JP6751803B1 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】ユーザ群の中からイノベータとなるユーザを高精度に特定すること。【解決手段】本願にかかる情報処理装置は、クエリ取得部と、特定部とを有する。クエリ取得部は、検索クエリを取得する。特定部は、検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、時間経過に対応する第１の期間よりも後の時点に検索数の最大値を示す時点を有する遷移情報と、時間経過に対応する第２の期間とに基づいて、検索クエリを用いて検索を行った検索者の中から、検索クエリに対応するイノベータを特定する。【選択図】図７

Description

本発明の実施形態は、情報処理装置、情報処理方法および情報処理プログラムに関する。

従来、イノベータ理論に基づくマーケティング手法が知られている。例えば、イノベータ理論を活用してユーザを分類することで広告等の配信先を推定する技術が知られている。

ところで、イノベータ理論に基づくユーザ分類には、多様なキーワードに対するユーザの感度特性が十分に反映されておらず分類精度に課題があることから、ユーザの感性特性を精度よく推定する技術が開示されている（特許文献１）。

特開２０１７−２７３５９号公報

しかしながら、上記の従来技術では、ユーザ群の中からイノベータとなるユーザを高精度に特定することができるとは限らない。例えば、上記の従来技術では、時間経過の最も前半に特定のキーワードで検索したユーザをイノベータと単純に定めたうえで、この時間経過に応じた検索推移情報と、検索履歴とに基づいて、特定のキーワードに対するユーザの感度特性を判定しているが、時間経過の最も前半に特定のキーワードで検索したユーザがイノベータとは限らない状況が存在する。

例えば、イノベータは検索したユーザの総数のうち数パーセントしか占めないと考えられているが、時間経過の最も前半にユーザ数がユーザ総数の過半数以上を占めるといった状況も起こり得る。そうすると、この前半に検索したユーザはイノベータといえない場合がある。上記の従来技術では、このような状況も考慮されてしまっているため、ユーザ群の中からイノベータとなるユーザを高精度に特定することができるとは限らない。

本願は、上記に鑑みてなされたものであって、ユーザ群の中からイノベータとなるユーザを高精度に特定することのできる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

本願にかかる情報処理装置は、検索クエリを取得するクエリ取得部と、前記検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記検索クエリを用いて検索を行った検索者の中から、前記検索クエリに対応するイノベータを特定する特定部とを有することを特徴とする。

実施形態の一態様によれば、ユーザ群の中からイノベータとなるユーザを高精度に特定することができるといった効果を奏する。

図１は、実施形態にかかる第１の情報処理の一例を示す図である。 図２は、トレンド判定処理を概念的に示す概念図である。 図３は、実施形態にかかるイノベータ特定処理を概念的に示す概念図である。 図４は、実施形態にかかる第２の情報処理の一例を示す図である。 図５は、テーブルＴＢ２の一例を示す図である。 図６は、実施形態にかかる情報処理システムの構成例を示す図である。 図７は、実施形態にかかる情報処理装置の構成例を示す図である。 図８は、実施形態にかかる条件情報記憶部の一例を示す図である。 図９は、実施形態にかかる名称判定処理の一例を示す図である。 図１０は、実施形態にかかる第１の情報処理の情報処理手順を示すフローチャートである。 図１１は、実施形態にかかる第２の情報処理の情報処理手順を示すフローチャートである。 図１２は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願にかかる情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ説明する。なお、この実施形態により本願にかかる情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、以下の実施形態において、同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．情報処理の概要〕
図１〜５を用いて、実施形態にかかる情報処理の一例について説明する。以下では、実施形態にかかる情報処理を第１の情報処理、および、第２の情報処理に分けて説明する。図１〜図３は、第１の情報処理を説明する図に対応する。図４および図５は、第２の情報処理を説明する図に対応する。図１〜５を用いて実施形態にかかる情報処理の一例を説明する前に、まずは、実施形態にかかる情報処理の概要を示すことにする。また、第１の情報処理は、検索者の中からイノベータを特定するための処理である。また、第２の情報処理は、第１の情報処理により特定されたイノベータに関するイノベータ情報を用いてマーケティング分析する処理である。

また、図１〜図５の説明に先立って、図６を用いて、実施形態にかかる情報処理システムについて説明する。図６は、実施形態にかかる情報処理システム１の構成例を示す図である。実施形態にかかる情報処理システム１は、図６に示すように、端末装置１０と、サービス提供装置６０と、情報処理装置１００とを含む。端末装置１０、サービス提供装置６０、情報処理装置１００は、ネットワークＮを介して有線または無線により通信可能に接続される。なお、図６に示す情報処理システム１には、複数台の端末装置１０や、複数台のサービス提供装置６０や、複数台の情報処理装置１００が含まれてよい。

端末装置１０は、ユーザによって利用される端末装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等である。端末装置１０は、例えば、ユーザにより入力された検索クエリに対応する検索結果を表示する。例えば、サービス提供装置６０が料理のレシピや献立を提供する情報処理装置であるとすると、端末装置１０は、ユーザに入力された料理に関する検索クエリをサービス提供装置６０に送信する。そして、端末装置１０は、サービス提供装置６０から受信した検索結果（例えば、検索クエリに対応するレシピ一覧）を表示する。また、このようなことから本実施形態において、「ユーザ」との表記は、適宜、「検索者」と言い換えることができるものとする。すなわち、本実施形態では、「ユーザ」と「検索者」は同義であるものとする。また、「検索者」は、インターネット上で検索しか行わないようなユーザに限定されるわけではなく、インターネット上で検索以外の各種行動も行う場合がある。

サービス提供装置６０は、各種サービス（例えば、レシピ・献立、ショッピング、オークション、情報検索、宿泊予約、記事等）を提供する情報処理装置（サーバ装置）である。なお、サービス提供装置６０が提供するサービスは、ここに挙げたものに限定されない。また、第１の情報処理では、サービス提供装置６０は、例えば、コンテンツＣ１を介して料理のレシピや献立を提供する情報処理装置であるものとする。第２の情報処理では、コンテンツＣ１を介して料理のレシピや献立を提供するサービス提供装置６０以外にも、検索サービスを提供するサービス提供装置６０、ショッピングサービスを提供するサービス提供装置６０等、ユーザの行動情報を取得可能な各種サービス提供装置６０も対象となっている。

ここで、実施形態にかかる情報処理が行われるにあたっての前提について説明する。例えば、トレンドとなった対象（例えば、特定のメニュー、あるいは、特定のファッションブランド商品）に対して、いち早く検索していた検索者は、当時、将来的にトレンドとなり得る商品を上手く予測していた最先端に敏感なイノベータといえる。したがって、検索者の中からイノベータといえる検索者を精度よく特定することが出来れば、例えば、その検索者の最近の動向からこの先どのようなものがトレンドとなるかを精度よく予測することができるようになると考えられる。また、トレンドとなるかを精度よく予測することは、マーケティング活動にも大きく役立つと考えられる。

このような前提を踏まえて、実施形態にかかる情報処理装置１００は、実施形態にかかる情報処理として第１の情報処理、および、第２の情報処理を行う。具体的には、情報処理装置１００は、第１の情報処理として、検索クエリを取得し、取得した検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、時間経過に対応する第１の期間よりも後の時点に検索数の最大値を示す時点を有する遷移情報と、時間経過に対応する第２の期間とに基づいて、検索クエリを用いて検索を行った検索者の中から、検索クエリに対応するイノベータを特定する。ここで、時間経過に対応する第１の期間よりも後の時点に検索数の最大値を示す時点を有する、と定める最大値に関する条件情報は、後に図８を用いて説明するトレンド条件Ｎ２に対応する。

また、より具体的には、情報処理装置１００は、時間経過の開始時点から第１の時点までの期間である第１の期間に検索数の最大値を示す時点を有する遷移情報と、第２の期間とに基づいて、イノベータを特定する。例えば、情報処理装置１００は、この遷移情報に基づく所定の遷移情報と、当該所定の遷移情報に含まれる第２の期間とに基づいて、イノベータを特定する。一例として、情報処理装置１００は、所定の遷移情報として、検索数の累積値の時間経過に応じた変化を示す累積情報と、当該所定の遷移情報に含まれる第２の期間とに基づいて、イノベータを特定する。

また、イノベータの特定に用いられる検索クエリは、トレンドの対象になったと判定された検索クエリである。したがって、情報処理装置１００は、検索クエリ毎にトレンドの対象になったか否かを判定するトレンド判定処理も行う。なお、検索クエリがトレンドの対象になるとの表現は、その検索クエリが示す対象がトレンドとなったことを示す。情報処理装置１００は、検索数に関する情報が所定の条件情報（後に、図８で説明）を満たす検索クエリについて、トレンドの対象になったと判定する。

また、実施形態にかかる検索数は、検索者数を示すものとする。したがって、以下の説明で「検索数」と表記する場合、この「検索数」は「検索者数」を示すものとする。

また、本実施形態で対象とされる検索クエリは、所定の分野に関する特定の名称を示すクエリである。したがって、情報処理装置１００は、検索クエリが属するカテゴリに基づいて、検索クエリが所定の分野に関する特定の名称を示すクエリであるか否かを判定する名称判定処理も行う。なお、本実施形態では、情報処理装置１００は、検索クエリが属するカテゴリに基づいて、検索クエリがメニュー名（料理分野）であるか否かを判定する名称判定処理を行うものとする。

また、情報処理装置１００は、第２の情報処理として、検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報に基づき、検索クエリで検索を行った検索者の中から特定されたイノベータであって、検索クエリに対応するイノベータに関するイノベータ情報を取得する。すなわち、情報処理装置１００は、第１の情報処理で特定されたイノベータについて、当該イノベータに関する情報を取得する。そして、情報処理装置１００は、取得したイノベータ情報に基づいて、マーケティングに関する情報を分析する。例えば、情報処理装置１００は、イノベータ情報に基づいて、今後のトレンドを予測したり、マーケティング対象を決定したり、新たな分類を決定したりする。

〔２．第１の情報処理の一例〕
さて、ここからはまず、図１を用いて第１の情報処理の一例について説明する。図１は、実施形態にかかる第１の情報処理の一例を示す図である。図１では、実施形態にかかる第１の情報処理の一例を手順を追って説明する。また、情報処理装置１００が有する記憶部についても適宜説明する。

図１に示すサービス提供装置６０は、コンテンツＣ１を介して料理のレシピや献立を提供する情報処理装置（サーバ装置）である。例えば、検索者は、端末装置１０にコンテンツＣ１が表示されている状態で、コンテンツＣ１に対して、例えば、レシピ等に関する検索クエリを入力し、検索ボタンを押下する。そうすると、端末装置１０は、入力された検索クエリをサービス提供装置６０に送信する。このため、サービス提供装置６０は、各検索者から受け付けた検索クエリと検索日時とを対応付けた検索情報を検索履歴として検索者毎に記憶している。

したがって、情報処理装置１００は、サービス提供装置６０から送信された各検索者の検索情報を受信することで各検索者の検索クエリを取得し、取得した検索クエリを含む検索情報を検索履歴として、検索履歴記憶部１２１に格納する（ステップＳ１１）。例えば、情報処理装置１００は、定期的にサービス提供装置６０にアクセスすることで、所定量（所定期間分）の検索情報を取得ることができるが、どのように検索情報を取得するかは限定されない。

図１の例によると、検索履歴記憶部１２１は、「検索者ＩＤ」、「時刻情報」、「検索クエリ」といった項目を有する。「検索者ＩＤ」は、検索者（ユーザ）または検索者の端末装置１０を識別する識別情報を示す。「時刻情報」は、「検索クエリ」を用いて検索が行われた日時を示す。「検索クエリ」は、「時刻情報」が示す日時での検索に用いられた検索クエリであって、例えば、料理に関する検索クエリである。このような検索クエリには、一般料理名（煮つけ、パスタ料理等）を示す検索クエリ、材料名（たまねぎ、にんじん等）を示す検索クエリ、メニュー名（ゴルゴンゾーラニョッキ等）を示す検索クエリ、店舗名を示す検索クエリ、その他料理とは無関係な検索クエリといったあらゆる検索クエリが含まれる。

すなわち、図１に示す検索履歴記憶部１２１の例では、検索者ＩＤ「Ｕ１」によって識別される検索者（検索者Ｕ１）が「２０１４年４月３日１５時５８分」において、検索クエリ「ＱＥ１１」を用いて検索を行った例を示す。

次に、情報処理装置１００は、ステップＳ１１で取得した検索クエリが属するカテゴリに基づいて、検索クエリが料理のメニュー名であるか否かを判定する名称判定処理を行う（ステップＳ１２）。名称判定処理の詳細については、後ほど図９で説明するため図１では詳細な説明を省略する。例えば、情報処理装置１００は、メニュー名であると判定された検索クエリ（以下、「名称クエリ」と表記する場合がある）を所定の記憶部に格納する、あるいは、検索履歴記憶部１２１に記憶される検索クエリのうち名称クエリに対してタグ付けを行うことができる。このような状態において、情報処理装置１００は、名称クエリを抽出する（ステップＳ１３）。以下では、情報処理装置１００は、この抽出した名称クエリを用いて処理を行う。図１の例では、情報処理装置１００は、ステップＳ１２において検索クエリのうち、検索クエリＮＱ１、ＮＱ２、ＮＱ３、ＮＱ４についてメニュー名であると判定したことにより、検索クエリＮＱ１、ＮＱ２、ＮＱ３、ＮＱ４を抽出したとする。以下、このような検索クエリを名称クエリＮＱ１、名称クエリＮＱ２、名称クエリＮＱ３、名称クエリＮＱと表記する。

次に、情報処理装置１００は、名称クエリ毎に当該名称クエリでの検索数を集計し、集計結果を集計結果記憶部１２２に格納する（ステップＳ１４）。例えば、情報処理装置１００は、検索履歴記憶部１２１に記憶される検索履歴に基づいて、検索数を集計する。本実施形態では、現在から遡って数年間を集計期間と定めている。図１の例では、「２０１４年４月」〜「２０１８年１０月」の約５年間が集計期間と定められている。かかる集計期間を集計期間Ｔとする。そうすると、情報処理装置１００は、例えば、集計期間Ｔに含まれる日毎に検索数を集計することで集計期間Ｔでの各月の平均検索数を算出し、また、集計期間Ｔ全体での総検索数を算出するという集計を名称クエリ毎に行う。

ここで、集計結果記憶部１２２について説明する。集計結果記憶部１２２は、上記のようにして名称クエリ毎に検索数が集計された集計結果を記憶する。集計結果記憶部１２２は、「名称クエリ」、「集計期間内総検索数」、「月毎の平均検索数」といった項目を有する。また、「月毎の平均検索数」には、「２０１４年４月」、「２０１４年５月」・・・「２０１８年１０月」といったように集計期間Ｔ内の各月を示す項目が含まれる。

「名称クエリ」は、ステップＳ１２の名称判定処理でメニュー名であると判定された検索クエリである名称クエリを示す。「集計期間内総検索数」は、集計期間Ｔにおいて対応する「名称クエリ」で検索された検索数の総数を示す。「月毎の平均検索数」に含まれる各項目（例えば、「２０１４年４月」等）は、その項目が示す月での平均検索数であって、その月の日毎の検索数から求められた平均検索数を示す。また、「月毎の平均検索数」は、検索数の時間経過に応じた変化を示す遷移情報の一例といえる。具体的には、「月毎の平均検索数」は、平均検索数の時間経過に応じた変化を示す遷移情報といえる。したがって、「遷移グラフ」は、この遷移情報に基づき生成されたがグラフを示す。かかるグラフについては後ほど図２を用いて説明する。なお、遷移情報は、例えば、日毎の検索数の時間経過に応じた変化を示すものであってもよい。すなわち、遷移情報にいてどのような検索数が用いられるかは限定されない。

すなわち、図１に示す集計結果記憶部１２２の例では、集計期間Ｔにおいて名称クエリ「ＮＱ１」で検索された検索数の総数である集計期間内総検索数が「ＴＮ１」である例を示す。また、図１に示す集計結果記憶部１２２の例では、「２０１４年４月」において名称クエリ「ＮＱ１」で検索された検索数の平均である平均検索数が「ＡｖＮ４４−１」である例を示す。図１に示す集計結果記憶部１２２の例では、名称クエリ「ＮＱ１」に対応する遷移情報に基づき遷移グラフＧＦ１が生成された例を示す。なお、図１の例では、検索数に概念的な記号を用いているが実際には数値が入力される。

次に、情報処理装置１００は、名称クエリ毎にトレンド対象になったか否かを判定するトレンド判定処理を行う（ステップＳ１５）。例えば、情報処理装置１００は、名称クエリのうち、当該名称クエリでの検索数に関する所定の情報が、所定の条件情報を満たす名称クエリについて、トレンドの対象になった名称クエリであると判定する。例えば、情報処理装置１００は、、名称クエリのうち検索数が所定値より大きい名称クエリ（トレンド条件Ｎ１）について、トレンドの対象になった名称クエリであると判定する。

また、情報処理装置１００は、名称クエリのうち、当該名称クエリでの検索数の時間経過に応じた変化が、遷移情報が示す変化であって検索数の時間経過に応じた変化となる検索クエリについて、トレンドの対象になった検索クエリであると判定する。具体的には、情報処理装置１００は、時間経過の開始時点から第１の時点までの期間である第１の期間に検索数の最大値を示す時点を有する遷移情報を示す名称クエリ（トレンド条件Ｎ２）について、トレンドの対象になった名称クエリであると判定する。ここでいう時間経過とは、図１の例では、集計期間Ｔに対応する時間経過である。

また、情報処理装置１００は、名称クエリのうち、当該名称クエリでの検索数であって所定期間毎の検索数を比較した場合の検索数の変化の度合いを示す変化率に基づく値が所定値より高くなる名称クエリについて、トレンドの対象になった名称クエリであると判定する。例えば、情報処理装置１００は、１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値より高くなる名称クエリ（トレンド条件Ｎ３）について、トレンドの対象になった名称クエリであると判定する。

このようなトレンド判定処理について図８を用いて具体的に説明する。図８は、実施形態にかかる条件情報記憶部１２３の一例を示す図である。条件情報記憶部１２３は、上述した各トレンド条件を示す条件情報を記憶する。図８の例では、条件情報記憶部１２３は、「目的」、「要件」、「フィルタ条件」、「トレンド条件」、「条件番号」といった項目を有する。

「目的」は、対応する「フィルタ条件」および「トレンド条件」が何のために用いられる条件であるかを規定する。「要件」は、「目的」を果たすために最低限確保すべき情報を規定する。「フィルタ条件」は、どのような名称クエリを処理対象から除外するかが規定された条件情報を示す。具体的には、「フィルタ条件」は、どのような名称クエリをトレンドの対象になっていないと判定するかが規定された条件情報であるとともに、どのような名称クエリを後述するイノベータの特定処理から除外するかが規定された条件情報である。

「トレンド条件」は、要は「フィルタ条件」を別の観点から言い換えたものであり、「フィルタ条件」および「トレンド条件」は実質同じものである。したがって、以下の例では、この「トレンド条件」を用いて説明する。「トレンド条件」は、どのような名称クエリを処理対象とするかが規定された条件情報を示す。具体的には、「トレンド条件」は、どのような名称クエリをトレンドの対象になったと判定するかが規定された条件情報であるとともに、どのような名称クエリを後述するイノベータの特定処理に用いるかが規定された条件情報である。「条件番号」は、「フィルタ条件」および「トレンド条件」を識別するための番号である。例えば、条件番号「Ｎ１」に対応する「フィルタ条件」をフィルタ条件Ｎ１と表記することができる。また、例えば、条件番号「Ｎ１」に対応する「トレンド条件」をトレンド条件Ｎ１と表記することができる。このようなことからフィルタ条件Ｎ１はトレンド条件Ｎ１と言い換えることができる。

条件情報についてより具体的に説明する。まず、トレンド条件Ｎ１について説明する。トレンド条件Ｎ１には、「トレンド判定」および「イノベータ特定」が目的として対応付けられている。これは、トレンド条件Ｎ１は、トレンド判定処理およびイノベータ特定処理で用いることを目的に定められた条件情報であることを示す。また、トレンド条件Ｎ１には、要件「検索者数がある程度担保されていること」が対応付けられている。これは、イノベータを特定するためには「検索者数がある程度担保されていること」が必要であり、これを果たすための条件情報がトレンド条件Ｎ１であることを示す。

そして、トレンド条件Ｎ１は、「検索数が所定値（例えば、１，０００）以上」の名称クエリについて、トレンド対象になったと判定するよう条件付けている。この点、フィルタ条件Ｎ１では、「検索数が所定値（例えば、１，０００）未満」の名称クエリについて、トレンド対象になっていないと判定するよう（トレンド対象から除外するよう）条件付けていると言い換えることができる。検索数は所定期間での総検索数であり、図１の例では、この検索数は、例えば、集計期間Ｔでの総検索数を示す。

次に、トレンド条件Ｎ２について説明する。トレンド条件Ｎ２には、「トレンド判定」および「イノベータ特定」が目的として対応付けられている。これは、トレンド条件Ｎ２は、トレンド判定処理およびイノベータ特定処理で用いることを目的に定められた条件情報であることを示す。また、トレンド条件Ｎ２には、要件「第１の期間内に初期状態が含まれ、且つ、第１の期間よりも後の時点に検索数の最大値を有する時点が含まれること」が対応付けられている。これは、イノベータを特定するためには「第１の期間内に初期状態が含まれ、且つ、第１の期間よりも後の時点に検索数の最大値を有する時点が含まれること」が必要であり、これを果たすための条件情報がトレンド条件Ｎ２であることを示す。

そして、トレンド条件Ｎ２は、「集計期間のうちの初期期間である第１の期間（例えば、２０１４年４月〜２０１４年１２月）よりも後の時点（月）において、検索数の最大値を示す時点（月）がある」ような名称クエリについて、トレンド対象になったと判定するよう条件付けている。この点、フィルタ条件Ｎ２では、「集計期間のうちの初期期間である第１の期間（例えば、２０１４年４月〜２０１４年１２月）のどこかの時点（月）において、検索数の最大値を示す時点（月）がある」ような名称クエリについて、トレンド対象になっていないと判定するよう（トレンド対象から除外するよう）条件付けていると言い換えることができる。トレンド条件Ｎ２を用いたトレンド判定処理については、この後図２を用いて説明する。

なお、トレンド条件Ｎ２は、主にイノベータを特定するための条件情報であるが、情報処理装置１００は、トレンド判定処理の段階でこのトレンド条件Ｎ２を用いて名称クエリを絞り込んでおく。この結果、情報処理装置１００は、トレンド対象になった検索クエリに対応するイノベータを高精度に特定できるようになる。

また、イノベータとは、トレンドやニーズを先取りする人のことであるため、総検索者数に対して数パーセントしか占めない場合が多い。しかし、例えば、集計が開始されてから間もない期間（第１の期間）に検索数の最大値が現れた場合、総検索者の大半が直ぐに反応していることを示し、このような検索者はもはやイノベータとは言えない。したがって、トレンド条件Ｎ２は、このような状況を除外するための条件情報であり、情報処理装置１００は、トレンド条件Ｎ２を用いることで、結果的に高精度にイノベータを特定することができるようになる。

次に、トレンド条件Ｎ３について説明する。トレンド条件Ｎ３には、「トレンド判定」が目的として対応付けられている。これは、トレンド条件Ｎ３は、トレンド判定処理で用いることを目的に定められた条件情報であることを示す。また、トレンド条件Ｎ３には、要件「集計期間中において、名称クエリの検索数に上昇傾向がみられること」および「ある程度スパイクが発生していること」が対応付けられている。これは、トレンド対象になったと判定するためには「集計期間中において、名称クエリの検索数に上昇傾向がみられること」および「ある程度の数スパイクが発生していること」が必要であり、これを果たすための条件情報がトレンド条件Ｎ３であることを示す。なお、ここでいうスパイクとは、検索数の時間経過に応じた変化を示す遷移情報をグラフ化した場合の遷移グラフに含まれるスパイクである。

そして、トレンド条件Ｎ３は、「１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値（例えば「１」）以上である」ような名称クエリについて、トレンド対象になったと判定するよう条件付けている。この点、フィルタ条件Ｎ３では、「１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値（例えば「１」）未満である」ような名称クエリについて、トレンド対象になっていないと判定するよう（トレンド対象から除外するよう）条件付けていると言い換えることができる。トレンド条件Ｎ３を用いたトレンド判定処理については、この後図２の例で説明する。

さて、図８を用いてトレンド条件について説明してきた。情報処理装置１００は、ステップＳ１５では、名称クエリ毎に当該名称クエリがトレンド条件Ｎ１〜Ｎ３を全て満たすか否かを判定し、トレンド条件Ｎ１〜Ｎ３を全て満たす名称クエリについて、トレンド対象になったと判定する。

ここで、図２にトレンド判定処理の一例を示す。図２は、トレンド判定処理を概念的に示す概念図である。図１の例では、情報処理装置１００は、名称クエリＮＱ１に対応する遷移情報に基づき遷移グラフＧＦ１を生成する。例えば、情報処理装置１００は、集計期間Ｔに含まれる月毎の平均検索数の推移を示す遷移情報、すなわち平均検索数の時間経過に応じた変化を示す遷移情報に基づいて、横軸「月」、縦軸「集計期間総検索数ＴＮ１に対する、各月の平均検索数の割合」とする遷移グラフＧＦ１を生成する。また、情報処理装置１００は、名称クエリＮＱ２に対応する遷移情報に基づき遷移グラフＧＦ２を生成する。例えば、情報処理装置１００は、集計期間Ｔに含まれる月毎の平均検索数の推移を示す遷移情報、すなわち平均検索数の時間経過に応じた変化を示す遷移情報に基づいて、横軸「月」、縦軸「集計期間総検索数ＴＮ１に対する、各月の平均検索数の割合」とする遷移グラフＧＦ２を生成する。同様にして、情報処理装置１００は、名称クエリＮＱ３に対応する遷移情報に基づき遷移グラフＧＦ３を生成する。また、情報処理装置１００は、名称クエリＮＱ４に対応する遷移情報に基づき遷移グラフＧＦ４を生成する。

図２（ａ）では上記のように生成された遷移グラフＧＦ１〜ＧＦ４がそれぞれ示されている。かかる例では、時間経過の開始時点は、集計期間Ｔにおいて集計が開始された月「２０１４年４月」である。また、第１の時点は「２０１４年１２月」である。すなわち、図２（ａ）の例では、「２０１４年４月」〜「２０１４年１２月」の期間が第１の期間（初期期間）に相当する。なお、情報処理装置１００が第１の時点としてどのような時点を定めるかは限定されないが、開始時点から数えて１年以内の月が第１の時点として設定されることが望ましい。このような状態において、情報処理装置１００は、トレンド条件Ｎ１〜Ｎ３を満たす遷移グラフに対応する名称クエリについて、トレンド対象となった名称クエリと判定する。言い換えれば、情報処理装置１００は、フィルタ条件Ｎ１〜Ｎ３を満たす遷移グラフをフィルタリングすることにより、残った遷移グラフに対応する名称クエリについて、トレンド対象となった名称クエリと判定する。

ここで、トレンド条件Ｎ２は、「集計期間のうちの初期期間である第１の期間（例えば、２０１４年４月〜２０１４年１２月）よりも後の時点（月）において、検索数の最大値を示す時点（月）がある」ような名称クエリについて、トレンド対象になったと判定するよう条件付けている。そして、図２（ａ）の例では、遷移グラフＧＦ１は、集計期間総検索数ＴＮ１に対する、平均検索数の割合が「２０１４年６月」において最大値となったことを示している。つまり、図２（ａ）の例では、遷移グラフＧＦ１は、第１の期間に含まれる「２０１４年６月」において、検索数の最大値を示している。かかる例は、トレンド条件Ｎ２を逆に言い換えたフィルタ条件Ｎ２を満たすため、情報処理装置１００は、遷移グラフＧＦ１に対応する名称クエリＮＱ１はトレンド条件Ｎ２を満たさないため、トレンド対象になっていないと判定し除外する。

また、図２（ａ）の例では、遷移グラフＧＦ２は、集計期間総検索数ＴＮ１に対する、平均検索数の割合が「２０１４年８月」において最大値となったことを示している。つまり、図２（ａ）の例では、遷移グラフＧＦ２は、第１の期間に含まれる「２０１４年８月」において、検索数の最大値を示している。かかる例は、トレンド条件Ｎ２を逆に言い換えたフィルタ条件Ｎ２を満たすため、情報処理装置１００は、遷移グラフＧＦ２に対応する名称クエリＮＱ２はトレンド条件Ｎ２を満たさないため、トレンド対象になっていないと判定し除外する。

一方、図２（ａ）の例では、遷移グラフＧＦ３は、集計期間総検索数ＴＮ１に対する、平均検索数の割合が「２０１６年１０月」において最大値となったことを示している。つまり、図２（ａ）の例では、遷移グラフＧＦ３は、第１の期間よりも後の月である「２０１６年１０月」において、検索数の最大値を示している。かかる例は、トレンド条件Ｎ２を満たすため、情報処理装置１００は、この時点では遷移グラフＧＦ３に対応する名称クエリＮＱ３はトレンド対象の候補である判定する。

また、図２（ａ）の例では、遷移グラフＧＦ４は、集計期間総検索数ＴＮ１に対する、平均検索数の割合が「２０１７年１０月」において最大値となったことを示している。つまり、図２（ａ）の例では、遷移グラフＧＦ４は、第１の期間よりも後の月である「２０１７年１０月」において、検索数の最大値を示している。かかる例は、トレンド条件Ｎ２を満たすため、情報処理装置１００は、この時点では遷移グラフＧＦ４に対応する名称クエリＮＱ３はトレンド対象の候補である判定する。

ちなみに、図２の例では、名称クエリＮＱ３およびＮＱ４はトレンド条件Ｎ１を満たしているものとする。

次に、情報処理装置１００は、名称クエリＮＱ３およびＮＱ４について、トレンド条件Ｎ３を満たすか否かを判定する。トレンド条件Ｎ３は、「１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値（例えば「１」以上である」ような名称クエリについて、トレンド対象になったと判定するよう条件付けている。図２の例では、情報処理装置１００は、集計期間Ｔに対応する１年毎の総検索数を、２０１４年から２０１８年までの４年間において１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率算出する。そして、情報処理装置１００は、平均変化率が所定値（例えば「１」）以上であるような名称クエリについて、トレンド対象になったと判定する。

図２の例では、情報処理装置１００は、以下の式（１）により平均変化率を算出する。例えば、情報処理装置１００は、以下の式（１）により任意の名称クエリ「ｉ」の平均変化率ＡＶ_ｉを算出する。

ＡＶ_ｉ＝｛（２０１４年の総検索数／２０１５年の総検索数）＋（２０１５年の総検索数／２０１６年の総検索数）＋（２０１６年の総検索数／２０１７年の総検索数）＋（２０１７年の総検索数／２０１８年の総検索数）｝／４

上記式（１）において「４」は、２０１４年から２０１８年までの４年間の平均であることを示す。

そして、情報処理装置１００は、名称クエリ「ｉ」の遷移情報に基づき算出された平均変化率ＡＶ_ｉが「ＡＶ_ｉ≧１」を満たす場合には、名称クエリ「ｉ」はトレンド対象になったと判定する。

したがって、情報処理装置１００は、式（１）を用いて名称クエリＮＱ３の遷移情報から算出した平均変化率ＡＶ_ＮＱ3が「ＡＶ_ＮＱ3≧１」を満たす場合には、名称クエリＮＱ３はトレンド対象になったと判定する。図２の例では、情報処理装置１００は、名称クエリＮＱ３はトレンド対象になったと判定したものとする。

また、情報処理装置１００は、式（１）を用いて名称クエリＮＱ４の遷移情報から算出した平均変化率ＡＶ_ＮＱ４が「ＡＶ_ＮＱ４≧１」を満たす場合には、名称クエリＮＱ４はトレンド対象になったと判定する。図２の例では、情報処理装置１００は、名称クエリＮＱ４はトレンド対象になったと判定したものとする。また、このようなことから、図２（ｂ）の例では、トレンド対象になったと判定された名称クエリＮＱ３に対応する遷移グラフＧＦ３、および、トレンド対象になったと判定された名称クエリＮＱ４に対応する遷移グラフＧＦ４が残り、遷移グラフＧＦ１およびＧＦ２は除外されている。

図１の説明に戻る。情報処理装置１００は、トレンド対象になったと判定された名称クエリの遷移情報に基づいて、検索者の中から当該名称クエリに対応するイノベータを特定する特定処理を行う（ステップＳ１６）。例えば、情報処理装置１００は、名称クエリの遷移情報に基づく所定の遷移情報と、当該所定の遷移情報に含まれる第２の期間とに基づいて、イノベータを特定する。例えば、情報処理装置２００は、所定の遷移情報として、検索数の累積値の時間経過に応じた変化を示す累積情報と、当該所定の遷移情報に含まれる第２の期間とに基づいて、イノベータを特定する。例えば、情報処理装置１００は、所定の遷移情報と、時間経過の開始時点から第２の時点までの期間である第２の期間とに基づいて、イノベータを特定する。一例としては、情報処理装置１００は、第２の時点として、検索数の累積値に基づく値が所定値となった時点である第２の時点までの期間である第２の期間に検索クエリを用いて検索を行った検索者をイノベータとして特定する。

例えば、情報処理装置１００は、トレンド対象になったと判定された名称クエリの遷移情報に基づいて、検索数の累積値の時間経過に応じた変化を示す累積グラフを生成し、累積グラフにおいて、時間経過の開始時点を起点に、累積値に基づく値が所定値となった時点（第２の時点）を特定する。そして、情報処理装置１００は、開始時点から第２の時点までの期間である第２の期間内に検索を行った検索者をイノベータとして特定する。この点について、図３を用いて説明する。図３は、実施形態にかかるイノベータ特定処理を概念的に示す概念図である。

図３では、トレンド対象になったと判定された名称クエリＮＱ３を例に説明するが、名称クエリＮＱ４についても同様にしてイノベータが特定される。情報処理装置１００は、名称クエリＮＱ３の遷移情報に基づいて、各月の平均検索数を月経過に応じて累積してゆくことに応じた累積値に基づく累積グラフＧＦ３１（遷移情報に基づく所定の遷移情報の一例）を生成する。図３に示すように、情報処理装置１００は、例えば、集計期間総検索数ＴＮ１に対する、各月までの平均検索数の累積値の割合である累積割合を算出し、横軸「月」、縦軸「累積割合」とする累積グラフＧＦ３１を生成する。

このような状態において、情報処理装置１００は、ステップＳ１６では、累積割合が所定割合（例えば１６％）となった時点である第２の時点として「２０１７年１０月」を決定する。そして、情報処理装置１００は、時間経過の開始時点「２０１４年４月」から、「２０１７年１０月」までの期間である第２の期間に検索を行った検索者を名称クエリＮＱ３に対応するイノベータとして特定する。なお、図３の例では、情報処理装置１００は、累積割合１６％（累積値に基づく値の一例）となった時点を第２の時点と決定しているが、時間経過に応じた累積割合の遷移態様（累積グラフの形状）に基づいて、動的に累積値に基づく値を決定し、決定した値に対応する時点を第２の時点と決定することができる。また、情報処理装置１００は、イノベータと特定した検索者の検索者ＩＤと、イノベータに対応する名称クエリとを対応付けて所定の記憶部に格納してもよい。

さて、これまで説明してきたように、実施形態にかかる情報処理装置１００は、複数の条件情報を用いることで検索クエリがトレンド対象となった否かを判定し、トレンド対象となった検索クエリの遷移情報の形状を考慮して、この検索クエリに対応するイノベータを特定するといった第１の情報処理を行う。このように、情報処理装置１００は、トレンド対象となった検索クエリを精度よく絞り込んだうえで、この検索クエリの遷移情報の形状に基づきイノベータを特定するため、ユーザ群（検索者群）の中からイノベータとなるユーザ（検索者）を高精度に特定することができる。

〔３．第２の情報処理の一例〕
次に、図４を用いて第２の情報処理の一例について説明する。図４は、実施形態にかかる第２の情報処理の一例を示す図である。図４では、実施形態にかかる第２の情報処理の一例を手順を追って説明する。また、情報処理装置１００が有する記憶部についても適宜説明する。

まず、図４の例では、情報処理システム１には、例えば、コンテンツＣ１を介して料理のレシピや献立を提供するサービス提供装置６０以外にも、各種サービス（例えば、ショッピング、オークション、情報検索、宿泊予約、記事等）を提供する複数のサービス提供装置６０が含まれる。

また、これらサービス提供装置６０は、対応するサービスをユーザが利用したことに伴うユーザの行動を示す行動情報を含むユーザ情報を所定の記憶部に格納している。かかるユーザ情報には、ユーザの年齢・性別等の属性情報（デモグラフィック属性）も含まれる。また、ここでいうユーザは、サービス提供装置６０が提供するサービスを利用した全てのユーザでありこのユーザの中には第１の情報処理で特定されたイノベータ（検索者）も当然含まれる。また、第２の情報処理では、第１の情報処理で特定されたイノベータ以外のユーザを「非イノベータ」と表記する場合がある。よって、ユーザ情報のうちイノベータに関する情報（例えば、イノベータの行動情報や属性情報）についてはイノベータ情報と言い換えることができる。また、ユーザ情報のうち非イノベータに関する情報（例えば、非イノベータの行動情報や属性情報）については非イノベータ情報と言い換えることができる。

そして、情報処理装置１００は、サービス提供装置６０から送信されたユーザ情報を受信することでユーザ情報を取得し、取得したユーザ情報をユーザ情報記憶部１２４に格納する（ステップＳ２１）。例えば、情報処理装置１００は、定期的にサービス提供装置６０にアクセスすることで、所定量（所定期間分）のユーザ情報を取得ることができるが、どのようにユーザ情報を取得するかは限定されない。また、情報処理装置１００が、ユーザ情報を取得することは、イノベータ情報および非イノベータ情報を取得することに相当する。

図１の例によると、ユーザ情報記憶部１２４は、「ユーザ分類」、「ユーザＩＤ」、「名称クエリ」、「属性情報」、「行動情報」といった項目を有する。「ユーザ分類」は、「ユーザＩＤ」で識別されるユーザがイノベータまたは非イノベータのいずれに分類されるかを示す。例えば、ユーザ分類「イノベータ」が対応付けられるユーザは、第１の情報処理においてイノベータと特定されたことを示す。また、例えば、ユーザ分類「非イノベータ」が対応付けられるユーザは、イノベータではないことを示す。「ユーザＩＤ」は、ユーザまたはユーザの端末装置１０を識別する識別情報を示す。

「名称クエリ」は、ユーザがどの名称クエリに対応するイノベータとして特定されたかを示す。「属性情報」は、ユーザの各種属性情報を示す。「行動情報」は、ユーザがインターネット上で行った行動を示す行動情報を示す。

このような状態において、情報処理装置１００は、イノベータ情報に基づいて、マーケティングに関する情報を分析するマーケティング分析を行う（ステップＳ２２）。情報処理装置１００が行うマーケティング分析に関する処理の一覧をテーブルＴＢ１に示す。テーブルＴＢ１に示す処理は、情報処理装置１００が行うマーケティング分析の一例であり、情報処理装置１００は、テーブルＴＢ１に示すもの以外にも各種のマーケティング分析を行うことができる。

テーブルＴＢ１に含まれる各項目について説明する。「処理概要」は、マーケティング分析に関する処理としてどのような処理があるのかその概要を示す。図４の例では処理概要として「トレンド予測」、「マーケティング対象決定」、「新分類生成」が例示されている。これは、情報処理装置１００が、マーケティング分析に関する処理として、「トレンド予測」、「マーケティング対象決定」、「新分類生成」といった３つの処理を行うことを示す。また、「トレンド予測」とは、今後のトレンドを予測するためのトレンド予測処理である。「マーケティング対象決定」とは、マーケティング対象を決定するための決定処理である。「新分類生成」とは、新たな分類を生成するための分類処理である。

そして、「処理詳細」は、上記トレンド予測処理、決定処理、分類処理の詳細を示し、「使用情報」は、「処理詳細」が示す処理を行う際に用いられる情報を示す。「番号」は、各処理を識別するための情報である。図４の例では、トレンド予測処理には３つの処理が存在し、各処理には番号「１−１」、「１−２」、「１−３」が対応付けられている。したがって、例えば、番号「１−１」が対応付けられるトレンド予測処理を以下ではトレンド予測処理１−１と表記する。また、この例に倣って、他の処理についても「番号」を用いて表記することができる。例えば、決定処理２−１、分類処理３−１といった具合である。

さて、ここからは「処理詳細」に基づいて、各マーケティング分析の詳細について説明する。まず、トレンド予測処理１−１について説明する。情報処理装置１００は、トレンド予測処理１−１として、ステップＳ１５でトレンド対象になったと判定された名称クエリが属する分野（料理分野）とは異なる他の分野での今後のトレンド対象を予測するトレンド予測処理を行う。また、トレンド予測処理１−１には、使用情報「集計期間より後の最近のイノベータの各種行動情報」が対応付けられている。このようなことから、情報処理装置１００は、トレンド予測処理１−１の具体例として、集計期間Ｔより後の最近のイノベータの各種行動情報に基づいて、トレンド対象になったと判定された名称クエリが属する分野（料理分野）とは異なる他の分野での今後のトレンド対象を予測する。例えば、情報処理装置１００は、イノベータと特定されたユーザ群の行動情報を分析することにより、かかるユーザ群は化粧品ＰＤ１を検索したり購入している傾向にあるとの分析結果を得たとする。

かかるユーザ群は、対応する名称クエリが示す対象（メニュー）がトレンドとなる前から、この対象にいち早く反応していたユーザのグループである。したがって、現在、このユーザ群が反応している対象は今後高確率でトレンドになるといえる。このような観点から、情報処理装置１００は、化粧品ＰＤ１を今後のトレンド対象と予測する。また、情報処理装置１００により化粧品ＰＤ１がトレンド対象となり得ることが予測されたことにより、例えば、情報処理装置１００の管理者、あるいは、化粧品ＰＤ１のメーカーは、化粧品ＰＤ１についてどのようなマーケティングをしてゆけばよいかといった効果的なマーケティング戦略を検討することができるようになる。また、情報処理装置１００は、イノベータ特定で対象となった検索クエリが属する分野（ここでは料理分野）以外の他の分野での今後のトレンド対象を予測することで、幅広いトレンド予測を実現することができるため、マーケティング戦略を広範囲に広げてゆくことができる。

次に、トレンド予測処理１−２について説明する。情報処理装置１００は、トレンド予測処理１−２として、検索クエリが示す対象に対するイノベータの注目度に基づいて、トレンド対象を予測するトレンド予測処理を行う。また、トレンド予測処理１−２には、使用情報「集計期間より後の最近のイノベータの検索情報」が対応付けられている。このようなことから、情報処理装置１００は、トレンド予測処理１−２の具体例として、集計期間Ｔより後の最近の検索行動でイノベータが用いた検索クエリに基づいて、当該検索クエリが示す対象に対するイノベータの注目度を算出する。例えば、情報処理装置１００は、検索クエリの検索数に基づいて、検索クエリが示す対象に対するイノベータの注目度を算出する。そして、情報処理装置１００は、例えば、算出した注目度が所定値以上の場合には、当該検索クエリが示す対象を今後のトレンド対象と予測する。

イノベータとなったユーザ群は、対応する名称クエリが示す対象（メニュー）がトレンドとなる前から、この対象にいち早く反応していたユーザのグループである。したがって、現在、このユーザ群が検索している対象は今後高確率でトレンドになるといえる。このような観点から、情報処理装置１００は、最近このユーザ群が検索している対象を今後のトレンド対象と予測する。これにより、情報処理装置１００は、トレンド対象を精度よく予測することができる。

次に、トレンド予測処理１−３について説明する。情報処理装置１００は、トレンド予測処理１−３として、検索クエリが示す対象に対するイノベータの注目度と、当該検索クエリが示す対象に対する非イノベータの注目度とを比較した比較結果に基づいて、トレンド対象を予測するトレンド予測処理を行う。また、トレンド予測処理１−３には、使用情報「集計期間より後の最近のイノベータの検索情報」および「集計期間より後の最近の非イノベータの検索情報」が対応付けられている。

このようなことから、情報処理装置１００は、トレンド予測処理１−３の具体例として、集計期間Ｔより後の最近の検索行動でイノベータが用いた検索クエリに基づいて、当該検索クエリが示す対象に対するイノベータの注目度ＡＴ１１を算出する。例えば、情報処理装置１００は、検索クエリの検索数に基づいて、検索クエリが示す対象に対するイノベータの注目度ＡＴ１１を算出する。また、情報処理装置１００は、集計期間Ｔより後の最近の検索行動で非イノベータが用いた検索クエリに基づいて、当該検索クエリが示す対象に対する非イノベータの注目度ＡＴ１２を算出する。例えば、情報処理装置１００は、検索クエリの検索数に基づいて、検索クエリが示す対象に対する非イノベータの注目度ＡＴ１２を算出する。なお、注目度ＡＴ１１が算出された検索クエリと、注目度ＡＴ１２が算出された検索クエリとは同一のものである。

そして、このような状態において、情報処理装置１００は、注目度ＡＴ１１と注目度ＡＴ１２とを比較することにより注目度の差分を算出し、例えば、注目度の差分が注目度ＡＴ１１の方が高いことを示す場合には、これら注目度算出の対象となった検索クエリが示す対象を今後のトレンド対象と予測する。ここで、注目度の差分が注目度ＡＴ１１の方が高いことを示す状況として、非イノベータはあまり注目していないような対象に対して、イノベータは注目しているという状況が考えられる。このようなことから、情報処理装置１００は、世間一般はまだ注目していないが、一部の流行に敏感なユーザが注目している対象を精度よく抽出することができるため、レンド対象を精度よく予測することができる。

ここからはマーケティング対象を決定するための決定処理について説明するが、説明に先立って、イノベータの属性の傾向を示す属性傾向や、イノベータの特徴の傾向を示す特徴傾向が分析された分析結果の一覧をテーブルＴＢ２に示す。図５は、テーブルＴＢ２の一例を示す図である。例えば、情報処理装置１００は、ステップＳ２１で取得したイノベータの属性情報を解析することによりイノベータの属性傾向を取得する。また、情報処理装置１００は、ステップＳ２１で取得したイノベータの行動情報を解析することによりイノベータがどのような特徴の傾向にあるか特徴傾向を推定する。

テーブルＴＢ２に含まれる各項目について説明する。「名称クエリ」は、トレンド対象になったと判定された名称クエリを示す。図５の例では、名称クエリとして、「チーズドック」、「ガパオ」、「ビビンバ」等があるが、テーブルＴＢ２に示される「名称クエリ」は全てメニュー名である。「検索意図」は、対応する「名称クエリ」がどのような検索意図で使用された検索クエリであるかを示す。例えば、図５の例では、名称クエリ「チーズドッグ」には検索意図「レシピ」が対応付けられている。これは、「チーズドッグ」のレシピを知りたいという検索意図のために、名称クエリ「チーズドック」が用いられたことを示す。また、図５の例では、名称クエリ「ローストビーフ丼」には検索意図「外食」が対応付けられている。これは、「ローストビーフ丼」のよいお店（外食先）を知りたいという検索意図のために、名称クエリ「ローストビーフ丼」が用いられたことを示す。

「イノベータの属性傾向」は、イノベータの属性情報を分析することにより得られた属性傾向であって、対応する「名称クエリ」のイノベータの属性としてはどのような傾向にあるかが分析された属性傾向を示す。例えば、図５の例では、名称クエリ「チーズドッグ」にはイノベータの属性傾向「１０代女性」が対応付けられている。これは、名称クエリ「チーズドッグ」に対応するイノベータであると特定されたユーザの多くは「１０代女性」であることにより、名称クエリ「チーズドッグ」に対応するイノベータの属性傾向として「１０代女性」が分析結果として得られたことを示す。

「イノベータの特徴傾向」は、イノベータの行動情報を分析することにより得られた行動傾向であって、対応する「名称クエリ」のイノベータの特徴としてはどのような傾向にあるかが推定された特徴傾向を示す。例えば、図５の例では、名称クエリ「チーズドッグ」にはイノベータの特徴傾向「メイクに興味あり、スイーツ好き、高校生」が対応付けられている。これは、名称クエリ「チーズドッグ」に対応するイノベータであると特定されたユーザの多くは「メイクに興味あり、スイーツ好き、高校生」という特徴を有していることにより、名称クエリ「チーズドッグ」に対応するイノベータの特徴傾向として「メイクに興味あり、スイーツ好き、高校生」が推定結果として得られたことを示す。

マーケティング対象を決定するための決定処理について説明に戻る。まず、決定処理２−１について説明する。情報処理装置１００は、決定処理２−１として、イノベータの属性傾向（属性情報）に基づいて、イノベータに対応する名称クエリが示す対象のマーケティング先を決定する決定処理を行う。また、決定処理２−１には、使用情報「イノベータの属性情報」が対応付けられている。このようなことから、情報処理装置１００は、決定処理２−１の具体例として、名称クエリに対応するイノベータ毎に当該イノベータの属性情報を分析することで、当該イノベータの属性傾向を取得する。そして、情報処理装置１００は、取得した属性傾向に基づいて、マーケティング先を決定する。

図５の例では、情報処理装置１００は、名称クエリ「チーズドッグ」に対応するイノベータの属性情報に基づき、名称クエリ「チーズドッグ」のイノベータは「１０代女性」という属性傾向にあるとの分析結果を得ている。したがって、かかる例では、情報処理装置１００は、「チーズドッグ」のマーケティング対象として「１０代女性」を決定する。要するに、情報処理装置１００は、「チーズドッグ」のマーケティングは「１０代女性」を中心に行えばよいということや、「チーズドッグ」に関する広告配信は「１０代女性」を中心に行えばよいということを決定する。

これにより、情報処理装置１００は、何を誰にどのようにマーケティングすれば効果的であるかを利用者に提供することができるようになる。

次に、決定処理２−２について説明する。情報処理装置１００は、決定処理２−２として、イノベータの特徴傾向（特徴情報）に基づいて、イノベータに対応する名称クエリが示す対象のマーケティング先を決定する決定処理を行う。また、決定処理２−２には、使用情報「イノベータの特徴情報」が対応付けられている。このようなことから、情報処理装置１００は、決定処理２−２の具体例として、名称クエリに対応するイノベータ毎に当該イノベータの行動情報を分析することで、当該イノベータの特徴傾向を推定する。そして、情報処理装置１００は、推定した特徴傾向に基づいて、マーケティング先を決定する。

図５の例では、情報処理装置１００は、名称クエリ「チーズドッグ」に対応するイノベータの行動情報に基づき、名称クエリ「チーズドッグ」のイノベータは「メイクに興味あり、スイーツ好き、高校生」という特徴傾向にあるとの推定結果を得ている。したがって、かかる例では、情報処理装置１００は、「チーズドッグ」のマーケティング対象として「メイクに興味ありスイーツ好きの１０代女性」を決定する。つまり、情報処理装置１００は、「チーズドッグ」のマーケティングは「メイクに興味ありスイーツ好きの１０代女性」を中心に行えばよいということや、「チーズドッグ」に関する広告配信は「メイクに興味ありスイーツ好きの１０代女性」を中心に行えばよいということを決定する。

これにより、情報処理装置１００は、属性情報に基づき決定したマーケティング対象（例えば、１０代女性）から、さらに「〇〇好きの、××に興味のある１０代女性」といったようにマーケティング対象を細かく精度よく絞り込むことができるため、より効果的なマーケティングを実現することができる。

ここからは新たな分類を生成するための分類処理について説明する。まず、分類処理３−１について説明する。情報処理装置１００は、分類処理３−１として、共通する属性情報、または、共通する趣味嗜好を有するイノベータが検索で用いた複数の異なる名称クエリに基づいて、複数の異なる名称クエリに応じた新たな分類を生成する分類処理を行う。また、分類処理３−１には、使用情報「イノベータの属性情報、イノベータの趣味嗜好」が対応付けられている。ここでいう属性情報は、上述した属性傾向であってよい。また、ここでいう趣味嗜好は、上述した特徴傾向であってよい。この点を踏まえて、図５の例を用いて、分類処理３−１の一例を説明する。

図５の例では、イノベータと特定されたユーザのうち、属性傾向「３０代女性」で共通しているユーザは、「ガパオ」、「ビビンバ」、「パエリア」、「ほうじ茶ラテ」という複数の異なる名称クエリに対応するイノベータとして特定されている。一見すると、「ガパオ」、「ビビンバ」、「パエリア」、「ほうじ茶ラテ」は料理としては共通性が無いように思われるが、少なくとも「３０代女性」にとっては興味の惹かれるメニューであることが示唆されている。このようなことから、情報処理装置１００は、「ガパオ」、「ビビンバ」、「パエリア」、「ほうじ茶ラテ」を属性傾向「３０代女性」でくくることのできる１つの新たなグループ（分類）として生成する。

このように情報処理装置１００は、無関係と考えられがちな複数の対象（名称クエリが示す対象）を、新たな特定の分類（上記例では、３０代女性）に属させることができるため、例えば、新たな特定の分類（上記例では、３０代女性）を対象とするマーケティング活動にこの複数の対象を同時に活用させることができる。

次に、分類処理３−２について説明する。情報処理装置１００は、分類処理３−２として、複数の異なる名称クエリ毎の検索数に基づき生成される波形、複数の異なる名称クエリ毎の季節性、または、複数の異なる名称クエリ間での類似度に基づいて、複数の異なる名称クエリに応じた新たな分類を生成する分類処理を行う。この点について、例えば、３つの名称クエリＮＱ２１、ＮＱ２２、ＮＱ２３を例に挙げて説明する。例えば、情報処理装置１００は、名称クエリＮＱ２１の検索情報に基づき、検索数の時間経過に応じた遷移グラフＧＦ２１（波形グラフの一例）を生成する。また、情報処理装置１００は、名称クエリＮＱ２２の検索情報に基づき、検索数の時間経過に応じた遷移グラフＧＦ２２（波形グラフの一例）を生成する。また、情報処理装置１００は、名称クエリＮＱ２３の検索情報に基づき、検索数の時間経過に応じた遷移グラフＧＦ２３（波形グラフの一例）を生成する。

そして、情報処理装置１００は、遷移グラフＧＦ２１、ＧＦ２２、ＧＦ２３を比較分析することにより、例えば、波形の形状がどれだけ類似しているかを指標する類似度を算出する。ここで、例えば、情報処理装置１００は、遷移グラフＧＦ２１およびＧＦ２２の形状がほぼ一致していることを示す類似度を算出したとする。かかる場合、情報処理装置１００は、遷移グラフＧＦ２１に対応する名称クエリＮＱ２１、遷移グラフＧＦ２２に対応する名称クエリＮＱ２２とを属させた１つの新たな分類を生成する。例えば、名称クエリＮＱ２１およびＮＱ２２は一見すると互いに共通性が無さそうなものであったとしても、情報処理装置１００は、名称クエリＮＱ２１およびＮＱ２２を仲間とする新たな分類を生成する。

情報処理装置１００は、遷移グラフＧＦ２１、ＧＦ２２、ＧＦ２３を比較分析することにより、例えば、名称クエリＮＱ２２およびＮＱ２３は特定の時期（例えば、毎年７月〜９月）に検索数が上昇するという季節的な周期性を有するとの分析結果を得たとする。かかる場合、情報処理装置１００は、遷移グラフＧＦ２２に対応する名称クエリＮＱ２２、遷移グラフＧＦ２３に対応する名称クエリＮＱ２３とを属させた１つの新たな分類として、季節分類を生成する。

これにより、情報処理装置１００は、一見すると関連性の無さそうな複数の名称クエリについて、特定の関連性（共通性）があることを見つけ出すことができるため、この関連性を活用した新たなマーケティング戦略を構築させることができる。

さて、これまで説明してきたように、実施形態にかかる情報処理装置１００は、イノベータに関するイノベータ情報を用いて、トレンド予測、マーケティング対象決定、新たな分類生成等のマーケティング分析である第２の情報処理を行う。ここで利用されるイノベータ情報は、第１の情報処理で精度よく特定されたイノベータのイノベータ情報であるため、これを活用することにより、情報処理装置１００は、高精度なマーケティング分析を実現することができる。

〔４．情報処理バリエーションについて〕
上記実施形態にかかる情報処理装置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、情報処理装置１００の他の実施形態について説明する。

〔４−１．イノベータ特定について〕
上記実施形態では、情報処理装置１００が、トレンド対象となった名称クエリ毎に、当該名称クエリを用いて第２の期間に検索を行った検索者をイノベータとして特定する例を示した。しかし、情報処理装置１００は、トレンドの対象になったと判定された検索クエリのうち、少なくとも２以上の検索クエリを用いて第２の期間に検索を行った検索者をイノベータとして特定する。図１の例を用いると、情報処理装置１００は、例えば、名称クエリＮＱ３およびＮＱ４を用いて第２の期間に検索を行った検索者をイノベータとして特定する。

例えば、より多くのトレンド対象に反応したような検索者は、それだけ流行に敏感といえる。ここでの処理により情報処理装置１００は、流行により敏感な検索者を特定することができるため、より高精度にイノベータを特定することができる。

〔４−２．名称クエリについて〕
上記実施形態では、検索クエリが所定の分野に関する特定の名称を示すクエリであるか否かを判定する名称判定処理として、情報処理装置１００が、検索クエリがメニュー名（料理分野）であるか否かを判定する名称判定処理を行う例を示した。しかし、情報処理装置１００は、如何なる分野での名称の判定を行ってもよい。例えば、情報処理装置１００は、検索クエリが衣類の製品名（ファッション分野）であるか否かを判定する名称判定処理を行ってもよい。

〔５．情報処理装置の構成〕
次に、図７を用いて、実施形態にかかる情報処理装置１００について説明する。図７は、実施形態にかかる情報処理装置１００の構成例を示す図である。図７に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。例えば、情報処理装置１００は、図１〜図５で説明した情報処理を行うサーバ装置である。

（通信部１１０について）
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、端末装置１０、サービス提供装置６０との間で情報の送受信を行う。

（記憶部１２０について）
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、検索履歴記憶部１２１と、集計結果記憶部１２２と、条件情報記憶部１２３と、ユーザ情報記憶部１２４とを有する。これらの記憶部については上で説明済みであるため、ここでの説明は省略する。

なお、情報処理装置１００は、図５で説明したテーブルＴＢ２を記憶する記憶部や、名称判定処理で用いられるモデル（後述）を記憶する記憶部も有してもよい。

（制御部１３０について）
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。

図７に示すように、制御部１３０は、クエリ取得部１３１と、名称判定部１３２と、トレンド判定部１３３と、特定部１３４と、イノベータ情報取得部１３５と、分析部１３６とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図７に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図７に示した接続関係に限られず、他の接続関係であってもよい。

（クエリ取得部１３１について）
クエリ取得部１３１は、検索クエリを取得する。図１のステップＳ１１で説明したように、クエリ取得部１３１は、サービス提供装置６０から送信された各検索者の検索情報を受信することで各検索者の検索クエリを取得する。また、クエリ取得部１３１は、取得した検索クエリを含む検索情報を検索履歴として、検索履歴記憶部１２１に格納する。また、クエリ取得部１３１は、例えば、検索クエリが処理で用いられる際には、検索履歴記憶部１２１から検索クエリを取得し、取得した検索クエリを対応する処理部に送信する。例えば、クエリ取得部１３１は、名称判定部１３２により名称判定処理が行われる際には、検索履歴記憶部１２１から検索クエリを取得し、取得した検索クエリを対応する名称判定部１３２に送信する。また、クエリ取得部１３１は、検索クエリのうち、名称判定部１３２により名称を示すクエリであると判定された検索クエリを取得することもできる。

（名称判定部１３２について）
名称判定部１３２は、検索クエリが属するカテゴリに基づいて、検索クエリが所定の分野に関する特定の名称を示すクエリであるか否かを判定する。例えば、名称判定部１３２は、検索クエリのうち、カテゴリが特定の名称を定義付ける条件情報を満たす検索クエリについて、特定の名称を示すクエリであると判定する。より詳細には、例えば、名称判定部１３２は、入力された検索クエリ（処理対象の検索クエリ）が属するカテゴリを出力するモデルを用いて当該検索クエリが属するカテゴリを判定（特定）する。そして、名称判定部１３２は、判定したカテゴリに基づいて、検索クエリが所定の分野に関する特定の名称を示すクエリであるか否かを判定する。

名称判定部１３２による名称判定処理の一例について図９を用いて説明する。図９は、実施形態にかかる名称判定処理の一例を示す図である。図９では、名称判定部１３２は、検索クエリがメニュー名を示す検索クエリであるか否かを判定するものとする。また、メニュー名であると判定された検索クエリは、名称クエリである。

図９に示すように、名称判定部１３２は、ステップＳ３１〜Ｓ３５にかけて処理対象の検索クエリに対して段階に名称判定処理を行ってゆくことで、処理対象の検索クエリの中から不要な検索クエリを除外してゆき、そして名称クエリを絞り込んでゆく。これにより、情報処理装置１００は、名称クエリであるか否かを精度よく判定することができる。

まず、初期段階では、所定のコンテンツで使用された総計１００，０００件の検索クエリがあるものとする。かかる例では、所定のコンテンツを図１で説明したコンテンツＣ１であるものとする。コンテンツＣ１は、サービス提供装置６０によって提供され、検索クエリに応じたレシピや献立が表示される。また、この総計１００，０００件の検索クエリは、例えば、図１のステップＳ１１でクエリ取得部１３１により取得されたものである。

このような状態において、名称判定部１３２は、総計１００，０００件の検索クエリに対してフィルタ条件５１を適用することで、最も不要な検索クエリを除外する（ステップＳ３１）。例えば、名称判定部１３２は、検索クエリ毎にフィルタ条件５１を満たすか否か判定し、フィルタ条件５１を満たすと判定した検索クエリは名称クエリではないと判定し除外する。例えば、ユーザはコンテンツＣ１に対して「作り方」、「レシピ」等といった検索クエリを入力する場合があるが、このようなワードは明らかにメニュー名ではない。このようなことから、フィルタ条件５１は、メニュー名とは明らかに大きくかけ離れている検索クエリを除外するよう規定する条件情報である。そして、図９の例では、名称判定部１３２は、ステップＳ３１により不要な検索クエリを除外することで、総計１００，０００件の検索クエリから総計６０，０００件の検索クエリへと絞り込んでいる。

ここで、検索クエリを入力として当該検索クエリの属するカテゴリを当該検索クエリに対応付けて出力するモデルＭがある。情報処理装置１００は、検索クエリの分散表現と、検索クエリと対となる検索クエリの分散表現とが、分散表現空間上で類似するように所定のモデルを生成している。このため、情報処理装置１００は、この所定のモデルを用いた強化学習により、モデルＭを学習している。

このような状態において、名称判定部１３２は、総計６０，０００件の検索クエリをそれぞれモデルＭに入力することで、各検索クエリが属するカテゴリを判定（特定）する（ステップＳ３２）。

この時点で、総計６０，０００件の検索クエリそれぞれにはカテゴリがタグ付けされる。多くの検索クエリには、複数のカテゴリがタグ付けされる。ここで、本実施形態では、「料理」および「グルメ」といった２つのカテゴリがタグ付けされる検索クエリについて、メニュー名を示す検索クエリと判定するよう決められているものとする。したがって、ステップＳ３３以降では、名称判定部１３２は、「料理」および「グルメ」といった２つのカテゴリのみ付与されている検索クエリに絞り込めるよう、フィルタ条件を用いて余計なタグが含まれている検索クエリを除外する処理を行ってゆく。

まず、名称判定部１３２は、カテゴリ判定された総計６０，０００件の検索クエリに対してフィルタ条件５２を適用することで、料理とは関係の薄いカテゴリを含む検索クエリを除外する一次判定処理を行う（ステップＳ３３）。例えば、名称判定部１３２は、検索クエリ毎にフィルタ条件５２を満たすか否か判定し、フィルタ条件５２を満たすと判定した検索クエリは名称クエリではないと判定し除外する。例えば、フィルタ条件５２は、料理とは関係の薄いカテゴリとして、カテゴリ「店舗名」、カテゴリ「ゲーム」等がタグ付けされている検索クエリを除外するよう規定する条件情報である。そして、図９の例では、名称判定部１３２は、ステップＳ３３により不要な検索クエリを除外することで、総計６０，０００件の検索クエリから総計５０，０００件の検索クエリへと絞り込んでいる。また、名称判定部１３２は、この残った総計５０，０００検索クエリを、メニュー名と考えられる一次クエリと判定する。

次に、名称判定部１３２は、一次クエリに対してフィルタ条件５３を適用することで、料理に関するがメニュー名ではない検索クエリを除外する二次判定処理を行う（ステップＳ３４）。例えば、名称判定部１３２は、一次クエリ毎にフィルタ条件５３を満たすか否か判定し、フィルタ条件５３を満たすと判定した一次クエリは名称クエリではないと判定し除外する。例えば、フィルタ条件５３は、料理に関するが、メニュー名ではないことを示すカテゴリ（例えば、「材料名」、「一般料理名」等）を含む検索クエリを除外するよう規定する条件情報である。カテゴリ「材料名」がタグ付けされる検索クエリとしては「たまねぎ、にんじん、醤油」等が挙げられる。また、カテゴリ「一般料理名」がタグ付けされる検索クエリとしては「日本料理、煮物、カレーライス」等が挙げられる。

そして、図９の例では、名称判定部１３２は、ステップＳ３４により不要な一次クエリを除外することで、総計５０，０００件の検索クエリから総計８，０００件の検索クエリへと絞り込んでいる。また、名称判定部１３２は、この残った総計８，０００検索クエリを、よりメニュー名に近いと考えられる二次クエリと判定する。

最後に、名称判定部１３２は、二次クエリに対してフィルタ条件５４を適用することで、さらに不要な検索クエリを除外する二次判定処理を行う（ステップＳ３５）。例えば、名称判定部１３２は、二次クエリ毎にフィルタ条件５４を満たすか否か判定し、フィルタ条件５４を満たすと判定した二次クエリは名称クエリではないと判定し除外する。例えば、フィルタ条件５４は、カテゴリ「料理」のみ、あるいは、カテゴリ「グルメ」のみを含む検索クエリを除外するよう規定する条件情報である。上記の通り、本実施形態では、カテゴリ「料理」および「グルメ」という組み合わせでタグ付けされている検索クエリに対してメニュー名と判定するよう決められている。したがって、名称判定部１３２は、フィルタ条件５４を用いて、カテゴリ「料理」のみ、あるいは、カテゴリ「グルメ」のみがタグ付けされている二次クエリを除外する。

そして、図９の例では、名称判定部１３２は、ステップＳ３５により不要な二次クエリを除外することで、総計８，０００件の検索クエリから総計５，０００件の検索クエリへと絞り込んでいる。また、名称判定部１３２は、この残った総計５，０００検索クエリに対して、メニュー名を示す検索クエリあるク名称クエリと判定する。このような名称クエリの一例として、例えば、図５に示すようなものがある。

（トレンド判定部１３３について）
トレンド判定部１３３は、検索クエリ（例えば、名称判定部１３２により名称クエリであると判定され検索クエリ）のうち、当該検索クエリでの検索数に関する所定の情報が、所定の条件情報を満たす検索クエリについて、トレンドの対象になった検索クエリであると判定する。

具体的には、トレンド判定部１３３は、条件情報記憶部１２３に記憶されるトレンド条件Ｎ１に基づいて、検索クエリのうち、検索数が所定値より大きい検索クエリについて、トレンドの対象になった検索クエリであると判定する。

また、トレンド判定部１３３は、条件情報記憶部１２３に記憶されるトレンド条件Ｎ２に基づいて、検索クエリのうち、集計期間（図１の例では集計期間Ｔ）のうちの初期期間である第１の期間（図１の例では、２０１４年４月〜２０１４年１２月）よりも後の時点（月）において、検索数の最大値を示す時点（月）があるような遷移情報であって、検索数の時間経過に応じた変化を示す遷移情報が得られる検索クエリについて、トレンドの対象になった検索クエリであると判定する。

また、トレンド判定部１３３は、条件情報記憶部１２３に記憶されるトレンド条件Ｎ３に基づいて、検索クエリのうち、当該検索クエリでの検索数であって所定期間毎の検索数を比較した場合の検索数の変化の度合いを示す変化率に基づく値が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する。例えば、トレンド判定部１３３は、１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する。

すなわち、トレンド判定部１３３は、トレンド条件Ｎ１、Ｎ３、Ｎ３の全てを満たすっ検索クエリについてトレンドの対象になった検索クエリであると判定する。また、トレンド判定部１３３は、名称判定部１３２により名称クエリであると判定され検索クエリ毎に検索数を集計し、集計結果を集計結果記憶部１２２に格納する処理も行うことができる。また、図１の例から、集計結果は、検索数の時間経過に応じた変化を示す遷移情報といえる。また、上記の点から、トレンド判定部１３３は、図１および図２で説明したステップＳ１４、Ｓ１５の処理を行う。

（特定部１３４について）
特定部１３４は、検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、時間経過に対応する第１の期間よりも後の時点に検索数の最大値を示す時点を有する遷移情報と、時間経過に対応する第２の期間とに基づいて、検索クエリを用いて検索を行った検索者の中から、検索クエリに対応するイノベータを特定する。具体的には、特定部１３４は、時間経過の開始時点から第１の時点までの期間である第１の期間よりも後の時点に検索数の最大値を示す時点を有する遷移情報と、第２の期間とに基づいて、イノベータを特定する。

また、例えば、特定部１３４は、遷移情報に基づく所定の遷移情報と、当該所定の遷移情報に含まれる第２の期間とに基づいて、イノベータを特定する。例えば、特定部１３４は、所定の遷移情報として、検索数の累積値の時間経過に応じた変化を示す累積情報と、当該所定の遷移情報に含まれる第２の期間とに基づいて、イノベータを特定する。例えば、特定部１３４は、所定の遷移情報と、時間経過の開始時点から第２の時点までの期間である第２の期間とに基づいて、イノベータを特定する。例えば、特定部１３４は、第２の時点として、検索数の累積値に基づく値が所定値となった時点である第２の時点までの期間である第２の期間に検索クエリを用いて検索を行った検索者をイノベータとして特定する。

また、特定部１３４は、検索クエリのうちトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報と、時間経過に対応する第２の期間とに基づいて、イノベータとして特定する。また、特定部１３４は、トレンドの対象になったと判定された検索クエリのうち、少なくとも２以上の検索クエリを用いて第２の期間に検索を行った検索者を前記イノベータとして特定する。また、例えば、特定部１３４は、検索数として、検索クエリで検索した検索者の検索者数の時間経過に応じた変化を示す遷移情報であって、時間経過に対応する第１の期間よりも後の時点に検索者数の最大値を示す時点を有する遷移情報と、時間経過に対応する第２の期間とに基づいて、イノベータとして特定する。

上記の点から、特定部１３４は、図１〜図３で説明したステップＳ１６の処理を行う。

（イノベータ情報取得部１３５について）
イノベータ情報取得部１３５は、特定部１３４により特定されたイノベータに関するイノベータ情報を取得する。具体的には、イノベータ情報取得部１３５は、検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報に基づき、検索クエリで検索を行った検索者の中から特定されたイノベータであって、検索クエリに対応するイノベータに関するイノベータ情報を取得する。例えば、イノベータ情報取得部１３５は、イノベータ情報として、検索者の中から特定されたイノベータであって、検索クエリに対応するイノベータのインターネット上での行動を示す行動情報を取得する。例えば、イノベータ情報取得部１３５は、行動情報として、イノベータが最近の検索行動で用いた検索クエリを含む検索情報を取得する。また、イノベータ情報取得部１３５は、イノベータ以外の検索者である非イノベータが検索行動で用いた検索クエリを含む検索情報をさらに取得する。また、イノベータ情報取得部１３５は、イノベータ情報として、イノベータの属性を示す属性情報を取得する。このようなことから、イノベータ情報取得部１３５は、図４で説明したステップＳ２１の処理を行う。

（分析部１３６について）
分析部１３６は、イノベータ情報取得部１３５により取得されたイノベータ情報に基づいて、マーケティングに関する情報を分析する。例えば、分析部１３６は、イノベータの行動情報に基づいて、将来のトレンドの対象であるトレンド対象を予測する。例えば、分析部は、検索クエリが属する分野とは異なる他の分野での将来のトレンドの対象であるトレンド対象を予測する。また、例えば、分析部１３６は、検索クエリが示す対象に対するイノベータの注目度に基づいて、トレンド対象を予測する。また、例えば、分析部１３６は、検索クエリが示す対象に対するイノベータの注目度と、当該検索クエリが示す対象に対する非イノベータの注目度とを比較した比較結果に基づいて、トレンド対象を予測する。このようなことから、分析部１３６は、図４で説明したトレンド予測処理１−１、１−２、１−３を行う。

また、分析部１３６は、イノベータの属性情報に基づいて、検索クエリが示す対象のマーケティング先を決定する。分析部１３６は、イノベータの行動情報から推定されたイノベータの特徴を示す特徴情報に基づいて、検索クエリが示す対象のマーケティング先を決定する。このようなことから、分析部１３６は、図４で説明した決定処理２−１、２−２を行う。

また、分析部１３６は、イノベータ情報のうち、共通または類似するイノベータ情報を有するイノベータが検索で用いた複数の検索クエリに基づいて、当該検索クエリに応じた新たな分類を生成する。例えば、分析部１３６は、共通または類似するイノベータ情報として、共通する属性情報、または、共通する趣味嗜好を有するイノベータが検索で用いた複数の異なる検索クエリに基づいて、複数の異なる検索クエリに応じた新たな分類を生成する。また、分析部１３６は、イノベータが検索で用いた複数の異なる検索クエリ間での共通性に基づいて、複数の異なる検索クエリに応じた新たな分類を生成する。例えば、分析部１３６は、共通性として、複数の異なる検索クエリ毎の検索数に基づき生成される波形、複数の異なる検索クエリ毎の季節性、または、複数の異なる検索クエリ間での類似度に基づいて、複数の異なる検索クエリに応じた新たな分類を生成する。このようなことから、分析部１３６は、図４で説明した分類処理３−１、３−２を行う。

〔６．処理手順〕
次に、図１０および図１１を用いて、実施形態にかかる情報処理の手順について説明する。図１０では、第１の情報処理の手順について説明する。図１１では、第２の情報処理の手順について説明する。

〔６−１．第１の情報処理の処理手順〕
図１０は、実施形態にかかる第１の情報処理の情報処理手順を示すフローチャートである。なお、図１０に示す第１の情報処理手順は、図１の例に即している。

まず、クエリ取得部１３１は、処理対象の検索クエリを取得する（ステップＳ１０１）。例えば、クエリ取得部１３１は、所定の分野（例えば、料理分野）に関するコンテンツに入力された検索クエリを処理対象の検索クエリとして取得する。次に、名称判定部１３２は、処理対象の検索クエリが所定の分野に関する特定の名称を示すクエリであるか否かを判定する名称判定処理を行う（ステップＳ１０２）。例えば、名称判定部１３２は、処理対象の検索クエリが属するカテゴリに基づいて、この検索クエリが所定の分野に関する特定の名称を示すクエリであるか否かを判定する。また、クエリ取得部１３１は、ステップＳ１０２で特定の名称を示すと判定された検索クエリである名称クエリを抽出する（ステップＳ１０３）。例えば、クエリ取得部１３１は、検索履歴記憶部１２１から名称クエリを取得し、トレンド判定部１３３に送信する。

トレンド判定部１３３は、名称クエリ毎に、集計期間における日毎の検索数、あるいは、集計期間における月毎の平均検索数を集計し、集計結果に基づいて、検索数の遷移情報を取得（算出）する（ステップＳ１０４）。例えば、トレンド判定部１３３は、検索数の時間経過に応じた変化を示す遷移情報として、「日」単位での検索数の変化を示す遷移情報、あるいは、「月」単位での平均検索数の変化を示す遷移情報を取得する。このような状態において、トレンド判定部１３３は、取得した遷移情報を用いてトレンド判定処理を行う（ステップＳ１０５）。例えば、トレンド判定部１３３は、検索数に関する所定の情報（例えば、検索数そのもの、あるいは、遷移情報）が所定の条件情報（トレンド条件Ｎ１〜Ｎ３）を満たす名称クエリについて、トレンドの対象になった名称クエリであると判定する。

次に、クエリ取得部１３１は、トレンド判定部１３３によりトレンドの対象になったと判定された名称クエリを取得する（ステップＳ１０６）。例えば、クエリ取得部１３１は、トレンド判定部１３３からトレンドの対象になったと判定された名称クエリを取得し、特定部１３４に送信する。特定部１３４は、名称クエリの遷移情報に基づいて、処理対象の検索クエリで検索を行った検索者の中からイノベータ特定する特定処理を行う（ステップＳ１０７）。例えば、特定部１３４は、検索数の累積値の時間経過に応じた変化を示す累積情報と、当該所定の遷移情報に含まれる第２の期間（検索数の累積値に基づく値が所定値となった時点である第２の時点までの期間）とに基づいて、イノベータを特定する。

〔６−２．第２の情報処理の処理手順〕
図１１は、実施形態にかかる第２の情報処理の情報処理手順を示すフローチャートである。なお、図１１に示す第２の情報処理手順は、図４の例に即している。

イノベータ情報取得部１３５は、ユーザ情報（イノベータ情報、非イノベータ情報）を取得する（ステップＳ２０１）。例えば、イノベータ情報取得部１３５は、ユーザの行動情報や属性情報を取得する。そして、分析部１３６は、ユーザ情報に基づいて、マーケティングに関する各種分析処理を行う（ステップＳ２０２）。例えば、分析部１３６は、トレンド予測処理１−１、１−２、１−３を行う。また、例えば、分析部１３６は、決定処理２−１、２−２を行う。また、分析部１３６は、分類処理３−１、３−２を行う。

〔７．ハードウェア構成〕
また、上記実施形態にかかる情報処理装置１００は、例えば図１２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１２は、情報処理装置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。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網５０を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５０を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態にかかる情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを、記録媒体１８００から読み取って実行するが、他の例として、他の装置から、通信網５０を介してこれらのプログラムを取得してもよい。

〔８．その他〕
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

以上、本願の実施形態をいくつかの図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、受付部は、受付手段や受付回路に読み替えることができる。

１ 情報処理システム
１０ 端末装置
６０ サービス提供装置
１００ 情報処理装置
１２０ 記憶部
１２１ 検索履歴記憶部
１２２ 集計結果記憶部
１２３ 条件情報記憶部
１２４ ユーザ情報記憶部
１３０ 制御部
１３１ クエリ取得部
１３２ 名称判定部
１３３ トレンド判定部
１３４ 特定部
１３５ イノベータ情報取得部
１３６ 分析部

Claims (34)

1. 検索クエリを取得するクエリ取得部と、
   前記クエリ取得部により取得された検索クエリのうち、当該検索クエリでの検索数に関する所定の情報が、所定の条件情報を満たす検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定部と、
   前記トレンド判定部によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記検索クエリを用いて検索を行った検索者の中から、前記検索クエリに対応するイノベータを特定する特定部と
   を有し、
   前記トレンド判定部は、前記クエリ取得部により取得された検索クエリのうち、当該検索クエリでの検索数であって前記時間経過に対応する所定期間に含まれる複数の単位期間それぞれでの検索数を、当該単位期間の次の単位期間での検索数と比較した場合の変化の度合いを示す変化率の前記所定期間での統計値が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する
   ことを特徴とする情報処理装置。
2. 検索クエリを取得するクエリ取得部と、
   前記クエリ取得部により取得された検索クエリのうち、当該検索クエリでの検索数に関する所定の情報が、所定の条件情報を満たす検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定部と、
   前記トレンド判定部によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記検索クエリを用いて検索を行った検索者の中から、前記検索クエリに対応するイノベータを特定する特定部と
   を有し、
   前記トレンド判定部は、前記クエリ取得部により取得された検索クエリのうち、当該検索クエリでの検索数であって１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する
   ことを特徴とする情報処理装置。
3. 前記トレンド判定部は、前記クエリ取得部により取得された検索クエリのうち、前記検索数が所定値より大きい検索クエリについて、トレンドの対象になった検索クエリであると判定する
   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. 前記トレンド判定部は、前記クエリ取得部により取得された検索クエリのうち、当該検索クエリでの検索数の時間経過に応じた変化が、前記遷移情報が示す変化であって検索数の時間経過に応じた変化となる検索クエリについて、トレンドの対象になった検索クエリであると判定する
   ことを特徴とする請求項１〜３のいずれか１つに記載の情報処理装置。
5. 前記特定部は、前記時間経過の開始時点から第１の時点までの期間である前記第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する前記遷移情報と、前記第２の期間とに基づいて、前記イノベータを特定する
   ことを特徴とする請求項１〜４のいずれか１つに記載の情報処理装置。
6. 前記特定部は、前記遷移情報に基づく所定の遷移情報と、当該所定の遷移情報に含まれる前記第２の期間とに基づいて、前記イノベータを特定する
   ことを特徴とする請求項１〜５のいずれか１つに記載の情報処理装置。
7. 前記特定部は、前記所定の遷移情報として、前記検索数の累積値の時間経過に応じた変化を示す累積情報と、当該所定の遷移情報に含まれる前記第２の期間とに基づいて、前記イノベータを特定する
   ことを特徴とする請求項６に記載の情報処理装置。
8. 前記特定部は、前記所定の遷移情報と、前記時間経過の開始時点から第２の時点までの期間である前記第２の期間とに基づいて、前記イノベータを特定する
   ことを特徴とする請求項６または７に記載の情報処理装置。
9. 前記特定部は、前記第２の時点として、前記検索数の累積値に基づく値が所定値となった時点である第２の時点までの期間である前記第２の期間に前記検索クエリを用いて検索を行った前記検索者を前記イノベータとして特定する
   ことを特徴とする請求項８に記載の情報処理装置。
10. 前記特定部は、前記検索クエリのうちトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す前記遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記イノベータとして特定する
    ことを特徴とする請求項１〜９のいずれか１つに記載の情報処理装置。
11. 前記特定部は、トレンドの対象になったと判定された検索クエリのうち、少なくとも異なる２つ以上の検索クエリを用いて前記第２の期間に検索を行った前記検索者を前記イノベータとして特定する
    ことを特徴とする請求項１〜１０のいずれか１つに記載の情報処理装置。
12. 前記特定部は、前記検索数として、前記検索クエリで検索した検索者の検索者数の時間経過に応じた変化を示す前記遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索者数の最大値を示す時点を有する前記遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記イノベータとして特定する
    ことを特徴とする請求項１〜１１のいずれか１つに記載の情報処理装置。
13. 前記検索クエリが属するカテゴリに基づいて、前記検索クエリが所定の分野に関する特定の名称を示すクエリであるか否かを判定する名称判定部をさらに有し、
    前記クエリ取得部は、前記検索クエリのうち、前記名称判定部により名称を示すクエリであると判定された検索クエリを取得する
    ことを特徴とする請求項１〜１２のいずれか１つに記載の情報処理装置。
14. 前記名称判定部は、前記検索クエリのうち、前記カテゴリが前記特定の名称を定義付ける条件情報を満たす検索クエリについて、前記特定の名称を示すクエリであると判定する
    ことを特徴とする請求項１３に記載の情報処理装置。
15. 検索クエリを取得するクエリ取得部と、
    前記クエリ取得部により取得された検索クエリのうち、当該検索クエリでの検索数であって時間経過に対応する所定期間に含まれる複数の単位期間それぞれでの検索数を、当該単位期間の次の単位期間での検索数と比較した場合の変化の度合いを示す変化率の前記所定期間での統計値が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定部と、
    前記トレンド判定部によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報に基づき、前記検索クエリで検索を行った検索者の中から特定されたイノベータであって、前記検索クエリに対応するイノベータに関するイノベータ情報を取得するイノベータ情報取得部と、
    前記イノベータ情報に基づいて、マーケティングに関する情報を分析する分析部と
    を有することを特徴とする情報処理装置。
16. 検索クエリを取得するクエリ取得部と、
    前記クエリ取得部により取得された検索クエリのうち、当該検索クエリでの検索数であって１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する判定するトレンド判定部と、
    前記トレンド判定部によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報に基づき、前記検索クエリで検索を行った検索者の中から特定されたイノベータであって、前記検索クエリに対応するイノベータに関するイノベータ情報を取得するイノベータ情報取得部と、
    前記イノベータ情報に基づいて、マーケティングに関する情報を分析する分析部と
    を有することを特徴とする情報処理装置。
17. 前記イノベータ情報取得部は、前記イノベータ情報として、前記検索者の中から特定されたイノベータであって、前記検索クエリに対応するイノベータのインターネット上での行動を示す行動情報を取得し、
    前記分析部は、前記行動情報に基づいて、将来のトレンドの対象であるトレンド対象を予測する
    ことを特徴とする請求項１５または１６に記載の情報処理装置。
18. 前記分析部は、前記検索クエリが属する分野とは異なる他の分野での将来のトレンドの対象であるトレンド対象を予測する
    ことを特徴とする請求項１７に記載の情報処理装置。
19. 前記イノベータ情報取得部は、前記行動情報として、前記イノベータが最近の検索行動で用いた検索クエリを含む検索情報を取得し、
    前記分析部は、前記検索クエリが示す対象に対する前記イノベータの注目度に基づいて、前記トレンド対象を予測する
    ことを特徴とする請求項１７または１８に記載の情報処理装置。
20. 前記イノベータ情報取得部は、前記イノベータ以外の検索者である非イノベータが検索行動で用いた検索クエリを含む検索情報をさらに取得し、
    前記分析部は、前記検索クエリが示す対象に対する前記イノベータの注目度と、当該検索クエリが示す対象に対する前記非イノベータの注目度とを比較した比較結果に基づいて、前記トレンド対象を予測する
    ことを特徴とする請求項１９に記載の情報処理装置。
21. 前記イノベータ情報取得部は、前記イノベータ情報として、前記イノベータの属性を示す属性情報を取得し、
    前記分析部は、前記属性情報に基づいて、前記検索クエリが示す対象のマーケティング先を決定する
    ことを特徴とする請求項１５〜２０のいずれか１つに記載の情報処理装置。
22. 前記分析部は、前記イノベータの行動情報から推定された前記イノベータの特徴を示す特徴情報に基づいて、前記検索クエリが示す対象のマーケティング先を決定する
    ことを特徴とする請求項１７〜２１のいずれか１つに記載の情報処理装置。
23. 前記分析部は、前記イノベータ情報のうち、共通または類似するイノベータ情報を有するイノベータが検索で用いた複数の前記検索クエリに基づいて、当該検索クエリに応じた新たな分類を生成する
    ことを特徴とする請求項１５〜２２のいずれか１つに記載の情報処理装置。
24. 前記分析部は、共通または類似するイノベータ情報として、共通する属性情報、または、共通する趣味嗜好を有する前記イノベータが検索で用いた複数の異なる前記検索クエリに基づいて、複数の異なる前記検索クエリに応じた新たな分類を生成する
    ことを特徴とする請求項２３に記載の情報処理装置。
25. 前記分析部は、前記イノベータが検索で用いた複数の異なる前記検索クエリ間での共通性に基づいて、複数の異なる前記検索クエリに応じた新たな分類を生成する
    ことを特徴とする請求項１５〜２４のいずれか１つに記載の情報処理装置。
26. 前記分析部は、前記共通性として、複数の異なる前記検索クエリ毎の検索数に基づき生成される波形、複数の異なる前記検索クエリ毎の季節性、または、複数の異なる前記検索クエリ間での類似度に基づいて、複数の異なる前記検索クエリに応じた新たな分類を生成する
    ことを特徴とする請求項２５に記載の情報処理装置。
27. 情報処理装置が実行する情報処理方法であって、
    検索クエリを取得するクエリ取得工程と、
    前記クエリ取得工程により取得された検索クエリのうち、当該検索クエリでの検索数に関する所定の情報が、所定の条件情報を満たす検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定工程と、
    前記トレンド判定工程によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記検索クエリを用いて検索を行った検索者の中から、前記検索クエリに対応するイノベータを特定する特定工程と
    を含み、
    前記トレンド判定工程は、前記クエリ取得工程により取得された検索クエリのうち、当該検索クエリでの検索数であって前記時間経過に対応する所定期間に含まれる複数の単位期間それぞれでの検索数を、当該単位期間の次の単位期間での検索数と比較した場合の変化の度合いを示す変化率の前記所定期間での統計値が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する
    ことを特徴とする情報処理方法。
28. 検索クエリを取得するクエリ取得工程と、
    前記クエリ取得工程により取得された検索クエリのうち、当該検索クエリでの検索数に関する所定の情報が、所定の条件情報を満たす検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定工程と、
    前記トレンド判定工程によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記検索クエリを用いて検索を行った検索者の中から、前記検索クエリに対応するイノベータを特定する特定工程と
    を含み、
    前記トレンド判定工程は、前記クエリ取得工程により取得された検索クエリのうち、当該検索クエリでの検索数であって１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する
    ことを特徴とする情報処理方法。
29. 情報処理装置が実行する情報処理方法であって、
    検索クエリを取得するクエリ取得工程と、
    前記クエリ取得工程により取得された検索クエリのうち、当該検索クエリでの検索数であって時間経過に対応する所定期間に含まれる複数の単位期間それぞれでの検索数を、当該単位期間の次の単位期間での検索数と比較した場合の変化の度合いを示す変化率の前記所定期間での統計値が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定工程と、
    前記トレンド判定工程によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報に基づき、前記検索クエリで検索を行った検索者の中から特定されたイノベータであって、前記検索クエリに対応するイノベータに関するイノベータ情報を取得するイノベータ情報取得工程と、
    前記イノベータ情報に基づいて、マーケティングに関する情報を分析する分析工程と
    を含むことを特徴とする情報処理方法。
30. 情報処理装置が実行する情報処理方法であって、
    検索クエリを取得するクエリ取得工程と、
    前記クエリ取得工程により取得された検索クエリのうち、当該検索クエリでの検索数であって１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する判定するトレンド判定工程と、
    前記トレンド判定工程によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報に基づき、前記検索クエリで検索を行った検索者の中から特定されたイノベータであって、前記検索クエリに対応するイノベータに関するイノベータ情報を取得するイノベータ情報取得工程と、
    前記イノベータ情報に基づいて、マーケティングに関する情報を分析する分析工程と
    を含むことを特徴とする情報処理方法。
31. 検索クエリを取得するクエリ取得手順と、
    前記クエリ取得手順により取得された検索クエリのうち、当該検索クエリでの検索数に関する所定の情報が、所定の条件情報を満たす検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定手順と、
    前記トレンド判定手順によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記検索クエリを用いて検索を行った検索者の中から、前記検索クエリに対応するイノベータを特定する特定手順と
    をコンピュータに実行させ、
    前記トレンド判定手順は、前記クエリ取得手順により取得された検索クエリのうち、当該検索クエリでの検索数であって前記時間経過に対応する所定期間に含まれる複数の単位期間それぞれでの検索数を、当該単位期間の次の単位期間での検索数と比較した場合の変化の度合いを示す変化率の前記所定期間での統計値が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する
    ことを特徴とする情報処理プログラム。
32. 検索クエリを取得するクエリ取得手順と、
    前記クエリ取得手順により取得された検索クエリのうち、当該検索クエリでの検索数に関する所定の情報が、所定の条件情報を満たす検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定手順と、
    前記トレンド判定手順によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報と、前記時間経過に対応する第２の期間とに基づいて、前記検索クエリを用いて検索を行った検索者の中から、前記検索クエリに対応するイノベータを特定する特定手順と
    をコンピュータに実行させ、
    前記トレンド判定手順は、前記クエリ取得手順より取得された検索クエリのうち、当該検索クエリでの検索数であって１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する
    ことを特徴とする情報処理プログラム。
33. 検索クエリを取得するクエリ取得手順と、
    前記クエリ取得手順により取得された検索クエリのうち、当該検索クエリでの検索数であって時間経過に対応する所定期間に含まれる複数の単位期間それぞれでの検索数を、当該単位期間の次の単位期間での検索数と比較した場合の変化の度合いを示す変化率の前記所定期間での統計値が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定するトレンド判定手順と、
    前記トレンド判定手順によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報に基づき、前記検索クエリで検索を行った検索者の中から特定されたイノベータであって、前記検索クエリに対応するイノベータに関するイノベータ情報を取得するイノベータ情報取得手順と、
    前記イノベータ情報に基づいて、マーケティングに関する情報を分析する分析手順と
    をコンピュータに実行させることを特徴とする情報処理プログラム。
34. 検索クエリを取得するクエリ取得手順と、
    前記クエリ取得手順により取得された検索クエリのうち、当該検索クエリでの検索数であって１年毎の検索数を１年経過毎に比較した場合の変化の度合いを示す変化率の平均値である平均変化率が所定値より高くなる検索クエリについて、トレンドの対象になった検索クエリであると判定する判定するトレンド判定手順と、
    前記トレンド判定手順によりトレンドの対象になったと判定された検索クエリでの検索数の時間経過に応じた変化を示す遷移情報であって、前記時間経過に対応する第１の期間よりも後の時点に前記検索数の最大値を示す時点を有する遷移情報に基づき、前記検索クエリで検索を行った検索者の中から特定されたイノベータであって、前記検索クエリに対応するイノベータに関するイノベータ情報を取得するイノベータ情報取得手順と、
    前記イノベータ情報に基づいて、マーケティングに関する情報を分析する分析手順と
    をコンピュータに実行させることを特徴とする情報処理プログラム。

Images