JP6915487B2 - メッセージ出力制御方法、メッセージ出力制御プログラム、およびメッセージ出力制御装置 - Google Patents

Description

本発明は、メッセージ出力制御方法、メッセージ出力制御プログラム、およびメッセージ出力制御装置に関する。

従来、ウェブブラウザを用いてサイトを閲覧させ、サイトにおいて情報を検索させたり、サイトにおいて商品を購入させたり、サイトにおいてサービスを利用させたりする技術がある。また、サイトの閲覧中に、サイトの閲覧者に対して、所定のメッセージを出力する技術がある。

先行技術としては、例えば、ユーザの端末装置に対する各特定行動の情報とユーザに関するコンテキストの情報とを特徴量として機械学習を実行し、ユーザの端末装置に対する行動の学習モデルを生成するものがある。また、例えば、閲覧行動の順序付き集合を用いて求めた、複数のユーザの閲覧ページのページ機能に基づく複数の内部状態のそれぞれの内部状態においてユーザが閲覧可能なページ機能の出力確率と、内部状態間の遷移確率とを求める技術がある。

特開２０１７−１６７９５３号公報 特開２０１４−１６０３４５号公報

しかしながら、従来技術では、サイトの閲覧者に対してメッセージを出力するタイミングを判定することが難しい。例えば、サイトの閲覧者ごとに、サイトを閲覧する速度やサイトを閲覧する目的などが異なり、閲覧者に購入を促すメッセージなどを、どのタイミングで出力することが好ましいかを判断することができない。

１つの側面では、本発明は、メッセージを出力するタイミングを判定することができるメッセージ出力制御方法、メッセージ出力制御プログラム、およびメッセージ出力制御装置を提供することを目的とする。

１つの実施態様によれば、サイトにおける閲覧者の操作の履歴に基づいて、前記サイトにおける所定の操作に関する特徴量と、前記サイトにおける前記所定の操作とは異なる操作に関する特徴量との関連性を表すモデルパターンを生成し、閲覧者の操作を受け付けた際、受け付けた前記閲覧者の操作に関する特徴量と、生成した前記モデルパターンとを比較した結果に基づいて、前記所定の操作に関する所定のメッセージの出力要否を判定する制御を行うメッセージ出力制御方法、メッセージ出力制御プログラム、およびメッセージ出力制御装置が提案される。

一態様によれば、メッセージを出力するタイミングを判定することが可能になる。

図１は、実施の形態にかかるメッセージ出力制御方法の一実施例を示す説明図である。 図２は、メッセージ出力制御システム２００の一例を示す説明図である。 図３は、メッセージ出力制御装置１００のハードウェア構成例を示すブロック図である。 図４は、端末装置１０２のハードウェア構成例を示すブロック図である。 図５は、メッセージ出力制御装置１００の機能的構成例を示すブロック図である。 図６は、メッセージ出力制御システム２００の動作の流れを示す説明図（その１）である。 図７は、メッセージ出力制御システム２００の動作の流れを示す説明図（その２）である。 図８は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その１）である。 図９は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その２）である。 図１０は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その３）である。 図１１は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その４）である。 図１２は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その５）である。 図１３は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その６）である。 図１４は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その７）である。 図１５は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その８）である。 図１６は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その９）である。 図１７は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その１０）である。 図１８は、メッセージ出力制御システム２００の動作の具体例を示す説明図（その１１）である。 図１９は、学習処理手順の一例を示すフローチャートである。 図２０は、表示処理手順の一例を示すフローチャートである。 図２１は、更新処理手順の一例を示すフローチャートである。

以下に、図面を参照して、本発明にかかるメッセージ出力制御方法、メッセージ出力制御プログラム、およびメッセージ出力制御装置の実施の形態を詳細に説明する。

（実施の形態にかかるメッセージ出力制御方法の一実施例）
図１は、実施の形態にかかるメッセージ出力制御方法の一実施例を示す説明図である。メッセージ出力制御装置１００は、所定のサイトの閲覧者１０１に対する所定のメッセージの出力要否を判定するための制御を行うコンピュータである。

制御は、例えば、メッセージ出力制御装置１００とは異なる装置に出力要否を判定させる制御である。メッセージ出力制御装置１００とは異なる装置は、例えば、閲覧者１０１の端末装置１０２である。また、制御は、例えば、メッセージ出力制御装置１００において出力要否を判定する制御であってもよい。

所定のサイトは、閲覧者１０１が端末装置１０２を利用して閲覧可能なサイトである。所定のサイトは、例えば、閲覧者１０１が、情報を検索したり、商品を購入したり、または、サービスを利用したりすることが可能なサイトである。所定のサイトは、具体的には、検索サイト、通販サイト、または、ニュースサイトなどである。

ここで、所定のサイトの閲覧者１０１に対して所定のメッセージを出力することが望まれる場合がある。例えば、閲覧者１０１にサイトの提供者が所望する操作を促すために、閲覧者１０１に対して所定のメッセージを出力することが望まれる。具体的には、閲覧者１０１がサイトを介して商品を購入するか迷っている際、商品の情報、商品を購入する操作を行うボタン、商品を購入した特典を示す情報などを含むメッセージを出力することが望まれる。

また、例えば、閲覧者１０１にとって有用な情報を提供するために、閲覧者１０１に対して所定のメッセージを出力することが望まれる。具体的には、閲覧者１０１が現在のページとは異なるページを閲覧しようとした際、異なるページへのリンクを示す情報を含むメッセージを出力し、閲覧者１０１の負担の低減化を図ることが望まれる。

しかしながら、サイトの閲覧者１０１に対して所定のメッセージを出力するタイミングを判定することが難しい。例えば、サイトの閲覧者１０１ごとに、サイトを閲覧する速度やサイトを閲覧する目的などが異なり、所定のメッセージをどのタイミングで出力することが好ましいかを判断することができない。

また、サイトの閲覧者１０１に対して所定のメッセージを好ましくないタイミングに出力してしまうと、閲覧者１０１にサイトの提供者が所望する操作を行ってもらうことが難しくなることがある。例えば、閲覧者１０１が、サイトを閲覧し始めた直後、商品に対する知識を得る前に、商品を購入する操作を行うボタンを含むメッセージを出力すると、かえって商品の購入が忌避されることがある。

また、例えば、閲覧者１０１が、サイトを閲覧し始めた直後に、サイトを閲覧する時間を延ばすための情報を含むメッセージを出力しても、サイトを閲覧する時間を効果的に延ばすことができないことがある。また、サイトの閲覧者１０１に対して所定のメッセージを好ましくないタイミングに出力してしまうと、閲覧者１０１に煩わしさや不快感を与えるおそれがあり、サイトを閲覧する意欲を損ねるおそれがあり、さらに、処理量の増大化を招いてしまう。

そこで、本実施の形態では、所定のサイトにおける過去の閲覧者１０１の操作の履歴に基づいて、新たに閲覧者１０１の操作を受け付けた際に所定の操作に関する所定のメッセージの出力要否を判定するという制御を行うメッセージ出力制御方法について説明する。

図１の例では、（１−１）メッセージ出力制御装置１００は、調査対象のサイトにおける閲覧者１０１の操作の履歴を取得する。メッセージ出力制御装置１００は、例えば、閲覧者１０１の端末装置１０２における閲覧者１０１の操作の情報を取得し、ＤＢ（ＤａｔａＢａｓｅ）１０３に蓄積することにより、閲覧者１０１の操作の履歴をＤＢ１０３に記憶する。ＤＢ１０３は、例えば、図３に後述するメモリ３０２や記録媒体３０５などの記憶領域によって実現され、図１１に後述する特徴量テーブル１１００を記憶する。ここで、調査対象のサイトは、複数であってもよい。調査対象のサイトの閲覧者１０１は、複数であってもよい。操作の情報は、例えば、滞在時間やタッチ座標などである。操作の情報は、具体的には、図９を用いて後述する。

（１−２）メッセージ出力制御装置１００は、閲覧者１０１の操作の履歴に基づいて、モデルパターン１０４を生成する。モデルパターン１０４は、サイトにおける所定の操作に関する特徴量と、サイトにおける所定の操作とは異なる操作に関する特徴量との関連性を表す。所定の操作は、例えば、サイトから離脱する操作である。所定の操作は、例えば、サイトを介した契約に関する操作であってもよい。契約は、例えば、商品を購入する契約、または、サービスを利用する契約などである。モデルパターン１０４が表す関連性は、調査対象のサイトとは異なるサイトにおいても現れうる性質として利用することができる。

モデルパターン１０４は、例えば、操作予測モデルである。モデルパターン１０４は、例えば、サイトにおける所定の操作に関する特徴量を目的変数とし、サイトにおける所定の操作とは異なる操作に関する特徴量を説明変数とし、説明変数に基づいて目的変数の値を生成可能にする。モデルパターン１０４は、具体的には、説明変数を代入することにより目的変数の値を算出可能な数式モデルである。数式モデルの一例は、具体的には、ｙ＝ａｘ＋ｂである。ｙは、目的変数である。ｘは、説明変数である。ａとｂは、係数である。モデルパターン１０４は、具体的には、決定木モデルであり、複数のノードを含み、説明変数を用いてノードを辿ることにより目的変数の値を特定可能な決定木モデルであってもよい。決定木モデルの一例は、具体的には、図１２を用いて後述する。

（１−３）メッセージ出力制御装置１００は、閲覧者１０１の操作を受け付けた際、所定の操作に関する所定のメッセージの出力要否を判定する制御を行う。制御は、例えば、受け付けた閲覧者１０１の操作に関する特徴量と、生成したモデルパターン１０４とを比較した結果に基づいて行われる。所定のメッセージは、例えば、ポップアップにより表示される。所定のメッセージは、文章、リンク、および、操作ボタンなどを含んでもよい。メッセージ出力制御装置１００は、例えば、制御対象のサイトの閲覧者１０１の端末装置１０２に出力要否を判定させる制御を行う。制御対象のサイトは、例えば、調査対象のサイトと同一である。

ここで、モデルパターン１０４が表す関連性は、調査対象のサイトとは異なるサイトにおいても現れうる性質であるため、制御対象のサイトは、例えば、調査対象のサイトと異なるサイトであってもよい。制御対象のサイトの閲覧者１０１は、例えば、調査対象のサイトの閲覧者１０１と同一である。制御対象のサイトの閲覧者１０１は、例えば、調査対象のサイトの閲覧者１０１とは異なる閲覧者１０１であってもよい。

メッセージ出力制御装置１００は、具体的には、閲覧者１０１の端末装置１０２にモデルパターン１０４を示す情報を送信することにより、閲覧者１０１の端末装置１０２に出力要否を判定させる。モデルパターン１０４を示す情報は、モデルパターン１０４のパラメータである。モデルパターン１０４を示す情報は、例えば、数式モデルｙ＝ａｘ＋ｂの係数ａとｂとである。

これにより、メッセージ出力制御装置１００は、サイトの閲覧者１０１に対して所定のメッセージを出力するタイミングを判定可能にすることができる。メッセージ出力制御装置１００は、例えば、モデルパターン１０４により、サイトの閲覧者１０１ごとの閲覧傾向の違いを考慮可能にすることができる。このため、メッセージ出力制御装置１００は、サイトの閲覧者１０１ごとに、サイトを閲覧する速度やサイトを閲覧する目的などが異なっても、所定のメッセージを出力するタイミングを判定可能にすることができる。

また、メッセージ出力制御装置１００は、サイトの閲覧者１０１に対して所定のメッセージを好ましくないタイミングに出力されることを抑制することができる。このため、メッセージ出力制御装置１００は、閲覧者１０１にサイトの提供者が所望する操作を行ってもらいやすくすることができる。また、メッセージ出力制御装置１００は、閲覧者１０１に煩わしさや不快感を与えることを抑制することができる。

（メッセージ出力制御システム２００の一例）
次に、図２を用いて、図１に示したメッセージ出力制御装置１００を適用した、メッセージ出力制御システム２００の一例について説明する。

図２は、メッセージ出力制御システム２００の一例を示す説明図である。図２において、メッセージ出力制御システム２００は、メッセージ出力制御装置１００と、ウェブサーバ２０１と、端末装置１０２とを含む。メッセージ出力制御システム２００において、メッセージ出力制御装置１００と端末装置１０２とは、ウェブサーバ２０１、および、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。

メッセージ出力制御装置１００は、端末装置１０２の制御を行うコンピュータである。メッセージ出力制御装置１００は、例えば、サイトを表示する端末装置１０２に所定のメッセージの出力要否を判定させる制御を行う。メッセージ出力制御装置１００は、例えば、サーバ、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などである。ウェブサーバ２０１は、端末装置１０２にサイトの情報を送信することにより、端末装置１０２にサイトを表示させ、端末装置１０２を利用する閲覧者１０１にサイトを閲覧させるコンピュータである。端末装置１０２は、サイトを表示し、所定のメッセージの出力要否を判定するコンピュータである。端末装置１０２は、例えば、ＰＣ、タブレット端末、スマートフォン、ウェアラブル端末などである。

（メッセージ出力制御装置１００のハードウェア構成例）
次に、図３を用いて、メッセージ出力制御装置１００のハードウェア構成例について説明する。

図３は、メッセージ出力制御装置１００のハードウェア構成例を示すブロック図である。図３において、メッセージ出力制御装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、記録媒体Ｉ／Ｆ３０４と、記録媒体３０５とを有する。また、各構成部は、バス３００によってそれぞれ接続される。

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

ネットワークＩ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ３０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。

記録媒体Ｉ／Ｆ３０４は、ＣＰＵ３０１の制御に従って記録媒体３０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ３０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体３０５は、記録媒体Ｉ／Ｆ３０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体３０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体３０５は、メッセージ出力制御装置１００から着脱可能であってもよい。

メッセージ出力制御装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スキャナ、マイク、スピーカーなどを有してもよい。また、メッセージ出力制御装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を複数有していてもよい。また、メッセージ出力制御装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を有していなくてもよい。

（端末装置１０２のハードウェア構成例）
次に、図４を用いて、端末装置１０２のハードウェア構成例について説明する。

図４は、端末装置１０２のハードウェア構成例を示すブロック図である。図４において、端末装置１０２は、ＣＰＵ４０１と、メモリ４０２と、ネットワークＩ／Ｆ４０３と、記録媒体Ｉ／Ｆ４０４と、記録媒体４０５と、ディスプレイ４０６と、入力装置４０７とを有する。また、各構成部は、バス４００によってそれぞれ接続される。

ここで、ＣＰＵ４０１は、端末装置１０２の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。

ネットワークＩ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ４０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。

記録媒体Ｉ／Ｆ４０４は、ＣＰＵ４０１の制御に従って記録媒体４０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ４０４は、例えば、ディスクドライブ、ＳＳＤ、ＵＳＢポートなどである。記録媒体４０５は、記録媒体Ｉ／Ｆ４０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体４０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体４０５は、端末装置１０２から着脱可能であってもよい。

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

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

端末装置１０２は、上述した構成部のほか、例えば、プリンタ、スキャナ、マイク、スピーカーなどを有してもよい。また、端末装置１０２は、記録媒体Ｉ／Ｆ４０４や記録媒体４０５を複数有していてもよい。また、端末装置１０２は、記録媒体Ｉ／Ｆ４０４や記録媒体４０５を有していなくてもよい。

（メッセージ出力制御装置１００の機能的構成例）
次に、図５を用いて、メッセージ出力制御装置１００の機能的構成例について説明する。

図５は、メッセージ出力制御装置１００の機能的構成例を示すブロック図である。メッセージ出力制御装置１００は、記憶部５００と、取得部５０１と、生成部５０２と、判定部５０３と、出力部５０４とを含む。

記憶部５００は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域によって実現される。以下では、記憶部５００が、メッセージ出力制御装置１００に含まれる場合について説明するが、これに限らない。例えば、記憶部５００が、メッセージ出力制御装置１００とは異なる装置に含まれ、記憶部５００の記憶内容がメッセージ出力制御装置１００から参照可能である場合があってもよい。

取得部５０１〜出力部５０４は、制御部となる機能である。取得部５０１〜出力部５０４は、具体的には、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、ネットワークＩ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶される。

記憶部５００は、各機能部の処理において参照され、または更新される各種情報を記憶する。記憶部５００は、例えば、調査対象のサイトにおける閲覧者１０１の操作の履歴を記憶してもよい。操作の履歴は、操作の情報の集まりである。操作の情報は、閲覧者の行動を示す情報である。操作の情報は、例えば、滞在時間やタッチ座標などである。操作の情報は、具体的には、図９を用いて後述する。記憶部５００は、具体的には、複数の閲覧者１０１のそれぞれの閲覧者１０１の操作履歴を記憶してもよい。

調査対象のサイトは、閲覧者１０１が端末装置１０２を利用して閲覧可能である。調査対象のサイトは、例えば、閲覧者１０１が、情報を検索したり、商品を購入したり、または、サービスを利用したりすることが可能である。調査対象のサイトは、具体的には、検索サイト、通販サイト、または、ニュースサイトなどである。調査対象のサイトは、複数であってもよい。

記憶部５００は、例えば、サイトにおける閲覧者１０１の操作の履歴に基づいて、閲覧者１０１の操作に関する特徴量を算出する方法を記憶してもよい。操作に関する特徴量は、例えば、サイトの閲覧度合いを示す情報である。記憶部５００は、具体的には、閲覧者１０１の操作の履歴に含まれる操作の情報を代入することにより、閲覧者１０１の操作に関する特徴量を算出することができる算出式を記憶してもよい。記憶部５００は、例えば、算出した閲覧者１０１の操作に関する特徴量を記憶してもよい。

記憶部５００は、例えば、閲覧者１０１の操作の履歴に基づいて、モデルパターン１０４を生成する方法を記憶してもよい。記憶部５００は、具体的には、モデルパターン１０４を生成する機械学習ＦＷ（ＦｉｒｍＷａｒｅ）を記憶してもよい。モデルパターン１０４は、サイトにおける所定の操作に関する特徴量と、サイトにおける所定の操作とは異なる操作に関する特徴量との関連性を表す。

所定の操作は、例えば、サイトから離脱する操作である。所定の操作は、例えば、サイトを介した契約に関する操作であってもよい。契約は、例えば、商品を購入する契約、または、サービスを利用する契約などである。所定の操作に関する特徴量は、例えば、サイトからの離脱までの時間、または、サイトを介した契約までの時間などである。モデルパターン１０４が表す関連性は、調査対象のサイトとは異なるサイトにおいても現れうる性質として利用することができる。

モデルパターン１０４は、例えば、サイトにおける所定の操作に関する特徴量を目的変数とし、サイトにおける所定の操作とは異なる操作に関する特徴量を説明変数とし、説明変数に基づいて目的変数の値を生成可能にする。モデルパターン１０４は、具体的には、説明変数を代入することにより目的変数の値を算出可能な数式モデルである。数式モデルの一例は、具体的には、ｙ＝ａｘ＋ｂである。ｙは、目的変数である。ｘは、説明変数である。ａとｂは、係数である。モデルパターン１０４は、具体的には、決定木モデルであり、説明変数を用いて決定木モデルを辿ることにより目的変数の値を特定可能な決定木モデルであってもよい。決定木モデルの一例は、具体的には、図１２を用いて後述する。

記憶部５００は、例えば、閲覧者１０１の端末装置１０２を制御するために、閲覧者１０１の端末装置１０２に送信する情報を記憶してもよい。記憶部５００は、具体的には、閲覧者１０１の端末装置１０２を制御するために、閲覧者１０１の端末装置１０２に送信されるＪａｖａＳｃｒｉｐｔ（登録商標）を記憶してもよい。

取得部５０１は、各機能部の処理に用いられる各種情報を取得し、各機能部に出力する。取得部５０１は、各機能部の処理に用いられる各種情報を記憶部５００から取得し、各機能部に出力してもよい。取得部５０１は、各機能部の処理に用いられる各種情報を、メッセージ出力制御装置１００とは異なる装置から取得し、各機能部に出力してもよい。

取得部５０１は、例えば、調査対象のサイトにおける閲覧者１０１の操作の履歴を取得する。取得部５０１は、具体的には、調査対象のサイトにおける閲覧者１０１の操作の情報を閲覧者１０１の端末装置１０２から受信して蓄積し、閲覧者１０１の操作の履歴を記憶する。調査対象のサイトは、複数であってもよい。調査対象のサイトの閲覧者１０１は、複数であってもよい。

取得部５０１は、例えば、制御対象のサイトにおいて所定のメッセージが出力されたことに応じた、制御対象のサイトの閲覧者１０１の操作の情報を取得してもよい。取得部５０１は、具体的には、制御対象のサイトの閲覧者１０１の端末装置１０２が所定のメッセージを出力したことに応じて端末装置１０２が受け付けた操作の情報を、端末装置１０２から取得してもよい。

制御対象のサイトは、例えば、調査対象のサイトと同一である。また、制御対象のサイトは、例えば、調査対象のサイトと異なるサイトであってもよい。制御対象のサイトの閲覧者１０１は、例えば、調査対象のサイトの閲覧者１０１と同一である。また、制御対象のサイトの閲覧者１０１は、例えば、調査対象のサイトの閲覧者１０１とは異なる閲覧者１０１であってもよい。

生成部５０２は、調査対象のサイトにおける閲覧者１０１の操作の履歴に基づいて、モデルパターン１０４を生成する。生成部５０２は、例えば、機械学習ＦＷを用いて、サイトにおける所定の操作に関する特徴量を目的変数とし、サイトにおける所定の操作とは異なる操作に関する特徴量を説明変数としたモデルパターン１０４を生成する。

生成部５０２は、具体的には、説明変数を代入することにより、目的変数の値を算出可能な数式モデルを生成する。生成部５０２は、例えば、複数のノードを含み、説明変数を用いてノードを辿ることにより、目的変数の値を特定可能な決定木モデルを生成してもよい。これにより、生成部５０２は、サイトを閲覧する閲覧者１０１に対する、所定のメッセージの出力要否の判定に用いることが可能なモデルパターン１０４を生成することができる。

判定部５０３は、所定の操作に関する所定のメッセージの出力要否を判定する制御を行う。制御は、制御対象のサイトの閲覧者１０１の操作を受け付けた際、受け付けた閲覧者１０１の操作に関する特徴量と、生成したモデルパターン１０４とを比較した結果に基づいて、所定のメッセージの出力要否を判定する制御である。制御対象のサイトは、例えば、調査対象のサイトと同一であってもよいし、調査対象のサイトとは異なってもよい。判定部５０３は、例えば、生成したモデルパターン１０４を示す情報を、制御対象のサイトの閲覧者１０１の端末装置１０２に送信することにより、端末装置１０２に出力要否を判定させる。モデルパターン１０４を示す情報は、モデルパターン１０４のパラメータである。モデルパターン１０４を示す情報は、例えば、数式モデルｙ＝ａｘ＋ｂの係数ａとｂとである。

判定部５０３は、例えば、比較した結果に基づいて、所定の操作に関する特徴量の推定値を算出し、算出した推定値が所定の条件を満たす場合、所定のメッセージを出力すると判定する制御を行ってもよい。判定部５０３は、具体的には、制御対象のサイトからの離脱の操作までの時間の推定値を算出し、算出した推定値が閾値以下である場合、所定のメッセージを出力すると判定する制御を行う。

判定部５０３は、具体的には、制御対象のサイトを介した契約に関する操作までの時間の推定値を算出し、算出した推定値が閾値以下である場合、所定のメッセージを出力すると判定する制御を行ってもよい。これにより、判定部５０３は、サイトの閲覧者１０１に対して所定のメッセージを出力するタイミングを判定可能にすることができる。判定部５０３は、例えば、モデルパターン１０４により、サイトの閲覧者１０１ごとの閲覧傾向の違いを考慮可能にすることができる。このため、判定部５０３は、サイトの閲覧者１０１ごとに、サイトを閲覧する速度やサイトを閲覧する目的などが異なっても、所定のメッセージを出力するタイミングを判定可能にすることができる。

判定部５０３は、所定の条件に複数の候補のそれぞれの候補を設定した場合に、所定のメッセージを出力したことに応じて受け付けた閲覧者１０１の操作に基づいて、複数の候補のいずれかの候補を所定の条件に設定する。これにより、判定部５０３は、所定のメッセージを出力することにより、サイトの提供者が所望する閲覧者の操作を惹起する確率の向上を図ることができる。また、判定部５０３は、閲覧者にとって好ましいタイミングで所定のメッセージを出力する確率の向上を図ることができる。

出力部５０４は、各機能部の処理結果を出力する。出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、ネットワークＩ／Ｆ３０３による外部装置への送信、または、メモリ３０２や記録媒体３０５などの記憶領域への記憶である。これにより、出力部５０４は、各機能部の処理結果を利用者に通知可能にすることができる。そして、出力部５０４は、メッセージ出力制御装置１００の管理や運用、例えば、メッセージ出力制御装置１００の設定値の更新などを支援することができ、メッセージ出力制御装置１００の利便性の向上を図ることができる。

（メッセージ出力制御システム２００の動作の流れ）
次に、図６および図７を用いて、メッセージ出力制御システム２００の動作の流れについて説明する。

図６および図７は、メッセージ出力制御システム２００の動作の流れを示す説明図である。図６の例では、（６−１）メッセージ出力制御装置１００は、（１−１）と同様に、調査対象のサイトにおける閲覧者１０１の操作の履歴を取得する。メッセージ出力制御装置１００は、例えば、閲覧者１０１の端末装置１０２における閲覧者１０１の操作の情報を取得し、ＤＢ１０３に蓄積することにより、閲覧者１０１の操作の履歴をＤＢ１０３に記憶する。ＤＢ１０３は、例えば、図３に後述するメモリ３０２や記録媒体３０５などの記憶領域によって実現され、図１１に後述する特徴量テーブル１１００を記憶する。

（６−２）メッセージ出力制御装置１００は、（１−２）と同様に、閲覧者１０１の操作の履歴に基づいて、モデルパターン１０４を生成する。メッセージ出力制御装置１００は、例えば、閲覧者１０１の操作の履歴に基づいて、所定の操作に関する特徴量と、所定の操作とは異なる操作に関する特徴量との関連性を表すモデルパターン１０４を生成する。

（６−３）メッセージ出力制御装置１００は、（１−３）と同様に、モデルパターン１０４に基づく、所定の操作に関する所定のメッセージの出力要否を判定する制御を行う。メッセージ出力制御装置１００は、例えば、制御対象のサイトの閲覧者１０１の端末装置１０２に、所定の操作に関する特徴量の推定値を算出し、所定の条件を満たすか否かを判定させることにより、出力要否を判定させる制御を行う。メッセージ出力制御装置１００は、具体的には、閲覧者１０１の端末装置１０２ごとに、所定の条件に異なる候補を用いて、出力要否を判定させる制御を行ってもよい。所定の操作に関する特徴量の推定値を算出する流れについては、図７を用いて後述する。

（６−４）メッセージ出力制御装置１００は、閲覧者１０１の端末装置１０２ごとに、異なる候補を用いて、出力要否を判定させる制御を行った場合、所定のメッセージを出力したことに応じた閲覧者１０１の操作の情報を取得する。メッセージ出力制御装置１００は、例えば、制御対象のサイトにおいて所定のメッセージが出力されたことに応じた、制御対象のサイトの閲覧者１０１の操作の情報を取得する。

そして、メッセージ出力制御装置１００は、取得した閲覧者１０１の操作の情報をＤＢ１０３に蓄積する。ＤＢ１０３は、例えば、図１８に後述する購入率テーブル１８００を記憶する。操作の情報は、例えば、制御対象のサイトを介した購入に関する操作があったか否かを示す情報である。操作の情報は、例えば、所定のメッセージの出力から制御対象のサイトを離脱する操作までの滞在時間の情報であってもよい。

（６−５）メッセージ出力制御装置１００は、閲覧者１０１の操作の情報に基づいて、出力要否の判定に用いられる所定の条件を設定する。メッセージ出力制御装置１００は、例えば、購入に関する操作があった候補を、所定の条件として設定する。ここで、図７の説明に移行し、所定の操作に関する特徴量の推定値を算出する流れについて説明する。

図７の例では、ページＡの閲覧者１０１に対する所定のメッセージの出力要否の判定に用いられる所定の操作に関する特徴量の推定値の算出について、表７１０を用いて説明する。所定の操作に関する特徴量は、例えば、ページＡからの離脱までの時間である。表７１０は、端末装置１０２が、ページＡのうちの閲覧領域であるウィンドウの位置に基づいて、ページＡからの離脱までの時間を算出した場合を表す。

表７１０の横軸は、ページＡの滞在時間である。表７１０の線分７１１は、横軸が示す滞在時間における、ページＡのうちの閲覧領域であるウィンドウの位置を示す。表７１０の線分７１２は、横軸が示す滞在時間における、ページＡのうちの閲覧領域であるウィンドウの位置に基づいて、端末装置１０２によって算出されるページＡからの離脱までの時間を示す。

表７１０のように、端末装置１０２は、リアルタイムに、ウィンドウの位置に基づいて、ページＡからの離脱までの時間を算出することができる。これにより、端末装置１０２は、リアルタイムに、ページＡからの離脱までの時間を考慮して、ページＡの閲覧者１０１に対して所定のメッセージを出力するタイミングを判定することができ、ページＡからの離脱前に所定のメッセージを出力することができる。

次に、ページＢの閲覧者１０１に対する所定のメッセージの出力要否の判定に用いられる所定の操作に関する特徴量の推定値の算出について、表７２０を用いて説明する。所定の操作に関する特徴量は、例えば、ページＢからの離脱までの時間である。表７２０は、端末装置１０２が、ページＢのうちの閲覧領域であるウィンドウの位置に基づいて、ページＢからの離脱までの時間を算出した場合を表す。

表７２０の横軸は、ページＢの滞在時間である。表７２０の線分７２１は、横軸が示す滞在時間における、ページＢのうちの閲覧領域であるウィンドウの位置を示す。表７２０の線分７２２は、横軸が示す滞在時間における、ページＢのうちの閲覧領域であるウィンドウの位置に基づいて、端末装置１０２によって算出されるページＢからの離脱までの時間を示す。

表７２０のように、端末装置１０２は、リアルタイムに、ウィンドウの位置に基づいて、ページＢからの離脱までの時間を算出することができる。これにより、端末装置１０２は、リアルタイムに、ページＢからの離脱までの時間を考慮して、ページＢの閲覧者１０１に対して所定のメッセージを出力するタイミングを判定することができ、ページＢからの離脱前に所定のメッセージを出力することができる。

このように、端末装置１０２は、ページＡとページＢとの閲覧傾向の違いを考慮して、所定のメッセージの出力要否を判定することができる。このため、端末装置１０２は、サイトごとに、または、閲覧者１０１ごとに、閲覧傾向が異なっても、所定のメッセージを出力するタイミングを判定することができる。

（メッセージ出力制御システム２００の動作の具体例）
次に、図８〜図１８を用いて、メッセージ出力制御システム２００の動作の具体例について説明する。

図８〜図１８は、メッセージ出力制御システム２００の動作の具体例を示す説明図である。図８の例では、（８−１）端末装置１０２は、ウェブサーバ２０１に閲覧要求を送信する。閲覧要求は、メッセージ出力制御装置１００の調査対象である所定のサイトを閲覧する要求である。

（８−２）ウェブサーバ２０１は、閲覧要求を受信し、サイトデータを端末装置１０２に送信することにより、端末装置１０２のディスプレイ４０６に所定のサイトを表示させ、閲覧者１０１に所定のサイトを閲覧させる。

（８−３）端末装置１０２は、入力装置４０７を介して閲覧者１０１からの操作を受け付け、受け付けた操作の情報を、ウェブサーバ２０１に送信する。ウェブサーバ２０１は、受信した操作の情報を、メッセージ出力制御装置１００に転送する。

メッセージ出力制御装置１００は、操作の情報を受信し、操作の情報に基づいて、所定の操作を含む複数の操作に関する特徴量を算出し、複数の操作に関する特徴量を記憶する。操作の情報は、例えば、閲覧者１０１の操作ログである。次に、図９の説明に移行し、操作ログの一例について説明する。

図９に示すように、操作ログは、例えば、一覧９０１に示す複数の情報の少なくともいずれかの情報を含んでもよい。また、操作ログは、例えば、一覧９０２に示す複数の情報の少なくともいずれかの情報を含んでもよい。操作ログは、具体的には、サイトへアクセスした時間、サイトに滞在した滞在時間などを含んでもよい。次に、図１０の説明に移行し、操作ログに基づいて算出される操作に関する特徴量について説明する。

図１０に示すように、操作に関する特徴量は、例えば、一覧１０００に示す複数の特徴量の少なくともいずれかの特徴量を含んでもよい。操作に関する特徴量は、具体的には、画面位置、総滞在時間、総スクロール量などを含んでもよい。メッセージ出力制御装置１００は、操作の特徴量を算出することにより、閲覧者１０１が誰かを示す情報、および、制御対象のサイトがどこかを示す情報などを参照しなくても、閲覧者１０１の閲覧傾向を示す情報を生成することができる。次に、図１１の説明に移行し、算出した複数の操作に関する特徴量を対応付けて記憶する一例について説明する。

図１１に示すように、メッセージ出力制御装置１００は、閲覧者１０１ごとに、所定の操作に関する特徴量を目的変数とし、所定の操作とは異なる操作に関する特徴量を説明変数として対応付けて、図１１に示す特徴量テーブル１１００を用いて記憶する。特徴量テーブル１１００は、例えば、図３に示したメッセージ出力制御装置１００のメモリ３０２や記録媒体３０５などの記憶領域により実現される。

図１１に示すように、特徴量テーブル１１００は、ユーザＩＤ（ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）と、１以上の説明変数と、目的変数とのフィールドを有する。特徴量テーブル１１００は、閲覧者１０１ごとに各フィールドに情報を設定することにより、特徴量情報がレコードとして記憶される。

ユーザＩＤのフィールドには、閲覧者１０１を識別するユーザＩＤが設定される。説明変数のフィールドには、例えば、複数の操作のうち所定の操作とは異なる操作に関する特徴量が説明変数として設定される。図１１の例では、説明変数は、ページ総滞在時間と、前回のスクロール量と、総スクロール量と、見ているページ画面位置と、上にスクロールした回数となどである。説明変数は、さらに、他の特徴量を含んでもよい。

目的変数のフィールドには、例えば、複数の操作のうち所定の操作に関する特徴量が目的変数として設定される。図１１の例では、目的変数は、サイトから離脱する操作が行われるまでの時間である。ここで、特徴量テーブル１１００においては、同一の閲覧者１０１に対応する１以上のレコードのうち、最後に追加されたレコードが、サイトから離脱する操作が行われたレコードとして扱われる。

そして、メッセージ出力制御装置１００は、特徴量テーブル１１００に対して、機械学習ＦＷを適用し、モデルパターン１０４を生成する。モデルパターン１０４は、具体的には、説明変数を代入することにより目的変数の値を算出可能な数式モデルである。数式モデルの一例は、具体的には、ｙ＝ａｘ＋ｂである。ｙは、目的変数である。ｘは、説明変数である。ａとｂは、係数である。モデルパターン１０４は、具体的には、決定木モデルであってもよい。次に、図１２の説明に移行し、決定木モデルの一例について説明する。

図１２に示すように、メッセージ出力制御装置１００は、モデルパターン１０４として決定木モデル１２００を生成してもよい。決定木モデル１２００は、例えば、説明変数を用いて分岐判定を行う条件を表す条件ノード１２０１〜１２０６と、目的変数の値を表す葉ノード１２１１〜１２１７とを含む。条件ノード１２０１〜１２０６は、例えば、説明変数を用いた条件式を表し、具体的には、Ａ＞１０などの条件式を表す。Ａ〜Ｅは、いずれかの説明変数である。目的変数の値は、例えば、Ｔ１〜Ｔ７である。

このように、メッセージ出力制御装置１００は、根ノード１２０１から順に条件ノード１２０１〜１２０６を辿りながら分岐判定を行えば、葉ノード１２１１〜１２１７のいずれかの葉ノードに到達することができる決定木モデル１２００を生成することができる。これにより、メッセージ出力制御装置１００は、目的変数の推定値を、到達した葉ノードが表す目的変数の値から特定可能にすることができる。次に、図１３の説明に移行する。

図１３の例では、（１３−１）メッセージ出力制御装置１００は、制御対象の所定のサイトを表示する端末装置１０２に、生成したモデルパターン１０４を示す情報、および、所定の条件を送信する。これにより、メッセージ出力制御装置１００は、端末装置１０２に、リアルタイムに、目的変数の推定値を特定させることができる。

所定の条件は、所定のメッセージの出力という施策を実施するか否かを判定するために用いられる条件である。以下の説明では、所定の条件を「施策実施条件」と表記する場合がある。施策実施条件は、例えば、目的変数の推定値に対する閾値以下である条件である。施策実施条件は、送信される都度、閾値に乱数が加えられ異なる条件にされてもよい。

端末装置１０２は、受信したモデルパターン１０４に基づいて、リアルタイムに、目的変数の推定値を特定する。そして、端末装置１０２は、特定した目的変数の推定値が、受信した施策実施条件を満たすか否かを判定し、施策実施条件を満たす場合に所定のメッセージを出力すると判定する。ここで、施策実施条件が送信される都度異なる条件である場合、複数の条件に対して所定のメッセージの出力要否の判定が試行される。次に、図１４の説明に移行し、端末装置１０２が、所定のメッセージの出力要否を判定する一例について説明する。

図１４の表１４００は、端末装置１０２が所定のサイトを表示し始めてから５秒後において、端末装置１０２が所定のメッセージの出力要否を判定する一例である。表１４００の横軸は、サイトの滞在時間である。表１４００の線分１４０１は、横軸が示す滞在時間における、サイトのうちの閲覧領域であるウィンドウの位置を示す。表１４００の線分１４０２は、横軸が示す滞在時間における、サイトのうちの閲覧領域であるウィンドウの位置などの説明変数に基づいて、端末装置１０２によって目的変数として算出されるサイトからの離脱までの時間の推定値を示す。

表１４００のように、端末装置１０２は、５秒後の時点においては、ウィンドウの位置などの説明変数とモデルパターン１０４とを比較した結果に基づいて、目的変数であるサイトからの離脱までの時間の推定値を１０秒と算出する。端末装置１０２は、算出したサイトからの離脱までの時間１０秒が、サイトからの離脱までの時間が５秒以下であるという施策実施条件を満たすか否かを判定する。

ここで、端末装置１０２は、施策実施条件を満たさないため、所定のメッセージを出力しないと判定する。これにより、端末装置１０２は、モデルパターン１０４に基づき、閲覧者１０１が誰かの情報、および、制御対象のサイトがどこかの情報などを参照しなくても、閲覧者１０１の閲覧傾向を考慮して目的変数の推定値を算出することができる。このため、端末装置１０２は、閲覧者１０１が誰かの情報、および、制御対象のサイトがどこかの情報などを参照しなくても、所定のメッセージの出力要否を判定することができる。次に、図１５の説明に移行する。

図１５の表１５００は、端末装置１０２が所定のサイトを表示し始めてから１０秒後において、端末装置１０２が所定のメッセージの出力要否を判定する一例である。表１５００の横軸は、サイトの滞在時間である。表１５００の線分１５０１は、横軸が示す滞在時間における、サイトのうちの閲覧領域であるウィンドウの位置を示す。表１５００の線分１５０２は、横軸が示す滞在時間における、サイトのうちの閲覧領域であるウィンドウの位置などの説明変数に基づいて、端末装置１０２によって目的変数として算出される目的変数であるサイトからの離脱までの時間の推定値を示す。

表１５００のように、端末装置１０２は、１０秒後の時点においては、ウィンドウの位置などの説明変数と、モデルパターン１０４とを比較した結果に基づいて、目的変数であるサイトからの離脱までの時間の推定値を６秒と算出する。端末装置１０２は、算出したサイトからの離脱までの時間６秒が、サイトからの離脱までの時間が５秒以下であるという施策実施条件を満たすか否かを判定する。

ここで、端末装置１０２は、施策実施条件を満たさないため、所定のメッセージを出力しないと判定する。これにより、端末装置１０２は、モデルパターン１０４に基づき、閲覧者１０１が誰かの情報、および、制御対象のサイトがどこかの情報などを参照しなくても、閲覧者１０１の閲覧傾向を考慮して目的変数の推定値を算出することができる。このため、端末装置１０２は、閲覧者１０１が誰かの情報、および、制御対象のサイトがどこかの情報などを参照しなくても、所定のメッセージの出力要否を判定することができる。次に、図１６の説明に移行する。

図１６の表１６００は、端末装置１０２が所定のサイトを表示し始めてから１２秒後において、端末装置１０２が所定のメッセージの出力要否を判定する一例である。表１６００の横軸は、サイトの滞在時間である。表１６００の線分１６０１は、横軸が示す滞在時間における、サイトのうちの閲覧領域であるウィンドウの位置を示す。表１６００の線分１６０２は、横軸が示す滞在時間における、サイトのうちの閲覧領域であるウィンドウの位置などの説明変数に基づいて、端末装置１０２によって目的変数として算出される目的変数であるサイトからの離脱までの時間の推定値を示す。

表１６００のように、端末装置１０２は、１２秒後の時点においては、ウィンドウの位置などの説明変数と、モデルパターン１０４とを比較した結果に基づいて、目的変数であるサイトからの離脱までの時間の推定値を５秒と算出する。端末装置１０２は、算出したサイトからの離脱までの時間５秒が、サイトからの離脱までの時間が５秒以下であるという施策実施条件を満たすか否かを判定する。

ここで、端末装置１０２は、施策実施条件を満たすため、所定のメッセージを出力すると判定し、所定のメッセージを出力する。これにより、端末装置１０２は、モデルパターン１０４に基づき、閲覧者１０１が誰かの情報、および、制御対象のサイトがどこかの情報などを参照しなくても、閲覧者１０１の閲覧傾向を考慮して目的変数の推定値を算出することができる。このため、端末装置１０２は、閲覧者１０１が誰かの情報、および、制御対象のサイトがどこかの情報などを参照しなくても、所定のメッセージの出力要否を判定することができる。次に、図１７の説明に移行する。

図１７において、（１７−１）端末装置１０２は、所定のメッセージを出力したことに応じて、入力装置４０７を介して閲覧者１０１からの操作を受け付け、受け付けた操作の情報をウェブサーバ２０１に送信する。操作の情報は、例えば、購入に関する操作の情報を含む。操作の情報は、所定のメッセージの出力からサイトを離脱する操作までの滞在時間の情報を含んでもよい。操作の情報は、例えば、操作ログである。ウェブサーバ２０１は、操作の情報をメッセージ出力制御装置１００に転送する。

これにより、メッセージ出力制御装置１００は、所定のメッセージの出力が閲覧者１０１の操作にどのような影響を与えたかを示す情報を取得することができる。また、メッセージ出力制御装置１００は、施策実施条件が送信される都度異なる条件であれば、条件ごとに、所定のメッセージの出力が閲覧者１０１の操作にどのような影響を与えたかを示す情報を取得することができる。

このため、メッセージ出力制御装置１００は、受信した操作の情報に基づいて、施策実施条件を更新してもよい。メッセージ出力制御装置１００は、例えば、所定のメッセージを出力しても、購入に関する操作がない場合、施策実施条件をランダムに変更してもよい。また、メッセージ出力制御装置１００は、施策実施条件が送信される都度異なる条件であれば、送信された条件のうち相対的に好ましい条件を、施策実施条件に設定してもよい。次に、図１８の説明に移行し、施策実施条件を更新する一例について説明する。

図１８において、メッセージ出力制御装置１００は、施策実施条件に用いる定数の基準値に乱数を加えて得られた、それぞれ異なる施策実施条件の評価値を算出する。メッセージ出力制御装置１００は、例えば、それぞれ異なる施策実施条件を用いた場合の、商品の購入率を評価値として算出し、購入率テーブル１８００を用いて記憶する。基準値は、例えば、５秒である。施策実施条件は、例えば、サイトからの離脱までの時間が５秒以下という条件である。

基準値に乱数を加えて得られた施策実施条件は、サイトからの離脱までの時間がＸ秒以下である条件である。Ｘは、基準値に乱数を加えた値であり、例えば、３秒と、５秒と、７秒とである。購入率テーブル１８００は、例えば、図３に示したメッセージ出力制御装置１００のメモリ３０２や記録媒体３０５などの記憶領域により実現される。

図１８に示すように、購入率テーブル１８００は、離脱までＸ秒と、ＣＶ率とのフィールドを有する。購入率テーブル１８００は、所定のメッセージの出力要否の判定に用いられた条件ごとに各フィールドに情報を設定することにより、購入率情報がレコードとして記憶される。離脱までＸ秒のフィールドには、所定のメッセージの出力要否の判定に用いられた条件を特定するＸの値が設定される。ＣＶ率のフィールドには、購入率が設定される。

ここで、メッセージ出力制御装置１００は、Ｘ＝７で購入率が最も大きいため、サイトからの離脱までの時間が７秒以下という条件を、施策実施条件に設定し直す。これにより、メッセージ出力制御装置１００は、所定のメッセージを出力することにより、サイトの提供者が所望する閲覧者の操作を惹起する確率の向上を図ることができる。また、メッセージ出力制御装置１００は、閲覧者にとって好ましいタイミングで所定のメッセージを出力する確率の向上を図ることができる。

以上のように、メッセージ出力制御システム２００は、閲覧者１０１に対して、閲覧者１０１の閲覧傾向に合わせた好ましいタイミングで、サイトの提供者が所望する閲覧者１０１の操作を惹起するための所定のメッセージを出力することができる。メッセージ出力制御システム２００は、例えば、サイトの閲覧傾向に基づき、サイトから離脱するタイミングを推定することができ、サイトからの離脱を先延ばしする情報を出力することができる。また、メッセージ出力制御システム２００は、例えば、サイトの閲覧傾向に基づき、購入ボタンをクリックする閲覧傾向があれば、購入を後押しする情報を出力することができ、購入を促進することができる。

また、メッセージ出力制御システム２００は、閲覧者１０１の閲覧傾向に合わせた、閲覧者１０１にとって好ましいタイミングで、閲覧者１０１にとって有用と判断される情報を含む所定のメッセージを出力することができる。メッセージ出力制御システム２００は、例えば、閲覧者１０１の閲覧傾向から閲覧者１０１が次に閲覧しそうなページのリンクを出力することができ、閲覧者１０１を支援し、サイトの利便性の向上を図ることができる。また、メッセージ出力制御システム２００は、例えば、購入ボタンをクリックする閲覧傾向がない閲覧者１０１に、購入を後押しするための情報を出力せず、閲覧者１０１に煩わしさや不快感を与えづらくし、処理量の増大化を抑制することができる。

また、メッセージ出力制御システム２００は、リアルタイムに、所定のメッセージの出力要否を判定することができる。メッセージ出力制御システム２００は、例えば、リアルタイムに変化する閲覧者１０１の閲覧傾向に基づいて、所定のメッセージを好ましいタイミングで出力しやすくすることができる。

また、メッセージ出力制御システム２００は、サイトの種類や閲覧者１０１に依存せずに利用可能であるモデルパターンに基づいて、所定のメッセージの出力要否を判定することができる。このため、メッセージ出力制御システム２００は、サイトの種類や閲覧者１０１を特定しなくてもよく、様々なサイトを閲覧する閲覧者１０１に対して所定のメッセージの出力要否を判定する際に適用することができる。

また、メッセージ出力制御システム２００は、閲覧者１０１のクリックやスクロールなどの操作に関する特徴量を用いることができる。このため、メッセージ出力制御システム２００は、サイトを閲覧する際に固有である閲覧者１０１の特徴に合わせて、所定のメッセージを出力するか否かを判定することができる。また、メッセージ出力制御システム２００は、閲覧者１０１の属性などを取得しない場合にも適用することができる。

また、メッセージ出力制御システム２００は、リアルタイムに、所定のメッセージを出力したことに応じて、閲覧者１０１の操作にどのような影響があったかを考慮して、施策実施条件を更新することができる。このため、メッセージ出力制御システム２００は、所定のメッセージを出力することにより、サイトの提供者が所望する閲覧者１０１の操作を惹起する確率の向上を図ることができる。また、メッセージ出力制御システム２００は、閲覧者１０１にとって好ましいタイミングで所定のメッセージを出力する確率の向上を図ることができる。

（学習処理手順）
次に、図１９を用いて、メッセージ出力制御装置１００が実行する、学習処理手順の一例について説明する。学習処理は、例えば、図３に示したＣＰＵ３０１と、メモリ３０２や記録媒体３０５などの記憶領域と、ネットワークＩ／Ｆ３０３とによって実現される。

図１９は、学習処理手順の一例を示すフローチャートである。図１９において、メッセージ出力制御装置１００は、閲覧者１０１の操作ログを取得する（ステップＳ１９０１）。

次に、メッセージ出力制御装置１００は、取得した閲覧者１０１の操作ログに基づいて、操作の特徴量を算出する（ステップＳ１９０２）。そして、メッセージ出力制御装置１００は、算出した操作の特徴量に基づいて、閲覧者１０１のモデルパターン１０４を生成する（ステップＳ１９０３）。

次に、メッセージ出力制御装置１００は、閲覧者１０１のモデルパターン１０４のパラメータを端末装置１０２に送信する（ステップＳ１９０４）。そして、メッセージ出力制御装置１００は、施策実施条件を端末装置１０２に送信する（ステップＳ１９０５）。その後、メッセージ出力制御装置１００は、学習処理を終了する。これにより、メッセージ出力制御装置１００は、モデルパターンを生成し、所定のメッセージの出力要否を判定可能にすることができる。

（表示処理手順）
次に、図２０を用いて、端末装置１０２が実行する、表示処理手順の一例について説明する。表示処理は、例えば、図４に示したＣＰＵ４０１と、メモリ４０２や記録媒体４０５などの記憶領域と、ネットワークＩ／Ｆ４０３とによって実現される。

図２０は、表示処理手順の一例を示すフローチャートである。図２０において、端末装置１０２は、閲覧者１０１のモデルパターン１０４のパラメータと施策実施条件とをメッセージ出力制御装置１００から受信する（ステップＳ２００１）。

次に、端末装置１０２は、閲覧者１０１の操作ログを取得する（ステップＳ２００２）。そして、端末装置１０２は、取得した閲覧者１０１の操作ログをメッセージ出力制御装置１００に送信する（ステップＳ２００３）。

次に、端末装置１０２は、閲覧者１０１の操作ログに基づいて、操作の特徴量を算出する（ステップＳ２００４）。そして、端末装置１０２は、算出した操作の特徴量と、受信した閲覧者１０１のモデルパターン１０４とを比較し、目的変数の値を算出する（ステップＳ２００５）。

次に、端末装置１０２は、算出した目的変数の値に基づいて、受信した施策実施条件を満たすか否かを判定する（ステップＳ２００６）。ここで、施策実施条件を満たさない場合（ステップＳ２００６：Ｎｏ）、端末装置１０２は、ステップＳ２００２の処理に移行する。一方で、施策実施条件を満たす場合（ステップＳ２００６：Ｙｅｓ）、端末装置１０２は、ステップＳ２００７の処理に移行する。

ステップＳ２００７では、端末装置１０２は、出力する画像をメッセージ出力制御装置１００から取得する（ステップＳ２００７）。次に、端末装置１０２は、取得した画像を出力する（ステップＳ２００８）。そして、端末装置１０２は、施策実施結果をメッセージ出力制御装置１００に送信する（ステップＳ２００９）。その後、端末装置１０２は、表示処理を終了する。これにより、端末装置１０２は、所定のメッセージを出力することができる。

（更新処理手順）
次に、図２１を用いて、メッセージ出力制御装置１００が実行する、更新処理手順の一例について説明する。更新処理は、例えば、図３に示したＣＰＵ３０１と、メモリ３０２や記録媒体３０５などの記憶領域と、ネットワークＩ／Ｆ３０３とによって実現される。

図２１は、更新処理手順の一例を示すフローチャートである。図２１において、メッセージ出力制御装置１００は、施策実施結果を端末装置１０２から受信する（ステップＳ２１０１）。次に、メッセージ出力制御装置１００は、施策実施条件ごとに評価値を算出する（ステップＳ２１０２）。

そして、メッセージ出力制御装置１００は、既存の施策実施条件とは異なる他の施策実施条件の評価値が既存の施策実施条件の評価値以上であるか否かを判定する（ステップＳ２１０３）。ここで、既存の施策実施条件の評価値未満である場合（ステップＳ２１０３：Ｎｏ）、メッセージ出力制御装置１００は、更新処理を終了する。一方で、既存の施策実施条件の評価値以上である場合（ステップＳ２１０３：Ｙｅｓ）、メッセージ出力制御装置１００は、ステップＳ２１０４の処理に移行する。

ステップＳ２１０４では、メッセージ出力制御装置１００は、規定の施策実施条件を評価値が最大になる施策実施条件に更新する（ステップＳ２１０４）。そして、メッセージ出力制御装置１００は、更新処理を終了する。これにより、メッセージ出力制御装置１００は、所定のメッセージを出力することにより、サイトの提供者が所望する閲覧者の操作を惹起する確率の向上を図ることができる。また、メッセージ出力制御装置１００は、閲覧者にとって好ましいタイミングで所定のメッセージを出力する確率の向上を図ることができる。

以上説明したように、メッセージ出力制御装置１００によれば、サイトにおける閲覧者１０１の操作の履歴に基づいて、モデルパターン１０４を生成することができる。メッセージ出力制御装置１００によれば、受け付けた閲覧者１０１の操作に関する特徴量と、生成したモデルパターン１０４とを比較した結果に基づいて、所定の操作に関する所定のメッセージの出力要否を判定する制御を行うことができる。これにより、メッセージ出力制御装置１００は、どのような操作を受け付けたタイミングで、所定のメッセージを出力すればよいかを判定可能にすることができる。このため、メッセージ出力制御装置１００は、リアルタイムに、閲覧者１０１の操作を受け付ける都度、所定のメッセージを出力するか否かを判定可能にすることができ、閲覧者１０１に対して所定のメッセージを出力するタイミングを判定可能にすることができる。メッセージ出力制御装置１００は、例えば、サイトの閲覧者１０１ごとに、サイトを閲覧する速度やサイトを閲覧する目的などが異なっても、所定のメッセージを出力するタイミングを判定可能にすることができる。

メッセージ出力制御装置１００によれば、生成したモデルパターン１０４を示す情報を、閲覧者１０１の端末装置１０２に送信することにより、端末装置１０２に出力要否を判定させる制御を行うことができる。これにより、メッセージ出力制御装置１００は、端末装置１０２に出力要否を判定させ、自装置と端末装置１０２との通信量の増大化を抑制し、自装置と端末装置１０２との負荷の増大化を抑制することができる。また、メッセージ出力制御装置１００は、自装置と端末装置１０２との間の通信待ち時間を削減し、端末装置１０２が所定のメッセージを出力する速度の向上を図ることができる。また、メッセージ出力制御装置１００は、端末装置１０２が複数ある場合、自装置に対する負荷集中を回避することができる。

メッセージ出力制御装置１００によれば、所定の操作とは異なる操作の特徴量に、サイトの閲覧度合いを示す情報を用いることができる。これにより、メッセージ出力制御装置１００は、閲覧者１０１がどの程度サイトを閲覧し、いつサイトを閲覧し終えるかに関する指標となる情報を用いて、モデルパターン１０４を生成することができる。このため、メッセージ出力制御装置１００は、端末装置１０２が、モデルパターンに基づいて、閲覧者１０１がサイトを離脱する前に所定のメッセージを出力しやすくすることができる。

メッセージ出力制御装置１００によれば、比較した結果に基づいて、所定の操作に関する特徴量の推定値を算出し、算出した推定値が所定の条件を満たす場合、所定のメッセージを出力すると判定する制御を行うことができる。これにより、メッセージ出力制御装置１００は、端末装置１０２に、所定の操作が行われるか否かを考慮して、所定のメッセージの出力要否を判定させることができる。

メッセージ出力制御装置１００によれば、現時点から離脱する操作が行われるまでの時間の推定値を算出し、算出した推定値が閾値以下である場合、所定のメッセージを出力すると判定する制御を行うことができる。これにより、メッセージ出力制御装置１００は、端末装置１０２に、閲覧者１０１がサイトを離脱する前に、所定のメッセージを出力させることができる。また、メッセージ出力制御装置１００は、閲覧者１０１がサイトを離脱するまでの時間が比較的大きいうちは、端末装置１０２に、所定のメッセージを出力させないことができる。このため、メッセージ出力制御装置１００は、閲覧者１０１が煩わしさなどを感じづらくした上で、好ましいタイミングで閲覧者１０１に所定のメッセージを出力することができる。

メッセージ出力制御装置１００によれば、現時点からサイトを介した契約に関する操作が行われるまでの時間の推定値を算出し、算出した推定値が閾値以下である場合、所定のメッセージを出力すると判定する制御を行うことができる。これにより、メッセージ出力制御装置１００は、閲覧者１０１がサイトを介した契約を行うと判断される時点が近づくと、端末装置１０２に、所定のメッセージを出力させ、契約を後押しすることができる。また、メッセージ出力制御装置１００は、閲覧者１０１がサイトを介した契約を行うと判断される時点が遠いと、または、閲覧者１０１がサイトを介した契約を行わないと判断されると、端末装置１０２に、所定のメッセージを出力させないことができる。このため、メッセージ出力制御装置１００は、閲覧者１０１が煩わしさなどを感じづらくした上で、好ましいタイミングで閲覧者１０１に所定のメッセージを出力することができる。

メッセージ出力制御装置１００によれば、所定の条件に複数の候補のそれぞれの候補を設定した場合に、所定のメッセージを出力したことに応じて受け付けた閲覧者１０１の操作に基づいて、複数の候補のいずれかの候補を所定の条件に設定することができる。これにより、メッセージ出力制御装置１００は、所定のメッセージを出力することにより、サイトの提供者が所望する閲覧者１０１の操作を惹起する確率の向上を図ることができる。また、メッセージ出力制御装置１００は、閲覧者１０１にとって好ましいタイミングで所定のメッセージを出力する確率の向上を図ることができる。

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

上述した実施の形態に関し、さらに以下の付記を開示する。

（付記１）コンピュータが、
サイトにおける閲覧者の操作の履歴に基づいて、前記サイトにおける所定の操作に関する特徴量と、前記サイトにおける前記所定の操作とは異なる操作に関する特徴量との関連性を表すモデルパターンを生成し、
閲覧者の操作を受け付けた際、受け付けた前記閲覧者の操作に関する特徴量と、生成した前記モデルパターンとを比較した結果に基づいて、前記所定の操作に関する所定のメッセージの出力要否を判定する制御を行う、
処理を実行することを特徴とするメッセージ出力制御方法。

（付記２）前記制御は、生成した前記モデルパターンを示す情報を、前記閲覧者の端末装置に送信することにより、前記端末装置に前記出力要否を判定させる制御である、ことを特徴とする付記１に記載のメッセージ出力制御方法。

（付記３）前記異なる操作の特徴量は、サイトの閲覧度合いを示す情報である、ことを特徴とする付記１または２に記載のメッセージ出力制御方法。

（付記４）前記制御は、前記結果に基づいて、前記所定の操作に関する特徴量の推定値を算出し、算出した前記推定値が所定の条件を満たす場合、前記所定のメッセージを出力すると判定する制御である、ことを特徴とする付記１〜３のいずれか一つに記載のメッセージ出力制御方法。

（付記５）前記所定の操作は、前記サイトから離脱する操作であり、
前記所定の操作に関する特徴量は、前記所定の操作までの時間であり、
前記制御は、前記所定の操作までの時間の推定値を算出し、算出した前記推定値が閾値以下である場合、前記所定のメッセージを出力すると判定する制御である、ことを特徴とする付記４に記載のメッセージ出力制御方法。

（付記６）前記所定の操作は、前記サイトを介した契約に関する操作であり、
前記所定の操作に関する特徴量は、前記所定の操作までの時間であり、
前記制御は、前記所定の操作までの時間の推定値を算出し、算出した前記推定値が閾値以下である場合、前記所定のメッセージを出力すると判定する制御である、ことを特徴とする付記４に記載のメッセージ出力制御方法。

（付記７）前記コンピュータが、
前記所定の条件に複数の候補のそれぞれの候補を設定した場合に、前記所定のメッセージを出力したことに応じて受け付けた前記閲覧者の操作に基づいて、前記複数の候補のいずれかの候補を前記所定の条件に設定する、処理を実行することを特徴とする付記４〜６のいずれか一つに記載のメッセージ出力制御方法。

（付記８）コンピュータに、
サイトにおける閲覧者の操作の履歴に基づいて、前記サイトにおける所定の操作に関する特徴量と、前記サイトにおける前記所定の操作とは異なる操作に関する特徴量との関連性を表すモデルパターンを生成し、
閲覧者の操作を受け付けた際、受け付けた前記閲覧者の操作に関する特徴量と、生成した前記モデルパターンとを比較した結果に基づいて、前記所定の操作に関する所定のメッセージの出力要否を判定する制御を行う、
処理を実行させることを特徴とするメッセージ出力制御プログラム。

（付記９）サイトにおける閲覧者の操作の履歴に基づいて、前記サイトにおける所定の操作に関する特徴量と、前記サイトにおける前記所定の操作とは異なる操作に関する特徴量との関連性を表すモデルパターンを生成し、
閲覧者の操作を受け付けた際、受け付けた前記閲覧者の操作に関する特徴量と、生成した前記モデルパターンとを比較した結果に基づいて、前記所定の操作に関する所定のメッセージの出力要否を判定する制御を行う、
制御部を有することを特徴とするメッセージ出力制御装置。

１００ メッセージ出力制御装置
１０１ 閲覧者
１０２ 端末装置
１０３ ＤＢ
１０４ モデルパターン
２００ メッセージ出力制御システム
２０１ ウェブサーバ
２１０ ネットワーク
３００，４００ バス
３０１，４０１ ＣＰＵ
３０２，４０２ メモリ
３０３，４０３ ネットワークＩ／Ｆ
３０４，４０４ 記録媒体Ｉ／Ｆ
３０５，４０５ 記録媒体
４０６ ディスプレイ
４０７ 入力装置
５００ 記憶部
５０１ 取得部
５０２ 生成部
５０３ 判定部
５０４ 出力部
７１０，７２０，１４００，１５００，１６００ 表
７１１，７１２，７２１，７２２，１４０１，１４０２，１５０１，１５０２，１６０１，１６０２ 線分
９０１，９０２，１０００ 一覧
１１００ 特徴量テーブル
１２００ 決定木モデル
１２０１〜１２０６ 条件ノード
１２１１〜１２１７ 葉ノード
１８００ 購入率テーブル

Claims (7)

1. コンピュータが、
   サイトにおける閲覧者の操作の履歴に基づいて、前記サイトにおける所定の操作に関する特徴量と、前記サイトにおける前記所定の操作とは異なる操作に関する特徴量との関連性を表すモデルパターンを生成し、
   閲覧者の操作を受け付けた際、受け付けた前記閲覧者の操作に関する特徴量と、生成した前記モデルパターンとを比較した結果に基づいて、前記所定の操作に関する所定のメッセージの出力要否を判定する制御を行う、
   処理を実行することを特徴とするメッセージ出力制御方法。
2. 前記制御は、生成した前記モデルパターンを示す情報を、前記閲覧者の端末装置に送信することにより、前記端末装置に前記出力要否を判定させる制御である、ことを特徴とする請求項１に記載のメッセージ出力制御方法。
3. 前記異なる操作の特徴量は、サイトの閲覧度合いを示す情報である、ことを特徴とする請求項１または２に記載のメッセージ出力制御方法。
4. 前記制御は、前記結果に基づいて、前記所定の操作に関する特徴量の推定値を算出し、算出した前記推定値が所定の条件を満たす場合、前記所定のメッセージを出力すると判定する制御である、ことを特徴とする請求項１〜３のいずれか一つに記載のメッセージ出力制御方法。
5. 前記コンピュータが、
   前記所定の条件に複数の候補のそれぞれの候補を設定した場合に、前記所定のメッセージを出力したことに応じて受け付けた前記閲覧者の操作に基づいて、前記複数の候補のいずれかの候補を前記所定の条件に設定する、処理を実行することを特徴とする請求項４に記載のメッセージ出力制御方法。
6. コンピュータに、
   サイトにおける閲覧者の操作の履歴に基づいて、前記サイトにおける所定の操作に関する特徴量と、前記サイトにおける前記所定の操作とは異なる操作に関する特徴量との関連性を表すモデルパターンを生成し、
   閲覧者の操作を受け付けた際、受け付けた前記閲覧者の操作に関する特徴量と、生成した前記モデルパターンとを比較した結果に基づいて、前記所定の操作に関する所定のメッセージの出力要否を判定する制御を行う、
   処理を実行させることを特徴とするメッセージ出力制御プログラム。
7. サイトにおける閲覧者の操作の履歴に基づいて、前記サイトにおける所定の操作に関する特徴量と、前記サイトにおける前記所定の操作とは異なる操作に関する特徴量との関連性を表すモデルパターンを生成し、
   閲覧者の操作を受け付けた際、受け付けた前記閲覧者の操作に関する特徴量と、生成した前記モデルパターンとを比較した結果に基づいて、前記所定の操作に関する所定のメッセージの出力要否を判定する制御を行う、
   制御部を有することを特徴とするメッセージ出力制御装置。

Images