JP5914549B2 - 情報処理装置および情報分析方法 - Google Patents

Description

この発明は、データ処理技術に関し、特に情報処理技術に関する。

近年、コンピュータに様々な情報を分析させることにより、ビジネスにおける有用な情報を得ようとする試みがなされている。本出願人は、以下の特許文献１において、商品の販売情報を分析して、ユーザの販売活動を支援するための情報を作成する技術を提案している。具体的には、商品の購入者が居住する地域（以下「エリア」とも呼ぶ）に関し、住民の属性が類似する地域のグループであるエリアクラスタに注目して、購入者が居住するエリアクラスタに基づいて販売情報を分析することにより、商品の販売者にとって有用な情報を作成する技術を提案している。

特開２００９−１６９６９８号公報

多くの企業は顧客情報を自社内で独自に管理しており、顧客情報を分析して企業活動に有益な情報を得ようとする企業もある。このような技術はデータマイニングとも呼ばれる。本発明者は、企業内部に蓄積された顧客情報のみを使用したデータマイニングではその精度が必ずしも高くないことを認識し、顧客が居住するエリアのデータをさらに加味することによりデータマイニングの精度を一層向上できると考えた。

本発明は、本発明者の上記認識にもとづきなされたものであり、その主たる目的は、顧客情報の分析により得られる情報の精度を向上させる技術を提供することである。

上記課題を解決するために、本発明のある態様の情報処理装置は、顧客個人に関する顧客情報を記憶する第１記憶部と、複数のエリアの住民属性を記憶する第２記憶部と、分析対象の商品に対して異なる購買確度を有する第１顧客と第２顧客について、第１記憶部に記憶された第１顧客と第２顧客の顧客情報と、第２記憶部に記憶された第１顧客と第２顧客が居住するエリアの住民属性にもとづいて、商品に対する購買確度を被説明変数とし、顧客情報と住民属性の両方を説明変数とする数理モデルを生成するモデル生成部と、を備える。

本発明の別の態様は、情報分析方法である。この方法は、分析対象の商品に対して第１の購買確度を有する第１顧客個人に関する顧客情報と、第１顧客が居住するエリアの住民属性を取得する第１ステップと、商品に対して第１の購買確度とは異なる第２の購買確度を有する第２顧客個人に関する顧客情報と、第２顧客が居住するエリアの住民属性を取得する第２ステップと、第１ステップと第２ステップにより取得されたデータにもとづいて、商品に対する購買確度を被説明変数とし、顧客情報と住民属性の両方を説明変数とする数理モデルを生成するステップと、をコンピュータが実行する。

なお、以上の構成要素の任意の組合せ、本発明の表現をシステム、プログラム、プログラムを格納した記録媒体などの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、顧客情報の分析により得られる情報の精度向上を支援できる。

実施の形態の情報分析装置の機能構成を示すブロック図である。 顧客情報保持部に保持される顧客情報の例を示す図である。 エリア情報保持部に保持される住民属性レコードの例を示す図である。 各顧客の購買確度の一覧情報を示す図である。

これまで多くの企業は、自社で管理する顧客情報のみを使用してデータ分析作業（例えばコンピュータによるデータマイニング）を実施し、ビジネスに有用な情報を得ようとしてきた。例えば銀行の場合、自行のデータベースに保持された顧客氏名、年齢、自行預金額等の内部データを分析して、ダイレクトメールを送付すべき顧客を選定していた。しかし、内部データは基本的に、顧客との取引実績に関するデータや、顧客が開示したデータに留まり、内部データのみを使用した分析結果の精度は必ずしも高くなかった。

そこで実施の形態の情報分析装置は、これまで顧客情報として管理されつつも十分に活用されてこなかった顧客の住所データから推計される、顧客の推計金融資産や金融ニーズ等のプロファイルデータを外部データとして活用し、各顧客に対する商品の推奨度合いを算出する数理モデル（レコメンデーションモデル）を構築する。言い換えれば、企業の内部データに加えて、顧客の居住地特性を示す外部データを反映した数理モデルを構築する。実施の形態の数理モデルは、多変量解析の結果得られた数式であり、例えば回帰式である。実施の形態では、企業が販売する商品に対する各顧客の購買確度を求める数理モデル（以下「購買確度モデル」と呼ぶ。）を構築する。

例えば、あるエリアに居住する特定の顧客は、内部データとしての自行預金額は百万円であるが、外部データとしての居住地特性が示す複数の金融機関に亘る預金推定額は８千万円かもしれない。この場合、実施の形態の情報分析装置は、当該顧客の預金推定額を加味して購買確度モデル（対象商品は投資信託）を構築する。また、構築した購買確度モデルから、当該顧客の預金推定額をパラメータに含めて当該顧客の購買確度を求める。

別の例として、あるエリアに居住する特定の顧客は現在、自動車保険のみ契約しているが、顧客の居住地特性は子供がいる世帯割合が非常に高いことを示すかもしれない。この場合、実施の形態の情報分析装置は、子供がいる世帯割合を加味して購買確度モデル（対象商品は学資保険）を構築する。また、構築した購買確度モデルから、当該顧客の居住地における子供がいる世帯割合をパラメータに含めて当該顧客の購買確度を求める。これにより、購買確度モデルによる推定される情報精度（正確性）を高め、また商品の販売促進を支援する。なお、実施の形態における「購買確度」は購買可能性とも言え、販売促進アクションに対する反応率とも言える。また、実施の形態における「商品」は、企業が販売する権利、役務を含む概念である。

図１は、実施の形態の情報分析装置の機能構成を示すブロック図である。情報分析装置１０は、企業に設置されたＰＣ等の情報処理装置である。情報分析装置１０は制御部１２と記憶部１４を含む。制御部１２は、各種データ処理を実行し、特に情報分析処理を実行する。記憶部１４は、制御部１２により参照され、また更新されるデータを記憶する記憶領域である。記憶部１４は制御部１２のワークエリアも提供する。

本明細書のブロック図において示される各ブロックは、ハードウェア的には、コンピュータのＣＰＵをはじめとする素子や機械装置で実現でき、ソフトウェア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろなかたちで実現できることは、当業者には理解されるところである。

例えば、図１の各機能ブロックに対応するプログラムモジュールを含む情報分析アプリケーションが、所定の記録媒体に格納され、情報分析装置１０のストレージへインストールされてもよい。そしてユーザが、情報分析装置１０において情報分析アプリケーションを起動した場合に、情報分析装置１０のＣＰＵが、これらのプログラムモジュールをメインメモリへ適宜読み出しつつ実行することにより各機能ブロックの機能が発揮されてよい。また図１の機能は、複数の装置（例えばウェブブラウザを搭載したＰＣ等のウェブクライアント端末、ウェブアプリケーションサーバ、データベースサーバ等）が、通信網を介して連携することにより分散環境で実行されてもよい。

記憶部１４は、顧客情報保持部２０、エリア情報保持部２２、モデル保持部２４を含む。モデル保持部２４は、後述のモデル生成部３２により生成された購買確度モデルであり、分析対象とされた１つ以上の商品それぞれのモデルを示すデータを保持する。

顧客情報保持部２０は、企業が管理する顧客個人の情報を顧客情報として保持する。顧客は、企業が販売する商品やサービスの少なくとも一部を購買済の個人・団体だけでなく、商品やサービスを未購買の個人・団体を含む。後者は例えば、企業が行ったアンケートや調査に回答し、またプレゼント等に応募した消費者である。また顧客情報は、典型的には、企業と顧客の取引実績を示す情報を含み、また顧客が企業へ開示した顧客の属性情報やいわゆる個人情報を含む。

図２は、顧客情報保持部２０に保持される顧客情報の例を示す。実施の形態では、情報分析主体の企業を保険会社とし、各顧客の火災保険および地震保険の購買確度を算定するための数理モデルを構築する例を説明する。顧客情報保持部２０が保持する各顧客の顧客情報レコードには、少なくとも、顧客が居住する住所（住居表示や地番等）と、顧客が分析対象商品を購買済か否かを示す情報を含む。例えば、図２の火災保険支払金額欄は、自社に対する火災保険料の支払金額を示し、０より大きい場合は火災保険を契約済（購買済）であり、０の場合は火災保険を未契約（未購買）であることを示している。図２の地震保険支払金額欄も同様である。

図１に戻り、エリア情報保持部２２は、地理的に区画された複数のエリア、言い換えれば、地図上の複数のエリアのそれぞれについて、各エリアに居住する住民に関する属性を示す情報（以下「住民属性レコード」とも呼ぶ。）を保持する。具体的には、エリア情報保持部２２は、日本全国約１８万個の町丁目のそれぞれをエリアとし、各エリアの住民属性レコードを保持する。エリア位置欄には町丁目レベルの位置情報が格納される。

各エリアの住民属性は、各エリアについての人口統計学的な属性を示すデモグラフィック属性と、各エリアの住民が有する価値観やライフスタイルといった人間心理にかかわる属性を示すサイコグラフィック属性を含む。デモグラフィック属性の例としては、「３０〜４０代の比較的小さな子供がいる核家族」、「収入が平均よりもやや高く、大学卒以上の人が多い」、「子供が２人」等がある。一方で、サイコグラフィック属性の例としては、「女性２０代について、ブランド・安全性・経済性を非常に重視するが、環境指向はほとんどない」、「女性３０代について、ブランドをやや重視し、環境指向である」、「リスク寛容度が比較的高い」等がある。つまり、各エリアの住民属性は、各エリアに居住する消費者像を示す情報であり、消費者の年齢、所得水準、職業、学歴、家族構成、生活環境、趣向、考え方等を含む。

具体的には、エリア情報保持部２２が保持する住民属性レコードには、各エリアの住民属性を示す指標値が記録される。この指標値は、住民属性が複数種類の評価基準のそれぞれと適合する度合いを所定の評価関数により指標化した複数種類の指標値である。指標値は、例えば平均年収、平均世帯人数、世帯あたりの平均子供数、３０歳代割合、４０歳代割合等を含む。言い換えれば、エリア情報保持部２２が保持する住民属性レコードには、コンピュータによる計算処理のために、定性的な住民属性を複数種類の数値に変換したものが記録されると言える。なお、もともと定量的な住民属性であれば、変換せずそのまま住民属性レコードに記録されてよい。

図３は、エリア情報保持部２２に保持される住民属性レコードの例を示す。住民属性レコードは、（１）国勢調査等の一般に公開された各種の統計情報、（２）情報分析アプリケーションの開発者による独自の推計情報、（３）各エリアの住民に対して実施したアンケートの結果情報を含む。（１）の統計情報は、年代の比率、性別の比率、職業の比率、学歴比率等を含み、図３の「持ち家比率」や「平均子供人数」が該当する。（２）の推計情報は、平均所得、平均資産、平均地価等を含み、図３の「所得水準」が該当する。（３）のアンケートの結果情報は、ライフスタイル、価値観、消費趣向等の回答結果を含み、図３の「安全志向度」、「火災保険潜在需要」、「地震保険潜在需要」が該当する。既述したように、図３の所得水準や安全志向度で示すような定性的な情報は、所定の評価関数により予め指標値化する。エリア情報の各項目、特に定性的な情報を指標値化した項目は、情報分析の過程において、ユーザの判断で適宜値を調整してもよい。

図１に戻り、制御部１２は、操作検出部３０、モデル生成部３２、購買確度算出部３６、顧客抽出部３８を含む。操作検出部３０は、キーボードやマウス等の入力装置に対するユーザの操作入力を検出し、ユーザの入力内容を他の機能ブロックへ通知する。情報分析装置１０の各機能ブロックは、操作検出部３０を介して、ユーザの入力情報を受け付ける。

以下では、ユーザにより指定された分析対象商品に対して異なる購買確度を有する複数の顧客について、便宜的に「第１顧客」「第２顧客」と呼ぶ。モデル生成部３２は、顧客情報保持部２０に保持された第１顧客と第２顧客の顧客情報と、エリア情報保持部２２に保持された第１顧客と第２顧客が居住するエリアの住民属性の両方にもとづいて、分析対象商品に対する各顧客の購買確度を求めるための購買確度モデルを生成する。モデル生成部３２は、生成した購買確度モデルを示すデータを、当該モデルによる分析対象商品（購買確度を示す商品）の識別情報と対応づけてモデル保持部２４へ格納する。

モデル生成部３２は、分析対象商品を購買済の顧客を第１顧客として識別し、分析対象商品を未購買の顧客を第２顧客として識別する。例えば、分析対象商品が火災保険の場合、図２のテーブルにおける火災保険支払金額欄に１以上の値が格納された顧客を第１顧客とし、０が格納された顧客を第２顧客として識別する。モデル生成部３２は、購買確度モデルの生成にあたり、顧客情報保持部２０から第１顧客の顧客情報レコードと、第２顧客の顧客情報レコードの両方を読み込む。またモデル生成部３２は、各顧客の顧客情報に記録された住所が属するエリアをエリア情報保持部２２からサーチする。具体的には、モデル生成部３２は、各エリアの住民属性レコードのうち顧客住所と前方一致するエリア位置が記録されたレコードを、当該顧客の居住エリアの住民属性レコードとして特定し、読み込む。

言い換えれば、モデル生成部３２は、分析対象商品に対して第１の購買確度を有する第１の顧客個人に関する顧客情報と、第１の顧客の居住エリアの住民属性の両方を、購買確度モデル生成のためのパラメータとして取得する。さらにモデル生成部３２は、分析対象商品に対して第１の購買確度とは異なる第２の購買確度を有する第２の顧客個人に関する顧客情報と、第２の顧客の居住エリアの住民属性の両方を、購買確度モデル生成のためのパラメータとして取得する。

モデル生成部３２は解析エンジン３４を含む。解析エンジン３４は、重回帰分析やロジスティック回帰分析等の公知の手法にもとづく多変量解析処理を実行する。解析エンジン３４は、公知の多変量解析ソフトウェアでもよい。モデル生成部３２は、解析エンジン３４が提供するＡＰＩをコールし、多変量解析処理の結果として構築された数理モデルのデータを解析エンジン３４から取得してもよい。

モデル生成部３２は、複数の顧客それぞれの購買確度と、各顧客の顧客情報と居住エリアの住民属性と、ユーザにより指定された多変量解析手法の識別情報を解析エンジン３４へ入力する。実施の形態では、第１顧客の購買確度を「１」に指定し、第２顧客の購買確度を「０」に指定する。なお、このような離散値に代えて、支払金額のような連続値を購買確度として指定してもよい。また、予め定められた複数の段階値の中から、顧客の支払金額等に応じて特定の購買確度を選択し、指定してもよい。

解析エンジン３４は、ユーザにより指定された多変量解析手法に応じた多変量解析処理を実行して購買確度モデルを生成し、モデル生成部３２へ出力する。解析エンジン３４は、購買確度モデルとして、顧客情報の項目と住民属性の項目の両方を説明変数とし、分析対象商品に対する購買確度を被説明変数（目的変数）とする数理モデルを生成する。購買確度モデルの例、ここでは購買確度モデルを示す回帰式を以下に示す。

数式１のＸ１、Ｘ２は、内部データとしての顧客情報の項目を示す。例えば年齢、取引実績、既契約情報であってもよい。また、数式１のＹ１、Ｙ２は、外部データとしての居住エリア住民属性の項目を示す。例えば持ち家比率、所得水準、火災保険潜在需要、地震保険潜在需要であってもよい。数式１のａ、ｂ、ｃ、ｄは、各情報項目が購買確度に与える影響度合いを示す値であり、回帰係数とも言える。解析エンジン３４は、多変量解析処理により、係数ａ、ｂ、ｃ、ｄの値を算出する。

購買確度算出部３６は、モデル生成部３２により生成された購買確度モデルに対して、当該モデルでの分析対象商品（購買確度を求める商品）を未購買の顧客の顧客情報と、その顧客の居住エリアの住民属性を入力することにより、当該顧客による分析対象商品の購買確度を算出する。購買確度算出部３６は、１人以上の未購買顧客についての購買確度データを、当該顧客のＩＤ、氏名と対応づけて記憶部１４の所定領域へ格納する。

具体的には、購買確度算出部３６は、モデル保持部２４に格納された購買確度モデルの中でユーザにより指定された購買確度モデル（特定の商品に関する購買確度モデル）を読み込む。また購買確度算出部３６は、顧客情報保持部２０が保持する顧客情報の中で、ユーザにより指定された購買確度モデルが対象とする商品を未購買の顧客であり、例えば取引実績が未記録の顧客や、支払金額が０の顧客を特定し、その顧客の顧客情報と居住エリアの住民属性を読み込む。購買確度算出部３６は、ユーザにより指定された購買確度モデルに対して、当該モデルの対象商品を未購買の顧客の顧客情報と居住エリアの住民属性を入力することにより、当該顧客の購買確度を算出する。

顧客抽出部３８は、購買確度モデルの対象商品を未購買の複数の顧客のうち、購買確度算出部３６により算出された購買確度が所定の閾値以上の顧客を、対象商品の販売促進アクションが有効に作用しやすい顧客として抽出する。この販売促進アクションは、例えばダイレクトメールの送付や電話勧誘、訪問販売を含む。

具体的には、顧客抽出部３８は、ユーザにより指定された購買確度モデルにもとづいて購買確度算出部３６が所定の記憶領域へ格納した１人以上の未購買顧客の購買確度データを参照する。そして、購買確度が所定の閾値以上の顧客を、分析対象商品の販売促進アクションを実施すべき対象顧客であり、商品購入の可能性が比較的高い言わば見込顧客として特定し、その旨を示す情報を所定の記憶領域へ格納する。見込顧客を特定するための購買確度の閾値は、ユーザや情報分析アプリケーション開発者の知見、情報分析装置１０を使用した実験等により適切な値が設定されてよい。

以上の構成による情報分析装置１０の動作を以下説明する。
商品販売促進のための顧客情報分析を担当するユーザは、情報分析装置１０から顧客情報およびエリア情報にアクセス可能なよう環境を構築する。例えば、情報分析装置１０の記憶部１４に、顧客情報保持部２０およびエリア情報保持部２２を構築する。変形例として、情報分析装置１０から顧客情報データベースおよびエリア情報データベースにアクセス可能なよう設定してもよい。ユーザは、販売確度モデルの生成指示を情報分析装置１０へ入力する。このときユーザは、販売促進対象商品（情報分析装置１０による分析対象商品）と分析手法（重回帰分析やロジスティック回帰分析等の種類）も指定する。

モデル生成部３２は、分析対象商品を購買済の顧客と未購買の顧客のそれぞれについて、顧客個人に関して企業が管理する顧客情報と、顧客の居住エリアの住民属性を取得する。そして公知の多変量解析手法を用いて、顧客情報の項目と、居住エリア住民属性の項目のそれぞれが、分析対象商品の購買確度へ与える影響度合いを示す購買確度モデルを生成する。

ユーザは、分析手法を適宜変更してもよく、顧客情報と住民属性の項目の中で分析に使用する項目を適宜選択してもよく、１つの分析対象商品について複数の購買確度モデルを生成させてもよい。そして、複数のモデルの中でどれが最も適切かを判断してもよい。ユーザは、特定の購買確度モデルを指定しつつ、各顧客への商品推奨度合いの推計指示を情報分析装置１０へ入力する。

購買確度算出部３６は、ユーザが指定した購買確度モデルに対して、当該モデルの対象商品を未購買の複数の顧客について、各顧客の顧客情報と居住エリアの住民属性を入力することにより、各顧客による対象商品の購買確度を算出し、各顧客の購買確度の一覧情報を生成する。顧客抽出部３８は、対象商品を未購買の複数の顧客のうち、対象商品の購買確度が相対的に高い顧客（言わば見込顧客）を抽出する。顧客抽出部３８は、各顧客の購買確度の一覧情報に対して、見込顧客を他の顧客（対象商品の購買確度が想定的に低い顧客）と区別するための情報を付加してもよい。また、各顧客の購買確度の一覧情報から見込顧客の情報のみを抽出し、見込顧客情報を記録してもよい。

図４は、各顧客の購買確度の一覧情報を示す。同図の火災保険の推奨度は、商品「火災保険」についての購買確度モデルの出力データであり、商品「火災保険」に対する各顧客の購買確度を示している。また、同図の地震保険の推奨度は、商品「地震保険」についての購買確度モデルの出力データであり、商品「地震保険」に対する各顧客の購買確度を示している。

図４の例では、購買確度算出部３６は、各保険を購買済（契約済）のユーザについても購買確度を算出し、顧客情報保持部２０を参照して購買済（契約済）か否かを示す情報を一覧情報に付加している。顧客抽出部３８は、契約状況が未契約で、かつ、推奨度が５０％以上の顧客を見込顧客と判定し、見込顧客の推奨度の文字サイズを他の顧客よりも大きく設定し、また、見込顧客を示すチェックマークを一覧情報に付加している。

このように、実施の形態の情報分析装置１０によると、企業が個々に管理する内部データとしての顧客情報に加え、顧客の居住地域の住民属性を活用することにより、精度の高い購買確度モデルを提供できる。これにより、内部データ分析の限界を超えて、より一層ビジネスで有用な情報、正確性の高い情報の獲得を支援できる。また、購買確度モデルの対象商品を未購買の顧客について、当該顧客の購買確度を分析者へ提示し、さらにまた、見込顧客を提示することで、商品の販売促進アクションの効率的な実施を支援できる。

以上、本発明を実施の形態をもとに説明した。この実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

請求項に記載の各構成要件が果たすべき機能は、実施の形態および変形例において示された各構成要素の単体もしくはそれらの連携によって実現されることも当業者には理解されるところである。

１０ 情報分析装置、 ２０ 顧客情報保持部、 ２２ エリア情報保持部、 ３２ モデル生成部、 ３６ 購買確度算出部、 ３８ 顧客抽出部。

Claims (3)

1. 顧客個人に関する顧客情報を記憶する第１記憶部と、
   複数のエリアの住民属性を記憶する第２記憶部と、
   分析対象の商品に対して第１の購買確度を有する第１顧客と、前記第１の購買確度とは異なる第２の購買確度を有する第２顧客について、前記第１記憶部に記憶された第１顧客の顧客情報と、前記第２記憶部に記憶された第１顧客が居住するエリアの住民属性を数理モデル生成のための第１のパラメータとして取得し、前記第１記憶部に記憶された第２顧客の顧客情報と前記第２記憶部に記憶された第２顧客が居住するエリアの住民属性を数理モデル生成のための第２のパラメータとして取得するパラメータ取得部と、
   前記第１の購買確度と前記第１のパラメータの組み合わせと、前記第２の購買確度と前記第２のパラメータの組み合わせにもとづく多変量解析処理を実行して、前記商品に対する購買確度を被説明変数とし、前記第１記憶部に記憶された顧客情報の項目と、前記第２記憶部に記憶された住民属性の項目の両方を説明変数とする１つの数理モデルを生成するモデル生成部と、
   前記モデル生成部により生成された１つの数理モデルに、前記商品を未購買の顧客の顧客情報と、その顧客が居住するエリアの住民属性を入力することにより、当該顧客による前記商品の購買確度を算出する購買確度算出部と、
   を備えることを特徴とする情報処理装置。
2. 前記商品を未購買の複数の顧客のうち、前記購買確度算出部により算出された購買確度が所定の閾値以上の顧客を、前記商品の販売促進アクションが有効な顧客として抽出する顧客抽出部をさらに備えることを特徴とする請求項１に記載の情報処理装置。
3. 分析対象の商品に対して第１の購買確度を有する第１顧客について、第１記憶部に記憶された第１顧客個人に関する顧客情報と、第２記憶部に記憶された第１顧客が居住するエリアの住民属性を数理モデル生成のための第１のパラメータとして取得するステップと、
   前記商品に対して前記第１の購買確度とは異なる第２の購買確度を有する第２顧客について、前記第１記憶部に記憶された第２顧客個人に関する顧客情報と、前記第２記憶部に記憶された第２顧客が居住するエリアの住民属性を数理モデル生成のための第２のパラメータとして取得するステップと、
   前記第１の購買確度と前記第１のパラメータの組み合わせと、前記第２の購買確度と前記第２のパラメータの組み合わせにもとづく多変量解析処理を実行して、前記商品に対する購買確度を被説明変数とし、前記第１記憶部に記憶された顧客情報の項目と、前記第２記憶部に記憶された住民属性の項目の両方を説明変数とする１つの数理モデルを生成するステップと、
   前記生成するステップで生成された１つの数理モデルに、前記商品を未購買の顧客の顧客情報と、その顧客が居住するエリアの住民属性を入力することにより、当該顧客による前記商品の購買確度を算出するステップと、
   をコンピュータが実行することを特徴とする情報分析方法。

Images