本開示は、対象となる顧客の属性間の因果探索を行う因果探索装置に関する。なお、属性間の因果探索とは、属性間の因果関係を探索（推定）することであり、属性間の因果関係とは、２つの属性において一方が原因で他方が結果になっている関係を意味する。The present disclosure relates to a causal exploration device that performs causal exploration between attributes of target customers. Note that causal exploration between attributes refers to exploring (estimating) causal relationships between attributes, and a causal relationship between attributes refers to a relationship between two attributes in which one is the cause and the other is the effect.
近年、顧客は、店舗で行っていた契約手続きと同様の契約手続きをウェブページ（以下「WEBページ」ともいう）上でも実行可能になってきている。ただし、契約手続きが必要だった顧客がWEBページを訪れたとしても、必ずしもWEBページで契約手続きを実行するとは限らず、WEBページを離脱して実在の店舗で契約手続きを行う場合がある。このように顧客がWEBページを離脱した要因が何であるのかを突き止めるために、WEBページを離脱して実在の店舗で契約手続きを行った顧客に特有の属性を抽出し、それら特有の属性間の因果関係を分析することが有効である。このような因果関係を分析する際には、因果探索（又は、原因探索ともいう）という技術が用いられる（特許文献１）。In recent years, it has become possible for customers to carry out the same contract procedures on a web page (hereinafter also referred to as a "WEB page") as they did in a store. However, even if a customer who needs to carry out a contract procedure visits a WEB page, they do not necessarily carry out the contract procedure on the WEB page, and may leave the WEB page and carry out the contract procedure at a real store. In order to determine the reason why a customer leaves a WEB page in this way, it is effective to extract attributes unique to customers who leave a WEB page and carry out the contract procedure at a real store, and analyze the causal relationship between these unique attributes. When analyzing such causal relationships, a technique called causal discovery (also called cause discovery) is used (Patent Document 1).
しかしながら、上記の因果探索処理では、処理対象となる顧客の属性数が多くなると、属性間の因果関係を表すグラフ（一般的には有向非巡回グラフ（Directed Acyclic Graph（ＤＡＧ）））のノードおよびエッジの数が非常に多くなって上記グラフが巨大になってしまい、その結果、上記グラフから属性間の因果関係を判別することが困難になる等の不都合が起こりうる。一方で、因果探索処理の処理対象となる顧客の属性数を単に減らすだけでは、因果探索処理の精度の低下が懸念される。However, in the above causal discovery process, when the number of customer attributes to be processed increases, the number of nodes and edges in the graph (typically a Directed Acyclic Graph (DAG)) representing the causal relationships between attributes becomes very large, causing the graph to become huge. As a result, problems such as difficulty in determining the causal relationships between attributes from the graph can occur. On the other hand, simply reducing the number of customer attributes to be processed in the causal discovery process raises concerns that the accuracy of the causal discovery process may decrease.
本開示は、上記課題を解決するために成されたものであり、因果探索処理の精度を維持しつつ、因果探索処理の処理対象となる顧客の属性数を減らすことで、属性間の因果関係を判別可能なグラフを出力することを目的とする。The present disclosure has been made to solve the above problem, and aims to output a graph that makes it possible to determine the causal relationships between attributes by reducing the number of customer attributes that are the subject of the causal discovery process while maintaining the accuracy of the causal discovery process.
本開示に係る因果探索装置は、ある手続きを完了した複数の顧客から、顧客ごとの手続き完了場所に関する情報および特定の手続き場所への訪問有無情報に基づいて、前記特定の手続き場所を訪問し前記特定の手続き場所で手続き完了した第１顧客群と、前記特定の手続き場所を訪問したが前記特定の手続き場所以外で手続き完了した第２顧客群とを抽出し、顧客ごとの訪問履歴情報に基づいて、前記特定の手続き場所で手続き完了するまでの動線に沿って定められた複数の層に、前記第２顧客群を層化する層化部と、前記層化部により層化された前記第２顧客群の各層の顧客、および、前記層化部により抽出された前記第１顧客群を構成するコンバージョン層の顧客、のそれぞれの属性情報を取得し、取得された前記属性情報に基づいて得られる前記第２顧客群の各層および前記コンバージョン層それぞれの属性ごとの特徴量に基づいて、前記コンバージョン層の顧客の属性とは相関が無いが前記第２顧客群のいずれかの層の顧客の属性と相関が有る属性である相関属性を、前記第２顧客群の各層について抽出する属性抽出部と、前記属性抽出部により抽出された前記第２顧客群の各層についての相関属性、および、前記第２顧客群の各層および前記コンバージョン層それぞれの属性ごとの特徴量に基づいて、前記第２顧客群の各層について、前記相関属性の間の因果探索を実行する因果探索部と、前記因果探索部による因果探索により得られた前記第２顧客群の層ごとの因果探索結果を表すグラフを生成し出力するグラフ生成出力部と、を備える。The causal exploration device according to the present disclosure extracts, from a plurality of customers who have completed a certain procedure, a first group of customers who visited the specific procedure location and completed the procedure at the specific procedure location, and a second group of customers who visited the specific procedure location but completed the procedure at a location other than the specific procedure location, based on information regarding the procedure completion location for each customer and information regarding whether or not the specific procedure location was visited; and, based on visit history information for each customer, stratifies the second group of customers into a plurality of layers determined along the path of movement until the procedure is completed at the specific procedure location; and acquires attribute information for each layer of the second group of customers stratified by the stratification unit, and for the customers in the conversion layer that constitutes the first group of customers extracted by the stratification unit; and an attribute extraction unit that extracts, for each stratum of the second customer group, correlation attributes that are not correlated with the attributes of customers in the conversion stratum but are correlated with the attributes of customers in any stratum of the second customer group, based on the feature values for each attribute of each stratum of the second customer group and the conversion stratum obtained based on the information; a causal search unit that performs a causal search between the correlation attributes for each stratum of the second customer group, based on the correlation attributes for each stratum of the second customer group extracted by the attribute extraction unit and the feature values for each attribute of each stratum of the second customer group and the conversion stratum; and a graph generation and output unit that generates and outputs a graph representing the causal search results for each stratum of the second customer group obtained by the causal search by the causal search unit.
なお、上記の「コンバージョン層」とは、例えば、特定の手続き場所で手続き完了したことで「顧客見込み」から「顧客」へ変換（コンバージョン）した顧客から成る層を意味する。The "conversion layer" mentioned above refers to a layer of customers who have converted from "prospective customers" to "customers" by completing a procedure at a specific processing location, for example.
上記の因果探索装置では、層化部が、ある手続きを完了した複数の顧客から、顧客ごとの手続き完了場所に関する情報および特定の手続き場所への訪問有無情報に基づいて、特定の手続き場所を訪問し特定の手続き場所で手続き完了した第１顧客群と、特定の手続き場所を訪問したが特定の手続き場所以外で手続き完了した第２顧客群とを抽出し、顧客ごとの訪問履歴情報に基づいて、特定の手続き場所で手続き完了するまでの動線に沿って定められた複数の層に、第２顧客群を層化する。これにより、第２顧客群は、特定の手続き場所で手続き完了するまでの動線に沿って定められた複数の層に層化（グループ分け）される。次に、属性抽出部が、第２顧客群の各層の顧客および第１顧客群を構成するコンバージョン層の顧客のそれぞれの属性情報を取得し、取得された属性情報に基づいて得られる第２顧客群の各層およびコンバージョン層それぞれの属性ごとの特徴量に基づいて、コンバージョン層の顧客の属性とは相関が無いが第２顧客群のいずれかの層の顧客の属性と相関が有る属性である相関属性を、第２顧客群の各層について抽出する。これにより、第２顧客群の各層およびコンバージョン層それぞれの属性情報に基づいて、後の「因果探索」の対象となる相関属性（コンバージョン層の顧客の属性とは相関が無いが第２顧客群のいずれかの層の顧客の属性と相関が有る属性）が、第２顧客群の各層について適切に抽出される。そして、因果探索部が、抽出された第２顧客群の各層についての相関属性、および、第２顧客群の各層およびコンバージョン層それぞれの属性ごとの特徴量に基づいて、第２顧客群の各層について、相関属性の間の因果探索を実行し、さらに、グラフ生成出力部が、因果探索により得られた第２顧客群の層ごとの因果探索結果を表すグラフを生成し出力する。以上のように、第２顧客群の各層について適切に抽出された相関属性を対象として、第２顧客群の層ごとに因果探索が実行されるため、因果探索処理の精度を一定レベル以上に維持することができるとともに、一度の因果探索処理の処理対象となる顧客の属性数を減らすことで、属性間の因果関係を判別可能なグラフを出力することができる。In the above causal search device, the stratification unit extracts a first group of customers who visited a specific procedure location and completed the procedure at the specific procedure location and a second group of customers who visited a specific procedure location but completed the procedure at a location other than the specific procedure location from among a plurality of customers who completed a certain procedure, based on information on the procedure completion location for each customer and information on whether or not the specific procedure location was visited, and stratifies the second group of customers into a plurality of layers determined along the path of movement until the procedure is completed at the specific procedure location, based on the visit history information for each customer. As a result, the second group of customers is stratified (grouped) into a plurality of layers determined along the path of movement until the procedure is completed at the specific procedure location. Next, the attribute extraction unit acquires attribute information for each layer of the second customer group and for the customers of the conversion layer constituting the first customer group, and extracts correlation attributes for each layer of the second customer group that are not correlated with the attributes of the customers of the conversion layer but are correlated with the attributes of any layer of the second customer group, based on the feature amounts for each attribute of each layer of the second customer group and the conversion layer obtained based on the acquired attribute information. As a result, based on the attribute information of each layer of the second customer group and the conversion layer, correlation attributes (attributes that are not correlated with the attributes of customers in the conversion layer but are correlated with the attributes of customers in any layer of the second customer group) that will be the subject of the subsequent "causal search" are appropriately extracted for each layer of the second customer group. Then, the causal search unit performs a causal search between the correlated attributes for each layer of the second customer group based on the extracted correlation attributes for each layer of the second customer group and the feature values for each attribute of each layer of the second customer group and the conversion layer, and further, the graph generation output unit generates and outputs a graph representing the causal search results for each layer of the second customer group obtained by the causal search. As described above, the causal search is performed for each layer of the second customer group using the correlation attributes appropriately extracted for each layer of the second customer group as the target, so that the accuracy of the causal search process can be maintained at a certain level or higher, and by reducing the number of customer attributes that are the subject of a single causal search process, a graph that can determine the causal relationship between attributes can be output.
本開示によれば、因果探索処理の精度を維持しつつ、因果探索処理の処理対象となる顧客の属性数を減らすことで、属性間の因果関係を判別可能なグラフを出力することができる。According to the present disclosure, by reducing the number of customer attributes that are the subject of the causal discovery process while maintaining the accuracy of the causal discovery process, it is possible to output a graph that can determine the causal relationships between attributes.
添付図面を参照しながら、因果探索装置の一実施形態を説明する。なお、以下では、「手続き」として、ある対象サービスの契約手続きの例で説明するものとし、顧客による契約手続きは、手続き完了場所として、WEB上で行うこともできるし、実在の店舗で行うこともできるとする。One embodiment of the causal exploration device will be described with reference to the attached drawings. In the following, the "procedure" will be described using an example of a contract procedure for a certain target service, and the contract procedure by the customer can be completed either online or at an actual store.
図１に示すように、一実施形態に係る因果探索装置１０は、顧客データ保持部１１、層化部１２、属性抽出部１３、因果探索部１４、およびグラフ生成出力部１５を備える。以下、各部の機能について説明する。As shown in FIG. 1, a causal exploration device 10 according to one embodiment includes a customer data storage unit 11, a stratification unit 12, an attribute extraction unit 13, a causal exploration unit 14, and a graph generation and output unit 15. The functions of each unit are described below.
顧客データ保持部１１は、以下に説明するような、顧客ごとの、手続き完了場所に関する情報、手続き用WEBページ群への訪問有無情報、手続き用WEBページ群のうち訪問した訪問ページ情報、顧客の属性情報などを保持したデータベースである。上記の各種の情報は、取得することの了解を得た顧客の端末ログ、アプリケーションログ、加入者情報などから予め取得され、顧客データ保持部１１により保持される。The customer data storage unit 11 is a database that stores, for each customer, information regarding the location where the procedure was completed, information regarding whether the group of procedure web pages was visited, information regarding which pages were visited among the group of procedure web pages, and customer attribute information, as described below. The above various types of information are acquired in advance from the terminal logs, application logs, subscriber information, etc. of customers who have given consent to the acquisition of such information, and are stored by the customer data storage unit 11.
上記の各種情報の保持形態は、さまざまな形態を採り得るが、図２（ａ）～図２（ｃ）を用いて一例を説明する。図２（ａ）に示すように、顧客ごとの手続き完了場所に関する情報および手続き用WEBページ群への訪問有無情報は、イベント発生時間（ここでは契約手続き完了時刻）の情報とともに、顧客識別情報（顧客ＩＤ）をキーとして、顧客データ保持部１１により保持される。上記の「手続き完了場所に関する情報」は、例えば、顧客がWEB上で契約手続きした場合、WEBと記録され、顧客が実在の店舗で契約手続きした場合、REALと記録される。上記の「手続き用WEBページ群への訪問有無情報」は、例えば、訪問有りの場合、「１」と記録され、訪問無しの場合、「０」と記録される。ここでの「手続き用WEBページ群」には、顧客が対象サービスの契約手続きを行う場合に一連の流れの中で訪問すると想定されるさまざまなWEBページが含まれ、例えば、対象サービスの料金プランに関するページ、料金プランの比較に関するページ、契約手続き開始ページ、契約手続き中のページ、契約手続き完了ページ、ＦＡＱ（Frequently Asked Questions）に関するページなどが含まれる。図２（ａ）に示す情報は、手続き関連情報１１Ａと総称する。図２（ｂ）に示すように、顧客ごとの訪問ページ情報は、イベント発生時間（ここでは該当のWEBページに訪問した時刻）の情報とともに、顧客ＩＤをキーとして、顧客データ保持部１１により保持される。図２（ｂ）に示す情報は、訪問関連情報１１Ｂと総称する。図２（ｃ）に示す、顧客ごとの属性情報１１Ｃは、さまざまな属性ごとの列に、当該属性の内容又は当該属性を有するか否かのフラグが、顧客ＩＤをキーとして顧客データ保持部１１により保持される。例えば、属性Ａ、Ｂについては、当該属性を有することを示すフラグ「１」又は当該属性を有しないことを示すフラグ「０」が保持され、属性Ｃについては、YYY、ZZZ、XXXなどの当該属性Ｃの内容が保持される。なお、図２（ａ）、（ｂ）に示す「イベント発生時間」の情報は、対応する契約手続き完了およびWEBページ訪問が一連の動作として行われたか否かを判断するために用いられ、例えば、WEBページ訪問の時刻と契約手続完了時刻とが所定の時間間隔以上離れていれば、それらは一連の動作として行われなかったと判断される。The above various information may be stored in a variety of forms, but an example will be described using Figures 2(a) to 2(c). As shown in Figure 2(a), information regarding the location where the procedure was completed for each customer and information regarding whether the group of procedure web pages was visited are stored by the customer data storage unit 11 using customer identification information (customer ID) as a key, along with information regarding the time of the event (here, the time the contract procedure was completed). The above "information regarding the location where the procedure was completed" is recorded as "WEB" if the customer completed the contract procedure on the web, for example, and as "REAL" if the customer completed the contract procedure at an actual store. The above "information regarding whether the group of procedure web pages was visited" is recorded as "1" if there was a visit, and as "0" if there was no visit. The "procedure WEB page group" here includes various WEB pages that are expected to be visited in a series of steps when a customer performs a contract procedure for a target service, such as a page related to the price plan of the target service, a page related to comparing price plans, a contract procedure start page, a page during the contract procedure, a contract procedure completion page, and a page related to FAQs (Frequently Asked Questions). The information shown in FIG. 2(a) is collectively referred to as procedure-related information 11A. As shown in FIG. 2(b), the visited page information for each customer is stored by the customer data storage unit 11 with the customer ID as a key together with information on the event occurrence time (here, the time when the corresponding WEB page was visited). The information shown in FIG. 2(b) is collectively referred to as visit-related information 11B. As shown in FIG. 2(c), the attribute information for each customer 11C is stored by the customer data storage unit 11 with the customer ID as a key, in columns for various attributes, and the contents of the attribute or a flag indicating whether the attribute is present or not. For example, for attributes A and B, a flag "1" indicating that the attribute is present or a flag "0" indicating that the attribute is not present is stored, and for attribute C, the contents of attribute C, such as YYY, ZZZ, or XXX, are stored. The "event occurrence time" information shown in Figures 2(a) and (b) is used to determine whether the corresponding contract procedure completion and web page visit were performed as a series of actions. For example, if the time of the web page visit and the time of contract procedure completion are separated by a predetermined time interval or more, it is determined that they were not performed as a series of actions.
図１へ戻り、層化部１２は、ある対象サービスの契約手続きを完了した複数の顧客から、顧客ごとの手続き完了場所に関する情報および手続き用WEBページ群への訪問有無情報に基づいて、手続き用WEBページ群を訪問し手続き用WEBページ群で手続き完了した顧客から成る第１顧客群（以下「Ｂ群」という）と、手続き用WEBページ群を訪問したが手続き用WEBページ群以外で手続き完了した顧客から成る第２顧客群（以下「Ａ群」という）とを抽出し、顧客ごとの訪問履歴情報に基づいて、手続き用WEBページ群において手続き完了するまでの動線に沿って定められた複数の層に、Ａ群に属する顧客（以下「Ａ群」と略称）を層化する機能部である。詳細は後述するが、層化部１２は、Ｂ群に属する顧客（以下「Ｂ群」と略称）が手続き用WEBページ群で手続き完了するまでの動線を求め、得られたＢ群の動線と予め定められた基準となる基準動線の両方を基礎として、Ａ群を層化するための複数の層（以下「層化変数」ともいう）を定め、それら複数の層をＡ群の層化に用いる。ただし、上記のようにＢ群の動線を基礎とすることは必須ではなく、予め定められた基準動線のみを基礎として、層化変数を定めてもよい。また、層化変数を定める処理を省略し、予め定められた基準動線に対応する複数の層をＡ群の層化に用いてもよい。Returning to Figure 1, the stratification unit 12 is a functional unit that extracts, from a plurality of customers who have completed the contract procedure for a certain target service, a first customer group (hereinafter referred to as "Group B") consisting of customers who visited the procedure web page group and completed the procedure there, and a second customer group (hereinafter referred to as "Group A") consisting of customers who visited the procedure web page group but completed the procedure outside the procedure web page group, based on information regarding the location where each customer completed the procedure and information regarding whether or not the procedure web page group was visited, and stratifies the customers belonging to Group A (hereinafter referred to as "Group A") into a plurality of layers determined along the path of movement until the procedure is completed on the procedure web page group, based on the visit history information for each customer. Although details will be described later, the stratification unit 12 obtains the movement lines of customers belonging to group B (hereinafter abbreviated as "group B") until they complete the procedures on the group of procedure web pages, and determines multiple layers (hereinafter also referred to as "stratification variables") for stratifying group A based on both the obtained movement lines of group B and a predetermined reference movement line that serves as a standard, and uses these multiple layers to stratify group A. However, it is not essential to use the movement lines of group B as the basis as described above, and the stratification variables may be determined based only on the predetermined reference movement line. Also, the process of determining the stratification variables may be omitted, and multiple layers corresponding to the predetermined reference movement line may be used to stratify group A.
属性抽出部１３は、層化部１２により層化されたＡ群の各層の顧客、および、層化部１２により抽出されたＢ群を構成する層であるコンバージョン層（以下「層ＣＶ」ともいう）の顧客、のそれぞれの属性情報を取得し、取得された属性情報に基づいて得られるＡ群の各層およびコンバージョン層それぞれの属性ごとの特徴量に基づいて、コンバージョン層の顧客の属性とは相関が無いがＡ群のいずれかの層の顧客の属性と相関が有る属性である相関属性を、Ａ群の各層について抽出する機能部である。詳細は後述するが、属性抽出部１３は、Ａ群の各層およびコンバージョン層それぞれの属性情報について、当該属性情報に係る属性を持つ顧客数を集計し、得られた顧客数（集計値）をそれぞれの属性の特徴量として取得する。このとき、集計で得られた顧客数をそのまま特徴量とする以外に、予め定めた係数を顧客数に乗算する等の所定の演算を行った演算結果を特徴量として取得してもよい。また、属性抽出部１３は、ある属性を持つ顧客数が予め定められた下限基準を下回る属性については、相関属性から除外する。このような属性抽出に関する処理例は後に詳述する。The attribute extraction unit 13 is a functional unit that acquires attribute information of each layer of customers in group A stratified by the stratification unit 12 and customers in the conversion layer (hereinafter also referred to as "layer CV"), which is a layer constituting group B extracted by the stratification unit 12, and extracts correlated attributes for each layer of group A that are not correlated with the attributes of customers in the conversion layer but are correlated with the attributes of customers in any layer of group A based on the feature values for each attribute of each layer of group A and the conversion layer obtained based on the acquired attribute information. As will be described in detail later, the attribute extraction unit 13 counts the number of customers having attributes related to the attribute information of each layer of group A and the conversion layer, and acquires the obtained number of customers (counted value) as the feature value of each attribute. At this time, in addition to using the number of customers obtained by the counting as the feature value as it is, the result of a predetermined calculation such as multiplying the number of customers by a predetermined coefficient may be acquired as the feature value. In addition, the attribute extraction unit 13 excludes attributes for which the number of customers having a certain attribute is below a predetermined lower limit from the correlated attributes. An example of such attribute extraction processing will be described in detail later.
因果探索部１４は、属性抽出部１３により抽出されたＡ群の各層についての相関属性、および、Ａ群の各層およびコンバージョン層それぞれの属性ごとの特徴量に基づいて、Ａ群の各層について、相関属性の間の因果探索を実行する機能部である。The causal search unit 14 is a functional unit that performs a causal search between correlated attributes for each layer of group A based on the correlated attributes for each layer of group A extracted by the attribute extraction unit 13 and the feature quantities for each attribute of each layer of group A and the conversion layer.
グラフ生成出力部１５は、因果探索部１４による因果探索によって得られた層ごとの因果探索結果から、当該因果探索結果を表す有向非巡回グラフ（Directed Acyclic Graph（ＤＡＧ））を生成し出力する機能部である。The graph generation and output unit 15 is a functional unit that generates and outputs a directed acyclic graph (DAG) representing the causal search results from the layer-by-layer causal search results obtained by the causal search unit 14.
次に、図３のフロー図に沿って、因果探索装置１０において実行される処理を順に説明する。図３の処理は、例えば、所定の周期的なタイミングで実行開始されてもよいし、因果探索装置１０のオペレータにより所定の開始操作等が行われたことをトリガーに実行開始されてもよい。Next, the processing executed by the causal exploration device 10 will be described in order according to the flow diagram in FIG. 3. The processing in FIG. 3 may be started at a predetermined periodic timing, for example, or may be started in response to a predetermined start operation or the like being performed by the operator of the causal exploration device 10.
層化部１２は、対象とするサービスの契約手続きを完了した複数の顧客（以下「手続き完了顧客」という）に関する図２（ａ）の手続き関連情報１１Ａを顧客データ保持部１１から読み出すことで取得し（ステップＳ１）、手続き関連情報１１Ａに基づいて以下のようにして、手続き完了顧客からＡ群とＢ群とを抽出する（ステップＳ２）。即ち、図５に示すように、層化部１２は、手続き関連情報１１Ａにおいて、手続き完了場所が「REAL（WEB以外の実在する店舗など）」であり且つ手続き用WEBページ群への訪問有無情報が「１（訪問有り）」である顧客（顧客ＩＤが0000001の顧客）をＡ群として抽出し、手続き完了場所が「WEB」であり且つ手続き用WEBページ群への訪問有無情報が「１（訪問有り）」である顧客（顧客ＩＤが0000010の顧客）をＢ群として抽出する。なお、上記以外の顧客、即ち、手続き完了場所が「REAL」であり且つ手続き用WEBページ群への訪問有無情報が「０（訪問無し）」である顧客（顧客ＩＤが0000002の顧客）は、抽出の対象外とされる。The stratification unit 12 obtains the procedure-related information 11A in FIG. 2(a) related to multiple customers who have completed the contract procedure for the target service (hereinafter referred to as "procedure-completed customers") by reading it from the customer data storage unit 11 (step S1), and extracts Group A and Group B from the procedure-completed customers based on the procedure-related information 11A as follows (step S2). That is, as shown in FIG. 5, the stratification unit 12 extracts customers (customers with customer ID 0000001) whose procedure-completed location in the procedure-related information 11A is "REAL (such as a real store other than the WEB)" and whose visit information to the procedure WEB page group is "1 (visited)" as Group A, and extracts customers (customers with customer ID 0000010) whose procedure-completed location is "WEB" and whose visit information to the procedure WEB page group is "1 (visited)" as Group B. In addition, customers other than those mentioned above, i.e., customers whose procedure completion location is "REAL" and whose visit information for the procedure web page group is "0 (no visit)" (customers whose customer ID is 0000002), are excluded from extraction.
次に、層化部１２は、抽出されたＡ群とＢ群それぞれについて、図２（ｂ）の訪問関連情報１１Ｂを顧客データ保持部１１から読み出すことで、図６に示すＡ群とＢ群それぞれの訪問関連情報１１Ｂを取得する（ステップＳ３）。Next, the stratification unit 12 reads the visit-related information 11B of FIG. 2(b) for each of the extracted groups A and B from the customer data storage unit 11, thereby obtaining the visit-related information 11B of each of groups A and B shown in FIG. 6 (step S3).
次に、層化部１２は、後述するステップＳ６の層化で用いるべき層化変数が決まっているか否かを判断する（ステップＳ４）。ここでは、例えば、対象となる対象サービスが同一の因果探索処理（図３）を連続的に繰り返し実行する際に、２回目以降において１回目の処理で決定された層化変数を流用可能である場合などに、用いるべき層化変数が決まっていると判断され、上記以外の場合、用いるべき層化変数が決まっていないと判断される。ステップＳ４で層化変数が決まっていると判断されれば、後述するステップＳ６へ進み、一方、層化変数が決まっていないと判断されれば、以下のようにして層化変数を決定する（ステップＳ５）。図７に示すように、事前に定められた主要動線（枠組み）にＢ群のWEB訪問履歴情報を当てはめる。ここでは、主要動線として、層Ａ、層Ｂ、層Ｃ、層Ｄ、層ＣＶという枠組みが事前に定められ、層Ａは料金プランに関するページの層、層Ｂは料金プランを比較するページの層、層ＣはWEB手続き開始ページの層、層ＤはWEB手続き中のページの層、層ＣＶはWEB手続き完了ページの層であると、WEBページのカテゴリごとに各層は決められている。上記以外のページ（例えばＦＡＱに関するページ）は主要動線（枠組み）に含まれておらず、以下の層化変数の決定処理では考慮されない。図７の左側にＢ群に属する顧客ＩＤ「0000010」、「0000011」の顧客の訪問履歴情報が例示されており、訪問ページ例において、「aa、aaa」は料金プランに関するページであり、「bbb」は料金プランを比較するページであり、「ccc」はWEB手続き開始ページであり、「dd、ddd」はWEB手続き中のページであり、「cvpage」はWEB手続き完了ページであるとする。このとき、図７に示すように、顧客ＩＤ「0000010」の顧客が契約完了するまでの動線は「層Ａ→層Ｄ→層ＣＶ」と判明し、顧客ＩＤ「0000011」の顧客が契約完了するまでの動線は「層Ａ→層Ｂ→層Ｃ→層Ｄ→層ＣＶ」と判明する。以上のようなＢ群に属する顧客の動線を包括的に含んだ動線「層Ａ→層Ｂ→層Ｃ→層Ｄ→層ＣＶ」が、Ｂ群が契約完了するまでの動線として導かれ、層化変数として、「層Ａ、層Ｂ、層Ｃ、層Ｄ、層ＣＶ」の５つが決定される。Next, the stratification unit 12 judges whether the stratification variables to be used in the stratification in step S6 described later have been determined (step S4). Here, for example, when the target service of interest repeatedly executes the same causal search process (FIG. 3) continuously, and the stratification variables determined in the first process can be reused in the second and subsequent processes, it is judged that the stratification variables to be used have been determined, and in other cases, it is judged that the stratification variables to be used have not been determined. If it is judged that the stratification variables have been determined in step S4, the process proceeds to step S6 described later, whereas if it is judged that the stratification variables have not been determined, the stratification variables are determined as follows (step S5). As shown in FIG. 7, the WEB visit history information of group B is applied to the main traffic line (framework) determined in advance. Here, a framework of layers A, B, C, D, and CV is predefined as the main flow line, and each layer is determined for each category of web pages, such as layer A being a layer of pages related to price plans, layer B being a layer of pages comparing price plans, layer C being a layer of pages starting the web procedure, layer D being a layer of pages during the web procedure, and layer CV being a layer of pages completing the web procedure. Pages other than the above (e.g., pages related to FAQs) are not included in the main flow line (framework) and are not considered in the following process of determining stratification variables. The left side of FIG. 7 illustrates the visit history information of customers with customer IDs "0000010" and "0000011" belonging to group B, and in the example of visited pages, "aa, aaa" are pages related to price plans, "bbb" is a page comparing price plans, "ccc" is a page starting the web procedure, "dd, ddd" are pages during the web procedure, and "cvpage" is a page completing the web procedure. At this time, as shown in FIG. 7, the flow line of the customer with customer ID "0000010" until the contract is completed is determined to be "Layer A →Layer D →Layer CV," and the flow line of the customer with customer ID "0000011" until the contract is completed is determined to be "Layer A →Layer B →Layer C →Layer D →Layer CV." The flow line "Layer A →Layer B →Layer C →Layer D →Layer CV," which comprehensively includes the flow lines of the customers belonging to group B as described above, is derived as the flow line of group B until the contract is completed, and five stratification variables are determined: "Layer A, Layer B, Layer C, Layer D, Layer CV."
次に、層化部１２は、ステップＳ５で決定した又は既に決められた層化変数を用いて、以下のようにＡ群を層化する（ステップＳ６）。このとき、複数の層をまたがって訪問している場合には、当該複数の層のうち、層ＣＶに近い方を採用するという規則のもと、図８に示すように、顧客ＩＤが「0000001」の顧客は、層Ａに割り当てられたページのみを訪問しているため、層Ａに層化され、顧客ＩＤが「0000003」の顧客は、層ＣＶに最も近いページとして、層Ｂに割り当てられたページを訪問しているため、層Ｂに層化される。同様に、顧客ＩＤが「0000004」の顧客は層Ｃに層化され、顧客ＩＤが「0000005」の顧客は層Ｄに層化される。Next, the stratification unit 12 stratifies group A as follows (step S6) using the stratification variables determined in step S5 or already determined. At this time, under the rule that if a customer visits multiple layers, the layer closest to the layer CV is used, as shown in FIG. 8, a customer with a customer ID of "0000001" visits only pages assigned to layer A, and is therefore stratified into layer A. A customer with a customer ID of "0000003" visits pages assigned to layer B, which is the page closest to the layer CV, and is therefore stratified into layer B. Similarly, a customer with a customer ID of "0000004" is stratified into layer C, and a customer with a customer ID of "0000005" is stratified into layer D.
次に、層化部１２は、顧客ごとの層化の結果（層化された層の情報）を顧客ＩＤに対応付けて記録した図９右側に示す層情報テーブルを生成し（ステップＳ７）、属性抽出部１３に渡す。Next, the stratification unit 12 generates a layer information table shown on the right side of Figure 9 in which the stratification results for each customer (stratified layer information) are recorded in association with the customer ID (step S7), and passes it to the attribute extraction unit 13.
次に、属性抽出部１３は、図２（ｃ）の顧客の属性情報１１Ｃを顧客データ保持部１１から読み出すことで取得し（ステップＳ８）、層化部１２から受け取った層情報テーブル（図９）と顧客の属性情報とを突合することにより、図１０に示す層情報付き属性テーブルを生成する（ステップＳ９）。図１０に示すように、層情報付き属性テーブルには、顧客が属する層および当該顧客が持つさまざまな属性に関する情報が、顧客ＩＤをキーにして保持される。Next, the attribute extraction unit 13 obtains the customer attribute information 11C of FIG. 2(c) by reading it from the customer data storage unit 11 (step S8), and generates an attribute table with layer information shown in FIG. 10 by matching the layer information table (FIG. 9) received from the stratification unit 12 with the customer attribute information (step S9). As shown in FIG. 10, the attribute table with layer information stores information about the layer to which the customer belongs and various attributes that the customer possesses, using the customer ID as a key.
次に、属性抽出部１３は、層ＣＶの顧客の属性とは相関が無いがＡ群のいずれかの層の顧客の属性と相関が有る属性である「相関属性」をＡ群の各層について抽出する抽出処理を実行する（ステップＳ１０）。ステップＳ１０における抽出処理は、図４のサブルーチンにより表される。まず、属性抽出部１３は、層Ａ～層Ｄおよび層ＣＶのそれぞれについて、層に属する総人数および各属性を持つ人数を層ごとに集計し、各属性を持つ人数（集計値）を当該層における当該属性の特徴量とする（ステップＳ１０Ａ）。これにより、図１１に示すように、層ごとの、層に属する総人数および各属性を持つ人数（当該属性の特徴量）が求められる。Next, the attribute extraction unit 13 executes an extraction process to extract "correlated attributes" for each layer of Group A, which are attributes that are not correlated with the attributes of customers in Layer CV but are correlated with the attributes of customers in any layer of Group A (Step S10). The extraction process in Step S10 is represented by the subroutine in FIG. 4. First, the attribute extraction unit 13 tallies the total number of people belonging to each layer and the number of people having each attribute for each layer, Layers A to D and Layer CV, and sets the number of people having each attribute (tally) as the feature amount of that attribute in that layer (Step S10A). As a result, the total number of people belonging to each layer and the number of people having each attribute (feature amount of that attribute) can be obtained for each layer, as shown in FIG. 11.
次に、属性抽出部１３は、図１２の右上に示す式に数値を代入することで、各属性を持つ人数の割合を層ごとに算出する（ステップＳ１０Ｂ）。例えば、層Ａにおける属性Ａについては、人数の割合は（9000／13800）となり、65.2％が求められる。このようにして、層ごとに各属性について、図１２に示すような人数の割合が求められる。Next, the attribute extraction unit 13 calculates the percentage of people with each attribute for each stratum by substituting numerical values into the formula shown in the upper right of FIG. 12 (step S10B). For example, for attribute A in stratum A, the percentage of people is (9000/13800), which is 65.2%. In this way, the percentage of people for each attribute for each stratum is calculated as shown in FIG. 12.
次に、属性抽出部１３は、層Ａ～層Ｄにおける各属性の人数の割合と層ＣＶにおける各属性の人数の割合とを比較し、層Ａ～層Ｄにおける各属性のうち、人数の割合が層ＣＶにおける人数の割合の２倍以上となった属性を、相関属性として抽出する（ステップＳ１０Ｃ）。例えば、図１３に示すように、「属性Ａ：１」については、層Ａにおける人数の割合34.8％および層Ｂにおける人数の割合27.7％が、層ＣＶにおける人数の割合13.2％の２倍以上であるため、「属性Ａ：１」は、層Ａおよび層Ｂと相関のある相関属性として抽出される。同様に、「属性Ｂ：０」については、層Ａ～層Ｄそれぞれの人数の割合が、層ＣＶにおける人数の割合1.3％の２倍以上であるため、「属性Ｂ：０」は、層Ａ～層Ｄと相関のある相関属性として抽出される。なお、ここでは、相関属性の抽出条件として、「人数の割合が層ＣＶにおける人数の割合の２倍以上」という条件を用いたが、この条件は一例であり、例えば「人数の割合が層ＣＶにおける人数の割合の５倍以上」といった別の条件を用いてもよい。Next, the attribute extraction unit 13 compares the proportion of people with each attribute in layers A to D with the proportion of people with each attribute in the layer CV, and extracts as correlated attributes those attributes in layers A to D whose proportion of people is more than twice the proportion of people in the layer CV (step S10C). For example, as shown in FIG. 13, for "attribute A:1", the proportion of people in layer A (34.8%) and the proportion of people in layer B (27.7%) are more than twice the proportion of people in the layer CV (13.2%), so "attribute A:1" is extracted as a correlated attribute correlated with layers A and B. Similarly, for "attribute B:0", the proportion of people in layers A to D is more than twice the proportion of people in the layer CV (1.3%), so "attribute B:0" is extracted as a correlated attribute correlated with layers A to D. Note that here, the condition used for extracting correlated attributes is "the proportion of people is more than twice the proportion of people in the demographic CV," but this condition is just one example, and other conditions such as "the proportion of people is more than five times the proportion of people in the demographic CV" may also be used.
さらに、属性抽出部１３は、ステップＳ１０Ｃで抽出された相関属性から、当該属性を持つ人数が予め定められた下限基準を下回る属性を除外する（ステップＳ１０Ｄ）。ここでは、一例として、属性抽出部１３は、抽出された相関属性のうち、属性を持つ人数が層の総人数の１％以下である属性を除外する。図１４に示す層Ｄに関する「属性Ｂ：０」は、当該属性を持つ人数61人が層Ｄの総人数1149人の１％以下であるため、相関属性から除外される。なお、ここでの条件「当該属性を持つ人数が層の総人数の１％以下」は一例であり、例えば「当該属性を持つ人数が層の総人数の３％以下」といった別の条件を用いてもよい。Furthermore, the attribute extraction unit 13 excludes attributes for which the number of people having the attribute is below a predetermined lower limit from the correlation attributes extracted in step S10C (step S10D). Here, as an example, the attribute extraction unit 13 excludes attributes for which the number of people having the attribute is 1% or less of the total number of people in the layer from the extracted correlation attributes. "Attribute B:0" for layer D shown in FIG. 14 is excluded from the correlation attributes because the number of people having the attribute, 61, is 1% or less of the total number of people in layer D, which is 1149. Note that the condition here, "the number of people having the attribute is 1% or less of the total number of people in the layer" is just an example, and another condition, such as "the number of people having the attribute is 3% or less of the total number of people in the layer", may be used.
以上のような図４の処理によって、層Ａ～層Ｄそれぞれに関する属性のうち、図１５に示す属性が、相関属性（層ＣＶとは相関がないが当該層と相関があり属性を持つ人数が充分な属性）として抽出される。なお、図１５には、図１１～図１４で図示しなかった属性Ｃ～Ｇに係る相関属性も示している。By the above process of FIG. 4, among the attributes related to each of layers A to D, the attributes shown in FIG. 15 are extracted as correlated attributes (attributes that are not correlated with the layer CV but are correlated with the layer and have a sufficient number of people who have the attribute). Note that FIG. 15 also shows correlated attributes related to attributes C to G that were not shown in FIGS. 11 to 14.
次に、因果探索部１４は、層ごとに因果探索を実行する（ステップＳ１１）。図１６を用いて、例えば、層Ａについての因果探索を説明すると、因果探索部１４は、層Ａに係る相関属性である「属性Ａ：１」、「属性Ｂ：０」、「属性Ｃ：XXX」に、「層：Ａ」を加えた計４つの属性を対象として因果探索を実行する。その結果、図１６の下段中央に示す、候補となる計１２通りの属性間の因果関係のうち、因果探索の結果、図１６の下段右側に示す計６つの因果関係が得られる。 Next, the causal search unit 14 executes a causal search for each layer (step S11). For example, the causal search for layer A will be described with reference to Fig. 16. The causal search unit 14 executes a causal search for a total of four attributes, which are correlation attributes related to layer A, "attribute A: 1", "attribute B: 0", and "attribute C: XXX", plus "layer: A". As a result, out of the total of 12 candidate causal relationships between attributes shown in the lower center of Fig. 16, a total of six causal relationships shown in the lower right of Fig. 16 are obtained as a result of the causal search.
次に、グラフ生成出力部１５は、因果探索によって得られた層ごとの因果探索結果から、当該因果探索結果を表す有向非巡回グラフ（Directed Acyclic Graph（ＤＡＧ））を生成し（ステップＳ１２）、出力する（ステップＳ１３）。例えば、層Ａについては、図１７に示すように、因果探索により得られた計６つの因果関係を表す有向非巡回グラフが生成され、出力される。Next, the graph generation and output unit 15 generates a directed acyclic graph (DAG) representing the causal search results from the causal search results for each layer obtained by the causal search (step S12) and outputs the DAG (step S13). For example, for layer A, as shown in FIG. 17, a directed acyclic graph representing a total of six causal relationships obtained by the causal search is generated and output.
以上説明した因果探索装置１０の一実施形態によれば、Ａ群の各層および層ＣＶそれぞれの属性ごとの特徴量に基づいてＡ群の各層について適切に抽出された相関属性を対象として、Ａ群の層ごとに因果探索が実行されるため、因果探索処理の精度を一定レベル以上に維持することができるとともに、一度の因果探索処理の処理対象となる顧客の属性数を減らすことで、因果探索処理の負荷を軽減することができる。According to one embodiment of the causal search device 10 described above, causal search is performed for each layer of Group A using correlated attributes appropriately extracted for each layer of Group A based on the features for each attribute of each layer and layer CV of Group A. This makes it possible to maintain the accuracy of the causal search process at a certain level or higher, and also to reduce the load of the causal search process by reducing the number of customer attributes that are the subject of processing in one causal search process.
また、因果探索がＡ群の層ごとに実行され、一度の因果探索処理の処理対象となる顧客の属性数を減らせることに伴い、属性間の因果関係を表す有向非巡回グラフが巨大になることを回避でき、属性間の因果関係を判別可能なグラフを出力することができる。In addition, since the causal search is performed for each layer of group A, the number of customer attributes that are the subject of a single causal search process can be reduced, which prevents the directed acyclic graph representing the causal relationships between attributes from becoming huge, and makes it possible to output a graph that can determine the causal relationships between attributes.
また、上記の実施形態では、「手続き」として、WEB上でも実在の店舗でも実行可能な、ある対象サービスの契約手続きの例で説明した。この場合、Ａ群（手続き用WEBページ群を訪問したが手続き用WEBページ群以外で手続き完了した顧客群）に関する、手続き完了するまでの動線における脱落場所および顧客の属性などの分析に、因果探索の結果を有効に利用することができる。In the above embodiment, the "procedure" is an example of a contract procedure for a certain target service that can be performed both online and at a physical store. In this case, the results of the causal search can be effectively used to analyze dropout locations and customer attributes in the path leading up to the completion of the procedure for Group A (a group of customers who visited the procedure web pages but completed the procedure on a web page other than the procedure web pages).
また、層化部１２は、予め定められた基準となる基準動線に基づいて、Ａ群を層化するための複数の層（層化変数）を定めることで、例えば、ＦＡＱページなどの「手続きとは直接関連しない参考情報のページ」への訪問履歴などが基礎とされることを未然に防止し、予め定められた基準動線に基づく適切な層化変数の設定を行うことができる。In addition, the stratification unit 12 determines multiple layers (stratification variables) for stratifying group A based on a predetermined reference traffic line, which serves as a standard. This prevents, for example, visit histories to "reference information pages that are not directly related to procedures," such as FAQ pages, from being used as the basis, and allows appropriate stratification variables to be set based on the predetermined reference traffic line.
また、層化部１２は、予め定められた基準動線に加え、Ｂ群が手続き用WEBページ群で手続き完了するまでの動線、をさらに基礎として、Ａ群を層化するための複数の層（層化変数）を定めることで、実際に手続き用WEBページ群で手続き完了したＢ群の動線を用いて、より実態に即した、より適切な層化変数を定めることができる。The stratification unit 12 also determines multiple layers (stratification variables) for stratifying group A based on the movement of group B until the procedure is completed on the group of procedure web pages in addition to the predetermined standard movement line, and can determine more appropriate stratification variables that are more in line with the actual situation using the movement line of group B that actually completed the procedure on the group of procedure web pages.
また、属性抽出部１３は、Ａ群の各層およびＣＶ層それぞれの属性情報について、当該属性情報に係る属性を持つ顧客数を集計し、得られた顧客数に基づいて、それぞれの属性の特徴量を取得することで、属性を持つ顧客数（集計値）に基づいて、比較的簡易な処理でそれぞれの属性の特徴量を取得することができる。In addition, the attribute extraction unit 13 counts the number of customers who have the attributes related to the attribute information for each layer of group A and the CV layer, and obtains the feature values of each attribute based on the obtained number of customers, making it possible to obtain the feature values of each attribute with relatively simple processing based on the number of customers who have the attribute (counted value).
また、属性抽出部１３が、ある属性を持つ顧客数が予め定められた下限基準を下回る属性を、相関属性から除外することで、属性を持つ顧客数が極めて少ない属性が相関属性として抽出される事態を未然に防止でき、相関属性の抽出処理の適正化を図ることができる。In addition, the attribute extraction unit 13 can prevent an attribute with an extremely small number of customers from being extracted as a correlated attribute by excluding the attribute with the number of customers having the attribute below a predetermined lower limit from the correlated attributes, thereby optimizing the correlation attribute extraction process.
また、上記の実施形態では、因果探索装置１０が、顧客ごとの、手続き完了場所に関する情報、特定の手続き場所への訪問有無情報、訪問履歴情報、および属性情報を保持した顧客データ保持部１１を備えた例を説明した。このように、因果探索装置１０が顧客データ保持部１１を、その内部に備えたことで、図３の処理実行時に、必要となるさまざまな情報を外部から取得する必要が無くなり、処理の迅速化に寄与することができる。In addition, in the above embodiment, an example was described in which the causal exploration device 10 is equipped with a customer data storage unit 11 that stores, for each customer, information regarding the procedure completion location, information regarding whether a specific procedure location has been visited, visit history information, and attribute information. In this way, by having the causal exploration device 10 equipped with the customer data storage unit 11 internally, it becomes unnecessary to obtain various pieces of information required when executing the process in FIG. 3 from outside, which contributes to speeding up the process.
（用語の説明、ハードウェア構成（図１８）の説明など）
なお、上記の実施形態、変形例の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。 (Explanation of terms, explanation of hardware configuration (Fig. 18), etc.)
The block diagrams used to explain the above embodiments and modifications show functional blocks. These functional blocks (components) are realized by any combination of at least one of hardware and software. The method of realizing each functional block is not particularly limited. That is, each functional block may be realized using one device that is physically or logically coupled, or may be realized using two or more devices that are physically or logically separated and directly or indirectly connected (for example, using wires, wirelessly, etc.). The functional block may be realized by combining the one device or the multiple devices with software.
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）、送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。Functions include, but are not limited to, judgement, determination, judgment, calculation, computation, processing, derivation, investigation, search, confirmation, reception, transmission, output, access, resolution, selection, selection, establishment, comparison, assumption, expectation, regarding, broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, and assignment. For example, a functional block (component) that performs the transmission function is called a transmitting unit or a transmitter. As mentioned above, there are no particular limitations on the method of realization for either of these.
例えば、本開示の一実施の形態における因果探索装置は、本実施形態における処理を行うコンピュータとして機能してもよい。図１８は、本開示の一実施の形態に係る因果探索装置１０のハードウェア構成例を示す図である。上述の因果探索装置１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。For example, the causal exploration device in one embodiment of the present disclosure may function as a computer that performs the processing in this embodiment. FIG. 18 is a diagram showing an example of the hardware configuration of a causal exploration device 10 according to one embodiment of the present disclosure. The causal exploration device 10 described above may be physically configured as a computer device including a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, etc.
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。因果探索装置１０のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。In the following description, the term "apparatus" can be interpreted as a circuit, device, unit, etc. The hardware configuration of the causal exploration device 10 may be configured to include one or more of the devices shown in the figure, or may be configured to exclude some of the devices.
因果探索装置１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。Each function of the causal exploration device 10 is realized by loading a specific software (program) onto hardware such as the processor 1001 and memory 1002, causing the processor 1001 to perform calculations, control communications via the communication device 1004, and control at least one of the reading and writing of data in the memory 1002 and storage 1003.
プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインタフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。The processor 1001, for example, runs an operating system to control the entire computer. The processor 1001 may be configured as a central processing unit (CPU) that includes an interface with peripheral devices, a control device, an arithmetic unit, registers, etc.
また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。The processor 1001 also reads out programs (program codes), software modules, data, etc. from at least one of the storage 1003 and the communication device 1004 into the memory 1002, and executes various processes according to these. The programs used are those that cause a computer to execute at least some of the operations described in the above-mentioned embodiments. Although the above-mentioned various processes have been described as being executed by one processor 1001, they may be executed simultaneously or sequentially by two or more processors 1001. The processor 1001 may be implemented by one or more chips. The programs may be transmitted from a network via a telecommunications line.
メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。The memory 1002 is a computer-readable recording medium, and may be composed of at least one of, for example, a read only memory (ROM), an erasable programmable ROM (EPROM), an electrically erasable programmable ROM (EEPROM), a random access memory (RAM), etc. The memory 1002 may also be called a register, a cache, a main memory (primary storage device), etc. The memory 1002 can store executable programs (program codes), software modules, etc. for implementing a wireless communication method according to one embodiment of the present disclosure.
ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、その他の適切な媒体であってもよい。Storage 1003 is a computer-readable recording medium, and may be composed of at least one of, for example, an optical disk such as a CD-ROM (Compact Disc ROM), a hard disk drive, a flexible disk, a magneto-optical disk (e.g., a compact disk, a digital versatile disk, a Blu-ray (registered trademark) disk), a smart card, a flash memory (e.g., a card, a stick, a key drive), a floppy (registered trademark) disk, a magnetic strip, etc. Storage 1003 may also be called an auxiliary storage device. The above-mentioned storage medium may be, for example, a database including at least one of memory 1002 and storage 1003, or other suitable medium.
通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。The communication device 1004 is hardware (transmitting/receiving device) for communicating between computers via at least one of a wired network and a wireless network, and is also referred to as, for example, a network device, a network controller, a network card, a communication module, etc.
入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。 また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。The input device 1005 is an input device (e.g., a keyboard, a mouse, a microphone, a switch, a button, a sensor, etc.) that accepts input from the outside. The output device 1006 is an output device (e.g., a display, a speaker, an LED lamp, etc.) that performs output to the outside. The input device 1005 and the output device 1006 may be integrated (e.g., a touch panel). Each device, such as the processor 1001 and the memory 1002, is connected by a bus 1007 for communicating information. The bus 1007 may be configured using a single bus, or may be configured using different buses between each device.
本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。Each aspect/embodiment described in this disclosure may be used alone, in combination, or switched depending on the execution. In addition, notification of specific information (e.g., notification that "X is the case") is not limited to being done explicitly, but may be done implicitly (e.g., not notifying the specific information).
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。Although the present disclosure has been described in detail above, it is clear to those skilled in the art that the present disclosure is not limited to the embodiments described herein. The present disclosure can be implemented in modified and altered forms without departing from the spirit and scope of the present disclosure as defined by the claims. Therefore, the description of the present disclosure is intended as an illustrative example and does not have any limiting meaning on the present disclosure.
本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。The processing steps, sequences, flow charts, etc. of each aspect/embodiment described in this disclosure may be reordered unless inconsistent. For example, the methods described in this disclosure present elements of various steps using an example order and are not limited to the particular order presented.
入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。The input and output information may be stored in a specific location (e.g., memory) or may be managed using a management table. The input and output information may be overwritten, updated, or added to. The output information may be deleted. The input information may be transmitted to another device.
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。As used in this disclosure, the phrase "based on" does not mean "based only on," unless expressly stated otherwise. In other words, the phrase "based on" means both "based only on" and "based at least on."
本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。When the terms "include," "including," and variations thereof are used in this disclosure, these terms are intended to be inclusive, similar to the term "comprising." Additionally, the term "or," as used in this disclosure, is not intended to be an exclusive or.
本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。In this disclosure, where articles have been added through translation, such as a, an, and the in English, the disclosure may include that the nouns following these articles are in the plural form.
本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。In this disclosure, the term "A and B are different" may mean "A and B are different from each other." The term may also mean "A and B are each different from C." Terms such as "separate" and "combined" may also be interpreted in the same way as "different."
１０…因果探索装置、１１…顧客データ保持部、１２…層化部、１３…属性抽出部、１４…因果探索部、１５…グラフ生成出力部、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス。10...causal search device, 11...customer data storage unit, 12...stratification unit, 13...attribute extraction unit, 14...causal search unit, 15...graph generation and output unit, 1001...processor, 1002...memory, 1003...storage, 1004...communication device, 1005...input device, 1006...output device, 1007...bus.
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021149280AJP7710939B2 (en) | 2021-09-14 | 2021-09-14 | causal search device |
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021149280AJP7710939B2 (en) | 2021-09-14 | 2021-09-14 | causal search device |
| Publication Number | Publication Date |
|---|---|
| JP2023042140A JP2023042140A (en) | 2023-03-27 |
| JP7710939B2true JP7710939B2 (en) | 2025-07-22 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021149280AActiveJP7710939B2 (en) | 2021-09-14 | 2021-09-14 | causal search device |
| Country | Link |
|---|---|
| JP (1) | JP7710939B2 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003203152A (en) | 2002-01-07 | 2003-07-18 | Toshiba Corp | Marketing information providing method, program and device |
| JP2005135298A (en) | 2003-10-31 | 2005-05-26 | Kureo:Kk | Sales support program, sales support method, and sales support device |
| JP2009048227A (en) | 2007-08-13 | 2009-03-05 | Fujitsu Ltd | User state estimation system, user state estimation method, and user state estimation program |
| JP2019079195A (en) | 2017-10-23 | 2019-05-23 | 株式会社サードパーティートラスト | Information processing system, processing method, processing program |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003203152A (en) | 2002-01-07 | 2003-07-18 | Toshiba Corp | Marketing information providing method, program and device |
| JP2005135298A (en) | 2003-10-31 | 2005-05-26 | Kureo:Kk | Sales support program, sales support method, and sales support device |
| JP2009048227A (en) | 2007-08-13 | 2009-03-05 | Fujitsu Ltd | User state estimation system, user state estimation method, and user state estimation program |
| JP2019079195A (en) | 2017-10-23 | 2019-05-23 | 株式会社サードパーティートラスト | Information processing system, processing method, processing program |
| Publication number | Publication date |
|---|---|
| JP2023042140A (en) | 2023-03-27 |
| Publication | Publication Date | Title |
|---|---|---|
| KR101999471B1 (en) | Information recommendation methods and devices | |
| JP2008134705A (en) | Data processing method and data analysis apparatus | |
| CN110858219A (en) | Logistics object information processing method and device and computer system | |
| CN113672375A (en) | Resource allocation prediction method, device, equipment and storage medium | |
| US20220092616A1 (en) | Systems and methods for finding an interaction subset within a set of interactions | |
| JP7713361B2 (en) | Business information management system and data search method | |
| JP7606949B2 (en) | Causal Discovery Device | |
| CN111105255A (en) | Method for realizing store multi-channel member centralized management based on Internet platform | |
| JP4712350B2 (en) | Software customization effort estimation system, software customization effort estimation method, software customization effort estimation program | |
| CN113535594B (en) | Method, device, equipment and storage medium for generating service scene test case | |
| JP7710939B2 (en) | causal search device | |
| CN106776704A (en) | Statistical information collection method and device | |
| JPWO2009136529A1 (en) | Business process management apparatus, business process management method, and business process management program | |
| JP2017207854A (en) | Customer management system and customer management method | |
| JP7369219B2 (en) | Operation management device and method | |
| JP7674908B2 (en) | Recommendation system and product recommendation method | |
| CN110287182A (en) | A big data data comparison method, device, equipment and terminal | |
| JP6861176B2 (en) | Project estimation support method and project estimation support device | |
| CN116225690A (en) | Memory multidimensional database calculation load balancing method and system based on docker | |
| CN116415063A (en) | Cloud service recommendation method and device | |
| JP6823548B2 (en) | Referrer candidate extraction system and referrer candidate extraction method | |
| JP2022136372A (en) | Causal relationship display method and causal relationship display program | |
| JP2021196981A (en) | Educational content creation system and method | |
| CN115576993B (en) | Data processing method, device, equipment and medium | |
| JP2014174921A (en) | Information processing system, and name-identification determination method and program |
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination | Free format text:JAPANESE INTERMEDIATE CODE: A621 Effective date:20240205 | |
| A977 | Report on retrieval | Free format text:JAPANESE INTERMEDIATE CODE: A971007 Effective date:20250121 | |
| A131 | Notification of reasons for refusal | Free format text:JAPANESE INTERMEDIATE CODE: A131 Effective date:20250212 | |
| A521 | Request for written amendment filed | Free format text:JAPANESE INTERMEDIATE CODE: A523 Effective date:20250310 | |
| 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:20250701 | |
| A61 | First payment of annual fees (during grant procedure) | Free format text:JAPANESE INTERMEDIATE CODE: A61 Effective date:20250709 | |
| R150 | Certificate of patent or registration of utility model | Ref document number:7710939 Country of ref document:JP Free format text:JAPANESE INTERMEDIATE CODE: R150 |