JP2024028029A - プログラム、方法、情報処理装置、およびシステム - Google Patents
プログラム、方法、情報処理装置、およびシステム Download PDFInfo
- Publication number
- JP2024028029A JP2024028029A JP2022131333A JP2022131333A JP2024028029A JP 2024028029 A JP2024028029 A JP 2024028029A JP 2022131333 A JP2022131333 A JP 2022131333A JP 2022131333 A JP2022131333 A JP 2022131333A JP 2024028029 A JP2024028029 A JP 2024028029A
- Authority
- JP
- Japan
- Prior art keywords
- user
- spot
- day
- visited
- location information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 26
- 230000010365 information processing Effects 0.000 title claims description 6
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 230000009471 action Effects 0.000 claims description 23
- 230000000694 effects Effects 0.000 claims description 13
- 230000003542 behavioural effect Effects 0.000 abstract description 12
- 230000002354 daily effect Effects 0.000 description 126
- 230000006399 behavior Effects 0.000 description 110
- 238000007405 data analysis Methods 0.000 description 29
- 238000004458 analytical method Methods 0.000 description 24
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000011160 research Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 239000000203 mixture Substances 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000019441 ethanol Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】プロセッサを備えるコンピュータに、複数のユーザの位置情報を取得するユーザ情報取得ステップと、前記ユーザの位置情報から所定の期間に所定のスポットを訪問したユーザを抽出するユーザ抽出ステップと、抽出した前記ユーザの位置情報に基づいて、前記所定のスポットを訪問したユーザが、当該スポットを訪問したタイミングを基準とした所定の単位時間ごとの前後期間に、前記ユーザがどこにいたかについてのデータを、当日行動データとして生成する当日行動データ生成ステップと、を実行させるプログラムが提供される。
【選択図】図1
Description
・統計データは可能な限り単一のデータから生成されるのが望ましい
・当統計はユーザの位置情報とスポットに関する情報で行う
という観点で、本開示における情報処理装置としてのサーバ10の着想に至った。以下、サーバ10の構成を説明する。
(1.サーバ10の機能構成)
以下、サーバ10の構成を詳細に説明する。図1に示すように、本実施形態に係るサーバ10は、通信部101、記憶部102、制御部103を備える。通信部101は、サーバ10が他の装置と通信するための処理を行う。通信部101は、制御部103で生成された信号に送信処理を施し、外部へ送信する。通信部101は、外部から受信した信号に受信処理を施し、制御部103へ出力する。
ユーザ情報取得部1031は、通信部101を介して、ユーザの位置情報及び時間情報を取得する。ユーザの位置情報は、例えば、緯度、経度などの情報である。また、時間情報は、位置情報を取得した時点の時間情報である。
ユーザ抽出部1032は、所定の期間に所定のスポットを訪問したユーザ(以下、訪問ユーザともいう)を抽出する。所定の期間(以下、調査期間ともいう)は、任意の期間を設定することができ、例えば1カ月間としてもよい。スポットとは、店舗、施設など緯度及び経度により特定することのできる一定の場所のことをいう。所定のスポット(以下、調査スポットともいう)とは、特定の店舗、施設、美術館など調査ごとに適宜設定することができる。なお、ユーザ抽出部1032は、地図を予め所定の間隔(一例として125m間隔)で方眼状にメッシュとして区切り、当該メッシュ単位で調査スポットに訪問したか否かを判定してもよい。この場合、あるメッシュを訪問した場合に、当該メッシュ内に含まれる1つまたは複数のスポットを訪問したと判定してもよい。なお、所定のスポットが例えば大きな公園のように広い面積を有する場合には、1つのスポット内に複数のメッシュが存在するケースもあり得る。この場合、1つのスポット内の複数のメッシュを訪問した場合であっても、当該スポットを1回訪問したと判定してもよい。ユーザ抽出部1032は、ユーザ情報DB1021およびスポット情報DB1022を参照し、調査期間に調査スポットを訪問したユーザを抽出する。
行動データ生成部1033は、訪問ユーザの当日の行動についての統計データである当日行動データと、日常の行動についての統計データである日常行動データを生成する。具体的には、行動データ生成部1033は、抽出された訪問ユーザが調査スポットを訪問した日(以下、当日ともいう)における位置情報(以下、当日位置情報ともいう)を取得する。また、行動データ生成部1033は、抽出されたユーザの調査期間(以下、日常ともいう)における位置情報(以下、日常位置情報ともいう)を取得する。さらに、行動データ生成部1033は、クラスタ生成部1033aと、重要度算出部1033bを含む。
本実施形態におけるクラスタ生成部1033aは、ユーザが訪問したスポットの位置情報に基づいて、ユーザの分類であるクラスタを生成するエリアクラスタリングを行う。
It(当日重要度)=Ft(当日における頻度)×Rt(当日におけるレアリティ)
Ft=(At/Bt)
Rt=(Ct/Dt)
At:当日における各ユーザのスポット毎の訪問回数
Bt:当日における各ユーザの全てのスポットの総訪問回数
Ct:当日における全ユーザの全てのスポットの総訪問回数
Dt:当日における全ユーザのスポット毎の総訪問回数
として算出された当日重要度Itを加味したクラスタリングを行ってもよい。このようにすることで、当該スポットの重要度を評価したクラスタリングを行うことができる。
At:当日における各ユーザのスポット毎の総滞在時間
Bt:当日における各ユーザの全てのスポットの総滞在時間
Ct:当日における全ユーザの全てのスポットの総滞在時間
Dt:当日における全ユーザのスポット毎の総滞在時間
として算出された当日重要度Itを加味してクラスタリングを行ってもよい。
At:当日における各ユーザのスポット毎の平均滞在時間
Bt:当日における各ユーザの全てのスポットの平均滞在時間
Ct:当日における全ユーザの全てのスポットの平均滞在時間
Dt:当日における全ユーザのスポット毎の平均滞在時間
として算出された当日重要度Itを加味してクラスタリングを行ってもよい。
重要度算出部1033bは、クラスタ生成部1033aによる当日データのエリアクラスタリングの結果と、ユーザの日常位置情報を用いて、ユーザの日常の行動における重要度である日常重要度Inを算出する。重要度算出部1033bは、クラスタ生成部1033aの生成したクラスタ毎に、当該クラスタに属するユーザの日常データを取得して、ユーザの日常の行動における日常重要度Inを算出する。
In(日常重要度)=Fn(日常における頻度)×Rn(日常におけるレアリティ)
Fn=(An/Bn)
Rn=(Cn/Dn)
An:日常における各ユーザのスポットの種類毎の訪問回数
Bn:日常における各ユーザの全てのスポットの種類の総訪問回数
Cn:日常における全ユーザの全てのスポットの種類の総訪問回数
Dn:日常における全ユーザのスポットの種類毎の総訪問回数
It(当日重要度)=Ft(当日における頻度)×Rt(当日におけるレアリティ)
Ft=(At/Bt)
Rt=(Ct/Dt)
At:当日における各ユーザのスポットの種類毎の訪問回数
Bt:当日における各ユーザの全てのスポットの種類の総訪問回数
Ct:当日における全ユーザの全てのスポットの種類の総訪問回数
Dt:当日における全ユーザのスポットの種類毎の総訪問回数
データ分析部1034は、行動データ生成部1033が生成した当日行動データと日常行動データとに基づいて、ユーザの行動の分析を行う。一例として、データ分析部1034は、当日行動データと日常行動データの比較のための表示、日常行動データに基づく当日行動のレコメンド、日常行動データに基づくユーザが属するクラスタのマッチングなどを行う。
図2にユーザ情報DB1021の具体例を示す。ユーザ情報取得部1031は、ユーザより、一定の時間的間隔をもって、定期的に位置情報及び時間情報を取得する。そして、ユーザ情報取得部1031は、位置情報を取得したユーザのユーザid、取得時間、ユーザの位置情報(緯度及び経度)をユーザ情報DB1021に記憶する。ユーザ情報DB1021が記憶する情報はこれらに限られるものではなく、ユーザの年齢(年代)、性別、居住地域など他の情報を記憶してもよい。
(3.処理の流れ)
図4は、本開示の第1実施形態におけるクラスタ生成プログラムの処理の流れを示す。
ステップS110において、ユーザ情報取得部1031は、ユーザの位置情報と時間を継続的に取得する。そして、ユーザ情報取得部1031は、取得した情報を、ユーザ情報DB1021に順次記憶する。
ステップS120において、ユーザ抽出部1032は、ユーザ情報DB1021とスポット情報DB1022を参照して、調査期間に調査スポットを訪問したユーザを抽出する。
ステップS130(行動データ生成処理)において、行動データ生成部1033は、ユーザ抽出部1032が抽出したユーザの当日位置情報および日常位置情報に基づいて、行動データ(当日行動データおよび日常行動データ)を生成する。行動データ生成処理では、ステップS131~ステップS134が実行される。
ステップS140において、データ分析部1034は、当日行動データ(当日位置情報、エリアクラスタリングの結果、および当日重要度It)と日常行動データ(日常位置情報および日常重要度In)の比較を行う。例えば、図8に示す例では、当日の行動についてのレーダーチャートと、日常の行動についてのレーダーチャートが対比されて表示されている。このような比較を行うことにより、抽出されたユーザが当日にどのような行動をとる嗜好があるのかを確認することができる。また、合わせて、抽出されたユーザが日常にどのような行動をとる嗜好があるのかも確認することができる。これにより、当日の行動の理由、必然性、動機付けなどを推察することができる。
・多数のユーザの位置情報に基づく分析結果を早く生成できる。
・データ分析における負荷を低減できる。
・属性回答者を多く得ることができ、正確なデータ分析を行うことができる。
・別データを結合する必要がなく、正確なデータ分析を行うことができる。
・別データを買い付ける必要がなく、安価にデータ分析を行うことができる。
・様々なデータを結合した複雑な生成方法ではないので、分析実行者は分析結果の転用が容易である。
図10は、サーバ10のハードウェア構成を示す図である。サーバ10は、汎用のコンピュータである。サーバ10は、例えば、据え置き型のPC(Personal Computer)、ラップトップPC等により実現される。また、サーバ10は、スマートフォン、又はタブレット端末などの携行性を備えたコンピュータであってもよい。
変形例として、上記実施形態では、ステップS131において、調査スポットを始めた訪れたチェックインのタイミングを基準としているが、ユーザが当該調査スポットを訪れたのちに離れたタイミング(以下、チェックアウトのタイミングという)を基準としてもよい。
第2実施形態におけるクラスタ生成部1033aは、ユーザが日常に訪問したスポットの種類(ジャンル)に基づいて、ユーザの分類であるジャンルクラスタを生成する。ここで、スポットの種類とは、具体的には、飲食店、遊興施設、パソコンショップ、書店などの事業に基づく区分けであってもよい。または、スポットの種類とは、そのスポットの開業日、SNS(Social Networking Service)・メディア等に紹介・登録された日、いずれの国を象徴するサービスであるか(例えばアメリカンスタイル、イタリアンスタイルなど)、顧客単価の分類、大衆向けかニッチ向けかなど、事業による区分けだけでなく、提供するサービスを様々な側面から見た基準による区分けであってもよい。
In(日常重要度)=Fn(日常における頻度)×Rn(日常におけるレアリティ)
Fn=(An/Bn)
Rn=(Cn/Dn)
An:日常における各ユーザのスポットの種類毎の訪問回数
Bn:日常における各ユーザの全てのスポットの種類の総訪問回数
Cn:日常における全ユーザの全てのスポットの種類の総訪問回数
Dn:日常における全ユーザのスポットの種類毎の総訪問回数
として算出された日常重要度Inを加味したクラスタリングを行ってもよい。このようにすることで、当該スポットの種類の重要度を評価したクラスタリングを行うことができる。
An:日常における各ユーザのスポットの種類毎の総滞在時間
Bn:日常における各ユーザの全てのスポットの種類の総滞在時間
Cn:日常における全ユーザの全てのスポットの種類の総滞在時間
Dn:日常における全ユーザのスポットの種類毎の総滞在時間
として算出された日常重要度Inを加味してクラスタリングを行ってもよい。
An:日常における各ユーザのスポットの種類毎の平均滞在時間
Bn:日常における各ユーザの全てのスポットの種類の平均滞在時間
Cn:日常における全ユーザの全てのスポットの種類の平均滞在時間
Dn:日常における全ユーザのスポットの種類毎の平均滞在時間
として算出された日常重要度Inを加味してクラスタリングを行ってもよい。
An:日常における各ユーザのスポットの種類毎の訪問スポット数
Bn:日常における各ユーザの全てのスポットの種類の総訪問スポット数
Cn:日常における全ユーザの全てのスポットの種類の総訪問スポット数
Dn:日常における全ユーザのスポットの種類毎の総訪問スポット数
として算出された日常重要度Inを加味してクラスタリングを行ってもよい。
重要度算出部1033bは、クラスタ生成部1033aによる日常データのジャンルクラスタリングの結果と、ユーザの当日位置情報を用いて、ユーザの当日の行動における重要度である当日重要度Itを算出する。重要度算出部1033bは、クラスタ生成部1033aの生成したクラスタ毎に、当該クラスタに属するユーザの当日データを抽出して、ユーザの当日の行動における当日重要度Itを算出する。
It(当日重要度)=Ft(当日における頻度)×Rt(当日におけるレアリティ)
Ft=(At/Bt)
Rt=(Ct/Dt)
At:当日における各ユーザのスポットの種類毎の訪問回数
Bt:当日における各ユーザの全てのスポットの種類の総訪問回数
Ct:当日における全ユーザの全てのスポットの種類の総訪問回数
Dt:当日における全ユーザのスポットの種類毎の総訪問回数
In(当日重要度)=Fn(当日における頻度)×Rn(当日におけるレアリティ)
Fn=(An/Bn)
Rn=(Cn/Dn)
An:当日における各ユーザのスポット毎の訪問回数
Bn:当日における各ユーザの全てのスポットの総訪問回数
Cn:当日における全ユーザの全てのスポットの総訪問回数
Dn:当日における全ユーザのスポット毎の総訪問回数
図13を参照して、第2実施形態における処理の流れを、第1実施形態との差異を中心に説明する。
データ活用部1035は、記憶部102の分析結果データベース1023に格納されている分析処理の結果(すなわち当日行動データと日常行動データ、およびそれらの比較データ)を参照して、ユーザの行動についてのレコメンドを生成する。
図16および図17を参照し、第3実施形態における処理の流れを説明する。ステップS110~ステップS140は、第1実施形態と同様であるため説明は繰り返さない。ステップS150において、データ活用部1035は、行動データ生成部1033による行動データ(当日行動データおよび日常行動データ)とデータ分析部1034による分析結果を分析結果データベース1023に登録する。
以上、本願の技術的範囲を適用する実施形態について説明したが、上記内容に限定されることはない。
Claims (18)
- プロセッサを備えるコンピュータに、
複数のユーザの位置情報を取得するユーザ情報取得ステップと、
前記ユーザの位置情報から所定の期間に所定のスポットを訪問したユーザを抽出するユーザ抽出ステップと、
抽出した前記ユーザの位置情報に基づいて、前記所定のスポットを訪問したユーザが、当該スポットを訪問したタイミングを基準とした所定の単位時間ごとの前後期間に、前記ユーザがどこにいたかについてのデータを、当日行動データとして生成する当日行動データ生成ステップと、を実行させるプログラム。 - 前記当日行動データ生成ステップでは、前記ユーザが当日に訪問したスポットの情報に基づくクラスタリングを行う、請求項1に記載のプログラム。
- 前記当日行動データ生成ステップでは、前記ユーザが前記当日に訪問したスポットの位置情報に基づく時系列を考慮したクラスタリングを行う、請求項2に記載のプログラム。
- 前記クラスタリングによって生成されたクラスタ毎に、前記ユーザが日常に訪問したスポットおよびスポットの種類の少なくとも一方の重要度を算出する、請求項2に記載のプログラム。
- 抽出した前記ユーザの位置情報に基づいて、当該ユーザが日常としての所定の期間に訪問したスポットについてのデータを、日常行動データとして生成する日常行動データ生成ステップをさらに実行する、請求項1~請求項4のいずれか1項に記載のプログラム。
- 前記日常行動データ生成ステップでは、前記当日行動データ生成ステップで用いたものと同一の前記ユーザの位置情報を用いて、前記日常行動データを生成する、請求項5に記載のプログラム。
- 前記日常行動データ生成ステップでは、前記ユーザが日常に訪問したスポットの情報に基づくクラスタリングを行う、請求項6に記載のプログラム。
- 前記クラスタリングによって生成されたクラスタ毎に、前記ユーザが当日に訪問したスポットおよびスポットの種類の少なくとも一方の重要度を算出する、請求項7に記載のプログラム。
- 前記当日行動データと前記日常行動データを比較するステップを実行させる、請求項5に記載のプログラム。
- 前記比較するステップでは、前記ユーザの当日行動データと日常行動データに基づいて、当日の行動と日常の行動との一致の度合いを特定する、請求項9に記載のプログラム。
- 前記一致の度合いに基づいて、前記ユーザの行動パターンに沿うと推定されるスポットまたはコンテンツに関するレコメンド行う、請求項10に記載のプログラム。
- 前記当日行動データと前記日常行動データを比較するステップにおいて、前記ユーザが日常および当日に訪れたスポットに関する重要度に基づいて、前記スポットのクラスタリングを行う、請求項9に記載のプログラム。
- 前記当日行動データと前記日常行動データを比較するスポットにおいて、スポットに関する重要度に基づいて、前記ユーザが行動した日付のクラスタリングを行う、請求項9に記載のプログラム。
- 前記ユーザのクラスタリングの結果に基づいて、前記ユーザを当日または日常の行動から他のユーザの行動パターンに類似するクラスタとのマッチングを行う、請求項9に記載のプログラム。
- 前記マッチングに基づいて、マッチングしたユーザに対し類似するクラスタの当日または日常の行動パターンに沿うと推定されるスポットまたはコンテンツに関するレコメンドを行う、請求項14に記載のプログラム。
- プロセッサを備えるコンピュータに、
複数のユーザの位置情報を取得するユーザ情報取得ステップと、
前記ユーザの位置情報から所定の期間に所定のスポットを訪問したユーザを抽出するユーザ抽出ステップと、
抽出した前記ユーザの位置情報に基づいて、前記所定のスポットを訪問したユーザが、当該スポットを訪問したタイミングを基準とした所定の単位時間ごとの前後期間に、前記ユーザがどこにいたかについてのデータを、当日行動データとして生成する当日行動データ生成ステップと、を実行させる方法。 - プロセッサを備える情報処理装置であって、前記プロセッサは、
複数のユーザの位置情報を取得するユーザ情報取得ステップと、
前記ユーザの位置情報から所定の期間に所定のスポットを訪問したユーザを抽出するユーザ抽出ステップと、
抽出した前記ユーザの位置情報に基づいて、前記所定のスポットを訪問したユーザが、当該スポットを訪問したタイミングを基準とした所定の単位時間ごとの前後期間に、前記ユーザがどこにいたかについてのデータを、当日行動データとして生成する当日行動データ生成ステップと、を実行する情報処理装置。 - プロセッサを備えるコンピュータを含むシステムであって、
複数のユーザの位置情報を取得するユーザ情報取得ステップと、
前記ユーザの位置情報から所定の期間に所定のスポットを訪問したユーザを抽出するユーザ抽出ステップと、
抽出した前記ユーザの位置情報に基づいて、前記所定のスポットを訪問したユーザが、当該スポットを訪問したタイミングを基準とした所定の単位時間ごとの前後期間に、前記ユーザがどこにいたかについてのデータを、当日行動データとして生成する当日行動データ生成ステップと、を実行するシステム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022131333A JP7291922B1 (ja) | 2022-08-19 | 2022-08-19 | プログラム、方法、情報処理装置、およびシステム |
JP2023088268A JP2024028114A (ja) | 2022-08-19 | 2023-05-29 | プログラム、方法、情報処理装置、およびシステム |
PCT/JP2023/024453 WO2024038689A1 (ja) | 2022-08-19 | 2023-06-30 | プログラム、方法、情報処理装置、およびシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022131333A JP7291922B1 (ja) | 2022-08-19 | 2022-08-19 | プログラム、方法、情報処理装置、およびシステム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023088268A Division JP2024028114A (ja) | 2022-08-19 | 2023-05-29 | プログラム、方法、情報処理装置、およびシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7291922B1 JP7291922B1 (ja) | 2023-06-16 |
JP2024028029A true JP2024028029A (ja) | 2024-03-01 |
Family
ID=86729184
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022131333A Active JP7291922B1 (ja) | 2022-08-19 | 2022-08-19 | プログラム、方法、情報処理装置、およびシステム |
JP2023088268A Pending JP2024028114A (ja) | 2022-08-19 | 2023-05-29 | プログラム、方法、情報処理装置、およびシステム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023088268A Pending JP2024028114A (ja) | 2022-08-19 | 2023-05-29 | プログラム、方法、情報処理装置、およびシステム |
Country Status (2)
Country | Link |
---|---|
JP (2) | JP7291922B1 (ja) |
WO (1) | WO2024038689A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004075137A1 (ja) * | 2003-02-19 | 2004-09-02 | Matsushita Electric Industrial Co., Ltd. | 情報提供装置 |
JP2011118458A (ja) * | 2009-11-30 | 2011-06-16 | Fujitsu Ltd | 情報提供装置、情報提供方法、および情報提供プログラム |
JP2012044262A (ja) * | 2010-08-12 | 2012-03-01 | Ntt Docomo Inc | 滞在時間推定装置及び滞在時間推定方法 |
JP2013019740A (ja) * | 2011-07-11 | 2013-01-31 | Nissan Motor Co Ltd | 駐車場所情報提供装置及び駐車場所情報提供方法 |
CN103310281A (zh) * | 2012-03-16 | 2013-09-18 | 日电(中国)有限公司 | 旅游路线提取系统和方法 |
-
2022
- 2022-08-19 JP JP2022131333A patent/JP7291922B1/ja active Active
-
2023
- 2023-05-29 JP JP2023088268A patent/JP2024028114A/ja active Pending
- 2023-06-30 WO PCT/JP2023/024453 patent/WO2024038689A1/ja unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004075137A1 (ja) * | 2003-02-19 | 2004-09-02 | Matsushita Electric Industrial Co., Ltd. | 情報提供装置 |
JP2011118458A (ja) * | 2009-11-30 | 2011-06-16 | Fujitsu Ltd | 情報提供装置、情報提供方法、および情報提供プログラム |
JP2012044262A (ja) * | 2010-08-12 | 2012-03-01 | Ntt Docomo Inc | 滞在時間推定装置及び滞在時間推定方法 |
JP2013019740A (ja) * | 2011-07-11 | 2013-01-31 | Nissan Motor Co Ltd | 駐車場所情報提供装置及び駐車場所情報提供方法 |
CN103310281A (zh) * | 2012-03-16 | 2013-09-18 | 日电(中国)有限公司 | 旅游路线提取系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7291922B1 (ja) | 2023-06-16 |
JP2024028114A (ja) | 2024-03-01 |
WO2024038689A1 (ja) | 2024-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570722B (zh) | 一种智能推荐系统及智能推荐方法 | |
US10423983B2 (en) | Determining targeting information based on a predictive targeting model | |
US9183497B2 (en) | Performance-efficient system for predicting user activities based on time-related features | |
WO2016206196A1 (zh) | 用于获取用户属性信息的方法、装置及服务器 | |
TWI417800B (zh) | 以興趣為基礎之目標銷售的使用者介面 | |
Vu et al. | Cross-country analysis of tourist activities based on venue-referenced social media data | |
Sobolevsky et al. | Cities through the prism of people’s spending behavior | |
Trasberg et al. | Spatial and social disparities in the decline of activities during the COVID-19 lockdown in Greater London | |
Huang et al. | Understanding human activity patterns based on space-time-semantics | |
US20120310737A1 (en) | Method for providing advertisement, computer-readable medium including program for performing the method and advertisement providing system | |
Gunter et al. | An exploratory analysis of geotagged photos from Instagram for residents of and visitors to Vienna | |
JP5356100B2 (ja) | 情報処理システム及び方法 | |
US20230018382A1 (en) | Cluster generation apparatus, cluster generation method, and a non-transitory computer-readable storage medium | |
JP7001508B2 (ja) | 情報処理装置、情報処理方法、およびプログラム。 | |
Ye et al. | Understanding Chinese tourist mobility and consumption-related behaviours in London using Sina Weibo check-ins | |
WO2024038689A1 (ja) | プログラム、方法、情報処理装置、およびシステム | |
Chun et al. | Domestic free independent tourists’ satisfaction and willingness to pay a premium, and intention to revisit: Deluxe hotels in Busan | |
JP6572460B2 (ja) | 地域交通コミュニティ形成サーバ、地域交通コミュニティ形成システム及びその方法 | |
JP2020123031A (ja) | データ処理装置、データ処理方法およびプログラム | |
JP2020095608A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Graells-Garrido et al. | Measuring the local complementarity of population, amenities and digital activities to identify and understand urban areas of interest | |
JP6989185B1 (ja) | クラスタ生成装置、クラスタ生成方法及びクラスタ生成プログラム | |
US20160249083A1 (en) | Tabulation system | |
Chatzidimitris et al. | A location history-aware retail product recommender system | |
JP7488616B1 (ja) | プログラム、方法、情報処理装置、およびシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220819 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220819 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230315 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230529 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230529 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7291922 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |