JP2017188031A - 行動データ及び感情データに基づくリマーケティングシステム及びその運用方法 - Google Patents

Abstract

【課題】ユーザの行動データに、画面操作から読み取れる感情データを組み合わせてユーザの動向を、より正確に活用できる行動データ及び感情データに基づくリマーケティング方法及びシステムを提供する。【解決手段】マーケティング装置が、ウェブサイトに対する予測コンバージョン率が設定値以上のユーザに対してアクションを送信する段階と、アクションへのユーザの対応に基づき解析・予測装置により決定された商品の予測購入確率とウェブサイトに対するコンバージョン実績情報を受信して保存する段階と、商品の予測購入確率が設定値以上である未購入ユーザを抽出して分析する段階と、分析の結果に基づきターゲットユーザを確定する段階と、ターゲットユーザに広告を配信する段階と、を有し、予測コンバージョン率は、ウェブサイトを訪問中のユーザの画面操作から取得された感情情報及び行動情報に基づき解析・予測装置により決定されたものである。【選択図】図３

Description

本発明は、行動データ及び感情データに基づくリマーケティングシステム及びその運用方法に関し、特にユーザの行動データに、画面操作から読み取れる感情データを組み合わせてユーザの動向を、より正確に活用できる行動データ及び感情データに基づくリマーケティングシステム及びその運用方法に関する。

ウェブサイトを通じて閲覧者であるユーザに商品の情報を提供し、その商品の購入を促すマーケティング手法が広く行われている。商品の情報を提供する事業者にとって、多くの注文を獲得することが目的であるから、提供する商品の情報をユーザに魅力的な内容にするのはもちろんのことであるが、情報提供を効率的に商品の受注に結び付ける情報提供方法も重要である。その商品に興味がないユーザや興味があっても購入の意思のないユーザに情報を提供しても、実際に購入に至る見込みは低く、広告費用をかけてもその成果は見込めない。一方、その商品に高い関心を持つユーザや購入意欲の高いユーザには、有効な情報提供が商品購入につながる期待値は大きい。

ユーザの関心を把握するため、ユーザが訪問したウェブサイトの履歴を把握し、そのウェブサイトに関連する商品の広告を、ユーザが閲覧中のウェブサイトの画面に表示する広告配信方法が行われている。このようにユーザが一度閲覧を離脱したウェブサイトに関連する広告を、改めて配信するリマーケティングにより、その商品の購入に結び付くことが期待される。しかし、ユーザが訪問したウェブサイトの履歴を把握するのみでは、少なくともユーザがそのウェブサイトに興味を持つことが期待されるが、どの程度興味をもってそのウェブサイトを閲覧したかまでは把握できない。

ユーザの関心の度合いを、より精度よく推定するために、ユーザの感情を把握する試みも行われている。特許文献１には、閲覧中と判定されたコンテンツからその特徴量を算出すると共に、当該コンテンツの閲覧期間中にユーザの生体信号を取り込んで当該生体信号からその特徴量を算出し、予めデータベースに登録された参照データと照合することにより、コンテンツの特徴量及び生体信号の特徴量に対応するユーザの感情を推定することが開示されている。また、特許文献２には、商品に関する選好関係についての予測モデルを生体情報から自律的に生成する方法が開示されている。

しかしこれらの先行技術では、ユーザの感情を把握するために、ユーザの皮膚電位や心拍を想定するためのセンサや装置が必要であり、不特定多数のユーザを対象とするウェブサイトの広告配信に応用することは現実的ではない。
そこで、こうした特別なセンサや装置を用いることなく、ユーザの商品に対する興味や購入意欲を、より精度よく推定して活用するリマーケティング方法が求められる。

特開２０１４−２２２３９７号公報 特開２０１１−０６５５０４号公報

本発明は、上記従来のリマーケティング方法における問題点に鑑みてなされたものであって、本発明の目的は、ユーザの行動データに、画面操作から読み取れる感情データを組み合わせてユーザの動向を、より正確に活用できる行動データ及び感情データに基づくリマーケティングシステム及びその運用方法を提供することにある。

上記目的を達成するためになされた本発明によるリマーケティングシステムの運用方法は、ネットワークによって接続されたマーケティング装置と解析・予測装置とユーザ端末とを含むリマーケティングシステムの運用方法であって、前記マーケティング装置が、ウェブサイトに対する予測コンバージョン率が設定値以上のユーザに対してアクションを送信する段階と、前記マーケティング装置が、前記アクションへのユーザの対応に基づき前記解析・予測装置により決定された商品の予測購入確率と前記ウェブサイトに対するコンバージョン実績情報を受信して保存する段階と、前記マーケティング装置が、商品の前記予測購入確率が設定値以上である未購入ユーザを抽出して分析する段階と、前記マーケティング装置が、前記分析の結果に基づきターゲットユーザを確定する段階と、前記マーケティング装置が、前記ターゲットユーザに広告を配信する段階と、を有し、前記予測コンバージョン率は、前記ウェブサイトを訪問中のユーザの画面操作から取得された感情情報及び行動情報に基づき前記解析・予測装置により決定されたものであることを特徴とする。

前記感情情報は、少なくとも前記ユーザの前記ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度、及び閲覧パターンの変化のうちいずれか一つを含む要素によりリアルタイムに取得されることが好ましい。
前記アクションは、少なくとも異なる２パターンのウェブページをユーザに提示するＡ／Ｂテスト、ユーザの興味のありそうな情報を提示するレコメンド、及びユーザに特典を提供するクーポンのいずれか一つを含むことが好ましい。

前記配信される広告は、少なくともディスプレイ広告、リスティング広告、及びソーシャルターゲッティング広告のいずれか一つを含むことが好ましい。
前記予測購入確率は、前記アクションに対するユーザの画面操作から取得された感情情報及び行動情報に基づき前記解析・予測装置により決定されたものであり、前記感情情報は、少なくとも前記ユーザの前記ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度、及び閲覧パターンの変化のうちいずれか一つを含む要素によりリアルタイムに取得されたものであることが好ましい。

上記目的を達成するためになされた本発明によるリマーケティングシステムは、ネットワークによって接続されたマーケティング装置と解析・予測装置とユーザ端末とを有するリマーケティングシステムであって、前記解析・予測装置は、前記ユーザ端末から受信したウェブサイトを訪問中のユーザの感情情報及び行動情報に基づき予測コンバージョン率を決定するコンバージョン解析・予測部と、前記ユーザ端末から受信したアクションへのユーザの対応に基づき商品の予測購入確率を決定する購入確率解析・予測部とを含み、前記マーケティング装置は、前記解析・予測装置から受信した前記予測コンバージョン率と前記予測購入確率を前記ユーザのウェブサイトへの訪問者ＩＤと関連付けて管理するユーザ管理部と、前記予測コンバージョン率または前記予測購入確率が設定値以上であるかどうかを判断する判断部と、前記判断に基づき、選定したユーザ端末に前記アクションまたは広告を配信する配信部とを含み、前記感情情報は、少なくとも前記ユーザの前記ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度、及び閲覧パターンの変化のうちいずれか一つを含む要素によりリアルタイムに取得されたものであることを特徴とする。

前記アクションは、少なくとも異なる２パターンのウェブページをユーザに提示するＡ／Ｂテスト、ユーザの興味のありそうな情報を提示するレコメンド、及びユーザに特典を提供するクーポンのいずれか一つを含み、前記配信される広告は、少なくともディスプレイ広告、リスティング広告、及びソーシャルターゲッティング広告のいずれか一つを含むことが好ましい。
前記予測購入確率は、前記アクションに対するユーザの画面操作から取得された感情情報及び行動情報に基づき決定されたものであり、前記感情情報は、少なくとも前記ユーザの前記ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度、及び閲覧パターンの変化のうちいずれか一つを含む要素によりリアルタイムに取得されたものであることが好ましい。

本発明に係るリマーケティングシステムの運用方法によれば、ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度といった通常のパーソナルコンピュータや携帯端末の使用環境からユーザの感情情報を取得するために、感情を把握するためのセンサなどの特別な機器を必要とせず、また取得したユーザの感情情報と行動情報から購入確率を予測し、予測購入確率の高いユーザに広告を配信するため、より効率的に広告を配信することができる。

本発明によるリマーケティングシステムの運用方法を説明するための概念図である。 本発明によるリマーケティングシステムの運用方法を説明するための概念図である。 本発明の実施形態によるリマーケティングシステムの構成を概略的に示すブロック図である。 本発明の実施形態によるリマーケティングシステムのデータテーブルの概略を説明するための図である。 本発明の実施形態によるリマーケティングシステムの運用方法を説明するためのフローチャートである。 本発明の実施形態によるリマーケティングシステムの運用方法を説明するためのフローチャートである。 本発明の一実施形態によるユーザの分析段階を概念的に説明するための図である。 本発明の一実施形態によるユーザの分析段階を概念的に説明するための図である。 本発明の一実施形態によるユーザの分析段階を概念的に説明するための図である。

次に、本発明に係るリマーケティングシステム及びその運用方法を実施するための形態の具体例を、図面を参照しながら説明する。
本発明によるリマーケティングシステムは、ウェブサイトを閲覧しているユーザが、それ以前にどんなウェブサイトを閲覧していたかという履歴情報やユーザの年齢、性別といった属性情報に加え、ユーザのウェブサイト閲覧中のマウスの操作やフリックの仕方などの画面操作からユーザの感情情報を取得し、これらの情報からウェブサイトに掲載中の商品やサービスに対するユーザの興味や購入確率を予測・決定して保存し、保存したデータによりユーザの特性を分析し、予測購入確率の高い未購入ユーザを抽出して商品の広告を配信することにより、効率的な広告配信を行うことができるシステムである。

図１は本発明によるリマーケティングシステムの運用方法を説明するための概念図であり、感情情報を取得する基本的な方法を説明する概略図である。
図１を参照すると、感情情報を取得する方法は、タグ設置１１、感情情報取得１２、行動・感情解析１３、モーメント検知１４、アプローチ１５、アクション対応１６のステップを含む。

タグ設置１１ではユーザの画面操作から感情情報を取得するため、ウェブサイトに画面操作のマウスの座標位置を検出して送信するなどのトラッキングコードを実装する。実施形態では０．０３秒ごとに画面操作から感情情報をトラッキングするようにしてもよい。短い周期でトラッキングすることでマウスの細かい動きを含めた軌跡の追跡や速度の変化などをとらえることができるように設定できる。

感情情報取得１２では、ユーザがユーザ端末にてウェブサイトを閲覧中に、設置したタグに従い、ユーザの画面操作から感情情報を取得する。感情情報とはユーザが画面操作する際の動作に含まれる迷いや躊躇あるいは即決などの感情を、マウスなどの画面操作の動き方の情報としてとらえる情報を指す。ユーザ端末がパーソナルコンピュータの場合は一般に画面操作はマウスによって行われ、感情情報はマウスの速度や挙動などを含む。タブレット端末やスマートフォンなどのタッチパネル式の端末の場合、感情情報はフリックやタップの速度などを含む。
またウェブサイト内のウェブページの選択やスクロールの仕方など、ユーザがどのようにウェブページを閲覧するか、また表示される広告画面をどのように閲覧するかといった閲覧パターンの変化なども感情情報に含めてもよい。取得した感情情報は設置したタグに従い解析・予測装置に送信される。

行動・感情解析１３では、取得した感情情報によりユーザの行動や感情の変化を解析する。
ウェブサイトを閲覧するユーザには様々な背景がある。ある商品の購入を目的としてウェブサイトを閲覧するユーザは、求める情報がその商品の価格や仕様の確認など明確であるため、比較的迷うことなく目標の情報に到達するように画面操作を行う。
商品に興味があるものの、購入するかどうかを迷っているユーザの場合は、選択する情報に迷ったり躊躇したりすることがあり、こうした感情はマウスの不連続な動きや迷走などとして画面操作に現れる。
商品に興味の無いユーザはそもそもウェブサイトを訪問しないか、訪問したとしても、全体的に漫然と閲覧してあまり細かい画面操作をすることなく離脱する。

感情情報の解析は、上記のように購入意欲の高いユーザは画面操作が短時間で直線的であるのに対し、迷いのあるユーザは躊躇や迷走の傾向があることから一実施形態では、画面表示からユーザの画面操作までの時間、マウスの速度、マウスの移動開始から終着点までの軌跡の移動距離を評価項目とし、それぞれに重み付けをして感情情報を評価する。またウェブページがユーザ端末の表示画面に収まらない場合、スクロールの速度やスクロール範囲を評価項目として興味の度合いを評価してもよい。評価方法はこれに限らず、ウェブページにリンクされた情報が複数ある場合、どのリンクをどの順番に選択したかによって興味の度合いを評価してもよい。
行動情報は、ユーザの画面操作の結果として、クリックした回数や選択したウェブページ、ウェブページの選択の順などが含まれ、行動・感情解析１３では、感情情報と行動情報を組み合わせてユーザの状態を解析する。

ユーザが操作するマウスがどこで止まったか、どの場面でスクロールを速めたかなどを解析することにより、どの画面、どの広告に対しユーザの興味が高まったか、何に関心が高いのかを把握することができ、最適なタイミングで最適な広告を配信するのにきわめて有効な情報を得ることができる。
設定した評価項目に従い、多数の感情情報、行動情報を繰り返し解析して機械学習することにより、評価のアルゴリズムの精度を向上していくことができる。また、こうした様々なユーザの感情情報、行動情報を多数収集して解析することで、同じような画面操作をするユーザを１つのセグメントとしてグループ分けすることができる。この場合各ユーザの属性情報を考慮することで、より細かいグループ分けが可能となる。さらにそれぞれのセグメントのユーザが商品の購入に至ったかどうかの追跡調査を行い、その結果を加味することで、どのような画面操作を行うセグメントのユーザが購入に至るかという購入予測をすることができる。

モーメント検知１４は、評価のアルゴリズムに従い、ウェブサイト閲覧中の個々のユーザのモーメントを検知するステップである。モーメントとはユーザがその商品の購入を迷っている瞬間のことである。購入を迷っているユーザは購入を促すような機会を付与することで、その商品の購入につながる行動に移る可能性が高い。

ウェブサイトに掲載する広告は、ユーザに商品を購入してもらうことが最終的な目標であるが、購入まで至らずとも、その広告に対して商品に対する問い合わせや、カタログ請求などの行為をユーザに起こさせることも効果の１つと考えられる。このように広告の提示に対して、ユーザが購入やカタログ請求などの具体的な行動を起こし、広告の目標を達成することをコンバージョン（ＣＶ）という。またウェブサイトのアクセス数に対しコンバージョンが行われる比率をコンバージョン率（ＣＶＲ）という。

購入を目的としてウェブサイトを閲覧するユーザのコンバージョン率が高いのはもちろんであるが、購入を迷っているユーザも、商品に対する興味を誘ったり購入意欲を喚起したりするような機会を付与することで、コンバージョンに至る可能性が高い。モーメント検知１４は、このようなユーザの感情の動きを察知することである。

アプローチ１５は、モーメントを検知したユーザに対し、行動の変化を促すアプローチとして、アクションをユーザ端末に送信する。アクションとはユーザに行動を起こす機会を付与するツールであり、具体的には異なる２つのウェブページをユーザに提示するＡ／Ｂテスト、ユーザの興味のありそうな情報を提示するレコメンド、ユーザに特典を提供するクーポンなどである。アクションは１つとは限らず、これらの組み合わせでもよい。

アクション対応１６は、ユーザ端末に送信されたアクションに対するユーザの反応である。もともと商品の購入を迷うほどにその商品に対する興味を持ったユーザに、更に興味をそそるアクションを送信するので、アクションに対してユーザがコンバージョンに至る行動を起こす可能性が高い。しかし当然ながら、アクションを送信されても何も対応しないユーザもいる。こうしたアクションに対する対応の仕方からも、ユーザの感情情報を取得することができる。

一実施形態では、感情情報の取得後の行動・感情解析はリアルタイムで実施し、モーメントを検知すると、そのユーザがウェブサイトを離脱する前にアクションを送信し、ユーザのアクションに対する対応を把握する。アクションに対する対応の把握には感情情報の取得及び行動・感情解析を利用することができる。

図２は本発明によるリマーケティングシステムの運用方法を説明するための概念図であり、ウェブサイト閲覧中のユーザの購入確率の時間変化を概略的に示す図である。
図２は、商品の購入目的のユーザと購入に迷いのあるユーザと無関心なユーザの３種類のユーザのそれぞれの購入確率の時間変化を示す。購入目的のユーザの購入確率はウェブサイト閲覧開始時から９０％と高い値を示し、閲覧中も９０％以上の値を維持し、比較的安定している。このようなユーザはコンバージョン率が高く、コンバージョンに至る。
一方無関心のユーザは、ウェブサイト閲覧開始時から１０％と低い購入確率を示し、閲覧中も多少の変動があるものの、購入確率は大きく改善することはなく、そのままウェブサイトからの離脱に至る。
この中間にあたる、購入に迷いのあるユーザは、閲覧内容によって購入確率が大きく変動し、購入確率が上昇していけばコンバージョンに至り、購入確率が高まらない場合はウェブサイトからの離脱に至る。

無関心のユーザに対し、アクションを送信するようなアプローチを実施しても興味を誘起してコンバージョンに至る行為を引き出すことは見込めない。これに対し、購入に迷いのあるユーザは、購入確率が高まった瞬間をとらえてアプローチをすることで、コンバージョンに至る行為を起こすことが期待される。そこで特に迷いのあるユーザに対してＡ／Ｂテストや広告配信をリアルタイムで送信することにより、コンバージョンに誘導するのが効率的な広告配信方法ということになる。

図３は、本発明の実施形態によるリマーケティングシステムの構成を概略的に示すブロック図である。
図３を参照すると、本発明の実施形態によるリマーケティングシステムは、ネットワーク４００で接続されるマーケティング装置１００、解析・予測装置２００、及びユーザ端末３００を有する。

マーケティング装置１００は、解析・予測装置２００で決定したウェブサイト閲覧ユーザの予測コンバージョン率と予測購入確率を受信して、そのユーザのウェブサイトへの訪問者ＩＤとともに管理し、予測コンバージョン率または予測購入確率が設定値以上であるかどうかを判断して、判断に基づき、選定したユーザのユーザ端末にアクションまたは広告を配信する装置である。

マーケティング装置１００は、制御部１１０、入出力部１２０、記憶部１３０、表示部１４０、ユーザ管理部１５０、判断部１６０、及び配信部１７０を含む。
制御部１１０はマーケティング装置１００自身の動作を制御し、それぞれの構成要素が以下のような所定の機能を果たすように制御するもので、少なくともプロセッサを含む電子回路で構成される。
入出力部１２０は、ネットワーク４００を通じて解析・予測装置２００及びユーザ端末３００と接続され、解析・予測装置２００からユーザ毎の予測コンバージョン率や予測購入確率を受信し、ユーザ端末３００にアクションや広告を送信する。

記憶部１３０は、マーケティング装置１００の動作をつかさどるプログラムを保存するとともに、ユーザ毎の予測コンバージョン率や予測購入確率などの情報を記憶し、半導体メモリやハードディスクなどで構成される。記憶部１３０はマーケティング装置１００の内部メモリとして構成してもよいし、独立した外付けのメモリとしてもよい。
表示部１４０は、マーケティング装置１００の操作者のための情報を表示する。操作者のための情報は、マーケティング装置１００の動作状態や動作をつかさどるプログラムや予測コンバージョン率や予測購入確率などのデータであり、表示部１４０はディスプレイなどで具現化される。

ユーザ管理部１５０は、解析・予測装置から受信した予測コンバージョン率と予測購入確率を、ユーザのウェブサイトへの訪問者ＩＤと関連付けて管理する。
ウェブサイトは特定会員向けなどの制限がかけられていない場合、だれでも閲覧することができる。ウェブサイトを閲覧するユーザは、ユーザ端末のＩＰアドレスにより特定することができるので、前述のようにユーザの画面操作から感情情報を取得して解析し、モーメントを感知してアプローチを行うことは可能である。しかし、ＩＰアドレスのみではそのユーザの年齢や性別などの属性情報が得られず、予測コンバージョン率や予測購入確率を精度良く求めるのには限界がある。

そこでユーザ管理部１５０は、予測コンバージョン率と予測購入確率を、ユーザのウェブサイトへの訪問者ＩＤと関連付けて管理する。訪問者ＩＤはユーザがウェブサイトを閲覧する場合、そのウェブサイトに初めにログインする際に付与されるユーザ固有のＩＤであり、ログインの際にそのユーザの年齢や性別などの属性情報が要求される。一実施形態では属性情報が入力されると、入力された属性情報が訪問者ＩＤとともにマーケティング装置１００に送信される。

ユーザが閲覧中のウェブサイトの画面操作から得られる感情情報は、訪問者ＩＤとともにリアルタイムで解析・予測装置２００に送られて解析され、予測コンバージョン率や予測購入確率が決定されるので、マーケティング装置１００は予測コンバージョン率や予測購入確率を受信し、ユーザ管理部１５０は、訪問者ＩＤ、属性情報と関連付けて予測コンバージョン率や予測購入確率を管理する。

判断部１６０は、予測コンバージョン率または予測購入確率が設定値以上であるかどうかを判断する。
効率的に広告を配信するには、コンバージョン又は購入が見込めるユーザに配信することが重要であり、こうしたユーザを選定するために基準となる値を設定する。設定値はマーケティング装置１００の管理者等により予め設定され、記憶部１３０に保存されてもよい。また、基準となる設定値は予測コンバージョン率や予測購入確率に対するコンバージョンや商品購入の実績を把握し、判断部１６０にてリアルタイムで効率的に実績が期待できる値に設定しなおすようにしてもよい。
また、判断部１６０は、ユーザ管理部１５０が管理する訪問者ＩＤ毎の予測コンバージョン率または予測購入確率が基準値以上であるかを判断する。予測コンバージョン率と予測購入確率は同じ基準値としてもよく、また別に設定してもよい。

配信部１７０は、判断部１６０の判断に基づき、選定したユーザ端末にアクションまたは広告を配信する。
配信部１７０は、効率的に感情情報を取得するように予測コンバージョン率が設定値以上のユーザを抽出してアクションを配信する。アクションは異なる２つのウェブページをユーザに提示するＡ／Ｂテスト、ユーザの興味のありそうな情報を提示するレコメンド、ユーザに特典を提供するクーポンなどであり、入出力部１２０を通じて抽出したユーザに送信される。

また、配信部１７０は、効率的なリマーケティングをするために、予測購入確率が設定値以上のユーザを抽出して広告を配信する。広告は、ウェブページの一部として埋め込まれて表示されるディスプレイ広告、ユーザのキーワードによる検索結果に連動して表示されるリスティング広告、趣味や嗜好などによりセグメント化したネットを利用したソーシャルターゲッティング広告などであり、これらのうちの１つでもこれらを組み合わせてもよい。

図３を参照すると、解析・予測装置２００は、制御部２１０、入出力部２２０、記憶部２３０、表示部２４０、コンバージョン解析・予測部２５０、購入確率解析・予測部２６０を含む。
解析・予測装置２００は、ユーザ端末３００から送信されるユーザの画面操作より取得された感情情報、行動情報に基づきユーザの感情の動きや行動を解析し、ユーザの予測コンバージョン率や商品の予測購入確率を決定する装置である。

制御部２１０は、解析・予測装置２００自身の動作を制御し、それぞれの構成要素が以下のような所定の機能を果たすように制御するもので少なくともプロセッサを含む電子回路で構成される。
入出力部２２０はネットワーク４００を通じてマーケティング装置１００及びユーザ端末３００と接続され、ユーザ端末３００から感情情報を受信し、ユーザ毎の予測コンバージョン率や予測購入確率をマーケティング装置１００に送信する。
記憶部２３０は、解析・予測装置２００の動作をつかさどるプログラムを保存するとともに、ユーザ毎の予測コンバージョン率や予測購入確率などの情報を記憶し、半導体メモリやハードディスクなどで構成される。記憶部２３０は解析・予測装置２００の内部メモリとして構成してもよいし、独立した外付けのメモリとしてもよい。
表示部２４０は、解析・予測装置２００の操作者のための情報を表示する。

コンバージョン解析・予測部２５０は、ユーザ端末３００から受信したウェブサイトを訪問中のユーザの感情情報及び行動情報に基づき予測コンバージョン率を決定する。行動情報は、ユーザがウェブサイトを訪問したことに伴う行動に関する情報であり、そのウェブサイトを訪問した回数、商品を購入するためにカートに投入した数、訪問したもののそのまま離脱した直帰数、訪問中にクリックを行った数などを含む。さらに、ユーザがサイト訪問中に表示された広告の数を示すインプレッション数（Ｉｍｐ数）を含めてもよい。

行動情報はユーザがウェブサイトを訪問中の行動に伴い更新される。行動情報は、感情情報とともにユーザ端末３００から受信され、記憶部２３０に保存される。保存された行動情報には過去の訪問記録も含まれ、履歴情報の役割も果たす。
感情情報の取得に関しては、図１により説明した方法に準じてユーザの画面操作に応じて行われる。
コンバージョン解析・予測部２５０は、感情情報に基づきユーザの決断や迷いの程度を解析して興味の程度を評価し、行動情報に基づき訪問数や直帰数などから興味の程度を評価し、これらを総合して予測コンバージョン率を決定する。

購入確率解析・予測部２６０は、ユーザ端末３００から受信したアクションへのユーザの対応に基づき商品の予測購入確率を決定する。アクションは前述のようにユーザに行動を起こす機会を付与するツールであり、Ａ／Ｂテスト、レコメンド、クーポンなどである。マーケティング装置１００よりユーザ端末３００に送信されたアクションに対し、ユーザがどのように画面操作を行うかによって、その時の感情情報が取得される。感情情報の取得に関しては、図１により説明した方法に準ずる。
またアクションに対する感情情報と共に行動情報も取得され、ユーザ端末３００から受信して記憶部２３０に保存される。アクションに対する行動情報は、ユーザがウェブサイトを訪問したことに伴う行動情報と共有した情報でもよく、また区別して保存してもよい。

購入確率解析・予測部２６０は、アクションに対する感情情報に基づきユーザの決断や迷いの程度を解析して興味の程度を評価し、アクションに対する行動情報に基づき訪問数やカートに投入した数などから興味の程度を評価し、これらを総合して予測購入確率を決定する。
解析・予測装置は１つの装置としてまとめてもよく、図３の解析・予測装置‐１、解析・予測装置‐２で示すように、対応するウェブサイトにより複数の解析・予測装置で構成してもよい。また機能で分割して感情情報の解析・予測装置と行動情報の解析・予測を含む構成としてもよい。解析・予測装置の構成は、数や機能の組み合わせにより様々な構成にすることができる。

ユーザ端末３００は、制御部３１０、入出力部３２０、記憶部３３０、表示部３４０を含む。図１ではユーザ端末３００は１台を示すが、実施形態では複数のユーザのそれぞれの端末が接続される構成である。ユーザ端末はウェブサイトの情報を表示できるパーソナルコンピュータ、タブレット端末、スマートフォンなどにより具現化される。

図４は、本発明の実施形態によるリマーケティングシステムのデータテーブルの概略を説明するための図である。
図４は解析・予測装置２００の購入確率解析・予測部２６０が決定した予測購入確率を含めたデータテーブルの例である。データテーブルは訪問者ＩＤ毎に対応付けされ、性別、年齢、趣味というような属性情報、ユーザが主に閲覧する商品群から抽出されるキーワードと直帰数、訪問回数、カート投入数などのユーザ行動を表す情報を含む行動情報に加え、感情情報から得られる興味の程度を表す興味スコアを含み、これらの情報に基づき決定した予測購入確率が対応付けして記録される。

このようにデータテーブルは、訪問者ＩＤ毎のデータ管理に利用され、マーケティング装置１００及び解析・予測装置２００でそれぞれ作成されて保存される。図４に示すデータテーブルは一実施形態であり、対応付けする項目はこれに限らず多様に選定可能である。またマーケティング装置１００及び解析・予測装置２００のデータテーブルはそれぞれ別々であっても、同一であってもよい。

図４を参照すると、訪問者ＩＤ“５４３２１０”のユーザは、このウェブサイトを２０回も訪問し直帰は２回であるが、興味スコアは０と興味が低いことを示しており、このユーザの予測購入確率は１２．７％と低い結果が出ている。これに対し、訪問者ＩＤ“５６７８９０”のユーザは２０回も訪問したうえ、興味スコアも４と高い興味を示しており、予測購入確率は７７．５％という高い結果が得られている。このようなユーザは有効な広告を送信することで購入に至ることが期待される。

図５は、本発明の実施形態によるリマーケティングシステムの運用方法を説明するためのフローチャートであり、ユーザが訪問した際のコンバージョン率の予測と実績把握の方法を示す図である。

ステップＳ５１０にて、ユーザはウェブサイトを訪問し、ユーザ端末３００はウェブページを表示部３４０に表示する。
尚、図５は前提として、ユーザは以前の訪問時にログインして年齢、性別等の属性情報を登録し、訪問者ＩＤを既に取得しているものとして説明する。また訪問者ＩＤ取得時に、ユーザの訪問者ＩＤと属性情報が、マーケッティング装置１００及び解析・予測装置２００に送信され、既に保存されているものとする。

ユーザがウェブサイトを訪問してウェブページを閲覧中に、ウェブページに埋め込まれたタグに従い、ユーザ端末３００は、ユーザの画面操作から感情情報、行動情報を取得し、解析・予測装置２００に送信する（ステップＳ５１５）。一実施形態ではユーザ端末３００はパーソナルコンピュータであり、感情情報はマウスの動きをとらえ、０．０３秒ごとにマウスの位置座標として取得して送信する。

ステップＳ５１５では、マウスの動きの状態から感情情報を取得し、マウスの動きによって選択された結果から行動情報を取得する。行動情報には、ユーザのクリック数、どのウェブページをどの順序で閲覧したか、などのユーザの行動に関する情報の他、ユーザが閲覧中のウェブサイトに表示された広告の数を示すインプレッション数（Ｉｍｐ数）などを含めてもよい。ユーザ端末３００は、取得した感情情報、及び行動情報を、ユーザを特定するための訪問者ＩＤとともに解析・予測装置２００に送信する。

解析・予測装置２００は、ユーザ端末から受信した感情情報、行動情報を解析して、マウスの移動速度、移動距離を算出し、移動開始からの平均速度、速度変化の位置、総移動距離などのデータをもとめ最新のデータに更新する（ステップＳ５２０）。
解析・予測装置２００は、感情情報、行動情報の解析結果に基づき予測コンバージョン率を求め、ユーザ端末３００から受信したインプレッション数、クリック数など共にデータを更新する（ステップＳ５２５）。
ステップＳ５２０、Ｓ５２５で更新したデータは、いずれも訪問者ＩＤに関連付けして記憶部２３０に保存される。

ユーザ端末３００は、感情情報、行動情報を解析・予測装置２００に送信するのに伴い、訪問者ＩＤと行動情報をマーケッティング装置１００に送信する（ステップＳ５３０）。
マーケッティング装置１００は、受信した訪問者ＩＤに基づき、解析・予測装置２００より訪問者ＩＤに対応した予測コンバージョン率、インプレッション数、クリック数などのデータを受信し、ユーザ端末３００から受信した行動情報とともに訪問者ＩＤに関連付けして更新・保存する（ステップＳ５３５）。

図５では、ユーザ端末３００から受信した訪問者ＩＤに基づき解析・予測装置２００からデータを受信するように示したが、解析・予測装置２００が予測コンバージョン率を求め、データを更新する毎に訪問者ＩＤとともに更新したデータをマーケッティング装置１００に送信するようにしてもよい。この場合、ステップＳ５３０は不要となる。

マーケッティング装置１００は、ステップＳ５４０でユーザの予測コンバージョン率があらかじめ設定した設定値以上であるかを判断し、設定値以上であれば、ユーザに対しアクションを送信する。アクションはＡ／Ｂテスト、レコメンド、クーポンのいずれかを含み、ユーザが閲覧したウェブページやクリックした情報に関連して選定してもよい。
ユーザの感情はウェブページを閲覧中に変化し、閲覧開始時は予測コンバージョン率が設定値未満であっても、閲覧中に設定値を超える場合もある。このような場合、予測コンバージョン率が基準値を超えた時点のマウスの座標に対応する情報に関連して、アクションの内容を選定してもよい。

また、マーケッティング装置１００で、予めユーザ情報を分析して属性情報、行動情報、予測コンバージョン率などが、類似の傾向を示すユーザ同士をセグメントとしてまとめ、アクションを送信する際、ユーザが属するセグメントの他のユーザにも併せて送信するようにしてもよい。
図示しないがステップＳ５４０でユーザの予測コンバージョン率が設定値未満である場合は、ステップＳ５１５に戻り、ユーザがウェブサイトにとどまる間、処理が繰り返される。

ユーザはアクションに対して対応すると、ユーザ端末３００はアクションに対するユーザの画面操作から感情情報と行動情報を取得し、訪問者ＩＤとともに解析・予測装置２００に送信する（ステップＳ５４５）。
図示しないが、送信された情報はステップＳ５２０〜Ｓ５３５のステップと同様の処理により解析、データ更新され、ステップＳ５４０に戻る。

ステップＳ５５０でユーザがウェブサイトから離脱すると、離脱の情報が解析・予測装置２００に送信され、解析・予測装置２００はユーザがウェブサイトを訪問中にコンバージョンを行ったかどうかを確認し、コンバージョンが行われていればコンバージョン実績情報を更新し、訪問者ＩＤと関連付けて保存する。また解析・予測装置２００は、アクションに対するユーザの感情情報、行動情報に基づき商品の予測購入確率を更新する（ステップＳ５５５）。ここでコンバージョンは、ウェブサイトの内容やアクションに関連してユーザがとる行動の内、予めコンバージョンとしてカウントする行動を設定しておき、その行動をユーザが行った場合を、コンバージョンがなされたと判断するようにしてもよい。

マーケッティング装置１００は、ステップＳ５６０にて、解析・予測装置２００から予測購入確率、コンバージョン実績情報を受信して更新し、訪問者ＩＤと関連付けて保存する。
図５のステップＳ５１０からステップＳ５６０までの処理は、ユーザがウェブサイトを訪問してから離脱するまでの１回の訪問に対する処理であるが、この処理はユーザがこのウェブサイトを訪問するたびに繰り返され、ユーザの画面操作に対する感情情報、行動情報やそれに対するコンバージョン実績情報などが積み上がり、解析・予測装置２００が機械学習することにより、解析・予測の精度が向上していく。
図５では予測購入確率はユーザがウェブサイトを離脱することにより、更新するように示したが、ユーザがウェブサイトに長くとどまり、その間にアクションに対する様々な画面操作を行う場合は、画面操作の区切り毎に予測購入確率を求めて更新するようにしてもよい。

図６は本発明の実施形態によるリマーケティングシステムの運用方法を説明するためのフローチャートであり、商品の未購入ユーザの内、購入の見込みがあるユーザを抽出してターゲットとして設定するリターゲティング及びターゲットユーザに広告を配信する方法を示す。

マーケッティング装置１００は、ステップＳ６１０にて、ユーザ管理部１５０が管理する訪問者ＩＤ毎のユーザのデータから商品の未購入ユーザを抽出する。
マーケッティング装置１００は、ステップＳ６２０にて、抽出した未購入ユーザの中から予測購入確率があらかじめ設定した設定値以上のユーザを抽出し、該当するユーザの訪問者ＩＤを解析・予測装置２００に送信する。
ステップＳ６３０で、解析・予測装置２００は、受信した訪問者ＩＤに関する感情情報及び行動情報の解析データを抽出し、マーケッティング装置１００に送信する。

マーケティング装置１００は、それぞれのユーザの属性情報、感情情報及び行動情報の解析データを分析し、分析結果に基づき、同じ属性情報、キーワードを有するユーザを抽出し同一ターゲットユーザとして確定する（ステップＳ６４０）。
ステップＳ６５０にて、マーケティング装置１００は、確定したターゲットユーザのユーザ端末に広告を配信する。配信する広告は、ディスプレイ広告、リスティング広告、ソーシャルターゲッティング広告などである。

図示していないが、マーケティング装置１００は、送信した広告に対する対応により、コンバージョンが行われたか、購入に至ったかなどの実績を把握し、ユーザ毎の情報を蓄積してユーザの分析や広告を配信するターゲットユーザの確定に活用してもよい。また解析・予測装置２００は、広告に対する対応から感情情報、行動情報を取得して解析・予測の精度向上に活用する。

図７〜９は本発明の一実施形態によるユーザの分析段階を概念的に説明するための図である。
図７はユーザを分析する要素を概略的に示す。分析は資料請求や商品購入などコンバージョンを行ったユーザと未購入や申し込みをしなかったユーザに分けて行うことが好ましい。そして、それぞれのユーザに対し、閲覧したウェブページはどのページであったか、閲覧したウェブページのどのキーワードに興味を持ったか、どんな商品を閲覧したか、年齢、性別はどうか、即決して迷わず閲覧していくのか迷いながら閲覧するのかまた商品に対する購入確率はどのくらいかなどが、ユーザを分析する上で判断の基準となる。
閲覧ページに関しては、閲覧した時期と回数なども判断の基準としてもよい。

図８はユーザを分析する一つの手法として、ウェブサイトに来訪したユーザをスコア付けして分類する方法を示す。
図８では最後にウェブサイトを訪問した最終サイト来訪日、ウェブサイトの訪問回数、ウェブサイト掲載商品の購入確率の３つの側面からスコア付けを行う場合を示す。
ユーザＡは１週間以内に来訪しているが、訪問回数が少なく、購入確率は５０％ということで総合的にはやや優良のユーザに分類される。ユーザＢは訪問回数も多く、購入確率も高いので、総合的に優良ユーザに分類される、ユーザＣは１か月以上来訪もなく購入確率も２０％以下であり、分類としては不優良ユーザに分類される。このようにユーザの分析は多くの側面から評価して総合的に判断することが有効である。

図９はウェブサイトの来訪率と購入確率という側面からユーザを分析する方法を示す。
購入確率の低い領域Ａにマッピングされるユーザは来訪するが購入しないユーザのグループである。購入確率も高く、来訪率も高い領域Ｂに位置するユーザは商品に対して非常に興味が強く、コンバージョン率の高いユーザのグループである。来訪率は低いが、購入確率が高い領域Ｃのユーザは来訪すればコンバージョンが期待できるユーザである。図９は健康食品に対する分析の例であるが、６０歳以上の年齢層が関心も購入確率も高く、比較的年収の高いユーザの購入確率が高いことが想定される。
このようにユーザを分析し、その特性に基づいてグループ分けすることにより、広告を送信した場合にコンバージョンや購入に至る可能性のあるユーザを適切にターゲッティングし、効率的な広告配信が行えるようになる。

以上、本発明の実施形態について図面を参照しながら詳細に説明したが、本発明は、上述の実施形態に限定されるものではなく、本発明の技術的範囲から逸脱しない範囲内で多様に変更することが可能である。

１ リマーケティングシステム
１００ マーケティング装置
１１０、２１０、３１０ 制御部
１２０、２２０、３２０ 入出力部
１３０、２３０、３３０ 記憶部
１４０、２４０、３４０ 表示部
１５０ ユーザ管理部
１６０ 判断部
１７０ 配信部
２００ 解析・予測装置
２５０ コンバージョン解析・予測部
２６０ 購入確率解析・予測部
３００ ユーザ端末

Claims (8)

1. ネットワークによって接続されたマーケティング装置と解析・予測装置とユーザ端末とを含むリマーケティングシステムの運用方法であって、
   前記マーケティング装置が、ウェブサイトに対する予測コンバージョン率が設定値以上のユーザに対してアクションを送信する段階と、
   前記マーケティング装置が、前記アクションへのユーザの対応に基づき前記解析・予測装置により決定された商品の予測購入確率と前記ウェブサイトに対するコンバージョン実績情報を受信して保存する段階と、
   前記マーケティング装置が、商品の前記予測購入確率が設定値以上である未購入ユーザを抽出して分析する段階と、
   前記マーケティング装置が、前記分析の結果に基づきターゲットユーザを確定する段階と、
   前記マーケティング装置が、前記ターゲットユーザに広告を配信する段階と、を有し、
   前記予測コンバージョン率は、前記ウェブサイトを訪問中のユーザの画面操作から取得された感情情報及び行動情報に基づき前記解析・予測装置により決定されたものであることを特徴とするリマーケティングシステムの運用方法。
2. 前記感情情報は、少なくとも前記ユーザの前記ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度、及び閲覧パターンの変化のうちいずれか一つを含む要素によりリアルタイムに取得されることを特徴とする請求項１に記載のリマーケティングシステムの運用方法。
3. 前記アクションは、少なくとも異なる２パターンのウェブページをユーザに提示するＡ／Ｂテスト、ユーザの興味のありそうな情報を提示するレコメンド、及びユーザに特典を提供するクーポンのいずれか一つを含むことを特徴とする請求項１に記載のリマーケティングシステムの運用方法。
4. 前記配信される広告は、少なくともディスプレイ広告、リスティング広告、及びソーシャルターゲッティング広告のいずれか一つを含むことを特徴とする請求項１に記載のリマーケティングシステムの運用方法。
5. 前記予測購入確率は、前記アクションに対するユーザの画面操作から取得された感情情報及び行動情報に基づき前記解析・予測装置により決定されたものであり、
   前記感情情報は、少なくとも前記ユーザの前記ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度、及び閲覧パターンの変化のうちいずれか一つを含む要素によりリアルタイムに取得されたものであることを特徴とする請求項１に記載のリマーケティングシステムの運用方法。
6. ネットワークによって接続されたマーケティング装置と解析・予測装置とユーザ端末とを有するリマーケティングシステムであって、
   前記解析・予測装置は、前記ユーザ端末から受信したウェブサイトを訪問中のユーザの感情情報及び行動情報に基づき予測コンバージョン率を決定するコンバージョン解析・予測部と、前記ユーザ端末から受信したアクションへのユーザの対応に基づき商品の予測購入確率を決定する購入確率解析・予測部とを含み、
   前記マーケティング装置は、前記解析・予測装置から受信した前記予測コンバージョン率と前記予測購入確率を前記ユーザのウェブサイトへの訪問者ＩＤと関連付けて管理するユーザ管理部と、前記予測コンバージョン率または前記予測購入確率が設定値以上であるかどうかを判断する判断部と、前記判断に基づき、選定したユーザ端末に前記アクションまたは広告を配信する配信部とを含み、
   前記感情情報は、少なくとも前記ユーザの前記ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度、及び閲覧パターンの変化のうちいずれか一つを含む要素によりリアルタイムに取得されたものであることを特徴とするリマーケティングシステム。
7. 前記アクションは、少なくとも異なる２パターンのウェブページをユーザに提示するＡ／Ｂテスト、ユーザの興味のありそうな情報を提示するレコメンド、及びユーザに特典を提供するクーポンのいずれか一つを含み、
   前記配信される広告は、少なくともディスプレイ広告、リスティング広告、及びソーシャルターゲッティング広告のいずれか一つを含むことを特徴とする請求項６に記載のリマーケティングシステム。
8. 前記予測購入確率は、前記アクションに対するユーザの画面操作から取得された感情情報及び行動情報に基づき決定されたものであり、
   前記感情情報は、少なくとも前記ユーザの前記ウェブサイト閲覧中のマウスの速度、挙動、フリック、タップの速度、及び閲覧パターンの変化のうちいずれか一つを含む要素によりリアルタイムに取得されたものであることを特徴とする請求項６に記載のリマーケティングシステム。

Images