JP7043453B2 - 情報処理装置、システム、情報処理方法、およびプログラム - Google Patents

Description

本発明は、情報処理装置、システム、情報処理方法、およびプログラムに関する。

従来、ユーザの購入履歴およびユーザごとの素性情報に基づいて、インセンティブごとのユーザによる購入傾向をモデル化した予測モデルを生成するモデル生成部と、モデル生成部により生成された予測モデルに基づいて、複数のインセンティブのうち、少なくとも一つ以上のインセンティブを付与することによって生じる購入行動に関する事象を最適化するための確率を予測する確率予測部と、を備える情報解析装置の発明が開示されている（特許文献１参照）。

特開２０１８－７３３４９号公報

上記従来の技術では、それぞれのユーザについて、特典を付与した場合のユーザの行動の改善度合いを適切に評価することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、特典を付与した場合のユーザの行動の改善度合いを適切に評価することができる情報処理装置、システム、情報処理方法、およびプログラムを提供することを目的の一つとする。

本発明の一態様は、サービスを利用するユーザの第１特徴量を、前記第１特徴量を入力するとユーザに特典が付与された場合に所定の行動が行われる確率を出力する第１モデルに入力することで、前記ユーザに特典が付与された場合に所定の行動が行われる確率を導出する第１導出部と、前記ユーザの前記第１特徴量を、前記第１特徴量を入力するとユーザに特典が付与されなかった場合に所定の行動が行われる確率を出力する第２モデルに入力することで、前記ユーザに特典が付与されなかった場合に所定の行動が行われる確率を導出する第２導出部と、同一のユーザに関する前記第１導出部の導出結果と前記第２導出部の導出結果に基づく情報を出力する結果出力部と、を備える情報処理装置である。

本発明の一態様によれば、特典を付与した場合のユーザの行動の改善度合いを適切に評価することができる。

情報処理装置１００の構成と使用環境の一例を示す図である。 ユーザデータ７０の内容の一例を示す図である。 検索入力画面ＩＭ１の一例を示す図である。 検索結果表示画面ＩＭ２の一例を示す図である。 商品販売画面ＩＭ３の一例を示す図である。 商品データ７２の内容の一例を示す図である。 ログデータ７４の内容の一例を示す図である。 離反ユーザ予測部１０６による処理の概要の一例を示す図である。 第１導出部１０８による処理の概要の一例を示す図である。 第２導出部１１０による処理の概要の一例を示す図である。 学習処理部１２０による処理の概要の一例を示す図である。 学習処理部１２０による処理の概要の一例を示す図である。 学習処理部１２０による処理の概要の一例を示す図である。

［概要］
以下、図面を参照し、本発明の情報処理装置、システム、情報処理方法、およびプログラムの実施形態について説明する。情報処理装置は、一以上のプロセッサにより実現される。情報処理装置は、サービスを利用するユーザの第１特徴量に基づいて、そのユーザに特典を付与した場合に所定の行動を行う確率と、特典を付与しなかった場合に所定の行動を行う確率とを対比するための情報を出力する装置である。サービスとは、例えば、会員制のサービスであり、電子商取引に係るショッピング（ネットショッピング）、オークションまたはフリーマーケット、会員制のゴルフコース、英会話レッスンなど、種々のものが該当する。以下の説明では、サービスは電子商取引に係るショッピングであるものとする。

より具体的に、情報処理装置は、ユーザの第２特徴量に基づいて、そのユーザが、サービスの利用を停止した離反状態になるか否かを予測し、離反状態になると予測した場合に、上記の第１特徴量に基づく処理を行う。すなわち、情報処理装置は、「サービスから離反しそうなユーザに対して、特典を与えた場合にどの程度の効果があるのか」を検知するための情報を出力する。これによって、情報処理装置は、特典を付与した場合のユーザの行動の改善度合いを適切に評価することができる。

ショッピングに適用される情報処理装置は、ショッピングサイトを管理するショッピングサーバなどに包含される装置であってもよい。すなわち、情報処理装置は、仮想的な装置であってもよい。また、情報処理装置は、ショッピングサーバそのものであってもよい。以下では、情報処理装置がショッピングサーバとは別体の装置であるものとして説明する。ショッピングサーバは、ブラウザからのリクエストに応じてショッピングサイトを提供するものであってもよいし、スマートフォンなどにインストールされたアプリケーションプログラムからのリクエストに応じてショッピングサイトと同様のコンテンツを提供するものであってもよい。以下の説明では、ショッピングサーバは前者であるものとする。

［全体構成］
図１は、情報処理装置１００の構成と使用環境の一例を示す図である。情報処理装置１００は、ネットワークＮＷを介してショッピングサーバ５０と通信する。ショッピングサーバ５０は、ネットワークＮＷを介して、端末装置１０と通信する。ネットワークＮＷは、例えば、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、無線基地局、プロバイダ端末、専用回線などを含む。

端末装置１０は、例えば、パーソナルコンピュータやスマートフォンなどの携帯電話、タブレット端末などである。これらにおいて、ブラウザやアプリケーションプログラムなどのＵＡ（User Agent）２０が起動する。ＵＡ２０は、ショッピングサーバ５０から提供された販売画面を表示すると共に、端末装置１０のユーザによってなされた入力操作に応じたリクエストをショッピングサーバ５０に送信する。

［ショッピングサーバ］
ショッピングサーバ５０は、例えば、サイト提供部５２と、ログ収集部５４と、ランキング処理部５６と、特典付与部５８とを備える。これらの構成要素は、例えば、ＣＰＵ（Central Processing Unit）などの一以上のハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。

また、ショッピングサーバ５０は、ＨＤＤやフラッシュメモリ、ＲＡＭ（Random Access Memory）などの記憶装置に、ユーザデータ７０、商品データ７２、ログデータ７４などのデータを格納している。この記憶装置は、ショッピングサーバ５０に付随するものであってもよいし、ショッピングサーバ５０がネットワークＮＷを介してアクセス可能なＮＡＳ（Network Attached Storage）であってもよい。

サイト提供部５２は、ユーザデータ７０を参照しつつ、以下に説明する各種処理を行う。図２は、ユーザデータ７０の内容の一例を示す図である。ユーザデータ７０は、例えば、氏名、性別、年齢、職業、プレミアム会員入退会履歴、ユーザタイプ、他サービス利用履歴、特典利用履歴などの情報が、ユーザＩＤに対応付けられたデータである。プレミアム会員入退会履歴とは、一般ユーザとは別料金を支払って特別なサービスを受けるプレミアム会員となったり、プレミアム会員から退会したりした履歴である。ユーザタイプとは、ショッピングサーバが提携する他サービス（オークション、フリーマーケット、その他）と同時に会員になっているか否かを示す情報である。他サービス利用履歴とは、上記の他サービスの利用履歴である。特典利用履歴とは、ショッピングサーバ５０がユーザに付与した特典（他サービスにより付与されたショッピングサーバ５０と互換性のある特典を含んでもよい）が、いつ、どこで、どの用途で使用されたかを示す履歴である。これらのデータは、ユーザにより入力され、ユーザの行動履歴から特定され、或いはユーザの行動履歴から推定されたものである。

サイト提供部５２は、ショッピングサイトとしての各種画面を端末装置１０に提供する。図３は、検索入力画面ＩＭ１の一例を示す図である。検索入力画面ＩＭ１には、商品を検索するためのクエリを入力するためのクエリ入力欄Ａ１、および、入力されたクエリで検索を実行させるための検索ボタンＢ１が設けられている。クエリ入力欄Ａ１にクエリが入力され、検索ボタンＢ１が操作されると、検索結果表示画面ＩＭ２に遷移する。このとき、サイト提供部５２は、クエリをランキング処理部５６に出力してランキング処理を依頼する。なお、クエリではなくカテゴリが選択された場合も、同様に検索結果表示画面ＩＭ２に遷移する。

図４は、検索結果表示画面ＩＭ２の一例を示す図である。検索結果表示画面ＩＭ２には、検索結果表示欄Ａ２が含まれる。検索結果表示欄Ａ２には、ランキング処理部５６によって決定されたランキング順に、スクロールすることで視認可能な数の商品の画像や説明が、ポジション順に並べて表示される。検索結果表示画面ＩＭ２において一つの商品の画像や説明が操作（選択）されると、商品販売画面ＩＭ３に遷移する。

図５は、商品販売画面ＩＭ３の一例を示す図である。商品販売画面ＩＭ３には、商品画像表示欄Ａ３－１、タイトル欄Ａ３－２、詳細説明欄Ａ３－３などが含まれる。タイトル欄Ａ３－２や詳細説明欄Ａ３－３には、選択された商品（選択商品）の製造元、商品の素材、使用、その他の内容がテキストとして掲載される。商品販売画面ＩＭ３に対する操作によって、購入者により商品が購入される。

各種画面に埋め込まれる情報は、商品データ７２から取得される。図６は、商品データ７２の内容の一例を示す図である。商品データ７２は、例えば、商品の識別情報である商品ＩＤに対して、カテゴリの識別情報であるカテゴリＩＤ、商品画像、タイトル、詳細説明、価格、その他のデータが対応付けられたものである。これらのうち、商品ＩＤは、不図示の出品受付部により付番された情報であり、その他の情報は、販売者により入力されたものである。カテゴリは、例えば階層的に設定されており、図示の例では、例えば「３」が「飲食品」、「３５」が「お酒」、「３５６」が「赤ワイン」を示している。タイトルは、タイトル欄Ａ３－２に表示され、詳細説明は、詳細説明欄Ａ３－３に表示される。

ログ収集部５４は、ユーザごとのショッピングサイトの利用履歴を収集し、ログデータ７４に登録する。図７は、ログデータ７４の内容の一例を示す図である。ログデータ７４は、例えば、閲覧ページの識別情報（例えばＵＲＬ：Uniform Resource Locator）に対して、閲覧時刻、検索結果表示画面であれば紹介商品の商品ＩＤ、商品販売画面であれば購入情報などが対応付けられたデータである、購入情報には、購入された商品の商品ＩＤなどが含まれる。

ランキング処理部５６は、サイト提供部５２から渡されたクエリに基づいて、商品を順位付けして選択し、サイト提供部５２に渡す。例えば、ランキング処理部５６は、まずクエリを用いて商品データ７２を検索し、タイトルまたは商品詳細の中にクエリが含まれる商品を抽出する。そして、ランキング処理部５６は、抽出した商品の特徴量（ＰＶ数、クエリとのマッチ度合い、価格など）をランキング用モデルに入力することで商品ごとのスコアを導出し、スコアが高い商品から順に選択してサイト提供部５２に渡す。なお、ランキング処理については本発明を中核をなすものではないため、詳細な説明を省略する。

特典付与部５８は、後述するように情報処理装置１００から取得した情報に基づいて、ユーザに特典を付与する。特典は、如何なる形態のものでもよいが、一例として、複数のサービスに跨って使用可能なポイントであり、現金と同じように使用可能なポイントである。特典付与部５８は、例えば、付与したポイントをユーザデータ７０に登録する。なお、特典付与部５８は、情報処理装置１００から取得した情報に基づかない別の規則に基づいてポイントをユーザに付与してもよい。

［情報処理装置］
（運用段階）
図１に戻り、情報処理装置１００は、例えば、データ取得部１０２と、抽出部１０４と、離反ユーザ予測部１０６と、第１導出部１０８と、第２導出部１１０と、結果出力部１１２と、学習処理部１２０とを備える。これの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。なお、学習処理部１２０と、その他の構成要素とは、別体の情報処理装置に実装されてもよい。

データ取得部１０２は、ショッピングサーバ５０から、ユーザデータ７０、商品データ７２、ログデータ７４など、処理に必要なデータを取得する。

抽出部１０４は、処理対象となるユーザ（例えばユーザデータ７０に含まれる全てのユーザ）から、優良ユーザを抽出する。優良ユーザとは、年間購入回数が所定回数以上であり、且つ購入停止期間が第１所定期間（例えば１カ月程度）未満のユーザである。なお優良ユーザの指定はショッピングサーバ５０の方で行われ、情報処理装置１００は優良ユーザの指定を受け付ける、或いは優良ユーザのデータのみをショッピングサーバ５０から取得するようにしてもよい。

図８は、離反ユーザ予測部１０６による処理の概要の一例を示す図である。離反ユーザ予測部１０６は、抽出部１０４により抽出されたユーザの第２特徴量を、離反ユーザ予測モデル１５０（第３モデルの一例）に入力することで、ユーザがサービスの利用を停止した離反状態になるか否かを予測する。離反状態とは、例えば、第２所定期間（例えば数カ月程度）に亘って商品を購入しない状態である。離反ユーザ予測モデル１５０は、第２特徴量を入力すると、その第２特徴量に係るユーザが、離反状態になるか否かを示す値を出力するモデルである。第２特徴量は、例えば、購入間隔の最大値、最小値、および平均など、商品のカテゴリの最上位階層ごとの購入回数、ユーザタイプ、プレミアム会員の退会回数、会員期間など、ショッピングサーバから取得した購入に関する任意のデータを、モデルに入力可能なように数値化したものである。例えば、離反ユーザ予測部１０６は、これらのデータを数値化した上で結合し、第２特徴量ベクトルを生成して離反ユーザ予測モデル１５０に入力する。

離反ユーザ予測モデル１５０は、例えば、入力された第２特徴量に係るユーザが離反状態になる確率を出力する。この場合、離反ユーザ予測部１０６は、確率が第１閾値を上回る場合に、当該ユーザが離反状態になることを予測する。また、離反ユーザ予測モデル１５０は、入力された第２特徴量に係るユーザが離反状態になるか否かを示す値（例えば０か１か）を出力してもよい。離反ユーザ予測部１０６は、抽出部１０４により抽出されたユーザのそれぞれについて上記処理を行う。

図９は、第１導出部１０８による処理の概要の一例を示す図である。第１導出部１０８は、離反ユーザ予測部１０６により離反状態になると予測されたユーザの第１特徴量を特典ありＣＶ予測モデル１５２（第１モデルの一例）に入力することで、ユーザに特典が付与された場合に所定の行動が行われる確率（以下、第１確率Ｐ１）を導出する。所定の行動とは、例えば、商品を購入する行動であるが、これに限らず、プレミアム会員に入会する行動など、任意の行動であってよい。確率とは、例えば、情報処理装置１００が扱う桁数での連続値であるが、量子化された離散値（例えば、５％刻みなど）で表されてもよいし、ランク（Ａ、Ｂ、Ｃ、…といったもの）で表されてもよい。第２導出部１１０の処理においても同様である。

第１特徴量は、例えば、第２特徴量と同様のデータを含んでよく、更に、他サービス利用履歴や特典利用履歴を含む。特に、特典利用履歴のうち、ショッピングで使用されたのか、ショッピング以外の用途で使用されたかを含むようにすると好適である。

図１０は、第２導出部１１０による処理の概要の一例を示す図である。第２導出部１１０は、離反ユーザ予測部１０６により離反状態になると予測されたユーザの第１特徴量を特典無しＣＶ予測モデル１５４（第２モデルの一例）に入力することで、ユーザに特典が付与されなかった場合に所定の行動が行われる確率（以下、第２確率Ｐ２）を導出する。

結果出力部１１２は、同一のユーザＵｋ（ｋ＝１、２、…）に関する第１確率Ｐ１ｋと、第２確率Ｐ２ｋに基づく情報をショッピングサーバ５０に出力する。例えば、結果出力部１１２は、第１確率Ｐ１ｋが第２確率Ｐ２ｋに対して大きい程、大きくなる値を出力する。第１確率Ｐ１ｋが第２確率Ｐ２ｋに対して大きい程、大きくなる値とは、例えば、第１確率Ｐ１ｋから第２確率Ｐ２ｋを差し引いた差分である。これに限らず、第１確率Ｐ１ｋを第２確率Ｐ２ｋで除算した商であってもよいし、同様の傾向を有する他の値であってもよい。また、結果出力部１１２は、第１確率Ｐ１ｋが第２確率Ｐ２ｋに対して大きい程、大きくなる値を第２閾値と比較し、第２閾値以上である場合に、「特典の効果が大きい」旨を示す情報を、当該ユーザに付与した情報をショッピングサーバ５０に出力してもよい。例えば、結果出力部１１２は、ユーザごとに上記の差分を対応づけたリスト情報を出力する。また、結果出力部１１２は、差分が第２閾値を超えたユーザのリスト情報を出力してもよい。これによって、情報処理装置１００は、サービスから離反しそうなユーザに対して、特典を与えた場合にどの程度の効果があるのかを示す情報を出力することができる。

（学習段階）
以下、学習処理部１２０による、離反ユーザ予測モデル１５０、特典ありＣＶ予測モデル１５２、特典無しＣＶ予測モデル１５４の学習処理について説明する。図１１～図１３は、学習処理部１２０による処理の概要の一例を示す図である。図１１に示すように、学習処理部１２０は、複数のユーザの第２特徴量を学習データ、各ユーザが離反状態となったか否かを示すラベルを教師データとして、ロジスティック回帰（例えばＬ１正規化ロジスティック回帰）、決定木、ＳＶＭなどの手法によって機械学習モデルのパラメータを調整し、パラメータが調整された機械学習モデルを離反ユーザ予測モデル１５０とする。

また、図１２に示すように、学習処理部１２０は、複数のユーザを特典が付与されたグループ（特典ありグループ）と特典が付与されなかったグループ（特典無しグループ）に分け、特典ありグループに含まれる複数のユーザの第１特徴量を学習データ、各ユーザが所定の行動を行ったか否かを示すラベルを教師データとして、ロジスティック回帰（例えばＬ１正規化ロジスティック回帰）、決定木、ＳＶＭなどの手法によって機械学習モデルのパラメータを調整し、パラメータが調整された機械学習モデルを特典ありＣＶ予測モデル１５２とする。

また、図１３に示すように、学習処理部１２０は、特典無しグループに含まれる複数のユーザの第１特徴量を学習データ、各ユーザが所定の行動を行ったか否かを示すラベルを教師データとして、ロジスティック回帰（例えばＬ１正規化ロジスティック回帰）、決定木、ＳＶＭなどの手法によって機械学習モデルのパラメータを調整し、パラメータが調整された機械学習モデルを特典無しＣＶ予測モデル１５４とする。なお、上記の各機械学習モデルは、ニューラルネットワークなどであってよい。

このように個別にモデルを学習することで、実測データに基づく精度のよいモデルが生成される。この結果、結果出力部１１２の処理結果は、特典を付与した場合のユーザの行動の改善度合いを適切に評価したものとなる。

以上説明した実施形態によれば、サービスを利用するユーザの第１特徴量を、第１特徴量を入力するとユーザに特典が付与された場合に所定の行動が行われる確率を出力する特典ありＣＶ予測モデル１５２に入力することで、ユーザに特典が付与された場合に所定の行動が行われる確率を導出する第１導出部１０８と、ユーザの第１特徴量を、第１特徴量を入力するとユーザに特典が付与されなかった場合に所定の行動が行われる確率を出力する特典無しＣＶ予測モデル１５４に入力することで、ユーザに特典が付与されなかった場合に所定の行動が行われる確率を導出する第２導出部と、同一のユーザに関する第１導出部１０８の導出結果と第２導出部１１０の導出結果に基づく情報を出力する結果出力部１１２と、を備えることにより、特典を付与した場合のユーザの行動の改善度合いを適切に評価することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１０ 端末装置
５０ ショッピングサーバ
１００ 情報処理装置
１０２ データ取得部
１０４ 抽出部
１０６ 離反ユーザ予測部
１０８ 第１導出部
１１０ 第２導出部
１１２ 結果出力部
１２０ 学習処理部
１５０ 離反ユーザ予測モデル
１５２ 特典ありＣＶ予測モデル
１５４ 特典無しＣＶ予測モデル

Claims (10)

1. サービスを利用するユーザの第１特徴量を、前記第１特徴量を入力するとユーザに特典が付与された場合に所定の行動が行われる確率を出力する第１モデルに入力することで、前記ユーザに特典が付与された場合に所定の行動が行われる確率を導出する第１導出部と、
   前記ユーザの前記第１特徴量を、前記第１特徴量を入力するとユーザに特典が付与されなかった場合に所定の行動が行われる確率を出力する第２モデルに入力することで、前記ユーザに特典が付与されなかった場合に所定の行動が行われる確率を導出する第２導出部と、
   同一のユーザに関する前記第１導出部の導出結果と前記第２導出部の導出結果に基づく情報を出力する結果出力部と、
   を備え、
   前記第１モデルは、複数のユーザのうち、特典が付与されたユーザの前記第１特徴量を学習データ、前記ユーザが所定の行動を行ったか否かを示すラベルを教師データとして生成されたものであり、
   前記第２モデルは、前記複数のユーザのうち、特典が付与されなかったユーザの前記第１特徴量を学習データ、前記ユーザが所定の行動を行ったか否かを示すラベルを教師データとして生成されたものである、
   情報処理装置。
2. 前記第１特徴量は、ユーザの特典利用に関するデータを含むデータを数値化したものである、
   請求項１記載の情報処理装置。
3. 前記ユーザの第２特徴量を、前記第２特徴量を入力すると前記サービスの利用を停止した離反状態になるか否かを示す値を出力する第３モデルに入力することで、前記ユーザが前記離反状態になるか否かを予測する予測部を更に備え、
   前記第１導出部は、前記予測部により前記離反状態になると予測されたユーザの前記第１特徴量を前記第１モデルに入力し、
   前記第２導出部は、前記予測部により前記離反状態になると予測されたユーザの前記第１特徴量を前記第２モデルに入力する、
   請求項１または２記載の情報処理装置。
4. 前記第２特徴量は、ユーザの購入に関するデータを含むデータを数値化したものである、
   請求項３記載の情報処理装置。
5. 前記結果出力部は、前記情報として、前記第１導出部の導出結果が前記第２導出部の導出結果に対して大きい程、大きくなる値を出力する、
   請求項１から４のうちいずれか１項記載の情報処理装置。
6. 所定の基準に基づいて、前記サービスを利用するユーザのうち優良ユーザを抽出する抽出部を更に備え、
   少なくとも前記第１導出部および前記第２導出部は、前記抽出部により抽出された優良ユーザについて処理を行う、
   請求項１から５のうちいずれか１項記載の情報処理装置。
7. 前記第１モデルは、特典が付与された一群のユーザについて前記第１特徴量と前記所定の行動との関係を機械学習によって学習することで生成されたものであり、
   前記第２モデルは、特典が付与されなかった一群のユーザについて前記第１特徴量と前記所定の行動との関係を機械学習によって学習することで生成されたものである、
   請求項１から６のうちいずれか１項記載の情報処理装置。
8. 請求項１から７のうちいずれか１項記載の情報処理装置と、
   前記結果出力部の出力する情報に基づいてユーザに特典を付与する特典付与部と、
   を備えるシステム。
9. コンピュータが、
   サービスを利用するユーザの第１特徴量を、前記第１特徴量を入力するとユーザに特典が付与された場合に所定の行動が行われる確率を出力する第１モデルに入力することで、前記ユーザに特典が付与された場合に所定の行動が行われる第１確率を導出し、
   前記ユーザの前記第１特徴量を、前記第１特徴量を入力するとユーザに特典が付与されなかった場合に所定の行動が行われる確率を出力する第２モデルに入力することで、前記ユーザに特典が付与されなかった場合に所定の行動が行われる第２確率を導出し、
   同一のユーザに関する前記第１確率と前記第２確率に基づく情報を出力し、
   前記第１モデルは、複数のユーザのうち、特典が付与されたユーザの前記第１特徴量を学習データ、前記ユーザが所定の行動を行ったか否かを示すラベルを教師データとして生成されたものであり、
   前記第２モデルは、前記複数のユーザのうち、特典が付与されなかったユーザの前記第１特徴量を学習データ、前記ユーザが所定の行動を行ったか否かを示すラベルを教師データとして生成されたものである、
   情報処理方法。
10. コンピュータに、
    サービスを利用するユーザの第１特徴量を、前記第１特徴量を入力するとユーザに特典が付与された場合に所定の行動が行われる確率を出力する第１モデルに入力することで、前記ユーザに特典が付与された場合に所定の行動が行われる第１確率を導出させ、
    前記ユーザの前記第１特徴量を、前記第１特徴量を入力するとユーザに特典が付与されなかった場合に所定の行動が行われる確率を出力する第２モデルに入力することで、前記ユーザに特典が付与されなかった場合に所定の行動が行われる第２確率を導出させ、
    同一のユーザに関する前記第１確率と前記第２確率に基づく情報を出力させ、
    前記第１モデルは、複数のユーザのうち、特典が付与されたユーザの前記第１特徴量を学習データ、前記ユーザが所定の行動を行ったか否かを示すラベルを教師データとして生成されたものであり、
    前記第２モデルは、前記複数のユーザのうち、特典が付与されなかったユーザの前記第１特徴量を学習データ、前記ユーザが所定の行動を行ったか否かを示すラベルを教師データとして生成されたものである、
    プログラム。

Images