TOP特許意匠商標
特許ウォッチ Twitter
10個以上の画像は省略されています。
公開番号2024165146
公報種別公開特許公報(A)
公開日2024-11-28
出願番号2023081048
出願日2023-05-16
発明の名称情報処理装置、情報処理方法およびプログラム
出願人アスクル株式会社,国立大学法人 東京大学
代理人弁理士法人秀和特許事務所
主分類G06Q 30/0251 20230101AFI20241121BHJP(計算;計数)
要約【課題】顧客購買の分析精度を高めて顧客により適切な商品をリコメンドする技術を提供する。
【解決手段】情報処理装置は、電子商取引の顧客の購買行動を特徴付ける要因である複数の特徴変数を取得する取得部と、前記顧客のうち前記複数の特徴変数が所定の条件を満たすコア顧客を特定する特定部と、特徴量空間における前記コア顧客の重心を算出する算出部と、前記特徴量空間において、前記コア顧客の前記重心と前記コア顧客以外の他の顧客それぞれの座標との距離に応じて前記他の顧客をクラスタに分類する分類部と、前記クラスタごとに前記クラスタ内の顧客の購入商品に基づいて、前記クラスタ内の顧客ごとに推奨商品を決定する決定部とを有する。
【選択図】図1
特許請求の範囲【請求項1】
電子商取引の顧客の購買行動を特徴付ける要因である複数の特徴変数を取得する取得部と、
前記顧客のうち前記複数の特徴変数が所定の条件を満たすコア顧客を特定する特定部と、
特徴量空間における前記コア顧客の重心を算出する算出部と、
前記特徴量空間において、前記コア顧客の前記重心と前記コア顧客以外の他の顧客それぞれの座標との距離に応じて前記他の顧客をクラスタに分類する分類部と、
前記クラスタごとに、前記クラスタ内の顧客の購入商品に基づいて、前記クラスタ内の顧客ごとに推奨商品を決定する決定部と、
を有することを特徴とする情報処理装置。
続きを表示(約 1,300 文字)【請求項2】
前記所定の条件は、顧客による前記電子商取引において取り扱われる商品の購入数、顧客により購入された商品の商品カテゴリ数、顧客による前記電子商取引において取り扱われる商品の購入頻度、顧客による前記電子商取引において取り扱われる商品の購入金額の少なくとも1つが所定の範囲の値であるという条件であることを特徴とする請求項1に記載の情報処理装置。
【請求項3】
前記分類部は、各クラスタに含まれる顧客数が均等になるように前記他の顧客をクラスタに分類することを特徴とする請求項1に記載の情報処理装置。
【請求項4】
前記決定部は、前記クラスタごとに、前記クラスタ内の各顧客の購入商品に対して協調フィルタリングを適用して、前記クラスタ内の顧客ごとに推奨商品を決定することを特徴とする請求項1に記載の情報処理装置。
【請求項5】
前記決定部は、顧客ごとに、協調フィルタリングにより得られるスコアが所定の閾値以上であり、かつ、前記顧客が購入していない商品のうち、前記スコアが上位の所定数個の商品を前記推奨商品として決定する、ことを特徴とする請求項4に記載の情報処理装置。
【請求項6】
前記特定部は、前記電子商取引の業種ごとに前記コア顧客を特定し、
前記分類部は、前記業種ごとに前記他の顧客をクラスタに分類する
ことを特徴とする請求項1に記載の情報処理装置。
【請求項7】
前記決定部は、前記業種における専門商材を前記推奨商品として決定する
ことを特徴とする請求項6に記載の情報処理装置。
【請求項8】
コンピュータが、
電子商取引の顧客の購買行動を特徴付ける要因である複数の特徴変数を取得するステップと、
前記顧客のうち前記複数の特徴変数が所定の条件を満たすコア顧客を特定するステップと、
特徴量空間における前記コア顧客の重心を算出するステップと、
前記特徴量空間において、前記コア顧客の前記重心と前記コア顧客以外の他の顧客それぞれの座標との距離に応じて前記他の顧客をクラスタに分類するステップと、
前記クラスタごとに、前記クラスタ内の顧客の購入商品に基づいて、前記クラスタ内の顧客ごとに推奨商品を決定するステップと、
を実行することを特徴とする情報処理方法。
【請求項9】
コンピュータを、
電子商取引の顧客の購買行動を特徴付ける要因である複数の特徴変数を取得する取得部と、
前記顧客のうち前記複数の特徴変数が所定の条件を満たすコア顧客を特定する特定部と、
特徴量空間における前記コア顧客の重心を算出する算出部と、
前記特徴量空間において、前記コア顧客の前記重心と前記コア顧客以外の他の顧客それぞれの座標との距離に応じて前記他の顧客をクラスタに分類する分類部と、
前記クラスタごとに、前記クラスタ内の顧客の購入商品に基づいて、前記クラスタ内の顧客ごとに推奨商品を決定する決定部
として機能させるためのプログラム。

発明の詳細な説明【技術分野】
【0001】
本発明は、電子商取引の顧客の分析を行う情報処理装置、情報処理方法およびプログラムに関する。
続きを表示(約 3,000 文字)【背景技術】
【0002】
EC(Electronic Commerce)ビジネスにおいて、顧客ロイヤルティを基に顧客を分類し、顧客に対してその分類に適した販売促進を行うことが一般に行われている。また、顧客ロイヤルティに関連して顧客購買を分析する種々の技術が提案されている(非特許文献1~5)。
【0003】
非特許文献1では、購入金額の高い顧客を顧客ロイヤルティが高い顧客とし、3段階の顧客ランクを定義する方法を用いている。この方法は比較的簡易である一方で、例えば10000円の高額商品を月1回購入する顧客Aと、2500円の商品を毎週購入(月4回購入)して月の合計の購入額が10000円になる顧客Bのどちらが顧客ロイヤルティがより高いかを判断することは難しい。
【0004】
また、非特許文献2では、購入金額(Monetary)に加えて、購入頻度(Frequency)と最後の購買からの経過時間(Recency)を用いたRFM分析によって、顧客を分類する方法が提案されている。R、F、Mの各変数は、顧客購買行動分析において一般的に使われる特徴変数であり、顧客を購買行動の特徴に応じた分類には有効であると考えられている。しかし、例えば、上記の顧客Bに加えて、異なる商品を毎週購入(月4回購入)して月の合計の購入額が10000円になる顧客Cが存在し、顧客Bも顧客Cも、直近の購入日が7日前である場合、表1に示すように、RFM分析では、顧客Bと顧客Cは共に(R,F,M)=(7,4,10000)となり区別できない。なお、表1において、Recency欄は直近の購入日が何日前であるかを示し、Frequency欄は月あたりの購入回数を示し、Monetary欄は月の合計の購入額(円)を示す。
TIFF
2024165146000002.tif
45
170
【0005】
そこで、非特許文献3~5では、上記のRFM分析では十分な分析ができない場合にRFM分析を拡張する技術が提案されている。例えば、非特許文献3では、銀行の顧客セグメンテーションでRFMに顧客期間を変数に加え、非特許文献4では、RFMに購入商品目を変数に加え、非特許文献5では、RFMに会員期間の長さと利益を変数に加えることで、RFM分析の拡張が提案されている。しかし、これらの技術では、RFM分析に加える変数によってR、F、Mの各変数との関連性は異なるため、変数を加えることで分析精度が変わらなかったり、分析結果が加えた変数に必要以上に影響を受けたりするなど、分析精度が低下する可能性もある。
【先行技術文献】
【非特許文献】
【0006】
Hisatetsu Iizuka, Daisuke Yonemura, and Hideki Toyoda. Behavioral analysis by customer rank (in japanese). Operations Research: The Science of Management, 48:94-99, 2003.
Ching-Hsue Cheng and You-Shyang Chen. Classifying the segmentation of customer value via rfm model and rs theory. Expert systems with applications, 36(3):4176-4184, 2009.
Mehdi Bizhani and Mohammad Jafar Tarokh. Behavioral segmentation of bank’s point-of-sales using rf* m* approach. In Proceedings of the 2010 IEEE 6th International Conference on Intelligent Computer Communication and Processing, pages 81-86. IEEE, 2010.
Takamasa Tanaka, Tomohiro Hamaguchi, Takumi Saigo, and Kazuhiko Tsuda. Classifying and understanding prospective customers via heterogeneity of supermarket stores. Procedia computer science, 112:956-964, 2017.
Kuanchin Chen, Ya-Han Hu, and Yi-Cheng Hsieh. Predicting customer churn from valuable b2b customers in the logistics industry: a case study. Information Systems and e-Business Management, 13:475-494, 2015.
【発明の概要】
【発明が解決しようとする課題】
【0007】
上述のように、顧客ロイヤルティの定義は多様であり複雑であり、また顧客ロイヤルティに関連して顧客購買を精度よく分析することは困難であった。
【0008】
そこで、本件開示の技術は、上記の事情に鑑みてなされたものであり、その目的とするところは、顧客購買の分析精度を高めて顧客により適切な商品をリコメンドする技術を提供することである。
【課題を解決するための手段】
【0009】
本件開示の情報処理装置は、電子商取引の顧客の購買行動を特徴付ける要因である複数の特徴変数を取得する取得部と、前記顧客のうち前記複数の特徴変数が所定の条件を満たすコア顧客を特定する特定部と、特徴量空間における前記コア顧客の重心を算出する算出部と、前記特徴量空間において、前記コア顧客の前記重心と前記コア顧客以外の他の顧客それぞれの座標との距離に応じて前記他の顧客をクラスタに分類する分類部と、前記クラスタごとに、前記クラスタ内の顧客の購入商品に基づいて、前記クラスタ内の顧客ごとに推奨商品を決定する決定部と、を有する。これにより、特徴量空間におけるコア顧客との距離に応じて顧客をクラスタに分けてクラスタごとに顧客の推奨商品を決定することで、情報処理装置における推奨商品の決定に伴う処理負荷を軽減しつつ、顧客により適切な商品のリコメンドを行うことができる。
【0010】
また、上記の情報処理装置において、前記所定の条件は、顧客による前記電子商取引において取り扱われる商品の購入数、顧客により購入された商品の商品カテゴリ数、顧客による前記電子商取引において取り扱われる商品の購入頻度、顧客による前記電子商取引において取り扱われる商品の購入金額の少なくとも1つが所定の範囲の値であるという条件である。これにより、顧客の購買行動をより強く反映した推奨商品の決定を行うことが期待できる。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する
Flag Counter

関連特許

個人
プログラム
19日前
個人
アカウントマップ
20日前
個人
学習装置及び推論装置
19日前
個人
案件管理装置および端末装置
6日前
株式会社発明屋
電池指向の構造設計
13日前
トヨタ自動車株式会社
管理装置
14日前
株式会社プレニーズ
仲介システム
20日前
富士通株式会社
プロセッサ
12日前
個人
ダブルオークションシステム
2日前
株式会社イズミ
総合代行システム
2日前
富士通株式会社
予測
5日前
合同会社IPマネジメント
料金収受システム
5日前
マクセル株式会社
リーダライタ用ホルダ
5日前
個人
株式投資コンペティションシステム
5日前
トヨタ自動車株式会社
電池性能推定方法
5日前
西日本電信電話株式会社
分析装置
5日前
株式会社アジラ
行動体存在推定システム
12日前
株式会社知財事業研究所
仮想認証システム
5日前
日清紡マイクロデバイス株式会社
二乗回路
13日前
富士通株式会社
シーン検出
5日前
geeva株式会社
イベント配布物セット
20日前
長島梱包株式会社
情報処理システム
13日前
個人
クリックベースの反復的AI画像生成ツール
20日前
日鉄テックスエンジ株式会社
情報処理装置
20日前
個人
音や香り等と連動するプロジェクターシステム
20日前
キヤノン株式会社
情報処理装置
5日前
日本信号株式会社
一体型リーダライタ
20日前
株式会社Ales
コンテンツ生成方法
14日前
シャープ株式会社
表示装置及び表示方法
5日前
株式会社知財事業研究所
仮想空間相続システム
6日前
東京パーツ工業株式会社
振動呈示装置および入力装置
13日前
トヨタ自動車株式会社
不動産価値評価システム
5日前
東京パーツ工業株式会社
振動呈示装置および入力装置
13日前
アスエネ株式会社
温室効果ガス排出量管理方法
6日前
3ms株式会社
省エネルギー効果判定システム
19日前
日本精工株式会社
軸受情報提示装置
12日前
続きを見る