユーザＩＤ」は、ユーザまたはユーザの端末装置１０を識別する識別情報を示す。「エリア」は、ビーコンが設置されている物体（建造部）等が存在するエリアを示す。図４の例では、エリアを示す情報として「ＰＤＡ１１」といった概念的な記号を用いているが、エリアは、例えば、経緯度や、〇〇丁目〜〇×丁目といったように住所によって示される。「行動情報」は、ビーコンにより検知された行動情報であってユーザの行動を示す行動情報を示す。図４の例では、行動情報として「ＡＤＡ１１」といった概念的な記号を用いているが、行動情報は、例えば、「２０１７年７月２１日１５時、Ａ駅」といったように、時刻および位置を特定可能なテキストによって示される。

すなわち、図４の例では、ユーザＩＤ「Ｕ１１」によって識別されるユーザ（ユーザＵ１１）が、「ＰＤＡ１１」によって示される位置エリアに存在するビーコンによって、行動情報「ＡＤＡ１１」によって示される行動を行っていたことを示す。

（モデル情報記憶部１２２について）
モデル情報記憶部１２２は、図１で説明した予測モデル（情報処理装置１００によって生成された予測モデル）を記憶する。ここで、図５に実施形態にかかるモデル情報記憶部１２２の一例を示す。図５の例では、モデル情報記憶部１２２は、「ファネル」、「モデルＩＤ」、「モデル」といった項目を有する。

「ファネル」は、段階的な行動を示す。例えば、「ファネル」は、広告クリエイティブ入稿からコンバージョンに至るまでの段階的な行動を示す。「モデルＩＤ」は、予測モデルを識別する識別情報を示す。「モデル」は、情報処理装置１００により生成された予測モデルを示す。また、「モデル」は、位置情報および時刻情報を入力として、その位置情報が示す位置においてユーザが、対応する「ファネル」を行っている確率を出力するモデルを示す。また、図５の例では、「モデル」として「ＭＤＡ１」といった概念的な記号を用いているが、実際には「モデル」は、数式によって示される。

すなわち、図５の例では、ユーザの現在位置を示す位置情報、および、現在位置にかかるユーザが居る時刻を示す時刻情報が入力されると、このときファネル「自宅を出た」といった行動をユーザが行っている確率を出力するモデルＭ１が生成された例を示す。

（磁気情報記憶部１２３について）
磁気情報記憶部１２３は、施設内における所定のエリアの地磁気から生成された磁気マップを記憶する。図２で示したように、本実施形態では、施設は所定の店舗であるものとする。ここで、図６に実施形態にかかる磁気情報記憶部１２３の一例を示す。図６の例では、磁気情報記憶部１２３は、「店舗ＩＤ」、「エリア」、「磁気マップデータ」といった項目を有する。

「店舗ＩＤ」は、店舗を識別する識別情報を示す。「エリア」は、「店舗ＩＤ」によって識別される店舗内のエリアを示す。「磁気マップデータ」は、対応するエリアの地磁気の様子（強度）の状態を示す磁気マップのデータを示す。

すなわち、図６の例では、店舗ＩＤ「ＳＨ１」によって識別される店舗内のエリアである「エリアＡＲ５」における地磁気に基づいて、磁気マップＭＡ１が生成された例を示す。

（その他の記憶部について）
また、不図示であるが、情報処理装置１００は、次の記憶部をさらに有してもよい。例えば、情報処理装置１００は、広告主から入稿された広告コンテンツが記憶される記憶部や、店舗内のどのエリアのどの商品棚にどのメーカーの商品が置かれているかが記憶される記憶部を有してもよい。

（制御部１３０について）
図３に戻り、制御部１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図３に示すように、制御部１３０は、モデル生成部１３１と、第１取得部１３２と、第１特定部１３３と、効果判定部１３４と、第２取得部１３５と、第２特定部１３６と、行動判定部１３７と、通知部１３８とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図３に示した接続関係に限られず、他の接続関係であってもよい。

（モデル生成部１３１について）
モデル生成部１３１は、予測モデルを生成する。具体的には、モデル生成部１３１は、ユーザの位置情報および時刻情報を入力として、その位置情報が示す位置においてユーザが、対応するファネル（段階的な行動、各段階での行動）を行っている確率を出力するモデルを生成する。すなわち、モデル生成部１３１は、段階的な行動のうち、どの行動を行うかを予測する予測モデルを生成する。例えば、モデル生成部１３１は、まず、ファネルを定義し、定義したファネル毎に、当該ファネルが示す行動をユーザが行う確率を出力する予測モデルを生成する。

図１の例では、モデル生成部１３１は、行動情報記憶部１２１に記憶される行動情報に基づいて機械学習を行い、機械学習（例えば、ディープラーニング）によって得られた行動傾向を１つのファネルとして定義する。より具体的には、モデル生成部１３１は、機械学習によって得られた行動傾向の中から、関連性のある一連の行動傾向を抽出し、抽出した各行動傾向を１つのファネルとして定義する。また、モデル生成部１３１は、ファネルを定義する機械学習により、ファネル毎に予測モデルを生成する。

例えば、モデル生成部１３１は、行動情報記憶部１２１に記憶される行動情報について機械学習し行動傾向を取得する。そして、モデル生成部１３１は、ユーザの現在位置を示す位置情報、および、現在位置にかかるユーザが居る時刻を示す時刻情報が入力されると、このとき「自宅ＨＰ１を出て駅ＳＴ１に向かう」（図１、ファネルＦ１）といった行動をユーザが行っている確率を出力するモデルＭ１を生成する。

なお、モデル生成部１３１は、位置情報および時間情報が入力された場合に、どのような段階的な行動をどれくらいの確率で行っているかを出力する予測モデル、すなわち段階的な行動とその行動の確率とを出力する予測モデルを生成してもよい。また、モデル生成部１３１は、ユーザ毎に予測モデルを生成してもよい。例えば、モデル生成部１３１は、ユーザ毎に予測モデルを生成してもよい。

（第１取得部１３２について）
第１取得部１３２は、ユーザの位置を示す位置情報を取得する。例えば、第１取得部１３２は、位置情報として、ユーザの現在位置を示す位置情報を取得する。また、第１取得部１３２は、位置情報によって示される位置にユーザが居る時刻を示す時刻情報を取得する。例えば、第１取得部１３２は、所定の位置に設置されたセンサにより検出された情報である検出情報に基づいて、位置情報と時刻情報とを取得する。

図１の例では、アンカーであるビーコンが各地に設置される。このため、第１取得部１３２は、ビーコンにより検知された行動情報および時刻情報を、ビーコンから適宜取得する。また、第１取得部１３２は、取得した行動情報および時刻情報を行動情報記憶部１２１に格納する。

（第１特定部１３３について）
第１特定部１３３は、第１取得部１３２により取得された位置情報および時刻情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。例えば、第１特定部１３３は、所定の行動へ至るまでの段階的な行動として、ユーザが所定の広告コンテンツに接触してから当該広告コンテンツに関連するコンバージョンへ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。

例えば、第１特定部１３３は、所定の行動へ至るまでの段階的な行動に基づき生成された予測モデルに対して位置情報および時刻情報を入力することにより出力された確率であって、所定の行動へ至るまでの段階的な行動をユーザが行う確率に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。具体的には、第１特定部１３３は、予測モデルとして、所定の行動へ至るまでの段階的な行動毎に生成されたモデルに対して位置情報および時刻情報を入力することにより出力された確率であって、当該段階的な行動をユーザが行う確率に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する。

図１の例では、第１特定部１３３は、図１に示す７つの予測モデルそれぞれに位置情報を入力し、出力された確率のうち最も高い確率が所定の確率（例えば、８０％）以上であれば、その最も高い確率を出力した予測モデルに対応するファネルに基づきユーザＵ１の行動を特定する。

なお、第１特定部１３３は、所定の行動へ至るまでの段階的な行動として、ユーザが所定の広告コンテンツに接触してから当該広告コンテンツに関連する情報を任意の手段を用いて発信するまでの段階的な行動のうち、ユーザが行う行動を特定してもよい。任意の手段とは、例えば、ＳＮＳ（Social Networking Service）である。

（効果判定部１３４について）
効果判定部１３４は、第１特定部１３３により特定された行動に基づいて、広告効果を判定する。例えば、効果判定部１３４は、広告効果として、第１特定部１３３により特定された行動と、ユーザが接触した広告コンテンツとの関係性を判定する。また、効果判定部１３４は、広告効果として、第１特定部１３３により特定された行動に対する、ユーザが接触した広告コンテンツの影響力を判定する。

例えば、効果判定部１３４は、第１特定部１３３により特定された行動と、ユーザが接触した広告コンテンツとの関係性として、図１で説明したように、広告コンテンツに接触したからこそユーザが行った行動や、広告コンテンツへの接触に関係なくユーザが行った行動を判定（特定）する。

（第２取得部１３５について）
第２取得部１３５は、施設外からの外来の信号に基づき、当該施設内でのユーザの位置測位ができない状態において、施設内での所定の空間の特徴に基づいて、施設内における前記ユーザの位置を示す位置情報を取得する。具体的には、第２取得部１３５は、施設内での所定の空間の特徴として、所定の空間に分布する地磁気の特徴に基づいて、位置情報を取得する。例えば、第２取得部１３５は、所定の空間に分布する磁気の特徴として、所定の空間に対象物が存在することに応じて前記所定の空間に分布する地磁気が変化する変化パターンに基づいて、位置情報を取得する。

図２の例では、第２取得部１３５は、端末装置１０から取得した計測結果データ、すなわちユーザＵ１の移動に応じて変化する地磁気（の強度）に基づいて、エリアＡＲ５において地磁気が変化する変化パターンを算出する。そして、第２取得部１３５は、算出した変化パターンに基づいて、ユーザＵ１の現在地を示す位置情報を取得する。例えば、第２取得部１３５は、変化パターンと磁気マップＭＡ１とのマッチングを行うことで、地磁気の時系列変化を特定する。そして、第２取得部１３５は、特定した時系列変化に基づいて、ユーザＵ１の遷移ルートを推定することで、ユーザＵ１の位置情報を取得（特定）する。

（第２特定部１３６について）
第２特定部１３６は、第２取得部１３５により取得された位置情報に基づいて、施設内でユーザが行った行動を特定する。図２の例では、第２特定部１３６は、第２取得部１３５により取得されたユーザＵ１の位置情報に基づいて、エリアＡＲ５内でユーザＵ１が行った行動を特定する。

（行動判定部１３７について）
行動判定部１３７は、第２特定部１３６により特定された行動に基づいて、施設内でユーザが所定の行動を行ったか否かを判定する。例えば、行動判定部１３７は、所定の行動として、所定の空間の中で取引対象（例えば、商品）が提供されている領域にユーザが訪問したか否かを判定する。また、例えば、行動判定部１３７は、所定の行動として、所定の空間の中で取引対象が陳列されている陳列棚（例えば、商品棚）にユーザが訪問したか否かを判定する。

図２の例では、情報処理装置１００がＣ１社から広告コンテンツの入稿を受け付けていることにより、ユーザＵ１がＣ１社の商品が陳列されている商品棚Ｘ１の前に来たか否かを判定する。

（通知部１３８について）
通知部１３８は、効果判定部１３４により判定された広告効果を広告主に通知する（フィードバックする）。また、通知部１３８は、効果判定部１３４により判定された判定結果および判定結果に基づく広告効果を広告主に通知する（フィードバックする）。

〔４．処理手順（１）〕
以下、図７に示すフローチャートを用いて、実施形態にかかる情報処理装置１００の各処理部が実行・実現する制御処理の内容について説明する。図７は、実施形態にかかる第１の情報処理の一例を示すフローチャートである。第１の情報処理については図１を用いて説明済みのため、適宜、図１の例を用いることにする。

まず、モデル生成部１３１は、予測モデルを生成するタイミングであるか否かを判定する（ステップＳ１０１）。例えば、モデル生成部１３１は、行動情報記憶部１２１に十分な情報が蓄積されているか否かを判定し、蓄積されている場合には（ステップＳ１０１；Ｙｅｓ）、予測モデルを生成するタイミングであると判定し、図１で説明したようにファネルを定義する（ステップＳ１０２）。一方、モデル生成部１３１は、行動情報記憶部１２１に十分な情報が蓄積されていない場合には（ステップＳ１０１；Ｎｏ）、予測モデルを生成するタイミングでないと判定し、予測モデルを生成するタイミングとなるまで待機する。また、モデル生成部１３１は、ステップＳ１０２で定義したファネル毎に予測モデルを生成する（ステップＳ１０３）。

次に、第１取得部１３２は、ユーザの（現在）位置を示す位置情報、および、かかる位置での時刻を示す時刻情報を取得する（ステップＳ１０４）。例えば、第１取得部１３２は、各地のビーコンによって検知された位置情報および時刻情報をこのビーコンから取得する。

次に、第１特定部１３３は、モデル生成部１３１により生成された予測モデルに対して、位置情報および前記時刻情報を入力することにより出力された確率であって、所定の行動へ至るまでの段階的な行動をユーザが行う確率に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する（ステップＳ１０５）。そして、効果判定部１３４は、第１特定部１３３により特定された行動に基づいて、広告効果を判定する（ステップＳ１０６）。そして、通知部１３８は、判定された広告効果を広告主に通知する（ステップＳ１０７）。

なお、モデル生成部１３１は、行動情報記憶部１２１に記憶される行動情報だけでなく、第１特定部１３３により特定された行動を示す行動情報をさらに適用することで強化学習を行うことで、ファネル定義や予測モデルの生成を行うことができる。これにより、モデル生成部１３１は、より高精度な予測モデルを生成することができる。

〔５．処理手順（２）〕
以下、図８に示すフローチャートを用いて、実施形態にかかる情報処理装置１００の各処理部が実行・実現する制御処理の内容について説明する。図８は、実施形態にかかる第２の情報処理の一例を示すフローチャートである。第２の情報処理については図２を用いて説明済みのため、適宜、図２の例を用いることにする。なお、図８の例では、情報処理装置１００は、磁気情報記憶部１２３において既に磁気マップのデータを有しているものとする。

まず、第２取得部１３５は、エリアＡＲ５において、ユーザＵ１の端末装置１０により計測された地磁気の強度を示す計測結果データ（磁気データ）を端末装置１０から取得できたか否かを判定する（ステップＳ２０１）。次に、第２取得部１３５は、計測結果データに基づいて、エリアＡＲ５において地磁気が変化する変化パターンを算出する（ステップＳ２０２）。次に、第２取得部１３５は、変化パターンと磁気マップとのマッチングを行うことで、ユーザＵ１の位置情報を取得する（ステップＳ２０３）。例えば、第２取得部１３５は、マッチングにより地磁気の時系列変化を特定し、特定した時系列変化に基づいて、ユーザＵ１の遷移ルートを推定することで、ユーザＵ１の位置情報を取得する。

次に、第２特定部１３６は、第２取得部１３５により取得された位置情報に基づいて、エリアＡＲ５内でユーザが行った行動を特定する（ステップＳ２０４）。そして、行動判定部１３７は、第２特定部１３６により特定された行動に基づいて、エリアＡＲ５内でユーザが所定の行動を行ったか否かを判定する（ステップＳ２０５）。そして、通知部１３８は、行動判定部１３７により判定された行動を広告主に通知する（ステップＳ２０６）。

〔６．変形例〕
上記実施形態にかかる情報処理装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理装置１００の他の実施形態について説明する。

〔６−１．属性情報〕
上記実施形態では、第１特定部１３３が、第１取得部１３２により取得された位置情報および時刻情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動を特定する例を示した。しかし、第１特定部１３３は、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動として、所定の属性情報に応じた行動を特定してもよい。かかる所定の属性情報は、例えば、ユーザ自体の属性情報（例えば、年齢、性別等）、ユーザが接触した広告コンテンツの属性情報、ユーザが接触した広告コンテンツが示す取引対象（例えば、商品やサービス等）の属性情報である。もちろん、所定の属性情報は、これらに限定されるものではない。

かかる場合、モデル生成部１３１は、位置情報および時刻情報だけでなくさらに上記のような属性情報が入力された場合に、所定の行動へ至るまでの段階的な行動であって、入力された位置情報、時刻情報、属性情報に応じた段階的な行動をユーザが行う確率を出力する予測モデルを生成することになる。

これにより、実施形態にかかる情報処理装置１００は、広告コンテンツがユーザにどれだけ影響を与えたかをより高精度に判断することができる。また、情報処理装置１００は、例えば、属性情報「男性」のユーザが、ある属性の広告コンテンツに接触した場合、ある施設に立ち寄ってからショップＳＨ１に向かう、といった属性に応じた傾向を特定できるようになるため、広告主に対してより高度な広告戦略を行わせることができる。

〔６−２．広告接触〕
また、第１特定部１３３は、所定の行動へ至るまでの段階的な行動のうち、ユーザが行う行動として、所定の行動へ至るまでの段階的な行動の中でユーザが接触した広告コンテンツに応じた行動を特定する。

図１の例では、ユーザＵ１は、初めに端末装置１０で広告コンテンツＡＤ１に接触しているが、例えば、ショップＳＨ１に到達するまでの間の経路や電車内において、広告コンテンツＡＤ１に対応する（関連する）物理的な広告（例えば、看板等）にさらに接触することもある。このような物理的な広告に接触したか否かは、例えば、ビーコンによって取得可能である。そして、初めに広告コンテンツＡＤ１に接触し、途中で、さらに広告コンテンツＡＤ１に関連する広告コンテンツに接触するからこそ、ユーザは目的のショップに行きコンバージョンに至ったり、あるいは、それまでに特定の施設に立ち寄ったりするといった傾向が生まれるかもしれない。第１特定部１３３は、このような複数段階での広告コンテンツへの接触に応じた行動を特定する。かかる場合、モデル生成部１３１は、物理広告に対応する予測モデルを生成する。

これにより、実施形態にかかる情報処理装置１００は、例えば、街中のどのような場所に看板広告等を出させるのがよいかの判断材料を広告主に与えることができる。

〔６−３．音波で位置取得（１）〕
上記実施形態では、第２取得部１３５が、所定の空間に分布する磁気の特徴として、所定の空間に対象物が存在することに応じて所定の空間に分布する地磁気が変化する変化パターンに基づいて、位置情報を取得する例を示した。しかし、第２取得部１３５は、施設内での所定の空間の特徴として、所定の空間に分布する非可聴音に基づいて、位置情報を取得してもよい。具体的には、第２取得部１３５は、所定の空間において、異なる周波数の非可聴音で生成されたグリッドのうち、ユーザの端末装置１０により検知された周波数に対応するグリッドに基づいて、位置情報を取得する。この点について、図２の例を用いて説明する。

例えば、エリアＡＲ５には、非可聴音（例えば、２０ｋＨｚ帯）を出力するスピーカ（例えば、指向性スピーカー）が複数設置される。かかるスピーカーは、それぞれ異なる波長（周波数）の非可聴音を出力し、エリアＡＲ５の壁等に沿って、例えば、エリアＡＲ５を１周するように設置される。このような状態で、各スピーカーが非可聴音を出力すると、エリアＡＲ５内に、異なる非可聴音でのグリッドが生じる。このため、エリアＡＲ５内には、異なる波長の非可聴音が交わる点が複数生じることになる。この点では、音波の干渉が生じるため、固有の非可聴音が発生することになる。そして、情報処理装置１００は、エリアＡＲ５内のどの位置で固有の非可聴音が発生するかを示す情報を予め有しているものとする。

ユーザＵ１の端末装置１０に内蔵されているマイクは、非可聴音を収集可能であるため、収集した非可聴音を示す音声データを情報処理装置１００に送信する。ここで、第２取得部１３５は、端末装置１０から受信した音声データを解析し、例えば、その音声データが固有の非可聴音を示す場合には、その固有の非可聴音が発生する位置をユーザＵ１の位置として取得する。

これにより、実施形態にかかる情報処理装置１００は、例えば、施設内において地磁気測位ができないような状況下においても、施設内でユーザが行った行動を高精度に特定することができる。

〔６−４．音波で位置取得（２）〕
また、第２取得部１３５は、所定の空間に設置された出力装置が周期的に動作しながら出力する非可聴音をユーザの端末装置が検知したタイミングに基づいて、位置情報を取得する。この点について、図２の例を用いて説明する。

例えば、エリアＡＲ５の両端（両隅）には、非可聴音（例えば、２０ｋＨｚ帯）を出力するスピーカー（例えば、指向性スピーカー）が１台ずつ設置される。これらのスピーカーは、自動で周期的な行動をするよう設定されている。例えば、一定の速さでスピーカー部分が首ふり行動を行うよう設定されている。一例を示すと、片方のスピーカーは、「１４時００分００秒」には東方向を向き、時間経過に応じて反時計回りに首ふりし、「１４時００分０２秒」北方向を向く、といったものである。また、もう片方のスピーカーは、「１４時００分００秒」には北方向を向き、時間経過に応じて反時計回りに首ふりし、「１４時００分０２秒」西方向を向く、といったものである。

そして、ユーザＵ１の端末装置１０のマイクは、上記のように決まった動きをする２台のスピーカーから出力される非可聴音をそれぞれ集音し、収集した非可聴音と、集音したときの時刻情報を示す音声データを情報処理装置１００に送信する。情報処理装置１００は、上記２台のスピーカーがいつどの方角を向いていたかがわかるようになっているとすると、第２取得部１３５は、端末装置１０から受信した時刻情報に基づいて、時刻情報が示す時刻に各スピーカーがどの方角に非可聴音を出力していたかを特定することができる。このため、第２取得部１３５は、各スピーカーに対応する方角の交点であって、エリアＡＲ５内に出来る交点の位置をユーザＵ１の位置として取得することができる。

また、例えば、スピーカーが１台の場合には、第２取得部１３５は、交点を特定することはできなくなるが、その１台のスピーカーに対応する方角の延長線上にユーザＵ１がいると推測することができる。そして、第２取得部１３５は、音声データが示す音量に基づき、その延長線上のどの辺りで非可聴音が集音されたかを推測できるようになるため、推測した位置をユーザＵ１の位置として取得することができる。

これにより、実施形態にかかる情報処理装置１００は、例えば、施設内において地磁気測位ができないような状況下においても、施設内でユーザが行った行動を高精度に特定することができる。

〔６−５．光で位置取得（１）〕
また、第２取得部１３５は、施設内での所定の空間の特徴として、所定の空間に分布する不可視光に基づいて、位置情報を取得する。具体的には、第２取得部１３５は、所定の空間において、異なる波長の不可視光で生成されたグリッドのうち、ユーザの端末装置１０により検知された波長に対応するグリッドに基づいて、位置情報を取得する。これは、上記「変形例６−３」で説明した例の不可視光バージョンである。

例えば、エリアＡＲ５には、不可視光（例えば、赤外線または紫外線）を出力する出力装置（光源）が複数設置される。かかる出力装置は、それぞれ異なる波長の不可視光を出力し、エリアＡＲ５の壁等に沿って、例えば、エリアＡＲ５を１周するように設置される。このような状態で、各出力装置が不可視光を出力すると、エリアＡＲ５内に、異なる波長の不可視光でのグリッドが生じる。このため、エリアＡＲ５内には、異なる波長の不可視光が交わる交点が複数生じることになる。この交点では、光の干渉が生じるため、固有の波長の不可視光が発生することになる。そして、情報処理装置１００は、エリアＡＲ５内のどの位置で固有の不可視光が発生するかを示す情報を予め有しているものとする。

ユーザＵ１の端末装置１０に内蔵されているセンサは、不可視光を検知可能であるため、検知した不可視光を示す光データを情報処理装置１００に送信する。ここで、第２取得部１３５は、端末装置１０から受信した光データを解析し、例えば、その光データが固有の波長の不可視光を示す場合には、その固有の波長の不可視光が発生する位置をユーザＵ１の位置として取得する。

これにより、実施形態にかかる情報処理装置１００は、例えば、施設内において地磁気測位ができないような状況下においても、施設内でユーザが行った行動を高精度に特定することができる。

〔６−６．光で位置取得（２）〕
また、第２取得部１３５は、所定の空間に設置された出力装置が周期的に動作しながら出力する不可視光をユーザの端末装置１０が検知したタイミングに基づいて、位置情報を取得する。これは、上記「変形例６−４」で説明した例の不可視光バージョンである。

例えば、エリアＡＲ５の両端（両隅）には、不可視光（例えば、赤外線または紫外線）を出力する出力装置が１台ずつ設置される。これらの出力装置は、自動で周期的な行動をするよう設定されている。例えば、一定の速さで出力部分が首ふり行動を行うよう設定されている。一例を示すと、片方の出力装置は、「１４時００分００秒」には東方向を向き、時間経過に応じて反時計回りに首ふりし、「１４時００分０２秒」北方向を向く、といったものである。また、もう片方の出力装置は、「１４時００分００秒」には北方向を向き、時間経過に応じて反時計回りに首ふりし、「１４時００分０２秒」西方向を向く、といったものである。

そして、ユーザＵ１の端末装置１０のセンサは、上記のように決まった動きをする２台の出力装置から出力される不可視光をそれそれ検知し、検知した不可視光と、検知したときの時刻情報を示す光データを情報処理装置１００に送信する。情報処理装置１００は、上記２台の出力装置がいつどの方角を向いていたかがわかるようになっているとすると、第２取得部１３５は、端末装置１０から受信した時刻情報に基づいて、時刻情報が示す時刻に各出力装置がどの方角に不可視光を出力していたかを特定することができる。このため、第２取得部１３５は、各出力装置に対応する方角の交点であって、エリアＡＲ５内に出来る交点の位置をユーザＵ１の位置として取得することができる。

また、例えば、出力装置が１台の場合には、第２取得部１３５は、交点を特定することはできなくなるが、その１台の出力装置に対応する方角の延長線上にユーザＵ１がいると推測することができる。そして、第２取得部１３５は、光データが示す強度に基づき、その延長線上のどの辺りで不可視光が検知されたかを推測できるようになるため、推測した位置をユーザＵ１の位置として取得することができる。

これにより、実施形態にかかる情報処理装置１００は、例えば、施設内において地磁気測位ができないような状況下においても、施設内でユーザが行った行動を高精度に特定することができる。

〔７．ハードウェア構成〕
また、上述してきた各実施形態にかかる情報処理装置１００は、例えば図９に示すような構成のコンピュータ１０００によって実現される。以下、情報処理装置１００を例に挙げて説明する。図９は、情報処理装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網５０を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５０を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態にかかる情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを、記録媒体１８００から読み取って実行するが、他の例として、他の装置から、通信網５０を介してこれらのプログラムを取得してもよい。

〔８．その他〕
上記各実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

以上、本願の実施形態をいくつかの図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１０ 端末装置
１００ 情報処理装置
１２１ 行動情報記憶部
１２２ モデル情報記憶部
１２３ 磁気情報記憶部
１３１ モデル生成部
１３２ 第１取得部
１３３ 第１特定部
１３４ 効果判定部
１３５ 第２取得部
１３６ 第２特定部
１３７ 行動判定部
１３８ 通知部

Claims (15)

1. ユーザの位置を示す位置情報を取得する取得部と、
   前記取得部により取得された位置情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動を特定する特定部と、
   前記特定部により特定された行動に基づいて、広告効果を判定する判定部と
   を有することを特徴とする情報処理装置。
2. 前記取得部は、前記位置情報として、前記ユーザの現在位置を示す位置情報を取得する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記取得部は、前記位置情報によって示される位置に前記ユーザが居る時刻を示す時刻情報をさらに取得し、
   前記特定部は、前記位置情報と前記時刻情報とに基づいて、前記所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動を特定する
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記取得部は、所定の位置に設置されたセンサにより検出された情報である検出情報に基づいて、前記位置情報と前記時刻情報とを取得する
   ことを特徴とする請求項３に記載の情報処理装置。
5. 前記特定部は、前記所定の行動へ至るまでの段階的な行動として、前記ユーザが所定の広告コンテンツに接触してから当該広告コンテンツに関連するコンバージョンへ至るまでの段階的な行動のうち、前記ユーザが行う行動を特定する
   ことを特徴とする請求項１〜４のいずれか１つに記載の情報処理装置。
6. 前記特定部は、前記所定の行動へ至るまでの段階的な行動として、前記ユーザが所定の広告コンテンツに接触してから当該広告コンテンツに関連する情報を任意の手段を用いて発信するまでの段階的な行動のうち、前記ユーザが行う行動を特定する
   ことを特徴とする請求項１〜５のいずれか１つに記載の情報処理装置。
7. 前記特定部は、前記所定の行動へ至るまでの段階的な行動に基づき生成されたモデルに対して、前記取得部により取得された位置情報および時刻情報を入力することにより出力された確率であって、前記所定の行動へ至るまでの段階的な行動を前記ユーザが行う確率に基づいて、前記所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動を特定する
   ことを特徴とする請求項３〜６のいずれか１つに記載の情報処理装置。
8. 前記特定部は、前記モデルとして、前記所定の行動へ至るまでの段階的な行動毎に生成されたモデルに対して前記位置情報および前記時刻情報を入力することにより出力された確率であって、当該段階的な行動を前記ユーザが行う確率に基づいて、所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動を特定する
   ことを特徴とする請求項７に記載の情報処理装置。
9. 前記特定部は、前記所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動として、所定の属性情報に応じた行動を特定する
   ことを特徴とする請求項１〜８のいずれか１つに記載の情報処理装置。
10. 前記特定部は、前記所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動として、前記所定の行動へ至るまでの段階的な行動の中で前記ユーザが接触した広告コンテンツに応じた行動を特定する
    ことを特徴とする請求項１〜９のいずれか１つに記載の情報処理装置。
11. 前記判定部は、前記広告効果として、前記特定部により特定された行動と、前記ユーザが接触した広告コンテンツとの関係性を判定する
    ことを特徴とする請求項１〜１０のいずれか１つに記載の情報処理装置。
12. 前記判定部は、前記広告効果として、前記特定部により特定された行動に対する、前記ユーザが接触した広告コンテンツの影響力を判定する
    ことを特徴とする請求項１〜１１のいずれか１つに記載の情報処理装置。
13. 前記判定部により判定された広告効果を広告主に通知する通知部をさらに有する
    ことを特徴とする請求項１〜１２のいずれか１つに記載の情報処理装置。
14. 情報処理装置が実行する情報処理方法であって、
    ユーザの位置を示す位置情報を取得する取得工程と、
    前記取得工程により取得された位置情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動を特定する特定工程と、
    前記特定工程により特定された行動に基づいて、広告効果を判定する判定工程と
    含むことを特徴とする情報処理方法。
15. ユーザの位置を示す位置情報を取得する取得手順と、
    前記取得手順により取得された位置情報に基づいて、所定の行動へ至るまでの段階的な行動のうち、前記ユーザが行う行動を特定する特定手順と、
    前記特定手順により特定された行動に基づいて、広告効果を判定する判定手順と
    をコンピュータに実行させることを特徴とする情報処理プログラム。