JP7459028B2 - 推定装置、推定方法および推定プログラム - Google Patents
推定装置、推定方法および推定プログラム Download PDFInfo
- Publication number
- JP7459028B2 JP7459028B2 JP2021135050A JP2021135050A JP7459028B2 JP 7459028 B2 JP7459028 B2 JP 7459028B2 JP 2021135050 A JP2021135050 A JP 2021135050A JP 2021135050 A JP2021135050 A JP 2021135050A JP 7459028 B2 JP7459028 B2 JP 7459028B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- users
- search
- estimation
- information
- 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
- 238000000034 method Methods 0.000 title claims description 48
- 238000000605 extraction Methods 0.000 claims description 37
- 230000006399 behavior Effects 0.000 claims description 24
- 239000000284 extract Substances 0.000 claims description 22
- 238000012545 processing Methods 0.000 description 41
- 230000008569 process Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 230000003542 behavioural effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000004083 survival effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000035606 childbirth Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
以下に、実施形態に係る推定システム100の処理、推定装置10の構成、処理の具体例、処理の流れを順に説明し、最後に本実施形態の効果を説明する。
図1を用いて、本実施形態に係る推定システム(適宜、本システム)100の処理を説明する。図1は、実施形態に係る推定システムの処理の一例を示す図である。以下では、本システム100の構成例、本システム100の処理、第一想起検索の重要性、本システム100の効果の順に説明する。
図1に示した本システム100は、推定装置10、検討ユーザ端末(適宜、検討ユーザ)20および潜在層ユーザ端末(適宜、潜在層ユーザ)30を有する。ここで、推定装置10と、検討ユーザ端末20と、潜在層ユーザ端末30とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、本システム100には、複数台の推定装置10、複数台の検討ユーザ端末20、および複数台の潜在層ユーザ端末30が含まれてもよい。
推定装置10は、検討ユーザ端末20との間、および潜在層ユーザ端末30との間でデータの送受信を行う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。図1の例では、推定装置10がサーバ装置により実現される場合を示す。
検討ユーザ端末20は、商材の購入や利用を検討している、または検討したことのあるユーザ(検討ユーザ)によって使用されるデバイス(コンピュータ)である。検討ユーザ端末20は、検討ユーザによる操作を受け付ける。なお、検討ユーザ端末20は、例えば、スマートフォンや、タブレット型端末や、ノート型PC(Personal Computer)や、デスクトップPCや、携帯電話機や、PDA(Personal Digital Assistant)等により実現される。図1の例では、検討ユーザ端末20がデスクトップPCにより実現される場合を示す。
潜在層ユーザ端末30は、商材の購入や利用を検討していないユーザ(潜在層ユーザ)によって使用されるデバイス(コンピュータ)である。潜在層ユーザ端末30は、潜在層ユーザによる操作を受け付ける。なお、潜在層ユーザ端末30は、例えば、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等により実現される。図1の例では、潜在層ユーザ端末30がデスクトップPCにより実現される場合を示す。
(1-2-1.ステップS1の処理)
本システム100において、第1に、推定装置10は、検討ユーザ端末20からユーザ情報を収集する(ステップS1)。ここで、ユーザ情報とは、ユーザに関する情報であって、ユーザのWebサイト上での検索履歴、閲覧履歴の他、ユーザの性別、年齢、職業、居住地、既婚・未婚の別、子供の有無等のユーザの属性を含む情報である。さらに、ユーザ情報は、検討ユーザ端末20を介して収集したユーザの位置情報、画面情報、生体情報等であってもよく、特に限定されない。また、図1の例では、推定装置10は、ユーザ情報を検討ユーザ端末20から収集しているが、潜在層ユーザ端末30や図示しないその他の端末から収集してもよい。
本システム100において、第2に、推定装置10は、収集したユーザ情報からユーザの起点前の特徴を抽出する(ステップS2)。ここで、起点とは、検討ユーザがブランド・商品等の初回の検索行動である第一想起検索を実行した時点である。また、第一想起とは、「このような製品やサービスで、頭に思い浮かぶブランド名を挙げてください」というブランド再生(純粋想起)のうち、最初に挙がるブランド名のことである。純粋想起は、購入意向に至るブランドのうちほぼ大部分を占め、第1位に該当する第一想起は純粋想起の中でも最重要となる。近年、第一想起の分析は、想起集合やダブルジョパディの法則等の概念によりマーケティング上の重要度を増している。
本システム100において、第3に、推定装置10は、抽出したユーザの起点前の特徴に基づいて、潜在層ユーザの特徴を推定し、潜在層ユーザを特定する(ステップS3)。図1の例では、推定装置10は、「商品A」の検討ユーザの起点前の特徴ごとに「商品A」の「特徴度」を算出し、当該特徴度が高い特徴を潜在層ユーザの特徴と推定し、ブランド・商品を想起しやすい潜在関心層を特定している。
本システム100において、第4に、推定装置10は、潜在層ユーザ端末30に対して商材の広告を配信する(ステップS4)。例えば、推定装置10は、「商品A」を検討する特徴を有する潜在層ユーザに対して「商品A」のWeb広告を配信する。また、図1の例では、推定装置10は、広告を潜在層ユーザ端末30に対して配信しているが、検討ユーザ端末20や図示しないその他の端末に対して配信してもよい。
図2~図4を用いて、本システム100の処理の前提となる第一想起検索の重要性について説明する。図2~図4は、第一想起検索を説明するための図である。以下では、ユーザの検索行動の概要を説明した上で、第一想起検索と最大検討者数との関連性、第一想起検索と最終的CVとの関連性、第一想起検索によるブランディング戦略の順に説明する。
以下では、ユーザの検索行動の概要について説明する。例えば、商材の購入等を検討するユーザは、第一想起検索(起点)から最終生存(購入)に至るまでに、「商品A」→「商品B」→「商品C」→「商品A」→「商品B」→「商品A」のように競合する商材を検討する場合がある。このような場合、ユーザは、第一想起検索(起点)から最終生存(購入)に至るまでに、「商品A」→「商品B」→「商品C」→「商品A」→「商品B」→「商品A」のように競合する商材を示す検索クエリを入力することとなる。このため、検索データを使って、ユーザ単位でブランド・商品の登場順を評価した場合、第一想起検索は、最大検討者数や最終的なCVを左右する重要な数値であると考えられる。
図2を用いて、第一想起検索と最大検討者数との関連性について説明する。図2の例では、自動車の車種A~Iごとの第一想起検索率と検討率の関係を示しているが、競合車が同一比率(約2倍)で一直線上に並んでいる。すなわち、図2の例では、「ブランドがどれぐらいの人に検討してもらえるか」(検討率)が、第一想起検索率に比例して高くなっている。したがって、第一想起検索率が高い商材ほど最大検討者数は多くなることとなる。
図3を用いて、第一想起検索と最終的CVとの関連性について説明する。図3の例では、自動車の車種Xの検討パターン別の見積もりCV確率を示しているが、車種Xが第一想起され、かつ最終生存する確率が最も高い。したがって、第一想起検索ユーザが最終的なCVに直結していることがわかる。
図4を用いて、第一想起検索によるブランディング戦略について説明する。ユーザは、図4に示すように「無関係層」「潜在層」「顕在層」「接触者」「購入者」等に分類される。ここで、「無関係層」は、検討・購入の可能性がないユーザである。また、「顕在層」は、商材の購入等の検討を開始したユーザであり、「接触者」は、検討を進めているユーザであり、「購入者」は、商材の購入等を開始したユーザである。
上述したように、第一想起検索と最終的CVとには、密接な関係性が存在するが、第一想起検索を行うユーザは、すでに検索を開始しているため、商材に対して既に興味を有するユーザ、すなわち、顕在層のユーザであると考えられる。しかしながら、第一想起検索と最終的CVとに密接な関係性が存在する以上、第一想起検索の対象とした商材と異なる商材をユーザにアピールしても、ユーザを誘導するのは難しい。
図5を用いて、実施形態に係る推定装置10の構成について説明する。図5は、実施形態に係る推定装置10の構成例を示すブロック図である。図5に示すように、推定装置10は、通信部11、記憶部12および制御部13を有する。なお、推定装置10は、推定装置10の管理者等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、所定の通信網(ネットワーク)と有線または無線で接続され、検討ユーザ端末20や潜在層ユーザ端末30との間で情報の送受信を行う。
記憶部12は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)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。実施形態に係る記憶部12は、図5に示すように、ユーザ情報記憶部12a、特徴情報記憶部12b、潜在層情報記憶部12cおよび広告情報記憶部12dを有する。そして、記憶部12は、制御部13が動作する際に参照する各種情報や、制御部13が動作した際に取得した各種情報を記憶する。
ユーザ情報記憶部12aは、検討ユーザ20や潜在層ユーザ30から収集されたユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部12aは、ユーザのWebサイト上での検索履歴、閲覧履歴の他、ユーザの性別、年齢、職業、居住地、既婚・未婚の別、子供の有無等のユーザの属性を含む情報等を記憶する。
特徴情報記憶部12bは、ユーザ情報から抽出されたユーザの特徴を記憶する。例えば、特徴情報記憶部12bは、ユーザのWebサイト上での検索履歴、閲覧履歴から抽出した検索ワードや興味のあるカテゴリーの他、変化したライフステージ等のユーザの属性を記憶する。
潜在層情報記憶部12cは、潜在層ユーザ30を特定するための特徴や特定された潜在層ユーザ30に関する情報を記憶する。例えば、潜在層情報記憶部12cは、推定部13cによって算出された特徴度や潜在層ユーザのリストを記憶する。
広告情報記憶部12dは、潜在層ユーザ30や検討ユーザ20に対して配信する広告に関する情報を記憶する。例えば、広告情報記憶部12dは、ブランドを印象付けするための広告や、商品の購入を惹起するための広告を記憶する。
制御部13は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、推定装置10内部の記憶装置に記憶されている各種プログラム(推定プログラムの一例に相当)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13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。
収集部13aは、ユーザの情報を収集する。情報の収集元について説明すると、例えば、収集部13aは、検討ユーザ20からユーザの情報を収集する。また、収集部13aは、潜在層ユーザ30からユーザの情報を収集してもよい。
抽出部13bは、ユーザの情報から、取引対象の検討を開始する時点の前におけるユーザの特徴を抽出する。抽出するユーザの特徴について説明すると、例えば、抽出部13bは、ユーザの特徴として、取引対象の検討を開始する時点の前におけるユーザの行動特性を抽出する。すなわち、抽出部13bは、取引対象の検討を開始する時点から一定期間遡った期間内に入力した検索クエリ、閲覧したWebサイト、変更したユーザの属性等を抽出する。
推定部13cは、ユーザの特徴に基づいて、ユーザが取引対象の検討を開始するか否かを推定する。例えば、推定部13cは、ユーザの特徴から所定の特徴度を算出し、商材ごとに特徴度が高い特徴を潜在層ユーザ30の特徴と推定し、潜在層ユーザ30の特徴を有するユーザを潜在層ユーザ30として特定する。
配信部13dは、推定部13cによって取引対象の検討を開始すると推定された潜在層ユーザ30に対して、取引対象の広告を配信する。例えば、配信部13dは、潜在層ユーザ30のうち取引対象の検討を開始していないユーザに対して、取引対象の広告を配信する。また、配信部13dは、取引対象の検討の有無に関わらず潜在層ユーザ30の特徴を有するユーザに対して、取引対象の広告を配信してもよい。
学習部13eは、抽出部が抽出した顕在層のユーザの第一想起検索前の各種行動のデータをモデルに入力した際に、第一想起検索を行いそうなユーザである旨を示す情報を出力するように、モデルを学習する。このとき、学習部13eは、バックプロパゲーション等によりモデルを学習してもよい。
図6および図7を用いて、実施形態に係る処理の具体例について説明する。図6は、実施形態に係る潜在層特徴推定処理の一例を示す図である。図7は、実施形態に係る潜在層特徴推定処理の一例を示す図である。以下では、実施形態に係る起点前特徴抽出処理の具体例、潜在層特徴推定処理の具体例の順に説明する。
図6および図7を用いて、実施形態に係る起点前特徴抽出処理の具体例について説明する。以下では、特徴抽出期間、特徴の具体例の順に説明する。
図6に示すように、商材の購入や利用を検討するユーザ(検討ユーザ)20の行動は、検索行動が存在しない期間(図6(1)参照)と、第一想起検索(図6(2)参照)から最終生存(図6(3)参照)までの検討期間とに分けて説明することができる。
図7に示すように、推定装置10は、第一想起検索直前の特徴を抽出する。図7の例では、推定装置10は、ユーザの検索履歴や閲覧履歴から、「幼児向け製品」「旅行」「ソフトウェア」「食品・飲料」「DIY・工具」「パート/アルバイト」「グルメ、料理」「ゲーム」「美容/健康」「ペット/ペット用品」「飲食店」「金融」「ニュース/情報」「家具/インテリア」等を特徴として抽出する。
図7を用いて、実施形態に係る潜在層特徴推定処理の具体例について説明する。以下では、特徴加工処理、特徴度算出処理、特徴選択処理の順に説明する。
推定装置10は、抽出したユーザの特徴を適宜加工することができる。すなわち、推定装置10は、特定の検索ワードを抽出対象から除外したり、類似のカテゴリーを統合したり、複数の属性を結合したりすることができる。
推定装置10は、抽出した特徴ごとに特徴度を算出することができる。図7の例では、「商品A 特徴度」として、「商品A」を購入したユーザの特徴として出現した確率と、全ユーザの特徴として出現した確率との差分を特徴度として算出している。
推定装置10は、特徴度をもとに特徴を選択し、潜在層ユーザ30の特徴を推定することができる。図7の例では、「商品A 特徴度」として特徴度が高い順に特徴を並べ、特徴度2.0~3.5%付近の特徴を選択し、潜在層ユーザ30の特徴として推定している(図7破線矩形参照)。
図8を用いて、推定処理全体の流れを説明する。図8は、実施形態に係る処理全体の流れを示すフローチャートである。以下では、処理全体の流れを説明した上で、各処理の概要を説明する。
第1に、推定装置10の収集部13aは、ユーザ情報収集処理を実行する(ステップS101)。第2に、推定装置10の抽出部13bは、起点前特徴抽出処理を実行する(ステップS102)。第3に、推定装置10の推定部15cは、潜在層特徴推定処理を実行する(ステップS103)。第4に、推定装置10の配信部13dは、広告配信処理を実行し(ステップS104)、処理を終了する。なお、上記のステップS101~S104は、異なる順序で実行することもできる。また、上記のステップS101~S104のうち、省略される処理があってもよい。
(4-2-1.ユーザ情報収集処理の流れ)
第1に、収集部13aによるユーザ情報収集処理について説明する。ユーザ情報収集処理では、収集部13aは、検討ユーザ20から、検索履歴、閲覧履歴、ユーザの属性等を含むユーザ情報を収集する。
第2に、抽出部13bによる起点前特徴抽出処理について説明する。起点前特徴抽出処理では、抽出部13bは、ユーザの商材の検討を検知し、初めて当該商材を検索した時点を起点と判定し、当該起点から溯って一定期間における当該ユーザの検索履歴、閲覧履歴、変更があった属性から特徴を抽出する。
第3に、推定部15cによる潜在層特徴推定処理について説明する。潜在層特徴推定処理では、推定部15cは、抽出した検索ワードや属性等の特徴ごとに特徴度を算出し、特徴度に基づいて潜在層ユーザ30が有する特徴を推定し、当該特徴を有するユーザを潜在層ユーザ30として特定する。
第4に、配信部13dによる広告配信処理について説明する。広告配信処理では、配信部13dは、商材の検討を開始すると推定された潜在層ユーザ30に対して、当該商材の広告を配信する。
第1に、上述した本実施形態に係る処理では、ユーザの情報を収集し、ユーザの情報から、取引対象の検討を開始する時点の前におけるユーザの特徴を抽出し、抽出したユーザの特徴に基づいて、ユーザが取引対象の検討を開始するか否かを推定する。このため、本処理では、効果的に広告を配信することができる。
また、上述してきた実施形態に係る推定装置10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。以下、推定装置10を例に挙げて説明する。図9は、推定装置10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。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換または変更を行うことができる。
11 通信部
12 記憶部
12a ユーザ情報記憶部
12b 特徴情報記憶部
12c 潜在層情報記憶部
12d 広告情報記憶部
13 制御部
13a 収集部
13b 抽出部
13c 推定部
13d 配信部
20 検討ユーザ端末(検討ユーザ)
30 潜在層ユーザ端末(潜在層ユーザ)
100 推定システム
Claims (8)
- 複数のユーザの情報を収集する収集部と、
前記情報から、前記複数のユーザのうち取引対象に対する初回の検索行動である第一想起検索を実行した検討ユーザを特定し、前記検討ユーザのうち前記取引対象の取引に至ったユーザの特徴であって前記第一想起検索を実行した時点の前における特徴を抽出する抽出部と、
前記特徴に基づいて、前記複数のユーザのうち前記取引対象に対する前記第一想起検索を実行する潜在層ユーザを推定する推定部と、
を備えることを特徴とする推定装置。 - 前記推定部によって推定された前記潜在層ユーザに対して、前記取引対象の広告を配信する配信部、
をさらに備えることを特徴とする請求項1に記載の推定装置。 - 前記収集部は、前記情報として、前記複数のユーザの検索履歴、閲覧履歴または属性を収集する、
ことを特徴とする請求項1に記載の推定装置。 - 前記抽出部は、学習モデルを用いて前記特徴を抽出する、
ことを特徴とする請求項1に記載の推定装置。 - 前記推定部は、前記特徴の出現率を用いて所定の特徴度を算出し、前記複数のユーザのうち前記潜在層ユーザを推定する、
ことを特徴とする請求項1に記載の推定装置。 - 前記配信部は、前記潜在層ユーザのうち前記取引対象に対する前記第一想起検索を実行していないユーザに対して、前記広告を配信する、
ことを特徴とする請求項2に記載の推定装置。 - 推定装置によって実行される推定方法であって、
複数のユーザの情報を収集する収集工程と、
前記情報から、前記複数のユーザのうち取引対象に対する初回の検索行動である第一想起検索を実行した検討ユーザを特定し、前記検討ユーザのうち前記取引対象の取引に至ったユーザの特徴であって前記第一想起検索を実行した時点の前における特徴を抽出する抽出工程と、
前記特徴に基づいて、前記複数のユーザのうち前記取引対象に対する前記第一想起検索を実行する潜在層ユーザを推定する推定工程と、
を含むことを特徴とする推定方法。 - 複数のユーザの情報を収集する収集ステップと、
前記情報から、前記複数のユーザのうち取引対象に対する初回の検索行動である第一想起検索を実行した検討ユーザを特定し、前記検討ユーザのうち前記取引対象の取引に至ったユーザの特徴であって前記第一想起検索を実行した時点の前における特徴を抽出する抽出ステップと、
前記特徴に基づいて、前記複数のユーザのうち前記取引対象に対する前記第一想起検索を実行する潜在層ユーザを推定する推定ステップと、
をコンピュータに実行させることを特徴とする推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021135050A JP7459028B2 (ja) | 2021-08-20 | 2021-08-20 | 推定装置、推定方法および推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021135050A JP7459028B2 (ja) | 2021-08-20 | 2021-08-20 | 推定装置、推定方法および推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023029003A JP2023029003A (ja) | 2023-03-03 |
JP7459028B2 true JP7459028B2 (ja) | 2024-04-01 |
Family
ID=85330938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021135050A Active JP7459028B2 (ja) | 2021-08-20 | 2021-08-20 | 推定装置、推定方法および推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7459028B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015230717A (ja) | 2014-06-06 | 2015-12-21 | ヤフー株式会社 | 抽出装置、抽出方法及び抽出プログラム |
JP2019197422A (ja) | 2018-05-10 | 2019-11-14 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2021086519A (ja) | 2019-11-29 | 2021-06-03 | ヤフー株式会社 | 判定装置、判定方法、および判定プログラム |
-
2021
- 2021-08-20 JP JP2021135050A patent/JP7459028B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015230717A (ja) | 2014-06-06 | 2015-12-21 | ヤフー株式会社 | 抽出装置、抽出方法及び抽出プログラム |
JP2019197422A (ja) | 2018-05-10 | 2019-11-14 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2021086519A (ja) | 2019-11-29 | 2021-06-03 | ヤフー株式会社 | 判定装置、判定方法、および判定プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2023029003A (ja) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111784455B (zh) | 一种物品推荐方法及推荐设备 | |
Prasad et al. | Consumer buying decisions models: A descriptive study | |
US8364528B2 (en) | System and process for improving product recommendations for use in providing personalized advertisements to retail customers | |
US8583524B2 (en) | System and process for improving recommendations for use in providing personalized advertisements to retail customers | |
US8108329B2 (en) | System and process for boosting recommendations for use in providing personalized advertisements to retail customers | |
JP6767824B2 (ja) | 判定装置、判定方法及び判定プログラム | |
US8019642B2 (en) | System and process for receiving boosting recommendations for use in providing personalized advertisements to retail customers | |
US11200593B2 (en) | Predictive recommendation system using tiered feature data | |
US10592918B2 (en) | Predictive recommendation system using tiered feature data | |
US20240029107A1 (en) | Automatic Item Placement Recommendations Based on Entity Similarity | |
JP7459028B2 (ja) | 推定装置、推定方法および推定プログラム | |
JP7491882B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6527276B2 (ja) | 情報処理装置、情報処理プログラムおよび情報処理方法 | |
US20240061911A1 (en) | Methods and Systems for Enabling Electronic Access to Electronic Content Offerings Over a Network | |
JP7326552B1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP7043650B1 (ja) | 推定装置、推定方法及び推定プログラム | |
JP7079867B1 (ja) | 生成装置、生成方法及び生成プログラム | |
JP7443280B2 (ja) | 提供装置、提供方法及び提供プログラム | |
JP2023170581A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2023170582A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2023120979A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2023159588A (ja) | 情報提供装置、情報提供方法および情報提供プログラム | |
CN118096297A (zh) | 商品推荐方法、装置、设备、存储介质及产品 | |
JP2023044493A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2020109539A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221020 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230925 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230926 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20231026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231127 |
|
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: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240319 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7459028 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |