ウェブサーバのページ更新のための情報を解析するサーバ、ウェブサーバ及びページ更新方法
【課題】従来は、アクセスログに示されたアクセス回数と、管理者が設定するプライオリティに基づくユーザの嗜好判定と、に基づいてユーザの閲覧行動の分析結果が変動するため、同業界での対比や、次のアクセスに関する予測が困難であった。
【解決手段】ログ解析サーバ２０は、制御部２１と、アクセスログＤＢ２２と、ユーザ動向ＤＢ２３と、コンテンツデザインＤＢ２４と、リンクデザインＤＢ２５と、キーワードデザインＤＢと、ページデザインＤＢ２７とを有している。アクセスログＤＢ２２は、ウェブサーバ毎にユーザ端末３１ａ，３１ｂからのアクセス時刻、アクセス数、滞留時間などを記録し、アクセスログＤＢ２２に記憶されたアクセスログに基づいてユーザの閲覧行動を記録する。得られた閲覧行動により制御部２１は、離散選択モデルによる予測と、検索キーワードを用いた共起頻度による予測を行う。
【解決手段】ログ解析サーバ２０は、制御部２１と、アクセスログＤＢ２２と、ユーザ動向ＤＢ２３と、コンテンツデザインＤＢ２４と、リンクデザインＤＢ２５と、キーワードデザインＤＢと、ページデザインＤＢ２７とを有している。アクセスログＤＢ２２は、ウェブサーバ毎にユーザ端末３１ａ，３１ｂからのアクセス時刻、アクセス数、滞留時間などを記録し、アクセスログＤＢ２２に記憶されたアクセスログに基づいてユーザの閲覧行動を記録する。得られた閲覧行動により制御部２１は、離散選択モデルによる予測と、検索キーワードを用いた共起頻度による予測を行う。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、電子商取引ウェブサーバのページ更新に関し、特に商取引の円滑な実施を支援するため、ウェブサーバのページ更新のための情報を解析するサーバに関する。
【背景技術】
【０００２】
モノやサービスを販売するeコマース(電子商取引)サイトでは、いくら訪問者数が多くても、実際に商品が売れなければその目的を達することができない。従来、ユーザの閲覧行動を分析するには、特許文献１に示すように、ウェブサイトへのアクセス数、訪問回数及び経路解析などの解析手法が用いられ、得られたユーザ閲覧行動の分析結果は、ウェブサイトのページ修正及び改善に用いられていた。
【０００３】
また、情報理論を導入したデータマイニングの手法として非特許文献１に示したＮ−ｇｒａｍモデルなどがある。Ｎ−ｇｒａｍモデルとは、「ある文字列の中で、Ｎ個の文字列または単語の組み合わせが、どの程度出現するか」を調査する言語モデルであり、隣り合った文字列または単語の組み合わせを「共起関係」と呼ぶ。また、「共起関係」がどの程度現れるかを集計した結果を「共起頻度」と呼び、得られた結果によりユーザの閲覧行動を予測する手法が開発されている。
【０００４】
【特許文献１】特開２００３−６２２４号公報
【非特許文献１】C.E.シャノン，W.ヴィーヴァー著：長谷川淳，井上光洋訳，“A Mathematical Theory of Communication”（邦訳：コミュニケーションの数学的理論），明治図書出版，1964，Nacsis Webcatの検索結果
【発明の開示】
【発明が解決しようとする課題】
【０００５】
しかし、この従来例では、更新の際に考慮する要素が、特定のウェブサイトに係るアクセスログに示されたアクセス回数と、管理者が設定するプライオリティと、共起関係で求められるユーザの嗜好と、に基づいて更新される。このため、同様の業界での対比や、次のアクセスに関する予測が難しいという問題があった。
【課題を解決するための手段】
【０００６】
以上のような問題を解決するために、本発明に係るサーバは、複数のページを公開するウェブサーバと、ユーザ端末のページ閲覧を検知するために各ページに埋め込まれたウェブビーコン手段と、を含むウェブ環境において、ウェブビーコン手段によって検出されたページ閲覧情報を収集してウェブサーバのページ更新のための情報を解析するサーバに関する。
【０００７】
そして、本発明に係るサーバは、ユーザ端末のページ閲覧情報を取得する閲覧情報取得手段と、取得されたページ閲覧情報の各ページを所定の階層（例えば、ページのフォルダの深さ別、機能別、カテゴリー別及びサーバ上で管理されるプログラム別など）に分類し、ユーザ端末毎のページ閲覧行動を階層と時系列で表現される階層閲覧情報に変換する階層情報変換手段と、階層閲覧情報から閲覧された階層一覧を取得する階層取得手段と、ユーザ端末によって任意の時刻毎に判断される価値判断がその時点で効用又は価値の最も高い対象により判断される離散選択モデルを用いて、各階層のリンク属性を示す階層属性とユーザ端末の閲覧行動を示すユーザ端末属性から効用値を算出する効用値算出手段と、効用値算出手段で得られた効用値に基づいて任意時刻にユーザ端末が閲覧しているページの階層から次にどの階層を閲覧するかを予測する階層閲覧予測手段と、を備えることを特徴とする。
【０００８】
また、本発明に係るサーバにおいて、階層閲覧予測手段で予測された情報と、ウェブサイトの訪問者数に対する、そのサイトで商品を購入したり会員登録などを行ったりする人の割合であるコンバージョン率と、検索キーワードと閲覧行動情報を隣り合った文字列または単語の組み合わせで得られる共起頻度と、に基づいてリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つのページ修正情報を生成するページ修正手段を有することを特徴とする。
【０００９】
さらに、複数のページを公開する本発明に係るサーバにおいて、ウェブサーバのページ更新に用いられるサーバのページ修正手段で得られた情報に基づいてページのリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つを修正することを特徴とする。
【００１０】
本発明に係るページ更新方法は、ウェブサーバにアクセスするユーザ端末のページ閲覧情報に基づいてウェブサーバのページ更新を行うページ更新方法であって、ユーザ端末のページ閲覧情報を取得する閲覧情報取得工程と、取得されたページ閲覧情報の各ページを所定の階層に分類し、ユーザ端末毎のページ閲覧行動を階層と時系列で表現される階層閲覧情報に変換する階層情報変換工程と、階層閲覧情報から閲覧された階層一覧を取得する階層取得工程と、ユーザ端末によって任意の時刻毎に判断される価値判断がその時点で効用又は価値の最も高い対象により判断される離散選択モデルを用いて、各階層のリンク属性を示す階層属性とユーザ端末の閲覧行動を示すユーザ端末属性から効用値を算出する効用値算出工程と、効用値算出工程で得られた効用値に基づいてユーザ端末が任意時刻に閲覧しているページの階層から次にどの階層を閲覧するかを予測する階層閲覧予測工程と、を含むことを特徴とする。
【００１１】
また、本発明に係るページ更新方法において、階層閲覧予測工程で予測された情報と、ウェブサイトの訪問者数に対する、そのサイトで商品を購入したり会員登録などを行ったりする人の割合であるコンバージョン率と、検索キーワードと閲覧行動情報を隣り合った文字列または単語の組み合わせで得られる共起頻度と、に基づいてページのリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つを修正することを特徴とする。
【発明の効果】
【００１２】
本発明によれば、複数の業界における複数のウェブサイトを訪れるユーザに応じて更新すべきページに関する情報を得ることが可能となり、さらに、ページ修正データにより自動更新が可能となるという効果がある。
【００１３】
また、更新すべきページの特定の為に、離散選択モデルと検索キーワードに対するページ閲覧との共起頻度により特定時刻のユーザの振る舞いを予測することが可能になるという効果もある。
【発明を実施するための最良の形態】
【００１４】
以下、本発明の実施の形態（以下実施形態という）を、図面に従って説明する。
【００１５】
図１は、本発明の実施形態に係るウェブサーバのページ更新に用いられるサーバ（ログ解析サーバ２０）を含む全体構成を示す構成図である。複数のウェブサーバ１０と、ユーザ端末３１と、検索エンジン３２と及びログ解析サーバ２０はインターネット３０に接続される。さらに、各ウェブサーバ１０のホームページ１１及び複数のページ１２はウェブビーコン又はクリアジフ（ＪａｖａＳｃｒｉｐｔ（商標）で記述されたプログラムや透明なgifファイルでウェブブラウザなどには表示されない）を有しており、ユーザ端末３１ａ，３１ｂからのアクセスをログ解析サーバ２０へ送信する。
【００１６】
ログ解析サーバ２０は、制御部２１と、アクセスログデータベース２２（以下、ＤＢと略す）と、ユーザ動向ＤＢ２３と、コンテンツデザインＤＢ２４と、リンクデザインＤＢ２５と、キーワードデザインＤＢ２６と、ページデザインＤＢ２７とを有している。
【００１７】
アクセスログＤＢ２２は、ウェブサーバ１０毎にユーザ端末３１ａ，３１ｂからのアクセス時刻、アクセス数、滞留時間などを記録し、アクセスログＤＢ２２に記憶されたアクセスログに基づいてユーザの閲覧行動を記録する。また、ユーザ動向ＤＢ２３は、制御部２１により後述するページ修正情報とコンバージョン率も同様に記録する。
【００１８】
その他、ウェブサーバ１０のホームページ１１、複数のページ１２に関する各種デザイン情報が記憶されるコンテンツデザインＤＢ２４、リンクデザインＤＢ２５、ページデザインＤＢ２７及び検索キーワードの情報を格納するキーワードデザインＤＢ２６がある。
【００１９】
本実施形態において、ウェブサーバ１０へのアクセス回数の他に、コンバージョン率と呼ばれる指標を用いており、これらの情報はユーザ動向ＤＢ２３に記憶される。コンバージョン率とは、企業ウェブサイトの訪問者数に対するそのサイトで商品を購入したり会員登録を行なったりした人の割合であり、ウェブサイトの投資対効果を計る上で重要な指標である。例えば、訪問者数のうちどの程度が実際に商品を購入したかを示すのがコンバージョン率で、訪問者が誰も商品を購入しなければ０％、すべての訪問者が商品を購入すれば１００％となる。
【００２０】
また、単純なサイト訪問者数に対する割合だけでなく、特定の広告をクリックした人についてコンバージョン率を算出することにより、広告の効果を検証するといった利用方法もある。一般的に広告では例えばメールを配信してクリックして来訪した人の比率、バナー等であればインプレッション数（表示回数）対比クリック数を同様にコンバージョン率とも呼ぶ。
【００２１】
ショッピングサイトの場合、表１に示すように、例えば平均するとコンバージョン率で4％位（平均4.2％ Nielsen, NetRatings ２０００年８月現在）となることから、多くののウェブサイトのデータを収集することが商取引の円滑な実施の判定に重要である。そこで、本実施形態では、可能な限り多くのウェブサーバからアクセスログを収集して、業種毎のコンバージョン率を求めて比較情報を得ている。
【表１】
【００２２】
（１）ＥＣサイト
本実施形態において、海外ブランドのＥＣサイトに対して実施した。本サイトではエルメスなどのブランド品や時計、またグルメなど様々な厳選商品を提供している。
【００２３】
（２）離散選択モデル
本実施形態では、ウェブページを階層に分類し、ユーザのページ閲覧行動を階層閲覧行動に変換した。そして、どの階層を閲覧するのか、ということを表現するために複数の選択肢の中からひとつの選択肢を選択することをモデル化した離散選択モデルを用いる。離散選択モデルを利用することで現在閲覧している階層の次にどの階層を閲覧するのかを予測することができる。
【００２４】
まず、個人ｉ（＝１，・・・，Ｉ）の時点ｔ（＝１，・・・、Ｔj）における階層ｋ（ｋ＝１，・・・，Ｋ）への効用Ｕitkを考える。Ｕitkは以下の（式１）のように確定的な部分Ｖitkと、確定的な部分εitkに分かれるとする。
【数１】
【００２５】
本実施形態では確定的な部分Ｖitkはページ属性と閲覧者個人の属性の関数として表現した。ページ属性としては現在閲覧中のページとリンク先の階層との関係（階層が同一、上、下のうちのいずれか）と階層固有の魅力度を用いた。個人属性として、サイト訪問が初めてか否か、今回のサイト訪問における当該ページまでの閲覧ページ数、検索エンジンを利用してサイトに到達したのか、を用いた。
【００２６】
確率的な部分εitkは、確定部分に含まれた変数以外で選択へ影響を与える要因を表す。実際に選択肢を決定する際には、Ｖitkに含まれている属性以外にも影響を与えているものはあるであろうが、すべての属性・要因を組み込むことは不可能なため、それらの影響を誤差項としてεitkにまとめている。
【００２７】
個人ｉは時点ｔで選択対象のうち効用Ｕitkの最も高い対象を選択すると考える。確率的部分εitkが二重指数分布に従う確率分布であると仮定すると、個人ｉが時点ｔにおいてページｋを選択する確率Ｐitkは次の（式２）にように計算される。
【数２】
このように、確率的部分に二重指数分布を仮定した定式化はロジット・モデルと呼ばれている。
【００２８】
（３）部分Ｖitkの設定
部分Ｖitkの設定について説明する。個人ｉが時点ｔで階層ｋを選択するか否かは、ｔ−１の状態によって決定される。以下に式を示す。
【００２９】
Ｖitk＝γ0k＋γ1kＦＶi＋γ2kＶＰi,t-1＋γ3kＳＥi＋η1Ｃ1k,i,t-1＋η2Ｃ2k,i,t-1＋η3Ｃ3k,i,t-1 ・・・（式３）
【００３０】
以下に、式の各パラメータの意味を（ａ）〜（ｇ）に示す。ここで、（ａ）ＦＶiは、ｉがサイトを２回以上訪問していれば１，それ以外では０。（ｂ）ＶＰi,t-1は、ｉがｔ−１までで閲覧したページ数。（ｃ）ＳＥiは、検索エンジンを利用していれば１，それ以外は０。（ｄ）Ｃ1k,i,t-1は、ｉがｔ−１で閲覧した階層がｋであれば１それ以外では０。（ｅ）Ｃ2k,i,t-1は、ｉがｔ−１で閲覧した階層がｋより上で、かつリンクがあれば１，それ以外では０。（ｆ）Ｃ3k,i,t-1は、ｉがｔ−１で閲覧した階層がｋより下で、かつリンクであれば１それ以外では０。（ｇ）γ0kは、階層がｋの魅力度。γ0k，・・・γ3kは、階層がｋについての各変数の影響度。η1，・・・，η3：リンクの影響度、などである。
【００３１】
（４）γ0k，・・・γ3kの推定結果
γ推定結果を表２に示し、（ａ）〜（ｄ）に得られた４つの結果を示す。この推定結果より、（ａ）γ0kが小さい「商品一覧２」、「詳細写真」及び「カート」はそもそも閲覧されにくい。（ｂ）γ1kは、「外部」以外、全て正であるため、サイト訪問が２回以上の人はサイトから離脱せずに閲覧を続けやすい。（ｃ）γ2kに関して「商品一覧２」、「カート」は閲覧ページ数が多いほど閲覧されやすい。（ｄ）γ3kに関して「商品一覧２」、「商品詳細」及び「詳細写真」は検索エンジンから来た人ほど閲覧しやすい、などの特性を読み取ることが可能となる。
【表２】
【００３２】
（５）η1，・・・，η3の推定結果
η推定結果を表３に示し、（ａ）〜（ｃ）に得られた３つ結果を示す。この結果により、（ａ）η1が正であるため同一階層内のページが選択されやすくなる。（ｂ）η2が正であるため下の階層へのページが選択されやすくなる。（ｃ）η3がほぼ０であるため、上の階層へのページが選択されにくい、などの特性を読み取ることが可能となる。
【表３】
【００３３】
（６）階層閲覧予測
推定されたパラメータを利用して、現在の閲覧しているページが含まれる階層の次にどの階層を閲覧するのかを予測する。ここで、ユーザ別時間別に階層を閲覧する確率がロジット・モデルより得られるので、ユーザ別時間別に閲覧確率が最も高い階層を閲覧すると仮定する。
【００３４】
なお、一致率は、全予測閲覧ページのうち、予測閲覧ページと現実の閲覧ページが一致している確率を一致率として計算した。また、全階層が９つであるので、全くランダムに閲覧階層を予測した場合には一致率は１／９＝０．１１１になる。ランダムに予測した場合に比べてどれくらい予測力があるのかを、モデルによる予想結果の一致率で把握した。得られた結果を表４に示す。結果は、不正解率が０．５９３、一致率は０．４０６５（１／９＝０．１１１）であった。なお、本実施形態では全階層が９つであるため、階層を分類することを行わなかったが、ページ数が増加した場合は類似するページで分類し、取り扱う階層の増加を抑制することが好適である。
【表４】
【００３５】
さらに、表５に予測された階層毎の件数と比率を示す。
【表５】
【００３６】
以上のことから、以下の（ａ）〜（ｃ）の３つの特性を読み取ることが可能となる。つまり、離散選択モデルによるユーザ特性は、（ａ）サイト内では同一階層内、あるいは上から下への階層へは効用が高くなるが、下から上への階層へは効用が高くならない。（ｂ）「カート」への効用が最も高くなるのは、サイトへの訪問が複数回ある閲覧者である。（ｃ）複数回の訪問、閲覧ページ数の増加、検索エンジンを利用した訪問では「商品一覧２」「商品詳細」「詳細写真」「カート」への効用がプラスに働く。
【００３７】
（７）検索エンジン入力キーワードと閲覧行動の関係
上述したように、検索キーワードとして入力したワードによって閲覧行動が特徴付けられる。例えば、検索エンジンに「デュポンライター」と入力したユーザが、検索エンジンからのリンクにより商品を見つけ、「商品一覧表示」→「商品詳細表示」→「商品をカートに入れる」→「カート精算」と閲覧する場合について説明する。
【００３８】
図５は、本発明の実施形態に係る検索キーワードと閲覧行動の関係を示す出力結果を示す画面イメージ図である。このイメージ図は、検索キーワードと閲覧行動を１つの文章と考え、この文章をテキストマイニングで分析した。テキストマイニングの解析ツールとしてＫｅｙＧｒａｐｈ（チャンス発見コンソーシアム）を利用して１つの文章の中で単語のつながり分析した。
【００３９】
図５において、楕円で囲んだ領域（以下、島という。）は共起頻度が高いノードの集まりで、各ノードの下に閲覧行動を［］で囲んで表記した。図中、中黒ノードは、既によく出現している単語であり、白丸ノードは、これから出現する可能性が高い単語であり、黒丸ノードは、共起頻度は低いがそのノードがあることによって、他のノード同士が共起する頻度が高くなる単語である。また、黒丸ノードは、島と島をつなぐノードである。
【００４０】
図５に示した表示方法を用いることにより、一見すると何も関連がないと思われる「デュポン」、「ポールスミス」に関連するリンクと、階層の移動の導線に改善の余地があることが分かり、売れるものをより売れるようにする仕組みが必要となった。そこで、図１に示すログ解析サーバ２０で解析処理を実行させてウェブサーバ１０のページ更新のための処理プログラムを作成して閲覧行動の予測を実施した。
【００４１】
図２は、本発明の実施形態に係るウェブサーバのページ更新処理の流れを示すメッセージタイヤグラム図である。左からユーザ端末３１、ウェブサーバ１０、ログ解析サーバ２０を示し、各々の処理の流れを説明する。
【００４２】
最初に、ユーザ端末３１がＥＣサイトであるウェブサーバ１０にアクセス（ステップＳ１０）すると、ウェブサーバ１０は、ユーザ毎の訪問回数、ページ閲覧総数、どこからどこへ移動したのかなどのユーザ属性をログ解析サーバ２０に送信する（ステップＳ１２）。
【００４３】
送信されたユーザ属性はログ解析サーバ２０で受信され、複数の解析対象サイトのログをアクセスログＤＢ２２に記憶し、さらに、アクセスされたサイトのコンテンツデザイン、リンクデザイン、キーワードデザイン、ページデザインなどの情報を収集し、コンテンツデザインＤＢ２４，リンクデザインＤＢ２５，キーワードデザインＤＢ２６及びページデザインＤＢ２７に記憶して、ページ更新の基礎データを収集する（ステップＳ１４）。
【００４４】
次に、アクセスログＤＢ２２に記憶されたユーザ属性をユーザ毎に取得する（ステップＳ１６）。取得されたユーザ属性に基づいて離散選択モデルを応用し、よくある閲覧行動の傾向、遷移頻度の高い経路情報を取得する（ステップＳ１８）。さらに、コンバージョン率を高めるため、現在のアクセスの次にアクセスする可能性の高いページを解析し、売れるモノをより売るためにリンク、ページデザイン（具体的には、商品の表示場所、陳列順、画像の大きさ等を含む）、検索キーワード、コンテンツ等の改善指令（指令又はリコメンド）を予め記憶してある定型パターンから決定する（ステップＳ２０）。
【００４５】
次に、決定された改善指令をウェブサーバに送信する（ステップＳ２２）。ウェブサーバは、送信された改善指令に基づいて更新処理を行う。更新処理は、例えば、結果的にアクセス率を高め、コンバージョン率を高めることができるような誘導経路を確保するために、リンクを押しやすい箇所にレイアウトして、表示をさせる（ステップＳ２４）。その後、ユーザは修正されたウェブページによりサイトから情報を取得する（ステップＳ２６）。
【００４６】
図３は、本発明の実施形態に係るリンク及びページデザイン修正情報作成の処理の流れを示すフローチャート図である。図は、離散選択モデルを応用したリンクデザインと、ページデザインの修正を行う処理を示している。
【００４７】
最初に、解析対象サイトのログを収集し（ステップＳ３０）、ユーザ毎の閲覧行動を取得するために、ユーザ毎の訪問回数、ページ閲覧総数、どこからどこへ移動したのかなどのユーザ属性を取得し、それぞれのページを機能又は小グループの階層に分類してユーザ毎の閲覧行動を取得する（ステップＳ３２）。
【００４８】
次に、離散選択モデルを応用し、ユーザの閲覧行動により、よくある閲覧行動の傾向、遷移頻度の高い経路情報を取得する（ステップＳ３４）。得られた閲覧行動の傾向に応じて、サイト全体の構造をコンテンツデザインＤＢ２４などから呼び出して確認するループ処理を行う（ステップＳ３６〜Ｓ４６）。ステップＳ３８において、頻度の高い経路は実際に遷移しやすいサイトフローになっているかを判断し、もし、遷移しにくい（例えば、遷移のための階層が多い又は深い）場合にはリンクデザインの修正データを作成する（ステップＳ４０）。なお、修正が不要な場合はスキップする。
【００４９】
ステップＳ４２において、予め記憶されているページデザインと大幅に異なるページデザインのページであるかを判断し、もし、デザインの修正が必要である場合には、ページデザインの修正データを作成する（ステップＳ４４）。なお、修正が不要な場合はスキップする。
【００５０】
以上の処理がサイト全体の構造に対して実施された（ステップＳ４６）後は、解析結果をウェブサーバに送信（ステップＳ４８）して処理を終える。
【００５１】
図５は、本発明の実施形態に係る検索キーワードと閲覧行動の関係を示す出力結果を示す画面イメージ図である。図は、検索キーワードとして入力したワードによって閲覧行動を予測してリンクデザインと、ページデザインの修正を行う処理を示している。
【００５２】
最初に、解析対象サイトのログを収集する（ステップＳ５０）。さらにユーザ毎の閲覧行動を取得（ステップＳ５２）して、検索エンジンからの閲覧行動のみ抽出する（ステップＳ５４）。抽出された検索キーワードと閲覧行動を１つの文章ととらえ、テキストマイニングで分析し、キーワード閲覧行動のそれぞれの関係性を示す共起頻度の高さを取得する（ステップＳ５６）。
【００５３】
得られた閲覧行動の共起頻度に応じて、サイト全体の構造をコンテンツデザインＤＢ２４などから呼び出して確認するループ処理を行う（ステップＳ５８〜Ｓ６８）。ステップＳ６０において、共起頻度の高いページ間でリンクがあるかを判断し、もし、遷移しにくい（例えば、遷移のための階層が多い又は深い）場合にはリンクデザインの修正データを作成する（ステップＳ６２）。なお、修正が不要な場合はスキップする。
【００５４】
ステップＳ６４において、検索エンジンにより認識可能なコンテンツに関連キーワードが含まれているかを判断し、もし含まれていない場合にはコンテンツの内容を修正して、キーワードを含む形式とする修正データを作成する（ステップＳ６６）。なお、修正が不要な場合はスキップする。
【００５５】
以上の処理がサイト全体の構造に対して実施された（ステップＳ６８）後は、解析結果をウェブサーバに送信（ステップＳ７０）して処理を終える。
【００５６】
以上、上述したように本発明の実施形態によれば、離散選択モデルと共起頻度による解析手法を用いることで、複数の業界における複数のウェブサイトを訪れるユーザに応じて更新すべきページに関する情報を得ることが可能となり、さらに、ページ修正データにより自動更新が可能となるという効果がある。
【００５７】
また、更新すべきページの特定の為に、離散選択モデルと検索キーワードに対するページ閲覧との共起頻度により特定時刻のユーザの振る舞いを予測することが可能になるという効果もある。
【００５８】
なお、本実施形態では、ログ解析サーバにウェブサーバのページ更新解析を行わせたが、ページ更新解析は、ログ解析サーバに限定するものではなく、ウェブサーバ又はクライアントコンピュータで実行させても好適である。解析項目として離散選択モデルと共起頻度の他に、時間・日付・曜日、滞在時間、リンク元、動線（経路）などを加味しても好適に処理可能である。また、ウェブサーバのページ更新以外にもこのような技術が応用できることは言うまでもない。
【図面の簡単な説明】
【００５９】
【図１】本発明の実施形態に係るウェブサーバのページ更新に用いられるサーバを含む全体構成を示す構成図である。
【図２】本発明の実施形態に係るウェブサーバのページ更新処理の流れを示すメッセージタイヤグラム図である。
【図３】本発明の実施形態に係るリンク及びページデザイン修正情報作成の処理の流れを示すフローチャート図である。
【図４】本発明の実施形態に係る検索キーワードと閲覧行為に着目してリンク及びコンテンツ内容の修正情報を作成する処理の流れを示すフローチャート図である。
【図５】本発明の実施形態に係る検索キーワードと閲覧行動の関係を示す出力結果を示す画面イメージ図である。
【符号の説明】
【００６０】
１０ ウェブサーバ、１１ ホームページ、１２ ページ、２０ ログ解析サーバ、２１ 制御部、２２ アクセスログＤＢ、２３ ユーザ動向ＤＢ、２４ コンテンツデザインＤＢ、２５ リンクデザインＤＢ、２６ キーワードデザインＤＢ、２７ ページデザインＤＢ、３０ インターネット、３１ ユーザ端末、３２ 検索エンジン。
【技術分野】
【０００１】
本発明は、電子商取引ウェブサーバのページ更新に関し、特に商取引の円滑な実施を支援するため、ウェブサーバのページ更新のための情報を解析するサーバに関する。
【背景技術】
【０００２】
モノやサービスを販売するeコマース(電子商取引)サイトでは、いくら訪問者数が多くても、実際に商品が売れなければその目的を達することができない。従来、ユーザの閲覧行動を分析するには、特許文献１に示すように、ウェブサイトへのアクセス数、訪問回数及び経路解析などの解析手法が用いられ、得られたユーザ閲覧行動の分析結果は、ウェブサイトのページ修正及び改善に用いられていた。
【０００３】
また、情報理論を導入したデータマイニングの手法として非特許文献１に示したＮ−ｇｒａｍモデルなどがある。Ｎ−ｇｒａｍモデルとは、「ある文字列の中で、Ｎ個の文字列または単語の組み合わせが、どの程度出現するか」を調査する言語モデルであり、隣り合った文字列または単語の組み合わせを「共起関係」と呼ぶ。また、「共起関係」がどの程度現れるかを集計した結果を「共起頻度」と呼び、得られた結果によりユーザの閲覧行動を予測する手法が開発されている。
【０００４】
【特許文献１】特開２００３−６２２４号公報
【非特許文献１】C.E.シャノン，W.ヴィーヴァー著：長谷川淳，井上光洋訳，“A Mathematical Theory of Communication”（邦訳：コミュニケーションの数学的理論），明治図書出版，1964，Nacsis Webcatの検索結果
【発明の開示】
【発明が解決しようとする課題】
【０００５】
しかし、この従来例では、更新の際に考慮する要素が、特定のウェブサイトに係るアクセスログに示されたアクセス回数と、管理者が設定するプライオリティと、共起関係で求められるユーザの嗜好と、に基づいて更新される。このため、同様の業界での対比や、次のアクセスに関する予測が難しいという問題があった。
【課題を解決するための手段】
【０００６】
以上のような問題を解決するために、本発明に係るサーバは、複数のページを公開するウェブサーバと、ユーザ端末のページ閲覧を検知するために各ページに埋め込まれたウェブビーコン手段と、を含むウェブ環境において、ウェブビーコン手段によって検出されたページ閲覧情報を収集してウェブサーバのページ更新のための情報を解析するサーバに関する。
【０００７】
そして、本発明に係るサーバは、ユーザ端末のページ閲覧情報を取得する閲覧情報取得手段と、取得されたページ閲覧情報の各ページを所定の階層（例えば、ページのフォルダの深さ別、機能別、カテゴリー別及びサーバ上で管理されるプログラム別など）に分類し、ユーザ端末毎のページ閲覧行動を階層と時系列で表現される階層閲覧情報に変換する階層情報変換手段と、階層閲覧情報から閲覧された階層一覧を取得する階層取得手段と、ユーザ端末によって任意の時刻毎に判断される価値判断がその時点で効用又は価値の最も高い対象により判断される離散選択モデルを用いて、各階層のリンク属性を示す階層属性とユーザ端末の閲覧行動を示すユーザ端末属性から効用値を算出する効用値算出手段と、効用値算出手段で得られた効用値に基づいて任意時刻にユーザ端末が閲覧しているページの階層から次にどの階層を閲覧するかを予測する階層閲覧予測手段と、を備えることを特徴とする。
【０００８】
また、本発明に係るサーバにおいて、階層閲覧予測手段で予測された情報と、ウェブサイトの訪問者数に対する、そのサイトで商品を購入したり会員登録などを行ったりする人の割合であるコンバージョン率と、検索キーワードと閲覧行動情報を隣り合った文字列または単語の組み合わせで得られる共起頻度と、に基づいてリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つのページ修正情報を生成するページ修正手段を有することを特徴とする。
【０００９】
さらに、複数のページを公開する本発明に係るサーバにおいて、ウェブサーバのページ更新に用いられるサーバのページ修正手段で得られた情報に基づいてページのリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つを修正することを特徴とする。
【００１０】
本発明に係るページ更新方法は、ウェブサーバにアクセスするユーザ端末のページ閲覧情報に基づいてウェブサーバのページ更新を行うページ更新方法であって、ユーザ端末のページ閲覧情報を取得する閲覧情報取得工程と、取得されたページ閲覧情報の各ページを所定の階層に分類し、ユーザ端末毎のページ閲覧行動を階層と時系列で表現される階層閲覧情報に変換する階層情報変換工程と、階層閲覧情報から閲覧された階層一覧を取得する階層取得工程と、ユーザ端末によって任意の時刻毎に判断される価値判断がその時点で効用又は価値の最も高い対象により判断される離散選択モデルを用いて、各階層のリンク属性を示す階層属性とユーザ端末の閲覧行動を示すユーザ端末属性から効用値を算出する効用値算出工程と、効用値算出工程で得られた効用値に基づいてユーザ端末が任意時刻に閲覧しているページの階層から次にどの階層を閲覧するかを予測する階層閲覧予測工程と、を含むことを特徴とする。
【００１１】
また、本発明に係るページ更新方法において、階層閲覧予測工程で予測された情報と、ウェブサイトの訪問者数に対する、そのサイトで商品を購入したり会員登録などを行ったりする人の割合であるコンバージョン率と、検索キーワードと閲覧行動情報を隣り合った文字列または単語の組み合わせで得られる共起頻度と、に基づいてページのリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つを修正することを特徴とする。
【発明の効果】
【００１２】
本発明によれば、複数の業界における複数のウェブサイトを訪れるユーザに応じて更新すべきページに関する情報を得ることが可能となり、さらに、ページ修正データにより自動更新が可能となるという効果がある。
【００１３】
また、更新すべきページの特定の為に、離散選択モデルと検索キーワードに対するページ閲覧との共起頻度により特定時刻のユーザの振る舞いを予測することが可能になるという効果もある。
【発明を実施するための最良の形態】
【００１４】
以下、本発明の実施の形態（以下実施形態という）を、図面に従って説明する。
【００１５】
図１は、本発明の実施形態に係るウェブサーバのページ更新に用いられるサーバ（ログ解析サーバ２０）を含む全体構成を示す構成図である。複数のウェブサーバ１０と、ユーザ端末３１と、検索エンジン３２と及びログ解析サーバ２０はインターネット３０に接続される。さらに、各ウェブサーバ１０のホームページ１１及び複数のページ１２はウェブビーコン又はクリアジフ（ＪａｖａＳｃｒｉｐｔ（商標）で記述されたプログラムや透明なgifファイルでウェブブラウザなどには表示されない）を有しており、ユーザ端末３１ａ，３１ｂからのアクセスをログ解析サーバ２０へ送信する。
【００１６】
ログ解析サーバ２０は、制御部２１と、アクセスログデータベース２２（以下、ＤＢと略す）と、ユーザ動向ＤＢ２３と、コンテンツデザインＤＢ２４と、リンクデザインＤＢ２５と、キーワードデザインＤＢ２６と、ページデザインＤＢ２７とを有している。
【００１７】
アクセスログＤＢ２２は、ウェブサーバ１０毎にユーザ端末３１ａ，３１ｂからのアクセス時刻、アクセス数、滞留時間などを記録し、アクセスログＤＢ２２に記憶されたアクセスログに基づいてユーザの閲覧行動を記録する。また、ユーザ動向ＤＢ２３は、制御部２１により後述するページ修正情報とコンバージョン率も同様に記録する。
【００１８】
その他、ウェブサーバ１０のホームページ１１、複数のページ１２に関する各種デザイン情報が記憶されるコンテンツデザインＤＢ２４、リンクデザインＤＢ２５、ページデザインＤＢ２７及び検索キーワードの情報を格納するキーワードデザインＤＢ２６がある。
【００１９】
本実施形態において、ウェブサーバ１０へのアクセス回数の他に、コンバージョン率と呼ばれる指標を用いており、これらの情報はユーザ動向ＤＢ２３に記憶される。コンバージョン率とは、企業ウェブサイトの訪問者数に対するそのサイトで商品を購入したり会員登録を行なったりした人の割合であり、ウェブサイトの投資対効果を計る上で重要な指標である。例えば、訪問者数のうちどの程度が実際に商品を購入したかを示すのがコンバージョン率で、訪問者が誰も商品を購入しなければ０％、すべての訪問者が商品を購入すれば１００％となる。
【００２０】
また、単純なサイト訪問者数に対する割合だけでなく、特定の広告をクリックした人についてコンバージョン率を算出することにより、広告の効果を検証するといった利用方法もある。一般的に広告では例えばメールを配信してクリックして来訪した人の比率、バナー等であればインプレッション数（表示回数）対比クリック数を同様にコンバージョン率とも呼ぶ。
【００２１】
ショッピングサイトの場合、表１に示すように、例えば平均するとコンバージョン率で4％位（平均4.2％ Nielsen, NetRatings ２０００年８月現在）となることから、多くののウェブサイトのデータを収集することが商取引の円滑な実施の判定に重要である。そこで、本実施形態では、可能な限り多くのウェブサーバからアクセスログを収集して、業種毎のコンバージョン率を求めて比較情報を得ている。
【表１】
【００２２】
（１）ＥＣサイト
本実施形態において、海外ブランドのＥＣサイトに対して実施した。本サイトではエルメスなどのブランド品や時計、またグルメなど様々な厳選商品を提供している。
【００２３】
（２）離散選択モデル
本実施形態では、ウェブページを階層に分類し、ユーザのページ閲覧行動を階層閲覧行動に変換した。そして、どの階層を閲覧するのか、ということを表現するために複数の選択肢の中からひとつの選択肢を選択することをモデル化した離散選択モデルを用いる。離散選択モデルを利用することで現在閲覧している階層の次にどの階層を閲覧するのかを予測することができる。
【００２４】
まず、個人ｉ（＝１，・・・，Ｉ）の時点ｔ（＝１，・・・、Ｔj）における階層ｋ（ｋ＝１，・・・，Ｋ）への効用Ｕitkを考える。Ｕitkは以下の（式１）のように確定的な部分Ｖitkと、確定的な部分εitkに分かれるとする。
【数１】
【００２５】
本実施形態では確定的な部分Ｖitkはページ属性と閲覧者個人の属性の関数として表現した。ページ属性としては現在閲覧中のページとリンク先の階層との関係（階層が同一、上、下のうちのいずれか）と階層固有の魅力度を用いた。個人属性として、サイト訪問が初めてか否か、今回のサイト訪問における当該ページまでの閲覧ページ数、検索エンジンを利用してサイトに到達したのか、を用いた。
【００２６】
確率的な部分εitkは、確定部分に含まれた変数以外で選択へ影響を与える要因を表す。実際に選択肢を決定する際には、Ｖitkに含まれている属性以外にも影響を与えているものはあるであろうが、すべての属性・要因を組み込むことは不可能なため、それらの影響を誤差項としてεitkにまとめている。
【００２７】
個人ｉは時点ｔで選択対象のうち効用Ｕitkの最も高い対象を選択すると考える。確率的部分εitkが二重指数分布に従う確率分布であると仮定すると、個人ｉが時点ｔにおいてページｋを選択する確率Ｐitkは次の（式２）にように計算される。
【数２】
このように、確率的部分に二重指数分布を仮定した定式化はロジット・モデルと呼ばれている。
【００２８】
（３）部分Ｖitkの設定
部分Ｖitkの設定について説明する。個人ｉが時点ｔで階層ｋを選択するか否かは、ｔ−１の状態によって決定される。以下に式を示す。
【００２９】
Ｖitk＝γ0k＋γ1kＦＶi＋γ2kＶＰi,t-1＋γ3kＳＥi＋η1Ｃ1k,i,t-1＋η2Ｃ2k,i,t-1＋η3Ｃ3k,i,t-1 ・・・（式３）
【００３０】
以下に、式の各パラメータの意味を（ａ）〜（ｇ）に示す。ここで、（ａ）ＦＶiは、ｉがサイトを２回以上訪問していれば１，それ以外では０。（ｂ）ＶＰi,t-1は、ｉがｔ−１までで閲覧したページ数。（ｃ）ＳＥiは、検索エンジンを利用していれば１，それ以外は０。（ｄ）Ｃ1k,i,t-1は、ｉがｔ−１で閲覧した階層がｋであれば１それ以外では０。（ｅ）Ｃ2k,i,t-1は、ｉがｔ−１で閲覧した階層がｋより上で、かつリンクがあれば１，それ以外では０。（ｆ）Ｃ3k,i,t-1は、ｉがｔ−１で閲覧した階層がｋより下で、かつリンクであれば１それ以外では０。（ｇ）γ0kは、階層がｋの魅力度。γ0k，・・・γ3kは、階層がｋについての各変数の影響度。η1，・・・，η3：リンクの影響度、などである。
【００３１】
（４）γ0k，・・・γ3kの推定結果
γ推定結果を表２に示し、（ａ）〜（ｄ）に得られた４つの結果を示す。この推定結果より、（ａ）γ0kが小さい「商品一覧２」、「詳細写真」及び「カート」はそもそも閲覧されにくい。（ｂ）γ1kは、「外部」以外、全て正であるため、サイト訪問が２回以上の人はサイトから離脱せずに閲覧を続けやすい。（ｃ）γ2kに関して「商品一覧２」、「カート」は閲覧ページ数が多いほど閲覧されやすい。（ｄ）γ3kに関して「商品一覧２」、「商品詳細」及び「詳細写真」は検索エンジンから来た人ほど閲覧しやすい、などの特性を読み取ることが可能となる。
【表２】
【００３２】
（５）η1，・・・，η3の推定結果
η推定結果を表３に示し、（ａ）〜（ｃ）に得られた３つ結果を示す。この結果により、（ａ）η1が正であるため同一階層内のページが選択されやすくなる。（ｂ）η2が正であるため下の階層へのページが選択されやすくなる。（ｃ）η3がほぼ０であるため、上の階層へのページが選択されにくい、などの特性を読み取ることが可能となる。
【表３】
【００３３】
（６）階層閲覧予測
推定されたパラメータを利用して、現在の閲覧しているページが含まれる階層の次にどの階層を閲覧するのかを予測する。ここで、ユーザ別時間別に階層を閲覧する確率がロジット・モデルより得られるので、ユーザ別時間別に閲覧確率が最も高い階層を閲覧すると仮定する。
【００３４】
なお、一致率は、全予測閲覧ページのうち、予測閲覧ページと現実の閲覧ページが一致している確率を一致率として計算した。また、全階層が９つであるので、全くランダムに閲覧階層を予測した場合には一致率は１／９＝０．１１１になる。ランダムに予測した場合に比べてどれくらい予測力があるのかを、モデルによる予想結果の一致率で把握した。得られた結果を表４に示す。結果は、不正解率が０．５９３、一致率は０．４０６５（１／９＝０．１１１）であった。なお、本実施形態では全階層が９つであるため、階層を分類することを行わなかったが、ページ数が増加した場合は類似するページで分類し、取り扱う階層の増加を抑制することが好適である。
【表４】
【００３５】
さらに、表５に予測された階層毎の件数と比率を示す。
【表５】
【００３６】
以上のことから、以下の（ａ）〜（ｃ）の３つの特性を読み取ることが可能となる。つまり、離散選択モデルによるユーザ特性は、（ａ）サイト内では同一階層内、あるいは上から下への階層へは効用が高くなるが、下から上への階層へは効用が高くならない。（ｂ）「カート」への効用が最も高くなるのは、サイトへの訪問が複数回ある閲覧者である。（ｃ）複数回の訪問、閲覧ページ数の増加、検索エンジンを利用した訪問では「商品一覧２」「商品詳細」「詳細写真」「カート」への効用がプラスに働く。
【００３７】
（７）検索エンジン入力キーワードと閲覧行動の関係
上述したように、検索キーワードとして入力したワードによって閲覧行動が特徴付けられる。例えば、検索エンジンに「デュポンライター」と入力したユーザが、検索エンジンからのリンクにより商品を見つけ、「商品一覧表示」→「商品詳細表示」→「商品をカートに入れる」→「カート精算」と閲覧する場合について説明する。
【００３８】
図５は、本発明の実施形態に係る検索キーワードと閲覧行動の関係を示す出力結果を示す画面イメージ図である。このイメージ図は、検索キーワードと閲覧行動を１つの文章と考え、この文章をテキストマイニングで分析した。テキストマイニングの解析ツールとしてＫｅｙＧｒａｐｈ（チャンス発見コンソーシアム）を利用して１つの文章の中で単語のつながり分析した。
【００３９】
図５において、楕円で囲んだ領域（以下、島という。）は共起頻度が高いノードの集まりで、各ノードの下に閲覧行動を［］で囲んで表記した。図中、中黒ノードは、既によく出現している単語であり、白丸ノードは、これから出現する可能性が高い単語であり、黒丸ノードは、共起頻度は低いがそのノードがあることによって、他のノード同士が共起する頻度が高くなる単語である。また、黒丸ノードは、島と島をつなぐノードである。
【００４０】
図５に示した表示方法を用いることにより、一見すると何も関連がないと思われる「デュポン」、「ポールスミス」に関連するリンクと、階層の移動の導線に改善の余地があることが分かり、売れるものをより売れるようにする仕組みが必要となった。そこで、図１に示すログ解析サーバ２０で解析処理を実行させてウェブサーバ１０のページ更新のための処理プログラムを作成して閲覧行動の予測を実施した。
【００４１】
図２は、本発明の実施形態に係るウェブサーバのページ更新処理の流れを示すメッセージタイヤグラム図である。左からユーザ端末３１、ウェブサーバ１０、ログ解析サーバ２０を示し、各々の処理の流れを説明する。
【００４２】
最初に、ユーザ端末３１がＥＣサイトであるウェブサーバ１０にアクセス（ステップＳ１０）すると、ウェブサーバ１０は、ユーザ毎の訪問回数、ページ閲覧総数、どこからどこへ移動したのかなどのユーザ属性をログ解析サーバ２０に送信する（ステップＳ１２）。
【００４３】
送信されたユーザ属性はログ解析サーバ２０で受信され、複数の解析対象サイトのログをアクセスログＤＢ２２に記憶し、さらに、アクセスされたサイトのコンテンツデザイン、リンクデザイン、キーワードデザイン、ページデザインなどの情報を収集し、コンテンツデザインＤＢ２４，リンクデザインＤＢ２５，キーワードデザインＤＢ２６及びページデザインＤＢ２７に記憶して、ページ更新の基礎データを収集する（ステップＳ１４）。
【００４４】
次に、アクセスログＤＢ２２に記憶されたユーザ属性をユーザ毎に取得する（ステップＳ１６）。取得されたユーザ属性に基づいて離散選択モデルを応用し、よくある閲覧行動の傾向、遷移頻度の高い経路情報を取得する（ステップＳ１８）。さらに、コンバージョン率を高めるため、現在のアクセスの次にアクセスする可能性の高いページを解析し、売れるモノをより売るためにリンク、ページデザイン（具体的には、商品の表示場所、陳列順、画像の大きさ等を含む）、検索キーワード、コンテンツ等の改善指令（指令又はリコメンド）を予め記憶してある定型パターンから決定する（ステップＳ２０）。
【００４５】
次に、決定された改善指令をウェブサーバに送信する（ステップＳ２２）。ウェブサーバは、送信された改善指令に基づいて更新処理を行う。更新処理は、例えば、結果的にアクセス率を高め、コンバージョン率を高めることができるような誘導経路を確保するために、リンクを押しやすい箇所にレイアウトして、表示をさせる（ステップＳ２４）。その後、ユーザは修正されたウェブページによりサイトから情報を取得する（ステップＳ２６）。
【００４６】
図３は、本発明の実施形態に係るリンク及びページデザイン修正情報作成の処理の流れを示すフローチャート図である。図は、離散選択モデルを応用したリンクデザインと、ページデザインの修正を行う処理を示している。
【００４７】
最初に、解析対象サイトのログを収集し（ステップＳ３０）、ユーザ毎の閲覧行動を取得するために、ユーザ毎の訪問回数、ページ閲覧総数、どこからどこへ移動したのかなどのユーザ属性を取得し、それぞれのページを機能又は小グループの階層に分類してユーザ毎の閲覧行動を取得する（ステップＳ３２）。
【００４８】
次に、離散選択モデルを応用し、ユーザの閲覧行動により、よくある閲覧行動の傾向、遷移頻度の高い経路情報を取得する（ステップＳ３４）。得られた閲覧行動の傾向に応じて、サイト全体の構造をコンテンツデザインＤＢ２４などから呼び出して確認するループ処理を行う（ステップＳ３６〜Ｓ４６）。ステップＳ３８において、頻度の高い経路は実際に遷移しやすいサイトフローになっているかを判断し、もし、遷移しにくい（例えば、遷移のための階層が多い又は深い）場合にはリンクデザインの修正データを作成する（ステップＳ４０）。なお、修正が不要な場合はスキップする。
【００４９】
ステップＳ４２において、予め記憶されているページデザインと大幅に異なるページデザインのページであるかを判断し、もし、デザインの修正が必要である場合には、ページデザインの修正データを作成する（ステップＳ４４）。なお、修正が不要な場合はスキップする。
【００５０】
以上の処理がサイト全体の構造に対して実施された（ステップＳ４６）後は、解析結果をウェブサーバに送信（ステップＳ４８）して処理を終える。
【００５１】
図５は、本発明の実施形態に係る検索キーワードと閲覧行動の関係を示す出力結果を示す画面イメージ図である。図は、検索キーワードとして入力したワードによって閲覧行動を予測してリンクデザインと、ページデザインの修正を行う処理を示している。
【００５２】
最初に、解析対象サイトのログを収集する（ステップＳ５０）。さらにユーザ毎の閲覧行動を取得（ステップＳ５２）して、検索エンジンからの閲覧行動のみ抽出する（ステップＳ５４）。抽出された検索キーワードと閲覧行動を１つの文章ととらえ、テキストマイニングで分析し、キーワード閲覧行動のそれぞれの関係性を示す共起頻度の高さを取得する（ステップＳ５６）。
【００５３】
得られた閲覧行動の共起頻度に応じて、サイト全体の構造をコンテンツデザインＤＢ２４などから呼び出して確認するループ処理を行う（ステップＳ５８〜Ｓ６８）。ステップＳ６０において、共起頻度の高いページ間でリンクがあるかを判断し、もし、遷移しにくい（例えば、遷移のための階層が多い又は深い）場合にはリンクデザインの修正データを作成する（ステップＳ６２）。なお、修正が不要な場合はスキップする。
【００５４】
ステップＳ６４において、検索エンジンにより認識可能なコンテンツに関連キーワードが含まれているかを判断し、もし含まれていない場合にはコンテンツの内容を修正して、キーワードを含む形式とする修正データを作成する（ステップＳ６６）。なお、修正が不要な場合はスキップする。
【００５５】
以上の処理がサイト全体の構造に対して実施された（ステップＳ６８）後は、解析結果をウェブサーバに送信（ステップＳ７０）して処理を終える。
【００５６】
以上、上述したように本発明の実施形態によれば、離散選択モデルと共起頻度による解析手法を用いることで、複数の業界における複数のウェブサイトを訪れるユーザに応じて更新すべきページに関する情報を得ることが可能となり、さらに、ページ修正データにより自動更新が可能となるという効果がある。
【００５７】
また、更新すべきページの特定の為に、離散選択モデルと検索キーワードに対するページ閲覧との共起頻度により特定時刻のユーザの振る舞いを予測することが可能になるという効果もある。
【００５８】
なお、本実施形態では、ログ解析サーバにウェブサーバのページ更新解析を行わせたが、ページ更新解析は、ログ解析サーバに限定するものではなく、ウェブサーバ又はクライアントコンピュータで実行させても好適である。解析項目として離散選択モデルと共起頻度の他に、時間・日付・曜日、滞在時間、リンク元、動線（経路）などを加味しても好適に処理可能である。また、ウェブサーバのページ更新以外にもこのような技術が応用できることは言うまでもない。
【図面の簡単な説明】
【００５９】
【図１】本発明の実施形態に係るウェブサーバのページ更新に用いられるサーバを含む全体構成を示す構成図である。
【図２】本発明の実施形態に係るウェブサーバのページ更新処理の流れを示すメッセージタイヤグラム図である。
【図３】本発明の実施形態に係るリンク及びページデザイン修正情報作成の処理の流れを示すフローチャート図である。
【図４】本発明の実施形態に係る検索キーワードと閲覧行為に着目してリンク及びコンテンツ内容の修正情報を作成する処理の流れを示すフローチャート図である。
【図５】本発明の実施形態に係る検索キーワードと閲覧行動の関係を示す出力結果を示す画面イメージ図である。
【符号の説明】
【００６０】
１０ ウェブサーバ、１１ ホームページ、１２ ページ、２０ ログ解析サーバ、２１ 制御部、２２ アクセスログＤＢ、２３ ユーザ動向ＤＢ、２４ コンテンツデザインＤＢ、２５ リンクデザインＤＢ、２６ キーワードデザインＤＢ、２７ ページデザインＤＢ、３０ インターネット、３１ ユーザ端末、３２ 検索エンジン。
【特許請求の範囲】
【請求項１】
複数のページを公開するウェブサーバと、ユーザ端末のページ閲覧を検知するために各ページに埋め込まれたウェブビーコン手段と、を含むウェブ環境において、ウェブビーコン手段によって検出されたページ閲覧情報を収集してウェブサーバのページ更新のための情報を解析するサーバであって、
ユーザ端末のページ閲覧情報を取得する閲覧情報取得手段と、
取得されたページ閲覧情報の各ページを所定の階層に分類し、ユーザ端末毎のページ閲覧行動を階層と時系列で表現される階層閲覧情報に変換する階層情報変換手段と、
階層閲覧情報から閲覧された階層一覧を取得する階層取得手段と、
ユーザ端末によって任意の時刻毎に判断される価値判断がその時点で効用又は価値の最も高い対象により判断される離散選択モデルを用いて、各階層のリンク属性を示す階層属性とユーザ端末の閲覧行動を示すユーザ端末属性から効用値を算出する効用値算出手段と、
効用値算出手段で得られた効用値に基づいて任意時刻にユーザ端末が閲覧しているページの階層から次にどの階層を閲覧するかを予測する階層閲覧予測手段と、
を備えることを特徴とするサーバ。
【請求項２】
請求項１に記載のサーバにおいて、
階層閲覧予測手段で予測された情報と、ウェブサイトの訪問者数に対する、そのサイトで商品を購入したり会員登録などを行ったりする人の割合であるコンバージョン率と、検索キーワードと閲覧行動情報を隣り合った文字列または単語の組み合わせで得られる共起頻度と、に基づいてリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つのページ修正情報を生成するページ修正手段を有することを特徴とするサーバ。
【請求項３】
複数のページを公開する請求項２に記載のサーバにおいて、
ウェブサーバのページ更新に用いられるサーバのページ修正手段で得られた情報に基づいてページのリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つを修正することを特徴とするサーバ。
【請求項４】
ウェブサーバにアクセスするユーザ端末のページ閲覧情報に基づいてウェブサーバのページ更新を行うページ更新方法であって、
ユーザ端末のページ閲覧情報を取得する閲覧情報取得工程と、
取得されたページ閲覧情報の各ページを所定の階層に分類し、ユーザ端末毎のページ閲覧行動を階層と時系列で表現される階層閲覧情報に変換する階層情報変換工程と、
階層閲覧情報から閲覧された階層一覧を取得する階層取得工程と、
ユーザ端末によって任意の時刻毎に判断される価値判断がその時点で効用又は価値の最も高い対象により判断される離散選択モデルを用いて、各階層のリンク属性を示す階層属性とユーザ端末の閲覧行動を示すユーザ端末属性から効用値を算出する効用値算出工程と、
効用値算出工程で得られた効用値に基づいてユーザ端末が任意時刻に閲覧しているページの階層から次にどの階層を閲覧するかを予測する階層閲覧予測工程と、
を含むことを特徴とするページ更新方法。
【請求項５】
請求項４に記載のページ更新方法において、
階層閲覧予測工程で予測された情報と、
ウェブサイトの訪問者数に対する、そのサイトで商品を購入したり会員登録などを行ったりする人の割合であるコンバージョン率と、
検索キーワードと閲覧行動情報を隣り合った文字列または単語の組み合わせで得られる共起頻度と、
に基づいてページのリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つを修正することを特徴とするページ更新方法。
【請求項１】
複数のページを公開するウェブサーバと、ユーザ端末のページ閲覧を検知するために各ページに埋め込まれたウェブビーコン手段と、を含むウェブ環境において、ウェブビーコン手段によって検出されたページ閲覧情報を収集してウェブサーバのページ更新のための情報を解析するサーバであって、
ユーザ端末のページ閲覧情報を取得する閲覧情報取得手段と、
取得されたページ閲覧情報の各ページを所定の階層に分類し、ユーザ端末毎のページ閲覧行動を階層と時系列で表現される階層閲覧情報に変換する階層情報変換手段と、
階層閲覧情報から閲覧された階層一覧を取得する階層取得手段と、
ユーザ端末によって任意の時刻毎に判断される価値判断がその時点で効用又は価値の最も高い対象により判断される離散選択モデルを用いて、各階層のリンク属性を示す階層属性とユーザ端末の閲覧行動を示すユーザ端末属性から効用値を算出する効用値算出手段と、
効用値算出手段で得られた効用値に基づいて任意時刻にユーザ端末が閲覧しているページの階層から次にどの階層を閲覧するかを予測する階層閲覧予測手段と、
を備えることを特徴とするサーバ。
【請求項２】
請求項１に記載のサーバにおいて、
階層閲覧予測手段で予測された情報と、ウェブサイトの訪問者数に対する、そのサイトで商品を購入したり会員登録などを行ったりする人の割合であるコンバージョン率と、検索キーワードと閲覧行動情報を隣り合った文字列または単語の組み合わせで得られる共起頻度と、に基づいてリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つのページ修正情報を生成するページ修正手段を有することを特徴とするサーバ。
【請求項３】
複数のページを公開する請求項２に記載のサーバにおいて、
ウェブサーバのページ更新に用いられるサーバのページ修正手段で得られた情報に基づいてページのリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つを修正することを特徴とするサーバ。
【請求項４】
ウェブサーバにアクセスするユーザ端末のページ閲覧情報に基づいてウェブサーバのページ更新を行うページ更新方法であって、
ユーザ端末のページ閲覧情報を取得する閲覧情報取得工程と、
取得されたページ閲覧情報の各ページを所定の階層に分類し、ユーザ端末毎のページ閲覧行動を階層と時系列で表現される階層閲覧情報に変換する階層情報変換工程と、
階層閲覧情報から閲覧された階層一覧を取得する階層取得工程と、
ユーザ端末によって任意の時刻毎に判断される価値判断がその時点で効用又は価値の最も高い対象により判断される離散選択モデルを用いて、各階層のリンク属性を示す階層属性とユーザ端末の閲覧行動を示すユーザ端末属性から効用値を算出する効用値算出工程と、
効用値算出工程で得られた効用値に基づいてユーザ端末が任意時刻に閲覧しているページの階層から次にどの階層を閲覧するかを予測する階層閲覧予測工程と、
を含むことを特徴とするページ更新方法。
【請求項５】
請求項４に記載のページ更新方法において、
階層閲覧予測工程で予測された情報と、
ウェブサイトの訪問者数に対する、そのサイトで商品を購入したり会員登録などを行ったりする人の割合であるコンバージョン率と、
検索キーワードと閲覧行動情報を隣り合った文字列または単語の組み合わせで得られる共起頻度と、
に基づいてページのリンク、ページデザイン、検索キーワード、コンテンツの少なくとも１つを修正することを特徴とするページ更新方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図２】
【図３】
【図４】
【図５】
【公開番号】特開２００６−３２３６２９（Ｐ２００６−３２３６２９Ａ）
【公開日】平成１８年１１月３０日（２００６．１１．３０）
【国際特許分類】
【出願番号】特願２００５−１４６２８４（Ｐ２００５−１４６２８４）
【出願日】平成１７年５月１９日（２００５．５．１９）
【出願人】（３０００６４１０２）株式会社環 (7)
【出願人】（５０５１８４４５８）
【Ｆターム（参考）】
【公開日】平成１８年１１月３０日（２００６．１１．３０）
【国際特許分類】
【出願日】平成１７年５月１９日（２００５．５．１９）
【出願人】（３０００６４１０２）株式会社環 (7)
【出願人】（５０５１８４４５８）
【Ｆターム（参考）】
[ Back to top ]