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

富士通株式会社
画像生成方法
2日前
甍エンジニアリング株式会社
屋根材買い取りシステム
2日前
株式会社アイシン
情報提供システム
2日前
アルプスアルパイン株式会社
入力装置
2日前
個人
情報処理システム、情報処理方法及びプログラム
2日前
キヤノン株式会社
情報処理装置
2日前
株式会社アイシン
投稿感情予測システム
2日前
日本電気株式会社
管理装置、管理方法、及びプログラム
2日前
株式会社セルズ
情報処理システム
2日前
株式会社アイシン
物体検出装置
2日前
トヨタ自動車株式会社
姿勢検出システム及び姿勢検出方法
2日前
カシオ計算機株式会社
表示装置、表示方法及びプログラム
2日前
株式会社JVCケンウッド
認識処理装置および認識処理方法
2日前
株式会社JVCケンウッド
認識処理装置および認識処理方法
2日前
株式会社ガバメイツ
業務手順管理システムおよびプログラム
2日前
株式会社不二越
学習処理装置及び学習処理プログラム
2日前
いすゞ自動車株式会社
検出システム
2日前
カシオ計算機株式会社
電子機器、固定判定方法及びプログラム
2日前
カシオ計算機株式会社
キー入力装置
2日前
カシオ計算機株式会社
キー入力装置
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
ソフトバンクグループ株式会社
システム
2日前
続きを見る