JP7407883B1 - 情報処理システム、情報処理方法及び情報処理プログラム - Google Patents
情報処理システム、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP7407883B1 JP7407883B1 JP2022138157A JP2022138157A JP7407883B1 JP 7407883 B1 JP7407883 B1 JP 7407883B1 JP 2022138157 A JP2022138157 A JP 2022138157A JP 2022138157 A JP2022138157 A JP 2022138157A JP 7407883 B1 JP7407883 B1 JP 7407883B1
- Authority
- JP
- Japan
- Prior art keywords
- product
- consumer
- consumers
- factor
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 51
- 238000003672 processing method Methods 0.000 title claims description 9
- 230000004044 response Effects 0.000 claims abstract description 46
- 238000000556 factor analysis Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims description 30
- 238000010586 diagram Methods 0.000 abstract description 13
- 238000004364 calculation method Methods 0.000 description 39
- 238000011068 loading method Methods 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
実施形態に係る情報処理システム1は、ライフスタイルに関するアンケートに対する複数のサンプル消費者の回答結果と、該複数のサンプル消費者に対応する商品購入の履歴とに基づいて、1以上の商品のそれぞれについて商品プロファイルを生成するコンピュータシステムである。情報処理システム1は、1以上の商品プロファイルと、対象消費者に対応する商品購入の履歴とに基づいて、該対象消費者に関する消費者情報を推定してもよい。商品プロファイルとは、商品の性質又は特徴を1以上の指標によって表す情報である。商品とは、有償又は無償で取引される有体物又は無体物をいい、従ってサービスを含む概念である。そのため、商品購入の履歴には、サービス利用の履歴の概念が含まれる。ライフスタイルに関するアンケートとは、生活についての人の考え方を知るためのアンケートをいい、例えば、人生観、価値観、習慣、又は意識を知るためのアンケートである。サンプル消費者とは、商品プロファイルを生成する際にアンケート回答及び購入履歴が参照される人をいう。対象消費者とは、商品プロファイルに基づいて消費者情報を推定する対象となる人をいう。
図7を参照しながら、商品プロファイルを生成する処理について説明する。図7はその処理の一例を処理フローS1として示すフローチャートである。
式1において、nはアンケートの項目数を示し、mは共通因子の個数を示す。Qi(i=1~n)はi番目のアンケート項目に対応する変数を示す。本実施形態においては、アンケート項目に対応する回答結果を変数Qiで表すこととする。Fj(j=1~m)は共通因子を示す。fQiFjは、共通因子Fjが変数Qiへ及ぼす影響力を表す因子負荷量を示す。因子分析は因子負荷量fQiFjを求めることを目標とする。Ci(i=1~n)は共通因子で説明できない独自因子を示す。
式2において、Rは相関行列を示し、Faは因子負荷行列を示し、Fa’は因子負荷行列の転置行列を示し、C2は独自因子負荷行列を示す。
式3において、SQaはa番目(a=1~n)のアンケート項目の変数Qaの標準偏差を示し、SQbはb番目(b=1~n、b≠a)のアンケート項目の変数Qbの標準偏差を示し、SQaSQbは共分散を示す。各相関係数は-1~+1の範囲の値である。相関係数が1に近いほど正の相関が強く、相関係数が-1に近いほど負の相関が強く、相関係数が0に近いほど相関がない。そのため、同じ項目の変数同士の相関係数(例えば、RQaQa)は1である。
式5において、ωdQiは、固有ベクトルωdの成分を示す。式5に基づいて左辺の各値と右辺の各値とを対応させることで、因子負荷量fQiFjを求める。例えば、因子負荷量はfQ1F1=√λ1*ω1Q1により算出される。因子負荷量fQiFjは-1~+1の値であり、因子負荷量の絶対値が1に近いほど、その因子に対する影響度が大きくなる。
式6において、FSj(j=1~m)は、第1因子~第m因子のそれぞれに対する消費者因子スコアを示し、Ki(i=1~n)は、n個のアンケート項目のそれぞれに対するアンケートスコアを示す。図5の例では、個々のアンケートスコアKiは1~5の5段階の場合の数値である。R-1は相関行列Rの逆行列である。逆行列R-1*Faを因子スコア係数とみなすと、各消費者因子スコアは、アンケートスコアと、対応する因子スコア係数とを乗算することによって得られる。
式7において、kはサンプル消費者の人数を示し、FSi(i=1~k)はサンプル消費者の消費者因子スコアを示し、wi(i=1~k)はサンプル消費者の重みを示す。
以上、本発明をその実施形態に基づいて詳細に説明した。しかし、本発明は上記実施形態に限定されるものではない。本発明は、その要旨を逸脱しない範囲で様々な変形が可能である。
上記の様々な例から把握されるとおり、本開示は以下に示す態様を含む。
<項目1>
少なくとも一つのプロセッサを備え、
前記少なくとも一つのプロセッサが、
ライフスタイルに関するアンケートに対する複数のサンプル消費者の回答結果を記憶するアンケートデータベースから前記回答結果を取得し、
前記回答結果に対して因子分析を実行して、前記因子分析の結果を基に、前記複数のサンプル消費者のそれぞれについて、1以上の因子に対応する1以上の消費者因子スコアの集合を意識スコアとして算出し、
複数の消費者に対応する商品購入の履歴を示す購入履歴を記憶する購入履歴データベースを参照して、対象商品を購入した1以上の前記サンプル消費者を特定し、
前記特定された1以上のサンプル消費者のそれぞれの前記意識スコアに基づいて、前記対象商品について、前記1以上の因子に対応する1以上の商品因子スコアの集合を商品プロファイルとして算出する、
情報処理システム。
<項目2>
前記少なくとも一つのプロセッサが、
前記特定された1以上のサンプル消費者のそれぞれについて、該サンプル消費者の属性に基づいて重みを設定し、
前記特定された1以上のサンプル消費者のそれぞれの前記意識スコアおよび前記重みに基づいて、前記商品プロファイルを算出する、
項目1に記載の情報処理システム。
<項目3>
前記少なくとも一つのプロセッサが、前記1以上の因子のそれぞれについて、前記特定された1以上のサンプル消費者の、対応する前記消費者因子スコアの統計値を、前記商品因子スコアとして算出する、
項目1又は2に記載の情報処理システム。
<項目4>
前記少なくとも一つのプロセッサが、前記アンケートデータベース内の前記回答結果と、前記購入履歴データベース内の前記購入履歴との少なくとも一方が更新されたことに応答して、前記商品プロファイルを更新する、
項目1~3のいずれか一つに記載の情報処理システム。
<項目5>
前記少なくとも一つのプロセッサが、
対象消費者に対応する前記購入履歴を前記購入履歴データベースから取得し、
前記取得された購入履歴に対応する1以上の前記商品プロファイルに基づいて、前記対象消費者の推定意識スコアを算出する、
項目1~4のいずれか一つに記載の情報処理システム。
<項目6>
前記少なくとも一つのプロセッサが、算出された前記推定意識スコアに基づいて、前記対象消費者が属するセグメントを判定する、
項目5に記載の情報処理システム。
<項目7>
少なくとも一つのプロセッサを備える情報処理システムにより実行される情報処理方法であって、
ライフスタイルに関するアンケートに対する複数のサンプル消費者の回答結果を記憶するアンケートデータベースから前記回答結果を取得するステップと、
前記回答結果に対して因子分析を実行して、前記因子分析の結果を基に、前記複数のサンプル消費者のそれぞれについて、1以上の因子に対応する1以上の消費者因子スコアの集合を意識スコアとして算出するステップと、
複数の消費者に対応する商品購入の履歴を示す購入履歴を記憶する購入履歴データベースを参照して、対象商品を購入した1以上の前記サンプル消費者を特定するステップと、
前記特定された1以上のサンプル消費者のそれぞれの前記意識スコアに基づいて、前記対象商品について、前記1以上の因子に対応する1以上の商品因子スコアの集合を商品プロファイルとして算出するステップと、
を含む情報処理方法。
<項目8>
ライフスタイルに関するアンケートに対する複数のサンプル消費者の回答結果を記憶するアンケートデータベースから前記回答結果を取得するステップと、
前記回答結果に対して因子分析を実行して、前記因子分析の結果を基に、前記複数のサンプル消費者のそれぞれについて、1以上の因子に対応する1以上の消費者因子スコアの集合を意識スコアとして算出するステップと、
複数の消費者に対応する商品購入の履歴を示す購入履歴を記憶する購入履歴データベースを参照して、対象商品を購入した1以上の前記サンプル消費者を特定するステップと、
前記特定された1以上のサンプル消費者のそれぞれの前記意識スコアに基づいて、前記対象商品について、前記1以上の因子に対応する1以上の商品因子スコアの集合を商品プロファイルとして算出するステップと、
をコンピュータに実行させる情報処理プログラム。
Claims (7)
- 少なくとも一つのプロセッサを備え、
前記少なくとも一つのプロセッサが、
ライフスタイルに関するアンケートに対する複数のサンプル消費者の回答結果を記憶するアンケートデータベースから前記回答結果を取得し、
前記回答結果に対して因子分析を実行して、前記因子分析の結果を基に、前記複数のサンプル消費者のそれぞれについて、1以上の因子に対応する1以上の消費者因子スコアの集合を意識スコアとして算出し、
複数の消費者に対応する商品購入の履歴を示す購入履歴を記憶する購入履歴データベースを参照して、対象商品を購入した1以上の前記サンプル消費者を特定し、
前記特定された1以上のサンプル消費者のそれぞれの前記意識スコアに基づいて、前記対象商品について、前記1以上の因子に対応する1以上の商品因子スコアの集合を商品プロファイルとして算出し、
前記少なくとも一つのプロセッサが、前記1以上の因子のそれぞれについて、前記特定された1以上のサンプル消費者の、対応する前記消費者因子スコアの統計値を、前記商品因子スコアとして算出する、
情報処理システム。 - 前記少なくとも一つのプロセッサが、
前記特定された1以上のサンプル消費者のそれぞれについて、該サンプル消費者の属性に基づいて重みを設定し、
前記特定された1以上のサンプル消費者のそれぞれの前記意識スコアおよび前記重みに基づいて、前記商品プロファイルを算出する、
請求項1に記載の情報処理システム。 - 前記少なくとも一つのプロセッサが、前記アンケートデータベース内の前記回答結果と、前記購入履歴データベース内の前記購入履歴との少なくとも一方が更新されたことに応答して、前記商品プロファイルを更新する、
請求項1又は2に記載の情報処理システム。 - 前記少なくとも一つのプロセッサが、
対象消費者に対応する前記購入履歴を前記購入履歴データベースから取得し、
前記取得された購入履歴に対応する1以上の前記商品プロファイルに基づいて、前記対象消費者の推定意識スコアを算出する、
請求項1又は2に記載の情報処理システム。 - 前記少なくとも一つのプロセッサが、算出された前記推定意識スコアに基づいて、前記対象消費者が属するセグメントを判定する、
請求項4に記載の情報処理システム。 - 少なくとも一つのプロセッサを備える情報処理システムにより実行される情報処理方法であって、
ライフスタイルに関するアンケートに対する複数のサンプル消費者の回答結果を記憶するアンケートデータベースから前記回答結果を取得するステップと、
前記回答結果に対して因子分析を実行して、前記因子分析の結果を基に、前記複数のサンプル消費者のそれぞれについて、1以上の因子に対応する1以上の消費者因子スコアの集合を意識スコアとして算出するステップと、
複数の消費者に対応する商品購入の履歴を示す購入履歴を記憶する購入履歴データベースを参照して、対象商品を購入した1以上の前記サンプル消費者を特定するステップと、
前記特定された1以上のサンプル消費者のそれぞれの前記意識スコアに基づいて、前記対象商品について、前記1以上の因子に対応する1以上の商品因子スコアの集合を商品プロファイルとして算出するステップと、
前記1以上の因子のそれぞれについて、前記特定された1以上のサンプル消費者の、対応する前記消費者因子スコアの統計値を、前記商品因子スコアとして算出するステップと、
を含む情報処理方法。 - ライフスタイルに関するアンケートに対する複数のサンプル消費者の回答結果を記憶するアンケートデータベースから前記回答結果を取得するステップと、
前記回答結果に対して因子分析を実行して、前記因子分析の結果を基に、前記複数のサンプル消費者のそれぞれについて、1以上の因子に対応する1以上の消費者因子スコアの集合を意識スコアとして算出するステップと、
複数の消費者に対応する商品購入の履歴を示す購入履歴を記憶する購入履歴データベースを参照して、対象商品を購入した1以上の前記サンプル消費者を特定するステップと、
前記特定された1以上のサンプル消費者のそれぞれの前記意識スコアに基づいて、前記対象商品について、前記1以上の因子に対応する1以上の商品因子スコアの集合を商品プロファイルとして算出するステップと、
前記1以上の因子のそれぞれについて、前記特定された1以上のサンプル消費者の、対応する前記消費者因子スコアの統計値を、前記商品因子スコアとして算出するステップと、
をコンピュータに実行させる情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022138157A JP7407883B1 (ja) | 2022-08-31 | 2022-08-31 | 情報処理システム、情報処理方法及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022138157A JP7407883B1 (ja) | 2022-08-31 | 2022-08-31 | 情報処理システム、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7407883B1 true JP7407883B1 (ja) | 2024-01-04 |
JP2024034118A JP2024034118A (ja) | 2024-03-13 |
Family
ID=89377149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022138157A Active JP7407883B1 (ja) | 2022-08-31 | 2022-08-31 | 情報処理システム、情報処理方法及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7407883B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003242157A (ja) | 2002-02-20 | 2003-08-29 | Honda Motor Co Ltd | 顧客の特性に応じた商品を検索するコンピュータシステム |
JP2007072624A (ja) | 2005-09-05 | 2007-03-22 | Recruit Co Ltd | 住宅像の提示方法 |
JP2020201528A (ja) | 2019-06-05 | 2020-12-17 | 株式会社アイピーコーポレーション | 美容判定方法、官能評価方法、及びシステム |
-
2022
- 2022-08-31 JP JP2022138157A patent/JP7407883B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003242157A (ja) | 2002-02-20 | 2003-08-29 | Honda Motor Co Ltd | 顧客の特性に応じた商品を検索するコンピュータシステム |
JP2007072624A (ja) | 2005-09-05 | 2007-03-22 | Recruit Co Ltd | 住宅像の提示方法 |
JP2020201528A (ja) | 2019-06-05 | 2020-12-17 | 株式会社アイピーコーポレーション | 美容判定方法、官能評価方法、及びシステム |
Non-Patent Citations (2)
Title |
---|
中村 栄太,自動作曲を用いた進化実験による音楽スタイルのクラスター形成過程の分析,情報処理学会 研究報告 音楽情報科学(MUS) [online],日本,情報処理学会,2021年09月09日,第1-8ページ,ISSN:2188-8752 |
菅民郎,アンケート分析入門,第1版,株式会社オーム社,2019年04月10日,第224-240ページ |
Also Published As
Publication number | Publication date |
---|---|
JP2024034118A (ja) | 2024-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10296961B2 (en) | Hybrid recommendation system | |
CN110503531B (zh) | 时序感知的动态社交场景推荐方法 | |
JP4218099B2 (ja) | データベース、顧客情報検索方法及び顧客情報検索装置 | |
US8868480B2 (en) | Method and system for selection, filtering or presentation of available sales outlets | |
AU2013222010B2 (en) | Hybrid recommendation system | |
US10366435B2 (en) | Vehicle data system for rules based determination and real-time distribution of enhanced vehicle data in an online networked environment | |
US20190220779A1 (en) | Predicting a consumer selection preference based on estimated preference and environmental dependence | |
US20160232637A1 (en) | Shipment-Volume Prediction Device, Shipment-Volume Prediction Method, Recording Medium, and Shipment-Volume Prediction System | |
Zhang et al. | Prediction uncertainty in collaborative filtering: Enhancing personalized online product ranking | |
JP6916367B1 (ja) | 推定システム及び推定方法 | |
US20160210681A1 (en) | Product recommendation device, product recommendation method, and recording medium | |
KR102321987B1 (ko) | 온라인 쇼핑몰 관리 시스템 및 방법 | |
US20160224998A1 (en) | Order-volume determination device, order-volume determination method, recording medium, and order-volume determination system | |
US20180300794A1 (en) | Multidimensional profile matching | |
Andrews et al. | Simulation experiments in choice simplification: The effects of task and context on forecasting performance | |
US20210109906A1 (en) | Clustering model analysis for big data environments | |
US8429175B2 (en) | Method and apparatus for default rating estimation | |
US10795956B1 (en) | System and method for identifying potential clients from aggregate sources | |
Dong et al. | A new multivariate count data model to study multi-category physician prescription behavior | |
US20030225654A1 (en) | Method and system for forecasting agricultural commodity prices in presence of price supports | |
Balabhadrapathruni et al. | A study on analysing the impact of feature selection on predictive machine learning algorithms | |
CN112991026A (zh) | 一种商品推荐方法、系统、设备及计算机可读存储介质 | |
Bodapati et al. | A direct approach to predicting discretized response in target marketing | |
JP7407883B1 (ja) | 情報処理システム、情報処理方法及び情報処理プログラム | |
JP2021077221A (ja) | 顧客満足度推定装置および顧客満足度推定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221004 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230926 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231120 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7407883 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |