JP5011185B2 - 情報分析装置、情報分析方法、及び情報分析プログラム - Google Patents
情報分析装置、情報分析方法、及び情報分析プログラム Download PDFInfo
- Publication number
- JP5011185B2 JP5011185B2 JP2008081952A JP2008081952A JP5011185B2 JP 5011185 B2 JP5011185 B2 JP 5011185B2 JP 2008081952 A JP2008081952 A JP 2008081952A JP 2008081952 A JP2008081952 A JP 2008081952A JP 5011185 B2 JP5011185 B2 JP 5011185B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- page
- access
- unit
- access 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明は、情報分析装置、情報分析方法、及び情報分析プログラムに関する。
近年、インターネットを介した消費者間コミュニケーションが広く行われるようになってきている。そして、商品を購入した消費者がインターネットで提供する口コミ情報は、人から人へ会話を通じて伝わる口コミ情報よりも、はるかに早く、そして広範囲に伝わり、他の消費者の購買行動に大きな影響を与えるようになっている。
一方、商品販売者のインターネットを利用したマーケティングの目的の一つは、バナー広告やポイント付与等の様々な手段を用いて、消費者を自社のウェブページに誘導し、最終的に消費者の商品購入（コンバージョン）に結び付けることにある。
このようなインターネットを利用したマーケティングにおいて、上述の口コミ情報を提供する消費者間コミュニケーションサイト等、自社のウェブページへの誘導元となるウェブページの情報は、商品販売者である企業にとって、無視できないものになりつつある。
特許文献１には、評価対象のウェブページを参照している参照元のウェブページのテキストに基づいて、評価対象ウェブページを評価するウェブページ評価システムが記載されている。また、特許文献２には、ウェブページ作成者等の行動に基づいて、そのウェブページのネットワークにおける役割や特徴等を分類する分類方法が記載されている。
特開２００５−３３９４１９号公報
特開２００６−１６３９９７号公報
一方、商品販売者のインターネットを利用したマーケティングの目的の一つは、バナー広告やポイント付与等の様々な手段を用いて、消費者を自社のウェブページに誘導し、最終的に消費者の商品購入（コンバージョン）に結び付けることにある。
このようなインターネットを利用したマーケティングにおいて、上述の口コミ情報を提供する消費者間コミュニケーションサイト等、自社のウェブページへの誘導元となるウェブページの情報は、商品販売者である企業にとって、無視できないものになりつつある。
特許文献１には、評価対象のウェブページを参照している参照元のウェブページのテキストに基づいて、評価対象ウェブページを評価するウェブページ評価システムが記載されている。また、特許文献２には、ウェブページ作成者等の行動に基づいて、そのウェブページのネットワークにおける役割や特徴等を分類する分類方法が記載されている。
しかし、上述の従来の評価システムでは、参照元のウェブページのみを評価をしているので、利用者が参照先のウェブページで商品購入等をしたか、つまり、商品購入に結び付いたウェブページに到達したかが分からず、商品購入に結びついた情報を提供できないという欠点がある。
また、上述の従来の分類方法では、ウェブページに記載された内容までは分析をしておらず、ウェブページの記載内容である口コミ情報等、消費者の購買行動に大きな影響を与える情報により分類した情報を提供できないという欠点がある。
また、上述の従来の分類方法では、ウェブページに記載された内容までは分析をしておらず、ウェブページの記載内容である口コミ情報等、消費者の購買行動に大きな影響を与える情報により分類した情報を提供できないという欠点がある。
本発明は上記の点に鑑みてなされたものであり、その目的は、参照元のウェブページをその記載内容により分類した情報、及び、商品購入に結びついた情報を提供することができる情報分析装置、情報分析方法、及び情報分析プログラムを提供することにある。
（１）本発明は上記の課題を解決するためになされたものであり、その一態様は、ウェブページへのアクセスごとの情報であって、該アクセスにより参照された参照ページの所在情報と、該ページへのアクセス前に参照された参照元ページの所在情報と含む情報であるアクセス情報を予め記憶するアクセス情報記憶部と、前記参照ページの所在情報と該参照ページが到達率の算出対象か否かを示す到達識別情報とを予め記憶する参照ページ情報記憶部と、前記アクセス情報記憶部が記憶する参照元ページの所在情報に基づき参照元ページの文書情報を取得し、該文書情報に含まれる単語の出現頻度を算出する参照元ページ情報解析部と、前記アクセス情報記憶部が記憶するアクセス情報について、該アクセス情報の参照ページ所在情報に対応する前記参照元ページ情報解析部が算出した各単語の出現頻度を成分として主成分分析を行い、各アクセス情報の成分を特徴が現れる主成分に変換する特徴抽出部と、前記アクセス情報記憶部が記憶するアクセス情報について、前記特徴抽出部が変換した主成分が類似するアクセス情報の集合に分類するアクセス情報分類部と、前記アクセス情報分類部が分類した同一の集合に属するアクセス情報のうち、前記参照ページ情報記憶部に記憶された参照ページの所在情報であって、前記到達率の算出対象である到達識別情報に対応する参照ページの所在情報を含むアクセス情報の割合を表わす到達率を算出する到達率算出部とを備える。
上記構成によると、情報分析装置は、参照元ページの所在情報を記憶し、該所在から参照元ページの文書情報を取得して該文書情報の単語を解析し、該解析結果の主成分分析を行って参照元ページを分類する。また、情報分析装置は、参照ページ分類情報と到達識別情報とを記憶し、アクセス情報を集計して、参照元ページの分類ごとに、到達率を算出する。これにより、情報分析装置は、参照元のウェブページをその記載内容により分類した情報、及び、到達目標としたページに到達した到達率の情報を提供することができる。
（２）また、本発明の一態様は、参照ページ情報記憶部は、前記参照ページの文書情報を分類する参照ページ分類情報を記憶し、前記到達率算出部は、前記アクセス情報分類部が分類した同一の集合に属し、前記参照ページ情報記憶部が記憶する参照ページ分類情報が同一のアクセス情報のうち、前記参照ページ情報記憶部に記憶された参照ページの所在情報であって、前記到達率の算出対象である到達識別情報に対応する参照ページの所在情報を含むアクセス情報の割合を表わす到達率を算出する。
（３）また、本発明の一態様は、商品又はサービスについての分類情報であり、前記到達識別情報は、商品の購入又はサービスの契約に関するページを到達率の算出対象とする情報である。
上記構成によると、情報分析装置は、商品の購入又はサービスの契約に関するページへの到達率を算出することができ、参照元のウェブページをその記載内容により分類した情報、及び、商品購入又はサービスの契約に結びついた情報を提供することができる。
上記構成によると、情報分析装置は、商品の購入又はサービスの契約に関するページへの到達率を算出することができ、参照元のウェブページをその記載内容により分類した情報、及び、商品購入又はサービスの契約に結びついた情報を提供することができる。
（４）また、本発明の一態様は、参照ページへの誘導元のウェブページである誘導元ページの識別情報と、該誘導元ページの文書情報に含まれる単語の出現頻度とを入力する誘導元ページ解析情報入力部と、前記誘導元ページ解析情報入力部から入力された誘導元ページの各単語の出現頻度を前記特徴抽出部が変換した特徴が現れる主成分に変換し、該主成分が類似する前記アクセス情報分類部が分類した集合を特定する誘導元ページ分類特定部と、前記誘導元ページ分類特定部が特定した集合について、前記到達率算出部が算出した到達率に基づき参照ページ分類情報を出力する推奨分類出力部とを備える。
上記構成によると、情報分析装置は、誘導元ページ解析情報を入力すると、該誘導元ページが属する参照元ページ分類情報を特定し、例えば、該参照元ページ分類情報のうち到達率が高い参照ページ分類情報を出力する。これにより、誘導元ページについて、例えば、参照ページ分類情報を参照ページに掲載された商品とすると、商品購入に結び付いたウェブページへの到達率が高い商品を特定することができ、誘導元ページから該特定した商品が掲載された参照ページへの誘導を増やすことにより、効率的に該商品の商品購入に結び付いたウェブページへの到達、つまり、商品購入を増やすことができる。
（５）また、本発明の一態様は、前記到達率算出部が算出した到達率に基づき前記参照元ページ分類情報を特定し、該特定した参照元ページ分類情報に対応する前記アクセス情報分類結果記憶部が記憶する参照元ページの所在情報を出力する推奨ページ出力部
を備える。
上記構成によると、情報分析装置は、例えば、商品購入に結び付いたウェブページへの到達率が高い参照元ページの所在情報を出力ことができ、該参照元ページからの誘導を増やすことにより、効率的に商品購入に結び付いたウェブページへの到達、つまり、商品購入を増やすことができる。
を備える。
上記構成によると、情報分析装置は、例えば、商品購入に結び付いたウェブページへの到達率が高い参照元ページの所在情報を出力ことができ、該参照元ページからの誘導を増やすことにより、効率的に商品購入に結び付いたウェブページへの到達、つまり、商品購入を増やすことができる。
（６）また、本発明の一態様は、ウェブページへのアクセスごとの情報であって、該アクセスにより参照された参照ページの所在情報と、該ページへのアクセス前に参照された参照元ページの所在情報と含む情報であるアクセス情報を予め記憶するアクセス情報記憶部と、前記参照ページの所在情報と該参照ページが到達率の算出対象か否かを示す到達識別情報とを予め記憶する参照ページ情報記憶部とを備える情報分析装置における情報分析方法であって、前記情報分析装置が、前記アクセス情報記憶部が記憶する参照元ページの所在情報に基づき参照元ページの文書情報を取得し、該文書情報に含まれる単語の出現頻度を算出する第１の過程と、前記情報分析装置が、前記アクセス情報記憶部が記憶するアクセス情報について、該アクセス情報の参照ページ所在情報に対応する第１の過程にて算出した各単語の出現頻度を成分として主成分分析を行い、各アクセス情報の成分を特徴が現れる主成分に変換する第２の過程と、前記情報分析装置が、前記アクセス情報記憶部が記憶するアクセス情報について、第２の過程にて変換した主成分が類似するアクセス情報の集合に分類する第３の過程と、前記情報分析装置が、第３の過程にて分類した同一の集合に属するアクセス情報のうち、前記参照ページ情報記憶部に記憶された参照ページの所在情報であって、前記到達率の算出対象である到達識別情報に対応する参照ページの所在情報を含むアクセス情報の割合を表わす到達率を算出する第４の過程とを有する。
（７）また、本発明の一態様は、ウェブページへのアクセスごとの情報であって、該アクセスにより参照された参照ページの所在情報と、該ページへのアクセス前に参照された参照元ページの所在情報と含む情報であるアクセス情報を予め記憶するアクセス情報記憶部と、前記参照ページの所在情報と該参照ページが到達率の算出対象か否かを示す到達識別情報とを予め記憶する参照ページ情報記憶部とを備える情報分析装置のコンピュータを前記アクセス情報記憶部が記憶する参照元ページの所在情報に基づき参照元ページの文書情報を取得し、該文書情報に含まれる単語の出現頻度を算出する参照元ページ情報解析手段、前記アクセス情報記憶部が記憶するアクセス情報について、該アクセス情報の参照ページ所在情報に対応する参照元ページ情報解析手段にて算出した各単語の出現頻度を成分として主成分分析を行い、各アクセス情報の成分を特徴が現れる主成分に変換する特徴抽出手段、前記アクセス情報記憶部が記憶するアクセス情報について、特徴抽出手段にて変換した主成分が類似するアクセス情報の集合に分類するアクセス情報分類手段、アクセス情報分類手段にて分類した同一の集合に属するアクセス情報のうち、前記参照ページ情報記憶部に記憶された参照ページの所在情報であって、前記到達率の算出対象である到達識別情報に対応する参照ページの所在情報を含むアクセス情報の割合を表わす到達率を算出する到達率算出手段、として機能させる。
本発明によれば、情報分析装置は、参照元ページの所在情報を記憶し、該所在から参照元ページの文書情報を取得して該文書情報の単語を解析し、該解析結果の主成分分析を行って参照元ページを分類する。また、情報分析装置は、参照ページ分類情報と到達識別情報とを記憶し、アクセス情報を集計して、参照元ページの分類ごとに到達率を算出する。
これにより、情報分析装置は、参照元ページの分類ごとに、商品の購入又はサービスの契約に関するページへの到達率を算出することができ、参照元のウェブページをその記載内容により分類した情報、及び、商品購入又はサービスの契約に結びついた情報を提供することができる。
これにより、情報分析装置は、参照元ページの分類ごとに、商品の購入又はサービスの契約に関するページへの到達率を算出することができ、参照元のウェブページをその記載内容により分類した情報、及び、商品購入又はサービスの契約に結びついた情報を提供することができる。
（第１の実施形態）
以下、図面を参照しながら本発明の第1の実施形態について説明する。図１は、本発明の第1の実施形態に係る情報分析装置１０の構成を示す概略ブロック図である。
情報分析装置１０は、参照ページ情報記憶部１０１、アクセス情報記憶部１０２、参照元ページ情報解析部１０３、アクセス情報解析結果記憶部１０４、特徴抽出部１０５、アクセス情報分類部１０６、アクセス情報分類結果記憶部１０７、到達率算出部１０８、到達率算出結果記憶部１０９、及び、推奨ページ出力部１１０を含んで構成される。
以下、図面を参照しながら本発明の第1の実施形態について説明する。図１は、本発明の第1の実施形態に係る情報分析装置１０の構成を示す概略ブロック図である。
情報分析装置１０は、参照ページ情報記憶部１０１、アクセス情報記憶部１０２、参照元ページ情報解析部１０３、アクセス情報解析結果記憶部１０４、特徴抽出部１０５、アクセス情報分類部１０６、アクセス情報分類結果記憶部１０７、到達率算出部１０８、到達率算出結果記憶部１０９、及び、推奨ページ出力部１１０を含んで構成される。
参照ページ情報記憶部１０１は、商品・サービス情報テーブル（図２）を記憶する。商品・サービス情報テーブルは、参照されたページの所在情報（ＵＲＬ：Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）（以下、参照ページＵＲＬという）と、該参照ページの文書情報を分類する参照ページ分類情報と、該参照ページが到達率の算出対象か否かを示す到達識別情報の各項目を有するテーブルである。
ここで、参照ページ分類情報は、商品又はサービスについての分類情報であり、到達識別情報は、商品の購入又はサービスの契約に関するページを到達率の算出対象とする情報である。
具体的に、参照ページ分類情報は、参照ページに掲載された商品又はサービスの分類を示す商品ＩＤであり、また、到達識別情報は、商品の購入やサービスの契約を完了したページ等、商品の購入に結び付くページを算出対象であることを示す「１」とする。つまり、到達率は、商品の購入率やサービスの契約率（コンバージョン率）を意味することとなる。以下、到達識別情報をコンバージョンフラグといい、到達率をコンバージョン率という。
具体的に、参照ページ分類情報は、参照ページに掲載された商品又はサービスの分類を示す商品ＩＤであり、また、到達識別情報は、商品の購入やサービスの契約を完了したページ等、商品の購入に結び付くページを算出対象であることを示す「１」とする。つまり、到達率は、商品の購入率やサービスの契約率（コンバージョン率）を意味することとなる。以下、到達識別情報をコンバージョンフラグといい、到達率をコンバージョン率という。
アクセス情報記憶部１０２は、アクセスログテーブル（図３）を記憶する。アクセスログテーブルは、ウェブページへのアクセスごとの情報であって、つまり、セッションＩＤごとの情報であって、該アクセスにより参照された参照ページＵＲＬと、該ページへのアクセス前に参照された参照元ページのＵＲＬ（以下、参照元ページＵＲＬという）とを含むデータ（アクセス情報：以下、アクセスログという）を格納したテーブルである。ここで、セッションＩＤは、ウェブページへのアクセスごとに払い出されるアクセスログを識別する識別情報である。
参照元ページ情報解析部１０３は、アクセス情報記憶部１０２が記憶する参照元ページＵＲＬから参照元ページの文書情報を取得し、該文書情報に含まれる単語の出現頻度を算出する。
具体的に、参照元ページ情報解析部１０３は、アクセス情報記憶部１０２が記憶するアクセスログに含まれる参照元ページのＵＲＬにアクセスし、ＨＴＭＬ（ＨｙｐｅｒＴｅｘｔＭａｒｋｕｐＬａｎｇｕａｇｅ）ファイルを取得する。そして、参照元ページ情報解析部１０３は、該取得した参照元ページのＨＴＭＬファイルのデータに含まれる単語の出現頻度を算出する。参照元ページ情報解析部１０３の機能についての詳細は、後述する。
具体的に、参照元ページ情報解析部１０３は、アクセス情報記憶部１０２が記憶するアクセスログに含まれる参照元ページのＵＲＬにアクセスし、ＨＴＭＬ（ＨｙｐｅｒＴｅｘｔＭａｒｋｕｐＬａｎｇｕａｇｅ）ファイルを取得する。そして、参照元ページ情報解析部１０３は、該取得した参照元ページのＨＴＭＬファイルのデータに含まれる単語の出現頻度を算出する。参照元ページ情報解析部１０３の機能についての詳細は、後述する。
アクセス情報解析結果記憶部１０４は、アクセス情報解析結果テーブル（図６）を記憶する。アクセス情報解析結果テーブルは、セッションＩＤごとに、参照元ページ情報解析部１０３が算出した各単語の出現頻度を含む情報（以下、アクセスログ単語解析データという）格納したテーブルである。
具体的に、アクセス情報解析結果記憶部１０４は、アクセス情報記憶部１０２が記憶するアクセスログのセッションＩＤごとに、該セッションＩＤの参照元ページＵＲＬと、該参照元ページＵＲＬに対応する参照元ページ情報解析部１０３が算出した各単語の出現頻度と、を含むアクセスログ単語解析データを、アクセス情報解析結果テーブル（図６）に格納して記憶する。
具体的に、アクセス情報解析結果記憶部１０４は、アクセス情報記憶部１０２が記憶するアクセスログのセッションＩＤごとに、該セッションＩＤの参照元ページＵＲＬと、該参照元ページＵＲＬに対応する参照元ページ情報解析部１０３が算出した各単語の出現頻度と、を含むアクセスログ単語解析データを、アクセス情報解析結果テーブル（図６）に格納して記憶する。
特徴抽出部１０５は、アクセス情報記憶部１０２が記憶するアクセスログについて、該アクセスログの参照ページＵＲＬに対応する参照元ページ情報解析部１０３が算出した各単語の出現頻度を成分として主成分分析を行い、各アクセス情報の成分を特徴が現れる主成分に変換する。
具体的に、特徴抽出部１０５は、アクセスログ単語解析データついて、各単語の出現頻度を成分として主成分分析を行い、各アクセスログ単語解析データの成分を特徴が現れる主成分に変換する。特徴抽出部１０５の機能についての詳細は、後述する。
具体的に、特徴抽出部１０５は、アクセスログ単語解析データついて、各単語の出現頻度を成分として主成分分析を行い、各アクセスログ単語解析データの成分を特徴が現れる主成分に変換する。特徴抽出部１０５の機能についての詳細は、後述する。
アクセス情報分類部１０６は、アクセス情報記憶部１０２が記憶するアクセスログについて、特徴抽出部１０５が変換した主成分が類似するアクセスログの集合に分類する。
具体的に、アクセス情報分類部１０６は、アクセスログ単語解析データについて、特徴抽出部１０５が変換した主成分を、Ｋ−ｍｅａｎｓ法（Ｋ平均法）等を用いることにより、参照元ページ解析情報をセグメント化、すなわち、クラスタに分類する。アクセス情報分類部１０６の機能についての詳細は、後述する。
具体的に、アクセス情報分類部１０６は、アクセスログ単語解析データについて、特徴抽出部１０５が変換した主成分を、Ｋ−ｍｅａｎｓ法（Ｋ平均法）等を用いることにより、参照元ページ解析情報をセグメント化、すなわち、クラスタに分類する。アクセス情報分類部１０６の機能についての詳細は、後述する。
アクセス情報分類結果記憶部１０７は、アクセス情報分類結果テーブル（図１０）を記憶する。アクセス情報分類結果テーブル（図１０）は、アクセスログのセッションＩＤごとに、該セッションＩＤに対応するアクセス情報分類部１０６の分類結果であるクラスタ番号（参照元ページ分類情報）と、該アクセスログの参照ページＵＲＬに対応する参照ページ情報記憶部１０１に記憶された商品ＩＤ及びコンバージョンフラグと、を格納したテーブルである。
到達率算出部１０８は、アクセス情報分類部１０６が分類した同一のクラスタ番号のクラスタに属し、参照ページ情報記憶部１０１が記憶する商品ＩＤが同一のアクセスログのうち、参照ページ情報記憶部１０１に記憶された参照ページＵＲＬであって、商品の購入に結び付くページを算出対象であることを示す「１」であるコンバージョンフラグに対応する参照ページＵＲＬを含むアクセスログの割合を表わすコンバージョン率を算出する。
具体的に、到達率算出部１０８は、アクセス情報分類結果テーブルのデータについて、同一のクラスタ番号、及び同一の商品ＩＤであるデータのうち、コンバージョンフラグが「１」であるデータの割合を算出する。
具体的に、到達率算出部１０８は、アクセス情報分類結果テーブルのデータについて、同一のクラスタ番号、及び同一の商品ＩＤであるデータのうち、コンバージョンフラグが「１」であるデータの割合を算出する。
到達率算出結果記憶部１０９は、コンバージョン率算出結果テーブル（図１１）を記憶する。コンバージョン率算出結果テーブル（図１１）は、クラスタ番号ごと、及び商品ＩＤごとに、到達率算出部１０８が算出したコンバージョン率を格納したテーブルである。
推奨ページ出力部１１０は、到達率算出部１０８が算出したコンバージョン率に基づき出力するクラスタ番号を特定し、該特定したクラスタ番号に対応するアクセス情報分類結果記憶部１０７が記憶する参照元ページＵＲＬを出力する。
具体的に、例えば、推奨ページ出力部１１０は、コンバージョン率算出結果テーブルより、商品ＩＤごとにコンバージョン率が最も高いクラスタ番号を特定し、商品ＩＤとクラスタ番号に対応する参照元ページＵＲＬを出力する。しかし、本発明はこれに限らず、例えば、コンバージョン率の閾値を予め記憶し、該閾値を超えるコンバージョン率となる商品ＩＤとクラスタ番号とを特定し、該特定した商品ＩＤとクラスタ番号に対応する参照元ページＵＲＬを出力してもよい。
具体的に、例えば、推奨ページ出力部１１０は、コンバージョン率算出結果テーブルより、商品ＩＤごとにコンバージョン率が最も高いクラスタ番号を特定し、商品ＩＤとクラスタ番号に対応する参照元ページＵＲＬを出力する。しかし、本発明はこれに限らず、例えば、コンバージョン率の閾値を予め記憶し、該閾値を超えるコンバージョン率となる商品ＩＤとクラスタ番号とを特定し、該特定した商品ＩＤとクラスタ番号に対応する参照元ページＵＲＬを出力してもよい。
なお、参照ページ情報記憶部１０１、アクセス情報記憶部１０２、アクセス情報解析結果記憶部１０４、アクセス情報分類結果記憶部１０７、及び到達率算出結果記憶部１０９は、データを保持するものであり、磁気ハードディスク装置あるいは半導体メモリを用いて実現される。
また、参照元ページ情報解析部１０３、特徴抽出部１０５、アクセス情報分類部１０６、到達率算出部１０８、及び推奨ページ出力部１１０は、情報分析装置１０が記憶媒体の保持するプログラムを読み出し実行することにより、又は、電子回路により実現される。
また、参照元ページ情報解析部１０３、特徴抽出部１０５、アクセス情報分類部１０６、到達率算出部１０８、及び推奨ページ出力部１１０は、情報分析装置１０が記憶媒体の保持するプログラムを読み出し実行することにより、又は、電子回路により実現される。
以下、上述の各テーブルの一例と、参照元ページ情報解析部１０３、特徴抽出部１０５、アクセス情報分類部１０６の動作について詳細を説明する。
まず、商品・サービス情報テーブルについて説明をする。商品・サービス情報テーブルは、リレーショナル形式のデータベースにより管理されている。
図２は、本発明の第1の実施形態に係る商品・サービス情報テーブルの一例を示す概略図である。図示するように、商品・サービス情報テーブルは、行と列からなる２次元の表形式のデータであり、商品ＩＤ、商品名、参照ページＵＲＬ（リクエストＵＲＬ）、コンバージョンフラグの各項目の列を有している。この商品・サービス情報テーブルの主キーは、参照ページＵＲＬである。
まず、商品・サービス情報テーブルについて説明をする。商品・サービス情報テーブルは、リレーショナル形式のデータベースにより管理されている。
図２は、本発明の第1の実施形態に係る商品・サービス情報テーブルの一例を示す概略図である。図示するように、商品・サービス情報テーブルは、行と列からなる２次元の表形式のデータであり、商品ＩＤ、商品名、参照ページＵＲＬ（リクエストＵＲＬ）、コンバージョンフラグの各項目の列を有している。この商品・サービス情報テーブルの主キーは、参照ページＵＲＬである。
例えば、図２は、参照ページＵＲＬ「ｈｔｔｐ：//ｘｘｘ・・・/１２３４５/ｔｏｐ．ｈｔｍｌ」のページが、商品ＩＤ「１２３４５」である商品名「○○○」の商品が掲載され、コンバージョンフラグ「０」、つまり、商品の購入に結び付くページではないことを表わしている。なお、コンバージョンフラグ「１」は、商品の購入に結び付くページであることを表わしている。
次に、アクセスログテーブルについて説明をする。アクセスログテーブルは、リレーショナル形式のデータベースにより管理されている。
図３は、本発明の第1の実施形態に係るアクセスログテーブルの一例を示す概略図である。図示するように、アクセスログテーブルは、行と列からなる２次元の表形式のデータであり、参照ページの参照ごとに払いだされるセッションＩＤ、参照ページにアクセスした時間、参照元ページＵＲＬ（リファラＵＲＬ）、参照ページＵＲＬ、ニュースやブログ等で分類するページのカテゴリの各項目の列を有している。このアクセスログテーブルの主キーは、セッションＩＤである。
図３は、本発明の第1の実施形態に係るアクセスログテーブルの一例を示す概略図である。図示するように、アクセスログテーブルは、行と列からなる２次元の表形式のデータであり、参照ページの参照ごとに払いだされるセッションＩＤ、参照ページにアクセスした時間、参照元ページＵＲＬ（リファラＵＲＬ）、参照ページＵＲＬ、ニュースやブログ等で分類するページのカテゴリの各項目の列を有している。このアクセスログテーブルの主キーは、セッションＩＤである。
例えば、図３の１番目のアクセスログは、時間「２００８年０３月０３日２０時３０分１４秒」に、参照ページＵＲＬ「ｈｔｔｐ：//ｘｘｘ・・・/１２３４５/ｔｏｐ．ｈｔｍｌ」にアクセスがあり、セッションＩＤ「Ａ８ｙｋｓ０４０」が払い出されたことを表わしている。また、該アクセスログは、「ｈｔｔｐ：//ｘｘｘ・・・/１２３４５/ｔｏｐ．ｈｔｍｌ」にアクセスする直前に、参照元ページＵＲＬ「ｈｔｔｐ：//ｗｗｗ．ａａａ・・・．ｃｏ．ｊｐ」にアクセスし、該参照元ページのカテゴリは、「ニュース」であることを表わしている。
次に、参照元ページ情報解析部１０３、特徴抽出部１０５、アクセス情報分類部１０６が行う参照元ページの分類動作について説明をする。
図４は、本発明の第1の実施形態に係る参照元ページの分類動作を示すフロー図である。
まず、参照元ページ情報解析部１０３は、解析対象となる単語を選択する（Ｓ１０１）。そして、参照元ページ情報解析部１０３は、該選択した単語の出現頻度を算出する（Ｓ１０２）。次に、アクセス情報解析結果記憶部１０４は、セッションＩＤごとのデータであって、参照元ページ情報解析部１０３が算出した単語の出現頻度を含むデータであるアクセスログ単語解析データを記憶する（Ｓ１０３）。
図４は、本発明の第1の実施形態に係る参照元ページの分類動作を示すフロー図である。
まず、参照元ページ情報解析部１０３は、解析対象となる単語を選択する（Ｓ１０１）。そして、参照元ページ情報解析部１０３は、該選択した単語の出現頻度を算出する（Ｓ１０２）。次に、アクセス情報解析結果記憶部１０４は、セッションＩＤごとのデータであって、参照元ページ情報解析部１０３が算出した単語の出現頻度を含むデータであるアクセスログ単語解析データを記憶する（Ｓ１０３）。
次に、特徴抽出部１０５は、アクセスログ単語解析データについて、参照元ページ情報解析部１０３が算出した各単語の出現頻度を成分とした主成分分析を行う（Ｓ１０４）。そして、特徴抽出部１０５は、アクセスログ単語解析データの成分である各単語の出現頻度を、主成分に変換する（Ｓ１０５）。次に、アクセス情報分類部１０６は、参照元ページ解析情報を、特徴抽出部１０５が変換した主成分についてクラスタ分類を実施する（Ｓ１０６）。
以下、参照元ページの分類動作について詳細を説明する。
以下、参照元ページの分類動作について詳細を説明する。
まず、参照元ページ情報解析部１０３の機能とアクセス情報解析結果テーブルとについて詳細を説明する。
参照元ページ情報解析部１０３は、アクセスログテーブルに含まれる参照元ページＵＲＬから取得したＨＴＭＬファイルについて、解析対象となる単語を選択する。
参照元ページ情報解析部１０３は、まず、アクセスログテーブルに格納された１つのアクセスログｊについて、取得したＨＴＭＬファイルのデータに含まれる単語ｉの出現回数を数え、ｔｆｉ，ｊ（以下、ｔｆ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ）値という）を求める。ここで、単語ｉは、「記事」、「リンク」等の単語の一つであり、例えば、自然言語処理の基礎技術である形態素解析を用いて定めてもよいし、予め単語候補を定めてもよい。
参照元ページ情報解析部１０３は、アクセスログテーブルに含まれる参照元ページＵＲＬから取得したＨＴＭＬファイルについて、解析対象となる単語を選択する。
参照元ページ情報解析部１０３は、まず、アクセスログテーブルに格納された１つのアクセスログｊについて、取得したＨＴＭＬファイルのデータに含まれる単語ｉの出現回数を数え、ｔｆｉ，ｊ（以下、ｔｆ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ）値という）を求める。ここで、単語ｉは、「記事」、「リンク」等の単語の一つであり、例えば、自然言語処理の基礎技術である形態素解析を用いて定めてもよいし、予め単語候補を定めてもよい。
参照元ページ情報解析部１０３は、アクセスログテーブルの全てのアクセスログについて、参照元ページＵＲＬから取得したＨＴＭＬファイルのデータに含まれる単語ｉの合計出現回数であるｔｆｉ（式（１））、及び、単語ｉが含まれるアクセスログ数であるｄｆｉ（式（２））を算出する。
ここで、アクセスログテーブルに格納されたアクセスログはＮ個とする。参照元ページ情報解析部１０３は、該算出結果より、ｔｆｉの値が高い単語ｉを選択する（以下、選択した単語を、選択単語ｉという）。また、[ｔｆｉｊ≠０]は、ｔｆｉｊが０でないときは１、ｔｆｉｊが０のときは０をとる特殊関数であることを示す。
本実施形態では、参照元ページ情報解析部１０３は、ｔｆｉの値が高い順に６０個の単語を選択するとする。
本実施形態では、参照元ページ情報解析部１０３は、ｔｆｉの値が高い順に６０個の単語を選択するとする。
ただし、参照元ページ情報解析部１０３は、ｄｆｉの値が非常に高い単語を選択しないとしてもよい。つまり、多くのＨＴＭＬファイルに記載されている単語は、ウェブページに掲載されている一般的な単語であり、特徴を分析する情報分析には向かないので、選択をしないとしてもよい。例えば、参照元ページ情報解析部１０３は、ｄｆｉの値が高い順に所定の数の単語を選択しないとしてもよいし、ｄｆｉの値が所定の閾値を超える単語を選択しないとしてもよい。
図５は、参照元ページ情報解析部１０３による単語選択結果の一例を示す概略図である。図５は、参照元ページ情報解析部１０３が選択した選択単語ｉ（単語）と、選択単語ｉの合計出現回数ｔｆｉ（ｔｆ値合計）とを３列に並べたものである。
例えば、図５は、アクセス情報分類部１０６が選択した単語「記事」について、アクセスログテーブルの全てのアクセスログには、「４９２」回出現したことを表わしている。
なお、図５では、単語を名詞に限定した結果を表わしているが、本発明はこれに限らず、例えば、形容詞等の単語に対しても同様の分析が可能である。
例えば、図５は、アクセス情報分類部１０６が選択した単語「記事」について、アクセスログテーブルの全てのアクセスログには、「４９２」回出現したことを表わしている。
なお、図５では、単語を名詞に限定した結果を表わしているが、本発明はこれに限らず、例えば、形容詞等の単語に対しても同様の分析が可能である。
次に、参照元ページ情報解析部１０３は、選択単語ｉについて出現頻度を算出する。
参照元ページ情報解析部１０３は、例えば、アクセスログｊ（アクセスログｊのセッションＩＤをセッションＩＤｊとする）に対応する選択単語ｉの出現頻度ｗｉ，ｊを、式（３）により算出する。
参照元ページ情報解析部１０３は、例えば、アクセスログｊ（アクセスログｊのセッションＩＤをセッションＩＤｊとする）に対応する選択単語ｉの出現頻度ｗｉ，ｊを、式（３）により算出する。
参照元ページ情報解析部１０３は、選択単語ｉの出現頻度をアクセス情報解析結果テーブルに記憶する。アクセス情報解析結果テーブルは、リレーショナル形式のデータベースにより管理されている。
図６は、本発明の第1の実施形態に係るアクセス情報解析結果テーブルの一例を示す概略図である。図示するように、アクセス情報解析結果テーブルは、行と列からなる２次元の表形式のデータであり、セッションＩＤ、時間、参照元ページＵＲＬ、選択単語ｉの出現頻度の各項目の列を有している。アクセス情報解析結果テーブルの各行は、アクセスログテーブルの各行について、参照元ページＵＲＬに対応する各単語の出現頻度を付加したものであり、アクセスログ単語解析データである。このアクセス情報解析結果テーブルの主キーは、セッションＩＤである。
図６は、本発明の第1の実施形態に係るアクセス情報解析結果テーブルの一例を示す概略図である。図示するように、アクセス情報解析結果テーブルは、行と列からなる２次元の表形式のデータであり、セッションＩＤ、時間、参照元ページＵＲＬ、選択単語ｉの出現頻度の各項目の列を有している。アクセス情報解析結果テーブルの各行は、アクセスログテーブルの各行について、参照元ページＵＲＬに対応する各単語の出現頻度を付加したものであり、アクセスログ単語解析データである。このアクセス情報解析結果テーブルの主キーは、セッションＩＤである。
例えば、図６は、参照元ページ情報解析部１０３が、セッションＩＤ「Ａ８ｙｋｓ０４０」であり、時間が「２００８年３月３日２０時３０分４０秒」であるアクセスログより、該アクセスログの参照元ページＵＲＬ「ｈｔｔｐ：//ｗｗｗ．ａａａ・・・．ｃｏ．ｊｐ」にアクセスして、参照元ページのＨＴＭＬデータを取得したことを表わしている。
そして、該アクセスログ単語解析データは、該取得したＨＴＭＬファイルのデータに、単語「銘柄」が「６」、単語「投資」が「４」、単語「メール」が「１」、単語「機能」が「０」、単語「サーバ」が「０」の出現頻度で出現したことを表わしている。なお、図６では、６０単語のうち５つの単語についてのみ出現頻度を記載している。
そして、該アクセスログ単語解析データは、該取得したＨＴＭＬファイルのデータに、単語「銘柄」が「６」、単語「投資」が「４」、単語「メール」が「１」、単語「機能」が「０」、単語「サーバ」が「０」の出現頻度で出現したことを表わしている。なお、図６では、６０単語のうち５つの単語についてのみ出現頻度を記載している。
次に、特徴抽出部１０５の機能について詳細を説明する
特徴抽出部１０５は、アクセスログ単語解析データについて、各単語の出現頻度を成分とした主成分分析を行う。
なお、アクセス情報解析結果テーブルが格納するセッションＩＤは、アクセス情報記憶部１０２が記憶するアクセスログのセッションＩＤと対応しているので、アクセスログ単語解析データについての主成分分析は、アクセス情報記憶部１０２が記憶するアクセスログについての主成分分析と同等である。
以下、主成分分析について説明をする。
特徴抽出部１０５は、アクセスログ単語解析データについて、各単語の出現頻度を成分とした主成分分析を行う。
なお、アクセス情報解析結果テーブルが格納するセッションＩＤは、アクセス情報記憶部１０２が記憶するアクセスログのセッションＩＤと対応しているので、アクセスログ単語解析データについての主成分分析は、アクセス情報記憶部１０２が記憶するアクセスログについての主成分分析と同等である。
以下、主成分分析について説明をする。
まず、アクセスログ単語解析データｊ（セッションＩＤがセッションＩＤｊであるアクセスログ単語解析データ）に対応する選択単語ｉの出現頻度ｗｉ，ｊ（ｉ＝１、２、・・・、Ｋ）を成分とするベクトルｗｊ＝（ｗ１，ｊ、ｗ２，ｊ、・・・、ｗｐ，ｊ、・・・、ｗＫ，ｊ）（ｊ＝１、２、・・・、Ｎ）を考え、式（５）の条件の下、式（４）の線形結合を考える。
ここで、Ｋは、選択単語の数であり、本実施形態では、Ｋ＝６０である。
ここで、Ｋは、選択単語の数であり、本実施形態では、Ｋ＝６０である。
ｚｊ，ｍは、アクセスログ単語解析データｊの第ｍ主成分と呼ばれる。なお、ｍは選択単語の数であるＫ（Ｋ＝６０）以下の自然数（ｍ＝１、２、・・・、Ｐ≦Ｋ＝６０）である（以下、Ｐを主成分数という）。また、ベクトルａｍ＝（ａ１，ｍ、ａ２，ｍ、・・・、ａＫ，ｍ）とする。
アクセスログ単語解析データの第ｍ主成分の分散Ｖ（ｚｍ）は、以下の式（６）となる。
アクセスログ単語解析データの第ｍ主成分の分散Ｖ（ｚｍ）は、以下の式（６）となる。
ここで、ｚｍは、アクセスログ単語解析データｊの第ｍ主成分ｚｊ，ｍを、全てのアクセスログ単語解析データについて平均した平均値である。式（６）を最大にするベクトルａｍは、以下の、共分散行列Ｒ（式（７））の固有値ベクトルとして算出される。ただし、単語の出現頻度に偏りがある場合等に変数を規準化した場合は、相関行列を用いてもよい。
ここで、ベクトルｗは、アクセスログ単語解析データｊに対応するベクトルｗｊを、全てのアクセスログ単語解析データについて平均した平均ベクトルであり、Ｔは、転置を意味する。
また、λｍ（ｍ＝１、２、・・・、Ｐ≦Ｋ＝６０）とし、λ１≧λ２≧・・・≧λＰとする。なお、第ｍ主成分ｚｊ，ｍの分散Ｖ（ｚｍ）は、λｍとなる。
また、λｍ（ｍ＝１、２、・・・、Ｐ≦Ｋ＝６０）とし、λ１≧λ２≧・・・≧λＰとする。なお、第ｍ主成分ｚｊ，ｍの分散Ｖ（ｚｍ）は、λｍとなる。
次に、特徴抽出部１０５は、第ｍ主成分の寄与率を計算し、該計算結果に基づき主成分数Ｐを決定する。
特徴抽出部１０５は、後述する第１主成分からの寄与率の合計である累積寄与率が所定の閾値以上となる主成分数を主成分数Ｐとする。なお、寄与率とは、主成分の情報への寄与を示す指標であり、寄与率の値が大きい主成分は、情報への寄与が大きいと解釈される。
特徴抽出部１０５は、後述する第１主成分からの寄与率の合計である累積寄与率が所定の閾値以上となる主成分数を主成分数Ｐとする。なお、寄与率とは、主成分の情報への寄与を示す指標であり、寄与率の値が大きい主成分は、情報への寄与が大きいと解釈される。
特徴抽出部１０５は、算出した固有値λの解λｍについて、寄与率δｍ（式（９））を計算する。
ここで、ｔｒ（Ｒ）は、共分散行列Ｒのトレースである。
また、第１主成分から第Ｐ主成分までの累積寄与率δは、式（１０）より計算される。
また、第１主成分から第Ｐ主成分までの累積寄与率δは、式（１０）より計算される。
図７は、本発明の第1の実施形態に係る主成分の寄与率の一例を示す概略図である。図は、第ｍ主成分に対し、寄与率、第１主成分から第ｍ主成分まで寄与率の和である累積寄与率を第１０主成分まで示している。
特徴抽出部１０５は、例えば、累積寄与率δが８０％以上となる主成分数Ｐを主成分と決定する。具体的に、図７では、第１０主成分の累積寄与率が８１．１％となり、８０％を超えているので、主成分数Ｐを１０と決定する。
特徴抽出部１０５は、例えば、累積寄与率δが８０％以上となる主成分数Ｐを主成分と決定する。具体的に、図７では、第１０主成分の累積寄与率が８１．１％となり、８０％を超えているので、主成分数Ｐを１０と決定する。
特徴抽出部１０５は、アクセスログ単語解析データｊに対応する選択単語ｉの出現頻度ｗｉ，ｊを、式（８）で計算したベクトルａｍを代入した式（４）で、第１主成分ｚｊ，１から第１０主成分ｚｊ，１０の各主成分に変換する。つまり、特徴抽出部１０５は、各アクセス情報の成分を特徴が現れる主成分に変換する。
以下、特徴抽出部１０５の主成分分析の結果が示す特徴の一例について説明する。
アクセスログ単語解析データｊについて、選択単語ｉの出現頻度ｗｉ，ｊと第ｍ主成分ｚｊ，ｍとの相関を示す因子負荷量ｒｍ，ｐは、式（１１）で計算される。
アクセスログ単語解析データｊについて、選択単語ｉの出現頻度ｗｉ，ｊと第ｍ主成分ｚｊ，ｍとの相関を示す因子負荷量ｒｍ，ｐは、式（１１）で計算される。
図８は、本発明の第1の実施形態に係る主成分負荷量データの一例を示す概略図である。主成分負荷量は、変数である各単語の出現頻度と主成分の相関であり、その値（絶対値）が大きい場合、相関が強いことを意味する。
図８は、単語の出現頻度ごとに、第１主成分負荷量、第２主成分負荷量を示している。例えば、第１主成分は、第１主成分負荷量は、「銘柄」、「注目」、「投資」の単語に対する負荷量の絶対値が大きく、「評価・推奨・利益追求に関する成分」であるという特徴を表わしていると解釈できる。
図８は、単語の出現頻度ごとに、第１主成分負荷量、第２主成分負荷量を示している。例えば、第１主成分は、第１主成分負荷量は、「銘柄」、「注目」、「投資」の単語に対する負荷量の絶対値が大きく、「評価・推奨・利益追求に関する成分」であるという特徴を表わしていると解釈できる。
次に、アクセス情報分類部１０６の機能について詳細を説明する
アクセス情報分類部１０６は、アクセスログ単語解析データについて、特徴抽出部１０５が変換した成分を、Ｋ−ｍｅａｎｓ法（Ｋ平均法）等を用いることにより、参照元ページ解析情報をセグメント化、すなわち、クラスタに分類する。
本実施形態では、アクセス情報分類部１０６は、Ｋ−３、つまり、分類するクラスタを３つとして、アクセスログ単語解析データｊに対応する主成分ｚｊ，ｍを分類する。
アクセス情報分類部１０６は、アクセスログ単語解析データについて、特徴抽出部１０５が変換した成分を、Ｋ−ｍｅａｎｓ法（Ｋ平均法）等を用いることにより、参照元ページ解析情報をセグメント化、すなわち、クラスタに分類する。
本実施形態では、アクセス情報分類部１０６は、Ｋ−３、つまり、分類するクラスタを３つとして、アクセスログ単語解析データｊに対応する主成分ｚｊ，ｍを分類する。
図９は、アクセス情報分類部１０６によるクラスタ分類を説明する概略図である。
この図は、単語「メール」、「銘柄」の出現頻度を、それぞれ縦軸、横軸とした空間である。この図は、該空間にベクトルａ１、ベクトルａ２が存在し、ベクトルａ１の方向を第1主成分の軸、ベクトルａ２の方向を第２主成分の軸とした場合の図である。
この図の空間にプロットされた黒い点は、アクセスログ単語解析データｊについて、単語「銘柄」、「メール」の出現頻度をプロットした点であり、一つの点が一のアクセスログ単語解析データに対応する。
この図の×が後述するクラスタ分類の基準点であり、アクセスログ単語解析データは、３つのクラスタであるクラスタ１、クラスタ２、クラスタ３に分類されている。
この図は、単語「メール」、「銘柄」の出現頻度を、それぞれ縦軸、横軸とした空間である。この図は、該空間にベクトルａ１、ベクトルａ２が存在し、ベクトルａ１の方向を第1主成分の軸、ベクトルａ２の方向を第２主成分の軸とした場合の図である。
この図の空間にプロットされた黒い点は、アクセスログ単語解析データｊについて、単語「銘柄」、「メール」の出現頻度をプロットした点であり、一つの点が一のアクセスログ単語解析データに対応する。
この図の×が後述するクラスタ分類の基準点であり、アクセスログ単語解析データは、３つのクラスタであるクラスタ１、クラスタ２、クラスタ３に分類されている。
まず、アクセス情報分類部１０６は、３つの基準点をランダムに与える。
次に、アクセス情報分類部１０６は、アクセスログ単語解析データについて、特徴抽出部１０５が抽出した主成分の距離が最も近い基準点を特定し、アクセスログ単語解析データは、該特定した基準点のクラスタに属するとする。このようにして、アクセス情報分類部１０６は、アクセスログ単語解析データの集合であるクラスタを生成する。
次に、アクセス情報分類部１０６は、各クラスタに属するアクセスログ単語解析データについて主成分の重心を計算する。
そして、アクセス情報分類部１０６は、該計算した重心を新たな基準点とし、再度、各参照元ページ解析情報の最も近い基準点を算出してクラスタを再生成する。アクセス情報分類部１０６は、該再生成を繰り返し、全てのアクセスログ単語解析データについて、属するクラスタに変化がない場合、各アクセスログ単語解析データが属するクラスタを、分類するクラスタとして確定する。
アクセス情報分類部１０６は、該クラスタを確定したアクセスログ単語解析データのセッションＩＤに対し、該分類結果であるクラスタ番号を関係付けてアクセス情報分類結果記憶部１０７に記憶する。
次に、アクセス情報分類部１０６は、アクセスログ単語解析データについて、特徴抽出部１０５が抽出した主成分の距離が最も近い基準点を特定し、アクセスログ単語解析データは、該特定した基準点のクラスタに属するとする。このようにして、アクセス情報分類部１０６は、アクセスログ単語解析データの集合であるクラスタを生成する。
次に、アクセス情報分類部１０６は、各クラスタに属するアクセスログ単語解析データについて主成分の重心を計算する。
そして、アクセス情報分類部１０６は、該計算した重心を新たな基準点とし、再度、各参照元ページ解析情報の最も近い基準点を算出してクラスタを再生成する。アクセス情報分類部１０６は、該再生成を繰り返し、全てのアクセスログ単語解析データについて、属するクラスタに変化がない場合、各アクセスログ単語解析データが属するクラスタを、分類するクラスタとして確定する。
アクセス情報分類部１０６は、該クラスタを確定したアクセスログ単語解析データのセッションＩＤに対し、該分類結果であるクラスタ番号を関係付けてアクセス情報分類結果記憶部１０７に記憶する。
図１０は、本発明の第1の実施形態に係るアクセス情報分類結果テーブルの一例を示す概略図である。図示するように、アクセス情報分類結果テーブルは、行と列からなる２次元の表形式のデータであり、セッションＩＤ、時間、参照元ページＵＲＬ、商品ＩＤ、商品名、コンバージョンフラグ、クラスタ番号の各項目の列を有している。このアクセス情報分類結果テーブルの各行は、アクセスログテーブルの各行について、参照ページＵＲＬにより、商品・サービス情報テーブルの商品ＩＤと商品名とコンバージョンフラグを関係づけ、アクセス情報分類部１０６の分析結果であるクラスタ番号を付加したものである。このアクセス情報分類結果テーブルの主キーはセッションＩＤである。
例えば、図１０では、セッションＩＤ「Ａ８ｙｋｓ０４０」のデータは、時間「２００８年０３月０３日２０時３０分１４秒」に、商品ＩＤ「１２３４５」、商品名「○○○」、コンバージョンフラグ「０」に分類された参照ページにアクセスし、該アクセスの直前に、参照元ページＵＲＬ「ｈｔｔｐ：//ｗｗｗ．ａａａ・・・．ｃｏ．ｊｐ」にアクセスし、その参照元ページは、クラスタ番号「０１」であることを表わしている。
図１１は、本発明の第1の実施形態に係るコンバージョン率算出結果テーブルの一例を示す概略図である。図示するように、コンバージョン率算出結果テーブルは、行と列からなる２次元の表形式のデータであり、商品ＩＤ、クラスタ１のコンバージョン率、クラスタ２のコンバージョン率、クラスタ３のコンバージョン率、及び全体のコンバージョン率の各項目の列を有している。このコンバージョン率算出結果テーブルの主キーは、商品ＩＤである。
なお、全体のコンバージョン率は、アクセス情報分類結果テーブルの全てのデータのうち、該データの商品ＩＤが同一であるデータについて、コンバージョンフラグが「１」であるデータの割合である。
なお、全体のコンバージョン率は、アクセス情報分類結果テーブルの全てのデータのうち、該データの商品ＩＤが同一であるデータについて、コンバージョンフラグが「１」であるデータの割合である。
例えば、図１１では、商品ＩＤ「１２３４５」の商品が掲載された参照ページに関し、クラスタ１、クラスタ２、クラスタ３のアクセスログについて、それぞれ、コンバージョン率が「１６．７％」、「５．６％」、「６．７％」であることを表わし、アクセスログ全体について、コンバージョン率が「６．７％」であることを表わしている。
つまり、商品ＩＤ「１２３４５」の商品について、クラスタ１に属する参照元ページからアクセスした場合に、コンバージョン率（購入率）が高いことを表わしている。よって、商品ＩＤ「１２３４５」の商品について、ユーザをクラスタ１に属する参照元ページから誘導すれば、高い購入率となることが予想される。
つまり、商品ＩＤ「１２３４５」の商品について、クラスタ１に属する参照元ページからアクセスした場合に、コンバージョン率（購入率）が高いことを表わしている。よって、商品ＩＤ「１２３４５」の商品について、ユーザをクラスタ１に属する参照元ページから誘導すれば、高い購入率となることが予想される。
図１２は、本発明の第1の実施形態に係る推奨ページ出力部１１０の出力データの一例を示す概略図である。
推奨ページ出力部１１０は、コンバージョン率算出結果テーブルより、商品ＩＤごとに、コンバージョン率が最も高いクラスタ番号を特定する。そして、推奨ページ出力部１１０は、商品ごとに、アクセス情報分類結果テーブルより該特定したクラスタ番号に属する参照元ＵＲＬを抽出して出力する。
推奨ページ出力部１１０の出力データは、商品ＩＤ、クラスタ番号、参照元ページＵＲＬからなるデータである。
推奨ページ出力部１１０は、コンバージョン率算出結果テーブルより、商品ＩＤごとに、コンバージョン率が最も高いクラスタ番号を特定する。そして、推奨ページ出力部１１０は、商品ごとに、アクセス情報分類結果テーブルより該特定したクラスタ番号に属する参照元ＵＲＬを抽出して出力する。
推奨ページ出力部１１０の出力データは、商品ＩＤ、クラスタ番号、参照元ページＵＲＬからなるデータである。
図１２では、例えば、商品ＩＤ「１２３４５」の商品について、コンバージョン率が最も高いクラスタ番号「０１」に属する参照元ページＵＲＬ「ｈｔｔｐ：//ｗｗｗ．ａａａ・・・．ｃｏ．ｊｐ」、「ｈｔｔｐ：//ｗｗｗ．ｚｚｚ・・・．ｃｏ．ｊｐ」、「ｈｔｔｐ：//ｗｗｗ．ｙｙｙ・・・．ｃｏ．ｊｐ」が出力されていることを表わしている。
以下、アクセス情報分類部１０６のクラスタ分類の結果が示す特徴の一例について説明する。
アクセスログ単語解析データについて第ｍ主成分を第ｍ主成分得点といい、各クラスタの第ｍ主成分得点の平均は、各クラスタの特徴を表わす。
図１３は、本発明の第1の実施形態に係る主成分得点データの一例を示す概略図である。図は、各クラスタについて、クラスタに属するアクセスログの主成分得点の平均値を示すデータであり、対象となる主成分ごとに、クラスタ１、クラスタ２、クラスタ３の主成分得点を示している。
図１３では、例えば、クラスタ１は、第１主成分の傾向が非常に強く、図８で示した解釈により、「利益追求の情報提供、評価・推奨を行っているページ」と特徴づけることができる。
アクセスログ単語解析データについて第ｍ主成分を第ｍ主成分得点といい、各クラスタの第ｍ主成分得点の平均は、各クラスタの特徴を表わす。
図１３は、本発明の第1の実施形態に係る主成分得点データの一例を示す概略図である。図は、各クラスタについて、クラスタに属するアクセスログの主成分得点の平均値を示すデータであり、対象となる主成分ごとに、クラスタ１、クラスタ２、クラスタ３の主成分得点を示している。
図１３では、例えば、クラスタ１は、第１主成分の傾向が非常に強く、図８で示した解釈により、「利益追求の情報提供、評価・推奨を行っているページ」と特徴づけることができる。
図１４は、本発明の第1の実施形態に係る情報分析装置１０の動作を示すフロー図である。
参照ページ情報記憶部１０１とアクセス情報記憶部１０２は、それぞれ、商品・サービス情報テーブルとアクセスログテーブルのデータを記憶する（Ｓ２０１）。
参照ページ情報記憶部１０１とアクセス情報記憶部１０２は、それぞれ、商品・サービス情報テーブルとアクセスログテーブルのデータを記憶する（Ｓ２０１）。
次に、参照元ページ情報解析部１０３は、アクセスログの参照元ページＵＲＬから各参照元ページの情報を取得し、該情報に含まれる単語の出現頻度を算出する（Ｓ２０２）。
次に、アクセス情報解析結果記憶部１０４は、アクセスログログに参照元ページ情報解析部１０３が算出した各単語の出現頻度を付加したアクセスログ単語解析データを、アクセス情報解析結果テーブルに格納して記憶する。そして、特徴抽出部１０５は、アクセスログ単語解析データについて、各単語の出現頻度を成分とした主成分分析を行い、主成分の累積寄与率が所定の閾値（８０％）以上になる主成分に変換する（Ｓ２０３）。
次に、アクセス情報分類部１０６は、アクセスログ単語解析データについて、特徴抽出部１０５が変換した主成分を、クラスタ分類する（Ｓ２０４）。
次に、アクセス情報解析結果記憶部１０４は、アクセスログログに参照元ページ情報解析部１０３が算出した各単語の出現頻度を付加したアクセスログ単語解析データを、アクセス情報解析結果テーブルに格納して記憶する。そして、特徴抽出部１０５は、アクセスログ単語解析データについて、各単語の出現頻度を成分とした主成分分析を行い、主成分の累積寄与率が所定の閾値（８０％）以上になる主成分に変換する（Ｓ２０３）。
次に、アクセス情報分類部１０６は、アクセスログ単語解析データについて、特徴抽出部１０５が変換した主成分を、クラスタ分類する（Ｓ２０４）。
次に、到達率算出部１０８は、アクセスログを集計し、クラスタ番号ごと、及び商品ＩＤごとに、コンバージョンフラグによってコンバージョン率を算出する（Ｓ２０５）。
次に、推奨ページ出力部１１０は、商品ＩＤごとに到達率算出部１０８が算出したコンバージョン率が最も高いクラスタ番号を特定し、該特定したクラスタ番号に対応する参照元ページＵＲＬを出力する（Ｓ２０６）。
次に、推奨ページ出力部１１０は、商品ＩＤごとに到達率算出部１０８が算出したコンバージョン率が最も高いクラスタ番号を特定し、該特定したクラスタ番号に対応する参照元ページＵＲＬを出力する（Ｓ２０６）。
このように、本実施形態によれば、情報分析装置１０は、参照元ページＵＲＬを含むアクセスログを記憶し、該参照元ページＵＲＬから該参照元ページのＨＴＭＬファイルを取得して該文書情報の単語を解析し、該解析結果の主成分分析を行って参照元ページをクラスタ分類する。また、情報分析装置１０は、参照ページについて商品ＩＤとコンバージョンフラグとを記憶し、アクセスログを集計して、クラスタ番号の分類ごと、及び商品ＩＤごとに、コンバージョン率を算出する。
これにより、情報分析装置は、参照元のウェブページをその記載内容により分類した情報、及び、商品購入に結びついた情報を提供することができる。
これにより、情報分析装置は、参照元のウェブページをその記載内容により分類した情報、及び、商品購入に結びついた情報を提供することができる。
さらに、本実施形態によれば、情報分析装置１０は、商品ＩＤごとにコンバージョン率が最も高いクラスタ番号を特定し、該特定したクラスタ番号に対応する参照元ページＵＲＬを出力する。これにより、各商品について、商品購入に結び付く確率が高い参照元ページのＵＲＬを得ることができる。例えば、商品販売者は、広告等により該参照元ページからの誘導を増やすことにより、効率的に商品購入に結び付いたウェブページへの到達、つまり、商品購入を増やすことができる。
（第２の実施形態）
以下、図面を参照しながら本発明の第２の実施形態について説明する。
第１の実施形態では、商品ＩＤごとにコンバージョン率が高い参照元ページのＵＲＬを出力したが、本実施形態では、商品販売者のウェブページにリンクを張るリンク対象ページ（誘導元ページ）のＵＲＬを入力することで、該リンク対象ページで高いコンバージョン率が予想される商品ＩＤを出力する。
以下、図面を参照しながら本発明の第２の実施形態について説明する。
第１の実施形態では、商品ＩＤごとにコンバージョン率が高い参照元ページのＵＲＬを出力したが、本実施形態では、商品販売者のウェブページにリンクを張るリンク対象ページ（誘導元ページ）のＵＲＬを入力することで、該リンク対象ページで高いコンバージョン率が予想される商品ＩＤを出力する。
図１５は、本発明の第２の実施形態の情報分析装置２０の構成を示す概略ブロック図である。本実施形態（図１５）と第１の実施形態（図１）を比較すると、誘導元ページ情報記憶部２０１、誘導元ページ情報解析部２０２、誘導元ページ解析結果記憶部２０３、誘導元ページ解析情報入力部２０４、誘導元ページ分類特定部２０５、誘導元ページ分類結果記憶部２０６、及び推奨商品出力部２０７（推奨分類出力部）が異なる。しかし、他の構成要素が持つ機能は第１の実施形態と同じであるので、第１の実施形態と同じ機能の説明は省略する。
誘導元ページ情報記憶部２０１は、リンク対象ページ情報テーブル（図１６）を記憶する。リンク対象ページ情報テーブルは、参照ページへの誘導元のウェブページであるリンク対象ページを識別する外部ページＩＤと、リンク対象ページＵＲＬとを含むデータを格納したテーブルである。
誘導元ページ情報解析部２０２は、誘導元ページ情報記憶部２０１が記憶するリンク対象ページＵＲＬにアクセスし、ＨＴＭＬ（ＨｙｐｅｒＴｅｘｔＭａｒｋｕｐＬａｎｇｕａｇｅ）ファイルを取得する。そして、誘導元ページ情報解析部２０２は、該取得した参照元ページのＨＴＭＬファイルのデータに含まれる単語について、参照元ページ情報解析部１０３が選択した選択単語ｉの出現頻度を算出する。
誘導元ページ解析結果記憶部２０３は、リンク対象ページ解析結果テーブル（図１７）を記憶する。リンク対象ページ解析結果テーブルは、外部ページＩＤと、リンク対象ページＵＲＬと、誘導元ページ情報解析部２０２が算出した選択単語ｉの出現頻度とを含むデータ（以下、リンク対象ページ単語解析データという）を格納したテーブルである。
誘導元ページ解析情報入力部２０４は、外部ページＩＤと、該リンク対象ページの文書情報に含まれる単語の出現頻度を含む誘導元ページ解析情報を入力する。
具体的に、誘導元ページ解析情報入力部２０４は、リンク対象ページ解析結果テーブルからリンク対象ページ単語解析データを入力し、誘導元ページ分類特定部２０５に出力する。
なお、本実施形態では、リンク対象ページ解析結果テーブルからリンク対象ページ単語解析データを入力しているが、本発明はこれに限らず、例えば、リンク対象ページ単語解析データを予め特定しておき、管理者用のウェブ画面等から入力してもよい。
具体的に、誘導元ページ解析情報入力部２０４は、リンク対象ページ解析結果テーブルからリンク対象ページ単語解析データを入力し、誘導元ページ分類特定部２０５に出力する。
なお、本実施形態では、リンク対象ページ解析結果テーブルからリンク対象ページ単語解析データを入力しているが、本発明はこれに限らず、例えば、リンク対象ページ単語解析データを予め特定しておき、管理者用のウェブ画面等から入力してもよい。
誘導元ページ分類特定部２０５は、誘導元ページ解析情報入力部２０４から入力された誘導元ページの各単語の出現頻度を特徴抽出部１０５が変換した特徴が現れる主成分に変換し、該主成分が類似するアクセス情報分類部１０６が分類した集合を特定する。
具体的に、誘導元ページ分類特定部２０５は、誘導元ページ解析情報入力部２０４から入力されたリンク対象ページ単語解析データの選択単語ｉの出現頻度ｖｉについて、式（８）で計算したベクトルａｍを代入した式（１２）で、第１主成分ｚ１から第１０主成分ｚ１０の各主成分に変換する。
具体的に、誘導元ページ分類特定部２０５は、誘導元ページ解析情報入力部２０４から入力されたリンク対象ページ単語解析データの選択単語ｉの出現頻度ｖｉについて、式（８）で計算したベクトルａｍを代入した式（１２）で、第１主成分ｚ１から第１０主成分ｚ１０の各主成分に変換する。
ここで、Ｋは、選択単語の数であり、本実施形態では、Ｋ＝６０である。
そして、誘導元ページ分類特定部２０５は、アクセス情報分類部１０６がクラスタ分類でクラスタを確定した際に用いた基準点であって、式（１２）で変換した主成分が最も近い基準点に対応するクラスタのクラスタ番号を特定する。
そして、誘導元ページ分類特定部２０５は、アクセス情報分類部１０６がクラスタ分類でクラスタを確定した際に用いた基準点であって、式（１２）で変換した主成分が最も近い基準点に対応するクラスタのクラスタ番号を特定する。
誘導元ページ分類結果記憶部２０６は、リンク対象ページ分類結果テーブル（図１８）を記憶する。リンク対象分類結果テーブルは、外部ページＩＤと、リンク対象ページＵＲＬと、誘導元ページ分類特定部２０５が特定したクラスタ番号とを格納したテーブルである。
推奨商品出力部２０７は、誘導元ページ分類特定部２０５が特定した集合について、到達率算出部１０８が算出したコンバージョン率に基づき商品ＩＤを出力する。
具体的に、例えば、推奨商品出力部２０７は、コンバージョン率算出結果テーブル（図１１）より、誘導元ページ分類特定部２０５が特定したリンク対象ページのクラスタ番号について、コンバージョン率が最も高い商品ＩＤを特定し、該商品ＩＤを出力する。
具体的に、例えば、推奨商品出力部２０７は、コンバージョン率算出結果テーブル（図１１）より、誘導元ページ分類特定部２０５が特定したリンク対象ページのクラスタ番号について、コンバージョン率が最も高い商品ＩＤを特定し、該商品ＩＤを出力する。
ただし、本発明はこれに限らず、例えば、コンバージョン率の閾値を入力する入力部を設け、推奨商品出力部２０７は、コンバージョン率算出結果テーブルより、誘導元ページ分類特定部２０５が特定したリンク対象ページのクラスタ番号について、コンバージョン率が入力された所定の閾値以上の商品ＩＤを出力してもよい。
さらに、推奨商品出力部２０７は、コンバージョン率が入力された所定の閾値以上の商品ＩＤ、及びリンク対象ページのクラスタ番号に関係づく参照元ページ解析情報について、主成分がリンク対象ページ単語解析データと最も類似する、つまり、主成分の距離が最も近い参照元ページ解析情報を特定し、該参照元ページ解析情報に関係づく商品ＩＤを出力してもよい。
さらに、推奨商品出力部２０７は、コンバージョン率が入力された所定の閾値以上の商品ＩＤ、及びリンク対象ページのクラスタ番号に関係づく参照元ページ解析情報について、主成分がリンク対象ページ単語解析データと最も類似する、つまり、主成分の距離が最も近い参照元ページ解析情報を特定し、該参照元ページ解析情報に関係づく商品ＩＤを出力してもよい。
なお、誘導元ページ情報記憶部２０１、誘導元ページ解析結果記憶部２０３、及び誘導元ページ分類結果記憶部２０６は、データを保持するものであり、磁気ハードディスク装置あるいは半導体メモリを用いて実現される。
また、誘導元ページ情報解析部２０２、誘導元ページ解析情報入力部２０４、誘導元ページ分類特定部２０５、及び推奨商品出力部２０７は、情報分析装置２０が記憶媒体の保持するプログラムを読み出し実行することにより、又は、電子回路により実現される。
また、誘導元ページ情報解析部２０２、誘導元ページ解析情報入力部２０４、誘導元ページ分類特定部２０５、及び推奨商品出力部２０７は、情報分析装置２０が記憶媒体の保持するプログラムを読み出し実行することにより、又は、電子回路により実現される。
以下、上述の各テーブルの一例について詳細を説明する。
まず、リンク対象ページ情報テーブルについて説明をする。リンク対象ページ情報テーブルは、リレーショナル形式のデータベースにより管理されている。
図１６は、本発明の第２の実施形態に係るリンク対象ページ情報テーブルの一例を示す概略図である。図示するように、リンク対象ページ情報テーブルは、行と列からなる２次元の表形式のデータであり、外部ページＩＤ、リンク対象ページＵＲＬの各項目の列を有している。このリンク対象ページ情報テーブルの主キーは、外部ページＩＤである。
例えば、図１６では、外部ページＩＤ「ａｂｃ１２３４５」のリンク対象ページのＵＲＬは、「ｈｔｔｐ：//ｘｘｘａｂｃ・・・ｃｏ．ｊｐ」であることを表わしている。
まず、リンク対象ページ情報テーブルについて説明をする。リンク対象ページ情報テーブルは、リレーショナル形式のデータベースにより管理されている。
図１６は、本発明の第２の実施形態に係るリンク対象ページ情報テーブルの一例を示す概略図である。図示するように、リンク対象ページ情報テーブルは、行と列からなる２次元の表形式のデータであり、外部ページＩＤ、リンク対象ページＵＲＬの各項目の列を有している。このリンク対象ページ情報テーブルの主キーは、外部ページＩＤである。
例えば、図１６では、外部ページＩＤ「ａｂｃ１２３４５」のリンク対象ページのＵＲＬは、「ｈｔｔｐ：//ｘｘｘａｂｃ・・・ｃｏ．ｊｐ」であることを表わしている。
次に、リンク対象ページ解析結果テーブルについて説明をする。リンク対象ページ解析結果テーブルは、リレーショナル形式のデータベースにより管理されている。
図１７は、本発明の第２の実施形態に係るリンク対象ページ解析結果テーブルの一例を示す概略図である。図示するように、リンク対象ページ解析結果テーブルは、行と列からなる２次元の表形式のデータであり、外部ページＩＤ、リンク対象ページＵＲＬ、選択単語ｉの出現頻度の各項目の列を有している。このリンク対象ページ解析結果テーブルの主キーは、外部ページＩＤである。
例えば、図１７では、外部ページＩＤ「ａｂｃ１２３４５」で、ＵＲＬが「ｈｔｔｐ：//ｘｘｘａｂｃ・・・ｃｏ．ｊｐ」のリンク対象ページのＨＴＭＬデータには、単語「銘柄」が「０」、単語「投資」が「１」、単語「メール」が「５」、単語「機能」が「３」、単語「サーバ」が「０」の出現頻度で出現したことを表している。
図１７は、本発明の第２の実施形態に係るリンク対象ページ解析結果テーブルの一例を示す概略図である。図示するように、リンク対象ページ解析結果テーブルは、行と列からなる２次元の表形式のデータであり、外部ページＩＤ、リンク対象ページＵＲＬ、選択単語ｉの出現頻度の各項目の列を有している。このリンク対象ページ解析結果テーブルの主キーは、外部ページＩＤである。
例えば、図１７では、外部ページＩＤ「ａｂｃ１２３４５」で、ＵＲＬが「ｈｔｔｐ：//ｘｘｘａｂｃ・・・ｃｏ．ｊｐ」のリンク対象ページのＨＴＭＬデータには、単語「銘柄」が「０」、単語「投資」が「１」、単語「メール」が「５」、単語「機能」が「３」、単語「サーバ」が「０」の出現頻度で出現したことを表している。
次に、リンク対象ページ分類結果テーブルについて説明をする。リンク対象ページ分類結果テーブルは、リレーショナル形式のデータベースにより管理されている。
図１８は、本発明の第２の実施形態に係るリンク対象ページ分類結果テーブルの一例を示す概略図である。図示するように、リンク対象ページ分類結果テーブルは、行と列からなる２次元の表形式のデータであり、外部ページＩＤ、リンク対象ページＵＲＬ、クラスタ番号の各項目の列を有している。このリンク対象ページ分類結果テーブルの主キーは、外部ページＩＤである。
例えば、図１８では、外部ページＩＤ「ａｂｃ１２３４５」で、ＵＲＬが「ｈｔｔｐ：//ｘｘｘａｂｃ・・・ｃｏ．ｊｐ」のリンク対象ページについてのリンク対象ページ単語解析データは、クラスタ番号「０２」のクラスタに属していることを表している。
図１８は、本発明の第２の実施形態に係るリンク対象ページ分類結果テーブルの一例を示す概略図である。図示するように、リンク対象ページ分類結果テーブルは、行と列からなる２次元の表形式のデータであり、外部ページＩＤ、リンク対象ページＵＲＬ、クラスタ番号の各項目の列を有している。このリンク対象ページ分類結果テーブルの主キーは、外部ページＩＤである。
例えば、図１８では、外部ページＩＤ「ａｂｃ１２３４５」で、ＵＲＬが「ｈｔｔｐ：//ｘｘｘａｂｃ・・・ｃｏ．ｊｐ」のリンク対象ページについてのリンク対象ページ単語解析データは、クラスタ番号「０２」のクラスタに属していることを表している。
図１９は、本発明の第２の実施形態に係る推奨商品出力部２０７の出力データの一例を示す概略図である。
推奨商品出力部２０７の出力データは、外部ページＩＤ、リンク対象ページＵＲＬ、商品ＩＤからなるデータである。
図１９では、例えば、外部ページＩＤ「ａｂｃ１２３４５」で、ＵＲＬが「ｈｔｔｐ：//ｘｘｘａｂｃ・・・ｃｏ．ｊｐ」のリンク対象ページの属するクラスタでは、商品ＩＤ「９８７６５」の商品が最もコンバージョン率が高いことを表わしている。
推奨商品出力部２０７の出力データは、外部ページＩＤ、リンク対象ページＵＲＬ、商品ＩＤからなるデータである。
図１９では、例えば、外部ページＩＤ「ａｂｃ１２３４５」で、ＵＲＬが「ｈｔｔｐ：//ｘｘｘａｂｃ・・・ｃｏ．ｊｐ」のリンク対象ページの属するクラスタでは、商品ＩＤ「９８７６５」の商品が最もコンバージョン率が高いことを表わしている。
図２０は、本発明の第２の実施形態に係る情報分析装置２０の動作を示すフロー図である。 図２０と図１４を比較するとＳ３０１〜Ｓ３０５が異なる。しかし、他の構成要素が持つ機能は第１の実施形態と同じであるので、第１の実施形態と同じ機能の説明は省略する。
誘導元ページ情報記憶部２０１は、リンク対象ページ情報テーブルを記憶する（Ｓ３０１）。次に、誘導元ページ情報解析部２０２は、リンク対象ページＵＲＬから各参照元ページの情報を取得し、該情報に含まれる単語の出現頻度を算出する（Ｓ３０２）。次に、誘導元ページ解析情報入力部２０４は、外部ページＩＤと、該リンク対象ページの文書情報に含まれる単語の出現頻度を含むリンク対象ページ単語解析データを入力する（Ｓ３０３）。
誘導元ページ情報記憶部２０１は、リンク対象ページ情報テーブルを記憶する（Ｓ３０１）。次に、誘導元ページ情報解析部２０２は、リンク対象ページＵＲＬから各参照元ページの情報を取得し、該情報に含まれる単語の出現頻度を算出する（Ｓ３０２）。次に、誘導元ページ解析情報入力部２０４は、外部ページＩＤと、該リンク対象ページの文書情報に含まれる単語の出現頻度を含むリンク対象ページ単語解析データを入力する（Ｓ３０３）。
次に、誘導元ページ分類特定部２０５は、誘導元ページ解析情報入力部２０４から入力されたリンク対象ページ単語解析データの各単語の出現頻度について、特徴抽出部１０５と同じ主成分に変換し、該主成分が類似するクラスタのクラスタ番号を特定する（Ｓ３０４）。次に、推奨商品出力部２０７は、誘導元ページ分類特定部２０５が特定したクラスタ番号について、到達率算出部１０８が算出したコンバージョン率に基づき商品ＩＤ（推奨商品）を出力する（Ｓ３０５）。
このように、本実施形態によれば、情報分析装置２０は、リンク対象ページＵＲＬを入力すると、該リンク対象ページを解析してリンク対象ページ解析情報を入力し、該リンク対象ページが属するクラスタ番号を特定し、該クラスタ番号のうちコンバージョン率が高い商品ＩＤを出力する。これにより、商品販売者は、広告等によりリンク対象ページから該特定した商品ＩＤの商品が掲載された参照ページへの誘導を増やすことにより、効率的に該商品の商品購入に結び付いたウェブページへの到達、つまり、商品購入を増やすことができる。
具体的に、ウェブページ作成者のウェブページ（リンク対象ページ）に、商品販売者のウェブページ（参照ページ）にリンクを張ったバナーや広告文を掲載し、該リンクから誘導された顧客が商品を購入すると、該商品の購入額等に応じた金額を該ウェブページ作成者に支払うアフェリエイトというビジネスがある。
この際、リンク対象ページの作成者は、該リンク対象ページよりコンバージョン率が高い商品を特定し、該特定した商品が掲載された参照ページにリンクを張ることにより、効率的に参照ページでの商品購入を増やすことができ、該購入に応じて高い収入を得ることができる。一方、商品販売者は、広告を出すリンク対象ページよりコンバージョン率が高い商品を特定し、該特定した商品を掲載した商品購入ページにリンクをした広告を出すことにより、効率的に商品の購入数を増やすことができる。
この際、リンク対象ページの作成者は、該リンク対象ページよりコンバージョン率が高い商品を特定し、該特定した商品が掲載された参照ページにリンクを張ることにより、効率的に参照ページでの商品購入を増やすことができ、該購入に応じて高い収入を得ることができる。一方、商品販売者は、広告を出すリンク対象ページよりコンバージョン率が高い商品を特定し、該特定した商品を掲載した商品購入ページにリンクをした広告を出すことにより、効率的に商品の購入数を増やすことができる。
なお、上述した各実施形態において、参照ページ分類情報は参照ページに掲載された商品又はサービスを分類する商品ＩＤとした。しかし、本発明はこれに限らず、例えば、「一般利用」、「積極情報収集」、「商品購買（コンバージョン）」といった、商品の購買プロセスに分類してもよい。具体的には、アクセス解析ソフトについて、アクセスログ解析に関する参照ページを「一般利用」とし、アクセス解析ツール・ソフトに関する参照ページを「積極情報収集」とし、アクセス解析商品の申込みをする参照ページを「商品購買」としてもよい。
また、上述した各実施形態において、推奨ページ出力部１１０は推奨する参照元ページを、推奨商品出力部２０７は推奨する商品ＩＤを、最も高いコンバージョン率に基づいて出力している。しかし、本発明はこれに限らず、例えば、コンバージョン率に応じて、コンバージョン率が高い順のランキング等により出力してもよい。
なお、上述した実施形態における情報分析装置１０、２０の一部、例えば、参照元ページ情報解析部１０３、特徴抽出部１０５、アクセス情報分類部１０６、到達率算出部１０８、推奨ページ出力部１１０、誘導元ページ情報解析部２０２、誘導元ページ解析情報入力部２０４、誘導元ページ分類特定部２０５、及び推奨商品出力部２０７をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時刻プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
以上、図面を参照してこの発明の一実施形態について説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
１０・・・情報分析装置、１０１・・・参照ページ情報記憶部、１０２・・・アクセス情報記憶部、１０３・・・参照元ページ情報解析部、１０４・・・アクセス情報解析結果記憶部、１０５・・・特徴抽出部、１０６・・・アクセス情報分類部、１０７・・・アクセス情報分類結果記憶部、１０８・・・到達率算出部、１０９・・・到達率算出結果記憶部、１１０・・・推奨ページ出力部
２０１・・・誘導元ページ情報記憶部、２０２・・・誘導元ページ情報解析部、２０３・・・誘導元ページ解析結果記憶部、２０４・・・誘導元ページ解析情報入力部、２０５・・・誘導元ページ分類特定部、２０６・・・誘導元ページ分類結果記憶部、２０７・・・推奨商品出力部（推奨分類出力部）
２０１・・・誘導元ページ情報記憶部、２０２・・・誘導元ページ情報解析部、２０３・・・誘導元ページ解析結果記憶部、２０４・・・誘導元ページ解析情報入力部、２０５・・・誘導元ページ分類特定部、２０６・・・誘導元ページ分類結果記憶部、２０７・・・推奨商品出力部（推奨分類出力部）
Claims (7)
- ウェブページへのアクセスごとの情報であって、該アクセスにより参照された参照ページの所在情報と、該ページへのアクセス前に参照された参照元ページの所在情報と含む情報であるアクセス情報を予め記憶するアクセス情報記憶部と、
前記参照ページの所在情報と該参照ページが到達率の算出対象か否かを示す到達識別情報とを予め記憶する参照ページ情報記憶部と、
前記アクセス情報記憶部が記憶する参照元ページの所在情報に基づき参照元ページの文書情報を取得し、該文書情報に含まれる単語の出現頻度を算出する参照元ページ情報解析部と、
前記アクセス情報記憶部が記憶するアクセス情報について、該アクセス情報の参照ページ所在情報に対応する前記参照元ページ情報解析部が算出した各単語の出現頻度を成分として主成分分析を行い、各アクセス情報の成分を特徴が現れる主成分に変換する特徴抽出部と、
前記アクセス情報記憶部が記憶するアクセス情報について、前記特徴抽出部が変換した主成分が類似するアクセス情報の集合に分類するアクセス情報分類部と、
前記アクセス情報分類部が分類した同一の集合に属するアクセス情報のうち、前記参照ページ情報記憶部に記憶された参照ページの所在情報であって、前記到達率の算出対象である到達識別情報に対応する参照ページの所在情報を含むアクセス情報の割合を表わす到達率を算出する到達率算出部と
を備えることを特徴とする情報分析装置。 - 参照ページ情報記憶部は、前記参照ページの文書情報を分類する参照ページ分類情報を記憶し、
前記到達率算出部は、前記アクセス情報分類部が分類した同一の集合に属し、前記参照ページ情報記憶部が記憶する参照ページ分類情報が同一のアクセス情報のうち、前記参照ページ情報記憶部に記憶された参照ページの所在情報であって、前記到達率の算出対象である到達識別情報に対応する参照ページの所在情報を含むアクセス情報の割合を表わす到達率を算出する
ことを特徴とする請求項１に記載の情報分析装置。 - 前記参照ページ分類情報は、商品又はサービスについての分類情報であり、
前記到達識別情報は、商品の購入又はサービスの契約に関するページを到達率の算出対象とする情報である
ことを特徴とする請求項２に記載の情報分析装置。 - 参照ページへの誘導元のウェブページである誘導元ページの識別情報と、該誘導元ページの文書情報に含まれる単語の出現頻度とを入力する誘導元ページ解析情報入力部と、
前記誘導元ページ解析情報入力部から入力された誘導元ページの各単語の出現頻度を前記特徴抽出部が変換した特徴が現れる主成分に変換し、該主成分が類似する前記アクセス情報分類部が分類した集合を特定する誘導元ページ分類特定部と、
前記誘導元ページ分類特定部が特定した集合について、前記到達率算出部が算出した到達率に基づき参照ページ分類情報を出力する推奨分類出力部と
を備えることを特徴とする請求項２又は請求項３に記載の情報分析装置。 - 前記到達率算出部が算出した到達率に基づき前記参照元ページ分類情報を特定し、該特定した参照元ページ分類情報に対応する前記アクセス情報分類結果記憶部が記憶する参照元ページの所在情報を出力する推奨ページ出力部
を備えることを特徴とする請求項１から請求項４のいずれかに記載の情報分析装置。 - ウェブページへのアクセスごとの情報であって、該アクセスにより参照された参照ページの所在情報と、該ページへのアクセス前に参照された参照元ページの所在情報と含む情報であるアクセス情報を予め記憶するアクセス情報記憶部と、
前記参照ページの所在情報と該参照ページが到達率の算出対象か否かを示す到達識別情報とを予め記憶する参照ページ情報記憶部と
を備える情報分析装置における情報分析方法であって、
前記情報分析装置が、前記アクセス情報記憶部が記憶する参照元ページの所在情報に基づき参照元ページの文書情報を取得し、該文書情報に含まれる単語の出現頻度を算出する第１の過程と、
前記情報分析装置が、前記アクセス情報記憶部が記憶するアクセス情報について、該アクセス情報の参照ページ所在情報に対応する第１の過程にて算出した各単語の出現頻度を成分として主成分分析を行い、各アクセス情報の成分を特徴が現れる主成分に変換する第２の過程と、
前記情報分析装置が、前記アクセス情報記憶部が記憶するアクセス情報について、第２の過程にて変換した主成分が類似するアクセス情報の集合に分類する第３の過程と、
前記情報分析装置が、第３の過程にて分類した同一の集合に属するアクセス情報のうち、前記参照ページ情報記憶部に記憶された参照ページの所在情報であって、前記到達率の算出対象である到達識別情報に対応する参照ページの所在情報を含むアクセス情報の割合を表わす到達率を算出する第４の過程と
を有することを特徴とする情報分析方法。 - ウェブページへのアクセスごとの情報であって、該アクセスにより参照された参照ページの所在情報と、該ページへのアクセス前に参照された参照元ページの所在情報と含む情報であるアクセス情報を予め記憶するアクセス情報記憶部と、
前記参照ページの所在情報と該参照ページが到達率の算出対象か否かを示す到達識別情報とを予め記憶する参照ページ情報記憶部と
を備える情報分析装置のコンピュータを
前記アクセス情報記憶部が記憶する参照元ページの所在情報に基づき参照元ページの文書情報を取得し、該文書情報に含まれる単語の出現頻度を算出する参照元ページ情報解析手段、
前記アクセス情報記憶部が記憶するアクセス情報について、該アクセス情報の参照ページ所在情報に対応する参照元ページ情報解析手段にて算出した各単語の出現頻度を成分として主成分分析を行い、各アクセス情報の成分を特徴が現れる主成分に変換する特徴抽出手段、
前記アクセス情報記憶部が記憶するアクセス情報について、特徴抽出手段にて変換した主成分が類似するアクセス情報の集合に分類するアクセス情報分類手段、
アクセス情報分類手段にて分類した同一の集合に属するアクセス情報のうち、前記参照ページ情報記憶部に記憶された参照ページの所在情報であって、前記到達率の算出対象である到達識別情報に対応する参照ページの所在情報を含むアクセス情報の割合を表わす到達率を算出する到達率算出手段、
として機能させるための情報分析プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008081952A JP5011185B2 (ja) | 2008-03-26 | 2008-03-26 | 情報分析装置、情報分析方法、及び情報分析プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008081952A JP5011185B2 (ja) | 2008-03-26 | 2008-03-26 | 情報分析装置、情報分析方法、及び情報分析プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2009237824A JP2009237824A (ja) | 2009-10-15 |
| JP5011185B2 true JP5011185B2 (ja) | 2012-08-29 |
Family
ID=41251705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008081952A Expired - Fee Related JP5011185B2 (ja) | 2008-03-26 | 2008-03-26 | 情報分析装置、情報分析方法、及び情報分析プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5011185B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6324331B2 (ja) * | 2015-02-17 | 2018-05-16 | 三菱電機株式会社 | サーバ装置及びクライアント装置及びグルーピング方法及びグルーピングプログラム |
| JP6062514B2 (ja) * | 2015-09-17 | 2017-01-18 | ヤフー株式会社 | 収益指標値生成システム及び収益指標値生成方法 |
| JP7134814B2 (ja) * | 2018-09-28 | 2022-09-12 | キヤノン株式会社 | システム、ページデータ出力方法、及びプログラム |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001188737A (ja) * | 2000-01-05 | 2001-07-10 | Toshiba Corp | 分類識別装置 |
| JP2005242711A (ja) * | 2004-02-26 | 2005-09-08 | Value Commerce Co Ltd | 広告配信管理ネットワークシステム |
| JP2005339419A (ja) * | 2004-05-31 | 2005-12-08 | Nomura Research Institute Ltd | Ｗｅｂページ評価システム及びＷｅｂページ評価方法 |
| JP4398353B2 (ja) * | 2004-12-09 | 2010-01-13 | 日本電信電話株式会社 | Ｗｅｂページの特徴別分類装置およびＷｅｂページの特徴別分類プログラム |
| JP2006323629A (ja) * | 2005-05-19 | 2006-11-30 | Kan:Kk | ウェブサーバのページ更新のための情報を解析するサーバ、ウェブサーバ及びページ更新方法 |
| JP2007323334A (ja) * | 2006-05-31 | 2007-12-13 | Waakuatto:Kk | Ｗｅｂページ抽出システム、これを用いた広告配信システムおよび広告配信プログラム |
| JP2008026972A (ja) * | 2006-07-18 | 2008-02-07 | Fujitsu Ltd | ウェブサイト構築支援システム、ウェブサイト構築支援方法およびウェブサイト構築支援プログラム |
-
2008
- 2008-03-26 JP JP2008081952A patent/JP5011185B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2009237824A (ja) | 2009-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10146743B2 (en) | Systems and methods for optimizing content layout using behavior metrics | |
| CN101517967B (zh) | 网站的流量预测 | |
| US20190220902A1 (en) | Information analysis apparatus, information analysis method, and information analysis program | |
| JP6250106B1 (ja) | 情報解析装置、情報解析方法、および情報解析プログラム | |
| US20190213194A1 (en) | System and method for information recommendation | |
| CN112200601B (zh) | 物品推荐方法、装置及可读存储介质 | |
| JP5253519B2 (ja) | スマートテキストを生成するための方法、装置、及び記憶媒体 | |
| US20230089850A1 (en) | Real-time product environmental impact scoring | |
| JP6405343B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
| JPWO2017203672A1 (ja) | アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置 | |
| JP5772599B2 (ja) | テキストマイニングシステム、テキストマイニング方法および記録媒体 | |
| US10394804B1 (en) | Method and system for increasing internet traffic to a question and answer customer support system | |
| JP5011185B2 (ja) | 情報分析装置、情報分析方法、及び情報分析プログラム | |
| US20130332440A1 (en) | Refinements in Document Analysis | |
| US20220114624A1 (en) | Digital Content Text Processing and Review Techniques | |
| JP2006004098A (ja) | 評価情報生成装置、評価情報生成方法、及びプログラム | |
| JP5603678B2 (ja) | 需要予測装置及び需要予測方法 | |
| US20130054501A1 (en) | Optimizing selection and ordering of items displayed | |
| JP6258246B2 (ja) | 解析装置、解析方法及びプログラム | |
| Thorleuchter et al. | Using Webcrawling of Publicly Available Websites to Assess E-commerce Relationships | |
| JP6173586B2 (ja) | ユーザの検索行為に基づいてデータマイニングを行う方法及び装置 | |
| JP6993955B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| JP6809148B2 (ja) | プログラムおよび組み合わせ抽出システム | |
| JP2021140646A (ja) | ターゲットユーザ特徴抽出方法、ターゲットユーザ特徴抽出システム及びターゲットユーザ特徴抽出サーバ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20101029 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120216 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120221 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120411 |
|
| 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: 20120508 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120604 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5011185 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150608 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |