JP2021043899A - 価値観クラスター生成装置、コンピュータプログラム、価値観クラスター付与方法、データベース統合方法及び広告提供方法 - Google Patents

Abstract

【課題】訴求の精度を向上させることができる価値観クラスター生成装置、コンピュータプログラム、価値観クラスター付与方法、データベース統合方法及び広告提供方法を提供する。【解決手段】価値観クラスター生成装置は、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースと、前記データベースの前記消費者ＩＤの前記複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成するクラスター生成部とを備える。【選択図】図１

Description

本発明は、価値観クラスター生成装置、コンピュータプログラム、価値観クラスター付与方法、データベース統合方法及び広告提供方法に関する。

近年、様々な顧客の属性や購買履歴などの大量の情報を収集してデータベースで管理し、顧客の行動を分析してそれぞれの顧客に応じたマーケティング活動に利用されている。

このようなデータベースには、顧客の個人情報が含まれており、個人情報保護の観点から、データベースの情報の提供は限られている。特許文献１には、顧客の性別や年齢などの共通パラメータを用いて単一顧客のデータから複数顧客の特徴が混合された仮想顧客のデータに変換して個人情報を保護しながらデータベースを結合するシステムが開示されている。

特開２０１６−１２６６０９号公報

特許文献１のようなシステムでは、個人情報を保護してデータベース内のデータを提供することができる。しかし、このようなデータベースでは、顧客の属性や過去の購買履歴に基づいて顧客の行動を分析しているため、顧客が商品などを購入した理由や動機などを把握することはできない。例えば、同じ属性の顧客が同じ商品を同じ時間帯に購入したとしても、購入に至った理由や動機などの要因が異なる可能性があり、訴求すべきポイントが必ずしも一致しないという問題がある。

本発明は、斯かる事情に鑑みてなされたものであり、訴求の精度を向上させることができる価値観クラスター生成装置、コンピュータプログラム、価値観クラスター付与方法、データベース統合方法及び広告提供方法を提供することを目的とする。

本発明の実施の形態に係る価値観クラスター生成装置は、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースと、前記データベースの前記消費者ＩＤの前記複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成するクラスター生成部とを備える。

本発明の実施の形態に係るコンピュータプログラムは、コンピュータに、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得する処理と、取得した前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成する処理とを実行させる。

本発明の実施の形態に係る価値観クラスター付与方法は、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得し、取得された前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成し、生成された価値観クラスター毎に、消費者の価値観を表す消費者意識を特定する複数の質問項目それぞれに対する重み係数が設定された重み係数及び前記複数の質問項目それぞれに対する対象消費者の意識度合いに基づいて、前記対象消費者に価値観クラスターを付与する。

本発明の実施の形態に係る価値観クラスター付与方法は、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得し、取得された前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成し、対象消費者の消費行動特性を表す特徴変数を複数取得し、生成された価値観クラスターを、消費者の消費行動特性を表す複数の特徴変数の関数として表す価値観クラスター判別モデル、及び取得された複数の特徴変数に基づいて前記対象消費者に価値観クラスターを付与する。

本発明の実施の形態に係るデータベース統合方法は、複数の会員データベースそれぞれから複数の対象消費者の消費データを取得し、前記複数の会員データベースそれぞれについて、前記複数の対象消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された対象消費者の消費データに基づいて集計値を示す消費特徴指標を算出し、前記複数の会員データベースそれぞれの価値観クラスターのうち、共通の価値観クラスター毎に消費特徴指標を統合して前記複数の会員データベースを一の統合データベースに統合する。

本発明の実施の形態に係る広告提供方法は、ウェブサイトにアクセスする複数のユーザそれぞれを識別する識別情報を取得し、複数の価値観クラスター毎に、前記価値観クラスターが付与された複数の識別情報が記録されたデータベースを参照して、取得された識別情報それぞれに価値観クラスターを対応付け、同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザに前記価値観クラスター固有の広告素材を提供する。

本発明によれば、訴求の精度を向上させることができる。

本実施の形態の価値観クラスターとしてのサーバの構成の一例を示すブロック図である。 価値観データベース生成のためのアンケート調査項目の一例を示す説明図である。 価値観データベースの項目の一例を示す模式図である。 価値観データベースの構造の一例を示す模式図である。 価値観クラスターの生成の一例を示す模式図である。 基本プロファイルの評価軸の一例を示す模式図である。 価値観クラスター毎の基本プロファイルの一例を示す模式図である。 基本プロファイルの一例を示す模式図である。 価値観クラスター毎の応用プロファイルの一例を示す模式図である。 価値観クラスター毎の食事に関する意識に関する応用プロファイルの一例を示す模式図である。 価値観クラスター毎の食品全般の購入重視点に関する応用プロファイルの一例を示す模式図である。 価値観クラスター毎の基本プロファイルと応用プロファイルとの関係の一例を示す模式図である。 階層型クラスターを活用した応用プロファイルの一例を示す模式図である。 階層型クラスターを活用した応用プロファイルの他の例を示す模式図である。 重み係数の一例を示す模式図である。 アンケートの質問に対する対象消費者の意識度合いの一例を示す模式図である。 第１及び第２の価値観クラスター付与方法の関係を示す模式図である。 価値観クラスター毎の書籍のジャンル別の購入率の一例を示す模式図である。 会員データベースＤＢ１の加工の一例を示す模式図である。 会員データベースＤＢ２の加工の一例を示す模式図である。 会員データベースの統合の一例を示す模式図である。 チラシのコンテンツの作り分けの一例を示す模式図である。 顧客プロファイルを作成するサービスの一例を示す模式図である。 商品プロファイルを作成するサービスの一例を示す模式図である。 ウェブ広告提供の一例を示す模式図である。 サーバによるプロファイル生成の処理手順の一例を示すフローチャートである。 サーバによる第１の価値観クラスター付与の処理手順の一例を示すフローチャートである。 サーバによる第２の価値観クラスター付与の処理手順の一例を示すフローチャートである。 サーバによる統合データベースの生成処理手順の一例を示すフローチャートである。 サーバを用いたウェブ広告配信の処理手順の一例を示すフローチャートである。

以下、本発明の実施の形態を図面に基づいて説明する。図１は本実施の形態の価値観クラスターとしてのサーバ５０の構成の一例を示すブロック図である。サーバ５０は、サーバ５０全体を制御する制御部５１、価値観データベース生成部５２、価値観クラスター生成部５３、プロファイル情報生成部５４、価値観クラスター付与部５５、アンケート情報取得部５６、記憶部５７、価値観クラスター判別モデル５８、消費データ取得部５９、特徴指標算出部６０、データベース統合部６１、消費者リスト取得部６２、商品リスト取得部６３、及び価値観クラスター判定部６４を備える。制御部５１は、ＣＰＵ、ＲＯＭ及びＲＡＭなどで構成することができる。

アンケート情報取得部５６、消費データ取得部５９、消費者リスト取得部６２及び商品リスト取得部６３は、例えば、ネットワークを経由してデータの送受信を行う通信機能を備える通信部としてもよく、データが記録された記録媒体からデータを読み取る読取部としてもよく、ＯＣＲ（Optical Character Recognition/Reader）機能を備えた装置や音声入力機能を備えた装置で構成してもよい。

サーバ５０には、価値観データベース１０、アンケート結果データベース２０、統合データベース３０及び価値観クラスター付与済ユーザデータベース４０を接続することができ、サーバ５０は、各データベースとの間で情報の授受を行うことができる。サーバ５０は、会員や情報の種別が異なる会員データベース１０１、１０２、１０３からデータベース内の情報を取得できる。会員データベースの数は３に限定されない。サーバ５０は、１台のサーバで構成してもよいが、複数のサーバで構成してサーバ５０内の機能を複数のサーバに分散させてもよい。

価値観データベース生成部５２は、価値観データベース１０を生成、更新することができる。消費者（例えば、１５０００人程度のモニタ会員を活用）に対して、基本的価値観、購買行動の特性、メディア接触状況、消費意識、食意識、ライフスタイルなどの項目を判断する約１０００項目の調査項目のアンケート調査を実施し、得られた回答に基づいて価値観データベース１０を生成することができる。

図２は価値観データベース生成のためのアンケート調査項目の一例を示す説明図である。図２に示す調査項目は、アンケート調査項目のごく一部の抜粋である。調査項目は、消費者の基本的価値観、購買行動の特性、メディア接触状況、消費意識、食意識、ライフスタイルなどの項目を判断することができれば、図２に示すものに限定されない。回答は、「はい」又は「いいえ」とする調査項目と、数値（例えば、１〜７）で段階的に回答できる調査項目とが含まれる。なお、回答は、「はい」又は「いいえ」とする調査項目だけでもよく、数値で段階的に回答できる調査項目だけでもよい。

図３は価値観データベース１０の項目の一例を示す模式図である。価値観データベース１０は、単にデータベースとも称し、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録している。価値観データベース１０は、消費者の価値観、ライフスタイル、購買・生活行動に焦点を当てたデータベースとすることができる。消費者意識は、例えば、基本価値観、購買行動、メディア接触、消費意識、ライフスタイル、興味関心などに関連する意識とすることができ、より具体的には、買い物意識、食意識、美容意識、ファッション意識、健康意識、環境意識、金融意識、ジャンル別購入重視点、チャネル利用頻度、メディア関係、価値観関係、情報機器・情報、促販ツール評価などを含む。また、価値観データベース１０に消費者意識として記録されている内容は、消費者がとった行動や、利用したサービスの内容等が含まれていてもよい。

図４は価値観データベース１０の構造の一例を示す模式図である。価値観データベース１０は、消費者毎に複数の特定項目を記録しており、消費者の意識が各特定項目の内容に当てはまるか否かを数値で表すことができる。例えば、アンケート調査の回答と同様に、数値１〜７を用いて、１は非常によく当てはまる、２は当てはまる、３はやや当てはまる、４はどちらともいえない、５はあまり当てはまらない、６は当てはまらない、７は全く当てはまらない、のように区分できる。また、「はい」又は「いいえ」をそれぞれ１又は０のように区分してもよい。

価値観クラスター生成部５３は、クラスター生成部としての機能を有し、価値観データベース１０の消費者ＩＤの複数の特定項目の全部又は一部を活用項目として用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成する。活用項目は、価値観データベース１０の特定項目の中から消費者の普遍的な特性として、例えば、メディア、コミュニケーション、ライフスタイル・流行感度、普遍的な消費価値に関する項目を抽出することにより、項目の数を絞ることができる。また、抽出した活用項目を、さらに相互の関連性を考慮して、関連性の低い活用項目を削除することにより、適切な数の活用項目に絞り込んでもよい。

クラスター分析処理は、例えば、階層的手法でもよく、非階層的手法を用いてもよい。階層的手法としては、例えば、ウォード法、最短距離法、重心法、群平均法などを用いてもよい。非階層手法としては、例えば、ｋ平均法を用いることができる。各活用項目は、例えば、１〜７の数値であるので、数値の近いサンプル（消費者）を纏めることにより、価値観クラスターを生成することができる。また、価値観クラスターの数は予め設定しなくてもよい。

図５は価値観クラスターの生成の一例を示す模式図である。価値観データベース１０の全特定項目の中から選定した活用項目から、例えば、Two-Step法を用いて、基本セグメントとして、価値観クラスターＣＬ１、ＣＬ２、ＣＬ３、ＣＬ４、ＣＬ５を生成できたとする。次に、基本セグメントの５つの価値観クラスターに対してTwo-Step法を用いて、２１個の価値観クラスターを生成できたとする。次に、２１個の価値観クラスターに対してTwo-Step法を用いて、５１個の価値観クラスターを生成できたとする。図５の例では、３階層のクラスターを構築しているが、３階層に限定されない。１階層の方が、後述のプロファイルの生成を容易に行うことができるが、階層を増やすことにより、消費者の価値観をさらに細分化して、より具体的に把握することが可能となる。

上述の構成により、消費者の購買行動又は意識に関する情報（例えば、価値観を表す消費者意識）を類型化することができる。これにより、例えば、商品を購入する際の消費者の意識や意識によってもたらされる行動が似通っている消費者同士を価値観クラスター毎に分類することができ、商品の購入に至る理由や動機などの要因が似ている消費者を一つの価値観クラスターという括りで纏めることができ、価値観クラスター毎に訴求すべきポイントを異ならせることができ訴求の精度を向上させることができる。

プロファイル情報生成部５４は、特徴情報生成部としての機能を有し、価値観クラスター生成部５３で生成した価値観クラスターに分類された消費者それぞれの特定項目に基づいて、価値観クラスターの特徴を示すプロファイル（プロファイル情報又は特徴情報ともいう）を生成する。プロファイルは、価値観クラスターの特性を解釈したものということができる。

価値観クラスターに分類された消費者それぞれの複数の特定項目の数値（例えば、１〜７）を参照し、例えば、数値が1（非常に当てはまる）及び２（当てはまる）である特定項目、及び数値が７（全く当てはまらない）及び６（当てはまらない）である特定項目を抽出して、当該価値観クラスターに分類された消費者の意識を抽出することにより、当該価値観クラスターの特性を解釈することができる。また、当該価値観クラスターと他の価値観クラスターとを比較することにより、当該価値観クラスターの特性をさらに導き出すことができる。

プロファイル情報生成部５４は、ＯＣＲ機能を有する言語処理部を備えることができる。言語処理部は、形態素解析機能を備え、辞書データを用いて、特定項目などのテキストデータから意味を持つ最小単位である単語を抽出することができる。また、プロファイル情報生成部５４は、多層のニューラルネットワーク（深層学習）を用いて構成してもよく、他の機械学習を用いて構成してもよい。

上述の構成により、価値観クラスター毎の消費者の価値観を示す意識の特徴を可視化することができ、さらに訴求の精度を向上させることができる。

次に、基本プロファイルと応用プロファイルについて説明する。まず、基本プロファイルについて説明する。

プロファイル情報生成部５４は、クラスター分析処理で用いた活用項目に基づいて、価値観クラスターの基本プロファイル（第１種別の特徴情報）を生成することができる。基本プロファイルの生成には、クラスター分析処理で用いた、消費者の普遍的な特性としての、メディア、コミュニケーション、ライフスタイル・流行感度、普遍的な消費価値に関する活用項目を用いることができる。

図６は基本プロファイルの評価軸の一例を示す模式図である。図６は、評価軸と、評価軸で判断したときの特徴をポイントに応じて表現している。図６に示すように、基本プロファイルは、例えば、前述の活用項目の中から、さらに具体的な複数の評価軸（評価指標ともいう）に区分して生成することができる。図６の例では、ライフスタイル・流行感度というカテゴリからは、生活品質追及及び完璧追及が評価軸として選ばれている。メディアというカテゴリからは、情報収集探索が評価軸として選ばれている。コミュニケーションというカテゴリからは、友好関係重視及び他者評価意識が評価軸として選ばれている。図６において、カテゴリや評価軸は一例であって図６の例に限定されない。

図７は価値観クラスター毎の基本プロファイルの一例を示す模式図である。図７には、価値観クラスターＣＬ１〜ＣＬ５それぞれの基本プロファイルを対比して図示している。なお、価値観クラスター毎の基本プロファイルは、図７の例に限定されるものではない。

図８は基本プロファイルの一例を示す模式図である。図８には、価値観クラスターＣＬ１の基本プロファイルを図７の例よりも具体的に示す。前述の５個の評価軸それぞれについて、ポイントがどの程度であるかを全体と対比して表現するとともに、ポイントに応じた特徴が表現されている。

上述のように、基本プロファイルを生成することにより、消費者の普遍的な特性という視点で価値観クラスターの特性を解釈することができる。

次に、応用プロファイルについて説明する。

プロファイル情報生成部５４は、クラスター分析処理で用いた活用項目及び当該活用項目以外の他の特定項目に基づいて、価値観クラスターの応用プロファイル（第２種別の特徴情報）を生成することができる。応用プロファイルの生成は、クラスター分析処理で用いた活用項目だけでなく、例えば、価値観データベース１０の全特定項目を用いることができる。

図９は価値観クラスター毎の応用プロファイルの一例を示す模式図である。図９の例は、食意識に関する応用プロファイルを図示している。食意識に関する応用プロファイルは、価値観データベース１０の全特定項目の中から食意識に関連する特定項目に基づいて、価値観クラスターＣＬ１〜ＣＬ５それぞれに分類された消費者の食意識を特徴付けたものである。図９の例では、食意識についての応用プロファイルを図示しているが、食意識に限定されるものではなく、消費意識、美容意識、ファッション意識、健康意識、環境意識、金融意識など他の意識に関連する特定項目に基づいて、それぞれの意識に関する応用プロファイルを生成することができる。

図１０は価値観クラスター毎の食事に関する意識に関する応用プロファイルの一例を示す模式図である。図１０に示すように、応用プロファイルは、食事に関する意識に関する項目について、他の価値観クラスターと対比して棒グラフのような形式で表現して、意識の特徴を可視化することができる。なお、図１０の例では、食事に関する意識に関する項目から６つの項目を抜粋してる。項目数は６個に限定されない。

図１１は価値観クラスター毎の食品全般の購入重視点に関する応用プロファイルの一例を示す模式図である。図１１に示すように、応用プロファイルは、食品全般の購入重視点に関する項目について、他の価値観クラスターと対比して棒グラフのような形式で表現して、意識の特徴を可視化することができる。なお、図１１の例では、食品全般の購入重視点に関する項目から６つの項目を抜粋してる。項目数は６個に限定されない。

図１２は価値観クラスター毎の基本プロファイルと応用プロファイルとの関係の一例を示す模式図である。図１２の例では、価値観クラスターＣＬ１〜ＣＬ５毎に、基本プロファイルと、消費意識、食意識、美容意識、ファッション意識、健康意識、環境意識、金融意識に関する応用プロファイルとをマトリクス状に表現したものである。図１２の例では、価値観クラスター毎に、基本プロファイルと、複数の意識に関連する応用プロファイルとの相互の関連性、及び応用プロファイル同士の関連性を容易に把握することができる。

図１３は階層型クラスターを活用した応用プロファイルの一例を示す模式図である。図１３では、クラスター１と、クラスター１の下位の階層としてクラスター１−１及びクラスター１−２を示している。図１３に示すように、クラスター１を下位のクラスターに階層化することにより、クラスター１の食意識に関する応用プロファイルをさらに細かくプロファイルすることができる。図１３の例では、クラスター１−１は、クラスター１の中でも健康意識が高い消費者が含まれることが分かる。また、クラスター１−２は、クラスター１の中でも節約意識が高い消費者が含まれることが分かる。

図１４は階層型クラスターを活用した応用プロファイルの他の例を示す模式図である。図１４の例では、買い物、食事及び食品に関するクラスター１の下位の階層として、買い物、食事及び食品それぞれに関するクラスター１−１を示している。本実施例ではクラスター１−１は、価格至上主義派のクラスター１の中でも、価格の変化をまめにチェックする消費者が分類されている傾向があるクラスターである。また、クラスター１−２としては価格の変化をまめにチェックしない消費者が分類される傾向のクラスターであってもよく、他の特徴を持つ消費者が分類されている傾向があるクラスターであってもよい。

上述のように、応用プロファイルを用いることにより、消費者の様々な意識（例えば、買い物意識、食意識、美容意識、ファッション意識、健康意識、環境意識、金融意識、ジャンル別購入重視点、チャネル利用頻度、メディア関係、価値観関係、情報機器・情報、促販ツール評価など）という視点で価値観クラスターの特性を解釈することができる。

次に、消費者の価値観クラスターを判別して消費者に価値観クラスターを付与する方法について説明する。まず、アンケートを用いる第１の価値観クラスター付与方法について説明する。

アンケート情報取得部５６は、複数の質問項目それぞれに対する対象消費者の意識度合いが記載されたアンケート情報を取得する。

アンケートの質問項目は、例えば、図２に例示した内容とすることができるが、これに限定されない。また、質問項目は、普遍的な消費価値を判断するための項目及びメディア、コミュニケーション、ライフスタイル・流行感度などから抽出した項目をブレンドして作成することができる。アンケートの質問項目の数は、適宜設定することができるが、あまり質問項目の数が多いと回答者の負担が大きくなるので、例えば、２０〜４０程度が適切である。

価値観クラスター付与部５５は、重み係数設定部としての機能を有し、クラスター生成部で生成した価値観クラスター毎に、消費者の価値観を表す消費者意識を特定する複数の質問項目それぞれに対する重み係数を設定してある。

図１５は重み係数の一例を示す模式図である。図１５の例では、価値観クラスターをＣＬ１〜ＣＬ５の５つとし、質問項目はＱ１〜Ｑ３４であり、質問数は３４としている。重み係数は、質問項目が価値観クラスターに与える影響度合いを示すものであり、例えば、ある質問項目の重み係数が大きいほど、当該質問項目が価値観クラスターを特徴付ける度合いが大きいとすることができる。図１５に示すように、価値観クラスターＣＬ１の質問Ｑ１、Ｑ２、…、Ｑ３４それぞれの重み係数をａ１、ａ２、…、ａ３４とし、価値観クラスターＣＬ２の質問Ｑ１、Ｑ２、…、Ｑ３４それぞれの重み係数をｂ１、ｂ２、…、ｂ３４とすることができる。他の価値観クラスターも同様である。重み係数は、価値観クラスター付与部５５内部において演算で重み付けるように構成してもよく、あるいは記憶部５７に記憶してもよい。

価値観クラスター付与部５５は、第１付与部としての機能を有し、アンケート情報取得部５６で取得したアンケート情報を用いて対象消費者（価値観クラスターが付与されていない消費者や会員など）に価値観クラスターを付与する。具体的には、価値観クラスター付与部５５は、複数の質問項目それぞれに対する対象消費者の意識度合い及び重み係数に基づいて、対象消費者に価値観クラスターを付与する。意識度合いは、例えば、数値１〜７を用いて、１は非常に当てはまる、２は当てはまる、３はやや当てはまる、４はどちらともいえない、５はあまり当てはまらない、６は当てはまらない、７は全く当てはまらない、のように区分できる。

図１６はアンケートの質問に対する対象消費者の意識度合いの一例を示す模式図である。対象消費者としての対象モニタ００１の質問Ｑ１、Ｑ２、…、Ｑ３４それぞれに対する意識度合いをｘ１、ｘ２、…、ｘ３４とする。対象モニタ００１の価値観クラスターＣＬ１の値Ｖ_CL1 は、Ｖ_CL1 ＝ａ１・ｘ１＋ａ２・ｘ２＋…＋ａ３４・ｘ３４で算出することができる。また、対象モニタ００１の価値観クラスターＣＬ２の値Ｖ_CL2 は、Ｖ_CL2 ＝ｂ１・ｘ１＋ｂ２・ｘ２＋…＋ｂ３４・ｘ３４で算出することができる。他の価値観クラスターも同様である。対象消費者の価値観クラスターは、算出した値Ｖ_CL1 、Ｖ_CL2 、…の中で最も大きい値の価値観クラスターとすることができる。また、他の対象モニタについても同様である。

上述の構成により、アンケートに記載された質問項目に回答してもらうだけで、回答者（対象消費者）の価値観クラスターを判別して価値観クラスターを付与することができる。価値観クラスターを付与した対象消費者の情報を収集することにより、価値観クラスター付与済ユーザデータベース４０を構築できる。

次に、価値観クラスター判別のアンケートを実施しなくても対象消費者の価値観クラスターを判別できる第２の価値観クラスター付与方法について説明する。

図１７は第１及び第２の価値観クラスター付与方法の関係を示す模式図である。図１７に示すように、例えば、会員組織の一部の会員に対して、前述の第１の価値観クラスター付与方法のように、価値観アンケートを実施し、クラスター（価値観クラスター）を判別し、アンケート実施会員に価値観クラスターを付与することにより、当該会員は価値観クラスター付き会員となる。第２の価値観クラスター付与方法は、アンケート実施会員の行動特性を活用して、アンケート未実施会員の価値観クラスターを判別し、判別した価値観クラスターを付与するものである。実施例としては、アンケートにより、アンケート実施会員を複数のクラスターに分類し、それぞれのクラスターの購買傾向を算出する。一方、アンケート未実施会員について、その会員の購買傾向と近いクラスターへ会員を分類することができる。

価値観クラスター判別モデル５８は、価値観クラスター生成部５３で生成した価値観クラスターを、消費者の消費行動特性を表す複数の特徴変数を説明変数とする関数として表すことができる。

説明変数（特徴変数）は、価値観クラスターが判別又は付与された消費者の購買データから価値観クラスターに寄与する特徴量とすることができ、価値観クラスター毎の、商品属性毎の購買構成比や購買比率を用いることができる。例えば、ジャンルごとの購買構成比や、限定版商品の購買比率などを用いることができる。なお、特徴変数はこれらに限定されない。価値観クラスター判別モデル５８は、特徴変数を説明変数とし、消費者の価値観クラスターを目的変数として、例えば、ロジスティック回帰により生成できる。

図１８は価値観クラスター毎の書籍のジャンル別の購入率の一例を示す模式図である。図１８の例では、書籍のジャンルとして、文庫・新書・一般文芸書・ムック、ビジネス書、児童書・学習参考書、書籍コミック・雑誌コミック、趣味・実用書、雑誌の６つのジャンルに分けている。棒グラフの数値は、価値観クラスターＣＬ１〜ＣＬ５それぞれのジャンル別の購入率の偏差値を、全体の購入率の偏差値と対比して数値化している。正の値は全体よりも大きく、負の値は全体よりも小さいことを示す。なお、特徴変数の表し方は図１８の例に限定されるものではなく、価値観クラスターに寄与する特性を表すものであれば、どのようなものでもよい。

価値観クラスター付与部５５は、変数取得部としての機能を有し、対象消費者の消費行動特性を表す特徴変数を複数取得する。特徴変数は、例えば、対象消費者（価値観クラスターが付与されていない消費者や会員など）の購買データから取得できる。

価値観クラスター付与部５５は、第２付与部としての機能を有し、取得した複数の特徴変数を説明変数として価値観クラスター判別モデル５８の説明変数に代入することで対象消費者に価値観クラスターを付与することができる。

これにより、前述の価値観判別アンケートを実施しなくても、対象消費者（例えば、アンケート未実施会員）の行動特性を把握することにより、対象消費者の価値観クラスターを判別して価値観クラスターを付与することができる。価値観クラスターを付与した対象消費者の情報を収集することにより、価値観クラスター付与済ユーザデータベース４０を構築できる。

次に、会員や種別が異なる複数の会員データベースを加工して一つのデータベースに統合する方法について説明する。

消費データ取得部５９は、データ取得部としての機能を有し、会員データベース１０１、１０２、１０３から複数の消費者の消費データを取得することができる。なお、図１の例では、会員データベースを３個図示しているが、会員データベースの数は３個に限定されない。会員データベース１０１、１０２、１０３は、会員や種別が異なるデータベースであり、会員の消費に関連する消費データが会員毎に区分して記録されたデータベースである。会員データベースは、例えば、書籍、食品、家計簿、食卓情報、電化製品、車、音楽、チケット、交通、衣服、美容品、通信販売などの生活に欠かせない消費情報を含む。

図１９は会員データベースＤＢ１の加工の一例を示す模式図である。会員データベースＤＢ１は、書籍に関するデータベースである。上段の図は、会員データベースＤＢ１の消費データ（元データ）の一例を示す。図１９に示すように、消費データは、例えば、会員ＩＤ別に、日付（購入日付）、ジャンル、購買商品、電子書籍であるか否かを示す電子書籍フラグ（１は電子書籍に相当）、値引きの有無を示す値引きフラグ（１は値引きあり）などを含む。

中段の図は、会員別集計値を示し、上段の図の元データの会員をキーとして、当該会員の消費データを纏め、会員毎の統計量を求めることにより、元のデータを加工したものである。統計量は、例えば、図１９に示すように、ジャンルごとの購入率（例えば、推理小説購入率など）、値引き商品の購入率、電子書籍利用率などの項目を含む。なお、統計量は、これらに限定されない。

中段の図において、各会員の価値観クラスターは、未だ価値観クラスターが付与されていない場合には、前述の第１の価値観クラスター付与方法又は第２の価値観クラスター付与方法を用いて会員に付与することができる。

下段の図は、価値観クラスター別の集計値（消費特徴指標ともいう）を示す。特徴指標算出部６０は、複数の会員それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された会員の消費データに基づいて消費特徴指標を算出することができる。消費特徴指標は、同じ価値観クラスターに分類された消費者それぞれの項目ごとの統計量を平均化して算出することができる。図１９の例では、中段の図に示す会員別集計値を、価値観クラスターをキーとして集計して消費特徴指標（例えば、推理小説、値引き商品反応度、電子書籍利用度など）を算出することができる。また、消費特徴指標は、平均化してもよい。なお、平均化に代えて、中央値でもよく、最頻値でもよい。また、消費特徴指標は、偏差値化してもよい。

図１９の例では、会員データベースＤＢ１は、価値観クラスターとジャンルごとの購入率、値引き商品の購入率、電子書籍利用率などの項目についての消費特徴指標とが対応付けられたデータベースに再編成できる。

上述の構成により、会員データベースを、会員データベースの会員を分類する価値観クラスターという切り口で再編成することができる。また、価値観クラスターという切り口で会員データベースを再編成することにより、価値観クラスターと消費特徴指標とが対応付けられたデータベースとすることができる。これにより、消費者の情報が消去された構成にすることがき、消費者の性別や年齢などの属性を含まないので、個人情報を保護することができる。

図２０は会員データベースＤＢ２の加工の一例を示す模式図である。会員データベースＤＢ２は、家計簿に関するデータベースである。上段の図は、会員データベースＤＢ２の消費データ（元データ）の一例を示す。図２０に示すように、消費データは、例えば、会員ＩＤ別に、日付、ジャンル、利用明細などを含む。

中段の図は、会員別集計値を示し、上段の図の元データの会員をキーとして、当該会員の消費データを纏め、会員毎の統計量を求めることにより、元のデータを加工したものである。統計量は、例えば、図２０に示すように、外食レシート数、レジャーレシート数、食材レシート数などの項目を含む。なお、統計量は、これらに限定されない。

中段の図において、各会員の価値観クラスターは、未だ価値観クラスターが付与されていない場合には、前述の第１の価値観クラスター付与方法又は第２の価値観クラスター付与方法を用いて会員に付与することができる。

下段の図は、価値観クラスター別の集計値（消費特徴指標ともいう）を示す。特徴指標算出部６０は、複数の会員それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された会員の消費データに基づいて消費特徴指標を算出することができる。消費特徴指標は、同じ価値観クラスターに分類された消費者それぞれの項目ごとの統計量を平均化して算出することができる。図２０の例では、中段の図に示す会員別集計値を、価値観クラスターをキーとして集計して消費特徴指標（例えば、コンビニ利用、スーパー利用、ファストフード利用など）を算出することができる。また、消費特徴指標は、平均化してもよい。なお、平均化に代えて、中央値でもよく、最頻値でもよい。また、消費特徴指標は、偏差値化してもよい。

図２０の例では、会員データベースＤＢ２は、価値観クラスターと外食レシート数、レジャーレシート数、食材レシート数などの項目についての消費特徴指標とが対応付けられたデータベースに再編成できる。

図２１は会員データベースの統合の一例を示す模式図である。データベース統合部６１は、統合部としての機能を有し、複数の会員データベースそれぞれの価値観クラスターのうち、共通の価値観クラスター毎に消費特徴指標を統合して複数の会員データベースを一の統合データベースに統合することができる。図２１の例では、価値観クラスターＣＬ１〜ＣＬ５毎に、推理小説、値引き商品反応度、電子書籍利用度、コンビニ利用、スーパー利用、ファストフード利用などの消費特徴指標が統合されて一つの統合データベース３０を構築している。

上述の構成により、会員や種別が異なる複数の会員データベースを、価値観クラスターという共通軸で横断的に一つのデータベースに統合できるので、個々の会員データベースの情報を価値観クラスターという軸で進化、拡大させることができ、顧客との関係性の構築に留まらず、商品開発やコンセプトの設計などのデジタルマーケティング領域への拡張を進め、事業拡大に貢献できる。

次に、価値観クラスターの活用事例について説明する。

図２２はチラシのコンテンツの作り分けの一例を示す模式図である。従来のように、消費者の属性（性別や年齢など）や過去の購買履歴に基づいて消費者の行動を分析する場合、消費者が商品などを購入した理由や動機などを把握することはできない。例えば、消費者Ｃ１、Ｃ２、Ｃ３が同じ属性であり、同じ商品を同じ時間帯に購入した場合、消費者Ｃ１、Ｃ２、Ｃ３は同じグループの顧客層と判断されてしまう。しかし、消費者Ｃ１、Ｃ２、Ｃ３それぞれの商品購入の理由や動機などの要因は異なる可能性がある。本実施の形態では、消費者それぞれを価値観クラスターで分類するので、消費者の商品購入する際の様々な視点での意識や意識に基づく行動、価値観を類型化することができる。例えば、図２２に示すように、価値観クラスターを、クラスターＡ、Ｂ、Ｃ、Ｄに分けることができた場合、それぞれの価値観クラスターの特徴に合わせてチラシのデザインや文字、図柄などを変えて訴求することができ、例えば、顧客のレスポンス率を向上させることができる。

図２３は顧客プロファイルを作成するサービスの一例を示す模式図である。消費者リスト取得部６２は、複数の消費者のリストを取得する。消費者のリストは、事業者などから取得できる。消費者のリストには、例えば、会員データ、購買履歴などの行動データなどが含まれる。それぞれのクラスターにおいて、性別や年齢毎の特徴を表現してもよい。

制御部５１は、提供部としての機能を有し、複数の会員それぞれを分類する価値観クラスターのうち、同じ価値観クラスター毎に、プロファイル情報生成部５４で生成したプロファイルと複数の会員とを関連付けた対象消費者関連情報を提供する。ここで、プロファイルの生成には、価値観クラスターによって各種データベースが統合された統合データベース３０の情報を利用することができる。提供される情報は、例えば、図２３に示すように、会員Ｎｏ．と会員Ｎｏ．を分類する価値観クラスターとを対応付けた各会員の価値観クラスターリスト、及び各価値観クラスターの特徴を示すプロファイルとすることができる。これにより、事業者の会員に価値観クラスターを付与するとともに、会員のプロファイルを作成するサービスを提供できる。

図２４は商品プロファイルを作成するサービスの一例を示す模式図である。商品リスト取得部６３は、複数の商品のリストを取得する。商品のリストは、事業者などから取得できる。

価値観クラスター判定部６４は、判定部としての機能を有し、商品リスト取得部６３で取得した複数の商品それぞれの購買者に含まれる消費者の消費データに基づいて特徴指標算出部６０が算出した消費特徴指標を用いて複数の商品それぞれに関連する価値観クラスターを判定することができる。例えば、食品、電化製品、衣服、美容品などの消費情報に基づいて、消費特徴指標を価値観クラスター毎に算出することができるので、商品がどのような価値観クラスターに分類される消費者に好まれるかの情報を予め保有しておくことができ、商品を好む消費者を介して当該商品に関連する価値観クラスターを判定できる。

制御部５１は、価値観クラスター判定部６４で判定した価値観クラスター毎に、プロファイル情報生成部５４で生成したプロファイルと複数の商品とを関連付けた商品関連情報を提供することができる。ここで、プロファイルの生成には、価値観クラスターによって各種データベースが統合された統合データベース３０の情報を利用することができる。提供される情報は、例えば、図２４に示すように、商品と価値観クラスターとを対応付けた各商品の価値観クラスターリスト、及び各価値観クラスターの特徴を示すプロファイルとすることができる。これにより、事業者が製造又は販売する商品に価値観クラスターを付与するとともに、商品がどのような特徴を有するのかを示すプロファイルを作成するサービスを提供できる。

図２５はウェブ広告提供の一例を示す模式図である。以下、符号Ｐ１〜Ｐ６で示すプロセスで説明する。

Ｐ１：ユーザが保有する端末装置１を用いてウェブサイト２にアクセスする。なお、図２５の例では、端末装置１、ウェブサイト２を１つだけ図示しているが、それぞれ複数あってもよい。

Ｐ２：ウェブサイト２は、ユーザを識別する識別情報をＤＭＰ２１０（データマネジメントプラットフォーム）へ送信する。識別情報は、ユーザを識別できる情報であればよく、クッキーＩＤ、端末装置１のＩＤ、ユーザＩＤなどを含む。ＤＭＰ２１０は、ユーザのデモグラフィックデータ（性別、年齢など）やサイコグラフィックデータ（検索履歴、行動履歴など）を、個人が特定できない形で収集、管理するためのプラットフォームである。

Ｐ３：サーバ５０は、ＤＭＰ２１０からユーザの識別情報を取得し、価値観クラスター付与済ユーザデータベース４０を参照して、取得された識別情報に価値観クラスターを対応付ける。これにより、ウェブサイトにアクセスする複数のユーザそれぞれの価値観クラスターを判別することができる。

Ｐ４：サーバ５０は、識別情報に対応付けた価値観クラスターの情報（例えば、価値観クラスターＩＤ）をＤＭＰ２１０へ送信する。

Ｐ５：ＤＳＰ２００（デマンドサイドプラットフォーム）は、ＤＭＰ２１０から価値観クラスターの情報を取得する。ＤＳＰ２００は、ウェブ広告（インタネット広告ともいう）において広告主の効果の最大化を目的とするプラットフォーム（ツール）である。ＤＳＰ２００は、予め価値観クラスター別の広告素材を広告主から取得して保存しておくことができる。

Ｐ６：ＤＳＰ２００は、取得した価値観クラスターに対応する広告素材を選別して提供することができる。具体的には、ユーザがウェブサイト２にアクセスしたときに、当該ユーザの価値観クラスターに固有の広告２１を配信して、ウェブサイト上に表示することができる。

このように、本実施の形態の広告提供方法は、同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザに当該価値観クラスター固有の広告素材を提供することができる。なお、価値観クラスター固有の広告素材は、異なる価値観クラスターの間で共通の広告素材であってもよい。例えば、価値観クラスターＣＬ１に分類される複数のユーザがウェブサイトにアクセスした場合には、価値観クラスターＣＬ１に対応する価値観や嗜好に適した広告素材を提供し、価値観クラスターＣＬ２に分類される複数のユーザがウェブサイトにアクセスした場合には、価値観クラスターＣＬ２に対応する価値観や嗜好に適した広告素材を提供することができる。他の価値観クラスターについても同様である。これにより、ユーザの価値観や嗜好に適した広告素材でブランド訴求が可能となる。また、訴求したいターゲットのみに限定してブランド訴求することができる。さらに、価値観クラスターを軸とした広告配信を行うことがき、ブランド訴求効果を最大化することができる。

また、ＤＳＰ２００は、ＤＭＰ２１０を利用して、ウェブサイト２にアクセスする複数のユーザそれぞれのウェブサイト上の閲覧履歴（例えば、検索履歴）及び行動履歴（例えば、購入履歴）の少なくとも一つを取得することができる。

ＤＳＰ２００は、ユーザの価値観クラスターに加えて、ユーザの閲覧履歴及び行動履歴の少なくとも一つに基づいて、価値観クラスター固有の広告素材を提供し、広告を配信することができる。これにより、ユーザのウェブサイト上の行動特性を把握することができ、ユーザの価値観や嗜好に適した広告素材の精度をさらに向上させることができる。

図２６はサーバ５０によるプロファイル生成の処理手順の一例を示すフローチャートである。以下では便宜上、処理の主体を制御部５１として説明する。制御部５１は、価値観データベース１０の項目（特定項目）の中から所要の活用項目を抽出し（Ｓ１１）、抽出した活用項目に基づいて消費者の価値観クラスターを生成する（Ｓ１２）。

制御部５１は、価値観クラスター毎に、価値観クラスターに分類された消費者それぞれの価値観データベース１０の各項目（特定項目の全部又は一部）を参照してプロファイル情報を生成する（Ｓ１３）。

制御部５１は、価値観データベース１０が更新されたか否かを判定する（Ｓ１４）。価値観データベース１０の更新は、複数の消費者それぞれの意識が時代とともに変化する場合も考慮して、例えば、１年に１度の頻度で行うことができる。

価値観データベース１０が更新された場合（Ｓ１４でＹＥＳ）、制御部５１は、ステップＳ１３の処理を行う。価値観データベース１０が更新されない場合（Ｓ１４でＮＯ）、制御部５１は、価値観クラスター付与済データベースを生成し（Ｓ１５）、処理を終了する。価値観クラスター付与済データベースは、価値観クラスター毎に、価値観クラスターと当該価値観クラスターのプロファイル情報とを対応付けた情報を含み、価値観クラスター付与済ユーザデータベース４０内に格納することができる。

図２７はサーバ５０による第１の価値観クラスター付与の処理手順の一例を示すフローチャートである。制御部５１は、対象消費者の価値観判別アンケート情報を取得し（Ｓ２１）、価値観クラスター毎の各質問に対する重み係数と各質問に対するアンケート結果の意識度合いの積の合計を算出する（Ｓ２２）。

制御部５１は、合計値の最も大きい価値観クラスターを、対象消費者の価値観クラスターと判別して当該対象消費者に価値観クラスターを付与し（Ｓ２３）、処理を終了する。

図２８はサーバ５０による第２の価値観クラスター付与の処理手順の一例を示すフローチャートである。制御部５１は、価値観クラスターが付与された消費者の行動特性を示す特徴変数を集計し（Ｓ３１）、価値観クラスター毎に集計した特徴変数を説明変数とする価値観クラスター判別モデルを生成する（Ｓ３２）。

制御部５１は、対象消費者の行動特性を示す特徴変数を取得し（Ｓ３３）、価値観クラスター判別モデルを用いて対象消費者の価値観クラスターを判別して当該対象消費者に価値観クラスターを付与し（Ｓ３４）、処理を終了する。

図２９はサーバ５０による統合データベースの生成処理手順の一例を示すフローチャートである。制御部５１は、会員データベースＤＢ１、ＤＢ２から会員（消費者）の消費に関する消費データを取得し（Ｓ４１）、会員毎の消費データの統計量を算出する（Ｓ４２）。

制御部５１は、価値観クラスター毎に、算出した統計量に基づいて消費特徴指標を算出し（Ｓ４３）、会員データベースＤＢ１、ＤＢ２の共通の価値観クラスター毎に消費特徴指標をまとめて統合データベース３０を生成し（Ｓ４４）、処理を終了する。なお、統合する会員データベースの数は２個に限定されず、３個以上でもよい。

図３０はサーバ５０を用いたウェブ広告配信の処理手順の一例を示すフローチャートである。制御部５１は、ウェブサイトにアクセスするユーザの識別情報を取得し（Ｓ５１）、取得した識別情報と価値観クラスターを対応付ける（Ｓ５２）。制御部５１は、対応付けた価値観クラスターの情報をＤＳＰ２００に提供することができる。

ＤＳＰ２００は、同じ価値観クラスターが対応付けられた識別情報によって識別されたユーザに価値観クラスター固有の広告を配信し（Ｓ５３）、処理を終了する。

サーバ５０は、ＣＰＵ（プロセッサ）、ＲＡＭなどを備えたコンピュータを用いて実現することもできる。図２６〜図３０に示すような処理の手順を定めたコンピュータプログラム（記録媒体に記録可能）をコンピュータに備えられたＲＡＭにロードし、コンピュータプログラムをＣＰＵ（プロセッサ）で実行することにより、コンピュータ上でサーバ５０を実現することができる。

本実施の形態に係る価値観クラスター生成装置は、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースと、前記データベースの前記消費者ＩＤの前記複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成するクラスター生成部とを備える。

本実施の形態に係るコンピュータプログラムは、コンピュータに、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得する処理と、取得した前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成する処理とを実行させる。

データベース（価値観データベースとも称する）は、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録している。価値観データベースは、消費者の価値観、ライフスタイル、購買・生活行動に焦点を当てたデータベースとすることができる。消費者意識は、例えば、基本価値観、購買行動、メディア接触、消費意識、ライフスタイル、興味関心などに関連する意識とすることができ、より具体的には、買い物意識、食意識、美容意識、ファッション意識、健康意識、環境意識、金融意識、ジャンル別購入重視点、チャネル利用頻度、メディア関係、価値観関係、情報機器・情報、促販ツール評価などを含む。価値観データベースは、消費者毎に複数の特定項目を記録しており、消費者の意識が各特定項目の内容に当てはまるか否かを数値で表すことができる。例えば、数値１〜７を用いて、１は非常に当てはまる、２は当てはまる、３はやや当てはまる、４はどちらともいえない、５はあまり当てはまらない、６は当てはまらない、７は全く当てはまらない、のように区分できる。また、「はい」又は「いいえ」をそれぞれ１又は０のように区分してもよい。

クラスター生成部は、価値観データベースの消費者ＩＤの複数の特定項目の全部又は一部を活用項目として用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成する。活用項目は、価値観データベースの特定項目の中から消費者の普遍的な特性として、例えば、メディア、コミュニケーション、ライフスタイル・流行感度、普遍的な消費価値に関する項目を抽出することにより、項目の数を絞ることができる。また、抽出した活用項目を、さらに相互の関連性を考慮して、関連性の低い活用項目を削除することにより、適切な数の活用項目に絞り込んでもよい。

クラスター分析処理は、例えば、階層的手法でもよく、非階層的手法を用いてもよい。階層的手法としては、例えば、ウォード法、最短距離法、重心法、群平均法などを用いてもよい。非階層手法としては、例えば、ｋ平均法を用いることができる。各活用項目は、例えば、１〜７の数値であるので、数値の近いサンプル（消費者）を纏めることにより、価値観クラスターを生成することができる。また、価値観クラスターの数は予め設定しなくてもよい。

上述の構成により、消費者の価値観を表す消費者意識を類型化することができる。これにより、例えば、商品を購入する際の消費者の意識や意識によってもたらされる行動が似通っている消費者同士を価値観クラスター毎に分類することができ、商品の購入に至る理由や動機などの要因が似ている消費者を一つの価値観クラスターという括りで纏めることができ、価値観クラスター毎に訴求すべきポイントを異ならせることができ訴求の精度を向上させることができる。

本実施の形態に係る価値観クラスター生成装置は、前記クラスター生成部で生成した価値観クラスターに分類された消費者それぞれの前記特定項目に基づいて、前記価値観クラスターの特徴を示す特徴情報を生成する特徴情報生成部を備える。

特徴情報生成部は、クラスター生成部で生成した価値観クラスターに分類された消費者それぞれの特定項目に基づいて、価値観クラスターの特徴を示す特徴情報（プロファイル又はプロファイル情報ともいう）を生成する。特徴情報は、価値観クラスターの特性を解釈したものということができる。

価値観クラスターに分類された消費者それぞれの複数の特定項目の数値（例えば、１〜７）を参照し、例えば、数値が1（非常に当てはまる）及び２（当てはまる）である特定項目、及び数値が７（全く当てはまらない）及び６（当てはまらない）である特定項目を抽出し、当該価値観クラスターに分類された消費者の意識を抽出することにより、当該価値観クラスターの特性を解釈することができる。また、当該価値観クラスターと他の価値観クラスターとを比較することにより、当該価値観クラスターの特性をさらに導き出すことができる。

上述の構成により、価値観クラスター毎の消費者の価値観を示す意識の特徴を可視化することができ、さらに訴求の精度を向上させることができる。

本実施の形態に係る価値観クラスター生成装置において、前記特徴情報生成部は、前記クラスター分析処理で用いた特定項目に基づいて、前記価値観クラスターの第１種別の特徴情報を生成する。

特徴情報生成部は、クラスター分析処理で用いた特定項目に基づいて、価値観クラスターの第１種別の特徴情報（基本プロファイルともいう）を生成する。基本プロファイルの生成には、クラスター分析処理で用いた、消費者の普遍的な特性としての、メディア、コミュニケーション、ライフスタイル・流行感度、普遍的な消費価値に関する特定項目（活用項目）を用いることができる。基本プロファイルは、例えば、前述の活用項目の中から、さらに具体的な複数の評価指標（評価軸）に区分して生成することができる。これにより、消費者の普遍的な特性という視点で価値観クラスターの特性を解釈することができる。

本実施の形態に係る価値観クラスター生成装置において、前記特徴情報生成部は、前記クラスター分析処理で用いた特定項目及び前記特定項目以外の他の特定項目に基づいて、前記価値観クラスターの第２種別の特徴情報を生成する。

特徴情報生成部は、クラスター分析処理で用いた特定項目及び当該特定項目以外の他の特定項目に基づいて、価値観クラスターの第２種別の特徴情報（応用プロファイルともいう）を生成する。応用プロファイルの生成は、クラスター分析処理で用いた活用項目だけでなく、例えば、価値観データベースの全特定項目を用いることができる。これにより、消費者の様々な意識（例えば、買い物意識、食意識、美容意識、ファッション意識、健康意識、環境意識、金融意識、ジャンル別購入重視点、チャネル利用頻度、メディア関係、価値観関係、情報機器・情報、促販ツール評価など）という視点で価値観クラスターの特性を解釈することができる。

本実施の形態に係る価値観クラスター生成装置は、前記クラスター生成部で生成した価値観クラスター毎に、消費者の価値観を表す消費者意識を特定する複数の質問項目それぞれに対する重み係数が設定された重み係数設定部と、前記複数の質問項目それぞれに対する対象消費者の意識度合い及び前記重み係数に基づいて、前記対象消費者に価値観クラスターを付与する第１付与部とを備える。

本実施の形態に係る価値観クラスター付与方法は、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得し、取得された前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成し、生成された価値観クラスター毎に、消費者の価値観を表す消費者意識を特定する複数の質問項目それぞれに対する重み係数が設定された重み係数及び前記複数の質問項目それぞれに対する対象消費者の意識度合いに基づいて、前記対象消費者に価値観クラスターを付与する。

重み係数設定部は、クラスター生成部で生成した価値観クラスター毎に、消費者の価値観を表す消費者意識を特定する複数の質問項目それぞれに対する重み係数が設定されている。重み係数は、質問項目が価値観クラスターに与える影響度合いを示すものであり、例えば、ある質問項目の重み係数が大きいほど、当該質問項目が価値観クラスターを特徴付ける度合いが大きいとすることができる。例えば、価値観クラスターＣＬ１の質問Ｑ１、Ｑ２、…、Ｑｎそれぞれの重み係数をａ１、ａ２、…、ａｎとし、価値観クラスターＣＬ２の質問Ｑ１、Ｑ２、…、Ｑｎそれぞれの重み係数をｂ１、ｂ２、…、ｂｎとすることができる。他の価値観クラスターも同様である。重み係数は、予めメモリ等に記録されていてもよく、あるいは演算で重み付けるように構成してもよい。

第１付与部は、複数の質問項目それぞれに対する対象消費者の意識度合い及び重み係数に基づいて、対象消費者に価値観クラスターを付与する。意識度合いは、例えば、数値１〜７を用いて、１は非常に当てはまる、２は当てはまる、３はやや当てはまる、４はどちらともいえない、５はあまり当てはまらない、６は当てはまらない、７は全く当てはまらない、のように区分できる。

対象消費者の質問Ｑ１、Ｑ２、…、Ｑｎそれぞれに対する意識度合いをｘ１、ｘ２、…、ｘｎとする。対象消費者の価値観クラスターＣＬ１の値Ｖ１は、Ｖ１＝ａ１・ｘ１＋ａ２・ｘ２＋…＋ａｎ・ｘｎで算出することができる。また、対象消費者の価値観クラスターＣＬ２の値Ｖ２は、Ｖ２＝ｂ１・ｘ１＋ｂ２・ｘ２＋…＋ｂｎ・ｘｎで算出することができる。他の価値観クラスターも同様である。対象消費者の価値観クラスターは、算出した値Ｖ１、Ｖ２、…の中で最も大きい値の価値観クラスターとすることができる。

本実施の形態に係る価値観クラスター生成装置は、前記複数の質問項目それぞれに対する対象消費者の意識度合いが記載されたアンケート情報を取得するアンケート情報取得部を備え、前記第１付与部は、前記アンケート情報取得部で取得したアンケート情報を用いて前記対象消費者に価値観クラスターを付与する。

アンケート情報取得部は、複数の質問項目それぞれに対する対象消費者の意識度合いが記載されたアンケート情報を取得する。第１付与部は、アンケート情報取得部で取得したアンケート情報を用いて対象消費者に価値観クラスターを付与する。

上述の構成により、アンケートに記載された質問項目に回答してもらうだけで、回答者（対象消費者）の価値観クラスターを判別して価値観クラスターを付与することができる。価値観クラスターを付与した対象消費者の情報を収集することにより、価値観クラスター付与済みユーザのデータベースを構築できる。

本実施の形態に係る価値観クラスター生成装置は、前記クラスター生成部で生成した価値観クラスターを、消費者の消費行動特性を表す複数の特徴変数の関数として表す価値観クラスター判別モデルと、対象消費者の消費行動特性を表す特徴変数を複数取得する変数取得部と、前記変数取得部で取得した複数の特徴変数及び前記価値観クラスター判別モデルに基づいて前記対象消費者に価値観クラスターを付与する第２付与部とを備える。

本実施の形態に係る価値観クラスター付与方法は、消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得し、取得された前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成し、対象消費者の消費行動特性を表す特徴変数を複数取得し、生成された価値観クラスターを、消費者の消費行動特性を表す複数の特徴変数の関数として表す価値観クラスター判別モデル、及び取得された複数の特徴変数に基づいて前記対象消費者に価値観クラスターを付与する。

価値観クラスター判別モデルは、クラスター生成部で生成した価値観クラスターを、消費者の消費行動特性を表す複数の特徴変数の関数として表す。特徴変数は、価値観クラスターが判別又は付与された消費者の購買データから価値観クラスターに寄与する特徴量とすることができ、価値観クラスター毎の、商品属性毎の購買構成比や購買比率を用いることができる。例えば、ジャンルごとの購買構成比や限定版商品の購買比率などを用いることができる。なお、特徴変数はこれらに限定されない。価値観クラスター判別モデルは、特徴変数を説明変数とし、消費者の価値観クラスターを目的変数として、例えば、ロジスティック回帰により生成できる。

変数取得部は、対象消費者の消費行動特性を表す特徴変数を複数取得する。特徴変数は、例えば、対象消費者の購買データから取得できる。

第２付与部は、変数取得部で取得した複数の特徴変数及び価値観クラスター判別モデルに基づいて対象消費者に価値観クラスターを付与する。これにより、前述のアンケートを実施しなくても、対象消費者の行動特性を把握することにより、対象消費者の価値観クラスターを判別して価値観クラスターを付与することができる。価値観クラスターを付与した対象消費者の情報を収集することにより、価値観クラスター付与済みユーザのデータベースを構築できる。

本実施の形態に係る価値観クラスター生成装置は、会員データベースから複数の消費者の消費データを取得するデータ取得部と、前記複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された消費者の消費データに基づいて集計値を示す消費特徴指標を算出する特徴指標算出部とを備える。

データ取得部は、会員データベースから複数の消費者の消費データを取得する。会員データベースは、会員の消費に関連する消費データが会員毎に区分して記録されたデータベースであり、例えば、書籍、食品、家計簿、食卓情報、電化製品、車、音楽、チケット、交通、衣服、美容品、通信販売などの生活に欠かせない消費情報を含む。消費者をキーとして、当該消費者の消費データを纏め、消費者毎の統計量を求める。統計量は、例えば、ジャンルごとの購入率、値引き商品の購入率、電子書籍利用率などの項目を含む。また、統計量には、外食レシート数、レジャーレシート数、食材レシート数などの項目を含めてもよい。

特徴指標算出部は、複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された消費者の消費データに基づいて集計値を示す消費特徴指標を算出する。消費特徴指標は、同じ価値観クラスターに分類された消費者それぞれの項目ごとの統計量を平均化して算出することができる。なお、平均化に代えて、中央値でもよく、最頻値でもよい。また、消費特徴指標は、偏差値化してもよい。

上述の構成により、会員データベースを、会員データベースに記録された消費者を分類する価値観クラスターという切り口で再編成することができる。また、価値観クラスターという切り口で会員データベースを再編成することにより、価値観クラスターと消費特徴指標とが対応付けられたデータベースとすることができ、消費者の情報が消去された構成にすることがき、消費者の性別や年齢などの属性を含まないので、個人情報を保護することができる。

本実施の形態に係る価値観クラスター生成装置において、前記データ取得部は、複数の会員データベースから消費データを取得し、前記特徴指標算出部は、前記複数の会員データベースそれぞれについて、前記複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された消費者の消費データに基づいて消費特徴指標を算出し、さらに、前記複数の会員データベースそれぞれの価値観クラスターのうち、共通の価値観クラスター毎に消費特徴指標を統合して前記複数の会員データベースを一の統合データベースに統合する統合部を備える。

本実施の形態に係るデータベース統合方法は、複数の会員データベースそれぞれから複数の対象消費者の消費データを取得し、前記複数の会員データベースそれぞれについて、前記複数の対象消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された対象消費者の消費データに基づいて集計値を示す消費特徴指標を算出し、前記複数の会員データベースそれぞれの価値観クラスターのうち、共通の価値観クラスター毎に消費特徴指標を統合して前記複数の会員データベースを一の統合データベースに統合する。

データ取得部は、複数の会員データベースから消費データを取得する。特徴指標算出部は、複数の会員データベースそれぞれについて、複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された消費者の消費データに基づいて集計値を示す消費特徴指標を算出する。例えば、会員データベースをＤＢ１、ＤＢ２とする。会員データベースＤＢ１は、書籍に関するデータベースとし、会員データベースＤＢ２は、家計簿に関するデータベースとする。この場合、会員データベースＤＢ１は、価値観クラスターとジャンルごとの購入率、値引き商品の購入率、電子書籍利用率などの項目についての消費特徴指標とが対応付けられたデータベースに再編成できる。会員データベースＤＢ２は、価値観クラスターと外食レシート数、レジャーレシート数、食材レシート数などの項目についての消費特徴指標とが対応付けられたデータベースに再編成できる。

統合部は、複数の会員データベースそれぞれの価値観クラスターのうち、共通の価値観クラスター毎に消費特徴指標を統合して複数の会員データベースを一の統合データベースに統合する。統合データベースは、価値観クラスターと、ジャンルごとの購入率、値引き商品の購入率、電子書籍利用率、外食レシート数、レジャーレシート数、食材レシート数などの項目の消費特徴指標とが対応付けられたデータベースとすることができる。

上述の構成により、会員や種別が異なる複数の会員データベースを、価値観クラスターという共通軸で横断的に一つのデータベースに統合できるので、個々の会員データベースの情報を価値観クラスターという軸で進化、拡大させることができ、顧客との関係性の構築に留まらず、商品開発やコンセプトの設計などのデジタルマーケティング領域への拡張を進め、事業拡大に貢献できる。

本実施の形態に係る価値観クラスター生成装置は、複数の消費者のリストを取得する消費者リスト取得部と、前記複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスター毎に、前記特徴情報生成部で生成した特徴情報と前記複数の消費者とを関連付けた対象消費者関連情報を提供する提供部とを備える。

消費者リスト取得部は、複数の消費者のリストを取得する。消費者のリストは、事業者などから取得できる。消費者のリストには、例えば、会員データ、購買履歴などの行動データなどが含まれる。

提供部は、複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスター毎に、特徴情報生成部で生成した特徴情報と複数の消費者とを関連付けた対象消費者関連情報を提供する。提供部は、例えば、消費者と消費者を分類する価値観クラスターとを対応付けた各消費者の価値観クラスターリスト、及び各価値観クラスターの特徴を示す特徴情報（プロファイル情報）を提供することができる。これにより、事業者の会員に価値観クラスターを付与するとともに、会員のプロファイルを作成するサービスを提供できる。

本実施の形態に係る価値観クラスター生成装置は、複数の商品のリストを取得する商品リスト取得部と、前記商品リスト取得部で取得した複数の商品それぞれの購買者に含まれる消費者の消費データに基づいて前記特徴指標算出部が算出した消費特徴指標を用いて前記複数の商品それぞれに関連する価値観クラスターを判定する判定部と、前記判定部で判定した価値観クラスター毎に、前記特徴情報生成部で生成した特徴情報と前記複数の商品とを関連付けた商品関連情報を提供する提供部とを備える。

商品リスト取得部は、複数の商品のリストを取得する。商品のリストは、事業者などから取得できる。

判定部は、商品リスト取得部で取得した複数の商品それぞれの購買者に含まれる消費者の消費データに基づいて特徴指標算出部が算出した消費特徴指標を用いて複数の商品それぞれに関連する価値観クラスターを判定する。例えば、食品、電化製品、衣服、美容品などの消費情報に基づいて、消費特徴指標を価値観クラスター毎に算出することができるので、商品がどのような価値観クラスターに分類される消費者に好まれるかの情報を予め保有しておくことができ、商品を好む消費者を介して当該商品に関連する価値観クラスターを判定できる。

提供部は、判定部で判定した価値観クラスター毎に、特徴情報生成部で生成した特徴情報と複数の商品とを関連付けた商品関連情報を提供する。提供部は、例えば、商品と価値観クラスターとを対応付けた各商品の価値観クラスターリスト、及び各価値観クラスターの特徴を示す特徴情報（プロファイル情報）を提供することができる。これにより、事業者が製造又は販売する商品に価値観クラスターを付与するとともに、商品がどのような特徴を有するのかを示すプロファイルを作成するサービスを提供できる。

本実施の形態に係る広告提供方法は、ウェブサイトにアクセスする複数のユーザそれぞれを識別する識別情報を取得し、複数の価値観クラスター毎に、前記価値観クラスターが付与された複数の識別情報が記録されたデータベースを参照して、取得された識別情報それぞれに価値観クラスターを対応付け、同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザに前記価値観クラスター固有の広告素材を提供する。

広告提供方法は、ウェブサイトにアクセスする複数のユーザそれぞれを識別する識別情報を取得する。識別情報は、ユーザを識別できる情報であればよく、クッキーＩＤ、ユーザがウェブサイトへのアクセスに使用する端末装置のＩＤ、ユーザＩＤなどを含む。

広告提供方法は、複数の価値観クラスター毎に、価値観クラスターが付与された複数の識別情報が記録されたデータベース（価値観クラスター付与済ユーザデータベース）を参照して、取得された識別情報それぞれに価値観クラスターを対応付ける。これにより、ウェブサイトにアクセスする複数のユーザそれぞれの価値観クラスターを判別することができる。

広告提供方法は、同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザに当該価値観クラスター固有の広告素材を提供する。なお、価値観クラスター固有の広告素材は、異なる価値観クラスターの間で共通の広告素材であってもよい。例えば、価値観クラスターＣＬ１に分類される複数のユーザがウェブサイトにアクセスした場合には、価値観クラスターＣＬ１に対応する価値観や嗜好に適した広告素材を提供し、価値観クラスターＣＬ２に分類される複数のユーザがウェブサイトにアクセスした場合には、価値観クラスターＣＬ２に対応する価値観や嗜好に適した広告素材を提供することができる。他の価値観クラスターについても同様である。これにより、ユーザの価値観や嗜好に適した広告素材でブランド訴求が可能となる。また、訴求したいターゲットのみに限定してブランド訴求することができる。

本実施の形態に係る広告提供方法は、ウェブサイトにアクセスする複数のユーザそれぞれのウェブサイト上の閲覧履歴及び行動履歴の少なくとも一つを取得し、前記同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザの閲覧履歴及び行動履歴の少なくとも一つに基づいて、前記価値観クラスター固有の広告素材を提供する。

広告提供方法は、ウェブサイトにアクセスする複数のユーザそれぞれのウェブサイト上の閲覧履歴（例えば、検索履歴）及び行動履歴（例えば、購入履歴）の少なくとも一つを取得する。閲覧履歴及び行動履歴は、デマンドサイドプラットフォーム（ＤＳＰ）が、データマネジメントプラットフォーム（ＤＭＰ）を利用して収集することができる。

広告提供方法は、同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザの閲覧履歴及び行動履歴の少なくとも一つに基づいて、価値観クラスター固有の広告素材を提供する。閲覧履歴及び行動履歴の少なくとも一つに基づいて、ユーザのウェブサイト上の行動特性を把握することができる。これにより、ユーザの価値観や嗜好に適した広告素材の精度をさらに向上させることができる。

本実施の形態に係る広告提供方法は、前記広告素材を用いて前記同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザに固有の広告を配信する。

広告提供方法は、広告素材を用いて同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザに固有の広告を配信する。これにより、価値観クラスターを軸とした広告配信を行うことがき、ブランド訴求効果を最大化することができる。

１ 端末装置
１０ 価値観データベース
２０ アンケート結果データベース
３０ 統合データベース
４０ 価値観クラスター付与済ユーザデータベース
５０ サーバ
５１ 制御部
５２ 価値観データベース生成部
５３ 価値観クラスター生成部
５４ プロファイル情報生成部
５５ 価値観クラスター付与部
５６ アンケート情報取得部
５７ 記憶部
５８ 価値観クラスター判別モデル
５９ 消費データ取得部
６０ 特徴指標算出部
６１ データベース統合部
６２ 消費者リスト取得部
６３ 商品リスト取得部
６４ 価値観クラスター判定部
１０１、１０２、１０３ 会員データベース
２００ ＤＳＰ
２１０ ＤＭＰ

Claims (18)

1. 消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースと、
   前記データベースの前記消費者ＩＤの前記複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成するクラスター生成部と
   を備える価値観クラスター生成装置。
2. 前記クラスター生成部で生成した価値観クラスターに分類された消費者それぞれの前記特定項目に基づいて、前記価値観クラスターの特徴を示す特徴情報を生成する特徴情報生成部を備える請求項１に記載の価値観クラスター生成装置。
3. 前記特徴情報生成部は、
   前記クラスター分析処理で用いた特定項目に基づいて、前記価値観クラスターの第１種別の特徴情報を生成する請求項２に記載の価値観クラスター生成装置。
4. 前記特徴情報生成部は、
   前記クラスター分析処理で用いた特定項目及び前記特定項目以外の他の特定項目に基づいて、前記価値観クラスターの第２種別の特徴情報を生成する請求項３に記載の価値観クラスター生成装置。
5. 前記クラスター生成部で生成した価値観クラスター毎に、消費者の価値観を表す消費者意識を特定する複数の質問項目それぞれに対する重み係数が設定された重み係数設定部と、
   前記複数の質問項目それぞれに対する対象消費者の意識度合い及び前記重み係数に基づいて、前記対象消費者に価値観クラスターを付与する第１付与部と
   を備える請求項２から請求項４のいずれか一項に記載の価値観クラスター生成装置。
6. 前記複数の質問項目それぞれに対する対象消費者の意識度合いが記載されたアンケート情報を取得するアンケート情報取得部を備え、
   前記第１付与部は、
   前記アンケート情報取得部で取得したアンケート情報を用いて前記対象消費者に価値観クラスターを付与する請求項５に記載の価値観クラスター生成装置。
7. 前記クラスター生成部で生成した価値観クラスターを、消費者の消費行動特性を表す複数の特徴変数の関数として表す価値観クラスター判別モデルと、
   対象消費者の消費行動特性を表す特徴変数を複数取得する変数取得部と、
   前記変数取得部で取得した複数の特徴変数及び前記価値観クラスター判別モデルに基づいて前記対象消費者に価値観クラスターを付与する第２付与部と
   を備える請求項２から請求項４のいずれか一項に記載の価値観クラスター生成装置。
8. 会員データベースから複数の消費者の消費データを取得するデータ取得部と、
   前記複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された消費者の消費データに基づいて集計値を示す消費特徴指標を算出する特徴指標算出部と
   を備える請求項２から請求項７のいずれか一項に記載の価値観クラスター生成装置。
9. 前記データ取得部は、
   複数の会員データベースから消費データを取得し、
   前記特徴指標算出部は、
   前記複数の会員データベースそれぞれについて、前記複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された消費者の消費データに基づいて消費特徴指標を算出し、
   さらに、前記複数の会員データベースそれぞれの価値観クラスターのうち、共通の価値観クラスター毎に消費特徴指標を統合して前記複数の会員データベースを一の統合データベースに統合する統合部を備える請求項８に記載の価値観クラスター生成装置。
10. 複数の消費者のリストを取得する消費者リスト取得部と、
    前記複数の消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスター毎に、前記特徴情報生成部で生成した特徴情報と前記複数の消費者とを関連付けた対象消費者関連情報を提供する提供部と
    を備える請求項２から請求項９のいずれか一項に記載の価値観クラスター生成装置。
11. 複数の商品のリストを取得する商品リスト取得部と、
    前記商品リスト取得部で取得した複数の商品それぞれの購買者に含まれる消費者の消費データに基づいて前記特徴指標算出部が算出した消費特徴指標を用いて前記複数の商品それぞれに関連する価値観クラスターを判定する判定部と、
    前記判定部で判定した価値観クラスター毎に、前記特徴情報生成部で生成した特徴情報と前記複数の商品とを関連付けた商品関連情報を提供する提供部と
    を備える請求項８に記載の価値観クラスター生成装置。
12. コンピュータに、
    消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得する処理と、
    取得した前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成する処理と
    を実行させるコンピュータプログラム。
13. 消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得し、
    取得された前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成し、
    生成された価値観クラスター毎に、消費者の価値観を表す消費者意識を特定する複数の質問項目それぞれに対する重み係数が設定された重み係数及び前記複数の質問項目それぞれに対する対象消費者の意識度合いに基づいて、前記対象消費者に価値観クラスターを付与する価値観クラスター付与方法。
14. 消費者の購買行動又は意識に関する情報を特定する複数の特定項目と、消費者を一意に識別する消費者ＩＤとを対応付けて記録したデータベースから前記消費者ＩＤの前記複数の特定項目の全部又は一部を取得し、
    取得された前記消費者ＩＤの複数の特定項目の全部又は一部を用いてクラスター分析処理を行って、消費者を分類する価値観クラスターを複数生成し、
    対象消費者の消費行動特性を表す特徴変数を複数取得し、
    生成された価値観クラスターを、消費者の消費行動特性を表す複数の特徴変数の関数として表す価値観クラスター判別モデル、及び取得された複数の特徴変数に基づいて前記対象消費者に価値観クラスターを付与する価値観クラスター付与方法。
15. 複数の会員データベースそれぞれから複数の対象消費者の消費データを取得し、
    前記複数の会員データベースそれぞれについて、前記複数の対象消費者それぞれを分類する価値観クラスターのうち、同じ価値観クラスターに分類された対象消費者の消費データに基づいて集計値を示す消費特徴指標を算出し、
    前記複数の会員データベースそれぞれの価値観クラスターのうち、共通の価値観クラスター毎に消費特徴指標を統合して前記複数の会員データベースを一の統合データベースに統合するデータベース統合方法。
16. ウェブサイトにアクセスする複数のユーザそれぞれを識別する識別情報を取得し、
    複数の価値観クラスター毎に、前記価値観クラスターが付与された複数の識別情報が記録されたデータベースを参照して、取得された識別情報それぞれに価値観クラスターを対応付け、
    同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザに前記価値観クラスター固有の広告素材を提供する広告提供方法。
17. ウェブサイトにアクセスする複数のユーザそれぞれのウェブサイト上の閲覧履歴及び行動履歴の少なくとも一つを取得し、
    前記同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザの閲覧履歴及び行動履歴の少なくとも一つに基づいて、前記価値観クラスター固有の広告素材を提供する請求項１６に記載の広告提供方法。
18. 前記広告素材を用いて前記同じ価値観クラスターが対応付けられた識別情報によって識別されるユーザに固有の広告を配信する請求項１６又は請求項１７に記載の広告提供方法。

Images