JP7512903B2 - 感性算出装置、感性算出方法、およびプログラム - Google Patents

Description

本開示は、感性算出装置、感性算出方法、およびプログラムに関する。

ソーシャルメディアに投稿されたソーシャルメディアデータをマーケティングに活用する技術が知られている。

例えば、特許文献１には、商品などの特定の対象に対するソーシャルメディアへの投稿に基づいて、その対象を嗜好するユーザであるファンを抽出する技術が開示されている。

特開２０１４－１３７７５７号公報

しかしながら、特許文献１に記載の技術は、特定の対象に対するファンの感性的な価値を定量的に算出していない。そのため、ある商品が特定のユーザに対して訴求できているかは判別できない可能性がある。例えば、ユーザは、それぞれ感性が異なっている。このため、感性が異なるユーザ同士では、同一のコンテンツに対する感性や、志向などを含む情緒的価値観が異なる。

そこで、本開示では、コンテンツに対するユーザの感性タイプに応じた情緒的価値観のマッチング度数を定量的に算出する感性算出装置、感性算出方法、およびプログラムを提案する。

上記の課題を解決するために、本開示に係る一形態の感性算出装置は、第１コンテンツに関する第１コンテンツ情報を取得する取得部と、ユーザの感性タイプに基づいて前記ユーザを分類したセグメントごとに、前記第１コンテンツ情報に対するマッチング度数を算出する算出部と、を備える。

本開示の実施形態に係る感性算出装置の構成の一例を示すブロック図である。 ユーザを感性タイプごとに分類する方法の一例を示す模式図である。 教師画像を学習する方法の一例を説明するための模式図である。 教師テキストを学習する方法の一例を説明するための模式図である。 ユーザの感性タイプを推定する方法の一例を説明するための模式図である。 商品を購入しているユーザが属する感性タイプの変化を示す模式図である。 感性タイプに属するユーザの口コミの時間変化を示す模式図である。 ユーザインターフェイスの一例を示す模式図である。 テキストを入力する方法の一例を示す模式図である。 テキストの分析結果の一例を示す模式図である。 伝わる度の詳細を表示する方法の一例を示す模式図である。 ささる度の詳細を表示する方法の一例を示す模式図である。 テキストをクラスタ化する方法の一例を示す模式図である。 クラスタ化された文書の性質の一例を示す模式図である。 感性算出装置に対して画像を入力する方法の一例を示す模式図である。 画像選択画面の一例を示す模式図である。 画像データの分析結果の一例を示す模式図である。 最適感性タイプのユーザの特徴の詳細の一例を示す模式図である。 コンテンツファンマップの一例を示す模式図である。 コンテンツファンマップの一例を示す模式図である。 感性算出装置に対して、コンテンツを入力する方法の一例を示す模式図である。 検索結果の一例を示す模式図である。 コンテンツの利用者の感性タイプの分析結果の一例を示す模式図である。 テキスト分析画面のユーザインターフェイスの一例を示す模式図である。 テキストの分析結果の一例を示す模式図である。 デザイン分析画面のユーザインターフェイスの一例を示す模式図である。 デザインの分析結果の一例を示す模式図である。 利用者分析画面のユーザインターフェイスの一例を示す模式図である。 コンテンツの分析結果の一例を示す模式図である。 分析結果を保存する処理の一例を示す模式図である。 ブックマーク一覧の一例を説明するための模式図である。 過去に行った分析結果の詳細を示す模式図である。 共有画面のユーザインターフェイスを示す模式図である。 本開示のその他の実施形態に係る発掘システムの構成の一例を示す図である。 本開示のその他の実施形態に係る発掘装置の構成の一例を示すブロック図である。 フレームから顔を検出する方法を説明するための図である。 ユーザインターフェイスの一例を示す模式図である。 アーティストのいいねリストを説明するための図である。 注目リストを説明するための模式図である。 アーティストの履歴を表示する画面を説明するための図である。 本開示のその他の実施形態に係る分析装置の構成を示すブロック図である。 ユーザインターフェイスの一例を示す模式図である。 アーティストの分析画面の一例を示す模式図である。 アーティストの総合ビジネスパワーのランクを説明するための図である。 アーティストのトレンド力のランクを説明するための図である。 定着度、バズり度を確認する方法を説明するための図である。 バズり度が急上昇した日のアーティストの定着度情報を説明するための図である。 ペルソナ像を表示させる方法を説明するための図である。 表示させるペルソナ像を変更する方法を説明するための図である。 ファン層が情報を得ている情報ソースを表示する方法を説明するための図である。 ファン層が好むアーティストを表示する方法を説明するための図である。 ファン層が好むプレイリストを表示する方法を説明するための図である。 感性算出装置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。

以下に、本開示の実施形態について図面に基づいて詳細に説明する。なお、以下の各実施形態において、同一の部位には同一の符号を付することにより重複する説明を省略する。

また、以下に示す項目順序に従って本開示を説明する。
１．実施形態
１－１．感性算出装置の構成
２．ユーザインターフェイス
３．その他の実施形態
３－１．発掘装置
３－２．ユーザインターフェイス
３－３．分析装置
３－４．ユーザインターフェイス
４．ハードウェア構成

（１．実施形態）
［１－１．感性算出装置の構成］
図１を用いて、本開示の実施形態に係る感性算出装置の構成について説明する。図１は、感性算出装置の構成を示すブロック図である。

図１に示すように、感性算出装置１００は、記憶部１１０と、制御部１２０と、通信部１３０とを備える。感性算出装置１００は、ユーザを、複数の感性タイプのセグメントのうち、どの感性タイプのセグメントに属するかを判定することのできる装置である。感性算出装置１００は、コンテンツに対するユーザの感性タイプのセグメントに応じた情緒的価値観のマッチング度数を定量的に算出する。

記憶部１１０は、種々の情報を記憶している。記憶部１１０は、例えば、感性算出装置１００の各部を実現させるためのプログラムを記憶している。この場合、制御部１２０は、記憶部１１０に記憶されているプログラムを展開して実行することで、各部の機能を実現する。記憶部１１０は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、ソリッドステートドライブ、光ディスクなどの記憶装置で実現することができる。記憶部１１０は、複数の異なるメモリなどで構成されてもよい。記憶部１１０は、通信部１３０を介して、有線又は無線で感性算出装置１００と接続された外部の記憶装置であってもよい。この場合、通信部１３０は、例えば、図示しないインターネット網と接続されている。記憶部１１０は、例えば、顧客データベース１１１と、消費者データベース１１２と、感性データベース１１３とを有している。

顧客データベース１１１は、ユーザを感性タイプに応じて複数のセグメントに分類するために行ったアンケート結果を記憶している。アンケートは、例えば、日本の人口分布に従って、年齢及び性別などを考慮した複数人に対して実行している。消費者データベース１１２は、ユーザのＷｅｂの回遊履歴や、ユーザが購入した商品の購買データ、第三者が提供しているオープンなデータを記憶している。

図２を用いて、本実施形態に係るユーザの感性タイプのセグメントについて説明する。図２は、ユーザを感性タイプに応じて複数のセグメントに分類する方法の一例を示す模式図である。

本実施形態では、予めアンケートを行い、ユーザの感性タイプを８～１２種類程度のセグメントに分類している。図２に示す例では、ユーザの感性タイプに応じて、ナチュラル、ユニーク、コンサバ、スタイリッシュ、チャーミング、ラグジュアリー、プレーン、その他の８種類のセグメントに分類している。なお、ユーザの感性タイプのセグメントの種類は、８種類よりも少なくてもよいし、多くてもよい。

ナチュラルは、例えば、商品が気に入ればブランドはこだわらないという特徴を持つユーザ群である。ユニークは、例えば、他の人とはとにかく違う商品を求めるという特徴を持つユーザ群である。コンサバは、例えば、一番売れている商品であれば安心して購入するという特徴を持つユーザ群である。スタイリッシュは、例えば、自分のための投資を惜しまないという特徴を持つユーザ群である。チャーミングは、例えば、着飾ることが重要でトレンドに敏感という特徴を持つユーザ群である。ラグジュアリーは、例えば、良質なものを調べて見極めて使うという特徴を持つユーザ群である。プレーンは、例えば、欲しいものはあまりなく必要最低限のものだけ購入するという特徴を持つユーザ群である。その他は、どの感性タイプにもあてはまらないタイプのユーザ群である。また、これらの感性タイプに加えて、例えば、「イベントにお金を使う」ことや、「情報には踊らされたくない」という特徴を持つＺＥＮという感性タイプがあってもよい。

また、ユーザの感性タイプを、カジュアル、シンプル、プレーン、スポーティ、クール、スマート、ゴージャス、セクシー、ロマンティック、エレガント、フォーマル、ポップの１２の感性タイプに分類してもよい。この場合、カジュアルは、例えば、間違いのないものを選ぶという特徴を持つユーザ群である。シンプルは、例えば、気に入ったものを長く使うといった特徴を持つユーザ群である。プレーンは、例えば、必要なもの以外持たないという特徴を持つユーザ群である。スポーティは、活動的で軽快さを好むという特徴を持つユーザ群である。クールは、バランスを考えて行動するという特徴を持つユーザ群である。スマートは、合理的に考えて行動するという特徴を持つユーザ群である。ゴージャスは、ブランド志向で派手を好むという特徴を持つユーザ群である。セクシーは、自分の理想へ磨き高めるという特徴を持つユーザ群である。ロマンティックは、例えば、自分の願望に一直線という特徴を持つユーザ群である。エレガントは、例えば、上品で落ち着いたものを好むという特徴を持つユーザ群である。フォーマルは、例えば、きちんとしたものを好むという特徴を持つユーザ群である。ポップは、例えば、華やかで楽しいものを好むという特徴を持つユーザ群である。

再び図１を参照する。感性データベース１１３は、例えば、感性タイプごとの特徴を記憶している。具体的には、感性データベース１１３は、各感性タイプの好きな画像、好きな色、文章表現の特徴、性格、価値観などを記憶している。そのため、感性算出装置１００は、ユーザのＷｅｂの回遊履歴や、ユーザが購入した商品の購買データ、ＳＮＳ（Social Network Service）などの書き込みを取得することで、そのユーザの感性タイプを算出し、どのセグメントに属するかを判定することができる。

制御部１２０は、取得部１２１と、算出部１２２と、推定部１２３と、提示部１２４と、更新部１２５と、表示制御部１２６とを備える。制御部１２０は、記憶部１１０に記憶されているプログラムを展開して実行することで各部として機能する。制御部１２０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、図示しない記憶部に記憶されたプログラム（例えば、本発明に係るプログラム）がＲＡＭ等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１２０は、コントローラ（Controller）であり、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てもよい。

取得部１２１は、種々の情報を取得する。取得部１２１は、例えば、ユーザが行ったアンケート結果を取得する。この場合、取得部１２１は、例えば、取得したアンケート結果を顧客データベース１１１に格納する。取得部１２１は、例えば、ユーザに対するアンケートが定期的（例えば、半年ごと）に行われる場合、アンケート結果を定期的に取得する。この場合、取得部１２１は、例えば、定期的にアンケート結果を顧客データベース１１１に格納する。すなわち、顧客データベース１１１に格納されているアンケート結果は、取得部１２１によって定期的にアップデートされる。

取得部１２１は、例えば、ユーザのＷｅｂの回遊履歴や、ユーザが購入した商品の購買データなどを含む価値観情報を、通信部１３０を介して取得する。この場合、取得部１２１は、価値観情報を消費者データベース１１２に格納する。取得部１２１は、例えば、価値観情報を随時取得するようにしてもよい。この場合、取得部１２１は、価値観情報を消費者データベース１１２に格納する。すなわち、消費者データベース１１２に格納されている価値観情報は、取得部１２１によって随時アップデートされる。

取得部１２１は、例えば、顧客の導線に関する情報を取得してもよい。この場合、取得部１２１は、例えば、Ｗｅｂの回遊履歴を顧客の導線として取得してもよいし、特定のＷｅｂページ内の利用しているページを顧客の導線として取得してもよい。この場合、取得部１２１は、例えば、顧客の導線に関する情報を特定の間隔で定期的に取得してもよいし、リアルタイムで取得してもよい。

取得部１２１は、例えば、感性算出装置１００の使用者によって入力されたコンテンツに関するコンテンツ情報を取得する。取得部１２１は、例えば、通信部１３０を介してコンテンツ情報を取得してもよい。取得部１２１が取得するコンテンツに特に制限はないが、例えば、商品、テキスト、静止画像、動画像、音声及び音楽を含む音を挙げることができる。

取得部１２１は、コンテンツに対するＳＮＳの口コミ、顧客の声（ＶＯＣ：Voice Of the Customer）、およびＥＣ（Electronic Commerce）サイトなどの口コミを含むレビュー情報を取得してもよい。

算出部１２２は、種々の情報を算出する。算出部１２２は、例えば、感性算出装置１００に入力された情報に基づいて、各種の値を算出する。算出部１２２は、例えば、取得部１２１が取得したコンテンツ情報に基づいて、各種の情報を算出する。具体的には、算出部１２２は、コンテンツ情報に基づいて、感性タイプのセグメントごとに、コンテンツ情報に対応するコンテンツのマッチング度数を算出する。マッチング度数が高ければそのコンテンツに対する関心が高いことを意味し、マッチング度数が低ければそのコンテンツに対する関心が低いことを意味する。言い換えれば、算出部１２２は、感性タイプのセグメントごとに、関心の高いコンテンツを算出することができる。

算出部１２２は、例えば、予めモデル化された価値観モデルに基づいて、マッチング度数を算出する。この場合、算出部１２２は、予め、感性タイプのセグメントごとに好まれる画像や、テキストを学習し、感性タイプのセグメントごとに好む画像や、テキストをモデル化する。

図３と、図４とを用いて、感性タイプのセグメントごとに好む画像や、テキストをモデル化する方法の一例について説明する。図３は、算出部１２２が画像を学習する方法の一例を示す模式図である。図４は、算出部１２２がテキストを学習する方法の一例を示す模式図である。

図３に示すように、算出部１２２には、例えば、複数の教師画像が入力される。具体的には、算出部１２２には、感性タイプのセグメントごとに好む教師画像が複数入力される。ここで、教師画像には、例えば、感性タイプのセグメントごとに情緒的価値観などの概念が異なる複数の種類の画像が使用される。感性タイプのセグメントごとに好む画像は、例えば、ユーザに対して行ったアンケート結果を使用すればよい。感性タイプのセグメントごとに好む画像は、例えば、取得部１２１によって取得され、消費者データベース１１２に格納された画像を使用してもよい。感性タイプのセグメントごとに好む画像は、外部機関などによって収集された画像を使用してもよい。算出部１２２は、感性タイプのセグメントごとに入力された教師画像による学習結果をモデル化する。これにより、算出部１２２は、モデルに基づいて、新たに入力された画像がどの感性タイプのセグメントに属するユーザに好まれるかを示すマッチング度数を算出することができる。なお、算出部１２２に画像の学習させる場合には、算出部１２２に周知の画像分類機能を適用すればよい。

図４に示すように、算出部１２２には、例えば、複数の教師テキストが入力される。具体的には、算出部１２２には、感性タイプのセグメントごとに好む教師テキストが複数入力される。ここで、教師テキストには、例えば、感性タイプのセグメントごとに情緒的価値観などの概念が異なる複数の種類のテキストが使用される。感性タイプのセグメントごとに好むテキストは、例えば、ユーザに対して行ったアンケート結果を使用すればよい。感性タイプのセグメントごとに好むテキストは、例えば、取得部１２１によって取得され、消費者データベース１１２に格納されたテキストを使用してもよい。算出部１２２は、感性タイプのセグメントごとに入力された教師テキストによる学習結果をモデル化する。具体的には、算出部１２２は、入力された教師テキストを、例えば、９個のキーワードに分類する。そして、算出部１２２は、例えば、分類された９個のキーワードそれぞれが、どの感性タイプのセグメントが反応する度合いを示すマッピングテーブル１４０を生成する。これにより、算出部１２２は、新たに入力されたテキストがどの感性タイプのセグメントに属するユーザに好まれるかを示すマッチング度数を、マッピングテーブル１４０を参照することで算出することができる。なお、マッピングテーブル１４０には、ユーザの性格と感性タイプとが対応付けられている。そのため、９個のキーワードは予め生成した感性データベース１１３に記憶されている感性タイプのセグメントごとの特徴に近いことが好ましい。算出部１２２は、９個のキーワードに基づいて、感性タイプのセグメントごとのマッチング度数を算出することができる。

算出部１２２は、コンテンツがテキストである場合には、ユーザによるテキストに対する理解度を示す伝わる度と、テキストがユーザの心にささった度合いを示すささる度と、ユーザによるテキストに対する表現方法によるコミュニケーション傾向を示す表現傾向を算出する。この場合、算出部１２２は、教師テキストによる学習の際に、ささる度を指標として、９個のキーワードに分類する。ささる度を示すキーワードとしては、「新しさ」、「驚き」、「Ｏｎｌｙ Ｏｎｅ」、「トレンド」、「ストーリー」、「Ｎｏ．１」、「顧客メリット」、「売り方」、「実数値」である。

算出部１２２は、例えば、感性タイプ同士のマッチング度数を算出してもよい。言い換えれば、算出部１２２は、感性タイプ同士の相性度を算出してもよい。この場合、例えば、取得部１２１は、ＳＮＳ上の複数の著名人の感性タイプと、その著名人をフォローしているユーザの感性タイプを取得する。そして、算出部１２２は、例えば、著名人の感生タイプをフォローしている割合の高い感性タイプなどを算出することで、感性タイプ同士の相性度をモデル化する。これにより、影響の受けやすい感性タイプの組み合わせなどを把握することができる。

算出部１２２は、例えば、感性タイプごとの種々の好みを算出してもよい。算出部１２２は、感性タイプごとの感性示唆を算出してもよい。具体的には、算出部１２２は、例えば、感性タイプごとの好むＤＭ（Direct Mail）およびＷｅｂ広告などの出し分けの方法を算出してもよい。算出部１２２は、例えば、感性タイプごとの最適なコンテンツの組み合わせを算出してもよい。算出部１２２は、例えば、感性タイプごとの好むメディア、インフルエンサーを算出してもよい。算出部１２２は、例えば、感性タイプごとにムードボードおよびレコメンド情報などを算出してもよい。算出部１２２は、例えば、取得部１２１が取得した種々のコンテンツの利用者像、ファン層を算出してもよい。この場合、算出部１２２は、例えば、取得部１２１が取得したレビュー情報に基づいて、利用者像や、ファン層を算出すればよい。

具体的には、算出部１２２は、例えば、消費者データベース１１２に記憶されている各種のデータに基づいて、感性示唆を算出してもよい。算出部１２２は、対象となるユーザが保有している商品リスト、Ｗｅｂの閲覧履歴、クリックしたことのあるＷｅｂ広告およびＤＭなどに関する情報に基づいて感性示唆を算出する。算出部１２２は、例えば、対象となるユーザに関する情報と、第三者が提供している画像およびキャラクターなどに関する情報を組み合わせて、感性示唆を算出してもよい。

再び図１を参照する。推定部１２３は、種々の情報を推定する。推定部１２３は、例えば、取得部１２１によって取得されたユーザの価値観情報に基づいて、ユーザが属する感性タイプを推定する。

図５を用いて、推定部１２３がユーザの感性タイプを推定する方法について説明する。図５は、推定部１２３がユーザの感性タイプを推定する方法の一例を説明するための模式図である。

図５に示すように、推定部１２３には、取得部１２１によって取得されたユーザが発した口コミなどが入力される。推定部１２３は、例えば、ユーザの性格を示す特徴である２２項目について、各項目の特徴を持っているか否かを分析する。そして、推定部１２３は、性格を特徴づける２２項目に基づいて、性格と感性タイプとを対応付けたマッピングテーブル１４０を用いて、ユーザの感性タイプを推定する。なお、性格を特徴づける２２項目としては、知的好奇心、誠実性などを挙げることができる。具体的には、推定部１２３が推定する２２項目の性格は、予め生成した感性データベース１１３に記憶されている感性タイプごとの特徴に近い性格であることが好ましい。これにより、取得部１２１によって口コミを発したユーザの性格を推定することができる。

推定部１２３は、取得部１２１が取得したあるユーザが発したテキスト、静止画像、動画像、音声及び音楽を含む音、及びこれらの組み合わせから、そのユーザの感性タイプを推定してもよい。推定部１２３は、例えば、取得部１２１が取得したあるユーザの顧客の導線に基づいて、そのユーザの感性タイプを推定してもよい。

再び図１を参照する。提示部１２４は、種々の情報を提示する。提示部１２４は、算出部１２２によるコンテンツの算出結果に基づいて、適切なユーザにそのコンテンツを提示する。具体的には、提示部１２４は、例えば、コンテンツがテキストである場合に、伝わる度と、ささる度と、表現傾向との少なくとも１つに基づいて、テキストの感性価値に応じた感性タイプに属するユーザに、テキストを提示する。

提示部１２４は、ユーザの価値観情報に基づいて、ユーザに対し最適な最適コンテンツを提示してもよい。具体的には、取得部１２１は、例えば、第１コンテンツ情報に基づいて生成された第１コンテンツとは異なる第２コンテンツに関する第２コンテンツ情報を少なくとも１つ取得する。この場合、算出部１２２は、複数の感性タイプのセグメントごとに、第２コンテンツ情報に対するマッチング度数を算出する。この場合、提示部１２４は、第１コンテンツと、第２コンテンツのうち、ユーザのマッチング度数が高い方のコンテンツを最適コンテンツとして提示する。ここでは、提示部１２４は、２つのコンテンツのうち、マッチング度数の高い方のコンテンツを提示する場合について説明したが、これは例示であり、本開示を限定するものではない。本開示において、提示部１２４は、更に多くのコンテンツのうちの最適なコンテンツをユーザに提示するようにしてもよい。

提示部１２４は、例えば、算出部１２２によって算出された感性示唆を感性タイプに応じた方法で提示してもよい。具体的には、提示部１２４は、例えば、感性タイプの好みに応じた方法で、ＤＭおよびＷｅｂ広告を提示してもよい。提示部１２４は、例えば、算出部１２２によって算出された、ムードボードおよびレコメンド情報などを提示してもよい。これにより、提示部１２４は、感性タイプに応じて適切なレコメンド情報を提示することができる。

更新部１２５は、種々の情報の更新タイミングを検知したり、種々の情報を更新したりする。更新部１２５は、例えば、ユーザが分類されている感性タイプを更新するタイミングを検知する。具体的には、取得部１２１は、ユーザのＷｅｂ上の回遊履歴などを随時取得している。この場合、取得部１２１は、例えば、特定サイトを利用しているユーザの感性タイプが変化していることを取得することができる。更新部１２５は、取得部１２１が感性タイプの変化を取得した場合に、感性タイプを更新するタイミングであると検知する。

更新部１２５は、例えば、感性タイプを更新するタイミングを検知した場合、感性データベース１１３に記憶されている感性タイプを自動で更新するようにしてもよい。更新部１２５は、例えば、取得部１２１が定期的に取得したアンケート結果や、取得部１２１が随時取得しているユーザの行動ログや、特定サイトの利用ログに基づいて、感性データベース１１３に記憶されている感性タイプを自動で更新するようにしてもよい。

表示制御部１２６は、感性タイプのセグメントごとのマッチング度数を比較可能なマッチング情報を第１表示領域に可視化して表示部に表示する。ここで、表示部は、種々の映像を表示する。表示部は、例えば、表示制御部１２６からの制御に従って、マッチング情報を表示する。表示部は、例えば、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）または有機ＥＬ（Organic Electro-Luminescence）ディスプレイなどを含むディスプレイである。表示制御部１２６が表示部に表示する具体的な映像については後述する。

表示制御部１２６は、例えば、マッチング度数の最も高かった感性タイプのセグメントを最適感性タイプとして、第１表示領域において、マッチング情報に隣接して表示する。表示制御部１２６は、例えば、マッチング情報に含まれる感性タイプ及び最適感性タイプが選択された場合に、選択された感性タイプ又は最適感性タイプの詳細情報をポップアップ表示する。これにより、感性タイプの特徴の詳細が確認しやすくなる。

表示制御部１２６は、例えば、第１コンテンツ情報のマッチング度数を第１表示領域に表示する。この場合、表示制御部１２６は、例えば、第２コンテンツ情報のマッチング度数を第１表示領域に隣接する第２表示領域に表示する。これにより、第１コンテンツ情報と、第２コンテンツ情報とが比較しやすくなる。

表示制御部１２６は、算出部１２２が算出した伝わる度と、ささる度と、表現傾向とを可視化して表示部に表示する。この場合、表示制御部１２６は、表示部に表示された伝わる度が感性算出装置１００の使用者によって選択された場合、テキストに含まれる単語や言い回しごとの出現回数と、認知度とをスコア化して表示する。表示制御部１２６は、表示部に表示されたささる度が感性算出装置１００の使用者によって選択された場合、テキストにおいて、予め定められた複数のジャンルのそれぞれに関連する単語が含まれている度合いと、単語の出現頻度とをスコア化して表示する。

表示制御部１２６は、取得部１２１が感性タイプごとのユーザのコンテンツに対する購買情報を含む価値観情報を時系列に沿って取得した場合、感性タイプのセグメントごとのコンテンツの価値観情報の時間変化を表示する。

図６Ａと、図６Ｂとを用いて、商品を購入しているユーザが属する感性タイプのセグメントの変化について説明する。図６Ａは、商品を購入しているユーザが属する感性タイプの変化を示す模式図である。図６Ｂは、感性タイプに属するユーザの口コミの時間変化を示す模式図である。図６Ａと、図６Ｂとにおいて、縦軸は、ユーザの口コミ数及び売り上げを含むリアクションを示しており、横軸は時間を示している。

図６Ａにおいて、グラフＬ１は、例えば、ワイヤレスヘッドホンに関する第１商品に対する感性タイプがコンサバに属するユーザのリアクションの時間変化を示している。グラフＬ２は、例えば、ワイヤレスヘッドホンに関する第１商品に対する感性タイプがユニークに属するユーザのリアクションの時間変化を示している。グラフＬ１に示されるように、コンサバタイプのユーザの第１商品に対するリアクションは時間が経過するにつれて高くなっている。一方、グラフＬ２に示されるように、ユニークタイプのユーザの第１商品に対するリアクションは時間が経過するに連れて低くなっている。すなわち、グラフＬ１と、グラフＬ２とを参照することで、コンサバタイプのユーザは時間が経過するにつれて、第１商品に対する興味が高まり、ユニークタイプのユーザは時間が経過するにつれて、第１商品に対する興味が低くなっていることを把握することができる。

図６Ｂにおいて、グラフＬ１１は、例えば、ワイヤレスヘッドホンに対するコンサバタイプのユーザのリアクションの時間変化を示している。グラフＬ１２は、例えば、エアコンに対するコンサバタイプのユーザのリアクションの時間変化を示している。グラフＬ１２に示すように、コンサバタイプのユーザのエアコンに対するリアクションは周期的に高くなっている。これは、夏や冬などのエアコンを動作させる時期にリアクションが高くなっていることを示している。一方、グラフＬ１１を参照すると、ワイヤレスヘッドホンに関する第２商品が発売された２０１Ｘ年ＸＸ月ＸＸ日の段階では、コンサバタイプのユーザのワイヤレスヘッドホンに対するリアクションは比較的小さい。一方、ワイヤレスヘッドホンに関する第１商品が発売される２０１Ｙ年ＹＹ月ＹＹ日の段階では、コンサバタイプのユーザのワイヤレスヘッドホンに対するリアクションは比較的大きい。すなわち、グラフＬ１１を参照することで、第１商品が発売される２０１Ｙ年ＹＹ月ＹＹ日には、ワイヤレスヘッドホンは、コンサバタイプの人たちのトレンドになっていると把握することができる。

（２．ユーザインターフェイス）
図７を用いて、本実施形態に係る感性算出装置１００が表示部に表示するユーザインターフェイスの一例について説明する。図７は、ユーザインターフェイスの一例を示す模式図である。ユーザインターフェイス２００は、例えば、使用者が感性算出装置１００を使用する際に、表示部に表示されるインターフェイスである。

図７に示すように、ユーザインターフェイス２００は、一気通貫画面を示している。ユーザインターフェイス２００は、分析選択バー２１０と、メニューバー２２０と、ニュースバー２３０、テキスト入力タブ２４０と、第１画像入力タブ２５０と、第２画像入力タブ２６０と、コンテンツ入力タブ２７０とを有する。テキスト入力タブ２４０は、第１領域２００－１に配置されている。第１画像入力タブ２５０は、第２領域２００－２に配置されている。第２画像入力タブ２６０は、第３領域２００－３に配置されている。コンテンツ入力タブ２７０は、第４領域２００－４に配置されている。感性算出装置１００では、例えば、マウスなどの操作機器を使用して、ユーザインターフェイス２００に表示されている各種のタブを選択（クリック）することで、各タブに割り当てられている機能を実行することができる。なお、各機能は、感性算出装置１００の制御部１２０が実行する。ユーザインターフェイス２００は、例えば、使用者が感性算出装置１００を使用する際に、表示部に表示されるインターフェイスである。

分析選択バー２１０は、一気通貫タブ２１１と、テキスト分析タブ２１２と、デザイン分析タブ２１３と、利用者分析タブ２１４とを有する。

一気通貫タブ２１１を選択すると、一気通貫画面に遷移する。なお、図７に示す、ユーザインターフェイス２００は、一気通貫画面である。一気通貫タブ２１１を選択するには、例えば、マウスなどを操作し表示部に表示されている一気通貫タブ２１１をクリックして選択すればよい。これは以降も同様なので、説明は省略する。

一気通貫画面では、例えば、企業などが発行した広報文及び企業のサイトなどのキャッチコピーの分析、商品デザイン及びシチュエーションの画像の分析、コンテンツを利用しているユーザの類推を一画面で行うことができる。一気通貫画面では、例えば、ユーザとの全てのタッチポイントにおいて、コミュニケーションに一貫性があるか、実際の利用者は想定通りである否かを確認するために事前にシミュレーションを実行し、事後、確認することができる。

テキスト分析タブ２１２を選択すると、ユーザインターフェイス２００は、テキスト分析画面に遷移する。テキスト分析画面では、広報文や、サイト・販促物・広告などのキャッチコピー及び本文を検討したり、制作したりする際に、ユーザに対する訴求力や、想定のユーザとのマッチング度数のシミュレーションを実行することができる。これにより、使用者は、テキスト分析画面上で文章を最適化したり、複数の候補の中から採用する候補を選択判断したりすることができる。また、テキスト分析画面上で、競合する他社やメディアが発行した文章との比較も可能となる。これにより、テキスト分析画面による分析結果を利用することで、自社が発行する広報文などのテキストのブラッシュアップが容易となる。なお、テキスト分析画面については後述する。

デザイン分析タブ２１３を選択すると、ユーザインターフェイス２００は、デザイン分析画面に遷移する。デザイン分析画面では、例えば、商品デザイン、商品のカラーバリエーション企業のサイト・販促物・広告などで使用するイメージカットを制作・検討する際に、想定するユーザの感性タイプとのマッチング度数のシミュレーションを実行することができる。これにより、商品デザイン画面では、商品デザイン、商品のカラーバリエーション、イメージカットを最適化したり、選択したり、自社と競合他社の所品デザイン音感性訴求力やその方向性を比較したりすることができる。これにより、デザイン分析画面による分析結果を利用することで、商品デザインと、イメージカットの一貫性の確認などが容易となる。なお、デザイン分析画面については後述する。

利用者分析タブ２１４を選択すると、ユーザインターフェイス２００は、利用者分析画面に遷移する。利用者分析画面では、自社の商品などのコンテンツ間でのユーザの感性タイプの比較を行うことができる。利用者分析画面では、例えば、ユーザの感性タイプについて、商品の旧モデルと新モデルとを比較したり、自社製品と他社製品とを比較したりすることができる。これにより、利用者分析画面では、例えば、想定していた感性タイプと、実際に商品を利用している感性タイプとのギャップを把握したり、実際に商品を利用しているユーザの感性タイプの比率を把握したりすることができる。利用者分析画面では、実際に商品を利用しているユーザの感性タイプの比率などを可視化してもよい。これにより、利用者分析画面による分析結果を利用することで、マーケティング施策の正当性を確認することや、今後のマーケティング施策を改善することが容易となる。なお、利用者分析画面については後述する。

メニューバー２２０は、ダッシュボードタブ２２１と、ブックマークタブ２２２と、ＦＡＱ（Frequently Asked Question）タブ２２３と、フィードバックタブ２２４と、セッティングタブ２２５とを有する。

ダッシュボードタブ２２１を選択すると、図７に示しているような分析画面を示すユーザインターフェイス２００に遷移する。

ブックマークタブ２２２を選択すると、例えば、表示中の分析画面を感性算出装置１００の記憶部１１０又は外部の記憶装置に保存することができる。具体的には、ブックマークタブ２２２を選択することで、入力されたコンテンツと分析結果を保存する。

ブックマークタブ２２２を選択すると、例えば、以前に保存された画面の一覧を表示する。具体的には、過去の分析結果が表示されたり、過去に分析したコンテンツを呼び出したり、他の使用者が分析したコンテンツの分析結果が表示される。これにより、過去の分析結果を活用することが容易となる。

ＦＡＱタブ２２３を選択すると、例えば、感性算出装置１００のマニュアルや、感性算出装置１００のＦＡＱがまとめられたポータルサイトに接続される。これにより、感性算出装置１００の使用性が向上する。

フィードバックタブ２２４を選択すると、例えば、感性算出装置１００に対する使用者の意見を入力することができる。

セッティングタブ２２５を選択すると、例えば、プロジェクトに関するプロジェクト名や、プロジェクトに属するメンバーの編集を行うことができる。

ニュースバー２３０は、プロジェクトタブ２３１と、ニュースタブ２３２と、リセットボタン２３３とを有する。

プロジェクトタブ２３１には、現在利用中の使用者の氏名や、利用中のプロジェクト名称が表示される。プロジェクトタブ２３１を選択することで、例えば、利用するプロジェクトを変更することができる。

ニュースタブ２３２を選択することで、感性算出装置１００のアップデータに関する情報や、障害情報などを確認することができる。ニュースタブ２３２には、感性算出装置１００に関する新しいニュースが届くとその旨を示すアイコンが表示されるようにしてもよい。これにより、使用者は最新のニュースの把握が容易となる。

リセットボタン２３３を選択することで、例えば、分析中の処理を終了することができる。

次に、感性算出装置１００において、テキストを分析する方法について説明する。

テキスト入力タブ２４０を選択することで、感性算出装置１００に対して分析すべきテキストを入力することができる。

図８を用いて、感性算出装置１００に対して、テキストを入力する方法について説明する。図８は、感性算出装置１００に対して、テキストを入力する方法の一例を示す模式図である。

図８に示すように、テキスト入力タブ２４０が選択されると、例えば、表示制御部１２６は、テキスト入力画面２４１をユーザインターフェイス２００においてポップアップ表示する。テキスト入力画面２４１には、例えば、「製品・サービスのキャッチコピーや企画書などのテキストデータを入れてください。」と表示される。テキスト入力画面２４１には、キャッチコピーや企画書などに制限されず、種々のテキストを入力してもよい。テキスト入力画面２４１には、タイトル入力領域２４２と、本文入力領域２４３とが含まれている。

タイトル入力領域２４２には、タイトルが入力される。具体的には、タイトル入力領域２４２には、例えば、「世界初、・・・、ワイヤレスヘッドホン３機種発売」といった文章が入力される。

本文入力領域２４３には、本文が入力される。具体的には、本文入力領域２４３には、例えば、「Ａ社は、・・・、ワイヤレスヘッドホン３機種発売」といった文書が入力される。なお、タイトル入力領域２４２及び本文入力領域２４３に入力された文書は、取得部１２１によって取得される。

タイトル入力領域２４２及び本文入力領域２４３の少なくとも一方に文章を入力した後、解析ボタン２４４を選択することによって、算出部１２２は、入力された文書の訴求力を算出する。

図９を用いて、テキストの分析結果について説明する。図９は、テキストの分析結果の一例を示す模式図である。

図９に示すように、ユーザインターフェイス２００の第１領域２００－１には、タイトル３１０と、本文３２０と、タイトル訴求力３３０と、本文訴求力３４０とが示されている。

タイトル３１０は、タイトル入力領域２４２に入力されたテキストである。本文３２０は、本文入力領域２４３に入力されたテキストである。

タイトル訴求力３３０は、取得部１２１が取得したタイトルに基づいて、算出部１２２によって算出されたタイトルの訴求力である。算出部１２２は、タイトルの訴求力として、伝わる度３３１と、ささる度３３２と、表現傾向３３３とを算出している。伝わる度３３１は２４％である。ささる度３３２は６６％である。表現傾向３３３は３６％である。図９では、表示制御部１２６は、伝わる度３３１と、ささる度３３２と、表現傾向３３３とをグラフ化して表示している。タイトル訴求力３３０を参照することで、タイトルの伝わる度が比較的低いことを把握することができる。

本文訴求力３４０は、取得部１２１が取得した本文に基づいて、算出部１２２によって算出された本文の訴求力である。算出部１２２は、本文の訴求力として、伝わる度３４１と、ささる度３４２と、表現傾向３４３とを算出している。伝わる度３４１は４０％である。ささる度３４２は７３％である。表現傾向３４３は８２％である。図９では、表示制御部１２６は、伝わる度３４１と、ささる度３４２と、表現傾向３４３とをグラフ化して表示している。本文訴求力３４０を参照することで、本文のささる度と、表現傾向とが比較的高いことを把握することができる。

本文訴求力において、伝わる度３４１と、ささる度３４２とを選択することで、伝わる度３４１と、ささる度３４２との算出部１２２による算出結果の詳細を、表示制御部１２６によって表示させることができる。なお、伝わる度３３１と、ささる度３３２とを選択することで、伝わる度３３１と、ささる度３３２との詳細を表示させるようにしてもよい。

算出部１２２は、文書中の含まれる単語や言い回しについて、出現頻度と、認知度とを分析することで、消費者がその文書を理解できるか否かをスコア化する。算出部１２２は、例えば、出現頻度を回数、認知度をＷｅｂ検索結果、検索トレンド、Ｗｅｂにおける辞書へのアクセス頻度などの分析に基づいて、５段階にスコア化する。この場合、表示制御部１２６は、例えば、認知度の低い単語や言い回しは赤色で表示する。

図１０を用いて、伝わる度の詳細を表示する方法について説明する。図１０は、伝わる度の詳細を表示する方法の一例を示す模式図である。

図１０に示すように、伝わる度詳細３５０は、第１領域２００－１において、本文訴求力３４０に隣接して表示されている。伝わる度詳細３５０には、例えば、スポーツ、ノイズキャンセリング、世界初、両立、左右独立型、普段使い、調和、防滴性能が含まれている。

スポーツ、ノイズキャンセリング、世界初、両立、左右独立型、普段使い、調和、防滴性能の出現頻度は、それぞれ１である。これは、それぞれの単語が同程度に含まれていることを意味している。

スポーツ、両立、普段使い、調和については、認知度は５である。一方、ノイズキャンセリング、世界初、左右独立型、防滴性能については、認知度は１である。この場合、表示制御部１２６は、ノイズキャンセリング、世界初、左右独立型、防滴性能については赤く表示する。これにより、認知度の低い単語や言い回しの把握が容易となる。また、伝わる度詳細３５０に基づくことで、伝わりやすい単語や言い回しでテキストを書き換えることが容易となる。

図１１を用いて、ささる度の詳細を表示する方法について説明する。図１１は、ささる度の詳細を表示する方法の一例を示す模式図である。

図１１に示すように、ささる度詳細３６０は、第１領域２００－１において、本文訴求力３４０に隣接して表示されている。ささる度詳細３６０は、テーマ３６１と、レーダーチャート３６２とを含む。

テーマ３６１は、ささる度を示す９個のキーワードの度合いが示されている。９個のキーワードは上述したように、「新しさ」、「驚き」、「Ｏｎｌｙ Ｏｎｅ」、「トレンド」、「ストーリー」、「Ｎｏ．１」、「顧客メリット」、「売り方」、「実数値」である。算出部１２２は、各キーワードに関連する単語がテキストに含まれているか否かを分析し、その単語の出現頻度の高さや、単語を強調して使用しているかを総合的に分析し、各キーワードをスコア化する。そして、表示制御部１２６は、９個のキーワードのうち、ユーザにささっているキーワードが強調して表示する。例えば、強くささっているキーワードは青く表示され、弱くささっているキーワードは黄色く表示され、ささっていないキーワードは強調なしで表示される。テーマ３６１では、「新しさ」と、「Ｏｎｌｙ Ｏｎｅ」と、「ストーリー」とが弱く刺さっていることが示されている。

算出部１２２は、感性タイプのセグメントごとに各キーワードのマッチング度数を分析し、スコア化する。表示制御部１２６は、例えば、算出部１２２の算出結果をレーダーチャート３６２として表示する。レーダーチャート３６２では、感性タイプがエコロジーのユーザに強くささっていることが示されている。

テーマ３６１と、レーダーチャート３６２とを参照することで、テキストが想定している感性タイプのユーザにささっているか否かを確認しながら、テキストを修正することができる。

また、感性算出装置１００は、入力されたテキストが、そのテキストが公表されるメディアや媒体にマッチしているかを示すマッチング度合いや適正化を示唆してもよい。

図１２Ａと、図１２Ｂとを用いて、テキストのマッチング度合いや適正化を示唆する方法について説明する。図１２Ａは、テキストをクラスタ化する方法の一例を示す模式図である。図１２Ｂは、クラスタ化された文書の性質の一例を示す模式図である。

図１２Ａに示すグラフ３７０は、入力されたテキストを、プレス向けテキスト３７１と、説明会資料向けテキスト３７２と、ニュース向けテキスト３７３と、キャッチコピー向けテキスト３７４のいずれかにクラスタ化することを示している。この場合、算出部１２２は、入力されたテキストが、どのクラスタに属しているかを分析する。この場合、表示制御部１２６は、算出部１２２による分析結果を表示する。これにより、入力したテキストが、どのクラスタに属しているか、想定していたクラスタから外れているか否かを示唆することができる。

図１２Ｂは、プレス向けテキスト３７１における、文書の性質を説明するための模式図である。図１２Ｂにおいて、第１プレス３７１ａはＡ社が発表したテキストである。第１プレス３７１ａは、例えば、改まった表現を含み、要約的な書き方をしているテキストであるとする。第２プレス３７１ｂはＢ社が発表したテキストである。第２プレス３７１ｂは、例えば、くだけた表現を含み、抽象的な書き方をしているテキストであるとする。このように、算出部１２２は、クラスタ化したテキスト内における、文章の性質を分析することができる。具体的には、算出部１２２は、文書の性質から、文書の表現、文書の書き方、文書のリズムなどを解析することができる。このため、例えば、Ａ社がＢ社のようなテキストを公表した場合には、示唆された分析結果に基づいて、Ａ社は文書を適切に修正することが容易となる。

次に、感性算出装置１００において、デザインを分析する方法について説明する。

図７において、第１画像入力タブ２５０及び第２画像入力タブ２６０を選択することで、感性算出装置１００に対して分析すべきデザインの画像を入力することができる。

図１３を用いて、感性算出装置１００に対して、画像を入力する方法について説明する。図１３は、感性算出装置１００に対して、画像を入力する方法の一例を示す模式図である。図１３では、第１画像入力タブ２５０が選択された場合について説明する。第２画像入力タブ２６０が選択された場合の処理は、第１画像入力タブ２５０が選択された場合の処理と同じなので説明は省略する。

図１３に示すように、第１画像入力タブ２５０が選択されると、例えば、表示制御部１２６は、画像入力画面２５１をユーザインターフェイス２００においてポップアップ表示する。画像入力画面２５１には、ローカルデータ入力タブ２５２と、サーバデータ入力タブ２５３とが示されている。

ローカルデータ入力タブ２５２を選択すると、感性算出装置１００を使用しているローカルのＰＣ（Personal Computer）に記憶されている画像データを入力することができる。サーバデータ入力タブ２５３は、サーバデータベースに記憶されている画像データを入力することができる。入力された画像データは、取得部１２１によって取得される。

表示制御部１２６は、ローカルデータ入力タブ２５２又はサーバデータ入力タブ２５３が選択され、入力される画像が選択されると画像選択画面を表示する。図１４は、画像選択画面の一例を示す模式図である。

図１４に示すように、表示制御部１２６は、画像選択画面２５４をポップアップ表示する。画像選択画面２５４には、商品カット選択ボタン２５４ａと、シチュエーション画像選択ボタン２５４ｂとが含まれている。画像選択画面２５４では、入力した画像データが商品である場合には商品カット選択ボタン２５４ａを選択し、シチュエーションである場合にはシチュエーション画像選択ボタン２５４ｂを選択する。商品カット選択ボタン２５４ａ又はシチュエーション画像選択ボタン２５４ｂを選択した後、解析開始ボタン２５４ｃを選択することで、算出部１２２による商品の分析が実行される。具体的には、算出部１２２は、入力された画像データに対する各感性タイプのセグメントのマッチング度数を算出する。

図１５を用いて、画像データの分析結果について説明する。図１５は、画像データの分析結果の一例を示す模式図である。

図１５に示すように、ユーザインターフェイス２００の第２領域２００－２には、商品画像データ４１０と、マッチング情報４２０と、最適感性タイプ４３０とが示されている。

商品画像データ４１０は、分析に使用された画像データを示している。

マッチング情報４２０は、商品画像データ４１０に隣接して表示されている。マッチング情報４２０は、商品画像データ４１０に対する各感性タイプのセグメントのマッチング度数が示されている。表示制御部１２６は、各感性タイプのマッチング度数をレーダーチャートで示している。これにより、商品画像データ４１０に対応する商品が、想定していた感性タイプのセグメントとマッチしているか否かを把握することができる。マッチング情報４２０には、感性タイプのセグメントがスタイリッシュのユーザとのマッチング度数が高いことが示されている。また、具体的には後述するが、商品画像データ４１０に基づいて、他の商品画像データと比較することも可能となる。

最適感性タイプ４３０は、マッチング情報４２０に隣接して表示されている。最適感性タイプ４３０は、マッチング度数の最も高かった感性タイプである。ここでは、最適感性タイプとしてスタイリッシュが示されている。スタイリッシュのユーザは、「先進性やトレンドに敏感なタイプ」であることが示されている。スタイリッシュのユーザの特徴として、「新商品をよくチェック」することや、「多人数でワイワイするのが好き」であることが示されている。また、最適感性タイプ４３０には、詳細ボタン４３１が含まれている。詳細ボタン４３１を選択することで、感性タイプがスタイリッシュのユーザの特徴を確認することができる。

上述では静止画像のコンテンツとして、商品画像を例に説明したが、これは例示であり、本発明を限定するものではない。感性算出装置１００に入力する画像に特に制限はなく、ＶＲ（Virtual Reality）画像でもよいし、ＣＡＤ（Computer Aided Design）で作成された画像であってもよい。感性算出装置１００には、ＣＧ（Computer Graphics）で作成された動画像又は静止画像を入力してもよい。

また、感性算出装置１００に入力されるコンテンツは、商品、テキスト、静止画像、動画像、音声および音楽を含む音の組み合わせであってもよい。コンテンツを組み合わせることで、感性価値を多角的に分析することが可能となる。

図１６を用いて、最適感性タイプのユーザの特徴の詳細を確認する方法について説明する。図１６は、最適感性タイプのユーザの特徴の詳細の一例を示す模式図である。

図１６に示すように、表示制御部１２６は、詳細ボタン４３１が選択されると、詳細情報４４０をポップアップ表示する。

詳細情報４４０には、人物情報４４１と、嗜好情報４４２と、性年代情報４４３と、ブランド情報４４４と、購買行動情報４４５と、価値観情報４４６とを含む。

人物情報４４１には、例えば、全人口に対する構成比率が示されている。図１６に示す例では、スタイリッシュの感性タイプの構成比率は、１０％である。

嗜好情報４４２には、スタイリッシュのユーザの種々の嗜好する物の情報が含まれている。嗜好情報４４２には、例えば、カラー、趣味、興味、芸能人、閲覧再度、購読雑誌に関する情報が含まれている。この場合、例えば、スタイリッシュのユーザが好むカラーは、黒と、ゴールドと、赤とであることが示されている。

性年代情報４４３には、スタイリッシュのユーザを構成する性別と、年代に関する情報が含まれている。性年代情報４４３には、例えば、全体では、男性が４８％であり、女性が５２％であることが示されている。

ブランド情報４４４には、スタイリッシュのユーザが好むブランドに関する情報が含まれている。ブランド情報４４４には、例えば、男性と女性と好きなファッション、インテリア、家電に関するブランドの情報が含まれている。ブランド情報４４４には、年代ごとに好きなブランドに関する情報が含まれていてもよい。

購買行動情報４４５には、商品を購買する際の行動に関する情報が含まれている。例えば、商品を購買する際の行動に関する情報は、横軸を外部からの影響度、縦軸を情報収集度で生成したグラフで特徴づけられる。購買行動情報４４５には、例えば、トレンドに敏感で積極的に情報を収集することが示されている。

価値観情報４４６には、スタイリッシュのユーザの種々の価値観に関する情報が含まれている。価値観情報４４６には、例えば、流行やトレンドに敏感であることが示されている。

図１６に示すように、詳細情報４４０には、スタイリッシュのユーザに関する種々の情報が含まれている。これにより、商品を展開する広告、展示、媒体選択などのマーケティング施策を検討する際に有効となる。なお、図１５に示したマッチング情報４２０のレーダーチャートに含まれる感性タイプを選択することで、各感性タイプの詳細情報を表示するようにしてもよい。

また、図１７に示すように、特定の感性タイプＡが好むコンテンツを紐付けて表示したマップを表示するようにしてもよい。図１７は、特定の感性タイプのユーザが好むコンテンツをネットワーク図化したコンテンツファンマップである。

コンテンツファンマップＣＭ１には、コンテンツ１１と、コンテンツ１２と、コンテンツ１３と、コンテンツ１４と、コンテンツ１５とが配置されている。コンテンツ１１からコンテンツ１６は、特定の感性タイプＡのユーザが好むコンテンツである。このような、コンテンツファンマップＣＭ１は、上述のアンケート結果に基づいて生成することができる。

コンテンツ１１と、コンテンツ１６とは、第１領域３１に配置されている。コンテンツ１２と、コンテンツ１３と、コンテンツ１４と、コンテンツ１５とは、第２領域３２に配置されている。この場合、第１領域３１に配置されたコンテンツは、第２領域３２に配置されたコンテンツよりも、感性タイプＡのユーザが好むコンテンツであることを意味している。詳細には、原点Ｏに近い位置に配置されたコンテンツほど、感性タイプＡのユーザが好むコンテンツであることを意味している。

コンテンツ１１と、コンテンツ１２とは、矢印２１とで紐付けられている。コンテンツ１２と、コンテンツ１４とは、矢印２２で紐付けられている。コンテンツ１１と、コンテンツ１４とは、矢印２３で紐付けられている。コンテンツ１１と、コンテンツ１６とは、矢印２４とで、紐付けられている。紐付けられたコンテンツ同士は、例えば、ＥＣサイトや、レコメンドサイトから一緒に購入されたコンテンツであることを意味している。すなわち、紐付けられたコンテンツ同士は関連性が強いことを意味している。そのため、コンテンツファンマップＣＭ１を確認することで、特定の感性タイプの顧客が好むコンテンツや、コンテンツ同士の関連性を把握することが容易になる。

また、図１８に示すように、特定のコンテンツがどの感性タイプに好まれているかを示すマップを表示してもよい。図１８は、特定のコンテンツがどの感性タイプに好まれているかを表示したコンテンツファンマップである。

コンテンツファンマップＣＭ２には、第１領域４１と、第２領域４２と、第３領域４３と、第４領域４４とが示されている。コンテンツファンマップＣＭ２には、例えばコンテンツ１４が配置されている。

第１領域４１は、中心領域４１ａと、周辺領域４１ｂとを有する。第１領域４１は、特定の感性タイプＡが好むコンテンツの領域を示している。この場合、周辺領域４１ｂに配置されたコンテンツよりも中心領域４１ａに配置されたコンテンツの方が、感性タイプＡのユーザが好むコンテンツであることを意味している。

第２領域４２は、中心領域４２ａと、周辺領域４２ｂとを有する。第２領域４２は、特定の感性タイプＢが好むコンテンツの領域を示している。この場合、周辺領域４２ｂに配置されたコンテンツよりも中心領域４２ａに配置されたコンテンツの方が、感性タイプＢのユーザが好むコンテンツであることを意味している。

第３領域４３は、中心領域４３ａと、周辺領域４３ｂとを有する。第３領域４３は、特定の感性タイプＣが好むコンテンツの領域を示している。この場合、周辺領域４３ｂに配置されたコンテンツよりも中心領域４３ａに配置されたコンテンツの方が、感性タイプＣのユーザが好むコンテンツであることを意味している。

第４領域４４は、中心領域４４ａと、周辺領域４４ｂとを有する。第４領域４４は、特定の感性タイプＤが好むコンテンツの領域を示している。この場合、周辺領域４４ｂに配置されたコンテンツよりも中心領域４４ａに配置されたコンテンツの方が、感性タイプＤのユーザが好むコンテンツであることを意味している。

第１領域４１から第４領域４４とは、それぞれがいずれかの領域と重複している。重複している範囲に配置されたコンテンツは、その両方の感性タイプのユーザが好んでいることを意味する。図２０に示す例では、コンテンツ１４は、周辺領域４１ｂと、周辺領域４４ｂとの重複範囲に配置されている。これは、コンテンツ１４が、感性タイプＡと、感性タイプＤの両方のユーザから好まれていることを意味している。すなわち、コンテンツファンマップＣＭ２では、あるコンテンツのファン層が可視化されている。そのため、コンテンツファンマップＣＭ２を確認することで、あるコンテンツが複数のユーザから好まれているか否かを確認することが容易となる。言い換えれば、あるコンテンツのファン層を構成しているユーザが、どの感性タイプに属しているかを確認することが容易となる。

次に、感性算出装置１００において、コンテンツを利用するユーザの感性タイプを分析する方法について説明する。

図７において、コンテンツ入力タブを選択することで、感性算出装置１００に対して分析すべきコンテンツを入力することができる。

図１９を用いて、感性算出装置１００に対して、コンテンツを入力する方法について説明する。図１９は、感性算出装置１００に対して、コンテンツを入力する方法の一例を示す模式図である。

図１９に示すように、テキスト入力タブ２４０が選択されると、例えば、表示制御部１２６は、コンテンツ入力画面２６１をユーザインターフェイス２００においてポップアップ表示する。コンテンツ入力画面２６１には、コンテンツ入力領域２６１ａと、検索ボタン２６１ｂとが示されている。

コンテンツ入力領域２６１ａには、分析すべきコンテンツの名称が入力される。コンテンツ入力領域２６１ａにコンテンツを入力した後、検索ボタン２６１ｂを選択すると、入力したコンテンツの口コミやレビューの検索結果が表示される。ここで、入力したコンテンツの口コミやレビューは、取得部１２１が取得する。

図２０を用いて、入力したコンテンツの検索結果について説明する。図２０は、検索結果の一例を示す模式図である。

図２０に示すように、検索結果２６２には、同一のコンテンツの色違いの製品が複数表示されている。ここで製品は、例えば、ワイヤレスヘッドホンである。具体的には、第１コンテンツ情報２６２ａと、第２コンテンツ情報２６２ｂと、第３コンテンツ情報２６２ｃと、第４コンテンツ情報２６２ｄとが示されている。第１コンテンツ情報２６２ａには第１選択ボタン２６３ａが含まれている。第２コンテンツ情報２６２ｂには第２選択ボタン２６３ｂが含まれている。第３コンテンツ情報２６２ｃには第３選択ボタン２６３ｃが含まれている。第４コンテンツ情報２６２ｄには第４選択ボタン２６３ｄが含まれている。各選択ボタンを選択することで、分析を実行するコンテンツを選択することができる。分析するコンテンツを選択した後、解析ボタン２６４を選択することで、算出部１２２は、選択されたコンテンツの利用者の感性タイプの分析を実行する。

図２１を用いて、感性タイプの分析結果について説明する。図２１は、コンテンツの利用者の感性タイプの分析結果の一例を示す模式図である。

図２１に示すように、ユーザインターフェイス２００の第４領域２００－４には、選択コンテンツ５１０と、感性タイプ情報５２０と、最多感性タイプ５３０とが示されている。

選択コンテンツ５１０は、感性算出装置１００の使用者によって選択されたコンテンツを示している。

感性タイプ情報５２０は、選択コンテンツ５１０に隣接して表示されている。感性タイプ情報５２０は、選択コンテンツ５１０を利用している感性タイプのユーザの割合を示している。表示制御部１２６は、各感性タイプの割合をレーダーチャートで示している。これにより、選択コンテンツ５１０に対応する商品が、想定していた感性タイプとマッチしているか否かを把握することができる。感性タイプ情報には、感性タイプがチャーミングのユーザの利用率が高いことが示されている。

最多感性タイプ５３０は、感性タイプ情報５２０に隣接して表示されている。最多感性タイプ５３０は、選択コンテンツ５１０の利用率の最も高かった感性タイプである。ここでは、最多感性タイプとしてチャーミングが示されている。チャーミングのユーザは、「ファッション性を取り入れるタイプ」であることが示されている。チャーミングのユーザの特徴として、「ブランド商品が好き」であることや、「良いと思ったものは他人にすすめる」ことが示されている。また、最多感性タイプ５３０には、詳細ボタン５３１が含まれている。詳細ボタン５３１を選択することで、感性タイプがチャーミングのユーザの特徴を確認することができる。詳細を表示させる方法については、最適感性タイプ４３０の場合と同様なので説明は省略する。

一気通貫画面では、テキストと画像などを横並びで表示したが、本開示では、テキスト分析タブ２１２を選択することで、テキストのみを横に並べて表示比較することができる。

図２２を用いて、テキスト分析画面について説明する。図２２は、テキスト分析画面のユーザインターフェイス３００を示す模式図である。例えば、一気通貫画面のユーザインターフェイス２００の状態で、テキスト分析タブ２１２を選択することでユーザインターフェイス３００に切り替わる。言い換えれば、表示制御部１２６がユーザインターフェイス２００からユーザインターフェイス３００に切り替える。

図２２に示すように、ユーザインターフェイス３００には、第１領域３００－１に第１テキスト入力タブ２４０Ａと、第２領域３００－２に第２テキスト入力タブ２４０Ｂと、第３領域３００－３に第３テキスト入力タブ２４０Ｃとを含む。第１テキスト入力タブ２４０Ａと、第２テキスト入力タブ２４０Ｂと、第３テキスト入力タブ２４０Ｃとを選択することで、それぞれに異なるテキストを入力することができる。なお、テキストを入力して分析する方法については、ユーザインターフェイス２００の場合と同様なので説明は省略する。また、図２２では、テキスト入力タブが３個含まれているが、これは例示であり、本開示を限定するものではない。本開示では、例えば、テキスト分析タブ２１２を選択することで、横並びに表示させるテキストの数を自由に設定することができる。

図２３を用いて、テキストの分析結果について説明する。図２３は、テキストの分析結果の一例を示す模式図である。

図２３に示すように、ユーザインターフェイス３００の第１領域３００－１には、本文３２０Ａと、本文訴求力３４０Ａと、ささる度詳細３６０Ａのテーマ３６１Ａとが示されている。本文３２０Ａには、例えば、「ＡＡＡは、・・・・、です」といったことが記載される。

本文訴求力３４０Ａは、伝わる度３４１Ａと、ささる度３４２Ａと、表現傾向３４３Ａとを含む。伝わる度３４１Ａは３７％である。ささる度３４２Ａは６２％である。表現傾向３４３Ａは７０％である。

テーマ３６１Ａを参照すると、本文３２０Ａはテーマとして「驚き」が弱くささっていることが示されている。

ユーザインターフェイス３００の第２領域３００－２には、本文３２０Ｂと、本文訴求力３４０Ｂと、ささる度詳細３６０Ｂのテーマ３６１Ｂとが示されている。本文３２０Ｂには、例えば、「ＢＢＢは、・・・・、です」といったことが記載される。

本文訴求力３４０Ｂは、伝わる度３４１Ｂと、ささる度３４２Ｂと、表現傾向３４３Ｂとを含む。伝わる度３４１Ｂは４３％である。ささる度３４２Ｂは６３％である。表現傾向３４３Ｃは８９％である。すなわち、本文３２０Ｂは比較的強く共感されていることが示されている。

テーマ３６１Ｂを参照すると、本文３２０Ｂはテーマとして「トレンド」と、「顧客メリット」とが弱くささっていることが示されている。

ユーザインターフェイス３００の第３領域３００－３には、本文３２０Ｃと、本文訴求力３４０Ｃと、ささる度詳細３６０Ｃのテーマ３６１Ｃとが示されている。本文３２０Ｃには、例えば、「ＣＣＣは、・・・・、です」といったことが記載される。

本文訴求力３４０Ｃは、伝わる度３４１Ｃと、ささる度３４２Ｃと、表現傾向３４３Ｃとを含む。伝わる度３４１Ｃは２６％である。ささる度３４２Ｃは５７％である。表現傾向３４３Ｃは７９％である。すなわち、本文３２０Ｃは、比較的伝わっていないことが示されている。

テーマ３６１Ｃを参照すると、本文３２０Ｃはテーマとして何もささっていないことが示されている。

上述のように、テキスト分析画面では複数のテキストを横並びに表示させることで、それぞれの訴求力を容易に比較することができる。そのため、サイト・販促物・広告などのキャッチコピー及び本文を検討したり、制作したりする際に、ユーザに対する訴求力や、想定のユーザとのマッチング度数のシミュレーションを実行することができる。これにより、使用者は、テキスト分析画面上で文章を最適化したり、複数の候補の中から採用する候補を選択判断したりすることができる。

一気通貫画面では、テキストと画像などを横並びで表示したが、本開示では、デザイン分析タブ２１３を選択することで、画像のみを横に並べて表示比較することができる。

図２４を用いて、デザイン分析画面について説明する。図２４は、デザイン分析画面のユーザインターフェイス４００を示す模式図である。例えば、一気通貫画面のユーザインターフェイス２００の状態で、デザイン分析タブ２１３を選択することでユーザインターフェイス４００に切り替わる。言い換えれば、表示制御部１２６がユーザインターフェイス２００からユーザインターフェイス４００に切り替える。

図２４に示すように、ユーザインターフェイス４００には、第１領域４００－１に第１画像入力タブ２５０Ａと、第２領域４００－２に第２画像入力タブ２５０Ｂと、第３領域４００－３に第３画像入力タブ２５０Ｃと、第４領域４００－４に第４画像入力タブ２５０Ｄとを含む。第１画像入力タブ２５０Ａと、第２画像入力タブ２５０Ｂと、第３画像入力タブ２５０Ｃと、第４画像入力タブ２５０Ｄとを選択することで、それぞれに異なる画像を入力することができる。なお、テキストを入力して分析する方法については、ユーザインターフェイス２００の場合と同様なので説明は省略する。また、図２４では、画像入力タブが４個含まれているが、これは例示であり、本開示を限定するものではない。本開示では、例えば、デザイン分析タブ２１３を選択することで、横並びに表示させるテキストの数を自由に設定することができる。

図２５を用いて、デザインの分析結果について説明する。図２５は、デザインの分析結果の一例を示す模式図である。

図２５に示すように、ユーザインターフェイス４００の第１領域４００－１には、商品画像データ４１０Ａと、マッチング情報４２０Ａと、最適感性タイプ４３０Ａとが含まれている。

商品画像データ４１０Ａは、使用者によって入力される画像データである。商品画像データ４１０Ａは、例えば、黒のワイヤレスヘッドホンである。

マッチング情報４２０Ａは、商品画像データ４１０Ａに対する各感性タイプのマッチング度数を示すレーダーチャートである。すなわち、マッチング情報４２０Ａは、各感性タイプの顧客像を示すレーダーチャートである。マッチング情報４２０Ａには、商品画像データ４１０Ａは、感性タイプがポピュラーなユーザとのマッチング度数が高いことが示されている。

最適感性タイプ４３０Ａは、マッチング度数の最も高かった感性タイプである。ここでは、最適感性タイプとしてポピュラーが示されている。ポピュラーのユーザは、「人気があるものを好むタイプ」であることが示されている。ポピュラーのユーザの特徴として、「売れているものを買えば間違いない」と考えることや、「デザインより多機能」を好むことが示されている。また、最適感性タイプ４３０Ａには、詳細ボタン４３１Ａが含まれている。詳細ボタン４３１Ａを選択することで、感性タイプがポピュラーのユーザの特徴の詳細を確認することができる。

ユーザインターフェイス４００の第２領域４００－２には、商品画像データ４１０Ｂと、マッチング情報４２０Ｂと、最適感性タイプ４３０Ｂとが含まれている。

商品画像データ４１０Ｂは、使用者によって入力される画像データである。商品画像データ４１０Ｂは、例えば、商品画像データ４１０Ａとは色違いの白のワイヤレスヘッドホンである。すなわち、商品画像データ４１０Ｂは、商品画像データ４１０Ａに基づいて生成された同一コンテンツの色違いの商品の画像データである。

マッチング情報４２０Ｂは、商品画像データ４１０Ｂに対する各感性タイプのマッチング度数を示すレーダーチャートである。マッチング情報４２０Ｂには、商品画像データ４１０Ｂは、感性タイプがポピュラーなユーザとのマッチング度数が高いことが示されている。

最適感性タイプ４３０Ｂは、マッチング度数の最も高かった感性タイプである。ここでは、最適感性タイプとしてポピュラーが示されている。最適感性タイプ４３０Ｂには、詳細ボタン４３１Ｂが含まれている。詳細ボタン４３１Ｂを選択することで、感性タイプがポピュラーのユーザの特徴の詳細を確認することができる。

ユーザインターフェイス４００の第３領域４００－３には、商品画像データ４１０Ｃと、マッチング情報４２０Ｃと、最適感性タイプ４３０Ｃとが含まれている。

商品画像データ４１０Ｃは、使用者によって入力される画像データである。商品画像データ４１０Ｃは、例えば、商品画像データ４１０Ａ及び商品画像データ４１０Ｂとは色違いの黄色のワイヤレスヘッドホンである。すなわち、商品画像データ４１０Ｃは、商品画像データ４１０Ａ及び商品画像データ４１０Ｂに基づいて生成された同一コンテンツの色違いの商品の画像データである。

マッチング情報４２０Ｃは、商品画像データ４１０Ｃに対する各感性タイプのマッチング度数を示すレーダーチャートである。マッチング情報４２０Ｃには、商品画像データ４１０Ｃは、感性タイプがＺＥＮなユーザとのマッチング度数が高いことが示されている。

最適感性タイプ４３０Ｃは、マッチング度数の最も高かった感性タイプである。ここでは、最適感性タイプとしてＺＥＮが示されている。ＺＥＮのユーザは、「モノより体験を重視するタイプ」であることが示されている。ＺＥＮのユーザの特徴として、「イベントにお金を使う」ことや、「情報には踊らされたくない」と考えることが示されている。また、最適感性タイプ４３０Ｃには、詳細ボタン４３１Ｃが含まれている。詳細ボタン４３１Ｃを選択することで、感性タイプがポピュラーのユーザの特徴の詳細を確認することができる。

上述のとおり、デザイン分析画面では、同一商品において、カラーバリエーションごとに各感性タイプのマッチング度数を算出することができる。すなわち、デザイン分析画面では、想定するユーザの感性タイプに応じた商品デザインや、カラーバリエーションを検討したり、サイト・販促物・広告などのイメージカットを制作・検討したりする際に、有用である。具体的には、デザイン分析画面では、想定するユーザの感性タイプのマッチング度数をシミュレーションしながら商品のコンセプトを最適化したり、選択したり、自社と競合他社の商品デザインの感性訴求力やその方向性を比較したりすることができる。その結果、商品デザインと、イメージカットの一貫性の確認などが容易になる。

ユーザインターフェイス４００においては、入力された画像の商品に対するレビューや口コミなどを含むレビュー情報をＳＮＳなどから収集して、口コミの解析を実行してもよい。例えば、商品画像データ４１０Ａとして入力された、黒のワイヤレスヘッドホンに対するユーザの評価を１から５までの５段階で算出してもよい。この場合、１が最も低い評価で、５が最も高い評価であることを意味する。ユーザインターフェイス４００においては、商品画像データ４１０Ａとして入力された、黒のワイヤレスヘッドホンに対するＶＯＣを頻出ワードとして表示してもよい。この場合、ＶＯＣの内容の評価をリアルタイムで実行してもよい。また、ユーザインターフェイス４００においては、商品画像データ４１０Ａとして入力された、黒のワイヤレスヘッドホンに対するＶＯＣを自動でカテゴライズして表示するようにしてもよい。商品画像データ４１０Ａとして入力された、黒のワイヤレスヘッドホンに対するＶＯＣに基づいて、「高音」「ノイズ」などの単語を「音質」として、カテゴライズしてもよい。

これにより、ユーザインターフェイス４００において、Ｗｅｂの回遊履歴、ＳＮＳの口コミ、ＶＯＣ、およびＥＣサイトなどの口コミを含むレビュー情報に基づいて、入力された画像の商品の利用者像や、利用が見込まれる利用者像を算出することができる。すなわち、入力された画像の商品を利用しているユーザの感性タイプや、利用が見込まれるユーザの感性タイプをすることができる。具体的には、ある商品のブランドやアーティストのファン層を算出することができる。

また、ユーザインターフェイス４００においては、マッチング情報４２０Ａのレーダーチャートに表示された感性タイプを選択することで、感性タイプごとの頻出ワードを表示したり、感性タイプごとのＶＯＣのカテゴライズを実行したりしてもよい。

図２６を用いて、利用者分析画面について説明する。図２６は、利用者分析画面のユーザインターフェイス５００を示す模式図である。例えば、一気通貫画面のユーザインターフェイス２００の状態で、利用者分析タブ２１４を選択することでユーザインターフェイス５００に切り替わる。言い換えれば、表示制御部１２６がユーザインターフェイス２００からユーザインターフェイス５００に切り替える。

図２６に示すように、ユーザインターフェイス５００には、第１領域５００－１に第１コンテンツ入力タブ２７０Ａと、第２領域５００－２に第２コンテンツ入力タブ２７０Ｂと、第３領域５００－３に第３コンテンツ入力タブ２７０Ｃとを含む。第１コンテンツ入力タブ２７０Ａと、第２コンテンツ入力タブ２７０Ｂと、第３コンテンツ入力タブ２７０Ｃとを選択することで、それぞれに異なる画像を入力することができる。なお、コンテンツを入力して分析する方法については、ユーザインターフェイス２００の場合と同様なので説明は省略する。また、図２６では、コンテンツ入力タブが３個含まれているが、これは例示であり、本開示を限定するものではない。本開示では、例えば、利用者分析タブ２１４を選択することで、横並びに表示させるテキストの数を自由に設定することができる。

図２７を用いて、コンテンツの分析結果について説明する。図２７は、コンテンツの分析結果の一例を示す模式図である。

図２７に示すように、ユーザインターフェイス５００の第１領域５００－１には、選択コンテンツ５１０Ａと、感性タイプ情報５２０Ａと、最多感性タイプ５３０Ａとが含まれている。

選択コンテンツ５１０Ａは、使用者によって入力された分析すべきコンテンツ情報である。選択コンテンツ５１０Ａは、例えば、ワイヤレスヘッドホンに関する第１商品である。

感性タイプ情報５２０Ａは、選択コンテンツ５１０を利用している感性タイプのユーザの割合を示すレーダーチャートである。感性タイプ情報５２０Ａには、選択コンテンツ５１０Ａを利用しているユーザの感性タイプは、スタイリッシュが最も多いことを示している。

最多感性タイプ５３０Ａは、選択コンテンツ５１０Ａの利用率の最も高かった感性タイプである。ここでは、最多感性タイプとしてスタイリッシュが示されている。また、最多感性タイプ５３０Ａには、詳細ボタン５３１Ａが含まれている。詳細ボタン５３１Ａを選択することで、感性タイプがスタイリッシュのユーザの特徴の詳細を確認することができる。

ユーザインターフェイス５００の第２領域５００－２には、選択コンテンツ５１０Ｂと、感性タイプ情報５２０Ｂと、最多感性タイプ５３０Ｂとが含まれている。

選択コンテンツ５１０Ｂは、使用者によって入力された分析すべきコンテンツ情報である。選択コンテンツ５１０Ｂは、例えば、ワイヤレスヘッドホンに関する第２商品である。

感性タイプ情報５２０Ｂは、選択コンテンツ５１０を利用している感性タイプのユーザの割合を示すレーダーチャートである。感性タイプ情報５２０Ｂには、選択コンテンツ５１０Ｂを利用しているユーザの感性タイプは、ＺＥＮが最も多いことを示している。

最多感性タイプ５３０Ｂは、選択コンテンツ５１０Ｂの利用率の最も高かった感性タイプである。ここでは、最多感性タイプとしてＺＥＮが示されている。また、最多感性タイプ５３０Ｂには、詳細ボタン５３１Ｂが含まれている。詳細ボタン５３１Ｂを選択することで、感性タイプがＺＥＮのユーザの特徴の詳細を確認することができる。

ユーザインターフェイス５００の第３領域５００－３には、選択コンテンツ５１０Ｃと、感性タイプ情報５２０Ｃと、最多感性タイプ５３０Ｃとが含まれている。

選択コンテンツ５１０Ｃは、使用者によって入力された分析すべきコンテンツ情報である。選択コンテンツ５１０Ｃは、例えば、ワイヤレスヘッドホンに関する第３商品である。

感性タイプ情報５２０Ｃは、選択コンテンツ５１０を利用している感性タイプのユーザの割合を示すレーダーチャートである。感性タイプ情報５１０ｃＣは、選択コンテンツ５１０Ｂを利用しているユーザの感性タイプは、スタイリッシュが最も多いことを示している。

最多感性タイプ５３０Ｃは、選択コンテンツ５１０Ｃの利用率の最も高かった感性タイプである。ここでは、最多感性タイプとしてスタイリッシュが示されている。また、最多感性タイプ５３０Ｃには、詳細ボタン５３１Ｃが含まれている。詳細ボタン５３１Ｃを選択することで、感性タイプがスタイリッシュのユーザの特徴の詳細を確認することができる。

上述のとおり、コンテンツ分析画面では、例えば、自社の同一商品のラインアップ間での利用者の感性タイプを比較したり、自社商品の旧モデルと新モデルとを比較したり、自社製品と他社製品とを比較したりすることができる。これにより、利用者分析画面では、例えば、想定していた感性タイプと、実際に商品を利用している感性タイプとのギャップを把握したり、実際に商品を利用しているユーザの感性タイプの比率を把握したりすることができる。利用者分析画面による分析結果を利用することで、マーケティング施策の正当性を確認することや、今後のマーケティング施策を改善することが容易となる。

次に、図２８を用いて、分析結果を保存する処理について説明する。図２８は、分析結果を保存する処理の一例を示す模式図である。

例えば、図２７に示したコンテンツ分析画面の表示された分析結果を保存する。この場合、分析結果が表示されている画面上で、メニューバー２２０に配置しているブックマークタブ２２２を選択すると、図２８に示すような、ブックマーク選択画面２２２ａが、ユーザインターフェイス５００にポップアップ表示される。

図２８に示すように、ブックマーク選択画面２２２ｂには、ブックマークタブ２２２ａ－１と、ブックマーク一覧タブ２２２ａ－２とが含まれている。ブックマークタブ２２２ａ－１を選択すると、コンテンツ分析画面に表示されている分析結果がブックマークとして保存される。これは、一気通貫画面、テキスト分析画面、デザイン分析画面の場合も同様である。一方、ブックマーク一覧タブ２２２ａ－２を選択すると、過去に行ったブックマークが一覧で表示される。

図２９を用いて、ブックマーク一覧の一例について説明する。図２９は、ブックマーク一覧の一例を説明するための模式図である。

図２９に示すように、ブックマーク一覧６００には、例えば、テキスト分析結果６１０と、デザイン比較結果６２０と、シチュエーション比較結果６３０とが含まれている。

テキスト分析結果６１０は、過去に行ったテキスト分析の結果である。具体的には、テキスト分析結果６１０は、第１テキスト６１１と、第２テキスト６１２との分析結果であり、分析結果の登録者と、登録日とが関連付けられて保存されている。第１テキスト６１１は、タイトル６１１ａと、本文６１１ｂとを含むテキストである。第２テキスト６１２は、タイトル６１２ａと、本文６１２ｂとを含むテキストである。また、テキスト分析結果６１０には、適用ボタン６１５と、削除ボタン６１６とが含まれている。適用ボタン６１５を選択すると、テキスト分析結果６１０の詳細が表示される。削除ボタン６１６を選択すると、テキスト分析結果６１０が削除される。

デザイン比較結果６２０は、過去に行ったデザイン分析の結果である。具体的には、デザイン比較結果６２０は、第１商品画像データ６２１と、第２商品画像データ６２２と、第３シチュエーション画像データ６３３との分析結果であり、分析結果の登録者と、登録日とが関連付けられて記録されている。第１商品画像データ６２１と、第２商品画像データ６２２と、第３商品画像データ６２３とは、例えば、同一商品の色違いバージョンの商品の画像データである。また、デザイン比較結果６２０には、適用ボタン６２５と、削除ボタン６２６とが含まれている。適用ボタン６２５を選択すると、デザイン比較結果６２０の詳細が表示される。削除ボタン６２６を選択すると、デザイン比較結果６２０が削除される。

シチュエーション比較結果６３０は、過去に行ったシチュエーション画像の分析の結果である。具体的には、シチュエーション比較結果６３０は、第１シチュエーション画像データ６３１と、第２シチュエーション画像データ６３２と、第３シチュエーション画像データ６３３と、第４シチュエーション画像データ６３４との分析結果である。シチュエーション比較結果６３０には、分析結果の登録者と、登録日とが関連付けられている。また、シチュエーション比較結果６３０には、適用ボタン６３５と、削除ボタン６３６とが含まれている。適用ボタン６３５を選択すると、シチュエーション比較結果６３０の詳細が表示される。削除ボタン６３６を選択すると、シチュエーション比較結果６３０が削除される。

図３０を用いて、過去に行った分析結果の詳細を表示する方法について説明する。図３０は、過去に行った分析結果の詳細を示す模式図である。

図３０は、図２９において、適用ボタン６３５が選択された、シチュエーション比較結果６３０を示したユーザインターフェイス４００Ａを示している。

図３０に示すように、ユーザインターフェイス４００Ａの第１領域４００Ａ－１には、第１シチュエーション画像データ６３１と、マッチング情報６４１と、最適感性タイプ６５１とが含まれている。マッチング情報６４１には、第１シチュエーション画像データ６３１は、感性タイプがエコロジーのユーザとのマッチング度数が最も高いことが示されている。最適感性タイプ６５１には、マッチング度数の最も高かった感性タイプが示されている。最適感性タイプ６５１には、詳細ボタン６５１－１が含まれている。なお、マッチング情報と、最適感性タイプの詳細については、ユーザインターフェイス４００の場合と同様なので説明は省略する。

ユーザインターフェイス４００Ａの第２領域４００Ａ－２には、第２シチュエーション画像データ６３２と、マッチング情報６４２と、最適感性タイプ６５２とが含まれている。マッチング情報６４２には、第２シチュエーション画像データ６３２は、感性タイプがエコロジーのユーザとのマッチング度数が最も高いことが示されている。最適感性タイプ６５２には、マッチング度数の最も高かった感性タイプが示されている。最適感性タイプ６５２には、詳細ボタン６５２－１が含まれている。

ユーザインターフェイス４００Ａの第３領域４００Ａ－３には、第３シチュエーション画像データ６３３と、マッチング情報６４３と、最適感性タイプ６５３とが含まれている。マッチング情報６４３には、第３シチュエーション画像データ６３３は、感性タイプがエコロジーのユーザとのマッチング度数が最も高いことが示されている。最適感性タイプ６５３には、マッチング度数の最も高かった感性タイプが示されている。最適感性タイプ６５３には、詳細ボタン６５３－１が含まれている。

ユーザインターフェイス４００Ａの第４領域４００Ａ－４には、第４シチュエーション画像データ６３４と、マッチング情報６４４と、最適感性タイプ６５４とが含まれている。マッチング情報６４４には、第４シチュエーション画像データ６３４は、感性タイプがエコロジーのユーザとのマッチング度数が最も高いことが示されている。最適感性タイプ６５４には、マッチング度数の最も高かった感性タイプが示されている。最適感性タイプ６５４には、詳細ボタン６５４－１が含まれている。

上述のように、本開示では、過去に行った分析結果を表示させることができる。これにより、例えば、他の使用者が行った分析結果を確認したり、過去の分析結果を活用したりすることが容易となる。

本開示では、セッティングタブ２２５を選択することによって、上述した各分析に使用したテキストや画像データのファイルを、例えば、プロジェクト内のメンバーで供給することができる。この場合、ファイルは、例えば、プロジェクトのメンバーが共有するデータベース上に格納される。

図３１を用いて、プロジェクトメンバーがファイルを共有する方法について説明する。図３１は、共有画面のユーザインターフェイスを示す模式図である。

図３１に示すように、ユーザインターフェイス７００には、フォルダ追加ボタン７１０と、フォルダ名前変更ボタン７２０と、フォルダ削除ボタン７３０と、フォルダ表示領域７４０と、ファイル表示領域７５０とを有する。

フォルダ追加ボタン７１０を選択することで、ファイルを格納するためのフォルダを追加することができる。追加されたフォルダは、フォルダ表示領域７４０に表示される。

フォルダ名前変更ボタン７２０を選択することで、フォルダ表示領域７４０に表示されているフォルダ名を変更することができる。

フォルダ削除ボタン７３０を選択することで、フォルダ表示領域７４０に表示されているフォルダを削除することできる。

フォルダ表示領域７４０には、共有のデータベースに格納されているフォルダが表示される。例えば、図３１では、「Ｐｒｏｊｅｃｔ」フォルダ内の、「Ｉｍａｇｅ Ｈｉｓｔｏｒｙ」フォルダが選択されている。

ファイル表示領域７５０には、フォルダに格納されているファイルが表示される。具体的には、ファイル表示領域７５０には、フォルダ表示領域７４０で選択されたフォルダ内のファイルが表示される。ここでは、画像ファイルＩ１と、テキストファイルＴ１～Ｔ４とが格納されている。それぞれのファイルには、ファイル名と、最終更新日とが、関連付けられている。例えば、画像ファイルＩ１のファイル名は、「Ｉｍａｇｅ １」であり、最終更新日は「２０１８年１０月３日１７時５７分」であることが示されている。感性算出装置１００の使用者などは、ファイル表示領域７５０に表示されているファイルを自由に分析などに使用することができる。

上述のとおり、本開示では、プロジェクトのメンバーなどが過去に使用した、ファイルを利用することができる。これにより、分析に使用した過去の素材を使用することができるので、有用である。

（３．その他の実施形態）
［３－１．発掘装置］
次に本開示のその他の実施形態に係る技術について説明する。

上述した実施形態では、ユーザの感性タイプに応じて、製品との情緒的な価値観を示すマッチング度数を算出している。本開示では、製品に限らず、音楽等のエンターテイメント分野に適用することができる。

従来、エンターテイメント分野において、担当者は、音楽活動支援プラットフォームに投稿された音源を聞いたり、ＳＮＳに投稿された動画を視聴したりすることで、新しいミュージシャンや、アイドルの発掘を行うことがある。しかしながら、これらの音源や動画は、数が膨大であり、かつ新たな音源や動画が日々登録されるので、登録されている全ての音源や動画を人手で確認することが困難であった。また、担当者は、新しいミュージシャンなどのアーティストを発掘できた場合に、アーティストの特性を理解したり、ファンを想定し、アーティスを売り出すための施策検討を行ったりすることがある。この場合、担当者は、例えば、関係者などからヒヤリングを行い、ヒヤリングの結果に基づいて、アーティストの売り上げ見込みや、アーティストの想定されるファン層を予想することがある。また、担当者は、勘や経験に基づいて、アーティストを売り出すための施策を行ったりすることがある。この場合、アーティスが成功した場合であっても、施策と結果の因果関係を分析することが困難となる可能性がある。

そこで、本開示のその他の実施形態では、新しいミュージシャン、アイドルなどを自動で発掘することのできる技術を提供する。また、本開示のその他の実施形態では、ミュージシャンなどのアーティストの商業価値を自動で算出することのできる技術を提供する。また、本開示のその他の実施形態では、アーティストの想定されるファンの具体像（以下、ペルソナ像とも呼ぶ）を生成することのできる技術を提供する。また、本開示のその他の実施形態では、アーティストの世間への定着度と、アーティストに関するトピックを自動で分析することのできる技術を開示する。

図３２を用いて、本開示のその他の実施形態に係る発掘システムの構成について説明する。図３２は、本開示のその他の実施形態に係る発掘システムの構成の一例を示す図である。

図３２に示すように、発掘システム１は、発掘装置８００と、記憶サーバ９００とを含む。発掘装置８００は、記憶サーバ９００に保存された、各種の音源に関する音源ファイルや、動画に関する動画ファイルを取得する。発掘装置８００は、取得された音源ファイルや、動画ファイルに基づいて、ミュージシャンやアイドルなどになり得る人物を発掘する。発掘装置８００は、検出された人物の才能を含むクオリティを判定する。発掘装置８００は、検出された人物のクオリティが所定の条件を満たすか否かを判定する。発掘装置８００は、所定の条件を満たすと判定された人物を発掘装置８００の使用者に推薦する。

記憶サーバ９００は、各種の音楽ファイルおよび動画ファイルなどを記憶している。記憶サーバ９００は、例えば、ユーザが楽曲を投稿することのできる、音楽支援プラットフォームのサーバを含む。記憶サーバ９００は、例えば、各種の動画共有サービスなどのＳＮＳのサーバを含む。図３２に示す例では、発掘装置８００は、１台の記憶サーバ９００と接続しているように示しているが、発掘装置８００は、複数の記憶サーバ９００と接続されている。

図３３を用いて、本開示のその他の実施形態に係る発掘装置の構成について説明する。図３３は、本開示のその他の実施形態に係る発掘装置の構成の一例を示すブロック図である。

図３３に示すように、発掘装置８００は、記憶部８１０と、制御部８２０と、通信部８３０と、を備える。

記憶部８１０は、種々の情報を記憶している。記憶部８１０は、例えば、発掘装置８００の各部を実現させるためのプログラムを記憶している。この場合、制御部８２０は、記憶部８１０に記憶されているプログラムを展開して実行することで、各部の機能を実現する。記憶部８１０は、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリ素子、または、ハードディスク、ソリッドステートドライブ、光ディスクなどの記憶装置で実現することができる。記憶部８１０は、通信部８３０を介して、有線又は無線で発掘装置８００と接続された外部の記憶装置であってもよい。この場合、通信部８３０は、図３２に図示の、インターネット網などのネットワークＮＷと接続されている。記憶部８１０は、例えば、第１学習済みデータ記憶部８１１と、第２学習済みデータ記憶部８１２と、第３学習済みデータ記憶部８１３と、を有する。

第１学習済みデータ記憶部８１１～第３学習済みデータ記憶部８１３は、学習された学習済みデータを記憶する。第１学習済みデータ記憶部８１１～第３学習済みデータ記憶部８１３は、学習済みモデルに関する情報を記憶する。第１学習済みデータ記憶部８１１～第３学習済みデータ記憶部８１３は、学習済みモデルの条件式に関する情報を記憶する。例えば、学習済みモデルを生成する際の学習モデル（分類器等）にはＣＮＮ（Convolutional Neural Network）などのニューラルネットワークを用いるが、これに限定されるものではない。学習モデルには、ＳＶＭ（Support Vector Machine）、決定木等の学習モデルを用いてもよい。学習モデルには、線形または非線形の種々の学習モデルを用いてもよい。

具体的には、第１学習済みデータ記憶部８１１は、アーティストに関する各種の情報を入力すると、そのアーティストの商業的価値を出力する学習済みモデルを記憶している。アーティストに関する各種の情報は、例えば、音楽性情報と、ボーカルタイプ情報と、ライブの集客に関するライブ集客情報を含む。音楽性情報は、例えば、アーティストの音源に対して１２音解析技術を用いて抽出された特徴量を形容詞に変換した情報が例示される。形容詞は、例えば、予め定められた複数の形容詞（例えば、６２個）のうちの１つ、または２つ以上の組み合わせが用いられる。ボーカルタイプ情報は、例えば、アーティストの音源に対して音源分離技術を用いて抽出されたボーカルの音源を周波数に応じてタイプ別に分類された情報が例示される。ボーカルタイプは、ボーカルの音源を周波数解析の解析結果に応じて予め定められた複数のタイプ（例えば、２７タイプ）のうちの１つが用いられる。ライブ集客情報は、例えば、アーティストが出演したフェス、ライブ、ディナーショーなどを含むイベントのタイプに関する情報や、イベントが行われた会場の収容人数に関する情報を含む。

第２学習済みデータ記憶部８１２は、人物の顔の画像データを入力すると、その人物は人気が出そうか否かを示す学習済みモデルを記憶する。第２学習済みデータ記憶部８１２は、人物の顔の画像データを入力すると、その人物はアイドルとして人気がでそうか否かを示す情報を出力する。

第３学習済みデータ記憶部８１３は、例えば、写真共有サービスや動画共有サービスなどに登録されている静止画や動画のコンテンツに関する情報を入力すると、写真や動画に含まれる人物は人気が出そうか否かを示す学習済みモデルを記憶する。コンテンツに関する情報は、例えば、コンテンツのタイトルや静止画や動画に埋め込まれたテキストに関する情報や、動画に含まれる音に関する情報を含む。コンテンツに関する情報は、例えば、動画を構成するフレーム画像や、フレーム画像に含まれる物体に関する情報を含む。より具体的には、第３学習済みデータ記憶部８１３は、チャンネル登録数、再生回数、フォロワー数、およびコメント数などを入力して、その静止画および動画の流行度を出力する学習済みモデルを記憶してよい。第３学習済みデータ記憶部８１３は、静止画や動画に含まれる人物の顔の画像を入力として、人気がでそうか否かを示す情報を出力する学習済みモデルを記憶してよい。第３学習済みデータ記憶部８１３は、静止画および動画に付けられたタイトルを入力として、タイトルのキャッチー度を出力する学習済みモデルを記憶してよい。第３学習済みデータ記憶部８１３は、動画を構成する複数のフレーム画像を入力として、サムネイル画像の魅力度を出力する学習済みモデルを記憶してよい。第３学習済みデータ記憶部８１３は、静止画や動画に含まれる物体を入力として、静止画や動画に含まれる各物体の新しさや、物体間の組み合わせの意外性に関する情報を出力する学習済みモデルを記憶してよい。

制御部８２０は、取得部８２１と、抽出部８２２と、タイプ判定部８２３と、クオリティ判定部８２４と、推薦部８２５と、表示制御部８２６と、を備える。制御部８２０は、例えば、ＣＰＵやＭＰＵ等によって、図示しない記憶部に記憶されたプログラムがＲＡＭ等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８２０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。

取得部８２１は、各種のコンテンツに関する情報を取得する。取得部８２１は、通信部８３０を介して、記憶サーバ９００などから判定すべきアーティストの音源に関する情報を取得する。取得部８２１は、通信部８３０を介して、記憶サーバ９００などから人物の静止画や動画に関する情報を取得する。

抽出部８２２は、取得部８２１が取得したコンテンツのうち、所定のコンテンツを抽出する。抽出部８２２は、取得部８２１が取得したコンテンツのうち、人気のでそうなコンテンツを抽出する。抽出部８２２は、音楽活動支援プラットフォームや、ＳＮＳなどから取得できた全ユーザ（アーティスト等）の再生回数、閲覧回数、フォロワー数、イイネ数、上昇率などを取得する。抽出部８２２は、抽出した再生回数、閲覧回数、フォロワー数、イイネ数、上昇率などに基づいてスコア化して、全ユーザに対してランキングを付与する。抽出部８２２は、全ユーザのうち、上位のランキング（例えば、２０位まで）のユーザを抽出する。抽出部８２２は、既に人気があったり、有名であったりする人物は抽出対象から除外してよい。

タイプ判定部８２３は、抽出部８２２が抽出した人物のアーティストとしてのタイプを判定する。タイプ判定部８２３は、抽出した人物が、アーティスト系、アイドル系、およびタレント系のいずれかのタイプであるか否かを判定する。アーティスト系は、ミュージシャンに分類される人物である。アイドル系は、アイドルに分類される人物である。タレント系は、動画共有サービス（例えば、Ｙｏｕｔｕｂｅ（登録商標））などで活動するタレントに分類される人物である。

クオリティ判定部８２４は、タイプ判定部８２３によって判定された、アーティスト系、アイドル系、タレント系に分類された人物のクオリティを判定する。

クオリティ判定部８２４は、アーティスト系の人物のクオリティを判定する場合には、第１学習済みデータ記憶部８１１に記憶されている学習済みモデルを用いて、クオリティを判定する。クオリティ判定部８２４は、アーティスト系の人物の音源に対して、第１学習済みデータ記憶部８１１に記憶されている学習済みモデルを用いて、クオリティを判定する。クオリティ判定部８２４は、第１学習済みデータ記憶部８１１に記憶されている学習済みモデルを用いて、アーティスト系の人物の楽曲が人気のでる可能性があるか否かを判定する。クオリティ判定部８２４は、第１学習済みデータ記憶部８１１に記憶されている学習済みモデルを用いて、楽曲が商業価値の高い楽曲、ボーカル特性であるか否かを判定する。クオリティ判定部８２４は、第１学習済みデータ記憶部８１１に記憶されている学習済みモデルを用いて、楽曲が集客力のあるライブが開催できるか、場を盛り上げるライブを開催できる否かを判定する。

クオリティ判定部８２４は、アイドル系の人物のクオリティを判定する場合には、第２学習済みデータ記憶部８１２に記憶されている学習済みモデルを用いて、クオリティを判定する。クオリティ判定部８２４は、アイドル系の人物の動画や画像に対して、第２学習済みデータ記憶部８１２に記憶されている学習済みモデルを用いてクオリティを判定する。クオリティ判定部８２４は、アイドル系人物の動画に基づいてクオリティを判定する場合には、図３４に示すように、動画をフレーム画像Ｄ１からフレーム画像Ｄ６のように、複数のフレーム画像に分解する。クオリティ判定部８２４は、フレーム画像Ｄ４からフレーム画像Ｄ６において、顔画像Ｆ１から顔画像Ｆ３を検出する。そして、クオリティ判定部８２４は、検出された顔画像Ｆ１から顔画像Ｆ３に対して、第２学習済みデータ記憶部８１２に記憶されている学習済みモデルを用いて、クオリティを判定する。具体的には、クオリティ判定部８２４は、人物の顔が人気のでる可能性がある顔であるか否かを判定する。

クオリティ判定部８２４は、タレント系の人物のクオリティを判定する場合には、第３学習済みデータ記憶部８１３に記憶されている学習済みモデルを用いて、クオリティを判定する。クオリティ判定部８２４は、タレント系の人物が投稿した動画のタイトルや、動画に埋め込まれた文字などを含むテキスト情報に対して、第３学習済みデータ記憶部８１３に記憶されている学習済みモデルを用いて、クオリティを判定する。クオリティ判定部８２４は、タレント系の人物が投稿した動画に含まれる音に関する情報に対し、第３学習済みデータ記憶部８１３に記憶されている学習済みモデルを用いて、クオリティを判定する。クオリティ判定部８２４は、例えば、タレント系の人物が投稿した動画を構成するフレーム画像や、フレーム画像に含まれる物体に対して、第３学習済みデータ記憶部８１３に記憶されている学習済みモデルを用いて、クオリティを判定する。クオリティ判定部８２４は、例えば、タレント系の人物が投稿した静止画像に含まれる物体に対して、学習済みモデルを用いて、クオリティを判定する。クオリティ判定部８２４は、タレント系の人物が人気のでる可能性があるか否かを判定する。

すなわち、クオリティ判定部８２４は、人気の出る可能性の有無を含むコンテンツの人気度を判定する。言い換えれば、クオリティ判定部８２４は、人気のでる可能性があるアーティスト、アイドル、タレントを発掘する。

推薦部８２５は、所定のクオリティ以上であると判定されたアーティスト系、アイドル系、タレント系の人物をユーザに対して推薦する。すなわち、推薦部８２５は、クオリティ判定部８２４が発掘した、アーティスト、アイドル、タレントをユーザに推薦する。

表示制御部８２６は、クオリティ判定部８２４の判定結果や、推薦部８２５による推薦人物を表示部に表示させる制御をおこなう。表示制御部８２６は、表示部にユーザインターフェイスを表示させる制御を行う。

［３－２．ユーザインターフェイス］
図３５を用いて、本実施形態に係る発掘装置８００が表示部に表示するユーザインターフェイスの一例について説明する。図３５は、ユーザインターフェイスの一例を示す模式図である。

図３５に示すユーザインターフェイス２０００は、例えば、使用者が発掘装置８００を使用する際に、表示部に表示されるインターフェイスである。

ユーザインターフェイス２０００は、選択領域２０１０と、スポットライト表示領域２０２０と、アーティスト表示領域２０３０と、アイドル表示領域２０４０と、タレント表示領域２０５０と、を含む。図３５に示すユーザインターフェイス２０００は、トップ画面である。

選択領域２０１０は、「トップ」ボタンと、「いいねリスト」ボタンと、「わたしの「注目」」ボタンと、「設定」ボタンと、「履歴書」ボタンと、を含む。

「トップ」ボタンが選択されると、トップ画面に移行する。「いいねリスト」ボタンが選択されると、ユーザ自身がいいねをした人物や、ユーザが所属するプロフェクトの人物がいいねをした人物が表示される、いいねリストの画面に移行する。「わたしの「注目」」ボタンが選択されると、ユーザが注目している人物が表示される注目リストの画面に移行する。「設定」ボタンが選択されると、インターフェイスの表示領域などを変更する画面に移行する。「履歴書」ボタンが選択されると、選択された人物の活動履歴を含む履歴を表示する画面に移行する。ユーザが所属するプロフェクトの人物がいいねをした人物が表示される画面、ユーザが注目している人物が表示される画面、選択された人物の活動履歴を含む履歴を表示する画面については後述する。

スポットライト表示領域２０２０は、今週注目されているアーティスト系、アイドル系、タレント系の人物が表示される。スポットライト表示領域２０２０に表示される人物の数に特に制限はない。

アーティスト表示領域２０３０は、発掘されたアーティストを表示する領域である。アーティスト表示領域２０３０には、発掘されたアーティストに関する情報が表示される。例えば、アーティスト＃１でいえば、アーティスト情報＃１と、プロフィール画像２０３１と、いいねボタン２０３２と、非表示ボタン２０３３と、属性情報２０３４とを、含む。アーティスト情報＃１は、アーティスト＃１のプロフィールなどの簡略的な情報を示す。プロフィール画像２０３１は、アーティスト＃１のプロフィール画像を示す。プロフィール画像２０３１を押下することで、アーティスト＃１の情報を示すページに繊維する。いいねボタン２０３２を押下すると、アーティスト＃１をいいねリストに入れることができる。非表示ボタン２０３３を選択すると、ユーザインターフェイス２００において、アーティスト＃１を非表示にすることができる。「わたしの「注目」」ボタンを押下すると、注目リストに入れることができる。属性情報２０３４は、例えば、「やる気」、「いま旬」、「急上昇」、「大穴度」、および「人気度」といった項目が含まれる。属性情報２０３４においては、それぞれの項目についての評価が段階的（例えば、３段階）に示される。例えば、属性情報２０３４においては、評価が高いほど濃い色で示される。

アイドル表示領域２０４０は、発掘されたアイドルを表示する領域である。アイドル表示領域２０４０には、発掘されたアイドルに関する情報が表示される。例えば、アイドル＃１でいえば、アイドル情報＃１と、プロフィール画像２０４１と、いいねボタン２０４２と、非表示ボタン２０４３と、属性情報２０４４とを、含む。アイドル情報＃１と、プロフィール画像２０４１と、いいねボタン２０４２と、非表示ボタン２０４３と、属性情報２０４４とは、それぞれ、アーティスト情報＃１と、プロフィール画像２０３１と、いいねボタン２０３２と、非表示ボタン２０３３と、属性情報２０３４と同様なので、説明を省略する。

タレント表示領域２０５０は、発掘されたタレントを表示する領域である。タレント表示領域２０５０には、発掘されたタレントに関する情報が表示される。例えば、タレント＃１でいえば、タレント情報＃１と、プロフィール画像２０５１と、いいねボタン２０５２と、非表示ボタン２０５３と、属性情報２０５４とを、含む。タレント情報＃１と、プロフィール画像２０５１と、いいねボタン２０５２と、非表示ボタン２０５３と、属性情報２０５４とは、それぞれ、アーティスト情報＃１と、プロフィール画像２０３１と、いいねボタン２０３２と、非表示ボタン２０３３と、属性情報２０３４と同様なので、説明を省略する。

図３６を用いて、ユーザやプロフェクトのメンバーによって、いいねボタン２０３２が選択されたアーティストのいいねリストについて説明する。図３６は、アーティストのいいねリストを説明するための図である。なお、アイドルのいいねリストおよびタレントのいいねリストについては、アーティストのいいねリストの場合と同様なので、説明を省略する。

図３６に示すように、いいねリスト２０６０には、ユーザやユーザが所属するプロジェクトのメンバーがいいねボタン２０３２を選択したアーティストが表示される。いいねリスト２０６０は、アーティストに対していいねボタン２０３２を選択した人物の数を示すいいね数情報２０６１を含む。例えば、アーティスト＃２でいえば１人からいいねされており、アーティスト＃４でいえば３人からいいねされていることが示されている。すなわち、ユーザは、いいねリスト２０６０を参照することで、そのアーティストが何人からいいねと思われているかを容易に把握することができる。

また、ユーザは、いいねリスト２０６０において、いいね数情報２０６１のボタンをマウスなどで押下することで、アーティストに対するいいねをキャンセルすることができる。この場合、ユーザが所属するプロフェクトのメンバーがいいねをしていないアーティストデあれば、いいねリスト２０６０からそのアーティストは消える。

図３７を用いて、注目リストについて説明する。図３７は、注目リストを説明するための模式図である。なお、アイドルの注目リストおよびタレントの注目リストについては、アーティストの注目リストと同様なので、説明を省略する。

図３７に示すように、注目リスト２０７０には、ユーザ注目しているアーティストが表示される。例えば、注目リスト２０７０には、ユーザ注目しているアーティストとして、アーティスト＃１、アーティスト＃２、およびアーティスト＃３などが示される。すなわち、注目リスト２０７０には、ユーザが注目しているアーティストを集約することができる。

図３８を用いて、アーティストの履歴を表示する画面について説明する。図３８は、アーティストの履歴を表示する画面を説明するための図である。なお、アイドルの履歴を表示する画面およびタレントの履歴を表示する画面については、アーティストの履歴を表示する画面と同様なので、説明を省略する。

図３８に示すように、履歴画面２０９０は、原石検索領域２０９１と、履歴表示領域２０９２と、履歴入力領域２０９３と、を有する。

原石検索領域２０９１は、履歴表示領域２０９２に履歴を表示させるアーティスト名を検索する領域である。例えば、ユーザは、原石検索領域２０９１に含まれる入力ボタンに所望のアーティスト名を入力することで、履歴表示領域２０９２にそのアーティストの履歴を表示することができる。

履歴表示領域２０９２は、アーティストの履歴が表示される。履歴表示領域２０９２は、アーティスト＃２と、アーティスト情報＃２と、活動履歴＃２とを含む。アーティスト＃２には、実際にはアーティスト名が表示される。アーティスト情報＃２には、アーティストの出身地や、バンドである場合には構成メンバーなどを含む基本的な情報が表示される。活動履歴＃２には、実際にはライブ等の活動履歴を示す情報が表示される。すなわち、ユーザは、履歴画面２０９０を参照することで、アーティストの履歴を容易に把握することができる。

履歴入力領域２０９３は、アーティストの履歴を入力する領域である。ユーザは、履歴入力領域２０９３に履歴を入力して登録ボタンを押すことで、履歴表示領域２０９２の情報を更新することができる。

［３－３．分析装置］
図３９を用いて、本開示のその他の実施形態に係る分析装置について説明する。図３９は、本開示のその他の実施形態に係る分析装置の構成を示すブロック図である。

上述のとおり、発掘装置８００は、人気のでる可能性のあるアーティスト、アイドル、およびタレントを発掘することができる。図３９に示す、分析装置３０００は、発掘装置８００が発掘したアーティスト、アイドル、およびタレントの商業的な価値を算出する。分析装置３０００は、発掘装置８００が発掘したアーティスト、アイドル、およびタレントのファン層や、潜在的なファン層を分析する。分析装置３０００は、発掘装置８００が発掘したアーティスト、アイドル、およびタレントのファンのペルソナ像を生成する。

図３９に示すように、分析装置３０００は、記憶部３１００と、制御部３２００と、通信部３３００と、を備える。

記憶部３１００は、種々の情報を記憶している。記憶部３１００は、例えば、分析装置３０００の各部を実現させるためのプログラムを記憶している。この場合、制御部３２００は、記憶部３１００に記憶されているプログラムを展開して実行することで、各部の機能を実現する。記憶部８１０は、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリ素子、または、ハードディスク、ソリッドステートドライブ、光ディスクなどの記憶装置で実現することができる。記憶部３１００は、通信部３３００を介して、有線又は無線で分析装置３０００と接続された外部の記憶装置であってもよい。この場合、通信部３３００は、インターネット網などのネットワークと接続されている。記憶部３１００は、例えば、ペルソナデータベース３１１０と、アーティスト特徴量データベース３１２０と、を有する。

ペルソナデータベース３１１０は、アンケート結果に基づいて生成された、学習済みモデルを記憶する。ペルソナデータベース３１１０は、例えば、数万人以上に対して実施された、音楽の嗜好に関するアンケートに基づいて生成された、学習済みモデルを記憶する。ペルソナデータベース３１１０は、アーティストの特徴量に関する情報が入力されると、そのアーティストの想定さえるファン層に関する情報を出力する学習済みモデルを記憶する。アーティストの特徴量は、アーティストに関する各種の情報を含む。アーティストの特徴量は、音源に関する情報や、アーティストに関するビジュアル、およびその他のオフラインの各種の情報を含む。

アーティスト特徴量データベース３１２０は、各種のアーティストの特徴量の解析結果に関する情報を記憶する。アーティストの特徴量としては、例えば、音楽性情報、音楽ジャンル情報、歌詞情報、ボーカルタイプ情報、ビジュアル情報、評判情報、プロフィール情報、ライブ集客情報、楽譜情報、および新規性情報の１０個を上げることができる。

以下で、本開示でアーティストの特徴量として用いる、音楽性情報、音楽ジャンル情報、歌詞情報、ボーカルタイプ情報、ビジュアル情報、評判情報、プロフィール情報、ライブ集客情報、楽譜情報、および新規性について説明する。

音楽性情報は、楽曲の印象を意味する。音楽性情報は、楽曲の印象を表現する形容詞である。形容詞としては、例えば、「テンションの高い」、「華やかな」、「色っぽい」、「哀愁漂う」などが例示されるが、これに限定されない。具体的には、形容詞は、予め定められた６２個の形容詞の中から選択される。６２個の形容詞は、数万人以上に対して行われた音楽の嗜好性に関するアンケート結果に基づいて定められる。アーティスト特徴量データベース３１２０は、楽曲のリズム、テンポ、ビートなどの音楽性が入力されると、形容詞を出力する学習済みモデルを記憶する。このような学習済みモデルは、アンケート結果に基づいて生成される。楽曲のリズム、テンポ、ビートなどは、楽曲のデータファイルに基づいて、楽曲特性解析ツールを用いた１２音解析技術などで解析される。

音楽ジャンル情報は、楽曲のジャンル、アーティストタイプ、年代、国などを意味する、楽曲のジャンルは、ポップ、ロックなどの情報を意味する。アーティストタイプは、男性、女性、混合、ソロ、デュオ、グループなどの情報を意味する

歌詞情報は、歌詞の特徴量に基づいて分類された、歌詞の印象を意味する。歌詞の印象とは、家族、恋愛、青春といったジャンルで表現される。アーティスト特徴量データベース３１２０は、歌詞のデータが入力されると、歌詞のジャンルに関する情報を出力する学習済みモデルを記憶している。このような学習済みモデルは、歌詞に対して形態素解析を実行して作成されたフレーズの特徴量の辞書に基づいて、生成される。

ボーカルタイプ情報は、楽曲を歌唱するアーティストのボーカルタイプを意味する。アーティスト特徴量データベース３１２０は、楽曲に対して音源分離技術を用いて抽出されたボーカルの音源のデータが入力されると、ボーカルタイプに関する情報を出力する学習済みモデルを記憶している。ボーカルタイプは、ボーカルの音源に対して実行した周波数解析の解析結果に応じて得られたボーカル特徴量に基づいて定められる。ボーカル特徴量は、声の高低、声域、声質などの情報を含む。ボーカルタイプに関する情報を出力する学習済みモデルは、ボーカル特徴量に基づいて生成される。

ビジュアル情報は、アーティストの写真や、アーティストの楽曲のジャケットの写真などの印象を意味する。ビジュアル情報は、アーティストの写真や、ジャケットの写真の印象を表現する形容詞である。形容詞としては、「清潔感がある」、「かわいい」、「男らしい」、「派手な」などが例示されるが、これに限定されない。具体的には、形容詞は、予め定められた２２個の形容詞の中から選択される。２２個の形容詞は、数万人以上に対して行われた各アーティストの写真や、各アーティストの楽曲のジャケットの写真の嗜好性に関するアンケート結果に基づいて定められる。アーティスト特徴量データベース３１２０は、アーティストの写真や、アーティストの楽曲のジャケットの写真が入力されると形容詞を出力する学習済みモデルを記憶する。このような学習済みモデルは、アンケート結果に基づいて、生成される。

評判情報は、アーティストの評判傾向を意味する。アーティストの評判傾向は、検索エンジンなどによる検索数と、ＳＮＳやニュースサイトなどの記事数や記事の内容に関する情報を意味する。記事数および記事の内容は、記事への取り上げ率や、受賞歴や、露出度に関する情報を含む。アーティスト特徴量データベース３１２０は、アーティストの検索エンジンなどによる検索数に関する情報が入力されると、バズり度、注目度、定着度に関する情報を出力する学習済みモデルを記憶する。アーティスト特徴量データベース３１２０は、検索数、記事数、および記事の内容に関する情報が入力されると、そのアーティストの流行度に関する情報を出力する学習済みモデルを記憶する。

プロフィール情報は、楽曲のタイアップに関する情報や、楽曲の関係者の特徴に関する情報を意味する。楽曲のタイアップに関する情報は、楽曲が使用されたアニメ、映画、およびテレビ番組などに関する情報である。タイアップに関する情報は、音楽ニュースサイトなどから取得される。楽曲の関係者の特徴に関する情報は、楽曲の作詞家や、作曲家、編曲家などに関する情報である。具体的には、楽曲の作詞家、作曲家、および編曲家が人気のある作品をどれだけ輩出しているかを示す情報である。楽曲の関係者の特徴に関する情報は、音楽チャートサイトなどから取得される。アーティスト特徴量データベース３１２０は、楽曲の作詞家、作曲家、および編曲家の名前などの情報を入力すると、入力された作詞家、作曲家、および編曲家の人気度を示す情報を出力する学習済みモデルを記憶する。

ライブ集客情報は、ライブ情報と、会場情報とを意味する。ライブ情報は、ライブが行われる日付と、会場名などの情報を含む。ライブ情報は、単独であるか、フェスであるかといった情報や、ゲストアーティストや、対バンなどの共演者に関する情報を含む。ライブ情報は、ディナーショーに関する情報を含んでもよい。ライブ情報は、ライブに関する情報を扱うサイトから取得される。会場情報は、会場名、地域、集客人数に関する情報を含む。会場情報は、会場のサイトなどから取得される。アーティスト特徴量データベース３１２０は、ライブ情報や、会場情報を入力すると、音楽イベントの価値を出力する学習済みモデルを記憶する。

楽譜情報は、アーティストの楽曲の楽譜に関する楽譜情報と、楽譜の検索数に関する情報を意味する。楽譜情報は、楽譜の種類や、楽譜の価格に関する情報を含む。楽譜情報は、楽譜のデータを提供しているサイトや、楽譜を販売しているサイトなどから取得される。楽譜の検索数に関する情報は、検索エンジンなどによるアーティストの楽譜の検索数を意味する。アーティスト特徴量データベース３１２０は、楽譜情報と、楽譜の検索数に関する情報を入力すると、楽譜の価値に関する情報を出力する学習済みモデルを記憶する。

新規性情報は、音楽性情報、音楽ジャンル情報、歌詞情報、ボーカルタイプ情報、ビジュアル情報、評判情報、プロフィール情報、ライブ集客情報、および楽譜情報の新しさを意味する。新規性情報は、音楽性情報、音楽ジャンル情報、歌詞情報、ボーカルタイプ情報、ビジュアル情報、評判情報、プロフィール情報、ライブ集客情報、および楽譜情報のうち、２つ以上の項目の組み合わせの新しさを意味する。アーティスト特徴量データベース３１２０は、アーティストの音楽性情報、音楽ジャンル情報、歌詞情報、ボーカルタイプ情報、ビジュアル情報、評判情報、プロフィール情報、ライブ集客情報、および楽譜情報が入力されると、アーティストの新しさに関する情報を出力する学習済みモデルを記憶する。

制御部３２００は、取得部３２１０と、分析部３２２０と、特定部３２３０と、生成部３２４０と、提供部３２５０と、表示制御部３２６０と、を備える。制御部３２００は、例えば、ＣＰＵやＭＰＵ等によって、図示しない記憶部に記憶されたプログラムがＲＡＭ等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３２００は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。

取得部３２１０は、各種のコンテンツに関する情報を取得する。取得部３２１０は、分析すべきアーティストに関する情報を取得する。取得部３２１０は、分析すべきアーティストの特徴量に関する情報を取得する。取得部３２１０は、アーティストの楽性情報、音楽ジャンル情報、歌詞情報、ボーカルタイプ情報、ビジュアル情報、評判情報、プロフィール情報、ライブ集客情報、および楽譜情報などを取得する。

分析部３２２０は、取得部３２１０が取得したアーティストの特徴量に基づいて、アーティストを分析する。分析部３２２０は、取得部３２１０が取得したアーティストの特徴量に基づいて、アーティスト特徴量データベース３１２０が記憶する各種の学習済みモデルを用いてアーティストを分析する。

特定部３２３０は、分析部３２２０による分析結果に基づいて、各種の情報を特定する。特定部３２３０は、分析部３２２０による分析結果に基づいて、アーティストのファン層や、潜在的なファン層を特定する。後述するが、ファン層については、予め定められた９個のなかから選択的に特定される。言い換えれば、特定部３２３０は、アーティストのファン層及び潜在的ファン層を９個のタイプに分類する。特定部３２３０は、ユーザの感性タイプによらず、ファン層及び潜在的なファン層のタイプを、予め定められた９個の中から特定する。

生成部３２４０は、分析部３２２０による分析結果に基づいて、アーティストのファンのペルソナ像を生成する。生成部３２４０は、分析部３２２０による分析結果に基づいて、ペルソナデータベース３１１０に記憶された学習済みモデルを用いて、ペルソナ像を生成する。

提供部３２５０は、各種の情報をユーザに提供する。提供部３２５０は、特定部３２３０によるファン層や、潜在的なファン層の特定結果や、生成部３２４０によるペルソナ像の生成結果をユーザに提供する。

表示制御部３２６０は、特定部３２３０による特定結果や、生成部３２４０による生成結果を表示部に表示させる制御をおこなう。表示制御部３２６０は、表示部にユーザインターフェイスを表示させる制御を行う。

［３－４．ユーザインターフェイス］
図４０を用いて、分析装置３０００が表示部に表示するユーザインターフェイスの一例について説明する。図４０は、ユーザインターフェイスの一例を示す模式図である。

ユーザインターフェイス４００は、検索表示領域４０１０と、話題のアーティスト表示領域４０２０と、ピックアップアーティスト表示領域４０３０と、を含む。

検索表示領域４０１０は、分析対象となるアーティストを入力するための領域である。例えば、検索表示領域４０１０内のアーティスト名検索の下矢印のボタンをマウスなどで押下すると、アーティスト名が表示されるので、ユーザは分析したいアーティストを選択すればよい。ユーザは、アーティスト名検索の欄にアーティスト名を直接、入力するようにしてもよい。例えば、検索表示領域４０１０内の楽曲から検索のボックスをマウスなどで押下すると、楽曲を選択する画面が立ち上がるので、ユーザは、分析したい楽曲を選択すればよい。ユーザによって、分析対象となるアーティストや楽曲が選択された場合、そのアーティストの分析画面に移行する。

話題のアーティスト表示領域４０２０は、話題になっているアーティストが表示される領域である。話題のアーティスト表示領域４０２０には、例えば、所定期間内に所定回数以上検索されたアーティストが表示される。

ピックアップアーティスト表示領域４０３０は、ピックアップされているアーティストが表示される領域である。ピックアップアーティスト表示領域４０３０には、例えば、売り上げが上位のアーティストや、楽曲を最近発表したアーティストなどが表示される。図４０に示す例では、アーティスト＃２０～アーティスト＃３４が表示されている。ユーザは、ピックアップアーティスト表示領域４０３０のアーティスト＃２０～アーティスト＃３４のパッケージ写真をマウスなどで押下することによっても、選択したアーティストの分析画面に移行することができる。

図４１を用いて、本実施形態に係るアーティストの分析画面について説明する。図４１は、アーティストの分析画面の一例を示す模式図である。

図４１に示すように、アーティストの分析画面は、総合ビジネスパワー表示領域４１１０と、人気トレンド表示領域４１２０と、ビジネスパワー表示領域４１３０と、ファンタイプ表示領域４１４０と、を含む。図４１では、アーティストＣ１の分析画面を示している。

総合ビジネスパワー表示領域４１１０は、アーティストＣ１の総合ビジネスパワーが表示される。本実施形態において、総合ビジネスパワーとは、商業的な価値を、価格とランクとで表した指標である。価格は、所定期間内に活躍を見込める度合いを金額で表しものであり、アーティストＣ１の実際の金額とは異なる。価格は、点数で表現してもよい。総合ビジネスパワー表示領域４１１０には、アーティストＣ１のランクは「Ｃ」であり、価格は「￥２３７，７８０，７８４」であることが示されている。総合ビジネスパワー表示領域４１１０内のＲＡＮＫボタンをマウスなどで押下することで、各ランクに属するアーティストや金額を確認することができる。

図４２を用いて、アーティストの総合ビジネスパワーのランクについて説明する。図４２は、アーティストの総合ビジネスパワーのランクを説明するための図である。

図４２には、ランク表４２００が示されている。ランク表４２００に示すように、ランクは、「Ｓ」、「Ａ」、「Ｂ」、「Ｃ」、「Ｄ」の５段階に分けられている。それぞれのランクに各アーティストが属している。ランク「Ｓ」には、アーティストＳ１～アーティストＳ３が属している。ランク「Ａ」には、アーティストＡ１～アーティストＡ３が属している。ランク「Ｂ」には、アーティストＢ１～アーティストＢ３が属している。ランク「Ｃ」には、アーティストＣ１～アーティストＣ３が属している。ランク「Ｄ」には、アーティストＤ１～アーティストＤ３が属している。ランクは、アーティストの金額に応じて区分けされる。「￥９００，０００，０００」～「￥３，０００，０００，０００」のアーティストであればランク「Ｓ」に区分けされる。「￥６５０，０００，０００」～「￥９００，０００，０００」のアーティストであればランク「Ａ」に区分けされる。「￥２６０，０００，０００」～「￥６５０，０００，０００」のアーティストであればランク「Ｂ」に区分けされる。「￥１３０，０００，０００」～「￥２６０，０００，０００」のアーティストであればランク「Ｃ」に区分けされる。「￥１３０，０００，０００」以下のアーティストであればランク「Ｄ」に区分けされる。ランク「Ｓ」に属するアーティストは、全体の１％である。ランク「Ａ」に属するアーティストは、全体の３％である。ランク「Ｂ」に属するアーティストは、全体の６％である。ランク「Ｃ」に属するアーティストは、全体の１７％である。ランク「Ｄ」に属するアーティストは、全体の７３％である。

人気トレンド表示領域４１２０は、アーティストＣ１のトレンド力が表示される。本実施形態において、トレンド力は、知名度に関する情報と、検索されるか否かを示す情報に基づいて、定められる。人気トレンド表示領域４１２０には、アーティストＣ１のトレンド力は「Ｄ」であることが示されている。すなわち、総合ビジネスパワーのランクと、トレンド力のランクとは異なることがある。人気トレンド表示領域４１２０内のＲＡＮＫボタンを選択することで、各ランクに属するアーティストを確認することができる。

図４３を用いて、アーティストのトレンド力のランクについて説明する。図４３は、アーティストのトレンド力のランクを説明するための図である。

図４３には、ランク表４３００が示されている。ランク表４３００に示すように、ランクは、「Ｓ」、「Ａ」、「Ｂ」、「Ｃ」、「Ｄ」の５段階に分けられている。ランク表４３００において、横軸は知名度に関する情報を示し、縦軸は検索されているか否かに関する情報を示す。ランク「Ｓ」には、よく知られており、よく調べられているアーティストが属している。ランク「Ａ」には、比較的知られており、よく調べられているアーティストが属している。ランク「Ｂ」には、比較的知られていないが、よく調べられているアーティストが属している。ランク「Ｃ」には、比較的知られており、比較的調べられていないアーティストが属している。ランク「Ｄ」には、比較的知られておらず、比較的調べられていないアーティストが属している。

人気トレンド表示領域４１２０において、拡大アイコン４１２１を選択することで、アーティストＣ１の検索数から算出した、定着度、バズり度を確認することができる。

図４４を用いて、定着度、バズり度を確認する方法について説明する。図４４は、定着度、バズり度を確認する方法を説明するための図である。

図４４には、定着度情報４４００が示されている。定着度情報４４００の上部には、定着度と、バズり度とがグラフで示されている。グラフは、横軸が日付で、縦軸が定着度である。定着度とは、検索されている度合いを意味する。グラフには、バズり度が急上昇した日にポイント示されている。グラフには、定着度の動きが示されているので、ユーザは、グラフを参照することで、バズり度が急上昇した後、アーティストＣ１がどの程度定着したかを容易に把握することができる。定着度情報４４００の下部には、アーティストＣ１に関連する記事が表示される。定着度情報４４００には、直近にバズり度が急上昇した二付の記事が表示される。定着度情報４４００には、２０１９年１１月１０日時点のアーティストＣ１の関連記事として、アーティストＣ１のトピック＃１～トピック＃６が表示される。定着度情報４４００のグラフは、バズり度急上昇日４４１０を含む。定着度情報４４００を参照すると、バズり度急上昇日４４１０以降、アーティストＣ１の定着度が向上していることが示されている。バズり度急上昇日４４１０をマウスなどで押下することで、バズり度が急上昇した日のアーティストＣ１の記事を確認することができる。

図４５は、バズり度が急上昇した日のアーティストＣ１の定着度情報４５００を示している。定着度情報４５００には、バズり度が急上昇した２０１９年９月１５日のアーティストＣ１の関連記事として、アーティストＣ１のトピック＃１１～トピック＃１６が表示される。ユーザは、定着度情報４５００を確認することで、アーティストＣ１のバズり度が急上昇した理由を把握することができる。

ビジネスパワー表示領域４１３０は、アーティストの商品価値を判断する媒体を示している。ビジネスパワー表示領域４１３０は、「ライブ・フェス」、「ＣＤ」、「ラジオ」、「ストリーミング」、「カラオケ」、「ダウンロード」、「ＭＶ」、「ＳＮＳ」、「レンタル」といった項目を含む。「ライブ・フェス」は、アーティストＣ１のライブやフェスにおける商品価値の金額を示す。「ＣＤ」は、アーティストＣ１のＣＤの売り上げにおける商品価値の金額を示す。「ラジオ」は、アーティストＣ１のラジオにおける商品価値の金額を示す。「ストリーミング」は、アーティストＣ１の動画配信サービスなどにおける商品価値の金額を示す。「カラオケ」は、アーティストＣ１のカラオケにおける商品価値の金額を示す。「ダウンロード」は、アーティストＣ１のダウンロードサービスにおける商品価値の金額を示す。「ＭＶ」は、アーティストＣ１のミュージックビデオにおける商品価値の金額を示す。「ＳＮＳ」は、アーティストＣ１のＳＮＳにおける商品価値の金額を示す。「レンタル」は、アーティストＣ１のＣＤなどのレンタルにおける商品価値の金額を示す。ビジネスパワー表示領域４１３０に含まれる各項目の金額の合計値が、総合ビジネスパワー表示領域４１１０に表示される金額となる。ユーザは、ビジネスパワー表示領域４１３０を確認することで、アーティストＣ１の項目ごとの商品価値の金額の分布を容易に把握することができる。例えば、ユーザは、アーティストＣ１について、「ライブ・フェス」の商品価値の金額が最も大きく、「レンタル」の商品価値の金額が最も小さいことを把握することができる。アーティストＣ１でいえば、「ライブ・フェス」、「ラジオ」、「カラオケ」のグラフが、他の項目とは異なる色で示される、これは、「ライブ・フェス」、「ラジオ」、および「カラオケ」の３項目は、全アーティストの平均と比較して、アーティストＣ１が特に強みを持っている媒体であることを意味している。

ファンタイプ表示領域４１４０は、アーティストのファンタイプが表示される。本実施形態において、ファンタイプは、９個のタイプに分類される。９個のタイプは、「ファンクラブ」、「テレビ」、「ストリーミング」、「パリピ」、「ＣＤ・カラオケ」、「リッピング・ＤＬ」、「バンド・プレイ」、「ＮＯ ＭＵＳＩＣ ＮＯ ＬＩＦＥ」、「ＤＴＭ」である。ファンのタイプの名称は、本開示を限定するものではない。ファンタイプ表示領域４１４０に示すように、各ファンタイプは正方形を９個の領域に分割された各領域に１タイプずつ配置される。この場合、右側に配置されたタイプであるほど「デジタル」の傾向があり、左側に配置されたタイプであるほど「リアル」の傾向があることを意味する。具体的には、「デジタル」であるほど家などでアーティストの楽曲に関する活動をする傾向があり、「リアル」であるほどライブなどの会場でアーティストの楽曲に関する活動をする傾向があることを意味している。また、上側に配置されたタイプであるほど「リスナー」の傾向があり、下側に配置されたタイプであるほど「クリエイター」の傾向があることを意味している。具体的には、「リスナー」であるほど楽曲を聞くことを専門にする傾向があり、「クリエイター」であるほど、楽曲を自ら演奏する傾向があることを意味する。ファンタイプ表示領域４１４０においては、アーティストＣ１の主要なファン層と、潜在的なファン層とでは異なる色で色付けされて表示される。図４１に示す例においては、主要なファン層は「パリピ」であり、潜在的なファン層は「ファンクラブ」である。

ファンタイプ表示領域４１４０は、トレンド表示ボタン４１４１と、ペルソナ表示ボタン４１４２と、ソース表示ボタン４１４３と、お好みアーティスト表示ボタン４１４４と、プレイリスト表示ボタン４１４５を含む。トレンド表示ボタン４１４１は、人気トレンド表示領域４１２０を表示させるためのボタンである。

ペルソナ表示ボタン４１４２は、ファンタイプ表示領域４１４０で選択されたファンタイプのペルソナ像を表示させるボタンである。ペルソナ像を表示させるファンタイプは、ファンタイプ表示領域４１４０で表示されたファンタイプをマウスなどで押下することで選択することができる。

図４６を用いて、ペルソナ像を表示させる方法について説明する。図４６は、ペルソナ像を表示させる方法を説明するための図である。

図４６に示すように、ペルソナ表示ボタン４１４２が押下されると、ペルソナ表示領域４１５０にペルソナ像が表示される。図４６に示す例においては、ファンタイプとして「パリピ」が選択されているので、ペルソナ表示領域４１５０には、「パリピ」のペルソナ像が表示される。具体的には、ペルソナ表示領域４１５０には、ペルソナ像＃１と、ペルソナ情報＃１とが表示される。ペルソナ像＃１には、想定されるペルソナ像の名前、職業、年齢、および性別などが表示される。ペルソナ情報＃１には、想定されるペルソナ像の楽曲との付き合い方を含む情報が表示される。また、ファンタイプ表示領域４１４０には、「パリピ」のペルソナ像が、どのような媒体で楽曲を消費しているかを示す情報がハートマークで示されている。図４６に示す例では、「ライブ・フェス」と、「カラオケ」と、「ストリーミング」と、「ＭＶ」とにはハートマークが付されている。これは、「パリピ」のペルソナ像は、「ライブ・フェス」、「カラオケ」、「ストリーミング」、「ＭＶ」とで楽曲を消費する傾向にあることを意味する。ここで、「ライブ・フェス」と、「カラオケ」との項目に大きなハートマークが付されている。これは、対象となっているアーティストＣ１の強みである媒体と、「パリピ」が楽曲を消費している媒体とがマッチングしていることを意味している。

ペルソナ表示ボタン４１４２が表示されている状態で、ファンタイプ表示領域４１４０に表示された他のファンタイプを選択することで、ペルソナ表示領域４１５０に表示するペルソナ像を変更することができる。

図４７を用いて、表示させるペルソナ像を変更する方法について説明する。図４７は、表示させるペルソナ像を変更する方法を説明するための図である。

図４７に示す例では、ファンタイプとして、「ストリーミング」が選択されている。この場合、ペルソナ表示領域４１５０には、「ストリーミング」のペルソナ像として、ペルソナ像＃１と、ペルソナ情報＃２とが表示される。また、ファンタイプが変更されたことで、「ストリーミング」のペルソナ像が、どのような媒体で楽曲を消費しているかを確認することができる。図４７に示す例では、「ストリーミング」のペルソナ像は、「ラジオ」と、「ストリーミング」と、「ダウンロード」と、「ＭＶ」で楽曲を消費していることが示されている。また、「ストリーミング」のペルソナ像が楽曲を消費している媒体と、アーティストＣ１の強みである媒体とのマッチング箇所は、「ラジオ」であることが示されている。

図４６に示す例において、ソース表示ボタン４１４３を押下すると、「パリピ」のファン層が、音楽系の情報を得ている情報ソースを表示させることができる。

図４８を用いて、ファン層が情報を得ている情報ソースを表示する方法について説明する。図４８は、ファン層が情報を得ている情報ソースを表示する方法を説明するための図である。

図４８に示すように、情報ソース表示領域４１６０には、「パリピ」のファン層が情報を得ている情報ソースが表示される。情報ソース表示領域４１６０には、例えば、上位の３個の情報ソースが表示される。例えば、情報ソース表示領域４１６０には、アーティストのＳＮＳが３２．８％であり、知人のＳＮＳが２１．９％であり、その他のＳＮＳが１７．２％であることが示されている。図４８において、ファンタイプ表示領域４１４０内のファンタイプを選択することで、情報ソース表示領域４１６０には、選択されたファンタイプの情報ソースが表示される。これにより、ユーザは、ファンタイプごとの情報ソースを容易に把握することができる。

図４６に示す例において、お好みアーティスト表示ボタン４１４４を押下すると、「パリピ」のファン層が、アーティストＣ１以外にどのようなアーティストを好んでいるかを示す情報を表示させることができる。

図４９を用いてファン層が好むアーティストを表示する方法について説明する。図４９は、ファン層が好むアーティストを表示する方法を説明するための図である。

図４９に示すように、アーティスト表示領域４１７０には、「パリピ」のファン層が、アーティストＣ１以外に好むアーティストが表示される。アーティスト表示領域４１７０には、例えば、アーティストＣ１以外の３組のアーティストが表示される。具体的には、アーティスト表示領域４１７０には、アーティストＳ１と、アーティストＡ１と、アーティストＢ１とが表示される。図４９において、ファンタイプ表示領域４１４０内のファンタイプを選択することで、アーティスト表示領域４１７０には、選択されたファンタイプが好むアーティストが表示される。これにより、ユーザは、ファンタイプごとにアーティストＣ１以外に好むアーティストを容易に表示させることができる。

図４６に示す例において、プレイリスト表示ボタン４１４５を押下すると、「パリピ」のファン層が、好むプレイリストを表示することができる。

図５０を用いて、ファン層が好むプレイリストを表示する方法について説明する。図５０は、ファン層が好むプレイリストを表示する方法を説明するための図である。

図５０に示すように、プレイリスト表示領域４１８０には、「パリピ」のファン層が好むプレイリストが表示される。ここで、プレイリストは、例えば、定額音楽配信サービスなどの利用者が共有することのできる、プレイリストである。具体的には、プレイリスト表示領域４１８０には、「アウトドア」と、「ドライブ」と、「恋愛中」とが表示される。図５０において、ファンタイプ表示領域４１４０内のファンタイプを選択することで、アーティスト表示領域４１７０には、選択されたファンタイプが好むプレイリストが表示される。これにより、ユーザは、ファンタイプごとに好むプレイリストを容易に表示させることができる。

上述のとおり、本実施形態では、アーティスの想定されるファンのペルソナ像を生成する。本実施形態では、生成したペルソナ像ごとに音楽を消費している媒体、音楽の情報を得ている情報ソース、そのアーティスト以外に好むアーティスト、好むプレイリストなどを表示することができる。すなわち、本実施形態は、アーティストの楽曲の売り上げを向上させるために必要な情報をユーザに自動で提供することができる。これにより、ユーザは、本実施形態で生成された情報に基づいて、アーティストの楽曲の売り上げを向上させるための施策立案を行うことができる。

（４．ハードウェア構成）
上述してきた各実施形態に係る感性算出装置１００、発掘装置８００、分析装置３０００は、例えば、図５１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。図５１は、感性算出装置１００の機能を実現するコンピュータ１０００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、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス１５００、及び入出力インターフェイス１６００を有する。コンピュータ１０００の各部は、バス１０５０によって接続される。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。例えば、ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムをＲＡＭ１２００に展開し、各種プログラムに対応した処理を実行する。

ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるＢＩＯＳ（Basic Input Output System）等のブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を非一時的に記録する、コンピュータが読み取り可能な記録媒体である。具体的には、ＨＤＤ１４００は、プログラムデータ１４５０の一例である本開示に係るプログラムを記録する記録媒体である。

通信インターフェイス１５００は、コンピュータ１０００が外部ネットワーク１５５０（例えばインターネット）と接続するためのインターフェイスである。例えば、ＣＰＵ１１００は、通信インターフェイス１５００を介して、他の機器からデータを受信したり、ＣＰＵ１１００が生成したデータを他の機器へ送信したりする。

入出力インターフェイス１６００は、入出力デバイス１６５０とコンピュータ１０００とを接続するためのインターフェイスである。例えば、ＣＰＵ１１００は、入出力インターフェイス１６００を介して、キーボードやマウス等の入力デバイスからデータを受信する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやスピーカーやプリンタ等の出力デバイスにデータを送信する。また、入出力インターフェイス１６００は、所定の記録媒体（メディア）に記録されたプログラム等を読み取るメディアインターフェイスとして機能してもよい。メディアとは、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が感性算出装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、各部の機能を実現する。また、ＨＤＤ１４００には、本開示に係るプログラムが格納される。なお、ＣＰＵ１１００は、プログラムデータ１４５０をＨＤＤ１４００から読み取って実行するが、他の例として、外部ネットワーク１５５０を介して、他の装置からこれらのプログラムを取得してもよい。

なお、本明細書に記載された効果はあくまで例示であって限定されるものでは無く、また他の効果があってもよい。

なお、本技術は以下のような構成も取ることができる。
（１）
第１コンテンツに関する第１コンテンツ情報を取得する取得部と、
ユーザの感性タイプに基づいて前記ユーザを分類したセグメントごとに、前記第１コンテンツ情報に対するマッチング度数を算出する算出部と、
を備える、感性算出装置。
（２）
前記第１コンテンツは、商品、テキスト、静止画像、動画像、音、及びこれらの組み合わせのいずれかである、
前記（１）に記載の感性算出装置。
（３）
前記感性タイプごとの前記マッチング度数を比較可能なマッチング情報を第１表示領域に可視化して表示部に表示する表示制御部をさらに備える、
前記（１）または（２）に記載の感性算出装置。
（４）
前記表示制御部は、前記マッチング度数の最も高かった前記感性タイプを最適感性タイプとして、前記第１表示領域において、前記マッチング情報に隣接して表示する、
前記（３）に記載の感性算出装置。
（５）
前記表示制御部は、前記マッチング情報に含まれる前記感性タイプ及び前記最適感性タイプが選択された場合に、選択された前記感性タイプ又は前記最適感性タイプの詳細情報をポップアップ表示する、
前記（３）または（４）に記載の感性算出装置。
（６）
前記取得部は、前記ユーザの価値観情報を取得する、
前記（１）～（５）のいずれかに記載の感性算出装置。
（７）
前記価値観情報に基づいて、前記ユーザの前記感性タイプの種別を推定する推定部をさらに備える、
前記（６）に記載の感性算出装置。
（８）
前記取得部は、前記第１コンテンツ情報に基づいて生成された第１コンテンツとは異なる第２コンテンツに関する第２コンテンツ情報を少なくとも１つ取得し、
前記算出部は、複数の前記感性タイプごとに、前記第２コンテンツ情報に対するマッチング度数を算出する、
前記（１）～（７）のいずれかに記載の感性算出装置。
（９）
前記表示制御部は、前記第１コンテンツ情報のマッチング度数を前記第１表示領域に表示し、前記第２コンテンツ情報のマッチング度数を前記第１表示領域に隣接する第２表示領域に表示する、
前記（８）に記載の感性算出装置。
（１０）
前記第１コンテンツが前記テキストである場合、
前記算出部は、前記ユーザによる前記テキストに対する理解度を示す伝わる度と、前記テキストが前記ユーザの心にささった度合いを示すささる度と、前記ユーザによる前記テキストに対する表現方法によるコミュニケーション傾向を示す表現傾向を算出する、
前記（３）～（５）のいずれかに記載の感性算出装置。
（１１）
前記表示制御部は、前記伝わる度と、前記ささる度と、前記表現傾向とを可視化して前記表示部に表示する、
前記（１０）に記載の感性算出装置。
（１２）
前記伝わる度と、前記ささる度と、前記表現傾向との少なくとも１つに基づいて、前記テキストの感性価値に応じた前記感性タイプに属する前記ユーザに、前記テキストを提示する提示部とをさらに備える、
前記（１０）または（１１）に記載の感性算出装置。
（１３）
前記提示部は、前記ユーザの価値観情報に基づいて、前記ユーザに対し最適な最適コンテンツを提示する、
前記（１２）に記載の感性算出装置。
（１４）
前記表示部に表示された前記伝わる度が前記ユーザによって選択された場合、
前記表示制御部は、前記テキストに含まれる単語や言い回しごとの出現回数と、認知度とをスコア化して表示する、
前記（１０）～（１３）のいずれかに記載の感性算出装置。
（１５）
前記表示部に表示された前記ささる度が前記ユーザによって選択された場合、
前記表示制御部は、前記テキストにおいて、予め定められた複数のジャンルのそれぞれに関連する単語が含まれている度合いと、前記単語の出現頻度とをスコア化して表示する、
前記（１０）～（１３）のいずれかに記載の感性算出装置。
（１６）
前記価値観情報に基づいて、前記ユーザが分類されている前記感性タイプを更新するタイミングを検知する更新部をさらに備える、
前記（７）に記載の感性算出装置。
（１７）
前記算出部は、前記感性タイプ間の相性度を算出する、
前記（１）～（１６）のいずれかに記載の感性算出装置。
（１８）
前記第１コンテンツが前記商品である場合、
前記取得部は、前記感性タイプごとの前記ユーザの前記商品に対する前記価値観情報を時系列に沿って取得し、
前記表示制御部は、前記感性タイプごとの前記商品に対する前記価値観情報の時間変化を表示する、
前記（６）に記載の感性算出装置。
（１９）
前記算出部は、前記第１コンテンツに対するＶＯＣの内容および評価をリアルタイムで算出する、
前記（１）～（１８）のいずれかに記載の感性算出装置。
（２０）
前記算出部は、前記感性タイプに応じたレコメンド情報を算出する、
前記（１）～（１９）のいずれかに記載の感性算出装置。
（２１）
前記取得部は、前記コンテンツに対するレビュー情報を取得し、
前記算出部は、前記レビュー情報に基づいて、前記コンテンツの利用者像を算出する、
前記（１）～（２０）のいずれかに記載の感性算出装置。
（２２）
第１コンテンツに関する第１コンテンツ情報を取得し、
ユーザの感性に基づいて前記ユーザを分類した複数の感性タイプごとに、前記第１コンテンツ情報に対するマッチング度数を算出する、
感性算出方法。
（２３）
コンピュータを、
第１コンテンツに関する第１コンテンツ情報を取得する取得部と、
ユーザの感性に基づいて前記ユーザを分類した複数の感性タイプごとに、前記第１コンテンツ情報に対するマッチング度数を算出する算出部と、
として機能させるための、プログラム。
（２４）
コンテンツ情報を取得する取得部と、
前記取得部によって取得されたコンテンツ情報のうち、所定の条件を満たすコンテンツ情報に対して、学習済みモデルを用いて、所定の条件を満たす前記コンテンツの人気度を判定するクオリティ判定部と、
を備える、発掘装置。
（２５）
コンテンツ情報を取得する取得部と、
前記取得部によって取得されたコンテンツ情報の特徴量に対して、前記コンテンツ情報のファン層を出力する学習済みモデルを用いて、前記コンテンツ情報のファン層を特定する特定部と、
を備える、分析装置。
（２６）
前記取得部によって取得されたコンテンツ情報の特徴量に対して、前記コンテンツ情報のファン層のペルソナ像を生成する学習済みモデルを用いて、前記コンテンツ情報のファン層のペルソナ像を生成する生成部を備える、
前記（２５）に記載の分析装置。

１００ 感性算出装置
１１０，８１０，３１００ 記憶部
１１１ 顧客データベース
１１２ 消費者データベース
１１３ 感性データベース
１２０，８２０，３２００ 制御部
１２１，８２１，３２１０ 取得部
１２２ 算出部
１２３ 推定部
１２４ 提示部
１２５ 更新部
１２６，８２６，３２６０ 表示制御部
１３０，８３０，３３００ 通信部
８００ 発掘装置
８１１ 第１学習済みデータ記憶部
８１２ 第２学習済みデータ記憶部
８１３ 第３学習済みデータ記憶部
８２２ 抽出部
８２３ タイプ判定部
８２４ クオリティ判定部
８２５ 推薦部
３０００ 分析装置
３１１０ ペルソナデータベース
３１２０ アーティスト特徴量データベース
３２２０ 分析部
３２３０ 特定部
３２４０ 生成部
３２５０ 提供部

Claims (19)

1. 第１コンテンツに関する第１コンテンツ情報を取得する取得部と、
   ユーザの感性タイプに基づいて前記ユーザを分類したセグメントごとに、前記第１コンテンツ情報に対するマッチング度数を算出する算出部と、
   前記感性タイプごとの前記マッチング度数を比較可能なマッチング情報を第１表示領域に可視化して表示部に表示する表示制御部と、
   を備える、感性算出装置。
2. 前記第１コンテンツは、商品、テキスト、静止画像、動画像、音、及びこれらの組み合わせのいずれかである、
   請求項１に記載の感性算出装置。
3. 前記表示制御部は、前記マッチング度数の最も高かった前記感性タイプを最適感性タイプとして、前記第１表示領域において、前記マッチング情報に近接して表示する、
   請求項１に記載の感性算出装置。
4. 前記表示制御部は、前記マッチング情報に含まれる前記感性タイプ及び前記最適感性タイプが選択された場合に、選択された前記感性タイプ又は前記最適感性タイプの詳細情報を表示する、
   請求項３に記載の感性算出装置。
5. 前記取得部は、前記ユーザの価値観情報を取得する、
   請求項１に記載の感性算出装置。
6. 前記価値観情報に基づいて、前記ユーザの前記感性タイプの種別を推定する推定部をさらに備える、
   請求項５に記載の感性算出装置。
7. 前記取得部は、前記第１コンテンツ情報に基づいて生成された第１コンテンツとは異なる第２コンテンツに関する第２コンテンツ情報を少なくとも１つ取得し、
   前記算出部は、複数の前記感性タイプごとに、前記第２コンテンツ情報に対するマッチング度数を算出する、
   請求項１に記載の感性算出装置。
8. 前記表示制御部は、前記第１コンテンツ情報のマッチング度数を前記第１表示領域に表示し、前記第２コンテンツ情報のマッチング度数を前記第１表示領域に近接する第２表示領域に表示する、
   請求項７に記載の感性算出装置。
9. 前記第１コンテンツがテキストである場合、
   前記算出部は、前記ユーザによる前記テキストに対する理解度を示す伝わる度と、前記テキストが前記ユーザの心にささった度合いを示すささる度と、前記ユーザによる前記テキストに対する表現方法によるコミュニケーション傾向を示す表現傾向を算出する、
   請求項１に記載の感性算出装置。
10. 前記表示制御部は、前記伝わる度と、前記ささる度と、前記表現傾向とを可視化して前記表示部に表示する、
    請求項９に記載の感性算出装置。
11. 前記伝わる度と、前記ささる度と、前記表現傾向との少なくとも１つに基づいて、前記テキストの感性価値に応じた前記感性タイプに属する前記ユーザに、前記テキストを提示する提示部とをさらに備える、
    請求項１０に記載の感性算出装置。
12. 前記提示部は、前記ユーザの価値観情報に基づいて、前記ユーザに対し最適な最適コンテンツを提示する、
    請求項１１に記載の感性算出装置。
13. 前記表示部に表示された前記伝わる度が前記ユーザによって選択された場合、
    前記表示制御部は、前記テキストに含まれる単語や言い回しごとの出現回数と、認知度とをスコア化して表示する、
    請求項１０に記載の感性算出装置。
14. 前記表示部に表示された前記ささる度が前記ユーザによって選択された場合、
    前記表示制御部は、前記テキストにおいて、予め定められた複数のジャンルのそれぞれに関連する単語が含まれている度合いと、前記単語の出現頻度とをスコア化して表示する、
    請求項１０に記載の感性算出装置。
15. 前記価値観情報に基づいて、前記ユーザが分類されている前記感性タイプを更新するタイミングを検知する更新部をさらに備える、
    請求項６に記載の感性算出装置。
16. 前記算出部は、前記感性タイプ間の相性度を算出する、
    請求項１に記載の感性算出装置。
17. 前記第１コンテンツが商品である場合、
    前記取得部は、前記感性タイプごとの前記ユーザの前記商品に対する前記価値観情報を時系列に沿って取得し、
    前記表示制御部は、前記感性タイプごとの前記商品に対する前記価値観情報の時間変化を表示する、
    請求項５に記載の感性算出装置。
18. コンピュータが、
    第１コンテンツに関する第１コンテンツ情報を取得し、
    ユーザの感性に基づいて前記ユーザを分類した複数の感性タイプごとに、前記第１コンテンツ情報に対するマッチング度数を算出し、
    前記感性タイプごとの前記マッチング度数を比較可能なマッチング情報を第１表示領域に可視化して表示部に表示する、
    感性算出方法。
19. コンピュータを、
    第１コンテンツに関する第１コンテンツ情報を取得する取得部と、
    ユーザの感性に基づいて前記ユーザを分類した複数の感性タイプごとに、前記第１コンテンツ情報に対するマッチング度数を算出する算出部と、
    前記感性タイプごとの前記マッチング度数を比較可能なマッチング情報を第１表示領域に可視化して表示部に表示する表示制御部と、
    として機能させるための、プログラム。

Images