JP2004094382A - レコメンデーション装置、広告配信方法 - Google Patents
レコメンデーション装置、広告配信方法 Download PDFInfo
- Publication number
- JP2004094382A JP2004094382A JP2002251715A JP2002251715A JP2004094382A JP 2004094382 A JP2004094382 A JP 2004094382A JP 2002251715 A JP2002251715 A JP 2002251715A JP 2002251715 A JP2002251715 A JP 2002251715A JP 2004094382 A JP2004094382 A JP 2004094382A
- Authority
- JP
- Japan
- Prior art keywords
- user
- content
- advertisement
- attribute
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
【課題】コンテンツを推薦する対象となるユーザの嗜好情報の信頼性を高めることができるレコメンデーション装置を提供する。
【解決手段】ユーザ端末に送信したコンテンツの履歴と該コンテンツを区分するために設定されたカテゴリとを対応付けてユーザ行動履歴データベースに記憶しておく。そして、このコンテンツの配信履歴に基づいて、分類分析を行い、各ユーザの嗜好情報を生成し、ユーザデータベースに記憶する。そして、コンテンツの広告を配信する場合に、このユーザデータベースに記憶された嗜好情報に基づいて、ユーザの趣味や嗜好に応じた広告を配信する。また、ユーザ行動履歴データベースに記憶されたコンテンツの配信履歴を相関分析または判別分析を行い、分析結果データベースに記憶しておき、この分析結果に基づいて、ユーザ端末にコンテンツの広告を配信する。
【選択図】 図２
【解決手段】ユーザ端末に送信したコンテンツの履歴と該コンテンツを区分するために設定されたカテゴリとを対応付けてユーザ行動履歴データベースに記憶しておく。そして、このコンテンツの配信履歴に基づいて、分類分析を行い、各ユーザの嗜好情報を生成し、ユーザデータベースに記憶する。そして、コンテンツの広告を配信する場合に、このユーザデータベースに記憶された嗜好情報に基づいて、ユーザの趣味や嗜好に応じた広告を配信する。また、ユーザ行動履歴データベースに記憶されたコンテンツの配信履歴を相関分析または判別分析を行い、分析結果データベースに記憶しておき、この分析結果に基づいて、ユーザ端末にコンテンツの広告を配信する。
【選択図】 図２
Description
【０００１】
【発明の属する技術分野】
この発明は、ユーザ端末に広告を配信するレコメンデーション装置に関するものである。
【０００２】
【従来の技術】
従来から、レコメンデーション装置を利用した種種のサービスが行われつつある。例えば、ユーザ自身に趣味や嗜好についてのアンケートに答えてもらい、そのアンケート結果を嗜好情報としてサーバに登録しておき、ユーザの嗜好情報にあわせた推薦コンテンツの広告を各ユーザ端末に送信している。そして、ユーザは、これらの広告を参照し、必要なコンテンツの送信要求を行い、コンテンツを購入している。このアンケートには、例えば、ユーザは、自身の趣味や嗜好に応じたコンテンツのカテゴリ（旅行、音楽、スポーツなど）を選択し、さらに、自身の嗜好の度合いを５段階の中から選択し、嗜好情報として登録している。
【０００３】
【発明が解決しようとする課題】
しかしながら、上述した従来技術によれば、以下のような問題点が生じる。
ケース１）ユーザの嗜好情報から推薦コンテンツを決定する場合
１、アンケートをユーザに答えてもらい、嗜好情報を生成していたので、ユーザがアンケートの回答を誤入力してしまうと、必ずしもユーザの趣味や嗜好にあった推薦コンテンツが送信されるとは限らず、ユーザの趣味や嗜好を反映できない場合がある。すなわち、趣味や嗜好についての情報の信頼性が低い場合がある。２、アンケートを行った後に、しばらく時間が過ぎると、ユーザの趣味や嗜好も変わっていく場合があり、趣味や嗜好についての信頼性が低くなってしまい、また、趣味や嗜好の変化に応じてアンケートを再度行うことは、ユーザにとって手間がかかる。
３、サービス提供側は、効果的に推薦コンテンツを送信するために、嗜好情報がＸのユーザが、コンテンツ１を購入する傾向があることを予め知っておく必要がある。例えば、嗜好情報としてサッカーが設定されているユーザは、サッカーのチケットを購入する傾向があることを知っておく必要がある。
【０００４】
ケース２）効果的に推薦コンテンツを送信するために、嗜好情報によらず、ユーザの購入したコンテンツから推薦コンテンツを決定する場合
１、コンテンツ１を購入する人は、コンテンツ２も合わせて購入する傾向にあることを予め知っておく必要がある。例えば、サッカーチケットを購入するユーザは、サッカーの応援グッズを購入する傾向があることを想定しておく必要がある。
ケース３）あるカテゴリに属するコンテンツを推薦する対象となるユーザを決定する場合
１、ユーザデータの参照機能を利用し、ユーザの嗜好情報Ｘの値がＡ以上などの検索条件に合致したユーザを抽出する場合においては、あるカテゴリに属するコンテンツを購入するユーザは、嗜好情報の値がＸ以上であることをサービス提供者側は、知っておく必要がある。
【０００５】
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、コンテンツを推薦する対象となるユーザの嗜好情報の信頼性を高めることができるレコメンデーション装置を提供することにある。
また、本発明は、ユーザが購入するコンテンツに基づいて、広告の効果を向上させることができるレコメンデーション装置を提供することにある。
【０００６】
【課題を解決するための手段】
上記目的を達成するために、本発明は、ユーザ端末に送信したコンテンツの履歴情報を記憶するユーザ行動履歴データベースと、前記ユーザの属性情報を記憶するユーザデータベースと、前記ユーザ行動履歴データベースに記憶された履歴情報と前記ユーザデータベースに記憶された属性情報とに基づいて、前記コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するユーザ属性条件生成部と、前記ユーザ属性条件生成部によって生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信する配信部と、を有することを特徴とする。
【０００７】
また、本発明は、ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成し、生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信することを特徴とする。
【０００８】
また、本発明は、ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するステップと、生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信するステップと、をコンピュータに実行させることを特徴とする。
【０００９】
また、本発明は、ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するステップと、生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信するステップと、をコンピュータに実行させるための広告配信プログラムを記録したことを特徴とする。
【００１０】
【発明の実施の形態】
以下、本発明の一実施形態によるリコメンド装置を図面を参照して説明する。図１は、この発明の一実施形態によるリコメンド装置を適用した広告配信システムの構成を示す概略ブロック図である。この図において、リコメンド装置１は、複数のユーザ端末２にネットワーク２を介して接続され、ユーザ端末２からのコンテンツ送信要求に応じて、コンテンツを送信し、ユーザから対価を回収するサービスを行う。具体的には、レコメンデーション装置１からユーザ端末２にコンテンツの広告を行い、ユーザ端末２から購入指示である送信要求を受けて、コンテンツを販売する。このリコメンド装置１について、図２を用いて説明する。図２は、第１の実施形態におけるリコメンド装置１の構成を示す概略ブロック図である。
【００１１】
図２において、ユーザ行動履歴データベース１１は、ユーザ端末２に送信したコンテンツの履歴とコンテンツを区分するために設定されたカテゴリとを対応付けて記憶する。
分類分析部１２は、行動履歴データベース１１に記憶される情報に基づいて、配信したコンテンツを含むカテゴリの配信回数の分布の類似度が高い配信履歴が集まるように予め指定されたグループ数に応じた複数の分類グループに分類分析する。また、分類分析部１２は、分類分析するためのデータを集計する。
配信回数平均値演算部１３は、分類分析部の分析結果に基づいてカテゴリにおける配信回数の平均値を演算する。
【００１２】
比率算出部１４は、配信回数平均値演算部の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と前記分類グループにおける全カテゴリの配信回数を平均した平均値との比を各カテゴリ毎に算出する。
近似度演算部１５は、分類グループにユーザを分類し、分類されたグループの各カテゴリの配信回数平均値とユーザに対するコンテンツの配信履歴との近似度（以下、重心からの距離と称す）を演算する。
優先度算出部１６は、近似度演算部１５によって演算された近似度と比率算出部１４によって演算された比とに基づいて、分類グループ内のカテゴリ毎に優先度（以下、係数Ｐを称す）を算出する。
嗜好値算出部１７は、優先度算出部１６によって算出された係数Ｐと予め設定される係数に基づいて、嗜好値を算出する。
【００１３】
ユーザデータベース１８は、嗜好値算出部１７によって算出された嗜好値と、該嗜好値に対応するカテゴリとを対応付けてユーザの嗜好情報として記憶する。この嗜好情報は、例えば、図６（ａ）に示すように、特徴カテゴリが１からｎ（ｎは２以上の自然数）まで嗜好の度合いが高い順に設定されており、同じ分類グループ（分類番号）のユーザは、全て同じ特徴カテゴリが設定される。また、このカテゴリに設定される嗜好値は、各ユーザのそのカテゴリにおける嗜好の度合いを示すものであり、嗜好値が大きいほど、嗜好の度合いが強い個度を示すものである。
【００１４】
配信部１９は、ユーザデータベース１８の嗜好情報に基づいてコンテンツの広告を配信する。
コンテンツデータベース２０は、ユーザ端末２に送信するコンテンツを記憶する。このコンテンツは、図３に示すように、カテゴリ毎に分類されており、カテゴリは、嗜好情報に対応づけられて記憶されている。この嗜好情報には、少なくとも１つのカテゴリが対応付けられて記憶される。また、コンテンツデータベース２０は、コンテンツの広告となる広告情報を記憶する。
アクセス管理部２１は、ユーザ端末２にコンテンツを送信する毎に、どのユーザにどのコンテンツを送信したかを行動履歴データベース１１に記憶する。
【００１５】
次に、上述した構成におけるリコメンド装置１の動作について図４から図７を用いて説明する。まず、レコメンデーション装置１のアクセス管理部２１は、ユーザ端末２に送信したコンテンツの履歴をユーザ行動履歴データベース１１に順次記憶する（図４ステップＳ１１）。行動履歴データベース１１にコンテンツの配信履歴が記憶されると、分類分析部１２は、分類分析をするための集計処理を行う。すなわち、ユーザ端末２に送信したコンテンツが分類されているカテゴリ毎の配信回数をカウントする（図４ステップＳ１２）。そして、このステップＳ１２の処理をユーザ毎に実行する（図４ステップＳ１３）。このステップＳ１３の処理が終了すると、分類分析部１２は、それぞれのカテゴリの配信回数の分布の類似度が高いユーザの配信履歴が集まるように分類する（図４ステップＳ１４）。
【００１６】
分類分析部１２によって分類分析されると、予め指定された分類グループ数に応じた分類グループの数（例えば５つのグループ）に分類する。そして、分類グループに分類されると、配信回数平均値演算部１３は、配信したコンテンツが含まれるカテゴリの配信回数と同じ分類番号に属するユーザの数とによって平均値を算出する。この算出結果は、例えば、図５（ａ）符号Ａに示すように、分類番号１に属するユーザの、「サッカー」のカテゴリに含まれるコンテンツの配信要求回数の平均値が８２回であることが示されている。
【００１７】
配信回数平均値演算部１３によって平均値が演算されると、比率算出部１４は、配信回数平均値演算部の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と分類グループにおける全カテゴリの配信回数を平均した平均値との比Ｒを以下に示す（１）式を利用して各カテゴリ毎に算出する。
（特徴カテゴリのその分類内での実績回数平均値）÷（特徴カテゴリの全分類での実績回数平均値）…（１）
ここで、比Ｒの値が大きいほど嗜好が強いこととなる。また、この（１）式によって算出された比Ｒに１００をかけて百分率で表すと、図５（ｂ）のように示される。ここでは、一例として、残ユーザのサッカーに関連づけられるコンテンツの購入回数の平均値と、分類１に属するユーザの平均値（８２回）の比ヲ演算し、百分率で表した場合、２３０％であることが示されている（図５符号（Ｂ））。
【００１８】
この図５（ｂ）において、１００％以上である場合、全体の平均よりこのカテゴリに対してコンテンツの配信要求が高いことを示す。また、比Ｒ＞設定値Ａ（少なくとも１以上の値とする。平均値は嗜好が強いと判断しない）が成立する場合は、ユーザの嗜好が高いものである。そして、これらのカテゴリを比Ｒの値が大きいものから順に並べ替えられ、特徴カテゴリとしてユーザデータベース１８に一時保持される。なお、この設定値Ａは、レコメンデーション装置１の管理者によって決定される。
【００１９】
比率算出部１４によって比Ｒが演算されると、近似度演算部１５は、分類グループに分類された各ユーザの各カテゴリの配信回数平均値とユーザに対するコンテンツの配信履歴との重心からの距離を演算する。この重心からの距離の演算結果において、ある分類グループに属するユーザは、その分類グループのカテゴリの平均値のパターンと完全に一致する場合は重心からの距離は０となり、重心からの距離の値が小さいほど分類グループのカテゴリの平均値のパターンに対する共通性が高いことになる。この受信からの距離が算出された結果は、図５（ｃ）のように示される。
【００２０】
次に、重心からの距離が算出されると、優先度算出部１６は、近似度演算部１５によって演算された重心からの距離と比率算出部１４によって演算された比Ｒとに基づいて、分類グループ内のカテゴリ毎に係数Ｐを以下に示す（２）を用いて算出する。
係数Ｐ＝（特徴カテゴリのその分類内での実績回数平均値）÷（特徴カテゴリの全分類での実績回数平均値）×（１−重心からの距離）…（２）
【００２１】
嗜好値算出部１７は、係数Ｐが演算されると、この係数Ｐを利用し、以下に示す（３）式を用いて計算する。
嗜好値＝（（Ｍａｘ−Ｍｉｎ）×係数Ｐ＋Ｍｉｎ×Ｒａｔｅ−Ｍａｘ）÷（Ｒａｔｅ−１）…（３）
ここで、Ｒａｔｅは比率、Ｍａｘは嗜好値の上限値、Ｍｉｎは嗜好値の下限値であり、これらは、レコメンデーション装置１の管理者によって予め設定される。
【００２２】
ここで、レコメンデーション装置１の管理者によってＲａｔｅ＝３が設定されると、比Ｒが３以上であるユーザは、全て嗜好値がＭａｘの値として決定される。なお、（３）式において、嗜好値が負の値となる場合は、Ｍｉｎの値が嗜好値として設定される。また、平均的な嗜好を持つユーザは、Ｍｉｎと等しい値となる。
【００２３】
そして、嗜好値が算出されると、嗜好値算出部１７は、算出された嗜好値とユーザデータベース１８に一時保持された特徴カテゴリとを対応付けてユーザデータベース１８に記憶する。この記憶された嗜好情報は、例えば、図６（ａ）のような情報である。
【００２４】
そして、ユーザ端末２からコンテンツの配信要求があった場合に、ユーザデータベース１８を参照し、コンテンツの配信要求を送信したユーザ端末２に対応する嗜好情報をユーザデータベース１８から読み出し、嗜好情報に含まれるカテゴリと嗜好値とに基づいて、ユーザ端末２にコンテンツとコンテンツの広告情報を配信する。
【００２５】
次に、上述した嗜好値を算出する場合について、さらに説明する。
ＲＡＴＥ＝３、Ｍａｘ＝１０、Ｍｉｎ＝０であり、ユーザが「鈴木」さんの音楽好き度については、以下のように算出される。「鈴木」さんの分類グループは、「２」であるので、この分類グループ「２」におけるカテゴリ「音楽」は、図５（ｂ）から、比Ｒは１．７であるので、
係数Ｐ＝１．７×（１−０．２）＝１．３６
嗜好値＝（（１０−０）×１．３６＋０×３−１０）／（３−１）＝１．８
となる。この嗜好値は、各ユーザの分類毎に算出され嗜好情報として設定される。従って、同じ分類グループのユーザは、特徴カテゴリがそれぞれ共通するが、ユーザ毎に重心からの距離が異なるため、嗜好値が異なる。これにより、特徴カテゴリに各ユーザの趣味や嗜好の度合いを反映させることができる。
【００２６】
以上説明した実施形態において、配信部１９は、ユーザ端末２に配信した履歴がないコンテンツの広告を配信するようにしてもよい。この場合におけるレコメンデーション装置１の動作について図７のフローチャートを用いて説明する。すなわち、配信部１９は、ユーザ端末２に広告を配信する場合に、広告を配信する対象となるユーザの嗜好情報をユーザデータベース１８から読み出すとともに（ステップＳ５１）、ユーザにコンテンツを配信した履歴の情報をユーザ行動履歴データベース１１から読み出す（ステップＳ５２）。そして、ユーザの嗜好情報に設定されたカテゴリに含まれるコンテンツのうち、ユーザ端末２に配信した履歴がないコンテンツを抽出し（ステップＳ５３）、抽出されたコンテンツの広告情報をコンテンツデータベースから読み出してユーザ端末２に配信する（ステップＳ５４）。
【００２７】
例えば、嗜好情報に「音楽好き度」が設定されており、既に「クラシックＣＤ」のコンテンツを購入した履歴があるユーザに対しては、「クラシックＣＤ」と「コンサートチケット」との広告のうち、「コンサートチケット」の広告のみが配信される。これにより、既に配信したコンテンツに関する広告を配信せずに、これから販売したいコンテンツに関する広告のみを配信することができるので、既に販売したコンテンツについて広告する無駄を省き、コンテンツの広告の効率を向上させることができる。
【００２８】
次に、第２の実施形態におけるレコメンデーション装置１について説明する。図８は、第２の実施形態におけるレコメンデーション装置１の構成について説明するための概略ブロック図である。この図において、図２の各部に対応する部分には同一の符号を付け、その説明を省略する。ユーザ行動履歴データベース１１は、ユーザ端末２に送信したコンテンツの履歴をコンテンツを送信した日時情報に対応付けて履歴情報として記憶する。相関分析部３０は、行動履歴データベース１１に記憶された履歴情報に基づいて、予め決められた期間内に利用された複数のコンテンツを相関があるコンテンツとして対応付ける相関分析をする。ここで、予め決められた期間内は、例えば、５分以内、３０分以内、１時間以内など、管理者によって決定される期間であり、複数のコンテンツが購入されている場合に、複数のコンテンツを一緒に購入したか否かを判断するために設定される期間である。この相関分析は、例えば、１日ごと、一ヶ月ごとなど、予め管理者から指定された分析タイミング毎に行われる。
【００２９】
分析結果データベース３１は、相関分析部３０の分析結果を記憶する。配信部１９は、ユーザ端末２からコンテンツの配信要求があった場合に、該要求されたコンテンツに相関があるコンテンツを分析結果データベースから読み出し、読み出した相関があるコンテンツの広告をユーザ端末２に送信する。
【００３０】
次に、図８に示すレコメンデーション装置１の動作について、図９〜図１０を用いて説明する。ここでは、２つ以上のコンテンツが３０分以上の間隔をあけないで購入された場合に相関があるコンテンツとして、１日ごとの分析タイミングに相関分析を行い場合について説明する。
相関分析部３０は、分析タイミングに到達すると、行動履歴データベース１１に記憶された履歴情報を集計し（図９ステップＳ６１）、集計された履歴情報の中から、３０分以内に２つ以上のコンテンツが購入されているか否かを検出し、３０分以内に購入されている２つ以上のコンテンツの情報をレコードとして生成する（図９ステップＳ６２）。このレコードの生成処理をユーザ毎に行い、レコードを集計する（図９ステップＳ６３）。
【００３１】
次に、相関分析部３０は、レコード毎にレコード内のコンテンツを相関分析し、相関度合いを演算する（図１０ステップＳ６４）。ここでは、例えば、図１０（ａ）に示すような演算結果が出力される（図１０ステップＳ６５）。そして、相関分析部３０は、コンテンツ毎に、そのコンテンツと相関度合いが予め管理者から指定される閾値以上のコンテンツの組み合わせを抽出し、抽出結果を分析結果データとして分析結果データベース３１に記憶する（ステップＳ６６）。
【００３２】
次に、ユーザ端末２からコンテンツ配信の要求があると、配信部１９は、配信要求されたコンテンツに対して相関があるコンテンツを分析結果データベース３１から読み出し、読み出された相関があるコンテンツの広告情報をコンテンツデータベース２０から読み出し、読み出した広告情報を要求されたコンテンツとともにユーザ端末２に送信する。
【００３３】
例えば、ユーザ端末２からコンテンツＢの配信要求がなされた場合は、図１０（ｂ）に示す分析結果データに基づき、コンテンツＢに対応する相関コンテンツ１のコンテンツＣと相関コンテンツ２のコンテンツＤとが広告情報としてユーザ端末２に送信される。
【００３４】
以上説明した実施形態によれば、相関分析を行ってユーザに配信すべきコンテンツの広告を決定するようにしたので、信頼性が高く、かつ、嗜好情報をユーザに設定してもらう手間を省き、効率よく広告を配信することができる。
【００３５】
次に、第３の実施形態について説明する。図１１は、第３の実施形態におけるレコメンデーション装置１の構成を示す概略ブロック図である。この図において、図２の各部に対応する部分に同一の符号を付け、その説明を省略する。この図において、ユーザデータベース１１は、ユーザの属性情報を記憶する。この属性情報は、例えば、年齢、性別、年収などが含まれ、個人の属性を示すものである。
【００３６】
ユーザ属性条件生成部４０は、ユーザ行動履歴データベース１１に記憶された履歴情報とユーザデータベース１８に記憶された属性情報とに基づいて、コンテンツを送信したユーザの属性を判別分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成する。配信部１９は、ユーザ属性条件生成部４０によって生成されたユーザ属性条件に基づいて、コンテンツの広告を配信する。
【００３７】
次に、この実施形態におけるレコメンデーション装置１の動作について、図１２から図１３を用いて説明する。ユーザ属性条件生成部４０は、ユーザ行動履歴データベース１１からユーザの行動履歴を読み出し（図１２ステップＳ７１）、読み出した行動履歴のカテゴリ毎に配信回数を集計し、ユーザデータベース１８からユーザの属性情報を読み出し、読み出した属性情報と行動履歴とを対応付けする（図１２ステップＳ７３）。そして、図１２ステップＳ７１から図１２ステップＳ７３までの処理をユーザ毎に行い（図１２ステップＳ７４）、処理結果を判別分析する（図１２ステップＳ７５）。
【００３８】
判別分析の結果は、例えば、図１３に示すように、配信した実績が多いユーザの属性の傾向が、カテゴリ毎にユーザ属性条件として得られ、分析結果データベース３１に記憶される。
【００３９】
次に、配信部１９は、ユーザ端末２からアクセスがあった場合に、アクセスをしてきたユーザ端末２のユーザの属性情報をユーザデータベース１８から読み出し、読み出した属性情報がユーザ属性条件に一致するカテゴリのコンテンツの広告を配信する。
【００４０】
ここでは、例えば、年齢が４０歳以下の女性であり、嗜好値が３以上のカテゴリＢが設定された嗜好情報のユーザには、カテゴリＡの広告が配信される。
【００４１】
なお、コンテンツを広告する場合、配信部１９は、コンテンツが含まれるカテゴリのユーザ属性条件を分析結果データベース３１から読み出し、読み出したユーザ属性条件に該当する嗜好情報が設定されたユーザをユーザデータベース１８から複数読み出し、ユーザ属性条件に該当する各ユーザ端末２に送信するようにしてもよい。
【００４２】
以上説明したこの実施形態によれば、コンテンツを配信した履歴情報に基づいて、広告を配信する対象のユーザ属性条件を生成するようにしたので、コンテンツを購入する確率が高いユーザにのみ広告を配信することができ、これにより、効率よくコンテンツの広告を行うことができる。
【００４３】
なお、上記実施形態における第１から第３の実施形態におけるレコメンデーション装置１のうち、少なくとも２つの実施形態におけるレコメンデーション装置１を組み合わせ、１つのレコメンデーション装置１として構成し、広告の配信サービスを実施してもよい。
【００４４】
また、図２における分類分析部１２、配信回数平均値演算部１３、比率算出部１４、近似度演算部１５、優先度算出部１６、嗜好値算出部１７、配信部１９の機能、または、図８における相関分析部３０、配信部１９の機能、または、図１１におけるユーザ属性条件生成部４０、配信部１９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、実行することによりユーザの嗜好情報の設定およびコンテンツの広告の配信処理を行ってもよい。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。
【００４５】
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
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むものとする。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良く、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良い。
【００４６】
以上、この発明の実施形態を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。
【００４７】
【発明の効果】
以上説明したように、この発明によれば、ユーザに配信したコンテンツの履歴に基づいて、ユーザの嗜好情報を設定するようにしたので、ユーザ自身が嗜好情報を設定する手間を省き、誤入力などにより嗜好情報の信頼性が低下してしまうことを防ぐことができ、これにより、ユーザの嗜好情報の信頼性を高め、広告の効果を向上させることができる。
【図面の簡単な説明】
【図１】この発明の一実施形態によるリコメンド装置を適用した広告配信システムの構成を示す概略ブロック図である。
【図２】第１の実施形態におけるリコメンド装置１の構成を示す概略ブロック図である。
【図３】コンテンツ、カテゴリ、嗜好情報の関係について説明するための図面である。
【図４】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図５】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図６】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図７】第１の実施形態におけるリコメンド装置１の動作について説明するためのフローチャートである。
【図８】第２の実施形態におけるレコメンデーション装置１の構成について説明するための概略ブロック図である。
【図９】第２の実施形態におけるコメンデーション装置１の動作について説明するための図面である。
【図１０】第２の実施形態におけるコメンデーション装置１の動作について説明するための図面である。
【図１１】第３の実施形態におけるレコメンデーション装置１の構成を示す概略ブロック図である。
【図１２】第３の実施形態におけるレコメンデーション装置１の動作について説明するための図面である。
【図１３】第３の実施形態におけるレコメンデーション装置１の動作について説明するための図面である。
【符号の説明】
１ レコメンデーション装置 ２ ユーザ端末
１１ 行動履歴データベース １２ 分類分析部
１３ 配信回数平均値演算部 １４ 比率算出部
１５ 近似度演算部 １６ 優先度算出部
１７ 嗜好値算出部 １８ ユーザデータベース
１９ 配信部 ２０ コンテンツデータベース
２１ アクセス管理部 ３０ 相関分析部
３１ 分析結果データベース ４０ ユーザ属性条件生成部
【発明の属する技術分野】
この発明は、ユーザ端末に広告を配信するレコメンデーション装置に関するものである。
【０００２】
【従来の技術】
従来から、レコメンデーション装置を利用した種種のサービスが行われつつある。例えば、ユーザ自身に趣味や嗜好についてのアンケートに答えてもらい、そのアンケート結果を嗜好情報としてサーバに登録しておき、ユーザの嗜好情報にあわせた推薦コンテンツの広告を各ユーザ端末に送信している。そして、ユーザは、これらの広告を参照し、必要なコンテンツの送信要求を行い、コンテンツを購入している。このアンケートには、例えば、ユーザは、自身の趣味や嗜好に応じたコンテンツのカテゴリ（旅行、音楽、スポーツなど）を選択し、さらに、自身の嗜好の度合いを５段階の中から選択し、嗜好情報として登録している。
【０００３】
【発明が解決しようとする課題】
しかしながら、上述した従来技術によれば、以下のような問題点が生じる。
ケース１）ユーザの嗜好情報から推薦コンテンツを決定する場合
１、アンケートをユーザに答えてもらい、嗜好情報を生成していたので、ユーザがアンケートの回答を誤入力してしまうと、必ずしもユーザの趣味や嗜好にあった推薦コンテンツが送信されるとは限らず、ユーザの趣味や嗜好を反映できない場合がある。すなわち、趣味や嗜好についての情報の信頼性が低い場合がある。２、アンケートを行った後に、しばらく時間が過ぎると、ユーザの趣味や嗜好も変わっていく場合があり、趣味や嗜好についての信頼性が低くなってしまい、また、趣味や嗜好の変化に応じてアンケートを再度行うことは、ユーザにとって手間がかかる。
３、サービス提供側は、効果的に推薦コンテンツを送信するために、嗜好情報がＸのユーザが、コンテンツ１を購入する傾向があることを予め知っておく必要がある。例えば、嗜好情報としてサッカーが設定されているユーザは、サッカーのチケットを購入する傾向があることを知っておく必要がある。
【０００４】
ケース２）効果的に推薦コンテンツを送信するために、嗜好情報によらず、ユーザの購入したコンテンツから推薦コンテンツを決定する場合
１、コンテンツ１を購入する人は、コンテンツ２も合わせて購入する傾向にあることを予め知っておく必要がある。例えば、サッカーチケットを購入するユーザは、サッカーの応援グッズを購入する傾向があることを想定しておく必要がある。
ケース３）あるカテゴリに属するコンテンツを推薦する対象となるユーザを決定する場合
１、ユーザデータの参照機能を利用し、ユーザの嗜好情報Ｘの値がＡ以上などの検索条件に合致したユーザを抽出する場合においては、あるカテゴリに属するコンテンツを購入するユーザは、嗜好情報の値がＸ以上であることをサービス提供者側は、知っておく必要がある。
【０００５】
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、コンテンツを推薦する対象となるユーザの嗜好情報の信頼性を高めることができるレコメンデーション装置を提供することにある。
また、本発明は、ユーザが購入するコンテンツに基づいて、広告の効果を向上させることができるレコメンデーション装置を提供することにある。
【０００６】
【課題を解決するための手段】
上記目的を達成するために、本発明は、ユーザ端末に送信したコンテンツの履歴情報を記憶するユーザ行動履歴データベースと、前記ユーザの属性情報を記憶するユーザデータベースと、前記ユーザ行動履歴データベースに記憶された履歴情報と前記ユーザデータベースに記憶された属性情報とに基づいて、前記コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するユーザ属性条件生成部と、前記ユーザ属性条件生成部によって生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信する配信部と、を有することを特徴とする。
【０００７】
また、本発明は、ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成し、生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信することを特徴とする。
【０００８】
また、本発明は、ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するステップと、生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信するステップと、をコンピュータに実行させることを特徴とする。
【０００９】
また、本発明は、ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するステップと、生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信するステップと、をコンピュータに実行させるための広告配信プログラムを記録したことを特徴とする。
【００１０】
【発明の実施の形態】
以下、本発明の一実施形態によるリコメンド装置を図面を参照して説明する。図１は、この発明の一実施形態によるリコメンド装置を適用した広告配信システムの構成を示す概略ブロック図である。この図において、リコメンド装置１は、複数のユーザ端末２にネットワーク２を介して接続され、ユーザ端末２からのコンテンツ送信要求に応じて、コンテンツを送信し、ユーザから対価を回収するサービスを行う。具体的には、レコメンデーション装置１からユーザ端末２にコンテンツの広告を行い、ユーザ端末２から購入指示である送信要求を受けて、コンテンツを販売する。このリコメンド装置１について、図２を用いて説明する。図２は、第１の実施形態におけるリコメンド装置１の構成を示す概略ブロック図である。
【００１１】
図２において、ユーザ行動履歴データベース１１は、ユーザ端末２に送信したコンテンツの履歴とコンテンツを区分するために設定されたカテゴリとを対応付けて記憶する。
分類分析部１２は、行動履歴データベース１１に記憶される情報に基づいて、配信したコンテンツを含むカテゴリの配信回数の分布の類似度が高い配信履歴が集まるように予め指定されたグループ数に応じた複数の分類グループに分類分析する。また、分類分析部１２は、分類分析するためのデータを集計する。
配信回数平均値演算部１３は、分類分析部の分析結果に基づいてカテゴリにおける配信回数の平均値を演算する。
【００１２】
比率算出部１４は、配信回数平均値演算部の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と前記分類グループにおける全カテゴリの配信回数を平均した平均値との比を各カテゴリ毎に算出する。
近似度演算部１５は、分類グループにユーザを分類し、分類されたグループの各カテゴリの配信回数平均値とユーザに対するコンテンツの配信履歴との近似度（以下、重心からの距離と称す）を演算する。
優先度算出部１６は、近似度演算部１５によって演算された近似度と比率算出部１４によって演算された比とに基づいて、分類グループ内のカテゴリ毎に優先度（以下、係数Ｐを称す）を算出する。
嗜好値算出部１７は、優先度算出部１６によって算出された係数Ｐと予め設定される係数に基づいて、嗜好値を算出する。
【００１３】
ユーザデータベース１８は、嗜好値算出部１７によって算出された嗜好値と、該嗜好値に対応するカテゴリとを対応付けてユーザの嗜好情報として記憶する。この嗜好情報は、例えば、図６（ａ）に示すように、特徴カテゴリが１からｎ（ｎは２以上の自然数）まで嗜好の度合いが高い順に設定されており、同じ分類グループ（分類番号）のユーザは、全て同じ特徴カテゴリが設定される。また、このカテゴリに設定される嗜好値は、各ユーザのそのカテゴリにおける嗜好の度合いを示すものであり、嗜好値が大きいほど、嗜好の度合いが強い個度を示すものである。
【００１４】
配信部１９は、ユーザデータベース１８の嗜好情報に基づいてコンテンツの広告を配信する。
コンテンツデータベース２０は、ユーザ端末２に送信するコンテンツを記憶する。このコンテンツは、図３に示すように、カテゴリ毎に分類されており、カテゴリは、嗜好情報に対応づけられて記憶されている。この嗜好情報には、少なくとも１つのカテゴリが対応付けられて記憶される。また、コンテンツデータベース２０は、コンテンツの広告となる広告情報を記憶する。
アクセス管理部２１は、ユーザ端末２にコンテンツを送信する毎に、どのユーザにどのコンテンツを送信したかを行動履歴データベース１１に記憶する。
【００１５】
次に、上述した構成におけるリコメンド装置１の動作について図４から図７を用いて説明する。まず、レコメンデーション装置１のアクセス管理部２１は、ユーザ端末２に送信したコンテンツの履歴をユーザ行動履歴データベース１１に順次記憶する（図４ステップＳ１１）。行動履歴データベース１１にコンテンツの配信履歴が記憶されると、分類分析部１２は、分類分析をするための集計処理を行う。すなわち、ユーザ端末２に送信したコンテンツが分類されているカテゴリ毎の配信回数をカウントする（図４ステップＳ１２）。そして、このステップＳ１２の処理をユーザ毎に実行する（図４ステップＳ１３）。このステップＳ１３の処理が終了すると、分類分析部１２は、それぞれのカテゴリの配信回数の分布の類似度が高いユーザの配信履歴が集まるように分類する（図４ステップＳ１４）。
【００１６】
分類分析部１２によって分類分析されると、予め指定された分類グループ数に応じた分類グループの数（例えば５つのグループ）に分類する。そして、分類グループに分類されると、配信回数平均値演算部１３は、配信したコンテンツが含まれるカテゴリの配信回数と同じ分類番号に属するユーザの数とによって平均値を算出する。この算出結果は、例えば、図５（ａ）符号Ａに示すように、分類番号１に属するユーザの、「サッカー」のカテゴリに含まれるコンテンツの配信要求回数の平均値が８２回であることが示されている。
【００１７】
配信回数平均値演算部１３によって平均値が演算されると、比率算出部１４は、配信回数平均値演算部の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と分類グループにおける全カテゴリの配信回数を平均した平均値との比Ｒを以下に示す（１）式を利用して各カテゴリ毎に算出する。
（特徴カテゴリのその分類内での実績回数平均値）÷（特徴カテゴリの全分類での実績回数平均値）…（１）
ここで、比Ｒの値が大きいほど嗜好が強いこととなる。また、この（１）式によって算出された比Ｒに１００をかけて百分率で表すと、図５（ｂ）のように示される。ここでは、一例として、残ユーザのサッカーに関連づけられるコンテンツの購入回数の平均値と、分類１に属するユーザの平均値（８２回）の比ヲ演算し、百分率で表した場合、２３０％であることが示されている（図５符号（Ｂ））。
【００１８】
この図５（ｂ）において、１００％以上である場合、全体の平均よりこのカテゴリに対してコンテンツの配信要求が高いことを示す。また、比Ｒ＞設定値Ａ（少なくとも１以上の値とする。平均値は嗜好が強いと判断しない）が成立する場合は、ユーザの嗜好が高いものである。そして、これらのカテゴリを比Ｒの値が大きいものから順に並べ替えられ、特徴カテゴリとしてユーザデータベース１８に一時保持される。なお、この設定値Ａは、レコメンデーション装置１の管理者によって決定される。
【００１９】
比率算出部１４によって比Ｒが演算されると、近似度演算部１５は、分類グループに分類された各ユーザの各カテゴリの配信回数平均値とユーザに対するコンテンツの配信履歴との重心からの距離を演算する。この重心からの距離の演算結果において、ある分類グループに属するユーザは、その分類グループのカテゴリの平均値のパターンと完全に一致する場合は重心からの距離は０となり、重心からの距離の値が小さいほど分類グループのカテゴリの平均値のパターンに対する共通性が高いことになる。この受信からの距離が算出された結果は、図５（ｃ）のように示される。
【００２０】
次に、重心からの距離が算出されると、優先度算出部１６は、近似度演算部１５によって演算された重心からの距離と比率算出部１４によって演算された比Ｒとに基づいて、分類グループ内のカテゴリ毎に係数Ｐを以下に示す（２）を用いて算出する。
係数Ｐ＝（特徴カテゴリのその分類内での実績回数平均値）÷（特徴カテゴリの全分類での実績回数平均値）×（１−重心からの距離）…（２）
【００２１】
嗜好値算出部１７は、係数Ｐが演算されると、この係数Ｐを利用し、以下に示す（３）式を用いて計算する。
嗜好値＝（（Ｍａｘ−Ｍｉｎ）×係数Ｐ＋Ｍｉｎ×Ｒａｔｅ−Ｍａｘ）÷（Ｒａｔｅ−１）…（３）
ここで、Ｒａｔｅは比率、Ｍａｘは嗜好値の上限値、Ｍｉｎは嗜好値の下限値であり、これらは、レコメンデーション装置１の管理者によって予め設定される。
【００２２】
ここで、レコメンデーション装置１の管理者によってＲａｔｅ＝３が設定されると、比Ｒが３以上であるユーザは、全て嗜好値がＭａｘの値として決定される。なお、（３）式において、嗜好値が負の値となる場合は、Ｍｉｎの値が嗜好値として設定される。また、平均的な嗜好を持つユーザは、Ｍｉｎと等しい値となる。
【００２３】
そして、嗜好値が算出されると、嗜好値算出部１７は、算出された嗜好値とユーザデータベース１８に一時保持された特徴カテゴリとを対応付けてユーザデータベース１８に記憶する。この記憶された嗜好情報は、例えば、図６（ａ）のような情報である。
【００２４】
そして、ユーザ端末２からコンテンツの配信要求があった場合に、ユーザデータベース１８を参照し、コンテンツの配信要求を送信したユーザ端末２に対応する嗜好情報をユーザデータベース１８から読み出し、嗜好情報に含まれるカテゴリと嗜好値とに基づいて、ユーザ端末２にコンテンツとコンテンツの広告情報を配信する。
【００２５】
次に、上述した嗜好値を算出する場合について、さらに説明する。
ＲＡＴＥ＝３、Ｍａｘ＝１０、Ｍｉｎ＝０であり、ユーザが「鈴木」さんの音楽好き度については、以下のように算出される。「鈴木」さんの分類グループは、「２」であるので、この分類グループ「２」におけるカテゴリ「音楽」は、図５（ｂ）から、比Ｒは１．７であるので、
係数Ｐ＝１．７×（１−０．２）＝１．３６
嗜好値＝（（１０−０）×１．３６＋０×３−１０）／（３−１）＝１．８
となる。この嗜好値は、各ユーザの分類毎に算出され嗜好情報として設定される。従って、同じ分類グループのユーザは、特徴カテゴリがそれぞれ共通するが、ユーザ毎に重心からの距離が異なるため、嗜好値が異なる。これにより、特徴カテゴリに各ユーザの趣味や嗜好の度合いを反映させることができる。
【００２６】
以上説明した実施形態において、配信部１９は、ユーザ端末２に配信した履歴がないコンテンツの広告を配信するようにしてもよい。この場合におけるレコメンデーション装置１の動作について図７のフローチャートを用いて説明する。すなわち、配信部１９は、ユーザ端末２に広告を配信する場合に、広告を配信する対象となるユーザの嗜好情報をユーザデータベース１８から読み出すとともに（ステップＳ５１）、ユーザにコンテンツを配信した履歴の情報をユーザ行動履歴データベース１１から読み出す（ステップＳ５２）。そして、ユーザの嗜好情報に設定されたカテゴリに含まれるコンテンツのうち、ユーザ端末２に配信した履歴がないコンテンツを抽出し（ステップＳ５３）、抽出されたコンテンツの広告情報をコンテンツデータベースから読み出してユーザ端末２に配信する（ステップＳ５４）。
【００２７】
例えば、嗜好情報に「音楽好き度」が設定されており、既に「クラシックＣＤ」のコンテンツを購入した履歴があるユーザに対しては、「クラシックＣＤ」と「コンサートチケット」との広告のうち、「コンサートチケット」の広告のみが配信される。これにより、既に配信したコンテンツに関する広告を配信せずに、これから販売したいコンテンツに関する広告のみを配信することができるので、既に販売したコンテンツについて広告する無駄を省き、コンテンツの広告の効率を向上させることができる。
【００２８】
次に、第２の実施形態におけるレコメンデーション装置１について説明する。図８は、第２の実施形態におけるレコメンデーション装置１の構成について説明するための概略ブロック図である。この図において、図２の各部に対応する部分には同一の符号を付け、その説明を省略する。ユーザ行動履歴データベース１１は、ユーザ端末２に送信したコンテンツの履歴をコンテンツを送信した日時情報に対応付けて履歴情報として記憶する。相関分析部３０は、行動履歴データベース１１に記憶された履歴情報に基づいて、予め決められた期間内に利用された複数のコンテンツを相関があるコンテンツとして対応付ける相関分析をする。ここで、予め決められた期間内は、例えば、５分以内、３０分以内、１時間以内など、管理者によって決定される期間であり、複数のコンテンツが購入されている場合に、複数のコンテンツを一緒に購入したか否かを判断するために設定される期間である。この相関分析は、例えば、１日ごと、一ヶ月ごとなど、予め管理者から指定された分析タイミング毎に行われる。
【００２９】
分析結果データベース３１は、相関分析部３０の分析結果を記憶する。配信部１９は、ユーザ端末２からコンテンツの配信要求があった場合に、該要求されたコンテンツに相関があるコンテンツを分析結果データベースから読み出し、読み出した相関があるコンテンツの広告をユーザ端末２に送信する。
【００３０】
次に、図８に示すレコメンデーション装置１の動作について、図９〜図１０を用いて説明する。ここでは、２つ以上のコンテンツが３０分以上の間隔をあけないで購入された場合に相関があるコンテンツとして、１日ごとの分析タイミングに相関分析を行い場合について説明する。
相関分析部３０は、分析タイミングに到達すると、行動履歴データベース１１に記憶された履歴情報を集計し（図９ステップＳ６１）、集計された履歴情報の中から、３０分以内に２つ以上のコンテンツが購入されているか否かを検出し、３０分以内に購入されている２つ以上のコンテンツの情報をレコードとして生成する（図９ステップＳ６２）。このレコードの生成処理をユーザ毎に行い、レコードを集計する（図９ステップＳ６３）。
【００３１】
次に、相関分析部３０は、レコード毎にレコード内のコンテンツを相関分析し、相関度合いを演算する（図１０ステップＳ６４）。ここでは、例えば、図１０（ａ）に示すような演算結果が出力される（図１０ステップＳ６５）。そして、相関分析部３０は、コンテンツ毎に、そのコンテンツと相関度合いが予め管理者から指定される閾値以上のコンテンツの組み合わせを抽出し、抽出結果を分析結果データとして分析結果データベース３１に記憶する（ステップＳ６６）。
【００３２】
次に、ユーザ端末２からコンテンツ配信の要求があると、配信部１９は、配信要求されたコンテンツに対して相関があるコンテンツを分析結果データベース３１から読み出し、読み出された相関があるコンテンツの広告情報をコンテンツデータベース２０から読み出し、読み出した広告情報を要求されたコンテンツとともにユーザ端末２に送信する。
【００３３】
例えば、ユーザ端末２からコンテンツＢの配信要求がなされた場合は、図１０（ｂ）に示す分析結果データに基づき、コンテンツＢに対応する相関コンテンツ１のコンテンツＣと相関コンテンツ２のコンテンツＤとが広告情報としてユーザ端末２に送信される。
【００３４】
以上説明した実施形態によれば、相関分析を行ってユーザに配信すべきコンテンツの広告を決定するようにしたので、信頼性が高く、かつ、嗜好情報をユーザに設定してもらう手間を省き、効率よく広告を配信することができる。
【００３５】
次に、第３の実施形態について説明する。図１１は、第３の実施形態におけるレコメンデーション装置１の構成を示す概略ブロック図である。この図において、図２の各部に対応する部分に同一の符号を付け、その説明を省略する。この図において、ユーザデータベース１１は、ユーザの属性情報を記憶する。この属性情報は、例えば、年齢、性別、年収などが含まれ、個人の属性を示すものである。
【００３６】
ユーザ属性条件生成部４０は、ユーザ行動履歴データベース１１に記憶された履歴情報とユーザデータベース１８に記憶された属性情報とに基づいて、コンテンツを送信したユーザの属性を判別分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成する。配信部１９は、ユーザ属性条件生成部４０によって生成されたユーザ属性条件に基づいて、コンテンツの広告を配信する。
【００３７】
次に、この実施形態におけるレコメンデーション装置１の動作について、図１２から図１３を用いて説明する。ユーザ属性条件生成部４０は、ユーザ行動履歴データベース１１からユーザの行動履歴を読み出し（図１２ステップＳ７１）、読み出した行動履歴のカテゴリ毎に配信回数を集計し、ユーザデータベース１８からユーザの属性情報を読み出し、読み出した属性情報と行動履歴とを対応付けする（図１２ステップＳ７３）。そして、図１２ステップＳ７１から図１２ステップＳ７３までの処理をユーザ毎に行い（図１２ステップＳ７４）、処理結果を判別分析する（図１２ステップＳ７５）。
【００３８】
判別分析の結果は、例えば、図１３に示すように、配信した実績が多いユーザの属性の傾向が、カテゴリ毎にユーザ属性条件として得られ、分析結果データベース３１に記憶される。
【００３９】
次に、配信部１９は、ユーザ端末２からアクセスがあった場合に、アクセスをしてきたユーザ端末２のユーザの属性情報をユーザデータベース１８から読み出し、読み出した属性情報がユーザ属性条件に一致するカテゴリのコンテンツの広告を配信する。
【００４０】
ここでは、例えば、年齢が４０歳以下の女性であり、嗜好値が３以上のカテゴリＢが設定された嗜好情報のユーザには、カテゴリＡの広告が配信される。
【００４１】
なお、コンテンツを広告する場合、配信部１９は、コンテンツが含まれるカテゴリのユーザ属性条件を分析結果データベース３１から読み出し、読み出したユーザ属性条件に該当する嗜好情報が設定されたユーザをユーザデータベース１８から複数読み出し、ユーザ属性条件に該当する各ユーザ端末２に送信するようにしてもよい。
【００４２】
以上説明したこの実施形態によれば、コンテンツを配信した履歴情報に基づいて、広告を配信する対象のユーザ属性条件を生成するようにしたので、コンテンツを購入する確率が高いユーザにのみ広告を配信することができ、これにより、効率よくコンテンツの広告を行うことができる。
【００４３】
なお、上記実施形態における第１から第３の実施形態におけるレコメンデーション装置１のうち、少なくとも２つの実施形態におけるレコメンデーション装置１を組み合わせ、１つのレコメンデーション装置１として構成し、広告の配信サービスを実施してもよい。
【００４４】
また、図２における分類分析部１２、配信回数平均値演算部１３、比率算出部１４、近似度演算部１５、優先度算出部１６、嗜好値算出部１７、配信部１９の機能、または、図８における相関分析部３０、配信部１９の機能、または、図１１におけるユーザ属性条件生成部４０、配信部１９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、実行することによりユーザの嗜好情報の設定およびコンテンツの広告の配信処理を行ってもよい。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。
【００４５】
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
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むものとする。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良く、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良い。
【００４６】
以上、この発明の実施形態を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。
【００４７】
【発明の効果】
以上説明したように、この発明によれば、ユーザに配信したコンテンツの履歴に基づいて、ユーザの嗜好情報を設定するようにしたので、ユーザ自身が嗜好情報を設定する手間を省き、誤入力などにより嗜好情報の信頼性が低下してしまうことを防ぐことができ、これにより、ユーザの嗜好情報の信頼性を高め、広告の効果を向上させることができる。
【図面の簡単な説明】
【図１】この発明の一実施形態によるリコメンド装置を適用した広告配信システムの構成を示す概略ブロック図である。
【図２】第１の実施形態におけるリコメンド装置１の構成を示す概略ブロック図である。
【図３】コンテンツ、カテゴリ、嗜好情報の関係について説明するための図面である。
【図４】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図５】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図６】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図７】第１の実施形態におけるリコメンド装置１の動作について説明するためのフローチャートである。
【図８】第２の実施形態におけるレコメンデーション装置１の構成について説明するための概略ブロック図である。
【図９】第２の実施形態におけるコメンデーション装置１の動作について説明するための図面である。
【図１０】第２の実施形態におけるコメンデーション装置１の動作について説明するための図面である。
【図１１】第３の実施形態におけるレコメンデーション装置１の構成を示す概略ブロック図である。
【図１２】第３の実施形態におけるレコメンデーション装置１の動作について説明するための図面である。
【図１３】第３の実施形態におけるレコメンデーション装置１の動作について説明するための図面である。
【符号の説明】
１ レコメンデーション装置 ２ ユーザ端末
１１ 行動履歴データベース １２ 分類分析部
１３ 配信回数平均値演算部 １４ 比率算出部
１５ 近似度演算部 １６ 優先度算出部
１７ 嗜好値算出部 １８ ユーザデータベース
１９ 配信部 ２０ コンテンツデータベース
２１ アクセス管理部 ３０ 相関分析部
３１ 分析結果データベース ４０ ユーザ属性条件生成部
Claims (4)
- ユーザ端末に送信したコンテンツの履歴情報を記憶するユーザ行動履歴データベースと、
前記ユーザの属性情報を記憶するユーザデータベースと、
前記ユーザ行動履歴データベースに記憶された履歴情報と前記ユーザデータベースに記憶された属性情報とに基づいて、前記コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するユーザ属性条件生成部と、
前記ユーザ属性条件生成部によって生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信する配信部と、
を有することを特徴とするレコメンデーション装置。 - ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成し、
生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信する
ことを特徴とする広告配信方法。 - ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するステップと、
生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信するステップと、
をコンピュータに実行させるための広告配信プログラム。 - ユーザ端末に送信したコンテンツの履歴情報と前記ユーザの属性情報とに基づいて、コンテンツを送信したユーザの属性を分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成するステップと、
生成されたユーザ属性条件に該当する属性条件が設定されたユーザのユーザ端末にコンテンツの広告を配信するステップと、
をコンピュータに実行させるための広告配信プログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002251715A JP2004094382A (ja) | 2002-08-29 | 2002-08-29 | レコメンデーション装置、広告配信方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002251715A JP2004094382A (ja) | 2002-08-29 | 2002-08-29 | レコメンデーション装置、広告配信方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004094382A true JP2004094382A (ja) | 2004-03-25 |
Family
ID=32058227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002251715A Pending JP2004094382A (ja) | 2002-08-29 | 2002-08-29 | レコメンデーション装置、広告配信方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004094382A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009085602A1 (en) * | 2007-12-20 | 2009-07-09 | Yahoo! Inc. | Recommendation system using social behavior analysis and vocabulary taxonomies |
| JP2011509479A (ja) * | 2008-01-08 | 2011-03-24 | アルカテル−ルーセント | カスタマイズされたコマーシャル告知を提供するための方法 |
| JP2013089080A (ja) * | 2011-10-19 | 2013-05-13 | Yahoo Japan Corp | 広告出力装置、広告出力方法及びプログラム |
| CN108109056A (zh) * | 2018-01-10 | 2018-06-01 | 北京思特奇信息技术股份有限公司 | 一种商品的推荐方法及系统 |
| CN108287921A (zh) * | 2018-02-27 | 2018-07-17 | 苏州竹语网络科技有限公司 | 信息推荐方法及装置 |
-
2002
- 2002-08-29 JP JP2002251715A patent/JP2004094382A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009085602A1 (en) * | 2007-12-20 | 2009-07-09 | Yahoo! Inc. | Recommendation system using social behavior analysis and vocabulary taxonomies |
| US9195752B2 (en) | 2007-12-20 | 2015-11-24 | Yahoo! Inc. | Recommendation system using social behavior analysis and vocabulary taxonomies |
| JP2011509479A (ja) * | 2008-01-08 | 2011-03-24 | アルカテル−ルーセント | カスタマイズされたコマーシャル告知を提供するための方法 |
| KR101164750B1 (ko) | 2008-01-08 | 2012-07-12 | 알까뗄 루슨트 | 광고 배포 시스템 |
| JP2013089080A (ja) * | 2011-10-19 | 2013-05-13 | Yahoo Japan Corp | 広告出力装置、広告出力方法及びプログラム |
| CN108109056A (zh) * | 2018-01-10 | 2018-06-01 | 北京思特奇信息技术股份有限公司 | 一种商品的推荐方法及系统 |
| CN108287921A (zh) * | 2018-02-27 | 2018-07-17 | 苏州竹语网络科技有限公司 | 信息推荐方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10325289B2 (en) | User similarity groups for on-line marketing | |
| US8676645B2 (en) | Identification of users for advertising using data with missing values | |
| US8082298B1 (en) | Selecting an advertising message for presentation on a page of a publisher web site based upon both user history and page context | |
| CA2700030C (en) | Touchpoint customization system | |
| US8655727B2 (en) | Method and system for generating and placing keyword-targeted advertisements | |
| US9053497B2 (en) | Systems and methods for targeting advertising to groups with strong ties within an online social network | |
| US6662215B1 (en) | System and method for content optimization | |
| US7937486B2 (en) | Information processing system, information providing apparatus, information providing method, information processing apparatus, information processing method, and program | |
| US20070078835A1 (en) | Computer system, method and software for creating and providing an individualized web-based browser interface for wrappering search results and presenting advertising to a user based upon at least one profile or user attribute | |
| WO2010119379A1 (en) | A method and system for providing customized content using emotional preference | |
| JP2003529127A (ja) | ウェブユーザプロファイリング及び選択コンテンツ送達 | |
| US20120173338A1 (en) | Method and apparatus for data traffic analysis and clustering | |
| US20070005433A1 (en) | Method and system for advertisement related to information service | |
| US20050149388A1 (en) | Method and system for placing advertisements based on selection of links that are not prominently displayed | |
| JP2004094383A (ja) | レコメンデーション装置、広告配信方法 | |
| JP2004094384A (ja) | レコメンデーション装置、嗜好情報設定方法 | |
| US20090198552A1 (en) | System and process for identifying users for which cooperative electronic advertising is relevant | |
| US20090198553A1 (en) | System and process for generating a user model for use in providing personalized advertisements to retail customers | |
| JP2005157633A (ja) | 情報提供支援装置および情報提供支援方法 | |
| JP2004094382A (ja) | レコメンデーション装置、広告配信方法 | |
| US20090198556A1 (en) | System and process for selecting personalized non-competitive electronic advertising | |
| JP4962950B2 (ja) | ネットワーク上のユーザに対するレコメンデーションの方法、レコメンデーションサーバ及びプログラム | |
| CN113434560A (zh) | 排序方法、电子设备及相关产品 | |
| US20090199233A1 (en) | System and process for generating a selection model for use in personalized non-competitive advertising | |
| JP2004094375A (ja) | 紹介支援装置、会員紹介方法、会員紹介プログラム、記録媒体 |