JP7445066B1 - 解析装置、解析方法、およびプログラム - Google Patents

Abstract

【課題】キャンペーンの効果を適切な絞り込みの下で正確に予測すること。
【解決手段】キャンペーンの内容情報と媒介業者を入力すると暫定的な取引量または取引金額を出力する第１モデルに、入力が受け付けられたキャンペーンの内容情報と対象媒介業者を入力することで、暫定的な取引量または取引金額を導出する第１処理部と、暫定的な取引量または取引金額と媒介業者を入力すると決済エラー発生率を出力する第２モデルに、導出された暫定的な取引量または取引金額と対象媒介業者を入力することで、決済エラー発生率を導出する第２処理部と、導出された暫定的な取引量または取引金額を導出された決済エラー発生率で割り引いて最終的な取引量または取引金額を導出する第３処理部と、を備える解析装置。
【選択図】図９

Description

本発明は、解析装置、解析方法、およびプログラムに関する。

従来、電子決済の分野においてはクーポンやポイントといった形で、期間や地区などを限定した特典を利用者に提供することが行われている。この特典を付与するサービスの一単位はキャンペーンと称される場合がある。特許文献１には、キャンペーンに関して記載がなされている。

特開２０２３－３５６５６号公報

従来の技術では、キャンペーンの効果を適切な絞り込みの下で正確に予測することができない場合があった。

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、キャンペーンの効果を適切な絞り込みの下で正確に予測することができる解析装置、解析方法、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、電子決済サービスにおけるキャンペーンの効果を解析する解析装置であって、電子決済を媒介する媒介業者ごとの取引量または取引金額に関する情報と、決済エラー発生に関する情報とを取得する取得部と、キャンペーンの内容情報と対象媒介業者の入力を受け付ける受付部と、キャンペーンの内容情報と媒介業者を入力すると暫定的な取引量または取引金額を出力する第１モデルに、前記入力が受け付けられたキャンペーンの内容情報と対象媒介業者を入力することで、前記暫定的な取引量または取引金額を導出する第１処理部と、暫定的な取引量または取引金額と媒介業者を入力すると決済エラー発生率を出力する第２モデルに、前記導出された暫定的な取引量または取引金額と前記対象媒介業者を入力することで、前記決済エラー発生率を導出する第２処理部と、前記導出された暫定的な取引量または取引金額を前記導出された決済エラー発生率で割り引いて最終的な取引量または取引金額を導出する第３処理部と、を備える解析装置である。

本発明の他の一態様は、電子決済サービスにおけるキャンペーンの効果を解析する解析装置であって、電子決済を媒介する媒介業者ごとの地区ごとの取引量または取引金額に関する情報を取得する取得部と、キャンペーンの内容情報と対象媒介業者と対象地区の入力を受け付ける受付部と、キャンペーンの内容情報と媒介業者と対象地区を入力すると取引量または取引金額を出力するモデルに、前記入力が受け付けられたキャンペーンの内容情報と対象媒介業者と対象地区を入力することで、前記取引量または取引金額を導出する処理部と、を備える解析装置である。

本発明の一態様によれば、キャンペーンの効果を適切な絞り込みの下で正確に予測することができる解析装置、解析方法、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。 第１実施形態に係る決済統計情報１７８の内容の一例を示す図である。 第１実施形態に係るキャンペーン情報１８０の内容の一例を示す図である。 第１実施形態に係る解析装置２００の構成図である。 第１モデル２７４の学習過程の一例を示す図である。 第２モデル２７６の学習過程の一例を示す図である。 第２実施形態に係る決済統計情報１７８の内容の一例を示す図である 第２実施形態に係るキャンペーン情報１８０の内容の一例を示す図である 第２実施形態に係る決済統計情報１７８の内容の一例を示す図である。 第２実施形態に係るキャンペーン情報１８０の内容の一例を示す図である。 第２実施形態に係る解析装置３００の構成図である。 媒介業者ごとの取引金額と、その地区ごとの内訳との関係を示す図である。 モデル３７４の学習過程の一例を示す図である。

以下、図面を参照し、本発明の解析装置、解析方法、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。

解析装置は、電子決済サービスを提供する決済サーバに付随して動作する。解析装置は、決済サーバに内蔵されてもよいし、決済サーバとは別体の装置であってもよい。以下の説明では別体の装置であるものとする。利用者の端末装置で動作する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。

＜第１実施形態＞
［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、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、決済統計情報１７８、キャンペーン情報１８０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。また、情報管理部１４０は、決済統計情報１７８やキャンペーン情報１８０を編集し、適宜、解析装置２００に送信する。

図７は、第１実施形態に係る決済統計情報１７８の内容の一例を示す図である。決済統計情報１７８は、例えば、観測期間ごとに、媒介業者の識別情報に対して、取引量、取引額、決済エラー数などの情報が対応付けられたものである。観測期間は、例えば、一カ月、一週間といった期間である。媒介業者とは、電子決済を媒介する事業者であり、例えば、加盟店、電子決済のプラットフォーマーなどを含む。決済エラーとは、通信エラー、残高不足、ショッピングサイトにおいてカートに入れたが決済しなかった、などの事象である。

図８は、第１実施形態に係るキャンペーン情報１８０の内容の一例を示す図である。キャンペーン情報１８０は、例えば、媒介業者の識別情報に対して、キャンペーンの内容情報、取引量、取引額、決済エラー数などの情報が対応付けられたものである。キャンペーンの内容情報として、対象期間、還元率などが規定されている。取引量、取引額は、キャンペーンが行われた期間における取引の回数や金額を集計したものである。

［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、電子決済サービスと連携するクレジットカード会社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。

＜第１実施形態＞
［解析装置］
以下、解析装置２００について説明する。図９は、第１実施形態に係る解析装置２００の構成図である。解析装置２００は、例えば、取得部２１０と、受付部２２０と、第１処理部２３０と、第２処理部２４０と、第３処理部２５０と、記憶部２７０とを備える。記憶部２７０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、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２７０には、解析元情報２７２、第１モデル２７４、第２モデル２７６などの情報が格納される。

解析装置２００には、入出力装置２９０が接続されてよい。入出力装置２９０は、キーボードやマウス、タッチパッド、タッチパネル、表示装置などを含む。

取得部２１０は、決済サーバ１００から決済統計情報１７８やキャンペーン情報１８０を取得する。決済統計情報１７８が取得可能な媒介業者は、解析対象の媒介業者のうち一部である場合がある。取得部２１０は、決済統計情報１７８が取得可能な媒介業者のデータに基づいて決済統計情報１７８を補完するためのモデルを生成しておき、決済統計情報１７８が取得可能でない媒介業者に関しては、取得可能なデータをモデルに適用することで補完データを生成してもよい。受付部２２０は、解析対象となるキャンペーンの内容情報と、対象媒介業者の入力を受け付ける。受付部２２０は、入出力装置２９０に対する操作に基づいて上記の入力を受け付けてもよいし、他装置から通信によって入力を受け付けてもよい。

第１処理部２３０は、第１モデル２７４に、入力が受け付けられたキャンペーンの内容情報と対象媒介業者を入力することで、暫定的な取引量または取引金額を導出する。なお、キャンペーンの内容情報は第１モデル２７４に入力される前に、正規化して抽象化した特徴情報に変換する前処理が行われる（学習過程においても同様）。図１０は、第１モデル２７４の学習過程の一例を示す図である。第１モデル２７４は、キャンペーン情報１８０から得られる、キャンペーンの内容情報と媒介業者を学習データ、そのキャンペーンが行われた際の取引量または取引金額を教師データとして、バックプロパゲーションなどの手法によって、キャンペーンの内容情報と媒介業者が入力されると、推定される取引量または取引金額を出力するように学習されたモデルである。第１モデル２７４の出力する取引量または取引金額は、例えばＴＰＳ（Transactions per second）すなわち単位時間（例えば１秒）当たりの取引量または取引金額である。これを時間的に加算することでキャンペーンの影響による全体の取引量または取引金額を導出することができる。

第２処理部２４０は、第１処理部２３０によって導出された暫定的な取引量または取引金額と対象媒介業者を第２モデル２７６に入力することで、決済エラー率を導出する（なお、決済エラー数を導出するものは、これと等価である）。図１１は、第２モデル２７６の学習過程の一例を示す図である。第２モデル２７６は、決済統計情報１７８から得られる、取引量または取引金額と媒介業者を学習データ、その際の決済エラー発生率を教師データとして、バックプロパゲーションなどの手法によって、取引量または取引金額と媒介業者が入力されると、決済エラー率を出力するように学習されたモデルである。

第３処理部２５０は、第１処理部２３０により導出された暫定的な取引量または取引金額を、第２処理部２４０により導出された決済エラー発生率で割り引いて、最終的な取引量または取引金額を導出する。この最終的な取引量または取引金額が、入力されたキャンペーンの内容情報と対象媒介業者に基づいて予想される取引量または取引金額となる。最終的な取引量または取引金額の情報は、入出力装置２９０によって表示されてもよいし、ネットワークを介して他の装置に提供されてもよい。また、第３処理部２５０は、導出した値を媒介業者間で合計して、キャンペーンを実施した場合の総取引量または総取引金額を導出し、上記のように表示または提供してもよい。

図１２および図１３は、本実施形態の効果について説明するための図である。図１２は、大手の媒介業者ごとの、ある観測期間（上記と同じでもよいし、異なってもよい）における取引量を示すグラフである。図１３は、図１２と同じ観測期間における同じ媒介業者ごとの決済エラー発生数を示すグラフである。図示するように、決済エラー発生数は取引量に比例するものでは無く、媒介業者によって特性が異なるものである。媒介業者には、取引量が多くなるほど決済エラー発生数が増加するもの、取引量と決済エラー発生数の関連性が比較的低いもの、など特性の異なるものが混在している。第２モデル２７６は、このような特性を予め学習しているため、暫定的な取引量または取引金額と対象媒介業者が入力されると、正確な決済エラー発生率を出力することができる。

以上説明した第１実施形態によれば、キャンペーンの効果を適切な絞り込みの下で正確に予測することができる。

＜第２実施形態＞
以下、第２実施形態について説明する。第２実施形態では、決済統計情報１７８とキャンペーン情報１８０の内容が第１実施形態と異なっており、解析装置の構成および機能も異なっている。以下、相違点を中心に説明する。

図１４は、第２実施形態に係る決済統計情報１７８の内容の一例を示す図である。また、図１５は、第２実施形態に係るキャンペーン情報１８０の内容の一例を示す図である。第２実施形態に係る決済統計情報１７８およびキャンペーン情報１８０は、第１実施形態に係る決済統計情報１７８およびキャンペーン情報１８０を更に、決済が行われた地区に細分化した情報である。なお第２実施形態において決済エラー数は必須ではないため、図示を省略している。

図１６は、第２実施形態に係る解析装置３００の構成図である。解析装置３００は、例えば、取得部３１０と、受付部３２０と、処理部３３０と、記憶部３７０とを備える。記憶部３７０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、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。

取得部３１０は、決済サーバ１００から決済統計情報１７８やキャンペーン情報１８０を取得する。受付部３２０は、解析対象となるキャンペーンの内容情報と、対象媒介業者と、対象地区の入力を受け付ける。受付部３２０は、入出力装置３９０に対する操作に基づいて上記の入力を受け付けてもよいし、他装置から通信によって入力を受け付けてもよい。

処理部３３０は、入力が受け付けられたキャンペーンの内容情報と対象媒介業者と対象地区をモデル３７４に入力することで、取引量または取引金額を導出する。図１７は、モデル３７４の学習過程の一例を示す図である。モデル３７４は、キャンペーン情報１８０から得られる、キャンペーンの内容情報と媒介業者と地区を学習データ、そのキャンペーンが行われた際の取引量または取引金額を教師データとして、バックプロパゲーションなどの手法によって、キャンペーンの内容情報と媒介業者と対象地区が入力されると、推定される取引量または取引金額を出力するように学習されたモデルである。モデル３７４の出力する取引量または取引金額は、例えば第１モデル２７４と同様にＴＰＳすなわち単位時間（例えば１秒）当たりの取引量または取引金額である。これを時間的に加算することでキャンペーンの影響による全体の取引量または取引金額を導出することができる。処理部３３０は、導出した値を媒介業者間および／または地区間で合計して、キャンペーンを実施した場合の総取引量または総取引金額を導出してもよい。

図１８は、媒介業者ごとの取引金額と、その地区ごとの内訳との関係を示す図である。図示するように、媒介業者ごとに取引金額の大きい地区は異なっており、キャンペーンの効果を予測する際には、その割合を考慮することが望ましい。モデル３７４は、地区を学習データに含めて学習が行われたものであるため、どの媒介業者にどの地区でキャンペーンを行うと効果が大きいのかを正確に出力することができる。

以上説明した第２実施形態によれば、キャンペーンの効果を適切な絞り込みの下で正確に予測することができる。

上記の第１実施形態において、第２実施形態のように地区ごとに細分化された情報を用いて、更に地区を第１モデル２７４と第２モデル２７６の少なくとも一方に入力してもよい。すなわち、取得部２１０は、媒介業者ごとの地区ごとの取引量または取引金額に関する情報を取得し、受付部２２０は、更に対象地区の入力を受け付け、第１モデル２７４は、キャンペーンの内容情報と媒介業者と対象地区を入力すると暫定的な取引量または取引金額を出力するモデルであり、第１処理部２３０は、第１モデル２７４に、入力が受け付けられた対象地区を更に入力することで、取引量または取引金額を導出するものであってもよい。第２モデル２７６は、暫定的な取引量または取引金額と媒介業者と対象地区を入力すると決済エラー発生率を出力するモデルであり、第２処理部２４０は、第２モデル２７６に、入力が受け付けられた対象地区を更に入力することで、決済エラー発生率を導出するものであってもよい。それらの両方が同時に実施されてもよい。こうすれば、キャンペーンの効果を更に正確に予測することができる。

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
１００決済サーバ
１２０ 決済コンテンツ提供部
１３０ 決済処理部
１４０ 情報管理部
２００、３００ 解析装置
２１０、３１０ 取得部
２２０、３２０ 受付部
２３０ 第１処理部
２４０ 第２処理部
２５０ 第３処理部
２７０、３７０ 記憶部
２７４ 第１モデル
２７６ 第２モデル
３３０ 処理部
３７４ モデル

Claims (10)

1. 電子決済サービスにおけるキャンペーンの効果を解析する解析装置であって、
   電子決済を媒介する媒介業者ごとの取引量または取引金額に関する情報と、決済エラー発生に関する情報とを取得する取得部と、
   キャンペーンの内容情報と対象媒介業者の入力を受け付ける受付部と、
   キャンペーンの内容情報と媒介業者を入力すると暫定的な取引量または取引金額を出力する第１モデルに、前記入力が受け付けられたキャンペーンの内容情報と対象媒介業者を入力することで、前記暫定的な取引量または取引金額を導出する第１処理部と、
   暫定的な取引量または取引金額と媒介業者を入力すると決済エラー発生率を出力する第２モデルに、前記導出された暫定的な取引量または取引金額と前記対象媒介業者を入力することで、前記決済エラー発生率を導出する第２処理部と、
   前記導出された暫定的な取引量または取引金額を前記導出された決済エラー発生率で割り引いて最終的な取引量または取引金額を導出する第３処理部と、
   を備え、
   前記第１モデルは、キャンペーンの内容情報と媒介業者を学習データ、当該キャンペーンが行われた際の取引量または取引金額を教師データとして機械学習によって学習された学習済モデルであり、
   前記第２モデルは、取引量または取引金額と媒介業者を学習データ、取引量または取引金額と媒介業者に対応する決済エラー発生率を教師データとして機械学習によって学習された学習済モデルである、
   解析装置。
2. 前記取得部は、前記媒介業者ごとの地区ごとの取引量または取引金額に関する情報を取得し、
   前記受付部は、更に対象地区の入力を受け付け、
   前記第１モデルは、キャンペーンの内容情報と媒介業者と対象地区を入力すると暫定的な取引量または取引金額を出力するモデルであり、
   前記第１処理部は、前記第１モデルに、前記入力が受け付けられた対象地区を更に入力することで、前記取引量または取引金額を導出する、
   請求項１記載の解析装置。
3. 前記取得部は、前記媒介業者ごとの地区ごとの取引量または取引金額に関する情報を取得し、
   前記受付部は、更に対象地区の入力を受け付け、
   前記第２モデルは、暫定的な取引量または取引金額と媒介業者と対象地区を入力すると決済エラー発生率を出力するモデルであり、
   前記第２処理部は、前記第２モデルに、前記入力が受け付けられた対象地区を更に入力することで、前記決済エラー発生率を導出する、
   請求項１または２記載の解析装置。
4. 前記第３処理部は、導出した値を媒介業者間で合計して、前記キャンペーンを実施した場合の総取引量または総取引金額を導出する、
   請求項１または２記載の解析装置。
5. 電子決済サービスにおけるキャンペーンの効果を解析する解析装置であって、
   電子決済を媒介する媒介業者ごとの地区ごとの取引量または取引金額に関する情報を取得する取得部と、
   キャンペーンの内容情報と対象媒介業者と対象地区の入力を受け付ける受付部と、
   キャンペーンの内容情報と媒介業者と対象地区を入力すると取引量または取引金額を出力するモデルに、前記入力が受け付けられたキャンペーンの内容情報と対象媒介業者と対象地区を入力することで、前記取引量または取引金額を導出する処理部と、
   を備え、
   前記モデルは、キャンペーンの内容情報と対象媒介業者と地区を学習データ、当該キャンペーンが行われた際の取引量または取引金額を教師データとして機械学習によって学習された学習済モデルである、
   解析装置。
6. 前記処理部は、導出した値を媒介業者間および地区間で合計して、前記キャンペーンを実施した場合の総取引量または総取引金額を導出する、
   請求項５記載の解析装置。
7. 電子決済サービスにおけるキャンペーンの効果を解析する解析装置が、
   電子決済を媒介する媒介業者ごとの取引量または取引金額に関する情報と、決済エラー発生に関する情報とを取得する処理と、
   キャンペーンの内容情報と対象媒介業者の入力を受け付ける処理と、
   キャンペーンの内容情報と媒介業者を入力すると暫定的な取引量または取引金額を出力する第１モデルに、前記入力が受け付けられたキャンペーンの内容情報と対象媒介業者を入力することで、前記暫定的な取引量または取引金額を導出する処理と、
   暫定的な取引量または取引金額と媒介業者を入力すると決済エラー発生率を出力する第２モデルに、前記導出された暫定的な取引量または取引金額と前記対象媒介業者を入力することで、前記決済エラー発生率を導出する処理と、
   前記導出された暫定的な取引量または取引金額を前記導出された決済エラー発生率で割り引いて最終的な取引量または取引金額を導出する処理と、
   を実行し、
   前記第１モデルは、キャンペーンの内容情報と媒介業者を学習データ、当該キャンペーンが行われた際の取引量または取引金額を教師データとして機械学習によって学習された学習済モデルであり、
   前記第２モデルは、取引量または取引金額と媒介業者を学習データ、取引量または取引金額と媒介業者に対応する決済エラー発生率を教師データとして機械学習によって学習された学習済モデルである、
   解析方法。
8. 電子決済サービスにおけるキャンペーンの効果を解析する解析装置が、
   電子決済を媒介する媒介業者ごとの地区ごとの取引量または取引金額に関する情報を取得する処理と、
   キャンペーンの内容情報と対象媒介業者と対象地区の入力を受け付ける処理と、
   キャンペーンの内容情報と媒介業者と対象地区を入力すると取引量または取引金額を出力するモデルに、前記入力が受け付けられたキャンペーンの内容情報と対象媒介業者と対象地区を入力することで、前記取引量または取引金額を導出する処理と、
   を実行し、
   前記モデルは、キャンペーンの内容情報と対象媒介業者と地区を学習データ、当該キャンペーンが行われた際の取引量または取引金額を教師データとして機械学習によって学習された学習済モデルである、
   解析方法。
9. 電子決済サービスにおけるキャンペーンの効果を解析する解析装置に、
   電子決済を媒介する媒介業者ごとの取引量または取引金額に関する情報と、決済エラー発生に関する情報とを取得する処理と、
   キャンペーンの内容情報と対象媒介業者の入力を受け付ける処理と、
   キャンペーンの内容情報と媒介業者を入力すると暫定的な取引量または取引金額を出力する第１モデルに、前記入力が受け付けられたキャンペーンの内容情報と対象媒介業者を入力することで、前記暫定的な取引量または取引金額を導出する処理と、
   暫定的な取引量または取引金額と媒介業者を入力すると決済エラー発生率を出力する第２モデルに、前記導出された暫定的な取引量または取引金額と前記対象媒介業者を入力することで、前記決済エラー発生率を導出する処理と、
   前記導出された暫定的な取引量または取引金額を前記導出された決済エラー発生率で割り引いて最終的な取引量または取引金額を導出する処理と、
   を実行させるためのプログラムであって、
   前記第１モデルは、キャンペーンの内容情報と媒介業者を学習データ、当該キャンペーンが行われた際の取引量または取引金額を教師データとして機械学習によって学習された学習済モデルであり、
   前記第２モデルは、取引量または取引金額と媒介業者を学習データ、取引量または取引金額と媒介業者に対応する決済エラー発生率を教師データとして機械学習によって学習された学習済モデルである、
   プログラム。
10. 電子決済サービスにおけるキャンペーンの効果を解析する解析装置に、
    電子決済を媒介する媒介業者ごとの地区ごとの取引量または取引金額に関する情報を取得する処理と、
    キャンペーンの内容情報と対象媒介業者と対象地区の入力を受け付ける処理と、
    キャンペーンの内容情報と媒介業者と対象地区を入力すると取引量または取引金額を出力するモデルに、前記入力が受け付けられたキャンペーンの内容情報と対象媒介業者と対象地区を入力することで、前記取引量または取引金額を導出する処理と、
    を実行させるためのプログラムであって、
    前記モデルは、キャンペーンの内容情報と対象媒介業者と地区を学習データ、当該キャンペーンが行われた際の取引量または取引金額を教師データとして機械学習によって学習された学習済モデルである、
    プログラム。

Images