JP6998489B1 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】提案する検索条件の最適化を図ること。【解決手段】本願に係る情報処理装置は、検索条件種別毎の検索結果に対して行われたユーザの行動に関する行動情報を取得する行動情報取得部と、行動情報取得部によって取得された行動情報を用いて、検索条件種別の選択の有無が行動へ与える影響度を算出する算出部と、算出部によって算出された影響度に応じて選択した検索条件種別の検索条件をユーザへ提案する提案部とを備える。【選択図】図１

Description

特許法第３０条第２項適用 ｈｔｔｐｓ：／／ｒｅａｌｅｓｔａｔｅ．ｙａｈｏｏ．ｃｏ．ｊｐ／ｒｅｎｔ／ｓｅａｒｃｈ／ａｉ／ 文献１．ｐｄｆ 掲載日 令和３年７月２７日

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

従来、例えば、検索サイトを提供するサービスにおいて、ユーザが指定した条件による検索結果が多いまたは少ない場合に、絞り込みあるいは拡張するための検索条件を提案する検索支援システムがある（例えば、特許文献１参照）。

特開２００８－１５２６０７号公報

しかしながら、従来技術では、たとえば、提案する検索条件の最適化を図るうえで改善の余地があった。

本発明は、上記に鑑みてなされたものであって、提案する検索条件の最適化を図ることができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る情報処理装置は、検索条件種別毎の検索結果に対して行われたユーザの行動に関する行動情報を取得する行動情報取得部と、前記行動情報取得部によって取得された前記行動情報を用いて、前記検索条件種別の選択の有無が前記行動へ与える影響度を算出する算出部と、前記算出部によって算出された前記影響度に応じて選択した前記検索条件種別の検索条件をユーザへ提案する提案部とを備える。

本発明によれば、提案する検索条件の最適化を図ることができる。

図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る情報処理装置の構成例を示すブロック図である。 図３は、実施形態に係る不動産情報記憶部に記憶される情報の一例を示す図である。 図４は、実施形態に係るクリックログ記憶部に記憶される情報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に記憶される情報の一例を示す図である。 図６は、実施形態に係るユーザ属性記憶部に記憶される情報の一例を示す図である。 図７は、実施形態に係る影響度記憶部に記憶される情報の一例を示す図である。 図８は、実施形態に係る影響度算出処理の一例を示すフローチャートである。 図９は、実施形態に係る検索条件提案処理の一例を示すフローチャートである。 図１０は、実施形態に係る情報処理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、本願に係る情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と記載する。）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情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。

［実施形態］
〔１．情報処理〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。

図１に示すように、実施形態に係る情報処理装置１０は、たとえば、不動産情報記憶部を有しており、クライアント端末であるユーザ端末５０に対して不動産情報に関する各種情報を提供する情報処理装置である。たとえば、情報処理装置１０は、不動産の賃貸、売買等に関する各種不動産情報を提供する。なお、情報処理装置１０は、たとえば、サーバ装置やクラウドシステム等によって実現される。

なお、不動産には、建造物や、土地が含まれ、情報処理装置１０が提供する不動産情報には、住居、店舗、土地など各種不動産の賃貸あるいは売買に関する情報が含まれる。

ユーザ端末５０は、ユーザＵが所有する端末装置であり、情報処理装置１０とのデータ通信によって、情報処理装置１０の不動産情報記憶部に記憶された不動産に関する各種情報をユーザＵへ提供する。ユーザ端末５０は、たとえば、スマートフォン、タブレット端末、パソコン、ウェアラブル端末など、通信機能を備えた各種クライアント端末である。

たとえば、ユーザＵが、情報処理装置１０が提供する不動産サイトへアクセスし、物件を検索する場合、ユーザ端末５０を操作して、希望する物件の条件を指定する。この際、ユーザＵの検索履歴等に基づき、ユーザＵが興味を示す可能性が高い検索条件等を不動産サイト側から提案する手法も考えられる。しかしながら、たとえば、提案した検索条件等が有効な検索条件になるとは限らない。

そこで、実施形態に係る情報処理では、検索条件種別毎のクリックの有無がコンバージョンに与える影響度を算出し、当該影響度に応じた検索条件を提案することとした。なお、検索条件種別とは、たとえば、検索条件を構成する各種文字列であり、たとえば、検索時に利用されるキーワードである。

図１に示すように、まず、情報処理装置１０は、検索条件種別毎のクリックの有無がコンバージョンに与える影響度を算出する影響度算出処理を行う（ステップＳ０１）。

たとえば、情報処理装置１０は、クリックログ記憶部に記憶されるクリックログの有無をランダムフォレストで分析することで、検索条件種別毎のクリックの有無がコンバージョンへ与える影響度を算出する。クリックログとは、検索条件種別毎のクリックの有無と、コンバージョンの有無とを対応付けたデータである。

なお、ここでのコンバージョンとは、検索条件として表示される個別の不動産情報に対するユーザＵによる物件の問い合わせであるが、物件検索時の条件保存、物件のお気に入り登録、内覧の申し込み、賃貸契約あるいは売買契約であってもよい。

クリックログをランダムフォレストで分析すると、検索条件種別を選択した／しなかったといった観点で決定木Ｔが自動的に生成され、決定木Ｔの末端のノードに対して、「この検索条件種別が選択された場合／選択されなかったは、これくらいコンバージョンに結びついた／つかなかった」に関する影響度がスコアとして算出される。

すなわち、ここでのランダムフォレストでは、検索条件種別毎の選択の有無（クリックの有無）とコンバージョンの有無に相関関係が影響度として機械学習によって導出することができる。

その後、情報処理装置１０は、ユーザ端末５０から不動産サイトへのアクセス要求を受け付けると（ステップＳ０２）、ユーザ端末５０に表示する検索条件の設定処理を行う（ステップＳ０３）。

たとえば、情報処理装置１０は、ステップＳ０１にて算出した影響度が高い検索条件種別を組み合わせた検索条件を設定する。同図に示す例では、検索条件種別として、「家賃相場よりお得」、「低層物件」、「ユーザ評価の高い物件」を示し、「家賃相場よりお得」、「低層物件」、「ユーザ評価の高い物件」の順に影響度が低くなることを示す。

たとえば、情報処理装置１０では、「家賃相場よりお得」および「低層物件」の２つの検索条件種別を組み合わせることで、「家賃相場よりお得な低層物件」といった新たな検索条件を設定する。なお、影響度が高い１つの検索条件種別を検索条件として設定することにしてもよく、３つ以上の検索条件種別を組み合わせて新たな検索条件を設定することにしてもよい。

つづいて、情報処理装置１０は、設定した検索条件をユーザ端末５０へ送信することで、設定した検索条件をユーザＵへ提案する（ステップＳ０４）。これにより、ユーザ端末５０には、コンバージョンに与える影響度を考慮して設定された検索条件が表示される。ここで、図１に示すように、たとえば、ユーザ端末５０には、情報処理装置１０によって提案された検索条件が、検索カテゴリーの一つとして表示される。すなわち、コンバージョンに与える影響度が大きい検索条件が検索カテゴリーの一つとして新たに生成され、ユーザＵは、検索カテゴリーの一つとして生成された検索条件を選択することができる。

このように、実施形態に係る情報処理装置１０では、影響度に応じた検索条件種別の検索条件を提案することで、高いコンバージョンが期待される検索条件を提案することができる。これにより、実施形態に係る情報処理装置１０によれば、提案する検索条件の最適化を図ることができる。

〔２．情報処理装置の構成例〕
次に、図２を用いて、情報処理装置１０の構成例について説明する。図２は、実施形態に係る情報処理装置１０の構成例を示すブロック図である。図２に示すように、情報処理装置１０は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

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、４Ｇ（Generation）、５Ｇ、ＬＴＥ（Long Term Evolution）、Ｗｉｆｉ（登録商標）若しくは無線ＬＡＮ（Local Area Network）等といった各種の無線通信網若しくは各種の有線通信網といったネットワークを介して、外部装置との間で情報の送受信を行う。

記憶部１２０は、例えば、ＲＡＭ、フラッシュメモリ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。また、記憶部１２０は、不動産情報記憶部１２１、クリックログ記憶部１２２、ユーザ情報記憶部１２３、ユーザ属性記憶部１２４および影響度記憶部１２５を有する。

不動産情報記憶部１２１は、情報処理装置１０が提供する不動産に関する各種情報を記憶する。図３は、実施形態に係る不動産情報記憶部１２１に記憶される情報の一例を示す図である。

図３に示すように、たとえば、不動産情報記憶部１２１は、「物件ＩＤ」、「物件データ」および「検索クエリ」といった項目の情報を互いに対応付けて記憶する。「物件ＩＤ」は、不動産を識別するための識別子であり、「物件データ」は、不動産の内容（物件名、住所、築年数、面積、駅までの距離など）に関するデータや、不動産業者によって作成された周囲環境（たとえば、閑静な住宅街など）等に関するデータである。不動産データは、たとえば、不動産業者から投稿されたデータであるが、投稿されたデータに基づいて情報処理装置１０側で編集したデータであってもよい。

たとえば、情報処理装置１０は、不動産の住所に基づいて、「近くに人気の居酒屋」といった情報や、標高や周囲の建物に基づいて、「見晴らし抜群」といった情報を不動産データに追加することにしてもよい。

「検索クエリ」は、対応する不動産データに対応付けられた検索クエリである。なお、検索クエリは、不動産データから抜粋したものであってもよく、情報処理装置１０側で任意に設定したものであってもよい。すなわち、情報処理装置１０は、不動産業者が投稿した内容とは異なる切り口の検索クエリを生成することにしてもよい。たとえば、この場合、情報処理装置１０は、ユーザＵによって投稿された口コミ情報から抽出したキーワードを検索クエリとして生成することにしてもよい。

図２の説明に戻り、クリックログ記憶部１２２について説明する。クリックログ記憶部１２２は、ユーザＵによる検索履歴となるログに関する情報を記憶する。図４は、実施形態に係るクリックログ記憶部１２２に記憶する情報の一例を示す図である。

図４に示す例において、クリックログ記憶部１２２は、「ユーザＩＤ」、「クエリ１」、「クエリ２」、「コンバージョン」といった項目の情報を互いに対応付けて記憶する。「ユーザＩＤ」は、情報処理装置１０が提供するウェブサービスを利用するユーザＵを識別するための識別子である。

「クエリ１」および「クエリ２」には、検索クエリを示し、ユーザＵに選択された場合に「１」、ユーザＵに選択されなかった場合に「０」となる。「コンバージョン」は、コンバージョンの有無を示し、コンバージョンに至った場合を「１」とし、コンバージョンに至らなかった場合「０」とする。なお、上述のように、コンバージョンは、たとえば、ユーザＵによる物件の問い合わせであるが、物件検索時の条件保存、物件のお気に入り登録、内覧の申し込み、賃貸契約あるいは売買契約であってもよい。この場合、たとえば、クリック情報記憶部１２２には、コンバージョンの種別毎に、コンバージョンの有無を記憶するようにしてよい。

図２の説明に戻り、ユーザ情報記憶部１２３について説明する。ユーザ情報記憶部１２３は、ユーザＵに関するユーザ情報を記憶する記憶部である。図５は、実施形態に係るユーザ情報記憶部１２３に記憶された情報の一例を示す図である。図５に示す例において、ユーザ情報記憶部１２３は、「ユーザＩＤ」、「年収」、「勤務地」、「サイト閲覧履歴」、「カード使用履歴」といった項目の情報を互いに対応付けて記憶する。

「ユーザＩＤ」は、ユーザＵを識別するための識別子を示し、「年収」は、ユーザＵの年収を示す。また、「勤務地」は、ユーザＵの勤務地を示す。たとえば、「年収」や「勤務地」に関する情報は、ユーザＵがユーザ端末５０を介して情報処理装置１０に登録した情報であってもよく、後述する連携サービスにおいて、ユーザＵが登録した情報を流用することにしてもよい。

「サイト閲覧履歴」は、ユーザＵのインターネットの閲覧履歴を示す。なお、サイト閲覧履歴には、たとえば、情報処理装置１０が提供する不動産サイトに関する閲覧履歴に加え、連携するサービス（たとえば、ポータルサイトなど）における閲覧履歴、連携するサービスでの検索クエリに関する情報を含むようにしてもよい。また、サイト閲覧履歴には、たとえば、ショッピングサイトでの購入履歴や、ニュースや動画の視聴履歴を含むようにしてもよい。

また、「カード使用履歴」は、ユーザＵのクレジットカードの使用履歴を示す。たとえば、「カード使用履歴」に関する情報は、連携するクレジットカード会社から取得した情報であり、たとえば、ユーザＵがクレジットカードで支払いをおこなった店舗に関する情報、支払金額に関する情報、支払い日時に関する情報などが含まれる。また、カード使用履歴に加え、その他の電子決済（たとえば、ＱＲコード（登録商標）決済など）の決済履歴をユーザ情報記憶部１２３に記憶することにしてもよい。

図２の説明に戻り、ユーザ属性記憶部１２４について説明する。ユーザ属性記憶部１２４は、ユーザＵの属性に関する情報を記憶する記憶部である。ここでのユーザ属性とは、ユーザＵの特徴に関する情報である。

図６は、実施形態に係るユーザ属性記憶部１２４に記憶された情報の一例を示す図である。図６に示す例において、ユーザ属性記憶部１２４は、「ユーザＩＤ」、「年収」、「家族構成」、「ライフスタイル」、「総合」などといった項目の情報を互いに対応付けて記憶する。

「ユーザＩＤ」は、ユーザＵを識別するための識別子を示す。「年収」は、ユーザＵの年収属性を示し、年収に応じて属性が分類される。なお、年収属性は、たとえば、１００万円刻みである。「家族構成」は、ユーザＵの家族構成属性を示し、たとえば、家族全員の年齢、性別などによって属性が分類される。

「ライフスタイル」は、ユーザＵのライフスタイルに関する属性を示し、ユーザＵの年齢、性別、趣味、嗜好等に関する情報に応じて属性が分類される。ライフスタイルに関する属性は、たとえば、「サイト閲覧履歴」や、「カード使用履歴」等に関する各種情報によって分類される。

「総合」は、たとえば、対応するユーザＵの各属性を総合的に見たユーザ属性を示す。年収、家族構成、ライフスタイルといった各項目の属性をそれぞれ数値化することで、総合に関する属性が分類される。

図２の説明に戻り、影響度記憶部１２５について説明する。影響度記憶部１２５は、検索種別毎にコンバージョンに与える影響度を記憶する。図７は、実施形態に係る影響度記憶部１２５に記憶する情報の一例を示す図である。

図７に示す例において、影響度記憶部１２５は、「検索軸１」、「検索軸２」、「影響度」、「正」、「負」といった項目の情報を互いに対応付けて記憶する。「検索軸１」および「検索軸２」は、検索クエリを示す。たとえば、「影響度」は、検索軸１および検索軸２がコンバージョンに与える影響度を示す。なお、図７の例では、影響度がスコアＳＣ１やスコアＳＣ２で表示される場合を示す。

「正」および「負」は、影響度の内訳を示す。たとえば、正は、コンバージョンに対してプラスに作用した度合い、すなわち、コンバージョンをどの程度促進したかといった指標を示し、負は、コンバージョンに対してマイナスに作用した度合い、すなわち、クリックをどの程度阻害したかといった指標を示す。

図２の説明に戻り、制御部１３０について説明する。制御部１３０は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１０内部の記憶装置に記憶されている各種プログラムが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２に示すように、制御部１３０は、不動産情報取得部１３１と、ユーザ情報取得部１３２と、行動情報取得部１３３と、ユーザ属性分類部１３４と、算出部１３５と、提案部１３６と、検索部１３７とを有する。

不動産情報取得部１３１は、ウェブページへの掲載対象となる不動産情報を取得する。たとえば、不動産情報取得部１３１は、不動産業者から入稿された不動産情報を取得し、不動産情報記憶部１２１に格納する。

ユーザ情報取得部１３２は、ユーザＵに関する各種ユーザ情報を取得する。たとえば、ユーザ情報取得部１３２は、連携する各種サービスからユーザ情報を取得する。たとえば、ユーザ情報取得部１３２は、クレジットカード会社から家族構成、年収、勤務地（勤務する会社の所在地）、クレジットカードの使用履歴に関する情報を取得する。また、たとえば、ユーザ情報取得部１３２は、ユーザＵがポータルサイトを通じて視聴したＷｅｂページや、ポータルサイト上で入力した検索クエリに関する情報などをポータルサイトの提供会社から取得する。

なお、ユーザ情報取得部１３２は、たとえば、ユーザ端末５０から位置情報の履歴をユーザ情報として取得することにしてもよい。また、ユーザ情報取得部１３２は、取得した各種ユーザ情報をユーザ情報記憶部１２３に書き込む。

行動情報取得部１３３は、検索条件種別毎の検索結果に対して行われたユーザＵの行動に関する行動情報を取得する。たとえば、行動情報取得部１３３は、情報処理装置１０が提供する不動産サイトにおいて、各ユーザＵが選択した検索条件種別および当該検索種別の検索結果に対するコンバージョンの有無に関する情報を行動情報として取得する。行動情報取得部１３３は、行動情報の取得毎に、取得した行動情報をクリックログ記憶部１２２に格納する。

ユーザ属性分類部１３４は、ユーザ情報に基づき、ユーザＵの属性を分類する。たとえば、ユーザ属性分類部１３４は、ユーザ情報記憶部１２３に記憶されたユーザ情報に基づき、ユーザＵの属性を分類する。

たとえば、ユーザ属性分類部１３４は、年収に関するユーザ情報からユーザＵの年収属性を分類し、家族構成に関するユーザ属性からユーザＵの家族構成属性を分類する。また、ユーザ属性分類部１３４は、サイト閲覧履歴等に関するユーザ情報に基づいてユーザＵのライフスタイル属性を分類する。また、ユーザ属性分類部１３４は、これらの属性を総合的に解析するアルゴリズムを用いて、ユーザＵの総合属性を分類する。

算出部１３５は、行動情報取得部１３３によって取得された行動情報を用いて、検索条件種別がコンバージョンへ与える影響度を算出する。たとえば、算出部１３５は、クリックログを入力データとしてランダムフォレストを用いた機械学習を行うことで、影響度を算出する。

この際、ランダムフォレストでは、各検索クエリをノードとした決定木Ｔが自動的に生成され、末端のノードに対して、「この検索クエリが選択された／されなかった場合は、これくらいのコンバージョンに結び付いた／結びつかなかった」に関するスコアが付与される。なお、コンバージョンに結び付いたスコアが正の影響度に対応し、コンバージョンに結びつかなかったスコアが負の影響度に対応する。

ランダムフォレストでは、コンバージョンに至ったときにユーザＵが選択した検索クエリと、選択しなかった検索クエリとに関する情報とを入力データとして影響度を算出する。たとえば、決定木Ｔにおいては、ノード毎に対応する検索クエリが「選択された」または「選択されなかった」で分岐し、末端のノードには、正または負の影響度に関するスコアが出力される。

この際、算出部１３５は、ユーザＵが複数の検索クエリを選択してコンバージョンに至った場合、当該複数の検索クエリを１つの入力データとして、ランダムフォレストを実行する。すなわち、この場合においては、当該複数の検索クエリがランダムフォレストにおける決定木Ｔの１つのノードを形成することになる。

たとえば、検索クエリＡと検索クエリＢとがユーザＵによって選択された検索結果において、コンバージョンに至った場合、検索クエリＡおよび検索クエリＢを１つの検索条件種別として取り扱う。

たとえば、この場合においては、検索クエリＡおよび検索クエリＢのそれぞれの検索条件種別においては、個別に選択されなかったものとみなし、検索クエリＡおよび検索クエリＢを１つの検索条件種別とする検索条件種別を選択した結果、コンバージョンに至ったとみなし、ランダムフォレストを実行する。

これにより、算出部１３５は、コンバージョンに至る過程において、複数の検索条件種別が選択されたうえでコンバージョンに至った場合に、個別の検索条件種別および当該複数の検索条件種別それぞれの影響度を適切に算出することができる。

また、算出部１３５は、たとえば、ユーザＵの属性毎に影響度を算出することにしてもよい。たとえば、算出部１３５は、ユーザ属性記憶部１２４を参照し、所定のユーザ属性に対応するクリックログをクリックログ記憶部１２２から抽出し、抽出したクリックログを用いてランダムフォレストを実行することで、ユーザ属性毎に各検索条件種別がコンバージョンに与える影響度を算出する。

つまり、算出部１３５は、ユーザ属性毎に影響度を算出することで、ユーザ属性に応じた影響度を導出することができる。これにより、すべてのユーザＵのクリックログを用いて、影響度を算出する場合に比べて、より精密な影響度を算出することができる。

提案部１３６は、算出部１３５によって算出された影響度に応じて選択した検索条件種別の検索条件をユーザＵへ提案する。提案部１３６は、影響度記憶部１２５を参照し、たとえば、影響度のスコアが高い検索クエリを組み合わせた検索条件を選択し、ユーザＵのユーザ端末５０へ提供する。

この際、提案部１３６は、ユーザＵが入力可能な検索条件とは異なる検索クエリを含む検索条件を提案することにしてもよい。この場合、たとえば、ユーザＵが入力可能な検索条件については、家賃、間取り（広さを含む）、エリア、築年数、駅からの距離などいった物件や立地などに関する居住空間に関する項目とする。

これに対して、提案部１３６は、ユーザＵが入力可能な検索条件とは異なる切り口で、付加的な条件を検索条件として提案する。たとえば、ここでの付加的な条件の一例として、周囲環境に関する条件が対応し、その一例として、たとえば、「家賃相場よりお得」、「治安がよい」、「低層物件」、「公園が近い」などが挙げられる。

たとえば、上記のように、付加的な検索条件を提案することで、ユーザＵは、物件選びに関してより具体的な条件を想起することが可能となる。

たとえば、提案部１３６は、影響度記憶部１２５を参照し、影響度が所定値以上である複数の検索クエリを組み合わせた検索条件を生成し、ユーザＵへ提供する。この際、提案部１３６は、たとえば、正の影響度を有する検索クエリ同士を組み合わせた検索条件を提案することにしてもよい。

すなわち、コンバージョンに対して互いにプラスに作用する検索クエリを組み合わせた検索条件を提案することで、検索クエリ同士の相乗効果によってプラスの作用となることが期待できる。

また、提案部１３６は、たとえば、異なる概念を有する検索クエリを組み合わせた検索条件を提案することにしてもよい。ここでの異なる概念とは、たとえば、家賃、築年数、間取り、エリアなどに所定の分類手法によって分類された概念であり、提案部１３６は、それぞれ概念が異なる検索クエリを組み合わせた検索条件を提案する。言い換えれば、同一概念の検索クエリの組み合わせを避けて、検索条件を提案する。

たとえば、「ユーザ評価が高い」および「共有施設や設備の評価が高い」の口コミから生成された検索クエリあったとする。この場合、「ユーザ評価が高い」は、たとえば、物件に対する総合評価としての満足度であり、「共有施設や設備の評価が高い」を包含する概念である。

このため、双方の検索クエリを組み合わせたとしても、訴求内容が重複してしまうので好ましくない。そのため、提案部１３６は、訴求内容が重複しない異なる概念の検索クエリ同士を組み合わせて新たな検索条件を生成することによって、訴求効果が高く多様な切り口の検索条件を提案することができるので、たとえば、従来にない新たな切り口の検索条件を提案することが可能となる。

また、たとえば、算出部１３５によってユーザ属性毎に影響度が算出される場合には、提案部１３６は、ユーザＵのユーザ属性に対応する影響度に基づいて、検索条件を提案する。

これにより、ユーザＵに対してよりコンバージョンの観点でより効果的な検索条件を提案することができる。また、提案部１３６は、たとえば、現在、ユーザ端末５０に表示している検索条件とは異なる検索条件を提案することにしてもよい。すなわち、提案部１３６は、ユーザ端末５０に表示する画面が遷移する場合に、別の検索条件を提案することにしてもよい。これにより、ユーザ端末５０には、画面遷移毎に新たな検索条件が表示されるので、多様な検索条件をユーザへ提案することができる。なお、提案部１３６は、たとえば、ユーザ端末５０からの要求に応じて、提案した検索条件の履歴を提供することにしてもよい。

また、提案部１３６は、提案する検索条件に合致する不動産情報が所定数よりも多い場合に、当該検索条件を提案することにしてもよい。すなわち、提案する検索条件による検索結果が所定数に満たない場合には、当該検索条件を提案しないことにしてもよい。この場合、提案部１３６は、検索条件の提案前に検索部１３７による検索処理を行ったうえで、検索結果に応じて当該検索条件を提案するか否かを判定することにしてもよい。

また、提案部１３６は、たとえば、ユーザＵの閲覧した物件情報の傾向を分析したうえで、たとえば、ユーザＵがコンバージョンに至る可能性が高い物件を含むような検索条件を提案することにしてもよい。たとえば、この場合には、提案部１３６は、対応する物件に紐づいた検索クエリを含むような検索条件を提案することにしてもよい。

また、提案部１３６は、たとえば、ユーザＵに対して、さらにパーソナライズした検索条件を提案することにしてもよい。たとえば、複数の検索クエリを組み合わせた検索条件にさらにパーソナライズした検索条件を追加するようにしてもよい。

たとえば、提案部１３６は、ユーザＵの検索履歴やユーザ属性等からパーソナライズした個別の検索条件を生成する。より具体的な例として、「あなたにぴったりな評価の高いタワーマンション」といった検索条件を提案する場合、上記の検索条件は、「あなたにぴったり」、「評価の高い」、「タワーマンション」といった３つの検索クエリに分解される。

このうち、提案部１３６は、たとえば、「あなたにぴったり」に該当する物件をユーザＵの検索履歴やユーザ属性等に応じて設定する。たとえば、提案部１３６は、ユーザＵの検索履歴からユーザＵが物件選びの際に希望する条件を解析し、当該条件に合致する物件を設定したり、ユーザＵが属するユーザ属性においてコンバージョンに至る確率が高い条件に該当する物件を設定したりする。

これにより、ユーザＵは、提案された検索条件を選択するだけで、自身の希望する検索条件を指定することが可能となり、自身の希望に沿う検索条件を容易に指定することができる。

検索部１３７は、ユーザＵによって設定された検索条件に応じて不動産情報を検索し、検索結果をユーザ端末５０へ送信する。たとえば、検索部１３７は、ユーザ端末５０から受け取った検索条件に基づいて、不動産情報記憶部１２１内を検索し、検索条件に合致する不動産に関する情報を検索結果として出力する。

〔３．処理フロー〕
次に、図８および図９を用いて、実施形態に係る情報処理装置１０が実行する処理手順の一例について説明する。図８は、実施形態に係る影響度算出処理の一例を示すフローチャートである。図９は、実施形態に係る検索条件提案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、まず、情報処理装置１０は、クリックログを取得する（ステップＳ１０１）。つづいて、情報処理装置１０は、たとえば、新たに取得したクリックログが所定数に達すると、クリックログを用いて検索クエリ毎に影響度を算出し（ステップＳ１０２）、処理を終了する。

つづいて、図９を用いて、検索条件処理の処理手順について説明する。図９に示すように、まず、情報処理装置１０は、ユーザ端末５０から検索条件の提案画面に関する表示要求を取得する（ステップＳ２０１）。

つづいて、情報処理装置１０は、各検索クエリの影響度に応じて検索条件として提案する検索クエリを選択する（ステップＳ２０２）。つづいて、情報処理装置１０は、選択した検索クエリを含む検索条件を提案し（ステップＳ２０３）、処理を終了する。

〔４．変形例〕
上述した実施形態では、情報処理装置１０が提供する不動産サイトにおいて、各検索クエリの影響度を考慮して検索条件を提案する場合について説明したが、これに限定されるものではない。ネットショッピングをはじめとする各種検索サービスに本願発明を適用することにしてもよい。

また、上述した実施形態では、個別の物件に対する問い合わせの有無をコンバージョンとみなす場合について説明したが、これに限定されるものではない。たとえば、物件の契約（商品の購入）、資料請求などといった検索結果に対してユーザＵが行った各種行動をそれぞれコンバージョンとみなすことにしてもよい。

また、検索結果に対して行われたユーザの行動は、サイト内の行動に限定されるものではなく、たとえば、検索結果として表示される商品を実店舗で購入した／しなかったといったものであってもよい。この場合、情報処理装置１０は、たとえば、カード明細や、ＱＲコード（登録商標）の使用履歴から行動情報を取得したうえで、当該行動に与える影響度を算出することにしてもよい。

その他、検索結果に対して行われたユーザの行動として、たとえば、検索結果の表示後にサイトから離脱した／しなかった、検索結果の表示後にサイトに所定時間以上アクセスした／しなかった等、影響度の算出対象に応じて任意に設定することにしてもよい。

〔５．効果〕
上述した実施形態に係る情報処理装置１０は、検索条件種別毎の検索結果に対して行われたユーザの行動に関する行動情報を取得する行動情報取得部１３３と、行動情報取得部１３３によって取得された行動情報を用いて、検索条件種別の選択の有無が行動へ与える影響度を算出する算出部１３５と、算出部１３５によって算出された影響度に応じて選択した検索条件種別の検索条件をユーザへ提案する提案部１３６とを備える。したがって、実施形態に係る情報処理装置１０によれば、提案する検索条件の最適化を図ることができる。

また、上述した実施形態に係る行動情報取得部１３３は、検索結果に対して行われたコンバージョンに関するコンバージョン情報をクリック情報として取得し、算出部１３５は、コンバージョン情報を用いて影響度を算出する。したがって、実施形態に係る情報処理装置１０によれば、検索条件種別毎のコンバージョンに関する影響度を算出することができるので、たとえば、コンバージョンの期待値が高い検索条件を提案することができる。

また、上述した実施形態に係る算出部１３５は、ランダムフォレストを用いた機械学習を行うことで、前記影響度を算出する。したがって、実施形態に係る情報処理装置１０によれば、影響度を精度よく算出することができる。

また、上述した実施形態に係る算出部１３５は、コンバージョンに至ったときにユーザが選択した検索条件種別と、選択しなかった検索条件種別とに関する情報を入力データとして影響度を算出する。したがって、実施形態に係る情報処理装置１０によれば、影響度を適切に算出することができる。

また、上述した実施形態に係る算出部１３５は、ユーザが複数の検索条件種別を選択してコンバージョンに至った場合、当該複数の検索条件種別を一つの検索条件種別としてランダムフォレストを用いた機械学習を行う。したがって、実施形態に係る情報処理装置１０によれば、コンバージョンに至る過程で、各検索条件種別の選択が重複する場合においても、適切に影響度を算出することができる。

また、上述した実施形態に係る算出部１３５は、検索条件種別毎に正または負の影響度を算出し、提案部１３６は、正の影響度として算出された検索条件種別を組み合わせた検索条件を提案する。したがって、実施形態に係る情報処理装置１０によれば、正の影響度を有する検索条件種別同士の相乗効果によってプラスの作用となることが期待できる検索条件を提案することができる。

また、上述した実施形態に係る提案部１３６は、ユーザが入力可能な検索条件とは異なる検索条件種別を含む検索条件を提案する。したがって、実施形態に係る情報処理装置１０によれば、ユーザが入力可能な条件とは別の切り口で検索条件を提案することができるので、ユーザに対して希望する条件をより具体化した検索条件を提案することができる。

また、上述した実施形態に係る提案部１３６は、異なる概念を持つ検索条件種別を組み合わせた検索条件を提案する。したがって、実施形態に係る情報処理装置１０によれば、多様な切り口の検索条件を提案することができるので、たとえば、従来にない新たな切り口の検索条件を提案することが可能となる。

また、上述した実施形態に係る算出部１３５は、ユーザに関するユーザ情報に応じて分類されるユーザ属性毎に影響度を算出する。したがって、実施形態に係る情報処理装置１０によれば、ユーザ属性に適合した適切な影響度を算出することができる。

また、上述した実施形態に係る提案部１３６は、ユーザ属性毎に算出された影響度に応じて、検索条件を提案する。したがって、実施形態に係る情報処理装置１０によれば、ユーザに対して適切な検索条件を提案することができる。

また、上述した実施形態に係る行動情報取得部１３３は、不動産コンテンツに関する検索結果の行動情報を取得し、提案部１３６は、不動産コンテンツに関する検索条件を提案する。したがって、実施形態に係る情報処理装置１０によれば、不動産コンテンツに関して適切な検索条件を提案することができる。

また、上述した実施形態に係る情報処理方法は、コンピュータが実行する情報処理方法であって、検索条件種別毎の検索結果に対して行われたユーザの行動に関する行動情報を取得する行動情報取得工程と、行動情報取得工程によって取得された行動情報を用いて、検索条件種別の選択の有無が行動へ与える影響度を算出する算出工程と、算出工程によって算出された影響度に応じて選択した検索条件種別の検索条件をユーザへ提案する提案工程とを含む。したがって、実施形態に係る情報処理方法によれば、提案する検索条件の最適化を図ることができる。

また、上述した実施形態に係る情報処理プログラムは、検索条件種別毎の検索結果に対して行われたユーザの行動に関する行動情報を取得する行動情報取得手順と、行動情報取得手順によって取得された前記行動情報を用いて、検索条件種別の選択の有無が行動へ与える影響度を算出する算出手順と、算出手順によって算出された影響度に応じて選択した前記検索条件種別の検索条件をユーザへ提案する提案手順とをコンピュータに実行させる。したがって、実施形態に係る情報処理プログラムによれば、提案する検索条件の最適化を図ることができる。

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置１０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、実施形態に係る情報処理装置１０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、ＨＤＤ１４００、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（通信ネットワーク）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送信する。

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（図１０では、出力装置および入力装置を総称して「入出力装置」と記載する）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が実施形態に係る情報処理装置１０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、本願の実施形態のいくつか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、発明の開示の欄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、上記実施形態及び変形例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変更することができる。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及び変形例は、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、不動産情報取得部１３１は、不動産情報取得手段や不動産情報取得回路に読み替えることができる。

１０ 情報処理装置
５０ ユーザ端末
１１０ 通信部
１２０ 記憶部
１２１ 不動産情報記憶部
１２２ クリックログ記憶部
１２３ ユーザ情報記憶部
１２４ ユーザ属性記憶部
１２５ 影響度記憶部
１３０ 制御部
１３１ 不動産情報取得部
１３２ ユーザ情報取得部
１３３ 行動情報取得部
１３４ ユーザ属性分類部
１３５ 算出部
１３６ 提案部
１３７ 検索部

Claims (13)

1. 検索条件種別毎の検索結果に対して行われたユーザの行動に関する行動情報を取得する行動情報取得部と、
   前記行動情報取得部によって取得された前記行動情報を用いて、前記検索条件種別の選択の有無が前記行動へ与える影響度を算出する算出部と、
   前記算出部によって算出された前記影響度に応じて選択した前記検索条件種別の検索条件をユーザへ提案する提案部と
   を備えることを特徴とする情報処理装置。
2. 前記行動情報取得部は、
   前記検索結果に対して行われたコンバージョンに関するコンバージョン情報を前記行動情報として取得し、
   前記算出部は、
   前記コンバージョン情報を用いて前記影響度を算出すること
   を特徴とする請求項１に記載の情報処理装置。
3. 前記算出部は、
   ランダムフォレストを用いた機械学習を行うことで、前記影響度を算出すること
   を特徴とする請求項２に記載の情報処理装置。
4. 前記算出部は、
   前記コンバージョンに至ったときに前記ユーザが選択した前記検索条件種別と、選択しなかった前記検索条件種別とに関する情報を用いて前記影響度を算出すること
   を特徴とする請求項３に記載の情報処理装置。
5. 前記算出部は、
   前記ユーザが複数の前記検索条件種別を選択して前記コンバージョンに至った場合、当該複数の前記検索条件種別を一つの前記検索条件種別として前記ランダムフォレストを用いた機械学習を行うこと
   を特徴とする請求項３または４に記載の情報処理装置。
6. 前記算出部は、
   前記検索条件種別毎に正または負の前記影響度を算出し、
   前記提案部は、
   正の前記影響度として算出された前記検索条件種別を組み合わせた前記検索条件を提案すること
   を特徴とする請求項１～５のいずれか一つに記載の情報処理装置。
7. 前記提案部は、
   前記ユーザが入力可能な検索条件とは異なる前記検索条件種別を含む前記検索条件を提案すること
   を特徴とする請求項１～６のいずれか一つに記載の情報処理装置。
8. 前記提案部は、
   異なる概念を持つ前記検索条件種別を組み合わせた前記検索条件を提案すること
   を特徴とする請求項１～７のいずれか一つに記載の情報処理装置。
9. 前記算出部は、
   前記ユーザに関するユーザ情報に応じて分類されるユーザ属性毎に前記影響度を算出すること
   を特徴とする請求項１～８のいずれか一つに記載の情報処理装置。
10. 前記提案部は、
    前記ユーザ属性毎に算出された前記影響度に応じて、前記検索条件を提案すること
    を特徴とする請求項９に記載の情報処理装置。
11. 前記行動情報取得部は、
    不動産コンテンツに関する前記検索結果に対して行われた前記行動情報を取得し、
    前記提案部は、
    前記不動産コンテンツに関する前記検索条件を提案すること
    を特徴とする請求項１～９のいずれか一つに記載の情報処理装置。
12. コンピュータが実行する情報処理方法であって、
    検索条件種別毎の検索結果に対して行われたユーザの行動に関する行動情報を取得する行動情報取得工程と、
    前記行動情報取得工程によって取得された前記行動情報を用いて、前記検索条件種別の選択の有無が前記行動へ与える影響度を算出する算出工程と、
    前記算出工程によって算出された前記影響度に応じて選択した前記検索条件種別の検索条件をユーザへ提案する提案工程と
    を含むことを特徴とする情報処理方法。
13. 検索条件種別毎の検索結果に対して行われたユーザの行動に関する行動情報を取得する行動情報取得手順と、
    前記行動情報取得手順によって取得された前記行動情報を用いて、前記検索条件種別の選択の有無が前記行動へ与える影響度を算出する算出手順と、
    前記算出手順によって算出された前記影響度に応じて選択した前記検索条件種別の検索条件をユーザへ提案する提案手順と
    をコンピュータに実行させることを特徴とする情報処理プログラム。

Images