JP2009088777A - 広告選択最適化処理装置及びその処理方法 - Google Patents

Abstract

【課題】 番組の視聴者に対してリアルタイムに最適な広告を選択する技術、特に視聴者に合わせて広告が自動的に選択されることで広告効果を最大限高めるための技術を提供すること。
【解決手段】 本発明の広告選択最適化処理装置には、複数の広告コンテンツを格納した広告コンテンツデータベース１２１と、配信する番組に関連する番組関連情報を取得する番組関連情報取得手段１０１、広告コンテンツに関連する広告関連情報を取得する広告関連情報取得手段１０２、番組関連情報と広告関連情報とを入力として、広告効果を示すマッチング値を算出するマッチング値算出手段１０３、マッチング値に基づいて、広告コンテンツデータベースから配信する広告コンテンツを選択する広告選択手段１０４を備え、広告マッチング値の算出結果に基づいて最適な広告選択に寄与する。
【選択図】 図１

Description

本発明は、通信又は放送で配信される番組の視聴者に対して、番組の内容等から該番組の視聴者に最適な広告を選択し、広告効果を最適化する方法に関する。特に番組の内容と広告の内容とを自動的に比較し、マッチングの適度を数値評価する技術に関わる

地上波デジタル放送への移行や、インターネットを用いた映像コンテンツの配信など、ここ数年でテレビ視聴の態様は大きく変化してきている。これらの放送は、従来のアナログ放送と異なり、電子番組表等により放送内容が放送者によって予め定義されていることや、デジタルデータであるためコンピュータによる信号処理に適していることが特徴として挙げられる。

例えば、現在放送中のコンテンツが映画、ドラマ、スポーツ、ニュース、バラエティなどいずれのジャンルの番組であるのか、その出演者は誰なのか、テーマは何なのか、などデジタルデータとして同時に配信されている。
また、放送されるデジタルデータを画像認識処理装置や音声認識処理装置に入力すれば、放送に含まれるテロップをOCR技術により文字認識することや、放送で流れている音楽の楽曲名を認識することは容易である。

またもう１つの特徴として、デジタルデータの配信は信号圧縮技術により帯域を有効利用することができるため、同時に複数の映像配信が可能であり、視聴者の選択の幅が広いことが挙げられる。
特にインターネットを用いる場合には視聴者毎に映像を配信することができるため、視聴者は好きな時間に好きなコンテンツを視聴することも可能である。

同時に、従来の民間放送の例で明らかなように、テレビ放送は広告を番組中に挿入することで視聴者の負担なく、優れたコンテンツを配信することを可能にしており、この点がコンテンツ毎に料金を支払って映像配信する場合と異なっている。放送事業者は広告収入から多額の資金を得ると共に、視聴率競争など、視聴者の厳しい評価を受けることで配信するコンテンツの質的向上が図られている。

従って、視聴者に対して広告効果が十分に発揮され、広告スポンサーに対してもメリットのあるシステムが求められるが、一方で上記したような映像配信技術の多様化により、従来のような番組と広告の組み合わせを経験や勘に基づいて決定する方法では対応が難しくなってきていることも事実である。

すなわち、従来のようにある時間に流される番組が放送局毎に１つで、その番組の広告スポンサーも決まっている場合には、番組中に挿入される広告も容易に定義できる。例えばアニメ番組には玩具の広告が流されたり、番組の司会者が出演しているＣＭが挿入されたりして、広告効果を高めるような工夫がされていた。

またインターネット上の広告においては、検索サイトにおいて検索した語句によって表示される広告が変化したり、予めユーザプロファイルを設定しておき、そのプロファイルに適した広告が表示されるようになっている。
インターネットにおいては容易にテキストを抽出できることから、例えば女性向けのコンテンツならば、化粧品の広告などのようにコンテンツに連動させて広告効果を高めるような工夫もされている。

放送の分野においても、特許文献１に開示されるように、ユーザプロファイルに合わせて広告枠の広告を設定するようなシステムが提案されている。
本文献によれば、広告代理店が広告コンテンツと、広告プランと、差し替えコンテンツ選択エンジンとを放送局に送信し、放送局は、コンテンツ差し替え領域を有する番組コンテンツを放送する。その際、番組コンテンツとともに広告プランと広告コンテンツと差し替えコンテンツ選択エンジンとを蓄積型受信機に蓄積させる。蓄積型受信機は、視聴者が番組コンテンツを視聴しようとすると、差し替えコンテンツ選択エンジンによって広告プランに従って番組コンテンツ内のコンテンツ差し替え領域に広告コンテンツを挿入し、広告コンテンツを表示する。

本システムは、放送によって番組だけでなく広告も予め蓄積型受信機に向けて送信し、蓄積しておくものであり、従来知られていたインターネットによる配信を放送に置き換えたものということができる。
また、ユーザプロファイルを用いる点でも、検索サイトにおける広告の表示方法と同様の手法である。

特開２００３-２８４０４１号公報

本発明は、上記従来技術の有する問題点に鑑みて創出されたものであり、番組の視聴者に対してリアルタイムに最適な広告を選択する技術、特に視聴者に合わせて広告が自動的に選択されることで広告効果を最大限高めるための技術を提供することを目的とする。

上記課題を解決するため、本発明は次のような手段を用いる。
すなわち、請求項１の発明は、放送又は通信により配信される番組の視聴者に対して最適な広告効果を得られる広告を選択する広告選択最適化処理装置を提供するものである。ここで最適化処理とは広告枠に対してどの広告を選択するかを決定する際に、すでに定義された広告を最適に変更する処理と、まだ何も定義されていない広告枠に複数の候補からどれを選択するか決定する処理と両方を含む。

本装置には、複数の広告コンテンツを格納した広告コンテンツデータベースと、配信する番組に関連する番組関連情報を取得する番組関連情報取得手段と、広告コンテンツデータベースに格納する広告コンテンツに関連する広告関連情報を取得する広告関連情報取得手段と、番組関連情報と該広告関連情報とを入力として、広告効果を示すマッチング値を算出するマッチング値算出手段と、マッチング値に基づいて、該広告コンテンツデータベースから配信する広告コンテンツを選択する広告選択手段とを備えたことを特徴とする。

請求項２に記載の発明は、上記の広告選択最適化処理装置が、視聴者毎に異なる広告を選択可能な構成で用いられる。本構成では、視聴者毎に直前に視聴していた番組履歴を取得する直前番組履歴取得手段を備え、番組関連情報取得手段が、現在及び直前の番組に関連する現在及び直前の番組関連情報を取得し、マッチング値算出手段が、該現在及び直前の番組関連情報と、前記広告関連情報とを入力として、広告効果を示すマッチング値を算出することを特徴とする。

請求項３に記載の発明は、上記の広告選択最適化処理装置が、視聴者毎に直前に視聴していた広告履歴を取得する直前広告履歴取得手段を備え、広告関連情報取得手段が、該直前の広告に関連する直前の広告関連情報を取得し、マッチング値算出手段が、少なくとも現在の番組関連情報と、直前の広告関連情報と、前記広告コンテンツに関連する広告関連情報とを入力として、広告効果を示すマッチング値を算出することを特徴とする。

請求項４に記載の発明も、上記の広告選択最適化処理装置が、視聴者毎に異なる広告を選択可能な構成で用いられる。視聴者毎に過去に視聴していた所定の数の番組履歴を取得する過去番組履歴取得手段を備え、番組関連情報取得手段が、現在及び過去の各番組に関連する現在及び過去の番組関連情報を取得し、マッチング値算出手段が、該現在及び過去の各番組関連情報と、前記広告関連情報とを入力として、広告効果を示すマッチング値を算出するものである。

請求項５に記載の発明によれば、広告選択最適化処理装置が、視聴者毎に過去に視聴していた広告履歴を取得する過去広告履歴取得手段を備える。そして、広告関連情報取得手段が、該過去の広告に関連する過去の広告関連情報を取得し、マッチング値算出手段が、少なくとも前記現在の番組関連情報と、過去の広告関連情報と、前記広告コンテンツに関連する広告関連情報とを入力として、広告効果を示すマッチング値を算出する。

請求項６に記載の発明によれば、上記の番組関連情報が、番組に登場する物、人、場所のいずれかを示すテキストデータであることを特徴とする。
請求項７に記載の発明のように、番組関連情報が、番組に含まれる楽曲、音声、映像の少なくともいずれかに関するテキストデータであってもよい。
請求項８に記載の発明のように、番組関連情報が、番組に含まれる音声データ又は映像データの少なくともいずれかでもよい。
請求項９に記載の発明のように、番組関連情報が、番組のジャンル、時間的情報、雰囲気的情報の少なくともいずれかでもよい。

請求項１０に記載の発明のように、広告関連情報が、広告に登場する物、人、場所のいずれかを示すテキストデータでもよい。
請求項１１に記載の発明のように、広告関連情報が、広告に含まれる楽曲、音声、映像の少なくともいずれかに関するテキストデータでもよい。
請求項１２に記載の発明のように、広告関連情報が、広告に含まれる音声データ又は映像データの少なくともいずれかでもよい。
請求項１３に記載の発明のように、広告関連情報が、広告の種類、時間的情報、雰囲気的情報の少なくともいずれかであってもよい。

請求項１４に記載の発明によれば、番組関連情報又は広告関連情報から関連情報を抽出する関連情報抽出手段を備えることができる。

請求項１５に記載の発明によれば、上記の番組関連情報又は広告関連情報が、予め番組毎又は広告毎に蓄積されたデータとすることができる。

請求項１６に記載の発明によれば、上記の請求項１ないし１５に記載の広告選択最適化処理装置を備えると共に、視聴者の視聴装置に向けて番組及び広告を配信する配信手段を備えた番組配信システムを提供することができる。

請求項１７に記載の発明によれば、視聴者の視聴装置において、直前又は過去の番組又は広告の視聴履歴を記録する視聴履歴記録手段を備えると共に、上記の請求項１ないし１５に記載の広告選択最適化処理装置に対して該視聴履歴を送信する視聴履歴送信手段を備えることができる。

請求項１８に記載の発明によれば、放送又は通信において複数の広告が同時に配信される構成において、視聴者の視聴装置が、上記の請求項１ないし１７に記載の広告選択最適化処理装置における少なくともマッチング値算出部及び広告選択手段を含む各手段のいずれかを備えた視聴装置を提供することができる。

本発明は、次のようにコンピュータによる広告選択最適化処理方法を提供することもできる。
すなわち、請求項１９に記載の発明によれば、放送又は通信により配信される番組の視聴者に対して最適な広告効果を得られる広告を選択する広告選択最適化処理方法であって、それを実装するコンピュータが、配信する複数の広告コンテンツを格納した広告コンテンツデータベースを備えて次の処理を行う。
（Ｓ１-１）番組関連情報取得手段が、配信する番組に関連する番組関連情報を取得する番組関連情報取得ステップ、
（Ｓ１-２）広告関連情報取得手段が、該広告コンテンツデータベースに格納する広告コンテンツに関連する広告関連情報を取得する広告関連情報取得ステップ、
（Ｓ１-３）マッチング値算出手段が、該番組関連情報と該広告関連情報とを入力として、広告効果を示すマッチング値を算出するマッチング値算出ステップ、
（Ｓ１-４）広告選択手段が、該マッチング値に基づいて、該広告コンテンツデータベースから配信する広告コンテンツを選択する広告選択ステップ。

請求項２０に記載の発明によれば、上記広告選択最適化処理方法が、視聴者毎に異なる広告を選択可能な構成において用いられる。そして、（Ｓ１-１）番組関連情報取得ステップの前のいずれかの時点において、
（Ｓ２-１）直前番組履歴取得手段が、視聴者毎に直前に視聴していた番組履歴を取得する直前番組履歴取得ステップを行う。
その後、（Ｓ１-１）番組関連情報取得ステップにおいて、現在及び直前の番組に関連する現在及び直前の番組関連情報を取得する。
さらに、（Ｓ１-３）マッチング値算出ステップにおいて、現在及び直前の番組関連情報と、広告関連情報とを入力として、広告効果を示すマッチング値を算出することを特徴とする。

請求項２１に記載の発明によれば、（Ｓ１-３）マッチング値算出ステップの前のいずれかの時点において、次の各処理を行う。
（Ｓ３-１）直前広告履歴取得手段が、視聴者毎に直前に視聴していた広告履歴を取得する直前広告履歴取得ステップ、
（Ｓ３-２）広告関連情報取得手段が、直前の広告に関連する直前の広告関連情報を取得する直前広告関連情報取得ステップ。
さらに、（Ｓ１-３）マッチング値算出ステップにおいて、少なくとも現在の番組関連情報と、直前の広告関連情報と、広告コンテンツに関連する広告関連情報とを入力として、広告効果を示すマッチング値を算出することを特徴とする。

請求項２２に記載の発明によれば、視聴者毎に異なる広告を選択可能な構成であって、（Ｓ１-１）番組関連情報取得ステップの前のいずれかの時点において、（Ｓ４-１）過去番組履歴取得手段が、視聴者毎に過去に視聴していた所定の数の番組履歴を取得する過去番組履歴取得ステップを有する。
そして（Ｓ１-１）番組関連情報取得ステップにおいて、現在及び過去の各番組に関連する現在及び過去の番組関連情報を取得し、（Ｓ１-３）マッチング値算出ステップにおいて、現在及び過去の各番組関連情報と、前記広告関連情報とを入力として、広告効果を示すマッチング値を算出する。

請求項２３に記載の発明によれば、（Ｓ１-３）マッチング値算出ステップの前のいずれかの時点において、次の各処理を行う。
（Ｓ５-１）過去広告履歴取得手段が、視聴者毎に過去に視聴していた広告履歴を取得する過去広告履歴取得ステップ、
（Ｓ５-２）広告関連情報取得手段が、該過去の広告に関連する過去の広告関連情報を取得する過去広告関連情報取得ステップ。
そして、（Ｓ１-３）マッチング値算出ステップにおいて、少なくとも現在の番組関連情報と、過去の広告関連情報と、広告コンテンツに関連する広告関連情報とを入力として、広告効果を示すマッチング値を算出する。

請求項２４に記載の発明によれば、上記の番組関連情報が、番組に登場する物、人、場所のいずれかを示すテキストデータであることを特徴とする。
請求項２５に記載の発明のように、番組関連情報が、番組に含まれる楽曲、音声、映像の少なくともいずれかに関するテキストデータであってもよい。
請求項２６に記載の発明のように、番組関連情報が、番組に含まれる音声データ又は映像データの少なくともいずれかでもよい。
請求項２７に記載の発明のように、番組関連情報が、番組のジャンル、時間的情報、雰囲気的情報の少なくともいずれかでもよい。

請求項２８に記載の発明のように、広告関連情報が、広告に登場する物、人、場所のいずれかを示すテキストデータでもよい。
請求項２９に記載の発明のように、広告関連情報が、広告に含まれる楽曲、音声、映像の少なくともいずれかに関するテキストデータでもよい。
請求項３０に記載の発明のように、広告関連情報が、広告に含まれる音声データ又は映像データの少なくともいずれかでもよい。
請求項３１に記載の発明のように、広告関連情報が、広告の種類、時間的情報、雰囲気的情報の少なくともいずれかであってもよい。

請求項３２に記載の発明によれば、上記の番組関連情報又は広告関連情報から関連情報を抽出する関連情報抽出手段を備え,番組関連情報取得ステップ又は広告関連情報取得ステップにおいて抽出された関連情報を用いることもできる。

請求項３３に記載のように、上記の番組関連情報又は広告関連情報が、予め番組毎又は広告毎に蓄積されたデータである構成でもよい。

請求項３４に記載の発明によれば、請求項１９ないし３３に記載の広告選択最適化処理方法を実行処理すると共に、その後、前記視聴者の視聴装置に向けて番組及び広告を配信する配信ステップを有する番組配信システムにおける番組配信方法を提供することもできる。

請求項３５に記載の発明によれば、視聴者の視聴装置において、直前又は過去の番組又は広告の視聴履歴を記録する視聴履歴記録手段を備え、視聴履歴送信手段が、請求項１９ないし３３に記載の広告選択最適化処理装置に対して該視聴履歴を送信する視聴履歴送信ステップを有する番組配信方法を提供することもできる。

請求項３６に記載の発明によれば、放送又は通信において複数の広告が同時に配信される構成において、視聴者の視聴装置が、請求項１９ないし３３に記載の広告選択最適化処理装置における少なくともマッチング値算出部及び広告選択手段を含む各手段のいずれかを備えて、視聴装置において複数の広告から視聴させる広告を選択する番組配信方法を提供することもできる。

本発明は、以上説明したように構成されているので、次のような作用効果を奏する。
請求項１又は１９に記載の発明によれば、番組から例えば出演者やテーマなどの番組関連情報を取得すると共に、広告からも同じようにメーカーや、出演者、商品などの広告関連情報を取得して、両者のマッチング値を所定の計算式に基づいて算出することにより、当該番組の視聴者層を対象として最適な広告の選択を実現することができる。

このような仕組みでは、各番組には同じ広告が流されるため、同番組の視聴者はすべて同じ広告を視聴することになるが、従来のように時間枠で人手により時間枠に広告を選択する方法よりもリアルタイムに最適な広告を選択できる点で効果を奏する。
すなわち、従来の方法では放送内容が変わっても広告は決められたものが流されるだけであり、所望の広告効果を得られない場合がある。

これに対して本技術では、番組関連情報さえ与えられれば、広告を自動的に選択することができるため、いかなる場合にも最適な広告が選択される。また、インターネットを用いた映像配信においても、予めスポンサーから提供された広告コンテンツの中から最適な広告を選択して挿入することができるため、配信する番組やジャンル毎に広告を決めておく必要がない。

請求項２又は２０に記載の発明によれば視聴者毎に異なる広告を選択することを特徴とし、広告効果を高めるために各視聴者の直前の視聴履歴を考慮することができる。
本技術によれば、上記で番組毎に選択された広告に加えて、各視聴者の直前の視聴履歴に基づいて、より最適な広告を選択を行うことができる。

現在視聴している番組は同一であっても、広告効果は各視聴者が過去に視聴した履歴によって異なる。また、直前の視聴履歴は視聴装置や、映像配信のサーバによって容易に取得することができることから、簡便に広告効果を高めることができる。

請求項３又は２１に記載の発明によれば、広告効果の直前の視聴履歴を加味して広告マッチング値を算出することができる。直前に広告を視聴していることにより、次に視聴する広告から受ける印象や、注目の程度が大きく変動するため、広告の直前の視聴履歴は広告効果に強い影響を与える。

請求項４又は２２に記載の発明によれば、視聴者毎に、過去の視聴履歴を加味して広告選択を行うことができるため、最大限広告効果を高めることができる。
特に、広告効果は、１回の広告への接触だけでなく、繰り返して接触することで購入などの行動に結びつくことが知られており、過去の視聴によって関心の高まった視聴者に対して最適な広告を配信することで高い広告効果を奏することができる。

請求項５又は２３に記載の発明によれば、広告効果の過去の視聴履歴を加味して広告マッチング値を算出することができる。過去の広告との接触回数や、接触からの経過時間によって次に接触する広告の効果が大きく変動する。そのため本発明ではこのような過去の視聴履歴を用いてもよい。

視聴者が番組を視聴する時間は有限であり、広告枠も限られているが、本発明によりその広告枠の付加価値を向上させることができる。

請求項６、１０、２４、２８に記載の発明によれば、番組関連情報又は広告関連情報として物、人、場所のいずれかを示すテキストデータを用いることができる。番組で取り上げられている物や人、場所に視聴者は一般的に興味を持っている可能性が高く、それらを媒介として広告を選択することにより、視聴者が受け入れやすく、また興味も共通する蓋然性の高い広告を提供することができる。

請求項７、１１、２５、２９に記載の発明によれば、番組関連情報又は広告関連情報として楽曲、音声、映像に関するテキストデータを用いることができる。番組で用いられた楽曲や音声、映像については視聴者の認識や関心が高まっていることから、これらのテキストデータを媒介として広告を選択することにより、視聴者が受け入れやすく、また興味も共通する蓋然性の高い広告を提供することができる。

請求項８、１２、２６、３０に記載の発明によれば、番組関連情報又は広告関連情報として音声データ又は映像データを用いることができる。音声データや映像データを直接用いることでテキストデータ化されていない情報を用いてマッチング値を用いることができる。例えば、同一又は類似の楽曲は音声データから直接比較することが可能であり、番組中で挿入された音楽のテキストデータがなくても、自動的にその音楽のＣＤの広告を選択することができるようになる。

請求項９、１３、２７、３１に記載の発明によれば、番組関連情報又は広告関連情報として番組や広告のジャンルを用いることができる。例えば音楽、スポーツ、社会などのジャンルを用いることで、番組と同じジャンルの広告を選択する、あるいは視聴者の興味が共通するジャンルの広告を選択することができる。また、時間的情報として戦国時代、江戸時代などの歴史的時代に応じて、時代劇の番組中には時代劇をモチーフにした広告を選択することができる。さらに、雰囲気的情報として天気や気温、「ゆったり」などの雰囲気を示す形容詞などを用いることにより、これらの共通する広告や、対照的な広告を選択することができる。

請求項１４又は３２に記載の発明によれば、関連情報抽出手段により自動的に番組関連情報や広告関連情報を抽出することができるので、予め関連情報を蓄積しておく必要もなく、完全な自動化を図ることができる。

請求項１５、３３に記載の発明によれば、予め番組や広告毎にデータを蓄積しておくことで簡便、高速にマッチング値を算出することができる。また、このデータの蓄積過程で広告選択の際に重視すべきパラメータを取捨選択することができるので、高精度な広告選択に寄与する。

請求項１６又は３４に記載の発明によれば、本発明を番組配信システムに適用することができる。

請求項１７又は３５に記載の発明によれば、視聴装置において視聴履歴を記録することができるので、放送局等の配信側で視聴の有無を記録する手段を用いなくてよく、特に放送などの一方的な番組配信との組み合わせにおいて良好である。

請求項１８又は３６に記載の発明によれば、視聴装置において広告を選択するので、視聴中の情報や過去の視聴履歴を外部に送信する必要がない一方、表示される広告を最適化することができる。

以下、本発明の実施の形態を図面に基づいて説明する。

図１には本発明にかかる広告選択最適化処理装置（以下、本装置と呼ぶ。）（１０）の構成図である。本装置（１０）は公知のパーソナルコンピュータによって構成するのが簡便であるほか、専用装置として提供することもできる。いずれにしても、データ処理や演算処理を司る周知のＣＰＵ（１００）や、ＣＰＵ（１００）と協働するメモリ（１１０）、外部記憶装置（１２０）、インターネット等のネットワークと接続するネットワークアダプタ（１３０）の他、ユーザインタフェースとしてキーボード（１４０）やマウス（図示しない）、ユーザに対して画面表示を行うモニタ（１５０）を備えている。

ＣＰＵ （１００）には、番組関連情報取得手段である番組関連取得部（１０１）、広告関連情報取得手段である広告関連情報取得部（１０２）、マッチング値算出手段であるマッチング値算出部（１０３）、広告選択手段である広告選択部（１０４）がソフトウェアによって処理手段として構成されている。

本実施例における処理のフローチャートを図２に示す。
まず、番組関連情報取得部（１０１）が配信する番組を外部から入力して、その番組関連情報を取得する。（番組関連情報取得ステップ：Ｓ１０）
ここで説明の便利のために、番組としてタレントＡが出演するバラエティ番組を想定する。このときの番組関連情報としては「人」に関する情報として、タレントＡの名前とすることができる。

番組関連情報取得部（１０１）では後述するように配信する番組から自動的にタレントＡの情報を抽出することもできるが、まず外部記憶装置（１２０）に番組関連情報を備えていてもよい。あるいは、番組名を取得してから、インターネット上の検索サイト等に掲示されている検索サイトから公知のテキスト収集方法により出演者の情報を収集してもよい。
また、番組関連情報取得部（１０１）は、番組を外部から入力せずに、直接番組関連情報だけを取得してもよい。

番組関連情報としては次のようなデータ形式が例示できる。

（番組関連情報）

外部記憶装置（１２０）に予め、このようなデータベースを備えておくことにより、番組関連情報は簡便に取得することができる。

次に、広告関連情報取得部（１０２）が、外部記憶装置（１２０）内の広告コンテンツデータベース（１２１）から広告コンテンツを読み出し、その広告関連情報を取得する。（広告関連情報取得ステップ：Ｓ１１）
広告コンテンツには、広告主が配信を希望する多数の広告コンテンツが備えられており、実際には当該時間に放送するための諸条件が別に設定されている。例えば、夜間のみ放送可能な広告や、同じ枠に放送できない広告の組み合わせがあるが、前者であれば番組の放映時間と照合すれば容易に排除できるし、後者は一方が選択された場合にはデータベース上でフラグを立てて、他方が選択できない処理を行えばよい。ここではそうした条件については別処理によって排除するか、あるいは以下のマッチング値算出の際に０を乗じるなどして排除すればよく、以下ではすでに選択可能な候補のみが広告コンテンツデータベース（１２１）から読み出されるとする。

広告関連情報も、上記番組関連情報と同様に、例えば「人」の情報が挙げられる。○×ＰＣ（パソコン）の広告において、タレントＡが出演していたとする。広告関連情報のデータ形式は例えば以下のようなものである。

（広告関連情報）

広告関連情報も、上記同様に広告コンテンツから自動的に抽出してもよいし、予め外部記憶装置（１２０）に格納されていてもよい。また、インターネット等で外部から取得してもよい。ここでは最も簡単に、広告コンテンツデータベース（１２１）において広告コンテンツと共に含まれているとする。
広告コンテンツデータベース（１２１）に表２のパソコンと自動車の広告が含まれ、その広告関連情報はタレントＡ、タレントＣとなる。

次にマッチング値算出部（１０３）において、上記番組○○○と、広告○×ＰＣ、○△車のマッチング値を算出する。（マッチング値算出ステップ：Ｓ１２）
マッチング値の算出には任意の計算式を用いることができるが、例えば次のような方法が挙げられる。まず、タレントに対する好感度の調査などによって、タレントのファン層の分類を調べ、タレント間の相関関係を求めた係数を用いる。例えば、表３のようなデータである。

この表によると、同じタレントが出演した場合の係数を最高の１．０とし、タレントＡとタレントＢの場合は０．１５、タレントＣとの場合は０．８などと定義している。つまり、タレントＡとＢではファン層があまり重複せず、マッチングはあまり良くない、ＡとＣならばマッチングが良いということができる。なお、係数としては組み合わせによって広告に悪影響を及ぼすことを意味する負数が定義されていてもよい。
さらに、表４に示すようにタレント毎に重みを定義する。

そして、マッチング値算出部（１０３）では、両者の重みの和に相関関係係数を乗じてマッチング値を求める。
例えば、タレントＡ同士の場合には、
（数１）
(3.0+3.0)×1.0=6.0
となり、タレントＡとタレントＣならば、
（数２）
(3.0+5.0)×0.8=6.4
となる。
タレントＡとＣは重みが大きいことから存在感があり、番組や広告において重要な地位を占めていることがわかる。さらに両者の相関関係係数は大きく、マッチング値は高く算出される。

一方、タレントＡとＢの場合には、
（数３）
（3.0+1.5)×0.15=0.675
となり、マッチングが良くない結果となる。これには、ＡとＢとの係数が良くない他、Ｂの重みが低いことも影響する。

以上の結果から、番組○○○と同じタレントＡが出演する広告○×ＰＣのマッチング値は6.0、タレントＢが出演する広告○△車のマッチング値は0.675となるから、広告選択部（１０４）は、前者を選択する処理を行い、これをモニタ（１５０）で表示して終了する。（広告選択ステップ：Ｓ１３）

上記において、タレント間の相関関係係数を用いたが、タレント数は非常に多く、全てにこれを定義できない場合もある。そのような場合には、タレントを例えば男性、２０代前半、お笑い系、のように分類し、その分類間での相関関係係数を用いてもよい。すなわち、男性、２０代、お笑い系と、女性、２０代、キャリアウーマン系の係数は0.3、というように定義する。このような分類に応じた係数の設定により、分類さえ定義されていれば未知の出演者にも対応することができる。

さらに、上記では最も簡単な例として一人の「人」を用いて計算したが、実際には多数の関連情報から総合的なマッチング値を用いるのが好適である。すなわち、番組○○○からは、タレントＢやＣも出演していること、ジャンルは旅行・クイズ、場所は世界であることなどが含まれている。
これらの番組関連情報と、○×ＰＣの広告関連情報、すなわち物がパソコンであること、背景の音楽（ＢＧＭ）がポップス１という楽曲であることのマッチング値を求める。全てについて相関係数や重みが定義されている必要はなく、定義されているものだけを計算すればよい。

例えば、「クイズ」と「パソコン」の間には良好な相関係数0.7が定義され、かつクイズの重みが1.0、パソコンの重みが0.6であったとすれば、タレントＡのマッチング値6.0と合わせて、
（数４）
6.0+(1.0+0.6)×0.7=7.12
となる。

このほか、マッチング値の算出に公知の機械学習方法を用いることもできる。機械学習の手法は、素性の集合-解の組のセットを多く用意し、それで学習を行ない、どういう素性の集合のときにどういう解になるかを学習し、その学習結果を利用して、新しい問題のときもその問題から素性の集合を取り出し、その素性の場合の解を推測する方法である。

この場合、ＣＰＵ（１００）のマッチング値算出部（１０３）に図示しない解素性対抽出部、機械学習部を備えて、教師用データを用いて学習する。学習結果は外部記憶装置（１２０）に記憶する。
具体的には、教師用データとして、番組と広告の各関連情報を入力し、素性はその関連情報の項目（例えば、物、人、場所などのデータ）、解はマッチングの良い、悪いとする。

事前に各番組と各広告を組み合わせて放映し、アンケート調査などによって広告の効果がどのように異なるかを調べ、製品の認知率が向上したものや、売上が向上したもの、良いイメージを与えたものなど、広告効果が高いものは正の解、逆に認知率が向上しなかったものなど広告効果が向上しなかったものは負の解として、教師データとする。

これを機械学習部に入力することで機械学習結果を得る。機械学習の手法として、例えば、k近傍法、シンプルベイズ法、決定リスト法、最大エントロピー法、サポートベクトルマシン法などの手法が公知である。

このうち、近年比較的精度が良いとされている最大エントロピー法の詳細については、以下の非特許文献１および非特許文献２に記載されている。同様に精度がよいとされているサポートベクトルマシンのうち、少数の正解でないデータが含まれていても良好な分類ができる手法が非特許文献３および非特許文献４に記載されている。

Eric Sven Ristad, MaximumEntropy Modeling for Natural Language,(ACL/EACL Tutorial Program, Madrid, 1997 Eric Sven Ristad, MaximumEntropy Modeling Toolkit, Release Nello Cristianini and JohnShawe-Taylor, An Introduction to Support Vector Machines and other kernel-basedlearning methods,(Cambridge University Press,2000) Taku Kudoh, Tinysvm:SupportVector machines,(http://chasen.org/~taku/software/TinySVM/,2002年)

機械学習結果を得た後、新たな番組関連情報と広告関連情報が入力された際には、マッチング値算出部（１０３）の解素性対抽出部がこれらから素性を抽出して機械学習部に入力し、機械学習部は機械学習結果を参照して、マッチング値を出力する。サポートベクトルマシンのように、正解か負解かの２種類の結果を算出する機械学習モデルでは、それぞれ1.0と0をマッチング値あるいは相関関係係数として出力してもよいし、他のモデルにおいて確率を算出する場合には、その確率を相関関係係数として用いても良い。
さらにサポートベクトルマシンでも、公知のペアワイズ法などと組み合わせて多分類を行う手法が提案されており、これらを用いて、段階的な解を得てもよい。

本実施例の方法は、特に放送局から視聴装置（テレビ）に向けた放送で適用することが好適である。放送の場合、インターネットや電話回線などの別のインフラを用いない限り、視聴装置からの情報を取得することができず、あくまでもマスメディアとして一方的に番組を放送する形態にならざるを得ない。

この場合、図３に示すように全ての放送枠（３０）において番組とのマッチングを考慮せずに広告を配信した場合、各広告の効果はその枠が本来有する視聴率に広告回数を乗じたものに他ならない。すなわち、広告到達の目安としてしばしば用いられる指標としてＧＲＰ（延べ到達率Gross Rating Point）があるが、視聴率１％の１０個の各枠（３１）（３２）（３３）・・に、１回ずつ広告を流すと、１％×１回×１０枠＝１０ＧＲＰの効果しか奏しない。

これに対して、本実施例によれば、番組とのマッチングを改善することによって、各枠について例えば２０％広告効果を改善することができるようになる。例えば、図４の放送枠（４０）において、枠（４１）にはＣＭ１（４４）を、枠（４２）にはＣＭ２（４５）を、枠（４３）にはＣＭ３（４６）を選択して配信することによって、それぞれの広告効果を２０％改善することができる。
その結果、視聴率１％で各１回、１０個の枠（４１）（４２）（４３）が変わらないとしても、それぞれの枠において広告の効果が向上すれば、１％×１回×１０枠×1.2＝１２有効ＧＲＰの効果を有することになる。

本発明では、図１に示した広告選択最適化処理装置を放送局における番組配信システム（送信機）に付設してもよい。番組配信システムの主要な機能は配信手段である送信機であり、これは既存の物を用いることができる。それに加えてどの広告を送信するかの選択のために本発明装置（１０）を備え、従来は人手によって決定していた放送枠に対する広告コンテンツを本装置（１０）が自動的に選択し、配信するようにする。

ここで、本実施例の配信は、テレビ放送やラジオ放送などの従来からの放送形態に限らず、ケーブルテレビなどの有線放送や、インターネットを用いた映像配信などにおいて適用してもよい。

本発明の第２の実施形態を図５に示す。実施例１と同一の構成については同符号で表示し、説明は省略する。本実施例における本装置（５０）のＣＰＵ（５００）には、実施例１に加えて、直前番組履歴取得部（５０１）と通信部（５０３）を備える。また、別実施例で述べるように直前広告履歴取得部（５０２）を設けることもできる。

本実施例の構成では、視聴者毎に異なる広告を送信することを特徴とし、そのために放送において同時に複数の広告を異なる経路（チャネル）で送信するか、インターネットを用いたピアツーピアの映像配信システムを用いることになる。従って、配信側で広告を選択するか、受信側で広告を選択するかにより、配信経路に複数の広告コンテンツが流れるかどうかが異なるが、そのどちらについても本発明を実施することができる。

図６に示すように、直前番組履歴取得部（５０１）では、番組関連情報取得ステップ（Ｓ１０）の前に、直前番組履歴取得ステップ（Ｓ２０）を実行処理する。直前番組履歴は、実施例１のようにこれから配信する番組に関して番組関連情報を取り出すだけでなく、直前に視聴していた番組の番組関連情報も取り出すものである。
すなわち、テレビ放送などでは、視聴者は頻繁に放送局を切り替えるために、通常はその直前にどのような番組を見ていたのか把握することができない。

そこで、本発明では直前番組履歴取得部（５０１）により、番組又はその番組関連情報を取得し、マッチング値算出部（１０３）で用いる。そのために、もし本装置（５０）を配信側に設ける場合には、視聴装置とインターネットや電話網などを介して接続し、ネットワークアダプタ（１３０）経由で視聴装置から直接取得する必要がある。

視聴装置には、テレビのチャンネル切替器内にチャンネルの切替ログを保持し、その情報を本装置の直前番組履歴取得部（５０１）に伝送する。切替ログは例えば次のようなデータである。

直前番組履歴取得部（５０１）では、現在時刻と照合し、例えば現在が22:05:15であれば、直前には21時59分58秒から６チャンネルを見ていたことが分かり、外部記憶装置（１２０）に備えた番組表や電子番組表などから番組名を特定することができる。

あるいは、ここでいう直前として、現在視聴中の前の番組を言うこともできる。その場合、現在視聴中のチャンネルは６チャンネルとして、その直前は21時45分32秒から21時59分58秒の間、１チャンネルである。同様にこの番組を特定してもよい。

本構成のためには全てのログをとらず、例えば直前にどのチャンネルであったかという情報だけでもよい。例えば、１０分前のチャンネル状態を常に保持するようにしておき、直前番組履歴取得部（５０１）はその情報を取得するようにしてもよい。
さらに、チャンネル番号ではなく、実際に番組名や、番組関連情報を保持しておいてもよい。

一方、本装置（５０）を視聴装置側に設ける場合には、直前番組履歴取得部（５０１）自体が視聴した番組の履歴を保持しておけばよく、例えば外部記憶装置（１２０）に順次格納することができる。この場合、放送やネットワークを通じて別に複数の広告コンテンツ（１２１）を受信し、外部記憶装置（１２０）内に格納した上で、その中から直前番組履歴を利用して広告を選択する。

本実施例におけるマッチング値算出部（１０３）では、配信する番組と広告のマッチング値に加えて、直前の番組関連情報と広告とのマッチング値を算出する。この方法は上記同様であるが、直前の番組関連情報とのマッチング値にはさらに、所定の係数を乗じるようにしてもよい。例えば、直前に視聴した番組は視聴中の番組に較べると連続性が乏しいため、マッチング値に０．５を乗じて、相関を低く評価することもできる。

（別実施例）
実施例２の別実施例を図７のフローチャートを用いて説明する。
本実施例では、上記直前番組履歴取得ステップ（Ｓ２０）と同時、又は相前後のいずれかで、直前広告履歴取得部（５０２）が直前広告履歴取得ステップ（Ｓ３０）を実行する。直前広告履歴取得部（５０２）も上記同様に配信側に設けられる場合と視聴装置側に設けられる場合とがあるが、前者のみ説明すると、視聴装置から表５のような切替ログが来ると、外部記憶装置（１２０）内の表６広告配信結果データベースを用いることで、どの広告を直前に視聴したかが容易に判明する。

例えば、21:59:58から６チャンネルを視聴していた視聴者は、同時刻に配信されていた○×ＰＣの広告を見たことがわかる。広告が判明した後、広告関連情報取得部（１０２）が上記と同様にその広告の関連情報を取得する。（直前広告関連情報取得ステップ：Ｓ３１）

さらに、マッチング値算出部（１０３）では、直前広告関連情報と、次に配信しようとする広告関連情報とのマッチング値を求め、直前の番組関連情報や、配信する番組の番組関連情報と合算して評価してもよい。ここでも直前広告関連情報には所定の係数を乗じて、評価することができる。なお、直前に見た広告と連続して同類の広告が配信されることにより、間隔を開けて配信するよりも相乗的な効果を奏する場合がある。このような場合には特に１以上の係数を用いることもできる。

本発明による作用を図８を用いて説明する。放送枠（８０）における枠（８１）（８２）（８３）について、まず実施例１の方法を用いてそれぞれＣＭ１、ＣＭ２、ＣＭ３が選択されている。
その上で、視聴者（８４）では直前の視聴番組あるいは視聴広告の関連情報に基づいてマッチング値を算出した結果、ＣＭ１よりもＣＭ２の方が広告効果が高いと算出されている。同様に、視聴者（８５）ではＣＭ２よりもＣＭ３が、視聴者（８６）ではＣＭ３よりＣＭ１がそれぞれ効果が高いと算出された。

このような場合、本発明では各視聴者（８４）（８５）（８６）だけ広告の選択を変更し、良好な広告効果を得ることができる。変更による広告効果が、それぞれ１．５に上昇したとすれば、合計１３有効ＧＲＰとなり、上記１２有効ＧＲＰより改善される。

本発明の第３の実施形態として、図９に広告選択最適化処理装置（９０）を図１０にフローチャートをそれぞれ示す。ここでも上記実施例と同様の構成は同符号としている。本実施例ではＣＰＵ（９００）に過去番組履歴取得部（９０１）を設ける。また別実施例で述べるように過去広告履歴取得部９０２）と関連情報抽出部（９０３）を備える。

過去番組履歴取得部（９０３）は実施例２のように直前の番組の履歴のみならず、当該視聴者の過去の番組視聴の履歴を取得するものである。この取得の方法は、上記と同様でもよく、例えば表５の最新のデータだけを使うのではなく、その前の一定期間のデータを全て使うことになる。取得の方法は同様であるから省略するが、直前だけの場合と異なり、直前のもの１つ覚えるだけの機構ではなく、計時部と記憶部を備えて例えば１ヶ月程度の期間の記録を全て取得できる必要がある。（過去番組履歴取得ステップ：Ｓ４０）

そして、過去の番組については、一般的に印象が薄くなっていくため、広告選択の際に、過去の番組であればあるほど、小さな係数を乗ずることが好ましい。例えば、表７のような係数をマッチング値算出部（１０３）にて用いる。

経過時間に応じて微少な係数としても、１ヶ月以内に視聴した番組は多量になるため、すべて乗じて合算した場合には、マッチング値に大きく影響することがある。過去の視聴履歴を考慮することで、例えば過去１ヶ月間にタレントＡの出演番組を多く視聴した視聴者にはタレントＡの出演する広告がさらに配信されやすくなる。
この程度長期間の履歴をみると、視聴者の嗜好も反映されやすく、どのようなジャンルの番組か、どういった物が登場する番組かなどの嗜好に関わる情報がマッチング値に現れることになる。

計数は表７のように経過時間毎に定義しておいてもよいし、所定の関数を容易して該関数にパラメータを代入し、係数を算出する構成でもよい。関数として例えば経過時間ｔとして係数k=0.9^tを用いることもできる。

（別実施例）
さらに、過去広告履歴取得部（９０２）において、過去広告履歴を取得し、それをマッチング値に反映させることも考えられる。図１１はそのフローチャートであり、ここでは過去番組履歴は用いず、過去広告履歴のみを用いている。過去広告履歴取得ステップ（Ｓ５０）も直前広告履歴取得ステップ（Ｓ３０）と同様に実行処理することができる。この履歴も例えば１ヶ月程度の履歴を記録できることが望ましい。取得した広告履歴から、広告関連情報取得部（１０２）において関連情報を取得する（過去広告関連情報ステップ：Ｓ５１）

このような短期から中期の広告による効果は次のように評価することができる。
まず、広告到達回数について説明する。広告代理店などにおいては、広告の効果を計るパラメータとして、広告到達回数（フリークエンシー）を用いている。広告は放送を受信する公衆全体を対象とすることもあるし、公衆の一部の層、例えば年齢や性別、職業、家庭内の立場（父親、祖母、子供、孫など）、社会的地位などによる特定のターゲットを対象とすることもある。
公衆全体の層や、一部の層の人に対して、その広告内容（クリエイティブ）が何回到達したか、という指標が広告到達回数である。

広告到達回数は様々な方法で調査可能であり、例えば視聴者調査によって、「あなたはＡ社の車ＢのＣＭを何回観ましたか？」とアンケートをとることで平均の到達回数を知ることもできる。

しかし広告到達回数は推計により算出することも可能である。この推計には、放送回数や放送時間をデータベースとした広告情報データベースと共に、別に調査された視聴率の情報を用いる。
例えば、３０歳代のある男性について視聴の有無が金曜日の１０時台は視聴しない、１１時台・１２時台は視聴するように表され、その時間にＡ社の車ＢのＣＭが流された回数が、金曜日の１０時台・１１時台は０回、１２時台は１回であったとすれば、金曜日にその男性は１回、ＣＭを観たことになる。
同様に集計することで、この週に男性にＣＭが到達した回数は７回となる。

ここでは、特定の層に属する一人の男性について、１つのチャンネルで、限られた時間帯だけを例としてあげたが、視聴率の情報も特定の層ごとのデータが調査会社から提供されているため、例えば３０歳代男性の時間帯毎の特定チャンネルの視聴率は入手することができる。
例えば３０歳代男性の金曜日１２時の視聴率が３％であれば、観ていた人への広告到達回数は１回であり、観ていた人は３％であるから、平均の広告到達回数は０．０３回と計算することができる。
広告到達回数の推計に際しては、このような演算処理を広告情報データベースに基づいて行うことで、上記車ＢのＣＭの広告到達回数を計算することができる。

広告到達回数がいかなる意味をもつかについて、次のようなことが知られている。すなわち、視聴者は１回だけ広告に接しても広告を十分に認知せず、広告主が期待する広告効果が得られない。著名な研究としてハーバード・Ｅ・クラグマンによる３ヒット理論が知られており、広告の反復効果について次のような反応があるとされている。
１回目の広告接触 → それは何だろうという反応
２回目の広告接触 → 何について語っているのだろうという反応
３回目の広告接触 → 思い出させる反応
４回以降の広告接触 → 反応は３回目の反復
すなわち、最低３回の広告接触によって視聴者はその広告内容を認知すると言われている。もっとも、３回という数字は様々な要因によって変動するため、広告によって適宜設定されるべき値である。

特に、広告接触による認知回数は、視聴者の層や、ＣＭの対象製品、キャンペーンの種類によって変化することが知られており、このような認知回数は、別途視聴者層や、製品、キャンペーンの種類に対応して定義された認知回数データベースや、調査結果に基づいて所定の方式で演算されることによって導くことができる。
以上のように広告効果を持つ広告接触があったことが上記広告到達回数によって確認できるのである。

広告到達回数は多ければ多いほどよいものではなく、認知するのに必要な最低の有効到達回数（最低有効フリークエンシー）と共に、視聴者に飽きを感じさせない上限である有効到達回数（最高有効フリークエンシー）が考えられる。
これらの回数は一般的に例えば最低有効到達回数を４回、最高有効到達回数を１３回などのように定義してもよい。また、調査会社によるＣＭの認知率と飽きについての調査結果に基づいて、人手によって決定されることも行われている。

このような最低・最高の有効到達回数によっても周知のさまざまな演算方式によって所定の調査結果に基づいて算出することができる。
なお、本実施例では広告効果の尺度として、広告の到達回数と広告の認知回数の関係を用いて説明しているが、認知回数の他、広告の視聴者に対する様々な指標を用いることができる。例えば、ＣＭの内容（メッセージ）を理解するまでの回数や、そのＣＭで紹介している商品の購入意向を持つまでの回数なども、上記広告到達回数との関係で把握することができる。

広告到達回数は一般公衆を対象とした統計値から推計することもできるし、実際に特定の個人について到達回数を計数することもできる。前者の手法は本発明の実施例１のように、特定の個人からの情報を収集しなくても適用できる。後者の方法は、実施例２及び３の場合に適する。

例えば本実施例の本装置（９０）におけるマッチング値算出部（１０３）では、上記広告到達回数により選択条件を別に設けてもよい。すなわち、有効到達回数に達したときには、もはや広告効果はそれ以上得られないため、選択を停止する。その場合、これまで述べてきたように広告効果を上げるために他の広告を選択するのではなく、すでに十分な到達回数となっていて広告効果が上がらないために他の広告を選択することになる。

選択条件の設定には、やはり係数を用いて、到達回数毎に係数を乗ずるのが好ましい。すなわち、それまでの到達回数が１回〜４回の場合には係数を高く設定し、次いで５回〜１３回の場合、そして１４回以上の場合は係数を０とする。そうすると６回以上の到達には強い重みや番組視聴履歴の総和が必要であり、１４回以上ではマッチングしないことになる。その結果、自動的に広告選択を減少させることができる。

本発明におけるマッチング値算出には広告到達回数を用いる方法が好適であるが、広告代理店などにおいては、広告の効果を計るパラメータとして、上述した広告到達率（リーチ）を用いている。
公衆全体の層や、一部の層の人のうち、その広告内容（クリエイティブ）に接触した人の割合が広告到達率である。

広告到達率も様々な方法で調査可能であり、例えば視聴者調査によって、「あなたはＡ社の車ＢのＣＭを観たことがありますか？」とアンケートをとることで平均の到達率を知ることもできる。
また、広告到達率を推計することもできる。ここでも広告情報データベースにおける放送回数や放送時間の情報と、別に調査された視聴率の情報を用いる。

公衆のある層（３０歳代男性）の視聴率が金曜日の１０時台が０％、１１時台が１％、１２時台が３％であったとして、その時間帯におけるＡ社の車ＢのＣＭの発信回数が０回、０回、１回であったとすれば、金曜日の１２時台における広告到達率は３％である。
また、各時間帯毎の視聴率と、ＣＭの発信回数をそれぞれかけて、積算することによって、上記したＧＲＰが計算できる。

以上のように、広告到達回数や広告到達率などにより広告効果は客観的に数値評価が可能であるから、この結果に基づいてマッチング値の算出式を定義すればよい。本発明はこのようにマッチング値算出式を変更することで、広告選択方式を柔軟に改良ができる点でも好適である。

（別実施例）
ＣＰＵ（９００）の関連情報抽出部（９０３）では、番組や広告コンテンツから関連情報を自動的に抽出することができる。この方法は最も簡便には公知の文字認識技術を用いることであり、受信した映像から静止画をキャプチャし、それを文字認識することで番組名や出演者の名前を抽出することができる。

また音声データを音声認識し、話される製品名などを認識することもできる。これらはいずれも周知技術であり、適宜既存のソフトウェアにより実行処理させればよい。
なお、広告コンテンツの認識については、その時期に放送中の広告の映像を事前に入手しておく方がよい。放送された広告から出演するタレントを認識することは困難であるが、事前に出演者の分かっている広告のどれと一致するかという照合処理は、画像認識処理よりもはるかに高精度である。そして、どの広告かを特定した後は、事前に蓄積してある関連情報を取得すればよいことになる。

実施例３の作用を図１２を用いて説明する。放送枠（７０）において実施例１による枠全体の広告の最適化と、実施例２の直前履歴に基づく最適化に加え、枠（７１）（７２）（７３）について過去履歴によりさらに最適化することができる。
例えば視聴者（７４）は、ＣＭ２をＣＭ１に変更することで広告効果が１．８に向上しており、その他の者についても向上した結果、この放送枠（７０）の合計が１５有効ＧＲＰとなる。

視聴率は番組に依存し、広告を放送する枠の数も限られているため、テレビ局等が収益を上げる上で、枠数を維持したまま有効ＧＲＰを向上させることはその枠の付加価値が高まり、ひいては放送局の利益に寄与する。また、広告主においても限られた枠で最適な広告活動が行えるため、業務の効率化に寄与する。

最後の実施例として、図１３に本発明に係る視聴装置（６０）の構成図を示す。ＣＰＵ（６００）には上述した各処理部（１０１）〜（１０４）、通信部（５０３）に加えて視聴履歴記録部（６０１）が配設されている。該視聴履歴記録部（６０１）についてもその機能は既述の通りである。

本装置（６０）の特徴としてテレビ受像機（６１）を付設していることが挙げられる。視聴者はテレビ受像機（６１）によって番組や広告を視聴する。なお、テレビ受像機（６１）自体にチューナーが内蔵されていることは必要ではなく、地上波デジタルチューナーのようにパソコン内にチューナーが内蔵され、テレビ受像機（６１）自体はパソコンのモニタで構成されていてもよい。

本装置（６０）はネットワークアダプタ（１３０）を介してインターネット（６３）に接続され、その先は放送局（６４）の管理するサーバと通信可能である。サーバのハードディスク（６２）には番組関連情報（６２０）や広告関連情報（６２１）が格納されていて、番組関連情報取得部（１０１）や広告関連情報取得部（１０２）は各情報（６２０）（６２１）にアクセスして取得する構成でもよい。

放送局は番組を放送（６５）すると共に、放送（６５）により複数の広告コンテンツを送信してもよいし、インターネット（６３）を通して広告だけ配信してもよい。いずれの方法でも本装置（６０）は外部記憶装置（１２０）内に広告コンテンツデータベース（１２１）を保持する。

本構成によれば、視聴履歴等はすべて視聴者側で管理できる他、放送局から複数の広告コンテンツを送ることで、広告選択部（１０４）が最適な広告をテレビ受像機（６１）で表示させることができる。放送局（６４）は上述した広告到達回数の推計と同様に、統計的に選択された広告数を推計することができるほか、本装置（６０）から表示した実績をインターネット（６３）を通じて放送局（６４）に通知するようにしてもよい。

以上、本発明の構成につき説述した。
本発明で用いる関連情報の具体例を列挙する。
関連情報として「物」とは、登場する製品に関する情報であり、製品名、製品型番、製品の色、模様、製造会社などを指す。「人」を用いる場合とは、実施例で述べたように出演者の氏名、名称の他、性別、世代、職業など人に関係する情報である。「場所」とは、ロケ地、放送局の所在地、話題にしている場所など場所に関係する情報であり、例えば出演者の出身地も含まれる。都市名や国名の他、ビル名なども含まれる。

関連情報として「楽曲」とは、音楽番組やＣＤの広告で流されるテーマそのものの音楽の他、背景で流される音楽も含まれる。「音声」とは言語の他、効果音等の情報である。「映像」とは映し出されている風景やキャラクターなど映像情報全てを対象とする。

「楽曲、音声、映像に関するテキストデータ」とはこれらを認識処理した結果として得られるテキストデータであり、楽曲名や話されている言葉の言語名、方言名、音声から分かるキャラクター名などを指す。また、映像を解析した結果、例えば富士山の映像から得られる「富士山」というテキストデータが含まれる。

同じく「音声データ」とは所定の物理量、例えば音量や周波数域などが直接抽出可能な音声データ情報を指す。関連情報としての利用方法としては、例えば大音量の番組や広告の中で、突然静音の広告を流すことで広告の効果が高まることが考えられる。そのような場合には大音量の番組とのマッチングがよいと言える。もちろん、大きな音量の番組中に連続性のある音量の広告を選択することもできる。同様に、周波数域が高音から突然低音に変わることによって効果が高めるようにすることもできる。

「映像データ」とは映像が認識される前のデータとしての情報であり、例えばデータからでもＲＧＢ値が取得でき、全体の色合いなどはデータレベルで利用することができる。全体の色合いが赤色の傾向が強い番組の中で、青色の強い広告を選択する、というように利用することができる。

「ジャンル」や「種類」とはドラマ、バラエティ、ニュース、スポーツなどの大きな分類から、「お笑い」「クイズ」「紀行」「車の広告」など細かい分類までを含む。
「時間的情報」とは、番組や広告の時代設定、年代設定などの情報であり、「江戸時代」や「１９７０年代後半」などを指す。雰囲気的情報とは天気や気温、気候、季節などの番組の雰囲気の状態を指す情報であり、「暑い」「美しい」など形容詞によって表現されていてもよい。

本発明の実施例１に係る広告選択最適化処理装置の構成図である。 同装置の処理フローチャートである。 従来の広告選択による効果を説明する図である。 本実施例による効果を説明する図である。 本発明の実施例２に係る広告選択最適化処理装置の構成図である。 同装置の処理フローチャートである。 同装置の別実施例における処理フローチャートである。 本実施例による効果を説明する図である。 本発明の実施例３に係る広告選択最適化処理装置の構成図である。 同装置の処理フローチャートである。 同装置の別実施例における処理フローチャートである。 本実施例による効果を説明する図である。 本発明の実施例４に係る視聴装置の構成図である。

符号の説明

１０ 広告選択最適化処理装置
１００ ＣＰＵ
１０１ 番組関連情報取得部
１０２ 広告関連情報取得部
１０３ マッチング値算出部
１０４ 広告選択部
１１０ メモリ
１２０ 外部記憶装置
１２１ 広告コンテンツデータベース
１３０ ネットワークアダプタ
１４０ キーボード
１５０ モニタ

Claims (36)

1. 放送又は通信により配信される番組の視聴者に対して最適な広告効果を得られる広告を選択する広告選択最適化処理装置において、
   複数の広告コンテンツを格納した広告コンテンツデータベースと、
   配信する番組に関連する番組関連情報を取得する番組関連情報取得手段と、
   該広告コンテンツデータベースに格納する広告コンテンツに関連する広告関連情報を取得する広告関連情報取得手段と、
   該番組関連情報と該広告関連情報とを入力として、広告効果を示すマッチング値を算出するマッチング値算出手段と、
   該マッチング値に基づいて、該広告コンテンツデータベースから配信する広告コンテンツを選択する広告選択手段と、
   を備えた広告選択最適化処理装置。
2. 前記広告選択最適化処理装置が、視聴者毎に異なる広告を選択可能な構成であって、
   視聴者毎に直前に視聴していた番組履歴を取得する直前番組履歴取得手段を備え、
   前記番組関連情報取得手段が、現在及び直前の番組に関連する現在及び直前の番組関連情報を取得し、
   前記マッチング値算出手段が、該現在及び直前の番組関連情報と、前記広告関連情報とを入力として、広告効果を示すマッチング値を算出する
   請求項１に記載の広告選択最適化処理装置。
3. 前記広告選択最適化処理装置が、
   視聴者毎に直前に視聴していた広告履歴を取得する直前広告履歴取得手段を備え、
   前記広告関連情報取得手段が、該直前の広告に関連する直前の広告関連情報を取得し、
   前記マッチング値算出手段が、少なくとも前記現在の番組関連情報と、該直前の広告関連情報と、前記広告コンテンツに関連する広告関連情報とを入力として、広告効果を示すマッチング値を算出する
   請求項１又は２に記載の広告選択最適化処理装置。
4. 前記広告選択最適化処理装置が、視聴者毎に異なる広告を選択可能な構成であって、
   視聴者毎に過去に視聴していた所定の数の番組履歴を取得する過去番組履歴取得手段を備え、
   前記番組関連情報取得手段が、現在及び過去の各番組に関連する現在及び過去の番組関連情報を取得し、
   前記マッチング値算出手段が、該現在及び過去の各番組関連情報と、前記広告関連情報とを入力として、広告効果を示すマッチング値を算出する
   請求項１に記載の広告選択最適化処理装置。
5. 前記広告選択最適化処理装置が、
   視聴者毎に過去に視聴していた広告履歴を取得する過去広告履歴取得手段を備え、
   前記広告関連情報取得手段が、該過去の広告に関連する過去の広告関連情報を取得し、
   前記マッチング値算出手段が、少なくとも前記現在の番組関連情報と、該過去の広告関連情報と、前記広告コンテンツに関連する広告関連情報とを入力として、広告効果を示すマッチング値を算出する
   請求項１又は４に記載の広告選択最適化処理装置。
6. 前記番組関連情報が、該番組に登場する物、人、場所のいずれかを示すテキストデータである
   請求項１ないし５のいずれかに記載の広告選択最適化処理装置。
7. 前記番組関連情報が、該番組に含まれる楽曲、音声、映像の少なくともいずれかに関するテキストデータである
   請求項１ないし５のいずれかに記載の広告選択最適化処理装置。
8. 前記番組関連情報が、該番組に含まれる音声データ又は映像データの少なくともいずれかである
   請求項１ないし５のいずれかに記載の広告選択最適化処理装置。
9. 前記番組関連情報が、該番組のジャンル、時間的情報、雰囲気的情報の少なくともいずれかである
   請求項１ないし５のいずれかに記載の広告選択最適化処理装置。
10. 前記広告関連情報が、該広告に登場する物、人、場所のいずれかを示すテキストデータである
    請求項１ないし５のいずれかに記載の広告選択最適化処理装置。
11. 前記広告関連情報が、該広告に含まれる楽曲、音声、映像の少なくともいずれかに関するテキストデータである
    請求項１ないし５のいずれかに記載の広告選択最適化処理装置。
12. 前記広告関連情報が、該広告に含まれる音声データ又は映像データの少なくともいずれかである
    請求項１ないし５のいずれかに記載の広告選択最適化処理装置。
13. 前記広告関連情報が、該広告の種類、時間的情報、雰囲気的情報の少なくともいずれかである
    請求項１ないし５のいずれかに記載の広告選択最適化処理装置。
14. 前記番組関連情報又は広告関連情報から関連情報を抽出する関連情報抽出手段を備えた
    請求項１ないし１３のいずれかに記載の広告選択最適化処理装置。
15. 前記番組関連情報又は広告関連情報が、予め番組毎又は広告毎に蓄積されたデータである
    請求項１ないし１３のいずれかに記載の広告選択最適化処理装置。
16. 前記請求項１ないし１５に記載の広告選択最適化処理装置を備えると共に、
    前記視聴者の視聴装置に向けて番組及び広告を配信する配信手段を備えた番組配信システム。
17. 視聴者の視聴装置において、直前又は過去の番組又は広告の視聴履歴を記録する視聴履歴記録手段を備えると共に、前記請求項１ないし１５に記載の広告選択最適化処理装置に対して該視聴履歴を送信する視聴履歴送信手段を備えた
    ことを特徴とする視聴装置。
18. 放送又は通信において複数の広告が同時に配信される構成において、
    視聴者の視聴装置が、前記請求項１ないし１７に記載の広告選択最適化処理装置における少なくともマッチング値算出部及び広告選択手段を含む各手段のいずれかを備えた
    ことを特徴とする視聴装置。
19. 放送又は通信により配信される番組の視聴者に対して最適な広告効果を得られる広告を選択する広告選択最適化処理方法であって、
    配信する複数の広告コンテンツを格納した広告コンテンツデータベースを備え、
    番組関連情報取得手段が、配信する番組に関連する番組関連情報を取得する番組関連情報取得ステップ、
    広告関連情報取得手段が、該広告コンテンツデータベースに格納する広告コンテンツに関連する広告関連情報を取得する広告関連情報取得ステップ、
    マッチング値算出手段が、該番組関連情報と該広告関連情報とを入力として、広告効果を示すマッチング値を算出するマッチング値算出ステップ、
    広告選択手段が、該マッチング値に基づいて、該広告コンテンツデータベースから配信する広告コンテンツを選択する広告選択ステップ
    を有することを特徴とする広告選択最適化処理方法。
20. 前記広告選択最適化処理方法が、視聴者毎に異なる広告を選択可能な構成であって、
    前記番組関連情報取得ステップの前のいずれかの時点において、
    直前番組履歴取得手段が、視聴者毎に直前に視聴していた番組履歴を取得する直前番組履歴取得ステップを有すると共に、
    前記番組関連情報取得ステップにおいて、現在及び直前の番組に関連する現在及び直前の番組関連情報を取得し、
    前記マッチング値算出ステップにおいて、該現在及び直前の番組関連情報と、前記広告関連情報とを入力として、広告効果を示すマッチング値を算出する
    請求項１９に記載の広告選択最適化処理方法。
21. 前記広告選択最適化処理方法が、
    前記マッチング値算出ステップの前のいずれかの時点において、
    直前広告履歴取得手段が、視聴者毎に直前に視聴していた広告履歴を取得する直前広告履歴取得ステップ、
    前記広告関連情報取得手段が、該直前の広告に関連する直前の広告関連情報を取得する直前広告関連情報取得ステップを有すると共に、
    前記マッチング値算出ステップにおいて、少なくとも前記現在の番組関連情報と、該直前の広告関連情報と、前記広告コンテンツに関連する広告関連情報とを入力として、広告効果を示すマッチング値を算出する
    請求項１９又は２０に記載の広告選択最適化処理方法。
22. 前記広告選択最適化処理方法が、視聴者毎に異なる広告を選択可能な構成であって、
    前記番組関連情報取得ステップの前のいずれかの時点において、
    過去番組履歴取得手段が、視聴者毎に過去に視聴していた所定の数の番組履歴を取得する過去番組履歴取得ステップを有すると共に、
    前記番組関連情報取得ステップにおいて、現在及び過去の各番組に関連する現在及び過去の番組関連情報を取得し、
    前記マッチング値算出ステップにおいて、該現在及び過去の各番組関連情報と、前記広告関連情報とを入力として、広告効果を示すマッチング値を算出する
    請求項２１に記載の広告選択最適化処理装置。
23. 前記広告選択最適化処理方法が、
    前記マッチング値算出ステップの前のいずれかの時点において、
    過去広告履歴取得手段が、視聴者毎に過去に視聴していた広告履歴を取得する過去広告履歴取得ステップ、
    前記広告関連情報取得手段が、該過去の広告に関連する過去の広告関連情報を取得する過去広告関連情報取得ステップを有すると共に、
    前記マッチング値算出ステップにおいて、少なくとも前記現在の番組関連情報と、該過去の広告関連情報と、前記広告コンテンツに関連する広告関連情報とを入力として、広告効果を示すマッチング値を算出する
    請求項１９又は２２に記載の広告選択最適化処理方法。
24. 前記番組関連情報が、該番組に登場する物、人、場所のいずれかを示すテキストデータである
    請求項１９ないし２３のいずれかに記載の広告選択最適化処理方法。
25. 前記番組関連情報が、該番組に含まれる楽曲、音声、映像の少なくともいずれかに関するテキストデータである
    請求項１９ないし２３のいずれかに記載の広告選択最適化処理方法。
26. 前記番組関連情報が、該番組に含まれる音声データ又は映像データの少なくともいずれかである
    請求項１９ないし２３のいずれかに記載の広告選択最適化処理方法。
27. 前記番組関連情報が、該番組のジャンル、時間的情報、雰囲気的情報の少なくともいずれかである
    請求項１９ないし２３のいずれかに記載の広告選択最適化処理方法。
28. 前記広告関連情報が、該広告に登場する物、人、場所のいずれかを示すテキストデータである
    請求項１９ないし２３のいずれかに記載の広告選択最適化処理方法。
29. 前記広告関連情報が、該広告に含まれる楽曲、音声、映像の少なくともいずれかに関するテキストデータである
    請求項１９ないし２３のいずれかに記載の広告選択最適化処理方法。
30. 前記広告関連情報が、該広告に含まれる音声データ又は映像データの少なくともいずれかである
    請求項１９ないし２３のいずれかに記載の広告選択最適化処理方法。
31. 前記広告関連情報が、該広告の種類、時間的情報、雰囲気的情報の少なくともいずれかである
    請求項１９ないし２３のいずれかに記載の広告選択最適化処理方法。
32. 前記番組関連情報又は広告関連情報から関連情報を抽出する関連情報抽出手段を備え,
    前記番組関連情報取得ステップ又は広告関連情報取得ステップにおいて抽出された関連情報を用いる
    請求項１９ないし３１のいずれかに記載の広告選択最適化処理方法。
33. 前記番組関連情報又は広告関連情報が、予め番組毎又は広告毎に蓄積されたデータである
    請求項２０ないし３１のいずれかに記載の広告選択最適化処理方法。
34. 前記請求項１９ないし３３に記載の広告選択最適化処理方法を実行処理すると共に、その後、前記視聴者の視聴装置に向けて番組及び広告を配信する配信ステップを有する番組配信システムにおける番組配信方法。
35. 視聴者の視聴装置において、直前又は過去の番組又は広告の視聴履歴を記録する視聴履歴記録手段を備え、視聴履歴送信手段が、前記請求項１９ないし３３に記載の広告選択最適化処理装置に対して該視聴履歴を送信する視聴履歴送信ステップを有する
    ことを特徴とする番組配信方法。
36. 放送又は通信において複数の広告が同時に配信される構成において、
    視聴者の視聴装置が、前記請求項１９ないし３３に記載の広告選択最適化処理装置における少なくともマッチング値算出部及び広告選択手段を含む各手段のいずれかを備えて、視聴装置において複数の広告から視聴させる広告を選択する
    ことを特徴とする番組配信方法。

Images