JP7174782B2

JP7174782B2 - 情報処理装置、情報処理方法及び情報処理プログラム

Info

Publication number: JP7174782B2
Application number: JP2021006507A
Authority: JP
Inventors: 佳史池本; 大己駒宮; 堅生上杉; 玲奈田中; 直水野
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2021-01-19
Filing date: 2021-01-19
Publication date: 2022-11-17
Anticipated expiration: 2041-01-19
Also published as: JP2022110843A

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

近年、インターネットの飛躍的な普及に伴い、例えば、インターネット上の種々の情報を用いた分析に関する技術が提供されている。例えば、利用者が入力した検索クエリに基づいて、所定の事業者が提供する対象に対するニーズに関する情報を抽出する技術が提案されている。

特開２０１９－３２７７６号公報

しかしながら、上記の従来技術では、有用な情報を得ることができるとは限らない。例えば、上記の従来技術では、所定の事業者が提供する対象に対するニーズに関する情報を抽出しているに過ぎないので、所定の事業者が提供する対象に対する潜在的なニーズに関する情報を視覚的に適切に提示できるとは言えない。

本願は、上記に鑑みてなされたものであって、有用な情報を提供することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、オンラインコンテンツへのアクセスに基づく実利用データを取得する取得部と、前記実利用データに基づいてペルソナを作成する作成部と、前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定部と、前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価部と、を備え、前記評価部は、前記利用状況を推定した際の評価指標及び特徴度から前記オンラインコンテンツの改善点をスコア化することを特徴とする。

実施形態の一態様によれば、有用な情報を得ることができるといった効果を奏する。

図１は、実施形態に係る情報処理方法の概要を示す説明図である。図２は、利用状況の推定の詳細を示す説明図である。図３は、実施形態に係る情報処理システムの構成例を示す図である。図４は、実施形態に係る端末装置の構成例を示す図である。図５は、実施形態に係る情報処理装置の構成例を示す図である。図６は、利用者情報データベースの一例を示す図である。図７は、履歴情報データベースの一例を示す図である。図８は、ペルソナ情報データベースの一例を示す図である。図９は、評価情報データベースの一例を示す図である。図１０は、実施形態に係る処理手順を示すフローチャートである。図１１は、ハードウェア構成の一例を示す図である。

以下に、本願に係る情報処理装置、情報処理方法及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、情報処理方法及び情報処理プログラムが限定されるものではない。また、以下の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．情報処理方法の概要〕
まず、図１を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図１は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図１では、オンラインコンテンツのユーザビリティテストを行う場合を例に挙げて説明する。

図１に示すように、情報処理システム１は、端末装置１０と情報提供装置１００とを含む。端末装置１０と情報提供装置１００とは、それぞれネットワークＮ（図３参照）を介して有線又は無線で互いに通信可能に接続される。

端末装置１０は、利用者Ｕ（ユーザ）により使用されるスマートフォンやタブレット等のスマートデバイスであり、４Ｇ（Generation）やＬＴＥ（Long Term Evolution）等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。また、端末装置１０は、液晶ディスプレイ等の画面であって、タッチパネルの機能を有する画面を有し、利用者から指やスタイラス等によりタップ操作、スライド操作、スクロール操作等、コンテンツ等の表示データに対する各種の操作を受付ける。なお、画面のうち、コンテンツが表示されている領域上で行われた操作を、コンテンツに対する操作としてもよい。また、端末装置１０は、スマートデバイスのみならず、デスクトップＰＣ（Personal Computer）やノートＰＣ等の情報処理装置であってもよい。

情報提供装置１００は、各利用者Ｕの端末装置１０と連携し、各利用者Ｕの端末装置１０に対して、各種アプリケーション（アプリ）等に対するＡＰＩサービス等と、各種データを提供する情報処理装置であり、サーバ装置やクラウドシステム等により実現される。

また、情報提供装置１００は、各利用者Ｕの端末装置１０に対して、オンラインで何らかのＷｅｂサービスを提供する情報処理装置であってもよい。例えば、情報提供装置１００は、Ｗｅｂサービスとして、インターネット接続、検索サービス、ＳＮＳ（Social Networking Service）、電子商取引、電子決済、オンラインゲーム、オンラインバンキング、オンライントレーディング、宿泊・チケット予約、動画・音楽配信等のサービスを提供してもよい。実際には、情報提供装置１００は、上記のようなＷｅｂサービスを提供する各種サーバと連携し、Ｗｅｂサービスを仲介してもよい。

なお、情報提供装置１００は、利用者Ｕに関する各種情報を取得可能である。例えば、情報提供装置１００は、利用者Ｕの性別、年代、居住地域といった利用者Ｕの属性に関する情報を取得する。そして、情報提供装置１００は、利用者Ｕを示す識別情報（利用者ＩＤ等）とともに利用者Ｕの属性に関する情報を記憶して管理する。

また、情報提供装置１００は、利用者Ｕの端末装置１０から、あるいは利用者ＩＤ等に基づいて各種サーバ等から、利用者Ｕの行動を示す各種の履歴情報（ログデータ）を取得する。例えば、情報提供装置１００は、利用者Ｕの位置や日時の履歴である位置履歴を端末装置１０から取得する。また、情報提供装置１００は、利用者Ｕが入力した検索クエリの履歴である検索履歴を検索サーバ（検索エンジン）から取得する。また、情報提供装置１００は、利用者Ｕが閲覧したコンテンツの履歴である閲覧履歴をコンテンツサーバから取得する。また、情報提供装置１００は、利用者Ｕの商品購入の履歴である購入履歴を電子商取引サーバや決済サーバから取得する。また、情報提供装置１００は、利用者Ｕのマーケットプレイスへの出品の履歴である出品履歴や販売履歴を電子商取引サーバや決済サーバから取得してもよい。また、情報提供装置１００は、利用者Ｕの投稿の履歴である投稿履歴を口コミの投稿サービスを提供する投稿サーバやＳＮＳサーバから取得する。

〔１－１．基本動作〕
本実施形態では、情報提供装置１００は、オンラインコンテンツ（Ｗｅｂサイトやアプリ等）のユーザビリティテスト（Userability Test）の定量評価を自動的に行う。ここでは、ペルソナを利用する。ペルソナとは、自社のサービスや商品に興味を持っている（もしくは興味を持つと考えられる）架空のユーザ像（利用者像）である。そして、ペルソナを設定すると、架空のユーザ像を、年齢、性別、職業、年収、居住地域、家族構成といった粒度で具体化していく。

例えば、図１に示すように、情報提供装置１００は、Ｗｅｂサイト等の流入クエリや利用者ＩＤからユーザ属性を推定し、ペルソナを作成する（ステップＳ１）。例えば、情報提供装置１００は、流入クエリから、カテゴリや、前後の検索クエリとの類似度に関する情報を得る。また、利用者ＩＤから、利用者情報や、各種の履歴情報等を得る。なお、流入クエリや利用者ＩＤは一例に過ぎない。実際には、１人の利用者（１ユーザ）の属性推定及びペルソナ作成に使用可能な情報であればよい。

本実施形態では、情報提供装置１００は、後述するステップＳ２での利用状況の推定を行う前に、学習器を作成するため、ステップＳ１において予め想定された利用状況でＷｅｂサイト等が操作された際に入手可能なデータ（利用者情報やＷｅｂサイト等の操作ログ等）を取得し、正解データと正解ペルソナを作成しておく。例えば、どんな検索クエリを用いて検索し、どのようなページ遷移をしているかといった、シナリオウォークスルー法のシナリオに合わせた行動をとる利用者を正解ペルソナとする。図１に示す例では、情報提供装置１００は、ペルソナＡ、ペルソナＢ、ペルソナＣという異なる３つのペルソナ（正解ペルソナの候補）を作成している。例えば、ペルソナＡ、ペルソナＢ、ペルソナＣのうちいずれか１つを仮の正解ペルソナとし、その他を比較対象の候補ペルソナとしてもよい。

続いて、情報提供装置１００は、ペルソナに基づく学習器を作成し、機械学習によりＷｅｂサイト等の利用状況を推定する（ステップＳ２）。ここでは、説明の便宜上、機械学習の仕組みにおける学習器と分類器（学習済みモデル）とを区別せずに、分類器（学習済みモデル）も学習器の一部として説明する。実際には、学習処理と判定処理（推定処理）とを分離し、学習器が推定と実際の結果を比較してパラメータを調整することにより、入力されたデータに応じて判定や推定を行う分類器（学習済みモデル）を調整するものであってもよい。

本実施形態では、上記のように複数の正解ペルソナを作成し、Ｗｅｂサイト等の流入クエリやユーザ属性等の実利用データから利用状況分類の学習器を作成する。図１に示す例では、情報提供装置１００は、ペルソナＡ、ペルソナＢ、ペルソナＣというデータの異なる３つの正解ペルソナを予め作成して学習器に入力し、各ペルソナを利用状況１～４のいずれかに分類しておく。説明の便宜上、ペルソナＡを利用状況１、ペルソナＢを利用状況２、ペルソナＣを利用状況３に分類しておく。すなわち、正解ペルソナと利用状況とが紐づけられる。このように、情報提供装置１００は、正解ペルソナを示す正解データを学習器に入力した際に、正解ペルソナに対応する利用状況を示す情報を出力するように学習器の学習を行う。

そして、情報提供装置１００は、利用者情報やＷｅｂサイト等の操作ログ等から機械学習をして利用状況を分類することで、利用状況を推定する。図１に示す例では、情報提供装置１００は、実際に得られたデータを学習器に入力し、入力したデータがペルソナＡ、ペルソナＢ及びペルソナＣのいずれかに該当する場合には、該当したペルソナに対応する利用状況１～３のいずれかに分類する。いずれにも該当しない場合には、その他のペルソナ（想定されていないペルソナ）として利用状況４に分類する。

ここで、図２を参照し、利用状況の推定の詳細について説明する。図２は、利用状況の推定の詳細を示す説明図である。図２に示すように、情報提供装置１００は、事前に正解データを使って作成した正解ペルソナを学習器に入力して学習しておく。そして、実際に得られたデータを学習器に入力し、該当した正解ペルソナに応じて利用状況ごとに分類することで、利用状況を推定する。ここでは、データとして、属性データと、行動データとを例示する。属性データは、デモグラフィック（人口統計学的属性）やユーザプロファイル等である。行動データは、ＰＶ（Page View）やクリック（Click）等である。図２の例では、利用状況１～３は予め想定されたペルソナであるが、利用状況４は想定されていないペルソナである。分類数（入力されたデータが分類された回数）は、利用状況４が最も多く、次いで利用状況２が多く、利用状況１、利用状況３と続く。

続いて、情報提供装置１００は、Ｗｅｂサイト等のユーザビリティテストの定量評価を自動的に行う（ステップＳ３）。例えば、情報提供装置１００は、上記の利用状況を推定した際の評価指標や特徴度（ページ遷移や滞在時間や検索クエリなど）からＷｅｂサイト等の改善点をスコア化する。

続いて、情報提供装置１００は、利用者Ｕの端末装置１０に対して、Ｗｅｂサイト等のユーザビリティテストの定量評価の結果に関する情報を提供する（ステップＳ４）。

本実施形態では、情報提供装置１００は、利用状況を推定した際の学習器の精度から利用者が想定通り（ペルソナ通り）にＷｅｂサイト等を操作しているかを評価する。評価の結果、寄与度の低い特徴度からＷｅｂサイト等の改善点を把握できる。また、想定していた利用と実際の利用とのギャップがわかるため、ユーザビリティテスト設計の精度も向上する。上記の処理を逐次的に繰り返すことにより、Ｗｅｂサイト等のユーザビリティと、そのテストの精度が向上する。

また、ＡＢテスト（A/B testing）などの仕組みに組み込むことも可能である。すなわち、本実施形態は、Ｗｅｂサイト等ではなく、ペルソナのＡＢテストを行うことも可能である。これにより、ペルソナの精度を上げること（ペルソナのブラッシュアップ）ができる。

例えば、情報提供装置１００は、利用者の実際の行動から得られたペルソナ（実利用ペルソナ）と、予め利用者像として設定されたペルソナ（設定ペルソナ）とを比較し、乖離している場合には、実利用ペルソナを設定ペルソナに近づける方向にＷｅｂサイト等の改善点をスコア化する。具体的には、ある機能を追加したことで、どのくらい実利用ペルソナを設定ペルソナに近づけることができたかをスコア化する。あるいは、情報提供装置１００は、設定ペルソナを実利用ペルソナに近づける方向に修正する。例えば、実利用データと利用状況の組を学習器に入力して機械学習を行い、新たな正解ペルソナを作成する。すなわち、ペルソナ同士の乖離や変化を見てアクションを考えることができる。本実施形態では、ペルソナの変容を前提とし、その変化をとらえる。

〔２．情報処理システムの構成例〕
次に、図３を用いて、実施形態に係る情報提供装置１００が含まれる情報処理システム１の構成について説明する。図３は、実施形態に係る情報処理システム１の構成例を示す図である。図３に示すように、実施形態に係る情報処理システム１は、端末装置１０と情報提供装置１００とを含む。これらの各種装置は、ネットワークＮを介して、有線又は無線により通信可能に接続される。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネット等のＷＡＮ（Wide Area Network）である。

また、図３に示す情報処理システム１に含まれる各装置の数は図示したものに限られない。例えば、図３では、図示の簡略化のため、端末装置１０を１台のみ示したが、これはあくまでも例示であって限定されるものではなく、２台以上であってもよい。

端末装置１０は、利用者Ｕによって使用される情報処理装置である。例えば、端末装置１０は、スマートフォンやタブレット端末等のスマートデバイス、フィーチャーフォン、ＰＣ（Personal Computer）、ＰＤＡ（Personal Digital Assistant）、通信機能を備えたゲーム機、カーナビゲーションシステム、スマートウォッチやヘッドマウントディスプレイ等のウェアラブルデバイス（Wearable Device）、スマートグラス等である。

また、かかる端末装置１０は、ＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）等の無線通信網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）等の近距離無線通信を介してネットワークＮに接続し、情報提供装置１００と通信することができる。

情報提供装置１００は、例えばＰＣやサーバ装置、あるいはメインフレーム又はワークステーション等である。なお、情報提供装置１００は、クラウドコンピューティングにより実現されてもよい。

〔３．端末装置の構成例〕
次に、図４を用いて、端末装置１０の構成について説明する。図４は、端末装置１０の構成例を示す図である。図４に示すように、端末装置１０は、通信部１１と、表示部１２と、入力部１３と、測位部１４と、センサ部２０と、制御部３０（コントローラ）と、記憶部４０とを備える。

（通信部１１）
通信部１１は、ネットワークＮ（図３参照）と有線又は無線で接続され、ネットワークＮを介して、情報提供装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）やアンテナ等によって実現される。

（表示部１２）
表示部１２は、位置情報等の各種情報を表示する表示デバイスである。例えば、表示部１２は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）や有機ＥＬディスプレイ（Organic Electro-Luminescent Display）である。また、表示部１２は、タッチパネル式のディスプレイであるが、これに限定されるものではない。

（入力部１３）
入力部１３は、利用者Ｕから各種操作を受け付ける入力デバイスである。また、入力部１３は、例えば、文字や数字等を入力するためのボタン等を有する。また、表示部１２がタッチパネル式のディスプレイである場合、表示部１２の一部が入力部１３として機能する。なお、入力部１３は、利用者Ｕから音声入力を受け付けるマイク等であってもよい。マイクはワイヤレスであってもよい。

（測位部１４）
測位部１４は、ＧＰＳ（Global Positioning System）の衛星から送出される信号（電波）を受信し、受信した信号に基づいて、自装置である端末装置１０の現在位置を示す位置情報（例えば、緯度及び経度）を取得する。すなわち、測位部１４は、端末装置１０の位置を測位する。なお、ＧＰＳは、ＧＮＳＳ（Global Navigation Satellite System）の一例に過ぎない。

また、測位部１４は、ＧＰＳ以外にも、種々の手法により位置を測位することができる。例えば、測位部１４は、位置補正等のための補助的な測位手段として、下記のように、端末装置１０の様々な通信機能を利用して位置を測位してもよい。

（Ｗｉ－Ｆｉ測位）
例えば、測位部１４は、端末装置１０のＷｉ－Ｆｉ（登録商標）通信機能や、各通信会社が備える通信網を利用して、端末装置１０の位置を測位する。具体的には、測位部１４は、Ｗｉ－Ｆｉ通信等を行い、付近の基地局やアクセスポイントとの距離を測位することにより、端末装置１０の位置を測位する。

（ビーコン測位）
また、測位部１４は、端末装置１０のＢｌｕｅｔｏｏｔｈ（登録商標）機能を利用して位置を測位してもよい。例えば、測位部１４は、Ｂｌｕｅｔｏｏｔｈ（登録商標）機能によって接続されるビーコン（beacon）発信機と接続することにより、端末装置１０の位置を測位する。

（地磁気測位）
また、測位部１４は、予め測定された構造物の地磁気のパターンと、端末装置１０が備える地磁気センサとに基づいて、端末装置１０の位置を測位する。

（ＲＦＩＤ測位）
また、例えば、端末装置１０が駅改札や店舗等で使用される非接触型ＩＣカードと同等のＲＦＩＤ（Radio Frequency Identification）タグの機能を備えている場合、もしくはＲＦＩＤタグを読み取る機能を備えている場合、端末装置１０によって決済等が行われた情報とともに、使用された位置が記録される。測位部１４は、かかる情報を取得することで、端末装置１０の位置を測位してもよい。また、位置は、端末装置１０が備える光学式センサや、赤外線センサ等によって測位されてもよい。

測位部１４は、必要に応じて、上述した測位手段の一つ又は組合せを用いて、端末装置１０の位置を測位してもよい。

（センサ部２０）
センサ部２０は、端末装置１０に搭載又は接続される各種のセンサを含む。なお、接続は、有線接続、無線接続を問わない。例えば、センサ類は、ウェアラブルデバイスやワイヤレスデバイス等、端末装置１０以外の検知装置であってもよい。図４に示す例では、センサ部２０は、加速度センサ２１と、ジャイロセンサ２２と、気圧センサ２３と、気温センサ２４と、音センサ２５と、光センサ２６と、磁気センサ２７と、画像センサ（カメラ）２８とを備える。

なお、上記した各センサ２１～２８は、あくまでも例示であって限定されるものではない。すなわち、センサ部２０は、各センサ２１～２８のうちの一部を備える構成であってもよいし、各センサ２１～２８に加えてあるいは代えて、湿度センサ等その他のセンサを備えてもよい。

加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、及び、加速度等の端末装置１０の物理的な動きを検知する。ジャイロセンサ２２は、端末装置１０の角速度等に基づいて３軸方向の傾き等の端末装置１０の物理的な動きを検知する。気圧センサ２３は、例えば端末装置１０の周囲の気圧を検知する。

端末装置１０は、上記した加速度センサ２１やジャイロセンサ２２、気圧センサ２３等を備えることから、これらの各センサ２１～２３等を利用した歩行者自律航法（ＰＤＲ：Pedestrian Dead-Reckoning）等の技術を用いて端末装置１０の位置を測位することが可能になる。これにより、ＧＰＳ等の測位システムでは取得することが困難な屋内での位置情報を取得することが可能になる。

例えば、加速度センサ２１を利用した歩数計により、歩数や歩くスピード、歩いた距離を算出することができる。また、ジャイロセンサ２２を利用して、利用者Ｕの進行方向や視線の方向、体の傾きを知ることができる。また、気圧センサ２３で検知した気圧から、利用者Ｕの端末装置１０が存在する高度やフロアの階数を知ることもできる。

気温センサ２４は、例えば端末装置１０の周囲の気温を検知する。音センサ２５は、例えば端末装置１０の周囲の音を検知する。光センサ２６は、端末装置１０の周囲の照度を検知する。磁気センサ２７は、例えば端末装置１０の周囲の地磁気を検知する。画像センサ２８は、端末装置１０の周囲の画像を撮像する。

上記した気圧センサ２３、気温センサ２４、音センサ２５、光センサ２６及び画像センサ２８は、それぞれ気圧、気温、音、照度を検知したり、周囲の画像を撮像したりすることで、端末装置１０の周囲の環境や状況等を検知することができる。また、端末装置１０の周囲の環境や状況等から、端末装置１０の位置情報の精度を向上させることが可能になる。

（制御部３０）
制御部３０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。制御部３０は、送信部３１と、受信部３２と、処理部３３と、表示制御部３４とを備える。

（送信部３１）
送信部３１は、例えば入力部１３を用いて利用者Ｕにより入力された各種情報や、端末装置１０に搭載又は接続された各センサ２１～２８によって検知された各種情報、測位部１４によって測位された端末装置１０の位置情報等を、通信部１１を介して情報提供装置１００へ送信することができる。

（受信部３２）
受信部３２は、通信部１１を介して、情報提供装置１００から提供される各種情報や、情報提供装置１００からの各種情報の要求を受信することができる。

（処理部３３）
処理部３３は、表示部１２等を含め、端末装置１０全体を制御する。例えば、処理部３３は、送信部３１によって送信される各種情報や、受信部３２によって受信された情報提供装置１００からの各種情報を表示部１２へ出力して表示させることができる。

（記憶部４０）
記憶部４０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置によって実現される。かかる記憶部４０には、各種プログラムや各種データ等が記憶される。

〔４．情報処理装置の構成例〕
次に、図５を用いて、実施形態に係る情報提供装置１００の構成について説明する。図５は、実施形態に係る情報提供装置１００の構成例を示す図である。図５に示すように、情報提供装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。また、通信部１１０は、ネットワークＮ（図３参照）と有線又は無線で接続される。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、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。図５に示すように、記憶部１２０は、利用者情報データベース１２１と、履歴情報データベース１２２と、ペルソナ情報データベース１２３と、評価情報データベース１２４とを有する。

（利用者情報データベース１２１）
利用者情報データベース１２１は、利用者Ｕに関する各種情報を記憶する。例えば、利用者情報データベース１２１は、利用者Ｕの属性等の種々の情報を記憶する。図６は、利用者情報データベース１２１の一例を示す図である。図６に示した例では、利用者情報データベース１２１は、「利用者ＩＤ（Identifier）」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目を有する。

「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。また、「年齢」は、利用者ＩＤにより識別される利用者Ｕの年齢を示す。なお、「年齢」は、例えば３５歳など、利用者ＩＤにより識別される利用者Ｕの具体的な年齢であってもよい。また、「性別」は、利用者ＩＤにより識別される利用者Ｕの性別を示す。

また、「自宅」は、利用者ＩＤにより識別される利用者Ｕの自宅の位置情報を示す。なお、図６に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。

また、「勤務地」は、利用者ＩＤにより識別される利用者Ｕの勤務地（学生の場合は学校）の位置情報を示す。なお、図６に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。

また、「興味」は、利用者ＩＤにより識別される利用者Ｕの興味を示す。すなわち、「興味」は、利用者ＩＤにより識別される利用者Ｕが関心の高い対象を示す。例えば、「興味」は、利用者Ｕが検索エンジンに入力して検索した検索クエリ（キーワード）等であってもよい。なお、図６に示す例では、「興味」は、各利用者Ｕに１つずつ図示するが、複数であってもよい。

例えば、図６に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、自宅が「ＬＣ１１」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、勤務地が「ＬＣ１２」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、「スポーツ」に興味があることを示す。

ここで、図６に示す例では、「Ｕ１」、「ＬＣ１１」及び「ＬＣ１２」といった抽象的な値を用いて図示するが、「Ｕ１」、「ＬＣ１１」及び「ＬＣ１２」には、具体的な文字列や数値等の情報が記憶されるものとする。以下、他の情報に関する図においても、抽象的な値を図示する場合がある。

なお、利用者情報データベース１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、利用者情報データベース１２１は、利用者Ｕの端末装置１０に関する各種情報を記憶してもよい。また、利用者情報データベース１２１は、利用者Ｕのデモグラフィック（人口統計学的属性）、サイコグラフィック（心理学的属性）、ジオグラフィック（地理学的属性）、ベヘイビオラル（行動学的属性）等の属性に関する情報を記憶してもよい。例えば、利用者情報データベース１２１は、氏名、家族構成、出身地（地元）、職業、職位、収入、資格、居住形態（戸建、マンション等）、車の有無、通学・通勤時間、通学・通勤経路、定期券区間（駅、路線等）、利用頻度の高い駅（自宅・勤務地の最寄駅以外）、習い事（場所、時間帯等）、趣味、興味、ライフスタイル等の情報を記憶してもよい。

（履歴情報データベース１２２）
履歴情報データベース１２２は、利用者Ｕの行動を示す履歴情報（ログデータ）に関する各種情報を記憶する。図７は、履歴情報データベース１２２の一例を示す図である。図７に示した例では、履歴情報データベース１２２は、「利用者ＩＤ」、「位置履歴」、「検索履歴」、「閲覧履歴」、「購買履歴」、「投稿履歴」といった項目を有する。

「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。また、「位置履歴」は、利用者Ｕの位置や移動の履歴である位置履歴を示す。また、「検索履歴」は、利用者Ｕが入力した検索クエリの履歴である検索履歴を示す。また、「閲覧履歴」は、利用者Ｕが閲覧したコンテンツの履歴である閲覧履歴を示す。また、「購買履歴」は、利用者Ｕによる購買の履歴である購買履歴を示す。また、「投稿履歴」は、利用者Ｕによる投稿の履歴である投稿履歴を示す。なお、「投稿履歴」は、利用者Ｕの所有物に関する質問を含んでいてもよい。

例えば、図７に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、「位置履歴＃１」の通りに移動し、「検索履歴＃１」の通りに検索し、「閲覧履歴＃１」の通りにコンテンツを閲覧し、「購買履歴＃１」の通りに所定の店舗等で所定の商品等を購入し、「投稿履歴」の通りに投稿したことを示す。

ここで、図７に示す例では、「Ｕ１」、「位置履歴＃１」、「検索履歴＃１」、「閲覧履歴＃１」、「購買履歴＃１」及び「投稿履歴＃１」といった抽象的な値を用いて図示するが、「Ｕ１」、「位置履歴＃１」、「検索履歴＃１」、「閲覧履歴＃１」、「購買履歴＃１」及び「投稿履歴＃１」には、具体的な文字列や数値等の情報が記憶されるものとする。

なお、履歴情報データベース１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、履歴情報データベース１２２は、利用者Ｕの所定のサービスの利用履歴等を記憶してもよい。また、履歴情報データベース１２２は、利用者Ｕの実店舗の来店履歴又は施設の訪問履歴等を記憶してもよい。また、履歴情報データベース１２２は、利用者Ｕの電子決済での決済履歴等を記憶してもよい。

（ペルソナ情報データベース１２３）
ペルソナ情報データベース１２３は、想定される利用者Ｕを示すペルソナに関する各種情報を記憶する。図８は、ペルソナ情報データベース１２３の一例を示す図である。図８に示した例では、ペルソナ情報データベース１２３は、「設定ペルソナＩＤ」、「コンテンツ」、「属性データ」、「行動データ」、「利用状況」といった項目を有する。

「設定ペルソナＩＤ」は、事前に想定された利用者像に基づいて設定された設定ペルソナ（正解ペルソナ）を識別するための識別情報を示す。また、「コンテンツ」は、例えばＷｅｂサイトやアプリ等、設定ペルソナのアクセス対象となるオンラインコンテンツを示す。また、「属性データ」は、設定ペルソナを作成するために用いられた属性データを示す。また、「行動データ」は、設定ペルソナを作成するために用いられた行動データを示す。すなわち、この属性データ及び行動データは、正解データである。また、「利用状況」は、学習器を作成する際に、設定ペルソナが分類された利用状況を示す。

例えば、図８に示す例において、設定ペルソナＩＤ「設定ペルソナ＃１」により識別されるペルソナは、「コンテンツ＃１」を利用し、「属性データ＃１」を有し、「行動データ＃１」の通りに行動する利用者像であって、「利用状況＃１」に分類されていることを示す。

ここで、図８に示す例では、「設定ペルソナ＃１」、「コンテンツ＃１」、「属性データ＃１」、「行動データ＃１」及び「利用状況＃１」といった抽象的な値を用いて図示するが、「設定ペルソナ＃１」、「コンテンツ＃１」、「属性データ＃１」、「行動データ＃１」及び「利用状況＃１」には、具体的な文字列や数値等の情報が記憶されるものとする。

なお、ペルソナ情報データベース１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ペルソナ情報データベース１２３は、設定ペルソナを作成した日時に関する情報等を記憶してもよい。ペルソナ情報データベース１２３は、複数の設定ペルソナのＡＢテストの結果に関する情報等を記憶してもよい。

（評価情報データベース１２４）
評価情報データベース１２４は、想定される利用者Ｕを示すペルソナに関する各種情報を記憶する。図９は、評価情報データベース１２４の一例を示す図である。図９に示した例では、評価情報データベース１２４は、「実利用ペルソナＩＤ」、「コンテンツ」、「属性データ」、「行動データ」、「該当ペルソナ」、「利用状況」、「乖離度」、「評価」といった項目を有する。

「実利用ペルソナＩＤ」は、実際のデータに基づいて作成された実利用ペルソナを識別するための識別情報を示す。また、「コンテンツ」は、例えばＷｅｂサイトやアプリ等、実利用ペルソナのアクセス対象となるオンラインコンテンツを示す。また、「属性データ」は、実利用ペルソナを作成するために用いられた属性データを示す。また、「行動データ」は、実利用ペルソナを作成するために用いられた行動データを示す。また、「該当ペルソナ」は、当該実利用ペルソナに該当する（又は近い）設定ペルソナを識別するための識別情報を示す。なお、当該実利用ペルソナに該当する設定ペルソナが存在しない場合には、何も記憶しない（空白にする）。また、「利用状況」は、属性データや行動データを学習器に入力することで推定された実利用ペルソナの利用状況を示す。例えば、「利用状況」は、当該実利用ペルソナに該当する（又は近い）設定ペルソナの利用状況を示す。また、「乖離度」は、設定ペルソナと実利用ペルソナとの乖離度を示す。また、「評価」は、オンラインコンテンツのユーザビリティテストの定量評価の結果を示す。例えば、「評価」は、利用状況を推定した際の評価指標及び特徴度からオンラインコンテンツの改善点をスコア化した値（スコア）であってもよい。

例えば、図９に示す例において、実利用ペルソナＩＤ「実利用ペルソナ＃１」により識別されるペルソナは、「コンテンツ＃１」を利用し、「属性データ＃１」を有し、「行動データ＃１」の通りに行動する利用者像であって、「設定ペルソナ＃１」に該当し、「利用状況＃１」であると推定され、「設定ペルソナ＃１」と「乖離度＃１」だけ乖離し、「評価＃１」の評価を得ていることを示す。

ここで、図９に示す例では、「実利用ペルソナ＃１」、「コンテンツ＃１」、「属性データ＃１」、「行動データ＃１」、「該当ペルソナ＃１」、「利用状況＃１」、「乖離度＃１」及び「評価＃１」といった抽象的な値を用いて図示するが、「実利用ペルソナ＃１」、「コンテンツ＃１」、「属性データ＃１」、「行動データ＃１」、「該当ペルソナ＃１」、「利用状況＃１」、「乖離度＃１」及び「評価＃１」には、具体的な文字列や数値等の情報が記憶されるものとする。

なお、評価情報データベース１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、評価情報データベース１２４は、利用状況を推定した際の評価指標及び特徴度に関する情報を記憶してもよい。また、評価情報データベース１２４は、オンラインコンテンツの改善点に基づく改善提案に関する情報を記憶してもよい。

（制御部１３０）
図５に戻り、説明を続ける。制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、情報提供装置１００の内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭ等の記憶領域を作業領域として実行されることにより実現される。図５に示す例では、制御部１３０は、取得部１３１と、作成部１３２と、推定部１３３と、評価部１３４と、提供部１３５とを有する。

（取得部１３１）
取得部１３１は、通信部１１０を介して、オンラインコンテンツ（Ｗｅｂサイトやアプリ等）へのアクセスに基づく実利用データを取得する。例えば、取得部１３１は、Ｗｅｂサイト等が操作された際に入手可能なデータ（利用者情報やＷｅｂサイト等の操作ログ等）を取得する。

このとき、取得部１３１は、通信部１１０を介して、利用者Ｕに関する各種情報を取得する。例えば、取得部１３１は、利用者Ｕを示す情報（利用者ＩＤ等）や、利用者Ｕの位置情報、利用者Ｕの属性情報等を取得する。そして、取得部１３１は、記憶部１２０の利用者情報データベース１２１に登録する。

また、取得部１３１は、通信部１１０を介して、利用者Ｕの行動を示す各種の履歴情報（ログデータ）を取得する。そして、取得部１３１は、記憶部１２０の履歴情報データベース１２２に登録する。

（作成部１３２）
作成部１３２は、実利用データに基づいてペルソナを作成する。なお、作成部１３２は、事前に正解ペルソナを作成しておく。このとき、作成部１３２は、利用者Ｕの端末装置１０からの指示やデータ送信に応じて正解ペルソナを作成してもよい。なお、作成部１３２は、ペルソナを作成するためのＵＩ（User Interface）であってもよい。

（推定部１３３）
推定部１３３は、ペルソナのオンラインコンテンツの利用状況を推定する。例えば、推定部１３３は、事前に正解ペルソナのオンラインコンテンツの利用状況を分類しておき、正解ペルソナとペルソナとを比較して、ペルソナの利用状況を推定する。このとき、推定部１３３は、事前に複数の正解ペルソナのそれぞれのオンラインコンテンツの利用状況を分類しておき、複数の正解ペルソナのそれぞれと、ペルソナとを比較して、ペルソナの利用状況を推定してもよい。

また、推定部１３３は、正解ペルソナとペルソナとが乖離している場合、正解ペルソナがペルソナに近づくように正解ペルソナを修正してもよい。

また、推定部１３３は、ペルソナを作成した際に用いた実利用データから学習器を作成し、機械学習をして利用状況を推定する。例えば、推定部１３３は、正解ペルソナを示す正解データを学習器に入力した際に、正解ペルソナに対応する利用状況を示す情報を出力するように学習器の学習を行う。

本実施形態では、推定部１３３は、ＲＮＮ（Recurrent Neural Network）やＬＳＴＭ（Long short-term memory）等を用いた機械学習により、学習器としての利用状況推定モデルを作成する。なお、モデルは、任意の種別及び任意の形式のモデルが採用可能である。例えば、推定部１３３は、ＳＶＭ（Support Vector Machine）やＤＮＮ（Deep Neural Network）をモデルとして採用してもよい。ここで、ＤＮＮは、ＣＮＮ（Convolutional Neural Network）やＲＮＮであってもよい。また、モデルは、例えば、ＣＮＮとＲＮＮとを組み合わせたモデル等、複数のモデルを組み合わせることで実現されるモデルであってもよい。

なお、ＲＮＮやＬＳＴＭは、アテンション（Attention）の仕組みに基づくニューラルネットワークであってもよい。また、推定部１３３は、同様の自然言語処理モデルを用いてもよい。また、データマイニングやその他の機械学習アルゴリズムを利用してもよい。推定部１３３は、上述した各種の学習手法により、モデルの学習を行うことができる。

（評価部１３４）
評価部１３４は、利用状況を推定した際に、オンラインコンテンツのユーザビリティテストの定量評価を行う。例えば、評価部１３４は、利用状況を推定した際の評価指標及び特徴度からオンラインコンテンツの改善点をスコア化する。

また、評価部１３４は、正解ペルソナとペルソナとが乖離している場合、ペルソナが正解ペルソナに近づくようにオンラインコンテンツの改善点をスコア化してもよい。

また、評価部１３４は、複数の正解ペルソナのＡＢテストを行い、正解ペルソナを評価してスコア化してもよい。

また、評価部１３４は、利用状況が分類された際の学習器の精度から利用者が想定通りにオンラインコンテンツを操作しているかを評価する。

（提供部１３５）
提供部１３５は、通信部１１０を介して、利用者Ｕの端末装置１０に対して、オンラインコンテンツのユーザビリティテストの定量評価の結果に関する情報を提供する。このとき、提供部１３５は、利用者Ｕからの情報提供の要求に応じて、オンラインコンテンツのユーザビリティテストの定量評価の結果に関する情報を提供してもよい。

〔５．処理手順〕
次に、図１０を用いて実施形態に係る情報提供装置１００による処理手順について説明する。図１０は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、情報提供装置１００の制御部１３０によって繰り返し実行される。

図１０に示すように、情報提供装置１００の取得部１３１は、通信部１１０を介して、オンラインコンテンツ（Ｗｅｂサイトやアプリ等）へのアクセスに基づく実利用データを取得する（ステップＳ１０１）。

続いて、情報提供装置１００の作成部１３２は、実利用データから正解データを作成し、正解データに基づいて想定された利用者像に基づいて事前に正解ペルソナを作成する（ステップＳ１０２）。

続いて、情報提供装置１００の推定部１３３は、正解データと正解ペルソナから利用状況分類の学習器を作成する（ステップＳ１０３）。このとき、推定部１３３は、正解データと正解ペルソナを学習器に入力し、所定の利用状況に分類するように学習する。例えば、推定部１３３は、正解ペルソナを示す正解データを学習器に入力した際に、正解ペルソナに対応する利用状況を示す情報を出力するように学習器の学習を行う。

続いて、情報提供装置１００の取得部１３１は、通信部１１０を介して、オンラインコンテンツへのアクセスに基づく実利用データを取得する（ステップＳ１０４）。

続いて、情報提供装置１００の作成部１３２は、実利用データに基づいてペルソナを作成する（ステップＳ１０５）。

続いて、情報提供装置１００の推定部１３３は、ペルソナのオンラインコンテンツの利用状況を推定する（ステップＳ１０６）。例えば、推定部１３３は、事前に正解ペルソナのオンラインコンテンツの利用状況を分類しておき、正解ペルソナとペルソナとを比較して、ペルソナの利用状況を推定する。このとき、推定部１３３は、実利用データとペルソナを学習器に入力し、出力された利用状況の分類結果から当該ペルソナの利用状況を推定する。

続いて、情報提供装置１００の評価部１３４は、利用状況を推定した際に、オンラインコンテンツのユーザビリティテストの定量評価を行う（ステップＳ１０７）。例えば、評価部１３４は、利用状況を推定した際の評価指標及び特徴度からオンラインコンテンツの改善点をスコア化する。

続いて、情報提供装置１００の評価部１３４は、正解ペルソナのＡＢテストを行い、複数の正解ペルソナのうち、最も多くのペルソナが該当した正解ペルソナを決定する（ステップＳ１０８）。このとき、評価部１３４は、複数の正解ペルソナのそれぞれについて、ペルソナが該当した数（ペルソナが分類された数：分類数）を集計して評価する。

続いて、情報提供装置１００の提供部１３５は、通信部１１０を介して、利用者Ｕの端末装置１０に対して、オンラインコンテンツのユーザビリティテストの定量評価の結果に関する情報を提供する（ステップＳ１０９）。

〔６．変形例〕
上述した端末装置１０及び情報提供装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。

上記の実施形態において、情報提供装置１００が実行している処理の一部又は全部は、実際には、端末装置１０が実行してもよい。例えば、スタンドアローン（Stand-alone）で（端末装置１０単体で）処理が完結してもよい。この場合、端末装置１０に、上記の実施形態における情報提供装置１００の機能が備わっているものとする。また、上記の実施形態では、端末装置１０は情報提供装置１００と連携しているため、利用者Ｕから見れば、情報提供装置１００の処理も端末装置１０が実行しているように見える。すなわち、他の観点では、端末装置１０は、情報提供装置１００を備えているともいえる。

また、上記の実施形態において、情報提供装置１００は、オンラインコンテンツへのアクセスに基づく実利用データからペルソナ推定の学習器を作成してもよい。例えば、情報提供装置１００は、事前に正解データと正解ペルソナとの組を入力データとして学習を行い、正解データを入力すると正解ペルソナを出力する学習器を作成する。そして、情報提供装置１００は、実利用データを学習器に入力して、出力されたペルソナを実利用ペルソナとして使用する。情報提供装置１００は、入力された実利用データに対応する正解ペルソナがなく、ペルソナが出力されない場合には、当該データに基づいて新たな正解ペルソナを作成する。

〔７．効果〕
上述してきたように、本願に係る情報提供装置１００は、オンラインコンテンツへのアクセスに基づく実利用データを取得する取得部１３１と、実利用データに基づいてペルソナを作成する作成部１３２と、ペルソナのオンラインコンテンツの利用状況を推定する推定部１３３と、利用状況を推定した際に、オンラインコンテンツのユーザビリティテストの定量評価を行う評価部１３４と、を備える。

また、評価部１３４は、利用状況を推定した際の評価指標及び特徴度からオンラインコンテンツの改善点をスコア化する。

また、作成部１３２は、事前に正解ペルソナを作成しておく。そして、推定部１３３は、事前に正解ペルソナのオンラインコンテンツの利用状況を分類しておき、正解ペルソナとペルソナとを比較して、ペルソナの利用状況を推定する。

また、作成部１３２は、事前に複数の正解ペルソナを作成する。そして、推定部１３３は、事前に複数の正解ペルソナのそれぞれのオンラインコンテンツの利用状況を分類しておき、複数の正解ペルソナのそれぞれと、ペルソナとを比較して、ペルソナの利用状況を推定する。

また、推定部１３３は、ペルソナを作成した際に用いた実利用データから学習器を作成し、機械学習をして利用状況を推定する。

上述した各処理のいずれかもしくは組合せにより、本願に係る情報提供装置１００及びこれと通信可能な端末装置１０は、有用な情報を得ることができる。例えば、オンラインコンテンツのユーザビリティテストの定量評価を自動的に行うことができる。また、ペルソナを作成したユーザ情報やＷｅｂサイトの操作ログから機械学習をして利用状況を分類することができる。また、分類した際の学習器の精度からユーザが想定通りにＷｅｂサイトを操作しているかを評価することができる。また、寄与度の低い特徴度からＷＥＢサイトの改善点を把握できる。また、想定していた利用と実際の利用とのギャップがわかるため、ユーザビリティテスト設計の精度も向上する。逐次的に繰り返すことによりＷＥＢサイトのユーザビリティと、テストの精度が向上する。また、ＡＢテストなどの仕組みに組み込むことも可能である。

〔８．ハードウェア構成〕
また、上述した実施形態に係る端末装置１０や情報提供装置１００は、例えば図１１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。以下、情報提供装置１００を例に挙げて説明する。図１１は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。

一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢメモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。

出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、及びプリンタ等といった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインターフェイスであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、及びスキャナ等といった各種の入力装置１０２０から情報を受信するためのインターフェイスであり、例えば、ＵＳＢ等により実現される。

また、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０及び入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０及び入力装置１０２０は、ワイヤレス機器であってもよい。

また、出力装置１０１０及び入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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、又は半導体メモリ等から情報を読み出す装置であってもよい。

ネットワークＩ／Ｆ１０８０は、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演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が情報提供装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得したプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。

〔９．その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

また、上記実施形態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又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又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、その全部又は一部を、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又は物理的に分散・統合して構成することができる。

例えば、上述した情報提供装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットホーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。

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、取得部は、取得手段や取得回路に読み替えることができる。

１情報処理システム
１０端末装置
３０制御部
３１送信部
３２受信部
３３処理部
１００情報提供装置
１１０通信部
１２０記憶部
１２１利用者情報データベース
１２２履歴情報データベース
１２３ペルソナ情報データベース
１２４評価情報データベース
１３０制御部
１３１取得部
１３２作成部
１３３推定部
１３４評価部
１３５提供部

Claims

オンラインコンテンツへのアクセスに基づく実利用データを取得する取得部と、
前記実利用データに基づいてペルソナを作成する作成部と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定部と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価部と、
を備え、
前記評価部は、前記利用状況を推定した際の評価指標及び特徴度から前記オンラインコンテンツの改善点をスコア化する
ことを特徴とする情報処理装置。
前記作成部は、事前に正解ペルソナを作成しておき、
前記推定部は、事前に前記正解ペルソナの前記オンラインコンテンツの利用状況を分類しておき、前記正解ペルソナと前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定し、
前記評価部は、前記正解ペルソナと前記ペルソナとが乖離している場合、前記ペルソナが前記正解ペルソナに近づくように前記オンラインコンテンツの改善点をスコア化する
ことを特徴とする請求項１に記載の情報処理装置。
前記作成部は、事前に正解ペルソナを作成しておき、
前記推定部は、事前に前記正解ペルソナの前記オンラインコンテンツの利用状況を分類しておき、前記正解ペルソナと前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定し、
前記推定部は、前記正解ペルソナと前記ペルソナとが乖離している場合、前記正解ペルソナが前記ペルソナに近づくように前記正解ペルソナを修正する
ことを特徴とする請求項１に記載の情報処理装置。
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得部と、
前記実利用データに基づいてペルソナを作成する作成部と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定部と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価部と、
を備え、
前記作成部は、事前に正解ペルソナを作成しておき、
前記推定部は、事前に前記正解ペルソナの前記オンラインコンテンツの利用状況を分類しておき、前記正解ペルソナと前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定し、
前記評価部は、前記正解ペルソナと前記ペルソナとが乖離している場合、前記ペルソナが前記正解ペルソナに近づくように前記オンラインコンテンツの改善点をスコア化する
ことを特徴とする情報処理装置。
前記作成部は、事前に複数の前記正解ペルソナを作成し、
前記推定部は、事前に複数の前記正解ペルソナのそれぞれの前記オンラインコンテンツの利用状況を分類しておき、複数の前記正解ペルソナのそれぞれと、前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定する
ことを特徴とする請求項２～４のうちいずれか１つに記載の情報処理装置。
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得部と、
前記実利用データに基づいてペルソナを作成する作成部と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定部と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価部と、
を備え、
前記作成部は、事前に複数の正解ペルソナを作成し、
前記推定部は、事前に複数の前記正解ペルソナのそれぞれの前記オンラインコンテンツの利用状況を分類しておき、複数の前記正解ペルソナのそれぞれと、前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定する
ことを特徴とする情報処理装置。
前記評価部は、複数の前記正解ペルソナのＡＢテストを行い、前記正解ペルソナを評価してスコア化する
ことを特徴とする請求項５又は６に記載の情報処理装置。
前記推定部は、前記ペルソナを作成した際に用いた前記実利用データから学習器を作成し、機械学習をして前記利用状況を推定し、
前記評価部は、前記利用状況が分類された際の学習器の精度から利用者が想定通りに前記オンラインコンテンツを操作しているかを評価する
ことを特徴とする請求項１～７のうちいずれか１つに記載の情報処理装置。
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得部と、
前記実利用データに基づいてペルソナを作成する作成部と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定部と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価部と、
を備え、
前記推定部は、前記ペルソナを作成した際に用いた前記実利用データから学習器を作成し、機械学習をして前記利用状況を推定し、
前記評価部は、前記利用状況が分類された際の学習器の精度から利用者が想定通りに前記オンラインコンテンツを操作しているかを評価する
ことを特徴とする情報処理装置。
情報処理装置が実行する情報処理方法であって、
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得工程と、
前記実利用データに基づいてペルソナを作成する作成工程と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定工程と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価工程と、
を含み、
前記評価工程では、前記利用状況を推定した際の評価指標及び特徴度から前記オンラインコンテンツの改善点をスコア化する
ことを特徴とする情報処理方法。
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得手順と、
前記実利用データに基づいてペルソナを作成する作成手順と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定手順と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価手順と、
をコンピュータに実行させ、
前記評価手順では、前記利用状況を推定した際の評価指標及び特徴度から前記オンラインコンテンツの改善点をスコア化する
ことを特徴とする情報処理プログラム。
情報処理装置が実行する情報処理方法であって、
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得工程と、
前記実利用データに基づいてペルソナを作成する作成工程と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定工程と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価工程と、
を含み、
前記作成工程では、事前に正解ペルソナを作成しておき、
前記推定工程では、事前に前記正解ペルソナの前記オンラインコンテンツの利用状況を分類しておき、前記正解ペルソナと前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定し、
前記評価工程では、前記正解ペルソナと前記ペルソナとが乖離している場合、前記ペルソナが前記正解ペルソナに近づくように前記オンラインコンテンツの改善点をスコア化する
ことを特徴とする情報処理方法。
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得手順と、
前記実利用データに基づいてペルソナを作成する作成手順と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定手順と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価手順と、
をコンピュータに実行させ、
前記作成手順では、事前に正解ペルソナを作成しておき、
前記推定手順では、事前に前記正解ペルソナの前記オンラインコンテンツの利用状況を分類しておき、前記正解ペルソナと前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定し、
前記評価手順では、前記正解ペルソナと前記ペルソナとが乖離している場合、前記ペルソナが前記正解ペルソナに近づくように前記オンラインコンテンツの改善点をスコア化する
ことを特徴とする情報処理プログラム。
情報処理装置が実行する情報処理方法であって、
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得工程と、
前記実利用データに基づいてペルソナを作成する作成工程と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定工程と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価工程と、
を含み、
前記作成工程では、事前に複数の正解ペルソナを作成し、
前記推定工程では、事前に複数の前記正解ペルソナのそれぞれの前記オンラインコンテンツの利用状況を分類しておき、複数の前記正解ペルソナのそれぞれと、前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定する
ことを特徴とする情報処理方法。
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得手順と、
前記実利用データに基づいてペルソナを作成する作成手順と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定手順と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価手順と、
をコンピュータに実行させ、
前記作成手順では、事前に複数の正解ペルソナを作成し、
前記推定手順では、事前に複数の前記正解ペルソナのそれぞれの前記オンラインコンテンツの利用状況を分類しておき、複数の前記正解ペルソナのそれぞれと、前記ペルソナとを比較して、前記ペルソナの前記利用状況を推定する
ことを特徴とする情報処理プログラム。
情報処理装置が実行する情報処理方法であって、
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得工程と、
前記実利用データに基づいてペルソナを作成する作成工程と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定工程と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価工程と、
を含み、
前記推定工程では、前記ペルソナを作成した際に用いた前記実利用データから学習器を作成し、機械学習をして前記利用状況を推定し、
前記評価工程では、前記利用状況が分類された際の学習器の精度から利用者が想定通りに前記オンラインコンテンツを操作しているかを評価する
ことを特徴とする情報処理方法。
オンラインコンテンツへのアクセスに基づく実利用データを取得する取得手順と、
前記実利用データに基づいてペルソナを作成する作成手順と、
前記ペルソナの前記オンラインコンテンツの利用状況を推定する推定手順と、
前記利用状況を推定した際に、前記オンラインコンテンツのユーザビリティテストの定量評価を行う評価手順と、
をコンピュータに実行させ、
前記推定手順では、前記ペルソナを作成した際に用いた前記実利用データから学習器を作成し、機械学習をして前記利用状況を推定し、
前記評価手順では、前記利用状況が分類された際の学習器の精度から利用者が想定通りに前記オンラインコンテンツを操作しているかを評価する
ことを特徴とする情報処理プログラム。