JP7117810B1 - 属性分析装置、及び属性分析プログラム - Google Patents

Abstract

【課題】端末を利用するユーザに関するより広範な属性情報を分析する。【解決手段】サンプルＳＳＩＤを取得するサンプル取得部２２と、予め定めたカテゴリｃｘを参照して、サンプルＳＳＩＤからカテゴリに適合するタグＴを生成するタグ生成部２４と、サンプルＳＳＩＤと同一文字列のタグ付与用ＳＳＩＤにタグＴを紐づけて成る属性定義データＤ［ｙ］を生成する属性定義データ生成部２５と、所定の分析対象端末群Ｇｏに属する各分析対象端末Ｔｏｎが保有する分析対象ＳＳＩＤを取得する分析対象情報取得部２６と、取得した分析対象ＳＳＩＤとタグ付与用ＳＳＩＤを照合し、該当するタグ付与用ＳＳＩＤを含む属性定義データＤ［ｙｏ］を抽出する抽出部２７と、抽出した属性定義データに基づいて、各分析対象端末Ｔｏｎの各ユーザにより構成されるユーザ集団の属性を分析する分析部２８と、を備える分析処理装置２０を提供する。【選択図】図１

Description

本発明は、属性分析装置、及び属性分析プログラムに関する。

特許文献１には、本発明者らが開発した国籍判別方法が開示されている。スマートフォン等の端末に記憶されている過去に接続したアクセスポイントのＳＳＩＤ（Service Set Identifier）を取得して、このＳＳＩＤで特定されるアクセスポイントが所在する国を端末ユーザの所属地（特に国籍又は居住国）と判断する方法が開示されている。

このような方法は、例えば、店舗やイベント会場等の特定の場所に訪れる訪問者の所属地としての国籍の傾向を把握し、その傾向に応じたサービスを提供するなどの事業戦略の策定に有用である。

特開２０１７－１３４５３０号公報

本発明者は、ＳＳＩＤからは、ユーザの国籍又は居住国に限らず、当該ユーザの属性（ユーザの所属する団体、趣味・嗜好等）を特定するための種々の情報（属性情報）が得られることを見出した。

本発明は、このような事情に鑑みてなされたものであり、端末を利用するユーザに関するより広範な属性情報を分析できるようにすることを目的とする。

本発明のある態様によれば、所定のサンプル端末が保有する過去に接続したアクセスポイントのＳＳＩＤであるサンプルＳＳＩＤを取得するサンプル取得部と、サンプルＳＳＩＤから、人の属性を分類する項目として予め定めたカテゴリを参照して、サンプルＳＳＩＤからカテゴリに適合するタグを生成するタグ生成部と、カテゴリ及びタグを組み合わせて成る属性定義データを生成し、サンプルＳＳＩＤと同一文字列のＳＳＩＤをタグ付与用ＳＳＩＤとし、タグ付与用ＳＳＩＤにタグを紐づけて成る属性定義データを生成する属性定義データ生成部と、所定の分析対象端末群に属する各分析対象端末が保有するそれぞれのＳＳＩＤを分析対象ＳＳＩＤとして取得する分析対象情報取得部と、取得したそれぞれのＳＳＩＤ履歴に含まれる各ＳＳＩＤと、取得した分析対象ＳＳＩＤとタグ付与用ＳＳＩＤを照合し、該当するタグ付与用ＳＳＩＤを含む属性定義データを抽出する抽出部と、抽出した属性定義データに基づいて、各分析対象端末の各ユーザにより構成されるユーザ集団の属性を分析する分析部と、を備える属性分析装置が提供される。

本発明によれば、各端末に保有されるＳＳＩＤ履歴を利用して、分析対象となるユーザの属性（所属する団体や嗜好・趣味、性別・年代等の情報）を分析するためのロジックを実現することができる。

第１実施形態による属性分析装置を含む属性分析システムの構成を示す図である。 分析処理装置の構成の詳細を説明するブロック図である。 分析処理装置が実行する処理を説明するフローチャートである。 サンプル取得部により取得される各サンプルのイメージを示す図である。 カテゴリＤＢのデータ構成の一例を示す図である。 生成されるタグの一例を示す図である。 属性定義ＤＢのデータ構成の一例を示す図である。 アクセスポイント接続日時ＤＢのデータ構成の一例示す図である。 アクセスポイント設置場所ＤＢのデータ構成の一例示す図である。

以下、図面を参照して、本発明の実施形態について説明する。

［第１実施形態］
図１は、本実施形態による属性分析装置１０を含む属性分析システム１００の構成を説明する図である。属性分析システム１００は、サンプルＳＳＩＤ（Service Set Identifier）検出装置７０と、分析対象ＳＳＩＤ検出装置７２と、属性分析装置１０と、これらを通信可能に接続する所定のネットワーク３００と、を備えている。なお、以下では、記載の簡略化のため、適宜、各サンプル端末Ｔｓ_１，Ｔｓ_２・・・を代表させて「サンプル端末Ｔｓ_ｍ」（ｍは任意の自然数）と表す。また、適宜、各分析対象端末Ｔｏ_１，Ｔｏ_２・・・を代表させて「分析対象端末Ｔｏ_ｎ」（ｎは任意の自然数）と表す。

サンプルＳＳＩＤ検出装置７０は、サンプル端末群Ｇ_ｓを構成する複数のサンプル端末Ｔｓ_１，Ｔｓ_２・・・と通信を行う。なお、サンプル端末群Ｇ_ｓは、特定の場所（特定の施設や店舗等の人が一定の目的をもって訪れる場所）に集まる一又は複数のサンプル端末Ｔｓ_ｍの集合として定まる。また、各サンプル端末Ｔｓ_ｍとしては、無線通信（特に無線ＬＡＮ通信）を提供する任意のアクセスポイントとの間で通信可能な、無線ＬＡＮ通信機能を備えたスマートフォン、タブレット、又はノートパソコン等の可搬型の端末装置が想定される。

また、サンプルＳＳＩＤ検出装置７０は、各サンプル端末Ｔｓ_ｍの識別情報Ｉｓ_ｍ、及び各サンプル端末Ｔｓ_ｍが保有するサンプルＳＳＩＤ履歴Ｈｓ_ｍを取得して、分析処理装置２０に送信する。なお、サンプルＳＳＩＤ検出装置７０は、施設や店舗等のサンプル取得対象エリアに設置される専用のセンサ、又はサンプル端末Ｔｓ_ｍにインストールされた所望の機能を実現するための専用のアプリケーションなどにより実現することができる。また、サンプル端末Ｔｓ_ｍの識別情報Ｉｓ_ｍとしては、例えばＭＡＣ（Media Access Control address）アドレスなどの当該サンプル端末Ｔｓ_ｍを一意に識別し得る任意の情報を用いることができる。

サンプルＳＳＩＤ履歴Ｈｓ_ｍは、サンプル端末Ｔｓ_ｍが保有する複数のＳＳＩＤ（以下、「サンプルＳＳＩＤ［ｍｋ］」とも称する）の履歴である。なお、本実施形態においては、符号「ｋ」は、サンプルＳＳＩＤ履歴Ｈｓ_ｍに含まれる各ＳＳＩＤを区別するための指数を表す。すなわち、ｋは、１以上且つサンプルＳＳＩＤ履歴Ｈｓ_ｍに含まれるＳＳＩＤの総数以下の任意の自然数を示す。

分析対象ＳＳＩＤ検出装置７２は、分析対象端末群Ｇ_ｏを構成する複数の分析対象端末Ｔｏ_１，Ｔｏ_２・・・Ｔｏ_ｎと通信を行う。なお、分析対象端末群Ｇ_ｏは、特定の場所に集まる一又は複数の分析対象端末Ｔｏ_ｎの集合として定まる。また、各分析対象端末Ｔｏ_ｎとしては、無線通信（特に無線ＬＡＮ通信）を提供する任意のアクセスポイントとの間で通信可能な、無線ＬＡＮ通信機能を備えたスマートフォン、タブレット、又はノートパソコン等の可搬型の端末装置が想定される。

また、分析対象ＳＳＩＤ検出装置７２は、各分析対象端末Ｔｏ_ｎの識別情報Ｉｏ_ｎ、及び各分析対象端末Ｔｏ_ｎが保有する分析対象ＳＳＩＤ履歴Ｈｏ_ｎを取得して、分析処理装置２０に送信する。なお、分析対象ＳＳＩＤ検出装置７２は、施設や店舗等の分析対象エリアに設置される専用のセンサ、又は各分析対象端末Ｔｏ_ｎに個別にインストールされた専用のアプリケーションなどにより実現することができる。また、分析対象端末Ｔｏ_ｎの識別情報Ｉｏ_ｎとしては、例えばＭＡＣアドレスなどの当該分析対象端末Ｔｏ_ｎを一意に識別し得る任意の情報を用いることができる。

同様に、分析対象ＳＳＩＤ履歴Ｈｏ_ｎは、分析対象端末Ｔｏ_ｎが保有する各ＳＳＩＤ（以下、「分析対象ＳＳＩＤ［ｎｈ］」とも称する）の履歴である。なお、符号「ｈ」は、分析対象ＳＳＩＤ履歴Ｈｏ_ｎに含まれる各ＳＳＩＤを区別するための指数である。すなわち、ｈは、１以上且つ分析対象ＳＳＩＤ履歴Ｈｏ_ｎに含まれるＳＳＩＤの総数以下の任意の自然数を示す。

なお、サンプルＳＳＩＤ検出装置７０及び分析対象ＳＳＩＤ検出装置７２の機能を実現するセンサを同一の場所に設置される同一又は異なるハードウェアにより実現しても良いし、異なる場所に設置される異なるハードウェアにより実現しても良い。

また、アクセスポイントとは、サンプル端末Ｔｓ_ｍ又は分析対象端末Ｔｏ_ｎに対して無線通信（特に無線ＬＡＮ通信）を可能とさせるハードウェア構成及びソフトウェア構成を備えた無線機を意味する。無線通信の規格としては、特に、Wi-Fi（登録商標）が想定される。

さらに、ＳＳＩＤとは、アクセスポイントを識別するための識別子（アルファベット又は英数字などの文字を複数組み合わせて成る文字列）である。特に、本実施形態では、基本的に、一台のアクセスポイントに対してユニーク（固有）に付されるＳＳＩＤ（いわゆるＢＳＳＩＤ：Basic Service Set Identifier）を想定する。一方で、以下で説明する各処理は、複数台のアクセスポイントに対してユニーク（固有）に付されるＳＳＩＤ（いわゆるＥＳＳＩＤ：Extended Service Set Identifier）についても適用が可能である。

したがって、サンプルＳＳＩＤ履歴Ｈｓ_ｍに含まれる各サンプルＳＳＩＤ［ｍｋ］（ＳＳＩＤ［ｍ１］，ＳＳＩＤ［ｍ２］・・・）は、サンプル端末Ｔｓ_ｍが過去に接続したことのある各アクセスポイントＡＰ_ｍｋ（ＡＰ_ｍ１，ＡＰ_ｍ２・・・）をそれぞれ識別するＳＳＩＤとなる。また、分析対象ＳＳＩＤ履歴Ｈｏ_ｎに含まれる各分析対象ＳＳＩＤ［ｎｈ］は、分析対象端末Ｔｏ_ｎが過去に接続したことのある各アクセスポイントＡＰ_ｎｈ（ＡＰ_ｎ１，ＡＰ_ｎ２・・・）をそれぞれ識別するＳＳＩＤとなる。

次に、属性分析装置１０の構成について説明する。属性分析装置１０は、分析処理装置２０と、カテゴリデータベース（以下、「カテゴリＤＢ３０」と称する）と、属性定義データベース（以下、「属性定義ＤＢ４０」と称する）と、分析結果データベース（以下、「分析結果ＤＢ５０」と称する）と、を含む。

分析処理装置２０は、演算／制御装置、各種記憶装置、及び各種入出力装置を備えたコンピュータにより構成される。なお、演算／制御装置は、例えば、ＣＰＵ（Central Processing Unit）等により実現される。各種記憶装置は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＳＳＤ（Solid State Drive）、及びハードディスク（磁気記憶装置）等により実現される。さらに、入出力装置は、キーボード、マウス、タッチパネル、ディスプレイ、プリンタ、及びＩ／Ｏポート等により実現される。そして、分析処理装置２０は、これら各ハードウェア及び後述する各処理を実行するためのプログラム（ソフトウェア）により構成される。なお、分析処理装置２０を、当該各処理を分散して実行するための複数台のコンピュータハードウェアからなるアーキテクチャーにより実現しても良い。分析処理装置２０による処理の構成については後述する。

カテゴリＤＢ３０は、予め定められた人の属性を分類するための項目として定められたカテゴリｃｘ（ｃ１，ｃ２，ｃ３・・・）を記録するデータベースである。特に、カテゴリＤＢ３０は、設定した項目の数に応じて付されるカテゴリ番号ｘ（＝１，２，３・・・）に紐づけて、各カテゴリｃ１，ｃ２，ｃ３・・・を記録する。カテゴリｃｘの詳細については後述する。

属性定義ＤＢ４０は、各サンプルＳＳＩＤ［ｍｋ］と同一文字列のＳＳＩＤであるタグ付与用ＳＳＩＤ［ｙ］に後述するタグＴ［ｃｘ］を紐づけて成る属性定義データＤ［ｙ］を記憶するデータベースである。なお、符号「ｙ」は、サンプルＳＳＩＤ［ｍｋ］に応じた各タグ付与用ＳＳＩＤを区別するための指数である。したがって、ｙは１以上且つサンプルＳＳＩＤ［ｍｋ］の総数（ｍのとり得る総数×ｋのとり得る総数）以下の任意の自然数を示す。

分析結果ＤＢ５０は、属性定義データＤ［ｙ］に基づいた、それぞれの分析対象端末Ｔｏ_ｎを操作する各ユーザから成るユーザ集団の属性に対する分析結果を記憶するデータベースである。

以下では、分析処理装置２０の構成を詳細に説明する。

図２は、分析処理装置２０の構成を説明するブロック図である。また、図３は、分析処理装置２０により実行される処理を説明するフローチャートである。

図２に示すように、分析処理装置２０は、サンプル取得部２２と、タグ生成部２４と、属性定義データ生成部２５と、分析対象情報取得部２６と、抽出部２７と、分析部２８と、を備えている。

サンプル取得部２２は、サンプルＳＳＩＤ検出装置７０から各サンプル端末Ｔｓ_ｍの識別情報Ｉｓ_ｍ及びサンプルＳＳＩＤ履歴Ｈｓ_ｍを受信し、当該サンプルＳＳＩＤ履歴Ｈｓ_ｍに含まれるサンプルＳＳＩＤ［ｍｋ］を取得する（図３のステップＳ１００）。

図４は、サンプル取得部２２により取得される各サンプルＳＳＩＤ［ｍｋ］のイメージを示す。図示のように、サンプル取得部２２によって、各サンプルＳＳＩＤ履歴Ｈｓ_１，Ｈｓ_２・・・のそれぞれに複数含まれる各サンプルＳＳＩＤ［１１］，［１２］・・・［２１］，［２２］・・・が得られる。

なお、サンプル取得部２２により、サンプルＳＳＩＤ履歴Ｈｓ_ｍに含まれる全てのＳＳＩＤから、後述するタグ生成に適していないＳＳＩＤを除外して残ったＳＳＩＤのみを、サンプルＳＳＩＤ［ｍｋ］として取得する構成を採用しても良い。タグ生成に適していないＳＳＩＤとは、例えば、一般家庭内、或いは持ち運び用（モバイル用）などのアクセスポイントに付されるランダムな文字列で構成されるＳＳＩＤなどが想定される。タグ生成に適していないＳＳＩＤの除外は、例えば、サンプルＳＳＩＤ履歴Ｈｓ_ｍに含まれる全てＳＳＩＤに対して、所定の辞書データベースなどを参照してランダムな文字列のＳＳＩＤを除外する処理、適切な学習済みモデルに基づく機械学習によるフィルタリング処理、又はこれらの併用により実現される。

タグ生成部２４は、カテゴリＤＢ３０に記憶されている各カテゴリｃｘを参照して、取得された各サンプルＳＳＩＤ［ｍｋ］から、当該カテゴリｃｘに適合するタグＴ［ｃｘ］を生成する（図３のステップＳ２００）。

図５は、カテゴリＤＢ３０のデータ構成の一例を示す図である。カテゴリＤＢ３０は、人の性別、年代、所属（職業等の社会的立場や所属する団体・組織など）、趣向、習慣、及び居住若しくは活動地域などの属性に関する各項目を、カテゴリ番号ｘ（＝１，２，３，４・・・）によりナンバリングした各カテゴリｃ１，ｃ２，ｃ３・・・として記憶している。

なお、カテゴリｃｘとして定める項目の種類は図５に示すものに限られず、求める分析内容（把握すべき人の属性のタイプ）などを考慮して任意に設定することができる。また、同一又は類似の属性を示すものであって概念レベルの異なる複数の項目をカテゴリｃｘとしても良い。例えば、「所属」に対する下位概念的項目として「大学名」又は「会社名」などをカテゴリｃｘとしても良いし、「趣向」に対する下位概念的項目として「趣味」などをカテゴリｃｘとしても良いし、「習慣」に対する下位概念的項目として「通勤経路」などをカテゴリｃｘとしても良い。

また、複数の項目の統合又は共通概念（コホート）として生じる項目をカテゴリｃｘとしても良い。例えば、予めカテゴリｃｘとして「大学名」及び「習慣」が設定されている場合に、それらから派生する「サークル活動」を新たなカテゴリｃｘとしても良い。すなわち、カテゴリｃｘとしては、辞書的な意味で直接的に人の属性を分類する項目にあたるものでなくとも、当該項目から派生して間接的に人の属性を分類し得る項目にあたるものであれば、任意に定めることができる。

そして、タグ生成部２４は、サンプルＳＳＩＤ［ｍｋ］からカテゴリｃｘに適合するタグＴ［ｃｘ］を生成する。具体的に、タグ生成部２４は、サンプルＳＳＩＤ［ｍｋ］を構成する文字列から所定のアルゴリズムに基づいて、当該カテゴリｃｘに該当する人の属性を示す一又は複数の情報（情報のピース）をタグＴ［ｃｘ］として生成する。

例えば、タグ生成部２４は、サンプルＳＳＩＤ［ｍｋ］の文字列を入力とするインターネット検索により得られる所定順位内（例えば３０順位内）の各ウェブサイトの中から、定められたカテゴリｃｘに該当する情報（単語）をフィルタリングしてこれをタグＴ［ｃｘ］とすることができる。なお、各ウェブサイトの中から、カテゴリｃｘに該当する情報を抽出する処理は、所定の辞書データベースなどを参照して各ウェブサイトからカテゴリｃｘに該当する情報を解析するための所定のプログラム、又は所定の学習モデルに基づく機械学習を利用したテキストマイニングなどにより実現することができる。また、カテゴリｃｘの文字列及びタグ付与用ＳＳＩＤ［ｙ］の文字列のＡＮＤ検索による所定順位内の検索結果を解析してタグＴ［ｃｘ］を定めても良い。

さらに、タグＴ［ｃｘ］の生成にあたり、サンプルＳＳＩＤ［ｍｋ］により識別されるアクセスポイントＡＰ_ｍｋが実際に設置されている場所（特定の施設や店舗など）を実際に赴いて調査した結果を参照しても良い。

図６は、生成されるタグＴ［ｃｘ］の一例を示す図である。図示の例では、タグ生成部２４は、例えば、図４に示すサンプルＳＳＩＤ［１２］：“aa_woman_univ”に対して、カテゴリｃ１：“性別”に適合するタグＴ［ｃ１］：“女性”と、カテゴリｃ２：“所属”に適合するタグＴ［ｃ２］：“ａａ女子大学”と、が生成される。また、サンプルＳＳＩＤ［２１］：“cafe_A_w_univ”に対して、カテゴリｃ２：“所属”に適合するタグＴ［ｃ２］：“ｗ大学”と、カテゴリｃ３：“趣向”に適合するタグＴ（ｃ３）：“コーヒー”と、カテゴリｃ４：“習慣”に適合するタグＴ（ｃ４）：“外食”と、が生成される。

さらに、一つのカテゴリｃｘに対してタグＴ［ｃｘ］を２つ生成しても良い。例えば、図６に示す例では、サンプルＳＳＩＤ［１１］：“ShopD_3F_shibuya”に対して、カテゴリｃ３：“趣向”に適合するタグＴ（ｃ３）として、“ショッピング”及び“アパレル”が生成される。

なお、設定したカテゴリｃｘ及びタグ付与用ＳＳＩＤ［１］の組み合わせによっては、適切なタグＴ［ｃｘ］を付すことが難しい場合も想定される。このような場合には、当該カテゴリｃｘに該当するタグＴ［ｃｘ］をＮｕｌｌ（空欄）としても良い。例えば、図６に示す例では、タグ付与用ＳＳＩＤ［１］：“aa_woman_univ”に対して、カテゴリｃ３：“趣向”に適合するタグＴ（ｃ３）はＮｕｌｌとされる。

図２に戻り、属性定義データ生成部２５は、サンプルＳＳＩＤ［ｍｋ］と同一文字列のＳＳＩＤをタグ付与用ＳＳＩＤ［ｙ］として、当該タグ付与用ＳＳＩＤ［ｙ］に対応するタグＴ［ｃｘ］を紐づけて成る属性定義データＤ［ｙ］を生成し、属性定義ＤＢ４０に記録する（図３のステップＳ３００）。

図７は、属性定義ＤＢ４０のデータ構成の一例を示す図である。図示のように、本実施形態の属性定義ＤＢ４０は、各タグ付与用ＳＳＩＤ［ｙ］ごとに生成されたタグＴ［ｃｘ］が関連付けられて記憶される。なお、上述したように、各タグＴ［ｃｘ］は各カテゴリｃｘに対応づけられて生成される。したがって、属性定義ＤＢ４０を、各カテゴリ番号ｘをキーとして各タグ付与用ＳＳＩＤ［ｙ］と属性定義データＤ［ｙ］の関係を規定するリレーショナルデータ構造により構成しても良い。

また、上記ステップＳ１００～ステップＳ３００の処理を、所定期間ごと（例えば１日ごと）に実行することで、属性定義ＤＢ４０のデータ内容を適宜更新することが好ましい。特に、当該更新は、例えば、日付変更時（２４時）や処理負担（ネットワーク負荷やシステム負荷）の少ない深夜・早朝等に実行されることが好ましい。これにより、属性定義ＤＢ４０が適切に更新され、データ精度を維持することができる。

図２に戻り、分析対象情報取得部２６は、分析対象ＳＳＩＤ検出装置７２から各分析対象端末Ｔｏ_ｎが保有する各分析対象ＳＳＩＤ履歴Ｈｏ_ｎを受信し、当該分析対象ＳＳＩＤ履歴Ｈｏ_ｎに含まれる各分析対象ＳＳＩＤ［ｎｈ］を取得する（図３のステップＳ４００）。

そして、抽出部２７は、取得した分析対象ＳＳＩＤ［ｎｈ］と、属性定義ＤＢ４０に記録されたタグ付与用ＳＳＩＤ［ｙ］と、を照合し、該当するタグ付与用ＳＳＩＤ［ｙ］を含む属性定義データＤ［ｙ］を抽出する（図３のステップＳ５００）。

特に、抽出部２７は、各分析対象ＳＳＩＤ［ｎｈ］の内、その文字列が属性定義ＤＢ４０に記憶されている各タグ付与用ＳＳＩＤ［ｙ］の何れかの文字列と所定の一致率以上で一致する場合に、当該所定の一致率以上を示すタグ付与用ＳＳＩＤ［ｙｏ］を含む属性定義データＤ［ｙｏ］を抽出する。

そして、分析部２８は、抽出した属性定義データＤ［ｙｏ］に基づいて、各分析対象端末Ｔｏ_ｎの各ユーザにより構成されるユーザ集団の属性を分析する。すなわち、分析部２８は、分析対象端末群Ｇ_ｏが定義される特定の場所（施設や店舗）等に集まるユーザ集団の属性を解析する。例えば、ある施設（特定の駅など）において生成される分析対象端末群Ｇ_ｏに属する一定数以上の分析対象端末Ｔｏ_ｎから共通して特定の属性定義データＤ［１］が抽出される場合には、これに含まれるタグ付与用ＳＳＩＤ［１］に紐付くタグＴ［ｃ１］：“女性”及びタグＴ［ｃ２］：“ａａ女子大学”を、上記特定の駅に集まるユーザ集団の属性の一つを「ａａ女子大学生」と推定することができる。

また、一定数以上の分析対象端末Ｔｏ_ｎから共通して複数の属性定義データＤ［ｙｏ］が抽出される場合には、それらを組み合わせて、ユーザ集団の属性を推定しても良い。例えば、一定数以上の分析対象端末Ｔｏ_ｎから共通して属性定義データＤ［１］及びＤ［２］が抽出される場合に、タグ付与用ＳＳＩＤ［１］に紐付くタグＴ［ｃ１］：“女性”及びタグＴ［ｃ２］：“ａａ女子大学”と、タグ付与用ＳＳＩＤ［３］に紐付くタグＴ［ｃ１］：“女性”、及びタグＴ（ｃ３）：“ショッピング”／“アパレル”を組み合わせることで、上記施設に集まるユーザ集団の属性を、「ａａ女子大学に所属するショッピングを好む女学生」などと推定しても良い。

なお、抽出した属性定義データＤ［ｙｏ］に基づくユーザ集団の属性分析の具体的な態様としては、上記のものに限られず、任意の分析目的及び公知の各種統計処理などの任意の分析手法を採用することができる。

以上説明した本実施形態の構成及びそれによる作用効果をまとめて説明する。

本実施形態の属性分析装置１０は、所定のサンプル端末Ｔｓ_ｍが保有する過去に接続したアクセスポイントＡＰ_ｍｋのＳＳＩＤであるサンプルＳＳＩＤ［ｍｋ］を取得するサンプル取得部２２と、人の属性を分類する項目として予め定めたカテゴリｃｘを参照して、サンプルＳＳＩＤ［ｍｋ］からカテゴリｃｘに適合するタグＴ［ｃｘ］を生成するタグ生成部２４と、サンプルＳＳＩＤ［ｍｋ］と同一文字列のＳＳＩＤをタグ付与用ＳＳＩＤ［ｙ］とし、当該タグ付与用ＳＳＩＤ［ｙ］にタグＴ［ｃｘ］を紐づけて成る属性定義データＤ［ｙ］を生成する属性定義データ生成部２５と、所定の分析対象端末群Ｇ_ｏに属する各分析対象端末Ｔｏ_ｎが保有するそれぞれのＳＳＩＤを分析対象ＳＳＩＤ［ｎｈ］として取得する分析対象情報取得部２６と、取得した分析対象ＳＳＩＤ［ｎｈ］とタグ付与用ＳＳＩＤ［ｙ］を照合し、該当するタグ付与用ＳＳＩＤ［ｙｏ］を含む属性定義データＤ［ｙｏ］を抽出する抽出部２７と、抽出した属性定義データＤ［ｙｏ］に基づいて、各分析対象端末Ｔｏ_ｎの各ユーザにより構成されるユーザ集団の属性を分析する分析部２８と、を備える。

これにより、予め所定の端末集団が保有していたサンプルＳＳＩＤ［ｍｋ］から定めた属性定義データＤ［ｙ］を用いて、所定の場所（施設や店舗）に訪れるユーザ集団の属性を分析することができる。すなわち、サンプルＳＳＩＤ［ｍｋ］から現実の人の属性に適切に相関する属性定義データＤ［ｙ］を生成し、その上で生成された属性定義データＤ［ｙ］を用いて特定の施設や店舗に集まるユーザの集団の属性（傾向）を推定するための具体的なコンピュータロジックが実現される。

特に、本実施形態の属性定義データＤ［ｙ］は、所定のサンプル端末Ｔｓ_ｍのユーザが過去にアクセスしたアクセスポイントＡＰ_ｍｋのＳＳＩＤから定められるものである。このため、属性定義データＤ［ｙ］自体は、個々のユーザに固有のプライバシーに関連する情報（氏名や住所など）を直接的に含まず、推定可能な情報のレベルは当該ユーザを含む集団の傾向を表す程度にとどまる。したがって、本実施形態に係る分析は、個々のユーザのプライバシー関連情報を過剰に特定せずに、一定数以上のユーザから構成されるユーザ集団に関連する情報を把握しつつ行うサービスの提供（マーケティング分析や広告表示機への広告の出し分け等）への応用に適している。

より詳細には、本実施形態の分析処理装置２０を用いたユーザ集団の分析手法を用いれば、ユーザのプライバシー関連情報を用いることなく、インターネットキャッシュ等を利用した広告の出し分け（いわゆるＤＭＰ（Data Management Platform））などのターゲティング戦略（狙いのユーザ集団への広告提供）を行うことが可能となる。例えば、分析対象端末群Ｇ_ｏが、駅や空港などに集まる複数の分析対象端末Ｔｏ_ｎの集団（ユーザ集団）であることを想定した場合、上記分析手法に基づくユーザ集団の属性に対する推定結果を参照することで、当該ユーザ集団に共感が得られ易い内容の広告表示を行うことができる。

また、タグ生成部２４は、サンプルＳＳＩＤ［ｍｋ］の文字列を所定のアルゴリズムに基づいて解析することで、カテゴリｃｘに適合するタグＴ［ｃｘ］を生成する。

これにより、カテゴリｃｘに適合するタグＴ［ｃｘ］を、簡易な処理により生成することができる。すなわち、サンプルＳＳＩＤ［ｍｋ］により識別されるアクセスポイントＡＰ_ｍｋの設置場所情報に実際に赴いて調査するなど作業を軽減しつつ、一定以上の精度が確保されたタグＴ［ｃｘ］を生成するための演算ロジックが実現される。

［第２実施形態］
以下、第２実施形態について説明する。なお、第１実施形態と同様の要素には同一の符号を付し、その説明を省略する。

本実施形態の属性分析装置１０に係るサンプル取得部２２（図３のステップＳ１００）は、サンプルＳＳＩＤ検出装置７０から、サンプル端末Ｔｓ_ｍが保有するサンプルＳＳＩＤ履歴Ｈｓ_ｍとともに、当該サンプルＳＳＩＤ履歴Ｈｓ_ｍに含まれるサンプルＳＳＩＤ［ｍｋ］の接続日時（タイムスタンプ）を取得する。なお、接続日時とは、サンプル端末Ｔｓ_ｍが、サンプルＳＳＩＤ［ｍｋ］により識別されるアクセスポイントＡＰ_ｍｋに接続した日及び／又は時刻を示す情報である。

さらに、サンプル取得部２２は、サンプルＳＳＩＤ履歴Ｈｓ_ｍごとに、当該サンプルＳＳＩＤ履歴Ｈｓ_ｍに含まれる各サンプルＳＳＩＤ［ｍｋ］とそれぞれの接続日時を紐づけて、接続日時ＤＢに記録する。

図８には、接続日時ＤＢのデータ構成の一例を示す。なお、図中の網掛けは、一般家庭内、或いは持ち運び用（モバイル用）などの私的利用に供すると推定されるアクセスポイントを示す。図８に示すように、このようなアクセスポイントに付されるＳＳＩＤは、ランダムな文字列により構成されるため、既に説明した処理によってタグＴ［ｃｘ］の生成に用いるサンプルＳＳＩＤ［ｍｋ］からは除外されることが好ましい。

より具体的に、図９に示す例では、サンプルＳＳＩＤ履歴Ｈｓ_１、Ｈｓ_２、Ｈｓ_３にそれぞれ含まれる「42425311875」、「xxterm982212003」、及び「abc」は、ランダムな文字列で構成されるものであるため、タグＴ［ｃｘ］の生成に用いるサンプルＳＳＩＤ［ｍｋ］からは除外される。

また、サンプル取得部２２は、アクセスポイント設置場所ＤＢを参照して、各サンプルＳＳＩＤ［ｍｋ］から特定されるアクセスポイントＡＰ_ｍｋの設置場所情報を取得する。ここで、アクセスポイントＡＰ_ｍｋの設置場所情報とは、特定の施設や店舗等の人が一定の目的をもって訪れアクセスポイントＡＰ_ｍｋが配置される場所を意味する。

図９には、アクセスポイント設置場所ＤＢのデータ構成の一例を示す。図示のように、アクセスポイント設置場所ＤＢは、各サンプルＳＳＩＤ［ｍｋ］にアクセスポイントＡＰ_ｍｋの設置場所情報を紐づけて記憶している。なお、アクセスポイント設置場所ＤＢに記録されるデータは、取得したサンプルＳＳＩＤ［ｍｋ］の文字列を入力とするインターネット検索などによる調査により定められる。

そして、タグ生成部２４は、サンプルＳＳＩＤ［ｍｋ］により識別されるアクセスポイントＡＰ_ｍｋへの接続日時及び／又は当該アクセスポイントＡＰ_ｍｋの設置場所情報を参照して、カテゴリｃｘに適合するタグＴ［ｃｘ］を生成する。

例えば、アクセスポイントＡＰ_２１の設置場所情報：「Ｗ大学内カフェテリア」を補足情報としてサンプルＳＳＩＤ［２１］：「cafeA_w-univ」からタグ生成を行う場合、先ず、文字列「cafeA_w-univ」からカテゴリｃ４：「習慣」に該当する「外食」をタグ候補として生成する。そして、補足情報である設置場所情報：「Ｗ大学内カフェテリア」を確認してカテゴリｃ４：「習慣」に適合するタグＴ（ｃ４）：「外食」を確定する。これにより、サンプルＳＳＩＤ［２１］：「cafeA_w-univ」に対するタグＴ（ｃ４）：「外食」の信頼性をより向上させることができる。

また、上記の設置場所情報を参照する方法は、特に、サンプルＳＳＩＤ［ｍｋ］が現実に存在する施設等を略記した文字列のみを含む場合などの、文字列のみから直接的にカテゴリｃｘに適合するタグＴ［ｃｘ］を生成することが難しい場合において有用である。

さらに、アクセスポイントＡＰ_ｍｋの設置場所情報と上述した接続日時の情報を組み合わせることで、サンプル端末Ｔｓ_ｍのユーザがいつその場所に訪れたかを好適に把握することができる。このため、サンプル端末Ｔｓ_ｍのユーザ（現実の人）の行動傾向により合致した補足情報を得て、これをタグＴ［ｃｘ］の生成に用いることができる。

例えば、アクセスポイントＡＰ_２１への接続日時及びその設置場所情報：「Ｗ大学内カフェテリア」を補足情報としてサンプルＳＳＩＤ［２１］：「cafeA_w-univ」からタグ生成を行う場合、先ず、文字列「cafeA_w-univ」からカテゴリｃ２：「所属」に該当する「Ｗ大学生」をタグ候補として抽出する。そして、補足情報である設置場所情報：「Ｗ大学内カフェテリア」及び接続日時（月～金の午後１２：００など）を確認してカテゴリｃ２：「所属」に該当するタグＴ［ｃ２］：「Ｗ大学生」を確定する。これにより、サンプルＳＳＩＤ［２１］：「cafeA_w-univ」に対するタグＴ［ｃ２］：「Ｗ大学生」の信頼性をより向上させることができる。

さらなる変形例として、サンプル端末Ｔｓ_ｍのアクセスポイントＡＰ_ｍｋへの接続時点における位置情報を参照して、アクセスポイントＡＰ_ｍｋの設置場所情報を推定する構成を採用しても良い。位置情報としては、例えば、公知のＧＰＳ(Global Positioning System)情報を利用できる。また、位置情報として、取得したＧＰＳ座標から、所定のデータベース又はアプリケーションを利用して得られる住所情報を用いても良い。

これにより、ＧＰＳなどの既存の位置特定システムを利用して、アクセスポイントＡＰ_ｍｋの地図上の位置を把握することができるので、アクセスポイントＡＰ_ｍｋの設置場所情報に対する調査負担を軽減することができる。

なお、上述した接続日時及び／又は設置場所情報を参照してサンプルＳＳＩＤ［ｍｋ］から、カテゴリｃｘに該当するタグＴ［ｃｘ］を決定する具体的な方法は一例であり、定められるカテゴリｃｘの種類、サンプルＳＳＩＤ［ｍｋ］の文字列、生成すべきタグＴ［ｃｘ］の性質などを考慮して種々の適切なアルゴリズムを適用することができる。

以上説明したように、本実施形態の属性分析装置１０では、サンプル取得部２２は、サンプルＳＳＩＤ［ｍｋ］とともに、該サンプルＳＳＩＤ［ｍｋ］により識別されるアクセスポイントＡＰ_ｍｋへのサンプル端末Ｔｓ_ｍの接続日時及び／又はアクセスポイントＡＰ_ｍｋの設置場所情報を取得する。そして、タグ生成部２４は、接続日時及び／又は設置場所情報を参照して、カテゴリｃｘに適合するタグＴ［ｃｘ］を生成する。

これにより、各カテゴリｃｘに対してより信頼性の高いタグＴ［ｃｘ］を生成するための演算ロジックを実現することができる。特に、サンプルＳＳＩＤ［ｍｋ］により識別されるアクセスポイントＡＰ_ｍｋへの接続日時及びその設置場所情報を参照することで、サンプル端末Ｔｓ_ｍのユーザによる過去の訪問場所及び訪問日時（行動傾向）を推定した上で、当該情報を利用して好適なタグＴ［ｃｘ］を生成することが可能となる。結果として、生成されたタグＴ［ｃｘ］から得られる属性定義データＤ［ｙ］の信頼性をより向上させることができ、対象のユーザ集団の属性に対する分析精度をより高めることができる。

なお、サンプル取得部２２が、アクセスポイントＡＰ_ｍｋへのサンプル端末Ｔｓ_ｍの接続時点における位置情報（ＧＰＳ情報など）をさらに取得し、タグ生成部２４が当該位置情報からアクセスポイントＡＰ_ｍｋの設置場所情報を推定する構成を採用しても良い。

これにより、取得した位置情報を参照してアクセスポイントＡＰ_ｍｋの設置場所情報を推定することができるので、当該設置場所情報の調査負担を軽減することができる。

以上、本発明の各実施形態について説明したが、上記各実施形態は本発明の適用例の一部を示したに過ぎず、本発明の技術的範囲を上記各実施形態の具体的構成に限定する趣旨ではない。また、上記各実施形態の構成は、論理的に矛盾しない範囲で相互に組み合わせることが可能である。

また、コンピュータである分析処理装置２０に、所定のサンプル端末Ｔｓ_ｍが保有する過去に接続したアクセスポイントＡＰ_ｍｋのＳＳＩＤであるサンプルＳＳＩＤ［ｍｋ］を取得させ、人の属性を分類する項目として予め定めたカテゴリｃｘを参照して、サンプルＳＳＩＤ［ｍｋ］からカテゴリｃｘに適合するタグＴ［ｃｘ］を生成させ、サンプルＳＳＩＤ［ｍｋ］と同一文字列のＳＳＩＤをタグ付与用ＳＳＩＤ［ｙ］とし、当該タグ付与用ＳＳＩＤ［ｙ］にタグＴ［ｃｘ］を紐づけて成る属性定義データＤ［ｙ］を生成させ、所定の分析対象端末群Ｇ_ｏに属する各分析対象端末Ｔｏ_ｎが保有するそれぞれのＳＳＩＤを分析対象ＳＳＩＤ［ｎｈ］として取得させ、取得した分析対象ＳＳＩＤ［ｎｈ］とタグ付与用ＳＳＩＤ［ｙ］を照合し、抽出した属性定義データＤ［ｙｏ］に基づいて、各分析対象端末Ｔｏ_ｎの各ユーザにより構成されるユーザ集団の属性を分析させる属性分析プログラムも、出願時の本願の明細書等に開示された事項の範囲に含まれる。

２０ 属性分析装置
３０ カテゴリＤＢ
４０ 属性定義ＤＢ
５０ 分析結果ＤＢ

Claims (5)

1. 所定のサンプル端末が保有する過去に接続したアクセスポイントのＳＳＩＤであるサンプルＳＳＩＤを取得するサンプル取得部と、
   人の属性を分類する項目として予め定めたカテゴリを参照して、前記サンプルＳＳＩＤから前記カテゴリに適合するタグを生成するタグ生成部と、
   前記サンプルＳＳＩＤと同一文字列のＳＳＩＤをタグ付与用ＳＳＩＤとし、前記タグ付与用ＳＳＩＤに前記タグを紐づけて成る属性定義データを生成する属性定義データ生成部と、
   所定の分析対象端末群に属する各分析対象端末が保有するそれぞれのＳＳＩＤを分析対象ＳＳＩＤとして取得する分析対象情報取得部と、
   取得した分析対象ＳＳＩＤと前記タグ付与用ＳＳＩＤを照合し、該当する該タグ付与用ＳＳＩＤを含む前記属性定義データを抽出する抽出部と、
   抽出した前記属性定義データに基づいて、前記各分析対象端末の各ユーザにより構成されるユーザ集団の属性を分析する分析部と、を備えることを特徴とする、
   属性分析装置。
2. 請求項１に記載の属性分析装置であって、
   前記タグ生成部は、前記サンプルＳＳＩＤの文字列を所定のアルゴリズムに基づいて解析することで、前記カテゴリに適合する前記タグを生成する、
   属性分析装置。
3. 請求項１に記載の属性分析装置であって、
   前記サンプル取得部は、前記サンプルＳＳＩＤとともに、該サンプルＳＳＩＤにより識別される前記アクセスポイントへの前記サンプル端末の接続日時及び／又は前記アクセスポイントの設置場所情報を取得し、
   前記タグ生成部は、前記接続日時及び／又は前記設置場所情報を参照して前記カテゴリに適合する前記タグを生成する、
   属性分析装置。
4. 請求項３に記載の属性分析装置であって、
   前記サンプル取得部は、前記アクセスポイントへの前記サンプル端末の接続時点における該サンプル端末の位置情報をさらに取得し、
   前記タグ生成部は、
   前記位置情報から前記アクセスポイントの前記設置場所情報を推定する、
   属性分析装置。
5. コンピュータに、
   所定のサンプル端末が保有する過去に接続したアクセスポイントのＳＳＩＤであるサンプルＳＳＩＤを取得させ、
   人の属性を分類する項目として予め定めたカテゴリを参照して、前記サンプルＳＳＩＤから前記カテゴリに適合するタグを生成させ、
   前記サンプルＳＳＩＤと同一文字列のＳＳＩＤをタグ付与用ＳＳＩＤとし、前記タグ付与用ＳＳＩＤに前記タグを紐づけて成る属性定義データを生成させ、
   所定の分析対象端末群に属する各分析対象端末が保有するそれぞれのＳＳＩＤを分析対象ＳＳＩＤとして取得させ、
   取得した分析対象ＳＳＩＤと前記タグ付与用ＳＳＩＤを照合し、該当する該タグ付与用ＳＳＩＤを含む前記属性定義データを抽出させ、
   抽出した前記属性定義データに基づいて、前記各分析対象端末の各ユーザにより構成されるユーザ集団の属性を分析させる、
   属性分析プログラム。

Images