JP6679704B1 - Information processing apparatus, information processing method, and information processing program - Google Patents
Information processing apparatus, information processing method, and information processing program Download PDFInfo
- Publication number
- JP6679704B1 JP6679704B1 JP2018234126A JP2018234126A JP6679704B1 JP 6679704 B1 JP6679704 B1 JP 6679704B1 JP 2018234126 A JP2018234126 A JP 2018234126A JP 2018234126 A JP2018234126 A JP 2018234126A JP 6679704 B1 JP6679704 B1 JP 6679704B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- target
- user
- information processing
- processing apparatus
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 466
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 abstract description 24
- 238000003860 storage Methods 0.000 description 108
- 239000000284 extract Substances 0.000 description 102
- 230000006399 behavior Effects 0.000 description 76
- 230000009471 action Effects 0.000 description 46
- 230000006870 function Effects 0.000 description 18
- 230000000295 complement effect Effects 0.000 description 10
- 239000000446 fuel Substances 0.000 description 10
- 230000002860 competitive effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012356 Product development Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 101000575029 Bacillus subtilis (strain 168) 50S ribosomal protein L11 Proteins 0.000 description 2
- 102100035793 CD83 antigen Human genes 0.000 description 2
- 101000946856 Homo sapiens CD83 antigen Proteins 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】顧客の購買対象を適切に推定する情報処理装置、情報処理方法、及び情報処理プログラムを提供する。【解決手段】情報処理装置は、取得部と、推定部とを有する。取得部は、ユーザが入力した入力情報に含まれる性質を示す文字列と、ユーザのユーザ情報とを取得する。推定部は、前記性質を示す文字列とユーザのユーザ情報とに基づいて、前記性質に対応する対象である推定対象を推定する。【選択図】図４PROBLEM TO BE SOLVED: To provide an information processing device, an information processing method, and an information processing program for appropriately estimating a purchase target of a customer. An information processing device includes an acquisition unit and an estimation unit. The acquisition unit acquires a character string indicating a property included in the input information input by the user and the user information of the user. The estimation unit estimates an estimation target that is a target corresponding to the property based on the character string indicating the property and the user information of the user. [Selection diagram] Fig. 4
Description
本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。 The present invention relates to an information processing device, an information processing method, and an information processing program.
近年、インターネットの飛躍的な普及に伴い、例えば、インターネット上の種々の情報を用いた分析に関する技術が提供されている。例えば、購買履歴データ等を用いて時期のトレンドを考慮して顧客を分析する技術が知られている。 In recent years, with the dramatic spread of the Internet, for example, techniques relating to analysis using various types of information on the Internet have been provided. For example, there is known a technique for analyzing a customer in consideration of a trend of a period using purchase history data or the like.
しかしながら、上記の従来技術では、対象を適切に推定することができるとは限らない。例えば、分析対象の店の購買履歴データに基づいて生成された顧客グループを用いて比較するだけでは、商品等の対象を示すようなデータが無い場合、対象を推定することができない場合がある。 However, in the above-mentioned conventional technique, it is not always possible to appropriately estimate the target. For example, if there is no data indicating a target such as a product, it may not be possible to estimate the target only by making a comparison using a customer group generated based on the purchase history data of the store to be analyzed.
本願は、上記に鑑みてなされたものであって、対象を適切に推定する情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。 The present application has been made in view of the above, and an object thereof is to provide an information processing apparatus, an information processing method, and an information processing program that appropriately estimate a target.
本願に係る情報処理装置は、ユーザが入力した入力情報に含まれる性質を示す文字列と、前記ユーザのユーザ情報とを取得する取得部と、前記性質を示す文字列と前記ユーザのユーザ情報とに基づいて、前記性質に対応する対象である推定対象を推定する推定部と、を備えることを特徴とする。 An information processing apparatus according to the present application includes a character string indicating a property included in input information input by a user, an acquisition unit that acquires user information about the user, a character string indicating the property, and user information about the user. And an estimation unit that estimates an estimation target that is a target corresponding to the above property.
実施形態の一態様によれば、対象を適切に推定することができるという効果を奏する。 According to one aspect of the embodiment, there is an effect that the target can be estimated appropriately.
以下に、本願に係る情報処理装置、情報処理方法、及び情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。 Hereinafter, modes (hereinafter, referred to as “embodiments”) for implementing an information processing device, an information processing method, and an information processing program according to the present application will be described in detail with reference to the drawings. The information processing apparatus, the information processing method, and the information processing program according to the present application are not limited to this embodiment. Also, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicated description will be omitted.
（実施形態）
〔１．情報処理〕
図１及び図２を用いて、実施形態に係る情報処理の一例について説明する。まず、図１を用いて、ユーザの入力情報からニーズに関する情報を抽出する一例を説明する。図１は、実施形態に係る情報処理の一例を示す図である。また、図２の例では、ユーザの入力情報に対象を示す文字列が含まれない場合に、入力情報から対象（以下「推定対象」ともいう）を推定する場合を説明するが、詳細は後述する。
(Embodiment)
[1. Information processing)
An example of information processing according to the embodiment will be described with reference to FIGS. 1 and 2. First, an example of extracting information regarding needs from user input information will be described with reference to FIG. FIG. 1 is a diagram illustrating an example of information processing according to the embodiment. Further, in the example of FIG. 2, a case where the target (hereinafter, also referred to as “estimation target”) is estimated from the input information when the user input information does not include a character string indicating the target will be described in detail. To do.
図１では、情報処理装置１００は、ユーザが入力した入力情報に含まれるキーワードに基づいて、所定の対象に対するユーザのニーズに関する情報を抽出する。情報処理装置１００は、入力情報に含まれる所定の事業者が提供する対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、第１キーワードに対応する対象に対するニーズに関する情報を抽出する。なお、ここでいう性質は、対象が備えるもの（特徴）であり、性質には、対象が有する機能や対象の仕様や対象に対する価値評価等を含む概念であるものとする。図１の例では、ユーザの入力情報として、ユーザが検索に用いたキーワード（以下、「検索クエリ」や「クエリ」ともいう）に基づいて対象に対するニーズに関する情報を抽出する。なお、図１に示す例では、ユーザが入力した入力情報として、ユーザが検索に用いた検索クエリを一例として説明するが、入力情報は、検索クエリに限らず、ユーザがソーシャルネットワーキングサービス（ＳＮＳ：Social Networking Service）において投稿した情報（投稿情報）等の種々の情報であってもよい。
In FIG. 1, the
また、図１は、情報処理装置１００が事業者への情報提供を行う場合を示す。ここでいう事業者は、事業をおこなうものであれば、個人（自然人）や法人等の種々の事業者が含まれてもよい。例えば、事業者は、情報の提供を要求する商品または商品のカテゴリを示す指定を行う事業者である。例えば、事業者は、商品またはサービスを提供（販売）する企業であってもよい。図１の例では、商品または商品のカテゴリを示す指定を行う事業者が、自動車メーカＭＡである場合を示す。なお、ここでいう商品には、事業者が提供する役務（サービス）が含まれてもよい。以下では、商品またはサービスを併せて「商品」と記載する場合がある。図１の例では、情報処理装置１００は、事業者が指定した商品または商品のカテゴリを示す情報（以下、「対象情報」ともいう）に対応する対象に対するニーズに関する情報である対象需要情報を事業者へ提供する。また、図１では、情報処理装置１００は、自動車メーカＭＡから対象情報を取得し、取得した対象情報に対応する対象需要情報に関する情報を自動車メーカＭＡに提供する。
Further, FIG. 1 shows a case where the
〔情報処理システムの構成〕
まず、図１及び図３に示す情報処理システム１について説明する。図３に示すように、情報処理システム１は、端末装置１０と、事業者装置２０と、情報処理装置１００とが含まれる。端末装置１０と、事業者装置２０と、情報処理装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。図３は、実施形態に係る情報処理システムの構成例を示す図である。なお、図３に示した情報処理システム１には、複数台の端末装置１０や、複数台の事業者装置２０や複数台の情報処理装置１００が含まれてもよい。
[Configuration of information processing system]
First, the
端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１に示す例においては、端末装置１０がユーザが利用するスマートフォンである場合を示す。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。具体的には、図１では、端末装置１０がユーザＩＤ「Ｕ１」により識別されるユーザ（以下、「ユーザＵ１」とする場合がある）が利用するスマートフォンである場合を示す。
The
また、端末装置１０は、ＧＰＳセンサ等に限らず種々のセンサにより、各種センサ情報を検知してもよい。また、端末装置１０は、加速度センサの機能を有し、ユーザの移動における加速度情報（センサ情報）を検知し、取得する。また、端末装置１０は、温度センサや気圧センサ等の種々の機能を有し、温度や気圧等のユーザの置かれている環境情報を検知し、取得可能であってもよい。また、端末装置１０は、心拍センサ等の種々の機能を有し、ユーザの生体情報を検知し、取得可能であってもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身のコンテキスト情報を取得可能としてもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なリストバンド型のウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身の心拍（脈拍）に関する情報を端末装置１０が取得可能としてもよい。
Further, the
また、図１に示す例においては、端末装置１０を利用するユーザに応じて、端末装置１０を端末装置１０−１〜１０−５として説明する。例えば、端末装置１０−１は、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）により使用される端末装置１０である。また、例えば、端末装置１０−２は、ユーザＩＤ「Ｕ２」により識別される（ユーザＵ２）により使用される端末装置１０である。また、以下では、端末装置１０−１〜１０−５について、特に区別なく説明する場合には、端末装置１０と記載する。
Further, in the example illustrated in FIG. 1, the
情報処理装置１００は、ユーザが入力した入力情報に含まれる性質を示す文字列と、ユーザのユーザ情報とに基づいて、性質に対応する対象である推定対象を推定する情報処理装置である。情報処理装置１００は、ユーザのユーザ情報を取得する。ユーザ情報には、ユーザの属性を示す情報や行動を示す情報等、ユーザに関する種々の情報が含まれる。情報処理装置１００は、ユーザの種々の種別の行動情報を取得する。例えば、情報処理装置１００は、ユーザの端末装置１０からユーザの行動情報を取得する。例えば、情報処理装置１００は、ユーザにサービスを提供するサービス提供装置などの外部装置からユーザの行動情報を取得する。情報処理装置１００は、取得したユーザの行動情報を行動情報記憶部１２３（図７参照）等の記憶部１２０（図４参照）に格納する。情報処理装置１００は、ユーザの属性情報を取得する。情報処理装置１００は、取得したユーザの属性情報をユーザ情報記憶部１２２（図６参照）等の記憶部１２０（図４参照）に格納する。
The
情報処理装置１００は、ユーザが入力した入力情報に含まれる第１キーワードと、入力情報に含まれる第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出する情報処理装置である。例えば、情報処理装置１００は、ユーザが入力した入力情報に含まれる第１キーワードと第２キーワードとの関係に基づいて、第１キーワードに対応する対象に対するニーズを抽出する。
The
また、情報処理装置１００は、端末装置１０から取得したクエリ（検索クエリ）に対する検索結果を端末装置１０に提供する検索サービスを提供する。図１の例では、情報処理装置１００は、クエリに対応する所定の情報を検索結果として、クエリの送信元である端末装置１０へ提供する。
The
なお、図１では、情報処理装置１００が検索サービスを提供する場合を示すが、外部の情報処理装置が検索サービスを提供する場合、情報処理装置１００は検索サービスを提供しなくてもよい。この場合、情報処理装置１００は、検索サービスを提供する外部の情報処理装置等から各種情報を取得し、事業者への情報提供のみを行ってもよい。
Although FIG. 1 shows the case where the
事業者装置２０は、事業者（企業）によって利用される情報処理装置である。図１の例では、事業者装置２０は、事業者である自動車メーカＭＡの管理者Ｍ１によって利用される情報処理装置である。例えば、自動車メーカＭＡの管理者Ｍ１は、事業者装置２０を用いて、情報処理装置１００に対してキーワードに関する指定を行う。また、事業者装置２０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣや、デスクトップＰＣや、携帯電話機や、ＰＤＡ等により実現される。図１は、事業者装置２０がノート型ＰＣである場合を示す。
The
まず、情報処理装置１００は、ユーザＵ１が利用する端末装置１０−１からクエリを取得する（ステップＳ１１−１）。図１の例では、情報処理装置１００は、日時ｄｔ１１−１において、端末装置１０−１からクエリ「車Ｘ 横幅」を取得する。そして、情報処理装置１００は、クエリ「車Ｘ 横幅」に対応する検索結果を端末装置１０−１へ提供する（ステップＳ１２−１）。また、情報処理装置１００は、日時ｄｔ１１−１において、ユーザＵ１がクエリ「車Ｘ 横幅」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。
First, the
また、情報処理装置１００は、ユーザＵ２が利用する端末装置１０−２からクエリを取得する（ステップＳ１１−２）。図１の例では、情報処理装置１００は、日時ｄｔ１１−２において、端末装置１０−２からクエリ「車Ｙ 燃費」を取得する。そして、情報処理装置１００は、クエリ「車Ｙ 燃費」に対応する検索結果を端末装置１０−２へ提供する（ステップＳ１２−２）。また、情報処理装置１００は、日時ｄｔ１１−２において、ユーザＵ２がクエリ「車Ｙ 燃費」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。
The
また、情報処理装置１００は、ユーザＵ３が利用する端末装置１０−３からクエリを取得する（ステップＳ１１−３）。図１の例では、情報処理装置１００は、日時ｄｔ１１−３において、端末装置１０−３からクエリ「スマホ バッテリ」を取得する。そして、情報処理装置１００は、クエリ「スマホ バッテリ」に対応する検索結果を端末装置１０−３へ提供する（ステップＳ１２−３）。また、情報処理装置１００は、日時ｄｔ１１−３において、ユーザＵ３がクエリ「スマホ バッテリ」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。
Further, the
また、情報処理装置１００は、ユーザＵ４が利用する端末装置１０−４からクエリを取得する（ステップＳ１１−４）。図１の例では、情報処理装置１００は、日時ｄｔ１１−４において、端末装置１０−４からクエリ「天気」を取得する。そして、情報処理装置１００は、クエリ「天気」に対応する検索結果を端末装置１０−４へ提供する（ステップＳ１２−４）。また、情報処理装置１００は、日時ｄｔ１１−４において、ユーザＵ４がクエリ「天気」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。
Further, the
まず、情報処理装置１００は、ユーザＵ５が利用する端末装置１０−５からクエリを取得する（ステップＳ１１−５）。図１の例では、情報処理装置１００は、日時ｄｔ１１−５において、端末装置１０−５からクエリ「車Ｘ 荷台 広さ」を取得する。そして、情報処理装置１００は、クエリ「車Ｘ 荷台 広さ」に対応する検索結果を端末装置１０−５へ提供する（ステップＳ１２−５）。また、情報処理装置１００は、日時ｄｔ１１−５において、ユーザＵ５がクエリ「車Ｘ 荷台 広さ」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。
First, the
以下、ステップＳ１１−１〜Ｓ１１−５を区別せずに説明する場合、ステップＳ１１と総称する。また、ステップＳ１１−１〜Ｓ１１−５に限らず、各ユーザの検索は、複数回行われてもよい。また、以下、ステップＳ１２−１〜Ｓ１２−５を区別せずに説明する場合、ステップＳ１２と総称する。なお、図１では、５人のユーザＵ１〜Ｕ５を図示するが、情報処理装置１００は、ユーザＵ１〜Ｕ５に限らず、多数のユーザ（例えば、１００万ユーザや１０００万ユーザ等）が検索に用いたクエリを取得する。
Hereinafter, when the steps S11-1 to S11-5 will be described without distinction, they will be collectively referred to as step S11. The search for each user is not limited to steps S11-1 to S11-5, and may be performed multiple times. Further, hereinafter, when the steps S12-1 to S12-5 are described without making a distinction, they are collectively referred to as step S12. Although FIG. 1 illustrates five users U1 to U5, the
また、情報処理装置１００は、事業者から対象情報を取得する（ステップＳ１３）。図１の例では、情報処理装置１００は、自動車メーカＭＡが利用する事業者装置２０から商品「車Ｘ」を指定する対象情報（指定情報）を取得する。例えば、自動車メーカＭＡの管理者Ｍ１は、事業者装置２０に商品「車Ｘ」を指定する対象情報を入力することにより、情報処理装置１００へ商品「車Ｘ」を指定する対象情報を送信する。
Further, the
そして、情報処理装置１００は、対象情報に対応する対象に対するニーズを抽出する（ステップＳ１４）。例えば、情報処理装置１００は、検索に用いられたクエリから対象情報に対応する対象に対するニーズを抽出する。図１の例では、情報処理装置１００は、対象情報「車Ｘ」に対応する文字列を含むクエリを抽出する。例えば、情報処理装置１００は、ステップＳ１１において取得したクエリに関する情報に基づいて、情報を抽出する。図１の例では、情報処理装置１００は、行動情報記憶部１２３に記憶されたクエリに関する情報のうち、対象情報に対応するクエリに関する情報を抽出する。
Then, the
例えば、情報処理装置１００は、対象「車Ｘ」に対応する第１キーワード「車Ｘ」とともに用いられる対象「車Ｘ」の性質に関する第２キーワードを抽出する。例えば、情報処理装置１００は、対象「車」の性質に関する一覧情報に基づいて、第１キーワード「車Ｘ」とともに用いられる第２キーワードを抽出してもよい。例えば、情報処理装置１００は、車に関連する機能や仕様や価値評価等の種々の車に関する性質の一覧情報等を有してもよい。例えば、情報処理装置１００は、車に関連する性質として、価格やサイズや評価等に関する種々のキーワードを含む一覧情報等を有してもよい。例えば、情報処理装置１００は、車に関連する性質として、「横幅」や「燃費」等のキーワードを含む一覧情報等を有してもよい。例えば、情報処理装置１００は、対象「車」の性質に関する一覧情報を用いて、第２キーワードを抽出してもよい。
For example, the
図１の例では、情報処理装置１００は、ユーザＵ１が第１キーワード「車Ｘ」と組み合わせて、車の仕様に関する第２キーワード「横幅」を用いたことを示す情報を抽出する。例えば、情報処理装置１００は、ユーザＵ１がクエリ「車Ｘ」と組み合わせてクエリ「横幅」を用いたことを示す情報を行動情報記憶部１２３から抽出する。このように、情報処理装置１００は、第１キーワード「車Ｘ」とともに用いられた第２キーワード「横幅」を抽出することにより、対象「車Ｘ」に対するユーザのニーズを抽出することができる。また、例えば、情報処理装置１００は、ユーザＵ１が２０代男性であること等を示すユーザＵ１に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。
In the example of FIG. 1, the
また、図１の例では、情報処理装置１００は、ユーザＵ５が第１キーワード「車Ｘ」と組み合わせて、車の仕様に関する第２キーワード「荷台」及び第２キーワード「広さ」を用いたことを示す情報を抽出する。例えば、情報処理装置１００は、ユーザＵ５がクエリ「車Ｘ」と組み合わせてクエリ「荷台」及びクエリ「広さ」を用いたことを示す情報を行動情報記憶部１２３から抽出する。このように、情報処理装置１００は、第１キーワード「車Ｘ」とともに用いられた第２キーワード「荷台」や「広さ」を抽出することにより、対象「車Ｘ」に対するユーザのニーズを抽出することができる。また、例えば、情報処理装置１００は、ユーザＵ５が３０代女性であること等を示すユーザＵ５に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。なお、上記例では、第１キーワードに対応する「車Ｘ」の仕様に関する第２キーワードを抽出する例を示したが、第１キーワードとともに用いられる第２キーワードであれば、種々の情報を抽出してもよい。例えば、情報処理装置１００は、第１キーワードに対応する「車Ｘ」の機能に関する第２キーワードを抽出してもよい。例えば、情報処理装置１００は、「省エネ」や「衝突防止」等の車の機能に関する第２キーワードを抽出してもよい。また、例えば、情報処理装置１００は、第１キーワードに対応する「車Ｘ」の価値評価に関する第２キーワードを抽出してもよい。例えば、情報処理装置１００は、「若者に人気」や「お買い得」や「椅子が固い」等の車の価値評価に関する第２キーワードを抽出してもよい。なお、上記は一例であり、情報処理装置１００は、対象となる商品を製造する事業者が製品開発に利用可能なキーワードであれば、種々のキーワードを第２キーワードとして抽出してもよい。
Further, in the example of FIG. 1, in the
そして、情報処理装置１００は、対象に対するニーズに関する情報に基づいて対象需要情報を生成する（ステップＳ１５）。図１の例では、情報処理装置１００は、ニーズ情報記憶部１２４に示すような対象需要情報を生成する。例えば、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を生成する。また、例えば、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を生成する。また、例えば、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」等であることを示す対象需要情報を生成する。
Then, the
そして、情報処理装置１００は、事業者に対象需要情報を提供する（ステップＳ１６）。図１の例では、情報処理装置１００は、対象情報の送信元である自動車メーカＭＡに生成した対象需要情報を提供する。例えば、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、例えば、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」等であることを示す対象需要情報を自動車メーカＭＡに提供する。
Then, the
〔情報の利用（製品開発等）〕
このように、情報処理装置１００は、対象情報に対応する対象に対するニーズを示す対象需要情報を、事業者に提供する。これにより、対象需要情報の提供を受けた事業者は、自身が指定した商品または商品のカテゴリについて、提供された対象需要情報に基づいて、新商品等の開発やマーケティング等を行うことができる。例えば、図１の例では、情報処理装置１００から対象「車Ｘ」に対応する第１キーワードが車Ｘの仕様に関する第２キーワード「横幅」とともに入力されている割合が高いことを示す対象需要情報の提供を受けた自動車メーカＭＡは、「横幅」の仕様（性質）を重要視した車Ｘの製品開発が可能となる。また、例えば、図１の例では、対象「車Ｘ」に対応する第１キーワードが車Ｘの仕様に関する第２キーワード「荷台 広さ」とともに入力されている割合が高いことを示す対象需要情報の提供を、情報処理装置１００から受けた自動車メーカＭＡは、「荷台」の仕様（性質）について広さを重要視した車Ｘの製品開発が可能となる。なお、情報処理装置１００は、抽出した対象に対するニーズに関する情報に基づく対象に関するコンテンツの生成を行ってもよいが、この点については後述する。また、例えば、図１の例では、対象「車Ｘ」に関する検索を行ったがユーザのうち、２０代のユーザが多いことを示す対象需要情報の提供を、情報処理装置１００から受けた自動車メーカＭＡは、２０代等の若いユーザをターゲットにした車Ｘの製品開発が可能となる。また、例えば、図１の例では、対象「車Ｘ」に関する検索を行ったがユーザのうち、男性のユーザが多いことを示す対象需要情報の提供を、情報処理装置１００から受けた自動車メーカＭＡは、男性をターゲットにした車Ｘの製品開発が可能となる。また、例えば、図１の例では、情報処理装置１００から対象需要情報の提供を受けた自動車メーカＭＡは、第２キーワードの傾向及び第２キーワードを用いたユーザ属性の両方を加味した車Ｘの製品開発を行うことが可能となる。例えば、図１の例では、女性のユーザが第１キーワード「車Ｘ」とともに、第２キーワード「乗り心地」を用いて検索を行う割合が高いことを示す情報を、情報処理装置１００から受けた自動車メーカＭＡは、対象「車Ｘ」の性質のうち、乗り心地を女性のユーザに訴求するように、女性のユーザに対して情報提供を行ってもよい。
[Use of information (product development, etc.)]
In this way, the
〔１−１．入力情報〕
図１の例では、ユーザが検索に用いた検索クエリを入力情報の一例として示したが、情報処理装置１００は、ユーザが入力した入力情報であれば、種々の情報を用いて、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、所定のネットワークで通信される文字情報から対象に関するニーズを抽出してもよい。
[1-1. Input information)
In the example of FIG. 1, the search query used by the user for the search is shown as an example of the input information, but the
例えば、情報処理装置１００は、ソーシャルネットワーキングサービスにおいてユーザが投稿した投稿情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、Ｔｗｉｔｔｅｒ（登録商標）やＦａｃｅｂｏｏｋ（登録商標）等においてユーザが投稿した投稿情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ユーザがＴｗｉｔｔｅｒにおいて投稿した文章（文字情報）を対象として、対象に関するニーズを抽出してもよい。この場合、例えば、情報処理装置１００は、形態素解析等の種々の自然言語処理技術の従来技術を適宜用いて、ユーザの入力情報（投稿情報）の意味解析を行った結果に基づいて、第１キーワードや第２キーワードを抽出してもよい。
For example, the
例えば、情報処理装置１００は、ユーザがメッセージサービスにおいて入力した入力情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ユーザがＬＩＮＥ（登録商標）等のメッセージサービスにおいて入力した入力情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、電子メールにおいて入力した入力情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ウェブ上におけるコンテンツ（情報）に関する検索サービスにおける情報（検索クエリ）を対象として、対象に関するニーズを抽出してもよい。
For example, the
また、例えば、情報処理装置１００は、質問サイト等においてユーザが入力した質問や回答に関する入力情報を対象として、対象に関するニーズを抽出してもよい。なお、上記は一例であり、情報処理装置１００は、種々の入力情報を対象として、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ユーザが入力した入力情報における第１キーワードとの共起頻度が所定の閾値以上である第２キーワードに基づいて、対象に関するニーズを抽出してもよい。例えば、情報処理装置１００は、ユーザが入力した入力情報における第１キーワードとの共起した回数が所定の閾値（例えば１０００回）以上である第２キーワードに基づいて、対象に関するニーズを抽出してもよい。
Further, for example, the
〔１−２．コンテンツの生成〕
なお、情報処理装置１００は、抽出した対象に対するニーズに関する情報に基づいて、対象に関するコンテンツを生成してもよい。例えば、対象「車Ｘ」が含まれる入力情報に、対象「車Ｘ」の性質である仕様「横幅」に対応する第２キーワードが所定の割合以上で含まれる場合、情報処理装置１００は、車Ｘの仕様「横幅」の情報がユーザに視認され易くした車Ｘに関するコンテンツを生成してもよい。この場合、例えば、情報処理装置１００は、車Ｘの仕様「横幅」の情報を他の情報よりも大きなフォントで表示する車ＸのＷｅｂページを生成してもよい。また、例えば、情報処理装置１００は、車Ｘの仕様「横幅」の情報を他の情報とは異なる色で表示する車ＸのＷｅｂページを生成してもよい。また、情報処理装置１００は、車Ｘの仕様「横幅」の情報を他の情報よりも視認され易くした車Ｘに関するコンテンツをユーザに提供してもよい。
[1-2. Content generation]
Note that the
〔１−３．対象〕
〔１−３−１．第１キーワード〕
図１の例では、自動車メーカＭＡが提供する具体的な商品「車Ｘ」を対象として、ニーズを抽出する場合を示したが、対象は、車に限らず飲料や食品等の種々の商品であってもよい。例えば、情報処理装置１００は、種々のレベル（階層）に応じた対象に対するニーズを抽出してもよい。例えば、情報処理装置１００は、所定の事業者が提供する商品のカテゴリに対するニーズを抽出してもよい。
[1-3. Target]
[1-3-1. First keyword]
In the example of FIG. 1, a case is shown in which needs are extracted for a specific product “car X” provided by the automobile manufacturer MA, but the target is not limited to the car but various products such as beverages and foods. It may be. For example, the
例えば、情報処理装置１００は、対象を「車」として、ニーズを抽出してもよい。この場合、情報処理装置１００は、第１キーワードを「車」とし、第１キーワード「車」とともに用いられた第２キーワードに基づいて、対象「車」に対するニーズを抽出してもよい。
For example, the
また、この場合、情報処理装置１００は、対象である「車」に関連する第１キーワードとともに用いられた第２キーワードに基づいて、対象「車」に対するニーズを抽出してもよい。例えば、情報処理装置１００は、対象である「車」に関連する「車Ｘ」や「車Ｙ」等の第１キーワードとともに用いられた第２キーワードに基づいて、対象「車」に対するニーズを抽出してもよい。
Further, in this case, the
例えば、情報処理装置１００は、「ＳＵＶ（Sport Utility Vehicle）」や「ミニバン」等の車の車種（種別）を対象として、ニーズを抽出してもよい。例えば、「ミニバン」を対象とした場合、情報処理装置１００は、第１キーワードを「ミニバン」とし、第１キーワード「ミニバン」とともに用いられた第２キーワードに基づいて、対象「ミニバン」に対するニーズを抽出してもよい。
For example, the
また、この場合、情報処理装置１００は、対象である「ミニバン」に関連する第１キーワードとともに用いられた第２キーワードに基づいて、対象「ミニバン」に対するニーズを抽出してもよい。例えば、情報処理装置１００は、対象である「ミニバン」に関連する商品名（具体的な車の名前）に対応する第１キーワードとともに用いられた第２キーワードに基づいて、対象「ミニバン」に対するニーズを抽出してもよい。例えば、情報処理装置１００は、対象である「ミニバン」である「車Ｂ」や「車Ｍ」等の第１キーワードとともに用いられた第２キーワードに基づいて、対象「ミニバン」に対するニーズを抽出してもよい。
Further, in this case, the
〔１−３−２．対象の設定〕
また、図１の例では、情報処理装置１００が事業者自身の事業に関する対象を指定する指定情報を用いる場合を示したが、情報処理装置１００は、種々の態様により対象情報を取得してもよい。この場合、情報処理装置１００は、所定の事業者の事業に関する情報が取得可能であれば、どのような手段により、所定の事業者の事業に関する情報を取得してもよい。例えば、情報処理装置１００は、所定の事業者の事業に関する情報を、所定の事業者の所定のユーザ等から取得してもよい。また、情報処理装置１００は、所定の事業者の所定のユーザ等から指定を受け付け、所定の事業者の所定のユーザ等からの指定に基づいて、所定の事業者の事業に関する情報を記憶部１２０（図４参照）から取得してもよい。
[1-3-2. Target setting]
Further, in the example of FIG. 1, the case where the
例えば、情報処理装置１００は、所定の事業者の事業に関する情報から、所定の事業者が提供する対象に関する情報を抽出してもよい。例えば、情報処理装置１００は、企業情報記憶部１２１に記憶された所定の事業者の事業に関する情報から、所定の事業者が提供する対象に関する情報を抽出してもよい。例えば、情報処理装置１００は、企業情報記憶部１２１に記憶された自動車メーカＭＡの事業に関する情報から、自動車メーカＭＡが提供する対象に関する情報として、「車」や「車Ｘ」や「車Ｂ」や「ＳＵＶ」等の種々の情報を抽出してもよい。
For example, the
また、情報処理装置１００は、企業情報記憶部１２１に記憶された情報に限らず、事業者に関するインターネット上のコンテンツからその事業者が提供する対象に関する情報を抽出してもよい。例えば、情報処理装置１００は、自動車メーカＭＡのホームページ等のサイトから、所定の事業者が提供する対象に関する情報を抽出してもよい。この場合、例えば、情報処理装置１００は、形態素解析等の種々の自然言語処理技術の従来技術を適宜用いて、自動車メーカＭＡのホームページ等の意味解析を行った結果に基づいて、所定の事業者が提供する対象に関する情報を抽出してもよい。また、情報処理装置１００は、上記のような情報に基づいて、各事業者に対応する対象に関する一覧情報を生成してもよい。この場合、情報処理装置１００は、生成した一覧情報を用いて、所定の事業者が提供する対象に関する情報を抽出してもよい。
Further, the
そして、情報処理装置１００は、所定の事業者の事業に関する情報から抽出した対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出してもよい。
Then, the
また、例えば、情報処理装置１００は、所定の事業者が提供する対象について、所定の事業者とは異なる他の事業者から、その対象を指定する対象情報を取得してもよい。例えば、情報処理装置１００は、一の事業者から他の事業者が提供する商品に関する対象に対応する対象情報の指定を受け付けてもよい。なお、この点については、図１０において説明する。
In addition, for example, the
〔１−４．課金〕
また、情報処理装置１００は、対象需要情報の提供に応じて、情報の提供先に課金を行ってもよい。すなわち、情報処理装置１００は、情報提供に対して課金される事業者に、対象需要情報を提供してもよい。例えば、情報処理装置１００は、課金の金額の増加に応じて、提供する対象需要情報の量や質を上昇させてもよい。例えば、情報処理装置１００は、対象情報に対応するキーワードとともにクエリとして用いられるキーワードのうち、最も割合が高い第１位のキーワードの情報提供を５万円とし、対象情報に対応するキーワードとともにクエリとして用いられるキーワード全体の情報提供を１０万円としてもよい。例えば、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、最も割合が高い第１位のキーワード「横幅」の情報提供を５万円とし、商品「車Ｘ」とともにクエリとして用いられるキーワード全体の情報提供を１０万円としてもよい。
[1-4. Billing)
Further, the
例えば、情報処理装置１００は、所定の金額（第１金額）だけ課金した事業者には、ニーズ情報記憶部１２４中のキーワード情報（第２キーワード）を提供し、所定の金額（第２金額）だけ課金した事業者には、ニーズ情報記憶部１２４中のユーザ属性情報を提供してもよい。また、例えば、情報処理装置１００は、所定の量以上の対象需要情報の提供を希望する事業者には、課金額をディスカウント（割引）、すなわちボリュームディスカウントしてもよい。例えば、情報処理装置１００は、キーワード情報及びユーザ属性情報の両方の対象需要情報の提供を希望する事業者には、第１金額と第２金額の合計よりも低い金額（第３金額）を課金してもよい。なお、上記は一例であり、情報処理装置１００は、種々の情報に基づいて、提供する対象需要情報や課金額を決定してもよい。
For example, the
また、例えば、情報処理装置１００は、入札形式により対象需要情報を提供してもよい。例えば、情報処理装置１００は、情報提供に対して入札された金額に基づいて決定された事業者に対象需要情報を提供してもよい。なお、この点についての詳細は後述する。
Further, for example, the
〔１−５．対象需要情報〕
上述した対象需要情報は一例であり、情報処理装置１００は種々の情報を対象需要情報として提供してもよい。例えば、情報処理装置１００は、検索を行ったユーザの地域の分布を示す情報を対象需要情報として提供してもよい。また、例えば、情報処理装置１００は、事業者と競合する事業者（以下、「競合事業者」ともいう）の商品または当該商品のカテゴリを示す対象情報を取得し、競合事業者に関する対象需要情報を事業者に提供してもよい。なお、この点についての詳細は後述する。
[1-5. Target demand information]
The target demand information described above is an example, and the
〔１−６．提供態様〕
また、例えば、情報処理装置１００は、情報提供先となる事業者の事業規模（売上等）に応じて、対象需要情報の提供態様を変動させてもよい。例えば、情報処理装置１００は、事業者に事業規模（売上等）が所定の閾値未満である場合、情報提供を行うごとに課金を行ってもよい。また、例えば、情報処理装置１００は、事業者に事業規模（売上等）が所定の閾値以上である場合、定額制により情報提供を行ってもよい。例えば、情報処理装置１００は、事業者に事業規模（売上等）が所定の閾値以上である場合、所定の期間ごとに設定される課金額を課金し、その所定の期間内に情報提供を行ってもよい。また、例えば、情報処理装置１００は、情報提供先となる事業者の事業規模（売上等）に応じて、課金額を変動させてもよい。例えば、情報処理装置１００は、事業者に事業規模（売上等）が所定の閾値未満である場合、事業規模が所定の閾値以上の事業者に情報提供する場合と比べて、同様の情報提供における課金額を低くしてもよい。
[1-6. Provision mode]
Further, for example, the
〔１−７．情報処理〕
ここで、図２を用いて、実施形態に係る情報処理の一例について説明する。図２は、実施形態に係る情報処理の一例を示す図である。図２は、推定対象の推定に関する情報処理を示す図である。また、図２の例では、情報処理装置１００がユーザの入力情報に対象を示す文字列が含まれない場合に、入力情報から対象（推定対象）を推定する場合を示す。
[1-7. Information processing)
Here, an example of information processing according to the embodiment will be described with reference to FIG. 2. FIG. 2 is a diagram illustrating an example of information processing according to the embodiment. FIG. 2 is a diagram illustrating information processing regarding estimation of an estimation target. In addition, the example of FIG. 2 illustrates a case where the
まず、情報処理装置１００は、入力情報を取得する（ステップＳ５１）。例えば、情報処理装置１００は、ユーザが利用する端末装置１０から、ユーザが入力した入力情報を取得してもよい。例えば、情報処理装置１００は、ユーザにサービスを提供するサービス提供装置から、入力情報を取得してもよい。例えば、情報処理装置１００は、記憶部１２０（図４参照）から、入力情報を取得してもよい。例えば、情報処理装置１００は、行動情報記憶部１２３（図７参照）から、入力情報を取得してもよい。例えば、情報処理装置１００は、行動情報記憶部１２３から、性質を示す文字列を含み、対象を示す文字列を含まない入力情報を抽出することにより、入力情報を取得してもよい。
First, the
図２の例では、情報処理装置１００は、入力情報ＩＩＮＦ５１を取得する。例えば、情報処理装置１００は、ユーザＵ５１が利用する端末装置１０からクエリを取得する。図２の例では、情報処理装置１００は、日時ｄｔ５１−１において、ユーザＵ５１の端末装置１０からクエリ「車高」を取得する。そして、情報処理装置１００は、クエリ「車高」に対応する検索結果をユーザＵ５１の端末装置１０へ提供してもよい。また、情報処理装置１００は、日時ｄｔ５１−１において、ユーザＵ５１がクエリ「車高」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶してもよい。
In the example of FIG. 2, the
このように、図２の例では、情報処理装置１００は、クエリ「車高」という対象が特定されていない不明な対象の性質である「車高」という文字列を含むユーザＵ５１の入力情報を取得する。この場合、情報処理装置１００は、ユーザＵ５１が入力した性質「車高」がどの対象に関するものであるかを推定する。
As described above, in the example of FIG. 2, the
例えば、情報処理装置１００は、所定の知識データベースを用いて、性質「車高」がカテゴリ「車」に属する対象が有する性質であることを特定してもよい。情報処理装置１００は、各カテゴリとそのカテゴリに属する対象が有する性質の一覧情報を用いて、性質「車高」がカテゴリ「車」に属する対象が有する性質であることを特定してもよい。情報処理装置１００は、各カテゴリに対応付けられた性質の一覧情報と、性質「車高」とを比較し、性質「車高」が対応付けられているカテゴリ「車」を特定してもよい。これにより、情報処理装置１００は、ユーザＵ５１が入力した性質「車高」に対応する対象がカテゴリ「車」に属する対象であることを特定する。すなわち、情報処理装置１００は、ユーザＵ５１が入力した性質「車高」に対応する対象を、カテゴリ「車」に属する対象に絞り込む。
For example, the
情報処理装置１００は、上記に限らず種々の情報を用いて、性質が対応するカテゴリを特定してもよい。情報処理装置１００は、各性質を有する対象のカテゴリの一覧情報を用いて、その性質に対応するカテゴリを特定してもよい。なお、情報処理装置１００は、上記のようなカテゴリと性質との対応関係を示す情報を、記憶部１２０（図４参照）から取得してもよいし、所定の知識データベースを提供する外部装置から取得してもよい。
The
また、情報処理装置１００は、性質を示す文字列（第２キーワード）とともに入力されたカテゴリを示す文字列を用いてもよい。例えば、情報処理装置１００は、クエリ「車高」とともに「車」という文字列が入力された場合、性質「車高」に対応する対象を、カテゴリ「車」に属する対象に絞り込んでもよい。例えば、情報処理装置１００は、クエリ「広い」とともに「家」という文字列が入力された場合、性質「広い」に対応する対象を、カテゴリ「家」に属する対象に絞り込んでもよい。例えば、情報処理装置１００は、クエリ「容量」とともに「冷蔵庫」という文字列が入力された場合、性質「容量」に対応する対象を、カテゴリ「冷蔵庫」に属する対象に絞り込んでもよい。なお、上記は一例であり、情報処理装置１００は、種々の情報を適宜用いて、性質に対応するカテゴリを絞り込んでもよい。
In addition, the
情報処理装置１００は、行動情報を取得する（ステップＳ５２）。例えば、情報処理装置１００は、外部装置からユーザの行動情報を取得してもよい。例えば、情報処理装置１００は、記憶部１２０から、ユーザの行動情報を取得する。例えば、情報処理装置１００は、行動情報記憶部１２３から、ユーザの行動情報を取得する。図２の例では、情報処理装置１００は、行動情報ＡＩＮＦ５１を取得する。
The
例えば、情報処理装置１００は、入力時点から所定の期間（例えば前後１時間や前後１日等）内の入力ユーザの行動情報（以下「関連行動情報」ともいう）を取得する。
For example, the
情報処理装置１００は、入力時点から所定の期間内の入力ユーザであるユーザＵ５１の関連行動情報を取得する。例えば、情報処理装置１００は、ユーザＵ５１が入力した日時ｄｔ５１−１から所定の期間内のユーザＵ５１の関連行動情報を取得する。図２の例では、情報処理装置１００は、日時ｄｔ５１−１から所定の期間内（例えば３時間後）の日時ｄｔ５２−１において、ユーザＵ１がコンテンツＣＴ１の閲覧を行ったことを示す情報を取得する。情報処理装置１００は、日時ｄｔ５２−１において、ユーザＵ５１が自動車メーカＭＡのサイトであるコンテンツＣＴ１の閲覧を行ったことを示す情報を取得する。すなわち、情報処理装置１００は、自動車メーカＭＡが提供する車にユーザＵ１が関心を有することを示す情報を取得する。なお、情報処理装置１００は、コンテンツの閲覧に限らず、ユーザによる商品やサービスの購買等、種々の種別の行動情報を取得する。
The
また、情報処理装置１００は、ユーザ情報を取得する（ステップＳ５３）。図２の例では、情報処理装置１００は、ユーザＵ５１等のユーザのユーザ情報ＵＩＮＦ５１を取得する。例えば、情報処理装置１００は、ユーザＵ５１が利用する端末装置１０からユーザＵ５１等のユーザのユーザ情報を取得する。また、情報処理装置１００は、ユーザ情報記憶部１２２（図６参照）からユーザＵ５１等のユーザのユーザ情報を取得する。
Further, the
図２の例では、情報処理装置１００は、ユーザＩＤ「Ｕ５１」により識別されるユーザ（ユーザＵ５１）の年齢が「２０代」であり、性別が「男性」であることを示すユーザ情報を取得する。また、情報処理装置１００は、ユーザＵ５１の自宅が「ＬＣ５１１」であることを示すユーザ情報を取得する。また、情報処理装置１００は、ユーザＵ５１の勤務地が「ＬＣ５１２」であることを示すユーザ情報を取得する。また、情報処理装置１００は、ユーザＵ５１が「スポーツ」に興味があることを示すユーザ情報を取得する。
In the example of FIG. 2, the
そして、情報処理装置１００は、対象を推定する（ステップＳ５４）。図２の例では、情報処理装置１００は、推定対象情報ＥＩＮＦ５１を推定する。例えば、情報処理装置１００は、入力情報ＩＩＮＦ５１や行動情報ＡＩＮＦ５１を用いて、推定対象を推定する。例えば、情報処理装置１００は、各入力ユーザが入力した性質ごとに、対応する推定対象を推定する。
Then, the
例えば、情報処理装置１００は、ユーザＵ５１が入力した性質「車高」に対応する対象を、ユーザＵ５１の行動情報や属性情報を用いて推定する。例えば、情報処理装置１００は、ユーザＵ５１の関連行動情報に自動車メーカＭＡのサイトの閲覧が含まれるため、ユーザＵ５１が入力した性質「車高」に対応する対象が、自動車メーカＭＡが提供する車であると推定する。すなわち、情報処理装置１００は、ユーザＵ５１の関連行動情報に自動車メーカＭＡのサイトの閲覧が含まれるため、ユーザＵ５１が入力した性質「車高」に対応する対象が、自動車メーカＭＡが提供する車に絞り込む。
For example, the
例えば、情報処理装置１００は、企業情報記憶部１２１（図５参照）に記憶された自動車メーカＭＡの企業情報を用いて、ユーザＵ５１が入力した性質「車高」に対応する対象（以下「対象候補」ともいう）を絞り込む。この場合、情報処理装置１００は、ユーザＵ５１が入力した性質「車高」に対応する対象を、自動車メーカＭＡが提供する車Ｘ、車Ｂ、車Ｃ等の対象候補に絞り込む。
For example, the
そして、情報処理装置１００は、ユーザＵ５１の属性情報に基づいて、車Ｘ、車Ｂ、車Ｃ等の対象候補から、さらに対象に絞り込む。例えば、情報処理装置１００は、ユーザＵ５１が「スポーツ」に興味があるため、ユーザＵ５１がスポーツに関連する車を対象に入力を行ったと推定する。そのため、情報処理装置１００は、車Ｘ、車Ｂ、車Ｃ等の対象候補のうち、スポーツに関連する車種「ＳＵＶ」である車Ｘを推定対象であると特定する。例えば、情報処理装置１００は、車Ｘ、車Ｂ、車Ｃ等の対象候補の車種と、ユーザＵ５１の興味「スポーツ」とを比較し、スポーツに類似する車種「ＳＵＶ」である車Ｘを推定対象であると特定する。例えば、情報処理装置１００は、ユーザＵ５１が入力した性質「車高」に対応する対象が車Ｘであると推定する。なお、情報処理装置１００は、推定対象情報ＥＩＮＦ５１を記憶部１２０に格納してもよい。
Then, the
そして、情報処理装置１００は、推定した情報を用いて補完情報を生成する（ステップＳ５５）。情報処理装置１００は、推定対象情報ＥＩＮＦ５１に含まれる性質を入力したユーザと推定対象との組合せごとに、推定対象をユーザの入力した情報とした補完情報ＣＩＮＦ５１を生成する。図２の例では、情報処理装置１００は、ユーザＵ５１が入力した性質「車高」に対応する推定対象「車Ｘ」をユーザＵ５１が入力した第１キーワードとし、ユーザＵ５１が入力した性質「車高」を第２キーワードとした補完情報を生成する。
Then, the
この場合、情報処理装置１００は、ユーザＵ５１が日時ｄｔ５１−１に、第１キーワード「車Ｘ」と第２キーワード「車高」とを含む入力情報を入力したことを示す補完情報（行動情報）を生成する。すなわち、情報処理装置１００は、入力情報から、性質を示す文字列に対応する第２キーワード「車高」を、推定対象「車Ｘ」の性質に対応する第２キーワードとして抽出することとなる。なお、情報処理装置１００は、補完情報ＣＩＮＦ５１を記憶部１２０に格納してもよい。例えば、情報処理装置１００は、補完情報ＣＩＮＦ５１を行動情報記憶部１２３に格納してもよい。
In this case, the
このように、情報処理装置１００は、ユーザの入力情報に対象を示す文字列が含まれない場合に、ユーザの行動や属性から対象（推定対象）を推定することにより、対象を適切に推定することができる。すなわち、情報処理装置１００は、ユーザの入力情報に対象を示す文字列が含まれない場合に、ユーザ情報から対象（推定対象）を推定することにより、対象を適切に推定することができる。また、情報処理装置１００は、推定した対象（第１キーワード）をユーザが入力した第２キーワードに対応付けた補完情報を生成することにより、第１キーワードと第２キーワードとを組合せた情報を増幅させることができる。
As described above, the
〔１−７−１．ユーザ情報〕
図２の例では、情報処理装置１００がユーザの行動情報と属性情報とを用いて、第２キーワード（性質）の対象を推定する場合を示したが、情報処理装置１００は、種々の情報を適宜用いて、対象を推定してもよい。
[1-7-1. User information]
In the example of FIG. 2, the
例えば、情報処理装置１００は、ユーザの行動情報のみを用いて、対象を推定してもよい。情報処理装置１００は、ユーザの性質に関連する関連行動情報に基づいて、推定対象を推定してもよい。情報処理装置１００は、ユーザの対象に関するＳＮＳへの投稿の内容に基づいて、推定対象を推定してもよい。例えば、情報処理装置１００は、ユーザＵ１が「車Ｘの車高をもっと低くしてほしい」等といった投稿を行ったことを示す行動情報に基づいて、推定対象を推定してもよい。この場合、情報処理装置１００は、「車Ｘの車高をもっと低くしてほしい」という投稿情報に基づいて、ユーザＵ５１が入力した性質「車高」に対応する対象が車Ｘであると推定する。
For example, the
情報処理装置１００は、ユーザの性質を有する所定の対象に関連する関連行動情報に基づいて、推定対象を推定してもよい。情報処理装置１００は、ユーザの対象に関するＳＮＳへの投稿の内容に基づいて、推定対象を推定してもよい。例えば、情報処理装置１００は、ユーザＵ１が「最近、車Ｘが気になっている」等といった投稿を行ったことを示す行動情報に基づいて、推定対象を推定してもよい。この場合、情報処理装置１００は、「最近、車Ｘが気になっている」という投稿情報に基づいて、ユーザＵ５１が入力した性質「車高」に対応する対象が車Ｘであると推定する。
The
〔１−７−２．その他〕
情報処理装置１００は、種々の態様により、推定対象を推定してもよい。情報処理装置１００は、情報処理装置１００の管理者の指定に応じて、推定対象を推定してもよい。情報処理装置１００は、自動的に抽出した対象を示す文字列が含まれないユーザの入力情報について、推定対象を推定してもよい。例えば、情報処理装置１００は、所定の事業者の要求に応じて、推定対象を推定してもよい。
[1-7-2. Other]
The
〔１−８．情報処理のフロー〕
ここで、図１２を用いて、実施形態に係る情報処理装置１００による情報処理の手順について説明する。図１２は、実施形態に係る情報処理の一例を示すフローチャートである。
[1-8. Information processing flow]
Here, the procedure of information processing by the
図１２に示すように、情報処理装置１００は、ユーザが入力した入力情報に含まれる性質を示す文字列を取得する（ステップＳ５０１）。また、情報処理装置１００は、ユーザのユーザ情報を取得する（ステップＳ５０２）。そして、情報処理装置１００は、性質を示す文字列とユーザのユーザ情報とに基づいて、性質に対応する対象である推定対象を推定する（ステップＳ５０３）。
As illustrated in FIG. 12, the
〔２．情報処理装置の構成〕
次に、図４を用いて、実施形態に係る情報処理装置１００の構成について説明する。図４は、実施形態に係る情報処理装置の構成例を示す図である。図４に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
[2. Configuration of information processing device]
Next, the configuration of the
（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、例えば情報処理システム１に含まれる端末装置１０や事業者装置２０との間で情報の送受信を行う。
(Communication unit 110)
The communication unit 110 is realized by, for example, a NIC (Network Interface Card) or the like. The communication unit 110 is connected to a network by wire or wirelessly, and transmits and receives information to and from the
（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２０は、図４に示すように、企業情報記憶部１２１と、ユーザ情報記憶部１２２と、行動情報記憶部１２３と、ニーズ情報記憶部１２４とを有する。
(Storage unit 120)
The storage unit 120 is realized by, for example, a semiconductor memory device such as a RAM (Random Access Memory) or a flash memory (Flash Memory), or a storage device such as a hard disk or an optical disk. As illustrated in FIG. 4, the storage unit 120 according to the embodiment includes a company
（企業情報記憶部１２１）
実施形態に係る企業情報記憶部１２１は、商品に関する各種情報を記憶する。図５は、実施形態に係る企業情報記憶部の一例を示す図である。図５に示す企業情報記憶部１２１は、「企業ＩＤ」、「企業名」、「業種」、「競合企業」、「商品」、「カテゴリ」、「競合商品」といった項目が含まれる。
(Company information storage unit 121)
The company
「企業ＩＤ」は、企業を識別するための識別情報を示す。「企業名」は、対応する企業ＩＤにより識別される企業の名称を示す。「業種」は、対応する企業ＩＤにより識別される企業の業種を示す。「競合企業」は、対応する企業ＩＤにより識別される企業の競合企業を示す。例えば、「競合企業」は、対応する企業ＩＤにより識別される企業と同業種の企業であってもよいし、対応する企業ＩＤにより識別される企業と類似する商品を提供する企業であってもよい。また、例えば、「競合企業」は、対応する企業ＩＤにより識別される企業により指定されてもよい。 The “company ID” indicates identification information for identifying the company. The “company name” indicates the name of the company identified by the corresponding company ID. The “business type” indicates the business type of the company identified by the corresponding company ID. The “competitor” indicates a competitor of the company identified by the corresponding company ID. For example, the “competitor company” may be a company in the same industry as the company identified by the corresponding company ID, or may be a company that provides products similar to the company identified by the corresponding company ID. Good. Further, for example, the “competitor company” may be designated by the company identified by the corresponding company ID.
「商品」は、対応する企業ＩＤにより識別される企業により提供される商品を示す。「カテゴリ」は、対応する商品のカテゴリを示す。また、「競合商品」は、対応する商品の競合を示す。例えば、「競合商品」は、対応する商品と類似するカテゴリの商品であってもよいし、対応する商品と同種の商品やサービスを提供する企業であってもよい。また、例えば、「競合商品」は、対応する企業ＩＤにより識別される企業により指定されてもよい。 "Product" indicates a product provided by the company identified by the corresponding company ID. “Category” indicates the category of the corresponding product. In addition, “competitive product” indicates a competition of the corresponding product. For example, the “competitive product” may be a product in a category similar to the corresponding product, or may be a company that provides products and services of the same type as the corresponding product. Further, for example, the “competitive product” may be designated by the company identified by the corresponding company ID.
例えば、図５に示す例において、企業ＩＤ「ＥＰ１」により識別される企業（企業ＥＰ１）は、企業名が「自動車メーカＭＡ」であり、業種が「自動車製造・販売」であることを示す。また、自動車メーカＭＡの競合企業は、企業ＩＤ「ＥＰ１１」により識別される企業（メーカＭＲ）であることを示す。また、自動車メーカＭＡが提供する商品は、「車Ｘ」や「車Ｂ」や「車Ｃ」であることを示す。また、「車Ｘ」のカテゴリは「ＳＵＶ」であり、「車Ｂ」のカテゴリは「ミニバン」であり、「車Ｃ」のカテゴリは「軽自動車」であることを示す。また、「車Ｘ」の競合商品は、車Ｙであることを示す。 For example, in the example shown in FIG. 5, the company identified by the company ID “EP1” (company EP1) has the company name “automobile manufacturer MA” and the business type “automobile manufacturing / sales”. The competitor of the automobile manufacturer MA is a company (maker MR) identified by the company ID “EP11”. Further, the products provided by the automobile manufacturer MA are “car X”, “car B”, and “car C”. Further, the category of “car X” is “SUV”, the category of “car B” is “minivan”, and the category of “car C” is “light vehicle”. Also, the competing product of “car X” is car Y.
なお、企業情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、企業情報記憶部１２１は、企業の所在地や企業の従業員数や売上高等の事業規模に関する情報を記憶してもよい。
The company
（ユーザ情報記憶部１２２）
実施形態に係るユーザ情報記憶部１２２は、ユーザ属性に関する各種情報を記憶する。例えば、ユーザ情報記憶部１２２は、ユーザ属性情報を記憶する。図６は、実施形態に係るユーザ情報記憶部の一例を示す図である。図６に示すユーザ情報記憶部１２２は、「ユーザＩＤ」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目が含まれる。
(User information storage unit 122)
The user
「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。 “User ID” indicates identification information for identifying a user. For example, the user identified by the user ID “U1” corresponds to the user U1 shown in the example of FIG. The "age" indicates the age of the user identified by the user ID. The “age” may be a specific age of the user identified by the user ID, such as 35 years old. Further, “sex” indicates the sex of the user identified by the user ID.
また、「自宅」は、ユーザＩＤにより識別されるユーザの自宅の位置情報を示す。なお、図６に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。 Further, "home" indicates the position information of the home of the user identified by the user ID. In the example shown in FIG. 6, “home” is an abstract code such as “LC11”, but it may be information indicating latitude and longitude. Further, for example, “home” may be a region name or an address.
また、「勤務地」は、ユーザＩＤにより識別されるユーザの勤務地の位置情報を示す。なお、図６に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。 Further, "work location" indicates position information of the work location of the user identified by the user ID. Note that, in the example shown in FIG. 6, the “work place” shows an abstract code such as “LC12”, but it may be information indicating latitude and longitude. Further, for example, the “work place” may be a region name or an address.
また、「興味」は、ユーザＩＤにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザＩＤにより識別されるユーザが関心の高い対象を示す。なお、図６に示す例では、「興味」は、各ユーザに１つずつ図示するが、複数であってもよい。 The "interest" indicates the interest of the user identified by the user ID. That is, “interest” indicates a target of high interest to the user identified by the user ID. In the example shown in FIG. 6, the “interest” is shown one for each user, but it may be plural.
例えば、図６に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、自宅が「ＬＣ１１」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、勤務地が「ＬＣ１２」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、「スポーツ」に興味があることを示す。 For example, in the example illustrated in FIG. 6, the age of the user identified by the user ID “U1” is “20s” and the gender is “male”. Further, for example, the user identified by the user ID “U1” indicates that his home is “LC11”. Further, for example, the user identified by the user ID “U1” indicates that the work place is “LC12”. Further, for example, the user identified by the user ID “U1” indicates that the user is interested in “sports”.
なお、ユーザ情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２２は、ユーザのデモグラフィック属性に関する情報やサイコグラフィック属性に関する情報を記憶してもよい。例えば、ユーザ情報記憶部１２２は、氏名、家族構成、収入、興味、ライフスタイル等の情報を記憶してもよい。
Note that the user
（行動情報記憶部１２３）
実施形態に係る行動情報記憶部１２３は、ユーザの行動に関する各種情報を記憶する。図７は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部１２３は、各ユーザの端末装置１０を用いて行った検索等を含む種々の行動情報を記憶する。図７に示す行動情報記憶部１２３には、「行動ＩＤ」、「ユーザＩＤ」、「日時」、「クエリ情報」といった項目が含まれる。また、「クエリ情報」には、「クエリ１」、「クエリ２」、「クエリ３」等といった項目が含まれる。なお、「クエリ情報」には、「クエリ１」〜「クエリ３」に限らず、組合せの数だけ、例えば「クエリ４」や、「クエリ５」等といった項目が含まれてもよい。
(Behavior information storage unit 123)
The behavior
また、「行動ＩＤ」は、ユーザの行動を識別する情報を示す。「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。「日時」は、対応するユーザの行動が行われた日時を示す。「日時」には、「ｄｔ１１−１」等のように抽象的に図示するが、「２０１７年４月１１日２３時３１分５２秒」等の具体的な日時が記憶されてもよい。また、「クエリ情報」は、対応する検索において用いられたクエリに関する情報を示す。「クエリ１」や「クエリ２」は、対応する検索において用いられたクエリを示す。例えば、「クエリ１」は、第１クエリに対応し、「クエリ２」は、第２クエリに対応し、「クエリ３」は、第３クエリに対応する。
In addition, the “action ID” indicates information that identifies the action of the user. “User ID” indicates identification information for identifying a user. For example, the user identified by the user ID “U1” corresponds to the user U1 shown in the example of FIG. "Date and time" indicates the date and time when the action of the corresponding user was performed. The “date and time” is illustrated in an abstract manner such as “dt11-1”, but a specific date and time such as “23:31:52 on April 11, 2017” may be stored. Further, the “query information” indicates information regarding the query used in the corresponding search. “
例えば、図７に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）は、行動ＡＣ１１を行ったことを示す。具体的には、図７に示す例においてユーザＵ１は、第１クエリ「車Ｘ」と第２クエリ「横幅」とを用いた検索（行動ＡＣ１１）を日時ｄｔ１１−１に行ったことを示す。また、例えば、図７に示す例において、ユーザＩＤ「Ｕ２」により識別されるユーザ（ユーザＵ２）は、行動ＡＣ１２を行ったことを示す。具体的には、図７に示す例においてユーザＵ２は、第１クエリ「車Ｙ」と第２クエリ「燃費」とを用いた検索（行動ＡＣ１２）を日時ｄｔ１１−２に行ったことを示す。 For example, in the example illustrated in FIG. 7, the user (user U1) identified by the user ID “U1” indicates that the action AC11 is performed. Specifically, in the example illustrated in FIG. 7, the user U1 indicates that the search (action AC11) using the first query “car X” and the second query “width” is performed at the date and time dt11-1. Further, for example, in the example illustrated in FIG. 7, the user (user U2) identified by the user ID “U2” indicates that the behavior AC12 is performed. Specifically, in the example illustrated in FIG. 7, the user U2 indicates that the search (action AC12) using the first query “car Y” and the second query “fuel consumption” is performed at the date and time dt11-2.
なお、行動情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、図７では、ユーザＩＤごとに行動情報が行動情報記憶部１２３に記憶される場合を示したが、行動情報は、日時順に限らず、例えばユーザＩＤごとに記憶されてもよい。また、図７では、行動情報記憶部１２３にユーザが検索に用いたクエリに関する情報を図示したが、行動情報記憶部１２３には、ユーザが投稿した投稿情報等のユーザが入力した入力情報が記憶されてもよい。
The action
また、行動情報記憶部１２３には、ユーザが行った種々の行動情報が記憶されてもよい。例えば、行動情報記憶部１２３には、ユーザのコンテンツの閲覧や商品またはサービス（商品等）の購買等の種々の種別の行動情報が記憶される。例えば、行動情報記憶部１２３には、ユーザの行動がコンテンツの閲覧である場合、ユーザが閲覧したコンテンツを示す情報が行動ＩＤに対応付けて記憶される。例えば、行動情報記憶部１２３には、ユーザの行動が商品等の購買である場合、ユーザが購入した商品等を示す情報が行動ＩＤに対応付けて記憶される。例えば、行動情報記憶部１２３には、ユーザの行動の種別を示す情報が各行動に対応付けて記憶される。例えば、行動情報記憶部１２３には、ユーザの行動の種別が「検索」や「投稿」や「閲覧」や「購買」等の種々の種別のうちいずれの種別であるかを示す種別情報を行動ＩＤに対応付けて記憶される。
Further, the action
（ニーズ情報記憶部１２４）
実施形態に係るニーズ情報記憶部１２４は、索引に関する各種情報を記憶する。図８は、実施形態に係るニーズ情報記憶部の一例を示す図である。図８に示すニーズ情報記憶部１２４は、「対象」、「キーワード情報」、「ユーザ属性情報」といった項目を有する。
(Needs information storage unit 124)
The needs
「対象」は、対象需要情報を生成する対象を示す。「対象」は、特定の商品名やサービス名に限らず、商品やサービスのカテゴリ（飲料やファッションや旅行等）であってもよい。 "Target" indicates a target for which the target demand information is generated. The “target” is not limited to a specific product name or service name, but may be a product or service category (beverage, fashion, travel, etc.).
「キーワード情報」は、対応する対象に関する検索において用いられるキーワード（クエリ）に関する情報を示す。例えば、「キーワード情報」は、対象に対応する第１キーワードとともに用いられる第２キーワードに関する情報を示す。「キーワード情報」には、「キーワード」や「割合」といった項目が含まれる。「キーワード」は、対象とともに用いられるクエリを示す。また、「割合」は、対応するキーワードが、対象に対応するキーワードとともに用いられる割合を示す。 The “keyword information” indicates information about a keyword (query) used in a search for a corresponding target. For example, “keyword information” indicates information about the second keyword used together with the first keyword corresponding to the target. The “keyword information” includes items such as “keyword” and “ratio”. The “keyword” indicates a query used with the target. Further, the “ratio” indicates the ratio of the corresponding keyword used together with the keyword corresponding to the target.
「ユーザ属性情報」は、対応する対象に関する入力情報を入力したユーザの属性の対象需要情報を示す。例えば、「ユーザ属性情報」は、対応する対象に関するクエリを用いた検索や投稿を行ったユーザの属性の対象需要情報を示す。「ユーザ属性情報」には、「カテゴリ」や「属性」や「割合」といった項目が含まれる。「カテゴリ」は、ユーザを分類するカテゴリを示す。「属性」は、対応するカテゴリにおける種別（属性）を示す。また、「割合」は、対応する属性のユーザが、対応する対象に対応するキーワードを用いた検索を行う割合を示す。 The “user attribute information” indicates target demand information of the attribute of the user who inputs the input information regarding the corresponding target. For example, “user attribute information” indicates the target demand information of the attribute of the user who performed the search or the posting using the query regarding the corresponding target. The “user attribute information” includes items such as “category”, “attribute”, and “ratio”. “Category” indicates a category for classifying users. The “attribute” indicates the type (attribute) in the corresponding category. Further, the “ratio” indicates the ratio of the user having the corresponding attribute performing the search using the keyword corresponding to the corresponding target.
図８の例は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す。また、図８の例では、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す。また、図８の例では、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」等であることを示す。 In the example of FIG. 8, 65% of the keywords used as a query together with the product “car X” are “width”, 20% are “cargo width”, and 10% are “off-road”, It shows that 5% is "riding comfort". Further, in the example of FIG. 8, among the users who search for the product “car X”, men are “75%” and women are “25%”. In addition, the example of FIG. 8 indicates that among the users who search for the product “car X”, those in their twenties are “65%” or the like.
また、ニーズ情報記憶部１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ニーズ情報記憶部１２４は、対象需要情報が生成された日時や生成に用いた情報が収集された期間に関する情報を記憶してもよい。
Further, the needs
（制御部１３０）
図４の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。
(Control unit 130)
Returning to the description of FIG. 4, the control unit 130 is a controller, and is stored in a storage device inside the
図４に示すように、制御部１３０は、取得部１３１と、抽出部１３２と、生成部１３３と、推定部１３４と、提供部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。
As illustrated in FIG. 4, the control unit 130 includes an acquisition unit 131, an
（取得部１３１）
取得部１３１は、各種情報を取得する。例えば、取得部１３１は、企業情報記憶部１２１やユーザ情報記憶部１２２や行動情報記憶部１２３やニーズ情報記憶部１２４から各種情報を取得する。例えば、取得部１３１は、端末装置１０や事業者装置２０から各種情報を取得する。取得部１３１は、抽出部１３２により抽出された情報を取得する。取得部１３１は、抽出部１３２により抽出された対象に対するニーズに関する情報を取得する。取得部１３１は、生成部１３３により生成された情報を取得する。
(Acquisition unit 131)
The acquisition unit 131 acquires various kinds of information. For example, the acquisition unit 131 acquires various types of information from the company
取得部１３１は、ユーザが入力した入力情報に含まれる性質を示す文字列と、ユーザのユーザ情報とを取得する。取得部１３１は、ユーザの行動情報を含むユーザ情報を取得する。取得部１３１は、ユーザによるコンテンツの閲覧に関する閲覧情報を含む行動情報を取得する。取得部１３１は、ユーザによる商品またはサービスの購買に関する購買情報を含む行動情報を取得する。取得部１３１は、ユーザの属性情報を含むユーザ情報を取得する。取得部１３１は、入力情報に含まれる推定対象のカテゴリを示す文字列を取得する。 The acquisition unit 131 acquires a character string indicating the property included in the input information input by the user and the user information of the user. The acquisition unit 131 acquires user information including user behavior information. The acquisition unit 131 acquires action information including browsing information regarding browsing of content by a user. The acquisition unit 131 acquires action information including purchase information regarding purchase of a product or service by a user. The acquisition unit 131 acquires user information including user attribute information. The acquisition unit 131 acquires a character string indicating the category of the estimation target included in the input information.
取得部１３１は、ユーザが入力した入力情報を取得する。例えば、取得部１３１は、ユーザが検索に用いた検索クエリを含む入力情報を取得する。例えば、取得部１３１は、ユーザが所定のサービスにおいて投稿した投稿情報を含む入力情報を取得する。例えば、取得部１３１は、所定の事業者から、対象を指定する対象情報を取得する。例えば、取得部１３１は、所定の事業者とは異なる他の事業者から、対象を指定する対象情報を取得する。例えば、取得部１３１は、所定の事業者の事業に関する情報を取得する。 The acquisition unit 131 acquires input information input by the user. For example, the acquisition unit 131 acquires input information including the search query used by the user for the search. For example, the acquisition unit 131 acquires input information including posted information posted by a user in a predetermined service. For example, the acquisition unit 131 acquires target information specifying a target from a predetermined business operator. For example, the acquisition unit 131 acquires target information specifying a target from another business operator different from the predetermined business operator. For example, the acquisition unit 131 acquires information about the business of a predetermined business operator.
例えば、取得部１３１は、事業者が指定した検索に用いられたクエリを取得する。また、例えば、取得部１３１は、事業者が指定したキーワードを対象情報として取得する。また、例えば、取得部１３１は、事業者が指定したキーワードに基づくカテゴリを対象情報として取得する。例えば、取得部１３１は、事業者が指定したキーワードが一のカテゴリと一致する場合、指定されたキーワードをカテゴリの指定として取得する。また、例えば、取得部１３１は、事業者が指定したクエリに関する対象情報を取得する。 For example, the acquisition unit 131 acquires the query used for the search specified by the business operator. Further, for example, the acquisition unit 131 acquires the keyword specified by the business operator as the target information. Further, for example, the acquisition unit 131 acquires a category based on the keyword specified by the business operator as the target information. For example, when the keyword specified by the business operator matches one category, the acquisition unit 131 acquires the specified keyword as a category specification. Further, for example, the acquisition unit 131 acquires target information regarding the query specified by the business operator.
図１の例では、取得部１３１は、事業者装置２０から商品または商品のカテゴリを示す対象情報を取得する。図１の例では、取得部１３１は、自動車メーカＭＡの事業者装置２０からキーワード「車Ｘ」を指定する対象情報を取得する。
In the example of FIG. 1, the acquisition unit 131 acquires target information indicating a product or a product category from the
また、取得部１３１は、各種情報を外部の情報処理装置から取得する。例えば、取得部１３１は、行動情報記憶部１２３からユーザが検索に用いたクエリを取得する。例えば、取得部１３１は、端末装置１０からユーザが検索に用いるクエリを取得する。
The acquisition unit 131 also acquires various types of information from an external information processing device. For example, the acquisition unit 131 acquires the query used by the user for the search from the behavior
図１の例では、取得部１３１は、端末装置１０−１からクエリ「車Ｘ 横幅」を取得する。また、図１の例では、取得部１３１は、端末装置１０−２からクエリ「車Ｙ 燃費」を取得する。また、図１の例では、取得部１３１は、端末装置１０−３からクエリ「スマホ バッテリ」を取得する。また、図１の例では、取得部１３１は、端末装置１０−４からクエリ「天気」を取得する。また、図１の例では、取得部１３１は、端末装置１０−５からクエリ「車Ｘ 荷台 広さ」を取得する。 In the example of FIG. 1, the acquisition unit 131 acquires the query “car X width” from the terminal device 10-1. Further, in the example of FIG. 1, the acquisition unit 131 acquires the query “car Y fuel efficiency” from the terminal device 10-2. Further, in the example of FIG. 1, the acquisition unit 131 acquires the query “smartphone battery” from the terminal device 10-3. Further, in the example of FIG. 1, the acquisition unit 131 acquires the query “weather” from the terminal device 10-4. Further, in the example of FIG. 1, the acquisition unit 131 acquires the query “vehicle X bed width” from the terminal device 10-5.
図２の例では、取得部１３１は、入力情報ＩＩＮＦ５１を取得する。取得部１３１は、ユーザＵ５１が利用する端末装置１０からクエリを取得する。取得部１３１は、日時ｄｔ５１−１において、ユーザＵ５１の端末装置１０からクエリ「車高」を取得する。取得部１３１は、クエリ「車高」という対象が特定されていない不明な対象の性質である「車高」という文字列を含むユーザＵ５１の入力情報を取得する。
In the example of FIG. 2, the acquisition unit 131 acquires the input information IINF51. The acquisition unit 131 acquires a query from the
取得部１３１は、行動情報ＡＩＮＦ５１を取得する。取得部１３１は、入力時点から所定の期間内の入力ユーザであるユーザＵ５１の関連行動情報を取得する。例えば、取得部１３１は、ユーザＵ５１が入力した日時ｄｔ５１−１から所定の期間内のユーザＵ５１の関連行動情報を取得する。取得部１３１は、日時ｄｔ５１−１から所定の期間内（例えば２時間後）の日時ｄｔ５２−１において、ユーザＵ１がコンテンツＣＴ１の閲覧を行ったことを示す情報を取得する。取得部１３１は、日時ｄｔ５２−１において、ユーザＵ５１が自動車メーカＭＡのサイトであるコンテンツＣＴ１の閲覧を行ったことを示す情報を取得する。取得部１３１は、自動車メーカＭＡが提供する車にユーザＵ１が関心を有することを示す情報を取得する。 The acquisition unit 131 acquires the behavior information AINF51. The acquisition unit 131 acquires the related behavior information of the user U51 who is the input user within a predetermined period from the time of input. For example, the acquisition unit 131 acquires the related behavior information of the user U51 within a predetermined period from the date and time dt51-1 input by the user U51. The acquisition unit 131 acquires information indicating that the user U1 has browsed the content CT1 at a date and time dt52-1 within a predetermined period (for example, two hours later) from the date and time dt51-1. The acquisition unit 131 acquires information indicating that the user U51 browses the content CT1 that is the site of the automobile manufacturer MA at the date and time dt52-1. The acquisition unit 131 acquires information indicating that the user U1 is interested in the vehicle provided by the automobile manufacturer MA.
取得部１３１は、ユーザＵ５１等のユーザのユーザ情報ＵＩＮＦ５１を取得する。例えば、取得部１３１は、ユーザＵ５１が利用する端末装置１０からユーザＵ５１等のユーザのユーザ情報を取得する。また、取得部１３１は、ユーザ情報記憶部１２２からユーザＵ５１等のユーザのユーザ情報を取得する。
The acquisition unit 131 acquires the user information UINF51 of the user such as the user U51. For example, the acquisition unit 131 acquires user information of a user such as the user U51 from the
取得部１３１は、ユーザＵ５１の年齢が「２０代」であり、性別が「男性」であることを示すユーザ情報を取得する。取得部１３１は、ユーザＵ５１の自宅が「ＬＣ５１１」であることを示すユーザ情報を取得する。取得部１３１は、ユーザＵ５１の勤務地が「ＬＣ５１２」であることを示すユーザ情報を取得する。取得部１３１は、ユーザＵ５１が「スポーツ」に興味があることを示すユーザ情報を取得する。 The acquisition unit 131 acquires user information indicating that the age of the user U51 is “20s” and the gender is “male”. The acquisition unit 131 acquires user information indicating that the home of the user U51 is “LC511”. The acquisition unit 131 acquires user information indicating that the work location of the user U51 is “LC512”. The acquisition unit 131 acquires user information indicating that the user U51 is interested in “sports”.
（抽出部１３２）
抽出部１３２は、種々の情報を抽出する。例えば、抽出部１３２は、記憶部１２０に記憶された情報に基づいて、種々の情報を抽出する。例えば、抽出部１３２は、端末装置１０から取得した情報に基づいて、種々の情報を抽出する。
(Extractor 132)
The
抽出部１３２は、ユーザが入力した入力情報から、対象に対応する第１キーワードと、対象の性質に関する第２キーワードとを抽出することにより、対象に対するニーズに関する情報を抽出する。抽出部１３２は、入力情報に含まれる第１キーワードであって、所定の事業者が提供する対象に対応する第１キーワードと、入力情報に含まれる第２キーワードであって、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、所定の事業者が提供する商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、対象に対するニーズに関する情報を抽出する。
The
例えば、抽出部１３２は、対象の機能に関する第２キーワードに基づいて、対象の機能に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、対象の仕様に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、対象の価値評価に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出する。
For example, the
例えば、抽出部１３２は、所定の事業者により指定された対象に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、他の事業者により指定された対象に対するニーズに関する情報を抽出する。例えば、抽出部１３２は、所定の事業者の事業に関する情報から対象に関する情報を抽出し、抽出した対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出する。
For example, the
例えば、抽出部１３２は、取得部１３１により取得されたクエリに関する情報に基づいて、情報を抽出する。図１の例では、抽出部１３２は、行動情報記憶部１２３に記憶されたクエリに関する情報のうち、対象情報に対応するクエリに関する情報を抽出する。
For example, the
図１の例では、抽出部１３２は、ユーザＵ１がクエリ「車Ｘ」と組み合わせてクエリ「横幅」を用いたことを示す情報を行動情報記憶部１２３から抽出する。また、図１の例では、抽出部１３２は、ユーザＵ１が２０代男性であること等を示すユーザＵ１に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。
In the example of FIG. 1, the
図１の例では、抽出部１３２は、ユーザＵ５がクエリ「車Ｘ」と組み合わせてクエリ「荷台」及びクエリ「広さ」を用いたことを示す情報を行動情報記憶部１２３から抽出する。また、図１の例では、抽出部１３２は、ユーザＵ５が３０代女性であること等を示すユーザＵ５に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。
In the example of FIG. 1, the
抽出部１３２は、所定の入力情報群から、性質を示す文字列を含み、対象を示す文字列を含まない入力情報を抽出する。抽出部１３２は、入力情報から、性質を示す文字列に対応する第２キーワードを、推定部により推定された推定対象の性質に対応する第２キーワードとして抽出する。
The
（生成部１３３）
生成部１３３は、種々の情報を生成する。例えば、生成部１３３は、抽出部１３２により抽出されたクエリに関する情報に基づいて対象需要情報を生成する。生成部１３３は、抽出部１３２により抽出された対象に対するニーズに関する情報に基づいて、対象に関するコンテンツを生成する。
(Generator 133)
The generation unit 133 generates various information. For example, the generation unit 133 generates the target demand information based on the information regarding the query extracted by the
図１の例では、生成部１３３は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を生成する。また、図１の例では、生成部１３３は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を生成する。また、図１の例では、生成部１３３は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」であり、３０代が「２０％」等であることを示す対象需要情報を生成する。 In the example of FIG. 1, the generation unit 133 determines that 65% of the keywords used as a query together with the product “car X” are “width”, 20% are “cargo width”, and 10% are “off”. The target demand information indicating that “road” and 5% is “comfort” is generated. Further, in the example of FIG. 1, the generation unit 133 generates target demand information indicating that among the users who search for the product “car X”, the men are “75%” and the women are “25%”. To do. Further, in the example of FIG. 1, the generation unit 133 is a target demand indicating that among the users who search for the product “car X”, the twenties are “65%” and the thirties are “20%”. Generate information.
図２の例では、生成部１３３は、推定部１３４により推定された情報を用いて補完情報を生成する。生成部１３３は、推定対象情報ＥＩＮＦ５１に含まれる性質を入力したユーザと推定対象との組合せごとに、推定対象をユーザの入力した情報とした補完情報ＣＩＮＦ５１を生成する。図２の例では、生成部１３３は、ユーザＵ５１が入力した性質「車高」に対応する推定対象「車Ｘ」をユーザＵ５１が入力した第１キーワードとし、ユーザＵ５１が入力した性質「車高」を第２キーワードとした補完情報を生成する。生成部１３３は、ユーザＵ５１が日時ｄｔ５１−１に、第１キーワード「車Ｘ」と第２キーワード「車高」とを含む入力情報を入力したことを示す補完情報（行動情報）を生成する。 In the example of FIG. 2, the generation unit 133 generates complementary information using the information estimated by the estimation unit 134. The generation unit 133 generates complementary information CINF51 in which the estimation target is the information input by the user for each combination of the user inputting the property included in the estimation target information EINF51 and the estimation target. In the example of FIG. 2, the generation unit 133 sets the estimation target “car X” corresponding to the property “vehicle height” input by the user U51 as the first keyword input by the user U51, and sets the property “vehicle height” input by the user U51. Is generated as the second keyword. The generation unit 133 generates complementary information (action information) indicating that the user U51 has input the input information including the first keyword “car X” and the second keyword “vehicle height” at the date and time dt51-1.
（推定部１３４）
推定部１３４は、各種情報を推定する。推定部１３４は、各種情報を特定する。推定部１３４は、各種情報を算出する。推定部１３４は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を推定する。推定部１３４は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を特定する。推定部１３４は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を算出する。推定部１３４は、取得部１３１により取得された各種情報に基づいて、種々の情報を推定する。推定部１３４は、取得部１３１により取得された各種情報に基づいて、種々の情報を特定する。
(Estimation unit 134)
The estimation unit 134 estimates various kinds of information. The estimation unit 134 identifies various types of information. The estimation unit 134 calculates various information. The estimation unit 134 estimates various types of information based on the various types of information stored in the storage unit 120. The estimation unit 134 specifies various types of information based on the various types of information stored in the storage unit 120. The estimation unit 134 calculates various information based on the various information stored in the storage unit 120. The estimation unit 134 estimates various information based on the various information acquired by the acquisition unit 131. The estimation unit 134 identifies various information based on the various information acquired by the acquisition unit 131.
推定部１３４は、性質を示す文字列とユーザのユーザ情報とに基づいて、性質に対応する対象である推定対象を推定する。推定部１３４は、ユーザの行動情報のうち、性質に関連する関連行動情報に基づいて、推定対象を推定する。推定部１３４は、性質を有する推定対象に関連する関連行動情報に基づいて、推定対象を推定する。推定部１３４は、性質を示す文字列とカテゴリを示す文字列とに基づいて、性質に対応する推定対象を推定する。 The estimation unit 134 estimates an estimation target that is a target corresponding to the property based on the character string indicating the property and the user information of the user. The estimation unit 134 estimates the estimation target based on the related behavior information related to the property in the behavior information of the user. The estimation unit 134 estimates the estimation target based on the related behavior information related to the estimation target having the property. The estimation unit 134 estimates the estimation target corresponding to the property based on the character string indicating the property and the character string indicating the category.
図２の例では、推定部１３４は、
推定対象情報ＥＩＮＦ５１を推定する。例えば、推定部１３４は、入力情報ＩＩＮＦ５１や行動情報ＡＩＮＦ５１を用いて、推定対象を推定する。例えば、推定部１３４は、各入力ユーザが入力した性質ごとに、対応する推定対象を推定する。
In the example of FIG. 2, the estimation unit 134
The estimation target information EINF51 is estimated. For example, the estimation unit 134 estimates the estimation target using the input information IINF51 and the behavior information AINF51. For example, the estimation unit 134 estimates a corresponding estimation target for each property input by each input user.
例えば、推定部１３４は、ユーザＵ５１が入力した性質「車高」に対応する対象を、ユーザＵ５１の行動情報や属性情報を用いて推定する。例えば、推定部１３４は、ユーザＵ５１の関連行動情報に自動車メーカＭＡのサイトの閲覧が含まれるため、ユーザＵ５１が入力した性質「車高」に対応する対象が、自動車メーカＭＡが提供する車であると推定する。推定部１３４は、ユーザＵ５１の関連行動情報に自動車メーカＭＡのサイトの閲覧が含まれるため、ユーザＵ５１が入力した性質「車高」に対応する対象が、自動車メーカＭＡが提供する車に絞り込む。 For example, the estimation unit 134 estimates the target corresponding to the property “vehicle height” input by the user U51 using the behavior information and attribute information of the user U51. For example, since the estimation unit 134 includes the browsing of the site of the automobile manufacturer MA in the related behavior information of the user U51, the target corresponding to the property “vehicle height” input by the user U51 is a vehicle provided by the automobile manufacturer MA. Presumed to be. Since the related behavior information of the user U51 includes browsing of the site of the automobile manufacturer MA, the estimation unit 134 narrows down the targets corresponding to the property “vehicle height” input by the user U51 to vehicles provided by the automobile manufacturer MA.
推定部１３４は、企業情報記憶部１２１に記憶された自動車メーカＭＡの企業情報を用いて、ユーザＵ５１が入力した性質「車高」に対応する対象（以下「対象候補」ともいう）を絞り込む。この場合、推定部１３４は、ユーザＵ５１が入力した性質「車高」に対応する対象を、自動車メーカＭＡが提供する車Ｘ、車Ｂ、車Ｃ等の対象候補に絞り込む。
The estimation unit 134 narrows down the target (hereinafter, also referred to as “target candidate”) corresponding to the property “vehicle height” input by the user U51, using the company information of the automobile manufacturer MA stored in the company
推定部１３４は、ユーザＵ５１の属性情報に基づいて、車Ｘ、車Ｂ、車Ｃ等の対象候補から、さらに対象に絞り込む。推定部１３４は、ユーザＵ５１が「スポーツ」に興味があるため、ユーザＵ５１がスポーツに関連する車を対象に入力を行ったと推定する。そのため、推定部１３４は、車Ｘ、車Ｂ、車Ｃ等の対象候補のうち、スポーツに関連する車種「ＳＵＶ（Sport Utility Vehicle）」である車Ｘを推定対象であると特定する。推定部１３４は、車Ｘ、車Ｂ、車Ｃ等の対象候補の車種と、ユーザＵ５１の興味「スポーツ」とを比較し、スポーツに類似する車種「ＳＵＶ」である車Ｘを推定対象であると特定する。推定部１３４は、ユーザＵ５１が入力した性質「車高」に対応する対象が車Ｘであると推定する。 The estimation unit 134 further narrows down the target candidates such as the vehicle X, the vehicle B, and the vehicle C to the target based on the attribute information of the user U51. Since the user U51 is interested in "sports", the estimation unit 134 estimates that the user U51 has input for a vehicle related to sports. Therefore, the estimation unit 134 specifies the vehicle X, which is the vehicle type “SUV (Sport Utility Vehicle)” related to sports, among the target candidates such as the vehicle X, the vehicle B, and the vehicle C, as the estimation target. The estimation unit 134 compares the target candidate vehicle types such as the vehicle X, the vehicle B, and the vehicle C with the interest “sports” of the user U51, and estimates the vehicle X that is the vehicle type “SUV” similar to sports. Specify. The estimation unit 134 estimates that the target corresponding to the property “vehicle height” input by the user U51 is the vehicle X.
（提供部１３５）
提供部１３５は、外部の情報処理装置へ各種情報を提供する。例えば、提供部１３５は、事業者装置２０へ各種情報を提供する。提供部１３５は、抽出部１３２により抽出された対象に対するニーズに関する情報を用いたサービスを提供する。例えば、提供部１３５は、抽出部１３２により抽出された対象に対するニーズに関する情報を、情報の要求元に提供する。
(Providing section 135)
The providing
例えば、提供部１３５は、事業者装置２０へ対象需要情報を提供する。例えば、提供部１３５は、対象情報に対応する対象に対するニーズを示す対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードを用いて検索を行ったユーザの属性情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応する対象に対するニーズを示す対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードに関連する行動を行ったユーザの属性情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードに関連する行動を行ったユーザの位置情報を含む対象需要情報を、事業者に提供する。
For example, the providing
例えば、提供部１３５は、対象情報に対応するキーワードを用いて検索を行ったユーザの年齢に関する情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードを用いて検索を行ったユーザの性別に関する情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードを用いて検索を行ったユーザの位置情報を含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、対象情報に対応するキーワードとともに検索に用いられた他のキーワードを含む対象需要情報を、事業者に提供する。例えば、提供部１３５は、事業者に、競合事業者に関する対象需要情報を提供する。
For example, the providing
例えば、提供部１３５は、情報提供に対して課金される事業者に、対象需要情報を提供する。例えば、提供部１３５は、情報提供に対して入札された金額に基づいて決定された事業者に対象需要情報を提供する。なお、この点についての詳細は後述する。
For example, the providing
図１の例では、提供部１３５は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、提供部１３５は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、提供部１３５は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」であり、３０代が「２０％」（不図示）等であることを示す対象需要情報を自動車メーカＭＡに提供する。
In the example of FIG. 1, the
提供部１３５は、推定した対象（推定対象）に関するサービスを提供する。提供部１３５は、推定対象に関する情報を提供する。例えば、提供部１３５は、所定の事業者の事業者装置２０（図１参照）に推定対象に関する情報を送信する。例えば、提供部１３５は、推定した対象を提供する事業者に推定対象に関する情報を送信する。図２の例では、提供部１３５は、車Ｘを提供する自動車メーカＭＡに対象（推定対象）に関する情報を提供する。
The providing
〔３．情報処理のフロー〕
ここで、図９を用いて、実施形態に係る情報処理装置１００による情報処理の手順について説明する。図９は、実施形態に係る情報処理の一例を示すフローチャートである。
[3. Information processing flow]
Here, the procedure of information processing by the
図９に示すように、情報処理装置１００は、ユーザの入力情報を取得する（ステップＳ１０１）。例えば、情報処理装置１００は、ユーザの入力情報として、ユーザの検索に用いられたクエリを取得する。図１の例では、情報処理装置１００は、端末装置１０−１からクエリ「車Ｘ 横幅」を取得する。また、図１の例では、情報処理装置１００は、端末装置１０−２からクエリ「車Ｙ 燃費」を取得する。また、図１の例では、情報処理装置１００は、端末装置１０−３からクエリ「スマホ バッテリ」を取得する。また、図１の例では、情報処理装置１００は、端末装置１０−４からクエリ「天気」を取得する。また、図１の例では、情報処理装置１００は、端末装置１０−５からクエリ「車Ｘ 荷台 広さ」を取得する。情報処理装置１００は、ユーザＵ１〜ユーザＵ５等の多数のユーザが検索に用いたクエリを取得する。また、情報処理装置１００は、事業者から対象情報を取得する。図１の例では、情報処理装置１００は、自動車メーカＭＡが利用する事業者装置２０から商品「車Ｘ」を指定する対象情報を取得する。
As shown in FIG. 9, the
また、情報処理装置１００は、対象情報に対応する対象に対するニーズを抽出する（ステップＳ１０２）。例えば、情報処理装置１００は、検索に用いられたクエリから対象情報に対応する対象に対するニーズを抽出する。図１の例では、情報処理装置１００は、対象情報「車Ｘ」に対応する文字列を含むクエリを抽出する。
Further, the
そして、情報処理装置１００は、対象に対するニーズに関する情報に基づいて対象需要情報を生成する（ステップＳ１０３）。図１の例では、情報処理装置１００は、ニーズ情報記憶部１２４に示すような対象需要情報を生成する。
Then, the
そして、情報処理装置１００は、事業者に対象需要情報を提供する（ステップＳ１０４）。図１の例では、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、男性が「７５％」であり、女性が「２５％」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１の例では、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」であり、３０代が「２０％」（不図示）等であることを示す対象需要情報を自動車メーカＭＡに提供する。
Then, the
〔４．他の事業者の情報提供〕
図１の例では、自動車メーカＭＡに自身が販売する商品「車Ｘ」に関する対象需要情報を提供する場合を示したが、情報処理装置１００は、事業者の競合に関する対象需要情報を事業者に提供してもよい。この点について、図１０を用いて説明する。図１０は、実施形態に係る情報処理の一例を示す図である。図１０の例では、情報処理装置１００が自動車メーカＭＡに自身が提供する商品「車Ｘ」の競合商品である商品「車Ｙ」に関する対象需要情報を提供する場合を示す。なお、図１と同様の点についての説明は適宜省略する。
[4. Providing information from other businesses
In the example of FIG. 1, the case is shown in which the target demand information regarding the product “Car X” that is sold by the vehicle manufacturer MA is provided, but the
図１０の例では、情報処理装置１００は、事業者から対象情報を取得する（ステップＳ２１）。例えば、情報処理装置１００は、自動車メーカＭＡが利用する事業者装置２０から商品「車Ｙ」を指定する対象情報を取得する。例えば、自動車メーカＭＡの管理者Ｍ１は、自動車メーカＭＡの競合企業が提供する競合商品「車Ｙ」を指定する対象情報を入力することにより、情報処理装置１００へ商品「車Ｙ」を指定する対象情報を送信する。
In the example of FIG. 10, the
そして、情報処理装置１００は、対象情報に対応する対象に対するニーズを抽出する。図１０の例では、情報処理装置１００は、対象情報「車Ｙ」に対応する文字列を含むクエリを抽出する。例えば、情報処理装置１００は、ユーザＵ２がクエリ「車Ｙ」と組み合わせてクエリ「燃費」を用いたことを示す情報を行動情報記憶部１２３（図７参照）から抽出する。また、例えば、情報処理装置１００は、ユーザＵ２が２０代女性であること等を示すユーザＵ２に関するユーザ情報をユーザ情報記憶部１２２（図６参照）から抽出する。
Then, the
そして、情報処理装置１００は、対象に対するニーズに関する情報に基づいて対象需要情報を生成する。図１０の例では、情報処理装置１００は、ニーズ情報記憶部１２４に示すような対象需要情報を生成する。例えば、情報処理装置１００は、商品「車Ｙ」とともにクエリとして用いられるキーワードのうち、５０％が「燃費」であり、２０％が「安い」であり、１０％が「高級感」であり、５％が「コスパ良」であることを示す対象需要情報を生成する。また、例えば、情報処理装置１００は、商品「車Ｙ」を検索するユーザのうち、男性が「９０％」であり、女性が「１０％」であることを示す対象需要情報を生成する。また、図１０の例では、商品「車Ｙ」を検索するユーザのうち、２０代が「９０％」であり、３０代が「５％」（不図示）等であることを示す対象需要情報を生成する。
Then, the
そして、情報処理装置１００は、事業者に対象需要情報を提供する（ステップＳ２２）。図１０の例では、情報処理装置１００は、対象情報の送信元である自動車メーカＭＡに生成した対象需要情報を提供する。例えば、情報処理装置１００は、商品「車Ｙ」とともにクエリとして用いられるキーワードのうち、５０％が「燃費」であり、２０％が「安い」であり、１０％が「高級感」であり、５％が「コスパ良」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、例えば、情報処理装置１００は、商品「車Ｙ」を検索するユーザのうち、男性が「９０％」であり、女性が「１０％」であることを示す対象需要情報を自動車メーカＭＡに提供する。また、図１０の例では、商品「車Ｙ」を検索するユーザのうち、２０代が「９０％」であり、３０代が「５％」（不図示）等であることを示す対象需要情報を自動車メーカＭＡに提供する。
Then, the
このように、情報処理装置１００は、事業者に競合に関する対象需要情報を提供することにより、対象需要情報の提供を受けた事業者は、自身の事業と競合する商品または商品のカテゴリについて、提供された対象需要情報に基づいて、新商品等の開発やマーケティング等を行うことができる。
In this way, the
〔５．入札による情報提供〕
また、例えば、情報処理装置１００は、入札形式により対象需要情報を提供してもよい。例えば、情報処理装置１００は、情報提供に対して入札された金額に基づいて決定された事業者に対象需要情報を提供してもよい。この点について、図１１を用いて説明する。図１１は、実施形態に係る情報処理の一例を示す図である。図１１では、複数の事業者が同じ商品を指定し、入札する場合を示す。なお、図１と同様の点についての説明は適宜省略する。
[5. Providing information by bidding)
Further, for example, the
情報処理装置１００は、自動車メーカＭＡから対象情報を取得する（ステップＳ３１−１）。図１１の例では、情報処理装置１００は、自動車メーカＭＡが利用する事業者装置２０から商品「車Ｘ」を指定し、入札額を「１０万円」とする対象情報を取得する。例えば、自動車メーカＭＡの管理者Ｍ１は、事業者装置２０に商品「車Ｘ」を指定し、入札額を「１０万円」とする対象情報を入力することにより、情報処理装置１００へ商品「車Ｘ」を指定する対象情報を入札する。
The
また、情報処理装置１００は、自動車メーカＭＢから対象情報を取得する（ステップＳ３１−２）。図１１の例では、情報処理装置１００は、自動車メーカＭＢが利用する事業者装置２０から商品「車Ｘ」を指定し、入札額を「２０万円」とする対象情報を取得する。例えば、自動車メーカＭＢの管理者Ｍ２は、事業者装置２０に商品「車Ｘ」を指定し、入札額を「２０万円」とする対象情報を入力することにより、情報処理装置１００へ商品「車Ｘ」を指定する対象情報を入札する。
In addition, the
また、情報処理装置１００は、自動車メーカＭＣから対象情報を取得する（ステップＳ３１−３）。図１１の例では、情報処理装置１００は、自動車メーカＭＣが利用する事業者装置２０から商品「車Ｘ」を指定し、入札額を「１５万円」とする対象情報を取得する。例えば、自動車メーカＭＣの管理者Ｍ３は、事業者装置２０に商品「車Ｘ」を指定し、入札額を「１５万円」とする対象情報を入力することにより、情報処理装置１００へ商品「車Ｘ」を指定する対象情報を入札する。
In addition, the
なお、ステップＳ３１−１〜Ｓ３１−３等の処理は、ステップＳ３２の事業者の決定の前であれば、いずれが先に行われてもよい。 Any of the processes of steps S31-1 to S31-3 may be performed before the determination of the business operator of step S32.
そして、情報処理装置１００は、対象需要情報を提供する事業者を決定する（ステップＳ３２）。例えば、情報処理装置１００は、入札情報リストＢＬ１１に示すような入札情報から、入札額に基づいて事業者を抽出することにより、対象需要情報を提供する事業者を決定する。図１１の例では、情報処理装置１００は、商品「車Ｘ」を対象とする入札のうち、最も高い金額「２０万円」を入札した自動車メーカＭＢを、対象需要情報を提供する事業者として決定する。なお、情報処理装置１００は、入札情報リストＢＬ１１に示すような入札情報を記憶部１２０に記憶してもよい。
Then, the
そして、情報処理装置１００は、事業者に対象需要情報を提供する（ステップＳ３３）。図１１の例では、情報処理装置１００は、自動車メーカＭＢに生成した対象需要情報を提供する。例えば、情報処理装置１００は、商品「車Ｘ」とともにクエリとして用いられるキーワードのうち、６５％が「横幅」であり、２０％が「荷台 広さ」であり、１０％が「オフロード」であり、５％が「乗り心地」であることを示す対象需要情報を自動車メーカＭＢに提供する。また、例えば、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、男性が「２０％」であり、女性が「２５％」であることを示す対象需要情報を自動車メーカＭＢに提供する。また、図１１の例では、情報処理装置１００は、商品「車Ｘ」を検索するユーザのうち、２０代が「６５％」であり、３０代が「２０％」（不図示）等であることを示す対象需要情報を自動車メーカＭＢに提供する。なお、情報処理装置１００は、上記に限らず種々の基準に基づいて対象需要情報を提供する事業者を決定してもよい。例えば、情報処理装置１００は、所定の閾値（例えば、１５万円）以上の入札額の事業者を、対象需要情報を提供する事業者として決定してもよい。この場合、情報処理装置１００は、自動車メーカＭＢ及び自動車メーカＭＣを、対象需要情報を提供する事業者として決定してもよい。
Then, the
〔６．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、推定部１３４とを有する。取得部１３１は、ユーザが入力した入力情報に含まれる性質を示す文字列と、ユーザのユーザ情報とを取得する。推定部１３４は、性質を示す文字列とユーザのユーザ情報とに基づいて、性質に対応する対象である推定対象を推定する。
[6. effect〕
As described above, the
このように、実施形態に係る情報処理装置１００は、ユーザが入力した入力情報に含まれる性質を示す文字列と、ユーザのユーザ情報とに基づいて、性質に対応する対象である推定対象を推定することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザの行動情報を含むユーザ情報を取得する。
In addition, in the
このように、実施形態に係る情報処理装置１００は、ユーザの行動情報を含むユーザ情報を取得することにより、ユーザの行動に基づいて、ユーザが入力した入力情報に含まれる性質に対応する対象を推定することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザによるコンテンツの閲覧に関する閲覧情報を含む行動情報を取得する。
Further, in the
このように、実施形態に係る情報処理装置１００は、ユーザによるコンテンツの閲覧に関する閲覧情報を含む行動情報を取得することにより、ユーザのコンテンツの閲覧に関する行動に基づいて、ユーザが入力した入力情報に含まれる性質に対応する対象を推定することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザによる商品またはサービスの購買に関する購買情報を含む行動情報を取得する。
Further, in the
このように、実施形態に係る情報処理装置１００は、ユーザによる商品またはサービスの購買に関する購買情報を含む行動情報を取得することにより、ユーザの商品またはサービスの購買に関する行動に基づいて、ユーザが入力した入力情報に含まれる性質に対応する対象を推定することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、ユーザの行動情報のうち、性質に関連する関連行動情報に基づいて、推定対象を推定する。
Further, in the
このように、実施形態に係る情報処理装置１００は、ユーザの行動情報のうち、性質に関連する関連行動情報に基づいて、推定対象を推定することにより、ユーザが入力した入力情報に含まれる性質に対応する対象を推定することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、推定部１３４は、性質を有する所定の対象に関連する関連行動情報に基づいて、推定対象を推定する。
Further, in the
このように、実施形態に係る情報処理装置１００は、ユーザの行動情報のうち、性質を有する所定の対象に関連する関連行動情報に基づいて、推定対象を推定することにより、ユーザが入力した入力情報に含まれる性質に対応する対象を推定することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザの属性情報を含むユーザ情報を取得する。
Further, in the
このように、実施形態に係る情報処理装置１００は、ユーザの属性情報を含むユーザ情報を取得することにより、ユーザの属性に基づいて、ユーザが入力した入力情報に含まれる性質に対応する対象を推定することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、入力情報に含まれる推定対象のカテゴリを示す文字列を取得する。推定部１３４は、性質を示す文字列とカテゴリを示す文字列とに基づいて、性質に対応する推定対象を推定する。
Further, in the
このように、実施形態に係る情報処理装置１００は、入力情報に含まれる推定対象のカテゴリを示す文字列と、性質を示す文字列とに基づいて、性質に対応する推定対象を推定することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
実施形態に係る情報処理装置１００は、抽出部１３２を有する。取得部１３１は、ユーザが入力した入力情報を取得する。抽出部１３２は、入力情報から、対象に対応する第１キーワードと、対象の性質に関する第２キーワードとを抽出することにより、対象に対するニーズに関する情報を抽出する対象に対するニーズに関する情報を抽出する。取得部１３１は、抽出部１３２により抽出された対象に対するニーズに関する情報を取得する。
The
このように、実施形態に係る情報処理装置１００は、入力情報から、対象に対応する第１キーワードと、対象の性質に関する第２キーワードとを抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザが検索に用いた検索クエリを含む入力情報を取得する。
Further, in the
このように、実施形態に係る情報処理装置１００は、ユーザが検索に用いた検索クエリを含む入力情報を取得することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、ユーザが所定のサービスにおいて投稿した投稿情報を含む入力情報を取得する。
Further, in the
このように、実施形態に係る情報処理装置１００は、ユーザが所定のサービスにおいて投稿した投稿情報を含む入力情報を取得することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、抽出部１３２は、商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、対象に対するニーズに関する情報を抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、商品または商品のカテゴリである対象に対応する第１キーワードと、第２キーワードに基づいて、対象に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、抽出部１３２は、対象の機能に関する第２キーワードに基づいて、対象の機能に対するニーズに関する情報を抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、対象の機能に関する第２キーワードに基づいて、対象の機能に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、抽出部１３２は、対象の仕様に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、対象の仕様に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、抽出部１３２は、対象の価値評価に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、対象の価値評価に関する第２キーワードに基づいて、対象の仕様に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、抽出部１３２は、所定の入力情報群から、性質を示す文字列を含み、対象を示す文字列を含まない入力情報を抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、所定の入力情報群（例えば行動情報記憶部１２３）から、性質を示す文字列を含み、対象を示す文字列を含まない入力情報を抽出することにより、所定の入力情報群にユーザが対象を示す文字列を入力していない入力情報が含まれる場合であっても、適切に推定を行う処理対象の情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、抽出部１３２は、入力情報から、性質を示す文字列に対応する第２キーワードを、推定部により推定された推定対象の性質に対応する第２キーワードとして抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、入力情報から、性質を示す文字列に対応する第２キーワードを、推定部により推定された推定対象の性質に対応する第２キーワードとして抽出することにより、ユーザが対象を示す文字列を入力していない場合であっても、適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の事業者から、対象を指定する対象情報を取得する。抽出部１３２は、所定の事業者により指定された対象に対するニーズに関する情報を抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、所定の事業者により指定された対象に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の事業者とは異なる他の事業者から、対象を指定する対象情報を取得する。抽出部１３２は、他の事業者により指定された対象に対するニーズに関する情報を抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、所定の事業者により指定された対象に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の事業者の事業に関する情報を取得する。抽出部１３２は、所定の事業者の事業に関する情報から対象に関する情報を抽出し、抽出した対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出する。
Further, in the
このように、実施形態に係る情報処理装置１００は、所定の事業者の事業に関する情報から対象に関する情報を抽出し、抽出した対象に対応する第１キーワードと、対象の性質に関する第２キーワードとに基づいて、対象に対するニーズに関する情報を抽出することにより、ユーザが入力した情報から適切にニーズに関する情報を抽出することができる。したがって、情報処理装置１００は、対象を適切に推定することができる。
As described above, the
また、実施形態に係る情報処理装置１００は、提供部１３５を有する。提供部１３５は、抽出部１３２により抽出された対象に対するニーズに関する情報を用いたサービスを提供する。
Further, the
このように、実施形態に係る情報処理装置１００は、抽出した対象に対するニーズに関する情報を用いたサービスを提供することにより、ユーザが入力した情報から適切にニーズに関する情報に基づくサービスを提供することができる。
As described above, the
また、実施形態に係る情報処理装置１００において、提供部１３５は、抽出部１３２により抽出された対象に対するニーズに関する情報を、情報の要求元に提供する。
Further, in the
このように、実施形態に係る情報処理装置１００は、抽出した対象に対するニーズに関する情報を、情報の要求元に提供することにより、ユーザが入力した情報から適切にニーズに関する情報に基づくサービスを提供することができる。
As described above, the
また、実施形態に係る情報処理装置１００は、生成部１３３を有する。生成部１３３は、抽出部１３２により抽出された対象に対するニーズに関する情報に基づいて、対象に関するコンテンツを生成する。
Further, the
このように、実施形態に係る情報処理装置１００は、抽出した対象に対するニーズに関する情報に基づいて、対象に関するコンテンツを生成することにより、ユーザが入力した情報から適切にニーズに関する情報に基づくコンテンツを生成することができる。
As described above, the
〔７．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１００は、例えば図１３に示すような構成のコンピュータ１０００によって実現される。図１３は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。
[7. Hardware configuration)
The
ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
The CPU 1100 operates based on a program stored in the
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ提供する。
The
ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。
The CPU 1100 controls output devices such as a display and a printer and input devices such as a keyboard and a mouse via the input /
メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
The
例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。
For example, when the
以上、本願の実施形態を図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。 The embodiments of the present application have been described above in detail with reference to the drawings. However, these are examples, and various modifications and improvements are made based on the knowledge of those skilled in the art, including the modes described in the line of the disclosure of the invention. The present invention can be carried out in other forms described above.
〔８．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行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、手動的に行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、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生成することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
[8. Other]
Further, of the processes described in the above embodiment, all or part of the processes described as being automatically performed may be manually performed, or the processes described as manually performed may be performed. All or part of the process can be automatically performed by a known method. In addition, the processing procedures, specific names, information including various data and parameters shown in the above-mentioned documents and drawings can be arbitrarily generated unless otherwise specified. For example, the various information shown in each drawing is not limited to the information shown.
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。 Further, each component of each device shown in the drawings is functionally conceptual, and does not necessarily have to be physically configured as shown. That is, the specific form of distribution / integration of each device is not limited to that shown in the figure, and all or a part of the device may be functionally or physically distributed / arranged in arbitrary units according to various loads and usage conditions. It can be integrated and configured.
また、上述してきた実施形態に記載された各処理は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。 Further, the respective processes described in the above-described embodiments can be appropriately combined within a range in which the processing contents do not contradict each other.
また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。 Also, the above-mentioned "section (module, unit)" can be read as "means" or "circuit". For example, the acquisition unit can be read as an acquisition unit or an acquisition circuit.
１ 情報処理システム
１００ 情報処理装置
１２１ 企業情報記憶部
１２２ ユーザ情報記憶部
１２３ 行動情報記憶部
１２４ ニーズ情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 抽出部
１３３ 生成部
１３４ 推定部
１３５ 提供部
１０ 端末装置
２０ 事業者装置
Ｎ ネットワーク
1
Claims (18)
前記性質を示す文字列と前記ユーザのユーザ情報と前記一覧情報とに基づいて、前記一覧情報に含まれる前記各カテゴリのうち、前記性質に対応する一のカテゴリを特定し、前記一のカテゴリにより対象の候補を前記一のカテゴリに対応する対象群に絞り込み、前記対象群と前記ユーザ情報との比較に基づいて、前記対象群のうち、一の対象を前記性質に対応する対象である推定対象として推定する推定部と、
を備えることを特徴とする情報処理装置。 A character string indicating a property included in the input information input by the user, the user information of the user, and an acquisition unit that acquires list information in which each property is associated with each category ,
Based on the character string indicating the property, the user information of the user, and the list information, one category corresponding to the property is specified from among the categories included in the list information, and according to the one category, Target candidates are narrowed down to a target group corresponding to the one category, and based on a comparison between the target group and the user information, one target of the target group is an estimated target corresponding to the property. An estimation unit that estimates as
An information processing device comprising:
前記ユーザの行動情報を含む前記ユーザ情報を取得する
ことを特徴とする請求項１に記載の情報処理装置。 The acquisition unit,
The information processing apparatus according to claim 1, wherein the user information including the behavior information of the user is acquired.
前記ユーザによるコンテンツの閲覧に関する閲覧情報を含む前記行動情報を取得する
ことを特徴とする請求項２に記載の情報処理装置。 The acquisition unit,
The information processing apparatus according to claim 2, wherein the behavior information including browsing information regarding browsing of content by the user is acquired.
前記ユーザによる商品またはサービスの購買に関する購買情報を含む前記行動情報を取得する
ことを特徴とする請求項２または請求項３に記載の情報処理装置。 The acquisition unit,
The information processing apparatus according to claim 2 or 3, wherein the behavior information including purchase information regarding purchase of a product or service by the user is acquired.
前記ユーザの行動情報のうち、前記性質に関連する関連行動情報に基づいて、前記対象群に含まれる前記候補を前記関連行動情報に対応する候補に絞り込む
ことを特徴とする請求項２〜４のいずれか１項に記載の情報処理装置。 The estimation unit is
Among the behavior information of the user, based on the related behavior information related to the property, the candidates included in the target group are narrowed down to candidates corresponding to the related behavior information . The information processing apparatus according to any one of items.
前記ユーザの行動情報のうち、前記性質を有する所定の対象に関連する関連行動情報に基づいて、前記対象群に含まれる前記候補を前記関連行動情報に対応する候補に絞り込む
ことを特徴とする請求項２〜５のいずれか１項に記載の情報処理装置。 The estimation unit is
Among the behavior information of the user, the candidates included in the target group are narrowed down to candidates corresponding to the related behavior information based on related behavior information related to a predetermined target having the property. Item 6. The information processing device according to any one of items 2 to 5.
前記ユーザの属性情報を含む前記ユーザ情報を取得する
ことを特徴とする請求項１〜６のいずれか１項に記載の情報処理装置。 The acquisition unit,
The information processing apparatus according to claim 1, wherein the user information including attribute information of the user is acquired.
前記性質を示す文字列とともに前記入力情報に含まれるカテゴリを示す文字列を取得し、
前記推定部は、
前記性質を示す文字列と前記カテゴリを示す文字列とに基づいて、前記性質に対応する前記推定対象を推定する
ことを特徴とする請求項１〜７のいずれか１項に記載の情報処理装置。 The acquisition unit,
Retrieves a string representing the Luke categories included with string to the input information indicative of the nature,
The estimation unit is
The information processing apparatus according to any one of claims 1 to 7, wherein the estimation target corresponding to the property is estimated based on a character string indicating the property and a character string indicating the category. .
をさらに備え、
前記取得部は、
前記入力情報を取得し、前記抽出部により抽出された前記対象に対するニーズに関する情報を取得する
ことを特徴とする請求項１〜８のいずれか１項に記載の情報処理装置。 Extraction of the first keyword corresponding to the target and the second keyword related to the property of the target from the input information to extract the first keyword and the second keyword as information related to the needs of the target. Department,
Further equipped with,
The acquisition unit,
The information processing apparatus according to claim 1, wherein the input information is acquired, and information regarding needs for the target extracted by the extraction unit is acquired.
前記ユーザが検索に用いた検索クエリを含む前記入力情報を取得する
ことを特徴とする請求項９に記載の情報処理装置。 The acquisition unit,
The information processing apparatus according to claim 9, wherein the input information including the search query used by the user for the search is acquired.
前記ユーザが所定のサービスにおいて投稿した投稿情報を含む前記入力情報を取得する
ことを特徴とする請求項９または請求項１０に記載の情報処理装置。 The acquisition unit,
The information processing apparatus according to claim 9 or 10, wherein the input information including posted information posted by the user in a predetermined service is acquired.
商品または商品のカテゴリである前記対象に対応する前記第１キーワードと、前記第２キーワードに基づいて、前記対象に対するニーズに関する情報を抽出する
ことを特徴とする請求項９〜１１のいずれか１項に記載の情報処理装置。 The extraction unit is
12. The information regarding the needs for the target is extracted based on the first keyword corresponding to the target that is a product or a category of the product and the second keyword. The information processing device according to 1.
前記対象の機能に関する前記第２キーワードに基づいて、前記対象の機能に対するニーズに関する情報を抽出する
ことを特徴とする請求項９〜１２のいずれか１項に記載の情報処理装置。 The extraction unit is
The information processing apparatus according to any one of claims 9 to 12, wherein information regarding needs for the target function is extracted based on the second keyword related to the target function.
前記対象の仕様に関する前記第２キーワードに基づいて、前記対象の仕様に対するニーズに関する情報を抽出する
ことを特徴とする請求項９〜１３のいずれか１項に記載の情報処理装置。 The extraction unit is
The information processing apparatus according to any one of claims 9 to 13, wherein information regarding needs for the target specifications is extracted based on the second keyword related to the target specifications.
前記対象の価値評価に関する前記第２キーワードに基づいて、前記対象の仕様に対するニーズに関する情報を抽出する
ことを特徴とする請求項９〜１４のいずれか１項に記載の情報処理装置。 The extraction unit is
The information processing apparatus according to any one of claims 9 to 14, wherein information regarding a need for specifications of the target is extracted based on the second keyword related to the evaluation of the value of the target.
所定の入力情報群から、前記性質を示す文字列を含み、前記対象を示す文字列を含まない前記入力情報を抽出する
ことを特徴とする請求項９〜１５のいずれか１項に記載の情報処理装置。 The extraction unit is
The information according to any one of claims 9 to 15, wherein the input information that includes a character string indicating the property and does not include a character string indicating the target is extracted from a predetermined input information group. Processing equipment.
ユーザが入力した入力情報に含まれる性質を示す文字列と、前記ユーザのユーザ情報と、各カテゴリに各性質が対応付けられた一覧情報とを取得する取得工程と、
前記性質を示す文字列と前記ユーザのユーザ情報と前記一覧情報とに基づいて、前記一覧情報に含まれる前記各カテゴリのうち、前記性質に対応する一のカテゴリを特定し、前記一のカテゴリにより対象の候補を前記一のカテゴリに対応する対象群に絞り込み、前記対象群と前記ユーザ情報との比較に基づいて、前記対象群のうち、一の対象を前記性質に対応する対象である推定対象として推定する推定工程と、
を含むことを特徴とする情報処理方法。 An information processing method executed by a computer,
An acquisition step of acquiring a character string indicating a property included in the input information input by the user, the user information of the user, and list information in which each property is associated with each category ,
Based on the character string indicating the property, the user information of the user, and the list information, one category corresponding to the property is specified from among the categories included in the list information, and according to the one category, Target candidates are narrowed down to a target group corresponding to the one category, and based on a comparison between the target group and the user information, one target of the target group is an estimated target corresponding to the property. An estimation process to estimate as
An information processing method comprising:
前記性質を示す文字列と前記ユーザのユーザ情報と前記一覧情報とに基づいて、前記一覧情報に含まれる前記各カテゴリのうち、前記性質に対応する一のカテゴリを特定し、前記一のカテゴリにより対象の候補を前記一のカテゴリに対応する対象群に絞り込み、前記対象群と前記ユーザ情報との比較に基づいて、前記対象群のうち、一の対象を前記性質に対応する対象である推定対象として推定する推定手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。 An acquisition procedure for acquiring a character string indicating a property included in the input information input by the user, the user information of the user, and list information in which each property is associated with each category ,
Based on the character string indicating the property, the user information of the user, and the list information, one category corresponding to the property is specified from among the categories included in the list information, and according to the one category, Target candidates are narrowed down to a target group corresponding to the one category, and based on a comparison between the target group and the user information, one target of the target group is an estimated target corresponding to the property. An estimation procedure to estimate as
An information processing program that causes a computer to execute.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018234126A JP6679704B1 (en) | 2018-12-14 | 2018-12-14 | Information processing apparatus, information processing method, and information processing program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018234126A JP6679704B1 (en) | 2018-12-14 | 2018-12-14 | Information processing apparatus, information processing method, and information processing program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6679704B1 true JP6679704B1 (en) | 2020-04-15 |
| JP2020095561A JP2020095561A (en) | 2020-06-18 |
Family
ID=70166449
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018234126A Active JP6679704B1 (en) | 2018-12-14 | 2018-12-14 | Information processing apparatus, information processing method, and information processing program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6679704B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022191864A (en) * | 2021-06-16 | 2022-12-28 | ヤフー株式会社 | Information processing device, information processing method, and information processing program |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7161432B2 (en) * | 2019-03-25 | 2022-10-26 | ルネサスエレクトロニクス株式会社 | CURRENT DETECTION CIRCUIT, SEMICONDUCTOR DEVICE, AND SEMICONDUCTOR SYSTEM |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009181468A (en) * | 2008-01-31 | 2009-08-13 | Ntt Communications Kk | Image search log collection system, image search log collection method and program |
| JP2010026871A (en) * | 2008-07-22 | 2010-02-04 | Nikon Corp | Information processor and information processing system |
| JP6037540B1 (en) * | 2015-02-27 | 2016-12-07 | 楽天株式会社 | Search system, search method and program |
| JP6353144B1 (en) * | 2017-09-13 | 2018-07-04 | ヤフー株式会社 | Prediction device, prediction method, and prediction program |
-
2018
- 2018-12-14 JP JP2018234126A patent/JP6679704B1/en active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022191864A (en) * | 2021-06-16 | 2022-12-28 | ヤフー株式会社 | Information processing device, information processing method, and information processing program |
| JP7372285B2 (en) | 2021-06-16 | 2023-10-31 | ヤフー株式会社 | Information processing device, information processing method, and information processing program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020095561A (en) | 2020-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200273054A1 (en) | Digital receipts economy | |
| US20090248496A1 (en) | System and method for automating market analysis from anonymous behavior profiles | |
| JP2013512501A (en) | System, apparatus and method for using context information | |
| TW201203156A (en) | Online and offline advertising campaign optimization | |
| US20150324846A1 (en) | Using card-linked offer data to detect user interests | |
| JP2021149802A (en) | Attribute estimation device, computer program, attribute estimation system, and attribute estimation method | |
| WO2020031232A1 (en) | Information processing system, information processing method, and program | |
| JP6679704B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP6917348B2 (en) | Providing equipment, providing method, and providing program | |
| JP6767465B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
| JP6979931B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
| JP6779965B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
| JP2018185575A (en) | Provision device, provision method and provision program | |
| JP6679706B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| US20140249885A1 (en) | System and method for customized search results based on a shopping history of a user, retailer identifications, and items being promoted by retailers | |
| JP2021047551A (en) | Specification device, specification method, and specification program | |
| JP2020008965A (en) | Device, method, and program for processing information | |
| JP6731469B2 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP6679707B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP6782751B2 (en) | Extractor, extraction method, and extraction program | |
| JP6445632B1 (en) | Extraction apparatus, extraction method, and extraction program | |
| JP7042787B2 (en) | Judgment device, judgment method, and judgment program | |
| JP6703592B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP6664593B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP6702626B2 (en) | Information processing apparatus, information processing method, and information processing program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190415 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190415 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190415 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190731 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190903 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191105 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20191105 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
| 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: 20200310 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200318 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6679704 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |