JP5988345B1

JP5988345B1 - 評価装置、評価方法、評価プログラム、レコメンド装置、レコメンド方法およびレコメンドプログラム

Info

Publication number: JP5988345B1
Application number: JP2016103756A
Authority: JP
Inventors: 陽介秋好
Original assignee: ランサーズ株式会社
Priority date: 2016-05-24
Filing date: 2016-05-24
Publication date: 2016-09-07
Anticipated expiration: 2036-05-24
Also published as: JP2017211781A

Abstract

【課題】複数のＷｅｂサイトに掲載されているコンテンツに対するアクセス解析の結果を利用して、ライターの評価分析を行うことができる評価装置を提供すること。【解決手段】Ｗｅｂサイトにおいて第１情報が埋め込まれている記事のアクセス状況を解析する第１解析部１１と、第１解析部１１の解析結果に基づいて、記事のパフォーマンスデータを生成するパフォーマンスデータ生成部１２と、記事の内容を解析する第２解析部１３と、第２解析部１３の解析結果に基づいて、記事の特性を特定する記事特性特定部１４と、パフォーマンスデータと記事の特性とを当該記事を作成したライターに関連付ける関連付け部１５と、パフォーマンスデータに基づいて、ライターの評価を行う評価部１６と、を備える。【選択図】図１

Description

本発明は、Ｗｅｂページを解析して評価を行う評価装置、評価方法および評価プログラムと、当該評価に基づいてレコメンドを行うレコメンド装置、レコメンド方法およびレコメンドプログラムに関する。

Ｗｅｂサイトの最適化を図るために、Ｗｅｂサイトのアクセス解析が行われている。アクセス解析とは、Ｗｅｂサイトに含まれる各Ｗｅｂページの閲覧者数、各Ｗｅｂページの閲覧者による特定のアクションの有無等々のデータに基づき、Ｗｅｂサイトの構成やＷｅｂページの内容、広告内容等の改善を行う手法をいう。

例えば、特許文献１によれば、クライアント端末とｗｅｂサーバとの間の送受信データを監視し、監視結果に基づいて、少なくともクライアント端末の情報、アクセス状況、要求先情報を含む送受信状態情報を記憶手段に記録し、解析要求元のクライアント端末から解析要求が発行されると、記憶手段に格納されている情報を取得し、ｗｅｂサーバへのクライアント端末のアクセス解析を行い、アクセス解析結果をｗｅｂサーバを介して解析要求元のクライアント端末へ出力するアクセス解析方法が開示されている。

特開２０００−３１１１２４号公報

ところで、一般的なアクセス解析は、自社のＷｅｂサイトの最適化のために利用されている。一方、クライアントのＷｅｂサイトに記事を販売・提供するビジネスモデルの場合、複数のＷｅｂサイトに掲載されているコンテンツに対してアクセス解析を行い、当該アクセス解析の結果を利用したい要望がある。

本発明では、複数のＷｅｂサイトに掲載されているコンテンツに対するアクセス解析の結果を利用して、ライターの評価分析を行うことができる評価装置、評価方法および評価プログラムと、当該評価分析に基づいてライターのレコメンドを行うことができるレコメンド装置、レコメンド方法およびレコメンドプログラムを提供することを目的とする。

上記目的を達成するために、本発明の一態様における評価装置は、Ｗｅｂサイトにおいて第１情報が埋め込まれている記事のアクセス状況を解析する第１解析部と、前記第１解析部の解析結果に基づいて、前記記事のパフォーマンスデータを生成するパフォーマンスデータ生成部と、前記記事の内容を解析する第２解析部と、前記第２解析部の解析結果に基づいて、前記記事の特性を特定する記事特性特定部と、前記パフォーマンスデータと前記記事の特性とを当該記事を作成したライターに関連付ける関連付け部と、前記パフォーマンスデータに基づいて、ライターの評価を行う評価部と、を備える。

上記目的を達成するために、本発明の一態様におけるレコメンド装置は、上述した評価装置の構成要素と、クライアントのＷｅｂサイトの記事の特性を特定するサイト特性特定部と、前記サイト特性特定部により特定された記事の特性に合致するライターであって、前記評価部により所定の評価を受けている一または複数のライターをクライアントに推薦する推薦部とを備える。

また、本発明の一態様におけるレコメンド装置では、前記パフォーマンスデータは、少なくとも、ライターにより書かれた記事の製作本数の情報、記事の読了率の情報、記事の閲覧時間の情報、ＳＮＳのシェア数の情報、ＳＮＳのフォロー数の情報のうち、一または複数の情報により構成されてもよい。

また、本発明の一態様におけるレコメンド装置では、前記評価部は、前記パフォーマンスデータに含まれている記事の読了率の情報または記事の閲覧時間の情報に基づいて、ライターの評価を行い、前記推薦部は、前記サイト特性特定部により特定された記事の特性のライターであって、前記評価部により評価された記事の読了率または記事の閲覧時間に基づいて、一または複数のライターをクライアントに推薦する構成でもよい。

また、本発明の一態様におけるレコメンド装置では、前記評価部は、前記パフォーマンスデータに含まれているＳＮＳのフォロー数の情報またはＳＮＳのシェア数の情報に基づいて、ライターの評価を行い、前記推薦部は、前記サイト特性特定部により特定された記事の特性のライターであって、前記評価部により評価されたＳＮＳのフォロー数またはシェア数に基づいて、一または複数のライターをクライアントに推薦する構成でもよい。

また、本発明の一態様におけるレコメンド装置では、前記評価部は、前記パフォーマンスデータに含まれているライターにより書かれた記事の製作本数の情報に基づいて、ライターの評価を行い、前記推薦部は、前記サイト特性特定部により特定された記事の特性のライターであって、前記評価部により評価された記事の製作本数に基づいて、一または複数のライターをクライアントに推薦する構成でもよい。

また、本発明の一態様におけるレコメンド装置では、前記評価部は、前記パフォーマンスデータに基づいて、同一特性の記事の訪問者が多いライターの評価を行い、前記推薦部は、前記サイト特性特定部により特定された記事の特性のライターであって、前記評価部により評価された同一特性の記事の訪問者の数に基づいて、一または複数のライターをクライアントに推薦する構成でもよい。

また、本発明の一態様におけるレコメンド装置では、前記第１情報とは、Ｗｅｂページに組み込むことにより、前記パフォーマンスデータ、ユーザの行動履歴データ、および、第三者が提供するソーシャルブックマーキングでのＳＮＳのシェア数またはフォロー数を取得するための情報でもよい。

また、本発明の一態様におけるレコメンド装置では、前記第１解析部は、Ｗｅｂサイトにおいて前記第１情報とともに前記第１情報とは異なる第２情報が埋め込まれている記事のアクセス状況を解析し、前記第２情報とは、第三者が提供するソーシャルブックマーキングのプラグインをひとまとめにしたプラグインを表示し、各種のソーシャルブックマーキングでのＳＮＳのシェア数またはフォロー数を取得するための情報でもよい。

上記目的を達成するために、本発明の一態様における評価方法は、Ｗｅｂサイトにおいて第１情報が埋め込まれている記事のアクセス状況を解析する第１解析工程と、前記第１解析工程の解析結果に基づいて、前記記事のパフォーマンスデータを生成するパフォーマンスデータ生成工程と、前記記事の内容を解析する第２解析工程と、前記第２解析工程の解析結果に基づいて、前記記事の特性を特定する記事特性特定工程と、前記パフォーマンスデータと前記記事の特性とを当該記事を作成したライターに関連付ける関連付け工程と、前記パフォーマンスデータに基づいて、ライターの評価を行う評価工程と、を備える。

上記目的を達成するために、本発明の一態様におけるレコメンド方法は、上述した評価方法の構成要素と、クライアントのＷｅｂサイトの記事の特性を特定するサイト特性特定工程と、前記サイト特性特定工程により特定された記事の特性に合致するライターであって、前記評価工程により所定の評価を受けている一または複数のライターをクライアントに推薦する推薦工程とを備える。

上記目的を達成するために、本発明の一態様における評価プログラムは、Ｗｅｂサイトにおいて第１情報が埋め込まれている記事のアクセス状況を解析する第１解析工程と、前記第１解析工程の解析結果に基づいて、前記記事のパフォーマンスデータを生成するパフォーマンスデータ生成工程と、前記記事の内容を解析する第２解析工程と、前記第２解析工程の解析結果に基づいて、前記記事の特性を特定する記事特性特定工程と、前記パフォーマンスデータと前記記事の特性とを当該記事を作成したライターに関連付ける関連付け工程と、前記パフォーマンスデータに基づいて、ライターの評価を行う評価工程と、をコンピュータによって実現するためのプログラムである。

上記目的を達成するために、本発明の一態様におけるレコメンドプログラムは、上述した評価プログラムの構成要素と、クライアントのＷｅｂサイトの記事の特性を特定するサイト特性特定工程と、前記サイト特性特定工程により特定された記事の特性に合致するライターであって、前記評価工程により所定の評価を受けている一または複数のライターをクライアントに推薦する推薦工程と、をコンピュータによって実現するためのプログラムである。

本発明によれば、複数のＷｅｂサイトに掲載されているコンテンツに対するアクセス解析の結果を利用して、ライターの評価分析を行うことができる。また、本発明によれば、当該評価分析に基づいてライターのレコメンドを行うことができる。

評価装置およびレコメンド装置の構成を示すブロック図である。評価装置により評価分析された結果の一例を模式的に示す図である。サイトレポートの一例を模式的に示す図である。パフォーマンスデータの一例を模式的に示す図である。評価装置の動作についての説明に供するフローチャートである。レコメンド装置の動作についての説明に供するフローチャートである。

以下、本発明の実施形態に係る評価装置、方法およびプログラム、および、レコメンド装置、方法およびプログラムについて図面を参照しながら説明する。なお、実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。

以下では、一例として、所定の手順によって登録されている複数のライターが作成した記事をクライアントに販売し、当該記事がクライアントのＷｅｂサイトに掲載されるビジネスに適用される評価装置、方法およびプログラム、および、レコメンド装置、方法およびプログラムについて説明する。

評価装置１を含むレコメンド装置２は、図１に示すように、ネットワーク３を介して、複数のＷｅｂサイト４に接続されている。Ｗｅｂサイト４には、様々な機能を持ったものがあり、例えば、商品販売を行うＥＣサイト、人材流通のためのリクルートサイト、および、情報提供をするポータルサイトなどがある。

また、企業が自社で所有するＷｅｂサイトやブログ等のメディアであって、多様なメディアを統合・補完して、ハブのような役割を担うものをオウンドメディアという。オウンドメディアは、企業評価を相乗的に高める役割を担うものである。以下では、Ｗｅｂサイトやブログ等をまとめてメディアと称する。

メディアを保有する企業には、より多くのユーザからのアクセスを集めたい要望がある。当該要望を満たすために、例えば、検索エンジンにより検索された結果、自社のメディアが検索の上位に表示されるように、検索エンジン最適化（ＳＥＯ、ＳｅａｒｃｈＥｎｇｉｎｅＯｐｔｉｍｉｚａｔｉｏｎ）が行われている。

現在、検索エンジンによって上位に表示させるためには、メディアの被リンク数などの外的ＳＥＯだけでなく、メディアに掲載されているコンテンツ（以下、記事という）の内容が影響している。つまり、ユーザから高く評価される記事が掲載されたメディアは、検索エンジンの上位に表示されることになる。

しかし、メディアを保有する企業自身で質の高い記事を書き続けることは困難であるため、多数のライターを抱える企業が、メディア保有企業へ有償で記事を作成して提供することが行われている。

本発明では、ユーザからのアクセスが高くなる記事をメディアに提供するために、記事を執筆しているライターの評価分析を行うことと、当該評価分析に基づいてライターのレコメンドを行うことを目的とする。

評価装置１は、図１に示すように、収集部１０と、第１解析部１１と、パフォーマンスデータ生成部１２と、第２解析部１３と、記事特性特定部１４と、関連付け部１５と、評価部１６と、記事ＤＢ１７と、ライターＤＢ１８とを備える。また、レコメンド装置１は、図１に示すように、評価装置１の各構成要素を含み、サイト特性特定部２１と、推薦部２２とを備える。

収集部１０は、クローラー機能により、各メディアにアクセスし、第１情報が埋め込まれている記事を収集し、収集した記事を記事ＤＢ１７に保存する。

ライターＤＢ１８には、ライターの情報（以下、ライター情報という）が保存されている。ライター情報には、ライターの氏名や経歴、および、過去に執筆した記事に関する情報により構成されている。

第１解析部１１は、メディアにおいて第１情報が埋め込まれている記事を記事ＤＢ１７から読み出し、読み出した記事のアクセス状況を解析する。

第１情報とは、Ｗｅｂページに組み込むことにより、パフォーマンスデータ、ユーザの行動履歴データ、および、第三者が提供するソーシャルブックマーキングでのＳＮＳのシェア数またはフォロー数を取得するための情報（ＨＴＭＬタグ）である。また、第１情報は、作成したライターや日付等の書誌的事項を関連付けるための役割も果たす。

パフォーマンスデータ生成部１２は、第１解析部１１の解析結果に基づいて、記事のパフォーマンスデータを生成する。第１解析部１１の解析結果とは、第１情報が埋め込まれている記事に対するアクセスログのデータのことである。アクセスログには、例えば、誰がいつどの記事にアクセスしたかを示す情報、リンク元のページを示すリファラ情報、アクセス時に利用したデバイスの情報などが含まれている。

パフォーマンスデータは、少なくとも、ライターにより執筆された記事の製作本数の情報、記事の読了率の情報、記事の閲覧時間の情報、記事の閲覧回数の情報、ＳＮＳのシェア数の情報、ＳＮＳのフォロー数の情報のうち、一または複数の情報により構成されている。なお、パフォーマンスデータは、上述に限られず、第１解析部１１の解析結果に基づいて得られる他の情報も含まれる。また、パフォーマンスデータは、上述以外に、ユーザの興味嗜好情報（インタレスト）や、記事データを変換したオーディエンスデータなどの情報が含まれている。

第２解析部１３は、記事ＤＢ１７から記事を読み出し、読み出した記事の内容を解析する。第２解析部１３は、例えば、自然言語処理を利用して記事の内容を解析する。

記事特性特定部１４は、第２解析部１３の解析結果に基づいて、記事の特性を特定する。記事の特性とは、例えば、記事の属するカテゴリ（スポーツ系、ビューティー系、トラベル系など）や、記事の文体構成（文体が硬い、文体が柔らかいなど）や、記事の傾向（知識系の記事、面白いネタ系の記事など）や、記事の長さ（文字数が所定の数より多い、文字数が所定の数より少ないなど）などである。

関連付け部１５は、パフォーマンスデータ生成部１２で生成したパフォーマンスデータと、記事特性特定部１４により特定した記事の特性とを、当該記事を作成したライターに関連付ける。具体的には、関連付け部１５は、ライターＤＢ１８に保存されているライター情報に、パフォーマンスデータと記事の特性とを関連付ける。また、関連付け部１５は、第１解析部１１および第２解析部１３で用いた記事をライター情報に関連付けてもよい。

評価部１６は、パフォーマンスデータに基づいて、ライターの評価を行う。例えば、評価部１６は、パフォーマンスデータに基づいてライターのランキングを記事の特性ごとに行う。なお、評価部１６は、パフォーマンスデータの情報ごとにライターのランキングを行ってもよい。また、評価部１６により評価された結果は、評価部１６または関連付け部１５によって、パフォーマンスデータと記事の特性が関連付けられているライター情報に関連付けられる。

評価装置１は、例えば、図２に示すように、記事の特性を示す情報（図２中の「記事の特性」）、記事の訪問者の総数を示す情報（図２中の「訪問者数」）、記事の平均的な滞在時間を示す情報（図２中の「平均滞在時間」）、記事の平均的な読了率を示す情報（図２中の「平均読了率」）、ＳＮＳのシェア数を示す情報（図２中の「シェア回数」）、ＳＮＳのフォロー数を示す情報（図２中の「フォロー回数」）などの評価分析をライターごとに作成する。なお、図２に示す例では、ライターＡがスポーツ系の記事とトラベル系の記事などを執筆していることを示している。このようにして、評価装置１は、複数のメディアに掲載されている記事に対するアクセス解析の結果を利用して、ライターの評価分析を行うことができる。

また、サイト特性特定部２１は、クライアントのメディアの記事の特性を特定する。例えば、サイト特性特定部２１は、クライアントのメディアに来訪するユーザの動向に基づいて、興味嗜好性のある記事の特性を特定する。サイト特性特定部２１は、所定のツールを用いて、クライアントのメディアのアクセス解析を行うことにより、当該メディアに来訪するユーザの動向を取得し、興味嗜好性のある記事の特性を特定する。記事の特性とは、例えば、記事の属するカテゴリ（スポーツ系、ビューティー系、トラベル系など）や、記事の文体構成（文体が硬い、文体が柔らかいなど）や、記事の傾向（知識系の記事、面白いネタ系の記事など）や、記事の長さ（文字数が所定の数より多い、文字数が所定の数より少ないなど）などである。また、サイト特性特定部２１は、クライアントのメディアを自然言語処理や画像解析処理などにより分析し、当該分析結果を利用して、興味嗜好性のある記事の特性を特定してもよい。また、クライアントから情報が提供される場合には、サイト特性特定部２１は、当該情報を利用して、興味嗜好性のある記事の特性を特定する。クライアントから提供される情報とは、求める記事の特性（例えば、スポーツ系の記事など）やライターの特性（例えば、柔らかい記事を執筆できるライターなど）などである。

サイト特性特定部２１は、来訪ユーザが閲覧している記事の特性を分析することによりユーザの興味嗜好性や関心のある記事の情報（以下、興味／関心情報という）を生成する。また、サイト特性特定部２１は、メディアに来訪した新規ユーザとリピートユーザの割合である新規／リピート割合情報を生成する。また、サイト特性特定部２１は、メディアに来訪したユーザが使用しているデバイスの種類（ＰＣ，スマートフォン，タブレット等）を特定し、その割合を示すデバイス割合情報を生成する。サイト特性特定部２１は、生成した興味／関心情報、新規／リピート割合情報およびデバイス割合情報をサイトレポートの一部としてクライアントに提供してもよい。

また、サイト特性特定部２１は、メディアに来訪したユーザ数である訪問者数情報と、来訪ユーザがメディアを滞在したときの平均時間である平均滞在時間情報と、メディア内に掲載されている全ての記事についての平均読了率である平均読了率情報と、メディア内に掲載されている全ての記事についてのシェア回数であるシェア回数情報と、メディアに表示されているウィジェットのフォローボタンが押された回数であるフォロー数情報と、レコメンドウィジェットがクリックされた回数であるレコメンド情報とを生成する構成でもよい。当該構成の場合、サイト特性特定部２１は、各情報をサイトレポートの一部としてクライアントに提供してもよい。

サイトレポートは、図３に示すように、表示するレポートの対象期間を設定できる期間設定項目Ａと、興味関心情報、新規／リピート割合情報およびデバイス割合情報が示されるオーディエンスインサイト項目Ｂと、対象期間内の各種指標が表示されるパフォーマンス項目Ｃとから構成される。パフォーマンス項目Ｃにおいて、カーソルＤを当てた項目のグラフが表示される。図３に示す例では、「訪問者数」にカーソルＤが当たっている場合を示している。また、サイトレポートは、例えば、クライアントが所定のＷｅｂサイトにアクセスし、所定のユーザ認証を行うことにより表示される形態でもよい。

推薦部２２は、サイト特性特定部２１により特定された記事の特性に合致（マッチング）するライターであって、評価部１６により所定の評価を受けている一または複数のライターをクライアントに推薦する。

例えば、推薦部２２は、ライターのパフォーマンスデータをクライアントに提示することにより、ライターを推薦する。提示するパフォーマンスデータには、例えば、ライターが所定の期間内に納品（作成）した記事の本数を示す情報と、記事の来訪ユーザの数を示す情報と、ユーザによる記事の平均的な滞在時間を示す情報と、記事の平均的な読了率を示す情報と、記事がシェアされた回数を示す情報と、記事がフォローされた回数を示す情報などが含まれている。

クライアントに提示されるパフォーマンスデータＸは、例えば、図４に示すように、ライターの総合評価に基づくトップライター項目Ｙと、記事数に基づくトップコンテンツ（トップ記事）項目Ｚとに分けられている。なお、項目は、トップライター項目Ｙとトップコンテンツ項目Ｚに限られない。トップライター項目Ｙでは、例えば、ライターの上位数人を表示する。また、トップライター項目Ｙは、例えば、ライターを示す情報（図４中の「ライター」であって、ライターの氏名（ペンネームを含む）や顔写真やイラストなどの情報）と、記事の本数を示す情報（図４中の「記事数」）と、記事の訪問ユーザの数を示す情報（図４中の「訪問者数」）と、ユーザによる記事の平均的な滞在時間を示す情報（図４中の「平均滞在時間」）と、記事の平均的な読了率を示す情報（図４中の「平均読了率」）と、記事がシェアされた回数を示す情報（図４中の「シェア回数」）と、記事がフォローされた回数を示す情報（図４中の「フォロー回数」）などがライターごとに示されている。また、トップコンテンツ項目Ｚは、例えば、記事のタイトルを示す情報（図４中の「記事」）、ライターを示す情報（図４中の「ライター」であって、ライターの氏名（ペンネームを含む）などの情報）などが記事ごとに示されている。

このようにして、レコメンド装置２は、評価装置１による評価分析に基づいて、クライアントが求める拡散力のあるライターに近しいライターのレコメンドを行うことができる。

また、評価部１６は、パフォーマンスデータに含まれている記事の読了率の情報または記事の閲覧時間の情報に基づいて、ライターの評価を行う構成でもよい。当該構成の場合には、推薦部２２は、サイト特性特定部２１により特定された記事の特性にマッチングするライターであって、評価部１６により評価された記事の読了率または記事の閲覧時間に基づいて、一または複数のライターをクライアントに推薦する。例えば、推薦部２２は、評価部１６により評価された記事の読了率または記事の閲覧時間が高い順に、サイト特性特定部２１により特定された記事の特性にマッチングする一または複数のライターをクライアントに推薦する。

このような構成によれば、レコメンド装置２は、メディアＡに来訪するユーザの興味嗜好性のある記事の特性（例えば、カテゴリ）が、例えば、「スポーツ」、「アウトドア」、「環境」等であって、よく読まれているカテゴリが「スポーツ」と「アウトドア」であった場合、「スポーツ」と「アウトドア」にマッチングする記事の読了率または閲覧時間が高いライターをメディアＡのクライアントにレコメンドすることができる。レコメンドされたライターは、メディアＡに来訪するユーザの興味嗜好性の高い記事の特性にマッチングした記事を執筆することができる。また、レコメンド装置２は、記事の特性として、カテゴリのみならず、文体構成、記事の特性、記事の長さなどの複数の項目を用意し、これら複数の項目が合致するライターをレコメンドする構成とすることもできる。このような構成によれば、レコメンド装置２は、クライアントのＷｅｂサイトの特性によりマッチする記事を執筆することができる。

また、評価部１６は、パフォーマンスデータに含まれているＳＮＳのフォロー数の情報またはＳＮＳのシェア数の情報に基づいて、ライターの評価を行う構成でもよい。当該構成の場合には、推薦部２２は、サイト特性特定部２１により特定された記事の特性にマッチングするライターであって、評価部１６により評価されたＳＮＳのフォロー数またはシェア数に基づいて、一または複数のライターをクライアントに推薦する。例えば、推薦部２２は、評価部１６により評価されたＳＮＳのフォロー数またはシェア数が高い順に、サイト特性特定部２１により特定された記事の特性にマッチングする一または複数のライターをクライアントに推薦する。

このような構成によれば、レコメンド装置２は、メディアＢに来訪するユーザの興味嗜好性のある記事の特性（例えば、カテゴリ）が、例えば、「釣り」、「ヨット」、「ダイビング」等であって、よく読まれているカテゴリが「釣り」と「ヨット」であった場合、「釣り」と「ヨット」にマッチングする記事のフォロー数またはシェア数の高いライターをメディアＢのクライアントにレコメンドすることができる。レコメンドされたライターは、メディアＢに来訪するユーザの興味嗜好性の高い記事の特性にマッチングした記事を執筆することができる。

また、評価部１６は、パフォーマンスデータに含まれているライターにより書かれた記事の製作本数の情報に基づいて、ライターの評価を行う構成でもよい。当該構成の場合には、推薦部２２は、サイト特性特定部２１により特定された記事の特性にマッチングするライターであって、評価部１６により評価された記事の製作本数に基づいて、一または複数のライターをクライアントに推薦する。例えば、推薦部２２は、評価部１６により評価された記事の製作本数の多い順に、サイト特性特定部２１により特定された記事の特性にマッチングする一または複数のライターをクライアントに推薦する。

このような構成によれば、レコメンド装置２は、メディアＣに来訪するユーザの興味嗜好性のある記事の特性（例えば、カテゴリ）が、例えば、「宇宙」、「星」、「ロケット」等であって、よく読まれているカテゴリが「宇宙」と「星」であった場合、「宇宙」と「星」にマッチングする記事の製作実績の多いライターをメディアＣのクライアントにレコメンドすることができる。レコメンドされたライターは、メディアＣに来訪するユーザの興味嗜好性の高い記事の特性にマッチングした記事を執筆することができる。

また、評価部１６は、パフォーマンスデータに基づいて、同一特性の記事の訪問者が多いライターの評価を行う構成でもよい。当該構成の場合には、推薦部２２は、サイト特性特定部２１により特定された記事の特性のライターであって、評価部１６により評価された同一特性の記事の訪問者の数に基づいて、一または複数のライターをクライアントに推薦する。例えば、推薦部２２は、評価部１６により評価された同一特性の記事の訪問者が多い順に、サイト特性特定部２１により特定された記事の特性にマッチングする一または複数のライターをクライアントに推薦する。

このような構成によれば、レコメンド装置２は、メディアＤに来訪するユーザの興味嗜好性のある記事の特性（例えば、カテゴリ）が、例えば、「映画」、「本」、「音楽」等であって、よく読まれているカテゴリが「映画」と「本」であった場合、「映画」と「本」にマッチングする記事と同一カテゴリの記事の訪問者数が多いライターをクライアントにレコメンドすることができる。レコメンドされたライターは、メディアＣに来訪するユーザの興味嗜好性の高い記事の特性にマッチングした記事を執筆することができる。

また、第１解析部１１は、メディアにおいて第１情報とともに第１情報とは異なる第２情報が埋め込まれている記事のアクセス状況を解析する構成でもよい。

第２情報とは、第三者が提供するソーシャルブックマーキングのプラグインをひとまとめにしたプラグインを表示し、各種のソーシャルブックマーキングでのシェア数またはフォロー数を取得するための情報である。

このような構成によれば、レコメンド装置２は、第２情報が埋め込まれている記事のアクセス状況を解析することにより、各種のソーシャルブックマーキングでのシェア数またはフォロー数を取得することができる。

ここで、評価装置１の動作について、図５に示すフローチャートを参照しながら説明する。

ステップＳ１において、第１解析部１１は、メディアにおいて第１情報が埋め込まれている記事のアクセス状況を解析する。

ステップＳ２において、パフォーマンスデータ生成部１２は、ステップＳ１の工程による解析結果に基づいて、記事のパフォーマンスデータを生成する。

ステップＳ３において、第２解析部１３は、記事の内容を解析する。

ステップＳ４において、記事特性特定部１４は、ステップＳ３の工程による解析結果に基づいて、記事の特性を特定する。

ステップＳ５において、関連付け部１５は、ステップＳ２の工程により生成したパフォーマンスデータと、ステップＳ４の工程により特定した記事の特性とを、当該記事を作成したライターに関連付ける。

ステップＳ６において、評価部１６は、ステップＳ２の工程により生成したパフォーマンスデータに基づいて、ライターの評価を行う。

このようにして、評価装置１は、複数のメディアに掲載されている記事に対するアクセス解析の結果を利用して、ライターの評価分析を行うことができる。

つぎに、レコメンド装置２の動作について、図６に示すフローチャートを参照しながら説明する。なお、ステップＳ１１からステップＳ１６までの各工程は、上述したステップＳ１からステップＳ６と同一でるため、説明を省略する。

ステップＳ１７において、サイト特性特定部２１は、クライアントのメディアに来訪するユーザの動向に基づいて、興味嗜好性のある記事の特性を特定する。

ステップＳ１８において、推薦部２２は、ステップＳ１７の工程により特定された記事の特性のライターであって、ステップＳ１６の工程により所定の評価を受けている一または複数のライターをクライアントに推薦する。

また、本実施例では、主に、複数のメディアに掲載されている記事に対するアクセス解析の結果を利用して、ライターの評価分析を行うことができる評価装置１の構成と動作と、評価装置１による評価分析に基づいて、クライアントが求めるライターに近しいライターのレコメンドを行うことができるレコメンド装置２の構成と動作について説明したが、これに限られない。評価装置１の各構成要素を備え、複数のメディアに掲載されている記事に対するアクセス解析の結果を利用して、ライターの評価分析を行うための方法、およびプログラムとして構成されてもよい。また、レコメンド装置２の各構成要素を備え、評価装置１による評価分析に基づいて、クライアントが求めるライターに近しいライターのレコメンドを行うための方法、およびプログラムとして構成されてもよい。

さらに、評価装置１を構成する各機能を実現するための評価プログラムをコンピュータで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評価プログラムをコンピュータシステムに読み込ませ、指示することによって実現してもよい。

具体的には、評価プログラムは、Ｗｅｂサイト（メディア）において第１情報が埋め込まれている記事のアクセス状況を解析する第１解析工程と、第１解析工程の解析結果に基づいて、記事のパフォーマンスデータを生成するパフォーマンスデータ生成工程と、記事の内容を解析する第２解析工程と、第２解析工程の解析結果に基づいて、記事の特性を特定する記事特性特定工程と、パフォーマンスデータと記事の特性とを当該記事を作成したライターに関連付ける関連付け工程と、パフォーマンスデータに基づいて、ライターの評価を行う評価工程と、をコンピュータによって実現するためのプログラムである。

また、レコメンド装置２を構成する各機能を実現するためのレコメンドプログラムをコンピュータで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レコメンドプログラムをコンピュータシステムに読み込ませ、指示することによって実現してもよい。

具体的には、レコメンドプログラムは、評価プログラムを含むレコメンドプログラムであって、クライアントのＷｅｂサイト（メディア）に来訪するユーザの動向に基づいて、興味嗜好性のある記事の特性を特定するサイト特性特定工程と、サイト特性特定工程により特定された記事の特性のライターであって、評価工程により所定の評価を受けている一または複数のライターをクライアントに推薦する推薦工程とをコンピュータによって実現するためのプログラムである。

さらに、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、「コンピュータで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「コンピュータで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、短時刻の間、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よい。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よく、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よい。

１評価装置、２レコメンド装置、３ネットワーク、４Ｗｅｂサイト、１０収集部、１１第１解析部、１２パフォーマンスデータ生成部、１３第２解析部、１４記事特性特定部、１５関連付け部、１６評価部、１７記事ＤＢ、１８ライターＤＢ、２１サイト特性特定部、２２推薦部。

Claims

Ｗｅｂサイトにおいて第１情報が埋め込まれている記事のアクセス状況を解析する第１解析部と、
前記第１解析部の解析結果に基づいて、前記記事のパフォーマンスデータを生成するパフォーマンスデータ生成部と、
前記記事の内容を解析する第２解析部と、
前記第２解析部の解析結果に基づいて、前記記事の特性を特定する記事特性特定部と、
前記パフォーマンスデータと前記記事の特性とを当該記事を作成したライターに関連付ける関連付け部と、
前記パフォーマンスデータに基づいて、ライターの評価を行う評価部と、を備える評価装置。
請求項１記載の評価装置を備えるレコメンド装置であって、
クライアントのＷｅｂサイトの記事の特性を特定するサイト特性特定部と、
前記サイト特性特定部により特定された記事の特性に合致するライターであって、前記評価部により所定の評価を受けている一または複数のライターをクライアントに推薦する推薦部とを備えるレコメンド装置。
前記パフォーマンスデータは、少なくとも、ライターにより書かれた記事の製作本数の情報、記事の読了率の情報、記事の閲覧時間の情報、ＳＮＳのシェア数の情報、ＳＮＳのフォロー数の情報のうち、一または複数の情報により構成されている請求項２記載のレコメンド装置。
前記評価部は、前記パフォーマンスデータに含まれている記事の読了率の情報または記事の閲覧時間の情報に基づいて、ライターの評価を行い、
前記推薦部は、前記サイト特性特定部により特定された記事の特性のライターであって、前記評価部により評価された記事の読了率または記事の閲覧時間に基づいて、一または複数のライターをクライアントに推薦する請求項３記載のレコメンド装置。
前記評価部は、前記パフォーマンスデータに含まれているＳＮＳのフォロー数の情報またはＳＮＳのシェア数の情報に基づいて、ライターの評価を行い、
前記推薦部は、前記サイト特性特定部により特定された記事の特性のライターであって、前記評価部により評価されたＳＮＳのフォロー数またはシェア数に基づいて、一または複数のライターをクライアントに推薦する請求項３記載のレコメンド装置。
前記評価部は、前記パフォーマンスデータに含まれているライターにより書かれた記事の製作本数の情報に基づいて、ライターの評価を行い、
前記推薦部は、前記サイト特性特定部により特定された記事の特性のライターであって、前記評価部により評価された記事の製作本数に基づいて、一または複数のライターをクライアントに推薦する請求項３記載のレコメンド装置。
前記評価部は、前記パフォーマンスデータに基づいて、同一特性の記事の訪問者が多いライターの評価を行い、
前記推薦部は、前記サイト特性特定部により特定された記事の特性のライターであって、前記評価部により評価された同一特性の記事の訪問者の数に基づいて、一または複数のライターをクライアントに推薦する請求項３記載のレコメンド装置。
前記第１情報とは、Ｗｅｂページに組み込むことにより、前記パフォーマンスデータ、ユーザの行動履歴データ、および、第三者が提供するソーシャルブックマーキングでのＳＮＳのシェア数またはフォロー数を取得するための情報である請求項２から７のいずれか一項に記載のレコメンド装置。
前記第１解析部は、Ｗｅｂサイトにおいて前記第１情報とともに前記第１情報とは異なる第２情報が埋め込まれている記事のアクセス状況を解析し、
前記第２情報とは、第三者が提供するソーシャルブックマーキングのプラグインをひとまとめにしたプラグインを表示し、各種のソーシャルブックマーキングでのＳＮＳのシェア数またはフォロー数を取得するための情報である請求項２から８のいずれか一項に記載のレコメンド装置。
Ｗｅｂサイトにおいて第１情報が埋め込まれている記事のアクセス状況を解析する第１解析工程と、
前記第１解析工程の解析結果に基づいて、前記記事のパフォーマンスデータを生成するパフォーマンスデータ生成工程と、
前記記事の内容を解析する第２解析工程と、
前記第２解析工程の解析結果に基づいて、前記記事の特性を特定する記事特性特定工程と、
前記パフォーマンスデータと前記記事の特性とを当該記事を作成したライターに関連付ける関連付け工程と、
前記パフォーマンスデータに基づいて、ライターの評価を行う評価工程と、を備える評価方法。
請求項１０記載の評価方法を備えるレコメンド方法であって、
クライアントのＷｅｂサイトの記事の特性を特定するサイト特性特定工程と、
前記サイト特性特定工程により特定された記事の特性に合致するライターであって、前記評価工程により所定の評価を受けている一または複数のライターをクライアントに推薦する推薦工程とを備えるレコメンド方法。
Ｗｅｂサイトにおいて第１情報が埋め込まれている記事のアクセス状況を解析する第１解析工程と、
前記第１解析工程の解析結果に基づいて、前記記事のパフォーマンスデータを生成するパフォーマンスデータ生成工程と、
前記記事の内容を解析する第２解析工程と、
前記第２解析工程の解析結果に基づいて、前記記事の特性を特定する記事特性特定工程と、
前記パフォーマンスデータと前記記事の特性とを当該記事を作成したライターに関連付ける関連付け工程と、
前記パフォーマンスデータに基づいて、ライターの評価を行う評価工程と、をコンピュータによって実現するための評価プログラム。
請求項１２記載の評価プログラムを含むレコメンドプログラムであって、
クライアントのＷｅｂサイトの記事の特性を特定するサイト特性特定工程と、
前記サイト特性特定工程により特定された記事の特性に合致するライターであって、前記評価工程により所定の評価を受けている一または複数のライターをクライアントに推薦する推薦工程と、をコンピュータによって実現するためのレコメンドプログラム。