WO2001048646A1

WO2001048646A1 - Systeme de gestion de publicite utilisant un modele de portefeuille de publicites

Info

Publication number: WO2001048646A1
Application number: PCT/JP2000/009280
Authority: WO
Inventors: Ken Aihara; Norio Hibiki
Original assignee: Dentsu Inc.
Priority date: 1999-12-27
Filing date: 2000-12-27
Publication date: 2001-07-05
Also published as: US20060031107A1; NO20023067L; RU2233479C2; NO20023067D0; AU781572B2; AU2226801A; EP1244036A4; IL150375A0; US20030065603A1; HK1051583A1; EP1244036A1; CN1433552A; KR20030004313A; RU2002117051A; CA2405003A1

Description

明細書広告ポートフォリォモデルを利用した綜合広告管理システム

技術分野

本発明は、広告ポートフオリォモデル、広告ポートフオリォモデルを利用した綜合広告リスク管理システム、及び広告ポートフオリォモデルを利用した投資判断方法に関する。景技

従来、広告主は、その広告戦略に棊づいて、広告予算、広告実施の期間、広告投下量、使用する広告媒体と広告商品、 C Mなどの広告素材とその出稿パターン等の基本条件に広告主特有の判断因子となる使用広告媒体の選別や広告商品と企業イメージ、商品イメージ等との整合性、広告主が許容できる広告効率（広告費用と視聴率などの各種調査データからの算出）の基準値、広告媒体と接触した消費者の反応率（アンケートや資料請求の回収率、商品購入率等）や各種サンプノレ調査から統計的に求められる調査データ（リーチ &フリクェンシ、注目率、認知率等）の数値から広告主が設定した広告効果の目標値などの条件を加味して、実際の番組購入を判断している。

従来の広告商品購入に関する最適化モデルは、視聴率や購読率など、広告媒体個別の統計データを分析することにより、広告計画を提供するように開発されたものであった。

しかしながら、上述した従来の広告商品購入に関する最適化モデルでは、広告商品と広告主との関係や統計調査対象外の評価項目を加味したような広告主別の広告計画を提供することができなかった。

また、従来の広告購入に関する最適ィ匕モデルは、一般的な視聴率や購読率などのサンプル調査による各種統計データを分析するために開発されたものであり、その結果、広告主別にカス夕マイズした広告効果の評価軸とその評価基準を提供することができなかった。

更に、従来では、広告商品購入に関して、リスク判定の指標が存在しなかったので、広告取引におけるリスクを軽減する広告商品の開発ができなかった。発明の開示

本発明の目的は、上述した従来の技術における問題点に鑑み、最適な広告商品の組合せを構成する広告ポートフオリォモデルを提供することにある。

本発明の上述した目的は、広告商品が広告実施期間中に一定の確率で被る最大予想損失額を統計的に表示する指標となる綜合広告リスク管理指数を定める関係式を導き、広告商品の観測データから広告商品の相関係数デ一夕を複数算出し、綜合広告リスク管理指数を定める関係式及び複数の相関係数データ又は間接的に相関関係を考慮した観測データに基づいて広告商品の効果、効率及びリスクの少なくとも一つを分析するために広告商品の最適な組み合わせを形成する広告ポートフオリォモデルによって達成される。

本発明の広告ポートフォリオモデルでは、広告商品は、少なくとも二つまたはそれ以上の異なる広告商品から構成してもよい。

本発明の広告ポートフオリォモデルでは、広告商品は、少なくとも一つの広告派生商品を含むように構成してもよい。

本発明の広告ポートフォリオモデルでは、広告派生商品は、個別の広告取引におけるリスクを判定すると共に、個別の広告取引におけるリスクを軽減するように構成してもよい。

また、本発明の目的は、上記広告ポートフォリオを利用して広告主が所有する広告商品に対する総合的な投資判断を行うことができる綜合広告リスク管理システムを提供することにある。

本発明の上述した目的は、広告商品の効果、効率及びリスクの少なくとも一つを分析するために最適な広告ポートフォリオモデルを用いた綜合広告リスク管理システムであって、綜合広告リスク管理指数を算出する際に必要な設定条件を入力するための入力手段と、入力手段により入力された設定条件に従って過去の観測データから広告効果及び広告効率に関する複数の数値を算出し、購入広告商品データから広告商品の複数の相関係数デ一夕を算出することにより、複数の広告ポートフオリォモデルを生成するモデル生成手段と、生成された複数の広告ポートフオリォモデルを広告商品の提供期間中の実デ一夕と比較して複数の広告ポートフオリォモデルが現実の状態に適合するか否かを検証する検証手段と、検証手段による検証結果に基づいて複数の広告ポートフオリォモデルから広告商品のリクス分析及び効果分析に対して最適な広告ポ一トフオリォモデルを選択する選択手段とを備えている広告ポ一トフオリォモデルを利用した綜合広告リスク管理システムによって達成される。

本発明の広告ポートフオリォモデルを利用した綜合広告リスク管理システムでは、広告商品は、少なくとも二つまたはそれ以上の異なる広告商品から構成してもよい。

本発明の広告ポートフオリォモデルを利用した綜合広告リスク管理システムでは、広告商品は、少なくとも一つの広告派生商品を含むように構成してもよい。本発明の広告ポートフオリォモデルを利用した綜合広告リスク管理システムでは、広告派生商品は、個別の広告取引におけるリスクを判定すると共に、個別の広告取引におけるリスクを軽減するように構成してもよい。

本発明の広告ポートフオリォモデルを利用した綜合広告リスク管理システムでは、広告効果及び広告効率に関する複数の数値は、視聴率、コスト ·パー · ミル

( C P M) 、リーチ、フリクエンシー、認知に関する数値の二つ又はそれ以上の数値であるように構成してもよい。

更に、本発明の目的は、上記広告ポートフォリオを利用して広告主が所有する広告商品に対する総合的な投資判断を行うための投資判断方法を提供することにある。

本発明の上記目的は、綜合広告リスク管理指数を算出する際に必要な設定条件を入力し、入力された設定条件に従って過去の観測デ一夕から広告効果及び広告効率に関する複数の数値を算出し、購入した広告商品の広告商品データから広告商品の複数の相関係数データを算出し、算出結果に基づいて複数の広告ポートフォリォモデルを生成し、生成された複数の広告ポートフオリォモデルを購入した広告商品の提供期間中の実データと比較し、比較結果に基づいて複数の広告ポートフオリォモデルが現実の状態に適合するか否かを検証し、検証結果に基づいて複数の広告ポートフオリォモデルから購入した広告商品のリクス分析及び効果分祈に対して最適な広告ポートフォリオモデルを選択する段階を具備する広告ポートフオリォモデルを利用した投資判断方法によって達成される。

本発明の広告ポートフオリォモデルを利用した投資判断方法では、広告商品は、少なくとも二つまたはそれ以上の異なる広告商品から構成してもよい。

本発明の広告ポートフオリォモデルを利用した投資判断方法では、広告商品は、少なくとも一つの広告派生商品を含むように構成してもよい。

本発明の広告ポートフオリォモデルを利用した投資判断方法では、広告派生商品は、個別の広告取引におけるリスクを判定すると共に、個別の広告取引におけるリスクを軽減するように構成してもよい。

本発明の広告ポートフオリォモデルを利用した投資判断方法では、広告効果及び広告効率に関する複数の数値は、視聴率、コスト 'パー ' ミル、リーチ、フリクエンシー、認知に関する数値の二つ又はそれ以上の数値であるように構成してもよい。図面の簡単な説明

図 1は、本発明の綜合広告リスク管理システムの一実施例の構成を示すプロック図である；

図 2は、図 1の綜合広告リスク管理システムによる検証結果デ一夕の一例を示す図である；

図 3 ( a ) は、図 1の綜合広告リスク管理システムの処理動作を説明するためのフロー図である；

図 3 ( b ) は、図 1の綜合広告リスク管理システムの処理動作を説明するためのフロー図である；図 3 ( c ) は、図 1の綜合広告リスク管理システムの処理動作を説明するためのフ口一図である；

図 4 ( a ) は、図 1の綜合広告リスク管理システムの利用者購入条件入力部から入力される項目の一例を示す図である；

図 4 ( b ) は、図 1の綜合広告リスク管理システムの利用者購入条件入力部から入力される項目の一例を示す図である；

図 4 ( c ) は、図 1の綜合広告リスク管理システムの利用者購入条件入力部から入力される項目の一例を示す図である；

図 5は、図 1の綜合広告リスク管理システムの利用者設定条件入力部から入力される項目の一例を示す図である；

図 6は、図 1の綜合広告リスク管理システムにより生成されるモデル毎の A R 指数値及び実損益額を時系列で示すグラフである；

図 7は、図 2の検証結果デ一夕を整理 '編集したもので、最適広告ポートフォリォモデルの順に表示した表である。発明を実施するための最良の形態

以下、本発明の実施の形態を、図面を参照して詳細に説明する。

図 1は、本発明の綜合広告リスク管理システムの好ましい実施の形態の構成を概略的に示すブロック図である。

利用者購入条件入力部 1 0は、広告商品の購入者である広告主が広告商品の効果ゃ効率などの定量的、定性的な評価軸を設定条件の中から選択し、その選択した評価軸に対して、重視したい項目の程度に合わせて重みを入力したデータを示す利用者購入条件 1 1を入力するように構成されている。

広告商品データ記憶部 2 0は、番組データ 2 1、編成データ 2 2、販売データ 2 3、番組評価データ 2 4及び広告効果データ 2 5を記憶する。番組データ 2 1 は、番組名、番組ジャンル、番組内容、出演者、制作プロダクションなどを示すものである。編成データ 2 2は、番組放送日、番組放送時間などを示すものである。販売データ 2 3は、販売日数（実営業日数）、 C M放送日、 C M放送時間、総 C M秒数、空き C M秒数、共同提供広告主リストおよび販売制約業種（競合業種）、広告期間および販売制約条件（曜日売り ·ベルト売り ·スポット売り、 6 0秒提供のみ ' 30秒提供のみ、提供クレジット表示のみ、など）、単位 CM秒数当たりの広告料金などを示すものである。番組評価データ 24は、番組ソフトや CM素材に関する評価データであり、特定の評価軸について広告主および視聴者への調査から求めた格付けデータ（例えば、ある番組や CM素材の内容について「環境問題など社会的な意義のある番組であるか」という質問に対して、 5段階で評価してもらい、その評価に合わせたボイントを与えることで番組ソフトゃ CM素材に対する格付けを行うというもの）を示す。広告効果デ一夕 25は、視聴率モニタの個標デ一夕から算出したリーチ、フリクェンシ等のような視聴状況の統計デ一夕を示すものである。

番組組み合せ処理部 30は、利用者購入条件入力部 10により利用者が指定又は入力した条件、即ち、利用者購入条件 1 1の範囲内で、広告商品データ記憶部 20に記憶されている番組データ 21、編成デ一夕 22、販売データ 23、番組評価データ 24及び広告効果データ 25の各データに基づき、広告商品の組み合わせである「広告ポートフォリオ」（詳細は後述する）を作成する。

マ一ケットデ一夕記憶部 40は、「総合広告リスク管理指数」 AR (Advertis ement Risk measure) (詳細は後述する：以下、 AR指数と称する場合もある ) を算出するために必要な巿場デ一夕（テレビ放送の広告商品に関しては、過去の視聴率デ一夕と単位 CM秒、数当たりの広告料金から算出した C PMなど）を示すマーケットデ一夕 41を記憶する。

保有広告商品データ記憶部 50は、広告主の保有する先物、オプション、スヮップといった広告派生商品を含む広告商品データを示す保有広告商品データ 51 を記憶する。保有広告商品データ 51は、例えば、番組提供の場合、（約定日： 99/02/20、区分：タイム現物、種類：レギュラー、期間： 6ヶ月、放送局区分： TBS、放送開始日： 99/04/05、放送終了日： 99/09/2 5、放送開始時間： 21 : 00、放送終了時間： 21 : 54、提供秒数区分： 6 0秒、提供表示区分：有、売買区分：買、提供秒数： 120秒、約定価格： 40 0 0万円）等の内容を有する。

利用者設定条件入力部 6 0は、広告主等の利用者が AR指数算出の際に設定する条件を入力するためのものであり、 1 . A R指数算出対象期間及びデ一夕観測期間、 2 . データ補完方法、 3 . 特異値 · トレンドの除去の有無、 4 . ボラティリティ ·相関係数の算出方法、及び 5 . 感応度の計測方法をそれそれ入力するように構成されている。なお、利用者が利用者設定条件入力を行わない場合、即ち、条件を設定しない場合には、デフォルトとして与えられている条件を用いるものとする。

再び、図 1に戻って説明を続ける。

AR指数算出処理部 7 0は、マーケットデータ記憶部 4 0、保有広告商品デー夕記憶部 5 0、利用者設定条件入力部 6 0からそれそれデ一夕を入力し、番組組み合せ処理部 3 0で選択された全ての番組組み合せデータに基づいて、広告主の保有する先物やオプションといった広告派生商品を含む広告商品の価値が保有期間中に一定の確率で被る最大予想損失額を統計的に表示した値（例えば、 2 6 , 8 5 2 , 3 5 0円など）を示す A R指数データ 7 1を出力する。

AR指数データ記憶部 8 0は、上記 AR指数算出処理部 7 0によって、広告主の保有する広告派生商品を含む広告商品の価値が保有期間中に一定の確率で被る最大予想損失額を統計的に表示した A R指数データ 7 1 (例えば、 2 6 , 8 5 2 , 3 5 0円など）を記憶する。

実損益データ記憶部 9 0は、広告主の保有する広告派生商品を含む広告商品を売買することで発生する実際の損益額デ一夕（例えば、 2 5， 7 8 2 , 5 4 0円など）を示す実損益データ 9 1を言己憶する。実損益データ 9 1の算出は、広告主が広告商品を購入する際に指標とした視聴率などの各種調査データと、実際に放送終了時点で観測されたデ一夕との乖離を求め、この予測（契約時）データと実 (放送終了時）データの乖離が、広告主が所有する広告商品の価値にもたらす実損益を算出することにより行われる。即ち、実損益デ一夕 9 1は、広告主が広告商品を購入する際に指標とした視聴率などの各種調査データと実際に放送終了時点で観測されたデータとの乖離を求め、この求めた乖離が広告主の所有する広告商品の価値にもたらす実損益を算出することによって得られる。

比較検証処理部 1 0 0は、実損益データ記憶部 9 0に記憶されている実損益デ —夕 9 1及び上記 AR指数デ一夕記憶部 8 0に記憶されている AR指数データ 8 1を入力して、「総合広告リスク管理指数と広告ポートフォリオ理論の関係」（詳細は後述する）を用いて比較検証し、その比較検証の結果に基づいて、実損益データの値が上述のようにして求めた全ての AR指数データ 8 1の値を超過する回数を計測した検証結果データ 1 0 1を出力する。

検証結果データ記憶部 1 1 0は、上記比較検証処理部 1 0 0から出力される検証結果デ一夕 1 1 0を記憶する。

図 2に示すように、上記検証結果デ一夕 1 0 1は、利用者購入条件から求めた番組購入のポートフォリオ 'モデル 1 0 2 (①、 ②、 ③…）、検証の対象となる AR指数モデルの利用者の設定条件 1 0 3、 AR指数算出期間における AR指数値 1 0 4、 A R指数算出期間の計測日数 1 0 5、実損益 1 0 6、 A R指数超過回数 1 0 7及び最適と考えられるモデルの順位 1 0 8によって構成される。これらの詳細な内容については、後述する。

次に、図 3 ( a ) 〜図 3 ( c ) のフロー図を参照して、図 1のシステムの動作を説明する。

上記利用者購入条件 1 1を図 1の利用者購入条件入力部 1 0から入力し（ステップ S 1 ) 、上記番組データ 2 1、上記編成データ 2 2、上記販売デ一夕 2 3、上記番組評価データ 2 4及び上記広告効果デ一夕 2 5の各広告商品データを図 1 の広告商品デ一夕記憶部 2 0に記憶する（ステップ S 2 ) 。

また、上記利用者購入条件入力部 1 0から入力された上記利用者購入条件 1 1 の範囲内で、上記広告商品データ記憶部 2 0に記憶されている上記番組データ 2 1、上記編成データ 2 2、上記販売デ一夕 2 3、上記番組評価デ一夕 2 4及び上記広告効果データ 2 5の各データに基づき、図 1の広告商品組合せ処理部 3 0で広告ポートフォリオを作成する（ステップ S 3 ) 。

更に、上記マ一ケットデ一夕 4 1を図 1のマーケットデ一夕記憶部 4 0に記憶し（ステップ S 4 ) 、上記保有広告商品データ 5 1を図 1の保有広告商品デ一夕記憶部 5 0に記憶し（ステップ S 5 ) 、上記利用者設定条件入力 6 1を図 1の利用者設定条件入力部 6 0から入力する（ステップ S 6 ) 。

但し、上記ステップ S 1及びステップ S 6において、利用者が上記利用者購入条件 1 1及び/又は上記利用者設定条件 6 1の入力が行われていないと判断した場合には、デフォルトとして与えられている条件を入力する（ステップ S 7 ) 。次いで、図 1のマーケットデータ記憶部 4 0、保有広告商品デ一夕記憶部 5 0 、利用者設定条件入力部 6 0からそれそれデータを入力し（ステップ S 8 ) 、図 1の広告商品組み合せ処理部 3 0で作成された上記広告ポートフォリオに基づいて、広告主の保有する広告派生商品を含む広告商品の価値が保有期間中に一定の確率で被る最大予想損失額を統計的に表示した上記 AR指数データ 7 1を図 1の AR指数算出処理部 7 0で算出して出力する（ステップ S 9 ) 。

また、上記 A R指数算出処理部 7 0から出力された上記 A R指数データ 7 1を図 1の AR指数データ記憶部 8 0に記憶し（ステップ S 1 0 ) 、広告主が広告商品を購入する際に指標とした視聴率等の各種調査データと実際に放送終了時点で観測された観測データとの乖離を求め、この求めた乖離が広告主の所有する広告商品の価値にもたらす損益に基づいて、広告主が保有する広告商品を売買することより発生する実際の実損益データ 9 1を算出し（ステップ S 1 1 ) 、算出した損益額データ 9 1を図 1の実損益デ一夕記憶部 9 0に記憶し（ステップ S 1 2 ) する。

次いで、図 1の実損益データ記憶部 9 0に記憶されている上記実損益データ 9 1及び図 1の A R指数デ一夕記憶部 8 0に記憶されている上記 A R指数デ一夕 8 1を図 1の比較検証処理部 1 0 0に入力し（ステップ S 1 3 ) 、後述する総合広告リスク管理指数と広告ポートフオリォ理論の関係を用いて比較検証処理部 1 0 0で比較検証する（ステップ S 1 4 ) 。

上記比較検証処理部 1 0 0による比較検証の結果に基づいて、実損益データの値が上述のようにして求めた全ての AR指数データ 8 1の値を超過する回数を計測し（ステ ^;ソプ S 1 5 ) 、その計測の結果を検証結果デ一夕 1 0 1として出力して表示する（ステップ S 1 6 ) 。そして、上記比較検証処理部 100から出力された上記検証結果データ 101 を図 1の検証結果デ一夕記憶部 1 10に記憶する（ステップ S 17) 。

以下、上記各動作を更に詳細に説明する。

まず、利用者は、図 1の利用者購入条件入力部 10から以下に示す利用者購入条件 1 1の各項目を入力する：

一 1. 広告予算

2. 購入期間

-3. エリァ指定

- 4. 放送時間指定

-5. 番組ジャンル指定

-6. 除外ジャンル指定

一 7. 番組区分指定

-8. CP M制限

- 9. 世帯視聴率制限

- 10. 個人視聴率制限

- 11. 目標総 GRP

— 12. CM素材タイプ

- 13. 契約夕レント

- 14. 番組評価基準ポイント

上記利用者購入条件は、広告主が広告商品を購入する際に、どのような基準で広告商品の価値を評価し、購入判断を行うかを予めシステムに入力することで、利用者購入条件に合致した広告商品を広告商品データ記憶部 20から複数検出し、これら広告商品を評価基準の高い順にリスト化するために必要なものである。上記広告予算は、広告主がある特定の期間中に広告商品の購入に使用することができる金額の上限であり、図 4 (a) に示すように、例えば 17億 5000万円と指定する。

上記購入期間は、この広告予算を行使できる期間のことであり、図 4 (a) に示すように、例えば 2001年 10月 5日〜 2002年 3月 25日と指定する上記エリア指定は、広告商品の属性指定の条件の一つであり、どこの地区において投下された広告商品を購入したいのかを、図 4 (a) に示すように、例えば関東地区、関西地区、中部地区と指定する。

上記放送時間指定及び夕イムランク指定は、購入したレ、広告商品の放送時間やタイムランクを、図 4 (a) に示すように、例えば、 ① 9 ： 00〜23 ： 30の範囲で、 16 ： 00〜17 ： 30を除く、 ②広告露出の本数シェア hや広告予算のシェア sを指定して、 Aランクタイム 20%、特 Bランクタイム 25%、 Bランクタイム 25%、 Cランクタイム 30%の配分と指定する。ここで、タイムランクとは、各放送事業者が定めた放送サービスの基本料金であり、通常、時間別に、 Aタイムランク、特 Bタイムランク、 Bタイムランク、 Cタイムランクと定められており、各タイムランクには、基本料金が定められている。

上記番組ジャンル指定及び上記除外ジャンル指定は、広告商品の内容がどのようなジャンルであれば購入し、どのようなジャンルであれば購入しないかという条件を指定する項目で、図 4 (a) に示すように、例えば、ドラマ/スポーツ/ ニュースは購入するが、アニメは外すと指定する。

上記番組区分指定は、購入したい番組の編成区分を指定する項目であり、図 4 (a) に示すように、例えばベルト番組： 1、テレコ番組： 2、箱番組： 3、特番： 4、インフォマーシャル： 5、通販： 6等の中から 3の箱番組を指定する。上記 CP M制限及び掛率制限は、購入する際のコスト判定の基準として、 ① C PMを用いる、 ②掛率（=買付け料金/基本料金）を用いる、 ③ Aタイムランク単価 CPMを用いる、等の条件を指定した後、図 4 (a) に示すように、具体的な数値の上限を CPM750円以下、掛率 25%以下、等のように指定する。上記世帯視聴率及び上記個人視聴率制限は、購入する際の目標平均視聴率の下限であり、図 4 (a) に示すように、例えば世帯視聴率 10. 5%、階層指定 M1/F 1で 8. 5%以上と指定する。なお、 CPM (コスト 'パー ' ミル）は、千世帯又は千人当たりの広告到達コストであり、これの同意義語として、 CP T (コスト 'パー 'サゥザント）がある。上記目標総 GRPは、上記購入期間中において購入した複数の番組の累計視聴率であり、図 4 (a) に示すように、例えば 20, 000%以上と指定する。上記 CM素材タイプ及び上記契約夕レントは、広告素材として使用する CMの内容や契約夕レントを入力することで、購入する番組と広告素材の内容及び契約夕レントの相関を評価し、自動的に広告商品データ記憶部 20から相関の高い番組を抽出するようにするために必要な入力項目であり、図 4 (a) に示すように、例えば、広告素材指定を CM素材の秒数やタイプ、及び契約夕レントを指定する。広告素材のタイプに関しては、番組データ 21との相関を計算できるように、後述する番組評価基準と同一のフォーマツ卜で予め入力しておくものとする。上記番組評価基準ポントは、図 4 (b) 及び図 4 (c) に示すように、番組を購入する際に、番組の内容について番組ジャンルだけではカバーできない細かな内容の評価について、予め広告主又は特定の視聴者が 2段階又は 5段階で評価することにより、番組毎に内容の格付けを行い、その格付け情報に基づいて、番組購入の判断指標とするために入力する情報である。これらは、広告主又は視聴者独自の番組評価デ一夕をもとに広告商品の購入を促すものであり、定性的な番組内容を定量化することにより定性的な条件を加味した広告商品の購入が可能になる。

ここで、再び処理の説明に戻る。

次に、利用者は、図 1の利用者設定条件入力部 60から以下に示す利用者設定条件入力 61の各項目を入力する：

61-0. A R指数算出対象期間

61— 1.デ一夕観測期間

6 1— 2.データの補完方法

61-3. 特異値 · トレンドの除去の有無

6 1-4. ボラティリティ ·相関係数の算出方法

6 1-5. 感応度の計測方法

上記の各項目の具体的な例としては、図 5に示すように、 AR指数算出対象期間 1998年 4月 5日〜 1998年 9月 25日、デ一夕観測期間 1997年 4月 5日〜 1998年 9月 25日を設定し（ステップ S 102) 、データ補完方法を、 ①補完しない、 ②線形補完方法、 ③スプライン補完方法の中から選択する（ここでは一例として線形補完法を選択）。そして、特異値、トレンド除去（特異値除去）の有無を、 ①行う（有り）、 ②行わない（無し）、から選択し（ここでは一例として②の「無し」を選択）、ボラティリティ ·相関係数算出方法を、例えば、 ①曰次算出、 ② 10曰間隔、 ③ 20日間隔、 ④ 30日間隔、から選択し（ここでは一例として①の日次算出を選択）、感応度測定方法から、 ① +側に l bp ( 1 b p = 0. 01%) 、 ②—側に 1 b p、 ③①②の差絶対値の平均、のいずれかを選択する（ここでは一例として①の +側に 1 b pを選択）。

利用者が選択しない項目があった場合には、利用者購入条件入力部 10及び/ 又は利用者設定条件入力部 60は、予め選択してある条件（デフォルト条件）を利用者購入入力 1 1及び/又は利用者設定条件入力 61として用いるように構成されている。なお、設定条件の選択により入力データ並びに出力データの形態に変化が生じないため、設定条件の選択は、全体の処理フローには影響を与えないことに留意されたい。

次に、以下に説明するように、選択されたパラメ一夕及び方法によって考えられうる全ての組み合わせについて複数の AR指数を算出する。

後述するように、広告商品がある期待値（テレビ広告の場合には期待視聴率）を下回ることによって被る可能性のある一定の信頼区間（confidence interval ) のもとでの CPMの最大損失額を「総合広告リスク管理指数」 AR (Advertis ement Risk measure) と定めた AR指数の定義により、ある番組の視聴率の標準偏差をび、正規分布に従う確率変数 Xに対する累積分布関数を N (X) とすると視聴率 Rひは、

― - 1

Rひ =R_一 N (1-α) σ

となるので、

AR二 CPMx 〔 [R一/ {R一— Ν (1—ひ） 1〕

= CPMx {Ν (1—ひ） } / { (R一/び） — N (l-α) } である。ここで、信頼区間とは、実際の視聴率がある確率でその区間内に入る区間のことをいう。例えば、期待視聴率が 10%、標準偏差 20%の広告商品を考えると、その視聴率が正規分布をしていれば、 95%の確率で、実嚓の視聴率は、ブラスマイナス 2シグマ（標準偏差）、即ち 10%— 2 x 20% =— 30%から 10 %+2 x 20% = + 50%の区間に入ることになる。言い換えると、 95%の信頼区間の下限は— 30%、上限は +50%であるということになる。

本発明による「広告ポートフォリオ」 y= ···, y_n) (詳細は後述する）全体の AR指数を算出するには、番組 Sjの視聴率の標準偏差をび j、正規分布に従う確率変数 X (=視聴率）に対する累積分布関数を N (X) とすると、広告ポートフオリォ全体の平均視聴率 R—_pは、

R— _p=∑_yjR— j ( j = 1， … ， n) (*) 広告ポートフオリォ全体の分散び _pは、

σ_ρ=∑∑ y j y_ka_{j k} (j = l， … ， n、 k= l， … ， ri) (**) となる（ただし、 r_{j k}は広告商品 jと広告商品 kの共分散： covariance) 。相関係数の定義より、広告商品 jと広告商品 kの相関係数をとすると次の関係が成立する：

ここで、上記 AR指数の定義より、 Rひ =R— _p、 r=cr_pとすると広告ポートフオリォ全体の A R指数 A R _pは

AR_P二 CPMx 〔 [R— _p/ {R~_p-N (1—ひ） σ_ρ} ] — 1〕

= CPMx {N ¹ (1一ひ） } / { (R— _p/cr_p) - N (1- ) }

である。，

上記の式から、広告ポートフォリオ全体の AR指数 AR_Pを最小化することは、広告ポートフォリオ全体の分散 cr_pを最小化することと同じなので、最適な広告ポートフォリオ y= (y₁₅ …， y_n) を求めることは、次の関係式を解くことと等価である：

minimize ∑∑ σ j _k y j y _k ( 1) subject to ∑R^— j y_d/∑ j ≥RE (2) W_L ≤∑P_jyj ≤W₀ (3) yj :整数変数（4) 以上の考察から、最適な広告ポートフォリオを求めることは、上記（*) 式のように y」をパラメ一夕とした広告商品 jの平均視聴率 R— jを観測データとして用いながら、上記（**) 式び _p=∑∑ yj y_kcTj_kを最小化するようなを上記（2)式〜上記（4)式の制約条件下で求めることになる。

上記（1)式からも明らかなように、最適広告ポートフォリオを求めるためには、広告商品 jと広告商品 kの共分散び _jkを算出する必要がある。

まず、広告主が求める広告商品の条件を利用購入条件入力部 10により入力し、この条件に合致した番組を、広告商品データ記憶部 20に記憶されている、番組デ一夕 21、編成デ一夕 22、販売デ一夕 23、番組評価データ 24、及び広告効果データ 25で構成されている広告商品データ 26から検索して、番組組み合せ処理部 30は、上記条件に合致した複数の番組を組み合わせることにより、複数の広告ポートフォリオ ·モデルを生成する。

ここで、上記条件に合致した複数の番組についてマーケットデ一夕記憶部 40 に記憶された観測データ（テレビ広告の場合には視聴率データ）から特異値の除去を行う。実際のデータには、様々な誤差が混在 '混入している可能性があり、その一部は、何らかの要因によって、本来のデ一夕値から逸脱した値を示す可能性がある。統計学では、データを探索的に吟味する際には、そのような特異値の影響を最小限に止めることが望ましいとされている。ここでは、標準偏差のある整数倍以上平均値から離れたデータを特異値とし、データに含まれないように観測デ一夕の補正を行う。即ち、観測データの特異値を排除するかどうかを指定し、排除する場合には上記条件（即ち、標準偏差のある整数倍以上平均値から離れたデ一夕を特異値とする条件）下で検出された特異値を観測データから排除する処理を行う。 A R指数算出処理部 70では、上記（***) 式を用いて、デ一夕の補完処理を行った後のデ一夕で、ボラティリティ 'データ（標準偏差び」， σ _k) を算出する。更に、 AR指数算出処理部 70では、ボラティリティ -デ一夕から相関係数データ（広告商品 jと広告商品 kの相関係数を算出する。これにより、広告商品 jと広告商品 kの共分散び _{j k}を算出することが可能となる。

ここで、ボラティリティ（volatility)とは、リスクの指標として用いられるものであり、期待収益率（expected rate of return)が期待通りとなる確率をいうもので、標準偏差として表すことができる。ボラティリティが高ければ、期待収益率が期待から大きくはずれる可能性が高くなる。また、期待収益率とは、起こり得る全ての収益率に、それそれ起こる確率を掛けた数値の合計である。

観測データからボラティリティ（標準偏差）や相関係数を算出する手法は、母集団から標準偏差や相関係数を計算する計算式と同じである。

他方、保有広告商品デ一夕に基づいて保有する広告商品の時価評価額データをマーケットデ一夕記憶部 4 0から検出し、上記検出された時価評価額データに基づいて感応度データを算出する。

感応度データは、対象となるマーケット指標の変化に対して時価評価額がどの程度変動するのかを捉えるためのリスク ·ファクタに関するデ一夕である。上記リスク 'ファクタとしては、コリーシヨン、ぺ一夕、デル夕（△) 、ガンマ（ァ）、シ一夕（6> ) 、ベガ（ V) 、ロー（ o ) 、ベーシス等がある。デリバティブを含む全ての広告商品は、これらのリスク，ファクタを共有しており、これらのリスク ·ファクタを統合 ·管理することにより、多種多様な広告商品を内包する広告ポートフォリオの一括リスク管理が可能である。それゆえに、感応度データの算出は、非常に重要である。

次に、上記ボラティリティ *デ一夕、上記相関係数データ、及び上記感応デー夕に基づいて、 ①番組組み合せ処理部 3 0において生成された全ての広告ポートフオリォについて、 ②広告主の現時点での保有広告商品の広告ポートフォリオについて、それそれの AR指数デ一夕を算出し、次いで、算出された全ての A R指数データ及び実損益データから算出することができる A R指数換算値データに基づいて、先に参照した図 2に示すような表を作成する。

ここで、図 2の A R指数換算値デ一夕について説明すると、実損益データ（例えば、 1 9 9 8 /4 / 5の行に対応して示されている 5 9 8， 6 5 2 ) は、広告主の保有する先物、オプション、スワップといった広告派生商品を含む広告商品を売買することで発生する実際の損益額データであり、実損益の算出には、広告主が広告商品を購入する際に指標とした視聴率などの各種調査データと、広告出稿が終了時点で実際に観測されたデータとの乖離を求め、この予測（契約時）デ一夕と実（広告出稿終了時）データとの乖離によって、広告主にもたらす実損益を求める。従って、 A R指数換算値データは、実損益データを C P Mに換算したデ一夕である。

そして、本発明による「総合広告リスク管理指数と広告ポートフォリオ理論の関係」を用いて、比較検証処理部 1 0 0において、上記①及び②の全ての A R指数の値と実損益の A R指数換算値の比較検証を実行し、実損益デ一夕の A R指数換算値が A R指数データの値を超過する回数を計測して、超過回数の少ないモデルから順に最適に近いモデルとして設定する。

図 6は、上記生成されたモデル毎の時系列（横軸は日にち、縦軸は AR指数の値と実損益の AR指数換算値）グラフを示す。 AR指数の値は最大予想損失額なのでマイナスの値で表示する。実損益額の A R指数換算値が A R指数の値を下回る時が超過回数として計測されている。

図 7は、図 2の検証結果テーブルを整理 ·編集したもので、最適と考えられる- モデルの順に並べ替え表示されている。設定条件を比較することにより各選択方法の傾向を考察することができる。

ここで上述したリスク ·ファクタをそれそれ簡単に説明する。デル夕（△) は、デリバティブ取引商品が対象とするマーケット指標（原商品）の価格変化に対する「時価評価（現在価値）」の感応度である。ガンマ（ァ）は、デル夕そのもののマーケット指標の変化に対する感応度である。シ一夕（0 ) は、時間の減少に対する「時価評価」の感応度である。ベガ（ V) は、予測変動率（ボラティリティ）の変化に対する「時価評価」の感応度である。口一（/O ) は、デイスカウント ·ファクタの変化に対する「時価評価」の感応度である。ベーシスは、異なる価格変動をする二つの原商品に対し、どちらか一つのリスク指標体系で管理する必要がある場合、他方の価格変動を一体化させるために、何らかの掛け目が必要である。これをべ一シスといい、過去のデ一夕からの相関係数などで求めることが可能である。

次に、上記リスク ·ファクタの例としてコリーシヨンとベー夕を記述することにより、広告ポートフォリオのリスク管理における感応度データの役割について詳細に説明する。

一般に n個のデータ { (x _{l 5} ，（x₂, y₂)， …，（x_n， yj }が観測された時にこれらのデ一夕を用いて y = : + ?x + eのひと/?を推定するには、上記 n個のデ一夕は、 y =ひ + ?x + eを満たすと仮定するので

y = a + j3x₅ + e ( 5 = 1 , 2, ···, n) (12) ここで推定式を; — =ひ + ? ~ xとすると、 Xの値が χ」の場合には、推定値 y、は、

y一」=ひ~+ ？一 X j ( = 1 , 2, ···, n) をみたす。観測値 yjと推定値 y ~」との差を「残差」と定義すると、観測値（xj， yj ) に対する残差 e.は、

となる。

ここでこの観測値 y jと推定値 y—」との残差 e jの 2乗和を最小とするようにひ ~と/? を特定化する最小 2乗法を用いると、

n n n

∑_{e j} ²=∑ (yj— y ² =∑ (_yj—ひ一 ? ^Λχ ² ( 14) j = 1 j = 1 j = 1 ここで 2変数ひの関数における 2変数の最小値を求めるには、各変数の偏導関数がゼロとなるようなひと/? ~を求めればよいので、 d∑ e,² /aa~=-2∑. (y_i-a"- ?"x_i) = 0

i = 1 J = 1

(15) d∑ e ² /a ?"=-2∑ (Xj yj—ひ一 Xj— ?~χ」²) = 0 j = 1 j =l

∑ y

(16)

∑x^y = /3 " ∑xj² + a " ∑x」

j= 1 j= 1 J=i ただし、

n

∑ a " = n a "

j = 1

(16) 式を解くと

" = y — x~

(17) β ∑ (x「x— ) (y「y— ) /∑ (x「 x— )

j =l び xy/び X

ただし、 x— = ( 1/n) ∑_Xj 、 —= ( 1/n) ∑_yj

j=l j=l 即ち、 n個のデ一夕 { (xい，（x₂, y₂) ， …，（x_n， ···， y_n) } の関係が、 χ と y」のある一次関数とする仮定のもとでは、以上のようにして一次関数の切片と傾きを近似的に求めることが可能である。その際、（ 17) 式のように/?の推定は、 Xと yの共分散び _xyを求めることにより達成される点が重要である。

次に、以上の単純回帰モデルを広告ポートフオリォ ·モデルに適用する場合を考える。

ここで、 n種の広告商品 Sj (j = l， 2, ···, n) が取引されている広告巿場を想定し、ある広告商品の市場インデックスのリターンを R_mとする。 ?jは、 R_mの変化に対する広告商品 Sjのリターン: jの期待変化率（感度指標）、 a 」は、この広告市場とは独立な広告商品 Sjの個別リターンの期待値、 ejは、この広告市場とは独立な広告商品 Sjの個別リターンのランダム項（誤差）とすると、上記単純回帰モデルの関係から

Rj =ひ j+ ?jR_m+e，j (j = l, 2, ···, !!) ( 18) である。ここで、期待値 E (X) 、と分散 V (X) の関係を ej、 R_mに関して記述すると、期待値や分散の定義式から以下の関係式を導くことができる（図—

A参照）。

E (e」） =0 ，（ j = 1， 2, ···, n)

E [ej (R_m-R~ ] =0 ('.'ejと R_mの共分散がゼロ）

E

, ( i , j = 1 , 2, ···, n 、しかし i≠j)

V (e j) 二 E (e j ) =ae , ( j = 1 , 2, ···, n)

V (RJ =E (R_m— R— _m) =σ_ιπ

以上の関係式から広告商品 S jのリ夕一ンは、広告商品 S」に固有なリターンひ iと市場に関連したリターン ? —mに分けて記述できる。即ち、 R一 j =ひ j + ?jR— _m (19) また、広告商品 Sjの分散は、広告商品 S.jに固有なリスク ere」と市場に関したリスク/?」び _m に分けて記述できる。つまり、

2 2 2 2

び」 =/3 a_m +ae₅ (20) また、共分散は市場リスクのみに依存していると記述できる。つまり、

2

a_½ = _{i i}o_m (21) 以上の考察から、広告商品 Sjのリターンは、広告商品 S jに固有なリターン (aj) と市場に関連したリターン（ ?jR— _m) に分けて記述することができ、広告商品 Sjの分散（リスク）は、広告商品 Sjに固有なリスク（crej ) と巿

2 2

場に関連したリスク r_m ) に分けて記述できる。また、共分散（びは

2

、巿場リスク（ ^ ^び _m ) のみに依存していると記述できる。これらのモデルを広告市場におけるシングル ·インデックス ·モデルと定義すると、広告ポートフォリオの場合には、以下の関係が成立する。

広告ポートフォリオのリターン：

R _p = ∑XiR i= ∑Xiひ i+ ∑ i 5iR

i =l 分散： -

i = 1 i= 1 j = 1

j≠ i

+ ∑ _{Χ ί} ²σ_Θί i = 1 i= 1 j = 1 i= 1

j≠ i

2 = ( Xi J i) ( X j Jj) a_m ² +∑ X i²cr_ei ²

i =l j = 1 i = 1

n

二/? _p ²び _m ² +∑ _Xi ²a_ei ² (#) 上記のシングル■インデックス ·モデルを導入することにより、推定すべきパラメ一夕の数を平均 '分散モデルの場合の n (n+3) /2, (R— または R— i，び p ) から 3n + 2， (a_i3 β び _ei, R— _m r_m ²) に減らすことが可能となり、ポートフオリォ分析に必要ば計算量を大幅に減らすことが可能となる。

以上のようなマーケット ·モデルの最大の特徴は、各広告商品間に見られる相関関係を、市場と各広告商品の関係に置き換えている点にあり、例えば広告商品が n個ある場合には、全部で n本の回帰モデルを考え、それそれの異なる回帰モデルの誤差項は互いに無相関であると仮定していることになる。つまり、各広告商品間に見られる連動性は、全て市場を通じての関係で説明されると仮定しているので、分析に必要な計算量を大幅に減らすことが可能となる。広告商品それそれの回帰モデルの誤差項は、期待値ゼロ、分散一定の正規分布に従い、お互いに独立で、 R_mとも無相関であると仮定しているので、以下の関係式が成立する： ei 〜 N (0, a_ei ²) , E ie , (R_m-E [R_m] ) ] =0

E [e_i3 ej] =0， i ≠

ここで、広告ポートフォリオモデルのひ _pと/? _pは、 a_p= ∑ x i a (+ )

( + + )

■ = 1 広告ポートフオリォのリ夕一ン R— _pは、

R一 _p =ひ _P + ?_PR一 _m ( + + + )

である。

ここで、ひ _p=0, ?_p= lの場合、 R一 _p = R__mとなり、広告ポートフォリオ

Pとマーケット ·ポートフォリオのリターンは一致する。

つまり、

* β„> 1 ：広告ポートフォリオ Ρは、市場よりも危険であると評価

/3_Ρ< 1 ：広告ポートフォリオ Ρは、市場よりも危険でないと評価することができる。

ここで、（并）式の広告ポートフォリオの分散について、 X i = l/nとすると、び _p ² = ?_p ²び _m ² + ( 1/n) (∑ a_ei ² /n) となり、 nが大きくなると、上記第 2項の平均残余リスク（average residual risk) は、小さくなる。

以上の考察から、個々の広告商品のリスクとしてび ^ニ？び +cr_ei ²の関係式を用いれば、 nが大きさには関係のないリスク^ i ²び _ei ² (システマティヅク · リスク、 market risk, nondiversif iable risk) と 11カ大さくなるとゼロに近づくリスクび _ei ² (非システマティック · リスク、 diversif iable ris k, nonmarket risk) に分類することができる。十分に大きなポートフォリオでは、非システマティック · リスクは無視できる程小さくなるので、を広告商品 iのリスク指標として用いることができる。

このように、広告市場のリスクと広告ポートフオリォ ·モデルのリスクを比較する上で市場のリスク指標/?は有効な情報を与える。また、ある広告市場モデル、広告ポートフォリオ 'モデル、個別の広告商品のリスクを比較する上でコリーシヨン（共分散）の計測は、非常に重要である。

以上のシングル 'インデックス -モデル（S.I.M) について、市場インデックスを複数とした場合には、次のマルチ 'インデックス ·モデル（M.I.M) が成立する。

I_k ：ィンデックス kの ί直

b _ik：インデックス kの変化に対する広告商品 iのリ夕一ンへの反応指標 a_i:広告商品 iの個別リターンの期待値

:広告商品 iの個別リターンのランダム項

L：ィンデックス数

n：広告商品数

L

k= 1 但し、 i = 1 , ···, n

E [ ] = 0

但し、 i = 1， ···， n

co v (I_k， I丄） = E [ (I_k-I— _k) (I「I— J ] = 0

但し、 k, 1 = 1， ···， L かつ k ≠ 1 (¥¥) c o v (c _i5 I_k) = E [c i ( I _k- I _k) ] = 0

但し、 i = 1， ···， n k= 1， ···， L

E [ C i， c j] = 0

但し、 i， j = 1 , ···, n かつ i ≠ j

ここで、 c_i3 I _kの分散を以下のように定義する。 V (_{C i}) = び _{e i} ²

但し、 i = l， ···， n

V (I_k) = び _{I k} ²

但し、 k= 1， ·'·， L

上記（¥) のマルチ 'インデックス ·モデルの定義式と上記（¥¥) の条件式より、 L

R— i = + ∑b_ikI— _k

期待値

E [a, + ∑b_ikI_k + cj

k= l

= + ∑b_ikE [I_k ] + E [ ]

k= 1

分散 cTi² = ∑b_ik ²び _{I k}' +び。 i = E [R「 R—

k= 1

L L

= E [ (ai +

C i) - (ai +∑b_ikI^— _k) ]

k= 1 k= 1

= E [∑b_ik (I_k— I— _k) +_{C i}] ²

k= 1 し

= ∑b_ik ²E [ (I_k— I— _k) ²]

k= 1

L し

+ ∑ S ^b^E [ ( I _k- I— _k) ( I「 I— J ] k= 1 1=1

l≠k

+ 2∑b_ikE [C i (I "_k) ] +E [_{C i}]

k= 1 共分散：

し

2 ——

a j ∑b_i i_k kbつ_{j k}び _Ik ² = E [ (Ri一 R— J (Rj— R— ]

k= 1 し L

E { [∑b_ik ( I _k- I— _k) +_{C i}] [∑b_jk ( I_k- I— _k) +_{C j}] } k= 1 k= 1 し

∑b_ikb_{j k}E [I _k- 1 _k]

k= 1 し

+ ∑ S ^b^E [ ( I _k "_k) d i- i~ ) ] k= 1 1=1

l≠k

+∑b_ikE [_{C j} ( I _k- I _k) ]

k= 1 L

+∑b_jkE [_Ci (I_k— I— _k) ] +E [C i · _{C i}] k= 1 ここで L=lとすると、マルチ ·インデックス ·モデルは、シングル ·インデックス，モデルの期待値、分散、共分散と同じ式となることを確認されたい。以上のモデル化の理論により、インデックスを様々に規定すれば、個々のインデックスを用いて、ある広告商品のリターンを擬似的に記述することが可能であり、これを応用することにより、本システムで生成される様々な広告ポ一トフォリオ ·モデルについてのリスク判定を行うことが可能である。

ここで、広告商品におけるリターンについて説明する。広告商品の購入においても金融のそれと同様に買い手は、何らかのリターンを得る手段として広告商品への投資を行うものと考えられる。 - 金融商品の場合には、例えば t期における証券 iの収益率を以下のように記述することができる。

R〜_it = (P~_it - Pi, t-i + D~_it) P^ _t→

= (P~it - Pi, t-l) Pi, t-!

ここで、

R~_it ：証券 iの t期における収益率（確率変数）

P~_it ：証券 iの t期の価格（確率変数）

Pi, _t_! ：証券 iの t一 1期の価格（既知）

D~_it ：証券 iの t期の配当（確率変数）

~：確率変数を表わす。

ここで、ある証券 iが、ある確率分布に従うと仮定し、ある事象 jが起きる確率を P」とすると期待収益率 R— iおよび分散び i ²は以下のように記述される。

M

R― · = ∑ P〜！？〜. - j = 1 M

o,² 二 ∑P~j (R~ij— R— ²

( ( ^で、

P~j：事象 jが起きる確率

R~_u ：事象 jにおける資産 iの収益率

M：起こりうる事象の数

広告商品の場合には、例えばテレビ広告のある番組の視聴率 Riが、ある確率分布に従う確率変数であると仮定すると、視聴率 Riの期待値と分散は上記と同様の式にて記述することができる。ここで広告商品の場合には、視聴率と価格の関係において次の関係式が成立する。

CPMi, _t = P_it/ (0. 0 lNR~_it)

CPMi, _t_! = P., t-,/ (0. 0 lNR-,, _t→)

(CPMの定義式）

CPMは、視聴率と反比例の関係にある。ここで視聴率が増加した場合の t— 1期と t期の変化率を示す変数

ri、 _t = (CPM^ t-i -CPMi, t) /CPMi, t-i

を導入し、 t— 1期と t期の広告商品の価格が同じであると仮定すると

r~i、 _t = 100 X [ (Pi,い /。. 0 lNR~i, _t_！) -

(Pi. t/0. 01NR〜 _t) ] / (Pi, 01NR〜 _t— J

= 100— [100 x (Pi、 _t/R〜i、 _t) Z (Pi,

t-J = 100— ( 100 xR _t_ R^ _t)

= (R~i、 _t— Ri、 _t-i) /0. 0 lR~i、 _t

'•'Pi、 t = Pi, t-i

ここで、

N：番組 iの放送ェリァ内の世帯数（単位 1000世帯）

CPMi, t：番組 iの t期における CPM

CPM^ t-i ：番組 iの t一 1期における CPM r i、 _t ：番組 iの t期における CPMの変化率（％)

R~i、 _t ：番組 iの t期における視聴率（確率変数）

t_! ：番組 iの t _ l期における視聴率（既知）

P i、 _t ：番組 iの t期における価格

P i, _t_! ：番組 iの t一 1期における価格

ここで記述した〜 _tを用いて広告商品の期待変化率と分散を記述すると、 r~i、 _tは、 R~i、 _tの関数となるので

M j =l

= ∑P〜_U [ (R~i、 _t-R _t_ /0. 0 l R〜i、 _t] j = 1

o,² = ∑P~_U (r〜ij— r— ij ) ²

= ∑ P~ [ (R~i、 _t— Ri、 _t→) /0. 0 1 R'

j =l

(R— _t— R i、 _t_！) /0. 0 l R~i、 J

= ∑P i J [ (R 、 t-R' ) /0. 0 1 R 、 J j = 1 ここで、

Ρ~ ：事象 jが起きる確率

M：起こりうる事象の数となる。

以上の関係を利用すれば、金融商品の分析に用いる期待収益率と分散の概念を広告商品の分析に応用することが可能となる。

ここで上述した「広告ポートフォリオ」を補足説明する。

一般に、金融業界では、「ポートフォリオ」とは、「銀行、事業法人等が保有する金融資産の形態」を意味し、証券業界では、特に「いろいろな証券の組み合せ」を意味するものであるが、本発明によれば、「広告ポートフォリオ」とは、「広告主が保有する多種多様な広告商品の組み合せ」を意味するものとする。即ち、 n種の広告商品 S j ( j = 1 , …， n) が取引されている広告市場において、広告主が広告商品 Sjを yj単位購入した場合の総額は、広告商品 Sjの y」単位当たりの広告料金を Pjとすると、 ∑Pjy_j k (j = l, ···, n) である。このときベクトル y二 (y ₁₅ ···, y_n) を広告主の所有す 1 る「広告ポートフォリオ」と称する。広告商品 Sjがテレビの番糸 Ii£告に限定される場合には、広告ポートフオリォを「番組広告ポートフォリオ」と称し、同様に新聞広告に限定される場合には、「新聞広告ポートフォリオ」と称するものとする。

そして、広告主が広告商品 S jを y」単位購入した場合の広告ポートフオリォ y= (yい ···， y_n) 全体の AR指数を算出するには、広告商品（番組） Sjの視聴率の標準偏差をび、正規分布に従う確率変数 X (=視聴率）に対する累積分布関数を N (X) とすると、広告ポートフォリオ全体の平均視聴率 R—_pは、 n

R—_P = ∑yjR^— j (j = l， . . . ， n) (*)

j = 1 また、広告ポートフォリオ全体の分散び pは、 cr_p 二 ∑ ∑y₀y_ka_jk ， n) (**) j = 1 k= 1 となる。（但し、 cr_jkは、広告商品 jと広告商品 kとの共分散： covariaiice) 次に、上記「総合広告リスク管理指数」について説明する。 . ある広告商品の視聴率や購読率など、各種サンプル調査から得られる広告媒体個別の統計データが、広告商品の購入期間と同一期間においてどの程度変動するのかということを、数学モデルを用いて記述するものであり、ここでは特に、広告商品がある期待値（テレビ広告の場合には期待視聴率）を下回ることによって被る可能性のある一定の信頼区間のもとでの CPMの最大損失額を「総合広告リスク管理指数」 AR (AR指数）と称する。

以下、具体的にテレビ広告の場合の AR指数の算出方法について補足説明する。今、ある期間の購入対象番組の視聴率 R^_が、ある確率分布に従う確率変数であると想定する。信頼区間をひ％とすると、一般に、標本から母集団平均値（母平均）を推定する場合、母集団が標準偏差びの正規分布を成すときには、この母集団から抽出した n個の標本の平均値を X—とすれば、母集団の平均値 mは、 95%の確率（信頼度）で、

X—— 1. 96 (σ/ "η) <mく X— + 1. 96 (σ/ "η) (A) の範囲（信頼区間）にあり、

99%の確率（信頼度）で、

X—— 2. 58

<m<X~~ +2. 58 (σ/ ~η) (Β) の信頼区間にあると推定する。

ここで、上記（Α) 及び（Β) の導出について説明する。

標準正規分布の確率密度関数を Φ (ζ) = ( 1/Γ (2ΤΓ)· ) exp (一 z² /2) とする場合、標準正規分布の数表（例えば、「金融 ·証券のためのブラヅク ·ショールズ微分方程式」、石村貞夫 ·石村園子共著、東京図書、 1999 年、 58頁〜 63頁参照）から

1. 96 -

S (z) dz = 2 x0. 475 =0. 95

- 1. 9 6 同様に、 2. 58

S Φ (z) d z = 2 x 0, 495 1 =0. 9902

- 2. 58 となる。また、「中心極限定理」により、大きさ Nの母集団（正規分布でなくてもよい）から抽出した大きさ nの標本の平均値を X—、標準偏差をびとする場合、 Nが nに比べて十分大きく、かつ nが大きい場合には、母集団の平均値 mは、上記（A) 及び（B) を用いて推定してもよい。

ここで、上記「中心極限定理」について説明する。

平均値 m、標準偏差びの母集団から、大きさ nの任意の標本を抽出したとき、標本平均値 X—の分布は、 nが大きくなるにつれて、正規分布 N (m，（び/ " n) ²) に近づくことを「中心極限定理」という。

上記のように、ある期間の購入対象番組の視聴率 R—をある確率分布に従う確率変数であると想定し、信頼区間をひ％とすると、その確率のもとで発生する最小の視聴率 Rひは、以下のように表わすことができる。

Ra= {RL I P r o b (R— >RL) = a}

期待視聴率を R、（1000人当たり）広告費を Wとすると、信頼区間ひ％のもとでの総合広告リスク管理指数 A Rは、以下のように定義することができる。ただし、期待視聴率 Rの平均値を R—とする。

AR= (W/Ra) ― (W/R- )

= (W/R—) x { (R— /Rひ） — 1}

平均視聴率を用いて計算した C PMは、 W/R—と表わすことができるので、

AR=CPMX { (R~/Ra) — 1} となる。

信頼区間ひ％の視聴率 Rひを計算する方法には、以下の 3つの方法がある。

①分散 ·共分散法

確率分布として正規分布を想定し、視聴率の分散共分散行列を計算してから、信頼区間ひ％の視聴率 Raを計算する方法。

②ヒストリカル ·シミュレーション法

過去の視聴率データを将来の予測シナリオとして用いる方法で、過去の視聴率変化が今起こった場合を想定して視聴率 Rひを計算する方法。

③モンテカルロ ·シミュレーション法

過去の視聴率変化を将来のシナリオとして用いるのではなく、何らかの視聴率予測モデルを用いたモンテカルロ ·シミュレーションによって将来の視聴率シナリオを生成し、視聴率 Rひを計算する方法。

以下、上記 3つの方法の中で最も簡単な①分散 ·共分散法を用いた場合を説明する。

ある番組の視聴率の標準偏差をび、正規分布に従う確率変数 Xに対する累積分布関数を N (X) とする。

そのとき、視聴率 Rひは、以下のように求めることができる。

― - 1

R = R — N (1-α) σ

従って、総合広告リスク管理指数 ARは、次のように計算できる。

AR=CPMx 〔 [R一/ {R—— N (1—ひ） 1〕

= CPMX {N— ¹ (1— a) } / { (R— /cr) —

N— ¹ (1—ひ） }

例えば、ある期間における購入対象番組の視聴率の平均が 20%、標準偏差が 2%であるとする。このとき購入対象番組の CPMを 1, 000円とすると、信頼区間（平均から標準偏差の 2倍を引いた値以上になる確率）が 97. 7%の総合広告リスク管理指数 A Rは、以下のように求めることができる。

標準正規分布は、その定義により、平均値 0、標準偏差 1の正規分布 N (0, 1²) に従う。標準正規分布をなす母集団の分散び（び：標準偏差二— 1. 0 0, + 1. 00) は、 1. 00の値をとるものとする。ここで、ある標本が母集団の平均を中心に z =— 1. 00〜+ 1. 00の範囲で存在する確率を求めるために、標準正規確率密度関数 Φ (z) を z=— 1. 00~+ 1. 00の範囲で積分すると、その面積（=確率）は、 0. 682となる。即ち、母集団が標準正規分布をなす場合、母集団から抽出したある標本は、 0. 682の確率で標準偏差の範囲内にあると推定される。

上記の説明から、ある番組の視聴率が正規分布をなす場合に、標準正規確率密度関数 Φ (z) を z=— 2. 00〜∞の範囲で積分した場合の確率が、ちょうど 0. 977となる標準正規分布の性質を利用すると、番組視聴率 Rひが 97. 7 %の信頼区間で目標最低視聴率 Rし（x =— 2びの時の Φ (X) の値）を上回るには、 Xの範囲を標準偏差の 2倍以上（― 2び〜∞) とすればよい。

ここで重要な点は、番組視聴率 Rひが目標最低視聴率 R_Lを下回る確率をリスク判定の基準とすること（安全第一基準の採用）である。つまり、番組視聴率 R ひが目標最低視聴率 R_Lを下回る確率 = 1— 0. 997となり、その場合の積分の範囲は、 x = _∞〜― 2. 00までとなる。

平均視聴率 20%，標準偏差が 2%の正規分布をなすある番組の視聴率が 97 . 7%の確率で目標最低視聴率 R_L以上、かつ番組視聴率 Rひをとるようにするには、 z =— 2のときの x = Rひを求めればよい。

正規分布 N (m, σ ) を標準正規分布 Ν (0， 1 ^Δ) に変換するには、 ζ = (X— m) /びを用いればよい。ここで z =— 2より

-2 = (x-m) / σ

.'.χ =m_ 2 σ

また、 m=20, び =2より、 x = Rひ = 16%であり、 AR指数の定義 AR = CPMx 〔 [R— / {R—— N (1—ひ） 1〕

= CPMX {N (1-α) } / { (R^— /cr) -N } から、視聴率が 16 %となつた場合の損失額は、

AR= 1， 000円 x 2/ { (20/2) — 2} = 250円

となる。

従って、この広告商品が期待収益率を下回ることによって、確率 97. 7%のもとで被る可能性のある CPMの最大予想損失額は、 250円である、ということができる。（信頼区間 97. 7%のもとでは、視聴率が 16%になる可能性があり、その場合の CPMは 1， 250円である）。

現実の取引では、将来の視聴率を予想することができないので、ある期間における平均視聴率を実際の視聴率と想定し、取引データとして使用しているが、過去の視聴率のバラツキから生じるリスクを仮想的に算出し、これを最小化できるような広告商品の選択パターンを生成することが可能であれば、視聴率変動に対する広告主のリスクを軽減することができる。

次に、上記「広告ポートフォリオ」と上記「総合広告リスク管理指数」との関係について説明する。

広告ポ一トフォリオと総合広告リスク管理指数との関係をある広告主がテレビの番組広告を提供する場合の具体例を用いて説明する。

一日の天候が、晴天、くもり、雨である確率は、それそれ 1/3である。過去の統計データから番組 Aの視聴率は、晴天で 6%、くもりで 10%、雨で 20% である。番組 Bは、ナイ夕一中継で、過去の同様な統計データから晴天で 9 %、雨の場合にはナイ夕一中継が中止で、リピート番組となるので視聴率は 5 %であつた。

広告主は、以上のような条件のときに、どの番組をどのように購入すればよいかということをここで考察する。なお、番組の提供料金から算出された CPMは、番組毎にそれそれ決められているものとする。番組晴天くあり雨平均 CPM

A ( 13 ： 00〜） 6 10 20 12 5. 89 660円 B (18 : 00〜） 9 7 5 7 1. 63 600円 C (23 : 00〜） 6 7 8 7 0. 82 630円確率 1/3 1/3 1/3 表 1に示すような場合には、番組 Aと番組 Bを比べると平均視聴率では番組 A が望ましく、標準偏差では番組 Bが望ましいので、一概にどちらがよいかわからない。

他方、番組 Bと番組 Cの比較では、平均視聴率が同じで標準偏差が半分である番組 Cが望ましい提供番組であると考えられる。表 2

番組ポートフォリオ晴天くもり雨平均標準偏差平均 CPM C= 1. 0 C 6 7 8 7 0. 82 630円

D = 0. 2 A+0. 8B 8. 4 7. 6 8 8 0. 33 618円しかし、広告商品の番組ポートフォリオを表 2のように作成すると、番組 Aに 20%、番組 Bに 80%提供する番組ポートフォリオ Dの方が、番組 C単体に提供する番組ポートフオリォ Cよりも平均視聴率が高く、標準偏差を小さくすることができる。しかも番組ポートフォリオ Dの CPMは、番組ポートフォリオ Cよりも安くなる。ここで、番組ポートフォリオの CP Mの計算は、各番組の単純な加重平均ではないことに注意する必要がある。例えば、番組ポートフォリオ Dの CPMは、以下のように計算できる。

まず、番組 iの（1000人当たり）広告費を Wi、平均視聴率を R— iとする。そして、番組 Aと番組 Bの CPMをそれそれ CPM_A、 CPM_Bとすると、 CPM_A= W_A/R^_ _A

CPM_B二 W_B/R— B

である。番組 Aおよび番組 Bへの提供比率を X_A, X_Bとすると、番組ポートフォリオ Dの広告費 W_Dは、

W_D= X_AW_A+ X_BW_B = X_AR一 _ACPM_A + X_BR— _BCPM_B

となるので、番組ポートフォリオ Dの CPMは、次のように計算できる。

CPM_D=W_D/R_D

= {X_AR— _ACPM_A + X_BR— _BCPM_B} / {X_AR— _A + X_BR— _B} = [X_AR— _A/ {X_AR— _A + X_BR— _B} ] CPM_A +

[X_BR— _B/ {X_AR— _A + X_BR— _B} ] CPM_B

これを表 2の例で計算すると、

CPM_D= { (0. 2 x 12) /8} X 660 + 0. 8 x 7) /8} x 600

= 618 となる。

一般的に、番組ポートフォリオを構成する番組数が Nの場合、番組ポートフォリオ Pの CP Mは、以下のように計算できる。 CPM_P二∑ { (XiR- /R_p} CPM,

但し、

以上の例は、視聴率とコス卜の関係だけを評価の基準とした場合における考察であるが、実際の番組購入では、番組の内容が広告主の企業活動やイメージに合致するかどうかなどの要因を反映させるように広告メディアの選択条件を考慮して購入判断を行うケースも存在する。

その場合には、上記の視聴率とコストの関係に加え、広告メディアの定性的な要因についての因子をシステム上考慮するための仕組みが必要となるため、後述する番組評価データの入力が必要不可欠となる。次に、 3つのレギユラ一番組を半年間提供する場合にどのような組み合わせの広告ポートフォリオが望ましいのかを総合広告リスク管理指数 AR (以下、 AR 指数と称する場合もある）を用いて考察する。

ある年の 4月から始まる A、 B、 Cのレギュラー番組があり、それそれの視聴率は、正規分布に従うと仮定する。直近 6ヶ月の平均視聴率及び視聴率の標準偏差と CPMが表 3に示すように定められるとすると、このときに広告主は、どの番組を購入すると一番リスクを少なくすることができるのかを検証する。

表 3

番組名平均視聴率標準偏差 CPM AR指数

A 12 5. 88 660円 34646. 9円

B 7 1. 63 600円 524. 8円

C 7 0. 82 630円 191. 7円この場合、 AR指数によれば、番組 Cを提供することが望ましいと言える。しかし、広告予算が、潤沢で、幾つかの番組を組み合わせて購入できる場合には、前回の考察を参考に、番組 Cを単体で 2分 30秒提供する番組ポートフォリオ C の場合（単体の番組でも番組ポートフォリオと見なすことができる）の AR指数と、番組 Aと番組 Bを組み合わせた番組ポートフォリオ D (番組 Aを 30秒、番組 Bを 2分提供するポートプォリオ）の場合の AR指数との比較を表 4のように行う。

表 4

番組ポートフォリオ名平均視聴率' 標準偏差平均 CPM AR指数番組ポートフオリォ C 7 0. 82 630円 191. 7円番組ポートフォリオ D 8 0. 33 618円 54. 9円従って、番組 A、 B、 Cをそれそれ単体で提供するよりも、番組を組み合わせたポートフォリオ Dを購入した方が AR指数を少なくすることが可能になる。以上の考察から番組個別の平均視聴率、標準偏差、 CPMなどの指標をもとに番組個別の購入判断を実施するよりも、幾つかの番組を組み合せた番組ポートフォリオ（広告ポートフォリオ）を組むことにより、その番組ポートフォリオの平均視聴率、標準偏差、 C P Mなどの指標をもとに番組ポートフオリォ全体の平均視聴率のバラツキから生じるリスク量を算出し、これを最小化できるような広告商品の選択パターンを生成することが可能であれば、広告主の視聴率変動に対するリスクを軽減することが可能である。また、上記のように AR指数を導入することにより、テレビゃ新聞を組み合せて購入する場合に生じる広告商品の購入単位や広告料金の絶対リスク量を相対リスク量に変換することが可能となり、生成された全ての広告ポートフォリオを AR指数という統一された指標で比較評価することが可能となる。

これらの考察を用いて総合的かつ合理的に広告費の最適な運用プランを作成するためには、以下のような理論の確立が必要である。

ここで、本発明による「総合広告リスク管理指数と番組ポートフォリオモデル理論」を説明する。

n種の番組 Sj ( j = 1 , ···, n) が取引されている広告市場において、ある期間のある視聴者属性における平均視聴率を R—j, 標準偏差をび」とする。広告主が番組 Sjを _yj単位購入した場合の総額は、 ∑Ρ」γ」（但し、 Pjは、広告商品 Sjの yj単位当たりの広告料金を示す）である。このとき、べクトル

y= (y i, …， _n)

を広告主の所有する「番組ポートフォリオ」と呼ぶ。番組 s jの視聴率と番組 s _kの視聴率との共分散をび j _kとし、広告主が使う予算総額の下限を wい上限を Wuとする。番組の購入は、ある整数単位なので、事前に広告主が定めた予算額と実際の全番組購入金額とが常に一致するように番組購入を行うことはできないが、事前に広告主が定めた予算額のうちある程度の予算額を実際の番組購入に割り当てられるように、広告主が使用する予算総額の上下限額を設定する。そのとき、番組ポ一トフオリォの平均視聴率 R—pがある特定の値以上である場合に、平均視聴率の分散をできるだけ小さくしたいという問題は、次のように定式化できる。 minimize ∑∑ σ _3ky y _k ( 1 subject to ∑R^— jYj/Σ ≥RE (2)

W_L ≤∑P_{j yj} ≤Wu (3) yj :整数変数（4) 式（2) は、 ∑ (R— — RE) yj 0のように線形制約式に書き直すことができる。また、

AR_P= CPM_px { (R— _p) / (R—p— N (1—ひ） σ_ρ) —1}

= CPM_px ¹ (1—ひ） / { (R— _ρ/σ_ρ) 一 N ' (1-a) } と記述することができるので、ある一定の期待平均視聴率のもとで、番組ポートフオリォの標準偏差び _pを小さくすることは、ポートフオリォの AR指数 AR _p を小さくすることに相当することが理解できる。以上、本発明について詳細に説明したが、上述したように、本発明によれば、検討の必要なパラメ一夕を入力条件として設定するだけで自動的に広告商品のポ一トフオリォ ·モデルを生成し、これら広告商品の商品データを統計的に処理することにより、それそれのポートフォリオ -モデルについて、 AR指数算出し、広告主に最適な広告商品のポートフォリオ ·モデルを選択することができる。また、これらの綜合広告リスク管理システムを応用することにより、広告ポートフォリオに限らず、個別の広告商品の広告取引リスクを定量化し、定量化されたリスクを軽減するような広告派生商品モデルを提供することができる。

更に、利用者が多くの方法を試算することで各方法の特徴や傾向を把握することが可能となり、 A R指数を算出するシステム運用後に市場の環境変化に伴うモデルの変更にも柔軟に対応することができる。産業上の利用の可能性

本発明の広告ポートフオリォモデルは、広告商品が広告実施期間中に一定の確率で被る最大予想損失額を統計的に表示する指標となる綜合広告リスク管理指数を定める関係式を導き、広告商品の観測データから広告商品の相関係数データを複数算出し、綜合広告リスク管理指数を定める関係式及び複数の相関係数データ又は間接的に相関関係を考慮した観測データに基づいて広告商品の効果、効率及びリスクの少なくとも一つを分析するために広告商品の最適な組み合わせを形成するので、広告主に最適な広告商品の組合せを提供することができる。

本発明の広告ポートフオリォモデルを利用した綜合広告リスク管理システムは、広告商品の効果、効率及びリスクの少なくとも一つを分析するために最適な広告ポートフォリオモデルを用いた綜合広告リスク管理システムであって、綜合広告リスク管理指数を算出する際に必要な設定条件を入力するための入力手段と、入力手段により入力された設定条件に従って過去の観測データから広告効果及び広告効率に関する複数の数値を算出し、購入広告商品データから広告商品の複数の相関係数デ一夕を算出することにより、複数の広告ポートフオリォモデルを生成するモデル生成手段と、生成された複数の広告ポートフオリォモデルを広告商品の提供期間中の実データと比較して複数の広告ポートフオリォモデルが現実の状態に適合するか否かを検証する検証手段と、検証手段による検証結果に基づいて複数の広告ポ一トフオリォモデルから広告商品のリクス分析及び効果分析に対して最適な広告ポートフォリオモデルを選択する選択手段とを備えているので、広告商品の組合せに対する総合的な投資判断を行うことができるシステムを提供することができる。

本発明の広告ポートフオリォモデルを利用した投資判断方法は、綜合広告リスク管理指数を算出する際に必要な設定条件を入力し、入力された設定条件に従つて過去の観測データから広告効果及び広告効率に関する複数の数値を算出し、購入した広告商品の広告商品データから広告商品の複数の相関係数データを算出し、算出結果に基づいて複数の広告ポートフォリオモデルを生成し、生成された複数の広告ポートフオリォモデルを購入した広告商品の提供期間中の実データと比較し、比較結果に基づいて複数の広告ポートフオリォモデルが現実の状態に適合するか否かを検証し、検証結果に基づいて複数の広告ポートフオリォモデルから購入した広告商品のリクス分析及び効果分析に対して最適な広告ポートフオリォモデルを選択する段階を具備するので、広告主が広告商品の組合せに対する総合的な投資判断を行うことができる。

4

Claims

請求の範囲

1 . 広告商品が広告実施期間中に一定の確率で被る最大予想損失額を統計的に表示する指標となる綜合広告リスク管理指数を定める関係式を導き、前記広告商品の観測データから当該広告商品の相関係数データを複数算出し、前記綜合広告リスク管理指数を定める関係式及び前記複数の相関係数データ又は間接的に相関関係を考慮した観測デ一夕に基づいて前記広告商品の効果、効率及びリスクの少なくとも一つを分析するために該広告商品の最適な組み合わせを形成することを特徴とする広告ポートフオリォモデル。

2 . 前記広告商品は、少なくとも二つまたはそれ以上の異なる広告商品から構成されることを特徴とする請求項 1に記載の広告ポートフォリオモデル。

3 . 前記広告商品は、少なくとも一つの広告派生商品を含むことを特徴とする請求項 1または 2に記載の広告ポートフオリォモデル。

4 . 前記広告派生商品は、個別の広告取引におけるリスクを判定すると共に、該個別の広告取引におけるリスクを軽減するように構成されることを特徴とする請求項 3に記載の広告ポートフオリォモデル。

5 . 広告商品の効果、効率及びリスクの少なくとも一つを分析するために最適な広告ポートフォリオモデルを用いた綜合広告リスク管理システムであって、綜合広告リスク管理指数を算出する際に必要な設定条件を入力するための入力手段と、前記入力手段により入力された設定条件に従って過去の観測データから広告効果及び広告効率に関する複数の数俥を算出し、購入した広告商品の広告商品デ —夕から前記広告商品の複数の相関係数デ一夕を算出することにより、複数の IS 告ポートフォリオモデルを生成するモデル生成手段と、前記生成された複数の広告ポートフオリォモデルを前記広告商品の提供期間中の実デ一夕と比較して該複数の広告ポートフォリオモデルが現実の状態に適合するか否かを検証する検証手段と、前記検証手段による検証結果に基づいて前記複数の広告ポートフオリォモデルから前記購入した広告商品のリクス分析及び効果分析に対して最適な広告ポ一トフオリォモデルを選択する選択手段とを備えていることを特徴とする広告ポ一トフオリォモデルを利用した綜合広告リスク管理システム。

6 . 前記広告商品は、少なくとも二つまたはそれ以上の異なる広告商品から構成されることを特徴とする請求項 5に記載の広告ポートフオリォモデルを利用した綜合広告リスク管理システム。

7 . 前記広告商品は、少なくとも一つの広告派生商品を含むことを特徴とする請求項 5または請求項 6に記載の広告ポートフオリォモデルを利用した綜合広告リスク管理システム。

8 . 前記広告派生商品は、個別の広告取引におけるリスクを判定すると共に、該個別の広告取引におけるリスクを軽減するように構成されることを特徴とする請求項 7に記載の広告ポートフオリォモデルを利用した綜合広告リスク管理システム。

9 . 前記広告効果及び広告効率に関する複数の数値は、視聴率、コスト 'パー • ミル、リーチ、フリクエンシー、認、知に関する数値の二つ又はそれ以上の数直であることを特徴とする請求項 5から請求項 8のいずれか一項に記載の広告ポートフオリォモデルを利用した綜合広告リスク管理システム。

1 0 . 綜合広告リスク管理指数を算出する際に必要な設定条件を入力し、前記入力された設定条件に従って過去の観測データから広告効果及び広告効率に関する複数の数値を算出し、購入した広告商品の広告商品データから該広告商品の複数の相関係数データを算出し、前記算出結果に基づいて複数の広告ポートフオリォモデルを生成し、前記生成された複数の広告ポートフオリォモデルを前記購入した広告商品の提供期間中の実データと比較し、前記比較結果に基づいて前記複数の広告ポートフオリォモデルが現実の状態に適合するか否かを検証し、前記検証結果に基づいて前記複数の広告ポートフオリォモデルから前記購入した広告商品のリクス分析及び効果分析に対して最適な広告ポートフオリォモデルを選択する段階を具備することを特徴とする広告ポートフオリォモデルを利用した投資判断方法。

1 1 . 前記広告商品は、少なくとも二つまたはそれ以上の異なる広告商品から構成されることを特徴とする請求項 1 0に記載の広告ポートフオリォモデルを利用した投資判断方法。

1 2 . 前記広告商品は、少なくとも一つの広告派生商品を含むことを特徴とする請求項 1 0または請求項 1 1に記載の広告ポートフオリォモデルを利用した投資判断方法。

1 3 . 前記広告派生商品は、個別の広告取引におけるリスクを判定すると共に、該個別の広告取引におけるリスクを軽減するように構成されることを特徴とする請求項 1 2に記載の広告ポートフオリォモデルを利用した投資判断方法。

1 4 . 前記広告効果及び広告効率に関する複数の数値は、視聴率、コスト -パ一' ミル、リーチ、フリクエンシー、認知に関する数値の二つ又はそれ以上の数値であることを特徴とする請求項 1 0から請求項 1 3のいずれか一項に記載の広告ポートフオリォモデルを利用した投資判断方法。