JP2020119396A - 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】ユーザに対する処理の適切なタイミングを決定することができる情報処理装置、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１００は、通信部１１０と、記憶部１２０と、制御部１３０とを備える。通信部１１０は、ネットワークと有線又は無線で接続され、ショッピングサーバと外部装置との間で情報の送受信を行う。記憶部１２０は、信用スコア記憶部１２１と、タイミング情報記憶部１２２とを備える。制御部１３０は、受付部１３１と、取得部１３２と、算出部１３３と、決定部１３４と、送信部１３５とを備える。【選択図】図３

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。

従来、ユーザの操作が不正であるか否かを自動で判定する技術が提供されている。例えば、不正の可能性が高いと判定されたユーザに対して決済方法変更の処理を行う技術が知られている。

特許第６２０４６３７号公報

しかしながら、上記の従来技術では、ユーザに対する処理の適切なタイミングを決定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、不正の可能性が高いと判定されたユーザに対して決済方法変更の処理を行っているに過ぎず、ユーザに対する処理の適切なタイミングを決定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、ユーザに対する処理の適切なタイミングを決定することができる情報処理装置、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、ユーザに関する情報であるユーザ情報を取得する取得部と、前記取得部によって取得されたユーザ情報に基づいて、前記ユーザに対してインセンティブを付与するタイミングを決定する決定部と、を備えたことを特徴とする。

実施形態の一態様によれば、ユーザに対する処理の適切なタイミングを決定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装置が実行する決定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装置が実行する決定方法の一例を示す図である。 図３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は、実施形態に係る信用スコア記憶部の一例を示す図である。 図５は、実施形態に係るタイミング情報記憶部の一例を示す図である。 図６は、実施形態に係る情報処理装置が実行する決定処理の流れの一例を示すフローチャートである。 図７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の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、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。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。

〔１．情報処理装置が示す決定処理の一例〕
図１を用いて、実施形態に係る情報処理装置が実行する決定処理の一例について説明する。図１は、実施形態に係る情報処理装置が実行する決定処理の一例を示す図である。具体的には、情報処理装置１００は、ユーザに関する情報であるユーザ情報に基づいて、ユーザに対してインセンティブを付与するタイミングを決定する。なお、以下には、所定のサービスでユーザが商品を購入した場合にインセンティブがユーザに付与される例を挙げて説明する。

また、ここでいうインセンティブとは、例えば、商品の購入に用いることが可能なポイント、商品の購入の割引を受けられるクーポン、配送料金の割引又は現金と同様に利用できる電子マネー等である。なお、以下には、ユーザが商品を購入した場合にインセンティブとしてポイントが付与される例について説明する。

ここでいう商品の購入とは、代金の支払いの対価として商品を得ることだけでなく、代金の支払いの対価としてサービスを享受する概念を含む。例えば、商品の購入とは、宿泊費を支払ってホテルに宿泊することや、飲食費を支払ってレストランで食事をすることを含む。また、例えば、商品の購入とは、宿泊予約サービスで事前に宿泊費を支払うことでホテルを予約することを含む。この場合、情報処理装置１００は、ユーザが宿泊予約に対する代金を支払うことで得られるインセンティブを付与するタイミングを決定する。

また、ここでいうインセンティブを付与するタイミングは、所定の商品購入処理直後、所定の商品購入処理後、所定の時間経過した後、商品の決済処理が終了した後、商品の配送確認後、所定の時間が経過した後、ユーザが商品を受け取った後等である。

図１に示すように、情報処理システム１は、ショッピングサーバ３０と、外部装置５０と、情報処理装置１００とを含む。ショッピングサーバ３０、外部装置５０及び情報処理装置１００は、図示しない所定の通信網を介して、有線又は無線により通信可能に接続される。なお、図１に示す情報処理システム１には、複数台のショッピングサーバ３０や、複数台の外部装置５０や、複数台の情報処理装置１００が含まれてもよい。

実施形態に係るショッピングサーバ３０は、ユーザに対して各種サービスを提供する情報処理装置である。例えば、ショッピングサーバ３０は、ショッピングサイト或いはＥＣ（Electric Commerce）サイトとしての機能を提供する。また、例えば、ショッピングサーバ３０は、ユーザに対してネットショッピングに関するサービスであるオンラインストアに対してオンラインモールの機能を提供する。

例えば、ショッピングサーバ３０は、ショッピングサービスの１つとして、端末装置に対して、端末装置から要求された情報（例えば、商品の情報が掲載されたショッピングストアのコンテンツ）の配信処理を行う。また、例えば、ショッピングサーバ３０は、端末装置を操作するユーザのショッピングストア等での商品の購入に関する処理を行う。また、例えば、ショッピングサーバ３０は、ユーザによって購入された商品の配送に関する処理を行う。

実施形態に係る外部装置５０は、ユーザ情報を提供する情報配信装置である。例えば、図１に示す例において、外部装置５０の記憶部は、ユーザ情報を記憶する。そして、外部装置５０は、ユーザ情報を情報処理装置１００に提供する。また、例えば、外部装置５０は、所定の期間（例えば、直近１週間）毎に、ユーザ情報を記憶部に格納する。

なお、ここでいうユーザ情報とは、例えば、商品の購入履歴、商品の返品に関する割合であるキャンセル率、ユーザによって閲覧されたコンテンツの閲覧履歴、ユーザによってＳＮＳ（Social Networking Service）に投稿された情報の履歴である投稿履歴等である。また、ユーザ情報は、例えば、ユーザのクレジットカードに関する情報やユーザの融資に関する情報等を含む与信に関する情報等を含む。

実施形態に係る情報処理装置１００は、例えば、サーバ装置等により実現される。具体的には、情報処理装置１００は、ユーザに関する情報であるユーザ情報を外部装置５０から取得する。そして、情報処理装置１００は、かかるユーザ情報に基づいて、ユーザの信用に関する情報である信用スコアを算出する。そして、情報処理装置１００は、かかる信用スコアに基づいて、ユーザに対してインセンティブを付与するタイミングを決定する。

なお、下記実施形態では、情報処理装置１００は、信用スコアが高いユーザほど、インセンティブを付与するタイミングを早いタイミングと決定する。また、情報処理装置１００は、信用スコアが低いユーザほど、インセンティブを付与するタイミングを遅いタイミングと決定する。例えば、早いタイミングとして、所定の商品購入処理直後を挙げる。また、例えば、標準的なタイミングとして、所定の商品購入処理後、所定の時間経過した後を挙げる。また、例えば、遅いタイミングとして、商品の決済処理が終了した後、商品の配送確認後、所定の時間が経過した後、ユーザが商品を受け取った後を挙げる。

以下、図１を用いて、情報処理装置１００による決定処理の一例を流れに沿って説明する。

まず、図１に示すように、情報処理装置１００は、ユーザが商品を購入した場合に、ショッピングサーバ３０からポイントを付与するタイミングに関する情報の要求を受け付ける（ステップＳ１）。続いて、情報処理装置１００は、商品を購入したユーザのユーザ情報を外部装置５０から取得する（ステップＳ２）。

例えば、情報処理装置１００は、商品を購入したユーザのユーザ情報として、商品の購入履歴、商品の返品に関する割合であるキャンセル率、ユーザによって閲覧されたコンテンツの閲覧履歴、ユーザによってＳＮＳに投稿された情報の履歴である投稿履歴等を取得する。また、例えば、情報処理装置１００は、商品を購入したユーザのユーザ情報として、ユーザの与信に関する情報を外部装置５０から取得する。

そして、情報処理装置１００は、ユーザ情報に基づいて、ユーザの信用スコアを算出する（ステップＳ３）。具体的には、情報処理装置１００は、機械学習等の従来技術により、所定のユーザ情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出する。より具体的には、情報処理装置１００は、機械学習等の従来技術により、所定のユーザ情報に含まれる所定のユーザによって行われた商品を返品する処理に関する割合であるキャンセル率に関する情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出する。

例えば、情報処理装置１００は、機械学習等の従来技術により、所定のユーザ情報に含まれるキャンセル率と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。例えば、情報処理装置１００は、ロジスティック回帰、ＳＶＭ（Support Vector Machine）、深層学習等の機械学習手法の従来技術により、所定のユーザのキャンセル率と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。そして、情報処理装置１００は、予測対象であるユーザのキャンセル率が学習モデルに入力された場合に、予測対象であるユーザの信用スコアを算出する。

続いて、情報処理装置１００は、ポイントを付与するタイミングを決定する（ステップＳ４）。具体的には、情報処理装置１００は、信用スコアが小さい場合よりも信用スコアが大きい場合の方が、インセンティブを付与するタイミングを、早いタイミングと決定する。

より具体的には、情報処理装置１００は、信用スコアが所定の基準値である信用スコアの範囲内である場合に、ユーザにインセンティブを付与するタイミングを、所定の商品購入処理後、所定の時間経過した後と決定する。また、より具体的には、情報処理装置１００は、信用スコアが所定の基準値である信用スコアよりも大きい場合に、所定のタイミングよりも早いタイミングと決定する。また、より具体的には、信用スコアが所定の基準値である信用スコアよりも小さい場合に、所定のタイミングよりも遅いタイミングと決定する。

ここで、図２を用いてタイミングの決定方法について説明する。図２は、実施形態に係る情報処理装置１００が実行する決定方法の一例を示す図である。図２に示すように、信用スコアとタイミングとの関係図ＦＧ１は、所定の信用スコアの場合、所定のタイミングであることを示す。

例えば、図２の信用スコアとタイミングとの関係図ＦＧ１では、信用スコアの範囲が「０．８」〜「１．０」である場合、タイミングは「早い」とする。この場合、情報処理装置１００は、早いタイミングとして所定の商品購入処理直後と決定する。

また、例えば、図２の信用スコアとタイミングとの関係図ＦＧ１では、信用スコアの範囲が「０．５」〜「０．７」である場合、タイミングは「標準的」とする。この場合、情報処理装置１００は、標準的なタイミングとして所定の商品購入処理後、所定の時間経過した後と決定する。

また、例えば、図２の信用スコアとタイミングとの関係図ＦＧ１では、信用スコアの範囲が「０．０」〜「０．４」である場合、タイミングは「遅い」とする。この場合、情報処理装置１００は、遅いタイミングとして商品の決済処理が終了した後と決定する。

例えば、ユーザの信用スコアが「０．９」であるものとする。この場合、情報処理装置１００は、ユーザの信用スコアが「０．８」〜「１．０」の範囲に含まれることから、早いタイミングとして所定の商品購入処理直後と決定する。

図１に戻り、実施形態に係る決定処理の一例を説明する。情報処理装置１００は、ポイントを付与するタイミングに関する情報をショッピングサーバ３０に送信する（ステップＳ５）。例えば、ユーザの信用スコアが「０．９」であるものとする。この場合、情報処理装置１００は、ポイントを付与するタイミングとして所定の商品購入処理直後をショッピングサーバ３０に送信する。

このように、実施形態に係る情報処理装置１００は、ユーザ情報を外部装置５０から取得する。そして、情報処理装置１００は、かかるユーザ情報に基づいて、ユーザの信用スコアを算出する。そして、情報処理装置１００は、かかる信用スコアに基づいて、ユーザに対してインセンティブを付与するタイミングを決定する。これにより、実施形態に係る情報処理装置１００は、ユーザ情報に基づいて、ユーザに対してインセンティブを付与するタイミングを決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

この点について説明する。図１の例を用いて説明すると、情報処理装置１００は、所定のユーザのキャンセル率と、所定のユーザの与信とを学習することで生成される学習モデルに基づいて、信用スコアを算出する。これにより、情報処理装置１００は、ユーザの信用スコアを高精度に算出することができる。そして、情報処理装置１００は、信用スコアに基づいて、ユーザに対してインセンティブを付与するタイミングを決定する。このため、信用スコアが高いユーザには、ポイントを付与するタイミングを早め、信用スコアが低いユーザには、ポイントを付与するタイミングを遅くすることができる。したがって、情報処理装置１００は、ユーザの信用スコアに応じてポイントを付与するタイミングを最適化することができるため、ポイントを不正に取得するといったユーザの行為を防止することができる。

〔２．情報処理装置の構成〕
次に、図３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３は、実施形態に係る情報処理装置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、ネットワークと有線又は無線で接続され、ショッピングサーバ３０と外部装置５０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（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。記憶部１２０は、信用スコア記憶部１２１と、タイミング情報記憶部１２２とを有する。

（信用スコア記憶部１２１について）
実施形態に係る信用スコア記憶部１２１は、ユーザの信用スコアに関する情報を記憶する。ここで、図４に、実施形態に係る信用スコア記憶部１２１の一例を示す。図４に示した例では、信用スコア記憶部１２１は、「ユーザＩＤ」、「信用スコア」といった項目を有する。

「ユーザＩＤ」は、ユーザを識別する識別子である。「信用スコア」は、ユーザの信用スコアに関する情報である。例えば、図４では、ユーザＩＤによって識別された「Ｕ１」の信用スコアが「０．５」である。

（タイミング情報記憶部１２２について）
実施形態に係るタイミング情報記憶部１２２は、ポイントを付与するタイミングに関する情報を記憶する。ここで、図５に、実施形態に係るタイミング情報記憶部１２２の一例を示す。図５に示した例では、タイミング情報記憶部１２２は、「ユーザＩＤ」、「タイミング」といった項目を有する。

「ユーザＩＤ」は、ユーザを識別する識別子である。「タイミング」は、ポイントを付与するタイミングに関する情報である。例えば、図５では、ユーザＩＤによって識別された「Ｕ１」のポイントが付与されるタイミングが「所定の商品購入処理後、所定の時間経過した後」である。

（制御部１３０について）
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３に示すように、制御部１３０は、受付部１３１と、取得部１３２と、算出部１３３と、決定部１３４と、送信部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。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。

（受付部１３１について）
受付部１３１は、各種要求を受け付ける。例えば、受付部１３１は、ユーザが商品を購入した場合に、ショッピングサーバ３０からポイントを付与するタイミングに関する情報の要求を受け付ける。

（取得部１３２について）
取得部１３２は、各種情報を取得する。具体的には、取得部１３２は、ユーザに関する情報であるユーザ情報を外部装置５０から取得する。より具体的には、取得部１３２は、商品を購入したユーザのユーザ情報を外部装置５０から取得する。

例えば、図１の例では、取得部１３２は、商品を購入したユーザのユーザ情報として、商品の購入履歴、キャンセル率、ユーザによって閲覧されたコンテンツの閲覧履歴、ユーザによってＳＮＳに投稿された情報の履歴である投稿履歴等を外部装置５０から取得する。また、例えば、取得部１３２は、商品を購入したユーザのユーザ情報として、ユーザの与信に関する情報を外部装置５０から取得する。

（算出部１３３について）
算出部１３３は、取得部１３２によって取得されたユーザ情報に基づいて、ユーザの信用に関する情報である信用スコアを算出する。具体的には、算出部１３３は、取得部１３２によって取得された所定のユーザ情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出する。より具体的には、算出部１３３は、取得部１３２によって取得された所定のユーザ情報に含まれる所定のユーザによって行われた商品を返品する処理に関する割合であるキャンセル率に関する情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出する。

例えば、算出部１３３は、機械学習等の従来技術により、所定のユーザ情報に含まれるキャンセル率と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。例えば、算出部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザのキャンセル率と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。そして、算出部１３３は、予測対象であるユーザのキャンセル率が学習モデルに入力された場合に、予測対象であるユーザの信用スコアを算出する。

（決定部１３４について）
決定部１３４は、取得部１３２によって取得されたユーザ情報に基づいて、ユーザに対してインセンティブを付与するタイミングを決定する。具体的には、決定部１３４は、信用スコアが小さい場合よりも信用スコアが大きい場合の方が、インセンティブを付与するタイミングを、早いタイミングと決定する。より具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも大きい場合に、ユーザに対してインセンティブを付与するタイミングを、所定の商品購入処理直後と決定する。より具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、商品の決済処理が終了した後と決定する。

また、より具体的には、情報処理装置１００は、信用スコアが所定の基準値である信用スコアの範囲内である場合に、ユーザにインセンティブを付与するタイミングを、所定の商品購入処理後、所定の時間経過した後と決定する。また、より具体的には、情報処理装置１００は、信用スコアが所定の基準値である信用スコアよりも大きい場合に、所定のタイミングよりも早いタイミングと決定する。また、より具体的には、信用スコアが所定の基準値である信用スコアよりも小さい場合に、所定のタイミングよりも遅いタイミングと決定する。

例えば、図２の例では、信用スコアの範囲が「０．８」〜「１．０」である場合、タイミングは「早い」とする。この場合、決定部１３４は、早いタイミングとして所定の商品購入処理直後と決定する。

また、例えば、図２の例では、信用スコアの範囲が「０．５」〜「０．７」である場合、タイミングは「標準的」とする。この場合、決定部１３４は、標準的なタイミングとして所定の商品購入処理後、所定の時間経過した後と決定する。

また、例えば、図２の例では、信用スコアの範囲が「０．０」〜「０．４」である場合、タイミングは「遅い」とする。この場合、決定部１３４は、遅いタイミングとして商品の決済処理が終了した後と決定する。

例えば、ユーザの信用スコアが「０．９」であるものとする。この場合、決定部１３４は、ユーザの信用スコアが「０．８」〜「１．０」の範囲に含まれることから、早いタイミングとして所定の商品購入処理直後と決定する。

（送信部１３５について）
送信部１３５は、各種情報を送信する。具体的には、送信部１３５は、ポイントを付与するタイミングに関する情報をショッピングサーバ３０に送信する。例えば、ユーザの信用スコアが「０．９」であるものとする。この場合、図２の例では、送信部１３５は、ポイントを付与するタイミングとして所定の商品購入処理直後をショッピングサーバ３０に送信する。

〔３．処理手順〕
次に、図６を用いて、実施形態に係る情報処理装置１００が実行する決定処理の手順について説明する。図６は、実施形態に係る情報処理装置が実行する決定処理の流れの一例を示すフローチャートである。

図６に示すように、受付部１３１は、ショッピングサーバ３０からポイントを付与するタイミングに関する情報の要求を受け付ける（ステップＳ１０１）。そして、取得部１３２は、受付部１３１がショッピングサーバ３０からポイントを付与するタイミングに関する情報の要求を受け付けていない場合（ステップＳ１０１；Ｎｏ）、ショッピングサーバ３０からポイントを付与するタイミングに関する情報の要求を受け付けるまで待機する。

一方、取得部１３２は、受付部１３１がショッピングサーバ３０からポイントを付与するタイミングに関する情報の要求を受け付けた場合（ステップＳ１０１；Ｙｅｓ）、ユーザ情報を外部装置５０から取得する（ステップＳ１０２）。

例えば、図１の例では、取得部１３２は、商品を購入したユーザのユーザ情報として、商品の購入履歴、キャンセル率、ユーザによって閲覧されたコンテンツの閲覧履歴、ユーザによってＳＮＳに投稿された情報の履歴である投稿履歴等を外部装置５０から取得する。また、例えば、取得部１３２は、商品を購入したユーザのユーザ情報として、ユーザの与信に関する情報を外部装置５０から取得する。

そして、算出部１３３は、取得部１３２によって取得されたユーザ情報に基づいて、ユーザの信用スコアを算出する（ステップＳ１０３）。具体的には、算出部１３３は、取得部１３２によって取得された所定のユーザ情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出する。より具体的には、算出部１３３は、取得部１３２によって取得された所定のユーザ情報に含まれる所定のユーザによって行われた商品を返品する処理に関する割合であるキャンセル率に関する情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出する。

例えば、算出部１３３は、機械学習等の従来技術により、所定のユーザ情報に含まれるキャンセル率と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。例えば、算出部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザのキャンセル率と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。そして、算出部１３３は、予測対象であるユーザのキャンセル率が学習モデルに入力された場合に、予測対象であるユーザの信用スコアを算出する。

そして、決定部１３４は、算出部１３３によって算出された信用スコアに基づいて、ポイントを付与するタイミングを決定する（ステップＳ１０４）。具体的には、決定部１３４は、信用スコアが小さい場合よりも信用スコアが大きい場合の方が、インセンティブを付与するタイミングを、早いタイミングと決定する。より具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも大きい場合に、ユーザに対してインセンティブを付与するタイミングを、所定の商品購入処理直後と決定する。また、より具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、商品の決済処理が終了した後と決定する。

また、より具体的には、情報処理装置１００は、信用スコアが所定の基準値である信用スコアの範囲内である場合に、ユーザにインセンティブを付与するタイミングを、所定の商品購入処理後、所定の時間経過した後と決定する。また、より具体的には、情報処理装置１００は、信用スコアが所定の基準値である信用スコアよりも大きい場合に、所定のタイミングよりも早いタイミングと決定する。また、より具体的には、信用スコアが所定の基準値である信用スコアよりも小さい場合に、所定のタイミングよりも遅いタイミングと決定する。

例えば、図２の例では、信用スコアの範囲が「０．８」〜「１．０」である場合、タイミングは「早い」とする。この場合、決定部１３４は、早いタイミングとして所定の商品購入処理直後と決定する。

また、例えば、図２の例では、信用スコアの範囲が「０．５」〜「０．７」である場合、タイミングは「標準的」とする。この場合、決定部１３４は、標準的なタイミングとして所定の商品購入処理後、所定の時間経過した後と決定する。

また、例えば、図２の例では、信用スコアの範囲が「０．０」〜「０．４」である場合、タイミングは「遅い」とする。この場合、決定部１３４は、遅いタイミングとして商品の決済処理が終了した後と決定する。

例えば、ユーザの信用スコアが「０．９」であるものとする。この場合、決定部１３４は、ユーザの信用スコアが「０．８」〜「１．０」の範囲に含まれることから、早いタイミングとして所定の商品購入処理直後と決定する。

そして、送信部１３５は、決定部１３４によって決定されたタイミングに関する情報を、ポイントを付与するタイミングとしてショッピングサーバ３０に送信する（ステップＳ１０５）。例えば、ユーザの信用スコアが「０．９」であるものとする。この場合、図２の例では、送信部１３５は、ポイントを付与するタイミングとして所定の商品購入処理直後をショッピングサーバ３０に送信する。

〔４．変形例〕
上述した情報処理装置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。

〔４−１．算出処理〕
上記実施形態では、情報処理装置１００の算出部１３３が所定のユーザ情報に含まれるキャンセル率と、所定のユーザの与信とに基づいて生成される学習モデルに基づいて、ユーザの信用スコアを算出する例を挙げたが、上記算出処理に限定されなくともよい。例えば、算出部１３３は、ユーザの情報として、ユーザによって閲覧されたコンテンツの閲覧履歴、ユーザによってＳＮＳに投稿された情報の履歴である投稿履歴に基づく学習モデルを生成してもよい。

例えば、算出部１３３は、機械学習等の従来技術により、所定のユーザ情報に含まれるキャンセル率と、所定のユーザによって閲覧されたコンテンツの閲覧履歴と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。例えば、算出部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザのキャンセル率と、所定のユーザによって閲覧されたコンテンツの閲覧履歴と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。そして、算出部１３３は、予測対象であるユーザのキャンセル率と、予測対象であるユーザによって閲覧されたコンテンツの閲覧履歴とが学習モデルに入力された場合に、予測対象であるユーザの信用スコアを算出してもよい。

例えば、算出部１３３は、機械学習等の従来技術により、所定のユーザ情報に含まれるキャンセル率と、所定のユーザによってＳＮＳに投稿された情報の履歴である投稿履歴と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。例えば、算出部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザのキャンセル率と、所定のユーザによってＳＮＳに投稿された情報の履歴である投稿履歴と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。そして、算出部１３３は、予測対象であるユーザのキャンセル率と、予測対象であるユーザによってＳＮＳに投稿された情報の履歴である投稿履歴とが学習モデルに入力された場合に、予測対象であるユーザの信用スコアを算出してもよい。

例えば、算出部１３３は、機械学習等の従来技術により、所定のユーザ情報に含まれるキャンセル率と、所定のユーザによって閲覧されたコンテンツの閲覧履歴と、所定のユーザによってＳＮＳに投稿された情報の履歴である投稿履歴と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。例えば、算出部１３３は、ロジスティック回帰、ＳＶＭ、深層学習等の機械学習手法の従来技術により、所定のユーザのキャンセル率と、所定のユーザによって閲覧されたコンテンツの閲覧履歴と、所定のユーザによってＳＮＳに投稿された情報の履歴である投稿履歴と、所定のユーザの与信との関係性を学習することで、学習モデルを生成する。そして、算出部１３３は、予測対象であるユーザのキャンセル率と、予測対象であるユーザによって閲覧されたコンテンツの閲覧履歴と、予測対象であるユーザによってＳＮＳに投稿された情報の履歴である投稿履歴とが学習モデルに入力された場合に、予測対象であるユーザの信用スコアを算出してもよい。

これにより、実施形態に係る情報処理装置１００の算出部１３３は、ユーザ情報に含まれるユーザの様々な行動に関する情報に基づいて信用スコアを算出するため、ユーザの信用スコアを高精度に算出することができる。

〔４−２．決定処理（１）２つのタイミング〕
上記実施形態では、情報処理装置１００の決定部１３４が算出部１３３によって算出された信用スコアに基づいて、ポイントを付与するタイミングとして３つのタイミングを決定する決定処理の一例を説明したが、上記決定処理に限定されなくともよく、２つのタイミングを決定してもよい。

具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、商品の配送確認後、所定の時間が経過した後と決定してもよい。また、具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値以上である場合に、ユーザに対してインセンティブを付与するタイミングを、所定の商品購入処理直後と決定してもよい。

例えば、信用スコアの範囲が「０．５」〜「１．０」である場合、タイミングは「早い」とする。この場合、決定部１３４は、早いタイミングとして所定の商品購入処理直後と決定してもよい。

また、例えば、信用スコアの範囲が「０．０」〜「０．４」である場合、タイミングは「遅い」とする。この場合、決定部１３４は、遅いタイミングとして商品の配送確認後、所定の時間が経過した後と決定してもよい。

例えば、ユーザの信用スコアが「０．７」であるものとする。この場合、決定部１３４は、ユーザの信用スコアが「０．５」〜「１．０」の範囲に含まれることから、早いタイミングとして所定の商品購入処理直後と決定してもよい。

これにより、実施形態に係る情報処理装置１００の決定部１３４は、信用スコアに基づいて、ユーザに対してインセンティブとしてポイントを付与するタイミングを決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

〔４−３．決定処理（２）４つ以上のタイミング（１）〕
上記実施形態では、情報処理装置１００の決定部１３４が算出部１３３によって算出された信用スコアに基づいて、ポイントを付与するタイミングとして３つのタイミングを決定する決定処理の一例を説明したが、上記決定処理に限定されなくともよく、４つ以上のタイミングを決定してもよい。具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、商品の配送確認後、所定の時間が経過した後と決定してもよい。

例えば、信用スコアの範囲が「０．８」〜「１．０」である場合、タイミングは「早い」とする。この場合、決定部１３４は、早いタイミングとして所定の商品購入処理直後と決定してもよい。

また、例えば、信用スコアの範囲が「０．５」〜「０．７」である場合、タイミングは「標準的」とする。この場合、決定部１３４は、標準的なタイミングとして所定の商品購入処理後、所定の時間経過した後と決定してもよい。

また、例えば、信用スコアの範囲が「０．３」〜「０．４」である場合、タイミングは「遅い」とする。この場合、決定部１３４は、遅いタイミングとして商品の決済処理が終了した後と決定してもよい。

また、例えば、信用スコアの範囲が「０．０」〜「０．２」である場合、タイミングは「さらに遅い」とする。この場合、決定部１３４は、さらに遅いタイミングとして商品の配送確認後、所定の時間が経過した後と決定してもよい。

例えば、ユーザの信用スコアが「０．９」であるものとする。この場合、決定部１３４は、ユーザの信用スコアが「０．８」〜「１．０」の範囲に含まれることから、早いタイミングとして所定の商品購入処理直後と決定してもよい。

これにより、実施形態に係る情報処理装置１００の決定部１３４は、信用スコアに基づいて、ユーザに対してインセンティブとしてポイントを付与するタイミングを決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

〔４−４．決定処理（３）４つ以上のタイミング（２）〕
上記実施形態では、情報処理装置１００の決定部１３４が算出部１３３によって算出された信用スコアに基づいて、ポイントを付与するタイミングとして３つのタイミングを決定する決定処理の一例を説明したが、上記決定処理に限定されなくともよく、４つ以上のタイミングを決定してもよい。具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、ユーザが商品を受け取った後と決定してもよい。

例えば、信用スコアの範囲が「０．８」〜「１．０」である場合、タイミングは「早い」とする。この場合、決定部１３４は、早いタイミングとして所定の商品購入処理直後と決定してもよい。

また、例えば、信用スコアの範囲が「０．５」〜「０．７」である場合、タイミングは「標準的」とする。この場合、決定部１３４は、標準的なタイミングとして所定の商品購入処理後、所定の時間経過した後と決定してもよい。

また、例えば、信用スコアの範囲が「０．３」〜「０．４」である場合、タイミングは「遅い」とする。この場合、決定部１３４は、遅いタイミングとして商品の決済処理が終了した後と決定してもよい。

また、例えば、信用スコアの範囲が「０．０」〜「０．２」である場合、タイミングは「さらに遅い」とする。この場合、決定部１３４は、さらに遅いタイミングとしてユーザが商品を受け取った後と決定してもよい。

例えば、ユーザの信用スコアが「０．９」であるものとする。この場合、決定部１３４は、ユーザの信用スコアが「０．８」〜「１．０」の範囲に含まれることから、早いタイミングとして所定の商品購入処理直後と決定してもよい。

これにより、実施形態に係る情報処理装置１００の決定部１３４は、信用スコアに基づいて、ユーザに対してインセンティブとしてポイントを付与するタイミングを決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

〔４−５．決定処理（４）電子決済時のインセンティブが付与されるタイミング〕
上記実施形態では、所定のサービスでユーザが商品を購入した場合にインセンティブがユーザに付与される例を挙げて説明したが、上記例に限定されなくともよい。具体的には、決定部１３４は、算出部１３３によって算出された信用スコアに基づいて、電子決済をすることで得られるインセンティブを付与するタイミングを決定する。

より具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも大きい場合に、ユーザに対してインセンティブを付与するタイミングを、電子決済サービスの決済直後と決定してもよい。また、より具体的には、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、電子決済サービスの決済処理後、所定の時間が経過した後と決定してもよい。

例えば、電子決済サービスが二次元コードによる決済サービスであるものとする。また、ユーザに付与するインセンティブがポイントであるものとする。この場合、決定部１３４は、信用スコアが所定の閾値よりも大きい場合に、ユーザに対してポイントを付与するタイミングを、二次元コードによる決済サービスの決済直後と決定してもよい。また、決定部１３４は、信用スコアが所定の閾値よりも小さい場合に、ユーザに対してポイントを付与するタイミングを、二次元コードによる決済サービスの決済処理後、所定の時間が経過した後と決定してもよい。

なお、ここでいう二次元コードによる決済サービスの決済直後とは、例えば、店舗端末等が、二次元コードが表示される端末装置から読み取ったユーザ識別情報に対応する決済情報を二次元コードによる決済に関するサーバに送信し、かかるサーバで決済処理が行われた直後を示す。また、上記では、二次元コードによる決済サービスに関する例を挙げたが、この例に限定されなくともよく、バーコードによる決済、ＱＲコード（Ｑｕｉｃｋ Ｒｅｓｐｏｎｓｅ Ｃｏｄｅ）（登録商標）決済、電子マネーを利用した決済又はクレジットカードを利用したカード決済等であってもよい。

また、ここでいう二次元コードによる決済サービスは、ショッピングサイト或いはＥＣサイトで支払いを行った場合に限られなくてもよい。例えば、決定部１３４は、ユーザが実際の販売店舗で二次元コードによる決済サービスを利用して商品を購入した場合に、信用スコアに基づいて、二次元コードによる決済をすることで得られるインセンティブを付与するタイミングを決定してもよい。

これにより、実施形態に係る情報処理装置１００の決定部１３４は、信用スコアが所定の閾値よりも大きい場合に、ユーザに対してインセンティブを付与するタイミングを、電子決済サービスの決済直後と決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００の決定部１３４は、信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、電子決済サービスの決済処理後、所定の時間が経過した後と決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

〔５．ハードウェア構成〕
また、上述してきた実施形態に係るショッピングサーバ３０、外部装置５０及び情報処理装置１００は、例えば図７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７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、ＲＯＭ（Read Only Memory）１３００、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、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がネットワークＮを介して生成したデータを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、入出力インターフェイス１６００を介して生成したデータを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。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。

〔６．その他〕
また、上記実施形態及び変形例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。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及び変形例は、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、決定部は、決定手段や決定回路に読み替えることができる。

〔７．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１３２と、決定部１３４とを有する。取得部１３２は、ユーザに関する情報であるユーザ情報を取得する。決定部１３４は、取得部１３２によって取得されたユーザ情報に基づいて、ユーザに対してインセンティブを付与するタイミングを決定する。

これにより、実施形態に係る情報処理装置１００は、ユーザ情報に基づいて、ユーザに対してインセンティブを付与するタイミングを決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、取得部１３２によって取得されたユーザ情報に基づいて、ユーザの信用に関する情報である信用スコアを算出する算出部１３３をさらに備え、決定部１３４は、算出部１３３によって算出された信用スコアに基づいて、タイミングを決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアに基づいて、タイミングを決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアに基づいて、商品を購入することで得られるインセンティブを付与するタイミングを決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアに基づいて、商品を購入することで得られるインセンティブを付与するタイミングを決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアが小さい場合よりも信用スコアが大きい場合の方が、インセンティブを付与するタイミングを、早いタイミング決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアが小さい場合よりも信用スコアが大きい場合の方が、インセンティブを付与するタイミングを、早いタイミング決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも大きい場合に、ユーザに対してインセンティブを付与するタイミングを、商品購入処理直後と決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアが所定の閾値よりも大きい場合に、ユーザに対してインセンティブを付与するタイミングを、商品購入処理直後と決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、商品の決済処理が終了した後と決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、商品の決済処理が終了した後と決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、商品の配送確認後、所定の時間が経過した後と決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、商品の配送確認後、所定の時間が経過した後と決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、前記ユーザが商品を受け取った後と決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、前記ユーザが商品を受け取った後と決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアに基づいて、電子決済をすることで得られるインセンティブを付与するタイミングを決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアに基づいて、電子決済をすることで得られるインセンティブを付与するタイミングを決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも大きい場合に、ユーザに対してインセンティブを付与するタイミングを、電子決済サービスの決済直後と決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアが所定の閾値よりも大きい場合に、ユーザに対してインセンティブを付与するタイミングを、電子決済サービスの決済直後と決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、決定部１３４は、算出部１３３によって算出された信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、電子決済サービスの決済処理後、所定の時間が経過した後と決定する。

これにより、実施形態に係る情報処理装置１００は、信用スコアが所定の閾値よりも小さい場合に、ユーザに対してインセンティブを付与するタイミングを、電子決済サービスの決済処理後、所定の時間が経過した後と決定するため、ユーザに対する処理の適切なタイミングを決定することができる。

また、実施形態に係る情報処理装置１００において、算出部１３３は、取得部１３２によって取得された所定のユーザ情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出する。

これにより、実施形態に係る情報処理装置１００は、所定のユーザ情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出するため、信用スコアを高精度に算出することができる。

また、実施形態に係る情報処理装置１００において、算出部１３３は、取得部１３２によって取得された所定のユーザ情報に含まれる所定のユーザによって行われた商品を返品する処理に関する割合であるキャンセル率に関する情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出する。

これにより、実施形態に係る情報処理装置１００は、所定のユーザ情報に含まれる所定のユーザによって行われた商品を返品する処理に関する割合であるキャンセル率に関する情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、信用スコアを算出するため、信用スコアを高精度に算出することができる。

以上、本願の実施形態のいくつか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。

１ 情報処理システム
３０ ショッピングサーバ
５０ 外部装置
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 信用スコア記憶部
１２２ タイミング情報記憶部
１３０ 制御部
１３１ 受付部
１３２ 取得部
１３３ 算出部
１３４ 決定部
１３５ 送信部

Claims (15)

1. ユーザに関する情報であるユーザ情報を取得する取得部と、
   前記取得部によって取得されたユーザ情報に基づいて、前記ユーザに対してインセンティブを付与するタイミングを決定する決定部と、
   を備えたことを特徴とする情報処理装置。
2. 前記取得部によって取得されたユーザ情報に基づいて、前記ユーザの信用に関する情報である信用スコアを算出する算出部をさらに備え、
   前記決定部は、
   前記算出部によって算出された信用スコアに基づいて、前記タイミングを決定する、
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記決定部は、
   前記算出部によって算出された信用スコアに基づいて、商品を購入することで得られるインセンティブを付与するタイミングを決定する、
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記決定部は、
   前記算出部によって算出された信用スコアが小さい場合よりも信用スコアが大きい場合の方が、インセンティブを付与するタイミングを、早いタイミングと決定する、
   ことを特徴とする請求項３に記載の情報処理装置。
5. 前記決定部は、
   前記算出部によって算出された信用スコアが所定の閾値よりも大きい場合に、前記ユーザに対してインセンティブを付与するタイミングを、前記商品購入処理直後と決定する、
   ことを特徴とする請求項３又は４に記載の情報処理装置。
6. 前記決定部は、
   前記算出部によって算出された信用スコアが所定の閾値よりも小さい場合に、前記ユーザに対してインセンティブを付与するタイミングを、前記商品の決済処理が終了した後と決定する、
   ことを特徴とする請求項３又は４に記載の情報処理装置。
7. 前記決定部は、
   前記算出部によって算出された信用スコアが所定の閾値よりも小さい場合に、前記ユーザに対してインセンティブを付与するタイミングを、前記商品の配送確認後、所定の時間が経過した後と決定する、
   ことを特徴とする請求項３又は４に記載の情報処理装置。
8. 前記決定部は、
   前記算出部によって算出された信用スコアが所定の閾値よりも小さい場合に、前記ユーザに対してインセンティブを付与するタイミングを、ユーザが前記商品を受け取った後と決定する、
   ことを特徴とする請求項３又は４に記載の情報処理装置。
9. 前記決定部は、
   前記算出部によって算出された信用スコアに基づいて、電子決済をすることで得られるインセンティブを付与するタイミングを決定する、
   ことを特徴とする請求項２に記載の情報処理装置。
10. 前記決定部は、
    前記算出部によって算出された信用スコアが所定の閾値よりも大きい場合に、前記ユーザに対してインセンティブを付与するタイミングを、前記電子決済サービスの決済直後と決定する、
    ことを特徴とする請求項９に記載の情報処理装置。
11. 前記決定部は、
    前記算出部によって算出された信用スコアが所定の閾値よりも小さい場合に、前記ユーザに対してインセンティブを付与するタイミングを、前記電子決済サービスの決済処理後、所定の時間が経過した後と決定する、
    ことを特徴とする請求項９に記載の情報処理装置。
12. 前記算出部は、
    前記取得部によって取得された所定のユーザ情報と、所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、前記信用スコアを算出する、
    ことを特徴とする請求項２〜１１のいずれか１つに記載の情報処理装置。
13. 前記算出部は、
    前記取得部によって取得された所定のユーザ情報に含まれる所定のユーザによって行われた商品を返品する処理に関する割合であるキャンセル率に関する情報と、当該所定のユーザの与信に関する情報とに基づいて生成される学習モデルに基づいて、前記信用スコアを算出する、
    ことを特徴とする請求項１２に記載の情報処理装置。
14. コンピュータが実行する情報処理方法であって、
    ユーザに関する情報であるユーザ情報を取得する取得工程と、
    前記取得工程によって取得されたユーザ情報に基づいて、前記ユーザに対してインセンティブを付与するタイミングを決定する決定工程と、
    を含むことを特徴とする情報処理方法。
15. ユーザに関する情報であるユーザ情報を取得する取得手順と、
    前記取得手順によって取得されたユーザ情報に基づいて、前記ユーザに対してインセンティブを付与するタイミングを決定する決定手順と、
    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。

Images