JP7404307B2

JP7404307B2 - 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: JP7404307B2
Application number: JP2021101412A
Authority: JP
Inventors: キクカリ
Original assignee: Individual
Current assignee: Individual
Priority date: 2021-06-18
Filing date: 2021-06-18
Publication date: 2023-12-25
Anticipated expiration: 2041-06-18
Also published as: JP2023000529A

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。

従来、インセンティブが付与された場合にユーザが所定の行動を行う可能性と、インセンティブが付与されなかった場合にユーザが所定の行動を行う可能性とに基づいて、ユーザにインセンティブを付与する技術が知られている。

特開２０２０－１７７２６２号公報

しかしながら、従来の技術では、負のコンバージョンに対する抑止効果の向上を促進するために更なる改善の余地があった。

本願は、上記に鑑みてなされたものであって、負のコンバージョンに対する抑止効果の向上を促進することを目的とする。

本願に係る情報処理装置は、所定の行動である負のコンバージョンに至る可能性を示す第１スコアを算出する第１算出部と、インセンティブが付与された場合に前記負のコンバージョンに至る可能性を示す第２スコアを算出する第２算出部と、前記第１算出部により算出された第１スコアと、前記第２算出部により算出された第２スコアとの差分が所定の条件を満たすユーザを特定する特定部と、前記特定部によって特定されたユーザに対して、前記インセンティブを付与するための情報を提供する提供部と、を有することを特徴とする。

実施形態の一態様によれば、負のコンバージョンに対する抑止効果の向上を促進することができるという効果を奏する。

図１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２は、実施形態に係る情報処理の一例を示す図である。図３は、実施形態に係る所定の行動を行う可能性を分類した分類の一例を示す図である。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、実施形態に係るユーザ情報記憶部の一例を示す図である。図７は、実施形態に係るモデル記憶部の一例を示す図である。図８は、実施形態に係る情報処理の一例を示すフローチャートである。図９は、情報処理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」と呼ぶ）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、以下の各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。

（実施形態）
〔１．情報処理システムの構成〕
図１に示す情報処理システム１について説明する。図１に示すように、情報処理システム１は、端末装置１０と、情報処理装置１００とが含まれる。端末装置１０と、情報処理装置１００とは所定の通信網（ネットワークＮ）を介して、有線または無線により通信可能に接続される。図１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。なお、図１に示した情報処理システム１には、複数台の端末装置１０や、複数台の情報処理装置１００が含まれてもよい。

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、実施形態における処理を実現可能であれば、どのような装置であってもよい。また、端末装置１０は、スマートフォンや、タブレット型端末や、ノート型ＰＣや、デスクトップＰＣや、携帯電話機や、ＰＤＡ等の装置であってもよい。図２に示す例においては、端末装置１０がスマートフォンである場合を示す。

端末装置１０は、例えば、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、３Ｇ（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、ユーザ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てもよい。

図２では、端末装置１０_１はユーザＵ１１によって利用され、端末装置１０_２はユーザＵ１２によって利用され、端末装置１０_３はユーザＵ１３によって利用される。なお、以下では、端末装置１０_１、１０_２及び１０_３を区別する必要のないときは、「端末装置１０」と表記する。また、ユーザＵ１１、Ｕ１２及びＵ１３を区別する必要のないときは、単に「ユーザ」と表記する。また、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。

情報処理装置１００は、インセンティブが付与されなかった場合に負のコンバージョンに至る可能性（例えば、確率）を示すスコア（以下、適宜、「第１スコア」とする。）と、インセンティブが付与された場合に負のコンバージョンに至る可能性を示すスコア（以下、適宜、「第２スコア」とする。）とに基づいて、負のコンバージョンに至らないように、負のコンバージョンに対する抑止効果の向上を促進するための情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、情報処理装置１００は、第１スコアと第２スコアとをユーザごとに算出し、第１スコアと第２スコアとの差分に基づいて特定されたユーザに対して、インセンティブを付与するための情報を提供する機能を有する。情報処理装置１００は、例えば、ユーザが利用する所定のサービスを管理するサーバ装置やクラウドシステム等により実現される。なお、以下では、第１スコア及び第２スコアを区別する必要のないときは、「スコア」と表記する。

〔２．情報処理の一例〕
以下実施形態では、説明の便宜上、負のコンバージョンの対象となる所定の行動として、所定のサービスを退会する行動を例に挙げて説明するが、この例に限られないものとする。例えば、負のコンバージョンの対象となる所定の行動とは、所定のサービスでの購入を辞める行動や、所定のサービスへの入会を辞める行動であってもよく、所定のサービスに対して悪影響を及ぼし得る所定の行動（すなわち、コンバージョン）、ユーザに対して悪影響を及ぼし得る所定の行動等、所定の観点から見て不利益が生じうる行動であれば任意の行動を負のコンバージョンとしてもよい。

図２は、実施形態に係る情報処理システム１の情報処理の一例を示す図である。図２では、端末装置１０を介してユーザにインセンティブの付与を行うものとする。なお、インセンティブとは、例えば、クーポン、特典、キャッシュバック、金銭など、ユーザに還元可能なものであればどのようなものであってもよい。

情報処理装置１００は、負のコンバージョンの対象となる所定の行動を特定する（ステップＳ１０１）。例えば、情報処理装置１００は、ユーザが利用する所定のサービスの管理者から受け付けられた情報に基づいて、負のコンバージョンの対象となる所定の行動を特定する。図２では、所定のサービスの管理者が、所定のサービスを退会する行動を、負のコンバージョンの対象となる所定の行動として定めたものとして説明する。このため、情報処理装置１００は、所定のサービスを退会する行動を、所定の行動として特定する。

ここで、ユーザが所定の行動を行う可能性について説明する。ユーザが所定の行動を行う可能性は、インセンティブの付与との関係に基づいて、例えば４つに分類され得る。図３は、インセンティブの付与との関係に基づいて、ユーザが所定の行動を行う可能性を４つに分類した分類の一例を示す図である。分類ＢＲ１１では、インセンティブが付与された場合にユーザが断固所定の行動を行う可能性が高いと推定される。分類ＢＲ１２では、インセンティブが付与されなかった場合にユーザが所定の行動を行う可能性が高いと推定される。分類ＢＲ１３では、インセンティブが付与された場合にユーザが所定の行動を行わない可能性が高いと推定される。換言すると、分類ＢＲ１３では、インセンティブの付与で説得可能な可能性が高いと推定される。分類ＢＲ１４では、インセンティブが付与されなかった場合にユーザが断固所定の行動を行わない可能性が高いと推定される。なお、このような、所定の行動を行う可能性の分類は、例えば所定のサービスを管理する管理者によって予め定められるものとする。そして、この分類に基づいて、ユーザは４つの分類ＢＲ１１乃至ＢＲ１４に分類される。例えば、操作履歴、閲覧履歴、購買履歴などのユーザ情報に基づいて、ユーザは４つの分類ＢＲ１１乃至ＢＲ１４に分類される。なお、４つの分類ＢＲ１１乃至ＢＲ１４に分類されたユーザは、各分類に応じた、所定の行動を行う可能性が高いと推定されたユーザである。例えば、分類ＢＲ１１に分類されたユーザは、インセンティブが付与された場合にユーザが断固所定の行動を行う可能性が高いと推定されたユーザである。

情報処理装置１００は、分類ＢＲ１１乃至ＢＲ１４のうち、分類ＢＲ１２及びＢＲ１３に分類されたユーザを後述する処理の対象として特定する（ステップＳ１０２）。図２では、情報処理装置１００が、ユーザＵ１１乃至Ｕ１３を特定したものとして説明する。情報処理装置１００は、例えば、ユーザＵ１１乃至Ｕ１３のユーザ情報に基づいて、ユーザＵ１１乃至Ｕ１３を特定する。このため、ユーザＵ１１乃至Ｕ１３は、インセンティブが付与されなかった場合に退会する可能性が高いと推定されたユーザ、及び、インセンティブが付与された場合に退会しない可能性が高いと推定されたユーザのどちらかである。なお、図２では、説明の便宜上、情報処理装置１００が、ユーザＵ１１乃至Ｕ１３の３人のユーザを特定する場合を示すが、特定されるユーザの数は特に限定されないものとする。

情報処理装置１００は、特定されたユーザの特徴量を取得する（ステップＳ１０３）。図２では、情報処理装置１００は、ユーザＵ１１乃至Ｕ１３の特徴量を取得する。例えば、情報処理装置１００は、特定されたユーザのユーザ情報に基づいて、ユーザ情報を特徴量に変換することにより、特定されたユーザの特徴量を取得する。なお、図２では、情報処理装置１００が、ユーザ情報を自身の例えば記憶部から取得する場合を示すが、この例に限られず、例えば、外部の情報処理装置から取得してもよいものとする。例えば、情報処理装置１００は、ユーザ情報を、所定のサービスを管理するサーバ装置から取得してもよい。

情報処理装置１００は、ユーザの特徴量を入力すると、そのユーザが負のコンバージョンの対象となる退会を行う可能性を示す第１スコアを出力するモデル（以下、適宜、「第１モデル」とする。）を用いて、取得されたユーザの特徴量を入力することにより、第１スコアを算出する。図２では、情報処理装置１００は、ユーザＵ１１乃至Ｕ１３の特徴量をそれぞれ入力することで、ユーザごとに、第１スコアを算出する。ここで、情報処理装置１００は、負のコンバージョンに至った一群のユーザの特徴量に基づいて、第１モデルを生成してもよい。例えば、情報処理装置１００は、負のコンバージョンに至った一群のユーザの特徴量と、そのコンバージョン結果との組み合わせを正解データとして機械学習によって学習することで、第１モデルを生成してもよい。

同様に、情報処理装置１００は、ユーザの特徴量を入力すると、インセンティブが付与された場合にそのユーザが負のコンバージョンの対象となる退会を行う可能性を示す第２スコアを出力するモデル（以下、適宜、「第２モデル」とする。）を用いて、取得されたユーザの特徴量を入力することにより、第２スコアを算出する。図２では、情報処理装置１００は、ユーザＵ１１乃至Ｕ１３の特徴量をそれぞれ入力することで、ユーザごとに、第２スコアを算出する。ここで、情報処理装置１００は、インセンティブが付与された場合に負のコンバージョンに至った一群のユーザの特徴量に基づいて、第２モデルを生成してもよい。例えば、情報処理装置１００は、インセンティブが付与された場合に負のコンバージョンに至った一群のユーザの特徴量と、そのコンバージョン結果との組み合わせを正解データとして機械学習によって学習することで、第２モデルを生成してもよい。なお、以下では、第１モデル及び第２モデルを区別する必要のないときは、「モデル」と表記する。

情報処理装置１００は、算出された第１スコアと第２スコアとの差分が所定の条件を満たすユーザを特定する（ステップＳ１０４）。ここで、第１スコアと第２スコアとの差分が大きいほど、インセンティブが付与された場合に負のコンバージョンに至らないと推定され得る。このため、情報処理装置１００は、差分が大きいほど、インセンティブが付与された場合に負のコンバージョンに至らないと推定されるユーザを特定する。例えば、情報処理装置１００は、第１スコアと第２スコアとの差分が所定の閾値以上を満たすユーザを特定する。図２では、情報処理装置１００は、第１スコアと第２スコアとの差分が所定の閾値以上を満たすユーザとして、ユーザＵ１１を特定するものとする。具体的には、ユーザＵ１１乃至Ｕ１３のスコアの差分を示すデータＵＤ１１に基づくと、ユーザＵ１１乃至Ｕ１３の差分は、それぞれ「０．５」、「０．１」、「０．２」であり、例えば所定の閾値が「０．３」である場合には、情報処理装置１００は、ユーザＵ１１の差分において有意差があると特定する。なお、所定の閾値は、例えば所定のサービスを管理する管理者によって予め定められるものとする。これにより、情報処理装置１００は、退会する可能性が高いが、インセンティブが付与された場合に退会しない可能性が高いユーザを適切に特定することができる。

情報処理装置１００は、特定されたユーザに対して、インセンティブを付与するための情報を提供する（ステップＳ１０５）。この際、情報処理装置１００が、インセンティブを付与するための処理を行ってもよいし、インセンティブを付与するための情報を、例えば、所定のサービスを管理するサーバ装置に提供し、所定のサービスを管理するサーバ装置が、インセンティブを付与するための処理を行ってもよい。図２では、情報処理装置１００が、ユーザＵ１１にインセンティブを付与するための処理を行う場合を一例として示す。例えば、情報処理装置１００は、ユーザＵ１１に対して、所定のサービスで利用可能なクーポンを提供する。

なお、上記実施形態において、情報処理装置１００は、負のコンバージョンの対象となる所定の行動として、所定のサービスでの商品の購入を辞める行動を特定する場合には、例えばインセンティブが付与された場合に商品を購入する可能性が高いユーザを適切に特定することができるため、コンバージョン率の向上を促進することができる。

〔３．端末装置の構成〕
次に、図４を用いて、実施形態に係る端末装置１０の構成について説明する。図４は、実施形態に係る端末装置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、入力部１２と、出力部１３と、制御部１４とを有する。

（通信部１１）
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定のネットワークＮと有線又は無線で接続され、所定のネットワークＮを介して、情報処理装置１００等との間で情報の送受信を行う。

（入力部１２）
入力部１２は、ユーザからの各種操作を受け付ける。図２に示す例では、ユーザＵ１１乃至Ｕ１３からの各種操作を受け付ける。例えば、入力部１２は、タッチパネル機能により表示面を介してユーザからの各種操作を受け付けてもよい。また、入力部１２は、端末装置１０に設けられたボタンや、端末装置１０に接続されたキーボードやマウスからの各種操作を受け付けてもよい。

（出力部１３）
出力部１３は、例えば液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。例えば、出力部１３は、情報処理装置１００から送信された情報を表示する。

（制御部１４）
制御部１４は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、端末装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ（Random Access Memory)を作業領域として実行されることにより実現される。例えば、この各種プログラムには、端末装置１０にインストールされたアプリケーションのプログラムが含まれる。例えば、この各種プログラムには、情報処理装置１００から送信された情報を表示させるアプリケーションのプログラムが含まれる。また、制御部１４は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図４に示すように、制御部１４は、受信部１４１と、送信部１４２とを有し、以下に説明する情報処理の作用を実現または実行する。

（受信部１４１）
受信部１４１は、各種情報を受信する。受信部１４１は、外部の情報処理装置から各種情報を受信する。受信部１４１は、情報処理装置１００等の他の情報処理装置から各種情報を受信する。例えば、受信部１４１は、インセンティブの付与に関する情報を受信する。例えば、受信部１４１は、インセンティブが付与された旨の情報を受信する。

（送信部１４２）
送信部１４２は、外部の情報処理装置へ各種情報を送信する。送信部１４２は、情報処理装置１００等の他の情報処理装置へ各種情報を送信する。例えば、送信部１４２は、所定のサービスに対する操作履歴、閲覧履歴、購買履歴などのユーザ情報を送信する。

〔４．情報処理装置の構成〕
次に、図５を用いて、実施形態に係る情報処理装置１００の構成について説明する。図５は、実施形態に係る情報処理装置１００の構成例を示す図である。図５に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ等によって実現される。そして、通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、端末装置１０等との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、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、ユーザ情報記憶部１２１と、モデル記憶部１２２とを有する。

ユーザ情報記憶部１２１は、ユーザ情報を記憶する。ここで、図６に、実施形態に係るユーザ情報記憶部１２１の一例を示す。図６に示すように、ユーザ情報記憶部１２１は、「ユーザＩＤ」、「退会ステータス」、「ユーザ情報」といった項目を有する。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。「退会ステータス」は、所定のサービスに対するユーザの退会に関するステータスを示す。例えば、ユーザが所定のサービスを退会済みか未退会かを示す。「ユーザ情報」は、ユーザ情報を示す。図６に示す例では、「ユーザ情報」に「ユーザ情報＃１１」や「ユーザ情報＃１２」といった概念的な情報が格納される例を示したが、実際には、所定のサービスに対してユーザがログインしたログイン履歴などの操作情報が格納される。

すなわち、図６では、ユーザＩＤ「Ｕ１１」によって識別されるユーザの退会ステータスが「未退会」であり、ユーザ情報が「ユーザ情報＃１１」である例を示す。

モデル記憶部１２２は、退会を行う可能性を示すスコアを出力するモデルを記憶する。ここで、図７に、実施形態に係るモデル記憶部１２２の一例を示す。図７に示すように、モデル記憶部１２２は、「モデルＩＤ」、「モデル（算出式）」といった項目を有する。

「モデルＩＤ」は、モデルを識別するための識別情報を示す。「モデル（算出式）」は、モデルを示す。図７に示す例では、「モデル」に「モデル＃１１」や「モデル＃１２」といった概念的な情報が格納される例を示したが、実際には、モデルの算出式が格納される。

すなわち、図７では、モデルＩＤ「ＭＯ１１」によって識別されるモデルの算出式が「モデル＃１１」である例を示す。

（制御部１３０）
制御部１３０は、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、情報処理装置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、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

図５に示すように、制御部１３０は、取得部１３１と、特定部１３２と、生成部１３３と、第１算出部１３４と、第２算出部１３５と、提供部１３６とを有し、以下に説明する情報処理の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５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。

（取得部１３１）
取得部１３１は、各種情報を取得する。取得部１３１は、外部の情報処理装置から各種情報を取得する。取得部１３１は、端末装置１０等の他の情報処理装置から各種情報を取得する。

取得部１３１は、記憶部１２０から各種情報を取得する。取得部１３１は、ユーザ情報記憶部１２１やモデル記憶部１２２から各種情報を取得する。また、取得部１３１は、取得した各種情報を記憶部１２０に格納する。取得部１３１は、ユーザ情報記憶部１２１やモデル記憶部１２２に各種情報を格納する。

取得部１３１は、負のコンバージョンの対象となる所定の行動を特定するために、例えばユーザが利用する所定のサービスの管理者から受け付けられた情報を取得する。

取得部１３１は、操作履歴、閲覧履歴、購買履歴などのユーザ情報を取得する。また、取得部１３１は、ユーザ情報に基づくユーザの特徴量を取得する。

（特定部１３２）
特定部１３２は、取得部１３１により取得された情報に基づいて、負のコンバージョンの対象となる所定の行動を特定する。例えば、所定のサービスの管理者が、所定のサービスを退会する行動を、負のコンバージョンの対象となる所定の行動として定めた場合には、特定部１３２は、所定のサービスを退会する行動を、所定の行動として特定する。

特定部１３２は、ユーザが所定の行動を行う可能性と、インセンティブの付与との関係に基づく分類に基づいて、対象となるユーザを特定する。例えば、特定部１３２は、インセンティブが付与されなかった場合に所定の行動を行う可能性が高いと推定されるクラスタに属するユーザと、インセンティブが付与された場合に所定の行動を行わない可能性が高いと推定されるクラスタに属するユーザとを特定する。

特定部１３２は、後述する第１算出部１３４又は第２算出部１３５により算出された差分が所定の条件を満たすユーザを特定する。例えば、特定部１３２は、後述する第１算出部１３４又は第２算出部１３５により算出された差分が、予め定められた所定の閾値以上を満たすユーザを特定する。

（生成部１３３）
生成部１３３は、ユーザの特徴量を入力すると、そのユーザが負のコンバージョンの対象となる所定の行動を行う可能性を示す第１スコアを出力する第１モデルを生成する。例えば、生成部１３３は、負のコンバージョンに至った一群のユーザの特徴量と、そのコンバージョン結果との組み合わせを正解データとして機械学習によって学習することで、第１モデルを生成する。

生成部１３３は、ユーザの特徴量を入力すると、インセンティブが付与された場合にそのユーザが負のコンバージョンの対象となる所定の行動を行う可能性を示す第２スコアを出力する第２モデルを生成する。例えば、生成部１３３は、負のコンバージョンに至った一群のユーザの特徴量と、そのコンバージョン結果との組み合わせを正解データとして機械学習によって学習することで、第２モデルを生成する。

（第１算出部１３４）
第１算出部１３４は、生成部１３３により生成された第１モデルを用いて、取得部１３１により取得されたユーザの特徴量を入力することにより、第１スコアを算出する。

（第２算出部１３５）
第２算出部１３５は、生成部１３３により生成された第２モデルを用いて、取得部１３１により取得されたユーザの特徴量を入力することにより、第２スコアを算出する。そして、第２算出部１３５は、第１スコアと第２スコアとの差分を算出する。なお、第１スコアと第２スコアとの差分は、第１算出部１３４により算出されてもよい。

（提供部１３６）
提供部１３６は、特定部１３２により特定されたユーザに対して、インセンティブを付与するための情報を提供する。

〔５．情報処理のフロー〕
次に、図８を用いて、実施形態に係る情報処理システム１による情報処理の手順について説明する。図８は、実施形態に係る情報処理システム１による情報処理の手順を示すフローチャートである。

図８に示すように、情報処理装置１００は、第１スコアを算出する（ステップＳ２０１）。

情報処理装置１００は、第２スコアを算出する（ステップＳ２０２）。

情報処理装置１００は、算出された第１スコアと第２スコアとの差分が所定の条件を満たすユーザを特定する（ステップＳ２０３）。

情報処理装置１００は、特定されたユーザに対して、インセンティブを付与するための情報を提供する（ステップＳ２０４）。

〔６．変形例〕
上述した実施形態に係る情報処理システム１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、情報処理システム１の他の実施形態について説明する。

上記実施形態では、情報処理装置１００が、所定のサービスからの退会という負のコンバージョンをインセンティブで防ぐための処理を行う場合について記載したが、実施形態は、これに限定されるものではない。

情報処理装置１００は、例えばインセンティブを提供することで購買の取りやめを防ぐ場合には、買い物カートに入れたが、買い物カートから削除した、若しくは、所定期間購入しなかったなどのユーザ情報を用いて、第１スコアを算出する第１モデルを生成してもよい。また、情報処理装置１００は、買い物カートに入れたが、買い物カートから削除しようとした場合、若しくは、所定期間購入しなかった場合にクーポンや値引きを提示したが購入しなかったなどのユーザ情報を用いて、第２スコアを算出する第２モデルを生成してもよい。そして、情報処理装置１００は、このように算出された第１スコアと第２スコアとの差分で有意差の有無を判定してもよい。すなわち、情報処理装置１００は、負のコンバージョンに至ったユーザのユーザ情報と、負のコンバージョンに至らなかったユーザのユーザ情報とで、第１スコアを算出する第１モデルを生成し、インセンティブが付与された場合に負のコンバージョンに至ったユーザのユーザ情報と、インセンティブが付与された場合に負のコンバージョンに至らなかったユーザのユーザ情報とで、第２スコアを算出する第２モデルを作成し、これら２つのモデルのスコアの差分に基づき、ユーザにインセンティブを付与するための処理を行ってもよい。これにより、情報処理装置１００は、負のコンバージョンを回避できるかを判定することができるため、精度の向上を促進することができる。

〔７．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、第１算出部１３４と、第２算出部１３５と、特定部１３２と、提供部１３６とを有する。第１算出部１３４は、所定の行動である負のコンバージョンに至る可能性を示す第１スコアを算出する。第２算出部１３５は、インセンティブが付与された場合に負のコンバージョンに至る可能性を示す第２スコアを算出する。特定部１３２は、第１算出部１３４により算出された第１スコアと、第２算出部１３５により算出された第２スコアとの差分が所定の条件を満たすユーザを特定する。提供部１３６は、特定部１３２によって特定されたユーザに対して、インセンティブを付与するための情報を提供する。

これにより、実施形態に係る情報処理装置１００は、負のコンバージョンに対する抑止効果の高いユーザに対してインセンティブを付与するための処理を行うことができるため、結果として、負のコンバージョンに対する抑止効果の向上を促進することができる。

また、第１算出部１３４は、所定のサービスを利用するユーザの特徴量を、ユーザの特徴量を入力すると負のコンバージョンに至る可能性を示す第１スコアを出力する第１モデルに入力することで、第１スコアを算出する。また、第２算出部１３５は、所定のサービスを利用するユーザの特徴量を、ユーザの特徴量を入力するとインセンティブが付与された場合に負のコンバージョンに至る可能性を示す第２スコアを出力する第２モデルに入力することで、第２スコアを算出する。

これにより、実施形態に係る情報処理装置１００は、負のコンバージョンに対する抑止効果の高いユーザを適切に特定することができる。

また、第１モデルは、負のコンバージョンに至った一群のユーザについて、ユーザの特徴量と負のコンバージョンのコンバージョン結果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モデルである。また、第２モデルは、インセンティブが付与された場合に負のコンバージョンに至った一群のユーザについて、ユーザの特徴量と負のコンバージョンのコンバージョン結果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モデルである。

これにより、実施形態に係る情報処理装置１００は、負のコンバージョンに対する抑止効果の高いユーザの特定の精度の向上を促進することができる。

また、特定部１３２は、差分が大きいほど、インセンティブが付与された場合に負のコンバージョンに至らないと推定されるユーザを特定する。

これにより、実施形態に係る情報処理装置１００は、負のコンバージョンに至る可能性が高いが、負のコンバージョンに対する抑止効果の高いユーザを適切に特定することができる。

〔８．ハードウェア構成〕
また、上述してきた実施形態に係る端末装置１０及び情報処理装置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、端末装置１０及び情報処理装置１００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または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等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、所定の通信網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所定の通信網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等の出力装置、及び、キーボードやマウス等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また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）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、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る端末装置１０及び情報処理装置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１４及び１３０の機能を実現する。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、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。

〔９．その他〕
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。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。

また、上述してきた実施形態は、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。

以上、本願の実施形態のいくつかを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、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
１１通信部
１２入力部
１３出力部
１４制御部
１００情報処理装置
１１０通信部
１２０記憶部
１２１ユーザ情報記憶部
１２２モデル記憶部
１３０制御部
１３１取得部
１３２特定部
１３３生成部
１３４第１算出部
１３５第２算出部
１３６提供部
１４１受信部
１４２送信部
Ｎネットワーク

Claims

所定のサービスを利用するユーザの操作履歴、閲覧履歴、及び購買履歴のうち、少なくともいずれかを変換して取得される特徴量を、当該特徴量を入力すると所定の行動である負のコンバージョンに至る可能性を示す第１スコアを出力する第１モデルに入力することで、当該第１スコアを算出する第１算出部と、
所定のサービスを利用するユーザの操作履歴、閲覧履歴、及び購買履歴のうち、少なくともいずれかを変換して取得される特徴量を、当該特徴量を入力するとインセンティブが付与された場合に前記負のコンバージョンに至る可能性を示す第２スコアを出力する第２モデルに入力することで、当該第２スコアを算出する第２算出部と、
前記第１算出部により算出された第１スコアと、前記第２算出部により算出された第２スコアとの差分が所定の条件を満たすユーザを特定する特定部と、
前記特定部によって特定されたユーザに対して、前記インセンティブを付与するための情報を提供する提供部と、
を有することを特徴とする情報処理装置。
前記第１モデルは、前記負のコンバージョンに至った一群のユーザについて、当該ユーザの特徴量と当該負のコンバージョンのコンバージョン結果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モデルであり、
前記第２モデルは、前記インセンティブが付与された場合に前記負のコンバージョンに至った一群のユーザについて、当該ユーザの特徴量と当該負のコンバージョンのコンバージョン結果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モデルである
ことを特徴とする請求項１に記載の情報処理装置。
前記特定部は、
前記差分が大きいほど、前記インセンティブが付与された場合に前記負のコンバージョンに至らないと推定される前記ユーザを特定する
ことを特徴とする請求項１又は２に記載の情報処理装置。
コンピュータが実行する情報処理方法であって、
所定のサービスを利用するユーザの操作履歴、閲覧履歴、及び購買履歴のうち、少なくともいずれかを変換して取得される特徴量を、当該特徴量を入力すると所定の行動である負のコンバージョンに至る可能性を示す第１スコアを出力する第１モデルに入力することで、当該第１スコアを算出する第１算出部と、
所定のサービスを利用するユーザの操作履歴、閲覧履歴、及び購買履歴のうち、少なくともいずれかを変換して取得される特徴量を、当該特徴量を入力するとインセンティブが付与された場合に前記負のコンバージョンに至る可能性を示す第２スコアを出力する第２モデルに入力することで、当該第２スコアを算出する第２算出部と、
前記第１算出部により算出された第１スコアと、前記第２算出部により算出された第２スコアとの差分が所定の条件を満たすユーザを特定する特定部と、
前記特定部によって特定されたユーザに対して、前記インセンティブを付与するための情報を提供する提供部と、
を含むことを特徴とする情報処理方法。
所定のサービスを利用するユーザの操作履歴、閲覧履歴、及び購買履歴のうち、少なくともいずれかを変換して取得される特徴量を、当該特徴量を入力すると所定の行動である負のコンバージョンに至る可能性を示す第１スコアを出力する第１モデルに入力することで、当該第１スコアを算出する第１算出部と、
所定のサービスを利用するユーザの操作履歴、閲覧履歴、及び購買履歴のうち、少なくともいずれかを変換して取得される特徴量を、当該特徴量を入力するとインセンティブが付与された場合に前記負のコンバージョンに至る可能性を示す第２スコアを出力する第２モデルに入力することで、当該第２スコアを算出する第２算出部と、
前記第１算出部により算出された第１スコアと、前記第２算出部により算出された第２スコアとの差分が所定の条件を満たすユーザを特定する特定部と、
前記特定部によって特定されたユーザに対して、前記インセンティブを付与するための情報を提供する提供部と、
をコンピュータに実行させることを特徴とする情報処理プログラム。