JP2024012834A - Information processor, information processing method, and information processing program - Google Patents

Information processor, information processing method, and information processing program Download PDF

Info

Publication number
JP2024012834A
JP2024012834A JP2022114581A JP2022114581A JP2024012834A JP 2024012834 A JP2024012834 A JP 2024012834A JP 2022114581 A JP2022114581 A JP 2022114581A JP 2022114581 A JP2022114581 A JP 2022114581A JP 2024012834 A JP2024012834 A JP 2024012834A
Authority
JP
Japan
Prior art keywords
advertisement
word
cvr
ctr
phrase
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.)
Pending
Application number
JP2022114581A
Other languages
Japanese (ja)
Inventor
一浩 中辻
Kazuhiro Nakatsuji
祐介 田中
Yusuke Tanaka
ソン ジ
Song Ji
和仁 山本
Kazuhito Yamamoto
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ly Corp
Original Assignee
Ly Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ly Corp filed Critical Ly Corp
Priority to JP2022114581A priority Critical patent/JP2024012834A/en
Publication of JP2024012834A publication Critical patent/JP2024012834A/en
Pending legal-status Critical Current

Links

Images

Abstract

PROBLEM TO BE SOLVED: To create a model with machine learning from a database of a search advertisement to predict a recommended word.
SOLUTION: An information processor according to the present application comprises: an analysis part that performs morphological analysis of a text of an advertisement in a unit of a word or a phrase; an extraction part that extracts CTR or CVR in a unit of a word or a phrase; and an estimation part that estimates the advertising efficiency for each word or phrase based on the extracted CTR or CVR. The information processor further comprises a provisioning part that suggests improvement of a TD of the advertisement based on the prediction of the CTR or CVR for each word or phrase.
SELECTED DRAWING: Figure 1
COPYRIGHT: (C)2024,JPO&INPIT

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。 The present invention relates to an information processing device, an information processing method, and an information processing program.

広告の内容に合わせて、ユーザのクリック率が高いと判断される広告を適正に選択できる技術が開示されている。 A technique has been disclosed that can appropriately select an advertisement that is determined to have a high user click rate according to the content of the advertisement.

特開２０１８－０３７０７０号公報Japanese Patent Application Publication No. 2018-037070

しかしながら、上記の従来技術では、記事に出現する単語の出現傾向の類似性など、記事の内容に即して記事をグループ化し、記事クラスタ毎に、過去に記事に付与された広告、および広告の収益性情報とから構成される広告情報を関連付けて記憶し、指定された記事について、特定された記事クラスタに関連する広告、および記事に出現する単語からキーワードを選定し、選定されたキーワードに関連する広告を取得し、記事クラスタ特定手段により特定された、指定された記事の記事クラスタに関して、記事広告データベースに記憶されている広告の収益性情報に基づいて、収益性が高い広告程、選択確率が高くなるように、取得された広告から推薦広告を選定しているにすぎない。広告自体に限らず、広告に含まれる個々のキーワードによる広告効果を評価することができれば、広告配信の効果をより向上させることが期待できる。 However, in the above-mentioned conventional technology, articles are grouped according to the content of the articles, such as similarity in the appearance tendency of words appearing in the articles, and for each article cluster, advertisements attached to articles in the past and advertisements are grouped. Stores advertising information in association with profitability information, selects keywords from advertisements related to the specified article cluster and words appearing in the articles for a specified article, and selects keywords related to the selected keywords. For the article cluster of the specified article identified by the article cluster identifying means, based on the advertisement profitability information stored in the article advertisement database, the higher the profitability of the advertisement, the higher the selection probability. Recommended advertisements are simply selected from the acquired advertisements so that the If it is possible to evaluate the advertising effectiveness not only of the advertisement itself but also of individual keywords included in the advertisement, it is expected that the effectiveness of advertising distribution will be further improved.

本願は、上記に鑑みてなされたものであって、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測することを目的とする。 The present application was made in view of the above, and aims to create a model using machine learning from a search advertisement database and predict recommended words.

本願に係る情報処理装置は、広告の文章をワード又はフレーズ単位で形態素解析する解析部と、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部と、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定部と、を備えることを特徴とする。 The information processing device according to the present application includes an analysis unit that morphologically analyzes advertisement sentences in units of words or phrases, an extraction unit that extracts CTR or CVR in units of words or phrases, and a or an estimation unit that estimates advertising efficiency for each phrase.

実施形態の一態様によれば、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測することができる。 According to one aspect of the embodiment, a model can be created using machine learning from a database of search advertisements, and recommended words can be predicted.

図１は、実施形態に係る情報処理方法の概要を示す説明図である。FIG. 1 is an explanatory diagram showing an overview of an information processing method according to an embodiment. 図２は、形態素解析と予測結果の概要を示す説明図である。FIG. 2 is an explanatory diagram showing an overview of morphological analysis and prediction results. 図３は、広告文章作成サポートの概要を示す説明図である。FIG. 3 is an explanatory diagram showing an overview of advertising text creation support. 図４は、実施形態に係る情報処理システムの構成例を示す図である。FIG. 4 is a diagram illustrating a configuration example of an information processing system according to an embodiment. 図５は、実施形態に係る端末装置の構成例を示す図である。FIG. 5 is a diagram illustrating a configuration example of a terminal device according to an embodiment. 図６は、実施形態に係るサーバ装置の構成例を示す図である。FIG. 6 is a diagram illustrating a configuration example of a server device according to an embodiment. 図７は、利用者情報データベースの一例を示す図である。FIG. 7 is a diagram showing an example of a user information database. 図８は、履歴情報データベースの一例を示す図である。FIG. 8 is a diagram showing an example of a history information database. 図９は、広告情報データベースの一例を示す図である。FIG. 9 is a diagram showing an example of an advertisement information database. 図１０は、実施形態に係る処理手順を示すフローチャートである。FIG. 10 is a flowchart showing the processing procedure according to the embodiment. 図１１は、ハードウェア構成の一例を示す図である。FIG. 11 is a diagram showing an example of the hardware configuration.

以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムを実施するための形態（以下、「実施形態」と記載する）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情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、以下の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。 DESCRIPTION OF THE PREFERRED EMBODIMENTS An information processing apparatus, an information processing method, and an information processing program according to the present application (hereinafter referred to as "embodiments") will be described in detail below with reference to the drawings. Note that the information processing apparatus, information processing method, and information processing program according to the present application are not limited to this embodiment. Further, in the following embodiments, the same parts are given the same reference numerals, and redundant explanations will be omitted.

〔１．情報処理方法の概要〕
まず、図１を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図１は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図１では、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測する場合を例に挙げて説明する。 [1. Overview of information processing method]
First, with reference to FIG. 1, an overview of an information processing method performed by an information processing apparatus according to an embodiment will be described. FIG. 1 is an explanatory diagram showing an overview of an information processing method according to an embodiment. In FIG. 1, an example will be described in which a model is created using machine learning from a search advertisement database and recommended words are predicted.

図１に示すように、情報処理システム１は、端末装置１０とサーバ装置１００とを含む。端末装置１０とサーバ装置１００とは、ネットワークＮ（図４参照）を介して有線又は無線で互いに通信可能に接続される。本実施形態では、端末装置１０は、サーバ装置１００と連携する。 As shown in FIG. 1, the information processing system 1 includes a terminal device 10 and a server device 100. The terminal device 10 and the server device 100 are connected to be able to communicate with each other by wire or wirelessly via a network N (see FIG. 4). In this embodiment, the terminal device 10 cooperates with the server device 100.

端末装置１０は、利用者Ｕ（ユーザ）により使用されるスマートフォンやタブレット端末等のスマートデバイスであり、４Ｇ（Generation）やＬＴＥ（Long Term Evolution）等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。また、端末装置１０は、液晶ディスプレイ等の画面であって、タッチパネルの機能を有する画面を有し、利用者Ｕから指やスタイラス等によりタップ操作、スライド操作、スクロール操作等、コンテンツ等の表示データに対する各種の操作を受付ける。なお、画面のうち、コンテンツが表示されている領域上で行われた操作を、コンテンツに対する操作としてもよい。また、端末装置１０は、スマートデバイスのみならず、デスクトップＰＣ（Personal Computer）やノートＰＣ等の情報処理装置であってもよい。 The terminal device 10 is a smart device such as a smartphone or a tablet terminal used by a user U (user), and is connected to an arbitrary server device via a wireless communication network such as 4G (Generation) or LTE (Long Term Evolution). This is a mobile terminal device that can communicate. Further, the terminal device 10 has a screen such as a liquid crystal display, which has a touch panel function, and displays data such as content through a tap operation, a slide operation, a scroll operation, etc. from the user U using a finger or a stylus. Accepts various operations on. Note that an operation performed on an area of the screen where content is displayed may be an operation on the content. Further, the terminal device 10 may be not only a smart device but also an information processing device such as a desktop PC (Personal Computer) or a notebook PC.

サーバ装置１００は、各利用者Ｕの端末装置１０と連携し、各利用者Ｕの端末装置１０に対して、各種アプリケーション（以下、アプリ）等に対するＡＰＩ（Application Programming Interface）サービス等と、各種データを提供する情報処理装置であり、コンピュータやクラウドシステム等により実現される。 The server device 100 cooperates with the terminal device 10 of each user U, and provides API (Application Programming Interface) services for various applications (hereinafter referred to as apps) and various data to the terminal device 10 of each user U. It is an information processing device that provides information, and is realized using computers, cloud systems, etc.

また、サーバ装置１００は、各利用者Ｕの端末装置１０に対して、オンラインで何らかのＷｅｂサービスを提供する情報処理装置であってもよい。例えば、サーバ装置１００は、Ｗｅｂサービスとして、インターネット接続、検索サービス、ＳＮＳ（Social Networking Service）、電子商取引（ＥＣ：Electronic Commerce）、電子決済、オンラインゲーム、オンラインバンキング、オンライントレーディング、宿泊・チケット予約、動画・音楽配信、ニュース、地図、ルート検索、経路案内、路線情報、運行情報、天気予報等のサービスを提供してもよい。実際には、サーバ装置１００は、上記のようなＷｅｂサービスを提供する各種サーバと連携し、Ｗｅｂサービスを仲介してもよいし、Ｗｅｂサービスの処理を担当してもよい。 Further, the server device 100 may be an information processing device that provides some kind of web service online to the terminal device 10 of each user U. For example, the server device 100 provides web services such as Internet connection, search service, SNS (Social Networking Service), electronic commerce (EC), electronic payment, online games, online banking, online trading, accommodation/ticket reservation, Services such as video/music distribution, news, maps, route searches, route guidance, route information, operation information, weather forecasts, etc. may be provided. In reality, the server device 100 may cooperate with various servers that provide the above-mentioned Web services, mediate the Web services, or may be in charge of processing the Web services.

なお、サーバ装置１００は、利用者Ｕに関する利用者情報を取得可能である。例えば、サーバ装置１００は、利用者Ｕの性別、年代、居住地域といった利用者Ｕの属性に関する情報を取得する。そして、サーバ装置１００は、利用者Ｕを示す識別情報（利用者ＩＤ等）とともに利用者Ｕの属性に関する情報を記憶して管理する。 Note that the server device 100 can acquire user information regarding the user U. For example, the server device 100 acquires information regarding user U's attributes such as user U's gender, age, and residential area. The server device 100 stores and manages identification information indicating the user U (user ID, etc.) as well as information regarding attributes of the user U.

また、サーバ装置１００は、利用者Ｕの端末装置１０から、あるいは利用者ＩＤ等に基づいて各種サーバ等から、利用者Ｕの行動を示す各種の履歴情報（ログデータ）を取得する。例えば、サーバ装置１００は、利用者Ｕの位置や日時の履歴である位置履歴を端末装置１０から取得する。また、サーバ装置１００は、利用者Ｕが入力した検索クエリの履歴である検索履歴を検索サーバ（検索エンジン）から取得する。また、サーバ装置１００は、利用者Ｕが閲覧したコンテンツの履歴である閲覧履歴をコンテンツサーバから取得する。また、サーバ装置１００は、利用者Ｕの商品購入や決済処理の履歴である購入履歴（決済履歴）を電子商取引サーバや決済処理サーバから取得する。また、サーバ装置１００は、利用者Ｕのマーケットプレイスへの出品の履歴である出品履歴や販売履歴を電子商取引サーバや決済処理サーバから取得してもよい。また、サーバ装置１００は、利用者Ｕの投稿の履歴である投稿履歴を口コミの投稿サービスを提供する投稿サーバやＳＮＳサーバから取得する。なお、上記の各種サーバ等は、サーバ装置１００自体であってもよい。すなわち、サーバ装置１００が上記の各種サーバ等として機能してもよい。 Further, the server device 100 acquires various kinds of history information (log data) indicating the actions of the user U from the terminal device 10 of the user U or from various servers based on the user ID or the like. For example, the server device 100 acquires a location history, which is a history of user U's location, date and time, from the terminal device 10. The server device 100 also acquires a search history, which is a history of search queries input by the user U, from a search server (search engine). Additionally, the server device 100 acquires a viewing history, which is a history of content viewed by the user U, from the content server. The server device 100 also acquires a purchase history (payment history) that is a history of product purchases and payment processing by the user U from the electronic commerce server and the payment processing server. Further, the server device 100 may acquire the listing history and the sales history, which are the listing history of the user U on the marketplace, from the electronic commerce server or the payment processing server. The server device 100 also acquires a posting history, which is a history of postings by the user U, from a posting server or SNS server that provides a word-of-mouth posting service. Note that the various servers described above may be the server device 100 itself. That is, the server device 100 may function as the various servers described above.

〔１－１．広告文章作成サポート〕
本実施形態では、図１に示すように、サーバ装置１００は、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測する。具体的には、図２に示すように、サーバ装置１００は、検索広告のワード単位に形態素解析し、ＣＴＲ（Click Through Rate：クリック率）又はＣＶＲ（Conversion Rate：コンバージョン率）を抽出して、機械学習で効率の良いワード／フレーズを予測する。図２は、形態素解析と予測結果の概要を示す説明図である。 [1-1. Advertisement writing support〕
In this embodiment, as shown in FIG. 1, the server device 100 uses machine learning to create a model from a search advertisement database and predicts recommended words. Specifically, as shown in FIG. 2, the server device 100 performs morphological analysis on a word-by-word basis of the search advertisement, extracts CTR (Click Through Rate) or CVR (Conversion Rate), Predict efficient words/phrases using machine learning. FIG. 2 is an explanatory diagram showing an overview of morphological analysis and prediction results.

図３を参照して、広告文章作成サポートの概要について説明する。図３は、広告文章作成サポートの概要を示す説明図である。 An overview of advertising text creation support will be explained with reference to FIG. 3. FIG. 3 is an explanatory diagram showing an overview of advertising text creation support.

例えば、図３に示すように、サーバ装置１００は、配信済み広告をカテゴリごとに分類してデータベースに蓄積する（ステップＳ１）。なお、広告は、商品広告、ブランド広告、企業広告、ＣＳＲ（Corporate Social Responsibility）広告等であってもよい。広告のカテゴリについては、広告の掲載内容によって分類してもよいし、広告の種類によって分類してもよいし、広告目的によって分類してもよいし、広告媒体によって分類してもよい。 For example, as shown in FIG. 3, the server device 100 classifies distributed advertisements into categories and stores them in a database (step S1). Note that the advertisement may be a product advertisement, a brand advertisement, a corporate advertisement, a CSR (Corporate Social Responsibility) advertisement, or the like. The advertisement categories may be classified according to the contents of the advertisement, the type of advertisement, the purpose of the advertisement, or the advertisement medium.

例えば、広告の種類として、Ｗｅｂ・インターネット広告、ヒューマン広告、マスメディア広告、セールスプロモーション広告（ＳＰ）等が知られている。Ｗｅｂ・インターネット広告の種類として、メール広告、ディスプレイ広告（バナー広告）、リターゲティング広告、リスティング広告（検索連動型広告）、ポップアップ広告、ネイティブ広告、ＳＮＳ広告、動画広告等がある。ヒューマン広告の種類として、アフィリエイト広告、インフルエンサー広告、ライブ配信広告等がある。マスメディア広告の種類として、テレビ広告（ＣＭ）、新聞広告、雑誌広告、ラジオ広告等がある。セールスプロモーション広告（ＳＰ）の種類として、チラシ広告、交通広告、屋外広告・ＯＯＨ（OUT OF HOME）広告、ＤＭ（ダイレクトメール）広告・同封・同梱広告、イベントプロモーション等がある。 For example, known types of advertisements include Web/Internet advertisements, human advertisements, mass media advertisements, and sales promotion advertisements (SP). Types of Web/Internet advertisements include email advertisements, display advertisements (banner advertisements), retargeting advertisements, listing advertisements (search-linked advertisements), pop-up advertisements, native advertisements, SNS advertisements, video advertisements, and the like. Types of human advertisements include affiliate advertisements, influencer advertisements, and live distribution advertisements. Types of mass media advertisements include television advertisements (CMs), newspaper advertisements, magazine advertisements, and radio advertisements. Types of sales promotion advertisements (SP) include leaflet advertisements, transportation advertisements, outdoor advertisements/OOH (OUT OF HOME) advertisements, DM (direct mail) advertisements, enclosed/packed advertisements, and event promotions.

続いて、サーバ装置１００は、カテゴリごとに、配信済み広告について広告効果を推定する（ステップＳ２）。例えば、サーバ装置１００は、広告のＣＴＲ又はＣＶＲが高いほど、広告効果が高いと推定する。なお、実際には、ＣＴＲ又はＣＶＲに限らず、ＣＴＶＲであってもよい。ＣＴＶＲは、広告のクリック率（ＣＴＲ）とコンバージョン率（ＣＶＲ）をかけ合わせたものである（ＣＴＶＲ＝ＣＴＲ×ＣＶＲ）。すなわち、ＣＴＲ又はＣＶＲに限らず、広告又はクリック等を評価する何らかの指標であってもよい。本実施形態では、ＣＴＲ又はＣＶＲを例に説明する。 Next, the server device 100 estimates the advertising effectiveness of the distributed advertisements for each category (step S2). For example, the server device 100 estimates that the higher the CTR or CVR of an advertisement, the higher the advertisement effect. Note that, in reality, it is not limited to CTR or CVR, but may be CTVR. CTVR is the product of the click-through rate (CTR) and conversion rate (CVR) of an advertisement (CTVR=CTR×CVR). That is, the index is not limited to CTR or CVR, but may be any index for evaluating advertisements, clicks, or the like. This embodiment will be explained using CTR or CVR as an example.

続いて、サーバ装置１００は、ネットワークＮ（図４参照）を介して、不特定多数の利用者Ｕ（ユーザ）のうち、広告主である利用者Ｕから、特定のカテゴリを示すキーワード（ＫＷ）の指定を受け付ける（ステップＳ３）。例えば、サーバ装置１００は、広告主である利用者Ｕの端末装置１０から、利用者Ｕにより入力された特定のカテゴリを示すキーワード（ＫＷ）を受信する。なお、キーワードは、検索クエリであってもよい。 Next, the server device 100 receives a keyword (KW) indicating a specific category from a user U who is an advertiser among an unspecified number of users U (users) via the network N (see FIG. 4). The designation of is accepted (step S3). For example, the server device 100 receives a keyword (KW) indicating a specific category input by the user U from the terminal device 10 of the user U who is an advertiser. Note that the keyword may be a search query.

なお、キーワードは複数であってもよい。例えば、サーバ装置１００は、広告のカテゴリとして、広告の掲載内容、広告の種類、広告目的、及び広告媒体のそれぞれに関するキーワードの指定を受け付けてもよい。 Note that there may be a plurality of keywords. For example, the server device 100 may accept the designation of keywords related to each of advertisement content, advertisement type, advertisement purpose, and advertisement medium as advertisement categories.

また、実際には、サーバ装置１００は、キーワードを直接入力とせず、カテゴリのリストの中から任意のキーワードを選択させるようにしてもよい。この場合、選択されたキーワードが、指定されたキーワードとなる。 Furthermore, in reality, the server device 100 may allow the user to select an arbitrary keyword from a list of categories instead of directly inputting the keyword. In this case, the selected keyword becomes the specified keyword.

続いて、サーバ装置１００は、指定されたキーワードに該当するカテゴリの広告をデータベースから抽出する（ステップＳ４）。 Subsequently, the server device 100 extracts advertisements of the category corresponding to the specified keyword from the database (step S4).

続いて、サーバ装置１００は、自然言語処理（ＮＬＰ：Natural Language Processing）により、抽出された広告に含まれる文字列（タイトル、説明文等）を形態素解析し、ワード／フレーズを抽出する（ステップＳ５）。このとき、サーバ装置１００は、広告の文章をワード又はフレーズ単位で形態素解析する。なお、実際には、サーバ装置１００は、形態素解析に限らず、構文解析、意味解析、文脈解析を行ってもよい。 Next, the server device 100 uses natural language processing (NLP) to morphologically analyze the character strings (title, explanatory text, etc.) included in the extracted advertisement and extracts words/phrases (step S5). ). At this time, the server device 100 morphologically analyzes the advertisement text in units of words or phrases. Note that, in reality, the server device 100 is not limited to morphological analysis, but may also perform syntactic analysis, semantic analysis, and context analysis.

続いて、サーバ装置１００は、抽出されたワード／フレーズを含む広告のＣＴＲ（Click Through Rate：クリック率）やＣＶＲ（Conversion Rate：コンバージョン率）に応じて、広告に含まれるワード／フレーズのスコアを付与する（ステップＳ６）。このとき、サーバ装置１００は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する。例えば、サーバ装置１００は、抽出されたワード／フレーズを含む広告のＣＴＲやＣＶＲが高いほど、高いスコアをワード／フレーズに付与する。なお、スコアは、ＣＴＲ又はＣＶＲに基づくスコアであってもよい。ＣＴＲ又はＣＶＲに基づくスコアは、百分率（％）で表現されるとは限らない。 Next, the server device 100 scores the word/phrase included in the advertisement according to the CTR (Click Through Rate) and CVR (Conversion Rate) of the advertisement including the extracted word/phrase. (Step S6). At this time, the server device 100 extracts CTR or CVR in units of words or phrases. For example, the server device 100 gives a higher score to the word/phrase as the CTR or CVR of the advertisement including the extracted word/phrase is higher. Note that the score may be a score based on CTR or CVR. Scores based on CTR or CVR are not necessarily expressed as a percentage (%).

本実施形態では、サーバ装置１００は、ＤＯＣ２ＶＥＣにより、広告に含まれる文字列をベクトル化し、ベクトル（ドキュメントベクトル）からＣＴＲ又はＣＶＲを予測する。Ｄｏｃ２Ｖｅｃは任意の長さの文章を固定長のベクトルに変換する技術である。これにより、サーバ装置１００は、ワード／フレーズごとにＣＴＲ又はＣＶＲを予測することができる。 In this embodiment, the server device 100 vectorizes a character string included in an advertisement using DOC2VEC, and predicts CTR or CVR from the vector (document vector). Doc2Vec is a technology that converts sentences of arbitrary length into vectors of fixed length. Thereby, the server device 100 can predict CTR or CVR for each word/phrase.

このとき、サーバ装置１００は、カテゴリごとに、ワード／フレーズ、及び／又はそれらの組み合わせごとのスコアを算出する。また、サーバ装置１００は、ワード／フレーズごとに算出されたスコアの集計値（合算値）、平均値又は中央値を、そのワード／フレーズのスコアとしてもよい。なお、異なるカテゴリに同一のワード／フレーズが分類されている場合、カテゴリごとに個別にワード／フレーズのスコアを算出する。すなわち、同一のワード／フレーズであっても、カテゴリが異なれば別のワード／フレーズとして、個別にスコアを算出する。 At this time, the server device 100 calculates a score for each word/phrase and/or combination thereof for each category. Further, the server device 100 may use the total value (total value), average value, or median value of the scores calculated for each word/phrase as the score for that word/phrase. Note that when the same word/phrase is classified into different categories, the score of the word/phrase is calculated separately for each category. That is, even if the words/phrases are the same, if they are in different categories, they are treated as different words/phrases and scores are calculated individually.

また、サーバ装置１００は、機械学習により、スコアを算出するためのモデルを生成する。例えば、サーバ装置１００は、カテゴリの広告に含まれる文字列を形態素解析し、ワード／フレーズを抽出し、抽出されたワード／フレーズを入力した際に、そのワード／フレーズを含む広告のＣＴＲやＣＶＲが高いほど、高いスコアを出力するようにモデルを学習しておく。そして、サーバ装置１００は、指定された検索クエリ（特定のカテゴリを示すキーワード）と対応する広告に含まれるワード／フレーズをモデルに入力することで、スコアを算出する。 Additionally, the server device 100 generates a model for calculating the score by machine learning. For example, the server device 100 morphologically analyzes a character string included in a category advertisement, extracts a word/phrase, and when the extracted word/phrase is input, the server device 100 can calculate the CTR or CVR of the advertisement containing the word/phrase. The model is trained so that the higher the value, the higher the score. Then, the server device 100 calculates a score by inputting words/phrases included in the advertisement corresponding to the specified search query (keyword indicating a specific category) into the model.

機械学習の手法については、ディープラーニング（Deep learning：深層学習）、ＲＮＮ（Recurrent Neural Network）又はＬＳＴＭ（Long Short Term Memory）等を用いてもよい。なお、これらは一例であり、これらの例に限定されるものではない。 As for the machine learning method, deep learning, RNN (Recurrent Neural Network), LSTM (Long Short Term Memory), etc. may be used. Note that these are just examples, and the invention is not limited to these examples.

続いて、サーバ装置１００は、カテゴリを指定した利用者Ｕの端末装置１０に対して、ネットワークＮ（図４参照）を介して、指定されたカテゴリの広告に含まれるワード／フレーズと、それらの単体又は組み合わせごとのスコアに応じた情報を提供する（ステップＳ７）。さらに、サーバ装置１００は、推定された広告効果に関する情報を提供してもよい。 Next, the server device 100 sends, via the network N (see FIG. 4), the words/phrases included in the advertisement of the specified category and their respective words/phrases to the terminal device 10 of the user U who specified the category. Information corresponding to the score for each individual item or each combination is provided (step S7). Furthermore, the server device 100 may provide information regarding the estimated advertising effectiveness.

このとき、サーバ装置１００は、ワード又はフレーズ単位で抽出されたＣＴＲ又はＣＶＲに基づいて、機械学習でワード又はフレーズごとの広告効率を推定し、広告効率の良いワード又はフレーズを予測する。すなわち、広告効率の良いワード又はフレーズとは、ＣＴＲ又はＣＶＲが高いワード又はフレーズである。例えば、サーバ装置１００は機械学習により、ワード又はフレーズごとのＣＴＲ又はＣＶＲを予測し、ＣＴＲ又はＣＶＲの高い順に並べる。また、サーバ装置１００は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤ（タイトル＆ディスクリプション：広告文のタイトルと説明文）の最適化や改善を提案する。また、サーバ装置１００は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示してもよい。さらに、図２に示すように、サーバ装置１００は、ＣＴＲ又はＣＶＲを上げる要素の掲載順位（出稿金額）を学習から外すための係数（補正係数）を抽出又は算出してもよい。入力されたキーワードやＴＤによって補正係数は変動する。なお、実際には、サーバ装置１００は、ワード又はフレーズ単位に限らず／に加えて、広告文全体と広告のＣＴＲ又はＣＶＲとに基づいて、広告効率を推定してもよい。 At this time, the server device 100 uses machine learning to estimate advertising efficiency for each word or phrase based on the CTR or CVR extracted for each word or phrase, and predicts a word or phrase with good advertising efficiency. That is, a word or phrase with good advertising efficiency is a word or phrase with a high CTR or CVR. For example, the server device 100 uses machine learning to predict CTR or CVR for each word or phrase, and arranges them in descending order of CTR or CVR. Furthermore, the server device 100 proposes optimization or improvement of the TD (Title & Description: title and explanatory text of the advertisement text) of the advertisement based on prediction of CTR or CVR for each word or phrase. Further, the server device 100 may present words or phrases in a ranking format based on the score for each word or phrase. Furthermore, as shown in FIG. 2, the server device 100 may extract or calculate a coefficient (correction coefficient) for excluding from learning the publication ranking (posting amount) of an element that increases CTR or CVR. The correction coefficient varies depending on the input keyword and TD. Note that, in reality, the server device 100 may estimate advertising efficiency based not only on a word or phrase basis but also on/in addition to the entire advertising text and the CTR or CVR of the advertisement.

本実施形態では、サーバ装置１００は、広告主が広告を入稿する際に検索クエリを入力すると、ＣＴＲ順やＣＶＲ順で、効果的なワード／フレーズを、広告効果の高さの順に出力する。例えば、サーバ装置１００は、「冷蔵庫」が検索クエリの場合に、「急速冷凍」、「冷凍庫が大きい」等のワード／フレーズを、広告効果の高さの順に出力する。 In this embodiment, when an advertiser inputs a search query when submitting an advertisement, the server device 100 outputs effective words/phrases in order of CTR or CVR, in order of advertising effectiveness. . For example, when "refrigerator" is a search query, the server device 100 outputs words/phrases such as "quick freezing" and "large freezer" in order of advertising effectiveness.

また、サーバ装置１００は、入力された検索クエリと対応する広告の配信履歴から、キーワード（ＫＷ）ごとの広告効果を推定する。また、サーバ装置１００は、検索クエリと対応するグループの推定結果を提供する。また、サーバ装置１００は、キーワードごとの広告効果について、過去１週間の実績を評価する。 Furthermore, the server device 100 estimates the advertising effectiveness for each keyword (KW) from the distribution history of advertisements corresponding to the input search query. Additionally, the server device 100 provides estimation results of groups corresponding to the search query. Additionally, the server device 100 evaluates the past week's performance regarding advertising effectiveness for each keyword.

なお、サーバ装置１００は、ワード／フレーズに限らず、広告文自体をスコアリングすることもできる。また、サーバ装置１００は、ワード／フレーズごとのスコアに基づいて、広告に含まれるワード／フレーズを自動的に、より高いスコアになるように変更してもよい。例えば、サーバ装置１００は、広告に含まれるワード／フレーズを自動的に、よりスコアの高いワード／フレーズに変更してもよい。 Note that the server device 100 can score not only words/phrases but also advertising texts themselves. Further, the server device 100 may automatically change the word/phrase included in the advertisement to give a higher score based on the score for each word/phrase. For example, server device 100 may automatically change a word/phrase included in an advertisement to a word/phrase with a higher score.

また、サーバ装置１００は、広告文について、広告文章らしさ（広告の文章としての適切さ）をスコアリングしてもよい。例えば、サーバ装置１００は、広告の文体としてのスコアを算出してもよい。また、サーバ装置１００は、広告文について、文章の長さをスコアリングしてもよい。 Further, the server device 100 may score the advertisement text for its suitability as an advertisement text (appropriateness as an advertisement text). For example, the server device 100 may calculate a score for the writing style of the advertisement. Further, the server device 100 may score the length of the advertisement text.

また、サーバ装置１００は、画像の傾向、文字の装飾の傾向などについても、傾向ごとにランキングを生成して提供してもよい。また、サーバ装置１００は、ワード／フレーズの適切な組み合わせについて提供してもよい。 The server device 100 may also generate and provide rankings for each trend, such as image trends and text decoration trends. Additionally, the server device 100 may provide appropriate combinations of words/phrases.

このように、本実施形態では、サーバ装置１００は、入力された検索クエリと対応する広告の配信履歴から、キーワードごとの広告効果を推定し、推定された広告効果を示す情報を提供する。 In this manner, in this embodiment, the server device 100 estimates the advertising effectiveness for each keyword from the distribution history of advertisements corresponding to the input search query, and provides information indicating the estimated advertising effectiveness.

また、サーバ装置１００は、スコアリングモデルとして、例えば、広告文のワード／フレーズを入力した際に、そのワード／フレーズを含む広告のＣＴＲ又はＣＶＲが高いほどより高い値のスコアを出力するように学習されたモデルを用いる。 Further, the server device 100 has a scoring model such that, for example, when a word/phrase of an advertisement text is input, the higher the CTR or CVR of the advertisement including the word/phrase, the higher the score is output. Use the learned model.

これにより、本実施形態では、広告文のワード／フレーズごとにＣＴＲ又はＣＶＲを予測することができ、広告のＴＤの最適化や改善に利用できる。 As a result, in this embodiment, CTR or CVR can be predicted for each word/phrase of an advertisement text, which can be used to optimize and improve the TD of advertisements.

〔２．情報処理システムの構成例〕
次に、図４を用いて、実施形態に係るサーバ装置１００が含まれる情報処理システム１の構成について説明する。図４は、実施形態に係る情報処理システム１の構成例を示す図である。図４に示すように、実施形態に係る情報処理システム１は、端末装置１０とサーバ装置１００とを含む。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。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネット等のＷＡＮ（Wide Area Network）である。 [2. Configuration example of information processing system]
Next, the configuration of the information processing system 1 including the server device 100 according to the embodiment will be described using FIG. 4. FIG. 4 is a diagram illustrating a configuration example of the information processing system 1 according to the embodiment. As shown in FIG. 4, the information processing system 1 according to the embodiment includes a terminal device 10 and a server device 100. These various devices are connected via a network N so that they can communicate by wire or wirelessly. The network N is, for example, a LAN (Local Area Network) or a WAN (Wide Area Network) such as the Internet.

また、図４に示す情報処理システム１に含まれる各装置の数は図示したものに限られない。例えば、図４では、図示の簡略化のため、端末装置１０を１台のみ示したが、これはあくまでも例示であって限定されるものではなく、２台以上であってもよい。 Furthermore, the number of devices included in the information processing system 1 shown in FIG. 4 is not limited to what is illustrated. For example, in FIG. 4, only one terminal device 10 is shown for simplification of illustration, but this is just an example and is not limited, and there may be two or more terminal devices.

端末装置１０は、利用者Ｕによって使用される情報処理装置である。例えば、端末装置１０は、スマートフォンやタブレット端末等のスマートデバイス、フィーチャーフォン、ＰＣ（Personal Computer）、ＰＤＡ（Personal Digital Assistant）、通信機能を備えたゲーム機やＡＶ機器、カーナビゲーションシステム、スマートウォッチやヘッドマウントディスプレイ等のウェアラブルデバイス（Wearable Device）、スマートグラス等である。また、端末装置１０は、ＩＯＴ（Internet of Things）に対応した住宅・建物、車、家電製品、電子機器等であってもよい。 The terminal device 10 is an information processing device used by the user U. For example, the terminal device 10 may be a smart device such as a smartphone or a tablet terminal, a feature phone, a PC (Personal Computer), a PDA (Personal Digital Assistant), a game console or AV device with a communication function, a car navigation system, a smart watch, or the like. These include wearable devices such as head-mounted displays, smart glasses, etc. Further, the terminal device 10 may be a house/building, a car, a home appliance, an electronic device, etc. compatible with IOT (Internet of Things).

また、かかる端末装置１０は、ＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）等の無線通信網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）等の近距離無線通信を介してネットワークＮに接続し、サーバ装置１００と通信することができる。 The terminal device 10 also supports wireless communication networks such as LTE (Long Term Evolution), 4G (4th Generation), and 5G (5th Generation), Bluetooth (registered trademark), and wireless LAN (Local The server device 100 can be connected to the network N via short-range wireless communication such as an area network) and can communicate with the server device 100.

サーバ装置１００は、例えばＰＣやブレードサーバ（blade server）等のコンピュータ、あるいはメインフレーム又はワークステーション等である。なお、サーバ装置１００は、クラウドコンピューティングにより実現されてもよい。 The server device 100 is, for example, a computer such as a PC or a blade server, or a mainframe or a workstation. Note that the server device 100 may be realized by cloud computing.

〔３．端末装置の構成例〕
次に、図５を用いて、端末装置１０の構成について説明する。図５は、端末装置１０の構成例を示す図である。図５に示すように、端末装置１０は、通信部１１と、表示部１２と、入力部１３と、測位部１４と、センサ部２０と、制御部３０（コントローラ）と、記憶部４０とを備える。 [3. Configuration example of terminal device]
Next, the configuration of the terminal device 10 will be explained using FIG. 5. FIG. 5 is a diagram showing a configuration example of the terminal device 10. As shown in FIG. As shown in FIG. 5, the terminal device 10 includes a communication section 11, a display section 12, an input section 13, a positioning section 14, a sensor section 20, a control section 30 (controller), and a storage section 40. Be prepared.

（通信部１１）
通信部１１は、ネットワークＮ（図４参照）と有線又は無線で接続され、ネットワークＮを介して、サーバ装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）やアンテナ等によって実現される。 (Communication Department 11)
The communication unit 11 is connected to a network N (see FIG. 4) by wire or wirelessly, and transmits and receives information to and from the server device 100 via the network N. For example, the communication unit 11 is realized by a NIC (Network Interface Card), an antenna, or the like.

（表示部１２）
表示部１２は、位置情報等の各種情報を表示する表示デバイスである。例えば、表示部１２は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）や有機ＥＬディスプレイ（Organic Electro-Luminescent Display）である。また、表示部１２は、タッチパネル式のディスプレイであるが、これに限定されるものではない。 (Display section 12)
The display unit 12 is a display device that displays various information such as position information. For example, the display unit 12 is a liquid crystal display (LCD) or an organic electro-luminescent display (EL display). Further, the display unit 12 is a touch panel type display, but is not limited to this.

（入力部１３）
入力部１３は、利用者Ｕから各種操作を受け付ける入力デバイスである。例えば、入力部１３は、文字や数字等を入力するためのボタン等を有する。なお、入力部１３は、入出力ポート（I/O port）やＵＳＢ（Universal Serial Bus）ポート等であってもよい。また、表示部１２がタッチパネル式のディスプレイである場合、表示部１２の一部が入力部１３として機能する。また、入力部１３は、利用者Ｕから音声入力を受け付けるマイク等であってもよい。マイクはワイヤレスであってもよい。 (Input section 13)
The input unit 13 is an input device that receives various operations from the user U. For example, the input unit 13 includes buttons for inputting characters, numbers, and the like. Note that the input unit 13 may be an input/output port (I/O port), a USB (Universal Serial Bus) port, or the like. Further, when the display section 12 is a touch panel display, a part of the display section 12 functions as the input section 13. Further, the input unit 13 may be a microphone or the like that receives voice input from the user U. The microphone may be wireless.

（測位部１４）
測位部１４は、ＧＰＳ（Global Positioning System）の衛星から送出される信号（電波）を受信し、受信した信号に基づいて、自装置である端末装置１０の現在位置を示す位置情報（例えば、緯度及び経度）を取得する。すなわち、測位部１４は、端末装置１０の位置を測位する。なお、ＧＰＳは、ＧＮＳＳ（Global Navigation Satellite System）の一例に過ぎない。 (Positioning unit 14)
The positioning unit 14 receives a signal (radio wave) sent from a GPS (Global Positioning System) satellite, and based on the received signal, determines position information (for example, latitude and longitude). That is, the positioning unit 14 positions the terminal device 10. Note that GPS is just one example of GNSS (Global Navigation Satellite System).

また、測位部１４は、ＧＰＳ以外にも、種々の手法により位置を測位することができる。例えば、測位部１４は、位置補正等のための補助的な測位手段として、下記のように、端末装置１０の様々な通信機能を利用して位置を測位してもよい。 Further, the positioning unit 14 can measure the position using various methods other than GPS. For example, the positioning unit 14 may use various communication functions of the terminal device 10 to measure the position as an auxiliary positioning means for position correction and the like, as described below.

（Ｗｉ－Ｆｉ測位）
例えば、測位部１４は、端末装置１０のＷｉ－Ｆｉ（登録商標）通信機能や、各通信会社が備える通信網を利用して、端末装置１０の位置を測位する。具体的には、測位部１４は、Ｗｉ－Ｆｉ通信等を行い、付近の基地局やアクセスポイントとの距離を測位することにより、端末装置１０の位置を測位する。 (Wi-Fi positioning)
For example, the positioning unit 14 positions the terminal device 10 using the Wi-Fi (registered trademark) communication function of the terminal device 10 or a communication network provided by each communication company. Specifically, the positioning unit 14 performs Wi-Fi communication, etc., and determines the position of the terminal device 10 by measuring the distance to nearby base stations and access points.

（ビーコン測位）
また、測位部１４は、端末装置１０のＢｌｕｅｔｏｏｔｈ（登録商標）機能を利用して位置を測位してもよい。例えば、測位部１４は、Ｂｌｕｅｔｏｏｔｈ（登録商標）機能によって接続されるビーコン（beacon）発信機と接続することにより、端末装置１０の位置を測位する。 (Beacon positioning)
Further, the positioning unit 14 may use the Bluetooth (registered trademark) function of the terminal device 10 to measure the position. For example, the positioning unit 14 measures the position of the terminal device 10 by connecting to a beacon transmitter connected by a Bluetooth (registered trademark) function.

（地磁気測位）
また、測位部１４は、予め測定された構造物の地磁気のパターンと、端末装置１０が備える地磁気センサとに基づいて、端末装置１０の位置を測位する。 (geomagnetic positioning)
Furthermore, the positioning unit 14 positions the terminal device 10 based on the geomagnetic pattern of the structure measured in advance and the geomagnetic sensor included in the terminal device 10 .

（ＲＦＩＤ測位）
また、例えば、端末装置１０が駅改札や店舗等で使用される非接触型ＩＣカードと同等のＲＦＩＤ（Radio Frequency Identification）タグの機能を備えている場合、もしくはＲＦＩＤタグを読み取る機能を備えている場合、端末装置１０によって決済等が行われた情報とともに、使用された位置が記録される。測位部１４は、かかる情報を取得することで、端末装置１０の位置を測位してもよい。また、位置は、端末装置１０が備える光学式センサや、赤外線センサ等によって測位されてもよい。 (RFID positioning)
Further, for example, if the terminal device 10 has an RFID (Radio Frequency Identification) tag function equivalent to a contactless IC card used at station ticket gates, stores, etc., or has a function to read an RFID tag. In this case, the location where the terminal device 10 used the terminal device 10 is recorded together with the information that the payment was made. The positioning unit 14 may measure the position of the terminal device 10 by acquiring such information. Further, the position may be determined by an optical sensor, an infrared sensor, or the like provided in the terminal device 10.

測位部１４は、必要に応じて、上述した測位手段の一つ又は組合せを用いて、端末装置１０の位置を測位してもよい。 The positioning unit 14 may position the terminal device 10 using one or a combination of the above-mentioned positioning means, if necessary.

（センサ部２０）
センサ部２０は、端末装置１０に搭載又は接続される各種のセンサを含む。なお、接続は、有線接続、無線接続を問わない。例えば、センサ類は、ウェアラブルデバイスやワイヤレスデバイス等、端末装置１０以外の検知装置であってもよい。図５に示す例では、センサ部２０は、加速度センサ２１と、ジャイロセンサ２２と、気圧センサ２３と、気温センサ２４と、音センサ２５と、光センサ２６と、磁気センサ２７と、画像センサ（カメラ）２８とを備える。 (sensor section 20)
The sensor unit 20 includes various sensors mounted on or connected to the terminal device 10. Note that the connection may be a wired connection or a wireless connection. For example, the sensors may be a detection device other than the terminal device 10, such as a wearable device or a wireless device. In the example shown in FIG. 5, the sensor unit 20 includes an acceleration sensor 21, a gyro sensor 22, an atmospheric pressure sensor 23, an air temperature sensor 24, a sound sensor 25, an optical sensor 26, a magnetic sensor 27, and an image sensor ( camera) 28.

なお、上記した各センサ２１～２８は、あくまでも例示であって限定されるものではない。すなわち、センサ部２０は、各センサ２１～２８のうちの一部を備える構成であってもよいし、各センサ２１～２８に加えてあるいは代えて、湿度センサ等その他のセンサを備えてもよい。 Note that each of the sensors 21 to 28 described above is merely an example and is not limited to the above. That is, the sensor section 20 may be configured to include a portion of each of the sensors 21 to 28, or may include other sensors such as a humidity sensor in addition to or instead of each of the sensors 21 to 28. .

加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、及び、加速度等の端末装置１０の物理的な動きを検知する。ジャイロセンサ２２は、端末装置１０の角速度等に基づいて３軸方向の傾き等の端末装置１０の物理的な動きを検知する。気圧センサ２３は、例えば端末装置１０の周囲の気圧を検知する。 The acceleration sensor 21 is, for example, a three-axis acceleration sensor, and detects the physical movement of the terminal device 10, such as the moving direction, speed, and acceleration of the terminal device 10. The gyro sensor 22 detects physical movements of the terminal device 10 such as tilt in three axes directions based on the angular velocity of the terminal device 10 and the like. The atmospheric pressure sensor 23 detects the atmospheric pressure around the terminal device 10, for example.

端末装置１０は、上記した加速度センサ２１やジャイロセンサ２２、気圧センサ２３等を備えることから、これらの各センサ２１～２３等を利用した歩行者自律航法（ＰＤＲ：Pedestrian Dead-Reckoning）等の技術を用いて端末装置１０の位置を測位することが可能になる。これにより、ＧＰＳ等の測位システムでは取得することが困難な屋内での位置情報を取得することが可能になる。 Since the terminal device 10 is equipped with the above-mentioned acceleration sensor 21, gyro sensor 22, atmospheric pressure sensor 23, etc., it is possible to implement technologies such as pedestrian autonomous navigation (PDR) using these sensors 21 to 23, etc. It becomes possible to measure the position of the terminal device 10 using the . This makes it possible to obtain indoor position information that is difficult to obtain using positioning systems such as GPS.

例えば、加速度センサ２１を利用した歩数計により、歩数や歩くスピード、歩いた距離を算出することができる。また、ジャイロセンサ２２を利用して、利用者Ｕの進行方向や視線の方向、体の傾きを知ることができる。また、気圧センサ２３で検知した気圧から、利用者Ｕの端末装置１０が存在する高度やフロアの階数を知ることもできる。 For example, a pedometer using the acceleration sensor 21 can calculate the number of steps, walking speed, and distance walked. Further, by using the gyro sensor 22, it is possible to know the direction of travel of the user U, the direction of the line of sight, and the inclination of the user's body. Further, from the atmospheric pressure detected by the atmospheric pressure sensor 23, it is also possible to know the altitude and the number of floors where the terminal device 10 of the user U is located.

気温センサ２４は、例えば端末装置１０の周囲の気温を検知する。音センサ２５は、例えば端末装置１０の周囲の音を検知する。光センサ２６は、端末装置１０の周囲の照度を検知する。磁気センサ２７は、例えば端末装置１０の周囲の地磁気を検知する。画像センサ２８は、端末装置１０の周囲の画像を撮像する。 The temperature sensor 24 detects, for example, the temperature around the terminal device 10. The sound sensor 25 detects, for example, sounds around the terminal device 10. The optical sensor 26 detects the illuminance around the terminal device 10 . The magnetic sensor 27 detects, for example, the earth's magnetism around the terminal device 10. The image sensor 28 captures an image of the surroundings of the terminal device 10.

上記した気圧センサ２３、気温センサ２４、音センサ２５、光センサ２６及び画像センサ２８は、それぞれ気圧、気温、音、照度を検知したり、周囲の画像を撮像したりすることで、端末装置１０の周囲の環境や状況等を検知することができる。また、端末装置１０の周囲の環境や状況等から、端末装置１０の位置情報の精度を向上させることが可能になる。 The above-mentioned atmospheric pressure sensor 23, temperature sensor 24, sound sensor 25, optical sensor 26, and image sensor 28 each detect atmospheric pressure, temperature, sound, and illuminance, and capture images of the surroundings, so that the terminal device 10 It is possible to detect the surrounding environment and situation. Furthermore, it is possible to improve the accuracy of the location information of the terminal device 10 based on the environment and situation around the terminal device 10.

（制御部３０）
制御部３０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。制御部３０は、送信部３１と、受信部３２と、処理部３３とを有する。 (Control unit 30)
The control unit 30 includes, for example, a microcomputer having a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM, an input/output port, etc., and various circuits. Further, the control unit 30 may be configured with hardware such as an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or an FPGA (Field Programmable Gate Array). The control section 30 includes a transmitting section 31, a receiving section 32, and a processing section 33.

（送信部３１）
送信部３１は、例えば入力部１３を用いて利用者Ｕにより入力された各種情報や、端末装置１０に搭載又は接続された各センサ２１～２８によって検知された各種情報、測位部１４によって測位された端末装置１０の位置情報等を、通信部１１を介してサーバ装置１００へ送信することができる。 (Transmission unit 31)
The transmitting unit 31 receives, for example, various information input by the user U using the input unit 13, various information detected by the sensors 21 to 28 mounted on or connected to the terminal device 10, and information measured by the positioning unit 14. The location information of the terminal device 10 and the like can be transmitted to the server device 100 via the communication unit 11.

（受信部３２）
受信部３２は、通信部１１を介して、サーバ装置１００から提供される各種情報や、サーバ装置１００からの各種情報の要求を受信することができる。 (Receiving unit 32)
The receiving unit 32 can receive various information provided from the server device 100 and requests for various information from the server device 100 via the communication unit 11 .

（処理部３３）
処理部３３は、表示部１２等を含め、端末装置１０全体を制御する。例えば、処理部３３は、送信部３１によって送信される各種情報や、受信部３２によって受信されたサーバ装置１００からの各種情報を表示部１２へ出力して表示させることができる。 (Processing unit 33)
The processing unit 33 controls the entire terminal device 10, including the display unit 12 and the like. For example, the processing unit 33 can output various information transmitted by the transmitting unit 31 and various information received from the server device 100 by the receiving unit 32 to the display unit 12 for display.

（記憶部４０）
記憶部４０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、又は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置によって実現される。かかる記憶部４０には、各種プログラムや各種データ等が記憶される。 (Storage unit 40)
The storage unit 40 is realized by, for example, a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory, or a storage device such as an HDD (Hard Disk Drive), an SSD (Solid State Drive), or an optical disk. Ru. The storage unit 40 stores various programs, various data, and the like.

〔４．サーバ装置の構成例〕
次に、図６を用いて、実施形態に係るサーバ装置１００の構成について説明する。図６は、実施形態に係るサーバ装置１００の構成例を示す図である。図６に示すように、サーバ装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを備える。 [4. Configuration example of server device]
Next, the configuration of the server device 100 according to the embodiment will be described using FIG. 6. FIG. 6 is a diagram showing a configuration example of the server device 100 according to the embodiment. As shown in FIG. 6, the server device 100 includes a communication section 110, a storage section 120, and a control section 130.

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。また、通信部１１０は、ネットワークＮ（図４参照）と有線又は無線で接続される。 (Communication Department 110)
The communication unit 110 is realized by, for example, a NIC (Network Interface Card). Further, the communication unit 110 is connected to the network N (see FIG. 4) by wire or wirelessly.

（記憶部１２０）
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、又は、ＨＤＤ、ＳＳＤ、光ディスク等の記憶装置によって実現される。図６に示すように、記憶部１２０は、利用者情報データベース１２１と、履歴情報データベース１２２と、広告情報データベース１２３とを有する。 (Storage unit 120)
The storage unit 120 is realized by, for example, a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory, or a storage device such as an HDD, an SSD, or an optical disk. As shown in FIG. 6, the storage unit 120 includes a user information database 121, a history information database 122, and an advertisement information database 123.

（利用者情報データベース１２１）
利用者情報データベース１２１は、利用者Ｕに関する利用者情報を記憶する。例えば、利用者情報データベース１２１は、利用者Ｕの属性等の種々の情報を記憶する。図７は、利用者情報データベース１２１の一例を示す図である。図７に示した例では、利用者情報データベース１２１は、「利用者ＩＤ（Identifier）」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目を有する。 (User information database 121)
The user information database 121 stores user information regarding the user U. For example, the user information database 121 stores various information such as user U's attributes. FIG. 7 is a diagram showing an example of the user information database 121. In the example shown in FIG. 7, the user information database 121 includes items such as "user ID (identifier),""age,""gender,""home,""worklocation," and "interest."

「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。なお、「利用者ＩＤ」は、利用者Ｕの連絡先（電話番号、メールアドレス等）であってもよいし、利用者Ｕの端末装置１０を識別するための識別情報であってもよい。 “User ID” indicates identification information for identifying user U. Note that the "user ID" may be user U's contact information (telephone number, email address, etc.), or may be identification information for identifying user U's terminal device 10.

また、「年齢」は、利用者ＩＤにより識別される利用者Ｕの年齢を示す。なお、「年齢」は、利用者Ｕの具体的な年齢（例えば３５歳など）を示す情報であってもよいし、利用者Ｕの年代（例えば３０代など）を示す情報であってもよい。あるいは、「年齢」は、利用者Ｕの生年月日を示す情報であってもよいし、利用者Ｕの世代（例えば８０年代生まれなど）を示す情報であってもよい。また、「性別」は、利用者ＩＤにより識別される利用者Ｕの性別を示す。 Moreover, "age" indicates the age of the user U identified by the user ID. Note that the "age" may be information indicating the specific age of the user U (for example, 35 years old, etc.), or may be information indicating the age of the user U (for example, 30s, etc.) . Alternatively, the "age" may be information indicating the date of birth of the user U, or may be information indicating the generation of the user U (for example, born in the 1980s). Furthermore, “gender” indicates the gender of the user U identified by the user ID.

また、「自宅」は、利用者ＩＤにより識別される利用者Ｕの自宅の位置情報を示す。なお、図７に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。 Moreover, "home" indicates the location information of the home of the user U identified by the user ID. In the example shown in FIG. 7, "home" is illustrated as an abstract code such as "LC11", but it may also be latitude/longitude information or the like. Furthermore, for example, "home" may be a region name or address.

また、「勤務地」は、利用者ＩＤにより識別される利用者Ｕの勤務地（学生の場合は学校）の位置情報を示す。なお、図７に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。 Moreover, "work place" indicates the location information of the work place (school in the case of a student) of the user U identified by the user ID. In the example shown in FIG. 7, the "work location" is illustrated as an abstract code such as "LC12," but it may also be latitude and longitude information. Further, for example, the "work location" may be a region name or address.

また、「興味」は、利用者ＩＤにより識別される利用者Ｕの興味を示す。すなわち、「興味」は、利用者ＩＤにより識別される利用者Ｕが関心の高い対象を示す。例えば、「興味」は、利用者Ｕが検索エンジンに入力して検索した検索クエリ（キーワード）等であってもよい。なお、図７に示す例では、「興味」は、各利用者Ｕに１つずつ図示するが、複数であってもよい。 Moreover, "interest" indicates the interest of the user U identified by the user ID. That is, "interest" indicates an object in which the user U identified by the user ID has a high interest. For example, "interest" may be a search query (keyword) that the user U inputs into a search engine. In the example shown in FIG. 7, one "interest" is shown for each user U, but there may be a plurality of "interests".

例えば、図７に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、自宅が「ＬＣ１１」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、勤務地が「ＬＣ１２」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、「スポーツ」に興味があることを示す。 For example, in the example shown in FIG. 7, the age of the user U identified by the user ID "U1" is "20s", and the gender is "male". Further, for example, the user U identified by the user ID "U1" indicates that his home is "LC11". Further, for example, the user U identified by the user ID "U1" indicates that the work location is "LC12". Further, for example, the user U identified by the user ID "U1" indicates that he is interested in "sports."

ここで、図７に示す例では、「Ｕ１」、「ＬＣ１１」及び「ＬＣ１２」といった抽象的な値を用いて図示するが、「Ｕ１」、「ＬＣ１１」及び「ＬＣ１２」には、具体的な文字列や数値等の情報が記憶されるものとする。以下、他の情報に関する図においても、抽象的な値を図示する場合がある。 Here, in the example shown in FIG. 7, abstract values such as "U1", "LC11", and "LC12" are used for illustration, but "U1", "LC11", and "LC12" have specific values. It is assumed that information such as character strings and numerical values is stored. Below, abstract values may be illustrated in diagrams related to other information as well.

なお、利用者情報データベース１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、利用者情報データベース１２１は、利用者Ｕの端末装置１０に関する各種情報を記憶してもよい。また、利用者情報データベース１２１は、利用者Ｕのデモグラフィック（人口統計学的属性）、サイコグラフィック（心理学的属性）、ジオグラフィック（地理学的属性）、ベヘイビオラル（行動学的属性）等の属性に関する情報を記憶してもよい。例えば、利用者情報データベース１２１は、氏名、家族構成、出身地（地元）、職業、職位、収入、資格、居住形態（戸建、マンション等）、車の有無、通学・通勤時間、通学・通勤経路、定期券区間（駅、路線等）、利用頻度の高い駅（自宅・勤務地の最寄駅以外）、習い事（場所、時間帯等）、趣味、興味、ライフスタイル等の情報を記憶してもよい。 Note that the user information database 121 is not limited to the above, and may store various information depending on the purpose. For example, the user information database 121 may store various information regarding the terminal device 10 of the user U. In addition, the user information database 121 includes information such as demographic (demographic attributes), psychographic (psychological attributes), geographic (geographical attributes), behavioral (behavioral attributes), etc. of user U. Information regarding attributes may also be stored. For example, the user information database 121 includes name, family composition, place of birth (locality), occupation, position, income, qualifications, type of residence (single-family house, condominium, etc.), presence or absence of a car, commuting/commuting time, commuting/commuting, etc. Memorizes information such as routes, commuter pass sections (stations, lines, etc.), frequently used stations (other than the stations closest to your home or work), lessons (location, time zone, etc.), hobbies, interests, lifestyle, etc. It's okay.

（履歴情報データベース１２２）
履歴情報データベース１２２は、利用者Ｕの行動を示す履歴情報（ログデータ）に関する各種情報を記憶する。図８は、履歴情報データベース１２２の一例を示す図である。図８に示した例では、履歴情報データベース１２２は、「利用者ＩＤ」、「位置履歴」、「検索履歴」、「閲覧履歴」、「購入履歴」、「投稿履歴」といった項目を有する。 (History information database 122)
The history information database 122 stores various information related to history information (log data) indicating the actions of the user U. FIG. 8 is a diagram showing an example of the history information database 122. In the example shown in FIG. 8, the history information database 122 has items such as "user ID", "location history", "search history", "browsing history", "purchase history", and "posting history".

「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。また、「位置履歴」は、利用者Ｕの位置や移動の履歴である位置履歴を示す。また、「検索履歴」は、利用者Ｕが入力した検索クエリの履歴である検索履歴を示す。また、「閲覧履歴」は、利用者Ｕが閲覧したコンテンツの履歴である閲覧履歴を示す。また、「購入履歴」は、利用者Ｕによる購入の履歴である購入履歴を示す。また、「投稿履歴」は、利用者Ｕによる投稿の履歴である投稿履歴を示す。なお、「投稿履歴」は、利用者Ｕの所有物に関する質問を含んでいてもよい。 “User ID” indicates identification information for identifying user U. Further, “position history” indicates a position history that is a history of the user U's position and movement. Further, “search history” indicates a search history that is a history of search queries input by the user U. In addition, “browsing history” indicates a browsing history that is a history of contents that the user U has viewed. Moreover, "purchase history" indicates a purchase history that is a history of purchases by user U. Moreover, "posting history" indicates a posting history that is a history of postings by user U. Note that the "posting history" may include questions regarding user U's belongings.

例えば、図８に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、「位置履歴＃１」の通りに移動し、「検索履歴＃１」の通りに検索し、「閲覧履歴＃１」の通りにコンテンツを閲覧し、「購入履歴＃１」の通りに所定の店舗等で所定の商品等を購入し、「投稿履歴＃１」の通りに投稿したことを示す。 For example, in the example shown in FIG. 8, user U identified by user ID "U1" moves as per "location history #1", searches as per "search history #1", and searches as per "view history #1". This indicates that the content is viewed according to "history #1", a predetermined product, etc. is purchased at a predetermined store etc. according to "purchase history #1", and the content is posted according to "post history #1".

ここで、図８に示す例では、「Ｕ１」、「位置履歴＃１」、「検索履歴＃１」、「閲覧履歴＃１」、「購入履歴＃１」及び「投稿履歴＃１」といった抽象的な値を用いて図示するが、「Ｕ１」、「位置履歴＃１」、「検索履歴＃１」、「閲覧履歴＃１」、「購入履歴＃１」及び「投稿履歴＃１」には、具体的な文字列や数値等の情報が記憶されるものとする。 Here, in the example shown in FIG. 8, abstracts such as "U1", "location history #1", "search history #1", "browsing history #1", "purchase history #1" and "posting history #1" are used. Although the figures are illustrated using ``U1'', ``Location history #1'', ``Search history #1'', ``Browsing history #1'', ``Purchase history #1'' and ``Posting history #1'', It is assumed that information such as specific character strings and numerical values is stored.

なお、履歴情報データベース１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、履歴情報データベース１２２は、利用者Ｕの所定のサービスの利用履歴等を記憶してもよい。また、履歴情報データベース１２２は、利用者Ｕの実店舗の来店履歴又は施設の訪問履歴等を記憶してもよい。また、履歴情報データベース１２２は、利用者Ｕの端末装置１０を用いた決済（電子決済）での決済履歴等を記憶してもよい。 Note that the history information database 122 is not limited to the above, and may store various information depending on the purpose. For example, the history information database 122 may store the user U's usage history of a predetermined service. Further, the history information database 122 may store the user U's visit history to a physical store, visit history to a facility, or the like. Further, the history information database 122 may store the payment history of user U's payment using the terminal device 10 (electronic payment).

（広告情報データベース１２３）
広告情報データベース１２３は、利用者Ｕの行動を示す履歴情報（ログデータ）に関する各種情報を記憶する。図９は、広告情報データベース１２３の一例を示す図である。図９に示した例では、広告情報データベース１２３は、「広告」、「カテゴリ」、「ワード／フレーズ」、「ＣＴＲ」、「ＣＶＲ」、「ＣＴＶＲ」といった項目を有する。 (Advertisement information database 123)
The advertisement information database 123 stores various information related to history information (log data) indicating the behavior of the user U. FIG. 9 is a diagram showing an example of the advertisement information database 123. In the example shown in FIG. 9, the advertisement information database 123 has items such as "advertisement", "category", "word/phrase", "CTR", "CVR", and "CTVR".

「広告」は、広告を識別するための識別情報を示す。また、「カテゴリ」は、広告のカテゴリを示す。広告のカテゴリについては、広告の掲載内容によって分類してもよいし、広告の種類によって分類してもよいし、広告目的によって分類してもよいし、広告媒体によって分類してもよい。また、広告のカテゴリは１種類に限らず、１つの広告につき複数のカテゴリのそれぞれを示してもよい。 "Advertisement" indicates identification information for identifying an advertisement. Moreover, "category" indicates the category of advertisement. The advertisement categories may be classified according to the contents of the advertisement, the type of advertisement, the purpose of the advertisement, or the advertisement medium. Further, the number of advertisement categories is not limited to one type, and each of a plurality of categories may be indicated for one advertisement.

また、「ワード／フレーズ」は、自然言語処理により、広告に含まれる文字列（タイトル、説明文等）を形態素解析して抽出されたワード／フレーズを示す。なお、実際には、ワード／フレーズをベクトル化したベクトル（ドキュメントベクトル）であってもよい。 Further, "word/phrase" indicates a word/phrase extracted by morphologically analyzing a character string (title, explanatory text, etc.) included in an advertisement using natural language processing. Note that in reality, it may be a vector (document vector) obtained by converting a word/phrase into a vector.

また、「ＣＴＲ」は、ワード／フレーズごとのＣＴＲ（Click Through Rate：クリック率）を示す。なお、実際には、ＣＴＲに基づくスコアであってもよい。また、「ＣＶＲ」は、ワード／フレーズごとのＣＶＲ（Conversion Rate：コンバージョン率）を示す。なお、実際には、ＣＶＲに基づくスコアであってもよい。また、「ＣＴＶＲ」ワード／フレーズごとのＣＴＶＲを示す。ＣＴＶＲは、広告のクリック率（ＣＴＲ）とコンバージョン率（ＣＶＲ）をかけ合わせたものである（ＣＴＶＲ＝ＣＴＲ×ＣＶＲ）。なお、実際には、ＣＴＶＲに基づくスコアであってもよい。 Moreover, "CTR" indicates CTR (Click Through Rate) for each word/phrase. Note that the score may actually be based on CTR. Moreover, "CVR" indicates CVR (Conversion Rate) for each word/phrase. Note that the score may actually be based on CVR. It also shows the CTVR for each “CTVR” word/phrase. CTVR is the product of the click-through rate (CTR) and conversion rate (CVR) of an advertisement (CTVR=CTR×CVR). Note that the score may actually be based on CTVR.

例えば、図９に示す例において、広告「広告Ａ」により識別される利用者Ｕは、カテゴリ「カテゴリ＃Ａ」に分類され、広告に含まれる「ワード／フレーズ＃Ａ１」のワード／フレーズごとのＣＴＲは「ＣＴＲ＃Ａ１」であり、ワード／フレーズごとのＣＶＲは「ＣＶＲ＃Ａ１」であり、ワード／フレーズごとのＣＴＶＲは「ＣＴＶＲ＃Ａ１」であることを示す。 For example, in the example shown in FIG. 9, the user U identified by the advertisement "Advertisement A" is classified into the category "Category #A", and the user U identified by the advertisement "Advertisement A" is classified into the category "Category #A" and The CTR is "CTR#A1", the CVR for each word/phrase is "CVR#A1", and the CTVR for each word/phrase is "CTVR#A1".

ここで、図９に示す例では、「広告Ａ」、「カテゴリ＃Ａ」、「ワード／フレーズ＃Ａ１」、「ＣＴＲ＃Ａ１」、「ＣＶＲ＃Ａ１」及び「ＣＴＶＲ＃Ａ１」といった抽象的な値を用いて図示するが、「広告Ａ」、「カテゴリ＃Ａ」、「ワード／フレーズ＃Ａ１」、「ＣＴＲ＃Ａ１」、「ＣＶＲ＃Ａ１」及び「ＣＴＶＲ＃Ａ１」には、具体的な文字列や数値等の情報が記憶されるものとする。 Here, in the example shown in FIG. 9, the abstract Although the figures are illustrated using values, specific It is assumed that information such as character strings and numerical values is stored.

なお、広告情報データベース１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、広告情報データベース１２３は、ワード／フレーズごとの広告効果に関する情報・提案等を記憶してもよい。また、広告情報データベース１２３は、ワード／フレーズごとのＣＴＲやＣＶＲ等を、クリックしたユーザの属性（ユーザセグメント、ユーザペルソナでも可）ごとに分けて記憶してもよい。また、広告情報データベース１２３は、ワード／フレーズのランキングに関する情報を記憶してもよい。 Note that the advertisement information database 123 is not limited to the above, and may store various information depending on the purpose. For example, the advertising information database 123 may store information/proposals regarding advertising effectiveness for each word/phrase. Further, the advertisement information database 123 may store CTR, CVR, etc. for each word/phrase separately for each attribute of the user who clicked (user segment, user persona). The advertisement information database 123 may also store information regarding word/phrase rankings.

（制御部１３０）
図６に戻り、説明を続ける。制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、サーバ装置１００の内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭ等の記憶領域を作業領域として実行されることにより実現される。図６に示す例では、制御部１３０は、取得部１３１と、分類部１３２と、受付部１３３と、解析部１３４と、抽出部１３５と、推定部１３６と、提供部１３７とを有する。 (Control unit 130)
Returning to FIG. 6, the explanation will be continued. The control unit 130 is a controller, and controls the server device 100 using, for example, a CPU (Central Processing Unit), an MPU (Micro Processing Unit), an ASIC (Application Specific Integrated Circuit), or an FPGA (Field Programmable Gate Array). This is realized by executing various programs (corresponding to an example of an information processing program) stored in an internal storage device using a storage area such as a RAM as a work area. In the example shown in FIG. 6, the control unit 130 includes an acquisition unit 131, a classification unit 132, a reception unit 133, an analysis unit 134, an extraction unit 135, an estimation unit 136, and a provision unit 137.

（取得部１３１）
取得部１３１は、利用者Ｕにより入力された検索クエリを取得する。例えば、取得部１３１は、利用者Ｕが検索エンジン等に検索クエリを入力してキーワード検索を行った際に、通信部１１０を介して、当該検索クエリを取得する。すなわち、取得部１３１は、通信部１１０を介して、利用者Ｕにより検索エンジンやサイト又はアプリの検索窓に入力されたキーワードを取得する。 (Acquisition unit 131)
The acquisition unit 131 acquires a search query input by the user U. For example, when the user U inputs a search query into a search engine or the like and performs a keyword search, the acquisition unit 131 acquires the search query via the communication unit 110. That is, the acquisition unit 131 acquires, via the communication unit 110, a keyword input by the user U into a search window of a search engine, site, or application.

また、取得部１３１は、通信部１１０を介して、利用者Ｕに関する利用者情報を取得する。例えば、取得部１３１は、利用者Ｕの端末装置１０から、利用者Ｕを示す識別情報（利用者ＩＤ等）や、利用者Ｕの位置情報、利用者Ｕの属性情報等を取得する。また、取得部１３１は、利用者Ｕのユーザ登録時に、利用者Ｕを示す識別情報や、利用者Ｕの属性情報等を取得してもよい。そして、取得部１３１は、利用者情報を、記憶部１２０の利用者情報データベース１２１に登録する。 The acquisition unit 131 also acquires user information regarding the user U via the communication unit 110. For example, the acquisition unit 131 acquires identification information indicating the user U (user ID, etc.), location information of the user U, attribute information of the user U, etc. from the terminal device 10 of the user U. Further, the acquisition unit 131 may acquire identification information indicating the user U, attribute information of the user U, etc. at the time of user U's user registration. The acquisition unit 131 then registers the user information in the user information database 121 of the storage unit 120.

また、取得部１３１は、通信部１１０を介して、利用者Ｕの行動を示す各種の履歴情報（ログデータ）を取得する。例えば、取得部１３１は、利用者Ｕの端末装置１０から、あるいは利用者ＩＤ等に基づいて各種サーバ等から、利用者Ｕの行動を示す各種の履歴情報を取得する。そして、取得部１３１は、各種の履歴情報を、記憶部１２０の履歴情報データベース１２２に登録する。 Further, the acquisition unit 131 acquires various types of history information (log data) indicating the behavior of the user U via the communication unit 110. For example, the acquisition unit 131 acquires various types of history information indicating the behavior of the user U from the terminal device 10 of the user U or from various servers based on the user ID or the like. The acquisition unit 131 then registers various types of history information in the history information database 122 of the storage unit 120.

（分類部１３２）
分類部１３２は、広告をカテゴリごとに分類してデータベースに蓄積する。なお、データベースは、記憶部１２０に記憶されていてもよいし、外部ストレージやオンライン上の外部サーバ等に格納されていてもよい。 (Classification unit 132)
The classification unit 132 classifies advertisements into categories and stores them in a database. Note that the database may be stored in the storage unit 120, or may be stored in an external storage, an online external server, or the like.

（受付部１３３）
受付部１３３は、広告のカテゴリの指定を受け付ける。例えば、受付部１３３は、通信部１１０を介して、不特定多数の利用者Ｕ（ユーザ）のうち、広告主である利用者Ｕから、特定のカテゴリを示すキーワード（ＫＷ）の指定を受け付ける。キーワードは、検索クエリであってもよい。また、受付部１３３は、キーワードを直接入力とせず、カテゴリのリストの中から任意のキーワードを選択させるようにしてもよい。なお、受付部１３３は、取得部１３１又はその一部であってもよい。 (Reception Department 133)
The reception unit 133 accepts designation of an advertisement category. For example, the reception unit 133 receives a designation of a keyword (KW) indicating a specific category from a user U who is an advertiser among an unspecified number of users U (users) via the communication unit 110. A keyword may be a search query. Further, the reception unit 133 may allow the user to select an arbitrary keyword from a list of categories instead of directly inputting the keyword. Note that the reception unit 133 may be the acquisition unit 131 or a part thereof.

（解析部１３４）
解析部１３４は、広告の文章をワード又はフレーズ単位で形態素解析する。例えば、解析部１３４は、指定されたカテゴリの広告をデータベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析する。このとき、解析部１３４は、ＤＯＣ２ＶＥＣにより、広告の文章をベクトル化する。 (Analysis unit 134)
The analysis unit 134 performs morphological analysis of the advertisement text in units of words or phrases. For example, the analysis unit 134 extracts advertisements of the specified category from the database, and performs morphological analysis on the sentences of the extracted advertisements in units of words or phrases. At this time, the analysis unit 134 vectorizes the text of the advertisement using DOC2VEC.

（抽出部１３５）
抽出部１３５は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する。例えば、抽出部１３５は、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを付与する。また、提供部１３７は、ワード又はフレーズごとのスコアに基づく情報を提供する。 (Extraction unit 135)
The extraction unit 135 extracts CTR or CVR in units of words or phrases. For example, the extraction unit 135 gives a higher score to a word or phrase included in the advertisement, the higher the CTR or CVR of the advertisement. Further, the providing unit 137 provides information based on the score for each word or phrase.

このとき、抽出部１３５は、広告の文章のベクトル（ドキュメントベクトル）からＣＴＲ又はＣＶＲを予測する。例えば、抽出部１３５は、機械学習により、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを出力するモデルを生成し、指定されたカテゴリの広告に含まれるワード又はフレーズをモデルに入力することで、スコアを算出する。すなわち、抽出部１３５は、スコアを算出する算出部であってもよい。 At this time, the extraction unit 135 predicts the CTR or CVR from the advertisement text vector (document vector). For example, the extraction unit 135 uses machine learning to generate a model that outputs a higher score to a word or phrase included in an advertisement as the CTR or CVR of the advertisement is higher, The score is calculated by inputting into the model. That is, the extraction unit 135 may be a calculation unit that calculates a score.

（推定部１３６）
推定部１３６は、抽出されたＣＴＲ又はＣＶＲに基づいて、機械学習でワード又はフレーズごとの広告効率を推定し、広告効率の良いワード又はフレーズを予測する。例えば、推定部１３６は、機械学習で、ワード又はフレーズと、そのＣＴＲ又はＣＶＲとの組を学習データとして、ワード又はフレーズを入力するとＣＴＲ又はＣＶＲを出力する推定モデルを生成する。 (Estimation unit 136)
The estimation unit 136 estimates advertising efficiency for each word or phrase by machine learning based on the extracted CTR or CVR, and predicts a word or phrase with good advertising efficiency. For example, the estimation unit 136 uses machine learning to generate an estimation model that outputs a CTR or CVR when a word or phrase is input, using a set of a word or phrase and its CTR or CVR as learning data.

（提供部１３７）
提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する。例えば、提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、指定されたカテゴリの広告のＴＤの改善を提案する。なお、改善は、最適化であってもよい。 (Providing Department 137)
The providing unit 137 proposes an improvement in the TD of the advertisement based on the prediction of CTR or CVR for each word or phrase. For example, the providing unit 137 suggests improving the TD of advertisements in the specified category based on predictions of CTR or CVR for each word or phrase. Note that the improvement may be optimization.

また、提供部１３７は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示する。 Further, the providing unit 137 presents words or phrases in a ranking format based on the score for each word or phrase.

あるいは、提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤを自動的に変更（修正）する。 Alternatively, the providing unit 137 automatically changes (corrects) the TD of the advertisement based on the predicted CTR or CVR for each word or phrase.

〔５．処理手順〕
次に、図１０を用いて実施形態に係るサーバ装置１００による処理手順について説明する。図１０は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、サーバ装置１００の制御部１３０によって繰り返し実行される。 [5. Processing procedure]
Next, a processing procedure by the server device 100 according to the embodiment will be described using FIG. 10. FIG. 10 is a flowchart showing the processing procedure according to the embodiment. Note that the processing procedure shown below is repeatedly executed by the control unit 130 of the server device 100.

例えば、図１０に示すように、サーバ装置１００の取得部１３１は、通信部１１０を介して、直接又は間接的に（他のサーバ装置等を介して）、配信済み広告のアクセスログを収集する（ステップＳ１０１）。 For example, as shown in FIG. 10, the acquisition unit 131 of the server device 100 directly or indirectly (via another server device, etc.) collects access logs of distributed advertisements via the communication unit 110. (Step S101).

続いて、サーバ装置１００の分類部１３２は、広告をカテゴリごとに分類してデータベースに蓄積する（ステップＳ１０２）。 Subsequently, the classification unit 132 of the server device 100 classifies the advertisements into categories and stores them in the database (step S102).

続いて、サーバ装置１００の受付部１３３は、通信部１１０を介して、広告主である利用者Ｕから、特定のカテゴリを示すキーワード（ＫＷ）の指定を受け付ける（ステップＳ１０３）。 Subsequently, the reception unit 133 of the server device 100 receives the designation of a keyword (KW) indicating a specific category from the user U, who is an advertiser, via the communication unit 110 (step S103).

続いて、サーバ装置１００の解析部１３４は、指定されたカテゴリの広告をデータベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析する（ステップＳ１０４）。 Subsequently, the analysis unit 134 of the server device 100 extracts advertisements of the specified category from the database, and morphologically analyzes the sentences of the extracted advertisements in units of words or phrases (step S104).

続いて、サーバ装置１００の抽出部１３５は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する（ステップＳ１０５）。 Subsequently, the extraction unit 135 of the server device 100 extracts CTR or CVR in units of words or phrases (step S105).

続いて、サーバ装置１００の推定部１３６は、機械学習でワード又はフレーズごとの
ＣＴＲ又はＣＶＲを予測する（ステップＳ１０６）。すなわち、推定部１３６は、ワード又はフレーズごとの広告効率を推定する。 Subsequently, the estimation unit 136 of the server device 100 predicts the CTR or CVR for each word or phrase by machine learning (step S106). That is, the estimation unit 136 estimates advertising efficiency for each word or phrase.

続いて、サーバ装置１００の提供部１３７は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示する（ステップＳ１０７）。 Next, the providing unit 137 of the server device 100 presents words or phrases in a ranking format based on the score for each word or phrase (step S107).

続いて、サーバ装置１００の提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する（ステップＳ１０８）。なお、提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤを自動的に変更（修正）してもよい。 Next, the providing unit 137 of the server device 100 proposes improvement of the TD of the advertisement based on the prediction of CTR or CVR for each word or phrase (step S108). Note that the providing unit 137 may automatically change (correct) the TD of the advertisement based on the prediction of CTR or CVR for each word or phrase.

〔６．変形例〕
上述した端末装置１０及びサーバ装置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、実施形態の変形例について説明する。 [6. Modified example]
The terminal device 10 and server device 100 described above may be implemented in various different forms other than the above embodiments. Therefore, a modification of the embodiment will be described below.

上記の実施形態において、サーバ装置１００が実行している処理の一部又は全部は、実際には、端末装置１０が実行してもよい。例えば、スタンドアローン（Stand-alone）で（端末装置１０単体で）処理が完結してもよい。この場合、端末装置１０に、上記の実施形態におけるサーバ装置１００の機能が備わっているものとする。また、上記の実施形態では、端末装置１０はサーバ装置１００と連携しているため、利用者Ｕから見れば、サーバ装置１００の処理も端末装置１０が実行しているように見える。すなわち、他の観点では、端末装置１０は、サーバ装置１００を備えているともいえる。 In the above embodiment, part or all of the processing executed by the server device 100 may actually be executed by the terminal device 10. For example, the process may be completed stand-alone (by the terminal device 10 alone). In this case, it is assumed that the terminal device 10 has the functions of the server device 100 in the above embodiment. Further, in the embodiment described above, since the terminal device 10 cooperates with the server device 100, it appears to the user U that the terminal device 10 is also executing the processing of the server device 100. That is, from another point of view, it can be said that the terminal device 10 includes the server device 100.

また、上記の実施形態において、サーバ装置１００は、利用者Ｕの属性や履歴等に応じて、ワード又はフレーズごとのＣＴＲ又はＣＶＲを分けてもよい。例えば、サーバ装置１００は、ワード／フレーズごとのＣＴＲやＣＶＲ等を、クリックしたユーザの属性（ユーザセグメント、ユーザペルソナでも可）ごとに分けて蓄積してもよい。性別や年齢層、地域性といった属性に加え、ユーザが広告をクリックした時の場所（自宅、駅／電車内、店舗内、等）や状況・行動（平日／休日、時間帯、通勤中／就寝前、特定の商品の購入時、等）といったコンテキスト（context）によっても、ワード／フレーズごとのＣＴＲやＣＶＲは異なる可能性がある。すなわち、サーバ装置１００は、ターゲットとなるユーザの属性や履歴等を、広告のカテゴリの１つとしてもよい。 Further, in the above embodiment, the server device 100 may divide the CTR or CVR for each word or phrase depending on the attributes, history, etc. of the user U. For example, the server device 100 may store the CTR, CVR, etc. for each word/phrase separately for each attribute of the clicked user (user segment, user persona, etc.). In addition to attributes such as gender, age group, and regionality, the user's location (home, station/train, inside a store, etc.) and situation/behavior (weekdays/holidays, time of day, commuting/sleeping) when the user clicked on the ad. The CTR and CVR for each word/phrase may also differ depending on the context (such as when purchasing a specific product, etc.). That is, the server device 100 may use the target user's attributes, history, etc. as one of the advertisement categories.

また、上記の実施形態において、サーバ装置１００は、広告主／広告の投稿者（提供者）に応じて、ワード又はフレーズごとのＣＴＲ又はＣＶＲを分けてもよい。広告主のイメージ等、誰がその広告を出しているかによっても、ワード／フレーズの広告効果は異なり、ワード／フレーズごとのＣＴＲやＣＶＲが異なる可能性がある。すなわち、サーバ装置１００は、広告主／広告の投稿者（提供者）等を、広告のカテゴリの１つとしてもよい。 Further, in the above embodiment, the server device 100 may divide the CTR or CVR for each word or phrase depending on the advertiser/poster (provider) of the advertisement. The advertising effectiveness of words/phrases may vary depending on who is running the advertisement, such as the image of the advertiser, and the CTR and CVR for each word/phrase may differ. That is, the server device 100 may set the advertiser/advertisement poster (provider), etc. as one of the advertisement categories.

また、上記の実施形態において、ＣＴＲ又はＣＶＲは一例に過ぎない。サーバ装置１００は、クリックに関する指標として、Ｃｌｉｃｋ（クリック数）、ｉｍｐ（表示回数）、ＣＴＲ（クリック率）、ＣＰＣ（Cost Per Click：平均クリック単価）等のいずれを用いてもよい。また、サーバ装置１００は、コンバージョンに関する指標として、ＣＶ（コンバージョン数）、ＣＶＲ（コンバージョン率）、Ｃｏｓｔ（広告費用）、ＣＰＡ（Cost Per Action）等のいずれを用いてもよい。なお、ＣＰＡ＝Ｃｏｓｔ（広告費用）÷ＣＶ（コンバージョン数）である。 Furthermore, in the above embodiments, CTR or CVR is only an example. The server device 100 may use any of Click (number of clicks), imp (number of impressions), CTR (click rate), CPC (Cost Per Click), etc. as an index regarding clicks. Further, the server device 100 may use any of CV (number of conversions), CVR (conversion rate), Cost (advertisement cost), CPA (Cost Per Action), etc. as an index related to conversion. Note that CPA=Cost (advertisement cost)/CV (number of conversions).

また、上記の実施形態において、サーバ装置１００は、広告文（ＴＤ）の内容と、クリックした先のランディングページ（ＬＰ）の内容との整合性やギャップを評価してもよい。例えば、サーバ装置１００は、広告文に含まれるワード／フレーズと、ランディングページに含まれるワード／フレーズとを比較してもよい。 Further, in the embodiment described above, the server device 100 may evaluate the consistency or gap between the content of the advertisement text (TD) and the content of the clicked landing page (LP). For example, the server device 100 may compare words/phrases included in the advertisement text and words/phrases included in the landing page.

また、上記の実施形態において、ワード又はフレーズは、定型句や慣用句であってもよいし、歌詞や詩の一部であってもよいし、有名な台詞・科白（セリフ）又は名言等であってもよい。また、ワード又はフレーズは、テキストデータに限らず、画像（静止画、動画等）や音声に含まれる文字列であってもよい。例えば、サーバ装置１００は、画像認識や音声認識等の技術により、画像や音声に含まれるワード又はフレーズを抽出してもよい。また、サーバ装置１００は、ワード又はフレーズ単位に限らず、センテンス（sentence）又は文節単位でＣＴＲ又はＣＶＲを抽出してもよい。さらに、サーバ装置１００は、広告の文章のテンプレートごとにＣＴＲ又はＣＶＲを抽出してもよい。 Furthermore, in the above embodiments, the word or phrase may be a fixed phrase or idiom, a part of lyrics or a poem, or a famous line, line, famous quote, etc. There may be. Further, the word or phrase is not limited to text data, and may be a character string included in an image (still image, video, etc.) or audio. For example, the server device 100 may extract words or phrases included in images and sounds using techniques such as image recognition and voice recognition. Further, the server device 100 may extract CTR or CVR not only in units of words or phrases but also in units of sentences or clauses. Furthermore, the server device 100 may extract the CTR or CVR for each advertisement text template.

〔７．効果〕
上述してきたように、本願に係る情報処理装置（端末装置１０及びサーバ装置１００）は、広告の文章をワード又はフレーズ単位で形態素解析する解析部１３４と、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部１３５と、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定部１３６と、を備える。 [7. effect〕
As described above, the information processing device (terminal device 10 and server device 100) according to the present application includes an analysis unit 134 that morphologically analyzes advertisement sentences in units of words or phrases, and extracts CTR or CVR in units of words or phrases. and an estimating unit 136 that estimates advertising efficiency for each word or phrase based on the extracted CTR or CVR.

また、本願に係る情報処理装置は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する提供部１３７をさらに備える。 Further, the information processing device according to the present application further includes a providing unit 137 that proposes improvement of TD of advertisement based on prediction of CTR or CVR for each word or phrase.

抽出部１３５は、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを付与する。提供部１３７は、ワード又はフレーズごとのスコアに基づく情報を提供する。 The extraction unit 135 gives a higher score to the word or phrase included in the advertisement, the higher the CTR or CVR of the advertisement. The providing unit 137 provides information based on the score for each word or phrase.

提供部１３７は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示する。 The providing unit 137 presents words or phrases in a ranking format based on the score for each word or phrase.

また、本願に係る情報処理装置は、広告をカテゴリごとに分類してデータベースに蓄積する分類部１３２と、広告のカテゴリの指定を受け付ける受付部１３３と、をさらに備える。解析部１３４は、指定されたカテゴリの広告をデータベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析する。抽出部１３５は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する。推定部１３６は、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する。提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、指定されたカテゴリの広告のＴＤの改善を提案する。 The information processing device according to the present application further includes a classification unit 132 that classifies advertisements into categories and stores them in a database, and a reception unit 133 that accepts designation of advertisement categories. The analysis unit 134 extracts advertisements of the specified category from the database, and morphologically analyzes the sentences of the extracted advertisements in units of words or phrases. The extraction unit 135 extracts CTR or CVR in units of words or phrases. The estimation unit 136 estimates advertising efficiency for each word or phrase based on the extracted CTR or CVR. The providing unit 137 proposes an improvement in the TD of the advertisement of the specified category based on the prediction of CTR or CVR for each word or phrase.

抽出部１３５は、機械学習により、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを出力するモデルを生成し、指定されたカテゴリの広告に含まれるワード又はフレーズをモデルに入力することで、スコアを算出する。 The extraction unit 135 uses machine learning to generate a model that outputs a higher score to a word or phrase included in an advertisement as the CTR or CVR of the advertisement is higher, and outputs a higher score to a word or phrase included in an advertisement of a specified category. Calculate the score by inputting the

提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤを自動的に変更する。 The providing unit 137 automatically changes the TD of the advertisement based on the predicted CTR or CVR for each word or phrase.

解析部１３４は、ＤＯＣ２ＶＥＣにより、広告の文章をベクトル化する。抽出部１３５は、広告の文章のベクトルからＣＴＲ又はＣＶＲを予測する。 The analysis unit 134 vectorizes the text of the advertisement using DOC2VEC. The extraction unit 135 predicts CTR or CVR from the vector of the text of the advertisement.

上述した各処理のいずれかもしくは組合せにより、本願に係る情報処理装置は、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測することができる。 By using any one or a combination of the above-described processes, the information processing device according to the present application can create a model using machine learning from a search advertisement database and predict recommended words.

〔８．ハードウェア構成〕
また、上述した実施形態に係る端末装置１０やサーバ装置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、サーバ装置１００を例に挙げて説明する。図１１は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。 [8. Hardware configuration]
Further, the terminal device 10 and the server device 100 according to the embodiments described above are realized by, for example, a computer 1000 having a configuration as shown in FIG. 11. The following will explain the server device 100 as an example. FIG. 11 is a diagram showing an example of the hardware configuration. The computer 1000 is connected to an output device 1010 and an input device 1020, and a calculation device 1030, a primary storage device 1040, a secondary storage device 1050, an output I/F (Interface) 1060, an input I/F 1070, and a network I/F 1080 are connected to a bus. 1090.

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。 The arithmetic unit 1030 operates based on programs stored in the primary storage device 1040 and the secondary storage device 1050, programs read from the input device 1020, and performs various processes. The arithmetic device 1030 is realized by, for example, a CPU (Central Processing Unit), an MPU (Micro Processing Unit), an ASIC (Application Specific Integrated Circuit), an FPGA (Field Programmable Gate Array), or the like.

一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢ（Universal Serial Bus）メモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。 The primary storage device 1040 is a memory device such as a RAM (Random Access Memory) that temporarily stores data used by the calculation device 1030 for various calculations. Further, the secondary storage device 1050 is a storage device in which data used by the calculation device 1030 for various calculations and various databases are registered, and includes a ROM (Read Only Memory), an HDD (Hard Disk Drive), and an SSD (Solid Disk Drive). This is realized using flash memory, etc. The secondary storage device 1050 may be a built-in storage or an external storage. Further, the secondary storage device 1050 may be a removable storage medium such as a USB (Universal Serial Bus) memory or an SD (Secure Digital) memory card. Further, the secondary storage device 1050 may be a cloud storage (online storage), a NAS (Network Attached Storage), a file server, or the like.

出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、及びプリンタ等といった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインターフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、及びスキャナ等といった各種の入力装置１０２０から情報を受信するためのインターフェースであり、例えば、ＵＳＢ等により実現される。 The output I/F 1060 is an interface for transmitting information to be output to the output device 1010 that outputs various information such as a display, a projector, and a printer. (Digital Visual Interface) and HDMI (registered trademark) (High Definition Multimedia Interface). Further, the input I/F 1070 is an interface for receiving information from various input devices 1020 such as a mouse, keyboard, keypad, button, scanner, etc., and is realized by, for example, a USB or the like.

また、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０及び入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０及び入力装置１０２０は、ワイヤレス機器であってもよい。 Further, the output I/F 1060 and the input I/F 1070 may be wirelessly connected to the output device 1010 and the input device 1020, respectively. That is, output device 1010 and input device 1020 may be wireless devices.

また、出力装置１０１０及び入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。 Moreover, the output device 1010 and the input device 1020 may be integrated like a touch panel. In this case, the output I/F 1060 and the input I/F 1070 may also be integrated as an input/output I/F.

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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、又は半導体メモリ等から情報を読み出す装置であってもよい。 Note that the input device 1020 is, for example, an optical recording medium such as a CD (Compact Disc), a DVD (Digital Versatile Disc), or a PD (Phase change rewritable disk), a magneto-optical recording medium such as an MO (Magneto-Optical disk), or a tape. It may be a device that reads information from a medium, a magnetic recording medium, a semiconductor memory, or the like.

ネットワークＩ／Ｆ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。 Network I/F 1080 receives data from other devices via network N and sends it to computing device 1030, and also sends data generated by computing device 1030 to other devices via network N.

演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。 Arithmetic device 1030 controls output device 1010 and input device 1020 via output I/F 1060 and input I/F 1070. For example, the arithmetic device 1030 loads a program from the input device 1020 or the secondary storage device 1050 onto the primary storage device 1040, and executes the loaded program.

例えば、コンピュータ１０００がサーバ装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得したプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。 For example, when the computer 1000 functions as the server device 100, the arithmetic unit 1030 of the computer 1000 realizes the functions of the control unit 130 by executing a program loaded onto the primary storage device 1040. Further, the arithmetic device 1030 of the computer 1000 may load a program obtained from another device via the network I/F 1080 onto the primary storage device 1040, and execute the loaded program. Further, the arithmetic device 1030 of the computer 1000 may cooperate with other devices via the network I/F 1080, and may call and use program functions, data, etc. from other programs of other devices.

〔９．その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。 [9. others〕
Although the embodiments of the present application have been described above, the present invention is not limited to the contents of these embodiments. Furthermore, the above-mentioned components include those that can be easily assumed by those skilled in the art, those that are substantially the same, and those that are in a so-called equivalent range. Furthermore, the aforementioned components can be combined as appropriate. Furthermore, various omissions, substitutions, or modifications of the constituent elements can be made without departing from the gist of the embodiments described above.

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又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又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。 Further, among the processes described in the above embodiments, all or part of the processes described as being performed automatically can be performed manually, or the processes described as being performed manually can be performed manually. All or part of this can also be performed automatically using known methods. In addition, information including the processing procedures, specific names, and various data and parameters shown in the above documents and drawings may be changed arbitrarily, unless otherwise specified. For example, the various information shown in each figure is not limited to the illustrated information.

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、その全部又は一部を、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又は物理的に分散・統合して構成することができる。 Furthermore, each component of each device shown in the drawings is functionally conceptual, and does not necessarily need to be physically configured as shown in the drawings. In other words, the specific form of distributing and integrating each device is not limited to what is shown in the diagram, and all or part of the devices can be functionally or physically distributed or integrated in arbitrary units depending on various loads and usage conditions. Can be integrated and configured.

例えば、上述したサーバ装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。 For example, the server device 100 described above may be realized by a plurality of server computers, and depending on the function, it may be realized by calling an external platform etc. using an API (Application Programming Interface), network computing, etc. Can be changed flexibly.

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。 Further, the embodiments and modifications described above can be combined as appropriate within the range that does not conflict with the processing contents.

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。 Further, the above-mentioned "section, module, unit" can be read as "means", "circuit", etc. For example, the acquisition unit can be read as an acquisition means or an acquisition circuit.

１ 情報処理システム
１０ 端末装置
１００ サーバ装置
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報データベース
１２２ 履歴情報データベース
１２３ 広告情報データベース
１３０ 制御部
１３１ 取得部
１３２ 分類部
１３３ 受付部
１３４ 解析部
１３５ 抽出部
１３６ 推定部
１３７ 提供部 1 Information processing system 10 Terminal device 100 Server device 110 Communication unit 120 Storage unit 121 User information database 122 History information database 123 Advertising information database 130 Control unit 131 Acquisition unit 132 Classification unit 133 Reception unit 134 Analysis unit 135 Extraction unit 136 Estimation unit 137 Provision Department

Claims (10)

広告の文章をワード又はフレーズ単位で形態素解析する解析部と、
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定部と、
を備えることを特徴とする情報処理装置。 an analysis unit that performs morphological analysis of advertising text in units of words or phrases;
an extraction unit that extracts CTR or CVR in units of words or phrases;
an estimation unit that estimates advertising efficiency for each word or phrase based on the extracted CTR or CVR;
An information processing device comprising: ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する提供部と、
をさらに備えることを特徴とする請求項１に記載の情報処理装置。 a providing unit that proposes improvement of TD of advertisement based on prediction of CTR or CVR for each word or phrase;
The information processing device according to claim 1, further comprising: 前記抽出部は、広告のＣＴＲ又はＣＶＲが高いほど、前記広告に含まれるワード又はフレーズに高いスコアを付与し、
前記提供部は、ワード又はフレーズごとのスコアに基づく情報を提供する
ことを特徴とする請求項２に記載の情報処理装置。 The extraction unit assigns a higher score to a word or phrase included in the advertisement as the CTR or CVR of the advertisement is higher;
The information processing device according to claim 2, wherein the providing unit provides information based on a score for each word or phrase. 前記提供部は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示する
ことを特徴とする請求項３に記載の情報処理装置。 The information processing device according to claim 3, wherein the providing unit presents words or phrases in a ranking format based on a score for each word or phrase. 広告をカテゴリごとに分類してデータベースに蓄積する分類部と、
広告のカテゴリの指定を受け付ける受付部と、
をさらに備え、
前記解析部は、指定されたカテゴリの広告を前記データベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析し、
前記抽出部は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出し、
前記推定部は、抽出されたＣＴＲ又はＣＶＲに基づいて、機械学習で広告効率の良いワード又はフレーズを予測し、
前記提供部は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、指定されたカテゴリの広告のＴＤの改善を提案する
ことを特徴とする請求項２に記載の情報処理装置。 a classification unit that classifies advertisements into categories and stores them in a database;
A reception department that accepts the specification of advertisement categories;
Furthermore,
The analysis unit extracts advertisements of the specified category from the database, performs morphological analysis of the sentences of the extracted advertisements in units of words or phrases,
The extraction unit extracts CTR or CVR in units of words or phrases,
The estimation unit predicts a word or phrase with good advertising efficiency by machine learning based on the extracted CTR or CVR,
The information processing device according to claim 2, wherein the providing unit proposes improvement of TD of an advertisement of a specified category based on prediction of CTR or CVR for each word or phrase. 前記抽出部は、機械学習により、広告のＣＴＲ又はＣＶＲが高いほど、前記広告に含まれるワード又はフレーズに高いスコアを出力するモデルを生成し、指定されたカテゴリの広告に含まれるワード又はフレーズを前記モデルに入力することで、スコアを算出する
ことを特徴とする請求項５に記載の情報処理装置。 The extraction unit uses machine learning to generate a model that outputs a higher score to a word or phrase included in the advertisement as the CTR or CVR of the advertisement is higher, and outputs a higher score to the word or phrase included in the advertisement of the specified category. The information processing device according to claim 5, wherein a score is calculated by inputting the information into the model. 前記提供部は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤを自動的に変更する
ことを特徴とする請求項２に記載の情報処理装置。 The information processing device according to claim 2, wherein the providing unit automatically changes the TD of the advertisement based on prediction of CTR or CVR for each word or phrase. 前記解析部は、ＤＯＣ２ＶＥＣにより、広告の文章をベクトル化し、
前記抽出部は、前記文章のベクトルからＣＴＲ又はＣＶＲを予測する
ことを特徴とする請求項１に記載の情報処理装置。 The analysis unit vectorizes the text of the advertisement using DOC2VEC,
The information processing device according to claim 1, wherein the extraction unit predicts CTR or CVR from a vector of the text. 情報処理装置が実行する情報処理方法であって、
広告の文章をワード又はフレーズ単位で形態素解析する解析工程と、
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出工程と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定工程と、
を含むことを特徴とする情報処理方法。 An information processing method executed by an information processing device, the method comprising:
an analysis step of morphologically analyzing the advertisement text in units of words or phrases;
an extraction step of extracting CTR or CVR in units of words or phrases;
an estimation step of estimating advertising efficiency for each word or phrase based on the extracted CTR or CVR;
An information processing method characterized by comprising: 広告の文章をワード又はフレーズ単位で形態素解析する解析手順と、
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出手順と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。 an analysis procedure for morphologically analyzing advertising text in units of words or phrases;
an extraction procedure for extracting CTR or CVR in units of words or phrases;
an estimation procedure for estimating advertising efficiency for each word or phrase based on the extracted CTR or CVR;
An information processing program that causes a computer to execute.
JP2022114581A 2022-07-19 2022-07-19 Information processor, information processing method, and information processing program Pending JP2024012834A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022114581A JP2024012834A (en) 2022-07-19 2022-07-19 Information processor, information processing method, and information processing program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022114581A JP2024012834A (en) 2022-07-19 2022-07-19 Information processor, information processing method, and information processing program

Publications (1)

Publication Number Publication Date
JP2024012834A true JP2024012834A (en) 2024-01-31

Family

ID=89714156

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022114581A Pending JP2024012834A (en) 2022-07-19 2022-07-19 Information processor, information processing method, and information processing program

Country Status (1)

Country Link
JP (1) JP2024012834A (en)

Similar Documents

Publication Publication Date Title
US20150149287A1 (en) Responding to an advertisement using a mobile computing device
JP7174782B2 (en) Information processing device, information processing method and information processing program
JP2024012834A (en) Information processor, information processing method, and information processing program
JP7337123B2 (en) Information processing device, information processing method and information processing program
JP7459026B2 (en) Information processing device, information processing method, and information processing program
JP7453199B2 (en) Information processing device, information processing method, and information processing program
JP7145247B2 (en) Information processing device, information processing method and information processing program
JP7212665B2 (en) Information processing device, information processing method and information processing program
JP7459021B2 (en) Information processing device, information processing method, and information processing program
JP7122432B1 (en) Information processing device, information processing method and information processing program
JP7353317B2 (en) Information processing device, information processing method, and information processing program
JP7191136B2 (en) Information processing device, information processing method and information processing program
JP2023043779A (en) Information processing device, information processing method, and information processing program
JP2024000426A (en) Information processing apparatus, information processing method, and information processing program
JP7317901B2 (en) Information processing device, information processing method and information processing program
JP7145997B2 (en) Information processing device, information processing method and information processing program
JP7388744B2 (en) Information processing device, information processing method, and information processing program
JP7168640B2 (en) Information processing device, information processing method and information processing program
US11828616B2 (en) Search system, search method, and recording medium for recording search program
JP2023043778A (en) Information processing device, information processing method, and information processing program
JP2023170207A (en) Information processor, method for processing information, and program
JP2023102373A (en) Information processing device, information processing method, and information processing program
JP2023043762A (en) Information processing device, information processing method, and information processing program
JP2023102384A (en) Information processing device, information processing method, and information processing program
JP2023124656A (en) Information processing device, information processing method, and information processing program

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20231026