WO2022239181A1 - 顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体 - Google Patents

顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体 Download PDF

Info

Publication number
WO2022239181A1
WO2022239181A1 PCT/JP2021/018195 JP2021018195W WO2022239181A1 WO 2022239181 A1 WO2022239181 A1 WO 2022239181A1 JP 2021018195 W JP2021018195 W JP 2021018195W WO 2022239181 A1 WO2022239181 A1 WO 2022239181A1
Authority
WO
WIPO (PCT)
Prior art keywords
customer
product
attribute information
purchase
classification
Prior art date
Application number
PCT/JP2021/018195
Other languages
English (en)
French (fr)
Inventor
翔平 丸山
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2023520679A priority Critical patent/JPWO2022239181A5/ja
Priority to PCT/JP2021/018195 priority patent/WO2022239181A1/ja
Publication of WO2022239181A1 publication Critical patent/WO2022239181A1/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Definitions

  • the present invention relates to a customer classification device, a customer classification system, a customer classification method, and a recording medium storing a customer classification program.
  • customer classification also called segmentation or clustering
  • factor analysis is performed for each group to identify purchase factors, and a technology that supports such analysis work is expected.
  • Patent Document 1 discloses that sales information included in POS (Point Of Sale) data is linked to customer's personal information, and non-hierarchical clustering and hierarchical clustering of customer's A marketing device is disclosed that classifies customers into lifestyle groups. Furthermore, Patent Literature 1 discloses segmentation (classification) of customers using product domain knowledge and identification of purchase factors for each segment (group).
  • Patent Document 2 discloses a customer analysis system that quantitatively evaluates a customer's purchase preference type and assists in designing a purchase preference type that has a high degree of agreement with the actual product purchase history.
  • Patent Literatures 1 and 2 cannot segment customers if the characteristics (attributes) of the product cannot be grasped (there is no domain knowledge of the product), and furthermore, the customer cannot be segmented. It is also difficult to identify purchasing factors.
  • the main purpose of the present invention is to make it possible to classify customers and identify purchasing factors even for products whose characteristics are not fully understood.
  • a customer classification device comprises an acquisition means for acquiring customer attribute information about a customer, product attribute information about a product, and purchase history information representing a purchase history of the product by the customer; Estimating means for estimating factors of purchase of the product by the customer based on the attribute information, the product attribute information, and the purchase history information; and classification for classifying the customer into groups based on the purchase factors. means, and an output means for outputting the customer classification result.
  • a customer classification method provides an information processing device that collects customer attribute information about a customer, product attribute information about a product, and purchase history of the product by the customer. and purchase history information representing the product, and based on the customer attribute information, the product attribute information, and the purchase history information, presuming the purchase factor of the product by the customer, and based on the purchase factor , classifying the customers into groups and outputting the classification result of the customers.
  • a customer classification program includes customer attribute information about a customer, product attribute information about a product, and a purchase history representing a purchase history of the product by the customer.
  • a classification process for classifying the customers into groups and an output process for outputting the classification results of the customers are executed by a computer.
  • the present invention can also be implemented by a computer-readable, non-volatile recording medium storing such a customer classification program (computer program).
  • the purchasing factors can be identified, so it is possible to contribute to the sales and development of products that meet the customer's needs.
  • FIG. 4 is a flowchart showing an operation of generating an estimation model 150 (performing machine learning) by the customer classification device 10 according to the first embodiment of the present invention
  • FIG. 3 is a diagram illustrating a manner in which the customer classification device 10 according to the first embodiment of the present invention displays customer classification results on the display screen 200 of the management terminal device 20;
  • FIG. 2 is a diagram illustrating a manner in which the customer classification device 10 according to the first embodiment of the present invention displays details of attributes of individual customers on the display screen 200 of the management terminal device 20; 4 is a flow chart showing the operation of classifying customers into groups by the customer classification device 10 according to the first embodiment of the present invention. It is a block diagram which shows the structure of 10 A of customer classification systems based on the modification of the 1st Embodiment of this invention. It is a block diagram which shows the structure of the customer classification device 30 which concerns on the 2nd Embodiment of this invention.
  • 1 is a block diagram showing the configuration of an information processing device 900 capable of implementing a customer classification device according to each embodiment of the present invention; FIG.
  • FIG. 1 is a block diagram showing the configuration of a customer classification device 10 according to the first embodiment of the invention.
  • the customer classification device 10 according to the present embodiment is a device that estimates the purchase factor of a customer purchasing a product and classifies the customer into groups based on the purchase factor.
  • a management terminal device 20 is communicably connected to the customer classification device 10 .
  • the management terminal device 20 is an example of a display device.
  • the management terminal device 20 is used by the user who uses the customer classification device 10 to input information to the customer classification device 10 and to check information output from the customer classification device 10. Computers and other information processing devices.
  • the management terminal device 20 is provided with a display screen 200 for displaying customer classification results and the like output from the customer classification device 10 .
  • the customer classification device 10 includes an acquisition unit 11, an estimation unit 12, a classification unit 13, an output unit 14, and a model generation unit 15.
  • the acquisition unit 11, the estimation unit 12, the classification unit 13, the output unit 14, and the model generation unit 15 are examples of acquisition means, estimation means, classification means, output means, and model generation means, respectively.
  • the estimation unit 12 also includes a purchase estimation unit 121 and a purchase factor generation unit 122 .
  • the purchase estimation unit 121 and the purchase factor generation unit 122 are examples of purchase estimation means and purchase factor generation means, respectively.
  • the customer classification device 10 generates or updates the estimation model 150 shown in FIG. operation is explained. Next, the operation of classifying customers into groups using the generated or updated estimation model 150 by the customer classification device 10 will be described.
  • the acquisition unit 11 acquires customer attribute information 101 and product attribute information 102 registered in, for example, an external computer device or database (not shown) as learning input information used to generate or update the estimation model 150. , and purchase history information 103 is acquired.
  • the customer attribute information 101 is information representing the attributes of the learning target customer registered in the database or the like.
  • the customer may be, for example, an individual (consumer) or an organization (organization) such as a company.
  • the customer attribute information 101 includes at least one of age, gender, occupation, income, nationality, family composition, place of residence, body type, hobbies, tastes, behavior history, occupation, and position regarding individual customers. Occupations include, for example, white collar or blue collar.
  • the family structure represents, for example, whether or not there is a cohabitant (whether or not the person lives alone), whether or not the person is married, whether or not the person has children, and the like.
  • the body type represents, for example, whether the person is fat or thin.
  • the customer attribute information 101 is related to the customer of the organization, for example, at least one of the type of organization, the number of years since its establishment, the type of business, the location of the head office and business office, the revenue, the capital, the number of employees, the activity history, and the type of business. including one.
  • Types of organizations include, for example, private companies, public offices, and local governments.
  • the type of business includes, for example, manufacturing or non-manufacturing.
  • the number of employees includes, for example, the age structure of employees.
  • the form of business includes, for example, whether the object of business is a business operator such as a company or a consumer.
  • the items included in the customer attribute information 101 are not limited to the above items.
  • the product attribute information 102 is information representing attributes related to learning target products registered in the database or the like.
  • the product attribute information 102 includes, for example, at least one of product name, product identifier, type, quantity, price, performance, reliability, quality, appearance, manufacturer, seller, raw materials, and release date regarding the product. Items included in the product attribute information 102 are not limited to these.
  • the purchase history information 103 is information representing the history of purchases of the product represented by the product attribute information 102 by the customer represented by the customer attribute information 101 .
  • the purchase history information 103 includes information indicating whether or not the customer has purchased the product.
  • the model generation unit 15 performs learning based on the customer attribute information 101 about the customer to be learned, the product attribute information 102 about the product to be learned, and the purchase history information 103 of the product by the customer, so that the estimated model 150 is generated or updated.
  • the model generation unit 15 uses the purchase history information 103 as a label in learning, and is used when estimating whether or not the customer with the attribute indicated by the customer attribute information 101 will purchase the product with the attribute indicated by the product attribute information 102. Determine explanatory variables.
  • the customer attribute information 101 indicates that a new business is under development for a certain customer
  • the product attribute information 102 functions as AI (Artificial Intelligence) capable of predicting market trends for a certain product. It is assumed that It is assumed that the purchase history information 103 indicates that the customer purchased the product.
  • the model generating unit 15 determines that the customer is developing a new business and the product is an AI capable of predicting market trends, as explanatory variables.
  • the model generation unit 15 Based on the customer attribute information 101, the product attribute information 102, and the purchase history information 103, the model generation unit 15 generates or updates the estimation model 150 by generating or updating the criteria (rules) represented by the explanatory variables. do. For example, the model generation unit 15 determines whether the customer who is developing a new business has purchased an AI capable of predicting market trends. Update the estimation model 150 so that is increased.
  • the customer attribute information 101 indicates that at least one of the reliability and performance of an information processing device is emphasized for a certain customer
  • the product attribute information 102 indicates that at least one of the reliability and performance is important for a certain information processing device. It is assumed to represent high.
  • the purchase history information 103 indicates that the customer has purchased the information processing apparatus.
  • the model generator 15 determines that the customer attaches importance to at least one of the reliability and performance of the information processing device and that the information processing device has high reliability and/or performance as an explanatory variable.
  • the model generation unit 15 determines whether the customer purchases the product as the number of cases where the customer who attaches importance to at least one of the reliability and performance of the information processing device purchases the information processing device having at least one of the high reliability and performance increases.
  • the estimation model 150 is updated so that the contribution of the explanatory variable in the estimation of whether or not is increased.
  • the acquisition unit 11 acquires customer attribute information 101, product attribute information 102, and purchase history information 103 regarding learning targets (step S101).
  • the model generation unit 15 determines explanatory variables used when estimating whether or not the customer indicated by the customer attribute information 101 will purchase the product indicated by the product attribute information 102 (step S102).
  • the model generation unit 15 Based on the acquired customer attribute information 101, product attribute information 102, and purchase history information 103, the model generation unit 15 generates or updates the estimation model 150 by generating or updating the criteria represented by the explanatory variables. (step S103), and the entire process ends.
  • the acquisition unit 11 acquires customer attribute information 101 related to the customer and product attribute information 102 related to the product, which are used to estimate whether the target customer will purchase the target product. Note that the estimation target customer and product may overlap with the learning target customer and product described above.
  • the purchase estimation unit 121 in the estimation unit 12 determines whether or not the estimation target customer will purchase the estimation target product based on the customer attribute information 101 and the product attribute information 102 acquired by the acquisition unit 11 and the estimation model 150. to estimate
  • the purchase factor generating unit 122 in the estimating unit 12 generates an estimated reason for the estimation result by the purchase estimating unit 121 as a purchasing factor.
  • the purchase factor generation unit 122 may generate purchase factors by using, for example, an existing deep learning attention mechanism (attention mechanism). That is, the estimation model 150 is a model using an attention mechanism.
  • an existing deep learning attention mechanism attention mechanism
  • the classification unit 13 classifies customers into groups based on the purchase factors generated by the purchase factor generation unit 122.
  • the output unit 14 outputs the result of classifying the customers into groups by the classifying unit 13 to the management terminal device 20 .
  • the management terminal device 20 displays the customer classification result input from the output unit 14 on the display screen 200 . If the customer classification device 10 has a display screen, the output unit 14 may display the classification result on the display screen of the customer classification device 10 .
  • FIG. 3 is a diagram illustrating how the customer classification device 10 according to the present embodiment displays the customer classification result on the display screen 200 of the management terminal device 20. As shown in FIG.
  • the classification unit 13 divides the information processing device to be purchased, for example, represented by the customer attribute information 101, into two types: a feature quantity indicating the degree of emphasis placed on reliability and a feature quantity indicating the degree of emphasis placed on performance. Categorize your customers in terms of metrics.
  • the index for classification is not limited to the above as long as it is a value or feature amount indicating the customer attribute information 101 or a value or feature amount indicating the product attribute information 102 .
  • the number of indices for classification is not limited to two.
  • the output unit 14 outputs a graph (scatter diagram, distribution diagram) representing the customer classification result by the classification unit 13 .
  • a graph scatter diagram, distribution diagram
  • square, triangle, star, rhombus, and circular symbols represent individual customers.
  • the classification unit 13 classifies customers into four groups, groups A to D. Then, the output unit 14 outputs a graph that displays the customers in different modes for each group to which they belong. That is, in the graph, the output unit 14 displays customers belonging to group A with square symbols, customers belonging to group B with triangular symbols, and customers belonging to group C with star symbols. , the customers belonging to group D are indicated by diamond-shaped symbols. The output unit 14 also displays customers who do not belong to any group with circular symbols. In the graph, the output unit 14 may display the customers in different colors for each group to which they belong.
  • the output unit 14 may also output a graph including figures surrounding customers belonging to the same group.
  • the output unit 14 represents curves representing individual regions of groups A to D in the graph.
  • the customer classification device 10 that generates purchase factors when a customer purchases a product and classifies customers into groups based on the generated purchase factors will be described in detail. .
  • the feature amount of the degree of emphasis on reliability and the feature amount of the degree of emphasis on performance are obtained from the results of a questionnaire survey of customers conducted at events such as exhibitions or on the Internet. It can be obtained from information representing available customer attributes.
  • the degree of emphasizing reliability and the degree of emphasizing performance may be, for example, numerically self-evaluated values by customers in the questionnaire survey.
  • the degree to which reliability is emphasized and the degree to which performance is emphasized may be values scored using predetermined calculation criteria based on, for example, the customer's industry or company size. For example, customers who are financial institutions such as banks or transportation facilities such as railway companies generally tend to place the greatest emphasis on reliability when introducing information processing equipment that controls social infrastructure. The degree of emphasizing reliability represented by the customer attribute information 101 on customers tends to be a high value. In addition, for example, customers such as universities and research institutes generally tend to place the highest priority on performance when introducing information processing equipment that performs scientific and technological calculations. The degree of emphasizing the performance to be delivered tends to be a high value.
  • Group A illustrated in FIG. 3 represents a group of customers who attach importance to the performance of the information processing equipment they purchase and do not attach much importance to reliability.
  • Group B represents a group of customers who do not attach much importance to the reliability and performance of the information processing apparatus.
  • Group C represents a group of customers who attach importance to both reliability and performance of the information processing apparatus.
  • Group D represents a group of customers who attach importance to reliability and not so much to performance regarding the information processing apparatus.
  • the purchase estimation unit 121 in the estimation unit 12 uses the estimation model 150 to estimate whether a certain customer will purchase a certain information processing device (product).
  • the purchase factor generation unit 122 in the estimation unit 12 selects a highly reliable information processing device because the customer attaches importance to reliability, and purchases a high performance information processing device because the customer attaches importance to performance. Generate a purchase factor indicating purchase.
  • the classification unit 13 classifies individual customers based on the degree of emphasis on product reliability and the degree of emphasis on product reliability, which are customer attributes represented by the purchase factors generated by the purchase factor generation unit 122. are classified into one of groups A to D described above. At this time, the classification unit 13 may use, for example, a range of values representing the degree of importance placed on reliability and a criterion indicating a range of values representing the degree of importance placed on reliability.
  • the output unit 14 displays the customer attribute information 101 about the specific customer. It is also possible to control the management terminal device 20 immediately. For example, as illustrated in FIG. 3, the output unit 14 performs an input operation of selecting a symbol of a certain customer belonging to group D on the display screen 200 (for example, moving the mouse cursor to the symbol representing the customer and clicking the mouse). operation), the management terminal device 20 is controlled to display that the identifier (for example, name) of the customer is "customer D001".
  • FIG. 4 shows that when the management terminal device 20 receives an input operation to select a symbol of a specific customer among the customers in the graph displayed on the display screen 200, the management terminal device 20 is controlled by the output unit 14 to It is a figure which illustrates the aspect which displays the detail of the attribute of the said specific customer.
  • the management terminal device 20 receives an input operation for selecting a symbol of any customer (customer A001) belonging to group A illustrated in FIG.
  • the management terminal device 20 is controlled to display the bar graph on the display screen 200 .
  • the bar graph illustrated in (a) of FIG. 4 represents the feature quantity of the degree of emphasis on the price of the product, in addition to the feature quantity of the degree of emphasis on the customer's reliability and performance.
  • the management terminal device 20 when the management terminal device 20 receives an input operation for selecting a symbol of one of the customers (customer B001, customer C001, or customer D001) belonging to groups B to D illustrated in FIG. controls the management terminal device 20 to display the bar graphs illustrated in (b) to (d) of FIG.
  • the graph illustrated in FIG. 4 is information that is used by the user of the customer classification device 10 in examining sales and development of products that match customers.
  • the output unit 14 displays the customer selected by the input operation on the display screen 200 including the attributes indicated by the customer attribute information 101, which are not represented in the graph illustrated in FIG.
  • the management terminal device 20 is controlled as follows.
  • the output unit 14 may control the management terminal device 20 to display the characteristics of the customer attribute information 101 related to the groups displayed in the graph illustrated in FIG. More specifically, for example, the output unit 14 manages to display the average value of the values indicated by the customer attribute information 101 of the customers belonging to the group in a manner similar to the manner illustrated in FIG.
  • the terminal device 20 should be controlled. That is, in this case, each bar graph illustrated in FIG. 4 does not represent the customer attribute information 101 related to a specific customer, but represents, for example, the average value of the values represented by the customer attribute information 101 related to customers belonging to the group for each group. show.
  • the management terminal device 20 may display the graph illustrated in FIG. 4 on the display screen 200 in the same window as the window displaying the graph illustrated in FIG. can be
  • the display mode of the customer classification results output by the output unit 14 is not limited to the modes illustrated in FIGS.
  • the display mode of the customer classification result output by the output unit 14 may be, for example, a graph in a format different from that in FIGS. 3 and 4, or text.
  • model generation unit 15 described above generates customer attribute information 101 and product attribute information 102 related to customers belonging to the group, and purchase history information 103 related to customers belonging to the group, based on the customer classification result by the classification unit 13.
  • An inference model 150 representing the relationship may be generated or updated.
  • the acquisition unit 11 acquires the customer attribute information 101 and product attribute information 102 regarding the estimation target (step S201).
  • the purchase estimation unit 121 in the estimation unit 12 determines whether or not the estimation target customer will purchase the estimation target product based on the customer attribute information 101 and the product attribute information 102 acquired by the acquisition unit 11 and the estimation model 150. is estimated (step S202).
  • the purchase factor generating unit 122 in the estimating unit 12 generates the reasons estimated by the purchase estimating unit 121 as purchasing factors by using the attention mechanism of deep learning (step S203).
  • the classification unit 13 classifies customers into groups based on the customer attribute information 101 indicated by the purchase factors generated by the purchase factor generation unit 122 (step S204).
  • the output unit 14 outputs the result of classifying the customers into groups by the classifying unit 13 to the management terminal device 20 (step S205), and the entire process ends.
  • the customer classification device 10 can identify the purchasing factors even for products whose characteristics are not fully understood, so it can contribute to the sales and development of products tailored to customers. The reason for this is that the customer classification device 10 presumes the purchase factor for the customer to purchase the product based on the customer attribute information 101, the product attribute information 102, and the purchase history information 103, and identifies the customer based on the purchase factor. Because it classifies
  • the customer classification device 10 includes an acquisition unit 11, an estimation unit 12, a classification unit 13, and an output unit 14. See FIGS. 1 to 5, for example. and operate as described above. That is, the acquisition unit 11 acquires customer attribute information 101 about the customer, product attribute information 102 about the product, and purchase history information 103 representing the purchase history of the product by the customer. Based on the customer attribute information 101, the product attribute information 102, and the purchase history information 103, the estimation unit 12 estimates the purchase factor of the product by the customer. The classification unit 13 classifies the customer into groups based on the purchase factor. Then, the output unit 14 outputs the classification result of the customer.
  • the customer classification device 10 estimates purchase factors based on the attributes of the customer and the product, and the purchase history of the product by the customer, and classifies the customers based on the purchase factors. , the customer classification result reflects the characteristics of the product. Therefore, the customer classification device 10 can identify the purchasing factor for each customer group even for a product whose characteristics are not sufficiently grasped, so that it can contribute to the sales and development of products suitable for the customer.
  • the customer classification device 10 outputs a graph showing the values of the customer attribute information 101 representing the customer classification results to the management terminal device 20, and in the graph, the customers are shown in FIG. are displayed in different manners for each group. Thereby, the customer classification device 10 can present the customer classification result to the user in an easy-to-understand manner.
  • the customer classification device 10 when the customer classification device 10 according to the present embodiment receives an input operation for selecting a symbol of a specific customer among the customers displayed on the graph displayed on the display screen 200 by the management terminal device 20, the specified customer symbol is selected.
  • the management terminal device 20 is controlled so as to display the customer attribute information 101 relating to the customer, for example, as exemplified in FIG.
  • the customer classification device 10 can assist the user in efficiently considering the sale and development of products suited to the customer.
  • the customer classification device 10 for example, as illustrated in FIG. to control the management terminal device 20 to display .
  • the customer classification device 10 can assist the user in efficiently considering the sale and development of products suited to the customer.
  • the functions realized by the customer classification device 10 according to the present embodiment described above may be realized by a system configured by a plurality of information processing devices.
  • FIG. 7 is a block diagram showing the configuration of a customer classification system 10A according to a modified example of this embodiment.
  • the functions of the customer classification system 10A are equivalent to those of the customer classification device 10 described above.
  • the customer classification system 10A includes an acquisition device 11A, an estimation device 12A, a classification device 13A, an output device 14A, and a model generation device 15A, each of which is an information processing device.
  • the acquisition device 11A, the estimation device 12A, the classification device 13A, the output device 14A, and the model generation device 15A are the acquisition unit 11, the estimation unit 12, the classification unit 13, the output unit 14, and the model generation unit 15 described above in this order. It has the same function as Acquisition device 11A, estimation device 12A, classification device 13A, output device 14A, and model generation device 15A are communicably connected to each other.
  • the configuration of the customer classification system 10A is not limited to a configuration including information processing devices corresponding to individual components of the customer classification device 10.
  • the customer classification system 10A may include, for example, multiple components of the customer classification device 10 as one information processing device.
  • FIG. 7 is a block diagram showing the configuration of the customer classification device 30 according to the second embodiment of the invention.
  • the customer classification device 30 includes an acquisition unit 31 , an estimation unit 32 , a classification unit 33 and an output unit 34 .
  • the acquisition unit 31, the estimation unit 32, the classification unit 33, and the output unit 34 are examples of acquisition means, estimation means, classification means, and output means, respectively.
  • the acquisition unit 31 acquires customer attribute information 301 about the customer, product attribute information 302 about the product, and purchase history information 303 representing the purchase history of the product by the customer.
  • the customer attribute information 301 is, for example, information similar to the customer attribute information 101 according to the first embodiment.
  • the product attribute information 302 is, for example, information similar to the product attribute information 102 according to the first embodiment.
  • the purchase history information 303 is, for example, information similar to the purchase history information 103 according to the first embodiment.
  • the acquisition unit 31 operates, for example, in the same manner as the acquisition unit 11 according to the first embodiment.
  • the estimation unit 32 estimates the purchase factor 320 of the product by the customer.
  • the estimation unit 32 has, for example, the same configuration as the purchase estimation unit 121 and the purchase factor generation unit 122 in the estimation unit 12 according to the first embodiment, and an estimation model equivalent to the estimation model 150 according to the first embodiment. is used to estimate purchase factors 320 .
  • the classification unit 33 classifies the customer into groups 330 based on the purchase factors 320 .
  • the classification unit 33 classifies the customer into a group 330 based on the customer attribute information 301 indicated by the purchase factor 320, for example, like the classification unit 13 according to the first embodiment.
  • the output unit 34 outputs the classification result of the customer.
  • the output unit 34 outputs, for example, the classification results of the modes illustrated in FIGS. 3 and 4 to a device such as the management terminal device 20, like the output unit 14 according to the first embodiment.
  • the customer classification device 30 can identify the purchase factors even for products whose characteristics are not fully understood, so it can contribute to the sales and development of products tailored to customers.
  • the reason for this is that the customer classification device 30 estimates purchase factors 320 for the customer to purchase products based on the customer attribute information 301, product attribute information 302, and purchase history information 303, and based on the purchase factors 320, the customer because it classifies
  • Each unit in the customer classification device 10 shown in FIG. 1 or the customer classification device 30 shown in FIG. 7 in each of the above-described embodiments can be realized by a dedicated HW (HardWare) (electronic circuit).
  • HW HardWare
  • FIGS. 1 and 7 at least the following configuration can be regarded as a functional (processing) unit (software module) of the software program.
  • FIG. 8 exemplarily illustrates the configuration of an information processing device 900 (computer system) capable of realizing the customer classification device 10 according to the first embodiment of the present invention or the customer classification device 30 according to the second embodiment of the present invention. It is a diagram. That is, FIG. 8 shows the configuration of at least one computer (information processing device) capable of implementing the customer classification devices 10 and 30 shown in FIGS. Represents a hardware environment.
  • the information processing apparatus 900 shown in FIG. 8 includes the following components as components, but may not include some of the components below.
  • CPU Central_Processing_Unit
  • ROM Read_Only_Memory
  • RAM Random_Access_Memory
  • Hard disk storage device
  • a reader/writer 908 capable of reading and writing data stored in a recording medium 907 such as a CD-ROM (Compact_Disc_Read_Only_Memory); - An input/output interface 909 such as a monitor, a speaker, and a keyboard.
  • the information processing device 900 having the above components is a general computer in which these components are connected via a bus 906 .
  • the information processing apparatus 900 may include a plurality of CPUs 901 or may include CPUs 901 configured by multi-cores.
  • the information processing apparatus 900 may include a GPU (Graphical Processing Unit) (not shown) in addition to the CPU 901 .
  • the present invention which has been described with the above-described embodiment as an example, supplies a computer program capable of realizing the following functions to the information processing apparatus 900 shown in FIG.
  • the function is the above-described configuration in the block configuration diagrams (FIGS. 1 and 7) referred to in the description of the embodiment, or the function of the flow charts (FIGS. 2 and 5).
  • the present invention is then achieved by reading the computer program to the CPU 901 of the hardware, interpreting it, and executing it.
  • the computer program supplied to the apparatus may be stored in a readable/writable volatile memory (RAM 903) or a nonvolatile storage device such as ROM 902 or hard disk 904.
  • the method of supplying the computer program to the hardware concerned can adopt a general procedure at present.
  • the procedure includes, for example, a method of installing in the device via various recording media 907 such as a CD-ROM, and a method of downloading from the outside via a communication line such as the Internet.
  • the present invention can be considered to be constituted by the code that constitutes the computer program or the recording medium 907 that stores the code.
  • the output means outputs a graph representing the classification results to a display device, In the graph, the customers are displayed in different manners for each group, The customer classification device according to appendix 1.
  • the graph includes figures surrounding the customers belonging to the same group, The customer classification device according to appendix 2 or appendix 3.
  • the output means displays the customer attribute information related to the specific customer when the display device receives an input operation of selecting a symbol of a specific customer from among the symbols representing the customer displayed on the graph. do, The customer classification device according to any one of appendices 2 to 4.
  • the output means displays features of the customer attribute information related to the group displayed on the graph.
  • the customer classification device according to any one of appendices 2 to 5.
  • the output means displays an average value of values indicated by the customer attribute information of the customers belonging to the group for each group.
  • the customer classification device according to appendix 6.
  • the customer attribute information is If the customer is an individual, at least one of the customer's age, gender, occupation, income, nationality, family structure, place of residence, body type, hobbies, preferences, behavior history, occupation, and position, If the customer is an organization, at least one of the type of customer, number of years since establishment, industry, location of headquarters and place of business, revenue, capital, number of employees, activity history, business form, The customer classification device according to any one of appendices 1 to 7.
  • the product attribute information includes at least one of the product name, product identifier, type, quantity, price, performance, reliability, quality, appearance, manufacturer, seller, raw materials, and release date of the product.
  • the customer classification device according to any one of appendices 1 to 8.
  • the estimation means is purchase estimation means for estimating whether the customer will purchase the product based on an estimation model that has learned the relationship between the customer attribute information, the product attribute information, and the purchase history information; a purchase factor generation means for generating the reason estimated by the purchase estimation means as the purchase factor; comprising The customer classification device according to any one of appendices 1 to 9.
  • Appendix 11 further comprising model generating means for generating the estimated model;
  • the model generation means performs the estimation representing the relationship between the customer attribute information and the product attribute information regarding the customer belonging to the group and the purchase history information regarding the customer belonging to the group, based on the classification result. generate the model, 11.
  • the customer classification device according to appendix 10.
  • the estimated model is a model using an attention mechanism, 12.
  • Appendix 15 an acquisition process for acquiring customer attribute information about a customer, product attribute information about a product, and purchase history information representing a purchase history of the product by the customer; an estimation process of estimating the purchase factors of the product by the customer based on the customer attribute information, the product attribute information, and the purchase history information; a classification process for classifying the customers into groups based on the purchase factors; an output process for outputting the customer classification result;
  • a recording medium storing a customer classification program for causing a computer to execute

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

顧客分類装置３０は、顧客に関する顧客属性情報３０１と、商品に関する商品属性情報３０２と、当該顧客による当該商品の購買履歴を表す購買履歴情報３０３と、を取得する取得部３１と、顧客属性情報３０１と、商品属性情報３０２と、購買履歴情報３０３と、に基づいて、当該顧客による当該商品の購買要因３２０を推定する推定部３２と、購買要因３２０に基づいて、当該顧客をグループ３３０に分類する分類部３３と、当該顧客の分類結果を出力する出力部３４と、を備えることによって、特性を十分に把握できていない商品であっても、その購買要因を特定できるので、顧客に合わせた商品の販売や開発に寄与することができる。

Description

顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体
　本発明は、顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体に関する。
　企業等におけるマーケティングにおいて、顧客に合わせた商品の販売や開発を行うために、顧客の分類（セグメンテーションあるいはクラスタリングとも称する）が行われている。そして、例えば、顧客をグループに分類した後にグループごとに因子分析を行い、購買要因を特定することが行われおり、このような分析作業を支援する技術が期待されている。
　このような技術に関連する技術として、特許文献１には、ＰＯＳ（Point Of Sale）データに含まれる販売情報と顧客の個人情報とを結びつけ、非階層的クラスタリングと階層的クラスタリングとにより、顧客のライフスタイル別のグループに顧客を分類するマーケティング装置が開示されている。さらに、特許文献１には、商品のドメイン知識を用いて顧客をセグメンテーション（分類）し、セグメント（グループ）毎に購買要因を特定することが開示されている。
　また、特許文献２には、顧客の購買嗜好タイプを定量的に評価し、実際の商品購買履歴との間の一致度が高い購買嗜好タイプを設計することを支援する顧客分析システムが開示されている。
特許第６１８１３６０号公報 特開２０１６－１３６４１０号公報
　特許文献１及び２に開示された技術では、商品の特性（属性）を把握できていない（商品のドメイン知識がない）と顧客をセグメンテーションすることができず、さらに、顧客をセグメンテーションすることができないと購買要因を特定することも困難である。
　本発明の主たる目的は、特性を十分に把握できていない商品であっても、顧客の分類及び購買要因の特定を可能にすることである。
　本発明の一態様に係る顧客分類装置は、顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得する取得手段と、前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定する推定手段と、前記購買要因に基づいて、前記顧客をグループに分類する分類手段と、前記顧客の分類結果を出力する出力手段と、を備える。
　上記目的を達成する他の見地において、本発明の一態様に係る顧客分類方法は、情報処理装置によって、顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得し、前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定し、前記購買要因に基づいて、前記顧客をグループに分類し、前記顧客の分類結果を出力する。
　また、上記目的を達成する更なる見地において、本発明の一態様に係る顧客分類プログラムは、顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得する取得処理と、前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定する推定処理と、前記購買要因に基づいて、前記顧客をグループに分類する分類処理と、前記顧客の分類結果を出力する出力処理と、をコンピュータ実行させる。
　更に、本発明は、係る顧客分類プログラム（コンピュータプログラム）が格納された、コンピュータ読み取り可能な、不揮発性の記録媒体によっても実現可能である。
　本発明によれば、特性を十分に把握できていない商品であっても、その購買要因を特定できるので、顧客に合わせた商品の販売や開発に寄与することができる。
本発明の第１の実施形態に係る顧客分類装置１０の構成を示すブロック図である。 本発明の第１の実施形態に係る顧客分類装置１０が推定モデル１５０を生成する（機械学習を行う）動作を示すフローチャートである。 本発明の第１の実施形態に係る顧客分類装置１０が管理端末装置２０の表示画面２００に顧客の分類結果を表示する態様を例示する図である。 本発明の第１の実施形態に係る顧客分類装置１０が管理端末装置２０の表示画面２００に個々の顧客の属性の詳細を表示する態様を例示する図である。 本発明の第１の実施形態に係る顧客分類装置１０が顧客をグループに分類する動作を示すフローチャートである。 本発明の第１の実施形態の変形例に係る顧客分類システム１０Ａの構成を示すブロック図である。 本発明の第２の実施形態に係る顧客分類装置３０の構成を示すブロック図である。 本発明の各実施形態に係る顧客分類装置を実現可能な情報処理装置９００の構成を示すブロック図である。
　以下、本発明の実施の形態について図面を参照して詳細に説明する。
　＜第１の実施形態＞
　図１は、本発明の第１の実施の形態に係る顧客分類装置１０の構成を示すブロック図である。本実施形態に係る顧客分類装置１０は、顧客が商品を購買した購買要因を推定し、その購買要因に基づいて顧客をグループに分類する装置である。
　顧客分類装置１０には、管理端末装置２０が通信可能に接続されている。管理端末装置２０は、表示装置の一例である。管理端末装置２０は、顧客分類装置１０を使用するユーザが、顧客分類装置１０に対して情報を入力したり、顧客分類装置１０から出力された情報を確認したりする際に使用する、例えばパーソナルコンピュータ、その他の情報処理装置である。管理端末装置２０は、顧客分類装置１０から出力された、顧客の分類結果等を表示する表示画面２００を備えている。
　顧客分類装置１０は、取得部１１、推定部１２、分類部１３、出力部１４、及びモデル生成部１５を備えている。取得部１１、推定部１２、分類部１３、出力部１４、及びモデル生成部１５は、順に、取得手段、推定手段、分類手段、出力手段、及びモデル生成手段の一例である。
　また、推定部１２は、購買推定部１２１及び購買要因生成部１２２を備える。購買推定部１２１及び購買要因生成部１２２は、順に、購買推定手段及び購買要因生成手段の一例である。
　次に、本実施形態に係る顧客分類装置１０が、ある属性の顧客がある属性の商品を購入するか否かを推定する際に用いる、図１に示す推定モデル１５０を機械学習によって生成あるいは更新する動作を説明する。そしてその次に、顧客分類装置１０が、生成あるいは更新した推定モデル１５０を用いて、顧客をグループに分類する動作について説明する。
　＜推定モデル１５０を生成（更新）する動作＞
　まず、本実施形態に係る顧客分類装置１０が、ある属性の顧客がある属性の商品を購入するか否かを推定するための推定モデル１５０を機械学習によって生成あるいは更新する動作について説明する。
　取得部１１は、推定モデル１５０の生成あるいは更新に使用する学習用の入力情報として、例えば外部のコンピュータ装置あるいはデータベース等（図示せず）に登録されている、顧客属性情報１０１、商品属性情報１０２、及び、購買履歴情報１０３を取得する。
　顧客属性情報１０１は、当該データベース等に登録されている学習対象の顧客に関する属性を表す情報である。顧客は、例えば、個人（消費者）でもよいし、企業等の組織（団体）でもよい。
　顧客属性情報１０１は、個人の顧客に関する、例えば、年齢、性別、職業、収入、国籍、家族構成、居住地、体型、趣味、嗜好、行動履歴、職種、役職の少なくとも一つを含む。職業は、例えば、ホワイトカラーあるいはブルーカラーを含む。家族構成は、例えば、同居人の有無（一人暮らしか否か）、既婚者か否か、子供の有無等を表す。体型は、例えば、太っているか痩せているか等を表す。
　顧客属性情報１０１は、組織の顧客に関する、例えば、組織の種別、設立してからの年数、業種、本社及び事業所の場所、収益、資本金、従業員数、活動履歴、ビジネスの形態の少なくとも一つを含む。組織の種別は、例えば、民間企業、官公庁、自治体を含む。業種は、例えば、製造業あるいは非製造業を含む。従業員数は、例えば、従業員の年齢構成を含む。ビジネスの形態は、例えば、ビジネスの対象が企業等の事業者であるのかあるいは消費者であるのかを含む。
　尚、顧客属性情報１０１に含まれる項目は、上述の項目に限定されない。
　商品属性情報１０２は、当該データベース等に登録されている学習対象の商品に関する属性を表す情報である。商品属性情報１０２は、当該商品に関する、例えば、商品名、商品識別子、種別、量、価格、性能、信頼性、品質、外観、製造者、販売者、原材料、発売時期の少なくとも一つを含む。尚、商品属性情報１０２に含まれる項目は、これらに限定されない。
　購買履歴情報１０３は、顧客属性情報１０１が表す顧客が商品属性情報１０２が表す商品を購入した履歴を表す情報である。例えば、購買履歴情報１０３は、当該顧客が当該商品を購入したか否かを表す情報を含む。
　モデル生成部１５は、上述した学習対象の顧客に関する顧客属性情報１０１、学習対象の商品に関する商品属性情報１０２、及び、当該顧客による当該商品の購買履歴情報１０３に基づく学習を行うことによって、推定モデル１５０を生成あるいは更新する。モデル生成部１５は、購買履歴情報１０３を学習におけるラベルとして使用し、顧客属性情報１０１が示す属性の顧客が、商品属性情報１０２が示す属性の商品を購入するか否かを推定する際に用いる説明変数を決定する。
　例えば、顧客属性情報１０１が、ある顧客に関して新規事業を開発中の状態にあることを表し、商品属性情報１０２が、ある商品に関して市場の動向を予測可能なＡＩ（Artificial Intelligence）としての機能を有することを表すこととする。そして、購買履歴情報１０３が、当該顧客が当該商品を購買したことを表すこととする。この場合、モデル生成部１５は、顧客が新規事業を開発中であり商品が市場の動向を予測可能なＡＩであることを説明変数として決定する。
　モデル生成部１５は、顧客属性情報１０１、商品属性情報１０２、購買履歴情報１０３に基づいて、当該説明変数により表される基準（ルール）を生成あるいは更新することによって、推定モデル１５０を生成あるいは更新する。モデル生成部１５は、例えば、新規事業を開発中の顧客が市場の動向を予測可能なＡＩを購買した事例が多くなるほど、顧客が商品を購買するか否かの推定における当該説明変数の寄与度が大きくなるように推定モデル１５０を更新する。
　あるいは例えば、顧客属性情報１０１が、ある顧客に関して情報処理装置の信頼性及び性能の少なくとも一つを重視することを表し、商品属性情報１０２が、ある情報処理装置に関して信頼性及び性能の少なくとも一つが高いことを表すこととする。そして、購買履歴情報１０３が、当該顧客が当該情報処理装置を購買したことを表すこととする。この場合、モデル生成部１５は、顧客が情報処理装置の信頼性及び性能の少なくとも一つを重視し、情報処理装置が信頼性及び性能の少なくとも一つが高いことを、説明変数として決定する。
　モデル生成部１５は、情報処理装置の信頼性及び性能の少なくとも一つを重視する顧客が信頼性及び性能の少なくとも一つが高い情報処理装置を購買した事例が多くなるほど、顧客が商品を購買するか否かの推定における当該説明変数の寄与度が大きくなるように推定モデル１５０を更新する。
　次に図２のフローチャートを参照して、本実施形態に係る顧客分類装置１０が推定モデル１５０を生成する（機械学習を行う）動作（処理）について詳細に説明する。
　取得部１１は、学習対象に関する、顧客属性情報１０１、商品属性情報１０２、購買履歴情報１０３を取得する（ステップＳ１０１）。モデル生成部１５は、顧客属性情報１０１が示す顧客が、商品属性情報１０２が示す商品を購入するか否かを推定する際に用いる、説明変数を決定する（ステップＳ１０２）。
　モデル生成部１５は、取得された顧客属性情報１０１、商品属性情報１０２、購買履歴情報１０３に基づいて、当該説明変数により表される基準を生成あるいは更新することによって、推定モデル１５０を生成あるいは更新し（ステップＳ１０３）、全体の処理は終了する。
　＜顧客をグループに分類する動作＞
　次に、本実施形態に係る顧客分類装置１０が、上述の通りに生成あるいは更新した推定モデル１５０を用いて、顧客をグループに分類する動作について説明する。
　取得部１１は、推定対象の顧客が推定対象の商品を購買するか否かの推定に用いる、当該顧客に関する顧客属性情報１０１、及び、当該商品に関する商品属性情報１０２を取得する。尚、推定対象の顧客及び商品は、上述した学習対象の顧客及び商品と重複してもよい。
　推定部１２における購買推定部１２１は、取得部１１によって取得された顧客属性情報１０１及び商品属性情報１０２、及び、推定モデル１５０に基づいて、推定対象の顧客が推定対象の商品を購入するか否かを推定する。
　推定部１２における購買要因生成部１２２は、購買推定部１２１による推定結果の推定理由を、購買要因として生成する。購買要因生成部１２２は、例えば既存の技術である、深層学習（ディープラーニング）の注意機構（アテンション機構）を用いることによって、購買要因を生成すればよい。即ち、推定モデル１５０は、注意機構を用いたモデルである。
　分類部１３は、購買要因生成部１２２によって生成された購買要因に基づいて、顧客をグループに分類する。
　出力部１４は、分類部１３によって顧客をグループに分類した結果を、管理端末装置２０に出力する。管理端末装置２０は、出力部１４から入力された顧客の分類結果を、表示画面２００に表示する。尚、顧客分類装置１０が表示画面を備える場合、出力部１４は、当該分類結果を顧客分類装置１０の表示画面に表示してもよい。
　図３は、本実施形態に係る顧客分類装置１０が管理端末装置２０の表示画面２００に顧客の分類結果を表示する態様を例示する図である。
　図３に示す例では、分類部１３は、顧客属性情報１０１によって表される、例えば購買する情報処理装置に関して、信頼性を重視する度合いの特徴量と性能を重視する度合いの特徴量という２つの指標に関して、顧客を分類している。尚、分類のための指標は、顧客属性情報１０１を示す値又は特徴量、若しくは、商品属性情報１０２を示す値又は特徴量であれば、上記に限定されない。また、分類のための指標は2つに限定されない。
　出力部１４は、分類部１３による顧客の分類結果を表すグラフ（散布図、分布図）を出力する。但し、図３に例示する図において、四角形、三角形、星形、菱形、円形のシンボルは、個々の顧客を表す。
　図３に示す例では、分類部１３は、顧客をグループＡ乃至Ｄという４つのグループに分類している。そして出力部１４は、顧客を、属するグループごとに互いに異なる態様で表示するグラフを出力する。即ち、出力部１４は、当該グラフにおいて、グループＡに属する顧客を四角形のシンボルで表示し、グループＢに属する顧客を三角形のシンボルで表示し、グループＣに属する顧客を星形のシンボルで表示し、グループＤに属する顧客を菱形のシンボルで表示している。出力部１４は、また、いずれのグループにも属さない顧客を、円形のシンボルで表示している。出力部１４は、当該グラフにおいて、顧客を、属するグループごとに互いに異なる色により表示するようにしてもよい。
　出力部１４は、また、同一のグループに属する顧客を囲む図形を含むグラフを出力してもよい。図３に示す例では、出力部１４は、当該グラフにおいて、グループＡ乃至Ｄの個々の領域を表す曲線を表している。
　次に、図３に示す例において、顧客が商品を購入する際の購買要因を生成し、生成した購買要因に基づいて、顧客をグループに分類する顧客分類装置１０の動作に関して、詳細に説明する。
　上述した信頼性を重視する度合いの特徴量、及び、性能を重視する度合いの特徴量は、例えば、展示会等のイベントの場、あるいは、インターネット上において行われた、顧客に対するアンケート調査の結果から取得可能な顧客属性を表す情報から得ることができる。この場合、信頼性を重視する度合い、及び、性能を重視する度合いは、例えば、顧客が当該アンケート調査において、数値により自己評価した値であってもよい。
　信頼性を重視する度合い、及び、性能を重視する度合いは、あるいは例えば、顧客の業種や企業規模等から、所定の算出基準を用いてスコア化された値であってもよい。例えば、銀行等の金融機関、あるいは、鉄道会社等の交通機関である顧客は、一般的に、社会インフラを制御する情報処理装置の導入にあたり、信頼性を最も重視する傾向があるので、これらの顧客に関する顧客属性情報１０１により表される信頼性を重視する度合いは、高い値となる傾向がある。また、例えば、大学あるいは研究所等である顧客は、一般的に、科学技術演算を行う情報処理装置の導入にあたり、性能を最も重視する傾向があるので、これらの顧客に関する顧客属性情報１０１により表される性能を重視する度合いは、高い値となる傾向がある。また、企業規模が大きくなるほど、情報処理装置を導入するための予算が大きくなるので、信頼性及び性能とも重視する度合いが高くなる傾向がある。したがって、規模が大きい顧客ほど、その顧客属性情報１０１により表される信頼性及び性能を重視する度合いは、高い値となる傾向がある。信頼性を重視する度合い、及び、性能を重視する度合いは、上述した傾向をふまえた所定の算出基準を用いて、スコア化することができる。
　図３に例示するグループＡは、購買する情報処理装置に関して、性能を重視し、信頼性をそれほど重視しない顧客のグループを表す。グループＢは、当該情報処理装置に関して、信頼性及び性能ともそれほど重視しない顧客のグループを表す。グループＣは、当該情報処理装置に関して、信頼性及び性能とも重視する顧客のグループを表す。グループＤは、当該情報処理装置に関して、信頼性を重視し、性能をそれほど重視しない顧客のグループを表す。
　図３に示す例において、推定部１２における購買推定部１２１は、ある顧客がある情報処理装置（商品）を購買するか否かを、推定モデル１５０を用いて推定する。この際、推定部１２における購買要因生成部１２２は、顧客が信頼性を重視するので信頼性が高い情報処理装置を購買すること、及び、顧客が性能を重視するので性能が高い情報処理装置を購買することを示す購買要因を生成する。
　分類部１３は、購買要因生成部１２２によって生成された購買要因が表す顧客の属性である、商品に対する信頼性を重視する度合い、及び、商品に対する信頼性を重視する度合いに基づいて、個々の顧客を、上述したグループＡ乃至Ｄのいずれかに分類する。分類部１３は、この際、例えば、信頼性を重視する度合いを表す値の範囲、及び、信頼性を重視する度合いを表す値の範囲を示す基準を用いればよい。
　出力部１４は、管理端末装置２０が表示画面２００に表示したグラフにおける顧客のうちの特定の顧客のシンボルを選択する入力操作を受け付けた場合、当該特定の顧客に関する顧客属性情報１０１を表示するように管理端末装置２０を制御するようにしてもよい。出力部１４は、例えば図３に例示するように、表示画面２００において、グループＤに属するある顧客のシンボルを選択する入力操作（例えば、当該顧客を表すシンボルにマウスカーソルを移動させてマウスをクリックする操作）に応じて、当該顧客の識別子（例えば名称等）が「顧客Ｄ００１」であることを表示するように管理端末装置２０を制御する。
　図４は、管理端末装置２０が表示画面２００に表示したグラフにおける顧客のうちの特定の顧客のシンボルを選択する入力操作を受け付けた場合、出力部１４による制御を受けて、管理端末装置２０が当該特定の顧客の属性の詳細を表示する態様を例示する図である。
　例えば、管理端末装置２０が、図３に例示するグループＡに属するいずれかの顧客（顧客Ａ００１）のシンボルを選択する入力操作を受け付けた場合、出力部１４は、図４の（ａ）に例示する棒グラフを表示画面２００に表示するように管理端末装置２０を制御する。図４の（ａ）に例示する棒グラフは、当該顧客の信頼性及び性能を重視する度合いの特徴量に加えて、商品の価格等を重視する度合いの特徴量を表す。
　同様に、管理端末装置２０が、図３に例示するグループＢ乃至Ｄに属するいずれかの顧客（顧客Ｂ００１、顧客Ｃ００１、あるいは顧客Ｄ００１）のシンボルを選択する入力操作を受け付けた場合、出力部１４は、図４の（ｂ）乃至（ｄ）に例示する棒グラフを表示画面２００に表示するように管理端末装置２０を制御する。
　図４に例示する図によれば、商品の信頼性及び性能の両方とも重視しないグループＢの顧客は、商品の価格を重視する度合いが高いことが分かる。また、商品の信頼性及び性能の両方とも重視するグループＣの顧客は、商品の価格を重視する度合いが低いことが分かる。また、商品の信頼性及び性能のいずれか一方を重視するグループＡ及びＤの顧客は、商品の価格を重視する度合いが、グループＣよりも高くグループＢよりも低いことが分かる。図４に例示するグラフは、顧客分類装置１０のユーザによる顧客に合わせた商品の販売や開発の検討において使用される情報である。
　出力部１４は、図４に例示する通り、入力操作により選択された顧客に関して、図３に例示するグラフには表されていない、顧客属性情報１０１が示す属性も含めて表示画面２００に表示するように管理端末装置２０を制御する。
　出力部１４は、図３に例示するグラフに表示されたグループに関する顧客属性情報１０１の特徴を表示するように管理端末装置２０を制御するようにしてもよい。より具体的には、出力部１４は、例えば、グループごとに、グループに属する顧客の顧客属性情報１０１が示す値の平均値を、図４に例示する態様と同様の態様で表示するように管理端末装置２０を制御すればよい。即ちこの場合、図４に例示する各棒グラフは、ある特定の顧客に関する顧客属性情報１０１を表すのではなく、グループごとの、グループに属する顧客に関する顧客属性情報１０１が表す値の、例えば平均値を表す。
　管理端末装置２０は、図４に例示するグラフを、表示画面２００において、図３に例示するグラフを表示するウィンドウと同じウィンドウに表示してもよいし、図３とは異なるウィンドウに表示するようにしてもよい。
　出力部１４によって出力される顧客の分類結果の表示態様は、図３及び図４に例示する態様に限定されない。出力部１４によって出力される顧客の分類結果の表示態様は、例えば、図３及び図４とは異なる形式のグラフでもよいし、文章でもよい。
　また、上述したモデル生成部１５は、分類部１３による顧客の分類結果に基づいて、グループに属する顧客に関する顧客属性情報１０１及び商品属性情報１０２と、グループに属する顧客に関する購買履歴情報１０３と、の関係を表す推定モデル１５０を生成あるいは更新してもよい。
　次に図５のフローチャートを参照して、本実施形態に係る顧客分類装置１０が顧客をグループに分類する動作（処理）について詳細に説明する。
　取得部１１は、推定対象に関する、顧客属性情報１０１、及び、商品属性情報１０２を取得する（ステップＳ２０１）。推定部１２における購買推定部１２１は、取得部１１によって取得された顧客属性情報１０１及び商品属性情報１０２、及び、推定モデル１５０に基づいて、推定対象の顧客が推定対象の商品を購入するか否かを推定する（ステップＳ２０２）。推定部１２における購買要因生成部１２２は、深層学習の注意機構を用いることによって、購買推定部１２１による推定理由を、購買要因として生成する（ステップＳ２０３）。
　分類部１３は、購買要因生成部１２２によって生成された購買要因が示す顧客属性情報１０１に基づいて、顧客をグループに分類する（ステップＳ２０４）。出力部１４は、分類部１３による顧客をグループに分類した結果を、管理端末装置２０に出力し（ステップＳ２０５）、全体の処理は終了する。
　本実施形態に係る顧客分類装置１０は、特性を十分に把握できていない商品であっても、その購買要因を特定できるので、顧客に合わせた商品の販売や開発に寄与することができる。その理由は、顧客分類装置１０は、顧客属性情報１０１、商品属性情報１０２、及び、購買履歴情報１０３に基づいて、顧客が商品を購買する購買要因を推定し、その購買要因に基づいて顧客を分類するからである。
　以下に、本実施形態に係る顧客分類装置１０によって実現される効果について、詳細に説明する。
　顧客に合わせた商品の販売や開発を行うために顧客の分類を行う場合に、商品の特性をふまえて顧客をグループに分類しないと、当該商品の購買要因を正しく特定することは困難である。例えば、あるＡＩ製品の販売開始にあたり、「顧客の事業内容に応じて購買要因が異なる」という過去の経験から、事業内容を軸に顧客をグループに分類し、グループごとに分析した購買要因にもとづいて販売施策を講じたとする。ところが実際には、当該ＡＩ製品を新規事業の開発のために用いる顧客が多く（即ち、当該ＡＩ製品を購入するか否かは、現在の事業内容に左右されない）、現在の事業内容から顧客を分類して分析した購買要因は的外れであり、当該販売施策は適切であるとは言えない。このように、商品の特性（属性）を十分に把握できていない場合、当該商品に関する購買要因を分析することが困難であるので、特性を十分に把握できていない商品であってもその購買要因を特定することが課題である。
　このような問題に対して、本実施形態に係る顧客分類装置１０は、取得部１１と、推定部１２と、分類部１３と、出力部１４と、を備え、例えば図１乃至図５を参照して上述した通り動作する。即ち、取得部１１は、顧客に関する顧客属性情報１０１と、商品に関する商品属性情報１０２と、当該顧客による当該商品の購買履歴を表す購買履歴情報１０３と、を取得する。推定部１２は、顧客属性情報１０１と、商品属性情報１０２と、購買履歴情報１０３と、に基づいて、当該顧客による当該商品の購買要因を推定する。分類部１３は、当該購買要因に基づいて、当該顧客をグループに分類する。そして、出力部１４は、当該顧客の分類結果を出力する。
　即ち、本実施形態に係る顧客分類装置１０は、顧客及び商品の属性と、当該顧客による当該商品の購買履歴とに基づいて購買要因を推定し、その購買要因に基づいて、顧客を分類するので、顧客の分類結果には、商品の特性が反映されていることになる。したがって、顧客分類装置１０は、特性を十分に把握できていない商品であっても、顧客のグループごとの購買要因を特定できるので、顧客に合わせた商品の販売や開発に寄与することができる。
　また、本実施形態に係る顧客分類装置１０は、顧客の分類結果を表す、顧客属性情報１０１の値を表すグラフを管理端末装置２０に出力し、当該グラフにおいて、顧客は、例えば図３に例示するように、グループごとに互いに異なる態様により表示される。これにより、顧客分類装置１０は、顧客の分類結果を、ユーザに分かりやすく提示することができる。
　また、本実施形態に係る顧客分類装置１０は、管理端末装置２０が表示画面２００に表示したグラフに表示された顧客のうちの特定の顧客のシンボルを選択する入力操作を受け付けた場合、当該特定の顧客に関する顧客属性情報１０１を、例えば図４に例示する通りに表示するように管理端末装置２０を制御する。これにより、顧客分類装置１０は、ユーザによる顧客に合わせた商品の販売や開発の効率的な検討を支援することができる。
　また、本実施形態に係る顧客分類装置１０は、例えば図３に例示するように表示画面２００に表示されたグラフに表示されたグループに関する顧客属性情報１０１の特徴を、例えば図４に例示する通りに表示するように管理端末装置２０を制御する。これにより、顧客分類装置１０は、ユーザによる顧客に合わせた商品の販売や開発の効率的な検討を支援することができる。
　また、上述した本実施形態に係る顧客分類装置１０によって実現される機能は、複数の情報処理装置によって構成されたシステムによって実現されてもよい。
　図７は、本実施形態の変形例に係る顧客分類システム１０Ａの構成を示すブロック図である。顧客分類システム１０Ａの機能は、上述した顧客分類装置１０と同等である。顧客分類システム１０Ａは、それぞれが情報処理装置である、取得装置１１Ａ、推定装置１２Ａ、分類装置１３Ａ、出力装置１４Ａ、及び、モデル生成装置１５Ａを備える。取得装置１１Ａ、推定装置１２Ａ、分類装置１３Ａ、出力装置１４Ａ、及び、モデル生成装置１５Ａは、順に、上述した取得部１１、推定部１２、分類部１３、出力部１４、及び、モデル生成部１５と同等の機能を備える。取得装置１１Ａ、推定装置１２Ａ、分類装置１３Ａ、出力装置１４Ａ、及び、モデル生成装置１５Ａは、互いに通信可能に接続されている。
　また、顧客分類システム１０Ａの構成は、顧客分類装置１０の個々の構成要素に相当する情報処理装置を備える構成に限定されない。顧客分類システム１０Ａは、例えば、顧客分類装置１０の複数の構成要素を１つの情報処理装置として備えてもよい。
　＜第２の実施形態＞
　図７は、本発明の第２の実施形態に係る顧客分類装置３０の構成を示すブロック図である。顧客分類装置３０は、取得部３１、推定部３２、分類部３３、及び、出力部３４を備える。但し、取得部３１、推定部３２、分類部３３、及び、出力部３４は、順に、取得手段、推定手段、分類手段、及び、出力手段の一例である。
　取得部３１は、顧客に関する顧客属性情報３０１と、商品に関する商品属性情報３０２と、当該顧客による当該商品の購買履歴を表す購買履歴情報３０３と、を取得する。顧客属性情報３０１は、例えば、第１の実施形態に係る顧客属性情報１０１と同様な情報である。商品属性情報３０２は、例えば、第１の実施形態に係る商品属性情報１０２と同様な情報である。購買履歴情報３０３は、例えば、第１の実施形態に係る購買履歴情報１０３と同様な情報である。取得部３１は、例えば、第１の実施形態に係る取得部１１と同様に動作する。
　推定部３２は、顧客属性情報３０１と、商品属性情報３０２と、購買履歴情報３０３と、に基づいて、当該顧客による当該商品の購買要因３２０を推定する。推定部３２は、例えば、第１の実施形態に係る推定部１２における購買推定部１２１及び購買要因生成部１２２と同等の構成を備え、第１の実施形態に係る推定モデル１５０と同等の推定モデルを用いて、購買要因３２０を推定する。
　分類部３３は、購買要因３２０に基づいて、当該顧客をグループ３３０に分類する。分類部３３は、例えば、第１の実施形態に係る分類部１３と同様に、購買要因３２０が示す顧客属性情報３０１に基づいて、当該顧客をグループ３３０に分類する。
　出力部３４は、当該顧客の分類結果を出力する。出力部３４は、例えば、第１の実施形態に係る出力部１４と同様に、図３及び図４に例示する態様の分類結果を、管理端末装置２０のような装置に出力する。
　本実施形態に係る顧客分類装置３０は、特性を十分に把握できていない商品であっても、その購買要因を特定できるので、顧客に合わせた商品の販売や開発に寄与することができる。その理由は、顧客分類装置３０は、顧客属性情報３０１、商品属性情報３０２、及び、購買履歴情報３０３に基づいて、顧客が商品を購買する購買要因３２０を推定し、購買要因３２０に基づいて顧客を分類するからである。
　＜ハードウェア構成例＞
　上述した各実施形態において図１に示した顧客分類装置１０、あるいは、図７に示した顧客分類装置３０における各部は、専用のＨＷ（ＨａｒｄＷａｒｅ）（電子回路）によって実現することができる。また、図１及び図７において、少なくとも、下記構成は、ソフトウェアプログラムの機能（処理）単位（ソフトウェアモジュール）と捉えることができる。
・取得部１１及び３１、
・推定部１２及び３２、
・購買推定部１２１、
・購買要因生成部１２２、
・分類部１３及び３３、
・出力部１４及び３４、
・モデル生成部１５。
　但し、これらの図面に示した各部の区分けは、説明の便宜上の構成であり、実装に際しては、様々な構成が想定され得る。この場合のハードウェア環境の一例を、図８を参照して説明する。
　図８は、本発明の第１の実施形態に係る顧客分類装置１０あるいは第２の実施形態に係る顧客分類装置３０を実現可能な情報処理装置９００（コンピュータシステム）の構成を例示的に説明する図である。即ち、図８は、図１及び図７に示した顧客分類装置１０及び３０を実現可能な少なくとも１つのコンピュータ（情報処理装置）の構成であって、上述した実施形態における各機能を実現可能なハードウェア環境を表す。
　図８に示した情報処理装置９００は、構成要素として下記を備えているが、下記のうちの一部の構成要素を備えない場合もある。
・ＣＰＵ（Ｃｅｎｔｒａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ）９０１、
・ＲＯＭ（Ｒｅａｄ＿Ｏｎｌｙ＿Ｍｅｍｏｒｙ）９０２、
・ＲＡＭ（Ｒａｎｄｏｍ＿Ａｃｃｅｓｓ＿Ｍｅｍｏｒｙ）９０３、
・ハードディスク（記憶装置）９０４、
・外部装置との通信インタフェース９０５、
・バス９０６（通信線）、
・ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ＿Ｄｉｓｃ＿Ｒｅａｄ＿Ｏｎｌｙ＿Ｍｅｍｏｒｙ）等の記録媒体９０７に格納されたデータを読み書き可能なリーダライタ９０８、
・モニターやスピーカ、キーボード等の入出力インタフェース９０９。
　即ち、上記構成要素を備える情報処理装置９００は、これらの構成がバス９０６を介して接続された一般的なコンピュータである。情報処理装置９００は、ＣＰＵ９０１を複数備える場合もあれば、マルチコアにより構成されたＣＰＵ９０１を備える場合もある。情報処理装置９００は、ＣＰＵ９０１に加えてＧＰＵ（Ｇｒａｐｈｉｃａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ）（不図示）を備えてもよい。
　そして、上述した実施形態を例に説明した本発明は、図８に示した情報処理装置９００に対して、次の機能を実現可能なコンピュータプログラムを供給する。その機能とは、その実施形態の説明において参照したブロック構成図（図１及び図７）における上述した構成、或いはフローチャート（図２及び図５）の機能である。本発明は、その後、そのコンピュータプログラムを、当該ハードウェアのＣＰＵ９０１に読み出して解釈し実行することによって達成される。また、当該装置内に供給されたコンピュータプログラムは、読み書き可能な揮発性のメモリ（ＲＡＭ９０３）、または、ＲＯＭ９０２やハードディスク９０４等の不揮発性の記憶デバイスに格納すれば良い。
　また、前記の場合において、当該ハードウェア内へのコンピュータプログラムの供給方法は、現在では一般的な手順を採用することができる。その手順としては、例えば、ＣＤ－ＲＯＭ等の各種記録媒体９０７を介して当該装置内にインストールする方法や、インターネット等の通信回線を介して外部よりダウンロードする方法等がある。そして、このような場合において、本発明は、係るコンピュータプログラムを構成するコード或いは、そのコードが格納された記録媒体９０７によって構成されると捉えることができる。
　以上、上述した実施形態を模範的な例として本発明を説明した。しかしながら、本発明は、上述した実施形態には限定されない。即ち、本発明は、本発明のスコープ内において、当業者が理解し得る様々な態様を適用することができる。
　尚、上述した各実施形態の一部又は全部は、以下の付記のようにも記載されうる。しかしながら、上述した各実施形態により例示的に説明した本発明は、以下には限られない。
　（付記１）
　顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得する取得手段と、
　前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定する推定手段と、
　前記購買要因に基づいて、前記顧客をグループに分類する分類手段と、
　前記顧客の分類結果を出力する出力手段と、
　を備える顧客分類装置。
　（付記２）
　前記出力手段は、前記分類結果を表すグラフを表示装置に出力し、
　前記グラフにおいて、前記顧客は、前記グループごとに互いに異なる態様で表示される、
　付記１に記載の顧客分類装置。
　（付記３）
　前記グラフにおいて、前記顧客は、前記グループごとに互いに異なる形状あるいは色のシンボルにより表示される、
　付記２に記載の顧客分類装置。
　（付記４）
　前記グラフは、同一の前記グループに属する前記顧客を囲む図形を含む、
　付記２または付記３に記載の顧客分類装置。
　（付記５）
　前記出力手段は、前記表示装置が前記グラフに表示された前記顧客を示すシンボルのうちの特定の顧客のシンボルを選択する入力操作を受け付けた場合、前記特定の前記顧客に関する前記顧客属性情報を表示する、
　付記２乃至付記４のいずれか一項に記載の顧客分類装置。
　（付記６）
　前記出力手段は、前記グラフに表示された前記グループに関する前記顧客属性情報の特徴を表示する、
　付記２乃至付記５のいずれか一項に記載の顧客分類装置。
　（付記７）
　前記出力手段は、前記グループごとに、前記グループに属する前記顧客の前記顧客属性情報が示す値の平均値を表示する、
　付記６に記載の顧客分類装置。
　（付記８）
　前記顧客属性情報は、
　　前記顧客が個人である場合、前記顧客の年齢、性別、職業、収入、国籍、家族構成、居住地、体型、趣味、嗜好、行動履歴、職種、役職の少なくとも一つを含み、
　　前記顧客が組織である場合、前記顧客の種別、設立してからの年数、業種、本社及び事業所の場所、収益、資本金、従業員数、活動履歴、ビジネスの形態の少なくとも一つを含む、
　付記１乃至付記７のいずれか一項に記載の顧客分類装置。
　（付記９）
　前記商品属性情報は、前記商品の商品名、商品識別子、種別、量、価格、性能、信頼性、品質、外観、製造者、販売者、原材料、発売時期の少なくとも一つを含む、
　付記１乃至付記８のいずれか一項に記載の顧客分類装置。
　（付記１０）
　前記推定手段は、
　　前記顧客属性情報及び前記商品属性情報と、前記購買履歴情報と、の関係を学習した推定モデルに基づいて、前記顧客が前記商品を購買するか否かを推定する購買推定手段と、
　　前記購買推定手段による推定理由を、前記購買要因として生成する購買要因生成手段と、
　を備える、
　付記１乃至付記９のいずれか一項に記載の顧客分類装置。
　（付記１１）
　前記推定モデルを生成するモデル生成手段をさらに備え、
　前記モデル生成手段は、前記分類結果に基づいて、前記グループに属する前記顧客に関する前記顧客属性情報及び前記商品属性情報と、前記グループに属する前記顧客に関する前記購買履歴情報と、の関係を表す前記推定モデルを生成する、
　付記１０に記載の顧客分類装置。
　（付記１２）
　前記推定モデルは、注意機構を用いたモデルである、
　付記１０または付記１１に記載の顧客分類装置。
　（付記１３）
　顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得する取得手段と、
　前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定する推定手段と、
　前記購買要因に基づいて、前記顧客をグループに分類する分類手段と、
　前記顧客の分類結果を出力する出力手段と、
　を備える顧客分類システム。
　（付記１４）
　情報処理装置によって、
　　顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得し、
　　前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定し、
　　前記購買要因に基づいて、前記顧客をグループに分類し、
　　前記顧客の分類結果を出力する、
　顧客分類方法。
　（付記１５）
　顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得する取得処理と、
　前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定する推定処理と、
　前記購買要因に基づいて、前記顧客をグループに分類する分類処理と、
　前記顧客の分類結果を出力する出力処理と、
　をコンピュータに実行させるための顧客分類プログラムが格納された記録媒体。
　１０　　顧客分類装置
　１０Ａ　　顧客分類システム
　１０１　　顧客属性情報
　１０２　　商品属性情報
　１０３　　購買履歴情報
　１１　　取得部
　１１Ａ　　取得装置
　１２　　推定部
　１２Ａ　　推定装置
　１２１　　購買推定部
　１２２　　購買要因生成部
　１３　　分類部
　１３Ａ　　分類装置
　１４　　出力部
　１４Ａ　　出力装置
　１５　　モデル生成部
　１５０　　推定モデル
　１５Ａ　　モデル生成装置
　２０　　管理端末装置
　２００　　表示画面
　３０　　顧客分類装置
　３０１　　顧客属性情報
　３０２　　商品属性情報
　３０３　　購買履歴情報
　３１　　取得部
　３２　　推定部
　３２０　　購買要因
　３３　　分類部
　３３０　　グループ
　３４　　出力部
　９００　　情報処理装置
　９０１　　ＣＰＵ
　９０２　　ＲＯＭ
　９０３　　ＲＡＭ
　９０４　　ハードディスク（記憶装置）
　９０５　　通信インタフェース
　９０６　　バス
　９０７　　記録媒体
　９０８　　リーダライタ
　９０９　　入出力インタフェース

Claims (15)

  1. 　顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得する取得手段と、
    　前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定する推定手段と、
    　前記購買要因に基づいて、前記顧客をグループに分類する分類手段と、
    　前記顧客の分類結果を出力する出力手段と、
    　を備える顧客分類装置。
  2. 　前記出力手段は、前記分類結果を表すグラフを表示装置に出力し、
    　前記グラフにおいて、前記顧客は、前記グループごとに互いに異なる態様で表示される、
    　請求項１に記載の顧客分類装置。
  3. 　前記グラフにおいて、前記顧客は、前記グループごとに互いに異なる形状あるいは色のシンボルにより表示される、
    　請求項２に記載の顧客分類装置。
  4. 　前記グラフは、同一の前記グループに属する前記顧客を囲む図形を含む、
    　請求項２または請求項３に記載の顧客分類装置。
  5. 　前記出力手段は、前記表示装置が前記グラフに表示された前記顧客を示すシンボルのうちの特定の前記顧客のシンボルを選択する入力操作を受け付けた場合、前記特定の前記顧客に関する前記顧客属性情報を表示する、
    　請求項２乃至請求項４のいずれか一項に記載の顧客分類装置。
  6. 　前記出力手段は、前記グラフに表示された前記グループに関する前記顧客属性情報の特徴を表示する、
    　請求項２乃至請求項５のいずれか一項に記載の顧客分類装置。
  7. 　前記出力手段は、前記グループごとに、前記グループに属する前記顧客の前記顧客属性情報が示す値の平均値を表示する、
    　請求項６に記載の顧客分類装置。
  8. 　前記顧客属性情報は、
    　　前記顧客が個人である場合、前記顧客の年齢、性別、職業、収入、国籍、家族構成、居住地、体型、趣味、嗜好、行動履歴、職種、役職の少なくとも一つを含み、
    　　前記顧客が組織である場合、前記顧客の種別、設立してからの年数、業種、本社及び事業所の場所、収益、資本金、従業員数、活動履歴、ビジネスの形態の少なくとも一つを含む、
    　請求項１乃至請求項７のいずれか一項に記載の顧客分類装置。
  9. 　前記商品属性情報は、前記商品の商品名、商品識別子、種別、量、価格、性能、信頼性、品質、外観、製造者、販売者、原材料、発売時期の少なくとも一つを含む、
    　請求項１乃至請求項８のいずれか一項に記載の顧客分類装置。
  10. 　前記推定手段は、
    　　前記顧客属性情報及び前記商品属性情報と、前記購買履歴情報と、の関係を学習した推定モデルに基づいて、前記顧客が前記商品を購買するか否かを推定する購買推定手段と、
    　　前記購買推定手段による推定理由を、前記購買要因として生成する購買要因生成手段と、
    　を備える、
    　請求項１乃至請求項９のいずれか一項に記載の顧客分類装置。
  11. 　前記推定モデルを生成するモデル生成手段をさらに備え、
    　前記モデル生成手段は、前記分類結果に基づいて、前記グループに属する前記顧客に関する前記顧客属性情報及び前記商品属性情報と、前記グループに属する前記顧客に関する前記購買履歴情報と、の関係を表す前記推定モデルを生成する、
    　請求項１０に記載の顧客分類装置。
  12. 　前記推定モデルは、注意機構を用いたモデルである、
    　請求項１０または請求項１１に記載の顧客分類装置。
  13. 　顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得する取得手段と、
    　前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定する推定手段と、
    　前記購買要因に基づいて、前記顧客をグループに分類する分類手段と、
    　前記顧客の分類結果を出力する出力手段と、
    　を備える顧客分類システム。
  14. 　情報処理装置によって、
    　　顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得し、
    　　前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定し、
    　　前記購買要因に基づいて、前記顧客をグループに分類し、
    　　前記顧客の分類結果を出力する、
    　顧客分類方法。
  15. 　顧客に関する顧客属性情報と、商品に関する商品属性情報と、前記顧客による前記商品の購買履歴を表す購買履歴情報と、を取得する取得処理と、
    　前記顧客属性情報と、前記商品属性情報と、前記購買履歴情報と、に基づいて、前記顧客による前記商品の購買要因を推定する推定処理と、
    　前記購買要因に基づいて、前記顧客をグループに分類する分類処理と、
    　前記顧客の分類結果を出力する出力処理と、
    　をコンピュータに実行させるための顧客分類プログラムが格納された記録媒体。
PCT/JP2021/018195 2021-05-13 2021-05-13 顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体 WO2022239181A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023520679A JPWO2022239181A5 (ja) 2021-05-13 顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラム
PCT/JP2021/018195 WO2022239181A1 (ja) 2021-05-13 2021-05-13 顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/018195 WO2022239181A1 (ja) 2021-05-13 2021-05-13 顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体

Publications (1)

Publication Number Publication Date
WO2022239181A1 true WO2022239181A1 (ja) 2022-11-17

Family

ID=84028054

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/018195 WO2022239181A1 (ja) 2021-05-13 2021-05-13 顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体

Country Status (1)

Country Link
WO (1) WO2022239181A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018160039A (ja) * 2017-03-22 2018-10-11 株式会社博報堂Ｄｙホールディングス 情報処理システム
JP2019061525A (ja) * 2017-09-27 2019-04-18 トッパン・フォームズ株式会社 コンテンツレコメンドシステム、コンテンツレコメンド方法、及びプログラム
JP2020160710A (ja) * 2019-03-26 2020-10-01 株式会社Ｔｒｕｅ Ｄａｔａ データ処理装置及びデータ処理方法
JP2021043899A (ja) * 2019-09-13 2021-03-18 大日本印刷株式会社 価値観クラスター生成装置、コンピュータプログラム、価値観クラスター付与方法、データベース統合方法及び広告提供方法
JP6862026B1 (ja) * 2020-11-12 2021-04-21 Ｈｉｔｏｗａケアサービス株式会社 分析プログラム、分析方法及び分析装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018160039A (ja) * 2017-03-22 2018-10-11 株式会社博報堂Ｄｙホールディングス 情報処理システム
JP2019061525A (ja) * 2017-09-27 2019-04-18 トッパン・フォームズ株式会社 コンテンツレコメンドシステム、コンテンツレコメンド方法、及びプログラム
JP2020160710A (ja) * 2019-03-26 2020-10-01 株式会社Ｔｒｕｅ Ｄａｔａ データ処理装置及びデータ処理方法
JP2021043899A (ja) * 2019-09-13 2021-03-18 大日本印刷株式会社 価値観クラスター生成装置、コンピュータプログラム、価値観クラスター付与方法、データベース統合方法及び広告提供方法
JP6862026B1 (ja) * 2020-11-12 2021-04-21 Ｈｉｔｏｗａケアサービス株式会社 分析プログラム、分析方法及び分析装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Introduction to Deep Learning: Image Classification (5) Attention Mechanism", SB TECHNOLOGY (SBT), 1 January 2019 (2019-01-01), XP093007115, Retrieved from the Internet <URL:https://www.softbanktech.co.jp/special/blog/cloud_blog/2019/0063> [retrieved on 20221212] *

Also Published As

Publication number Publication date
JPWO2022239181A1 (ja) 2022-11-17

Similar Documents

Publication Publication Date Title
Wong et al. Artificial intelligence-driven risk management for enhancing supply chain agility: A deep-learning-based dual-stage PLS-SEM-ANN analysis
US10565602B1 (en) Method and system for obtaining leads based on data derived from a variety of sources
Sismeiro et al. Modeling purchase behavior at an e-commerce web site: A task-completion approach
US8694372B2 (en) Systems and methods for automatic control of marketing actions
US20180240158A1 (en) Computer implemented system and method for customer profiling using micro-conversions via machine learning
US20200334694A1 (en) Behavioral data analytics platform
JP2015166989A (ja) 情報処理装置および情報分析方法
US8738459B2 (en) Product recommendation
Seymen et al. Customer churn prediction using deep learning
WO2023133623A1 (en) Systems and methods for generating customized augmented reality video
Chkoniya Challenges in decoding consumer behavior with data science
US20230419184A1 (en) Causal Inference Machine Learning with Statistical Background Subtraction
WO2022239181A1 (ja) 顧客分類装置、顧客分類システム、顧客分類方法、及び、顧客分類プログラムが格納された記録媒体
WO2021192232A1 (ja) 商品推薦システム、商品推薦装置、商品推薦方法、及び、商品推薦プログラムが格納された記録媒体
CA3169819A1 (en) Systems and methods for automated product classification
US20240242237A1 (en) Customer classification device, customer classification system, customer classification method, and recording medium storing customer classification program
US20210350224A1 (en) Methods and systems for evaluating a new application
US20210233102A1 (en) Providing promotion recommendations and implementation of individualized promotions
CN113590692A (zh) 一种三阶段人群挖掘条件优化方法及系统
US10755342B1 (en) Multisource augmented reality model
WO2020084712A1 (ja) 配信プログラム、配信方法及び配信装置
JP2016122472A (ja) 情報処理装置および情報分析方法
Brackmann et al. Identifying Application Areas for Machine Learning in the Retail Sector: A Literature Review and Interview Study
JP2017111630A (ja) 情報提供装置、情報提供方法、及びプログラム
WO2022208738A1 (ja) 購買要因推定装置、購買要因推定システム、購買要因推定方法、及び、購買要因推定プログラムが格納された記録媒体

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: 21941915

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18558441

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2023520679

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21941915

Country of ref document: EP

Kind code of ref document: A1