JP2015509218A - デジタル広告システム - Google Patents

Abstract

【解決手段】デジタル広告システムは、デジタル表示デバイスに表示される複数のデジタル広告を提供する広告モジュールを含む。デジタル表示デバイスを含むデジタル看板モジュールは、広告モジュールにより提供されるデジタル広告を表示し、デジタル看板モジュールにより表示されるデジタル広告の以前の視聴者に関する動画分析データを取り込む。データマイニングモジュールは、デジタル看板モジュールから動画分析データを読み出し、それに基づき、データマイニングアルゴリズムを用いてトレーニングされた広告モデルを生成する。広告モジュールおよびデータマイニングモジュールに結合されたコンテンツ管理システムモジュールは、デジタル広告およびトレーニングされた広告モデルを受信し、トレーニングされた広告モデルに基づき、表示される広告のサブセットを生成する。【選択図】図２

Description

［関連出願の相互参照］
本願は、２０１１年９月１３日に提出され、発明の名称が「Ｉｎｔｅｌｌｉｇｅｎｔ Ａｄｖｅｒｔｉｓｉｎｇ Ｆｒａｍｅｗｏｒｋ Ｓｙｓｔｅｍ」であるインド国特許出願第２６４６／ＤＥＬ／２０１１号の優先権を主張する。同特許出願の開示はその全体が、あらゆる目的において本明細書に組み込まれる。

本願発明の実施形態は、デジタル表示デバイス上に表示される広告を動画分析に基づいて選択するためのシステムに関する。

デジタル看板という用語は、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、プラズマディスプレイ、または投影されたディスプレイなどの、ニュース、広告、地域のアナウンス、および他のマルチメディアコンテンツをレストランまたはショッピングモールなどの公共の施設で示すための電子表示デバイスの利用を説明するために用いられることが多い。近年、デジタル看板業界は大きさ成長を見せており、今では年間収益成長率の大きさはインターネット広告業界に次いで２番目である。

デジタル看板の利用は正当な理由で急激に成長している。デジタル看板により広告主は、より興味をそそり、より動的な広告コンテンツを示し、新たなプロモーション、時刻、さらには気象および他のイベントに基づきリアルタイムでコンテンツを容易に変更することが出来るようになる。現在、広告コンテンツの有効性を判断するやり方はない。デジタル看板業界の主な課題の１つは、デジタル看板事業者に対する何らかの明確な投資利益率（ＲＯＩ）データの提供である。必要とされているのは、広告コンテンツを視聴している人々の特定の人口層が同コンテンツのターゲットとなり、同コンテンツがそれらの人口層に適合されるようにするためのやり方である。

本願発明の様々な実施形態の以下に提供される詳細な説明より、および、それらに関する添付の図面より、本願発明の実施形態がより完全に理解されよう。しかし、それら詳細な説明および添付の図面は、本願発明を特定の実施形態に限定するものと見なされるべきではなく、説明および理解のためのものである。
本願発明の実施形態を機能ブロックの形態で示す。 本願発明の実施形態のフローチャートである。 本願発明の実施形態の態様を示す。 本願発明の実施形態に係るコンテンツ管理システムのブロック図を提供する。 本願発明の実施形態に係るデジタル看板モジュールのブロック図を提供する。 デジタル看板の観察可能エリア内の個々の視聴者に関する動画分析データの取得に関する本願発明の実施形態の態様を示す。 デジタル看板の観察可能エリア内の個々の視聴者に関する動画分析データの取得に関する本願発明の実施形態の態様を示す。 デジタル看板の観察可能エリア内の個々の視聴者に関する匿名動画分析データの取得に関する本願発明の実施形態のフローチャートである。

匿名動画分析（ＡＶＡ）は、デジタル看板ネットワークのために設計された受動的であり自動化されたオーディエンスまたは視聴者測定技術であり、定量的な視聴者情報および投資利益率（ＲＯＩ）データをデジタル看板事業者に提供するために用いられ得る。本願発明の実施形態は、デジタル看板の広告ＲＯＩを測定し向上させるのに用いられ得るターゲットを定められた広告を実現するために、ＡＶＡデータおよびデータマイニング技術を用いるという概念に基づく。加えて、ＡＶＡ視聴者情報と販売場所（ＰＯＳ）データとを関連付けることにより、実施形態は、特定の人口層による広告に対する反応期間と、宣伝される製品の販売に対する効果との関連付けを行うためにも用いられ得る。

本願発明の実施形態は、デジタル表示デバイスでの広告の表示において、匿名動画分析（ＡＶＡ）を活用する。デジタル看板に、デジタル表示デバイスの近くの１以上の前方カメラなどのセンサーと、Ｉｎｔｅｌ Ｃｏｒｅ Ｉ５およびＩｎｔｅｌ Ｃｏｒｅ Ｉ７プロセッサなど高性能のプロセッサに結合されたＡＶＡソフトウェアとを搭載することにより、本願発明の実施形態に係るデジタル看板は、視聴者の数、それら視聴者の性別、視聴者の年齢層、さらには視聴者の広告表示画面からの距離を匿名で検出し、それらの情報に基づいて広告コンテンツを適応させる知能を有することになる。例えば、視聴者が１０代の女性の場合、本願発明の実施形態は、デジタル表示画面が位置する場所から数店舗だけ離れた位置にある店舗の、新学期用の靴の宣伝を強調するようコンテンツを変更し得る。視聴者が高齢の男性の場合、実施形態は、デジタル表示画面に、近くのスポーツ用具店でのゴルフクラブのセールについての広告を表示させ得る。

本願発明の実施形態によると、広告は、よりターゲットを絞れていて、より関連性が高く、さらにはより効果的となり得る。このことは、実施形態がリアルタイムで動画コンテンツのおよそ数百万のピクセルを毎秒分析して、人々がデジタル看板を視聴しているかを判断し、視聴している場合には、彼らの人口層特徴を判断することにより可能となる。本願発明の実施形態によると、これらの知能的なデジタル看板により更なることが可能となる。例えば、それら実施形態は、視聴者がどれだけ長く広告を見ているかを示す持続時間を判断し得る。これらの能力により、ネットワークオペレータ、コンテンツプロバイダ、広告代理店、およびサービス提供者は、関連性の高いメッセージをより良好に配信し、ネットワークおよび広告の有効性をより高い正確性で測定出来るようになる。販売データと、表示される広告およびオーディエンスの人口層とを関連付けることにより、広告主は広告のオーディエンスへ直接広告を届けられ、それら広告の有効性を測定することが出来る。加えて、キャンペーンの計画、および投資利益率（ＲＯＩ）の測定に関して、人口層および時刻毎にコンテンツ特定の視聴者測定基準を判断するために、ＡＶＡデータは、どの広告がどこでいつデジタル看板に表示されたのかに関するデータである「ｐｒｏｏｆ−ｏｆ−ｐｌａｙ」データと関連付けられ得る。

本願発明の実施形態は、以前の視聴者と同じ、または同様の人口層に属する以後の視聴者または消費者が以前の視聴者の視聴挙動またはパターンに基づいてターゲットとされるターゲットを定められた広告の概念に基づく。デジタル表示の前に位置する以前の視聴者から収集されたＡＶＡまたは視聴者データを分析することにより、実施形態は視聴パターンを発見することが出来、この情報を、デジタル看板に用いられ得る広告モデルをトレーニングするために用いることが出来る。その後これらの広告モデルを用いて、利用可能な広告コンテンツの在庫から特定の広告を選択し、知能的に以後の視聴者をターゲットとすることが出来る。

広告モデルは、データマイニングの原理に基づき、ＭｉｃｒｏｓｏｆｔのＳＱＬ Ｓｅｒｖｅｒ Ａｎａｌｙｓｉｓ Ｓｙｓｔｅｍ（ＭＳ ＳＳＡＳ）などのツールを用いて構築され得る。広告モデルは、全てがＭＳ ＳＳＡＳで利用可能である単純ベイズ、決定木、および相関ルールなどの周知のデータマイニングアルゴリズムを大規模のクラスタリングと共に用いて作成され得る。

デジタル看板上でのマルチメディアコンテンツの再生は、コンテンツ管理システム（ＣＭＳ）を用いて実現される。本願発明の実施形態に係る、ＣＭＳが「クラウド内に」位置付けられている場合でもＣＭＳを用いて広告モデルがデジタル看板上でリアルタイムで用いられ得るデジタル広告システムのアーキテクチャについて説明する。ＣＭＳを用いて、トレーニングされた広告モデルおよび広告データの少なくとも２つのパラメータに基づきカスタマイズされた広告リストを生成し得る。本願発明の実施形態によると、広告データは、トレーニングされた広告モデルと組み合わせられ、リアルタイムのコンテンツトリガリングを可能とする。

本願発明の実施形態は、年齢、特に年齢幅または年齢層、および性別などのタイプの視聴者情報、並びに、気象または時間情報を分析し、デジタル看板表示デバイスに再生するのが最も適切である広告を選択する。さらに、本明細書で「年齢」について言及した場合、年齢の幅、カテゴリまたは層を含むものと理解されたい。未来のタイムスロット、例えば次のタイムスロッの視聴者のタイプを予測するべく、リアルタイムの動画分析データが収集および分析される。予測に応じて、適切な広告が表示デバイス上で再生される。ＣＭＳは、広告情報および広告主の好みを用いることによりデフォルトの再生リストを生成する。視聴者情報が利用可能でない、若しくは、何らかの理由により予測がされない、何らかの理由により予測が十分に正確ではない、または、何らかの理由により予測の正確性が疑わしい場合、広告主によりＣＭＳへ提供されるオフライン（デフォルト）の再生リストが、表示デバイス上で再生され得る。

図１は、本願発明の実施形態の機能ブロック図を示す。図２のフローチャート２００も参照すると、プロセスは、２０５において、デジタル看板モジュール１０５が広告を表示することから開始し、２１０において、動画分析データを処理し、つまり、本明細書において視聴者データとも呼ばれる動画分析データを取り込み、アクセスされる前のデータが任選択的にクリーンアップまたはフィルタリングされるデータベースなど永続的データ記憶装置に視聴者データが送信され、２１５において、データマイニングモジュール１１０が当該データにアクセスし、デジタル看板の前に位置し、同デジタル看板を視聴することが出来る個人の視聴パターンを判断する。

重要なことは、少なくともプライバシーの保護の目的で、動画分析データは、以下に説明するように匿名動画分析データとされる、または匿名動画分析データとして保持されるということである。基本的には、視聴者データは（任意の人口のメンバーについての情報をシステマチックかつ定期的に取得し記録するものと定義される）人口調査に基づいており、サンプリングに基づくものではなく、視聴者の画像は、撮像、格納、または送信されない。動画分析データ取込機能は、デジタル看板モジュールにより実行されるソフトウェア内で実装され得、本願発明の一実施形態において、リアルタイムの動画分析データを取り込む。リアルタイムの動画分析データは、モジュール１１０により用いられ、リアルタイムの予測を行い、表示されるデジタル広告の予定を立て、および／または、２２０においてデータマイニングモジュールでルールを生成する（広告モデルをトレーニングする）ために履歴データとして用いられ得る。

２２０において、データマイニングモジュールで広告モデルが生成され、２１５において視聴パターンを判断するのに用いられる単純ベイズアルゴリズム、決定木アルゴリズム、および相関ルールアルゴリズムなど周知のデータマイニングアルゴリズムに基づいて動画分析データを用いて、広告モデルがトレーニングされる（つまり、洗練させられる）。動画分析データの利用に加えて、データマイニングモジュールは、動画分析データが取り込まれた時間に対応する気象状況も考慮し得る。気象状況データ、または単に気象データ１３５は、データマイニングモジュール１１０によりアクセスされ得る永続的記憶装置に保持され得る。一実施形態において、同じ永続的記憶装置を用いて、デジタル看板モジュール１０５により取り込まれる動画分析データが格納され得る。さらに、データマイニングモジュール１１０は、入力として、デジタル看板上での表示に利用可能なデジタル広告１２５のリストと、広告主が自社の広告のターゲットとすることを所望する視聴者の人口層特徴など、広告のリストと関連付けられたメタデータとを受信する。またデジタル看板モジュール１０５は、データマイニングモジュールへ、「ｐｒｏｏｆ−ｏｆ−ｐｌａｙ」データを供給する。「ｐｒｏｏｆ−ｏｆ−ｐｌａｙ」データは、どの広告がデジタル看板により表示されたか、それらの広告がいつ表示されたか、および、それらの広告がどこで表示されたか（例えば、デジタル看板の位置を判断するための根拠として用いられ得る、デジタル看板のデバイスＩＤを設けることにより）を示す広告データである。本願発明の一実施形態において、例えば販売場所の端末からの販売データ１３０が、データマイニングモジュール１１０に入力され得る。販売データは、広告内で取り上げられている製品またはサービスの販売に関して、広告の特定の人口層に対する有効性を正確に測定するためにＡＶＡデータと関連付けられ得る。

２２０において、データマイニングモジュール１１０は、本願発明の実施形態によると、適切な広告カテゴリ、および、以後の視聴者のタイプを以前の視聴者のタイプ（「通行人パターンタイプ」）に基づき予測するために用いられるトレーニングされた広告モデルを生成する。トレーニングされた広告モデル１１５は、生成されると、データマイニングモジュールにより送信され、広告データと併せて２２５において、カスタマイズされた広告リストが生成され格納されるコンテンツ管理システム（ＣＭＳ）１２０により受信および格納される。（実際、ＣＭＳは、全てのトレーニングされた広告モデル、広告リスト、広告主の好み、および広告データを格納する。）ＣＭＳ１２０は、１４０におけるカスタマイズされた広告リストを、表示のためにデジタル看板１０５へ送信する。本願発明の一実施形態において、デジタル看板モジュール１０５は、リアルタイムで広告リストを生成するのに用いられ得るデジタル看板メディアプレーヤモジュール（デジタルプレーヤモジュール）１４５を備える。モジュール１４５は、ＣＭＳに格納された情報が凝縮されたリポジトリとして動作する。

ＣＭＳは、データマイニングモジュールからトレーニングされた広告モデルを取得する。一実施形態において、複数のデジタル看板モジュール１０５、または複数のデジタル看板メディアプレーヤ１４５、または複数のデジタル表示デバイスが設置される。よってＣＭＳは、場合によっては、デジタル看板モジュールまたはデジタルプレーヤ毎に広告モデルを分離する。ＣＭＳは、広告モデルおよび取得した広告データに基づき、分離された、カスタマイズされた広告リストを生成する。またＣＭＳは、広告主１２５から取得した広告主の好みに基づき、オフライン広告リスト、つまり、デフォルトの広告リストも生成する。これらの分離されたモデル、カスタマイズされた広告リスト、およびデフォルトの広告リストは、２３０において、デジタル看板で表示するために各デジタル看板モジュールまたはデジタルプレーヤへ送信される。

図１は、モジュール１１０、１２０を別々の機能ブロックとして示しているが、これらのモジュールは単一のコンピュータシステム上で協働し得、または複数のコンピュータシステムに亘り分散され得ることが理解される。コンピュータシステムは、プライベート通信ネットワークに存在してもよく、または、「クラウド内で」インターネットを介してアクセス可能であり得る。ＡＶＡソフトウェアおよびデジタル看板メディアプレーヤ１４５を含むデジタル看板機能ブロックは、典型的には、小売店またはショッピングモールなど広告主がデジタル看板上にデジタル広告を表示させることを所望するエリア内に位置する１以上のデジタル表示デバイスに結合された１以上のサーバ内で実装され得、または、そのようなサーバに接続され得る。センサー１０３、例えば動画カメラなどの光学素子である１以上のセンサーが、ＡＶＡデータを生成するためにデジタル看板１０５により用いられる視聴者の動画または画像を撮像するためにデジタル看板１０５に結合されている。

視聴者の撮像 Ｐｒｏｏｆ−ｏｆ−Ｉｍｐｒｅｓｓｉｏｎ（ＰＯＩ）は、デジタル広告の有効性を測定するために広告主が用いる測定基準である。基本的にＰＯＩは、デジタル看板の近くの人が、デジタル看板を視聴または一瞥したか、若しくは一瞥しなかったかを示す。本願発明の一実施形態において、この測定基準を取得するために複数のイベントが発生する。
１）デジタル広告を当然観察可能であろうエリアにいる視聴者がデジタル看板を一瞥する。
２）一実施形態においては動画カメラである観察者が、視聴者の一瞥を、たとえ短い時間の一瞥であっても観察出来る位置にある。
３）視聴者がデジタル広告を一度一瞥すると、観察可能エリアにいる間に、視聴者がさらに一瞥したことをカウントする必要はない。またＰＯＩの測定は、観察可能エリアにいる複数の異なる個々の視聴者を区別すること、および個別にトラッキングすること、および、個別にトラッキングされる個々の視聴者と、デジタル広告を見たことに関する状態変数とを関連付けることも伴いうる。よって、ＰＯＩを測定するデジタル看板は、デジタル看板を一瞥することが出来る位置にいる視聴者をモニタリングする。

ＰＯＩを測定するための上述した基本的な機能に加えて、本願発明の実施形態は、視聴時間、または一瞥期間を測定し得、特定の一瞥と、デジタル看板上のデジタル広告の特定の描写または表示とを関連付け得、デジタル看板が最小回数または最大回数の一瞥など複数回数一瞥された場合に、位置および時間を判断し得る。さらに、一実施形態によると、年齢、性別、民族、体重など人口層情報も収集され得、そのような実施形態においては、ＰＯＩの測定から抽出されたビジネス的な知能をさらに洗練させることが出来る。他の実施形態において、この測定基準は、広告の有効性を評価するためにデジタル広告内で販売のために提供される製品またはサービスの販売データと関連付けられ得る。

実施形態は、１つの動画カメラを備える単一のデジタル看板から、それぞれが１以上のカメラを備えた複数のデジタル看板までを範囲に含みうる。いずれの場合であっても、動画カメラを用いて、例えば１秒当たり５〜３０フレームのサンプリングレートを用いて視聴者をトラッキングし、カメラが一瞥動作を探す間、視聴者は一意の匿名の識別情報を割り当てられる。一意の匿名の識別情報により、個々の視聴者に関して、それら個々の視聴者がデジタル看板の前の観察エリアにいる間の一瞥動作の記録が可能になる。

一実施形態における、視聴エリア内の各個人に関して一瞥を撮像出来、トラッキング出来る能力は、動画カメラまたはデジタルカメラなどの光学撮像素子の品質、バックエンドコンピュータビジョン、並びに、動画および／または画像処理機能の精巧さ、加えて、各個人の動画カメラからの距離に応じる。図６Ａを参照すると、本願発明の実施形態に係るデジタル看板を表示可能なデジタル表示画面６１０が位置する環境６００が描かれている。前方動画カメラ６１０（上から見下ろした状態が示されている）は、デジタル表示画面の近くに位置付けられ、例えば画面の頂部に搭載されている。全体的な視聴エリアは線６３０により画定される境界で示される。人６４０ａ、６４０ｂがそれぞれ、破線６４１ａ、６４１ｂで示される移動方向にこの視聴エリアを通過する。動画カメラおよび関連するバックエンド処理は、動画または静止画像を撮像可能であり、観察可能エリア６２５内の個人を個別に検出可能である。よって、人６４０ａは、動画カメラ６１０により観察可能であり、区別可能であるが、人６４０ｂはそうではない。動画カメラ６１０が実際に、人６４０ａによるデジタル表示画面６０５の方向への注視または一瞥を検出するには、人６４０ａが一瞥観察可能エリア６２０を通過するか、一瞥観察可能エリア６２０内にいなければならない。そしてカメラ６１０が、人６４０ａのデジタル表示画面への一瞥の時間の長さ、つまり一瞥持続時間を検出するには、人６４０ａはエリア６１５内にいなければならない。よって、動画カメラおよび関連するバックエンド処理機能の個別の視聴者を撮像し、区別する能力は、デジタル看板モジュールの、動画分析データを視聴者毎に収集する能力に影響を与える。

一実施形態において、より広いエリアで視聴者をトラッキングする能力は、複数の観察者、つまり複数のカメラを採用することにより実現される。図６Ｂは、デジタル表示画面６１０が位置する環境６００を示す。本実施形態において、３台の前方動画カメラ６１０ａ、６１０ｂ、６１０ｃが画面の頂部に搭載されている。全体的な視聴エリアは線６３０により画定される境界で示される。人６４０ａ、６４０ｂがそれぞれ、破線６４１ａ、６４１ｂで示される移動方向にこの視聴エリアを通過する。しかし、動画カメラおよび関連するバックエンド処理は、動画を撮像可能であり、観察可能エリア６２５内の個別の個人のみを検出可能である。複数の動画カメラがあり、動画カメラ６１０ａ、６１０ｂ、６１０ｃはそれぞれ異なる場所に位置付けられており、動画カメラはそれぞれ異なる方向を向いているので、図６Ａに示される実施形態と比較し、より広い視聴エリアが確立される。複数のカメラの観察エリアが互いに隣接しており、場合によっては重複してさえいるので、さらに広いエリア／さらに長い期間に亘り、視聴者をトラッキング出来る。よって、人６４０ａ、６４０ｂの両方が、動画カメラにより観察可能であり、区別可能である。また、両方の人が一瞥観察可能エリア６２０ａ、６２０ｂを通過し、または一瞥観察可能エリア６２０ａ、６２０ｂ内にいるので、動画カメラは、両方の人の注視または一瞥を検出出来る。そして、カメラは、エリア６１５ａ、６１５ｂ内の人６４０ａをトラッキングする間、人６４０ａのデジタル表示画面への一瞥の時間の長さ、つまり一瞥持続時間を検出出来る。しかし、人６４０ｂはエリア６１５ａを通過するがエリア６１５ｂは通過しないので、カメラが一瞥持続時間を判断する能力は、人６４０ｂがエリア６１５ａ内にいる間のみに限られる。

複数のデジタル看板または複数のデジタル表示画面が、例えば同時に複数の個別の、または異なる広告キャンペーンを実施し得るデパートまたはショッピングモールに位置付けられ得ることが想定される。異なるデパートは、隣接する、または近くのデジタル看板ゾーンに複数のデジタル看板を用い得る。看板、およびそこに表示されるデジタル広告は、同じ、または異なる会社または広告主により運営され得、各ゾーンに関してそれら会社または広告主は、自身の顧客に関する別個の匿名動画分析を行うこと、または、ゾーン毎に広告毎の別個のデータを抽出することを所望し得る。本願発明の実施形態によると、例えば、店舗のブランド設定（ｂｒａｎｄｉｎｇ）、特価提供など全店の広告の有効性を測定するために、広告は、複数のゾーンに亘り得る。

動画カメラおよびバックエンド動画処理機能は、各個人が個別に識別可能となってしまうような十分な情報を収集し、国、州、または状況によってはプライバシーの懸念が生じてしまうかもしれない。本願発明の実施形態においては、視聴者が観察可能エリア内にいる間に、匿名のタグを個別の視聴者それぞれに割り当てる。そして個人ではなくタグが、一瞥動作、人口層データなどと関連付けられる。視聴者が観察可能エリアを離れる際には、当該視聴者が再び観察可能エリアに入った場合のためにタグはしばらくの間、アクティブ状態のままとされ得、同視聴者が同じ視聴者であるものと信頼性高く識別され得る。しかし合理的な程度に短い期間で、タグはリサイクルされ、観察可能エリアに入ってくる他の人をトラッキングするために利用可能とされる。

一実施形態において、ソフトウェアで実施されるアルゴリズムで実装される顔検出機能が、同じくソフトウェアで実施される年齢および性別分類アルゴリズムと関連して実装される。一実施形態において、２００１年にＰａｕｌ ＶｉｏｌａとＭｉｃｈａｅｌ Ｊｏｎｅｓとにより開発されたＶｉｏｌａ−Ｊｏｎｅｓオブジェクト検出フレームワークが顔認識のために用いられる。同検出フレームワークにより用いられる特徴は、長方形エリア内の画像ピクセルの合計に関する。本願発明の一実施形態において、Ｈａａｒ Ｃｌａｓｓｉｆｉｅｒアルゴリズムが年齢および性別の分類のために用いられる。これらのアルゴリズムを実施するソフトウェアは、人口層情報を収集するソフトウェア、および、コンピュータビジョンソフトウェアに関連して、Ｉｎｔｅｌ Ｃｏｒｅ Ｉ５およびＩｎｔｅｌ Ｃｏｒｅ Ｉ７プロセッサなどのコンピュータプロセッサ、並びに、関連するハードウェアにより実行される。

一実施形態において、コンピュータビジョンソフトウェアはＯｐｅｎＣＶに基づく。ＯｐｅｎＣＶは、本願発明の出願人であるＩｎｔｅｌ Ｃｏｒｐｏｒａｔｉｏｎにより開発されたオープンソースコンピュータビジョンライブラリであり、Ｂｅｒｋｅｌｅｙ Ｓｏｆｔｗａｒｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ（ＢＳＤ）の下で商用、または研究目的での利用が無料で行なえる。同ライブラリはクロスプラットフォームであり、ＡｐｐｌｅのＭａｃ ＯＳ Ｘ、並びに、ＭｉｃｒｏｓｏｆｔのＷｉｎｄｏｗｓ（登録商標）オペレーティングシステム、およびＬｉｎｕｘ（登録商標）ベースのオペレーティングシステムで実行され得る。同ライブラリは主に、リアルタイムの画像処理に焦点をあてている。一般的に、ＯｐｅｎＣＶライブラリは、リアルタイムの撮像、動画ファイルインポート、基本的な画像処理（明るさ、コントラスト、閾値など）、およびオブジェクト検出（顔、体など）をサポートする。

図７を参照すると、匿名動画分析データの取り込みに関する本願発明の実施形態が説明される。フローチャート７００は、視聴者のスクリーンショットが撮像される７０５から開始される。静止画カメラまたは動画カメラなど１以上の光学撮像素子がデジタル看板上に、またはデジタル看板の近くに搭載され、例えば５秒毎などの頻繁な時間間隔でスクリーンショット（例えば写真）を撮像する。よって、１分間に、１２のスクリーンショットが撮像される。７１０において、これらのデジタル画像が、例えば１分間である特定の期間、収集される。７１５において、特定のコレクションに含まれる画像のそれぞれが、一意のタグでタグ付けされ、例えば、ｈｏｕｒ２−ｍｉｎｕｔｅ１−ｉｍａｇｅ１、ｈｏｕｒ２−ｍｉｎｕｔｅ１−ｉｍａｇｅ２…ｈｏｕｒ２−ｍｉｎｕｔｅ１−ｉｍａｇｅ１２など各画像を識別する番号が一意のタグに加えられる。７２０において、第１の画像、つまりｈｏｕｒ１−ｍｉｎｕｔｅ１−ｉｍａｇｅ１内の各個人が識別される。例えば、識別される最初の人は、自身に関連付けられたｈｏｕｒ２−ｍｉｎｕｔｅ１−ｉｍａｇｅ１−ｉｎｄｉｖｉｄｕａｌ１などのタグを有し得る。その人はその後、性別および年齢、並びに、場合によっては他の個人的特徴に関して人物像の描写が行われる。同じ写真内に例えばｈｏｕｒ２−ｍｉｎｕｔｅ１−ｉｍａｇｅ１−ｉｎｄｉｖｉｄｕａｌ２、ｈｏｕｒ２−ｍｉｎｕｔｅ１−ｉｍａｇｅ１−ｉｎｄｉｖｉｄｕａｌ３など他の人がいる場合、これと同じプロセスがその人に関しても繰り返される。

７２０において第１の写真内で識別されタグ付けされた人は７２５において、同じコレクションの残りの写真、例えば、ｈｏｕｒ２−ｍｉｎｕｔｅ１−ｉｍａｇｅ１のコレクションに含まれる残りの１１枚の画像または写真において検索され、識別される。同じ人が識別される写真の全てに関して、当該人に関する持続時間パラメータに、ある期間が加算される。例えば、コレクション内の１２枚の写真の１つに同じ人が認識される毎に、当該人の持続時間パラメータに５秒が加算される。７３５において、コレクションの第１の写真に識別されなかったが第２の写真に表れる新たな人がいた場合、その人が第２の写真において識別され、上記の７２０および７２５で説明したプロセスがコレクション内の第２の写真に関して繰り返され、コレクション内の残りの一連の写真についても、識別されていなかった人に関して同プロセスが繰り返される。

フローチャート内のボックス７４０において特定のコレクションに関してタグ付けおよび計算が実行されると、タグ付けおよび計算が次のコレクション、例えば、次の１分間の写真に関して実行され、ボックス７４５において、タグ付けおよび計算は、次の１時間の写真に関して実行される。７３０において、特定のパラメータに基づく持続時間、または、年齢および性別などの個人的特徴はコレクション毎（例えば１分毎）にまとめられたリストに一覧にされる。

ターゲットを定められた広告 ターゲットを定められた広告の要点は、未来のオーディエンスと同じ、または同様の人口層を有する前のオーディエンスによって十分な程度の長さの期間、過去に視聴されたことのある特定の広告を未来のオーディエンスに対して示すことにある。本願発明の実施形態に係るターゲットを定められた広告のプロセスは、本願発明の実施形態に係る３つの段階と、デジタル広告システムの対応するコンポーネントとにより特徴付けられる。それらは、データマイニングモジュール１１０で広告モデルをトレーニングすること、ＣＭＳ１２０で、カスタマイズされた広告リストまたは再生リストを作成すること、および、デジタル看板モジュール１０５で再生リストを再生することである。

広告モデルのトレーニング データマイニング技術は、データセット内の複数の異なる変数間の隠されたパターンおよび関係を見つけるべく大量のデータを調査することを伴う。これらの発見は、新たなデータに対して適用して正当性を確認することが出来る。データマイニングの典型的な利用においては、履歴データ内に発見されたパターンを用いて新たなデータに関する予測が行われる。本願発明の実施形態において、データマイニングモジュール１１０は、広告モデルをトレーニングし、広告モデルに問い合わせを行う。特に、広告カテゴリモデル、および、通行人パターンモデルの２つのタイプの広告モデルが生成される。広告カテゴリモデルにおいて、複数のルールからなるセットが、特定のオーディエンスまたは状況（例えば、時間、位置、気象）に関する最も適切な広告カテゴリと関連付けられる。以下はその例である（ｄｅｖｉｃｅＩＤは、特定のデジタル看板に関連付けられた識別子であり、デジタル看板の位置を示すのに用いられ得る）。Ｉｆ ｄｅｖｉｃｅＩＤ＝５６１ ａｎｄ ｔｉｍｅ＝ｍｏｒｎｉｎｇ ａｎｄ ｄａｙ＝Ｆｒｉｄａｙ ａｎｄ ｇｅｎｄｅｒ＝ｆｅｍａｌｅ ａｎｄ ａｇｅ＝ｙｏｕｎｇ ａｎｄ ｗｅａｔｈｅｒ＝ｃｌｅａｒ ａｎｄ ｔａｒｇｅｔｅｄ ａｄｓ＝ｏｕｔｄｏｏｒ，ｔｈｅｎ ｐｏｔｅｎｔｉａｌ ｔａｒｇｅｔ＝ｖｅｒｙ ｓｔｒｏｎｇ（例えば、８０％の信頼区間）Ｉｆ ｄｅｖｉｃｅＩＤ＝５６１ ａｎｄ ｔｉｍｅ＝ｍｏｒｎｉｎｇ ａｎｄ ｄａｙ＝Ｆｒｉｄａｙ ａｎｄ ｗｅａｔｈｅｒ＝ｃｌｅａｒ ａｎｄ ｔａｒｇｅｔｅｄ ａｄｓ＝Ａｄ ｌｉｓｔ １，ｔｈｅｎ ｐｏｔｅｎｔｉａｌ ｔａｒｇｅｔ＝ｌｉｋｅｌｙ（例えば、７０％の信頼区間）

上記の例において、「Ａｄ ｌｉｓｔ １」は、同じくＣＭＳに格納された特定の状況に関する、広告主により提供される広告カテゴリからのリストである。視聴者がデジタル看板を通り過ぎる通行人パターンモデルにおいて、複数のルールからなるセットにより、前のオーディエンスに基づいてオーディエンス挙動の発見、および、未来のオーディエンスの予測がサポートされる。以下はその例である。Ｉｆ ｄｅｖｉｃｅＩＤ＝５６１ ａｎｄ ｔｉｍｅ＝ｍｏｒｎｉｎｇ ａｎｄ ｄａｙ＝Ｆｒｉｄａｙ ａｎｄ ｗｅａｔｈｅｒ＝ｃｌｅａｒ ｔｈｅｎ ｐａｓｓｅｒ ｔｙｐｅ＝ｓｅｎｉｏｒ ｆｅｍａｌｅ（例えば、７０％の信頼区間）。

Ｉｆ ｄｅｖｉｃｅＩＤ＝５６１ ａｎｄ ｔｉｍｅ＝ｍｏｒｎｉｎｇ ａｎｄ ｄａｙ＝Ｆｒｉｄａｙ ａｎｄ ＩｓＷｅｅｋｅｎｄ＝０ ａｎｄ ｗｅａｔｈｅｒ＝ｃｌｅａｒ ａｎｄ ＷＯＰＭａｌｅＳｅｎｉｏｒ＝０〜１ ａｎｄ ＷＯＰＦｅｍａｌｅＳｅｎｉｏｒ＝０〜１ ａｎｄ ＷＯＰＭａｌｅＡｄｕｌｔ＝０〜１ａｎｄ ＷＯＰＦｅｍａｌｅＡｄｕｌｔ＝０〜１ ａｎｄ ＷＯＰＭａｌｅＹｏｕｎｇＡｄｕｌｔ＝０〜１ ａｎｄ ＷＯＰＦｅｍａｌｅＹｏｕｎｇＡｄｕｌｔ＝０〜１ ａｎｄ ＷＯＰＭａｌｅＣｈｉｌｄ＝０〜１ ａｎｄ ＷＯＰＦｅｍａｌｅＣｈｉｌｄ＝０〜１ ｔｈｅｎ ＷＯＮＭａｌｅＳｅｎｉｏｒ＝０〜１ ａｎｄ ＷＯＮＦｅｍａｌｅＳｅｎｉｏｒ＝０〜１ ａｎｄ ＷＯＮＭａｌｅＡｄｕｌｔ＝０〜１ ａｎｄ ＷＯＮＦｅｍａｌｅＡｄｕｌｔ＝０〜１ ａｎｄ ＷＯＮＭａｌｅＹｏｕｎｇＡｄｕｌｔ＝０〜１ ａｎｄ ＷＯＮＦｅｍａｌｅＹｏｕｎｇＡｄｕｌｔ＝０〜１ ａｎｄ ＷＯＮＭａｌｅＣｈｉｌｄ＝０〜１ ａｎｄ ＷＯＮＦｅｍａｌｅＣｈｉｌｄ＝０〜１。

図３は、同じくデータマイニングモジュール１１０へ入力として提供される広告データ３１０および気象データ３１５と併せてデジタル看板モジュール１０５により収集され、データマイニングモジュール１１０へ入力として提供される動画分析データ３０５の例３００を提供する。３２５において、一実施形態におけるデータマイニングモジュールは、状況およびデータ特性に応じて毎日、毎週、毎月、毎四半期など定期的に、モデルを生成し、トレーニング、つまり、洗練させる。基本的な原理は、履歴データから抽出されるパターン／ルールが変化しない場合、モデルをトレーニングする、または再生成する必要がないということである。

本願発明の一実施形態に係る動画分析データ３０５は、特定のデジタル広告がデジタル看板に表示された日時、並びに、同広告が表示された日、同広告が表示された位置を示すｄｅｖｉｃｅＩＤ、または代替的にｄｉｓｐｌａｙＩＤを含む。またセンサー入力は、デジタル表示デバイスに表示されている間にデジタル広告が視聴された期間を提供する。最終的に、年齢および性別など特性に基づいた考えられ得るターゲット視聴者の情報が含められる。

データマイニングモジュール１１０が広告リポジトリ１２５から受信する広告データ３１０は、特定のデジタル広告がデジタル看板に表示される予定であった日時、並びに、同広告が表示される予定であった位置を示すｄｅｖｉｃｅＩＤまたは代替的にｄｉｓｐｌａｙＩＤ、デジタル広告の秒単位での持続時間または長さを含む。 気象データ３１５は、デジタル広告がデジタル看板に表示された日付、温度、および同日時の、または同日時周辺の状況を含む。

２．広告リストの作成 広告モデルがデータマイニングモジュール１１０により生成された後、同モデルはコンテンツ管理システム（ＣＭＳ）１２０へ転送される。その後、ＣＭＳは広告カテゴリモデルから広告カテゴリを抽出し、広告カテゴリリストを生成する。その後これらの広告カテゴリに対応する広告データは、ＣＭＳ１２０がアクセス可能なデータベースなどの永続的記憶装置から読み出される。また、広告カテゴリリストに基づき、ＣＭＳ１２０は広告リストも作成する。本願発明の一実施形態において、１２５において、生成される広告リストは、広告主の入力に基づき修正され得る。一実施形態において、各広告主は、広告リストを再構成するための基準として用いられ得る特定の優先度を割り当てられる。

図４は、ＣＭＳ１２０における、イベントおよび情報のフロー４００を示す。ＣＭＳは、データマイニングモジュール１１０を精査する。本願発明の一実施形態において、精査の頻度は１日１度である。ＣＭＳはデータマイニングモジュールにより生成される現在のルールおよび予測リストの全てを取得し、それら情報を永続的記憶装置に格納する。特定のカテゴリに対応する広告は、広告主の好み、広告リスト生成器、および広告リポジトリ１２５に基づき暫定再生リストから取得される。「オフラインモード」の間、暫定再生リストはデフォルトの再生リストとして用いられる。一実施形態によると、図４に示されるＳｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ（ＳＱＬ）サーバデータベースなどのデータ記憶装置は、広告リポジトリ１２５と関連付けられる。同データ記憶装置から、広告名、広告タイプ、および、実際の広告のためのファイルを保持する広告リポジトリのファイルディレクトリのパスなど特定のカテゴリに関する広告データを含む様々な情報が読み出される。ＣＭＳは広告リポジトリに接続し、任意のパスに位置する広告を取得する。全てのモデル、および、ここまでで生成された対応する広告リストは、ＣＭＳに格納される。デジタル看板モジュールは、これらのモデル、および、デジタル看板モジュールのターゲットオーディエンスに適した広告リストのうちのサブセットのみを含む。ＣＭＳは、デジタル看板モジュールに接続し、同デジタル看板モジュールに適したモデルおよび広告リストを渡す。

図４を再び参照すると、プレーヤ特定モデル抽出器４３５はデータマイニングモジュール１１０に接続し、通行人パターンと広告カテゴリモデルとの両方を取得する。これらのモデルは、プレーヤ毎に分けられ、デジタル看板モジュール（デジタルプレーヤ）１０５へ送信される。データマイニングモジュール１１０は、例えば、本日は２０１１年９月９日金曜日、予報は午前中が晴れで午後が雨、など今日の曜日、日付、並びに現在の気象に適したモデルを提供する。モデル抽出器４１５は、広告カテゴリモデルから広告カテゴリを抽出し、それらをデジタル看板毎の広告リスト生成器４２０へ送信する。モデルが解析され、各タイムスロットのために広告が選択される。例えば、平均の広告持続時間が１０秒であるとすると、１時間毎に３６０の広告が選択される。

広告リスト生成器４２０は、広告データと併せて、特定の日に予定されたカテゴリの広告をフェッチする。暫定再生リスト生成モジュールは広告リストを分析し、広告主入力スケジューラに送信される暫定再生リストを生成する。生成器４２０は、構成された広告カテゴリと広告リストとに基づき再生リストをまとめる。一実施形態において、広告の選択はルーレットホイール選択に基づき、各広告がある確率に基づいてランダムに選び出される。広告主入力スケジューリングモジュール４２０は、広告主による入力をフェッチし、広告主の好みを暫定再生リストに組み込んで、デジタル看板モジュールへ送信されるデフォルトの再生リストを生成する。

広告更新モジュール４０５は、ＣＭＳがアクセス可能な永続的記憶装置、例えばデータベースに保持されるバージョンと、広告リポジトリから取得されるバージョンとを比較することにより新たな広告をチェックする。新たなバージョンの広告が見つかった場合、実際の広告（動画ファイル）がデジタル看板モジュールへ転送される。新たな広告（それより前には広告リポジトリには存在していなかった広告）が存在する場合、モジュール４０５は広告データをＳＱＬサーバＤＢ４４０からフェッチし、それをデジタル看板モジュール１１０へ送信する。

３．デジタル看板モジュールでの再生リストの再生１４０において、ＣＭＳ１２０は広告リストをデジタル看板モジュール１０５へ送信する。一実施形態において、デジタル看板モジュールは、ファイルディレクトリパス情報を広告リストから抽出し、その後、対応する広告を、その広告ファイルを保持する広告リポジトリ１２５から読み出すことにより、デフォルトの再生リストを生成する。デジタル看板モジュールは、オンラインモードとオフラインモードとの両方で動作する。オフラインモードの間、デフォルトの再生リストがデジタル看板で再生される。オンラインモードの再生リストは、デジタル看板モジュール（デジタルプレーヤ）１０５におけるイベントおよび情報のフロー５００を示す図５を参照して以下に説明するリアルタイムＶＡデータを用いて生成される。

動画分析（ＶＡ）分析（予測）モジュール５１０は、リアルタイムのＶＡデータをフェッチし、ＣＭＳ１２０から通行人パターンモデルを読み出してＶＡデータを予測する。予測されたＶＡデータはモデル分析モジュール５１５へ送信される。モデル分析モジュール５１５は予測されたＶＡデータを入力として受信し、予測されたＶＡデータに基づきＣＭＳ１２０から広告カテゴリモデルを読み出し、広告カテゴリを抽出する。一実施形態において、通行人パターンモデルおよび広告カテゴリモデルの信頼値が乗算され、乗算された信頼値が生成される。乗算された信頼値が閾値より大きい場合、抽出された広告カテゴリの広告が暫定再生リスト生成器５２０へ送信され、そうでない場合、デジタル看板モジュールはオフラインモードを継続する。暫定再生リスト生成モジュール５２０は、ＣＭＳ１２０から広告リストを読み出し、モデル分析器からの広告カテゴリを考慮することにより暫定再生リストを生成し、オンラインモードへ暫定再生リストを送信する。

スケジューリングモジュール５２５は、以下の３つのサブモジュールを含む。それらは、確率分布に基づき広告を選択し、当該広告を、その後予定され、５４５において表示するために送信される実際の広告と関連付けるオンラインサブモジュールと、スケジューリング期間に基づきデフォルトの再生リストから広告を選択し、その後予定され、５４５において表示するために送信される実際の広告と関連付けるオフラインサブモジュールと、広告主の好みをチェックし、５４５において表示するために広告主が好む広告を予定するプリファレンスサブモジュールとからなる。

リアルタイムコンテンツトリガリング 本願発明の実施形態によると、視聴者がリアルタイムでターゲットにされる。リアルタイム処理は、デジタル看板モジュールで実行される。各デジタル看板モジュールは、広告カテゴリと通行人パターンモデルとの両方をＣＭＳから受信する。大まかに言うと、一実施形態によると、複数の視聴者が検出され、それら視聴者の人口層が分析され、それら視聴者の視聴パターンが収集される。これらに基づき、デジタル看板モジュールが広告のターゲットとされる。一実施形態において、通行人パターンモデルはデジタル広告をオンラインモードで再生するか、またはオフラインモードで再生するかを示す信頼値と呼ばれるパラメータを有する。よって、ＡＶＡデータがリアルタイムモードで分析される場合、通行人パターンモデルからのルールが選択され、これらのルールに関連付けられた信頼値が閾値と比較される。信頼値が閾値未満である場合、デフォルトの再生リストが再生される。しかし、値が閾値以上である場合、広告リストが修正され、現在の視聴者をターゲットとする広告が再生される。現在の広告が再生された後、デジタル看板モジュールはデフォルトの再生リストの再生に戻るか、または、ターゲットを定められた広告の再生を継続し得る。

結論 本説明において、本願発明の実施形態のより深い説明を提供するよう様々な詳細を明記してきた。しかし、当業者には、本願発明の実施形態がこれらの特定の詳細を用いずとも実施され得ることが明らかであろう。他の例においては、本願発明の実施形態を曖昧にすることを避けるべく周知の構造およびデバイスが、詳細にではなく、ブロック図の形態で示された。

この詳細な説明のいくつかの部分は、コンピュータメモリ内のデータに対する処理のアルゴリズムおよび記号的な記述で提示される。これらのアルゴリズム的記述および表現は、研究の内容を他の当業者に最も効果的に伝えるべくデータ処理分野の当業者が用いる手段である。本明細書において、また一般的に、アルゴリズムは、所望の結果をもたらす首尾一貫した一連の段階であるものと見なされる。これらの段階は物理量の物理的な操作を要する。必ずしもというわけではないが通常、これらの数量は、格納可能な、転送可能な、組み合わせ可能な、比較可能な、または操作可能な電気信号または磁気信号の形態であり得る。時々、主に共通の利用といった理由から、これらの信号をビット、値、要素、記号、文字、用語、数字などと呼ぶのが都合がよい。

しかし、これらの、および同様の用語の全ては、適切な物理量と関連付けられ、これらの数量に適用される都合のよいラベルに過ぎないことを理解されたい。特に別記されていない限り、この説明から明らかであるように、本説明を通じて、「処理」または「コンピューティング」または「計算」または「判断」または「表示」などの用語を利用した説明は、コンピュータシステム、または、同様の電子コンピューティングデバイスの動作または処理を指す。そのような電子コンピューティングデバイスは、コンピュータシステムのレジスタおよびメモリ内で物理（電子）量として表されるデータを操作し、コンピュータシステムのメモリまたはレジスタ、若しくは、他のそのような情報記憶、送信、または表示デバイス内で同様に物理量として表される他のデータへ変換する。

本願発明の実施形態は、本明細書の処理を実行する装置にも関する。いくつかの装置は、求められる目的のために特定的に構成され得、または、コンピュータ内に格納されたコンピュータプログラムにより選択的に起動させられる、または再構成される汎用コンピュータを含み得る。そのようなコンピュータプログラムは、これらに限定されるわけではないが、フロッピー（登録商標）ディスク、光ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、および、光磁気ディスクを含む何らかのタイプのディスク、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＮＶＲＡＭ、磁気または光カード、または電子命令を格納するのに適した、それぞれがコンピュータシステムバスに結合された何らかのタイプの媒体などコンピュータ可読記憶媒体に格納され得る。

本明細書で示されたアルゴリズムおよびディスプレイは、本質的に何らかの特定のコンピュータまたは他の装置に関連しない。様々な汎用のシステムが、本明細書の教示に係るプログラムと共に用いられ得、または、要求される方法段階を実行するためのより特化した装置を構築することが好都合であるかも知れない。様々なこれらのシステムに要求される構造は、本明細の説明により明らかである。加えて、本願発明の実施形態は、何らかの特定のプログラミング言語を参照しては説明されていない。様々なプログラミング言語が、本明細書に説明される本願発明の教示を実施するために用いられ得る。

機械可読媒体は、機械（例えばコンピュータ）によって読み取り可能な形態で情報を記憶または送信するためのメカニズムを含む。例えば、機械可読媒体は、読み取り専用メモリ（「ＲＯＭ」）、ランダムアクセスメモリ（「ＲＡＭ」）、磁気ディスク記憶媒体、光学式記憶媒体、フラッシュメモリデバイスなどを含む。

本願発明の実施形態の多くの変更および修正が、上述の説明を読んだ当業者には間違いなく明らかとなるであろうが、例示として示され説明された特定の実施形態は、限定として見なされることを全く意図されていない。よって、様々な実施形態の詳細に言及したとしても、それらは、本願発明に必須である特徴のみを列挙する請求項の範囲を限定することを意図されていない。

Claims (30)

1. デジタル看板に表示される広告を選択するための方法であり、
   前記デジタル看板に表示される広告の複数の以前の視聴者から動画分析データを収集する段階と、
   収集された前記動画分析データを分析して、前記収集された動画分析データに基づき前記複数の以前の視聴者の視聴パターンを判断する段階と、
   前記視聴パターンに基づき広告モデルをトレーニングする段階と、
   トレーニングされた前記広告モデルに基づき複数の広告から前記デジタル看板に表示される一の広告を選択する段階と
   を備える方法。
2. 前記デジタル看板に表示される前記一の広告を選択する段階は、前記複数の以前の視聴者と同じ、または同様の人口層に属する以後の視聴者による視聴のために前記デジタル看板に表示される前記一の広告を選択する段階を有する、請求項１に記載の方法。
3. 以後の視聴者による視聴のために前記デジタル看板にどの広告を表示するかに関する広告主の好みを受信する段階をさらに備え、
   前記トレーニングされた広告モデルに基づいて前記デジタル看板に表示される前記一の広告を選択する段階は、前記トレーニングされた広告モデルと前記広告主の好みとのうち一方または両方に基づき表示される前記一の広告を選択する段階を有する、請求項１または２に記載の方法。
4. 前記動画分析データを収集する段階は、匿名動画分析データを収集する段階を有する、請求項１から３のいずれか１項に記載の方法。
5. 前記動画分析データは、前記複数の以前の視聴者の、性別と年齢とを含む１以上の特性を有する、請求項１から４のいずれか１項に記載の方法。
6. 前記動画分析データはさらに、日時と、曜日と、タイムスロットと、表示場所と、視聴時間と、前記デジタル看板に表示される広告の前記複数の以前の視聴者に関する視聴者の特性に基づく、前記複数の以前の視聴者がターゲット視聴者であるか否かの情報とのうち１以上を含む、請求項５に記載の方法。
7. 前記デジタル看板に表示される前記複数の広告に対応する広告データを受信する段階をさらに備え、
   前記視聴パターンに基づき広告モデルをトレーニングする段階は、前記視聴パターンと前記広告データとのうち一方または両方に基づいて広告モデルをトレーニングする段階を有する、請求項１から６のいずれか１項に記載の方法。
8. 前記広告データは、前記デジタル看板に表示される各広告の日時、表示場所、広告カテゴリ、および、持続時間または長さを含む、請求項７に記載の方法。
9. 前記複数の広告が前記デジタル看板に表示された時間に対応する気象データを収集する段階をさらに備え、
   前記視聴パターンに基づいて広告モデルをトレーニングする段階は、前記視聴パターンと前記気象データとのうち一方または両方に基づいて広告モデルをトレーニングする段階を有する、請求項１から８のいずれか１項に記載の方法。
10. 販売場所データを受信する段階と、
    前記視聴パターンと前記販売場所データとを関連付けて、前記デジタル看板に表示される前記複数の広告の、前記複数の広告内で識別される製品またはサービスの販売に対する効果を判断する段階と
    をさらに備える、請求項１から９のいずれか１項に記載の方法。
11. 選択された前記一の広告を前記デジタル看板に表示する段階をさらに備える、請求項１から１０のいずれか１項に記載の方法。
12. 複数のデジタル広告を受信する入力部と、
    デジタル看板モジュールに表示される前記複数のデジタル広告が送信される際に経由する出力部と、
    前記デジタル看板モジュールに結合されて、前記デジタル看板に表示される前記複数のデジタル広告の複数の以前の視聴者に関する動画分析データを読み出し、データマイニングアルゴリズムに従って前記動画分析データに基づきトレーニングされた広告モデルを生成するデータマイニングモジュールと、
    前記データマイニングモジュールに結合されて、前記トレーニングされた広告モデルを受信し、前記入力部に結合されて、前記複数のデジタル広告を受信し、前記トレーニングされた広告モデルと前記複数のデジタル広告とに基づいて、表示される前記複数のデジタル広告のサブセットを生成し、前記デジタル看板モジュールへ送信するコンテンツ管理システムモジュールと
    を備える、デジタル広告システム。
13. 前記入力部に結合されて、前記複数のデジタル広告を提供する広告モジュールをさらに備える、請求項１２に記載のデジタル広告システム。
14. 前記出力部に結合されて、前記複数のデジタル広告を受信し、前記複数のデジタル広告を表示し、前記動画分析データを取り込み、永続的記憶装置へ送信する前記デジタル看板モジュールをさらに備える、請求項１２または１３に記載のデジタル広告システム。
15. 前記永続的記憶装置に結合されて、前記動画分析データを読み出す前記データマイニングモジュールをさらに備える、請求項１４に記載のデジタル広告システム。
16. 前記データマイニングモジュールは、単純ベイズ、決定木、および相関ルールデータマイニングアルゴリズムを含む複数の周知のデータマイニングアルゴリズムのうち１つに従って前記動画分析データに基づきトレーニングされた広告モデルを生成する、請求項１５に記載のデジタル広告システム。
17. 前記デジタル看板モジュールは、デジタル看板プレーヤモジュールをさらに含み、
    前記表示される複数のデジタル広告の前記サブセットは前記デジタル看板プレーヤモジュールに格納され、
    前記表示される複数のデジタル広告の前記サブセットは前記デジタル看板プレーヤモジュールからデジタル表示画面へ送信される、請求項１４から１６のいずれか１項に記載のデジタル広告システム。
18. 前記入力部はさらに、どの広告を前記デジタル看板へ送信すべきかに関する広告主の好みを受信し、
    前記コンテンツ管理システムモジュールは、前記トレーニングされた広告モデル、前記複数のデジタル広告、および前記広告主の好みに基づき、前記表示される複数のデジタル広告のサブセットを生成し、前記デジタル看板モジュールへ送信する、請求項１２から１７のいずれか１項に記載のデジタル広告システム。
19. 前記データマイニングモジュールは、前記デジタル看板モジュールに結合されて、表示するため前記デジタル看板に送信される前記複数のデジタル広告の表示に対応する動画分析データと広告データとを読み出し、前記データマイニングアルゴリズムに従って前記動画分析データと前記広告データとに基づきトレーニングされた広告モデルを生成する、請求項１２から１８のいずれか１項に記載のデジタル広告システム。
20. 前記データマイニングモジュールは、表示するために前記デジタル看板に送信された前記複数のデジタル広告が表示された時間に対応する気象データを受信し、前記データマイニングアルゴリズムに従って前記動画分析データと前記気象データとに基づきトレーニングされた広告モデルを生成する、請求項１２から１９のいずれか１項に記載のデジタル広告システム。
21. 前記デジタル看板モジュールに結合されて動画分析データを読み出す前記データマイニングモジュールは、前記デジタル看板モジュールに結合されて匿名動画分析データを受信する、請求項１２から２０のいずれか１項に記載のデジタル広告システム。
22. 前記匿名動画分析データは、前記複数の以前の視聴者の１以上の特性を含む、請求項２１に記載のデジタル広告システム。
23. 前記複数の以前の視聴者の１以上の特性は、性別と年齢とのうち１以上を含む、請求項２２に記載のデジタル広告システム。
24. 前記複数の以前の視聴者の１以上の特性は、一の以前の視聴者に関する持続時間を含む、請求項２２または２３に記載のデジタル広告システム。
25. 前記動画分析データはさらに、日時と、曜日と、タイムスロットと、表示場所と、視聴時間と、前記デジタル看板に表示される広告の前記複数の以前の視聴者に関する視聴者の特性に基づく、前記複数の以前の視聴者がターゲット視聴者であるか否かの情報とのうち１以上を含む、請求項１２から２４のいずれか１項に記載のデジタル広告システム。
26. デジタル看板に表示される広告の複数の以前の視聴者から動画分析データを収集する手順と、
    収集された前記動画分析データを分析して、前記収集された動画分析データに基づき前記複数の以前の視聴者の視聴パターンを判断する手順と、
    前記視聴パターンに基づき広告モデルをトレーニングする手順と、
    トレーニングされた前記広告モデルに基づき複数の広告から前記デジタル看板に表示される一の広告を選択する手順と
    をコンピュータに実行させるための、プログラム。
27. 以後の視聴者による視聴のために前記デジタル看板にどの広告を表示するかに関する広告主の好みを受信する手順をさらに前記コンピュータに実行させ、
    前記トレーニングされた広告モデルに基づいて前記デジタル看板に表示される前記一の広告を選択する手順は、前記トレーニングされた広告モデルと前記広告主の好みとのうち一方または両方に基づき表示する前記一の広告を選択する手順を含む、請求項２６に記載のプログラム。
28. 前記動画分析データは、前記複数の以前の視聴者の、性別と年齢とを含む１以上の特性を有する、請求項２６または２７に記載のプログラム。
29. 前記動画分析データはさらに、日時と、曜日と、タイムスロットと、表示場所と、視聴時間と、前記デジタル看板に表示される広告の前記複数の以前の視聴者に関する視聴者の特性に基づく、前記複数の以前の視聴者がターゲット視聴者であるか否かの情報とのうち１以上を含む、請求項２８に記載のプログラム。
30. 前記デジタル看板に表示される前記複数の広告に対応する広告データを受信する手順を前記コンピュータにさらに実行させ、
    前記視聴パターンに基づき広告モデルをトレーニングする手順は、前記視聴パターンと前記広告データとのうち一方または両方に基づいて広告モデルをトレーニングする手順を含む、請求項２６から２９のいずれか１項に記載のプログラム。

Images