JP2020135316A - プログラム、情報処理装置及び情報処理方法 - Google Patents

Abstract

【課題】より顧客に合ったマーケティングを実現する情報を生成可能とする。【解決手段】情報処理装置１は、顧客の購買に関する複数の種別を取得し、種別毎に、種別に関連した行動情報及び行動の有無を規定する有無情報を顧客毎に記憶した記憶部を参照し、前記複数の種別に対応するそれぞれの顧客毎の行動情報及び有無情報を抽出し、該抽出した、複数の種別それぞれの顧客毎の行動情報及び有無情報を結合し、該結合した顧客毎の行動情報及び有無情報を出力する。【選択図】図１６

Description

本発明は、プログラム、情報処理装置及び情報処理方法に関する。

従来、顧客特性情報ＤＢ（DataBase）内の顧客属性情報と購入行動情報ＤＢ内の購入行動情報と、商品情報マスタ内の商品情報とに基づいて、顧客嗜好情報を作成し、マーケティングに利用する技術が知られている（例えば、特許文献１参照）。

特開２００７−５８５３４号公報

しかしながら、マーケティングに利活用される顧客情報は部分的であって、より顧客に合ったマーケティングを実現する情報を生成できない、という問題がある。

１つの側面では、より顧客に合ったマーケティングを実現する情報を生成可能とすることを目的とする。

１つの態様では、プログラムは、顧客の購買に関する複数の種別を取得し、種別毎に、種別に関連した行動情報及び行動の有無を規定する有無情報を顧客毎に記憶した記憶部を参照し、前記複数の種別に対応するそれぞれの顧客毎の行動情報及び有無情報を抽出し、該抽出した、複数の種別それぞれの顧客毎の行動情報及び有無情報を結合し、前記複数の種別に関する該結合した顧客毎の行動情報及び有無情報を出力する、処理をコンピュータに実行させる。

１つの態様によれば、より顧客に合ったマーケティングを実現する情報を生成することが可能となる。

図１は、実施例に係る情報処理装置の構成を示す機能ブロック図である。 図２は、実施例に係る情報処理の概要を示す図である。 図３は、実施例に係るタグ付け結果情報ＤＢのデータ構造の一例を示す図である。 図４は、実施例に係るＩＤ紐付け情報ＤＢのデータ構造の一例を示す図である。 図５は、実施例に係る統合情報ＤＢのデータ構造の一例を示す図である。 図６は、実施例に係るデータ種別ＤＢのデータ構造の一例を示す図である。 図７は、実施例に係るデータスキーマ定義ＤＢのデータ構造の一例を示す図である。 図８は、実施例に係るパッケージ業種ＤＢのデータ構造の一例を示す図である。 図９は、実施例に係るタグマスタＤＢのデータ構造の一例を示す図である。 図１０は、実施例に係るタグ付け処理のイメージを示す図である。 図１１は、実施例に係るタグ生成処理のイメージを示す図である。 図１２は、実施例に係るタグ付け結果の結合処理のフローチャートの一例を示す図である。 図１３は、実施例に係るタグ付け処理のフローチャートの一例を示す図である。 図１４は、実施例に係るタグ生成処理のフローチャートの一例を示す図である。 図１５は、実施例に係るタグ生成処理の別のフローチャートの一例を示す図である。 図１６は、実施例に係る情報処理の流れの一例を示す図である。 図１７は、実施例に係る情報処理の利用イメージを示す図である。 図１８は、情報処理プログラムを実行するコンピュータの一例を示す図である。

以下に、本願の開示するプログラム、情報処理装置及び情報処理方法の実施例を図面に基づいて詳細に説明する。なお、実施例によりこの発明が限定されるものではない。

［情報処理装置の構成］
図１は、実施例に係る情報処理装置の構成を示す機能ブロック図である。実施例に係る情報処理装置１は、顧客の購買に関する複数の業種を取得し、業種毎に、業種に関連した行動情報（タグ）及び行動の有無を規定する有無情報（タグの有無）を記憶した記憶部を参照し、複数の業種に対応するそれぞれの顧客毎の行動情報及び有無情報を抽出する。そして、情報処理装置１は、抽出した、複数の業種それぞれの顧客毎の行動情報（タグ）及び有無情報（タグの有無）を結合する。

ここで、情報処理装置１が実施する情報処理の概要を、図２を参照して説明する。図２は、実施例に係る情報処理の概要を示す図である。図２に示すように、情報処理装置１は、インターネット、ＬＡＮ（Local Area Network）、公衆回線網等の通信網Ｎに接続される。情報処理装置１は、複数の業種の端末から顧客の購買に関するデータを受信する。ここでいう業種の一例として、百貨店やショッピングセンタ等の流通業、電力会社等の電気業や銀行等の金融業がある。ここでいう業種データの一例として、流通業の場合のＰＯＳデータ、電気業の場合の電力メータデータ、金融業の場合の銀行口座入出金データがある。

情報処理装置１は、複数の業種の端末からそれぞれ送信されるデータ毎に、顧客ＩＤ（Identifier）に対応付けて、特徴的な内容を示すタグとタグの有無（１／０）とに変換する。情報処理装置１は、変換したタグとタグの有無（１／０）の情報を記憶部２０のタグ付け結果情報ＤＢ（DataBase）２１に記憶する。

ここでいう「タグ」とは、業種に関連した顧客の特徴的な行動（購買特性）等を含む情報のことをいう。タグには、行動（購買特性）、属性（例えば、性別、所得）や状態（例えば、ひとり暮らし、休日によく外出）を含む。例えば、ＰＯＳデータのタグとして、「新商品が好き」、「ＥＣ（E-Commerce）で服を購入」や「ブランドを決め打ちして買い物する」等がある。また、銀行口座入出金データのタグとして、「お金に余裕がない」や「ボーナスで家計の帳尻を合わせる」等がある。なお、業種に関連したタグは、予め生成され、記憶部２０のタグマスタＤＢ３０に記憶される。

例えば、情報処理装置１は、ＰＯＳデータに対して、顧客ＩＤ毎にタグ及びタグについて該当するか否かを示すＯＮ（「１」）／ＯＦＦ（「０」）の情報に変換する。ここでは、顧客ＩＤが「Ａ００００１」である場合に、「タグ１」について該当しないことを示す「０」、「タグ２」について該当することを示す「１」、「タグ３」について該当しないことを示す「０」が付与されている。

また、情報処理装置１は、電力メータデータに対して、顧客ＩＤ毎にタグ及びタグについて該当するか否かを示すＯＮ（「１」）／ＯＦＦ（「０」）の情報に変換する。ここでは、顧客ＩＤが「Ｂ００００１」である場合に、「タグ１０１」について該当しないことを示す「０」、「タグ１０２」について該当することを示す「１」、「タグ１０３」について該当しないことを示す「０」が付与されている。

また、情報処理装置１は、銀行口座データに対して、顧客ＩＤ毎にタグ及びタグについて該当するか否かを示すＯＮ（「１」）／ＯＦＦ（「０」）の情報に変換する。ここでは、顧客ＩＤが「Ｃ００００１」である場合に、「タグ２０１」について該当しないことを示す「０」、「タグ２０２」について該当することを示す「１」、「タグ２０３」について該当しないことを示す「０」が付与されている。なお、以降、タグにＯＮ／ＯＦＦの情報を付けることを「タグ付け」という場合がある。また、タグのＯＮ／ＯＦＦの情報は、「有無情報」又は「タグ付け結果」という場合がある。

そして、情報処理装置１は、顧客ＩＤのＩＤ紐付け情報（２２）に基づいて、顧客ＩＤ毎のタグ及びタグのＯＮ／ＯＦＦの情報（有無情報）を結合する。ここでいう顧客ＩＤのＩＤ紐付け情報は、ＰＯＳデータの顧客ＩＤと電力メータデータの顧客ＩＤと銀行口座入出金データの顧客ＩＤとを、同一人であることを示す統合ＩＤに紐付けた情報である。一例として、ＰＯＳデータの顧客ＩＤの「Ａ００００１」と、電力メータデータの顧客ＩＤの「Ｂ００００１」と、銀行口座入出金データの顧客ＩＤの「Ｃ００００１」とが、統合ＩＤとして「Ｘ００００１」に紐付けられる。

例えば、情報処理装置１は、ＩＤ紐付け情報ＤＢ２２に基づいて、顧客ＩＤ毎に、ＰＯＳデータからのタグ付け結果の情報、電力メータデータからのタグ付け結果の情報、銀行口座入出金データからのタグ付け結果の情報を結合する。ここでは、顧客ＩＤとしての統合ＩＤが「Ｘ００００１」である場合に、ＰＯＳデータからのタグ付け結果の情報、電力メータデータからのタグ付け結果の情報、銀行口座入出金データからのタグ付け結果の情報が結合されている。

これにより、情報処理装置１は、より顧客に合ったマーケティングを実現する情報を生成することが可能となる。すなわち、情報処理装置１は、他業種の生データをそのまま結合するのではなく、意味付けされたタグに関しＯＮ／ＯＦＦの情報に変換されたデータを結合することで、より顧客に合ったマーケティングを実現する情報を生成することが可能となる。この結果、情報処理装置１は、他業種の顧客のデータをマーケティングに利用することが可能となる。

なお、他業種の生データをそのまま結合しても、他業種の顧客のデータをマーケティングに利用することが難しいのは、以下の理由による。例えば、他業種又は企業間のデータを仮に顧客毎に紐付けることができるとしても、データの形式が他業種や企業間で異なるため、データの意味合いが異なることもあり、紐付いたデータをマーケティングに利用することが難しい。また、他業種又は企業間のデータを仮に顧客毎に紐付けることができたとしても、他業種又は企業間のデータを必要とする人は、当該データに対応する業務をよく知らないため、紐付いたデータをマーケティングに利用することが難しい。すなわち、データを必要とする人は、なじみのないデータを見ても、どのデータが必要であるのかわからないため、マーケティングに利用することが難しい。また、他業種又は企業間のデータを仮に顧客毎に紐付けることができるとしても、組織外の人は、当該データを価値あるデータとして判別できない場合があるため、紐付いたデータをマーケティングに利用することが難しい。

以降では、図２で示した情報処理の詳細を説明する。

図１に戻って、情報処理装置１は、制御部１０と、記憶部２０と、通信部４０と、を有する。

通信部４０は、ネットワークを介して各業種の端末と通信を行う。通信部４０は、例えば、ＮＩＣ（Network Interface Card）などによって実現される。

制御部１０は、ＣＰＵ（Central Processing Unit）などの電子回路に対応する。そして、制御部１０は、各種の処理手順を規定したプログラムや制御データを格納するための内部メモリを有し、これらによって種々の処理を実行する。制御部１０は、業種取得部１１、抽出部１２、結合部１３、タグ付け部１４及びタグ生成部１５を有する。なお、業種取得部１１は、取得部の一例である。抽出部１２は、抽出部の一例である。結合部１３は、結合部及び出力部の一例である。

記憶部２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、又は、ハードディスク、光ディスクなどの記憶装置である。記憶部２０は、タグ付け結果情報ＤＢ２１、ＩＤ紐付け情報ＤＢ２２及び統合情報ＤＢ２３を有する。加えて、記憶部２０は、生データとして、トランＤＢ２４及びマスタＤＢ２５を有する。加えて、記憶部２０は、マスタ補完ＤＢ２６、データ種別ＤＢ２７、データスキーマ定義ＤＢ２８、パッケージ業種ＤＢ２９及びタグマスタＤＢ３０を有する。

タグ付け結果情報ＤＢ２１は、業種毎のタグ付け結果を示す情報である。タグ付け結果は、顧客ＩＤ毎に、業種に関連したタグについて該当するか否かを示すＯＮ／ＯＦＦの有無情報を付与した結果の情報である。なお、タグ付け結果情報ＤＢ２１は、タグ付け部１４によって生成される。ここで、タグ付け結果情報ＤＢ２１のデータ構造の一例を、図３を参照して説明する。

図３は、実施例に係るタグ付け結果情報ＤＢのデータ構造の一例を示す図である。図３に示すように、タグ付け結果情報ＤＢ２１は、顧客ＩＤフィールド及びタグＩＤフィールを含む。顧客ＩＤフィールドには、業種毎に、顧客を一意に識別するＩＤが記憶される。顧客ＩＤは、個人の一意性のみを担保していれば良く、顧客と実際に紐付いていなくても良い。タグＩＤフィールドには、業種に関連したタグを一意に識別するＩＤが記憶される。そして、顧客ＩＤフィールドに示す顧客ＩＤとタグＩＤフィールドに示すタグＩＤに対応付けてＯＮ／ＯＦＦのタグ付け結果（有無情報）が記憶される。

一例として、ある業種のタグ付け結果情報ＤＢ２１が表わされている。顧客ＩＤが「Ａ００００１」である場合に、タグＩＤとして「１」のタグ付け結果（有無情報）は、タグについて該当しないことを示す「０」を示している。また、タグＩＤとして「２」のタグ付け結果（有無情報）は、タグについて該当することを示す「１」を示している。タグＩＤとして「３」のタグ付け結果（有無情報）は、タグについて該当しないことを示す「０」を示している。

図１に戻って、ＩＤ紐付け情報ＤＢ２２は、それぞれの業種の顧客ＩＤを、同一人であることを示す統合ＩＤに紐付けた情報である。なお、ＩＤ紐付け情報ＤＢ２２は、予め運用前に生成される。ここで、ＩＤ紐付け情報ＤＢ２２のデータ構造の一例を、図４を参照して説明する。

図４は、実施例に係るＩＤ紐付け情報ＤＢのデータ構造の一例を示す図である。図４に示すように、ＩＤ紐付け情報ＤＢ２２は、統合ＩＤフィールド、業種ａデータの顧客ＩＤフィールド、業種ｂデータの顧客ＩＤフィールド及び業種ｃデータの顧客ＩＤフィールドを含む。統合ＩＤフィールドには、業種ａデータの顧客ＩＤ、業種ｂデータの顧客ＩＤ及び業種ｃデータの顧客ＩＤを統合化したＩＤが記憶される。業種ａデータは、例えば、業種が流通業の場合のＰＯＳデータを示す。業種ｂデータは、例えば、業種が電気業の場合の電力メータデータを示す。業種ｃデータは、例えば、業種が金融業の場合の銀行口座入出金データを示す。一例として、統合ＩＤが「Ｘ００００１」である場合に、業種ａデータの顧客ＩＤとして「Ａ００００１」、業種ｂデータの顧客ＩＤとして「Ｂ００００１」、業種ｃデータの顧客ＩＤとして「Ｃ００００１」が示されている。

図１に戻って、統合情報ＤＢ２３は、業種毎のタグ付け結果の情報を統合ＩＤに対応付けて統合した情報である。なお、統合情報ＤＢ２３は、結合部１３によって生成される。ここで、統合情報ＤＢ２３のデータ構造の一例を、図５を参照して説明する。

図５は、実施例に係る統合情報ＤＢのデータ構造の一例を示す図である。図５に示すように、統合情報ＤＢ２３は、統合ＩＤフィールド及びタグＩＤフィールドを含む。統合ＩＤフィールドには、業種毎の顧客ＩＤを統合した統合ＩＤが記憶される。統合ＩＤは、個人の一意性のみを担保していれば良く、顧客と実際に紐付いていなくても良い。タグＩＤフィールドには、業種に関連したタグを一意に識別するタグのＩＤが記憶される。そして、統合ＩＤフィールドに示す統合ＩＤとタグＩＤフィールドに示すタグＩＤに対応付けてタグ付け結果（有無情報）が記憶される。タグ付け結果（有無情報）には、タグについて、該当することを示す「１」（ＯＮ）又は該当しないことを示す「０」（ＯＦＦ）が記憶される。

一例として、業種が流通業であるＰＯＳデータのタグ付け結果と、業種が電気業である電力メータデータのタグ付け結果と、業種が金融業である銀行口座入出金データのタグ付け結果を結合した場合であるとする。統合ＩＤが「Ｘ００００１」である場合に、タグＩＤとして「１」のタグ付け結果（有無情報）は、タグについて該当しないことを示す「０」を示している。また、タグＩＤとして「２」のタグ付け結果（有無情報）は、タグについて該当することを示す「１」を示している。タグＩＤとして「３」のタグ付け結果（有無情報）は、タグについて該当しないことを示す「０」を示している。

図１に戻って、トランＤＢ２４及びマスタＤＢ２５は、生データであり、業種毎に存在する。トランＤＢ２４は、例えば、トランザクション処理された結果を示すトランデータを記憶した情報である。マスタＤＢ２５は、例えば、トランデータのマスタ情報を示すマスタデータを記憶した情報である。マスタ補完ＤＢ２６は、マスタ情報を補完するマスタ補完情報であり、業種毎に存在する。トランＤＢ２４、マスタＤＢ２５及びマスタ補完ＤＢ２６は、必ずしもＤＢである必要はなく、ｃｓｖ（comma-separated values）形式のファイルであっても良い。なお、トランデータ及びマスタデータは、生データとして、各業種の端末から受信される。マスタ補完ＤＢ２６は、予め運用前に生成される。

データ種別ＤＢ２７は、業種に対応するデータ種別を示す情報である。なお、データ種別は、業種に対応して１つであっても複数であっても良い。ここで、データ種別ＤＢ２７のデータ構造の一例を、図６を参照して説明する。

図６は、実施例に係るデータ種別ＤＢのデータ構造の一例を示す図である。図６に示すように、データ種別ＤＢ２７は、データ種別ＩＤフィールド、データ種別名フィールド及び業種コードフィールドを含む。データ種別ＩＤフィールドには、業種の端末から受信されるデータの種別を一意に識別するＩＤが記憶される。データ種別名フィールドには、データ種別に対応する名称が記憶される。業種コードフィールドには、業種を一意に識別するコードが記憶される。一例として、データ種別ＩＤが「１」である場合に、データ種別名として「ＰＯＳデータ」、業種コードとして「ｄｅｐｔ」が示されている。

図１に戻って、データスキーマ定義ＤＢ２８は、データ種別毎のデータのスキーマの定義情報である。すなわち、データスキーマ定義ＤＢ２８は、データを構成する項目（フィールド）や、項目間の関係を定義する定義情報である。ここで、データスキーマ定義ＤＢ２８のデータ構造の一例を、図７を参照して説明する。

図７は、実施例に係るデータスキーマ定義ＤＢのデータ構造の一例を示す図である。図７に示すように、データスキーマ定義ＤＢ２８は、データ種別ＩＤフィールド及び項目名フィールドを含む。データ種別ＩＤフィールドには、業種の端末から受信されるデータの種別を一意に識別するＩＤが記憶される。項目名フィールドには、データ種別に対応するデータを構成する項目（フィールド）の項目名が記憶される。一例として、データ種別ＩＤが「１」である場合に、項目名として「customer_id」や「Date」が示されている。

図１に戻って、パッケージ業種ＤＢ２９は、パッケージを業種毎に対応付けた情報である。ここでいうパッケージとは、タグにＯＮ／ＯＦＦの情報を付与するタグ付けを行う際に用いられる１又は複数のアプリケーションの総称のことをいう。パッケージは、業種毎にそれぞれ異なる。ここで、パッケージ業種ＤＢ２９のデータ構造の一例を、図８を参照して説明する。

図８は、実施例に係るパッケージ業種ＤＢのデータ構造の一例を示す図である。図８に示すように、パッケージ業種ＤＢ２９は、パッケージ名フィールド及び業種コードフィールドを含む。パッケージ名フィールドには、タグ付けを行う際に用いられるアプリケーションを含むパッケージの名称が記憶される。業種コードフィールドには、業種を一意に識別するコードが記憶される。一例として、パッケージ名が「Depertment」である場合に、業種コードとして「dept」が示されている。

図１に戻って、タグマスタＤＢ３０は、タグのマスタ情報である。なお、タグマスタＤＢ３０は、タグ生成部１５によって生成される。ここで、タグマスタＤＢ３０のデータ構造の一例を、図９を参照して説明する。

図９は、実施例に係るタグマスタＤＢのデータ構造の一例を示す図である。図９に示すように、タグマスタＤＢ３０は、タグＩＤフィールド及びタグ名フィールドを含む。タグＩＤフィールドには、タグを一意に識別するＩＤが記憶される。タグ名フィールドには、タグの名称が記憶される。タグ名には、例えば、ＰＯＳデータのタグとして、「新商品が好き」、「ＥＣ（E-Commerce）で服を購入」や「ブランドを決め打ちして買い物する」等がある。また、銀行口座入出金データのタグとして、「お金に余裕がない」や「ボーナスで家計の帳尻を合わせる」等がある。一例として、タグＩＤが「１」である場合に、タグ名として「タグ名１」が示されている。また、タグＩＤが「２」である場合に、タグ名として「タグ名２」が示されている。

図１に戻って、業種取得部１１は、顧客の購買に関する複数の業種を取得する。

抽出部１２は、タグ付け結果情報ＤＢ２１を参照し、複数の業種に対応するそれぞれの顧客毎のタグ及びタグについてＯＮ／ＯＦＦを規定する有無情報を抽出する。

結合部１３は、抽出した、複数の業種それぞれの顧客毎のタグ及び有無情報を結合する。例えば、結合部１３は、ＩＤ紐付け情報ＤＢ２２に基づいて、複数の業種それぞれの顧客ＩＤ毎のタグ及び有無情報を統合ＩＤに対応付けて結合する。すなわち、結合部１３は、複数の業種それぞれの同一人のタグ及び有無情報を結合する。これにより、結合部１３は、データの形式をＯＮ／ＯＦＦで均質化したタグ及び有無情報を結合することで、他業種の顧客のデータをマーケティングに利用することが可能となる。

また、結合部１３は、結合した、統合ＩＤ毎のタグ及び有無情報を統合情報ＤＢ２３に格納する。

タグ付け部１４は、業種の端末から入力される顧客の生データを、所定のアルゴリズムに基づき、タグ及び有無情報に変換する。すなわち、タグ付け部１４は、業種毎に業種の端末から入力される顧客の生データを、タグ及び有無情報に変換し、変換した顧客のタグ及び有無情報を業種に対応付けてタグ付け結果情報ＤＢ２１に格納する。

例えば、タグ付け部１４は、業種の端末から顧客の生データを取得する。タグ付け部１４は、取得した生データ（トランデータ、マスタデータ）を、タグ付けに用いられるフィールド（項目）だけが含まれたフォーマットに変換する。タグ付けのタグは、例えば、タグ生成部１５によって生成されたものである。タグ付け部１４は、変換したフォーマットの生データをクレンジングする。これは、データマイニングの処理の精度を上げるために、不都合な値を取り除いたり、重複したデータ形式を除いたりするためである。タグ付け部１４は、データ種別ＤＢ２７及びデータスキーマ定義ＤＢ２８を参照して、クレンジングした生データからデータ種別及び業種コードを識別する。一例として、タグ付け部１４は、クレンジングした生データから、データスキーマ定義ＤＢ２８を参照してフィールド（項目）に合致するデータ種別ＩＤを識別し、データ種別ＤＢ２７を参照して識別したデータ種別ＩＤに対応する業種コードを特定する。タグ付け部１４は、パッケージ業種ＤＢ２９を参照して、特定した業種コードに対応するパッケージ名を選択する。そして、タグ付け部１４は、選択したパッケージ名に含まれるアプリケーションを実行して、クレンジングした生データを、特定した業種コードに対応するタグ及び有無情報に変換する。業種コードに対応するタグは、例えば、タグ生成部１５によって生成されたものである。すなわち、タグ付け部１４は、クレンジングした生データを、顧客ＩＤ毎にタグ及びタグについて該当するか否かを示すＯＮ（「１」）／ＯＦＦ（「０」）の有無情報に変換する。そして、タグ付け部１４は、変換した顧客毎のタグ及び有無情報を業種コードに対応付けて、タグ付け結果情報ＤＢ２１に格納する。

ここで、実施例に係るタグ付け処理のイメージを、図１０を参照して説明する。図１０は、実施例に係るタグ付け処理のイメージを示す図である。

図１０に示すように、タグ付け部１４は、例えば、業種データとして生のＰＯＳデータを取得すると、ＰＯＳデータ（生）をタグ付けに用いられるフィールド（項目）だけが含まれたフォーマットに変換する。そして、タグ付け部１４は、変換したフォーマットのＰＯＳデータ（生）をクレンジングする。そして、タグ付け部１４は、データ種別ＤＢ２７及びデータスキーマ定義ＤＢ２８を参照して、クレンジングしたＰＯＳデータ（生）からデータ種別及び業種コードを識別する。そして、タグ付け部１４は、タグ付け部１４は、パッケージ業種ＤＢ２９を参照して、識別した業種コードに対応するパッケージ名（アプリケーション）を選択する。そして、タグ付け部１４は、選択したパッケージ名のパッケージに含まれるアプリケーションを実行して、クレンジングしたＰＯＳデータ（生）を、識別した業種コードに対応するタグ及び有無情報に変換する。すなわち、タグ付け部１４は、クレンジングしたＰＯＳデータ（生）を、顧客ＩＤ毎にタグＩＤが示すタグ及びタグについて該当するか否かを示すＯＮ（「１」）／ＯＦＦ（「０」）の有無情報に変換する。そして、タグ付け部１４は、変換した顧客ＩＤ毎のタグＩＤが示すタグ及び有無情報を、業種コードに対応付けてタグ付け結果情報ＤＢ２１に書き込む。

なお、業種データとしてＰＯＳデータの場合を説明したが、電力メータデータや銀行口座入出金データの場合も同様であるので、これらのタグ付け処理の説明を省略する。

図１に戻って、タグ生成部１５は、生データを意味付けの手法を用いて特徴的な内容に変換して、タグを生成する。すなわち、タグ生成部１５は、意味付けの手法でＯＮ／ＯＦＦを判定する内容を示すタグについて、平易な言葉で表現する。平易な言葉は、日本語であっても外国語であっても良い。ここで、タグ生成部１５のタグ生成処理のイメージを、図１１を参照して説明する。

図１１は、実施例に係るタグ生成処理のイメージを示す図である。図１１に示すように、タグ生成部１５は、マスタ補完ＤＢ２６を用いて、生データにない意味付けのための属性を生データに補完する（ａ１）。例えば、属性が店舗の場合に、店名がどういう種類の店舗であるかについての意味付けのための属性が補完される。なお、店舗の属性の他、商品の属性等の場合も想定される。

そして、タグ生成部１５は、補完された生データを意味付けの手法を用いて、特徴的な内容（例えば、行動、属性、状態）を示すタグを生成する。意味付けの手法には、例えば、以下の手法が存在する。一例として、業種の知見に基づき、データマイニングによるアルゴリズムで、項目、閾値及び名称を決定し、タグを定義する（ａ２−１）。なお、データマイニングによるアルゴリズムは、従来のいかなる技術を利用すれば良い。また、別の一例として、人の知見で指定した名称及び項目の閾値を、機械学習で定義して、タグを生成する（ａ２−２）。すなわち、人の知見に基づき、タグの目的を取得し、人がとる行動のアイデアを抽出し、抽出したアイデアを機械学習でロジック化してタグを定義する。また、別の一例として、機械学習により項目及び閾値を抽出して、タグを定義する（ａ２−３）。これにより、タグ生成部１５は、個々の意味付けの手法でＯＮ／ＯＦＦの判定をする内容を示すタグについて、平易な言葉で表現することが可能となる。

［タグ付け結果の結合処理のフローチャート］
図１２は、実施例に係るタグ付け結果の結合処理のフローチャートの一例を示す図である。なお、タグ付け部１４が、生データを業種毎のタグ付け結果に変換し、タグ付け結果情報ＤＢ２１に格納したものとする。

図１２に示すように、業種取得部１１は、複数の業種を取得する（ステップＳ１１）。抽出部１２は、タグ付け結果情報ＤＢ２１を参照し、業種毎に、顧客ＩＤ毎のタグ付け結果を抽出する（ステップＳ１２）。そして、結合部１３は、ＩＤ紐付け情報ＤＢ２２を用いて、顧客ＩＤ毎のタグ付け結果を結合する(ステップＳ１３)。

［タグ付け処理のフローチャート］
図１３は、実施例に係るタグ付け処理のフローチャートの一例を示す図である。

図１３に示すように、タグ付け部１４は、業種の端末から、生データ（トランデータ、マスタデータ）を取得する（ステップＳ２１）。タグ付け部１４は、生データを、タグ付けに用いられるフィールド（項目）だけが含まれたフォーマットに変換する（ステップＳ２２）。

タグ付け部１４は、フォーマット変換された生データをクレンジングする（ステップＳ２３）。これは、データマイニングの処理の精度を上げるために、不都合な値を取り除いたり、データ形式等をクレンジングしたりするためである。

タグ付け部１４は、データ種別ＤＢ２７及びデータスキーマ定義ＤＢ２８を参照して、クレンジングした生データから、データ種別を識別し、業種コードを特定する（ステップＳ２４）。例えば、タグ付け部１４は、クレンジングした生データから、データスキーマ定義ＤＢ２８を参照してフィールド（項目）に合致するデータ種別ＩＤを識別し、データ種別ＤＢ２７を参照して識別したデータ種別ＩＤに対応する業種コードを特定する。

タグ付け部１４は、業種コードに対応した実行アプリケーションを選択する（ステップＳ２５）。例えば、タグ付け部１４は、パッケージ業種ＤＢ２９を参照して、特定した業種コードに対応するパッケージを選択する。

タグ付け部１４は、パッケージに含まれるタグ付けアプリケーションを実行する（ステップＳ２６）。ここでいうタグ付けアプリケーションは、例えば、個々のタグ毎に存在しても良いし、いくつかのタグ毎に存在しても良い。そして、タグ付け部１４は、顧客ＩＤ毎のデータ単位にタグのＯＮ／ＯＦＦを示すタグ付け結果（有無情報）に変換し、タグ付け結果（有無情報）をタグ付け結果情報ＤＢ２１に書き込む（ステップＳ２７）。

タグ付け部１４は、選択されたパッケージに含まれるタグ付けアプリケーションを全て実行したか否かを判定する（ステップＳ２８）。タグ付けアプリケーションを全て実行していないと判定した場合には（ステップＳ２８；Ｎｏ）、タグ付け部１４は、次のタグ付けアプリケーションを実行すべく、ステップＳ２６に移行する。

タグ付けアプリケーションを全て実行したと判定した場合には（ステップＳ２８；Ｙｅｓ）、タグ付け部１４は、タグ付け処理を終了する。

［タグ生成処理のフローチャート］
図１４は、実施例に係るタグ生成処理のフローチャートの一例を示す図である。なお、図１４では、データマイニングによるタグ生成処理（図１１のａ２−１）のフローチャートを説明する。

図１４に示すように、タグ生成部１５は、生データ（トランデータ、マスタデータ）を取得する（ステップＳ３１）。タグ生成部１５は、取得した生データを、マスタ補完ＤＢ２６を用いて補完する（ステップＳ３２）。

タグ生成部１５は、補完された生データから、パターンマイニング用のデータを作成する（ステップＳ３３）。例えば、生データが百貨店のＰＯＳデータであるとする。すると、タグ生成部１５は、パターンマイニング用のデータ項目として、時間帯、売り場、購入価格帯、性別、年代を示すデータを作成する。

タグ生成部１５は、作成したデータを用いて、パターンマイニングを実行する（ステップＳ３４）。例えば、タグ生成部１５は、作成したデータに対してパターンマイニングを実行し、データ項目の組合せパターンと、該当割合との出力結果項目を決定する。

タグ生成部１５は、タグ化する場合の閾値（タグ化閾値）を設定する（ステップＳ３５）。例えば、タグ生成部１５は、該当割合５％を閾値として決定する。

タグ生成部１５は、パターンマイニングの結果抽出されたパターンについて、設定されたタグ化閾値の条件を満たすものをタグとして定義する（ステップＳ３６）。例えば、タグ生成部１５は、パターンマイニングの出力結果で該当割合が閾値として設定された５％以上のデータ項目の組合せパターンを元にタグを定義する。

［タグ生成処理の別のフローチャート］
図１５は、実施例に係るタグ生成処理の別のフローチャートの一例を示す図である。なお、図１５では、人の知見を活用したタグ生成処理（図１１のａ２−２）のフローチャートを説明する。

図１５に示すように、タグ生成部１５は、生データ（トランデータ、マスタデータ）を取得する（ステップＳ４１）。タグ生成部１５は、取得した生データを、マスタ補完ＤＢ２６を用いて補完する（ステップＳ４２）。

タグ生成部１５は、タグ開発の目的を決定する（ステップＳ４３）。例えば、タグ生成部１５は、「お得感に弱い人」というタグ開発の目的を決定する。

タグ生成部１５は、有識者が決定目的で設定するような、人がとる行動のアイデアを抽出する（ステップＳ４４）。例えば、タグ生成部１５は、タグ開発の目的「お得感に弱い人」がとる行動のアイデアとして、例えば「セールの日によく買い物をする」を抽出する。

タグ生成部１５は、補完された生データ（トランデータ、マスタデータ）の項目定義及び項目に入る値を用いて、抽出したアイデアをロジック化して、タグを定義する（ステップＳ４５）。例えば、タグ生成部１５は、抽出したアイデア「セールの日によく買い物をする」をロジック化し、例えば「セールの日の購入回数が年間の全購入回数の一定割合以上である」を導出し、タグを定義する。

［情報処理の流れの一例］
図１６は、実施例に係る情報処理の流れの一例を示す図である。

図１６に示すように、タグ付け部１４は、様々な単位で存在するＰＤＳ（Personal Data Service）から生の業種データを取得する。タグ付け部１４は、生の業種データから、意味づけのエンジンを用いて、顧客ＩＤに対応させて、タグ及びタグについて該当するか否かを示すＯＮ（１）／ＯＦＦ（０）の有無情報に変換する。意味づけのエンジンは、例えば、業種に対応するパッケージに含まれるタグ付けアプリケーションのことを意味する。タグ付け部１４は、変換した顧客ＩＤに対応するタグ及び有無情報を業種に対応付けてタグ付け結果情報ＤＢ２１に格納する。すなわち、タグ付け結果情報ＤＢ２１には、業種毎に、顧客ＩＤに対するＯＮ（１）／ＯＦＦ（０）のフラグの集合体が記憶される。

結合部１３は、ＩＤ紐付け情報ＤＢ２２に基づいて、複数の業種それぞれの顧客ＩＤ毎のタグ及び有無情報を統合ＩＤに対応付けて結合し、統合情報ＤＢ２３に格納する。つまり、実施例に係る情報処理は、ＰＤＳからの業種データの特徴（タグ）にＯＮ（１）／ＯＦＦ（０）の意味づけを施し、異業種間で組み合わせられるように再構築する。

そして、制御部１０は、統合情報ＤＢ２３を用いて、タグの組み合わせによる解釈の技術を自動実行し、指定したＤＮＡに対応するターゲットリストを出力できる。ここでいうＤＮＡとは、マーケティングで分析したい属性（カテゴリ）のことをいう。ＤＮＡには、例えば、「自動車を買い替えそう」、「流行や限定品の興味あり」、「お得感に反応する」等が挙げられる。例えば、制御部１０は、指定したＤＮＡに関連する複数のタグが所定条件を満たした場合に、所定条件を満たした顧客に当該ＤＮＡを付与し、ターゲットリストに出力する。なお、ＤＮＡに関連付けられる複数のタグは、図示しないＤＮＡタグＤＢとして記憶部２０に記憶しておけば良い。また、タグの組み合わせによる解釈の技術は、例えば、特開２０１８−１６３６０５で示された技術を用いれば良い。

［情報処理の利用イメージ］
図１７は、実施例に係る情報処理の利用イメージを示す図である。図１７に示すように、ＤＮＡが「自動車を買い替えそう」であるとする。このＤＮＡに関連付けられた複数のタグが「コツコツ貯金している」、「ガソリン燃費が良くない」、「年式が古い」・・・としてＤＮＡタグＤＢに記憶されているとする。「コツコツ貯金している」は、業種として「お財布」に対応する。「ガソリン燃費が良くない」は、業種として「行動」に対応する。「年式が古い」は、業種として「くらし」に対応する。そして、業種毎に異なるタグ及びタグについて該当するか否かを示す１／０の有無情報が統合ＩＤ毎に統合情報ＤＢ２３に記憶されているとする。

このような状況の下、制御部１０は、顧客がＤＮＡに対応付けられた複数のタグのうち所定の数以上該当するタグを有していれば、当該顧客がＤＮＡを有すると判断し、当該顧客にＤＮＡを付加する。そして、制御部１０は、ＤＮＡを付加した顧客の統合ＩＤをターゲットリストに出力する。ここでは、所定の数が「３」であるとする。すると、制御部１０は、３個以上該当するタグを有している顧客にＤＮＡ「自動車を買い替えそう」を付加し、ターゲットリストに出力する。これにより、情報処理装置１は、他業種の顧客のデータをマーケティングに利用することが可能となる。

［実施例の効果］
このようにして、情報処理装置１は、顧客の購買に関する複数の種別を取得する。情報処理装置１は、種別毎に、種別に関連した行動情報及び行動の有無を規定する有無情報を顧客毎に記憶したタグ付け結果情報ＤＢ２１を参照し、複数の種別に対応するそれぞれの顧客毎の行動情報及び有無情報を抽出する。情報処理装置１は、抽出した、複数の種別それぞれの顧客毎の行動情報及び有無情報を結合する。情報処理装置１は、結合した顧客毎の行動情報及び有無情報を出力する。かかる構成によれば、情報処理装置１は、より顧客に合ったマーケティングを実現する情報を生成することが可能となる。この結果、情報処理装置１は、他業種のデータを利用してマーケティングを行うことが可能となる。

また、上記実施例によれば、情報処理装置１は、種別毎に異なる、顧客の識別子を紐付けるＩＤ紐付け情報ＤＢ２２に基づいて、該抽出した顧客毎の行動情報及び有無情報を結合する。かかる構成によれば、情報処理装置１は、ＩＤ紐付け情報ＤＢ２２を用いることで、種別毎に異なる個人を紐付けることができ、顧客毎の行動情報及び有無情報を容易に結合することができる。

また、上記実施例によれば、情報処理装置１は、種別毎に入力される生のデータを、所定のアルゴリズムに基づき、顧客に対応付けて、特徴的な内容を示す行動情報及び行動の有無を規定する有無情報に変換する。情報処理装置１は、変換した顧客毎の行動情報及び有無情報を種別に対応付けてタグ付け結果情報ＤＢ２１に記憶する。かかる構成によれば、情報処理装置１は、生のデータを、行動情報及び行動の有無（ＯＮ／ＯＦＦ）を規定する有無情報に変換することで、関係する種別のデータの形式を均質化することができる。この結果、情報処理装置１は、異なる種別のデータから得られる、顧客毎の行動情報及び有無情報を紐付けることが可能となる。

また、上記実施例によれば、情報処理装置１は、種別毎に入力された生のデータを意味付けの手法を用いて特徴的な内容に変換することにより、行動情報（タグ）を生成する。かかる構成によれば、情報処理装置１は、行動を示すタグを平易な言葉で表現することが可能となる。

また、上記実施例によれば、情報処理装置１は、検索条件を受け付け、検索条件に応じて、顧客の購買に関するＤＮＡを取得する。情報処理装置１は、ＤＮＡと行動情報（タグ）とを対応付けたＤＮＡタグ情報を参照し、該取得したＤＮＡに対応する複数の行動情報（タグ）を抽出する。情報処理装置１は、結合した顧客毎の行動情報及び有無情報を示す統合情報ＤＢ２３を参照し、抽出した複数の行動情報（タグ）の有無情報の組合せに応じた検索結果を出力する。かかる構成によれば、情報処理装置１は、他業種のデータを利用してマーケティングを行うことできる。

［その他］
なお、実施例では、情報処理装置１は、顧客の購買に関する複数の業種を対象にして、複数の業種に対応するそれぞれの顧客毎のタグ及び有無情報を結合すると説明した。しかしながら、情報処理装置１は、これに限定されず、業種を例えば企業としても良く、顧客の購買に関する複数の企業を対象にして、複数の企業に対応するそれぞれの顧客毎のタグ及び有無情報を結合しても良い。これにより、情報処理装置１は、企業間のデータを利用してマーケティングを行うことが可能となる。

また、上記実施例では、情報処理装置１は、既知のパーソナルコンピュータ、ワークステーションなどの装置に、上記した制御部１０及び記憶部２０などの各機能を搭載することによって実現することができる。

また、上記実施例では、図示した装置の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、装置の分散・統合の具体的態様は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。例えば、業種取得部１１と抽出部１２とを統合しても良い。タグ生成部１５を、データマイニングによるタグ生成部と、人の知見を活用したタグ生成部に分散しても良い。記憶部２０を情報処理装置１の外部装置としてネットワーク経由で接続するようにしても良い。

また、上記実施例で説明した各種の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図１に示した情報処理装置１と同様の機能を実現する情報処理プログラムを実行するコンピュータの一例を説明する。図１８は、情報処理プログラムを実行するコンピュータの一例を示す図である。

図１８に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０３と、ユーザからのデータの入力を受け付ける入力装置２１５と、表示装置２０９を制御する表示制御部２０７とを有する。また、コンピュータ２００は、記憶媒体からプログラムなどを読取るドライブ装置２１３と、ネットワークを介して他のコンピュータとの間でデータの授受を行う通信制御部２１７とを有する。また、コンピュータ２００は、各種情報を一時記憶するメモリ２０１と、ＨＤＤ２０５を有する。そして、メモリ２０１、ＣＰＵ２０３、ＨＤＤ（Hard Disk Drive）２０５、表示制御部２０７、ドライブ装置２１３、入力装置２１５、通信制御部２１７は、バス２１９で接続されている。

ドライブ装置２１３は、例えばリムーバブルディスク２１１用の装置である。ＨＤＤ２０５は、情報処理プログラム２０５ａ及び情報処理関連情報２０５ｂを記憶する。

ＣＰＵ２０３は、情報処理プログラム２０５ａを読み出して、メモリ２０１に展開し、プロセスとして実行する。かかるプロセスは、情報処理装置１の各機能部に対応する。情報処理関連情報２０５ｂは、タグ付け結果情報ＤＢ２１、ＩＤ紐付け情報ＤＢ２２、統合情報ＤＢ２３等に対応する。そして、例えばリムーバブルディスク２１１が、情報処理プログラム２０５ａなどの各情報を記憶する。

なお、情報処理プログラム２０５ａについては、必ずしも最初からＨＤＤ２０５に記憶させておかなくても良い。例えば、コンピュータ２００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ（Digital Versatile Disk）、光磁気ディスク、ＩＣ（Integrated Circuit）カードなどの「可搬用の物理媒体」に当該プログラムを記憶させておく。そして、コンピュータ２００がこれらから情報処理プログラム２０５ａを読み出して実行するようにしても良い。

１ 情報処理装置
１０ 制御部
１１ 業種取得部
１２ 抽出部
１３ 結合部
１４ タグ付け部
１５ タグ生成部
２０ 記憶部
２１ タグ付け結果情報ＤＢ
２２ ＩＤ紐付け情報ＤＢ
２３ 統合情報ＤＢ
２４ トランＤＢ
２５ マスタＤＢ
２６ マスタ補完ＤＢ
２７ データ種別ＤＢ
２８ データスキーマ定義ＤＢ
２９ パッケージ業種ＤＢ
３０ タグマスタＤＢ

Claims (7)

1. 顧客の購買に関する複数の種別を取得し、
   種別毎に、種別に関連した行動情報及び行動の有無を規定する有無情報を顧客毎に記憶した記憶部を参照し、前記複数の種別に対応するそれぞれの顧客毎の行動情報及び有無情報を抽出し、
   該抽出した、複数の種別それぞれの顧客毎の行動情報及び有無情報を結合し、
   前記複数の種別に関する該結合した顧客毎の行動情報及び有無情報を出力する
   処理をコンピュータに実行させるプログラム。
2. 該結合する処理は、種別毎に異なる、顧客の識別子を紐付ける紐付け情報に基づいて、該抽出した顧客毎の行動情報及び有無情報を結合する
   ことを特徴とする請求項１に記載のプログラム。
3. 種別毎に入力されるデータを、所定のアルゴリズムに基づき、顧客に対応付けて、特徴的な内容を示す行動情報及び行動の有無を規定する有無情報に変換し、変換した顧客毎の行動情報及び有無情報を種別に対応付けて前記記憶部に記憶する
   ことを特徴とする請求項１に記載のプログラム。
4. 種別毎に入力されるデータを意味付けの手法を用いて前記特徴的な内容に変換することにより、前記行動情報を生成する
   ことを特徴とする請求項３に記載のプログラム。
5. 検索条件を受け付け、
   前記検索条件に応じて、顧客の購買に関する属性情報を取得し、
   属性情報と行動情報とを対応付けた属性行動情報を参照し、該取得した属性情報に対応する複数の行動情報を抽出し、
   該結合した顧客毎の行動情報及び有無情報を参照し、該抽出した複数の行動情報の有無情報の組合せに応じた検索結果を出力する
   ことを特徴とする請求項１に記載のプログラム。
6. 顧客の購買に関する複数の種別を取得する取得部と、
   種別毎に、種別に関連した行動情報及び行動の有無を規定する有無情報を顧客毎に記憶した記憶部を参照し、前記取得部によって取得された複数の種別に対応するそれぞれの顧客毎の行動情報及び有無情報を抽出する抽出部と、
   前記抽出部によって抽出された、複数の種別それぞれの顧客毎の行動情報及び有無情報を結合する結合部と、
   前記結合部によって結合された顧客毎の行動情報及び有無情報を出力する出力部と、
   を有することを特徴とする情報処理装置。
7. 顧客の購買に関する複数の種別を取得し、
   種別毎に、種別に関連した行動情報及び行動の有無を規定する有無情報を顧客毎に記憶した記憶部を参照し、前記複数の種別に対応するそれぞれの顧客毎の行動情報及び有無情報を抽出し、
   該抽出した、複数の種別それぞれの顧客毎の行動情報及び有無情報を結合し、
   該結合した顧客毎の行動情報及び有無情報を出力する
   処理をコンピュータが実行する情報処理方法。

Images