JP2005085207A - データベース融合装置および広告メディアプランニング支援装置 - Google Patents

Abstract

【課題】 マルチメディア視点の広告メディアプランニングに有用なデータベース融合技術を提供する。
【解決手段】 距離算出部３６は、ドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する。マッチング部３８は、距離パラメータに基づいてドナーサンプルとレシピエントサンプルを組み合わせる。マッチング部３８は、両データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく距離順マッチング処理を行う。また、マッチング部３８は、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で、上記一のレシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行う。
【選択図】 図４

Description

本発明は、広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合することにより、マルチメディア視点でのプランニングに有利に用いられるデータベースを生成する技術に関する。

広告の成果を十分に得るためにはメディアプランニングが重要であり、そして、メディアプランニングの現場では、マルチメディア視点の分析の重要性が高まっている。複数種類のメディアを考慮してターゲッティングが行われ、どれくらいのターゲットに広告が到達するかのリーチフリークエンシーが求められる。広告プランのオプティマイザーおよびシミュレータといった機能を備えるマルチメディアプランニングシステムの開発も注目されている。

このようなマルチメディアプランニングにおいては、プランニングの基本データを提供するデータベースが重要な役割を果たす。この種のデータベースは、生活者のメディア利用状況の情報を有しており、これによりメディアプランニングに有用な情報を提供する。

なお、データベースを用いた広告プランニング技術は、例えば特許文献１、２に開示されている。
特開２００１−２０２４１３号公報（第３ページ、図３、要約） 特開２００１−２０９６８１号公報（第３ページ、図３、要約）

しかしながら、メディアのフラグメンテーションおよび生活者の行動の変化に伴い、多様なメディアおよび生活行動の情報をシングルソースでカバーすることは現実性を持たなくなってきている。そこで、複数のデータベースを融合して、より大きなデータベースを提供することが望まれる。

例としてビデオリサーチ社によるＡＣＲ（Audience consumer reseach）データを取り上げると、ＡＣＲ調査対象者は、現状でも約１２００の質問に１０時間程度をかけて回答している。ＡＣＲデータは、媒体接触（テレビ、新聞、雑誌、ラジオ、交通、インターネット他）、消費行動、生活意識等の幅広い質問をカバーしている。ただし、ＡＣＲデータの調査は、上記のような大規模な調査であることから、年１回であり、そのため、ＡＣＲデータが提供できる情報には限界があり、これ以上大規模にする余地があまりないと考えられる。そこで、ＡＣＲデータに、テレビ視聴率データを融合できれば、両者のクロス集計が可能になり、マルチメディア視点での広告プランニングの改良に寄与できると考えられる。しかしながら、従来、ＡＣＲデータとテレビ視聴率データといった異色のデータを有効に結びつける技術は提案されていない。

ところで、データベースを融合する技術は、データフュージョンといわれる。データフュージョンは、独立した複数のデーベースをサンプル（個票）レベルで統計的にマッチングすることによって、異なるデータベースの調査項目間の重複状況を推測可能とし、これにより、本来はシングルソースデータからしか得られない情報を複数のデータベースから得ることを可能とする。

図１は、従来のデータフュージョンの一例を概念的に示している。図中のドナーサンプルＤおよびレシピエントサンプルＲは、ドナー側のデータベースおよびレシピエント側のデータベースの各サンプルを示している。データフュージョンでは、ドナーサンプルＤがレシピエントサンプルＲと組み合わされる。このときドナーサンプルＤとレシピエントサンプルＲのサンプル提供者の類似度を表す距離が考慮される。

図１の例は、最もシンプルな方法であり、単純に、各レシピエントに最も近いドナーを組み合わせる。この方法は、直感的に理解しやすく、また、計算処理も簡単で速い。

しかし、図の例から明らかなように、ドナーの使用頻度に差異がある。すなわち、あるドナーが、近くにレシピエントが存在しないために使われないことがある。また、図示されないが、別のドナーは複数回使われることもある。そのために、図１の処理ではドナーのレートが保持されない。例えば、ドナーが視聴率である場合に、融合後のデータベースの視聴率総計が、融合前のデータベースと異なってしまう。このようにドナーのレートが保持されないマッチング処理は、"unconstrained statistical matching"といわれる。

図２は、データフュージョンの別の例であり、この例は"constrained statistical matching"であり、すなわちドナーレートが保持される。

図２の方法は、いわゆる輸送問題（Transportation problem）を応用している。各ドナーは、３つの荷物を運ぶトラックに相当する。各レシピエントは、５つの容量（スペース）をもつ倉庫に相当する。輸送コストには、各ドナーと各レシピエントの距離が相当する。そして、輸送コストすなわち距離×サンプルウェイトの総計が小さくなるようにドナーとレシピエントの組合せが求められる。

輸送問題では、まず、"North-west corner method（北西隅法）"で初期解が作成され、それから、"Stepping stone method（飛び石法）"で最適解が求められる。すなわち、まず、サンプル番号順等の適当な組合せが作られ、それから、少しずつ組合せを変えて、計算が繰り返され、最適な解が求められる。

図２の方法では、ドナーのデータは複数のレシピエントに振り分けられ、そして、ドナーレートが保持される。図２の方法は、図１の方法よりも良好な融合結果が得られるといわれている。良好な融合結果が得られるとは、ドナーのデータがより正確に融合後のデータベースに反映されることを意味する（以下、同じ）。

その反面、図２の方法は、計算負荷が相当に大きい。上述のＡＣＲデータと視聴率データの融合を考えたとき、パーソナルコンピュータを使ったとして、１日〜２日程度の時間がかかると考えられる。

本発明は上記背景の下でなされたものであり、その目的は、マルチメディア視点の広告メディアプランニングに有用なデータベース融合技術を提供することにある。そして、本発明の一つの目的は、小さい計算負荷で良好な融合結果が得られるデータベース融合技術を提供することにある。また、本発明の一つの目的は、従来のシンプルな"unconstrained statistical matching"よりも良好な融合結果が得られるデータベース融合技術を提供することにある。

本発明のデータベース融合装置は、広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成する。本装置は、融合されるべきドナー側データベースおよびレシピエント側データベースを記憶する記憶手段と、前記ドナー側データベースの各ドナーサンプルと前記レシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出手段と、前記距離算出手段により算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチング手段と、前記マッチング手段による組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合手段と、を含み、前記マッチング手段は、前記ドナー側データベースと前記レシピエント側データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく距離順マッチング処理を行う。

例えば、前記マッチング手段は、距離が短いドナーサンプルとレシピエントサンプルのペアを選択するステップおよび選択されたペアを前記サンプルウエイトの許容範囲内で組み合わせるステップを繰り返すことで、上述のように距離の順序に従った組合せができる。

上記のように、本発明によれば、距離が短い順序でドナーサンプルとレシピエントサンプルが組み合わされていく。飛び石法のような繰返しによる最適化計算を行わずとも、一通りの計算によりマッチングを行える。しかも、サンプルウエイト設定に従い、サンプルウエイトの許容範囲内での組合せを行うので、ドナーレートを保持できる。

ただし、本発明では、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていくので、最後の方に組み合わされるドナーサンプルとレシピエントサンプルの距離は遠くなり、その結果、従来の輸送問題を応用する最適マッチング手法と比べれば融合結果が悪くなると考えられる。しかし、遠距離の組合せの数は概ねマッチングの最終段階でのみ生じるため、全体としてみれば融合結果への影響は少ないといえる。しかも、輸送問題手法とくらべる大幅に計算負荷が小さい。この観点では、本発明は、融合結果にとって犠牲になる程度を少なく抑えつつ、輸送問題より大幅に計算負荷を小さくできるデータベース融合技術といえる。

このようにして、本発明によれば、小さい計算負荷で良好な融合結果が得られ、これにより、マルチメディア視点の広告メディアプランニングに有用なデータベース融合技術を提供することができる。

本発明の別の態様において、データベース融合装置は、融合されるべきドナー側データベースおよびレシピエント側データベースを記憶する記憶手段と、前記ドナー側データベースの各ドナーサンプルと前記レシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出手段と、前記距離算出手段により算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチング手段と、前記マッチング手段による組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合手段と、を含み、前記マッチング手段は、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行い、全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で一のレシピエントに全ドナーサンプルを結びつける。

上記のように、本発明のマッチング手段は、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行う。そしてこの全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で前記一のレシピエントに全ドナーサンプルを結びつける。

この態様では、全ドナーがレシピエントに、レシピエントとの距離に応じた比率で関連付けられる。これに対し、従来の簡単なマッチングでは、各レシピエントは最も近いドナーと関連付けられるので、マッチングで利用されないドナーが存在する。このような従来の簡単なマッチングと本発明のマッチングを比べると、両者ともにドナーレートは維持されない。この点では両者は同じであるが、本発明は、全部のドナーをマッチングに使うので、従来よりも良好な融合結果が得られ、すなわち、ドナー側データベースのデータが融合データベースへと、より正確に反映される。

好ましくは、本発明において、前記ドナー側データベースおよび前記レシピエント側データベースの一方は、接触メディアおよび消費行動を含むアンケート結果のデータベースであり、他方はメディア視聴機器で機械式に測定された視聴率データベースである。例えば前者はＡＣＲデータであり、後者はＰＭ視聴率データである。

好ましくは、前記距離算出手段は、前記ドナー側データベースと前記レシピエント側データベースのサンプル提供者のデモグラフィックデータ（年齢、職業、未既婚、家庭内役割および家族構成などであり、好ましくはこれらの少なくとも一つ）の類似度に基づいて距離を算出する。

好ましくは、前記距離算出手段は、前記ドナー側データベースと前記レシピエント側データベースのサンプル提供者のテレビ視聴状況に基づいて距離を算出する。

好ましくは、本発明のデータベース融合装置は、前記距離算出手段での距離計算に用いられ類似度を表す複数種類の因子の重み付けを可変に設定する重付け設定手段を含む。これにより距離計算の最適化が図れる。

本発明の別の態様は、上記のデータベース融合装置を備え、前記融合データベースを利用する広告メディアプランニング支援装置である。本装置は、広告ターゲットの情報を取得するターゲット情報取得手段と、広告対象（広告されるべき商品等）の情報を取得する対象情報取得手段と、複数のメディアへの広告出稿プランの情報を取得する出稿プラン情報取得手段と、前記広告ターゲットの情報、前記広告対象の情報および前記広告出稿プランの情報に基づいて、前記融合データベースを参照し、広告到達度の情報を求める到達度取得手段と、を備える。本発明の装置は、典型的にはリーチフリークエンシーを求めるために用いられる。

本発明の別の態様は、広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合方法である。本方法は、融合されるべきドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出ステップと、前記距離算出ステップで算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチングステップと、前記マッチングステップによる組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合ステップと、を含み、前記マッチングステップは、前記ドナー側データベースと前記レシピエント側データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく距離順マッチング処理を行う。この態様によっても、上述にてデータベース融合装置で説明した利点が得られる。

本発明の別の態様において、データベース融合方法は、融合されるべきドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出ステップと、前記距離算出ステップで算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチングステップと、前記マッチングステップによる組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合ステップと、を含み、前記マッチングステップは、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行い、全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で前記一のレシピエントに全ドナーサンプルを結びつける。この態様によっても、上述にてデータベース融合装置で説明した利点が得られる。

本発明の別の態様は、広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合処理をコンピュータに実行させるプログラムである。本プログラムは、融合されるべきドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出ステップと、前記距離算出ステップで算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチングステップと、前記マッチングステップによる組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合ステップと、を前記コンピュータに実行させる。前記マッチングステップは、前記ドナー側データベースと前記レシピエント側データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく距離順マッチング処理を前記コンピュータに実行させる。この態様によっても、上述にてデータベース融合装置で説明した利点が得られる。

本発明の別の態様は、広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合処理をコンピュータに実行させるプログラムである。本プログラムは、融合されるべきドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出ステップと、前記距離算出ステップで算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチングステップと、前記マッチングステップによる組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合ステップと、を前記コンピュータに実行させ、前記マッチングステップは、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行い、全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で前記一のレシピエントに全ドナーサンプルを結びつける処理を前記コンピュータに実行させる。この態様によっても、上述にてデータベース融合装置で説明した利点が得られる。

本発明の別の態様は、データベース融合処理をコンピュータに実行させるプログラムであり、本プログラムは、融合されるべき複数のデータベースのサンプル間の類似性を表す距離パラメータを算出する距離算出ステップと、前記距離算出ステップで算出された距離パラメータに基づいて、前記複数のデータベースのサンプルを組み合わせるマッチングステップと、前記マッチングステップによる組合せに従って前記複数のデータベースを融合する融合ステップと、を前記コンピュータに実行させ、前記マッチングステップは、前記複数のデータベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序で両データベースのサンプルを組み合わせていく距離順マッチング処理を前記コンピュータに実行させる。上記の複数のデータベースは、例えばＡＣＲのデータベースおよびＰＭ視聴率のデータベースであり、第一のデータベースおよび第二のデータベースと呼ぶこともできる。本発明の別の態様は、上述の複数のデータベースを融合する融合装置または融合方法でもよい。

本発明の別の態様は、データベース融合処理をコンピュータに実行させるプログラムであり、本プログラムは、融合されるべき複数のデータベースのサンプル間の類似性を表す距離パラメータを算出する距離算出ステップと、前記距離算出ステップで算出された距離パラメータに基づいて、前記複数のデータベースのサンプルを組み合わせるマッチングステップと、前記マッチングステップによる組合せに従って前記複数のデータベースを融合する融合ステップと、を前記コンピュータに実行させ、前記マッチングステップは、一のデータベースの各サンプルに他のデータベースの複数サンプルを結びつけるマッチング処理を行い、このマッチング処理では、前記一のデータベースの一のサンプルと前記他のデータベースの複数のサンプルの各々との距離に応じた比率で前記一のサンプルに前記複数のサンプルを結びつける処理を前記コンピュータに実行させる。上記の複数のデータベースは、例えばＡＣＲのデータベースおよびＰＭ視聴率のデータベースであり、第一のデータベースおよび第二のデータベースと呼ぶこともできる。本発明の別の態様は、上述の複数のデータベースを融合する融合装置または融合方法でもよい。

本発明は上述のデータベース融合装置、融合方法およびプログラムの態様には限定されない。本発明の別の態様は、例えば、上述のプログラムを格納した、コンピュータにて読取り可能な記録媒体である。

上述のように、本発明によれば、距離順マッチング処理を採用したことにより、小さい計算負荷で良好な融合結果が得られるデータベース融合技術を提供できる。

また、本発明によれば、全ドナー適用マッチング処理を採用したことにより、従来の"unconstrained statistical matching"よりも良好な結果が得られるデータベース融合技術を提供できる。

このようにして、本発明によれば、マルチメディア視点の広告メディアプランニングに有用なデータベース融合技術を提供することができる。

以下、本発明の実施の形態を図面を参照して説明する。

図３は、本実施の形態のデータベース融合装置の構成例を示している。データベース融合装置１０は、ＣＰＵ１２、ＲＯＭ１４、ＲＡＭ１６、外部記憶装置１８、入力装置２０、出力装置２２および通信装置２４を有する。外部記憶装置１８は例えばハードディスクであり、入力装置２０は例えばキーボードおよびポインティングデバイスであり、出力装置２２は例えばディスプレイおよびプリンタである。また、通信装置２４は例えばＬＡＮおよびインターネットにデータベース融合装置１０を接続する。

この例では、データベース融合装置１０は、パーソナルコンピュータで構成されている。パーソナルコンピュータは、外部記憶装置１８に格納されたプログラムを実行し、これにより本発明のデータベース融合装置１０が実現される。

なお、本発明の範囲内で、データベース融合装置１０はパーソナルコンピュータに限定されず、専用のコンピュータでもよい。また、データベース融合装置１０は単独のコンピュータに限定されず、複数のコンピュータで構成されてよく、それらは分散配置されてよい。また、データベース融合装置１０がサーバで構成され、ネットワークを介して他のコンピュータからアクセスされてよい。この場合、ネットワークへの接続のための構成が、情報および指示等の入出力装置として機能し得る。

図４は、データベース融合装置１０の機能ブロック図を示している。図４において、ドナー側データベース記憶部３０およびレシピエント側データベース記憶部３２は、それぞれ、データベース入力部３４を介して入力されたドナー側データベースおよびレシピエント側データベースを記憶する。両データベースは、ＣＤ−ＲＯＭ等の媒体から読み取られてもよい。また、両データベースは通信装置を介して入手されてもよい。

本実施の形態では、ドナー側データベースおよびレシピエント側データベースの一方は、接触メディアおよび消費行動を含むアンケート結果のデータベースであり、他方はメディア視聴機器で機械式に測定された視聴率データベースである。より具体的には、本実施の形態の場合、レシピエント側が、ビデオリサーチ社から提供されるＡＣＲ（Audience consumer research）データであり、ドナー側がＰＭ視聴率データである。

また、図４において、距離算出部３６は、ドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する。そして、マッチング部３８は、距離算出部３６により算出された距離パラメータに基づいて、ドナー側データベースのドナーサンプルとレシピエント側データベースのレシピエントサンプルを組み合わせる処理を行う。

本実施の形態の特徴として、マッチング部３８は、後述するように、ドナー側データベースとレシピエント側データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく距離順マッチング処理を行う。

そして、融合部４０は、マッチング部３８による組合せに従ってドナー側データベースとレシピエント側データベースを融合する処理を行う。ここでは、ドナー側データベースとレシピエント側データベースが、記憶部３０、３２から読み出される。そして、マッチング部３８での組合わせに従い、ドナーサンプルのデータは、組合せの相手のレシピエントサンプルのデータに組み合わされる。

こうして作成された融合データベースは、融合データベース記憶部４２に格納される。融合データベースは、後述する広告メディアプランニングに有用に用いられる。融合データベースは、適宜、ユーザの指示に従ってデータベース出力部４４により出力される。融合データベースは、通信によって外部へ出力されてもよい。

なお、融合処理では、レシピエント側データベースへドナー側データベースが、すなわちＡＣＲデータへＰＭ視聴率データが付加されてもよく、この場合、融合データベース記憶部４２がレシピエント側データベース記憶部３２と一体化されてもよい。同様に、融合データベース記憶部４２をドナー側データベース記憶部３０と一体化することも可能である。また、融合処理では、実際に２つのデータベースを足し合わせる代わりに両者のリレーションデータを作成してもよく、これもデータベース融合処理に含まれる。この場合、レシピエント側データベース記憶部およびドナー側データベース記憶部がリレーションデータ記憶部と共に融合データベース記憶部を構成するとみてもよい。

「距離計算」
以下、ドナーサンプルとレシピエントサンプルの距離パラメータの計算処理を説明する。

まず、図５および図６は、レシピエント側データベースおよびドナー側データベースの概要を示している。レシピエント側のＡＣＲデータとドナー側のＰＭ視聴率データのサンプル数は任意であるが、例えば、前者が約２５００であり、後者が約１３００である。

図５を参照すると、レシピエント側データベースのＡＣＲデータは、デモグラフィックデータと、メディア接触の情報と、消費行動および生活意識等の情報とを含んでいる。デモグラフィックデータは、サンプル提供者の居住地区、性別、年齢、職業、未既婚、家庭内役割、家族構成の情報を含んでいる。メディア接触の情報は、各種の雑誌、新聞等のメディアへの接触の情報に加えて、テレビ視聴状況の情報を含んでいる。消費行動および生活意識等の情報は、例えば、各種の商品の消費量の情報、生活パターン、趣味等の幅広い情報を含んでいる。

図６を参照すると、ドナー側データベースのＰＭ視聴率データは、デモグラフィックデータと、機械式に測定されたテレビ視聴率のデータを含んでいる。デモグラフィックデータは、性別、年齢、職業、未既婚、家庭内役割、家族構成の情報を含んでいる。

上記の説明から明らかなように、ＡＣＲデータおよびＰＭ視聴率データは、デモグラフィックデータとテレビ視聴状況のデータを共通に含んでいる。これらのデータがサンプル間の距離計算の因子として用いられる。デモグラフィックデータとしては、年齢、職業、未既婚、家庭内役割、家族構成が距離計算に使用される。距離計算に使われる上記データを、Hook変数と呼ぶ。

なお、本実施の形態では、地区情報はCritical Hook変数であり距離計算に利用されない。これは、現状ではＰＭ視聴率データの対象地区が限られているからである。すなわち、現在、ＰＭ視聴率データは、関東および関西のみで取得される。そこで、データベース融合装置１０を実際に利用するとき、例えば、関東のＡＣＲデータとＰＭ視聴率データが組み合わされる。

また同様に、性別もCritical Hook変数であり、性別は距離計算に利用されない。これは、本実施の形態が男性のデータと女性のデータは分けて扱い、それらを融合しないからである。

図７は、距離計算処理を示している。まず概要を説明すると、距離計算では、ＡＣＲデータの一のサンプルとＰＭ視聴率の一のサンプルの間でのHook変数の合計が算出される。このとき、各Hook変数には重付け係数（ウェイト）が掛けられる。

図７を参照すると、年齢の変数は、年齢差に応じて「１」から「０」まで０．１きざみで変化する。年齢が同一であれば変数は１であり、年齢差が１０以上であれば変数は０である。この変数に重付け係数Ｗ１が掛けられる。

また、職業の変数は、職業が一致すれば「１」、一致しなければ「０」である。そして、重付け係数はＷ２である。同様に未既婚および家庭内役割の変数も、一致すれば「１」、一致しなければ「０」であり、重付け係数はＷ３およびＷ４である。

家族構成については、「父」「母」等の１０項目が設定されている。各項目が一致すれば「０．１」であり、不一致であれば「０」である。１０項目の値が合計され、そして、重付け係数Ｗ５が掛けられる。ここでの重付け係数は、家族構成の１０項目の項目毎に設定可能である（W５−１〜W５−１０）。

次に、テレビ視聴状況の変数は、以下のように処理される。

図８は、テレビ視聴状況のHook変数を計算するためのデイパートパターンを示している。デーパートパターンにおいては、１週間のうちに２６のセルが設定されている。各セルの、６放送局（地上波）の各々の視聴時間が求められる。したがって、視聴状況データは、２６セル×６局＝１５６個の視聴時間データで構成される。ＡＣＲデータの各サンプルと、ＰＭデータの各サンプルにつき、上記１５６個の視聴状況データが用意される。

図７に戻ると、各項目（各セルの各局）の視聴時間は、０、Ｌ、Ｈの３ランクに分類される。０は視聴時間０、Ｌは視聴時間小、Ｈは視聴時間大である。例えば、ＡＣＲデータに関して、サンプル数が１００であるとする。そして、ある項目（あるセルのある局）の視聴時間が２０のサンプルで０であったとする。このとき、２０のサンプルは、視聴時間ランクが「０」である。残りのサンプルは、視聴時間の順番で並べられ、２つに分割される。視聴時間が短い方のグループ（４０サンプル）は「Ｌ」に分類され、視聴時間が長い方のグループ（４０サンプル）は「Ｈ」に分類される。なお、視聴時間０以外のサンプル数が奇数の場合には、単純な２分割はできないので、視聴時間の順位が真中のサンプルは「Ｌ」に分類される。

上記のような処理により、全サンプルの１５６項目各々の視聴時間が「０」、「Ｌ」または「Ｈ」に分類される。ＡＣＲデータ、ＰＭデータの全サンプルが同様に処理される。

次に、上記の分類後の視聴状況データを使って、視聴状況のHook変数を求める処理を説明する。あるＡＣＲデータのサンプルと、あるＰＭ視聴率データのサンプルを対象として、視聴状況の変数を求めるとする。

図７の表が参照され、１５６項目の各々の点数（０、０．５または１）が得られる。ある項目（例えば平日朝５時〜６時の一放送局）につき、ＡＣＲデータのサンプルのランクが０、ＰＭ視聴率データのサンプルのランクも０であれば、点数は１である。

また、ＡＣＲデータのランクが０、ＰＭ視聴率データのランクがＬおよびＨであれば、点数は０．５および０である。また、ＡＣＲデータのランクがＬ、ＰＭ視聴率データのランクが０、ＬおよびＨであれば、点数は０．５、０、０．５である。さらに、ＡＣＲデータのランクがＨ、ＰＭ視聴率データのランクが０、ＬおよびＨであれば、点数は０、０．５、１である。

このようにして、あるサンプルの組合せについて、１５６項目各々につき、図７の表から点数０、０．５または１が得られる。この１５６個の点数が合計され、合計値が１５６で割られる。さらに、この値に、重付係数Ｗ６が掛けられる。こうしてテレビ視聴状況のHook係数が得られる。

上記のようにして得られる６つのHook変数（年齢、職業、未既婚、家庭内役割、家族構成およびテレビ視聴状況）が合計される。これにより、ＡＣＲデータの各サンプルとＰＭ視聴率データの各サンプルのサンプル提供者の類似度を表す距離パラメータが得られる。上記の距離計算は、"Weighted nearest neighbor method"であり、また、既に説明したように性別が一致するグループ内で行われている。そして、距離パラメータは、数値が大きいほど距離が短い（類似度が大きい）ことを示している。

なお、上記の処理において、各重み係数Ｗ１〜Ｗ６は、１〜１０の間で可変に設定される。重付け係数は、例えば、ユーザにより入力装置から入力される。この入力された値が重付け設定部３７（図１）に受け付けられ、データベース融合装置１０の記憶手段に記憶され、距離計算部３６により参照される。全部の重付け係数は同じ値、例えば１０に設定されてよい。重付けは、遺伝的アルゴリズム（GA：Generic Algorithm）を用いて設定することも好適である。

「マッチング」
次に、本実施の形態の距離順マッチング処理を説明する。この処理は、既に述べたように、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく処理であり、かつ、ドナー側データベースとレシピエント側データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら行われる。

図９は、マッチング処理を概念的に示している。この例では、ドナーサンプル数とレシピエントサンプル数の比が５：３であるとする。このサンプル数差に応じて、ドナーとレシピエントのサンプルウエイトは３：５に設定されている。すなわち、各ドナーは３のウエイトをもち、レシピエントの受け入れる容量は５に設定されている。このウエイト設定に従い、すなわち、レシピエントの許容ウエイト範囲内でドナーのウエイトを割り当てるように、マッチングが行われる。

マッチングでは、ドナーとレシピエントの組合わせとデータの分配が定められる。そして、本実施の形態のマッチング処理では、上記のウエイト設定を前提として、距離が短い順序でドナーサンプルとレシピエントサンプルが組み合わされる。まず最初に、最も距離が近いドナーサンプルとレシピエントサンプルが組み合わされる。次に、２番目に距離が近いドナーサンプルとレシピエントサンプルが組み合わされる。この繰返しにより、距離順にサンプルが組み合わされる。

図１０は、距離順マッチング処理を示すもう一つの図である。図１０では、ドナー側の全サンプルとレシピエント側の全サンプルの全組合せの距離がマトリックス状に示されている。ただし、説明を分かりやすくするために、図１０ではサンプル数は少なく示されている。

距離順マッチングでは、まず、距離が最も小さいサンプルの組合せが選ばれる。前述の距離計算によれば、距離パラメータの数値が大きいほど距離は短い。そこで、最も大きい距離パラメータに対応するドナーとレシピエントが組み合わされる。

図１０の例において、ドナーＤ５とレシピエントＲ４の距離ＷR4D5の値が最大であるとする。この場合、ドナーＤ５とレシピエントＲ４が組み合わされる。そして、ドナーＤ７とレシピエントＲ２の距離ＷR2D７の値が２番目に大きいとする（Ｄ５とＲ４の組合せを抜いた後では距離ＷR2D7の値が最大である）。そこで、ドナーＤ７とレシピエントＲ２も組み合わされる。同様にして、距離ＷR6D3の値が三番目に大きいので、ドナーＤ３とレシピエントＲ６が次に組み合わされる。

次に、ドナーＤ８とレシピエントＲ４の距離ＷR4D8が４番目に大きいとする。この場合、レシピエントＲ４は、既にドナーＤ５と組み合わされている。したがって、レシピエントＲ４の容量５のうち、容量３はドナーＤ５のウエイトで埋まっている。そこで、ドナーＤ８の持分５のうちの「２」がレシピエントＲ４に割り当てられる。

ここで、図１０のようなデータを対象として、従来の方法でマッチングを行うとする。輸送問題では、前述のように、北西隅法により初期解が作られる。図１０では、例えば、ドナーＤ１とレシピエントＲ１が組み合わされ、ドナーＤ２とレシピエントＲ２が組み合わされ、といった調子で初期解が作られる。それから、飛び石法により、順次組合せを変えながら計算が繰り返され、最適解が求められる。

このような従来の処理と比べると、本実施の形態の距離順マッチングは、図１０の表の端から組合せを決めるのではなく、距離が短い所から組合せを決めていくのであり、この点で処理が大きく異なっている。

次に、図１１および図１２を参照し、本実施の形態のデータベース融合処理を説明する。

図１１に示すように、距離計算部３６は、ドナー側データベース３０に記憶されるＰＭ視聴率データ中の距離計算のためのデータを読み出し（Ｓ１０）、また、レシピエント側データベース３２に記憶されるＡＣＲデータ中の距離計算のためのデータを読み出す（Ｓ１２）。距離計算のためのデータは、前述のように、デモグラフィックデータおよびテレビ視聴状況データであり、図７のHook変数（年齢、職業、未既婚、家庭内役割、家族構成およびテレビ視聴状況）に対応している。

距離計算部３６は、読み出したデータを使って、ＡＣＲデータの全サンプルとＰＭ視聴率データの全サンプルの全部の組合せの距離のパラメータを算出する（Ｓ１４）。本実施の形態では、距離の値が大きいほど、距離がより近い（より類似している）ことを示している。マッチング部３８は、算出された距離に基づいてマッチングを行う（Ｓ１６）。

図１２を参照すると、マッチング処理部３８は、最も距離が近いドナーサンプルとレシピエントサンプルを特定して選択し（Ｓ１６０）、それらを組み合わせる（Ｓ１６２）。サンプルウエイト設定に従い、レシピエント側の許容量が足りないときは、ドナーサンプルの一部がレシピエントサンプルと組み合わさるように配分が設定される。このような状況が発生する例は、図１０のドナーＤ８とレシピエントＲ４の組合せを用いて説明した通りである。また、Ｓ１６０で選択されたレシピエントが既に別のドナーと組合せ済みであり、全容量が別のドナーで占められている場合は、Ｓ１６０で選択された組合せは採用されない。

次に、全部のドナーのデータが振り分けられたか否かが判断される（Ｓ１６４）。Ｓ１６４がＮＯであれば、Ｓ１６０に戻り、既に選択された組合せを除いた上で、距離が近いドナーとレシピエントが選択される。Ｓ１６４がＹＥＳであれば、マッチングが終了する。このように、本実施の形態では、距離を優先して一通りの組合せを計算するので、飛び石法のような繰返し最適化計算を行わなくても、マッチングが終了する。

図１１に戻り、Ｓ１６のマッチングの次に、融合部４０が、マッチング部３８による組合せに従ってドナー側データベースとレシピエント側データベースを融合する処理を行う（Ｓ１８）。ここでは、ドナー側データベースとレシピエント側データベースが、記憶部３０、３２から読み出される。そして、マッチング部３８での組合わせに従い、ドナーサンプルのデータは、組合せの相手のレシピエントサンプルのデータに組み合わされる。マッチングに従って、あるドナーサンプルのデータが複数のレシピエントへと振り分けられることもある。また、あるレシピエントデータが、複数のドナーサンプルのデータを取り込むこともある。こうして作成された融合データベースは、融合データベース記憶部４２に格納される（Ｓ２０）。

図１３は、マッチング結果に基づく集計に使われる集計用デイパートパターンを示している。図８の距離計算用のデイパートパターンのセル数が２６であったのに対して、図１３の集計用デイパートパターンのセル数は８３であり、より細かく一週間の時間が分割されている。

本実施の形態では、図１３のデイパートパターンの８３セル別の視聴時間割合が、マッチング結果に従い集計される。集計は、例えば、デモグラフィック属性およびブランドの項目別に行われる。デモグラフィック属性は、性別、年齢、職業、未既婚および家庭内役割であり、ブランドは、例えば、清涼飲料、ビール、洗濯洗剤、シャンプー、化粧品、自動車、パーソナルコンピュータ、腕時計、たばこ、レストラン、スナック菓子および携帯電話である。

以上に本発明の実施の形態を説明した。上記のように、本発明によれば、距離が短い順序でドナーサンプルとレシピエントサンプルが組み合わされていく。飛び石法のような繰返しによる最適化計算を行わずとも、一通りの計算によりマッチングを行える。しかも、サンプルウエイト設定に従い、サンプルウエイトの許容範囲内での組合せを行うので、ドナーレートを保持できる。

ただし、本発明では、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていくので、最後の方に組み合わされるドナーサンプルとレシピエントサンプルの距離は遠くなり、その結果、従来の輸送問題を応用する最適マッチング手法と比べれば融合結果が悪くなると考えられる。しかし、遠距離の組合せの数が少ないので、全体としてみれば融合結果への影響は少ないといえる。しかも、輸送問題手法とくらべる大幅に計算負荷が小さい。この観点では、本発明は、融合結果にとって犠牲になる程度を少なく抑えつつ、輸送問題より大幅に計算負荷を小さくできるデータベース融合技術といえる。

このようにして、本発明によれば、小さい計算負荷で良好な結果が得られ、これにより、マルチメディア視点の広告メディアプランニングに有用なデータベース融合技術を提供することができる。

また、本発明によれば、マッチング処理は、距離が最も短いドナーサンプルとレシピエントサンプルのペアを選択するステップおよび選択されたペアを前記サンプルウエイトの許容範囲内で組み合わせるステップを繰り返すことで、距離の順序に従った組合せを実現する。これにより、負荷の大きい計算を行わずとも、上述のような距離順の適切なマッチングができる。

また、本発明によれば、上述のような距離計算により、データフュージョンにとって有効な距離パラメータを適切に求められ、これにより良好な融合結果を得られる。

なお、データフュージョンによる融合結果は、セルフスプリットテストによって評価することができる。本実施の形態の場合、ＡＣＲのデータベースを分割し、融合することが好適である。元のデータベースと融合データベースが近いか否かが評価され、両者が近ければ、融合結果が良好といえる。

セルフスプリットテストの評価のためには、適当な評価関数を設定し、評価値を得ることが好適である。評価値は、例えば、メディア利用状況を表すパラメータである。評価値は、ＡＣＲデータのテレビ視聴データを統計的に表してもよい。これにより、ＡＣＲのテレビ視聴に関する元のデータと、融合データベースのデータとが比較される。個人全体のテレビ視聴データの差異が求められてよく、また、図１３に示したようなデイパートパターン（８３項目×６局×２（男女）×６（１０才毎の年齢ランク））を使って評価値が求められてもよい。

このような融合結果の評価において、本発明によれば、既に述べたように、輸送問題を応用した従来手法にほぼ匹敵する結果が得られる。

次に、本発明の別の実施の形態を説明する。本実施の形態のデータベース融合装置の全体的な構成および動作は、図３および図４に示される上述の実施の形態と同様でよい。サンプル間の距離計算およびデータベース融合処理も、上述の実施の形態と同様でよい。ただし、本実施の形態は、図３のマッチング部３８によるマッチング処理が上述の実施の形態と異なる。

図１４は、本実施の形態のマッチング処理を概念的に示している。本実施の形態では、マッチング部３８は、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行い、全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で一のレシピエントに全ドナーサンプルを結びつける。

図１４の例では、３つのレシピエントＲａ、Ｒｂ、Ｒｃと５つのドナーＤ１、Ｄ２、Ｄ３、Ｄ４、Ｄ５が示されている。

この場合、レシピエントＲａは、５つのドナーＤ１〜Ｄ５の全部と結びつけられる。このとき、図１４中の式に従い、レシピエントＲａから各ドナーＤ１〜Ｄ５との距離ＷRaD1〜ＷRaD5に応じた比率が適用される。

ここで、距離計算処理で説明したように、本実施の形態では、距離が近いほど（短いほど）、距離ＷRaD1〜ＷRaD5の値が大きくなる。そこで、距離の値が大きいドナーほど、レシピエントＲａにおけるデータ提供の配分比率が大きくなる。

図１５は、より単純な例を示しており、一のレシピエントＲ１が、３つのドナーＤ１、Ｄ２、Ｄ３と結びつけられる。レシピエントＲ１とドナーＤ１、Ｄ２、Ｄ３の距離は、それぞれ、Ｗ１、Ｗ２、Ｗ３である。このとき、マッチング処理は、マッチングを表す式Ｐ（Ｒ１）＝（Ｗ１・Ｄ１＋Ｗ２・Ｄ２＋Ｗ３・Ｄ３）／（Ｗ１＋Ｗ２＋Ｗ３）を設定する。この式に従い、データフュージョンでは、ドナーＤ１、Ｄ２、Ｄ３の値、具体的には例えば視聴率の値が、レシピエントＲ１に与えられる。

図１４に戻ると、レシピエントＲｂ、Ｒｃについても同様の処理が行われる。すなわち、レシピエントＲｂ、Ｒｃも、全ドナーＤ１〜Ｄ５と、サンプル間距離に応じた比率で結びつけられる。

図１６は、本実施の形態のマッチング処理を示すフローチャートである。データベース融合装置の全体的な動作は、既に述べたように、上述の実施の形態と同様であり、図１１のフローチャートで示される通りである。図１６の処理は、図１１のマッチング処理（Ｓ１６）で、前述の図１２の処理の代わりに行われる。

図１６に示されるように、マッチング処理部３８は、一のレシピエントを選択する（Ｓ１７０）。本実施の形態では、レシピエントの選択順は任意であり、例えば、レシピエントに付けられた番号順にレシピエントが選択されてよい。マッチング処理部３８は、選択した一のレシピエントを、図１４の式に従い、全ドナーと結びつける（Ｓ１７２）。そして、マッチング処理部３８は、すべてのレシピエントを選択済み、すなわち、すべてのレシピエントのマッチングを終了したか否かを判定する（Ｓ１７４）。Ｓ１７４がＮＯであれば、Ｓ１７０に戻り、次のレシピエントを選択する。Ｓ１７４がＹＥＳであれば、マッチング処理を終了する。

以上、本実施の形態のデータベース融合技術を説明した。本発明によれば、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理が行われる。そしてこの全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で一のレシピエントに全ドナーサンプルが結びつけられる。

このように本発明では、全ドナーがレシピエントに、レシピエントとの距離に応じた比率で関連付けられる。これに対し、図１を参照して説明したように、従来の簡単なマッチングでは、各レシピエントは最も近いドナーと関連付けられるので、マッチングで利用されないドナーが存在する。このような従来の簡単なマッチングと本発明のマッチングを比べると、両者ともにドナーレートは維持されない。この点では両者は同じであるが、本発明は、全部のドナーをマッチングに使うので、従来よりも良好な融合結果が得られ、すなわち、ドナー側データベースのデータが融合データベースにより正確に反映され、この点で有利である。

次に、図１７は、本発明のデータベース融合装置１０が備えられる広告メディアプランニング支援装置を示している。広告メディアプランニング支援装置１００は、図３に示されるようなパーソナルコンピュータ等のコンピュータ装置で構成され、データフュージョンを活用するシミュレータとして機能する。

広告メディアプランニング支援装置１００において、データベース融合装置１０は、上述の図９の距離順マッチングを行ってもよく、また、図１４の全ドナー適用マッチングを行ってもよい。

広告メディアプランニング支援装置１００は、データベース融合装置１０に加えて、ターゲット情報取得部１０２、対象情報取得部１０４、出稿プラン情報取得部１０６および到達度取得部１０８を有する。これらの構成は、コンピュータに組み込まれたプログラムを実行することによって実現される。

上記のターゲット情報取得部１０２は、広告ターゲットの情報を取得し、対象情報取得部１０４は、広告対象の情報を取得し、出稿プラン情報取得部１０６は、複数のメディアへの広告出稿プランの情報を取得する。

広告ターゲットは、例えば、対象商品の広告を到達させたいターゲットであり、３０代男性、主婦といった情報である。広告対象は、広告されるべき商品等であり、例えば、清涼飲料、自動車といった情報である。こうした広告対象の情報は広告業界業界およびプランニング分野ではターゲット規定の要因として捉えられることが多く、そこで、対象情報取得部１０４はターゲット情報取得部１０２に含められ、または一体化されて、ターゲット情報取得部１０２の一部であってもよい。広告出稿プランは、広告が出稿されるメディアの種類と場所または時間を含む情報である。雑誌、新聞、テレビ、ラジオを含むあらゆるメディアでの広告提供を本発明では出稿と呼ぶ。メディアの種類が雑誌、新聞の場合、広告出稿プランは広告の掲載場所を含む。メディアの種類がテレビの場合、広告出稿プランは放送局と放送時間の情報を含む。放送局および放送時間の情報は出稿プランの中では「場所」として扱われてもよい。

上記の各種情報は、広告メディアプランニング支援装置１００の入力装置から入力され、上記各種構成に取得されてよい。このとき、出力装置たるディスプレイに提示される入力画面に各情報が書き込まれてよい。

到達度取得部１０８は、広告ターゲットの情報、広告対象の情報および広告出稿プランの情報に基づいて、融合データベースを参照し、広告到達度の情報を算出する。広告到達度の情報は、到達度出力処理部１１０により出力される。到達度出力処理部１１０は、例えば、ディスプレイに広告到達度を提示し、また、プリンタを用いた広告到達度の印刷に関連する処理を行う。

到達度計算に使う融合データベースは、データベース融合装置１０で生成され、融合データベース記憶部４２に記憶されている。融合データベースには、複数のデータベースから得られた複数種類のメディアのデータが含まれている。本実施の形態では、融合データベースは、ＡＣＲデータがもっている雑誌、新聞等のメディア利用のデータと、ＰＭ視聴率データがもっているテレビ視聴率のリアルタイム機械測定データをもっている。したがって、融合データベースを使うと、出稿プランが複数のメディアを含むときの広告到達度の情報が精度よく予測できる。広告到達度は典型的にはリーチフリークエンシーである。これによりマルチメディア視点のプランニングを精度よく行える。

図１８の例を参照すると、この例では、商品Ｘの広告Ｙおよび広告Ｚをそれぞれ雑誌Ａおよびテレビ放送Ｂで提供したときのリーチフリークエンシーが求められるとする。融合データベースを参照すると、あるサンプルＳ１は、ＡＣＲデータに由来する情報から、雑誌Ａの広告Ｙに到達することが分かる。あるサンプルＳ２は、ＰＭ視聴率データに由来する情報から、テレビ放送Ｂの広告Ｚに到達することが分かる。さらに、サンプルＳ３は、ＡＣＲデータおよびＰＭ視聴率データに由来する情報から、雑誌Ａの広告Ｙおよびテレビ放送Ｂの広告Ｚに到達することが分かる。このようにして、ターゲットに対応する全サンプルのうちの何パーセントに商品Ｘの広告が到達するかを求められる。

上記の説明から明らかなように、本実施の形態の到達度予測は、あるサンプルへ一商品の広告が複数のメディアを通して到達するときの重複部分の処理が適切である。従来は、ＡＣＲデータとＰＭ視聴率データといった異色データベースのデータフュージョンができなかったので、上記のような重複部分の処理を精度よく行えなかった。一般には、重複の程度は、概略的に推測されるにとどまっていた。これに対して、本実施の形態では、どのサンプルにてメディアの重複が発生するか、すなわち、どのサンプルが複数メディアで商品広告に接するかがより正確に推定され、したがって、到達度もより正確に推定される。

なお、上記の到達度計算は、積極的に複数のメディアで広告を到達させたいときにも利用できる。この場合、複数のメディアを介して広告が到達するサンプル数が求められる。

また、本実施の形態の広告メディアプランニング支援装置１００は、広告ターゲットの情報、広告対象の情報および広告出稿プランの情報を取得可能であるが、常に全情報を取得しなくてもよい。例えば、広告ターゲットは指定されなくてもよく、この場合に全サンプルがターゲットであり、全サンプルへの到達度が求められてよい。

以上に説明したように、本実施の形態の広告メディアプランニング支援装置は、データベース融合装置により生成される融合データベースを利用し、マルチメディア視点でのメディアプランニングに有用な情報を提供し、プランニングを支援できる。

次に、図１９は、本発明の広告メディアプランニング支援装置１００がネットワークに接続される場合の構成例を示しており、データベース融合装置１０も広告メディアプランニング支援装置１００の一部としてネットワークに接続される。広告メディアプランニング支援装置１００（およびデータベース融合装置１０）は、Ｗｅｂサーバで構成されており、Ｗｅｂサーバに図４および図１７の各種要素が設けられている。広告メディアプランニング支援装置１００は、インターネットＮを介してユーザ端末６０に接続される。ユーザ端末６０は、例えばパーソナルコンピュータで構成されている。ユーザ端末６０は、例えば、広告会社の社員により操作され、また例えば、クライアントにより操作される。

ユーザは、ユーザ端末６０を操作して、広告メディアプランニング支援装置１００にアクセスし、入力画面に各種の指示を入力する。入力情報が広告メディアプランニング支援装置１００に送られる。ユーザ端末６０からのアクセスに応じて、広告メディアプランニング支援装置１００では、データベース融合装置１０が、距離計算、マッチングおよびデータベース融合を行う。

また、ユーザは、ユーザ端末６０を操作して、広告メディアプランニング支援装置１００にアクセスし、入力画面に、広告ターゲットの情報、広告対象の情報および広告出稿プランの情報を送る。これらの情報から、広告メディアプランニング支援装置１００は、広告到達度であるリーチフリークエンシーを計算し、ユーザ端末６０に向けて送る（出力する）。広告到達度の情報は、ユーザ端末６０のディスプレイに提示される。

以上に本発明の好適な実施の形態を説明したが、本発明は、上述の実施の形態に限定されない。上述の実施の形態は、本発明の範囲内で当業者に変更されてよい。例えば、ＡＣＲおよびＰＭ視聴率以外のデータベースが融合されてもよい。例えば、全国新聞総合調査（Ｊ−ＲＥＡＤ）と、一日の行動パターンのデータであるＭＣＲが融合されてもよく、また、ＡＣＲとＭＣＲが融合されてもよい。

従来のデータフュージョンの一例を示す図である。 従来のデータフュージョンの別の例を示す図である。 本発明の実施の形態に係るデータベース融合装置を示す図である。 本発明の実施の形態に係るデータベース融合装置の機能ブロック図である。 レシピエント側データベースの一例であるＡＣＲデータベースを示す図である。 ドナー側データベースの一例であるＰＭ視聴率データベースを示す図である。 距離計算処理を示す図である。 テレビ視聴状況のフック変数を計算するためのデイパートパターンを示す図である。 本実施の形態の距離順マッチング処理を概念的に示す図である。 本実施の形態の距離順マッチング処理を示す図である。 本実施の形態のデータベース融合処理を示すフローチャートである。 本実施の形態のデータベース融合装置によるマッチング処理を示すフローチャートである。 マッチング結果の集計に使われるデイパートパターンを示す図である。 本発明の別の実施の形態における全ドナー適用マッチング処理を示す図である。 本発明の別の実施の形態における全ドナー適用マッチング処理の簡単な例を示す図である。 図１５のマッチング処理を示すフローチャートである。 本発明のデータベース融合装置が備えられる広告メディアプランニング支援装置を示す機能ブロック図である。 リーチフリークエンシーの計算処理を示す図である。 広告メディアプランニング支援装置およびデータベース融合装置がネットワークに接続される場合の構成例を示す図である。

符号の説明

１０ データベース融合装置
３０ ドナー側データベース記憶部
３２ レシピエント側データベース記憶部
３４ データベース入力部
３６ 距離算出部
３７ 重付け設定部
３８ マッチング部
４０ 融合部
４２ 融合データベース記憶部
４４ データベース出力部
１００ 広告メディアプランニング支援装置
１０２ ターゲット情報取得部
１０４ 対象情報取得部
１０６ 出稿プラン情報取得部
１０８ 到達度取得部
１１０ 到達度出力処理部

Claims (20)

1. 広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合装置であって、
   融合されるべきドナー側データベースおよびレシピエント側データベースを記憶する記憶手段と、
   前記ドナー側データベースの各ドナーサンプルと前記レシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出手段と、
   前記距離算出手段により算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチング手段と、
   前記マッチング手段による組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合手段と、
   を含み、前記マッチング手段は、前記ドナー側データベースと前記レシピエント側データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく距離順マッチング処理を行うことを特徴とするデータベース融合装置。
2. 広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合装置であって、
   融合されるべきドナー側データベースおよびレシピエント側データベースを記憶する記憶手段と、
   前記ドナー側データベースの各ドナーサンプルと前記レシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出手段と、
   前記距離算出手段により算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチング手段と、
   前記マッチング手段による組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合手段と、
   を含み、前記マッチング手段は、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行い、全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で前記一のレシピエントに全ドナーサンプルを結びつけることを特徴とするデータベース融合装置。
3. 前記ドナー側データベースおよび前記レシピエント側データベースの一方は、接触メディアおよび消費行動を含むアンケート結果のデータベースであり、他方はメディア視聴機器で機械式に測定された視聴率データベースであることを特徴とする請求項１または２に記載のデータベース融合装置。
4. 前記距離算出手段は、前記ドナー側データベースと前記レシピエント側データベースのサンプル提供者のデモグラフィックデータの類似度に基づいて距離を算出することを特徴とする請求項１または２に記載のデータベース融合装置。
5. 前記距離算出手段は、前記ドナー側データベースと前記レシピエント側データベースのサンプル提供者のテレビ視聴状況に基づいて距離を算出することを特徴とする請求項１または２に記載のデータベース融合装置。
6. 前記距離算出手段での距離計算に用いられ類似度を表す複数種類の因子の重み付けを可変に設定する重付け設定手段を含むことを特徴とする請求項１〜５のいずれかに記載のデータベース融合装置。
7. 請求項１〜６のいずれかに記載のデータベース融合装置を備え、前記融合データベースを利用する広告メディアプランニング支援装置であって、
   広告ターゲットの情報を取得するターゲット情報取得手段と、
   広告対象の情報を取得する対象情報取得手段と、
   複数のメディアへの広告出稿プランの情報を取得する出稿プラン情報取得手段と、
   前記広告ターゲットの情報、前記広告対象の情報および前記広告出稿プランの情報に基づいて、前記融合データベースを参照し、広告到達度の情報を求める到達度取得手段と、
   を備えることを特徴とする広告メディアプランニング支援装置。
8. 広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合方法であって、
   融合されるべきドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出ステップと、
   前記距離算出ステップで算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチングステップと、
   前記マッチングステップによる組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合ステップと、
   を含み、前記マッチングステップは、前記ドナー側データベースと前記レシピエント側データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく距離順マッチング処理を行うことを特徴とするデータベース融合方法。
9. 広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合方法であって、
   融合されるべきドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出ステップと、
   前記距離算出ステップで算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチングステップと、
   前記マッチングステップによる組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合ステップと、
   を含み、前記マッチングステップは、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行い、全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で前記一のレシピエントに全ドナーサンプルを結びつけることを特徴とするデータベース融合方法。
10. 前記ドナー側データベースおよび前記レシピエント側データベースの一方は、接触メディアおよび消費行動を含むアンケート結果のデータベースであり、他方はメディア視聴機器で機械式に測定された視聴率データベースであることを特徴とする請求項８または９に記載のデータベース融合方法。
11. 前記距離算出ステップは、前記ドナー側データベースと前記レシピエント側データベースのサンプル提供者のデモグラフィックデータの類似度に基づいて距離を算出することを特徴とする請求項８または９に記載のデータベース融合方法。
12. 前記距離算出ステップでの距離計算に用いられ類似度を表す複数種類の因子の重み付けを可変に設定することを特徴とする請求項８〜１１のいずれかに記載のデータベース融合方法。
13. 広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合処理をコンピュータに実行させるプログラムであって、
    融合されるべきドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出ステップと、
    前記距離算出ステップで算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチングステップと、
    前記マッチングステップによる組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合ステップと、
    を前記コンピュータに実行させ、
    前記マッチングステップは、前記ドナー側データベースと前記レシピエント側データベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序でドナーサンプルとレシピエントサンプルを組み合わせていく距離順マッチング処理を前記コンピュータに実行させることを特徴とするプログラム。
14. 広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合処理をコンピュータに実行させるプログラムであって、
    融合されるべきドナー側データベースの各ドナーサンプルとレシピエント側データベースの各レシピエントサンプルの類似性を表す距離パラメータを算出する距離算出ステップと、
    前記距離算出ステップで算出された距離パラメータに基づいて、前記ドナー側データベースのドナーサンプルと前記レシピエント側データベースのレシピエントサンプルを組み合わせるマッチングステップと、
    前記マッチングステップによる組合せに従って前記ドナー側データベースと前記レシピエント側データベースを融合する融合ステップと、
    を前記コンピュータに実行させ、
    前記マッチングステップは、各レシピエントサンプルに全ドナーサンプルを結びつける全ドナー適用マッチング処理を行い、全ドナー適用マッチング処理では、一のレシピエントサンプルと全ドナーサンプルの各々との距離に応じた比率で前記一のレシピエントに全ドナーサンプルを結びつける処理を前記コンピュータに実行させることを特徴とするプログラム。
15. 前記ドナー側データベースおよび前記レシピエント側データベースの一方は、接触メディアおよび消費行動を含むアンケート結果のデータベースであり、他方はメディア視聴機器で機械式に測定された視聴率データベースであることを特徴とする請求項１３または１４に記載のプログラム。
16. 前記距離算出ステップは、前記ドナー側データベースと前記レシピエント側データベースのサンプル提供者のデモグラフィックデータの類似度に基づいて距離を算出することを特徴とする請求項１３または１４に記載のプログラム。
17. 前記距離算出ステップでの距離計算に用いられ類似度を表す複数種類の因子の重み付けを可変に設定することを特徴とする請求項１３〜１６のいずれかに記載のプログラム。
18. 広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合処理をコンピュータに実行させるプログラムであって、
    融合されるべき複数のデータベースのサンプル間の類似性を表す距離パラメータを算出する距離算出ステップと、
    前記距離算出ステップで算出された距離パラメータに基づいて、前記複数のデータベースのサンプルを組み合わせるマッチングステップと、
    前記マッチングステップによる組合せに従って前記複数のデータベースを融合する融合ステップと、
    を前記コンピュータに実行させ、
    前記マッチングステップは、前記複数のデータベースのサンプル数の相違に応じたサンプルウエイト設定に従いながら、距離が短い順序で両データベースのサンプルを組み合わせていく距離順マッチング処理を前記コンピュータに実行させることを特徴とするプログラム。
19. 広告メディアプランニングに有用な情報を含んだ複数のデータベースを融合して、それら複数のデータベースがもつデータを網羅した融合データベースを生成するデータベース融合処理をコンピュータに実行させるプログラムであって、
    融合されるべき複数のデータベースのサンプル間の類似性を表す距離パラメータを算出する距離算出ステップと、
    前記距離算出ステップで算出された距離パラメータに基づいて、前記複数のデータベースのサンプルを組み合わせるマッチングステップと、
    前記マッチングステップによる組合せに従って前記複数のデータベースを融合する融合ステップと、
    を前記コンピュータに実行させ、
    前記マッチングステップは、一のデータベースの各サンプルに他のデータベースの複数サンプルを結びつけるマッチング処理を行い、このマッチング処理では、前記一のデータベースの一のサンプルと前記他のデータベースの複数のサンプルの各々との距離に応じた比率で前記一のサンプルに前記複数のサンプルを結びつける処理を前記コンピュータに実行させることを特徴とするプログラム。
20. 請求項１３〜１９のいずれかに記載のプログラムを格納した、コンピュータにて読取り可能な記録媒体。

Images