JP2020149137A - 行動パターン分析装置、方法及びプログラム - Google Patents
行動パターン分析装置、方法及びプログラム Download PDFInfo
- Publication number
- JP2020149137A JP2020149137A JP2019044102A JP2019044102A JP2020149137A JP 2020149137 A JP2020149137 A JP 2020149137A JP 2019044102 A JP2019044102 A JP 2019044102A JP 2019044102 A JP2019044102 A JP 2019044102A JP 2020149137 A JP2020149137 A JP 2020149137A
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- clustering
- specific
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims description 13
- 230000006399 behavior Effects 0.000 claims abstract description 90
- 238000000605 extraction Methods 0.000 claims abstract description 46
- 238000010801 machine learning Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 4
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、ウェブにおいて閲覧可能な閲覧可能情報に対するユーザの行動パターンを分析する行動パターン分析装置であって、
前記閲覧可能情報に対して、個々のユーザにおける前記閲覧可能情報へのアクセスに関する行動を示す履歴情報を、ユーザに関するユーザ情報と共に、ユーザ毎に取得する履歴情報取得手段と、
ある行動を示す前記履歴情報を有するユーザである特定ユーザを抽出する特定ユーザ抽出手段と、
機械学習の教師なし学習により、前記特定ユーザを、複数種類の行動パターンの特徴量を用いて複数のクラスタにクラスタリングするクラスタリング手段と、
前記クラスタ毎に、クラスタリングされた前記特定ユーザを抽出するクラスタリング特定ユーザ抽出手段と、
前記クラスタ毎に、クラスタリングされた前記特定ユーザの前記ユーザ情報を、表示手段に表示する表示制御手段と、を備える行動パターン分析装置を提供する。
図1は、本実施形態に係る行動パターン分析装置のクラスタリングした結果の表示例である。
本実施形態に係る行動パターン分析装置は、ウェブにおいて閲覧可能な閲覧可能情報(例えば、インターネットを利用して閲覧することが可能なウェブサイトや、インターネットを利用して商品等を販売するアプリケーション上の表示等)に対するユーザの行動パターンを分析する。
したがって、ユーザのクラスタリングにおいて、偏りを抑え、適切な分析が可能となる。
図2は、本実施形態の行動パターン分析装置の機能構成を示すブロック図である。
行動パターン分析装置1は、例えば、サーバで構成され、図示しないプロセッサ、メモリ、ストレージを備え、これらはバスにより接続されている。プロセッサは、例えば、CPU(Central Processing Unit)により構成され、メモリに記憶された各種プログラムを読み出して実行し、各種処理を行うことで、後述する各手段として機能する。メモリは、CPUにより実行されるプログラムを記憶するものであり、例えば、ROM(Read Only Memory)やRAM(Random Access Memory)により構成される。ストレージは、後述するデータベースや制御プログラムなどを記憶するものである。
なお、行動パターン分析装置1は、1つのサーバで構成する必要はなく、例えば、行動パターン分析装置1の管理者により操作される端末(例えば、パーソナルコンピュータや、携帯端末等)や、このような端末とネットワークを介して接続されたサーバ等により、各種処理の全部又は一部を実行してもよい。
ユーザ情報DB12は、各ユーザを識別する識別情報に、年齢、所在地(ユーザが居住する都道府県や、住所等)等が対応付けられたユーザ情報が記憶されている。なお、ユーザ情報には、その他、性別、ユーザのネーム(例えば、ユーザにより設定されたニックネームや、ユーザの名前等)、ユーザ属性(例えば、ウェブサイトの運営者が運営するグループの会員ランク、PV(Page View)数、CV(Conversion)数等)や、オフラインデータ(例えば、ユーザの現実の行動履歴、NPS(Net Promoter Score)、ビジネス指標等)等を含めてもよい。この場合、これらの情報は、ユーザ情報取得手段11が取得し、ユーザ情報DB12において、識別情報に、対応付けて記憶してもよい。
履歴情報DB14は、ユーザ毎に、当該ユーザがアクセスした閲覧可能情報に、当該閲覧可能情報にアクセスした時間を示す訪問日時、当該ユーザが当該閲覧可能情報へのアクセスに利用した利用端末を示す情報、当該閲覧可能情報における当該ユーザの行動を示すイベントタイプを示す情報、当該閲覧可能情報にアクセスしていた時間を示す滞在時間等が対応付けられて記憶されている。図4に示すように、履歴情報DB14には、ある閲覧可能情報への訪問日時毎に履歴情報が記憶されている。すなわち、履歴情報取得手段13は、ユーザ毎に、ある閲覧可能情報に、何回アクセスしているかや、ある期間に、ある閲覧可能情報に何回アクセスしているかの頻度も、履歴情報DB14に記憶している。
クラスタリング手段16は、ユーザ情報DB12(図3参照)及び履歴情報DB14(図4参照)を参照して、特定ユーザ抽出手段15が抽出した特定ユーザの履歴情報に基づき、公知の機械学習の教師なし学習により、複数のクラスタにクラスタリングする。
例えば、クラスタリング手段16は、特定ユーザの履歴情報に基づき、特定ユーザを、行動パターンの特徴量(各特定ユーザのデータ(CV数、CVの頻度、PV数、PV頻度等)で、分布させ、予め設定したクラスタ数(図5に示す例では6つ)にグループ分けし、各グループにおける分布の中心を求める。そして、クラスタリング手段16は、求めた中心への近さで、特定ユーザを再グループ化し、再グループの中心を求める処理を繰り返すことで、予め設定したクラスタ数のクラスタを形成する。なお、本実施形態では、クラスタの数を6つとしているが、これに限らず、クラスタの数は任意に決めてもよい。
次に、行動パターン分析装置による行動パターン分析処理の一例について、図6を参照して説明する。
図6は、本実施形態の行動パターン分析処理の一例を示すフローチャートである。
ステップS1において、ユーザ情報取得手段11は、ユーザに操作される端末や、外部の装置であるオフラインDB200等から、ユーザ情報を取得し、ユーザ情報DB12に記憶する。
行動パターン分析装置1において、ユーザ情報に履歴情報が対応付けられ、例えば、時系列で配列された初期画面において、操作者によりある行動(例えば、コンバージョン(「セミナー申込」や「Ug問い合わせ」等))が選択されると、特定ユーザ抽出手段15は、上記ある行動(例えば、コンバージョン)を示す履歴情報を有するユーザである特定ユーザを抽出する。そして、表示制御手段19は、図7に示すような、特定ユーザのユーザ情報に、操作者により選択された行動に関連する履歴情報等が対応づけられた特定ユーザ抽出画面を、表示手段18に表示する。また、表示制御手段19は、特定ユーザ抽出画面において、特定ユーザ抽出手段15が生成した特定ユーザ人数情報(図7に示す例では「208名」)を表示する。
図8に示すように、表示制御手段19は、操作者により、図1に示すようなプルダウンメニューにおいて、複数のクラスタ(「未集計」、「パターンA」、「パターンB」、「パターンC」、「パターンD」、「パターンE」、「パターンF」)のいずれかが選択された場合、ステップS5で、クラスタリング手段16によりクラスタリングされ、操作者により選択されたクラスタ(図8に示す例では「パターンA」)の特定ユーザを配列したクラスタリング特定ユーザ抽出画面を、表示手段18に表示する。また、表示制御手段19は、クラスタリング特定ユーザ抽出画面において、クラスタリング特定ユーザ抽出手段17が生成したクラスタリング特定ユーザ人数情報(図8に示す例では「133名(63.9%)」)を表示する。
以上説明した本実施形態の行動パターン分析装置によれば、ある行動パターンを含む履歴情報を有するユーザである特定ユーザを抽出し、機械学習の教師なし学習により、特定ユーザを、複数種類の行動パターンの特徴量を用いて複数のクラスタにクラスタリングし、クラスタ毎に、クラスタリングされた特定ユーザを抽出し、クラスタ毎に、クラスタリングされた特定ユーザのユーザ情報を、表示手段に表示する。
これにより、ある行動をした特定ユーザを、機械学習の教師なし学習により、クラスタリングすることで、まず、例えば、操作者が所望する行動をした特定ユーザを抽出してから、機械学習の教師なし学習により、操作者の主観を入れずに、クラスタリングすることが可能となる。
したがって、ユーザのクラスタリングにおいて、偏りを抑え、適切な分析が可能となる。
これにより、操作者は、あるクラスタに属するユーザの人数と、ある行動をしたユーザ全ての人数とを対比させることが可能となるので、その後の分析において、複数のクラスタに対し優先順位を付けることが可能となり、より適切な分析が可能となる。
Claims (4)
- ウェブにおいて閲覧可能な閲覧可能情報に対するユーザの行動パターンを分析する行動パターン分析装置であって、
前記閲覧可能情報に対して、個々のユーザにおける前記閲覧可能情報へのアクセスに関する行動を示す履歴情報を、ユーザに関するユーザ情報と共に、ユーザ毎に取得する履歴情報取得手段と、
ある行動を示す前記履歴情報を有するユーザである特定ユーザを抽出する特定ユーザ抽出手段と、
機械学習の教師なし学習により、前記特定ユーザを、複数種類の行動パターンの特徴量を用いて複数のクラスタにクラスタリングするクラスタリング手段と、
前記クラスタ毎に、クラスタリングされた前記特定ユーザを抽出するクラスタリング特定ユーザ抽出手段と、
前記クラスタ毎に、クラスタリングされた前記特定ユーザの前記ユーザ情報を、表示手段に表示する表示制御手段と、を備える行動パターン分析装置。 - 前記表示制御手段は、前記特定ユーザ抽出手段が抽出した前記特定ユーザ全ての数に関する特定ユーザ人数情報と、前記クラスタリング特定ユーザ抽出手段により抽出された前記特定ユーザの数に関するクラスタリング特定ユーザ人数情報と、を前記表示手段に表示する請求項1に記載の行動パターン分析装置。
- ウェブにおいて閲覧可能な閲覧可能情報に対するユーザの行動パターンを分析する行動パターン分析装置が実行する方法であって、
前記閲覧可能情報に対して、個々のユーザにおける前記閲覧可能情報へのアクセスに関する行動を示す履歴情報を、ユーザに関するユーザ情報と共に、ユーザ毎に取得するステップと、
ある行動を示す前記履歴情報を有するユーザである特定ユーザを抽出するステップと、
機械学習の教師なし学習により、前記特定ユーザを、複数種類の行動パターンの特徴量を用いて複数のクラスタにクラスタリングするクラスタリング手段と、
前記クラスタ毎に、クラスタリングされた前記特定ユーザを抽出するステップと、
前記クラスタ毎に、前記特定ユーザの前記ユーザ情報を、表示手段に表示するステップと、を含む行動パターン分析方法。 - ウェブにおいて閲覧可能な閲覧可能情報に対するユーザの行動パターンを分析する行動パターン分析装置を、
前記閲覧可能情報に対して、個々のユーザにおける前記閲覧可能情報へのアクセスに関する行動を示す履歴情報を、ユーザに関するユーザ情報と共に、ユーザ毎に取得する履歴情報取得手段、
ある行動を示す前記履歴情報を有するユーザである特定ユーザを抽出する特定ユーザ抽出手段、
機械学習の教師なし学習により、前記特定ユーザを、複数種類の行動パターンの特徴量を用いて複数のクラスタにクラスタリングするクラスタリング手段、
前記クラスタ毎に、クラスタリングされた前記特定ユーザを抽出するクラスタリング特定ユーザ抽出手段、
前記クラスタ毎に、クラスタリングされた前記特定ユーザの前記ユーザ情報を、表示手段に表示する表示制御手段、として機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019044102A JP2020149137A (ja) | 2019-03-11 | 2019-03-11 | 行動パターン分析装置、方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019044102A JP2020149137A (ja) | 2019-03-11 | 2019-03-11 | 行動パターン分析装置、方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020149137A true JP2020149137A (ja) | 2020-09-17 |
Family
ID=72430125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019044102A Pending JP2020149137A (ja) | 2019-03-11 | 2019-03-11 | 行動パターン分析装置、方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020149137A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114598551A (zh) * | 2022-03-29 | 2022-06-07 | 南方电网科学研究院有限责任公司 | 一种应对持续威胁攻击的信息网络安全预警系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015103018A (ja) * | 2013-11-25 | 2015-06-04 | ヤフー株式会社 | 行動パターン分析装置および行動パターン分析方法 |
JP2016062411A (ja) * | 2014-09-19 | 2016-04-25 | ヤフー株式会社 | 情報分析装置、情報分析方法および情報分析プログラム |
JP2016153925A (ja) * | 2013-06-20 | 2016-08-25 | シャープ株式会社 | サーバ装置、端末装置及び処理方法 |
-
2019
- 2019-03-11 JP JP2019044102A patent/JP2020149137A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016153925A (ja) * | 2013-06-20 | 2016-08-25 | シャープ株式会社 | サーバ装置、端末装置及び処理方法 |
JP2015103018A (ja) * | 2013-11-25 | 2015-06-04 | ヤフー株式会社 | 行動パターン分析装置および行動パターン分析方法 |
JP2016062411A (ja) * | 2014-09-19 | 2016-04-25 | ヤフー株式会社 | 情報分析装置、情報分析方法および情報分析プログラム |
Non-Patent Citations (1)
Title |
---|
澤田 礼我 外8名: "潜在的興味分析に基づく詳細な興味グループ判定方式の提案", 第10回データ工学と情報マネジメントに関するフォーラム (第16回日本データベース学会年次大会), JPN6023011773, 6 March 2018 (2018-03-06), JP, pages 1 - 5, ISSN: 0005020560 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114598551A (zh) * | 2022-03-29 | 2022-06-07 | 南方电网科学研究院有限责任公司 | 一种应对持续威胁攻击的信息网络安全预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10628775B2 (en) | Sankey diagram graphical user interface customization | |
US8620718B2 (en) | Industry specific brand benchmarking system based on social media strength of a brand | |
EP3196824A1 (en) | Information processing system and method | |
US10078706B2 (en) | Information processing apparatus, information processing method, information processing program, and recording medium storing thereon information processing program which classifies and displays a plurality of elements constituting a list on a plurality of pages | |
US20140156464A1 (en) | Information processing apparatus, information processing method, information processing program, recording medium having stored therein information processing program | |
US11803872B2 (en) | Creating meta-descriptors of marketing messages to facilitate in delivery performance analysis, delivery performance prediction and offer selection | |
US20150120302A1 (en) | Method and system for performing term analysis in social data | |
EP2812856A1 (en) | Tools and methods for determining relationship values | |
CN111400599A (zh) | 一种用户群画像生成方法、装置及系统 | |
Seckler et al. | User-friendly locations of error messages in web forms: Put them on the right side of the erroneous input field | |
CN111967914A (zh) | 基于用户画像的推荐方法、装置、计算机设备和存储介质 | |
US20160155198A1 (en) | Distribution apparatus, distribution method, and non-transitory computer readable storage medium | |
US20160171567A1 (en) | Universal feedback system with site-local data acquisition and presentation | |
JP2020035167A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP2020149137A (ja) | 行動パターン分析装置、方法及びプログラム | |
US20160124580A1 (en) | Method and system for providing content with a user interface | |
Miniukovich et al. | Visual diversity and user interface quality | |
KR101730340B1 (ko) | 평가 대상에 대한 평가 결과를 정량화하는 방법 | |
JP2010186283A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
KR20210043281A (ko) | 소셜미디어 빅데이터 분석을 통한 커스텀 위젯의 시각적 제공 방법 및 이를 수행하는 서버 | |
JP5779294B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP7403735B2 (ja) | ユーザ注目ワード分析装置、方法及びプログラム | |
JP2017146940A (ja) | 支援プログラム、支援方法、及び情報処理装置 | |
JP7450103B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP2019194793A (ja) | 情報処理装置およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220310 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230327 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230522 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230725 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231018 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240116 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240312 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240405 |