JP6360625B2 - 検証支援システム及び方法 - Google Patents
検証支援システム及び方法 Download PDFInfo
- Publication number
- JP6360625B2 JP6360625B2 JP2017514931A JP2017514931A JP6360625B2 JP 6360625 B2 JP6360625 B2 JP 6360625B2 JP 2017514931 A JP2017514931 A JP 2017514931A JP 2017514931 A JP2017514931 A JP 2017514931A JP 6360625 B2 JP6360625 B2 JP 6360625B2
- Authority
- JP
- Japan
- Prior art keywords
- concept
- data
- verification support
- relationship
- threshold
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 66
- 238000012795 verification Methods 0.000 title claims description 30
- 230000001364 causal effect Effects 0.000 claims description 139
- 230000008569 process Effects 0.000 claims description 20
- 239000000284 extract Substances 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 55
- 230000000694 effects Effects 0.000 description 23
- 238000011156 evaluation Methods 0.000 description 23
- 238000013461 design Methods 0.000 description 22
- 238000009826 distribution Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000007704 transition Effects 0.000 description 8
- 238000013499 data model Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000012552 review Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 235000013311 vegetables Nutrition 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 235000015115 caffè latte Nutrition 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013402 health food Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本実施例では、業務担当者から入力された定性的な知見に基づいて実業務履歴データ(実購買履歴など)から施策効果予測のための因果モデルを生成する機能と、生成した因果モデルに対して任意の概念名称で表現された因子の追加を受け付ける機能と、業務担当者が想定する様々な因子間の関係性を実行動履歴データに基づいて評価する機能を有する業務計画/効果検証支援システム(以下、「支援システム」又は「システム」という。)について説明する。
図1に、実施例1に係る支援システム1の構成を示す。支援システム1は、業務担当者が操作する端末100と中央サーバ101で構成される。端末100及び中央サーバ101はコンピュータ(CPU、RAM、ROM、ハードディスク装置など)を基本構成とする。図1では、中央サーバ101に対して入出力される情報を端末100に関連付けて表している。情報の入出力には操作画面が用いられる。操作画面には、概念定義画面、因果関係仮説生成画面、抽象関係仮説生成画面、分析画面、施策パラメータ設計画面、施策評価画面などがある。支援システム1は、これらの操作画面を通じ、業務担当者の業務(例えば顧客ニーズの把握/施策パラメータの検討のための分析、施策立案、実施結果の評価/改善)を支援する。
(1−2−1)概念定義画面
図2に、概念設計初期情報102の受け付けに用いられる概念定義画面201の一例を示す。概念定義画面201は、概念定義部110に対する入力情報の受け付け画面である。業務担当者の考える定性的な知見をデータ上のモデルとして表現するためには、業務担当者の考える概念が実業務履歴データの何を反映する概念であるかを明らかにする必要がある。本実施例の場合、任意の名称の概念と実業務履歴データ上のデータとの対応付けによって定義する。実際の対応付けは、概念定義部110が実行する。
図4に、概念間の因果関係仮説情報104の受け付けに用いられる因果関係仮説入力画面401の一例を示す。概念間の因果関係仮説情報104とは、消費者の消費行動に影響を与える因子と影響種別に関する情報である。因果関係仮説入力画面401では、任意の消費者に関する概念と、その概念に属する消費者集団に影響を与え得る任意の因子間の関係を入力することができる。因果関係は、因果関係仮説入力画面401を通じて業務担当者が入力してもよいが、画面定義画面201(図2)で定義された「消費者」、「商品」、「地域」、「時間帯」等の概念から推定された因果関係を入力してもよい。
図8に、施策パラメータ設計画面801の例を示す。施策パラメータ設計画面801は、提供予定のサービス施策の具体的なパラメータを入力する際に使用される。施策名802には計画中の施策の内容を表す名称が入力される。図8では、「多摩地区振興クーポン配信」サービスが入力されている。施策名802の下には、関連する基本条件の入力欄が配置される。時刻803には施策期間が入力され、消費者804には施策対象消費者が入力され、商品805には施策の対象商品が入力され、地域806には地域が入力される。これら条件は施策内容によっては指定ができない場合がある。例えば店頭販売であれば、対象消費者は施策実施時の来店者であり、予め設定することはできない。
図9に、あるパラメータの内容に紐づいている複数の概念に関するモデル群(因果関係モデル、抽象関係モデル)の抽出、確認、活用したモデルの抽出等に使用する分析画面901の例を示す。分析画面901は、様々なデータソースに着眼した分析結果の確認を可能とすることで顧客の消費行動モデルを深く理解し、適切な施策パラメータを検討するための画面である。
図12に、施策評価画面1201の一例を示す。この画面は、モデル評価・更新器120が作成して表示する。「施策情報」の表示部1201には、施策パラメータの内容情報が表示される。「施策実施結果」の表示部1202には、施策のKPIの目標と実際の実施結果に関する情報が表示される。これらの情報により、業務担当者は、施策効果を確認することができる。「関連消費者モデル一覧」の表示部1203には、対応する施策と紐づく因果関係・抽象関係のモデルの一覧が表示される。
上述したように、本実施例の支援システムを用いれば、業務担当者の定性的な知見・概念を業務履歴データと紐づけた消費者の因果関係・抽象関係のモデル群を構築することができ、複数のデータ・観点での分析を統合した施策パラメータの設計や消費者行動傾向の観点から施策実施結果評価を実現することができる。また、本実施例の支援システムによれば、個人毎の購買履歴等の複数の業務履歴データを入力として、業務履歴のデータ項目に関する任意の概念について、概念とその概念に属するデータの対応関係、異なるデータ項目に関する複数概念間の因果関係の推定、同一データ項目に関する複数概念間の上下/同一/無関係を推定することが可能となる。その結果、業務担当者は、自身の定性的な経験・勘を含む様々な定性的な業務知見に基づき、業務実施結果とその因子に関する自由度が高く実データ傾向に対して精緻な因果関係モデルを生成し、生成された因果関係に基づき効率的に効果的な業務計画を検討できる。
本発明は、上述した実施例に限定されるものでなく、様々な変形例を含んでいる。例えば、上述した実施例は、本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備える必要はない。また、ある実施例の一部を他の実施例の構成に置き換えることができる。また、ある実施例の構成に他の実施例の構成を加えることもできる。また、各実施例の構成の一部について、他の実施例の構成の一部を追加、削除又は置換することもできる。
100…端末、
101…中央サーバ、
102…概念設計初期情報、
103…概念の統合/分割因果関係の更新案、
104…概念間の因果関係仮説情報、
105…概念間の抽象関係仮説情報、
106…分析条件、
107…施策情報、
108…概念間の因果/抽象関係特徴(仮説)リスト、
109…モデル生成器、
110…概念定義部、
111…因果関係推定・概念更新部、
112…抽象関係推定部、
113…因果/抽象関係のデータモデル情報、
114…概念付与結果データ、
115…因果関係テーブル、
116…抽象関係マトリクス、
117…施策項目情報テーブル、
118…施策効果の予測モデル構築器、
119…施策ID×モデルIDテーブル、
120…モデル評価・更新器、
121…概念定義画面表示器、
122…因果関係仮説生成画面表示器、
123…抽象関係仮説生成画面表示器、
124…分析画面表示器、
125…施策パラメータ設計画面表示器、
126…施策評価画面表示器、
131…業務データストレージ
132…ID−POS、
133…顧客情報、
134…商品マスタ、
135…施策実施履歴。
Claims (15)
- 任意の言葉で定義された概念の名称に基づいてデータベースを検索し、前記概念に紐づいている複数の行動履歴データを抽出する第1の演算部と、
抽出された前記複数の行動履歴データの間で共通するデータ数を算出することにより、ある概念が他の概念に紐づいている割合を算出する第2の演算部と、
前記割合に基づいて前記ある概念と前記他の概念とが上下、同一、無関係のいずれの抽象関係を有するかを決定する第3の演算部と
を有し、
前記第2の演算部は、
前記複数の行動履歴データのうち、前記ある概念に紐づいた行動履歴データのデータ数に占める前記共通するデータ数を適合率として算出し、
前記複数の行動履歴データのうち、前記他の概念に紐づいた行動履歴データのデータ数に占める前記共通するデータ数を再現率として算出し、
前記適合率が第1閾値より大きいか否か及び前記再現率が第2閾値より大きいか否かを比較し、
前記第3の演算部は、
前記適合率が第1閾値より大きく且つ前記再現率が第2閾値より大きい場合に、前記ある概念と前記他の概念は同等であると判定し、
前記適合率が前記第1閾値より大きく且つ前記再現率が前記第2閾値以下である場合に、前記ある概念は上位であると判定し、
前記適合率が前記第1閾値以下であり且つ前記再現率が前記第2閾値より大きい場合に、前記ある概念は下位であると判定することを特徴とする検証支援システム。 - 請求項1に記載の検証支援システムにおいて、
ある概念と、行動対象者が特定の行動を促進又は抑制する因子との因果関係を推定する第4の演算部と、
前記抽象関係を用いて、ある事象に関する複数の前記因果関係を統合する第5の演算部と
を有することを特徴とする検証支援システム。 - 請求項2に記載の検証支援システムにおいて、
前記第5の演算部は、入力された概念に関連する前記因果関係と前記抽象関係をモデル化して表示する
ことを特徴とする検証支援システム。 - 請求項2に記載の検証支援システムにおいて、
前記第5の演算部は、前記データベースから読み出した施策実施履歴に基づいて、前記因果関係及び/又は前記抽象関係の更新案を作成して表示する
ことを特徴とする検証支援システム。 - 請求項4に記載の検証支援システムにおいて、
前記更新案は、ある概念とある因子との間のパスの削除、追加、分割又は統合である
ことを特徴とする検証支援システム。 - 請求項1に記載の検証支援システムにおいて、
前記第3の演算部は、前記ある概念と前記他の概念との前記抽象関係を表示する
ことを特徴とする検証支援システム。 - 請求項1に記載の検証支援システムにおいて、
前記第3の演算部は、前記ある概念と前記他の概念との間で算出された前記割合を表示する
ことを特徴とする検証支援システム。 - 請求項1に記載の検証支援システムにおいて、
前記紐づいている割合は、前記ある概念のデータ数に占める前記共通するデータ数の割合である適合率、又は、前記他の概念のデータ数に占める前記共通するデータ数の割合である再現率を含む
ことを特徴とする検証支援システム。 - サーバで実行する検証支援方法であって、
任意の言葉で定義された概念の名称に基づいてデータベースを検索し、前記概念に紐づいている複数の行動履歴データを抽出する第1の処理と、
抽出された前記複数の行動履歴データの間で共通するデータ数を算出することにより、ある概念が他の概念に紐づいている割合を算出する第2の処理と、
前記割合に基づいて前記ある概念と前記他の概念とが上下、同一、無関係のいずれの抽象関係を有するかを決定する第3の処理と
を有し、
前記第2の処理は、
前記複数の行動履歴データのうち、前記ある概念に紐づいた行動履歴データのデータ数に占める前記共通するデータ数を適合率として算出する処理と、
前記複数の行動履歴データのうち、前記他の概念に紐づいた行動履歴データのデータ数に占める前記共通するデータ数を再現率として算出する処理と、
前記適合率が第1閾値より大きいか否か及び前記再現率が第2閾値より大きいか否かを比較する処理と、
を有し、
前記第3の処理は、
前記適合率が第1閾値より大きく且つ前記再現率が第2閾値より大きい場合に、前記ある概念と前記他の概念は同等であると判定する処理と、
前記適合率が前記第1閾値より大きく且つ前記再現率が前記第2閾値以下である場合に、前記ある概念は上位であると判定する処理と、
前記適合率が前記第1閾値以下であり且つ前記再現率が前記第2閾値より大きい場合に、前記ある概念は下位であると判定する処理と、
を有することを特徴とする検証支援方法。 - 請求項9に記載の検証支援方法において、
ある概念と、行動対象者が特定の行動を促進又は抑制する因子との因果関係を推定する第4の処理と、
前記抽象関係を用いて、ある事象に関する複数の前記因果関係を統合する第5の処理と
を更に有することを特徴とする検証支援方法。 - 請求項10に記載の検証支援方法において、
入力された概念に関連する前記因果関係と前記抽象関係をモデル化して表示する第6の処理
を更に有することを特徴とする検証支援方法。 - 請求項10に記載の検証支援方法において、
前記データベースから読み出した施策実施履歴に基づいて、前記因果関係及び/又は前記抽象関係の更新案を作成して表示する第6の処理
を有することを特徴とする検証支援方法。 - 請求項12に記載の検証支援方法において、
前記更新案は、ある概念とある因子との間のパスの削除、追加、分割又は統合である
ことを特徴とする検証支援方法。 - 請求項9に記載の検証支援方法において、
前記ある概念と前記他の概念との前記抽象関係を表示する第4の処理
を更に有することを特徴とする検証支援方法。 - 請求項9に記載の検証支援方法において、
前記ある概念と前記他の概念との間で算出された前記割合を表示する第4の処理
を更に有することを特徴とする検証支援方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/083363 WO2017090175A1 (ja) | 2015-11-27 | 2015-11-27 | 検証支援システム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017090175A1 JPWO2017090175A1 (ja) | 2017-11-24 |
JP6360625B2 true JP6360625B2 (ja) | 2018-07-18 |
Family
ID=58764077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017514931A Expired - Fee Related JP6360625B2 (ja) | 2015-11-27 | 2015-11-27 | 検証支援システム及び方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180121536A1 (ja) |
JP (1) | JP6360625B2 (ja) |
WO (1) | WO2017090175A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6837411B2 (ja) * | 2017-10-31 | 2021-03-03 | 株式会社日立製作所 | 販売促進装置、販売促進方法及び販売促進プログラム |
WO2020162073A1 (ja) * | 2019-02-06 | 2020-08-13 | 日本電気株式会社 | 情報可視化装置、情報可視化方法、及びコンピュータ読み取り可能な記録媒体 |
JPWO2022196070A1 (ja) * | 2021-03-15 | 2022-09-22 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4587163B2 (ja) * | 2004-07-13 | 2010-11-24 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 検索システム、検索方法、報告システム、報告方法、及びプログラム |
JP2008242836A (ja) * | 2007-03-27 | 2008-10-09 | Toshiba Corp | 辞書更新装置およびプログラム |
-
2015
- 2015-11-27 WO PCT/JP2015/083363 patent/WO2017090175A1/ja active Application Filing
- 2015-11-27 JP JP2017514931A patent/JP6360625B2/ja not_active Expired - Fee Related
- 2015-11-27 US US15/561,431 patent/US20180121536A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
WO2017090175A1 (ja) | 2017-06-01 |
JPWO2017090175A1 (ja) | 2017-11-24 |
US20180121536A1 (en) | 2018-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ha et al. | Manufacturer rebate competition in a supply chain with a common retailer | |
Hostler et al. | Recommendation agent impact on consumer online shopping: The Movie Magic case study | |
WO2016111032A1 (ja) | 顧客分析システム | |
JP6014515B2 (ja) | レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム | |
Molina et al. | Consumer service and loyalty in Spanish grocery store retailing: an empirical study | |
JPWO2005024689A1 (ja) | 消費者の購買行動分析方法及び装置 | |
Ahn | Evaluating customer aid functions of online stores with agent-based models of customer behavior and evolution strategy | |
JP6411396B2 (ja) | 支援システム | |
JP6694901B2 (ja) | データ管理装置およびデータ管理システム | |
JP6360625B2 (ja) | 検証支援システム及び方法 | |
Čavoški et al. | Agent-based modelling and simulation in the analysis of customer behaviour on B2C e-commerce sites | |
Goar et al. | Business decision making by big data analytics | |
CA3138745A1 (en) | Method and device for circling and creating target population | |
Molla-Descals et al. | Determinants of website traffic: the case of European fashion apparel retailers | |
JP6761068B2 (ja) | 決定装置、決定方法及び決定プログラム | |
JP6810184B2 (ja) | 算出装置、算出方法及び算出プログラム | |
KR102576123B1 (ko) | 제품 공동구매 연계 시스템 및 방법 | |
Chashmi et al. | Predicting customer turnover using recursive neural networks | |
Sajedikhah et al. | Historical effect of verified purchases and ordinary users’ testimonials on the sales rank of experience and search goods | |
Lee et al. | The moderating effect of movie production efficiency on the relationship between eWOM and review helpfulness | |
KR102405503B1 (ko) | 소비 데이터와 소셜 데이터를 이용한 소비동향 예측 지수 생성 방법과 이를 적용한 소비동향 예측 지수 생성 시스템 및 이를 위한 컴퓨터 프로그램 | |
Liuqu et al. | From customer satisfaction to customer experience: online customer satisfaction practice in International E-commerce | |
Guo | A study on data mining of digital display performance of brand advertisement | |
Kotsokechagia | Predictive model for customer satisfaction in e-commerce | |
JP6809148B2 (ja) | プログラムおよび組み合わせ抽出システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180327 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180515 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180619 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180622 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6360625 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
LAPS | Cancellation because of no payment of annual fees |