JPWO2015159357A1 - コミュニティ内におけるユーザの行動分析装置および行動分析用プログラム - Google Patents

Abstract

コミュニティサイトにおけるユーザの複数種類の行動に係る指標値を用いて、分析対象期間を分割した複数の分割期間毎に、コミュニティサイトにおけるユーザの関与状況を複数のユーザ毎に分析する関与状況分析部１３と、その関与状況が複数の分割期間にわたってどのように変化したかを分析することにより、どの変化パターンに該当するかを複数のユーザ毎に特定する変化パターン特定部１４と、分析対象期間中に複数のユーザが複数のキャンペーンのうちどのキャンペーンに参加したのかを示す参加状況情報を用いて、複数の変化パターン毎に、ユーザが参加しているキャンペーンへの参加人数をクロス集計することにより、複数の変化パターンと複数のキャンペーンとの関係を分析する関係分析部１５とを備え、商品の販売促進のために実施したキャンペーンと、コミュニティサイト内でのユーザの行動の変化との因果関係を把握できるようにする。

Description

本発明は、コミュニティ内におけるユーザの行動分析装置および行動分析用プログラムに関するものである。

従来、商品の販売促進ための施策として、種々のキャンペーンが一般的に行われている。キャンペーンの内容は多種多様であり、商品を販売する企業の広告戦略に基づいて行われる。例えば、商品購入者に対するプレゼント懸賞、店舗や街頭などを利用した試供品の提供、新商品のモニター募集などが広く実施されている。

キャンペーンを行う際には、当然ながらある程度の費用がかかる。企業は、かけた費用以上の効果（売上増加など）を期待してキャンペーンを実施するのであるが、どのようなキャンペーンがどの程度の成果を上げているのかは定かではない。そのため、キャンペーンの効果をできるだけ客観的に確認できるようにすることが望まれている。確認結果に応じて、その後の広告戦略を最適化していくことができるからである。

従来、特定の商品について実施したキャンペーンの効果を測定する技術が種々提案されている（例えば、特許文献１〜３参照）。特許文献１に記載の販促キャンペーン効果測定システムでは、複数の店舗と基地のサーバとを通信回線を介して接続し、各店舗から送信される商品の販売実績を日付・店舗・商品毎に記憶する。そして、この記憶された販売データと販促キャンペーン情報とを比較し、販促キャンペーンの効果として販売数の変化をリアルタイムにモニターする。

また、特許文献２に記載の販売情報分析装置は、住民に関する属性が類似するエリアのグループであるエリアクラスタと各エリアとの対応関係を保持する。販売情報分析装置は、販売促進施策が実施された実施日時を取得するとともに、販売促進施策の実施前後の各エリアにおける商品販売量を取得する。販売情報分析装置は、各エリアにおける商品販売量をエリアクラスタごとに集計し、販売促進施策による商品販売量の増加率をエリアクラスタごとに算出する。

また、特許文献３に記載のキャンペーン効果算出システムでは、キャンペーンの施策情報についてｍＲＯＩ分析処理を行う。ｍＲＯＩ分析処理は、キャンペーンの期間に対象商品を購入した顧客グループと、それ以外の顧客グループとを識別し、これらの顧客グループによる売上増加率の差から全体利益押上効果を算出する。

ところで、近年ではインターネット上に多数のコミュニティサイト（ＳＮＳサイト）が提供され、共通の関心分野、価値観、目的を持ったユーザが集まって、情報の共有や自由な発言などのコミュニケーションが活発に行われている。このコミュニティサイトの中では、ユーザが関心を持った商品に関する発言なども行われており、その発言による口コミが商品の売れ行きに大きく影響を及ぼしていることが分かっている。

最近では、不特定多数の人にマスメディアを使って宣伝する従来型の広告に比べて費用対効果が高いことを見込んで、口コミを活用した広告も行われるようになってきている。例えば、商品のプロモーションメッセージをインパクトや話題性のある内容としてネット上に公開し、ユーザの興味・関心を集め、口コミ効果で多くの人に商品の良さなどを伝達させることが行われている。

また、ＳＮＳに投稿された情報と商品の購入との因果関係を分析する技術も提案されている（例えば、特許文献４参照）。この特許文献４に記載のキャンペーン管理装置では、ＳＮＳに対して顧客が投稿した情報から、商品の購入を示唆する記述を検索し、検索の結果に基づき顧客が商品を購入したか否かを推定する。また、この特許文献４には、キャンペーン実施店舗に対するローヤルティ（忠誠度、ひいき度）に関する顧客のタイプを判定することも記載されている。

特開２００５−１２８８５３号公報 特開２００９−１６９６９８号公報 特開２０１３−００５７９９号公報 特開２０１３−２４６７４７号公報

上記特許文献１〜３に記載の技術によれば、キャンペーンの実施によって対象商品の販売量がどの程度増加したのかを商品購入の実績値に基づいて分析することが可能である。また、上記特許文献４に記載の技術によれば、コミュニティでのユーザの発言内容から、キャンペーンの対象商品が購入されたか否かを推定することが可能である。

しかしながら、上記特許文献１〜４に記載の技術では、キャンペーンの実施が、コミュニティ内でのユーザの行動にどのような影響を与えているのかを具体的に分析することができないという問題があった。上述のように、ある商品に関するコミュニティ内でのユーザの行動は、その商品の売れ行きに少なからず影響を及ぼす。そのため、キャンペーンの実施内容とコミュニティ内でのユーザの行動との因果関係を分析して把握できるようにすることが望まれる。

本発明は、このような問題を解決するために成されたものであり、商品の販売促進のために実施したキャンペーンが、コミュニティ内でのユーザの行動にどのような影響を与えているのかを把握できるようにすることを目的とする。

上記した課題を解決するために、本発明では、コミュニティサイトにおけるユーザの複数種類の行動に係る指標値であって、所望の分析対象期間における複数のユーザに関する指標値と、分析対象期間中におけるユーザのキャンペーンへの参加状況を示す参加状況情報とを用いて、以下のような分析を行う。すなわち、分析対象期間を分割した複数の分割期間毎に、コミュニティサイトにおけるユーザの関与状況を複数のユーザ毎に分析し、その関与状況が複数の分割期間にわたってどのように変化したかを分析することにより、変化パターンを複数のユーザ毎に特定する。そして、複数の変化パターン毎に、ユーザが参加しているキャンペーンへの参加人数をクロス集計することにより、複数の変化パターンと複数のキャンペーンとの関係を分析するようにしている。

上記のように構成した本発明によれば、所望の分析対象期間におけるコミュニティサイト上でのユーザの行動の変化パターンが分析される一方で、同じ変化パターンを示すユーザが、分析対象期間中に実施された複数のキャンペーンのうちどのキャンペーンに何人参加したのかが分析される。これにより、この分析結果をもとに、商品の販売促進のために実施したキャンペーンと、コミュニティサイト内でのユーザの行動の変化との因果関係を推察することができる。ひいては、キャンペーンの実際がコミュニティサイト内でのユーザの行動にどのような影響を与えているのかを把握することができる。

第１の実施形態による行動分析装置の機能構成例を示すブロック図である。 本実施形態の指標値取得部が取得する指標値の一例を示す図である。 本実施形態の参加状況情報取得部が取得する参加状況情報の一例を示す図である。 第１の実施形態に係る関与状況分析部により関与レベルを分析するための具体的な機能構成例を示すブロック図である。 第１の実施形態に係る合計値算出部の処理内容を説明するための図である。 第１の実施形態に係る関与状況分析部により分析された各ユーザの月別の関与レベルを示す図である。 第１の実施形態による変化パターン特定部の処理内容を説明するための図である。 第１の実施形態による変化パターン特定部の処理内容を説明するための図である。 第１の実施形態による関係分析部の処理内容を説明するための図である。 第２の実施形態による行動分析装置の機能構成例を示すブロック図である。 第２の実施形態に係る関与状況分析部により関与タイプを分析するための具体的な機能構成例を示すブロック図である。 第２の実施形態による教師データ生成部によって行われる平均値算出の処理内容を説明するための図である。 第２の実施形態に係る教師データ生成部によって行われる非階層クラスタ分析の処理内容を説明するための図である。 第２の実施形態に係る関与状況分析部により分析された各ユーザの月別の関与タイプを示す図である。 第２の実施形態による指標値集計部の処理内容を説明するための図である。

（第１の実施形態）
以下、本発明の第１の実施形態を図面に基づいて説明する。図１は、第１の実施形態による「コミュニティ内におけるユーザの行動分析装置」の機能構成例を示すブロック図である。図１に示すように、第１の実施形態による行動分析装置１００は、その機能構成として、指標値取得部１１、参加状況情報取得部１２、関与状況分析部１３、変化パターン特定部１４および関係分析部１５を備えている。

上記各機能ブロック１１〜１５は、ハードウェア、ＤＳＰ（Digital Signal Processor）、ソフトウェアの何れによっても構成することが可能である。例えばソフトウェアによって構成する場合、上記各機能ブロック１１〜１５は、実際にはコンピュータのＣＰＵ、ＲＡＭ、ＲＯＭなどを備えて構成され、ＲＡＭやＲＯＭ、ハードディスクまたは半導体メモリ等の記録媒体に記憶されたプログラムが動作することによって実現される。

指標値取得部１１は、インターネット上のコミュニティサイトにおけるユーザの複数種類の行動に係る指標値を取得する。この指標値は、所望の分析対象期間における複数のユーザに関する行動に係る指標を示す値である。ここでのコミュニティサイトは、ある商品の販売促進のために種々のキャンペーンを実施している企業が開設している特定商品に関するコミュニティサイトであるとする。

図２は、指標値取得部１１が取得する指標値の一例を示す図である。第１の実施形態では、指標の一例として、ＰＶ（ページビュー）数、セッション数、滞在時間、コメント投稿数、コメントの長さ、拍手数、被拍手数の７つを用いる。なお、ここに挙げた７つの指標は一例に過ぎず、これらを必ず全て用いることは必須ではない。また、ユーザの行動を表すことができるものであれば、この７つ以外の指標を用いてもよい。

分析対象期間は、分析を行うオペレータが任意に設定することが可能である。図２の例では、分析対象期間を９ヶ月に設定している。指標値取得部１１は、１月〜９月の９ヶ月の分析対象期間中に複数のユーザがそれぞれどのような行動をとったかを表すパラメータとして、コミュニティサイトに関するログデータから７つの指標値を複数のユーザ毎に取得する。

なお、個々のユーザは、具体的に「誰」ということまで特定する必要はなく、互いに区別できれば十分である。例えば、コミュニティサイト内で使われるユーザＩＤ、ユーザ名またはニックネームの何れかを、各ユーザを識別する情報として用いることが可能である。図２では５人のユーザを示しているが、実際にはこれより多数存在する。

参加状況情報取得部１２は、分析対象期間中に商品の販売促進のために行われた複数のキャンペーンのうち、複数のユーザがどのキャンペーンに参加したのかを示す参加状況情報を取得する。図３は、参加状況情報取得部１２が取得する参加状況情報の一例を示す図である。図３の例では、分析対象期間中に行われた複数のキャンペーン１〜ｎのうち、ユーザが参加したものは１、参加していないものは０というフラグで参加の有無を区別している。なお、この図３は説明のために示したものであり、参加状況情報がこのデータ形式であることは必須ではない。

ここで、ユーザが各キャンペーンに参加したか否かは、例えば、アンケートを用いた聞き取り調査によって把握することが可能である。コミュニティサイト上に設けた電子的なアンケートを実施すれば、各ユーザの各キャンペーンに対する参加状況を簡単に収集することができる。また、コミュニティサイト上でユーザがとったアクションのデータ（例えば、提示されたテーマに対して返信したか否か等）に基づいて、キャンペーンへの参加の有無を判定するようにしてもよい。

関与状況分析部１３は、分析対象期間を分割した複数の分割期間毎に、ユーザの行動に係る７つの指標値に対して所定の演算を行い、その演算の結果に基づいて、ユーザのコミュニティサイトにおける関与状況を複数のユーザ毎に分析する。第１の実施形態では、分割期間の一例として、１ヵ月を設定する。すなわち、１月〜９月のそれぞれの月毎に、ユーザの関与状況を分析する。

第１の実施形態では、関与状況の一例として、ユーザのコミュニティサイトに対する関与度合いを表す「関与レベル」を分析する。具体的には、関与状況分析部１３は、分析対象期間を分割した複数の分割期間毎に、７つの指標値に対して所定の重み付け加算演算を行うことにより、関与ポイントを算出する。そして、当該算出した関与ポイントの大きさに基づいて、複数段階の関与レベルのうちどのレベルに該当するかを複数のユーザ毎に分析する。

図４は、関与状況分析部１３により関与レベルを分析するための具体的な機能構成例を示すブロック図である。図４に示すように、関与状況分析部１３は、その具体的な機能構成として、合計値算出部１３１、重み算出部１３２、関与ポイント算出部１３３およびレベル判定部１３４を備えている。

合計値算出部１３１は、図５に示すように、１月〜９月の複数の分割期間毎に、７つの指標値のそれぞれについて、全ユーザの指標値の合計値ＳＵＭij（ｉ＝１〜９、ｊ＝１〜７）をそれぞれ算出する。重み算出部１３２は、合計値算出部１３１により月単位で指標値別に算出された合計値ＳＵＭijの逆数に０．１をかけて、「Ｗij＝０．１／ＳＵＭij」なる演算によって各月の指標値別の重みＷijを算出する。

関与ポイント算出部１３３は、月単位のユーザ別の各指標値（図２参照）に対して、重み算出部１３２により算出された重みＷijを乗算し、指標毎に得られた値を合計することにより、各ユーザの月別の関与ポイントを算出する。例えば、図２に示したユーザ１の１月の７つの指標値に対して、重み算出部１３２により算出された１月の各指標値の重みＷ1j（ｊ＝１〜７）をそれぞれ乗算し、得られた７つの値を合計することにより、ユーザ１の１月の関与ポイントを算出する。他のユーザについても同様に、１月の関与ポイントを算出する。これを１月〜９月のそれぞれについて行うことにより、各ユーザの月別の関与ポイントを算出することができる。

レベル判定部１３４は、１月〜９月の複数の分割期間毎に、関与ポイント算出部１３３により算出された関与ポイントの大きさに応じて各ユーザの関与レベルを判定する。例えば、関与ポイントの大きさに関して３つの閾値を設定し、その３つの閾値と各ユーザの関与ポイントとの大小比較によって、各ユーザが４段階の関与レベルのうちどのレベルに該当するかを判定する。なお、ここに示したレベル判定の方法は単なる一例であり、この方法に限定されない。

例えば、関与ポイント算出部１３３により算出された関与ポイントの値を降順に並べ、０ポイントのユーザを除外した上で、順位が全体の何％の位置にあるかを特定する。そして、このパーセンテージの大きさに関して３つの閾値を設定し、その３つの閾値と各ユーザの関与ポイントから特定したパーセンテージとの大小比較によって、各ユーザが４段階の関与レベルのうちどのレベルに該当するかを判定するようにしてもよい。

図６は、以上の処理によって関与状況分析部１３により分析された各ユーザの月別の関与レベルを示す図である。なお、図６の例で、レベル１は関与ポイントが最も小さく、レベル４は関与ポイントが最も大きいものとする。すなわち、レベル１、レベル２、レベル３、レベル４の順番で関与ポイントが大きいことを示している。

図１に戻って説明する。変化パターン特定部１４は、関与状況分析部１３により複数の分割期間毎（１月〜９月の月毎）に分析された関与レベルが、複数の分割期間にわたってどのように変化したかを分析し、所定の複数の変化パターンのうち何れに該当するかを複数のユーザ毎に特定する。第１の実施形態では、変化パターン特定部１４は、複数の変化パターンとして、関与レベルが上昇している第１パターン、関与レベルが維持状態にある第２パターン、関与レベルが下降している第３パターンのうち何れに該当するかを複数のユーザ毎に特定する。

図７および図８は、第１の実施形態による変化パターン特定部１４の処理内容を説明するための図である。第１の実施形態では、１月〜９月の分析対象期間を３つの期間に分割する。すなわち、１月〜３月を期間１、４月〜６月を期間２、７月〜９月を期間３とする。そして、期間別に、関与レベルが最も高いもの（関与ポイントが最も大きいもの）をその期間におけるユーザの関与レベルとする。例えば、図７に示すように、ユーザ１の１月〜３月の関与レベルがそれぞれレベル１、レベル２、レベル４であった場合、この中で最も関与ポイントが大きいレベル４をユーザ１の期間１における関与レベルとする。

このようにすると、一人のユーザに関して、期間１〜期間３のそれぞれについて３つの関与レベルが設定される。変化パターン特定部１４は、期間１から期間２にかけて関与レベルの変化パターンが上昇、維持、下降の何れに該当するかを判定する。同様に、期間２から期間３にかけて関与レベルの変化パターンが上昇、維持、下降の何れに該当するかを判定する。そして、判定した２つの変化パターンの組み合わせに応じて、分析対象期間の全体を通じて関与レベルが上昇、維持、下降の何れのパターンに該当するかを複数のユーザ毎に特定する。

図８は、期間１〜期間２における変化パターンと、期間２〜期間３における変化パターンとの組み合わせから、分析対象期間全体における関与レベルの変化パターンが上昇、維持、下降のどれに該当するかを示した図である。この図８に示す例に従えば、図７に示すユーザ１の場合、期間１〜期間２における変化パターンは下降（↓）、期間２〜期間３における変化パターンも下降（↓）であるから、分析対象期間全体における関与レベルの変化パターンは下降の第３パターンということになる。

なお、ここでは９ヶ月の分析対象期間を３ヵ月毎に区切って３つの期間１〜３を設定しているが、このやり方に限定されるものではない。例えば、関与状況分析部１３が分析対象期間を９つではなく３つの分割期間に分割して関与レベルを分析すれば、求められた３つの関与レベルを変化パターン特定部１４がそのまま用いて変化パターンを特定することができる。

また、上記実施形態では、分析対象期間を３つ期間に区切って２つの変化パターンを判定し、その２つの変化パターンの組み合わせから分析対象期間全体の変化パターンを特定しているが、このやり方に限定されるものではない。例えば、分析対象期間を２つ期間に区切り、その２つ期間における関与レベルの変化から分析対象期間全体の変化パターンをダイレクトに特定するようにしてもよい。

関係分析部１５は、上昇、維持、下降の変化パターン毎に、変化パターン特定部１４により何れかの変化パターンに該当すると特定されたユーザが参加しているキャンペーンへの参加人数をクロス集計することにより、複数の変化パターンと複数のキャンペーンとの関係を分析する。

図９は、第１の実施形態による関係分析部１５の処理内容を説明するための図である。図９（ａ）は、図３に示したユーザ別の各キャンペーンへの参加状況を表す参加状況情報と、変化パターン特定部１４によりユーザ毎に特定された変化パターンとを組み合わせたテーブルを示している。

関係分析部１５は、このテーブルに示す情報をもとに、変化パターンが「上昇」を示しているユーザがどのキャンペーンに何人参加しているのかを集計する。また、変化パターンが「維持」を示しているユーザがどのキャンペーンに何人参加しているのかを集計する。さらに、変化パターンが「下降」を示しているユーザがどのキャンペーンに何人参加しているのかを集計する。その結果を示したものが図９（ｂ）である。

また、関係分析部１５は、図９（ｃ）に示すように、変化パターン別に、これに該当するユーザが全体で何人いるのかの集計を行ってもよい。また、関係分析部１５はさらに、図９（ｄ）に示すように、図９（ｂ）および（ｃ）に示す集計結果を利用して、各キャンペーン毎に、各変化パターンのグループからどのくらいの割合の人数が参加しているのかを集計するようにしてもよい。

以上詳しく説明したように、第１の実施形態によれば、所望の分析対象期間におけるコミュニティサイト上でのユーザの行動の変化パターンが分析される一方で、同じ変化パターンを示すユーザが、分析対象期間中に実施された複数のキャンペーンのうちどのキャンペーンに何人参加したのかが分析される。これにより、この分析結果をもとに、商品の販売促進のために実施したキャンペーンと、コミュニティサイト内でのユーザの行動の変化との因果関係を推察することができる。ひいては、キャンペーンの実際がコミュニティサイト内でのユーザの行動にどのような影響を与えているのかを把握することができる。

例えば、キャンペーン対象とした商品に関するコミュニティサイトへの関与レベルの変化パターンが「上昇」に分類されたユーザはどのキャンペーンに参加したかまたはしなかったか、「維持」に分類されたユーザはどのキャンペーンに参加したかまたはしなかったか、「下降」に分類されたユーザはどのキャンペーンに参加したかまたはしなかったかを把握することができる。

変化パターンが「上昇」に分類されたユーザのコミュニティサイト内での行動（特に、コメント投稿や拍手など）は、他のユーザにも少なからず影響を与え、商品の販売量増加に貢献している可能性があるとの仮説を立てることができる。この仮説をもとに、変化パターンが「上昇」に分類されたユーザがどのキャンペーンに参加しているのか、あるいはどのようなタイプのキャンペーンに多く参加しているのかを確認することにより、販促効果の高いと思われるキャンペーンを推定することが可能となる。

また、変化パターンが「上昇」に分類されたユーザは、自身で商品を購入している可能性が高いとの仮説を立てることもできる。この仮説をもとに、変化パターンが「上昇」に分類されたユーザの参加人数が多いキャンペーンを確認することにより、販促効果の高いと思われるキャンペーンを推定することが可能となる。

あるいは、変化パターンが「下降」に分類されたユーザ群が 参加しているキャンペーンをみて、大半がキャンペーン１に参加しているものの、キャンペーン２には参加していないという傾向が観察された場合、キャンペーン１で期待した体験が得られなかったため、キャンペーン２の時期までモチベーションが定着しなかったとか、キャンペーン１で喚起された欲求に対して、キャンペーン２で継続的に応えることができなかったといったことを推察することもできる。

なお、上記第１の実施形態では、関与レベルの変化に基づいて上昇、維持、下降の３つの変化パターンを特定する例について説明したが、本発明はこれに限定されない。例えば、変化パターン特定部１４は、２つの期間にかけて関与ポイントが所定値を超えて上昇している場合は第１パターン、関与ポイントが所定の範囲内で維持状態にある場合は第２パターン、関与ポイントが所定値を超えて下降している場合は第３パターンに該当すると判定するようにしてもよい。この場合、関与状況分析部１３は、関与ポイントまで算出し、関与レベルは分析しなくてもよい。

（第２の実施形態）
次に、本発明の第２の実施形態を図面に基づいて説明する。図１０は、第２の実施形態による「コミュニティ内におけるユーザの行動分析装置」の機能構成例を示すブロック図である。なお、この図１０において、図１に示した符号と同一の符号を付したものは同一の機能を有するものであるので、ここでは重複する説明を省略する。

図１０に示すように、第２の実施形態による行動分析装置１００’は、指標値集計部１６および序列付与部１７を更に備えている。また、第２の実施形態による行動分析装置１００’は、図１に示した関与状況分析部１３および変化パターン特定部１４に代えて、関与状況分析部１３’および変化パターン特定部１４’を備えている。第２の実施形態では、関与状況分析部１３’は、関与状況の一例として、ユーザのコミュニティサイトに対する関与の仕方を表す「関与タイプ」を分析する。

具体的には、関与状況分析部１３’は、分析対象期間を分割した複数の分割期間毎に、ユーザの行動に係る７つの指標値に対して所定のクラスタリング演算を行うことにより、複数種類の関与タイプのうちどのタイプに該当するかを複数のユーザ毎に分析する。本実施形態では、一例として、各ユーザを４種類の関与タイプに分類するものとして説明する。４種類の関与タイプは、例えば、コミュニティサイト内であまり関与がないタイプＡ、相対的にやや関与しているタイプＢ、コメント投稿を中心として関与するタイプＣ、まんべんなく関与するタイプＤとする。

図１１は、関与状況分析部１３’により関与タイプを分析するための具体的な機能構成例を示すブロック図である。図１１に示すように、関与状況分析部１３’は、その具体的な機能構成として、教師データ生成部１３５および関与タイプ判別部１３６を備えている。

教師データ生成部１３５は、分析対象期間の全体における７つの指標値をユーザ毎に集計し、その集計値を用いて、７つの指標のうち２つの指標の組み合わせで特定される座標平面に、４種類の関与タイプに対応する４つのクラスタ中心点を特定する。そして、当該４つのクラスタ中心点と、２つの指標について求められた集計値の組み合わせで特定される座標平面上の位置との関係から、複数のユーザを４つのクラスタの何れかに割り当てて成る教師データを生成する。以下に、この教師データ生成部１３５の処理を詳しく説明する。

まず、教師データ生成部１３５は、分析対象期間の全体における７つの指標値をユーザ毎に集計する。例えば、教師データ生成部１３５は、図１２に示すように、複数のユーザ毎に、分析対象期間における各指標値の月単位の平均値をそれぞれ算出する。すなわち、教師データ生成部１３５は、９ヶ月間における各指標値をそれぞれ合計し、その合計数を９で除算することにより、各指標値の月単位の平均値をそれぞれ複数のユーザ毎に算出する。なお、ここでは平均値を算出しているが、合計値であってもよい。

次に、教師データ生成部１３５は、以上のように算出した各指標値の平均値を用いて、公知のｋ−ｍｅａｎｓ法を適用して非階層クラスタ分析を行う。ｋ−ｍｅａｎｓ法は、あらかじめ固定された数のクラスタの各々にその代表であるプロトタイプ（クラスタ中心点）を与え、それぞれの個体を最も近いプロトタイプに割り上てることでクラスタリングする分析手法である。

図１３は、この非階層クラスタ分析の処理内容を説明するための図である。非階層クラスタ分析では、まず、ユーザの行動に関する７つの指標のうち２つの指標の組み合わせで特定される座標平面に、４種類の関与タイプに対応する４つのクラスタの中心点を特定する。

例えば、図１３に示すように、ＰＶ数およびセッション数の２つの指標を縦軸と横軸にとった座標平面を設定する。そして、各ユーザについて算出されたＰＶ数の平均値とセッション数の平均値とで定まる座標位置に、各ユーザに対応する参照点（図１３に示した多数の小さな点）をプロットする。この状態で、まずは４つのクラスタに対して中心点Ｐ１〜Ｐ４の初期値を与える。例えば、複数の参照点をランダムに選んでクラスタを構成し、そのクラスタに含まれる複数の参照点の中心点を初期値として設定する。

次に、全ての参照点と４つのクラスタ中心点Ｐ１〜Ｐ４との距離を計算し、全ての参照点を、クラスタ中心点Ｐ１〜Ｐ４との距離が最も小さいクラスタに分類し直す。そして、分類し直した参照点の中心位置をそのクラスタの新たな中心点Ｐ１’〜Ｐ４’として設定する。この距離計算から中心点設定までの処理を、クラスタ中心点Ｐ１〜Ｐ４が変化しなくなるまで（Ｐ１〜Ｐ４＝Ｐ１’〜Ｐ４’となるまで）繰り返す。

このようにして４つのクラスタ中心点Ｐ１〜Ｐ４が確定すると、当該４つのクラスタ中心点Ｐ１〜Ｐ４と、ＰＶ数およびセッション数の２つの平均値の組み合わせで特定される座標平面上の位置にプロットされる参照点との位置関係から、各参照点に対応する複数のユーザを複数のクラスタの何れかに割り当てて成る教師データが完成する。教師データ生成部１３５は、このような教師データを、７つの指標のうち他の２つの指標の組み合わせについてもそれぞれ算出する。

関与タイプ判別部１３６は、教師データ生成部１３５により生成された教師データと、指標値取得部１１により取得された複数の分割期間毎（１ヵ月毎）における７つの指標値（図２参照）との関係から、公知の判別分析法を適用して複数のユーザがそれぞれ４種類の関与タイプのうちどのタイプに該当するかを判別する。判別分析法は、個体がどのグループに属するかが明確である教師データを用いて判別モデルを構築し、そのモデルを用いて所属不明の個体がどのグループに属するかを判別する方法である。

すなわち、関与タイプ判別部１３６は、まず、タイプ判別するための基準を作るため、教師データ生成部１３５により２つの指標の組み合わせ毎に生成された教師データを用いて、２つの指標の組み合わせ毎に各関与タイプの判別係数をそれぞれ求める。そして、指標値取得部１１により各ユーザについて取得された月別の７つの指標値に対して判別係数を適用することにより、ユーザの関与タイプを判別する。

例えば、関与タイプ判別部１３６は、教師データ生成部１３５によりＰＶ数およびセッション数の２つの指標の組み合わせについて生成された教師データから、ＰＶ数およびセッション数の組み合わせに関してタイプ判別するための判別係数を求める。そして、図２に示すユーザ１の１月のＰＶ数およびセッション数に対してこの判別係数を適用することにより、ユーザ１についてＰＶ数およびセッション数の組み合わせに関する１月の関与タイプを判別する。

関与タイプ判別部１３６は、ユーザ１の１月の７つの指標のうち、他の２つの指標の組み合わせについても同様にして関与タイプを判別する。これにより、指標値取得部１１により取得されたユーザ１の１月の指標値に基づいて、指標の複数の組み合わせから複数の関与タイプが判別される。そして、関与タイプ判別部１３６は、最も多く属する関与タイプを、ユーザ１の１月の関与タイプとして決定する。他のユーザについても同様に、１月の関与タイプを判別する。これを１月〜９月のそれぞれについて行うことにより、各ユーザの月別の関与タイプを判別することができる。図１４に、以上の処理によって関与タイプ判別部１３６により判別された各ユーザの月別の関与タイプの一例を示す。

指標値集計部１６は、４種類の関与タイプ毎に、教師データ生成部１３５により各関与タイプに属すると分析された各ユーザに関する７つ指標値をそれぞれ集計する。上述したように、教師データは、どのユーザがどの関与タイプに属するかを示したものである。指標値集計部１６は、この教師データを利用して、図１５に示すように、４種類の関与タイプ毎に、これに所属している各ユーザの各指標値の平均値をそれぞれ算出する。

序列付与部１７は、指標値集計部１６により算出された集計値（各指標値の平均値）に対して、図４に示した重み算出部１３２および関与ポイント算出部１３３と同様の重み付け加算演算を行うことによって関与ポイントを算出する。そして、その関与ポイントの大きさに基づいて、４種類の関与タイプに序列を与える。一例として、関与ポイントが大きいほど順位が上位となるように、４種類の関与タイプに序列を与える。例えば、関与タイプＡ→Ｂ→Ｃ→Ｄの順に、関与タイプＤが最も上位で、関与タイプＡが最も下位となるような序列を与える。

変化パターン特定部１４’は、関与状況分析部１３’により複数の分割期間毎（１月〜９月の月毎）に分析された関与タイプ（図１４参照）が、複数の分割期間にわたってどのように変化したかを分析し、上昇、維持、下降の変化パターンのうち何れに該当するかを複数のユーザ毎に特定する。第２の実施形態では、変化パターン特定部１４’は、序列付与部１７により各関与タイプに付与された序列の順位が上昇している場合は第１パターン、序列の順位が維持状態にある場合は第２パターン、序列の順位が下降している場合は第３パターンに該当すると判定する。

第２の実施形態においても、変化パターン特定部１４’は図７および図８に示した方法と同様に、１月〜９月の分析対象期間を３つの期間１〜３に分割し、期間１〜期間２における関タイプの変化パターンと、期間２〜期間３における関与タイプの変化パターンとの組み合わせに応じて、分析対象期間全体における関与タイプの変化パターンを複数のユーザ毎に特定する。

以上のように構成した第２の実施形態においても、第１の実施形態と同様に、分析対象期間におけるコミュニティサイト上でのユーザの行動の変化パターンが分析される一方で、同じ変化パターンを示すユーザが、分析対象期間中に実施された複数のキャンペーンのうちどのキャンペーンに何人参加したのかが分析される。これにより、この分析結果をもとに、商品の販売促進のために実施したキャンペーンと、コミュニティサイト内でのユーザの行動の変化との因果関係を推察することができる。ひいては、キャンペーンの実際がコミュニティサイト内でのユーザの行動にどのような影響を与えているのかを把握することができる。

なお、上記第２の実施形態では、７つの指標のうち２つの指標の全ての組み合わせについて関与タイプをそれぞれ判別し、最も多く判別された関与タイプを、ユーザの関与タイプとして特定する例について説明したが、本発明はこれに限定されない。例えば、判別しようとする関与タイプに特に関連が強い指標の組み合わせについてのみ、関与タイプの判別を行うようにしてもよい。

また、上記第１および第２の実施形態では、関与状況分析部１３，１３’により分析された関与状況（関与レベルまたは関与タイプ）の変化パターンを特定し、当該関与状況の変化パターンとキャンペーンへの参加状況との関係を関係分析部１５により分析する例について説明したが、本発明はこれに限定されない。例えば、関与状況分析部１３，１３’により分析された関与状況（関与レベルまたは関与タイプ）そのものとキャンペーンへの参加状況との関係を分析するようにしてもよい。

この場合、関与状況分析部１３，１３’は、ユーザのコミュニティサイトにおける関与状況の分析を必ずしも複数の分割期間毎に行う必要はない。例えば、特定の１つのキャンペーンとユーザのコミュニティサイトにおける関与状況との関係を分析したい場合、関与状況分析部１３，１３’は、そのキャンペーンが実施された期間だけを対象として、７つの指標値に対して上述した演算を行い、その演算の結果に基づいてユーザの関与状況を分析することが可能である。

この場合、関係分析部１５は、関与状況分析部１３，１３’により分析された複数の関与状況（４段階の関与レベルまたは４種類の関与タイプ）毎に、当該関与状況分析部１３，１３’により何れかの関与状況に該当すると特定されたユーザのキャンペーンへの参加人数をクロス集計することにより、複数の関与状況と特定のキャンペーンとの関係を分析することができる。

なお、特定の１つのキャンペーンとユーザのコミュニティサイトにおける関与状況との関係分析に限らず、第１および第２の実施形態と同様の分析対象期間中に実施された複数のキャンペーンと、ユーザのコミュニティサイトにおける関与状況との関係を分析することも可能である。この分析結果から、例えば、最も高い関与レベル４に分類されたユーザがどのキャンペーンに参加したかまたはしなかったかとか、関与タイプＤに分類されたユーザがどのキャンペーンに参加したかまたはしなかったかといったことを把握することができる。

その他、上記第１および第２の実施形態は、何れも本発明を実施するにあたっての具体化の一例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその要旨、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

１１ 指標値取得部
１２ 参加状況情報取得部
１３，１３’ 関与状況分析部
１４，１４’ 変化パターン特定部
１５ 関係分析部
１６ 指標値集計部
１７ 序列付与部
１００ 行動分析装置
１３１ 合計値算出部
１３２ 重み算出部
１３３ 関与ポイント算出部
１３４ レベル判定部
１３５ 教師データ生成部
１３６ 関与タイプ判別部

Claims (9)

1. インターネット上のコミュニティサイトにおけるユーザの複数種類の行動に係る指標値であって、所望の分析対象期間における複数のユーザに関する上記行動に係る指標値を取得する指標値取得部と、
   上記分析対象期間中に行われた複数のキャンペーンのうち、上記複数のユーザがどのキャンペーンに参加したのかを示す参加状況情報を取得する参加状況情報取得部と、
   上記分析対象期間を分割した複数の分割期間毎に、上記複数種類の行動に係る指標値に対して所定の演算を行い、その演算の結果に基づいて、上記ユーザの上記コミュニティサイトにおける関与状況を上記複数のユーザ毎に分析する関与状況分析部と、
   上記関与状況分析部により上記分割期間毎に分析された関与状況が、複数の分割期間にわたってどのように変化したかを分析し、所定の複数の変化パターンのうち何れに該当するかを上記複数のユーザ毎に特定する変化パターン特定部と、
   上記複数の変化パターン毎に、上記変化パターン特定部により何れかの変化パターンに該当すると特定されたユーザが参加しているキャンペーンへの参加人数をクロス集計することにより、上記複数の変化パターンと上記複数のキャンペーンとの関係を分析する関係分析部とを備えたことを特徴とするコミュニティ内におけるユーザの行動分析装置。
2. 上記関与状況分析部は、上記分析対象期間を分割した複数の分割期間毎に、上記複数種類の行動に係る指標値に対して所定の重み付け加算演算を行うことによって関与ポイントを算出し、当該算出した関与ポイントに基づいて、上記ユーザの上記コミュニティサイトにおける関与状況として、複数段階の関与レベルのうちどのレベルに該当するかを上記複数のユーザ毎に分析することを特徴とする請求項１に記載のコミュニティ内におけるユーザの行動分析装置。
3. 上記関与状況分析部は、上記分析対象期間を分割した複数の分割期間毎に、上記複数種類の行動に係る指標値に対して所定のクラスタリング演算を行うことにより、上記ユーザの上記コミュニティサイトにおける関与状況として、複数種類の関与タイプのうちどのタイプに該当するかを上記複数のユーザ毎に分析することを特徴とする請求項１に記載のコミュニティ内におけるユーザの行動分析装置。
4. 上記関与状況分析部は、上記クラスタリング演算を行うための構成として、教師データを生成する教師データ生成部と、当該教師データを用いて上記関与タイプを判別する関与タイプ判別部とを備え、
   上記教師データ生成部は、上記分析対象期間の全体における上記複数種類の行動に係る指標値を上記ユーザ毎に集計し、その集計値を用いて、上記複数種類の指標のうち２つの指標の組み合わせで特定される座標平面に、上記複数種類の関与タイプに対応する複数のクラスタの中心点を特定し、当該複数のクラスタ中心点と、上記２つの指標について求められた集計値の組み合わせで特定される座標平面上の位置との関係から、上記複数のユーザを上記複数のクラスタの何れかに割り当てて成る上記教師データを生成し、
   上記関与タイプ判別部は、上記教師データ生成部により生成された上記教師データと、上記複数の分割期間毎における上記複数種類の行動に係る指標値との関係から、上記複数のユーザがそれぞれ上記複数種類の関与タイプのうちどのタイプに該当するかを判別することを特徴とする請求項３に記載のコミュニティ内におけるユーザの行動分析装置。
5. 上記変化パターン特定部は、上記複数の変化パターンとして、上記関与レベルが上昇している第１パターン、上記関与レベルが維持状態にある第２パターン、上記関与レベルが下降している第３パターンのうち何れに該当するかを上記複数のユーザ毎に特定することを特徴とする請求項２に記載のコミュニティ内におけるユーザの行動分析装置。
6. 上記変化パターン特定部は、上記複数の変化パターンとして、上記関与ポイントが所定値を超えて上昇している第１パターン、上記関与ポイントが所定の範囲内で維持状態にある第２パターン、上記関与ポイントが所定値を超えて下降している第３パターンのうち何れに該当するかを上記複数のユーザ毎に特定することを特徴とする請求項２に記載のコミュニティ内におけるユーザの行動分析装置。
7. 上記複数種類の関与タイプ毎に、上記教師データ生成部により各関与タイプに属すると分析された各ユーザに関する上記複数種類の行動に係る指標値をそれぞれ集計する指標値集計部と、
   上記指標値集計部により算出された集計値に対して所定の重み付け加算演算を行うことによって関与ポイントを算出し、その関与ポイントの大きさに基づいて上記複数種類の関与タイプに序列を与える序列付与部とを更に備え、
   上記変化パターン特定部は、上記複数の変化パターンとして、上記序列の順位が上昇している第１パターン、上記序列の順位が維持状態にある第２パターン、上記序列の順位が下降している第３パターンのうち何れに該当するかを上記複数のユーザ毎に特定することを特徴とする請求項４に記載のコミュニティ内におけるユーザの行動分析装置。
8. インターネット上のコミュニティサイトにおけるユーザの複数種類の行動に係る指標値であって、所望の分析対象期間における複数のユーザに関する上記行動に係る指標値を取得する指標値取得部と、
   上記分析対象期間中における上記複数のユーザのキャンペーンへの参加状況を示す参加状況情報を取得する参加状況情報取得部と、
   上記複数種類の行動に係る指標値に対して所定の集計演算を行い、その集計演算の結果に基づいて、上記ユーザの上記コミュニティサイトにおける関与状況を上記複数のユーザ毎に分析する関与状況分析部と、
   上記関与状況分析部により分析された複数の関与状況毎に、当該関与状況分析部により何れかの関与状況に該当すると特定されたユーザが参加しているキャンペーンへの参加人数をクロス集計することにより、上記複数の関与状況と上記キャンペーンとの関係を分析する関係分析部とを備えたことを特徴とするキャンペーンの効果確認装置。
9. インターネット上のコミュニティサイトにおけるユーザの複数種類の行動に係る指標値であって、所望の分析対象期間における複数のユーザに関する上記行動に係る指標値を取得する指標値取得手段、
   上記分析対象期間中に上記複数のユーザが複数のキャンペーンのうちどのキャンペーンに参加したのかを示す参加状況情報を取得する参加状況情報取得手段、
   上記分析対象期間を分割した複数の分割期間毎に、上記複数種類の行動に係る指標値に対して所定の演算を行い、その演算の結果に基づいて、上記ユーザの上記コミュニティサイトにおける関与状況を上記複数のユーザ毎に分析する関与状況分析手段、
   上記関与状況分析手段により上記分割期間毎に分析された関与状況が、複数の分割期間にわたってどのように変化したかを分析し、所定の複数の変化パターンのうち何れに該当するかを上記複数のユーザ毎に特定する変化パターン特定手段、および
   上記複数の変化パターン毎に、上記変化パターン特定部により何れかの変化パターンに該当すると特定されたユーザが参加しているキャンペーンへの参加人数をクロス集計することにより、上記複数の変化パターンと上記複数のキャンペーンとの関係を分析する関係分析手段
   としてコンピュータを機能させるためのコミュニティ内におけるユーザの行動分析用プログラム。

Images