JP6356740B2 - インセンティブ付与対象決定システム及びプログラム - Google Patents
インセンティブ付与対象決定システム及びプログラム Download PDFInfo
- Publication number
- JP6356740B2 JP6356740B2 JP2016141207A JP2016141207A JP6356740B2 JP 6356740 B2 JP6356740 B2 JP 6356740B2 JP 2016141207 A JP2016141207 A JP 2016141207A JP 2016141207 A JP2016141207 A JP 2016141207A JP 6356740 B2 JP6356740 B2 JP 6356740B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- incentive
- reservation
- probability
- service
- 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.)
- Active
Links
- 230000001186 cumulative effect Effects 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 7
- 230000003796 beauty Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000035622 drinking Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 210000004209 hair Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 210000000720 eyelash Anatomy 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101150012579 ADSL gene Proteins 0.000 description 1
- 102100020775 Adenylosuccinate lyase Human genes 0.000 description 1
- 108700040193 Adenylosuccinate lyases Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Description
図1は、本発明によるインセンティブ付与対象決定システムに係るネットワーク及びハードウェア構成の好適な一実施形態を概略的に示すシステムブロック図である。本形態において、インセンティブ付与対象決定システム100は、ユーザが操作する単数又は複数のユーザ装置10に、ネットワークNを介して電子的に接続されるサーバ20を備える。
図2は、以上のとおり構成されたインセンティブ付与対象決定システム100における処理の流れの一例を示すフローチャートである。より具体的には、ユーザに提供される各種サービスにおいて、そのサービスや他のサービスで行使可能なクーポン、サービスポイント等の各種インセンティブを付与する対象ユーザを決定し、かかるインセンティブを付与する電子メール(例えばステップメール)を対象ユーザに配信する処理の流れについて、以下に説明する。
本実施形態においてユーザへ提供されるサービスは、ウェブアプリケーション、及び/又は、ユーザ装置10にインストールされた専用アプリケーションを実行することにより、美容又は理容に関する店舗を検索しかつ予約を行うことができるサービスである。ユーザは、当該サービスを利用することにより、例えば、全国のヘアサロン、ネイル・まつげサロン、リラクゼーションサロン、エステサロン等のなかから、所望のサロン店舗を検索して来店利用の予約を簡便に行うことができる。また、各サロン店舗のメニューには、例えば、「全てのユーザ」、「初来店(新規)のユーザ」、「2回目以降来店のユーザ」毎に用意されたクーポンメニューが含まれており、ユーザは適宜それらのクーポンメニューを利用することも可能である。このとおり、本実施形態におけるサービスは、「美容又は理容に関するサービス」に相当する。
以下の各ステップの処理に先立って、当該サービスを利用したユーザに関する種々の特徴パラメータ、及び、ユーザによる当該サービスの利用状況に関する種々の特徴パラメータ(併せて「特徴パラメータC」という)を予め設定しておく。かかる特徴パラメータCとしては、例えば以下のものが挙げられる。なお、これらの「特徴パラメータ」の数値を以下「特徴量」という。
・ユーザの性別
・ユーザの年齢(年代)
・ユーザの居住地域
・平均予約(利用)間隔
・最終予約(利用)からの経過日数(経過期間)
・平均予約(利用)金額
・最終予約(利用)金額
・累積予約(利用)回数
・当該サービスへの登録後経過日数(期間)
・予約(利用)メニュー
・付随する予約(利用)メニュー
・特定メニューの予約(利用)の有無
・特定メニューの累積予約(利用)回数
・特定メニューの平均予約(利用)間隔
・平均使用ポイント(インセンティブ)
・累積使用ポイント(インセンティブ)
・ポイント(インセンティブ)の累積使用回数
・ポイント(インセンティブ)の平均使用間隔
・当該サービスのウェブページ又はコンテンツの表示回数PV
[インセンティブを付与したときの予約確率]
ここでは、まず、上述した複数の特徴パラメータCのなかから、(1)ユーザの性別(「ユーザの属性」のひとつ)、(2)特定メニューの予約(利用)の有無(「ユーザの利用形態」のひとつ)、(3)ユーザによる最終予約(利用)からの経過日数(「経過期間R」という)、及び(4)ユーザによる過去の累積予約(利用)回数F(「累積予約回数F」という)を選定しておく。そして、これらの特徴パラメータCを適宜の階層に区分する。一例として、より具体的には、(1)性別を2つの階層kに区分し、(2)特定メニューの予約(利用)の有無を2つの階層lに区分し、(3)経過期間Rを9つの階層iに区分し、及び(4)累積予約回数Fを5つの階層jに区分し、これらの区分された経過期間R及び累積予約回数Fの組み合わせによって得られる複数のセグメントS(i,j,k,l)を設定する。
(1)ユーザの性別、
k=男性、女性
(2)特定メニューの予約(利用)の有無
l=ネイル・まつげサロン、リラクゼーションサロン、及びエステサロンの何れかの利用、何れも未利用
(3)経過期間R
i=0(45日)、1(90日)、2(180日)、3(270日)、4(360日)、5(450日)、6(540日)、7(630日)、8(720日)
なお、ここでの各階層iは、期間の範囲ではなく、後述する集計の際に丁度その特定の期間(45日等)に到達したユーザを集計対象とする。
(4)累積予約回数F
j=0回、1回、2回、3回、4回以上
前述した過去の所定期間(例えば過去3ヵ月)内にインセンティブの付与対象となったユーザAに代えて、過去の所定期間(例えば過去3ヵ月)内にインセンティブの付与対象とならなかったユーザBを対象とすること以外は、[インセンティブを付与したときの予約確率]における処理と同様の処理を行う。すなわち、プロセッサ21は、各セグメントS(i,j,k,l)について、そのユーザBの人数Xsb及び実績予約回数Ysbを集計し、その過去の所定期間におけるユーザBの平均予約確率Ysb/Xsbを計算し、それを次回ユーザにインセンティブを付与しなかったときの予想予約確率Zsbとみなす。換言すれば、プロセッサ21は、各セグメントS(i,j,k,l)について、次回ユーザにインセンティブを付与しなかったときの予想予約確率Zsb=Xsb/Ysbを算出する。
次いで、サーバ20のプロセッサ21は、ステップSP1(予約確率集計)で各セグメントS(i,j,k,l)について算出された予想予約確率Zsa及びZsbを、予約確率補正モデル用いて補正する。ここで、図3(A)は、特徴パラメータCとして、「k=男性」及び「l=未利用」の各セグメントS(i,j,k,l)における補正前の予想予約確率Zsaの実績値の一例を示すグラフであり、図3(B)は、その補正後の予想予約確率Zsaを示すグラフである(予想予約確率Zsbについても同様であるので、その例示は省略する)。
次に、サーバ20のプロセッサ21は、ステップSP2(予約確率補正)で各セグメントS(i,j,k,l)について算出された補正後の予想予約確率Zsa及びZsbを用いて、各セグメントS(i,j,k,l)におけるインセンティブ付与の対象ユーザの人数Nsを算出する。より具体的には、インセンティブ配分モデルとして、補正された予想予約確率Zsa及びZsbの差分としての期待アドオン予約確率と各セグメントS(i,j,k,l)において対象ユーザの人数Nsの積として得られる期待予約数が最大となる、かつ、インセンティブの付与のために必要な費用総額が所定の上限値金額以下となる、かつ、対象ユーザの人数Nsが予め設定された下限値以上及び上限値以下にするという事業要件を数理計画問題として定式化し、それを解析的に解くことにより、各セグメントS(i,j,k,l)におけるインセンティブ付与の対象ユーザの人数Nsを求める(なお、人数Nsは端数処理により正の整数とする)。
さらに、サーバ20のプロセッサ21は、前述した複数の特徴パラメータCのなかから、当該サービスにおけるユーザのライフタイムバリュー(LTV)Lに関連する特徴パラメータCnを選定し、その特徴パラメータCnの特徴量と相関が高い少なくとも1つの特徴パラメータCmを抽出する。具体的な手順の一例は、以下のとおりである。
(2)変数として、選定した特徴パラメータCnに対して相関を有する可能性がある他の特徴パラメータCを複数(例えば10〜30個程度)選定。
(3)ランダムフォレストを用いて上記変数の重要度を評価し、その重要度が高い変数を特徴パラメータCnの特徴量と相関が高い1つ以上の特徴パラメータCmとして抽出。
[特定メニューの利用回数が2回以上]
・カットの平均予約(利用)間隔
・最終予約(利用)からの経過日数(経過期間)
・平均予約(利用)金額
・累積予約(利用)回数
・ユーザの性別
・当該サービスへの登録後経過日数(期間)
・付随する予約(利用)メニュー(カラー、縮毛矯正等)
・ユーザの年齢
・平均使用ポイント(インセンティブ)
・最終予約(利用)金額
・特定メニューの累積予約(利用)回数
[特定メニューの利用回数が1回]
・最終予約(利用)からの経過日数(経過期間)
・当該サービスへの登録後経過日数(期間)
・累積予約(利用)回数
・ユーザの性別
・付随する予約(利用)メニュー(カラー、縮毛矯正等)
・ユーザの年齢
・平均使用ポイント(インセンティブ)
・最終予約(利用)金額
・特定メニューの累積予約(利用)回数
[特定メニューの利用回数が0回]
・当該サービスのウェブページ又はコンテンツの表示回数PV
・特定メニューの累積予約(利用)回数
・当該サービスへの登録後経過日数(期間)
・ユーザの年齢
・ユーザの性別
(5)特徴パラメータCnの特徴量(例えば過去の所定期間における当該サービスでの累積予約回数)と、特定メニューの利用回数毎に抽出された上記複数の特徴パラメータCmの特徴量との相関関係を、上記各回帰モデルでフィッティングし、各回帰モデルの汎用性(適合性)を赤池情報量規準(AIC:Akaike’s Information C
riterion)を用いて評価。
(6)AIC評価結果から、特定メニューの利用回数毎にユーザの予測ライフタイムバリューLuを算出するための回帰モデルを、ライフタイムバリュー予測モデルf(Cm)として選択。なお、回帰モデルの種類は、特定メニューの利用回数毎に異なっていてもよいし、同じでもよい。
(7)各ライフタイムバリュー予測モデルf(Cm)を、教師データを用いてチューニング(最適化)し、そのライフタイムバリュー予測モデルf(Cm)に各ユーザデータ(特徴パラメータCmの実績値)を代入し、各ユーザの予測ライフタイムバリューLuを算出。
[特定メニューの利用回数が2回以上]
・ポアソン回帰
[特定メニューの利用回数が1回]
・負の二項回帰
[特定メニューの利用回数が0回]
・負の二項回帰
それから、サーバ20のプロセッサ21は、インセンティブを付与する対象ユーザに、そのインセンティブを含む電子メール(ステップメール)を配信して一連の処理を終了する。なお、上記ステップSP1〜SP5の何れかに先立って、例えば以下の条件に該当するユーザを、電子メールの配信対象から予め除外してもよい(但し、条件はこれらに限定されない。)。また、こうして除外したユーザ及びインセンティブ付与の対象以外の全ユーザに対し、インセンティブを含まない電子メール(ステップメール)を送信してもよい。
・ブラックリストに含まれるユーザ
・予約における1年間での無断キャンセル2回以上のユーザ
・3回以上電子メール送信に失敗したユーザ
・電子メール配信を希望していないユーザ
・1ケ月以内に電子ステップメールを送信済みのユーザ
・行使期限前のインセンティブを有するユーザ
・電子メール不達会員に含まれるユーザ
・1ケ月以上前に予約し集計日より後に来店する予約を有するユーザ
本実施形態においてユーザへ提供されるサービスは、ウェブアプリケーション、及び/又は、ユーザ装置10にインストールされた専用アプリケーションを実行することにより、飲食に関する店舗を検索しかつ予約を行うことができるサービスである。ユーザは、当該サービスを利用することにより、例えば、全国の各種飲食店のなかから、所望の店舗を検索して来店利用の予約を簡便に行うことができる。また、飲食店舗毎に利用できるクーポンやサービスポイントも用意されており、ユーザは適宜それらのクーポンやサービスポイントを利用することが可能である。このとおり、本実施形態におけるサービスは、「飲食に関するサービス」に相当する。
(1)当該サービスによって提供されるコンテンツ内で予約したか否か
k=はい、いいえ
(2)インセンティブを使用して予約したか否か
l=はい、いいえ
(3)経過期間R
i=0(30日)、1(90日)、2(180日)、3(270日)、4(360日)、5(450日)、6(540日)、7(630日)、8(720日)
なお、ここでの各階層iは、実施形態1と同様に、期間の範囲ではなく、集計の際に丁度その特定の期間(30日等)に到達したユーザを集計対象とする。
(4)累積予約回数F
j=1回、2回、3回、4回、5回、6回以上
11 プロセッサ
12 記憶資源
13 音声入出力デバイス
14 通信インターフェイス
15 入力デバイス
16 表示デバイス
17 カメラ
20 サーバ
21 プロセッサ
22 通信インターフェイス
23 記憶資源
100 インセンティブ付与対象決定システム
D20 データベース
L20 モジュール
N ネットワーク
P10,P20 プログラム
Claims (8)
- ユーザによる予約利用が可能なサービスについて、インセンティブを付与する対象ユーザを決定するためのシステムであって、
前記ユーザに関する及び/又は該ユーザの前記サービスの利用状況に関する複数の特徴パラメータのなかから、少なくとも1つの特定のパラメータを選定し、該特定のパラメータを複数の階層に区分し、該区分された特定のパラメータの組み合わせによって得られる複数のセグメントSについて、過去にインセンティブの付与対象になったユーザAの予約確率、及び、過去にインセンティブの付与対象にならなかったユーザBの予約確率を算出する予約確率集計部と、
前記算出された2種類の予約確率を、所定の条件に従って、全セグメントSに亘って補正する予約確率補正部と、
前記補正された2種類の予約確率の差分としての期待アドオン予約確率と前記各セグメントSにおける前記インセンティブを付与する対象ユーザの人数の積として得られる予約数が最大となるように、該対象ユーザの人数を算出するインセンティブ配分部と、
前記各セグメントSにおける各ユーザのライフタイムバリューを予測し、該ライフタイムバリューが高い順に前記人数分の対象ユーザを抽出し、該抽出された対象ユーザに前記インセンティブを付与することを決定するインセンティブ付与部と、
を備えるインセンティブ付与対象決定システム。 - ユーザによる予約利用が可能なサービスについて、インセンティブを付与する対象ユーザを決定するためのシステムであって、
前記ユーザに関する及び/又は該ユーザの前記サービスの利用状況に関する複数の特徴パラメータCのなかから、前記ユーザによる最終予約からの経過期間R、及び、前記ユーザによる過去の累積予約回数Fを選定し、前記経過期間Rを複数の階層iに区分し、かつ、前記累積予約回数Fを複数の階層jに区分し、前記階層iに区分された前記経過期間R及び前記階層jに区分された前記累積予約回数Fの組み合わせによって得られる複数のセグメントSのそれぞれについて、過去の所定期間内にインセンティブの付与対象となったユーザAの人数Xsa及び該ユーザAの該過去の所定期間における実績予約回数Ysaを集計し、該人数Xsa及び該実績予約回数Ysaから計算される過去の平均予約確率Ysa/Xsaを、次回前記ユーザにインセンティブを付与したときの予想予約確率Zsaとして算出し、かつ、該過去の所定期間内にインセンティブの付与対象とならなかったユーザBの人数Xsb及び該ユーザBの該過去の所定期間における実績予約回数Ysbを集計し、該人数Xsb及び該実績予約回数Ysbから計算される過去の平均予約確率Ysb/Xsbを、次回前記ユーザにインセンティブを付与しなかったときの予想予約確率Zsbとして算出する予約確率集計部と、
前記累積予約回数Fが多いセグメントSほど前記予想予約確率Zsa及びZsbが高くなるように、かつ、前記経過期間Rが長いセグメントSほど前記予想予約確率Zsa及びZsbが低くなるように、前記算出された予想予約確率Zsa及びZsbを全セグメントSに亘って補正する予約確率補正部と、
前記補正された予想予約確率Zsa及びZsbの差分としての期待アドオン予約確率と前記各セグメントSにおいて前記インセンティブを付与する対象ユーザの人数Nsの積として得られる期待予約数が最大となるように、かつ、前記インセンティブの付与にかかる総コストが所定の上限値以下となるように、かつ、前記対象ユーザの人数Nsが予め設定された下限値以上及び上限値以下となるように、該対象ユーザの人数Nsを算出するインセンティブ配分部と、
前記複数の特徴パラメータCのなかから、前記サービスにおける該ユーザのライフタイムバリューLに関連する特徴パラメータCnを選定し、該特徴パラメータCnの特徴量と相関が高い少なくとも1つの他の特徴パラメータCmを抽出し、該特徴パラメータCmを変数とするライフタイムバリュー予測モデルf(Cm)を生成し、該ライフタイムバリュー予測モデルf(Cm)と前記各ユーザの特徴パラメータCmの実績値とから、該各ユーザの予測ライフタイムバリューLuを算出し、前記各セグメントSにおいて前記予測ライフタイムバリューLuが高い順に前記人数Ns分の対象ユーザを抽出し、該抽出された対象ユーザに前記インセンティブを付与することを決定するインセンティブ付与部と、
を備えるインセンティブ付与対象決定システム。 - 前記予約確率集計部は、前記複数の特徴パラメータCのなかから、前記ユーザの属性である性別、年齢、及び居住地域から選択される少なくとも1つを選定し、該選択されたユーザの属性を複数の階層kに区分し、該ユーザの属性における階層k毎に前記予想予約確率Zsa及びZsbを算出し、
前記インセンティブ配分部及び前記インセンティブ付与部は、前記セグメントSに対する処理を、前記選択されたユーザの属性の階層k毎に実行する、
請求項2記載のインセンティブ付与対象決定システム。 - 前記予約確率集計部は、前記複数の特徴パラメータCのなかから、前記サービスにおける前記ユーザの利用形態を選定し、該選択されたユーザの利用形態を複数の階層lに区分し、該ユーザの利用形態における階層l毎に前記予想予約確率Zsa及びZsbを算出し、
前記インセンティブ配分部及び前記インセンティブ付与部は、前記セグメントSに対する処理を、前記ユーザの利用形態における階層l毎に実行する、
請求項2又は3記載のインセンティブ付与対象決定システム。 - 前記インセンティブ付与部は、所定の特徴パラメータCの特徴量毎に前記ライフタイムバリュー予測モデルf(Cm)を生成する、
請求項2乃至4の何れか記載のインセンティブ付与対象決定システム。 - 前記サービスが、美容又は理容に関するサービスであり、
前記ユーザの利用形態における階層lが、特定メニューの利用の有無の2区分である、
請求項4又は5記載のインセンティブ付与対象決定システム。 - 前記サービスが、飲食に関するサービスであり、
前記ユーザの利用形態における階層lが、該サービスによって提供されるコンテンツ内で予約したか否かの2区分、及び/又は、インセンティブを使用して予約したか否かの2区分である、
請求項4又は5記載のインセンティブ付与対象決定システム。 - コンピュータを、ユーザによる予約利用が可能なサービスについて、インセンティブを付与する対象ユーザを決定するためのシステムとして機能させるプログラムであって、
前記コンピュータを、
前記ユーザに関する及び/又は該ユーザの前記サービスの利用状況に関する複数の特徴パラメータCのなかから、前記ユーザによる最終予約からの経過期間R、及び、前記ユーザによる過去の累積予約回数Fを選定し、前記経過期間Rを複数の階層iに区分し、かつ、前記累積予約回数Fを複数の階層jに区分し、前記階層iに区分された前記経過期間R及び前記階層jに区分された前記累積予約回数Fの組み合わせによって得られる複数のセグメントSのそれぞれについて、過去の所定期間内にインセンティブの付与対象となったユーザAの人数Xs及び該ユーザAの該過去の所定期間における実績予約回数Ysaを集計し、該人数Xsa及び該実績予約回数Ysaから計算される過去の平均予約確率Ysa/Xsaを、次回前記ユーザにインセンティブを付与したときの予想予約確率Zsaとして算出し、かつ、該過去の所定期間内にインセンティブの付与対象とならなかったユーザBの人数Xsb及び該ユーザBの該過去の所定期間における実績予約回数Ysbを集計し、該人数Xsb及び該実績予約回数Ysbから計算される過去の平均予約確率Ysb/Xsbを、次回前記ユーザにインセンティブを付与しなかったときの予想予約確率Zsbとして算出する予約確率集計部、
前記累積予約回数Fが多いセグメントSほど前記予想予約確率Zsa及びZsbが高くなるように、かつ、前記経過期間Rが長いセグメントSほど前記予想予約確率Zsa及びZsbが低くなるように、前記算出された予想予約確率Zsを全セグメントSに亘り補正する予約確率補正部、
前記補正された予想予約確率Zsa及びZsbの差分としての期待アドオン予約確率と前記各セグメントSにおいて前記インセンティブを付与する対象ユーザの人数Nsの積として得られる期待予約数が最大となるように、かつ、前記インセンティブの付与にかかる総コストが所定の上限値以下となるように、かつ、前記対象ユーザの人数Nsが予め設定された下限値以上及び上限値以下となるように、該対象ユーザの人数Nsを算出するインセンティブ配分部、及び
前記複数の特徴パラメータCのなかから、前記サービスにおける該ユーザのライフタイムバリューLに関連する特徴パラメータCnを選定し、該特徴パラメータCnの特徴量と相関が高い少なくとも1つの他の特徴パラメータCmを抽出し、該特徴パラメータCmを変数とするライフタイムバリュー予測モデルf(Cm)を生成し、該ライフタイムバリュー予測モデルf(Cm)と前記各ユーザの特徴パラメータCmの実績値とから、該各ユーザの予測ライフタイムバリューLuを算出し、前記各セグメントSにおいて前記予測ライフタイムバリューLuが高い順に前記人数Ns分の対象ユーザを抽出し、該抽出された対象ユーザに前記インセンティブを付与することを決定するインセンティブ付与部、
として機能させるインセンティブ付与対象決定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016141207A JP6356740B2 (ja) | 2016-07-19 | 2016-07-19 | インセンティブ付与対象決定システム及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016141207A JP6356740B2 (ja) | 2016-07-19 | 2016-07-19 | インセンティブ付与対象決定システム及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018013827A JP2018013827A (ja) | 2018-01-25 |
JP6356740B2 true JP6356740B2 (ja) | 2018-07-11 |
Family
ID=61021102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016141207A Active JP6356740B2 (ja) | 2016-07-19 | 2016-07-19 | インセンティブ付与対象決定システム及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6356740B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583011A (zh) * | 2019-02-18 | 2020-08-25 | 北京奇虎科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN112819507A (zh) * | 2020-12-31 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 一种服务推送方法、装置、电子设备以及可读存储介质 |
JP7228208B2 (ja) * | 2021-06-23 | 2023-02-24 | 株式会社伊予エンジニアリング | 潜在顧客発掘支援システム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003248774A (ja) * | 2002-02-26 | 2003-09-05 | Dainippon Printing Co Ltd | 電子クーポン提供方法およびシステム |
CA2508586A1 (en) * | 2004-05-28 | 2005-11-28 | Infinian Corporation | Service provider system and method for marketing programs |
JP2006277270A (ja) * | 2005-03-29 | 2006-10-12 | Seiko Epson Corp | クーポン情報管理システムとクーポン情報管理プログラムと記録媒体とクーポン情報管理方法 |
JP2015052957A (ja) * | 2013-09-09 | 2015-03-19 | 株式会社野村総合研究所 | クーポン発行支援システム |
US9418341B1 (en) * | 2013-12-03 | 2016-08-16 | Google Inc. | Determining quality signals for electronic mail offer campaigns |
WO2015159330A1 (ja) * | 2014-04-14 | 2015-10-22 | 株式会社日立製作所 | 情報処理システムおよび情報処理方法 |
-
2016
- 2016-07-19 JP JP2016141207A patent/JP6356740B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018013827A (ja) | 2018-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9183562B2 (en) | Method and system for determining touchpoint attribution | |
Cayirli et al. | A universal appointment rule in the presence of no‐shows and walk‐ins | |
Benoit et al. | Benefits of quantile regression for the analysis of customer lifetime value in a contractual setting: An application in financial services | |
US20170237859A1 (en) | Lead scoring | |
Yan et al. | Sequential appointment scheduling considering patient choice and service fairness | |
Li et al. | Individualized no‐show predictions: Effect on clinic overbooking and appointment reminders | |
US11636499B2 (en) | Quantitative rating system for prioritizing customers by propensity and buy size | |
JP6356740B2 (ja) | インセンティブ付与対象決定システム及びプログラム | |
US20140257972A1 (en) | Method, computer readable medium and system for determining true scores for a plurality of touchpoint encounters | |
Yan et al. | Ads allocation in feed via constrained optimization | |
US20160117703A1 (en) | Large-Scale Customer-Product Relationship Mapping and Contact Scheduling | |
US20180005261A9 (en) | A method , computer readable medium and system for determining touchpoint attribution | |
Nasir et al. | A service analytic approach to studying patient no-shows | |
US8996402B2 (en) | Forecasting and booking of inventory atoms in content delivery systems | |
US20160125454A1 (en) | Systems and methods for managing advertising campaigns | |
Shen et al. | A planning approach to revenue management for non‐guaranteed targeted display advertising | |
US20230087620A1 (en) | Systems and methods of dynamic optimization of data element utilization according to objectives | |
Tang et al. | Optimal appointment scheduling with no-shows and exponential service time considering overtime work | |
JP6968033B2 (ja) | 情報処理装置、コンテンツ配信装置、情報処理方法、およびプログラム | |
US20230015413A1 (en) | Systems and methods for forecasting based on categorized user membership probability | |
US20220342708A1 (en) | Systems and methods for optimization of data element utilization using demographic data | |
EP2873035A1 (en) | System and method for prescriber-centric targeting | |
Sonnessa et al. | An agent-based simulation model to evaluate alternative co-payment scenarios for contributing to health systems financing | |
US20230023731A1 (en) | Systems, methods, and articles for optimizing clearance of content | |
JP7012679B2 (ja) | 情報処理装置、コンテンツ配信装置、情報処理方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180427 |
|
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: 20180515 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180614 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6356740 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |