JP6851958B2 - 推定装置、推定方法、及び推定プログラム - Google Patents

Description

本発明は、推定装置、推定方法、及び推定プログラムに関する。

従来、イベント等の種々の事象が需要等に与える影響（効果）等を予測したり、推定したりする技術が提供されている。例えば、未来に行う予定であるイベントが、過去のイベントと規模、効果発生タイミングが異なる場合でも、過去の需要実績値から将来の需要を予測し、実施予定のイベントの影響を反映した需要を予測する技術が知られている。

特開２０１４−０４４５９８号公報 特開２０１５−１４６１４５号公報

しかしながら、上記の従来技術では、所定の対象に対する事象の影響を適切に推定することができるとは限らない。例えば、過去の需要実績値に基づいて実施予定のイベントの影響を推定する場合、実際にイベント等の事象が与えた影響を推定することが難しい場合がある。

本願は、上記に鑑みてなされたものであって、所定の対象に対する事象の影響を適切に推定する推定装置、推定方法、及び推定プログラムを提供することを目的とする。

本願に係る推定装置は、所定の期間における所定の対象に関するユーザの入力情報と、前記所定の対象に関連する事象が生じた時点である基準時点を示す時点情報を取得する取得部と、前記取得部により取得された前記時点情報が示す前記基準時点前における前記入力情報と、前記基準時点後における前記入力情報とに基づいて、前記所定の対象に対する前記事象の影響を推定する推定部と、を備えることを特徴とする。

実施形態の一態様によれば、所定の対象に対する事象の影響を適切に推定することができるという効果を奏する。

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。 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４は、実施形態に係る施策情報記憶部の一例を示す図である。 図５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６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。 図７は、実施形態に係るキーワード情報記憶部の一例を示す図である。 図８は、実施形態に係る影響情報記憶部の一例を示す図である。 図９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１０は、実施形態に係る推定処理の一例を示す図である。 図１１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。

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、所定の事業者が実施する施策であるファッションショーであり、色「緑」を対象とするイベントを、影響を推定する事象とする場合を示す。また、対象への事象の影響には、事象が対象に与える効果等のプラスの作用や、事象が対象に与える逆効果等のマイナスの作用等の種々の影響が含まれる。すなわち、図１の例では、一つの色である「緑」を対象とする場合を示す。なお、対象は「緑」限らず、「赤」や「ふわふわ」や「タイト」等の種々の対象で合ってもよい。また、事象は、事業者が実施する施策に限らず、種々の事象であってもよい。また、図１では、推定装置１００は、イベントの影響を示す情報を所定の提供先に提供する。

〔推定システムの構成〕
まず、図１及び図２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、提供先装置２０と、推定装置１００とが含まれる。端末装置１０と、提供先装置２０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、複数台の提供先装置２０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、図１に示す例においては、端末装置１０を利用するユーザに応じて、端末装置１０を端末装置１０−１〜１０−５として説明する。例えば、端末装置１０−１は、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）により使用される端末装置１０である。また、例えば、端末装置１０−２は、ユーザＩＤ「Ｕ２」により識別される（ユーザＵ２）により使用される端末装置１０である。また、以下では、端末装置１０−１〜１０−５について、特に区別なく説明する場合には、端末装置１０と記載する。

推定装置１００は、所定の期間における所定の対象に関するユーザの入力情報と、所定の対象に関連する事象が生じた時点である基準時点を示す時点情報を取得する情報処理装置である。例えば、所定の期間は、基準時点の前後１週間や基準時点前の１ヶ月と基準時点後の１週間等の種々の期間であってもよい。また、推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報とに基づいて、所定の対象に対する事象の影響を推定する情報処理装置である。

また、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。図１の例では、推定装置１００は、クエリに対応する所定の情報を検索結果として、クエリの送信元である端末装置１０へ提供する。

なお、図１では、推定装置１００が検索サービスを提供する場合を示すが、外部の情報処理装置が検索サービスを提供する場合、推定装置１００は検索サービスを提供しなくてもよい。この場合、推定装置１００は、検索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、情報を要求する提供先への情報提供のみを行ってもよい。

提供先装置２０は、情報を要求する提供先により利用される情報処理装置である。なお、提供先は、推定装置１００が提供する情報を要求する主体であれば、どのような提供先であってもよい。例えば、提供先は、流行色を決定する所定の機関や所定の事業を行う事業者やユーザであってもよい。提供先がユーザである場合、端末装置１０が提供先装置２０であってもよい。図１の例では、提供先装置２０は、事業者Ｘの管理者Ｍ１によって利用される情報処理装置である。例えば、事業者Ｘは、施策ＩＤ「ＰＬ１１」により識別される施策（以下、「施策ＰＬ１１」とする場合がある）であるファッションショーを主宰する事業者であってもよい。例えば、事業者Ｘの管理者Ｍ１は、提供先装置２０を用いて、推定装置１００に対して施策ＰＬ１１に関する情報を送信することにより、施策ＰＬ１１の影響の推定を推定装置１００に要求する。また、提供先装置２０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や、デスクトップＰＣや、携帯電話機や、ＰＤＡ等により実現される。図１は、提供先装置２０がノート型ＰＣである場合を示す。

また、図１の例では、日時ｄｔ１０−１及び日時ｄｔ１０−２は、施策ＰＬ１１が開催された日時ｄｔ１１よりも前であり、日時ｄｔ１１−１、日時ｄｔ１１−２及び日時ｄｔ１１−３は、日時ｄｔ１１以後であるものとする。なお、図１の例では、「日時ｄｔ１１−１」等のように抽象的に図示するが、「日時ｄｔ１１−１」は、「２０１７年１１月２８日２３時４１分３２秒」等の具体的な日時が対応するものとする。

また、推定装置１００は、ユーザＵ１が利用する端末装置１０−１からクエリを取得する（ステップＳ１１−１）。図１の例では、推定装置１００は、日時ｄｔ１０−１において、端末装置１０−１からクエリ「緑」を取得する。そして、推定装置１００は、クエリ「緑」に対応する検索結果を端末装置１０−１へ提供する（ステップＳ１２−１）。また、推定装置１００は、日時ｄｔ１０−１において、ユーザＵ１がクエリ「緑」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。これにより、推定装置１００は、日時ｄｔ１０−１におけるユーザＵ１の入力情報であるクエリ「緑」を行動情報記憶部１２３に記憶する。

また、推定装置１００は、ユーザＵ２が利用する端末装置１０−２からクエリを取得する（ステップＳ１１−２）。図１の例では、推定装置１００は、日時ｄｔ１０−２において、端末装置１０−２からクエリ「ワンピース 白」を取得する。そして、推定装置１００は、クエリ「ワンピース 白」に対応する検索結果を端末装置１０−２へ提供する（ステップＳ１２−２）。また、推定装置１００は、日時ｄｔ１０−２において、ユーザＵ２がクエリ「ワンピース 白」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。これにより、推定装置１００は、日時ｄｔ１０−２におけるユーザＵ２の入力情報であるクエリ「ワンピース」、「白」を行動情報記憶部１２３に記憶する。

また、推定装置１００は、ユーザＵ３が利用する端末装置１０−３からクエリを取得する（ステップＳ１１−３）。図１の例では、推定装置１００は、日時ｄｔ１１−１において、端末装置１０−３からクエリ「黒 ネクタイ」を取得する。そして、推定装置１００は、クエリ「黒 ネクタイ」に対応する検索結果を端末装置１０−３へ提供する（ステップＳ１２−３）。また、推定装置１００は、日時ｄｔ１１−１において、ユーザＵ２がクエリ「黒 ネクタイ」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。これにより、推定装置１００は、日時ｄｔ１１−１におけるユーザＵ３の入力情報であるクエリ「黒」、「ネクタイ」を行動情報記憶部１２３に記憶する。

また、推定装置１００は、ユーザＵ４が利用する端末装置１０−４からクエリを取得する（ステップＳ１１−４）。図１の例では、推定装置１００は、日時ｄｔ１１−２において、端末装置１０−４からクエリ「グリーン」を取得する。そして、推定装置１００は、クエリ「グリーン」に対応する検索結果を端末装置１０−４へ提供する（ステップＳ１２−４）。また、推定装置１００は、日時ｄｔ１１−２において、ユーザＵ４がクエリ「グリーン」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。これにより、推定装置１００は、日時ｄｔ１１−２におけるユーザＵ４の入力情報であるクエリ「グリーン」を行動情報記憶部１２３に記憶する。

まず、推定装置１００は、ユーザＵ５が利用する端末装置１０−５からクエリを取得する（ステップＳ１１−５）。図１の例では、推定装置１００は、日時ｄｔ１１−３において、端末装置１０−５からクエリ「緑 スカート」を取得する。そして、推定装置１００は、クエリ「緑 スカート」に対応する検索結果を端末装置１０−５へ提供する（ステップＳ１２−５）。また、推定装置１００は、日時ｄｔ１１−３において、ユーザＵ５がクエリ「緑 スカート」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。これにより、推定装置１００は、日時ｄｔ１１−３におけるユーザＵ５の入力情報であるクエリ「緑」、「スカート」を行動情報記憶部１２３に記憶する。

以下、ステップＳ１１−１〜Ｓ１１−５を区別せずに説明する場合、ステップＳ１１と総称する。また、ステップＳ１１−１〜Ｓ１１−５に限らず、各ユーザの検索は、複数回行われてもよい。また、以下、ステップＳ１２−１〜Ｓ１２−５を区別せずに説明する場合、ステップＳ１２と総称する。なお、図１では、５人のユーザＵ１〜Ｕ５を図示するが、推定装置１００は、ユーザＵ１〜Ｕ５に限らず、多数のユーザ（例えば、１００万ユーザや１０００万ユーザ等）が検索に用いたクエリを取得する。これにより、推定装置１００は、クエリなどの入力情報を含む行動情報を収集する（ステップＳ１３）。

また、推定装置１００は、事業者Ｘから施策情報をする（ステップＳ１４）。例えば、事業者Ｘは、提供先装置２０を操作することにより、施策ＰＬ１１が対象を種別「色」の「緑」とし、日時ｄｔ１１に開始されたカテゴリ「衣料品」のファッションショーであることを示す施策情報を推定装置１００へ送信する。例えば、事業者Ｘは、施策ＰＬ１１の施策情報を推定装置１００へ送信することにより、推定装置１００に施策ＰＬ１１の影響を示す情報を要求する。

図１の例では、推定装置１００は、事業者Ｘの提供先装置２０から施策ＰＬ１１が対象を「緑」とし、日時ｄｔ１１に開始されたファッションショーであることを示す施策情報を取得する。これにより、推定装置１００は、日時ｄｔ１１が基準時点であることを示す時点情報を含む施策ＰＬ１１の施策情報を取得する。そして、推定装置１００は、施策ＰＬ１１の施策情報を施策情報記憶部１２１へ登録する（ステップＳ１５）。例えば、推定装置１００は、施策ＰＬ１１がファッションショーのイベントであり、基準時点が日時ｄｔ１１であることを示す情報を施策情報記憶部１２１へ登録する。また、推定装置１００は、施策ＰＬ１１の対象の種別が「色」であり、施策ＰＬ１１の対象が「緑」であり、施策ＰＬ１１のカテゴリは、「衣料品」あることを示す情報を施策情報記憶部１２１へ記憶する。

なお、ステップＳ１４及びＳ１５の処理は、ステップＳ１６よりも前であれば、いずれのタイミングで行われてもよい。例えば、ステップＳ１４及びＳ１５の処理は、ステップＳ１１〜ステップＳ１３よりも前に行われてもよい。

そして、推定装置１００は、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前の対象「緑」に関する入力情報を基準時点前情報として抽出し、日時ｄｔ１１から後の対象「緑」に関する入力情報を基準時点後情報として抽出する（ステップＳ１６）。例えば、推定装置１００は、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前の対象「緑」に関する入力情報を基準時点前情報として抽出する。

図１の例では、推定装置１００は、行動情報記憶部１２３に記憶された行動情報（入力情報）のうち、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前に対象「緑」に関する検索を行ったことを示す入力情報を基準時点前情報として抽出する。推定装置１００は、図１中の基準時点前情報ＩＮＦ１１に示すように、日時ｄｔ１１よりも前に対象「緑」に関する入力情報として、行動ＡＣ１１や行動ＡＣ１５に対応する情報を抽出する。すなわち、推定装置１００は、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前の時点においては、対象「緑」について、ユーザＵ１のクエリ「緑」を用いた検索に対応する行動ＡＣ１１等が行われたことを示す情報を抽出する。

また、推定装置１００は、図１中の基準時点前情報ＩＮＦ１１に示すように、日時ｄｔ１１よりも前に対象「緑」に関する入力情報に基づいて、施策ＰＬ１１が行われる前の期間においては、対象「緑」に関する検索の１日平均が「５千回」であると算出する。例えば、推定装置１００は、施策ＰＬ１１が行われる前の期間（例えば５日間とする）における対象「緑」に関する総検索回数を期間の日数（例えば「５」）で割ることにより、施策ＰＬ１１が行われる前の期間における対象「緑」に関する検索の１日平均を算出する。

図１の例では、推定装置１００は、行動情報記憶部１２３に記憶された行動情報（入力情報）のうち、施策ＰＬ１１の基準時点である日時ｄｔ１１から後に対象「緑」に関する検索を行ったことを示す入力情報を基準時点後情報として抽出する。推定装置１００は、図１中の基準時点後情報ＩＮＦ１２に示すように、日時ｄｔ１１よりも後に対象「緑」に関する入力情報として、行動ＡＣ２２や行動ＡＣ２３や行動ＡＣ２５に対応する情報を抽出する。すなわち、推定装置１００は、施策ＰＬ１１の基準時点である日時ｄｔ１１から後の時点においては、対象「緑」について、ユーザＵ１のクエリ「緑」を用いた検索に対応する行動ＡＣ２２等が行われたことを示す情報を抽出する。

また、推定装置１００は、図１中の基準時点後情報ＩＮＦ１２に示すように、日時ｄｔ１１よりも後に対象「緑」に関する入力情報に基づいて、施策ＰＬ１１が行われる後の期間においては、対象「緑」に関する検索の１日平均が「１万回」であると算出する。例えば、推定装置１００は、施策ＰＬ１１が行われた後の期間（例えば３日間とする）における対象「緑」に関する総検索回数を期間の日数（例えば「３」）で割ることにより、施策ＰＬ１１が行われる後の期間における対象「緑」に関する検索の１日平均を算出する。

そして、推定装置１００は、施策ＰＬ１１の影響を推定する（ステップＳ１７）。図１の例では、推定装置１００は、基準時点前情報ＩＮＦ１１や基準時点後情報ＩＮＦ１２に示すような情報に基づいて、影響情報ＩＮＦ１３に示すような施策ＰＬ１１の影響を推定する。例えば、推定装置１００は、基準時点である日時ｄｔ１１よりも前の平均の検索回数と、日時ｄｔ１１から後の平均の検索回数との比較に基づいて、施策ＰＬ１１の影響を推定する。図１の例では、推定装置１００は、施策ＰＬ１１の後においてキーワード「緑」に該当する１日の検索回数が５千回から１万回に増加しており、キーワード「緑」に該当する１日の検索回数を２００％（２倍）にする影響、すなわち効果があったと推定する。例えば、推定装置１００は、上記の検索回数を２００％（２倍）にする影響に基づいて、ユーザへのキーワード「緑」の流行色としての認知度が「２倍」になったと推定する。図１の例では、推定装置１００は、対象であるキーワード「緑」に該当するクエリの使用回数の変化を示す推移グラフＳＧ１１を生成してもよい。また、提供装置１００は、推移グラフＳＧ１１を用いて、施策ＰＬ１１の基準時点前後におけるキーワード「緑」に該当するクエリの使用回数の変化を分析し、施策ＰＬ１１の影響を推定してもよい。

そして、推定装置１００は、事業者Ｘに施策ＰＬ１１の影響に関する情報を提供する（ステップＳ１８）。例えば、推定装置１００は、施策ＰＬ１１の後においてキーワード「緑」に該当する１日の検索回数が２倍になったことを示す情報を送信する。例えば、推定装置１００は、施策ＰＬ１１が検索回数を２００％（２倍）にする影響に基づいて、ユーザへのキーワード「緑」の流行色としての認知度が施策ＰＬ１１により「２倍」になったと推定した情報を送信する。

このように、推定装置１００は、施策前後のユーザの入力情報に基づいて所定の対象（図１では「緑」）に対して、施策がどのような変化を与えたかの情報を推定することにより、所定の対象に対する施策の影響を適切に推定することができる。このように、推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報とに基づいて、所定の対象に対する事象の影響を推定し、ユーザが検索やＳＮＳで入力した情報を基に事象が生じた前後での所定の対象に関する変化を観測することができるため、所定の対象に対する事象の影響を適切に推定することができる。また、検索クエリやＳＮＳへの投稿等は、先行的なユーザの需要を示す入力情報であるため、このような情報を用いることにより、推定装置１００は、将来に対象に関する需要等がどのように変化するかを予測することが可能となる。例えば、対象に関する検索クエリの変化があってから３か月後に対象に関する購買に変化が起こるという相関関係がある場合、推定装置１００は、対象に関する検索クエリの変化があれば、その３か月後に対象に関する購買に変化が起こると推定することができる。例えば、対象に関する検索クエリの回数の増加があってから３か月後に対象に関する売上の増加が起こるという相関関係がある場合、推定装置１００は、対象に関する検索クエリの回数の増加があれば、その３か月後に対象に関する売上の増加が起こると推定することができる。

〔１−１．入力情報〕
図１の例では、推定装置１００が検索に用いられたクエリを入力情報の一例として事象の影響を推定する場合を示したが、推定装置１００は、種々の情報を入力情報として推定処理を行ってもよい。例えば、推定装置１００は、所定のネットワークで通信される文字情報を入力情報として推定処理を行ってもよい。例えば、推定装置１００は、所定のサービスにおける文字情報を入力情報として推定処理を行ってもよい。

例えば、推定装置１００は、ソーシャルネットワーキングサービス（ＳＮＳ：Social Networking Service）においてユーザが投稿した投稿情報を入力情報として推定処理を行ってもよい。例えば、推定装置１００は、Ｔｗｉｔｔｅｒ（登録商標）やＦａｃｅｂｏｏｋ（登録商標）等においてユーザが投稿した投稿情報を入力情報として推定処理を行ってもよい。例えば、推定装置１００は、ユーザがＴｗｉｔｔｅｒにおいて投稿した文章（文字情報）を入力情報として推定処理を行ってもよい。

例えば、推定装置１００は、ユーザがメッセージサービスにおいて入力した入力情報に基づいて推定処理を行ってもよい。例えば、推定装置１００は、ユーザがＬＩＮＥ（登録商標）等のメッセージサービスにおいて入力した入力情報を対象に基づいて推定処理を行ってもよい。例えば、推定装置１００は、電子メールにおいて入力した入力情報に基づいて推定処理を行ってもよい。例えば、推定装置１００は、ウェブ上におけるコンテンツ（情報）に関する検索サービスにおける情報（検索クエリ）を入力情報として推定処理を行ってもよい。

例えば、推定装置１００は、画像検索サービスにおいて入力される画像情報（クエリ画像）を入力情報として推定処理を行ってもよい。この場合、推定装置１００は、画像認識等の種々の従来技術を適宜用いてクエリ画像に含まれる対象と識別してもよい。また、推定装置１００は、識別した対象がどのキーワードに該当するかを特定し、各キーワード（対象）の検索回数を集計してもよい。

また、例えば、推定装置１００は、所定の情報提供サービス等において、ユーザが選択した絞り込みキーワード等をユーザの入力情報として推定処理を行ってもよい。例えば、推定装置１００は、所定の電子商取引サービスにおいてユーザが商品を検索する際にユーザが絞り込んだ色やスタイルやサイズ等の選択を入力情報として推定処理を行ってもよい。例えば、推定装置１００は、ユーザが対象に関するキーワード等を選択して絞り込み検索する場合、そのユーザの選択を入力情報としてもよい。例えば、推定装置１００は、所定の電子商取引サービスで提供される所定の検索画面（ページ）等において、ユーザが絞り込みの条件として選択した情報を入力情報としてもよい。例えば、推定装置１００は、所定の検索画面（ページ）等において、プルダウン等により表示される複数の選択肢のうち、ユーザが絞り込みの条件として選択した情報を入力情報としてもよい。例えば、推定装置１００は、ユーザが所定の検索画面（ページ）等において、「緑」を選択して絞り込み検索を行った場合、そのユーザによる「緑」の選択を入力情報としてもよい。なお、上記は一例であり、推定装置１００は、ユーザが入力する情報であればどのような情報を入力情報として、推定処理を行ってもよい。

〔１−２．推定する情報〕
図１の例では、説明を簡単にするために、推定装置１００が施策ＰＬ１１の基準時点前後の検索回数の比較結果を施策ＰＬ１１の影響として推定する場合を示したが、推定装置１００は、種々の情報を用いて、施策ＰＬ１１の影響を推定してもよい。例えば、推定装置１００は、過去の検索回数の変化と対象の認知度の変化との関係を示す実績情報を用いて、事象の影響を推定してもよい。例えば、例えば、推定装置１００は、過去に検索回数が２倍になった場合に、対象の認知度が１．５倍（５０％アップ）したことを示す実績情報がある場合、施策ＰＬ１１の影響を対象「緑」の流行色としての認知度を１．５倍に増加と推定してもよい。なお、上記は一例であり、推定装置１００は、種々の情報を適宜用いて、事象の影響を推定してもよい。

〔１−３．提供先〕
図１の例では、説明を簡単にするために、推定装置１００が施策情報の送信元に推定した施策の影響を示す情報を提供する場合を示したが、推定装置１００は、どのような提供先に推定した施策の影響を示す情報を提供してもよい。例えば、推定装置１００は、流行色を決定する機関に施策ＰＬ１１の対象「緑」に対する影響を示す情報を提供してもよい。例えば、推定装置１００は、事業者Ｘとは異なる他の事業者に施策ＰＬ１１の対象「緑」に対する影響を示す情報を提供してもよい。例えば、推定装置１００は、事業者Ｘと競合する他の事業者（事業者Ｙ）に施策ＰＬ１１の対象「緑」に対する影響を示す情報を提供してもよい。例えば、推定装置１００は、種別「色」のうち、緑とは異なる他の色（例えば青や黄色等）を対象として施策を行う事業者に施策ＰＬ１１の対象「緑」に対する影響を示す情報を提供してもよい。なお、上記は一例であり、推定装置１００は、どのような提供先に推定した施策の影響を示す情報を提供してもよい。

〔１−４．事象〕
図１の例では、事象の一例として施策であるイベントを一例として説明したが、事象は基準時点を特定できればどのような事象であってもよい。例えば、推定装置１００は、事象者や流行色を決定する期間等が意図的に行う施策に限らず、所定の対象に関する事象であれば、主体が意図しない事象を対象として影響を推定してもよい。例えば、推定装置１００は、著名人等の影響力のある人物が所定の対象について発言を行った場合、その発言と事象として、その発言が行われた日時を基準時点として、基準時点前後の所定の対象に関する入力情報の変化に基づいて、その発言の影響を推定してもよい。

〔１−４−１．施策の種類〕
また、図１の例では、対象「緑」に関するイベントであるファッションショーである施策の一例として説明したが、推定装置１００は、種々の施策についての影響を推定してもよい。

例えば、推定装置１００は、施策情報記憶部１２１（図４参照）に示すような、施策ＩＤ「ＰＬ１０」により識別される施策（以下、「施策ＰＬ１０」とする場合がある）の影響を推定してもよい。例えば、推定装置１００は、将来（例えば来年等）の流行色を決定するアパレル業界の会合のイベントである施策ＰＬ１０前後の対象「緑」に関する入力情報の変化に基づいて、施策ＰＬ１０（アパレル業界の会合）の影響を推定してもよい。例えば、推定装置１００は、施策ＰＬ１０が行われた日時ｄｔ１０（例えば会合が終了した日時）を基準時点として、基準時点前後の対象「緑」に関する入力情報の変化に基づいて、施策ＰＬ１０（アパレル業界の会合）の影響を推定してもよい。

例えば、推定装置１００は、施策情報記憶部１２１（図４参照）に示すような、施策ＩＤ「ＰＬ１２」により識別される施策（以下、「施策ＰＬ１２」とする場合がある）の影響を推定してもよい。例えば、推定装置１００は、対象「緑」を特集する雑誌（ファッション誌ＭＧ）の販売である施策ＰＬ１２前後の対象「緑」に関する入力情報の変化に基づいて、施策ＰＬ１２（ファッション誌ＭＧ）の影響を推定してもよい。例えば、推定装置１００は、施策ＰＬ１２が行われた日時ｄｔ１２（例えばファッション誌ＭＧの発売日の０時等）を基準時点として、基準時点前後の対象「緑」に関する入力情報の変化に基づいて、施策ＰＬ１２（ファッション誌ＭＧ）の影響を推定してもよい。

また、例えば、推定装置１００は、施策情報記憶部１２１（図４参照）に示すような、施策ＩＤ「ＰＬ５０」により識別される施策（以下、「施策ＰＬ５０」とする場合がある）の影響を推定してもよい。例えば、推定装置１００は、対象「緑」を特集する所定のウェブページ（コンテンツ）等の記事を配信する施策（以下、「施策ＰＬ５０」とする場合がある）の影響を推定してもよい。例えば、推定装置１００は、対象「緑」を特集する記事（コンテンツＣＴ）の配信である施策ＰＬ５０前後の対象「緑」に関する入力情報の変化に基づいて、施策ＰＬ５０（コンテンツＣＴの配信）の影響を推定してもよい。例えば、推定装置１００は、施策ＰＬ５０が行われた日時ｄｔ５０（例えばコンテンツＣＴの配信開始日時等）を基準時点として、基準時点前後の対象「緑」に関する入力情報の変化に基づいて、施策ＰＬ５０（コンテンツＣＴ）の影響を推定してもよい。なお、上記は一例であり、対象に関する施策であれば、推定装置１００は、どのような施策について影響を推定してもよい。

〔１−５．対象〕
図１の例では、対象として種別「色」の「緑」を一例として説明したが、対象はどのような対象であってもよい。例えば、推定装置１００は、施策情報記憶部１２１（図４参照）に示すような、種別「スタイル」に対応する対象「ふわふわ」や種別「サイズ」に対応する対象「タイト」等の種々の対象に対する事象の影響を推定してもよい。

〔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Ｎ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や提供先装置２０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、施策情報記憶部１２１と、ユーザ情報記憶部１２２と、行動情報記憶部１２３と、キーワード情報記憶部１２４と、影響情報記憶部１２５とを有する。

（施策情報記憶部１２１）
実施形態に係る施策情報記憶部１２１は、施策に関する各種情報を記憶する。図４は、実施形態に係る施策情報記憶部の一例を示す図である。図４に示す施策情報記憶部１２１は、「施策ＩＤ」、「内容」、「日時（基準時点）」、「種別」、「対象」、「カテゴリ」といった項目を有する。

「施策ＩＤ」は、所定の対象について行われた施策を識別するための識別情報を示す。「内容」は、対応する施策ＩＤにより識別される施策の内容を示す。「日時（基準時点）」は、対応する施策ＩＤにより識別される施策が行われた時点を示す。「種別」は、対応する施策ＩＤにより識別される施策の対象の種別を示す。「対象」は、対応する施策ＩＤにより識別される施策の対象を示す。また、「カテゴリ」は、対応する施策ＩＤにより識別される施策のカテゴリを示す。なお、カテゴリは、対応する施策に特定のカテゴリがない場合、「−」であってもよい。

図４に示す例において、施策ＩＤ「ＰＬ１０」により識別される施策（施策ＰＬ１０）は、会合のイベントであったことを示す。例えば、施策ＰＬ１０は、将来（例えば来年等）の流行色を決定する会合のイベントである。また、施策ＰＬ１０が行われた日時は、日時ｄｔ１０であることを示す。すなわち、施策ＰＬ１０の会合が開かれた日時が日時ｄｔ１０であり、施策ＰＬ１０の基準時点は、日時ｄｔ１０であることを示す。また、施策ＰＬ１０の対象の種別は、「色」であることを示す。また、施策ＰＬ１０の対象は、「緑」であることを示す。また、施策ＰＬ１０のカテゴリは、「−」、すなわち特定のカテゴリはないことを示す。

図４に示す例において、施策ＩＤ「ＰＬ１１」により識別される施策（施策ＰＬ１１）は、ファッションショーのイベントである。例えば、施策ＰＬ１１は、コレクション等のファッションに関するイベントであったことを示す。また、施策ＰＬ１１が行われた日時、日時ｄｔ１１であることを示す。すなわち、施策ＰＬ１１のファッションショーが開かれた日時が日時ｄｔ１１であり、施策ＰＬ１１の基準時点は、日時ｄｔ１１であることを示す。また、施策ＰＬ１１の対象の種別は、「色」であることを示す。また、施策ＰＬ１１の対象は、「緑」であることを示す。また、施策ＰＬ１１のカテゴリは、「衣料品」、すなわち衣服（アパレル）に関するカテゴリであることを示す。

なお、施策情報記憶部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、施策情報記憶部１２１は、施策に期間がある場合、その期間に関する情報を記憶してもよい。

（ユーザ情報記憶部１２２）
実施形態に係るユーザ情報記憶部１２２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１２２は、ユーザ属性情報を記憶する。図５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５に示すユーザ情報記憶部１２２は、「ユーザＩＤ」、「年齢」、「性別」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。「年齢」は、端末装置１０を利用す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。「性別」は、端末装置１０を利用するユーザの性別を示す。

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の年齢は、「２０代」であり、ユーザの性別は、「男性」であることを示す。また、例えば、図５に示す例において、ユーザＩＤ「Ｕ２」により識別されるユーザの年齢は、「２０代」であり、ユーザの性別は、「女性」であることを示す。

なお、ユーザ情報記憶部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。例えば、ユーザ情報記憶部１２２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１２２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１２３）
実施形態に係る行動情報記憶部１２３は、ユーザの行動に関する各種情報を記憶する。図６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１２３は、各ユーザの端末装置１０を用いて行った検索等を含む種々の行動情報を記憶する。図６に示す行動情報記憶部１２３には、「行動ＩＤ」、「ユーザＩＤ」、「日時」、「入力情報」といった項目が含まれる。

また、「入力情報」には、「クエリ１」、「クエリ２」等といった項目が含まれる。なお、「入力情報」には、「クエリ１」、「クエリ２」に限らず、ユーザが組み合わせて用いたクエリ（文字列）の数に応じて、「クエリ３」や「クエリ４」といった項目が含まれてもよい。また、図６の例では、行動情報として、ユーザが検索に用いたクエリに関する入力情報が記憶される場合を示すが、行動は検索に限らず、ユーザがＳＮＳで投稿した投稿情報等の種々の入力情報が記憶されてもよい。

また、「行動ＩＤ」は、ユーザの行動を識別する情報を示す。「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。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。「日時」は、対応するユーザの行動が行われた日時を示す。「日時」には、「ｄｔ１０−１」等のように抽象的に図示するが、「２０１７年１１月２５日２１時４１分５８秒」等の具体的な日時が記憶されてもよい。また、「入力情報」は、対応する行動である検索における入力情報を示す。「クエリ１」や「クエリ２」は、対応する行動において用いられたクエリを示す。

例えば、図６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ＡＣ１１を行ったことを示す。具体的には、図６に示す例においてユーザＵ１は、１つのクエリ「緑」を用いた検索（行動ＡＣ１１）を日時ｄｔ１０−１に行ったことを示す。また、例えば、図６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）は、行動ＡＣ１２を行ったことを示す。具体的には、図６に示す例においてユーザＵ２は、２つのクエリ「ワンピース」及びクエリ「白」を組み合わせた検索（行動ＡＣ１２）を日時ｄｔ１０−２に行ったことを示す。

なお、行動情報記憶部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。また、図６では、ユーザＩＤごとに行動情報が行動情報記憶部１２３に記憶される場合を示したが、行動情報は、日時順に限らず、例えばユーザＩＤごとに記憶されてもよい。

（キーワード情報記憶部１２４）
実施形態に係るキーワード情報記憶部１２４は、索引に関する各種情報を記憶する。図７は、実施形態に係るキーワード情報記憶部の一例を示す図である。図７に示すキーワード情報記憶部１２４は、「種別」、「キーワード（対象）」、「該当文字列」といった項目を有する。

「種別」は、入力情報を集計するキーワード（対象）の種別を示す。「キーワード（対象）」は、入力情報を集計するキーワード（対象）を示す。「該当文字列」は、対応するキーワードの入力情報として集計されるクエリ等の文字列を示す。

図７の例は、種別「色」に含まれるキーワードは「緑」や「赤」であることを示す。また、キーワード「緑」は、「緑」や「グリーン」を該当文字列とすることを示す。例えば、文字列「緑」や「グリーン」が含まれる検索クエリやＳＮＳへの投稿情報は、キーワード「緑」を用いた入力情報として集計されることを示す。すなわち、推定装置１００は、文字列「緑」や「グリーン」が含まれる検索クエリやＳＮＳへの投稿情報を、キーワード「緑」を用いた入力情報として抽出する。

また、キーワード情報記憶部１２４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、キーワード情報記憶部１２４は、キーワードが複数の対象に対応するキーワードである場合、そのキーワード（対象）として集計する場合の文字情報の組み合わせを該当文字列としてもよい。例えば、キーワード情報記憶部１２４は、キーワード（対象）が衣料の「ワンピース」である場合、そのキーワード（対象）の該当文字列は「ワンピース 春物」等のように、衣料の「ワンピース」を対象とする可能性が高い場合のみを集計の対象としてもよい。

（影響情報記憶部１２５）
実施形態に係る影響情報記憶部１２５は、所定の対象について事象が与える影響に関する各種情報を記憶する。図７は、実施形態に係るキーワード情報記憶部の一例を示す図である。図７に示すキーワード情報記憶部１２４は、「施策ＩＤ」、「対象」、「基準時点前情報」、「基準時点後情報」、「影響情報」といった項目を有する。

「施策ＩＤ」は、所定の対象について行われた施策を識別するための識別情報を示す。「対象」は、対応する施策ＩＤにより識別される施策の対象を示す。

「基準時点前情報」は、対応する施策の基準時点よりも前の入力情報に関する情報が記憶される。「基準時点前情報」は、「行動ＩＤ」や「平均（１日）」といった項目を有する。「行動ＩＤ」には、基準時点前情報として集計（抽出）されたユーザの行動ＩＤが記憶される。「平均（１日）」には、基準時点前において行動が行われた回数の１日の平均が記憶される。なお、図７の例では、「平均（１日）」に１日の平均を一例として示すが、「平均」は、３日の平均や５日の移動平均等の種々の情報であってもよい。

また、「基準時点後情報」は、対応する施策の基準時点から後の入力情報に関する情報が記憶される。「基準時点後情報」は、「行動ＩＤ」や「平均（１日）」といった項目を有する。「行動ＩＤ」には、基準時点後情報として集計（抽出）されたユーザの行動ＩＤが記憶される。「平均（１日）」には、基準時点後において行動が行われた回数の１日の平均が記憶される。なお、図７の例では、「平均（１日）」に１日の平均を一例として示すが、「平均」は、３日の平均や５日の移動平均等の種々の情報であってもよい。また、「影響情報」は、対応する施策の影響を示す。

図７に示す例において、施策ＩＤ「ＰＬ１１」により識別される施策（施策ＰＬ１１）は、種別「色」である「緑」を対象とするイベントであることを示す。また、施策ＰＬ１１が行われる前の期間においては、行動ＡＣ１１や行動ＡＣ１５等が行われたことを示す。すなわち、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前の時点においては、対象「緑」について、ユーザＵ１のクエリ「緑」を用いた検索に対応する行動ＡＣ１１等が行われたことを示す。また、施策ＰＬ１１が行われる前の期間においては、１日の平均で５千回の対象「緑」に関する検索が行われたことを示す。

また、施策ＰＬ１１が行われた後の期間においては、行動ＡＣ２２や行動ＡＣ２３や行動ＡＣ２５等が行われたことを示す。すなわち、施策ＰＬ１１の基準時点である日時ｄｔ１１から後の時点においては、対象「緑」について、ユーザＵ４のクエリ「グリーン」を用いた検索に対応する行動ＡＣ２４やユーザＵ５のクエリ「緑」、「スカート」を用いた検索に対応する行動ＡＣ２５等が行われたことを示す。また、施策ＰＬ１１が行われた後の期間においては、１日の平均で１万回の対象「緑」に関する検索が行われたことを示す。

また、推定装置１００は、基準時点である日時ｄｔ１１よりも前の平均の検索回数と、日時ｄｔ１１から後の平均の検索回数との比較に基づいて、施策ＰＬ１１の影響を推定する。図７の例では、施策ＰＬ１１は、キーワード「緑」に該当する１日の検索回数が５千回から１万回に増加しており、キーワード「緑」に該当する１日の検索回数を２００％（２倍）にする影響、すなわち効果があったことを示す。また、影響情報記憶部１２５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。

（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、端末装置１０や提供先装置２０等の外部の情報処理装置から各種情報を取得する。例えば、取得部１３１は、端末装置１０から端末装置１０を利用するユーザの行動情報を取得する。例えば、取得部１３１は、提供先装置２０から提供先装置２０を利用する事業者等が行った施策に関する各種情報を取得する。例えば、取得部１３１は、記憶部１２０から各種情報を取得する。例えば、取得部１３１は、施策情報記憶部１２１やユーザ情報記憶部１２２や行動情報記憶部１２３やキーワード情報記憶部１２４や影響情報記憶部１２５から各種情報を取得する。

取得部１３１は、所定の期間における所定の対象に関するユーザの入力情報と、所定の対象に関連する事象が生じた時点である基準時点を示す時点情報を取得する。また、取得部１３１は、ユーザが用いた所定の対象に関連するクエリを含む入力情報を取得する。また、取得部１３１は、ユーザが所定のソーシャルネットワーキングサービスにおいて投稿した投稿情報を含む入力情報を取得する。

また、取得部１３１は、所定の対象に関連する施策が行われた基準時点を示す時点情報を取得する。また、取得部１３１は、所定の対象に関連するイベントが開催された基準時点を示す時点情報を取得する。また、取得部１３１は、所定の対象に関連する出版物の販売が開始された基準時点を示す時点情報を取得する。また、取得部１３１は、所定の対象に関連する記事の配信が開始された基準時点を示す時点情報を取得する。

また、取得部１３１は、所定の期間における一の色に関する入力情報を取得する。また、取得部１３１は、所定の期間における一のスタイルに関する入力情報を取得する。また、取得部１３１は、所定の対象に関連する他の対象に関するユーザの入力情報を取得する。

また、取得部１３１は、各種情報を外部の情報処理装置から取得する。例えば、取得部１３１は、行動情報記憶部１２３からユーザが検索に用いたクエリを取得する。例えば、取得部１３１は、端末装置１０からユーザが検索に用いるクエリを取得する。

図１の例では、取得部１３１は、日時ｄｔ１０−１において、端末装置１０−１からクエリ「緑」を取得する。取得部１３１は、日時ｄｔ１０−２において、端末装置１０−２からクエリ「ワンピース 白」を取得する。取得部１３１は、日時ｄｔ１１−１において、端末装置１０−３からクエリ「黒 ネクタイ」を取得する。取得部１３１は、日時ｄｔ１１−２において、端末装置１０−４からクエリ「グリーン」を取得する。取得部１３１は、日時ｄｔ１１−３において、端末装置１０−５からクエリ「緑 スカート」を取得する。

図１の例では、取得部１３１は、事業者Ｘの提供先装置２０から施策ＰＬ１１が対象を「緑」とし、日時ｄｔ１１に開始されたファッションショーであることを示す施策情報を取得する。取得部１３１は、日時ｄｔ１１が基準時点であることを示す時点情報を含む施策ＰＬ１１の施策情報を取得する。

（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、端末装置１０や提供先装置２０等の外部の情報処理装置から取得された各種情報から種々の情報を抽出する。例えば、抽出部１３２は、記憶部１２０に記憶された各種情報から種々の情報を抽出する。例えば、取得部１３１は、施策情報記憶部１２１やユーザ情報記憶部１２２や行動情報記憶部１２３やキーワード情報記憶部１２４や影響情報記憶部１２５に記憶された各種情報から種々の情報を抽出する。例えば、抽出部１３２は、抽出部１３２により抽出された各種情報から種々の情報を抽出する。

図１の例では、抽出部１３２は、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前の対象「緑」に関する入力情報を基準時点前情報として抽出し、日時ｄｔ１１から後の対象「緑」に関する入力情報を基準時点後情報として抽出する。例えば、抽出部１３２は、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前の対象「緑」に関する入力情報を基準時点前情報として抽出する。

図１の例では、抽出部１３２は、行動情報記憶部１２３に記憶された行動情報（入力情報）のうち、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前に対象「緑」に関する検索を行ったことを示す入力情報を基準時点前情報として抽出する。例えば、抽出部１３２は、図１中の基準時点前情報ＩＮＦ１１に示すように、日時ｄｔ１１よりも前に対象「緑」に関する入力情報として、行動ＡＣ１１や行動ＡＣ１５に対応する情報を抽出する。例えば、抽出部１３２は、施策ＰＬ１１の基準時点である日時ｄｔ１１よりも前の時点においては、対象「緑」について、ユーザＵ１のクエリ「緑」を用いた検索に対応する行動ＡＣ１１等が行われたことを示す情報を抽出する。

また、抽出部１３２は、図１中の基準時点前情報ＩＮＦ１１に示すように、日時ｄｔ１１よりも前に対象「緑」に関する入力情報に基づいて、施策ＰＬ１１が行われる前の期間においては、対象「緑」に関する検索の１日平均が「５千回」であると算出する。例えば、抽出部１３２は、施策ＰＬ１１が行われる前の期間（例えば５日間とする）における対象「緑」に関する総検索回数を期間の日数（例えば「５」）で割ることにより、施策ＰＬ１１が行われる前の期間における対象「緑」に関する検索の１日平均を算出する。

図１の例では、抽出部１３２は、行動情報記憶部１２３に記憶された行動情報（入力情報）のうち、施策ＰＬ１１の基準時点である日時ｄｔ１１から後に対象「緑」に関する検索を行ったことを示す入力情報を基準時点後情報として抽出する。例えば、抽出部１３２は、図１中の基準時点後情報ＩＮＦ１２に示すように、日時ｄｔ１１よりも後に対象「緑」に関する入力情報として、行動ＡＣ２２や行動ＡＣ２３や行動ＡＣ２５に対応する情報を抽出する。例えば、抽出部１３２は、施策ＰＬ１１の基準時点である日時ｄｔ１１から後の時点においては、対象「緑」について、ユーザＵ１のクエリ「緑」を用いた検索に対応する行動ＡＣ２２等が行われたことを示す情報を抽出する。

また、抽出部１３２は、図１中の基準時点後情報ＩＮＦ１２に示すように、日時ｄｔ１１よりも後に対象「緑」に関する入力情報に基づいて、施策ＰＬ１１が行われる後の期間においては、対象「緑」に関する検索の１日平均が「１万回」であると算出する。例えば、抽出部１３２は、施策ＰＬ１１が行われた後の期間（例えば３日間とする）における対象「緑」に関する総検索回数を期間の日数（例えば「３」）で割ることにより、施策ＰＬ１１が行われる後の期間における対象「緑」に関する検索の１日平均を算出する。

（推定部１３３）
推定部１３３は、種々の情報を推定する。例えば、推定部１３３は、端末装置１０や提供先装置２０等の外部の情報処理装置から取得された各種情報に基づいて推定を行う。例えば、推定部１３３は、記憶部１２０に記憶された各種情報に基づいて推定を行う。例えば、取得部１３１は、施策情報記憶部１２１やユーザ情報記憶部１２２や行動情報記憶部１２３やキーワード情報記憶部１２４や影響情報記憶部１２５に記憶された各種情報に基づいて推定を行う。例えば、推定部１３３は、抽出部１３２により抽出された各種情報に基づいて推定を行う。

推定部１３３は、取得部１３１により取得された時点情報が示す基準時点前における入力情報と、基準時点後における入力情報とに基づいて、所定の対象に対する事象の影響を推定する。また、推定部１３３は、基準時点前における入力情報と、基準時点後における入力情報との比較に基づいて、所定の対象に対する事象の影響を推定する。

推定部１３３は、所定の対象に対する施策の影響を推定する。推定部１３３は、所定の対象に対するイベントの影響を推定する。推定部１３３は、所定の対象に対する出版物の影響を推定する。推定部１３３は、所定の対象に対する記事の影響を推定する。

推定部１３３は、一の色に対する事象の影響を推定する。推定部１３３は、一のスタイルに対する事象の影響を推定する。推定部１３３は、基準時点前における入力情報に所定の対象が占める第１割合と、基準時点後における入力情報に所定の対象が占める第２割合とに基づいて、事象が入力情報の変化に与えた影響を推定する。推定部１３３は、基準時点前における入力情報に所定の対象が占める第１割合と、基準時点後における入力情報に所定の対象が占める第２割合とに基づいて、所定の対象に対する事象の影響を推定する。

図１の例では、推定部１３３は、施策ＰＬ１１の影響を推定する。推定部１３３は、基準時点前情報ＩＮＦ１１や基準時点後情報ＩＮＦ１２に示すような情報に基づいて、施策ＰＬ１１の影響を推定する。推定部１３３は、基準時点である日時ｄｔ１１よりも前の平均の検索回数と、日時ｄｔ１１から後の平均の検索回数との比較に基づいて、施策ＰＬ１１の影響を推定する。推定部１３３は、施策ＰＬ１１の後においてキーワード「緑」に該当する１日の検索回数が５千回から１万回に増加しており、キーワード「緑」に該当する１日の検索回数を２００％（２倍）にする影響があったと推定する。推定部１３３は、上記の検索回数を２００％（２倍）にする影響に基づいて、ユーザへのキーワード「緑」の流行色としての認知度が「２倍」になったと推定する。

（提供部１３４）
提供部１３４は、各種サービスを提供する。提供部１３４は、外部の情報処理装置へ各種情報を提供する。提供部１３４は、外部の情報処理装置へ各種情報を送信する。提供部１３４は、外部の情報処理装置へ各種情報を配信する。
提供部１３４は、推定部１３３により推定された事象が入力情報の変化に与えた影響に関する情報提供サービスを提供する。また、提供部１３４は、所定の対象を決定する所定の機関に情報提供サービスを提供する。また、提供部１３４は、流行色を決定する所定の機関に情報提供サービスを提供する。また、提供部１３４は、所定の対象に関する事業を行う事業者に情報提供サービスを提供する。

図１の例では、提供部１３４は、事業者Ｘに施策ＰＬ１１の影響に関する情報を提供する。例えば、提供部１３４は、施策ＰＬ１１の後においてキーワード「緑」に該当する１日の検索回数が２倍になったことを示す情報を送信する。例えば、提供部１３４は、施策ＰＬ１１が検索回数を２００％（２倍）にする影響に基づいて、ユーザへのキーワード「緑」の流行色としての認知度が施策ＰＬ１１により「２倍」になったと推定した情報を送信する。

〔３．推定処理のフロー〕
ここで、図９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９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９に示すように、推定装置１００は、所定の対象に関するユーザの入力情報を取得する（ステップＳ１０１）。例えば、推定装置１００は、行動情報記憶部１２３に記憶されたユーザの行動情報のうち、対象「緑」に関するユーザの入力情報を取得する。例えば、推定装置１００は、行動情報記憶部１２３に記憶されたユーザの行動情報のうち、対象「緑」に関するクエリを用いた検索に対応する入力情報を取得する。図１の例では、推定装置１００は、ユーザＵ１が日時ｄｔ１０−１にクエリ「緑」を用いたことを示す入力情報を行動情報記憶部１２３から取得する。図１の例では、推定装置１００は、ユーザＵ４が日時ｄｔ１１−２にクエリ「グリーン」を用いたことを示す入力情報を行動情報記憶部１２３から取得する。図１の例では、推定装置１００は、ユーザＵ５が日時ｄｔ１１−３にクエリ「緑 スカート」を用いたことを示す入力情報を行動情報記憶部１２３から取得する。

また、推定装置１００は、所定の対象に関連する事象が生じた基準時点を示す時点情報を取得する（ステップＳ１０２）。図１の例では、推定装置１００は、日時ｄｔ１１が基準時点であることを示す時点情報を含む施策ＰＬ１１の施策情報を取得する。例えば、推定装置１００は、事業者Ｘの提供先装置２０から施策ＰＬ１１が対象を「緑」とし、日時ｄｔ１１に開始されたファッションショーであることを示す施策情報を取得する。

そして、推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報とに基づいて、所定の対象に対する事象の影響を推定する（ステップＳ１０３）。例えば、推定装置１００は、基準時点である日時ｄｔ１１よりも前の平均の検索回数と、日時ｄｔ１１から後の平均の検索回数との比較に基づいて、施策ＰＬ１１の影響を推定する。図１の例では、推定装置１００は、施策ＰＬ１１の後において対象に対応するキーワード「緑」に該当する１日の検索回数が５千回から１万回に増加しており、キーワード「緑」に該当する１日の検索回数を２００％（２倍）にする影響があったと推定する。

そして、推定装置１００は、推定した影響を示す情報を提供する（ステップＳ１０４）。例えば、推定装置１００は、事業者Ｘに施策ＰＬ１１の影響に関する情報を提供する。図１の例では、推定装置１００は、施策ＰＬ１１の後においてキーワード「緑」に該当する１日の検索回数が２倍になったことを示す情報を提供する。

〔４．推定処理のフロー〕
図１の例では、推定装置１００は、対象に対応するキーワード「緑」に該当するクエリを用いた検索回数の施策ＰＬ１１前後における変化に基づいて、対象「緑」に対する施策ＰＬ１１の影響を推定する。また、推定装置１００は、対象「緑」が属する種別「色」における割合の変化に基づいて、対象「緑」に対する施策ＰＬ１１の影響を推定してもよい。例えば、推定装置１００は、種別「色」に属する対象「緑」、「赤」、「黒」等の複数の対象の各々に対応する検索回数の占有率（割合）の変化に基づいて、対象「緑」に対する施策ＰＬ１１の影響を推定してもよい。この点について図１０を用いて説明する。図１０は、実施形態に係る推定処理の一例を示す図である。

図１０に示す例では、推定装置１００は、記憶部１２０に記憶された各種情報を用いて、種別「色」における対象「緑」の施策ＰＬ１１前後の変化に基づいて、施策ＰＬ１１の対象「緑」に対する影響を推定する。例えば、推定装置１００は、図１０に示す推定用情報ＩＮＦ２１に示すような情報を用いて、種別「色」における対象「緑」の施策ＰＬ１１前後の変化に基づいて、施策ＰＬ１１の対象「緑」に対する影響を推定する。

例えば、推定装置１００は、図１０に示す推定用情報ＩＮＦ２１に示すような情報を施策情報記憶部１２１や行動情報記憶部１２３から抽出したり、算出したりする。図１０に示す推定用情報ＩＮＦ２１は、「施策ＩＤ」、「種別」、「対象」、「基準時点前情報」、「基準時点後情報」といった項目を有する。

「施策ＩＤ」は、所定の対象について行われた施策を識別するための識別情報を示す。「種別」は、対応する施策ＩＤにより識別される施策の対象の種別を示す。「対象」は、対応する種別に属する対象を示す。

「基準時点前情報」は、対応する施策の基準時点よりも前の入力情報に関する情報が記憶される。「基準時点前情報」は、「総数」や「割合」といった項目を有する。「総数」には、基準時点前情報として集計（抽出）されたユーザの行動のうち、対応する種別に属する全対象に関する検索回数の合計が記憶される。「割合」には、種別の総回数における対応する対象の検索回数の占める割合が記憶される。なお、図１０の例では、「割合」には、割合を示す「％」で示す情報と、対応する対象の検索回数とが記憶される場合を示す。

「基準時点後情報」は、対応する施策の基準時点よりも後の入力情報に関する情報が記憶される。「基準時点後情報」は、「総数」や「割合」といった項目を有する。「総数」には、基準時点後情報として集計（抽出）されたユーザの行動のうち、対応する種別に属する全対象に関する検索回数の合計が記憶される。「割合」には、種別の総回数における対応する対象の検索回数の占める割合が記憶される。

図１０に示す例において、施策ＰＬ１１は、種別「色」である「緑」を対象とするイベントであり、基準時点を日時ｄｔ１１とすることを示す。また、施策ＰＬ１１が対象とする「緑」が属する種別「色」には、「緑」や「赤」や「黒」等の種々の対象が含まれることを示す。このように、種別「色」には、施策ＰＬ１１が対象とする「緑」以外の他の対象である「赤」や「黒」等の種々の対象が含まれることを示す。

また、施策ＰＬ１１が行われる前の期間においては、種別「色」に属する全対象に関する検索回数の合計が「２万回」であることを示す。また、施策ＰＬ１１が行われる前の期間においては、種別「色」に属する検索回数の合計に占める対象「緑」の割合が「２５％」であることを示す。また、施策ＰＬ１１が行われる前の期間においては、対象「緑」の検索の回数が「５０００」、すなわち５千回であることを示す。また、施策ＰＬ１１が行われる前の期間においては、種別「色」に属する検索回数の合計に占める他の対象「赤」の割合が「２５％」であることを示す。また、施策ＰＬ１１が行われる前の期間においては、対象「赤」の検索の回数が「５０００」、すなわち５千回であることを示す。

また、施策ＰＬ１１が行われた後の期間においては、種別「色」に属する全対象に関する検索回数の合計が「２万５千回」であることを示す。また、施策ＰＬ１１が行われる後の期間においては、種別「色」に属する検索回数の合計に占める対象「緑」の割合が「４０％」であることを示す。また、施策ＰＬ１１が行われる後の期間においては、対象「緑」の検索の回数が「１００００」、すなわち１万回であることを示す。また、施策ＰＬ１１が行われる後の期間においては、種別「色」に属する検索回数の合計に占める他の対象「赤」の割合が「２０％」であることを示す。また、施策ＰＬ１１が行われる後の期間においては、他の対象「赤」の検索の回数が「５０００」、すなわち５千回であることを示す。

そして、推定装置１００は、施策ＰＬ１１の影響を推定する（ステップＳ２１）。例えば、推定装置１００は、基準時点前における入力情報に占める対象「緑」と他の対象「赤」等との第１割合と、基準時点後における入力情報に占める対象「緑」と他の対象「赤」等との第２割合とに基づいて、対象「緑」に対する施策ＰＬ１１の影響を推定する。図１０の例では、推定装置１００は、影響情報ＩＮＦ２２に示すように、施策ＰＬ１１の影響を推定する。

図１０の例では、基準時点である日時ｄｔ１１前後において、他の対象「赤」の種別「色」に属する検索回数の合計に占める割合が２５％から２０％へ減少している。すなわち、基準時点である日時ｄｔ１１前後において、他の対象「赤」の検索回数は５千回で変化はないが、種別「色」に属する検索回数の合計に占める割合は減少する。また、図１０の例では、基準時点である日時ｄｔ１１前後において、対象「緑」の種別「色」に属する検索回数の合計に占める割合が２５％から４０％へ増加している。そのため、推定装置１００は、種別「色」に属する各対象の割合（シェア）の変化に基づいて、施策ＰＬ１１の影響を推定する。図１０の例では、基準時点である日時ｄｔ１１前後において、種別「色」に属する各対象のうち、対象「緑」の割合（シェア）が１５％上昇し、他の対象「赤」の割合（シェア）が５％低下する。そのため、推定装置１００は、施策ＰＬ１１が対象「緑」の割合（シェア）を上昇させる影響（効果）があったと推定する。そして、推定装置１００は、施策ＰＬ１１が対象「緑」の流行色としての認知度を上昇させる効果があったと推定する。例えば、推定装置１００は、施策ＰＬ１１が対象「緑」の流行色としての認知度を１５％上昇させる効果があったと推定する。

このように、推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報とに基づいて、ユーザが検索クエリの入力情報を基に施策ＰＬ１１前後での各対象の割合の変化を観測する。そして、推定装置１００は、施策ＰＬ１１前後での各対象の割合の変化に基づいて、施策ＰＬ１１の対象「緑」に対する影響を適切に推定することができる。したがって、推定装置１００は、所定の対象に対する事象の影響を適切に推定することができる。

また、図１０の例では、基準時点である日時ｄｔ１１前後において、種別「色」に属する各対象のうち、他の対象「赤」の割合（シェア）が５％低下する。そのため、推定装置１００は、施策ＰＬ１１が他の対象「赤」の割合（シェア）を低下させる影響があったと推定してもよい。そして、推定装置１００は、施策ＰＬ１１が対象「赤」の流行色としての認知度を低下させる影響、すなわち逆効果があったと推定してもよい。例えば、推定装置１００は、施策ＰＬ１１が対象「赤」の流行色としての認知度を５％低下させる逆効果があったと推定してもよい。このように、推定装置１００は、施策ＰＬ１１の対象が属する種別の他の対象に対する施策ＰＬ１１の影響を推定してもよい。図１０の例では、推定装置１００は、施策ＰＬ１１の前後において対象「赤」の検索回数に変化はないが、種別内における割合が低下したことにより、施策ＰＬ１１が対象「赤」の流行色としての認知度を低下させる影響があったと推定することができる。このように、推定装置１００は、施策ＰＬ１１の対象が属する種別の他の対象に対する施策ＰＬ１１の影響を推定してもよい。図１０の例のように、推定装置１００は、施策ＰＬ１１の対象が属する種別全体における各対象のシェアの変化の情報を用いることにより、施策ＰＬ１１の対象が属する種別における各対象に対する施策ＰＬ１１の影響を推定することができる。このように、推定装置１００は、種別内における各対象について、施策の基準時点前後の割合の変化を用いることで、施策による各対象間の相対的な影響を推定することができる。

〔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、取得部１３１と、推定部１３３とを有する。取得部１３１は、所定の期間における所定の対象に関するユーザの入力情報と、所定の対象に関連する事象が生じた時点である基準時点を示す時点情報を取得する。推定部１３３は、取得部１３１により取得された時点情報が示す基準時点前における入力情報と、基準時点後における入力情報とに基づいて、所定の対象に対する事象の影響を推定する。

これにより、実施形態に係る推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報とに基づいて、所定の対象に対する事象の影響を推定し、ユーザが検索やＳＮＳで入力した情報を基に事象が生じた前後での所定の対象に関する変化を観測することができるため、所定の対象に対する事象の影響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、基準時点前における入力情報と、基準時点後における入力情報との比較に基づいて、所定の対象に対する事象の影響を推定する。

これにより、実施形態に係る推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報との比較することで、事象が生じた前後での所定の対象に関する変化を観測することができるため、所定の対象に対する事象の影響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、取得部１３１は、ユーザが用いた所定の対象に関連するクエリを含む入力情報を取得する。

これにより、実施形態に係る推定装置１００は、ユーザが用いた所定の対象に関連するクエリを基に事象が生じた前後での所定の対象に関する変化を観測することができるため、所定の対象に対する事象の影響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、取得部１３１は、ユーザが所定のソーシャルネットワーキングサービスにおいて投稿した投稿情報を含む入力情報を取得する。

これにより、実施形態に係る推定装置１００は、ユーザが所定のソーシャルネットワーキングサービスにおいて投稿した投稿情報を基に事象が生じた前後での所定の対象に関する変化を観測することができるため、所定の対象に対する事象の影響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、取得部１３１は、所定の対象に関連する施策が行われた基準時点を示す時点情報を取得する。推定部１３３は、所定の対象に対する施策の影響を推定する。

これにより、実施形態に係る推定装置１００は、所定の対象に関連する施策が行われた時点を基準時点として基準時点前後での所定の対象に関する変化を観測することができるため、所定の対象に対する施策の影響を適切に推定することができる。したがって、推定装置１００は、所定の対象に対する事象の影響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、取得部１３１は、所定の対象に関連するイベントが開催された基準時点を示す時点情報を取得する。推定部１３３は、所定の対象に対するイベントの影響を推定する。

これにより、実施形態に係る推定装置１００は、所定の対象に関連するイベントが行われた時点を基準時点として基準時点前後での所定の対象に関する変化を観測することができるため、所定の対象に対するイベントの影響を適切に推定することができる。したがって、推定装置１００は、所定の対象に対する事象の影響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、取得部１３１は、所定の対象に関連する出版物の販売が開始された基準時点を示す時点情報を取得する。推定部１３３は、所定の対象に対する出版物の影響を推定する。

これにより、実施形態に係る推定装置１００は、所定の対象に関連する出版物の販売が開始された時点を基準時点として基準時点前後での所定の対象に関する変化を観測することができるため、所定の対象に対する出版物の影響を適切に推定することができる。したがって、推定装置１００は、所定の対象に対する事象の影響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、取得部１３１は、所定の対象に関連する記事の配信が開始された基準時点を示す時点情報を取得する。推定部１３３は、所定の対象に対する記事の影響を推定する。

これにより、実施形態に係る推定装置１００は、所定の対象に関連する記事の配信が開始された時点を基準時点として基準時点前後での所定の対象に関する変化を観測することができるため、所定の対象に対する記事の影響を適切に推定することができる。したがって、推定装置１００は、所定の対象に対する事象の影響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、取得部１３１は、所定の期間における一の色に関する入力情報を取得する。推定部１３３は、一の色に対する事象の影響を推定する。

これにより、実施形態に係る推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報とに基づいて、一の色に対する事象の影響を推定し、ユーザが検索やＳＮＳで入力した情報を基に事象が生じた前後での一の色に関する変化を観測することができるため、一の色に対する事象の影響を適切に推定することができる。したがって、推定装置１００は、所定の対象に対する事象の影響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、取得部１３１は、所定の期間における一のスタイルに関する入力情報を取得する。推定部１３３は、一のスタイルに対する事象の影響を推定する。

これにより、実施形態に係る推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報とに基づいて、一のスタイルに対する事象の影響を推定し、ユーザが検索やＳＮＳで入力した情報を基に事象が生じた前後での一のスタイルに関する変化を観測することができるため、一のスタイルに対する事象の影響を適切に推定することができる。したがって、推定装置１００は、所定の対象に対する事象の影響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、取得部１３１は、所定の対象に関連する他の対象に関するユーザの入力情報を取得する。推定部１３３は、基準時点前における入力情報に所定の対象が占める第１割合と、基準時点後における入力情報に所定の対象が占める第２割合とに基づいて、事象が入力情報の変化に与えた影響を推定する。

これにより、実施形態に係る推定装置１００は、基準時点前における入力情報と、基準時点後における入力情報とに基づいて、ユーザが検索やＳＮＳで入力した情報を基に事象が生じた前後での各対象の割合の変化を観測することができるため所定の対象に対する事象の影響を適切に推定することができる。したがって、推定装置１００は、所定の対象に対する事象の影響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により推定された事象が入力情報の変化に与えた影響に関する情報提供サービスを提供する。

これにより、実施形態に係る推定装置１００は、推定された事象が入力情報の変化に与えた影響に関する情報提供サービスを提供することにより、所定の対象に対する事象の影響に基づくサービスを適切に提供することができる。

また、実施形態に係る推定装置１００において、提供部１３４は、所定の対象を決定する所定の機関に情報提供サービスを提供する。

これにより、実施形態に係る推定装置１００は、所定の対象を決定する所定の機関に情報提供サービスを提供することにより、所定の対象に対する事象の影響に基づくサービスを適切に提供することができる。

また、実施形態に係る推定装置１００において、提供部１３４は、流行色を決定する所定の機関に情報提供サービスを提供する。

これにより、実施形態に係る推定装置１００は、流行色を決定する所定の機関に情報提供サービスを提供することにより、所定の対象に対する事象の影響に基づくサービスを適切に提供することができる。

また、実施形態に係る推定装置１００において、提供部１３４は、所定の対象に関する事業を行う事業者に情報提供サービスを提供する。

これにより、実施形態に係る推定装置１００は、所定の対象に関する事業を行う事業者に情報提供サービスを提供することにより、所定の対象に対する事象の影響に基づくサービスを適切に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１１に示すような構成のコンピュータ１０００によって実現される。図１１は、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。

１ 推定システム
１００ 推定装置
１２１ 施策情報記憶部
１２２ ユーザ情報記憶部
１２３ 行動情報記憶部
１２４ キーワード情報記憶部
１２５ 影響情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 抽出部
１３３ 推定部
１３４ 提供部
１０ 端末装置
２０ 提供先装置
Ｎ ネットワーク

Claims (18)

1. 所定の期間における衣料品の一の色に関するユーザの入力情報であって、前記ユーザが用いた前記一の色に関連するクエリを含む入力情報と、前記一の色を対象として事業者が実施するファッションイベントが行われた時点である基準時点を示す時点情報を取得する取得部と、
   前記取得部により取得された前記時点情報が示す前記基準時点前における前記入力情報の第１頻度又は前記第１頻度に基づく第１割合であって、前記基準時点前におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第１割合と、前記基準時点後における前記入力情報の第２頻度又は前記第２頻度に基づく第２割合であって、前記基準時点後におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第２割合との比較に基づいて、前記一の色に対する前記ファッションイベントの影響を推定する推定部と、
   を備えることを特徴とする推定装置。
2. 所定の期間における衣料品の一の色に関するユーザの入力情報であって、前記ユーザが所定の検索画面において絞り込み条件として選択した情報を含む入力情報と、前記一の色を対象として事業者が実施するファッションイベントが行われた時点である基準時点を示す時点情報を取得する取得部と、
   前記取得部により取得された前記時点情報が示す前記基準時点前における前記入力情報の第１頻度又は前記第１頻度に基づく第１割合であって、前記基準時点前におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第１割合と、前記基準時点後における前記入力情報の第２頻度又は前記第２頻度に基づく第２割合であって、前記基準時点後におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第２割合との比較に基づいて、前記一の色に対する前記ファッションイベントの影響を推定する推定部と、
   を備えることを特徴とする推定装置。
3. 前記取得部は、
   前記ユーザが用いた前記一の色に関連するクエリを含む前記入力情報を取得する
   ことを特徴とする請求項２に記載の推定装置。
4. 前記推定部は、
   前記基準時点前における前記入力情報と、前記基準時点後における前記入力情報との比較に基づいて、前記一の色に対する前記ファッションイベントの影響を推定する
   ことを特徴とする請求項１〜３のいずれか１項に記載の推定装置。
5. 前記取得部は、
   前記ユーザが所定のソーシャルネットワーキングサービスにおいて投稿した投稿情報を含む前記入力情報を取得する
   ことを特徴とする請求項１〜４のいずれか１項に記載の推定装置。
6. 前記取得部は、
   前記一の色に関連するイベントが開催された前記基準時点を示す前記時点情報を取得し、
   前記推定部は、
   前記一の色に対する前記イベントの影響を推定する
   ことを特徴とする請求項１〜５のいずれか１項に記載の推定装置。
7. 前記取得部は、
   前記一の色に関連する出版物の販売が開始された前記基準時点を示す前記時点情報を取得し、
   前記推定部は、
   前記一の色に対する前記出版物の影響を推定する
   ことを特徴とする請求項１〜５のいずれか１項に記載の推定装置。
8. 前記取得部は、
   前記一の色に関連する記事の配信が開始された前記基準時点を示す前記時点情報を取得し、
   前記推定部は、
   前記一の色に対する前記記事の影響を推定する
   ことを特徴とする請求項１〜５のいずれか１項に記載の推定装置。
9. 前記取得部は、
   前記所定の期間における前記一の色に関する前記入力情報を取得し、
   前記推定部は、
   前記一の色に対する前記ファッションイベントの影響を推定する
   ことを特徴とする請求項１〜８のいずれか１項に記載の推定装置。
10. 前記取得部は、
    前記所定の期間における一のスタイルに関する前記入力情報を取得し、
    前記推定部は、
    前記一のスタイルに対する前記ファッションイベントの影響を推定する
    ことを特徴とする請求項１〜９のいずれか１項に記載の推定装置。
11. 前記推定部により推定された前記ファッションイベントが前記入力情報の変化に与えた影響に関する情報提供サービスを提供する提供部、
    をさらに備えることを特徴とする請求項１〜１０のいずれか１項に記載の推定装置。
12. 前記提供部は、
    前記一の色を決定する所定の機関に前記情報提供サービスを提供する
    ことを特徴とする請求項１１に記載の推定装置。
13. 前記提供部は、
    流行色を決定する前記所定の機関に前記情報提供サービスを提供する
    ことを特徴とする請求項１２に記載の推定装置。
14. 前記提供部は、
    前記一の色に関する事業を行う事業者に前記情報提供サービスを提供する
    ことを特徴とする請求項１３に記載の推定装置。
15. コンピュータが実行する推定方法であって、
    所定の期間における衣料品の一の色に関するユーザの入力情報であって、前記ユーザが用いた前記一の色に関連するクエリを含む入力情報と、前記一の色を対象として事業者が実施するファッションイベントが行われた時点である基準時点を示す時点情報を取得する取得工程と、
    前記取得工程により取得された前記時点情報が示す前記基準時点前における前記入力情報の第１頻度又は前記第１頻度に基づく第１割合であって、前記基準時点前におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第１割合と、前記基準時点後における前記入力情報の第２頻度又は前記第２頻度に基づく第２割合であって、前記基準時点後におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第２割合との比較に基づいて、前記一の色に対する前記ファッションイベントの影響を推定する推定工程と、
    を含むことを特徴とする推定方法。
16. 所定の期間における衣料品の一の色に関するユーザの入力情報であって、前記ユーザが用いた前記一の色に関連するクエリを含む入力情報と、前記一の色を対象として事業者が実施するファッションイベントが行われた時点である基準時点を示す時点情報を取得する取得手順と、
    前記取得手順により取得された前記時点情報が示す前記基準時点前における前記入力情報の第１頻度又は前記第１頻度に基づく第１割合であって、前記基準時点前におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第１割合と、前記基準時点後における前記入力情報の第２頻度又は前記第２頻度に基づく第２割合であって、前記基準時点後におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第２割合との比較に基づいて、前記一の色に対する前記ファッションイベントの影響を推定する推定手順と、
    をコンピュータに実行させることを特徴とする推定プログラム。
17. コンピュータが実行する推定方法であって、
    所定の期間における衣料品の一の色に関するユーザの入力情報であって、前記ユーザが所定の検索画面において絞り込み条件として選択した情報を含む入力情報と、前記一の色を対象として事業者が実施するファッションイベントが行われた時点である基準時点を示す時点情報を取得する取得工程と、
    前記取得工程により取得された前記時点情報が示す前記基準時点前における前記入力情報の第１頻度又は前記第１頻度に基づく第１割合であって、前記基準時点前におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第１割合と、前記基準時点後における前記入力情報の第２頻度又は前記第２頻度に基づく第２割合であって、前記基準時点後におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第２割合との比較に基づいて、前記一の色に対する前記ファッションイベントの影響を推定する推定工程と、
    を含むことを特徴とする推定方法。
18. 所定の期間における衣料品の一の色に関するユーザの入力情報であって、前記ユーザが所定の検索画面において絞り込み条件として選択した情報を含む入力情報と、前記一の色を対象として事業者が実施するファッションイベントが行われた時点である基準時点を示す時点情報を取得する取得手順と、
    前記取得手順により取得された前記時点情報が示す前記基準時点前における前記入力情報の第１頻度又は前記第１頻度に基づく第１割合であって、前記基準時点前におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第１割合と、前記基準時点後における前記入力情報の第２頻度又は前記第２頻度に基づく第２割合であって、前記基準時点後におけるユーザによる入力情報に含まれる色のうち前記一の色が占める第２割合との比較に基づいて、前記一の色に対する前記ファッションイベントの影響を推定する推定手順と、
    をコンピュータに実行させることを特徴とする推定プログラム。

Images