JP2020166435A - 通知方法選択装置、通知方法選択方法、及びプログラム - Google Patents

Abstract

【課題】顧客に通知を行う際に、通知の内容を顧客に認識されやすくすることができ、且つ通知に要するコストを増大させないようにすることができる通知方法選択装置を提供する。
【解決手段】対象顧客の顧客データを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を、通知の目的を示す目的情報に基づいて、印刷物による通知である印刷通知及び電子的な方法による通知である電子通知のいずれかから選択する分析部と、前記分析部による選択の結果を出力する処理部と、を備え、前記対象顧客の顧客データは、前記対象顧客に行った通知における、前記目的情報と、通知方法ごとの優先度合いを示す優先度とを対応付けた情報である。
【選択図】図１

Description

本発明は、通知方法選択装置、通知方法選択方法、及びプログラムに関する。

コンピュータおよびインターネット等の通信ネットワーク技術の発展に伴い、顧客に業務上の通知を行う方法が、印刷物を郵送して通知する方法から、電子的な通知の方法に変化してきた。電子的な通知とは通信ネットワークを介した電子メールやメッセージングサービスなどを利用した通知である。メッセージングサービスは、例えば、ＲＣＳ（Rich Communication Services）、及びＳＭＳ（Short Message Service）や、ＭＭＳ（Multimedia Messaging Service）などの機能を利用してメッセージ等のコンテンツを送受信する仕組みである。ＲＣＳは、携帯電話用のインスタントメッセンジャーを端末レベルで実現するための規格であり、相手と通信する時にユーザ名や電子メールアドレスではなく、電話番号を使用するものである。また、ＲＣＳでは、送信することができる文字数の上限が従来のＳＭＳやＭＭＳよりも大きく設定されている。特許文献１では、顧客に通知を行う際、顧客がすぐに見ることのできる確率が高いアドレスに電子メールを送信する技術が開示されている。

特開２００７−２４１７３２号公報

しかしながら、多くの企業が電子メールなどの電子的な通知による同様なサービスの提供を行っており、顧客に対して多数の通知がなされる場合がある。多数の電子的な通知がなされると、それらの通知が顧客に開封されないままとなる事態が発生し得る。この場合、通知の内容を顧客に認識させることができない。この対策として、印刷物を郵送して顧客に通知を行う方法に戻すことが考えられる。一般に、物理的な印刷物が届けられた場合、その内容を確認しようとする意志が働きやすいと考えられるためである。しかし、印刷物を郵送するには印刷代や配送料などのコストがかかるため、印刷物による通知を行う方法に戻すと、電子的な通知と比較して経費が増大してしまうという問題があった。

本発明は、このような事情に鑑みてなされたもので、その目的は、顧客に通知を行う際に、通知の内容を顧客に認識されやすくすることができ、且つ通知に要するコストを増大させないようにすることができる通知方法選択装置、通知方法選択方法、及びプログラムを提供することにある。

上述した課題を解決するために、本発明は、対象顧客の顧客データを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を、通知の目的を示す目的情報に基づいて、印刷物による通知である印刷通知及び電子的な方法による通知である電子通知のいずれかから選択する分析部と、前記分析部による選択の結果を出力する処理部と、を備え、前記対象顧客の顧客データは、前記対象顧客に行った通知における、前記目的情報と、通知方法ごとの優先度合いを示す優先度とを対応付けた情報である、通知方法選択装置である。

また、上述した課題を解決するために、本発明は、分析部が、対象顧客の顧客データを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を、当該通知の目的を示す目的情報に基づいて、印刷物による通知である印刷通知及び電子的な方法による通知である電子通知から選択し、処理部が、前記分析部による選択の結果を出力し、前記対象顧客の顧客データは、前記対象顧客に行った通知における、通知の目的を示す目的情報と、通知方法ごとの優先度合いを示す優先度とを対応付けた情報である、通知方法選択方法である。

また、上述した課題を解決するために、本発明は、コンピュータを、上記に記載の通知方法選択装置として動作させるためのプログラムであって、前記コンピュータを前記通知方法選択装置が備える各部として機能させるためのプログラムである。

以上説明したように、この発明によれば、通知の内容を顧客に認識されやすくすることができ、且つ通知に要するコストを増大させないようにすることができる。

第１の実施形態による通知方法選択装置１０の構成例を示すブロック図である。 第１の実施形態による学習データ記憶部１４に記憶される学習データの構成例を示す図である。 第１の実施形態による通知方法選択装置１０の動作の流れを説明するフローチャートである。 第１の実施形態の変形例１による学習データ記憶部１４Ａに記憶される学習データの構成例を示す図である。 第１の実施形態の変形例２による学習データ記憶部１４Ｂに記憶される学習データの構成例を示す図である。 第１の実施形態の変形例３による学習データ記憶部１４Ｃに記憶される学習データの構成例を示す図である。 第２の実施形態による通知方法選択装置１０Ｄの構成例を示すブロック図である。 第２の実施形態による顧客データ記憶部１６に記憶される顧客データの構成例を示す図である。 第２の実施形態による通知方法選択装置１０Ｄの動作の流れを説明するフローチャートである。 第２の実施形態の変形例１による顧客データ記憶部１６Ｅに記憶される学習データの構成例を示す図である。 第２の実施形態の変形例２による顧客データ記憶部１６Ｆに記憶される学習データの構成例を示す図である。 第２の実施形態の変形例３による顧客データ記憶部１６Ｇに記憶される学習データの構成例を示す図である。

以下、本発明の一実施形態について図面を参照して説明する。

（第１の実施形態）
まず、第１の実施形態について説明する。
図１は、第１の実施形態による通知方法選択装置１０の構成例を示すブロック図である。通知方法選択装置１０は、企業などからの要求に応じて各種の情報を通知するシステムにおいて、通知の対象とする顧客（以下、対象顧客）における通知の方法（以下、通知方法）を選択する装置である。

本実施形態における通知方法は、印刷通知、及び電子通知である。印刷通知は、印刷物による通知であって、例えば、物理的な印刷物が対象顧客の住所に配送されることにより、通知する方法である。電子通知は、電子的な方法による通知であって、電子メール、又はメッセージングサービスを利用したメッセージが、対象顧客が利用する端末（デスクトップやタブレット、スマートフォン等）に配信されることにより通知する方法である。ここでのメッセージングサービスは、例えば、ＲＣＳ（Rich Communication Services）、及びＳＭＳ（Short Message Service）や、ＭＭＳ（Multimedia Messaging Service）などの機能を利用してメッセージ等のコンテンツを送受信する仕組みである。すなわち、電子通知には、電子メールによる通知と、メッセージングサービスを利用した通知（以下、メッセージ通知と称する）が含まれる。

通知方法選択装置１０は、通知要求を取得する。ここでの通知要求は、企業などに設けられた端末装置等から通知方法選択装置１０に送信される信号であって、当該企業から対象顧客に通知を行うように要求する信号である。通知要求には、少なくとも、通知の目的（通知目的）を示す情報（目的情報）、及び通知の宛先を示す情報（宛先情報）が含まれる。

目的情報は、対象顧客への通知目的を示す情報であって、例えば、対象顧客に支払や入金を促すこと、或いは顧客に商品やサービスの宣伝や広告を行うこと等を示す情報である。宛先情報は、対象顧客への通知の宛先を示す情報であって、例えば、対象顧客の氏名、住所、電話番号、電子メールのアドレス等を示す情報が含まれる。

通知方法選択装置１０は、通知目的と、対象顧客の属性とに基づいて、対象顧客に対し優先して行うべき通知方法を選択する。通知目的は、例えば、通知要求に含まれる目的情報により示される。対象顧客の属性は、対象顧客に属する情報であって、例えば、顧客の年齢、性別、住所、職業、家族構成等である。対象顧客に対し優先して行うべき通知方法とは、通知が見過ごされることなく、通知の内容が対象顧客に認識されやすいと考えられる通知方法である。

通知の内容が認識されたか否かは、例えば、対象顧客から通知に対する反応があったか否かに応じて判定される。通知に対する反応とは、顧客が通知の内容を認識したことを示す反応であり、例えば、応答と開封の二つの反応がある。ここでの反応とは、応答と開封との双方であってよいし、応答又は開封のいずれかであってもよい。

応答は、顧客が行った、通知の内容に応じた応答である。例えば、請求金額の通知が行われた場合に、その金額に応じたポイント還元の案内に、当該顧客から応募があった場合などに、顧客が通知に応答したと判定することが可能である。また、保険が満期に達したことを通知した場合に、満期後に当該保険の加入を継続する旨の連絡が保険会社にあった場合や、保険が満期に達したことを通知して、学資保険の案内をした場合に、学資保険の加入の申し出がなされた場合などに、顧客が通知に応答したと判定することができる。

開封は、顧客が行った、通知の開封である。通知を開封したか否かは、電子的な通知に対して判定される。例えば、メッセージ通知の場合、メッセージ通知を行うアプリケーションにより、メッセージが開封されたか（既読か）否か、つまり、電子通知の開封なされたか否かが判定される。当該アプリケーションでは、例えば、通知先の顧客が利用する端末のアプリケーション上にメッセージが表示された場合に、当該メッセージが開封されたが管理サーバ等に送信されることによりメッセージが開封されたと判定される。電子メールによる通知の場合、開封を確認するための画像（以下、開封確認画像と称する）やリンク先を示す情報が記載された電子メールが送信されるようにする。開封確認画像は、例えば、当該画像が表示されると、特定のＵＲＬ（Uniform Resource Locator）にアクセスするように予めプログラムされている。この場合において、電子メールが開封され、開封確認画像が表示される、或いはリンク先がクリックされることにより特定のＵＲＬがアクセスされた場合に電子メールが開封されたとみなす。

通知方法選択装置１０は、通知方法として印刷通知を選択した場合、印刷通知を指示する印刷通知指示データを出力する。印刷通知指示データは、例えば、印刷通知を指示する旨の情報に、対象顧客の氏名や住所などの情報を付与したデータである。通知方法選択装置１０は、印刷通知指示データを、例えば、外部の印刷装置に出力する。印刷装置は、印刷通知指示データに基づき、対象顧客宛の印刷物を生成する。生成された印刷物は、配送業者等を利用して顧客宛てに送付される。これにより、対象顧客に印刷通知が行われる。

一方、通知方法選択装置１０は、通知方法として電子通知を選択した場合、電子通知を指示する電子通知指示データを出力する。電子通知指示データは、例えば、電子通知を指示する旨の情報に、対象顧客の電子メールのアドレスや、メッセージ通知を行うための電話番号やアカウントなどの情報を付与したデータである。通知方法選択装置１０は、電子通知指示データを、例えば、外部の配信サーバに出力する。配信サーバは、電子通知指示データに基づき、対象顧客宛のメッセージの内容を生成する。配信サーバは、生成したメッセージの内容を、対象顧客の電子メールに宛てて送信する。これにより、対象顧客に電子メールによる電子通知が行われる。或いは、配信サーバは、生成したメッセージを、対象顧客のメッセージＩＤに宛てて送信する。メッセージＩＤは、例えば、対象顧客の電話番号、又はメッセージ通知を行うアプリケーションに登録された対象顧客の識別番号である。これにより、対象顧客にメッセージ通知が行われる。

通知方法選択装置１０は、例えば、通知要求取得部１１と、分析部１２と、処理部１３と、学習データ記憶部１４と、学習済みモデル情報記憶部１５とを備える。通知要求取得部１１は、通知要求を取得し、取得した通知要求を、分析部１２に出力する。

分析部１２は、通知要求取得部１１からの通知要求に基づいて、対象顧客の属性情報を取得する。例えば、分析部１２は、通知要求に含まれる宛先情報を用いて、外部のデータベース（ＤＢ）サーバを参照することにより、対象顧客の属性情報を取得する。ＤＢサーバは、顧客の宛先情報に、顧客の属性情報対応付けて記憶するサーバ装置である。なお、ＤＢサーバに記憶される情報が、通知方法選択装置１０内部の記憶部（不図示）に記憶されていてもよい。

分析部１２は、通知要求取得部１１からの通知要求に含まれる目的情報、及び宛先情報に基づいて取得した属性情報を推定モデルに入力する。ここでの推定モデルは、目的情報及び属性情報に基づいて、通知方法ごとの優先度合いを示す優先度を推定する学習済みモデルである。

優先度は、通知の内容が対象顧客に認識されやすさの度合いである。最も優先度が高い通知方法は、最も認識されやすい通知方法である。その次に優先度が高い通知方法は、「最も認識されやすい通知方法」の次に認識されやすい通知方法である。以下では、印刷通知、電子メール、メッセージ通知の三種類の通知方法のうち、最も高い優先度を「１」、その次の優先度を「２」、最も低い優先度を「３」により示す。

分析部１２は、推定モデルに、目的情報及び対象顧客の属性情報を入力する。推定モデルは、入力された情報に基づいて、対象顧客への通知方法ごとの優先度を推定する。分析部１２は、優先度が高いと推定された通知方法を、対象顧客に対し優先して行うべき通知方法として選択する。例えば、分析部１２は、推定モデルにより、印刷通知が優先度「１」、メッセージ通知が優先度「２」、電子メールによる通知が優先度「３」で推定された場合、優先度「１」で推定された通知方法、つまり印刷通知を、対象顧客に対し優先して行うべき通知方法として選択する。

ここで、分析部１２が、推定モデルを作成する方法について説明する。分析部１２は、学習データを用いて機械学習を行うことにより、学習済みモデルとしての推定モデルを作成する。
学習データは、推定モデルに学習させるデータであって、例えば過去の通知の実績などを用いて作成されるデータであって、入力とその入力に対する出力（答え）を組み合わせたデータである。推定モデルは、学習の過程において、学習データから有用な規則、ルール、知識表現、判断基準などを抽出し、未学習の入力に対する出力（答え）を推定するアルゴリズムを構築する。機械学習の手法は、隠れマルコフモデル（ＨＭＭ）、ディープラーニング、リカレントニューラルネットワーク、畳み込みニューラルネットワーク、サポートベクタマシン（ＳＶＭ）、決定木学習、遺伝的プログラミング、などの一般的に用いられている技法のいずれが用いられてもよい。

分析部１２は、推定モデルに学習させる学習データとして、例えば、学習データ記憶部１４に記憶された学習データを用いる。この場合の学習データは、不特定の既存の顧客（以下、既存顧客）に行った通知における、目的情報及び既存顧客の属性を示す属性情報と、当該既存顧客に行った通知の通知方法ごとの優先度とを対応付けた学習データである。推定モデルが学習データを学習することにより、（未学習の）対象顧客に対し優先して行うべき通知方法を推定することができるようになる。

分析部１２は、作成した推定モデルを学習済みモデル情報記憶部１５に記憶させる。なお、上記では、分析部１２が推定モデルを作成する場合を例に説明したが、これに限定されない。分析部１２は、外部で作成された既存の推定モデルを用いて対象顧客に適切な通知方法を推定するようにしてもよい。また、通知目的や対象顧客が変更される度に推定モデルを作成し直す必要はない。但し、学習データの内容が更新される等し、更新された内容を推定モデルに反映させたい場合には、更新した学習データを用いて推定モデルを作成し直す必要がある。

処理部１３は、分析部１２による選択結果に基づいて、印刷通知指示データ、又は電子通知指示データの何れか一方を作成する。処理部１３は、分析部１２により印刷方法が選択された場合、印刷通知指示データを作成する。処理部１３は、分析部１２により電子方法が選択された場合、電子通知指示データを作成する。

学習データ記憶部１４は、学習データを記憶する。学習データは、推定モデルを作成する際に用いられる学習データである。学習データは、例えば、通知方法選択装置１０の入力部（不図示）を介して、外部のサーバ装置等を介して入力される。学習済みモデル情報記憶部１５は、学習済みモデルとしての推定モデルを記憶する。

図２は、第１の実施形態による学習データ記憶部１４に記憶される学習データの構成例を示す図である。学習データは、既存顧客ごとに、その既存顧客の属性情報と共に作成される。また、図２の例では、学習データの上部に、（４０歳、男、会社員、東京）と示しているように、既存顧客の属性が、年齢が４０歳、性別が男性、職業が会社員で、居住地が東京である場合を示している。

図２の例に示すように、学習データは、役割（目的）と優先度とにより構成される。
役割（目的）は、通知目的であり、番号と内容との項目を有する。番号は通知目的を一意に識別する識別番号である。内容は通知目的の具体的な内容を示し、この例では、支払いの督促、宣伝広告、請求内容通知、申込み応募通知、配送関係連絡、アンケート等が示されている。支払いの督促は、対象顧客に支払や入金を促す通知である。宣伝や広告は、顧客に商品やサービスの宣伝や広告を行うための通知である。請求内容の通知は、対象顧客に請求する金額や内訳を知らせる通知である。申込みや応募の通知は、対象顧客に各種キャンペーンや懸賞等の応募や、保険やクレジットカード等の申込み内容を知らせる通知である。配送関係の連絡は、対象顧客に商品を配送した旨や、商品の配送予定日等を知らせる通知である。アンケートは、対象顧客に各種のアンケートを実施するための通知である。
優先度は、既存顧客における通知方法ごとの優先度を示しており、メールと、ＲＣＳと、紙通知との項目を有する。メールは、電子通知のうちの電子メールによる通知方法を示す。ＲＣＳは、電子通知のうちのメッセージ通知、特にＲＣＳによる通知方法を示す。紙通知は、印刷通知による通知方法を示す。
図２の例では、支払の督促を通知目的とする通知において、メールによる通知方法の優先度が最も高く、次にＲＣＳによる通知方法の優先度が高く、紙通知による通知方法の優先度が最も低いことを示している。また、申込み応募を通知目的とする通知において、ＲＣＳによる通知方法の優先度が最も高く、次にメールによる通知方法の優先度が高く、紙通知による通知方法の優先度が最も低いことを示している。また、配送関係の連絡を通知目的とする通知において、ＲＣＳによる通知方法の優先度が最も高く、次にメールによる通知方法の優先度が高いことを示している。なお、この例では、配送関係の連絡を通知目的とする通知は、印刷通知による通知方法を用いない。

図３は、第１の実施形態による通知方法選択装置１０の動作の流れを説明するフローチャートである。このフローチャートの前提として、推定モデルが学習データ記憶部１４に記憶されているものとする。

まず、通知方法選択装置１０は、通知要求取得部１１により通知要求を取得する（ステップＳ１１）。通知方法選択装置１０は、取得した通知要求に含まれる宛先情報を用いる等して、対象顧客の属性情報を取得する（ステップＳ１２）。
次に、通知方法選択装置１０は、分析部１２により推定モデルを用いて通知方法を選択する（ステップＳ１３）。分析部１２は、推定モデルにより最も高い優先度であると推定された通知方法を、対象顧客に対し優先して行うべき通知方法として選択する。
そして、通知方法選択装置１０は、処理部１３により、推定結果に応じて印刷通知指示データ、又は電子通知指示データを出力する（ステップＳ１４）。処理部１３は、分析部１２により印刷通知が選択された場合に印刷通知指示データを出力し、分析部１２により電子通知が選択された場合に電子通知指示データを出力する。

以上説明したように、第１の実施形態の通知方法選択装置１０は、推定モデルを用いて、目的情報と対象顧客の属性情報を基に、対象顧客への通知方法を、印刷通知及び電子通知のいずれかからを選択する。推定モデルは、過去の通知における目的情報及び既存顧客の属性情報と、通知方法ごとの優先度とを対応関係を学習したモデルである。これにより、第１の実施形態の通知方法選択装置１０では、推定モデルにより推定された結果を用いて、通知目的ごとに対象顧客に通知の内容が認識されやすい通知方法を選択することができる。

（第１の実施形態の変形例１）
次に、第１の実施形態の変形例１について説明する。本変形例では、対象顧客に対し優先されるべき通知方法が複数（二以上）選択される点において、上述した実施形態と相違する。複数の通知方法が選択されることにより、対象顧客が通知を受け取る機会を増やし、通知の内容をより認識されやすくすることが可能である。

以下では、上述した実施形態と相違する構成について、通知方法選択装置１０Ａ、分析部１２Ａというように、符号の末尾に「Ａ」の符号を追加して説明する。上述した実施形態と同じの構成についてはその説明を省略する。また、以下では、分析部１２が、二つの通知方法を選択する場合を例に説明するが、三つ以上の通知方法を選択する場合でも同様な方法により選択することができる。なお、対象顧客における通知方法を幾つ選択するかは、通知の内容や重要度、通知の数などに応じて任意に設定されてよい。また、二つの通知方法は、印刷通知と電子通知との組合せでもよいし、電子通知同士（電子メールとメッセージ通知）の組合せであってもよい。

分析部１２Ａは、二つの通知方法の組合せごとに優先度を推定する推定モデルを用いて、二つの通知方法を選択する。この場合の推定モデルは、目的情報及び既存顧客の属性情報と、既存顧客への同一内容の通知に対する二つの通知方法の組合せごとの優先度との対応関係を学習したモデルである。

ここで、本変形例に用いる推定モデルに学習させる学習データについて、図４を用いて説明する。図４は、第１の実施形態の変形例１に係る学習データ記憶部１４Ａの学習データの構成例を示す図である。

本変形例に係る学習データは、図２に示す学習データと同様に、既存顧客ごとにその属性情報と共に作成され、この例では既存顧客の属性が、年齢が４０歳、性別が男性、職業が会社員で、居住地が東京である場合を示している。
図４の例に示すように、学習データは、役割（目的）と優先度とにより構成される。役割（目的）については、図４に示す学習データと同様であるため、その説明を省略する。
優先度は、既存顧客における通知方法の組合せごとの優先度を示しており、（メール、ＲＣＳ）の組合せと、（ＲＣＳ、紙通知）の組合せと、（紙通知、メール）の組合せとの項目を有する。メール、ＲＣＳ、及び紙通知の各々が示す内容は、図２に示す学習データと同様であるため、その説明を省略する。

図４の例では、宣伝広告を通知目的とする通知において、（紙通知、メール）の組合せの優先度が最も高く、次に（メール、ＲＣＳ）の組合せの優先度が高いことを示している。また、請求内容通知を通知目的とする通知において、（メール、ＲＣＳ）の組合せの優先度が最も高く、次に（紙通知、メール）の組合せの優先度が高いことを示している。また、アンケートを通知目的とする通知において、（ＲＣＳ、紙通知）の組合せの優先度が最も高く、次に（メール、ＲＣＳ）の組合せの優先度が高いことを示している。

分析部１２Ａは、推定モデルに、目的情報及び対象顧客の属性情報を入力する。推定モデルは、入力された情報に基づいて、通知方法の組合せごとの優先度を推定する。分析部１２は、優先度が高いと推定された組み合わせを、対象顧客に優先して行うべき通知方法の組合せとして選択する。例えば、分析部１２は、推定モデルにより、（紙通知、ＲＣＳ）の組合せが優先度「１」、（ＲＣＳ、メール）の組合せが優先度「２」で推定された場合、優先度「１」で推定された組み合わせ、つまり（紙通知、ＲＣＳ）の組合せを、対象顧客に優先して行うべき通知方法の組合せとして選択する。

以上説明したように、第１の実施形態の変形例１に係る通知方法選択装置１０Ａは、推定モデルを用いて、目的情報及び対象顧客の属性情報を基に、複数の通知方法を選択する。これにより、第１の実施形態の変形例１に係る通知方法選択装置１０Ａは、対象顧客が通知を受け取る機会を増やすことができ、対象顧客に通知の内容をより認識されやすくすることが可能である。

（第１の実施形態の変形例２）
次に、第１の実施形態の変形例２について説明する。本変形例では、対象顧客に対し優先されるべき通知方法が複数選択される場合において、その通知の順序（以下、通知順序）が選択される点において、上述した実施形態と相違する。複数の通知方法が、その通知順序と共に選択されることにより、対象顧客に対し、通知の内容をより認識されやすくすることが可能である。例えば、先にメッセージ通知を配信し、対象顧客に通知の内容について意識付けを行う。その後、印刷物を送付することで、印刷物が開封される可能性を高めることができる。或いは、先に印刷物を送付しておき、対象顧客に印刷物が届けられる頃合いに電子メールでリマインドを送信することにより、印刷物が開封される可能性を高めることができる。

以下では、上述した実施形態と相違する構成について、通知方法選択装置１０Ｂ、分析部１２Ｂというように、符号の末尾に「Ｂ」の符号を追加して説明する。上述した実施形態と同じの構成についてはその説明を省略する。また、以下では、分析部１２Ｂが、二つの通知方法における通知順序を選択する場合を例に説明するが、三つ以上の通知方法における通知順序を選択する場合でも同様な方法により選択することができる。

分析部１２Ｂは、二つの通知方法の通知順序ごとに優先度を推定する推定モデルを用いて、二つの通知方法における通知順序を選択する。この場合の推定モデルは、目的情報及び既存顧客の属性情報と、既存顧客への同一内容の通知に対する二つの通知方法の通知順序ごとの優先度との対応関係を学習したモデルである。

例えば、本変形例では、どの通知方法の組み合わせで、どの順番で通知するのが、通知の内容が認識されやすくなるかを、様々なパターンで試行した結果を学習データとして蓄積する。例えば、属性ごとに、複数のユーザ群（既存顧客の集合）を用意する。あるユーザ群には、先に電子メールを通知し、後で印刷物を通知する。別のユーザ群には、先に印刷物を通知し、後で電子メールを通知する。そして、あるユーザ群の閲覧率と、別のユーザ群の閲覧率とを比較する。ここでの閲覧率は、印刷物や電子メールにおける、全通知数に対する内容が閲覧された通知の数である。内容が閲覧されたか否かは、例えば、通知に対する応答等の反応があったか否かにより判定される。そして、学習データにおいて、閲覧率がより高い通知順序の優先度が、より高くなるように設定する。印刷物とメッセージ通知、メッセージ通知と電子メールの組合せにおける通知順序についても、同様な方法により、その組み合わせにおける優先度設定することができる。

ここで、本変形例に用いる推定モデルに学習させる学習データについて、図５を用いて説明する。図５は、第１の実施形態の変形例２に係る学習データ記憶部１４Ｂの学習データの構成例を示す図である。

本変形例に係る学習データは、図２に示す学習データと同様に、既存顧客ごとにその属性情報と共に作成され、この例では既存顧客の属性が、年齢が４０歳、性別が男性、職業が会社員で、居住地が東京である場合を示している。
図５の例に示すように、学習データは、役割（目的）と優先度とにより構成される。役割（目的）については、図２に示す学習データと同様であるため、その説明を省略する。
優先度は、既存顧客における通知順序ごとの優先度を示しており、（メール、ＲＣＳ）の通知順序と、（ＲＣＳ、紙通知）の通知順序と、（紙通知、メール）の通知順序と、（ＲＣＳ、メール）の通知順序と、…、（メール、紙通知）との６通りの通知順序の項目を有する。メール、ＲＣＳ、及び紙通知の各々が示す内容は、図２に示す学習データと同様であるため、その説明を省略する。

図５の例では、宣伝広告を通知目的とする通知において、（紙通知、メール）の通知順序の優先度が最も高く、次に（メール、ＲＣＳ）の通知順序の優先度が高いことを示している。また、請求内容通知を通知目的とする通知において、（メール、ＲＣＳ）の通知順序の優先度が最も高く、次に（ＲＣＳ、メール）による通知方法の優先度が高いことを示している。また、アンケートを通知目的とする通知において、（紙通知、メール）の通知順序の優先度が最も高く、次に（紙通知、ＲＣＳ）の通知順序の優先度が高いことを示している。

分析部１２Ｂは、図５に示す学習データを用いて、推定モデルに、目的情報及び対象顧客の属性情報と、通知順序ごとの優先度との対応関係を学習させることにより、学習済みモデルとしての推定モデルを作成する。

分析部１２Ｂは、推定モデルに、目的情報及び対象顧客の属性情報を入力する。推定モデルは、入力された情報に基づいて、対象顧客への通知順序ごとの優先度を推定する。分析部１２Ｂは、優先度が高いと推定された通知順序を、対象顧客に優先して行うべき通知順序として選択する。例えば、分析部１２Ｂは、推定モデルにより、（紙通知、ＲＣＳ）の通知順序が優先度「１」、（ＲＣＳ、メール）の通知順序が優先度「２」で推定された場合、優先度「１」で推定された通知順序、つまり（紙通知、ＲＣＳ）の通知順序を、対象顧客に優先して行うべき通知順序として選択する。

以上説明したように、第１の実施形態の変形例２に係る通知方法選択装置１０Ｂは、推定モデルを用いて、通知目的及び対象顧客の属性情報を基に、複数の通知方法が選択される場合における通知順序を選択する。これにより、第１の実施形態の変形例２に係る通知方法選択装置１０Ｂは、対象顧客に同一の内容を複数の通知方法にて通知する場合において、通知の内容が顧客に認識されやすくなるように通知順序を選択することができ、対象顧客に通知の内容をより認識されやすくすることが可能である。

（第１の実施形態の変形例３）
次に、第１の実施形態の変形例３について説明する。本変形例では、対象顧客に対し優先されるべき通知方法が複数選択される場合において、その通知の時間的な間隔（以下、通知間隔）が選択される点において、上述した実施形態と相違する。複数の通知方法が、その通知間隔と共に選択されることにより、対象顧客に対し、通知の内容をより認識されやすくすることが可能である。例えば、印刷物を送付した直後にメッセージ通知を配信する場合と、印刷物を送付した後、数日後にメッセージ通知を配信する場合とでは、印刷物及びメッセージ通知が開封される可能性が異なると考えられる。

以下では、上述した実施形態と相違する構成について、通知方法選択装置１０Ｃ、分析部１２Ｃというように、符号の末尾に「Ｃ」の符号を追加して説明する。上述した実施形態と同じの構成についてはその説明を省略する。また、以下では、分析部１２Ｃが、二つの通知方法における通知間隔を選択する場合を例に説明するが、三つ以上の通知方法における通知間隔を選択する場合でも同様な方法により選択することができる。

分析部１２Ｃは、二つの通知方法の通知間隔ごとに優先度を推定する推定モデルを用いて、通知間隔を選択する。この場合の推定モデルは、目的情報及び既存顧客の属性情報と、既存顧客への同一内容の通知に対する二つの通知方法の通知間隔ごとの優先度との対応関係を学習したモデルである。通知間隔は、１日後、２日後、…、７日後など日単位であってもよいし、１時間後、２時間後などの時間単位、或いは分単位であってもよい。また、通知の間隔は、日単位、時間単位、分単位が混在した間隔であってもよい。また、通知の間隔は、３時間以内、３日以降など、ある時点で区分される時間であってもよい。

例えば、本変形例では、同一の内容に係る通知を複数の通知方法により通知する場合、一つ目の通知（例えば、印刷物による通知）から、二つ目の通知（例えば、メッセージ通知）までの通知間隔をどの程度とするのが、通知の内容が認識されやすくなるかを、様々なパターンで試行した結果を学習データとして蓄積する。例えば、一つ目の通知から二つ目の通知までの通知間隔を、１日後、２日後、３日後、…、７日後など、複数のパターンを試し、閲覧率が最も高くなる通知間隔を決定する。学習データにおいて、閲覧率がより高い通知間隔の優先度が、より高くなるように設定する。

ここで、本変形例に用いる推定モデルに学習させる学習データについて、図６を用いて説明する。図６は、第１の実施形態の変形例３に係る学習データ記憶部１４Ｃの学習データの構成例を示す図である。

本変形例に係る学習データは、図２に示す学習データと同様に、既存顧客ごとにその属性情報と共に作成され、この例では既存顧客の属性が、年齢が４０歳、性別が男性、職業が会社員で、居住地が東京である場合を示している。
また、この例では、既存顧客における通知において、通知順序を（紙通知、ＲＣＳ）とした場合における通知間隔ごとの優先度を示している。このように、本変形例に係る学習データは、特定の通知順序における通知間隔ごとの優先度を示すものであってもよいし、複数の通知順序の各々における通知間隔ごとの優先度を示すものであってもよい。学習データに特定の通知順序における通知間隔ごとの優先度を示すものを用いるか、複数の通知順序における通知間隔ごとの優先度を示すものを用いるかは、学習データのデータ容量や、推定モデルの学習に要する演算回数などに応じて選択されてよい。

図６の例に示すように、学習データは、役割（目的）と優先度とにより構成される。役割（目的）については、図２に示す学習データと同様であるため、その説明を省略する。
優先度は、既存顧客における通知間隔ごとの優先度を示しており、通知間隔が、１日後である場合と、２日後である場合と、３日後である場合と、…、７日後である場合…との複数の通知間隔の項目を有する。メール、ＲＣＳ、及び紙通知の各々が示す内容は、図２に示す学習データと同様であるため、その説明を省略する。
図６の例では、支払の督促を通知目的とする通知において、通知間隔が３日後である場合の優先度が最も高く、次に２日後の優先度が高いことを示している。

分析部１２Ｃは、図６に示す学習データを用いて、推定モデルに、目的情報及び対象顧客の属性情報と、通知間隔ごとの優先度との対応関係を学習させることにより、学習済みモデルとしての推定モデルを作成する。

分析部１２Ｃは、推定モデルに、目的情報及び対象顧客の属性情報を入力する。推定モデルは、入力された情報に基づいて、対象顧客への通知間隔ごとの優先度を推定する。分析部１２は、優先度が高いと推定された通知間隔を、対象顧客に優先して行うべき通知間隔として選択する。例えば、分析部１２Ｃは、推定モデルにより、通知間隔が３日後である場合が優先度「１」で推定された場合、優先度「１」で推定された通知間隔を３日後とすることを、対象顧客に優先して行うべき通知間隔として選択する。

以上説明したように、第１の実施形態の変形例３に係る通知方法選択装置１０Ｃは、推定モデルを用いて、目的情報及び対象顧客の属性情報を基に、複数の通知方法が選択される場合における通知間隔を選択する。これにより、第１の実施形態の変形例３に係る通知方法選択装置１０Ｃは、対象顧客に同一の内容を複数の通知方法にて通知する場合において、通知の内容が顧客に認識されやすくなるように通知間隔を選択することができ、対象顧客に通知の内容をより認識されやすくすることが可能である。

（第２の実施形態）
次に第２の実施形態について説明する。本実施形態では、顧客データを用いて対象顧客に対し優先されるべき通知方法が選択される点において、上述した実施形態と相違する。顧客データは、対象顧客に対する過去の通知実績等に基づいて作成されるデータであって、目的情報と、当該対象顧客に行った通知の通知方法ごとの優先度とを対応付けたデータである。以下では、上述した実施形態と相違する構成について、通知方法選択装置１０Ｄ、分析部１２Ｄというように、符号の末尾に「Ｄ」の符号を追加して説明する。上述した実施形態と同じの構成についてはその説明を省略する。
図７は、第２の実施形態による通知方法選択装置１０Ｄの構成例を示すブロック図である。通知方法選択装置１０Ｄは、例えば、分析部１２Ｄと、顧客データ記憶部１６とを備える。
分析部１２Ｄは、顧客データを用いて、対象顧客に対し優先されるべき通知方法を選択する。顧客データは、対象顧客に対する過去の通知実績等に基づいて作成されるデータであって、目的情報と、当該対象顧客に行った通知の通知方法ごとの優先度とを対応付けたデータであって、例えば、顧客データ記憶部１６に記憶される情報である。

分析部１２Ｄは、通知要求取得部１１からの通知要求に基づいて、顧客データ記憶部１６を参照する。分析部１２Ｄは、通知要求に含まれる宛先情報に基づいて対象顧客を特定し、特定した対象顧客の顧客データを参照する。分析部１２Ｄは、顧客データにおける、通知要求に含まれる目的情報に該当する通知目的に対応させて記憶されている通知方法ごとの優先度を取得する。分析部１２Ｄは、取得した通知方法ごとの優先度のうち、最も優先度が高い通知方法を、対象顧客に対し優先されるべき通知方法として選択する。

或いは、分析部１２Ｄは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行うようにしてもよい。ある程度の量の顧客データが蓄積されていない場合は、対象顧客における通知に対する傾向がはっきりせず、優先されるべき通知方法が不明となりやすいためである。ここでの所定の数は、任意に設定されてよいが、例えば、優先度の変動が収束すると考えられる数に設定される。優先度の変動が収束するとは、顧客データの数の増加に対して、通知方法の優先度が変わらないか、ほぼ変化がないとみなせることをいう。

この場合、分析部１２Ｄは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行い、顧客データが所定の数以上蓄積されていない場合には、推定モデルを用いた選択を行う。推定モデルは、目的情報及び属性情報に基づいて、通知方法ごとの優先度合いを示す優先度を推定する学習済みモデルであり、既存顧客に行った通知における、目的情報及び既存顧客の属性を示す属性情報と、通知の通知方法ごとの優先度との対応関係を学習したモデルである。例えば、推定モデルは、上記第１の実施形態において用いられる推定モデルである。

顧客データ記憶部１６は、顧客データを記憶する。
図８は、第２の実施形態による顧客データ記憶部１６に記憶される顧客データの構成例を示す図である。顧客データは、対象顧客ごとに記憶される。
図８の例に示すように、顧客データは、役割（目的）と優先度とにより構成される。役割（目的）については、図２に示す学習データと同様であるため、その説明を省略する。
優先度は、対象顧客における、通知方法ごとの優先度を示している。メール、ＲＣＳ、及び紙通知の各々が示す内容は、図２に示す学習データと同様であるため、その説明を省略する。

図８の例では、対象顧客に支払の督促を通知目的とする通知において、紙通知による通知方法の優先度が最も高く、次にメールによる通知方法の優先度が高く、ＲＣＳによる通知方法の優先度が最も低いことを示している。また、申込み応募を通知目的とする通知において、紙通知による通知方法の優先度が最も高く、次にメールによる通知方法の優先度が高く、ＲＣＳによる通知方法の優先度が最も低いことを示している。また、配送関係の連絡を通知目的とする通知において、ＲＣＳによる通知方法の優先度が最も高く、次にメールによる通知方法の優先度が高いことを示している。

図９は、第２の実施形態による通知方法選択装置１０Ｄの動作の流れを説明するフローチャートである。このフローチャートの前提として、推定モデルが学習データ記憶部１４に記憶されており、顧客データが顧客データ記憶部１６に記憶されているものとする。また、図９に示すフローチャートにおけるステップＳ２１、Ｓ２４、Ｓ２５及びＳ２６に示す処理は、図３に示すフローチャートにおけるステップＳ１１、Ｓ１４、Ｓ１２及びＳ１３に示す処理と同様であるため、その説明を省略する。

ステップＳ２２において、通知方法選択装置１０Ｄは、分析部１２により所定の数以上の顧客データが記憶されているか否かを判定する。所定の数以上の顧客データが記憶されている場合にはステップＳ２３に示す処理を行い、所定の数以上の顧客データが記憶されてない場合にはステップＳ２５に示す処理を行う。
ステップＳ２３において、分析部１２は、対象顧客の顧客データを用いて、対象顧客に対し優先されるべき通知方法を選択する。分析部１２は、顧客データに最も高い優先度であると記憶されている通知方法を、対象顧客に対し優先して行うべき通知方法として選択する。

以上説明したように、第２の実施形態の通知方法選択装置１０Ｄは、対象顧客の顧客データを用いて、特定の通知目的を有する通知を行う際の対象顧客への通知方法を、印刷通知及び電子通知のいずれかから選択する。顧客データは、対象顧客に行った通知における目的情報と、通知方法ごとの優先度とを対応付けた情報である。これにより、第２の実施形態の通知方法選択装置１０Ｄでは、顧客データを参照して、通知目的ごとに、対象顧客に通知の内容が認識されやすい通知方法を選択することができる。

また、第２の実施形態の通知方法選択装置１０Ｄは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行い、顧客データが所定の数以上蓄積されていない場合、対象顧客に行う通知における目的情報、対象顧客の属性情報、及び推定モデルを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を選択する。推定モデルは、不特定の既存顧客に行った通知における、目的情報及び前記既存顧客の属性を示す属性情報と、通知方法ごとの優先度とを対応付けた学習データを用いて機械学習を実行することにより作成されたモデルである。これにより、第２の実施形態の通知方法選択装置１０Ｄでは、顧客データが十分に蓄積させておらず、対象顧客に適した選択ができない場合であっても、推定モデルを用いて、対象顧客に適した通知方法を選択することができる。

（第２の実施形態の変形例１）
次に、第２の実施形態の変形例１について説明する。本変形例では、対象顧客に対し優先されるべき通知方法が複数（二以上）選択される点において、上述した実施形態と相違する。上述した実施形態と相違する構成について、通知方法選択装置１０Ｅ、分析部１２Ｅというように、符号の末尾に「Ｅ」の符号を追加して説明する。上述した実施形態と同じの構成についてはその説明を省略する。また、以下では、分析部１２Ｅが、二つの通知方法を選択する場合を例に説明するが、三つ以上の通知方法を選択する場合でも同様な方法により選択することができる。

分析部１２Ｅは、対象顧客に行った通知における目的情報と二つの通知方法の組合せごとの優先度とを対応付けた顧客データを用いて、二つの通知方法を選択する。
図１０は、第１の実施形態の変形例１に係る顧客データ記憶部１６Ｅの顧客データの構成例を示す図である。本変形例に係る顧客データは、図８に示す顧客データと同様に、対象顧客ごとに作成される。
図１０の例に示すように、顧客データは、役割（目的）と優先度とにより構成される。役割（目的）については、図２に示す学習データと同様であるため、その説明を省略する。
優先度は、対象顧客における、通知方法の組合せごとの優先度を示している。メール、ＲＣＳ、及び紙通知の各々が示す内容は、図２に示す学習データと同様であるため、その説明を省略する。

図１０の例では、対象顧客に支払の督促を通知目的とする通知において、（ＲＣＳ、紙通知）の組合せの優先度が最も高く、次に（メール、ＲＣＳ）の組合せの優先度が高く、（紙通知、メール）の組合せの優先度が最も低いことを示している。また、申込み応募を通知目的とする通知において、（紙通知、メール）の組合せの優先度が最も高く、次に（メール、ＲＣＳ）の組合せの優先度が高く、（ＲＣＳ、紙通知）の組合せの優先度が最も低いことを示している。

分析部１２Ｅは、通知要求取得部１１からの通知要求に基づいて、顧客データ記憶部１６Ｅを参照する。分析部１２Ｅは、通知要求に含まれる宛先情報に基づいて対象顧客を特定し、特定した対象顧客の顧客データを参照する。分析部１２Ｅは、顧客データにおける、通知要求に含まれる目的情報に該当する通知目的に対応させて記憶されている通知方法の組合せごとの優先度を取得する。分析部１２Ｅは、取得した通知方法の組合せごとの優先度のうち、最も優先度が高い組合せを、対象顧客に対し優先されるべき通知方法の組合せとして選択する。

或いは、分析部１２Ｅは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行い、顧客データが所定の数以上蓄積されていない場合には、推定モデルを用いた選択を行うようにしてもよい。推定モデルは、目的情報及び属性情報に基づいて、通知方法の組合せごとの優先度合いを示す優先度を推定する学習済みモデルであり、既存顧客に行った通知における、目的情報及び既存顧客の属性を示す属性情報と、通知方法の組合せごとの優先度との対応関係を学習したモデルである。例えば、推定モデルは、上記第１の実施形態の変形例１において用いられる推定モデルである。

以上説明したように、第２の実施形態の変形例１に係る通知方法選択装置１０Ｅは、対象顧客への通知方法を複数（二以上）選択する。通知方法選択装置１０Ｅが用いる顧客データは、対象顧客に行った通知における目的情報と、通知方法の組合せごとの優先度とを対応付けた情報である。これにより、第２の実施形態の変形例１に係る通知方法選択装置１０Ｅでは、顧客データを参照して、通知目的ごとに、対象顧客に通知の内容が認識されやすい通知方法を複数選択することができる。

また、第２の実施形態の変形例１に係る通知方法選択装置１０Ｅは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行い、顧客データが所定の数以上蓄積されていない場合、対象顧客に行う通知における目的情報、対象顧客の属性情報、及び推定モデルを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を選択する。通知方法選択装置１０Ｅが用いる推定モデルは、不特定の既存顧客に行った通知における、目的情報及び前記既存顧客の属性を示す属性情報と、通知方法の組合せごとの優先度とを対応付けた学習データを用いて機械学習を実行することにより作成されたモデルである。これにより、第２の実施形態の変形例１に係る通知方法選択装置１０Ｅでは、顧客データが十分に蓄積させておらず、対象顧客に適した選択ができない場合であっても、推定モデルを用いて、対象顧客に適した通知方法を複数選択することができる。

（第２の実施形態の変形例２）
次に、第２の実施形態の変形例２について説明する。本変形例では、対象顧客に対し優先されるべき複数の通知方法において、通知順序が選択される点において、上述した実施形態と相違する。上述した実施形態と相違する構成について、通知方法選択装置１０Ｆ、分析部１２Ｆというように、符号の末尾に「Ｆ」の符号を追加して説明する。上述した実施形態と同じの構成についてはその説明を省略する。また、以下では、分析部１２Ｆが、二つの通知方法の通知順序を選択する場合を例に説明するが、三つ以上の通知方法の通知順序を選択する場合でも同様な方法により選択することができる。

分析部１２Ｆは、対象顧客に行った通知における目的情報と通知順序ごとの優先度とを対応付けた顧客データを用いて、通知順序を選択する。
図１１は、第１の実施形態の変形例２に係る顧客データ記憶部１６Ｆの顧客データの構成例を示す図である。本変形例に係る顧客データは、図８に示す顧客データと同様に、対象顧客ごとに作成される。
図１１の例に示すように、顧客データは、役割（目的）と優先度とにより構成される。役割（目的）については、図２に示す学習データと同様であるため、その説明を省略する。
優先度は、対象顧客における、通知方法の通知順序ごとの優先度を示している。メール、ＲＣＳ、及び紙通知の各々が示す内容は、図２に示す学習データと同様であるため、その説明を省略する。

図１１の例では、対象顧客に支払の督促を通知目的とする通知において、（ＲＣＳ、紙通知）の通知順序の優先度が最も高く、次に（メール、紙通知）の通知順序の優先度が高く、（ＲＣＳ、メール）の通知順序の優先度が最も低いことを示している。また、申込み応募を通知目的とする通知において、（ＲＣＳ、紙通知）の通知順序の優先度が最も高く、次に（メール、ＲＣＳ）の通知順序の優先度が高く、（紙通知、ＲＣＳ）の通知順序の優先度が最も低いことを示している。

分析部１２Ｆは、通知要求取得部１１からの通知要求に基づいて、顧客データ記憶部１６Ｆを参照する。分析部１２Ｆは、通知要求に含まれる宛先情報に基づいて対象顧客を特定し、特定した対象顧客の顧客データを参照する。分析部１２Ｆは、顧客データにおける、通知要求に含まれる目的情報に該当する通知目的に対応させて記憶されている通知方法の通知順序ごとの優先度を取得する。分析部１２Ｆは、取得した通知方法の通知順序ごとの優先度のうち、最も優先度が高い組合せを、対象顧客に対し優先されるべき通知方法の通知順序として選択する。

或いは、分析部１２Ｆは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行い、顧客データが所定の数以上蓄積されていない場合には、推定モデルを用いた選択を行うようにしてもよい。推定モデルは、目的情報及び属性情報に基づいて、通知方法の通知順序ごとの優先度合いを示す優先度を推定する学習済みモデルであり、既存顧客に行った通知における、目的情報及び既存顧客の属性を示す属性情報と、通知方法の通知順序ごとの優先度との対応関係を学習したモデルである。例えば、推定モデルは、上記第１の実施形態の変形例２において用いられる推定モデルである。

以上説明したように、第２の実施形態の変形例２に係る通知方法選択装置１０Ｆは、対象顧客に選択した複数の通知方法における、通知順序を選択する。通知方法選択装置１０Ｆが用いる顧客データは、対象顧客に行った通知における目的情報と、通知方法の通知順序ごとの優先度とを対応付けた情報である。これにより、第２の実施形態の変形例２に係る通知方法選択装置１０Ｆでは、顧客データを参照して、通知目的ごとに、対象顧客に通知の内容が認識されやすい複数の通知方法の通知順序を選択することができる。

また、第２の実施形態の変形例２に係る通知方法選択装置１０Ｆは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行い、顧客データが所定の数以上蓄積されていない場合、対象顧客に行う通知における目的情報、対象顧客の属性情報、及び推定モデルを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を選択する。通知方法選択装置１０Ｆが用いる推定モデルは、不特定の既存顧客に行った通知における、目的情報及び前記既存顧客の属性を示す属性情報と、通知方法の通知順序ごとの優先度とを対応付けた学習データを用いて機械学習を実行することにより作成されたモデルである。これにより、第２の実施形態の変形例２に係る通知方法選択装置１０Ｆでは、顧客データが十分に蓄積させておらず、対象顧客に適した選択ができない場合であっても、推定モデルを用いて、対象顧客に適した通知方法の通知順序を選択することができる。

（第２の実施形態の変形例３）
次に、第２の実施形態の変形例３について説明する。本変形例では、対象顧客に対し優先されるべき複数の通知方法において、通知間隔が選択される点において、上述した実施形態と相違する。上述した実施形態と相違する構成について、通知方法選択装置１０Ｇ、分析部１２Ｇというように、符号の末尾に「Ｇ」の符号を追加して説明する。上述した実施形態と同じの構成についてはその説明を省略する。また、以下では、分析部１２Ｇが、二つの通知方法の通知間隔を選択する場合を例に説明するが、三つ以上の通知方法の通知間隔を選択する場合でも同様な方法により選択することができる。

分析部１２Ｇは、対象顧客に行った通知における目的情報と通知間隔ごとの優先度とを対応付けた顧客データを用いて、通知間隔を選択する。
図１２は、第１の実施形態の変形例３に係る顧客データ記憶部１６Ｆの顧客データの構成例を示す図である。本変形例に係る顧客データは、図８に示す顧客データと同様に、対象顧客ごとに作成される。また、本変形例に係る顧客データは、図６に示す学習データと同様に、特定の通知順序に対する通知間隔ごとの優先度を示すものであってもよいし、様々な通知順序に対する通知間隔ごとの優先度を示すものであってもよい。

図１２の例に示すように、顧客データは、役割（目的）と優先度とにより構成される。役割（目的）については、図２に示す学習データと同様であるため、その説明を省略する。
優先度は、対象顧客における、通知方法の通知間隔ごとの優先度を示している。メール、ＲＣＳ、及び紙通知の各々が示す内容は、図２に示す学習データと同様であるため、その説明を省略する。
図１２の例では、対象顧客に支払の督促を通知目的とする通知において、通知間隔が１日後である場合の優先度が最も高く、２日後の優先度が１０番目に高いことを示している。

分析部１２Ｇは、通知要求取得部１１からの通知要求に基づいて、顧客データ記憶部１６Ｇを参照する。分析部１２Ｇは、通知要求に含まれる宛先情報に基づいて対象顧客を特定し、特定した対象顧客の顧客データを参照する。分析部１２Ｆは、顧客データにおける、通知要求に含まれる目的情報に該当する通知目的に対応させて記憶されている通知方法の通知間隔ごとの優先度を取得する。分析部１２Ｆは、取得した通知方法の通知間隔ごとの優先度のうち、最も優先度が高い組合せを、対象顧客に対し優先されるべき通知方法の通知間隔として選択する。

或いは、分析部１２Ｇは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行い、顧客データが所定の数以上蓄積されていない場合には、推定モデルを用いた選択を行うようにしてもよい。推定モデルは、目的情報及び属性情報に基づいて、通知方法の通知間隔ごとの優先度合いを示す優先度を推定する学習済みモデルであり、既存顧客に行った通知における、目的情報及び既存顧客の属性を示す属性情報と、通知方法の通知間隔ごとの優先度との対応関係を学習したモデルである。例えば、推定モデルは、上記第１の実施形態の変形例３において用いられる推定モデルである。

以上説明したように、第２の実施形態の変形例３に係る通知方法選択装置１０Ｇは、対象顧客に選択した複数の通知方法における、通知間隔を選択する。通知方法選択装置１０Ｇが用いる顧客データは、対象顧客に行った通知における目的情報と、通知方法の通知間隔ごとの優先度とを対応付けた情報である。これにより、第２の実施形態の変形例３に係る通知方法選択装置１０Ｇでは、顧客データを参照して、通知目的ごとに、対象顧客に通知の内容が認識されやすい複数の通知方法の通知間隔を選択することができる。

また、第２の実施形態の変形例３に係る通知方法選択装置１０Ｇは、顧客データが所定の数以上蓄積されている場合に、顧客データを用いた選択を行い、顧客データが所定の数以上蓄積されていない場合、対象顧客に行う通知における目的情報、対象顧客の属性情報、及び推定モデルを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を選択する。通知方法選択装置１０Ｇが用いる推定モデルは、不特定の既存顧客に行った通知における、目的情報及び前記既存顧客の属性を示す属性情報と、通知方法の通知間隔ごとの優先度とを対応付けた学習データを用いて機械学習を実行することにより作成されたモデルである。これにより、第２の実施形態の変形例３に係る通知方法選択装置１０Ｇでは、顧客データが十分に蓄積させておらず、対象顧客に適した選択ができない場合であっても、推定モデルを用いて、対象顧客に適した通知方法の通知間隔を選択することができる。

なお、上述した第２の実施形態、及びその変形例１〜３において、顧客データとして、対象顧客の過去における全て通知の実績から、一部の実績を選択し、選択した通知の実績を顧客データとして用いるようにしてもよい。例えば、直近の一か月の範囲でなされた通知の実績を、顧客データに用いるようにしてもよい。これにより、最近の対象顧客が最も認識し易い通知方法を選択することができる。つまり、対象顧客の行動の変容に対応することが可能となる。

上述した実施形態における通知方法選択装置１０（１０Ａ〜１０Ｇ）の全部又は一部をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、ＦＰＧＡ（Field Programmable Gate Array）等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１０…通知方法選択装置、１１…通知要求取得部、１２…分析部、１３…処理部、１４…学習データ記憶部、１５…学習済みモデル情報記憶部、１６…顧客データ記憶部

Claims (6)

1. 対象顧客の顧客データを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を、通知の目的を示す目的情報に基づいて、印刷物による通知である印刷通知及び電子的な方法による通知である電子通知のいずれかから選択する分析部と、
   前記分析部による選択の結果を出力する処理部と、
   を備え、
   前記対象顧客の顧客データは、前記対象顧客に行った通知における、前記目的情報と、通知方法ごとの優先度合いを示す優先度とを対応付けた情報である、
   通知方法選択装置。
2. 前記分析部は、前記対象顧客の顧客データが所定の数以上蓄積されている場合に、前記対象顧客の顧客データを用いた選択を行い、前記対象顧客の顧客データが所定の数以上蓄積されていない場合、前記対象顧客に行う通知における前記目的情報、前記対象顧客の属性を示す属性情報、及び推定モデルを用いて、前記対象顧客に行う際の通知方法を、前記印刷通知及び前記電子通知のいずれかから選択し、
   前記推定モデルは、不特定の既存顧客に行った通知における、前記目的情報及び前記既存顧客の前記属性情報と、通知方法ごとの前記優先度とを対応付けた学習データを用いて機械学習を実行することにより作成されたモデルである、
   請求項１に記載の通知方法選択装置。
3. 前記電子通知は複数の種類があり、
   前記分析部は、前記印刷通知、及び複数の種類の前記電子通知から選択した二以上の通知方法における通知順序を選択し、
   前記分析部が用いる前記対象顧客の顧客データは、前記対象顧客に行った通知における、前記目的情報と、同一の内容に係る通知を行った二以上の通知方法における通知順序ごとの前記優先度とを対応付けた情報であり、
   前記分析部が用いる前記推定モデルは、前記既存顧客に行った通知における、前記目的情報及び前記既存顧客の前記属性情報と、同一の内容に係る二以上の通知方法における通知順序ごとの前記優先度とを対応付けた学習データを用いて機械学習を実行することにより作成されたモデルである、
   請求項２に記載の通知方法選択装置。
4. 前記電子通知は複数の種類があり、
   前記分析部は、前記印刷通知、及び複数の種類の前記電子通知から選択した通知順序における通知間隔を選択し、
   前記分析部が用いる前記対象顧客の顧客データは、前記対象顧客に行った通知における、前記目的情報と、同一の内容に係る二以上の通知方法における通知間隔ごとの前記優先度とを対応付けた情報であり、
   前記分析部が用いる前記推定モデルは、前記既存顧客に行った通知における、前記目的情報及び前記既存顧客の前記属性情報と、同一の内容に係る二以上の通知方法における通知間隔ごとの前記優先度とを対応付けた学習データを用いて機械学習を実行することにより作成されたモデルである、
   請求項３に記載の通知方法選択装置。
5. 分析部が、対象顧客の顧客データを用いて、特定の目的を有する通知を前記対象顧客に行う際の通知方法を、当該通知の目的を示す目的情報に基づいて、印刷物による通知である印刷通知及び電子的な方法による通知である電子通知のいずれかから選択し、
   処理部が、前記分析部による選択の結果を出力し、
   前記対象顧客の顧客データは、前記対象顧客に行った通知における、通知の目的を示す目的情報と、通知方法ごとの優先度合いを示す優先度とを対応付けた情報である、
   通知方法選択方法。
6. コンピュータを、請求項１から請求項４のいずれか一項に記載の通知方法選択装置として動作させるためのプログラムであって、前記コンピュータを前記通知方法選択装置が備える各部として機能させるためのプログラム。

Images