JP2024066049A - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】ウェブサイトにおけるユーザの行動パターンを精緻に分析し、広告効果の最適化を図ることができる情報処理装置、情報処理システム、及びプログラムを提供する。【解決手段】ウェブサイトを利用するユーザに回答させるためのアンケート項目が含まれるアンケート項目リストを作成し、アンケート項目リストに含まれる１以上のアンケート項目からなるアンケートフォームを含むウェブサイトを生成し、アンケートフォームにおけるアンケート項目にユーザが回答したとき、当該アンケート項目に対するユーザの回答を記録し、記録される回答のうち、ウェブサイトの提供者が意図するユーザの目標行動の要因となり得る要因回答を抽出し、抽出される要因回答と当該要因回答に係るアンケート項目とを当該要因回答をしたユーザの属性情報とあわせて取得する。【選択図】 図３

Description

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

近年、ウェブサイトを通じて様々な広告（いわゆる「Ｗｅｂ広告」）が当該ウェブサイトのユーザに提供されている。なお、このウェブサイトには、当該ウェブサイトを訪問するユーザが通常、最初に閲覧する、いわゆるホームページ（トップページ）やランディングページ（広義及び狭義のランディングページを含む。以下「ＬＰ」と表記する場合がある。）がある。

Ｗｅｂ広告に関して、リターケティング広告という手法が知られている。リターゲティング広告とは、一度Ｗｅｂサイトを訪れたユーザをＣｏｏｋｉｅによって追いかけ、ユーザが閲覧したコンテンツに応じた内容の広告を表示する追従型広告のことをいう。

このリターケティング広告に関し、効果的にリターゲティング広告を配信することができるようにする広告配信装置が特許文献１に記載されている。特許文献１には、Ｗｅｂサーバが、ランディングサイトにおけるユーザの行動パターンを取得する行動パターン取得手段と、行動パターンに応じて異なる広告を、ユーザをランディングサイトにアクセスさせるリンクを設定して配信する広告配信手段とを備える広告配信装置が記載されている。

特開２０１３－２５７７２４号公報

特許文献１には、取得されるユーザのランディングサイトにおける行動パターンとは、典型的にはアンケートに対するユーザの回答パターンであることや、この回答パターン（行動パターン）に応じて異なる広告画像が配信されることが記載されており、これにより、繰り返しの露出によりユーザに飽きられてしまうなど、同じ広告を繰り返すことによる広告効果の低減を抑制するとともに、ランディングページへの再訪を促進することにより高い広告効果を得ることが記載されている。

しかしながら、特許文献１には、特定の行動パターンごとに異なる広告画像が配信される仕組みが開示されているに過ぎず、ユーザの行動パターンを精緻に分析し、広告効果の最適化を図る手法については開示されていない。

このような実情のもとに本発明は創案されたものであって、その目的は、ウェブサイトにおけるユーザの行動パターンを精緻に分析し、広告効果の最適化を図ることができる情報処理装置、情報処理方法、及びプログラムを提供することにある。

上述した課題を解決するために、本発明にかかる情報処理装置は、ウェブサイトを利用するユーザに回答させるためのアンケート項目が含まれるアンケート項目リストを作成するアンケート項目リスト作成手段と、アンケート項目リストに含まれる１以上のアンケート項目からなるアンケートフォームを含むウェブサイトを生成するウェブサイト生成手段と、アンケートフォームにおけるアンケート項目にユーザが回答したとき、当該アンケート項目に対するユーザの回答を記録する回答記録手段と、回答記録手段により記録される回答のうち、ウェブサイトの提供者が意図するユーザの目標行動の要因となり得る要因回答を抽出する要因回答抽出手段と、要因回答抽出手段により抽出される要因回答と当該要因回答に係るアンケート項目とを当該要因回答をしたユーザの属性情報とあわせて取得する要因回答取得手段とを備える。

本発明によれば、ウェブサイトにおけるユーザの行動パターンを精緻に分析し、広告効果の最適化を図ることができる。

図１は、本開示の実施形態における情報処理システムの概略構成図である。 図２は、本開示の実施形態における情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。 図３は、本開示の実施形態における情報処理装置の機能ブロック図である。 図４は、本開示の実施形態におけるアンケート項目リストの具体例を示す図である。 図５は、本開示の実施形態におけるアンケート項目リストの具体例を示す図である。 図６は、本開示の実施形態におけるアンケート項目にユーザが回答した場合のチェックリストの具体例を示す図である。 図７（Ａ）は、本開示の実施形態におけるアンケート回答結果ごとの結果到達率及び上昇率の具体例を示す図であり、図７（Ｂ）は、図７（Ａ）における到達率の結果に影響を与えた回答の影響度を示す図である。 図８は、本開示の実施形態における情報処理の流れを示すフローチャートである。

以下、図面を参照しながら、本発明を実施するための実施形態について詳細に説明する。なお、本発明は以下に説明する形態に限定されることはなく、技術思想を逸脱しない範囲において種々変形を行なって実施することが可能である。

図１は、本開示の実施形態（以下「本実施形態」という。）における情報処理装置１０、ユーザ端末２０、Ｗｅｂサーバ３０、プラットフォームサーバ４０がネットワーク５０を介して相互に接続されてなる情報処理システム１の概略構成図である。このうち、情報処理装置１０については後述する。なお、図１に示される情報処理システム１の構成は一例であり、本発明の情報処理システムの構成が、図1に示される構成に限定されるものではない。

ユーザ端末２０は、例えばパーソナルコンピューター（以下「ＰＣ」という。）やスマートフォン等の情報処理端末である。なお、図１にはユーザ端末２０としてＰＣが図示されているが一例であり、ユーザ端末２０がＰＣに限定されるものではないことはいうまでもない。ユーザ端末２０は、制御部、記憶部、通信部、表示部、入力部、電源部等より構成され得る。ユーザ端末２０が例えばスマートフォンやタブレットＰＣ等の情報処理端末である場合、上記に加え、撮影部、音声入出力部、生体認証デバイス等が構成要素として含まれ得る。

Ｗｅｂサーバ３０は、情報処理装置１０やユーザ端末２０からのＷｅｂブラウザからのリクエストに応じて、ＨＴＭＬ（Hyper Text Markup Language）や画像ファイルなどの情報を提供する。また、プラットフォームサーバ４０は、例えばＧｏｏｇｌｅ（登録商標）アナリティクスやＦａｃｅｂｏｏｋ（登録商標））などのプラットフォーマーのサーバである。

ネットワーク５０は、インターネットや、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）などの情報通信ネットワークである。情報処理装置１０とユーザ端末２０とがネットワーク５０を介して相互に接続され得る。なお、ネットワーク５０は、有線ネットワークでも無線ネットワークでもどちらでもよい。

［ハードウェア構成］
図２は、本実施形態における情報処理装置１０の機能を実現するコンピュータの一例を示すハードウェア構成図である。本実施形態に係る情報処理装置１０は、例えば、図２に示すような構成のコンピュータによって実現される。情報処理装置１０に係るコンピュータは、ＣＰＵ１１、ＲＡＭ１２、ＲＯＭ１３、ＨＤＤ１４、通信インターフェイス１５、入出力インターフェイス１６、およびメディアインターフェイス１７を有する。

ＣＰＵ１１は、ＲＯＭ１３またはＨＤＤ１４に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３は、情報処理装置１０に係るコンピュータの起動時にＣＰＵ１１によって実行されるブートプログラムや、管理サーバ１０に係るコンピュータのハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４は、ＣＰＵ１１によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５は、ネットワークを介して他の機器からデータを受信してＣＰＵ１１へ送り、ＣＰＵ１１が生成したデータを、ネットワークを介して他の機器へ送信する。

ＣＰＵ１１は、入出力インターフェイス１６を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１は、入出力インターフェイス１６を介して、入力装置からデータを取得する。また、ＣＰＵ１１は、生成したデータを、入出力インターフェイス１６を介して出力装置へ出力する。

メディアインターフェイス１７は、所定の記録メディアに格納されたプログラムまたはデータを読み取り、ＲＡＭ１２を介してＣＰＵ１１に提供する。ＣＰＵ１１は、かかるプログラムを、メディアインターフェイス１７を介して記録メディアからＲＡＭ１２上にロードし、ロードしたプログラムを実行する。記録メディアは、例えばＤＶＤ（Digital Versatile Disk）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば本実施形態における情報処理装置１０として機能する場合、当該コンピュータのＣＰＵ１１は、ＲＡＭ１２上にロードされたプログラムを実行することにより、情報処理装置１０が有する各部（図３参照）の機能を実現する。また、ＨＤＤ１４には、制御部としてのＣＰＵ１１（図２参照）により取り扱われる各種データが格納される。上記コンピュータのＣＰＵ１１は、これらのプログラムを記録メディア７０から読み取って実行するが、他の例として、他の装置からネットワークを介してこれらのプログラムを取得してもよい。

［情報処理装置１０の機能ブロックについて］
図３は、本開示の実施形態における情報処理装置１０の機能ブロック図である。本実施形態における情報処理装置１０は、アンケート項目リスト作成手段１０１と、ウェブサイト生成手段１０２と、回答記録手段１０３と、要因回答抽出手段１０４と、要因回答取得手段１０５と、要因行動パターン取得手段１０６と、組合せリスト抽出手段１０７と、到達率加算手段１０８とを備える。

アンケート項目リスト作成手段１０１は、ウェブサイトを利用するユーザに回答させるためのアンケート項目が含まれるアンケート項目リストを作成する。アンケート項目のそれぞれに固有の識別番号が付与されており、アンケート項目リスト作成手段１０１は、アンケート項目が更新されたとき、当該更新に係るアンケート項目に対し新たな識別番号を付与する。これにより、アンケート項目に変更があった場合でも、新たに付与されるユニーク（一意）の識別番号によって、当該変更後のアンケート項目であることが容易に判別され得る。

［アンケート項目リストについて］
図４は、本開示の実施形態におけるアンケート項目リストの具体例を示す図である。図４では、最上行の左列から順に「ＩＤ」「Ｑ＆Ａ」「アンケート項目」の各項目が並べられている。「ＩＤ」は上記の識別番号を示しており、ここでは識別番号の例として「ＡＮ００１」「ＡＮ００２」が示されている。「Ｑ＆Ａ」はそれ（アンケート項目）が質問か回答かを示すものであり、識別番号「ＡＮ００１」に対応する「Ｑ１」「Ａ１」が、識別番号「ＡＮ００２」に対応する「Ｑ２」「Ａ２」がそれぞれ示されている。「アンケート項目」は具体的なアンケート内容を示すものであり、「Ｑ１」に対応するアンケート項目「あなたの性別は？」及びそれに対応する回答「Ａ１」として「男性／女性」が示され、「Ｑ２」に対応するアンケート項目「普段、お酒を飲む頻度は？」及びそれに対応する回答「Ａ２」として「週に３回以上／週に１～２回／まったく飲まない」が示されている。

図５は、本開示の実施形態におけるアンケート項目リストの具体例を示す図である。図５は、アンケート項目に変更ないし更新があったときに新たな識別番号が付与される場合の具体例を示したものである。ここでは、図４において識別番号「ＡＮ００１」が付与された「Ｑ１」「Ａ１」に係るアンケート項目が、新たに「Ｑ１」として「あなたは男性ですか？」が、そして「Ａ１」として「はい／いいえ」に変更されたものとする。この場合、初期の識別番号のままでは、その後の処理において誤った情報をトラッキング（追跡あるいは分析）してしまうことになるところ、上記のように識別番号を新たに付与することによって、正しい情報のトラッキングが可能となる。なお、識別番号の付与は、上記のようにアンケート項目の内容そのものを変更する場合になされるだけではなく、アンケート内容に誤記があった場合に当該誤記を訂正した場合にもなされるものとする。

図６は、本開示の実施形態におけるアンケート項目にユーザが回答した場合のチェックリストの具体例を示す図である。ここでは、図４では示されていなかった「ｃｋ」列が示されており、「ｃｋ」列と「Ａ１」行が交差する箇所に回答番号「（１）」と表記されていることにより、識別番号「ＡＮ００１」の「Ｑ１」「あなたの性別は？」の質問に対して「（１）男性」と回答されていることがわかる。また、「ｃｋ」列と「Ａ２」行が交差する箇所に回答番号「（１）」と表記されていることにより、識別番号「ＡＮ００２」の「Ｑ２」「普段、お酒を飲む頻度は？」の質問に対して「（１）週に３回以上」と回答されていることがわかる。

ウェブサイト生成手段１０２は、上記アンケート項目リストに含まれる１以上のアンケート項目からなるアンケートフォームを含むウェブサイトを生成する。ここでの「ウェブサイトを生成」とは、典型的にはウェブサイトを構成するＨＴＭＬ文書を生成することを意味する。本実施形態においては、このウェブサイトを、所望のアンケートフォームを含むランディングページ（以下「ＬＰ」という。）であるものとして説明するが、一例でありこれに限定する趣旨で用いるものではない。

回答記録手段１０３は、上記アンケートフォームにおけるアンケート項目にユーザが回答したとき、当該アンケート項目に対するユーザの回答を記録する。これにより、ユーザがどの回答を選択したのかが判別され得る。回答記録手段１０３は、ユーザが個々のアンケート項目に回答するごとに（次のアンケート項目に進むアクションに移る際に）、当該アンケート項目に付与された識別番号と上記チェックリストをＷｅｂサーバ３０に送信する。なお、当該送信の際には、次のアンケート項目に移るたびにデータ（識別番号及びチェックリスト）が送信されるため、重複するデータを送信せず、最新の（最後に送信される）データのみが送信され得る。

要因回答抽出手段１０４は、回答記録手段１０３により記録される回答のうち、ウェブサイトの提供者が意図するユーザの目標行動の要因となり得る要因回答を抽出する。ここで「目標行動」とは、例えばコンバージョン（以下「ＣＶ」という。）等、ウェブサイトの提供者が当該ウェブサイトにおいてユーザに期待する行動を意味する。より具体的には、「目標行動」としてのＣＶには、例えばウェブサイトが目的の商品の販売に係るＬＰである場合、当該ＬＰ中に設置された「購入ボタン」「問合せボタン」「資料請求ボタン」を押す等、商品の購入につながるようなユーザの行動が挙げられる。

「要因回答」とは、上記ＣＶにつながると予測される上記アンケート項目に対する回答を意味する。この要因回答を抽出する具体的な分析手法として、例えば決定木分析、重回帰分析等が挙げられる。要因回答抽出手段１０４は、これらの分析手法を用いて、例えば上記のＣＶに影響した回答（因子）を分析し、影響の高い回答を要因回答として順に取得する。さらに、要因回答抽出手段１０４は、取得した要因回答のうち、予測結果が他の回答に比べて特に高くなる要因回答の組合せを抽出する。この組合せは、例えば、後掲の図７を参照して説明する「アンケート項目回答チェックリスト」に該当する。

例えば、重回帰分析を用いた分析手法について具体的に説明する。まず、各アンケート項目に回答したユーザ毎に、回答したアンケート項目に「１」を設定し、未回答のアンケート項目に「０」を設定し、コンバージョンしたか否かを「１（した）」「０（していない）」というデータに整形を行う。この際、多重共線性（multicollinearity、マルチコ）を防ぐために、それを発生させ得る回答項目をＶＩＦ（Variance inflation factor）統計量やその他の手法を使い、変数の選択（絞り込み）を行う。

そのデータに対して、学習用データとテスト用データとにランダム選択にて分割し、学習用データに対してロジスティック回帰分析を行う。その結果を、テスト用データにて性能評価を行い、ユーザに提示することで過学習気味の分析結果に思考が引っ張られないように配慮する。その結果、偏相関係数が計算でき、その多寡により、それぞれの変数が結果（コンバージョン）に与えた相関性を説明することができる。なお、上記ロジスティック回帰分析に代えて、決定木分析などその他の分析手法を用いても良い。

その大きな相関のある変数を組み合わせることで、特定のアンケート項目に何を回答したユーザがコンバージョンにつながる可能が高いかを導き出すことができるため、そのうち、需要と考えうる因子の組み合わせを設定し、同様の回答行動を行うユーザ群を1つのセグメントとして、ターゲットし、リターゲティング広告を配信できると、広告主にとって、より費用対効果が高い広告配信をすることができる。

要因回答取得手段１０５は、要因回答抽出手段１０４により抽出される要因回答と当該要因回答に係るアンケート項目とを当該要因回答をしたユーザの属性情報とあわせて取得する。ここで「ユーザの属性情報」とは、例えばウェブサイト上で特定の位置のボタンを押した、ウェブサイト上の表示画面をスクロールした（あるいはスクロールしていない）、ウェブサイト上の特定の位置に何秒間滞在した、または、ウェブサイト上の所望の表示物を選択（マウス等でアイコンを当該表示物に移動させてクリックあるいはタップ）した、などのユーザ行動データや、ウェブサイトの保有者が所有する、または第三者より入手する「カスタム属性データ」など、ユーザのタイプを判別するために用いられる属性情報を意味する。属性情報として、例えば「所定の商品を何回購入したユーザか」「直近の購入頻度」「購入金額」「ロイヤルカスタマーか否か」「どのような興味・関心を持つユーザか」などが一般的である。

アンケート項目へのユーザの回答結果（例えば「アンケート結果の何にチェックして回答したか？」など）を含むカスタム属性データは、これらの送信を受け付けるGoogleアナリティクスやFacebookなどのプラットフォームへの自動送信タグに設定され、各プラットフォームサーバ４０へ送信され得る。この自動送信タグによって、カスタム属性データとしての上記回答結果などが送信されるタイミングとして、例えば「『次へ』等の画面遷移を受け付けるボタンが押された」「スクロールが行われた（例えば５％ごとなど次のコンテンツに視点が十分に移動した十分なスクロール量）」「画面を閉じた」「画面を背面に隠した」などが挙げられる。カスタム属性データを設定しておくことにより、アンケート項目へのユーザの回答件数等が上記プラットフォーム側で計測され得る。これにより後述する要因回答の分析に必要なデータの取得が可能となる。

以上から、ウェブサイト（ＬＰ）の提供者（運営者）は、どのアンケート項目にどのように回答したユーザが目標行動（例えばＣＶ（Conversion）等）に到達しやすいかを認識することができるため、以後はかかる認識の下でより目標行動に結びつきやすいウェブサイト（ＬＰ）を構築することが可能となる。また、これにより、目標行動をとるユーザの取りこぼしを防ぐことができるとともに、ウェブサイトの提供者の負担を低減することができる。すなわち、本実施形態の上記構成によれば、ウェブサイトにおけるユーザの行動パターンを精緻に分析し、広告効果の最適化を図ることができる。

なお、情報処理装置１０は、要因回答取得手段１０５により取得される要因回答と、当該要因回答に係るアンケート項目と、当該要因回答をしたユーザの属性情報とが含まれるレポートを提供するレポート提供手段を備えていてもよい。レポート提供手段により当該レポートがネットワーク５０を介してユーザ端末２０に送信され得る。ユーザ端末２０を介して当該レポートの提供を受けたユーザは、レポートに含まれる要因回答、アンケート項目、及びユーザの属性情報に基づいて、より広告効果の高いアンケート項目の組合せを分析ないし検討することができ、分析および検討の結果を踏まえたより広告効果の高いウェブサイトを構築することが可能となる。

要因行動パターン取得手段１０６は、ウェブサイトにおけるユーザの行動パターンであって、目標行動の要因となり得る要因行動パターンを取得する。「要因行動パターン」とは、例えば、上述のウェブサイト（ＬＰ）を閲覧するユーザが当該ウェブサイトにおいて行う行動パターンであって、上述した目標行動（例えばＣＶ等）につながると予測される行動パターンを意味する。「行動パターン」としては、例えば「ウェブサイト（ＬＰ）画面をスクロールして何秒間、所定のコンテンツを閲覧したか」「どのボタンをクリックしたか」「どのフォームに（例えばマウス等のデバイスの操作によって画面に表示される）カーソルを置いたか」「いつ（日にち、曜日、時間など）アクセスしたのか」などが挙げられる。

要因行動パターン取得手段１０６は、要因回答抽出手段１０４による上述の分析手法と同様にして、取得される行動パターンのうち目標行動（例えばＣＶ等）の要因となり得る行動パターンを要因行動パターンとして抽出する。

要因回答取得手段１０５は、要因行動パターン取得手段１０６により取得される要因行動パターンを要因回答、アンケート項目、属性情報とあわせて取得する。すなわち、要因回答取得手段１０５は、要因回答に加えて、当該要因回答と関連付けて要因行動パターンを取得する。これによれば、ユーザの心理（要因回答により予測可能）とユーザの行動（要因行動パターンにより予測可能）とを掛け合わせて分析されるため、ウェブサイトにおけるユーザの行動パターンをより精緻に分析し、広告効果のさらなる最適化を図ることができる。

組合せリスト抽出手段１０７は、アンケート項目と当該アンケート項目に対する要因回答との組合せリストを抽出する。図７は、本開示の実施形態におけるアンケート回答結果ごとの結果到達率及び上昇率の具体例を示す図であり、図７（Ｂ）は、図７（Ａ）における到達率の結果に影響を与えた回答の影響度を示す図である。図７（Ａ）には、図４において例示したアンケート項目における回答結果の組み合わせのすべてが示されている。図４においてはアンケート項目として質問「Ｑ１」「あなたの性別は？」に対して２つの回答（「男性」「女性」の選択肢）が用意され、質問「Ｑ２」「普段、お酒を飲む頻度は？」に対して３つの回答選択肢「週に３回以上」「週に１～２回」「まったく飲まない」が用意されている。これによりユーザが２つの質問に回答する場合の組み合わせパターンは２×３＝６パターンとなる。

図７（Ａ）には、上記６パターンの回答パターンが列挙されている。左列から順にパターンナンバー「ＰＮ」「Ｑ１の回答」「Ｑ２の回答」「結果到達率」「上昇率」の各項目が並べられている。「結果到達率」「上昇率」については後述する。

「ＰＮ１」における「Ｑ１の回答」は『Ａ１、（１）男性』であり、「Ｑ２の回答」は『Ａ２、（１）週に３回以上』である。「ＰＮ２」における「Ｑ１の回答」は『Ａ１、（１）男性』であり、「Ｑ２の回答」は『Ａ２、（２）週に１～２回』であり、「ＰＮ３」における「Ｑ１の回答」は『Ａ１、（１）男性』であり、「Ｑ２の回答」は『Ａ２、（３）まったく飲まない』である。また、「ＰＮ４」における「Ｑ１の回答」は『Ａ１、（２）女性』であり、「Ｑ２の回答」は『Ａ２、（１）週に３回以上』であり、「ＰＮ５」における「Ｑ１の回答」は『Ａ１、（２）女性』であり、「Ｑ２の回答」は『Ａ２、（２）週に１～２回』であり、「ＰＮ６」における「Ｑ１の回答」は『Ａ１、（２）女性』であり、「Ｑ２の回答」は『Ａ２、（３）まったく飲まない』である。

到達率加算手段１０８は、組合せリスト抽出手段１０７により抽出される組合せリストを、当該組合せリストより以前に抽出された過去組合せリストと照合する。到達率加算手段１０８は、上記照合の結果、組合せリストの目標行動の到達率が、当該目標行動に到達する平均到達率より高いとき、過去組合せリストの到達率に組合せリストの到達率の上昇率を加算する。

「到達率」とは、例えば上述のＣＶの例で言うならば「ＣＶＲ（Conversion Rate）」等の目的変数として採用される、ウェブサイトの提供者が意図する目標行動にユーザが到達する割合を意味する。

また、「上昇率」は、その施策によって効果をどれだけ押し上げたか（リフト効果）、ある基準となる到達率に対して何ポイント上昇したかを「率」で表現したものである。例えば、「到達率」としての「ＣＶＲ」を例にして、図７（Ａ）を参照して上昇率について説明する。図７（Ａ）において「到達率」の列を見ると「ＰＮ１」の「Ｑ１」の質問において「Ａ１，（１）男性」と回答し、「Ｑ２」の質問において「Ａ２，（１）週に３回以上」と回答したユーザの到達率は５％となっている。また「ＰＮ２」の「Ｑ１」の質問において「Ａ１，（１）男性」と回答し、「Ｑ２」の質問において「Ａ２，（２）週に１～２回」と回答したユーザの到達率は３％となっている。また「ＰＮ３」の「Ｑ１」の質問において「Ａ１，（１）男性」と回答し、「Ｑ２」の質問において「Ａ２，（３）まったく飲まない」と回答したユーザの到達率は１％となっている。さらに、「ＰＮ４」の「Ｑ１」の質問において「Ａ１，（２）女性」と回答し、「Ｑ２」の質問において「Ａ２，（１）週に３回以上」と回答したユーザの到達率は３％となっている。また、「ＰＮ５」の「Ｑ１」の質問において「Ａ１，（２）女性」と回答し、「Ｑ２」の質問において「Ａ２，（２）週に１～２回」と回答したユーザの到達率は２％となっている。また「ＰＮ６」の「Ｑ１」の質問において「Ａ１，（２）女性」と回答し、「Ｑ２」の質問において「Ａ２，（３）まったく飲まない」と回答したユーザの到達率は１％となっている。

図７（Ａ）における上昇率（リフト効果）は、（到達率－到達率の平均値）÷到達率の平均値より求めることができる。図７（Ａ）を参照すると、「ＰＮ１」の上昇率は１００％であり、「ＰＮ２」の上昇率は２０％であり、「ＰＮ３」の上昇率は－６０％であり、「ＰＮ４」の上昇率は２０％であり、「ＰＮ５」の上昇率は－２０％であり、「ＰＮ６」の上昇率は－６０％であることがわかる。すなわち、「ＰＮ１」の回答パターンをとるユーザが最も効果（「到達率」）が高いユーザであることがわかる。

一方で、図７（Ａ）では、どの回答が結果（「到達率」）に影響を与えた回答であるのか（影響度）がわからないため、各回答の影響度を算出することが求められる。そこで本実施形態では、重回帰分析を用いて上記影響度を求めることとする。図７（Ｂ）は各回答の影響度を示すものである。図７（Ｂ）では「Ｑ１」の質問に対して「（１）男性」と回答したときの影響度が「＋２．５」であり、他の回答と比較して最も影響度が高い回答であることがわかる。

到達率加算手段１０８は、組合せリスト抽出手段１０７により組合せリストが抽出されるごとに当該組合せリストの到達率の上昇率を加算する。上述の事例ではアンケート項目に対する回答結果（組合せリスト）を１回だけ抽出した場合の「到達率」や「上昇率」を表現しているに過ぎず、実際には毎日、あるいは毎月など定期的にアンケートを行った結果としての「組合せリスト」を都度抽出し、都度「到達率」や「上昇率」を算出する。そして、同じ組合せリストについては当該組合せリストを抽出するごとに「上昇率」を前回の「上昇率」に加算した上で、これを抽出した日数で除した平均上昇率として算出する。１回だけのデータ抽出では、偶然にその回答を選んだり、適当に選んだりしたユーザなど信憑性に欠ける回答を拾ってしまう、または季節性の違いや一過性のトレンドに依存し、再現性の低い回答結果を拾ってしまうからである。すなわち、例えば毎日アンケートを実施し、その都度「上昇率」を算出しこれを加算し、平均上昇率（平均リフト効果）を算出することで、抽出される組合せリストで平均上昇率が高いものは、よりユーザの心理を精緻に反映させたアンケート結果であり、より高い広告効果を上げることに資するといえる。

図８は、本開示の実施形態における情報処理の流れを示すフローチャートである。本実施形態における以下の情報処理は上述の情報処理装置１０（ハードウェア）により具体的に実現され得る。まず、情報処理装置１０は、ウェブサイトを利用するユーザに回答させるためのアンケート項目が含まれるアンケート項目リストを作成する（ステップＳ１）。

次に、情報処理装置１０は、アンケート項目リストに含まれる１以上のアンケート項目からなるアンケートフォームを含むウェブサイトを生成する（ステップＳ２）。

情報処理装置１０は、アンケートフォームにおけるアンケート項目にユーザが回答したとき（ステップＳ３，ＹＥＳ）、当該アンケート項目に対するユーザの回答を記録する（ステップＳ４）。一方、情報処理装置１０は、アンケート項目に対してユーザが回答しないとき（ステップＳ３，ＮＯ）、ユーザから回答があるまで待機する（ステップＳ３）。

情報処理装置１０は、記録される回答のうち、ウェブサイトの提供者が意図するユーザの目標行動の要因となり得る要因回答を抽出する（ステップＳ５）。

情報処理装置１０は、抽出される要因回答と当該要因回答に係るアンケート項目とを当該要因回答をしたユーザの属性情報とあわせて取得する（ステップＳ６）。

以上、本実施形態における情報処理によれば、ウェブサイトにおけるユーザの行動パターンを精緻に分析し、広告効果の最適化を図ることができる。

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に記載されたものであって、本発明を限定するために記載されたものではない。したがって、上記実施形態に開示された各要素は、本発明の技術的範囲に属する全ての設計変更や均等物をも含む趣旨である。例えば、ユーザーアンケート項目にフリーテキスト欄を設けそこの回答されたワードを形態素解析（＋構文解析、感情分析）し、複数のユーザが回答しているワードを抽出し、そのワードを因子にして同様の分析を行うこともできる。この場合、例えば「おしゃれ」というワードをポジティブな意味として使用する人は効果が高いということがわかれば、「おしゃれ」という用語を使用するユーザをターゲットとすることもでき、かつ、新たにアンケート項目に「おしゃれ」を使った設問を用意することで幅広いユーザの中から、ターゲットを抽出する仕組みをアップデートし続けることが可能である。

また、本実施形態における応用利用の方法として、Ｗｅｂサイトで集客して、オフライン店舗に誘導するなどの意図がある場合、ユーザが店舗に来た際に選択した商品・サービス、顧客単価を目標（目的変数）として設定し、Ｗｅｂサイト上でどの回答項目を選択する人が、顧客単価が上がりやすいか、どの商品を買ってもらいやすいかなどの予測をつけることも可能である。

１…情報処理システム
１０…情報処理装置
２０…ユーザ端末
３０…Ｗｅｂサーバ
４０…プラットフォームサーバ
１０１…アンケート項目リスト作成手段
１０２…ウェブサイト生成手段
１０３…回答記録手段
１０４…要因回答抽出手段
１０５…要因回答取得手段
１０６…要因行動パターン取得手段
１０７…組合せリスト抽出手段
１０８…到達率加算手段

Claims (9)

1. ウェブサイトを利用するユーザに回答させるためのアンケート項目が含まれるアンケート項目リストを作成するアンケート項目リスト作成手段と、
   前記アンケート項目リストに含まれる１以上の前記アンケート項目からなるアンケートフォームを含むウェブサイトを生成するウェブサイト生成手段と、
   前記アンケートフォームにおける前記アンケート項目に前記ユーザが回答したとき、当該アンケート項目に対する前記ユーザの回答を記録する回答記録手段と、
   前記回答記録手段により記録される前記回答のうち、前記ウェブサイトの提供者が意図する前記ユーザの目標行動の要因となり得る要因回答を抽出する要因回答抽出手段と、
   前記要因回答抽出手段により抽出される前記要因回答と当該要因回答に係る前記アンケート項目とを当該要因回答をした前記ユーザの属性情報とあわせて取得する要因回答取得手段と
   を備える情報処理装置。
2. 前記ウェブサイトにおける前記ユーザの行動パターンであって、前記目標行動の要因となり得る要因行動パターンを取得する要因行動パターン取得手段をさらに備え、
   前記要因回答取得手段は、前記要因行動パターン取得手段により取得される前記要因行動パターンを前記要因回答、前記アンケート項目、前記属性情報とあわせて取得する
   請求項１に記載の情報処理装置。
3. 前記アンケート項目のそれぞれに固有の識別番号が付与されており、
   前記アンケート項目リスト作成手段は、前記アンケート項目が更新されたとき、当該更新に係る前記アンケート項目に対し新たな識別番号を付与する
   請求項１又は２に記載の情報処理装置。
4. 前記アンケート項目と当該アンケート項目に対する前記要因回答との組合せリストを抽出する組合せリスト抽出手段と、
   前記組合せリスト抽出手段により抽出される前記組合せリストを、当該組合せリストより以前に抽出された過去組合せリストと照合し、前記組合せリストの前記目標行動の到達率が、当該目標行動に到達する平均到達率より高いとき、前記過去組合せリストの到達率に前記組合せリストの到達率の上昇率を加算する到達率加算手段と
   をさらに備える請求項１から３のいずれかに記載の情報処理装置。
5. 前記到達率加算手段は、前記組合せリスト抽出手段により前記組合せリストが抽出されるごとに当該組合せリストの前記到達率の上昇率を加算する
   請求項４に記載の情報処理装置。
6. 前記要因回答抽出手段により抽出される前記要因回答と当該要因回答に係るアンケート項目とを当該要因回答をした前記ユーザの属性情報とあわせてプラットフォームサーバに送信する
   請求項１から５のいずれかに記載の情報処理装置。
7. ウェブサイトを利用するユーザに回答させるためのアンケート項目が含まれるアンケート項目リストを作成するアンケート項目リスト作成手段と、
   前記アンケート項目リストに含まれる１以上の前記アンケート項目からなるアンケートフォームを含むウェブサイトを生成するウェブサイト生成手段と、
   前記アンケートフォームにおける前記アンケート項目に前記ユーザが回答したとき、当該アンケート項目に対する前記ユーザの回答を記録する回答記録手段と、
   前記回答記録手段により記録される前記回答のうち、前記ウェブサイトの提供者が意図する前記ユーザの目標行動の要因となり得る要因回答を抽出する要因回答抽出手段と、
   前記要因回答抽出手段により抽出される前記要因回答と当該要因回答に係る前記アンケート項目とを当該要因回答をした前記ユーザの属性情報とあわせて取得する要因回答取得手段と
   前記要因回答取得手段により取得される前記要因回答と、当該要因回答に係るアンケート項目と、当該要因回答をした前記ユーザの属性情報とが含まれるレポートを提供するレポート提供手段と
   を備える情報処理装置。
8. コンピュータが、ウェブサイトを利用するユーザに回答させるためのアンケート項目が含まれるアンケート項目リストを作成する工程と、
   コンピュータが、前記アンケート項目リストに含まれる１以上の前記アンケート項目からなるアンケートフォームを含むウェブサイトを生成する工程と、
   コンピュータが、前記アンケートフォームにおける前記アンケート項目に前記ユーザが回答したとき、当該アンケート項目に対する前記ユーザの回答を記録する工程と、
   コンピュータが、前記記録される前記回答のうち、前記ウェブサイトの提供者が意図する前記ユーザの目標行動の要因となり得る要因回答を抽出する工程と、
   コンピュータが、前記抽出される前記要因回答と当該要因回答に係る前記アンケート項目とを当該要因回答をした前記ユーザの属性情報とあわせて取得する工程と
   を備える情報処理方法。
9. ウェブサイトを利用するユーザに回答させるためのアンケート項目が含まれるアンケート項目リストを作成する処理と、
   前記アンケート項目リストに含まれる１以上の前記アンケート項目からなるアンケートフォームを含むウェブサイトを生成する処理と、
   前記アンケートフォームにおける前記アンケート項目に前記ユーザが回答したとき、当該アンケート項目に対する前記ユーザの回答を記録する処理と、
   前記記録される前記回答のうち、前記ウェブサイトの提供者が意図する前記ユーザの目標行動の要因となり得る要因回答を抽出する処理と、
   前記抽出される前記要因回答と当該要因回答に係る前記アンケート項目とを当該要因回答をした前記ユーザの属性情報とあわせて取得する処理と
   をコンピュータに実行させるプログラム。

Images