JP6669244B2 - 情報処理装置、情報配信システム、情報処理方法、および情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報配信システム、情報処理方法、および情報処理プログラムに関する。

従来、インターネット広告の配信支援ツールとして、ＳＳＰ（Ｓｕｐｐｌｙ Ｓｉｄｅ Ｐｌａｔｆｏｒｍ）やＤＳＰ（Ｄｅｍａｎｄ Ｓｉｄｅ Ｐｌａｔｆｏｒｍ）がある。ＳＳＰは、広告枠をもつ配信事業者側の利益が最大となるように、最適な広告の選択と広告枠の販売を支援するものである。ＤＳＰは、広告主にとって広告効果が最大になるように、最適な広告枠の購入や配信対象の選択などを支援するものである。

また、インターネットを利用した行動ターゲティング広告として、リターゲティング広告と呼ばれるものがある。リターゲティング広告は、あるウェブサイトで配信された広告と同じ広告を、別のサイトへの訪問時にふたたび配信することで、閲覧者への認知率と訴求力を高めるための手法である。

先行技術としては、企業における顧客の属性を規定した顧客属性データベースと、顧客の商品購入履歴を記録した購入履歴データベースと、顧客満足度データベースのデータを統合的に用いて分析し、顧客をグループ分けして、各グループの顧客のニーズを抽出するものがある。また、個々の顧客の購入履歴に関する購入履歴情報に対応した広告用情報を記憶し、店舗へ入店した顧客を特定するための顧客特定情報に対応した広告用情報を呼び出して出力する技術がある。また、広告に対するユーザの興味反応を反映してユーザのカテゴリを分類するための技術がある。

特開２００１−２３０４７号公報 特開平１１−２１９４８１号公報 特開２０１３−２１０９４０号公報

しかしながら、従来技術では、依然として効果的な広告配信を行うことが難しい。例えば、リターゲティング広告では、たまたまウェブサイトを見た人や、購入済みの商品についての何らかの機能を調べている人などもターゲットとなり、効果的な広告配信を行うことができない場合がある。

一つの側面では、本発明は、商品について所定の購入傾向を有するユーザとウェブページの閲覧傾向が類似する他のユーザを特定可能とすること、また、効果的な情報配信を行えるようにすることを目的とする。

本発明の一態様によれば、複数の会員ユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数の会員ユーザを商品の購入傾向に応じたクラスタに分類し、分類した第１のクラスタに属する会員ユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定し、特定した前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末の識別情報を出力する情報処理装置、情報処理方法、および情報処理プログラムが提案される。

また、本発明の一態様によれば、複数の会員ユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数の会員ユーザを商品の購入傾向に応じたクラスタに分類する分類部と、前記分類部によって分類された第１のクラスタに属する会員ユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定する特定部と、前記特定部によって特定された前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末の識別情報を出力する出力部と、ウェブページの所定の領域に埋め込む所定の情報を、前記出力部によって出力された前記識別情報のユーザ端末に対して配信する配信部と、を有する情報配信システムが提案される。

また、本発明の一態様によれば、複数のユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数のユーザを商品の購入傾向に応じたクラスタに分類し、分類した第１のクラスタに属するユーザの端末装置に保存されたクッキー情報に基づいて、前記第１のクラスタに属するユーザのウェブページの閲覧履歴情報を取得し、取得した前記閲覧履歴情報に基づいて、前記第１のクラスタに属するユーザのウェブページの閲覧傾向を特定し、特定した前記閲覧傾向を出力する情報処理装置、情報処理方法、および情報処理プログラムが提案される。

本発明の一側面によれば、商品について所定の購入傾向を有するユーザとウェブページの閲覧傾向が類似する他のユーザを特定可能にすることができる。また、効果的な情報配信を行えるように支援することができる。

図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。 図２は、情報配信システム２００のシステム構成例を示す説明図である。 図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。 図４は、広告依頼側装置２０１のハードウェア構成例を示すブロック図である。 図５は、購入履歴ＤＢ２２０の記憶内容の一例を示す説明図である。 図６は、閲覧履歴ＤＢ２３０の記憶内容の一例を示す説明図である。 図７は、情報処理装置１００の機能的構成例を示すブロック図である。 図８は、クラスタ情報８００の具体例を示す説明図である。 図９は、キーワードリスト９００の具体例を示す説明図である。 図１０は、適合度リスト１０００の具体例を示す説明図である。 図１１は、配信先情報の具体例を示す説明図である。 図１２は、情報処理装置１００の情報処理手順の一例を示すフローチャートである。 図１３は、閲覧傾向特定処理の具体的処理手順の一例を示すフローチャートである。 図１４は、ＤＳＰサーバ２０３の配信依頼側支援処理手順の一例を示すフローチャートである。

以下に図面を参照して、本発明にかかる情報処理装置、情報配信システム、情報処理方法、および情報処理プログラムの実施の形態を詳細に説明する。

（情報処理方法の一実施例）
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。図１において、情報処理装置１００は、情報の配信を支援するコンピュータである。配信対象の情報は、配信側が何らかの意図をもって配信先に発する情報であり、例えば、企業側から消費者に対する商品やサービスの広告である。また、配信対象の情報は、企業からのアンケート依頼や広報メッセージなどであってもよい。

ここで、趣味嗜好やライフスタイルが似ている人たちは、商品の購入傾向についても似ていることが多い。例えば、フルーツブランデー（果物を漬けたブランデー）を作る人は、料理好きの人が多く、多少高価な調理器具であっても購入して試す傾向がある。このため、フルーツブランデーを作ることに興味がある人に対して、高級調理器具の広告を行えば効果的であるといえる。

このような関係を事前に洗い出すことができれば、効果的な広告配信が行えて広告効果の向上を図ることができるといえる。ところが、このような関係を人手により一つ一つ洗い出すのは大変である。また、フルーツブランデーを作ることに興味がある人に対して高級調理器具の広告を行えば効果的であるといった関係は簡単には見出すことができないことも多い。

そこで、本実施の形態では、商品の購入履歴から複数のユーザを分類し、特定のクラスタに属するユーザのインターネットによるウェブページの閲覧傾向を特定して、閲覧傾向が類似する他のユーザを配信先として選出する情報処理方法について説明する。以下、情報処理装置１００の処理例について説明する。

（１）情報処理装置１００は、購入履歴情報１１０に基づいて、複数のユーザを商品の購入傾向に応じたクラスタに分類する。ここで、複数のユーザは、ユーザを識別する識別情報がそれぞれ付与されたユーザの集合であり、例えば、何らかの会に加わっている複数の会員ユーザである。会員ユーザとしては、例えば、百貨店のハウスカード会員が挙げられる。

以下の説明では、商品の購入傾向に応じて分類する複数のユーザとして、ある会に加わっている複数の会員ユーザを例に挙げて説明する。

購入履歴情報１１０は、複数の会員ユーザの各々と対応付けて商品の購入履歴を示す情報である。例えば、購入履歴情報１１０は、各会員ユーザの識別情報と対応付けて、各会員ユーザが購入した商品の商品名、ブランド名、商品カテゴリ、購入量、単価、購入金額、購入日時などを示す。

クラスタリングの手法としては、既存の任意の手法を用いることができる。具体的には、例えば、情報処理装置１００は、購入履歴情報１１０に基づいて、各会員ユーザの商品カテゴリ別の購入量を要素とする特徴ベクトルを用いて、分割最適化型クラスタリング手法により、商品の購入傾向に応じたクラスタに分類することにしてもよい。

商品カテゴリは、商品を分類する区分であり、任意に設定可能である。例えば、商品カテゴリは、紳士服、婦人服、家具、寝具、食料品、雑貨などであってもよく、また、特定のブランド名や商品名、あるいは、特定のブランド名や商品名の組み合わせであってもよい。これにより、どの商品カテゴリの商品をどれくらい購入しているのかという特徴をもとに、複数の会員ユーザを分類することができる。

また、情報処理装置１００は、分類したクラスタを特徴付ける語句を設定することにしてもよい。クラスタを特徴付ける語句は、そのクラスタがどのような会員ユーザの集合なのかを判断するための情報となる。クラスタを特徴付ける語句は、人手により設定されてもよく、また、情報処理装置１００が自動設定することにしてもよい。

例えば、情報処理装置１００のユーザが、クラスタに属する会員ユーザの商品の購入履歴を分析して、クラスタを特徴付ける語句を設定してもよい。また、例えば、情報処理装置１００が、クラスタに属する会員ユーザの商品の購入履歴を参照して、購入量の合計が最も多い商品カテゴリのカテゴリ名（あるいは、ブランド名）を、クラスタを特徴付ける語句に設定してもよい。

なお、購入履歴情報１１０には、例えば、複数のユーザの各々と対応付けて店舗の来店履歴を示す情報が含まれていてもよい。これにより、例えば、どの店舗にどれくらい来店したのかという特徴をもとに、複数のユーザを分類することができる。

図１の例では、複数の会員ユーザが、クラスタＸ、クラスタＹおよびクラスタＺに分類された場合を想定する。また、クラスタＸは、高級調理器具の購入量が多い会員ユーザの集合であり、クラスタＸを特徴付ける語句として「高級調理器具」が設定されている場合を想定する。

（２）情報処理装置１００は、閲覧履歴情報１２０に基づいて、第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定する。ここで、第１のクラスタは、商品の購入傾向に応じて複数の会員ユーザを分類したいずれかのクラスタであり、任意に選択可能である。

閲覧履歴情報１２０は、第１のクラスタに属する会員ユーザの各々と対応付けてウェブページの閲覧履歴を示す情報である。例えば、閲覧履歴情報１２０は、各会員ユーザの識別情報と対応付けて、各会員ユーザが閲覧したウェブページのＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）、閲覧日時などを示す。

具体的には、例えば、情報処理装置１００は、閲覧履歴情報１２０を参照して、第１のクラスタに属する各会員ユーザが閲覧したウェブページのＵＲＬからキーワードを抽出する。より詳細に説明すると、情報処理装置１００は、例えば、ＵＲＬのパス名からディレクトリ名やファイル名をキーワードとして抽出する。

つぎに、情報処理装置１００は、抽出した各キーワードの出現数に基づいて、各キーワードの出現頻度を算出する。そして、情報処理装置１００は、算出した出現頻度が最大のキーワード、あるいは、出現頻度が高い上位いくつかのキーワードを閲覧傾向として特定する。

図１の例では、クラスタＸに属する会員ユーザのウェブページの閲覧傾向として「フルーツブランデー」が特定されている。閲覧傾向「フルーツブランデー」は、クラスタＸに属する会員ユーザの多くが、フルーツブランデーに関するウェブページを閲覧している可能性が高いことを意味する。

（３）情報処理装置１００は、特定した閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末の識別情報を出力する。ここで、閲覧傾向に対応するウェブページとは、例えば、閲覧傾向として特定されたキーワードを、ウェブページ内あるいはＵＲＬに含むウェブページである。また、ユーザ端末は、ウェブページを閲覧するためのブラウザを有するコンピュータであり、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、タブレットＰＣ、スマートフォン、携帯電話機などである。

具体的には、例えば、情報処理装置１００は、ユーザ端末の閲覧履歴情報１３０に基づいて、特定した閲覧傾向に対応するウェブページの閲覧履歴があるユーザ端末を検出する。ここで、ユーザ端末の閲覧履歴情報１３０は、ユーザ端末と対応付けてウェブページの閲覧履歴を示す情報である。例えば、ユーザ端末の閲覧履歴情報１３０は、各ユーザ端末の識別情報と対応付けて、各ユーザ端末において閲覧されたウェブページのＵＲＬ、閲覧日時などを示す。

ユーザ端末の識別情報は、例えば、ユーザが利用するブラウザインスタンスを特定する情報である。同じユーザでもユーザ端末が異なると、ブラウザインスタンスは異なる。また、同じユーザが同じユーザ端末を用いても異なるＩＤでログインすると、ブラウザインスタンスは異なる。さらに、同じユーザが同じユーザ端末を用いて同じＩＤでログインしても、ブラウザが異なると、ブラウザインスタンスは異なる。

ユーザ端末の識別情報としては、例えば、アクセスしたウェブサイトから送信され、ブラウザを通じてユーザ端末に保存されるクッキー情報を用いることができる。クッキー情報は、ウェブサイトの訪問者の識別に用いられる情報であり、例えば、ユーザの識別や属性に関する情報（クッキー名や値）を含む。

なお、ユーザ端末の閲覧履歴情報１３０は、情報処理装置１００が有していてもよく、他のコンピュータ（例えば、図２に示すようなＳＳＰサーバ２０４）が有していてもよい。また、情報処理装置１００は、他のコンピュータに問い合わせることにより、特定した閲覧傾向に対応するウェブページの閲覧履歴があるユーザ端末を検出することにしてもよい。

図１の例では、閲覧傾向「フルーツブランデー」に対応するウェブページの閲覧履歴が検出されたユーザ端末Ｔａ，Ｔｂ，Ｔｃの識別情報（例えば、クッキー情報）を含む配信先情報１４０が出力されている。配信先情報１４０には、例えば、クラスタＸを特徴付ける語句「高級調理器具」が含まれる。

このように、情報処理装置１００によれば、商品の購入傾向に応じて分類された、あるクラスタに属する会員ユーザとウェブページの閲覧傾向が類似する、すなわち、会員ユーザと趣味嗜好が類似する他のユーザのユーザ端末を特定することができる。これにより、商品について所定の購入傾向を有する会員ユーザと趣味嗜好が類似する他のユーザに対して広告配信を行うことが可能となる。別側面から見れば、情報の配信先とすべきユーザ端末を特定することができるので、ユーザ端末を特定せずに一律に情報を配信するよりも、通信網に送出されるデータ量を削減することにつながる。

図１の例では、広告主や広告代理店などが、配信先情報１４０を参照することにより、「高級調理器具」の購入履歴がある会員ユーザと趣味嗜好が類似する他のユーザのユーザ端末Ｔａ，Ｔｂ，Ｔｃを特定することができる。これにより、「高級調理器具」に興味がある可能性が高いターゲット（ユーザ端末Ｔａ，Ｔｂ，Ｔｃ）を絞り込んで広告配信を行うことが可能となり、広告効果の向上を図ることができる。

（情報配信システム２００のシステム構成例）
つぎに、実施の形態にかかる情報配信システム２００のシステム構成例について説明する。以下の説明では、配信対象の情報として、企業側から消費者に対する商品、サービスの広告を例に挙げて説明する。

図２は、情報配信システム２００のシステム構成例を示す説明図である。図２において、情報配信システム２００は、情報処理装置１００と、広告依頼側装置２０１と、複数のユーザ端末２０２と、複数のＤＳＰサーバ２０３と、ＳＳＰサーバ２０４と、を含む。情報配信システム２００において、情報処理装置１００、広告依頼側装置２０１、ユーザ端末２０２、ＤＳＰサーバ２０３およびＳＳＰサーバ２０４は、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。

ここで、情報処理装置１００は、購入履歴ＤＢ（Ｄａｔａｂａｓｅ）２２０および閲覧履歴ＤＢ２３０を有し、広告の配信を支援する。なお、購入履歴ＤＢ２２０および閲覧履歴ＤＢ２３０の記憶内容については、図５および図６を用いて後述する。

広告依頼側装置２０１は、広告依頼側のユーザ（例えば、広告主）が使用するコンピュータであり、例えば、ＰＣ、タブレットＰＣなどである。ユーザ端末２０２は、ウェブページを閲覧するためのブラウザを有するコンピュータであり、例えば、ＰＣ、タブレットＰＣなどである。図１に示したユーザ端末Ｔａ，Ｔｂ，Ｔｃは、例えば、ユーザ端末２０２に相当する。

ＤＳＰサーバ２０３は、広告主にとって広告効果が最大になるように、最適な広告枠の購入や配信対象の選択などを支援するコンピュータである。ＳＳＰサーバ２０４は、広告枠をもつ配信事業者側の利益が最大となるように、最適な広告の選択と広告枠の販売を支援するコンピュータである。

また、ＳＳＰサーバ２０４は、例えば、ユーザ端末２０２の識別情報と対応付けて、ユーザ端末２０２におけるウェブページの閲覧履歴を示す閲覧履歴情報を管理する。ユーザ端末２０２の識別情報は、例えば、アクセスしたウェブサイトから送信され、ブラウザを通じてユーザ端末２０２に保存されるクッキー情報である。

ここで、情報配信システム２００の動作例について説明する。

まず、広告依頼側装置２０１は、ＤＳＰサーバ２０３に広告の入札条件を提示する。広告の入札条件には、例えば、予算、広告の掲載基準、上限入札価格およびターゲットユーザ属性（例えば、ユーザ端末２０２のクッキー情報）などが含まれる。

つぎに、閲覧者のユーザ端末２０２において、パブリッシャー（媒体運営者）のウェブサイトにアクセスすると、ウェブページ内に埋め込まれたタグが起動し、不図示のアドサーバを介して、ＳＳＰサーバ２０４に広告枠がリクエスト（広告リクエスト）される。広告リクエストには、例えば、閲覧者のユーザ端末２０２のクッキー情報が含まれる。

ＳＳＰサーバ２０４は、広告リクエストを受け取ると、各ＤＳＰサーバ２０３に対して入札リクエストを送信する。入札リクエストには、例えば、閲覧者のユーザ端末２０２のクッキー情報、ＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）アドレス、広告枠ＩＤ、広告サイズ、最低入札価格（フロアプライス）、入札締切時刻などが含まれる。

各ＤＳＰサーバ２０３は、入札リクエストを受信すると、広告依頼側装置２０１から提示された広告の入札条件と比較し、入札するか否かを判断する。各ＤＳＰサーバ２０３は、入札すると判断した場合、ＳＳＰサーバ２０４に入札レスポンスを送信する。入札レスポンスには、例えば、入札価格が含まれる。

ＳＳＰサーバ２０４は、各ＤＳＰサーバ２０３から送信される入札レスポンスの入札価格を比較して、勝利ＤＳＰを確定する。そして、ＳＳＰサーバ２０４は、勝利ＤＳＰに対して、勝利通知と成約価格を送信する。このとき、広告依頼側装置２０１から受け付けていた掲載広告主の情報が、勝利ＤＳＰ経由で不図示のアドサーバに通知され、アドサーバから閲覧者のユーザ端末２０２に送信される。

このあと、閲覧者のユーザ端末２０２（ウェブページ内に埋め込まれたタグ）が、掲載広告主の情報を受け取ると、広告リクエストをＤＳＰサーバ２０３（勝利ＤＳＰ）に送信する。ＤＳＰサーバ２０３は、ユーザ端末２０２から広告リクエストを受信すると、ウェブページの所定の領域に埋め込む広告情報を、ユーザ端末２０２に対して配信する。所定の領域は、例えば、入札リクエストに含まれる広告枠ＩＤから特定されるウェブページ内の領域である。この結果、閲覧者のユーザ端末２０２のウェブページ内の広告枠に広告情報が表示される。

なお、図２の例では、広告依頼側装置２０１を１台のみ表記したが、情報配信システム２００には、複数の広告依頼側装置２０１が含まれていてもよい。また、情報処理装置１００は、例えば、広告依頼側装置２０１、ＤＳＰサーバ２０３およびＳＳＰサーバ２０４のいずれかのコンピュータにより実現されてもよい。なお、上記説明は、情報処理装置１００により特定されたユーザ端末２０２に対して、ＤＳＰサーバ２０３、ＳＳＰサーバ２０４が連携して処理を行うことで広告配信の処理を実行する一例である。上記の例に限らず、情報配信システム２００は、情報処理装置１００により特定されたユーザ端末２０２に対して、ウェブページ内の広告枠に表示させる広告情報を送信する構成を有していればよい。

（情報処理装置１００のハードウェア構成例）
つぎに、図２に示した情報処理装置１００のハードウェア構成例について説明する。

図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。図３において、情報処理装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、ディスクドライブ３０４と、ディスク３０５と、を有する。また、各構成部は、バス３００によってそれぞれ接続される。

ここで、ＣＰＵ３０１は、情報処理装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。

Ｉ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータ（例えば、図２に示した広告依頼側装置２０１、ユーザ端末２０２、ＤＳＰサーバ２０３、ＳＳＰサーバ２０４）に接続される。Ｉ／Ｆ３０３は、ネットワーク２１０と装置内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。Ｉ／Ｆ３０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。

ディスクドライブ３０４は、ＣＰＵ３０１の制御に従ってディスク３０５に対するデータのリード／ライトを制御する。ディスク３０５は、ディスクドライブ３０４の制御で書き込まれたデータを記憶する。ディスク３０５としては、例えば、磁気ディスク、光ディスクなどが挙げられる。

なお、情報処理装置１００は、上述した構成部のほか、例えば、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、キーボード、マウス、ディスプレイなどを有することにしてもよい。また、図２に示したＤＳＰサーバ２０３およびＳＳＰサーバ２０４についても、情報処理装置１００と同様のハードウェア構成により実現することができる。

（広告依頼側装置２０１のハードウェア構成例）
つぎに、図２に示した広告依頼側装置２０１のハードウェア構成例について説明する。

図４は、広告依頼側装置２０１のハードウェア構成例を示すブロック図である。図４において、広告依頼側装置２０１は、ＣＰＵ４０１と、メモリ４０２と、ディスクドライブ４０３と、ディスク４０４と、Ｉ／Ｆ４０５と、ディスプレイ４０６と、入力装置４０７とを有する。また、各構成部はバス４００によってそれぞれ接続される。

ここで、ＣＰＵ４０１は、広告依頼側装置２０１の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。

ディスクドライブ４０３は、ＣＰＵ４０１の制御に従ってディスク４０４に対するデータのリード／ライトを制御する。ディスク４０４は、ディスクドライブ４０３の制御で書き込まれたデータを記憶する。ディスク４０４としては、例えば、磁気ディスク、光ディスクなどが挙げられる。

Ｉ／Ｆ４０５は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他の装置（例えば、図２に示したＤＳＰサーバ２０３）に接続される。そして、Ｉ／Ｆ４０５は、ネットワーク２１０と自装置内部とのインターフェースを司り、他の装置からのデータの入出力を制御する。

ディスプレイ４０６は、カーソル、アイコンあるいはツールボックスをはじめ、文書、画像、機能情報などのデータを表示する。ディスプレイ４０６として、例えば、液晶ディスプレイ、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）などを採用することができる。

入力装置４０７は、文字、数字、各種指示などの入力のためのキーを有し、データの入力を行う。入力装置４０７は、キーボードやマウスなどであってもよく、また、タッチパネル式の入力パッドやテンキーなどであってもよい。

なお、広告依頼側装置２０１は、上述した構成部のうち、例えば、ディスクドライブ４０３およびディスク４０４を有していなくてもよい。また、図２に示したユーザ端末２０２についても、広告依頼側装置２０１と同様のハードウェア構成により実現することができる。

（購入履歴ＤＢ２２０の記憶内容）
つぎに、情報処理装置１００が有する購入履歴ＤＢ２２０の記憶内容について説明する。購入履歴ＤＢ２２０は、例えば、図３に示したメモリ３０２、ディスク３０５等の記憶装置により実現される。なお、図１に示した購入履歴情報１１０は、例えば、購入履歴ＤＢ２２０内の購入履歴情報に対応する。

図５は、購入履歴ＤＢ２２０の記憶内容の一例を示す説明図である。図５において、購入履歴ＤＢ２２０は、会員ユーザＩＤ、購入日時、商品カテゴリ、ブランド名、商品名、数量、単価および金額のフィールドを有し、各フィールドに情報を設定することで、購入履歴情報（例えば、購入履歴情報５００−１〜５００−３）をレコードとして記憶する。

ここで、会員ユーザＩＤは、会員ユーザを一意に識別する識別子である。購入日時は、会員ユーザが商品を購入した日時である。商品カテゴリは、会員ユーザが購入した商品を分類する区分である。ブランド名は、会員ユーザが購入した商品のブランド名（メーカー名）である。

商品名は、会員ユーザが購入した商品の名称である。数量は、会員ユーザが購入した商品の数量である（単位：個）。単価は、会員ユーザが購入した商品の単価である（単位：円）。金額は、会員ユーザが購入した商品を購入した際に支払った金額である（単位：円）。なお、会員ユーザが購入した商品は、実際に店舗に訪れて購入したものであってもよく、また、インターネット上で購入したものであってもよい。

例えば、購入履歴情報５００−１は、会員ユーザＵ１が商品を購入した購入日時「２０１６年３月１日１１時２０分」を示す。また、購入履歴情報５００−１は、会員ユーザＵ１が購入した商品の商品カテゴリ「高級調理器具」、ブランド名「ｘｘｘ」、商品名「無水鍋」、数量「１個」、単価「２８，０００円」および金額「２８，０００円」を示す。

（閲覧履歴ＤＢ２３０の記憶内容）
つぎに、情報処理装置１００が有する閲覧履歴ＤＢ２３０の記憶内容について説明する。閲覧履歴ＤＢ２３０は、例えば、図３に示したメモリ３０２、ディスク３０５等の記憶装置により実現される。なお、図１に示した閲覧履歴情報１２０は、例えば、閲覧履歴ＤＢ２３０内の閲覧履歴情報に対応する。

図６は、閲覧履歴ＤＢ２３０の記憶内容の一例を示す説明図である。図６において、閲覧履歴ＤＢ２３０は、会員ユーザＩＤ、閲覧日時およびＵＲＬのフィールドを有し、各フィールドに情報を設定することで、閲覧履歴情報（例えば、閲覧履歴情報６００−１〜６００−３）をレコードとして記憶する。

ここで、会員ユーザＩＤは、会員ユーザを一意に識別する識別子である。閲覧日時は、会員ユーザがウェブページを閲覧した日時、例えば、会員ユーザがウェブページにアクセスした日時である。ＵＲＬは、会員ユーザが閲覧したウェブページのＵＲＬである。

例えば、閲覧履歴情報６００−１は、会員ユーザＵ１がＵＲＬ「ｈｔｔｐ：／／ｗｗｗ．ｘｒｙ．ｃｏ．ｊｐ／ｆｒｕｉｔｂｒａｎｄｙ／」のウェブページを閲覧した閲覧日時「２０１６年２月２７日１９時１２分」を示す。

なお、閲覧履歴ＤＢ２３０内の閲覧履歴情報は、例えば、情報処理装置１００において会員ユーザの閲覧履歴を管理して生成することにしてもよく、また、情報処理装置１００がＳＳＰサーバ２０４から取得することにしてもよい。

（情報処理装置１００の機能的構成例）
つぎに、情報処理装置１００の機能的構成例について説明する。

図７は、情報処理装置１００の機能的構成例を示すブロック図である。図７において、情報処理装置１００は、取得部７０１と、分類部７０２と、特定部７０３と、検出部７０４と、出力部７０５と、を含む構成である。取得部７０１〜出力部７０５は制御部となる機能であり、具体的には、例えば、図３に示したメモリ３０２、ディスク３０５などの記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、Ｉ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０５などの記憶装置に記憶される。

取得部７０１は、会員ユーザの商品の購入履歴を示す購入履歴情報を取得する。購入履歴情報は、会員ユーザが購入した商品の情報を示すものであり、例えば、図５に示した購入履歴情報５００−１〜５００−３である。

具体的には、例えば、取得部７０１は、商品を販売する各店舗のＰＯＳ（Ｐｏｉｎｔ−Ｏｆ−Ｓａｌｅ ｔｅｒｍｉｎａｌ）端末あるいは広告依頼側装置２０１から、各店舗で販売された商品の購入履歴情報を取得することにしてもよい。また、例えば、取得部７０１は、不図示の入力装置を用いたユーザ（例えば、広告主）の操作入力により、複数の会員ユーザの購入履歴情報を取得することにしてもよい。取得された購入履歴情報は、例えば、図５に示した購入履歴ＤＢ２２０に記憶される。

また、取得部７０１は、会員ユーザのウェブページの閲覧履歴を示す閲覧履歴情報を取得する。閲覧履歴情報は、会員ユーザが閲覧したウェブページの情報を示すものであり、例えば、図６に示した閲覧履歴情報６００−１〜６００−３である。

具体的には、例えば、取得部７０１は、会員ユーザのユーザ端末２０２に保存されたクッキー情報を収集する。そして、取得部７０１は、収集した会員ユーザのユーザ端末２０２のクッキー情報を用いて、ＳＳＰサーバ２０４に問い合わせることにより、当該クッキー情報に対応する会員ユーザの閲覧履歴情報を取得する。なお、会員ユーザのユーザ端末２０２に保存されたクッキー情報は、例えば、情報処理装置１００からユーザ端末２０２に問い合わせることにより収集されてもよい。

また、例えば、取得部７０１は、不図示の入力装置を用いたユーザ（例えば、広告主）の操作入力により、複数の会員ユーザの閲覧履歴情報を取得することにしてもよい。また、例えば、情報処理装置１００が検索サイトを提供するコンピュータの場合には、取得部７０１は、当該検索サイトを利用して会員ユーザが閲覧したウェブページの閲覧履歴を示す閲覧履歴情報を取得することにしてもよい。取得された閲覧履歴情報は、例えば、図６に示した閲覧履歴ＤＢ２３０に記憶される。

分類部７０２は、取得された会員ユーザの商品の購入履歴を示す購入履歴情報に基づいて、複数の会員ユーザを商品の購入傾向に応じたクラスタＣに分類する。具体的には、例えば、まず、分類部７０２は、購入履歴ＤＢ２２０を参照して、各会員ユーザの商品カテゴリ別の購入量（数量）を要素とする特徴ベクトルを作成する。

例えば、商品カテゴリとして、商品カテゴリ１、商品カテゴリ２および商品カテゴリ３を想定する。また、会員ユーザＵ１の商品カテゴリ１，２，３別の購入量が１個、０個、３個であるとする。この場合、会員ユーザＵ１の特徴ベクトルは（１，０，３）となる。

そして、分類部７０２は、作成した各会員ユーザの特徴ベクトルを用いて、分割最適化型クラスタリング手法により、複数の会員ユーザを商品の購入傾向に応じたクラスタＣに分類することにしてもよい。分割最適化型クラスタリング手法とは、分割の良さを表す評価関数を定義し、その評価関数を最適化するように分割を繰り返し行う手法であり、例えば、ｋ−ｍｅａｎｓ法を用いたものがある。ただし、クラスタリングの手法としては、既存の任意の手法を用いることができる。

また、分類部７０２は、分類したクラスタＣを特徴付ける語句を設定する。具体的には、例えば、分類部７０２は、不図示の入力装置を用いたユーザ（例えば、広告主）の操作入力により、分類したクラスタＣを特徴付ける語句を設定することにしてもよい。また、例えば、分類部７０２は、広告依頼側装置２０１からクラスタＣを特徴付ける語句の入力を受け付けることにしてもよい。これにより、例えば、広告主は、分類された各クラスタＣに属する会員ユーザの商品の購入履歴を分析して、各クラスタＣを特徴付ける任意の語句を設定することができる。

また、例えば、分類部７０２は、分類したクラスタＣに属する会員ユーザの商品の購入履歴を参照して、購入量の合計が多い上位いくつかの商品カテゴリのカテゴリ名を、クラスタＣを特徴付ける語句に設定してもよい。これにより、クラスタＣを特徴付ける語句を自動設定することができる。

分類された分類結果は、例えば、図８に示すようなクラスタ情報８００として出力される。ここで、クラスタ情報８００の具体例について説明する。

図８は、クラスタ情報８００の具体例を示す説明図である。図８において、クラスタ情報８００は、クラスタＩＤとクラスタ特徴語と会員ユーザＩＤとを対応付けて示す情報である。クラスタＩＤは、複数の会員ユーザを商品の購入傾向に応じて分類したクラスタＣを識別する識別子である。クラスタ特徴語は、クラスタＣを特徴付ける語句である。会員ユーザＩＤは、クラスタＣに属する会員ユーザを識別する識別子である。

クラスタ情報８００によれば、複数の会員ユーザを分類して得られた各クラスタＣに属する会員ユーザ、および各クラスタを特徴付けるクラスタ特徴語を特定することができる。例えば、クラスタＣ１に属する会員ユーザが「会員ユーザＵ１，Ｕ３，Ｕ７，Ｕ１３，Ｕ２２，…」であり、クラスタＣ１を特徴付けるクラスタ特徴語が「高級調理器具」であることを特定することができる。

なお、分類部７０２は、例えば、不図示の入力装置を用いたユーザの操作入力により、または、広告依頼側装置２０１からクラスタ情報の入力を受け付けることにしてもよい。

図７の説明に戻り、特定部７０３は、分類したクラスタＣに属する会員ユーザのウェブページの閲覧履歴情報に基づいて、クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定する。ここで、ウェブページの閲覧傾向を特定する対象クラスタＣは、任意に選択可能である。

例えば、特定部７０３は、例えば、不図示の入力装置を用いたユーザの操作入力により、または、広告依頼側装置２０１から対象クラスタＣの選択を受け付けることにしてもよい。これにより、例えば、広告主は、各クラスタＣを特徴付けるクラスタ特徴語などをもとに、対象クラスタＣを任意に選択することができる。また、特定部７０３は、分類された全てのクラスタＣを対象クラスタＣとして選択することにしてもよい。

具体的には、例えば、まず、特定部７０３は、閲覧履歴ＤＢ２３０から、クラスタＣに属する各会員ユーザの閲覧履歴情報を取得する。つぎに、特定部７０３は、取得した閲覧履歴情報を参照して、クラスタＣに属する各会員ユーザが閲覧したウェブページのＵＲＬからキーワード（例えば、ディレクトリ名やファイル名）を抽出する。

また、特定部７０３は、クラスタＣに属する各会員ユーザが閲覧したウェブページにアクセスして、当該ウェブページのメタデータからキーワードを抽出することにしてもよい。より詳細に説明すると、例えば、特定部７０３は、ＳＥＯ（Ｓｅａｒｃｈ Ｅｎｇｉｎｅ Ｏｐｔｉｍｉｚａｔｉｏｎ）用にメタタグとして埋め込まれているキーワードを抽出することにしてもよい。

なお、キーワードの中には、表記揺れや、英語表記と日本語表記の違いなど、キーワード同士が完全に一致しなくても、同じ意味を表すものがある。このため、例えば、特定部７０３は、キーワード同士が完全に一致しなくても、同じ意味を表すキーワードは、一つのキーワードとして扱うことにしてもよい。

抽出されたキーワードは、例えば、後述の図９に示すようなキーワードリスト９００に記憶される。

つぎに、特定部７０３は、取得した閲覧履歴情報を参照して、抽出したキーワードごとに、当該キーワードを含むＵＲＬのウェブページの閲覧履歴がある会員ユーザの数（以下、「出現ユーザ数」という）を算出する。また、特定部７０３は、算出した各キーワードの出現ユーザ数を、クラスタＣに属する会員ユーザの総数で割ることにより、各キーワードの出現頻度を算出する。

算出されたキーワードの出現ユーザ数および出現頻度は、例えば、図９に示すようなキーワードリスト９００に記憶される。ここで、キーワードリスト９００の具体例について説明する。

図９は、キーワードリスト９００の具体例を示す説明図である。図９において、キーワードリスト９００は、あるクラスタＣに属する各会員ユーザが閲覧したウェブページのＵＲＬおよび／またはメタデータから抽出されたキーワードごとの出現ユーザ数および出現頻度を示す情報である。

そして、特定部７０３は、例えば、キーワードリスト９００を参照して、出現頻度が高い上位Ｎ個のキーワードを、クラスタＣに属する会員ユーザのウェブページの閲覧傾向として特定することにしてもよい。Ｎは、任意に設定可能であり、例えば、３〜５程度の値に設定される。

図９の例では、Ｎを「Ｎ＝３」とすると、特定部７０３は、出現頻度が高い上位３個のキーワード「フルーツブランデー、キルティング、ゴルフスクール」を、クラスタＣに属する会員ユーザのウェブページの閲覧傾向として特定する。

また、特定部７０３は、クラスタＣに属する各会員ユーザのウェブページの閲覧履歴情報のうち、当該各会員ユーザの購入履歴情報に含まれる最新の購入日時よりも閲覧日時が前のウェブページの閲覧履歴情報を取得することにしてもよい。この際、特定部７０３は、最新の購入日時よりも前の直近数週間程度の期間に閲覧日時が含まれるウェブページの閲覧履歴情報を取得することにしてもよい。

そして、特定部７０３は、取得した閲覧履歴情報に基づいて、クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定することにしてもよい。最新の購入日時は、例えば、クラスタＣに応じて設定される対象商品を購入した最新の購入日時である。対象商品は、例えば、クラスタＣのクラスタ特徴語に応じて設定される広告対象となる商品である。

一例として、図８に示したクラスタ特徴語「高級調理器具」のクラスタＣ１を例に挙げると、対象商品として、高級調理器具のいずれかの商品が設定される。なお、特定部７０３は、例えば、不図示の入力装置を用いたユーザ（例えば、広告主）の操作入力により、または、広告依頼側装置２０１から対象商品の設定を受け付けることにしてもよい。

これにより、各会員ユーザが対象商品を購入した最新の購入日時よりも前に閲覧していたウェブページの閲覧履歴情報をもとに、クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定することができる。すなわち、会員ユーザが広告対象の商品を購入する前に閲覧していたウェブページに応じた閲覧傾向を特定することができる。

また、特定部７０３は、クラスタＣに属する会員ユーザのうち、クラスタＣに対する適合度が相対的に高い会員ユーザの閲覧履歴情報に基づいて、クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定することにしてもよい。ここで、クラスタＣに対する適合度とは、会員ユーザがクラスタＣの特徴にどれだけ即しているかを表す指標値である。

具体的には、例えば、特定部７０３は、クラスタＣに属する各会員ユーザの商品カテゴリ別の購入量（数量）を要素とする特徴ベクトルの平均ベクトルを算出し、算出した平均ベクトルをクラスタＣの重心とする。つぎに、特定部７０３は、各会員ユーザの特徴ベクトルとクラスタＣの重心との距離を算出し、算出した距離を、クラスタＣに対する各会員ユーザの適合度とする。

そして、特定部７０３は、算出した適合度が高い上位α人の会員ユーザ、あるいは、算出した適合度が閾値β以上の会員ユーザの閲覧履歴情報に基づいて、クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定することにしてもよい。αおよびβは、任意に設定可能である。

これにより、クラスタＣの特徴により即した会員ユーザのウェブページの閲覧履歴情報をもとに、クラスタＣのウェブページの閲覧傾向を特定することができる。

検出部７０４は、特定された閲覧傾向に対応するウェブページの閲覧履歴があるユーザ端末を検出する。具体的には、例えば、検出部７０４は、閲覧傾向として特定されたキーワードを含むＵＲＬのウェブページの閲覧履歴があるユーザ端末２０２を、ＳＳＰサーバ２０４に問い合わせることにしてもよい。この場合、ＳＳＰサーバ２０４は、当該キーワードを含むＵＲＬのウェブページの閲覧履歴があるユーザ端末２０２のクッキー情報を特定し、特定したユーザ端末２０２のクッキー情報を情報処理装置１００に送信する。

また、例えば、検出部７０４は、閲覧傾向として特定されたキーワードを含むウェブページの閲覧履歴があるユーザ端末２０２を、ＳＳＰサーバ２０４に問い合わせることにしてもよい。この場合、ＳＳＰサーバ２０４は、例えば、当該キーワードがメタタグとして埋め込まれたウェブページの閲覧履歴があるユーザ端末２０２のクッキー情報を特定し、特定したユーザ端末２０２のクッキー情報を情報処理装置１００に送信してもよい。

これにより、クラスタＣに属する会員ユーザのウェブページの閲覧傾向に対応するウェブページの閲覧履歴があるユーザ端末２０２の識別情報を検出することができる。

出力部７０５は、検出されたユーザ端末２０２の識別情報を出力する。出力部７０５の出力形式としては、例えば、Ｉ／Ｆ３０３による外部のコンピュータへの送信、不図示のディスプレイへの表示、メモリ３０２やディスク３０５などの記憶装置への記憶がある。

具体的には、例えば、出力部７０５は、検出されたユーザ端末２０２のクッキー情報を示す配信先情報を、広告依頼側装置２０１に送信することにしてもよい。配信先情報には、例えば、クラスタＣを特徴付けるクラスタ特徴語が含まれる。送信先となる広告依頼側装置２０１は、例えば、対象商品の広告主が使用する広告依頼側装置２０１である。なお、配信先情報の具体例については、図１１を用いて後述する。

これにより、広告主は、商品の購入傾向に応じて分類されたクラスタＣに属する会員ユーザとウェブページの閲覧傾向が類似する、すなわち、会員ユーザと趣味嗜好が類似する他のユーザのユーザ端末２０２を特定することができる。

また、出力部７０５は、検出されたユーザ端末２０２のうち、特定された閲覧傾向に対する適合度が相対的に高いユーザ端末２０２の識別情報を出力することにしてもよい。ここで、閲覧傾向に対する適合度とは、検出されたユーザ端末２０２のユーザが、クラスタＣに属する会員ユーザウェブページの閲覧傾向にどれだけ即しているかを表す指標値である。

具体的には、例えば、まず、出力部７０５は、検出されたユーザ端末２０２におけるウェブページの閲覧履歴を示す情報をＳＳＰサーバ２０４から取得する。この際、出力部７０５は、検出されたユーザ端末２０２において所定期間内に閲覧されたウェブページの閲覧履歴を示す情報をＳＳＰサーバ２０４から取得することにしてもよい。所定期間は、任意に設定可能であり、例えば、直近数週間から数ヶ月程度の期間に設定される。

つぎに、出力部７０５は、取得した閲覧履歴を示す情報に基づいて、検出されたユーザ端末２０２ごとに、閲覧傾向として特定されたキーワードをＵＲＬに含むウェブページの閲覧履歴の数を算出し、算出した閲覧履歴の数を、当該閲覧傾向に対する適合度とする。この際、出力部７０５は、閲覧傾向として特定されたキーワードがメタタグとして埋め込まれたウェブページの閲覧履歴の数を算出して、当該閲覧傾向に対する適合度としてもよい。

算出されたユーザ端末２０２ごとの閲覧傾向に対する適合度は、例えば、図１０に示すような適合度リスト１０００に記憶される。ここで、適合度リスト１０００の具体例について説明する。

図１０は、適合度リスト１０００の具体例を示す説明図である。図１０において、適合度リスト１０００は、あるクラスタＣに属する会員ユーザのウェブページの閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末２０２のクッキー情報と、当該閲覧傾向に対する適合度とを対応付けて示す情報である。

例えば、クッキー情報「ｃｏｏｋｉｅ１」の適合度「１０」は、クッキー情報「ｃｏｏｋｉｅ１」から識別されるユーザ端末２０２について、閲覧傾向として特定されたキーワードをＵＲＬに含むウェブページの閲覧履歴の数が「１０」であることに対応する。

そして、出力部７０５は、例えば、適合度リスト１０００を参照して、閲覧傾向に対する適合度が高い上位Ｍ個のクッキー情報を出力する。Ｍは、任意に設定可能であり、例えば、広告予算に応じて決まる配信上限数をもとに設定される。

具体的には、例えば、出力部７０５は、クラスタＣを特徴付けるクラスタ特徴語と、閲覧傾向に対する適合度が高い上位Ｍ個のクッキー情報とを対応付けて表す配信先情報を、広告依頼側装置２０１に送信することにしてもよい。配信先情報には、閲覧傾向に対する適合度が含まれていてもよい。ここで、配信先情報の具体例について説明する。ここでは、上記Ｍとして「Ｍ＝３」が設定されている場合を想定する。

図１１は、配信先情報の具体例を示す説明図である。図１１において、配信先情報１１００は、クラスタＣを特徴付けるクラスタ特徴語と、クラスタＣの閲覧傾向に対する適合度が高い上位Ｍ個のクッキー情報と、クラスタＣの閲覧傾向に対する適合度とを対応付けて表す情報である。なお、クラスタＣの閲覧傾向とは、クラスタＣに属する会員ユーザのウェブページの閲覧傾向である。

配信先情報１１００によれば、例えば、「高級調理器具」の購入履歴がある会員ユーザとウェブページの閲覧傾向が類似する、すなわち、会員ユーザと趣味嗜好が類似する他のユーザのユーザ端末２０２を特定することができる。また、クラスタＣの閲覧傾向に対する適合度をそれぞれ確認することができるため、例えば、どのターゲットに広告配信すれば、より広告効果を上げられるかといった判断を支援することができる。

また、出力部７０５は、検出されたユーザ端末２０２への広告の配信依頼を送信することにしてもよい。具体的には、例えば、出力部７０５は、検出されたユーザ端末２０２のクッキー情報を入札条件に含む広告の配信依頼を、ＤＳＰサーバ２０３に送信することにしてもよい。なお、広告の配信依頼には、例えば、対象商品の広告情報が含まれる。

これにより、クラスタＣに属する会員ユーザと趣味嗜好が類似するユーザに対する広告の配信依頼を自動で行うことができる。

また、出力部７０５は、例えば、配信先情報１１００を参照して、クラスタＣの閲覧傾向に対する適合度が高い上位Ｍ個のクッキー情報を入札条件に含む広告の配信依頼を、ＤＳＰサーバ２０３に送信することにしてもよい。これにより、より高い広告効果が得られるターゲットを絞り込んで広告配信を行うことが可能となる。

また、出力部７０５は、特定部７０３によって特定されたクラスタＣの閲覧傾向を示す情報を出力することにしてもよい。具体的には、例えば、出力部７０５は、クラスタＣの閲覧傾向を示す情報を含む配信先情報を、広告依頼側装置２０１に送信することにしてもよい。これにより、クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定可能な情報を提供することができる。

（情報処理装置１００の情報処理手順）
つぎに、情報処理装置１００の情報処理手順について説明する。

図１２は、情報処理装置１００の情報処理手順の一例を示すフローチャートである。図１２のフローチャートにおいて、まず、情報処理装置１００は、購入履歴ＤＢ２２０を参照して、複数の会員ユーザを商品の購入傾向に応じたクラスタＣに分類する（ステップＳ１２０１）。

つぎに、情報処理装置１００は、分類したクラスタＣのうちの対象クラスタＣを選択する（ステップＳ１２０２）。対象クラスタＣは、ウェブページの閲覧傾向を特定するクラスタＣであり、例えば、広告依頼側装置２０１のユーザ（例えば、広告主）により指定される。

そして、情報処理装置１００は、選択した対象クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定する閲覧傾向特定処理を実行する（ステップＳ１２０３）。なお、閲覧傾向特定処理の具体的な処理手順については、図１３を用いて後述する。

つぎに、情報処理装置１００は、特定した対象クラスタＣの閲覧傾向に対応するウェブページの閲覧履歴があるユーザ端末２０２を検出する（ステップＳ１２０４）。そして、情報処理装置１００は、検出した各ユーザ端末２０２について、対象クラスタＣの閲覧傾向に対する適合度を算出する（ステップＳ１２０５）。

つぎに、情報処理装置１００は、算出した対象クラスタＣの閲覧傾向に対する適合度が高い上位Ｍ個のユーザ端末２０２のクッキー情報を含む配信先情報を生成する（ステップＳ１２０６）。そして、情報処理装置１００は、生成した配信先情報を広告依頼側装置２０１に送信して（ステップＳ１２０７）、本フローチャートによる一連の処理を終了する。

これにより、商品の購入傾向に応じて分類されたクラスタＣの閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末２０２を特定可能な配信先情報を出力することができる。別側面から見れば、情報の配信先とすべきユーザ端末２０２を特定することができるので、ユーザ端末２０２を特定せずに一律に情報を配信するよりも、通信網に送出されるデータ量を削減することにつながる。

なお、ステップＳ１２０１において、情報処理装置１００は、複数の会員ユーザを商品の購入傾向に応じて分類した分類結果を示すクラスタ情報（例えば、クラスタ情報８００）を取得することにしてもよい。

＜閲覧傾向特定処理の具体的処理手順＞
つぎに、図１２に示したステップＳ１２０３の閲覧傾向特定処理の具体的な処理手順について説明する。

図１３は、閲覧傾向特定処理の具体的処理手順の一例を示すフローチャートである。図１３のフローチャートにおいて、まず、情報処理装置１００は、閲覧履歴ＤＢ２３０から、対象クラスタＣに属する各会員ユーザの閲覧履歴情報を取得する（ステップＳ１３０１）。

つぎに、情報処理装置１００は、取得した閲覧履歴情報を参照して、対象クラスタＣに属する各会員ユーザが閲覧したウェブページのＵＲＬからキーワードを抽出し（ステップＳ１３０２）、該キーワードごとの出現ユーザ数を算出する（ステップＳ１３０３）。出現ユーザ数は、キーワードを含むＵＲＬのウェブページの閲覧履歴がある会員ユーザの数である。

つぎに、情報処理装置１００は、算出したキーワードごとの出現ユーザ数を、対象クラスタＣに属する会員ユーザの総数で割ることにより、キーワードごとの出現頻度を算出する（ステップＳ１３０４）。そして、情報処理装置１００は、算出した出現頻度が高い上位Ｎ個のキーワードを、対象クラスタＣに属する会員ユーザのウェブページの閲覧傾向として特定して（ステップＳ１３０５）、閲覧傾向特定処理を呼び出したステップに戻る。

これにより、クラスタＣに属する会員ユーザが閲覧したウェブページのＵＲＬに頻繁に出現するキーワード（例えば、ディレクトリ名やファイル名）を、クラスタＣの閲覧傾向として特定することができる。

なお、ステップＳ１３０１において、情報処理装置１００は、対象クラスタＣに属する各会員ユーザのユーザ端末２０２のクッキー情報を用いて、ＳＳＰサーバ２０４に問い合わせることにより、各会員ユーザの閲覧履歴情報を取得することにしてもよい。また、ステップＳ１３０２において、情報処理装置１００は、対象クラスタＣに属する各会員ユーザが閲覧したウェブページにメタタグとして埋め込まれているキーワードを抽出することにしてもよい。

（ＤＳＰサーバ２０３の配信依頼側支援処理手順）
つぎに、ＤＳＰサーバ２０３の配信依頼側支援処理手順について説明する。

図１４は、ＤＳＰサーバ２０３の配信依頼側支援処理手順の一例を示すフローチャートである。図１４のフローチャートにおいて、まず、ＤＳＰサーバ２０３は、広告依頼側装置２０１または情報処理装置１００から、広告の配信依頼を受信したか否かを判断する（ステップＳ１４０１）。広告の配信依頼には、例えば、配信先のユーザ端末２０２のクッキー情報を含む入札条件や対象商品の広告情報が含まれる。

ここで、ＤＳＰサーバ２０３は、広告の配信依頼を受信するのを待つ（ステップＳ１４０１：Ｎｏ）。そして、ＤＳＰサーバ２０３は、広告の配信依頼を受信した場合（ステップＳ１４０１：Ｙｅｓ）、受信した広告の配信依頼に含まれる広告の入札条件を設定する（ステップＳ１４０２）。

つぎに、ＤＳＰサーバ２０３は、ＳＳＰサーバ２０４から入札リクエストを受信したか否かを判断する（ステップＳ１４０３）。入札リクエストには、例えば、ウェブページを表示するユーザ端末２０２のクッキー情報や広告枠ＩＤなどが含まれる。ここで、ＤＳＰサーバ２０３は、入札リクエストを受信するのを待つ（ステップＳ１４０３：Ｎｏ）。

そして、ＤＳＰサーバ２０３は、入札リクエストを受信した場合（ステップＳ１４０３：Ｙｅｓ）、受信した入札リクエストが、設定した広告の入札条件を満たすか否かを判断する（ステップＳ１４０４）。具体的には、例えば、ＤＳＰサーバ２０３は、入札リクエストに含まれるユーザ端末２０２のクッキー情報が、入札条件に含まれるユーザ端末２０２のクッキー情報と一致しない場合は、入札リクエストが入札条件を満たさないと判断する。

ここで、広告の入札条件を満たさない場合（ステップＳ１４０４：Ｎｏ）、ＤＳＰサーバ２０３は、本フローチャートによる一連の処理を終了する。

一方、広告の入札条件を満たす場合（ステップＳ１４０４：Ｙｅｓ）、ＤＳＰサーバ２０３は、ＳＳＰサーバ２０４に入札レスポンスを送信する（ステップＳ１４０５）。入札レスポンスには、例えば、入札価格が含まれる。そして、ＤＳＰサーバ２０３は、ＳＳＰサーバ２０４から結果通知を受信したか否かを判断する（ステップＳ１４０６）。

ここで、ＤＳＰサーバ２０３は、結果通知を受信するのを待って（ステップＳ１４０６：Ｎｏ）、結果通知を受信した場合（ステップＳ１４０６：Ｙｅｓ）、受信した結果通知が勝利通知であるか否かを判断する（ステップＳ１４０７）。ここで、勝利通知ではない場合（ステップＳ１４０７：Ｎｏ）、ＤＳＰサーバ２０３は、本フローチャートによる一連の処理を終了する。

一方、勝利通知である場合（ステップＳ１４０７：Ｙｅｓ）、ＤＳＰサーバ２０３は、ユーザ端末２０２から広告リクエストを受信したか否かを判断する（ステップＳ１４０８）。ここで、ＤＳＰサーバ２０３は、ユーザ端末２０２から広告リクエストを受信するのを待つ（ステップＳ１４０８：Ｎｏ）。

そして、ＤＳＰサーバ２０３は、広告リクエストを受信した場合（ステップＳ１４０８：Ｙｅｓ）、ウェブページの所定の領域に埋め込む広告情報を、ユーザ端末２０２に対して配信して（ステップＳ１４０９）、本フローチャートによる一連の処理を終了する。なお、所定の領域は、例えば、入札リクエストに含まれる広告ＩＤから識別されるウェブページ内の領域である。

これにより、例えば、ある商品を購入した会員ユーザと趣味嗜好が類似するユーザに限定して、同じ商品についての広告配信を行うことができる。

以上説明したように、実施の形態にかかる情報処理装置１００によれば、購入履歴ＤＢ２２０を参照して、複数の会員ユーザを商品の購入傾向に応じたクラスタＣに分類することができる。また、情報処理装置１００によれば、分類したクラスタＣに属する会員ユーザのウェブページの閲覧履歴情報に基づいて、クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定することができる。そして、情報処理装置１００によれば、特定したクラスタＣの閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末２０２の識別情報を出力することができる。

これにより、商品の購入傾向に応じて分類されたクラスタＣに属する会員ユーザとウェブページの閲覧傾向が類似する、すなわち、会員ユーザと趣味嗜好が類似する他のユーザのユーザ端末２０２を特定することができる。この結果、クラスタＣに属する会員ユーザと趣味嗜好が類似するユーザに対して広告配信を行うことができる。換言すれば、会員ユーザと趣味嗜好が類似する他のユーザに対して、会員ユーザが購入した商品やサービスの広告配信を行うことが可能となり、広告効果の向上を図ることができる。別側面から見れば、情報の配信先とすべきユーザ端末２０２を特定することができるので、ユーザ端末２０２を特定せずに一律に情報を配信するよりも、通信網に送出されるデータ量を削減することにつながる。

また、情報処理装置１００によれば、特定したクラスタＣの閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末２０２への広告の配信依頼を、ＤＳＰサーバ２０３に送信することができる。これにより、クラスタＣに属する会員ユーザと趣味嗜好が類似するユーザに対する広告の配信依頼を自動で行うことができる。

また、情報処理装置１００によれば、クラスタＣに属する各会員ユーザのウェブページの閲覧履歴情報のうち、当該各会員ユーザの購入履歴情報に含まれる最新の購入日時よりも閲覧日時が前のウェブページの閲覧履歴情報を取得することができる。最新の購入日時は、例えば、クラスタＣに応じて設定される対象商品を購入した最新の購入日時である。具体的には、例えば、情報処理装置１００は、対象商品を購入した最新の購入日時よりも前の所定期間（例えば、直近数週間程度の期間）に閲覧日時が含まれるウェブページの閲覧履歴情報を取得することにしてもよい。そして、情報処理装置１００によれば、取得した閲覧履歴情報に基づいて、クラスタＣに属する会員ユーザのウェブページの閲覧傾向を特定することができる。

これにより、各会員ユーザが対象商品を購入した最新の購入日時よりも前の直近数週間程度の期間に閲覧していたウェブページの閲覧履歴情報をもとに、クラスタＣの閲覧傾向を特定することができる。この結果、例えば、対象商品を購入する直前の会員ユーザと同じような心理状態にある他のユーザを特定して対象商品の広告配信を行うことが可能となり、広告効果の最大化を図ることができる。

また、情報処理装置１００によれば、クラスタＣに属する会員ユーザのうち、クラスタＣに対する適合度が相対的に高い会員ユーザの閲覧履歴情報に基づいて、クラスタＣの閲覧傾向を特定することができる。これにより、クラスタＣの特徴により即したウェブページの閲覧傾向を特定することができ、ひいては、広告配信のターゲットを適切に絞り込むことができる。

また、情報処理装置１００によれば、クラスタＣに属する会員ユーザの閲覧履歴情報に含まれるＵＲＬから抽出されるキーワードに基づいて、クラスタＣの閲覧傾向を特定することができる。これにより、クラスタＣに属する会員ユーザが閲覧したウェブページのＵＲＬに頻繁に出現するキーワード（例えば、ディレクトリ名やファイル名）を、クラスタＣの閲覧傾向として特定することができる。

また、情報処理装置１００によれば、クラスタＣに属する会員ユーザの閲覧履歴情報に含まれるＵＲＬが示すウェブページのメタデータから得られるキーワードに基づいて、クラスタＣの閲覧傾向を特定することができる。これにより、クラスタＣに属する会員ユーザが閲覧したウェブページのメタデータ（メタタグ）に頻繁に出現するキーワードを、クラスタＣの閲覧傾向として特定することができる。

また、情報処理装置１００によれば、クラスタＣの閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末２０２のうち、クラスタＣの閲覧傾向に対する適合度が相対的に高いユーザ端末２０２の識別情報を出力することができる。これにより、クラスタＣに属する会員ユーザのウェブページの閲覧傾向により即した、換言すれば、クラスタＣの特徴により即した他のユーザのユーザ端末２０２を特定することができる。

また、情報処理装置１００によれば、クラスタＣの閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末２０２の識別情報と対応付けて、クラスタＣの閲覧傾向に対するユーザ端末２０２の適合度を示す情報を出力することができる。これにより、クラスタＣの特徴により即した他のユーザのユーザ端末２０２を特定することができ、対象商品の広告の配信先を選別しやすくさせることができる。

なお、本実施の形態で説明した情報処理方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本情報処理プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本情報処理プログラムは、インターネット等のネットワークを介して配布してもよい。

１００ 情報処理装置
１１０，５００−１〜５００−３ 購入履歴情報
１２０，６００−１〜６００−３ 閲覧履歴情報
１３０ ユーザ端末の閲覧履歴情報
１４０，１１００ 配信先情報
２００ 情報配信システム
２０１ 広告依頼側装置
２０２ ユーザ端末
２０３ ＤＳＰサーバ
２０４ ＳＳＰサーバ
２２０ 購入履歴ＤＢ
２３０ 閲覧履歴ＤＢ
７０１ 取得部
７０２ 分類部
７０３ 特定部
７０４ 検出部
７０５ 出力部
８００ クラスタ情報
９００ キーワードリスト
１０００ 適合度リスト

Claims (16)

1. 複数の会員ユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数の会員ユーザを商品の購入傾向に応じたクラスタに分類し、
   分類した第１のクラスタに属する各会員ユーザの商品カテゴリ別の購入量を要素とする特徴ベクトルの平均ベクトルを前記第１のクラスタの重心として、前記各会員ユーザの特徴ベクトルと、前記第１のクラスタの重心との距離を、前記第１のクラスタに対する前記各会員ユーザの適合度として算出し、
   前記第１のクラスタに属する会員ユーザのうち、算出した前記適合度が相対的に高い会員ユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定し、
   特定した前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末の識別情報を出力する、
   制御部を有することを特徴とする情報処理装置。
2. 前記制御部は、
   特定した前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末への情報の配信依頼を送信する、ことを特徴とする請求項１に記載の情報処理装置。
3. 前記制御部は、
   前記商品の購入履歴情報に含まれる最新の購入日時よりも前のウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定する、ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記最新の購入日時は、前記第１のクラスタに応じて設定される対象商品を購入した最新の購入日時であり、
   前記制御部は、
   前記対象商品を購入した最新の購入日時よりも前の所定期間内のウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定する、ことを特徴とする請求項３に記載の情報処理装置。
5. 前記制御部は、
   前記閲覧履歴情報に含まれるＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）から抽出されるキーワードに基づいて、前記閲覧傾向を特定する、ことを特徴とする請求項１〜４のいずれか一つに記載の情報処理装置。
6. 前記制御部は、
   前記閲覧履歴情報に含まれるＵＲＬが示すウェブページのメタデータから得られるキーワードに基づいて、前記閲覧傾向を特定する、ことを特徴とする請求項１〜５のいずれか一つに記載の情報処理装置。
7. 前記制御部は、
   前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末のうち、前記閲覧傾向に対する適合度が相対的に高いユーザ端末の識別情報を出力する、ことを特徴とする請求項１〜６のいずれか一つに記載の情報処理装置。
8. 前記制御部は、
   前記ユーザ端末の識別情報と対応付けて、前記閲覧傾向に対する前記ユーザ端末の適合度を示す情報を出力する、ことを特徴とする請求項１〜７のいずれか一つに記載の情報処理装置。
9. 複数のユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数のユーザを商品の購入傾向に応じたクラスタに分類し、
   分類した第１のクラスタに属するユーザの端末装置に保存されたクッキー情報に基づいて、前記第１のクラスタに属するユーザのウェブページの閲覧履歴情報を取得し、
   前記第１のクラスタに属する各ユーザの商品カテゴリ別の購入量を要素とする特徴ベクトルの平均ベクトルを前記第１のクラスタの重心として、前記各ユーザの特徴ベクトルと、前記第１のクラスタの重心との距離を、前記第１のクラスタに対する前記各ユーザの適合度として算出し、
   取得した前記閲覧履歴情報のうち、前記第１のクラスタに属するユーザの中で、算出した前記適合度が相対的に高いユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属するユーザのウェブページの閲覧傾向を特定し、
   特定した前記閲覧傾向を出力する、
   制御部を有することを特徴とする情報処理装置。
10. 複数の会員ユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数の会員ユーザを商品の購入傾向に応じたクラスタに分類し、
    分類した第１のクラスタに属する会員ユーザの各々と対応付けられたウェブページの閲覧履歴情報に含まれるＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）から抽出されるキーワード、または、前記閲覧履歴情報に含まれるＵＲＬが示すウェブページのメタデータから得られるキーワードに基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向をあらわすキーワードを特定し、
    前記閲覧傾向として特定されたキーワードに対応するウェブページの閲覧履歴が検出されたユーザ端末ごとに、当該ユーザ端末におけるウェブページの閲覧履歴情報に基づいて、前記閲覧傾向として特定されたキーワードに対応するウェブページの閲覧履歴の数を、前記閲覧傾向に対する適合度として算出し、
    前記閲覧傾向として特定されたキーワードに対応するウェブページの閲覧履歴が検出されたユーザ端末のうち、算出した前記閲覧傾向に対する適合度が相対的に高いユーザ端末の識別情報を出力する、
    制御部を有することを特徴とする情報処理装置。
11. 複数の会員ユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数の会員ユーザを商品の購入傾向に応じたクラスタに分類し、
    分類した第１のクラスタに属する会員ユーザの商品の購入履歴情報を参照して、前記第１のクラスタを特徴付ける語句を設定し、
    前記第１のクラスタに属する会員ユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定し、
    設定した前記第１のクラスタを特徴付ける語句と対応付けて、特定した前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末の識別情報を出力する、
    制御部を有することを特徴とする情報処理装置。
12. 複数の会員ユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数の会員ユーザを商品の購入傾向に応じたクラスタに分類する分類部と、
    前記分類部によって分類された第１のクラスタに属する各会員ユーザの商品カテゴリ別の購入量を要素とする特徴ベクトルの平均ベクトルを前記第１のクラスタの重心として、前記各会員ユーザの特徴ベクトルと、前記第１のクラスタの重心との距離を、前記第１のクラスタに対する前記各会員ユーザの適合度として算出し、
    前記第１のクラスタに属する会員ユーザのうち、算出した前記適合度が相対的に高い会員ユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定する特定部と、
    前記特定部によって特定された前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末の識別情報を出力する出力部と、
    ウェブページの所定の領域に埋め込む所定の情報を、前記出力部によって出力された前記識別情報のユーザ端末に対して配信する配信部と、
    を有することを特徴とする情報配信システム。
13. コンピュータが、
    複数の会員ユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数の会員ユーザを商品の購入傾向に応じたクラスタに分類し、
    分類した第１のクラスタに属する各会員ユーザの商品カテゴリ別の購入量を要素とする特徴ベクトルの平均ベクトルを前記第１のクラスタの重心として、前記各会員ユーザの特徴ベクトルと、前記第１のクラスタの重心との距離を、前記第１のクラスタに対する前記各会員ユーザの適合度として算出し、
    前記第１のクラスタに属する会員ユーザのうち、算出した前記適合度が相対的に高い会員ユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定し、
    特定した前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末の識別情報を出力する、
    処理を実行することを特徴とする情報処理方法。
14. コンピュータが、
    複数のユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数のユーザを商品の購入傾向に応じたクラスタに分類し、
    分類した第１のクラスタに属するユーザの端末装置に保存されたクッキー情報に基づいて、前記第１のクラスタに属するユーザのウェブページの閲覧履歴情報を取得し、
    前記第１のクラスタに属する各ユーザの商品カテゴリ別の購入量を要素とする特徴ベクトルの平均ベクトルを前記第１のクラスタの重心として、前記各ユーザの特徴ベクトルと、前記第１のクラスタの重心との距離を、前記第１のクラスタに対する前記各ユーザの適合度として算出し、
    取得した前記閲覧履歴情報のうち、前記第１のクラスタに属するユーザの中で、算出した前記適合度が相対的に高いユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属するユーザのウェブページの閲覧傾向を特定し、
    特定した前記閲覧傾向を出力する、
    処理を実行することを特徴とする情報処理方法。
15. コンピュータに、
    複数の会員ユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数の会員ユーザを商品の購入傾向に応じたクラスタに分類し、
    分類した第１のクラスタに属する各会員ユーザの商品カテゴリ別の購入量を要素とする特徴ベクトルの平均ベクトルを前記第１のクラスタの重心として、前記各会員ユーザの特徴ベクトルと、前記第１のクラスタの重心との距離を、前記第１のクラスタに対する前記各会員ユーザの適合度として算出し、
    前記第１のクラスタに属する会員ユーザのうち、算出した前記適合度が相対的に高い会員ユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属する会員ユーザのウェブページの閲覧傾向を特定し、
    特定した前記閲覧傾向に対応するウェブページの閲覧履歴が検出されたユーザ端末の識別情報を出力する、
    処理を実行させることを特徴とする情報処理プログラム。
16. コンピュータに、
    複数のユーザの各々と対応付けられた商品の購入履歴情報に基づいて、前記複数のユーザを商品の購入傾向に応じたクラスタに分類し、
    分類した第１のクラスタに属するユーザの端末装置に保存されたクッキー情報に基づいて、前記第１のクラスタに属するユーザのウェブページの閲覧履歴情報を取得し、
    前記第１のクラスタに属する各ユーザの商品カテゴリ別の購入量を要素とする特徴ベクトルの平均ベクトルを前記第１のクラスタの重心として、前記各ユーザの特徴ベクトルと、前記第１のクラスタの重心との距離を、前記第１のクラスタに対する前記各ユーザの適合度として算出し、
    取得した前記閲覧履歴情報のうち、前記第１のクラスタに属するユーザの中で、算出した前記適合度が相対的に高いユーザの各々と対応付けられたウェブページの閲覧履歴情報に基づいて、前記第１のクラスタに属するユーザのウェブページの閲覧傾向を特定し、
    特定した前記閲覧傾向を出力する、
    処理を実行させることを特徴とする情報処理プログラム。

Images