JP7307702B2 - 顧客情報から顧客のパーソナリティを推定する装置、プログラム及び方法 - Google Patents
顧客情報から顧客のパーソナリティを推定する装置、プログラム及び方法 Download PDFInfo
- Publication number
- JP7307702B2 JP7307702B2 JP2020084355A JP2020084355A JP7307702B2 JP 7307702 B2 JP7307702 B2 JP 7307702B2 JP 2020084355 A JP2020084355 A JP 2020084355A JP 2020084355 A JP2020084355 A JP 2020084355A JP 7307702 B2 JP7307702 B2 JP 7307702B2
- Authority
- JP
- Japan
- Prior art keywords
- customer
- information
- personality
- image
- estimation
- 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
- 238000000034 method Methods 0.000 title claims description 44
- 238000001514 detection method Methods 0.000 claims description 25
- 230000003993 interaction Effects 0.000 claims description 17
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 9
- 238000003786 synthesis reaction Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 230000010365 information processing Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 206010054196 Affect lability Diseases 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
当該顧客と当該提供者とのやり取りに係る情報である顧客接触情報、並びに、当該商品及び/又はサービスの取得若しくは使用についての当該顧客による対価の支払いに係る情報である顧客支払情報のうちのいずれか一方又は両方を含む顧客情報を取得する顧客情報取得手段と、
当該顧客情報に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデルに入力し、このパーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定する顧客情報パーソナリティ決定手段と
を有するパーソナリティ推定装置が提供される。
顧客情報パーソナリティ決定手段は、当該顧客利用情報も含む当該顧客情報に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデルに入力し、このパーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定することも好ましい。
当該顧客を含む画像に係る情報である画像情報を取得する画像情報取得手段と、
少なくとも当該画像情報又は当該画像情報に係る顧客検出情報を、構築済みの画像に係るパーソナリティ推定モデルに入力し、このパーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定する画像パーソナリティ決定手段と、
顧客情報パーソナリティ決定手段で決定された当該顧客のパーソナリティに係る情報と、画像パーソナリティ決定手段で決定された当該顧客のパーソナリティに係る情報とから、総合的な推定情報としての当該顧客のパーソナリティに係る推定情報を決定するパーソナリティ情報総合手段と
を更に有することも好ましい。
パーソナリティ情報総合手段は、当該画像重みにも基づいて当該顧客のパーソナリティに係る推定情報を決定することも好ましい。なお、上記の画像重み決定手段は、当該画像重みを、当該顧客のパーソナリティに係る情報の信頼度に決定する画像信頼度決定手段として機能することも好ましい。
パーソナリティ情報総合手段は、決定された当該顧客接触情報重み及び/又は当該顧客支払情報重みから決定される顧客情報重みにも基づいて、当該顧客のパーソナリティに係る推定情報を決定することも好ましい。
なお、上記の顧客情報重み決定手段は、当該顧客接触情報重み、及び/又は当該顧客支払情報重みを、当該顧客接触情報の信頼度である顧客接触情報信頼度、及び/又は当該顧客支払情報の信頼度である顧客支払情報信頼度に決定する顧客情報信頼度決定手段として機能することも好ましい。
顧客情報重み決定手段は、当該顧客利用情報に係る商品及び/又はサービスの提供実績に基づいて、当該顧客利用情報の重みである顧客利用情報重みも決定し、
パーソナリティ情報総合手段は、当該顧客利用情報重みからも決定される当該顧客情報重みにも基づいて、当該顧客のパーソナリティに係る推定情報を決定することも好ましいい。
なお、上記の顧客情報重み決定手段は、当該顧客利用情報重みを、当該顧客利用情報の信頼度である顧客利用情報信頼度に決定する顧客情報信頼度決定手段として機能することも好ましい。
当該顧客と当該提供者とのやり取りに係る情報である顧客接触情報、並びに、当該商品及び/又はサービスの取得若しくは使用についての当該顧客による対価の支払いに係る情報である顧客支払情報のうちのいずれか一方又は両方を含む顧客情報を取得する顧客情報取得手段と、
当該顧客情報に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデルに入力し、このパーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定する顧客情報パーソナリティ決定手段と
してコンピュータを機能させるパーソナリティ推定プログラムが提供される。
当該顧客と当該提供者とのやり取りに係る情報である顧客接触情報、並びに、当該商品及び/又はサービスの取得若しくは使用についての当該顧客による対価の支払いに係る情報である顧客支払情報のうちのいずれか一方又は両方を含む顧客情報を取得するステップと、
当該顧客情報に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデルに入力し、このパーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定するステップと
有するパーソナリティ推定方法が提供される。
図1は、本発明によるパーソナリティ推定装置の一実施形態における機能構成を示す機能ブロック図である。
(A)「顧客接触情報」及び「顧客支払情報」のうちのいずれか一方又は両方を含む「顧客情報」を取得する顧客情報取得部11と、
(B)取得された「顧客情報」に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデル(「顧客情報ベースパーソナリティ推定モデル」)に入力し、この「顧客情報ベースパーソナリティ推定モデル」からの出力に基づいて、顧客のパーソナリティに係る情報(「顧客情報ベースパーソナリティ情報」)を決定する顧客情報パーソナリティ決定部114と
を具備した装置となっている。
(C)顧客情報取得部11(の顧客利用情報取得部111)は、顧客によって取得若しくは使用された商品・サービスに係る情報である「顧客利用情報」も含む「顧客情報」を取得し、
(D)顧客情報パーソナリティ決定部114は、「顧客利用情報」も含む「顧客情報」に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデル(「顧客情報ベースパーソナリティ推定モデル」)に入力し、この「顧客情報ベースパーソナリティ推定モデル」からの出力に基づいて、「顧客情報ベースパーソナリティ情報」を決定する
ことも好ましい。
同じく図1の機能ブロック図によれば、パーソナリティ推定装置1は、通信インタフェース部101と、顧客情報保存部102と、画像情報保存部103と、カメラ・環境情報保存部104と、キーボード(KB)105と、ディスプレイ(DP)106と、プロセッサ・メモリとを有する。
(a)顧客利用特徴量生成部111fを含む顧客利用情報取得部111、顧客接触特徴量生成部112fを含む顧客接触情報取得部112、及び、顧客支払特徴量生成部113fを含む顧客支払情報取得部113を備えた顧客情報取得部11と、
(b)顧客情報パーソナリティ決定部114と、顧客情報重み・信頼度決定部115と、
(c)顧客検出画像生成部121dを含む画像情報取得部121と、画像パーソナリティ決定部122と、画像重み・信頼度決定部123と、
(d)顧客情報ベース推定モデル構築部131と、画像ベース推定モデル構築部132と、推定精度予測モデル構築部133と、
(e)パーソナリティ情報総合部141と、
(f)通信制御部151と、入出力制御部152とを有する。
同じく図1の機能ブロック図において、顧客情報保存部102は本実施形態において、顧客情報データベース(DB)2から通信インタフェース部101及び通信制御部151を介し、個々の顧客についての顧客情報である「顧客利用情報」、「顧客接触情報」及び「顧客支払情報」を取得し、これらの情報を、当該顧客の顧客IDに紐づけて保存・管理する。
(a)口座関連:口座種別(普通,定期,貯蓄,その他)、口座開設時期等、
(b)入出金関連:入出金額、入出金日時、入出金頻度等、
(c)ローン関連:ローン種別(住宅,教育,マイカー,カードローン,その他)、借入額、返済期間、返済金額等、
(d)その他のサービス関連:利用サービス種別(外貨預金,投資信託,その他)、利用開始時期、投資金額等
のうちの少なくとも1つを含む情報としてもよい。
(a)保険種別(火災,地震,自動車,生命,がん等)、
(b)保険加入時期等、
(c)保険金請求実績等、
のうちの少なくとも1つを含む情報とすることができる。
(a)車両関連:購入した車両の型式、年式、色や、付属オプション等、購入時期、
(b)保証関連:購入した車両に係る保証の内容や、保証期間等、
(c)メンテナンス関連:メンテナンスの内容、メンテナンス時期、メンテナンス頻度等
のうちの少なくとも1つを含む情報としてもよい。
(a)端末関連:ユーザに提供した端末に搭載されたOS(Operating System)、当該端末の色、発売時期や、購入時期、ユーザによる端末機種変更の回数・頻度等、
(b)通信プラン関連:契約された通信プランのデータ容量や、利用料金、当該通信プランへの加入時期、通信プランの変更回数・頻度等、
(c)付帯サービス関連:契約された付帯サービスの内容、当該付帯サービスへの加入時期等
のうちの少なくとも1つを含む情報とすることができる。
(a)店舗を有する事業者の場合において、顧客の来店情報(来店日時,来店目的,店内滞在時間,頻度,来店人数,来店手段等)等、
(b)電話窓口を有する事業者の場合において、電話関連情報(発信元(顧客又は事業者),通話日時,通話目的,通話時間・頻度等)等、
(c)ウェブページや電子メールといったような電子的な窓口を有する事業者の場合において、問合せ手段(ウェブページ,電子メール,その他)、問合せ内容、問合せ日時、問合せ回数・頻度等
のうちの少なくとも1つを含む情報としてもよい。
(a)支払い関連:支払い時期、支払い金額、支払い方法(一括又は分割,現金又はクレジット等)、支払い回数・頻度等、
(b)(支払いが滞った場合の)督促関連:督促時期、督促金額、督促方法、督促回数・頻度等
のうちの少なくとも1つを含む情報とすることができる。
(a)予め複数の顧客に対し質問紙法や面談法によってパーソナリティ、本実施形態ではBig Fiveの測定を実施した結果である、各顧客の正解データとしてのBig Fiveスコアを、外部のサーバ・DBから、又はキーボード105等の装置入力によって取得し、
(b)当該複数の顧客についての顧客情報(顧客利用情報,顧客接触情報,顧客支払情報)を取得して、顧客毎に顧客情報と正解データであるBig Fiveスコアとを対応付けた学習データ(教師データ)を生成し、
(c)生成した学習データを用いて、DNN(Deep Neural Networks)等の公知の機械学習アルゴリズムに基づき、「顧客情報ベースパーソナリティ推定モデル」を学習によって構築してもよい。
図1の機能ブロック図に戻って、画像情報保存部103は本実施形態において、事業者の店舗内に設置されたカメラ4から、通信インタフェース部101及び通信制御部151を介し、来店した顧客の写っている(映っている)画像データ(静止画像データや動画像(映像)データ)を含む画像情報を取得し、これらの情報を、当該顧客の顧客IDに紐づけて保存・管理する。ちなみに、紐づけ先となる顧客IDは、例えば別に記録されている来店ログ及び接客ログのうちの一方又は両方と、画像データに含まれる顧客画像部分とを時刻ベースで突き合わせて設定されてもよい。このように設定された顧客IDに対し当該画像データを適切に紐づけることが可能となるのである。ここで、来店ログは、来店の際に行われた(例えば発券機による)チェックインの時刻と顧客IDとを紐づけて記録したログであり、一方、接客ログは、カウンター接客又はオンライン接客の行われた時刻と顧客IDとを紐づけて記録したログとなる。
(a)予め複数の顧客に対し質問紙法や面談法によってパーソナリティ、本実施形態ではBig Fiveの測定を実施した結果である、各顧客の正解データとしてのBig Fiveスコアを、外部のサーバ・DBから、又はキーボード105等の装置入力によって取得し、
(b)当該複数の顧客についての(当該顧客の顧客IDが紐付けられた)画像情報から生成された顧客検出情報を取得して、顧客毎に顧客検出情報(又は(確実に所定の態様で当該顧客のみが含まれるならば)画像情報)と正解データであるBig Fiveスコアとを対応付けた学習データ(教師データ)を生成し、
(c)生成した学習データを用いて、CNN(Convolutional Neural Networks)やTSN(Temporal Segment Networks)等の公知の機械学習アルゴリズムに基づき、「画像ベースパーソナリティ推定モデル」を学習によって構築してもよい。
図1の機能ブロック図に戻って、顧客情報重み・信頼度決定部115は、
(a)顧客情報が顧客利用情報を含む場合、当該顧客利用情報に係る商品・サービスの提供実績に係る情報量に基づいて、顧客利用情報の重みである「顧客利用情報重み」を決定し、また、
(b)顧客情報が顧客接触情報を含む場合、事業者とのやり取りにおける顧客の目的若しくは内容に係る情報量に基づいて、顧客接触情報の重みである「顧客接触情報重み」を決定し、さらに、
(c)顧客情報が顧客支払情報を含む場合、顧客の支払い金額、支払い方法及び支払い遅延の度合いのうちの少なくとも1つに係る情報量に基づいて、顧客支払情報の重みである「顧客支払情報重み」を決定して、
「顧客利用情報重み」、「顧客接触情報重み」、及び「顧客支払情報重み」のうちで決定された重みから、「顧客情報重み」を算出・決定する。
(1) WS(X)=Σn(-logP(Si))
をもって算出することができる。ここで、S1, S2, ・・・, Sn(={Si})は、顧客Xが購入・利用した商品・サービス群であり、Σnは、当該商品・サービス群についての総和である。また、P(Si)は、事業者における商品・サービスSi(i=1, 2, ・・・, n)の販売率・成約率である。なお上述したように、上式(1)のWS(X)は、顧客Xの顧客利用情報に係るパーソナリティ推定にあたっての質的信頼度と捉えることも可能となっている。
(2) WQ(X)=Σn(-logP(Qi))
をもって算出することができる。ここで、Q1, Q2, ・・・, Qn(={Qi})は、顧客と事業者とのやり取りにおける目的・内容を、予めn個のカテゴリに分類した結果であるやり取り種別群のうち、顧客Xに該当するやり取り種別群であり、Σnは、顧客Xに該当する当該やり取り種別群についての総和である。また、P(Qi)は、事業者における、やり取り種別Qi(i=1, 2, ・・・, n)の発生率である。なお上述したように、上式(2)のWQ(X)は、顧客Xの顧客接触情報に係るパーソナリティ推定にあたっての質的信頼度と捉えることも可能となっている。
(3) WT(X)=Σn(-logP(Ti))
をもって算出することができる。ここで、T1, T2, ・・・, Tn(={Ti})は、顧客の支払い金額を、予めn個のカテゴリ(金額範囲)に分類した結果である金額範囲群のうち、顧客Xの支払い金額が含まれる金額範囲群であり、Σnは、顧客Xの支払い金額を含む当該金額範囲群についての総和である。また、P(Ti)は、支払い金額が金額範囲Ti(i=1, 2, ・・・, n)に含まれる支払いの発生率である。なお上述したように、上式(3)のWT(X)は、顧客Xの顧客支払情報に係るパーソナリティ推定にあたっての質的信頼度と捉えることも可能となっている。
・低金額範囲T1:0~10,000円
・中金額範囲T2:10,001円~100,000円
・高金額範囲T3:100,001円以上
と設定されてもよい。またこの場合、例えばP(T2)は、「支払い金額が10,001円以上であって100,000円以下となる事象」の発生率となるのである。
(4) WALL(X)=WS(X)+WQ(X)+WT(X)
をもって算出することができる。または、WS(X)、WQ(X)及びWT(X)の各々に対し例えば経験的に決定された重みを掛け、重み付き和として顧客情報重みWALL(X)を算出してもよい。なお上述したように、上式(4)のWALL(X)は、顧客Xの顧客情報に係る質的信頼度と捉えることも可能となっている。
(a)カメラ4における解像度やフレームレート等の性能、観測・撮像可能な範囲である画角等、さらには、
(b)設置エリア(店内エリア)における障害物の多さ、外光の強さ、定常的に発生する混雑の度合い等
といったようなカメラ4や観測・撮像環境に関する静的属性を「カメラ・環境情報」とすることができる。
(a)予め複数の顧客に対して「画像ベースパーソナリティ推定モデル」を用いて画像ベースパーソナリティ情報を決定し、その際の顧客(を含む画像情報)毎の「画像ベース推定精度」を正解データとして取得し、
(b)顧客検出画像生成部121dにおいて人物検出器を用いて当該顧客を検出した際の当該人物検出器から出力される検出結果の確からしさ(人物検出確度)を取得し、
(c)さらに好ましくは当該顧客を含む画像情報に紐づけられたカメラ・環境情報も取得し、
(d)上記(a)の画像ベース推定精度(正解データ)と、上記(b)の人物検出確度と、さらに好ましくは上記(c)のカメラ・環境情報とを対応付けた学習データ(教師データ)を生成し、
(e)生成した学習データを用いて、DNN(Deep Neural Networks)等の公知の機械学習アルゴリズムに基づき、「推定精度予測モデル」を学習によって構築することができる。
(a)少なくとも、推定対象である顧客を含む画像情報から当該顧客を検出した際の人物検出器から出力される人物検出確度と、
(b)さらに好ましくは、当該画像情報に紐づけられたカメラ・環境情報と
を入力し、この「推定精度予測モデル」より出力された画像ベース推定精度から、(画像パーソナリティ決定部122で決定された)当該顧客の画像ベースパーソナリティ情報の重みである「画像重み」を決定する。なお本実施形態では、画像ベース推定精度そのものを「画像重み」とすることができる。
(a)顧客情報パーソナリティ決定部114で決定された、推定対象である顧客の「顧客情報ベースパーソナリティ情報」と、
(b)画像パーソナリティ決定部122で決定された、当該顧客の「画像ベースパーソナリティ情報」と
から、総合的な推定情報としての当該顧客の「パーソナリティ推定情報」を決定する。
(c)顧客情報重み・信頼度決定部115で決定された、パーソナリティ推定に使用された顧客情報に係る「顧客情報重み」と、
(d)画像重み・信頼度決定部123で決定された、パーソナリティ推定に使用された画像情報に係る「画像重み」と
にも基づいて「パーソナリティ推定情報」を決定してもよい。
(5) Sp(X)=WALL(X)*CSp(X)+WG(X)*ISp(X) ここで、p=1, 2, 3, 4, 5
によって算出することができる。
101 通信インタフェース部
102 顧客情報保存部
103 画像情報保存部
104 カメラ・環境情報保存部
105 キーボード(KB)
106 ディスプレイ(DP)
11 顧客情報取得部
111 顧客利用情報取得部
111f 顧客利用特徴量生成部
112 顧客接触情報取得部
112f 顧客接触特徴量生成部
113 顧客支払情報取得部
113f 顧客支払特徴量生成部
114 顧客情報パーソナリティ決定部
115 顧客情報重み・信頼度決定部
121 画像情報取得部
121d 顧客検出画像生成部
122 画像パーソナリティ決定部
123 画像重み・信頼度決定部
131 顧客情報ベース推定モデル構築部
132 画像ベース推定モデル構築部
133 推定精度予測モデル構築部
141 パーソナリティ情報総合部
151 通信制御部
152 入出力制御部
2 顧客情報データベース(DB)
3 カメラ・環境情報DB
4 カメラ
Claims (12)
- 商品及び/又はサービスの提供者にとっての顧客のパーソナリティを推定するパーソナリティ推定装置であって、
当該顧客と当該提供者とのやり取りに係る情報である顧客接触情報、並びに、当該商品及び/又はサービスの取得若しくは使用についての当該顧客による対価の支払いに係る情報である顧客支払情報のうちのいずれか一方又は両方を含む顧客情報を取得する顧客情報取得手段と、
当該顧客情報に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデルに入力し、該パーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定する顧客情報パーソナリティ決定手段と
を有することを特徴とするパーソナリティ推定装置。 - 前記顧客情報取得手段は、当該顧客によって取得若しくは使用された当該商品及び/又はサービスに係る情報である顧客利用情報も含む当該顧客情報を取得し、
前記顧客情報パーソナリティ決定手段は、当該顧客利用情報も含む当該顧客情報に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデルに入力し、該パーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定する
ことを特徴とする請求項1に記載のパーソナリティ推定装置。 - 当該顧客を含む画像に係る情報である画像情報を取得する画像情報取得手段と、
少なくとも当該画像情報又は当該画像情報に係る顧客検出情報を、構築済みの画像に係るパーソナリティ推定モデルに入力し、該パーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定する画像パーソナリティ決定手段と、
前記顧客情報パーソナリティ決定手段で決定された当該顧客のパーソナリティに係る情報と、前記画像パーソナリティ決定手段で決定された当該顧客のパーソナリティに係る情報とから、総合的な推定情報としての当該顧客のパーソナリティに係る推定情報を決定するパーソナリティ情報総合手段と
を更に有することを特徴とする請求項1又は2に記載のパーソナリティ推定装置。 - 前記パーソナリティ推定装置は、前記画像パーソナリティ決定手段で決定されたパーソナリティに係る情報の推定精度を正解データとして構築された推定精度予測モデルに対し、少なくとも当該画像から当該顧客を検出した際の検出結果の確からしさに係る情報を入力し、該推定精度予測モデルから出力された推定精度に係る情報から、前記画像パーソナリティ決定手段で決定された当該顧客のパーソナリティに係る情報の重みである画像重みを決定する画像重み決定手段を更に有し、
前記パーソナリティ情報総合手段は、当該画像重みにも基づいて当該顧客のパーソナリティに係る推定情報を決定する
ことを特徴とする請求項3に記載のパーソナリティ推定装置。 - 前記画像重み決定手段は、前記画像パーソナリティ決定手段で決定されたパーソナリティに係る情報の推定精度を正解データとして構築された推定精度予測モデルに対し、当該画像の生成に係る情報と、当該画像から当該顧客を検出した際の検出結果の確からしさに係る情報とを入力し、該推定精度予測モデルから出力された推定精度に係る情報から、当該画像重みを決定することを特徴とする請求項4に記載のパーソナリティ推定装置。
- 前記パーソナリティ推定装置は、当該顧客情報が当該顧客接触情報を含む場合に、当該提供者とのやり取りにおける当該顧客の目的若しくは内容に係る情報量に基づいて、当該顧客接触情報の重みである顧客接触情報重みを決定し、また、当該顧客情報が当該顧客支払情報を含む場合に、当該顧客の支払い金額、支払い方法及び支払い遅延の度合いのうちの少なくとも1つに基づいて、当該顧客支払情報の重みである顧客支払情報重みを決定する顧客情報重み決定手段を更に有し、
前記パーソナリティ情報総合手段は、決定された当該顧客接触情報重み及び/又は当該顧客支払情報重みから決定される顧客情報重みにも基づいて、当該顧客のパーソナリティに係る推定情報を決定する
ことを特徴とする請求項3から5のいずれか1項に記載のパーソナリティ推定装置。 - 前記顧客情報取得手段は、当該顧客によって取得若しくは使用された当該商品及び/又はサービスに係る情報である顧客利用情報も含む当該顧客情報を取得し、
前記顧客情報重み決定手段は、当該顧客利用情報に係る商品及び/又はサービスの提供実績に基づいて、当該顧客利用情報の重みである顧客利用情報重みも決定し、
前記パーソナリティ情報総合手段は、当該顧客利用情報重みからも決定される当該顧客情報重みにも基づいて、当該顧客のパーソナリティに係る推定情報を決定する
ことを特徴とする請求項6に記載のパーソナリティ推定装置。 - 当該顧客情報が当該顧客接触情報を含む場合に、当該提供者とのやり取りにおける当該顧客の目的若しくは内容に係る情報量に基づいて、当該顧客接触情報の信頼度である顧客接触情報信頼度を決定し、また、当該顧客情報が当該顧客支払情報を含む場合に、当該顧客の支払い金額、支払い方法及び支払い遅延の度合いのうちの少なくとも1つに基づいて、当該顧客支払情報の信頼度である顧客支払情報信頼度を決定する顧客情報信頼度決定手段を更に有することを特徴とする請求項1から7のいずれか1項に記載のパーソナリティ推定装置。
- 前記顧客情報取得手段は、当該顧客によって取得若しくは使用された当該商品及び/又はサービスに係る情報である顧客利用情報も含む当該顧客情報を取得し、
前記顧客情報信頼度決定手段は、当該顧客利用情報に係る商品及び/又はサービスの提供実績に基づいて、当該顧客利用情報の信頼度である顧客利用情報信頼度も決定する
ことを特徴とする請求項8に記載のパーソナリティ推定装置。 - 当該顧客を含む画像に係る情報である画像情報を取得する画像情報取得手段と、
少なくとも当該画像情報又は当該画像情報に係る顧客検出情報を、構築済みの画像に係るパーソナリティ推定モデルに入力し、該パーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定する画像パーソナリティ決定手段と、
前記画像パーソナリティ決定手段で決定されたパーソナリティに係る情報の推定精度を正解データとして構築された推定精度予測モデルに対し、少なくとも当該画像から当該顧客を検出した際の検出結果の確からしさに係る情報を入力し、該推定精度予測モデルから出力された推定精度に係る情報から、前記画像パーソナリティ決定手段で決定された当該顧客のパーソナリティに係る情報の信頼度を決定する画像信頼度決定手段と
を有することを特徴とする請求項1から9のいずれか1項に記載のパーソナリティ推定装置。 - 商品及び/又はサービスの提供者にとっての顧客のパーソナリティを推定するコンピュータを機能させるパーソナリティ推定プログラムであって、
当該顧客と当該提供者とのやり取りに係る情報である顧客接触情報、並びに、当該商品及び/又はサービスの取得若しくは使用についての当該顧客による対価の支払いに係る情報である顧客支払情報のうちのいずれか一方又は両方を含む顧客情報を取得する顧客情報取得手段と、
当該顧客情報に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデルに入力し、該パーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定する顧客情報パーソナリティ決定手段と
してコンピュータを機能させることを特徴とするパーソナリティ推定プログラム。 - 商品及び/又はサービスの提供者にとっての顧客のパーソナリティを推定するコンピュータにおけるパーソナリティ推定方法であって、
当該顧客と当該提供者とのやり取りに係る情報である顧客接触情報、並びに、当該商品及び/又はサービスの取得若しくは使用についての当該顧客による対価の支払いに係る情報である顧客支払情報のうちのいずれか一方又は両方を含む顧客情報を取得するステップと、
当該顧客情報に係る特徴量を、構築済みの顧客情報に係るパーソナリティ推定モデルに入力し、該パーソナリティ推定モデルからの出力に基づいて、当該顧客のパーソナリティに係る情報を決定するステップと
有することを特徴とするパーソナリティ推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020084355A JP7307702B2 (ja) | 2020-05-13 | 2020-05-13 | 顧客情報から顧客のパーソナリティを推定する装置、プログラム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020084355A JP7307702B2 (ja) | 2020-05-13 | 2020-05-13 | 顧客情報から顧客のパーソナリティを推定する装置、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021179770A JP2021179770A (ja) | 2021-11-18 |
JP7307702B2 true JP7307702B2 (ja) | 2023-07-12 |
Family
ID=78511499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020084355A Active JP7307702B2 (ja) | 2020-05-13 | 2020-05-13 | 顧客情報から顧客のパーソナリティを推定する装置、プログラム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7307702B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016535915A (ja) | 2013-10-28 | 2016-11-17 | アポロ エンタープライズ ソリューションズ, リミテッド | アイテムの選択を向上させるためのシステムおよび方法 |
JP2018142198A (ja) | 2017-02-28 | 2018-09-13 | 富士通株式会社 | 情報処理装置、アクセス制御方法、及びアクセス制御プログラム |
WO2019073559A1 (ja) | 2017-10-11 | 2019-04-18 | サン電子株式会社 | 情報処理装置 |
JP2019067026A (ja) | 2017-09-29 | 2019-04-25 | 富士フイルム株式会社 | 判別結果提供装置、判別結果提供装置の作動方法、判別結果提供プログラム、および判別結果提供システム |
JP2020067720A (ja) | 2018-10-22 | 2020-04-30 | Gmoクラウド株式会社 | 人属性推定システム、それを利用する情報処理装置及び情報処理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7122188B2 (ja) * | 2018-08-03 | 2022-08-19 | Kddi株式会社 | 制作物の作成又は選択を支援する支援情報を提供可能な制作支援プログラム、装置及び方法 |
-
2020
- 2020-05-13 JP JP2020084355A patent/JP7307702B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016535915A (ja) | 2013-10-28 | 2016-11-17 | アポロ エンタープライズ ソリューションズ, リミテッド | アイテムの選択を向上させるためのシステムおよび方法 |
JP2018142198A (ja) | 2017-02-28 | 2018-09-13 | 富士通株式会社 | 情報処理装置、アクセス制御方法、及びアクセス制御プログラム |
JP2019067026A (ja) | 2017-09-29 | 2019-04-25 | 富士フイルム株式会社 | 判別結果提供装置、判別結果提供装置の作動方法、判別結果提供プログラム、および判別結果提供システム |
WO2019073559A1 (ja) | 2017-10-11 | 2019-04-18 | サン電子株式会社 | 情報処理装置 |
JP2020067720A (ja) | 2018-10-22 | 2020-04-30 | Gmoクラウド株式会社 | 人属性推定システム、それを利用する情報処理装置及び情報処理方法 |
Non-Patent Citations (1)
Title |
---|
小林 亮博 ほか,広告配信要求ログを用いたパーソナリティ推定,電子情報通信学会技術研究報告,日本,一般社団法人電子情報通信学会,2019年10月19日,Vol.119 No.252,1-6 |
Also Published As
Publication number | Publication date |
---|---|
JP2021179770A (ja) | 2021-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403665B2 (en) | Automatic recommendation of offer parameters to an offer provider based on historical transaction data | |
US11790396B2 (en) | Preservation of scores of the quality of traffic to network sites across clients and over time | |
US10762563B2 (en) | Monitoring and controlling continuous stochastic processes based on events in time series data | |
US11170395B2 (en) | Digital banking platform and architecture | |
CN108133013B (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
US20210035152A1 (en) | Predicting the effectiveness of a marketing campaign prior to deployment | |
US10706446B2 (en) | Method, system, and computer-readable medium for using facial recognition to analyze in-store activity of a user | |
AU2022204241A1 (en) | Machine learning classification and prediction system | |
US9189800B2 (en) | Method and system for selection, filtering or presentation of available sales outlets | |
US10360568B2 (en) | Customer state-based targeting | |
US10262336B2 (en) | Non-converting publisher attribution weighting and analytics server and method | |
US20110231246A1 (en) | Online and offline advertising campaign optimization | |
WO2017205463A1 (en) | Systems and methods for providing user-specific results based on test-drive of product or service | |
US20180144355A1 (en) | System and method for correlating collected observation campaign data with sales data | |
US10672035B1 (en) | Systems and methods for optimizing advertising spending using a user influenced advertisement policy | |
US20110231244A1 (en) | Top customer targeting | |
US20240214794A1 (en) | System and method for generating mobility profile | |
JP2020071680A (ja) | 予測装置、予測方法、及び予測プログラム | |
US20180150882A1 (en) | Systems and Methods for Use in Determining Consumer Interest in Products Based on Intensities of Facial Expressions | |
WO2020018392A1 (en) | Monitoring and controlling continuous stochastic processes based on events in time series data | |
US11836769B2 (en) | Methods and systems for providing estimated transactional data | |
CN108961037B (zh) | 一种基于对车辆使用情况评估算法的车辆贷款风控方法及装置 | |
JP7307702B2 (ja) | 顧客情報から顧客のパーソナリティを推定する装置、プログラム及び方法 | |
US20210326910A1 (en) | System and method for optimizing an observation campaign in response to observed real-world data | |
US20210397602A1 (en) | Systems and methods for analyzing electronic data to determine faults in a transit system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220526 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230531 |
|
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: 20230628 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230630 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7307702 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |