JP7415764B2 - エリア推定プログラム、エリア推定方法、及び、エリア推定装置 - Google Patents

Description

本発明は、エリア推定プログラム、エリア推定方法、及び、エリア推定装置に関する。

ユーザの決済データ、例えばユーザのクレジットカード等の明細データからユーザの活動を推定し、推定した活動をマーケティングに利用するサービスがある。

特開２０１２－２０８６４７号公報 特開２０１８－２００５３２号公報 特開２００６－３０９４８８号公報

上述した手法では、エリア別にマーケティングを行なうエリアマーケティングに決済データを活用することについては想定されていない。

１つの側面では、本発明は、エリアマーケティングに決済データを活用できるようにすることを目的の１つとする。

１つの側面では、エリア推定プログラムは、コンピュータに、以下の処理を実行させてよい。前記処理は、利用者と、前記利用者による決済の利用日と、前記決済が行なわれた店と、前記店の地理的位置に関連する位置関連情報とを含む決済データから、前記店が実店舗以外の店であるエントリを除外してよい。また、前記処理は、前記除外後の決済データに基づき生成される集計データであって、前記利用者ごと、且つ、前記位置関連情報に基づき特定されるエリアごとに、前記決済の利用日の数と、前記決済が行なわれた店の数と、を含む前記集計データから、前記利用日の数が第１閾値よりも小さいエントリ、及び、前記店の数が第２閾値よりも小さいエントリ、のそれぞれを除外してよい。さらに、前記処理は、前記除外後の集計データに基づき、前記利用者との関連度が高いエリアを推定してよい。

１つの側面では、本発明は、エリアマーケティングに決済データを活用できる。

ユーザの決済データを活用したエリアマーケティングを説明するための図である。 一実施形態に係るテリトリー推定システムの機能構成例を示すブロック図である。 サーバの機能を実現する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。 明細データの一例を示す図である。 加盟店マスタの一例を示す図である。 加盟店マスタに業種を付加した結果の一例を示す図である。 業種マスタの一例を示す図である。 図６に示す加盟店マスタに除外フラグを付加した結果の一例を示す図である。 明細データに業種及び除外フラグを付加した結果の一例を示す図である。 図９に示す明細データから除外フラグ＝＝１のレコードを削除した結果の一例を示す図である。 図１０に示す明細データに代表駅を付加した結果の一例を示す図である。 郵便番号マスタの一例を示す図である。 代表駅マスタの一例を示す図である。 郵便番号マスタに代表駅マスタを付加した結果の一例を示す図である。 集計データの一例を示す図である。 集計データから、利用日数が閾値Ｘよりも小さいエントリ、及び、利用加盟店数が閾値Ｙよりも小さいエントリ、のそれぞれを除外する例を示す図である。 テリトリーＤＢ（Database）の保存形式の一例を示す図である。 閾値Ｘ及び閾値Ｙの決定手法の一例を示す図である。 図１８に示す傾きと顧客の人数との関係の一例を示すグラフである。 一実施形態に係るテリトリー推定システムの動作例を説明するフローチャートである。 変形例に係るテリトリー推定システムの機能構成例を示すブロック図である。 変形例に係る加盟店マスタを示す図である。 変形例に係る明細データを示す図である。 変形例に係る電話番号マスタを示す図である。 変形例に係る電話番号マスタを示す図である。

以下、図面を参照して本発明の実施の形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形又は技術の適用を排除する意図はない。例えば、本実施形態を、その趣旨を逸脱しない範囲で種々変形して実施することができる。なお、以下の説明で用いる図面において、同一符号を付した部分は、特に断らない限り、同一若しくは同様の部分を表す。

〔１〕一実施形態
〔１－１〕テリトリー推定システムの説明
図１は、ユーザの決済データを活用したエリアマーケティングを説明するための図である。

図１の符号Ａに示すように、サーバは、クレジットカード会社等の企業から取得した決済データを分析し、決済データを「タグ」に読み替える。「タグ」とは、クレジットカード等のユーザ（顧客）の嗜好、傾向、特徴等を簡潔に把握できるように表した「ユーザ情報（顧客情報）」であり、例えば、「新商品が好き」、「一人暮らし」、「休日によく外出する」等の情報である。

サーバは、「タグ」を匿名化してサービス利用者間で共有することで、サービス利用者に、ユーザが「どのような行動をしているか」といった、マーケティングに活用可能な情報を提供できる。「サービス利用者」とは、例えば、クレジットカード会社等の企業、「タグ」に基づき広告を出したい企業等の種々の利用者が挙げられる。

ここで、一実施形態に係るテリトリー推定システムは、上述のような「ユーザ情報」を、符号Ｂで示すように、「テリトリー」と関連付ける。「テリトリー」は、「ユーザに馴染みがある場所」、「ユーザがよく行く場所」及び「ユーザが様々な消費をする場所」、のうちのいずれか１つ以上、好ましくはいずれか２つ以上に該当するエリアであってよい。

例えば、一実施形態に係るテリトリー推定システムは、決済データを用いてテリトリーを推定することで、符号Ｃに示すように、「銀座駅をテリトリーとしている人はどのような人？」といったエリアターゲッティングに効果的な情報の絞り込みを可能とする。

以下、一実施形態に係るテリトリー推定システム１による、エリアマーケティングに決済データを活用する手法の一例を説明する。

〔１－２〕テリトリー推定システムの構成例
図２は、一実施形態に係るテリトリー推定システム１の機能構成例を示すブロック図である。テリトリー推定システム１は、ユーザとの関連度が高いエリアを推定するエリア推定システムの一例であり、決済データを用いたマーケティングの支援システムの少なくとも一部と捉えられてよい。テリトリー推定システム１は、図２に示すように、例示的に、サーバ２、及び、１以上（図２の例では１台）の端末３を備えてよい。

端末３は、テリトリー推定システム１のサービス利用者が使用する情報処理端末の一例であり、サーバ２に対して、サービスの利用のためのアクセスを行なうＰＣ（Personal Computer）又はサーバ等のコンピュータである。

端末３とサーバ２との間は、図示しないネットワークを介して相互に通信可能に接続されてよい。ネットワークは、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、又はこれらの組み合わせを含んでよい。ＷＡＮにはインターネットが含まれてよく、ＬＡＮにはＶＰＮ（Virtual Private Network）が含まれてよい。

サーバ２は、エリア推定装置、情報処理装置、又は、コンピュータの一例である。例えば、サーバ２は、テリトリー推定システム１において、端末３からのアクセスに応じて、端末３への応答や情報の通知等の種々の処理を行なう。

サーバ２は、例えば、端末３に対して、アクセスを可能とするための機能を提供してよい。当該機能としては、例えば、端末３によるアクセスに用いられる、ウェブページ等の画面の生成及び表示制御が挙げられる。例えば、端末３は、ブラウザ等のアプリケーションを用いてサーバ２にアクセス要求を送信し、サーバ２から受信する画面情報に基づきアプリケーションに表示されるウェブページを介して、サーバ２へのアクセスを行なってよい。

サーバ２は、仮想サーバ（ＶＭ；Virtual Machine）であってもよいし、物理サーバであってもよい。また、サーバ２の機能は、１台のコンピュータにより実現されてもよいし、２台以上のコンピュータにより実現されてもよい。さらに、サーバ２の機能のうちの少なくとも一部は、クラウド環境により提供されるＨＷ（Hardware）リソース及びＮＷ（Network）リソースを用いて実現されてもよい。

（ハードウェア構成例）
図３は、サーバ２の機能を実現するコンピュータ１０のハードウェア（ＨＷ）構成例を示すブロック図である。サーバ２の機能を実現するＨＷリソースとして、複数のコンピュータが用いられる場合は、各コンピュータが図３に例示するＨＷ構成を備えてよい。

図３に示すように、コンピュータ１０は、ＨＷ構成として、例示的に、プロセッサ１０ａ、メモリ１０ｂ、記憶部１０ｃ、ＩＦ（Interface）部１０ｄ、Ｉ／Ｏ（Input / Output）部１０ｅ、及び読取部１０ｆを備えてよい。

プロセッサ１０ａは、種々の制御や演算を行なう演算処理装置の一例である。プロセッサ１０ａは、コンピュータ１０内の各ブロックとバス１０ｉで相互に通信可能に接続されてよい。なお、プロセッサ１０ａは、複数のプロセッサを含むマルチプロセッサであってもよいし、複数のプロセッサコアを有するマルチコアプロセッサであってもよく、或いは、マルチコアプロセッサを複数有する構成であってもよい。

プロセッサ１０ａとしては、例えば、ＣＰＵ、ＭＰＵ、ＧＰＵ、ＡＰＵ、ＤＳＰ、ＡＳＩＣ、ＦＰＧＡ等の集積回路（ＩＣ；Integrated Circuit）が挙げられる。なお、プロセッサ１０ａとして、これらの集積回路の２以上の組み合わせが用いられてもよい。ＣＰＵはCentral Processing Unitの略称であり、ＭＰＵはMicro Processing Unitの略称である。ＧＰＵはGraphics Processing Unitの略称であり、ＡＰＵはAccelerated Processing Unitの略称である。ＤＳＰはDigital Signal Processorの略称であり、ＡＳＩＣはApplication Specific ICの略称であり、ＦＰＧＡはField-Programmable Gate Arrayの略称である。

メモリ１０ｂは、種々のデータやプログラム等の情報を格納するＨＷの一例である。メモリ１０ｂとしては、例えばＤＲＡＭ（Dynamic Random Access Memory）等の揮発性メモリ、及び、ＰＭ（Persistent Memory）等の不揮発性メモリ、の一方又は双方が挙げられる。

記憶部１０ｃは、種々のデータやプログラム等の情報を格納するＨＷの一例である。記憶部１０ｃとしては、ＨＤＤ（Hard Disk Drive）等の磁気ディスク装置、ＳＳＤ（Solid State Drive）等の半導体ドライブ装置、不揮発性メモリ等の各種記憶装置が挙げられる。不揮発性メモリとしては、例えば、フラッシュメモリ、ＳＣＭ（Storage Class Memory）、ＲＯＭ（Read Only Memory）等が挙げられる。

また、記憶部１０ｃは、コンピュータ１０の各種機能の全部若しくは一部を実現するプログラム１０ｇ（エリア推定プログラム）を格納してよい。例えば、サーバ２のプロセッサ１０ａは、記憶部１０ｃに格納されたプログラム１０ｇをメモリ１０ｂに展開して実行することにより、図２に例示するサーバ２としての機能を実現できる。

ＩＦ部１０ｄは、ネットワークとの間の接続及び通信の制御等を行なう通信ＩＦの一例である。例えば、ＩＦ部１０ｄは、イーサネット（登録商標）等のＬＡＮ（Local Area Network）、或いは、ＦＣ（Fibre Channel）等の光通信等に準拠したアダプタを含んでよい。当該アダプタは、無線及び有線の一方又は双方の通信方式に対応してよい。例えば、サーバ２は、ＩＦ部１０ｄを介して、端末３と相互に通信可能に接続されてよい。また、例えば、プログラム１０ｇは、当該通信ＩＦを介して、ネットワークからコンピュータ１０にダウンロードされ、記憶部１０ｃに格納されてもよい。

Ｉ／Ｏ部１０ｅは、入力装置、及び、出力装置、の一方又は双方を含んでよい。入力装置としては、例えば、キーボード、マウス、タッチパネル等が挙げられる。出力装置としては、例えば、モニタ、プロジェクタ、プリンタ等が挙げられる。

読取部１０ｆは、記録媒体１０ｈに記録されたデータやプログラムの情報を読み出すリーダの一例である。読取部１０ｆは、記録媒体１０ｈを接続可能又は挿入可能な接続端子又は装置を含んでよい。読取部１０ｆとしては、例えば、ＵＳＢ（Universal Serial Bus）等に準拠したアダプタ、記録ディスクへのアクセスを行なうドライブ装置、ＳＤカード等のフラッシュメモリへのアクセスを行なうカードリーダ等が挙げられる。なお、記録媒体１０ｈにはプログラム１０ｇが格納されてもよく、読取部１０ｆが記録媒体１０ｈからプログラム１０ｇを読み出して記憶部１０ｃに格納してもよい。

記録媒体１０ｈとしては、例示的に、磁気／光ディスクやフラッシュメモリ等の非一時的なコンピュータ読取可能な記録媒体が挙げられる。磁気／光ディスクとしては、例示的に、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ブルーレイディスク、ＨＶＤ（Holographic Versatile Disc）等が挙げられる。フラッシュメモリとしては、例示的に、ＵＳＢメモリやＳＤカード等の半導体メモリが挙げられる。

上述したコンピュータ１０のＨＷ構成は例示である。従って、コンピュータ１０内でのＨＷの増減（例えば任意のブロックの追加や削除）、分割、任意の組み合わせでの統合、又は、バスの追加若しくは削除等は適宜行なわれてもよい。例えば、サーバ２において、Ｉ／Ｏ部１０ｅ及び読取部１０ｆの少なくとも一方は、省略されてもよい。

情報処理端末の一例である端末３は、上述したコンピュータ１０と同様のＨＷ構成により実現されてよい。例えば、端末３のプロセッサ１０ａは、記憶部１０ｃに格納されたプログラム１０ｇをメモリ１０ｂに展開して実行することにより、図２に示す端末３としての機能を実現できる。なお、端末３は、Ｉ／Ｏ部１０ｅの一例である入力装置及び表示装置を備えてよい。例えば、端末３のプロセッサ１０ａは、ＩＦ部１０ｄを介してサーバ２から受信した情報に基づき、各画面を表示装置に表示してよい。また、端末３のプロセッサ１０ａは、入力された情報を、ＩＦ部１０ｄを介してサーバ２に送信してよい。

（機能構成例）
図２の説明に戻り、サーバ２は、決済データからユーザとの関連度が高いテリトリー（エリア）を推定する機能に着目すると、例示的に、メモリ部２１、除外処理部２２、代表駅設定部２３、集計部２４、ＤＢ作成部２５、及び、出力部２６を備えてよい。

メモリ部２１は、記憶領域の一例であり、エリア推定に関する種々の情報を記憶する。図２に示すように、メモリ部２１は、例示的に、明細データ２１ａ、加盟店マスタ２１ｂ、業種マスタ２１ｃ、郵便番号マスタ２１ｄ、代表駅マスタ２１ｅ、集計データ２１ｆ、及び、テリトリーＤＢ２１ｇを記憶してよい。以下の説明では、便宜上、これらの情報２１ａ～２１ｇのデータ形式をテーブル形式として説明するが、これに限定されるものではなく、ＤＢ（Database）又は配列等の種々のデータ形式であってよい。以下の説明において、情報２１ａ～２１ｇに「半角カナ」が含まれる場合、本明細書中では、便宜上、当該「半角カナ」を「全角カナ」で表記する。

なお、情報２１ａ～２１ｇは、例えば、図３に示すメモリ１０ｂ及び記憶部１０ｃの少なくとも１つが有する記憶領域に格納されてよい。換言すれば、メモリ部２１は、メモリ１０ｂ及び記憶部１０ｃの少なくとも１つが有する記憶領域により実現されてよい。

ここで、一実施形態において、サーバ２は、例えば、クレジットカード会社等の企業から、決済データの一例であるクレジットカードの明細データ２１ａを取得し、メモリ部２１に格納する。

図４は、明細データ２１ａの一例を示す図である。明細データ２１ａは、ユーザのテリトリーの推定に利用されるデータであり、図４に示すように、例示的に、「顧客ＩＤ」、「日付」、「加盟店カナ」及び「加盟店郵便番号」の項目を含んでよい。

「顧客ＩＤ」は、クレジットカードの顧客（ユーザ；利用者）の識別情報の一例である。「日付」は、顧客による決済の利用日を示す。「加盟店カナ」は、決済が行なわれた店の店名（名称）をカナ表記した項目である。「加盟店郵便番号」は、決済が行なわれた店の店舗所在地の郵便番号を示す。郵便番号は、市区町村又は番地等のエリア単位で設定される情報であるため、「加盟店郵便番号」は、店の地理的位置（例えば緯度及び経度等の位置情報）に関連する位置関連情報の一例である。

除外処理部２２は、第１除外処理部の一例であり、明細データ２１ａから、テリトリーの推定に不要なデータ、換言すれば除外対象のデータを除外する。除外対象のデータは、例えば、決済が行なわれた店が、実店舗以外の店である決済データであってよい。実店舗以外の店とは、例えば、ＥＣ（Electronic Commerce）サイト等のオンラインショップ（オンライン店舗）、公共料金、納税、電子マネーへのチャージ又は電子マネーによる決済、等の、エリアに紐付かない種々の店舗又は決済方法である。

例えば、除外処理部２２は、加盟店マスタ２１ｂ及び業種マスタ２１ｃに基づき、明細データ２１ａから除外対象のデータを除外してよい。以下、除外処理部２２による、明細データ２１ａからの除外対象のデータの除外処理の一例を説明する。

（除外処理部２２による除外処理の一例）
図５は、加盟店マスタ２１ｂの一例を示す図である。加盟店マスタ２１ｂは、図５に例示するように、「加盟店カナ」及び「加盟店郵便番号」の項目を含んでよい。

除外処理部２２は、加盟店マスタ２１ｂの「加盟店カナ」に基づき、加盟店の「業種」を判定する。一例として、除外処理部２２は、加盟店カナ名に基づき業種判定を行なう業種判定ＡＩ（Artificial Intelligence）の機能を有してよく、或いは、当該機能を利用してよい。例えば、除外処理部２２は、加盟店マスタ２１ｂの各「加盟店カナ」に、業種判定ＡＩによって判定した「業種」を付加する。

加盟店マスタ２１ｂに業種を付加した結果である加盟店マスタ２１ｂ’の一例を図６に示す。図６の例では、「加盟店カナ」“キ゛ンサ゛テ゛ハ゜ート”に「業種」“百貨店”が付加され、「加盟店カナ」“エーヒ゛ーシーネットショッフ゜”に「業種」“オンラインショップ”が付加される。

図７は、業種マスタ２１ｃの一例を示す図である。業種マスタ２１ｃは、明細データ２１ａからの除外対象となる「業種」を指定する情報であり、例えば予めメモリ部２１に設定されてよい。業種マスタ２１ｃは、図７に例示するように、「業種」及び「除外フラグ」の項目を含んでよい。「除外フラグ」は、「業種」が除外対象であるか否かを示す情報であり、例えば、除外対象には“１”が、除外対象外には“０”が設定されてよい。

除外処理部２２は、加盟店マスタ２１ｂ’の「業種」に、業種マスタ２１ｃに基づき「除外フラグ」を付加する。例えば、除外処理部２２は、加盟店マスタ２１ｂ’に対して、「業種」をキーとして業種マスタ２１ｃを付加（例えばLEFT_JOIN）する。

加盟店マスタ２１ｂ’に除外フラグを付加した結果である加盟店マスタ２１ｂ”の一例を図８に示す。図８の例では、「加盟店カナ」“エーヒ゛ーシーネットショッフ゜”、「業種」“オンラインショップ”に「除外フラグ」“１”が設定される。このように、加盟店マスタ２１ｂ”は、除外対象の業種を示す情報の一例である。

除外処理部２２は、明細データ２１ａに、加盟店マスタ２１ｂ”に基づき「業種」及び「除外フラグ」を付加する。例えば、除外処理部２２は、明細データ２１ａに対して、「加盟店カナ」をキーとして加盟店マスタ２１ｂ”を付加（例えばLEFT_JOIN）する。明細データ２１ａに業種及び除外フラグを付加した結果である明細データ２１ａ’の一例を図９に示す。

そして、除外処理部２２は、明細データ２１ａ’から、「除外フラグ＝＝１」のレコード（エントリ）を削除する。明細データ２１ａ’から除外フラグ＝＝１のレコードを削除した結果である明細データ２１ａ”の一例を図１０に示す。図１０の例では、「除外フラグ」“１”が設定された「加盟店カナ」“エーヒ゛ーシーネットショッフ゜”、「業種」“オンラインショップ”のレコードが削除される。

このように、除外処理部２２は、明細データ２１ａに含まれる加盟店の名称に基づき得られる当該加盟店の業種と、加盟店マスタ２１ｂ”とに基づき、明細データ２１ａから、除外対象の業種である加盟店のエントリを、実店舗以外のエントリとして除外する。これにより、除外処理部２２は、除外処理において、明細データ２１ａから、ユーザのテリトリーの推定に利用できるエントリを効率的に抽出することができる。

代表駅設定部２３は、明細データ２１ａ（明細データ２１ａ”）に対して、「加盟店郵便番号」に基づき、加盟店の「代表駅」を付加してよい。明細データ２１ａ”に「代表駅」を付加した結果である明細データ２１ａ’”の一例を図１１に示す。

以下、代表駅設定部２３による、明細データ２１ａ’”への代表駅の付加処理の一例を説明する。

（代表駅設定部２３による付加処理の一例）
図１２は、郵便番号マスタ２１ｄの一例を示す図である。郵便番号マスタ２１ｄは、図１２に例示するように、「郵便番号」、「緯度」、「経度」及び「場所」の項目を含んでよい。「郵便番号」は、例えば、公開されている既存の全ての郵便番号の一覧であってよい。「緯度」及び「経度」は、例えば、郵便番号の代表位置を示す位置情報であり、地理的位置の一例である。「場所」は、郵便番号に対応するエリアの一例であり、例えば、市区町村又は番地である。

図１３は、代表駅マスタ２１ｅの一例を示す図である。代表駅マスタ２１ｅは、複数のエリアのそれぞれの代表地点の地理的位置を含む情報の一例であり、図１３に例示するように、「駅」、「郵便番号」、「緯度」及び「経度」の項目を含んでよい。「駅」は、郵便番号に基づき特定されるエリア、又は、当該エリアの代表地点の一例であり、例えば、公開されている既存の全ての駅の一覧であってよい。「郵便番号」は、駅に設定された郵便番号である。「緯度」及び「経度」は、駅の代表位置を示す位置情報であるが、少なくとも一方が省略されてもよい。

一実施形態において、代表地点の一例である「駅」は、鉄道の駅であるものとするが、これに限定されるものではなく、例えば、バス、航空機、船舶等の他の交通機関の停車地点（下車可能地点）であってもよい。また、代表地点は、駅に限定されるものではなく、公園、娯楽施設、その他の地理的特徴を有する施設等であってもよい。

代表駅設定部２３は、例えば、郵便番号マスタ２１ｄに対して、代表駅マスタ２１ｅを付加してよい。例えば、代表駅設定部２３は、郵便番号マスタ２１ｄの「郵便番号」に一致する代表駅マスタ２１ｅの「駅」を「代表駅」として、郵便番号マスタ２１ｄに付加（例えばLEFT_JOIN）してよい。郵便番号マスタ２１ｄに代表駅マスタ２１ｅを付加した結果である郵便番号マスタ２１ｄ’の一例を図１４に示す。なお、図１４では、「場所」の図示を省略している。

ここで、図１４に例示するように、郵便番号マスタ２１ｄの郵便番号と同じ駅が代表駅マスタ２１ｅに存在しない場合、郵便番号マスタ２１ｄ’の「代表駅」には“ＮＡ”が設定される。

代表駅設定部２３は、「代表駅」が“ＮＡ”の場合、例えば、球面三角法等の手法により、郵便番号マスタ２１ｄ’の「緯度」及び「経度」が示す位置と、代表駅マスタ２１ｅに含まれる「駅」の「緯度」及び「経度」が示す位置との間の距離を測定してもよい。そして、代表駅設定部２３は、距離が最も近い「駅」を、“ＮＡ”が設定された「代表駅」に設定してよい。

一例として、代表駅設定部２３は、郵便番号マスタ２１ｄ’において、代表駅が“ＮＡ”であるレコードの（緯度，経度）＝（ａ，ｂ）とし、代表駅が分かっている（“ＮＡ”以外が設定されている）レコードの（緯度，経度）＝（ｃ，ｄ）としてよい。そして、代表駅設定部２３は、（ａ，ｂ）と（ｃ，ｄ）との間の距離Ｔを球面三角法により算出し、距離Ｔが最小となる郵便番号の代表駅を、“ＮＡ”が設定されたレコードの代表駅に決定してよい。

なお、距離Ｔには、例えば“１ｋｍ”等の上限値が設定されてもよい。例えば、代表駅設定部２３は、距離Ｔが最小となる郵便番号の代表駅であっても、距離Ｔが上限値よりも大きい場合は、当該代表駅を採用せずに、“ＮＡ”を設定してもよい。

また、代表駅設定部２３は、郵便番号マスタ２１ｄの郵便番号と同じ駅が、代表駅マスタ２１ｅに複数存在する場合、換言すれば、郵便番号が同一の駅が代表駅マスタ２１ｅに複数存在する場合、いずれか１つの駅を代表駅に決定してよい。例えば、代表駅設定部２３は、郵便番号が同一の複数の駅のうちの一日の利用客数が多い駅を代表駅として決定してもよいし、郵便番号マスタ２１ｄの郵便番号の緯度及び経度と（球面三角法による）距離が近い緯度及び経度を持つ駅を代表駅として決定してもよい。

そして、代表駅設定部２３は、明細データ２１ａ”に対して、郵便番号マスタ２１ｄ’を付加してよい。例えば、代表駅設定部２３は、明細データ２１ａ”の「郵便番号」に一致する郵便番号マスタ２１ｄ’の「代表駅」を、明細データ２１ａ”に付加（例えばLEFT_JOIN）してよい（図１１参照）。

なお、明細データ２１ａ、加盟店マスタ２１ｂ、郵便番号マスタ２１ｄのそれぞれは、上述した処理の過程で、明細データ２１ａ’、２１ａ”、２１ａ’”、加盟店マスタ２１ｂ’、２１ｂ”、郵便番号マスタ２１ｄ’のように適宜変更（更新）されてもよい。或いは、明細データ２１ａ’、２１ａ”、２１ａ’”、加盟店マスタ２１ｂ’、２１ｂ”、郵便番号マスタ２１ｄ’の少なくとも１つは、上記処理の過程で新たに作成され、メモリ部２１に格納されてもよい。

集計部２４は、図１１に例示する明細データ２１ａ’”に基づき集計データ２１ｆを生成する。例えば、集計部２４は、明細データ２１ａ’”の「顧客ＩＤ」及び「代表駅」をキーとして、顧客ごと、且つ、代表駅ごとに、利用日数（決済日数）と、利用（決済）が行なわれた店の数とを集計し、集計データ２１ｆを生成する。

図１５は、集計データ２１ｆの一例を示す図である。集計データ２１ｆは、図１５に例示するように、「顧客ＩＤ」、「代表駅」、「利用日数」及び「利用加盟店数」の項目を含んでよい。「利用日数」は、所定期間において、顧客が代表駅に属する店を利用した日数を集計した結果である。「利用加盟店数」は、所定期間において、顧客が利用した店の数を代表駅ごとに集計した結果である。

「利用日数」は、「日数」に着目した項目である。例えば、顧客が同じ代表駅に属する店を同日に複数回利用した場合であっても、集計により加算される値は“１”となる。一方で、顧客が複数の日に亘って、同じ代表駅に属する店（同一の店を含む）を複数回利用した場合、集計により加算される値は、当該店を利用した日数分の値となる。

「利用加盟店数」は、「店数」に着目した項目である。例えば、顧客が複数の日に亘って同じ店を複数回利用した場合であっても、集計により加算される値は“１”となる。一方で、顧客が同じ代表駅に属する互いに異なる複数の店を、同日に利用した場合、集計により加算される値は、互いに異なる複数の店数分の値となる。

なお、明細データ２１ａ’”が集計される所定期間（集計期間）は、一実施形態では１年間であるものとするが、これに限定されるものではなく、例えば、数年間であってもよいし、数ヶ月間、数週間又は数日間であってもよい。

このように、集計部２４は、顧客ごと、且つ、代表駅ごとに、明細データ２１ａ’”を集計することで、エリアターゲッティングによるターゲッティング対象の「顧客」及び「エリア」の単位で集計データ２１ｆを生成することができる。すなわち、一実施形態では、エリアを、駅を代表地点とする地理的範囲と捉え、駅ごとに顧客の活動を集計、分析することにより、エリアターゲッティングに適した集計データ２１ｆを生成することができる。

ＤＢ作成部２５は、集計データ２１ｆに基づき、テリトリーＤＢ２１ｇを作成する。例えば、ＤＢ作成部２５は、図１６に示すように、集計データ２１ｆから、利用日数が閾値Ｘよりも小さいエントリ、及び、利用加盟店数が閾値Ｙよりも小さいエントリ、のそれぞれを除外してよい。そして、ＤＢ作成部２５は、除外後の集計データ２１ｆに含まれる、顧客ＩＤと代表駅との組み合わせをテリトリーＤＢ２１ｇに登録してよい。

閾値Ｘは、第１閾値の一例であり、集計データ２１ｆから、顧客と代表駅との組み合わせのうち、利用日数が少ない組み合わせを除外するための閾値である。

利用日数が閾値Ｘ未満である場合、顧客は、当該レコードにおける代表駅を、例えば観光で訪れたり、偶然訪れたりしたに過ぎず、頻繁に訪れない（テリトリーとしていない）場所である可能性が高い。このような場合、当該代表駅は、「ユーザが様々な消費をする場所」には該当し得るものの、「ユーザに馴染みがある場所」及び「ユーザがよく行く場所」には該当しない可能性が高い。換言すれば、顧客が当該代表駅の近辺をテリトリーとしている（その場所が好きである）とはいえない可能性が高い。

そこで、ＤＢ作成部２５は、集計データ２１ｆから、利用日数が閾値Ｘ未満の組み合わせ（レコード）を除外することで、顧客のテリトリーの推定精度を向上させることができる。

閾値Ｙは、第２閾値の一例であり、集計データ２１ｆから、顧客と代表駅との組み合わせのうち、顧客と、当該顧客が好む（少数の）「特定の店」が属する代表駅との組み合わせを除外するための閾値である。

顧客が頻繁に代表駅を訪れる場合であっても、当該顧客が、お気に入りの店のみを利用する場合、当該代表駅は、「顧客がよく行く場所」には該当し得るものの、「顧客に馴染みがある場所」及び「顧客が様々な消費をする場所」には該当しない可能性が高い。換言すれば、顧客は、当該代表駅の近辺の店のうち、お気に入りの店のみが好きなのであって、当該代表駅の近辺をテリトリーとしている（その場所が好きである）とはいえない可能性が高い。

そこで、ＤＢ作成部２５は、集計データ２１ｆから、利用加盟店数が閾値Ｙ未満の組み合わせ（レコード）を除外することで、顧客のテリトリーの推定精度を向上させることができる。

以上のように、ＤＢ作成部２５は、集計データ２１ｆから、利用日数が閾値Ｘ未満、及び、利用加盟店数が閾値Ｙ未満のレコードをそれぞれ除外する第２除外処理部の一例である。換言すれば、ＤＢ作成部２５は、集計データ２１ｆから、利用日数が閾値Ｘ以上であり、且つ、利用加盟店数が閾値Ｙ以上であるレコードを抽出するのである。

そして、ＤＢ作成部２５は、抽出したレコードの顧客ＩＤと、代表駅との組み合わせを、例えば、図１７に示すＤＢ形式により、テリトリーＤＢ２１ｇに保存（登録）する。図１７では、ＤＢ作成部２５は、顧客ＩＤと代表駅との組み合わせであるテリトリーを、ＪＳＯＮ（JavaScript（登録商標） Object Notation）形式に変換してテリトリーＤＢ２１ｇに保存する例を示す。なお、テリトリーＤＢ２１ｇへのテリトリーの保存形式は、ＣＳＶ（Comma Separated Value）形式、ＸＭＬ（eXtensible Markup Language）等の種々の形式であってもよい。

なお、閾値Ｘ及び閾値Ｙのそれぞれは、明細データ２１ａ’”が集計される集計期間や、サービス利用者が取得したいテリトリーの精度等に応じて決定されてよい。

以下、ＤＢ作成部２５による、閾値Ｘ及び閾値Ｙの決定処理の一例を説明する。

（ＤＢ作成部２５による閾値Ｘ及び閾値Ｙの決定処理）
図１８は、閾値Ｘ及び閾値Ｙの決定手法の一例を示す図であり、図１９は、図１８に示す傾きと顧客の人数との関係の一例を示すグラフである。

図１８に示すように、集計データ２１ｆを利用日数（横軸）と利用加盟店数（縦軸）とにプロットする場合、横軸と傾きα_１とに挟まれた破線領域Ａは、特定の加盟店ばかり利用する顧客、換言すれば、当該加盟店が好きな顧客の集合であるといえる。また、縦軸と傾きα_４とに挟まれた破線領域Ｂは、利用日数が少ない顧客、換言すれば、たまたま来た顧客の集合であるといえる。

従って、ＤＢ作成部２５は、傾きα_１から、傾きα_２及びα_３を含み、傾きα_４までの領域を集計データ２１ｆから抽出するように、傾きα_１及びα_２を決定すればよい。

例えば、ＤＢ作成部２５は、図１９に示すように、図１８に示す傾きと顧客の人数との関係を示す、傾きの分布を表すグラフＣにおいて、分布の両側Ｚ％に該当する値（発生確率が低い値）を、外れ値（除外対象）に決定してよい。

一例として、ＤＢ作成部２５は、図１９に示す分布の左側（傾きの小さい方）Ｚ％に該当する値（傾き）を傾きα_１として用いて閾値Ｘを算出してよい。また、ＤＢ作成部２５は、図１９に示す分布の右側（傾きの大きい方）Ｚ％に該当する値（傾き）を傾きα_４として用いて閾値Ｙを算出してよい。

図２の説明に戻り、出力部２６は、端末３に対して、テリトリーＤＢ２１ｇに基づき、顧客のテリトリーに関する情報を提供してよい（図１参照）。

例えば、出力部２６は、決済データを用いたエリアマーケティングの支援システムのサービスとして、テリトリーＤＢ２１ｇに基づき、顧客のテリトリー、換言すれば、顧客との関連度が高いエリアを推定し、推定したエリアの情報を端末３に送信してよい。このように、出力部２６は、テリトリーＤＢ２１ｇに基づきテリトリーを推定する推定部の一例である。

一例として、出力部２６は、端末３に対して、顧客のタグと、テリトリーとを関連付けて検索又は表示可能なＷｅｂページ等の画面情報を送信してよい。その他、出力部２６は、種々の形態で、テリトリーＤＢ２１ｇに基づき、顧客のテリトリーに関する情報を出力してよい。

〔１－３〕動作例
以下、上述したテリトリー推定システム１の動作例を、フローチャートを参照しながら説明する。図２０は、一実施形態に係るテリトリー推定システム１の動作例を説明するフローチャートである。

図２０に例示するように、サーバ２において、明細データ２１ａが取得されると（ステップＳ１）、除外処理部２２は、業種マスタ２１ｃに基づき、加盟店マスタ２１ｂに業種及び除外フラグを付加し（ステップＳ２）、加盟店マスタ２１ｂ”を生成する。

除外処理部２２は、明細データ２１ａに加盟店マスタ２１ｂ”を付加し（ステップＳ３）、明細データ２１ａ’を生成する。

除外処理部２２は、明細データ２１ａ’から除外フラグ＝＝１のレコードを除外して（ステップＳ４）、明細データ２１ａ”を生成する。

代表駅設定部２３は、郵便番号マスタ２１ｄ及び代表駅マスタ２１ｅに基づき、明細データ２１ａ”に代表駅を付加し（ステップＳ５）、明細データ２１ａ’”を生成する。

集計部２４は、明細データ２１ａ’”に対して、顧客ＩＤ及び代表駅をキーとして利用回数及び利用加盟店数を集計し（ステップＳ６）、集計データ２１ｆを生成する。

ＤＢ作成部２５は、集計データ２１ｆから、利用日数が閾値Ｘ以上、且つ、利用加盟店数が閾値Ｙ以上を満たすレコードを抽出する（ステップＳ７）。

ＤＢ作成部２５は、抽出したレコードをテリトリーＤＢ２１ｇに保存する（ステップＳ８）。

出力部２６は、テリトリーＤＢ２１ｇに基づき、テリトリーに関する情報を端末３に出力し（ステップＳ９）、処理が終了する。

〔１－４〕変形例
次に、一実施形態の変形例について説明する。一実施形態では、店の地理的位置（例えば緯度及び経度等の位置情報）に関連する位置関連情報として、郵便番号が用いられるものとして説明したが、これに限定されるものではない。位置関連情報としては、郵便番号に代えて、電話番号（例えば固定電話番号）、又は、住所情報が用いられてもよい。

以下、一実施形態の変形例として、位置関連情報として電話番号が用いられる場合を説明する。以下の説明において、特に言及しない構成又は処理の説明については、一実施形態と同様である。

図２１は、変形例に係るテリトリー推定システム１’の機能構成例を示すブロック図である。テリトリー推定システム１’のサーバ２’は、図２に示すメモリ部２１、除外処理部２２及び代表駅設定部２３に代えて、メモリ部２１’、除外処理部２２’及び代表駅設定部２３’を備えてよい。

メモリ部２１’は、図２に示す明細データ２１ａ、加盟店マスタ２１ｂ及び郵便番号マスタ２１ｄに代えて、明細データ１２１ａ、加盟店マスタ１２１ｂ及び電話番号マスタ１２１ｄを記憶してよい。

除外処理部２２’及び代表駅設定部２３’は、それぞれ、除外処理部２２及び代表駅設定部２３による処理のうち、郵便番号を用いる処理を、電話番号を用いる処理に変更したものであり、それ以外の処理は除外処理部２２及び代表駅設定部２３と同様である。

図２２は、除外処理部２２’による除外処理により、業種及び除外フラグが付加された加盟店マスタ１２１ｂ”の一例を示す図である。図２２に例示するように、加盟店マスタ１２１ｂ”は、「加盟店郵便番号」に代えて「加盟店電話番号」の項目を含んでよい。「加盟店電話番号」は、決済が行なわれた店の店舗所在地の電話番号を示す。固定電話の電話番号は、市区町村又は番地等のエリアに対応付けて設定される情報であるため、「加盟店電話番号」は、店の地理的位置に関連する位置関連情報の一例である。

除外処理部２２’は、除外処理において、加盟店マスタ１２１ｂ（図２２の符号１２１ｂの部分）に対して、業種判定ＡＩにより業種を付加し（図２２の符号１２１ｂ’の部分）、業種マスタ２１ｃに基づき除外フラグを付加してよい。

図２３は、除外処理部２２’による除外処理により、実店舗以外のレコードが除外され、且つ、代表駅設定部２３による付加処理により、代表駅が付加された明細データ１２１ａ’”の一例を示す図である。図２３に例示するように、明細データ１２１ａ’”は、「加盟店郵便番号」に代えて「加盟店電話番号」の項目を含んでよい。

除外処理部２２’は、除外処理において、明細データ１２１ａ（図２３の符号１２１ａの部分）に対して、加盟店マスタ１２１ｂ”を付加し（図２３の符号１２１ａ’の部分）、且つ、除外フラグ＝＝１のレコードを除外してよい（図示省略）。

代表駅設定部２３’は、付加処理において、除外フラグ＝＝１のレコード除去後の明細データ１２１ａ”に対して、「加盟店電話番号」に基づき、代表駅を付加することで、図２３に例示する明細データ１２１ａ’”を生成してよい。

図２４は、電話番号マスタ１２１ｄの一例を示す図である。電話番号マスタ１２１ｄは、図２４に例示するように、「電話番号」、「緯度」及び「経度」の項目を含んでよい。なお、電話番号マスタ１２１ｄは、「電話番号」に対応するエリアの一例である「場所」の項目を含んでもよい。「電話番号」は、例えば、公開されている既存の加盟店の全ての電話番号の一覧であってよい。「緯度」及び「経度」は、例えば、電話番号の代表位置を示す位置情報であり、地理的位置の一例である。

例えば、代表駅設定部２３’は、電話番号マスタ１２１ｄの電話番号の緯度及び経度と、代表駅マスタ２１ｅの代表駅の緯度及び経度との間の距離Ｔを算出してよい。また、代表駅設定部２３’は、電話番号マスタ１２１ｄに対して、距離Ｔが最小となる代表駅を付加し、図２５に例示する電話番号マスタ１２１ｄ’を生成してよい。このとき、距離Ｔの上限値（例えば１ｋｍ等）を設けてもよい。そして、代表駅設定部２３’は、明細データ１２１ａ”に対して、電話番号マスタ１２１ｄ’に基づき代表駅を付加することで、図２３に示す明細データ１２１ａ’”を生成してよい。

以上のように、変形例に係るテリトリー推定システム１’によっても、一実施形態と同様の効果を奏することができる。

〔２〕その他
上述した一実施形態に係る技術は、以下のように変形、変更して実施することができる。

例えば、図２に示すサーバ２が備える除外処理部２２、代表駅設定部２３、集計部２４、ＤＢ作成部２５、及び、出力部２６は、任意の組み合わせで併合してもよく、それぞれ分割してもよい。また、図２１に示すサーバ２’が備える除外処理部２２’、代表駅設定部２３’、集計部２４、ＤＢ作成部２５、及び、出力部２６は、任意の組み合わせで併合してもよく、それぞれ分割してもよい。

また、図２に示すサーバ２又は図２１に示すサーバ２’は、複数の装置がネットワークを介して互いに連携することにより、各処理機能を実現する構成であってもよい。一例として、出力部２６はＷｅｂサーバ、除外処理部２２又は２２’、代表駅設定部２３又は２３’、集計部２４及びＤＢ作成部２５はアプリケーションサーバ、メモリ部２１又は２１’はＤＢサーバ、等であってもよい。この場合、Ｗｅｂサーバ、アプリケーションサーバ及びＤＢサーバが、ネットワークを介して互いに連携することにより、サーバ２又はサーバ２’としての各処理機能を実現してもよい。

さらに、一実施形態及び変形例では、決済データとして、クレジットカード会社等から提供される明細データ２１ａ及び１２１ａを用いて説明したが、これに限定されるものではない。決済データとしては、例えば、電子マネーの利用明細データ、複数の店で利用可能なポイントの利用明細データ等の、顧客、決済を利用した店、及び、当該店の位置関連情報を含む、種々の明細データが利用されてもよい。

〔３〕付記
以上の実施形態及び変形例に関し、さらに以下の付記を開示する。

（付記１）
利用者と、前記利用者による決済の利用日と、前記決済が行なわれた店と、前記店の地理的位置に関連する位置関連情報とを含む決済データから、前記店が実店舗以外の店であるエントリを除外し、
前記除外後の決済データに基づき生成される集計データであって、前記利用者ごと、且つ、前記位置関連情報に基づき特定されるエリアごとに、前記決済の利用日の数と、前記決済が行なわれた店の数と、を含む前記集計データから、前記利用日の数が第１閾値よりも小さいエントリ、及び、前記店の数が第２閾値よりも小さいエントリ、のそれぞれを除外し、
前記除外後の集計データに基づき、前記利用者との関連度が高いエリアを推定する、
処理をコンピュータに実行させる、エリア推定プログラム。

（付記２）
前記決済データに含まれる前記決済が行なわれた店の名称に基づき得られる当該店の業種と、除外対象の業種を示す情報とに基づき、前記決済データから、前記除外対象の業種である店のエントリを、前記店が実店舗以外の店であるエントリとして除外する、
処理を前記コンピュータに実行させる、付記１に記載のエリア推定プログラム。

（付記３）
複数の前記エリアのそれぞれの代表地点の地理的位置に関連する情報を参照して、前記除外後の決済データのそれぞれのエントリに、前記位置関連情報と地理的に近い代表地点を付加し、前記代表地点の付加後の決済データを、前記利用者ごと、且つ、前記代表地点ごとに集計することで、前記集計データを生成する、
処理を前記コンピュータに実行させる、付記１又は付記２に記載のエリア推定プログラム。

（付記４）
前記エリアは、駅を代表地点とする地理的範囲である、
付記１～付記３のいずれか１項に記載のエリア推定プログラム。

（付記５）
前記位置関連情報は、郵便番号である、
付記１～付記４のいずれか１項に記載のエリア推定プログラム。

（付記６）
前記位置関連情報は、電話番号である、
付記１～付記４のいずれか１項に記載のエリア推定プログラム。

（付記７）
利用者と、前記利用者による決済の利用日と、前記決済が行なわれた店と、前記店の地理的位置に関連する位置関連情報とを含む決済データから、前記店が実店舗以外の店であるエントリを除外し、
前記除外後の決済データに基づき生成される集計データであって、前記利用者ごと、且つ、前記位置関連情報に基づき特定されるエリアごとに、前記決済の利用日の数と、前記決済が行なわれた店の数と、を含む前記集計データから、前記利用日の数が第１閾値よりも小さいエントリ、及び、前記店の数が第２閾値よりも小さいエントリ、のそれぞれを除外し、
前記除外後の集計データに基づき、前記利用者との関連度が高いエリアを推定する、
処理をコンピュータが実行する、エリア推定方法。

（付記８）
前記決済データに含まれる前記決済が行なわれた店の名称に基づき得られる当該店の業種と、除外対象の業種を示す情報とに基づき、前記決済データから、前記除外対象の業種である店のエントリを、前記店が実店舗以外の店であるエントリとして除外する、
処理を前記コンピュータが実行する、付記７に記載のエリア推定方法。

（付記９）
複数の前記エリアのそれぞれの代表地点の地理的位置に関連する情報を参照して、前記除外後の決済データのそれぞれのエントリに、前記位置関連情報と地理的に近い代表地点を付加し、前記代表地点の付加後の決済データを、前記利用者ごと、且つ、前記代表地点ごとに集計することで、前記集計データを生成する、
処理を前記コンピュータが実行する、付記７又は付記８に記載のエリア推定方法。

（付記１０）
前記エリアは、駅を代表地点とする地理的範囲である、
付記７～付記９のいずれか１項に記載のエリア推定方法。

（付記１１）
前記位置関連情報は、郵便番号である、
付記７～付記１０のいずれか１項に記載のエリア推定方法。

（付記１２）
前記位置関連情報は、電話番号である、
付記７～付記１０のいずれか１項に記載のエリア推定方法。

（付記１３）
利用者と、前記利用者による決済の利用日と、前記決済が行なわれた店と、前記店の地理的位置に関連する位置関連情報とを含む決済データから、前記店が実店舗以外の店であるエントリを除外する第１除外処理部と、
前記除外後の決済データに基づき生成される集計データであって、前記利用者ごと、且つ、前記位置関連情報に基づき特定されるエリアごとに、前記決済の利用日の数と、前記決済が行なわれた店の数と、を含む前記集計データから、前記利用日の数が第１閾値よりも小さいエントリ、及び、前記店の数が第２閾値よりも小さいエントリ、のそれぞれを除外する第２除外処理部と、
前記除外後の集計データに基づき、前記利用者との関連度が高いエリアを推定する推定部と、
を備える、エリア推定装置。

（付記１４）
前記第１除外処理部は、前記決済データに含まれる前記決済が行なわれた店の名称に基づき得られる当該店の業種と、除外対象の業種を示す情報とに基づき、前記決済データから、前記除外対象の業種である店のエントリを、前記店が実店舗以外の店であるエントリとして除外する、
付記１３に記載のエリア推定装置。

（付記１５）
複数の前記エリアのそれぞれの代表地点の地理的位置に関連する情報を参照して、前記除外後の決済データのそれぞれのエントリに、前記位置関連情報と地理的に近い代表地点を付加し、前記代表地点の付加後の決済データを、前記利用者ごと、且つ、前記代表地点ごとに集計することで、前記集計データを生成する集計部、
を備える、付記１３又は付記１４に記載のエリア推定装置。

（付記１６）
前記エリアは、駅を代表地点とする地理的範囲である、
付記１３～付記１５のいずれか１項に記載のエリア推定装置。

（付記１７）
前記位置関連情報は、郵便番号である、
付記１３～付記１６のいずれか１項に記載のエリア推定装置。

（付記１８）
前記位置関連情報は、電話番号である、
付記１３～付記１６のいずれか１項に記載のエリア推定装置。

１、１’ テリトリー推定システム
２、２’ サーバ
３ 端末
１０ コンピュータ
２１、２１’ メモリ部
２１ａ、２１ａ’、２１ａ”、２１ａ’” 明細データ
２１ｂ、２１ｂ’、２１ｂ” 加盟店マスタ
２１ｃ 業種マスタ
２１ｄ、２１ｄ’ 郵便番号マスタ
２１ｅ 代表駅マスタ
２１ｆ 集計データ
２１ｇ テリトリーＤＢ
２２、２２’ 除外処理部
２３、２３’ 代表駅設定部
２４ 集計部
２５ ＤＢ作成部
２６ 出力部
１２１ａ、１２１ａ’、１２１ａ’” 明細データ
１２１ｂ、１２１ｂ’、１２１ｂ” 加盟店マスタ
１２１ｄ、１２１ｄ’ 電話番号マスタ

Claims (8)

1. 利用者と、前記利用者による決済の利用日と、前記決済が行なわれた店と、前記店の地理的位置に関連する位置関連情報とを含む決済データから、前記店が実店舗以外の店であるエントリを除外し、
   前記除外後の決済データに基づき生成される集計データであって、前記利用者ごと、且つ、前記位置関連情報に基づき特定されるエリアごとに、前記決済の利用日の数と、前記決済が行なわれた店の数と、を含む前記集計データから、前記利用日の数が第１閾値よりも小さいエントリ、及び、前記店の数が第２閾値よりも小さいエントリ、のそれぞれを除外し、
   前記除外後の集計データに基づき、前記利用者との関連度が高いエリアを推定する、
   処理をコンピュータに実行させる、エリア推定プログラム。
2. 前記決済データに含まれる前記決済が行なわれた店の名称に基づき得られる当該店の業種と、除外対象の業種を示す情報とに基づき、前記決済データから、前記除外対象の業種である店のエントリを、前記店が実店舗以外の店であるエントリとして除外する、
   処理を前記コンピュータに実行させる、請求項１に記載のエリア推定プログラム。
3. 複数の前記エリアのそれぞれの代表地点の地理的位置に関連する情報を参照して、前記除外後の決済データのそれぞれのエントリに、前記位置関連情報と地理的に近い代表地点を付加し、前記代表地点の付加後の決済データを、前記利用者ごと、且つ、前記代表地点ごとに集計することで、前記集計データを生成する、
   処理を前記コンピュータに実行させる、請求項１又は請求項２に記載のエリア推定プログラム。
4. 前記エリアは、駅を代表地点とする地理的範囲である、
   請求項１～請求項３のいずれか１項に記載のエリア推定プログラム。
5. 前記位置関連情報は、郵便番号である、
   請求項１～請求項４のいずれか１項に記載のエリア推定プログラム。
6. 前記位置関連情報は、電話番号である、
   請求項１～請求項４のいずれか１項に記載のエリア推定プログラム。
7. 利用者と、前記利用者による決済の利用日と、前記決済が行なわれた店と、前記店の地理的位置に関連する位置関連情報とを含む決済データから、前記店が実店舗以外の店であるエントリを除外し、
   前記除外後の決済データに基づき生成される集計データであって、前記利用者ごと、且つ、前記位置関連情報に基づき特定されるエリアごとに、前記決済の利用日の数と、前記決済が行なわれた店の数と、を含む前記集計データから、前記利用日の数が第１閾値よりも小さいエントリ、及び、前記店の数が第２閾値よりも小さいエントリ、のそれぞれを除外し、
   前記除外後の集計データに基づき、前記利用者との関連度が高いエリアを推定する、
   処理をコンピュータが実行する、エリア推定方法。
8. 利用者と、前記利用者による決済の利用日と、前記決済が行なわれた店と、前記店の地理的位置に関連する位置関連情報とを含む決済データから、前記店が実店舗以外の店であるエントリを除外する第１除外処理部と、
   前記除外後の決済データに基づき生成される集計データであって、前記利用者ごと、且つ、前記位置関連情報に基づき特定されるエリアごとに、前記決済の利用日の数と、前記決済が行なわれた店の数と、を含む前記集計データから、前記利用日の数が第１閾値よりも小さいエントリ、及び、前記店の数が第２閾値よりも小さいエントリ、のそれぞれを除外する第２除外処理部と、
   前記除外後の集計データに基づき、前記利用者との関連度が高いエリアを推定する推定部と、
   を備える、エリア推定装置。

Images