以下に、本願に係る推定装置、推定方法、及び推定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詳細に説明する。なお、この実施形態により本願に係る推定装置、推定方法、及び推定プログラムが限定されるものではない。また、以下の各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。
(実施形態)
〔1.推定処理〕
図1を用いて、実施形態に係る推定処理の一例について説明する。図1は、実施形態に係る推定処理の一例を示す図である。図1の例では、推定装置100がユーザの通常の行動から外れる外れ行動を示す情報(以下、「外れ情報」ともいう)を用いて、ユーザの特性(以下、「ユーザ特性」ともいう)を推定する場合を示す。ここでいう、ユーザ特性とは、ユーザの特性であって、外れ行動により顕在化される特性であるユーザの特性を含む概念である。
図1では、推定装置100は、ユーザの行動に関する履歴情報から、ユーザの通常の行動から外れる外れ行動を示す外れ情報を抽出する。推定装置100は、抽出した外れ情報に基づいて、ユーザの特性であって、外れ行動により顕在化される特性であるユーザ特性を推定する。また、図1は、推定装置100が推定したユーザ特性を用いてユーザへサービスの提供を行う場合を示す。
〔推定システムの構成〕
まず、図1に示す推定システム1について説明する。図2に示すように、推定システム1は、端末装置10と、推定装置100とが含まれる。端末装置10と、推定装置100とは所定のネットワーク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。図2は、実施形態に係る推定システムの構成例を示す図である。なお、図2に示した推定システム1には、複数台の端末装置10や、複数台の推定装置100が含まれてもよい。
端末装置10は、ユーザによって利用される情報処理装置である。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)等により実現される。図1に示す例においては、端末装置10がユーザが利用するスマートフォンである場合を示す。なお、以下では、端末装置10をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置10と読み替えることもできる。具体的には、図1では、端末装置10がユーザID「U1」により識別されるユーザ(以下、「ユーザU1」とする場合がある)が利用するスマートフォンである場合を示す。
また、端末装置10は、GPS(Global Positioning System)センサ等の各種センサにより、各種センサ情報を検知してもよい。また、端末装置10は、加速度センサの機能を有し、ユーザの移動における加速度情報(センサ情報)を検知し、取得する。また、端末装置10は、温度センサや気圧センサ等の種々の機能を有し、温度や気圧等のユーザの置かれている環境情報を検知し、取得可能であってもよい。また、端末装置10は、心拍センサ等の種々の機能を有し、ユーザの生体情報を検知し、取得可能であってもよい。例えば、端末装置10を利用するユーザは、端末装置10と通信可能なウェアラブルデバイスを身に付けることにより、端末装置10によりユーザ自身のコンテキスト情報を取得可能としてもよい。例えば、端末装置10を利用するユーザは、端末装置10と通信可能なリストバンド型のウェアラブルデバイスを身に付けることにより、ユーザ自身の心拍(脈拍)に関する情報を端末装置10が取得可能としてもよい。
推定装置100は、ユーザの行動に関する履歴情報から、外れ情報を抽出し、抽出した外れ情報に基づいて、ユーザ特性を推定する情報処理装置である。例えば、推定装置100は、履歴情報から、第1外れ情報と、第1外れ情報とは異なる第2外れ情報とを含む外れ情報を抽出し、抽出した第1外れ情報及び第2外れ情報に基づいて、ユーザ特性を推定する。
また、図1の例では、推定装置100は、ユーザにコンテンツを提供するサービス(コンテンツ提供サービス)を行う。推定装置100は、端末装置10からの要求に応じて、端末装置10において表示されるコンテンツを配信する。例えば、推定装置100は、ユーザが利用する端末装置10からの要求に応じて、そのユーザのユーザ特性に応じたコンテンツを提供する。また、推定システム1においては、推定装置100が検索サービスや電子商取引サービス等の種々のサービスを提供する。
例えば、推定装置100は、端末装置10に商品またはサービス(以下、併せて「商品」ともいう)の情報を提供したり、ユーザからの購入意思を示す情報に応じて、ユーザへの商品の配送等を行ったりする電子商取引サービスを提供する。また、例えば、推定装置100は、端末装置10から取得したクエリ(検索クエリ)に対する検索結果を端末装置10に提供する検索サービスを提供する。
なお、推定装置100以外の外部の情報処理装置がコンテンツ提供サービスや検索サービスや電子商取引サービス等を行ってもよい。この場合、推定システム1には、コンテンツ提供サービスや検索サービスや電子商取引サービス等を提供するサービス提供装置が含まれてもよい。また、外部の情報処理装置がコンテンツ提供サービスや検索サービスや電子商取引サービスを提供する場合、推定装置100はコンテンツ提供サービスや検索サービスや電子商取引サービスを提供しなくてもよい。この場合、推定装置100は、コンテンツ提供サービスや検索サービスや電子商取引サービスを提供する外部の情報処理装置等から各種情報を取得し、取得した各種情報に基づいて推定処理や外部の情報処理装置への情報提供を行ってもよい。
ここから、図1を用いて、ユーザU1のユーザ特性を推定する場合を一例として説明する。推定装置100は、ユーザU1の行動に関する履歴情報(以下、「行動履歴」ともいう)を取得済みであるものとする。図1の例では、推定装置100は、行動情報記憶部122に示すように、ユーザU1の行動履歴を取得済みであるものとする。
図1中の行動情報記憶部122に示す「ユーザID」は、ユーザを識別するための識別情報を示す。図1中の行動情報記憶部122に示す「行動ID」は、ユーザの行動を識別する情報を示す。図1中の行動情報記憶部122に示す「日時」は、対応するユーザの行動が行われた日時を示す。なお、図1の例では、「dt11」等で図示するが、「日時」には、「2017年9月4日22時31分58秒」等の具体的な日時が記憶されてもよい。また、図1中の行動情報記憶部122に示す「種別」は、対応するユーザの行動の種別に関する情報を示す。また、図1中の行動情報記憶部122に示す「内容」は、対応するユーザの行動の具体的な内容を示す。
例えば、図1に示す例において、ユーザU1は、行動AC11や行動AC15等の種々の行動を行ったことを示す。このように、「行動AC*(*は任意の数値)」と記載した場合、その行動は行動ID「AC*」により識別される行動であることを示す。例えば、「行動AC21」と記載した場合、その行動は行動ID「AC21」により識別される行動である。
例えば、図1に示す例においてユーザU1は、行動AC11に示すように、日時dt11において、A水を購入したことを示す。また、ユーザU1は、行動AC11に示すように、日時dt11において購入したA水の配送先に位置LC11、すなわちユーザU1の自宅を指定したことを示す。
また、例えば、図1に示す例においてユーザU1は、行動AC15に示すように、日時dt15において、B米を購入したことを示す。また、ユーザU1は、行動AC15に示すように、日時dt15において購入したB米の配送先に位置LC11、すなわちユーザU1の自宅を指定したことを示す。図1の例では、ユーザU1は、日常的に電子商取引サービスを利用して商品を購入しているユーザであるものとする。
なお、図1の例では、説明を簡単にするために、ユーザU1の行動のうち、商品の購入に関する行動のみを図示するが、ユーザU1の行動履歴には、ユーザU1のコンテンツの閲覧や検索に関する行動が含まれてもよい。
まず、推定装置100は、ユーザU1の行動履歴から、ユーザU1の行動の傾向を抽出する(ステップS10)。例えば、推定装置100は、ユーザU1の行動履歴に基づいて、ユーザU1の行動の傾向を示す情報を抽出する。例えば、推定装置100は、ユーザU1の行動履歴から、ユーザU1が日常的に購入している商品や通常配送先に指定している位置(住所)等を示す情報を抽出する。なお、図1の例では、ユーザU1の自宅の位置は、位置LC11であるものとする(図4参照)。
例えば、推定装置100は、ユーザU1の行動履歴から、ユーザU1が定期的に購入すること等によりユーザが通常購入している商品(以下、「通常購入商品」ともいう)や通常購入商品の配送先に指定している位置(住所)等を示す情報を抽出する。例えば、推定装置100は、ユーザU1の行動履歴のうち、所定の期間(例えば1ヶ月や3ヶ月等)おきに定期的に購入されている商品を通常購入商品として抽出してもよい。例えば、推定装置100は、ユーザU1の行動履歴のうち、購入した商品の配送先として指定される割合が所定の閾値(例えば70%や80%等)以上である位置(住所)を通常配送先として抽出してもよい。
図1の例では、推定装置100は、傾向情報TL11に示すような、ユーザU1の行動の傾向を示す情報を抽出する。例えば、推定装置100は、ユーザU1が日常的に購入する対象(購入対象)が「水」や「米」等であり、ユーザU1が日常的に指定する配送先が位置LC11(ユーザU1の自宅)であることを示す傾向情報TL11を抽出する。なお、図1の例では、C花は、ユーザU1の通常購入商品には含まれず、ユーザU1が日常的に購入する対象(購入対象)には、「花」は含まれないものとする。推定装置100は、抽出したユーザU1の傾向情報TL11を記憶部120(図3参照)に格納してもよい。なお、推定装置100が抽出する購入対象は、「水」や「米」のような抽象的な対象(カテゴリ)に限らず、「A水」や「B米」等の具体的な商品であってもよい。例えば、推定装置100は、傾向情報TL11に示すようなユーザU1の行動の傾向を示す情報を、ユーザID「U1」に対応付けて記憶部120に格納してもよい。そして、推定装置100は、ユーザU1について、抽出処理を行う際に、傾向情報TL11に示すようなユーザU1の傾向情報を記憶部120取得してもよい。
また、推定装置100は、ユーザU1が利用する端末装置10から行動情報を取得する(ステップS11)。図1の例では、推定装置100は、日時dt19において、ユーザU1がC花を購入したことを示す行動情報を取得する。また、推定装置100は、日時dt19において購入したC花の配送先にユーザU1の自宅(位置LC11)とは異なる位置LC15(F県の住所)を指定したことを示す行動情報を取得する。
そして、推定装置100は、取得したユーザU1の行動情報を行動情報記憶部122に追加する(ステップS12)。図1の例では、推定装置100は、取得したユーザU1の行動情報を行動AC19として行動情報記憶部122に追加する。
また、推定装置100は、ユーザU1の行動履歴から、外れ情報を抽出する(ステップS13)。例えば、推定装置100は、ユーザU1の行動履歴から、ユーザU1の通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。図1の例では、推定装置100は、外れ関連情報記憶部123や傾向情報TL11を用いて、行動情報記憶部122に記憶されたユーザU1の行動履歴から外れ情報を抽出する。
図1中の外れ関連情報記憶部123に示す「外れ値ID」は、外れ値(外れ関連情)を識別するための識別情報を示す。図1中の外れ関連情報記憶部123に示す「第1外れ」は、対応する外れ値IDにより識別される外れ値情報(外れ関連情報)において、第1外れとしての抽出対象を示す。また、図1中の外れ関連情報記憶部123に示す「第2外れ」は、第1外れに対応する第2外れとしての抽出対象を示す。図1中の外れ関連情報記憶部123に示す「対象特性」は、対応する外れ値情報により推定される対象となるユーザ特性を示す。
例えば、図1に示す例において、外れ値ID「OL1」により識別される外れ値情報(外れ値情報OL1)の第1外れは、「購入対象」を抽出対象とすることを示す。また、外れ値情報OL1の第2外れは、「配送先」を抽出対象とすることを示す。また、外れ値情報OL1の対象特性は、ユーザ特性「実家」であることを示す。なお、実家は出身地であってもよい。このように、ユーザ特性は、例えば「実家」等のように、ユーザ自身が登録することが余りないユーザに関する情報であって、そのユーザのパーソナリティを形成する特性を示す情報が含まれる。例えば、ユーザ特性には、ユーザが未登録のユーザに関する情報であって、そのユーザのパーソナリティを形成する特性であれば、どのような情報が含まれてもよい。
図1の例では、推定装置100は、外れ情報EL11に示すような、ユーザU1の外れ情報を抽出する。例えば、推定装置100は、外れ情報EL11中の「外れ#1」や「外れ#2」に示すように、第1外れや第2外れに対応する情報を抽出する。例えば、推定装置100は、ユーザU1の行動AC19から、第1外れ情報や第2外れ情報を抽出する。
図1の例では、推定装置100は、ユーザU1の行動AC19では、購入対象が「C花」であり、傾向情報TL11中の通常購入商品である水や米等とは異なる商品であるため、「C花」を外れ値OL1の第1外れに対応する情報として抽出する。このように、推定装置100は、ユーザU1の行動履歴のうち、ユーザが通常購入商品以外の商品を購入したことを示す第1外れ情報に基づいて、第2外れ情報を抽出する対象を絞り込む。図1の例では、推定装置100は、第2外れ情報を抽出する対象を行動AC10に絞り込む。
また、推定装置100は、ユーザU1の行動AC19では、配送先が「位置LC15」であり、傾向情報TL11中の通常配送先である位置LC11とは異なる位置(住所)であるため、「位置LC11」を外れ値OL1の第2外れに対応する情報として抽出する。推定装置100は、抽出したユーザU1の外れ情報EL11を記憶部120(図3参照)に格納してもよい。
なお、図1の例では、説明のためにステップS10〜S13として処理を示したが、推定装置100内での処理(ステップS10、S12、S13)は、例えばステップS11の後など、ユーザU1がC花を購入した日時dt19以後に、一連の処理として行われてもよい。
そして、推定装置100は、ユーザU1のユーザ特性を推定する(ステップS14)。例えば、推定装置100は、ユーザU1の行動履歴から抽出したユーザU1の外れ情報を用いて、ユーザU1のユーザ特性を推定する。図1の例では、推定装置100は、外れ値OL1が推定対象とするユーザ特性であるユーザの「実家」を、外れ情報EL11から推定する。具体的には、推定装置100は、外れ情報EL11に示すユーザU1の外れ情報が、外れ値OL1の第1外れと第2外れの両方を満たすため、第2外れの対象である配送先として指定された位置をユーザU1の「実家」と推定する。図1の例では、推定装置100は、ユーザ特性情報記憶部124に示すように、ユーザU1の実家を位置LC15に対応するエリアである「F県」であると推定する。このように、推定装置100は、ユーザU1の居住地以外の地理的な対象である実家(出身地)を推定する。推定装置100は、外れ情報に含まれる商品の配送先に基づいて、ユーザU1に関連する地点である実家(出身地)を推定する。
そして、推定装置100は、推定したユーザ特性を用いてサービスを提供する(ステップS15)。例えば、推定装置100は、推定したユーザ特性を用いて、端末装置10にコンテンツを提供する。図1の例では、推定装置100は、ユーザU1の実家の位置(エリア)として推定された「F県」に関するニュース等のコンテンツをユーザU1が利用する端末装置10に提供する。なお、推定装置100は、コンテンツ提供サービスに限らず、推定したユーザ特性を用いて種々のサービスを提供してもよい。
このように、推定装置100は、ユーザの行動に関する履歴情報から、外れ情報を抽出し、抽出した外れ情報に基づいて、ユーザ特性を推定することにより、推定装置100は、ユーザの特性を適切に推定することができる。また、推定装置100は、第1外れと第2外れの2つの外れ値を用いて、ユーザのユーザ特性を推定することにより、より精度よくユーザのユーザ特性を推定することができる。また、推定装置100は、推定したユーザのユーザ特性を用いてサービスを提供することにより、ユーザにより適切にサービスを提供することができる。図1の例では、推定装置100は、推定したユーザのユーザ特性を用いてコンテンツを提供することにより、ユーザが関心を持つ可能性が高いコンテンツをユーザに提供することができる。
例えば、上記のような実家(出身地)のようなユーザ特性を推定する場合のように、普段のユーザの行動には現れない情報を推定することは難しい。すなわち、ユーザの普段の行動に顕在化されないユーザの情報は、ユーザ自身が申告する等により、ユーザ自身が出力しない限り、外部から推定することは難しい。一方で、そのような情報に限って、ユーザの行動規範になっているケースが多く、ユーザにとっては当たり前すぎて検索等の行動には顕在化されず、通常のウェブ行動、センサ情報等からは特定することが難しい。なお、外れ行動による顕在化は、その外れ行動の情報の中にユーザ特性を示す情報自体が含まれることによる顕在化であってもよい。例えば、図1の例では、外れ行動の情報内にユーザU1の実家の位置LC11を示す情報が含まれており、外れ行動によるユーザU1のユーザ特性である実家(出身地)が顕在化されている場合を示す。また、外れ行動による顕在化は、その外れ行動の情報の中に含まれる情報により推定されることであってもよい。なお、上記は一例であり、外れ行動がユーザ特性の推定に利用可能であれば、どのような顕在化の態様であってもよい。
しかしながら、推定装置100は、ユーザの行動に関する履歴情報から、外れ情報を抽出し、抽出した外れ情報に基づいて、ユーザ特性を推定することにより、推定装置100は、ユーザの特性を適切に推定することができる。
従来からユーザに関する種々の情報を推定する技術が提供されており、例えば、ユーザの出身地や血液型など、ユーザに自発的に情報登録されにくい情報(ユーザ特性)は、ユーザ行動履歴に基づいて推定される場合がある。例えば、ユーザ特性を日常の状態の中にある癖に着目して推定する方法などが考えられる。このような場合、ユーザ特性を日常の状態の中にある癖に着目するだけでは、ユーザの行動から取得した情報が偶発的な事象に関する情報なのか、有用な情報なのかを適切に判別することが難しく、そのような情報を用いてユーザの特性を適切に推定することは難しい場合がある。
しかしながら、推定装置100は、2つの外れ値の両方を満たす場合に、その情報を用いてユーザ特性を推定することにより、より確度が高い推定を行うことが可能となる。例えば、1つの外れのみだと、単に偶発的に発生した外れである場合があるが、2つの外れが発生した場合は確率的には偶発的に発生している可能性が低いと推定される。そのため、推定装置100は、2つの外れ値の両方を満たす場合に、その情報を用いてユーザ特性を推定することにより、偶発的に発生した事象の情報によりユーザ特性を推定する可能性を抑制することにより、ユーザの特性を適切に推定することができる。
〔1−1.ユーザ特性〕
図1の例では、推定装置100がユーザ特性として、ユーザの実家の位置(エリア)を推定する場合を示したが、推定装置100は、ユーザの実家の位置(エリア)に限らず、種々のユーザ特性を推定してもよい。例えば、推定装置100は、ユーザが未登録のユーザに関する情報であって、そのユーザのパーソナリティを形成する特性をユーザ特性として、ユーザ特性の推定を行ってもよい。例えば、推定装置100は、通常であればサービスの利用において、ユーザが登録しないような情報であって、そのユーザを形成する特性をユーザ特性として、ユーザ特性の推定を行ってもよい。例えば、推定装置100は、ユーザの人格形成に影響を与えた情報をユーザ特性として、ユーザ特性の推定を行ってもよい。
例えば、推定装置100は、ユーザ情報記憶部121に記憶されたユーザ情報以外のユーザに関する情報をユーザ特性として、ユーザ特性の推定を行ってもよい。例えば、推定装置100は、ユーザ特性情報記憶部124に示すように、「前所属企業」、「血液型」、「持病」等の種々のユーザ特性を推定してもよい。また、推定装置100は、ユーザの年収や出身校や祖父の家等をユーザ特性として推定してもよい。
〔1−2.第1外れ、第2外れ〕
なお、推定装置100は、種々の第1外れ情報や第2外れ情報を抽出して、抽出した第1外れ情報や第2外れ情報を用いて、ユーザ特性を推定してもよい。例えば、推定装置100は、一の外れ行動に含まれる第1要素に関連する第1外れ情報と、一の外れ行動に含まれる第2要素であって、第1要素とは異なる第2要素に関連する第2外れ情報とを抽出してもよい。図1に示すように、推定装置100は、花を購入するという行動から、購入対象(第1要素)に関連する第1外れ情報である購入対象「C花」を抽出する。また、推定装置100は、花を購入するという行動から、購入対象の配送先(第2要素)に関連する第2外れ情報である配送先「LC15(F県)」を抽出する。
また、図1の例では、推定装置100は、ユーザU1がC花を購入するという行動と、C花の配送先を指定するという行動を個別の行動として、ユーザU1の行動履歴を収集してもよい。また、図1の例では、ユーザU1は、数年に一度の頻度で花を購入し、数か月に一度の頻度で自宅(位置LC11)以外を配送先に指定しているものとする。すなわち、ユーザU1が花を購入する第1期間(第1サイクル)は、ユーザU1が自宅(位置LC11)以外を配送先に指定する第2期間(第2サイクル)よりも長い。
この場合、推定装置100は、ユーザU1の行動履歴から、第1期間(例えば、数年等)における第1外れ行動を示す第1外れ情報である「C花」を購入するという行動を抽出する。また、推定装置100は、ユーザU1の行動履歴から、第1期間よりも短い第2期間(例えば、3か月等)における第2外れ行動を示す第2外れ情報である配送先を自宅(位置LC11)以外に指定するという行動を抽出する。
また、推定装置100は、第1期間におけるユーザの非日常状態を示す第1外れ情報と、ユーザの非日常状態における第2外れ行動を示す第2外れ情報とを抽出してもよい。図1の例では、推定装置100は、普段花を購入しないユーザU1が花を購入したという第1外れ情報に基づく非日常状態において、その配送先が通常とは異なるという第2外れ情報を抽出してもよい。このように、推定装置100は、第1外れ行動を行ったという非日常状態にいるユーザについて、そのユーザが第2外れ行動を行った場合にその第2外れ行動の第2外れ情報を抽出してもよい。
上記のように、推定装置100は、ユーザが行動するサイクル(間隔)が第1期間である行動を第1外れ行動として、第1外れ情報を抽出する。例えば、推定装置100は、ユーザが行動するサイクル(間隔)が第1期間よりも短い第2期間である行動を第2外れ行動として、第2外れ情報を抽出する。例えば、推定装置100は、第1期間で第1外れ行動を行ったユーザのうち、その第1期間内で第2外れ行動を行ったユーザについて、その第2外れ行動に関する第2外れ情報を抽出する。このように、推定装置100は、まず第1期間での第1行動有無に応じて第2外れ行動の第2外れ情報を抽出するユーザを絞り込む。これにより、推定装置100は、抽出する対象となるユーザを絞り込むことにより、処理負荷の増大を抑制するとともに、2つの外れ行動に基づいてユーザを抽出することにより、より精度よくユーザのユーザ特性を推定可能となる。
〔1−3.他の推定例〕
図1の例では、推定装置100がユーザU1の商品の購入に関する行動履歴に基づいて、ユーザ特性を推定する場合を示したが、推定装置100は、ユーザの行動履歴であれば、どのような情報を用いてユーザのユーザ特性を推定してもよい。例えば、推定装置100は、異なる種別の行動から外れ情報を抽出し、ユーザのユーザ特性を推定してもよい。例えば、推定装置100は、第1種別の行動に関する第1外れ行動を示す第1外れ情報と、第1種別とは異なる第2種別の行動に関する第2外れ行動を示す第2外れ情報とを抽出してもよい。例えば、推定装置100は、ユーザが閲覧したコンテンツや視聴したテレビ番組に関する情報や検索に用いたクエリを用いて、ユーザのユーザ特性を推定してもよい。
推定装置100は、ユーザが検索に用いた検索クエリであって、外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定してもよい。例えば、推定装置100は、ジャンル「バラエティ」に属するテレビ番組を通常視聴しないユーザ(「ユーザU3」とする)が、ジャンル「バラエティ」のテレビ番組(「X番組」とする)を視聴した場合、その行動を第1外れ行動として抽出する。また、推定装置100は、ユーザU3がX番組の視聴後、所定のエリア(「K県」とする)出身の芸能人を検索した場合、その行動を第2外れ行動として抽出する。例えば、推定装置100は、ユーザU3がX番組の視聴後、X番組に出演していたK県出身のタレントTを検索した場合、その行動を第2外れ行動として抽出する。このように、推定装置100は、テレビ番組の閲覧と検索という2つ異なる種別の行動から外れ情報を抽出してもよい。
そして、推定装置100は、ユーザU3のユーザ特性を推定する。例えば、推定装置100は、ユーザU3の行動履歴から抽出したユーザU3の外れ情報を用いて、ユーザU3のユーザ特性を推定する。例えば、推定装置100は、ユーザU3について、第1外れ行動及び第2外れ行動の2つの外れ行動に関する情報が抽出されたため、第2外れ行動の対象、すなわち検索に用いたクエリのタレントTの出身地である「K県」を、ユーザU3の出身地(実家)として推定する。また、推定装置100は、ユーザの行動情報(位置情報)とその位置に対応する情報とに基づいて、ユーザのユーザ特性を推定してもよい。例えば、推定装置100は、通常はスポーツ観戦に行かないユーザがスタジアムへ行き、特定の地域のチーム側のスタンドにいる場合、そのユーザの出身地をそのチームの地域であると推定してもよい。この場合、推定装置100は、スタジアムへ行くという第1外れ行動と、特定の地域のチーム側のスタンドにいるという第2外れ行動とに基づいて、そのユーザのユーザ特性を推定する。なお、ユーザが閲覧したコンテンツに基づくユーザ特性の推定は図9において詳述する。
〔2.推定装置の構成〕
次に、図3を用いて、実施形態に係る推定装置100の構成について説明する。図3は、実施形態に係る推定装置の構成例を示す図である。図3に示すように、推定装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、推定装置100は、推定装置100の管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
(通信部110)
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、ネットワークと有線または無線で接続され、例えば推定システム1に含まれる端末装置10との間で情報の送受信を行う。
(記憶部120)
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)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。実施形態に係る記憶部120は、図3に示すように、ユーザ情報記憶部121と、行動情報記憶部122と、外れ関連情報記憶部123と、ユーザ特性情報記憶部124とを有する。
(ユーザ情報記憶部121)
実施形態に係るユーザ情報記憶部121は、ユーザ属性に関する各種情報を記憶する。例えば、ユーザ情報記憶部121は、ユーザ属性情報を記憶する。図4は、実施形態に係るユーザ情報記憶部の一例を示す図である。図4に示すユーザ情報記憶部121は、「ユーザID」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目が含まれる。
「ユーザID」は、ユーザを識別するための識別情報を示す。例えば、ユーザID「U1」により識別されるユーザは、図1の例に示したユーザU1に対応する。また、「年齢」は、ユーザIDにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば35歳など、ユーザIDにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザIDにより識別されるユーザの性別を示す。
また、「自宅」は、ユーザIDにより識別されるユーザの自宅の位置情報を示す。なお、図4に示す例では、「自宅」は、「LC11」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。
また、「勤務地」は、ユーザIDにより識別されるユーザの勤務地の位置情報を示す。なお、図4に示す例では、「勤務地」は、「LC12」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。
また、「興味」は、ユーザIDにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザIDにより識別されるユーザが関心の高い対象を示す。なお、図4に示す例では、「興味」は、各ユーザに1つずつ図示するが、複数であってもよい。
例えば、図4に示す例において、ユーザID「U1」により識別されるユーザの年齢は、「20代」であり、性別は、「男性」であることを示す。また、例えば、ユーザID「U1」により識別されるユーザは、自宅が「LC11」であることを示す。また、例えば、ユーザID「U1」により識別されるユーザは、勤務地が「LC12」であることを示す。また、例えば、ユーザID「U1」により識別されるユーザは、「スポーツ」に興味があることを示す。
なお、ユーザ情報記憶部121は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部121は、ユーザのデモグラフィック属性に関する情報やサイコグラフィック属性に関する情報を記憶してもよい。例えば、ユーザ情報記憶部121は、氏名、家族構成、収入、興味、ライフスタイル等の情報を記憶してもよい。
(行動情報記憶部122)
実施形態に係る行動情報記憶部122は、ユーザの行動に関する各種情報を記憶する。図5は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部122は、各ユーザの行動等の各種の行動情報を記憶する。図5に示す行動情報記憶部122には、「ユーザID」、「行動ID」、「日時」、「種別」、「内容」といった項目が含まれる。
「ユーザID」は、ユーザを識別するための識別情報を示す。例えば、ユーザID「U1」により識別されるユーザは、図1の例に示したユーザU1に対応する。また、「行動ID」は、ユーザの行動を識別する情報を示す。「日時」は、対応するユーザの行動が行われた日時を示す。なお、図5の例では、「dt11」等で図示するが、「日時」には、「2017年9月4日22時31分58秒」等の具体的な日時が記憶されてもよい。また、「種別」は、対応するユーザの行動の種別に関する情報を示す。また、「内容」は、対応するユーザの行動の具体的な内容を示す。
例えば、図5に示す例において、ユーザID「U1」により識別されるユーザ(ユーザU1)は、行動ID「AC11」や行動ID「AC15」や行動ID「AC19」等により各々識別される行動を行ったことを示す。
例えば、図5に示す例においてユーザU1は、行動AC11に示すように、日時dt11において、A水を購入したことを示す。また、ユーザU1は、行動AC11に示すように、日時dt11において購入したA水の配送先に位置LC11、すなわちユーザU1の自宅を指定したことを示す。
また、例えば、図5に示す例においてユーザU1は、行動AC15に示すように、日時dt15において、B米を購入したことを示す。また、ユーザU1は、行動AC15に示すように、日時dt15において購入したB米の配送先に位置LC11、すなわちユーザU1の自宅を指定したことを示す。
また、例えば、図5に示す例においてユーザU1は、行動AC19に示すように、日時dt19において、C花を購入したことを示す。また、ユーザU1は、行動AC19に示すように、日時dt19において購入したC花の配送先にユーザU1の自宅(位置LC11)とは異なる位置LC15(F県の住所)を指定したことを示す。
なお、行動情報記憶部122は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、図5では、ユーザIDごとに行動情報が行動情報記憶部122に記憶される場合を示したが、行動情報は、ユーザIDごとに限らず、例えば時刻順に記憶されてもよい。
(外れ関連情報記憶部123)
実施形態に係る外れ関連情報記憶部123は、外れ値に関する各種情報を記憶する。図6は、実施形態に係る外れ関連情報記憶部の一例を示す図である。図6に示す外れ関連情報記憶部123は、「外れ値ID」、「第1外れ」、「第2外れ」、「対象特性」といった項目が含まれる。
「外れ値ID」は、外れ値を識別するための識別情報を示す。「第1外れ」は、対応する外れ値IDにより識別される外れ値情報(外れ関連情報)において、第1外れとしての抽出対象を示す。また、「第2外れ」は、第1外れに対応する第2外れとしての抽出対象を示す。「対象特性」は、対応する外れ値情報により推定される対象となるユーザ特性を示す。なお、「対象特性」は、複数であってもよい。
例えば、図6に示す例において、外れ値ID「OL1」により識別される外れ値情報(外れ値情報OL1)の第1外れは、「購入対象」を抽出対象とすることを示す。また、外れ値情報OL1の第2外れは、「配送先」を抽出対象とすることを示す。また、外れ値情報OL1の対象特性は、ユーザ特性「実家」であることを示す。
例えば、図6に示す例において、外れ値ID「OL2」により識別される外れ値情報(外れ値情報OL2)の第1外れは、「コンテンツカテゴリ」を抽出対象とすることを示す。また、外れ値情報OL2の第2外れは、「対象地域」を抽出対象とすることを示す。また、外れ値情報OL2の対象特性は、ユーザ特性「実家」であることを示す。
なお、外れ関連情報記憶部123は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、外れ関連情報記憶部123は、第1外れ及び第2外れの対象期間等に関する情報を記憶してもよい。
(ユーザ特性情報記憶部124)
実施形態に係るユーザ特性情報記憶部124は、ユーザ特性に関する各種情報を記憶する。図7は、実施形態に係るユーザ特性情報記憶部の一例を示す図である。図7に示すユーザ特性情報記憶部124は、「ユーザID」、「ユーザ特性」といった項目が含まれる。「ユーザ特性」には、「実家」、「前所属企業」、「血液型」、「持病」といった項目が含まれる。なお、「ユーザ特性」には、ユーザが登録していないユーザ特性を示す情報であれば、どのような情報が含まれてもよい。
「ユーザID」は、ユーザを識別するための識別情報を示す。例えば、ユーザID「U1」により識別されるユーザは、図1の例に示したユーザU1に対応する。
また、「ユーザ特性」は、各ユーザについて推定されたユーザ特性を示す。「実家」は、ユーザIDにより識別されるユーザの実家を示す。なお、図7の例では、「実家」は、「F県」等の抽象的な都道府県名のみを図示するが、例えば市町村等を含む住所や地域名や緯度経度情報であってもよい。
また、「前所属企業」は、ユーザIDにより識別されるユーザが過去に勤務していた企業名等を示す。なお、図7に示す例では、「前所属企業」は、「A企業」といった抽象的な企業名を図示するが、具体的な企業名や業種等を示す情報であってもよい。なお、「前所属企業」は、複数であってもよい。
また、「血液型」は、ユーザIDにより識別されるユーザの血液型を示す。また、「持病」は、ユーザIDにより識別されるユーザの持病を示す。なお、「持病」は、複数であってもよい。
例えば、図7に示す例において、ユーザID「U1」により識別されるユーザ(ユーザU1)の実家は、「F県」にあることを示す。また、ユーザU1の前所属企業は、「A企業」であることを示す。また、ユーザU1の血液型は、「−」、すなわち未推定であることを示す。また、ユーザU1の持病は、「−」、すなわち未推定であることを示す。
例えば、図7に示す例において、ユーザID「U2」により識別されるユーザ(ユーザU2)の実家は、「N県」にあることを示す。また、ユーザU2の前所属企業は、「−」、すなわち未推定であることを示す。また、ユーザU2の血液型は、「O型」であることを示す。また、ユーザU2の持病は、「片頭痛」であることを示す。
なお、ユーザ特性情報記憶部124は、上記に限らず、目的に応じて種々のユーザ情報を記憶してもよい。
(制御部130)
図3の説明に戻って、制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、推定装置100内部の記憶装置に記憶されている各種プログラム(推定プログラムの一例に相当)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、コントローラであり、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3に示すように、制御部130は、取得部131と、抽出部132と、推定部133と、提供部134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。
(取得部131)
取得部131は、各種情報を取得する。例えば、取得部131は、ユーザ情報記憶部121や行動情報記憶部122や外れ関連情報記憶部123やユーザ特性情報記憶部124から各種情報を取得する。例えば、取得部131は、端末装置10から各種情報を取得する。例えば、取得部131は、端末装置10からユーザの行動情報を取得する。取得部131は、ユーザが入力した入力情報を取得する。
図1の例では、取得部131は、ユーザU1が利用する端末装置10から行動情報を取得する。例えば、取得部131は、日時dt19において、ユーザU1がC花を購入したことを示す行動情報を取得する。例えば、取得部131は、日時dt19において購入したC花の配送先にユーザU1の自宅(位置LC11)とは異なる位置LC15(F県の住所)を指定したことを示す行動情報を取得する。
(抽出部132)
抽出部132は、種々の情報を抽出する。例えば、抽出部132は、記憶部120に記憶された情報に基づいて、種々の情報を抽出する。抽出部132は、行動情報記憶部122から、種々の情報を抽出する。例えば、抽出部132は、端末装置10から取得した情報に基づいて、種々の情報を抽出する。
抽出部132は、ユーザの行動に関する履歴情報から、ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。また、抽出部132は、履歴情報から、第1外れ情報と、第1外れ情報とは異なる第2外れ情報と、を含む外れ情報を抽出する。また、抽出部132は、一の外れ行動に含まれる第1要素に関連する第1外れ情報と、一の外れ行動に含まれる第2要素であって、第1要素とは異なる第2要素に関連する第2外れ情報と、を含む外れ情報を抽出する。
また、抽出部132は、履歴情報から、ユーザの第1外れ行動を示す第1外れ情報と、ユーザの第1外れ行動とは異なる第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出する。また、抽出部132は、第1種別の行動に関する第1外れ行動を示す第1外れ情報と、第1種別とは異なる第2種別の行動に関する第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出する。また、抽出部132は、第1期間における第1外れ行動を示す第1外れ情報と、第1期間よりも短い第2期間における第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出する。
また、抽出部132は、第1期間におけるユーザの非日常状態を示す第1外れ情報と、ユーザの非日常状態における第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出する。
図1の例では、抽出部132は、ユーザU1の行動履歴から、ユーザU1の行動の傾向を抽出する。また、抽出部132は、ユーザU1の行動履歴に基づいて、ユーザU1の行動の傾向を示す情報を抽出する。また、抽出部132は、ユーザU1の行動履歴から、ユーザU1が日常的に購入している商品や通常配送先に指定している位置(住所)等を示す情報を抽出する。
また、抽出部132は、ユーザU1の行動履歴から、ユーザU1が定期的に購入すること等によりユーザが通常購入している通常購入商品や通常購入商品の配送先に指定している位置(住所)等を示す情報を抽出する。例えば、抽出部132は、ユーザU1の行動履歴のうち、所定の期間(例えば1ヶ月や3ヶ月等)おきに定期的に購入されている商品を通常購入商品として抽出してもよい。例えば、抽出部132は、ユーザU1の行動履歴のうち、購入した商品の配送先として指定される割合が所定の閾値(例えば70%や80%等)以上である位置(住所)を通常配送先として抽出してもよい。
図1の例では、抽出部132は、傾向情報TL11に示すような、ユーザU1の行動の傾向を示す情報を抽出する。例えば、抽出部132は、ユーザU1が日常的に購入する対象(購入対象)が「水」や「米」であり、ユーザU1が日常的に指定する配送先が位置LC11(ユーザU1の自宅)であることを示す傾向情報TL11を抽出する。
図1の例では、抽出部132は、ユーザU1の行動履歴から、外れ情報を抽出する。例えば、抽出部132は、ユーザU1の行動履歴から、ユーザU1の通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。図1の例では、抽出部132は、外れ関連情報記憶部123や傾向情報TL11を用いて、行動情報記憶部122に記憶されたユーザU1の行動履歴から外れ情報を抽出する。
図1の例では、抽出部132は、外れ情報EL11に示すような、ユーザU1の外れ情報を抽出する。例えば、抽出部132は、外れ情報EL11中の「外れ#1」や「外れ#2」に示すように、第1外れや第2外れに対応する情報を抽出する。例えば、抽出部132は、ユーザU1の行動AC19から、第1外れ情報や第2外れ情報を抽出する。
図1の例では、抽出部132は、ユーザU1の行動AC19では、購入対象が「C花」であり、傾向情報TL11中の通常購入商品である水や米等とは異なる商品であるため、「C花」を外れ値OL1の第1外れに対応する情報として抽出する。例えば、抽出部132は、ユーザU1の行動AC19では、配送先が「位置LC15」であり、傾向情報TL11中の通常配送先である位置LC11とは異なる位置(住所)であるため、「位置LC15」を外れ値OL1の第2外れに対応する情報として抽出する。
(推定部133)
推定部133は、種々の情報を推定する。例えば、抽出部132は、記憶部120に記憶された情報に基づいて、種々の情報を推定する。抽出部132は、ユーザ情報記憶部121や行動情報記憶部122や外れ関連情報記憶部123に記憶された情報に基づいて、種々の情報を推定する。例えば、推定部133は、抽出部132により抽出された情報を用いて、ユーザの特性を推定する。
推定部133は、抽出部132により抽出された外れ情報に基づいて、ユーザの特性であって、外れ行動により顕在化される特性であるユーザ特性を推定する。また、推定部133は、第1外れ情報または第2外れ情報のいずれか一方により絞り込まれたユーザの履歴情報から、第1外れ情報または第2外れ情報の他方を抽出する。また、推定部133は、外れ情報に含まれる対象に基づいて、対象に関連するユーザ特性を推定する。
また、推定部133は、外れ情報に含まれる地理的な対象に基づいて、地理的な対象に関連するユーザ特性を推定する。また、推定部133は、ユーザの居住地以外の地理的な対象に関連するユーザ特性を推定する。
また、推定部133は、外れ情報に含まれる商品の配送先に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。また、推定部133は、ユーザが検索に用いた検索クエリであって、外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。また、推定部133は、ユーザが閲覧したコンテンツであって、外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。
図1の例では、推定部133は、ユーザU1のユーザ特性を推定する。例えば、推定部133は、ユーザU1の行動履歴から抽出したユーザU1の外れ情報を用いて、ユーザU1のユーザ特性を推定する。例えば、推定部133は、外れ値OL1が推定対象とするユーザ特性であるユーザの「実家」を、外れ情報EL11から推定する。具体的には、推定部133は、外れ情報EL11に示すユーザU1の外れ情報が、外れ値OL1の第1外れと第2外れの両方を満たすため、第2外れの対象である配送先として指定された位置をユーザU1の「実家」と推定する。例えば、推定部133は、ユーザ特性情報記憶部124に示すように、ユーザU1の実家を位置LC15に対応するエリアである「F県」であると推定する。
(提供部134)
提供部134は、外部の情報処理装置へ各種情報を提供する。例えば、提供部134は、端末装置10へ各種情報を提供する。提供部134は、抽出部132により抽出された情報や推定部133により推定された情報を用いたサービスを提供する。例えば、提供部134は、推定部133により推定されたユーザ特性を用いたサービスを提供する。
また、提供部134は、推定したユーザ特性を用いてコンテンツを配信するサービスを提供する。例えば、提供部134は、推定したユーザ特性を用いて、端末装置10にコンテンツを提供する。図1の例では、提供部134は、ユーザU1の実家の位置(エリア)として推定された「F県」に関するニュース等のコンテンツをユーザU1が利用する端末装置10に提供する。
〔3.推定処理のフロー〕
ここで、図8を用いて、実施形態に係る推定装置100による推定処理の手順について説明する。図8は、実施形態に係る推定処理の一例を示すフローチャートである。
図8に示すように、推定装置100は、ユーザの行動に関する履歴情報を取得する(ステップS101)。例えば、推定装置100は、行動情報記憶部122(図5参照)からユーザの行動履歴を取得する。
また、推定装置100は、履歴情報から外れ情報を抽出する(ステップS102)。図1の例では、推定装置100は、推定装置100は、外れ情報EL11中の「外れ#1」や「外れ#2」に示すように、第1外れや第2外れに対応する情報を抽出する。
そして、推定装置100は、外れ情報に基づいて、ユーザ特性を推定する(ステップS103)。図1の例では、推定装置100は、ユーザU1の実家を位置LC15に対応するエリアである「F県」であると推定する。
そして、推定装置100は、ユーザ特性に基づくサービスを提供する(ステップS104)。図1の例では、推定装置100は、ユーザU1の実家の位置(エリア)として推定された「F県」に関するニュース等のコンテンツをユーザU1が利用する端末装置10に提供する。
〔4.他の推定処理〕
図1の例では、推定装置100がユーザU1の商品の購入に関する行動履歴に基づいて、ユーザ特性を推定する場合を示したが、推定装置100は、ユーザの行動履歴であれば、どのような情報を用いてユーザのユーザ特性を推定してもよい。この点について、図9を用いて説明する。図9は、実施形態に係る推定処理の一例を示す図である。
図9の例では、推定装置100がユーザU2のユーザ特性を推定する場合を一例として説明する。推定装置100は、ユーザU2の行動履歴を取得済みであるものとする。図9の例では、推定装置100は、行動情報記憶部122に示すように、ユーザU2の行動履歴を取得済みであるものとする。例えば、図9に示す例において、ユーザU2は、行動AC21や行動AC25等の種々の行動を行ったことを示す。
例えば、図9に示す例においてユーザU2は、行動AC21に示すように、日時dt21において、コンテンツCT1を閲覧したことを示す。また、行動AC21に示すように、日時dt21においてユーザU2が閲覧したコンテンツCT1のコンテンツカテゴリ(以下、単に「カテゴリ」ともいう)は、「芸能」であり、「Dドラマ」に関する内容であることを示す。例えば、Dドラマは、エリア「T都」を舞台としたドラマであるものとする。
また、例えば、図9に示す例においてユーザU2は、行動AC25に示すように、日時dt25において、コンテンツCT2を閲覧したことを示す。また、ユーザU2は、行動AC25に示すように、日時dt25においてユーザU2が閲覧したコンテンツCT2のカテゴリは、「芸能」であり、「E俳優」に関する内容であることを示す。例えば、E俳優は、エリア「T都」出身の有名人であるものとする。図9の例では、ユーザU2は、日常的にコンテンツの閲覧を行っているユーザであるものとする。
なお、図9の例では、説明を簡単にするために、ユーザU2の行動のうち、コンテンツの閲覧に関する行動のみを図示するが、ユーザU2の行動履歴には、ユーザU2の商品の購入や検索に関する行動が含まれてもよい。
まず、推定装置100は、ユーザU2の行動履歴から、ユーザU2の行動の傾向を抽出する(ステップS20)。例えば、推定装置100は、ユーザU2の行動履歴に基づいて、ユーザU2の行動の傾向を示す情報を抽出する。例えば、推定装置100は、ユーザU2の行動履歴から、ユーザU2が日常的に閲覧しているコンテンツのカテゴリやそのコンテンツの内容が対象としている地域(エリア)等を示す情報を抽出する。なお、図9の例では、ユーザU2の自宅の位置である位置LC21(図4参照)は、エリア「T都」内であるものとする。
例えば、推定装置100は、ユーザU2の行動履歴から、ユーザU2が定期的に閲覧しているコンテンツのカテゴリ(以下、「通常閲覧カテゴリ」ともいう)や通常閲覧カテゴリにおける対象地域(エリア)等を示す情報を抽出する。例えば、推定装置100は、ユーザU2の行動履歴のうち、閲覧したコンテンツのカテゴリの割合が所定の閾値(例えば50%や60%等)以上であるカテゴリを通常閲覧カテゴリとして抽出してもよい。また、例えば、推定装置100は、ユーザU2の行動履歴のうち、閲覧した通常閲覧カテゴリコンテンツが対象とする地域(エリア)の割合が所定の閾値(例えば30%や40%等)以上である地域を通常対象地域として抽出してもよい。なお、図9の例では、説明のために、通常対象地域を「T都」、すなわち通常対象地域がある場合を説明するが、通常閲覧カテゴリのコンテンツについて、対象地域がないコンテンツの割合が最も多い場合、通常対象地域は「−(無)」等としてもよい。
図9の例では、推定装置100は、傾向情報TL21に示すような、ユーザU2の行動の傾向を示す情報を抽出する。例えば、推定装置100は、ユーザU2が日常的に閲覧するコンテンツのカテゴリ(通常閲覧カテゴリ)が「芸能」等であり、対象地域(通常対象地域)が「T都」であることを示す傾向情報TL21を抽出する。なお、カテゴリ「スポーツ」は、ユーザU2の通常閲覧カテゴリには含まれないものとする。推定装置100は、抽出したユーザU2の傾向情報TL21を記憶部120(図3参照)に格納してもよい。なお、推定装置100が抽出する購入対象は、「芸能」のような抽象的な対象(カテゴリ)に限らず、「Dドラマ」や「E俳優」等の具体的な対象であってもよい。例えば、推定装置100は、傾向情報TL21に示すようなユーザU2の行動の傾向を示す情報を、ユーザID「U2」に対応付けて記憶部120に格納してもよい。そして、推定装置100は、ユーザU2について、抽出処理を行う際に、傾向情報TL21に示すようなユーザU2の傾向情報を記憶部120取得してもよい。
また、推定装置100は、ユーザU2が利用する端末装置10から行動情報を取得する(ステップS21)。図9の例では、推定装置100は、日時dt29において、ユーザU2がコンテンツCT3を閲覧したことを示す行動情報を取得する。具体的には、推定装置100は、カテゴリが通常閲覧カテゴリと異なるカテゴリ「スポーツ」であり、野球のN県の大会に関するコンテンツCT3を閲覧したことを示す行動情報を取得する。
そして、推定装置100は、取得したユーザU2の行動情報を行動情報記憶部122に追加する(ステップS22)。図9の例では、推定装置100は、取得したユーザU2の行動情報を行動AC29として行動情報記憶部122に追加する。
また、推定装置100は、ユーザU2の行動履歴から、外れ情報を抽出する(ステップS23)。例えば、推定装置100は、ユーザU2の行動履歴から、ユーザU2の通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。図9の例では、推定装置100は、外れ関連情報記憶部123や傾向情報TL21を用いて、行動情報記憶部122に記憶されたユーザU2の行動履歴から外れ情報を抽出する。
例えば、図9に示す例において、外れ値ID「OL2」により識別される外れ値情報(外れ値情報OL2)の第1外れは、「コンテンツカテゴリ」を抽出対象とすることを示す。また、外れ値情報OL2の第2外れは、「対象地域」を抽出対象とすることを示す。また、外れ値情報OL2の対象特性は、ユーザ特性「実家」であることを示す。
図9の例では、推定装置100は、外れ情報EL21に示すような、ユーザU2の外れ情報を抽出する。例えば、推定装置100は、外れ情報EL21中の「外れ#1」や「外れ#2」に示すように、第1外れや第2外れに対応する情報を抽出する。例えば、推定装置100は、ユーザU2の行動AC29から、第1外れ情報や第2外れ情報を抽出する。
図9の例では、推定装置100は、ユーザU2の行動AC29では、カテゴリが「スポーツ」であり、傾向情報TL21中の通常閲覧カテゴリである芸能等とは異なるカテゴリであるため、「スポーツ」を外れ値OL2の第1外れに対応する情報として抽出する。また、推定装置100は、ユーザU2の行動AC29では、コンテンツCT3が対象とする地域「N県」であり、傾向情報TL21中の通常対象地域「T都」とは異なる地域であるため、「N県」を外れ値OL2の第2外れに対応する情報として抽出する。推定装置100は、抽出したユーザU2の外れ情報EL21を記憶部120(図3参照)に格納してもよい。
そして、推定装置100は、ユーザU2のユーザ特性を推定する(ステップS24)。例えば、推定装置100は、ユーザU2の行動履歴から抽出したユーザU2の外れ情報を用いて、ユーザU2のユーザ特性を推定する。図9の例では、推定装置100は、外れ値OL2が推定対象とするユーザ特性であるユーザの「実家」を、外れ情報EL21から推定する。具体的には、推定装置100は、外れ情報EL21に示すユーザU2の外れ情報が、外れ値OL2の第1外れと第2外れの両方を満たすため、第2外れの対象である配送先として指定された位置をユーザU2の「実家」と推定する。図9の例では、推定装置100は、ユーザ特性情報記憶部124に示すように、ユーザU2の実家が「N県」にあると推定する。このように、推定装置100は、ユーザU2の居住地以外の地理的な対象である実家(出身地)を推定する。推定装置100は、ユーザU2が閲覧したコンテンツであって、外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、ユーザU2に関連する地点である実家(出身地)を推定する。
そして、推定装置100は、推定したユーザ特性を用いてサービスを提供する(ステップS25)。例えば、推定装置100は、推定したユーザ特性を用いて、端末装置10にコンテンツを提供する。図9の例では、推定装置100は、ユーザU2の実家の位置(エリア)として推定された「N県」に関するニュース等のコンテンツをユーザU2が利用する端末装置10に提供する。
〔5.効果〕
上述してきたように、実施形態に係る推定装置100は、抽出部132と、推定部133とを有する。抽出部132は、ユーザの行動に関する履歴情報から、ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。推定部133は、抽出部132により抽出された外れ情報に基づいて、ユーザの特性であって、外れ行動により顕在化される特性であるユーザ特性を推定する。
このように、実施形態に係る推定装置100は、外れ情報に基づいて、ユーザの特性であって、外れ行動により顕在化される特性であるユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、抽出部132は、履歴情報から、第1外れ情報と、第1外れ情報とは異なる第2外れ情報と、を含む外れ情報を抽出する。
このように、実施形態に係る推定装置100は、履歴情報から、第1外れ情報と、第1外れ情報とは異なる第2外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、抽出部132は、一の外れ行動に含まれる第1要素に関連する第1外れ情報と、一の外れ行動に含まれる第2要素であって、第1要素とは異なる第2要素に関連する第2外れ情報と、を含む外れ情報を抽出する。
このように、実施形態に係る推定装置100は、一の外れ行動に含まれる第1要素に関連する第1外れ情報と、一の外れ行動に含まれる第2要素であって、第1要素とは異なる第2要素に関連する第2外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、抽出部132は、履歴情報から、ユーザの第1外れ行動を示す第1外れ情報と、ユーザの第1外れ行動とは異なる第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出する。
このように、実施形態に係る推定装置100は、履歴情報から、ユーザの第1外れ行動を示す第1外れ情報と、ユーザの第1外れ行動とは異なる第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、抽出部132は、第1種別の行動に関する第1外れ行動を示す第1外れ情報と、第1種別とは異なる第2種別の行動に関する第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出する。
このように、実施形態に係る推定装置100は、第1種別の行動に関する第1外れ行動を示す第1外れ情報と、第1種別とは異なる第2種別の行動に関する第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、抽出部132は、第1期間における第1外れ行動を示す第1外れ情報と、第1期間よりも短い第2期間における第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出する。
このように、実施形態に係る推定装置100は、第1期間における第1外れ行動を示す第1外れ情報と、第1期間よりも短い第2期間における第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、抽出部132は、第1期間におけるユーザの非日常状態を示す第1外れ情報と、ユーザの非日常状態における第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出する。
このように、実施形態に係る推定装置100は、第1期間におけるユーザの非日常状態を示す第1外れ情報と、ユーザの非日常状態における第2外れ行動を示す第2外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、推定部133は、第1外れ情報または第2外れ情報のいずれか一方により絞り込まれたユーザの履歴情報から、第1外れ情報または第2外れ情報の他方を抽出する。
このように、実施形態に係る推定装置100は、第1外れ情報または第2外れ情報のいずれか一方により絞り込まれたユーザの履歴情報から、第1外れ情報または第2外れ情報の他方を抽出することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、推定部133は、外れ情報に含まれる対象に基づいて、対象に関連するユーザ特性を推定する。
このように、実施形態に係る推定装置100は、外れ情報に含まれる対象に基づいて、対象に関連するユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、推定部133は、外れ情報に含まれる地理的な対象に基づいて、地理的な対象に関連するユーザ特性を推定する。
このように、実施形態に係る推定装置100は、外れ情報に含まれる地理的な対象に基づいて、地理的な対象に関連するユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、推定部133は、ユーザの居住地以外の地理的な対象に関連するユーザ特性を推定する。
このように、実施形態に係る推定装置100は、ユーザの居住地以外の地理的な対象に関連するユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、推定部133は、外れ情報に含まれる商品の配送先に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。
このように、実施形態に係る推定装置100は、外れ情報に含まれる商品の配送先に基づいて、ユーザに関連する地点を示すユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、推定部133は、ユーザが検索に用いた検索クエリであって、外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。
このように、実施形態に係る推定装置100は、ユーザが検索に用いた検索クエリであって、外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100において、推定部133は、ユーザが閲覧したコンテンツであって、外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。
このように、実施形態に係る推定装置100は、ユーザが閲覧したコンテンツであって、外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。
また、実施形態に係る推定装置100は、提供部134を有する。提供部134は、推定部133により推定されたユーザ特性を用いたサービスを提供する。
このように、実施形態に係る推定装置100は、推定したユーザ特性を用いたサービスを提供することにより、推定したユーザに基づくサービスを提供することができる。
〔6.ハードウェア構成〕
上述してきた実施形態に係る推定装置100は、例えば図10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10は、推定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。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD(Hard Disk Drive)1400、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または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、及び、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、ネットワークN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ネットワークNを介して他の機器へ提供する。
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また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が実施形態に係る推定装置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。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、他の装置からネットワークNを介してこれらのプログラムを取得してもよい。
以上、本願の実施形態を図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行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。
〔7.その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に生成することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
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。
また、上述してきた実施形態に記載された各処理は、処理内容を矛盾させない範囲で適宜組み合わせ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、取得部は、取得手段や取得回路に読み替えることができる。