JP6516809B2 - 情報解析装置、情報解析方法、およびプログラム - Google Patents
情報解析装置、情報解析方法、およびプログラム Download PDFInfo
- Publication number
- JP6516809B2 JP6516809B2 JP2017168838A JP2017168838A JP6516809B2 JP 6516809 B2 JP6516809 B2 JP 6516809B2 JP 2017168838 A JP2017168838 A JP 2017168838A JP 2017168838 A JP2017168838 A JP 2017168838A JP 6516809 B2 JP6516809 B2 JP 6516809B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- probability
- target user
- action
- advance
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 54
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 230000009471 action Effects 0.000 claims description 237
- 230000006870 function Effects 0.000 claims description 92
- 230000006399 behavior Effects 0.000 claims description 28
- 238000013459 approach Methods 0.000 claims description 15
- 230000007423 decrease Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 31
- 239000013598 vector Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 14
- 238000012706 support-vector machine Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 4
- 239000000969 carrier Substances 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 235000014510 cooky Nutrition 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 229910052697 platinum Inorganic materials 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
実施形態の情報解析装置は、一以上のプロセッサによって実現される。情報解析装置は、ユーザに与える影響度が互いに異なる複数のインセンティブのうち、インセンティブを付与する付与者が期待する行動を起こした場合に、いずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、その対象ユーザの素性情報とに基づいて、インセンティブごとの対象ユーザによる行動傾向をモデル化した予測モデルを生成する。そして、情報解析装置は、この予測モデルに基づいて、複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす行動に関する事象を最適化するための確率を予測する。
[全体構成]
図1は、実施形態における情報解析装置100を含む情報解析システム1の一例を示す図である。実施形態における情報解析システム1は、一以上の端末装置10と、一以上のサーバ装置20と、情報解析装置100とを備える。これらの装置は、ネットワークNWを介して互いに接続される。ネットワークNWは、例えば、無線基地局、Wi−Fiアクセスポイント、通信回線、プロバイダ、インターネットなどを含む。なお、図1に示す各装置の全ての組み合わせが相互に通信可能である必要はなく、ネットワークNWは、一部にローカルなネットワークを含んでもよい。
以下、情報解析装置100の構成について説明する。図3は、実施形態における情報解析装置100の構成の一例を示す図である。情報解析装置100は、例えば、通信部102と、制御部110と、記憶部130とを備える。
(1)付与可能なポイントの予算内に、付与するポイントの総額を収めること(予算≦付与ポイントの総額)。
(2)ポイント配分用ベクトルVの要素eが、1または0のいずれか一方の整数をとること。
(3)ポイント配分用ベクトルVの要素eは、全ての要素の和が1となること。
以下、第2の実施形態について説明する。第2の実施形態における情報解析装置100では、ユーザごとのポイントの獲得率や利用率に応じて、行動確率を変更する点で上述した第1実施形態と相違する。以下、第1の実施形態との相違点を中心に説明し、第1の実施形態と共通する点については説明を省略する。なお、第2の実施形態の説明において、第1の実施形態と同じ部分については同一符号を付して説明する。
以下、第3の実施形態について説明する。上述した第1および第2の実施形態では、ユーザにインセンティブが付与されることを事前に通知し、その通知を受けたユーザが所定の行動を取った場合に、次回以降に使用可能なインセンティブが付与されるものとして説明した。第3の実施形態では、ユーザが所定の行動を取る以前にインセンティブが付与される点で上述した第1および第2の実施形態と相違する。以下、第1および第2の実施形態との相違点を中心に説明し、第1および第2の実施形態と共通する点については説明を省略する。なお、第3の実施形態の説明において、第1および第2の実施形態と同じ部分については同一符号を付して説明する。
ユーザに与える影響度が互いに異なる複数のインセンティブのうち、いずれか一つ以上のインセンティブが付与された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得する取得部と、
前記取得部により取得された前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成するモデル生成部と、
前記モデル生成部により生成された予測モデルに基づいて、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブを付与することによってユーザが起こす行動に関する事象を最適化するための確率を予測する確率予測部と、
を備える情報解析装置。
以下、その他の実施形態として、上述した実施形態の変形例について説明する。上述した実施形態では、ユーザに割り振るポイントの配分を決定する際に、ポイントを付与する予定の全ユーザの行動確率の和、或いは全ユーザの行動によってもたらされる成果の和のいずれかを目的関数として扱い、これらのいずれかを最適化(最大化または最小化)するようにユーザに付与するポイントの配分を決定するものとして説明したがこれに限られない。例えば、全ユーザの行動確率の和および全ユーザの行動によってもたらされる成果の和の双方を目的関数としてもよい。この場合、例えば、付与ポイント決定部118は、全ユーザの行動確率の和と全ユーザの行動によってもたらされる成果の和との線形和を目的関数とした整数計画法の問題を解くことで、ポイントを付与可能な予算内で、行動確率および成果の双方を考慮した目的関数を最適化するように各ユーザに割り振るポイントの配分を決定する。
上述した実施形態の情報解析システム1に含まれる複数の装置のうち、少なくとも情報解析装置100は、例えば、図20に示すようなハードウェア構成により実現される。図20は、実施形態の情報解析装置100のハードウェア構成の一例を示す図である。
Claims (19)
- 所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得する取得部と、
前記取得部により取得された前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成し、前記予測モデルを用いて前記対象ユーザによる行動の傾向を表すスコアを導出するモデル生成部と、
確率密度関数に対して、前記モデル生成部が前記予測モデルを用いて導出したスコアを確率変数として入力することで、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測する確率予測部と、
を備える情報解析装置。 - 前記確率予測部は、前記インセンティブが付与されることを事前に通知することによって前記所定の行動を起こすユーザの数を最適化するための確率を予測する、
請求項1に記載の情報解析装置。 - 前記モデル生成部は、前記インセンティブが付与されることを事前に通知した前記対象ユーザによる前記所定の行動の有無を教師データとした学習モデルによって、前記予測モデルを生成する、
請求項1または2に記載の情報解析装置。 - 前記確率予測部は、前記インセンティブが付与されることを事前に通知することによってユーザによって起こされる前記所定の行動の成果を最適化するための確率を予測する、
請求項1から3のうちいずれか1項に記載の情報解析装置。 - 前記モデル生成部は、前記インセンティブが付与されることを事前に通知した前記対象ユーザによる前記所定の行動の成果を教師データとした学習モデルによって、前記予測モデルを生成する、
請求項1から4のうちいずれか1項に記載の情報解析装置。 - 前記対象ユーザごとの素性情報は、ユーザの属性と、ユーザの行動履歴と、過去にユーザに付与されたインセンティブに関する情報とのうち一部または全部を含む、
請求項1から5のうちいずれか1項に記載の情報解析装置。 - 前記確率予測部は、過去の時点でユーザに付与することが事前に通知されたことがあるインセンティブに対応した前記予測モデルに基づいて、前記複数のインセンティブのうち、過去の時点でユーザに付与することが事前に通知されたことがないインセンティブを、将来の時点でユーザに付与することを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測する、
請求項1から6のうちいずれか1項に記載の情報解析装置。 - ユーザに与える影響度が互いに異なる複数のインセンティブのうち、所定の行動をユーザが起こした場合に、いずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得する取得部と、
前記取得部により取得された前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成するモデル生成部と、
確率変数が増加するのに応じて確率が1に近づくと共に、前記確率変数が減少するのに応じて確率が0に近づく確率密度関数に対して、前記モデル生成部により生成された予測モデルのスコアを前記確率変数として入力することで、前記スコアを、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率に変換する確率予測部と、
を備える情報解析装置。 - 所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得する取得部と、
前記取得部により取得された前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成するモデル生成部と、
前記モデル生成部により生成された予測モデルに基づいて、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測する確率予測部と、を備え、
前記確率予測部は、確率変数が増加するのに応じて確率が1に近づくと共に、前記確率変数が減少するのに応じて確率が0に近づく確率密度関数に対して、前記モデル生成部により生成された予測モデルのスコアを前記確率変数として入力することで、前記スコアを、前記事象を最適化するための確率に変換する、
情報解析装置。 - 所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得する取得部と、
前記取得部により取得された前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向を表すスコアを導出し、確率密度関数に対して、前記導出したスコアを確率変数として入力することで、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測する処理部と、
を備える情報解析装置。 - 前記確率密度関数のパラメータは、前記インセンティブが付与されることが事前に通知された一以上のユーザのうち、前記所定の行動を起こしたユーザの統計的指標値に基づいて調整される、
請求項1から10のうちいずれか1項に記載の情報解析装置。 - コンピュータが、
所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得し、
前記取得した前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成し、
前記生成した予測モデルを用いて前記対象ユーザによる行動の傾向を表すスコアを導出し、
確率密度関数に対して、前記予測モデルを用いて導出したスコアを確率変数として入力することで、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測する、
情報解析方法。 - コンピュータが、
ユーザに与える影響度が互いに異なる複数のインセンティブのうち、所定の行動をユーザが起こした場合に、いずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得し、
前記取得した前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成し、
確率変数が増加するのに応じて確率が1に近づくと共に、前記確率変数が減少するのに応じて確率が0に近づく確率密度関数に対して、前記予測モデルのスコアを前記確率変数として入力することで、前記スコアを、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率に変換する、
情報解析方法。 - コンピュータが、
所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得し、
前記取得した前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成し、
前記生成した予測モデルに基づいて、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測し、
確率変数が増加するのに応じて確率が1に近づくと共に、前記確率変数が減少するのに応じて確率が0に近づく確率密度関数に対して、前記予測モデルのスコアを前記確率変数として入力することで、前記スコアを、前記事象を最適化するための確率に変換する、
情報解析方法。 - コンピュータが、
所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得し、
前記取得した前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向を表すスコアを導出し、
確率密度関数に対して、前記導出したスコアを確率変数として入力することで、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測する、
情報解析方法。 - コンピュータに、
所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得させ、
前記取得させた前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成させ、
前記生成させた予測モデルを用いて前記対象ユーザによる行動の傾向を表すスコアを導出させ、
確率密度関数に対して、前記予測モデルを用いて導出させたスコアを確率変数として入力することで、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測させる、
プログラム。 - コンピュータに、
ユーザに与える影響度が互いに異なる複数のインセンティブのうち、所定の行動をユーザが起こした場合に、いずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得させ、
前記取得させた前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成させ、
確率変数が増加するのに応じて確率が1に近づくと共に、前記確率変数が減少するのに応じて確率が0に近づく確率密度関数に対して、前記予測モデルのスコアを前記確率変数として入力することで、前記スコアを、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率に変換させる、
プログラム。 - コンピュータに、
所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得させ、
前記取得させた前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向をモデル化した予測モデルを生成させ、
前記生成させた予測モデルに基づいて、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測させ、
確率変数が増加するのに応じて確率が1に近づくと共に、前記確率変数が減少するのに応じて確率が0に近づく確率密度関数に対して、前記予測モデルのスコアを前記確率変数として入力することで、前記スコアを、前記事象を最適化するための確率に変換させる、
プログラム。 - コンピュータに、
所定の行動を起こした場合に、ユーザに与える影響度が互いに異なる複数のインセンティブのうちいずれか一つ以上のインセンティブが付与されることが事前に通知された対象ユーザの行動履歴と、前記対象ユーザごとの素性情報とを取得させ、
前記取得させた前記対象ユーザの行動履歴および前記対象ユーザごとの素性情報に基づいて、前記インセンティブごとの前記対象ユーザによる行動傾向を表すスコアを導出させ、
確率密度関数に対して、前記導出させたスコアを確率変数として入力することで、前記複数のインセンティブのうち、少なくとも一つ以上のインセンティブが付与されることを事前に通知することによってユーザが起こす前記所定の行動に関する事象を最適化するための確率を予測させる、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017168838A JP6516809B2 (ja) | 2017-09-01 | 2017-09-01 | 情報解析装置、情報解析方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017168838A JP6516809B2 (ja) | 2017-09-01 | 2017-09-01 | 情報解析装置、情報解析方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019046173A JP2019046173A (ja) | 2019-03-22 |
JP6516809B2 true JP6516809B2 (ja) | 2019-05-22 |
Family
ID=65812823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017168838A Active JP6516809B2 (ja) | 2017-09-01 | 2017-09-01 | 情報解析装置、情報解析方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6516809B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7043453B2 (ja) * | 2019-04-15 | 2022-03-29 | ヤフー株式会社 | 情報処理装置、システム、情報処理方法、およびプログラム |
US11328313B2 (en) * | 2019-05-08 | 2022-05-10 | Retailmenot, Inc. | Predictive bounding of combinatorial optimizations that are based on data sets acquired post-prediction through high-latency, heterogenous interfaces |
CN112541145B (zh) * | 2019-09-20 | 2023-10-17 | 百度在线网络技术(北京)有限公司 | 一种页面展现方法、装置、设备及存储介质 |
WO2021130841A1 (ja) * | 2019-12-24 | 2021-07-01 | 日本電信電話株式会社 | 情報処理装置、情報処理方法およびプログラム |
CN111626783B (zh) * | 2020-04-30 | 2021-08-31 | 贝壳找房(北京)科技有限公司 | 用于实现事件转化概率预测的离线信息设置方法和装置 |
WO2022044812A1 (ja) * | 2020-08-27 | 2022-03-03 | 株式会社Nttドコモ | レコメンド装置 |
JP7250057B2 (ja) * | 2021-03-15 | 2023-03-31 | ヤフー株式会社 | 学習装置、学習方法及び学習プログラム |
CN113129080A (zh) * | 2021-05-13 | 2021-07-16 | 北京大米科技有限公司 | 一种数据处理方法及装置 |
US20240242242A1 (en) * | 2021-05-13 | 2024-07-18 | Nippon Telegraph And Telephone Corporation | Incentive optimization method, incentive optimization apparatus, and program |
JP7519337B2 (ja) | 2021-09-14 | 2024-07-19 | トヨタテクニカルディベロップメント株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7351887B2 (ja) * | 2021-11-29 | 2023-09-27 | ヤフー株式会社 | 情報処理装置、情報処理システム、および情報処理方法 |
JP7254984B1 (ja) | 2022-02-17 | 2023-04-10 | PayPay株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003248774A (ja) * | 2002-02-26 | 2003-09-05 | Dainippon Printing Co Ltd | 電子クーポン提供方法およびシステム |
JP2006277270A (ja) * | 2005-03-29 | 2006-10-12 | Seiko Epson Corp | クーポン情報管理システムとクーポン情報管理プログラムと記録媒体とクーポン情報管理方法 |
US20130006738A1 (en) * | 2011-06-30 | 2013-01-03 | Microsoft Corporation | Shared electronic incentives and coupons leveraging social connections and shepherding |
JPWO2014054612A1 (ja) * | 2012-10-01 | 2016-08-25 | 日本電気株式会社 | 到着時間分布制御システム、到着時間分布制御装置及びインセンティブ設計方法 |
JP2015052957A (ja) * | 2013-09-09 | 2015-03-19 | 株式会社野村総合研究所 | クーポン発行支援システム |
JP6067882B2 (ja) * | 2014-04-14 | 2017-01-25 | 株式会社日立製作所 | 情報処理システムおよび情報処理方法 |
JP6351392B2 (ja) * | 2014-06-12 | 2018-07-04 | Emotion Intelligence株式会社 | 特典管理システム及び特典管理方法 |
-
2017
- 2017-09-01 JP JP2017168838A patent/JP6516809B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019046173A (ja) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6516809B2 (ja) | 情報解析装置、情報解析方法、およびプログラム | |
US20210090119A1 (en) | Predictive recommendation system | |
JP6253744B1 (ja) | 情報解析装置、情報解析方法、および情報解析プログラム | |
US20210027357A1 (en) | Systems and methods for credit card selection based on a consumer's personal spending | |
JP6899350B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP6253745B1 (ja) | 情報解析装置、情報解析方法、および情報解析プログラム | |
JP2009104607A (ja) | ウェブサイトの運営方法及びオンラインシステム | |
CN111586162A (zh) | 一种信息推送方法和*** | |
US20220180392A1 (en) | Predictive recommendation system using tiered feature data | |
US20230116407A1 (en) | Systems and Methods for Predicting Consumer Spending and for Recommending Financial Products | |
US20180232747A1 (en) | Systems and methods for determining consumer purchasing behavior | |
JP2018116694A (ja) | 算出装置、算出方法及び算出プログラム | |
JP6473485B1 (ja) | 情報解析装置、情報解析方法、およびプログラム | |
Gubela et al. | Multiple treatment modeling for Target Marketing campaigns: A large-scale Benchmark Study | |
KR102570758B1 (ko) | 구독몰과 금융사 간의 연계를 통한 인공지능 기반의 금융상품 자동추천 방법 | |
Einav et al. | Selling Subscriptions | |
JP2018116580A (ja) | 算出装置、算出方法及び算出プログラム | |
CN113935529A (zh) | 客户生命周期价值的确定方法、装置、设备及介质 | |
TWM618658U (zh) | 禮券管理系統及終端設備 | |
JP2022104128A (ja) | 選択装置、選択方法及び選択プログラム | |
CN111105274A (zh) | 数据处理方法、装置、介质及电子设备 | |
US11972464B2 (en) | Cumulative incrementality scores for evaluating the performance of machine learning models | |
JP7514341B1 (ja) | 支払支援システム、支払支援サービスの案内方法、及びプログラム | |
JP7370435B1 (ja) | 情報処理装置、方法及びプログラム | |
JP7498812B1 (ja) | 支払支援システム、支払支援サービスの案内方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190115 |
|
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: 20190319 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190416 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6516809 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |