WO2022044812A1 - レコメンド装置 - Google Patents

レコメンド装置 Download PDF

Info

Publication number
WO2022044812A1
WO2022044812A1 PCT/JP2021/029646 JP2021029646W WO2022044812A1 WO 2022044812 A1 WO2022044812 A1 WO 2022044812A1 JP 2021029646 W JP2021029646 W JP 2021029646W WO 2022044812 A1 WO2022044812 A1 WO 2022044812A1
Authority
WO
WIPO (PCT)
Prior art keywords
insurance
user
recommendation
information
score
Prior art date
Application number
PCT/JP2021/029646
Other languages
English (en)
French (fr)
Inventor
誉仁 石井
宰 出水
佑介 深澤
Original Assignee
株式会社Ｎｔｔドコモ
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社Ｎｔｔドコモ filed Critical 株式会社Ｎｔｔドコモ
Priority to JP2022545636A priority Critical patent/JPWO2022044812A1/ja
Publication of WO2022044812A1 publication Critical patent/WO2022044812A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Definitions

  • This disclosure relates to a recommendation device.
  • Patent Document 1 describes an insurance proposal server that calculates a risk based on user information, estimates an insurance combination by inputting the risk into a proposal model, and presents the insurance combination to the user. ..
  • This disclosure describes a recommendation device that can recommend more appropriate financial products.
  • the recommendation device is a device that recommends a financial product to a user from among a plurality of financial products.
  • This recommendation device is a purchase score and a purchase price set for each of a plurality of financial products, and is based on a purchase score indicating the possibility of the user purchasing the financial product and a purchase price suitable for the user. It is provided with a determination unit for determining a recommendation target, which is a financial product recommended to a user, and an output unit for outputting recommendation information regarding the recommendation target from among financial products.
  • the recommendation target is determined from a plurality of financial products based on the purchase score and the purchase amount, and the recommendation information is output.
  • a financial product with a high purchase score is likely to be purchased by the user.
  • the purchase score is low, a high return can be expected if the purchase price of the financial product is high. Therefore, it is possible to recommend a more appropriate financial product to the user by determining the recommendation target in consideration of not only the purchase score but also the purchase price.
  • FIG. 1 is a schematic configuration diagram of a recommendation system including a recommendation device according to an embodiment.
  • FIG. 2A is a diagram showing an example of user basic information stored in the user information DB (database) shown in FIG. 1.
  • FIG. 2B is a diagram showing an example of position information stored in the user information DB shown in FIG. 1.
  • FIG. 2C is a diagram showing an example of payment information stored in the user information DB shown in FIG. 1.
  • FIG. 3 is a diagram showing an example of insurance coverage information stored in the insurance coverage information DB shown in FIG.
  • FIG. 4 is a block diagram showing a functional configuration of the recommendation device shown in FIG.
  • FIG. 5 is a sequence diagram showing a series of processes of the recommendation method performed by the recommendation system shown in FIG. FIG.
  • FIG. 6 is a flowchart showing the determination process shown in FIG. 5 in detail.
  • FIG. 7 is a diagram for explaining a process of determining a recommendation target.
  • FIG. 8 is a diagram showing an example of a display screen of recommendation information.
  • FIG. 9 is a diagram for explaining a modified example of the determination process of the recommendation target.
  • FIG. 10 is a diagram showing a hardware configuration of the recommendation device shown in FIG.
  • FIG. 1 is a schematic configuration diagram of a recommendation system including a recommendation device according to an embodiment.
  • FIG. 2A is a diagram showing an example of user basic information stored in the user information DB (database) shown in FIG. 1.
  • FIG. 2B is a diagram showing an example of position information stored in the user information DB shown in FIG. 1.
  • FIG. 2C is a diagram showing an example of payment information stored in the user information DB shown in FIG. 1.
  • FIG. 3 is a diagram showing an example of insurance coverage information stored in the insurance coverage information DB shown in FIG.
  • the recommendation system 1 shown in FIG. 1 is a system for recommending financial products to users.
  • an insurance product will be used as a financial product.
  • the recommendation system 1 includes a plurality of terminal devices 2, a user information DB 3, an insurance subscription information DB 4, and a recommendation device 10.
  • the plurality of terminal devices 2, the user information DB 3, the insurance subscription information DB 4, and the recommendation device 10 are configured to be communicable with each other via the network NW.
  • the network NW may be configured as either wired or wireless. Examples of network NWs include mobile communication networks, the Internet, and WAN (Wide Area Network). In the following description, the description mainly focuses on one terminal device 2, but the same applies to the other terminal devices 2.
  • the terminal device 2 is a device used by the user.
  • Examples of the terminal device 2 include a smartphone, a tablet terminal, a notebook PC (Personal Computer), and a desktop PC.
  • the terminal device 2 acquires the position information (latitude and longitude) of the terminal device 2 using GPS (Global Positioning System) or the like.
  • the terminal device 2 may acquire information on the installation position of the master station of the connected wireless network as position information. Examples of the installation position of the master station include a base station of a mobile network, a Wi-Fi access point, and the like.
  • the terminal device 2 may acquire the position information of the terminal existing in the vicinity of the terminal device 2 as the position information of the terminal device 2. Examples of such a terminal include a Bluetooth (registered trademark) beacon terminal and the like. The details of the location information will be described later.
  • the terminal device 2 periodically transmits the location information to the user information DB 3.
  • the terminal device 2 generates payment information regarding payments made by the user using the terminal device 2. For example, when a user purchases a product using a payment application installed in the terminal device 2, the terminal device 2 generates payment information. Details of the payment information will be described later.
  • the terminal device 2 transmits the payment information to the user information DB 3 every time the payment information is generated, for example.
  • the user information DB 3 is a database that stores user information of each user.
  • the user information is information about the user, and includes user basic information, location information, and payment information.
  • the user information may include other information such as a usage history (log) of the terminal device 2.
  • the user basic information is the user's basic information. As shown in FIG. 2A, the user basic information includes a user ID (identifier), a terminal ID, a gender, and an age.
  • the user ID is information that can uniquely identify the user.
  • the terminal ID is information that can uniquely identify the terminal device 2. Here, the terminal ID indicates the terminal device 2 used by the user identified by the user ID.
  • the user basic information may further include other information.
  • the user basic information is preset by the user, for example.
  • the position information is information indicating the position of each terminal device.
  • the position information includes a terminal ID, a time (time stamp) at which the position information was acquired, a latitude, and a longitude.
  • the user information DB 3 receives the position information from each terminal device 2, the user information DB 3 stores the received position information.
  • a plurality of position information of each terminal device 2 is stored as a history (log) of the position information.
  • the payment information is information related to the payment made using each terminal device 2. As shown in FIG. 2 (c), the payment information includes the terminal ID, the time when the payment was made, the place where the payment was made, the amount of money, and the product name.
  • the user information DB 3 receives the payment information from each terminal device 2, the user information DB 3 stores the received payment information. In the user information DB 3, a plurality of payment information of each terminal device 2 is stored as a history of payment information.
  • the insurance enrollment information DB 4 is a database that stores the insurance enrollment information of each user.
  • the insurance subscription information is information about the insurance products that each user has subscribed to. As shown in FIG. 3, the insurance enrollment information includes an insurance ID, a user ID, and an insurance premium.
  • the insurance ID is information that can uniquely identify the insurance product.
  • the insurance premium is the amount paid by the user identified by the user ID to the insurance product identified by the insurance ID.
  • the insurance premium is, for example, the insurance premium per month.
  • the insurance subscription information may include the number of purchased units instead of the insurance premium, or may include the number of purchased units together with the insurance premium.
  • the recommendation device 10 is a device that recommends an insurance product (recommendation target) to a user from among a plurality of insurance products.
  • An example of the recommendation device 10 is an information processing device such as a server device.
  • FIG. 4 is a block diagram showing a functional configuration of the recommendation device shown in FIG.
  • the recommendation device 10 includes an acquisition unit 11, a generation unit 12, a calculation unit 13 (first calculation unit), a subscription score storage unit 14, and a calculation unit 15 ( A second calculation unit), an insurance premium storage unit 16, a reception unit 17, a determination unit 18, and an output unit 19.
  • the acquisition unit 11 is a functional unit that acquires user information and insurance subscription information.
  • the acquisition unit 11 acquires user information from the user information DB 3 and acquires insurance subscription information from the insurance subscription information DB 4.
  • the generation unit 12 is a functional unit that generates a subscription prediction model and an insurance premium prediction model.
  • the enrollment prediction model is a machine learning model in which a feature amount generated from user information is used as an explanatory variable and an insurance product enrollment score is used as an objective variable, and is configured by, for example, a neural network.
  • the enrollment score is a value indicating the possibility that the user will enroll in an insurance product.
  • the enrollment score is, for example, a numerical value in the range of 0 to 1. For example, the higher the insurance product subscription score, the more likely the user will subscribe to the insurance product.
  • the generation unit 12 generates a subscription prediction model for each insurance product by performing machine learning for each insurance product.
  • the insurance premium prediction model is a machine learning model in which the feature amount generated from the user information is used as an explanatory variable and the insurance premium paid to the insurance product is used as the objective variable, and is configured by, for example, a neural network.
  • the insurance premium is an insurance premium paid by the user to the insurance product, and is obtained by, for example, multiplying the insurance premium per unit by the number of purchased units.
  • the generation unit 12 generates a premium prediction model for each insurance product by performing machine learning for each insurance product. The method of generating the feature amount, the method of generating the participation prediction model, and the method of generating the insurance premium prediction model will be described later.
  • the calculation unit 13 is a functional unit that calculates the enrollment score for each of the plurality of insurance products based on the user information.
  • the calculation unit 13 calculates the subscription score using the subscription prediction model.
  • the calculation unit 13 generates a feature amount from the user information and inputs the generated feature amount to the subscription prediction model to obtain a subscription score from the subscription prediction model.
  • the subscription score storage unit 14 is a functional unit that stores the subscription score for each insurance product of each user.
  • the enrollment score storage unit 14 stores, for example, a data set in which a user ID, an insurance ID, and an enrollment score are associated with each other.
  • the calculation unit 15 is a functional unit that calculates insurance premiums suitable for users for each of a plurality of insurance products based on user information.
  • the calculation unit 15 calculates the insurance premium using the insurance premium prediction model.
  • the calculation unit 15 generates a feature amount from the user information and inputs the generated feature amount into the insurance premium prediction model to obtain an insurance premium from the insurance premium prediction model.
  • the insurance premium storage unit 16 is a functional unit that stores insurance premiums for each user's insurance product.
  • the insurance premium storage unit 16 stores, for example, a data set in which a user ID, an insurance ID, and an insurance premium are associated with each other.
  • the receiving unit 17 is a functional unit that receives a recommendation request from the terminal device 2.
  • a recommendation request is a directive for requesting recommendation information for an insurance product.
  • the recommendation request includes the user ID of the user who requests the recommendation information.
  • the decision unit 18 is a functional unit that determines a recommendation target, which is an insurance product recommended (recommended) to the user, from among a plurality of insurance products.
  • the decision unit 18 determines the recommendation target based on the enrollment score and the insurance premium set for each of the plurality of insurance products.
  • the determination unit 18 compares the enrollment score with the threshold value Rth (first threshold value) of the enrollment score, compares the insurance premium with the threshold value Cth (second threshold value) of the insurance premium, and recommends according to the comparison result. To determine.
  • the threshold value Rth and the threshold value Cth are set in advance.
  • the determination unit 18 recommends, for example, an insurance product that satisfies at least one of a condition that the enrollment score is larger than the threshold value Rth (first condition) and a condition that the insurance premium is larger than the threshold value Cth (second condition). Determine as a target.
  • the output unit 19 is a functional unit that outputs recommendation information regarding the recommendation target.
  • the output unit 19 outputs (transmits) the recommendation information to the terminal device 2, for example.
  • the output unit 19 may output the recommendation information to a memory (not shown) in the recommendation device 10.
  • FIG. 5 is a sequence diagram showing a series of processes of the recommendation method performed by the recommendation system shown in FIG.
  • FIG. 6 is a flowchart showing the determination process shown in FIG. 5 in detail.
  • FIG. 7 is a diagram for explaining a process of determining a recommendation target.
  • FIG. 8 is a diagram showing an example of a display screen of recommendation information.
  • the acquisition unit 11 of the recommendation device 10 transmits a user information acquisition request to the user information DB 3 (step S1).
  • the acquisition unit 11 may transmit an acquisition request for acquiring user information of all users, or may transmit an acquisition request for acquiring user information of some users.
  • the user information DB 3 receives the user information acquisition request from the recommendation device 10
  • the user information DB 3 transmits the requested user information to the recommendation device 10 (step S2).
  • the acquisition unit 11 of the recommendation device 10 transmits an insurance subscription information acquisition request to the insurance subscription information DB 4 (step S3).
  • the acquisition unit 11 transmits, for example, an acquisition request for acquiring insurance coverage information for all recommended insurance products.
  • the insurance subscription information DB 4 receives the insurance subscription information acquisition request from the recommendation device 10
  • the insurance subscription information DB 4 transmits the requested insurance subscription information to the recommendation device 10 (step S4).
  • the acquisition unit 11 of the recommendation device 10 receives the user information from the user information DB 3, and when the insurance subscription information is received from the insurance subscription information DB 4, outputs the user information and the insurance subscription information to the generation unit 12.
  • the generation unit 12 generates the participation prediction model when it receives the user information and the insurance participation information from the acquisition unit 11 (step S5).
  • the generation unit 12 generates a subscription prediction model for each insurance product by performing machine learning for each insurance product. Machine learning is performed using, for example, a GBDT (Gradient Boosting Decision Tree) algorithm.
  • the generation unit 12 outputs the participation prediction model to the calculation unit 13.
  • the generation unit 12 uses gender and age as feature quantities in the user information.
  • the generation unit 12 may estimate the place and time of stay of the user from the time-series position information of the terminal device 2, and may use the place of stay and the time of stay as feature quantities. Further, a temporal change in the place of stay and the time of stay may be used as a feature quantity in order to reduce the influence of the place where the user happens to stay on the enrollment score, although the user does not usually visit.
  • the generation unit 12 calculates from the payment information of the terminal device 2 the total of the number of payments, the number of stores where payments have been made, and the payment amount as feature quantities. The amount of money for each genre of the settled goods (services) may be used as a feature amount.
  • the generation unit 12 generates an insurance premium prediction model (step S6).
  • step S6 the generation unit 12 generates a premium prediction model for each insurance product by performing machine learning for each insurance product.
  • Machine learning is performed using, for example, a GBDT algorithm.
  • For machine learning for example, a set of a feature amount generated from user information of a user who has subscribed to an insurance product in the past and a premium paid by the user to the insurance product is used as correct answer data. The method for generating the feature amount is as described above. Then, the generation unit 12 outputs the insurance premium prediction model to the calculation unit 15.
  • the acquisition unit 11 transmits an acquisition request for acquiring user information of all users to the user information DB 3 (step S7). Then, when the user information DB 3 receives the user information acquisition request from the recommendation device 10, the user information DB 3 transmits the requested user information to the recommendation device 10 (step S8). Then, when the acquisition unit 11 receives the user information from the user information DB 3, the acquisition unit 11 outputs the user information to the calculation unit 13 and the calculation unit 15.
  • step S9 the calculation unit 13 calculates the enrollment score using the enrollment prediction model. Specifically, the calculation unit 13 generates the feature amount from the user information of each user in the same manner as the method of generating the feature amount by the generation unit 12. Then, the calculation unit 13 inputs the feature amount into the subscription prediction model of each insurance product for each user, and obtains the subscription score output from each subscription prediction model. Then, the calculation unit 13 outputs a data set in which the user ID, the insurance ID, and the enrollment score are associated with each other to the enrollment score storage unit 14, and stores the data set in the enrollment score storage unit 14.
  • step S10 the calculation unit 15 calculates the insurance premium using the insurance premium prediction model. Specifically, the calculation unit 15 generates the feature amount from the user information of each user in the same manner as the method of generating the feature amount by the generation unit 12. Then, the calculation unit 15 inputs the feature amount into the insurance premium prediction model of each insurance product for each user, and obtains the insurance premium output from each insurance premium prediction model. Then, the calculation unit 15 outputs a data set in which the user ID, the insurance ID, and the insurance premium are associated with each other in the insurance premium storage unit 16 and stores the data set in the insurance premium storage unit 16.
  • the terminal device 2 transmits the recommendation request to the recommendation device 10 (step S11). Then, when the receiving unit 17 of the recommendation device 10 receives the recommendation request transmitted from the terminal device 2, the user ID included in the recommendation request is output to the determination unit 18.
  • step S12 the determination unit 18 first acquires the enrollment score for each insurance product of the user identified by the user ID (step S21). Specifically, the determination unit 18 acquires a set of the insurance ID and the enrollment score associated with the user ID received from the reception unit 17 from the enrollment score storage unit 14. Then, the determination unit 18 acquires the insurance premium for each insurance product of the user identified by the user ID (step S22). Specifically, the determination unit 18 acquires a set of the insurance ID and the insurance premium associated with the user ID received from the reception unit 17 from the insurance premium storage unit 16.
  • the decision unit 18 determines the recommendation target from the plurality of insurance products (step S23).
  • the determination unit 18 uses a set of insurance IDs and enrollment scores acquired from the enrollment score storage unit 14 and a set of insurance IDs and premiums acquired from the premium storage unit 16 for each insurance.
  • the recommendation target is determined based on the enrollment score and insurance premium set for the product.
  • the determination unit 18 compares the enrollment score of each insurance product with the threshold value Rth, compares the insurance premium of each insurance product with the threshold value Cth, and sets the recommendation target according to the comparison result. decide.
  • the determination unit 18 recommends insurance products that satisfy at least one of the conditions that the enrollment score is larger than the threshold value Rth and the insurance premium is larger than the threshold value Cth. decide.
  • areas R1, R2, and R4 include points indicating the insurance product enrollment score and premium, the insurance product is determined to be recommended, and area R3 is the insurance product enrollment score and insurance. If a point indicating a fee is included, the insurance product is not covered by the recommendation.
  • the area R1 is an area in which the enrollment score is larger than the threshold value Rth and the insurance premium is smaller than the threshold value Cth (less than or equal to the threshold value Cth).
  • the area R2 is an area in which the enrollment score is larger than the threshold value Rth and the insurance premium is larger than the threshold value Cth.
  • the area R3 is an area in which the enrollment score is smaller than the threshold value Rth (less than or equal to the threshold value Rth) and the insurance premium is smaller than the threshold value Cth (less than or equal to the threshold value Cth).
  • the area R4 is an area in which the enrollment score is smaller than the threshold value Rth (less than or equal to the threshold value Rth) and the insurance premium is larger than the threshold value Cth.
  • the point Ia indicating the enrollment score and the insurance premium of the insurance product A is included in the area R1.
  • Areas R2 include points Ib and If indicating the enrollment scores and premiums of insurance products B and F.
  • Areas R3 include points Ic and Ie indicating the enrollment scores and premiums of insurance products C and E.
  • Area R4 includes a point Id indicating the enrollment score and premium of insurance product D. Therefore, insurance products A, B, D, and F are determined as recommended targets.
  • the determination unit 18 determines the priority of the recommendation target when a plurality of insurance products are determined as the recommendation target. For example, the determination unit 18 satisfies the first condition, which is an insurance product that satisfies both the condition that the enrollment score is larger than the threshold value Rth (first condition) and the condition that the insurance premium is larger than the threshold value Cth (second condition).
  • the priority of the recommended targets is determined so that the insurance products that do not meet the second condition and the insurance products that do not meet the first condition and satisfy the second condition are in that order.
  • the determination unit 18 generates recommendation information regarding the recommendation target (step S24). For example, the determination unit 18 generates recommendation information including the insurance product name to be recommended and the insurance premium.
  • the recommendation information may further include a graph showing the premium and risk of each insurance product. Since the insurance product enrollment score can be regarded as a risk to the indemnity target of the insurance product, the determination unit 18 creates a graph using the enrollment score of each insurance product as a risk. Then, the determination unit 18 outputs the recommendation information to the output unit 19.
  • the output unit 19 transmits the recommendation information to the terminal device 2 (step S13). Then, when the terminal device 2 receives the recommendation information transmitted from the recommendation device 10, the terminal device 2 displays the recommendation information on the display. For example, as shown in FIG. 8, the recommended insurance product name and insurance premium are displayed together with a graph showing the insurance premium and risk of each insurance product. The recommended insurance product names and premiums are arranged in order from the top according to the priority of the recommended targets.
  • steps S1 to S10 are performed in advance before receiving a recommendation request from the terminal device 2 (offline processing).
  • Step S3 and step S4 may be performed before step S1 and step S2, or may be performed in parallel with step S1 and step S2.
  • Step S6 may be performed before step S5, or may be performed in parallel with step S5.
  • Step S10 may be performed before step S9 or in parallel with step S9.
  • Step S22 may be performed before step S21 or may be performed in parallel with step S21.
  • Steps S7 to S10 may be performed after step S11.
  • the acquisition unit 11 transmits an acquisition request for acquiring the user information of the user identified by the user ID included in the recommendation request to the user information DB 3, and in step S8, the user information DB 3 , The user information of the requested user is transmitted to the recommendation device 10.
  • the calculation unit 13 calculates the enrollment score of the user identified by the user ID included in the recommendation request, and outputs the enrollment score to the determination unit 18.
  • the calculation unit 15 calculates the insurance premium suitable for the user identified by the user ID included in the recommendation request, and outputs the insurance premium to the determination unit 18.
  • the recommendation target is determined from a plurality of insurance products based on the enrollment score and the insurance premium, and the recommendation information is output.
  • Insurance products with a high enrollment score are likely to be enrolled by the user.
  • the enrollment score is low, high returns can be expected if the insurance premiums for insurance products are high.
  • the premium of an insurance product suitable for a user is high, it can be said that the frequency of loss compensated by the insurance product for the user or the amount of loss incurred by the user is large. Therefore, it is possible to recommend more appropriate insurance products to the user by determining the recommendation target in consideration of not only the enrollment score but also the insurance premium.
  • the determination unit 18 compares the enrollment score with the threshold value Rth, compares the insurance premium with the threshold value Cth, and determines the recommendation target according to the comparison result. Specifically, the determination unit 18 determines as a recommendation target an insurance product that satisfies at least one of the first condition that the enrollment score is larger than the threshold value Rth and the second condition that the insurance premium is larger than the threshold value Cth. do.
  • the determination unit 18 determines as a recommendation target an insurance product that satisfies at least one of the first condition that the enrollment score is larger than the threshold value Rth and the second condition that the insurance premium is larger than the threshold value Cth. do.
  • the decision unit 18 determines the order of insurance products that satisfy both the first condition and the second condition, insurance products that satisfy the first condition and do not meet the second condition, and insurance products that do not meet the first condition and satisfy the second condition.
  • the priority of the recommendation target is decided.
  • Insurance products with high enrollment scores and high premiums are considered to be the most important (essential) insurance products for users.
  • An insurance product with a high enrollment score and a low premium is not indispensable, but it is recommended to enroll in the insurance product because users who have something in common with the user are enrolled.
  • An insurance product with a low enrollment score and a high premium does not have to be enrolled because the user who has something in common with the user does not enroll, but the frequency or amount of loss compensated by the insurance product is large. It is safe to subscribe because it is thought to mean that. Therefore, according to the above configuration, the recommendation target can be ranked according to the importance to the user, and it is possible to recommend a more suitable insurance product to the user.
  • the calculation unit 13 calculates the enrollment score for each of the plurality of insurance products based on the user information. Users who have similarities in gender, age, behavior, etc. are considered to be equally likely to subscribe to insurance products. Therefore, by using the user information, the enrollment score of each insurance product can be calculated accurately.
  • the calculation unit 15 calculates insurance premiums suitable for the user for each of the plurality of insurance products based on the user information. Users who have similarities in gender, age, behavior, etc. are considered to have similar premiums to be paid for insurance products. Therefore, by using the user information, the insurance premium of each insurance product can be calculated accurately.
  • the recommendation device 10 may be configured by one device physically or logically coupled, or may be configured by a plurality of devices physically or logically separated from each other.
  • the recommendation device 10 may be realized by a plurality of computers distributed on a network such as cloud computing.
  • the configuration of the recommendation device 10 may include any configuration that can realize the function of the recommendation device 10.
  • the insurance product is used as the financial product, but the recommendation device 10 may determine the recommendation target from other financial products such as stocks, bonds, and investment trusts.
  • the recommendation target is generalized to a financial product
  • the subscription score is generalized to the purchase score indicating the possibility that the user purchases the financial product
  • the insurance premium is the purchase amount (number of units purchased) paid to the financial product. Therefore, it is generalized to the purchase price (number of units purchased) suitable for the user.
  • the recommendation device 10 does not have to include the calculation unit 13 and the subscription score storage unit 14.
  • the determination unit 18 may acquire a set of the insurance ID and the enrollment score associated with the user ID included in the recommendation request from an external enrollment score storage unit.
  • the recommendation device 10 does not have to include the calculation unit 15 and the insurance premium storage unit 16.
  • the determination unit 18 may acquire a set of insurance ID and insurance premium associated with the user ID included in the recommendation request from an external insurance premium storage unit.
  • the recommendation device 10 does not have to include the generation unit 12.
  • the calculation unit 13 calculates the subscription score using the subscription prediction model generated in advance.
  • the calculation unit 15 calculates the insurance premium using the insurance premium prediction model generated in advance.
  • the calculation unit 13 may calculate the subscription score on a rule basis based on the user information without using the subscription prediction model.
  • the calculation unit 15 may calculate the insurance premium on a rule basis based on the user information without using the insurance premium prediction model.
  • the recommendation device 10 does not have to include the acquisition unit 11, the generation unit 12, the calculation unit 13, the subscription score storage unit 14, the calculation unit 15, and the insurance premium storage unit 16.
  • the determination unit 18 acquires the set of the insurance ID and the enrollment score associated with the user ID included in the recommendation request from the external enrollment score storage unit, and is associated with the user ID included in the recommendation request.
  • the insurance ID and insurance premium set may be obtained from an external insurance premium storage unit.
  • the determination unit 18 may calculate a value (Sharpe ratio) obtained by dividing the insurance premium by the enrollment score for each insurance product, and determine the recommendation target based on the value.
  • the enrollment score can be seen as the risk of loss covered by the insurance product. Therefore, it can be said that the larger the above value, the higher the degree of risk compensation.
  • the determination unit 18 determines, for example, an insurance product whose value is larger than a predetermined threshold value as a recommendation target. According to this configuration, a new index (Sharpe ratio) is generated using the prediction result (subscription score) of the subscription prediction model and the prediction result (insurance premium) of the insurance premium prediction model. Therefore, since the recommendation target can be determined only by comparing one value with the threshold value, it is possible to simplify the determination process of the recommendation target.
  • the decision unit 18 may give higher priority to the insurance products as the above value is smaller. In this case, insurance products with low insurance premiums and high risk are preferentially recommended. Therefore, it is possible to encourage users to subscribe to insurance products. As described above, since the priority order can be determined only by the size of one value, it is possible to simplify the priority determination process.
  • the determination unit 18 obtains a regression line showing the distribution tendency of the enrollment score and the premium based on the enrollment score and the premium for a plurality of insurance products, and obtains the enrollment score, the premium and the regression line for each of the plurality of insurance products.
  • the recommendation target may be determined based on the distance of. A specific description will be given with reference to FIG. FIG. 9 is a diagram for explaining a modified example of the determination process of the recommendation target.
  • the decision unit 18 obtains the regression line RL from the points Ig to Ij indicating the enrollment score and the insurance premium of the insurance products G to J. Then, the determination unit 18 calculates the distance between each of the points Ig to Ij and the regression line RL, and compares each distance with the threshold value of the distance. Then, the determination unit 18 determines the insurance product corresponding to the point of the distance shorter (smaller) than the threshold value as the recommendation target.
  • the distance between the point Ih and the regression line RL is the shortest, and the distance from the regression line RL increases in the order of the point Ii, the point Ig, and the point Ij.
  • the determination unit 18 determines the insurance product H and the insurance product I as the recommendation target. Further, the determination unit 18 may give higher priority to the insurance product as the distance between the point indicating the enrollment score and the insurance premium of the insurance product and the regression line RL is shorter. Therefore, the determination unit 18 generates the recommendation information so as to give priority to the insurance product H and the insurance product I.
  • the regression line RL is considered to indicate the relationship between the optimal enrollment score and the insurance premium for the user. That is, the closer the point indicating the enrollment score and the insurance premium is to the regression line RL, the better the balance between the enrollment score and the insurance premium is for the user. Therefore, by determining the recommendation target according to the distance between the point indicating the enrollment score and the insurance premium and the regression line RL, it is possible to recommend the recommendation target suitable for the user.
  • each functional block may be realized using one physically or logically coupled device, or two or more physically or logically separated devices can be directly or indirectly (eg, for example). , Wired, wireless, etc.) and may be realized using these plurality of devices.
  • the functional block may be realized by combining the software with the one device or the plurality of devices.
  • Functions include judgment, decision, judgment, calculation, calculation, processing, derivation, investigation, search, confirmation, reception, transmission, output, access, solution, selection, selection, establishment, comparison, assumption, expectation, and assumption. These include broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, and assigning. Not limited to functions.
  • a functional block (configuration unit) that makes transmission function is called a transmitting unit (transmitting unit) or a transmitter (transmitter).
  • the realization method is not particularly limited.
  • the recommendation device 10 in one embodiment of the present disclosure may function as a computer for processing the present disclosure.
  • FIG. 10 is a diagram showing an example of the hardware configuration of the recommendation device 10 according to the embodiment of the present disclosure.
  • the above-mentioned recommendation device 10 may be physically configured as a computer device including a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, and the like.
  • the word “device” can be read as a circuit, device, unit, or the like.
  • the hardware configuration of the recommendation device 10 may be configured to include one or more of each of the devices shown in the figure, or may be configured to include some of the devices.
  • the processor 1001 For each function in the recommendation device 10, by loading predetermined software (program) on hardware such as the processor 1001 and the memory 1002, the processor 1001 performs an operation to control communication by the communication device 1004, or the memory 1002. And by controlling at least one of reading and writing of data in the storage 1003.
  • predetermined software program
  • the processor 1001 operates, for example, an operating system to control the entire computer.
  • the processor 1001 may be configured by a central processing unit (CPU: Central Processing Unit) including an interface with a peripheral device, a control device, an arithmetic unit, a register, and the like.
  • CPU Central Processing Unit
  • each function of the above-mentioned recommendation device 10 may be realized by the processor 1001.
  • the processor 1001 reads a program (program code), a software module, data, and the like from at least one of the storage 1003 and the communication device 1004 into the memory 1002, and executes various processes according to these.
  • a program program that causes a computer to execute at least a part of the operations described in the above-described embodiment is used.
  • each function of the recommendation device 10 may be realized by a control program stored in the memory 1002 and operating in the processor 1001.
  • Processor 1001 may be mounted by one or more chips.
  • the program may be transmitted from the network via a telecommunication line.
  • the memory 1002 is a computer-readable recording medium, for example, by at least one of ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), RAM (Random Access Memory), and the like. It may be configured.
  • the memory 1002 may be referred to as a register, a cache, a main memory (main storage device), or the like.
  • the memory 1002 can store a program (program code), a software module, or the like that can be executed to carry out the recommendation method according to the embodiment of the present disclosure.
  • the storage 1003 is a computer-readable recording medium, and is, for example, an optical disk such as a CD-ROM (Compact Disc ROM), a hard disk drive, a flexible disk, an optical magnetic disk (for example, a compact disk, a digital versatile disk, or a Blu-ray). It may consist of at least one such as a (registered trademark) disk), a smart card, a flash memory (eg, a card, stick, key drive), a floppy (registered trademark) disk, and a magnetic strip.
  • the storage 1003 may be referred to as an auxiliary storage device.
  • the storage medium described above may be, for example, a database, server, or other suitable medium containing at least one of memory 1002 and storage 1003.
  • the communication device 1004 is hardware (transmission / reception device) for communicating between computers via at least one of a wired network and a wireless network, and is also referred to as, for example, a network device, a network controller, a network card, or a communication module.
  • the communication device 1004 includes, for example, a high frequency switch, a duplexer, a filter, a frequency synthesizer, and the like in order to realize at least one of frequency division duplex (FDD: Frequency Division Duplex) and time division duplex (TDD: Time Division Duplex). It may be configured to include.
  • FDD Frequency Division Duplex
  • TDD Time Division Duplex
  • the input device 1005 is an input device (for example, a keyboard, a mouse, a microphone, a switch, a button, a sensor, etc.) that accepts an input from the outside.
  • the output device 1006 is an output device (for example, a display, a speaker, an LED lamp, etc.) that performs output to the outside.
  • the input device 1005 and the output device 1006 may have an integrated configuration (for example, a touch panel).
  • Each device such as the processor 1001 and the memory 1002 is connected by a bus 1007 for communicating information.
  • the bus 1007 may be configured by using a single bus, or may be configured by using a different bus for each device.
  • the recommendation device 10 includes hardware such as a microprocessor, a digital signal processor (DSP: Digital Signal Processor), an ASIC (Application Specific Integrated Circuit), a PLD (Programmable Logic Device), and an FPGA (Field Programmable Gate Array).
  • DSP Digital Signal Processor
  • ASIC Application Specific Integrated Circuit
  • PLD Programmable Logic Device
  • FPGA Field Programmable Gate Array
  • the hardware may implement some or all of each functional block.
  • processor 1001 may be implemented using at least one of these hardware.
  • the notification of information is not limited to the embodiments / embodiments described in the present disclosure, and may be performed by other methods.
  • Information and the like may be output from the upper layer to the lower layer, or may be output from the lower layer to the upper layer. Information and the like may be input / output via a plurality of network nodes.
  • the input / output information and the like may be stored in a specific place (for example, a memory) or may be managed using a management table. Information to be input / output may be overwritten, updated, or added. The output information and the like may be deleted. The input information or the like may be transmitted to another device.
  • the determination may be made by a value represented by 1 bit (0 or 1), by a true / false value (Boolean: true or false), or by comparing numerical values (for example, a predetermined value). It may be done by comparison with the value).
  • Notification of predetermined information is not limited to explicit notification, and may be implicitly (for example, by not notifying the predetermined information). ..
  • Software whether referred to as software, firmware, middleware, microcode, hardware description language, or other names, is an instruction, instruction set, code, code segment, program code, program, subprogram, software module.
  • Applications, software applications, software packages, routines, subroutines, objects, executable files, execution threads, procedures, features, etc. should be broadly interpreted.
  • Software, instructions, information, etc. may be transmitted and received via a transmission medium.
  • a transmission medium For example, a website where the software uses at least one of wired technology (coaxial cable, fiber optic cable, twisted pair, digital subscriber line (DSL: Digital Subscriber Line), etc.) and wireless technology (infrared, microwave, etc.).
  • wired technology coaxial cable, fiber optic cable, twisted pair, digital subscriber line (DSL: Digital Subscriber Line), etc.
  • wireless technology infrared, microwave, etc.
  • the information, signals, etc. described in this disclosure may be represented using any of a variety of different techniques.
  • data, instructions, commands, information, signals, bits, symbols, and chips that may be referred to throughout the above description are voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, light fields or photons, or theirs. It may be represented by any combination.
  • system and “network” used in this disclosure are used interchangeably.
  • the information, parameters, etc. described in the present disclosure may be expressed using absolute values, relative values from a predetermined value, or other corresponding information. It may be represented.
  • determining and “determining” used in this disclosure may include a wide variety of actions.
  • Each of “judgment” and “decision” is, for example, judgment (judging), calculation (calculating), calculation (computing), processing (processing), derivation (deriving), investigating (looking up, search), respectively. It may include inquiry) (eg, search in a table, database or another data structure), and ascertaining.
  • Each of the "judgment” and “decision” is receiving (eg, receiving information), transmitting (eg, transmitting information), input, output, and It may include accessing (eg, accessing data in memory).
  • Each of "judgment” and “decision” may include resolving, selecting, choosing, establishing, and comparing.
  • the "judgment” may include some action that can be regarded as a "judgment”.
  • a “decision” may include any action that can be considered a “decision”.
  • "Judgment (decision)” may be read as "assuming", “expecting”, “considering”, or the like.
  • connection means any direct or indirect connection or connection between two or more elements and each other. It can include the presence of one or more intermediate elements between two “connected” or “combined” elements.
  • the connection or connection between the elements may be performed physically, logically, or may be realized by a combination thereof. For example, “connection” may be read as "access”.
  • connection may be read as "access”.
  • connection or “coupling” is used in the present disclosure, the two elements are “connected” or “coupled” to each other using at least one of one or more wires, cables and printed electrical connections.
  • electromagnetic energy having wavelengths in the radio frequency domain, microwave domain and light (both visible and invisible) domain may be used. It may be considered to be “connected” or “bonded” to each other.
  • references to elements using designations such as “first” and “second” as used in this disclosure does not generally limit the quantity or order of those elements. These designations can be used in the present disclosure as a convenient way to distinguish between two or more elements. Therefore, references to the first and second elements do not mean that only two elements can be adopted and that the first element must somehow precede the second element.
  • each of the above devices may be replaced with a "circuit", a “device” or the like.
  • the term "A and B are different” may mean “A and B are different from each other”.
  • the term may mean that "A and B are different from C”.
  • Terms such as “separate” and “combined” may be interpreted in the same way as “different”.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

レコメンド装置は、複数の金融商品の中からユーザに金融商品を推薦する装置であって、複数の金融商品のそれぞれについて設定された購入スコア及び購入金額であって、ユーザが金融商品を購入する可能性を示す購入スコア及びユーザに適した購入金額に基づいて、複数の金融商品の中から、ユーザに推薦する金融商品であるレコメンド対象を決定する決定部と、レコメンド対象に関するレコメンド情報を出力する出力部と、を備える。

Description

レコメンド装置
　本開示は、レコメンド装置に関する。
　ユーザに適切な保険等の金融商品を推薦する技術が知られている。例えば、特許文献１には、ユーザ情報に基づいてリスクを算出し、リスクを提案モデルに入力することによって保険の組み合わせを推定し、保険の組み合わせをユーザに提示する保険提案サーバが記載されている。
特開２０２０－７１６２２号公報
　災害のように、リスクがそれほど高くなくても、大きな損失を被る可能性が高い場合には、その損失を補償するための保険に加入することが考えられる。しかしながら、特許文献１に記載の保険提案サーバでは、リスクが提案モデルの入力として用いられているので、リスクと相関のある保険が提案される。したがって、ユーザに適切な保険が提案されないおそれがある。
　本開示は、より適切な金融商品を推薦可能なレコメンド装置を説明する。
　本開示の一側面に係るレコメンド装置は、複数の金融商品の中からユーザに金融商品を推薦する装置である。このレコメンド装置は、複数の金融商品のそれぞれについて設定された購入スコア及び購入金額であって、ユーザが金融商品を購入する可能性を示す購入スコア及びユーザに適した購入金額に基づいて、複数の金融商品の中から、ユーザに推薦する金融商品であるレコメンド対象を決定する決定部と、レコメンド対象に関するレコメンド情報を出力する出力部と、を備える。
　このレコメンド装置においては、購入スコア及び購入金額に基づいて、複数の金融商品の中から、レコメンド対象が決定され、レコメンド情報が出力される。購入スコアが高い金融商品は、ユーザによって購入される可能性が高い。一方、購入スコアが低くても、金融商品の購入金額が高い場合には、高いリターンを期待することができる。したがって、購入スコアだけでなく、購入金額を考慮して、レコメンド対象を決定することによって、より適切な金融商品をユーザに推薦することが可能となる。
　本開示によれば、より適切な金融商品を推薦することができる。
図１は、一実施形態に係るレコメンド装置を含むレコメンドシステムの概略構成図である。 図２の（ａ）は、図１に示されるユーザ情報ＤＢ（database）に格納されているユーザ基礎情報の一例を示す図である。図２の（ｂ）は、図１に示されるユーザ情報ＤＢに格納されている位置情報の一例を示す図である。図２の（ｃ）は、図１に示されるユーザ情報ＤＢに格納されている決済情報の一例を示す図である。 図３は、図１に示される保険加入情報ＤＢに格納されている保険加入情報の一例を示す図である。 図４は、図１に示されるレコメンド装置の機能構成を示すブロック図である。 図５は、図１に示されるレコメンドシステムが行うレコメンド方法の一連の処理を示すシーケンス図である。 図６は、図５に示される決定処理を詳細に示すフローチャートである。 図７は、レコメンド対象の決定処理を説明するための図である。 図８は、レコメンド情報の表示画面例を示す図である。 図９は、レコメンド対象の決定処理の変形例を説明するための図である。 図１０は、図１に示されるレコメンド装置のハードウェア構成を示す図である。
　以下、添付図面を参照しながら本開示の実施形態を詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。
　図１～図３を参照して、一実施形態に係るレコメンド装置を含むレコメンドシステムの構成を説明する。図１は、一実施形態に係るレコメンド装置を含むレコメンドシステムの概略構成図である。図２の（ａ）は、図１に示されるユーザ情報ＤＢ（database）に格納されているユーザ基礎情報の一例を示す図である。図２の（ｂ）は、図１に示されるユーザ情報ＤＢに格納されている位置情報の一例を示す図である。図２の（ｃ）は、図１に示されるユーザ情報ＤＢに格納されている決済情報の一例を示す図である。図３は、図１に示される保険加入情報ＤＢに格納されている保険加入情報の一例を示す図である。
　図１に示されるレコメンドシステム１は、ユーザに金融商品を推薦するためのシステムである。本実施形態では、金融商品として、保険商品を用いて説明する。
　レコメンドシステム１は、複数の端末装置２と、ユーザ情報ＤＢ３と、保険加入情報ＤＢ４と、レコメンド装置１０と、を含む。複数の端末装置２、ユーザ情報ＤＢ３、保険加入情報ＤＢ４、及びレコメンド装置１０は、ネットワークＮＷを介して互いに通信可能に構成されている。ネットワークＮＷは、有線及び無線のいずれで構成されてもよい。ネットワークＮＷの例としては、移動体通信網、インターネット、及びＷＡＮ（Wide　Area　Network）が挙げられる。以下の説明では、主に１つの端末装置２に着目して説明を行うが、他の端末装置２についても同様である。
　端末装置２は、ユーザによって用いられる装置である。端末装置２の例としては、スマートフォン、タブレット端末、ノートＰＣ（Personal　Computer）、及びデスクトップＰＣが挙げられる。
　端末装置２は、ＧＰＳ（Global　Positioning　System）等を用いて端末装置２の位置情報（緯度及び経度）を取得する。端末装置２は、接続されている無線ネットワークの親局の設置位置の情報を位置情報として取得してもよい。親局の設置位置の例としては、モバイルネットワークの基地局、及びＷｉ－Ｆｉのアクセスポイント等が挙げられる。端末装置２は、端末装置２の近傍に存在する端末の位置情報を端末装置２の位置情報として取得してもよい。このような端末としては、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）のビーコン端末等が挙げられる。位置情報の詳細については後述する。端末装置２は、定期的に位置情報をユーザ情報ＤＢ３に送信する。
　端末装置２は、ユーザが端末装置２を用いて行った決済に関する決済情報を生成する。例えば、端末装置２にインストールされている決済アプリケーションを用いてユーザが商品を購入した場合、端末装置２は、決済情報を生成する。決済情報の詳細については後述する。端末装置２は、例えば、決済情報を生成するごとに、決済情報をユーザ情報ＤＢ３に送信する。
　ユーザ情報ＤＢ３は、各ユーザのユーザ情報を格納するデータベースである。ユーザ情報は、ユーザに関する情報であって、ユーザ基礎情報、位置情報、及び決済情報を含む。ユーザ情報は、端末装置２の利用履歴（ログ）等、更に他の情報を含んでもよい。ユーザ基礎情報は、ユーザの基礎的な情報である。図２の（ａ）に示されるように、ユーザ基礎情報は、ユーザＩＤ（identifier）と、端末ＩＤと、性別と、年齢と、を含む。ユーザＩＤは、ユーザを一意に識別可能な情報である。端末ＩＤは、端末装置２を一意に識別可能な情報である。ここでは、端末ＩＤは、ユーザＩＤによって識別されるユーザが使用している端末装置２を示す。ユーザ基礎情報は、更に他の情報を含んでもよい。ユーザ基礎情報は、例えば、ユーザによって予め設定されている。
　位置情報は、各端末装置の位置を示す情報である。図２の（ｂ）に示されるように、位置情報は、端末ＩＤと、当該位置情報を取得した時刻（タイムスタンプ）と、緯度と、経度と、を含む。ユーザ情報ＤＢ３は、各端末装置２から位置情報を受信すると、受信した位置情報を格納する。ユーザ情報ＤＢ３には、各端末装置２の複数の位置情報が位置情報の履歴（ログ）として格納されている。
　決済情報は、各端末装置２を用いて行われた決済に関する情報である。図２の（ｃ）に示されるように、決済情報は、端末ＩＤ、決済が行われた時刻、決済が行われた場所、金額、及び商品名を含む。ユーザ情報ＤＢ３は、各端末装置２から決済情報を受信すると、受信した決済情報を格納する。ユーザ情報ＤＢ３には、各端末装置２の複数の決済情報が決済情報の履歴として格納されている。
　保険加入情報ＤＢ４は、各ユーザの保険加入情報を格納するデータベースである。保険加入情報は、各ユーザが加入している保険商品に関する情報である。図３に示されるように、保険加入情報は、保険ＩＤと、ユーザＩＤと、保険料と、を含む。保険ＩＤは、保険商品を一意に識別可能な情報である。保険料は、ユーザＩＤによって識別されるユーザが、保険ＩＤによって識別される保険商品に支払っている金額である。保険料は、例えば、１月当たりの保険料である。保険加入情報は、保険料に代えて購入口数を含んでもよく、保険料とともに購入口数を含んでもよい。
　レコメンド装置１０は、複数の保険商品の中からユーザに保険商品（レコメンド対象）を推薦する装置である。レコメンド装置１０の例としては、サーバ装置等の情報処理装置が挙げられる。
　図４を参照して、レコメンド装置１０の機能構成を説明する。図４は、図１に示されるレコメンド装置の機能構成を示すブロック図である。図４に示されるように、レコメンド装置１０は、機能的には、取得部１１と、生成部１２と、算出部１３（第１算出部）と、加入スコア記憶部１４と、算出部１５（第２算出部）と、保険料記憶部１６と、受信部１７と、決定部１８と、出力部１９と、を備えている。
　取得部１１は、ユーザ情報及び保険加入情報を取得する機能部である。取得部１１は、ユーザ情報ＤＢ３からユーザ情報を取得し、保険加入情報ＤＢ４から保険加入情報を取得する。
　生成部１２は、加入予測モデル及び保険料予測モデルを生成する機能部である。加入予測モデルは、ユーザ情報から生成した特徴量を説明変数とし、保険商品の加入スコアを目的変数とした機械学習モデルであり、例えば、ニューラルネットワークによって構成されている。加入スコアは、ユーザが保険商品に加入する可能性を示す値である。加入スコアは、例えば、０～１の範囲内の数値である。例えば、保険商品の加入スコアが大きいほど、ユーザがその保険商品に加入する可能性が高い。生成部１２は、保険商品ごとに機械学習を行うことによって各保険商品の加入予測モデルを生成する。
　保険料予測モデルは、ユーザ情報から生成した特徴量を説明変数とし、保険商品に支払う保険料を目的変数とした機械学習モデルであり、例えば、ニューラルネットワークによって構成されている。保険料は、ユーザが保険商品に支払う保険料であり、例えば、１口当たりの保険料と購入口数とを乗算することによって得られる。生成部１２は、保険商品ごとに機械学習を行うことによって各保険商品の保険料予測モデルを生成する。なお、特徴量の生成方法、加入予測モデルの生成方法、及び保険料予測モデルの生成方法については、後述する。
　算出部１３は、ユーザ情報に基づいて、加入スコアを複数の保険商品のそれぞれについて算出する機能部である。算出部１３は、加入予測モデルを用いて、加入スコアを算出する。算出部１３は、ユーザ情報から特徴量を生成し、生成した特徴量を加入予測モデルに入力することによって、加入予測モデルから加入スコアを得る。
　加入スコア記憶部１４は、各ユーザの保険商品ごとの加入スコアを記憶する機能部である。加入スコア記憶部１４は、例えば、ユーザＩＤと保険ＩＤと加入スコアとを対応付けたデータセットを記憶している。
　算出部１５は、ユーザ情報に基づいて、ユーザに適した保険料を複数の保険商品のそれぞれについて算出する機能部である。算出部１５は、保険料予測モデルを用いて、保険料を算出する。算出部１５は、ユーザ情報から特徴量を生成し、生成した特徴量を保険料予測モデルに入力することによって、保険料予測モデルから保険料を得る。
　保険料記憶部１６は、各ユーザの保険商品ごとの保険料を記憶する機能部である。保険料記憶部１６は、例えば、ユーザＩＤと保険ＩＤと保険料とを対応付けたデータセットを記憶している。
　受信部１７は、端末装置２からレコメンド要求を受信する機能部である。レコメンド要求は、保険商品のレコメンド情報を要求するための指令である。レコメンド要求は、レコメンド情報を要求するユーザのユーザＩＤを含む。
　決定部１８は、複数の保険商品の中から、ユーザにレコメンド（推薦）する保険商品であるレコメンド対象を決定する機能部である。決定部１８は、複数の保険商品のそれぞれに設定された加入スコア及び保険料に基づいて、レコメンド対象を決定する。決定部１８は、加入スコアと加入スコアの閾値Ｒｔｈ（第１閾値）とを比較するとともに、保険料と保険料の閾値Ｃｔｈ（第２閾値）とを比較し、比較結果に応じて、レコメンド対象を決定する。閾値Ｒｔｈ及び閾値Ｃｔｈは、予め設定されている。決定部１８は、例えば、加入スコアが閾値Ｒｔｈよりも大きいという条件（第１条件）、及び保険料が閾値Ｃｔｈよりも大きいという条件（第２条件）の少なくともいずれかを満たす保険商品を、レコメンド対象として決定する。
　出力部１９は、レコメンド対象に関するレコメンド情報を出力する機能部である。出力部１９は、例えば、レコメンド情報を端末装置２に出力（送信）する。出力部１９は、レコメンド装置１０内のメモリ（不図示）にレコメンド情報を出力してもよい。
　次に、図５～図８を参照して、レコメンドシステム１（レコメンド装置１０）が行うレコメンド方法を説明する。図５は、図１に示されるレコメンドシステムが行うレコメンド方法の一連の処理を示すシーケンス図である。図６は、図５に示される決定処理を詳細に示すフローチャートである。図７は、レコメンド対象の決定処理を説明するための図である。図８は、レコメンド情報の表示画面例を示す図である。
　図５に示されるように、まず、レコメンド装置１０の取得部１１がユーザ情報ＤＢ３にユーザ情報の取得要求を送信する（ステップＳ１）。ステップＳ１において、取得部１１は、すべてのユーザのユーザ情報を取得するための取得要求を送信してもよく、一部のユーザのユーザ情報を取得するための取得要求を送信してもよい。そして、ユーザ情報ＤＢ３は、レコメンド装置１０からユーザ情報の取得要求を受信すると、要求されたユーザ情報をレコメンド装置１０に送信する（ステップＳ２）。
　続いて、レコメンド装置１０の取得部１１は、保険加入情報ＤＢ４に保険加入情報の取得要求を送信する（ステップＳ３）。ステップＳ３において、取得部１１は、例えば、推薦可能なすべての保険商品に対する保険加入情報を取得するための取得要求を送信する。そして、保険加入情報ＤＢ４は、レコメンド装置１０から保険加入情報の取得要求を受信すると、要求された保険加入情報をレコメンド装置１０に送信する（ステップＳ４）。
　そして、レコメンド装置１０の取得部１１は、ユーザ情報ＤＢ３からユーザ情報を受信し、保険加入情報ＤＢ４から保険加入情報を受信すると、ユーザ情報及び保険加入情報を生成部１２に出力する。続いて、生成部１２は、取得部１１からユーザ情報及び保険加入情報を受け取ると、加入予測モデルを生成する（ステップＳ５）。ステップＳ５において、生成部１２は、保険商品ごとに機械学習を行うことによって各保険商品の加入予測モデルを生成する。機械学習は、例えば、ＧＢＤＴ（Gradient　Boosting　Decision　Tree）アルゴリズムを用いて行われる。機械学習には、例えば、過去に保険商品に加入したユーザのユーザ情報から生成された特徴量と、当該保険商品の加入スコア（＝１）との組が正解データとして用いられ、保険商品に加入していないユーザのユーザ情報から生成された特徴量と、当該保険商品の加入スコア（＝０）との組が不正解データとして用いられる。そして、生成部１２は、加入予測モデルを算出部１３に出力する。
　ここで、特徴量の生成方法の一例を説明する。生成部１２は、ユーザ情報のうち、性別及び年齢を特徴量とする。生成部１２は、端末装置２の時系列の位置情報から、ユーザが滞在した場所及び滞在時間を推定し、滞在場所及び滞在時間を特徴量としてもよい。さらに、ユーザが通常は訪れないが、たまたま滞在した場所が、加入スコアに与える影響を軽減するために、滞在場所及び滞在時間の時間的な変化が特徴量として用いられてもよい。生成部１２は、端末装置２の決済情報から、決済回数、決済が行われた店舗数、及び決済金額の合計を特徴量として算出する。決済された商品（サービス）のジャンルごとの金額が特徴量として用いられてもよい。
　さらに、生成部１２は、保険料予測モデルを生成する（ステップＳ６）。ステップＳ６において、生成部１２は、保険商品ごとに機械学習を行うことによって各保険商品の保険料予測モデルを生成する。機械学習は、例えば、ＧＢＤＴアルゴリズムを用いて行われる。機械学習には、例えば、過去に保険商品に加入したユーザのユーザ情報から生成された特徴量と、当該ユーザが保険商品に支払った保険料との組が正解データとして用いられる。特徴量の生成方法は、上述のとおりである。そして、生成部１２は、保険料予測モデルを算出部１５に出力する。
　続いて、取得部１１は、ユーザ情報ＤＢ３に、すべてのユーザのユーザ情報を取得するための取得要求を送信する（ステップＳ７）。そして、ユーザ情報ＤＢ３は、レコメンド装置１０からユーザ情報の取得要求を受信すると、要求されたユーザ情報をレコメンド装置１０に送信する（ステップＳ８）。そして、取得部１１は、ユーザ情報ＤＢ３からユーザ情報を受信すると、ユーザ情報を算出部１３及び算出部１５に出力する。
　続いて、算出部１３は、取得部１１からユーザ情報を受け取ると、複数の保険商品のそれぞれについて、各ユーザの加入スコアを算出する（ステップＳ９）。ステップＳ９においては、算出部１３は、加入予測モデルを用いて加入スコアを算出する。具体的には、算出部１３は、生成部１２による特徴量の生成方法と同様にして、各ユーザのユーザ情報から特徴量を生成する。そして、算出部１３は、ユーザごとに、特徴量を各保険商品の加入予測モデルに入力し、各加入予測モデルから出力される加入スコアを得る。そして、算出部１３は、ユーザＩＤと保険ＩＤと加入スコアとを対応付けたデータセットを加入スコア記憶部１４に出力し、加入スコア記憶部１４に記憶させる。
　続いて、算出部１５は、取得部１１からユーザ情報を受け取ると、複数の保険商品のそれぞれについて、各ユーザに適した保険料を算出する（ステップＳ１０）。ステップＳ１０においては、算出部１５は、保険料予測モデルを用いて保険料を算出する。具体的には、算出部１５は、生成部１２による特徴量の生成方法と同様にして、各ユーザのユーザ情報から特徴量を生成する。そして、算出部１５は、ユーザごとに、特徴量を各保険商品の保険料予測モデルに入力し、各保険料予測モデルから出力される保険料を得る。そして、算出部１５は、ユーザＩＤと保険ＩＤと保険料とを対応付けたデータセットを保険料記憶部１６に出力し、保険料記憶部１６に記憶させる。
　続いて、端末装置２がレコメンド要求をレコメンド装置１０に送信する（ステップＳ１１）。そして、レコメンド装置１０の受信部１７は、端末装置２から送信されたレコメンド要求を受信すると、レコメンド要求に含まれるユーザＩＤを決定部１８に出力する。
　続いて、決定部１８は、受信部１７からユーザＩＤを受け取ると、決定処理を行う（ステップＳ１２）。図６に示されるように、ステップＳ１２の決定処理では、まず決定部１８が、ユーザＩＤによって識別されるユーザの各保険商品に対する加入スコアを取得する（ステップＳ２１）。具体的には、決定部１８は、受信部１７から受け取ったユーザＩＤに対応付けられた保険ＩＤ及び加入スコアの組を加入スコア記憶部１４から取得する。そして、決定部１８は、ユーザＩＤによって識別されるユーザの各保険商品に対する保険料を取得する（ステップＳ２２）。具体的には、決定部１８は、受信部１７から受け取ったユーザＩＤに対応付けられた保険ＩＤ及び保険料の組を保険料記憶部１６から取得する。
　続いて、決定部１８は、複数の保険商品の中から、レコメンド対象を決定する（ステップＳ２３）。ステップＳ２３においては、決定部１８は、加入スコア記憶部１４から取得した保険ＩＤ及び加入スコアの組と、保険料記憶部１６から取得した保険ＩＤ及び保険料の組と、を用いて、各保険商品に対して設定されている加入スコア及び保険料に基づいて、レコメンド対象を決定する。具体的に説明すると、決定部１８は、各保険商品の加入スコアと閾値Ｒｔｈとを比較するとともに、各保険商品の保険料と閾値Ｃｔｈとを比較し、これらの比較結果に応じてレコメンド対象を決定する。
　例えば、図７に示されるように、決定部１８は、加入スコアが閾値Ｒｔｈよりも大きいという条件、及び保険料が閾値Ｃｔｈよりも大きいという条件の少なくともいずれかを満たす保険商品を、レコメンド対象として決定する。言い換えると、領域Ｒ１，Ｒ２，Ｒ４に保険商品の加入スコア及び保険料を示す点が含まれている場合には、当該保険商品はレコメンド対象として決定され、領域Ｒ３に保険商品の加入スコア及び保険料を示す点が含まれている場合には、当該保険商品はレコメンド対象外となる。
　領域Ｒ１は、加入スコアが閾値Ｒｔｈよりも大きく、かつ、保険料が閾値Ｃｔｈよりも小さい（閾値Ｃｔｈ以下である）領域である。領域Ｒ２は、加入スコアが閾値Ｒｔｈよりも大きく、かつ、保険料が閾値Ｃｔｈよりも大きい領域である。領域Ｒ３は、加入スコアが閾値Ｒｔｈよりも小さく（閾値Ｒｔｈ以下であり）、かつ、保険料が閾値Ｃｔｈよりも小さい（閾値Ｃｔｈ以下である）領域である。領域Ｒ４は、加入スコアが閾値Ｒｔｈよりも小さく（閾値Ｒｔｈ以下であり）、かつ、保険料が閾値Ｃｔｈよりも大きい領域である。
　図７に示される例では、保険商品Ａの加入スコア及び保険料を示す点Ｉａが領域Ｒ１に含まれている。保険商品Ｂ，Ｆの加入スコア及び保険料を示す点Ｉｂ，Ｉｆが領域Ｒ２に含まれている。保険商品Ｃ，Ｅの加入スコア及び保険料を示す点Ｉｃ，Ｉｅが領域Ｒ３に含まれている。保険商品Ｄの加入スコア及び保険料を示す点Ｉｄが領域Ｒ４に含まれている。したがって、保険商品Ａ，Ｂ，Ｄ，Ｆがレコメンド対象として決定される。
　さらに、決定部１８は、複数の保険商品がレコメンド対象として決定された場合、レコメンド対象の優先順位を決定する。例えば、決定部１８は、加入スコアが閾値Ｒｔｈよりも大きいという条件（第１条件）、及び保険料が閾値Ｃｔｈよりも大きいという条件（第２条件）をともに満たす保険商品、第１条件を満たしかつ第２条件を満たさない保険商品、第１条件を満たさずかつ第２条件を満たす保険商品の順となるように、レコメンド対象の優先順位を決定する。
　続いて、決定部１８は、レコメンド対象に関するレコメンド情報を生成する（ステップＳ２４）。例えば、決定部１８は、レコメンド対象の保険商品名と、保険料とを含むレコメンド情報を生成する。レコメンド情報は、各保険商品の保険料とリスクとを示すグラフを更に含んでもよい。なお、保険商品の加入スコアは、保険商品の補償対象に対するリスクとみることができるので、決定部１８は、各保険商品の加入スコアをリスクとして用いて、グラフを作成する。そして、決定部１８は、レコメンド情報を出力部１９に出力する。
　続いて、出力部１９は、レコメンド情報を端末装置２に送信する（ステップＳ１３）。そして、端末装置２は、レコメンド装置１０から送信されたレコメンド情報を受信すると、レコメンド情報をディスプレイに表示する。例えば、図８に示されるように、レコメンド対象の保険商品名と保険料とが、各保険商品の保険料とリスクとを示すグラフとともに表示される。レコメンド対象の保険商品名と保険料とは、レコメンド対象の優先順位に従って上から順に配列されている。
　以上により、レコメンド方法の一連の処理が終了する。なお、ステップＳ１～Ｓ１０は、端末装置２からレコメンド要求を受ける前に予め実施される（オフライン処理）。ステップＳ３及びステップＳ４は、ステップＳ１及びステップＳ２よりも前に行われてもよく、ステップＳ１及びステップＳ２と並行して行われてもよい。ステップＳ６は、ステップＳ５よりも前に行われてもよく、ステップＳ５と並行して行われてもよい。ステップＳ１０は、ステップＳ９よりも前に行われてもよく、ステップＳ９と並行して行われてもよい。ステップＳ２２は、ステップＳ２１よりも前に行われてもよく、ステップＳ２１と並行して行われてもよい。
　ステップＳ１１の後に、ステップＳ７～Ｓ１０が行われてもよい。この場合、ステップＳ７において、取得部１１は、レコメンド要求に含まれるユーザＩＤによって識別されるユーザのユーザ情報を取得するための取得要求をユーザ情報ＤＢ３に送信し、ステップＳ８において、ユーザ情報ＤＢ３は、要求されたユーザのユーザ情報をレコメンド装置１０に送信する。さらに、ステップＳ９において、算出部１３は、レコメンド要求に含まれるユーザＩＤによって識別されるユーザの加入スコアを算出し、加入スコアを決定部１８に出力する。ステップＳ１０において、算出部１５は、レコメンド要求に含まれるユーザＩＤによって識別されるユーザに適した保険料を算出し、保険料を決定部１８に出力する。
　以上説明したレコメンド装置１０においては、加入スコア及び保険料に基づいて、複数の保険商品の中から、レコメンド対象が決定され、レコメンド情報が出力される。加入スコアが高い保険商品には、ユーザが加入する可能性が高い。一方、加入スコアが低くても、保険商品の保険料が高い場合には、高いリターンを期待することができる。ユーザに適した保険商品の保険料が高い場合、その保険商品によって補償される損失がユーザに対して発生する頻度又はユーザが被る損失額が大きいといえる。したがって、加入スコアだけでなく、保険料を考慮して、レコメンド対象を決定することによって、より適切な保険商品をユーザに推薦することが可能となる。
　決定部１８は、加入スコアと閾値Ｒｔｈとを比較するとともに、保険料と閾値Ｃｔｈとを比較し、これらの比較結果に応じてレコメンド対象を決定する。具体的には、決定部１８は、加入スコアが閾値Ｒｔｈよりも大きいという第１条件、及び保険料が閾値Ｃｔｈよりも大きいという第２条件の少なくともいずれかを満たす保険商品を、レコメンド対象として決定する。上述のように、加入スコアが高い保険商品には、ユーザが加入する可能性が高い。ユーザに適した保険料が高い場合、その保険商品によって補償される損失がユーザに対して発生する頻度又はユーザが被る損失額が大きいといえる。したがって、第１条件及び第２条件の少なくともいずれかを満たす保険商品がレコメンド対象として決定されることによって、より適切な保険商品をユーザに推薦することが可能となる。
　決定部１８は、第１条件及び第２条件をともに満たす保険商品、第１条件を満たしかつ第２条件を満たさない保険商品、第１条件を満たさずかつ第２条件を満たす保険商品の順となるように、レコメンド対象の優先順位を決定する。加入スコアが高く、保険料が高い保険商品は、ユーザにとって最も重要な（必要不可欠な）保険商品と考えられる。加入スコアが高く、保険料が低い保険商品は、必要不可欠ではないものの、ユーザと共通点を有するユーザが加入していることから、その保険商品への加入が推奨される。加入スコアが低く、保険料が高い保険商品は、ユーザと共通点を有するユーザが加入していないので加入しなくてもよいが、その保険商品によって補償される損失の発生頻度又は損失額が大きいことを意味すると考えられるので、加入しておいた方が無難である。したがって、上記構成によれば、ユーザに対する重要度に応じてレコメンド対象を順位付けできるので、より一層適した保険商品をユーザに推薦することが可能となる。
　算出部１３は、ユーザ情報に基づいて、加入スコアを複数の保険商品のそれぞれについて算出する。性別、年齢、及び行動等に共通点を有するユーザは、保険商品に加入する可能性も同程度であると考えられる。したがって、ユーザ情報を用いることによって、各保険商品の加入スコアを精度良く算出することができる。
　算出部１５は、ユーザ情報に基づいて、ユーザに適した保険料を複数の保険商品のそれぞれについて算出する。性別、年齢、及び行動等に共通点を有するユーザは、保険商品に支払うべき保険料も同程度であると考えられる。したがって、ユーザ情報を用いることによって、各保険商品の保険料を精度良く算出することができる。
　以上、本開示の実施形態について説明したが、本開示は上記実施形態に限定されない。
　レコメンド装置１０は、物理的又は論理的に結合した１つの装置によって構成されていてもよく、互いに物理的又は論理的に分離している複数の装置によって構成されてもよい。例えば、レコメンド装置１０は、クラウドコンピューティングのようにネットワーク上に分散された複数のコンピュータによって実現されてもよい。以上のように、レコメンド装置１０の構成は、レコメンド装置１０の機能を実現し得るいかなる構成をも含み得る。
　上記実施形態では、金融商品として保険商品を用いて説明したが、レコメンド装置１０は、株式、債券、及び投資信託といった他の金融商品からレコメンド対象を決定してもよい。レコメンド対象が金融商品に一般化された場合、加入スコアは、ユーザが金融商品を購入する可能性を示す購入スコアに一般化され、保険料は、金融商品に支払う購入金額（購入口数）であって、ユーザに適した購入金額（購入口数）に一般化される。
　レコメンド装置１０は、算出部１３及び加入スコア記憶部１４を備えていなくてもよい。この場合、決定部１８は、レコメンド要求に含まれるユーザＩＤに対応付けられた保険ＩＤ及び加入スコアの組を外部の加入スコア記憶部から取得してもよい。レコメンド装置１０は、算出部１５及び保険料記憶部１６を備えていなくてもよい。この場合、決定部１８は、レコメンド要求に含まれるユーザＩＤに対応付けられた保険ＩＤ及び保険料の組を外部の保険料記憶部から取得してもよい。
　レコメンド装置１０は、生成部１２を備えていなくてもよい。この場合、算出部１３は、予め生成された加入予測モデルを用いて、加入スコアを算出する。同様に、算出部１５は、予め生成された保険料予測モデルを用いて、保険料を算出する。算出部１３は、加入予測モデルを用いることなく、ユーザ情報に基づいて、ルールベースで加入スコアを算出してもよい。算出部１５は、保険料予測モデルを用いることなく、ユーザ情報に基づいて、ルールベースで保険料を算出してもよい。
　レコメンド装置１０は、取得部１１、生成部１２、算出部１３、加入スコア記憶部１４、算出部１５、及び保険料記憶部１６を備えていなくてもよい。この場合、決定部１８は、レコメンド要求に含まれるユーザＩＤに対応付けられた保険ＩＤ及び加入スコアの組を外部の加入スコア記憶部から取得するとともに、レコメンド要求に含まれるユーザＩＤに対応付けられた保険ＩＤ及び保険料の組を外部の保険料記憶部から取得してもよい。
　決定部１８は、各保険商品について、保険料を加入スコアで除算することによって得られる値（シャープレシオ）を算出し、当該値に基づいて、レコメンド対象を決定してもよい。加入スコアは、その保険商品によって補償される損失が発生するリスクと見ることができる。したがって、上記値が大きいほど、リスクの補償度合いが高いといえる。決定部１８は、例えば、上記値が所定の閾値よりも大きい保険商品をレコメンド対象として決定する。この構成によれば、加入予測モデルの予測結果（加入スコア）と保険料予測モデルの予測結果（保険料）とを用いて、新たな指標（シャープレシオ）が生成される。したがって、１つの値と閾値とを比較するだけでレコメンド対象を決定することができるので、レコメンド対象の決定処理を簡易化することが可能となる。
　さらに、決定部１８は、複数の保険商品がレコメンド対象として決定された場合、上記値が小さいほど保険商品の優先順位を高くしてもよい。この場合、保険料が低く、かつ、リスクが高い保険商品が優先的に推薦される。したがって、ユーザが保険商品に加入することを促進することができる。以上のように、１つの値の大きさだけで、優先順位を決定できるので、優先順位の決定処理を簡易化することが可能となる。
　決定部１８は、複数の保険商品に対する加入スコア及び保険料に基づいて、加入スコア及び保険料の分布傾向を示す回帰直線を求め、複数の保険商品のそれぞれの加入スコア及び保険料と回帰直線との距離に基づいて、レコメンド対象を決定してもよい。図９を参照して具体的に説明する。図９は、レコメンド対象の決定処理の変形例を説明するための図である。
　決定部１８は、保険商品Ｇ～Ｊの加入スコア及び保険料を示す点Ｉｇ～Ｉｊから、回帰直線ＲＬを求める。そして、決定部１８は、点Ｉｇ～Ｉｊのそれぞれと回帰直線ＲＬとの距離を算出し、各距離と距離の閾値とを比較する。そして、決定部１８は、閾値よりも短い（小さい）距離の点に対応する保険商品をレコメンド対象として決定する。図９に示される例では、点Ｉｈと回帰直線ＲＬとの距離が最も短く、点Ｉｉ、点Ｉｇ、及び点Ｉｊの順に回帰直線ＲＬとの距離が大きくなる。点Ｉｈと回帰直線ＲＬとの距離、及び点Ｉｉと回帰直線ＲＬとの距離のみが閾値よりも小さいとする。この場合、決定部１８は、保険商品Ｈと保険商品Ｉとをレコメンド対象として決定する。さらに、決定部１８は、保険商品の加入スコア及び保険料を示す点と回帰直線ＲＬとの距離が短いほど、当該保険商品の優先順位を高くしてもよい。したがって、決定部１８は、保険商品Ｈ、及び保険商品Ｉの優先順位となるようにレコメンド情報を生成する。
　保険商品の加入スコアと保険料とは、正の相関を有すると考えられる。したがって、回帰直線ＲＬは、ユーザにとって最適な加入スコアと保険料との関係を示していると考えられる。つまり、加入スコア及び保険料を示す点が回帰直線ＲＬに近いほど、ユーザにとって加入スコアと保険料とのバランスが取れていることを示す。したがって、加入スコア及び保険料を示す点と回帰直線ＲＬとの距離に応じて、レコメンド対象を決定することによって、ユーザに適したレコメンド対象を推薦することが可能となる。
　なお、上記実施形態の説明に用いられたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
　機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、及び割り振り（assigning）などがあるが、これらの機能に限られない。例えば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting　unit）又は送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
　例えば、本開示の一実施形態におけるレコメンド装置１０は、本開示の処理を行うコンピュータとして機能してもよい。図１０は、本開示の一実施形態に係るレコメンド装置１０のハードウェア構成の一例を示す図である。上述のレコメンド装置１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、及びバス１００７などを含むコンピュータ装置として構成されてもよい。
　なお、以下の説明では、「装置」という文言は、回路、デバイス、及びユニットなどに読み替えることができる。レコメンド装置１０のハードウェア構成は、図に示された各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
　レコメンド装置１０における各機能は、プロセッサ１００１及びメモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、及びレジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）によって構成されてもよい。例えば、上述のレコメンド装置１０の各機能は、プロセッサ１００１によって実現されてもよい。
　プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、及びデータなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施形態において説明された動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、レコメンド装置１０の各機能は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されてもよい。
　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read　Only　Memory）、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（Electrically　Erasable　Programmable　ＲＯＭ）、及びＲＡＭ（Random　Access　Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、又はメインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施形態に係るレコメンド方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
　ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact　Disc　ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、及び磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバ、その他の適切な媒体であってもよい。
　通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、又は通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency　Division　Duplex）及び時分割複信（ＴＤＤ：Time　Division　Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、及び周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の取得部１１、受信部１７、及び出力部１９などは、通信装置１００４によって実現されてもよい。
　入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、及びセンサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、及びＬＥＤランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
　プロセッサ１００１及びメモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
　レコメンド装置１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＰＬＤ（Programmable　Logic　Device）、及びＦＰＧＡ（Field　Programmable　Gate　Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
　情報の通知は、本開示において説明された態様／実施形態に限られず、他の方法を用いて行われてもよい。
　本開示において説明された各態様／実施形態の処理手順、シーケンス、及びフローチャートなどにおいては、矛盾の無い限り、処理の順序が入れ替えられてもよい。例えば、本開示において説明された方法は、例示的な順序を用いて様々なステップの要素を提示しており、提示された特定の順序に限定されない。
　情報等は、上位レイヤから下位レイヤへ出力されてもよく、又は下位レイヤから上位レイヤへ出力されてもよい。情報等は、複数のネットワークノードを介して入出力されてもよい。
　入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理されてもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
　本開示において説明された各態様／実施形態は単独で用いられてもよいし、組み合わせて用いられてもよいし、実行に伴って切り替えて用いられてもよい。所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的な通知に限られず、暗黙的に（例えば、当該所定の情報の通知を行わないことによって）行われてもよい。
　以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明された実施形態に限定されないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とし、本開示に対して何ら制限的な意味を有しない。
　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
　ソフトウェア、命令、及び情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital　Subscriber　Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
　本開示において説明された情報、及び信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、及びチップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
　なお、本開示において説明された用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えられてもよい。
　本開示において使用される「システム」及び「ネットワーク」という用語は、互換的に使用される。
　本開示において説明された情報、及びパラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。
　上述したパラメータに使用される名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示された数式等と異なる場合もある。
　本開示で使用される「判断（determining）」、及び「決定（determining）」という用語は、多種多様な動作を包含する場合がある。「判断」及び「決定」のそれぞれは、例えば、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking　up、search、inquiry）（例えば、テーブル、データベース又は別のデータ構造での探索）、及び確認（ascertaining）を含み得る。「判断」及び「決定」のそれぞれは、受信（receiving）（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、及びアクセス（accessing）（例えば、メモリ中のデータにアクセスすること）を含み得る。「判断」及び「決定」のそれぞれは、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、及び比較（comparing）を含み得る。つまり、「判断」は、「判断」とみなし得る何らかの動作を含み得る。「決定」は、「決定」とみなし得る何らかの動作を含み得る。「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、又は「みなす（considering）」などで読み替えられてもよい。
　「接続された（connected）」、「結合された（coupled）」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的に行われてもよく、論理的に行われてもよく、或いはこれらの組み合わせで実現されてもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で「接続」又は「結合」が使用される場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、互いに「接続」又は「結合」されると考えられてもよく、いくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えられてもよい。
　本開示において使用される「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
　本開示において使用される「第１の」、及び「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、及び何らかの形で第１の要素が第２の要素に先行しなければならないことのいずれも意味しない。
　上記の各装置の構成における「部」は、「回路」、又は「デバイス」等に置き換えられてもよい。
　本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
　本開示において、例えば、英語での「a」,「an」及び「the」のように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
　本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、及び「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
　１…レコメンドシステム、２…端末装置、３…ユーザ情報ＤＢ、４…保険加入情報ＤＢ、１０…レコメンド装置、１１…取得部、１２…生成部、１３…算出部（第１算出部）、１５…算出部（第２算出部）、１７…受信部、１８…決定部、１９…出力部、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス、Ｒｔｈ…閾値（第１閾値）、Ｃｔｈ…閾値（第２閾値）。

Claims (8)

  1. 　複数の金融商品の中からユーザに金融商品を推薦するレコメンド装置であって、
    　複数の金融商品のそれぞれについて設定された購入スコア及び購入金額であって、前記ユーザが金融商品を購入する可能性を示す購入スコア及び前記ユーザに適した購入金額に基づいて、前記複数の金融商品の中から、前記ユーザに推薦する金融商品であるレコメンド対象を決定する決定部と、
    　前記レコメンド対象に関するレコメンド情報を出力する出力部と、
    を備える、レコメンド装置。
  2. 　前記ユーザに関するユーザ情報に基づいて、前記購入スコアを前記複数の金融商品のそれぞれについて算出する第１算出部を更に備える、請求項１に記載のレコメンド装置。
  3. 　前記ユーザに関するユーザ情報に基づいて、前記購入金額を前記複数の金融商品のそれぞれについて算出する第２算出部を更に備える、請求項１又は請求項２に記載のレコメンド装置。
  4. 　前記決定部は、前記購入スコアと第１閾値とを比較するとともに、前記購入金額と第２閾値とを比較し、比較結果に応じて前記レコメンド対象を決定する、請求項１～請求項３のいずれか一項に記載のレコメンド装置。
  5. 　前記決定部は、前記購入スコアが前記第１閾値よりも大きいという第１条件、及び前記購入金額が前記第２閾値よりも大きいという第２条件のいずれかを満たす金融商品を、前記レコメンド対象として決定する、請求項４に記載のレコメンド装置。
  6. 　前記決定部は、前記第１条件及び前記第２条件をともに満たす金融商品、前記第１条件を満たしかつ前記第２条件を満たさない金融商品、及び前記第１条件を満たさずかつ前記第２条件を満たす金融商品の順となるように、前記レコメンド対象の優先順位を決定する、請求項５に記載のレコメンド装置。
  7. 　前記決定部は、前記購入金額を前記購入スコアで除算することによって得られる値に基づいて、前記レコメンド対象を決定する、請求項１～請求項３のいずれか一項に記載のレコメンド装置。
  8. 　前記決定部は、前記複数の金融商品に対する前記購入スコア及び前記購入金額に基づいて、前記購入スコアと前記購入金額との分布傾向を示す回帰直線を求め、前記複数の金融商品のそれぞれの前記購入スコア及び前記購入金額と前記回帰直線との距離に基づいて、前記レコメンド対象を決定する、請求項１～請求項３のいずれか一項に記載のレコメンド装置。
PCT/JP2021/029646 2020-08-27 2021-08-11 レコメンド装置 WO2022044812A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022545636A JPWO2022044812A1 (ja) 2020-08-27 2021-08-11

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020143632 2020-08-27
JP2020-143632 2020-08-27

Publications (1)

Publication Number Publication Date
WO2022044812A1 true WO2022044812A1 (ja) 2022-03-03

Family

ID=80353124

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/029646 WO2022044812A1 (ja) 2020-08-27 2021-08-11 レコメンド装置

Country Status (2)

Country Link
JP (1) JPWO2022044812A1 (ja)
WO (1) WO2022044812A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008204313A (ja) * 2007-02-22 2008-09-04 Clover Network Com:Kk リスク分析処理装置およびその方法ならびにプログラム
JP2012203454A (ja) * 2011-03-23 2012-10-22 Yahoo Japan Corp レコメンドリスト生成装置
US20190026836A1 (en) * 2017-07-19 2019-01-24 brightpeak financial Extensible intelligent financial strength guidance service
JP2019046173A (ja) * 2017-09-01 2019-03-22 ヤフー株式会社 情報解析装置、情報解析方法、およびプログラム
JP2019525280A (ja) * 2017-06-20 2019-09-05 平安科技（深▲せん▼）有限公司Ｐｉｎｇ Ａｎ Ｔｅｃｈｎｏｌｏｇｙ（Ｓｈｅｎｚｈｅｎ）Ｃｏ．，Ｌｔｄ． 商品レコメンドの方法・装置・設備及びコンピュータ可読記憶媒体

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008204313A (ja) * 2007-02-22 2008-09-04 Clover Network Com:Kk リスク分析処理装置およびその方法ならびにプログラム
JP2012203454A (ja) * 2011-03-23 2012-10-22 Yahoo Japan Corp レコメンドリスト生成装置
JP2019525280A (ja) * 2017-06-20 2019-09-05 平安科技（深▲せん▼）有限公司Ｐｉｎｇ Ａｎ Ｔｅｃｈｎｏｌｏｇｙ（Ｓｈｅｎｚｈｅｎ）Ｃｏ．，Ｌｔｄ． 商品レコメンドの方法・装置・設備及びコンピュータ可読記憶媒体
US20190026836A1 (en) * 2017-07-19 2019-01-24 brightpeak financial Extensible intelligent financial strength guidance service
JP2019046173A (ja) * 2017-09-01 2019-03-22 ヤフー株式会社 情報解析装置、情報解析方法、およびプログラム

Also Published As

Publication number Publication date
JPWO2022044812A1 (ja) 2022-03-03

Similar Documents

Publication Publication Date Title
US20150363865A1 (en) Systems and methods for vehicle purchase recommendations
CN105631698A (zh) 用于策略部署的风险量化
EP2727054A1 (en) System, method and computer program product for predicting item preference using revenue-weighted collaborative filter
JP6910229B2 (ja) 情報処理装置および信用度算出方法
CN105631697A (zh) 用于安全策略部署的自动系统
KR102425758B1 (ko) 기계 학습 기반 업체 추천 시스템
US20180129664A1 (en) System and method to recommend a bundle of items based on item/user tagging and co-install graph
KR20210146206A (ko) 와인플랫폼 시스템 및 운영방법
WO2022044812A1 (ja) レコメンド装置
US20170090914A1 (en) Method and system for associating applications using parameter optimization
TW202032482A (zh) 針對視障群體的保險推薦方法和裝置
WO2022044811A1 (ja) レコメンド装置
WO2021039916A1 (ja) 価格予測装置
JP2022026687A (ja) 情報提供装置
Fuller et al. Comparison of the properties of regression and categorical risk-adjustment models
CN114218496A (zh) 对象推荐的方法、装置和设备、介质及产品
JP2022027092A (ja) 行動特性決定装置
CN111401395B (zh) 一种数据处理方法、终端设备及存储介质
JP2019020979A (ja) 情報処理装置および信用度算出方法
JP2021165884A (ja) トラブル解決装置
JP2021163045A (ja) 提案装置
JP2021149297A (ja) 株式銘柄推薦装置
JP7489255B2 (ja) 情報提供装置
US20170091848A1 (en) Method and system for recommendation of association of software applications
KR102425761B1 (ko) 사용자 선호 사항을 반영한 업체 추천 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21861240

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022545636

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21861240

Country of ref document: EP

Kind code of ref document: A1