JP7104214B1 - 提供装置、提供方法、及び提供プログラム - Google Patents

Abstract

【課題】ターゲットとなるユーザに関する有益な情報を提供すること。【解決手段】本願に係る提供装置は、受付部と、生成部と、分類部と、グルーピング部と、提供部とを備える。受付部は、第１の事業者から、所定のカテゴリに属するユーザの属性情報を受け付ける。生成部は、第２の事業者が予め蓄積するユーザ情報を用いてユーザ情報に含まれるユーザを分類するモデルであって、受付部により受け付けられた属性情報を有するユーザを同一カテゴリに分類する分類モデルを生成する。分類部は、生成部により生成された分類モデルを用いて、ユーザ情報に含まれるユーザの中から所定のカテゴリに属するユーザを分類する。グルーピング部は、分類部により分類されたユーザをグループ分けする。提供部は、グルーピング部により同一の集合にグループ分けされたユーザに関する統計情報を第１の事業者に提供する。【選択図】図５

Description

本発明は、提供装置、提供方法、及び提供プログラムに関する。

従来、ビジネスシーン等に活用することを目的として、インターネットを介してやり取りされる膨大なデータを様々な側面から分析するための様々な技術が提案されている。たとえば、購買履歴データ等を用いて時期のトレンドを考慮して顧客を分析する技術が知られている。

特開２０１５－１４６１４５号公報

しかしながら、従来の技術は、ターゲットとなるユーザに関する有益な情報を提供する上で改善の余地がある。

本願は、上記に鑑みてなされたものであって、ターゲットとなるユーザに関する有益な情報を提供できる提供装置、提供方法、及び提供プログラムを提供することを目的とする。

本願に係る提供装置は、受付部と、生成部と、分類部と、グルーピング部と、提供部とを備える。受付部は、第１の事業者から、所定のカテゴリに属するユーザの属性情報を受け付ける。生成部は、第２の事業者が予め蓄積するユーザ情報を用いてユーザ情報に含まれるユーザを分類するモデルであって、受付部により受け付けられた属性情報を有するユーザを同一カテゴリに分類する分類モデルを生成する。分類部は、生成部により生成された分類モデルを用いて、ユーザ情報に含まれるユーザの中から所定のカテゴリに属するユーザを分類する。グルーピング部は、分類部により分類されたユーザをグループ分けする。提供部は、グルーピング部により同一の集合にグループ分けされたユーザに関する統計情報を第１の事業者に提供する。

実施形態の態様の１つによれば、ターゲットとなるユーザに関する有益な情報を提供できる。

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、実施形態に係る検索履歴に基づく統計情報の一例を示す図である。 図３は、実施形態に係る購入履歴に基づく統計情報の一例を示す図である。 図４は、実施形態に係る検索履歴に基づく統計情報の他の例を示す図である。 図５は、実施形態に係る提供装置の構成例を示す図である。 図６は、実施形態に係るカテゴリごとの検索履歴に関する統計情報の一例を示す図である。 図７は、実施形態に係る提供装置による処理手順の一例を示すフローチャートである。 図８は、変形例に係る統計情報の提供方法の一例を示す図である。 図９は、実施形態又は変形例に係る提供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、本願に係る提供装置、提供方法、及び提供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、以下に説明する実施形態により本願に係る提供装置、提供方法、及び提供プログラムが限定されるものではない。また、以下に説明する実施形態は、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、以下に説明する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。

［１．情報処理の概要］
以下、図面を参照しつつ、実施形態に係る情報処理の一例を説明する。図１は、実施形態に係る情報処理の一例を示す図である。なお、以下に説明する例に限らず、任意の数の事業者端末について、以下に説明する情報処理を並列して実行できる。

図１に示すように、実施形態に係る提供システム１は、事業者端末１０と、提供装置１００とを備える。事業者端末１０及び提供装置１００は、それぞれ有線又は無線によりネットワークＮ（たとえば、図５参照）に接続される。ネットワークＮは、ＬＡＮ（Local Area Network）や、ＷＡＮ（Wide Area Network）や、電話網（携帯電話網、固定電話網等）や、地域ＩＰ（Internet Protocol）網や、インターネット等の通信ネットワークである。ネットワークＮは、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。事業者端末１０及び提供装置１００は、ネットワークＮを通じて相互に通信できる。

図１に示す事業者端末１０は、事業者Ｘ（「第１の事業者」の一例）が管理する情報処理装置である。たとえば、事業者Ｘは、消費者に対して所定の商品又は役務を提供する事業を反復継続的に独立して行っている。事業者端末１０は、典型的には、デスクトップ型またはノート型のパーソナルコンピュータである。なお、事業者端末１０は、スマートフォンやタブレット、ＰＤＡ（Personal Digital Assistant）などの任意の情報処理端末により実現されてもよい。

また、事業者端末１０は、提供装置１００から提供される情報を、ウェブブラウザやアプリケーションにより表示できる。なお、事業者端末１０は、情報の表示処理を実現する制御情報を提供装置１００などから受け取った場合には、制御情報に従って表示処理を実現する。

また、事業者端末１０は、事業者Ｘが営む事業に関する顧客情報を収集し、収集した顧客情報を管理する。また、事業者端末１０は、事業者Ｘが収集した顧客情報の分析を行うことにより、所定のカテゴリに属するユーザのラベル（「属性情報」の一例）を特定する。たとえば、事業者端末１０は、居所が「中央区在住」で、年齢が「５０代」で、かつ性別が「男性」のカテゴリに属する顧客について、「冷蔵庫購入」や「年収一千万円以上」などのラベルを特定する。そして、事業者端末１０は、提供装置１００に対して、任意のタイミングで、所定のカテゴリごとに特定したラベルの情報を提供する。

図１に示す提供装置１００は、インターネット上の各種サービスを利用者に提供する事業を反復継続的に独立して行っている事業者Ｙ（「第２の事業者」の一例）が管理する情報処理装置である。たとえば、提供装置１００は、サーバ装置やクラウドシステムなどにより実現される。なお、提供装置１００は、サービス利用者が使用する利用者端末（図示略）や事業者端末１０に制御情報を配信する配信装置として機能してもよい。ここで、制御情報は、例えば、ＪａｖａＳｃｒｉｐｔ（登録商標）等のスクリプト言語やＣＳＳ（Cascading Style Sheets）等のスタイルシート言語により記述される。なお、提供装置１００から配信されるアプリケーションそのものを制御情報とみなしてもよい。

提供装置１００は、たとえば、ポータルサイトなどのオンラインコンテンツを介してインターネット上の各種サービスをサービス利用者に提供する。提供装置１００が提供するサービスには、検索エンジンサイトや、ニュースサイトや、技術解説サイトや、ショッピングサイトや、ファイナンスサイト（株価サイト）や、路線検索サイトや、地図提供サイトや、旅行サイトや、飲食店紹介サイトや、ウェブブログなどに関するウェブページなどを介して提供される各種サービスが含まれる。また、提供装置１００は、事業者端末１０にインストールされた各種アプリ（例えば、ポータルアプリ、ニュースアプリ、オークションアプリ、天気予報アプリ、ショッピングアプリ、ファイナンス（株価）アプリ、路線検索アプリ、地図提供アプリ、旅行アプリ、飲食店紹介アプリ、ブログ閲覧アプリ等）に表示する情報を提供できる。

また、提供装置１００は、上述した各種サービスの提供を通じて、サービス利用者が入力した検索ワードを受信できる。また、提供装置１００は、受信された検索ワードを、検索履歴（検索ログ）として蓄積できる。また、提供装置１００は、各種サービスにおけるサービス利用者の操作や閲覧等に基づくユーザ属性（例えば、年齢、性別、地域等のデモフラフィック属性や、各種サービスのオンラインコンテンツの利用履歴等に基づいて推定されるサイコグラフィック属性など）や、各種サービス等におけるサービス利用者の行動履歴を収集し、ユーザＩＤと対応付けて格納する。また、提供装置１００は、サービス利用者が使用する利用者端末（図示略）に予めインストールされた各種サービスに関するアプリケーションに表示する情報を、利用者端末に配信する装置であってもよい。また、提供装置１００は、アプリケーションのデータそのものを配信するサーバ装置であってもよい。

また、提供装置１００は、事業者Ｘに対して、事業者Ｙが予め蓄積するサービス利用者情報を用いて、事業者Ｘから提供されたラベルに基づいて分類モデルを作成し、作成した分類モデルにより分類された各ユーザに基づく統計情報を提供する。

図１に示すように、まず、提供装置１００は、事業者端末１０から、所定のカテゴリごとに、所定のカテゴリに属する顧客（ユーザ）のラベルの情報を受け付ける（ステップＳ１）。図１に示す例では、たとえば、提供装置１００は、カテゴリＣＴ－Ａに属するユーザのラベルＬＡ－１およびラベルＬＡ－２や、カテゴリＣＴ－Ｂに属するユーザのラベルＬＢや、カテゴリＣＴ－Ｃに属するユーザのラベルＬＣなどを受け付けている。

続いて、提供装置１００は、事業者端末１０から受け付けたラベルの情報を有するユーザを同一カテゴリに分類する分類モデルを生成する（ステップＳ２）。すなわち、提供装置１００は、事業者Ｙが予め蓄積するサービス利用者情報（「ユーザ情報」の一例）を用いて、サービス利用者情報に含まれるサービス利用者を分類するモデルを生成する。

たとえば、提供装置１００は、学習用データを用いて、入力用データの入力に応じて当該入力用データに対応するユーザが、ラベルに対応する所定のカテゴリに属するユーザであるかどうかを分類（推定）する分類モデルを学習する。具体的には、提供装置１００は、モデル（ニューラルネットワーク）を構成する相互に接続されたノード間の接続係数（重み）等のパラメータを学習する。

また、分類モデルの学習は、種々の機械学習に関する技術を用いて行われる。たとえば、提供装置１００は、モデルに入力するデータと、そのデータが入力された場合の出力を示す分類ラベル（正解ラベル）を用いて行う学習の手法、すなわち教師有り学習の手法によりモデルのパラメータを学習する。なお、上記は一例であり、提供装置１００は、モデルのパラメータを学習可能であれば、どのような学習の手法により、モデルのパラメータを学習してもよい。

ここで、図１に示す分類モデルＭＡの学習について具体例を交えて説明する。たとえば、提供装置１００を管理する事業者Ｙは、サービス利用者情報の中から、ラベルＬＡ－１（「冷蔵庫購入」）およびラベルＬＡ－２（「年収一千万円以上」）の双方に該当するサンプルデータを取得する。そして、事業者Ｙは、取得したサンプルデータに対して、ラベルＬＡ－１およびラベルＬＡ－２に対応するカテゴリＣＴ－Ａ（「中央区在住」＋「５０代」＋「男性」）を分類ラベル（正解ラベル）として付与した学習用データを準備する。

次に、提供装置１００は、準備した学習用データをモデルに学習させて、ラベルＬＡ－１およびラベルＬＡ－２に該当する任意のユーザに紐づくデータを入力した場合、モデルが出力するスコアのうち、該当ユーザをカテゴリＣＴ－Ａに分類するスコアが所定の閾値以上となるように（カテゴリＣＴ－Ａに属するユーザをカテゴリＣＴ－Ａに正しく分類できるように）、バックプロパゲーション等の学習手法を用いて、上述したパラメータを学習する。このようにして、サービス利用者をカテゴリＣＴ－Ａに分類する分類モデルＭＡを生成できる。同様に、提供装置１００は、分類モデルＭＢや分類モデルＭＣなどを生成できる。なお、提供装置１００は、生成した分類モデルにより分類されるサービス利用者の数が所定の閾値以上となるような分類モデルを生成してもよい。

提供装置１００は、各分類モデルを生成するためのモデル（ネットワーク）として、たとえば、ＤＮＮ（Deep Neural Network）や、ＳＶＭ（Support Vector Machine）などの任意のネットワークを採用できる。また、分類モデルは、決定木であってもよい。

続いて、提供装置１００は、分類モデルを用いて、予め蓄積するサービス利用者情報に含まれるサービス利用者の中から、所定のカテゴリに属するユーザを分類する（ステップＳ３）。

続いて、提供装置１００は、分類モデルによって分類されたユーザをグループ分けする（ステップＳ４）。以下、分類モデルＭＡによって、カテゴリＣＴ－Ａ（「中央区在住」＋「５０代」＋「男性」）に分類されたユーザのグループ分けについて例示する。

たとえば、提供装置１００は、サービス利用者情報の中から、カテゴリＣＴ－Ａ（「中央区在住」＋「５０代」＋「男性」）に属する各ユーザに紐づくデータを取得し、取得したデータを用いて、各ユーザをグループ分け（クラスタリング）する。なお、グループ分けは、たとえば、各ユーザについて予め算出された特徴情報を相互に比較し、特徴情報の類似度に基づいて行うことができる。ここで、特徴情報は、ユーザが入力した検索ワードの傾向や、各種サービスにおける行動履歴や、行動履歴から推定されるユーザ属性などをベクトル化することにより得られる情報であってもよいし、ユーザの属性を単に数値化した情報であってもよい。また、グループ分けの手法は、階層型であってもよいし、非階層型であってもよい。階層型のグループ分けに用いる計算方法として、ウォード法や、群平均法や、最短距離法や、最長距離法などの任意の方法を利用できる。また、非階層型のグループ分けに用いる計算方法として、ｋ－ｍｅａｎｓ法などの任意の方法を利用できる。

グループ分け後、提供装置１００は、同一の集合（以下、「同一クラスタ」と称する。）にグループ分けされた各ユーザに関する統計情報を事業者Ｘに提供する（ステップＳ５）。

提供装置１００は、所定のカテゴリに属する各ユーザをグループ分けした各クラスタ（たとえば、ユーザ数≧１０）について、クラスタを特徴付けるデータを個別に集計する。そして、提供装置１００は、クラスタごとに個別に集計したデータを元に統計情報を生成して、事業者Ｘに提供する。なお、提供装置１００は、グループ分けした各クラスタに属するユーザ数に対して、下限のみならず、上限（たとえば、ユーザ数≦２０）を設けてもよい。

たとえば、提供装置１００は、同一クラスタに属する各ユーザに紐づく検索履歴を参照し、クラスタごとに各ユーザが入力した検索ワードを個別に集計し、最も多く検索されている検索ワードを特定する。そして、提供装置１００は、クラスタごとに特定した検索ワードの情報を統計情報として事業者Ｘに提供できる。図２は、実施形態に係る検索履歴に基づく統計情報の一例を示す図である。

図２に示すように、提供装置１００は、たとえば、各クラスタにおいてユーザの検索数が最も多かった検索ワードの情報を、対応するカテゴリの情報に関連付けて、リスト形式で構成した統計情報を事業者Ｘに提供できる。図２に示す例では、カテゴリＣＴ－Ａに属するユーザからグループ分けされたクラスタ１つにおいて最も検索数が多かった検索ワードである「社交ダンス」や、カテゴリＣＴ－Ａに属するユーザからグループ分けされたクラスタ１つにおいて最も検索数が多かった検索ワードである「移住」や、カテゴリＣＴ－Ａに属するユーザからグループ分けされたクラスタ１つにおいて最も検索数が多かった検索ワードである「世界遺産」などが示されている。

また、たとえば、提供装置１００は、同一クラスタに属する各ユーザに紐づく購入履歴を参照し、クラスタごとに各ユーザが購入した商品の購入数を個別に集計し、最も多く購入されている商品を特定する。そして、提供装置１００は、クラスタごとに特定した商品の情報を統計情報として事業者Ｘに提供できる。図３は、実施形態に係る購入履歴に基づく統計情報の一例を示す図である。

図３に示すように、提供装置１００は、たとえば、各クラスタにおいてユーザの購入数が最も多かった商品の情報を、対応するカテゴリの情報に関連付けて、リスト形式で構成した統計情報を事業者Ｘに提供できる。図３に示す例では、カテゴリＣＴ－Ａに属するユーザからグループ分けされたクラスタ１つにおいて最も購入数の最も多かった商品である「カメラ」や、カテゴリＣＴ－Ａに属するユーザからグループ分けされたクラスタ１つにおいて最も購入数の最も多かった商品である「掃除機」や、カテゴリＣＴ－Ａに属するユーザからグループ分けされたクラスタ１つにおいて最も購入数の最も多かった商品である「寝具」などが示されている。

また、提供装置１００は、リスト形式の統計情報を提供する例に限られない。図４は、実施形態に係る検索履歴に基づく統計情報の他の例を示す図である。図４に示すように、提供装置１００は、各クラスタにおいてユーザの検索数が最も多かった検索ワードの情報を、対応する分類モデルＭＡに関連付けて、キーワードマップ形式で構成した統計情報を事業者Ｘに提供してもよい。

また、提供装置１００は、分類モデルから出力される各ユーザのスコアに基づく情報を統計情報として提供できる。図２や図４に示す例では、検索ワード：「社交ダンス」に紐づく集合（クラスタ）に属する各ユーザについて分類モデルＭＡから出力された出力スコアの平均値ＶＡ１－１が検索ワード：「社交ダンス」に関連付けて提供されている。同様に、検索ワード：「移住」に紐づく集合（クラスタ）に属する各ユーザについて分類モデルＭＡから出力された出力スコアの平均値ＶＡ１－２が検索ワード：「移住」に関連付けて提供されている。同様に、検索ワード：「世界遺産」に紐づく集合（クラスタ）に属する各ユーザについて分類モデルＭＡから出力された出力スコアの平均値ＶＡ１－３が検索ワード：「世界遺産」に関連付けて提供されている。これにより、統計情報の提供を受けた事業者Ｘは、カテゴリＣＴ－Ａに属するユーザについて、より相関が強い検索ワードを特定できる。

このように、提供装置１００は、事業者Ｘに対して、所定のカテゴリに属するユーザに関する有益な情報を提供できる。すなわち、提供装置１００は、事業者Ｘに対して、たとえば、事業者Ｘがターゲットとなるユーザに関する有益な情報を提供できる。なお、提供装置１００は、検索履歴や購買履歴に限らず、ユーザ属性などに関する統計情報を事業者Ｘに提供できる。

また、提供装置１００は、同一クラスタにグループ分けされたユーザの数が所定の閾値以上となることを条件として、同一クラスタに属するユーザに関する統計情報を提供する。これにより、匿名性を担保した統計情報の提供を実現できる。

また、提供装置１００は、同一の集合にグループ分けされたユーザの数が所定の閾値未満である場合、ユーザの数が所定の閾値以上となるように、所定のカテゴリ（たとえば、カテゴリＣＴ－Ａ：「中央区在住」＋「５０代」＋「男性」）に属するユーザかどうかを分類するための閾値条件を緩和してもよい。すなわち、提供装置１００は、分類モデルから出力されるスコアのうち、該当ユーザを所定のカテゴリに分類するスコアを判定するための閾値を緩和してもよい。これにより、所定のカテゴリに属するユーザの数を拡張でき、グループ分けされたユーザの数が所定の条件を満たすように調整できる。なお、提供装置１００は、クラスタリングする際に、類似するユーザを判定するための条件を緩和してもよい。

［２．提供装置の構成］
図５を用いて、実施形態に係る提供装置１００の構成について説明する。図５は、実施形態に係る提供装置の構成例を示す図である。

図５に示すように、提供装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを備える。なお、図５は、提供装置１００の構成例を示すものであり、図５に示す形態には限られず、図５に示す以外の他の機能部を備える形態であってもよい。

（通信部１１０）
通信部１１０は、例えば、ネットワークＮと有線または無線で接続され、ネットワークＮを介して、事業者端末１０などの他の装置との間で情報の送受信を行う。通信部１１０は、例えば、ＮＩＣ（Network Interface Card）やアンテナなどによって実現される。ネットワークＮは、ＬＡＮ（Local Area Network）や、ＷＡＮ（Wide Area Network）や、電話網（携帯電話網や固定電話網など）や、地域ＩＰ（Internet Protocol）網や、インターネットなどの通信ネットワークである。ネットワークＮには、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。

通信部１１０は、事業者端末１０から、所定のカテゴリごとに、所定のカテゴリに属する顧客（ユーザ）のラベルの情報を受信する。また、通信部１１０は、制御部１３０が生成した統計情報を事業者端末１０に送信する。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリなどの半導体メモリ素子、または、ハードディスクや光ディスクなどの記憶装置によって実現される。記憶部１２０は、制御部１３０の各部により実行される情報処理を実現するためのプログラム及びデータを記憶する。

図５に示すように、記憶部１２０は、サービス利用者情報記憶部１２１及びモデル記憶部１２２を有する。サービス利用者情報記憶部１２１は、サービス利用者を特定するための識別情報（たとえば、ユーザＩＤ）に関連付けて、サービス利用者に関するサービス利用者情報を記憶する。サービス利用者情報には、サービス利用者の検索履歴（検索ログ）や、各種サービスにおけるサービス利用者の操作や閲覧等に基づくユーザ属性（例えば、年齢、性別、地域等のデモフラフィック属性や、各種サービスのオンラインコンテンツの利用履歴等に基づいて推定されるサイコグラフィック属性など）や、各種サービス等におけるサービス利用者の行動履歴などを含む。モデル記憶部１２２は、制御部１３０により所定のカテゴリごとに生成されたモデルのデータを記憶する。

（制御部１３０）
制御部１３０は、提供装置１００を制御するコントローラ（controller）である。制御部１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などによって、提供装置１００内部の記憶装置に記憶されている各種プログラム（例えば、情報処理プログラム）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、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路により実現されてもよい。

図５に示すように、制御部１３０は、受付部１３１と、生成部１３２と、分類部１３３と、グルーピング部１３４と、提供部１３５とを有する。制御部１３０は、これらの各部により、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。なお、制御部１３０の内部構成は、図４に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各部の接続関係は、図４に示した接続関係に限られず、他の接続関係であってもよい。

（受付部１３１）
受付部１３１は、通信部１１０を通じて、第１の事業者（たとえば、「事業者Ｘ」）から、所定のカテゴリ（たとえば、「中央区在住」＋「５０代」＋「男性」）に属するユーザのラベルの情報（たとえば、「冷蔵庫購入」や「年収一千万円以上」）を受け付ける。受付部１３１は、受け付けたラベルの情報を生成部１３２に送る。

（生成部１３２）
生成部１３２は、受付部１３１から取得したラベルの情報を有するユーザを同一カテゴリに分類する分類モデルを所定のカテゴリごとに生成する。生成部１３２は、生成した分類モデルのデータをモデル記憶部１２２に保存する。

（分類部１３３）
分類部１３３は、モデル記憶部１２２に記憶されている分類モデルを用いて、サービス利用者情報記憶部１２１に記憶されているサービス利用者情報に含まれるサービス利用者の中から、所定のカテゴリに属するユーザを分類する。分類部１３３は、分類した各ユーザを特定するための識別情報（たとえば、ユーザＩＤ）をグルーピング部１３４に送る。

（グルーピング部１３４）
グルーピング部１３４は、上述したように、任意のグルーピング手法を用いて、分類部１３３により分類されたユーザをグループ分けする。グルーピング部１３４は、グループ分けした各ユーザを特定するための識別情報（たとえば、ユーザＩＤ）を提供部１３５に送る。

（提供部１３５）
提供部１３５は、上述したように、同一クラスタにグループ分けされた各ユーザに関する統計情報を事業者Ｘに提供する。具体的には、提供部１３５は、同一クラスタにグループ分けされたユーザの数が１０以上となる各クラスタについて、各クラスタに属するユーザを特徴付けるデータ（検索ワードや購入商品、ユーザ属性など）を個別に集計する。そして、提供部１３５は、クラスタごとに特定したデータを元に統計情報を生成し、通信部１１０を通じて事業者Ｘに提供する。

図６は、実施形態に係るカテゴリごとの検索履歴に関する統計情報の一例を示す図である。たとえば、図６に示すように、提供部１３５は、同一クラスタにグループ分けされた各ユーザにより最も検索されている検索ワードの情報を、対応するカテゴリに関連付けたリスト形式の統計情報を事業者Ｘに提供できる。

［３．処理手順］
以下、図７を用いて、実施形態に係る提供装置１００による処理手順について説明する。図７は、実施形態に係る提供装置による処理手順の一例を示すフローチャートである。図７に示す処理手順は、提供装置１００の制御部１３０により実行される。図７に示す処理手順は、提供装置１００の稼働中、繰り返し実行される。

図７に示すように、受付部１３１は、通信部１１０を通じて、所定のカテゴリに属するユーザのラベルの情報を事業者端末１０から受け付ける（ステップＳ１０１）。

また，生成部１３２は、受付部１３１から取得したラベルの情報を有するユーザを同一カテゴリに分類する分類モデルを所定のカテゴリごとに生成する（ステップＳ１０２）。

また、分類部１３３は、モデル記憶部１２２に記憶されている分類モデルを用いて、サービス利用者情報記憶部１２１に記憶されているサービス利用者情報に含まれるサービス利用者の中から、所定のカテゴリに属するユーザを分類する（ステップＳ１０３）。

また、グルーピング部１３４は、上述したように、任意のグルーピング手法を用いて、分類部１３３により分類されたユーザをグループ分けする（ステップＳ１０４）。

また、提供部１３５は、通信部１１０を通じて、グルーピング部１３４により同一クラスタにグループ分けされたユーザに関する統計情報を事業者Ｘに提供し（ステップＳ１０５）、図７に示す処理手順を終了する。

［４．変形例］
（４－１．複数の分類モデルに基づく統計情報の提供）
上述した実施形態において、提供装置１００は、各カテゴリに分類されたユーザの統計情報を組み合わせて提供してもよい。図８は、変形例に係る統計情報の提供方法の一例を示す図である。図８は、「中央区在住」＋「５０代」のカテゴリに属するユーザに関する統計情報を提供する場合の一例を示している。

図８に示すように、提供装置１００は、「中央区在住」＋「５０代」のカテゴリに属するユーザに関する統計情報を提供する場合、より条件が限定された複数のカテゴリの各々に対応する分類モデルを用いてユーザを分類し、分類したユーザをグループ分けする。たとえば、提供装置１００は、分類モデルＭＡを用いて、「中央区在住」＋「５０代」＋「男性」のカテゴリに属するユーザを分類する。また、提供装置１００は、分類モデルＭＸを用いて、「中央区在住」＋「５０代」＋「女性」のカテゴリに属するユーザを分類する。

続いて、提供装置１００は、「中央区在住」＋「５０代」＋「男性」のカテゴリに分類されたユーザをグループ分けすることにより、同一クラスタにグループ分けされたユーザに関する統計情報を生成する。また、提供装置１００は、「中央区在住」＋「５０代」＋「女性」のカテゴリに分類されたユーザをグループ分けすることにより、同一クラスタにグループ分けされたユーザに関する統計情報を生成する。

そして、提供装置１００は、「中央区在住」＋「５０代」＋「男性」のカテゴリに属するユーザに関する統計情報と、「中央区在住」＋「５０代」＋「女性」のカテゴリに属するユーザに関する統計情報とを組み合わせて提供する。これにより、提供装置１００は、所定のカテゴリに属するユーザの分類精度を落とさずに、所望のカテゴリに属するユーザに関する統計情報の提供を実現できる。

（４－２．分類モデルの援用）
上述した実施形態において、提供装置１００は、モデル記憶部１２２に記憶されている分類モデルを、事業者Ｘが営む事業と競業関係にある他社に対して統計情報を提供する際に援用してもよい。

［５．ハードウェア構成］
実施形態又は変形例に係る提供装置１００は、例えば図９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９は、実施形態又は変形例に係る提供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、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又は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などを格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータなどを格納する。通信インターフェイス１５００は、ネットワーク（通信網）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（通信網）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などの出力装置、及び、キーボードやマウスなど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又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）などの光学記録媒体、ＭＯ（Magneto-Optical disk）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。

例えば、コンピュータ１０００が実施形態に係る提供装置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。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。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（通信網）Ｎを介してこれらのプログラムを取得してもよい。

［６．その他］
上述した実施形態又は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。

上述の実施形態において、提供装置１００による提供方法（たとえば、図７参照）を実現するために、提供装置１００が有する制御部１３０の各部（受付部１３１、生成部１３２、分類部１３３、グルーピング部１３４、及び提供部１３５）に対応する処理機能は、提供装置１００に予めインストールされている提供プログラムに対するアドオンとして実現してもよいし、軽量なプログラミング言語などを用いて、専用の提供プログラムとして柔軟に記述することにより実現されてもよい。

また、上述した実施形態及び変形例において、提供装置１００は、サービス利用者に対して各種サービスを提供する装置と、事業者に対して統計情報を提供する装置とに物理的に分散して構成されていてもよい。

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。たとえば、制御部１３０の受付部１３１および生成部１３２とは機能的に統合されていてもよい。

また、上述の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。

［７．効果］
上述の実施形態又は変形例に係る提供装置１００は、受付部１３１と、生成部１３２と、分類部１３３と、グルーピング部１３４と、提供部１３５とを備える。受付部１３１は、たとえば事業者Ｘ（「第１の事業者」の一例）から、所定のカテゴリに属するユーザのラベルの情報（「属性情報」の一例）を受け付ける。生成部１３２は、たとえば、事業者Ｙ（「第２の事業者」の一例）が予め蓄積するサービス利用者情報（「ユーザ情報」の一例）を用いて、サービス利用者情報に含まれるユーザを分類するモデルであって、受付部１３１により受け付けられたラベルの情報を有するユーザを同一カテゴリに分類する分類モデルを生成する。分類部１３３は、生成部１３２により生成された分類モデルを用いて、サービス利用者情報に含まれるユーザの中から所定のカテゴリに属するユーザを分類する。グルーピング部１３４は、分類部１３３により分類されたユーザをグループ分けする。提供部１３５は、グルーピング部１３４により同一の集合にグループ分けされたユーザに関する統計情報を事業者Ｘに提供する。

このようにして、実施形態又は変形例に係る提供装置１００は、たとえば事業者Ｘに対して、所定のカテゴリに属するユーザに関する有益な情報を提供できる。すなわち、提供装置１００は、事業者Ｘに対して、ターゲットとなるユーザに関する有益な情報、言い換えれば、事業者Ｘの事業の範囲では知り得えない多種多様な情報を提供できる。

また、実施形態又は変形例に係る提供装置１００において、提供部１３５は、グルーピング部１３４により同一の集合にグループ分けされたユーザの数が所定の閾値以上となることを条件として、同一の集合に属するユーザに関する統計情報を提供する。これにより、実施形態又は変形例に係る提供装置１００は、匿名性を担保したユーザの提供を実現できる。

また、実施形態又は変形例に係る提供装置１００において、提供部１３５は、グルーピング部１３４により同一の集合にグループ分けされたユーザの数が所定の閾値未満である場合、ユーザの数が所定の閾値以上となるように、所定のカテゴリに属するユーザかどうかを分類するための閾値条件を緩和する。これにより、積極的な統計情報の提供を実現できる。

また、実施形態又は変形例に係る提供装置１００において、提供部１３５は、統計情報として、分類モデルから出力されるスコアに基づく情報（たとえば、各クラスタに属するユーザのスコアの平均値）を提供してもよい。これにより、統計情報において、所定のカテゴリ（たとえば、「中央区在住」＋「５０代」＋「男性」）に相関性のある情報を容易に特定するための客観的な指標を提供できる。

また、実施形態又は変形例に係る提供装置１００において、提供部１３５は、各カテゴリに分類されたユーザの統計情報を組み合わせて提供する。これにより、所定のカテゴリに属するユーザの分類精度を落とさずに、所望のカテゴリに属するユーザに関する統計情報の提供を実現できる。

以上、本願の実施形態をいくつかの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。

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、制御部は、制御手段や制御回路に読み替えることができる。

１０ 事業者端末
１００ 提供装置
１１０ 通信部
１２０ 記憶部
１２１ サービス利用者情報記憶部
１２２ モデル記憶部
１３０ 制御部
１３１ 受付部
１３２ 生成部
１３３ 分類部
１３４ グルーピング部
１３５ 提供部

Claims (7)

1. 第１の事業者から、所定のカテゴリに属するユーザの属性情報を受け付ける受付部と、
   第２の事業者が予め蓄積するユーザ情報を用いて前記ユーザ情報に含まれるユーザを分類するモデルであって、前記受付部により受け付けられた前記属性情報を有するユーザを同一カテゴリに分類する分類モデルを生成する生成部と、
   前記生成部により生成された前記分類モデルを用いて、前記ユーザ情報に含まれるユーザの中から前記所定のカテゴリに属するユーザを分類する分類部と、
   前記分類部により分類された各ユーザに紐付くデータを用いて前記各ユーザについて予め算出された特徴情報を相互に比較し、前記特徴情報の類似度に基づいて前記各ユーザを複数の部分集合にグループ分けするグルーピング部と、
   前記グルーピング部により同一の部分集合にグループ分けされた前記各ユーザに関する統計情報を前記第１の事業者に提供する提供部と
   を備えることを特徴とする提供装置。
2. 前記提供部は、
   前記グルーピング部により前記同一の部分集合にグループ分けされたユーザの数が所定の閾値以上となることを条件として、前記同一の部分集合に属する前記各ユーザに関する統計情報を提供する
   ことを特徴とする請求項１に記載の提供装置。
3. 前記提供部は、
   前記グルーピング部により前記同一の部分集合にグループ分けされたユーザの数が所定の閾値未満である場合、前記ユーザの数が前記所定の閾値以上となるように、前記所定のカテゴリに属するユーザかどうかを分類するための閾値条件を緩和する
   ことを特徴とする請求項１又は２に記載の提供装置。
4. 前記提供部は、
   前記統計情報として、前記分類モデルから出力されるスコアに基づく情報を提供する
   ことを特徴とする請求項１～３のいずれか１つに記載の提供装置。
5. 前記提供部は、
   各カテゴリに分類されたユーザの統計情報を組み合わせて提供する
   ことを特徴とする請求項１～４のいずれか１つに記載の提供装置。
6. コンピュータが実行する提供方法であって、
   第１の事業者から、所定のカテゴリに属するユーザの属性情報を受け付ける受付工程と、
   第２の事業者が予め蓄積するユーザ情報を用いて前記ユーザ情報に含まれるユーザを分類するモデルであって、前記受付工程により受け付けられた前記属性情報を有するユーザを同一カテゴリに分類する分類モデルを生成する生成工程と、
   前記生成工程により生成された前記分類モデルを用いて、前記ユーザ情報に含まれるユーザの中から前記所定のカテゴリに属するユーザを分類する分類工程と、
   前記分類工程により分類された各ユーザに紐付くデータを用いて前記各ユーザについて予め算出された特徴情報を相互に比較し、前記特徴情報の類似度に基づいて前記各ユーザを複数の部分集合にグループ分けするグルーピング工程と、
   前記グルーピング工程により同一の部分集合にグループ分けされた前記各ユーザに関する統計情報を前記第１の事業者に提供する提供工程と
   を含むことを特徴とする提供方法。
7. コンピュータに、
   第１の事業者から、所定のカテゴリに属するユーザの属性情報を受け付ける受付手順と、
   第２の事業者が予め蓄積するユーザ情報を用いて前記ユーザ情報に含まれるユーザを分類するモデルであって、前記受付手順により受け付けられた前記属性情報を有するユーザを同一カテゴリに分類する分類モデルを生成する生成手順と、
   前記生成手順により生成された前記分類モデルを用いて、前記ユーザ情報に含まれるユーザの中から前記所定のカテゴリに属するユーザを分類する分類手順と、
   前記分類手順により分類された各ユーザに紐付くデータを用いて前記各ユーザについて予め算出された特徴情報を相互に比較し、前記特徴情報の類似度に基づいて前記各ユーザを複数の部分集合にグループ分けするグルーピング手順と、
   前記グルーピング手順により同一の部分集合にグループ分けされた前記各ユーザに関する統計情報を前記第１の事業者に提供する提供手順と
   を実行させることを特徴とする提供プログラム。

Images