JP2023131170A

JP2023131170A - 行動支援システム、行動支援方法及び行動支援プログラム

Info

Publication number: JP2023131170A
Application number: JP2023071427A
Authority: JP
Inventors: 健森山; Takeshi Moriyama; 豪鈴井; Go Suzui
Original assignee: Godot Inc
Current assignee: Godot Inc
Priority date: 2022-04-13
Filing date: 2023-04-25
Publication date: 2023-09-21

Abstract

【課題】対象者の個人情報を使用したり、対象者に対して有効な情報提供等の知識を事前に取得したりすることなく、対象者の行動変容をより効果的に支援する技術を提供すること。【解決手段】行動支援システムは、複数の行動変容要因のうちの１つ以上の行動変容要因に作用する複数の行動変容テクニックにそれぞれ紐づけられた複数のメッセージ群であって、各メッセージ群は１つ以上のメッセージを含む、複数のメッセージ群を記憶する記憶部と、複数のメッセージ群のうち１つ以上のメッセージ群の各々からメッセージを抽出し、該抽出されたメッセージからなるメッセージセットを、対象者ごとに生成する生成部と、メッセージセット内のメッセージを１回又は複数回に分けて対象者に出力するように制御する制御部と、を備える。【選択図】図５

Description

本発明は、行動支援システム、行動支援方法及び行動支援プログラムに関する。

近年、人間の行動を科学的に研究した行動科学の理論に基づくアプローチをサービス開
発に活用する取り組みが、公共政策、医療、小売り業、教育等の様々な分野で広がってい
る。また、当該様々な分野における対象者の行動変容と習慣化を支援することを技術的に
実現するシステムも検討されている（例えば、特許文献１）。

特許文献１記載のシステムでは、複数の対象者の行動について測定された種々のデータ
を含んだ行動データを分析し、当該行動データの分析の結果を基に、習慣化の目標として
の行動へ段階的に向かう複数のステージの基準としての指標であるステージ指標と、当該
ステージ指標に従う前記複数のステージの各々とを定義すること、隣接したステージのペ
ア毎に、当該ペアを構成する二つのステージのギャップを特定すること、各ステージペア
について、特定されたギャップが存在する理由と、低い方のステージに属する対象者に高
い方のステージへと遷移するための行動変容を起こさせるための施策との少なくとも一つ
である理由／施策を、ギャップと理由／施策との関係が定義された関係情報から特定し、
各ステージペアについて特定された理由／施策に関する処理を実行することが記載されて
いる。

特開２０２０－１４０５９６号公報

対象者の行動変容を促すためには、対象者の属性、所得、居住地域などの個人情報を用
いて、対象者の行動特性に応じて個別化された介入を実施することが有効と考えられる。
しかしながら、対象者の個人情報を用いるためには次のような問題が生じる。第一に、個
人情報の取得には高度なセキュリティと法令遵守が求められるため、個人情報の提供側及
び受領側の双方にとって実施ハードルが高い。第二に、実際に対象者の行動特性を特定す
るために必要な個人情報は、事前に明らかでないことが多い。そのため、様々なハードル
を越えて個人情報を入手したとしても、その個人情報を行動変容プログラムの設計・運用
に活かすことができないおそれがある。第三に、行動変容の介入のために入手された個人
情報は、対象者の過去の一時点における個人情報であり、介入時点の当該対象者の状態を
示しているとは限らない。そのため、そのような過去の個人情報に基づく介入では、期待
された成果を出すことができないおそれがある。

そこで、本発明は、対象者の個人情報を使用したり、対象者に対して有効な手法等の知
識を事前に取得したりすることなく、対象者の行動変容をより効果的に支援する行動支援
システム、行動支援方法および行動支援プログラムを提供することを目的の一つとする。

本発明の一態様に係る行動支援システムは、対象者の行動変容を支援する行動支援シス
テムであって、複数の行動変容要因のうちの１つ以上の行動変容要因に作用する複数の行
動変容テクニックにそれぞれ紐づけられた複数のメッセージ群であって、各メッセージ群
は１つ以上のメッセージを含む、複数のメッセージ群を記憶する記憶部と、前記複数のメ
ッセージ群のうち１つ以上のメッセージ群の各々からメッセージを抽出し、該抽出された
メッセージからなるメッセージセットを、対象者ごとに生成する生成部と、前記メッセー
ジセット内のメッセージを１回又は複数回に分けて対象者に出力するように制御する制御
部と、を備える。

この態様によれば、複数の行動変容要因に作用するメッセージセットを対象者に送信す
ることができるので、対象者の個人情報を使用したり、対象者に対して有効な情報提供等
の知識を事前に取得したりすることなく、対象者の行動変容を効果的に促すことが可能と
なる。

上記態様において、前記生成部は、前記複数の行動変容テクニックのうち特定の行動変
容要因にのみ作用する行動変容テクニックを、前記複数の行動変容要因の全てについて選
択し、選択された行動変容テクニックにそれぞれ紐づけられたメッセージ群の各々から１
つのメッセージを抽出することにより、第１のメッセージセットを生成しても良い。この
態様によれば、複数の行動変容要因に作用する網羅的なメッセージセットを対象者に送信
することができる。

上記態様において、出力されたメッセージに対する対象者からのレスポンス情報を取得
する取得部と、前記レスポンス情報に基づいて、前記複数の行動変容要因のうち、当該レ
スポンス情報が取得された対象者が反応した行動変容要因を抽出する解析部と、をさらに
備え、前記生成部は、さらに、当該レスポンス情報が取得された対象者のために、当該対
象者が反応した行動変容要因に作用する行動変容テクニックを選択し、選択された行動変
容テクニックにそれぞれ紐づけられたメッセージ群の各々から１つ以上のメッセージを抽
出することにより、第２のメッセージセットを生成しても良い。この態様によれば、対象
者ごとに、時間の経過や環境の変化による行動変容要因への影響に適応した介入を行うこ
とができ、対象者の行動変容をより効果的に促すことが可能となる。

上記態様において、前記生成部は、各メッセージ群からランダムにメッセージを抽出し
ても良い。

上記態様において、前記複数の行動変容要因は、ＣＯＭ－Ｂモデルにおける能力、機会
、及び、動機を含んでも良い。

上記態様において、前記複数の行動変容要因は、経験的態度、手段的態度、指示的規範
、記述的規範、行動コントロール感、自己効力感、知識、技術、行動の重要性、環境上の
制約、習慣化の少なくとも２つを含んでも良い。

本発明の他の態様に係る行動支援方法は、対象者の行動変容を支援する行動支援方法で
あって、複数の行動変容要因のうちの１つ以上の行動変容要因に作用する複数の行動変容
テクニックにそれぞれ紐づけられた複数のメッセージ群であって、各メッセージ群は１つ
以上のメッセージを含む、複数のメッセージ群のうち、１つ以上のメッセージ群の各々か
らメッセージを抽出し、該抽出されたメッセージからなるメッセージセットを、対象者ご
とに生成する工程と、前記メッセージセット内のメッセージを１回又は複数回に分けて対
象者に出力するように制御する工程と、を含む。

本発明の他の態様に係る行動支援プログラムは、対象者の行動変容を支援するコンピュ
ータに実行させる行動支援プログラムあって、複数の行動変容要因のうちの１つ以上の行
動変容要因に作用する複数の行動変容テクニックにそれぞれ紐づけられた複数のメッセー
ジ群であって、各メッセージ群は１つ以上のメッセージを含む、複数のメッセージ群のう
ち、１つ以上のメッセージ群の各々からメッセージを抽出し、該抽出されたメッセージか
らなるメッセージセットを、対象者ごとに生成する工程と、前記メッセージセット内のメ
ッセージを１回又は複数回に分けて対象者に出力するように制御する工程と、を実行させ
る。

本発明によれば、対象者の個人情報を使用したり、対象者に対して有効な情報提供等の
知識を事前に取得したりすることなく、対象者の行動変容をより効果的に支援することが
できる。

行動変容要因と行動変容テクニックとが関連付けられたフレームをマトリックス形式で例示する表である。ナッジメッセージ群のデータ構造を概念的に例示する図である。本実施形態に係る行動支援システムの概略構成の一例を示す図である。本実施形態に係る行動支援システム内の装置のハードウェア構成の一例を示す図である。本実施形態に係る行動支援システム内の装置の機能構成の一例を示す図である。本実施形態に係る行動支援システムの動作の一例を示すフローチャートである。ＭＥＣＥ型ナッジカクテルの具体例を示す模式図である。ＭＥＣＥ型ナッジカクテルの具体例を示す模式図である。適応型ナッジカクテルの具体例を示す模式図である。

添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一
の符号を付したものは、同一又は同様の構成を有する。

（行動支援方法の概要）
本実施形態に係る行動支援方法は、介入の対象者にとって重要な行動変容要因を科学的
・客観的に探索しながら、当該対象者の行動変容要因に効果的に作用するナッジメッセー
ジを当該対象者に送信することにより行動変容を促すものである。この際、本実施形態に
おいては、複数の行動変容要因と、該複数の行動変容要因のうち１つ以上の行動変容要因
に作用する複数の行動変容テクニックとが関連付けられたフレームが用いられる。

＜フレーム＞
ここで、行動変容要因とは、対象者に特定の行動を起こさせるための要因のことである
。行動変容要因は、学術調査若しくは意識調査等の調査、行動科学に関する理論、対象者
のペルソナ設定、又は、行動プロセスマップ等に基づいて、対象分野における複数の行動
変容要因を特定することができる。

行動変容要因の例として、行動科学で一般的に用いられるＣＯＭ－Ｂモデルにおける「
Capacity（能力）」、「Opportunity（機会）」、「Motivation（動機づけ）」を挙げる
ことができる。或いは、行動変容要因の別の例として、統合行動モデル（Integrated Beh
avioral Model：ＩＢＭ）で規定される要因（「ＩＢＭ要因」等とも呼ばれる）として、
経験的態度（Experiential attitude）、手段的態度（Instrumental attitude）、指示的
規範（Injunctive norm）、記述的規範（Descriptive norm）、行動コントロール感（Per
ceived control）、自己効力感（Self－efficacy）、知識（Knowledge）、技術（Skills
）、行動の重要性（Salience of the behavior）、環境上の制約（Environmental constr
aints）、習慣化（Habit）も知られており、本実施形態においては、これらのうちの少な
くとも２つを含む行動変容要因を特定しても良い。

なお、上述した各ＩＢＭ要因は例示にすぎず、上記ＩＢＭ要因を包含する上位レベルの
要因を、行動変容要因として特定しても良い。例えば、上記経験的態度及び手段的態度は
「態度（Attitude）」に包含され、上記指示的規範及び記述的規範は「規範（Perceived
norm）」に包含され、上記行動コントロール感及び自己効力感は「個人的作用（Personal
Agency）」に包含され、上記知識及び技術は「知識（Knowledge）」に包含され、行動の
重要性は「重要性（Importance）」に包含され、環境上の制約は「摩擦（Friction）」に
包含されてもよい。或いは、上記ＩＢＭ要因を分割した下位レベルの要因を、行動変容要
因として特定しても良い。

もちろん、本実施形態においては、行動変容要因として、ＣＯＭ－ＢモデルやＩＢＭ以
外の行動モデルで規定される要因等、人間の行動意志に関するどのような要因を採用して
も良い。

上述したような行動変容要因に対して作用する（働きかける）手段或いは技法は、「行
動変容テクニック（Behavior Change Technique：ＢＣＴ）」と呼ばれる。或いは、介入
作用（Intervention Function）と呼ばれることもある。以下においては、この手段又は
技法のことを「ＢＣＴ」とも記す。

行動変容要因に作用するＢＣＴ（又は介入作用）は、理論的に知られている。例えば、
Lou Atkins and Susan Michie (UCL Centre for Behaviour Change, University College
London), 「Designing interventions to change eating behaviours」には、ＣＯＭ－
Ｂモデルにおける行動変容要因と介入作用との関連性を示すマトリックスが開示されてい
る（「Table 2. Matrix of links between COM-B model and intervention functions」
参照）。

本実施形態において用いられるフレームは、上で例示した理論を適用したものであって
も良いし、理論のほか、学術調査若しくは意識調査等の調査、対象者のペルソナ設定、又
は、行動プロセスマップ等に基づいて開発されてものであっても良い。

図１は、行動変容要因と行動変容テクニックとが関連付けられたフレームをマトリック
ス形式で例示する表である。図１においては、３つの行動変容要因「能力」、「機会」、
「動機づけ」に対する５つのＢＣＴ「動作指示」「社会的支援」「社会規範」「段階的タ
スク設定」「行動観察」の作用の強さが、ベクトルの形式を用いて表現されている。図１
に示すマトリックスにおいて、符号「＋」は作用が認められることを示し、数値は作用の
強さを示している。

図１において、例えば、ＢＣＴの「動作指示」は、行動変容要因「能力」に対してのみ
作用することが示されている。また、「段階的タスク設定」は、行動変容要因「能力」に
対して強く作用し（＋１）、また、「機会」にも作用する（＋１）ことが示されている。
「行動観察」は、図１に示す３つの行動変容要因のいずれにも作用しないことが示されて
いる。

以下、各ＢＣＴによる行動変容要因に対する作用を表すベクトルのことを、「ＢＣＴベ
クトル」とも記す。また、特定のＢＣＴベクトルのことを、ＢＣＴの名称を用いて、「動
作指示ベクトル」、「社会的支援ベクトル」等とも記す。図１に例示するように、３つの
行動変容要因「能力」、「機会」、「動機づけ」に対する動作指示ベクトルは、<+1,0,0>
と表される。

＜ナッジメッセージ＞
本実施形態に係る行動支援方法においては、介入の対象分野に関連する複数の行動変容
要因のうち１つ以上の行動変容要因に作用する複数のＢＣＴが特定され、これらのＢＣＴ
の各々に対してメッセージ群が紐づけられる。各メッセージ群は、紐づけられたＢＣＴを
具体化した１つ以上のナッジメッセージ（以下、単にメッセージとも記す）を含む。例え
ば、ＢＣＴ「動作指示」には、「〇月〇日までに〇〇をしてください。」というように、
動作を指示するメッセージが紐づけられる。

図２は、ナッジメッセージ群のデータ構造を概念的に例示する図である。図２において
は、図１で例示するＢＣＴに対応して、５種類のＢＣＴの各々に複数のメッセージが紐づ
けられている。各メッセージには、識別符号（例えばメッセージＩＤ）が付与されていて
も良い。また、各行動変容テクニックに紐付けられたメッセージ群には、各メッセージが
属するメッセージ群を識別するための符号（例えばグループＩＤ）が付与されていても良
い。

介入を実行する際には、対象分野に関連する複数の行動変容要因のうち、介入のステー
ジに応じて特定された行動変容要因に作用する１つ以上のＢＣＴが選択され、選択された
ＢＣＴにそれぞれ紐づけられたメッセージ群の各々からメッセージが抽出され、抽出され
たメッセージからなるメッセージセットが生成される。

各メッセージ群からのメッセージの抽出は、対象者ごとに、好ましくはランダムに行わ
れる。メッセージセットの生成においてランダム性を取り入れることにより、介入設計者
の選択バイアスを回避することができ、介入設計者が勘と経験に基づいてナッジを選択す
る従来の介入設計と比較して、安定した介入効果を得ることが可能となる。ここで、多く
の介入設計者には、科学的根拠よりも、過去に使ったことがあるメッセージや知名度が高
い種類のメッセージを用いる傾向があるからである。

ただし、あるメッセージ群において、他のメッセージに比べて対象者に与える影響が圧
倒的に大きいと考えられるメッセージ（最善のメッセージ）が含まれる可能性も考えられ
る。そのようなメッセージ群において、最善のメッセージと他のメッセージとを同等に扱
ってメッセージのランダム抽出を行うと、介入の機会損失につながるおそれがある。その
ため、Epsilon-Greedy法などの強化学習の手法を利用して、各メッセージ群からメッセー
ジを抽出しても良い。ここで、Epsilon-Greedy法とは、確率εでランダムに行動すること
により探索を行い、確率（１－ε）で最も期待値の高い行動を選択するという手法である
。具体的には、あるメッセージ群から、確率（１－ε）で最善のメッセージを選択し、確
率εでそれ以外のメッセージからランダムに抽出しても良い。或いは、確率（１－ε）で
一定の閾値以上の優秀なメッセージから１つのメッセージをランダムに抽出し、確率εで
最新のメッセージを抽出しても良い。

なお、あるＢＣＴに対し、１つのメッセージしか紐づけられていない場合もあり、その
場合、当該ＢＣＴからはその１つのメッセージが抽出される。

＜ナッジカクテル＞
上述したように、介入を実行する際には、１つ以上のＢＣＴに紐づけられたメッセージ
群の各々から抽出されたメッセージによるメッセージセットが生成される。以下、このよ
うなメッセージセットのことを「ナッジカクテル」と記す。

本実施形態においては、介入のステージに応じて２種類のナッジカクテルが生成される
。第１のナッジカクテル（第１のメッセージセット）は、介入の初期段階において全ての
対象者に対して生成されるナッジカクテルのことである。以下、この第１のナッジカクテ
ルのことを、ＭＥＣＥ（Mutually Exclusive and Collectively Exhaustive）型ナッジカ
クテルと記す。

ＭＥＣＥ型ナッジカクテルは、対象分野に関連する行動変容要因に作用する複数のＢＣ
Ｔのうち、特定の行動変容要因にのみ作用するＢＣＴに紐づけられたメッセージ群から抽
出されたメッセージにより構成される。これは、ＢＣＴが受容された際に、いずれの行動
変容要因が作用したかを容易に判別できるようにするためである。

このようなＭＥＣＥ型ナッジカクテルは、特定の行動変容要因にのみ作用するＢＣＴが
、対象分野に関連する行動変容要因の全てについて選択され、選択されたＢＣＴにそれぞ
れ紐づけられたメッセージ群の各々から１つのメッセージを抽出することにより生成され
る。特定の行動変容要因にのみ作用するＢＣＴを対象分野に関連する行動変容要因の全て
について選択するのは、対象者が反応する可能性のある行動変容要因を網羅するためであ
る。

第２のナッジカクテル（第２のメッセージセット）は、対象者に適応した行動変容要因
に基づいて生成されるナッジカクテルであり、ＭＥＣＥ型ナッジカクテルに対して何らか
の反応があった対象者のために生成される。以下、この第２のナッジカクテルのことを、
適応型ナッジカクテルと記す。

適応型ナッジカクテルは、対象者からの反応に基づいて、対象分野に関連する複数の行
動変容要因のうち、当該対象者が反応した行動変容要因を特定すると共に、特定された行
動変容要因に作用する行動変容テクニックを選択し、選択された行動変容テクニックにそ
れぞれ紐づけられたメッセージ群の各々から１つ以上のメッセージを抽出することにより
生成される。

ＭＥＣＥ型及び適応型のいずれのナッジカクテルにおいても、各メッセージ群からナッ
ジメッセージを対象者ごとにランダムに抽出するため、ナッジカクテルは対象者ごとに異
なるものとなる。

（行動支援方法の詳細）
次に本実施形態に係る行動支援方法におけるナッジカクテルの生成方法及び介入の評価
方法を説明する。

＜座標系＞
ここで、従来の行動支援方法においては、介入により対象者が行動変容を起こすまでの
過程や理由が定性的に判断されていた。しかしながら、このような方法では、対象者ごと
に個別化された介入を設計することが困難であった。

これに対し、本実施形態においては、複数の行動変容要因を軸とする座標系を生成し、
この座標系において目標座標又は目標領域（以下、これらをまとめて目標領域という）を
設定する。そして、対象者が行動変容を起こしたか否かを、座標系において、対象者の座
標が目標領域に近づいたか否かで評価する。以下、この座標系において算出される距離の
ことを「行動科学的距離(Behavioral Scientific Distance：ＢＳＤ)」と記す。

このような座標系において、対象者ごとに、現在の座標と、介入が目指すべき目標領域
を設定することにより、現在座標から目標領域までの距離（ＢＳＤ）を多次元ベクトルに
より表現することができ、この距離を埋めるために採用すべきＢＣＴを客観的且つ明確に
可視化することが可能となる。

以下、図１に示すフレームを例として、行動科学的距離に基づく介入の手順を説明する
。
（１）座標軸の選定
まず、学術調査若しくは意識調査、或いは、行動科学に関する理論、対象者のペルソナ
設定、行動プロセスマップ等に基づいて、対象分野における複数の行動変容要因を特定し
、それらを座標軸として定義する。以下、図１に例示する行動変容要因のうち、「能力」
を示す座標軸をＣ軸、「機会」を示す座標軸をＯ軸、「動機づけ」を示す座標軸をＭ軸と
記す。

ここで、複数の座標軸の単位は互いに共通である必要はなく、また、整数である必要も
ない。例えば、ワクチン接種への行動変容を促す介入を設計する場合、Ｃ軸は５段階評価
、Ｏ軸はワクチン接種の予約サイトへのアクセス回数、Ｍ軸は予約サイトでの滞在秒数と
いうように各座標軸を設定しても良い。このようなＣ軸、Ｏ軸、Ｍ軸により定義される３
次元空間が、対象者の行動変容の過程を表現する座標系となる。

（２）目標領域（座標）の設定
次に、選定された座標軸からなる座標系において、目標領域を設定する。目標領域は、
介入対象の分野において、どのような状態にありどのような介入を受けた対象者が行動を
起こしたといった情報をもとに設定される。目標領域は、ピンポイントの座標として設定
されても良いし、例えば、「座標(c,o,m)のいずれかの値が３以上」といった広がりのあ
る領域を設定されても良い。このように目標領域を設定することにより、当該分野におけ
る行動科学的特性や対象者の人間特性に応じて、対象者ごとに、行動変容への最短距離を
明確に示すことができる。

目標領域は、全ての対象者に対して共通に設定される。また、時間の経過や環境の変化
等による行動変容要因への影響は、座標系における目標領域の設定を変更することで容易
に表現することができる。なお、行動変容要因への影響としては、例えば、予防接種率の
水準の変化、ユーザインタフェース（ＵＩ）やユーザエクスペリエンス（ＵＸ）の改善に
よる利便性向上、無料受診期限が迫っていることなどが挙げられる。

（３）対象者の座標設定
上記座標系に対し、対象者の初期座標は基本的に(c,o,m)＝(0,0,0)に設定される。ただ
し、過去の受信歴や属性等の情報が得られている対象者については、一定の座標変換ルー
ルに基づいて、個別に初期座標を設定しても良い。例えば、過去に受信歴のある対象者に
ついては、受信方法を理解している（即ち、Capacityがある）ため、初期座標は(c,o,m)
＝(1,0,0)に設定される。

本実施形態においては、このように設定された座標系に基づいて、介入行動（メッセー
ジの送信等）の決定や、介入行動の評価が実行される。

（４）ＭＥＣＥ型ナッジカクテルの生成
特定の行動変容要因にのみ作用するＢＣＴは、１つの座標値のみが値を有し（ゼロ以外
）、他の座標値がゼロのベクトルにより表される。ＭＥＣＥ型ナッジカクテルは、このよ
うなＢＣＴベクトルの集合体に基づいて生成される。

具体的には、ＢＣＴベクトルの総和が<+1,+1,+1>であり、且つ、構成するＢＣＴベクト
ルの数が最小値となるような集合体を抽出する。なお、このような集合体が複数抽出され
る場合には、そのうちの１つの集合体を、対象者ごとにランダムに選択する。例えば図１
に示すフレームの場合、動作指示ベクトル<+1,0,0>、社会的支援ベクトル<0,+1,0>、社会
規範ベクトル<0,0,+1>の３つのＢＣＴベクトルからなる集合体（３価のＢＣＴベクトル）
を抽出することができる。さらに、対象者ごとに、この集合体に含まれるＢＣＴベクトル
に紐づけられたメッセージ群から１つずつメッセージを抽出することにより、３つのメッ
セージからなるＭＥＣＥ型ナッジカクテル（３価のナッジカクテル）が生成される。なお
、集合体に含まれるＢＣＴベクトルの総和は、<+1,+1,+1>でなくともよい。例えば、図１
のフレームでは、動作指示ベクトル<+1,0,0>、社会的支援ベクトル<0,+1,0>、社会規範ベ
クトル<0,0,+1>であるが、動作指示ベクトル<+1,0,0>、社会的支援ベクトル<0,+2,0>、社
会規範ベクトル<0,0,+3>とし、総和が<+1,+2,+3>となる当該動作指示ベクトル、当該社会
的支援ベクトル及び当該社会規範ベクトルが集合体として抽出されてもよい。このように
、集合体には所定数のＢＣＴベクトルが含まれ、当該所定数のＢＣＴベクトルの総和は所
定値であればよい。ｎ価のナッジカクテルはｎ（ｎ＞０の整数）個の種別（すなわち、行
動変容要因）のＢＣＴベクトルに対応するメッセージを含んで構成されてもよい。

（５）対象者の座標の更新
ナッジカクテルによる介入が実行されると、当該ナッジカクテルへの反応に応じて、対
象者が反応した行動変容要因が特定され、座標系における当該対象者の座標が更新される
。対象者が反応した行動変容要因は、対象者が受容したＢＣＴから特定することができる
。例えば、あるＢＣＴに紐づけられたメッセージから誘導された予約サイトに対象者がア
クセスした場合、そのメッセージに対応するＢＣＴが特定され、図１に例示するフレーム
により、このＢＣＴが作用する行動変容要因を特定することができる。

例えば、上述したＭＥＣＥ型ナッジカクテルに対し、ある対象者が全てのＢＣＴを受容
した場合、座標系における当該対象者の状態は、初期設定の座標(0,0,0)に対し、３価の
ＢＣＴベクトル（<+1,0,0>、<0,+1,0>、<0,0,+1>）の分だけ変化したものみなされる。即
ち、３価のＢＣＴベクトルによる変化の総和は、
<+1,0,0>+<0,+1,0>+<0,0,+1>=<+1,+1,+1>
と示されるため、当該対象者の座標は、初期設定の座標(0,0,0)にこの変化分を加算して
、(1,1,1)に変化する。

このように、座標系における対象者の座標を更新することにより、対象者が反応した行
動変容要因と、目標領域までの距離を客観的に把握することができる。

（６）適応型ナッジカクテルの生成
適応型ナッジカクテルは、座標系における各対象者の現在の座標に基づいて生成される
。詳細には、まず、対象者の現在の座標から最寄りの目標領域までの最短ルートを表すベ
クトル（以下、介入ベクトルとも記す）を算出する。最短ルートの候補が複数存在する場
合には、対象者ごとにルートをランダムに選択しても良い。また、最短ルートの多寡に応
じて、介入を継続する対象者に優先順位をつけて選別しても良い。例えば、目標領域から
一定距離以上離れている対象者は、介入の対象外としても良い。

次に、介入ベクトルを分解し、総和が介入ベクトルと等しくなるＢＣＴベクトルの集合
体を生成する。例えば、介入ベクトルが<+2,+2,+2>である場合、
[<+1,0,0>×2、<0,+1,0>×2、<0,0,+1>×2]、及び、
[<+2,+1,0>、<0,+1,0>、<0,0,+1>×2]
の２種類の集合体が候補となる。

介入ベクトルと等価のＢＣＴベクトルの集合体の候補が複数存在する場合には、対象者
ごとに集合体がランダムに選択される。また、介入行動に制約があり、ＢＣＴベクトルの
数が制限される場合（例えば、メッセージの送信費用に制約があり、送信できるメッセー
ジの本数に上限がある場合）、候補の中から要件を満たす集合体がランダムに選択される
。選択された集合体を構成するＢＣＴベクトルに紐づけられたメッセージ群の各々から抽
出されたメッセージのセットが、当該対象者の適応型ナッジカクテルとなる。

適応型ナッジカクテルによる介入が実行されると、上述したように、当該ナッジカクテ
ルへの反応に応じて、対象者が反応した行動変容要因が特定され、座標系における当該対
象者の座標が更新される。そして、対象者の座標が目標領域に到達した場合には、介入行
動は停止される。他方、対象者の座標が未だ目標領域に到達していない場合には、更新後
の座標に基づいてさらに適応型ナッジカクテルが生成される。

（ナッジカクテルの効果）
ＭＥＣＥ型及び適応型という２種類のナッジカクテルを生成する理由は次のとおりであ
る。即ち、対象者の行動変容要因は、日々変わる動的なものであると考えられる。そのた
め、ある一時点における対象者の状態を示す静的な個人情報に基づいて生成されるナッジ
カクテルでは、対象者の行動変容を促すことが困難になることが起こり得る。この点にお
いて、ＭＥＣＥ型ナッジカクテルは、客観的な調査や理論に基づいて特定された複数の行
動変容要因に作用するＢＣＴを漏れなく重複なく組み合わせたものであるので、当該介入
に関連するあらゆる行動変容要因に対して多角的にアプローチすることが可能となる。

他方、適応型ナッジカクテルは、ＭＥＣＥ型ナッジカクテルを受け取った対象者が反応
した行動変容要因に作用するＢＣＴからなるものである。従って、適応型ナッジカクテル
を用いることにより、対象者からの反応に基づいて当該対象者の行動変容要因を動的に把
握し、集約的に行動変容を促すアプローチを取ることが可能となる。

このようなＭＥＣＥ型及び適応型のナッジカクテルを組み合わせることにより、最初は
対象者の行動変容要因が不明であったとしても、これらのナッジカクテルによる介入を順
次実行する過程で当該対象者の行動変容要因を把握し、効果的に行動変容を促すことが可
能となる。

ここで、ナッジカクテルを構成するメッセージの数、言い換えると、集合体を構成する
ＢＣＴベクトルの数は、対象者の行動変容率の目標水準、介入に費すことができる予算及
び時間（期間）、倫理的制約等の介入設計条件により決定することができる。ここで、倫
理的制約とは、例えば、介入の回数が多すぎると対象者からの苦情につながる、対象者に
高圧的な印象を与えてしまうといった倫理的な配慮のことである。例えば、３価のナッジ
カクテルが対象者全体の約６割への効果が見込めるのに対し、５価のナッジカクテルが対
象者全体の約９割に効果が見込めると予測される場合、上述した介入設計条件に基づいて
、３価と５価とのいずれにするかが決定される。

なお、２回目以降のナッジカクテルの生成においては、当該対象者に対して過去に送信
されたメッセージを除外した残りのメッセージ群からメッセージが抽出される。

（行動支援システムの構成）
次に、本実施形態に係る行動支援システムの構成を説明する。以下においては、具体的
な介入行動として、ナッジカクテルを構成するメッセージを、メールやショートメッセー
ジ（ＳＭ）により対象者に送信するものとする。

図３は、本実施形態に係る行動支援システムの概略構成の一例を示す図である。図３に
示すように、行動支援システム１は、行動支援装置１０及び端末２０を含む。行動支援装
置１０は、対象者の行動変容を促す行動変容要因に基づくナッジを利用したメッセージを
端末２０に提供する情報処理装置である。

端末２０は、行動変容の対象者が使用する端末であり、例えば、スマートフォン、携帯
電話、タブレット、パーソナルコンピュータ等の各種の情報機器であればよい。端末２０
は、ショートメッセージ、Ｅメール等のメッセージの受信機能、例えば、ＬＩＮＥ（登録
商標）等の各種のソーシャルネットワークサービス（ＳＮＳ）を利用可能であるものとす
る。

図４は、行動支援システム１内の装置のハードウェア構成の一例を示す図である。図４
に示すように、行動支援システム１内の各装置（例えば、行動支援装置１０、端末２０の
各々）は、演算装置に相当するＣＰＵ（Central Processing Unit）等のプロセッサ１１
と、記憶装置１２と、通信装置１３と、入出力装置１４とを有する。これらの各構成は、
バスを介して相互にデータ送受信可能に接続される。

プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit）であり、記憶装置１
２に記憶されたプログラムの実行に関する制御やデータの演算、加工を行う制御部である
。プロセッサ１１は、入出力装置１４及び／又は通信装置１３から種々の入力データを受
け取り、入力データの演算結果を入出力装置１４に出力（例えば、表示）したり、記憶装
置１２に格納したり、又は、通信装置１３を介して送信したりする。

記憶装置１２は、メモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）
、の少なくとも一つである。行動支援装置１０の記憶装置１２は、プロセッサ１１が実行
する行動支援プログラムを記憶してもよい。当該記憶装置１２は、「記憶部」等と呼ばれ
てもよい。

通信装置１３は、有線及び／又は無線ネットワークを介して通信を行う装置であり、例
えば、ネットワークカード、通信モジュール、チップ、アンテナ等を含んでもよい。通信
装置１３は、「送信部」又は「受信部」等と呼ばれてもよい。

入出力装置１４は、例えば、キーボード、タッチパネル、マウス及び／又はマイク等の
入力装置と、例えば、ディスプレイ及び／又はスピーカ等の出力装置とを含む。入出力装
置は、「入力部」又は「出力部」等と呼ばれてもよい。

以上説明したハードウェア構成は一例に過ぎない。行動支援システム１内の各装置は、
図４に記載したハードウェアの一部が省略されていてもよいし、図４に記載されていない
ハードウェアを備えていてもよい。また、図４に示すハードウェアが１又は複数のチップ
により構成されていてもよい。

図５は、行動支援システム１内の装置の機能構成を示す図である。なお、図５は例示に
すぎず、行動支援システム１内の各装置は、不図示の機能を備えてもよいことは勿論であ
る。

図５に示すように、行動支援装置１０は、設定部１０１、メッセージ生成部１０２、記
憶部１０３、ナッジカクテル生成部１０４、送信制御部１０５、取得部１０６、及び解析
部１０７を備える。なお、取得部１０６が実現する機能の少なくとも一部は、通信装置１
３を用いて実現することができる。また、設定部１０１、メッセージ生成部１０２、ナッ
ジカクテル生成部１０４、送信制御部１０５、及び解析部１０７は、プロセッサ１１が、
記憶装置１２に記憶された行動支援プログラムを実行することにより実現することができ
る。また、当該行動支援プログラムは、記憶媒体に格納することができる。当該プログラ
ムを格納した記憶媒体は、コンピュータ読み取り可能な非一時的な記憶媒体（Non－trans
itory computer readable medium）であってもよい。非一時的な記憶媒体は特に限定され
ないが、例えば、ＵＳＢメモリ又はＣＤ－ＲＯＭ等の記憶媒体であってもよい。また、記
憶部１０３は、記憶装置１２を用いて実現することができる。

なお、本実施形態では、行動支援装置１０が一体の装置として示されているが、複数の
装置に分割されていても良い。例えば、設定部１０１及びメッセージ生成部１０２を別体
の装置として構成し、当該別体の装置を、有線及び／又は無線ネットワークを介して行動
支援装置１０と接続しても良い。

設定部１０１は、複数の行動変容要因と、該複数の行動変容要因のうちの１つ以上の行
動変容要因に作用する複数の行動変容テクニックとが関連付けられたフレームとを設定す
ると共に、複数の行動変容要因を軸とする座標系を生成し、該座標系における目標領域や
、対象者の座標の初期設定等の各種設定を行う。

メッセージ生成部１０２は、複数のＢＣＴにそれぞれ紐づけられた複数のメッセージ群
を生成して記憶部１０３に格納する。各メッセージ群は、紐づけられたＢＣＴを具体的に
表現する１つ以上のメッセージを含む。

メッセージ生成部１０２は、各メッセージ群に含まれるメッセージを、有線又は無線の
通信ネットワーク又は記憶媒体を介して収集しても良いし、機械学習により自動生成して
も良い。或いは、自動生成された文面に対してオペレータが手を入れたものをメッセージ
として蓄積しても良い。また、メッセージ生成部１０２は、入出力装置１４からテキスト
入力されたメッセージを蓄積しても良いし、予め用意されたテンプレートを用いてメッセ
ージを生成しても良い。

記憶部１０３は、行動変容要因とＢＣＴを関連付けたフレーム（図１参照）、設定部１
０１により生成された座標系及び該座標系における各種設定情報、及び、各ＢＣＴに紐づ
けられたナッジメッセージ群（図２参照）等を記憶する。

ナッジカクテル生成部１０４は、介入の段階に応じて、記憶部１０３に記憶されたナッ
ジメッセージ群からメッセージを抽出することにより、ナッジカクテル（ＭＥＣＥ型ナッ
ジカクテル、適応型ナッジカクテル）を生成する。

送信制御部１０５は、ナッジカクテル生成部１０４により生成されたナッジカクテルに
含まれるメッセージを１回又は複数回に分けて対象者に出力するように制御する。送信制
御部１０５の制御に従って、行動支援装置１０の通信装置１３は、対象者の端末２０に対
してメッセージを送信する。メッセージは、メールやＳＭ（ショートメッセージ）を利用
して送信することができる。ここで、メッセージの送信制御には、例えば、ナッジカクテ
ル内の複数のメッセージの送信順序、各メッセージの送信日、各メッセージの送信時間帯
、当該複数のメッセージを送信する時間間隔（送信頻度）、各メッセージの送信中止、各
メッセージの送信回数等の制御が含まれてもよい。

取得部１０６は、出力されたメッセージに対する対象者からのレスポンス情報を取得す
る。レスポンス情報は、メッセージを受信した対象者からの反応を表す情報であり、例え
ば、メッセージを含むショートメッセージ（ＳＭ）やメールの閲覧の有無、ＳＭやメール
に設けられたリンクに対するクリック率（Click Through Rate：ＣＴＲ）、リンク先のサ
イトにおける滞在時間等の情報が挙げられる。取得部１０６は、対象者の端末２０からの
レスポンス情報をリアルタイムで取得してもよい。また、レスポンス情報は、対象者が反
応した１つ以上のメッセージを識別する情報（例えばメッセージＩＤ）を含んでも良く、
これにより、対象者が反応したメッセージが属するメッセージ群を判別することができる
。

解析部１０７は、各対象者からのレスポンス情報を解析し、解析結果に応じて、介入継
続の要否や、生成するナッジカクテルの種類（ＭＥＣＥ型又は適応型）等を判断する。具
体的には、解析部１０７は、複数の行動変容要因のうち、レスポンス情報が取得された対
象者が反応した行動変容要因を抽出する。

（行動支援システムの動作）
図６は、本実施形態に係る行動支援システムの動作を示すフローチャートである。なお
、図６に示す行動支援システムの動作は一例にすぎず、図示するものに限られない。また
、図７及び図８は、ＭＥＣＥ型ナッジカクテルの具体例を示す模式図である。図９は、適
応型ナッジカクテルの具体例を示す模式図である。

まず、事前に、各種調査や論文等を利用して、対象者のペルソナと行動プロセスマップ
などを通じて、介入の対象分野における複数の行動変容要因を特定しておく。なお、一つ
又は複数の行動変容要因の特定は、上記に限られない。例えば、価数が大きいＭＥＣＥ型
ナッジカクテルを使うことで、一以上の行動変容要因を特定してもよい。つまりＭＥＣＥ
型ナッジカクテルを用いた一回目の介入により行動変容要因を絞り込み（座標軸数の確定
）、ＭＥＣＥ型ナッジカクテルを用いた２回目の介入により初期座標が設定されてもよい
。また、対象者のペルソナ及び／又は行動プロセスマップは、決済アプリや、ソーシャル
ネットワークサービス（ＳＮＳ）を通じて収集されたデータに基づいて設定されてもよい
。

図６に示すように、行動支援装置１０は、特定された行動変容要因に基づいて、座標系
の生成及び各種設定を行う（ステップＳ１０１）。即ち、行動変容要因とＢＣＴとを関連
付けたフレーム（図１参照）に基づいてＢＣＴベクトルを定義すると共に、複数の行動変
容要因を座標軸とする座標系を生成し、該座標系における目標領域及び対象者の初期座標
を設定する。

続いて、行動支援装置１０は、各ＢＣＴ（行動変容テクニック）に対応する複数のメッ
セージを生成する（ステップＳ１０２）。生成されたメッセージは、対応するＢＣＴに紐
づけて記憶部１０３に記憶される。

続いて、行動支援装置１０は、対象者ごとにＭＥＣＥ型ナッジカクテルを作成する（ス
テップＳ１０３）。上述したように、ＭＥＣＥ型ナッジカクテルにおいては、複数のＢＣ
Ｔにそれぞれ紐づけられたメッセージ群の各々からメッセージがランダムに抽出されるた
め、各対象者に対して異なるメッセージセットが作成される。

具体的には、図７に示すように、対象者Ｘのためには、図２に示すナッジメッセージ群
のうち「動作指示」に紐づけられたメッセージ群から抽出された文面Ｂと、「社会的支援
」に紐づけられたメッセージ群から抽出された文面Ｄと、「社会規範」に紐づけられたメ
ッセージ群から抽出された文面ＪとからなるＭＥＣＥ型ナッジカクテルが生成される。同
様に、対象者Ｙのために、「動作指示」に紐づけられたメッセージ群から抽出された文面
Ｂと、「社会的支援」に紐づけられたメッセージ群から抽出された文面Ｅと、「社会規範
」に紐づけられたメッセージ群から抽出された文面ＨとからなるＭＥＣＥ型ナッジカクテ
ルが生成される。対象者Ｚについても同様である。

続いて、行動支援装置１０は、生成したＭＥＣＥ型ナッジカクテルを各対象者に送信す
る（ステップＳ１０４）。この際、１つのナッジカクテルに含まれる全てのメッセージを
一括して送信しても良いし、一定期間を開けながら１つ以上のメッセージを順次送信して
も良い。

なお、１回の介入（ナッジカクテルの生成機会）において設定されたメッセージの送信
回数に対し、ナッジカクテルを構成するＢＣＴの数が少ないという場合があり得る。この
ような場合、１種類のＢＣＴに紐づけられたメッセージ群から抽出されるメッセージの数
を増やしても良い。例えば、設定された送信回数が３回で、ＢＣＴが２つという場合、影
響が相対的に大きいと考えられるＢＣＴに対応付けられたメッセージ群から２つのメッセ
ージをランダムに抽出しても良い。或いは、各ＢＣＴに紐づけられたメッセージ群からメ
ッセージを１つずつランダムに抽出し、さらに、２つのメッセージ群全体（抽出済みのメ
ッセージを除く）から１つのメッセージをランダムに抽出しても良い。

また、ナッジカクテルに含まれるメッセージをメールやＳＭでメッセージを送信する代
わりに、ヒートマップ分析が可能な動画やウェブサイトという形態でナッジカクテルを送
信しても良い。

その後、さらにメッセージを送信する機会がない場合（ステップＳ１０５：Ｎｏ）、行
動支援装置１０は介入行動を終了する。他方、さらにメッセージの送信が行われる場合（
ステップＳ１０５：Ｙｅｓ）、行動支援装置１０は、対象者ごとに、送信されたＭＥＣＥ
型ナッジカクテルの行動変容要因への反応を確認する（ステップＳ１０６）。

行動支援装置１０は、ＭＥＣＥ型ナッジカクテルに対して何ら反応が得られない対象者
に対し（ステップＳ１０７：Ｎｏ）、再びＭＥＣＥ型ナッジカクテルを作成する（ステッ
プＳ１０３）。ただし、２回目以降に生成されるＭＥＣＥ型ナッジカクテルにおいては、
抽出対象となる各メッセージ群から、当該対象者に対して出力済みのメッセージを除くメ
ッセージがランダムに１つずつ抽出される。例えば、対象者Ｙからレスポンス情報が取得
されなかった場合、当該対象者Ｙのためには、図８に示すように、「動作指示」に紐づけ
られたメッセージ（図２参照）のうち、送信済みの文面Ｂ以外のメッセージからランダム
に抽出された１つのメッセージ（例えば文面Ｃ）と、「社会的支援」に紐づけられたメッ
セージのうち、送信済みの文面Ｅ以外のメッセージからランダムに抽出された１つのメッ
セージ（例えば文面Ｆ）と、「社会規範」に紐づけられたメッセージのうち、送信済みの
文面Ｈ以外のメッセージからランダムに抽出された１つのメッセージ（例えば文面Ｊ）と
からなるＭＥＣＥ型ナッジカクテルが生成される。

他方、行動支援装置１０は、何らかの反応が得られた対象者について（ステップＳ１０
７：Ｙｅｓ）、座標系における座標を更新する（ステップＳ１０８）。

続いて、行動支援装置１０は、当該対象者に対し、適応型ナッジカクテルを生成する（
ステップＳ１０９）。例えば、更新後の対象者Ｘの座標に基づいて介入ベクトル<+2,+2,+
2>が算出され、この介入ベクトルと等価のＢＣＴベクトルの集合体[<+2,+1,0>、<0,+1,0>
、<0,0,+1>×2]が選択された場合、対象者Ｘのために、図９に示すように、「社会的支援
」と紐づけられたメッセージ（図２参照）のうち、送信済みの文面Ｄ以外のメッセージか
らランダムに抽出された１つのメッセージ（例えば文面Ｅ）と、「社会規範」に紐づけら
れたメッセージのうち、送信済みの文面Ｊ以外のメッセージからランダムに抽出された２
つのメッセージ（例えば文面Ｈ及びＩ）と、「段階的タスク設定」に紐づけられたメッセ
ージからランダムに抽出された１つメッセージ（例えば文面Ｋ）とからなる適応型ナッジ
カクテルが生成される。なお、介入ベクトルの価数ｎは、集合体に含まれるＢＣＴベクト
ルの種別（すなわち、ＢＣＴベクトルが示す行動変容要因）の数と等しくともよい。この
ように、集合体に同一の種別（例えば、上記<0,0,+1>）の複数のＢＣＴベクトルが含まれ
る場合、逓減効果、スパム判定回避の観点から、当該複数のＢＣＴベクトルの数と等しい
数のメッセージが抽出されてもよいし、当該複数のＢＣＴベクトルの数より少ない数のメ
ッセージが抽出されてもよい。

続いて、行動支援装置１０は、生成した適応型ナッジカクテルを各対象者に送信する（
ステップＳ１１０）。送信回数及び方法については、ステップＳ１０４と同様である。

その後、さらにメッセージを送信する機会がない場合（ステップＳ１１１：Ｎｏ）、行
動支援装置１０は介入行動を終了する。他方、さらにメッセージの送信が行われる場合（
ステップＳ１１１：Ｙｅｓ）、行動支援装置１０は、対象者ごとに、送信された適応型ナ
ッジカクテルの行動変容要因への反応を確認する（ステップＳ１１２）。

行動支援装置１０は、適応型ナッジカクテルに対して何ら反応が得られない対象者に対
し（ステップＳ１１３：Ｎｏ）、当該対象者に対して送信されたＭＥＣＥ型ナッジカクテ
ルの行動変容要因への反応を確認する（ステップＳ１０６）。

他方、行動支援装置１０は、適応型ナッジカクテルに対して何らかの反応が得られた対
象者について（ステップＳ１１３：Ｙｅｓ）、座標系における座標を更新する（ステップ
Ｓ１１４）。そして、更新後の座標が目標領域に到達している場合（ステップＳ１１５：
Ｙｅｓ）、行動支援装置１０は当該対象者への介入を停止する。他方、更新後の座標が目
標領域に到達していない場合（ステップＳ１１５：Ｎｏ）、行動支援装置１０は、当該対
象者に対し、再び適応型ナッジカクテルを作成する（ステップＳ１０９）。

以上説明したように、本実施形態によれば、対象者の個人情報を用いることなく、対象
者の行動変容を効果的に促すことを可能となる。

また、本実施形態によれば、ＭＥＣＥ型ナッジカクテルにより、最初から重複のない網
羅的な介入を行うことができるため、従来よりも短時間で対象者の行動変容を起こすこと
が可能となる。

また、本実施形態によれば、時間の経過や環境の変化による行動変容要因への影響が生
じたとしても、適応型ナッジカクテルによりそのような影響を柔軟に取り入れることがで
きる。

また、本実施形態によれば、ナッジカクテルの生成過程にランダム性を取り入れること
で、介入設計者が勘と経験に基づいてナッジを選択する従来の介入設計と比較して、安定
した介入効果を得ることができる。

また、本実施形態によれば、ＣＯＭ－ＢモデルやＩＢＭにより規定される要因を用いて
、行動変容要因を特定することにより、行動科学の側面から質を担保することができる。
さらに、各メッセージ群からランダムにメッセージを抽出してナッジカクテルを生成する
ので、行動科学によっては制御しきれない不確実性によるリスクを分散することが可能と
なる。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定
して解釈するためのものではない。実施形態で説明したフローチャート、シーケンス、実
施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したもの
に限定されるわけではなく適宜変更することができる。

１…行動支援システム、１０…行動支援装置、１１…プロセッサ、１２…記憶装置、１
３…通信装置、１４…入出力装置、２０…端末、１０１…設定部、１０２…メッセージ生
成部、１０３…記憶部、１０４…ナッジカクテル生成部、１０５…送信制御部、１０６…
取得部、１０７…解析部

Claims

対象者の行動変容を支援する行動支援システムであって、
複数の行動変容要因のうちの１つ以上の行動変容要因に作用する複数の行動変容テクニ
ックにそれぞれ紐づけられた複数のメッセージ群であって、各メッセージ群は１つ以上の
メッセージを含む、複数のメッセージ群を記憶する記憶部と、
前記複数のメッセージ群のうち１つ以上のメッセージ群の各々からメッセージを抽出し
、該抽出されたメッセージからなるメッセージセットを、対象者ごとに生成する生成部と
、
前記メッセージセット内のメッセージを１回又は複数回に分けて対象者に出力するよう
に制御する制御部と、
を備える行動支援システム。
前記生成部は、前記複数の行動変容テクニックのうち特定の行動変容要因にのみ作用す
る行動変容テクニックを、前記複数の行動変容要因の全てについて選択し、選択された行
動変容テクニックにそれぞれ紐づけられたメッセージ群の各々から１つのメッセージを抽
出することにより、第１のメッセージセットを生成する、請求項１に記載の行動支援シス
テム。
出力されたメッセージに対する対象者からのレスポンス情報を取得する取得部と、
前記レスポンス情報に基づいて、前記複数の行動変容要因のうち、当該レスポンス情報
が取得された対象者が反応した行動変容要因を抽出する解析部と、
をさらに備え、
前記生成部は、さらに、当該レスポンス情報が取得された対象者のために、当該対象者
が反応した行動変容要因に作用する行動変容テクニックを選択し、選択された行動変容テ
クニックにそれぞれ紐づけられたメッセージ群の各々から１つ以上のメッセージを抽出す
ることにより、第２のメッセージセットを生成する、請求項１又は２に記載の行動支援シ
ステム。
前記生成部は、各メッセージ群からランダムにメッセージを抽出する、請求項１から請
求項３いずれか１つに記載の行動支援システム。
前記複数の行動変容要因は、ＣＯＭ－Ｂモデルにおける能力、機会、及び、動機を含む
、請求項１から請求項４のいずれか１項に記載の行動支援システム。
前記複数の行動変容要因は、経験的態度、手段的態度、指示的規範、記述的規範、行動
コントロール感、自己効力感、知識、技術、行動の重要性、環境上の制約、習慣化の少な
くとも２つを含む、請求項１から請求項４のいずれかに記載の行動支援システム。
対象者の行動変容を支援する行動支援方法であって、
複数の行動変容要因のうちの１つ以上の行動変容要因に作用する複数の行動変容テクニ
ックにそれぞれ紐づけられた複数のメッセージ群であって、各メッセージ群は１つ以上の
メッセージを含む、複数のメッセージ群のうち、１つ以上のメッセージ群の各々からメッ
セージを抽出し、該抽出されたメッセージからなるメッセージセットを、対象者ごとに生
成する工程と、
前記メッセージセット内のメッセージを１回又は複数回に分けて対象者に出力するよう
に制御する工程と、
を含む行動支援方法。
対象者の行動変容を支援するコンピュータに実行させる行動支援プログラムあって、
複数の行動変容要因のうちの１つ以上の行動変容要因に作用する複数の行動変容テクニ
ックにそれぞれ紐づけられた複数のメッセージ群であって、各メッセージ群は１つ以上の
メッセージを含む、複数のメッセージ群のうち、１つ以上のメッセージ群の各々からメッ
セージを抽出し、該抽出されたメッセージからなるメッセージセットを、対象者ごとに生
成する工程と、
前記メッセージセット内のメッセージを１回又は複数回に分けて対象者に出力するよう
に制御する工程と、
を実行させる行動支援プログラム。