JP2016177536A - 抽出装置、抽出方法及び抽出プログラム - Google Patents

Abstract

【課題】訴求効果の高いコンテンツをより多くのユーザに配信する、抽出装置、抽出方法及び抽出プログラムを提供する。
【解決手段】抽出装置に対応する広告装置１００は、受付部１３２と、取得部１３３と、抽出部１３４とを有する。受付部１３２は、共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付ける。取得部１３３は、広告コンテンツの配信対象であるユーザの属性に基づき分類されるユーザ群毎に、複数の広告コンテンツの広告効果を示す指標値を取得する。抽出部１３４は、取得部１３３によって取得された指標値とユーザ群との相関性に基づいて、複数の広告コンテンツの中から、ユーザに配信される広告コンテンツを抽出する。
【選択図】図３

Description

本発明は、抽出装置、抽出方法及び抽出プログラムに関する。

近年、インターネットの飛躍的な普及に伴い、ネットワークを介して取得される情報に基づいた広告配信が盛んに行われている。このような広告配信においては、配信された広告がユーザからクリックされる確率などの広告効果を測定し、測定された広告効果を示す指標値が利用されることがある。

例えば、上記のような広告配信の例としては、一商材について、複数のパーツを組み合わせて構成される複数の広告コンテンツが存在する場合に、各広告コンテンツの広告効果を示す指標値の一つであるＣＴＲ（Click Through Rate）を予測し、予測されたＣＴＲを利用して広告コンテンツを配信することで、広告コンテンツの広告効果を高める技術が知られている。

特開２０１４−６６８４号公報

しかしながら、上記の従来技術では、訴求効果の高いコンテンツをより多くのユーザに配信することは困難であった。具体的には、従来の技術では、ターゲットとするユーザ群を絞り込んで広告コンテンツを配信するため、広告コンテンツを配信する数が低下する場合がある。すなわち、広告効果の高い広告コンテンツを配信することと、広告主から求められる配信数を達成することとの両立ができなくなるおそれがある。

本願は、上記に鑑みてなされたものであって、訴求効果の高いコンテンツをより多くのユーザに配信することができる抽出装置、抽出方法及び抽出プログラムを提供することを目的とする。

本願に係る抽出装置は、共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付ける受付部と、広告コンテンツの配信対象であるユーザの属性に基づき分類されるユーザ群毎に、前記複数の広告コンテンツの広告効果を示す指標値を取得する取得部と、前記取得部によって取得された指標値と前記ユーザ群との相関性に基づいて、前記複数の広告コンテンツの中から、前記ユーザに配信される広告コンテンツを抽出する抽出部と、を備えたことを特徴とする。

実施形態の一態様によれば、訴求効果の高いコンテンツをより多くのユーザに配信することができるという効果を奏する。

図１は、実施形態に係る抽出処理の一例を示す図である。 図２は、実施形態に係る抽出処理システムの構成例を示す図である。 図３は、実施形態に係る広告装置の構成例を示す図である。 図４は、実施形態に係る広告情報記憶部の一例を示す図である。 図５は、実施形態に係るユーザ情報記憶部の一例を示す図である。 図６は、実施形態に係る配信ログ記憶部の一例を示す図である。 図７は、実施形態に係るモデル記憶部の一例を示す図である。 図８は、実施形態に係るデータテーブルの一例を示す図である。 図９は、実施形態に係る広告装置による抽出処理手順（１）を示すフローチャートである。 図１０は、実施形態に係る広告装置による抽出処理手順（２）を示すフローチャートである。 図１１は、広告装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る抽出装置、抽出方法及び抽出プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る抽出装置、抽出方法及び抽出プログラムが限定されるものではない。また、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．抽出処理の概要〕
まず、図１を用いて、実施形態に係る抽出処理の一例について説明する。図１は、実施形態に係る抽出処理の一例を示す図である。図１では、本願に係る抽出装置に対応する広告装置１００によって、ユーザに配信される広告コンテンツの抽出処理が行われる例を示す。

広告装置１００は、広告コンテンツを保持し、ユーザから広告配信の要求を受信した場合に当該ユーザに適する広告コンテンツを抽出し、抽出された広告コンテンツを配信するサーバ装置である。広告装置１００は、ユーザに関する情報（以下、「ユーザ情報」と表記する）を利用することで、配信対象先であるユーザと、配信される広告コンテンツとの適切なマッチング処理を実行する。言い換えれば、広告装置１００は、特定のユーザに配信されることで広告効果が高くなると想定される広告コンテンツを抽出する。広告配信を依頼する広告主（例えば、商品等を扱う企業）は、広告装置１００を利用することにより、広告配信を契機としてユーザから何らかの成果を得ることのできる可能性が高い広告コンテンツや、クリック率が高くなると想定される広告コンテンツ、すなわち、広告効果の高い広告コンテンツの配信を実現する。

ここでユーザ情報とは、ユーザの属性情報等をいう。例えば、ユーザ情報には、ユーザの年齢、性別、居住地、嗜好又は年収等が含まれる。ユーザ情報は、例えば、ユーザによって操作される情報処理端末であるユーザ端末１０（図１での図示は省略する）が所定のウェブサーバにアクセスした際に送受信されるクッキー（Cookie）が特定されることにより、広告装置１００に取得される。なお、広告装置１００は、上記の手法に限られず、所定の外部装置から情報の提供を受けることで、ユーザ情報を取得してもよい。

すなわち、図１の例において、実施形態に係る広告装置１００は、ユーザ情報を取得し、広告コンテンツの抽出処理に利用する。以下では、広告装置１００によって行われる広告コンテンツの抽出処理の概要を流れに沿って説明する。

図１に示すように、広告主ＣＬ０１は、広告装置１００に入稿する複数の広告コンテンツを用意する（ステップＳ１１）。ここで、用意される複数の広告コンテンツとは、共通した１つの対象を宣伝する広告コンテンツである。すなわち、広告主ＣＬ０１は、１つの宣伝対象に対して、種類の異なる複数の広告コンテンツを用意することで、様々な属性を持つユーザに対して効果の高い広告配信を行うことができる。そこで、広告主ＣＬ０１は、複数の広告コンテンツの用意にあたり、配信先であるユーザの属性に基づいてユーザを分類した、幾つかのユーザ群を想定する。例えば、広告主ＣＬ０１は、年齢層が「２０歳代」であり、性別が「男性」であるユーザ群や、年齢層が「４０歳代」であり、性別が「女性」であるユーザ群など、幾つかのユーザ群を想定する。

そして、広告主ＣＬ０１は、想定された各々のユーザ群に対して広告効果が発揮されると想定される内容の広告コンテンツを用意する。具体的には、広告主ＣＬ０１は、「２０歳代の男性」に訴求効果が高いと想定される広告コンテンツや、「４０歳代の女性」に訴求効果が高いと想定される広告コンテンツを用意する。図１の例では、広告主ＣＬ０１は、複数の広告コンテンツとして、広告コンテンツＣ０１、広告コンテンツＣ０２、広告コンテンツＣ０３、及び広告コンテンツＣ０４を用意するものとする。

続いて、広告主ＣＬ０１は、共通する宣伝対象に関する複数の広告コンテンツである広告コンテンツＣ０１〜Ｃ０４を広告装置１００に入稿する（ステップＳ１２）。広告装置１００は、広告主ＣＬ０１から受け付けた複数の広告コンテンツを一つの広告グループとして保持する。

続いて、広告装置１００は、ウェブページを閲覧可能なユーザ端末１０を操作するユーザから、広告配信の要求を受信する。例えば、広告装置１００は、ウェブページを取得したユーザ端末１０から送信される広告配信の要求であって、取得されたウェブページに設けられている広告枠で表示するための広告コンテンツの配信の要求を受信する。

ここで、広告装置１００は、広告配信の要求を送信したユーザに対して、広告コンテンツＣ０１〜Ｃ０４の中から広告コンテンツをランダムに抽出し、抽出した広告コンテンツをユーザＵ１１〜Ｕ１６に配信する（ステップＳ１３）。すなわち、広告装置１００は、所定の段階までは、広告主ＣＬ０１から入稿を受け付けた複数の広告コンテンツの中から、配信される広告コンテンツをランダムに抽出する。具体的には、広告装置１００は、広告主から受け付けた広告コンテンツの総配信数のうち所定の割合（例えば、総配信数の１割など）を達成する段階までは、広告コンテンツをランダムに抽出する。なお、図１に示す例では、ユーザＵ１１〜Ｕ１６は、異なる属性を有するユーザである。例えば、ユーザＵ１１は、男性であり、２０歳代のユーザである。また、ユーザＵ１２は、男性であり、４０歳代のユーザである。また、ユーザＵ１３は、男性であり、６０歳代のユーザである。また、ユーザＵ１４は、女性であり、２０歳代のユーザである。また、ユーザＵ１５は、女性であり、４０歳代のユーザである。また、ユーザＵ１６は、女性であり、６０歳代のユーザである。また、ユーザＵ１１とは、ユーザＵ１１個人のみならず、ユーザＵ１１と同じ属性のユーザを含むユーザ群としての概念を含む。他のユーザＵ１２〜Ｕ１６についても同様である。

続いて、広告装置１００は、ユーザＵ１１に配信された広告コンテンツの広告効果に関する情報を取得する（ステップＳ１４）。例えば、広告装置１００は、広告コンテンツがユーザＵ１１により選択された回数（例えば、ユーザＵ１１が操作するユーザ端末１０上においてクリックされた回数）や、広告コンテンツの配信を契機として、広告主ＣＬ０１に何らかの利益がもたらされた回数等の、広告主ＣＬ０１にもたらされた利益に関する情報などを取得する。なお、広告装置１００は、他のユーザＵ１２〜Ｕ１６についても、同様に広告コンテンツの広告効果に関する情報を取得する。そして、広告装置１００は、取得した情報に基づいて、ＣＴＲなどの広告効果を示す指標値を算出する。

そして、広告装置１００は、取得した広告コンテンツの広告効果に関する情報に基づいて、以後、行う抽出処理をユーザＵ１１〜Ｕ１６に対して最適化する（ステップＳ１５）。詳しくは後述するが、広告装置１００は、広告主から入稿された複数の広告コンテンツのうち、いずれの広告コンテンツをいずれのユーザ群に出す場合が最も広告効果が高くなると予測されるかといった観点から、広告コンテンツの抽出処理を最適化する。例えば、広告装置１００は、取得した広告コンテンツの広告効果を示す指標値とユーザ群との相関性に基づいて、広告効果を予測する予測モデルを作成する。そして、広告装置１００は、作成した予測モデルを用いて、広告効果が高くなると予測される広告コンテンツを抽出する。

広告装置１００は、以後、最適化された抽出処理を行い、ユーザ毎に配信される広告コンテンツを抽出し、抽出された広告コンテンツをユーザに配信する（ステップＳ１６）。例えば、広告装置１００は、「男性、２０歳代」のユーザ群に属するユーザＵ１１には、広告コンテンツＣ０１〜Ｃ０４のうち、広告コンテンツＣ０３が配信されることで、最も高い広告効果が得られると判定したとする。この場合、広告装置１００は、ユーザＵ１１には、広告コンテンツＣ０３を優先的に配信する。また、広告装置１００は、「男性、４０歳代」のユーザ群であるユーザＵ１２には、広告コンテンツＣ０１〜Ｃ０４のうち、広告コンテンツＣ０４が配信されることによって、最も高い広告効果が得られると判定したとする。この場合、広告装置１００は、「男性、４０歳代」のユーザ群に属するユーザＵ１２には、広告コンテンツＣ０４を優先的に配信する。このように、広告装置１００は、ユーザ情報や広告配信により得られる指標値等の情報に基づいて、各ユーザに対して最適化された広告コンテンツを抽出し、抽出された広告コンテンツを配信する。

上記のように、実施形態に係る広告装置１００は、共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付ける。そして、広告装置１００は、広告コンテンツの配信対象であるユーザの属性に基づき分類されるユーザ群毎に、複数の広告コンテンツの広告効果を示す指標値を取得する。そして、広告装置１００は、取得された指標値とユーザ群との相関性に基づいて、複数の広告コンテンツの中から、ユーザに配信される広告コンテンツを抽出する。

すなわち、実施形態に係る広告装置１００は、宣伝対象を共通とする広告コンテンツであって、複数のユーザ群に対応する広告コンテンツの入稿を受け付ける。具体的には、広告装置１００は、「自動車」を宣伝対象とする広告コンテンツであって、「走行性能」を訴える広告コンテンツと、「積載容量」や「車内空間の広さ」を訴える広告コンテンツと、「ドライブなどエンターテイメントとしての活用」を訴える広告コンテンツなどの複数の広告コンテンツの入稿を受け付ける。このように、広告主にとっては、広告装置１００を利用することで、同じ「自動車」を宣伝する場合であっても、様々なユーザ層に訴求効果が期待できる各広告コンテンツを入稿することができる。そして、広告装置１００は、「自動車」の広告を引き当てたユーザに対して、それぞれのユーザに対して訴求効果が高いと想定される広告コンテンツを抽出する処理を行う。このとき、広告装置１００は、各広告コンテンツが各ユーザ層に配信された場合の結果である広告効果を取得し、抽出処理を最適化することで、広告コンテンツの抽出精度を向上させる。これにより、広告装置１００は、広告効果を高く維持しながら、広告コンテンツのターゲット対象を特定のユーザ層に絞り込むことによる配信数の低下を防止することができる。結果として、広告装置１００は、訴求効果の高いコンテンツをより多くのユーザに配信することができる。

なお、図１では、ステップＳ１４において、広告装置１００が実際に配信された広告コンテンツの広告効果に関する情報を取得する例を示した。ここで、広告装置１００は、ウェブビーコン（web beacon）等によって実現される通知機能を利用して、広告コンテンツの広告効果に関する情報を取得してもよい。

すなわち、広告コンテンツＣ０１〜Ｃ０４が表示されるウェブページには、ウェブビーコン等によって実現される、ユーザ情報に関する通知機能が埋め込まれる場合がある。例えば、ウェブビーコンは、ウェブページにアクセスしたユーザ端末１０を広告装置１００内に格納される透明な画像又は非常に小さな画像（「クリアＧＩＦ」と呼ばれることもある）にアクセスさせる機能を有する。これにより、広告装置１００は、ユーザ端末１０からユーザ情報を受信し、取得することができる。例えば、広告装置１００は、ウェブビーコンによって実現される機能により、ユーザがユーザ端末１０上において、広告コンテンツをクリックし、広告コンテンツのリンク先のページ（以下、「ランディングページ」、あるいは「ＬＰ」と表記する場合がある）を閲覧した情報などを受信することができる。また、広告装置１００は、ランディングページを提供する所定のウェブサーバから、ユーザ端末１０によるアクセス情報などの提供を受けることにより、かかるユーザへの広告効果に関する情報を取得してもよい。

〔２．抽出処理システムの構成〕
次に、図２を用いて、実施形態に係る広告装置１００が含まれる抽出処理システム１の構成について説明する。図２は、実施形態に係る抽出処理システム１の構成例を示す図である。図２に例示するように、実施形態に係る抽出処理システム１には、ユーザ端末１０と、広告主端末２０と、ウェブサーバ３０と、広告装置１００とが含まれる。これらの各種装置は、ネットワークＮを介して、有線又は無線により通信可能に接続される。なお、図２に示した抽出処理システム１には、複数台のユーザ端末１０や、複数台の広告主端末２０や、複数台のウェブサーバ３０が含まれてもよい。

ユーザ端末１０は、例えば、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣや、タブレット型端末や、携帯電話機、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。例えば、ユーザ端末１０は、ユーザによる操作に従って、ウェブサーバ３０にアクセスすることで、ウェブサーバ３０から提供されるウェブサイトからウェブページを取得する。そして、ユーザ端末１０は、取得したウェブページを表示装置（例えば、液晶ディスプレイ）に表示する。

広告主端末２０は、広告装置１００に広告配信を依頼する広告主によって利用される情報処理装置である。広告主端末２０は、広告主による操作に従って、広告装置１００に広告コンテンツを入稿する。このとき、広告主端末２０は、広告効果が高くなると想定される広告配信を行うために、１つの宣伝対象について、複数の広告コンテンツを入稿する。

なお、広告主は、広告主端末２０を用いて、広告装置１００に広告コンテンツを入稿せずに、かかる入稿等を代理店に依頼する場合もある。この場合、広告装置１００に広告コンテンツを入稿等するのは代理店となる。以下では、「広告主」といった表記は、広告主だけでなく代理店を含む概念であり、「広告主端末」といった表記は、広告主端末だけでなく代理店によって利用される代理店装置を含む概念であるものとする。

ウェブサーバ３０は、ユーザ端末１０からアクセスされた場合に、各種ウェブページを提供するサーバ装置である。ウェブサーバ３０は、例えば、ニュースサイト、天気予報サイト、ショッピングサイト、ファイナンス（株価）サイト、路線検索サイト、地図提供サイト、旅行サイト、飲食店紹介サイト、ウェブブログなどに関する各種ウェブページを提供する。

なお、ウェブサーバ３０によって配信されるウェブページには、広告コンテンツを表示するための広告枠が含まれる。そして、広告枠を含むウェブページには、広告枠に表示する広告コンテンツを取得するための広告取得命令が含まれる。例えば、ウェブページを形成するＨＴＭＬ（HyperText Markup Language）ファイル等には、広告装置１００のＵＲＬ等が広告取得命令として記述される。ウェブページを取得したユーザ端末１０は、ＨＴＭＬファイル等に記述されているＵＲＬにアクセスすることで、広告装置１００から広告コンテンツの配信を受ける。

広告装置１００は、上述のように、広告コンテンツの抽出処理を最適化することにより、広告配信の要求を行ったユーザに対して広告効果が高くなると想定される広告コンテンツを抽出し、抽出された広告コンテンツの配信を行う情報処理装置である。

なお、上述のように、広告装置１００は、広告コンテンツの配信にあたって、ユーザ端末１０を識別し、広告コンテンツを配信するユーザ端末１０を特定する。例えば、ユーザの識別は、ユーザ端末１０のウェブブラウザと広告装置１００との間でやり取りされるクッキーにユーザ識別情報を含めることよって行うことができる。ただし、ユーザを識別する手法は上記に限られない。例えば、ユーザ端末１０に専用のプログラムを設定し、かかる専用プログラムからユーザ識別情報を広告装置１００に送信させてもよい。

〔３．広告装置の構成〕
次に、図３を用いて、実施形態に係る広告装置１００の構成について説明する。図３は、実施形態に係る広告装置１００の構成例を示す図である。図３に示すように、広告装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、広告装置１００は、広告装置１００を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。かかる通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、ユーザ端末１０や、広告主端末２０や、ウェブサーバ３０との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２０は、広告情報記憶部１２１と、ユーザ情報記憶部１２２と、配信ログ記憶部１２３と、モデル記憶部１２４とを有する。

（広告情報記憶部１２１について）
広告情報記憶部１２１は、広告主端末２０から入稿される広告コンテンツに関する情報を記憶する。ここで、図４に、実施形態に係る広告情報記憶部１２１の一例を示す。図４は、実施形態に係る広告情報記憶部１２１の一例を示す図である。図４に示した例では、広告情報記憶部１２１は、「広告主ＩＤ」、「広告グループＩＤ」、「広告コンテンツＩＤ」、「指定情報」、「配信結果」といった項目を有する。また、「指定情報」の項目は、さらに「下限配信数」、「指定総配信数」といった項目を有する。また、「配信結果」の項目は、さらに「個別配信数」、「個別ＣＴＲ」、「総配信数」、「総ＣＴＲ」といった項目を有する。

「広告主ＩＤ」は、広告主又は広告主端末２０を識別するための識別情報を示す。「広告グループＩＤ」は、広告主が複数の広告コンテンツを入稿した場合の複数の広告コンテンツ毎のグループを識別するための識別情報を示す。同一の広告グループに属する広告コンテンツは、共通の宣伝対象を有する。「広告コンテンツＩＤ」は、広告主から広告装置１００に入稿される広告コンテンツを識別するための識別情報を示す。

なお、以下では、図４に示した識別情報を参照符号として用いる場合がある。例えば、広告主ＩＤ「ＣＬ１１」によって識別される広告主を「広告主ＣＬ１１」と、広告グループＩＤ「ＡＤ１１」によって識別される広告グループを「広告グループＡＤ１１」と、広告コンテンツＩＤ「Ｃ１１１」によって識別される広告コンテンツを「広告コンテンツＣ１１１」と表記する場合がある。

「指定情報」は、入稿の際に広告主から指定される情報を示す。「下限配信数」は、広告コンテンツ毎に設定される下限配信数を示す。すなわち、広告コンテンツがインプレッション数保証型（すなわち、広告コンテンツがユーザに配信される数を指定する入稿手法）により広告主から入稿される場合、広告装置１００は、広告コンテンツ毎に下限の配信数の指定を受け付ける。「指定総配信数」は、広告グループ全体における保証配信数を示す。すなわち、広告装置１００は、各広告コンテンツの配信数の合計が指定総配信数に達するように配信処理を行う。

「配信結果」は、広告コンテンツが配信された後に取得される情報を示す。「個別配信数」は、各広告コンテンツが実際にユーザに配信された数を示す。「個別ＣＴＲ」は、個別配信数と、ユーザに各広告コンテンツがクリックされた回数とに基づいて算出されるＣＴＲの数値を示す。なお、ＣＴＲは、「クリック数／インプレッション数（広告コンテンツの表示回数）」により算出される。

「総配信数」は、同一の広告グループに属する各広告コンテンツの配信数の合計を示す。「総ＣＴＲ」は、総配信数と、同一の広告グループに属する各広告コンテンツがクリックされた回数とに基づいて算出されるＣＴＲの数値を示す。なお、現時点で配信実績のない広告コンテンツに関しては、配信情報の項目は空欄となる。

すなわち、図４に示す一例では、広告主ＩＤ「ＣＬ１１」によって識別される広告主が、広告グループＩＤ「ＡＤ１１」によって識別される広告グループとして、複数の広告コンテンツを入稿している。また、広告グループＡＤ１１には、広告コンテンツＣ１１１〜Ｃ１１４が含まれ、例えば、広告コンテンツＣ１１１に設定されている下限配信数は「１０００００」回である。そして、広告主ＣＬ１１から指定された広告グループＡＤ１１における総配信数は、「１００００００」回である。また、広告グループＡＤ１１に属する各広告コンテンツは既に配信が実行されており、例えば、広告コンテンツＣ１１１の個別配信数は「５１０００」回であり、個別ＣＴＲは「０．０１２」である。そして、広告グループＡＤ１１全体における総配信数は「１８３０００」回であり、総ＣＴＲは「０．０１」である例を示している。

なお、実際にユーザ端末１０に配信される広告コンテンツのデータ（動画コンテンツや静止画コンテンツ）は、広告装置１００とは別に備えられた所定の広告配信サーバに記憶されてもよい。この場合、広告装置１００は、広告情報記憶部１２１に記憶された広告コンテンツＩＤに基づいて、外部の広告配信サーバに記憶された広告コンテンツを特定する。そして、広告装置１００は、広告配信サーバに対して、特定された広告コンテンツをユーザ端末１０に対して配信するよう制御する。

また、広告装置１００は、下限配信数として、数自体の指定でなく、所定の割合を受け付けてもよい。具体的には、広告装置１００は、指定総配信数のうち、最低１割ずつは各広告コンテンツが配信される指定等を受け付けることができる。また、広告装置１００は、指定総配信数のみを受け付け、個別の下限配信数を受け付けなくてもよい。

（ユーザ情報記憶部１２２について）
ユーザ情報記憶部１２２は、広告コンテンツの配信対象であるユーザに関する情報を記憶する。ここで、図５に、実施形態に係るユーザ情報記憶部１２２の一例を示す。図５は、実施形態に係るユーザ情報記憶部１２２の一例を示す図である。図５に示した例では、ユーザ情報記憶部１２２は、「ユーザＩＤ」、「ユーザ情報」といった項目を有する。また、「ユーザ情報」には、「氏名」、「性別」、「年齢」、「居住地」といった項目が含まれる。

「ユーザＩＤ」は、ユーザ端末１０及びユーザを識別する識別情報である。なお、ユーザＩＤは、ユーザ端末１０を操作するユーザの参照符号と一致するものとする。すなわち、ユーザＩＤ「Ｕ１１」によって識別されるユーザ端末１０は、ユーザ「Ｕ１１」により操作される端末装置であるものとする。

「氏名」は、ユーザの氏名を示す。「性別」は、ユーザの性別を示す。「年齢」は、ユーザの年齢を示す。なお、図５に示すように、「年齢」の項目では、具体的な数値が示されず、「２０歳代」のように年齢層が示されてもよい。「居住地」は、ユーザの居住地を示す。

例えば、図５では、ユーザＩＤ「Ｕ１１」によって識別されるユーザＵ１１の氏名が「ＡＡＡ」であり、性別が「男性」であり、年齢が「２０歳代」であり、居住地が「Ａ県」である例を示す。

なお、図５では図示することを省略したが、ユーザ情報記憶部１２２には、ウェブサイトへのアクセス履歴や、ショッピングサイトでの購入履歴などのユーザの行動情報が記憶されてもよい。また、ユーザ情報記憶部１２２には、ユーザ端末１０自体を識別する情報であるデバイスＩＤ等を記憶してもよい。デバイスＩＤは、ユーザＩＤと異なり、端末装置自体に記録されている識別情報を示す。また、ユーザ情報記憶部１２２には、ユーザの属性情報として、ユーザの年収を示す「年収」や、ユーザの嗜好を示す「嗜好」などの項目が含まれてもよい。

（配信ログ記憶部１２３について）
配信ログ記憶部１２３は、広告コンテンツの配信に関するログを記憶する。ここで、図６に、実施形態に係る配信ログ記憶部１２３の一例を示す。図６は、実施形態に係る配信ログ記憶部１２３の一例を示す図である。図６に示した例では、配信ログ記憶部１２３は、「配信された広告コンテンツＩＤ」、「配信先のユーザＩＤ」、「広告コンテンツが配信された日時」といった項目を含むログ情報の一群から構成されるユーザ情報ファイルＦ０１を記憶する。例えば、ユーザ情報ファイルＦ０１を構成するログは、広告コンテンツが配信されたタイミングでユーザ情報ファイルＦ０１に書き込まれることにより追加される。

「広告コンテンツＩＤ」は、広告コンテンツを識別する識別情報を示す。図６において、広告コンテンツＩＤは、「ＡＤ＝Ｃ１１１」と表記される。これは、ユーザに配信された広告コンテンツが「Ｃ１１１」で識別される広告コンテンツであることを示す。なお、広告コンテンツＩＤは、図４に示す広告コンテンツＩＤに対応する。

「ユーザＩＤ」は、広告コンテンツが配信されたユーザ端末１０を識別する識別情報を示す。図６において、ユーザＩＤは、「ＵｓｅｒＩＤ＝Ｕ１１」と表記される。これは、広告コンテンツが配信されたユーザが「Ｕ１１」で識別されるユーザであることを示す。なお、ユーザＩＤは、図５に示すユーザＩＤに対応する。

「広告コンテンツが配信された日時」は、図６において、「２０１５／０４／１０＿２０：３０」といった数値で表される。

例えば、図６に示したユーザ情報ファイルＦ０１を構成するログの一例は、広告コンテンツＩＤ「Ｃ１１１」によって識別される広告コンテンツＣ１１１が、「２０１５年４月１０日 ２０：３０」に、ユーザＩＤ「Ｕ１１」で識別されるユーザ端末１０に配信されたことを示す。

なお、配信ログ記憶部１２３は、広告装置１００の内部に存在せず、例えば外部に接続された所定のログ記憶サーバなどであってもよい。この場合、後述する取得部１３３は、ネットワークＮを介して、所定のログ記憶サーバに記憶されているログを取得する。

（モデル記憶部１２４について）
モデル記憶部１２４は、広告コンテンツの配信に関するログを記憶する。ここで、図７に、実施形態に係るモデル記憶部１２４の一例を示す。図７は、実施形態に係るモデル記憶部１２４の一例を示す図である。図７に示した例では、モデル記憶部１２４は、「広告グループＩＤ」、「広告コンテンツＩＤ」、「モデルＩＤ」といった項目を有する。

「広告グループＩＤ」及び「広告コンテンツＩＤ」は、図４に示す同一の項目に対応する。「モデルＩＤ」は、広告効果を予測する予測モデルを識別する情報を示す。図７に示すように、予測モデルは広告コンテンツ毎に作成される。

例えば、図７では、広告グループ「ＡＤ１１」に含まれる広告コンテンツ「Ｃ１１１」について作成されている予測モデルが「Ｍ１１１」である例を示す。

（制御部１３０について）
制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、広告装置１００内部の記憶装置に記憶されている各種プログラム（抽出プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図３に示すように、制御部１３０は、入稿受付部１３１と、受信部１３２と、取得部１３３と、抽出部１３４と、配信部１３５と、通知部１３６とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図３に示した接続関係に限られず、他の接続関係であってもよい。

（入稿受付部１３１について）
入稿受付部１３１は、広告主端末２０から広告コンテンツの入稿を受け付ける。具体的には、入稿受付部１３１は、共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付ける。そして、入稿受付部１３１は、入稿元の広告主を識別する広告主ＩＤと、広告グループＩＤとに対応付けて、入稿された複数の広告コンテンツに関する情報を広告情報記憶部１２１に記憶する。

また、入稿受付部１３１は、各広告グループに指定される総配信数や、各広告コンテンツに指定される下限配信数を受け付ける。これにより、広告主は、入稿した広告のインプレッション数を保証させることができるとともに、複数の広告コンテンツのうち、特定の広告コンテンツのみが配信されなくなるような事態を防止することができる。

（受信部１３２について）
受信部１３２は、広告コンテンツの配信要求を受信する。具体的には、受信部１３２は、ウェブページを表示するユーザ端末１０から送信される要求であって、ウェブページに含まれる広告枠で表示する広告コンテンツの配信に関する要求を受信する。

また、受信部１３２は、ユーザ端末１０から送信される広告配信の要求を受け付けるとともに、ユーザ端末１０を識別する情報を受信する。例えば、受信部１３２は、ユーザ端末１０を識別する情報として、ユーザ端末１０から送信されるクッキーを受信する。そして、受信部１３２は、受け付けた情報を後述する取得部１３３へ送る。

（取得部１３３について）
取得部１３３は、各種情報を取得する。例えば、取得部１３３は、ユーザに関する情報や、広告コンテンツに関する情報や、広告配信に関する情報を取得する。具体的には、取得部１３３は、広告コンテンツの配信に関する情報を配信ログ記憶部１２３から取得する。また、取得部１３３は、実際に配信された広告コンテンツをユーザがクリックした回数などの広告効果に関する情報を、ウェブサーバ３０やユーザ端末１０から取得する。このとき、取得部１３３は、広告コンテンツの配信対象であるユーザの属性に基づき分類される所定のユーザ群毎に、複数の広告コンテンツの広告効果を示す指標値を取得する。

また、取得部１３３は、広告コンテンツの配信対象であるユーザの属性に基づき分類される所定のユーザ群毎に、複数の広告コンテンツの広告効果を示す指標値を取得する。ここで、図８を用いて、取得部１３３による指標値の取得処理について説明する。

図８は、実施形態に係るデータテーブル１２５の一例を示す図である。図３での図示は省略したが、データテーブル１２５は、例えば、広告情報記憶部１２１内に記憶される。図８に示すように、データテーブル１２５には、「広告コンテンツＩＤ」、「クリック」「ユーザ情報」といった項目を有する。また、「ユーザ情報」には、「性別」、「年齢」、「居住地」といった項目が含まれる。

「広告コンテンツＩＤ」は、図４に示した同一の項目と対応する。「クリック」は、配信された広告コンテンツがクリックされたか否かを示す。クリックされた場合には、「クリック」の項目に「１」が記載され、クリックされていない場合には、「クリック」の項目に「０」が記載される。

「ユーザ情報」は、広告コンテンツが配信されたユーザに関する情報を示す。「性別」、「年齢」、「居住地」の項目は、図５に示した同一の項目と対応する。なお、データテーブル１２５では、各項目を数値で表現する。例えば、「性別」の項目において、「男性」は「０」と、「女性」は「１」と表現される。「年齢」の項目において、「２０歳代」は「１」と、「４０歳代」は「２」と、「６０歳代」は「３」と表現される。「居住地」の項目において、「Ａ県」は「１」と、「Ｂ県」は「２」、「Ｃ県」は「３」と表現される。なお、実際のユーザ情報には、年齢の項目では、上記以外の年齢層も含まれ、居住地の項目では、上記以上の数の居住地が含まれるが、説明の簡略化のため省略する。

すなわち、データテーブル１２５では、広告コンテンツがどのような属性を有するユーザに配信され、かつ、クリックされたか否かの情報が記憶される。取得部１３３は、かかる情報を用いて、それぞれのユーザ群に対応するＣＴＲを取得する。例えば、取得部１３３は、年齢「１」に該当するユーザ群に配信された配信数とクリック数とに基づいて、年齢「１」に該当するユーザ群におけるＣＴＲを取得する。なお、取得部１３３は、ユーザの属性に基づいて、任意に設定したユーザ群についてＣＴＲを取得することができる。例えば、取得部１３３は、年齢が「１」で、かつ、性別が「０」であるデータを抽出して、年齢が「１」かつ性別が「０」で分類されるユーザ群のＣＴＲを取得する。取得部１３３により取得される指標値は、後述する抽出部１３４の抽出処理に用いられる。

また、取得部１３３は、取得した情報を所定の記憶部に格納する。例えば、取得部１３３は、広告コンテンツの配信に関する情報や、各広告コンテンツの広告効果に関する情報を広告情報記憶部１２１に格納する。また、取得部１３３は、取得したユーザ情報をユーザ情報記憶部１２２に格納する。

（抽出部１３４について）
抽出部１３４は、取得部１３３によって取得された指標値とユーザ群との相関性に基づいて、複数の広告コンテンツの中から、ユーザに配信される広告コンテンツを抽出する。

抽出部１３４は、広告コンテンツの入稿後であって、広告コンテンツが実際に配信される前や、配信されることによる広告効果を示す指標値が充分に取得されていない場合には、広告グループに指定された総配信数のうち所定の割合に達するまで、ランダムに広告コンテンツを抽出する。

そして、抽出部１３４は、取得部１３３が広告コンテンツの配信情報を取得し、広告コンテンツの広告効果を示す指標値に関する情報が蓄積された場合には、かかる情報を用いて広告コンテンツの抽出を行う。以下では、抽出部１３４が実行する抽出処理の最適化のうち、異なる２種類の手法について説明する。

第１の手法として、抽出部１３４は、以下のように最適化された抽出を行う。上述のように、取得部１３３は、ユーザの属性に基づき分類される所定のユーザ群毎に、各広告コンテンツの広告効果を示す指標値を取得する。そこで、抽出部１３４は、広告配信の要求を送信したユーザがいずれのユーザ群に属するかを判定する。そして、抽出部１３４は、同一広告グループ内の複数の広告コンテンツのうち、かかるユーザに対応するユーザ群のＣＴＲが最も高い広告コンテンツを優先的に抽出する。

具体的には、抽出部１３４は、ユーザ群を「年齢、性別、居住地」の三要素で分類するものとする。この場合、抽出部１３４は、広告配信の要求を送信したユーザを「年齢、性別、居住地」で分類し、いずれのユーザ群に属するかを判定する。例えば、抽出部１３４は、図５に示すユーザＵ１１を（性別、年齢、居住地）＝（０，１，１）のユーザ群に属すると分類する。同様に、抽出部１３４は、ユーザＵ１２を（０，２，２）のユーザ群に属すると分類する。

そして、ユーザＵ１１に対する広告コンテンツを抽出する場合、抽出部１３４は、同一広告グループに属する複数の広告コンテンツのうち、実際に（０，１，１）のユーザ群に配信された中で最もＣＴＲが高い広告コンテンツを優先的に抽出する。このように、抽出部１３４は、ランダムに配信された広告コンテンツの指標値とユーザ群との相関性を参照することで、結果として最もＣＴＲが高くなっている広告コンテンツを抽出する。これにより、抽出部１３４は、広告配信を要求したユーザに応じて、最も広告効果の高いと想定される広告コンテンツを抽出することができる。

次に、第２の手法について説明する。第１の手法では、抽出部１３４は、分類されたユーザ群毎のＣＴＲを比較することにより、抽出処理を最適化する例を示した。この場合、配信実績が充分でないユーザ群に対しては、広告コンテンツを適切に抽出できない場合も起こりうる。例えば、ユーザ情報が極めて細分化され、ユーザ群が多数形成されている場合は、所定数のランダム配信が終了した時点で、ユーザ群が一致するサンプル数が少なく、信頼できるＣＴＲが取得できていない場合がある。

そこで、抽出部１３４は、指標値とユーザ群との相関性に基づいて作成される予測モデルを用いて、複数の広告コンテンツの中から、ユーザに配信される広告コンテンツを抽出する。なお、抽出部１３４は、広告コンテンツ毎に予測モデルを作成する。

例えば、抽出部１３４は、ユーザ群を「年齢、性別、居住地」の三要素で分類するものとする。このとき、抽出部１３４は、ユーザ群を分類する要素である「年齢」、「性別」、「居住地」という１種類の属性毎に、さらにユーザ群を分類する（説明の便宜上、「小ユーザ群」と表記する）。そして、抽出部１３４は、ユーザ群全体における小ユーザ群毎の指標値の重みを算出するため、例えば、下記式（１）を作成する。

ｙ_{（ｃ１１１）} ＝ ω_１・ｘ_１ ＋ ω_２・ｘ_２ ＋ ω_３・ｘ_３・・・ （１）

上記式（１）は、ユーザに対する広告コンテンツごとのＣＴＲを予測するためのモデルを示す式である。上記式（１）では、予測モデルの一例として、広告コンテンツＣ１１１に対応するモデルを示す。かかる予測モデルは、図７に示すモデルＭ１１１に対応する。

上記式（１）において、「ｙ」は、「ｘ_１、ｘ_２、ｘ_３」に所定のユーザの「年齢、性別、居住地」に対応する数値を代入した場合に算出される予測ＣＴＲを示す。「ｘ」は、要素毎に分類されたユーザ群である小ユーザ群に対応するＣＴＲを示す。具体的には、「ｘ_１」は、「年齢」に対応し、「ｘ_２」は、「性別」に対応し、「ｘ_３」は、「居住地」に対応する。「ω」は、「ｘ」の係数であり、所定の重み値を示す。具体的には、「ω_１」は、「ｘ_１」の重み値であり、「ω_２」は、「ｘ_２」の重み値であり、「ω_３」は、「ｘ_３」の重み値である。このように、予測モデルは、１種類の属性に基づいて分類されるユーザ群に対応する指標値「ｘ」と、所定の重み値「ω」とを含む変数（例えば、「ω_１・ｘ_１」）を組合せることにより作成される。例えば、上記式（１）に、図５に示すユーザＵ１１の属性を当て嵌める場合、上記式（１）は、下記式（２）のように記載することができる。

ｙ_{（Ｕ１１、ｃ１１１）} ＝ ω_１・（ユーザＵ１１の年齢での広告コンテンツＣ１１１のＣＴＲ） ＋ ω_２・（ユーザＵ１１の性別での広告コンテンツＣ１１１のＣＴＲ） ＋ ω_３・（ユーザＵ１１の居住地での広告コンテンツＣ１１１のＣＴＲ） ・・・ （２）

より具体的には、上記式（２）に対して、ユーザＵ１１の属性「２０代、男性、Ａ県」を代入する。すなわち、ユーザＵ１１１に対して予測されるＣＴＲは、「２０代ユーザの広告コンテンツＣ１１１におけるＣＴＲ」と、「男性ユーザの広告コンテンツＣ１１１におけるＣＴＲ」と、「Ａ県ユーザの広告コンテンツＣ１１１におけるＣＴＲ」と、それぞれのＣＴＲに、所定の重み値を乗じて算出される値により導出される。

所定の重み値「ω」に対応する値は、回帰分析の進行とともに最適化される。重み値「ω」の算出について説明する。上述のように、取得部１３３によれば、広告コンテンツＣ１１１がクリックされたか否かといった情報や、各属性に対応するＣＴＲは取得可能である。そして、１回の広告配信の試行において、ユーザから広告コンテンツＣ１１１がクリックされた場合には、ＣＴＲは「１」となる。同様に、１回の試行において、ユーザから広告コンテンツＣ１１１がクリックされなかった場合には、ＣＴＲは「０」となる。したがって、例えば図８で示したデータの例は、下記式（３）及び下記式（４）のように表される。

１ ＝ ω_１・（２０歳代ユーザ群のＣＴＲ） ＋ ω_２・（男性ユーザ群のＣＴＲ） ＋ ω_３・（Ａ県ユーザ郡のＣＴＲ） ・・・ （３）
０ ＝ ω_１・（６０歳代ユーザ群のＣＴＲ） ＋ ω_２・（男性ユーザ群のＣＴＲ） ＋ ω_３・（Ｂ県ユーザ郡のＣＴＲ） ・・・ （４）

上記では、２つのデータを例として示したが、実際には、広告配信の試行の度に、上記式（３）や（４）と同様の式が生成される。すなわち、抽出部１３４は、配信された広告コンテンツＣ１１１に係る情報が取得部１３３によって取得される度に、上記式（３）や（４）に対応する式を生成し、回帰分析を実行する。そして、抽出部１３４は、ランダム配信処理が終了した時点で、上記式（３）や（４）等を満たすような「ω」を算出する。これにより、抽出部１３４は、広告コンテンツＣ１１１に対応する予測モデルを作成することができる。なお、上記式（３）や（４）を用いた算出処理では、左辺を「１」や「０」そのものではなく、所定の誤差を想定し、かかる誤差との差異を２乗した値が最小値となるよう近似する最少二乗法などの手法を用いて、「ω」の最適解を算出してもよい。

そして、抽出部１３４は、作成した広告コンテンツ毎の予測モデルに対して、広告配信を要求したユーザの属性情報を当て嵌めることで、かかるユーザに対する予測ＣＴＲを算出する。そして、抽出部１３４は、同一広告グループ内で、算出された予測ＣＴＲが最も高い広告コンテンツを抽出する。かかる手法によれば、「２０代、男性、Ａ県」という全ての要素を満たすＣＴＲのサンプル数が充分でない場合であっても、各小ユーザ群（「２０代」、「男性」、「Ａ県」）のＣＴＲを用いて、「２０代、男性、Ａ県」を満たすユーザに対して予測されるＣＴＲを求めることができる。

上述のように、予測モデルを用いた最適化においては、取得部１３３は、ユーザの属性のうち１種類の属性に基づいて分類されるユーザ群に対応する指標値を取得する。そして、抽出部１３４は、１種類の属性に基づいて分類されるユーザ群に対応する指標値と所定の重み値とを含む変数を組合せることにより作成される予測モデルを用いて、ユーザの各属性を予測モデルに当て嵌めることにより、当該ユーザに対して最も指標値が高くなると予測される広告コンテンツを抽出する。

このように、抽出部１３４は、実際に広告コンテンツがユーザ群に配信された数が少ない状況であっても、ユーザの各属性情報の相関性を利用することで、ユーザ群に最適化された広告コンテンツを抽出することができる。また、抽出部１３４は、回帰的に予測モデルの重み値「ω」を算出することで、予測モデルにおける各属性が与える影響を適切な重みにすることができる。例えば、属性の１つである居住地が、上記のように少数ではなく、多数に分類される例を考える（例えば、４７都道府県に分類される場合など）。この場合、ユーザに広告コンテンツがランダムに配信される過程において、十分なサンプルが得られない場合がある。例えば、「Ａ県のユーザ」に「２回」広告コンテンツが配信された場合に、広告コンテンツが２回ともクリックされたとすると、「Ａ県のユーザ」のＣＴＲは「１」となる。このようにサンプル数が少ないことにより、極端な数値が観測されると、予測モデルに影響を与え、信頼性が低下することになる。しかし、上記のように回帰的に重み値を算出することで、広告装置１００は、このような極端な値が予測モデルに与える影響を抑えることができる（この場合、重み値「ω_３」が、０に近似されるか、負の値となることにより、予測モデル全体に与える影響が回避されることが想定される）。

なお、抽出部１３４は、抽出処理を最適化した以後であっても、所定の場合には、広告コンテンツが抽出される割合を調整してもよい。例えば、抽出部１３４は、全ての広告配信の要求に対して、最適化された抽出処理を実行した場合、複数の広告コンテンツのうち、ごく少数の広告コンテンツのみを抽出する可能性がある。例えば、複数の広告コンテンツのうち、極めて広告効果に差が生じる場合などは、抽出部１３４は、最も広告効果の高い広告コンテンツのみを抽出する可能性がある。そのため、後述する配信部１３５は、ＣＴＲの低い広告コンテンツについては、広告主から指定された配信数を達成できない可能性がある。

そこで、抽出部１３４は、例えば広告主から指定された下限配信数に達するまでは、受け付けた広告配信の要求のうち、複数の広告コンテンツをランダムに抽出するなどの処理を行ってもよい。これにより、抽出部１３４は、特定の広告コンテンツの配信数が極めて低下することを防止できる。

（配信部１３５について）
配信部１３５は、受信部１３２によって受信された広告コンテンツの配信要求を送信したユーザに対応するユーザ端末１０に、抽出部１３４によって抽出された広告コンテンツを配信する。

なお、上述のように、実際に配信される広告コンテンツのデータ自体は、広告装置１００に係る広告情報記憶部１２１内に記憶されていなくてもよい。例えば、配信部１３５は、外部に備えられた所定の広告配信サーバに広告配信の制御命令を送信することで、抽出部１３４が抽出した広告コンテンツをユーザ端末１０に配信させてもよい。

（通知部１３６について）
通知部１３６は、広告配信に関する情報を広告主に通知する。具体的には、通知部１３６は、広告コンテンツの配信数や、広告コンテンツがユーザからクリックされた回数などの広告効果を示す指標値を広告主に通知する。

また、通知部１３６は、実際の配信の結果に基づき、広告コンテンツから抽出される要素において、どのようなユーザ群について訴求効果が高いのかを通知してもよい。具体的には、通知部１３６は、同一広告グループに属する複数の広告コンテンツのうち、「青色」を基調として制作された広告コンテンツについて、「２０歳代、女性」のユーザ群に対応するＣＴＲが他の広告コンテンツのＣＴＲよりも高いことを通知する。すなわち、通知部１３６は、コンテンツを構成する要素である色や、コンテンツ内のテキストの表現や、登場人物などの違いによるユーザ群からの反応（例えば、広告効果）を広告主に通知する。これにより、広告主は、ターゲットとするユーザ群に訴求効果の高い広告コンテンツや、ユーザに好まれる広告コンテンツを知ることができる。なお、通知部１３６は、上記のような広告コンテンツの要素については、例えば、広告コンテンツが動画コンテンツである場合には、例えば、動画を構成する画素の分析や、テキストの分析など既知の分析手法により、自動的にコンテンツを構成する要素を抽出する。また、通知部１３６は、動画コンテンツに対してタグ付けされた情報（登場人物や、撮影場所など）に基づいて、広告コンテンツを構成する要素を分析し、抽出してもよい。

〔４．抽出処理手順〕
次に、図９及び図１０を用いて、実施形態に係る広告装置１００による抽出処理の手順について説明する。まず、図９を用いて、複数の広告コンテンツのうち、ランダムに広告コンテンツを抽出する処理の流れについて説明する。図９は、実施形態に係る広告装置１００による抽出処理手順（１）を示すフローチャートである。

図９に示すように、入稿受付部１３１は、広告コンテンツの入稿を受け付ける（ステップＳ１０１）。そして、受信部１３２は、ユーザ端末１０から、広告配信の要求を受け付けたか否かを判定する（ステップＳ１０２）。受信部１３２は、広告配信の要求を受け付けていない場合（ステップＳ１０２；Ｎｏ）、受け付けるまで待機する。

一方、広告配信の要求を受け付けた場合（ステップＳ１０２；Ｙｅｓ）、受信部１３２は、広告配信に関する要求を送信したユーザ端末１０を識別する情報を取得部１３３に送る。そして、取得部１３３は、広告配信に関する要求を送信したユーザ端末１０に関するユーザ情報を取得する（ステップＳ１０３）。そして、取得部１３３は、取得したユーザ情報と、広告配信の要求に関する情報とを抽出部１３４に送る。

抽出部１３４は、入稿された複数の広告コンテンツから、広告コンテンツをランダムに抽出する（ステップＳ１０４）。そして、配信部１３５は、抽出された広告コンテンツをユーザに配信する（ステップＳ１０５）。

そして、抽出部１３４は、所定数の広告コンテンツが配信されたか否かを判定する（ステップＳ１０６）。所定数の広告コンテンツが配信されていない場合（ステップＳ１０６；Ｎｏ）、抽出処理の最適化が行われず、処理はステップＳ１０２へと遷移する。一方、所定数の広告コンテンツが配信された場合には（ステップＳ１０６；Ｙｅｓ）、抽出部１３４は、抽出処理の最適化を行う（ステップＳ１０７）。

なお、ステップＳ１０６において、所定数の広告コンテンツが配信されたか否かを判定する処理を説明したが、ステップＳ１０６は、配信数ではなく、所定数の広告効果の測定結果が取得されたか否かを判定してもよい。すなわち、ステップＳ１０６においては、最適化処理に用いる情報が取得されたことをもって、抽出処理の最適化を行うか否かを判定するようにしてもよい。

続いて、最適化が行われた以後の抽出処理について説明する。図１０は、実施形態に係る広告装置１００による抽出処理手順（２）を示すフローチャートである。

ステップＳ２０１及びステップＳ２０２は、図９に示すステップＳ１０２及びステップＳ１０３に対応するため、説明を省略する。そして、抽出部１３４は、取得されたユーザ情報に対応する広告コンテンツを抽出する（ステップＳ２０３）。ここでは、抽出部１３４は、最適化された抽出処理を用いて、ユーザに対して最も広告効果が高くなると想定される広告コンテンツを抽出する。

そして、配信部１３５は、抽出された広告コンテンツをユーザに配信する（ステップＳ２０４）。そして、配信部１３５は、ユーザに配信された広告コンテンツの総数が広告主から指定された指定総配信数に達したか否かを判定する（ステップＳ２０５）。指定総配信数に達していない場合（ステップＳ２０５；Ｎｏ）、さらにユーザからの広告配信の要求を受信するため、処理はステップＳ２０１へと遷移する。

一方、配信した数が指定総配信数に達した場合には（ステップＳ２０５；Ｙｅｓ）、通知部１３６は、広告配信が終了した旨、及び広告配信の結果等を広告主に通知する（ステップＳ２０６）。

〔５．変形例〕
上述した広告装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、広告装置１００の他の実施形態について説明する。

〔５−１．指標値〕
上述した実施形態において、取得部１３３は、広告コンテンツの広告効果を示す指標値としてＣＴＲを取得する例を示した。しかし、取得部１３３は、ＣＴＲの他にも、広告効果を示す指標値を取得してもよい。

例えば、取得部１３３は、広告コンテンツの配信により広告主が何らかの利益を得た（コンバージョンに至った）割合を示すＣＶＲ（Conversion Rate）を取得してもよい。また、取得部１３３は、広告コンテンツが動画コンテンツである場合、広告コンテンツが最後まで視聴された割合を示す完遂率を取得してもよい。また、取得部１３３は、ユーザのウェブサイト上での視線の動きを分析するアイトラッキング（Eye Tracking）の手法により、広告コンテンツに視線を滞留させた滞留時間を取得してもよい。このように、取得部１３３は、広告効果を示す指標値として、種々の情報を取得することができる。

そして、抽出部１３４は、取得部１３３が取得した種々の広告効果を示す指標値に基づいて、ユーザに配信される広告コンテンツを抽出する。例えば、抽出部１３４は、ユーザ群ごとの指標値に基づいて、各ユーザ群に対して訴求効果が高いと想定される広告コンテンツを抽出する。

このように、広告装置１００は、ＣＴＲに限らず、広告効果を示す様々な指標値を取得することができる。これにより、広告装置１００は、広告コンテンツの配信候補であるユーザをより詳細に分析することができるので、訴求効果の高い広告コンテンツを抽出しやすくなり、結果として、配信する広告コンテンツの広告効果を向上させることできる。

〔５−２．データの取得〕
上述した実施形態に係る抽出処理において、取得部１３３は、ユーザ端末１０がウェブサーバ３０の提供するウェブサイトにアクセスした場合におけるユーザ情報を取得する例を示した。しかし、取得部１３３は、ユーザ端末１０がウェブサーバ３０の提供するウェブサイトにアクセスする場合に限らず、ユーザ端末１０からユーザ情報を取得することもある。この点について、以下に説明する。

例えば、ユーザ端末１０がアクセスしたウェブサイトが、広告装置１００を管理する管理装置（例えば、広告装置１００に対するフロントエンドサーバ）と同じ管理装置に管理される所定のウェブサーバから提供されている場合、取得部１３３は、ユーザ端末１０からユーザ情報を取得することができる。すなわち、ユーザ端末１０は、管理装置に管理される所定のウェブサーバが提供するウェブサイトにアクセスする際、ユーザ端末１０のユーザ情報を上記管理装置に送信する。これは、ユーザ端末１０が管理装置にクッキーを送信することなどにより実現される。この場合、ユーザ端末１０の送信したユーザ情報は、管理装置を介して、広告装置１００に送信される。これにより、広告装置１００に係る取得部１３３は、ウェブサーバ３０を介することなく、ユーザ端末１０のユーザ情報を取得することができる。なお、取得部１３３は、取得したユーザ情報については、上述したユーザ端末１０から送信されるクッキーや、あるいは、ユーザ端末１０に予め設定されているデバイスＩＤを照合すること等により、ユーザ情報に係る各ユーザ端末１０を識別することができる。

〔５−３．ウェブページとの関係〕
上述した実施形態において、入稿受付部１３１は、共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付け、抽出部１３４は、入稿受付部１３１により受け付けられた複数の広告コンテンツの中から、ユーザに配信される広告コンテンツを抽出する例を示した。ここで、抽出部１３４は、広告主から受け付ける所定の条件に基づいて広告コンテンツを抽出するようにしてもよい。

例えば、広告主によっては、自身が入稿する広告コンテンツを表示させるコンテンツ（例えば、ウェブページやアプリなど）を指定する場合がある。具体的には、広告主は、競合他社が提供するウェブページには、自身が入稿する広告コンテンツを表示させないように条件を指定することができる。あるいは、広告主は、特定のカテゴリの情報が掲載されているコンテンツに自身の広告コンテンツを表示させたい場合がある。

この場合、抽出部１３４は、上記のように最適化された処理に加えて、広告主から指定された条件を加味して、広告コンテンツを抽出するようにしてもよい。例えば、広告主は、共通する宣伝対象を有する複数の広告コンテンツについて、「ニュースサイト」に掲載を所望する広告コンテンツや、「スポーツサイト」に掲載を所望する広告コンテンツや、「ショッピングサイト」に掲載を所望する広告コンテンツなど、広告コンテンツが配信されて表示されるウェブページに関する条件を指定する。そして、抽出部１３４は、広告主から指定された条件に従い、共通する宣伝対象を有する複数の広告コンテンツのうち、各種ウェブサイトに対応する広告コンテンツを抽出する。そして、配信部１３５は、抽出部１３４によって抽出された広告コンテンツをユーザに配信する。

すなわち、広告装置１００は、広告コンテンツが配信されるウェブページ等に関する条件の指定を広告主から予め受け付けてもよい。この場合であっても、広告装置１００は、配信された広告コンテンツに関する情報に基づいて、配信する広告コンテンツの広告効果を最適化することができる。結果として、広告装置１００は、広告主の要望に応えつつ、訴求効果の高い広告コンテンツをより多くのユーザに配信することができる。

〔５−４．ユーザ群〕
上述した実施形態において、広告装置１００は、ユーザの属性情報に基づいて、ユーザを所定のユーザ群に分類する例を示した。例えば、実施形態では、広告装置１００は、ユーザを「年齢」や「性別」や「居住地」などでユーザ群に分類する例を示した。ここで、広告装置１００は、異なるユーザ情報を用いてユーザを分類してもよい。例えば、広告装置１００は、ユーザ情報のうち、「年収」や「嗜好」などを用いてユーザを分類してもよい。例えば、広告装置１００は、ユーザを「年収１０００万円以上」のユーザ群に分類し、かかるユーザ群に属するユーザに対して広告効果が高くなる広告コンテンツを抽出するといった処理を行うことができる。また、上述のように、広告装置１００は、ユーザ情報の各要素を用いて、ユーザ群を任意に設定できる。これにより、広告装置１００は、幅広いユーザ層の各々に対して、広告効果の高い広告コンテンツの配信を行うことができる。

〔５−５．予測モデル〕
上記の実施形態では、まず、広告装置１００は、所定数の広告コンテンツをランダムに配信し、所定数の配信が終了した時点で抽出処理を最適化することを説明した。ここで、広告装置１００は、ランダム配信が終了した時点であっても、さらに、所定の割合についてはランダム配信を継続することにより、最適化処理を更新するようにしてもよい。

すなわち、抽出部１３４は、抽出する広告コンテンツのうち所定の割合について、ユーザに配信される広告コンテンツをランダムに抽出する。そして、取得部１３３は、抽出部１３４によってランダムに抽出された広告コンテンツがユーザに配信された場合のユーザ群毎の指標値をさらに取得する。そして、抽出部１３４は、取得部１３３によって取得された指標値に基づいて更新される予測モデルを用いて、複数の広告コンテンツの中から、ユーザに配信される広告コンテンツを抽出する。

例えば、抽出部１３４は、図７に示す広告グループＡＤ１１について、所定数の広告コンテンツＣ１１１〜Ｃ１１４を配信した後に、各々にモデルＭ１１１〜Ｍ１１４を作成する。以後は、抽出部１３４は、広告配信の要求を送信したユーザの属性情報をモデルＭ１１１〜Ｍ１１４に当て嵌めることにより、広告コンテンツＣ１１１〜Ｃ１１４のいずれか一つを抽出する。このとき、抽出部１３４は、所定の割合（例えば１割など）については、モデルＭ１１１〜Ｍ１１４を用いずに、ランダムに広告コンテンツＣ１１１〜Ｃ１１４を抽出する。そして、取得部１３３は、配信された広告コンテンツＣ１１１〜Ｃ１１４の広告効果を取得する。そして、抽出部１３４は、取得された広告効果に基づいて、モデルＭ１１１〜Ｍ１１４を適宜更新していく。

このように、広告装置１００は、抽出処理に所定のランダム要素を加えることにより、例えば、抽出される広告コンテンツが特定の広告コンテンツに偏重するなどの状況を防止することができる。また、時期によってクリックされる広告コンテンツの種類が変動する場合などにおいては、広告装置１００は、上記のように所定の割合のランダム配信を混ぜることにより、時流に沿った広告コンテンツの配信が適切に行えるようになる。

〔５−６．配信態様〕
上記実施形態においては、広告装置１００は、複数の広告コンテンツについて、受け付けた指定総配信数を配信する例を示した。具体的には、広告装置１００は、図４の例のように、広告主ＣＬ１１から指定総配信数「１００００００」を受け付けた場合に、広告グループＡＤ１１の総配信数が「１００００００」を達成するように広告コンテンツを配信する。すなわち、広告装置１００は、インプレッション数（ユーザ端末１０に表示された回数）を指定して広告コンテンツを配信する形態（インプレッション保証型広告）で配信を行う例を示した。しかし、広告装置１００が実施する広告配信の形態は、上記に限られるものではない。

すなわち、広告装置１００は、共通した宣伝対象に関する複数の広告コンテンツの配信について、種々の広告配信の形態を受け付けることができる。例えば、広告装置１００は、広告コンテンツが「特定の対象に配信される配信数」について指定を受け付けてもよい。

一例として、広告装置１００は、特定の対象として、ＵＵ（ユニークユーザ）に配信される配信数を受け付ける。この場合、広告装置１００は、単に広告コンテンツが配信される回数を計数するのでなく、一人のユーザに広告コンテンツが配信された場合に、配信数「１」を計数する。言い換えれば、広告装置１００は、同一ユーザに同じ広告コンテンツが配信された場合には、配信数として計数しない場合がある。このように、広告装置１００は、指定されたＵＵ数を達成する配信形態で複数の広告コンテンツの入稿を受け付けることができる。これにより、広告装置１００は、例えば、特定のユーザが頻繁にウェブページ等を閲覧し多数の配信機会を発生させることで、広告コンテンツが幅広いユーザに配信される機会が失われること等を防止できる。なお、ＵＵなど、特定の対象を計数した数をリーチ数と表現する場合がある。すなわち、広告装置１００は、いわゆるインプレッション保証型広告におけるインプレッション数に対応した配信のみならず、リーチ数を保証する形態の広告配信を行うことも可能である。

また、広告装置１００は、特定の対象として、所定のユーザ端末１０内にインストールされたブラウザに配信される回数を受け付けることができる。この場合、広告装置１００は、所定のユーザ端末１０内にインストールされたブラウザに広告コンテンツが配信された場合に、配信数「１」を計数する。言い換えれば、広告装置１００は、既に広告コンテンツが配信された同一ブラウザに新たに同一広告コンテンツが配信された場合には、配信数として計数しない場合がある。例えば、広告装置１００は、ブラウザとの間で送受信される識別情報（クッキーなど）に基づいて、広告コンテンツが配信されるブラウザを特定する。

また、広告装置１００は、例えば、表示された時間に応じて課金額が算出される契約の広告コンテンツの配信を行うこともできる。すなわち、広告装置１００は、広告主から指定された表示時間を達成するような形態の広告配信を行う。具体的には、広告装置１００は、広告コンテンツをユーザ端末１０に配信し、配信先のユーザ端末１０で広告コンテンツが表示された時間の合計が指定された表示時間に達するまで、ユーザ端末１０への配信を繰り返し行う。

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る広告装置１００は、例えば図１１に示すような構成のコンピュータ１０００によって実現される。以下、広告装置１００を例に挙げて説明する。図１１は、広告装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を記憶する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を記憶する。通信インターフェイス１５００は、通信網５００（図２に示したネットワークＮに対応）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５００を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に記憶されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る広告装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが記憶される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から通信網５００を介してこれらのプログラムを取得してもよい。

〔７．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図３に示した取得部１３３と、抽出部１３４とは統合されてもよい。また、例えば、記憶部１２０に記憶される情報は、ネットワークＮを介して、外部に備えられた記憶装置に記憶されてもよい。

また、例えば、上記実施形態では、広告装置１００が、広告コンテンツの入稿を受け付ける受付処理と、配信される広告コンテンツを抽出する抽出処理と、広告コンテンツを配信する配信処理とを行う例を示した。しかし、上述した広告装置１００は、受付処理を行う受付装置と、抽出処理を行う抽出装置と、配信処理を行う配信装置とに分離されてもよい。この場合、受付装置は、入稿受付部１３１を有する。抽出装置は、取得部１３３と、抽出部１３４とを有する。また、配信装置は、受信部１３２と、配信部１３５と、通知部１３６とを有する。この場合、上記の広告装置１００による処理は、受付装置と、抽出装置と、配信装置との各装置を有する抽出処理システム１によって実現される。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

〔８．効果〕
上述してきたように、実施形態に係る広告装置１００は、入稿受付部１３１（受付部の一例）と、取得部１３３と、抽出部１３４とを有する。入稿受付部１３１は、共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付ける。取得部１３３は、広告コンテンツの配信対象であるユーザの属性に基づき分類されるユーザ群毎に、複数の広告コンテンツの広告効果を示す指標値を取得する。抽出部１３４は、取得部１３３によって取得された指標値とユーザ群との相関性に基づいて、複数の広告コンテンツの中から、ユーザに配信される広告コンテンツを抽出する。

このように、実施形態に係る広告装置１００は、宣伝対象を共通とする広告コンテンツであって、例えば、ターゲット層のユーザが想定された複数の広告コンテンツの入稿を受け付ける。そして、広告装置１００は、ユーザ情報や広告効果に関する情報に基づき、広告コンテンツの抽出を最適化し、ユーザ層毎に最も適する広告コンテンツを配信する。これにより、広告装置１００は、訴求効果の高い広告コンテンツをより多くのユーザに配信することができる。

また、抽出部１３４は、指標値とユーザ群との相関性に基づいて広告コンテンツ毎に作成される予測モデルを用いて、複数の広告コンテンツのうち、ユーザに対して最も指標値が高くなると予測される広告コンテンツを抽出する。

このように、実施形態に係る広告装置１００は、広告コンテンツ毎の予測モデルを用いて広告コンテンツを抽出することができる。これにより、広告装置１００は、複数の広告コンテンツの中から適切に効果の高い広告コンテンツを抽出し、ユーザに配信させることができる。

また、取得部１３３は、ユーザの属性のうち１種類の属性に基づいて分類されるユーザ群に対応する指標値を取得する。そして、抽出部１３４は、１種類の属性に基づいて分類されるユーザ群に対応する指標値と所定の重み値とを含む変数を組合せることにより作成される予測モデルを用いて、ユーザの各属性を予測モデルに当て嵌めることにより、当該ユーザに対して最も指標値が高くなると予測される広告コンテンツを抽出する。

このように、実施形態に係る広告装置１００は、属性情報毎の変数を含んだ形式で広告コンテンツの予測モデルを作成する。これにより、広告装置１００によれば、ユーザの属性情報が完全に一致するサンプルがなくとも、属性毎に予測モデルを当て嵌めることで全体の広告効果に与える影響を算出できるので、当該ユーザに対する広告効果を適切に予測することができる。

また、抽出部１３４は、抽出する広告コンテンツのうち所定の割合について、ユーザに配信される広告コンテンツをランダムに抽出する。そして、取得部１３３は、抽出部１３４によってランダムに抽出された広告コンテンツがユーザに配信された場合のユーザ群毎の指標値をさらに取得する。そして、抽出部１３４は、取得部１３３によって取得された指標値に基づいて更新される予測モデルを用いて、複数の広告コンテンツの中から、ユーザに配信される広告コンテンツを抽出する。

このように、実施形態に係る広告装置１００は、予測モデルが作成された後であっても、所定の割合（例えば全体の１割など）についてはランダムに広告コンテンツを抽出することができる。これにより、広告装置１００は、予測モデルを用いて抽出される広告コンテンツが固定化されることを防止できる。

また、取得部１３３は、ユーザの属性として、ユーザの年齢、性別、及び居住地のうち少なくとも一つに基づいて分類されるユーザ群に対応する指標値を取得する。

このように、実施形態に係る広告装置１００は、ユーザの種々の情報を用いて、ユーザをユーザ群に分類する。これにより、広告装置１００は、ユーザ群を詳細に分類できるので、より広告効果が高くなると想定される広告コンテンツを抽出しやすくなる。

また、取得部１３３は、指標値として、広告コンテンツがユーザから選択された回数、広告コンテンツが表示されることで広告コンテンツの広告主が得た利益に関する情報、広告コンテンツがユーザによって視聴された回数、広告コンテンツがユーザによって視聴された時間長のいずれか一つに基づいて算出される指標値を取得する。

このように、実施形態に係る広告装置１００は、種々の手法により示される広告効果の指標値を取得することができる。このため、広告装置１００は、広告コンテンツの抽出を様々な側面から最適化することができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 抽出処理システム
１０ ユーザ端末
２０ 広告主端末
３０ ウェブサーバ
１００ 広告装置
１１０ 通信部
１２０ 記憶部
１２１ 広告情報記憶部
１２２ ユーザ情報記憶部
１２３ 配信ログ記憶部
１３０ 制御部
１３１ 入稿受付部
１３２ 受信部
１３３ 取得部
１３４ 抽出部
１３５ 配信部
１３６ 通知部

Claims (8)

1. 共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付ける受付部と、
   広告コンテンツの配信対象であるユーザの属性に基づき分類されるユーザ群毎に、前記複数の広告コンテンツの広告効果を示す指標値を取得する取得部と、
   前記取得部によって取得された指標値と前記ユーザ群との相関性に基づいて、前記複数の広告コンテンツの中から、前記ユーザに配信される広告コンテンツを抽出する抽出部と、
   を備えたことを特徴とする抽出装置。
2. 前記抽出部は、
   前記指標値と前記ユーザ群との相関性に基づいて前記広告コンテンツ毎に作成される予測モデルを用いて、前記複数の広告コンテンツのうち、前記ユーザに対して最も前記指標値が高くなると予測される広告コンテンツを抽出する、
   ことを特徴とする請求項１に記載の抽出装置。
3. 前記取得部は、
   前記ユーザの属性のうち１種類の属性に基づいて分類されるユーザ群に対応する前記指標値を取得し、
   前記抽出部は、
   前記１種類の属性に基づいて分類されるユーザ群に対応する指標値と所定の重み値とを含む変数を組合せることにより作成される前記予測モデルを用いて、前記ユーザの各属性を前記予測モデルに当て嵌めることにより、当該ユーザに対して最も前記指標値が高くなると予測される広告コンテンツを抽出する、
   ことを特徴とする請求項２に記載の抽出装置。
4. 前記抽出部は、
   抽出する広告コンテンツのうち所定の割合について、前記ユーザに配信される広告コンテンツをランダムに抽出し、
   前記取得部は、
   前記抽出部によってランダムに抽出された広告コンテンツが前記ユーザに配信された場合の前記ユーザ群毎の指標値を取得し、
   前記抽出部は、
   前記取得部によって取得された指標値に基づいて更新される前記予測モデルを用いて、前記複数の広告コンテンツの中から、前記ユーザに配信される広告コンテンツを抽出する、
   ことを特徴とする請求項２又は３に記載の抽出装置。
5. 前記取得部は、
   前記ユーザの属性として、前記ユーザの年齢、性別、及び居住地のうち少なくとも一つに基づいて分類されるユーザ群に対応する前記指標値を取得する、
   ことを特徴とする請求項１〜４のいずれか一つに記載の抽出装置。
6. 前記取得部は、
   前記指標値として、前記広告コンテンツがユーザから選択された回数、前記広告コンテンツが表示されることで前記広告コンテンツの広告主が得た利益に関する情報、前記広告コンテンツがユーザによって視聴された回数、前記広告コンテンツがユーザによって視聴された時間長のいずれか一つに基づいて算出される指標値を取得する、
   ことを特徴とする請求項１〜５のいずれか一つに記載の抽出装置。
7. コンピュータが実行する抽出方法であって、
   共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付ける受付工程と、
   広告コンテンツの配信対象であるユーザの属性に基づき分類されるユーザ群毎に、前記複数の広告コンテンツの広告効果を示す指標値を取得する取得工程と、
   前記取得工程によって取得された指標値と前記ユーザ群との相関性に基づいて、前記複数の広告コンテンツの中から、前記ユーザに配信される広告コンテンツを抽出する抽出工程と、
   を含んだことを特徴とする抽出方法。
8. 共通した宣伝対象に関する複数の広告コンテンツの入稿を受け付ける受付手順と、
   広告コンテンツの配信対象であるユーザの属性に基づき分類されるユーザ群毎に、前記複数の広告コンテンツの広告効果を示す指標値を取得する取得手順と、
   前記取得手順によって取得された指標値と前記ユーザ群との相関性に基づいて、前記複数の広告コンテンツの中から、前記ユーザに配信される広告コンテンツを抽出する抽出手順と、
   をコンピュータに実行させることを特徴とする抽出プログラム。

Images