WO2023067895A1 - 情報処理装置 - Google Patents

情報処理装置 Download PDF

Info

Publication number
WO2023067895A1
WO2023067895A1 PCT/JP2022/032091 JP2022032091W WO2023067895A1 WO 2023067895 A1 WO2023067895 A1 WO 2023067895A1 JP 2022032091 W JP2022032091 W JP 2022032091W WO 2023067895 A1 WO2023067895 A1 WO 2023067895A1
Authority
WO
WIPO (PCT)
Prior art keywords
nudge
information
wear
user
intervention
Prior art date
Application number
PCT/JP2022/032091
Other languages
English (en)
French (fr)
Inventor
亮勢 酒井
哲哉 山口
拓弥 泉澤
佑輔 中村
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 JP2023554963A priority Critical patent/JPWO2023067895A1/ja
Publication of WO2023067895A1 publication Critical patent/WO2023067895A1/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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Definitions

  • One aspect of the present invention relates to an information processing device.
  • Patent Literature 1 describes a system that encourages users to change their behavior by utilizing nudges that encourage them to voluntarily take desirable behaviors for individuals and society based on cognitive biases.
  • the nudges mentioned above are considered to wear out.
  • the wear of the nudge here means that the behavior modification effect of the nudge decreases due to repeated intervention (recommendation to the user). Conventionally, wear of such nudges has not been adequately considered.
  • the present invention has been made in view of the above circumstances, and an object of the present invention is to appropriately quantify nudge wear.
  • An information processing apparatus acquires a storage unit that stores nudge information that is a mechanism for prompting a user to voluntarily take a desired action, and nudge intervention information that is information related to nudge intervention. and a wear derivation unit for deriving and outputting nudge wear information indicating the degree of reduction in effect of the nudge related to the nudge intervention information based on the nudge intervention information.
  • An information processing apparatus acquires nudge intervention information that is information related to nudge intervention (information related to intervention of a user regarding nudge), and reduces the effect of nudge based on the nudge intervention information.
  • Nudge wear information indicating the degree is derived and output.
  • nudge wear information is estimated (derived) from information (for example, nudge intervention frequency) related to nudge intervention to the user, so that the nudge is worn out by, for example, repeated nudge intervention (nudge is reduced), the wear of the nudge can be quantified appropriately (with high accuracy).
  • information processing device according to the aspect of the present invention, it is possible to appropriately quantify the wear of the nudge.
  • nudge wear can be quantified appropriately.
  • FIG. 1 is a diagram illustrating a series of flows for prompting a user's behavioral change by nudging.
  • FIG. 2 is a diagram illustrating nudge wear.
  • FIG. 3 is a functional block diagram of the nudge management device according to the first embodiment.
  • FIG. 4 is a diagram for explaining nudge wear calculation.
  • FIG. 5 is a diagram for explaining nudge wear calculation.
  • FIG. 6 is a diagram for explaining nudge recovery calculation.
  • FIG. 7 is a sequence diagram showing nudge wear update processing.
  • FIG. 8 is a functional block diagram of a nudge management device according to the second embodiment.
  • FIG. 9 is a diagram for explaining wear feature quantity generation.
  • FIG. 10 is a diagram for explaining behavioral change estimation.
  • FIG. 11 is a diagram illustrating nudge selection.
  • FIG. 12 is a sequence diagram illustrating nudge recommendation processing.
  • 13 is a diagram illustrating a hardware configuration of a nudge management device according to the embodiment; FIG
  • FIG. 1 is a diagram illustrating a series of flows for prompting a user's behavioral change by nudging.
  • FIG. 2 is a diagram illustrating nudge wear.
  • a nudge is a mechanism or mechanism based on cognitive biases that encourages users to voluntarily take desirable actions for individuals and society.
  • a nudge is a display such as a message displayed on a communication terminal such as a smartphone
  • FIG. 1 assumes a scene in which user Y is heading to a bus stop 300 to board a bus.
  • the bus (next bus) on which user Y is supposed to board is highly congested.
  • a push notification is sent to the communication terminal 100 such as a smart phone of the user Y through a predetermined application (for example, a bus application that assists getting on the bus).
  • the push notification is a notification related to a nudge that urges the user to change behavior, specifically, a notification related to a nudge that urges the user to get on a bus (recommended bus) other than the next busy bus.
  • Timing of nudge intervention may be determined, for example, based on information obtained through an application of communication terminal 100 (“bus application” in the above example), user Y's location information, and the like. In this embodiment, a detailed description of the timing of nudge intervention is omitted. For effective nudges, for example, based on information acquired through the application of the communication terminal 100 (“bus application” in the above example), select the nudge that has the highest behavioral change effect in the current scene. can be considered.
  • the probability that the user will generally select is the highest. It is conceivable to select a nudge that prompts the driver to see off the boarding.
  • the wear of the nudge when the wear of the nudge has not progressed, the user is highly likely to show an interest in the nudge (information), and it is possible to effectively encourage the user to change his/her behavior.
  • the nudge wear information By deriving the nudge wear information in this way, it is possible to select nudges that are truly highly effective in modifying behavior, so it is important to derive the nudge wear information.
  • the content related to the derivation of the nudge wear information will be described in detail.
  • FIG. 3 is a functional block diagram of the nudge management device 10 (information processing device) included in the nudge recommendation system 1 according to the first embodiment.
  • the nudge recommendation system 1 includes an application 101 of a communication terminal 100 and a nudge management device 10 .
  • the nudge recommendation system 1 actually includes applications 101 of a plurality of communication terminals 100 of different users, but for convenience of explanation, only the application 101 of one communication terminal 100 will be explained.
  • the communication terminal 100 may be any terminal capable of wireless communication, such as a smartphone, a tablet terminal, or a PC terminal.
  • the application 101 may be any application that can be activated in the communication terminal 100, such as a bus application for assisting boarding of the bus.
  • the nudge management device 10 is a device that manages multiple types of nudge information and updates the nudge information based on information from the application 101 .
  • the nudge management device 10 includes an acquisition unit 11 , a storage unit 12 , a wear derivation unit 13 , a recovery derivation unit 14 and an update unit 15 .
  • the acquisition unit 11 acquires various information from the application 101 .
  • the acquisition unit 11 acquires nudge intervention information, which is information related to nudge intervention (information related to user intervention regarding nudge), for each of a plurality of types of nudge.
  • the nudge intervention information may include, for example, the presence/absence of push notification on the previous day, the presence/absence of nudge intervention on the previous day, and the result of behavior modification on the previous day.
  • the previous day is given as an example of a predetermined period of time, and may be a predetermined period other than the previous day (for example, the last three days, etc.).
  • the presence/absence of push notification here is information indicating whether or not a push notification has been received in the communication terminal 100 of the user via the application 101 .
  • the presence or absence of nudge intervention is information indicating whether or not the nudge has been viewed by the user on the nudge screen corresponding to the push notification.
  • the behavior modification result is information indicating whether or not the user has taken the behavior urged by the nudge.
  • the acquisition unit 11 further acquires user information that is information related to the attributes of the user and that affects the reduction of the nudge effect.
  • Information related to a user's attribute is information unique to the user according to the unique characteristics of the user.
  • the user information may include, for example, the usage time of the communication terminal 100 (smartphone) on the previous day, the presence or absence of the corona vaccine, and the corona infection status on the previous day. Since it is possible to estimate how the user uses the communication terminal 100 from the usage time of the communication terminal 100, for example, it is possible to see through whether the user is a user who does not check every corner of the screen, and how the nudge affects the human mind. Whether or not it is a user can be estimated.
  • the user's attitude toward risk can be inferred from the presence or absence of the corona vaccine. From the corona infection status, the current mental and physical health status of the user can be estimated.
  • the acquisition unit 11 may acquire, as other user information, whether or not the user has visited a racecourse, whether or not each tourist spot has been visited, the number of points acquired for the application 101, and the like.
  • the degree of user's risk appetite can be estimated from the presence or absence of visits to racetracks. From the presence or absence of visits to each tourist spot, the strength of conformity bias and desire for approval can be inferred. From the number of points earned, the degree of participation in the campaign can be estimated, and the bias regarding loss avoidance and gain can be estimated.
  • Each of the user information described above is information that can affect the reduction of the nudge effect.
  • the acquisition unit 11 further acquires environment information indicating the state of the user's external environment during a predetermined period.
  • a user's external environment is an element that surrounds the user and can affect the user's behavior, and is an element that is not related to the user's attributes.
  • the acquisition unit 11 may acquire the previous day's weather, the previous day's temperature, the previous day's day of the week (whether it is a weekday or a weekend), the previous day's number of corona infected persons, and the like, as environmental information. These pieces of information are information that can be used to estimate whether or not to go out or take an action that is close to each other.
  • the acquisition unit 11 may acquire factors that are likely to affect the behavior of the user, in addition to the above-described information.
  • the acquisition unit 11 stores each acquired information in the storage unit 12 .
  • the storage unit 12 is a database that stores information on multiple types of nudges and stores information stored from the acquisition unit 11 .
  • the storage unit 12 stores, as information on a plurality of types of nudges, for example, information (nudge ID) that uniquely identifies a nudge, intervention conditions, contents of actions to be encouraged, behavior modification effects, incentives, and behavior modification means. , and nudge contents are linked and stored.
  • the intervention condition is information indicating in what cases the nudge is a candidate for intervention, and is defined as, for example, "when the bus to be boarded is congested.”
  • the content of the action to be urged is the specific content of the action that the nudge urges the user to take, and is defined, for example, as "get on the next bus that is not crowded”.
  • the behavior modification effect is information indicating the degree (probability) of the user taking the action prompted by the nudge when nudge intervention is performed, and is defined as "10%", for example.
  • An incentive is an incentive that a user receives when the user performs an action prompted by a nudge, and is defined as "point 10p", for example.
  • the behavior modification means is information indicating what kind of means, such as a message, image, or voice, is used to modify the behavior.
  • the nudge content is information indicating the specific content of the nudge (for example, in the case of a message, the content of the message (words of the nudge)). For example, a plurality of phrases such as "There is a rare vacant bus after one! and "Avoiding congestion leads to social contribution.”
  • the storage unit 12 stores the information stored from the acquisition unit 11.
  • the storage unit 12 stores a feature amount f_a1 indicating whether or not a push notification was made on the previous day by 0 or 1, and a feature amount f_a2 indicating whether or not nudge intervention was performed on the previous day by 0 or 1.
  • a feature value f_a3 indicating the result of behavioral change on the previous day by 0 or 1
  • a feature value f_a4 indicating whether the weather on the previous day was rainy or not by 0 or 1
  • a feature value f_a6 indicating whether the weather on the previous day was cloudy with 0 or 1
  • a feature value f_a7 indicating whether the weather on the previous day was snowy with 0 or 1
  • a feature value f_a8 indicating the temperature on the previous day.
  • a feature value f_a9 that indicates whether the previous day is a weekday or not
  • a feature value f_a10 that indicates whether or not the previous day is a Saturday or Sunday
  • a feature value f_a11 that indicates the smartphone usage time on the previous day, and a corona vaccine.
  • FIG. 4 shows feature amounts of examples 1 to 3 acquired by the acquisition unit 11 at different timings.
  • the wear derivation unit 13 is configured to derive and output nudge wear information that indicates the degree of reduction in the nudge effect related to the nudge intervention information based on the nudge intervention information.
  • the nudge intervention information is, as described above, information including, for example, the presence or absence of push notification on the previous day, the presence or absence of nudge intervention on the previous day, and the behavior modification effect on the previous day.
  • the wear derivation unit 13 may derive nudge wear information for each of a plurality of types of nudges.
  • the wear derivation unit 13 refers to the information stored in the storage unit 12 to specify each feature amount related to the nudge intervention information, and derives the nudge wear information based on the value of each specified feature amount. In the example shown in FIG.
  • the feature quantity f_a1 indicating the presence or absence of the push notification on the previous day is 1 when there is a notification, and 0 when there is no notification.
  • the feature quantity f_a2 indicating the presence or absence of nudge intervention on the previous day is set to 1 when there is intervention and 0 when there is no intervention.
  • the feature value f_a3 indicating the behavior change result of the previous day is 1 when there is behavior change (when the user takes the action urged by the nudge), and 1 when there is no behavior change (when the user does not take the action urged by the nudge) case) is set to 0.
  • the wear derivation unit 13 further considers the user information and the environment information, Derive nudge wear information.
  • User information is, as described above, information that includes, for example, how long the smartphone was used on the previous day, whether or not the user received the corona vaccine, and the corona infection status on the previous day.
  • the feature amount f_a11 indicating the smartphone usage time on the previous day is a value between 0 and 24 hours.
  • the feature value f_a12 indicating the presence or absence of the corona vaccine is set to 1 when inoculated and 0 when not inoculated.
  • the feature value f_a13 indicating the state of corona infection on the previous day is 1 when infected and 0 when not infected.
  • environmental information is information that includes, for example, the previous day's weather, the previous day's temperature, the previous day's day of the week (whether it's a weekday or a weekend), and the previous day's number of corona-infected people.
  • the feature value f_a4 indicating whether or not the weather on the previous day was rainy is 1 if it is raining, and 0 if it is not raining.
  • a feature value f_a5 indicating whether or not the weather on the previous day was fine is 1 when it is fine, and 0 when it is not fine.
  • a feature value f_a6 indicating whether or not the weather on the previous day was cloudy is 1 when it is cloudy, and 0 when it is not cloudy.
  • a feature value f_a7 indicating whether or not the weather on the previous day is snow is 1 if it is snow, and 0 if it is not snow.
  • the feature value f_a8 indicating the temperature of the previous day is a value indicating the temperature.
  • a feature value f_a9 indicating whether or not the previous day is a weekday is 1 if it is a weekday, and 0 if it is not a weekday.
  • a feature value f_a10 indicating whether or not the previous day is Saturday and Sunday is 1 if it is Saturday and Sunday, and is 0 if it is not Saturday and Sunday.
  • the feature value f_a14 indicating the number of corona-infected persons on the previous day is a value indicating the number of infected persons.
  • w ⁇ is a weight and takes different values depending on the model case.
  • Abrasion(date), which indicates wear, is adjusted to have a value in the range of 0-1.
  • the weight w ⁇ may be derived, for example, by obtaining a regression equation using the method of least squares or the like. Also, w ⁇ indicating the weight may be derived from, for example, a correlation coefficient between each feature amount (column) and the behavioral change result, which is the objective variable. Also, the weight w ⁇ may be derived, for example, by creating a machine learning model for predicting the result of behavioral change, which is the objective variable, and using the contribution rate of each feature quantity (column).
  • a behavior modification result considering the nudge wear information may be derived.
  • the behavior modification result is 1 when it is predicted that there is behavior modification (when it is predicted that the user will take the action prompted by the nudge), and 1 when it is predicted that there is no behavior modification (when the nudge is predicted to take action) is set to 0 when it is predicted that the user will not take the action to be urged.
  • the wear derivation unit 13 calculates abrasion (date) indicating wear by the above formula (1).
  • the wear information may be derived as follows. Now, the previous day's push notification presence or absence (f1), the previous day's nudge intervention presence or absence (f2), and the previous day's behavioral change effect (f3), which are nudge intervention information, and a visit to a certain sightseeing spot, which is user information An example of deriving wear information from the number of times (f4) will be described.
  • the weights of f1 to f4 in deriving wear information are 0.1, 0.2, 0.6, and 0.1, respectively.
  • the recovery deriving unit 14 is configured to derive and output nudge recovery information that indicates the degree of recovery of the effect of the nudge related to the nudge intervention information based on the nudge intervention information.
  • the nudge recovery information is information indicating the degree of recovery of a nudge once worn.
  • the nudge intervention information is, as described above, information including, for example, the presence or absence of push notification on the previous day, the presence or absence of nudge intervention on the previous day, and the behavior modification effect on the previous day.
  • the recovery deriving unit 14 may derive nudge recovery information for each of multiple types of nudges.
  • the recovery derivation unit 14 refers to the information stored in the storage unit 12 to specify each feature amount related to the nudge intervention information, and derives the nudge recovery information based on the value of each specified feature amount.
  • the feature quantity f_r1 indicating the presence or absence of push notification on the previous day is 1 when there is notification, and 0 when there is no notification.
  • the feature quantity f_r2 indicating the presence or absence of nudge intervention on the previous day is set to 1 when there is intervention and 0 when there is no intervention.
  • the feature value f_r3 indicating the behavior change result of the previous day is 1 when there is a behavior change (when the user takes the action urged by the nudge), and 1 when there is no behavior change (when the user does not take the action urged by the nudge) case) is set to 0.
  • the recovery derivation unit 14 further considers other information to derive nudge recovery information.
  • other information includes smartphone usage time on the previous day, days since the last push notification, days since the last nudge intervention, days since the last behavioral change, and other information likely to affect behavior. factors are exemplified.
  • the recovery derivation unit 14 derives recovery(date) indicating recovery by the following equation (2), taking into account the other information described above.
  • wr is a weight and takes different values depending on the model case. wr can be calculated, for example, by a method similar to w ⁇ , which indicates a weight related to wear derivation.
  • recovery(date), which indicates recovery, is adjusted to have a value in the range of 0-1.
  • the update unit 15 is configured to update the nudge information stored in the storage unit 12 based on the nudge wear information and the nudge recovery information.
  • the update unit 15 acquires nudge wear information of each nudge from the wear derivation unit 13 .
  • the update unit 15 acquires the nudge recovery information of each nudge from the recovery derivation unit 14 .
  • the update unit 15 acquires current wear information of each nudge from the nudge information stored in the storage unit 12 .
  • the update unit 15 derives the latest wear information based on the nudge wear information, the nudge recovery information, and the current wear information, and based on the derived wear information, each item stored in the storage unit 12 is updated. Update nudge information.
  • the update unit 15 considers both nudge wear information of one nudge included in a plurality of types of nudges and nudge wear information of a nudge similar to the one nudge to update the information of the one nudge. good too.
  • nudge wear is represented by the following recurrence formulas (3) and (4).
  • formula (4) when deriving the wear F(N)I of one nudge, for each nudge, the recovery (date) indicating recovery is subtracted from the abrasion (date) indicating wear, and the current F(N ⁇ 1)I, which is information on the wear of the above one nudge, is added to derive a value multiplied by the weight WI_J. Which indicates that. Weights WI_J are set to zero for nudges that are not similar to the one nudge above. Thereby, nudge wear is derived by considering only the information of nudges that are similar to each other.
  • the wear F(N)A of the nudge A is derived from the following equation (5).
  • WA_A is the weight for determining the wear of nudge A itself
  • WA_B is the weight for deriving the wear of nudge B when determining the wear of nudge A
  • WA_C is the weight for deriving the wear of nudge A. This is the weight related to the derivation of the wear of the nudge C when the wear is produced.
  • WA_B (or WA_C) is set based on the degree of similarity between nudge A and nudge B (or nudge C).
  • the weight WI_J will be explained in detail.
  • the wear of one nudge is derived from the wear of a plurality of types of nudges, the weight of the wear of the one nudge (target nudge) is maximized. Then, the higher the degree of similarity to the target nudge, the greater the wear weight.
  • a high degree of similarity means a high degree of duplication of cognitive biases (psychological biases) associated with nudges.
  • nudge A is associated with biases a, b, and c
  • nudge B is associated with biases b, c, and d
  • nudge C is associated with bias d. do.
  • a similarity according to the degree of overlap of biases may be derived.
  • nudge A is the target nudge.
  • a common bias of 0 indicates that the two nudges are dissimilar.
  • nudge B is the target nudge.
  • FIG. 7 is a sequence diagram showing nudge wear update processing.
  • various information including nudge intervention information is acquired from the application 101 by the acquisition unit 11 and stored in the storage unit 12 (step S11).
  • the wear derivation unit 13 acquires information (information including nudge intervention information) stored in the storage unit 12 (step S12). Then, the wear deriving unit 13 derives the nudge wear information of each nudge based on the nudge intervention information (step S13).
  • the information (including the nudge intervention information) stored in the storage unit 12 is acquired by the recovery derivation unit 14 (step S14). Then, the recovery deriving unit 14 derives the nudge recovery information for each nudge based on the nudge intervention information (step S15).
  • the derivation result of the nudge wear information by the wear derivation unit 13 is acquired by the update unit 15 (step S16), and the derivation result of the nudge recovery information by the recovery derivation unit 14 is acquired by the update unit 15 (step S17). ). Also, the current wear information of each nudge is acquired by the updating unit 15 from the storage unit 12 (step S18).
  • the update unit 15 performs wear update processing based on the acquired information (step S19), and the wear update result is reflected in the information of each nudge stored in the storage unit 12 (step S20). ).
  • the nudge management apparatus 10 includes a storage unit 12 that stores nudge information, which is a mechanism for prompting the user to voluntarily take a desired action, and information related to nudge intervention (user intervention related to nudge). and a wear derivation unit 13 for deriving and outputting nudge wear information indicating the degree of reduction in effect of the nudge related to the nudge intervention information based on the nudge intervention information.
  • nudge intervention information which is information related to nudge intervention (information related to user intervention related to nudge)
  • nudge intervention information which is information related to nudge intervention (information related to user intervention related to nudge)
  • the degree of reduction in nudge effect is calculated.
  • nudge wear information is estimated (derived) from information (for example, nudge intervention frequency) related to nudge intervention to the user, so that the nudge is worn out by, for example, repeated nudge intervention (nudge is reduced), the wear of the nudge can be quantified appropriately (with high accuracy).
  • the nudge management device 10 according to the present embodiment can appropriately quantify nudge wear.
  • nudge wear has the following advantages, for example.
  • First of all when recommending a nudge to a user, it is possible to make a recommendation that considers the wear of the nudge. It is possible to make a recommendation based on the magnitude relationship of the numerical values, or use digitized wear as a feature amount of machine learning related to the recommendation.
  • the recommendation considering wear will be described in detail in the second embodiment.
  • an upper wear limit can be specified.
  • the upper limit of wear means a value at which no more wear occurs or the effect does not change even if the number of apparent wear increases. By specifying the upper limit of wear in the usage scene, it becomes possible to determine that there is no point in continuously applying nudges. Fourth, the accuracy of nudge recovery verification and data collection is improved.
  • the nudge intervention information includes information indicating whether or not the nudge was viewed by the user within a predetermined period of time, information indicating whether or not the user took the action prompted by the nudge due to the nudge, and may include at least According to such a configuration, it is specified whether or not the nudge was intervened (viewed by the user) with respect to the user, and whether or not the user actually changed his or her behavior due to the nudge. Based on information closely related to nudge wear, nudge wear can be derived more favorably.
  • the acquisition unit 11 further acquires user information that is information related to the attributes of the user and that influences the decrease in the nudge effect, and the wear derivation unit 13 further considers the user information to derive nudge wear information. good.
  • the nudge wear information is calculated by further considering the information related to the attributes of the user, such as the usage time of the smartphone and the presence or absence of visits to a predetermined place, which may affect the reduction of the effect of the nudge. Since it is derived, the wear of the nudge can be derived more appropriately.
  • the acquisition unit 11 may further acquire environmental information indicating the state of the user's external environment during a predetermined period, and the wear derivation unit 13 may derive nudge wear information by further considering the environment information. According to such a configuration, since the nudge wear information is derived by further considering the environmental information indicating the state of the user's external environment, such as the weather and the number of people infected with corona, the wear of the nudge can be derived more appropriately. be able to.
  • the nudge management device 10 may further include an update unit 15 that updates the nudge information related to the nudge intervention information stored in the storage unit 12 based on the nudge wear information.
  • an update unit 15 that updates the nudge information related to the nudge intervention information stored in the storage unit 12 based on the nudge wear information.
  • the nudge wear information that is quantified and derived is used to update the nudge information in the storage unit 12, so that the nudge wear information can be reflected in the original nudge information.
  • the storage unit 12 stores information on multiple types of nudges
  • the wear derivation unit 13 derives nudge wear information for each of the multiple types of nudges
  • the updating unit 15 is included in the multiple types of nudges.
  • the information for a nudge may be updated by considering both the nudge wear information for the nudge and the nudge wear information for nudges similar to the nudge. If, for example, a nudge similar to one nudge is repeatedly intervened by the user, it is considered that the nudge will also wear out due to its influence.
  • the one nudge information can be updated based on the wear condition along the .
  • the nudge management device 10 further includes a recovery derivation unit 14 for deriving nudge recovery information indicating the degree of effect recovery of the nudge related to the nudge intervention information based on the nudge intervention information, and the update unit 15 further considers the nudge recovery information. Then, the nudge information related to the nudge intervention information may be updated. For example, even if a nudge has been worn once due to repeated intervention by the user, it is considered that the effect of the nudge will recover if the intervention is not performed for a predetermined period of time. Therefore, the nudge recovery information is derived based on the nudge intervention information, and the nudge information is updated in consideration of the nudge recovery information, so that the nudge information can be updated with information more in line with the actual situation.
  • a recovery derivation unit 14 for deriving nudge recovery information indicating the degree of effect recovery of the nudge related to the nudge intervention information based on the nudge intervention information
  • nudge management device 10A information processing device included in the nudge recommendation system 1A according to the second embodiment will be described with reference to FIGS. 8 to 12.
  • FIG. 8 explanations common to the first embodiment will be omitted, and differences from the first embodiment will be mainly explained.
  • FIG. 8 is a functional block diagram of a nudge management device 10A included in a nudge recommendation system 1A according to the second embodiment.
  • the nudge management device 10A has a function of recommending to the user a nudge with a high probability of behavior change, which is the probability that the user will take the action urged by the nudge, in consideration of wear of the nudge.
  • the nudge management device 10A includes an acquisition unit 11, a storage unit 12, a wear feature quantity generation unit 16 (wear derivation unit), a behavior change estimation unit 17, a nudge selection unit 18, It has
  • the acquisition unit 11 acquires various pieces of information in association with each other from the application 101 when a specific condition is satisfied.
  • a specific condition is a specific condition under which a nudge can be recommended to the user. Specifically, it is, for example, checking in at a specific spot (shop, etc.).
  • the acquisition unit 11 acquires, for example, nudge intervention information.
  • the nudge intervention information in this case may include, for example, the presence or absence of a push notification on the previous day, the scheduled intervention nudge, the presence or absence of the nudge intervention on the previous day, and the behavior change result on the previous day.
  • a scheduled intervention nudge is a nudge that was intended (or actually) to be intervened by the user when the user opened the push notification.
  • the acquisition unit 11 may acquire user information, which is information related to user attributes, as information included in the above-mentioned various information.
  • User information includes, for example, a user ID that uniquely identifies a user, gender, age, family structure, and the like.
  • the acquisition unit 11 obtains the weather, temperature, day of the week, smartphone usage time of the user, whether or not the user has been vaccinated against COVID-19, the user's Information such as the corona infection status, the number of corona infected people on the previous day, the user's close contact flag, etc. may be acquired.
  • Acquisition unit 11 stores the acquired information in storage unit 12 .
  • the wear feature quantity generation unit 16 generates a wear feature quantity representing nudge wear information for each of a plurality of types of nudges based on the nudge intervention information.
  • FIG. 9 is a diagram for explaining wear feature quantity generation.
  • FIG. 9A shows information (log) including nudge intervention information acquired by the acquisition unit 11 and stored in the storage unit 12 . Such a log is created each time a nudge is pushed.
  • the wear feature amount generator 16 converts the log into the wear feature amount shown in FIG. 9(b).
  • a feature amount f_1 indicating the user ID
  • a feature amount f_2 indicating the number of days since the previous push notification
  • a feature amount indicating the number of days since the last push notification indicating the number of days since the last push notification.
  • the same feature amount as nudge A is defined for each nudge.
  • the cumulative number of times of each nudge may be defined as a feature amount.
  • the behavior change estimation unit 17 estimates the behavior change probability, which is the probability that the user will take the action prompted by the nudge.
  • the behavior change estimating unit 17 estimates a behavior change probability for each of the multiple types of nudges based on the wear feature amounts for the multiple types of nudges.
  • the behavior change estimation unit 17 generates an estimation model (machine learning model) for estimating the probability of behavior change for each of multiple types of nudges based on the wear feature amount and user information.
  • FIG. 10 is a diagram for explaining behavior change estimation, and more specifically, a diagram for explaining generation of an estimation model for estimating a behavior change probability.
  • the behavior change estimating unit 17 includes a wear feature amount, a user ID, which is user information, gender, age, and family structure, and other information (a feature amount likely to contribute to behavior).
  • the behavior change estimation unit 17 estimates a behavior change probability for each of multiple types of nudges based on the above estimation model.
  • the behavior change estimation unit 17 estimates the behavior change probability for each nudge of the target user by inputting data similar to the learning data to each estimation model for each nudge.
  • the nudge selection unit 18 selects a nudge to recommend to the target user based on the behavior change probability. Specifically, the nudge selection unit 18 selects the nudge with the highest probability of behavior modification as the nudge to be recommended to the user.
  • FIG. 11 is a diagram illustrating nudge selection.
  • the behavior change probability estimated from the nudge A model is 0.6
  • the behavior change probability estimated from the nudge B model is 0.5
  • the behavior change probability estimated from the nudge C model is 0.4.
  • the nudge selection unit 18 selects the nudge A with the highest probability of behavior modification as the recommended nudge.
  • the behavior change probability estimated from the nudge B model is 0.4
  • the behavior change probability estimated from the nudge B model is 0.5
  • the behavior change probability estimated from the nudge C model is 0.4.
  • the nudge selection unit 18 selects the nudge B with the highest probability of behavior modification as the recommended nudge. In this way, the behavior change probabilities are updated based on the nudge intervention information and the optimal nudge is selected.
  • FIG. 12 is a sequence diagram illustrating nudge recommendation processing.
  • step S101 various information including nudge intervention information is acquired from the application 101 by the acquisition unit 11 and stored in the storage unit 12 (step S101).
  • the wear feature amount generation unit 16 acquires the log data including the nudge intervention information stored in the storage unit 12 (step S102), and the wear feature amount of each nudge is generated based on the log data ( step S103).
  • the behavior change estimation unit 17 acquires various feature amounts such as user information stored in the storage unit 12 (step S104), and the wear feature amount of each nudge is acquired from the wear feature amount generation unit 16. (step S105), and the behavior change probability (ease of behavior change) of each nudge is estimated based on the wear feature amount, user information, etc. (step S106).
  • the nudge selection unit 18 acquires the behavior modification probability (estimated effect value) of each nudge, and selects a nudge to be recommended to the target user from among a plurality of nudges based on the behavior modification probability (step S108). ). Then, the selected nudge is recommended to the target user via the application 101 (step S109). The nudge intervention information about the recommended nudge is stored in the storage unit 12 via the acquisition unit 11 (step S110), and is used as log data for generation of the subsequent wear feature amount.
  • the nudge management device 10A includes a behavior change estimation unit 17 that estimates a behavior change probability that is the probability that the user will take the action urged by the nudge, and a nudge that selects a nudge to recommend to the user based on the behavior change probability. and a selection unit 18, wherein the storage unit 12 stores information on a plurality of types of nudges, and the wear derivation unit expresses nudge wear information for each of the plurality of types of nudges based on the nudge intervention information.
  • the behavior change estimation unit 17 estimates a behavior change probability for each of the plurality of types of nudges based on the wear feature amounts for the plurality of types of nudges.
  • the nudge selection unit 18 selects the nudge with the highest probability of behavior modification as the nudge to be recommended to the user.
  • the behavior change probability is estimated for each of a plurality of types of nudges based on the wear feature quantity representing the nudge wear information, and the nudge with the highest behavior change probability is selected as the nudge for recommendation. It is possible to estimate the probability of behavior change with higher accuracy by adding information, and to suitably select a nudge that can prompt behavior change of the user.
  • the behavior change estimation unit 17 generates an estimation model for estimating a behavior change probability for each of a plurality of types of nudges based on the wear feature amount and user information that is information related to user attributes, and based on the estimation model , a behavior change probability may be estimated for each of a plurality of types of nudges. In this way, an estimation model is generated for each nudge in consideration of the wear feature amount and the user information, and the behavior change probability of each nudge is estimated based on the estimation model. can estimate the behavioral change probability of
  • the nudge management devices 10 and 10A may physically be configured as computer devices 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 term "apparatus” can be read as a circuit, device, unit, or the like.
  • the hardware configuration of the nudge management devices 10 and 10A may be configured to include one or more of each device shown in the figure, or may be configured without some of the devices.
  • Each function of the nudge management devices 10 and 10A is performed by loading predetermined software (programs) on hardware such as the processor 1001 and the memory 1002. and by controlling reading and/or writing of data in the storage 1003 .
  • the processor 1001 for example, operates an operating system and controls the entire computer.
  • the processor 1001 may be configured with a central processing unit (CPU) including an interface with peripheral devices, a control device, an arithmetic device, registers, and the like.
  • CPU central processing unit
  • the control functions of the acquisition unit 11 and the like may be implemented by the processor 1001 .
  • the processor 1001 also reads programs (program codes), software modules and data from the storage 1003 and/or the communication device 1004 to the memory 1002, and executes various processes according to them.
  • programs program codes
  • software modules software modules
  • data data from the storage 1003 and/or the communication device 1004
  • the program a program that causes a computer to execute at least part of the operations described in the above embodiments is used.
  • control functions of the acquisition unit 11 and the like may be implemented by a control program stored in the memory 1002 and operated by the processor 1001, and other functional blocks may be similarly implemented.
  • processor 1001 may be executed by two or more processors 1001 simultaneously or sequentially.
  • Processor 1001 may be implemented with one or more chips.
  • the program may be transmitted from a network via an electric communication line.
  • the memory 1002 is a computer-readable recording medium, and is composed of at least one of, for example, ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), RAM (Random Access Memory), etc. may be
  • ROM Read Only Memory
  • EPROM Erasable Programmable ROM
  • EEPROM Electrical Erasable Programmable ROM
  • RAM Random Access Memory
  • the memory 1002 may also be called a register, cache, main memory (main storage device), or the like.
  • the memory 1002 can store executable programs (program codes), software modules, etc. for implementing a wireless communication method according to an embodiment of the present invention.
  • the storage 1003 is a computer-readable recording medium, for example, an optical disc such as a CDROM (Compact Disc ROM), a hard disk drive, a flexible disc, a magneto-optical disc (for example, a compact disc, a digital versatile disc, a Blu-ray (registered disk), smart card, flash memory (eg, card, stick, key drive), floppy disk, magnetic strip, and/or the like.
  • Storage 1003 may also be called an auxiliary storage device.
  • the storage medium described above may be, for example, a database, server, or other suitable medium including memory 1002 and/or storage 1003 .
  • the communication device 1004 is hardware (transmitting/receiving device) for communicating between computers via a wired and/or wireless network, and is also called a network device, network controller, network card, communication module, etc., for example.
  • the input device 1005 is an input device (for example, keyboard, mouse, microphone, switch, button, sensor, etc.) that receives input from the outside.
  • the output device 1006 is an output device (eg, display, speaker, LED lamp, etc.) that outputs to the outside. Note that the input device 1005 and the output device 1006 may be integrated (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 composed of a single bus, or may be composed of different buses between devices.
  • nudge management devices 10 and 10A include hardware such as microprocessors, digital signal processors (DSPs), ASICs (Application Specific Integrated Circuits), PLDs (Programmable Logic Devices), FPGAs (Field Programmable Gate Arrays), etc. , and part or all of each functional block may be implemented by the hardware.
  • processor 1001 may be implemented with at least one of these hardware.
  • LTE Long Term Evolution
  • LTE-A Long Term Evolution-Advanced
  • SUPER 3G IMT-Advanced
  • 4G 5G
  • FRA Full Radio Access
  • W-CDMA registered trademark
  • GSM registered trademark
  • CDMA2000 Code Division Multiple Access 2000
  • UMB Universal Mobile Broad-band
  • IEEE 802.11 Wi-Fi
  • IEEE 802.16 WiMAX
  • IEEE 802.20 UWB (Ultra-Wide Band)
  • Bluetooth® other suitable systems and/or extended next generation systems based on these.
  • Input and output information may be saved in a specific location (for example, memory) or managed in a management table. Input/output information and the like can be overwritten, updated, or appended. The output information and the like may be deleted. The entered information and the like may be transmitted to another device.
  • the determination may be made by a value represented by one bit (0 or 1), by a true/false value (Boolean: true or false), or by numerical comparison (for example, a predetermined value).
  • notification of predetermined information is not limited to being performed explicitly, but may be performed implicitly (for example, not notifying the predetermined information). good too.
  • Software whether referred to as software, firmware, middleware, microcode, hardware description language or otherwise, includes instructions, instruction sets, code, code segments, program code, programs, subprograms, and software modules. , applications, software applications, software packages, routines, subroutines, objects, executables, threads of execution, procedures, functions, and the like.
  • software, instructions, etc. may be transmitted and received via a transmission medium.
  • the software can be used to access websites, servers, or other When transmitted from a remote source, these wired and/or wireless technologies are included within the definition of transmission media.
  • data, instructions, commands, information, signals, bits, symbols, chips, etc. may refer to voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, light fields or photons, or any of these. may be represented by a combination of
  • information, parameters, etc. described in this specification may be represented by absolute values, may be represented by relative values from a predetermined value, or may be represented by corresponding other information. .
  • Communication terminals are defined by those skilled in the art as mobile communication terminals, subscriber stations, mobile units, subscriber units, wireless units, remote units, mobile devices, wireless devices, wireless communication devices, remote devices, mobile subscriber stations, access terminals, It may also be called a mobile terminal, wireless terminal, remote terminal, handset, user agent, mobile client, client or some other suitable term.
  • any reference to the elements does not generally limit the quantity or order of those elements. These designations may be used herein as a convenient method of distinguishing between two or more elements. Thus, references to first and second elements do not imply that only two elements may be employed therein, or that the first element must precede the second element in any way.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (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

ナッジ管理装置は、望ましい行動を自発的に取ることをユーザに促すしかけであるナッジの情報を記憶する記憶部と、ナッジの介入に係る情報であるナッジ介入情報を取得する取得部と、ナッジ介入情報に基づき、ナッジ介入情報に係るナッジの効果減少度合いを示すナッジ摩耗情報を導出し出力する摩耗導出部と、を備える。

Description

情報処理装置
　本発明の一態様は、情報処理装置に関する。
　特許文献１には、認知バイアスに基づき、個人や社会にとって望ましい行動を自発的にとることを促すナッジの活用により、ユーザに行動変容を促すシステムが記載されている。
特開２０２０－１４０５９６号公報
　行動経済学において、上述したナッジは摩耗するものと考えられている。ここでのナッジの摩耗とは、繰り返し介入（ユーザへのリコメンド）が実施されることによってナッジによる行動変容効果が減少することを言う。従来、このようなナッジの摩耗については適切に考慮されていない。
　本発明は上記実情に鑑みてなされたものであり、ナッジの摩耗を適切に数値化することを目的とする。
　本発明の一態様に係る情報処理装置は、望ましい行動を自発的にとることをユーザに促すしかけであるナッジの情報を記憶する記憶部と、ナッジの介入に係る情報であるナッジ介入情報を取得する取得部と、ナッジ介入情報に基づき、ナッジ介入情報に係るナッジの効果減少度合いを示すナッジ摩耗情報を導出し出力する摩耗導出部と、を備える。
　本発明の一態様に係る情報処理装置では、ナッジの介入に係る情報（ナッジに関するユーザへの介入に係る情報）であるナッジ介入情報が取得され、該ナッジ介入情報に基づいて、ナッジの効果減少度合いを示すナッジ摩耗情報が導出され出力されている。このように、ユーザへのナッジの介入に係る情報（例えばナッジの介入頻度等）からナッジの摩耗情報が推定（導出）されることにより、例えばナッジの繰り返し介入によってナッジが摩耗している（ナッジの行動変容効果が減少している）ような場合において、当該ナッジの摩耗を適切に（高精度に）数値化することができる。以上のように、本発明の一態様に係る情報処理装置によれば、ナッジの摩耗を適切に数値化することができる。
　本発明の一態様によれば、ナッジの摩耗を適切に数値化することができる。
図１は、ナッジによってユーザの行動変容を促す一連の流れについて説明する図である。 図２は、ナッジの摩耗について説明する図である。 図３は、第１実施形態に係るナッジ管理装置の機能ブロック図である。 図４は、ナッジの摩耗計算を説明する図である。 図５は、ナッジの摩耗計算を説明する図である。 図６は、ナッジの回復計算を説明する図である。 図７は、ナッジの摩耗更新処理を示すシーケンス図である。 図８は、第２実施形態に係るナッジ管理装置の機能ブロック図である。 図９は、摩耗特徴量生成を説明する図である。 図１０は、行動変容推定を説明する図である。 図１１は、ナッジ選択を説明する図である。 図１２は、ナッジのリコメンド処理を示すシーケンス図である。 図１３は、実施形態に係るナッジ管理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発明の実施形態を詳細に説明する。図面の説明において、同一又は同等の要素には同一符号を用い、重複する説明を省略する。
［第１実施形態］
　最初に、本実施形態で説明するナッジ、及び、ナッジを利用したユーザへの行動変容の促進について、図１及び図２を参照して説明する。図１は、ナッジによってユーザの行動変容を促す一連の流れについて説明する図である。図２は、ナッジの摩耗について説明する図である。
　ナッジとは、個人や社会にとって望ましい行動を自発的にとることをユーザに促す、認知バイアスに基づく仕組みやしかけである。本実施形態では、ナッジが、スマートフォン等の通信端末に表示されるメッセージ等の表示である例を説明する。図１では、ユーザＹがバスに乗車するためにバス停３００に向かっているシーンを想定している。図１に示されるように、いま、ユーザＹが乗車すると想定されているバス（次バス）の混雑度が高いとする。この場合、例えば所定のアプリケーション（例えばバス乗車をアシストするバスアプリ）を通じてユーザＹのスマートフォン等の通信端末１００にプッシュ通知を実施する。当該プッシュ通知は、ユーザに行動変容を促すナッジに係る通知であり、具体的には、混雑している次バス以外のバス（おすすめバス）の乗車を促すナッジに係る通知である。
　図１に示されるように、ユーザＹが通信端末１００に通知されたプッシュ通知からナッジ画面に遷移すると、「空いている後続バスを待って快適な乗車を」「見送り協力の方にはポイント１０ｐを進展」等のメッセージと共に、次バスが混雑していることを示す情報、及び、おすすめバスの発車予定時刻や混雑状況を示す情報が表示される。このようにナッジ画面に遷移した状態が、ユーザに「ナッジ介入」された状態である。ユーザＹは、ナッジ画面を確認して、当初予定していた行動から変更して、「おすすめバスに乗車する」との行動をとるか否かを選択する。
　ユーザＹに効果的に行動変容を促す（上記の例であれば「おすすめバスに乗車」させる）ためには、適切なタイミングにおいて、最も効果のあるナッジでユーザＹに介入することが重要である。ナッジ介入を行う適切なタイミングについては、例えば、通信端末１００のアプリケーション（上記の例であれば「バスアプリ」）を通じて取得される情報やユーザＹの位置情報等に基づいて決定されてもよい。本実施形態では、ナッジ介入を行うタイミングについては詳細な説明を省略する。効果のあるナッジについては、例えば、通信端末１００のアプリケーション（上記の例であれば「バスアプリ」）を通じて取得される情報に基づいて、現在のシーンにおいて最も行動変容効果が高いナッジを選択することが考えられる。例えば、上記の乗車予定のバスが混雑している例において、交通手段の変更を促すナッジ、乗車見送りを促すナッジ、寄り道を促すナッジがある場合に、一般的に最もユーザが選択する確率が高いと思われる乗車見送りを促すナッジを選択すること等が考えられる。
　ここで、ナッジの行動変容効果については、行動経済学上、一定ではなく変化することが想定される。具体的には、図２に示されるように、日常的（連続的且つ長期的）にユーザに介入したナッジについては、行動変容効果が徐々に減少していくことが考えられる。以下では、このような、ユーザへの介入によるナッジの行動変容効果の減少を「ナッジの摩耗」という場合がある。ナッジの摩耗が進んだ状態においては、ユーザはそのナッジ（情報）を見たくないと考え、ユーザの行動変容を促すことが難しくなる。一方で、ナッジの摩耗が進んでいない状態において、ユーザはそのナッジ（情報）に関心を示す可能性が高く、ユーザの行動変容を効果的に促すことができる。このように、ナッジ摩耗情報を導出することによって、真に行動変容効果が高いナッジを選択することができるため、ナッジ摩耗情報を導出することが重要である。以下では、ナッジ摩耗情報の導出に係る内容ついて、詳細に説明する。
　図３は、第１実施形態に係るナッジリコメンドシステム１に含まれるナッジ管理装置１０（情報処理装置）の機能ブロック図である。図３に示されるように、ナッジリコメンドシステム１は、通信端末１００のアプリケーション１０１と、ナッジ管理装置１０とを含んで構成されている。なお、ナッジリコメンドシステム１には、実際には、互いに異なるユーザの複数の通信端末１００のアプリケーション１０１が含まれているが、説明の便宜上、ここでは１つの通信端末１００のアプリケーション１０１のみを説明する。通信端末１００は、無線通信可能な端末であればよく、例えばスマートフォン、タブレット型端末、ＰＣ端末等である。アプリケーション１０１は、通信端末１００において起動可能なアプリケーションであればよく、例えば上述したバス乗車をアシストするバスアプリ等である。
　ナッジ管理装置１０は、複数種類のナッジの情報を管理し、アプリケーション１０１からの情報に基づきナッジの情報を更新する装置である。ナッジ管理装置１０は、取得部１１と、記憶部１２と、摩耗導出部１３と、回復導出部１４と、更新部１５と、を備えている。
　取得部１１は、アプリケーション１０１から種々の情報を取得する。取得部１１は、例えば、ナッジの介入に係る情報（ナッジに関するユーザへの介入に係る情報）であるナッジ介入情報を、複数種類のナッジそれぞれについて取得する。ナッジ介入情報には、例えば、前日のプッシュ通知有無と、前日のナッジ介入有無と、前日の行動変容結果とが含まれていてもよい。なお、以下で「前日」と説明する箇所については、所定の期間の一例として前日を挙げるものであり、前日以外の所定の期間（例えば直近３日間等）であってもよい。ここでのプッシュ通知有無とは、アプリケーション１０１を介してユーザの通信端末１００においてプッシュ通知されたか否かを示す情報である。ナッジ介入有無とは、プッシュ通知に応じたナッジ画面においてナッジがユーザに閲覧されたか否かを示す情報である。行動変容結果とは、ナッジが促す行動をユーザがとったか否かを示す情報である。
　取得部１１は、ユーザの属性に係る情報であってナッジの効果減少に影響するユーザ情報を更に取得する。ユーザの属性に係る情報とは、そのユーザの独自の特徴に応じた、そのユーザならではの情報である。ユーザ情報には、例えば、前日の通信端末１００（スマートフォン）の利用時間と、コロナワクチンの接種有無と、前日のコロナ感染状態とが含まれていてもよい。通信端末１００の利用時間からは、ユーザの通信端末１００の使い方が推定できるため、例えばそのユーザが画面を隅々まで確認しないユーザであるか否かや、ナッジによる人の心理への働きかけを見透かすユーザであるか否か等を推定することができる。コロナワクチンの接種有無からは、リスクに対するユーザの考えを推定することができる。コロナ感染状態からは、現状のユーザの心身の健康状態等を推定することができる。取得部１１は、その他のユーザ情報として、競馬場への訪問有無、各観光地への訪問有無、アプリケーション１０１に係るポイントの獲得数等を取得してもよい。競馬場への訪問有無からは、ユーザのリスク選好の度合いが推定できる。各観光地への訪問有無からは同調バイアスや承認欲求の強さが推定できる。ポイントの獲得数からは、キャンペーンへの参加度合いが推定でき、損失回避や利得に関するバイアスが推定できる。上述した各ユーザ情報は、いずれもナッジの効果減少に影響し得る情報である。
　取得部１１は、所定の期間におけるユーザの外部環境の状態を示す環境情報を更に取得する。ユーザの外部環境とは、ユーザを取り巻きユーザの行動に影響を与えうる要素であり、ユーザの属性に関係しない要素である。取得部１１は、環境情報として、前日の天候、前日の気温、前日の曜日（平日か土日か）、前日のコロナ感染者数等を取得してもよい。これらの情報は、外出や密となる行動をとるか否かを推定することができる情報である。取得部１１は、上述した各情報以外にも、ユーザの行動に影響のありそうな要因を取得してもよい。取得部１１は、取得した各情報を記憶部１２に格納する。
　記憶部１２は、複数種類のナッジの情報を記憶すると共に、取得部１１から格納された情報を記憶するデータベースである。記憶部１２は、複数種類のナッジの情報として、例えば、ナッジを一意に特定する情報（ナッジＩＤ）と、介入条件と、促す行動の内容と、行動変容効果と、インセンティブと、行動変容手段と、ナッジ内容と、を紐づけて記憶している。介入条件とは、どのような場合に介入されるナッジの候補となるかを示す情報であり、例えば「乗車予定のバスが混雑している場合」のように規定されている。促す行動の内容とは、ナッジがユーザに促す行動の具体的な内容であり、例えば「混雑していない後続のバスに乗車する」のように規定されている。行動変容効果とは、ナッジ介入が行われた場合にナッジが促す行動をユーザがとる度合い（確率）を示す情報であり、例えば「１０％」のように規定されている。インセンティブとは、ナッジが促す行動をユーザが実施した場合にユーザが受けるインセンティブであり、例えば「ポイント１０ｐ」のように規定されている。行動変容手段とは、メッセージ、画像、音声等、どのような手段で行動変容を行うかを示す情報である。ナッジ内容とは、ナッジの具体的な内容（例えばメッセージであればメッセージ内容（ナッジの文言））を示す情報である。例えば、「１本後にレアな空いているバスがあります！」、「混雑回避は社会貢献に繋がります」等の複数の文言が規定されている。
　記憶部１２は、取得部１１から格納された情報として、例えば図４に示されるように、前日のプッシュ通知有無を０ｏｒ１で示す特徴量ｆ＿ａ1と、前日のナッジ介入有無を０ｏｒ１で示す特徴量ｆ＿ａ２と、前日の行動変容結果を０ｏｒ１で示す特徴量ｆ＿ａ３と、前日の天候が雨であるか否かを０ｏｒ１で示す特徴量ｆ＿ａ４と、前日の天候が晴れであるか否かを０ｏｒ１で示す特徴量ｆ＿ａ５と、前日の天候が曇りであるか否かを０ｏｒ１で示す特徴量ｆ＿ａ６と、前日の天候が雪であるか否かを０ｏｒ１で示す特徴量ｆ＿ａ７と、前日の気温を示す特徴量ｆ＿ａ８と、前日が平日であるか否かを０ｏｒ１で示す特徴量ｆ＿ａ９と、前日が土日であるか否かを０ｏｒ１で示す特徴量ｆ＿ａ１０と、前日のスマホ利用時間を示す特徴量ｆ＿ａ１１と、コロナワクチンの接種有無を０ｏｒ１で示す特徴量ｆ＿ａ１２と、前日のコロナ感染状態を０ｏｒ１で示す特徴量ｆ＿ａ1３と、前日のコロナ感染者数を示す特徴量ｆ＿ａ1４と、その他のユーザの行動に影響のありそうな要因を示す特徴量ｆ＿ａｎと、を記憶していてもよい。図４には、互いに異なるタイミングで取得部１１に取得された、例１～例３の特徴量が示されている。
　摩耗導出部１３は、ナッジ介入情報に基づき、ナッジ介入情報に係るナッジの効果の減少度合いを示すナッジ摩耗情報を導出し出力する構成である。ナッジ介入情報とは、上述したように、例えば、前日のプッシュ通知有無と、前日のナッジ介入有無と、前日の行動変容効果とを含んだ情報である。摩耗導出部１３は、複数種類のナッジのそれぞれについて、ナッジ摩耗情報を導出してもよい。摩耗導出部１３は、記憶部１２に記憶された情報を参照することにより、ナッジ介入情報に係る各特徴量を特定し、特定した各特徴量の値に基づき、ナッジ摩耗情報を導出する。図４に示される例では、前日のプッシュ通知有無を示す特徴量ｆ＿ａ1は、通知有りの場合に１、無しの場合に０とされている。また、前日のナッジ介入有無を示す特徴量ｆ＿ａ２は、介入有りの場合に１、無しの場合に０とされている。また、前日の行動変容結果を示す特徴量ｆ＿ａ３は、行動変容有りの場合（ナッジが促す行動をユーザがとった場合）に１、行動変容無しの場合（ナッジが促す行動をユーザがとらなかった場合）に０とされている。
　摩耗導出部１３は、前日のプッシュ通知が無し（ｆ＿ａ1＝０）の場合、または、前日のナッジ介入が無し（ｆ＿ａ２＝０）の場合には、摩耗を示すａｂｒａｓｉｏｎ（ｄａｔｅ）＝０として、摩耗が生じていないとするナッジ摩耗情報を導出する。これは、ナッジ介入がされていないことによって、ナッジが摩耗していないと判断できるためである。例えば、図４の例１及び例２の場合には、摩耗が生じていないとするナッジ摩耗情報が導出される。
　一方で、摩耗導出部１３は、前日のプッシュ通知が有り（ｆ＿ａ1＝１）、且つ、前日のナッジ介入が有り（ｆ＿ａ２＝１）の場合には、ユーザ情報及び環境情報を更に考慮して、ナッジ摩耗情報を導出する。ユーザ情報とは、上述したように、例えば、前日のスマホ利用時間と、コロナワクチンの接種有無と、前日のコロナ感染状態とを含む情報である。図４に示される例では、前日のスマホ利用時間を示す特徴量ｆ＿ａ１１は、０～２４時間の間の値とされている。また、コロナワクチンの有無を示す特徴量ｆ＿ａ１２は、接種有りの場合に１、無しの場合に０とされている。また、前日のコロナ感染状態を示す特徴量ｆ＿ａ１３は、感染している場合に１、感染していない場合に０とされている。
　環境情報とは、上述したように、例えば、前日の天候と、前日の気温と、前日の曜日（平日か土日か）と、前日のコロナ感染者数とを含む情報である。図４に示される例では、前日の天候が雨であるか否かを示す特徴量ｆ＿ａ４は、雨である場合に１、雨でない場合に０とされている。また、前日の天候が晴れであるか否かを示す特徴量ｆ＿ａ５は、晴れである場合に１、晴れでない場合に０とされている。また、前日の天候が曇りであるか否かを示す特徴量ｆ＿ａ６は、曇りである場合に１、曇りでない場合に０とされている。また、前日の天候が雪であるか否かを示す特徴量ｆ＿ａ７は、雪である場合に１、雪でない場合に０とされている。また、前日の気温を示す特徴量ｆ＿ａ８は、気温を示す値とされている。また、前日が平日であるか否かを示す特徴量ｆ＿ａ９は、平日である場合に１、平日でない場合に０とされている。また、前日が土日であるか否かを示す特徴量ｆ＿ａ１０は、土日である場合に１、土日でない場合に０とされている。また、前日のコロナ感染者数を示す特徴量ｆ＿ａ１４は、感染者数を示す値とされている。
　摩耗導出部１３は、前日のプッシュ通知が有り（ｆ＿ａ1＝１）、且つ、前日のナッジ介入が有り（ｆ＿ａ２＝１）の場合、ユーザ情報及び環境情報を考慮して、以下の（１）式により摩耗を示すａｂｒａｓｉｏｎ（ｄａｔｅ）を導出する。下記式において、ｗαは重みであり、モデルケースによって異なる値をとる。摩耗を示すａｂｒａｓｉｏｎ（ｄａｔｅ）は、０～１の範囲の値をとるように調整されている。
Figure JPOXMLDOC01-appb-M000001
　重みを示すｗαは、例えば、最小二乗法等で回帰式を求めることにより導出されてもよい。また、重みを示すｗαは、例えば、各特徴量（カラム）と目的変数である行動変容結果との相関係数から導出されてもよい。また、重みを示すｗαは、例えば、目的変数である行動変容結果を予測する機械学習モデルを作成し、各特徴量（カラム）の寄与率を利用することにより導出されてもよい。
　上記（１）式によってナッジ摩耗情報が導出されることにより、例えば目的変数である行動変容結果を予測する機械学習モデルを用いて、図５に示されるように、各例（例１～例３）のそれぞれについて、ナッジ摩耗情報を考慮した行動変容結果が導出されてもよい。図５に示される例では、行動変容結果について、行動変容有りと予測される場合（ナッジが促す行動をユーザがとると予測される場合）に１、行動変容無しと予測される場合（ナッジが促す行動をユーザがとらないと予測される場合）に０とされている。
　なお、摩耗導出部１３は、前日のプッシュ通知が有り（ｆ＿ａ1＝１）、且つ、前日のナッジ介入が有り（ｆ＿ａ２＝１）の場合、上記（１）式により摩耗を示すａｂｒａｓｉｏｎ（ｄａｔｅ）を導出するとして説明したがこれに限定されず、以下のように摩耗情報を導出してもよい。いま、ナッジ介入情報である、前日のプッシュ通知有無（ｆ１）、前日のナッジ介入有無（ｆ２）、及び、前日の行動変容効果（ｆ３）と、ユーザ情報である、とある観光地への訪問回数（ｆ４）とから、摩耗情報を導出する例を説明する。訪問回数ｆ４は、例えば１０を超える場合は１０とされ、１０で割った値が設定される。摩耗情報を導出する上での、ｆ１～ｆ４の重みが、それぞれ０．１、０．２、０．６、０．１であるとする。この場合、ｆ１＝１、ｆ２＝１、ｆ３＝１、ｆ４＝０．２であるとすると、重みを考慮して、摩耗は、０．１×１＋０．２×１＋０．６×１＋０．１×０．２＝０．９２となる。また、ｆ１＝１、ｆ２＝１、ｆ３＝０、ｆ４＝０．２であるとすると、摩耗は、０．１×１＋０．２×１＋０．６×０＋０．１×０．２＝０．３２となる。
　回復導出部１４は、ナッジ介入情報に基づき、ナッジ介入情報に係るナッジの効果回復度合いを示すナッジ回復情報を導出し出力する構成である。ナッジ回復情報は、一度摩耗したナッジの回復度合いを示す情報である。ナッジ介入情報とは、上述したように、例えば、前日のプッシュ通知有無と、前日のナッジ介入有無と、前日の行動変容効果とを含んだ情報である。回復導出部１４は、複数種類のナッジのそれぞれについて、ナッジ回復情報を導出してもよい。回復導出部１４は、記憶部１２に記憶された情報を参照することにより、ナッジ介入情報に係る各特徴量を特定し、特定した各特徴量の値に基づき、ナッジ回復情報を導出する。図６に示される例では、前日のプッシュ通知有無を示す特徴量ｆ＿ｒ1は、通知有りの場合に１、無しの場合に０とされている。また、前日のナッジ介入有無を示す特徴量ｆ＿ｒ２は、介入有りの場合に１、無しの場合に０とされている。また、前日の行動変容結果を示す特徴量ｆ＿ｒ３は、行動変容有りの場合（ナッジが促す行動をユーザがとった場合）に１、行動変容無しの場合（ナッジが促す行動をユーザがとらなかった場合）に０とされている。
　回復導出部１４は、前日が行動変容有り（ｆ＿ｒ３＝１）の場合には、回復を示すｒｅｃｏｖｅｒｙ（ｄａｔｅ）＝０として、ナッジが回復していないとするナッジ回復情報を導出する。これは、直近において当該ナッジによってユーザが行動変容をしている場合には、ナッジが摩耗した状態である可能性が高くナッジが回復していないと判断できるためである。例えば、図６の例３の場合には、ナッジが回復していないとするナッジ回復情報が導出される。
　一方で、回復導出部１４は、前日が行動変容無し（ｆ＿ｒ３＝０）の場合には、他の情報を更に考慮して、ナッジ回復情報を導出する。図６に示される例では、他の情報として、前日のスマホ利用時間、前回のプッシュ通知からの日数、前回のナッジ介入からの日数、前回の行動変容からの日数、その他行動に影響のありそうな要因、が例示されている。
　回復導出部１４は、前日が行動変容無し（ｆ＿ｒ３＝０）の場合、上述した他の情報を考慮して、以下の（２）式により回復を示すｒｅｃｏｖｅｒｙ（ｄａｔｅ）を導出する。下記式において、ｗｒは重みであり、モデルケースによって異なる値をとる。ｗｒは、例えば摩耗導出に係る重みを示すｗαと同様の方法で算出可能である。回復を示すｒｅｃｏｖｅｒｙ（ｄａｔｅ）は、０～１の範囲の値をとるように調整されている。
Figure JPOXMLDOC01-appb-M000002
　更新部１５は、ナッジ摩耗情報及びナッジ回復情報に基づき、記憶部１２に記憶されているナッジの情報を更新する構成である。更新部１５は、摩耗導出部１３より各ナッジのナッジ摩耗情報を取得する。更新部１５は、回復導出部１４より各ナッジのナッジ回復情報を取得する。更新部１５は、記憶部１２に格納されているナッジの情報から、各ナッジの現時点の摩耗の情報を取得する。更新部１５は、ナッジ毎に、ナッジ摩耗情報とナッジ回復情報と現時点の摩耗の情報とに基づき最新の摩耗の情報を導出し、導出した摩耗の情報に基づき記憶部１２に記憶されている各ナッジの情報を更新する。
　更新部１５は、複数種類のナッジに含まれる一のナッジのナッジ摩耗情報と、上記一のナッジに類似するナッジのナッジ摩耗情報とを両方考慮して、上記一のナッジの情報を更新してもよい。
　例えば、ナッジの摩耗は以下の（３）式及び（４）式の漸化式で表される。
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　（３）式は、Ｎ＝０の場合にはナッジが摩耗していないことを示している。（４）式は、一のナッジの摩耗Ｆ(Ｎ)Ｉを導出するに際しては、各ナッジのそれぞれについて、摩耗を示すａｂｒａｓｉｏｎ（ｄａｔｅ）から回復を示すｒｅｃｏｖｅｒｙ（ｄａｔｅ）が差し引かれ、更に、現時点の摩耗の情報であるＦ（Ｎ－１）Ｉが足し合わされて、重みＷI_Jが掛け合わされた値が導出され、各ナッジの値が足し合わされることにより、上記一のナッジの摩耗ＦＮＩが導出されることを示している。上記一のナッジに類似しないナッジについては、重みＷI_Jが０とされる。これにより、互いに類似するナッジの情報のみを考慮して、ナッジの摩耗が導出される。
　いま、例えば、複数種類のナッジに、互いに類似するナッジＡ、ナッジＢ、ナッジＣが含まれているとする。この場合、ナッジＡの摩耗Ｆ(Ｎ)Ａは、以下の（５）式から導出される。以下の（５）式において、ＷA_AはナッジＡ自身の摩耗を出す際の重みであり、ＷA_BはナッジＡの摩耗を出す際のナッジＢの摩耗の導出に係る重みであり、ＷA_CはナッジＡの摩耗を出す際のナッジＣの摩耗の導出に係る重みである。ＷA_B（またはＷA_C）は、ナッジＡとナッジＢ（またはナッジＣ）との類似度合いに基づいて設定される。
Figure JPOXMLDOC01-appb-M000005
　重みＷI_Jについて詳細に説明する。複数種類のナッジの摩耗から、一のナッジの摩耗を導出する場合においては、当該一のナッジ（対象のナッジ）の摩耗の重みが最も大きくされる。そして、対象のナッジとの類似度が高いナッジほど、摩耗の重みが大きくされる。類似度が高いとは、ナッジに紐づく認知バイアス（心理バイアス）の重複度が高いことをいう。いま、例えばナッジＡにはａ，ｂ，ｃのバイアスが紐づいており、ナッジＢにはｂ，ｃ，ｄのバイアスが紐づいており、ナッジＣにはｄのバイアスが紐づいているとする。この場合、例えば、［対象のナッジと共通するバイアスの個数／２つのナッジのバイアスのユニーク数］に基づき、バイアスの重複度に応じた類似度が導出されてもよい。
　いま、上記の例において、例えば、ナッジＡが対象のナッジであるとする。この場合、ＷA_Aは、対象のナッジ（自身）と共通するバイアスの個数が３個であり、２つのナッジのバイアスのユニーク数が３個であるので、３／３＝１．０となる。また、ＷA_Bは、対象のナッジと共通するバイアスがｂ，ｃの２個であり、２つのナッジのバイアスのユニーク数がａ，ｂ，ｃ，ｄの４個であるので、２／４＝０．５となる。また、ＷA_Cは、対象のナッジと共通するバイアスが０個であり、２つのナッジのバイアスのユニーク数がａ，ｂ，ｃ，ｄの４個であるので、０／４＝０となる。共通するバイアスが０個であるとは、２つのナッジが類似していないことを示している。
　同様にして、例えば、ナッジＢが対象のナッジであるとする。この場合、ナッジＢの摩耗を出す際のナッジＡの摩耗の導出に係る重みＷB_Aは、対象のナッジと共通するバイアスがｂ，ｃの２個であり、２つのナッジのバイアスのユニーク数がａ，ｂ，ｃ，ｄの４個であるので、２／４＝０．５となる。また、ＷB_Bは１．０となる。また、ナッジＢの摩耗を出す際のナッジＣの摩耗の導出に係る重みＷB_Cは、対象のナッジと共通するバイアスがｄの１個であり、２つのナッジのバイアスのユニーク数がｂ，ｃ，ｄの３個であるので、１／３＝０．３３３…となる。
　次に、ナッジの摩耗更新処理について、図７を参照して説明する。図７は、ナッジの摩耗更新処理を示すシーケンス図である。
　図７に示されるように、ナッジ介入情報を含む種々の情報が、アプリケーション１０１から取得部１１によって取得され、記憶部１２に格納される（ステップＳ１１）。
　そして、摩耗導出部１３によって記憶部１２に格納されている情報（ナッジ介入情報を含む情報）が取得される（ステップＳ１２）。そして、摩耗導出部１３によって、ナッジ介入情報等に基づいて、各ナッジのナッジ摩耗情報が導出される（ステップＳ１３）。
　また、回復導出部１４によって記憶部１２に格納されている情報（ナッジ介入情報を含む情報）が取得される（ステップＳ１４）。そして、回復導出部１４によって、ナッジ介入情報等に基づいて、各ナッジのナッジ回復情報が導出される（ステップＳ１５）。
　つづいて、摩耗導出部１３によるナッジ摩耗情報の導出結果が更新部１５に取得される（ステップＳ１６）と共に、回復導出部１４によるナッジ回復情報の導出結果が更新部１５に取得される（ステップＳ１７）。また、記憶部１２より、各ナッジの現時点の摩耗情報が更新部１５に取得される（ステップＳ１８）。
　そして、更新部１５によって、取得された情報に基づき摩耗の更新処理が実施され（ステップＳ１９）、記憶部１２に格納されている各ナッジの情報に、摩耗の更新結果が反映される（ステップＳ２０）。
　次に、第１実施形態に係るナッジ管理装置１０の作用効果について説明する。
　本実施形態に係るナッジ管理装置１０は、望ましい行動を自発的に取ることをユーザに促すしかけであるナッジの情報を記憶する記憶部１２と、ナッジの介入に係る情報（ナッジに関するユーザへの介入に係る情報）であるナッジ介入情報を取得する取得部１１と、ナッジ介入情報に基づき、ナッジ介入情報に係るナッジの効果減少度合いを示すナッジ摩耗情報を導出し出力する摩耗導出部１３と、を備える。
　本実施形態に係るナッジ管理装置１０では、ナッジの介入に係る情報（ナッジに関するユーザへの介入に係る情報）であるナッジ介入情報が取得され、該ナッジ介入情報に基づいて、ナッジの効果減少度合いを示すナッジ摩耗情報が導出され出力されている。このように、ユーザへのナッジの介入に係る情報（例えばナッジの介入頻度等）からナッジの摩耗情報が推定（導出）されることにより、例えばナッジの繰り返し介入によってナッジが摩耗している（ナッジの行動変容効果が減少している）ような場合において、当該ナッジの摩耗を適切に（高精度に）数値化することができる。以上のように、本実施形態に係るナッジ管理装置１０によれば、ナッジの摩耗を適切に数値化することができる。
　ナッジの摩耗を適切に数値化することによって、例えば以下のようなメリットがある。まず第１に、ナッジをユーザにリコメンドする際に、ナッジの摩耗を考慮したリコメンドが可能になる。数値の大小関係に基づきリコメンドしたり、リコメンドに係る機械学習の特徴量として数値化された摩耗を用いることができる。摩耗を考慮したリコメンドについては、第２実施形態にて詳述する。第２に、一般的に摩耗のしやすいナッジを特定することが可能になる。データがある程度集まった時点で各ナッジの摩耗の平均等を算出することによって、摩耗し易いナッジ、しにくいナッジを特定し、それらに紐づく認知バイアスに基づいて、新たなナッジの検討に活かすことができる。第３に、摩耗の上限を特定することができる。ここでの摩耗の上限とは、これ以上は摩耗しない或いは見かけ上の摩耗の数字が増加しても効果が変わらない値をいう。利用シーンにおける摩耗の上限が特定されることにより、これ以上連続でナッジを適用しても意味がないといったことが判別可能になる。第４に、ナッジの回復の検証やデータ集めの精度が向上する。ナッジの回復の検証や特定条件のデータ集めを行う際には、意図的にナッジを摩耗させ、同一の条件でナッジの介入を行うことが考えられる。この場合に、摩耗が数値化されていることによって、条件を適切に合わせた上で、ナッジの回復の検証及びデータ集めを行うことができる。
　作用効果の説明に戻り、ナッジ介入情報には、所定の期間内においてナッジがユーザに閲覧されたか否かを示す情報と、ナッジによってナッジが促す行動をユーザがとったか否かを示す情報と、が少なくとも含まれていてもよい。このような構成によれば、ユーザに対して介入された（ユーザが閲覧した）ナッジであるか否か、及び、ナッジによって実際にユーザが行動を変えたか否かが特定されるため、これらのナッジの摩耗と密接に関係する情報に基づき、ナッジの摩耗をより好適に導出することができる。
　取得部１１は、ユーザの属性に係る情報であってナッジの効果減少に影響するユーザ情報を更に取得し、摩耗導出部１３は、ユーザ情報を更に考慮して、ナッジ摩耗情報を導出してもよい。このような構成によれば、例えばスマホの利用時間や所定の場所への訪問有無等、ユーザの属性に係る情報であってナッジの効果減少に影響し得る情報を更に考慮してナッジ摩耗情報が導出されるので、ナッジの摩耗をより好適に導出することができる。
　取得部１１は、所定の期間におけるユーザの外部環境の状態を示す環境情報を更に取得し、摩耗導出部１３は、環境情報を更に考慮して、ナッジ摩耗情報を導出してもよい。このような構成によれば、例えば天候やコロナ感染者数等、ユーザの外部環境の状態を示す環境情報が更に考慮されてナッジ摩耗情報が導出されるので、ナッジの摩耗をより好適に導出することができる。
　ナッジ管理装置１０は、ナッジ摩耗情報に基づき、記憶部１２に記憶されている、ナッジ介入情報に係るナッジの情報を更新する更新部１５を更に備えていてもよい。このように、数値化して導出したナッジ摩耗情報が、記憶部１２のナッジの情報の更新に用いられることにより、ナッジ摩耗情報を大元のナッジの情報に反映させることができる。
　記憶部１２は、複数種類のナッジの情報を記憶しており、摩耗導出部１３は、複数種類のナッジのそれぞれについて、ナッジ摩耗情報を導出し、更新部１５は、複数種類のナッジに含まれる一のナッジのナッジ摩耗情報と、一のナッジに類似するナッジのナッジ摩耗情報とを両方考慮して、一のナッジの情報を更新してもよい。一のナッジに類似するナッジが例えば繰り返しユーザに介入された場合には、その影響によって、該一のナッジについても摩耗すると考えられる。この点、一のナッジの情報を更新するに際して、該一のナッジの摩耗情報だけでなく、該一のナッジに類似するナッジのナッジ摩耗情報をも考慮することにより、該一のナッジのより実態に沿った摩耗状態に基づいて該一のナッジの情報を更新することができる。
　ナッジ管理装置１０は、ナッジ介入情報に基づき、ナッジ介入情報に係る前記ナッジの効果回復度合いを示すナッジ回復情報を導出する回復導出部１４を更に備え、更新部１５は、ナッジ回復情報を更に考慮して、ナッジ介入情報に係るナッジの情報を更新してもよい。例えば繰り返しユーザに介入されて一度摩耗したナッジであっても、所定期間介入が行われない等の場合においては、ナッジの効果が回復すると考えられる。このため、ナッジ介入情報に基づきナッジ回復情報が導出され、ナッジ回復情報が考慮されてナッジの情報が更新されることによって、より実態に沿った情報でナッジの情報を更新することができる。
［第２実施形態］
　次に、図８～図１２を参照して、第２実施形態に係るナッジリコメンドシステム１Ａに含まれるナッジ管理装置１０Ａ（情報処理装置）について説明する。第２実施形態では、第１実施形態と共通する説明を省略し、第１実施形態と異なる点を主に説明する。
　図８は、第２実施形態に係るナッジリコメンドシステム１Ａに含まれるナッジ管理装置１０Ａの機能ブロック図である。ナッジ管理装置１０Ａは、ナッジの摩耗を考慮して、ナッジが促す行動をユーザがとる確率である行動変容確率が高いナッジをユーザにリコメンドする機能を有している。
　図８に示されるように、ナッジ管理装置１０Ａは、取得部１１と、記憶部１２と、摩耗特徴量生成部１６（摩耗導出部）と、行動変容推定部１７と、ナッジ選択部１８と、を備えている。
　取得部１１は、アプリケーション１０１から、特定の条件を満たした場合に、種々の情報を互いに紐づけて取得する。特定の条件とは、ユーザにナッジをリコメンドし得る特定の条件であり、具体的には、例えば特定のスポット（お店等）にチェックインする等である。取得部１１は、例えば、ナッジ介入情報を取得する。この場合のナッジ介入情報には、例えば、前日のプッシュ通知有無と、予定介入ナッジと、前日のナッジ介入有無と、前日の行動変容結果とが含まれていてもよい。予定介入ナッジとは、ユーザがプッシュ通知を開いた際にユーザに介入される予定であった（或いは実際に介入された）ナッジである。
　また、取得部１１は、上記種々の情報に含まれる情報として、ユーザの属性に係る情報であるユーザ情報を取得してもよい。ユーザ情報とは、例えば、ユーザを一意に特定するユーザＩＤ、性別、年齢、家族構成等である。また、取得部１１は、上記種々の情報に含まれるその他の情報（行動に寄与しそうな特徴量）として、天候、気温、曜日、ユーザのスマホ利用時間、ユーザのコロナワクチンの接種有無、ユーザのコロナ感染状態、前日のコロナ感染者数、ユーザの濃厚接触者フラグ等の情報を取得してもよい。取得部１１は、取得した情報を記憶部１２に格納する。
　摩耗特徴量生成部１６は、複数種類のナッジのそれぞれについて、ナッジ介入情報に基づき、ナッジ摩耗情報を表現する摩耗特徴量を生成する。図９は、摩耗特徴量生成を説明する図である。図９（ａ）は、取得部１１によって取得されて記憶部１２に格納される、ナッジ介入情報を含む情報（ログ）である。このようなログは、ナッジがプッシュ通知される度にレコード生成される。摩耗特徴量生成部１６は、ログから、図９（ｂ）に示される摩耗特徴量に変換する。
　図９（ｂ）に示される例では、摩耗特徴量として、ユーザＩＤを示す特徴量ｆ＿１と、前回のプッシュ通知からの日数を示す特徴量ｆ＿２と、前々回のプッシュ通知からの日数を示す特徴量ｆ＿３と、前回のナッジＡ介入からの日数を示す特徴量ｆ＿４と、前々回のナッジＡ介入からの日数を示す特徴量ｆ＿５と、前回のナッジＡによる行動変容からの日数を示す特徴量ｆ＿６と、前々回のナッジＡによる行動変容からの日数を示す特徴量ｆ＿７と、前回のナッジＢ介入からの日数を示す特徴量ｆ＿８と、…、前回のナッジＤによる行動変容からの日数ｆ＿１６と、が例示されている。図９（ｂ）では省略しているが、各ナッジについてナッジＡと同様の特徴量が規定されている。また、図９（ｂ）に示されるように、各ナッジの累積回数が特徴量として規定されていてもよい。
　行動変容推定部１７は、ナッジが促す行動をユーザがとる確率である行動変容確率を推定する。行動変容推定部１７は、複数種類のナッジに関する摩耗特徴量に基づいて、複数種類のナッジのそれぞれについて、行動変容確率を推定する。
　行動変容推定部１７は、摩耗特徴量と、ユーザ情報とに基づいて、複数種類のナッジ毎に、行動変容確率を推定する推定モデル（機械学習モデル）を生成する。図１０は、行動変容推定を説明する図であり、詳細には行動変容確率を推定する推定モデルの生成を説明する図である。図１０に示され例では、行動変容推定部１７は、摩耗特徴量と、ユーザ情報であるユーザＩＤ、性別、年齢、及び家族構成と、その他の情報（行動に寄与しそうな特徴量）である、天候、気温、曜日、ユーザのスマホ利用時間、ユーザのコロナワクチンの接種有無、ユーザのコロナ感染状態、前日のコロナ感染者数、及びユーザの濃厚接触者フラグと、行動変容結果（目的変数）とを学習データとして、ナッジＡの行動変容確率を推定する推定モデルを生成している。なお、図１０において例１～例３と複数レコードの学習データがあるように、同一のユーザであっても、情報の取得タイミングの違い（ナッジ介入シーンの違い）によって同一ナッジについて複数の学習データが存在し得る。
　行動変容推定部１７は、上記推定モデルに基づき、複数種類のナッジのそれぞれについて、行動変容確率を推定する。行動変容推定部１７は、学習データと同様のデータをナッジ毎の各推定モデルに入力することにより、対象のユーザについて、ナッジ毎に行動変容確率を推定する。
　ナッジ選択部１８は、行動変容確率に基づいて、対象ユーザにリコメンドするナッジを選択する。具体的には、ナッジ選択部１８は、行動変容確率が最も高いナッジをユーザにリコメンドするナッジとして選択する。図１１は、ナッジ選択を説明する図である。いま、ナッジＡ～ナッジＣの中から最適なナッジを選択する例を考える。ある対象ユーザ（男性、２５才）について、ナッジＡ～ナッジＣそれぞれの推定モデル（ナッジＡモデル、ナッジＢモデル、ナッジＣモデル）が生成されているとする。そして、図１１（ａ）に示されるように、１回目のナッジ介入において、ナッジＡモデルから推定される行動変容確率が０．６、ナッジＢモデルから推定される行動変容確率が０．５、ナッジＣモデルから推定される行動変容確率が０．４であったとする。この場合、ナッジ選択部１８は、行動変容確率が最も高いナッジＡをリコメンドするナッジとして選択する。ナッジＡが直近でリコメンドされると、ナッジＡモデルにおいてナッジＡの行動変容確率が下げられるため、図１１（ｂ）に示されるように、２回目のナッジ介入においては、ナッジＡモデルから推定される行動変容確率が０．４、ナッジＢモデルから推定される行動変容確率が０．５、ナッジＣモデルから推定される行動変容確率が０．４となったとする。この場合には、ナッジ選択部１８は、行動変容確率が最も高いナッジＢをリコメンドするナッジとして選択する。このように、ナッジ介入情報に基づいて行動変容確率が最新化され、最適なナッジが選択される。
　次に、ナッジのリコメンド処理について、図１２を参照して説明する。図１２は、ナッジのリコメンド処理を示すシーケンス図である。
　図１２に示されるように、特定の条件を満たした場合に、ナッジ介入情報を含む種々の情報が、アプリケーション１０１から取得部１１によって取得され、記憶部１２に格納される（ステップＳ１０１）。
　そして、摩耗特徴量生成部１６によって、記憶部１２に格納されている、ナッジ介入情報を含むログデータが取得され（ステップＳ１０２）、ログデータに基づいて各ナッジの摩耗特徴量が生成される（ステップＳ１０３）。
　そして、行動変容推定部１７によって、記憶部１２に格納されているユーザ情報等の種々の特徴量が取得されると共に（ステップＳ１０４）、摩耗特徴量生成部１６から各ナッジの摩耗特徴量が取得され（ステップＳ１０５）、摩耗特徴量とユーザ情報等とに基づいて、各ナッジの行動変容確率（行動変容のしやすさ）が推定される（ステップＳ１０６）。
　つづいて、ナッジ選択部１８によって、各ナッジの行動変容確率（効果推定値）が取得され、行動変容確率に基づいて、複数のナッジの中から対象ユーザにリコメンドするナッジが選択される（ステップＳ１０８）。そして、選択されたナッジがアプリケーション１０１を介して対称ユーザにリコメンドされる（ステップＳ１０９）。リコメンドされたナッジについてのナッジ介入情報は、取得部１１を介して記憶部１２に格納され（ステップＳ１１０）、ログデータとしてその後の摩耗特徴量生成に利用される。
　次に、第２実施形態に係るナッジ管理装置１０Ａの作用効果について説明する。
　本実施形態に係るナッジ管理装置１０Ａは、ナッジが促す行動をユーザがとる確率である行動変容確率を推定する行動変容推定部１７と、行動変容確率に基づき、ユーザにリコメンドするナッジを選択するナッジ選択部１８と、を更に備え、記憶部１２は、複数種類のナッジの情報を記憶しており、摩耗導出部は、複数種類のナッジのそれぞれについて、ナッジ介入情報に基づき、ナッジ摩耗情報を表現する摩耗特徴量を生成する摩耗特徴量生成部１６を有し、行動変容推定部１７は、複数種類のナッジに関する摩耗特徴量に基づいて、複数種類のナッジのそれぞれについて、行動変容確率を推定し、ナッジ選択部１８は、行動変容確率が最も高いナッジを、ユーザにリコメンドするナッジとして選択する。
　このように、ナッジ摩耗情報を表現した摩耗特徴量に基づき、複数種類のナッジのそれぞれについて行動変容確率が推定され、行動変容確率が高いナッジがリコメンド用のナッジとして選択されることにより、ナッジ摩耗情報を加味してより高精度に行動変容確率を推定し、ユーザの行動変容を促すことができるナッジを好適に選択することができる。
　行動変容推定部１７は、摩耗特徴量と、ユーザの属性に係る情報であるユーザ情報とに基づいて、複数種類のナッジ毎に行動変容確率を推定する推定モデルを生成し、推定モデルに基づいて、複数種類のナッジのそれぞれについて、行動変容確率を推定してもよい。このように、摩耗特徴量とユーザ情報とが考慮されてナッジ毎に推定モデルが生成され、該推定モデルに基づき各ナッジの行動変容確率が推定されることによって、より簡易且つ高精度に各ナッジの行動変容確率を推定することができる。
　次に、上述したナッジ管理装置１０，１０Ａのハードウェア構成について、図１３を参照して説明する。ナッジ管理装置１０，１０Ａ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、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、ユニットなどに読み替えることができる。ナッジ管理装置１０，１０Ａのハードウェア構成は、図に示した各装置を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。
　ナッジ管理装置１０，１０Ａにおける各機能は、プロセッサ１００１、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で、プロセッサ１００１が演算を行い、通信装置１００４による通信や、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／又は書き込みを制御することで実現される。
　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、レジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）で構成されてもよい。例えば、取得部１１等の制御機能はプロセッサ１００１で実現されてもよい。
　また、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やデータを、ストレージ１００３及び／又は通信装置１００４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、上述の実施の形態で説明し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、取得部１１等の制御機能は、メモリ１００２に格納され、プロセッサ１００１で動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１で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以上のチップで実装されてもよい。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良い。
　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）、ＲＡＭ（Random　Access　Memory）などの少なくとも１つで構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、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、本発明の一実施の形態に係る無線通信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、ＣＤＲＯＭ（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、磁気ストリップなどの少なくとも１つで構成されてもよい。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／又はストレージ１００３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、有線及び／又は無線ネットワーク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、通信モジュールなどともいう。
　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、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、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。
　また、プロセッサ１００１やメモリ１００２などの各装置は、情報を通信するためのバス１００７で接続される。バス１００７は、単一のバスで構成されてもよいし、装置間で異なるバスで構成されてもよい。
　また、ナッジ管理装置１０，１０Ａ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）、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つで実装されてもよい。
　以上、本実施形態について詳細に説明したが、当業者にとっては、本実施形態が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本実施形態は、特許請求の範囲の記載により定まる本発明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、本明細書の記載は、例示説明を目的とするものであり、本実施形態に対して何ら制限的な意味を有するものではない。
　本明細書で説明した各態様／実施形態は、ＬＴＥ（Long　Term　Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ　３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ、５Ｇ、ＦＲＡ（Future　Radio　Access）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra　Mobile　Broad-band）、ＩＥＥＥ　８０２．１１（Ｗｉ－Ｆｉ）、ＩＥＥＥ　８０２．１６（ＷｉＭＡＸ）、ＩＥＥＥ　８０２．２０、ＵＷＢ（Ultra-Wide　Band）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及び／又はこれらに基づいて拡張された次世代システムに適用されてもよい。
　本明細書で説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本明細書で説明した方法については、例示的な順序で様々なステップの要素を提示しており、提示した特定の順序に限定されない。
　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、管理テーブルで管理してもよい。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。
　本明細書で説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（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。
　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。
　また、ソフトウェア、命令などは、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、同軸ケーブル、光ファイバケーブル、ツイストペア及びデジタル加入者回線（ＤＳＬ）などの有線技術及び／又は赤外線、無線及びマイクロ波などの無線技術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／又は無線技術は、伝送媒体の定義内に含まれる。
　本明細書で説明した情報、信号などは、様々な異なる技術のいずれか１項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、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、本明細書で説明した用語及び／又は本明細書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てもよい。
　また、本明細書で説明した情報、パラメータなどは、絶対値で表されてもよいし、所定の値からの相対値で表されてもよいし、対応する別の情報で表されてもよい。
　通信端末は、当業者によって、移動通信端末、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント、又はいくつかの他の適切な用語で呼ばれる場合もある。
　本明細書で使用する「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。
　本明細書で「第１の」、「第２の」などの呼称を使用した場合においては、その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するものではない。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明細書で使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみがそこで採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
　「含む（include）」、「含んでいる（including）」、及びそれらの変形が、本明細書あるいは特許請求の範囲で使用されている限り、これら用語は、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、本明細書あるいは特許請求の範囲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。
　本明細書において、文脈又は技術的に明らかに1つのみしか存在しない装置である場合以外は、複数の装置をも含むものとする。
　本開示の全体において、文脈から明らかに単数を示したものではなければ、複数のものを含むものとする。
　１０，１０Ａ…ナッジ管理装置（情報処理装置）、１１…取得部、１２…記憶部、１３…摩耗導出部、１４…回復導出部、１５…更新部、１６…摩耗特徴量生成部、１７…行動変容推定部、１８…ナッジ選択部。

Claims (9)

  1. 　望ましい行動を自発的にとることをユーザに促すしかけであるナッジの情報を記憶する記憶部と、
    　前記ナッジの介入に係る情報であるナッジ介入情報を取得する取得部と、
    　前記ナッジ介入情報に基づき、前記ナッジ介入情報に係る前記ナッジの効果減少度合いを示すナッジ摩耗情報を導出し出力する摩耗導出部と、を備える情報処理装置。
  2. 　前記ナッジ介入情報には、所定の期間内において前記ナッジがユーザに閲覧されたか否かを示す情報と、前記ナッジによって前記ナッジが促す行動をユーザがとったか否かを示す情報と、が少なくとも含まれている、請求項１記載の情報処理装置。
  3. 　前記取得部は、ユーザの属性に係る情報であって前記ナッジの効果減少に影響するユーザ情報を更に取得し、
    　前記摩耗導出部は、前記ユーザ情報を更に考慮して、前記ナッジ摩耗情報を導出する、請求項１又は２記載の情報処理装置。
  4. 　前記取得部は、所定の期間におけるユーザの外部環境の状態を示す環境情報を更に取得し、
    　前記摩耗導出部は、前記環境情報を更に考慮して、前記ナッジ摩耗情報を導出する、請求項１～３のいずれか一項記載の情報処理装置。
  5. 　前記ナッジ摩耗情報に基づき、前記記憶部に記憶されている、前記ナッジ介入情報に係る前記ナッジの情報を更新する更新部を更に備える、請求項１～４のいずれか一項記載の情報処理装置。
  6. 　前記記憶部は、複数種類の前記ナッジの情報を記憶しており、
    　前記摩耗導出部は、前記複数種類のナッジのそれぞれについて、前記ナッジ摩耗情報を導出し、
    　前記更新部は、前記複数種類のナッジに含まれる一のナッジの前記ナッジ摩耗情報と、前記一のナッジに類似するナッジの前記ナッジ摩耗情報とを両方考慮して、前記一のナッジの情報を更新する、請求項５記載の情報処理装置。
  7. 　前記ナッジ介入情報に基づき、前記ナッジ介入情報に係る前記ナッジの効果回復度合いを示すナッジ回復情報を導出する回復導出部を更に備え、
    　前記更新部は、前記ナッジ回復情報を更に考慮して、前記ナッジ介入情報に係る前記ナッジの情報を更新する、請求項５又は６記載の情報処理装置。
  8. 　前記ナッジが促す行動をユーザがとる確率である行動変容確率を推定する行動変容推定部と、
    　前記行動変容確率に基づき、ユーザにリコメンドする前記ナッジを選択するナッジ選択部と、を更に備え、
    　前記記憶部は、複数種類の前記ナッジの情報を記憶しており、
    　前記摩耗導出部は、前記複数種類のナッジのそれぞれについて、前記ナッジ介入情報に基づき、前記ナッジ摩耗情報を表現する摩耗特徴量を生成する摩耗特徴量生成部を有し、
    　前記行動変容推定部は、前記複数種類のナッジに関する前記摩耗特徴量に基づいて、前記複数種類のナッジのそれぞれについて、前記行動変容確率を推定し、
    　前記ナッジ選択部は、前記行動変容確率が最も高い前記ナッジを、ユーザにリコメンドする前記ナッジとして選択する、請求項１～７のいずれか一項記載の情報処理装置。
  9. 　前記行動変容推定部は、
    　前記摩耗特徴量と、ユーザの属性に係る情報であるユーザ情報とに基づいて、前記複数種類のナッジ毎に前記行動変容確率を推定する推定モデルを生成し、
    　前記推定モデルに基づいて、前記複数種類の前記ナッジのそれぞれについて、前記行動変容確率を推定する、請求項８記載の情報処理装置。
PCT/JP2022/032091 2021-10-22 2022-08-25 情報処理装置 WO2023067895A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023554963A JPWO2023067895A1 (ja) 2021-10-22 2022-08-25

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-173263 2021-10-22
JP2021173263 2021-10-22

Publications (1)

Publication Number Publication Date
WO2023067895A1 true WO2023067895A1 (ja) 2023-04-27

Family

ID=86058988

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/032091 WO2023067895A1 (ja) 2021-10-22 2022-08-25 情報処理装置

Country Status (2)

Country Link
JP (1) JPWO2023067895A1 (ja)
WO (1) WO2023067895A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017174198A (ja) * 2016-03-24 2017-09-28 Kddi株式会社 携帯端末、情報処理方法、及びプログラム
WO2021106099A1 (ja) * 2019-11-27 2021-06-03 日本電信電話株式会社 行動支援情報生成装置、方法およびプログラム
JP2021086280A (ja) * 2019-11-26 2021-06-03 日本電信電話株式会社 状況判定装置、方法およびプログラム
JP6935118B1 (ja) * 2021-04-15 2021-09-15 ケイスリー株式会社 行動支援システム、行動支援方法及び行動支援プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017174198A (ja) * 2016-03-24 2017-09-28 Kddi株式会社 携帯端末、情報処理方法、及びプログラム
JP2021086280A (ja) * 2019-11-26 2021-06-03 日本電信電話株式会社 状況判定装置、方法およびプログラム
WO2021106099A1 (ja) * 2019-11-27 2021-06-03 日本電信電話株式会社 行動支援情報生成装置、方法およびプログラム
JP6935118B1 (ja) * 2021-04-15 2021-09-15 ケイスリー株式会社 行動支援システム、行動支援方法及び行動支援プログラム

Also Published As

Publication number Publication date
JPWO2023067895A1 (ja) 2023-04-27

Similar Documents

Publication Publication Date Title
JP5185358B2 (ja) 行動履歴検索装置
US11532181B2 (en) Provision of targeted advertisements based on user intent, emotion and context
US9436695B2 (en) Dynamically expiring crowd-sourced content
CN108241737A (zh) 用于提供地点信息的系统和支持该系统的电子装置和方法
JP6171388B2 (ja) ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム
US10540599B2 (en) Behavior prediction
KR20180054365A (ko) 제품의 판매 정보를 제공하는 방법 및 장치
KR20180126259A (ko) 인접 기반 정보를 제공하는 방법 및 장치
CN110852462A (zh) 信息处理装置、信息处理系统、以及、信息处理方法
JP7033515B2 (ja) 交通状況予測装置
JP6935863B2 (ja) 教師データ生成装置
WO2019052430A1 (zh) 移动终端的自助服务方法及装置
JP6993498B2 (ja) 移動端末装置
WO2023067895A1 (ja) 情報処理装置
JP2018055346A (ja) 抽出装置
US20220301004A1 (en) Click rate prediction model construction device
JP2014190952A (ja) ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム
KR20170114636A (ko) 식별 정보를 제공하는 전자 장치 및 방법
US11016868B2 (en) Application usage estimation device and rule formulation device
JP2020047116A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
US20190074076A1 (en) Health habit management
WO2023013475A1 (ja) 行動変容促進装置
CN110675012A (zh) 信息处理装置以及信息处理方法
JP7450483B2 (ja) 出力装置
JP6981946B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

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: 22883207

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023554963

Country of ref document: JP