図面 (/)

技術 情報処理装置及び情報処理方法

出願人 デジタル・アドバタイジング・コンソーシアム株式会社
発明者 那須川進一銭騁薩摩定壮
出願日 2016年6月30日 (5年6ヶ月経過) 出願番号 2016-130055
公開日 2017年6月8日 (4年6ヶ月経過) 公開番号 2017-102892
状態 特許登録済
技術分野 計算機間の情報転送
主要キーワード 遷移確率テーブル 遷移経路 普段使い ファネル 紹介サイト 階層テーブル 引っ越し 関連商品情報
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2017年6月8日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (10)

課題

ファネル構造を推定する情報処理装置及び情報処理方法を提供する。

解決手段

実施形態によれば、情報処理装置は、コンバージョンCVユーザログ抽出部と経路抽出部と設定部と遷移確率算出部と未CVユーザログ抽出部と階層推定部と構造推定部とを備える。経路抽出部は、CVを完了したユーザのログに基づいて前記ユーザが前記CVに至るまでに閲覧するカテゴリと前記カテゴリの遷移経路とを抽出する。設定部は、前記カテゴリと前記遷移経路とに基づいて前記ファネル構造の階層ごとに、前記カテゴリの閲覧比率を設定する。遷移確率算出部は、前記カテゴリと前記遷移経路とに基づいて前記ファネル構造の各階層に属するユーザが各階層に遷移する遷移確率を算出する。階層推定部は、前記CVを完了していないユーザのログと前記カテゴリの閲覧比率とに基づいて前記ユーザの階層を推定する。構造推定部は、推定結果に基づいてファネル構造を推定する。

概要

背景

ユーザは、Web上で配信される所定の広告コンバージョンに関して所定のインテントを有し、インテントなどに基づく種々に階層(認知興味・関心、検討及び直前など)に属している。各階層のユーザの分布は、ファネル構造となっている。広告主視点としては、配信した広告の価値を正しく評価し、また、そのうえで広告の内容及び量などの広告の構成を最適化する点が重要であり、その前提としてファネル構造を知る必要がある。

しかしながら、従来、ファネル構造を可視化するためには、アンケートなどのアナログな方法が用いられている。アンケートなどのアナログな方法ではコストがかかる上、十分な量のデータを取ることが困難である。また、アンケートでは誤認に基づく回答又は自己を良く見せようとする回答が含まれるなど、必ずしも客観的な情報を得られるとは限らない。

そのため、インターネット上のアクセスログなどからファネル構造を推定する技術が求められる。

概要

ファネル構造を推定する情報処理装置及び情報処理方法を提供する。実施形態によれば、情報処理装置は、コンバージョン(CVユーザログ抽出部と経路抽出部と設定部と遷移確率算出部と未CVユーザログ抽出部と階層推定部と構造推定部とを備える。経路抽出部は、CVを完了したユーザのログに基づいて前記ユーザが前記CVに至るまでに閲覧するカテゴリと前記カテゴリの遷移経路とを抽出する。設定部は、前記カテゴリと前記遷移経路とに基づいて前記ファネル構造の階層ごとに、前記カテゴリの閲覧比率を設定する。遷移確率算出部は、前記カテゴリと前記遷移経路とに基づいて前記ファネル構造の各階層に属するユーザが各階層に遷移する遷移確率を算出する。階層推定部は、前記CVを完了していないユーザのログと前記カテゴリの閲覧比率とに基づいて前記ユーザの階層を推定する。構造推定部は、推定結果に基づいてファネル構造を推定する。

目的

特表2014−512613号公報






上記の課題を解決するために、ファネル構造を推定する情報処理装置及び情報処理方法を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

ファネル構造を推定する情報処理装置であって、コンバージョンを完了したユーザのコンバージョンユーザログを抽出するコンバージョンユーザログ抽出部と、前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに閲覧するカテゴリと前記カテゴリの遷移経路とを抽出する経路抽出部と、前記経路抽出部が抽出した前記カテゴリと前記カテゴリの前記遷移経路とに基づいて、前記ファネル構造の階層ごとに、前記カテゴリの閲覧比率を設定する設定部と、前記経路抽出部が抽出した前記カテゴリと前記カテゴリの前記遷移経路とに基づいて、前記ファネル構造の各階層に属するユーザが各階層に遷移する遷移確率を算出する遷移確率算出部と、前記コンバージョンを完了していないユーザの未コンバージョンユーザログを抽出する未コンバージョンユーザログ抽出部と、前記未コンバージョンユーザログと前記カテゴリの閲覧比率とに基づいて、前記コンバージョンを完了していないユーザの階層を推定する階層推定部と、前記階層推定部の推定結果に基づいてファネル構造を推定する構造推定部と、を備える情報処理装置。

請求項2

前記コンバージョンユーザログ及び前記未コンバージョンユーザログは、ユーザが閲覧したサイトを示し、前記カテゴリは、サイトの分類である、前記請求項1に記載の情報処理装置。

請求項3

前記コンバージョンユーザログ抽出部は、前記コンバージョンユーザログとして、前記コンバージョンが完了した日時から所定の期間溯ったログを抽出する、前記請求項1又は2に記載の情報処理装置。

請求項4

前記階層推定部は、前記未コンバージョンユーザログに基づいて前記コンバージョンを完了していないユーザの前記カテゴリの閲覧比率を算出し、算出された前記カテゴリの閲覧比率と前記設定部が設定した前記カテゴリの閲覧比率とを比較して、前記ユーザの階層を推定する、前記請求項1乃至3の何れか1項に記載の情報処理装置。

請求項5

前記構造推定部は、前記ファネル構造として各階層に属するユーザの数を推定する、前記請求項1乃至4の何れか1項に記載の情報処理装置。

請求項6

前記コンバージョンは、商品購入である、前記請求項1乃至5の何れか1項に記載の情報処理装置。

請求項7

ファネル構造を推定する情報処理装置であって、コンバージョンを完了したユーザのコンバージョンユーザログを抽出するコンバージョンユーザログ抽出部と、前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに閲覧するカテゴリと前記カテゴリの遷移経路とを抽出する経路抽出部と、前記経路抽出部が抽出した前記カテゴリと前記カテゴリの前記遷移経路とに基づいて、前記ファネル構造の階層ごとに、前記カテゴリの閲覧比率を設定する設定部と、前記経路抽出部が抽出した前記カテゴリと前記カテゴリの前記遷移経路とに基づいて、前記ファネル構造の各階層に属するユーザが各階層に遷移する遷移確率を算出する遷移確率算出部と、前記コンバージョンを完了しておらず、かつ、広告を閲覧したユーザの閲覧ユーザログを抽出する閲覧ユーザログ抽出部と、前記閲覧ユーザログと前記カテゴリの閲覧比率とに基づいて、前記ユーザの階層を推定する閲覧ユーザ階層推定部と、前記閲覧ユーザ階層推定部の推定結果に基づいて前記ユーザのファネル構造を推定する閲覧ユーザ構造推定部と、を備える情報処理装置。

請求項8

さらに、前記コンバージョンを完了しておらず、かつ、前記広告を閲覧していないユーザの非閲覧ユーザログを抽出する非閲覧ユーザログ抽出部と、前記非閲覧ユーザログと前記カテゴリの閲覧比率とに基づいて、前記ユーザの階層を推定する非閲覧ユーザ階層推定部と、前記非閲覧ユーザ階層推定部の推定結果に基づいて前記ユーザのファネル構造を推定する非閲覧ユーザ構造推定部と、を備える、前記請求項7に記載の情報処理装置。

請求項9

ファネル構造を推定する情報処理方法であって、コンバージョンを完了したユーザのコンバージョンユーザログを抽出し、前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに閲覧するカテゴリと前記カテゴリの遷移経路とを抽出し、前記カテゴリと前記カテゴリの前記遷移経路とに基づいて、前記ファネル構造の階層ごとに、前記カテゴリの閲覧比率を設定し、抽出された前記カテゴリと前記カテゴリの前記遷移経路とに基づいて、前記ファネル構造の各階層に属するユーザが各階層に遷移する遷移確率を算出し、前記コンバージョンを完了していないユーザの未コンバージョンユーザログを抽出し、前記未コンバージョンユーザログ及び前記カテゴリの閲覧比率に基づいて、前記コンバージョンを完了していないユーザの階層を推定し、推定結果に基づいてファネル構造を推定する、情報処理方法。

技術分野

0001

本発明の実施形態は、インターネットなどにおけるユーザのファネル構造を推定する情報処理装置及び情報処理方法に関する。

背景技術

0002

ユーザは、Web上で配信される所定の広告コンバージョンに関して所定のインテントを有し、インテントなどに基づく種々に階層(認知興味・関心、検討及び直前など)に属している。各階層のユーザの分布は、ファネル構造となっている。広告主視点としては、配信した広告の価値を正しく評価し、また、そのうえで広告の内容及び量などの広告の構成を最適化する点が重要であり、その前提としてファネル構造を知る必要がある。

0003

しかしながら、従来、ファネル構造を可視化するためには、アンケートなどのアナログな方法が用いられている。アンケートなどのアナログな方法ではコストがかかる上、十分な量のデータを取ることが困難である。また、アンケートでは誤認に基づく回答又は自己を良く見せようとする回答が含まれるなど、必ずしも客観的な情報を得られるとは限らない。

0004

そのため、インターネット上のアクセスログなどからファネル構造を推定する技術が求められる。

先行技術

0005

特表2014−512613号公報

発明が解決しようとする課題

0006

上記の課題を解決するために、ファネル構造を推定する情報処理装置及び情報処理方法を提供する。

課題を解決するための手段

0007

実施形態によれば、ファネル構造を推定する情報処理装置は、コンバージョンユーザログ抽出部と、経路抽出部と、設定部と、遷移確率算出部と、未コンバージョンユーザログ抽出部と、階層推定部と、構造推定部と、を備える。コンバージョンユーザログ抽出部は、コンバージョンを完了したユーザのコンバージョンユーザログを抽出する。経路抽出部は、前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに閲覧するカテゴリと前記カテゴリの遷移経路とを抽出する。設定部は、前記経路抽出部が抽出した前記カテゴリと前記カテゴリの前記遷移経路とに基づいて、前記ファネル構造の階層ごとに、前記カテゴリの閲覧比率を設定する。遷移確率算出部は、前記経路抽出部が抽出した前記カテゴリと前記カテゴリの前記遷移経路とに基づいて、前記ファネル構造の各階層に属するユーザが各階層に遷移する遷移確率を算出する。未コンバージョンユーザログ抽出部は、前記コンバージョンを完了していないユーザの未コンバージョンユーザログを抽出する。階層推定部は、前記未コンバージョンユーザログと前記カテゴリの閲覧比率とに基づいて、前記コンバージョンを完了していないユーザの階層を推定する。構造推定部は、前記階層推定部の推定結果に基づいてファネル構造を推定する。

発明の効果

0008

実施形態によれば、情報処理装置は、コンバージョンを完了したユーザのWeb閲覧ログに基づいてファネル階層をモデル化階層テーブル及び遷移確率テーブルを生成)することができる。また、情報処理装置は、ファネル構造のモデル化によって、コンバージョンを完了していないユーザのファネル構造を推定することができる。

0009

即ち、情報処理装置は、階層ごとのユーザ数及び階層間移転確率を推定することができる。したがって、上記の推定により、階層ごとのボリューム、及び、いずれの階層が今後拡大又は縮小するかなどを推測することができる。

0010

また、情報処理装置は、広告を閲覧したユーザのファネル構造と広告を閲覧していないユーザのファネル構造とを推定することができる。したがって、情報処理装置は、両ファネル構造の差として広告の効果を提示することができる。たとえば、広告を閲覧したユーザのファネル構造の特定の階層のユーザが増加し直上の階層(たとえば、特定の階層が「興味・関心」であれば、「認知」)が減少している場合、広告は、ユーザを当該直上の階層から当該特定の階層へ遷移させる効果があると推定される。

0011

また、情報処理装置は、広告配信後に、両ファネル構造を推定する。その結果、両ファネル構造の差について、他の要素(たとえば、テレビCMなど)によって生じる変化をキャンセルすることができる。従って、広告の効果をより明確に把握することができる。

図面の簡単な説明

0012

図1は、実施形態に係るファネル構造の構成例を示す図である。
図2は、実施形態に係る情報処理装置の構成例を示すブロック図である。
図3は、実施形態に係るカテゴリの遷移例を示す図である。
図4は、実施形態に係るカテゴリの遷移例を示す図である。
図5は、実施形態に係る階層テーブルである。
図6は、実施形態に係る遷移確率テーブルである。
図7は、実施形態に係るファネル構造の遷移例を示す。
図8は、実施形態に係る情報処理装置の動作例を示すフローチャートである。
図9は、実施形態に係る情報処理装置の動作例を示すフローチャートである。

実施例

0013

以下、実施形態について、図面を参照して説明する。
まず、ファネル構造について説明する。
図1は、ファネル構造1の構成例を示す。

0014

ファネル構造1は、所定の広告のコンバージョンに関連する階層ごとのユーザ数を示す。
コンバージョンは、広告主が実施する広告の最終的な成果である。たとえば、コンバージョンは、所定の物品購入資料請求、又は、所定のサイトの閲覧などである。コンバージョンの内容は、特定の構成に限定されるものではない。

0015

図1が示すように、ファネル構造1は、階層2乃至6などを備える。階層2乃至6は、それぞれ「認知」、「興味・関心」、「検討」、「直前」及び「コンバージョン」である。図1が示す例では、階層の領域が大きいほど、ユーザが多いことを示す。なお、ファネル構造1は、「コンバージョン」を階層として備えなくともよい。

0016

「認知」は、コンバージョンの成果に関する事柄を認知している階層である。たとえば、コンバージョンが所定の商品の購入である場合、「認知」は、成果に関する事柄として当該商品を認知している階層である。また、コンバージョンがイベント告知サイトの閲覧である場合、「認知」は、成果に関する事柄として当該イベントなどを認知している階層である。

0017

「興味・関心」は、成果に関する事柄に興味又は関心がある階層である。即ち、「興味・関心」は、コンバージョンを検討する程度ではないものの、成果に関する事柄に一定の興味・関心がある階層である。

0018

「検討」は、コンバージョンを検討している階層である。即ち、「検討」は、単なる興味・関心を超えて、コンバージョンを実行することを検討する階層である。

0019

「直前」は、コンバージョンを行う直前である階層である。即ち、「直前」は、コンバージョンの検討を終了し、コンバージョンを行うことを決定している階層である。

0020

「コンバージョン」は、コンバージョンを完了した階層である。

0021

図1が示す例において、「認知」、「興味・関心」、「検討」、「直前」及び「コンバージョン」と階層が深くなるにつれて、ユーザの数は、減少する。

0022

なお、ファネル構造は、さらに他の階層を備えてもよい。また、ファネル構造は、上述の階層を備えなくともよい。また、ファネル構造の階層の数は、特定の数に限定されるものではない。ファネル構造の構成は、特定の構成に限定されるものではない。

0023

次に、実施形態に係る情報処理装置について説明する。
図2は、情報処理装置10の構成例を示すブロック図である。
図2が示す構成例において、情報処理装置10は、基本的な構成として、CPU11、ROM12、RAM13、NVM14、通信部15、操作部16及び表示部17などを備える。これらの各部は、データバスを介して互いに接続されている。なお、情報処理装置10は、図2が示すような構成の他に必要に応じた構成を具備したり、特定の構成を除外したりしてもよい。

0024

CPU11は、情報処理装置10全体の動作を制御する機能を有する。CPU11は、内部キャッシュおよび各種のインターフェースなどを備えても良い。CPU11は、内部メモリ、ROM12又はNVM14が予め記憶するプログラムを実行することにより種々の処理を実現する。

0025

なお、CPU11がプログラムを実行することにより実現する各種の機能のうちの一部は、ハードウエア回路により実現されるものであっても良い。この場合、CPU11は、ハードウエア回路により実行される機能を制御する。

0026

ROM12は、予め制御用のプログラム及び制御データなどが記憶された不揮発性メモリである。ROM12に記憶される制御プログラム及び制御データは、予め情報処理装置10の仕様に応じて組み込まれる。ROM12は、たとえば、情報処理装置10の回路基板を制御するプログラム(例えば、BIOS)などを格納する。

0027

RAM13は、揮発性のメモリである。RAM13は、CPU11の処理中のデータなどを一時的に格納する。RAM13は、CPU11からの命令に基づき種々のアプリケーションプログラムを格納する。また、RAM13は、アプリケーションプログラムの実行に必要なデータ及びアプリケーションプログラムの実行結果などを格納してもよい。

0028

NVM14は、データの書き込み及び書き換えが可能な不揮発性のメモリである。NVM14は、例えば、ハードディスクSSD、EEPROM登録商標)又はフラッシュメモリなどにより構成される。NVM14は、情報処理装置10の運用用途に応じて制御プログラム、アプリケーション、及び種々のデータを格納する。

0029

また、NVM14は、ユーザがサイトを閲覧した記録であるWeb閲覧ログを格納する記憶領域14aを備える。たとえば、Web閲覧ログは、ユーザ、閲覧したサイト(たとえば、URLなど)及び閲覧した日時などを備える。

0030

通信部15は、通信網5を通じて外部装置とデータを送受信するためのインターフェースである。通信部15は、たとえば、LAN接続サポートするインターフェースである。

0031

操作部16は、情報処理装置10の操作者によって、種々の操作指示が入力される。操作部16は、操作者に入力された操作指示の信号をCPU11へ送信する。操作部16は、たとえば、キーボードテンキー、及び、タッチパネルなどである。

0032

表示部17は、CPU11の制御により種々の情報を表示する表示装置である。表示部17は、たとえば、液晶モニタなどである。なお、操作部16がタッチパネルなどで構成される場合、表示部17は、操作部16と一体的に形成されてもよい。

0033

次に、CPU11が実現する機能について説明する。
まず、CPU11は、コンバージョンが完了したユーザのWeb閲覧ログ(コンバージョンユーザログ)を抽出する機能(コンバージョンユーザログ抽出部)を有する。
CPU11は、記憶領域14aから、コンバージョンが完了したユーザのWeb閲覧ログであってコンバージョンが完了した日時から所定の期間溯ったWeb閲覧ログを抽出する。たとえば、CPU11は、コンバージョンが完了してから30日、60日又は90日前のWeb閲覧ログを抽出する。CPU11は、コンバージョンに基づいて溯る期間を決定してもよい。たとえば、CPU11は、決断に時間が係ると思われるコンバージョン(たとえば、高額な商品の購入など)については、比較的長い期間を設定してもよい。また、たとえば、CPU11は、短期間で決断できるコンバージョン(たとえば、低額な商品の購入など)については、比較的短い期間を設定してもよい。CPU11がWeb閲覧ログを抽出する期間を決定する方法は、特定の方法に限定されるものではない。

0034

CPU11は、抽出したWeb閲覧ログに基づいて、コンバージョンが完了したユーザが閲覧したサイトのカテゴリ及びカテゴリを遷移する経路を特定する機能(経路抽出部)を有する。
CPU11は、抽出したWeb閲覧ログのサイトに対してカテゴリを設定する。
カテゴリは、サイトの特徴に基づいて設定される。サイトのカテゴリは、予め手動でサイトごとに設定されてもよい。サイトのカテゴリは、CPU11によって所定のアルゴリズムに従って自動で設定されてもよい。サイトにカテゴリを設定する方法は、特定の方法に限定されるものではない。

0035

次に、CPU11は、コンバージョンを完了したユーザがどのようなカテゴリを遷移してコンバージョンに至ったかを抽出する。即ち、CPU11は、コンバージョンを完了したユーザが特徴的に閲覧するカテゴリを抽出しカテゴリの遷移経路を抽出する。

0036

たとえば、CPU11は、コンバージョンを完了したユーザが特に閲覧するカテゴリを抽出する。また、CPU11は、各カテゴリ間の遷移確率を算出する。即ち、CPU11は、コンバージョンを完了したユーザがあるカテゴリのサイトを閲覧した後に他のカテゴリのサイトを閲覧する確率を算出する。

0037

CPU11は、各カテゴリ間の遷移確率に基づいて、各カテゴリ間に遷移経路としてパスを設定する。たとえば、CPU11は、遷移確率が所定の閾値よりも高いカテゴリ間にパスを設定してもよい。また、CPU11は、遷移確率に従って、各カテゴリ間に異なる太さのパス(即ち、強度の異なるパス)を設定してもよい。

0038

たとえば、CPU11は、ベイジアンネットワークを用いて、コンバージョンを完了したユーザが閲覧するカテゴリを抽出し、コンバージョンに至るカテゴリの遷移経路を抽出してもよい。

0039

図3及び図4は、コンバージョンを完了したユーザのカテゴリの遷移例を示す。
ここでは、CPU11は、カテゴリ21乃至24を抽出したものとする。カテゴリ21乃至24は、それぞれ「普段使いメディア」、「生活変化」、「美容健康」、及び、「関連商品情報」である。

0040

「普段使いメディア」は、ユーザが日常的に使うサイトである。たとえば、「普段使いメディア」は、検索エンジン又はポータルサイトなどを含む。

0041

「生活変化」は、ユーザの生活が変化した又は変化しようとしたときに閲覧されるサイトである。たとえば、「生活変化」は、引っ越しなどに関するサイトなどを含む。

0042

「美容健康」は、美容又は健康に関連するサイトである。たとえば、「美容健康」は、化粧品又は健康食品などに関するサイトなどを含む。

0043

「関連商品情報」は、コンバージョンと関連性の強いサイトである。たとえば、コンバージョンが商品の購入である場合、「関連商品情報」は、当該商品の批評サイトや当該商品と類似する商品の紹介サイトなどである。

0044

図3及び4において、矢印は、パスを示す。即ち、矢印は、ユーザが矢印の始点にあるカテゴリから矢印の終点にあるカテゴリに遷移することを示す。

0045

図3及び図4が示すように、ユーザがコンバージョンに至る遷移経路の1つは、カテゴリ21(「普段使いメディア」)、カテゴリ24(「関連商品情報」)及び「コンバージョン」を順に辿る経路である。また、ユーザがコンバージョンに至る遷移経路の他の1つは、カテゴリ21(「普段使いメディア」)、カテゴリ23(「美容健康」)、カテゴリ24(「関連商品情報」)及び「コンバージョン」を順に辿る経路である。また、ユーザがコンバージョンに至る遷移経路の他の1つは、カテゴリ21(「普段使いメディア」)、カテゴリ23(「美容健康」)、及び「コンバージョン」を順に辿る経路である。また、ユーザがコンバージョンに至る遷移経路の他の1つは、カテゴリ21(「普段使いメディア」)、カテゴリ22(「生活変化」)、カテゴリ23(「美容健康」)、カテゴリ24(「関連商品情報」)及び「コンバージョン」を順に辿る経路である。また、ユーザがコンバージョンに至る遷移経路の他の1つは、カテゴリ21(「普段使いメディア」)、カテゴリ22(「生活変化」)、カテゴリ23(「美容健康」)及び「コンバージョン」を順に辿る経路である。

0046

なお、CPU11が抽出するカテゴリの数は、特定の数に限定されるものではない。CPU11が抽出するカテゴリの構成は、特定の構成に限定されるものではない。また、CPU11が抽出する経路は、特定の構成に限定されるものではない。

0047

また、CPU11は、ファネル構造の階層ごとに、抽出したカテゴリの閲覧比率を設定する機能(設定部)を有する。即ち、CPU11は、ファネル構造の階層ごとに、ユーザが閲覧するカテゴリの比率を設定する。たとえば、CPU11は、抽出したカテゴリの全閲覧に対する各カテゴリの閲覧比率を設定する。たとえば、CPU11は、ファネル構造の階層と、当該階層におけるカテゴリの閲覧比率とを対応付けたテーブル(階層テーブル)を生成する。

0048

図5は、ファネル構造の階層と、当該階層におけるカテゴリの閲覧比率とを対応付けた階層テーブルの構成例を示す。

0049

図5が示すように、階層テーブルは、「認知」に属するユーザが「普段使いメディア」、「生活変化」、「美容健康」及び「関連商品情報」をそれぞれ80%、10%、7%及び3%の比率で閲覧することを示す。また、階層テーブルは、「興味・関心」に属するユーザが「普段使いメディア」、「生活変化」、「美容健康」及び「関連商品情報」をそれぞれ40%、30%、15%及び15%の比率で閲覧することを示す。また、階層テーブルは、「検討」に属するユーザは、「普段使いメディア」、「生活変化」、「美容健康」及び「関連商品情報」をそれぞれ10%、20%、60%及び20%の比率で閲覧することを示す。また、階層テーブルは、「直前」に属するユーザは、「普段使いメディア」、「生活変化」、「美容健康」及び「関連商品情報」をそれぞれ5%、10%、50%及び35%の比率で閲覧することを示す。

0050

なお、CPU11が階層ごとに設定する各カテゴリの比率は、特定の値に限定されるものではない。即ち、CPU11が設定する階層テーブルの構成は、特定の構成に限定されるものではない。

0051

また、CPU11は、カテゴリ及びカテゴリ間の遷移経路(遷移確率)などに基づいて、各階層に属するユーザが所定の期間後に各階層に移転する確率を算出する機能(遷移確率算出部)を有する。即ち、CPU11は、階層間の移転確率を算定する。たとえば、CPU11は、ファネル構造の階層と、当該階層におけるユーザが所定の期間後に各階層に移転する確率とを対応付けたテーブル(遷移確率テーブル)を生成する。なお、遷移確率テーブルは、ユーザが階層に留まる確率も含むものとする。

0052

図6は、ファネル構造の階層と、当該階層におけるユーザが所定の期間後に各階層に移転する確率とを対応付けた遷移確率テーブルの構成例を示す。

0053

図6が示すように、遷移確率テーブルは、「認知」に属するユーザが所定の期間後に「認知」、「興味・関心」、「検討」、「直前」及び「コンバージョン」にそれぞれ80%、2%、3%、15%及び0%の確率で移転することを示す。また、遷移確率テーブルは、「興味・関心」に属するユーザが所定の期間後に「興味・関心」、「検討」、「直前」及び「コンバージョン」にそれぞれ81%、5%、14%及び0%の確率で移転することを示す。また、遷移確率テーブルは、「検討」に属するユーザが所定の期間後に「検討」、「直前」及び「コンバージョン」にそれぞれ79%、21%、及び0%の確率で移転することを示す。また、遷移確率テーブルは、「直前」に属するユーザが所定の期間後に「直前」及び「コンバージョン」にそれぞれ87%、及び13%の確率で移転することを示す。

0054

なお、CPU11が階層ごとに算出される確率は、特定の値に限定されるものではない。即ち、CPU11が算出する遷移確率テーブルの構成は、特定の構成に限定されるものではない。

0055

たとえば、CPU11は、以下のように階層テーブル及び遷移確率テーブルを生成する。
CPU11は、「コンバージョン」に至るまでの階層の数と、各階層から次の階層へ移転する確率を仮定する。CPU11は、仮定に従って、あるユーザがどの階層に属するか、及び、次の階層に遷移する確率を連続的に評価し、階層テーブル及び遷移確率テーブルを生成する。

0056

たとえば、CPU11は、隠れマルコフモデルなどに従って階層テーブル及び遷移確率テーブルを生成する。
なお、階層テーブル及び遷移確率テーブルを生成する方法は、特定の方法に限定されるものではない。

0057

CPU11は、コンバージョンが完了していないユーザのWeb閲覧ログ(未コンバージョンユーザログ)を抽出する機能(未コンバージョンユーザログ抽出部)を有する。
CPU11は、記憶領域14aからコンバージョンを完了していないユーザのWeb閲覧ログを抽出する。なお、CPU11は、コンバージョンを完了していないユーザのWeb閲覧ログから、さらに閲覧した日時が所定の期間内であるWeb閲覧ログを抽出してもよい。

0058

また、CPU11は、コンバージョンを完了していないユーザのWeb閲覧ログ及び階層テーブルから、コンバージョンを完了していない各ユーザの階層を推定する機能(階層推定部)を有する。

0059

CPU11は、抽出したWeb閲覧ログに基づいて、ユーザごとに階層を推定する。たとえば、CPU11は、あるユーザのWeb閲覧ログから階層テーブルが示すカテゴリに含まれるサイトのWeb閲覧ログを抽出する。CPU11は、抽出したWeb閲覧ログに基づいて、当該ユーザの各カテゴリの閲覧比率を算出する。CPU11は、階層テーブルを参照して、ユーザの各カテゴリの閲覧比率と、階層テーブルが示す各カテゴリの閲覧比率を比較する。CPU11は、ユーザの各カテゴリの閲覧比率と最もマッチする階層を当該ユーザが所属する階層として推定する。
CPU11は、上記の動作をユーザごとに実行し、各ユーザの階層を推定する。

0060

また、CPU11は、各ユーザの階層からファネル構造を推定する機能(構造推定部)を有する。たとえば、CPU11は、階層ごとにユーザの数をカウントし、ファネル構造として各階層に属するユーザの数を推定する。また、たとえば、CPU11は、階層ごとの割合でファネル構造を推定してもよい。なお、CPU11は、コンバージョンを完了したユーザの階層である「コンバージョン」をファネル構造に追加してもよい。

0061

また、CPU11は、所定の広告を閲覧したユーザが構成するファネル構造と当該広告を閲覧していないユーザが構成するファネル構造とを推定する機能を有する。ここでは、広告主は、所定の広告を所定のWeb上に配信したものとする。図7は、広告を閲覧したユーザのファネル構造1aと広告を閲覧していないユーザのファネル構造1bとの構成例を示す。

0062

CPU11は、記憶領域14aから、コンバージョンを完了しておらず、かつ、当該広告を閲覧したユーザのWeb閲覧ログ(閲覧ユーザログ)を抽出する(閲覧ユーザログ抽出部)。たとえば、CPU11は、当該広告を閲覧したことを示すWeb閲覧ログを有するユーザを抽出し、当該ユーザのWeb閲覧ログを抽出する。

0063

CPU11は、抽出したWeb閲覧ログ及び階層テーブルから、当該広告を閲覧した各ユーザの階層を推定する(閲覧ユーザ階層推定部)。CPU11は、推定結果に基づいて、当該広告を閲覧したユーザのファネル構造1aを推定する(閲覧ユーザ構造推定部)。なお、CPU11は、広告を閲覧しコンバージョンを完了したユーザの階層を「コンバージョン」の階層としてファネル構造1aに追加してもよい。

0064

また、CPU11は、記憶領域14aから、コンバージョンを完了しておらず、かつ、当該広告を閲覧していないユーザのWeb閲覧ログ(非閲覧ユーザログ)を抽出する(非閲覧ユーザログ抽出部)。たとえば、CPU11は、当該広告を閲覧したことを示すWeb閲覧ログを有するユーザを抽出し、当該ユーザ以外のWeb閲覧ログを抽出する。

0065

CPU11は、抽出したユーザのWeb閲覧ログ及び階層テーブルから、当該広告を閲覧していない各ユーザの階層を推定する(非閲覧ユーザ階層推定部)。CPU11は、推定結果に基づいて、当該広告を閲覧していないユーザのファネル構造1bを推定する(非閲覧ユーザ構造推定部)。なお、CPU11は、広告を閲覧しておらずコンバージョンを完了したユーザの階層を「コンバージョン」の階層としてファネル構造1bに追加してもよい。

0066

以上の動作により、図7が示すように、CPU11は、広告配信後に、広告を閲覧したユーザのファネル構造1aと、広告を閲覧していないユーザのファネル構造1bとを推定することができる。なお、CPU11は、広告を閲覧した回数ごとにユーザを分類し、閲覧回数ごとのファネル構造を推定してもよい。

0067

次に、情報処理装置10の動作例について説明する。
まず、情報処理装置10がファネル構造を推定する動作例について説明する。
図8は、情報処理装置10のCPU11がファネル構造を推定する動作例を説明するためのフローチャートである。

0068

まず、CPU11は、記憶領域14aから、コンバージョンを完了したユーザのWeb閲覧ログを所定の期間溯って抽出する(S11)。コンバージョンを完了したユーザのWeb閲覧ログを抽出すると、CPU11は、抽出したWeb閲覧ログに基づいて、カテゴリ及びカテゴリ間の遷移経路を抽出する(S12)。

0069

カテゴリ及びカテゴリ間の遷移経路を抽出すると、CPU11は、カテゴリ及びカテゴリ間の遷移経路などに基づいて階層テーブルを生成する(S13)。階層テーブルを生成すると、CPU11は、カテゴリ及びカテゴリ間の遷移経路などに基づいて遷移確率テーブルを生成する(S14)。

0070

遷移確率テーブルを生成すると、CPU11は、コンバージョンを完了していないユーザのWeb閲覧ログを抽出する(S15)。コンバージョンを完了していないユーザのWeb閲覧ログを抽出すると、CPU11は、抽出したWeb閲覧ログ及び階層テーブルに基づいて、コンバージョンを完了していない各ユーザの階層を推定する(S16)。

0071

コンバージョンを完了していない各ユーザの階層を推定すると、CPU11は、推定結果に基づいて、ファネル構造を推定する(S17)。ファネル構造を推定すると、CPU11は、動作を終了する。

0072

次に、情報処理装置10が広告を閲覧したユーザのファネル構造と広告を閲覧していないユーザのファネル構造とを推定する動作例について説明する。

0073

図9は、情報処理装置10のCPU11が広告を閲覧したユーザのファネル構造と広告を閲覧していないユーザのファネル構造とを推定する動作例について説明するためのフローチャートである。
ここでは、CPU11は、階層テーブルを生成し終えているものとする。

0074

まず、CPU11は、記憶領域14aから、コンバージョンを完了しておらず、かつ、広告を閲覧したユーザのWeb閲覧ログを抽出する(S21)。Web閲覧ログを抽出すると、CPU11は、階層テーブルに基づいて、広告を閲覧した各ユーザの階層を推定する(S22)。

0075

広告を閲覧した各ユーザの階層を推定すると、CPU11は、推定結果に基づいて、広告を閲覧したユーザのファネル構造を推定する(S23)。広告を閲覧したユーザのファネル構造を推定すると、CPU11は、記憶領域14aから、コンバージョンを完了しておらず、かつ、広告を閲覧していないユーザのWeb閲覧ログを抽出する(S24)。

0076

Web閲覧ログを抽出すると、CPU11は、階層テーブルに基づいて、広告を閲覧していない各ユーザの階層を推定する(S25)。広告を閲覧していない各ユーザの階層を推定すると、CPU11は、広告を閲覧していないユーザのファネル構造を推定する(S26)。

0077

広告を閲覧していないユーザのファネル構造を推定すると、CPU11は、動作を終了する。

0078

なお、CPU11は、外部装置からWeb閲覧ログを取得してもよい。また、CPU11は、各階層のユーザ数を示すデータをファネル構造として表示部17に表示してもよい。また、CPU11は、通信部15などを通じてファネル構造を示すデータを外部装置へ送信してもよい。

0079

なお、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、各実施形態は可能な限り適宜組み合わせて実施してもよく、その場合組み合わせた効果が得られる。更に、上記実施形態には種々の段階の発明が含まれており、開示される複数の構成要件における適当な組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、発明が解決しようとする課題の欄で述べた課題が解決でき、発明の効果の欄で述べられている効果が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。

0080

1(1a及び1b)…ファネル構造、2乃至6…階層、10…情報処理装置、11…CPU、12…ROM、13…RAM、14…NVM、14a…記憶領域、15…通信部、16…操作部、17…表示部。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 蘇州瑞派寧科技有限公司の「 医療用画像四次元可視化の方法及び装置」が 公開されました。( 2021/09/30)

    【課題・解決手段】本発明によれば、医療用画像四次元可視化の方法及び装置が提供される。ユーザは、医療用画像データをクライアント端末により制御モジュールにアップロードし、制御モジュールは、医療用画像データ... 詳細

  • レッドコカシン イリヤ ウラディミロヴィッチの「 情報の転送方法」が 公開されました。( 2021/09/30)

    【課題・解決手段】本発明は、コンピュータネットワークの分野、特にモバイル技術に関する。より具体的には、本発明は、情報の転送方法に関する。情報転送方法は、連絡先の情報自体が非公開状態でユーザ間でこれらの... 詳細

  • 讃良昌孝の「 機器故障リアルタイム連絡メール配信システム」が 公開されました。( 2021/09/30)

    【課題】製造機器の故障通知ランプ部の点灯を検知するには、常時人間が目視ことが要求される。故障通知ランプは機器の製造会社により予めオプション機能として取り付けられている製造機器もあるが、高価なためにこの... 詳細

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ