JP2018151837A - 広告出力装置、広告出力方法及び広告出力プログラム - Google Patents

Abstract

【課題】広告の配信者にとって有用な広告を配信することを課題とする。【解決手段】広告出力装置は、ユーザの画像データを解析し、画像データに含まれる被写体を認識し、被写体情報ごとに、解析対象の画像データに被写体が出現する頻度を示す出現頻度データを生成する。広告出力装置は、広告を識別する広告識別情報と、広告データの出力対象とする条件として、被写体情報及び頻度の関係性を示す第１の対象条件情報と、広告データの出力毎に広告主が支払う費用の情報と、全ユーザのうち第１の対象条件情報に合致するユーザ数の情報とが対応付けられた広告対応データを取得する。広告出力装置は、出現頻度データが第１の対象条件情報を満たす広告識別情報を抽出し、費用の情報、及び、ユーザ数の情報のうち少なくとも一つに基づいて、抽出した広告識別情報を絞り込み、ユーザに対して出力する広告データを決定する。【選択図】図１

Description

本発明は、広告出力装置、広告出力方法及び広告出力プログラムに関する。

従来、広告の配信では、個人に対して最適な広告を配信することで費用対効果を高めたいという要求がある。例えば、個人に対して最適な広告を配信できるのであれば、ユーザにとって興味の低い広告が配信されることを削減できるし、広告のヒット率を向上させることができる。

ところで、デジタルカメラやカメラ付き携帯電話機、スマートフォン、フォトストレージサービス、ＳＮＳ（Social Networking Service）等の普及により、多数の画像の蓄積が一般に行なわれている。そこで、最近では、蓄積された画像からユーザの属性情報を推定し、属性情報に応じた広告を配信する技術がある。

例えば、特許文献１（特開２００２−１５２２０号公報）や特許文献２（特開２００９−２１０９４９号公報）では、画像を解析してユーザに関する属性情報を抽出し、抽出した属性情報に応じた広告を選択する技術が開示されている。

しかしながら、従来技術は、広告の配信者にとって有用な広告が配信されていない可能性があるという問題がある。具体的には、従来技術は、配信対象のユーザの属性情報に応じた広告情報を選択するため、ユーザにとっては有用な広告が配信されているかも知れないが、広告の配信者にとっては有用ではない可能性がある。例えば、広告の配信者にとっては、広告枠による収益をより向上できる広告が選択・配信されることが好ましい。この点、従来技術は、１枠の広告枠に対して、属性情報に応じた広告が複数存在する場合に、収益をより向上できる広告が選択されるとは限られず、広告の配信者にとっては有用な広告が配信されていない可能性がある。

本発明は、上記に鑑みてなされたものであって、広告の配信者にとって有用な広告を配信することを目的とする。

上述した課題を解決し、目的を達成するため、本発明に係る広告出力装置は、ユーザの画像データを解析し、前記画像データに含まれる被写体を認識する画像解析部と、認識された前記被写体の被写体情報ごとに、解析対象の前記画像データに該被写体が出現する頻度を示す出現頻度データを生成する生成部と、広告を識別する広告識別情報と、広告データの出力対象とする条件として、被写体情報及び頻度の関係性を示す第１の対象条件情報と、前記広告データの出力毎に広告主が支払う費用の情報と、全ユーザのうち前記第１の対象条件情報に合致するユーザ数の情報とが対応付けられた広告対応データを取得する広告対応データ処理部と、前記出現頻度データが前記第１の対象条件情報を満たす前記広告識別情報を抽出し、前記費用の情報、及び、前記ユーザ数の情報のうち少なくとも一つに基づいて、抽出した前記広告識別情報を絞り込み、前記ユーザに対して出力する広告データを決定する決定部とを有する。

本発明によれば、広告の配信者にとって有用な広告を配信することができるという効果を奏する。

図１は、実施の形態１に係る広告出力装置の機能構成例を示すブロック図である。 図２は、実施の形態１に係る画像データの被写体認識結果と頻度データとをグラフ化した例を示す図である。 図３は、実施の形態１に係るキーワードリストの例を示す図である。 図４は、実施の形態１に係る広告リストの例を示す図である。 図５は、実施の形態１に係る広告出力装置による全体処理の流れの例を示すフローチャートである。 図６は、実施の形態１に係る画像データ解析処理の流れの例を示すフローチャートである。 図７は、実施の形態１に係る画像認識処理において確度によって推定結果を絞り込む例を説明する図である。 図８は、実施の形態１に係る画像認識処理において確度によって推定結果を絞り込む例を説明する図である。 図９は、実施の形態１に係る解析結果と画像データとを対応付けて記憶する例を説明する図である。 図１０は、実施の形態１に係る広告出力装置のハードウェア構成例を示すブロック図である。 図１１は、実施の形態２に係る広告出力装置の機能構成例を示すブロック図である。 図１２は、実施の形態２に係るユーザ情報ＤＢに記憶されたユーザ情報の例を示す図である。 図１３は、実施の形態２に係る広告リストの例を示す図である。 図１４は、実施の形態２に係る広告出力装置による全体処理の流れの例を示すフローチャートである。 図１５は、実施の形態３に係る広告出力装置の機能構成例を示すブロック図である。 図１６は、実施の形態３に係るフォトブック作成処理の流れの例を示すフローチャートである。

以下に添付図面を参照して、本発明に係る広告出力装置、広告出力方法及び広告出力プログラムの実施の形態を説明する。なお、以下の実施の形態により本発明が限定されるものではない。また、各実施の形態は、内容を矛盾させない範囲で適宜組み合わせることができる。

（実施の形態１）
図１を用いて、実施の形態１に係る広告出力装置１００の機能構成を説明する。図１は、実施の形態１に係る広告出力装置１００の機能構成例を示すブロック図である。

図１に示すように、広告出力装置１００は、画像取得部１０１と、画像解析部１０２と、生成部１０３と、広告リスト処理部１０４と、決定部１０５と、広告データ取得部１０６と、広告データ出力部１０７とを有する。また、広告出力装置１００は、ネットワークを介して、ユーザ情報ＤＢ１０や広告ＤＢ２０と接続される。なお、ユーザ情報ＤＢ１０及び広告ＤＢ２０は、一部又は全てを共通のデータベースとして使用されても良い。ネットワークは、有線回線であっても良いし無線回線であっても良い。

ユーザ情報ＤＢ１０には、ユーザによって撮影（取得）された画像データが蓄積される。ユーザＤＢ１０は、大容量の記憶装置である。例えば、ユーザ情報ＤＢ１０には、デジタルカメラやカメラ付携帯電話機、スマートフォン等の撮影装置によって撮影された画像データが蓄積される。また、ユーザ情報ＤＢ１０には、スキャナ機器等によって取り込まれた画像データが蓄積される。また、ユーザ情報ＤＢ１０には、ユーザがアクセスを許可することで、ホームページやＳＮＳ等にアップロードされた画像データが蓄積される。ユーザ情報ＤＢ１０は、蓄積された画像データをユーザごとに管理する。ユーザは、ユーザＩＤやパスワード等を入力することで、該ユーザＩＤに対応する画像データにアクセスすることが可能となる。広告ＤＢ２０には、広告リストと広告データとが格納される。なお、広告リストの詳細については後述する。

画像取得部１０１は、ユーザ情報ＤＢ１０から広告データの配信対象となるユーザの画像データを取得する。画像解析部１０２は、ユーザの画像データを解析し、画像データに含まれる被写体を認識する。より具体的には、画像解析部１０２は、画像取得部１０１によって取得された画像データに対して、顔属性認識処理や一般物体・シーン認識処理、ＯＣＲ（Optical Character Recognition）等の画像認識処理を実施する。例えば、顔属性認識処理では、画像データに含まれる（複数の）顔が認識され、被写体の性別や年齢、感情等が推定される。一般物体・シーン認識処理では、画像データに含まれる物体やシーンが何であるかが推定される。一般物体・シーン認識の例としては、動物やペット、犬、山、車、企業・ブランドのロゴタイプ、アニメ・漫画のキャラクタ、ランドマーク等が挙げられる。ＯＣＲでは、画像データに含まれる文字（例えば、看板の文字等）が認識される。

生成部１０３は、認識された被写体の被写体情報ごとに、解析対象の画像データに該被写体が出現する頻度を示す出現頻度データを生成する。図２は、実施の形態１に係る画像データの被写体認識結果と頻度データとをグラフ化した例を示す図である。図２に示すように、生成部１０３は、画像解析部１０２によって認識された被写体について、性別、年代、性別×年代、感情、シーン・物体、及び、ＯＣＲ等の被写体情報の頻度データをグラフ化する。図３は、実施の形態１に係るキーワードリストの例を示す図である。図３に示すように、生成部１０３は、図２に示したグラフをもとに、認識された被写体を「キーワード」として、キーワードが出現する頻度を対応付けたキーワードリストを生成する。キーワードリストは、図２に示したグラフにおいて、頻度データが１以上となっているキーワードをピックアップしてリスト化したものである。

詳細には、生成部１０３は、画像解析部１０２によって実施された顔属性認識処理の結果から、ユーザの画像データ内に、男性が含まれている頻度データと、女性が含まれている頻度データとを計算する。ここで、生成部１０３は、１枚の画像データ内に、男性又は女性が２人以上含まれている場合には、認識した人数分をカウントする。そして、生成部１０３は、顔属性認識処理の結果から、年代の頻度データを計算する。図２及び図３では、年代について、０〜３歳、４〜１２歳、１３〜１９歳、２０〜３４歳、３５〜４９歳、５０歳以上といった６のカテゴリに分けた場合を例に挙げた。年代は、例示したカテゴリに限定されるものではない。例えば、年代については、より細かく区切るようにしても良いし、より粗く区切るようにしても良い。また、広告主の顧客ターゲット層が明確である場合（例えば、４〜６歳をターゲットとしている場合）は、その区切り方に合わせても良い。

続いて、生成部１０３は、ユーザの特性や嗜好をより詳細に解析するために、性別や年代だけではなく、性別×年代別に被写体の頻度データを計算する。図２及び図３では、性別×年代について、男性０〜３歳、女性０〜３歳、男性４〜１２歳、女性４〜１２歳、男性１３〜１９歳、女性１３〜１９歳、男性２０〜３４歳、女性２０〜３４歳、男性３５〜４９歳、女性３５〜４９歳、男性５０歳以上、女性５０歳以上といった１２のカテゴリに分けた場合を例に挙げた。性別×年代は、例示したカテゴリに限定されるものではない。例えば、性別×年代については、より細かく年齢を区切るようにしても良いし、より粗く年齢を区切るようにしても良い。また、広告主の顧客ターゲット層が明確である場合（例えば、１８〜２２歳の女性をターゲットとしている場合）は、その区切り方に合わせても良い。

その後、生成部１０３は、顔属性認識処理の結果から、感情の頻度データを計算する。例えば、頻度データを算出する区分けは、感情の認識で推定されたカテゴリ単位としても良いし、類似する感情を統合して新たなカテゴリを作成するようにしても良い。そして、生成部１０３は、顔属性認識処理の結果に次いで、一般物体・シーン認識処理の結果から、ユーザの画像データ内に含まれているシーンや物体の頻度データを計算する。例えば、シーン・物体の頻度データを算出する区分けは、一般物体・シーン認識処理で推定されたカテゴリ単位としても良いし、共通するものや類似するものを統合して新たなカテゴリを作成するようにしても良い。例を挙げると、「犬」、「猫」、「ハムスター」、「うさぎ」それぞれを統合して、「ペット」というカテゴリを作成しても良い。

続いて、生成部１０３は、一般物体・シーン認識処理の結果に次いで、ＯＣＲの結果から、ユーザの画像データ内に含まれているテキスト（文字列）の頻度データを計算する。例えば、生成部１０３は、ＯＣＲで認識されたテキストをそのまま使用するのではなく、単語単位に分割したうえで頻度データを計算する。日本語等の単語単位への分割は、形態素解析処理を実施すれば良い。

その後、生成部１０３は、生成したキーワードリストを、ユーザを識別するユーザ識別情報（例えば、ユーザＩＤ）に対応付けて、ユーザ情報ＤＢ１０に格納する。

広告リスト処理部１０４は、広告ＤＢ２０から広告リストを取得し、生成部１０３によって生成されたキーワードリストをもとに広告リストを更新する。かかる広告リスト処理部１０４は、「広告対応データ処理部」に対応する。また、広告リストは、「広告対応データ」に対応する。例えば、広告リストは、広告を識別する広告識別情報と、広告データの出力対象とする条件として、被写体情報及び頻度の関係性を示す対象条件情報と、広告データの出力毎に広告主が支払う費用の情報と、全ユーザのうち対象条件情報に合致するユーザ数の情報とが対応付けられたリストである。

図４は、実施の形態１に係る広告リストの例を示す図である。図４に示すように、広告リストには、広告を識別する「広告ＩＤ」と、広告データの広告主を識別する「広告主ＩＤ」と、広告データを識別する「広告原稿ＩＤ」と、広告データの配信対象としたいユーザの特性や嗜好を表すキーワード条件である「対象者の条件」と、広告データを１ユーザに配信した際に広告主が支払う費用である「１ユーザあたりの費用」と、キーワード条件を満たすユーザ数である「該当ユーザ数」との情報が対応付けられている。

これらのうち、広告ＩＤは上述した「広告識別情報」に対応し、対象者の条件は上述した「対象条件情報」に対応し、１ユーザあたりの費用は上述した「費用の情報」に対応し、該当ユーザ数は上述した「ユーザ数の情報」に対応する。なお、対象者の条件は、「第１の対象条件情報」に対応する。ここで、広告ＩＤが「Ａ００２」、「Ａ００３」である広告は、広告データや広告主は同一（広告原稿ＩＤが「Ｃ００２」、広告主ＩＤが「Ｂ００１」）であるが、対象者の条件が異なるため別の広告として識別するようにしている。加えて、広告ＩＤが「Ａ００２」、「Ａ００３」である広告のように、広告データが同一であっても、１ユーザあたりの費用が異なる場合も有り得る。

対象者の条件について、広告主は、広告を配信したい対象者（ターゲット）の特性や嗜好に該当するキーワードの条件を指定できる。例えば、広告主は、キーワードの出現頻度の設定や、複数の条件を“and”（論理積）や“or”（論理和）で接合することができる。このように、対象者の条件は、被写体情報及び頻度の関係性を示している。

例えば、子供服を販売する企業が広告主で、４〜１２歳の男の子がいるユーザに男の子向けのキャラクタＡがプリントされた子供服の広告を配信したいものとする。かかる場合、対象者の条件には、「“男性４〜１２歳＞＝１”and“キャラクタＡ＞＝１”」が指定される。また、例えば、子供服を販売する企業が広告主で、４〜１２歳の女の子がいるユーザに女の子向けのキャラクタＢがプリントされた子供服の広告を配信したいものとする。かかる場合、対象者の条件には、「“女性４〜１２歳＞＝１”and“キャラクタＢ＞＝１”」が指定される。後述するように、条件に合致するユーザに対しては、対応する広告データが配信される可能性がある。広告出力装置１００は、ユーザの特性や嗜好に合った広告データを配信することが可能となり、的外れな広告データの配信を削減するとともに、ヒット率を向上させることができる。

該当ユーザ数について、広告リスト処理部１０４は、ユーザ情報ＤＢ１０に保存されたユーザの中で、広告リストの「対象者の条件」を満たすユーザ数をカウントして記録（更新）する。例えば、広告リスト処理部１０４は、生成部１０３によって生成された全ユーザのキーワードリストを取得し、広告リストの「対象者の条件」を満たすユーザ数をカウントする。該当ユーザ数の算出タイミングは、広告リストを広告ＤＢ２０に保存するタイミングの１回だけに限られるものではない。例えば、広告リスト処理部１０４は、ユーザ情報ＤＢ１０が更新されるタイミングで「該当ユーザ数」を適宜算出するようにしても良い。

図１に戻り、決定部１０５は、生成部１０３によって生成されたキーワードリストと、広告リスト処理部１０４によって更新された広告リストとに基づいて、出力する広告データを決定する。より具体的には、決定部１０５は、生成部１０３によって生成されたキーワードリスト（キーワードとその頻度）が、広告リスト処理部１０４によって取得・更新された広告リストの「対象者の条件」を満たす広告ＩＤを抽出する。ここで、決定部１０５は、抽出した広告ＩＤの数が配信可能な広告の上限数よりも多い場合に、以下で説明する条件に従って、広告ＩＤの絞り込みを行なう。

例えば、決定部１０５は、広告ＩＤの絞り込みに際し、費用（１ユーザあたりの費用）が高い広告ＩＤを優先して絞り込む。つまり、決定部１０５は、キーワードリストが対象者の条件を満たす広告ＩＤを抽出することで、広告主や配信対象のユーザにとって有用な広告となる広告ＩＤを抽出する。さらに、決定部１０５は、配信可能な広告上限数よりも多くの広告ＩＤが抽出された場合に、費用（１ユーザあたりの費用）が高い広告ＩＤを優先してさらに絞り込むことで、配信者にとってより収益の高い広告ＩＤを選定することが可能となる。換言すると、広告出力装置１００は、広告主や配信対象のユーザ、配信者にとって有用な広告を配信することができる。

また、例えば、決定部１０５は、広告ＩＤの絞り込みに際し、ユーザ数（該当ユーザ数）が少ない広告ＩＤを優先して絞り込む。つまり、決定部１０５は、キーワードリストが対象者の条件を満たす広告ＩＤを抽出することで、広告主や配信対象のユーザにとって有用な広告となる広告ＩＤを抽出する。さらに、決定部１０５は、配信可能な広告上限数よりも多くの広告ＩＤが抽出された場合に、ユーザ数（該当ユーザ数）が少ない広告ＩＤを優先してさらに絞り込むことで、広告を配信する機会が失われることを抑制することが可能となる。広告の配信者にとっては、広告主が配信したい広告が配信されないことは避けたいため、該当ユーザ数が少ない広告ＩＤを優先することは、広告主を広く囲い込むことに繋がり有用である。換言すると、広告出力装置１００は、広告主や配信対象のユーザ、配信者にとって有用な広告を配信することができる。

なお、広告ＩＤの絞り込みは、費用（１ユーザあたりの費用）と、ユーザ数（該当ユーザ数）との情報を組み合わせて実現しても良い。例えば、決定部１０５は、広告ＩＤの絞り込みの結果、費用が同額の広告ＩＤが存在する場合、ユーザ数がより少ない広告ＩＤを優先する。また、決定部１０５は、広告ＩＤの絞り込みの結果、ユーザ数が同一の広告ＩＤが存在する場合、費用がより高い広告ＩＤを優先する。

広告データ取得部１０６は、出力する広告データを取得する。より具体的には、広告データ取得部１０６は、決定部１０５によって決定された広告ＩＤに対応する広告データを、広告ＤＢ２０から取得する。上述したように、広告リストには、広告ＩＤに対応する広告原稿ＩＤが存在する（図４参照）。従って、広告データ取得部１０６は、広告原稿ＩＤに対応する広告データを広告ＤＢ２０から取得すれば良い。

広告データ出力部１０７は、広告データを出力する。より具体的には、広告データ出力部１０７は、広告データ取得部１０６によって取得された広告データを、該当するユーザに対して出力する。例えば、広告データの出力は、ユーザが所持する端末に広告として表示するために配信したり、クーポンとして送信したりすれば良い。

次に、図５を用いて、実施の形態１に係る広告出力装置１００による全体処理を説明する。図５は、実施の形態１に係る広告出力装置１００による全体処理の流れの例を示すフローチャートである。

図５に示すように、広告出力装置１００は、ユーザ情報ＤＢ１０から、広告データの配信対象となるユーザの画像データを取得する（ステップＳ１０１）。そして、広告出力装置１００は、取得した画像データを解析する（ステップＳ１０２）。なお、画像データの解析の詳細については後述する。続いて、広告出力装置１００は、画像データの解析結果から、ユーザの特性や嗜好を表すキーワードリストを生成する（ステップＳ１０３）。

その後、広告出力装置１００は、広告ＤＢ２０から広告リストを取得し、生成したキーワードリストをもとに、広告リストを更新する（ステップＳ１０４）。そして、広告出力装置１００は、キーワードリストと、広告リストとに基づいて、出力する広告データ（広告ＩＤ）を決定する（ステップＳ１０５）。続いて、広告出力装置１００は、決定した広告データを取得する（広告ＩＤに対応する広告原稿ＩＤをもとに、広告ＤＢ２０から広告データを取得する）（ステップＳ１０６）。そして、広告出力装置１００は、取得した広告データを該当するユーザの端末等に出力する（ステップＳ１０７）。

次に、図６を用いて、実施の形態１に係る画像データ解析処理を説明する。図６は、実施の形態１に係る画像データ解析処理の流れの例を示すフローチャートである。なお、図６に示すフローチャートは、図５に示したステップＳ１０２における処理の詳細である。

図６に示すように、広告出力装置１００は、ユーザ情報ＤＢ１０から対象ユーザの画像データを１枚取得する（ステップＳ２０１）。そして、広告出力装置１００は、取得した画像データが解析済みであるか否かを判定する（ステップＳ２０２）。このとき、広告出力装置１００は、解析済みである場合に（ステップＳ２０２：Ｙｅｓ）、ステップＳ２０５の処理を実行する。一方、広告出力装置１００は、解析済みでない場合に（ステップＳ２０２：Ｎｏ）、画像データに画像認識処理を実施し、画像データに含まれる被写体を認識する（ステップＳ２０３）。

例えば、広告出力装置１００は、顔属性認識処理や一般物体・シーン認識処理、ＯＣＲ等の画像認識処理を実行する。上述したように、広告出力装置１００は、画像認識処理によって、被写体の性別や年齢、感情の推定、物体やシーンの推定、文字の推定を行なう。ここで、顔属性認識による感情の推定結果は１種類とは限られないため、複数の推定結果を使用しても良い。そこで、広告出力装置１００は、推定結果の確からしさを表す確度を使用し、確度が閾値以上の推定結果のみを使用するようにしても良い。

図７は、実施の形態１に係る画像認識処理において確度によって推定結果を絞り込む例を説明する図である。図７に示すように、広告出力装置１００は、顔属性認識による感情の推定結果に対し、「喜び」という推定結果の確度が閾値以上であるため、「喜び」という感情の推定結果のみを使用する。例えば、閾値は、経験的に決められた所定値を用いる方法や、確度が高い上位Ｎ個（例えば、Ｎ＝１等）となるように決定する方法が挙げられる。

また、一般物体・シーン認識の推定結果についても１種類とは限られないため、複数の推定結果を使用しても良い。同様に、広告出力装置１００は、推定結果の確度を使用し、確度が閾値以上の推定結果のみを使用するようにしても良い。図８は、実施の形態１に係る画像認識処理において確度によって推定結果を絞り込む例を説明する図である。図８に示すように、広告出力装置１００は、一般物体・シーン認識による推定結果に対し、「猫」という物体の推定結果の確度が閾値未満であるため、「猫」という物体の推定結果は使用しない。例えば、閾値は、経験的に決められた所定値を用いる方法や、確度の上位Ｎ個（例えば、Ｎ＝５等）となるように決定する方法が挙げられる。

続いて、広告出力装置１００は、画像データの解析結果を、該画像データと対応付けて記憶する（ステップＳ２０４）。図９は、実施の形態１に係る解析結果と画像データとを対応付けて記憶する例を説明する図である。図９に示すように、広告出力装置１００は、ユーザを識別する「ユーザＩＤ」と、画像データのファイル名称を示す「画像ファイル名」と、画像認識処理の種類を示す「認識種類」と、認識種類の解析結果の一つを示す「認識結果１」、「認識結果２」とを対応付けて記憶する。

例えば、図９に示すように、認識種類には、「顔属性認識（性別・年齢）」、「顔属性認識（感情）」、「一般物体・シーン認識」、「ＯＣＲ」の４種類が挙げられる。また、例えば、認識結果１には、認識種類が「顔属性認識（性別・年齢）」である場合、「性別（男性又は女性）」が記述される。但し、認識結果１には、認識種類が「顔属性認識（性別・年齢）」であっても、顔を認識できなかった場合には「なし」が記述される。また、例えば、認識結果１には、認識種類が「顔属性認識（感情）」である場合、認識された「感情カテゴリ」が記述される。但し、認識結果１には、認識種類が「顔属性認識（感情）」であっても、顔を認識できなかった場合には「なし」が記述される。また、例えば、認識結果１には、認識種類が「一般物体・シーン認識」である場合、認識された物体やシーンが記述される。但し、認識結果１には、認識種類が「一般物体・シーン認識」であっても、認識できなかった場合には「なし」が記述される。また、例えば、認識結果１には、認識種類が「ＯＣＲ」である場合、「言語種類（日本語や英語等）」が記述される。但し、認識結果１には、認識種類が「ＯＣＲ」であっても、テキストを認識できなかった場合は「なし」が記述される。

また、例えば、認識結果２には、認識種類が「顔属性認識（性別・年齢）」である場合、「年齢」が記述される。但し、認識結果２には、認識種類が「顔属性認識（性別・年齢）」であっても、顔を認識できなかった場合には「なし」が記述される。また、例えば、認識結果２には、認識種類が「顔属性認識（感情）」である場合、認識結果１に記述された感情の「確度」が記述される。但し、認識結果２には、認識種類が「顔属性認識（感情）」であっても、顔を認識できなかった場合には「なし」が記述される。また、例えば、認識結果２には、認識種類が「一般物体・シーン認識」である場合、認識結果１に記述された物体又はシーンの「確度」が記述される。但し、認識結果２には、認識種類が「一般物体・シーン認識」であっても、認識できなかった場合には「なし」が記述される。また、例えば、認識結果２には、認識種類が「ＯＣＲ」である場合、「テキスト内容（ＯＣＲ結果）」が記述される。但し、認識結果２には、認識種類が「ＯＣＲ」であっても、テキストを認識できなかった場合は「なし」が記述される。

なお、広告出力装置１００は、図９に示した情報以外にも、画像ファイルのメタデータ（例えば、撮影日時や撮影場所、撮影機種等の画像ファイルに関する付加的情報）や、画像ファイルをユーザ情報ＤＢ１０に保存した日時等も記録しても良い。つまり、広告出力装置１００は、画像ファイルのメタデータを、解析結果の一つとしてユーザ情報ＤＢ１０に保存しても良い。これにより、広告出力装置１００は、画像認識だけでは推定が困難なユーザの特性を推定することができる。

その後、広告出力装置１００は、対象となる画像データ全てを解析したか否かを判定する（ステップＳ２０５）。このとき、広告出力装置１００は、未解析の画像データが存在する場合に（ステップＳ２０５：Ｎｏ）、ステップＳ２０１の処理に戻り、ユーザ情報ＤＢ１０から次の画像データ１枚を取得する。一方、広告出力装置１００は、画像データ全てを解析した場合に（ステップＳ２０５：Ｙｅｓ）、画像データ解析処理を終了する。

ユーザの画像データの解析処理は、該ユーザが所持する画像データ全てを対象にしなくても良い。例えば、広告出力装置１００は、ユーザ情報ＤＢ１０に保存された画像データのうち、直近の１ヶ月に保存された画像データを対象としても良いし、直近に保存された所定枚数（例えば、２０枚等）の画像データを対象としても良い。ユーザの特性や嗜好は、時間の経過とともに変化することが考えられるため、直近に保存された画像データを解析処理の対象とすることで、ユーザの直近の特性や嗜好を反映した広告を配信することが可能となる。また、これらの他にも、前回にユーザに対して広告を配信した後に保存された画像データを対象としても良い。かかる場合は、前回とは異なる内容の広告を配信することができる可能性があり、同一ユーザに類似する広告を配信することを抑制することができる。なお、画像データ解析処理は、ユーザ情報ＤＢ１０に画像データが保存されるタイミングで処理が実施されることを基本とするが、それ以外のタイミングで処理が実施されても良い。

次に、図１０を用いて、実施の形態１に係る広告出力装置１００のハードウェア構成を説明する。図１０は、実施の形態１に係る広告出力装置１００のハードウェア構成例を示すブロック図である。

図１０に示すように、広告出力装置１００は、ＣＰＵ（Central Processing Unit）３２と、ＲＯＭ（Read Only Memory）３３と、ＲＡＭ（Random Access Memory）３４と、接続Ｉ／Ｆ３５と、通信Ｉ／Ｆ３６とを有する。上記各部は、バス３１によって相互に接続される。ＣＰＵ３２は、ＲＡＭ３４を作業領域としてＲＯＭ３３等に格納されたプログラムを実行することで、広告出力装置１００の動作を統括的に制御する。接続Ｉ／Ｆ３５は、広告出力装置１００に接続される機器とのインタフェースである。通信Ｉ／Ｆ３６は、ネットワークを介して他の情報処理装置と通信を行なうためのインタフェースである。

図１で説明した広告出力装置１００の各機能は、ＣＰＵ３２において所定のプログラム（広告出力プログラム）が実行されることで実現される。広告出力プログラムは、記録媒体を経由して取得されるものでも良いし、ネットワークを経由して取得されるものでも良いし、ＲＯＭ等に組み込まれて提供されるものでも良い。処理に際して参照・更新されるデータは、ＲＡＭ３４等に保持される。

また、広告出力装置１００で実行される広告出力プログラムは、一つの様態として、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記憶されて提供される。また、広告出力装置１００で実行される広告出力プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしても良い。また、広告出力装置１００で実行される広告出力プログラムを、インターネット等のネットワーク経由で提供又は配布するように構成しても良い。

上述したように、広告出力装置１００は、ユーザの画像データの画像認識処理結果をもとに、広告主が指定する条件を満たす広告を抽出し、１ユーザあたりの費用が高い広告や、該当ユーザが少ない広告を優先して、さらに絞り込みを行なうことで、ユーザに対して出力する広告データを決定する。この結果、広告出力装置１００は、広告の配信対象のユーザや広告主だけではなく、広告の配信者にとっても有用な広告を配信することができる。

（実施の形態２）
上記実施の形態１では、ユーザの画像データに対する画像認識結果を使用して、出力する広告を選定する場合を例に挙げた。出力する広告の選定はこれに限られるものではない。実施の形態２では、さらにユーザ情報を使用して出力する広告を選定する場合を説明する。なお、実施の形態２では、実施の形態１に係る広告出力装置１００と同様の構成については同一の符号を付し、その詳細な説明を省略する場合がある。

図１１を用いて、実施の形態２に係る広告出力装置２００の機能構成を説明する。図１１は、実施の形態２に係る広告出力装置２００の機能構成例を示すブロック図である。

図１１に示すように、広告出力装置２００は、画像取得部１０１と、画像解析部１０２と、生成部１０３と、広告リスト処理部２０４と、決定部２０５と、広告データ取得部１０６と、広告データ出力部１０７と、ユーザ情報取得部２０８とを有する。また、広告出力装置２００は、ネットワークを介して、ユーザ情報ＤＢ１０ａや広告ＤＢ２０ａと接続される。なお、ユーザ情報ＤＢ１０ａ及び広告ＤＢ２０ａは、一部又は全てを共通のデータベースとして使用されても良い。ネットワークは、有線回線であっても良いし無線回線であっても良い。

ユーザ情報ＤＢ１０ａには、ユーザによって撮影（取得）された画像データや、画像データ以外のユーザに関する情報が蓄積される。図１２は、実施の形態２に係るユーザ情報ＤＢ１０ａに記憶されたユーザ情報の例を示す図である。図１２に示すように、ユーザ情報ＤＢ１０ａには、ユーザの住所や世帯構成、ユーザの趣味や嗜好情報、広告配信後のユーザの行動や購買履歴情報等が記憶される。より具体的には、ユーザ情報ＤＢ１０ａは、ユーザを識別する「ユーザＩＤ」と、ユーザ情報の種類を識別する「情報種類」と、ユーザ情報の内容を示す「情報内容」との情報を対応付けて記憶する。これらの情報は、例えば、アンケート等を行なうことによって取得される。

広告配信後のユーザの行動や購買履歴情報は、配信した広告がインターネット上の配給経路を通じた電子広告である場合に、広告がクリックされたことを示す情報を取得することで得られる。一方、広告配信後のユーザの行動や購買履歴情報は、配信した広告がインターネット上の配給経路を通じた電子広告でない場合に、広告に二次元コード等のＩＤを付与することで、該ユーザが二次元コードを携帯電話機やスマートフォン等から読み取り、広告主のＥＣサイトへアクセスしたことを示す情報を取得することで得られる。このほか、広告配信後のユーザの行動や購買履歴情報は、該ユーザが実店舗に広告を持参し、広告主が該広告を二次元コード等のＩＤを読み取ることで、どのユーザに出力した広告が使用されたかを把握できる。

ユーザ情報取得部２０８は、ユーザ情報ＤＢ１０ａから、ユーザに関する情報を取得する。より具体的には、ユーザ情報取得部２０８は、ユーザ情報ＤＢ１０ａから、画像データ以外の、ユーザの住所や世帯構成、ユーザの趣味や嗜好情報、広告配信後のユーザの行動や購買履歴情報等を取得する。

広告リスト処理部２０４は、広告ＤＢ２０ａから広告リストを取得し、生成部１０３によって生成されたキーワードリストと、ユーザ情報取得部２０８によって取得されたユーザに関する情報とに基づいて、広告リストを更新する。例えば、広告リストには、実施の形態１に係る広告リストの情報に加えて、広告データの配信対象としたいユーザに関する情報を表すキーワード条件である「対象者の条件（画像以外）」の情報が対応付けられている。

図１３は、実施の形態２に係る広告リストの例を示す図である。図１３に示すように、広告リストには、広告を識別する「広告ＩＤ」と、広告データの広告主を識別する「広告主ＩＤ」と、広告データを識別する「広告原稿ＩＤ」と、広告データの配信対象としたいユーザの特性や嗜好を表すキーワード条件である「対象者の条件（画像）」と、広告データの配信対象としたいユーザに関する情報を表すキーワード条件である「対象者の条件（画像以外）」と、広告データを１ユーザに配信した際に広告主が支払う費用である「１ユーザあたりの費用」と、キーワード条件を満たすユーザ数である「該当ユーザ数」との情報が対応付けられている。実施の形態２において、対象者の条件（画像）は「第１の対象条件情報」に対応し、対象者の条件（画像以外）は「第２の対象条件情報」に対応する。

対象者の条件について、広告主は、広告を配信したい対象者（ターゲット）のユーザ情報に該当するキーワードの条件をさらに指定できる。つまり、実施の形態２では、実施の形態１で説明した「対象者の条件（画像）」に加えて、「対象者の条件（画像以外）」が用いられる。例えば、子供服を販売する企業が広告主で、Ａ県Ｂ市に住む４〜１２歳の男の子がいるユーザに男の子向けのキャラクタＡがプリントされた子供服の広告を配信したいものとする。かかる場合、対象者の条件（画像）には、「“男性４〜１２歳＞＝１”and“キャラクタＡ＞＝１”」が指定され、対象者の条件（画像以外）には、「“住所＝＝Ａ県Ｂ市”」が指定される。これらの条件に合致するユーザに対しては、対応する広告データが配信される可能性がある。広告出力装置２００は、ユーザの特性や嗜好に合うとともに、ユーザ情報に合致する広告データを配信することが可能となり、的外れな広告データの配信をより削減できるとともに、ヒット率をより向上させることができる。

該当ユーザ数について、広告リスト処理部２０４は、ユーザ情報ＤＢ１０ａに保存されたユーザの中で、広告リストの「対象者の条件（画像）」と「対象者の条件（画像以外）」とを満たすユーザ数をカウントして記録（更新）する。例えば、広告リスト処理部２０４は、生成部１０３によって生成された全ユーザのキーワードリストと、ユーザ情報取得部２０８によって取得された全ユーザのユーザ情報とから、広告リストの「対象者の条件（画像）」及び「対象者の条件（画像以外）」を満たすユーザ数をカウントする。該当ユーザ数の算出タイミングは、広告リストを広告ＤＢ２０ａに保存するタイミングの１回だけに限られるものではない。例えば、広告リスト処理部２０４は、ユーザ情報ＤＢ１０ａが更新されるタイミングで「該当ユーザ数」を適宜算出するようにしても良い。

決定部２０５は、生成部１０３によって生成されたキーワードリストと、ユーザ情報取得部２０８によって取得されたユーザ情報と、広告リスト処理部２０４によって更新された広告リストとに基づいて、出力する広告データを決定する。より具体的には、決定部２０５は、生成部１０３によって生成されたキーワードリストと、ユーザ情報取得部２０８によって取得されたユーザ情報とが、広告リスト処理部２０４によって取得・更新された広告リストの「対象者の条件（画像）」、「対象者の条件（画像以外）」を満たす広告ＩＤを抽出する。ここで、決定部２０５は、抽出した広告ＩＤの数が配信可能な広告の上限数よりも多い場合に、実施の形態１と同様に、広告ＩＤの絞り込みを行なう。

次に、図１４を用いて、実施の形態２に係る広告出力装置２００による全体処理を説明する。図１４は、実施の形態２に係る広告出力装置２００による全体処理の流れの例を示すフローチャートである。なお、図１４に示すステップＳ３０１〜ステップＳ３０３は、図５に示すステップＳ１０１〜ステップＳ１０３で説明した処理と同様である。また、図１４に示すステップＳ３０７とステップＳ３０８とは、図５に示すステップＳ１０６とステップＳ１０７とで説明した処理と同様である。

図１４に示すように、広告出力装置２００は、ユーザ情報ＤＢ１０ａからユーザ情報を取得する（ステップＳ３０４）。そして、広告出力装置２００は、広告ＤＢ２０ａから広告リストを取得し、生成したキーワードリストと、取得したユーザ情報とをもとに、広告リストを更新する（ステップＳ３０５）。続いて、広告出力装置２００は、キーワードリストと、ユーザ情報と、広告リストとに基づいて、出力する広告データを決定する（ステップＳ３０６）。

上述したように、広告出力装置２００は、ユーザ情報を使用して出力する広告を選定するので、例えば居住地域限定の広告や、広告のヒット率が高くなると考えられるユーザに対して広告を選定することができる。

（実施の形態３）
上記実施の形態１では、ユーザの画像データに対する画像認識結果を使用して、出力する広告を選定する場合を例に挙げた。また、上記実施の形態２では、さらに、ユーザに関する情報を使用して、出力する広告を選定する場合を例に挙げた。実施の形態３では、ユーザのフォトブックの印刷に合わせて、ユーザに合わせた広告を出力する場合を説明する。なお、実施の形態３では、実施の形態１に係る広告出力装置１００と同様の構成については同一の符号を付し、その詳細な説明を省略する場合がある。

図１５を用いて、実施の形態３に係る広告出力装置３００の機能構成を説明する。図１５は、実施の形態３に係る広告出力装置３００の機能構成例を示すブロック図である。

図１５に示すように、広告出力装置３００は、画像取得部１０１と、画像解析部１０２と、生成部１０３と、広告リスト処理部１０４と、決定部１０５と、広告データ取得部１０６と、広告データ出力部１０７と、フォトブック作成部３０９と、フォトブック出力部３１０とを有する。また、広告出力装置３００は、ネットワークを介して、ユーザ情報ＤＢ１０や広告ＤＢ２０と接続される。なお、ユーザ情報ＤＢ１０及び広告ＤＢ２０は、一部又は全てを共通のデータベースとして使用されても良い。ネットワークは、有線回線であっても良いし無線回線であっても良い。

フォトブック作成部３０９は、画像解析部１０２によって解析された各画像データの被写体認識結果に基づいてフォトブックデータを作成する。フォトブックは、サイズやページ数等によって、使用可能な画像データやレイアウトが予め決められており、選定できる画像データの数には限度がある。そこで、フォトブック作成部３０９は、一般物体・シーン認識処理の結果から、フォトブックの各ページに、類似する物体・シーンが含まれるように画像データを選定する。例えば、フォトブック作成部３０９は、山のシーンが含まれる画像データを選定したり、海のシーンが含まれる画像データを選定したりする。これにより、フォトブック作成部３０９は、山のシーンを中心としたページ、海のシーンを中心としたページ等のように、各ページに対してシーンごとに分けられたフォトブックデータを作成することが可能となる。

また、例えば、フォトブック作成部３０９は、顔属性認識処理の結果から、フォトブックの各ページに、「喜び」という感情が推定された画像データを選定する。これにより、広告出力装置３００は、笑顔の多いフォトブックデータを作成することが可能となる。なお、フォトブック作成部３０９は、一般物体・シーンと同様に、類似する感情が含まれるように画像データを選定しても良い。また、フォトブック作成部３０９は、画像データのメタデータを使用して、画像データの撮影日ごとや撮影場所ごとに、フォトブックの各ページの画像データを選定しても良い。フォトブック作成部３０９によって選定された画像データについては、選定後にユーザに選び直させても良い。また、先にユーザに画像データを選択してもらったうえで、フォトブック作成部３０９に選定（並び替え）させても良い。

フォトブック作成部３０９は、フォトブックの各ページに使用する画像データの選定後、画像データをレイアウトしてフォトブックの電子データ（フォトブックデータ）を作成する。例えば、レイアウトについては、顔属性認識処理の結果から、認識された顔の大きさが大きい順に、画像データを大きくレイアウトする方法や、「喜び」という感情の確度が高い画像データから順に大きくレイアウトする方法がある。このほか、レイアウトについては、物体・シーン認識の確度が高いものから順にレイアウトする方法や、ランダムにレイアウトする方法でも良い。また、レイアウトは、上述した各種レイアウト方法を組み合わせても良い。なお、レイアウトについても、フォトブック作成部３０９によるレイアウト後にユーザにレイアウトを変更させても良いし、先にユーザにレイアウトさせたものを使用しても良い。

フォトブック出力部３１０は、フォトブック作成部３０９によって作成されたフォトブックデータを出力する。例えば、フォトブック出力部３１０によって出力されたフォトブックデータは、フォトブックデータを印刷可能な印刷装置（画像形成装置）に渡される。かかる印刷装置は、広告データ出力部１０７によって出力された広告データも受け付ける。広告データ及びフォトブックデータを受け付けた印刷装置では、広告データとフォトブックデータとが印刷出力される。

次に、図１６を用いて、実施の形態３に係るフォトブック作成処理を説明する。図１６は、実施の形態３に係るフォトブック作成処理の流れの例を示すフローチャートである。なお、図１６に示すステップＳ４０１及びステップＳ４０２は、図５に示すステップＳ１０１及びステップＳ１０２で説明した処理と同様である。また、図１６では、図５で説明した全体処理の流れについては省略する。

図１６に示すように、広告出力装置３００は、画像データの被写体認識結果から、フォトブックの各ページで使用する画像データを選定する（ステップＳ４０３）。そして、広告出力装置３００は、選定された画像データを各ページにレイアウトして、フォトブックの電子データ（フォトブックデータ）を作成する（ステップＳ４０４）。その後、広告出力装置３００は、作成したフォトブックデータを印刷装置等に出力する（ステップＳ４０５）。

上述したように、広告出力装置３００は、広告データと、画像データの解析結果をもとに作成したフォトブックデータとを印刷装置に出力する。この結果、広告出力装置３００は、フォトブックの印刷費用を広告費用で還元することが可能となり、広告主だけではなくユーザにとってもさらにメリットが生じる。例えば、ユーザは、無償又は低価格でフォトブックを受け取ることが可能となる。従って、ユーザ情報ＤＢ１０には、より積極的に画像データが蓄積されることが考えられる。ユーザによって積極的な画像データの蓄積が行なわれることで、該ユーザにとっては、特性や嗜好の推定確度が高まり、より効果的な広告が配信されることになる。

また、上記文書中や図面中等で示した処理手順、制御手順、具体的名称、各種のデータやパラメータ等を含む情報は、特記する場合を除いて任意に変更することができる。また、図示した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、装置の分散又は統合の具体的形態は、図示のものに限られず、その全部又は一部を各種の負担や使用状況等に応じて、任意の単位で機能的又は物理的に、分散又は統合することができる。

例えば、図１５に示した広告データ出力部１０７と、フォトブック出力部３１０とを、広告データ取得部１０６によって取得された広告データと、フォトブック作成部３０９によって作成されたフォトブックデータとを受け取り、広告データ及びフォトブックデータを印刷装置（画像形成装置）に出力する「データ出力部」として統合しても良い。

１０ ユーザ情報ＤＢ
２０ 広告ＤＢ
１００ 広告出力装置
１０１ 画像取得部
１０２ 画像解析部
１０３ 生成部
１０４ 広告リスト処理部
１０５ 決定部
１０６ 広告データ取得部
１０７ 広告データ出力部

特開２００２−１５２２０号公報 特開２００９−２１０９４９号公報

Claims (12)

1. ユーザの画像データを解析し、前記画像データに含まれる被写体を認識する画像解析部と、
   認識された前記被写体の被写体情報ごとに、解析対象の前記画像データに該被写体が出現する頻度を示す出現頻度データを生成する生成部と、
   広告を識別する広告識別情報と、広告データの出力対象とする条件として、被写体情報及び頻度の関係性を示す第１の対象条件情報と、前記広告データの出力毎に広告主が支払う費用の情報と、全ユーザのうち前記第１の対象条件情報に合致するユーザ数の情報とが対応付けられた広告対応データを取得する広告対応データ処理部と、
   前記出現頻度データが前記第１の対象条件情報を満たす前記広告識別情報を抽出し、前記費用の情報、及び、前記ユーザ数の情報のうち少なくとも一つに基づいて、抽出した前記広告識別情報を絞り込み、前記ユーザに対して出力する広告データを決定する決定部と
   を有することを特徴とする広告出力装置。
2. 前記決定部は、前記広告識別情報の絞り込みに際し、前記費用が高い広告識別情報を優先することを特徴とする請求項１に記載の広告出力装置。
3. 前記決定部は、前記広告識別情報の絞り込みに際し、前記ユーザ数が少ない広告識別情報を優先することを特徴とする請求項１又は２に記載の広告出力装置。
4. 前記画像解析部は、性別、年齢、感情、物体、シーン及び文字を表す被写体情報のうち少なくとも一つを推定することを特徴とする請求項１〜３の何れか一つに記載の広告出力装置。
5. 前記第１の対象条件情報は、被写体情報及び頻度の関係性それぞれを、論理積及び論理和の少なくとも一つで接合した情報であることを特徴とする請求項１〜４の何れか一つに記載の広告出力装置。
6. 前記画像解析部は、認識した前記被写体の確からしさを示す確度情報をもとに、前記被写体情報を絞り込むことを特徴とする請求項１〜５の何れか一つに記載の広告出力装置。
7. 前記画像解析部は、前記画像データに関する付加的情報を解析結果の一つとすることを特徴とする請求項１〜６の何れか一つに記載の広告出力装置。
8. 前記画像解析部は、画像データの保存日時を示す情報、画像データの数を示す情報、画像データが解析済みであるか否かを示す情報のうち少なくとも一つを使用して、解析対象の前記画像データを決定することを特徴とする請求項１〜７の何れか一つに記載の広告出力装置。
9. ユーザ情報を取得するユーザ情報取得部をさらに有し、
   前記広告対応データ処理部は、前記広告識別情報と、前記第１の対象条件情報と、広告データの出力対象とする条件として、ユーザに関する条件を示す第２の対象条件情報と、前記費用の情報と、全ユーザのうち前記第１の対象条件情報及び前記第２の対象条件情報に合致するユーザ数の情報とが対応付けられた前記広告対応データを取得し、
   前記決定部は、さらに、前記ユーザ情報が前記第２の対象条件情報を満たす前記広告識別情報を抽出することを特徴とする請求項１〜８の何れか一つに記載の広告出力装置。
10. 前記画像データと、被写体の認識結果とに基づいて、フォトブックデータを作成するフォトブック作成部と、
    出力対象に決定された前記広告データと、作成された前記フォトブックデータとを、印刷装置に対して出力する出力部とをさらに有することを特徴とする請求項１〜９の何れか一つに記載の広告出力装置。
11. 広告出力装置で実行される広告出力方法であって、
    ユーザの画像データを解析し、前記画像データに含まれる被写体を認識する画像解析工程と、
    認識された前記被写体の被写体情報ごとに、解析対象の前記画像データに該被写体が出現する頻度を示す出現頻度データを生成する生成工程と、
    広告を識別する広告識別情報と、広告データの出力対象とする条件として、被写体情報及び頻度の関係性を示す対象条件情報と、前記広告データの出力毎に広告主が支払う費用の情報と、全ユーザのうち前記対象条件情報に合致するユーザ数の情報とが対応付けられた広告対応データを取得する広告対応データ処理工程と、
    前記出現頻度データが前記対象条件情報を満たす前記広告識別情報を抽出し、前記費用の情報、及び、前記ユーザ数の情報のうち少なくとも一つに基づいて、抽出した前記広告識別情報を絞り込み、前記ユーザに対して出力する広告データを決定する決定工程と
    を含むことを特徴とする広告出力方法。
12. ユーザの画像データを解析し、前記画像データに含まれる被写体を認識する画像解析ステップと、
    認識された前記被写体の被写体情報ごとに、解析対象の前記画像データに該被写体が出現する頻度を示す出現頻度データを生成する生成ステップと、
    広告を識別する広告識別情報と、広告データの出力対象とする条件として、被写体情報及び頻度の関係性を示す対象条件情報と、前記広告データの出力毎に広告主が支払う費用の情報と、全ユーザのうち前記対象条件情報に合致するユーザ数の情報とが対応付けられた広告対応データを取得する広告対応データ処理ステップと、
    前記出現頻度データが前記対象条件情報を満たす前記広告識別情報を抽出し、前記費用の情報、及び、前記ユーザ数の情報のうち少なくとも一つに基づいて、抽出した前記広告識別情報を絞り込み、前記ユーザに対して出力する広告データを決定する決定ステップと
    をコンピュータに実行させるための広告出力プログラム。

Images