JP7009160B2 - サイト改善装置、サイト改善方法およびサイト改善プログラム - Google Patents

Description

本発明は、サイト改善装置、サイト改善方法およびサイト改善プログラムに関する。

近年、ＩＴ技術を活用したデジタルマーケティングの普及により、企業活動においては、自社ウェブサイトへの動向把握やコンテンツの改善が重要な取り組みとなってきている。ウェブサイトを開設し、アクセス状況を把握、解析する技術として、ウェブサーバのログ集計ソフトウェア（例えば、Webalizer等）や、ウェブのアクセス解析サービス（例えば、Google（登録商標）Analytics等）がある。

ウェブサイトへのアクセス数の向上を目的とするウェブアクセス解析、改善の取り組みのためには、これらのツールを取り扱う前提知識や技術ノウハウ、人的リソースが必要となる。具体的には、アクセス解析の設定作業（ソフトウェアのインストール、コンテンツへのトラッキングタグ情報の埋め込み）、集計結果の閲覧、結果から改善施策の検討と改善の実施が必要である。また、改善実施後には、その施策の効果を評価するために、再び集計結果の閲覧、次のアクションとなる施策の検討を行うなど、ＰＤＣＡ（Plan-Do-Check-Action）のサイクルを回していく必要がある。

特開２０１４－１１９８３８号公報 特開２０１４－１１５９５２号公報 特開２０１３－１８２６０２号公報

しかしながら、従来の手法では、専門的な知識を有する者が、ウェブサイトの情報を収集し、ウェブサイトのアクセス状況や改善点を把握するので、簡易かつ精度よくウェブサイトを改善することができないという課題があった。

上述した課題を解決し、目的を達成するために、本発明のサイト改善装置は、ウェブサイト内のコンテンツから、前記ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、前記トラッキングタグの埋め込み可能なコンテンツに対して前記トラッキングタグを挿入し、前記ウェブサイトへのアクセスに関する情報を収集する収集手段と、前記収集手段によって収集された前記ウェブサイトへのアクセスに関する情報を集計し、集計したデータから前記ウェブサイトへのアクセスの傾向を分析する分析手段と、前記分析手段によって分析された結果に応じて、前記ウェブサイトの改善に必要なアクションをレコメンド情報として提示する提示手段とを有することを特徴とする。

また、本発明のサイト改善方法は、サイト改善装置によって実行されるサイト改善方法であって、ウェブサイト内のコンテンツから、前記ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、前記トラッキングタグの埋め込み可能なコンテンツに対して前記トラッキングタグを挿入し、前記ウェブサイトへのアクセスに関する情報を収集する収集工程と、前記収集工程によって収集された前記ウェブサイトへのアクセスに関する情報を集計し、集計したデータから前記ウェブサイトへのアクセスの傾向を分析する分析工程と、前記分析工程によって分析された結果に応じて、前記ウェブサイトの改善に必要なアクションをレコメンド情報として提示する提示工程とを含んだことを特徴とする。

また、本発明のサイト改善プログラムは、ウェブサイト内のコンテンツから、前記ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、前記トラッキングタグの埋め込み可能なコンテンツに対して前記トラッキングタグを挿入し、前記ウェブサイトへのアクセスに関する情報を収集する収集ステップと、前記収集ステップによって収集された前記ウェブサイトへのアクセスに関する情報を集計し、集計したデータから前記ウェブサイトへのアクセスの傾向を分析する分析ステップと、前記分析ステップによって分析された結果に応じて、前記ウェブサイトの改善に必要なアクションをレコメンド情報として提示する提示ステップとをコンピュータに実行させることを特徴とする。

本発明によれば、簡易かつ精度よくウェブサイトを改善することができるという効果を奏する。

図１は、第１の実施形態に係るサイト改善装置の構成例を示すブロック図である。 図２は、アクセスログ記憶部に記憶されるデータの一例を示す図である。 図３は、集計データ記憶部に記憶されるデータの一例を示す図である。 図４は、分析データ記憶部に記憶されるデータの一例を示す図である。 図５は、第１の実施形態に係るサイト改善装置におけるタグ挿入処理を説明する図である。 図６は、第１の実施形態に係るサイト改善装置における分析処理を説明する図である。 図７は、第１の実施形態に係るサイト改善装置における分析ＡＩエンジンの処理の概要を説明する図である。 図８は、第１の実施形態に係るサイト改善装置において提示されるレコメンド情報の一例を示す図である。 図９は、第１の実施形態に係るサイト改善装置において出力される分析結果の画面例を示す図である。 図１０は、第１の実施形態に係るサイト改善装置において可視化される分析結果の一例を示す図である。 図１１は、第１の実施形態に係るサイト改善装置におけるウェブ分析の一連の処理の流れを説明する図である。 図１２は、第１の実施形態に係るサイト改善装置におけるウェブ分析により可視化される分析結果の例を説明する図である。 図１３は、第１の実施形態に係るサイト改善装置におけるメール分析の一連の処理の流れを説明する図である。 図１４は、第１の実施形態に係るサイト改善装置におけるメール分析により可視化される分析結果の例を説明する図である。 図１５は、第１の実施形態に係るサイト改善装置における分析エンジンの連携について説明する図である。 図１６は、第１の実施形態に係るサイト改善装置における全体の処理の流れの一例を示すフローチャートである。 図１７は、サイト改善プログラムを実行するコンピュータを示す図である。

以下に、本願に係るサイト改善装置、サイト改善方法およびサイト改善プログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態により本願に係るサイト改善装置、サイト改善方法およびサイト改善プログラムが限定されるものではない。

［第１の実施形態］
以下の実施の形態では、第１の実施形態に係るサイト改善装置１０の構成、サイト改善装置１０の処理の流れを順に説明し、最後に第１の実施形態による効果を説明する。

［サイト改善装置の構成］
最初に、図１を用いて、サイト改善装置１０の構成を説明する。図１は、第１の実施形態に係るサイト改善装置の構成例を示すブロック図である。サイト改善装置１０は、ウェブサイトのアクセス解析およびサイト改善に必要となる作業の支援を行うサーバ装置である。具体的には、サイト改善装置１０は、アクセス解析に必要なデータの収集、集計、可視化、分析、コンテンツの改善といった一連のプロセスを自動的に実行するための機能を有する。

図１に示すように、このサイト改善装置１０は、通信処理部１１、制御部１２および記憶部１３を有する。以下にサイト改善装置１０が有する各部の処理を説明する。

通信処理部１１は、各種情報に関する通信を制御する。例えば、通信処理部１１は、サイト訪問者やウェブサイトを管理するサーバ管理者の端末との間でデータの送受信を行う。

記憶部１３は、制御部１２による各種処理に必要なデータおよびプログラムを格納するが、特に本発明に密接に関連するものとしては、アクセスログ記憶部１３ａ、集計データ記憶部１３ｂおよび分析データ記憶部１３ｃを有する。例えば、記憶部１３は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、ハードディスク、光ディスク等の記憶装置などである。

アクセスログ記憶部１３ａは、ウェブサイトへのアクセスに関する情報とソーシャル情報とを記憶する。例えば、アクセスログ記憶部１３ａは、ウェブサイトへのアクセスに関する情報として、図２に例示するように、ウェブサイトへアクセスがあった「時刻」、アクセスした端末の「ＩＰアドレス」と、どこからアクセスがあったかを示す「アクセス元」と、アクセスした端末の都道府県を示す「アクセス場所」と、アクセスした端末のＯＳ、言語、ブラウザに関する情報および解像度を含む「ブラウザ情報」とを対応付けて記憶する。アクセスログ記憶部１３ａに記憶される情報は、ウェブサイトへのアクセスが発生するたびに、更新される。

図２の例を挙げて具体的に説明すると、アクセスログ記憶部１３ａは、時刻「１２：００：０１」と、ＩＰアドレス「Ａ」と、アクセス元「検索エンジン」と、アクセス場所「東京」と、ブラウザ情報「ＯＳ：Ｂ・・・」とを対応付けて記憶している。これは、ＩＰアドレスが「Ａ」である東京の端末からブラウザ「ＯＳ：Ｂ・・・」を用いて検索エンジンを介してウェブサイトへ時刻「１２：００：０１」にアクセスがあったことを意味している。

また、アクセスログ記憶部１３ａは、ソーシャルデータとして、ソーシャルメディアにおける分析ワードの検索数の推移、ソーシャルメディアでの分析ワードと一緒に検索された関連検索ワードおよび関連ニュースを記憶する。なお、ここでソーシャルデータとは、ＳＮＳ（Social Networking Service）上のデータに限られるものではなく、インターネット上における検索傾向やニュースなどの種々のデータを意味するものである。また、分析ワードとは、ウェブサイトに関連するワードであって、サーバ管理者が設定あるいは、システムによりコンテンツから自動抽出された分析対象のワードである。

集計データ記憶部１３ｂは、ウェブサイトへのアクセスに関する情報とソーシャルデータとが集計された結果である集計データを記憶する。例えば、集計データ記憶部１３ｂは、図３に例示するように、アクセス数を集計する対象の「日時」と、対象の日時におけるウェブサイトに対する総アクセス数を示す「アクセス数」とを対応付けて記憶する。図３の例では、集計データ記憶部１３ｂが、１日単位のアクセス数を集計した集計結果を記憶する場合を例示するが、これに限定されるものではなく、例えば、ウェブサイトへのアクセスにおける送信元のＩＰアドレスである訪問者のＩＰアドレスごとのアクセス数を記憶してもよいし、訪問者のＩＰアドレスに対応するＧｅｏＩＰを用いて推定された地域（例えば、都道府県等）ごとのアクセス数を記憶していてもよい。また、アクセス先の情報（例えば、ＵＲＬ、ＩＰアドレス、ＦＱＤＮ等）ごとのアクセス数を記憶してもよい。なお、図では省略しているが、集計データ記憶部１３ｂは、ソーシャルデータの統計データも記憶している。例えば、１日単位の分析ワードの検索数や、関連検索ワードの割合等を記憶する。

分析データ記憶部１３ｃは、後述する分析部１２ｂによって生成されたレコメンドデータを記憶する。例えば、分析データ記憶部１３ｃは、図４に例示するように、レコメンドを生成した「日時」と、ユーザに提示するレコメンドの内容を示す「レコメンド文」と、レコメンドに基づいた改善後に付与される「スコア」とを対応付けて記憶する。なお、スコアは、レコメンドに基づいた改善後のアクセス傾向に応じて、手動で付与されるものであるが、アクセス数に応じて、自動で付与されてもよい。

制御部１２は、各種の処理手順などを規定したプログラムおよび所要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が、特に本発明に密接に関連するものとしては、収集部１２ａ、分析部１２ｂ、レコメンド提示部１２ｃおよび分析結果出力部１２ｄを有する。ここで、制御部１２は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などの電子回路やＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路である。以下に制御部１２が有する各部の処理を説明する。

収集部１２ａは、ウェブサイト内のコンテンツから、ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、トラッキングタグの埋め込み可能なコンテンツに対してトラッキングタグを挿入し、ウェブサイトへのアクセスに関する情報を集計するとともに、ソーシャルデータを外部から収集する。

ここで、図５を用いて、トラッキングタグの埋め込み可能なコンテンツに対してトラッキングタグを挿入するタグ挿入処理を説明する。図５は、第１の実施形態に係るサイト改善装置におけるタグ挿入処理を説明する図である。例えば、収集部１２ａは、ウェブコンテンツ領域からトラッキングタグの埋め込み可能なファイルであるｈｔｍｌファイルを検索し、検索したｈｔｍｌファイルに以下のようなトラッキングタグ（ｈｔｍｌコード）を追記する。なお、処理対象としてｈｔｍｌファイルを例に挙げているが、これに限定されるものではなく、例えば、ＣＧＩ（Common Gateway Interface）などの動的ファイルを処理対象としてもよい。
<script src="/ControlPanel/static/js/wa.js"></script><noscript><img src="/wa/analysis.php?id=1" style="border:0;"></noscript>

ここで、収集部１２ａは、トラッキングタグの埋め込み可能なファイルであるｈｔｍｌファイルを判別する手法として、例えば、ルール（＜ｈｔｍｌ＞タグがある、＜／ｈｅａｄ＞タグ等の有無）または機械学習（ファイルの特徴量から分類器でｈｔｍｌらしさを判定）が挙げられる。また、収集部１２ａは、定期的に対象ディレクトリやファイルをチェックしてファイルの追加や変更を検知し、トラッキングタグを自己修復する。なお、収集部１２ａは、アクセスデータだけでなく、デジタルマーケティングに必要となるデータとアクセスデータとを紐付けを行うようにしてもよい。

そして、収集部１２ａは、トラッキングタグにより収集したアクセスデータをアクセスログ記憶部１３ａに格納する。例えば、収集部１２ａは、ログ取得ＡＰＩを呼出し、ＰＶ（Page View）、Referrer、User Agent、ページ遷移情報を取得し、アクセスログ記憶部１３ａに格納する。また、収集部１２ａは、ソーシャルデータとして、例えば、ソーシャルメディアにおける分析ワードの検索数の推移、ソーシャルメディアでの分析ワードと一緒に検索された関連検索ワードの検索数および分析ワードに関連する関連ニュースを収集し、アクセスログ記憶部１３ａに格納する。例えば、収集部１２ａは、分析キーワードをもとに検索トレンド、関連検索ワード、関連ニュースを取得し、アクセスログ記憶部１３ａに格納する。

また、収集部１２ａは、例えば、サイト訪問者がフォームメール利用して問い合わせなどを行った際に、キーワードに基づいてメール文を解析し、問い合わせ動向の把握を行うようにしてもよい。収集部１２ａは、メール文の解析として、自然言語処理によりキーワードに関連した関連ワードを取得することで、トピック単位で動向を把握できる。なお、メール分析の処理については、後に図１３および図１４を用いて説明する。

図１の説明に戻って、分析部１２ｂは、収集部１２ａによってウェブサイトへのアクセスに関する情報とソーシャルデータとを集計し、集計したデータからウェブサイトへのアクセスの傾向とソーシャルメディア上の関連情報の傾向を比較分析する。具体的には、分析部１２ｂは、機械学習の結果生成された学習済モデルを用いて、ウェブサイトへのアクセスの傾向を分析する。例えば、分析部１２ｂは、収集部１２ａによって収集されたデータを入力として、所定のパターンを抽出する学習済モデルである分析ＡＩエンジンを用いて、所定のパターンを抽出し、該所定のパターンを基にレコメンド情報を生成する。なお、ＡＩの分析手法には制限はないが、好適には機械学習を用い、過去のアクセス傾向のデータを学習用データとして使い、学習器に学習させて未来のアクセス数を予測する学習済みモデルを作成する。また、学習器は、例えば公知の教師あり学習（例えば線形回帰やＳＶＭ）を用いればよい。なお、学習済モデルを用いずに、アクセス数に対する閾値を用いた独自ロジック等によりレコメンド情報を生成するようにしてもよい。独自ロジックとは、例えば分析手法の知見に基づき、収集されたデータ時系列変化率が予め設定した閾値（例えば１５０％以上）を超えて推移したら変化率に関するレコメンドをする等である。

ここで、図６を用いて、サイト改善装置１０における分析処理を説明する。図６は、第１の実施形態に係るサイト改善装置における分析処理を説明する図である。図６に例示するように、例えば、分析部１２ｂは、ウェブ分析として、処理対象期間や処理粒度をクエリに指定し、集計データ記憶部１３ｂからデータを取得し、分析結果の出力や解析に必要となるフォーマットに変換し、分析ＡＩエンジンに渡す。ここで、分析ＡＩエンジンには、ウェブ分析のために、検索傾向分析ルール、訪問者分析ルール、ページ遷移分析ルールおよびアクセス傾向分析ルールが設定され、メール分析のために、関連ワード抽出ルールおよび関連ワード分析ルールが設定されている。

そして、分析部１２ｂは、入力データから変化率、異常値、差異を計算し、所定のパターンの抽出や類似度の判定、分類処理を行い、分析結果を分析データ記憶部１３ｃに格納する。その後、分析データ記憶部１３ｃに格納されたデータは、対象期間を指定したクエリで取得され、可視化ライブラリを用いて可視化される。なお、ここで所定のパターンとは、アクセスパターンやトレンドのパターン、訪問者属性のパターン等の種々のパターンを含むものであり、どのようなパターンを抽出するか適宜設定・変更できるものとする。

ここで、図７を用いて、サイト改善装置における分析ＡＩエンジンの処理の概要を説明する。図７は、第１の実施形態に係るサイト改善装置における分析ＡＩエンジンの処理の概要を説明する図である。図７に例示するように、分析ＡＩエンジンでは、複数のデータソースからデータを取得する共通インタフェースであるデータラッパーが、サイト改善装置１０の内外からデータを取得する。例えば、データラッパーは、ＰＶ、ＵＵ（Unique Users）、検索推移、訪問者環境、フィードバック、アクセスページランキング、関連キーワードおよび訪問者地域を取得する。

そして、分析ＡＩエンジンでは、設定された計算ロジックにより、複数のデータソースからのデータを組み合わせ、活用目的に必要なデータを計算する。計算手法には、テクニカル分析や機械学習による推定を行う。続いて、分析ＡＩエンジンでは、判定ロジックにより、目的に沿った閾値、カテゴリ等で計算結果を評価する。そして、分析ＡＩエンジンでは、活用ロジックにより、ユーザへのレコメンド文の出力や通知、コンテンツの変更、デバイスの制御等のアクションを行う。

図１の説明に戻って、レコメンド提示部１２ｃは、分析部１２ｂによって分析された結果に応じて、ウェブサイトの改善に必要なアクションをレコメンド情報として提示する。具体的には、レコメンド提示部１２ｃは、分析部１２ｂによって生成されたレコメンド情報を提示する。なお、レコメンドに基づいた改善後に、アクセス傾向が変化したかどうかをフィードバックとし、レコメンドの精度が上がるように調整してもよい。例えば、提示されたレコメンドに基づいたウェブサイトの改善後に、アクセス数が増加するほど、該レコメンドに対して自動または手動で高いスコアを付与し、高いスコアを付与された分析ロジックが次回以降の処理でも優先的に適用されるようにする。

ここで、図８を用いて、レコメンド情報の例を説明する。図８は、第１の実施形態に係るサイト改善装置において提示されるレコメンド情報の一例を示す図である。図８に例示するように、分析カテゴリおよび分析観点に応じて、提示されるレコメンド文（図８では、レコメンデーション文と記載）が異なる。例えば、分析カテゴリが「サイトアクセス数の分析」であって、分析観点が「サイト全体へのアクセス数の動向分析」である場合を例に説明する。

分析部１２ｂが、サイトアクセス数の分析を、サイト全体へのアクセス数の動向分析という観点から行った結果、直近のアクセス数が増加傾向である場合には、レコメンド文として「直近のアクセス数が増加傾向となっています。ページ別アクセス数上位のリンクを配置し、リンクを目立たせる等の改良をすると、さらにアクセス数の増加が期待できます。」を生成する。そして、レコメンド提示部１２ｃは、生成されたレコメンド文をユーザに提示する。これにより、ユーザは、専門知識等がない場合でも、レコメンド文を参考に、ウェブサイトの改善を実行することができる。

また、分析部１２ｂが、サイトアクセス数の分析を、サイト全体へのアクセス数の動向分析という観点から行った結果、直近のアクセス数の変化がない場合には、レコメンド文として「直近のアクセス数の変化があまり無いようです。ページ数をさらに増やしたり、アクセス数上位のウェブサイトの充実をはかるとアクセス数の増加が期待できます。」を生成する。そして、レコメンド提示部１２ｃは、生成されたレコメンド文をユーザに提示する。

また、分析部１２ｂが、サイトアクセス数の分析を、サイト全体へのアクセス数の動向分析という観点から行った結果、直近のアクセス数の減少傾向である場合には、レコメンド文として「直近のアクセス数が減少傾向のようです。検索トレンドや関連検索ワードの相対値が低い場合、サイト分析ワードの再設定を行い、人気のワードをウェブサイト内に増やすことでアクセス数の増加が期待できます。」を生成する。そして、レコメンド提示部１２ｃは、生成されたレコメンド文をユーザに提示する。

なお、サイト改善装置１０では、レコメンド情報を提示するほか、サイトの改善に必要なアクションにもとづき、コンテンツの編集から編集後の効果測定を自動化するようにしてもよい。例えば、レコメンド提示部１２ｃは、コンテンツの自動生成として、アクセス解析結果にもとづいてコンテンツを自動で変更してもよいし、狙ったページへの訪問者の到達率を上げるためコンテンツ内のリンク位置の変更や、バナーのポップアップなどでページ遷移の誘導を行ってもよい。

また、レコメンド提示部１２ｃは、コンテンツ構造をパターン分類し、構造を識別することで、リンクやバナー、ポップアップなどコンテンツ配置、内容を変更したり、サイト閲覧者のプロファイルに応じて出し分けをしたりするようにしてもよい（アクセス元地域、ブラウザ環境、流入元（検索サイトやブックマークからのアクセス等））。また、例えば、レコメンド提示部１２ｃは、サイト閲覧者に対して閲覧者特性に応じた情報を表示し、誘導するようにしてもよいし、コンテンツ内のキーワードを解析し、関連するキーワードの追加により検索サイトからの複数パターンでテストを行い効果測定しコンテンツを変えるようにしてもよい。

図１の説明に戻って、分析結果出力部１２ｄは、分析部１２ｂによって分析された分析結果から、ウェブサイトへのアクセスの傾向とソーシャルメディア上での関連情報の傾向とを同一時系列に並べた画面を生成し、該画面を出力する。例えば、分析結果出力部１２ｄは、ユーザが直感的にサイトアクセス状況を把握できるようにグラフやランキング形式で可視化する。分析結果出力部１２ｄは、ウェブサイトへのアクセスの傾向とソーシャルメディア上でのアクセスの傾向との比較のために、時間軸および規模のスケーリングをあわせ、同一画面において同一時系列で比較が行えるようにする。

ここで、図９を用いて、分析結果の画面例について説明する。図９は、第１の実施形態に係るサイト改善装置において出力される分析結果の画面例を示す図である。図９に例示するように、分析結果出力部１２ｄは、自身のサイトに関する情報提示と同一画面で、ニュースや検索トレンドなどの外部から取り込んだソーシャルデータを引用し、同一時系列で提示する。例えば、分析結果出力部１２ｄは、画面上部の「アクセス数の推移」と、画面下部の「検索数の推移」とが両者とも「０８／２４」～「０９／２１」期間のデータであり、１日単位でのアクセス数（検索数）の推移を表示している。

また、図９の例では、ウェブサイトのアクセス傾向を分析する「傾向分析」として、ウェブサイトを訪れたアクセス数とそのユニークユーザ数を表示する「アクセス数の推移」、どこからユーザのウェブサイトにアクセスされたかを割合(直接アクセス、検索エンジン、他サイト)で表示する「アクセス元ページ」、ユーザの設定した分析ワードの検索数の推移を表示する「検索数の推移」、ユーザが設定した分析ワードを検索した人がそれ以外の検索で使用したワードを抽出し表示する「関連検索ワード」、および、ユーザが設定した分析ワードが含まれるニュースを抽出し表示する「関連ニュース」を表示する。

また、図９の画面例では、「傾向分析」について表示しているが、ユーザがウェブサイト内のページへのアクセス傾向を分析する「ページ分析」、または、ウェブサイトにアクセスする訪問者の傾向を分析する「訪問者分析」について表示する画面に切り替えることが可能である。図１０に例示するように、分析結果出力部１２ｄは、「ページ分析」の画面では、「ページアクセス数」、「アクセス上位ページ」および「ページ毎の遷移状況」について表示する。また、分析結果出力部１２ｄは、「訪問者分析」の画面では、「利用デバイス」、「利用ブラウザ」、「アクセス元地域」、「訪問者ＩＰランキング」および「訪問者Ｗｈｏｉｓ」について表示する。図１０は、第１の実施形態に係るサイト改善装置において可視化される分析結果の一例を示す図である。

また、分析結果出力部１２ｄは、ウェブ分析結果についての画面だけでなく、メール分析結果についての画面を表示するようにしてもよい。図１０に例示するように、分析結果出力部１２ｄは、メール分析結果の画面として、メールに分析ワードが含まれる傾向を分析する「傾向分析」、分析ワードが含まれているメールの概要である「関連メール」、メールの送受信者の関係図を示す「関係者マップ」について、表示するようにしてもよい。

ここで、図１１を用いて、ウェブ分析の一連の処理の流れを説明する。図１１は、第１の実施形態に係るサイト改善装置におけるウェブ分析の一連の処理の流れを説明する図である。図１１に示すように、サイト改善装置１０は、アクセス解析に必要となる解析タグ（トラッキングタグ）をウェブサイト内のコンテンツに挿入し（図１１の（１）参照）アクセスログを収集してアクセスログ記憶部１３ａに格納する（図１１の（２）参照）。続いて、サイト改善装置１０は、アクセス解析データと比較するための検索傾向やニュースなどのソーシャルデータを収集し、アクセスログ記憶部１３ａに格納する（図１１の（３）参照）。

そして、サイト改善装置１０は、アクセスログ記憶部１３ａに記憶されたデータを集計し、分析で扱える形式に整形し、集計データ記憶部１３ｂに格納する（図１１の（４）参照）。続いて、サイト改善装置１０は、集計データ記憶部１３ｂに記憶されたデータを用いて、アクセスパターン（変化率、異常値、差異）の抽出や時系列比較を行って分析結果を分析データ記憶部１３ｃに格納し、抽出したパターンをもとにレコメンド文を生成し、レコメンド文を分析データ記憶部１３ｃに格納する（図１１の（５）参照）。その後、サイト改善装置１０は、分析データ記憶部１３ｃに記憶された分析結果やレコメンド情報を取得し、ＧＵＩ（Graphical User Interface）に表示する（図１１の（６）参照）。

このように、図１２に示すように、サイト改善装置１０では、分析タグを自動で埋め込んで、アクセスログを集計するとともに、外部データ（ソーシャルデータ）を取得して外部データを集計する。そして、サイト改善装置１０は、集計したデータを分析し、自身のサイトに関する情報提示と同一画面で、ニュースや検索トレンドなどの外部から取り込んだソーシャルデータを引用し、ユーザが直感的にサイトアクセス状況を把握できるようにグラフやランキング形式で可視化する。図１２は、第１の実施形態に係るサイト改善装置におけるウェブ分析により可視化される分析結果の例を説明する図である。

また、サイト改善装置１０は、レコメンド情報を提示する。図１２の例では、「求人」情報の掲載でサイトへの入流の増加が予測される旨のレコメンド情報が提示されているので、ユーザが、レコメンド情報を基に「求人情報ページ」に関するコンテンツの充実を図ることで、ウェブサイトへのアクセスを増加させることができる。

次に、図１３を用いて、メール分析の一連の処理の流れを説明する。図１３は、第１の実施形態に係るサイト改善装置におけるメール分析の一連の処理の流れを説明する図である。図１３に示すように、サイト改善装置１０は、メールを分析する際のキーワードの設定入力を事前に受け付ける（図１３の（１）参照）。そして、サイト改善装置１０は、ユーザがやり取りするメールのヘッダや本文を取得し、メールのメタ情報や出現キーワードをアクセスログ記憶部１３ａに格納するとともに（図１３の（２）参照）、メールログを取得してアクセスログ記憶部１３ａに格納する（図１３の（３）参照）。

続いて、サイト改善装置１０は、アクセスログ記憶部１３ａに記憶されたデータを集計し、可視化や解析が可能な形式に変換する整形し、集計データ記憶部１３ｂに格納する（図１３の（４）参照）。続いて、サイト改善装置１０は、集計データ記憶部１３ｂに記憶されたデータを用いて、キーワードの出現パターン（変化率、異常値、差異）の抽出やキーワード分析（共起語抽出、分類）を行い、分析データ記憶部１３ｃに格納する（図１３の（５）参照）。その後、サイト改善装置１０は、分析データ記憶部１３ｃに記憶された分析結果を取得し、ＧＵＩに表示する。

例えば、サイト改善装置１０では、図１４に例示するように、メール文から自然言語処理によるキーワード抽出や統計処理による宛先集計を行う。また、サイト改善装置１０は、分析結果を学習して分析の精度を高める。また、サイト改善装置１０は、分析結果の可視化やアラート通知を行う。図１４の例では、サイト改善装置１０は、キーワードがどれだけメールに含まれていたか出現数の推移を示す「キーワード出現推移」、関連ワードの出現数の分布を「ヒートマップ」、および、キーワードを含むメールの送受信者(メールアドレス)の関係図である「送受信者相関図」を表示する。

なお、図６の例では、サイト改善装置１０内の分析ＡＩエンジンのみで分析する場合を説明したが、図１５に例示するように、サイト改善装置１０内の内部処理エンジンおよびクラウド等のサーバで提供される外部処理エンジンを連携するようにしてもよい。図１５は、第１の実施形態に係るサイト改善装置における分析エンジンの連携について説明する図である。例えば、小規模なデータや秘匿なデータはコンテナ内で収集・集計処理するが、扱うデータの種類やデータ量に応じて、外部処理エンジンへオフロードしデータを収集・集計処理するようにしてもよい。

具体的には、内部処理エンジンのコンテナへアプリを追加し（図１５の（１）参照）、小規模なデータや秘匿なデータをコンテナ内で蓄積する（図１５の（２）参照）。また、外部処理エンジンにもアプリケーションを追加し（図１５の（３）参照）、処理量が多い場合には、外部処理エンジンでのデータ蓄積を行う（図１５の（４）参照）。また、コンテナは、外部データや機械学習を、ＡＰＩを通じて参照したり（図１５のＩ参照）、分析結果を参照したりすることで（図１５のＩＩ参照）、内部処理エンジンと外部処理エンジンを連携させる。このように、処理量が多い場合は外部処理エンジンへ処理をオフロードすることや、メールデータ等の秘匿性の高いデータを用いた分析については内部エンジンを利用することで分析エンジンの使い分けが可能である。

［サイト改善装置の処理手順］
次に、図１６を用いて、第１の実施形態に係るサイト改善装置１０による処理手順の例を説明する。図１６は、第１の実施形態に係るサイト改善装置における全体の処理の流れの一例を示すフローチャートである。

図１６に示すように、サイト改善装置１０の収集部１２ａは、ウェブサイト内のコンテンツから、ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、トラッキングタグの埋め込み可能なコンテンツに対してトラッキングタグを挿入し（ステップＳ１０１）、アクセスログを収集する（ステップＳ１０２）。また、収集部１２ａは、ソーシャルデータを収集する（ステップＳ１０３）。

続いて、分析部１２ｂは、収集部１２ａによってウェブサイトへのアクセスに関する情報とソーシャルデータとを集計する（ステップＳ１０４）。そして、分析部１２ｂは、集計したデータからウェブサイトへのアクセスの傾向とソーシャルメディア上でのアクセスの傾向とを分析し、分析結果に応じたレコメンド情報を生成する（ステップＳ１０５）。なお、レコメンド提示部１２ｃは、分析部１２ｂによって生成されたレコメンド情報を提示する。

また、分析結果出力部１２ｄは、分析部１２ｂによって分析された分析結果から、ウェブサイトへのアクセスの傾向とソーシャルメディア上でのアクセスの傾向とを時系列に並べた画面を生成し、該分析結果の画面として出力する（ステップＳ１０６）。

［第１の実施形態の効果］
第１の実施形態に係るサイト改善装置１０は、サイト改善装置１０は、ウェブサイト内のコンテンツから、ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、トラッキングタグの埋め込み可能なコンテンツに対してトラッキングタグを挿入し、ウェブサイトへのアクセスに関する情報を収集する。そして、サイト改善装置１０は、収集されたウェブサイトへのアクセスに関する情報を集計し、集計したデータからウェブサイトへのアクセスの傾向を分析し、分析された結果に応じて、ウェブサイトの改善に必要なアクションをレコメンド情報として提示する。このため、簡易かつ精度よくウェブサイトを改善することが可能である。

また、サイト改善装置１０は、ウェブサイト内のコンテンツから、ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、トラッキングタグの埋め込み可能なコンテンツに対してトラッキングタグを挿入し、ウェブサイトへのアクセスに関する情報を集計するとともに、ソーシャルデータを外部から収集する。そして、サイト改善装置１０は、収集されたウェブサイトへのアクセスに関する情報とソーシャルデータとを集計し、集計したデータからウェブサイトへのアクセスの傾向とソーシャルメディア上でのアクセスの傾向とを分析し、分析された分析結果から、ウェブサイトへのアクセスの傾向とソーシャルメディア上でのアクセスの傾向とを時系列に並べた画面を生成し、該画面を出力する。これにより、例えば、従来では、サイトアクセス増減の原因の調査に関して、ユーザ自身が情報収集と理由付けする必要があったが、自動で外部データを取り込み、一緒に表示することで、ユーザによるウェブサイトに対するアクセス分析を容易にすることが可能である。

つまり、サイト改善装置１０では、サイト管理者に前提知識が無くても容易にアクセス解析の機能を利用でき、作業の自動化が可能である。また、サイト改善装置１０では、自サイトへのアクセスログのみならずソーシャルデータを始めとした世の中の動向や、メールなどの情報をマルチチャネルでの分析が可能となる。さらに、サイト改善装置１０では、分析ロジックによって、サイトの改善、効果測定が自動で行える。また、サイト改善装置１０では、ユーザにマーケティング知識がなくても収集した情報同士を紐付けた分析が可能となる。

［システム構成等］
また、図示した各装置の各構成要素は機能概念的なものであり、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、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、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または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、本実施の形態において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

［プログラム］
また、上記実施形態において説明したサイト改善装置が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。例えば、実施形態に係るサイト改善装置１０が実行する処理をコンピュータが実行可能な言語で記述したサイト改善プログラムを作成することもできる。この場合、コンピュータがサイト改善プログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、かかるサイト改善プログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたサイト改善プログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。

図１７は、サイト改善プログラムを実行するコンピュータを示す図である。図１７に例示するように、コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有し、これらの各部はバス１０８０によって接続される。

メモリ１０１０は、図１７に例示するように、ＲＯＭ（Read Only Memory）１０１１及びＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、図１７に例示するように、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、図１７に例示するように、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、図１７に例示するように、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、図１７に例示するように、例えばディスプレイ１１３０に接続される。

ここで、図１７に例示するように、ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、上記の、サイト改善プログラムは、コンピュータ１０００によって実行される指令が記述されたプログラムモジュールとして、例えばハードディスクドライブ１０９０に記憶される。

また、上記実施形態で説明した各種データは、プログラムデータとして、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出し、各種処理手順を実行する。

なお、サイト改善プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限られず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、サイト改善プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ネットワーク（ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等）を介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

上記の実施形態やその変形は、本願が開示する技術に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１０ サイト改善装置
１１ 通信処理部
１２ 制御部
１２ａ 収集部
１２ｂ 分析部
１２ｃ レコメンド提示部
１２ｄ 分析結果出力部
１３ 記憶部
１３ａ アクセスログ記憶部
１３ｂ 集計データ記憶部
１３ｃ 分析データ記憶部

Claims (5)

1. ウェブサイト内のコンテンツから、前記ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、前記トラッキングタグの埋め込み可能なコンテンツに対して前記トラッキングタグを挿入し、前記ウェブサイトへのアクセスに関する情報を収集するとともに、ソーシャルデータを外部から収集する収集手段と、
   前記収集手段によって収集された前記ウェブサイトへのアクセスに関する情報と前記ソーシャルデータとを集計し、集計したデータから前記ウェブサイトへのアクセスの傾向とソーシャルメディア上でのアクセスの傾向を分析する分析手段と、
   前記分析手段によって分析された結果に応じて、前記ウェブサイトの改善に必要なアクションをレコメンド情報として提示する提示手段と、
   前記分析手段によって分析された分析結果から、前記ウェブサイトへのアクセスの傾向として、前記ウェブサイトへのアクセス回数の推移およびアクセスしたユニークユーザ数の推移とともに、前記ソーシャルメディア上でのアクセスの傾向として、前記ウェブサイトに関連するワードであって、前記ソーシャルメディア上でのアクセスに用いられた検索ワードごとの検索回数の推移を同一時系列に並べた画面を生成し、該画面を出力する出力手段と
   を有することを特徴とするサイト改善装置。
2. 前記分析手段は、機械学習の結果生成された学習済モデルを用いて、前記ウェブサイトへのアクセスの傾向を分析することを特徴とする請求項１に記載のサイト改善装置。
3. 前記分析手段は、前記収集手段によって収集されたデータを入力として、所定のパターンを抽出する学習済モデルを用いて、前記所定のパターンを抽出し、該所定のパターンを基に前記レコメンド情報を生成し、
   前記提示手段は、前記分析手段によって生成されたレコメンド情報を提示することを特徴とする請求項１に記載のサイト改善装置。
4. サイト改善装置によって実行されるサイト改善方法であって、
   ウェブサイト内のコンテンツから、前記ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、前記トラッキングタグの埋め込み可能なコンテンツに対して前記トラッキングタグを挿入し、前記ウェブサイトへのアクセスに関する情報を収集するとともに、ソーシャルデータを外部から収集する収集工程と、
   前記収集工程によって収集された前記ウェブサイトへのアクセスに関する情報と前記ソーシャルデータとを集計し、集計したデータから前記ウェブサイトへのアクセスの傾向とソーシャルメディア上でのアクセスの傾向を分析する分析工程と、
   前記分析工程によって分析された結果に応じて、前記ウェブサイトの改善に必要なアクションをレコメンド情報として提示する提示工程と、
   前記分析工程によって分析された分析結果から、前記ウェブサイトへのアクセスの傾向として、前記ウェブサイトへのアクセス回数の推移およびアクセスしたユニークユーザ数の推移とともに、前記ソーシャルメディア上でのアクセスの傾向として、前記ウェブサイトに関連するワードであって、前記ソーシャルメディア上でのアクセスに用いられた検索ワードごとの検索回数の推移を同一時系列に並べた画面を生成し、該画面を出力する出力工程と
   を含んだことを特徴とするサイト改善方法。
5. ウェブサイト内のコンテンツから、前記ウェブサイトへのアクセスに関する情報を収集するトラッキングタグの埋め込み可能なコンテンツを検索し、前記トラッキングタグの埋め込み可能なコンテンツに対して前記トラッキングタグを挿入し、前記ウェブサイトへのアクセスに関する情報を収集するとともに、ソーシャルデータを外部から収集する収集ステップと、
   前記収集ステップによって収集された前記ウェブサイトへのアクセスに関する情報と前記ソーシャルデータとを集計し、集計したデータから前記ウェブサイトへのアクセスの傾向とソーシャルメディア上でのアクセスの傾向を分析する分析ステップと、
   前記分析ステップによって分析された結果に応じて、前記ウェブサイトの改善に必要なアクションをレコメンド情報として提示する提示ステップと、
   前記分析ステップによって分析された分析結果から、前記ウェブサイトへのアクセスの傾向として、前記ウェブサイトへのアクセス回数の推移およびアクセスしたユニークユーザ数の推移とともに、前記ソーシャルメディア上でのアクセスの傾向として、前記ウェブサイトに関連するワードであって、前記ソーシャルメディア上でのアクセスに用いられた検索ワードごとの検索回数の推移を同一時系列に並べた画面を生成し、該画面を出力する出力ステップと
   をコンピュータに実行させることを特徴とするサイト改善プログラム。

Images