JP2020095608A - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

Abstract

【課題】顧客情報を適切に分類する情報処理装置、情報処理方法、及び情報処理プログラムを提供する。【解決手段】情報処理装置は、取得部と、推定部とを有する。取得部は、ユーザが入力した入力情報を取得する。生成部は、入力情報から抽出された対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、第２キーワードを分類したクラスタリング情報を生成する。【選択図】図４

Description

本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。

近年、インターネットの飛躍的な普及に伴い、例えば、インターネット上の種々の情報を用いた分析に関する技術が提供されている。例えば、購買履歴データ等を用いて時期のトレンドを考慮して顧客を分析する技術が知られている。

特開２０１５−１４６１４５号公報

しかしながら、上記の従来技術では、情報を適切に分類することができるとは限らない。例えば、分析対象の店の購買履歴データに基づいて生成された顧客グループを用いて比較するだけでは、対象の性質に関する情報を適切に分類することができない場合がある。

本願は、上記に鑑みてなされたものであって、情報を適切に分類する情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、ユーザが入力した入力情報を取得する取得部と、前記入力情報から抽出された対象に対応する第１キーワードと、前記対象の性質に関する第２キーワードとに基づいて、前記第２キーワードを分類したクラスタリング情報を生成する生成部と、を備えることを特徴とする。

実施形態の一態様によれば、情報を適切に分類することができるという効果を奏する。

図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る情報処理の一例を示す図である。 図３は、実施形態に係る情報処理システムの構成例を示す図である。 図４は、実施形態に係る情報処理装置の構成例を示す図である。 図５は、実施形態に係る企業情報記憶部の一例を示す図である。 図６は、実施形態に係るユーザ情報記憶部の一例を示す図である。 図７は、実施形態に係る行動情報記憶部の一例を示す図である。 図８は、実施形態に係るニーズ情報記憶部の一例を示す図である。 図９は、実施形態に係る情報処理の一例を示すフローチャートである。 図１０は、実施形態に係る情報処理の一例を示す図である。 図１１は、実施形態に係る情報処理の一例を示す図である。 図１２は、実施形態に係る情報処理の一例を示すフローチャートである。 図１３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、本願に係る情報処理装置、情報処理方法、及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詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。また、以下の各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。

（実施形態）
〔１．情報処理〕
図１及び図２を用いて、実施形態に係る情報処理の一例について説明する。まず、図１を用いて、ユーザの入力情報からニーズに関する情報を抽出する一例を説明する。図１は、実施形態に係る情報処理の一例を示す図である。また、図２の例では、第２キーワードを分類（クラスタリング）した情報（以下、「クラスタリング情報」ともいう）を生成し、生成したクラスタリング情報に基づくクラスタに対するニーズを推定する場合を説明するが、詳細は後述する。

図１では、情報処理装置１００は、ユーザが入力した入力情報に含まれるキーワードに基づいて、所定の対象に対するユーザのニーズに関する情報を抽出する。情報処理装置１００は、入力情報に含まれる所定の事業者が提供する対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、第１キーワードに対応する対象に対するニーズに関する情報を抽出する。なお、ここでいう性質は、対象が備えるもの（特徴）であり、性質には、対象が有する機能や対象の仕様や対象に対する価値評価等を含む概念であるものとする。図１の例では、ユーザの入力情報として、ユーザが検索に用いたキーワード（以下、「検索クエリ」や「クエリ」ともいう）に基づいて対象に対するニーズに関する情報を抽出する。なお、図１に示す例では、ユーザが入力した入力情報として、ユーザが検索に用いた検索クエリを一例として説明するが、入力情報は、検索クエリに限らず、ユーザがソーシャルネットワーキングサービス（ＳＮＳ：Social Networking Service）において投稿した情報（投稿情報）等の種々の情報であってもよい。

また、図１は、情報処理装置１００が事業者への情報提供を行う場合を示す。ここでいう事業者は、事業をおこなうものであれば、個人（自然人）や法人等の種々の事業者が含まれてもよい。例えば、事業者は、情報の提供を要求する商品または商品のカテゴリを示す指定を行う事業者である。例えば、事業者は、商品またはサービスを提供（販売）する企業であってもよい。図１の例では、商品または商品のカテゴリを示す指定を行う事業者が、自動車メーカＭＡである場合を示す。なお、ここでいう商品には、事業者が提供する役務（サービス）が含まれてもよい。以下では、商品またはサービスを併せて「商品」と記載する場合がある。図１の例では、情報処理装置１００は、事業者が指定した商品または商品のカテゴリを示す情報（以下、「対象情報」ともいう）に対応する対象に対するニーズに関する情報である対象需要情報を事業者へ提供する。また、図１では、情報処理装置１００は、自動車メーカＭＡから対象情報を取得し、取得した対象情報に対応する対象需要情報に関する情報を自動車メーカＭＡに提供する。

〔情報処理システムの構成〕
まず、図１及び図３に示す情報処理システム１について説明する。図３に示すように、情報処理システム１は、端末装置１０と、事業者装置２０と、情報処理装置１００とが含まれる。端末装置１０と、事業者装置２０と、情報処理装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。図３は、実施形態に係る情報処理システムの構成例を示す図である。なお、図３に示した情報処理システム１には、複数台の端末装置１０や、複数台の事業者装置２０や複数台の情報処理装置１００が含まれてもよい。

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）等により実現される。図１に示す例においては、端末装置１０がユーザが利用するスマートフォンである場合を示す。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。具体的には、図１では、端末装置１０がユーザＩＤ「Ｕ１」により識別されるユーザ（以下、「ユーザＵ１」とする場合がある）が利用するスマートフォンである場合を示す。

また、端末装置１０は、ＧＰＳセンサ等に限らず種々のセンサにより、各種センサ情報を検知してもよい。また、端末装置１０は、加速度センサの機能を有し、ユーザの移動における加速度情報（センサ情報）を検知し、取得する。また、端末装置１０は、温度センサや気圧センサ等の種々の機能を有し、温度や気圧等のユーザの置かれている環境情報を検知し、取得可能であってもよい。また、端末装置１０は、心拍センサ等の種々の機能を有し、ユーザの生体情報を検知し、取得可能であってもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身のコンテキスト情報を取得可能としてもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なリストバンド型のウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身の心拍（脈拍）に関する情報を端末装置１０が取得可能としてもよい。

また、図１に示す例においては、端末装置１０を利用するユーザに応じて、端末装置１０を端末装置１０−１〜１０−５として説明する。例えば、端末装置１０−１は、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）により使用される端末装置１０である。また、例えば、端末装置１０−２は、ユーザＩＤ「Ｕ２」により識別される（ユーザＵ２）により使用される端末装置１０である。また、以下では、端末装置１０−１〜１０−５について、特に区別なく説明する場合には、端末装置１０と記載する。

情報処理装置１００は、ユーザが入力した入力情報から抽出された対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、第２キーワードを分類したクラスタリング情報を生成する情報処理装置である。また、情報処理装置１００は、ユーザの種々の種別の行動情報を取得する。例えば、情報処理装置１００は、ユーザの端末装置１０からユーザの行動情報を取得する。例えば、情報処理装置１００は、ユーザにサービスを提供するサービス提供装置などの外部装置からユーザの行動情報を取得する。情報処理装置１００は、取得したユーザの行動情報を行動情報記憶部１２３（図７参照）等の記憶部１２０（図４参照）に格納する。

情報処理装置１００は、ユーザが入力した入力情報に含まれる第１キーワードと、入力情報に含まれる第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出する情報処理装置である。例えば、情報処理装置１００は、ユーザが入力した入力情報に含まれる第１キーワードと第２キーワードとの関係に基づいて、第１キーワードに対応する対象に対するニーズを抽出する。

また、情報処理装置１００は、端末装置１０から取得したクエリ（検索クエリ）に対する検索結果を端末装置１０に提供する検索サービスを提供する。図１の例では、情報処理装置１００は、クエリに対応する所定の情報を検索結果として、クエリの送信元である端末装置１０へ提供する。

なお、図１では、情報処理装置１００が検索サービスを提供する場合を示すが、外部の情報処理装置が検索サービスを提供する場合、情報処理装置１００は検索サービスを提供しなくてもよい。この場合、情報処理装置１００は、検索サービスを提供する外部の情報処理装置等から各種情報を取得し、事業者への情報提供のみを行ってもよい。

事業者装置２０は、事業者（企業）によって利用される情報処理装置である。図１の例では、事業者装置２０は、事業者である自動車メーカＭＡの管理者Ｍ１によって利用される情報処理装置である。例えば、自動車メーカＭＡの管理者Ｍ１は、事業者装置２０を用いて、情報処理装置１００に対してキーワードに関する指定を行う。また、事業者装置２０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や、デスクトップＰＣや、携帯電話機や、ＰＤＡ等により実現される。図１は、事業者装置２０がノート型ＰＣである場合を示す。

まず、情報処理装置１００は、ユーザＵ１が利用する端末装置１０−１からクエリを取得する（ステップＳ１１−１）。図１の例では、情報処理装置１００は、日時ｄｔ１１−１において、端末装置１０−１からクエリ「車Ｘ 横幅」を取得する。そして、情報処理装置１００は、クエリ「車Ｘ 横幅」に対応する検索結果を端末装置１０−１へ提供する（ステップＳ１２−１）。また、情報処理装置１００は、日時ｄｔ１１−１において、ユーザＵ１がクエリ「車Ｘ 横幅」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

また、情報処理装置１００は、ユーザＵ２が利用する端末装置１０−２からクエリを取得する（ステップＳ１１−２）。図１の例では、情報処理装置１００は、日時ｄｔ１１−２において、端末装置１０−２からクエリ「車Ｙ 燃費」を取得する。そして、情報処理装置１００は、クエリ「車Ｙ 燃費」に対応する検索結果を端末装置１０−２へ提供する（ステップＳ１２−２）。また、情報処理装置１００は、日時ｄｔ１１−２において、ユーザＵ２がクエリ「車Ｙ 燃費」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

また、情報処理装置１００は、ユーザＵ３が利用する端末装置１０−３からクエリを取得する（ステップＳ１１−３）。図１の例では、情報処理装置１００は、日時ｄｔ１１−３において、端末装置１０−３からクエリ「スマホ バッテリ」を取得する。そして、情報処理装置１００は、クエリ「スマホ バッテリ」に対応する検索結果を端末装置１０−３へ提供する（ステップＳ１２−３）。また、情報処理装置１００は、日時ｄｔ１１−３において、ユーザＵ３がクエリ「スマホ バッテリ」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

また、情報処理装置１００は、ユーザＵ４が利用する端末装置１０−４からクエリを取得する（ステップＳ１１−４）。図１の例では、情報処理装置１００は、日時ｄｔ１１−４において、端末装置１０−４からクエリ「天気」を取得する。そして、情報処理装置１００は、クエリ「天気」に対応する検索結果を端末装置１０−４へ提供する（ステップＳ１２−４）。また、情報処理装置１００は、日時ｄｔ１１−４において、ユーザＵ４がクエリ「天気」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

まず、情報処理装置１００は、ユーザＵ５が利用する端末装置１０−５からクエリを取得する（ステップＳ１１−５）。図１の例では、情報処理装置１００は、日時ｄｔ１１−５において、端末装置１０−５からクエリ「車Ｘ 荷台 広さ」を取得する。そして、情報処理装置１００は、クエリ「車Ｘ 荷台 広さ」に対応する検索結果を端末装置１０−５へ提供する（ステップＳ１２−５）。また、情報処理装置１００は、日時ｄｔ１１−５において、ユーザＵ５がクエリ「車Ｘ 荷台 広さ」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

以下、ステップＳ１１−１〜Ｓ１１−５を区別せずに説明する場合、ステップＳ１１と総称する。また、ステップＳ１１−１〜Ｓ１１−５に限らず、各ユーザの検索は、複数回行われてもよい。また、以下、ステップＳ１２−１〜Ｓ１２−５を区別せずに説明する場合、ステップＳ１２と総称する。なお、図１では、５人のユーザＵ１〜Ｕ５を図示するが、情報処理装置１００は、ユーザＵ１〜Ｕ５に限らず、多数のユーザ（例えば、１００万ユーザや１０００万ユーザ等）が検索に用いたクエリを取得する。

また、情報処理装置１００は、事業者から対象情報を取得する（ステップＳ１３）。図１の例では、情報処理装置１００は、自動車メーカＭＡが利用する事業者装置２０から商品「車Ｘ」を指定する対象情報（指定情報）を取得する。例えば、自動車メーカＭＡの管理者Ｍ１は、事業者装置２０に商品「車Ｘ」を指定する対象情報を入力することにより、情報処理装置１００へ商品「車Ｘ」を指定する対象情報を送信する。

そして、情報処理装置１００は、対象情報に対応する対象に対するニーズを抽出する（ステップＳ１４）。例えば、情報処理装置１００は、検索に用いられたクエリから対象情報に対応する対象に対するニーズを抽出する。図１の例では、情報処理装置１００は、対象情報「車Ｘ」に対応する文字列を含むクエリを抽出する。例えば、情報処理装置１００は、ステップＳ１１において取得したクエリに関する情報に基づいて、情報を抽出する。図１の例では、情報処理装置１００は、行動情報記憶部１２３に記憶されたクエリに関する情報のうち、対象情報に対応するクエリに関する情報を抽出する。

例えば、情報処理装置１００は、対象「車Ｘ」に対応する第１キーワード「車Ｘ」とともに用いられる対象「車Ｘ」の性質に関する第２キーワードを抽出する。例えば、情報処理装置１００は、対象「車」の性質に関する一覧情報に基づいて、第１キーワード「車Ｘ」とともに用いられる第２キーワードを抽出してもよい。例えば、情報処理装置１００は、車に関連する機能や仕様や価値評価等の種々の車に関する性質の一覧情報等を有してもよい。例えば、情報処理装置１００は、車に関連する性質として、価格やサイズや評価等に関する種々のキーワードを含む一覧情報等を有してもよい。例えば、情報処理装置１００は、車に関連する性質として、「横幅」や「燃費」等のキーワードを含む一覧情報等を有してもよい。例えば、情報処理装置１００は、対象「車」の性質に関する一覧情報を用いて、第２キーワードを抽出してもよい。

図１の例では、情報処理装置１００は、ユーザＵ１が第１キーワード「車Ｘ」と組み合わせて、車の仕様に関する第２キーワード「横幅」を用いたことを示す情報を抽出する。例えば、情報処理装置１００は、ユーザＵ１がクエリ「車Ｘ」と組み合わせてクエリ「横幅」を用いたことを示す情報を行動情報記憶部１２３から抽出する。このように、情報処理装置１００は、第１キーワード「車Ｘ」とともに用いられた第２キーワード「横幅」を抽出することにより、対象「車Ｘ」に対するユーザのニーズを抽出することができる。また、例えば、情報処理装置１００は、ユーザＵ１が２０代男性であること等を示すユーザＵ１に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。

また、図１の例では、情報処理装置１００は、ユーザＵ５が第１キーワード「車Ｘ」と組み合わせて、車の仕様に関する第２キーワード「荷台」及び第２キーワード「広さ」を用いたことを示す情報を抽出する。例えば、情報処理装置１００は、ユーザＵ５がクエリ「車Ｘ」と組み合わせてクエリ「荷台」及びクエリ「広さ」を用いたことを示す情報を行動情報記憶部１２３から抽出する。このように、情報処理装置１００は、第１キーワード「車Ｘ」とともに用いられた第２キーワード「荷台」や「広さ」を抽出することにより、対象「車Ｘ」に対するユーザのニーズを抽出することができる。また、例えば、情報処理装置１００は、ユーザＵ５が３０代女性であること等を示すユーザＵ５に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。なお、上記例では、第１キーワードに対応する「車Ｘ」の仕様に関する第２キーワードを抽出する例を示したが、第１キーワードとともに用いられる第２キーワードであれば、種々の情報を抽出してもよい。例えば、情報処理装置１００は、第１キーワードに対応する「車Ｘ」の機能に関する第２キーワードを抽出してもよい。例えば、情報処理装置１００は、「省エネ」や「衝突防止」等の車の機能に関する第２キーワードを抽出してもよい。また、例えば、情報処理装置１００は、第１キーワードに対応する「車Ｘ」の価値評価に関する第２キーワードを抽出してもよい。例えば、情報処理装置１００は、「若者に人気」や「お買い得」や「椅子が固い」等の車の価値評価に関する第２キーワードを抽出してもよい。なお、上記は一例であり、情報処理装置１００は、対象となる商品を製造する事業者が製品開発に利用可能なキーワードであれば、種々のキーワードを第２キーワードとして抽出してもよい。

そして、情報処理装置１００は、対象に対するニーズに関する情報に基づいて対象需要情報を生成する（ステップＳ１５）。図１の例では、情報処理装置１００は、ニーズ情報記憶部１２４に示すような対象需要情報を生成する。例えば、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を生成する。また、例えば、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を生成する。また、例えば、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」等であることを示す対象需要情報を生成する。

そして、情報処理装置１００は、事業者に対象需要情報を提供する（ステップＳ１６）。図１の例では、情報処理装置１００は、対象情報の送信元である自動車メーカＭＡに生成した対象需要情報を提供する。例えば、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、例えば、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」等であることを示す対象需要情報を自動車メーカＭＡに提供する。

〔情報の利用（製品開発等）〕
このように、情報処理装置１００は、対象情報に対応する対象に対するニーズを示す対象需要情報を、事業者に提供する。これにより、対象需要情報の提供を受けた事業者は、自身が指定した商品または商品のカテゴリについて、提供された対象需要情報に基づいて、新商品等の開発やマーケティング等を行うことができる。例えば、図１の例では、情報処理装置１００から対象「車Ｘ」に対応する第１キーワードが車Ｘの仕様に関する第２キーワード「横幅」とともに入力されている割合が高いことを示す対象需要情報の提供を受けた自動車メーカＭＡは、「横幅」の仕様（性質）を重要視した車Ｘの製品開発が可能となる。また、例えば、図１の例では、対象「車Ｘ」に対応する第１キーワードが車Ｘの仕様に関する第２キーワード「荷台 広さ」とともに入力されている割合が高いことを示す対象需要情報の提供を、情報処理装置１００から受けた自動車メーカＭＡは、「荷台」の仕様（性質）について広さを重要視した車Ｘの製品開発が可能となる。なお、情報処理装置１００は、抽出した対象に対するニーズに関する情報に基づく対象に関するコンテンツの生成を行ってもよいが、この点については後述する。また、例えば、図１の例では、対象「車Ｘ」に関する検索を行ったがユーザのうち、２０代のユーザが多いことを示す対象需要情報の提供を、情報処理装置１００から受けた自動車メーカＭＡは、２０代等の若いユーザをターゲットにした車Ｘの製品開発が可能となる。また、例えば、図１の例では、対象「車Ｘ」に関する検索を行ったがユーザのうち、男性のユーザが多いことを示す対象需要情報の提供を、情報処理装置１００から受けた自動車メーカＭＡは、男性をターゲットにした車Ｘの製品開発が可能となる。また、例えば、図１の例では、情報処理装置１００から対象需要情報の提供を受けた自動車メーカＭＡは、第２キーワードの傾向及び第２キーワードを用いたユーザ属性の両方を加味した車Ｘの製品開発を行うことが可能となる。例えば、図１の例では、女性のユーザが第１キーワード「車Ｘ」とともに、第２キーワード「乗り心地」を用いて検索を行う割合が高いことを示す情報を、情報処理装置１００から受けた自動車メーカＭＡは、対象「車Ｘ」の性質のうち、乗り心地を女性のユーザに訴求するように、女性のユーザに対して情報提供を行ってもよい。

〔１−１．入力情報〕
図１の例では、ユーザが検索に用いた検索クエリを入力情報の一例として示したが、情報処理装置１００は、ユーザが入力した入力情報であれば、種々の情報を用いて、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、所定のネットワークで通信される文字情報から対象に関するニーズを抽出してもよい。

例えば、情報処理装置１００は、ソーシャルネットワーキングサービスにおいてユーザが投稿した投稿情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、Ｔｗｉｔｔｅｒ（登録商標）やＦａｃｅｂｏｏｋ（登録商標）等においてユーザが投稿した投稿情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ユーザがＴｗｉｔｔｅｒにおいて投稿した文章（文字情報）を対象として、対象に関するニーズを抽出してもよい。この場合、例えば、情報処理装置１００は、形態素解析等の種々の自然言語処理技術の従来技術を適宜用いて、ユーザの入力情報（投稿情報）の意味解析を行った結果に基づいて、第１キーワードや第２キーワードを抽出してもよい。

例えば、情報処理装置１００は、ユーザがメッセージサービスにおいて入力した入力情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ユーザがＬＩＮＥ（登録商標）等のメッセージサービスにおいて入力した入力情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、電子メールにおいて入力した入力情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ウェブ上におけるコンテンツ（情報）に関する検索サービスにおける情報（検索クエリ）を対象として、対象に関するニーズを抽出してもよい。

また、例えば、情報処理装置１００は、質問サイト等においてユーザが入力した質問や回答に関する入力情報を対象として、対象に関するニーズを抽出してもよい。なお、上記は一例であり、情報処理装置１００は、種々の入力情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ユーザが入力した入力情報における第１キーワードとの共起頻度が所定の閾値以上である第２キーワードに基づいて、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ユーザが入力した入力情報における第１キーワードとの共起した回数が所定の閾値（例えば１０００回）以上である第２キーワードに基づいて、対象に関するニーズを抽出してもよい。

〔１−２．コンテンツの生成〕
なお、情報処理装置１００は、抽出した対象に対するニーズに関する情報に基づいて、対象に関するコンテンツを生成してもよい。例えば、対象「車Ｘ」が含まれる入力情報に、対象「車Ｘ」の性質である仕様「横幅」に対応する第２キーワードが所定の割合以上で含まれる場合、情報処理装置１００は、車Ｘの仕様「横幅」の情報がユーザに視認され易くした車Ｘに関するコンテンツを生成してもよい。この場合、例えば、情報処理装置１００は、車Ｘの仕様「横幅」の情報を他の情報よりも大きなフォントで表示する車ＸのＷｅｂページを生成してもよい。また、例えば、情報処理装置１００は、車Ｘの仕様「横幅」の情報を他の情報とは異なる色で表示する車ＸのＷｅｂページを生成してもよい。また、情報処理装置１００は、車Ｘの仕様「横幅」の情報を他の情報よりも視認され易くした車Ｘに関するコンテンツをユーザに提供してもよい。

〔１−３．対象〕
〔１−３−１．第１キーワード〕
図１の例では、自動車メーカＭＡが提供する具体的な商品「車Ｘ」を対象として、ニーズを抽出する場合を示したが、対象は、車に限らず飲料や食品等の種々の商品であってもよい。例えば、情報処理装置１００は、種々のレベル（階層）に応じた対象に対するニーズを抽出してもよい。例えば、情報処理装置１００は、所定の事業者が提供する商品のカテゴリに対するニーズを抽出してもよい。

例えば、情報処理装置１００は、対象を「車」として、ニーズを抽出してもよい。この場合、情報処理装置１００は、第１キーワードを「車」とし、第１キーワード「車」とともに用いられた第２キーワードに基づいて、対象「車」に対するニーズを抽出してもよい。

また、この場合、情報処理装置１００は、対象である「車」に関連する第１キーワードとともに用いられた第２キーワードに基づいて、対象「車」に対するニーズを抽出してもよい。例えば、情報処理装置１００は、対象である「車」に関連する「車Ｘ」や「車Ｙ」等の第１キーワードとともに用いられた第２キーワードに基づいて、対象「車」に対するニーズを抽出してもよい。

例えば、情報処理装置１００は、「ＳＵＶ（Sport Utility Vehicle）」や「ミニバン」等の車の車種（種別）を対象として、ニーズを抽出してもよい。例えば、「ミニバン」を対象とした場合、情報処理装置１００は、第１キーワードを「ミニバン」とし、第１キーワード「ミニバン」とともに用いられた第２キーワードに基づいて、対象「ミニバン」に対するニーズを抽出してもよい。

また、この場合、情報処理装置１００は、対象である「ミニバン」に関連する第１キーワードとともに用いられた第２キーワードに基づいて、対象「ミニバン」に対するニーズを抽出してもよい。例えば、情報処理装置１００は、対象である「ミニバン」に関連する商品名（具体的な車の名前）に対応する第１キーワードとともに用いられた第２キーワードに基づいて、対象「ミニバン」に対するニーズを抽出してもよい。例えば、情報処理装置１００は、対象である「ミニバン」である「車Ｂ」や「車Ｍ」等の第１キーワードとともに用いられた第２キーワードに基づいて、対象「ミニバン」に対するニーズを抽出してもよい。

〔１−３−２．対象の設定〕
また、図１の例では、情報処理装置１００が事業者自身の事業に関する対象を指定する指定情報を用いる場合を示したが、情報処理装置１００は、種々の態様により対象情報を取得してもよい。この場合、情報処理装置１００は、所定の事業者の事業に関する情報が取得可能であれば、どのような手段により、所定の事業者の事業に関する情報を取得してもよい。例えば、情報処理装置１００は、所定の事業者の事業に関する情報を、所定の事業者の所定のユーザ等から取得してもよい。また、情報処理装置１００は、所定の事業者の所定のユーザ等から指定を受け付け、所定の事業者の所定のユーザ等からの指定に基づいて、所定の事業者の事業に関する情報を記憶部１２０（図４参照）から取得してもよい。

例えば、情報処理装置１００は、所定の事業者の事業に関する情報から、所定の事業者が提供する対象に関する情報を抽出してもよい。例えば、情報処理装置１００は、企業情報記憶部１２１に記憶された所定の事業者の事業に関する情報から、所定の事業者が提供する対象に関する情報を抽出してもよい。例えば、情報処理装置１００は、企業情報記憶部１２１に記憶された自動車メーカＭＡの事業に関する情報から、自動車メーカＭＡが提供する対象に関する情報として、「車」や「車Ｘ」や「車Ｂ」や「ＳＵＶ」等の種々の情報を抽出してもよい。

また、情報処理装置１００は、企業情報記憶部１２１に記憶された情報に限らず、事業者に関するインターネット上のコンテンツからその事業者が提供する対象に関する情報を抽出してもよい。例えば、情報処理装置１００は、自動車メーカＭＡのホームページ等のサイトから、所定の事業者が提供する対象に関する情報を抽出してもよい。この場合、例えば、情報処理装置１００は、形態素解析等の種々の自然言語処理技術の従来技術を適宜用いて、自動車メーカＭＡのホームページ等の意味解析を行った結果に基づいて、所定の事業者が提供する対象に関する情報を抽出してもよい。また、情報処理装置１００は、上記のような情報に基づいて、各事業者に対応する対象に関する一覧情報を生成してもよい。この場合、情報処理装置１００は、生成した一覧情報を用いて、所定の事業者が提供する対象に関する情報を抽出してもよい。

そして、情報処理装置１００は、所定の事業者の事業に関する情報から抽出した対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出してもよい。

また、例えば、情報処理装置１００は、所定の事業者が提供する対象について、所定の事業者とは異なる他の事業者から、その対象を指定する対象情報を取得してもよい。例えば、情報処理装置１００は、一の事業者から他の事業者が提供する商品に関する対象に対応する対象情報の指定を受け付けてもよい。なお、この点については、図１０において説明する。

〔１−４．課金〕
また、情報処理装置１００は、対象需要情報の提供に応じて、情報の提供先に課金を行ってもよい。すなわち、情報処理装置１００は、情報提供に対して課金される事業者に、対象需要情報を提供してもよい。例えば、情報処理装置１００は、課金の金額の増加に応じて、提供する対象需要情報の量や質を上昇させてもよい。例えば、情報処理装置１００は、対象情報に対応するキーワードとともにクエリとして用いられるキーワードのうち、最も割合が高い第１位のキーワードの情報提供を５万円とし、対象情報に対応するキーワードとともにクエリとして用いられるキーワード全体の情報提供を１０万円としてもよい。例えば、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、最も割合が高い第１位のキーワード「横幅」の情報提供を５万円とし、商品「車Ｘ」とともにクエリとして用いられるキーワード全体の情報提供を１０万円としてもよい。

例えば、情報処理装置１００は、所定の金額（第１金額）だけ課金した事業者には、ニーズ情報記憶部１２４中のキーワード情報（第２キーワード）を提供し、所定の金額（第２金額）だけ課金した事業者には、ニーズ情報記憶部１２４中のユーザ属性情報を提供してもよい。また、例えば、情報処理装置１００は、所定の量以上の対象需要情報の提供を希望する事業者には、課金額をディスカウント（割引）、すなわちボリュームディスカウントしてもよい。例えば、情報処理装置１００は、キーワード情報及びユーザ属性情報の両方の対象需要情報の提供を希望する事業者には、第１金額と第２金額の合計よりも低い金額（第３金額）を課金してもよい。なお、上記は一例であり、情報処理装置１００は、種々の情報に基づいて、提供する対象需要情報や課金額を決定してもよい。

また、例えば、情報処理装置１００は、入札形式により対象需要情報を提供してもよい。例えば、情報処理装置１００は、情報提供に対して入札された金額に基づいて決定された事業者に対象需要情報を提供してもよい。なお、この点についての詳細は後述する。

〔１−５．対象需要情報〕
上述した対象需要情報は一例であり、情報処理装置１００は種々の情報を対象需要情報として提供してもよい。例えば、情報処理装置１００は、検索を行ったユーザの地域の分布を示す情報を対象需要情報として提供してもよい。また、例えば、情報処理装置１００は、事業者と競合する事業者（以下、「競合事業者」ともいう）の商品または当該商品のカテゴリを示す対象情報を取得し、競合事業者に関する対象需要情報を事業者に提供してもよい。なお、この点についての詳細は後述する。

〔１−６．提供態様〕
また、例えば、情報処理装置１００は、情報提供先となる事業者の事業規模（売上等）に応じて、対象需要情報の提供態様を変動させてもよい。例えば、情報処理装置１００は、事業者に事業規模（売上等）が所定の閾値未満である場合、情報提供を行うごとに課金を行ってもよい。また、例えば、情報処理装置１００は、事業者に事業規模（売上等）が所定の閾値以上である場合、定額制により情報提供を行ってもよい。例えば、情報処理装置１００は、事業者に事業規模（売上等）が所定の閾値以上である場合、所定の期間ごとに設定される課金額を課金し、その所定の期間内に情報提供を行ってもよい。また、例えば、情報処理装置１００は、情報提供先となる事業者の事業規模（売上等）に応じて、課金額を変動させてもよい。例えば、情報処理装置１００は、事業者に事業規模（売上等）が所定の閾値未満である場合、事業規模が所定の閾値以上の事業者に情報提供する場合と比べて、同様の情報提供における課金額を低くしてもよい。

〔１−７．情報処理〕
ここで、図２を用いて、実施形態に係る情報処理の一例について説明する。図２は、実施形態に係る情報処理の一例を示す図である。図２は、第２キーワードを分類したクラスタリング情報の生成に関する情報処理を示す図である。また、図２の例では、情報処理装置１００が生成した対象需要情報ＮＩＮＦ５１を用いて、第２キーワードのクラスタリング情報を生成する場合を示すが、ユーザの入力情報から抽出した第２キーワードのクラスタリング情報を生成できれば、どのような情報を用いてもよい。例えば、情報処理装置１００は、外部装置から取得した対象需要情報ＮＩＮＦ５１を用いて、第２キーワードのクラスタリング情報を生成してもよい。例えば、対象需要情報ＮＩＮＦ５１は、ニーズ情報記憶部１２４（図８参照）に格納される。例えば、情報処理装置１００は、行動情報記憶部１２３（図７参照）に記憶された入力情報に基づいて、対象需要情報ＮＩＮＦ５１を生成する。

まず、情報処理装置１００は、対象需要情報を取得する（ステップＳ５１）。例えば、情報処理装置１００は、記憶部１２０（図４参照）から、対象需要情報を取得する。例えば、情報処理装置１００は、ニーズ情報記憶部１２４（図８参照）から、対象需要情報を取得する。図２の例では、情報処理装置１００は、対象需要情報ＮＩＮＦ５１を取得する。例えば、情報処理装置１００は、商品「車ＣＺ」とともにクエリとして用いられるキーワードのうち、１５％が「車幅」であり、１２％が「インテリア」であり、１０％が「荷台」であり、９％が「シート」であること等を示す対象需要情報ＮＩＮＦ５１を取得する。また、例えば、情報処理装置１００は、商品「車ＣＺ」を検索するユーザのユーザ属性情報を含む対象需要情報ＮＩＮＦ５１を取得してもよい。

また、情報処理装置１００は、所定の知識データベースから、カテゴリ情報を取得する（ステップＳ５２）。図２の例では、情報処理装置１００は、カテゴリ情報ＺＩＮＦ５１を取得する。例えば、情報処理装置１００は、記憶部１２０（図４参照）から、カテゴリ情報ＺＩＮＦ５１を取得する。なお、情報処理装置１００は、カテゴリ情報ＺＩＮＦ５１を取得可能であれば、どのような取得態様により、カテゴリ情報ＺＩＮＦ５１を取得してもよい。例えば、情報処理装置１００は、カテゴリに関する知識データを提供する外部装置からカテゴリ情報ＺＩＮＦ５１を取得してもよい。

図２の例では、情報処理装置１００は、対象カテゴリ「車」の性質カテゴリには「スペック」、「内装」、「維持費」といった性質に関するカテゴリが含まれることを示すカテゴリ情報ＺＩＮＦ５１を取得する。情報処理装置１００は、対象カテゴリ「車」の性質カテゴリ「スペック」の性質には、「荷台」、「車幅」、「車高」といった性質が含まれることを示すカテゴリ情報ＺＩＮＦ５１を取得する。このように、情報処理装置１００は、対象カテゴリ「車」の性質カテゴリ「スペック」には車のスペックに関する複数の性質が属することを示す情報を取得する。

また、情報処理装置１００は、対象カテゴリ「車」の性質カテゴリ「内装」の性質には、「インテリア」、「シート」といった性質が含まれることを示すカテゴリ情報ＺＩＮＦ５１を取得する。このように、情報処理装置１００は、対象カテゴリ「車」の性質カテゴリ「内装」には車の内装に関する複数の性質が属することを示す情報を取得する。

また、情報処理装置１００は、対象カテゴリ「車」の性質カテゴリ「維持費」の性質には、「保険」、「ガソリン」、「車庫」といった性質が含まれることを示すカテゴリ情報ＺＩＮＦ５１を取得する。このように、情報処理装置１００は、対象カテゴリ「車」の性質カテゴリ「維持費」には車の維持費に関する複数の性質が属することを示す情報を取得する。なお、上記は一例であり、各性質は種々の性質カテゴリに属してもよい。例えば、一の性質が複数の性質カテゴリに属してもよい。

そして、情報処理装置１００は、クラスタリング情報を生成する（ステップＳ５３）。情報処理装置１００は、対象「車ＣＺ」等についてのクラスタリング情報ＣＩＮＦ５１を生成する。例えば、情報処理装置１００は、対象需要情報ＮＩＮＦ５１とカテゴリ情報ＺＩＮＦ５１とを用いて、クラスタリング情報ＣＩＮＦ５１を生成する。

例えば、情報処理装置１００は、対象「車ＣＺ」については、対象需要情報ＮＩＮＦ５１のうち、対象「車ＣＺ」に関する情報を用いて、クラスタリング情報ＣＩＮＦ５１を生成する。例えば、情報処理装置１００は、対象「車ＣＺ」について、カテゴリ情報ＺＩＮＦ５１のうち、対象カテゴリ「車」に関する情報を用いて、クラスタリング情報ＣＩＮＦ５１を生成する。この場合、情報処理装置１００は、カテゴリ情報ＺＩＮＦ５１のうち、対象「車ＣＺ」が属する対象カテゴリ「車」に関する情報を用いて、クラスタリング情報ＣＩＮＦ５１を生成する。

なお、情報処理装置１００は、所定の知識データベースを用いて、対象「車ＣＺ」が対象カテゴリ「車」に属することを特定してもよい。情報処理装置１００は、各対象カテゴリに属する対象の一覧情報を用いて、対象「車ＣＺ」が対象カテゴリ「車」に属することを特定してもよい。情報処理装置１００は、各対象カテゴリに属する対象の一覧情報と、対象「車ＣＺ」とを比較し、対象「車ＣＺ」が含まれる対象カテゴリ「車」を特定してもよい。なお、情報処理装置１００は、上記のような対象が属する対象カテゴリを特定するための情報を、記憶部１２０（図４参照）から取得してもよいし、所定の知識データベースを提供する外部装置から取得してもよい。

そして、情報処理装置１００は、対象「車ＣＺ」が属する対象カテゴリ「車」の性質カテゴリの各々について、その性質カテゴリに属する性質に対応するキーワードを、対象需要情報ＮＩＮＦ５１のうち、対象「車ＣＺ」に対応するキーワード情報から抽出する。

図２の例では、情報処理装置１００は、対象「車ＣＺ」について、性質カテゴリ「スペック」に属する性質「荷台」に対応するキーワード「荷台」の割合が「１０％」であることを示す第２キーワード情報を抽出する。情報処理装置１００は、対象「車ＣＺ」について、性質カテゴリ「スペック」に属する性質「車幅」に対応するキーワード「車幅」の割合が「１５％」であることを示す第２キーワード情報を抽出する。情報処理装置１００は、対象「車ＣＺ」について、性質カテゴリ「スペック」に属する性質「車高」に対応するキーワード「車高」の割合が「７％」であることを示す第２キーワード情報を抽出する。

また、情報処理装置１００は、対象「車ＣＺ」について、性質カテゴリ「内装」に属する性質「インテリア」に対応するキーワード「インテリア」の割合が「１２％」であることを示す第２キーワード情報を抽出する。情報処理装置１００は、対象「車ＣＺ」について、性質カテゴリ「内装」に属する性質「シート」に対応するキーワード「シート」の割合が「９％」であることを示す第２キーワード情報を抽出する。また、情報処理装置１００は、対象「車ＣＺ」について、性質カテゴリ「維持費」に属する性質「車庫」に対応するキーワード「車庫」の割合が「７％」であることを示す第２キーワード情報を抽出する。

そして、情報処理装置１００は、抽出した第２キーワード情報に基づいて、クラスタリング情報ＣＩＮＦ５１を生成する。図２の例では、情報処理装置１００は、対象「車ＣＺ」について各性質カテゴリをクラスタとしたクラスタリング情報ＣＩＮＦ５１を生成する。例えば、情報処理装置１００は、対象「車ＣＺ」について、性質カテゴリ「スペック」をクラスタＣＬ１とし、性質カテゴリ「内装」をクラスタＣＬ２とし、性質カテゴリ「維持費」をクラスタＣＬ３としたクラスタリング情報ＣＩＮＦ５１を生成する。なお、情報処理装置１００は、上記に限らず、種々の情報を適宜用いて、性質カテゴリに属する性質を決定してもよい。例えば、情報処理装置１００は、第２キーワードの意味（概念）に基づいて、第２キーワードを分類し、クラスタリング情報を生成してもよい。例えば、情報処理装置１００は、深層学習（ディープラーニング）等の種々の従来技術を用いて、第２キーワードを分類し、クラスタリング情報を生成してもよい。

図２の例では、情報処理装置１００は、各クラスタＣＬ１〜ＣＬ３の各々に対応する第２キーワード情報を対応付ける。例えば、情報処理装置１００は、クラスタＣＬ１「スペック」に第２キーワード「車幅」の割合が１５％であることを示す第２キーワード情報を対応づける。情報処理装置１００は、クラスタＣＬ１「スペック」に第２キーワード「荷台」の割合が１０％であることを示す第２キーワード情報を対応づける。

また、図２の例では、情報処理装置１００は、各クラスタに対応付けられた第２キーワードの割合に基づいて、各クラスタのスコアを算出する。例えば、情報処理装置１００は、各クラスタに対応付けられた第２キーワードの割合の合計（以下「合計割合」ともいう）を、各クラスタのスコアとして算出する。情報処理装置１００は、クラスタＣＬ１に対応付けられた第２キーワード「車幅」、「荷台」、「車高」等の割合を合計することにより、クラスタＣＬ１のスコア「５５（＝１５＋１０＋７…）」を算出する。なお、上記は一例であり、情報処理装置１００は、種々の情報を適宜用いて、クラスタのスコアを算出してもよい。例えば、情報処理装置１００は、クラスタの合計割合を、そのクラスタに対応付けられた第２キーワードの個数で除した値をクラスタのスコアとして算出してもよい。

また、情報処理装置１００は、クラスタＣＬ２「内装」のスコアを「２５」と算出する。また、情報処理装置１００は、クラスタＣＬ３「維持費」のスコアを「９」と算出する。

そして、情報処理装置１００は、クラスタに対するニーズを推定する（ステップＳ５４）。情報処理装置１００は、クラスタニーズ情報ＪＩＮＦ５１に示すような各クラスタＣＬ１〜ＣＬ３に対するニーズを推定する。なお、情報処理装置１００は、クラスタニーズ情報ＪＩＮＦ５１に示す情報を記憶部１２０（図４参照）に記憶してもよい。

例えば、情報処理装置１００は、各クラスタＣＬ１〜ＣＬ３のスコアと、所定の閾値との比較に基づいて、各クラスタＣＬ１〜ＣＬ３のニーズ（需要）を推定する。図２の例では、情報処理装置１００は、第１閾値「５０」と、第２閾値「２０」とを用いて、クラスタごとのニーズを推定する。例えば、情報処理装置１００は、スコアが第１閾値以上であるクラスタについては、対応する対象に対するクラスタのニーズが「高」であると推定する。例えば、情報処理装置１００は、スコアが第２閾値以上であるクラスタについては、対応する対象に対するクラスタのニーズが「中」であると推定する。例えば、情報処理装置１００は、スコアが第２閾値未満であるクラスタについては、対応する対象に対するクラスタのニーズが「低」であると推定する。

図２の例では、情報処理装置１００は、クラスタＣＬ１「スペック」のスコアが「５５」であり、第１閾値以上であるため、対象「車ＣＺ」に対するクラスタＣＬ１「スペック」のニーズを「高」と推定する。また、情報処理装置１００は、クラスタＣＬ２「内装」のスコアが「２５」であり、第１閾値未満、第２閾値以上であるため、対象「車ＣＺ」に対するクラスタＣＬ２「内装」のニーズを「中」と推定する。また、情報処理装置１００は、クラスタＣＬ３「維持費」のスコアが「９」であり、第２閾値未満であるため、対象「車ＣＺ」に対するクラスタＣＬ３「維持費」のニーズを「低」と推定する。

なお、情報処理装置１００は、クラスタリング情報ＣＩＮＦ５１やクラスタニーズ情報ＪＩＮＦ５１を記憶部１２０に格納してもよい。情報処理装置１００は、クラスタリング情報ＣＩＮＦ５１に関する情報を要求する事業者にクラスタリング情報ＣＩＮＦ５１を提供してもよい。また、情報処理装置１００は、クラスタニーズ情報ＪＩＮＦ５１に関する情報を要求する事業者にクラスタニーズ情報ＪＩＮＦ５１を提供してもよい。また、情報処理装置１００は、車ＣＺを提供する事業者にクラスタリング情報ＣＩＮＦ５１やクラスタニーズ情報ＪＩＮＦ５１を提供してもよい。

図２の例では、情報処理装置１００は、対象「車ＣＺ」に対するニーズを示す第２キーワード情報を分類したクラスタリング情報を生成する。これにより、情報処理装置１００は、情報を適切に分類することができる。また、情報処理装置１００は、対象「車ＣＺ」に対するニーズをクラスタリングして、分析することができる。図２の例では、情報処理装置１００は、対象「車ＣＺ」については、スペックに関するニーズが高いと推定することできる。すなわち、情報処理装置１００は、車高などのクラスタが合計として増えているため、全体としてのサイズが気にされると推定することができる。例えば、情報処理装置１００は、スペックのクラスタのニーズが増えていれば、車のスペックが車購入時に差初期段階で検討する項目であるため、車ＣＺの購入検討の初期段階のユーザが多いと推定することができる。また、情報処理装置１００は、スペックのクラスタに属する第２キーワードを入力したユーザが、車ＣＺの購入検討の初期段階のユーザであると推定することができる。なお、情報処理装置１００は、内装のクラスタが増えていれば内装を気にする人が増えていると推定することができる。また、情報処理装置１００は、維持費のクラスタが増えていれば維持費関連が気にする人が増えていると推定することができる。また、情報処理装置１００は、維持費のクラスタのニーズが増えていればば、維持費が車購入時に差最終段階で検討する項目であるため、車ＣＺの購入検討の最終段階に入っているユーザが多いと推定することができる。また、情報処理装置１００は、維持費のクラスタに属する第２キーワードを入力したユーザが、車ＣＺの購入検討の最終段階に入っているユーザであると推定することができる。

〔１−７−１．クラスタリング〕
図２の例では、情報処理装置１００がキーワードに基づいて、クラスタリング情報を生成する場合を示した。すなわち、図２の例では、情報処理装置１００は、対象や性質のカテゴリに基づいて、クラスタリング情報を生成する。具体的には、情報処理装置１００は、第１キーワードが示す概念と第２キーワードが示す概念とに基づいて、クラスタリング情報を生成する。より具体的には、情報処理装置１００は、第２キーワードが示す概念の類似性に基づいて、クラスタリング情報を生成する。しかしながら、情報処理装置１００は、第２キーワードの概念に限らず、第２キーワードの種々の関係性に基づいて、クラスタリング情報を生成してもよい。

例えば、情報処理装置１００は、第２キーワードの入力数の時間的推移に基づいて、クラスタリング情報を生成してもよい。例えば、情報処理装置１００は、所定の対象（以下「対象Ｘ」とする）の第２キーワードの入力数の時間的推移に基づいて、対象Ｘの第２キーワードに関するクラスタリング情報を生成してもよい。

この場合、情報処理装置１００は、対象Ｘを第１キーワードとした場合において、各第２キーワードの入力数の時間的増減の類似性に基づいて、対象Ｘの第２キーワードを分類したクラスタリング情報を生成する。例えば、情報処理装置１００は、入力された回数の増減のパターンが類似する第２キーワードをクラスタとして、第２キーワードを分類したクラスタリング情報を生成する。例えば、情報処理装置１００は、時間的な変化が所定の範囲内の第２キーワードをクラスタとして、第２キーワードを分類したクラスタリング情報を生成する。例えば、情報処理装置１００は、入力された数の時間的推移の類似度が所定の閾値以上である第２キーワードが同じクラスタに属するクラスタリング情報を生成してもよい。

なお、上記は一例であり、情報処理装置１００は、クラスタリングに関する種々の従来技術を用いて、第２キーワードの入力数の時間的増減の類似性に基づくクラスタリングを行ってもよい。例えば、情報処理装置１００は、第２キーワードの入力数の時間的増減の類似性に基づいて、第２キーワードが分類されれば、どのような手法により、第２キーワードを分類してもよい。

例えば、情報処理装置１００は、対象「車ＣＺ」について、第２キーワード「車幅」の入力数の増減パターンが、第２キーワード「車庫」の入力数の増減パターンと類似する場合、第２キーワード「車幅」と第２キーワード「車庫」とが同じクラスタに属するクラスタリング情報を生成する。

〔１−７−２．その他〕
図２の例では、情報処理装置１００が対象需要情報ＮＩＮＦ５１を取得し、クラスタリング情報を生成する場合を示したが、情報処理装置１００は、種々の対象のクラスタリング情報を生成してもよい。

情報処理装置１００は、種々の態様により、クラスタリング情報を生成してもよい。情報処理装置１００は、情報処理装置１００の管理者の指定に応じて、クラスタリング情報を生成してもよい。情報処理装置１００は、自動的に抽出した対象について、第２キーワードのクラスタリング情報を生成してもよい。情報処理装置１００は、記憶部１２０（図４参照）からランダムに抽出した対象について、クラスタリング情報を生成してもよい。例えば、情報処理装置１００は、所定の事業者の要求に応じて、クラスタリング情報を生成してもよい。例えば、情報処理装置１００は、車ＣＺを提供する事業者によるクラスタリング情報の要求に応じて、車ＣＺの第２キーワードのクラスタリング情報を生成してもよい。そして、情報処理装置１００は、所定の事業者にクラスタリング情報に関するサービスを提供してもよい。例えば、情報処理装置１００は、車ＣＺを提供する事業者にクラスタリング情報を送信してもよい。なお、情報処理装置１００は、車ＣＺを提供する事業者以外の他の事業者（自動車メーカＭＡ）からの要求に応じて、対象「車ＣＺ」の第２キーワードのクラスタリング情報を生成してもよい。情報処理装置１００は、車ＣＺを提供する事業者の競合である自動車メーカＭＡからの要求に応じて、対象「車ＣＺ」の第２キーワードのクラスタリング情報を生成してもよい。例えば、情報処理装置１００は、自動車メーカＭＡに、対象「車ＣＺ」の第２キーワードのクラスタリング情報を提供してもよい。

〔１−８．情報処理のフロー〕
ここで、図１２を用いて、実施形態に係る情報処理装置１００による情報処理の手順について説明する。図１２は、実施形態に係る情報処理の一例を示すフローチャートである。

図１２に示すように、情報処理装置１００は、ユーザが入力した入力情報を取得する（ステップＳ５０１）。また、情報処理装置１００は、入力情報から対象に対応する第１キーワードと、対象の性質に関する第２キーワードとを抽出する（ステップＳ５０２）。そして、情報処理装置１００は、第１キーワードと、第２キーワードとに基づいて、第２キーワードを分類したクラスタリング情報を生成する（ステップＳ５０３）。

〔２．情報処理装置の構成〕
次に、図４を用いて、実施形態に係る情報処理装置１００の構成について説明する。図４は、実施形態に係る情報処理装置の構成例を示す図である。図４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。なお、情報処理装置１００は、情報処理装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
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、ネットワークと有線または無線で接続され、例えば情報処理システム１に含まれる端末装置１０や事業者装置２０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）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。実施形態に係る記憶部１２０は、図４に示すように、企業情報記憶部１２１と、ユーザ情報記憶部１２２と、行動情報記憶部１２３と、ニーズ情報記憶部１２４とを有する。

（企業情報記憶部１２１）
実施形態に係る企業情報記憶部１２１は、商品に関する各種情報を記憶する。図５は、実施形態に係る企業情報記憶部の一例を示す図である。図５に示す企業情報記憶部１２１は、「企業ＩＤ」、「企業名」、「業種」、「競合企業」、「商品」、「カテゴリ」、「競合商品」といった項目が含まれる。

「企業ＩＤ」は、企業を識別するための識別情報を示す。「企業名」は、対応する企業ＩＤにより識別される企業の名称を示す。「業種」は、対応する企業ＩＤにより識別される企業の業種を示す。「競合企業」は、対応する企業ＩＤにより識別される企業の競合企業を示す。例えば、「競合企業」は、対応する企業ＩＤにより識別される企業と同業種の企業であってもよいし、対応する企業ＩＤにより識別される企業と類似する商品を提供する企業であってもよい。また、例えば、「競合企業」は、対応する企業ＩＤにより識別される企業により指定されてもよい。

「商品」は、対応する企業ＩＤにより識別される企業により提供される商品を示す。「カテゴリ」は、対応する商品のカテゴリを示す。また、「競合商品」は、対応する商品の競合を示す。例えば、「競合商品」は、対応する商品と類似するカテゴリの商品であってもよいし、対応する商品と同種の商品やサービスを提供する企業であってもよい。また、例えば、「競合商品」は、対応する企業ＩＤにより識別される企業により指定されてもよい。

例えば、図５に示す例において、企業ＩＤ「ＥＰ１」により識別される企業（企業ＥＰ１）は、企業名が「自動車メーカＭＡ」であり、業種が「自動車製造・販売」であることを示す。また、自動車メーカＭＡの競合企業は、企業ＩＤ「ＥＰ１１」により識別される企業（メーカＭＲ）であることを示す。また、自動車メーカＭＡが提供する商品は、「車Ｘ」や「車Ｂ」や「車Ｃ」であることを示す。また、「車Ｘ」のカテゴリは「ＳＵＶ」であり、「車Ｂ」のカテゴリは「ミニバン」であり、「車Ｃ」のカテゴリは「軽自動車」であることを示す。また、「車Ｘ」の競合商品は、車Ｙであることを示す。

なお、企業情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、企業情報記憶部１２１は、企業の所在地や企業の従業員数や売上高等の事業規模に関する情報を記憶してもよい。

（ユーザ情報記憶部１２２）
実施形態に係るユーザ情報記憶部１２２は、ユーザ属性に関する各種情報を記憶する。例えば、ユーザ情報記憶部１２２は、ユーザ属性情報を記憶する。図６は、実施形態に係るユーザ情報記憶部の一例を示す図である。図６に示すユーザ情報記憶部１２２は、「ユーザＩＤ」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。

また、「自宅」は、ユーザＩＤにより識別されるユーザの自宅の位置情報を示す。なお、図６に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。

また、「勤務地」は、ユーザＩＤにより識別されるユーザの勤務地の位置情報を示す。なお、図６に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。

また、「興味」は、ユーザＩＤにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザＩＤにより識別されるユーザが関心の高い対象を示す。なお、図６に示す例では、「興味」は、各ユーザに１つずつ図示するが、複数であってもよい。

例えば、図６に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、自宅が「ＬＣ１１」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、勤務地が「ＬＣ１２」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、「スポーツ」に興味があることを示す。

なお、ユーザ情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２２は、ユーザのデモグラフィック属性に関する情報やサイコグラフィック属性に関する情報を記憶してもよい。例えば、ユーザ情報記憶部１２２は、氏名、家族構成、収入、興味、ライフスタイル等の情報を記憶してもよい。

（行動情報記憶部１２３）
実施形態に係る行動情報記憶部１２３は、ユーザの行動に関する各種情報を記憶する。図７は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部１２３は、各ユーザの端末装置１０を用いて行った検索等を含む種々の行動情報を記憶する。図７に示す行動情報記憶部１２３には、「行動ＩＤ」、「ユーザＩＤ」、「日時」、「クエリ情報」といった項目が含まれる。また、「クエリ情報」には、「クエリ１」、「クエリ２」、「クエリ３」等といった項目が含まれる。なお、「クエリ情報」には、「クエリ１」〜「クエリ３」に限らず、組合せの数だけ、例えば「クエリ４」や、「クエリ５」等といった項目が含まれてもよい。

また、「行動ＩＤ」は、ユーザの行動を識別する情報を示す。「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。「日時」は、対応するユーザの行動が行われた日時を示す。「日時」には、「ｄｔ１１−１」等のように抽象的に図示するが、「２０１７年４月１１日２３時３１分５２秒」等の具体的な日時が記憶されてもよい。また、「クエリ情報」は、対応する検索において用いられたクエリに関する情報を示す。「クエリ１」や「クエリ２」は、対応する検索において用いられたクエリを示す。例えば、「クエリ１」は、第１クエリに対応し、「クエリ２」は、第２クエリに対応し、「クエリ３」は、第３クエリに対応する。

例えば、図７に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）は、行動ＡＣ１１を行ったことを示す。具体的には、図７に示す例においてユーザＵ１は、第１クエリ「車Ｘ」と第２クエリ「横幅」とを用いた検索（行動ＡＣ１１）を日時ｄｔ１１−１に行ったことを示す。また、例えば、図７に示す例において、ユーザＩＤ「Ｕ２」により識別されるユーザ（ユーザＵ２）は、行動ＡＣ１２を行ったことを示す。具体的には、図７に示す例においてユーザＵ２は、第１クエリ「車Ｙ」と第２クエリ「燃費」とを用いた検索（行動ＡＣ１２）を日時ｄｔ１１−２に行ったことを示す。

なお、行動情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、図７では、ユーザＩＤごとに行動情報が行動情報記憶部１２３に記憶される場合を示したが、行動情報は、日時順に限らず、例えばユーザＩＤごとに記憶されてもよい。また、図７では、行動情報記憶部１２３にユーザが検索に用いたクエリに関する情報を図示したが、行動情報記憶部１２３には、ユーザが投稿した投稿情報等のユーザが入力した入力情報が記憶されてもよい。

また、行動情報記憶部１２３には、ユーザが行った種々の行動情報が記憶されてもよい。例えば、行動情報記憶部１２３には、ユーザのコンテンツの閲覧や商品またはサービス（商品等）の購買等の種々の種別の行動情報が記憶される。例えば、行動情報記憶部１２３には、ユーザの行動がコンテンツの閲覧である場合、ユーザが閲覧したコンテンツを示す情報が行動ＩＤに対応付けて記憶される。例えば、行動情報記憶部１２３には、ユーザの行動が商品等の購買である場合、ユーザが購入した商品等を示す情報が行動ＩＤに対応付けて記憶される。例えば、行動情報記憶部１２３には、ユーザの行動の種別を示す情報が各行動に対応付けて記憶される。例えば、行動情報記憶部１２３には、ユーザの行動の種別が「検索」や「投稿」や「閲覧」や「購買」等の種々の種別のうちいずれの種別であるかを示す種別情報を行動ＩＤに対応付けて記憶される。

（ニーズ情報記憶部１２４）
実施形態に係るニーズ情報記憶部１２４は、索引に関する各種情報を記憶する。図８は、実施形態に係るニーズ情報記憶部の一例を示す図である。図８に示すニーズ情報記憶部１２４は、「対象」、「キーワード情報」、「ユーザ属性情報」といった項目を有する。

「対象」は、対象需要情報を生成する対象を示す。「対象」は、特定の商品名やサービス名に限らず、商品やサービスのカテゴリ（飲料やファッションや旅行等）であってもよい。

「キーワード情報」は、対応する対象に関する検索において用いられるキーワード（クエリ）に関する情報を示す。例えば、「キーワード情報」は、対象に対応する第１キーワードとともに用いられる第２キーワードに関する情報を示す。「キーワード情報」には、「キーワード」や「割合」といった項目が含まれる。「キーワード」は、対象とともに用いられるクエリを示す。また、「割合」は、対応するキーワードが、対象に対応するキーワードとともに用いられる割合を示す。

「ユーザ属性情報」は、対応する対象に関する入力情報を入力したユーザの属性の対象需要情報を示す。例えば、「ユーザ属性情報」は、対応する対象に関するクエリを用いた検索や投稿を行ったユーザの属性の対象需要情報を示す。「ユーザ属性情報」には、「カテゴリ」や「属性」や「割合」といった項目が含まれる。「カテゴリ」は、ユーザを分類するカテゴリを示す。「属性」は、対応するカテゴリにおける種別（属性）を示す。また、「割合」は、対応する属性のユーザが、対応する対象に対応するキーワードを用いた検索を行う割合を示す。

図８の例は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す。また、図８の例では、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す。また、図８の例では、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」等であることを示す。

また、ニーズ情報記憶部１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ニーズ情報記憶部１２４は、対象需要情報が生成された日時や生成に用いた情報が収集された期間に関する情報を記憶してもよい。

（制御部１３０）
図４の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、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（情報処理プログラムの一例に相当）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、コントローラであり、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４に示すように、制御部１３０は、取得部１３１と、抽出部１３２と、生成部１３３と、推定部１３４と、提供部１３５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。

（取得部１３１）
取得部１３１は、各種情報を取得する。例えば、取得部１３１は、企業情報記憶部１２１やユーザ情報記憶部１２２や行動情報記憶部１２３やニーズ情報記憶部１２４から各種情報を取得する。例えば、取得部１３１は、端末装置１０や事業者装置２０から各種情報を取得する。取得部１３１は、抽出部１３２により抽出された情報を取得する。取得部１３１は、抽出部１３２により抽出された対象に対するニーズに関する情報を取得する。取得部１３１は、生成部１３３により生成された情報を取得する。

取得部１３１は、ユーザが入力した入力情報を取得する。例えば、取得部１３１は、ユーザが検索に用いた検索クエリを含む入力情報を取得する。例えば、取得部１３１は、ユーザが所定のサービスにおいて投稿した投稿情報を含む入力情報を取得する。例えば、取得部１３１は、所定の事業者から、対象を指定する対象情報を取得する。例えば、取得部１３１は、所定の事業者とは異なる他の事業者から、対象を指定する対象情報を取得する。例えば、取得部１３１は、所定の事業者の事業に関する情報を取得する。

例えば、取得部１３１は、事業者が指定した検索に用いられたクエリを取得する。また、例えば、取得部１３１は、事業者が指定したキーワードを対象情報として取得する。また、例えば、取得部１３１は、事業者が指定したキーワードに基づくカテゴリを対象情報として取得する。例えば、取得部１３１は、事業者が指定したキーワードが一のカテゴリと一致する場合、指定されたキーワードをカテゴリの指定として取得する。また、例えば、取得部１３１は、事業者が指定したクエリに関する対象情報を取得する。

図１の例では、取得部１３１は、事業者装置２０から商品または商品のカテゴリを示す対象情報を取得する。図１の例では、取得部１３１は、自動車メーカＭＡの事業者装置２０からキーワード「車Ｘ」を指定する対象情報を取得する。

また、取得部１３１は、各種情報を外部の情報処理装置から取得する。例えば、取得部１３１は、行動情報記憶部１２３からユーザが検索に用いたクエリを取得する。例えば、取得部１３１は、端末装置１０からユーザが検索に用いるクエリを取得する。

図１の例では、取得部１３１は、端末装置１０−１からクエリ「車Ｘ 横幅」を取得する。また、図１の例では、取得部１３１は、端末装置１０−２からクエリ「車Ｙ 燃費」を取得する。また、図１の例では、取得部１３１は、端末装置１０−３からクエリ「スマホ バッテリ」を取得する。また、図１の例では、取得部１３１は、端末装置１０−４からクエリ「天気」を取得する。また、図１の例では、取得部１３１は、端末装置１０−５からクエリ「車Ｘ 荷台 広さ」を取得する。

図２の例では、取得部１３１は、対象需要情報ＮＩＮＦ５１を取得する。取得部１３１は、カテゴリ情報ＺＩＮＦ５１を取得する。

（抽出部１３２）
抽出部１３２は、種々の情報を抽出する。例えば、抽出部１３２は、記憶部１２０に記憶された情報に基づいて、種々の情報を抽出する。例えば、抽出部１３２は、端末装置１０から取得した情報に基づいて、種々の情報を抽出する。

抽出部１３２は、ユーザが入力した入力情報から、対象に対応する第１キーワードと、対象の性質に関する第２キーワードとを抽出することにより、対象に対するニーズに関する情報を抽出する。抽出部１３２は、入力情報に含まれる第１キーワードであって、所定の事業者が提供する対象に対応する第１キーワードと、入力情報に含まれる第２キーワードであって、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、所定の事業者が提供する商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、対象に対するニーズに関する情報を抽出する。

例えば、抽出部１３２は、対象の機能に関する第２キーワードに基づいて、対象の機能に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、対象の仕様に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、対象の価値評価に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出する。

例えば、抽出部１３２は、所定の事業者により指定された対象に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、他の事業者により指定された対象に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、所定の事業者の事業に関する情報から対象に関する情報を抽出し、抽出した対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出する。

例えば、抽出部１３２は、取得部１３１により取得されたクエリに関する情報に基づいて、情報を抽出する。図１の例では、抽出部１３２は、行動情報記憶部１２３に記憶されたクエリに関する情報のうち、対象情報に対応するクエリに関する情報を抽出する。

図１の例では、抽出部１３２は、ユーザＵ１がクエリ「車Ｘ」と組み合わせてクエリ「横幅」を用いたことを示す情報を行動情報記憶部１２３から抽出する。また、図１の例では、抽出部１３２は、ユーザＵ１が２０代男性であること等を示すユーザＵ１に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。

図１の例では、抽出部１３２は、ユーザＵ５がクエリ「車Ｘ」と組み合わせてクエリ「荷台」及びクエリ「広さ」を用いたことを示す情報を行動情報記憶部１２３から抽出する。また、図１の例では、抽出部１３２は、ユーザＵ５が３０代女性であること等を示すユーザＵ５に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。

図２の例では、抽出部１３２は、対象「車ＣＺ」が属する対象カテゴリ「車」の性質カテゴリの各々について、その性質カテゴリに属する性質に対応するキーワードを、対象需要情報ＮＩＮＦ５１のうち、対象「車ＣＺ」に対応するキーワード情報から抽出する。

抽出部１３２は、対象「車ＣＺ」について、性質カテゴリ「スペック」に属する性質「荷台」に対応するキーワード「荷台」の割合が「１０％」であることを示す第２キーワード情報を抽出する。抽出部１３２は、対象「車ＣＺ」について、性質カテゴリ「スペック」に属する性質「車幅」に対応するキーワード「車幅」の割合が「１５％」であることを示す第２キーワード情報を抽出する。抽出部１３２は、対象「車ＣＺ」について、性質カテゴリ「スペック」に属する性質「車高」に対応するキーワード「車高」の割合が「７％」であることを示す第２キーワード情報を抽出する。

また、抽出部１３２は、対象「車ＣＺ」について、性質カテゴリ「内装」に属する性質「インテリア」に対応するキーワード「インテリア」の割合が「１２％」であることを示す第２キーワード情報を抽出する。抽出部１３２は、対象「車ＣＺ」について、性質カテゴリ「内装」に属する性質「シート」に対応するキーワード「シート」の割合が「９％」であることを示す第２キーワード情報を抽出する。また、抽出部１３２は、対象「車ＣＺ」について、性質カテゴリ「維持費」に属する性質「車庫」に対応するキーワード「車庫」の割合が「７％」であることを示す第２キーワード情報を抽出する。

（生成部１３３）
生成部１３３は、種々の情報を生成する。例えば、生成部１３３は、抽出部１３２により抽出されたクエリに関する情報に基づいて対象需要情報を生成する。生成部１３３は、抽出部１３２により抽出された対象に対するニーズに関する情報に基づいて、対象に関するコンテンツを生成する。

生成部１３３は、入力情報から抽出された対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、第２キーワードを分類したクラスタリング情報を生成する。生成部１３３は、商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、クラスタリング情報を生成する。生成部１３３は、対象の機能に関する第２キーワードに基づいて、クラスタリング情報を生成する。生成部１３３は、対象の仕様に関する第２キーワードに基づいて、クラスタリング情報を生成する。生成部１３３は、対象の価値評価に関する第２キーワードに基づいて、クラスタリング情報を生成する。

生成部１３３は、第２キーワードが示す概念と第２キーワードが示す概念とに基づいて、クラスタリング情報を生成する。生成部１３３は、第２キーワードが示す概念の類似性に基づいて、クラスタリング情報を生成する。生成部１３３は、第２キーワードの入力数の時間的推移に基づいて、クラスタリング情報を生成する。

図１の例では、生成部１３３は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を生成する。また、図１の例では、生成部１３３は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を生成する。また、図１の例では、生成部１３３は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」であり、３０代が「２０％」等であることを示す対象需要情報を生成する。

図２の例では、生成部１３３は、対象「車ＣＺ」等についてのクラスタリング情報ＣＩＮＦ５１を生成する。例えば、情報処理装置１００は、対象需要情報ＮＩＮＦ５１とカテゴリ情報ＺＩＮＦ５１とを用いて、クラスタリング情報ＣＩＮＦ５１を生成する。生成部１３３は、対象「車ＣＺ」については、対象需要情報ＮＩＮＦ５１のうち、対象「車ＣＺ」に関する情報を用いて、クラスタリング情報ＣＩＮＦ５１を生成する。生成部１３３は、対象「車ＣＺ」について、カテゴリ情報ＺＩＮＦ５１のうち、対象カテゴリ「車」に関する情報を用いて、クラスタリング情報ＣＩＮＦ５１を生成する。生成部１３３は、カテゴリ情報ＺＩＮＦ５１のうち、対象「車ＣＺ」が属する対象カテゴリ「車」に関する情報を用いて、クラスタリング情報ＣＩＮＦ５１を生成する。

（推定部１３４）
推定部１３４は、各種情報を推定する。推定部１３４は、各種情報を特定する。推定部１３４は、各種情報を算出する。推定部１３４は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を推定する。推定部１３４は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を特定する。推定部１３４は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を算出する。推定部１３４は、取得部１３１により取得された各種情報に基づいて、種々の情報を推定する。推定部１３４は、取得部１３１により取得された各種情報に基づいて、種々の情報を特定する。

推定部１３４は、抽出部１３２により抽出されたニーズに関する情報に基づいて、クラスタリング情報が示すクラスタに対するニーズを推定する。

図２の例では、推定部１３４は、クラスタに対するニーズを推定する。推定部１３４は、クラスタニーズ情報ＪＩＮＦ５１に示すような各クラスタＣＬ１〜ＣＬ３に対するニーズを推定する。推定部１３４は、各クラスタＣＬ１〜ＣＬ３のスコアと、所定の閾値との比較に基づいて、各クラスタＣＬ１〜ＣＬ３のニーズ（需要）を推定する。推定部１３４は、第１閾値「５０」と、第２閾値「２０」とを用いて、クラスタごとのニーズを推定する。

推定部１３４は、スコアが第１閾値以上であるクラスタについては、対応する対象に対するクラスタのニーズが「高」であると推定する。推定部１３４は、スコアが第２閾値以上であるクラスタについては、対応する対象に対するクラスタのニーズが「中」であると推定する。推定部１３４は、スコアが第２閾値未満であるクラスタについては、対応する対象に対するクラスタのニーズが「低」であると推定する。

推定部１３４は、クラスタＣＬ１「スペック」のスコアが「５５」であり、第１閾値以上であるため、対象「車ＣＺ」に対するクラスタＣＬ１「スペック」のニーズを「高」と推定する。推定部１３４は、クラスタＣＬ２「内装」のスコアが「２５」であり、第１閾値未満、第２閾値以上であるため、対象「車ＣＺ」に対するクラスタＣＬ２「内装」のニーズを「中」と推定する。推定部１３４は、クラスタＣＬ３「維持費」のスコアが「９」であり、第２閾値未満であるため、対象「車ＣＺ」に対するクラスタＣＬ３「維持費」のニーズを「低」と推定する。

（提供部１３５）
提供部１３５は、外部の情報処理装置へ各種情報を提供する。例えば、提供部１３５は、事業者装置２０へ各種情報を提供する。提供部１３５は、抽出部１３２により抽出された対象に対するニーズに関する情報を用いたサービスを提供する。例えば、提供部１３５は、抽出部１３２により抽出された対象に対するニーズに関する情報を、情報の要求元に提供する。

例えば、提供部１３５は、事業者装置２０へ対象需要情報を提供する。例えば、提供部１３５は、対象情報に対応する対象に対するニーズを示す対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードを用いて検索を行ったユーザの属性情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応する対象に対するニーズを示す対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードに関連する行動を行ったユーザの属性情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードに関連する行動を行ったユーザの位置情報を含む対象需要情報を、事業者に提供する。

例えば、提供部１３５は、対象情報に対応するキーワードを用いて検索を行ったユーザの年齢に関する情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードを用いて検索を行ったユーザの性別に関する情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードを用いて検索を行ったユーザの位置情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードとともに検索に用いられた他のキーワードを含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、事業者に、競合事業者に関する対象需要情報を提供する。

例えば、提供部１３５は、情報提供に対して課金される事業者に、対象需要情報を提供する。例えば、提供部１３５は、情報提供に対して入札された金額に基づいて決定された事業者に対象需要情報を提供する。なお、この点についての詳細は後述する。

図１の例では、提供部１３５は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、提供部１３５は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、提供部１３５は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」であり、３０代が「２０％」（不図示）等であることを示す対象需要情報を自動車メーカＭＡに提供する。

提供部１３５は、クラスタに関するサービスを提供する。提供部１３５は、クラスタに対するニーズに関するサービスを提供する。提供部１３５は、管理者Ｍ１にクラスタに関するサービスを提供する。例えば、提供部１３５は、管理者Ｍ１の事業者装置２０（図１参照）にクラスタリング情報を送信する。図２の例では、提供部１３５は、車ＣＺを提供する事業者にクラスタリング情報ＣＩＮＦ５１やクラスタニーズ情報ＪＩＮＦ５１を提供する。

〔３．情報処理のフロー〕
ここで、図９を用いて、実施形態に係る情報処理装置１００による情報処理の手順について説明する。図９は、実施形態に係る情報処理の一例を示すフローチャートである。

図９に示すように、情報処理装置１００は、ユーザの入力情報を取得する（ステップＳ１０１）。例えば、情報処理装置１００は、ユーザの入力情報として、ユーザの検索に用いられたクエリを取得する。図１の例では、情報処理装置１００は、端末装置１０−１からクエリ「車Ｘ 横幅」を取得する。また、図１の例では、情報処理装置１００は、端末装置１０−２からクエリ「車Ｙ 燃費」を取得する。また、図１の例では、情報処理装置１００は、端末装置１０−３からクエリ「スマホ バッテリ」を取得する。また、図１の例では、情報処理装置１００は、端末装置１０−４からクエリ「天気」を取得する。また、図１の例では、情報処理装置１００は、端末装置１０−５からクエリ「車Ｘ 荷台 広さ」を取得する。情報処理装置１００は、ユーザＵ１〜ユーザＵ５等の多数のユーザが検索に用いたクエリを取得する。また、情報処理装置１００は、事業者から対象情報を取得する。図１の例では、情報処理装置１００は、自動車メーカＭＡが利用する事業者装置２０から商品「車Ｘ」を指定する対象情報を取得する。

また、情報処理装置１００は、対象情報に対応する対象に対するニーズを抽出する（ステップＳ１０２）。例えば、情報処理装置１００は、検索に用いられたクエリから対象情報に対応する対象に対するニーズを抽出する。図１の例では、情報処理装置１００は、対象情報「車Ｘ」に対応する文字列を含むクエリを抽出する。

そして、情報処理装置１００は、対象に対するニーズに関する情報に基づいて対象需要情報を生成する（ステップＳ１０３）。図１の例では、情報処理装置１００は、ニーズ情報記憶部１２４に示すような対象需要情報を生成する。

そして、情報処理装置１００は、事業者に対象需要情報を提供する（ステップＳ１０４）。図１の例では、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」であり、３０代が「２０％」（不図示）等であることを示す対象需要情報を自動車メーカＭＡに提供する。

〔４．他の事業者の情報提供〕
図１の例では、自動車メーカＭＡに自身が販売する商品「車Ｘ」に関する対象需要情報を提供する場合を示したが、情報処理装置１００は、事業者の競合に関する対象需要情報を事業者に提供してもよい。この点について、図１０を用いて説明する。図１０は、実施形態に係る情報処理の一例を示す図である。図１０の例では、情報処理装置１００が自動車メーカＭＡに自身が提供する商品「車Ｘ」の競合商品である商品「車Ｙ」に関する対象需要情報を提供する場合を示す。なお、図１と同様の点についての説明は適宜省略する。

図１０の例では、情報処理装置１００は、事業者から対象情報を取得する（ステップＳ２１）。例えば、情報処理装置１００は、自動車メーカＭＡが利用する事業者装置２０から商品「車Ｙ」を指定する対象情報を取得する。例えば、自動車メーカＭＡの管理者Ｍ１は、自動車メーカＭＡの競合企業が提供する競合商品「車Ｙ」を指定する対象情報を入力することにより、情報処理装置１００へ商品「車Ｙ」を指定する対象情報を送信する。

そして、情報処理装置１００は、対象情報に対応する対象に対するニーズを抽出する。図１０の例では、情報処理装置１００は、対象情報「車Ｙ」に対応する文字列を含むクエリを抽出する。例えば、情報処理装置１００は、ユーザＵ２がクエリ「車Ｙ」と組み合わせてクエリ「燃費」を用いたことを示す情報を行動情報記憶部１２３（図７参照）から抽出する。また、例えば、情報処理装置１００は、ユーザＵ２が２０代女性であること等を示すユーザＵ２に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。

そして、情報処理装置１００は、対象に対するニーズに関する情報に基づいて対象需要情報を生成する。図１０の例では、情報処理装置１００は、ニーズ情報記憶部１２４に示すような対象需要情報を生成する。例えば、情報処理装置１００は、商品「車Ｙ」とともにクエリとして用いられるキーワードのうち、５０％が「燃費」であり、２０％が「安い」であり、１０％が「高級感」であり、５％が「コスパ良」であることを示す対象需要情報を生成する。また、例えば、情報処理装置１００は、商品「車Ｙ」を検索するユーザのうち、男性が「９０％」であり、女性が「１０％」であることを示す対象需要情報を生成する。また、図１０の例では、商品「車Ｙ」を検索するユーザのうち、２０代が「９０％」であり、３０代が「５％」（不図示）等であることを示す対象需要情報を生成する。

そして、情報処理装置１００は、事業者に対象需要情報を提供する（ステップＳ２２）。図１０の例では、情報処理装置１００は、対象情報の送信元である自動車メーカＭＡに生成した対象需要情報を提供する。例えば、情報処理装置１００は、商品「車Ｙ」とともにクエリとして用いられるキーワードのうち、５０％が「燃費」であり、２０％が「安い」であり、１０％が「高級感」であり、５％が「コスパ良」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、例えば、情報処理装置１００は、商品「車Ｙ」を検索するユーザのうち、男性が「９０％」であり、女性が「１０％」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１０の例では、商品「車Ｙ」を検索するユーザのうち、２０代が「９０％」であり、３０代が「５％」（不図示）等であることを示す対象需要情報を自動車メーカＭＡに提供する。

このように、情報処理装置１００は、事業者に競合に関する対象需要情報を提供することにより、対象需要情報の提供を受けた事業者は、自身の事業と競合する商品または商品のカテゴリについて、提供された対象需要情報に基づいて、新商品等の開発やマーケティング等を行うことができる。

〔５．入札による情報提供〕
また、例えば、情報処理装置１００は、入札形式により対象需要情報を提供してもよい。例えば、情報処理装置１００は、情報提供に対して入札された金額に基づいて決定された事業者に対象需要情報を提供してもよい。この点について、図１１を用いて説明する。図１１は、実施形態に係る情報処理の一例を示す図である。図１１では、複数の事業者が同じ商品を指定し、入札する場合を示す。なお、図１と同様の点についての説明は適宜省略する。

情報処理装置１００は、自動車メーカＭＡから対象情報を取得する（ステップＳ３１−１）。図１１の例では、情報処理装置１００は、自動車メーカＭＡが利用する事業者装置２０から商品「車Ｘ」を指定し、入札額を「１０万円」とする対象情報を取得する。例えば、自動車メーカＭＡの管理者Ｍ１は、事業者装置２０に商品「車Ｘ」を指定し、入札額を「１０万円」とする対象情報を入力することにより、情報処理装置１００へ商品「車Ｘ」を指定する対象情報を入札する。

また、情報処理装置１００は、自動車メーカＭＢから対象情報を取得する（ステップＳ３１−２）。図１１の例では、情報処理装置１００は、自動車メーカＭＢが利用する事業者装置２０から商品「車Ｘ」を指定し、入札額を「２０万円」とする対象情報を取得する。例えば、自動車メーカＭＢの管理者Ｍ２は、事業者装置２０に商品「車Ｘ」を指定し、入札額を「２０万円」とする対象情報を入力することにより、情報処理装置１００へ商品「車Ｘ」を指定する対象情報を入札する。

また、情報処理装置１００は、自動車メーカＭＣから対象情報を取得する（ステップＳ３１−３）。図１１の例では、情報処理装置１００は、自動車メーカＭＣが利用する事業者装置２０から商品「車Ｘ」を指定し、入札額を「１５万円」とする対象情報を取得する。例えば、自動車メーカＭＣの管理者Ｍ３は、事業者装置２０に商品「車Ｘ」を指定し、入札額を「１５万円」とする対象情報を入力することにより、情報処理装置１００へ商品「車Ｘ」を指定する対象情報を入札する。

なお、ステップＳ３１−１〜Ｓ３１−３等の処理は、ステップＳ３２の事業者の決定の前であれば、いずれが先に行われてもよい。

そして、情報処理装置１００は、対象需要情報を提供する事業者を決定する（ステップＳ３２）。例えば、情報処理装置１００は、入札情報リストＢＬ１１に示すような入札情報から、入札額に基づいて事業者を抽出することにより、対象需要情報を提供する事業者を決定する。図１１の例では、情報処理装置１００は、商品「車Ｘ」を対象とする入札のうち、最も高い金額「２０万円」を入札した自動車メーカＭＢを、対象需要情報を提供する事業者として決定する。なお、情報処理装置１００は、入札情報リストＢＬ１１に示すような入札情報を記憶部１２０に記憶してもよい。

そして、情報処理装置１００は、事業者に対象需要情報を提供する（ステップＳ３３）。図１１の例では、情報処理装置１００は、自動車メーカＭＢに生成した対象需要情報を提供する。例えば、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を自動車メーカＭＢに提供する。また、例えば、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、男性が「２０％」であり、女性が「２５％」であることを示す対象需要情報を自動車メーカＭＢに提供する。また、図１１の例では、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」であり、３０代が「２０％」（不図示）等であることを示す対象需要情報を自動車メーカＭＢに提供する。なお、情報処理装置１００は、上記に限らず種々の基準に基づいて対象需要情報を提供する事業者を決定してもよい。例えば、情報処理装置１００は、所定の閾値（例えば、１５万円）以上の入札額の事業者を、対象需要情報を提供する事業者として決定してもよい。この場合、情報処理装置１００は、自動車メーカＭＢ及び自動車メーカＭＣを、対象需要情報を提供する事業者として決定してもよい。

〔６．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、生成部１３３とを有する。取得部１３１は、ユーザが入力した入力情報を取得する。生成部１３３は、入力情報から抽出された対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、第２キーワードを分類したクラスタリング情報を生成する。

このように、実施形態に係る情報処理装置１００は、ユーザが入力した入力情報から抽出された対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、第２キーワードを分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザが検索に用いた検索クエリを含む入力情報を取得する。

このように、実施形態に係る情報処理装置１００は、ユーザが検索に用いた検索クエリを含む入力情報を取得することにより、第２キーワードを分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザが所定のサービスにおいて投稿した投稿情報を含む入力情報を取得する。

このように、実施形態に係る情報処理装置１００は、ユーザが所定のサービスにおいて投稿した投稿情報を含む入力情報を取得することにより、第２キーワードを分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、クラスタリング情報を生成する。

このように、実施形態に係る情報処理装置１００は、商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、クラスタリング情報を生成することにより、第２キーワードを分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、対象の機能に関する第２キーワードに基づいて、クラスタリング情報を生成する。

このように、実施形態に係る情報処理装置１００は、対象の機能に関する第２キーワードに基づいて、クラスタリング情報を生成することにより、第２キーワードを分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、対象の仕様に関する第２キーワードに基づいて、クラスタリング情報を生成する。

このように、実施形態に係る情報処理装置１００は、対象の仕様に関する第２キーワードに基づいて、クラスタリング情報を生成することにより、第２キーワードを分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、対象の価値評価に関する第２キーワードに基づいて、クラスタリング情報を生成する。

このように、実施形態に係る情報処理装置１００は、対象の価値評価に関する第２キーワードに基づいて、クラスタリング情報を生成することにより、第２キーワードを分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、第２キーワードが示す概念と第２キーワードが示す概念とに基づいて、クラスタリング情報を生成する。

このように、実施形態に係る情報処理装置１００は、第２キーワードが示す概念と第２キーワードが示す概念とに基づいて、クラスタリング情報を生成することにより、第２キーワードを概念に基づいて分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、第２キーワードが示す概念の類似性に基づいて、クラスタリング情報を生成する。

このように、実施形態に係る情報処理装置１００は、第２キーワードが示す概念の類似性に基づいて、クラスタリング情報を生成することにより、第２キーワードを概念の類似性に基づいて分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、生成部１３３は、第２キーワードの数の時間的推移に基づいて、クラスタリング情報を生成する。

このように、実施形態に係る情報処理装置１００は、第２キーワードの数の時間的推移に基づいて、クラスタリング情報を生成することにより、第２キーワードの数の時間的推移に基づいて分類したクラスタリング情報を生成することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

実施形態に係る情報処理装置１００は、抽出部１３２を有する。抽出部１３２は、入力情報から、対象に対応する第１キーワードと、対象の性質に関する第２キーワードとを抽出することにより、対象に対するニーズに関する情報を抽出する。

このように、実施形態に係る情報処理装置１００は、対象に対応する第１キーワードと、対象の性質に関する第２キーワードとを抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、抽出部１３２は、商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、対象に対するニーズに関する情報を抽出する。

このように、実施形態に係る情報処理装置１００は、商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、対象に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、抽出部１３２は、対象の機能に関する第２キーワードに基づいて、対象の機能に対するニーズに関する情報を抽出する。

このように、実施形態に係る情報処理装置１００は、対象の機能に関する第２キーワードに基づいて、対象の機能に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、抽出部１３２は、対象の仕様に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出する。

このように、実施形態に係る情報処理装置１００は、対象の仕様に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、抽出部１３２は、対象の価値評価に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出する。

このように、実施形態に係る情報処理装置１００は、対象の価値評価に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

実施形態に係る情報処理装置１００は、推定部１３４を有する。推定部１３４は、抽出部１３２により抽出されたニーズに関する情報に基づいて、クラスタリング情報が示すクラスタに対するニーズを推定する。

このように、実施形態に係る情報処理装置１００は、抽出されたニーズに関する情報に基づいて、クラスタリング情報が示すクラスタに対するニーズを推定することにより、クラスタに対するニーズに関する情報を推定することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の事業者から、対象を指定する対象情報を取得する。抽出部１３２は、所定の事業者により指定された対象に対するニーズに関する情報を抽出する。

このように、実施形態に係る情報処理装置１００は、所定の事業者により指定された対象に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の事業者とは異なる他の事業者から、対象を指定する対象情報を取得する。抽出部１３２は、他の事業者により指定された対象に対するニーズに関する情報を抽出する。

このように、実施形態に係る情報処理装置１００は、所定の事業者により指定された対象に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の事業者の事業に関する情報を取得する。抽出部１３２は、所定の事業者の事業に関する情報から対象に関する情報を抽出し、抽出した対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出する。

このように、実施形態に係る情報処理装置１００は、所定の事業者の事業に関する情報から対象に関する情報を抽出し、抽出した対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、情報を適切に分類することができる。

また、実施形態に係る情報処理装置１００は、提供部１３５を有する。提供部１３５は、抽出部１３２により抽出された対象に対するニーズに関する情報を用いたサービスを提供する。

このように、実施形態に係る情報処理装置１００は、抽出した対象に対するニーズに関する情報を用いたサービスを提供することにより、ユーザが入力した情報から適切にニーズに関する情報に基づくサービスを提供することができる。

また、実施形態に係る情報処理装置１００において、提供部１３５は、抽出部１３２により抽出された対象に対するニーズに関する情報を、情報の要求元に提供する。

このように、実施形態に係る情報処理装置１００は、抽出した対象に対するニーズに関する情報を、情報の要求元に提供することにより、ユーザが入力した情報から適切にニーズに関する情報に基づくサービスを提供することができる。

また、実施形態に係る情報処理装置１００は、生成部１３３を有する。生成部１３３は、抽出部１３２により抽出された対象に対するニーズに関する情報に基づいて、対象に関するコンテンツを生成する。

このように、実施形態に係る情報処理装置１００は、抽出した対象に対するニーズに関する情報に基づいて、対象に関するコンテンツを生成することにより、ユーザが入力した情報から適切にニーズに関する情報に基づくコンテンツを生成することができる。

〔７．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１００は、例えば図１３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。図１３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。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ（Hard Disk Drive）１４００、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または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、及び、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、ネットワークＮ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ネットワークＮを介して他の機器へ提供する。

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また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が実施形態に係る情報処理装置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。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、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態を図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行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。

〔８．その他〕
また、上記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生成することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

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、上述してきた実施形態に記載された各処理は、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。

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。

１ 情報処理システム
１００ 情報処理装置
１２１ 企業情報記憶部
１２２ ユーザ情報記憶部
１２３ 行動情報記憶部
１２４ ニーズ情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 抽出部
１３３ 生成部
１３４ 推定部
１３５ 提供部
１０ 端末装置
２０ 事業者装置
Ｎ ネットワーク

Claims (18)

1. ユーザが入力した入力情報を取得する取得部と、
   前記入力情報から抽出された対象に対応する第１キーワードと、前記対象の性質に関する第２キーワードとに基づいて、前記第２キーワードを分類したクラスタリング情報を生成する生成部と、
   を備えることを特徴とする情報処理装置。
2. 前記取得部は、
   前記ユーザが検索に用いた検索クエリを含む前記入力情報を取得する
   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、
   前記ユーザが所定のサービスにおいて投稿した投稿情報を含む前記入力情報を取得する
   ことを特徴とする請求項１または請求項２に記載の情報処理装置。
4. 前記生成部は、
   商品または商品のカテゴリである前記対象に対応する前記第１キーワードと、前記第２キーワードに基づいて、前記クラスタリング情報を生成する
   ことを特徴とする請求項１〜３のいずれか１項に記載の情報処理装置。
5. 前記生成部は、
   前記対象の機能に関する前記第２キーワードに基づいて、前記クラスタリング情報を生成する
   ことを特徴とする請求項１〜４のいずれか１項に記載の情報処理装置。
6. 前記生成部は、
   前記対象の仕様に関する前記第２キーワードに基づいて、前記クラスタリング情報を生成する
   ことを特徴とする請求項１〜５のいずれか１項に記載の情報処理装置。
7. 前記生成部は、
   前記対象の価値評価に関する前記第２キーワードに基づいて、前記クラスタリング情報を生成する
   ことを特徴とする請求項１〜６のいずれか１項に記載の情報処理装置。
8. 前記生成部は、
   前記第１キーワードが示す概念と前記第２キーワードが示す概念とに基づいて、前記クラスタリング情報を生成する
   ことを特徴とする請求項１〜７のいずれか１項に記載の情報処理装置。
9. 前記生成部は、
   前記第２キーワードが示す概念の類似性に基づいて、前記クラスタリング情報を生成する
   ことを特徴とする請求項８に記載の情報処理装置。
10. 前記生成部は、
    前記第２キーワードの入力数の時間的推移に基づいて、前記クラスタリング情報を生成する
    ことを特徴とする請求項１〜９のいずれか１項に記載の情報処理装置。
11. 前記入力情報から、前記第１キーワードと、前記第２キーワードとを抽出することにより、前記対象に対するニーズに関する情報を抽出する抽出部、
    をさらに備えることを特徴とする請求項１〜１０のいずれか１項に記載の情報処理装置。
12. 前記抽出部は、
    商品または商品のカテゴリである前記対象に対応する前記第１キーワードと、前記第２キーワードに基づいて、前記対象に対するニーズに関する情報を抽出する
    ことを特徴とする請求項１１に記載の情報処理装置。
13. 前記抽出部は、
    前記対象の機能に関する前記第２キーワードに基づいて、前記対象の機能に対するニーズに関する情報を抽出する
    ことを特徴とする請求項１１または請求項１２に記載の情報処理装置。
14. 前記抽出部は、
    前記対象の仕様に関する前記第２キーワードに基づいて、前記対象の仕様に対するニーズに関する情報を抽出する
    ことを特徴とする請求項１１〜１３のいずれか１項に記載の情報処理装置。
15. 前記抽出部は、
    前記対象の価値評価に関する前記第２キーワードに基づいて、前記対象の仕様に対するニーズに関する情報を抽出する
    ことを特徴とする請求項１１〜１４のいずれか１項に記載の情報処理装置。
16. 前記抽出部により抽出された前記ニーズに関する情報に基づいて、前記クラスタリング情報が示すクラスタに対するニーズを推定する推定部、
    をさらに備えることを特徴とする請求項１１〜１５のいずれか１項に記載の情報処理装置。
17. コンピュータが実行する情報処理方法であって、
    ユーザが入力した入力情報を取得する取得工程と、
    前記入力情報から抽出された対象に対応する第１キーワードと、前記対象の性質に関する第２キーワードとに基づいて、前記第２キーワードを分類したクラスタリング情報を生成する生成工程と、
    を含むことを特徴とする情報処理方法。
18. ユーザが入力した入力情報を取得する取得手順と、
    前記入力情報から抽出された対象に対応する第１キーワードと、前記対象の性質に関する第２キーワードとに基づいて、前記第２キーワードを分類したクラスタリング情報を生成する生成手順と、
    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。

Images