JP5836210B2 - 影響力推定方法、装置及びプログラム - Google Patents
影響力推定方法、装置及びプログラム Download PDFInfo
- Publication number
- JP5836210B2 JP5836210B2 JP2012142451A JP2012142451A JP5836210B2 JP 5836210 B2 JP5836210 B2 JP 5836210B2 JP 2012142451 A JP2012142451 A JP 2012142451A JP 2012142451 A JP2012142451 A JP 2012142451A JP 5836210 B2 JP5836210 B2 JP 5836210B2
- Authority
- JP
- Japan
- Prior art keywords
- influence
- information
- score
- group
- target
- 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
- 238000000034 method Methods 0.000 title claims description 134
- 230000009471 action Effects 0.000 claims description 68
- 230000008569 process Effects 0.000 claims description 25
- 230000010354 integration Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 41
- 230000005540 biological transmission Effects 0.000 description 34
- 238000012545 processing Methods 0.000 description 26
- 230000001186 cumulative effect Effects 0.000 description 24
- 239000002537 cosmetic Substances 0.000 description 23
- 238000010586 diagram Methods 0.000 description 23
- 238000011156 evaluation Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 15
- 238000009826 distribution Methods 0.000 description 13
- 230000010365 information processing Effects 0.000 description 13
- 230000008685 targeting Effects 0.000 description 9
- 238000012546 transfer Methods 0.000 description 9
- 238000005315 distribution function Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 238000010187 selection method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
従来のプロモーションでは、経験則によって行われていることが多く(非特許文献1)、例えば若い女性に人気のあると言われている女優を起用する、といった方法が採られている。また、ターゲティングを行う際に、従来、性別、年代といったデモグラフィック属性を用いた分類がよく用いられている(非特許文献2)。
まず、ターゲットへの効率的なプロモーションを実施する上で、ターゲットに対して影響のある人または集団を特定することが重要であるが、近年、ソーシャルメディアが普及するなど、情報の流通方法が多様化していることや、情報受信者の嗜好などが多様化していることから、単に経験則では、影響のある人または集団を特定することは極めて困難になってきている。
また、プロモーションを行う対象であるターゲットを選定するにあたり、近年、消費者の嗜好やライフスタイルが多様化しているため、従来の、性別、年代といったデモグラフィック属性を用いた分類では、十分に効果があるターゲットを限定できているとは限らない。したがって、細分化したターゲットの選定を行うことも同時に重要であると考える。
(1)影響力推定方法において、コンピュータにより、情報受信者が情報発信者から受ける影響の度合い(影響度スコア)を人間体系の最下層に位置する個人について算出し、情報受信者それぞれの情報発信者(個人)に関する影響度スコアを統合することにより、任意の情報発信者(個人)が情報受信者群に対して与える影響力を推定する。
(3)(1)または(2)において、前記情報受信者の情報選択履歴を利用して興味スコアを算出し、前記情報受信者の興味に関する任意のターゲット条件の指定入力に従って、前記ターゲット条件に合う興味スコアを持つ情報受信者群を前記情報受信者群なるターゲット集団として抽出する。
(8)影響力推定プログラムにおいて、(1)〜(6)のいずれか記載の影響力推定方法が備える各過程における処理を前記コンピュータに実行させる。
図1は、本発明が適用される企業のマーケティングについて説明する概念図である。
企業では、より少ない投資でプロモーションを実施して情報受信者のアクション(例えば、購入する、情報を開封する)を誘導する、すなわち、企業利益に繋がる情報受信者アクションの発生率を上げることが重要である。また、顧客の新規開拓を行う際に、ターゲットを選んだ場合に、そのターゲットに効果のある(アクションに繋がる)プロモーションを実施することが重要である。そして、プロモーションに際して、アクションが起こりそうなターゲットを選定し(ターゲティング)、ターゲットに対して、効率的なプロモーション方法を決定する、という方法が取られる。
(1)プロモーションにおいて、近年、ソーシャルメディアが普及するなど、情報の流通方法が多様化していることや、情報受信者の嗜好が多様化していることから、単に経験則では、影響のある人または集団を特定することは極めて困難になってきている。
なお、影響度スコアは、情報受信者毎に、人間体系2の構造を持ち、各ノードについてスコアを持っている、または、情報受信者毎に、人間体系2の構造を持ち、かつその下に概念構造が紐づいており、各ノードについてスコアを持っている。ここでの人間体系2は情報発信者を階層構造でまとめたものである。ただし、例えば同一のコミュニティ内で、ユーザが情報発信者にも情報受信者にも成りえる場合には、人間体系2と、人間体系1(情報受信者を階層構造でまとめたもの)は、同一の場合もある。一方で、マスメディアなどにより有名人からの影響度を推定する際にもつ人間体系2(情報発信者を階層構造でまとめたもの)は、人間体系1(情報受信者を階層構造でまとめたもの)と異なる場合もある。
(方法1)影響力推定方法
[個人の影響力推定]
まず、情報受信者が個人の情報発信者(すなわち、人間体系2の最下層に位置するノード名)から受ける影響の度合い(影響度)を算出し、影響度スコアとしてノードに値を持たせる。この影響度スコアを使用して、ある個人の情報発信者が集団(情報受信者群)に対して与える影響の度合い(以後、影響力スコアとする)を推定する。
図2を参照して、影響力推定方法1−1について説明する。図2(a)は、各情報受信者の、ある一人の情報発信者(例えばAさん)に関する影響度スコアを示し、図2(b)は各情報受信者の影響度スコアを確率的に統合し、ある一人の情報発信者(例えばAさん)の影響力スコアを算出した一例を示している。図2(a)は、人に関する影響度スコアを示しているが、各人のある概念・ジャンルに対する影響度スコアを用いても良い。
各情報受信者の、Aさんに関する影響度スコアを用いて、(1)式を用いて影響力スコアを算出する。(1)式により、全情報受信者の影響度スコアを統合し、影響力スコアが算出される。
各情報受信者の、Aさんに関する影響度スコアを用いて、(1)’式を用いて影響力スコアを算出する。(1)’式により、各情報受信者の情報閲覧回数を考慮した全情報受信者の影響力スコアが算出される。
ただし、影響度スコアについて、「Aさんに関する影響度スコア」といった人に対する影響度以外に、「Aさんの特定ジャンル(化粧品)に関する影響度スコア」といったような特定の概念に関わる影響度スコアを用いてもよい。以下の方法でも同様である。
まず、情報受信者が集団の情報発信者(すなわち、人間体系2の最下層以外に位置するノード名)から受ける影響の度合い(影響度)を算出し、影響度スコアとしてノードに値を持たせる。この影響度スコアを使用して、ある集団の情報発信者が情報受信者群に対して与える影響の度合い(影響力スコア)を推定する。
図3を参照して、影響力推定方法1−2について説明する。ここでは、集団の情報発信者が情報受信者群に与える影響の度合い、すなわち影響力スコアの算出の具体的な方法を述べる。図3(a)は人間体系2、図3(b)は各情報受信者の影響度スコア、図3(c)は各情報受信者の影響度スコアを確率的に統合し、ある集団の情報発信者(例えば部長群)の影響力スコアを算出した一例を示している。
各情報受信者の部長群に関する影響度スコアを用いて、(1)式を用いて影響力スコアを算出する。(1)式により、全情報受信者の影響度スコアを統合することで、影響力スコアが算出される。
各情報受信者の部長群に関する影響度スコアを用いて、(1)’式を用いて影響力スコアを算出する。(1)’式により、各情報受信者の情報閲覧回数を考慮した、全情報受信者の影響力スコアが、算出される。
(方法2)ターゲット集団選定方法
情報受信者の属性(性別、年代、居住地域、職業など)は既知とし、例えば、人間体系1で表わす。人間体系を用いない方法としては、例えば、属性を検索条件としてターゲット集団を選定する方法がある。
(方法2−1)
図4を参照して、ターゲット集団選定方法2−1について説明する。図4(a)は処理の流れを示し、図4(b)はこの方法で利用する人間体系1を示している。ここでは、サービス提供者が情報受信者属性に関する任意のターゲット条件(例えば、図4(a)の“東京都に在住の営業職女性”)を入力することにより、システムは、図4(b)に示す人間体系1に基づき、所有している情報受信者の属性を使用し、入力された条件に合う情報受信者を抽出し、ターゲット集団とする。
図5を参照して、ターゲット集団選定方法2−2について説明する。図5(a)は処理の流れを示し、図5(b)はこの方法で利用する情報受信者の興味スコアを示している。ここでは、情報受信者の情報選択履歴を利用して興味スコアを算出しておく。そして、この興味スコアを使用してターゲット集団を抽出する。方法としては、サービス提供者が情報受信者の興味情報に関する任意のターゲット条件(例えば“化粧品情報に興味がある”)を入力することにより、システムは、所有している図5(b)に示す情報受信者の興味スコアを使用し、入力された条件に合う情報受信者を抽出し、ターゲット集団とする。
図6を参照して、ターゲット集団選定方法2−3について説明する。図6(a)は処理の流れを示し、図6(b),(c)はそれぞれこの方法で利用する人間体系1と情報受信者の興味スコアを示している。
サービス提供者が任意のターゲット条件(例えば、“東京都在住の営業職の女性で、化粧品情報に興味のある人”)を入力することにより、システムは、所有している情報受信者属性、情報受信者の興味スコアを使用し、入力された条件に合う情報受信者を抽出し、ターゲット集団とする。
図7、図8を参照して、課題(1),(2)を解決するための方法1と方法2の両方を合わせ持つ方法3−1、方法3−2について説明する。
図7、図8は、それぞれ検索機能を有し、情報発信者(影響元)のスコアを推定し、スコアの高い情報発信者(影響元)を通知するシステムを示している。
図8において、(a)はサービス提供者がターゲティング集団を情報受信者の興味に基づいて決定(例えば化粧品への興味が高い情報受信者、鉄道好きな情報受信者等)した様子、(b)は条件の受け取りにおいて興味推定結果を利用してターゲット集団を選定(例えば概念「化粧品」に対する興味スコアが1.0以上のユーザ)した様子、(c)は影響度スコアを統合・比較して影響力のある人を返答する様子を示している。
(方法4)フィードバック
(方法3)によって選定されたターゲット集団と算出された影響力スコアが高い人または集団について、逐次見直しを行う。
(方法4−1)
図9を参照して、課題(3)を解決する方法4−1について説明する。
図10を参照して、課題(3)を解決する方法4−2について説明する。
選定されたターゲット集団と算出された影響力スコアが高い人または集団の見直しにあたり、サービス提供者がプロモーションを行った後の、情報受信者の対象情報の選択履歴、対象商品購入履歴、または、対象メールマガジンなどの開封履歴などの行動ログを取得する。取得するログは、情報受信者の、例えば商品情報が提示されたといった受動的な行動(サブアクションと呼ぶ)のログと、情報受信者の、例えば商品を購入したといった能動的な行動(アクションと呼ぶ)のログである。この2つのログについて、興味に関する特徴スコア算出の方法を応用する。すなわち、一覧閲覧コンテンツリストを、サブアクションが生じた情報受信者群とし、情報受信者の属性や興味を各コンテンツに紐づくタグ情報とする。そして、詳細閲覧コンテンツリストを、アクションが生じた情報受信者群とし、一覧閲覧コンテンツリストと同様に、情報受信者の属性や興味を各コンテンツに紐づくタグ情報とする。そしてタグ情報について、興味スコアの概念iの特徴スコア算出方法を用いて、スコアを算出する(“ターゲット傾向スコア”とする)。また、一方で、タグ情報として出現した情報(属性や興味など)に該当する情報受信者群を抽出し、情報受信者群ごとに影響力スコアを算出する。そして、計算済のターゲット傾向スコアを、確率の統合時の重みとして利用し、計算済の影響力スコアを統合して影響力スコア(Unified I)を(2)式により算出する。
以上述べた(方法1)〜(方法4)を包含する情報処理システムの構成について説明する。
図11は本発明に係る実施例の情報処理システムの全体構成を示すブロック図である。このシステムは、クライアント端末400と、コンテンツサーバ500と、興味分析装置100と、影響度分析装置200と、コンテンツスコアリング装置300と、影響力分析装置700と、ターゲット集団選定装置800と、ターゲット集団更新装置900と、サービス提供者からの解析依頼を受け付ける解析依頼装置1100と、人間体系1データベース1200と、情報受信者行動ログデータベース1300を備える。
クライアント端末400は、ユーザ操作によるコンテンツ閲覧履歴を収集し、複数のコンテンツを一覧として閲覧した一覧閲覧コンテンツリスト(第1のコンテンツリスト)と、コンテンツ一覧からコンテンツの本体を閲覧した詳細閲覧コンテンツリスト(第2のコンテンツリスト)をコンテンツサーバ500に送信する機能を有する。
興味分析装置100は、上記一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストをもとに、コンテンツに出現する各概念に対する興味の特徴スコア及び興味スコアを算出し、ユーザの興味を推定する機能を有する。
ただし、興味分析装置100は、下記で説明する興味スコア算出方法以外、例えばその他の内容ベースフィルタリング手法(Content Based Filtering:CBF)を用いて概念体系/興味スコアデータベースを更新するものでもよい。すなわち、一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストをもとにした興味の推定方法以外でもよい。
なお、図12における各装置はCPU(Central Processing Unit)を備え、プログラムメモリに予め格納されたプログラムを上記CPUに実行させることにより、上記した各機能を実現する。
履歴情報受信部110は、クライアント端末400において生成された一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストを、コンテンツサーバ500を介して受信する。一覧閲覧コンテンツリストとは、例えばユーザがコンテンツのタイトルのみを一覧で閲覧したコンテンツのリストである。詳細閲覧コンテンツリストとは、ユーザがコンテンツ本体の内容(詳細)を閲覧したコンテンツのリストである。図13では、一覧閲覧コンテンツリストにはコンテンツ1〜8が含まれ、詳細閲覧コンテンツリストにはコンテンツ1、3、4が含まれる場合を例示している。また図13において、斜線パターンで示すコンテンツは、概念Bがコンテンツ1、6、7、8に出現することを示す。
図14(a)に分析パラメータ抽出処理の模式図を示す。例えば、50個(=S)のコンテンツが一覧表示されている中から、ユーザが10個(=a)のコンテンツの詳細を閲覧した場合を示す。ここで、一覧表示されている50個のコンテンツのうち「野球」という概念が含まれている記事が15個(=U)あり、ユーザが閲覧した10個のコンテンツのうち、「野球」という概念が含まれているコンテンツが5個(=b)あったことを示す。
ここで、クラスタとは、一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストに一意に付与される識別子である。別の時刻(時間帯)に表示した一覧閲覧コンテンツをユーザが閲覧した場合は、別のクラスタIDが付与される。なお、時刻以外の条件でクラスタIDを新たに付与する条件としては、一覧閲覧コンテンツリスト表示中に一定時間操作が無かった場合や、閲覧するユーザ(ユーザID)を切り替えた場合、一覧閲覧コンテンツリストに対して、コンテンツジャンル等を観点に絞り込み検索を掛けた場合、その他閲覧アプリケーションにおいて閲覧モードを切り替えた場合がある。
そして、興味の特徴スコア算出部120は、図15に示すように、上記算出した累積確率H1及びH2を用いて、標準正規分布の累積分布関数の逆関数により興味の特徴スコアZを算出する。図14(c)に示すように、上記H1を累積確率とする標準正規分布の累積分布関数の逆関数により特徴スコアZを求める。なお、累積確率としてH2を利用する場合には、標準正規分布の累積分布関数の逆関数の返値の符号を負にして特徴スコアを求める。この特徴スコアZを用いて、後述する興味概念体系更新処理部130は、「野球」という概念に対する興味スコア(TotalZ)を求める。
コンテンツ要求送信部440は、ユーザの指示(入力)に応じ、コンテンツサーバ500に対してコンテンツの提示要求を行う。具体的には、例えばクライアント端末ID(もしくはユーザID)及び要求時刻を含むコンテンツ要求データをコンテンツサーバ500に送信する。なお、要求時刻はコンテンツサーバ500において追加するようにしてもよい。クライアント端末ID(もしくはユーザID)は、端末(もしくはユーザ)毎に一意に付与される数字であって、後述する概念体系/興味スコアデータベース140の興味スコアテーブルのユーザIDと一致するIDである。
興味分析装置100の代わりに影響度分析装置200を用いる場合、“オススメタグ”が用いられる。オススメタグ付与部450は、クライアント端末400−1、400−2のコンテンツ提示部430上に表示されている一覧表示コンテンツリスト及び詳細閲覧コンテンツについて、ユーザが他者にコンテンツを推薦したい場合に、ユーザの操作入力によりコンテンツにオススメタグを付与する。コンテンツにオススメタグが付与された旨の情報(お薦め情報)は、オススメタグ入力部570に送信される。
コンテンツリスト入力部540には、サービス運用者により、ユーザの利用するクライアント端末400−1、400−2に提示するコンテンツの一覧であるコンテンツリストが入力される。コンテンツリスト送信部530は、上記入力されたコンテンツリストをコンテンツスコアリング装置300へ通信ネットワークを介して送信する。
影響度分析装置200は、履歴情報受信部210と、人間体系2データベース220と、影響度の特徴スコア算出部230と、各人・グループに対する影響度の概念体系更新処理部240と、各人・グループに対する影響度スコアを持つ影響度概念体系データベース250を備える。
履歴情報受信部210は、履歴情報転送部550から一覧閲覧コンテンツリストと詳細閲覧コンテンツリストと、各リストに付与されたオススメタグ情報を取得する。オススメタグの付与された一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストの例を図18に示す。なお、図18(a)は詳細閲覧コンテンツリスト、(b)は一覧閲覧コンテンツリストを示している。
図19は、第1の実施例に係る影響度分析処理を示す図である。影響度の特徴スコア算出部230は、上記S,a,M,mを分析パラメータとして利用して、AAさんへのAさんからの影響度の特徴スコアZ′を算出する。影響度の特徴スコアZ′は、上記図15に示した算出式において、U,bをM,mに置き換えることで算出することができる。
かくして「Aさんオススメ」に対する影響度の特徴スコアが算出される。
ここで、各人・グループに対する影響度の概念体系更新処理部240の処理は、興味概念体系更新処理部130において、概念体系の代わりに人間体系を用い、概念の代わりにオススメタグを付与したユーザを用いることで、行われる。計算の結果求められる影響度スコアは、各人・グループに対する影響度スコアを持つ影響度概念体系データベース250に格納される。
各人・グループに対する影響度スコアを持つ影響度概念体系データベース250には、興味推定と同様の概念体系を構成する各概念に影響度スコアを持たせておく。
以上より、「Aさんの野球に関するオススメ」に対する影響度の特徴スコアが算出される。
「Aさんオススメ」に関する影響度のスコア更新が終了した後に、同一の一覧閲覧コンテンツに含まれる、Aさん以外の「オススメタグ」を付与した人についても、上記と同様の方法で影響度に関する特徴スコアを算出し、上記式(1) を用いて影響度スコアの更新を行う。
図22は、第4の実施例に係る影響度分析処理を示す図である。人間体系2データベース220は、上記第3の実施例と同様のものとする。影響度の特徴スコア算出部230は人間体系2データベース220から受け取ったオススメタグ(オススメタグ付与者の上位の人間体系(本例の場合、「グループF」、「グループG」及び「グループH」)について、上記第2の実施例と同様の方法を用いて、オススメタグを付与したグループついての、ジャンル毎の影響度スコアを更新する。
コンテンツスコアリング装置300は、コンテンツリスト送信部530から、提示対象のコンテンツを受信し、コンテンツをスコアリングし、スコアを元にコンテンツをソートし、ソート済みコンテンツリスト受信部520にソート済みコンテンツリストを渡す。
なお、図23、図26、図27における各装置はCPU(Central Processing Unit)を備え、プログラムメモリに予め格納されたプログラムを上記CPUに実行させることにより、上記した各機能を実現する。
影響力推定装置700は、(方法1)を実現する装置である。サービス提供者が、解析依頼装置1100に影響力推定の依頼とターゲット条件(属性、興味)の入力を行うと、解析依頼装置1100は、影響力推定装置700の影響力推定集団受信部710にターゲット条件を入力する。また、サービス提供者が予めターゲット集団選定の依頼(ターゲット条件の入力を含む)と同時に、影響力推定の依頼を行った場合には、影響力推定集団受信部710は、ターゲット集団情報送信部840からターゲット条件(属性、興味)合致情報受信者情報(「CCさん」「DDさん」)を受信する。影響力推定集団受信部710は、ターゲット条件(属性、興味)合致情報受信者情報(「CCさん」「DDさん」)を影響度スコア取得部720に送信する。
影響力推定結果送信部740は影響力スコア(図25(d))を受信する。そして、サービス提供者が設定した、あるいは、システムに事前に設定された任意の件数分をサービス提供者に送信する。
(方法4−1の場合)
方法4−1は、実際にアクションが起こった情報受信者に注目し、実際にアクションが起こった情報受信者群の影響力を推定するものである。方法4−1は、例えば、メールマガジン(情報)を配信し、情報受信者が開封する(アクション)といった、同じ情報受信者が再びアクションを起こしやすい事例においてプロモーションを実施したい場合などに有用である。
行動ログ取得部910は、評価対象情報(本例では、メールマガジンα)に関わる情報受信者の行動ログのうち、開封というアクションのあった情報受信者の情報を取得する。本例では、「AAさん」「CCさん」「DDさん」を取得し、「AAさん」「CCさん」「DDさん」を新ターゲット集団とする。そして、行動ログ取得部910は、評価対象情報(本例では、メールマガジンα)、該当情報受信者情報(「AAさん」「CCさん」「DDさん」)を、ターゲット集団更新部920に送信する。そして、ターゲット集団更新部920は、評価対象情報(本例では、メールマガジンα)、該当情報受信者情報(「AAさん」「CCさん」「DDさん」)を、新ターゲット集団送信部930に送信する。新ターゲット集団送信部930は、解析依頼装置1100からの更新依頼がターゲット集団のみだった場合には、解析依頼装置1100を介して、サービス提供者に該当情報受信者情報(「AAさん」「CCさん」「DDさん」)を返却する。解析依頼装置1100からの更新依頼がターゲット集団と影響力の両方だった場合には、評価対象情報(本例では、メールマガジンα)、該当情報受信者情報(「AAさん」「CCさん」「DDさん」)を、影響力推定集団受信部710に送信する。以後の手順は、上記で述べた、影響力推定装置700の手順と同様である。
(方法4−2)の場合、例えば、企業が、webサイトやブログなどの情報発信者を通じて家具、車などの商品(高額なものや、消耗しにくいものは、再び購入されるまで時間が開く。)情報を提示した際に、情報受信者が購入する(アクション)といった、比較的、同一情報受信者が再び同じアクションを起こしにくい事象において有用である。
ここでは、影響力推定結果送信部740が、サービス提供者が設定した、あるいは、システムに事前に設定された任意の件数分をサービス提供者に送信を完了した後の任意のタイミングで(例えば、サービス提供者が影響力スコアの高い情報発信者を一人受信し、その情報発信者を使った商品のプロモーションを実施した1週間後、など)、サービス提供者が、評価対象情報、更新依頼(ターゲット集団のみ、または、ターゲット集団と影響力の両方)を解析依頼装置1100に入力すると、解析依頼装置1100はターゲット集団更新装置900の行動ログ取得部910に送信する。行動ログ取得部910は、情報受信者行動ログデータベース1300から、評価対象情報(本例では、化粧品β)に関わる情報受信者の行動ログのうち、購入というアクションのあった情報受信者の情報、アクションが生じる前のページ閲覧という行動(サブアクションと呼ぶ)が生じた情報受信者の情報を取得する。本例の場合、アクションが生じた情報受信者として「AAさん」「CCさん」「DDさん」を取得し、サブアクションが生じた情報受信者として「AAさん」「CCさん」「DDさん」「FFさん」を取得する。
ターゲット集団更新部950は、受信した評価対象情報(本例では、化粧品β)と項目情報(男性、女性、テニス、鉄道、ゴルフ)と各項目のターゲット傾向スコアを、ターゲット集団選定装置800のターゲット条件受取部810に送信する。(方法2)と同様に、ターゲット集団選定装置800は(方法2)と同様の方法で、ターゲット集団に該当する情報受信者情報を取得する。ただし、本説明の(方法4)の例の場合には、ターゲット条件として項目情報(男性、女性、テニス、鉄道、ゴルフ)それぞれに該当するターゲット集団を別々に抽出することとする。すなわち、本例の場合では、「女性」「男性」「テニス(例えば、興味スコア2.0以上:興味照会部830が所有する事前に定められた基準値)」「鉄道(興味スコア2.0以上)」「ゴルフ(興味スコア2.0以上)」に該当する情報受信者を取得し、計5つのターゲット集団を得る。ここで、ターゲット集団情報送信部840は、サービス提供者からの更新依頼がターゲット集団のみだった場合には、サービス提供者に解析依頼装置1100を介して、ターゲット傾向スコアと5つのターゲット集団を返却する。
上記実施例のシステム構成によれば、ターゲット集団における影響元(情報発信者)に注目し、情報発信者の影響力スコアを算出することにより、影響力を推定し把握することができる。また、興味スコアを基準として、ターゲティングを行うことで、ターゲット集団を細分化して捉えることができる。さらに、実際の購買などの選択履歴を用いて、逐次再ターゲティングを行い、また、影響力のある人または集団を求めることで、実態に即したプロモーションを実施することができる。
また、情報受信者行動ログDB700は、コンテンツデータベース330と内容が重複する場合には、どちらか一方を併用してもよい。
また、(2)式における重みwを適宜変更する事により、例えば閲覧のログに比べ、購買のログを重視して影響度スコアを計算する事ができる。wはサービス提供者が適宜定める。
Claims (8)
- コンピュータにより、情報受信者が情報発信者から受ける影響の度合いを示す影響度スコア、及び前記情報受信者に対する影響度の特徴スコアを人間体系の最下層に位置する個人について算出し、前記影響度の特徴スコアを用いて前記影響度スコアを更新し、前記情報受信者それぞれの前記情報発信者に関する影響度スコアを統合し、その統合結果から前記情報発信者が情報受信者群に対して与える影響力を推定する影響力推定方法。
- コンピュータにより、情報受信者が情報発信者から受ける影響の度合いを示す影響度スコア、及び前記情報受信者に対する影響度の特徴スコアを人間体系の最下層以外に位置する集団について算出し、前記影響度の特徴スコアを用いて前記影響度スコアを更新し、前記情報受信者それぞれの前記情報発信者に関する影響度スコアを統合し、その統合結果から前記情報発信者が情報受信者群に対して与える影響力を推定する影響力推定方法。
- 前記情報受信者の属性に関する任意のターゲット条件の指定入力に従って、前記ターゲット条件に合う情報受信者を前記情報受信者群なるターゲット集団として抽出する請求項1または2記載の影響力推定方法。
- 前記情報受信者の情報選択履歴を利用して興味スコアを算出し、
前記情報受信者の興味に関する任意のターゲット条件の指定入力に従って、前記ターゲット条件に合う興味スコアを持つ情報受信者を前記情報受信者群なるターゲット集団として抽出する請求項1または2記載の影響力推定方法。 - 前記影響力の推定結果に基づいて特定された前記情報発信者によるプロモーションを実行するとき、
前記プロモーション実行後の前記情報受信者の行動ログを参照し、実際に特定の行動があった情報受信者を抽出して前記ターゲット集団を更新する請求項3または4記載の影響力推定方法。 - 前記影響力の推定結果に基づいて特定の情報発信者によるプロモーションを実行するとき、前記プロモーション実行後の前記情報受信者の行動ログを用いて、実際に特定の行動があった情報受信者の属性、興味を示す特徴について、その特徴に合致する情報受信者群の、行動を起こした人がどの程度多かったかを示す行動傾向を算出し、さらに、前記特徴に合致する情報受信者群を特徴毎に取得し、算出した行動傾向を踏まえて、影響力を推定する請求項5記載の影響力推定方法。
- 請求項3または4に記載の影響力推定方法をコンピュータに実行させて、前記ターゲット集団を選定し、前記影響力を推定する影響力推定装置。
- 請求項1乃至6のいずれか記載の影響力推定方法が備える各過程における処理を前記コンピュータに実行させる影響力推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012142451A JP5836210B2 (ja) | 2012-06-25 | 2012-06-25 | 影響力推定方法、装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012142451A JP5836210B2 (ja) | 2012-06-25 | 2012-06-25 | 影響力推定方法、装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014006742A JP2014006742A (ja) | 2014-01-16 |
JP5836210B2 true JP5836210B2 (ja) | 2015-12-24 |
Family
ID=50104395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012142451A Expired - Fee Related JP5836210B2 (ja) | 2012-06-25 | 2012-06-25 | 影響力推定方法、装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5836210B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6672644B2 (ja) * | 2015-09-01 | 2020-03-25 | 株式会社Jvcケンウッド | 情報提供装置、プログラム |
JP6638265B2 (ja) * | 2015-09-01 | 2020-01-29 | 株式会社Jvcケンウッド | 情報提供装置、プログラム |
WO2017038177A1 (ja) | 2015-09-01 | 2017-03-09 | 株式会社Jvcケンウッド | 情報提供装置、端末装置、情報提供方法、プログラム |
US20190066128A1 (en) * | 2017-08-24 | 2019-02-28 | Oracle International Corporation | Computer system and method to predict customer behavior based on inter-customer influences and to control distribution of electronic messages |
US20210073866A1 (en) * | 2018-01-22 | 2021-03-11 | Nec Corporation | Information processing apparatus, analysis method, and non-transitory computer readable medium storing program |
CN114450701A (zh) * | 2019-09-26 | 2022-05-06 | 富士胶片株式会社 | 信息处理系统及方法以及信息处理装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3892815B2 (ja) * | 2001-04-04 | 2007-03-14 | 光一 渡邉 | 情報処理システム及びその方法 |
JP2004252947A (ja) * | 2003-01-27 | 2004-09-09 | Fuji Xerox Co Ltd | 評価装置およびその方法 |
US8688595B2 (en) * | 2008-03-31 | 2014-04-01 | Pursway Ltd. | Analyzing transactional data |
-
2012
- 2012-06-25 JP JP2012142451A patent/JP5836210B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2014006742A (ja) | 2014-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5836210B2 (ja) | 影響力推定方法、装置及びプログラム | |
CN104866474B (zh) | 个性化数据搜索方法及装置 | |
JP5913722B1 (ja) | 情報処理システム及びプログラム | |
US11995699B2 (en) | Commodity recommendation system | |
CN101324948A (zh) | 一种信息推荐的方法及装置 | |
JP5668010B2 (ja) | 情報推薦方法、装置及びプログラム | |
WO2017028735A1 (zh) | 选择及推荐展示对象的方法及装置 | |
CN101454771A (zh) | 基于使用多媒体调查特征匹配以划分和标记个体的系统和方法 | |
CN103440259A (zh) | 一种网络广告推送方法和装置 | |
JP5668007B2 (ja) | 興味分析方法、装置及びプログラム | |
JP6679451B2 (ja) | 選択装置、選択方法および選択プログラム | |
JP5568077B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、及び情報処理プログラムが記録された記録媒体 | |
CN108764949A (zh) | 一种信息推送方法及设备 | |
JP5738785B2 (ja) | ユーザ嗜好に合った批評者を推薦するレコメンドプログラム、装置及び方法 | |
JP6859621B2 (ja) | サーバ装置、表示システム、制御方法及びプログラム | |
JP5667959B2 (ja) | 影響度分析方法、影響度分析装置及びそのプログラム | |
JP5723835B2 (ja) | 興味分析方法、興味分析装置及びそのプログラム | |
KR20220001616A (ko) | 통합 고객 식별자 생성을 기반으로 하는 고객 빅데이터 구축 방법, 장치 및 시스템 | |
JP2019003610A (ja) | 抽出装置、抽出方法及び抽出プログラム | |
KR20140035221A (ko) | 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법 | |
JP5504213B2 (ja) | 興味分析方法及び興味分析装置 | |
KR20220001617A (ko) | 고객 빅데이터를 활용한 상품 추천 방법, 장치 및 시스템 | |
US20150206220A1 (en) | Recommendation Strategy Portfolios | |
KR20220001618A (ko) | 빅데이터 기반의 그룹 단위의 상품 추천 방법, 장치 및 시스템 | |
JP2019003556A (ja) | 抽出装置、抽出方法及び抽出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140626 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150206 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150310 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150511 |
|
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: 20151027 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151102 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5836210 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |