JP6405002B1 - 算出装置、算出方法、算出プログラムおよびモデル - Google Patents
算出装置、算出方法、算出プログラムおよびモデル Download PDFInfo
- Publication number
- JP6405002B1 JP6405002B1 JP2017120453A JP2017120453A JP6405002B1 JP 6405002 B1 JP6405002 B1 JP 6405002B1 JP 2017120453 A JP2017120453 A JP 2017120453A JP 2017120453 A JP2017120453 A JP 2017120453A JP 6405002 B1 JP6405002 B1 JP 6405002B1
- Authority
- JP
- Japan
- Prior art keywords
- user
- behavior
- information
- calculation
- asset
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 264
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 134
- 238000011156 evaluation Methods 0.000 claims abstract description 115
- 230000000694 effects Effects 0.000 claims abstract description 32
- 230000009471 action Effects 0.000 claims description 120
- 238000000034 method Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 14
- 230000006399 behavior Effects 0.000 description 178
- 238000003860 storage Methods 0.000 description 96
- 238000007726 management method Methods 0.000 description 42
- 230000008569 process Effects 0.000 description 23
- 238000012545 processing Methods 0.000 description 20
- 238000009826 distribution Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 230000010365 information processing Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000003651 drinking water Substances 0.000 description 2
- 235000020188 drinking water Nutrition 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
まず、図1を用いて、実施形態に係る算出処理の一例について説明する。図1は、実施形態にかかる算出処理の一例を示す図である。図1では、実施形態にかかる算出装置100による算出処理について説明する。具体的には、図1では、算出装置100によって、対象のユーザが資産形成できているか否かの度合いを示す指標値を算出する算出処理が行われる例について説明する。
次に、図2を用いて、実施形態にかかる算出装置100が含まれる算出システム1の構成について説明する。図2は、実施形態にかかる算出システム1の構成例を示す図である。図2に例示するように、実施形態にかかる算出システム1には、ユーザ端末10と、外部サーバ30と、算出装置100とが含まれる。これらの各種装置は、ネットワークN(例えば、インターネット)を介して、有線又は無線により通信可能に接続される。なお、図2に示した算出システム1には、複数台のユーザ端末10や、複数台の外部サーバ30が含まれてもよい。
次に、図3を用いて、実施形態にかかる算出装置100について説明する。図3は、実施形態にかかる算出装置100の構成例を示す図である。図3に示すように、算出装置100は、通信部110と、記憶部120と、制御部130とを有する。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークNと有線または無線で接続され、例えば、ユーザ端末10、外部サーバ30との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。記憶部120は、アセマネ調査結果記憶部121と、購買履歴記憶部122と、検索履歴記憶部123と、決済履歴記憶部124と、オークション利用履歴125を有する。
アセマネ調査結果記憶部121は、アセットマネジメントに関する調査結果を示すデータ(アセマネデータ)を記憶する記憶部である。アセマネデータは、後述する取得部131によって、例えば、外部サーバ30の1つであるアセマネデータ管理サーバから取得される。アセマネデータには、ユーザがどのような資産形成に関する金融活動を行っているかを示す行動情報が含まれる。なお、アセットマネジメントに関する調査は、例えば、事業主Xに対して会員登録している(アカウントを取得している)ユーザに対して、所定のコンテンツ内においてアンケート形式で行われる。
購買履歴記憶部122は、購買履歴を記憶する記憶部である。購買履歴は、後述する取得部131によって、例えば、外部サーバ30の1つであるショッピングサーバから取得される。購買履歴は、例えば、各ユーザがいつ、何を、いくらで購入したかといった購買行動を示す情報である購買情報の履歴データである。
検索履歴記憶部123は、検索履歴を記憶する記憶部である。検索履歴は、後述する取得部131によって、例えば、外部サーバ30の1つである検索サーバから取得される。検索履歴は、例えば、各ユーザがいつ、どのような検索キーワードを用いて検索を行ったかといった検索行動を示す情報である検索情報の履歴データである。
決済履歴記憶部124は、例えば、クレジットカード利用履歴を記憶する記憶部である。クレジットカード利用履歴は、取得部131によって、例えば、外部サーバ30の1つであるカード会社サーバから取得される。クレジットカード利用履歴は、例えば、クレジットカード決済により各ユーザがいつ、いくらの買い物を行ったか(クレジットカード利用金額はいくらか)といった購買行動を示す情報であるカード利用購買情報の履歴データである。なお、決済履歴記憶部124には、ポイント決済による購買行動を示す履歴データが記憶されてもよい。
オークション利用履歴125は、オークション利用履歴を記憶する記憶部である。オークション利用履歴は、取得部131によって、例えば、外部サーバ30の1つであるオークションサーバから取得される。オークション利用履歴は、例えば、各ユーザがいつ、何を、いくらで落札したかといった落札行動を示す情報である落札情報の履歴データである。
ここで、図示しないが、算出装置100がさらに有してよい記憶部の一例について説明する。例えば、算出装置100は、どのようなユーザを第1ユーザとして特定するかを指示した指示情報を記憶する記憶部を有してよい。例えば、かかる記憶部には、「投資に関する行動を行っているユーザ」を第1ユーザとして特定するよう指示する指示情報、「投資に関する知識を有しているユーザ」を第1ユーザとして特定するよう指示する指示情報、また、「所定額以上の資産を保有しているユーザ」を第1ユーザとして特定するよう指示する指示情報が記憶される。
図3に戻り、制御部130は、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、情報処理装置100内部の記憶装置に記憶されている各種プログラムがRAMを作業領域として実行されることにより実現される。また、制御部130は、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
取得部131は、ユーザの行動を示す行動情報を取得する。例えば、取得部131は、外部サーバ30の1つであるアセマネデータ管理サーバからアセマネデータを取得する。アセマネデータには、資産形成に関する金融活動としてユーザがどのような金融活動を行ったかを示す行動情報が含まれる。また、取得部131は、取得したアセマネデータをアセマネ調査結果記憶部121に格納する。
特定部132は、取得部131により行動情報が取得されたユーザの(取得部131により取得された行動情報に含まれるユーザ)のうち、資産形成に関する金融活動に基づいて定められたユーザである第1ユーザを特定する。アセマネ調査結果記憶部121には、資産形成に関する金融活動を示す情報であるアセマネデータが記憶される。したがって、特定部132は、アセマネデータを分析し、アセマネ調査結果記憶部121に記憶されるユーザのうち、例えば、投資に関する行動を行っているユーザを第1ユーザとして特定する。なお、算出装置100は、投資に関する知識を有しているユーザ、あるいは、所定額以上の資産を保有しているユーザを第1ユーザとして特定してもよい。このような第1ユーザは、資産形成能力の高いユーザ、すなわち、資産形成につながるような行動を日頃から行っていると考えられるユーザである。
生成部133は、資産形成に関する金融活動に基づいて定められたユーザである第1ユーザの行動を示す行動情報と、評価対象のユーザである第2ユーザの行動を示す行動情報とに基づいて、第1行動情報と第2行動情報との相関性を示す指標値を出力するよう、コンピュータを機能させるためのモデルを生成する。具体的には、生成部133は、第1行動情報に基づくモデルであって、第2行動情報が入力された場合に、第1行動情報と第2行動情報との相関性を示す指標値を出力するモデルを生成する。
受信部134は、評価対象のユーザである第2ユーザのユーザ端末10から、所定のコンテンツの配信要求を受信する。かかる配信要求は、算出部135に対して第2ユーザの資産形成に関する指標値を算出するよう要求するものでもある。
算出部135は、資産形成に関する金融活動に基づいて定められたユーザである第1ユーザの行動を示す第1行動情報と、評価対象のユーザである第2ユーザの行動を示す第2行動情報とに基づいて、第2ユーザの資産形成に関する指標値(評価スコア)を算出する。例えば、算出部135は、生成部133によって生成されたモデルから出力された相関スコアに基づいて、評価スコアを算出する。
提供部136は、算出部135により算出された評価スコアに基づく評価結果であって、この評価スコアが算出される対象となった第2ユーザが資産形成できているか否かが評価された評価結果が所定の態様で表示される第1コンテンツを、かかる第2ユーザに提示する。
次に、図9を用いて、実施形態にかかる算出装置100が実行する算出処理の手順について説明する。図9は、実施形態にかかる算出装置100による算出処理手順を示すフローチャートである。
上記実施形態にかかる算出装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、算出装置100の他の実施形態について説明する。
上記の実施形態では、算出部135が、生成部133によって生成されたモデルを用いて、第2ユーザに対する評価スコアを算出し、提供部136が、評価スコアに基づく評価結果が表示される第1コンテンツを第2ユーザに提示する例を示した。
上記の実施形態では、生成部133が、第1行動情報に基づくモデルであって、第2行動情報が入力された場合に、第1行動情報と第2行動情報との相関性を示す指標値を出力するモデルを1つ生成する例を示した。しかし、生成部133は、評価対象の第2ユーザに合わせて、複数のモデルを生成してもよい。例えば、生成部133は、年代に応じたモデルを生成してもよい。また、かかる場合、算出部135は、生成部133により生成されたモデルのうち、第2ユーザの年代に応じたモデルを用いて、第2ユーザに対する評価スコアを算出する。
上記実施形態では、生成部133が、第1行動情報として、第1ユーザの購買情報、検索情報、オークション利用による落札情報に基づいて、モデルを生成する例を示した。しかし、これらの情報は一例であり、生成部133は、他の行動情報をさらに用いて、モデルを生成してもよい。例えば、生成部133は、第1行動情報として、各種コンテンツ(例えば、記事コンテンツや広告コンテンツ)の閲覧履歴に含まれる行動情報さらに用いて、モデルを生成する。閲覧履歴は、いつ、どのようなコンテンツを閲覧したかといったコンテンツ閲覧行動を示す閲覧情報の履歴データである。
また、上記実施形態では、生成部133が、説明変数「x」と、重み係数「ω」とを含む変数を組合せたモデルを生成し、これを機械学習することで、重み係数を導出することを上記(1)を用いて説明した。ここで、生成部133は、導出した重み係数のうち、所定の第1行動情報に基づく学習により導出した重み係数には、さらに所定の重み付けを行ってもよい。
また、上述してきた実施形態にかかる算出装置100は、例えば図11に示すような構成のコンピュータ1000によって実現される。図11は、算出装置100の機能を実現するコンピュータ1000の一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
実施形態にかかる算出装置100は、取得部131と、算出部135とを有する。取得部131は、ユーザの行動を示す行動情報を取得する。算出部135は、取得部131により行動情報が取得されたユーザのうち資産形成に関する金融活動に基づいて定められたユーザである第1ユーザの行動を示す第1行動情報と、評価対象のユーザである第2ユーザの行動を示す第2行動情報とに基づいて、第2ユーザの資産形成に関する指標値を算出する。
10 ユーザ端末
30 外部サーバ
100 算出装置
121 アセマネ調査結果記憶部
122 購買履歴記憶部
123 検索履歴記憶部
124 決済履歴記憶部
125 オークション利用履歴記憶部
131 取得部
132 特定部
133 生成部
134 受信部
135 算出部
136 提示部
Claims (17)
- ユーザの行動を示す行動情報を取得する取得部と、
前記取得部により行動情報が取得されたユーザのうち資産形成に関する金融活動に基づいて所定額以上の資産を保有していると特定されたユーザである第1ユーザの当該金融活動以外の行動であって通信ネットワーク上における閲覧行動又は検索行動、購買行動、又はオークション利用に関する行動の少なくともいずれか一つを含む行動を示す第1行動情報と、評価対象のユーザである第2ユーザの当該金融活動以外の行動を示す第2行動情報とに基づいて、第2ユーザの資産形成に関する指標値を算出する算出部と
を有することを特徴とする算出装置。 - 前記算出部は、前記第1行動情報に基づいて生成されるモデルであって、前記第2行動情報が入力された場合に、前記第1行動情報と前記第2行動情報との相関性を示す指標値を出力するモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項1に記載の算出装置。 - 前記算出部は、前記第1行動情報のうち、前記第1ユーザとの相関性がより高い第1行動情報に基づく重み係数ほど当該重み係数の値が大きくなるように学習されたモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項1または2に記載の算出装置。 - 前記算出部は、前記第1行動情報として前記第1ユーザの購買履歴に含まれる行動情報のうち、前記第1ユーザとの相関性がより高い行動情報に基づく重み係数ほど当該重み係数の値が大きくなるように学習されたモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項3に記載の算出装置。 - 前記算出部は、前記第1行動情報として前記第1ユーザの検索履歴に含まれる行動情報のうち、前記第1ユーザとの相関性がより高い行動情報に基づく重み係数ほど当該重み係数の値が大きくなるように学習されたモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項3または4に記載の算出装置。 - 前記算出部は、前記第1行動情報として前記第1ユーザの決済履歴に含まれる行動情報のうち、前記第1ユーザとの相関性がより高い行動情報に基づく重み係数ほど当該重み係数の値が大きくなるように学習されたモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項3〜5のいずれか1つに記載の算出装置。 - 前記算出部は、前記第1行動情報として前記第1ユーザのオークション利用履歴に含まれる行動情報のうち、前記第1ユーザとの相関性がより高い行動情報に基づく重み係数ほど当該重み係数の値が大きくなるように学習されたモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項3〜6のいずれか1つに記載の算出装置。 - 前記算出部は、前記重み係数のうち、所定の第1行動情報に基づき学習された重み係数には、さらに所定の重み付けがされるモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項3〜7のいずれか1つに記載の算出装置。 - 前記算出部は、前記モデルのうち、前記第2ユーザの年代に応じたモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項2〜8のいずれか1つに記載の算出装置。 - 前記算出部は、前記モデルのうち、前記第2ユーザの年収に応じたモデルを用いて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項2〜9のいずれか1つに記載の算出装置。 - 前記算出部により算出された指標値に基づく評価結果であって、前記第2ユーザが資産形成できているか否かが評価された評価結果が所定の態様で表示される第1コンテンツを前記第2ユーザに提供する提供部をさらに有する
ことを特徴とする請求項1〜10のいずれか1つに記載の算出装置。 - 前記算出部は、前記第1コンテンツを提供された前記第2ユーザにより入力された入力情報に基づいて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項11に記載の算出装置。 - 前記算出部は、前記入力情報に基づいて、前記第2ユーザが所定の年齢になった場合における前記第2ユーザの資産を予測し、予測した資産に基づいて、前記第2ユーザの資産形成に関する指標値を算出する
ことを特徴とする請求項12に記載の算出装置。 - 前記提供部は、前記指標値に基づく評価結果であって、前記第2ユーザが資産形成できているか否かが評価された評価結果が所定の態様で表示される第2コンテンツを前記第2ユーザに提供する
ことを特徴とする請求項12または13に記載の算出装置。 - 算出装置が実行する算出方法であって、
ユーザの行動を示す行動情報を取得する取得工程と、
前記取得工程により行動情報が取得されたユーザのうち資産形成に関する金融活動に基づいて所定額以上の資産を保有していると特定されたユーザである第1ユーザの当該金融活動以外の行動であって通信ネットワーク上における閲覧行動又は検索行動、購買行動、又はオークション利用に関する行動の少なくともいずれか一つを含む行動を示す第1行動情報と、評価対象のユーザである第2ユーザの当該金融活動以外の行動を示す第2行動情報とに基づいて、第2ユーザの資産形成に関する指標値を算出する算出工程と
を含むことを特徴とする算出方法。 - ユーザの行動を示す行動情報を取得する取得手順と、
前記取得手順により行動情報が取得されたユーザのうち資産形成に関する金融活動に基づいて所定額以上の資産を保有していると特定されたユーザである第1ユーザの当該金融活動以外の行動であって通信ネットワーク上における閲覧行動又は検索行動、購買行動、又はオークション利用に関する行動の少なくともいずれか一つを含む行動を示す第1行動情報と、評価対象のユーザである第2ユーザの当該金融活動以外の行動を示す第2行動情報とに基づいて、第2ユーザの資産形成に関する指標値を算出する算出手順と
をコンピュータに実行させることを特徴とする算出プログラム。 - 資産形成に関する金融活動に基づいて所定額以上の資産を保有していると特定されたユーザである第1ユーザの当該金融活動以外の行動であって通信ネットワーク上における閲覧行動又は検索行動、購買行動、又はオークション利用に関する行動の少なくともいずれか一つを含む行動を示す第1行動情報と、評価対象のユーザである第2ユーザの当該金融活動以外の行動を示す第2行動情報とに基づいて、前記第1行動情報と前記第2行動情報との相関性を示す指標値を出力するよう、コンピュータを機能させるためのモデル。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017120453A JP6405002B1 (ja) | 2017-06-20 | 2017-06-20 | 算出装置、算出方法、算出プログラムおよびモデル |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017120453A JP6405002B1 (ja) | 2017-06-20 | 2017-06-20 | 算出装置、算出方法、算出プログラムおよびモデル |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6405002B1 true JP6405002B1 (ja) | 2018-10-17 |
JP2019008343A JP2019008343A (ja) | 2019-01-17 |
Family
ID=63855092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017120453A Active JP6405002B1 (ja) | 2017-06-20 | 2017-06-20 | 算出装置、算出方法、算出プログラムおよびモデル |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6405002B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003099619A (ja) * | 2001-09-25 | 2003-04-04 | Mitsubishi Electric Corp | ファイナンシャルプランニングシステム及び方法 |
JP2010501909A (ja) * | 2006-05-01 | 2010-01-21 | ケーク・フィナンシャル・コーポレーション | 投資情報のコンソリデーション、共有、及び分析 |
JP2016119076A (ja) * | 2015-12-03 | 2016-06-30 | ヤフー株式会社 | 生成装置、生成方法及び生成プログラム |
JP2017091245A (ja) * | 2015-11-11 | 2017-05-25 | ヤフー株式会社 | 実行装置、実行方法及び実行プログラム |
-
2017
- 2017-06-20 JP JP2017120453A patent/JP6405002B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003099619A (ja) * | 2001-09-25 | 2003-04-04 | Mitsubishi Electric Corp | ファイナンシャルプランニングシステム及び方法 |
JP2010501909A (ja) * | 2006-05-01 | 2010-01-21 | ケーク・フィナンシャル・コーポレーション | 投資情報のコンソリデーション、共有、及び分析 |
JP2017091245A (ja) * | 2015-11-11 | 2017-05-25 | ヤフー株式会社 | 実行装置、実行方法及び実行プログラム |
JP2016119076A (ja) * | 2015-12-03 | 2016-06-30 | ヤフー株式会社 | 生成装置、生成方法及び生成プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2019008343A (ja) | 2019-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Understanding the role of artificial intelligence in personalized engagement marketing | |
Phillips | Pricing and revenue optimization | |
Tang | Mine your customers or mine your business: the moderating role of culture in online word-of-mouth reviews | |
Nitani et al. | On equity crowdfunding: investor rationality and success factors | |
Chang et al. | The effects of channel experiences and direct marketing on customer retention in multichannel settings | |
Zhang et al. | Consumer dynamics: Theories, methods, and emerging directions | |
Thompson et al. | Feature fatigue: When product capabilities become too much of a good thing | |
Ou et al. | The role of consumer confidence in creating customer loyalty | |
Williams | Some determinants of the socially responsible investment decision: A cross-country study | |
Mithas et al. | Why do customer relationship management applications affect customer satisfaction? | |
Ehrlich et al. | The financial services marketing handbook: Tactics and techniques that produce results | |
Shah et al. | Linking customer behaviors to cash flow level and volatility: Implications for marketing practices | |
JP6262909B1 (ja) | 算出装置、算出方法及び算出プログラム | |
Gómez Martínez et al. | Big data algorithmic trading systems based on investors’ mood | |
Allweins et al. | The platform canvas—conceptualization of a design framework for multi-sided platform businesses | |
JP6194092B1 (ja) | 算出装置、算出方法及び算出プログラム | |
Wolkenfelt et al. | Effects of app pricing structures on product evaluations | |
JP2019091355A (ja) | 判定装置、判定方法及び判定プログラム | |
Paas et al. | Adoption of services and apps on mobile phones by micro-entrepreneurs in Sub-Saharan Africa | |
Hunter et al. | ‘The equalizer’: Measuring and explaining the impact of online communities on consumer markets | |
Jain | Macro forecasting using alternative data | |
Seyyedamiri et al. | Creative advertising and business performance: An investigation of small and medium-sized enterprise in the traditional Iranian food industry | |
JP6405002B1 (ja) | 算出装置、算出方法、算出プログラムおよびモデル | |
Raco et al. | Strategic Priority Of Students’ Online Buying Behaviour In The Pandemic Era | |
Das et al. | Inventory model for green products with payment strategy, selling price and green level dependent demand using teaching learning based optimization algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20180515 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180724 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20180801 |
|
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: 20180821 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6405002 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
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 |
|
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 |