JP6786537B2 - 情報処理装置、情報処理方法及びプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

ユーザの生活や人生に関するイベントであるライフイベントが発生すると、ライフイベントに関連する情報へのアクセスが急増したり、ライフイベントに関連する商品又はサービスの購買が急増したりすることが知られている。ユーザのライフイベントの発生に応じて、ライフイベントに関連する商品又はサービスに関する広告を配信することにより、効率が高い広告が実現できることから、ライフイベントが発生したユーザを特定することが行われている。

例えば、特許文献１には、ユーザが閲覧したウェブページが、ライフイベントに対応するウェブページに一致すると、ライフイベントが発生していると推定するシステムが開示されている。

特開２０１７−１１７３５１号公報

しかしながら、特許文献１において開示されているシステムは、ライフイベントに対応するウェブページを予めデータベースに格納しているものの、どのようにして、ライフイベントに対応するウェブページを特定しているのか開示されていない。人手によりライフイベントに対応するウェブページを特定することが考えられるものの、人手による特定は煩雑である。そこで、ライフイベントに対応するウェブページを精度良く特定することが求められている。

そこで、本発明はこれらの点に鑑みてなされたものであり、ライフイベントに対応するウェブページを自動的に特定することができる情報処理装置、情報処理方法及びプログラムを提供することを目的とする。

本発明の第１の態様に係る情報処理装置は、複数のユーザのそれぞれの所定のライフイベントの発生タイミングを特定するタイミング特定部と、前記タイミング特定部により前記ライフイベントの発生タイミングが特定された一以上の第１ユーザのウェブページの閲覧履歴を示し、前記ウェブページのアドレス及び閲覧時刻を含む閲覧履歴情報を取得する第１閲覧履歴取得部と、前記一以上の第１ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、特定した前記発生タイミングを基準として、前記発生タイミングよりも前の期間である第１期間において閲覧されたウェブページと、前記発生タイミングの後の期間である第２期間において閲覧されたウェブページとを特定する閲覧ページ特定部と、前記閲覧ページ特定部が特定した前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況の変化に基づいて、前記複数のウェブページから、前記ライフイベントに関連するウェブページとするイベント関連ページを特定する関連ページ特定部と、を備える。

前記関連ページ特定部は、前記閲覧ページ特定部が特定した前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれを前記第１期間に閲覧した前記第１ユーザの数と、前記第２期間に閲覧した前記第１ユーザの数とを算出し、前記複数のウェブページのそれぞれについて、前記第２期間に対応する前記第１ユーザの数に対する、前記第１期間における前記第１ユーザの数の比率を算出し、前記複数のウェブページのうち、当該比率が第１の閾値を超えるウェブページを、前記ライフイベントの発生前に閲覧される可能性が高い前記イベント関連ページであるイベント前関連ページと特定してもよい。

前記関連ページ特定部は、前記閲覧ページ特定部が特定した前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれの前記第１期間における前記一以上の第１ユーザの閲覧数と、前記第２期間における前記一以上の第１ユーザの閲覧数とを算出し、前記複数のウェブページのそれぞれについて、前記第２期間における前記閲覧数に対する、前記第１期間における前記閲覧数の比率を算出し、前記複数のウェブページのうち、当該比率が第２の閾値を超えるウェブページを、前記ライフイベントの発生前に閲覧される可能性が高い前記イベント関連ページであるイベント前関連ページと特定してもよい。

前記閲覧ページ特定部は、複数の前記第１期間の少なくともいずれかにおいて閲覧されたウェブページを特定し、前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、複数の前記第１期間のそれぞれに対応する前記第１ユーザの数を算出し、前記第２期間に対応する前記第１ユーザの数に対する、複数の前記第１期間のそれぞれに対応する前記第１ユーザの数の比率を算出し、前記複数のウェブページのうち、算出された複数の比率のうち少なくとも１つが前記第１の閾値を超えるウェブページを、前記イベント前関連ページと特定してもよい。

前記第１閲覧履歴取得部は、前記タイミング特定部により前記発生タイミングが特定されなかった一以上の第２ユーザの前記閲覧履歴情報を取得し、前記閲覧ページ特定部は、前記一以上の第２ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、前記一以上の第１ユーザに対して特定された一以上の前記発生タイミングの少なくともいずれかを基準として、前記第１期間において閲覧されたウェブページを特定し、前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、前記第２期間に対応する前記第１ユーザの数に対する、前記第１期間に対応する前記第１ユーザの数の比率である第１比率を算出するとともに、前記第１期間に対応する前記第２ユーザの数に対する、前記第１期間に対応する前記第１ユーザの数の比率である第２比率を算出し、前記複数のウェブページのうち、前記第１比率が第１の閾値を超えるとともに、前記第２比率が第３の閾値を超えるウェブページを、前記ライフイベントに関連するイベント前関連ページと特定してもよい。

前記情報処理装置は、前記タイミング特定部による前記ライフイベントの特定対象とされる一以上の第３ユーザの前記閲覧履歴情報を取得する第２閲覧履歴取得部と、前記一以上の第３ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、現時点よりも前の期間である複数の第３期間のそれぞれにおける、前記イベント前関連ページとは異なる一以上の非関連ページの閲覧数に対する、前記イベント前関連ページの閲覧数の比率である第３比率を算出し、前記一以上の第３ユーザのそれぞれについて算出された複数の前記第３比率の変化に基づいて、前記一以上の第３ユーザから、前記ライフイベントが発生する可能性が高いユーザを特定するユーザ特定部をさらに備えてもよい。

前記ユーザ特定部は、前記一以上の第３ユーザのそれぞれについて、前記複数の第３期間における過去の第３期間から順に、隣接する２つの第３期間に基づいて前記第３比率の増加率を算出し、算出した複数の前記第３比率の増加率が第４の閾値を超える第３ユーザを、前記ライフイベントが発生する可能性が高いユーザと特定してもよい。

前記第１閲覧履歴取得部は、前記タイミング特定部により前記発生タイミングが特定されなかった一以上の第２ユーザの前記閲覧履歴情報を取得し、前記情報処理装置は、前記第１ユーザの前記閲覧履歴情報のうち、前記発生タイミングよりも前の閲覧履歴情報を、ライフイベントが発生したユーザの教師データとするとともに、前記第２ユーザの前記閲覧履歴情報を、ライフイベントが発生しなかったユーザの教師データとし、前記閲覧履歴情報の入力に対して、当該閲覧履歴情報に対応するユーザが、ライフイベントが発生する可能性が高いユーザであるか否かを分類するモデルを生成する生成部と、前記タイミング特定部による前記ライフイベントの特定対象とされる一以上の第３ユーザの前記閲覧履歴情報を取得する第２閲覧履歴取得部と、前記モデルに前記第３ユーザの閲覧履歴情報を入力し、前記第３ユーザが、ライフイベントが発生する可能性が高いユーザであるか否かを前記モデルに分類させることにより、前記一以上の第３ユーザから、前記ライフイベントが発生する可能性が高いユーザを特定するユーザ特定部と、をさらに備えてもよい。

前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、前記第１期間に対応する前記第１ユーザの数に対する、前記第２期間に対応する前記第１ユーザの数の比率を算出し、前記複数のウェブページのうち、当該比率が第５の閾値を超えるウェブページを、前記ライフイベントの発生後に閲覧される可能性が高い前記イベント関連ページであるイベント後関連ページと特定してもよい。

前記閲覧ページ特定部は、複数の前記第２期間の少なくともいずれかに閲覧されたウェブページを特定し、前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、複数の前記第２期間のそれぞれに対応する前記第１ユーザの数を算出し、前記第１期間に対応する前記第１ユーザの数に対する、複数の前記第２期間のそれぞれに対応する前記第１ユーザの数の比率を算出し、前記複数のウェブページのうち、算出された複数の比率のうち少なくとも１つが前記第５の閾値を超えるウェブページを、前記イベント後関連ページと特定してもよい。

前記情報処理装置は、前記一以上の第３ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、現時点よりも前の期間である複数の第３期間のそれぞれにおける、前記イベント後関連ページとは異なる一以上の非関連ページの閲覧数に対する、前記イベント後関連ページの閲覧数の比率である第４比率を算出し、前記一以上の第３ユーザのそれぞれについて算出された複数の前記第４比率の変化に基づいて、前記一以上の第３ユーザから、前記ライフイベントが終了したユーザを特定するユーザ特定部をさらに備えてもよい。

前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、前記第１期間に対応する前記第１ユーザの数に対する、前記第２期間に対応する第１ユーザの数の比率を算出し、前記複数のウェブページのうち、当該比率が第５の閾値を超えるウェブページを、前記ライフイベントの発生後に閲覧される可能性が高い前記イベント関連ページであるイベント後関連ページと特定し、前記情報処理装置は、前記ライフイベントが発生する可能性が高いユーザに、前記ライフイベントの後に閲覧される可能性が高い前記イベント後関連ページに対応する広告を配信する広告配信部をさらに備えてもよい。

前記情報処理装置は、前記イベント前関連ページ及び前記イベント後関連ページを、それぞれのページが属するカテゴリに分類するとともに、当該カテゴリに対応するページが閲覧される可能性が高い期間を当該カテゴリに関連付ける分類部をさらに備え、前記広告配信部は、前記ライフイベントが発生する可能性が高いユーザの前記閲覧履歴情報に基づいて、当該ユーザが現時点で相対的に多く閲覧しているウェブページのカテゴリを特定し、特定したカテゴリに関連付けられた期間よりも後の期間に関連付けられているカテゴリに対応する前記広告を配信してもよい。

本発明の第２の態様に係る情報処理方法は、コンピュータが実行する、複数のユーザのそれぞれの所定のライフイベントの発生タイミングを特定するステップと、前記ライフイベントの発生タイミングが特定された一以上の第１ユーザのウェブページの閲覧履歴を示し、前記ウェブページのアドレス及び閲覧時刻を含む閲覧履歴情報を取得するステップと、前記一以上の第１ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、特定した前記発生タイミングを基準として、前記発生タイミングよりも前の期間である第１期間において閲覧されたウェブページと、前記発生タイミングの後の期間である第２期間において閲覧されたウェブページとを特定するステップと、特定された前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況の変化に基づいて、前記複数のウェブページから、前記ライフイベントに関連するウェブページとするイベント関連ページを特定するステップと、を備える。

本発明の第３の態様に係るプログラムは、コンピュータを、複数のユーザのそれぞれの所定のライフイベントの発生タイミングを特定するタイミング特定部、前記タイミング特定部により前記ライフイベントの発生タイミングが特定された一以上の第１ユーザのウェブページの閲覧履歴を示し、前記ウェブページのアドレス及び閲覧時刻を含む閲覧履歴情報を取得する閲覧履歴取得部、前記一以上の第１ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、特定した前記発生タイミングを基準として、前記発生タイミングよりも前の期間である第１期間において閲覧されたウェブページと、前記発生タイミングの後の期間である第２期間において閲覧されたウェブページとを特定する閲覧ページ特定部、及び、前記閲覧ページ特定部が特定した前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況の変化に基づいて、前記複数のウェブページから、前記ライフイベントに関連するウェブページとするイベント関連ページを特定する関連ページ特定部、として機能させる。

本発明によれば、ライフイベントに対応するウェブページを自動的に特定することができるという効果を奏する。

第１実施形態に係る情報処理装置の概要を示す図である。 第１実施形態に係る情報処理装置の構成を示す図である。 イベント関連ページ特定部の構成を示す図である。 複数のウェブページのそれぞれに対応する第１比率の例を示す図である。 複数のウェブページのそれぞれに対応する第２比率の例を示す図である。 イベント発生ユーザ特定部の構成を示す図である。 広告配信部の構成を示す図である。 イベント前関連ページを特定するときの情報処理装置における処理の流れを示すフローチャートである。 ライフイベントが発生する可能性が高いユーザを特定するときの情報処理装置における処理の流れを示すフローチャートである。 ライフイベントが発生する可能性が高いユーザに広告を配信するときの情報処理装置における処理の流れを示すフローチャートである。 第２実施形態に係るイベント発生ユーザ特定部の構成を示す図である。

［情報処理装置１の概要］
図１は、第１実施形態に係る情報処理装置１の概要を示す図である。情報処理装置１は、ライフイベントに関連するウェブページを特定し、ユーザの当該ウェブページの閲覧状況の変化に基づいて、ライフイベントが発生する可能性が高いユーザを特定し、当該ユーザに広告を配信するコンピュータである。ここで、ライフイベントとは、ユーザの生活や人生に関するイベントであり、例えば、引越、結婚、就職、車購入等が挙げられる。

情報処理装置１は、複数のユーザＵ１から、アンケート等によりイベントの発生タイミングとしての発生日を示すイベント発生日情報を取得する（図１の（１））。また、情報処理装置１は、一以上のユーザＵ１のそれぞれが使用する第１ユーザ端末２から、複数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（図１の（２））。情報処理装置１は、複数のユーザＵ１のイベント発生日の前後におけるウェブページの閲覧状況に変化に基づいて、ライフイベントに関連するウェブページであるイベント関連ページを特定する（図１の（３））。このようにすることで、情報処理装置１は、イベント関連ページを自動的に特定することができる。

情報処理装置１は、ライフイベントの特定対象とされる一以上のユーザＵ２のそれぞれが使用する第２ユーザ端末３から、閲覧履歴情報を取得する（図１の（４））。情報処理装置１は、イベント関連ページの閲覧状況の変化に基づいて、ライフイベントが発生する可能性が高いユーザを特定し（図１の（５））、ライフイベントが発生する可能性が高いユーザに広告を配信する（図１の（６））。このようにすることで、情報処理装置１は、広告効果を高めることができる。
以下、情報処理装置１の構成について説明する。

［情報処理装置１の構成例］
図２は、第１実施形態に係る情報処理装置１の構成を示す図である。情報処理装置１は、記憶部１１と、制御部１２とを備える。

記憶部１１は、例えば、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等である。記憶部１１は、情報処理装置１を機能させるための各種プログラムを記憶する。例えば、記憶部１１は、情報処理装置１の制御部１２を、後述するイベント関連ページ特定部１３、イベント発生ユーザ特定部１４、及び広告配信部１５として機能させるプログラムを記憶する。

制御部１２は、例えばＣＰＵ（Central Processing Unit）である。制御部１２は、記憶部１１に記憶されている各種プログラムを実行することにより、情報処理装置１に係る機能を制御する。制御部１２は、記憶部１１に記憶されているプログラムを実行することにより、イベント関連ページ特定部１３、イベント発生ユーザ特定部１４、及び広告配信部１５として機能する。

［イベント関連ページの特定］
イベント関連ページ特定部１３は、複数の第１ユーザＵ１の閲覧履歴に基づいて、イベント関連ページを特定する。イベント関連ページ特定部１３は、ライフイベントに関連するウェブページとして、ライフイベントの発生前に閲覧される可能性が高いイベント関連ページであるイベント前関連ページと、ライフイベントの終了後に閲覧される可能性が高いイベント関連ページであるイベント後関連ページとを特定する。

図３は、イベント関連ページ特定部１３の構成を示す図である。図３に示すように、イベント関連ページ特定部１３は、タイミング特定部１３１と、第１閲覧履歴取得部１３２と、閲覧ページ特定部１３３と、関連ページ特定部１３４とを備える。

タイミング特定部１３１は、複数の第１ユーザのそれぞれの所定のライフイベントの発生日を特定する。例えば、タイミング特定部１３１は、複数のユーザＵ１のそれぞれに対して実施された、ライフイベントに関するアンケートの結果を示すアンケート結果情報を取得する。アンケート結果情報には、ユーザＵ１を識別するユーザＩＤと、複数のライフイベントのそれぞれの種類を示す種類情報と、複数のライフイベントのそれぞれの発生日を示す発生日情報とが含まれている。

ここで、ユーザＵ１の中には、所定のライフイベントが発生しているユーザと、所定のライフイベントが発生していないユーザとが存在する。所定のライフイベントが発生しているユーザＵ１を第１ユーザといい、所定のライフイベントが発生していないユーザＵ１を第２ユーザという。タイミング特定部１３１は、取得したアンケート結果情報に基づいて、複数の第１ユーザのそれぞれの所定のライフイベントの発生日を特定する。なお、以下の説明では、所定のライフイベントを、単にライフイベントという。また、本実施形態では、タイミング特定部１３１は、複数の第１ユーザのそれぞれの所定のライフイベントの発生日を特定したが、これに限らない。タイミング特定部１３１は、所定のライフイベントの発生タイミングとして、所定のライフイベントの発生週や、発生時刻を特定してもよい。

第１閲覧履歴取得部１３２は、タイミング特定部１３１によりライフイベントの発生日が特定された一以上の第１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とともに、ライフイベントの発生日が特定されなかった一以上の第２ユーザの閲覧履歴情報を取得する。具体的には、第１閲覧履歴取得部１３２は、ライフイベントに関するアンケートに回答した複数のユーザＵ１のそれぞれに対応する閲覧履歴情報を取得する。閲覧履歴情報には、ユーザＵ１を識別するユーザＩＤと、閲覧されたウェブページのアドレスと、閲覧時刻を示す閲覧時刻情報とが含まれている。ここで、ウェブページのアドレスは、例えばＵＲＬであるものとするが、これに限らず、ドメイン、サブドメイン、ディレクトリ、Network location part等のＵＲＬの一部であってもよい。

閲覧ページ特定部１３３は、一以上の第１ユーザのそれぞれについて、閲覧履歴情報に基づいて、特定したライフイベントの発生日を基準として、発生日よりも前の期間である第１期間において閲覧されたウェブページと、発生日の後の期間である第２期間において閲覧されたウェブページとを特定する。このようにすることで、複数の第１ユーザのそれぞれのウェブページの閲覧日時の時間軸を、ライフイベントの発生日を基準として統一することができる。

ここで、第１期間は複数設けられており、閲覧ページ特定部１３３は、一以上の第１ユーザのそれぞれについて、複数の第１期間の少なくともいずれかにおいて閲覧されたウェブページを特定する。第１期間は、例えば２４時間である。以下の説明において、複数の第１期間のそれぞれを、ライフイベントの発生日に近い順から、Ｔ_−１、Ｔ_−２、・・・Ｔ_−ｎと表記する。また、複数の第１期間は、イベント前関連ページの特定に用いられるものとする。

また、第２期間は複数設けられており、閲覧ページ特定部１３３は、一以上の第１ユーザのそれぞれについて、複数の第２期間の少なくともいずれかにおいて閲覧されたウェブページを特定する。第２期間は、例えば２４時間である。以下の説明において、複数の第２期間のそれぞれを、ライフイベントの発生日に近い順から、Ｔ_１、Ｔ_２、・・・Ｔ_ｎと表記する。また、複数の第２期間は、イベント後関連ページの特定に用いられるものとする。

また、閲覧ページ特定部１３３は、一以上の第２ユーザのそれぞれについて、閲覧履歴情報に基づいて、一以上の第１ユーザに対して特定された一以上の発生日の少なくともいずれかを基準とし、当該発生日よりも前の複数の第１期間において閲覧されたウェブページを特定する。

閲覧ページ特定部１３３は、例えば、第１ユーザＸに対して特定された所定のライフイベントの発生日が２０１８年１月３０日である場合、一以上の第２ユーザのそれぞれについて、閲覧履歴情報に基づいて、当該発生日を基準とし、当該発生日よりも前の複数の第１期間において閲覧されたウェブページを特定する。また、閲覧ページ特定部１３３は、例えば、第１ユーザＹに対して特定された所定のライフイベントの発生日が２０１８年２月１０日である場合、一以上の第２ユーザのそれぞれについて、閲覧履歴情報に基づいて、当該発生日を基準とし、当該発生日よりも前の複数の第１期間において閲覧されたウェブページを特定する。

関連ページ特定部１３４は、閲覧ページ特定部１３３が特定した一以上の第１ユーザのそれぞれの第１期間と、第２期間とのそれぞれにおけるウェブページの閲覧状況の変化に基づいて、複数のウェブページから、ライフイベントに関連するウェブページとするイベント関連ページを特定する。関連ページ特定部１３４は、ライフイベントに関連するウェブページとして、ライフイベントの発生に関連するイベント関連ページであるイベント前関連ページと、ライフイベントの終了に関連するイベント関連ページであるイベント後関連ページとを特定する。まず、イベント前関連ページの特定方法について説明する。

［イベント前関連ページの特定］
まず、関連ページ特定部１３４は、閲覧ページ特定部１３３が特定した一以上の第１ユーザのそれぞれの第１期間におけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれを第１期間に閲覧した第１ユーザの数を算出する。関連ページ特定部１３４は、複数のウェブページのそれぞれについて、複数の第１期間のそれぞれに閲覧した第１ユーザの数を算出する。

また、関連ページ特定部１３４は、第２期間におけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれを第２期間に閲覧した第１ユーザの数を算出する。ここで、関連ページ特定部１３４は、複数のウェブページのそれぞれについて、ライフイベントの発生日に最も近い第２期間Ｔ_１に閲覧した第１ユーザの数を算出する。

そして、関連ページ特定部１３４は、複数のウェブページのそれぞれについて、第２期間Ｔ_１に対応する第１ユーザの数に対する、複数の第１期間のそれぞれに対応する第１ユーザの数の比率である第１比率を算出する。

図４は、複数のウェブページのそれぞれに対応する第１比率を示す図である。図４に示されるように、第１比率が相対的に高いウェブページは、ライフイベントが発生する第１ユーザに、ライフイベントが発生する前に閲覧されやすく、イベント前関連ページである可能性が高い。

また、関連ページ特定部１３４は、閲覧ページ特定部１３３が特定した一以上の第２ユーザのそれぞれの第１期間におけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれを第１期間に閲覧した第２ユーザの数を算出する。そして、関連ページ特定部１３４は、第１期間に対応する第２ユーザの数に対する、当該第１期間に対応する第１ユーザの数の比率である第２比率を算出する。関連ページ特定部１３４は、複数の第１期間のそれぞれについて、第２比率を算出する。

図５は、複数のウェブページのそれぞれに対応する第２比率を示す図である。例えば第２比率が相対的に高いウェブページは、ライフイベントが発生した第１ユーザに相対的に閲覧されやすく、イベント関連ページである可能性が高い。

関連ページ特定部１３４は、複数のウェブページのそれぞれに対して算出された複数の第１比率及び複数の第２比率に基づいて、複数のウェブページの中からイベント前関連ページを特定する。

例えば、関連ページ特定部１３４は、複数のウェブページのうち、算出された複数の第１比率のうち少なくとも１つが第１の閾値を超えるとともに、複数の第２比率のうち少なくとも１つが第３の閾値を超えるウェブページを、ライフイベントの発生前に閲覧される可能性が高いイベント前関連ページと特定する。なお、関連ページ特定部１３４は、複数のウェブページのうち、算出された複数の第１比率のうち少なくとも１つが閾値ｔｈ１（第１の閾値）を超えているウェブページ、又は算出された複数の第２比率のうち少なくとも１つが閾値ｔｈ２（第３の閾値）を超えているウェブページをイベント前関連ページと特定してもよい。

ここで、閾値ｔｈ１は、例えば、１．５である。また、関連ページ特定部１３４は、閾値ｔｈ２を、第１ユーザの数と、第２ユーザの数とに基づいて決定してもよい。例えば、第１ユーザがＭ人、第２ユーザがＮ人である場合、閾値ｔｈ２は、以下の式（１）で表わされる。
ｔｈ２＝２＊Ｍ／Ｎ・・・（１）

なお、本実施形態では、第２期間に対応する第１ユーザの数に対する、第１期間における第１ユーザの数の比率を第１比率とし、当該第１比率に基づいてイベント前関連ページを特定したが、これに限らない。

関連ページ特定部１３４は、閲覧ページ特定部１３３が特定した一以上の第１ユーザのそれぞれの第１期間と、第２期間とのそれぞれにおけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれの第１期間における一以上の第１ユーザの閲覧数と、第２期間における一以上の第１ユーザの閲覧数とを算出してもよい。そして、関連ページ特定部１３４は、複数のウェブページのそれぞれについて、第２期間における閲覧数に対する、第１期間における閲覧数の比率を算出してもよい。そして、関連ページ特定部１３４は、複数のウェブページのうち、当該比率が閾値ｔｈ３（第２の閾値）を超えるウェブページを、イベント前関連ページと特定してもよい。このようにすることで、情報処理装置１は、第１ユーザのユーザ数を用いてイベント前関連ページを特定するのと同様に、イベント前関連ページを特定することができる。

［イベント後関連ページの特定］
続いて、イベント後関連ページの特定方法について説明する。
まず、関連ページ特定部１３４は、閲覧ページ特定部１３３が特定した一以上の第１ユーザのそれぞれの第１期間におけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれを第１期間に閲覧した第１ユーザの数を算出する。ここで、関連ページ特定部１３４は、複数のウェブページのそれぞれについて、ライフイベントの発生日に最も近い第１期間Ｔ_−１にウェブページを閲覧した第１ユーザの数を算出する。

また、関連ページ特定部１３４は、第２期間におけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれを第２期間に閲覧した第１ユーザの数を算出する。関連ページ特定部１３４は、複数のウェブページのそれぞれについて、複数の第２期間のそれぞれに閲覧した第１ユーザの数を算出する。

そして、関連ページ特定部１３４は、複数のウェブページのそれぞれについて、第１期間Ｔ_−１に対応する第１ユーザの数に対する、複数の第２期間のそれぞれに対応する第１ユーザの数の比率を算出する。そして、関連ページ特定部１３４は、複数のウェブページのうち、算出した複数の比率のうち少なくとも１つが閾値ｔｈ４（第５の閾値）を超えるウェブページを、イベント後関連ページと特定する。

［ライフイベントが発生する可能性が高いユーザの特定］
イベント発生ユーザ特定部１４は、ライフイベントの特定対象とされる一以上の第３ユーザの閲覧履歴情報に基づいて、一以上の第３ユーザからライフイベントが発生する可能性が高いユーザを特定する。図６は、イベント発生ユーザ特定部１４の構成を示す図である。図６に示すように、イベント発生ユーザ特定部１４は、第２閲覧履歴取得部１４１と、ユーザ特定部１４２とを備える。

第２閲覧履歴取得部１４１は、ライフイベントの特定対象とされる一以上の第３ユーザＵ２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。

ユーザ特定部１４２は、一以上の第３ユーザのそれぞれについて、第２閲覧履歴取得部１４１が取得した閲覧履歴情報に基づいて、現時点よりも前の期間である複数の第３期間のそれぞれにおける、イベント前関連ページとは異なる一以上の非関連ページの閲覧数に対する、イベント前関連ページの閲覧数の比率である第３比率Ｐ３を算出する。以下の説明において、複数の第３期間のそれぞれを、現時点に近い順から、Ｔ３_−１、Ｔ３_−２、・・・Ｔ３_−ｎと表記する。

そして、ユーザ特定部１４２は、一以上の第３ユーザのそれぞれについて算出された複数の第３比率の変化に基づいて、一以上の第３ユーザから、ライフイベントが発生する可能性が高いユーザを特定する。

具体的には、ユーザ特定部１４２は、一以上の第３ユーザのそれぞれについて、複数の第３期間における過去の第３期間から順に、隣接する２つの第３期間Ｔ３_−ｉ（ただし、０≦ｉ≦ｎ−１）における第３比率Ｐ３の変化率（増加率）を算出する。第３期間Ｔ３_−ｉにおける第３比率をＰ３_−ｉ、第３期間Ｔ３_{−（ｉ＋１）}における第３比率をＰ３_{−（ｉ＋１）}とすると、変化率は、Ｐ３_−ｉ／Ｐ３_{−（ｉ＋１）}と表わされる。

ユーザ特定部１４２は、第３比率Ｐ３の変化率が、第３比率の増加を示している場合に、当該第３比率に対応するユーザを、ライフイベントが発生する可能性が高いユーザと特定する。例えば、ユーザ特定部１４２は、第３比率Ｐ３の変化率が閾値ｔｈ５（第４の閾値）を超える第３ユーザを、ライフイベントが発生する可能性が高いユーザと特定する。

なお、ユーザ特定部１４２は、一以上の第３ユーザのそれぞれについて、複数の第３期間における過去の第３期間から順に、当該第３期間よりも前の複数の第３期間の第３比率Ｐ３の分散σ_ｐ３及び平均値μ_ｐ３を算出してもよい。そして、ユーザ特定部１４２は、当該分散σ_ｐ３及び平均値μ_ｐ３に基づいてライフイベントが発生する可能性が高いユーザを特定してもよい。例えば、ユーザ特定部１４２は、第３期間Ｔ３_−ｉにおける第３比率Ｐ３_−ｉが以下の式（２）を満たす場合に、ライフイベントが発生する可能性が高いユーザであると特定する。

［ライフイベントが終了した可能性が高いユーザの特定］
イベント発生ユーザ特定部１４は、ライフイベントが発生する可能性が高いユーザを特定するのと同様に、第３ユーザの閲覧履歴情報に基づいて、一以上の第３ユーザからライフイベントが終了した可能性が高いユーザを特定する。

具体的には、ユーザ特定部１４２は、一以上の第３ユーザのそれぞれについて、第２閲覧履歴取得部１４１が取得した閲覧履歴情報に基づいて、現時点よりも前の期間である複数の第３期間のそれぞれにおける、イベント後関連ページとは異なる一以上の非関連ページの閲覧数に対する、イベント後関連ページの閲覧数の比率である第４比率Ｐ４を算出し、一以上の第３ユーザのそれぞれについて算出された複数の第４比率Ｐ４の変化に基づいて、一以上の第３ユーザから、ライフイベントが終了した可能性が高いユーザを特定する。

具体的には、ユーザ特定部１４２は、一以上の第３ユーザのそれぞれについて、複数の第３期間における過去の第３期間から順に、隣接する２つの第３期間Ｔ３_−ｉ（ただし、０≦ｉ≦ｎ−１）における第４比率Ｐ４の変化率（増加率）を算出する。第３期間Ｔ３_−ｉにおける第４比率をＰ４_−ｉ、第３期間Ｔ３_{−（ｉ＋１）}における第４比率をＰ４_{−（ｉ＋１）}とすると、変化率は、Ｐ４_−ｉ／Ｐ４_{−（ｉ＋１）}と表わされる。

ユーザ特定部１４２は、第４比率Ｐ４の変化率が第４比率の増加を示している場合に、当該第４比率に対応するユーザを、ライフイベントが終了した可能性が高いユーザと特定する。例えば、ユーザ特定部１４２は、第４比率Ｐ４の変化率が閾値ｔｈ７を超える第３ユーザを、ライフイベントが終了した可能性が高いユーザと特定する。

ここで、ユーザ特定部１４２は、第３比率Ｐ３の変化率が減少を示しているとともに、第４比率Ｐ４の変化率が第４比率の増加を示している場合に、当該第３比率及び第４比率に対応するユーザを、ライフイベントが終了した可能性が高いユーザと特定してもよい。

また、ユーザ特定部１４２は、一以上の第３ユーザのそれぞれについて、複数の第３期間における過去の第３期間から順に、当該第３期間よりも前の複数の第３期間の第４比率Ｐ４の分散σ_ｐ４及び平均値μ_ｐ４を算出してもよい。そして、ユーザ特定部１４２は、当該分散σ_ｐ４及び平均値μ_ｐ４に基づいてライフイベントが終了した可能性が高いユーザを特定してもよい。例えば、ユーザ特定部１４２は、第３期間Ｔ３_−ｉにおける第４比率Ｐ４_−ｉが以下の式（３）を満たす場合に、ライフイベントが終了した可能性が高いユーザであると特定する。

［ライフイベントが発生する可能性が高いユーザへの広告の配信］
広告配信部１５は、イベント発生ユーザ特定部１４により特定された、ライフイベントが発生する可能性が高い第３ユーザに、ライフイベントの後に閲覧される可能性が高いイベント後関連ページに対応する広告を配信する。図７は、広告配信部１５の構成を示す図である。図７に示すように、広告配信部１５は、分類部１５１と、配信部１５２とを備える。

分類部１５１は、イベント前関連ページ及びイベント後関連ページを、それぞれのページが属するカテゴリに分類する。具体的には、分類部１５１は、イベント前関連ページと、イベント後関連ページとのそれぞれが属するカテゴリを特定する。例えば、分類部１５１は、検索エンジン等によりイベント前関連ページ及びイベント後関連ページに付与されているカテゴリを取得することにより、カテゴリを特定する。なお、分類部１５１は、イベント前関連ページ及びイベント後関連ページに含まれている単語を解析することにより、これらのページが属するカテゴリを特定してもよい。

分類部１５１は、複数のカテゴリのそれぞれに対応するページが閲覧される可能性が高い期間を特定し、特定した期間と、当該カテゴリとを関連付ける。例えば、分類部１５１は、第１閲覧履歴取得部１３２が取得した第１ユーザの閲覧履歴情報に基づいて、カテゴリに分類されたイベント前関連ページ及びイベント後関連ページが最も閲覧される期間を特定する。分類部１５１は、ライフイベントの発生日を基準として、イベント前関連ページ及びイベント後関連ページが最も閲覧される期間を特定する。そして、分類部１５１は、特定した期間と、カテゴリとを関連付けたカテゴリ情報を記憶部１１に記憶させる。

配信部１５２は、ライフイベントが発生する可能性が高いユーザの閲覧履歴情報と、分類部１５１による分類結果とに基づいて、当該ユーザが現時点で相対的に多く閲覧しているウェブページのカテゴリを特定する。例えば、配信部１５２は、現時点で最も閲覧されているウェブページに対応するカテゴリを特定する。

記憶部１１には、カテゴリと、当該カテゴリに対応する広告を示す広告情報とが関連付けられて記憶されている。配信部１５２は、記憶部１１に記憶されているカテゴリ情報を参照し、特定したカテゴリに関連付けられている期間よりも後の期間に関連付けられているカテゴリを特定する。そして、配信部１５２は、当該カテゴリに関連付けられている広告を、ライフイベントが発生する可能性が高いユーザに配信する。

例えば、ユーザ特定部１４２は、ライフイベントが発生する可能性が高いユーザのユーザＩＤを記憶部１１に記憶させておく。配信部１５２は、広告配信におけるＤＳＰ（Demand Side Platform）として機能し、ユーザがウェブページを訪問すると、当該ユーザのユーザＩＤを特定する。配信部１５２は、記憶部１１を参照し、特定したユーザＩＤが、ライフイベントが発生する可能性が高いユーザのユーザＩＤとして記憶されているか否かを判定する。

配信部１５２は、当該ユーザが、ライフイベントが発生する可能性が高いユーザであると判定すると、当該ユーザが訪問したウェブページの広告枠に、特定したカテゴリに関連付けられている期間よりも後の期間に関連付けられているカテゴリに関連付けられている広告を配信する。

［情報処理装置１における処理の流れ］
続いて、情報処理装置１における処理の流れの一例について説明する。まず、イベント前関連ページを特定するときの情報処理装置１における処理の流れについて説明する。図８は、イベント前関連ページを特定するときの情報処理装置１における処理の流れを示すフローチャートである。

まず、タイミング特定部１３１は、複数の第１ユーザのそれぞれの所定のライフイベントの発生日を特定する（Ｓ１）。
続いて、第１閲覧履歴取得部１３２は、第１ユーザ及び第２ユーザの閲覧履歴情報を取得する（Ｓ２）。

続いて、閲覧ページ特定部１３３及び関連ページ特定部１３４は、複数のウェブページのそれぞれを閲覧した第１ユーザの数を、複数の第１期間、第２期間ごとに算出する（Ｓ３）。
続いて、関連ページ特定部１３４は、複数のウェブページのそれぞれの第１比率を算出する（Ｓ４）。

続いて、閲覧ページ特定部１３３及び関連ページ特定部１３４は、複数のウェブページのそれぞれを閲覧した第２ユーザの数を、複数の第１期間ごとに算出する（Ｓ５）。
続いて、関連ページ特定部１３４は、複数のウェブページのそれぞれの第２比率を算出する（Ｓ６）。
続いて、関連ページ特定部１３４は、算出した第１比率及び第２比率に基づいて、複数のウェブページの中からイベント前関連ページを特定する（Ｓ７）。

続いて、情報処理装置１が、ライフイベントが発生する可能性が高いユーザを特定するときの処理の流れについて説明する。図９は、ライフイベントが発生する可能性が高いユーザを特定するときの情報処理装置１における処理の流れを示すフローチャートである。本フローチャートは、複数の第３ユーザのそれぞれで実施されるものとする。また、本フローチャートでは、説明を簡略化するために、１つのイベント関連前ページに着目したときの処理の流れについて説明する。

まず、第２閲覧履歴取得部１４１は、ライフイベントの特定対象とされる第３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（Ｓ１１）。
続いて、ユーザ特定部１４２は、取得された閲覧履歴情報を参照し、現時点よりも前の複数の第３期間のそれぞれにおける、イベント前関連ページとは異なる一以上の非関連ページの閲覧数に対する、イベント前関連ページの閲覧数の比率である第３比率を算出する（Ｓ１２）。

続いて、ユーザ特定部１４２は、複数の第３期間における過去の第３期間から順に、第３比率の変化率を算出するために、第３期間の位置を示す変数ｉの値をｎに設定する（Ｓ１３）。
続いて、ユーザ特定部１４２は、変数ｉが１よりも大きいか否かを判定する（Ｓ１４）。ユーザ特定部１４２は、変数ｉが１よりも大きい場合、Ｓ１５に処理を移し、変数ｉが１以下の場合、本フローチャートを終了する。
続いて、ユーザ特定部１４２は、変数ｉの値を１減算する（Ｓ１５）。

続いて、ユーザ特定部１４２は、第３期間Ｔ３_−ｉにおける第３比率Ｐ３_−ｉの変化率を算出する（Ｓ１６）。
続いて、ユーザ特定部１４２は、算出した第３比率Ｐ３_−ｉの変化率が閾値ｔｈ５よりも大きいか否かを判定する。ユーザ特定部１４２は、算出した第３比率Ｐ３_−ｉの変化率が閾値ｔｈ５よりも大きい場合、Ｓ１８に処理を移し、閾値ｔｈ５以下の場合、Ｓ１４に処理を移す。

続いて、ユーザ特定部１４２は、第３期間Ｔ３_−ｉよりも前の第３期間の分散σ_ｐ３及び平均値μ_ｐ３を算出する（Ｓ１８）。
続いて、ユーザ特定部１４２は、第３期間Ｔ３_−ｉにおける第３比率Ｐ３_−ｉが、上述した式（２）を満たすか否かを判定する（Ｓ１９）。ユーザ特定部１４２は、第３比率Ｐ３_−ｉが式（２）を満たすと判定すると、Ｓ２０に処理を移し、式（２）を満たしていないと判定すると、Ｓ１４に処理を移す。

Ｓ２０において、ユーザ特定部１４２は、Ｓ１１において閲覧履歴情報を取得した第３ユーザを、ライフイベントが発生する可能性が高いユーザと特定する。

続いて、情報処理装置１が、ライフイベントが発生する可能性が高いユーザに広告を配信するときの処理の流れについて説明する。図１０は、ライフイベントが発生する可能性が高いユーザに広告を配信するときの情報処理装置１における処理の流れを示すフローチャートである。本フローチャートの開始前に、分類部１５１により、カテゴリと、カテゴリに対応する期間とを関連付けたカテゴリ情報が記憶部１１に記憶されているものとする。

まず、配信部１５２は、ライフイベントが発生する可能性が高いユーザに対応するカテゴリを特定する（Ｓ３１）。具体的には、配信部１５２は、ライフイベントが発生する可能性が高いユーザの閲覧履歴情報に基づいて、当該ユーザが現時点で相対的に多く閲覧しているウェブページのカテゴリを特定する。

続いて、配信部１５２は、記憶部１１に記憶されているカテゴリ情報を参照し、Ｓ３１において特定されたカテゴリに関連付けられている期間を特定する（Ｓ３２）。
続いて、配信部１５２は、記憶部１１に記憶されているカテゴリ情報を参照し、特定された期間よりも後の期間に関連付けられているカテゴリを特定する（Ｓ３３）。
続いて、配信部１５２は、記憶部１１に記憶されている広告情報を参照し、Ｓ３３において特定されたカテゴリに関連付けられている広告をユーザに配信する（Ｓ３４）。

［第１実施形態における効果］
以上の通り、第１実施形態に係る情報処理装置１は、ライフイベントの発生日が特定された一以上の第１ユーザのウェブページの閲覧履歴を示す閲覧履歴情報に基づいて、特定した発生日を基準として、発生日よりも前の期間である第１期間において閲覧されたウェブページと、当該発生日の後の期間である第２期間において閲覧されたウェブページとを特定し、特定した一以上の第１ユーザのそれぞれの第１期間と、第２期間とのそれぞれにおけるウェブページの閲覧状況の変化に基づいて、複数のウェブページから、ライフイベントに関連するウェブページとするイベント関連ページを特定する。

このようにすることで、情報処理装置１は、ライフイベントの発生日が特定された一以上の第１ユーザのウェブページの閲覧履歴を示す閲覧履歴情報に基づいて、イベント関連ページを自動的に取得することができる。また、情報処理装置１は、第１ユーザの数を多くすればするほど、個々のユーザの属性がウェブページの特定に与える影響を小さくし、一般的なユーザがライフイベントに関連して閲覧する可能性が高いイベント関連ページを精度良く特定することができる。

＜第２実施形態＞
［機械学習を用いてライフイベントが発生する可能性が高いユーザを特定する］
続いて、第２実施形態について説明する。第２実施形態に係る情報処理装置１は、機械学習を用いてライフイベントが発生する可能性が高いユーザを特定する点で第１実施形態に係る情報処理装置１と異なる。以下、第２実施形態に係る情報処理装置１について説明する。なお、第１実施形態と同じ部分については適宜説明を省略する。

図１１は、第２実施形態に係るイベント発生ユーザ特定部１４の構成を示す図である。図１１に示すように、イベント発生ユーザ特定部１４は、第１閲覧履歴取得部１４３と、生成部１４４とをさらに備える。

第１閲覧履歴取得部１４３は、第１実施形態に係る第１閲覧履歴取得部１３２と同様に、タイミング特定部１３１によりライフイベントの発生日が特定された一以上の第１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とともに、ライフイベントの発生日が特定されなかった一以上の第２ユーザの閲覧履歴情報を取得する。

生成部１４４は、ライフイベントが発生した第１ユーザの閲覧履歴情報のうち、ライフイベントの発生日よりも前の閲覧履歴情報を、ライフイベントが発生したユーザの教師データとするとともに、ライフイベントが発生していない第２ユーザの閲覧履歴情報を、ライフイベントが発生しなかったユーザの教師データとする。ここで、生成部１４４は、第２ユーザの閲覧履歴情報のうち、所定の第１ユーザのライフイベントの発生日を基準とし、当該発生日よりも前の閲覧履歴情報を、ライフイベントが発生していないユーザの教師データとしてもよい。

生成部１４４は、ライフイベントが発生したユーザの教師データ、及びライフイベントが発生していないユーザの教師データに基づいて、機械学習を行い、閲覧履歴情報の入力に対して、当該閲覧履歴情報に対応するユーザが、ライフイベントが発生する可能性が高いユーザであるか否かを分類するモデルを生成する。

第２閲覧履歴取得部１４１は、ライフイベントの特定対象とされる一以上の第３ユーザのウェブページの閲覧履歴のうち、現時点から所定期間前までの閲覧履歴を示す閲覧履歴情報を取得する。
ユーザ特定部１４２は、第２閲覧履歴取得部１４１が取得した第３ユーザの閲覧履歴情報のうち、現時点から所定期間前までの閲覧履歴を示す閲覧履歴情報を、生成部１４４が生成したモデルに入力し、第３ユーザがライフイベントが発生する可能性が高いユーザであるか否かを当該モデルに分類させることにより、一以上の第３ユーザから、ライフイベントが発生する可能性が高いユーザを特定する。

［第２実施形態における効果］
以上の通り、第２実施形態に係る情報処理装置１は、ライフイベントが発生したユーザの教師データ、及びライフイベントが発生していないユーザの教師データに基づいて、機械学習を行い、閲覧履歴情報の入力に対して、当該閲覧履歴情報に対応するユーザが、ライフイベントが発生する可能性が高いユーザであるか否かを分類するモデルを生成する。そして、情報処理装置１は、生成したモデルに、第３ユーザが、ライフイベントが発生する可能性が高いユーザであるか否かを分類させることにより、一以上の第３ユーザから、ライフイベントが発生する可能性が高いユーザを特定する。このようにすることで、情報処理装置１は、ライフイベントが発生する可能性が高いユーザを精度良く特定することができる。

以上、本発明を上記の実施形態を用いて説明したが、本発明の技術的範囲は上記実施形態に記載の範囲には限定されない。上記実施形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。また、特に、装置の分散・統合の具体的な実施形態は以上に図示するものに限られず、その全部又は一部について、種々の付加等に応じて、又は、機能負荷に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

１・・・情報処理装置、１１・・・記憶部、１２・・・制御部、１３・・・イベント関連ページ特定部、１３１・・・タイミング特定部、１３２・・・第１閲覧履歴取得部、１３３・・・閲覧ページ特定部、１３４・・・関連ページ特定部、１４・・・イベント発生ユーザ特定部、１４１・・・第２閲覧履歴取得部、１４２・・・ユーザ特定部、１４３・・・第１閲覧履歴取得部、１４４・・・生成部、１５・・・広告配信部、１５１・・・分類部、１５２・・・配信部、２・・・第１ユーザ端末、３・・・第２ユーザ端末

Claims (15)

1. 複数のユーザのそれぞれの所定のライフイベントの発生タイミングを特定するタイミング特定部と、
   前記タイミング特定部により前記ライフイベントの発生タイミングが特定された一以上の第１ユーザのウェブページの閲覧履歴を示し、前記ウェブページのアドレス及び閲覧時刻を含む閲覧履歴情報を取得する第１閲覧履歴取得部と、
   前記一以上の第１ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、特定した前記発生タイミングを基準として、前記発生タイミングよりも前の期間である第１期間において閲覧されたウェブページと、前記発生タイミングの後の期間である第２期間において閲覧されたウェブページとを特定する閲覧ページ特定部と、
   前記閲覧ページ特定部が特定した前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況の変化に基づいて、前記複数のウェブページから、前記ライフイベントに関連するウェブページとするイベント関連ページを特定する関連ページ特定部と、
   を備える情報処理装置。
2. 前記関連ページ特定部は、前記閲覧ページ特定部が特定した前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれを前記第１期間に閲覧した前記第１ユーザの数と、前記第２期間に閲覧した前記第１ユーザの数とを算出し、前記複数のウェブページのそれぞれについて、前記第２期間に対応する前記第１ユーザの数に対する、前記第１期間における前記第１ユーザの数の比率を算出し、前記複数のウェブページのうち、当該比率が第１の閾値を超えるウェブページを、前記ライフイベントの発生前に閲覧される可能性が高い前記イベント関連ページであるイベント前関連ページと特定する、
   請求項１に記載の情報処理装置。
3. 前記関連ページ特定部は、前記閲覧ページ特定部が特定した前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況に基づいて、複数のウェブページのそれぞれの前記第１期間における前記一以上の第１ユーザの閲覧数と、前記第２期間における前記一以上の第１ユーザの閲覧数とを算出し、前記複数のウェブページのそれぞれについて、前記第２期間における前記閲覧数に対する、前記第１期間における前記閲覧数の比率を算出し、前記複数のウェブページのうち、当該比率が第２の閾値を超えるウェブページを、前記ライフイベントの発生前に閲覧される可能性が高い前記イベント関連ページであるイベント前関連ページと特定する、
   請求項１に記載の情報処理装置。
4. 前記閲覧ページ特定部は、複数の前記第１期間の少なくともいずれかにおいて閲覧されたウェブページを特定し、
   前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、複数の前記第１期間のそれぞれに対応する前記第１ユーザの数を算出し、前記第２期間に対応する前記第１ユーザの数に対する、複数の前記第１期間のそれぞれに対応する前記第１ユーザの数の比率を算出し、前記複数のウェブページのうち、算出された複数の比率のうち少なくとも１つが前記第１の閾値を超えるウェブページを、前記イベント前関連ページと特定する、
   請求項２に記載の情報処理装置。
5. 前記第１閲覧履歴取得部は、前記タイミング特定部により前記発生タイミングが特定されなかった一以上の第２ユーザの前記閲覧履歴情報を取得し、
   前記閲覧ページ特定部は、前記一以上の第２ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、前記一以上の第１ユーザに対して特定された一以上の前記発生タイミングの少なくともいずれかを基準として、前記第１期間において閲覧されたウェブページを特定し、
   前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、前記第２期間に対応する前記第１ユーザの数に対する、前記第１期間に対応する前記第１ユーザの数の比率である第１比率を算出するとともに、前記第１期間に対応する前記第２ユーザの数に対する、前記第１期間に対応する前記第１ユーザの数の比率である第２比率を算出し、前記複数のウェブページのうち、前記第１比率が第１の閾値を超えるとともに、前記第２比率が第３の閾値を超えるウェブページを、前記ライフイベントに関連するイベント前関連ページと特定する、
   請求項２に記載の情報処理装置。
6. 前記タイミング特定部による前記ライフイベントの特定対象とされる一以上の第３ユーザの前記閲覧履歴情報を取得する第２閲覧履歴取得部と、
   前記一以上の第３ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、現時点よりも前の期間である複数の第３期間のそれぞれにおける、前記イベント前関連ページとは異なる一以上の非関連ページの閲覧数に対する、前記イベント前関連ページの閲覧数の比率である第３比率を算出し、前記一以上の第３ユーザのそれぞれについて算出された複数の前記第３比率の変化に基づいて、前記一以上の第３ユーザから、前記ライフイベントが発生する可能性が高いユーザを特定するユーザ特定部をさらに備える、
   請求項２から５のいずれか１項に記載の情報処理装置。
7. 前記ユーザ特定部は、前記一以上の第３ユーザのそれぞれについて、前記複数の第３期間における過去の第３期間から順に、隣接する２つの第３期間に基づいて前記第３比率の増加率を算出し、算出した複数の前記第３比率の増加率が第４の閾値を超える第３ユーザを、前記ライフイベントが発生する可能性が高いユーザと特定する、
   請求項６に記載の情報処理装置。
8. 前記第１閲覧履歴取得部は、前記タイミング特定部により前記発生タイミングが特定されなかった一以上の第２ユーザの前記閲覧履歴情報を取得し、
   前記第１ユーザの前記閲覧履歴情報のうち、前記発生タイミングよりも前の閲覧履歴情報を、ライフイベントが発生したユーザの教師データとするとともに、前記第２ユーザの前記閲覧履歴情報を、ライフイベントが発生しなかったユーザの教師データとし、前記閲覧履歴情報の入力に対して、当該閲覧履歴情報に対応するユーザが、ライフイベントが発生する可能性が高いユーザであるか否かを分類するモデルを生成する生成部と、
   前記タイミング特定部による前記ライフイベントの特定対象とされる一以上の第３ユーザの前記閲覧履歴情報を取得する第２閲覧履歴取得部と、
   前記モデルに前記第３ユーザの閲覧履歴情報を入力し、前記第３ユーザが、ライフイベントが発生する可能性が高いユーザであるか否かを前記モデルに分類させることにより、前記一以上の第３ユーザから、前記ライフイベントが発生する可能性が高いユーザを特定するユーザ特定部と、
   をさらに備える、
   請求項１から５のいずれか１項に記載の情報処理装置。
9. 前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、前記第１期間に対応する前記第１ユーザの数に対する、前記第２期間に対応する前記第１ユーザの数の比率を算出し、前記複数のウェブページのうち、当該比率が第５の閾値を超えるウェブページを、前記ライフイベントの発生後に閲覧される可能性が高い前記イベント関連ページであるイベント後関連ページと特定する、
   請求項２に記載の情報処理装置。
10. 前記閲覧ページ特定部は、複数の前記第２期間の少なくともいずれかに閲覧されたウェブページを特定し、
    前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、複数の前記第２期間のそれぞれに対応する前記第１ユーザの数を算出し、前記第１期間に対応する前記第１ユーザの数に対する、複数の前記第２期間のそれぞれに対応する前記第１ユーザの数の比率を算出し、前記複数のウェブページのうち、算出された複数の比率のうち少なくとも１つが前記第５の閾値を超えるウェブページを、前記イベント後関連ページと特定する、
    請求項９に記載の情報処理装置。
11. 前記一以上の第３ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、現時点よりも前の期間である複数の第３期間のそれぞれにおける、前記イベント後関連ページとは異なる一以上の非関連ページの閲覧数に対する、前記イベント後関連ページの閲覧数の比率である第４比率を算出し、前記一以上の第３ユーザのそれぞれについて算出された複数の前記第４比率の変化に基づいて、前記一以上の第３ユーザから、前記ライフイベントが終了したユーザを特定するユーザ特定部をさらに備える、
    請求項１０に記載の情報処理装置。
12. 前記関連ページ特定部は、前記複数のウェブページのそれぞれについて、前記第１期間に対応する前記第１ユーザの数に対する、前記第２期間に対応する第１ユーザの数の比率を算出し、前記複数のウェブページのうち、当該比率が第５の閾値を超えるウェブページを、前記ライフイベントの発生後に閲覧される可能性が高い前記イベント関連ページであるイベント後関連ページと特定し、
    前記ライフイベントが発生する可能性が高いユーザに、前記ライフイベントの後に閲覧される可能性が高い前記イベント後関連ページに対応する広告を配信する広告配信部をさらに備える、
    請求項６から１１のいずれか１項に記載の情報処理装置。
13. 前記イベント前関連ページ及び前記イベント後関連ページを、それぞれのページが属するカテゴリに分類するとともに、当該カテゴリに対応するページが閲覧される可能性が高い期間を当該カテゴリに関連付ける分類部をさらに備え、
    前記広告配信部は、前記ライフイベントが発生する可能性が高いユーザの前記閲覧履歴情報に基づいて、当該ユーザが現時点で相対的に多く閲覧しているウェブページのカテゴリを特定し、特定したカテゴリに関連付けられた期間よりも後の期間に関連付けられているカテゴリに対応する前記広告を配信する、
    請求項１２に記載の情報処理装置。
14. コンピュータが実行する、
    複数のユーザのそれぞれの所定のライフイベントの発生タイミングを特定するステップと、
    前記ライフイベントの発生タイミングが特定された一以上の第１ユーザのウェブページの閲覧履歴を示し、前記ウェブページのアドレス及び閲覧時刻を含む閲覧履歴情報を取得するステップと、
    前記一以上の第１ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、特定した前記発生タイミングを基準として、前記発生タイミングよりも前の期間である第１期間において閲覧されたウェブページと、前記発生タイミングの後の期間である第２期間において閲覧されたウェブページとを特定するステップと、
    特定された前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況の変化に基づいて、前記複数のウェブページから、前記ライフイベントに関連するウェブページとするイベント関連ページを特定するステップと、
    を備える情報処理方法。
15. コンピュータを、
    複数のユーザのそれぞれの所定のライフイベントの発生タイミングを特定するタイミング特定部、
    前記タイミング特定部により前記ライフイベントの発生タイミングが特定された一以上の第１ユーザのウェブページの閲覧履歴を示し、前記ウェブページのアドレス及び閲覧時刻を含む閲覧履歴情報を取得する閲覧履歴取得部、
    前記一以上の第１ユーザのそれぞれについて、前記閲覧履歴情報に基づいて、特定した前記発生タイミングを基準として、前記発生タイミングよりも前の期間である第１期間において閲覧されたウェブページと、前記発生タイミングの後の期間である第２期間において閲覧されたウェブページとを特定する閲覧ページ特定部、及び、
    前記閲覧ページ特定部が特定した前記一以上の第１ユーザのそれぞれの前記第１期間と、前記第２期間とのそれぞれにおけるウェブページの閲覧状況の変化に基づいて、前記複数のウェブページから、前記ライフイベントに関連するウェブページとするイベント関連ページを特定する関連ページ特定部、
    として機能させるプログラム。

Images