JP7153613B2

JP7153613B2 - 顧客管理システム、及び顧客管理方法

Info

Publication number: JP7153613B2
Application number: JP2019124636A
Authority: JP
Inventors: 加奈子谷
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2019-07-03
Filing date: 2019-07-03
Publication date: 2022-10-14
Anticipated expiration: 2039-07-03
Also published as: JP2021012420A

Description

本発明は、顧客管理システム、及び顧客管理方法に関する。

各企業では、企業活動をより有利に展開するために顧客のプロファイリングを行い、いわゆる優良顧客とそうでない顧客を判別することが行われている。

このような顧客のプロファイルを効率良く管理するため、特許文献１には、プロファイル情報の情報検索方法として、候補データ検索ステップが、１又は複数の属性値を指定した入力に基づいて、異なる属性毎に固有の属性値を持つプロファイルデータ群の中から類似する複数の候補データを検索し、重要度算出ステップが、検索された候補データと非候補データに基づいて、属性に関する重要度を算出し、スコア算出ステップが、算出された重要度に基づいて、各候補データのスコアを算出し、検索結果出力ステップが、算出されたスコアに基づいて各候補データをランキングし、ランキングされた上位の候補データを検索結果として出力することが記載されている。

特開２００３－１８６９０７号公報

ところで、優良顧客が「優良」である原因は、必ずしも明らかではないことが多い。特に、金融分野では、顧客は金融機関の専門的なアドバイス等に応じて様々な活動（投資行動）を行う。また、その活動の内容も、顧客の年代や性別といった様々な属性に依存する。その結果、顧客を優良としている原因は極めて複雑であると思われる。そこで、その原因を特定することができれば、現時点では優良顧客ではない顧客を優良顧客へと導くことが可能と思われる。

本発明はこのような事情に鑑みてなされたものであり、その目的は、優良顧客でない顧客を優良顧客に導くことが可能な、顧客管理システム、及び顧客管理方法を提供することにある。

上記課題を解決するための、本発明の一つは、金融機関における複数の顧客の属性又は当該顧客が行った投資行動を示す情報と当該顧客が優良顧客か否かを示す情報との間の関係を機械学習することにより、前記顧客の属性又は投資行動を入力値とし、当該顧客の優良性の高さを示すパラメータである優良スコアを出力値とする学習済みモデルを生成する処理と、前記複数の顧客における前記優良顧客以外の所定の顧客の前記属性又は前記投資行動を前記学習済みモデルに入力することにより、前記所定の顧客の優良スコアを算出する処理と、前記算出した優良スコアが所定の閾値以上である場合に、前記所定の顧客を準優良顧客として特定する処理と、前記優良顧客及び前記準優良顧客の間で、その内容に差異のある前記属性及び前記投資行動を示す情報を出力する処理とを実行する演算装置を備えるとする。

また、本発明の他の一つは、情報処理装置が、金融機関における複数の顧客の属性又は当該顧客が行った投資行動を示す情報と当該顧客が優良顧客か否かを示す情報との間の関
係を機械学習することにより、前記顧客の属性又は投資行動を入力値とし、当該顧客の優良性の高さを示すパラメータである優良スコアを出力値とする学習済みモデルを生成する処理と、前記複数の顧客における前記優良顧客以外の所定の顧客の前記属性又は前記投資行動を前記学習済みモデルに入力することにより、前記所定の顧客の優良スコアを算出する処理と、前記算出した優良スコアが所定の閾値以上である場合に、前記所定の顧客を準優良顧客として特定する処理と、前記優良顧客及び前記準優良顧客の間で、その内容に差異のある前記属性及び前記投資行動を示す情報を出力する処理とを実行する。

本発明によれば、優良顧客でない顧客を優良顧客に導くことができる。

上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本実施形態に係る顧客管理システムの構成の一例を示す図である。顧客管理ＤＢの一例を示す図である。顧客情報管理装置が備える機能の一例を示す図である。各情報処理装置が備えるハードウェアの一例を説明する図である。顧客分析処理の一例を示すフロー図である。説明変数の一例を示す図である。モデル顧客の選択方法の一例を示す図である。非優良顧客に係る類似性の特定方法の一例を示す図である。準優良顧客の特定方法の一例を示す図である。準優良顧客の説明変数と優良顧客の説明変数との差異の一例を示す図である。推奨行動画面の一例を示す図である。

［システム構成］
図１は、本実施形態に係る顧客管理システムの構成の一例を示す図である。顧客管理システム１は、例えば、所定の金融機関（証券会社、銀行等）の事業所又は所定のデータセンタ等に設けられる。

顧客管理システム１は、金融機関の顧客に関する情報を記憶した顧客管理ＤＢ２００を備える顧客情報管理装置２０と、顧客管理ＤＢ２００に基づき所定の学習済みモデル１００を生成し各顧客を分析する顧客分析装置１０と、金融機関が運営するＷＥＢサイト（顧客が金融取引を行うＷＥＢサイト）を記憶している金融機関サーバ３０とを含んで構成されている。

顧客分析装置１０、顧客情報管理装置２０、及び金融機関サーバ３０の間は、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、インターネット、専用線等の有
線又は無線の通信ネットワーク５によって通信可能に接続されている。

顧客管理ＤＢ２００は、金融機関における複数の顧客の属性及び投資行動（金融機関の商品又はサービスを利用する顧客の行動）を示す情報（顧客要素情報）、及び顧客が優良顧客か否かを示す情報（優良顧客情報）を記憶している。

顧客分析装置１０は、顧客管理ＤＢ２００に基づき、顧客の属性及び投資活動の特徴とその顧客の優良性との間の関係を学習した学習済みモデル１００を生成する。そして、顧客分析装置１０は、生成した学習済みモデル１００を用いて、優良顧客ではないが優良顧
客になる可能性が高い顧客（以下、準優良顧客という）を特定し、その準優良顧客を優良顧客にするための情報を表示する。

［機能］
次に、顧客管理システム１における顧客情報管理装置２０及び顧客分析装置１０の機能について説明する。

＜顧客情報管理装置＞
まず、顧客情報管理装置２０は、顧客管理ＤＢ２００を記憶している。

（顧客管理ＤＢ）
図２は、顧客管理ＤＢ２００の一例を示す図である。顧客管理ＤＢ２００は、顧客の識別子である顧客ＩＤ２０１、顧客が例えば直近の一年間で金融機関に支払った手数料の合計である年間手数料２０３、顧客が例えば直近の一年間で金融機関と取引した金額である取引金額２０５、顧客が優良顧客であるか否かを示す項目である優良顧客２０７、顧客の属性に関する項目である顧客属性２２３、及び、顧客の投資行動に関する項目である顧客行動２２５、の各項目を有する、１以上のレコードからなるデータベースである。

優良顧客２０７には、例えば、取引金額２０５に係る取引金額が例えば直近の一年間で所定金額（例えば、５００万円以上）である場合、又は、年間手数料２０３に係る手数料が例えば直近の一年間で所定金額（例えば、５０００円）以上であるといった場合に、優良顧客である旨の情報が設定される。なお、本実施形態では、優良顧客２０７には、顧客が優良顧客である場合には１、顧客が優良顧客で無い場合には０が設定されるものとする。

顧客属性項目２２３は、顧客の年齢２０９、及び、顧客の投資スタイル（ローリスク又はハイリスクの投資を好むかといった嗜好）を示す投資スタイル２１１の各項目を有する。

顧客行動項目２２５は、顧客の投資年数２１３、顧客が金融機関サーバ３０によるＷＥＢ取引を行ったか否かを示すＷＥＢ取引２１５、顧客が金融機関のセミナに参加した回数であるセミナ参加回数２１７、顧客が信用口座を開設しているか否かを示す情報である信用口座２１９、及び、顧客が金融機関サーバ３０にアクセスした回数であるＷＥＢアクセス２２１の各項目を有する。

なお、ＷＥＢ取引２１５及びＷＥＢアクセス２２１は、例えば、顧客情報管理装置２０が金融機関サーバ３０から所定のアクセス情報を受信し、各顧客によるＷＥＢ取引の有無及びその回数を特定することで設定される。また、顧客分析装置１０が金融機関サーバ３０から所定のアクセス情報を受信することで、顧客分析装置１０がＷＥＢ取引２１５及びＷＥＢアクセス２２１に値を設定してもよい。

なお、顧客管理ＤＢ２００は、金融機関の所定の管理者等によって随時更新される。

＜顧客分析装置＞
次に、顧客分析装置１０の機能について説明する。

図３は、顧客分析装置１０が備える機能の一例を示す図である。顧客分析装置１０は、学習済みモデル生成部１１１、優良スコア算出部１１３、準優良顧客特定部１１５、情報出力部１１７、及び学習済みモデル更新部１１９を備える。

学習済みモデル生成部１１１は、金融機関における複数の顧客の属性又は当該顧客が行った投資行動を示す情報（顧客要素情報）と当該顧客が優良顧客か否かを示す情報（優良顧客情報）との間の関係を機械学習することにより、顧客の属性又は投資行動を入力値とし、顧客の優良性の高さを示すパラメータである優良スコアを出力値とする学習済みモデル１００を生成する。

なお、この属性又は投資行動は複数の項目を有している。また、本実施形態では、優良スコアは、顧客の属性及び投資行動を説明変数（特徴量）とした所定の計算式により算出されるものとする。

なお、学習済みモデル生成部１１１は、学習済みモデル１００を生成する際、顧客が優良顧客か否かを示す情報（優良顧客情報）として、顧客による、金融機関に対応づけられた取引に関する金額（手数料等）が所定値以上であるか否かを示す情報を用いて、学習済みモデル１００を生成する。

優良スコア算出部１１３は、金融機関における複数の顧客における優良顧客以外の所定の顧客（以下、非優良顧客という）の属性又は投資行動を学習済みモデル１００に入力することにより、非優良顧客の優良スコアを算出する。

準優良顧客特定部１１５は、優良スコア算出部１１３が算出した優良スコアが所定の閾値以上である場合に、その非優良顧客を準優良顧客として特定する。

なお、準優良顧客特定部１１５は、準優良顧客を特定する際には、所定の条件を満たす優良顧客（以下、モデル顧客という）及び非優良顧客が共通して有する属性又は投資行動の各項目の内容を比較し、内容が一致している項目の割合が所定割合以上である場合にのみ、その非優良顧客を準優良顧客として特定する。

なお、準優良顧客特定部１１５は、準優良顧客を特定する際には、モデル顧客として、属性又は投資行動のうち所定の属性又は投資行動が所定の条件を満たしている優良顧客を特定する。

情報出力部１１７は、優良顧客及び準優良顧客の間で、その内容に差異のある属性又は投資行動を示す情報を出力する。具体的には、情報出力部１１７は、内容に差異のある投資行動において優良顧客が行った行動を準優良顧客に促す旨の情報を出力する。

学習済みモデル更新部１１９は、情報出力部１１７が情報を出力した後、内容に差異のある投資行動において準優良顧客が情報の出力後に行った行動を新たな投資行動（以下、新規投資行動という）として追加した、新たな学習済みモデル１００を生成する。

ここで、図４は、顧客分析装置１０、顧客情報管理装置２０、及び金融機関サーバ３０の各情報処理装置が備えるハードウェアの一例を説明する図である。各情報処理装置は、ＣＰＵ（Central Processing Unit）などの演算装置１１と、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等のメモリ１２と、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等の記憶装置１３と、通信装置１４と、キーボード、マウス
、又はタッチパネル等の入力装置１５と、ディスプレイ及びタッチパネル等の出力装置１６とを備える。

上記で説明した各情報処理装置の各機能部は、各情報処理装置のハードウェアによって、もしくは、各情報処理装置の演算装置１１が、メモリ１２や記憶装置１３に記憶されている各プログラムを読み出して実行することにより実現される。また、これらのプログラ
ムは、例えば、二次記憶デバイスや不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤなどの記憶デバイス、又は、ＩＣカード、ＳＤカード、ＤＶＤなどの、各情報処理装置で読み取り可能な非一時的データ記憶媒体に格納される。

［顧客分析処理］
次に、顧客管理システム１において行われる処理について説明する。顧客分析装置１０は、学習済みモデル１００を用いて各顧客の属性及び投資行動を分析し、準優良顧客を優良顧客に導くための情報を出力する顧客分析処理を行う。顧客分析処理は、例えば、金融機関の所定の管理者等が顧客管理ＤＢ２００を生成した後に実行される。

図５は、顧客分析処理の一例を示すフロー図である。まず、顧客分析装置１０は、顧客情報管理装置２０から、顧客管理ＤＢ２００の内容を受信する（ｓ１）。

そして、顧客分析装置１０は、顧客管理ＤＢ２００に基づき、顧客の属性又は投資行動とその顧客の優良性との間の関係を示す学習済みモデル１００を生成する（ｓ３）。

具体的には、例えば、顧客分析装置１０は、顧客管理ＤＢ２００の各レコードについて、各レコードの優良顧客２０７の値と、その他の項目（顧客属性２２３及び顧客行動２２５）の値との関係を機械学習し、顧客の優良性を表す優良スコアと、顧客の属性又は投資行動との関係を示す以下の数式（１）を導出する。

優良スコア（目的変数）＝［説明変数１］×３０＋［説明変数２］×１０＋［説明変数３］×３０＋［説明変数４］×４０＋［説明変数５］×１０＋［説明変数６］×１０＋［説明変数７］×２０－［説明変数８］×２０－［説明変数９］×１０＋［説明変数１０］×３０＋［説明変数１１］×１０・・・（１）
数式（１）において、各説明変数は、顧客管理ＤＢ２００の各項目から機械学習により抽出される特徴量である。また、数式（１）における各説明変数に係る重み付けの値も、機械学習により適宜の値に算出される。なお、この学習済みモデル１００の生成により、全顧客の優良スコアが算出される。

図６は、説明変数の一例を示す図である。説明変数としては、例えば、顧客の年代（６０－８０代、２０代等）、顧客の投資年数（５年以上１０年未満等）、顧客の投資スタイル（ハイリスク又はローリスクの投資を好む）、顧客のＷＥＢ取引の経験の有無、顧客のセミナへのセミナ参加回数（例えば、２－６回）、顧客の信用口座の開設有無、顧客のＷＥＢサイトへのアクセス回数（例えば、３－１０回、１－２回）がある。

次に、図５のｓ５に示すように、顧客分析装置１０は、優良顧客の中から、典型的又は特徴的な属性又は投資行動を有する顧客（モデル顧客）を選択する。

具体的には、例えば、顧客分析装置１０は、顧客管理ＤＢ２００を参照し、顧客属性項目２２３又は顧客行動項目２２５のうち所定の項目が所定の条件を満たしている優良顧客を選択する。例えば、顧客分析装置１０は、投資スタイル２１１が「ローリスクの投資を好む者」であり、顧客の年齢２０９が「所定年齢未満」であり、投資年数２１３が「所定年数以上」であり、信用口座２１９が「開設済み」である優良顧客を全て、モデル顧客として選択する。なお、顧客分析装置１０は、ユーザから、１又は複数のモデル顧客の入力を受け付けてもよい。

なお、図７は、モデル顧客の選択方法の一例を示す図である。同図に示すように、ローリスクな投資スタイルの若者である「優良顧客２」をモデル顧客として選択してもよい（符号７１、７３）。また、投資経験が豊富で信用口座を開設している「優良顧客３」をモ
デル顧客として選択してもよい（符号７５、７７）。

次に、図５のｓ７に示すように、顧客分析装置１０は、モデル顧客と属性又は投資行動が類似する非優良顧客を抽出する。

具体的には、例えば、顧客分析装置１０は、非優良顧客を全て選択する。そして、顧客分析装置１０は、モデル顧客及び選択した各非優良顧客が共通して有する説明変数（項目）を全て特定してそれらの値を比較し、値が一致している項目の割合が所定割合以上（例えば、全説明変数の項目数の７０％以上）である場合に、その選択した各非優良顧客を、モデル顧客と属性又は投資行動が類似する非優良顧客として特定する。

図８は、非優良顧客に係る類似性の特定方法の一例を示す図である。同図に示すように、説明変数が全体で１１個ある場合において、「非優良顧客３」は、「説明変数１、２、３、４、５、６、７、９、１０、１１」の合計１０個の説明変数の値が、モデル顧客たる「優良顧客１」の対応する説明変数の値と一致するため（符号８１）、説明変数の値が一致している項目の割合は９１％である。したがって、「非優良顧客３」は、モデル顧客と属性又は投資行動が類似する非優良顧客である（符号８３）。

他方、「非優良顧客２」は、「説明変数１、２、４、５、８、１１」の合計６個の説明変数の値が、モデル顧客たる「優良顧客１」の対応する説明変数の値と一致するため（符号８５）、説明変数の値が一致している項目の割合は５５％である。したがって、「非優良顧客２」は、モデル顧客と属性又は投資行動が類似しない非優良顧客である（符号８７）。

次に、図５のｓ９に示すように、顧客分析装置１０は、ｓ７で特定した非優良顧客のうち、優良スコアが所定の閾値（例えば、７０）以上である顧客を、準優良顧客として特定する。

図９は、準優良顧客の特定方法の一例を示す図である。同図に示すように、モデル顧客と属性又は投資行動が類似する「非優良顧客１、３、５」のうち、優良スコアが９０であった「非優良顧客１、３」が準優良顧客として特定される（符号９１）。

次に、図５のｓ１１に示すように、顧客分析装置１０は、ｓ９で特定した各準優良顧客について、モデル顧客の各説明変数のうち、準優良顧客の説明変数の値と異なる値を有する説明変数を全て特定する。

図１０は、準優良顧客の説明変数と優良顧客の説明変数との比較の一例を示す図である。同図に示すように、「優良顧客１」（モデル顧客）と「非優良顧客３」とでは、「説明変数８」（信用口座の開設の有無）が異なっている（符号９３）。また、「優良顧客１」と「非優良顧客１」とでは、「説明変数６」（ＷＥＢ取引の有無）及び「説明変数９」（ＷＥＢアクセスが３－１０回）が異なっている（符号９５）。

次に、図５のｓ１３に示すように、顧客分析装置１０は、ｓ９で特定した各説明変数のそれぞれについて、準優良顧客の説明変数の値を優良顧客の説明変数の値にするように促すための情報（所定の投資行動を促すための情報。以下、推奨行動情報という。）を生成する。そして、顧客分析装置１０は、生成した推奨行動情報を所定の画面に表示する。

（推奨行動画面）
図１１は、顧客分析装置１０が表示する、推奨行動情報を示した画面（推奨行動画面）の一例を示す図である。推奨行動画面３００には、準優良顧客と認定された「非優良顧客
３」に対する推奨行動情報を表示した第１欄３０１、及び、準優良顧客と認定された「非優良顧客１」に対する推奨行動情報を表示した第２欄３０３が表示される。

例えば、「非優良顧客３」は信用口座を開設しているが、モデル顧客である「優良顧客１」は信用口座を開設していない。したがって、第１欄３０１には、「非優良顧客３は、信用口座を解約する、又はそれに準じる信用取引の停止又は削減を行うべき」旨の情報が表示される。

また、「非優良顧客１」はＷＥＢ取引を行っていないが、モデル顧客である「優良顧客１」はＷＥＢ取引を行っている。したがって、第２欄３０３には、「非優良顧客１は、ＷＥＢ取引を開始し、金融機関のＷＥＢサイトに３－１０回のアクセスを行うべき」旨の情報が表示される。

その後、金融機関の担当者等は、ｓ１３で出力された情報に従って、準優良顧客に投資行動を促す業務を行う。その準優良顧客は、その後、所定の投資行動（促された投資行動と同一とは限らない。以下、新規投資行動という。）を行う。

所定期間後、顧客分析装置１０は、新規投資行動の効果があったか否かを判定する（ｓ１５）。具体的には、例えば、顧客分析装置１０は、その準優良顧客による手数料収入又は取引金額（顧客管理ＤＢ２００における年間手数料２０３又は取引金額２０５の値）が上昇しているか否かを判定する。

新規投資行動の効果があった場合は（ｓ１５：ＹＥＳ）、顧客分析処理は終了する。他方、新規投資行動の効果がなかった場合は（Ｓ１５：ＮＯ）、顧客分析装置１０は、以下の処理を行う。

すなわち、顧客分析装置１０は、準優良顧客の新規投資行動を顧客管理ＤＢ２００に記憶する（顧客管理ＤＢ２００を更新する）（ｓ１７）。

具体的には、例えば、顧客情報管理装置２０は、準優良顧客が行った投資行動の情報の入力をユーザから受け付け、受け付けた情報を、顧客行動項目２２５の新たな項目として顧客管理ＤＢ２００に追加する。なお、顧客情報管理装置２０は、その準優良顧客以外の顧客についても、その新たな項目に対して所定の値を設定する。

その後、顧客分析装置１０は、ｓ１以降の処理を繰り返す。すなわち、顧客分析装置１０は、ｓ１７で更新した顧客管理ＤＢ２００を受信し（ｓ１）、新たな学習済みモデル１００を生成する（ｓ３）。すなわち、顧客分析装置１０は、準優良顧客が行った新規投資行動を新たな説明変数として追加した、新たな学習済みモデル１００を生成する。これにより、新規投資行動の結果を反映したより精度の高い学習済みモデル１００に基づき、顧客の分析を行うことができる。

以上のように、本実施形態の顧客管理システム１は、顧客の属性又は投資行動を入力値とし、優良スコアを出力値とする学習済みモデル１００を生成し、優良顧客以外の非優良顧客の優良スコアが所定の閾値以上である場合に、その顧客を準優良顧客として特定し、優良顧客及び準優良顧客の間で、その内容に差異のある属性又は投資行動を示す情報を出力する。このように、学習済みモデル１００により、優良顧客と属性又は投資行動が近い顧客（準優良顧客）を特定した上で、内容に差異のある属性又は投資行動を提示することで、金融機関等のユーザは、準優良顧客を優良顧客に近づけるための情報を得ることができる。これにより、優良顧客でない顧客を優良顧客に導くことができる。

以上の実施形態の説明は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。本発明はその趣旨を逸脱することなく、変更、改良され得ると共に本発明にはその等価物が含まれる。

例えば、本実施形態で挙げた説明変数は一例であり、顧客のその他の属性や様々な種類の投資行動を説明変数として加えてもよい。

また、優良顧客及びモデル顧客の選択方法は、本実施形態で説明した以外の方法であってもよい。

また、本実施形態で説明した各情報処理装置が備える機能の一部又は全部は、他の情報処理装置に設けてもよい。

以上の本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、本実施形態の顧客管理システム１においては、前記属性又は前記投資行動は複数の項目を有しており、前記演算装置は、前記準優良顧客を特定する際には、所定の条件を満たす前記優良顧客及び前記所定の顧客が共通して有する前記属性又は前記投資行動の各項目の内容を比較し、前記内容が一致している項目の割合が所定割合以上である場合にのみ、前記所定の顧客を前記準優良顧客として特定する、としてもよい。

このように、優良顧客及び非優良顧客が共通して有する属性又は投資行動の内容が一致している項目の割合が所定割合以上である場合に、その非優良顧客を準優良顧客として特定するようにすることで、優良顧客に特徴的な属性を有し又は投資行動を行う非優良顧客を特定することができる。これにより、優良顧客に促せる可能性の高い非優良顧客を抽出することができる。

また、本実施形態の顧客管理システム１においては、前記演算装置は、前記情報を出力する際は、前記内容に差異のある投資行動において前記優良顧客が行った行動を前記準優良顧客に促す旨の情報を出力する、としてもよい。

このように、優良顧客が行った投資行動を準優良顧客に促す旨の情報を出力することで、金融機関等のユーザは、優良顧客でない顧客を優良顧客に導くための具体的な方策をたてることができる。

また、本実施形態の顧客管理システム１においては、前記演算装置は、前記情報を出力した後、前記内容に差異のある投資行動において前記準優良顧客が前記情報の出力後に行った行動を新たな前記投資行動として追加した、新たな前記学習済みモデルを生成する、としてもよい。

このように、準優良顧客が実際に行った投資行動に関してさらに機械学習することにより新たな学習済みモデル１００を生成することで、例えば、準優良顧客が行った投資行動によってもその準優良顧客が優良顧客に充分に至らなかった場合に、その事例を学習済みモデル１００に学習させることにより、すなわち事例のフィードバックにより、学習済みモデル１００の精度を向上させることができる。

また、本実施形態の顧客管理システム１においては、前記演算装置は、前記学習済みモデルを生成する際は、前記顧客が前記優良顧客か否かを示す情報として、前記顧客による、前記金融機関に対応づけられた取引に関する金額が所定値以上であるか否かを示す情報を用いて、前記学習済みモデルを生成する、としてもよい。

このように、優良顧客か否かの判断要素として、金融機関との関係で顧客が行った取引の金額を採用することで、金融機関の利益につながる顧客を抽出することができる。

また、本実施形態の顧客管理システム１においては、前記演算装置は、前記準優良顧客を特定する際には、前記所定の条件を満たす優良顧客として、前記属性又は投資行動のうち所定の属性又は投資行動が所定の条件を満たしている前記優良顧客を特定する、としてもよい。

このようにすることで、属性又は投資行動に関して典型的又は特徴的な優良顧客をモデル顧客として選択することができ、その結果、金融機関の利益につながる典型的な準優良顧客を抽出することができる。

１顧客管理システム
１０顧客分析装置
２０顧客情報管理装置
１００学習済みモデル
２００顧客管理ＤＢ

Claims

金融機関における複数の顧客の属性又は当該顧客が行った投資行動を示す情報と当該顧客が優良顧客か否かを示す情報との間の関係を機械学習することにより、前記顧客の属性又は投資行動を入力値とし、当該顧客の優良性の高さを示すパラメータである優良スコアを出力値とする学習済みモデルを生成する処理と、
前記複数の顧客における前記優良顧客以外の所定の顧客の前記属性又は前記投資行動を前記学習済みモデルに入力することにより、前記所定の顧客の優良スコアを算出する処理と、
前記算出した優良スコアが所定の閾値以上である場合に、前記所定の顧客を準優良顧客として特定する処理と、
前記優良顧客及び前記準優良顧客の間で、その内容に差異のある前記属性及び前記投資行動を示す情報を出力する処理と
を実行する演算装置を備える、顧客管理システム。
前記属性又は前記投資行動は複数の項目を有しており、
前記演算装置は、
前記準優良顧客を特定する際には、所定の条件を満たす前記優良顧客及び前記所定の顧客が共通して有する前記属性又は前記投資行動の各項目の内容を比較し、前記内容が一致している項目の割合が所定割合以上である場合にのみ、前記所定の顧客を前記準優良顧客として特定する、
請求項１に記載の顧客管理システム。
前記演算装置は、
前記情報を出力する際は、前記内容に差異のある投資行動において前記優良顧客が行った行動を前記準優良顧客に促す旨の情報を出力する、
請求項１に記載の顧客管理システム。
前記演算装置は、
前記情報を出力した後、前記内容に差異のある投資行動において前記準優良顧客が前記情報の出力後に行った行動を新たな前記投資行動として追加した、新たな前記学習済みモデルを生成する、
請求項３に記載の顧客管理システム。
前記演算装置は、
前記学習済みモデルを生成する際は、前記顧客が前記優良顧客か否かを示す情報として、前記顧客による、前記金融機関に対応づけられた取引に関する金額が所定値以上であるか否かを示す情報を用いて、前記学習済みモデルを生成する、
請求項１に記載の顧客管理システム。
前記演算装置は、
前記準優良顧客を特定する際には、前記所定の条件を満たす優良顧客として、前記属性又は投資行動のうち所定の属性又は投資行動が所定の条件を満たしている前記優良顧客を特定する、
請求項２に記載の顧客管理システム。
情報処理装置が、
金融機関における複数の顧客の属性又は当該顧客が行った投資行動を示す情報と当該顧客が優良顧客か否かを示す情報との間の関係を機械学習することにより、前記顧客の属性又は投資行動を入力値とし、当該顧客の優良性の高さを示すパラメータである優良スコア
を出力値とする学習済みモデルを生成する処理と、
前記複数の顧客における前記優良顧客以外の所定の顧客の前記属性又は前記投資行動を前記学習済みモデルに入力することにより、前記所定の顧客の優良スコアを算出する処理と、
前記算出した優良スコアが所定の閾値以上である場合に、前記所定の顧客を準優良顧客として特定する処理と、
前記優良顧客及び前記準優良顧客の間で、その内容に差異のある前記属性及び前記投資行動を示す情報を出力する処理と
を実行する、顧客管理方法。
前記属性又は前記投資行動は複数の項目を有しており、
前記情報処理装置が、
前記準優良顧客を特定する際には、所定の条件を満たす前記優良顧客及び前記所定の顧客が共通して有する前記属性又は前記投資行動の各項目の内容を比較し、前記内容が一致している項目の割合が所定割合以上である場合にのみ、前記所定の顧客を前記準優良顧客として特定する、
請求項７に記載の顧客管理方法。
前記情報処理装置が、
前記情報を出力する際は、前記内容に差異のある投資行動において前記優良顧客が行った行動を前記準優良顧客に促す旨の情報を出力する、
請求項７に記載の顧客管理方法。
前記情報処理装置が、
前記情報を出力した後、前記内容に差異のある投資行動において前記準優良顧客が前記情報の出力後に行った行動を新たな前記投資行動として追加した、新たな前記学習済みモデルを生成する、
請求項９に記載の顧客管理方法。
前記情報処理装置が、
前記学習済みモデルを生成する際は、前記顧客が前記優良顧客か否かを示す情報として、前記顧客による、前記金融機関に対応づけられた取引に関する金額が所定値以上であるか否かを示す情報を用いて、前記学習済みモデルを生成する、
請求項７に記載の顧客管理方法。
前記情報処理装置が、
前記準優良顧客を特定する際には、前記属性又は投資行動のうち所定の属性又は投資行動が所定の条件を満たしている前記優良顧客を、前記所定の条件を満たす優良顧客として特定する、
請求項８に記載の顧客管理方法。