JP6978134B1 - 未開拓ニーズ情報収集方法、プログラム、およびシステム - Google Patents

Abstract

【課題】未開拓ニーズに関する情報を収集する技術を提供する。【解決手段】コンピュータシステムが実施する未開拓ニーズ情報収集方法であって、次のステップを備える。（１）情報収集ステップ...キーワード検索を行う検索サーバからキーワードおよび検索結果のアクセスパターンを情報収集するステップ。（２）アクセス解析ステップ...検索結果のアクセスパターンに基づいて、キーワードの検索が断念された度合いを判定するステップ。（３）未開拓ニーズ判定ステップ...断念の度合いが高いと判定されたキーワード（以下「検索断念ワード」という）を選別し、検索時点で存在しない物品またはサービスの未開拓ニーズの候補と判定するステップ。（４）未開拓ニーズ出力ステップ...未開拓ニーズの候補と判定された検索断念ワードに基づいて、未開拓ニーズに関する情報を出力するステップ。【選択図】図５

Description

本発明は、未開拓ニーズに関する情報収集の方法、プログラム、およびシステムに関する。

従来、ユーザのキーワード検索に連動して、使用されたキーワードに基づくユーザの潜在ニーズを検出し、その潜在ニーズに適応する広告を表示する広告システムが知られている。

また、特許文献１の段落０００７〜０００８には、「いまだホームページを作成していない会社等であっても、関連するキーワード検索によるリンクのアクセス数をカウントすることによって、そのアクセス数が多いほど潜在ニーズが高いと推定する」旨の技術が開示される。

特開２００１−３１２５１８号公報

従来の広告システムは、既存の物品やサービスについて、関連するキーワードの検索に基づいて潜在ニーズを検出する技術である。

また、特許文献１の技術は、いまだホームページを作成していない会社である点を除けば、関連するキーワードの検索に基づいて潜在ニーズを検出している点で同様の技術である。

このように既に存在する物品やサービスであれば、キーワード検索に使用される関連キーワードを事前に想定して潜在ニーズを検出することができる。

一方、本発明では、世間にまだ存在せず、かつ潜在ニーズを有する有望な物品やサービスについて、プランナー（企画者、設計開発者、事業者、その集団など）が着想のヒントを得ようとするケースについて考える。

このような着想前の物品やサービスについては、白紙の状態に近いため、関連するキーワードを予め想定することができない。そのため、従来のキーワード検索を用いた潜在ニーズの検出方法では、着想前の未知の物品やサービスに対する潜在ニーズ（以下「未開拓ニーズ」という）を探ることができないという限界があった。

そこで、本発明は、現時点で存在しない物品やサービスについて、未開拓ニーズに関する情報を収集する技術を提供することを目的とする。

上記課題の少なくとも一つを解決するために、本発明の代表的な未開拓ニーズ情報収集方法は、コンピュータシステムが実施する情報収集方法であって、以下の複数ステップ（情報収集ステップ、アクセス解析ステップ、未開拓ニーズ判定ステップ、および未開拓ニーズ出力ステップ）を備える。

前記情報収集ステップは、キーワード検索を行う検索サーバから「検索に使用されたキーワード」および「前記キーワードの検索結果に対する検索ユーザのアクセスパターン」を情報収集する。

前記アクセス解析ステップは、前記アクセスパターンに基づいて、前記キーワードの検索が断念された度合いを判定する。

前記未開拓ニーズ判定ステップは、前記度合いが高いと判定された前記キーワード（以下「検索断念ワード」という）を選別し、検索時点で存在しない物品またはサービスの未開拓ニーズの候補と判定する。

前記未開拓ニーズ出力ステップは、前記未開拓ニーズの候補と判定された前記検索断念ワードに基づいて、前記未開拓ニーズに関する情報を出力する。

本発明では、キーワード検索において検索が断念された度合いが高いと判定される検索断念ワードに着目する。この検索断念ワードは、検索ユーザが検索行動をしていることから、一定の潜在ニーズが市場に存在すると推定される。その一方で、検索断念ワードは、検索ユーザが結果的に検索を断念した度合いが高いことから、検索時点において存在しない未開拓市場である可能性が高い。この二点によれば、検索断念ワードは、未知の未開拓ニーズの候補（プランナーが未開拓ニーズを着想する際の出発点のヒントになりうるもの）である。

したがって、本発明によれば、現時点で存在しない商品やサービスについて、未開拓ニーズに関する情報収集が実現する。

なお、上記していない具体的な課題、構成および効果の詳細については、後述する実施形態の説明において詳しく説明される。

図１は、未開拓ニーズ情報収集システム１００の構成を示すブロック図である。 図２は、機械学習モデル３００Ｅを説明するブロック図である。 図３は、未開拓ニーズ情報収集方法の各ステップを説明する流れ図（１／２）である。 図４は、未開拓ニーズ情報収集方法の各ステップを説明する流れ図（２／２）である。 図５は、未開拓ニーズ情報収集方法におけるデータの主な流れを説明する図である。

以下、図面を参照して、本発明の実施例を説明する。

《実施例１の全体構成》
図１は、未開拓ニーズ情報収集システム１００の構成を示すブロック図である。
同図において、未開拓ニーズ情報収集システム１００は、情報収集部１１０、アクセス解析部１２０、未開拓ニーズ判定部１３０、および未開拓ニーズ出力部１４０を備える。
この内、アクセス解析部１２０は、複数の解析モジュールとして、回数解析部１２１、時間解析部１２２、学習解析部１２３、および機械学習モデル３００Ｅなどを備える。

また、未開拓ニーズ判定部１３０は、複数の判定モジュールとして、需要判定部１３１、流行判定部１３２、キャラクタ判定部１３３、および確度評価部１３９などを備える。

さらに、未開拓ニーズ出力部１４０は、処理モジュールの一つとして、ジャンル分類部１４１や選別ツール１４２などを備える。

上述した情報収集部１１０は、キーワード検索を行う検索サーバ２００から「キーワード」や「アクセスパターン」や「ヒット件数」などの情報を収集する。

アクセス解析部１２０は、情報収集部１１０が情報収集したアクセスパターンに基づいて、検索ユーザがキーワード検索を途中で断念し、検索ユーザの望んだ検索結果が結果的に得られなかったと推測される度合いを判定する。

アクセス解析部１２０は、このキーワード検索が途中で断念された度合いを、複数の解析モジュール（回数解析部１２１、時間解析部１２２、学習解析部１２３など）によって多面的に解析する。

例えば、回数解析部１２１は、検索ユーザが検索結果に対してアクセス操作を何回試行したかをアクセスパターンとして情報収集し、その試行回数に応じて検索ユーザがキーワードの検索を断念した度合いを解析する。

また、時間解析部１２２は、検索ユーザが検索結果のアクセス先に滞在して検索結果の画面に戻るまでの滞在時間をアクセスパターンとして情報収集し、その滞在時間に応じて検索ユーザがキーワードの検索を断念した度合いを解析する。

さらに、学習解析部１２３は、機械学習モデル３００Ｅにアクセスパターンを入力することによって、検索ユーザがキーワードの検索を断念した度合いを解析する。この機械学習モデル３００Ｅの詳細については、後述する。

未開拓ニーズ判定部１３０は、アクセス解析部１２０によって検索を断念した度合いが高いと判定されたキーワードを、検索断念ワードとして選別する。未開拓ニーズ判定部１３０は、この検索断念ワードを検索時点で存在しない物品またはサービスの未開拓ニーズの第１次候補Ｗ０２（図５参照）とする。

さらに、未開拓ニーズ判定部１３０は、この未開拓ニーズの第１次候補Ｗ０２を、複数の判定モジュール（需要判定部１３１、流行判定部１３２、キャラクタ判定部１３３、確度評価部１３９など）によって多面的に判定する。この多面的な判定によって、未開拓ニーズ判定部１３０は、第１次候補Ｗ０２から未開拓ニーズの有望な候補をさらに絞る。

例えば、需要判定部１３１は、キーワード検索における検索断念ワードの出現頻度を判定する。需要判定部１３１は、出現頻度が高いと判定された検索断念ワードを、「多数の検索ユーザが検索している」や「検索が何度も繰り返されている」などの想定によって、「需要の大きな未開拓ニーズ」の有望候補と判定する。

また、流行判定部１３２は、キーワード検索における検索断念ワードの出現頻度を経時的に観測する。流行判定部１３２は、出現頻度の上昇率が偶発的な増減を超えて有意に上昇し始めた検索断念ワードを、「多数の検索ユーザが急に検索し始める」や「検索の繰り返し回数が急に増える」などの想定によって、「流行性の高い未開拓ニーズ」の有望候補と判定する。ここで「有意に上昇し始めた」とは、確率的に偶然とは考えにくく原因があると推定される上昇（例えば、偶発を超える上昇率や、上昇が継続とみなせる程度の上昇頻度など）を指す。

さらに、キャラクタ判定部１３３は、キーワード検索における検索断念ワードが「キャラクタ関連の名称」と「物品の名称」との組み合わせであるか否かを判定する。キャラクタ判定部１３３は、このような組み合わせの検索断念ワードを、「キャラクタ関連を表記または模した物品について需要がある」などの想定によって、「キャラクタ関連の未開拓ニーズ」の有望候補と判定する。

また、確度評価部１３９は、未開拓ニーズの候補として判定された検索断念ワードについて、出現頻度が高いにもかかわらず、キーワード検索のヒット件数が少ないという尺度で評価を行う。確度評価部１３９は、この尺度に基づいて「出現頻度が高く需要があるのに、検索してもヒット件数が少ないことから検索時点で社会全般に周知されていない」などの想定によって、検索断念ワードの「未開拓の確からしさ（確度）」を「検索断念の度合い」とは異なる軸で評価する。

未開拓ニーズ出力部１４０は、未開拓ニーズの候補と判定された検索断念ワードに基づく上述した情報処理の分析結果を、検索断念ワードのテキストや、さらには検索断念ワードを参照しながら説明するリストや図や表や画像などの情報形態で外部（プランナーのコンピュータなど）に出力する。また、検索断念ワードを辞書照合や機械学習技術を用いてテキスト処理や画像生成処理や３Ｄ処理してもよい。

一例として、キャラクタ関連の未開拓ニーズについては、「キャラクタ関連を表記または模した物品」などの具体的な表現によって出力を行う。
例えば、キャラクタ関連の名称や物品の名称を辞書照合や機械学習技術で処理して、特徴データ（例えば、キャラクタ関連を象徴する髪型や顔や変身グッズやパターン模様など）を抽出する。その特徴データをＡＩ技術などによって物品の情報データと組み合わせることによって、キャラクタ関連を象徴する物品（一例としてキャラクタ関連を象徴する髪型や顎の形や虫眼鏡などを表記または模した風呂桶）を文章表示や画像表示や３Ｄプリンタなどの技術で情報出力する。

未開拓ニーズ出力部１４０内のジャンル分類部１４１は、未開拓ニーズの候補と判定された検索断念ワードを複数のジャンル（食品分野、ファッション分野など）に分類することによって、未開拓ニーズの情報出力をジャンル別に行う。

さらに、プランナーが特定の速報ジャンルをジャンル分類部１４１に予め登録設定しておくこともできる。この場合、ジャンル分類部１４１は、速報ジャンルに分類された検索断念ワードが出現した時点で、その未開拓ニーズについての情報をプランナーに（例えばアラート警報付きで）速報する。

一方、未開拓ニーズ出力部１４０内の選別ツール１４２は、プランナーが入力または事前設定した選別条件に従って、未開拓ニーズの候補を選りすぐって情報を出力する。

《機械学習モデル３００Ｅの構成》
次に、機械学習モデル３００Ｅについて説明する。
図２は、機械学習モデル３００Ｅを説明するブロック図である。
図２の上段において、機械学習モデル３００Ｅは、入力層３１０、ニューラルネットワーク３２０、および出力層３３０を備える。

入力層３１０は、アクセスパターンの格納に必要な数のノードを有する。
ここでのアクセスパターンは、例えば、図２の下段に示すような複数の遷移状態Ｓ，Ａ１〜Ａｎ，Ｅを標本時間の時間順に並べたシリアルデータである。
この遷移状態Ｓ，Ａ１〜Ａｎ，Ｅは、次の意味を示す。

（１）遷移状態Ｓは、検索ユーザがキーワード検索によって表示される検索結果の一覧画面に滞留している状態である。

（２）遷移状態Ａは、検索ユーザが検索結果のリンクにアクセスしてアクセス先に滞留している状態である。なお、遷移状態Ａには、検索結果のリストの上位から何番目（１〜ｎ番目）のリンクにアクセスしたかを示す添え字が付与されることによって、ｎ種類の遷移状態Ａ１〜Ａｎに拡張される。

（３）遷移状態Ｅは、検索ユーザが検索結果の一覧画面から退去して、検索サーバ２００によるキーワード検索を終了した状態である。

なお、遷移状態Ａ１〜Ａｎは、あくまでも検索結果の上位何番目にアクセスしたかを示すものであって、検索ユーザがどのようなリンクＵＲＬにアクセスしたかといった具体的な個人行動を示すものでないことがプライバシーポリシーの観点から好ましい。

ニューラルネットワーク３２０は、アクセスパターンの処理に適する層数だけニューロン層を結合（例えば全結合）して構成される。

ニューラルネットワーク３２０は、「学習用アクセスパターン」と「その学習用アクセスパターンが断念か否かを示す教師値」とのデータセット群からなる学習データによって機械学習（例えば、誤差逆伝搬法に従ったニューロンごとの係数の順次補正など）が行われる。

このような機械学習を何度も繰り返すことによって、シリアル化されたアクセスパターンを入力層３１０に入力すると、各層のニューロン層には、検索ユーザがキーワード検索を断念したか否かに反応する活性化パターンが連鎖的に発生して伝搬するようになる。この活性化パターンの連鎖反応によって、最終層のニューロン層には、キーワード検索を断念した度合いを集約した１つまたは複数のノード出力（活性化値）が得られる。

出力層３３０は、最終層のノード出力を処理することによって、キーワード検索を断念した度合い（尤度や確率など）を生成する。

ここでは、機械学習モデル３００Ｅの基本構成を一例として説明したが、アクセスパターンの設計仕様に合わせて基本構成を並列ないし途中分岐にして複数系統の組み合わせや絡み合わせなどにしてもよい。また、途中に過去のニューロンの状態を保持する層を設けることにより、時間軸方向の履歴（人間でいえば短記憶に相当）を利用した時間経過の影響を含むニューロン処理を可能にしてもよい。

《コンピュータシステムによる未開拓ニーズ情報収集システム１００の実現について》
上述した未開拓ニーズ情報収集システム１００は、ハードウェアとしてＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やメモリなどを備えたコンピュータシステムとして構成してもよい。このハードウェアがコンピュータ可読媒体に記憶された「未開拓ニーズ情報収集プログラム」を実行することによって、未開拓ニーズ情報収集システム１００の上述した各部の機能が実現する。その結果、コンピュータシステムは、後述する「未開拓ニーズ情報収集方法」のステップ動作を実行する。

このハードウェアの一部または全部については、専用の装置、機械学習マシン、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＰＬＤ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅ）などで代替してもよい。

また、ハードウェアやプログラムの一部または全部をネットワーク上のサーバに集中または分散してクラウドシステムを構成することによって、複数のクライアント端末に対して未開拓ニーズの情報収集サービスを提供してもよい。

《未開拓ニーズ情報収集方法のステップ説明》
図３および図４は、未開拓ニーズ情報収集方法の各ステップを説明する流れ図である。
図５は、未開拓ニーズ情報収集方法におけるデータの流れを説明する図である。
以下、図３〜図５に基づいて、未開拓ニーズ情報収集方法の動作手順を説明する。

ステップＳ１０１： 検索サーバ２００は、インターネットなどの広域通信網において、多数の検索ユーザに対して、キーワード検索のサービスを提供する。情報収集部１１０は、単一または複数の検索サーバ２００が保持する検索履歴に関するデータにアクセスして、検索ユーザがキーワード検索に際して承認したプライバシーポリシーの範囲で情報収集を行う。

この情報収集において、情報収集部１１０は、検索サーバ２００にデータ蓄積された次のデータ群などを定期的に取得する。
・検索に使用されたキーワード（単独や組み合わせや検索式など）
・キーワードの検索結果に対する検索ユーザのアクセスパターン
・キーワード検索のヒット件数
・検索ユーザのＩＰアドレス（またはＩＰアドレスに基づく国や地域の情報）
図５に示す定期取得データＷ０１は、これらの取得データに相当する。

ステップＳ１０２： アクセス解析部１２０は、検索結果に対する検索ユーザのアクセスパターンに基づいて、検索ユーザが望んだ検索結果が得られずにキーワード検索を断念した度合いを解析モジュールで解析する。

なお、アクセス解析部１２０は、アクセス先においてリンク切れや表示不可などのエラー事象が発生していたことを検出すると、「物理的なエラー事象に対するアクセスパターンは、検索ユーザの心理的な検索断念とは必ずしもいえない」との想定に基づいて、検出されたエラー事象をアクセスパターンから除く。

まず、回数解析部１２１は、アクセスパターンとして検索結果のリンクへのアクセス操作の試行回数を取得し、その試行回数に基づいて断念の度合いを解析する。

例えば、回数解析部１２１は、アクセス操作の試行回数がゼロであれば、「検索ユーザは検索結果の一覧画面を一瞥して所望の検索結果が得られずに検索結果に一度もアクセスしなかった」との想定に基づいて、断念した度合いが高いと解析する。

また、回数解析部１２１は、断念したと想定できる試行回数の上限値を所定回数Ｎとして定め、この所定回数Ｎ以下の試行回数で検索結果の一覧画面に戻った場合に「検索ユーザは検索結果に数回程度アクセスしたがすぐに諦めた」との想定に基づいて、断念した度合いが高いと解析する。

一方、時間解析部１２２は、アクセスパターンとして検索ユーザがアクセス先に滞在して検索結果の一覧画面に戻るまでの時間を取得し、その滞在時間に基づいて断念の度合いを解析する。

例えば、時間解析部１２２は、断念したと想定できる滞在時間の上限値を所定時間Ｔとして定め、この所定時間Ｔ以下の滞在時間でアクセス先から検索結果の一覧画面に戻った場合に「検索ユーザはアクセス先を一瞥してすぐに諦めた」との想定に基づいて、断念した度合いが高いと解析する。

なお、時間解析部１２２は、複数のアクセス先がある場合、複数のアクセス先の滞在時間について代表値（平均時間、最長時間、最短時間、中間値、または最頻値など）を求め、代表値が所定時間Ｔ以下の場合に断念した度合いが高いと解析する。

さらに、学習解析部１２３は、機械学習モデル３００Ｅを使用することで、試行回数や滞在時間では単純に解析できない複雑なアクセスパターンを解析する。一般に、断念した場合のアクセスパターンには個人差を除けば所定の傾向が存在する。そこで、「学習用アクセスパターン」と「断念か否かの教師値」とのデータセット群からなる学習データによって機械学習モデル３００Ｅを機械学習する。この機械学習を繰り返すことによって、機械学習モデル３００Ｅは、断念した場合の所定の傾向に反応して、断念した度合いを弁別出力するようになる。その結果、学習解析部１２３が、検索サーバ２００から得たアクセスパターンを機械学習モデル３００Ｅに入力することによって、検索ユーザがキーワードの検索を断念した度合いを解析することが可能になる。

ステップＳ１０３： 未開拓ニーズ判定部１３０は、アクセス解析部１２０が解析した断念の度合いでキーワードを並べ替えたり、断念の度合いを代表値（断念の度合いの平均値、中央値、最頻値など）と比較したり、などの相対比較によって判定する。
また、未開拓ニーズ判定部１３０は、断念の度合いをキーワードごとに閾値判定するなどの絶対比較によって判定する。
さらに、未開拓ニーズ判定部１３０は、キーワードを使用した検索ユーザの内で断念した検索ユーザの占める割合の高さや、偏り具合などをキーワードごとに統計的に判定する。
未開拓ニーズ判定部１３０は、これらの判定の結果、断念した度合いが高いと判定されたキーワードを「検索断念ワード」として選別する。

このように選別された検索断念ワードが、図５に示す未開拓ニーズの第１次候補Ｗ０２になる。

ステップＳ１０４： 需要判定部１３１は、未開拓ニーズの第１次候補Ｗ０２に選別された検索断念ワードについて、キーワード検索における出現頻度を求める。ここでの出現頻度の母集団については、最新の定期取得データＷ０１では標本数が足りない場合に、過去の定期取得データＷ０１にまで遡って拡大することが好ましい。

需要判定部１３１は、偶々や気まぐれで検索された境界域としての頻度Ｆを定め、この頻度Ｆ以上の出現頻度を示す検索断念ワードを「需要の大きな（需要の見込める）未開拓ニーズの候補群Ｗ０３（図５参照）」に分類する。なお、頻度Ｆについては、目標販売数や目標売上げや損益分岐点などの要素を含めて高めに定めてもよい。

ステップＳ１０５： 流行判定部１３２は、未開拓ニーズの第１次候補Ｗ０２に選別された検索断念ワードについて出現頻度の上昇率を過去から現在まで経時的に求める。

流行判定部１３２は、出現頻度の偶発的な増減を示す境界域の上昇率Ｒを定め、この上昇率Ｒの境界域を超えて有意に上昇し始めた検索断念ワードを「流行性の高い未開拓ニーズの候補群Ｗ０４（図５参照）」に分類する。

なお、流行判定部１３２は、出現頻度の偶発的な"上昇頻度"を定め、この偶発的な上昇頻度を超えた場合に"継続的に"上昇し始めた検索断念ワードと判定して「流行性の高い未開拓ニーズの候補群Ｗ０４（図５参照）」に分類してもよい。

ステップＳ１０６： キャラクタ判定部１３３は、未開拓ニーズの第１次候補Ｗ０２に選別された検索断念ワードについて辞書照合や機械学習技術などを用いてテキスト解析を行い、「キャラクタ関連の名称」と「物品の名称」との組み合わせであるか否かを判定する。

ここで「キャラクタ関連の名称」とは、実在または架空のキャラクタを連想させる名称を指す。例えば、狭義の「キャラクタ関連の名称」は、著名なキャラクタの本名や架空名に相当する。さらに広義の「キャラクタ関連の名称」には、キャラクタが出演する番組や映画や漫画や舞台やスポーツやショーや大会などのタイトルやスローガンや団体名なども含まれる。

キャラクタ判定部１３３は、「キャラクタ関連の名称」と「物品の名称」との組み合わせと判定した検索断念ワードを「キャラクタ関連の未開拓ニーズの候補群Ｗ０５（図５参照）」に分類する。

ステップＳ１０７： さらに、未開拓ニーズ判定部１３０は、検索断念ワードを使用した検索ユーザについて、ＩＰアドレスなどに基づいて国別や地域別の分布を求める。このように検索断念ワードについて、検索ユーザの国別や地域別の分布を求めることによって、その検索断念ワードがどのような地域で求められているかといった地域情報が得られる。

ステップＳ１０８： 確度評価部１３９は、未開拓ニーズの第１次候補Ｗ０２に選別された検索断念ワードについて、検索サーバ２００からキーワード検索によって検索ヒットしたヒット件数を情報取得する。このヒット件数は、検索サーバ２００から定期的に取得した過去の定期取得データＷ０１から情報取得してもよい。さらに、確度評価部１３９の評価時点において、確度評価部１３９が検索断念ワードを検索サーバ２００で検索テストすることによって、現在の最新のヒット件数を情報取得してもよい。

ステップＳ１０９： 確度評価部１３９は、検索断念ワードの出現頻度が高いにもかかわらず、キーワード検索のヒット件数が少ないほど世間的には未周知であって「未開拓である確からしさ（確度）」が高いという評価尺度で、検索断念ワードを評価する。

例えば、確度評価部１３９は、このような未開拓の評価尺度として、第１次候補Ｗ０２に選ばれた検索断念ワードについて「出現頻度とヒット件数との間の特異性（両者の差や比や相違や開きや非相関度など）」を求めてもよい。確度評価部１３９は、この特異性が高いほど、未開拓ニーズとしての確度が高いと判定する。

ステップＳ１１０： 未開拓ニーズ出力部１４０内のジャンル分類部１４１は、検索断念ワードを辞書照合や機械学習技術などを用いてテキスト解析を行い、検索断念ワードを複数のジャンル（食品分野、ファッション分野などのプランナーが専門とするジャンル）に分類する。ジャンル分類部１４１は、ジャンル分けされた検索断念ワードに対して、ジャンル別Ｗ１０〜Ｗ１３（図５参照）をタグ付けするジャンル情報を付与する。このようなジャンル分けによって、未開拓ニーズ出力部１４０は、プランナーが所望するジャンルに分けた観点で未開拓ニーズの候補を情報出力することが可能になる。

ステップＳ１１１： ジャンル分類部１４１は、予め登録された速報ジャンルの検索断念ワードを発見したか否かを判定する。速報ジャンルの検索断念ワードを発見した場合、ジャンル分類部１４１はステップＳ１１２に動作を移行する。それ以外の場合、ジャンル分類部１４１はステップＳ１１３に動作を移行する。

ステップＳ１１２： 未開拓ニーズ出力部１４０は、速報ジャンルを予め登録（サブスクリプトの契約など）していたプランナーに対して、速報ジャンルの検索断念ワードを警報付きで遅滞少なく速報する。この速報処理の後に、未開拓ニーズ出力部１４０はステップＳ１１３に動作を移行する。

ステップＳ１１３： 未開拓ニーズ出力部１４０は、指定ジャンル（全指定も可、以下同じ）を登録（サブスクリプトの契約など）したプランナーに対して、指定ジャンルの検索断念ワードを適度に蓄積し、未開拓ニーズに関する情報として出力する。

例えば、未開拓ニーズ出力部１４０は、指定ジャンルの検索断念ワードをテキストリストの形式などでシンプルに出力する。

また、未開拓ニーズ出力部１４０は、指定ジャンルの検索断念ワードに対して、上述した分析結果（需要、流行性、キャラクタ関連、地域情報、確度など）を参照可能に付与して出力する。

さらに、未開拓ニーズ出力部１４０は、指定ジャンルの検索断念ワードに対して、上述した分析結果（需要、流行性、キャラクタ関連、地域情報、確度など）の評価に基づいて、検索断念ワードを適宜並べ替え、または選別することによって、未開拓ニーズの有望候補が分かるように出力する。

また、未開拓ニーズ出力部１４０は、検索断念ワードに対して、上述した分析結果を多軸チャートや星数表示やランキング順位などの形態で付与することによって、有望候補を分かりやすくしてもよい。

また、未開拓ニーズ出力部１４０は、プランナーに対して未開拓ニーズの候補を選別するための選別ツール１４２（選別ステップ）をサービス提供する。まず、プランナーは、この選別ツール１４２に対し選別条件（キーワード、ジャンル、需要、流行性、キャラクタ関連、地域情報、確度などの条件式や条件文）を入力または事前設定する。選別ツール１４２は、この選別条件に基づいて未開拓ニーズの候補（第１次候補Ｗ０２や各種の候補群Ｗ０３〜Ｗ０５など）を選別することによって未開拓ニーズの候補を絞る。未開拓ニーズ出力部１４０は、このように絞られた未開拓ニーズの候補を選別ツール１４２を介してプランナーに情報出力する。

ステップＳ１１４： 未開拓ニーズ出力部１４０は、検索サーバ２００の検索頻度などに応じた適応的な標本間隔で、ステップＳ１０１に戻ることによって動作を継続的に繰り返す。

以上説明した一連のステップ動作により、未開拓ニーズ情報収集方法が実行される。

《本実施例１の効果》
以下、本実施例１が奏する効果について説明する。

（１）本実施例１では、キーワード検索の検索結果に対するアクセスパターンに基づいて、検索ユーザがキーワード検索を断念した検索断念ワードを選別する。この検索断念ワードは、検索ユーザが検索行動をしていることから、一定の潜在ニーズが市場に存在すると推定される。その一方で、検索断念ワードは、検索ユーザが結果的に検索を断念したことから、検索時点において市場に存在しない未知の未開拓市場の可能性があると判断される。したがって、本実施例１は、アクセスパターンに基づいて検索断念ワードを選別することにより、検索時点において眠っている未開拓ニーズの候補（プランナーが未開拓ニーズを着想する際のヒントになりうるもの）について情報収集できるという点で優れている。

（２）一般的に、検索ユーザがキーワードの検索に断念すると、検索結果にアクセス操作する試行回数がゼロまたは所定回数Ｎ以下と少なくなる。本実施例１は、この観点に着目して、検索ユーザが検索結果にアクセス操作した試行回数に基づくことによって、キーワードの検索が断念された度合いを解析可能にするという点で優れている。

（３）また、検索ユーザがキーワードの検索に断念すると、検索結果のアクセス先に滞在して戻るまでの滞在時間が短くなる。本実施例１は、この観点に着目して、アクセス先の滞在時間に基づくことによって、キーワードの検索が断念された度合いを解析可能にするという点で優れている。

（４）さらに、検索ユーザがキーワードの検索に断念すると、検索結果のアクセスパターンに共通のパターン傾向（個人差を除いたもの）が現れる。本実施例１の機械学習モデル３００Ｅは、この共通のパターン傾向を機械学習技術によって弁別する。したがって、本実施例１は、試行回数や滞在時間からは単純に解析できない多様なアクセスパターンについてもキーワード検索の断念の度合いを解析可能にするという点で優れている。

（５）本実施例１では、検索断念ワードの出現頻度を求める。この出現頻度が高ければ高いほど、多くの人が検索しながらも検索に満足していないことから、未知の未開拓ニーズとして大きな需要が眠っていると判断できる。したがって、本実施例１は、検索断念ワードを出現頻度で分析することによって、有望な未開拓ニーズの候補に的を絞ることができるという点で優れている。

（６）本実施例１では、検索断念ワードについて出現頻度の上昇率を求める。この出現頻度の上昇率が有意に高ければ、多くの人が急に検索を始めたにもかかわらず検索に満足していない。すなわち、未知の未開拓ニーズとして大きな流行が隠れていると判断できる。したがって、本実施例１は、検索断念ワードについて出現頻度の有意な上昇を監視することによって、隠れている未開拓ニーズの流行に逸早く気付くことができるという点で優れている。

（７）一般にキャラクタ関連グッズには、多様な物品とのコラボレーションが可能である。しかしながら、キャラクタ関連グッズの種類が過度に多くなり過ぎると希少性が薄れるため、ユーザの購買意欲が下がってしまう。
一方、本実施例１では、検索断念ワードが「キャラクタ関連の名称」と「物品の名称」との組み合わせである場合に、キャラクタ関連グッズとして有望な未開拓ニーズが眠っていると判断する。したがって、本実施例１は、キャラクタ関連グッズとして優先的に開発すべき未開拓ニーズの候補に的を絞ることができるという点で優れている。

（８）さらに、本実施例１では検索断念ワードについて、出現頻度が高いにもかかわらずヒット件数が少ないほど、「隠れた需要がありながら世間に周知されていない」との想定から未開拓の確度が高いと判定する。このように本実施例１は、未開拓ニーズについて未開拓の確度を評価可能にするという点で優れている。

（９）本実施例１は、検索断念ワードのジャンルを絞らずに、網羅的に未開拓ニーズを探ることができる。その一方で、プランナーの事業分野によっては特定の事業ジャンルについて未開拓ニーズを探る方が効率はよくなる。そこで、本実施例１では、ジャンル分類部１４１において検索断念ワードをジャンル分けし、そのジャンル分けに基づいて未開拓ニーズに関する情報を出力する。したがって、本実施例１は、プランナーが必要とするジャンルに絞って未開拓ニーズの情報を出力できるという点で優れている。

（１０）さらに、本実施例１は、速報ジャンルを予め登録しておけば、その速報ジャンルの検索断念ワードについて迅速に情報を出力できるという点で優れている。

（１１）また、本実施例１では、検索断念ワードを使用した検索ユーザについてＩＰアドレスなどから国別や地域別の地域分布を得る。この地域分布の情報に基づいて、検索断念ワードがどの地域の未開拓ニーズを示しているかを判断することが可能になる。したがって、本実施例１は、未開拓ニーズの地域性について情報を得ることができるという点で優れている。

（１２）さらに、本実施例１では、検索断念ワードについて分析結果（需要、流行性、キャラクタ関連、地域情報、確度など）を参照可能に情報出力する。したがって、本実施例１は、未開拓ニーズの候補について多面的な分析結果を情報出力する点で優れている。

（１３）また、本実施例１では、選別条件に従って未開拓ニーズの候補を選別する選別ツール１４２を備える。本実施例１は、この選別ツール１４２を用いてプランナーが所望する選別条件で未開拓ニーズの候補を絞ることができるという点で優れている。

（１４）本実施例１の情報収集部１１０は、複数の検索サーバ２００からキーワード検索に関する情報を取得することもできる。この場合、本実施例１は、複数の検索サーバ２００に跨がって大量かつ広範囲の情報を取得できるため、未開拓ニーズの候補の検出漏れが少なくなるという点で優れている。

（１５）また、本実施例１の情報収集部１１０は、特定範囲の検索サーバ２００に限定してキーワード検索に関する情報を取得することもできる。例えば、情報収集部１１０が、自社サイトに限定して検索する検索サーバ２００からキーワード検索に関する情報を取得した場合、自社に特化した未開拓ニーズの候補について確度の高い情報を収集できる。このように、特定範囲の検索サーバ２００からキーワード検索に関する情報を取得することによって、本実施例１は、特定範囲に特化した未開拓ニーズの候補について、確度の高い情報を収集できるという点で優れている。

《その他の補足事項》
なお、上述した実施形態では、説明を簡単にするために、キーワードの前処理について説明を省いているが、本発明はこれに限定されない。

例えば、情報収集部１１０は、文章形態で入力されたキーワード（例：淡い水玉模様のカメラバックが欲しい）については、辞書照合や機械学習技術による解析によって単語区切りの組み合わせ（例：「淡い」、「水玉」、「カメラバック」）に前処理をしてもよい。

また例えば、情報収集部１１０は、検索ユーザによる表現や言語のバラツキに対応するため、単語（例：「淡い」）に対して、辞書照合や機械学習技術による解析によって類語（例：「パステルカラー」、「非原色」、「中間色」、「Ｐａｓｔｅｌ Ｃｏｌｏｒ」、「Ｎｅｕｔｒａｌ ｃｏｌｏｒ」）を論理和として加えるように前処理をしてもよい。

また、情報収集部１１０は、検索に使用されたキーワードから、検索絞り込みの効果が低いワード（例えば、キーワード検索のヒット件数が膨大になってしまうワードや、一文字のみのアルファベットなど）を識別して、キーワードから除く前処理をしてもよい。

さらに、情報収集部１１０は、同一の検索ユーザ（同じＩＰアドレスを有するユーザなど）によって短期間（例えば同一の検索意図による連続的または試行錯誤的な検索とみなせる期間）に行われた複数回のキーワード検索を一度のキーワード検索とみなす前処理をしてもよい。この場合、情報収集部１１０は、各回のキーワード検索に使用されたキーワードを組み合わせたものを、キーワードに含める。また、情報収集部１１０は、各回のキーワード検索のアクセスパターンを時系列の順に並べたものをアクセスパターンに含める。

この種のキーワードの前処理によって情報収集部１１０がキーワードを集合化することによって、その後の処理において検出されるキーワードの一貫性を高めると共に、出現頻度などの分析精度を高めることが可能になる。

また、上述した未開拓ニーズ判定ステップ（未開拓ニーズ判定部１３０）は、複数の検索断念ワードの相互間において重複するワードまたはワードの部分一致を抽出して新たな検索断念ワードとすることによって、未開拓ニーズの候補（第１次候補Ｗ０２）を拡張する候補拡張ステップ（候補拡張部）を含んでもよい。
このように複数の検索断念ワードから新たな検索断念ワードを新規作成することによって、可能性のある未開拓ニーズの候補を拡張することが可能になる。

また、上述した実施形態において、検索ユーザからキーワード検索の検索満足度（段階評価など）のフィードバック情報を検索サーバ２００などから得られる場合には、この検索満足度の低いキーワード検索に使用されたキーワードを検索断念ワードにしたり、加えたりすることも好ましい。

また、本発明の「未開拓」という用語は、必ずしも厳格な意味ではなく、範囲や程度に応じて解釈可能な用語である。例えば、一部でよく知られていても広域（世間）では知られていないものを「未開拓」に含めてもよい。また、世間にたとえ存在しても検索ユーザの嗜好に合致したものが見当たらずに検索ユーザが検索断念したものを「未開拓」に含めてもよい。

なお、本発明は、上記した実施形態の内容に限定されるものではなく、様々な変形が可能である。

例えば、上記した実施形態は、本発明の理解を明確にするために、必要以上に詳細かつ具体的に説明したものであり、本発明は必ずしも説明した全ての構成や全てのステップを備えるものに限定されない。

また、実施形態の一部について、他の構成の追加・削除・置換をすることも可能である。
なお、本願の日本国出願時の特許請求の範囲をここに引用して付記する。
［付記１］
コンピュータシステムが実施する未開拓ニーズ情報収集方法であって、
キーワード検索を行う検索サーバから「検索に使用されたキーワード」および「前記キーワードの検索結果に対する検索ユーザのアクセスパターン」を情報収集する情報収集ステップと、
前記アクセスパターンに基づいて、前記キーワードの検索が断念された度合いを判定するアクセス解析ステップと、
前記度合いが高いと判定された前記キーワード（以下「検索断念ワード」という）を選別し、検索時点で存在しない物品またはサービスの未開拓ニーズの候補と判定する未開拓ニーズ判定ステップと、
前記未開拓ニーズの候補と判定された前記検索断念ワードに基づいて、前記未開拓ニーズに関する情報を出力する未開拓ニーズ出力ステップと
を備えることを特徴とする未開拓ニーズ情報収集方法。
［付記２］
付記１に記載の未開拓ニーズ情報収集方法であって、
前記アクセス解析ステップは、
前記アクセスパターンとして前記検索結果にアクセス操作した試行回数を情報収集し、前記試行回数に応じて前記キーワードの検索が断念された前記度合いを解析する回数解析ステップを含む
ことを特徴とする未開拓ニーズ情報収集方法。
［付記３］
付記１〜２のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
前記アクセス解析ステップは、
前記アクセスパターンとして前記検索結果のアクセス先に滞在して前記検索結果の画面に戻るまでの滞在時間を情報収集し、前記滞在時間に応じて前記キーワードの検索が断念された前記度合いを解析する時間解析ステップを含む
ことを特徴とする未開拓ニーズ情報収集方法。
［付記４］
付記１〜３のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
前記アクセス解析ステップは、
「学習用アクセスパターン」と「断念か否かの教師値」とのデータセット群からなる学習データによって機械学習を行った機械学習モデルを準備し、前記機械学習モデルに前記アクセスパターンを入力することによって前記キーワードの検索が断念された前記度合いを解析する学習解析ステップを含む
ことを特徴とする未開拓ニーズ情報収集方法。
［付記５］
付記１〜４のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
前記未開拓ニーズ判定ステップは、
前記検索断念ワードの出現頻度を求め、出現頻度が高いと判定された前記検索断念ワードを需要の大きな前記未開拓ニーズの候補と判定する需要判定ステップを含む
ことを特徴とする未開拓ニーズ情報収集方法。
［付記６］
付記１〜５のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
前記未開拓ニーズ判定ステップは、
前記検索断念ワードの出現頻度を経時的に求め、出現頻度が有意に上昇し始めた前記検索断念ワードを流行性の高い前記未開拓ニーズの候補と判定する流行判定ステップを含む
ことを特徴とする未開拓ニーズ情報収集方法。
［付記７］
付記１〜６のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
前記未開拓ニーズ判定ステップは、
前記検索断念ワードが「キャラクタ関連の名称」と「物品の名称」との組み合わせであるか否かを判定し、前記組み合わせと判定した場合に、キャラクタ関連の前記未開拓ニーズの候補と判定するキャラクタ判定ステップを含み、
前記未開拓ニーズ出力ステップは、前記未開拓ニーズに関する情報として「前記キャラクタ関連を表記または模した前記物品」に関して情報を出力する
ことを特徴とする未開拓ニーズ情報収集方法。
［付記８］
付記１〜７のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
前記情報収集ステップは、前記検索サーバから「前記キーワード検索のヒット件数」を情報取得し、
前記未開拓ニーズ判定ステップは、
前記検索断念ワードの出現頻度が高いにもかかわらず、前記ヒット件数が少ないほど、前記検索断念ワードを確度の高い前記未開拓ニーズの候補と評価する確度評価ステップを含む
ことを特徴とする未開拓ニーズ情報収集方法。
［付記９］
付記１〜８のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
前記未開拓ニーズ出力ステップは、
前記検索断念ワードをジャンル分けし、前記ジャンル分けされた前記検索断念ワードに基づいて前記未開拓ニーズに関する情報を出力するジャンル分類ステップを含む
ことを特徴とする未開拓ニーズ情報収集方法。
［付記１０］
コンピュータシステムに、
付記１〜９のいずれか一項に記載の未開拓ニーズ情報収集方法を実行させる
ことを特徴とする未開拓ニーズ情報収集プログラム。
［付記１１］
キーワード検索を行う検索サーバから「検索に使用されたキーワード」および「前記キーワードの検索結果に対する検索ユーザのアクセスパターン」を情報収集する情報収集部と、
前記アクセスパターンに基づいて、前記キーワードの検索が断念された度合いを判定するアクセス解析部と、
前記度合いが高いと判定された前記キーワード（以下「検索断念ワード」という）を選別し、検索時点で存在しない物品またはサービスの未開拓ニーズの候補と判定する未開拓ニーズ判定部と、
前記未開拓ニーズの候補と判定された前記検索断念ワードに基づいて、前記未開拓ニーズに関する情報を出力する未開拓ニーズ出力部と
を備えることを特徴とする未開拓ニーズ情報収集システム。

１００...未開拓ニーズ情報収集システム、１１０...情報収集部、１２０...アクセス解析部、１２１...回数解析部、１２２...時間解析部、１２３...学習解析部、１３０...未開拓ニーズ判定部、１３１...需要判定部、１３２...流行判定部、１３３...キャラクタ判定部、１３９...確度評価部、１４０...未開拓ニーズ出力部、１４１...ジャンル分類部、１４２...選別ツール、２００...検索サーバ、３００Ｅ...機械学習モデル、３１０...入力層、３２０...ニューラルネットワーク、３３０...出力層、Ｗ０１...定期取得データ、Ｗ０２...第１次候補、Ｗ０３〜Ｗ０５...候補群、Ｗ１０〜Ｗ１３...ジャンル別

Claims (12)

1. コンピュータシステムが実施する未開拓ニーズ情報収集方法であって、
   キーワード検索を行う検索サーバから「検索に使用されたキーワード」および「前記キーワードの検索結果のリンクに対して検索ユーザが行うアクセス操作のパターン（以下、アクセスパターンという）」を情報収集する情報収集ステップと、
   前記アクセスパターンに基づいて、前記キーワードの検索が断念された度合いを判定するアクセス解析ステップと、
   前記度合いが高いと判定された前記キーワード（以下「検索断念ワード」という）を選別し、検索時点で存在しない物品またはサービスの未開拓ニーズの候補と判定する未開拓ニーズ判定ステップと、
   前記未開拓ニーズの候補と判定された前記検索断念ワードに基づいて、前記未開拓ニーズに関する情報を出力する未開拓ニーズ出力ステップと
   を備えることを特徴とする未開拓ニーズ情報収集方法。
2. コンピュータシステムが実施する未開拓ニーズ情報収集方法であって、
   キーワード検索を行う検索サーバから「検索に使用されたキーワード」および「前記キーワードの検索結果に対する検索ユーザのアクセスパターン」を情報収集する情報収集ステップと、
   前記アクセスパターンに基づいて、前記キーワードの検索が断念された度合いを判定するアクセス解析ステップと、
   前記度合いが高いと判定された前記キーワード（以下「検索断念ワード」という）を選別し、検索時点で存在しない物品またはサービスの未開拓ニーズの候補と判定する未開拓ニーズ判定ステップと、
   前記未開拓ニーズの候補と判定された前記検索断念ワードに基づいて、前記未開拓ニーズに関する情報を出力する未開拓ニーズ出力ステップとを備え、
   前記未開拓ニーズ判定ステップは、
   前記検索断念ワードの出現頻度を求め、出現頻度が高いと判定された前記検索断念ワードを需要の大きな前記未開拓ニーズの候補と判定する需要判定ステップを含む
   ことを特徴とする未開拓ニーズ情報収集方法。
3. 請求項１〜２のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
   前記アクセス解析ステップは、
   前記アクセスパターンとして前記検索結果にアクセス操作した試行回数を情報収集し、前記試行回数に応じて前記キーワードの検索が断念された前記度合いを解析する回数解析ステップを含む
   ことを特徴とする未開拓ニーズ情報収集方法。
4. 請求項１〜３のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
   前記アクセス解析ステップは、
   前記アクセスパターンとして前記検索結果のアクセス先に滞在して前記検索結果の画面に戻るまでの滞在時間を情報収集し、前記滞在時間に応じて前記キーワードの検索が断念された前記度合いを解析する時間解析ステップを含む
   ことを特徴とする未開拓ニーズ情報収集方法。
5. 請求項１〜４のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
   前記アクセス解析ステップは、
   「学習用アクセスパターン」と「断念か否かの教師値」とのデータセット群からなる学習データによって機械学習を行った機械学習モデルを準備し、前記機械学習モデルに前記アクセスパターンを入力することによって前記キーワードの検索が断念された前記度合いを解析する学習解析ステップを含む
   ことを特徴とする未開拓ニーズ情報収集方法。
6. 請求項１〜５のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
   前記未開拓ニーズ判定ステップは、
   前記検索断念ワードの出現頻度を経時的に求め、出現頻度が有意に上昇し始めた前記検索断念ワードを流行性の高い前記未開拓ニーズの候補と判定する流行判定ステップを含む
   ことを特徴とする未開拓ニーズ情報収集方法。
7. 請求項１〜６のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
   前記未開拓ニーズ判定ステップは、
   前記検索断念ワードが「キャラクタ関連の名称」と「物品の名称」との組み合わせであるか否かを判定し、前記組み合わせと判定した場合に、キャラクタ関連の前記未開拓ニーズの候補と判定するキャラクタ判定ステップを含み、
   前記未開拓ニーズ出力ステップは、前記未開拓ニーズに関する情報として「前記キャラクタ関連を表記または模した前記物品」に関して情報を出力する
   ことを特徴とする未開拓ニーズ情報収集方法。
8. 請求項１〜７のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
   前記情報収集ステップは、前記検索サーバから「前記キーワード検索のヒット件数」を情報取得し、
   前記未開拓ニーズ判定ステップは、
   前記検索断念ワードの出現頻度が高いにもかかわらず、前記ヒット件数が少ないほど、前記検索断念ワードを確度の高い前記未開拓ニーズの候補と評価する確度評価ステップを含む
   ことを特徴とする未開拓ニーズ情報収集方法。
9. 請求項１〜８のいずれか一項に記載の未開拓ニーズ情報収集方法であって、
   前記未開拓ニーズ出力ステップは、
   前記検索断念ワードをジャンル分けし、前記ジャンル分けされた前記検索断念ワードに基づいて前記未開拓ニーズに関する情報を出力するジャンル分類ステップを含む
   ことを特徴とする未開拓ニーズ情報収集方法。
10. コンピュータシステムに、
    請求項１〜９のいずれか一項に記載の未開拓ニーズ情報収集方法を実行させる
    ことを特徴とする未開拓ニーズ情報収集プログラム。
11. キーワード検索を行う検索サーバから「検索に使用されたキーワード」および「前記キーワードの検索結果のリンクに対して検索ユーザが行うアクセス操作のパターン（以下、アクセスパターンという）」を情報収集する情報収集部と、
    前記アクセスパターンに基づいて、前記キーワードの検索が断念された度合いを判定するアクセス解析部と、
    前記度合いが高いと判定された前記キーワード（以下「検索断念ワード」という）を選別し、検索時点で存在しない物品またはサービスの未開拓ニーズの候補と判定する未開拓ニーズ判定部と、
    前記未開拓ニーズの候補と判定された前記検索断念ワードに基づいて、前記未開拓ニーズに関する情報を出力する未開拓ニーズ出力部と
    を備えることを特徴とする未開拓ニーズ情報収集システム。
12. キーワード検索を行う検索サーバから「検索に使用されたキーワード」および「前記キーワードの検索結果に対する検索ユーザのアクセスパターン」を情報収集する情報収集部と、
    前記アクセスパターンに基づいて、前記キーワードの検索が断念された度合いを判定するアクセス解析部と、
    前記度合いが高いと判定された前記キーワード（以下「検索断念ワード」という）を選別し、検索時点で存在しない物品またはサービスの未開拓ニーズの候補と判定する未開拓ニーズ判定部と、
    前記未開拓ニーズの候補と判定された前記検索断念ワードに基づいて、前記未開拓ニーズに関する情報を出力する未開拓ニーズ出力部とを備え、
    前記未開拓ニーズ判定部は、
    前記検索断念ワードの出現頻度を求め、出現頻度が高いと判定された前記検索断念ワードを需要の大きな前記未開拓ニーズの候補と判定する需要判定部を含む
    ことを特徴とする未開拓ニーズ情報収集システム。

Images