JP7461086B1 - A project proposal generation system using a management server and an artificial intelligence chat - Google Patents
A project proposal generation system using a management server and an artificial intelligence chat Download PDFInfo
- Publication number
- JP7461086B1 JP7461086B1 JP2023090318A JP2023090318A JP7461086B1 JP 7461086 B1 JP7461086 B1 JP 7461086B1 JP 2023090318 A JP2023090318 A JP 2023090318A JP 2023090318 A JP2023090318 A JP 2023090318A JP 7461086 B1 JP7461086 B1 JP 7461086B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- question
- management server
- chat
- artificial intelligence
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 77
- 239000000284 extract Substances 0.000 claims description 15
- 238000007726 management method Methods 0.000 description 59
- 238000010586 diagram Methods 0.000 description 25
- 238000000034 method Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 20
- 238000013500 data storage Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000007728 cost analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】人工知能チャットに質問を繰り返すことでユーザの潜在ニーズを反映した価値の高い情報を含む商品サービス企画案を実現する管理サーバ及び企画案生成システムを提供する。【解決手段】企画案生成システムにおいて、管理サーバは、抽出した現状データと理想データとが有する各項目のうち同じ項目同士を比較して項目毎の乖離指数を算出し、基準値を超える乖離指数の項目と種類に応じて解析結果を生成する潜在ニーズ解析部と、ユーザ情報に紐づいている質問データ及び解析結果を取得し、質問データに含まれる項目と１個目のワードとに基づいて第１の質問文を生成し、解析結果の内容に応じた第１の回答文を人工知能により生成し、質問データに含まれる項目とＮ個目のワードとに基づいて第Ｎの質問文を生成し、解析結果の内容に応じた第Ｎの回答文を人工知能により生成し、Ｎの数に応じて質問文及び回答文の生成を繰り返す人工知能チャット部と、を有する。【選択図】図１[Problem] To provide a management server and a plan generation system that realizes a product/service plan including valuable information that reflects a user's potential needs by repeatedly asking questions to an AI chat. [Solution] In the plan generation system, the management server has a potential needs analysis unit that compares the same items among the items contained in the extracted current data and ideal data to calculate a deviation index for each item and generates an analysis result according to the item and type of deviation index that exceeds a reference value, and an AI chat unit that acquires question data linked to user information and the analysis result, generates a first question based on the item and the first word included in the question data, generates a first answer based on the content of the analysis result using AI, generates an Nth question based on the item and the Nth word included in the question data, generates an Nth answer based on the content of the analysis result using AI, and repeats the generation of the question and answer depending on the number N. [Selected Figure] Figure 1
Description
本発明は、管理サーバおよび人工知能チャットを利用した企画案生成システムに関する。 The present invention relates to a plan generation system using a management server and artificial intelligence chat.
従来、ＣｈａｔＧＰＴに代表される人工知能チャットボットを利用することで、ユーザは希望する事項につき質問を入力して容易に回答を得ることができたが、得られる回答が広範な情報を含むものが多く、ユーザの課題や潜在ニーズを反映した価値の高い（クリティカルな）情報が含まれるとは限らなかった。 Conventionally, by using artificial intelligence chatbots such as ChatGPT, users could easily input questions about the matters they wanted to know and receive answers. However, the answers they received often contained a broad range of information and did not necessarily contain valuable (critical) information that reflected the user's issues or potential needs.
例えば、特許文献１には、人工知能に基づくサービス実施システムおよび人工知能に基づくサービス実施の方法が開示されている。 For example, Patent Literature 1 discloses a service implementation system based on artificial intelligence and a method for implementing a service based on artificial intelligence.
しかし、特許文献１は、人工知能チャットに質問を繰り返してユーザの課題や潜在ニーズを反映した価値の高い情報を含む商品サービス企画案を提供することについて意図しているものではない。 However, Patent Document 1 does not intend to repeatedly ask questions to an artificial intelligence chat to provide product and service planning proposals that include high-value information that reflects the user's issues and latent needs.
本発明の目的は、人工知能チャットに質問を繰り返すことによりユーザの潜在ニーズを反映した価値の高い情報を含む商品サービス企画案を提供することである。 An object of the present invention is to provide a product and service proposal that includes valuable information that reflects users' latent needs by repeatedly asking questions in an artificial intelligence chat.
本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、次の通りである。 The following is a brief summary of the representative inventions disclosed in this application:
本発明の一実施の形態は、ユーザ端末１００を有する。また、管理サーバ１２０は、ビッグデータが記憶されているビッグデータサーバ１１０を有する。また、管理サーバ１２０は、ユーザ端末１００およびビッグデータが記憶されているビッグデータサーバ１１０とネットワークを介して接続される管理サーバ１２０であって、ユーザ端末１００から取得したユーザ情報２００に含まれる現状データ２１０を抽出し、ユーザ情報２００のうち会社情報を参照して理想データ３１０をビッグデータサーバ１１０から抽出し、現状データ２１０と理想データ３１０とが有する各項目のうち同じ項目同士を比較して項目毎の乖離指数６００を算出し、基準値を超える乖離指数６００の項目と種類に応じて解析結果７００を生成する潜在ニーズ解析部１４０を有する。また、管理サーバ１２０は、ユーザ情報２００に紐づいている質問データ３００及び解析結果７００を取得し、質問データ３００に含まれる項目と１個目のワードとに基づいて第１の質問文を生成し、解析結果７００の内容に応じた第１の回答文を人工知能により生成し、質問データ３００に含まれる項目とＮ個目のワードとに基づいて第Ｎの質問文を生成し、解析結果７００の内容に応じた第Ｎの回答文を人工知能により生成し、Ｎの数に応じて質問文及び回答文の生成を繰り返す人工知能チャット部を有する。 One embodiment of the invention includes a user terminal 100. Furthermore, the management server 120 includes a big data server 110 in which big data is stored. The management server 120 is connected via a network to the user terminal 100 and the big data server 110 in which big data is stored, and the management server 120 is a management server 120 that is connected via a network to the user terminal 100 and the big data server 110 in which big data is stored. Extract the data 210, refer to the company information in the user information 200, extract the ideal data 310 from the big data server 110, and compare the same items among the items of the current data 210 and the ideal data 310. It has a latent needs analysis unit 140 that calculates a deviation index 600 for each item and generates an analysis result 700 according to the item and type of deviation index 600 exceeding a reference value. The management server 120 also acquires the question data 300 and analysis results 700 that are linked to the user information 200, and generates a first question based on the items included in the question data 300 and the first word. Then, a first answer sentence is generated by artificial intelligence according to the content of the analysis result 700, an Nth question sentence is generated based on the items included in the question data 300 and the Nth word, and the analysis result is It has an artificial intelligence chat unit that generates an Nth answer sentence according to the content of 700 using artificial intelligence and repeats generation of question sentences and answer sentences according to the number N.
本発明によれば、人工知能チャットに質問を繰り返すことによりユーザの潜在ニーズを反映した価値の高い情報を含む商品サービス企画案を提供できる。 According to the present invention, by repeatedly asking questions to the artificial intelligence chat, it is possible to provide product and service plans that include valuable information that reflects the latent needs of the user.
以下、本発明を実施するための形態について図を参照しながら説明する。なお、これはあくまでも一例であって、本発明の技術的範囲はこれに限られるものではない。また、実施の形態を説明するための全図において、同一部には原則として同一の符号を付し、その繰り返しの説明は省略する。
＜システム構成＞
図１は、本発明の一実施の形態における人工知能チャットを利用した企画案生成システムの構成例の概要を示す図である。
Hereinafter, embodiments for carrying out the present invention will be described with reference to the drawings. Note that this is just an example, and the technical scope of the present invention is not limited to this. In addition, in all the figures for explaining the embodiment, the same parts are given the same reference numerals in principle, and repeated explanations thereof will be omitted.
<System configuration>
FIG. 1 is a diagram showing an outline of a configuration example of a plan generation system using artificial intelligence chat in an embodiment of the present invention.
図１に示されるように、人工知能チャットを利用した企画案生成システムは、ユーザ端末１００と、ビッグデータが記憶されているビッグデータサーバ１１０と、ユーザ端末１００およびビッグデータが記憶されているビッグデータサーバ１１０とネットワークを介して接続される管理サーバ１２０とを有する。 As shown in FIG. 1, the plan generation system using artificial intelligence chat includes a user terminal 100, a big data server 110 storing big data, a user terminal 100 and a big data server 110 storing big data. It has a data server 110 and a management server 120 connected via a network.
ユーザ端末１００は、企画案の提案を希望しているユーザが有する端末を示す。ビッグデータサーバ１１０は、ビッグデータまたはオープンデータが記憶されているサーバを示す。 The user terminal 100 indicates a terminal owned by a user who desires to propose a project. Big data server 110 indicates a server where big data or open data is stored.
管理サーバ１２０は、ユーザ情報記憶部１３０と、質問データ記憶部１３１と、解析結果記憶部１３２と、チャット結果記憶部１３３と、企画案画面記憶部１３４と、潜在ニーズ解析部１４０と、人工知能チャット部１５０と、企画案画面生成部１６０と、企画案画面提供部１７０とを有する。 The management server 120 includes a user information storage section 130, a question data storage section 131, an analysis result storage section 132, a chat result storage section 133, a proposal screen storage section 134, a latent needs analysis section 140, and an artificial intelligence. It has a chat section 150, a plan screen generation section 160, and a plan screen providing section 170.
ユーザ情報記憶部１３０には、ユーザ情報２００（後述、図２）が記憶されている。質問データ記憶部１３１には、質問データ３００（後述、図３）が記憶されている。解析結果記憶部１３２には、解析結果７００が記憶されている。チャット結果記憶部１３３には、チャット結果８００が記憶されている。企画案画面記憶部１３４には、企画案画面１０００（後述、図１０）が記憶されている。 The user information storage unit 130 stores user information 200 (described below, FIG. 2). The question data storage unit 131 stores question data 300 (described below, FIG. 3). The analysis result storage unit 132 stores analysis results 700. The chat result storage unit 133 stores chat results 800. The plan proposal screen storage unit 134 stores a plan proposal screen 1000 (described below, FIG. 10).
潜在ニーズ解析部１４０は、ユーザ端末１００から取得したユーザ情報２００に含まれる現状データ２１０を抽出し、ユーザ情報２００のうち会社情報を参照して理想データ３１０をビッグデータサーバ１１０から抽出し、現状データ２１０と理想データ３１０とが有する各項目のうち同じ項目同士を比較して項目毎の乖離指数６００を算出し、基準値を超える乖離指数６００の項目と種類に応じて解析結果７００を生成する。 The potential needs analysis unit 140 extracts the current state data 210 contained in the user information 200 acquired from the user terminal 100, extracts the ideal data 310 from the big data server 110 by referring to the company information in the user information 200, compares the same items among the items contained in the current state data 210 and the ideal data 310 to calculate the deviation index 600 for each item, and generates an analysis result 700 according to the items and types of the deviation index 600 that exceed the reference value.
人工知能チャット部１５０は、ユーザ情報２００に紐づいている質問データ３００及び解析結果７００を取得し、質問データ３００に含まれる項目と１個目のワードとに基づいて第１の質問文を生成し、解析結果７００の内容に応じた第１の回答文を人工知能により生成し、質問データ３００に含まれる項目とＮ個目のワードとに基づいて第Ｎの質問文を生成し、解析結果７００の内容に応じた第Ｎの回答文を人工知能により生成し、Ｎの数に応じて質問文及び回答文の生成を繰り返す。 The AI chat unit 150 acquires the question data 300 and the analysis result 700 linked to the user information 200, generates a first question based on the items and the first word included in the question data 300, generates a first answer based on the content of the analysis result 700 using AI, generates an Nth question based on the items and the Nth word included in the question data 300, generates an Nth answer based on the content of the analysis result 700 using AI, and repeats the generation of questions and answers according to the number N.
企画案画面生成部１６０は、ユーザ情報２００と、解析結果７００及びチャット結果８００とに基づいて企画案画面１０００を生成する。 The project proposal screen generation unit 160 generates a project proposal screen 1000 based on the user information 200, the analysis results 700, and the chat results 800.
企画案画面提供部１７０は、生成した企画案画面１０００をユーザ端末１００に提供する。
＜ユーザ情報記憶部＞
図２（ａ）は、本発明の一実施の形態における管理サーバ１２０のユーザ情報記憶部１３０に記憶されているユーザ情報２００の構成例の概要を示す図である。
The plan screen providing unit 170 provides the generated plan screen 1000 to the user terminal 100.
<User information storage unit>
FIG. 2A is a diagram illustrating an overview of a configuration example of user information 200 stored in user information storage unit 130 of management server 120 in an embodiment of the present invention.
図２（ａ）に示されるように、ユーザ情報２００は、ユーザＩＤと、会社名と、会社情報と、現状データ２１０と質問データ３００などのデータ項目により構成される。 As shown in FIG. 2A, the user information 200 includes data items such as a user ID, company name, company information, current status data 210, and question data 300.
ユーザＩＤは、管理サーバ１２０が、ユーザを識別するための符号を示す。会社名は、ユーザの会社の名称を示す。会社情報は、ユーザの会社情報を示す。現状データ２１０は、ユーザ端末１００がユーザから入力を受け付けることで取得する、ユーザ自身の会社における現状の課題事項についての情報を示す（詳細は後述する）。 The user ID indicates a code used by the management server 120 to identify the user. The company name indicates the name of the user's company. Company information indicates the user's company information. The current status data 210 indicates information about current issues in the user's own company, which the user terminal 100 acquires by receiving input from the user (details will be described later).
質問データ３００は、ユーザ端末１００がユーザから入力を受け付けることで取得する、ユーザが人工知能チャットからの回答を得るための質問事項の情報を示す（詳細は後述する）。 The question data 300 indicates information about questions that the user asks to receive a response from the AI chat, which is acquired by the user terminal 100 by accepting input from the user (details will be described later).
図２（ｂ）は、本発明の一実施の形態における管理サーバ１２０のユーザ情報記憶部１３０に記憶されているユーザ情報２００に含まれる現状データ２１０の構成例の概要を示す図である。現状データ２１０は、現状データＩＤ、目的、ルール、行動、結果等の情報を示す。 Figure 2 (b) is a diagram showing an outline of an example of the configuration of current status data 210 included in user information 200 stored in the user information storage unit 130 of the management server 120 in one embodiment of the present invention. The current status data 210 indicates information such as a current status data ID, purpose, rules, actions, and results.
現状データＩＤは、管理サーバ１２０が、現状データ２１０を識別するための符号を示す。 The current data ID indicates a code by which the management server 120 identifies the current data 210.
目的、ルール、行動、結果は、ユーザが自身の会社における現状の課題と認識している事項を示す。
＜質問データ記憶部およびビッグデータサーバ＞
図３（ａ）は、本発明の一実施の形態における管理サーバ１２０の質問データ記憶部１３１に記憶されている質問データ３００の構成例の概要を示す図である。
The objectives, rules, actions, and results represent what the user perceives as the current challenges in his or her company.
<Question Data Storage Unit and Big Data Server>
FIG. 3A is a diagram showing an outline of an example of the structure of question data 300 stored in the question data storage unit 131 of the management server 120 in one embodiment of the present invention.
図３（ａ）に示されるように、質問データ３００は、質問データＩＤと、商品サービス名と、ワード１と、ワード２と、ワード３などのデータ項目により構成される。なお、ワードの数については特に限定されず、ワード２以降については自然数Ｎを用いてワードＮとして一般化して説明する。 As shown in FIG. 3(a), the question data 300 is composed of data items such as a question data ID, a product/service name, word 1, word 2, and word 3. Note that the number of words is not particularly limited, and words 2 and after will be generalized as word N using the natural number N for the explanation.
質問データＩＤは、管理サーバ１２０が、質問データ３００を識別するための符号を示す。 The question data ID indicates a code used by the management server 120 to identify the question data 300.
商品サービス名は、ユーザの会社が取り扱っている商品サービスの名称を示す。商品サービス名は、例えば「コンサルティング研修」、「家具」、「マーケティング研修」等である。 The product service name indicates the name of a product service handled by the user's company. Examples of product service names include "consulting training," "furniture," and "marketing training."
ワード１は、ユーザが人工知能チャットからの回答を得るために質問する１つ目の単語を示す。ワード１は、なるべく短い言葉または１つの単語とする。ワード１は、例えば「生産性」、「財務」、「マーケティング研修」等である。 Word 1 indicates the first word that the user asks to receive a response from the AI chat. Word 1 should be as short as possible or a single word. Examples of Word 1 are "productivity," "finance," "marketing training," etc.
ワード２は、ユーザが人工知能チャットからの回答を得るために質問する２つ目の単語を示す。ワード２は、なるべく短い言葉または１つの単語とする。ワード２は、例えば「コスト」、「素材」等である。 Word 2 indicates the second word that the user asks to get an answer from the artificial intelligence chat. Word 2 should be as short as possible or one word. Word 2 is, for example, "cost" or "material".
ワード３は、ユーザが人工知能チャットからの回答を得るために質問する３つ目の単語を示す。ワード３は、なるべく短い言葉または１つの単語とする。ワード３は、例えば「リスク」、「デザイン」等である。 Word 3 indicates the third word that the user asks to receive a response from the AI chat. Word 3 should preferably be a short word or a single word. Examples of word 3 include "risk" and "design."
ワードＮは、ユーザが人工知能チャットからの回答を得るために質問するＮ個目の単語を示す。 Word N indicates the Nth word that the user asks to receive a response from the AI chat.
図３（ｂ）は、本発明の一実施の形態におけるビッグデータサーバ１１０に記憶されている理想データ３１０の構成例の概要を示す図である。 FIG. 3(b) is a diagram showing an overview of a configuration example of ideal data 310 stored in big data server 110 in an embodiment of the present invention.
図３（ｂ）に示されるように理想データ３１０は、ビッグデータとして一般に取得可能な複数の大手企業によって解決された課題事項についての情報を示す。理想データ３１０は、理想データＩＤ、目的、ルール、行動、結果等の情報を示す。 As shown in FIG. 3(b), ideal data 310 shows information about problems solved by multiple major companies that is generally available as big data. Ideal data 310 shows information such as ideal data ID, objectives, rules, actions, and results.
理想データＩＤは、管理サーバ１２０が、理想データ３１０を識別するための符号を示す。 The ideal data ID indicates a code used by the management server 120 to identify the ideal data 310.
目的、ルール、行動、結果は、複数の大手企業によって解決された課題の事項を示す。すなわち、理想データ３１０に含まれる「目的、ルール、行動、結果」は、大手企業が既に解決した課題事項であり、ユーザが有する現状データ２１０と比較して模範的な内容であることを示す。
＜全体処理＞
図４は、本発明の一実施の形態における全体処理の概要を示す図である。
Purpose, Rules, Actions, and Results represent issues solved by several leading companies. That is, the "objectives, rules, actions, and results" included in the ideal data 310 are issues that have already been solved by major companies, and are exemplary compared to the current data 210 held by the user.
<Overall processing>
FIG. 4 is a diagram showing an overview of overall processing in an embodiment of the present invention.
まず、Ｓ４０１にて、管理サーバ１２０はユーザ情報取得処理およびユーザ情報記憶処理（図５で後述する）を行う。 First, in S401, the management server 120 performs user information acquisition processing and user information storage processing (described later with reference to FIG. 5).
次に、Ｓ４０２にて、管理サーバ１２０は潜在ニーズ解析処理（図６、７で後述する）を行う。 Next, in S402, the management server 120 performs latent needs analysis processing (described later with reference to FIGS. 6 and 7).
次に、Ｓ４０３にて、管理サーバ１２０は人工知能チャット処理（図８、９で後述する）を行う。 Next, in S403, the management server 120 performs artificial intelligence chat processing (described later in Figures 8 and 9).
次に、Ｓ４０４にて、管理サーバ１２０は企画案画面生成処理（図１０、１１で後述する）を行う。 Next, in S404, the management server 120 performs a plan screen generation process (described later in Figures 10 and 11).
次に、Ｓ４０５にて、管理サーバ１２０は企画案画面提供処理（図１２で後述する）を行う。
＜ユーザ情報記憶処理＞
図５（ａ）は、本発明の一実施の形態におけるユーザ情報記憶処理の概要を示す図である。以下、管理サーバ１２０が、ユーザ情報２００を記憶する方法について説明する。
Next, in S405, the management server 120 performs a plan screen providing process (described later with reference to FIG. 12).
<User information storage processing>
FIG. 5(a) is a diagram showing an overview of user information storage processing in an embodiment of the present invention. The method by which the management server 120 stores the user information 200 will be described below.
まず、Ｓ５０１にて、管理サーバ１２０は、ユーザ情報入力画面をユーザ端末１００に提供する。次に、Ｓ５０２にて、ユーザ端末１００は、ユーザ情報入力画面をディスプレイに表示させる。 First, in S501, the management server 120 provides the user terminal 100 with a user information input screen. Next, in S502, the user terminal 100 displays a user information input screen on the display.
その後、ユーザが本発明に係るシステムを初めて利用する場合、または、質問データ３００を変更する場合、Ｓ５０３にて、ユーザ端末１００は、ユーザ情報２００の入力をユーザから受け付ける。なお、この際ユーザから受け付けたユーザ情報２００は、質問データ３００を含む。 Thereafter, when the user uses the system according to the present invention for the first time or when changing the question data 300, the user terminal 100 receives input of user information 200 from the user in S503. Note that the user information 200 received from the user at this time includes question data 300.
次に、Ｓ５０４にて、ユーザ端末１００は、Ｓ５０３で入力を受け付けたユーザ情報２００を管理サーバ１２０に送信する。 Next, in S504, the user terminal 100 transmits the user information 200 whose input was accepted in S503 to the management server 120.
次に、Ｓ５０５にて、管理サーバ１２０は、Ｓ５０４で送信されたユーザ情報２００を受信することにより、ユーザ情報２００を取得する。 Next, in S505, the management server 120 acquires the user information 200 by receiving the user information 200 transmitted in S504.
次に、Ｓ５０６にて、管理サーバ１２０は、取得したユーザ情報２００にユーザＩＤを付してユーザ情報記憶部１３０に記憶する。また、管理サーバ１２０は、受信したユーザ情報２００に含まれる質問データ３００を質問データ記憶部１３１に記憶する。
＜ユーザ情報取得処理＞
図５（ｂ）は、本発明の一実施の形態におけるユーザ情報取得処理の概要を示す図である。以下、管理サーバ１２０が、ユーザ情報２００を取得する方法について説明する。
Next, in S506, the management server 120 adds a user ID to the acquired user information 200 and stores it in the user information storage unit 130. The management server 120 also stores the question data 300 included in the received user information 200 in the question data storage unit 131.
<User information acquisition process>
5B is a diagram showing an overview of the user information acquisition process in one embodiment of the present invention. A method in which the management server 120 acquires the user information 200 will be described below.
ユーザが本発明に係るシステムを２回目以降利用する場合、Ｓ５０７にて、ユーザ端末１００はユーザＩＤの入力をユーザから受け付ける。なお、ユーザＩＤは、ユーザ情報２００に含まれる。 When the user uses the system according to the present invention for the second or subsequent time, in S507, the user terminal 100 accepts input of a user ID from the user. The user ID is included in the user information 200.
次に、Ｓ５０８にて、ユーザ端末１００は、Ｓ５０７で入力を受け付けたユーザＩＤを管理サーバ１２０に送信する。 Next, in S508, the user terminal 100 transmits the user ID input in S507 to the management server 120.
その後、Ｓ５０９にて、管理サーバ１２０は、Ｓ５０８で送信されたユーザＩＤのキーに対応するユーザ情報２００をユーザ情報記憶部１３０から取得する。
＜乖離指数および解析結果＞
図６は、本発明の一実施の形態における乖離指数６００および解析結果７００の概要を示す図である。
Thereafter, in S509, the management server 120 acquires from the user information storage unit 130 the user information 200 corresponding to the key of the user ID transmitted in S508.
<Deviation index and analysis results>
FIG. 6 is a diagram showing an overview of a deviation index 600 and an analysis result 700 according to an embodiment of the present invention.
図６で示されるように、管理サーバ１２０は、ユーザの会社についての会社情報と現状データ２１０を含むユーザ情報２００をユーザ端末１００から受信して、まず、会社情報の内容を参照し、これと近似する内容を有するモデル会社（任意の大手企業）に紐づいた理想データ３１０をビッグデータサーバ１１０から抽出する。 As shown in FIG. 6, the management server 120 receives user information 200 including company information and current status data 210 about the user's company from the user terminal 100, first refers to the contents of the company information, and then Ideal data 310 linked to a model company (any major company) having similar content is extracted from the big data server 110.
例えば、ユーザ（ユーザＩＤ：Ｕ０００１、株式会社Ａ）の会社情報が「従業員：９０人」「業種：製造業」とすると、管理サーバ１２０は、これに近似する会社情報「従業員：１００人」「業種：製造業」を有し且つ業績が上位である複数の会社の中から任意のモデル会社（大手企業Ｂ）を選定し、このモデル会社の理想データ３１０をビッグデータサーバ１１０から抽出する。なお、この近似の基準は、例えば「業種」が同一で、「従業員数」の差異が１０人以内の範囲とするがこれに限定されない。 For example, if the company information of a user (user ID: U0001, Company A) is "Employees: 90" and "Industry: Manufacturing", the management server 120 selects an arbitrary model company (major company B) from among multiple companies that have similar company information "Employees: 100" and "Industry: Manufacturing" and have top-ranking performance, and extracts the ideal data 310 of this model company from the big data server 110. Note that the criteria for this approximation are, for example, the same "Industry" and a difference in "Number of employees" within a range of 10 people, but are not limited to this.
これにより、管理サーバ１２０は、ユーザと同じような条件・環境下に置かれながら高い業績を上げている任意の大手企業を理想のモデル会社として選定し、これと比較することでユーザの潜在ニーズを知るための乖離指数６００および解析結果７００を算出できる。 As a result, the management server 120 selects any major company that has achieved high performance under similar conditions and environments as the user as an ideal model company, and compares it with this to determine the latent needs of the user. It is possible to calculate a deviation index 600 and an analysis result 700 to know.
その後、管理サーバ１２０は、取得した現状データ２１０と理想データ３１０のうち同じ項目同士の内容を比較して、項目毎の乖離指数６００を算出する。 After that, the management server 120 compares the contents of the same items among the acquired current data 210 and ideal data 310, and calculates a deviation index 600 for each item.
乖離指数６００は、比較した現状データ２１０の項目と理想データ３１０の項目との内容が乖離しているほど大きい値となる。また、乖離指数６００は、０～１００の数値で示され、例えば、乖離度が大きい場合「８０」と示され、乖離度がない（項目の内容が全く同一）場合「０」と示されるが、特にこれに限定されない。 The deviation index 600 is a value that increases as the content of the compared items in the current data 210 and ideal data 310 diverges. The deviation index 600 is expressed as a value between 0 and 100, and is, for example, shown as "80" when there is a large degree of deviation, and as "0" when there is no degree of deviation (the contents of the items are completely identical), but is not limited to this.
例えば、現状データ２１０の「目的」と、理想データ３１０の「目的」とを比較したとき同一の内容であった場合、管理サーバ１２０は、この項目の乖離指数６００の値を「０」と算出する。また、例えば、現状データ２１０の「ルール」と、理想データ３１０の「ルール」とを比較したとき差異が大きい内容であった場合、管理サーバ１２０は、この項目の乖離指数６００の値を「８０」と算出する。 For example, if the "purpose" of the current data 210 and the "purpose" of the ideal data 310 are the same, the management server 120 calculates the value of the discrepancy index 600 for this item as "0". do. Further, for example, if the "rule" of the current data 210 and the "rule" of the ideal data 310 are compared and there is a large difference in content, the management server 120 sets the value of the deviation index 600 of this item to "80". ” is calculated.
また、現状データ２１０と理想データ３１０を比較して項目毎の乖離指数６００を算出した結果、例えば、所定の基準値を超える項目が「ルール」と「行動」の２個である場合、管理サーバ１２０は、解析結果７００を「潜在ニーズが、ルールと行動の２つの項目に存在し、その潜在ニーズ指数が７５である」というように生成する。所定の基準値は特に限定されないが、例えば「６０」とする。 In addition, as a result of calculating the deviation index 600 for each item by comparing the current data 210 and the ideal data 310, for example, if two items exceed the predetermined standard value, ``rules'' and ``actions,'' the management server 120 generates an analysis result 700 such that "latent needs exist in two items, rules and actions, and the latent needs index is 75." Although the predetermined reference value is not particularly limited, it is set to "60", for example.
そして、潜在ニーズは「基準値を超える乖離指数６００の項目」に存在する。 And latent needs exist in "items with a deviation index of 600 that exceed the standard value."
また、潜在ニーズ指数７１０は、潜在ニーズが存在する項目の乖離指数６００の平均値を示す。例えば、図６で示されるように「ルール」の乖離指数６００が「８０」であり、「行動」の乖離指数６００が「７０」であるような場合、潜在ニーズ指数７１０は、その平均値の「７５」となる。 Further, the latent needs index 710 indicates the average value of the deviation index 600 of items for which latent needs exist. For example, as shown in FIG. 6, if the deviation index 600 of "rules" is "80" and the deviation index 600 of "behavior" is "70", the latent needs index 710 is the average value. It becomes "75".
さらに、解析結果７００は「基準値を超える乖離指数６００の項目の数はいくつか、また、その種類は何か」を示す。すなわち、解析結果７００は、潜在ニーズと潜在ニーズ指数７１０の情報を有する。 Furthermore, the analysis result 700 indicates "how many items have deviation indices 600 that exceed the reference value, and what their types are." In other words, the analysis result 700 has information on latent needs and latent needs index 710.
このように、ユーザの会社情報と近い内容を有する大手企業が解決した課題と、ユーザが現状抱えている課題とを比較して、その乖離がどの項目なのか、および乖離の度合いがどの程度なのかを解析することにより、管理サーバ１２０は、ユーザの潜在ニーズを把握したうえで、後述する処理により人工知能チャットを行い最適な企画案をユーザに提案できる。
＜潜在ニーズ解析処理＞
図７は、本発明の一実施の形態における潜在ニーズ解析処理の概要を示す図である。
In this way, by comparing the problems solved by major companies that have similar company information to the user's company information with the problems the user is currently facing, and analyzing which items there is a discrepancy in and the degree of the discrepancy, the management server 120 can grasp the user's potential needs, and then conduct an artificial intelligence chat using the processing described below to propose the most suitable plan to the user.
<Latent needs analysis processing>
FIG. 7 is a diagram showing an outline of the latent needs analysis process in one embodiment of the present invention.
まず、Ｓ７０１にて、管理サーバ１２０の潜在ニーズ解析部１４０は、ユーザ情報記憶部１３０からユーザ情報２００を取得しユーザ情報２００に含まれる現状データ２１０を抽出する。 First, in S701, the potential needs analysis unit 140 of the management server 120 acquires the user information 200 from the user information storage unit 130 and extracts the current situation data 210 contained in the user information 200.
次に、Ｓ７０２にて、潜在ニーズ解析部１４０は、Ｓ７０１で取得したユーザ情報２００のうち会社情報（従業員数、業種等）の内容を参照して、内容が近似するモデル会社に紐づいた理想データ３１０をビッグデータサーバ１１０から抽出する。 Next, in S702, the latent needs analysis unit 140 refers to the contents of the company information (number of employees, industry, etc.) among the user information 200 acquired in S701, and determines the ideal Data 310 is extracted from the big data server 110.
具体的には、ユーザの会社情報が「従業員：９０人」「業種：製造業」とすると、管理サーバ１２０は、これに近似する会社情報を有し且つ業績が上位である複数の会社の中から任意の「モデル会社」を選定し、このモデル会社に紐づいている理想データ３１０をビッグデータサーバ１１０から抽出する。なお、この「近似」の基準は、例えば「業種」が同一で、「従業員数」の差異が１０人以内の範囲とするが、これに限定されない。 Specifically, if the user's company information is "Employees: 90" and "Industry: Manufacturing", the management server 120 will select an arbitrary "model company" from among multiple companies that have similar company information and have top-ranking performance, and extract ideal data 310 linked to this model company from the big data server 110. Note that the criteria for this "approximation" are, for example, the same "industry" and a difference in "number of employees" of within 10 people, but are not limited to this.
次に、Ｓ７０３にて、潜在ニーズ解析部１４０は、Ｓ７０１で抽出した現状データ２１０の項目と、Ｓ７０２で抽出した理想データ３１０の項目とのうち同じ項目同士の内容を比較して項目ごとの乖離指数６００を算出する。 Next, in S703, the potential needs analysis unit 140 compares the contents of the same items in the current data 210 extracted in S701 and the ideal data 310 extracted in S702, and calculates the deviation index 600 for each item.
乖離指数６００は、比較した現状データ２１０の項目と理想データ３１０の項目との内容が乖離しているほど大きい値となる。また、乖離指数６００は、例えば「０～１００の数値」で示される。 The deviation index 600 becomes a larger value as the content of the compared items of the current data 210 and the items of the ideal data 310 deviate from each other. Further, the deviation index 600 is indicated by, for example, a "numeric value from 0 to 100."
例えば、現状データ２１０の項目のうち「目的」と、理想データ３１０の項目のうち「目的」とを比較したとき、同一の内容であった場合、管理サーバ１２０は、この項目の乖離指数６００の値を「０」と算出する。 For example, when comparing the "Objective" item in the current data 210 with the "Objective" item in the ideal data 310, if they are identical, the management server 120 calculates the deviation index 600 value for this item as "0."
同様に、例えば、現状データ２１０の「ルール」と、理想データ３１０の「ルール」とを比較したとき、その差異が大きい内容であった場合、管理サーバ１２０は、この項目の乖離指数６００の値を「８０」と算出する。 Similarly, for example, when comparing the "rules" of the current data 210 with the "rules" of the ideal data 310, if there is a large difference, the management server 120 calculates the deviation index 600 value for this item as "80."
なお、乖離の程度を「乖離指数」としてどのように数値化するかについては特に限定されず、周知技術のプログラムを用いて、例えば、類似する単語の量や質を計測したり、言葉から連想される意味の類似度を計測すること等によって行う。 There are no particular limitations on how the degree of divergence can be quantified as a "dissociation index." This is done by measuring the similarity of the meanings of the words.
次に、Ｓ７０４にて、潜在ニーズ解析部１４０は、基準値を超える乖離指数６００の項目の数や種類に応じて解析結果７００を生成する。 Next, in S704, the latent needs analysis unit 140 generates an analysis result 700 according to the number and type of items of the deviation index 600 exceeding the reference value.
例えば、基準値を超える項目が「ルール」と「行動」の２個である場合、管理サーバ１２０は、解析結果７００を「潜在ニーズが、ルールと行動の２つの項目に存在し、その潜在ニーズ指数が７５である」というように生成する。なお、所定の基準値は特に限定されないが、例えば「６０」とする。 For example, if there are two items, "rules" and "actions", that exceed the reference value, the management server 120 generates the analysis result 700 as follows: "Potential needs exist in two items, rules and actions, and the potential needs index is 75." Note that the predetermined reference value is not particularly limited, but may be, for example, "60."
なお、潜在ニーズは「基準値を超える乖離指数６００の項目」に存在する。また、潜在ニーズ指数は「潜在ニーズが存在する項目の乖離指数６００の平均値」を示す。 Note that latent needs exist in "items with a deviation index of 600 that exceeds the standard value." Further, the latent needs index indicates "the average value of the deviation index 600 of items for which latent needs exist."
そして、解析結果７００は「基準値を超える乖離指数６００の項目の数はいくつか、そしてその種類は何か」を示す。すなわち、解析結果７００は、潜在ニーズと潜在ニーズ指数７１０の情報を有する。 Then, the analysis result 700 indicates "how many items have deviation indices 600 that exceed the reference value, and what their types are." In other words, the analysis result 700 has information on latent needs and latent needs index 710.
次に、Ｓ７０５にて、潜在ニーズ解析部１４０は、Ｓ７０４で生成した解析結果７００を解析結果記憶部１３２に記憶する。 Next, in S705, the latent needs analysis unit 140 stores the analysis result 700 generated in S704 in the analysis result storage unit 132.
次に、Ｓ７０６にて、潜在ニーズ解析部１４０は、人工知能チャット部１５０に人工知能チャット処理を要求する。 Next, at S706, the potential needs analysis unit 140 requests the AI chat unit 150 to perform AI chat processing.
このように、ユーザの会社情報と大手企業の会社情報とを比較してユーザの現状が理想からどの程度乖離しているかを測ることで得る解析結果７００を用いることにより、管理サーバ１２０は、ユーザの潜在ニーズを明白にして且つ課題を解消するための回答を人工知能チャットに自動生成させることができる。
＜チャット結果＞
図８は、本発明の一実施の形態におけるチャット結果８００の概要を示す図である。
In this way, by using the analysis result 700 obtained by comparing the user's company information with the company information of a major company and measuring the extent to which the user's current situation deviates from the ideal, the management server 120 can AI chat can automatically generate answers to clarify latent needs and solve problems.
<Chat results>
FIG. 8 is a diagram showing an overview of chat results 800 in an embodiment of the present invention.
図８で示されるように、管理サーバ１２０の人工知能チャット部１５０は、（後述する工程Ｓ９０２の処理により）質問データ記憶部１３１から質問データ３００を取得し、取得した質問データ３００に含まれる「商品サービス名」と「ワード１」との内容に基づいて質問文１を生成する。 As shown in FIG. 8, the artificial intelligence chat unit 150 of the management server 120 acquires question data 300 from the question data storage unit 131 (through the process of step S902, which will be described later), and the “ Question text 1 is generated based on the contents of ``product service name'' and ``word 1''.
例えば、人工知能チャット部１５０は、ユーザ（ＩＤ：Ｕ０００１）のユーザ情報２００に紐づいている質問データ３００が「商品サービス名：コンサルティング研修」「ワード１：生産性」を含む場合、「コンサルティング研修における生産性について考察してください」というような内容の質問文１を人工知能により生成する。 For example, if the question data 300 linked to the user information 200 of a user (ID: U0001) includes "Product/service name: consulting training" and "Word 1: productivity", the AI chat unit 150 uses AI to generate question sentence 1 with the content "Please consider productivity in consulting training."
次に、人工知能チャット部１５０は、質問文１の内容と、（後述する工程Ｓ９０３の処理により）取得した解析結果７００の内容とに応じた回答文1を人工知能により生成する。 Next, the AI chat unit 150 uses AI to generate answer sentence 1 based on the content of question sentence 1 and the content of the analysis result 700 obtained (by the processing of step S903 described below).
例えば、人工知能チャット部１５０は、ユーザ（ＩＤ：Ｕ０００１）のユーザ情報２００に紐づいている解析結果７００が「潜在ニーズ：ルール、行動」「潜在ニーズ指数：７５」を含む場合、「新しいセールス型を導入し、その検証用の測定とモニタリングが必要です」というような内容の回答文１を人工知能により生成する。 For example, if the analysis result 700 linked to the user information 200 of the user (ID: U0001) includes "latent needs: rules, behavior" and "latent needs index: 75", the AI chat unit 150 uses AI to generate answer sentence 1 with the content "We are introducing a new sales model and need to measure and monitor it for verification."
なお、この回答文１のうち「新しいセールス型を導入」という部分が「ルール」を表しており、「その検証用の測定とモニタリング」という部分が「行動」を表している。すなわち、解析結果７００が「潜在ニーズ：ルール、行動」であったので、人工知能チャット部１５０は、その内容（ルール、行動）を反映した回答文１を生成する。 In addition, in this answer sentence 1, the part that says "introducing a new sales model" represents the "rules", and the part that says "measurement and monitoring for verification" represents the "behavior". That is, since the analysis result 700 is "latent needs: rules, actions", the artificial intelligence chat unit 150 generates answer sentence 1 that reflects the content (rules, actions).
次に、人工知能チャット部１５０は、取得した質問データ３００に含まれる「商品サービス名」「ワード２」の内容に基づいて質問文２を生成する。 Next, the artificial intelligence chat unit 150 generates a question text 2 based on the contents of the "product service name" and "word 2" included in the acquired question data 300.
例えば、人工知能チャット部１５０は、質問データ３００が「商品サービス名：コンサルティング研修」「ワード２：コスト」を含む場合、「コンサルティング研修におけるコストについて考察してください」というような内容の質問文２を生成する。 For example, if the question data 300 includes "Product/service name: consulting training" and "Word 2: cost", the AI chat unit 150 generates question sentence 2 with content such as "Please consider the costs involved in consulting training."
次に、人工知能チャット部１５０は、質問文２の内容と、取得した解析結果７００の内容とに応じた回答文２を人工知能により生成する。 Next, the artificial intelligence chat unit 150 uses artificial intelligence to generate an answer sentence 2 according to the contents of the question sentence 2 and the contents of the acquired analysis result 700.
その後、人工知能チャット部１５０は、質問データ３００に含まれるワードの数に応じて質問文と回答文の生成を繰り返す。そして、人工知能チャット部１５０は、生成された質問文および回答文をチャット結果８００としてチャット結果記憶部１３３に記憶する。 Thereafter, the artificial intelligence chat unit 150 repeatedly generates question sentences and answer sentences according to the number of words included in the question data 300. Then, the artificial intelligence chat unit 150 stores the generated question text and answer text as a chat result 800 in the chat result storage unit 133.
このように、解析結果７００を用いて、さらに、ユーザからの質問を所望するワードで複数回繰り返すことにより、管理サーバ１２０は、広範な情報を含む無意味な回答ではなく、ユーザの潜在ニーズを明白にしたうえで課題を解消するためのクリティカルな回答を人工知能チャットに自動生成させることができる。
＜人工知能チャット処理＞
図９は、本発明の一実施の形態における人工知能チャット処理の概要を示す図である。
In this way, by using the analysis result 700 and repeating the user's question multiple times using desired words, the management server 120 can respond to the user's latent needs rather than giving meaningless answers that include a wide range of information. Artificial intelligence chat can automatically generate critical answers to clarify and resolve issues.
<Artificial intelligence chat processing>
FIG. 9 is a diagram showing an overview of artificial intelligence chat processing in an embodiment of the present invention.
まず、Ｓ９０１にて、管理サーバ１２０の人工知能チャット部１５０は、Ｓ７０６で要求された人工知能チャットの処理に要するユーザ情報２００をユーザ情報記憶部１３０から取得する。 First, in S901, the AI chat unit 150 of the management server 120 obtains the user information 200 required to process the AI chat requested in S706 from the user information storage unit 130.
次に、Ｓ９０２にて、人工知能チャット部１５０は、Ｓ９０１で取得したユーザ情報２００に紐づいている質問データ３００を質問データ記憶部１３１から取得する。 Next, in S902, the artificial intelligence chat unit 150 obtains the question data 300 linked to the user information 200 obtained in S901 from the question data storage unit 131.
次に、Ｓ９０３にて、人工知能チャット部１５０は、Ｓ９０１で取得したユーザ情報２００に紐づいている解析結果７００を解析結果記憶部１３２から取得する。 Next, in S903, the artificial intelligence chat unit 150 obtains the analysis result 700 linked to the user information 200 obtained in S901 from the analysis result storage unit 132.
次に、Ｓ９０４にて、人工知能チャット部１５０は、Ｓ９０２で取得した質問データ３００に含まれる項目(商品サービス名等)と1個目のワード（ワード１）とに基づいて質問文1を人工知能により生成する。 Next, in S904, the artificial intelligence chat unit 150 artificially generates a question sentence 1 based on the items (product service name, etc.) included in the question data 300 acquired in S902 and the first word (word 1). Generated by intelligence.
例えば、質問データ３００が「商品サービス名：コンサルティング研修」「ワード１：生産性」を含む場合、人工知能チャット部１５０は、「コンサルティング研修における生産性について考察してください」というような内容の質問文１を人工知能により生成する。なお、質問文は定型のテンプレートを予め設定しても良いし、質問文の自動生成の方法についても周知技術を用いて行われるため詳細は省略する。 For example, if the question data 300 includes "Product service name: Consulting training" and "Word 1: Productivity", the artificial intelligence chat unit 150 answers a question such as "Please consider productivity in consulting training". Sentence 1 is generated by artificial intelligence. Note that a standard template may be set in advance for the question text, and the method for automatically generating the question text is also performed using well-known technology, so details will be omitted.
次に、Ｓ９０５にて、人工知能チャット部１５０は、Ｓ９０４で生成された質問文1に対してＳ９０３で取得した解析結果７００の内容に応じた回答文1を人工知能により生成する。 Next, in S905, the AI chat unit 150 uses AI to generate answer sentence 1 in response to the question sentence 1 generated in S904, based on the contents of the analysis result 700 obtained in S903.
例えば、解析結果７００が「潜在ニーズ：ルール、行動」「潜在ニーズ指数：７５」を含む場合、人工知能チャット部１５０は、「新しいセールス型を導入し、その検証用の測定とモニタリングが必要です」というような内容の回答文１を人工知能により生成する。なお、質問文は定型のテンプレートを予め設定しても良いし、質問文の自動生成の方法についても周知技術を用いて行われるため詳細は省略する。 For example, if the analysis result 700 includes "latent needs: rules, actions" and "latent needs index: 75", the artificial intelligence chat unit 150 will respond with "a new sales type has been introduced, and measurement and monitoring for its verification is required." ” is generated using artificial intelligence. Note that a standard template may be set in advance for the question text, and the method for automatically generating the question text is also performed using well-known technology, so details will be omitted.
次に、Ｓ９０６にて、人工知能チャット部１５０は、Ｓ９０２で取得した質問データ３００に含まれるN個目のワードに基づいて質問文Nを人工知能により生成する。 Next, in S906, the AI chat unit 150 uses AI to generate question sentence N based on the Nth word contained in the question data 300 acquired in S902.
次に、Ｓ９０７にて、人工知能チャット部１５０は、生成された質問文Nに対して解析結果７００の内容に応じた回答文Nを人工知能により生成する。 Next, in S907, the AI chat unit 150 uses AI to generate an answer sentence N in response to the generated question sentence N according to the contents of the analysis result 700.
その後、人工知能チャット部１５０は、N(＝２，３，・・・)の数に応じて、Ｓ９０６～Ｓ９０７の工程を繰り返す。 Then, the AI chat unit 150 repeats steps S906 to S907 according to the number N (= 2, 3, ...).
次に、Ｓ９０８にて、人工知能チャット部１５０は、生成された質問文および回答文をチャット結果８００としてチャット結果記憶部１３３に記憶する。すなわち、人工知能チャット部１５０は、質問文１～Ｎおよび回答文１～Ｎの内容をすべてチャット結果８００としてチャット結果記憶部１３３に記憶する。 Next, in S908, the artificial intelligence chat unit 150 stores the generated question text and answer text as the chat result 800 in the chat result storage unit 133. That is, the artificial intelligence chat section 150 stores all the contents of the question sentences 1 to N and the answer sentences 1 to N as the chat result 800 in the chat result storage section 133.
次に、Ｓ９０９にて、人工知能チャット部１５０は、企画案画面生成部１６０に企画案画面１０００の生成を要求する。 Next, in S909, the artificial intelligence chat section 150 requests the project proposal screen generation section 160 to generate a project proposal screen 1000.
このように、解析結果７００を用いて、回答文を生成させることにより、管理サーバ１２０は、ユーザの潜在ニーズを明白にしたうえで課題を解消するための回答を人工知能チャットに自動生成させることができる。 In this way, by using the analysis results 700 to generate answer sentences, the management server 120 can have the AI chat automatically generate answers to resolve issues after clarifying the user's potential needs.
また、ユーザからの質問を所望するワードで複数回繰り返すことにより、管理サーバ１２０は、広範な情報を含む無意味な回答ではなく、質問と回答の連鎖によって洗練されたクリティカルな回答を人工知能チャットに自動生成させることができる。
＜企画案画面＞
図１０は、本発明の一実施の形態における企画案画面１０００の概要を示す図である。
In addition, by repeating a question from a user multiple times using a desired word, the management server 120 can provide an artificial intelligence chat with a sophisticated critical answer based on a chain of questions and answers, rather than a meaningless answer containing a wide range of information. can be automatically generated.
<Proposal screen>
FIG. 10 is a diagram showing an overview of a project proposal screen 1000 in an embodiment of the present invention.
図１０に示されるように、企画案画面１０００は、ユーザ情報表示領域１０１０と、潜在ニーズ表示領域１０２０と、企画案表示領域１０３０と、を含む。企画案画面１０００は、ユーザ端末１００に表示される。 As shown in FIG. 10, the plan proposal screen 1000 includes a user information display area 1010, a potential needs display area 1020, and a plan proposal display area 1030. The plan proposal screen 1000 is displayed on the user terminal 100.
ユーザ情報表示領域１０１０は、（後述する工程Ｓ１１０１の処理により）取得したユーザ情報２００の内容を表示させる。例えば、ユーザ情報表示領域１０１０は「株式会社〇〇」「ＩＤ：U０００１」「従業員：９０人」等を表示させる。なお、ユーザ情報表示領域１０１０の表示のさせ方については特に限定されない。 The user information display area 1010 displays the contents of the user information 200 acquired (by the processing of step S1101 described below). For example, the user information display area 1010 displays "XX Co., Ltd.", "ID: U0001", "Employees: 90", etc. There are no particular limitations on how the user information display area 1010 is displayed.
潜在ニーズ表示領域１０２０は、（後述する工程Ｓ１１０２の処理により）抽出した解析結果７００の内容を表示させる。すなわち、潜在ニーズ表示領域１０２０は、解析結果７００に含まれる潜在ニーズ指数７１０と潜在ニーズのある項目を表示させる。例えば、潜在ニーズ表示領域１０２０は「指数：７５」「項目：ルール、行動」等を表示させる。なお、潜在ニーズ表示領域１０２０の表示のさせ方については特に限定されない。 The latent needs display area 1020 displays the contents of the analysis result 700 extracted (through the process of step S1102, which will be described later). That is, the latent needs display area 1020 displays the latent needs index 710 included in the analysis result 700 and items with latent needs. For example, the latent needs display area 1020 displays "index: 75", "item: rules, actions", etc. Note that there are no particular limitations on how the latent needs display area 1020 is displayed.
企画案表示領域１０３０は、（後述する工程Ｓ１１０３の処理により）抽出したチャット結果８００の内容を表示させる。すなわち、企画案表示領域１０３０は、チャット結果８００に含まれる質問文１～Ｎおよび回答文１～Ｎの内容に基づいて得られた企画案の内容を表示させる。例えば、企画案表示領域１０３０は「生産性：新しいセールス型を導入してください。また、その検証用の測定とモニタリングが必要です。」「コスト：新しいセールス型を導入する前に、商品の原価と資材構成についてコスト分析が必要です。」等を表示させる。なお、企画案表示領域１０３０の表示のさせ方については特に限定されない。 The plan display area 1030 displays the contents of the chat result 800 extracted (through the process of step S1103, which will be described later). That is, the plan display area 1030 displays the contents of the plan obtained based on the contents of the question sentences 1 to N and the answer sentences 1 to N included in the chat result 800. For example, the project proposal display area 1030 displays "Productivity: Please introduce a new sales model. Also, measurement and monitoring for verification is required.", "Cost: Before introducing a new sales model, the cost of goods A cost analysis is required regarding the material composition and material composition.'' etc. Note that there are no particular limitations on how the plan display area 1030 is displayed.
このように、企画案画面１０００が潜在ニーズ表示領域１０２０および企画案表示領域１０３０を有することで、管理サーバ１２０は、解析処理によって得たユーザの潜在ニーズを示す解析結果７００と、人工知能チャット処理によって得たユーザの質問および質問に対する回答を示すチャット結果８００とを反映した企画案画面１０００をユーザに提供できる。
＜企画案画面生成処理＞
図１１は、本発明の一実施の形態における企画案画面生成処理の概要を示す図である。
In this way, since the project proposal screen 1000 has the potential needs display area 1020 and the project proposal display area 1030, the management server 120 can provide the user with the project proposal screen 1000 that reflects the analysis results 700 indicating the user's potential needs obtained by the analysis process, and the chat results 800 indicating the user's questions and the answers to those questions obtained by the artificial intelligence chat process.
<Project proposal screen generation process>
FIG. 11 is a diagram showing an outline of the project proposal screen generation process in one embodiment of the present invention.
まず、Ｓ１１０１にて、管理サーバ１２０の企画案画面生成部１６０は、Ｓ９０９で要求された企画案画面１０００の生成に要するユーザ情報２００をユーザ情報記憶部１３０から取得する。 First, in S1101, the project plan screen generation unit 160 of the management server 120 acquires user information 200 required to generate the plan screen 1000 requested in S909 from the user information storage unit 130.
次に、Ｓ１１０２にて、企画案画面生成部１６０は、Ｓ１１０１で取得したユーザ情報２００に含まれるユーザＩＤに対応した解析結果を解析結果記憶部１３２から抽出する。 Next, in S1102, the plan screen generation unit 160 extracts the analysis result corresponding to the user ID included in the user information 200 acquired in S1101 from the analysis result storage unit 132.
次に、Ｓ１１０３にて、企画案画面生成部１６０は、Ｓ１１０１で取得したユーザ情報２００に紐付いている質問データ３００に対応したチャット結果８００をチャット結果記憶部１３３から抽出する。 Next, in S1103, the plan screen generation unit 160 extracts the chat result 800 corresponding to the question data 300 linked to the user information 200 acquired in S1101 from the chat result storage unit 133.
次に、Ｓ１１０４にて、企画案画面生成部１６０は、取得したユーザ情報２００と抽出した解析結果７００およびチャット結果８００とに基づいて企画案画面１０００を生成する。 Next, in S1104, the plan screen generation unit 160 generates the plan screen 1000 based on the acquired user information 200 and the extracted analysis results 700 and chat results 800.
より具体的には、企画案画面生成部１６０は、ユーザ情報２００の内容と、解析結果７００に含まれる潜在ニーズ指数７１０と潜在ニーズのある項目（種類）と、チャット結果８００に含まれる人工知能チャット処理によって得たユーザの質問および質問に対する回答とを表示させることにより、企画案画面１０００を生成する。 More specifically, the project proposal screen generation unit 160 generates the contents of the user information 200, the latent needs index 710 included in the analysis result 700, the items (types) with latent needs, and the artificial intelligence included in the chat result 800. A project proposal screen 1000 is generated by displaying the user's questions and answers to the questions obtained through chat processing.
次に、Ｓ１１０５にて、企画案画面生成部１６０は、生成した企画案画面１０００を企画案画面記憶部１３４に記憶する。 Next, in S1105, the plan proposal screen generation unit 160 stores the generated plan proposal screen 1000 in the plan proposal screen storage unit 134.
次に、Ｓ１１０６にて、企画案画面生成部１６０は、企画案画面１０００の提供を企画案画面提供部１７０に要求する。
＜企画案画面提供処理＞
図１２は、本発明の一実施の形態における企画案画面提供処理の構成例の概要を示す図である。
Next, in S<b>1106 , the plan proposal screen generating unit 160 requests the plan proposal screen providing unit 170 to provide the plan proposal screen 1000 .
<Plan proposal screen provision process>
FIG. 12 is a diagram showing an outline of a configuration example of a project proposal screen providing process in one embodiment of the present invention.
まず、Ｓ１２０１にて、管理サーバ１２０の企画案画面提供部１７０は、Ｓ１１０６で要求された企画案画面１０００の提供リクエストを受け付ける。 First, in S1201, the plan screen providing unit 170 of the management server 120 accepts the request to provide the plan screen 1000 requested in S1106.
次に、Ｓ１２０２にて、企画案画面提供部１７０は、企画案画面記憶部１３４から企画案画面１０００を抽出する。 Next, in S1202, the plan proposal screen providing unit 170 extracts the plan proposal screen 1000 from the plan proposal screen memory unit 134.
次に、Ｓ１２０３にて、企画案画面提供部１７０は、企画案画面１０００を提供したいユーザＩＤに対応するユーザ情報２００をユーザ情報記憶部１３０から抽出する。 Next, in S1203, the project proposal screen providing unit 170 extracts user information 200 corresponding to the user ID for which the project proposal screen 1000 is to be provided from the user information storage unit 130.
次に、Ｓ１２０４にて、企画案画面提供部１７０は、Ｓ１２０２で抽出した企画案画面１０００をユーザ端末１００に提供する。 Next, in S1204, the plan screen providing unit 170 provides the plan screen 1000 extracted in S1202 to the user terminal 100.
次に、Ｓ１２０５にて、ユーザ端末１００は、Ｓ１２０３で管理サーバ１２０から提供された企画案画面１０００を、端末のディスプレイに表示させる。 Next, in S1205, the user terminal 100 displays the proposal screen 1000 provided by the management server 120 in S1203 on the terminal display.
このようにして、管理サーバ１２０は、人工知能チャットに質問を繰り返すことによりユーザの潜在ニーズを反映した価値の高い情報を含む商品サービス企画案をユーザに提供できる。 In this way, the management server 120 can provide the user with product and service plans that include valuable information that reflects the user's latent needs by repeatedly asking questions to the artificial intelligence chat.
すなわち、ユーザは、自身の会社の潜在ニーズが反映された価値の高い情報を含む商品サービス企画案を容易に把握できる。
＜本実施の形態の効果＞
以上説明した本発明の実施の形態によれば、管理サーバ１２０は、人工知能チャットに質問を繰り返すことによりユーザの潜在ニーズを反映した価値の高い情報を含む商品サービス企画案をユーザに提供できる。
In other words, the user can easily grasp product and service plans that include valuable information that reflects the latent needs of his or her company.
<Effects of this embodiment>
According to the embodiment of the present invention described above, the management server 120 can provide the user with product and service plans that include valuable information that reflects the user's latent needs by repeatedly asking questions in the artificial intelligence chat.
すなわち、解析結果７００を用いて、回答文を生成させることにより、管理サーバ１２０は、ユーザの潜在ニーズを明白にしたうえで課題を解消するための回答を人工知能チャットに自動生成させることができる。 That is, by generating an answer using the analysis result 700, the management server 120 can make the user's latent needs clear and then have the artificial intelligence chat automatically generate an answer to solve the problem. .
また、ユーザからの質問を所望するワードで複数回繰り返すことにより、管理サーバ１２０は、広範な情報を含む無意味な回答ではなく、質問と回答の連鎖によって洗練されたクリティカルな回答を人工知能チャットに自動生成させることができる。 In addition, by repeating a question from a user multiple times using a desired word, the management server 120 can provide artificial intelligence chat with a sophisticated critical answer based on a chain of questions and answers, rather than a meaningless answer containing a wide range of information. can be automatically generated.
そして、ユーザは、自身の会社の潜在ニーズが反映された価値の高い情報を含む商品サービス企画案を容易に把握できる。 Then, the user can easily grasp product and service planning proposals that include valuable information that reflects the latent needs of his or her company.
以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。たとえば、ユーザ端末は、スマートフォン以外にも、ノート型ＰＣや、タブレット端末等の様々な形態のユーザ端末を全て含むものである。 Although the invention made by the present inventor has been specifically explained based on the embodiments above, the present invention is not limited to the embodiments described above, and various changes can be made without departing from the gist thereof. Needless to say. For example, user terminals include not only smartphones but also various types of user terminals such as notebook PCs and tablet terminals.
また、上記した実施の形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施の形態の構成の一部を他の実施の形態の構成に置き換えることが可能であり、また、ある実施の形態の構成に他の実施の形態の構成を加えることも可能である。また、各実施の形態の構成の一部について、他の構成の追加、削除、置換しても良い。 The above-mentioned embodiments have been described in detail to clearly explain the present invention, and are not necessarily limited to those having all of the configurations described. It is also possible to replace part of the configuration of one embodiment with the configuration of another embodiment, and it is also possible to add the configuration of another embodiment to the configuration of one embodiment. It is also possible to add, delete, or replace part of the configuration of each embodiment with other configurations.
また、上記の各構成、機能、処理部は、それらの一部又は全部を、ハードウェア（例えば、集積回路）で実現してもよい。また、上記の各構成、機能、処理部は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行するネットワーク経由もしくはディスク等記憶媒体によるインストール型のソフトウェア、また、ＡＳＰなどのネットワーク型アプリケーションで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。 Moreover, each of the above-mentioned configurations, functions, and processing units may be partially or entirely realized by hardware (for example, an integrated circuit). In addition, each of the above configurations, functions, and processing units can be implemented using software that is installed via a network or on a storage medium such as a disk, or a network application such as ASP, in which a processor interprets and executes a program that implements each function. It may be realized. Information such as programs, tables, files, etc. that implement each function can be stored in a memory, a recording device such as a hard disk, an SSD (Solid State Drive), or a recording medium such as an IC card, an SD card, or a DVD.
１００ ユーザ端末
１１０ ビッグデータサーバ
１２０ 管理サーバ
１３０ ユーザ情報記憶部
１３１ 質問データ記憶部
１３２ 解析結果記憶部
１３３ チャット結果記憶部
１３４ 企画案画面記憶部
１４０ 潜在ニーズ解析部
１５０ 人工知能チャット部
１６０ 企画案画面生成部
１７０ 企画案画面提供部
１０００ 企画案画面
100 User terminal 110 Big data server 120 Management server 130 User information storage unit 131 Question data storage unit 132 Analysis result storage unit 133 Chat result storage unit 134 Plan screen storage unit 140 Latent needs analysis unit 150 Artificial intelligence chat unit 160 Plan screen Generation unit 170 Plan screen provision unit 1000 Plan screen
Claims (4)
前記ユーザ端末から取得したユーザ情報に含まれる現状データを抽出し、前記ユーザ情報のうち会社情報を参照して理想データを前記ビッグデータサーバから抽出し、前記現状データと前記理想データとが有する各項目のうち同じ項目同士を比較して項目毎の乖離指数を算出し、基準値を超える乖離指数の項目と種類に応じて解析結果を生成する潜在ニーズ解析部と、
前記ユーザ情報に紐づいている質問データ及び解析結果を取得し、前記質問データに含まれる項目と１個目のワードとに基づいて第１の質問文を生成し、前記解析結果の内容に応じた第１の回答文を人工知能により生成し、前記質問データに含まれる項目とＮ個目のワードとに基づいて第Ｎの質問文を生成し、前記解析結果の内容に応じた第Ｎの回答文を人工知能により生成し、Ｎの数に応じて前記質問文及び前記回答文の生成を繰り返す人工知能チャット部と、を有する、
管理サーバ。 A user terminal, a big data server in which big data is stored, and a management server connected to the user terminal and the big data server in which the big data is stored via a network,
a potential needs analysis unit that extracts current state data included in user information acquired from the user terminal, extracts ideal data from the big data server by referring to company information in the user information, compares the same items among the items contained in the current state data and the ideal data to calculate a deviation index for each item, and generates an analysis result according to the item and type of the deviation index that exceeds a reference value;
and an artificial intelligence chat unit that acquires question data and an analysis result linked to the user information, generates a first question based on an item and a first word included in the question data, generates a first answer according to the content of the analysis result by artificial intelligence, generates an Nth question based on an item and an Nth word included in the question data, generates the Nth answer according to the content of the analysis result by artificial intelligence, and repeats generating the question and the answer according to the number N.
Management server.
前記ユーザ情報と、前記解析結果及びチャット結果とに基づいて企画案画面を生成する企画案画面生成部と、
生成した前記企画案画面を前記ユーザ端末に提供する企画案画面提供部と、を有する、
管理サーバ。 2. The management server according to claim 1,
a plan proposal screen generating unit that generates a plan proposal screen based on the user information, the analysis result, and the chat result;
A project proposal screen providing unit that provides the generated project proposal screen to the user terminal.
Management server.
前記管理サーバが、前記ユーザ端末からユーザ情報を取得および記憶する工程と、
前記管理サーバが、現状データを含むユーザ情報を取得し、前記ユーザ情報のうち会社情報を参照して理想データを前記ビッグデータサーバから抽出し、前記現状データと前記理想データとが有する各項目のうち同じ項目同士を比較して項目毎の乖離指数を算出し、基準値を超える乖離指数の項目と種類に応じて解析結果を生成する工程と、
前記管理サーバが、前記ユーザ情報に紐づいている質問データ及び解析結果を取得し、前記質問データに含まれる項目と１個目のワードとに基づいて第１の質問文を生成し、前記解析結果の内容に応じた第１の回答文を人工知能により生成し、前記質問データに含まれる項目とＮ個目のワードとに基づいて第Ｎの質問文を生成し、前記解析結果の内容に応じた第Ｎの回答文を人工知能により生成し、Ｎの数に応じて前記質問文及び前記回答文の生成を繰り返す工程と、を有する、
人工知能チャットを利用した企画案生成システム。 A plan generation system using artificial intelligence chat, comprising a user terminal, a big data server storing big data, and a management server connected to the user terminal and the big data server via a network. ,
the management server acquiring and storing user information from the user terminal;
The management server acquires user information including current data, refers to company information among the user information, extracts ideal data from the big data server, and extracts each item of the current data and ideal data. A step of comparing the same items to calculate a deviation index for each item, and generating analysis results according to the item and type of deviation index exceeding a reference value;
The management server acquires question data and analysis results linked to the user information, generates a first question text based on the items and the first word included in the question data, and performs the analysis. A first answer sentence is generated by artificial intelligence according to the contents of the result, an Nth question sentence is generated based on the items included in the question data and the Nth word, and a first answer sentence is generated according to the contents of the analysis result. a step of generating an Nth answer sentence according to the answer using artificial intelligence, and repeating generation of the question sentence and the answer sentence according to the number N,
A plan generation system using artificial intelligence chat.
前記管理サーバが、前記ユーザ情報と、前記解析結果及びチャット結果とに基づいて企画案画面を生成する工程と、
前記管理サーバが、生成した前記企画案画面を前記ユーザ端末に提供する工程と、を有する、
人工知能チャットを利用した企画案生成システム。 In the plan generation system using artificial intelligence chat according to claim 3,
a step in which the management server generates a project proposal screen based on the user information, the analysis results, and the chat results;
the management server providing the generated project proposal screen to the user terminal;
A plan generation system using artificial intelligence chat.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023090318A JP7461086B1 (en) | 2023-05-31 | 2023-05-31 | A project proposal generation system using a management server and an artificial intelligence chat |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023090318A JP7461086B1 (en) | 2023-05-31 | 2023-05-31 | A project proposal generation system using a management server and an artificial intelligence chat |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP7461086B1 true JP7461086B1 (en) | 2024-04-03 |
Family
ID=90474145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023090318A Active JP7461086B1 (en) | 2023-05-31 | 2023-05-31 | A project proposal generation system using a management server and an artificial intelligence chat |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7461086B1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021512386A (en) | 2018-01-23 | 2021-05-13 | エーアイ スピーチ カンパニー リミテッドＡｉ Ｓｐｅｅｃｈ Ｃｏ．， Ｌｔｄ． | Human machine dialogue method and electronic device |
| KR102467635B1 (en) | 2021-11-03 | 2022-11-17 | 주식회사 하이퍼리서치 | System for providing consulting using artificial intelligence |
| JP2023029253A (en) | 2021-08-20 | 2023-03-03 | リウ インコーポレーテッド | Packaging material mediation platform and method |
-
2023
- 2023-05-31 JP JP2023090318A patent/JP7461086B1/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021512386A (en) | 2018-01-23 | 2021-05-13 | エーアイ スピーチ カンパニー リミテッドＡｉ Ｓｐｅｅｃｈ Ｃｏ．， Ｌｔｄ． | Human machine dialogue method and electronic device |
| JP2023029253A (en) | 2021-08-20 | 2023-03-03 | リウ インコーポレーテッド | Packaging material mediation platform and method |
| KR102467635B1 (en) | 2021-11-03 | 2022-11-17 | 주식회사 하이퍼리서치 | System for providing consulting using artificial intelligence |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tipton et al. | A review of statistical methods for generalizing from evaluations of educational interventions | |
| US20150127577A1 (en) | Method and apparatus for rating objects | |
| Xu et al. | Chart Constellations: Effective Chart Summarization for Collaborative and Multi‐User Analyses | |
| Walstrom et al. | An examination of executive information system (EIS) users | |
| Prysmakova | Contact with citizens and job satisfaction: expanding person-environment models of public service motivation | |
| JP2020013492A (en) | Information processing device, system, method and program | |
| Iqbal et al. | A distance-based methodology for increased extraction of information from the roof matrices in QFD studies | |
| Lin et al. | The measurement and dimensionality of mobile learning systems success: Two-stage development and validation | |
| Xie et al. | Digital library evaluation measures in academic settings: Perspectives from scholars and practitioners | |
| Vispoel et al. | Using parallel splits with self-report and other measures to enhance precision in generalizability theory analyses | |
| Rizun et al. | Discovery of stylistic patterns in business process textual descriptions: It ticket case | |
| Choi | Material Selection: Exploring the Reliability of Material Perception Data and Its Relevance to Materials | |
| Salaba et al. | Visualizations of bibliographic information: A user experience study | |
| JP7461086B1 (en) | A project proposal generation system using a management server and an artificial intelligence chat | |
| Russell et al. | Using semantic networks to define the quality of arguments | |
| Lyudovyk et al. | SNOMEDtxt: Natural language generation from SNOMED ontology | |
| JP6941802B1 (en) | Search system, search method and search program | |
| Varamäki et al. | Starting up a firm or not: Differences in the antecedents of entrepreneurial intentions | |
| Ramya et al. | Unleashing the potential of chatbots in business: A bibliometric analysis | |
| Foote et al. | A computational analysis of social media scholarship | |
| Do et al. | The impact of task-technology fit on user performance within an applicant tracking software: A qualitative study on the bullhorn system | |
| US10877964B2 (en) | Methods and systems to facilitate the generation of responses to verbal queries | |
| Nunes et al. | Natural language-based representation of user preferences | |
| Mizintseva et al. | Knowledge management practice: Application in commercial banks (a Review) | |
| Maloney | The social psychology of occupational status groups: Relationality in the structure of deference |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230626 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230626 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230927 |
|
| 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: 20240314 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7461086 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |