JP2020154529A - 情報処理装置、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP2020154529A JP2020154529A JP2019051035A JP2019051035A JP2020154529A JP 2020154529 A JP2020154529 A JP 2020154529A JP 2019051035 A JP2019051035 A JP 2019051035A JP 2019051035 A JP2019051035 A JP 2019051035A JP 2020154529 A JP2020154529 A JP 2020154529A
- Authority
- JP
- Japan
- Prior art keywords
- odds ratio
- advertisement
- information processing
- visit
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 43
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000012360 testing method Methods 0.000 claims abstract description 52
- 230000000694 effects Effects 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 230000004044 response Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 16
- 238000009795 derivation Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 description 23
- 238000004220 aggregation Methods 0.000 description 23
- 238000012545 processing Methods 0.000 description 10
- 238000012795 verification Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
情報処理装置は、一以上のプロセッサにより実現される。情報処理装置は、所定のサービスとして提供されるコンテンツに付随する広告領域に広告が表示された表示回数と、広告に関連するアンケートに対するユーザの回答結果を取得して、広告による効果をオッズ比や共通オッズ比を用いて評価したり、オッズ比や共通オッズ比を用いて有意差検定を行ったりするための装置である。
図3は、情報処理装置100を含む集計システム1の模式図である。実施形態における集計システム1は、1つ以上の端末装置10−1〜10−a(aは自然数)と、管理者端末20と、1つ以上のサービスサーバ300−1〜300−b(bは自然数)とを備える。これらの装置は、ネットワークNWを介して互いに接続される。ネットワークNWは、例えば、無線基地局、Wi−Fiアクセスポイント、通信回線、プロバイダ、インターネットなどを含む。なお、図1に示す各装置の全ての組み合わせが相互に通信可能である必要はなく、ネットワークNWは、一部にローカルなネットワークを含んでもよい。また、集計システム1は、サービスサーバ300−1〜300−bと接続された記憶装置200をさらに備える。
以下、広告接触者群と広告非接触者群の間のバイアスについて説明する。図4は、アンケートの集計結果とユーザの属性を説明するためのグラフである。効果量導出部140は、例えば、図示のようなアンケートの集計結果をユーザのUB(Unique Browser)数とコンテンツへの利用頻度との関係を特定した上で、広告の効果量を推定する。UB数とは、コンテンツへのブラウザ毎の訪問回数のことである。例えば、1名のユーザがパーソナルコンピュータのブラウザと、スマートフォンのブラウザと、スマートフォンの専用アプリケーションのそれぞれからコンテンツにアクセスする場合、UB数は「3」である。コンテンツへの利用頻度の高いユーザは、コンテンツを頻繁に見ているものと仮定してもよく、コンテンツに付随する広告に接触する可能性が高いといえる。
計算部130は、例えば、同一の利用頻度の広告接触者群f(sFQ)と広告非接触者群g(sFQ)とに基づいてオッズ比を計算する。
〔1〕O^R>1:広告接触により認知度が上がる(広告によるプラスの効果)
〔2〕O^R=1:広告接触してもしなくても認知度が変わらない(効果なし)
〔3〕O^R<1:広告接触したら認知度が下がる(広告によるマイナスの効果)
検定部150は、例えば、帰無仮説H0をO^R=1(広告の効果がないこと)、対立仮説H1をO^R≠1(広告の効果があること)として数式(4)を用いてカイ(χ)二乗検定を行い、検定統計量χORを導出することで、仮説の判定を行って検定を行う。なお、数式(4)のTは、図5に示した回答数の合計(n1とn2の和であり、m1とm2の和)である。カイ二乗判定とは、帰無仮説が正しければ検定統計量が漸近的にカイ二乗分布に従うような統計的検定法の一例である。
計算部130は、計算部130による計算結果に対して広告接触者群f(sFQ)および広告非接触者群g(sFQ)をウエイトバック集計して全体のリフトを計算し、その計算結果を検定部150に有意差検定させてもよい。ウエイトバック集計とは、回収されたサンプル(標本)を母集団の構成にあわせて集計値に適切な重み付けを行い、重み付けした値を用いて集計する方法である。重みとは、利用回数毎の信頼度を表す値であり、例えば、利用回数毎のオッズ比O^Rの分散が大きいほど小さくなる値である。リフトとは、前提(広告を見る)が起きた場合に結果(広告の効果として認知が高まる)が起きる割合は、全てのデータの中で結果(単純に認知が高まる)の割合よりどれだけ多いかを倍率などで示したものである。例えば、リフトが高ければ、広告の効果が高いといえる。
検定部150は、数式(6)により計算された共通オッズ比O^RM−Hに対して、帰無仮説H0をO^RM−H=1(広告の効果がないこと)、対立仮説H1をO^RM−H≠1(広告の効果があること)として、数式(7)に示すMantel-Haenszel法を用いた有意差検定によって検定統計量χM−Hを導出することで、仮説の判定を行って検定を行う。
図7は、出力部160により出力された効果量の利用例を示す図である。図示のように、情報処理装置100による処理の結果、広告接触者群のアンケート集計結果の認知ありが42.5[%]、広告非接触者群のアンケート集計結果の認知ありが30.9[%]である。また、情報処理装置100による上述の処理の結果から効果量(リフト)を導出した結果が11.6[pnt]である。図示の例においては、情報処理装置100の利用者(管理者端末20の利用者)は、これらの集計結果の有意差検定を行い(または情報処理装置100の検定部150の処理の結果を参照して)、広告の効果があることが結論とする。
図8は、情報処理装置100による処理の流れの一例を示すフローチャートである。図7に示すフローチャートの処理は、例えば、管理者端末20から有意差検定に用いる指標または有意差検定結果の出力指示を受け付けた場合に行われる。
10 端末装置
20 管理者端末
100 情報処理装置
110 取得部
120 集計部
130 計算部
140 効果量導出部
150 検定部
300 サービスサーバ
Claims (9)
- ネットワークを介して所定のサービスとして提供されるコンテンツに付随する広告が表示された表示回数と、広告に関連するアンケートに対するユーザの回答結果を取得する取得部と、
前記所定のサービスとして提供されるコンテンツの訪問回数ごとにオッズ比を計算し、前記訪問回数ごとのオッズ比を統合して共通オッズ比を計算する計算部であって、前記訪問回数ごとのオッズ比に対して有意差検定に好適な重みを作用させて前記共通オッズ比を計算する計算部と、
を備える、情報処理装置。 - 前記重みは、前記訪問回数ごとの信頼度を表す値である、
請求項1に記載の情報処理装置。 - 前記重みは、前記訪問回数ごとのオッズ比の分散が大きいほど、小さくなる値である、
請求項1または2に記載の情報処理装置。 - 前記共通オッズ比の計算結果に基づいて、有意差検定における効果量として用いるリフト値を導出する効果量導出部をさらに備える、
請求項1から3のうちいずれか1項に記載の情報処理装置。 - 前記効果量導出部により導出された前記リフト値に基づいて前記計算部による計算結果に関する有意差検定を行う検定部をさらに備える、
請求項4に記載の情報処理装置。 - 前記取得部は、前記広告および前記アンケートの一方または両方が表示された前記ユーザに関する前記広告の配信結果および前記アンケートに対するユーザの回答結果を取得するものであって、バケット分割を要しない、
請求項5に記載の情報処理装置。 - 前記検定部は、Mantel-Haenszel法を用いて導出した前記重みを作用させる、
請求項5または6に記載の情報処理装置。 - コンピュータが、
ネットワークを介して所定のサービスとして提供されるコンテンツに付随する広告が表示された表示回数と、広告に関連するアンケートに対するユーザの回答結果を取得し、
前記所定のサービスとして提供されるコンテンツの訪問回数ごとにオッズ比を計算し、前記訪問回数ごとのオッズ比を統合して共通オッズ比を計算して、前記訪問回数ごとのオッズ比に対して有意差検定に好適な重みを作用させて前記共通オッズ比を計算する、
情報処理方法。 - コンピュータに、
ネットワークを介して所定のサービスとして提供されるコンテンツに付随する広告が表示された表示回数と、広告に関連するアンケートに対するユーザの回答結果を取得させ、
前記所定のサービスとして提供されるコンテンツの訪問回数ごとにオッズ比を計算し、前記訪問回数ごとのオッズ比を統合して共通オッズ比を計算して、前記訪問回数ごとのオッズ比に対して有意差検定に好適な重みを作用させて前記共通オッズ比を計算させる、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019051035A JP7003081B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置、情報処理方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019051035A JP7003081B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置、情報処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020154529A true JP2020154529A (ja) | 2020-09-24 |
JP7003081B2 JP7003081B2 (ja) | 2022-01-20 |
Family
ID=72559126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019051035A Active JP7003081B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置、情報処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7003081B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7038447B1 (ja) | 2021-05-19 | 2022-03-18 | 株式会社刀 | 来場数予測装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004113661A (ja) * | 2002-09-27 | 2004-04-15 | Toshiba Corp | 治療法の有効性を予測するためのプログラム、データベース、システム及び方法 |
US20140074587A1 (en) * | 2004-08-20 | 2014-03-13 | Marketing Evolution, Inc. | Cross-media campaigns with bias adjustment and attribution modeling |
US20140089067A1 (en) * | 2012-09-23 | 2014-03-27 | Google Inc. | User rewards from advertisers for content provided by users of a social networking service |
JP2017033527A (ja) * | 2015-08-05 | 2017-02-09 | 孝文 栢 | 健康情報活用システム、方法及びプログラム |
-
2019
- 2019-03-19 JP JP2019051035A patent/JP7003081B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004113661A (ja) * | 2002-09-27 | 2004-04-15 | Toshiba Corp | 治療法の有効性を予測するためのプログラム、データベース、システム及び方法 |
US20140074587A1 (en) * | 2004-08-20 | 2014-03-13 | Marketing Evolution, Inc. | Cross-media campaigns with bias adjustment and attribution modeling |
US20140089067A1 (en) * | 2012-09-23 | 2014-03-27 | Google Inc. | User rewards from advertisers for content provided by users of a social networking service |
JP2017033527A (ja) * | 2015-08-05 | 2017-02-09 | 孝文 栢 | 健康情報活用システム、方法及びプログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7038447B1 (ja) | 2021-05-19 | 2022-03-18 | 株式会社刀 | 来場数予測装置 |
JP2022178021A (ja) * | 2021-05-19 | 2022-12-02 | 株式会社刀 | 来場数予測装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7003081B2 (ja) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2010254225B2 (en) | Measuring impact of online advertising campaigns | |
US10902443B2 (en) | Detecting differing categorical features when comparing segments | |
CN105808639B (zh) | 网络访问行为识别方法和装置 | |
US8909542B2 (en) | Systems and methods for managing brand loyalty | |
US20160055320A1 (en) | Method and system for measuring effectiveness of user treatment | |
US20130268351A1 (en) | Verified online impressions | |
US20180315060A1 (en) | Methods and apparatus to estimate media impression frequency distributions | |
Mkpojiogu et al. | Observed demographic differentials in user perceived satisfaction on the usability of mobile banking applications | |
US20120166285A1 (en) | Defining and Verifying the Accuracy of Explicit Target Clusters in a Social Networking System | |
JP2018526741A (ja) | 広告リフトの測定 | |
US10311465B2 (en) | Estimating foot traffic lift in response to an advertisement campaign at an online system | |
US20140114745A1 (en) | Determining Advertising Effectiveness Based on Observed Actions in a Social Networking System | |
US11397965B2 (en) | Processor systems to estimate audience sizes and impression counts for different frequency intervals | |
US20120239590A1 (en) | Managing customer communications among a plurality of channels | |
US20160063427A1 (en) | Credit attribution based on measured contributions of marketing activities to deals | |
US20160189202A1 (en) | Systems and methods for measuring complex online strategy effectiveness | |
US20140114748A1 (en) | Determining Advertising Effectiveness Bases on a Pseudo-Control Group | |
US20240135025A1 (en) | Query processing method and apparatus | |
US20140180765A1 (en) | Web-based survey verification | |
Jongwanich et al. | Exporter responses to FTA tariff preferences: evidence from Thailand | |
JP7003081B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP6416108B2 (ja) | クライアント・デバイス所有に基づくメトリックの生成 | |
CN109460778B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN114066513A (zh) | 一种用户分类的方法和装置 | |
JP6570501B2 (ja) | 情報提供装置、情報提供方法、および情報提供プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201211 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211029 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7003081 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |