JP2021105860A - 情報処理装置 - Google Patents

Abstract

【課題】サービスにおいてユーザによってもたらされる利益に応じたコストでそのユーザのサービス加入を実現する情報処理装置を提供する。【解決手段】情報処理システムにおいて、情報処理装置３０の第１特定部３５は、各々のユーザがサービスに加入する前における当該ユーザによるアクセス履歴と、当該ユーザがサービスに加入した後における当該ユーザについての優良ユーザスコアとの関係性を特定する。第２特定部３６は、各々のユーザについての優良ユーザスコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定する。算出部３７は、第１特定部３５による特定された関係性と、第２特定部３６により特定された関係性とに基づいて、サービスに加入する前のユーザを当該サービスに加入させるためのコストを算出する。出力部３４は、算出部３７による算出結果に関する情報を出力する。【選択図】図４

Description

本発明は、ユーザにサービスへの加入を促すための技術に関する。

インターネットの分野において、コンバージョンとは、Ｗｅｂサイトにおいて獲得し得る何らかの成果のことを指す。そして、コンバージョン率とは、Ｗｅｂサイトにおいて或る成果に到達したときの数量をその成果に到達するための最初の段階に入った数量で割った割合のことである。たとえばＥＣ（Electronic Commerce）サイトにおいて、或る商品を実際に購入したユーザの数をその商品の紹介ページを見たユーザの数で割れば、紹介ページのコンバージョン率を求めることができる。

このようなコンバージョン率を向上させるための施策として、様々なものが提案されている。例えば特許文献１には、特典が付与されたことにより購買行為を行ったユーザの情報（Ｗｅｂページの閲覧履歴等を含む）を解析し、そのような情報の類似するユーザを対象として特典を付与することで、購買行為に至る確率を向上させる仕組みが開示されている。

特開２０１９−５３６６８号公報

ところで、様々なサービスを提供するプラットフォームビジネスにおいては、より多くのユーザを各サービスに加入させること（つまり上記のようなコンバージョン率を高くすること）も重要である一方、ユーザをサービスに加入させるのに要したコストを意識することも重要である。

本発明は、サービスにおいてユーザによってもたらされる利益に応じたコストでそのユーザのサービス加入を実現することを目的とする。

上記課題を解決するため、本発明は、各々のユーザがサービスに加入する前における当該ユーザによるアクセス履歴と、当該ユーザがサービスに加入した後における当該ユーザについての優良ユーザスコアとの関係性を特定する第１特定部と、各々のユーザについての前記優良ユーザスコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定する第２特定部と、前記第１特定部による特定された関係性と、前記第２特定部により特定された関係性とに基づいて、サービスに加入する前のユーザを当該サービスに加入させるためのコストを算出する算出部とを備えることを特徴とする情報処理装置を提供する。

前記第１特定部は、前記ユーザのサービス加入後における優良ユーザスコアを目的変数とし、前記サービス加入後に優良ユーザの条件を充足したと判断されたユーザの前記サービス加入前の前記アクセス履歴を説明変数とした機械学習を行うことにより学習モデルを生成して、前記関係性を特定するようにしてもよい。

前記第１特定部は、サービス利用の形態に応じて異なる複数のスコアから構成される前記優良ユーザスコアを特定し、前記第２特定部は、前記優良ユーザスコアを構成する前記各スコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定するようにしてもよい。

前記第１特定部は、サービス利用の頻度、広がり又は深さを意味する各スコアから構成される前記優良ユーザスコアを特定するようにしてもよい。

複数の前記サービスがある場合に、前記アクセス履歴は、各々の前記サービスに応じて異なる期間におけるアクセス履歴であるようにしてもよい。

本発明によれば、サービスにおいてユーザによってもたらされる利益に応じたコストでそのユーザのサービス加入を実現することができる。

本発明に一実施形態に係る情報処理システム１の構成の一例を示す図である。 ユーザ端末１０のハードウェア構成を示す図である。 情報処理装置３０のハードウェア構成を示す図である。 情報処理装置３０の機能構成の一例を示す図である。 情報処理装置３０の動作の一例を示すフローチャートである。 情報処理装置３０の動作の一例を示すフローチャートである。 本実施形態の特徴の一つを説明するための模式図である。

［構成］
図１は、本実施形態に係る情報処理システム１の一例を示す図である。情報処理システム１は、ユーザに対して様々なサービスを提供するプラットフォームビジネスを実現するシステムである。この情報処理システム１によってユーザに提供するサービスは、どのようなものであってもよいが、例えば、映像又は音楽の視聴に関するサービス、いわゆるポイントと呼ばれる特典の付与及び利用に関するサービス、金融又は保険に関するサービス、ネットショッピングに関するサービス、ヘルスケアに関するサービス、各種コンテンツの提供に関するサービス等が含まれる。コンバージョンとは、インターネットの分野において、Ｗｅｂサイトにおいて獲得し得る何らかの成果のことを指す。また、コンバージョン率とは、Ｗｅｂサイトにおいて或る成果に到達したときの数量をその成果に到達するための最初の段階に入った数量で割った割合のことである。たとえばＥＣ（Electronic Commerce）サイトにおいて、或る商品を実際に購入したユーザの数をその商品の紹介ページを見たユーザの数で割れば、紹介ページのコンバージョン率を求めることができる。

本実施形態において、情報処理システム１によって提供される各サービスに未加入のユーザがそのサービスに加入することを、いわゆるコンバージョンとして定義する。ここで、サービスの加入とは、例えばそのサービスにおいて新規にユーザアカウントを登録したり、サービスを利用するための料金を支払うための手続きを行ったりというように、サービスを利用し得るような状態にすることをいう。ただし、サービス未加入のユーザであっても、そのサービスの一部を利用することができてもよい。つまり、サービスに加入する、とは、サービス未加入のユーザが利用し得ない内容のサービスを利用し得る状態になったことをいう。

図１に示すように、情報処理システム１は、ユーザが利用するユーザ端末１０と、ユーザに対して各種サービスを提供するサービス提供システム２０と、本発明に係る情報処置装置の一例として機能する情報処理装置３０と、ユーザ端末１０及びサービス提供システム２０を通信可能に接続する無線通信網又は有線通信網を含むネットワーク２とを備えている。ユーザ端末１０は、例えばスマートホン、ウェアラブル端末、タブレット又はパーソナルコンピュータなどの、無線又は有線を介してネットワーク２に接続可能なコンピュータである。サービス提供システム２０は、ユーザ端末１０を利用するユーザに対して各種のサービスを提供するための、複数のコンピュータの集合体である。情報処理装置３０は、サービス提供システム２０によって提供されるサービスにおいて優良ユーザになり得るユーザの、そのサービス加入前の行動を解析するための処理を行うコンピュータである。サービス提供システム２０と情報処理装置３０とは、図示せぬ専用線やネットワークを介して通信可能に接続されていてもよいし、図１に図示したネットワーク２を介して通信可能に接続されていてもよい。また、情報処理装置３０がサービス提供システム２０に含まれていてもよい。なお、図１には、ユーザ端末を１つしか示していないが、実際には複数存在する。

図２は、ユーザ端末１０のハードウェア構成を示す図である。ユーザ端末１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、及びこれらを接続するバスなどを含むコンピュータとして構成されている。これらの各装置は図示せぬ電源から供給される電力によって動作する。なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。ユーザ端末１０のハードウェア構成は、図２に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。また、それぞれ筐体が異なる複数の装置が通信接続されて、ユーザ端末１０を構成してもよい。

ユーザ端末１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。また、例えばベースバンド信号処理部や呼処理部などがプロセッサ１００１によって実現されてもよい。

プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、後述する動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。ユーザ端末１０の機能ブロックは、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよい。各種の処理は、１つのプロセッサ１００１によって実行されてもよいが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワーク２からユーザ端末１０に送信されてもよい。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本実施形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ−ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ−ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。

通信装置１００４は、ネットワーク２を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、無線通信を実現する場合には、例えばＬＴＥ（Long Time Evolution）等の通信規格に従ってネットワーク２を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）である。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。また、送受信アンテナ、アンプ部、送受信部、伝送路インターフェースなどがこの通信装置１００４によって実現されてもよい。送受信部は、送信部と受信部とで、物理的に、又は論理的に分離された実装がなされてもよい。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キー、マイクロフォン、スイッチ、ボタン、カメラ、センサ、２次元コードリーダなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバスによって接続される。バスは、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。

ユーザ端末１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。

図３は、情報処理装置３０のハードウェア構成を示す図である。情報処理装置３０は、物理的には図２に示すユーザ端末１０と同様に、プロセッサ３００１、メモリ３００２、ストレージ３００３、通信装置３００４、及びこれらを接続するバスなどを含むコンピュータとして構成されている。これらの各装置は図示せぬ電源から供給される電力によって動作する。情報処理装置３０のハードウェア構成は、図３に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。また、それぞれ筐体が異なる複数の装置が通信接続されて、情報処理装置３０を構成してもよい。

情報処理装置３０における各機能は、プロセッサ３００１、メモリ３００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ３００１が演算を行い、通信装置３００４による通信を制御したり、メモリ３００２及びストレージ３００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。プロセッサ３００１、メモリ３００２、ストレージ３００３、通信装置３００４、及びこれらを接続するバスは、ユーザ端末１０について説明したプロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、及びこれらを接続するバスと、ハードウェアとしては同様であるため、その説明を省略する。なお、情報処理装置３０は、ユーザ端末１０の入力装置１００５又は出力装置１００６と同等のハードウェアを備えていてもよいし、備えていなくてもよい。

情報処理装置３０の処理には、大別して、優良ユーザに対する解析と、サービス加入に対するコストの算出、という２つの処理がある。以下、これらを順番に説明する。

［優良ユーザに対する解析］
プラットフォームビジネスにおいて、前述したようなコンバージョン（つまりサービスへの加入）の確率を高くすることが重要である一方、サービスに加入した（つまりコンバージョン後の）ユーザが、その加入したサービスを十分に利用する「優良ユーザ」として行動してもらうことも重要である。そこで、この情報処理システム１においては、優良ユーザになり得るユーザのサービス加入前の行動を解析し、その解析結果を、例えばユーザを新たにサービスに加入するよう促すためのマーケティング等に利用する。

つまり、本実施形態において、サービス提供者は、従来のようにコンバージョン率を向上させることだけに注目するのではなく、コンバージョン後のユーザのサービス利用における振舞いに注目し、優良ユーザとして振舞うユーザのコンバージョン前の行動を解析する。さらに具体的に説明すると、本実施形態では、優良ユーザであるという条件を満たした時期は、そのユーザがサービスに加入した後の或る時期であるのに対し、そのユーザについて解析対象となる行動履歴の期間は、そのユーザがサービスに加入する前の期間となる。つまり、図７に例示するように、ユーザが優良ユーザであるという条件を満たしたと判断された時期と、その優良ユーザについて解析対象となる行動履歴の期間との間には、そのユーザが優良ユーザの条件を満たしていなかった期間（つまり、ユーザがサービスに加入した後の期間であって、上記の解析対象とはならない行動履歴の期間）が存在する。このように判断時期と解析対象期間とに時期的な隔たりがある点も、従来技術には存在しなかった、本実施形態の特徴と言える。

［サービス加入に対するコストの算出］
また、上記のような優良ユーザをサービスに加入させるのに要したコストを意識することも重要である。そこで、本実施形態において、情報処理装置３０は、各々のユーザがサービスに加入する前における当該ユーザによるアクセス履歴と、当該ユーザがサービスに加入した後における当該ユーザについての優良ユーザスコアとの関係性を特定するとともに、各々のユーザについての優良ユーザスコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定する。そして、このようにして特定された関係性を用いて、優良ユーザとなるようなユーザをサービスに加入させるためのコストを算出する。

図４は、情報処理装置３０の機能構成を示すブロック図である。情報処理装置３０において上記ハードウェアが連携することによって、取得部３１、判断部３２、解析部３３、出力部３４、第１特定部３５、第２特定部３６及び算出部３７という機能が実現される。取得部３１、判断部３２、解析部３３及び出力部３４は主に、優良ユーザに対する解析に関わる機能であり、取得部３１、第１特定部３５、第２特定部３６、算出部３７及び出力部３４は主に、サービス加入に対するコストの算出に関わる機能である。

取得部３１は、各々のユーザがサービスに加入する前における、そのユーザによる行動履歴を取得する。本実施形態においては、ユーザの行動履歴を、ユーザがユーザ端末１０を操作してＷｅｂページにアクセスしたアクセス履歴とする。このアクセス履歴の対象となる期間は、ユーザのサービス加入時点から、その加入時点よりも所定期間前までの期間であってもよいし（例えばサービス加入前の１年間）、そのような期間を定めずに、ユーザのサービス加入前に相当する全期間におけるアクセス履歴であってもよい。アクセス対象となるＷｅｂページは、サービス提供システム２０に記憶されたＷｅｂページであってもよいし、サービス提供システム２０以外の装置によって記憶されたＷｅｂページであってもよい。アクセス履歴は、例えば、ユーザを識別するための何らかのユーザ識別情報、Ｗｅｂページにアクセスした日時、アクセスされたＷｅｂページの識別情報（例えばＵＲＬ：Uniform Resource Locator）、そのＷｅｂページに対するユーザの閲覧期間や閲覧範囲等を含む。

ユーザがアクセスしたＷｅｂページがサービス提供システム２０に記憶されている場合は、取得部３１はサービス提供システム２０からアクセス履歴を取得すればよい。サービス提供システム２０に記憶されているＷｅｂページは、このサービス提供システム２０が提供し得る各サービスの内容に関するＷｅｂページ（例えばサービスの内容を宣伝又は紹介するＷｅｂページ等）を含む。また、ユーザがアクセスしたＷｅｂページがサービス提供システム２０以外の装置によって記憶されている場合は、取得部３１は、例えばユーザ端末１０に記憶されたアクセス履歴をそのユーザ端末１０からネットワーク２経由で取得すればよい。

判断部３２は、各々のユーザが、サービス提供システム２０が提供する、いずれかのサービスに加入した後に、そのユーザがそのサービスにおける優良ユーザの条件を充足したか否かを判断する。どのようなユーザが優良ユーザに該当するかという条件は、判断部３２が備える優良ユーザ条件記憶部３２１に記憶されている。優良ユーザをどのように定義するかは任意に決められる。

例えば、この優良ユーザの条件の一例として、サービスの利用頻度又は回数（例えば所定期間内にサービスを利用した回数）、サービスの利用に対する対価（例えば所定期間内にサービスを利用することによってサービス提供システム２０の運営者に支払った対価の額）、又はサービスの利用形態（例えば１つのサービス全体に複数の利用形態が含まれている場合に、利用した形態の数：具体的には、ネットショッピングサービスにおいて商品又はサービスを購入したネット店舗の数）において、それぞれ閾値を定めておき、その閾値を超えるような利用を行ったユーザを優良ユーザとするような例が考えられる。具体的には、例えばネットショッピングサービスにおいて１ヶ月に４〜１０回のショッピングを行い、そのショッピングで支払った総額が４〜７万円であり、且つ、利用したネット店舗の数が３〜６店である、というような利用を行ったユーザを優良ユーザとする、といった具合である。ただし、このような優良ユーザの条件は一例に過ぎない。また、サービス提供システム２０が提供する全サービスにおいて優良ユーザの条件が同じであってもよいし、サービス単位で優良ユーザの条件が異なっていてもよい。このようなユーザのサービス利用履歴はサービス提供システム２０に記憶されており、判断部３２は、この記憶内容に基づいて各ユーザが優良ユーザの条件を充足したか否かを判断する。

解析部３３は、サービス加入後にそのサービスにおける優良ユーザの条件を充足したと判断されたユーザを特定し、そのユーザについて取得部３１により取得されたサービス加入前のアクセス履歴を解析する。この解析は、例えば、優良ユーザの条件の充足の有無とアクセス履歴との関係性を対象とした解析である。出力部３４は、解析部３３による解析結果に関する情報を出力する。

より具体的には、解析部３３は、次のような説明変数、中間目的変数及び目的変数の機械学習を行うことにより、学習モデルを生成する。説明変数は、優良ユーザについてサービス加入前に取得部３１により取得されたユーザのアクセス履歴のそれぞれである、目的変数は、それぞれのサービスごとに、サービス加入後にそのサービスにおける優良ユーザの条件を充足したか否かという情報である。中間目的変数は、ユーザのアクセス履歴から特定される、アクセスの頻度及びアクセスの範囲である。ここで、アクセスの頻度とは、所定期間内にユーザがＷｅｂページにアクセスした回数である。アクセスの広がりとは、階層的なＷｅｂページ構造において、階層方向を垂直方向としたときの水平方向についてカウントされたアクセスの頻度又は回数である。アクセスの深さとは、階層的なＷｅｂページ構造において、階層方向、つまり垂直方向についてカウントされたアクセスの頻度又は回数である。

本実施形態においてサービス提供システム２０によって提供されるサービスは複数あるが、上記機械学習における目的変数が、一のサービス加入後にそのサービスにおける優良ユーザの条件を充足したか否かという情報であるのに対し、説明変数は、サービス提供システム２０によって提供される複数のサービスに関するＷｅｂページに対するアクセス履歴である。例えば、ネットショッピングサービスの優良ユーザについての機械学習において、目的変数が、ネットショッピングサービスにおける優良ユーザの条件を充足したか否かという情報であるのに対し、説明変数は、サービス提供システム２０によって提供される複数のサービス（ネットショッピングサービスを含む）のそれぞれに関するＷｅｂページに対するアクセス履歴である。このように、本実施形態では、取得部３１が、ユーザの一のサービスの加入前における、複数のサービスに関するアクセス履歴を取得し、解析部３３が、ユーザが一のサービス加入後にその一のサービスにおける優良ユーザの条件を充足したか否かを判断する場合、その解析部３３は、一のサービス加入後にその一のサービスにおける優良ユーザの条件を充足したと判断されたユーザについて取得部３１により取得された複数のサービスに関するアクセス履歴を解析する。つまり、解析部３３は、一のサービスにおける優良ユーザの条件の充足の有無と、複数のサービスに関するアクセス履歴との関係性を解析する。

この学習モデルにより、サービス加入後に優良ユーザとなったユーザがサービス加入前にどのような行動をしていたかを把握することが可能となる。例えば、ネットショッピングサービスにおいて１ヶ月に４〜１０回のショッピングを行い、そのショッピングで支払った総額が４〜７万円であり、且つ、利用したネット店舗の数が３〜６店である、というような利用を行ったユーザを優良ユーザと定義した場合、その優良ユーザがネットショッピングサービスに加入する前において、どのようなＷｅｂページにいつアクセスし、そのＷｅｂページをどのくらいの期間、どのくらいの範囲で閲覧していたかというようなことが分かることになる。つまり、ネットショッピングサービス加入前にこのようなアクセス行動を行っていたユーザは、ネットショッピングサービス加入後に優良ユーザとなる可能性が高いから、そのようなアクセス行動を行っていたユーザ群に対して、ネットショッピングサービスに関する宣伝又は紹介等を集中的に行うようにすれば、より多くの優良ユーザを獲得することが期待できる。

第１特定部３５は、各々のユーザがサービスに加入する前における当該ユーザによるアクセス履歴と、当該ユーザがサービスに加入した後における当該ユーザについての優良ユーザスコアとの関係性を特定する。優良ユーザスコアとは、優良ユーザが加入したサービスを利用する程度のことをいい、例えば、サービスの利用頻度や利用に対する対価の額等に基づいて算出される。基本的には、サービスの利用頻度や利用に対する対価の額等のサービスの利用の程度が高いほど優良ユーザスコアも高い。第１特定部３５は、サービスの利用頻度や利用に対する対価の額等に基づいてこのような優良ユーザスコアを算出するためのアルゴリズムを記憶している。そして、第１特定部３５は、次のような説明変数及び目的変数の機械学習を行うことにより、学習モデルを生成する。説明変数は、ユーザについてサービス加入前に取得部３１により取得されたアクセス履歴のそれぞれである、目的変数は、それぞれのサービスごとに、サービス加入後にそのサービスにおける優良ユーザスコアを意味する情報である。この学習モデルにより、どのような優良ユーザスコアのユーザが過去にどのようなアクセス履歴であったかという関係性が特定されることになる。

第２特定部３６は、各々のユーザについての優良ユーザスコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定する。利益スコアとは、例えばサービス利用に対する対価の額等から算出される。第２特定部３６は、サービス利用に対する対価の額等等に基づいてこのような利益スコアを算出するためのアルゴリズムを記憶している。そして、第２特定部３６は、次のような説明変数及び目的変数の機械学習を行うことにより、学習モデルを生成する。説明変数は、それぞれのサービスにおける各ユーザの優良ユーザスコアを意味する情報である、目的変数は、それぞれのサービスにおいてユーザごとに算出された利益スコアを意味する情報である。

算出部３７は、第１特定部３５による特定された関係性と、第２特定部３６により特定された関係性とに基づいて、サービスに加入する前のユーザを当該サービスに加入させるためのコストを算出する。つまり、算出部３７は、第１特定部３５による生成された学習モデル及び第２特定部３６により生成された学習モデルに対して、各々のユーザがサービスに加入する前における当該ユーザによるアクセス履歴を入力して、そのユーザがサービスに加入して優良ユーザとして振舞うことによって得られる利益スコアを特定する。ここで、算出部３７は、ユーザをサービスに加入させるのに要するコストが利益スコアを超えないように、利益スコアに０より大きく１より小さい係数を乗じた値を、コストとして算出する。出力部３４は、算出部３７による算出結果に関する情報を出力する。

［動作］
次に、図５，６を参照して、情報処理装置３０の動作について説明する。なお、以下の説明において、情報処理装置３０を処理の主体として記載する場合には、具体的にはプロセッサ３００１、メモリ３００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ３００１が演算を行い、通信装置３００４による通信や、メモリ３００２及びストレージ３００３におけるデータの読み出し及び／又は書き込みを制御することにより、処理が実行されることを意味する。ユーザ端末１０についても同様である。

図５において、ユーザはユーザ端末１０を用いて、ネットワーク２経由で様々なＷｅｂページにアクセスする。このアクセス履歴においては、ユーザの属性、趣味嗜好又は思考などの、それぞれのユーザに固有のものが反映されることになる。情報処理装置３０において、取得部３１は、各々のユーザがサービスに加入する前における、そのユーザによるアクセス履歴を取得する（ステップＳ１１）。これにより、各ユーザのユーザ識別情報、Ｗｅｂページにアクセスした日時、アクセスされたＷｅｂページの識別情報、そのＷｅｂページに対するユーザの閲覧期間や閲覧範囲等が取得される。

次に、判断部３２は、各々のユーザが、サービス提供システム２０が提供する各サービスに加入した後に、そのユーザがそのサービスにおける優良ユーザの条件を充足したか否かを判断する（ステップＳ１２）。この優良ユーザの判断は、上記ユーザ識別情報を単位として行われる。

次に、解析部３３は、サービス加入後にそのサービスにおける優良ユーザの条件を充足したと判断部３２によって判断されたユーザについて取得部３１により取得されたサービス加入前のアクセス履歴に基づいて、前述したような機械学習により、優良ユーザの条件の充足の有無とアクセス履歴との関係性を解析して、学習モデルを生成する（ステップＳ１３）。

出力部３４は、解析部３３による解析結果に関する情報を出力する（ステップＳ１４）。例えば出力部３４は、解析部３３により生成された学習モデルそのものを出力してもよいし、解析部３３により生成された学習モデルにおいて優良ユーザのサービス加入前のアクセス履歴の統計的情報を出力してもよい。サービス提供システム２０の運営者は、この出力結果を参照することにより、優良ユーザが各サービスに加入する前において、どのようなＷｅｂページにいつアクセスし、そのＷｅｂページをどのくらいの期間、どのくらいの範囲で閲覧していたかというようなことが分かることになる。つまり、サービス加入前にこのようなアクセス行動を行っていたユーザは、そのサービス加入後に優良ユーザとなる可能性が高いから、運営者は、そのようなアクセス行動を行っていたユーザ群に対して、上記サービスに関する宣伝又は紹介等を集中的に行うようにすれば、より多くの優良ユーザを獲得することが期待できる。

次に、図６において、第１特定部３５は、前述したような処理によって、各々のユーザがサービスに加入する前における当該ユーザによるアクセス履歴と、当該ユーザがサービスに加入した後における当該ユーザについての優良ユーザスコアとの関係性を特定する（ステップＳ２１）。

第２特定部３６は、前述したような処理によって、各々のユーザについての優良ユーザスコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定する（ステップＳ２２）。

算出部３７は、前述したような処理によって、第１特定部３５による特定された関係性と、第２特定部３６により特定された関係性と、或るサービスに加入する前の或るユーザによるアクセス履歴とを用いて、そのユーザをそのサービスに加入させるためのコストを算出する（ステップＳ２３）。

出力部３４は、算出部３７による算出結果に関する情報を出力する（ステップＳ２４）。例えば出力部３４は、算出部３７により算出されたコストそのものを出力してもよいし、算出部３７により算出されたコストの大きさを所定のコスト区分に分類してそのコスト区分を出力してもよい。サービス提供システム２０の運営者は、この出力結果を参照することにより、各ユーザについて各サービスに加入させるためにどの程度のコストをかけれるかを知ることが可能となる。そして、サービス提供システム２０の運営者はそのコストに応じた広告宣伝等を各ユーザに対して行う。これにより、各ユーザによってもたらされる利益に応じたコストでそのユーザのサービス加入を実現することが可能となる。

［変形例］
本発明は、上述した実施形態に限定されない。上述した実施形態を以下のように変形してもよい。また、以下の２つ以上の変形例を組み合わせて実施してもよい。
［変形例１］
第１特定部３５は、サービス利用の形態に応じて異なる複数のスコアから構成される優良ユーザスコアを特定し、第２特定部３６は、優良ユーザスコアを構成する各スコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定するようにしてもよい。ここでいうサービス利用の形態とは、例えばサービス利用の頻度又は範囲である。サービス利用の頻度とは、所定期間内にユーザが各サービスを利用した回数である。サービス利用の範囲とは、複数のサービスのうちユーザが利用したサービスの種類の数、又は、サービスの利用に対する対価の大きさである。具体的には、第１特定部３５は、サービスの利用の頻度が多いほど高いスコアを算出するようなアルゴリズムを記憶しており、このアルゴリズムを用いてスコアを算出する。また、第１特定部３５は、サービスの利用の範囲が大きいほど高いスコアを算出するようなアルゴリズムを記憶しており、このアルゴリズムを用いてスコアを算出する。そして、第１特定部３５は、ユーザについてサービス加入前に取得部３１により取得されたアクセス履歴を説明変数とし、それぞれのサービス及びユーザについて算出された上記スコアを目的変数とした機械学習を行うことにより、学習モデルを生成する。そして、第２特定部３６は、優良ユーザスコアを構成する各スコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定する。具体的には、第２特定部３６は、それぞれのサービス及びユーザについて算出された上記スコアを説明変数とし、それぞれのサービスにおいてユーザごとに算出された利益スコアを目的変数とした機械学習を行うことにより、学習モデルを生成する。

［変形例２］
複数のサービスがある場合に、アクセス履歴は、各々のサービスに応じて異なる期間におけるアクセス履歴であってもよい。つまり、優良ユーザスコアを算出するためのユーザの行動履歴の対象となる期間（履歴対象期間という）を何らかの条件に応じて変動させるようにしてもよい。例えばこの履歴対象期間が、サービスに応じて変動してもよい。具体的には、或るサービスｘ１において優良ユーザスコアを算出する履歴対象期間が或る期間ｔ１であるのに対し、別のサービスｘ２において優良ユーザスコアを算出する履歴対象期間が或る期間ｔ２であるといった具合である。

［その他の変形例］
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信制御部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

例えば、本開示の一実施の形態における決済管理装置などは、本開示の処理を行うコンピュータとして機能してもよい。

本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ−Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ−Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ−ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ−Ｆｉ（登録商標））、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ−Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。

本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。

本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。

また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。

本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本開示において使用する「第１」、「第２」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。

上記の各装置の構成における「部」を、「手段」、「回路」、「デバイス」等に置き換えてもよい。

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

本開示において、例えば、英語でのa,an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

１：情報処理システム、２：ネットワーク、１０：ユーザ端末、２０：サービス提供システム、３０：情報処理装置、３１：取得部、３２：判断部、３２１：優良ユーザ条件記憶部、３３：解析部、３４：出力部、３５：第１特定部、３６：第２特定部、３７：算出部、１００１：プロセッサ、１００２：メモリ、１００３：ストレージ、１００４：通信装置、１００５：入力装置、１００６：出力装置、３００１：プロセッサ、３００２：メモリ、３００３：ストレージ、３００４：通信装置。

上記課題を解決するため、本発明は、各々のユーザがサービスに加入する前における当該ユーザによるＷｅｂページへのアクセス履歴と、当該ユーザがサービスに加入した後に、前記サービスの利用頻度、前記サービスの利用回数、前記サービスの利用に対する対価、又は、前記サービスの利用形態に関する閾値を超えた利用を行う優良ユーザになった場合に、優良ユーザになった当該ユーザが加入した前記サービスを利用する程度に応じた優良ユーザスコアとの関係性を特定する第１特定部であって、前記サービス加入後に優良ユーザになった前記ユーザのサービス加入後における前記優良ユーザスコアを目的変数とし、前記サービス加入後に優良ユーザになった前記ユーザの前記サービス加入前の前記アクセス履歴を説明変数とした機械学習を行うことにより学習モデルを生成して、前記関係性を特定する第１特定部と、各々のユーザについての前記優良ユーザスコアと、当該ユーザによってサービス提供者にもたらされる利益に基づいて算出される利益スコアとの関係性を特定する第２特定部であって、各々のユーザについて算出された利益スコアを目的変数とし、当該ユーザについての前記優良ユーザスコアを説明変数とした機械学習を行うことにより学習モデルを生成して、前記関係性を特定する第２特定部と、前記第１特定部による特定された関係性と、前記第２特定部により特定された関係性とに基づいて、サービスに加入する前のユーザを当該サービスに加入させるためのコストを算出する算出部であって、前記第１特定部により生成された学習モデル及び前記第２特定部により生成された学習モデルに対して、各々のユーザがサービスに加入する前における当該ユーザによる前記アクセス履歴を入力して、当該ユーザがサービスに加入して前記優良ユーザとして振舞うことによって得られる利益スコアを特定し、特定した当該利益スコアに係数を乗算して前記コストを算出する算出部とを備えることを特徴とする情報処理装置を提供する。

Claims (5)

1. 各々のユーザがサービスに加入する前における当該ユーザによるアクセス履歴と、当該ユーザがサービスに加入した後における当該ユーザについての優良ユーザスコアとの関係性を特定する第１特定部と、
   各々のユーザについての前記優良ユーザスコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定する第２特定部と、
   前記第１特定部による特定された関係性と、前記第２特定部により特定された関係性とに基づいて、サービスに加入する前のユーザを当該サービスに加入させるためのコストを算出する算出部と
   を備えることを特徴とする情報処理装置。
2. 前記第１特定部は、前記ユーザのサービス加入後における優良ユーザスコアを目的変数とし、前記サービス加入後に優良ユーザの条件を充足したと判断されたユーザの前記サービス加入前の前記アクセス履歴を説明変数とした機械学習を行うことにより学習モデルを生成して、前記関係性を特定する
   ことを特徴とする請求項１記載の情報処理装置。
3. 前記第１特定部は、
   サービス利用の形態に応じて異なる複数のスコアから構成される前記優良ユーザスコアを特定し、
   前記第２特定部は、
   前記優良ユーザスコアを構成する前記各スコアと、当該ユーザによってサービス提供者にもたらされる利益スコアとの関係性を特定する
   ことを特徴とする請求項２記載の情報処理装置。
4. 前記第１特定部は、
   サービス利用の頻度又は範囲を意味する各スコアから構成される前記優良ユーザスコアを特定する
   ことを特徴とする請求項３記載の情報処理装置。
5. 複数の前記サービスがある場合に、
   前記アクセス履歴は、各々の前記サービスに応じて異なる期間におけるアクセス履歴である
   ことを特徴とする請求項１〜４のいずれか１項に記載の情報処理装置。

Images