JP7411138B1 - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】利用者に対して適切なクーポンを発行するための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、およびプログラムを提供すること。【解決手段】電子決済サービスの加盟店が発行するクーポンであって、利用者が獲得操作を行うことによって利用可能となるクーポンに関し、前記クーポンの獲得実績を示す第１情報と、前記利用者の属性を示す第２情報と、前記利用者による前記加盟店の利用実績を示す第３情報とを取得する取得部と、前記第１情報、前記第２情報、および前記第３情報に基づく機械学習により、前記利用者の属性情報および前記利用者の前記利用実績と、前記クーポンの獲得実績との関係性を学習し、前記関係性の学習結果に基づいて、前記利用者が前記クーポンについて前記獲得操作を行う確率であるクーポン獲得率を予測するクーポン獲得率予測部と、を備える情報処理装置。【選択図】図４

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関する。

従来、利用者に対して割引クーポンを発行することにより店舗での販売を促進する試みが行われている。このような試みに関し、割引の効果を把握できるようにし、適切な値引き額を自動的に決定する技術が提案されている（例えば特許文献１参照）。

特開２０１０－２１８４８３号公報

従来の技術では、割引の効果を把握することはできても、適切な利用者に対して適切なクーポンが発行されずに、利用者がクーポンを利用する可能性が低下してしまう可能性があった。

本発明は、このような事情を考慮してなされたものであり、利用者に対して適切なクーポンを発行するための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、およびプログラムを提供することを目的の一つとする。

本発明の一態様は、電子決済サービスの加盟店が発行するクーポンであって、利用者が獲得操作を行うことによって利用可能となるクーポンに関し、前記クーポンの獲得実績を示す第１情報と、前記利用者の属性を示す第２情報と、前記利用者による前記加盟店の利用実績を示す第３情報とを取得する取得部と、前記第１情報、前記第２情報、および前記第３情報に基づく機械学習により、前記利用者の属性情報および前記利用者の前記利用実績と、前記クーポンの獲得実績との関係性を学習し、前記関係性の学習結果に基づいて、前記利用者が前記クーポンについて前記獲得操作を行う確率であるクーポン獲得率を予測するクーポン獲得率予測部と、を備える情報処理装置である。

本発明の一態様によれば、利用者に対して適切なクーポンを発行するための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、およびプログラムを提供することができる。

電子決済サービスが実現されるための構成の一例を示す図である。 電子決済の大まかな流れを例示したシーケンス図（その１）である。 電子決済の大まかな流れを例示したシーケンス図（その２）である。 第１実施形態に係る決済サーバ１００の構成図である。 利用者情報１７２の内容の一例を示す図である。 加盟店／店舗情報１７６の内容の一例を示す図である。 クーポン獲得率予測モデルの学習に使用するデータの構成の一例を示す図である。 クーポン獲得率予測モデルの学習の際に分析された入力パラメータの寄与率の一例を示す図（その１）である。 クーポン獲得率予測モデルの学習の際に分析された入力パラメータの寄与率の一例を示す図（その２）である。 クーポン獲得率予測モデルの学習の際に分析された入力パラメータの寄与率の一例を示す図（その３）である。 クーポン獲得率予測モデルの学習の際に分析された入力パラメータの寄与率の一例を示す図（その４）である。 入力パラメータの寄与度の分析結果の一例を示す図である。

以下、図面を参照し、本発明の情報処理装置、情報処理方法、およびプログラムの実施形態について説明する。以下に登場する「サーバ」、「管理装置」「情報提供装置」などの、利用者にサービスを提供したり内部解析を行ったりするための各種装置は、分散化された装置群によって実現されてよく、それぞれの装置を運用する事業者は異なってもよい。また装置のハードウェアの保有者（クラウドサーバの提供者）と実質的な運用を行う事業者も異なってよい。アプリケーションプログラムと決済サーバは、協働して電子決済サービスを提供する。以下の説明ではアプリケーションプログラムを決済アプリと称する。電子決済サービスは、店舗における商品やサービスの購買に係る決済をサポートするサービスである。店舗とは、例えば、現実空間に存在する物理的な店舗（実店舗）であるが、電子商取引の仮想店舗を含んでもよい。仮想店舗は、電子決済サービスの運営者とは異なる主体によって提供されるものを含んでもよい。その場合、仮想店舗における買い物の決済の際に、電子決済サービスのインターフェース画面に遷移するように制御される。電子決済サービスにおいて、店舗は、例えば加盟店（ブランド）に属するものとして扱われ、店舗において購買行動が行われた際の決済などの処理は、主として利用者と加盟店の間で行われる。これに代えて、決済などの処理が利用者と店舗との間で行われてもよい。以下、本発明の情報処理装置が上記決済サーバとして構成される場合について説明するが、情報処理装置は決済サーバとは別体の装置として構成されてもよい。

［電子決済サービス］
図１は、電子決済サービスが実現されるための構成の一例を示す図である。電子決済サービスは、決済サーバ１００を中心として実現される。決済サーバ１００は、例えば、一以上の利用者端末装置１０、一以上の第１店舗端末装置５０、及び一以上の第２店舗端末装置７０のそれぞれとネットワークＮＷを介して通信する。ネットワークＮＷは、例えば、インターネット、ＬＡＮ（Local Area Network）、無線基地局、プロバイダ装置などを含む。

利用者端末装置１０は、例えば、スマートフォンやタブレット端末等の可搬型端末装置である。利用者端末装置１０は、少なくとも、光学読取機能、通信機能、表示機能、入力受付機能、プログラム実行機能を有するコンピュータ装置である。以下の説明では、これらの機能を実現するための構成をそれぞれカメラ、通信装置、タッチパネル、ＣＰＵ（Central Processing Unit）等と称する。利用者端末装置１０では、ＣＰＵ等のプロセッサにより決済アプリ２０が実行されることで、決済サーバ１００と連携して電子決済サービスを利用者に提供するように動作する。決済アプリ２０は、例えば、アプリケーションストアから利用者端末装置１０にインストールされ、カメラ、通信装置、タッチパネルなどを制御する。

第１店舗端末装置５０は、例えば、店舗に設置される。第１店舗端末装置５０は、少なくとも、商品価格取得機能、光学読取機能、プログラム実行機能、通信機能を有するコンピュータ装置である。第１店舗端末装置５０は、いわゆるＰＯＳ（Point of Sale）装置を含み、ＰＯＳ装置によって商品価格取得機能や光学読取機能を実現してもよい。店舗コード画像６０は、店舗に置かれ、ＱＲコード（登録商標）等のコード画像が紙やプラスチックの媒体に印刷されたものである。なお、店舗コード画像６０は、店舗に置かれたディスプレイ（スマートフォンなどの端末装置のディスプレイでもよい）によって表示されてもよい。

第２店舗端末装置７０は、加盟店の運営者によって使用される。第２店舗端末装置７０は、スマートフォンやタブレット端末、パーソナルコンピュータ等である。第２店舗端末装置７０では、加盟店向けインターフェース７２が動作する。加盟店向けインターフェース７２は、加盟店向けアプリであってもよいし、ブラウザであってもよい。加盟店向けインターフェース７２は、加盟店の運営者によるクーポンの設定等を受け付け、決済サーバ１００に送信する。スマートフォンである第２店舗端末装置７０は、加盟店向けアプリを実行することで、店舗コード画像に相当するコード画像を表示したり、利用者端末装置１０が表示するコード画像を読み取ったりする機能を有する。

決済サーバ１００は、利用者端末装置１０または第１店舗端末装置５０から受信した決済情報に基づいて電子決済を実現する。第１店舗端末装置５０は、ＰＯＳ装置と加盟店サーバを含む場合があり、その場合、ＰＯＳ装置から加盟店サーバを介して決済情報が決済サーバ１００に送信される。以下の説明では、これを特に区別せず、第１店舗端末装置５０から決済情報が送信されるものとする。

図２および図３は、電子決済の大まかな流れを例示したシーケンス図である。電子決済には、パターン１とパターン２の二つが存在してよい。

図２に示すパターン１（以下、ユーザスキャンと称する）の場合、決済アプリ２０が起動した状態の利用者端末装置１０が、光学読取機能によって店舗コード画像６０をデコードする（Ｓ１）。店舗コード画像６０には、店舗ＵＲＬ（Uniform Resource Locator）の情報が含まれている。この店舗ＵＲＬは、電子決済サービスのドメインに対して店舗を識別可能な情報が付加されたものであり、決済サーバ１００において加盟店ＩＤや店舗ＩＤ等との対応付けがなされている（後述）。決済アプリ２０は、店舗ＵＲＬとアカウントＩＤを含む第１決済情報を決済サーバ１００に送信する（Ｓ２）。決済サーバ１００は、店舗ＵＲＬに対応する加盟店ＩＤ、店舗ＩＤから、店舗情報（後述）を検索して加盟店名と店舗名の情報を取得し（Ｓ３）、決済アプリ２０に送信する（Ｓ４）。利用者は、加盟店名や店舗名が表示された画面において、決済金額を利用者端末装置１０に入力する（Ｓ５）。そして、利用者端末装置１０は、少なくとも決済金額を含む第２決済情報を生成し、決済サーバ１００に送信する（Ｓ６）。決済サーバ１００は、受信した第２決済情報に基づいて電子決済を行う（Ｓ７）。そして、決済サーバ１００は、決済完了通知（決済完了画面を表示するための情報）を決済アプリ２０に送信し（Ｓ８）、決済アプリ２０は決済完了画面を表示する（Ｓ９）。なお、店舗コード画像６０が店舗に置かれたディスプレイによって表示される場合、店舗コード画像６０には、店舗ＵＲＬだけでなく決済金額の情報が含まれる場合がある。この場合、利用者が決済金額を入力する手順が省略され、第１決済情報に決済金額の情報が含められて決済サーバ１００に送信される。加盟店名や店舗名の情報は、決済完了画面に含めて表示されてよい。

図３に示すパターン２（以下、ストアスキャンと称する）の場合、決済アプリ２０の起動時、決済アプリ２０において支払う操作が行われたとき、自動更新のタイミング（例えば１分おき）になったとき、およびその他のタイミングで、決済アプリ２０はワンタイムコードの発行要求を決済サーバ１００に送信する（Ｓ１１）。決済サーバ１００はワンタイムコードを生成し（Ｓ１２）、決済アプリ２０に送信する（Ｓ１３）。決済アプリ２０は、ワンタイムコードに基づいて生成した、ＱＲコードやバーコード等のコード画像を表示する（Ｓ１４）。利用者は利用者端末装置１０の表示面を第１店舗端末装置５０に翳し（提示し）、第１店舗端末装置５０は、光学読取機能によってコード画像をデコードし、ワンタイムコード等を取得する（Ｓ１５）。そして、第１店舗端末装置５０は、ワンタイムコード、決済金額、加盟店ＩＤ、店舗ＩＤ等を含む決済情報を生成し、決済サーバ１００に送信する（Ｓ１６）。決済金額の情報は、予めバーコード読み取りや手入力等によって取得されている。決済サーバ１００は、受信した情報に基づいて、ワンタイムコードに対応する利用者を特定し、電子決済を行う（Ｓ１７）。そして、決済サーバ１００は、決済完了通知を決済アプリ２０に送信し（Ｓ１８）、決済アプリ２０は決済完了画面を表示する（Ｓ１９）。

なお、上記のいずれか一方のみのパターンで電子決済が行われてもよい。また、図２で説明した「アカウントＩＤ」は、利用者の識別情報として用いられ得る他の情報（例えば電話番号）であってもよい。また、ストアスキャンにおいてワンタイムコードの発行が省略され、決済アプリ２０は、利用者のアカウントＩＤに基づいて生成したコード画像を表示してもよい。その場合、決済サーバ１００は、ワンタイムコードに対応する利用者を特定するのに代えて、アカウントＩＤに対応する利用者を特定する。

［決済サーバ］
図４は、第１実施形態に係る決済サーバ１００の構成図である。決済サーバ１００は、例えば、通信部１１０と、決済コンテンツ提供部１２０と、決済処理部１３０と、情報管理部１４０と、クーポン発行部１５０と、クーポン獲得率分析部１６０と、記憶部１７０とを備える。通信部１１０および記憶部１７０以外の構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされてもよい。

記憶部１７０は、ＨＤＤやフラッシュメモリ、ＲＡＭ（Random Access Memory）などである。記憶部１７０は、決済サーバ１００がネットワークを介してアクセス可能なＮＡＳ（Network Attached Storage）装置であってもよい。記憶部１７０には、利用者情報１７２、決済コンテンツ情報１７４、加盟店／店舗情報１７６などの情報が格納される。

通信部１１０は、ネットワークＮＷに接続するための通信インターフェースである。通信部１１０は、例えばネットワークインターフェースカードである。

決済コンテンツ提供部１２０は、例えば、Ｗｅｂサーバの機能を有し、電子決済サービスの各種画面を表示するための情報（コンテンツ）を利用者端末装置１０に提供する。決済コンテンツ提供部１２０は、決済コンテンツ情報１７４から適宜、必要なコンテンツを読み出して利用者端末装置１０に提供する。利用者端末装置１０は、決済アプリ２０によってコンテンツが再生された状態で利用者による各種入力を受け付け、前述した決済情報などを決済サーバ１００に送信する。

決済処理部１３０は、利用者端末装置１０または第１店舗端末装置５０により送信された決済情報に基づいて、決済処理を行う。決済処理部１３０は、利用者情報１７２を参照しながら決済処理を行う。

図５は、利用者情報１７２の内容の一例を示す図である。利用者情報１７２は、利用者の登録情報の一例である。利用者情報１７２は、例えば、利用者ＵＲＬ、アカウントＩＤ、電話番号、パスワードの他、メールアドレス、利用者ＩＤ、氏名・住所・生年月日、登録日、チャージ残高、後払い設定、後払い枠、後払い利用額、後払い利用可能額、決済方法設定、銀行口座、クレジットカード番号、チャージ履歴情報、決済履歴情報などの情報が対応付けられたものである。利用者ＵＲＬは、利用者間の送金処理に使用される。電子決済サービスへの新規登録時には、電話番号およびパスワードの登録が必須となる。アカウントＩＤは、決済サーバ１００によって利用者に発行されるものであり、利用者ＩＤは、利用者が任意に設定できる（設定しなくてもよい）ＩＤである。メールアドレス、および氏名・住所・生年月日も同様に、利用者が任意に設定できる（設定しなくてもよい）情報である。登録日とは利用者が電子決済サービスに登録した日（アカウントを作成した日）である。以下、これらの情報が対応付けられた利用者のインスタンス（電子決済口座）のことをアカウントと称する。

チャージ残高は、利用者が予めアカウントに送金することで設定された電子マネーの残高を示す情報である。送金の手段としては、指定業者（銀行）のＡＴＭ（Automatic Teller Machine）からの送金、登録された銀行口座からの送金などがある。後払い設定は、後払いによる電子決済を可能とするための設定が済んでいるか否かを示す情報であり、「済」と「未」のいずれかに設定される。後払い枠は月ごとに利用可能な後払いの限度額であり、後払い利用額は、当月に既に利用された後払いの金額であり、後払い利用可能額は、後払い枠から後払い利用額を差し引いて求められる、当月に利用可能な後払いの金額である。図では後払い枠を一つだけ示しているが、実際には更に日ごとの上限額などが存在し、それらの低い方が後払い枠に設定されてよい。後払いの更なる詳細については後述する。決済方法設定は、その時点において利用者がチャージ残高による電子決済を行うのか、後払いによる決済を行うのかを示す設定情報である。銀行口座とクレジットカード番号のそれぞれは、電子決済サービスに入金可能な銀行口座またはクレジットカード番号の情報（口座番号、カード番号）である。チャージ履歴情報は、利用者が予め電子決済サービスに送金してチャージ残高を増加させた履歴である。決済履歴情報は、利用者が行った決済の内訳（日時、購買行動が行われた店舗の店舗ＩＤ、決済金額、決済方法など）を、決済ごとに示す情報である。

図６は、加盟店／店舗情報１７６の内容の一例を示す図である。加盟店／店舗情報１７６は、例えば、店舗ＵＲＬに対して加盟店ＩＤと店舗ＩＤが対応付けられた第１テーブル１７６Ａと、加盟店ＩＤに対して加盟店名と売上金（前述）が対応付けられた第２テーブル１７６Ｂと、店舗ＩＤに対して店舗名が対応付けられた第３テーブル１７６Ｃとを含む。加盟店／店舗情報１７６には、これらの情報の他、加盟店または店舗のカテゴリ、店舗の所在地、決済パターン等の情報が含まれてもよい。

情報管理部１４０は、利用者端末装置１０や第２店舗端末装置７０から取得した情報に基づいて、利用者情報１７２および加盟店／店舗情報１７６を管理する。情報管理部１４０は、利用者情報１７２および加盟店／店舗情報１７６について新規レコードの追加、編集、削除などを行う。

クーポン発行部１５０は、加盟店の運営者からクーポンの発行条件や利用条件に関する各種設定情報の登録を受け付けてクーポン情報１７８として記憶部１７０に登録するとともに、登録済みのクーポン情報をもとに利用者にクーポンを発行する。より具体的には、クーポン発行部１５０は、クーポン情報に基づいて新たに獲得可能となったクーポンを認識し、当該クーポンを獲得可能な利用者に対してその旨を通知する。利用者は、通知されたクーポンを獲得する操作を行うことにより、当該クーポンの利用が可能となるものである。クーポン発行部１５０は、クーポンの発行や獲得に関する各種情報をクーポン情報１７８で管理するものとする。例えば、どの利用者にどのクーポンを発行したかや、発行したクーポンが利用者によって獲得されたかなどの情報もクーポン情報１７８で管理されているものする。なお、決済サーバ１００に対するクーポン情報の登録機能は、例えば、第２店舗端末装置７０の加盟店向けインターフェース７２によって提供される。

クーポン獲得率分析部１６０は、クーポンの利用履歴や決済履歴、利用者情報１７２などをもとに、利用者が発行されたクーポンを獲得する確率（以下「獲得率」という。）を予測するためのモデル（以下「クーポン獲得率予測モデル」という。）を機械学習の手法により学習する。また、クーポン獲得率分析部１６０は、学習済みのクーポン獲得率予測モデルを用いて、対象利用者についてクーポンの獲得率を予測する。クーポン獲得率分析部１６０によるクーポン獲得率の分析機能は、例えば、第２店舗端末装置７０の加盟店向けインターフェース７２を介して加盟店の運営者に提供される。加盟店の運営者は、加盟店向けインターフェース７２を介して決済サーバ１００のクーポン獲得率分析部１６０の機能を使用することにより、発行した／発行するクーポンの有効性や妥当性を確認することができる。

［電子決済］
決済処理部１３０は、利用者端末装置１０または第１店舗端末装置５０から決済情報が取得されると、利用者情報１７２を参照して当該利用者の「決済方法設定」を取得する。決済処理部１３０は、「決済方法設定」が「チャージ残高」に設定されている利用者に関して、以下のように電子決済を行う。決済処理部１３０は、例えば、利用者ＩＤに対応付けて管理しているチャージ残高を減少させ、加盟店の売上金の項目値を増加させることで、電子決済を行う。加盟店の売上金の項目値は、例えば、それ自体が電子マネーとして使用されるものでは無く、加盟店と電子決済サービスとの取り決めに応じたサイクルで、売上金の項目値に対応する金額が銀行口座に送金される。

決済処理部１３０は、「設定情報」が「後払い」に設定されている利用者に関して、以下のように電子決済を行う。後払いとは、電子決済サービスの運営者とは別主体であるクレジットカード会社との連携による「クレジット払い」とは別枠で設定されるものであり、電子決済サービスの運営者が与信者となって、後払い枠の範囲内でチャージ残高に依存しない電子決済を許容するものである。なお後払いサービスを受けるために、電子決済サービスの運営者が提供するクレジットカードの取得が要求されてよい。後払いで利用された金額は、一か月分まとめて翌月の支払日に、例えば銀行口座からの引き落としによって決済される。この場合、決済処理部１３０は、後払い利用額に決済金額を加算し、後払い利用可能額から同額を差し引くことで暫定決済を行い、締め日になると上記のように当月分の決済を翌月の支払い日に引き落とすための処理を行う、或いはクレジットカード会社の運営者に当該処理を依頼する。なお暫定決済の時点で決済金額が後払い利用可能額を超える場合は、エラー通知が決済アプリ２０に返信される。

［クーポンの発行］
クーポン発行部１５０は、クーポン情報１７８に含まれるクーポンの発行条件に基づいて、発行対象のクーポンについて発行の対象となる利用者を特定する。例えば、クーポンの発行条件には、利用者の年齢や結婚歴、持ち家の有無、家族規模、子供の有無、所得、商品の購入履歴、クーポンの獲得履歴、クーポンの利用履歴などの各種利用者属性が含まれ得る。クーポン発行部１５０は、これらの情報をもとに、登録済みのクーポンを発行可能な利用者を抽出し、抽出された利用者に対して当該クーポンが獲得可能である旨を通知する。

［クーポンの利用］
クーポン発行部１５０は、クーポン利用に先立って、利用者がクーポンの獲得操作を行った場合、当該クーポンを獲得済みとして管理する。獲得済みのクーポンは、利用者が決済時に選択することによって当該決済に適用されてもよいし、決済処理部１３０が当該利用者の決済処理を実施する際、獲得済みのクーポンのうち適用可能なものが自動的に当該決済に適用されてもよい。後者の場合、クーポンの適用は全自動で行われてもよいし、利用者の確認操作があった場合に実施されるようにしてもよい。クーポン発行部１５０は、獲得済みのクーポンについて、その使用履歴をクーポン情報１７８で管理してもよい。

［クーポン獲得率予測モデルの学習］
クーポン獲得率分析部１６０は、クーポンの発行実績と、発行されたクーポンの獲得実績と、利用者の各種属性情報とを用いた機械学習（教師なし学習）を行うことによりクーポン獲得率予測モデルを構築（学習）する。クーポン獲得率予測モデルは、発行対象のクーポンの内容と、利用者の各種属性情報とを入力として、当該クーポンの当該利用者による獲得率を出力するように学習される。例えば、機械学習のモデルには、各入力変数の寄与度を学習する主成分分析に基づくモデルを用いることができる。また、クーポン獲得率を実績データに基づいて算出または定義することができる場合、実績データにクーポン獲得率を対応づけた教師データを用いて教師有り学習を行ってもよい。

図７は、クーポン獲得率予測モデルの学習に使用するデータの構成の一例を示す図である。図７の例は、クーポン獲得実績データＤＳ１と、キャンペーンデータＤＳ２と、利用者統計データＤＳ３と、利用者購買実績データＤＳ４と、商品データＤＳ５と、マッピングデータＤＳ６とを含む教師データの構成例である。クーポン獲得実績データＤＳ１は、クーポン獲得状況の実績を示すデータセットである。キャンペーンデータＤＳ２は、加盟店が実施するキャンペーンの内容を示すデータセットである。利用者統計データＤＳ３は、利用者ごとに利用者属性の統計情報を示すデータセットである。利用者購買実績データＤＳ４は、利用者の購買活動の実績を示すデータセットである。商品データＤＳ５は、各商品の商品属性を示すデータセットである。マッピングデータＤＳ６は、商品とクーポンの対応関係（マッピング）を示すデータセットである。

クーポン獲得実績データＤＳ１やキャンペーンデータＤＳ２、利用者統計データＤＳ３、利用者購買実績データＤＳ４、商品データＤＳ５、マッピングデータＤＳ６は、予め記憶部１７０に保存されていてもよいし、クーポン獲得率分析部１６０がクーポン獲得率予測モデルを学習する際に作成されてもよい。これらのデータの一部または全部は、記憶部１７０で管理される各種情報をもとに作成されてもよいし、加盟店向けインターフェース７２などを介して加盟店の運営者から提供された情報をもとに作成されてもよい。

例えば、クーポン獲得率分析部１６０は、上述の機械学習を行うことにより、クーポン獲得実績以外のパラメータの値を入力し、クーポンの獲得率を出力するクーポン獲得率予測モデルを構築する。また、クーポン獲得率分析部１６０は、クーポン獲得率予測モデルによって予測されたクーポン獲得率について、各入力パラメータの寄与度を分析する機能を有する。例えば、クーポン獲得率分析部１６０は、予測結果に対する各入力パラメータのＳＨＡＰ（SHapley Additive exPlanations）値を求めて図示する機能を有する（図８～図１１参照）。

図８～図１１は、クーポン獲得率予測モデルによって予測されたクーポン獲得率について、各入力パラメータの寄与度を分析した結果の一例を示す図である。図８～図１１において下側の横軸はＳＨＡＰ値を表す。ＳＨＡＰ値とは、協力ゲーム理論において複数プレイヤーの協力によって得られた利得を各プレイヤーに公正に分配するための手段の一つであり、機械学習分野では、機械学習モデルへの特定の入力に対する予測の根拠を提示する手法の一つとして応用されている。また、図８～図１１において上側の横軸はクーポン獲得率予測モデルの出力（クーポン獲得率）を表している。各パラメータに対応するグラフの値は、一番下のパラメータから各パラメータまでのＳＨＡＰ値の累計した値を表すものである。すなわち、ＳＨＡＰ値の合計がクーポン獲得率であり、縦軸のパラメータに（）内の値を与えたときのクーポン獲得率（予測結果）がグラフと上側横軸との交点の値によって表される。

図８の例は、「利用者の所得階層（income_bracket）」と、「クーポン適用対象の商品の売価（selling_price）」と、「利用者の結婚歴（marital_status）」と、「利用者の家族規模（family_size）」と、「利用者の年代（age_range）」と、「商品ＩＤ（iten_id）」と、「商品カテゴリ（category）」と、「クーポンによる値引き率（discount）」と、「商品数量（quantity）」と、「利用者の子供の有無（no_of_children）」と、「商品ブランドの種別（brand_type）」と、「利用者の持ち家有無（rented）」と、「その他の割引の有無（other_discount）」とを入力パラメータとした場合であって、それぞれのパラメータ値が、５、２１．３７ドル、既婚（Married）、２人、４６歳～５５歳、２３２５６、日用品（Grocery）、１０．３３％ＯＦＦ、２個、子供無し（０）、老舗（Established）、持ち家無し（０）、その他の割引無し（０）である場合に予測されるクーポン獲得率の値を示すものである。図８は、図示された各パラメータ値でクーポンを発行した際のクーポン獲得率が８４％と予測された場合の例を表している。

これに対して図９は、図８の場合と入力パラメータの種類は同じであるが、パラメータ値が異なる場合の分析結果を示すものである。具体的には、利用者の結婚歴（marital_status）と、クーポンによる値引き率（discount）と、利用者の家族規模（family_size）と、商品ＩＤ（iten_id）と、クーポン適用対象の商品の売価（selling_price）と、利用者の子供の有無（no_of_children）とが図８の例と異なっており、この場合のクーポン獲得率の予測結果が８１％となっている。このような分析結果によれば、図９のパラメータ設定では、図８のパラメータ設定の場合よりもクーポン獲得率が低下することが推測され得る。また、図９の分析結果によれば、パラメータの値が異なることでクーポン獲得率に対する当該パラメータのＳＨＡＰ値が変化する（すなわち縦軸のパラメータの並びが変わる）ことが分かる。また、さらには、パラメータの値が異なることでクーポン獲得率に対する当該パラメータ以外のＳＨＡＰ値も変化することが分かる。なお、図８および図９の例では、各入力パラメータはＳＨＡＰ値が大きいものから順に上から並べられている。このため、より上位のパラメータほどグラフの傾きも大きくなっている。

一方で、図１０および図１１は、一部のパラメータクーポン獲得率を低下させることが予測された場合の例である。図１０の例では、「その他の割引（other_discount）」～「所得階層（income_bracket）」のパラメータで０．２程度まで単調増加したＳＨＡＰ値が「商品カテゴリ（category）」のところで０．１程度にまで減少している。すなわち、図１０の分析結果によれば、図１０で発行しようとしているクーポンについて、「商品カテゴリ（category）＝Ｍｅａｔ」のパラメータが利用者のターゲティングに適切でないことが分かる。すなわち、この場合、クーポン獲得率を低下させる要因となっているパラメータ「商品カテゴリ（category）＝Ｍｅａｔ」は、発行対象のクーポンのクーポン獲得率に対してマイナスの寄与度を有していると考えることができる。このような分析結果が得られた場合、例えば、加盟店の運営者は、当該年齢層に対してより高いコンバージョンが期待できる、ヘルスケアのような商品をターゲティングするといった対策を検討することができる。同様に、図１１の分析結果の例によれば、「クーポン適用対象の商品の売価（selling_price）」および「利用者の結婚歴（marital_status）」がマイナスの寄与度を有していることが分かる。

図１２は、入力パラメータの寄与度の分析結果の一例を示す図である。図１２において、クラス０は利用者がクーポンを獲得しないことに対する寄与度（すなわちマイナスの寄与度）を表し、クラス１は利用者がクーポンを獲得することに対する寄与度（すなわちプラスの寄与度）を表している。利用者がクーポンを獲得しないことと、利用者がクーポンを獲得することとは、裏返しの関係にあるので、各パラメータについてクラス０の寄与度とクラス１の寄与度とで影響力の強さ（寄与度の絶対値）は同じである。

図１２に示されるように、本願の出願人は、「利用者の所得階層（income_bracket）」と、「商品カテゴリ（category）」と、「利用者の結婚歴（marital_status）」と、「クーポン適用対象の商品の売価（selling_price）」と、「利用者の年代（age_range）」と、「商品ＩＤ（iten_id）」と、「クーポンによる値引き率（discount）」と、「利用者の家族規模（family_size）」と、「利用者の子供の有無（no_of_children）」と、「商品数量（quantity）」と、「商品ブランドの種別（brand_type）」と、「利用者の持ち家有無（rented）」と、「その他の割引の有無（other_discount）」とを入力パラメータとした場合、この順にクーポン獲得率予測モデルにおける寄与度が高くなるという知見を得た。

クーポン獲得率分析部１６０は、クーポン獲得率予測モデルによって分析された各入力パラメータのクーポン獲得率に対する寄与度や、クーポン獲得率予測モデルによって算出されたクーポン獲得率などの支援情報を加盟店の運営者に提供する。例えば、支援情報は、加盟店向けインターフェース７２を介して加盟店の運営者に提供される。支援情報は、発行済みのクーポンについて提供されてもよいし、発行前（計画段階）のクーポンについて提供されてもよい。このような支援情報が提供されることにより、加盟店の運営者は発行済みのクーポンについて予測されたクーポン獲得率が得られたかを確認したり、発行前（計画段階）のクーポンについて利用者にとって適切なものとなるように各種パラメータを調整したりすることができる。

以上説明した実施形態によれば、利用者に対して適切なクーポンを発行するための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、およびプログラムを提供することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１０ 利用者端末装置
２０ 決済アプリ
５０ 第１店舗端末装置
６０ 店舗コード画像
７０ 第２店舗端末装置
７２ 加盟店向けインターフェース
１００ 決済サーバ
１１０ 通信部
１２０ 決済コンテンツ提供部
１３０ 決済処理部
１４０ 情報管理部
１５０ クーポン発行部
１６０ クーポン獲得率分析部
１７０ 記憶部
１７２ 利用者情報
１７４ 決済コンテンツ情報
１７６ 加盟店／店舗情報
１７８ クーポン情報

Claims (6)

1. 電子決済サービスの加盟店が発行するクーポンであって、利用者が獲得操作を行うことによって利用可能となるクーポンに関し、前記クーポンの獲得実績を示す第１情報と、前記利用者の属性を示す第２情報と、前記利用者による前記加盟店の利用実績を示す第３情報とを取得する取得部と、
   前記第１情報、前記第２情報、および前記第３情報に基づく機械学習により、前記利用者の属性情報および前記利用者の前記利用実績と、前記クーポンの獲得実績との関係性を学習し、前記関係性の学習結果に基づいて、前記利用者が前記クーポンについて前記獲得操作を行う確率であるクーポン獲得率を予測するクーポン獲得率予測部と、
   を備える情報処理装置。
2. 前記機械学習は、前記クーポンの獲得実績と、前記利用者の属性と、前記利用者の前記利用実績とに含まれる複数のパラメータについて、前記クーポンが前記利用者によって獲得されることに対する寄与度を分析し、前記寄与度の分析結果に基づいて前記クーポンが前記利用者によって獲得される確率であるクーポン獲得率を出力するクーポン獲得率予測モデルを学習するものである、
   請求項１に記載の情報処理装置。
3. 前記クーポン獲得率予測モデルは、前記第１情報、前記第２情報、および前記第３情報を入力して前記クーポン獲得率を出力するものである、
   請求項２に記載の情報処理装置。
4. 前記クーポン獲得率予測部は、前記複数のパラメータの前記寄与度と、前記複数のパラメータの値と、前記複数のパラメータによって予測される前記クーポン獲得率とを対応づけて表示させる、
   請求項２に記載の情報処理装置。
5. コンピュータが、
   電子決済サービスの加盟店が発行するクーポンであって、利用者が獲得操作を行うことによって利用可能となるクーポンに関し、前記クーポンの獲得実績を示す第１情報と、前記利用者の属性を示す第２情報と、前記利用者による前記加盟店の利用実績を示す第３情報とを取得し、
   前記第１情報、前記第２情報、および前記第３情報に基づく機械学習により、前記利用者の属性情報および前記利用者の前記利用実績と、前記クーポンの獲得実績との関係性を学習し、前記関係性の学習結果に基づいて、前記利用者が前記クーポンについて前記獲得操作を行う確率であるクーポン獲得率を予測する、
   情報処理方法。
6. コンピュータに、
   電子決済サービスの加盟店が発行するクーポンであって、利用者が獲得操作を行うことによって利用可能となるクーポンに関し、前記クーポンの獲得実績を示す第１情報と、前記利用者の属性を示す第２情報と、前記利用者による前記加盟店の利用実績を示す第３情報とを取得させ、
   前記第１情報、前記第２情報、および前記第３情報に基づく機械学習により、前記利用者の属性情報および前記利用者の前記利用実績と、前記クーポンの獲得実績との関係性を学習させ、前記関係性の学習結果に基づいて、前記利用者が前記クーポンについて前記獲得操作を行う確率であるクーポン獲得率を予測させる、
   ためのプログラム。

Images