JP6182478B2 - 解析装置及び解析方法 - Google Patents

Description

本発明は解析装置及び解析方法に関するものである。

近年、口コミサイト、ブログ、Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ（ＳＮＳ）などのソーシャルメディアが、コミュニケーションツールとして、広く利用されるようになっている。コミュニケーションツールとしてのソーシャルメディア利用の目的には、同じ趣味や嗜好を持った人との交流がある。そのため、ソーシャルメディアにおいて行われる会話から、個人の持つ趣味や嗜好に関する情報、ソーシャルメディア上での人間関係に関する情報を収集し、活用することが期待されている。

一方、マーケティングでは、対象購買層の決定を目的として、消費者を同種のニーズや購買行動を持ったセグメントに分割する消費者セグメンテーションを行っている。自社が優位に立てる対象購買層を設定し、新商品企画やキャンペーンの実施など、対象購買層におけるニーズや嗜好を踏まえたマーケティングを企画、実行することで、低コストで効果的なマーケティング施策が行える。

これに対して、例えば特許文献１には、アンケート結果の分析による嗜好に基づいて消費者をセグメンテーションする技術が開示されている。また、特許文献２には、Ｗｅｂコンテンツの利用履歴などユーザとアイテムの関係を表す入力から、ユーザ同士の興味の類似性を表すユーザ興味相関グラフを作成し、ユーザをセグメンテーションする技術が開示されている。

特開２００８−２９３３１０号公報 特開２０１１−１４１６６６号公報

特許文献１、２に開示された技術を使用することにより消費者（ユーザ）をセグメンテーションすることは可能である。しかしながら、セグメント内のどの消費者を対象にしたキャンペーンの実施などを行うことが効果的であるかなどのさらに絞り込んだマーケッティング施策をすることまではできない。また、対象とするセグメント以外のどのセグメントまで拡大できるかの見通しをたてることができない。

そこで、本発明の目的は、消費者をセグメンテーションし、消費者間の影響力やセグメント間の影響力を算出することにより、低コストで効果的なマーケッティングに役立つ情報を提供することにある。

本発明に係る代表的な解析装置は、複数のユーザの発言の内容と前記発言間の関係情報を含む発言情報の解析装置において、前記発言情報を収集する収集部と、前記発言の内容における特定のキーワードの出現を分析する分析部と、前記特定のキーワードの出現の分析に基づいて前記内容を発言した前記複数のユーザをセグメント化するセグメント化部と、前記発言間の関係情報に基づいて前記発言した前記複数のユーザ間の関係を有向グラフ化するグラフ作成部と、前記セグメント化部のセグメント化に関する情報と前記グラフ作成部の有向グラフ化に関する情報とに基づいて、ユーザ間の関係に関する情報を算出する算出部と、を有することを特徴とする。

また、本発明は解析方法としても把握される。

本発明によれば、消費者をセグメンテーションし、消費者間の影響力やセグメント間の影響力を算出するので、低コストで効果的なマーケッティングに役立つ情報を提供することができる。

消費者セグメンテーション装置の構成の例を示す図である。 消費者セグメンテーションプログラムの構成の例を示す図である。 蓄積ソーシャルメディアデータの例を示す図である。 ユーザ嗜好データの例を示す図である。 ユーザ嗜好分析部の処理フローの例を示す図である。 ユーザセグメントデータの例を示す図である。 ユーザセグメンテーション実施部の処理フローの例を示す図である。 ソーシャルグラフデータの例を示す図である。 ソーシャルグラフ作成部の処理フローの例を示す図である。 セグメント影響力算出部の処理フローの例を示す図である。 セグメント影響力の算出の例を示す図である。 セグメンテーション結果表示部の処理フローの例を示す図である。 ユーザ単位の表示によるユーザインタフェース画面の例を示す図である。 セグメント単位の表示によるユーザインタフェース画面の例を示す図である。 実施例２の消費者セグメンテーションプログラムの構成の例を示す図である。 実施例２の売上データの例を示す図である。 実施例２の売上データ比較部の処理フローの例を示す図である。

以下、図面を用いて好ましい消費者セグメンテーションに関して説明する。図１は消費者セグメンテーション装置の構成の例を示す図である。消費者セグメンテーション装置を構成するＣＰＵ１０１は、主記憶装置１０２に記憶された消費者セグメンテーションプログラムの命令を受けて、消費者セグメンテーションプログラムにおけるデータの読み込み、計算、データの書き込みなどを行う。主記憶装置１０２には消費者セグメンテーション装置において処理されるデータ及びプログラム全体が格納される。主記憶装置１０２は例えばＲＡＭなどである。補助記憶装置１０３には消費者セグメンテーション装置において処理されるデータ及びプログラム全体が格納される。補助記憶装置１０３は例えばＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などである。

また、入力装置１０４は、消費者セグメンテーション装置へのユーザからの命令を受け取り、ＣＰＵ１０１に伝達する装置である。入力装置１０４は例えばマウス、キーボードなどである。出力装置１０５は消費者セグメンテーション装置におけるユーザインタフェース画面を表示する装置である。出力装置１０５は例えば液晶ディスプレイなどである。ネットワークインターフェイス１０６は、インターネットにアクセスし、ソーシャルメディアデータの送受信を行う。ネットワークインターフェイス１０６は例えばＬＡＮカードなどである。これらの装置はバス１０７によって接続されており、バス１０７を経由してデータの入出力を行う。

図２はＣＰＵ１０１で実行される消費者セグメンテーションプログラムとデータの構成の例を示す図である。図２において、ソーシャルメディアデータ収集部２０２、ユーザ嗜好分析部２０５、ユーザセグメンテーション実施部２０７、ソーシャルグラフ作成部２０９、セグメント影響力算出部２１１、セグメンテーション結果表示部２１２は、ＣＰＵ１０１で実行されるプログラムである。また、蓄積ソーシャルメディアデータ２０３、単語分類データ２０４、ユーザ嗜好データ２０６、ユーザセグメントデータ２０８、ソーシャルグラフデータ２１０は、消費者セグメンテーション装置のプログラムによって処理されるデータである。これらのデータは、図１の主記憶装置１０２に格納されるが、データ量などの必要に応じて補助記憶装置１０３に格納してもよい。

以下では、各プログラムにおける処理を説明する。ソーシャルメディアデータ収集部２０２は、ネットワークインターフェイス１０６を介してネットワークからソーシャルメディアデータ２０１を収集し、蓄積ソーシャルメディアデータ２０３として保存する。蓄積ソーシャルメディアデータ２０３は、ソーシャルメディアデータ収集部２０２が収集したソーシャルメディアデータ２０１を装置内に保存するための形式に変換したものである。蓄積ソーシャルメディアデータ２０３の例を図３に示す。

蓄積ソーシャルメディアデータ２０３を構成する発言ＩＤ３０１は、各発言を区別するための任意の文字列あるいは数値から成る識別子である。発言者ＩＤ３０２は各発言を発言した人物を特定するための識別子である。例えばソーシャルメディアデータ２０１がマイクロブログの場合は、ユーザ名とすることができる。リンク情報３０３は２つの発言の関連を示す。リンク情報３０３はリンクの種類及びリンク元の２つにより構成される。リンクの種類は２つの発言の関連の仕方を表す文字列である。例えばソーシャルメディアデータ２０１がマイクロブログである場合、「発言の引用」や「発言への返信」である。リンク元は発言が関連する別の発言の発言ＩＤを示す。発言日時３０４はソーシャルメディアにおいて記事が掲載された日時を示す。発言内容３０５はソーシャルメディアにおいて掲載された記事のテキスト部分である。

再び図２の説明に戻る。ユーザ嗜好分析部２０５は、あらかじめ指定された条件により処理を開始すると、指定された期間における蓄積ソーシャルメディアデータ２０３を解析して、ユーザ嗜好データ２０６を生成する。ユーザ嗜好データ２０６の例を図４に示す。

ユーザ嗜好データ２０６はソーシャルメディアから収集したユーザの嗜好を表す。ユーザ嗜好データ２０６を構成するユーザＩＤ４０１は、蓄積ソーシャルメディアデータ２０３における発言者ＩＤ３０２に対応する。嗜好キーワード４０２は、蓄積ソーシャルメディアデータ２０３から取得した単語、もしくは蓄積ソーシャルメディアデータ２０３から取得した単語を単語分類データ２０４に基づいて分類した際のカテゴリ名である。ここで、単語分類データ２０４は単語と単語の属するカテゴリ名の組から構成される。例えば、単語分類データ２０４は、「野菜ジュース」などの製品名と、その製品に対応する「飲料」などの製品カテゴリ名を組として、複数の組を持つ。嗜好キーワード４０２は、例えば特定の製品名、製品カテゴリ名、イベント名などに対応する。

嗜好度４０３は嗜好キーワード４０２の出現割合である。嗜好度４０３は嗜好キーワード４０２に対するユーザの興味の強さを表す。ユーザ嗜好データ２０６では、１つのユーザＩＤ４０１に対して、１つもしくは複数の嗜好キーワード４０２及び嗜好度４０３の組が対応付けられる。

次に、ユーザ嗜好分析部２０５の処理フローの例を図５に示す。ユーザ嗜好分析部２０５は、あらかじめ指定された条件により処理を開始すると、指定された期間内に含まれる蓄積ソーシャルメディアデータ２０３を取得し、取得したデータに含まれる発言を、発言者ＩＤ３０２に基づいてユーザ毎に分類する（ステップ５０１）。

ユーザ嗜好分析部２０５は、ステップ５０１の後に、蓄積ソーシャルメディアデータ２０３において各ユーザの発言に含まれる単語及び単語の出現頻度を集計する（ステップ５０２）。例えば、各発言に対して、公知の技術である形態素解析などを用いて、単語への分割を行い、集計を行う。

ユーザ嗜好分析部２０５は、ステップ５０２の後に、嗜好キーワード４０２を設定する（ステップ５０３）。例えば、蓄積ソーシャルメディアデータ２０３に含まれる単語を嗜好キーワード４０２として設定する。この時、ユーザが選択した単語のみを嗜好キーワード４０２に設定してもよい。また、単語分類データ２０４を参照して、単語とカテゴリの対応付けを行い、単語の属するカテゴリ名を嗜好キーワード４０２として設定してもよい。

ユーザ嗜好分析部２０５は、ステップ５０３の後に、嗜好度４０３を算出する（ステップ５０４）。嗜好度４０３は、嗜好キーワード４０２の出現頻度に基づいて算出する。例えば、嗜好キーワード４０２が単語の場合は嗜好度４０３を単語の出現頻度とし、嗜好キーワード４０２がカテゴリの場合は嗜好度４０３をカテゴリに含まれる全ての単語の出現頻度とする。あるいは、単語の出現頻度を、ユーザの発言に含まれる全単語の出現頻度で正規化したものを、嗜好度４０３としてもよい。

再び図２の説明に戻る。ユーザセグメンテーション実施部２０７は、ユーザ嗜好データ２０６を解析してユーザのセグメンテーションを行い、ユーザセグメントデータ２０８を生成する。ユーザセグメントデータ２０８の例を図６に示す。ユーザセグメントデータ２０８を構成するセグメンテーション対象ユーザリスト６０１はセグメンテーションの対象とするユーザＩＤ４０１の集合である。セグメンテーションの対象とするユーザとして、例えば嗜好キーワードの出現頻度がゼロではないユーザとしてもよいし、出現頻度がゼロのユーザを含んでもよい。あるいは、何らかの基準により予め指定されたユーザなどとしてもよい。セグメントユーザリスト６０２は同一セグメントに含まれるユーザＩＤ４０１の集合である。セグメント特徴６０３は、セグメントに含まれるユーザの嗜好に基づいて、セグメントの特徴を表現する。セグメント特徴６０３の内容はセグメンテーション方法に依存する。例えば「健康」という嗜好キーワードの嗜好度の大きさに応じたセグメンテーション方法を用いた場合、セグメント特徴は「健康の嗜好度が０．４以下」、「健康の嗜好度が０．４以上」とすることができる。

次に、ユーザセグメンテーション実施部２０７の処理フローの例を図７に示す。ユーザセグメンテーション実施部２０７は、あらかじめ指定された条件により処理を開始すると、ユーザ嗜好データ２０６を取得して、ユーザ嗜好データ２０６に含まれる全ユーザの中から、嗜好キーワード４０２に基づいて、セグメンテーション対象ユーザを抽出する（ステップ７０１）。例えば、「野菜ジュース」など特定の嗜好キーワード４０２を含むユーザＩＤ４０１すなわち嗜好度がゼロでないユーザＩＤ４０１の一覧を取得することにより、セグメンテーション対象であるユーザを抽出する。なお、嗜好キーワード４０２を含まないユーザＩＤ４０１を加えてもよいし、予め設定されて補助記憶装置１０３や主記憶装置１０２に格納された嗜好キーワード４０２以外の条件に基づいて、その条件に一致するユーザを抽出してもよい。ソーシャルメディアへの参加に性別や年齢帯や地域などの登録があり、それらが公開されている場合などは条件として利用してもよい。抽出されたセグメンテーション対象ユーザは、ユーザセグメントデータ２０８のセグメンテーション対象ユーザリスト６０１に記憶される。

ユーザセグメンテーション実施部２０７は、ステップ７０１の後に、ユーザのセグメンテーションを実施する（ステップ７０２）。セグメンテーションによりセグメンテーション対象ユーザを複数のセグメントに分割する。セグメンテーションは、特定の嗜好キーワードの嗜好度に応じたユーザの分類や、各ユーザの嗜好キーワード及び嗜好度の類似度に基づいたクラスタ分析手法の適用など、公知の技術により行う。例えば「健康」など特定の嗜好に興味があるかによってセグメンテーションを行う場合は、「健康」という嗜好キーワードの嗜好度に対して、セグメンテーションを実施するユーザがあらかじめ閾値（例えば０．５といった値）を設定することで、「健康」という嗜好キーワードの嗜好度が、閾値以上のユーザから成るセグメントと、その他のユーザから構成されるセグメントに分割する。ここで、嗜好度がゼロのセグメントを特別に設けるなどしてもよい。

ユーザセグメンテーション実施部２０７は、ステップ７０２の後に、セグメント特徴６０３を算出する（ステップ７０３）。セグメント特徴６０３はセグメンテーション方法に応じた算出方法により算出される。算出方法は、ユーザセグメンテーションに用いるセグメンテーション方法に応じて、セグメンテーションを実施するユーザがあらかじめ決定する。前記の例のように、「健康」という嗜好キーワードの嗜好度に閾値を設定してセグメンテーションを行った場合、設定した閾値を取得することで、セグメント特徴６０３を「健康の嗜好度が閾値以上」、「健康の嗜好度が閾値以下」とできる。また、例えば、セグメントに含まれるユーザに共通する嗜好キーワードを複数取得して、それが「夏服」であった場合、セグメント特徴６０３を「夏服」とすることもできる。

再び図２の説明に戻る。ソーシャルグラフ作成部２０９は、蓄積ソーシャルメディアデータ２０３およびユーザセグメントデータ２０８を取得して、ソーシャルグラフデータ２１０を作成する。ソーシャルグラフデータ２１０により構成されるソーシャルグラフの例を図８に示す。

ソーシャルグラフデータ２１０は、ユーザ８０１乃至８０９と有向辺８１１乃至８１８から成るソーシャルグラフ８２１、８２２を構成するデータの集合である。ソーシャルグラフ８２１、８２２は、セグメント８３１、８３２に含まれるユーザと他ユーザとの関係を示す。例えば、ソーシャルグラフ８２１は、セグメント８３１に含まれるユーザ８０１、８０２、８０３と、他ユーザとの関係を表している。ソーシャルメディアデータ２０１がマイクロブログの場合は、ソーシャルグラフ８２１は、セグメント８３１に含まれるユーザ８０１、８０２、８０３からの会話の発信のやりとりを表す。

ユーザ８０１乃至８０９は、ユーザＩＤ４０１に対応し、ソーシャルグラフの点（ノード）を構成する。有向辺８１１乃至８１８はユーザ同士の関係の有無を表現するものであり、各有向辺８１１乃至８１８はユーザ同士の関係の強さを示す数値である重みを持つ。例えば、ソーシャルメディアデータ２０１がマイクロブログの場合、有向辺８１１はユーザ８０１からユーザ８０２への会話の発信の有無に対応し、重みはユーザ８０１からユーザ８０２への会話の発信頻度に対応する。

次に、ソーシャルグラフ作成部２０９の処理フローの例を図９に示す。ソーシャルグラフ作成部２０９は、あらかじめ指定された条件により処理を開始すると、ユーザセグメントデータ２０８からセグメントを１つ選択する（ステップ９０１）。続いて、ソーシャルグラフ作成部２０９は、ステップ９０１の後に、選択したセグメントに含まれるユーザの発言を蓄積ソーシャルメディアデータ２０３から抽出する（ステップ９０２）。

ソーシャルグラフ作成部２０９は、ステップ９０２の後に、抽出したユーザの発言から、セグメントに含まれるユーザ間のリンク数を集計する（ステップ９０３）。例えばソーシャルメディアがマイクロブログの場合、対象とするセグメントに含まれるユーザ毎に、当該ユーザが行った返信について、返信先ユーザの一覧及び各返信先ユーザへの返信回数を集計し、また、当該ユーザの発言を引用したユーザの一覧及び当該ユーザの発言を引用した回数を集計する。

ソーシャルグラフ作成部２０９は、ステップ９０３の後に、集計したユーザ間のリンク数に基づいて、ソーシャルグラフ８２１、８２２の有向辺８１１乃至８１８の有無及び重みを決定する（ステップ９０４）。以下ではソーシャルメディアがマイクロブログである場合を例に、ユーザ８０１とユーザ８０２の間における有向辺の有無及び重みの決定処理を説明する。まず、ユーザ８０１の発言に対してユーザ８０２が返信を行っている場合は、ユーザ８０２からユーザ８０１に向けて会話の発信が行われているため、ユーザ８０２からユーザ８０１への有向辺８１２をセットし、返信回数を有向辺８１２の重みとする。また、ユーザ８０１の発言をユーザ８０２が引用した場合、ユーザ８０１からユーザ８０２に向けて会話の発信が行われているため、ユーザ８０１からユーザ８０２への有向辺８１１をセットし、引用回数を有向辺８１１の重みとする。

この例では、「ユーザ８０２によるユーザ８０１の発言の引用」などセグメントに含まれるユーザから直接発信された会話に基づいてソーシャルグラフを構成したが、「ユーザ８０２により引用されたユーザ８０１の発言を、ユーザ８０４が引用した場合」など、発信先のユーザからの返信や発信先のユーザの発言の引用も対象とすることで、間接的な影響も含めたソーシャルグラフを作成してもよい。

以上の処理を、全てのセグメントに対して実行し、各セグメントのソーシャルグラフ８２１、８２２を作成する（ステップ９０５）。

そして、ソーシャルグラフ作成部２０９は、ステップ９０５の後に、セグメンテーション対象ユーザ全体のソーシャルグラフを作成する（ステップ９０６）。すなわち、セグメンテーション対象ユーザ全体を対象として、ステップ９０１乃至９０４を実施することで、セグメンテーション対象ユーザ全体のソーシャルグラフを作成する。

再び図２の説明に戻る。セグメント影響力算出部２１１は、ユーザセグメントデータ２０８とソーシャルグラフデータ２１０を読込み、セグメント影響力を算出する。セグメント影響力は、各セグメントが他ユーザに与える影響の大きさである。セグメント影響力は、セグメントのソーシャルグラフに基づいて算出される。

次に、セグメント影響力算出部２１１の処理フローの例を図１０に示す。セグメント影響力算出部２１１は、予め指定された条件により処理を開始すると、セグメント影響力を算出するセグメントを１つ選択する（ステップ１００１）。続いて、セグメント影響力算出部２１１は、ステップ１００１の後に、選択したセグメントのソーシャルグラフ８２１、８２２をソーシャルグラフデータ２１０から取得する（ステップ１００２）。

セグメント影響力算出部は、ステップ１００２の後に、取得したソーシャルグラフ８２１、８２２の有向辺８１１乃至８１８を有向辺８１１乃至８１８の指す先のユーザに応じて分類する（ステップ１００３）。例えば、ソーシャルグラフ８２１の有向辺８１１の分類を行う場合には、有向辺８１１が指す先のユーザ８０２が、「発信元であるユーザ８０１と同一のセグメントに含まれるユーザ」、「発信元であるユーザ８０１と同一のセグメントに含まれないセグメンテーション対象ユーザ」、「セグメンテーション対象ユーザでないユーザ」のいずれに属するかによって分類する。さらに、「発信元であるユーザ８０１へ会話を発信するユーザ」と「発信元であるユーザ８０１へ会話を発信しないユーザ」に分類してもよい。

この例では、ユーザ８０２は、ユーザ８０１と同一のセグメントに含まれるユーザであり、ユーザ８０１へ会話を発信するため、有向辺８１１は「発信元と同一のセグメントに含まれるユーザへの会話の発信」に分類できる。また、ユーザ８０３は「発信元であるユーザ８０１と同一のセグメントに含まれてユーザ８０１へ会話を発信しないユーザ」に分類でき、図６に示すセグメンテーション対象ユーザリスト６０１へ嗜好度がゼロなどにより登録されていないユーザ８０４は「セグメンテーション対象ユーザでないユーザ」に分類できる。これは、会話の発信先であるユーザの嗜好に基づいて、会話を分類することを意味する。

セグメント影響力算出部２１１は、ステップ１００３の後に、前記有向辺８１１乃至８１８の分類に応じて有向辺８１１乃至８１８の重みを変更する（ステップ１００４）。例えば、各有向辺８１１乃至８１８の重みに対して、有向辺８１１乃至８１８の分類が「同一のセグメントに含まれるユーザへの会話の発信」である場合は、あらかじめ定められた数値Ｐ１を乗算し、「同一のセグメントに含まれないセグメンテーション対象ユーザへの会話の発信」である場合は、あらかじめ定められた数値Ｐ２を乗算し、「セグメンテーション対象ユーザでないユーザへの会話の発信」である場合は、あらかじめ定められた数値Ｐ３を乗算するといったように、有向辺８１１乃至８１８の分類に応じて、あらかじめ定められた数値を乗算して有向辺の重みを修正する。これは、会話の発信先であるユーザの購買可能性に応じて、有向辺８１１乃至８１８の重みを修正することを意味する。

セグメント影響力算出部２１１は、ステップ１００４の後に、セグメント影響力を算出する（ステップ１００５）。ステップ１００４にて重みを修正されたソーシャルグラフ８２１、８２２に対して、図１１に示す例にしたがってセグメント影響力を算出する。例えば、図８に示すセグメント８３１のセグメント影響力を求める場合は、ソーシャルグラフ８２１に含まれる全ての有向辺８１１乃至８１６について、ステップ１００４によって修正された重みの和をとり、セグメント８３１に含まれるユーザ数である３で除算すればよい。セグメント影響力は、ソーシャルグラフにおいて、セグメントに含まれるユーザから出る有向辺８１１乃至８１８の重みの和をセグメントに含まれるユーザ数で正規化したものである。そのため、セグメントに含まれるユーザが積極的に他ユーザへ会話を発信している場合に、セグメント影響力は大きくなる。

以上の処理を、全てのセグメントに対して行うことで、各セグメントのセグメント影響力を算出する（ステップ１００６）。セグメント影響力を求めることにより、セグメントに含まれるユーザの影響力を把握することが可能になる。

再び図２の説明に戻る。セグメンテーション結果表示部２１２は、セグメント影響力算出部２１１での処理結果に基づいて、ユーザインタフェース画面にセグメンテーション結果を表示する。図１２にセグメンテーション結果表示部２１２の処理フローの例を示し、図１３Ａ、図１３Ｂにセグメンテーション結果表示部によるユーザインタフェース画面の例を示す。

図１３Ａに示すユーザインタフェース画面１３０１は、セグメント表示部１３０２、ソーシャルグラフ表示部１３０３、ソーシャルグラフ表示変更ＵＩ１３０４から構成される。セグメンテーション結果表示部２１２は、あらかじめ指定された条件により処理を開始すると、ユーザセグメントデータ２０８及びセグメント影響力をリスト形式でユーザインタフェース画面１３０１のセグメント表示部１３０２に表示する（ステップ１２０１）。例えば、ユーザセグメントデータ２０８及びセグメント影響力は図１３Ａに示す通り表形式で表示される。セグメント表示部１３０２を構成するセグメント名表示部１３１１には、ソーシャルグラフ表示部１３０３に表示されるソーシャルグラフとの対応付けを行うための文字列を表示する。また、セグメント影響力表示部１３１２にはセグメント影響力算出部２１１によって算出したセグメント影響力を表示し、セグメント特徴表示部１３１３にはユーザセグメントデータ２０８におけるセグメント特徴６０３を表示する。

これにより、他ユーザに対して影響力を持つセグメントを、セグメント影響力表示部１３１２の表示に基づいて特定し、当該セグメントの嗜好に関する特徴をセグメント特徴表示部１３１３の表示に基づいて把握することができる。図１３Ａに示す例では、「セグメントＡ」が他のセグメントに比べて高いセグメント影響力を持ち、「健康」への興味が強いユーザから構成されていることがわかる。これに基づいて「セグメントＡ」を対象として健康志向をアピールした広告を配信するなど、「セグメントＡ」を構成するユーザの興味を引くマーケティング施策を実施することにより、「セグメントＡ」に含まれるユーザ全体に対して高い効果が得られるとともに、「セグメントＡ」以外のユーザに対しても「セグメントＡ」に含まれるユーザからの影響による効果が見込める。

セグメンテーション結果表示部２１２は、ステップ１２０１の後に、セグメンテーション対象ユーザ全体のソーシャルグラフをユーザインタフェース画面１３０１のソーシャルグラフ表示部１３０３に表示する（ステップ１２０２）。例えば、セグメンテーション対象ユーザ全体のソーシャルグラフにおけるユーザ８０１乃至８０９及び有向辺８１１乃至８１８を、図１３Ａに示すユーザ１３３１乃至１３３６及び有向辺１３４１乃至１３４７として表示する。有向辺１３４１乃至１３４７は、ソーシャルグラフの有向辺８１１乃至８１８の重みに応じて、線の太さを変えて表示する。その結果として、例えば表示１３２１に示すようなソーシャルグラフが表示される。

セグメンテーション結果表示部２１２は、ステップ１２０２の後に、ユーザセグメントデータ２０８及びセグメント影響力に基づいて、ユーザセグメントデータ２０８に含まれるセグメントのソーシャルグラフの中から、表示するソーシャルグラフを決定する（ステップ１２０３）。例えば、あらかじめセグメント影響力に対して閾値を設定しておき、設定した閾値以上のセグメント影響力を持ったセグメントのソーシャルグラフを表示対象とする。また、閾値は後で説明するセグメント表示基準変更部１３６１により、入力装置１０４を用いてユーザが変更できる構成とする。

セグメンテーション結果表示部２１２は、ステップ１２０３の後に、セグメントのソーシャルグラフをソーシャルグラフ表示部１３０３に表示する（ステップ１２０４）。例えば、ステップ１２０３において表示の対象となったセグメントのソーシャルグラフを以下の処理で表示する。まず、ステップ１２０２において表示したセグメンテーション対象ユーザ全体のソーシャルグラフにおいて、セグメントに含まれるユーザを強調表示する。例えば、表示の対象であるセグメントに含まれるユーザを枠１３５１で囲み、セグメント表示部１３０２におけるセグメント名１３１１を文字列１３５２のように枠１３５１とあわせて表示する。また、有向辺１３４１、１３４２、１３４３のようにセグメントのソーシャルグラフに属する辺の色を変えるなどにより強調表示する。表示の対象となったセグメントについて以上の処理をそれぞれ実施する。その際に、異なるセグメントのソーシャルグラフは異なる色で表示するなど、各セグメントのソーシャルグラフを識別可能に表示する。これにより、表示している各セグメントが他のセグメントの影響を受けているかどうかを判断でき、会話の発信源となっているセグメントを対象購買層として決定することができる。

図１３Ａの例では、ソーシャルグラフ表示部１３０３における表示内容から、「セグメントＡ」が「セグメントＢ」に含まれるユーザをはじめ多くのユーザに影響力を持つことがわかる。また、セグメント表示部１３０２における表示内容から、「セグメントＡ」が「健康」への興味が強いユーザから構成されていることがわかる。セグメント影響力の高い「セグメントＡ」を対象として健康志向をアピールした広告の配信など「セグメントＡ」のユーザの興味を引くマーケティング施策を行うことにより、「セグメントＡ」に含まれるユーザ全体に対して高い効果が得られ、かつ、「セグメントＢ」を含む他のユーザに対しても、「セグメントＡ」に含まれるユーザからの影響による効果が見込める。

また、「セグメントＡ」に含まれるユーザの中でも特に「ユーザＡａａ」が、他セグメントに含まれるユーザとの会話の発信源になっていることがわかる。「セグメントＡ」を対象としたマーケティング施策に加え、「ユーザＡａａ」のような他セグメントに含まれるユーザとの会話の発信源となっているユーザを対象として、別途広告配信などのマーケティング施策を行うことにより、「セグメントＡ」に含まれるユーザから他のユーザへの影響を強めることができる。

セグメンテーション結果表示部２１２は、ステップ１２０４の後に、入力装置１０４から消費者セグメンテーション装置の利用者（セグメンテーションを実施するユーザ）の指示を受け取り、セグメンテーション結果の表示を更新する（ステップ１２０５）。例えば、消費者セグメンテーション装置の利用者の指示は、ソーシャルグラフ表示変更指示ＵＩ１３０４を通じてセグメンテーション結果表示部２１２に送信される。

ソーシャルグラフ表示変更指示ＵＩ１３０４を構成するセグメント表示基準変更ＵＩ１３６１は、消費者セグメンテーション装置の利用者の指示を受け取り、ソーシャルグラフ表示におけるセグメント影響力の閾値を変更する。例えば図１３Ａの入力欄１３６１に示すように、消費者セグメンテーション装置利用者の指示が閾値および条件を入力できるものとする。これにより、どの程度高い影響力を持ったセグメントのソーシャルグラフを表示対象にするかを消費者セグメンテーション装置の利用者が選択できる。

また、表示セグメント変更ＵＩ１３６２は、消費者セグメンテーション装置の利用者の指示を受け取り、セグメントのソーシャルグラフの表示・非表示を切り替える。例えば図１３Ａの選択欄１３６２に示すように、消費者セグメンテーション装置の利用者が表示・非表示を選択できる構成とする。例えば、自社製品のマーケティング企画にあたり、競合する他社製品ユーザからの新規ユーザ獲得を目的とする場合を考える。まず、自社製品に興味を持つユーザ集合をセグメンテーション対象ユーザとしてセグメンテーションを実施し、セグメント影響力の高いセグメントを考える。これらの影響力の高いセグメントが「セグメントＡ」と「セグメントＢ」であった場合には、「セグメントＡ」と「セグメントＢ」を表示し、さらに、競合する他社製品に興味を持つ「セグメントＣ」を「セグメントＡ」、「セグメントＢ」とあわせて表示するように切り替える。そして、「セグメントＡ」と「セグメントＢ」のうちの「セグメントＣ」に含まれるユーザが多いいずれかのセグメントを対象として、広告配信などのマーケティングを実施することにより、競合する他社製品に興味にあるユーザを新たに自社製品のユーザとして獲得できる。

グラフ表示単位変更ＵＩ１３６３は消費者セグメンテーション装置の利用者の指示を受け取り、表示１３２１に示すユーザをグラフの点としたユーザ単位のソーシャルグラフと、図１３Ｂの表示１３９１に示すセグメントをグラフの点としたセグメント単位のソーシャルグラフの表示の切り替えを行い、いずれかをソーシャルグラフ表示部１３０３に表示する。例えば、図１３Ａのグラフ表示単位変更ＵＩ１３６３に示すように、消費者セグメンテーション装置の利用者がユーザ単位のソーシャルグラフとセグメント単位のソーシャルグラフのどちらを表示するか選択できるものとする。

セグメント単位でのソーシャルグラフの表示１３９１では、表示セグメント変更部１３６２により指定されたセグメントをグラフの点１３７１、１３７２として表示する。また、セグメント間における会話の受発信を有向辺１３８１として表示する。有向辺１３８１は、ソーシャルグラフのうち関連する辺の重みに基づいて、線の太さを変えて表示される。例えば、ソーシャルグラフデータ８２１、８２２において、セグメント１３７１に含まれるユーザからセグメント１３７２に含まれるユーザに向く辺の重みの和を計算し、重みの和に基づいて線の太さを決定する。これによりセグメント間の関係を表現したソーシャルグラフの可視化が可能となり、会話の発信源として影響力を持つセグメントの特定が容易となる。既に説明した例のとおり、会話の発信源となっているセグメントを対象に広告を配信することにより、多くのユーザに対して広告発信による効果が得られる。

以上で説明したように、ユーザの嗜好をソーシャルメディアから抽出してユーザをセグメンテーションでき、影響力のあるユーザやセグメントの情報を提供することができる。これにより、影響力のあるユーザやセグメントへ広告を配信するなどの効果的なマーケティングが可能となる。

実施例２では、ソーシャルメディアデータからの情報に加え、売上データの情報もあわせて活用可能である消費者セグメンテーション方法及び装置の例を説明する。実施例２の消費者セグメンテーション装置の利用者は、売上データの偶発的な変動に関わるセグメントを特定し、変動要因の分析に活用することができる。

図１４は、実施例２において、図１のＣＰＵ１０１で実行されるプログラムとデータの構成の例を示す図である。図１４において、図２と同一の符号を付されたプログラム及びデータに関しては、同じであるので説明を省略する。実施例２の消費者セグメンテーションプログラムでは、実施例１の図２に示した消費者セグメンテーションプログラムの構成に加えて、売上データ１４０１と売上データ比較部１４０２が追加されている。

売上データ１４０１は製品の期間毎の売上が記載されたデータであり、売上データの例を図１５に示す。売上データ１４０１を構成する製品名１５０１は、企業で扱っている製品の名前である。また、売上高１５０２は製品名１５０１に記載された製品の特定の期間内における売上高を示し、例えば日単位や月単位の売上高を含む。

再び図１４の説明に戻る。売上データ比較部１４０２は、セグメント影響力算出部２１１によって得られたセグメント影響力と、売上データ１４０１に基づいて、売上高の変動に関わるセグメントを特定する。売上データ比較部１４０２は、例えば、ステップ１２０４の後に実行できる構成とする。売上データ比較部１４０２の処理フローの例を図１６に示す。

まず、売上データ比較部１４０２は、一定期間の売上データ１４０１を収集し、大きな売上高の変動が発生した製品を検知する（ステップ１６０１）。例えば、日毎に当日の売上高と前日の売上高を比較し、セグメンテーションを実施するユーザが設定した変動幅以上に、売上高が増加あるいは減少した製品を検知する。

売上データ比較部１４０２は、ステップ１６０１の後に、売上高の変動が検知された日と、変動が起きた製品に関する情報をユーザ嗜好分析部２０５、ユーザセグメンテーション実施部２０７に送信することにより、ユーザのセグメンテーションを行う（ステップ１６０２）。売上データ比較部１４０２はユーザ嗜好分析部２０５に売上高の変動が検知された日を送信する。ユーザ嗜好分析部２０５は、売上高の変動が検知された日から一定期間前までの蓄積ソーシャルメディアデータ２０３を取得して、ユーザ嗜好データ２０６を作成する。また、売上データ比較部１４０２はユーザセグメンテーション実施部２０７に売上高の変動が検知された製品名を送信する。ユーザセグメンテーション実施部２０７は、ステップ７０２において、売上高の変動が検知された製品名や製品カテゴリを嗜好キーワードに持つユーザをセグメンテーション対象ユーザとして抽出する。これらのユーザを対象としてセグメンテーションを行うことにより、ユーザセグメントデータ２０８を作成する。

売上データ比較部１４０２は、ステップ１６０２の後に、セグメント影響力算出部２１１へ各セグメントのセグメント影響力を算出させる（ステップ１６０３）。売上データ比較部１４０２は、ステップ１６０３の後に、セグメンテーション結果をセグメンテーション結果表示部２１２により表示させる（ステップ１６０４）。これにより、売上高の変動が検知された日の直前で、売上高の変動が起きた製品に興味を持っているユーザの中から、影響力のあるセグメントを特定できる。そして、特定されたセグメントに含まれるユーザの発言内容に着目することで、売上高の変動要因の分析が可能となる。例えば、売上高の変動が検知される直前において、影響力のあるセグメントを特定し、特定したセグメントに含まれるユーザの発言において頻出するキーワードを抽出することで、売上高の変動に関連するキーワードを取得できる。

以上で説明したように、製品の実際の売上高の変動とユーザのソーシャルメディアにおける発言とを関連付けることにより、売上高の変動に影響力のあるセグメントの情報を提供できる。また、売上高の変動に影響力のあるキーワードを抽出できる。これにより、ソーシャルメディア内での発言における影響力のみならず、実際の売上高への影響力も含む効果的なマーケッティングが可能となる。

以上の説明では、外部から収集されたデータがインターネットを通じて収集したソーシャルメディアデータ２０１であり、グラフがソーシャルグラフデータ２１０である場合について説明し、時系列データが売上データ１４０１である場合について説明したが、これらの例示は特許請求の範囲を限定するものではない。

２０１：ソーシャルメディアデータ、２０２：ソーシャルメディアデータ収集部、２０３：蓄積ソーシャルメディアデータ、２０４：単語分類データ、２０５：ユーザ嗜好分析部、２０６：ユーザ嗜好データ、２０７：ユーザセグメンテーション実施部、２０８：ユーザセグメントデータ、２０９：ソーシャルグラフ作成部、２１０：ソーシャルグラフデータ、２１１：セグメント影響力算出部、２１２：セグメンテーション結果表示部、１４０１：売上データ、１４０２：売上データ比較部

Claims (12)

1. 複数のユーザの発言の内容と前記発言間の関係情報を含む発言情報の解析装置において、
   前記発言情報を収集する収集部と、
   前記発言の内容における特定のキーワードの出現を分析する分析部と、
   前記特定のキーワードの出現の分析に基づいて前記内容を発言した前記複数のユーザをセグメント化するセグメント化部と、
   前記発言間の関係情報に基づいて前記発言した前記複数のユーザ間の関係を有向グラフ化するグラフ作成部と、
   前記セグメント化部のセグメント化に関する情報と前記グラフ作成部の有向グラフ化に関する情報とに基づいてユーザ間の関係に関する情報を算出する算出部と、
   を有し、
   前記算出部は、同一セグメント内のユーザ間の有向グラフであるか、異なるセグメント内のユーザ間の有向グラフであるかに基づいて、ユーザ間の影響力を算出すること
   を特徴とする解析装置。
2. 前記特定のキーワードは嗜好キーワードまたは嗜好キーワードに関連する単語であり、
   前記セグメント化部は、
   前記発言の内容に含まれる前記嗜好キーワードまたは嗜好キーワードに関連する単語の出現頻度に基づいて前記ユーザそれぞれの嗜好の強さを表す嗜好度を算出し、
   前記算出した嗜好度に基づいて前記複数のユーザをセグメント化すること
   を特徴とする請求項１に記載の解析装置。
3. 前記発言情報はソーシャルメディアであり、前記発言間の関係情報は発言の引用およびその回数を含み、
   前記グラフ作成部は、前記発言間の引用を有向グラフ化し、
   前記算出部は、さらに前記有向グラフの数に基づいてユーザ間の影響力を算出すること
   を特徴とする請求項１に記載の解析装置。
4. 前記セグメントの中から特定のセグメントを選択する指示内容を表示し、
   前記表示した指示内容に応じたセグメントを選択し、
   前記選択されたセグメントの範囲を表す図形と、前記選択されたセグメントに含まれるユーザを表す図形と、前記選択されたセグメントに含まれるユーザの関係を表す有向グラフを表す図形を表示する表示部
   をさらに有することを特徴とする請求項１に記載の解析装置。
5. 前記セグメントの中から特定のセグメントを選択する指示内容を表示し、
   前記表示した指示内容に応じたセグメントを選択し、
   前記選択されたセグメントに含まれるユーザの関係を表す有向グラフを前記選択されたセグメント間でまとめ、
   前記選択されたセグメントを表す図形と、前記まとめたセグメント間の有向グラフを表す図形を表示する表示部
   をさらに有することを特徴とする請求項１に記載の解析装置。
6. 時系列データを収集し、前記収集した時系列データにおける変化を検知し、前記検知された変化の日時を前記分析部へ通知し、前記検知された変化に関するキーワードをセグメント化部へ通知する比較部をさらに有し、
   前記分析部は前記通知された日時より所定期間前を分析し、
   前記セグメント化部は前記通知されたキーワードに基づいてセグメント化すること
   を特徴とする請求項１に記載の解析装置。
7. 複数のユーザの発言の内容と前記発言間の関係情報を含む発言情報の解析方法であって、
   前記発言情報を収集する収集ステップと、
   前記発言の内容における特定のキーワードの出現を分析する分析ステップと、
   前記特定のキーワードの出現の分析に基づいて前記内容を発言した前記複数のユーザをセグメント化するセグメント化ステップと、
   前記発言間の関係情報に基づいて前記発言した前記複数のユーザ間の関係を有向グラフ化するグラフ作成ステップと、
   前記セグメント化ステップのセグメント化に関する情報と前記グラフ作成ステップの有向グラフ化に関する情報とに基づいてユーザ間の関係に関する情報を算出する算出ステップと、
   を有し、
   前記算出ステップは、同一セグメント内のユーザ間の有向グラフであるか、異なるセグメント内のユーザ間の有向グラフであるかに基づいて、ユーザ間の影響力を算出すること
   を特徴とする解析方法。
8. 前記特定のキーワードは嗜好キーワードまたは嗜好キーワードに関連する単語であり、
   前記セグメント化ステップは、
   前記発言の内容に含まれる前記嗜好キーワードまたは嗜好キーワードに関連する単語の出現頻度に基づいて前記ユーザそれぞれの嗜好の強さを表す嗜好度を算出し、
   前記算出した嗜好度に基づいて前記複数のユーザをセグメント化すること
   を特徴とする請求項７に記載の解析方法。
9. 前記発言情報はソーシャルメディアであり、前記発言間の関係情報は発言の引用およびその回数を含み、
   前記グラフ作成ステップは、前記発言間の引用を有向グラフ化し、
   前記算出ステップは、さらに前記有向グラフの数に基づいてユーザ間の影響力を算出すること
   を特徴とする請求項７に記載の解析方法。
10. 前記セグメントの中から特定のセグメントを選択する指示内容を表示し、
    前記表示した指示内容に応じたセグメントを選択し、
    前記選択されたセグメントの範囲を表す図形と、前記選択されたセグメントに含まれるユーザを表す図形と、前記選択されたセグメントに含まれるユーザの関係を表す有向グラフを表す図形を表示する表示ステップ
    をさらに有することを特徴とする請求項７に記載の解析方法。
11. 前記セグメントの中から特定のセグメントを選択する指示内容を表示し、
    前記表示した指示内容に応じたセグメントを選択し、
    前記選択されたセグメントに含まれるユーザの関係を表す有向グラフを前記選択されたセグメント間でまとめ、
    前記選択されたセグメントを表す図形と、前記まとめたセグメント間の有向グラフを表す図形を表示する表示ステップ
    をさらに有することを特徴とする請求項７に記載の解析方法。
12. 時系列データを収集し、前記収集した時系列データにおける変化を検知する比較ステップをさらに有し、
    前記分析ステップは前記検知された変化の日時より所定期間前を分析し、
    前記セグメント化ステップは前記検知された変化に関するキーワードに基づいてセグメント化すること
    を特徴とする請求項７に記載の解析方法。

Images