図面 (/)

技術 購買行動分析装置およびプログラム

出願人 富士ゼロックス株式会社
発明者 榊茂之三浦康秀谷口友紀大熊智子
出願日 2016年3月23日 (4年8ヶ月経過) 出願番号 2016-058305
公開日 2017年9月28日 (3年1ヶ月経過) 公開番号 2017-174062
状態 特許登録済
技術分野 検索装置
主要キーワード 予測フェーズ 次判定処理 将来需要 分散表現 製品カテゴリー 市場調査会社 複数次元 製品分類
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9月28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 (16)

課題

SNSにおける利用者投稿情報から、各利用者が、複数の購買行動段階のうちのどの段階であるかを推測可能とする。

解決手段

分散表現変換部34は、SNS投稿情報取得部31により取得された投稿情報から抽出されたテキスト情報を、単語又はベクトル表現した分散表現に変換する。ニューラルネットワーク35は、興味有無判定層41、購入希望判定層42、購入可能性判定層43により構成されている。興味有無確率算出部36は、興味有無判定層41の出力値に基づいて、ユーザが投稿情報中で言及した製品に興味を持っている確率値を算出する。購入希望確率算出部37は、購入希望判定層42の出力値に基づいて、ユーザがその製品を欲しがっている確率値を算出する。購入可能性確率算出部38は、購入可能性判定層43の出力値に基づいて、ユーザがその製品を将来的に購入することが予測される確率値を算出する。

概要

背景

特許文献1には、複数のニューラルネットワークモデルを備え、第1の時期の販売実績を入力として、第2の時期の需要予測値を出力させ、実際の第2の時期の需要の値と近いモデルを選択し、最新の販売実績を選択したモデルに入力して需要を予測するようにした需要予測方法が開示されている。

特許文献2には、利用者アクセス履歴の中からアクセス回数の多い情報を抽出して、抽出した情報にアクセスした他の利用者がアクセスした情報を利用者に提供するようにした情報配送方法が開示されている。

特許文献3には、階層式のデータ構造により構成され、属性値に応じて知識が保存されており、入力値に応じて知識にづけられた属性値が変更されて階層構造のデータが更新される電子頭脳が開示されている。

非特許文献1には、消費者に対してライフスタイルに関するアンケート調査を行い、ID−POS(消費者の購買行動履歴)データの購買情報データの分析を行い、消費者のカテゴリー(ライフスタイル)、商品のカテゴリー、商品の特徴などをパラメータとする分析を行うようにした顧客行動予測システムが開示されている。

概要

SNSにおける利用者の投稿情報から、各利用者が、複数の購買行動段階のうちのどの段階であるかを推測可能とする。分散表現変換部34は、SNS投稿情報取得部31により取得された投稿情報から抽出されたテキスト情報を、単語又はベクトル表現した分散表現に変換する。ニューラルネットワーク35は、興味有無判定層41、購入希望判定層42、購入可能性判定層43により構成されている。興味有無確率算出部36は、興味有無判定層41の出力値に基づいて、ユーザが投稿情報中で言及した製品に興味を持っている確率値を算出する。購入希望確率算出部37は、購入希望判定層42の出力値に基づいて、ユーザがその製品を欲しがっている確率値を算出する。購入可能性確率算出部38は、購入可能性判定層43の出力値に基づいて、ユーザがその製品を将来的に購入することが予測される確率値を算出する。

目的

特許文献2には、利用者のアクセス履歴の中からアクセス回数の多い情報を抽出して、抽出した情報にアクセスした他の利用者がアクセスした情報を利用者に提供する

効果

実績

技術文献被引用数
1件
牽制数
1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

社会的ネットワークサービス投稿された投稿情報から特定の製品に関する投稿情報を取得する取得手段と、前記取得手段により取得された投稿情報に含まれる文書情報分散表現に変換する変換手段と、前記変換手段により変換された分散表現を入力して利用者が投稿情報中で言及した製品に興味を持っているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が当該製品を欲しがっているか否かを判定するための第2の判定層と、前記第2の判定層の出力値を入力して利用者が当該製品を将来的に購入することが予測されるか否かを判定するための第3の判定層からなるニューラルネットワークと、前記第1の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品に興味を持っている度合いを示す値を算出する興味有無度合い算出手段と、前記第2の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を欲しがっている度合いを示す値を算出する購入希望度合い算出手段と、前記第3の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出手段と、を備えた購買行動分析装置

請求項2

前記興味有無度合い算出手段、前記購入希望度合い算出手段および前記購入可能性度合い算出手段により算出された値に基づいて、利用者の購買行動段階が、当該利用者が投稿情報中で言及した製品に興味を持っている段階、投稿情報中で言及した製品を欲しがっている段階、投稿情報中で言及した製品を将来的に購入することが予測される段階のいずれの段階にあるのかを判定する判定手段をさらに備えた請求項1記載の購買行動分析装置。

請求項3

社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得手段と、前記取得手段により取得された投稿情報に含まれる文書情報を分散表現に変換する変換手段と、前記変換手段により変換された分散表現を入力して利用者が投稿情報中で言及した製品を欲しがっているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が当該製品を将来的に購入することが予測されるか否かを判定するための第2の判定層からなるニューラルネットワークと、前記第1の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を欲しがっている度合いを示す値を算出する購入希望度合い算出手段と、前記第2の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出手段と、を備えた購買行動分析装置。

請求項4

社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得手段と、前記取得手段により取得された投稿情報に含まれる文書情報を分散表現に変換する変換手段と、前記変換手段により変換された分散表現を入力して利用者が投稿情報中で言及した製品に興味を持っているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が当該製品を将来的に購入することが予測されるか否かを判定するための第2の判定層からなるニューラルネットワークと、前記第1の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品に興味を持っている度合いを示す値を算出する興味有無度合い算出手段と、前記第2の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出手段と、を備えた購買行動分析装置。

請求項5

社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得手段と、前記取得手段により取得された投稿情報に含まれる文書情報を分散表現に変換する変換手段と、前記変換手段により変換された分散表現を入力して、予め設定された複数の製品分類のうち利用者がどの製品分類に興味を持っているのかを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が前記複数の製品分類のうちどの製品分類の製品を欲しがっているのかを判定するための第2の判定層と、前記第2の判定層の出力値を入力して利用者が前記複数の製品分類のうちどの製品分類の製品を将来的に購入することが予測されるかを判定するための第3の判定層からなるニューラルネットワークと、前記第1の判定層の出力値に基づいて、利用者が前記複数の製品分類のそれぞれについて興味を持っている度合いを示す値を算出する興味有無度合い算出手段と、前記第2の判定層の出力値に基づいて、利用者が前記複数の製品分類のそれぞれについて欲しがっている度合いを示す値を算出する購入希望度合い算出手段と、前記第3の判定層の出力値に基づいて、利用者が前記複数の製品分類のそれぞれについて将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出手段と、を備えた購買行動分析装置。

請求項6

社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得ステップと、前記取得ステップにおいて取得された投稿情報に含まれる文書情報を分散表現に変換する変換ステップと、前記変換ステップにおいて変換された分散表現を入力して利用者が投稿情報中で言及した製品に興味を持っているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が当該製品を欲しがっているか否かを判定するための第2の判定層と、前記第2の判定層の出力値を入力して利用者が当該製品を将来的に購入することが予測されるか否かを判定するための第3の判定層からなるニューラルネットワークの前記第1の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品に興味を持っている度合いを示す値を算出する興味有無度合い算出ステップと、前記第2の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を欲しがっている度合いを示す値を算出する購入希望度合い算出ステップと、前記第3の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出ステップとをコンピュータに実行させるためのプログラム

技術分野

0001

本発明は、購買行動分析装置およびプログラムに関する。

背景技術

0002

特許文献1には、複数のニューラルネットワークモデルを備え、第1の時期の販売実績を入力として、第2の時期の需要予測値を出力させ、実際の第2の時期の需要の値と近いモデルを選択し、最新の販売実績を選択したモデルに入力して需要を予測するようにした需要予測方法が開示されている。

0003

特許文献2には、利用者アクセス履歴の中からアクセス回数の多い情報を抽出して、抽出した情報にアクセスした他の利用者がアクセスした情報を利用者に提供するようにした情報配送方法が開示されている。

0004

特許文献3には、階層式のデータ構造により構成され、属性値に応じて知識が保存されており、入力値に応じて知識にづけられた属性値が変更されて階層構造のデータが更新される電子頭脳が開示されている。

0005

非特許文献1には、消費者に対してライフスタイルに関するアンケート調査を行い、ID−POS(消費者の購買行動履歴)データの購買情報データの分析を行い、消費者のカテゴリー(ライフスタイル)、商品のカテゴリー、商品の特徴などをパラメータとする分析を行うようにした顧客行動予測システムが開示されている。

0006

特開平10−143490号公報
特開2002−082641号公報
特開2005−115900号公報

先行技術

0007

石垣司、中 毅、本陽一、「日常購買行動に関する大規模データの融合による顧客行動予測システム実サービス支援のためのカテゴリマイニング技術」、2011年、人工知能学会論文誌 26巻6号D、p.670-681

発明が解決しようとする課題

0008

近年、SNS(Social Networking Service:社会的ネットワークサービス)が広く利用されるようになってきている。このSNS上では、多岐に渡る内容の投稿が行われているが、自動車携帯電話電気機器等の様々な製品に関する投稿も行われている。

0009

そのため、このような投稿情報を参照して、製品の広告配信を行ったり、製品の市場調査を行うようなことが可能になっている。

0010

しかし、ある製品の広告配信を行おうとした場合でも、その製品に言及している全てのユーザを対象としたのでは無駄が多い。また、その製品に単に興味があるだけのユーザと、真購入を検討しているユーザとでは、効果的な広告配信の内容も変ってくる。

0011

本発明の目的は、社会的ネットワークサービスにおける利用者の投稿情報から、各利用者が、複数の購買行動段階のうちのどの段階であるかを推測することが可能な購買行動分析装置およびプログラムを提供することである。

課題を解決するための手段

0012

[購買行動分析装置]
請求項1に係る本発明は、社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得手段と、
前記取得手段により取得された投稿情報に含まれる文書情報分散表現に変換する変換手段と、
前記変換手段により変換された分散表現を入力して利用者が投稿情報中で言及した製品に興味を持っているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が当該製品を欲しがっているか否かを判定するための第2の判定層と、前記第2の判定層の出力値を入力して利用者が当該製品を将来的に購入することが予測されるか否かを判定するための第3の判定層からなるニューラルネットワークと、
前記第1の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品に興味を持っている度合いを示す値を算出する興味有無度合い算出手段と、
前記第2の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を欲しがっている度合いを示す値を算出する購入希望度合い算出手段と、
前記第3の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出手段とを備えた購買行動分析装置である。

0013

請求項2に係る本発明は、前記興味有無度合い算出手段、前記購入希望度合い算出手段および前記購入可能性度合い算出手段により算出された値に基づいて、利用者の購買行動段階が、当該利用者が投稿情報中で言及した製品に興味を持っている段階、投稿情報中で言及した製品を欲しがっている段階、投稿情報中で言及した製品を将来的に購入することが予測される段階のいずれの段階にあるのかを判定する判定手段をさらに備えた請求項1記載の購買行動分析装置である。

0014

請求項3に係る本発明は、社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得手段と、
前記取得手段により取得された投稿情報に含まれる文書情報を分散表現に変換する変換手段と、
前記変換手段により変換された分散表現を入力して利用者が投稿情報中で言及した製品を欲しがっているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が当該製品を将来的に購入することが予測されるか否かを判定するための第2の判定層からなるニューラルネットワークと、
前記第1の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を欲しがっている度合いを示す値を算出する購入希望度合い算出手段と、
前記第2の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出手段とを備えた購買行動分析装置である。

0015

請求項4に係る本発明は、社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得手段と、
前記取得手段により取得された投稿情報に含まれる文書情報を分散表現に変換する変換手段と、
前記変換手段により変換された分散表現を入力して利用者が投稿情報中で言及した製品に興味を持っているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が当該製品を将来的に購入することが予測されるか否かを判定するための第2の判定層からなるニューラルネットワークと、
前記第1の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品に興味を持っている度合いを示す値を算出する興味有無度合い算出手段と、
前記第2の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出手段とを備えた購買行動分析装置である。

0016

請求項5に係る本発明は、社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得手段と、
前記取得手段により取得された投稿情報に含まれる文書情報を分散表現に変換する変換手段と、
前記変換手段により変換された分散表現を入力して、予め設定された複数の製品分類のうち利用者がどの製品分類に興味を持っているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が前記複数の製品分類のうちどの製品分類の製品を欲しがっているか否かを判定するための第2の判定層と、前記第2の判定層の出力値を入力して利用者が前記複数の製品分類のうちどの製品分類の製品を将来的に購入することが予測されるか否かを判定するための第3の判定層からなるニューラルネットワークと、
前記第1の判定層の出力値に基づいて、利用者が前記複数の製品分類のうちどの製品分類の製品に興味を持っている度合いを示す値を算出する興味有無度合い算出手段と、
前記第2の判定層の出力値に基づいて、利用者が前記複数の製品分類のうちどの製品分類の製品を欲しがっている度合いを示す値を算出する購入希望度合い算出手段と、
前記第3の判定層の出力値に基づいて、利用者が前記複数の製品分類のうちどの製品分類の製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出手段とを備えた購買行動分析装置である。

0017

[プログラム]
請求項6に係る本発明は、社会的ネットワークサービスに投稿された投稿情報から特定の製品に関する投稿情報を取得する取得ステップと、
前記取得ステップにおいて取得された投稿情報に含まれる文書情報を分散表現に変換する変換ステップと、
前記変換ステップにおいて変換された分散表現を入力して利用者が投稿情報中で言及した製品に興味を持っているか否かを判定するための第1の判定層と、前記第1の判定層の出力値を入力して利用者が当該製品を欲しがっているか否かを判定するための第2の判定層と、前記第2の判定層の出力値を入力して利用者が当該製品を将来的に購入することが予測されるか否かを判定するための第3の判定層からなるニューラルネットワークの前記第1の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品に興味を持っている度合いを示す値を算出する興味有無度合い算出ステップと、
前記第2の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を欲しがっている度合いを示す値を算出する購入希望度合い算出ステップと、
前記第3の判定層の出力値に基づいて、利用者が投稿情報中で言及した製品を将来的に購入することが予測される度合いを示す値を算出する購入可能性度合い算出ステップとをコンピュータに実行させるためのプログラムである。

発明の効果

0018

請求項1に係る本発明によれば、社会的ネットワークサービスにおける利用者の投稿情報から、各利用者が、複数の購買行動段階のうちのどの段階であるかを推測することが可能な購買行動分析装置を提供するができる。

0019

請求項2に係る本発明によれば、各利用者が、複数の購買行動段階のうちのどの段階であるかを自動的に判定することが可能な購買行動分析装置を提供するができる。

0020

請求項3に係る本発明によれば、社会的ネットワークサービスにおける利用者の投稿情報から、各利用者が、複数の購買行動段階のうちのどの段階であるかを推測することが可能な購買行動分析装置を提供するができる。

0021

請求項4に係る本発明によれば、社会的ネットワークサービスにおける利用者の投稿情報から、各利用者が、複数の購買行動段階のうちのどの段階であるかを推測することが可能な購買行動分析装置を提供するができる。

0022

請求項5に係る本発明によれば、社会的ネットワークサービスにおける利用者の投稿情報から、各利用者が、複数の購買行動段階のうちのどの段階であるかを推測することが可能な購買行動分析装置を提供するができる。

0023

請求項6に係る本発明によれば、社会的ネットワークサービスにおける利用者の投稿情報から、各利用者が、複数の購買行動段階のうちのどの段階であるかを推測することが可能なプログラムを提供するができる。

図面の簡単な説明

0024

本発明の第1の実施形態の購買行動分析システムシステム構成を示す図である。
本発明の第1の実施形態におけるサーバ装置(購買行動分析装置)10のハードウェア構成を示すブロック図である。
本発明の第1の実施形態におけるサーバ装置(購買行動分析装置)10の機能構成を示すブロック図である。
AIDMAにおける各プロセスと本実施形態における購買行動フェーズとの対応関係を示す図である。
図3に示したニューラルネットワーク35の詳細について説明するための図である。
興味有無確率算出部36における算出値の出力例について説明するための図である。
購買行動フェーズ判定部30における購買行動フェーズ判定例1を説明するための図である。
購買行動フェーズ判定部30における購買行動フェーズ判定例2を説明するための図である。
購買行動フェーズ判定部30における購買行動フェーズ判定例3を説明するための図である。
本発明の第1の実施形態のサーバ装置(購買行動分析装置)10の動作を説明するためのフローチャートである。
本発明の第1の実施形態のサーバ装置10において購買行動フェーズの判定処理が行われるSNS投稿情報の具体例を示す図である。
2段階の購買行動フェーズの判定を行うような購買行動判定を行う場合のサーバ装置(購買行動分析装置)10aの機能構成を示すブロック図である。
2段階の購買行動フェーズの判定を行うような購買行動判定を行う場合のサーバ装置(購買行動分析装置)10bの機能構成を示すブロック図である。
本発明の第2の実施形態の購買行動分析装置であるサーバ装置10cの機能構成を示すブロック図である。
製品分類興味有無確率算出部36cにおける算出値の出力例について説明するための図である。

実施例

0025

次に、本発明の実施の形態について図面を参照して詳細に説明する。

0026

[第1の実施形態]
図1は本発明の第1の実施形態の購買行動分析装置10を含む購買行動分析システムのシステム構成を示す図である。

0027

本発明の第1の実施形態の購買行動分析システムは、図1に示されるように、インターネット等のネットワーク30により接続されたサーバ装置10、サーバ装置20および端末装置21、22により構成される。ここで、サーバ装置20は、例えば、ツイッター登録商標)のようなSNS(Social Networking Service:社会的ネットワークサービス)を提供している事業者により運営されており、ネットワーク30を介して数多くのユーザに対してSNSサービスを提供している。

0028

なお、本実施形態では、SNSサービスの一例として、ツイッター(登録商標)における投稿情報に基づいてユーザ(利用者)の購買行動を分析する場合を用いて説明するが、登録したユーザが自己に関連した情報を投稿することで他人との関係性つながりを促進およびサポートするようなコミュニティ型の会員制のサービスであれば、本発明は同様に適用可能である。

0029

例えば、フェースブック(登録商標)や、いわゆるブログと呼ばれるSNSサービス、各種電子掲示板情報投稿サイト等のSNSサービス等についても本発明は同様に適用可能である。

0030

また、端末装置21、22は、それぞれ一般ユーザまたはある特定の製品の購買行動の分析を依頼するユーザA、Bのパーソナルコンピュータであり、ネットワーク30を介してサーバ装置10、サーバ装置20にアクセス可能な構成となっている。

0031

また、サーバ装置10は、例えば顧客企業からの依頼に基づいて、分析を依頼された製品のユーザの購買行動分析を行う市場調査会社により運営されており、SNSサービスに投稿された投稿情報に基づいて、各利用者が複数の購買行動フェーズのうちのどのフェーズであるかを分析する購買行動分析装置である。以下の説明では、例えば、ある顧客企業から特定の製品に関する市場調査を依頼され、SNSへの投稿情報に基づいてその製品に興味を持っているユーザ、その製品を欲しがっているユーザ、その製品を将来購入することが予測されるユーザの情報を取得する場合の動作について説明する。

0032

なお、図1では、ユーザが2人のユーザA、Bしか示されていないが、実際には数多くのユーザがネットワーク30に接続されておりSNSサイトへの投稿や投稿された他のユーザの投稿内容閲覧している。

0033

次に、本実施形態の購買行動分析システムにおいて購買行動分析装置として機能するサーバ装置10のハードウェア構成を図2に示す。

0034

サーバ装置10は、図2に示されるように、CPU11、メモリ12、ハードディスクドライブ(HDD)等の記憶装置13、ネットワーク30を介して外部の装置等との間でデータの送信及び受信を行う通信インタフェース(IF)14、タッチパネル又は液晶ディスプレイ並びにキーボードを含むユーザインタフェース(UI)装置15を有する。これらの構成要素は、制御バス16を介して互いに接続されている。

0035

CPU11は、メモリ12または記憶装置13に格納された制御プログラムに基づいて所定の処理を実行して、サーバ装置10の動作を制御する。なお、本実施形態では、CPU11は、メモリ12または記憶装置13内に格納された制御プログラムを読み出して実行するものとして説明したが、当該プログラムをCD−ROM等の記憶媒体に格納してCPU11に提供することも可能である。

0036

図3は、上記の制御プログラムが実行されることにより実現されるサーバ装置10の機能構成を示すブロック図である。

0037

本実施形態のサーバ装置10は、図3に示されるように、SNS投稿情報取得部31と、SNS投稿情報格納部32と、テキスト情報抽出部33と、分散表現変換部34と、ニューラルネットワーク35と、興味有無確率算出部36と、購入希望確率算出部37と、購入可能性確率算出部38と、購買行動フェーズ判定部39を備えている。

0038

SNS投稿情報取得部31は、SNSに投稿された投稿情報から、調査依頼を受けた特定の製品に関する投稿情報を取得する。例えば、SNS投稿情報取得部31は、まず、SNSに投稿された投稿情報から、特定の製品について言及した投稿を抽出し、その投稿から、特定の製品について言及したことのあるユーザを特定する。次に、SNS投稿情報取得部31は、そのユーザの過去から現在までの一連の投稿情報から、特定の製品に言及した投稿を起点に時間的に前後する投稿を数個から数千個取得する。結果として、SNS投稿情報取得部31は、1ユーザあたり数個から場合によっては数千個になる、特定の製品に関する投稿を含む時間的に連続した投稿情報を、数多くのSNSユーザの投稿情報から取得する。

0039

SNS投稿情報格納部32は、SNS投稿情報取得部31により取得された投稿情報を格納する。

0040

テキスト情報抽出部33は、SNS投稿情報格納部32に格納されている投稿情報の中から、投稿情報に含まれるテキスト情報(文書情報)を抽出する。

0041

分散表現変換部34は、SNS投稿情報取得部31により取得された投稿情報からテキスト情報抽出部33により抽出されたテキスト情報を、単語又はベクトル表現した分散表現に変換する。ここで、分散表現とは、単語をベクトル化することにより複数次元ベクトル空間における意味ベクトルとして表したものである。ここで、分散表現変換部34が投稿情報を分散表現に変換するアルゴリズムとしては、Bag-of-wordsを用いたアルゴリズム、word2vecやparagraph vectorに代表されるニューラルネットワークを用いたアルゴリズム等を使用することができる。

0042

ニューラルネットワーク35は、人間の脳の構造を模した構成となっており、人間の脳におけるニューロン神経細胞)の機能を模した数多くの論理回路多層に積層して構成した判定器となっている。

0043

そして、ニューラルネットワーク35は、興味有無判定層41、購入希望判定層42、購入可能性判定層43という3つの層により構成されている。

0044

興味有無判定層41は、分散表現変換部34により変換された分散表現を入力してユーザが投稿情報中で言及した製品に興味を持っているか否かを判定するための判定層である。また、購入希望判定層42は、興味有無判定層41の出力値を入力してユーザがこの製品を欲しがっているか否かを判定するための判定層である。また、購入可能性判定層43は、購入希望判定層42の出力値を入力してユーザがこの製品を将来的に購入することが予測されるか否かを判定するための判定層である。

0045

なお、ニューラルネットワーク35としては、順伝播型ニューラルネットワーク(Feedforward Neural Network)、再帰型ニューラルネットワーク(Recurrent Neural Network, Recursive Neural Network)、畳み込みニューラルネットワーク(Convolutional Neural Network)等の様々な種類のニューラルネットワークを用いることができる。

0046

さらに、興味有無判定層41、購入希望判定層42、購入可能性判定層43の各層は、正解である教師信号の入力によって最適化する学習方法であるいわゆる教師あり学習を行うことにより、各論理回路間のパラメータが最適化されるようになっている。

0047

さらに、ニューラルネットワーク35は、入力層出力層以外の多くの論理回路層により構成されているため、情報が入力層からより深い層に伝達されていくうちに各層で学習が繰り返されるディープラーニング深層学習)が行われる。そのため、本実施形態におけるニューラルネットワーク35は、過学習が抑制され、層数の少ない場合と比較して、高い判定精度を実現することができるような構成となっている。なお、このニューラルネットワーク35の詳細については後述する。

0048

興味有無確率算出部36は、興味有無判定層41の出力値に基づいて、ユーザが投稿情報中で言及した製品に興味を持っている確率(度合い)を示す値を算出する。

0049

購入希望確率算出部37は、購入希望判定層42の出力値に基づいて、ユーザが投稿情報中で言及した製品を欲しがっている確率(度合い)を示す値を算出する。

0050

購入可能性確率算出部38は、購入可能性判定層43の出力値に基づいて、ユーザが投稿情報中で言及した製品を将来的に購入することが予測される確率(度合い)を示す値を算出する。

0051

なお、興味有無確率算出部36、購入希望確率算出部37および購入可能性確率算出部38が、それぞれの確率値を算出する算出方法としては、ニューラルネットワークを用いた方法や、ロジスティック回帰を用いた方法などが考えられる。

0052

購買行動フェーズ判定部39は、興味有無確率算出部36、購入希望確率算出部37および購入可能性確率算出部38により算出された確率値に基づいて、ユーザの購買行動フェーズ(購買行動段階)が、利用者が投稿情報中で言及した製品に興味を持っているフェーズ(興味フェーズ)、投稿情報中で言及した製品を欲しがっているフェーズ(購入希望フェーズ)、投稿情報中で言及した製品を将来的に購入することが予測されるフェーズ(購入予測フェーズ)のいずれのフェーズにあるのかを判定する。

0053

なお、広告に対する消費者の心理プロセスの段階を表したものとしてAIDMA(アイドマ)と呼ばれる分類表現が知られている。このAIDMAとは、消費者の心理プロセスを、注意(Attention)、興味(Interest)、欲求(Desire)、記憶(Memory)、行動(Action)の5段階に分けて表現している。

0054

これに対して、本実施形態における購買行動フェーズ判定では、購買行動フェーズを、興味フェーズ、購入希望フェーズ、購入予測フェーズの3つの段階に分けている。これは、ニューラルネットワーク35が機械学習を行う判定器として動作するため、このような判定器でも高い精度で判定可能なように3つのフェーズに集約しているものである。そのため、本発明は、購買行動フェーズを3つのフェーズとする場合に限定されるものではなく、AIDAMのように5つのフェーズに分類する場合でも本発明は同様に適用可能である。

0055

なお、このAIDMAにおける各プロセスと本実施形態における購買行動フェーズとの対応関係を図4に示す。図4に示されるように、AIDAMにおける注意(Attention)、興味(Interest)プロセスが、本実施形態における興味フェーズに対応している。また、AIDAMにおける欲求(Desire)プロセスが、本実施形態における購入希望フェーズに対応している。また、AIDAMにおける記憶(Memory)、行動(Action)プロセスが、本実施形態における購入予測フェーズに対応している。

0056

次に、図5を参照して、図3に示したニューラルネットワーク35の詳細について説明する。

0057

本実施形態におけるニューラルネットワーク35は、図5に示されるように、興味有無判定層41、購入希望判定層42、購入可能性判定層43の3つの層により連続的に構成され、分散表現変換部34から入力された投稿情報の分散表現に基づいて、投稿情報を投稿したユーザが、ある製品について興味が有るのか無いのか、購入を希望しているのかいないのか、購入する可能性が高いのか低いのかを順次判定して行く構成となっている。

0058

また、興味有無判定層41、購入希望判定層42、購入可能性判定層43の各層も、それぞれ、論理回路が複数層繋がった構成となっており、ニューラルネットワーク35全体としても数多くの論理回路層により構成されている。

0059

なお、図5では、ニューラルネットワーク35の構成を模式的に示しており、論理回路の数等は図5に示された構成に限定されるものではない。

0060

ここで、図5では、興味有無確率算出部36、購入希望確率算出部37、購入可能性確率算出部38の構成が示されている。興味有無確率算出部36、購入希望確率算出部37、購入可能性確率算出部38は、それぞれ、1層のネットワークにより構成され、興味有無判定層41、購入希望判定層42、購入可能性判定層43の途中の中間層の出力値を入力して、その結果を集約することにより、興味有無確率(興味がある/興味がない)、購入希望確率(欲しい/欲しくない)、購入可能性確率(購入する/購入しない)を算出している。

0061

ただし、図5を参照すると分かるように、ニューラルネットワーク35内では、途中層において、出力値を集約して、興味有無確率(興味がある/興味がない)、購入希望確率(欲しい/欲しくない)、購入可能性確率(購入する/購入しない)を算出していない。

0062

そのため、本実施形態のニューラルネットワーク35では、分散表現変換部34から入力された分散表現に基づいて、購入希望可能性判定までの判定処理を連続して実行することができるようになっている。

0063

また、ユーザがある製品に興味を持ち、その製品の購入を希望して、最終的にその製品を購入するというユーザの購買行動の進行性と、このようなニューラルネットワーク35の進行性とが相性が良いため、ニューラルネットワーク35を用いてユーザの購買行動の進行度合いを判定することにより精度の高い判定を期待することができる。

0064

次に、興味有無確率算出部36における算出値の出力例について図6を参照して説明する。

0065

図6では、興味有無確率算出部36から、「興味がある」確率として0.8という値が出力され、「興味がない」確率として0.2という値が出力された場合の出力例が示されている。つまり、このような値が得られた場合には、このユーザは、その製品に80%の確率で興味があると推定することができる。

0066

また、購入希望確率算出部37、購入可能性確率算出部38における算出値の出力例については図示しないが、同様に、「欲しい」確率、「欲しくない」確率、「購入する」確率、「購入しない」確率が出力される。

0067

そして、購買行動フェーズ判定部30は、このような興味有無確率算出部36、購入希望確率算出部37、購入可能性確率算出部38からの出力値に基づいて、そのユーザが、3つの購買行動フェーズのうちどのフェーズにあるのかを判定する。

0068

この購買行動フェーズ判定部30における購買行動フェーズ判定の具体例を図7図9に示す。

0069

例えば、図7に示す購買行動フェーズ判定例1では、興味有無確率として「興味がある」確率が0.8、「興味がない」確率が0.2という出力値が得られ、購入希望確率として「欲しい」確率が0.1、「欲しくない」確率が0.9という出力値が得られ、購入可能性確率として「購入する」確率が0.2、「購入しない」確率が0.8という出力値が得られている。

0070

そのため、購買行動フェーズ判定部30は、このような出力値から、このユーザの購買行動フェーズは興味フェーズであると判定する。つまり、このユーザは、製品に興味があるが、まだその製品を欲しいとまでは考えていないものと推定することができる。

0071

また、例えば、図8に示す購買行動フェーズ判定例2では、興味有無確率として「興味がある」確率が0.8、「興味がない」確率が0.2という出力値が得られ、購入希望確率として「欲しい」確率が0.9、「欲しくない」確率が0.1という出力値が得られ、購入可能性確率として「購入する」確率が0.2、「購入しない」確率が0.8という出力値が得られている。

0072

そのため、購買行動フェーズ判定部30は、このような出力値から、このユーザの購買行動フェーズは購入希望フェーズであると判定する。つまり、このユーザは、製品に興味もあり、その製品を欲しいと考えているものの、まだその製品を購入すると決定しているわけではないものと推定することができる。

0073

さらに、例えば、図9に示す購買行動フェーズ判定例3では、興味有無確率として「興味がある」確率が0.8、「興味がない」確率が0.2という出力値が得られ、購入希望確率として「欲しい」確率が0.9、「欲しくない」確率が0.1という出力値が得られ、購入可能性確率として「購入する」確率が0.8、「購入しない」確率が0.2という出力値が得られている。

0074

そのため、購買行動フェーズ判定部30は、このような出力値から、このユーザの購買行動フェーズは購入予測フェーズであると判定する。つまり、このユーザは、製品に興味もあり、その製品を欲しいと考えており、近々その製品を購入する可能性が高いと推定することができる。

0075

なお、本実施形態では、購買行動フェーズ判定部39によりユーザの購買行動フェーズを判定するものとして説明しているが、市場調査を行う解析者図7図9に示したような出力値を参照して、ユーザの購買行動フェーズを判定するようにしても良い。このように人間の判定によりユーザの購買行動フェーズを判定する構成の場合には、購買行動フェーズ判定部39は不要になる。

0076

次に、本実施形態のサーバ装置(購買行動分析装置)10の動作を図10のフローチャートを参照して説明する。

0077

まず、ある製品の市場調査をしようとする場合、SNS投稿情報取得部31が、その製品に言及しているSNS投稿情報を取得してSNS投稿情報格納部32に格納する(ステップS101)。

0078

そして、テキスト情報抽出部33が、SNS投稿情報格納部32に格納された1人のユーザのSNS投稿情報からテキスト情報を抽出する(ステップS102)。

0079

すると、分散表現変換部34は、テキスト情報抽出部33により抽出されたテキスト情報を、ベクトル化された分散表現に変換する(ステップS103)。

0080

そして、この分散表現はニューラルネットワーク35に入力されて、興味有無判定層41、購入希望判定層42、購入可能性判定層43において順次判定処理が実行されて行く。

0081

すると、興味有無確率算出部36は、ニューラルネットワーク35の途中層の出力値に基づいて、興味有無確率を算出する(ステップS104)。

0082

また、購入希望確率算出部37は、ニューラルネットワーク35の途中層の出力値に基づいて、購入希望確率を算出する(ステップS105)。

0083

また、購入可能性確率算出部38は、ニューラルネットワーク35の途中層の出力値に基づいて、購入可能性確率を算出する(ステップS106)。

0084

そして、最後に購買行動フェーズ判定部39は、興味有無確率算出部36、購入希望確率算出部37および購入可能性確率算出部38からの出力値に基づいて、そのユーザの購買行動フェーズを判定する(ステップS107)。

0085

そして、SNS投稿情報格納部32内にその製品についての他のユーザの投稿情報が格納されている場合には(ステップS108においてyes)、ステップS102〜S107の処理が繰り返されて各ユーザの購買行動フェーズの判定処理が実行される。

0086

次に、図11に示すようなSNS投稿情報の具体例を用いて、本実施形態のサーバ装置10において購買行動フェーズの判定処理が行われる様子を説明する。

0087

この図11に示したSNS投稿情報例は、ツイッター(登録商標)における投稿情報例を示したものであり、このユーザは、○○○phoneという名称スマートフォンについて投稿中に3回言及している。

0088

このユーザは、○○○phoneについて2015年9月14日に「Z社の社長が○○○phoneの新製品のプレゼンやってる。」という内容の投稿を行っており、この製品について興味を持っていることが推定される。

0089

その後、このユーザは、2015年10月4日に「新しい○○○phoneかっこいい。」という内容の投稿を行っており、この製品の購入を希望していることが推定される。

0090

さらに、このユーザは、2015年11月2日に「今の△△△phoneを買い替えようかな。」という内容の投稿を行っており、スマートフォンの買い替えを検討しており○○○phoneの購入を希望していることが推定される。

0091

本実施形態のサーバ装置10では、ある特定の製品について言及した投稿情報からユーザの購買行動フェーズを判定する際に、先ず、その製品について興味を持っているか否かを判定し、次に、その製品を欲しいと思っているか否かを判定し、最後に将来的にその製品を購入する可能性が高いか否かを判定する。

0092

このユーザの投稿内容に基づいて購買行動フェーズの判定を行った場合、2015年12月8日までの投稿情報から判定を行った場合には、○○○phoneに対して興味を持ち、欲しいと思っており、さらに近い将来の購買予想される購入予測フェーズであると判定される。

0093

また、2015年10月17日までの投稿情報に基づいて判定を行った場合には、○○○phoneに対して興味を持ち、欲しいとも思っているが、将来的に購入するとは予想されないため、このユーザの購買行動フェーズは購入希望フェーズであると判定される。

0094

また、2015年9月27日までの投稿情報に基づいて判定を行った場合には、○○○phoneに対して興味を持っているが、欲しいとまでは思っておらず、将来的に購入するとは予想されないため、このユーザの購買行動フェーズは興味フェーズであると判定される。

0095

このように本実施形態における購買行動フェーズの判定処理では、時間経過とともにユーザの心境が変化して行くのに伴って、判定結果が変わって行く。

0096

なお、上記で説明した本実施形態では、購買行動フェーズとして、興味フェーズ、購入希望フェーズ、購買予測フェーズという3段階で移行して行くものとして判定を行っている。しかし、例えば安価な製品の場合、興味を持った後には直ぐに購入しようか否かを決断するような場合も多い。また、ユーザによっては、前触れもなくいきなり製品が欲しいという投稿をするような場合も想定される。

0097

そのため、製品の特性やSNSの特徴に応じては、3段階の購買行動フェーズではなく2段階とした方がより実際の投稿内容に合致した判定結果が得られる場合もある。

0098

このような2段階の購買行動フェーズの判定を行うような購買行動判定を行う場合の構成を図12図13に示す。

0099

図12に示したサーバ装置(購買行動分析装置)10aは、図3に示したサーバ装置10に対して、興味有無確率算出部36が削除され、ニューラルネットワーク35がニューラルネットワーク35aに置き換えられ、購買行動フェーズ判定部39が購買行動フェーズ判定部39aに置き換えられた構成となっている。

0100

そして、ニューラルネットワーク35aは、図3に示した構成におけるニューラルネットワーク35に対して、興味有無判定層41が削除された構成となっている。

0101

この図12に示した構成では、購入希望判定層42は、分散表現変換部34により変換された分散表現を入力してユーザがこの製品を欲しがっているか否かを判定する。

0102

そして、この図12に示した構成では、購買行動フェーズ判定部39aは、購入希望確率算出部37および購入可能性確率算出部38により算出された確率値に基づいて、ユーザの購買行動フェーズ(購買行動段階)が、投稿情報中で言及した製品を欲しがっているフェーズ(購入希望フェーズ)、投稿情報中で言及した製品を将来的に購入することが予測されるフェーズ(購入予測フェーズ)のいずれのフェーズにあるのかを判定する。

0103

図13に示したサーバ装置(購買行動分析装置)10bは、図3に示したサーバ装置10に対して、購入希望確率算出部37が削除され、ニューラルネットワーク35がニューラルネットワーク35bに置き換えられ、購買行動フェーズ判定部39が購買行動フェーズ判定部39bに置き換えられた構成となっている。

0104

そして、ニューラルネットワーク35bは、図3に示した構成におけるニューラルネットワーク35に対して、購入希望判定層42が削除された構成となっている。

0105

この図13に示した構成では、購入可能性判定層43は、興味有無判定層41の出力値を入力してユーザがこの製品を将来的に購入することが予測されるか否かを判定する。

0106

そして、この図13に示した構成では、購買行動フェーズ判定部39bは、興味有無確率算出部36および購入可能性確率算出部38により算出された確率値に基づいて、ユーザの購買行動フェーズ(購買行動段階)が、投稿情報中で言及した製品に興味を持っているフェーズ(興味フェーズ)、投稿情報中で言及した製品を将来的に購入することが予測されるフェーズ(購入予測フェーズ)のいずれのフェーズにあるのかを判定する。

0107

本実施形態の購買行動分析装置によれば、ある特定の製品について、ユーザが複数の購買行動フェーズのうちのどのフェーズにあるかが判定可能となるため、そのユーザの購買行動フェーズに応じた広告配信を行うことが可能となる。

0108

例えば、ある会社のスマートフォンの購入可能性が高いと判定されたユーザに対しては、その製品を販売している小売店の広告を配信するようなことが可能となる。逆に、まだスマートフォンについて多少興味がある程度のユーザには、各社のスマートフォンの広告配信を行うようなことが可能となる。

0109

また、ある製品に関する投稿を行ったSNSユーザを抽出して、各ユーザが興味フェーズ、購入希望フェーズ、購入可能性フェーズのうちのどのフェーズであるかを判定することにより、製品の将来需要を予測することも可能となる。

0110

さらに、各ユーザの購買行動フェーズのフェーズ遷移を追跡して、興味フェーズにあったユーザが購入希望フェーズや購入予測フェーズに移行せずに製品の購入に至らなかった場合や、購入希望フェーズにあったユーザが購入予測フェーズに移行せずに製品の購入に至らなかった場合に、購入を中止した原因を調査して今後の製品開発に活かすことができる情報を収集するようなことも可能となる。

0111

[第2の実施形態]
次に、本発明の第2の実施形態の購買行動分析装置について説明する。

0112

上記で説明した第1の実施形態の購買行動分析装置は、ある特定の製品について、ユーザが購買行動フェーズのどのフェーズにいるのかを判定可能とするものであった。これに対して、本発明の第2の実施形態の購買行動分析装置は、予め設定された複数の製品カテゴリー(製品分類)毎に、そのユーザが購買行動フェーズのどのフェーズにいるのかを判定可能とするものである。

0113

図14は本発明の第2の実施形態の購買行動分析装置であるサーバ装置10cの機能構成を示すブロック図である。

0114

本実施形態のサーバ装置(購買行動分析装置)10cは、図3に示した第1の実施形態のサーバ装置10に対して、ニューラルネットワーク35、興味有無確率算出部36、購入希望確率算出部37、購入可能性確率算出部38、購買行動フェーズ判定部39が、それぞれ、ニューラルネットワーク35c、製品分類興味有無確率算出部36c、製品分類購入希望確率算出部37c、製品分類購入可能性確率算出部38c、購買行動フェーズ判定部39cに置き換えられた構成となっている。

0115

本実施形態におけるニューラルネットワーク35cは、興味有無判定層41c、購入希望判定層42c、購入可能性判定層43cから構成されている。

0116

興味有無判定層41cは、分散表現変換部34により変換された分散表現を入力して、予め設定された複数の製品カテゴリー(製品分類)のうち利用者がどの製品カテゴリーに興味を持っているのかを判定するための判定層である。

0117

購入希望判定層42cは、興味有無判定層41cの出力値を入力して、ユーザが複数の製品カテゴリーのうちどの製品カテゴリーの製品を欲しがっているのかを判定するための判定層である

0118

購入可能性判定層43cは、購入希望判定層42cの出力値を入力して、ユーザが複数の製品カテゴリーのうちどの製品カテゴリーの製品を将来的に購入することが予測されるかを判定するための判定層である。

0119

製品分類興味有無確率算出部36cは、興味有無判定層41cの出力値に基づいて、ユーザが複数の製品カテゴリーのそれぞれについて興味を持っている度合いを示す値を算出する。

0120

製品分類購入希望確率算出部37cは、購入希望判定層42cの出力値に基づいて、ユーザが複数の製品カテゴリーのそれぞれについて欲しがっている度合いを示す値を算出する。

0121

製品分類購入可能性確率算出部38cは、購入可能性判定層43cの出力値に基づいて、ユーザが複数の製品カテゴリーのそれぞれについて将来的に購入することが予測される度合いを示す値を算出する。

0122

次に、製品分類興味有無確率算出部36cにおける算出値の出力例について図15を参照して説明する。ここでは、「車」、「スマートフォン」、「家電製品」、「カメラ」という4つの製品カテゴリーが予め設定されているものとして説明する。

0123

図15では、興味有無確率算出部36cから、「車に興味がある」確率として0.1という値が出力され、「スマートフォンに興味がある」確率として0.2という値が出力され、「家電製品に興味がある」確率として0.9という値が出力され、「カメラに興味がある」確率として0.6という値が出力された場合の出力例が示されている。つまり、このような値が得られた場合には、このユーザは、家電製品に興味がある確率が90%であり、カメラに興味がある確率が60%であると推定することができる。そして、逆に車に興味が無い確率が90%(1−0.1=0.9)であり、スマートフォンに興味がない確率が20%(1−0.8=0.2)であると推定することができる。

0124

また、購入希望確率算出部37、購入可能性確率算出部38における算出値の出力例については図示しないが、同様に、それぞれの製品カテゴリー毎に「欲しい」確率、「購入する」確率が出力される。

0125

購買行動フェーズ判定部39cは、製品分類興味有無確率算出部36c、製品分類購入希望確率算出部37cおよび製品分類購入可能性確率算出部38cにより算出された確率値に基づいて、ユーザの購買行動フェーズが、製品カテゴリー毎に興味を持っているフェーズ(興味フェーズ)、欲しがっているフェーズ(購入希望フェーズ)、将来的に購入することが予測されるフェーズ(購入予測フェーズ)のいずれのフェーズにあるのかを判定する。

0126

本実施形態の購買行動分析装置によれば、各ユーザが興味を持っている、購入を希望している、購入することが予測されるという購買行動フェーズに対応して、有効な広告配信を行うことができる。例えば、図15に示したような値が出力されたユーザに対しては、車の広告配信を行うよりも家電製品の広告配信を行う方が高い効果が期待できることになる。

0127

また、例えば車の購入が予測される購入予測フェーズであるユーザには、自動車保険に関する広告配信を行ったり、スマートフォンに興味を持っているユーザには、スマートフォンに関する広告配信を行う等のユーザの購買行動フェーズに応じた広告配信を行うことが可能となる。

0128

さらに、ある特定の条件の複数のユーザ、例えば、特定のイベントの参加したユーザ、ある特定分野テレビ番組視聴したユーザを抽出して、それぞれのユーザがどの製品カテゴリーの製品に興味があり購入する可能性があるか等を調査することにより、どのようなユーザをターゲットとして広告配信をすることが効果的であるとか、どのようなテレビ番組にコマーシャルを出すことが有効か等を検討するための情報を得ることも可能となる。

0129

10、10a、10b、10cサーバ装置
11 CPU
12メモリ
13記憶装置
14通信インタフェース(IF)
15ユーザインタフェース(UI)装置
16スキャナ
17プリントエンジン
18制御バス
20 サーバ装置
21、22端末装置
30ネットワーク
31 SNS投稿情報取得部
32 SNS投稿情報格納部
33テキスト情報抽出部
34分散表現変換部
35、35a、35b、35cニューラルネットワーク
36興味有無確率算出部
36c製品分類興味有無確率算出部
37購入希望確率算出部
37c 製品分類購入希望確率算出部
38購入可能性確率算出部
38c 製品分類購入可能性確率算出部
39、39a、39b、39c購買行動フェーズ判定部
40分析結果送信部
41、41c 興味有無判定層
42、42c 購入希望判定層
43、43c 購入可能性判定層

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

関連する公募課題

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

  • 富士ゼロックス株式会社の「 データ管理システム」が 公開されました。( 2020/09/24)

    【課題】階層構造になっている管理システムにおいて、管理対象データの実体を最上位の装置が全て管理する場合と比較して、管理対象データがユーザの意図しない装置に提供されないシステムを提供する。【解決手段】管... 詳細

  • 株式会社ウフルの「 デバイス管理システム、デバイス管理方法、情報処理装置、及びプログラム」が 公開されました。( 2020/09/24)

    【課題】デバイスの信頼性を向上可能なデバイス管理システム、デバイス管理方法、情報処理装置、デバイス及びプログラムを提供する。【解決手段】デバイス管理システム1は、複数の情報処理装置2をネットワーク3で... 詳細

  • 本田技研工業株式会社の「 サーバ」が 公開されました。( 2020/09/24)

    【課題】車両の利用者が、該利用者の生活圏外の人であって前記利用者の属性に類似した属性を持つ地域人(地元民)が利用したPOI情報をリコメンドとして受けることができるサーバを提供する。【解決手段】サーバ1... 詳細

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

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

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