JP2021060805A - 情報処理装置及び情報処理プログラム - Google Patents

Abstract

【課題】与えられた目標を達成するために、ユーザが実現し得る行動パターンのみを提供することができる情報処理装置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１０は、ＣＰＵ１１Ａを備える。ＣＰＵ１１Ａは、与えられた目標を達成するための複数の行動パターンを特定し、特定した複数の行動パターンの各々に対して、対象者の過去の行動を示す行動実績から、対象者が複数の行動パターンの各々を実現するために必要なコストを決定し、決定したコストが最小となる行動パターンを提示する制御を行う。【選択図】図１

Description

本発明は、情報処理装置及び情報処理プログラムに関する。

例えば、特許文献１には、営業支援システムが実行する営業活動分析方法が記載されている。この営業支援システムは、演算装置と、演算装置に接続されるメモリと、入力装置と、表示装置と、を備え、複数の営業員から取得した、複数の営業員が実際に行った営業活動の特徴量を保持している。この営業活動分析方法は、自然言語で記述された指導ルールが入力された場合、指導ルールに含まれる営業活動の特徴量を示す語、特徴量を示す語に係る修飾語、及び、修飾語を用いて記述された条件が満たされた場合に表示されるべき指導メッセージを抽出する第１手順を含む。また、この営業活動分析方法は、既に複数の営業員から取得された、複数の顧客に対する営業活動の特徴量の統計情報に基づいて、入力された指導ルールを、修飾語に対応する特徴量の閾値を含む機械ルールに変換する第２手順を含む。また、この営業活動分析方法は、営業員が行った営業活動の特徴量を新たに取得した場合、新たに取得した特徴量が機械ルールを満たすか否かを判定する第３手順と、機械ルールが満たされる場合、指導メッセージを表示する第４手順と、を含む。

また、特許文献２には、演算処理を行うプロセッサと、プロセッサに接続された記憶部とを有する計算機を備え、参加者に対する保健指導を行う生活習慣改善支援システムが記載されている。この計算機は、複数の参加者に対して所定の指導期間に行われた保健指導に係る情報を、記憶部に格納する。保健指導に係る情報には、参加者が保健指導の指導期間中であるか否かを示す情報と、指導期間が終了した際に参加者が目標を達成したか否かを示す情報と、参加者の意思によって変化しない複数の第１の情報と、参加者の意思によって変化する複数の第２の情報とが含まれる。また、この計算機は、所定の指示を取得した後、指導期間が終了したことを示す情報と目標を達成したか否かを示す情報とに基づいて、複数の参加者から、指導期間が終了し、かつ、指導期間が終了した際に目標を達成した複数の第２の参加者を抽出する。また、この計算機は、保健指導に係る情報から、指導期間中である第１の参加者の複数の第１の情報及び複数の第２の情報を抽出し、保健指導に係る情報から、抽出された各第２の参加者の複数の第１の情報及び複数の第２の情報を抽出する。また、この計算機は、抽出された第１の参加者の各第１の情報と、抽出された各第２の参加者の各第１の情報とを比較することによって、複数の類似度を算出し、算出された複数の類似度に基づいて、総合類似度を算出する。また、この計算機は、第１の参加者の各第２の情報と、抽出された各第２の参加者の各第２の情報とを比較することによって、複数の不一致度を算出し、算出された複数の不一致度に基づいて、総合不一致度を算出する。また、この計算機は、算出された総合類似度及び総合不一致度に基づいて、第１の参加者への保健指導に係る情報と各第２の参加者への保健指導に係る情報とを表示するためのデータを生成する。

また、特許文献３には、財またはサービスの利用においてユーザに採用される可能性のより高い行動を提示することができる行動提示システムが記載されている。この行動提示システムは、財またはサービスの提供に関する要求の少なくとも一部分を表す情報と、要求の少なくとも一部分を満たすための手段の状況を表す情報である状況情報と、要求の少なくとも一部分を満たすための行動例を表す情報である行動情報とを対応付けて記憶する情報記憶手段を備える。また、この行動提示システムは、第１ユーザの要求を表す要求情報を取得する要求取得手段と、取得された要求情報で表される要求の少なくとも一部分を表す情報に対応付けられた状況情報と行動情報とを情報記憶手段から取得する状況行動情報取得手段と、を備える。また、この行動提示システムは、取得された状況情報で表される状況において、第１ユーザの要求の少なくとも一部分を満たすために第１ユーザが実行できる行動の候補である行動候補を、取得された行動情報で表される行動例に基づいて複数生成する候補生成手段と、生成された行動候補のそれぞれに対し、当該行動候補の実行により前記第１ユーザが感じる心理的負荷の大きさを表す心的コストを含む当該行動候補の総コストを算出するコスト算出手段と、を備える。また、この行動提示システムは、算出された総コストに基づいて生成された複数の行動候補から選択された行動候補を、第１ユーザに実行を推奨する推奨行動候補としてユーザに提示する第１提示手段を備える。

特開２０１２−００８９４７号公報 特開２０１２−０６３９１０号公報 特許第５７０８４９７号公報

ところで、与えられた目標を達成するために、ユーザの個人特性に合った行動パターンを提示するシステムがある。しかしながら、提示された行動パターンの中には、ユーザの工数上の問題から、実現できない行動パターンが含まれている場合があった。

本発明は、与えられた目標を達成するために、ユーザが実現し得る行動パターンのみを提供することができる情報処理装置及び情報処理プログラムを提供することを目的とする。

上記目的を達成するために、第１態様に係る情報処理装置は、プロセッサを備え、前記プロセッサが、与えられた目標を達成するための複数の行動パターンを特定し、前記特定した複数の行動パターンの各々に対して、対象者の過去の行動を示す行動実績から、前記対象者が前記複数の行動パターンの各々を実現するために必要なコストを決定し、前記決定したコストが最小となる行動パターンを提示する制御を行う。

また、第２態様に係る情報処理装置は、第１態様に係る情報処理装置において、前記コストが、前記行動パターンにおける行動指標毎の行動量から、前記対象者の行動実績における行動指標毎の行動量を減じて得られる行動指標毎の変化量を合計した合計値として表される。

また、第３態様に係る情報処理装置は、第２態様に係る情報処理装置において、前記プロセッサが、前記行動指標毎の変化量にマイナスの値が含まれる場合、前記マイナスの値をゼロとして、前記行動指標毎の変化量を算出する。

また、第４態様に係る情報処理装置は、第２態様又は第３態様に係る情報処理装置において、前記対象者が、複数であり、前記プロセッサが、前記複数の対象者の各々における行動指標毎の行動実績から導出される、前記複数の対象者の各々で異なる行動指標毎の重み係数を、前記コストに付与する。

また、第５態様に係る情報処理装置は、第４態様に係る情報処理装置において、前記プロセッサが、前記複数の対象者の各々で共通する行動指標毎の難易度を、前記コストに更に付与する。

また、第６態様に係る情報処理装置は、第１態様に係る情報処理装置において、前記プロセッサが、前記コストが最小となる行動パターンと共に、前記行動パターンに従って前記対象者が行動すべき内容を提示する制御を更に行う。

また、第７態様に係る情報処理装置は、第６態様に係る情報処理装置において、前記プロセッサが、複数の対象者による行動実績群から導出される行動指標毎の重要度に基づいて、行動指標の優先順位を決定し、決定した行動指標の優先順位を提示する制御を更に行う。

また、第８態様に係る情報処理装置は、第１態様に係る情報処理装置において、前記プロセッサが、前記対象者の行動実績が行動目標である確率を表す目標確率を導出し、導出した目標確率が閾値未満である場合に、前記対象者の行動実績から前記コストを決定する。

また、第９態様に係る情報処理装置は、第８態様に係る情報処理装置において、前記複数の行動パターンの各々が、前記目標確率が前記閾値以上である行動実績から得られるパターンであり、前記プロセッサが、前記コストの最小値が予め定められた値以上である場合に、前記目標確率の前記閾値を調整し、調整した閾値を用いて、前記コストを再決定する。

更に、上記目的を達成するために、第１０態様に係る情報処理プログラムは、与えられた目標を達成するための複数の行動パターンを特定し、前記特定した複数の行動パターンの各々に対して、対象者の過去の行動を示す行動実績から、前記対象者が前記複数の行動パターンの各々を実現するために必要なコストを決定し、前記決定したコストが最小となる行動パターンを提示する制御を行うことを、コンピュータに実行させる。

第１態様及び第１０態様によれば、与えられた目標を達成するために、ユーザが実現し得る行動パターンのみを提供することができる、という効果を有する。

第２態様によれば、行動指標毎の変化量を合計した合計値をコストとして考慮しない場合と比較して、コストの計算を容易に行うことができる、という効果を有する。

第３態様によれば、マイナスの値をそのまま含めてコストを計算する場合と比較して、適切なコストを計算することができる、という効果を有する。

第４態様によれば、コストに重み係数を付与しない場合と比較して、適切なコストを計算することができる、という効果を有する。

第５態様によれば、コストに難易度を付与しない場合と比較して、適切なコストを計算することができる、という効果を有する。

第６態様によれば、対象者が行動すべき内容を把握することができる、という効果を有する。

第７態様によれば、対象者が行動指標の優先順位を把握することができる、という効果を有する。

第８態様によれば、余計なコストの計算を抑制することができる、という効果を有する。

第９態様によれば、コストの最小値が比較的大きい場合に、コストの再計算を行うことができる、という効果を有する。

実施形態に係る情報処理装置の電気的な構成の一例を示すブロック図である。 実施形態に係る情報処理装置の機能的な構成の一例を示すブロック図である。 実施形態に係る情報処理装置による学習処理の流れの一例を示すフローチャートである。 実施形態に係る行動テーブルを生成する処理の説明に供する図である。 実施形態に係る対象者テーブルを生成する処理の説明に供する図である。 実施形態に係る分類テーブルを生成する処理の説明に供する図である。 実施形態に係る目的変数テーブルを生成する処理の説明に供する図である。 実施形態に係るモデル構築情報テーブルを生成する処理の説明に供する図である。 実施形態に係る目標判定器及び目標テーブルを生成する処理の説明に供する図である。 実施形態に係る決定木モデルの一例を示す図である。 実施形態に係る行動テーブル、対象者テーブル、分類テーブル、目的変数テーブル、モデル構築情報テーブル、目標判定器、及び目標テーブルの関連を示す図である。 実施形態に係る情報処理プログラムによる行動パターン提示処理の流れの一例を示すフローチャートである。 実施形態に係るコスト決定処理及び行動パターン提示処理の説明に供する図である。 実施形態に係る別のコスト決定処理及び行動パターン提示処理の説明に供する図である。 実施形態に係る更に別のコスト決定処理及び行動パターン提示処理の説明に供する図である。 実施形態に係る行動指標毎の重み係数を決定する処理の説明に供する図である。 実施形態に係る行動指標毎の重み係数を考慮したコスト決定処理及び行動パターン提示処理の説明に供する図である。 実施形態に係る情報処理プログラムによる行動パターン提示処理の流れの別の例を示すフローチャートである。

以下、図面を参照して、本発明を実施するための形態の一例について詳細に説明する。

図１は、本実施形態に係る情報処理装置１０の電気的な構成の一例を示すブロック図である。

図１に示すように、本実施形態に係る情報処理装置１０は、制御部１１と、記憶部１２と、表示部１３と、操作部１４と、通信部１５と、を備えている。

本実施形態に係る情報処理装置１０には、例えば、サーバコンピュータ、パーソナルコンピュータ（ＰＣ：Personal Computer）等の汎用的なコンピュータ装置が適用される。なお、情報処理装置１０には、スマートフォン、タブレット端末等の携帯可能な端末装置を適用してもよい。

制御部１１は、ＣＰＵ（Central Processing Unit）１１Ａ、ＲＯＭ（Read Only Memory）１１Ｂ、ＲＡＭ（Random Access Memory）１１Ｃ、及び入出力インターフェース（Ｉ／Ｏ）１１Ｄを備えており、これら各部がバスを介して各々接続されている。

Ｉ／Ｏ１１Ｄには、記憶部１２と、表示部１３と、操作部１４と、通信部１５と、を含む各機能部が接続されている。これらの各機能部は、Ｉ／Ｏ１１Ｄを介して、ＣＰＵ１１Ａと相互に通信可能とされる。

制御部１１は、情報処理装置１０の一部の動作を制御するサブ制御部として構成されてもよいし、情報処理装置１０の全体の動作を制御するメイン制御部の一部として構成されてもよい。制御部１１の各ブロックの一部又は全部には、例えば、ＬＳＩ（Large Scale Integration）等の集積回路又はＩＣ（Integrated Circuit）チップセットが用いられる。上記各ブロックに個別の回路を用いてもよいし、一部又は全部を集積した回路を用いてもよい。上記各ブロック同士が一体として設けられてもよいし、一部のブロックが別に設けられてもよい。また、上記各ブロックのそれぞれにおいて、その一部が別に設けられてもよい。制御部１１の集積化には、ＬＳＩに限らず、専用回路又は汎用プロセッサを用いてもよい。

記憶部１２としては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等が用いられる。記憶部１２には、本実施形態に係る情報処理を行うための情報処理プログラム１２Ａが記憶される。なお、この情報処理プログラム１２Ａは、ＲＯＭ１１Ｂに記憶されていてもよい。

情報処理プログラム１２Ａは、例えば、情報処理装置１０に予めインストールされていてもよい。情報処理プログラム１２Ａは、不揮発性の記憶媒体に記憶して、又はネットワークを介して配布して、情報処理装置１０に適宜インストールすることで実現してもよい。なお、不揮発性の記憶媒体の例としては、ＣＤ-ＲＯＭ（Compact Disc Read Only Memory）、光磁気ディスク、ＨＤＤ、ＤＶＤ-ＲＯＭ（Digital Versatile Disc Read Only Memory）、フラッシュメモリ、メモリカード等が想定される。

表示部１３には、例えば、液晶ディスプレイ（ＬＣＤ:Liquid Crystal Display）、有機ＥＬ（Electro Luminescence）ディスプレイ等が用いられる。表示部１３は、タッチパネルを一体的に有していてもよい。操作部１４には、例えば、キーボードやマウス等の操作入力用のデバイスが設けられている。表示部１３及び操作部１４は、情報処理装置１０のユーザから各種の指示を受け付ける。表示部１３は、ユーザから受け付けた指示に応じて実行された処理の結果や、処理に対する通知等の各種の情報を表示する。

通信部１５は、インターネットや、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等のネットワークに接続されており、画像形成装置や他のＰＣ等の外部機器との間でネットワークを介して通信が可能とされる。

ところで、上述したように、与えられた目標を達成するために、ユーザの個人特性に合った行動パターンを提示するシステムにおいて、提示された行動パターンの中には、ユーザの工数上の問題から、実現できない行動パターンが含まれている場合があった。このため、ユーザが実現し得る行動パターンのみを提示できることが望まれている。

本実施形態に係る情報処理装置１０のＣＰＵ１１Ａは、記憶部１２に記憶されている情報処理プログラム１２ＡをＲＡＭ１１Ｃに書き込んで実行することにより、図２に示す各部として機能する。なお、ＣＰＵ１１Ａは、プロセッサの一例である。

図２は、本実施形態に係る情報処理装置１０の機能的な構成の一例を示すブロック図である。

図２に示すように、本実施形態に係る情報処理装置１０のＣＰＵ１１Ａは、学習部２０及び提示制御部２１として機能する。

本実施形態に係る記憶部１２には、情報データベース（以下、「情報ＤＢ」という。）１２Ｂと、目標判定器１２Ｃと、が記憶されている。情報ＤＢ１２Ｂは、一例として、行動テーブル３０、対象者テーブル３１、分類テーブル３２、目的変数テーブル３３、モデル構築情報テーブル３４、及び目標テーブル３５を含んでいる。目標判定器１２Ｃは、モデル構築情報テーブル３４に登録されたデータを機械学習して得られる、決定木ベースの学習済みモデルである。なお、情報ＤＢ１２Ｂ及び目標判定器１２Ｃは、外部の記憶装置に記憶されていてもよい。

学習部２０は、情報ＤＢ１２Ｂに含まれる行動テーブル３０、対象者テーブル３１、分類テーブル３２、及び目的変数テーブル３３からモデル構築情報テーブル３４を生成し、生成したモデル構築情報テーブル３４から目標判定器１２Ｃを生成する。学習部２０は、目標判定器１２Ｃから目標テーブル３５を生成する。

提示制御部２１は、学習部２０により生成された目標テーブル３５を用いて、与えられた目標を達成するための複数の行動パターンを特定する。提示制御部２１は、特定した複数の行動パターンの各々に対して、対象者の過去の行動を示す行動実績から、対象者が複数の行動パターンの各々を実現するために必要なコストを決定する。提示制御部２１は、決定したコストが最小となる行動パターンを、例えば表示部１３に提示する制御を行う。なお、行動パターンの提示先は、表示部１３でなくてもよく、対象者の端末装置（図示省略）であってもよい。

ここでいう対象者には、一例として、営業担当者、システム開発担当者、設計担当者、製造担当者、品質保証担当者等の様々な部門の担当者が挙げられる。また、与えられた目標とは、各部門の担当者が達成すべき目標であり、一例として、営業担当者であれば、売上目標等が挙げられる。また、コストは、一例として、行動パターンにおける行動指標毎の行動量から、対象者の行動実績における行動指標毎の行動量を減じて得られる行動指標毎の変化量を合計した合計値として表される。

まず、図３を参照して、本実施形態に係る情報処理装置１０による学習処理について説明する。

図３は、本実施形態に係る情報処理装置１０による学習処理の流れの一例を示すフローチャートである。

情報処理装置１０に対して、学習処理の実行が指示されると、ＣＰＵ１１Ａにより情報処理プログラム１２Ａが起動され、以下の各ステップを実行する。

図３のステップ１００では、ＣＰＵ１１Ａが、上述したように、情報ＤＢ１２Ｂに含まれる行動テーブル３０、対象者テーブル３１、分類テーブル３２、及び目的変数テーブル３３からモデル構築情報テーブル３４を生成する。

ここで、図４〜図８を参照して、モデル構築情報テーブル３４を生成する処理について具体的に説明する。なお、以下では、対象者として営業担当者を例に説明するが、対象者は営業担当者に限定されるものではない。

図４は、本実施形態に係る行動テーブル３０を生成する処理の説明に供する図である。

図４に示すように、ＣＰＵ１１Ａは、例えば、対象者による操作に従って、対象者の日々の行動を示す行動実績（ここでは営業活動実績）を情報ＤＢ１２Ｂの行動テーブル３０に登録する。ここでいう行動実績には、一例として、毎月のコール数（電話の回数）、訪問回数、決裁者面談数等が含まれる。また、行動実績には、ステップ数、提案数、案件数等が含まれていてもよい。図４の例では、営業担当者Ａの毎月のコール数、訪問回数、及び決裁者面談数が行動テーブル３０に登録されているが、他の営業担当者の行動実績についても同様に行動テーブル３０に登録される。

図５は、本実施形態に係る対象者テーブル３１を生成する処理の説明に供する図である。

図５に示すように、ＣＰＵ１１Ａは、所定のタイミングで自動的に外部の基幹ＤＢ４０から対象者の業務成果を取得して情報ＤＢ１２Ｂに格納する。ここでいう業務成果には、一例として、売上、粗利、達成率、障害件数、案件進捗率等が含まれる。達成率は、売上目標に対する売上の割合として示される。また、所定のタイミングとは、一例として、月次、四半期、年次等のタイミングである。情報ＤＢ１２Ｂの対象者テーブル３１には、対象者の業務成果に加えて、対象者毎の属性情報が登録される。ここでいう属性情報には、一例として、年齢、所属、性格（例えば、粘り強さ、提案力、計画力等）等が含まれる。図５の例では、営業担当者Ａ、Ｂ、Ｃの各々の年齢、所属、性格（粘り強さ、提案力、計画力）、実績（売上、粗利）、及び達成率が対象者テーブル３１に登録されている。

図６は、本実施形態に係る分類テーブル３２を生成する処理の説明に供する図である。

図６に示すように、ＣＰＵ１１Ａは、例えば、対象者の指導者による操作に従って、所定のタイミング（例えば、月次、四半期、年次等）で情報ＤＢ１２Ｂの対象者テーブル３１から対象者毎の属性情報（例えば、年齢、所属、性格等）を抽出し、抽出した対象者毎の属性情報に基づいて、分類指標を定め分類を行う。この分類は、現場の知見に基づくルールベースで決定してもよいし、例えば、ｋ−ｍｅａｎｓ法等の教師なし分類器を用いて統計的に決定してもよい。対象者毎の属性情報及び分類結果は分類テーブル３２に登録される。図６の例では、営業担当者Ａ、Ｂ、Ｃの各々の所属、年齢、性格（粘り強さ）、及び分類結果が分類テーブル３２に登録されている。図６の例では、年齢を分類指標とし、４０歳以上をベテラン、４０歳未満を若手として分類した場合を表している。

図７は、本実施形態に係る目的変数テーブル３３を生成する処理の説明に供する図である。

図７に示すように、ＣＰＵ１１Ａは、例えば、対象者の指導者による操作に従って、所定のタイミング（例えば、月次、四半期、年次等）で情報ＤＢ１２Ｂの対象者テーブル３１及び分類テーブル３２から対象者毎の業務成果及び分類結果を抽出し、抽出した対象者毎の業務成果に基づいて、目標者判断指標を定め、分類毎に目標者を定義する。目標者の定義方法は、「Ｆａｌｓｅ」、「Ｔｒｕｅ」の２値分類でもよいし、段階を考慮した多値分類でもよい。なお、「Ｔｒｕｅ」は目標者であることを示し、「Ｆａｌｓｅ」は目標者ではないことを示す。対象者毎の分類結果、業務成果、及び目標者の定義は目的変数テーブル３３に登録される。図７の例では、営業担当者Ａ、Ｂ、Ｃの各々の分類結果、達成率、及び目標者の定義が目的変数テーブル３３に登録されている。図７の例では、業務成果の一例である達成率を目標者判断指標とし、１００％以上を「Ｔｒｕｅ」、１００％未満を「Ｆａｌｓｅ」として定義した場合を表している。

図８は、本実施形態に係るモデル構築情報テーブル３４を生成する処理の説明に供する図である。

図８に示すように、ＣＰＵ１１Ａは、情報ＤＢ１２Ｂの行動テーブル３０から得られる行動実績（例えば、コール数、訪問回数、決裁者面談数、ステップ数、提案数、案件数等）について所定のタイミング（例えば、月次、四半期、年次等）で集計を行い、対象者毎にモデル構築に利用する行動指標を確定する。その後、ＣＰＵ１１Ａは、確定した行動指標を標準化して単位を揃え、モデル構築情報テーブル３４を生成する。この標準化では、平均が０、標準偏差が１に変換される。また、モデル構築情報テーブル３４には、対象者毎に、目的変数テーブル３３から得られる分類結果及び目標者の定義が登録される。また、モデル構築情報テーブル３４には、対象者毎に異なる性格等を追加してもよい。図８の例では、営業担当者Ａ、Ｂ、Ｃの各々の分類結果、月平均コール数、月平均訪問回数、月平均決裁者面談数、及び目標者の定義が登録されている。モデル構築情報テーブル３４は、情報ＤＢ１２Ｂに格納される。

図３に戻り、ステップ１０１では、ＣＰＵ１１Ａが、ステップ１００で生成したモデル構築情報テーブル３４に対して、決定木ベースのモデルを用いてモデル学習を行う。

ステップ１０２では、ＣＰＵ１１Ａが、ステップ１０１でのモデル学習により、目標判定器１２Ｃを生成する。

ステップ１０３では、ＣＰＵ１１Ａが、ステップ１０２で生成した目標判定器１２Ｃに対して、目標探索を行い、目標テーブル３５を生成し、本情報処理プログラム１２Ａによる学習処理を終了する。

ここで、図９及び図１０を参照して、目標判定器１２Ｃ及び目標テーブル３５を生成する処理について具体的に説明する。

図９は、本実施形態に係る目標判定器１２Ｃ及び目標テーブル３５を生成する処理の説明に供する図である。

図９に示すように、ＣＰＵ１１Ａは、情報ＤＢ１２Ｂのモデル構築情報テーブル３４に対して、目標者の定義を表す目標者列を目的変数、その他の項目（分類、月平均コール数、月平均訪問回数、月平均決裁者面談数）を説明変数として、決定木ベースのモデルを用いて機械学習を行い、目標判定器１２Ｃを生成する。この目標判定器１２Ｃは、単一でもよいし、複数でもよい。そして、ＣＰＵ１１Ａは、生成した目標判定器１２Ｃに対して、目標確率が閾値以上となるルートを目標として探索し、目標テーブル３５を生成する。ここでいう目標確率とは、対象者の行動実績が行動目標である確率を表している。目標確率の閾値は、調整可能とされており、ここでは例えば５０％が設定される。図９の例では、目標者として定義された目標Ａ、Ｂ、Ｃ、Ｄの各々の分類結果、月平均コール数、月平均訪問回数、及び月平均決裁者面談数が目標テーブル３５に登録されている。目標テーブル３５は、情報ＤＢ１２Ｂに格納される。

図１０は、本実施形態に係る決定木モデルの一例を示す図である。

図１０に示す決定木モデルでは、モデル構築情報テーブル３４から得られる目標者の定義（「Ｔｒｕｅ」又は「Ｆａｌｓｅ」）に基づいて、対象者が分類される。図１０の例では、複数の対象者のうち５０人が目標「Ｔｒｕｅ」に分類され、５０人が目標ではない「Ｆａｌｓｅ」に分類されている。次に、月平均コール数が２０以上と２０未満とで分岐する。月平均コール数が２０以上では、４３人が目標「Ｔｒｕｅ」に分類され、１５人が目標ではない「Ｆａｌｓｅ」に分類される。次に、月平均決裁者面談数が１０以上と１０未満とで分岐する。月平均決裁者面談数が１０以上では、３０人が目標「Ｔｒｕｅ」に分類され、５人が目標ではない「Ｆａｌｓｅ」に分類される。同様に、月平均決裁者面談数が１０未満では、１３人が目標「Ｔｒｕｅ」に分類され、１０人が目標ではない「Ｆａｌｓｅ」に分類される。

一方、月平均コール数が２０未満では、７人が目標「Ｔｒｕｅ」に分類され、３５人が目標ではない「Ｆａｌｓｅ」に分類される。次に、月平均訪問回数が２５以上と２５未満とで分岐する。月平均訪問回数が２５以上では、７人が目標「Ｔｒｕｅ」に分類され、１５人が目標ではない「Ｆａｌｓｅ」に分類される。同様に、月平均訪問回数が２５未満では、０人が目標「Ｔｒｕｅ」に分類され、２０人が目標ではない「Ｆａｌｓｅ」に分類される。

図１０に示す決定木モデルから目標判定器１２Ｃが生成される。このとき、ＣＰＵ１１Ａは、目標判定器１２Ｃを構成する各ルートについて、行動目標である確率を表す目標確率、つまり、目標「Ｔｒｕｅ」に分類される確率を導出する。例えば、月平均コール数が２０以上、かつ、月平均決裁者面談数が１０以上のルートの場合、目標「Ｔｒｕｅ」に分類される確率は、（３０／３５）×（４３／５８）×１００≒６４％、と導出される。そして、ＣＰＵ１１Ａは、目標判定器１２Ｃを構成する複数のルートのうち、目標確率が閾値（例えば５０％）以上であるルートを探索する。この探索により得られたルートは、与えられた目標を達成するための行動パターンとして、上述の図９に示す目標テーブル３５に登録される。つまり、目標テーブル３５に登録される複数の行動パターンの各々は、目標確率が閾値以上である行動実績から得られるパターンである。

図１１は、本実施形態に係る行動テーブル３０、対象者テーブル３１、分類テーブル３２、目的変数テーブル３３、モデル構築情報テーブル３４、目標判定器１２Ｃ、及び目標テーブル３５の関連を示す図である。

図１１に示すように、モデル構築情報テーブル３４は、行動テーブル３０、対象者テーブル３１、分類テーブル３２、及び目的変数テーブル３３から生成される。また、目標判定器１２Ｃは、モデル構築情報テーブル３４から生成される。また、目標テーブル３５は、目標判定器１２Ｃから生成される。

次に、図１２を参照して、本実施形態に係る情報処理装置１０の行動パターン提示処理について説明する。この行動パターン提示処理は、上記学習処理で得られた目標判定器１２Ｃ及び目標テーブル３５を用いて実行される。

図１２は、本実施形態に係る情報処理プログラム１２Ａによる行動パターン提示処理の流れの一例を示すフローチャートである。

情報処理装置１０に対して、行動パターン提示処理の実行が指示されると、ＣＰＵ１１Ａにより情報処理プログラム１２Ａが起動され、以下の各ステップを実行する。

図１２のステップ１１０では、ＣＰＵ１１Ａが、一定期間（例えば１ヶ月間）蓄積された、複数の対象者の行動指標（例えば、コール数、訪問回数、決裁者面談数）毎の行動実績を用いて運用時モデル構築情報テーブルを生成する。この運用時モデル構築情報テーブルは、基本的に上述のモデル構築情報テーブル３４と同様の構成を有しているが、目標者の定義（「Ｔｒｕｅ」又は「Ｆａｌｓｅ」）は含まれておらず、分類結果、月平均コール数、月平均訪問回数、及び月平均決裁者面談数のみが含まれている。また、この運用時モデル構築情報テーブルの各データには、上述のモデル構築情報テーブル３４と同様に標準化がなされている。また、この運用時モデル構築情報テーブルを用いて上述のモデル構築情報テーブル３４を更新し、更に、目標判定器１２Ｃ及び目標テーブル３５を更新するようにしてもよい。

ステップ１１１では、ＣＰＵ１１Ａが、ステップ１１０で生成した運用時モデル構築情報テーブルに含まれる複数の対象者のうち、１人の対象者を特定する。

ステップ１１２では、ＣＰＵ１１Ａが、ステップ１１１で特定した対象者について、目標確率が閾値未満であるか否かを判定する。具体的に、ＣＰＵ１１Ａは、目標判定器１２Ｃを用いて目標確率を導出する。目標判定器１２Ｃは、対象者の行動実績を入力した場合に、行動実績に応じた目標確率を出力する。目標確率が閾値未満であると判定した場合（肯定判定の場合）、ステップ１１３に移行し、目標確率が閾値未満ではない、つまり、閾値以上であると判定した場合（否定判定の場合）、ステップ１１６に移行する。

ステップ１１３では、ＣＰＵ１１Ａが、一例として、上述の図９及び図１１に示す目標テーブル３５から複数の行動パターンを特定する。

ステップ１１４では、ＣＰＵ１１Ａが、ステップ１１３で特定した複数の行動パターンの各々に対して、対象者の行動実績から、当該対象者が複数の行動パターンの各々を実現するために必要なコストを決定する。ここでいうコストは、上述したように、行動パターンにおける行動指標毎の行動量から、対象者の行動実績における行動指標毎の行動量を減じて得られる行動指標毎の変化量を合計した合計値として表される。

ステップ１１５では、ＣＰＵ１１Ａが、ステップ１１４で決定したコストが最小となる行動パターンを、例えば表示部１３に提示する制御を行い、ステップ１１７に移行する。

ここで、図１３〜図１５を参照して、コスト決定処理及び行動パターン提示処理について具体的に説明する。

図１３は、本実施形態に係るコスト決定処理及び行動パターン提示処理の説明に供する図である。

図１３に示すように、ＣＰＵ１１Ａは、例えば、対象者「Ａさん」の行動実績における行動指標毎の行動量と、目標テーブル３５から特定した複数の行動パターンにおける行動指標毎の行動量とを比較し、行動指標毎の変化量を導出する。行動指標毎の変化量は、上述したように、行動パターンにおける行動指標毎の行動量から、対象者「Ａさん」の行動実績における行動指標毎の行動量を減じて得られる。そして、ＣＰＵ１１Ａは、導出した行動指標毎の変化量を合計した合計値をコストとして決定する。図１３の例では、複数の行動パターン１〜４が特定されており、行動パターン１〜４の各々についての行動指標毎の変化量及び合計コスト（＝コスト）が示されている。図１３の例では、行動パターン４のコスト（＝２８）が最小であるため、行動パターン４が対象者「Ａさん」に対して提示される。

図１４は、本実施形態に係る別のコスト決定処理及び行動パターン提示処理の説明に供する図である。

図１４に示すように、ＣＰＵ１１Ａは、対象者「Ｂさん」の行動実績における行動指標毎の行動量と、目標テーブル３５から特定した複数の行動パターンにおける行動指標毎の行動量とを比較し、行動指標毎の変化量を導出する。行動指標毎の変化量は、上述したように、行動パターンにおける行動指標毎の行動量から、対象者「Ｂさん」の行動実績における行動指標毎の行動量を減じて得られる。そして、ＣＰＵ１１Ａは、導出した行動指標毎の変化量を合計した合計値をコストとして決定する。図１４の例では、複数の行動パターン１〜４が特定されており、行動パターン１〜４の各々についての行動指標毎の変化量及び合計コスト（＝コスト）が示されている。図１４の例では、行動パターン１のコスト（＝２９）が最小であるため、行動パターン１が「Ｂさん」に対して提示される。

つまり、行動パターンのコスト計算は、一例として、各行動指標（コール数、訪問回数、決裁者面談数等）について、（目標の行動量−対象者の行動量）を変化量とする。変化量が「＋」の場合、目標に対して足りていない状態を示し、変化量が「−」の場合、目標に対して足りている状態を示す。そして、ある行動パターンについて、行動指標毎の変化量の合計値を、当該行動パターンに対するコストとして決定し、コストが最小となる行動パターンを対象者に提示する。

なお、コストの算出は、「＋」の変化量と、「−」の変化量との合計でもよいし、「−」の変化量を「０」として、「−」の変化量のみを合計してもよい。

また、対象者に対してコストが最小となる行動パターンが提示され、そのコストの最小値が予め定められた値以上である場合に、目標確率の閾値を調整するようにしてもよい。

図１５は、本実施形態に係る更に別のコスト決定処理及び行動パターン提示処理の説明に供する図である。

図１５に示すように、ＣＰＵ１１Ａは、対象者「Ｃさん」の行動実績における行動指標毎の行動量と、目標テーブル３５から特定した複数の行動パターンにおける行動指標毎の行動量とを比較し、行動指標毎の変化量を導出する。行動指標毎の変化量は、上述したように、行動パターンにおける行動指標毎の行動量から、対象者「Ｃさん」の行動実績における行動指標毎の行動量を減じて得られる。そして、ＣＰＵ１１Ａは、導出した行動指標毎の変化量を合計した合計値をコストとして決定する。図１５の例では、複数の行動パターン１〜４が特定されており、行動パターン１〜４の各々についての行動指標毎の変化量及び合計コスト（＝コスト）が示されている。図１５の例では、行動パターン１のコスト（＝５０）が最小であるため、行動パターン１が「Ｃさん」に対して提示されるが、行動パターン１のコストが予め定められた値（ここでは５０）以上であるため、目標確率の閾値が調整される。この場合、ＣＰＵ１１Ａは、調整した閾値を用いて、コストを再決定する。例えば、上述したように、目標テーブル３５には、目標確率が閾値以上の行動パターンが登録されるため、閾値を小さくすることで、目標確率が比較的低い行動パターンも登録される。

つまり、ＣＰＵ１１Ａは、対象者「Ｃさん」の行動実績における行動指標毎の行動量と、閾値調整後の目標テーブル３５から特定した複数の行動パターンにおける行動指標毎の行動量とを比較し、行動指標毎の変化量を再導出する。そして、ＣＰＵ１１Ａは、再導出した行動指標毎の変化量を合計した合計値をコストとして再決定する。

図１２に戻り、一方、ステップ１１６では、ＣＰＵ１１Ａが、対象者に対して継続的な行動を勧めるメッセージを、例えば表示部１３に提示する制御を行い、ステップ１１７に移行する。

ステップ１１７では、ＣＰＵ１１Ａが、運用時モデル構築情報テーブルに登録された全ての対象者について処理が終了したか否かを判定する。全ての対象者について処理が終了していないと判定した場合（否定判定の場合）、ステップ１１１に戻り処理を繰り返し、全ての対象者について処理が終了したと判定した場合（肯定判定の場合）、本情報処理プログラム１２Ａによる行動パターン提示処理を終了する。

次に、図１６及び図１７を参照して、行動指標毎の重み係数を考慮したコスト決定処理及び行動パターン提示処理について具体的に説明する。

図１６は、本実施形態に係る行動指標毎の重み係数を決定する処理の説明に供する図である。

例えば、対象者「Ａさん」の行動実績と対象者「Ｂさん」の行動実績とが同一である場合、提示される最小コストの行動パターンが同一となる。しかし、一般的に、対象者によって得意な行動、不得意な行動は異なるため、行動指標毎の重み係数として、コストに反映させることが望ましい。具体的に、図１６に示すように、ＣＰＵ１１Ａは、複数の対象者（Ａさん、Ｂさん）の各々で異なる行動指標毎の重み係数を、複数の対象者の各々における行動指標毎の行動実績から導出するようにしてもよい。図１６の例では、各対象者の過去の行動の傾向として表される行動指標毎の行動実績と、行動指標毎の偏差値によって表される相対比較とに基づいて、各対象者の行動指標毎の重み係数が導出される。

図１７は、本実施形態に係る行動指標毎の重み係数を考慮したコスト決定処理及び行動パターン提示処理の説明に供する図である。

図１７に示すように、ＣＰＵ１１Ａは、行動指標毎の重み係数をコストに付与する。また、ＣＰＵ１１Ａは、行動指標毎の重み係数及び行動指標毎の難易度をコストに付与するようにしてもよい。なお、重み係数は、複数の対象者の各々で異なるパラメータであるが、難易度は、複数の対象者の各々で共通するパラメータである。この難易度は、一例として、行動指標毎の関与人数として表される。関与人数が多いほど、難易度が高く、高コストとされる。

また、ＣＰＵ１１Ａは、コストが最小となる行動パターンと共に、行動パターンに従って対象者が行動すべき内容を提示する制御を更に行う。図１７の例では、最小コストの行動パターンに応じて、「コール数を６回増やしましょう。訪問回数を３回増やしましょう。」というメッセージが提示されている。

また、ＣＰＵ１１Ａは、複数の対象者による行動実績群から導出される行動指標毎の重要度に基づいて、行動指標の優先順位を決定し、決定した行動指標の優先順位を提示する制御を更に行うようにしてもよい。具体的に、重要度は、目標判定器１２Ｃから抽出される。つまり、ＣＰＵ１１Ａは、目標判定器１２Ｃの決定木モデルにおいて、各行動指標の分岐で目標として選択された数をカウントし、このカウント数を重要度として抽出する。この重要度が高いほど、優先順位が高い行動指標とされる。図１７の例では、重要度が高い順にコール数、訪問回数、決裁者面談数となるため、一例として、「優先順位はコール数＞訪問回数＞決裁者面談数です。」というメッセージが提示されている。

また、最小コストの行動パターンにおいて、「−」の行動指標が含まれている場合、「−」の行動指標に代えて、「＋」の行動指標の実行を勧めるメッセージを提示するようにしてもよい。

次に、図１８を参照して、結果目標を考慮した行動パターン提示処理について説明する。この行動パターン提示処理は、図１２の例と同様に、上記学習処理で得られた目標判定器１２Ｃ及び目標テーブル３５を用いて実行される。

図１８は、本実施形態に係る情報処理プログラム１２Ａによる行動パターン提示処理の流れの別の例を示すフローチャートである。

情報処理装置１０に対して、行動パターン提示処理の実行が指示されると、ＣＰＵ１１Ａにより情報処理プログラム１２Ａが起動され、以下の各ステップを実行する。

図１８のステップ１２０では、ＣＰＵ１１Ａが、一定期間（例えば１ヶ月間）蓄積された、複数の対象者の行動指標（例えば、コール数、訪問回数、決裁者面談数）毎の行動実績を用いて運用時モデル構築情報テーブルを生成する。この運用時モデル構築情報テーブルの各データには、上述のモデル構築情報テーブル３４と同様に標準化がなされている。

ステップ１２１では、ＣＰＵ１１Ａが、ステップ１２０で生成した運用時モデル構築情報テーブルに含まれる複数の対象者のうち、１人の対象者を特定する。

ステップ１２２では、ＣＰＵ１１Ａが、ステップ１２１で特定した対象者について、目標確率が閾値未満であるか否かを判定する。目標確率が閾値未満であると判定した場合（肯定判定の場合）、ステップ１２３に移行し、目標確率が閾値未満ではない、つまり、閾値以上であると判定した場合（否定判定の場合）、ステップ１２６に移行する。

ステップ１２３では、ＣＰＵ１１Ａが、一例として、上述の図９及び図１１に示す目標テーブル３５から複数の行動パターンを特定する。

ステップ１２４では、ＣＰＵ１１Ａが、ステップ１２３で特定した複数の行動パターンの各々に対して、対象者の行動実績から、当該対象者が複数の行動パターンの各々を実現するために必要なコストを決定する。

ステップ１２５では、ＣＰＵ１１Ａが、ステップ１２４で決定したコストが最小となる行動パターンを、例えば表示部１３に提示する制御を行い、ステップ１２９に移行する。

一方、ステップ１２６では、ＣＰＵ１１Ａが、対象者が結果目標（例えば、売上目標等）を達成したか否かを判定する。この結果目標は、例えば、期中の行動指標では目標をクリアしているが、期末の売上実績では目標未達である場合に、結果目標を達成できていないと判定される。対象者が結果目標を達成したと判定した場合（肯定判定の場合）、ステップ１２７に移行し、対象者が結果目標を達成していないと判定した場合（否定判定の場合）、ステップ１２８に移行する。

ステップ１２７では、ＣＰＵ１１Ａが、対象者に対して継続的な行動を勧めるメッセージを、例えば表示部１３に提示する制御を行い、ステップ１２９に移行する。

ステップ１２８では、ＣＰＵ１１Ａが、対象者に対して行動の質の向上を勧めるメッセージを、例えば表示部１３に提示する制御を行い、ステップ１２９に移行する。

ステップ１２９では、ＣＰＵ１１Ａが、運用時モデル構築情報テーブルに登録された全ての対象者について処理が終了したか否かを判定する。全ての対象者について処理が終了していないと判定した場合（否定判定の場合）、ステップ１２１に戻り処理を繰り返し、全ての対象者について処理が終了したと判定した場合（肯定判定の場合）、本情報処理プログラム１２Ａによる行動パターン提示処理を終了する。

このように本実施形態によれば、与えられた目標を達成するための複数の行動パターンのうち、ユーザの行動実績に比較的近く、コストが最小となる行動パターンのみが提示される。このため、ユーザが実現できない行動パターンは提供されることがなく、ユーザが実現し得る行動パターンのみが提供される。

なお、上記各実施形態において、プロセッサとは広義的なプロセッサを指し、汎用的なプロセッサ（例えば、ＣＰＵ： Central Processing Unit、等）や、専用のプロセッサ（例えば、ＧＰＵ： Graphics Processing Unit、ＡＳＩＣ： Application Specific Integrated Circuit、ＦＰＧＡ： Field Programmable Gate Array、プログラマブル論理デバイス、等）を含むものである。

また、上記各実施形態におけるプロセッサの動作は、１つのプロセッサによって成すのみでなく、物理的に離れた位置に存在する複数のプロセッサが協働して成すものであってもよい。また、プロセッサの各動作の順序は、上記各実施形態において記載した順序のみに限定されるものではなく、適宜変更してもよい。

以上、実施形態に係る情報処理装置を例示して説明した。実施形態は、情報処理装置が備える各部の機能をコンピュータに実行させるためのプログラムの形態としてもよい。実施形態は、これらのプログラムを記憶したコンピュータが読み取り可能な非一時的記憶媒体の形態としてもよい。

その他、上記実施形態で説明した情報処理装置の構成は、一例であり、主旨を逸脱しない範囲内において状況に応じて変更してもよい。

また、上記実施形態で説明したプログラムの処理の流れも、一例であり、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよい。

また、上記実施形態では、プログラムを実行することにより、実施形態に係る処理がコンピュータを利用してソフトウェア構成により実現される場合について説明したが、これに限らない。実施形態は、例えば、ハードウェア構成や、ハードウェア構成とソフトウェア構成との組み合わせによって実現してもよい。

１０ 情報処理装置
１１ 制御部
１１Ａ ＣＰＵ
１１Ｂ ＲＯＭ
１１Ｃ ＲＡＭ
１１Ｄ Ｉ／Ｏ
１２ 記憶部
１２Ａ 情報処理プログラム
１２Ｂ 情報ＤＢ
１２Ｃ 目標判定器
１３ 表示部
１４ 操作部
１５ 通信部
２０ 学習部
２１ 提示制御部
３０ 行動テーブル
３１ 対象者テーブル
３２ 分類テーブル
３３ 目的変数テーブル
３４ モデル構築情報テーブル
３５ 目標テーブル
４０ 基幹ＤＢ

Claims (10)

1. プロセッサを備え、
   前記プロセッサは、
   与えられた目標を達成するための複数の行動パターンを特定し、
   前記特定した複数の行動パターンの各々に対して、対象者の過去の行動を示す行動実績から、前記対象者が前記複数の行動パターンの各々を実現するために必要なコストを決定し、
   前記決定したコストが最小となる行動パターンを提示する制御を行う
   情報処理装置。
2. 前記コストは、前記行動パターンにおける行動指標毎の行動量から、前記対象者の行動実績における行動指標毎の行動量を減じて得られる行動指標毎の変化量を合計した合計値として表される
   請求項１に記載の情報処理装置。
3. 前記プロセッサは、前記行動指標毎の変化量にマイナスの値が含まれる場合、前記マイナスの値をゼロとして、前記行動指標毎の変化量を算出する
   請求項２に記載の情報処理装置。
4. 前記対象者は、複数であり、
   前記プロセッサは、前記複数の対象者の各々における行動指標毎の行動実績から導出される、前記複数の対象者の各々で異なる行動指標毎の重み係数を、前記コストに付与する
   請求項２又は請求項３に記載の情報処理装置。
5. 前記プロセッサは、前記複数の対象者の各々で共通する行動指標毎の難易度を、前記コストに更に付与する
   請求項４に記載の情報処理装置。
6. 前記プロセッサは、前記コストが最小となる行動パターンと共に、前記行動パターンに従って前記対象者が行動すべき内容を提示する制御を更に行う
   請求項１に記載の情報処理装置。
7. 前記プロセッサは、複数の対象者による行動実績群から導出される行動指標毎の重要度に基づいて、行動指標の優先順位を決定し、決定した行動指標の優先順位を提示する制御を更に行う
   請求項６に記載の情報処理装置。
8. 前記プロセッサは、前記対象者の行動実績が行動目標である確率を表す目標確率を導出し、導出した目標確率が閾値未満である場合に、前記対象者の行動実績から前記コストを決定する
   請求項１に記載の情報処理装置。
9. 前記複数の行動パターンの各々は、前記目標確率が前記閾値以上である行動実績から得られるパターンであり、
   前記プロセッサは、前記コストの最小値が予め定められた値以上である場合に、前記目標確率の前記閾値を調整し、調整した閾値を用いて、前記コストを再決定する
   請求項８に記載の情報処理装置。
10. 与えられた目標を達成するための複数の行動パターンを特定し、
    前記特定した複数の行動パターンの各々に対して、対象者の過去の行動を示す行動実績から、前記対象者が前記複数の行動パターンの各々を実現するために必要なコストを決定し、
    前記決定したコストが最小となる行動パターンを提示する制御を行うことを、コンピュータに実行させるための情報処理プログラム。

Images