JP7269895B2

JP7269895B2 - 施策立案装置および施策立案方法

Info

Publication number: JP7269895B2
Application number: JP2020011896A
Authority: JP
Inventors: 博之難波; 敦友田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2020-01-28
Filing date: 2020-01-28
Publication date: 2023-05-09
Anticipated expiration: 2040-01-28
Also published as: JP2021117837A

Description

本発明は、施策を選択するシステム、および施策選択方法に関する。
に関する。

デジタルマーケティングにおける課題として、施策による売上効果や施策反応率といった目的変数が最大になるような最適な施策を繰り返し選択したいという課題が挙げられる。その際、過去に実施した施策結果の情報を次回以降の施策立案に活かす方法が考えられる。しかし、各施策の効果は、季節トレンドや購買行動に影響する重大ニュースなどの影響により、一定とは限らない。

この課題に対し、従来技術では、状況変化を監視して次回以降の施策立案に反映することが試みられている。たとえば、下記非特許文献１は、各施策を不定期に実施して効果を観測することで、状況変化を検出して次回以降の施策立案に活用する技術を開示する。

Liu, Fang, Joohyun Lee, and Ness Shroff. "A change-detection based framework for piecewise-stationary multi-armed bandit problem." Thirty-Second AAAI Conference on Artificial Intelligence. 2018.

施策効果が時間変化するような状況下で長期的な施策効果の和が大きくなるように繰り返し施策を選択するという問題に対して、状況変化を探索して次回以降の施策立案に反映するというアプローチが考えられる。

非特許文献１の技術は、各施策を一定の確率で不定期に選択して効果を観測し、変化点検出アルゴリズムを適用することで、状況変化を検出して次回以降の施策立案に活用する。しかし、施策の候補数が多い状況では、すべての施策を一定の確率で実施しようとすると、多大なコストがかかる。

本発明は、施策の立案精度の向上を図ることを目的とする。

本願において開示される発明の一側面となる施策立案装置は、プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する施策立案装置であって、施策結果を記憶する施策結果情報とイベントを記憶するイベント情報とにアクセス可能であり、前記施策結果は、施策ごとに前記施策に関する説明変数と前記施策に関する目的変数とにより規定され、前記イベントは、前記イベントの開催期間と前記開催期間中に実施された前記施策の属性情報とにより規定され、前記プロセッサは、前記イベントに該当する特定の施策結果を前記施策結果情報から選択する選択処理と、前記特定の施策結果の選択回数に基づいて、状況変化による施策立案への使用可能性を示す影響度を算出して、前記特定の施策結果に設定する設定処理と、前記影響度と、前記特定の施策結果の目的変数と、に基づいて、前記特定の施策結果となった特定の施策の推薦度を算出し、算出結果を出力する算出処理と、を実行することを特徴とする。

本発明の代表的な実施の形態によれば、施策の立案精度の向上を図ることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

図１は、コンピュータのハードウェア構成例を示すブロック図である。図２は、実施例１にかかる施策候補情報の一例を示す説明図である。図３は、実施例１にかかる施策結果情報の一例を示す説明図である。図４は、実施例１にかかるイベント情報の一例を示す説明図である。図５は、実施例１にかかる施策立案装置のシステム構成例を示すブロック図である。図６は、影響度付き施策結果情報の一例を示す説明図である。図７は、施策リストの一例を示す説明図である。図８は、影響度付き施策結果情報の生成処理例を示すフローチャートである。図９は、施策立案部による施策立案処理例を示すフローチャートである。図１０は、回帰木の一例を示す説明図である。図１１は、実施例２にかかる施策立案システムのシステム構成例を示すブロック図である。図１２は、イベント情報入力補助情報の一例を示す説明図である。図１３は、実施例３にかかるイベント情報の一例を示す説明図である。

図１は、コンピュータのハードウェア構成例を示すブロック図である。コンピュータ１００は、プロセッサ１０１と、記憶デバイス１０２と、入力デバイス１０３と、出力デバイス１０４と、通信インターフェース（通信ＩＦ）１０５と、を有する。プロセッサ１０１、記憶デバイス１０２、入力デバイス１０３、出力デバイス１０４、および通信ＩＦ１０５は、バス１０６により接続される。プロセッサ１０１は、コンピュータ１００を制御する。記憶デバイス１０２は、プロセッサ１０１の作業エリアとなる。また、記憶デバイス１０２は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス１０２としては、たとえば、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）、フラッシュメモリがある。入力デバイス１０３は、データを入力する。入力デバイス１０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナがある。出力デバイス１０４は、データを出力する。出力デバイス１０４としては、たとえば、ディスプレイ、プリンタ、スピーカがある。通信ＩＦ１０５は、ネットワークと接続し、データを送受信する。

＜データベース＞
図２は、実施例１にかかる施策候補情報の一例を示す説明図である。施策候補情報２００は、候補となる施策を示す情報である。施策候補情報２００は、フィールドとして、たとえば、年齢２０１と、性別２０２と、商品属性２０３と、チャネル２０４と、を有する。同一行の各フィールドの値の組み合わせが、施策候補を示すエントリである。年齢２０１は、対象者の出生時からの生存期間を年数で示した情報である。性別２０２は、男女を区別する情報である。商品属性２０３は、商品の特徴を示す情報である。チャネル２０４は、対象者に対する施策候補の提示手段を示す情報である。一行目のエントリは、２５歳の男性に冷たい商品に関する施策を電子メールで通知することを意味する。

図３は、実施例１にかかる施策結果情報の一例を示す説明図である。施策結果情報３００は、過去に実施された施策の結果を示す情報である。施策結果情報３００は、フィールドとして、たとえば、施策ＩＤ３０１と、顧客ＩＤ３０２と、年齢２０１と、商品属性２０３と、チャネル２０４と、施策実施日３０３と、施策反応フラグ３０４と、を有する。同一行の各フィールドの値の組み合わせが、過去施策結果を示すエントリである。

施策ＩＤ３０１は、施策を一意に特定する識別情報である。施策ＩＤ３０１が同一のエントリ群が１つの施策に対応する。顧客ＩＤ３０２は、顧客である対象者を一意に特定する識別情報である。施策実施日３０３は、たとえば、施策が実施された年月日を示す実施時点である。施策反応フラグ３０４は、施策の反応を示すフラグであり、「１」または「０」の値をとる。たとえば、「１」は、良好な施策結果であることを示し、「０」は、劣悪な施策結果であることを示す。

図４は、実施例１にかかるイベント情報の一例を示す説明図である。イベント情報４００は、施策実施中に発生したイベントを示す情報である。イベント情報４００は、イベントＩＤ４０１と、概要４０２と、開始日４０３と、終了日４０４と、影響施策属性名および値４０５と、影響のタイプ４０６と、を有する。同一行の各フィールドの値の組み合わせが、イベントを示すエントリである。

イベントＩＤ４０１は、イベントを一意に特定する識別情報である。概要４０２は、イベントの要点をまとめた情報である。開始日４０３は、イベントが開始（発生）した日である。終了日４０４は、イベントが終了した日である。開始日４０３から終了日４０４までがイベントの開催期間である。影響施策属性および値４０５は、影響施策属性とその値との組み合わせである。影響施策属性とは、イベントの影響を受けた施策の属性であり、たとえば、図２および図３に示した商品属性２０３である。値とは、イベントの影響を受けた施策の属性の値であり、たとえば、図２および図３に示した「冷たい」である。影響のタイプ４０６は、施策に与えた影響の良否を示す情報（たとえば、「良」、「悪」、「不明」）である。

＜施策立案装置＞
図５は、実施例１にかかる施策立案システムのシステム構成例を示すブロック図である。施策立案システム５００は、１以上のクライアント端末５０１と、ＤＢ（データベース）サーバ５０２と、施策立案装置５０３と、を有する。クライアント端末５０１、ＤＢサーバ５０２および施策立案装置５０３とは、インターネット、ＬＡＮ（ＬｏｃａｌＡｒｅａＮｅｔｗｏｒｋ）、ＷＡＮ（ＷｉｄｅＡｒｅａＮｅｔｗｏｒｋ）などのネットワーク５０４を介して通信可能に接続される。クライアント端末５０１、ＤＢサーバ５０２、および施策立案装置５０３は、図１に示したコンピュータ１００により実現される。

ＤＢサーバ５０２は、施策候補情報２００、施策結果情報３００およびイベント情報４００を記憶する。施策候補情報２００、施策結果情報３００およびイベント情報４００は、施策立案装置５０３に記憶されていてもよい。

施策立案装置５０３は、データ取得部５３１と、イベント処理部５３２と、施策立案部５３３と、を有する。データ取得部５３１、イベント処理部５３２、および施策立案部５３３は、具体的には、たとえば、図１に示した記憶デバイス１０２に記憶されたプログラムをプロセッサ１０１に実行させることにより実現される機能である。

データ取得部５３１は、ＤＢサーバ５０２にアクセスして、ＤＢサーバ５０２から施策候補情報２００および施策結果情報３００およびイベント情報４００を取得し、記憶デバイス１０２に記憶する。

イベント処理部５３２は、イベントに該当する特定の施策結果のエントリを施策結果情報３００から選択する選択処理と、特定の施策結果のエントリの選択回数に基づいて、状況変化による施策立案への使用可能性を示す影響度を算出して、特定の施策結果のエントリに設定する設定処理と、を実行する。具体的には、たとえば、イベント処理部５３２は、施策結果情報３００とイベント情報４００とに基づいて、影響度付き施策結果情報を生成する。影響度付き施策結果情報とは、施策結果情報３００に影響度が追加された情報である。

図６は、影響度付き施策結果情報６００の一例を示す説明図である。影響度６０１とは、施策結果情報３００の各エントリが、どれくらいの状況変化が起きていて、どれくらい今回の施策立案に使用可能かを示す指標値である。実施例１では、影響度６０１は、０から１の間の値を取り、０に近いほど状況変化のせいで今回の施策立案に使え無さそうであると予想される値である。

たとえば、１行目や２行目のエントリで特定される商品属性２０３はともに「冷たい」であるが、施策によって売り上げが上がったのではなく、急激な気温の上昇によって売り上げが上がったため、影響度６０１が１よりも低い値として記憶されている。

図５に戻り、施策立案部５３３は、施策候補情報２００と影響度付き施策結果情報６００とに基づいて、施策リストを生成する。具体的には、たとえば、施策立案部５３３は、状況変化検出部５３４と、生成部５３５と、算出部５３６と、を有する。状況変化検出部５３４は、施策結果情報３００に基づいて、過去の施策について状況変化が発生した変化点を検出する。生成部５３５は、影響度付き施策結果情報６００に基づいて回帰モデルを生成し、回帰モデルに目的変数を与えて予測値を算出し、かつ、その信頼度も算出する。算出部５３６は、生成部５３５によって算出された予測値および信頼度から、施策推薦度を算出し、施策候補情報２００に施策推薦度が追加された施策リストを出力する。

図７は、施策リストの一例を示す説明図である。施策リスト７００は、施策候補情報２００に施策推薦度７０１が追加された情報である。施策推薦度７０１とは、その施策を実行するべきかどうかを示す指標値である。実施例１では、施策推薦度７０１は、０から１の間の数値とする。数値が高いほど、お薦めの施策であることを示す。

＜影響度付き施策結果情報６００の生成処理＞
図８は、影響度付き施策結果情報６００の生成処理例を示すフローチャートである。イベント処理部５３２は、データ取得部５３１によって取得された施策結果情報３００の各エントリの影響度６０１の値を「１」に設定する（ステップＳ８０１）。イベント処理部５３２は、イベント情報４００から未選択のイベントがあるか否かを判断する（ステップＳ８０２）。未選択のイベントがある場合（ステップＳ８０２：Ｙｅｓ）、イベント処理部５３２は、イベント情報４００から未選択のイベントを選択する（ステップＳ８０３）。

イベント処理部５３２は、施策結果情報３００に、選択イベントに該当する未選択エントリがあるか否かを判断する（ステップＳ８０４）。選択イベントに該当する施策結果情報３００の未選択エントリを、イベント該当行と称す。イベント該当行とは、具体的には、たとえば、選択イベントの開始日４０３、終了日４０４、影響施策属性および値４０５、および、影響のタイプ４０６を参照して、状況変化が起きたと推定される期間に取得されたエントリである。たとえば、イベント情報４００の１行目のエントリの場合、施策実施日３０３が「２０１９／０７／０１」から「２０１９／０７／０３」であり、施策で推薦した商品属性２０３が「冷たい」に該当する施策結果情報３００の未選択エントリが、イベント該当行になる。

イベント該当行を特定する場合、イベント処理部５３２は、影響のタイプ４０６を用いてもよい。たとえば、影響のタイプ４０６が「良」である場合、開始日４０３と終了日４０４との間の良い施策結果のみが状況変化によると推定されるため、イベント処理部５３２は、良い結果、すなわち施策反応フラグ３０４が「１」であるデータのみイベント該当行としてもよい。同様に、影響のタイプ４０６が「悪」である場合、開始日４０３と終了日４０４の間の悪い施策結果のみが状況変化によるものと推定されるため、イベント処理部５３２は、悪い結果、すなわち施策反応フラグ３０４が「０」であるエントリのみイベント該当行としてもよい。

イベント該当行がない場合（ステップＳ８０４：Ｎｏ）、ステップＳ８０２に戻る。イベント該当行がある場合（ステップＳ８０５：Ｙｅｓ）、イベント処理部５３２は、イベント該当行を施策結果情報３００から選択し（ステップＳ８０５）、選択イベント該当行の影響度６０１を低下させ（ステップＳ８０６）、ステップＳ８０２に戻る。影響度６０１の低下処理とは、たとえば、影響度６０１をＣ（０≦Ｃ≦１）倍に更新する処理である。

定数Ｃはあらかじめプログラムにハードコーディングされた値でもよく、クライアント端末５０１から入力された値でもよい。ステップＳ８０６は、イベント該当行になったエントリについて実行されるため、あるエントリが複数の選択イベントでイベント該当行になると、その影響度６０１に定数Ｃがイベント該当行になった回数分乗じられ、影響度６０１が小さくなる。

未選択のイベントがない場合（ステップＳ８０２：Ｎｏ）、イベント処理部５３２は、影響度付き施策結果情報６００を出力して、一連の処理を終了する（ステップＳ８０７）。

＜施策立案処理＞
図９は、施策立案部５３３による施策立案処理例を示すフローチャートである。施策立案部５３３は、影響度付き施策結果情報６００に未選択の施策ＩＤ３０１があるか否かを判断する（ステップＳ９０１）。未選択の施策ＩＤ３０１がある場合（ステップＳ９０２：Ｙｅｓ）、施策立案部５３３は、影響度付き施策結果情報６００から、未選択の施策ＩＤ３０１を１つ選択し、そのエントリをすべて選択する（ステップＳ９０２）。

施策立案部５３３は、選択エントリ群を目的変数でソートする（ステップＳ９０３）。目的変数は、施策結果情報３００の列の１つに対応する。目的変数は、プログラムにハードコーディングされていてもよく、クライアント端末５０１から入力された値でもよい。実施例１では、目的変数を施策反応フラグ３０４とする。施策立案部５３３は、同じ施策実施日３０３に複数の施策反応フラグ３０４がある場合、代表値（たとえば、平均値）をとる。代表値は、平均値に限らず、最大値、最小値、中央値など、平均値とは異なる他の統計値でもよい。これにより、たとえば、施策立案部５３３は、施策実施日３０３を時刻とした、施策反応フラグ３０４の代表値の一次元の時系列データを取得できる。

状況変化検出部５３４は、変化点検出手法を適用して、時系列データから状況変化点を検出し、状況変化点前における施策反応フラグ３０４の代表値を除外して（ステップＳ９０４）、ステップＳ９０１に戻る。変化点検出手法とは、時系列データから状況変化点を検出するアルゴリズムである。変化点検出手法としては、たとえば、ＣｈａｎｇｅＦｉｎｄｅｒやＣＵＳＵＭが適用可能である。

状況変化検出部５３４は、時系列データに変化点検出手法を適用することで、状況変化点を表す日付時刻の集合を出力する。施策実施日３０３が最新の状況変化点より古い代表値の生成元となる選択エントリは、状況変化済みであるため、将来の施策立案には活用できない。このため、１つ以上の変化点が検出された場合、状況変化検出部５３４は、時系列データから施策実施日３０３が最新の変化点より古い代表値を削除する。このように変化点以前の代表値を削除することで、後述の回帰モデルによる予測精度が向上する。

ステップＳ９０１において、未選択の施策ＩＤ３０１がない場合（ステップＳ９０１：Ｎｏ）、生成部５３５は、回帰モデルを生成する（ステップＳ９０５）。回帰モデルを生成する際の目的変数は、ステップＳ９０３の目的変数（上記の例では施策反応フラグ３０４）である。また、説明変数は、影響度付き施策結果情報６００と施策候補情報２００との両方に存在する列の部分集合である。より具体的には、ステップＳ９０４の変化点前のデータの除外後の時系列データ（施策反応フラグ３０４）と同一エントリの説明変数（たとえば、年齢２０１、商品属性２０３、チャネル２０４）の値である。この説明変数の値は、後述する回帰木の入力データとして用いられる。

生成部５３５は、影響度６０１を考慮した手法かつ、予測の信頼度を出力できる手法で回帰モデルを生成する。この２つの条件を満たす手法の具体例として、ランダムフォレスト回帰がある。まず、ランダムフォレストによる回帰モデル生成時には、各データの重要度を指定できることが一般的であり、実施例１では、この重要度として影響度６０１が用いられる。生成部５３５は、影響度６０１が高い施策結果ほど、目的変数（施策反応フラグ）を外さないように（換言すれば、影響度６０１が低い施策結果ほど目的変数（施策反応フラグ）を外してもよい）、回帰木を生成する。

たとえば、影響度付き施策結果情報６００の１行目のエントリの影響度６０１の値は「０．５」である。したがって、たとえば、生成された回帰木において、年齢２０１の値が「３１」でかつ商品属性２０３が「冷たい」場合に、必ずしも、施策反応フラグ３０４の値が「１」にならなくてもよい。２行目のエントリの影響度６０１の値は「０．２５」であるため、１行目のエントリよりも施策反応フラグ３０４の値が外れてもよい。

一方、それ以降の影響度６０１の値が「１」のエントリについては、１行目および２行目のエントリに比べて、説明変数（たとえば、年齢や商品属性）から順次分岐した場合に目的変数である施策反応フラグ３０４の値が「１」となるように回帰木が生成される。これにより、影響度６０１の大きいエントリの誤差が影響度６０１の小さいエントリの誤差よりも小さくなるように回帰木が生成される。

図１０は、回帰木の一例を示す説明図である。生成部５３５は、たとえば、図１０に示したような回帰木１０００を複数含むランダムフォレスト回帰モデルを生成する。図１０の回帰木１０００では、説明変数は、年齢２０１と商品属性２０３とした。回帰木１０００には、施策反応フラグ３０４（目的変数）の推定値の代表値（以下、代表推定値と称す）が設定される。代表推定値は、たとえば、施策反応フラグ３０４（目的変数）の推定値の平均値である。代表推定値は、平均値に限らず、最大値、最小値、中央値など、平均値とは異なる他の統計値でもよい。

生成部５３５が複数の回帰木１０００の各々に上述した入力データを与えると、各回帰木は、それぞれ代表推定値を出力する。生成部５３５は、たとえば、複数の代表推定値についての分散の逆数を、ランダムフォレスト回帰モデルについての予測の信頼度として算出する。

算出部５３６は、施策候補情報２００の各エントリに対して、施策推薦度７０１を計算する。具体的には、たとえば、算出部５３６は、施策候補情報２００の各エントリを、ランダムフォレスト回帰モデルに適用することで、当該エントリごとに目的変数の予測値を算出する。

そして、算出部５３６は、算出した目的変数の予測値と予測の信頼度とに基づいて、施策推薦度７０１を算出する。算出部５３６は、たとえば、下記式（１）を用いて施策推薦度７０１を算出する。

Ｒ＝α×Ｐ＋（１－α）×Ｑ・・・（１）

ただし、Ｒは施策推薦度７０１、Ｐは目的変数の予測値、Ｑは予測の信頼度、αは重みであり、０≦α≦１となる値をとる。重みαはあらかじめプログラムにハードコーディングされた値でもよく、クライアント端末５０１から入力された値でもよい。目的変数の予測値Ｐが良さそうな施策を打ちたい場合には、αを大きく設定し、成功する自信が持てる施策を打ちたい場合には、αを小さく設定する。

算出部５３６は、施策候補情報２００の各エントリに、ステップＳ９０６で算出した施策推薦度７０１を追加して、施策リスト７００を生成する（ステップＳ９０７）。なお、算出部５３６は、施策推薦度７０１がしきい値以上または上位Ｎ番目のエントリを施策リスト７００として生成してもよい。このあと、算出部５３６は、生成した施策リスト７００を出力して、一連の処理を終了する（ステップＳ９０８）。算出部５３６は、施策立案装置５０３の出力デバイス１０４に表示してもよく、印刷出力してもよく、クライアント端末５０１に送信してもよい。

このように、実施例１によれば、影響度を考慮して、回帰モデルを生成し、その回帰モデルにより施策推薦度７０１を算出するため、施策の立案精度の向上を図ることができ、施策立案の反復回数の低減化を図ることができる。

具体的には、たとえば、分析者は、状況の変化の原因になりうるイベント情報４００をある程度把握していると考えられる。そこで、施策立案装置５０３は、そのようなイベント情報４００を活用して、施策結果情報３００に対して、状況変化検出部５３４により状況変化を判定し、状況変化に伴い施策選択に役立たなくなったかどうかを表す指標である影響度６０１を算出し、算出した影響度６０１を用いて状況変化が疑われる施策を特定する。これにより、施策立案に役立つデータと、状況変化に伴い施策立案に役立たなくなったデータを効率的に区別することができ、状況変化に素早く追従することができる。

なお、施策立案部５３３は、状況変化検出部５３４、生成部５３５、および算出部５３６により構成したが、任意の処理で施策立案を実行してもよい。たとえば、施策立案部５３３は、影響度６０１を考慮した上で、過去にうまくいった施策をそのまま再提案するという単純な処理でもよい。すなわち、施策立案部５３３は、影響度付き施策結果情報６００の同一の施策ＩＤ３０１のエントリ群において、影響度６０１が一定値以上であるエントリのみを残して目的変数（たとえば、施策反応フラグ３０４）の平均値を計算し、当該平均値を施策推薦度７０１とする処理でもよい。

実施例１では、イベント情報４００は、分析者によって事前に準備されていたのに対し、実施例２では、施策立案装置５０３によって提示されたイベント情報４００の入力補助情報をもとに、分析者がイベント情報４００を作成するという点が異なる。なお、実施例１と同一構成には、同一符号を付し、その説明を省略する。

図１１は、実施例２にかかる施策立案システム５００のシステム構成例を示すブロック図である。施策立案装置５０３は、入力補助情報作成部１１００を有する。実施例１と異なる動作は、イベント情報４００の入力時のみである。イベント情報４００の入力時の動作を以下に示す。

まず、クライアント端末５０１は、分析者の操作により、イベント情報４００の入力の開始信号を送信する。施策立案装置５０３は、イベント情報４００の入力の開始信号を受信する。施策立案装置５０３は、イベント情報４００の入力の開始信号の受信を契機として入力補助情報作成部１１００を起動する。入力補助情報作成部１１００は、ＤＢサーバ５０２から取得した施策結果情報３００とイベント情報４００とに基づいて、入力補助情報を作成する。

図１２は、入力補助情報の一例を示す説明図である。入力補助情報１２００は、イベント情報４００の入力を補助するための情報である。入力補助情報１２００は、イベント１２０１と、スコア１２０２と、を有する。イベント１２０１は、イベント情報４００の開始日４０３、終了日４０４、影響施策属性および値４０５、および影響のタイプ４０６を含む。すなわち、イベント１２０１は、イベント情報４００のエントリである。スコア１２０２は、イベント１２０１が、施策立案の精度にどの程度貢献するかを示す指標値である。スコア１２０２は、その値が大きいほど施策立案の精度に対する貢献度が高いことを示す。

入力補助情報作成部１１００による入力補助情報１２００の作成処理の例を以下に示す。入力補助情報作成部１１００は、イベント情報４００の各エントリに対して、イベント１２０１およびスコア１２０２をそれぞれ計算する。すなわち、実施例２においては、イベント情報４００と入力補助情報１２００とのエントリ数は一致する。

入力補助情報作成部１１００は、たとえば、対象となるイベント情報４００のエントリをイベント１２０１として抽出する。また、スコア１２０２は、そのイベント１２０１がある場合とない場合で、それぞれ回帰モデルを生成した際の、テストデータにおける予測精度の差分とする。イベント１２０１が分析者によって選択されると、イベント情報４００に追加される。

具体的には、たとえば、入力補助情報作成部１１００は、施策結果情報３００の中で、対象イベントがイベント情報４００に登録される日前（登録日は含まない）のエントリ（たとえば、説明変数：年齢２０１、商品属性２０３、目的変数：施策反応フラグ３０４）群の値を訓練データとし、登録日以後のエントリ（たとえば、説明変数：年齢２０１、商品属性２０３、目的変数：施策反応フラグ３０４）群の値をテストデータに設定する。

入力補助情報作成部１１００は、訓練データを用いて、対象イベントがある場合の回帰モデル（対象イベントあり回帰モデル）と対象イベントがない場合の回帰モデル（対象イベントなし回帰モデル）とを生成する。回帰モデルは、実施例１のようなランダムフォレスト回帰モデルでもよい。

対象イベントあり回帰モデルとは、図８に示した影響度付き施策結果情報６００の生成処理を対象イベントを含めて実行した場合に得られる影響度６０１を用いて生成された回帰モデルである。一方、対象イベントなし回帰モデルとは、図８に示した影響度付き施策結果情報６００の生成処理を対象イベントを除いて実行した場合に得られる影響度６０１を用いて生成された回帰モデルである。影響度６０１を用いた回帰木の生成は実施例１で説明したため省略する。

入力補助情報作成部１１００は、両回帰モデルにそれぞれテストデータの説明変数の値を与え、テストデータの目的変数の予測値を算出する。そして、入力補助情報作成部１１００は、下記式（２）によりスコア１２０２を算出する。

Ｓ＝｜Ａ－Ｔ｜－｜Ｂ－Ｔ｜・・・（２）

ただし、Ｓはスコア１２０２、Ａは対象イベントなし回帰モデルから出力される目的変数の予測値、Ｂは対象イベントあり回帰モデルから出力されるテストデータの目的変数の予測値、Ｔはテストデータの目的変数の真値である。上記式（２）により、対象イベントが良いイベントであるほどスコア１２０２は大きくなり、悪いイベントほどスコア１２０２は小さくなる。より具体的には、対象イベントが良いイベントであるほどスコア１２０２は正の値をとる。対象イベントが無意味なイベントほどスコア１２０２は０に近づく。対象イベントが悪いイベントほどスコア１２０２は負の値をとる。

このようにして、イベント情報４００の各エントリを対象イベントに設定して、上記処理を順次実行することで、入力補助情報１２００が作成される。入力補助情報作成部１１００は、たとえば、作成した入力補助情報１２００をクライアント端末５０１に送信する。クライアント端末５０１は、入力補助情報１２００を表示して、分析者からのイベント１２０１の選択を待ち受ける。このとき、分析者は、スコア１２０２を参照してイベント１２０１を１以上選択することができる。クライアント端末５０１は、選択したイベント１２０１を施策立案装置５０３に送信する。施策立案装置５０３は、受信した１以上のイベント１２０１をイベント情報４００に整形する。これにより、イベント情報４００の作成の容易化を図ることができる。

また、入力補助情報１２００は、上記の例に限られない。たとえば、入力補助情報作成部１１００は、影響施策属性および値４０５が共通するイベント１２０１のスコア１２０２の平均値を算出し、入力補助情報１２００に追加してもよい。これにより、分析者は、影響施策属性および値４０５ごとにスコア１２０２の平均値を有するため、どの影響施策属性および値４０５がどのくらいスコア１２０２の平均値が高いかを把握することができ、イベント選択の指標とすることができる。

実施例３は、イベント処理部５３２が、イベントの類似性を用いて影響度６０１を算出する例を示す。実施例３では、実施例２におけるスコア１２０２の算出処理が適用される。実施例３では、スコア１２０２は、入力補助情報１２００に用いられるのではなく、影響度６０１の増減に用いられる。ただし、実施例３において、実施例２を適用する場合は、スコア１２０２は、入力補助情報１２００にも用いられる。なお、実施例１および実施例２と同一構成には同一符号を付し、その説明を省略する。

図１３は、実施例３にかかるイベント情報４００の一例を示す説明図である。イベント情報４００は、類似イベントＩＤ１３００を有する。類似イベントＩＤ１３００とは、類似イベントのイベントＩＤ４０１である。類似イベントとは、イベントＩＤ４０１で特定されるイベントに類似するイベントである。類似イベントＩＤ１３００は、あらかじめイベント情報４００にハードコーディングされた値でもよく、クライアント端末５０１から入力された値でもよい。

施策立案装置５０３は、指定された類似イベントＩＤ１３００を保持する。イベント処理部５３２は、図８に示した影響度６０１付き施策結果情報の生成処理のステップＳ８０６で用いられる。具体的には、たとえば、イベント処理部５３２は、ステップＳ８０３において未選択イベントが選択された場合、当該選択イベントのエントリに存在する類似イベントＩＤ１３００をイベント情報４００から抽出する。

そして、イベント処理部５３２は、抽出した類似イベントＩＤ１３００で特定される類似イベントに関連付けられたスコア１２０２が第１しきい値以上であるか否かを判断する。第１しきい値は、スコア１２０２の高さを規定する絶対指標値である。スコア１２０２が第１しきい値以上の類似イベントは、施策立案の精度への貢献度が、スコア１２０２が第１しきい値未満のイベントに比べて高いことを意味する。類似イベントのスコア１２０２が第１しきい値以上である場合、イベント処理部５３２は、当該選択イベントに該当するイベント該当行について、定数Ｃ（０≦Ｃ≦１）を、１よりも０に近くなるように、現在の値よりも低くする。すなわち、類似イベントの影響があまりにも大きく、その影響を排除するため、定数Ｃを上記のように低下させる。これにより、類似イベントの影響を重視することができる。

一方、イベント処理部５３２は、抽出した類似イベントＩＤ１３００で特定される類似イベントに関連付けられたスコア１２０２が第２しきい値未満であるか否かを判断する。第２しきい値は、第１しきい値と同一または第１しきい値未満の値であり、スコア１２０２の低さを規定する絶対指標値である。スコア１２０２が第２しきい値未満の類似イベントは、施策立案の精度への貢献度が、スコア１２０２が第２しきい値以上のイベントに比べて低いことを意味する。類似イベントのスコア１２０２が第２しきい値未満である場合、イベント処理部５３２は、当該選択イベントに該当するイベント該当行について、定数Ｃ（０≦Ｃ≦１）を、０よりも１に近くなるように、現在の値よりも高くする。すなわち、類似イベントの影響があまりにも小さいため、定数Ｃを上記のように増加させる。これにより、類似イベントの影響を軽視することができる。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。たとえば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、たとえば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサ１０１がそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等の記憶装置、又は、ＩＣ（ＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｃ）の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

２００施策候補情報
５００施策立案システム
５０１クライアント端末
５０２ＤＢサーバ
５０３施策立案装置
５３１データ取得部
５３２イベント処理部
５３３施策立案部
５３４状況変化検出部
５３５生成部
５３６算出部
６００影響度付き施策結果情報
６０１影響度
７００施策リスト
７０１施策推薦度
１０００回帰木
１１００入力補助情報作成部
１２００入力補助情報

Claims

プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する施策立案装置であって、
施策結果を記憶する施策結果情報とイベントを記憶するイベント情報とにアクセス可能であり、
前記施策結果は、施策ごとに前記施策に関する説明変数と前記施策に関する目的変数とにより規定され、前記イベントは、前記イベントの開催期間と前記開催期間中に実施された前記施策の属性情報とにより規定され、
前記プロセッサは、
前記イベントに該当する特定の施策結果を前記施策結果情報から選択する選択処理と、
前記特定の施策結果の選択回数に基づいて、状況変化による施策立案への使用可能性を示す影響度を算出して、前記特定の施策結果に設定する設定処理と、
前記影響度と、前記特定の施策結果の目的変数と、に基づいて、前記特定の施策結果となった特定の施策の推薦度を算出し、算出結果を出力する算出処理と、
を実行することを特徴とする施策立案装置。
請求項１に記載の施策立案装置であって、
前記算出処理では、前記プロセッサは、前記影響度が所定値以上である前記特定の施策結果の目的変数に基づいて、前記特定の施策結果となった特定の施策の推薦度を算出する、
ことを特徴とする施策立案装置。
請求項１に記載の施策立案装置であって、
施策候補を記憶する施策候補情報にアクセス可能であり、
前記施策候補は、前記施策候補に関する説明変数により規定され、
前記プロセッサは、
前記施策候補に関する説明変数と共通する前記特定の施策に関する説明変数の値が入力されると、前記影響度に基づいて、前記特定の施策に関する目的変数の値を出力する回帰モデルを生成して、前記回帰モデルから出力された前記特定の施策に関する目的変数の値に基づいて前記回帰モデルの信頼度を算出する生成処理を実行し、
前記算出処理では、前記プロセッサは、前記回帰モデルの信頼度と、前記施策候補ごとに、前記施策候補に関する説明変数を前記回帰モデルに入力した結果、前記回帰モデルから出力される前記施策候補に関する目的変数の予測値と、に基づいて、前記施策候補ごとに推薦度を算出し、前記施策候補ごとに前記推薦度が関連付けられた施策リストを出力する、
ことを特徴とする施策立案装置。
請求項３に記載の施策立案装置であって、
前記施策結果における前記施策に関する説明変数は、前記施策の実施時点を含み、
前記プロセッサは、
変化点検出手法を用いて前記実施時点と前記施策に関する目的変数とにより規定される時系列データから前記施策に関する目的変数の変化点を検出する検出処理を実行し、
前記生成処理では、前記プロセッサは、前記検出処理によって検出された変化点後における、前記施策候補に関する説明変数と共通する前記特定の施策に関する説明変数の値が入力されると、前記影響度に基づいて、前記変化点後における前記特定の施策に関する目的変数を出力する回帰モデルを生成して、前記回帰モデルから出力された前記特定の施策に関する目的変数の値に基づいて前記回帰モデルの信頼度を算出する、
ことを特徴とする施策立案装置。
請求項１に記載の施策立案装置であって、
前記プロセッサは、
前記イベント情報と前記施策結果情報とに基づいて、前記イベント情報の各イベントが施策立案の精度にどの程度貢献するかを示すスコアを算出するスコア算出処理と、
前記スコア算出処理によって算出されたスコアを前記イベントに関連付けた入力補助情報を作成する作成処理と、
を実行することを特徴とする施策立案装置。
請求項５に記載の施策立案装置であって、
前記施策結果における前記施策に関する説明変数は、前記施策の実施時点を含み、
前記スコア算出処理では、前記プロセッサは、
前記実施時点が前記イベントの前記イベント情報への登録前の施策結果を訓練データとし、前記実施時点が前記イベントの前記イベント情報への登録以後の施策結果をテストデータとし、
前記イベントおよび他のイベントについて、前記選択処理および前記設定処理を実行することによって得られた第１影響度に基づいて、前記訓練データに含まれる説明変数が入力されると、前記特定の施策に関する目的変数を出力する第１回帰モデルを生成し、
前記他のイベントについて、前記選択処理および前記設定処理を実行することによって得られた第２影響度に基づいて、前記訓練データに含まれる説明変数が入力されると、前記特定の施策に関する目的変数を出力する第２回帰モデルを生成し、
前記第１回帰モデルに前記テストデータに含まれる説明変数を入力した結果出力される第１出力結果と、前記第２回帰モデルに前記テストデータに含まれる説明変数を入力した結果出力される第２出力結果と、前記テストデータに含まれる目的変数と、に基づいて、前記スコアを算出する、
ことを特徴とする施策立案装置。
請求項１に記載の施策立案装置であって、
前記イベント情報は、前記イベントに類似する類似イベントが関連付けられており、
前記プロセッサは、
前記イベント情報と前記施策結果情報とに基づいて、前記イベント情報の各イベントが施策立案の精度にどの程度貢献するかを示すスコアを算出するスコア算出処理と、
前記算出処理によって算出された前記類似イベントのスコアが所定値以上であるか否かを判定する判定処理と、を実行し、
前記設定処理では、前記プロセッサは、前記判定処理による判定結果と、前記特定の施策結果の選択回数に基づいて、前記影響度を算出して、前記特定の施策結果に設定する、
ことを特徴とする施策立案装置。
プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する施策立案装置が実行する施策立案方法であって、
施策結果を記憶する施策結果情報とイベントを記憶するイベント情報とにアクセス可能であり、
前記施策結果は、施策ごとに前記施策に関する説明変数と前記施策に関する目的変数とにより規定され、前記イベントは、前記イベントの開催期間と前記開催期間中に実施された前記施策の属性情報とにより規定され、
前記施策立案方法は、
前記プロセッサが、
前記イベントに該当する特定の施策結果を前記施策結果情報から選択する選択処理と、
前記特定の施策結果の選択回数に基づいて、状況変化による施策立案への使用可能性を示す影響度を算出して、前記特定の施策結果に設定する設定処理と、
前記影響度と、前記特定の施策結果の目的変数と、に基づいて、前記特定の施策結果となった特定の施策の推薦度を算出し、算出結果を出力する算出処理と、
を実行することを特徴とする施策立案方法。
請求項８に記載の施策立案方法であって、
前記算出処理では、前記プロセッサは、前記影響度が所定値以上である前記特定の施策結果の目的変数に基づいて、前記特定の施策結果となった特定の施策の推薦度を算出する、
ことを特徴とする施策立案方法。
請求項８に記載の施策立案方法であって、
施策候補を記憶する施策候補情報にアクセス可能であり、
前記施策候補は、前記施策候補に関する説明変数により規定され、
前記プロセッサは、
前記施策候補に関する説明変数と共通する前記特定の施策に関する説明変数の値が入力されると、前記影響度に基づいて、前記特定の施策に関する目的変数の値を出力する回帰モデルを生成して、前記回帰モデルから出力された前記特定の施策に関する目的変数の値に基づいて前記回帰モデルの信頼度を算出する生成処理を実行し、
前記算出処理では、前記プロセッサは、前記回帰モデルの信頼度と、前記施策候補ごとに、前記施策候補に関する説明変数を前記回帰モデルに入力した結果、前記回帰モデルから出力される前記施策候補に関する目的変数の予測値と、に基づいて、前記施策候補ごとに推薦度を算出し、前記施策候補ごとに前記推薦度が関連付けられた施策リストを出力する、
ことを特徴とする施策立案方法。
請求項１０に記載の施策立案方法であって、
前記施策結果における前記施策に関する説明変数は、前記施策の実施時点を含み、
前記プロセッサは、
変化点検出手法を用いて前記実施時点と前記施策に関する目的変数とにより規定される時系列データから前記施策に関する目的変数の変化点を判定する検出処理を実行し、
前記生成処理では、前記プロセッサは、前記検出処理によって検出された変化点後における、前記施策候補に関する説明変数と共通する前記特定の施策に関する説明変数の値が入力されると、前記影響度に基づいて、前記変化点後における前記特定の施策に関する目的変数を出力する回帰モデルを生成して、前記回帰モデルから出力された前記特定の施策に関する目的変数の値に基づいて前記回帰モデルの信頼度を算出する、
ことを特徴とする施策立案方法。
請求項８に記載の施策立案方法であって、
前記プロセッサは、
前記イベント情報と前記施策結果情報とに基づいて、前記イベント情報の各イベントが施策立案の精度にどの程度貢献するかを示すスコアを算出するスコア算出処理と、
前記スコア算出処理によって算出されたスコアを前記イベントに関連付けた入力補助情報を作成する作成処理と、
を実行することを特徴とする施策立案方法。
請求項１２に記載の施策立案方法であって、
前記施策結果における前記施策に関する説明変数は、前記施策の実施時点を含み、
前記スコア算出処理では、前記プロセッサは、
前記実施時点が前記イベントの前記イベント情報への登録前の施策結果を訓練データとし、前記実施時点が前記イベントの前記イベント情報への登録以後の施策結果をテストデータとし、
前記イベントおよび他のイベントについて、前記選択処理および前記設定処理を実行することによって得られた第１影響度に基づいて、前記訓練データに含まれる説明変数が入力されると、前記特定の施策に関する目的変数を出力する第１回帰モデルを生成し、
前記他のイベントについて、前記選択処理および前記設定処理を実行することによって得られた第２影響度に基づいて、前記訓練データに含まれる説明変数が入力されると、前記特定の施策に関する目的変数を出力する第２回帰モデルを生成し、
前記第１回帰モデルに前記テストデータに含まれる説明変数を入力した結果出力される第１出力結果と、前記第２回帰モデルに前記テストデータに含まれる説明変数を入力した結果出力される第２出力結果と、前記テストデータに含まれる目的変数と、に基づいて、前記スコアを算出する、
ことを特徴とする施策立案方法。
請求項８に記載の施策立案方法であって、
前記イベント情報は、前記イベントに類似する類似イベントが関連付けられており、
前記プロセッサは、
前記イベント情報と前記施策結果情報とに基づいて、前記イベント情報の各イベントが施策立案の精度にどの程度貢献するかを示すスコアを算出するスコア算出処理と、
前記算出処理によって算出された前記類似イベントのスコアが所定値以上であるか否かを判定する判定処理と、を実行し、
前記設定処理では、前記プロセッサは、前記判定処理による判定結果と、前記特定の施策結果の選択回数に基づいて、前記影響度を算出して、前記特定の施策結果に設定する、
ことを特徴とする施策立案方法。