リコメンドエンジン導入効果予測システム

【課題】Ｗｅｂサイトへのリコメンドエンジン導入による効果を予測できるリコメンドエンジン導入効果予測システム等を提供する。
【解決手段】ネットワーク１３に接続された企業ＡＷｅｂサーバ１０−１〜企業ＤＷｅｂサーバ１０−４が運営するＷｅｂサイトにリコメンドエンジンを導入しようとする場合、端末９からＷｅｂサーバ３に導入前売上高６３、導入前要素データ６５を入力する。Ｗｅｂサーバ３は、入力された導入前売上高６３、導入前要素データ６５を用いて、統計も出るに当てはめることによりリコメンドエンジン導入前の売上予測式を算出する。また、リコメンドエンジン導入により導入前要素データ６５に与える影響量からリコメンド導入後の売上予測式を求める。

【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、リコメンドエンジンの導入効果を予測するシステム等に関する。
【背景技術】
【０００２】
インターネット等の通信ネットワークの普及に伴い、多種多様なコンテンツをユーザに配信する情報配信サービスが登場している。このようなコンテンツを配信するシステムでは、ユーザの希望や要求に添った最適な商品やサービスを提案するため、ユーザの嗜好性に基づいて最適な情報を効率的に配信する必要がある。そのため、ユーザの嗜好性に関する情報を保持し、ユーザの嗜好性に対応して提供する商品やサービスを絞り込み、ユーザに情報を配信する。（特許文献１、特許文献２参照）
【０００３】
【特許文献１】特開２００４−３４１７８４号公報
【特許文献２】特開２００６−１８７５５号広報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記の方法では、リコメンドエンジン等をＷｅｂサイト、システムに導入するには既存のＷｅｂサイト、システムを改修する必要があり、そのための費用も発生するが、リコメンドエンジンを導入した結果、売上高がどの程度増加したかを具体的に示していない。実際にリコメンドエンジンを既存のシステムに導入する場合、リコメンドエンジンの導入を検討している企業に、リコメンドエンジンを導入するかどうかを検討するための判断材料を与えるため、また、リコメンドエンジン導入に伴うリスクを説明するため、リコメンドエンジン導入によりどの程度の効果が見込めるかを提示することが必要となる。
【０００５】
本発明は、このような問題に鑑みてなされたもので、その目的とするところはＷｅｂサイトへのリコメンドエンジン導入による効果を予測できるリコメンドエンジン導入効果予測システム等を提供することにある。
【課題を解決するための手段】
【０００６】
前述した目的を達成するために第１の発明は、サーバと、データベースサーバを有するリコメンドエンジン導入効果予測システムであって、前記サーバは、ウェブサイトにリコメンドエンジンを導入前の購買履歴データを入力する導入前購買履歴入力手段と、前記導入前の購買履歴データを用いて、前記ウェブサイトに前記リコメンドエンジンを導入する前の売上予測式を計算する計算手段と、前記売上予測式を用いて、入力された条件に基づいてリコメンドエンジン導入後の売上を予測する予測手段と、を具備することを特徴とするリコメンドエンジン導入効果予測システムである。
【０００７】
サーバは、入力されたリコメンドエンジン導入前のクリック率、リピート率、売上等の購買履歴データを用いて、既存の統計モデルに当てはめることにより、リコメンドエンジン導入前の売上予測式を算出する。リコメンドエンジンを導入すると、様々な要素によって影響を受け、売上高が増加するため、リコメンドエンジン導入後の売上予測式を求める。売上予測式にウェブサイトへの来客数を入力することにより、導入後の売上を予測する。
【０００８】
ウェブサイトにリコメンドエンジン導入後、サーバは、リコメンドエンジンを導入後のクリック率、リピート率、売上等の購買履歴データを入力し、データベースサーバに蓄積していき、リコメンドエンジン導入後の売上予測式に反映させることができる。また、データベースサーバを検索することにより、リコメンドエンジンを導入する際の参考情報として閲覧することが可能となる。
【０００９】
第２の発明は、ウェブサイトにリコメンドエンジンを導入前の購買履歴データを入力する導入前購買履歴入力手段と、前記導入前の購買履歴データを用いて、前記ウェブサイトに前記リコメンドエンジンを導入する前の売上予測式を計算する計算手段と、前記売上予測式を用いて、入力された条件に基づいてリコメンドエンジン導入後の売上を予測する予測手段と、を具備することを特徴とするサーバである。
【００１０】
第３の発明は、コンピュータを第２の発明のサーバとして機能させることを特徴とするプログラムである。
【発明の効果】
【００１１】
本発明によれば、Ｗｅｂサイトへのリコメンドエンジン導入による効果を予測できるリコメンドエンジン導入効果予測システム等を提供することができる。
【発明を実施するための最良の形態】
【００１２】
以下、添付図面を参照しながら、本発明の実施形態に係るリコメンドエンジン導入効果予測システム等の好適な実施形態について詳細に説明する。
【００１３】
最初に、図１、２、３、４、５、６、７を参照しながら、本実施の形態に係るリコメンドエンジン導入効果予測システム１の構成について説明する。
図１は、リコメンドエンジン導入効果予測システム１の構成を示すブロック図である。
【００１４】
リコメンドエンジン導入効果予測システム１は、Ｗｅｂサーバ３、Ｗｅｂサイトを運営する企業ＡＷｅｂサーバ１０−１、企業ＢＷｅｂサーバ１０−２、企業ＣＷｅｂサーバ１０−３、企業ＣＷｅｂサーバ１０−４等、ユーザ端末１１−１〜１１−Ｎ等がネットワーク１１を介して接続される。ネットワーク１３は、インターネット等のネットワークである。
【００１５】
Ｗｅｂサーバ３は、ネットワーク１３に接続された企業ＡＷｅｂサーバ１０−１〜企業ＤＷｅｂサーバ１０−４等が運営するＷｅｂサイトにリコメンドエンジンを導入した場合の効果を予測するためのコンピュータで、ＤＢサーバ５、ＤＢ７、端末９等を有する。
端末９は、ネットワーク１３に接続されたＷｅｂサイトにリコメンドエンジンを導入する前の購買履歴データや売上高、リコメンド導入後の購買履歴データや売上高等をＷｅｂサーバ３に入力するためのコンピュータである。
ＤＢサーバ５は、Ｗｅｂサイトへのリコメンドエンジン導入前の購買履歴データ、売上高、導入後の購買履歴データ、売上高等のデータをＤＢ７に蓄積する。また、ＤＢサーバ５はＷｅｂサーバ３からの要求に応じて、ＤＢ７に蓄積したデータを検索し、過去のリコメンドエンジン導入前後の情報を閲覧する。
【００１６】
企業ＡＷｅｂサーバ１０−１〜企業ＣＷｅｂサーバ１０−４は、それぞれの企業のＷｅｂサイトを運営するＷｅｂサーバである。企業ＡＷｅｂサーバ１０−１〜企業ＣＷｅｂサーバ１０−４は、リコメンドエンジンを導入していたり、あるいは、導入を検討している。
【００１７】
ユーザ端末１１−１〜１１−Ｎは、ネットワーク１３に接続したコンピュータで、企業ＡＷｅｂサーバ１０−１〜企業ＤＷｅｂサーバ１０−４が運営しているＷｅｂサイトの閲覧、アクセスを行う。
【００１８】
次に、Ｗｅｂサーバ３について説明する。
図２は、Ｗｅｂサーバ３のハードウエア構成の一例を示す図、図３は、Ｗｅｂサーバ３の記憶装置２２の詳細を示す図である。Ｗｅｂサーバ３は、バス２８により相互接続された制御部２１、記憶装置２２、メディア入出力部２３、入力部２５、印刷部２７、表示部２６、通信部２７を有する。
【００１９】
制御部２１は、プログラムの実行を行うＣＰＵ(ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ)と、プログラム命令あるいはデータ等を格納するためのＲＯＭ(ＲｅａｄＯｎｌｙＭｅｍｏｒｙ)、ＲＡＭ(ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ)等のメモリから構成される。制御部２１は、Ｗｅｂサーバ３全体の動作を制御する。
【００２０】
記憶装置２２は、Ｗｅｂサーバ３の制御プログラム等の固定データ、画像ファイル等を格納するための記憶媒体である。
図３に示すように、記憶装置２２は、ＯＳ３１のような制御プログラムと、Ｗｅｂサイトへのリコメンドエンジン導入の効果を予測するためのリコメンドエンジン導入効果予測システム３３等を有する。
【００２１】
メディア入出力部２３は、ＣＤ−ＲＯＭ(ＣｏｍｐａｃｔＤｉｓｃＲｅａｄＯｎｌｙＭｅｍｏｒｙ)あるいはＣＤ−ＲＷ(ＣＤ−ＲｅＷｒｉｔａｂｌｅ)、フレキシブルディスク、ＭＯ(ＭａｇｎｅｔｏＯｐｔｉｃＤｉｓｃ)等の媒体のドライブで、媒体から画像ファイル等のデータの読み出しや、媒体へのデータの書き込みを行う。
【００２２】
入力部２４は、キーボード、マウス等の入力装置である。
印刷部２５はプリンタで、ユーザからの要求により必要な情報等の印刷を行う。
表示部２６は、ＣＲＴ(Ｃａｔｈｏｄｅ−ＲａｙＴｕｂｅ)あるいはＬＣＤ(ＬｉｑｕｉｄＣｒｙｓｔａｌＤｉｓｐｌａｙ)等の表示装置である。
通信部２７は、通信制御装置、通信ポート等であり、ネットワーク１３を介した通信や、ＤＢサーバ５との通信等を制御する。
【００２３】
次に、ＤＢサーバ５について説明する。
図４は、ＤＢサーバ５のハードウエア構成の一例を示す図、図５は、ＤＢサーバ５の記憶装置４２の詳細を示す図である。
【００２４】
図４に示すように、ＤＢサーバ５は、バス４８により相互接続された制御部４１、記憶装置４２、メディア入出力部４３、入力部４４、印刷部４５、表示部４６、通信部４７を有する。
【００２５】
制御部４１は、プログラムの実行を行うＣＰＵと、プログラム命令あるいはデータ等を格納するためのＲＯＭ、ＲＡＭ等のメモリから構成される。制御部４１は、ＤＢサーバ５全体の動作を制御する。
【００２６】
記憶装置４２は、ＤＢサーバ５の制御プログラム等の固定データ等を格納するための記憶媒体である。
図５に示すように、記憶装置４２は、ＯＳ５１のような制御プログラム、ＤＢ７に格納したデータを管理するためのデータ管理プログラム５３等を有する。
【００２７】
メディア入出力部４３は、ＣＤ−ＲＯＭあるいはＣＤ−ＲＷ、フレキシブルディスク、ＭＯ等の媒体のドライブで、媒体からのデータの読み出しや、媒体へのデータの書き込みを行う。
【００２８】
入力部４４は、キーボード、マウス等の入力装置である。
印刷部４５はプリンタで、ユーザからの要求により必要な情報等の印刷を行う。
表示部４６は、ＣＲＴあるいはＬＣＤ等の表示装置である。
通信部４７は、通信制御装置、通信ポート等であり、Ｗｅｂサーバ３との通信等を制御する。
【００２９】
次にＤＢ７について説明する。
図６は、ＤＢ７の詳細を示す図、図７は、ＤＢ７の企業データ６１の詳細を示す図である。
【００３０】
図６に示すように、ＤＢ７はネットワーク１３に接続された様々なＷｅｂサイトを運営している企業に関する企業Ａデータ６１−１、企業Ｂデータ６１−２、企業Ｃデータ６１−３、企業Ｄデータ６１−４等を有する。
【００３１】
図７に示すように、企業データ６１は、導入前売上高６３、導入前要素データ６５、導入後売上高、導入後要素データ６９等を有する。
導入前売上高６３は、その企業のＷｅｂサイトにリコメンドエンジンを導入する前の日単位、月単位の売上高である。
導入後売上高６５は、Ｗｅｂサイトにリコメンドエンジンを導入した後の日単位、月単位の売上高である。
【００３２】
導入前要素データ６５、導入後要素データ６９は、それぞれＷｅｂサイトにリコメンドエンジンを導入する前、導入した後の様々なパラメータとなる要素データで、クリック率７１、リピート率７２、購買アイテム数７３、サイトデザイン７４、取扱商品値段７５、取扱商品数７６等を有する。
【００３３】
クリック率７１は、Ｗｅｂサイトへの全訪問者のうち、商品あるいはサービスの詳細画面に進んだ人の割合である。
リピート率７２は、Ｗｅｂサイトへの全訪問者のうち、２回以上、そのＷｅｂサイトに訪問する人の割合である。
購買アイテム数７３は、Ｗｅｂサイトでの１回の購入処理で購入する商品あるいはサービスのアイテム数である。
サイトデザイン７４は、リコメンドエンジンがＷｅｂサイトのどの階層に入っているかを示すもので、第１階層はＷｅｂサイトのトップページ、第２階層はＷｅｂサイトのトップページの次に表示されるページ、第３階層はＷｅｂサイトの第２階層の次に表示されるページを表す。
取扱商品値段７５は、Ｗｅｂサイト内で取り扱っている商品あるいはサービス平均価格である。
取扱商品数７６は、Ｗｅｂサイト内で取り扱っている商品あるいはサービスの数である。
【００３４】
次に、リコメンドエンジン効果予測システム１により、Ｗｅｂサイトにリコメンドエンジンを導入した場合の効果を予測する処理について説明する。
図８は、Ｗｅｂサイトへのリコメンドエンジンの導入効果を示すグラフ、図９は、Ｗｅｂサーバ３上のリコメンドエンジン導入効果予測表示画面９００の一例を示す図である。
【００３５】
企業ＡＷｅｂサーバ１０−１〜企業ＤＷｅｂサーバ１０−４等が運営するＷｅｂサイトにリコメンドエンジンを導入する場合、Ｗｅｂサーバ３に接続された端末９からリコメンドエンジン導入前のデータとして、導入前売上高６３、導入前要素データ６５を入力する。
Ｗｅｂサーバ３は、入力された導入前売上高６３、導入前要素データ６５を用いて、既存の統計モデルである回帰モデルに当てはめることにより、図８に示すリコメンドエンジン導入前売上高ｙ１＝ａｘ＋ｂを算出する。
リコメンドエンジン導入前売上高ｙ１＝ａｘ＋ｂを算出することにより、式θ１＝ｔａｎ^−１（（ｙ１−ｂ）／ｘ）から、来客数に対する売上予測金額を表す角度θ１が決まる。
【００３６】
Ｗｅｂサイトにリコメンドエンジンを導入すると、導入前要素データ６５に示すデータはそれぞれ影響を受け、それに伴いＷｅｂサイトにおける売上高が増加する。売上高に影響を与える要素データの値は、Ｗｅｂサイトの特性によって異なるが、例えば、Ｗｅｂサイトにリコメンドエンジンを導入することにより、クリック率７１は２０％増加すると想定する。導入前のクリック率７１が１０％の場合、導入後のクリック率７１は１２％に、導入前のクリック率７１が３０％の場合、導入後のクリック率７１は３６％となる。
リコメンドエンジン導入により、リピート率７２が１０％増加すると想定すると、導入前のリピート率７２が１０％の場合、導入後のリピート率７２は１１％に、導入前のリピート率７２が３０％の場合、導入後のリピート率７２は３３％となる。
リコメンドエンジン導入により、購買アイテム数７３が１０％増加すると想定すると、導入前の購買アイテム数７３が１０個の場合、導入後の購買アイテム数７３は１１個に、導入前の購買アイテム数７３が１００個の場合、導入後の購買アイテム数７３は１１０個となる。
【００３７】
リコメンドエンジンをＷｅｂサイトのどの階層に入れるかというサイトデザイン７４により、導入前、導入後でクリック率７１が変化する。例えば、リコメンドエンジン導入後、サイトデザイン７４が第１階層の場合、クリック率７１は導入前後で２０％増加、第２階層の場合、クリック率７１は１０％増加、第３階層の場合、クリック率７１は５％増加すると想定する。
サイトデザイン７４が第１階層の場合、導入前のクリック率７１を１０％とすると導入後は１２％に、第２階層の場合、導入前のクリック率７１を１０％とすると導入後は１１％に、第３階層の場合、導入前のクリック率７１を１０％とすると導入後は１０．５％に増加する。
【００３８】
また、クリック率７１は取扱商品値段７５、取扱商品数７６により変化する。
例えば、取扱商品値段７５に比例してクリック率７１は１０％変化すると想定する。導入前にクリックされる確率が５０％だったとすると、導入後のクリック率７１は取扱商品値段７５が１０００円の場合、５０×（１＋０．１）＝５５％となり、取扱商品値段７５が２０００円の場合、５０×（１＋０．２）＝６０％となる。
取扱商品数７６にも比例して、クリック率７１は１０％変化すると想定する。取扱商品数７６の半分がクリックされると仮定すると、取扱商品数７６が１００点の場合、導入前は５０個の商品がクリックされ、導入後は５５個の商品がクリックされる。取扱商品数７６が２００点とすると、クリック率は２０％増加すると想定するため、導入前は１００個の商品がクリックされ、導入後は１２０個の商品がクリックされることになる。
【００３９】
このように、導入前要素データ６５のクリック率７１、リピート率７２、購買アイテム数７３、サイトデザイン７４、取扱商品値段７５、取扱商品数７６がリコメンドエンジン導入の影響を受ける量をそれぞれα１〜α６とすると、リコメンドエンジン導入後の来客数に対する売上予測金額を表す角度θ２が式θ２＝ｔａｎ^−１（（ｙ１−ｂ＋Σαｎ）／ｘ）で定義できる。
その結果、図８に示すように、リコメンドエンジンが導入された場合の売上予測式ｙ２＝ｃｘ＋ｂを求めることができる。
【００４０】
Ｗｅｂサーバ３は、求めたリコメンドエンジン導入前、導入後の来客数に対する売上予測金額に基づいて、図９に示すようなリコメンドエンジン導入効果予測表示画面９００を表示部２６に表示する。
リコメンドエンジン導入効果予測表示画面９００は、図８に示すリコメンドエンジンの導入効果を示すグラフ９０１、見込み来客数入力フィールド９０２、実行ボタン９０３、リコメンドエンジン導入効果見込み金額９０４を有する。
ユーザは、見込み来客数入力フィールド９０２に見込み来客数を入力し、実行ボタン９０３をマウス等の入力部２４でクリックすると、Ｗｅｂサーバ３の制御部２１は入力された見込み来客数を売上予測式ｙ２＝ｃｘ＋ｂに代入することにより、見込み金額を算出し、リコメンドエンジン導入効果見込み金額９０４に表示する。ユーザは、表示されたリコメンドエンジン導入効果見込み金額９０４を参考に、リコメンドエンジン導入による効果をおおよそ把握し、リコメンドエンジンを実際に企業ＡＷｅｂサーバ１０−１〜企業ＤＷｅｂサーバ１０−４が運営するＷｅｂサイトに導入するかどうかを検討する。
【００４１】
このように本実施によれば、Ｗｅｂサイトへのリコメンドエンジン導入による効果を予測できるリコメンドエンジン導入効果予測システム等を提供できる。
【００４２】
また、実際にＷｅｂサイトにリコメンドエンジンを導入した後の導入後売上高６７や、クリック率７１、リピート率７２、購買アイテム数７３、サイトデザイン７４、取扱商品価格７５、取扱商品数７６等の導入後要素データ６９を端末９からＷｅｂサイト３に入力し、ＤＢサーバ５を介してＤＢ７に蓄積していくことにより、リコメンドエンジン導入の事例を検索することができる。
さらに、入力した導入後売上高６７、導入後要素データ６９を用いて、Ｗｅｂサイトの特性に応じたリコメンドエンジン導入前後の各種要素データの影響量を補正し、売上予測式ｙ２＝ｃｘ＋ｂの算出に反映させることにより、より精度の高いリコメンドエンジン導入効果の予測が可能となる。
【００４３】
以上、添付図面を参照しながら本発明に係るリコメンドエンジン導入効果予測システムの好適な実施形態について説明したが、前述した実施の形態に限定されない。当業者であれば、特許請求の範囲に記載された技術的思想の範疇内において各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【図面の簡単な説明】
【００４４】
【図１】リコメンドエンジン導入効果予測システム１の構成を示すブロック図
【図２】Ｗｅｂサーバ３のハードウエア構成の一例を示す図
【図３】Ｗｅｂサーバ３の記憶装置２２の詳細を示す図
【図４】ＤＢサーバ５のハードウエア構成の一例を示す図
【図５】ＤＢサーバ５の記憶装置４２の詳細を示す図
【図６】ＤＢ７の詳細を示す図
【図７】ＤＢ７の企業データ６１の詳細を示す図
【図８】Ｗｅｂサイトへのリコメンドエンジンの導入効果を示すグラフ
【図９】Ｗｅｂサーバ３上のリコメンドエンジン導入効果予測表示画面９００の一例を示す図
【符号の説明】
【００４５】
１………リコメンドエンジン導入効果予測システム
３………Ｗｅｂサーバ
５………ＤＢサーバ
７………ＤＢ
９………端末
１１………ユーザ端末

【特許請求の範囲】
【請求項１】
サーバと、データベースサーバを有するリコメンドエンジン導入効果予測システムであって、
前記サーバは、
ウェブサイトにリコメンドエンジンを導入前の購買履歴データを入力する導入前購買履歴入力手段と、
前記導入前の購買履歴データを用いて、前記ウェブサイトに前記リコメンドエンジンを導入する前の売上予測式を計算する計算手段と、
前記売上予測式を用いて、入力された条件に基づいてリコメンドエンジン導入後の売上を予測する予測手段と、
を具備することを特徴とするリコメンドエンジン導入効果予測システム。
【請求項２】
前記サーバは、
前記ウェブサイトにリコメンドエンジンを導入後の購買履歴データを入力する導入後購買履歴データ入力手段と、
前記導入後の購買履歴データを前記売上予測式に反映させる売上予測式反映手段と、
を具備することを特徴とする請求項１記載のリコメンドエンジン導入効果システム。
【請求項３】
前記予測手段は、前記ウェブサイトへの来客数に基づいてリコメンドエンジン導入後の売上を予測することを特徴とする請求項１記載のリコメンドエンジン導入効果予測システム。
【請求項４】
前記導入前購買履歴入力手段は、前記リコメンドエンジンを導入前の前記ウェブサイト上のクリック率、リピート率、売上を入力することを特徴とする請求項１記載のリコメンドエンジン導入効果予測システム。
【請求項５】
前記導入後購買履歴入力手段は、前記リコメンドエンジンを導入後の前記ウェブサイト上のクリック率、リピート率、売上を入力することを特徴とする請求項１記載のリコメンドエンジン導入効果予測システム。
【請求項６】
ウェブサイトにリコメンドエンジンを導入前の購買履歴データを入力する導入前購買履歴入力手段と、
前記導入前の購買履歴データを用いて、前記ウェブサイトに前記リコメンドエンジンを導入する前の売上予測式を計算する計算手段と、
前記売上予測式を用いて、入力された条件に基づいてリコメンドエンジン導入後の売上を予測する予測手段と、
を具備することを特徴とするサーバ。
【請求項７】
前記ウェブサイトにリコメンドエンジンを導入後の購買履歴データを入力する導入後購買履歴データ入力手段と、
前記導入後の購買履歴データを前記売上予測式に反映させる売上予測式反映手段と、
を具備することを特徴とする請求項６記載のサーバ。
【請求項８】
コンピュータを請求項６記載のサーバとして機能させることを特徴とするプログラム。

【図１】