JP3673193B2 - 広告レスポンス予測システム及びその方法 - Google Patents
広告レスポンス予測システム及びその方法 Download PDFInfo
- Publication number
- JP3673193B2 JP3673193B2 JP2001218536A JP2001218536A JP3673193B2 JP 3673193 B2 JP3673193 B2 JP 3673193B2 JP 2001218536 A JP2001218536 A JP 2001218536A JP 2001218536 A JP2001218536 A JP 2001218536A JP 3673193 B2 JP3673193 B2 JP 3673193B2
- Authority
- JP
- Japan
- Prior art keywords
- advertisement
- response
- attention
- rate
- information
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 30
- 238000004364 calculation method Methods 0.000 description 35
- 201000010099 disease Diseases 0.000 description 31
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 31
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000007115 recruitment Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【発明の技術分野】
この発明は、新聞等のメディアに含まれる募集広告等に対するレスポンス数の予測システム及びその方法に関するものである。
【0002】
【従来の技術】
人材募集や通信販売等の広告出稿プランを立てる際には、その発行部数に対して何人が実際にレスポンス(応募、申し込み等)するかというレスポンス率の予測が極めて重要である。精度の高い予測レスポンス数をあらかじめ得ることで、広告出稿主は、広告出稿に対する不必要な時間とコストを削減することができるからである。
【0003】
従来の一般的なレスポンス数の予測手法は、例えば新聞広告における通信販売では、広告を出稿する新聞の発行部数に対するレスポンス数のデータを継続して蓄積することにより、レスポンス数の予測精度を高めていく方法が用いられている。
【0004】
【発明が解決しようとする課題】
しかしながら、従来のレスポンス数の予測手法では、同様の広告出稿を長期に継続して行うことにより精度を高めていくことを前提としているから、同様の広告出稿によるレスポンス数のデータの蓄積が少ない場合には精度の高い予測が困難である。
【0005】
そのようなレスポンス数のデータの蓄積が少ない広告タイプの一つとして、最近厚生省により認可された治験広告が挙げられる。この治験広告は、主に、臨床試験の被験者を新聞広告等で募集するものであり、治験進行の遅れの原因とされていた被験者募集の困難性を解消し、治験のスピードアップを図るものとして注目されている。その他の広告としては、例えば、特殊技能を有する職種の募集広告等が挙げられる。いずれにしても、このような広告では、レスポンスを要求する内容の性格上、同様のデータを蓄積してレスポンス数の予測精度を高めていくことが時間的に困難であり、また、参考となる類似のデータを利用できることも稀である。
【0006】
この発明は、上記のような問題点を解決して、レスポンス数のデータの蓄積が少ない場合であっても、精度の高いレスポンス数の予測を行うことのできる広告レスポンス予測システム及びその方法を提供することを目的とする。
【0007】
【課題を解決するための手段および発明の効果】
1)本発明の広告レスポンス予測システムは、
メディア利用者数情報を取得するメディア利用者数情報取得手段、
広告属性情報に対応づけられて記録された、メディア利用者数と広告推定注目者数との割合に関する広告注目者数推定情報を取得する広告注目者数推定情報取得手段、
広告注目者数と広告推定レスポンス数との割合に関するレスポンス数推定情報を取得するレスポンス数推定情報取得手段、
広告属性情報が入力されると、前記メディア利用者数記録手段と前記広告注目者数推定情報記録手段とを参照することにより、その広告属性情報に対応する広告注目者数を算出する広告注目者数算出手段、
前記算出された広告注目者数と前記レスポンス数推定情報記録手段に記録されたレスポンス数推定情報とを参照することにより、その広告属性情報に対応する予測レスポンス数を算出する予測レスポンス数算出手段、
を備えたことを特徴としている。
【0008】
これにより、予測レスポンス数を算出する際には、前記メディア利用者数の中から、レスポンスする可能性のある前記広告注目者数のみが抽出されたうえで、予測レスポンス数が算出される。したがって、前記広告レスポンス予測システムは、最終的にレスポンス数を算出する前に、レスポンス数に直接影響する広告推定注目者数のみを抽出するというステップをとることによって、メディア利用者数全体からレスポンス数を直接予測する場合よりも精度の高い予測を行うことができる。
【0009】
また、前記広告推定注目者数を決定づける要因としての前記広告属性情報は、前記広告注目者数算出手段による処理において利用される。したがって、前記広告注目者数と広告推定レスポンス数との割合に関するレスポンス数推定情報は、前記広告属性情報には依存しない一定のものとして標準化することができる。
【0010】
そして、前記広告レスポンス予測システムによれば、異なる広告属性を有する場合にも、それぞれの広告属性に対応する広告注目者数が算出されたうえで、標準化されたレスポンス数推定情報に基づいてレスポンス数が算出される。したがって、様々な広告属性のバリエーションに対しても、精度の高いレスポンス数の予測を行うことができる。
【0011】
5)本発明の前記広告属性情報は、
広告出稿形態情報を含んでいることを特徴としている。
【0012】
これにより、前記広告注目者数算出手段は、広告出稿形態の相違に起因する、メディア利用者の広告注目度に応じた、個別対応性の高い広告推定注目者数を算出する。したがって、様々な広告出稿形態のバリエーションに対しても、精度の高いレスポンス数の予測を行うことができる。
【0013】
6)本発明の前記広告属性情報は、
広告出稿回数情報を含んでいることを特徴としている。
【0014】
これにより、前記広告注目者数算出手段は、広告出稿回数情報に対応する広告推定注目者数を算出する。したがって、複数回の出稿を行う場合に、全体として、または、各出稿回毎に、精度の高いレスポンス数の予測を行うことができる。
【0015】
7)本発明の前記広告属性情報は、
広告がレスポンスを要求する対象者のカテゴリーを示すレスポンス対象者カテゴリー情報を含んでいることを特徴としている。
【0016】
これにより、広告注目者数算出手段は、広告に対するレスポンスの候補者となりうる可能性のある人数を抽出したうえで広告推定注目者数を算出する。したがって、様々なカテゴリーの対象者のレスポンスを要求する広告のバリエーションに対しても、精度の高いレスポンス数の予測を行うことができる。
【0017】
8)本発明の前記レスポンス数推定情報記録手段は、
前記広告注目者数と前記広告推定レスポンス数との割合に関するレスポンス数推定情報を、前記レスポンス対象者カテゴリー情報に対応づけて記録することを特徴としている。
【0018】
これにより、予測レスポンス数算出手段は、広告に対するレスポンスの候補者のカテゴリー毎のレスポンス数の傾向を考慮した予測レスポンス数を算出する。したがって、様々なカテゴリーの対象者のレスポンスを要求する広告のバリエーションに対しても、精度の高いレスポンス数の予測を行うことができる。
【0019】
【発明の実施の形態】
本発明に係る広告レスポンス予測システムの実施形態を説明する。本実施形態は、治験広告における予測レスポンス数の算出を例示するものであり、これにより、個々の治験広告プラン等に応じた精度の高いレスポンス数を算出することができ、時間的にもコスト的にも最適な治験広告プランをデザインすることができる。
【0020】
以下、まず始めに、実施形態による予測レスポンス演算処理の概略、ハードウェア構成、データベース構成、特許請求の範囲に記載した用語と実施形態との対応を説明し、次に、本実施形態による処理内容等の説明を行う。
目次
1.予測レスポンス数演算処理の概略
2.ハードウェア構成
3.データベース構成
4.特許請求の範囲に記載した用語と実施形態との対応
5.実施形態による予測レスポンス数の演算処理の説明
6.実施形態による効果
7.その他の実施形態等
−−−−−−−
1.予測レスポンス数演算処理の概略
1−1.従来の予測レスポンス数の演算手法
本実施形態による予測レスポンス数演算処理の概略を説明する前提として、まず始めに、従来の予測レスポンス数の演算手法について説明する。従来の予測レスポンス数の演算手法は、例えば新聞に募集広告を出稿する場合には、一般的に図1に示すような手法で行われている。従来の予測レスポンス数の演算は、広告を出稿する新聞の発行部数に対するレスポンス数のデータを継続して蓄積することにより、新聞購読者数に対する応募者数、すなわち、広告出稿数に対するレスポンス数の割合(レスポンス率)の精度を高めておく。そして、類似の広告の出稿予定があれば、予定する広告出稿数にレスポンス率を乗じることにより、予測レスポンス数を演算する。したがって、従来のレスポンス数予測では、複数回のレスポンス率データの蓄積が、予測精度を高めるための重要な役割を果たしている。しかしながら、従来の手法では、過去の類似広告のデータの蓄積が少ない場合には、精度の高い予測を行うことができない、という欠点がある。
【0021】
1−2.実施形態によるレスポンス数予測手法
一方、本実施形態によるレスポンス数予測手法は、過去の類似広告のデータの蓄積が少ない場合にも精度の高い予測を行うことができる。この手法の概略は、新聞購読者数からレスポンス数を直接演算するのではなく、新聞購読者のうち何人の人がその広告を実際に見るかという要素と、その広告を見た人のうち何人がレスポンスするかという要素とを独立に考慮したうえで最終的な予測レスポンス数を算出することとしている。ここで、何人の人がその広告を実際に見るか、という部分の演算に関しては、さらに、新聞購読者のうち募集対象に該当する人数を考慮する要素、複数回の広告出稿によって同じ広告には反応しなくなる人数を考慮する要素等に分解することとしている。
【0022】
このような本発明独自の手法は、以下の、発明者独自の知見に基づいてなされた。
【0023】
(1)購読者数に対する広告注目者数の割合は、統計的に、広告の出稿形態に依存する。すなわち、広告媒体接触者数に対する、広告に注目する人数(広告を見た、と意識する人数)の割合は、例えば、その広告媒体が何であるか、掲載サイズはいくらか、広告カラー等の、広告の出稿形態に依存する。
【0024】
(2)購読者数に対する広告注目数の割合は、統計的に、広告出稿回数を重ねる毎に同様の傾向で減衰する。
【0025】
(3)広告に注目するとともにそれに応募するか応募しないかといういずれかの反応を決定する意識に至った人数(以下、「広告に注目して理解・判断する人数」とする)のうち、その広告にレスポンス(応募、申し込み等)する人数の割合は、広告が掲載される媒体や、広告を見る対象者のカテゴリー毎に標準化することができる(本実施形態では、媒体と対象疾患タイプによって標準化している)。
【0026】
以上のような知見に基づいてなされた、本実施形態による具体的なレスポンス数予測手法について、図2を参照しながら説明する。
【0027】
広告の出稿を予定している新聞の購読者数に対して、その募集広告の募集対象者の人口比率(ターゲット人数比率)を乗じて、ターゲット人数を算出する(記号1)。次に、そのターゲット人数に対して、出稿形態毎の広告注目率を乗じることによって広告注目者数を算出する(記号2)。この広告注目者数に対して、出稿回毎の注目率の減衰率を乗じることによって、出稿回別広告注目者数(出稿回毎に新たに広告に注目して理解・判断する人数)を算出する(記号3)。最後に、この出稿回別広告注目者数に対して基準レスポンス率を乗じることによって、予測レスポンス数を算出する(記号4)。基準レスポンス率は、広告に注目して理解・判断した人数に対するレスポンス数の割合を基準化したものである。これらの処理によって、最終的に、広告の出稿回毎の予測レスポンス数が算出される。各処理の詳細や、広告注目率及び減衰率、基準レスポンス率等の内容については後述する。
【0028】
1−3.予測レスポンス数演算モデル
以上説明したように、本実施形態による予測レスポンス数の演算処理の概要は、ある募集広告を出稿したときに、母集団であるターゲット人数の中から広告に注目して理解・判断する人数を抽出しておき、この人数に対して基準レスポンス率を乗じることとしている。また、本実施形態では、上述したように、広告に注目して理解・判断する人数は、広告出稿回数を重ねる毎に減少するということも考慮したうえで演算することとしている。以下、この予測レスポンス数演算モデルを、(1)i回目の広告出稿によって新たにその広告に注目して理解・判断する人数Niの算出と、(2)i回目の広告出稿時の予測レスポンス数の算出、の2つに分けて説明する。
【0029】
(1)i回目の広告出稿によって新たにその広告に注目して理解・判断する人数Niの演算モデル
Niは、数式1で表すことができる。
【0030】
【数1】
なお、各パラメータの内容は以下の通りである。
【0031】
N: 広告出稿エリア内のターゲット新聞購読者数(ターゲット人数)
a(s):出稿形態がsのときの広告注目率
si: i回目の出稿形態
λ: 減衰パラメータ(広告注目者が広告を理解して判断に至る確率)
pi: i回目の広告出稿時における、広告に注目して理解・判断する確率(pi=λa(si))
ここで、「広告に注目」したという概念は、広告を見たという意識に至った概念であり、一方、「広告を理解して判断」したという概念は、広告を見てそれに応募(レスポンス)するか応募しないか、といういずれかの反応を決定する意識に至った概念である。
【0032】
数式1に示すように、Ni(i回目の広告出稿時に新たに広告に注目して理解・判断する人数)の算出は、ターゲット人数から、i−1回目の広告出稿時までに既に広告を理解して判断した人数を除外したうえで、広告注目率を乗ずることとしている。このように、i−1回目に広告を理解して判断した人数を除外することとしているのは、広告を見てそれにレスポンスするかしないか、といういずれかの反応を決定する意識に至った人は、次回以降の同じ広告の接触時にはその広告に反応を示さず、既にレスポンスする可能性が低くなっている、という心理的な仮定に基づいている。この心理的仮定は、広告注目者に対する応募者数(レスポンス数)の割合が出稿回数の増加に従って減衰する、という発明者独自の調査によって得られた統計的な結果に基づいて、その減衰の原因をモデル化するために着想した仮定である。
【0033】
なお、上述のモデルをより簡単に表現すると、Niは、Nに対して、広告出稿回毎に減衰する広告注目率piを乗ずることによって得られる、というモデルになる。この場合、Niは、数式2で表すことができる。
【0034】
【数2】
ωi: i回目の広告出稿時の広告注目率の減衰率
ここで、ωiは、数式3で表すことができる。
【0035】
【数3】
(2)i回目の広告出稿時の予測レスポンス数の演算モデル
数式1によって算出したNiから、i回目の広告出稿時の予測レスポンス数Riを算出するモデルは、以下の数式4によって表すことができる。
【0036】
【数4】
ここで、各パラメータの内容は以下の通りである。
【0037】
N0λa(s0): 基準化された、広告に注目して理解・判断した人数
R0: 基準化されたレスポンス数
数式4中、R0/N0λa(s0)を、基準レスポンス率とするが、これは、予定している広告プランに類似する、過去の広告事例において、広告に注目して理解・判断した人数に対する、実際にレスポンスした人数の割合を標準化したものである。広告に注目して理解・判断した人数のデータは、例えば、電話調査等によって集計することができる。
【0038】
これにより、レスポンス率ri=Ri/Nは、
【数5】
で表すことができる。
【0039】
なお、上記(1)の、i回目の広告出稿によって新たにその広告に注目して理解・判断した人の人数Niの演算モデルについては、数式1と数式2のいずれを採用してもよいが、実施形態では、数式2のモデルを採用して説明する。
【0040】
2.ハードウェア構成
図3は、本実施形態による、広告レスポンス予測システムとしての治験広告レスポンス予測システム100のハードウェア構成の一例である。治験広告レスポンス予測システム100は、CPU10、RAM20、ハードディスク12、ROM14、キーボード16、ディスプレイ18を備えている。CPU10は、予測レスポンス数演算処理のほか、システム全体を制御する。RAM20は、CPU10のワーク領域等を提供する。キーボード16は、ユーザの操作入力を受け付ける。ハードディスク12は、予測レスポンス数演算処理プログラムのほか、基準レスポンス率データベース(以下、“データベース”を“DB”とする)54、減衰率DB52、購読者DB50、疾患率DB56、注目率DB58を記録する。
【0041】
3.データベース構成
3−1.購読者DB、疾患率DB、注目率DB、減衰率DB
図4は、購読者DB50の構成例を示す。購読者DB50は、媒体区分毎に購読者数を記録しており、その購読者数は、エリア、性別、年齢層毎に区分けされている。
【0042】
図5は、疾患率DB56の構成例を示す。疾患率DB56は、対象疾患タイプ毎に疾患率(疾患人口比)を記録しており、その疾患率は、エリア、性別、年齢層毎に区分けされている。このデータは、例えば、厚生省によるデータを利用すればよい。
【0043】
図6は、注目率DB58の構成例を示す。注目率DB58は、媒体区分毎に注目率を記録しており、その注目率は、新聞名、エリア、サイズ、カラー毎に区分けされている。
【0044】
図7は、減衰率DB52の構成例を示す。減衰率DB52は、出稿回数毎の注目率の減衰率を記録している。
【0045】
なお、上述した各データベースの構成は、これに限られるものではなく、その他の構成を採用してもよい。例えば、レスポンス数の予測精度をより高めるために、注目率DB58において、注目率が、年齢層や対象疾患タイプ、家族構成等によって相違があれば、そのようなデータに基づいてデータベースの構成をより細分化してもよい。
【0046】
また、減衰率DB52についても、注目率DB58と別のデータベースとして記録するのではなく、両者を併せた情報として記録するようにしてもよい。具体的には、図6の注目率DB58に記録する注目率を、出稿回毎の注目率として記録するデータとするようにしてもよい。また、注目率の減衰は、上述したように統計的には同様の傾向であるが、遅い減衰パターン、速い減衰パターンという複数の減衰パターンをデータベース化して、個々の広告プランに対する対応性を高めてもよい。
【0047】
3−2.基準レスポンス率DB
図8は、基準レスポンス率DB54の構成例を示す。基準レスポンス率DB54は、対象疾患タイプと媒体区分に対応づけて、基準レスポンス率を記録している。基準レスポンス率とは、数式4において説明したように、過去のレスポンス率の測定によって得られた、広告に注目して理解・判断した人数に対する、実際にレスポンスした人数の割合を標準化したものである。
【0048】
この基準レスポンス率は、出稿形態のファクタを除外したうえで標準化されている。出稿形態のファクタを除外してレスポンス率を標準化することができるのは、注目率DB58に記録された広告注目率が、出稿形態に依存することとしているからである。
【0049】
なお、基準レスポンス率は、ある広告に注目して理解・判断した人数のうち、それにレスポンスする人数の割合であるから、基準レスポンス率のデータを得る際には、そのデータ取得の際の出稿回数も考慮する必要がある。具体的には、2回目の出稿後にレスポンス数を集計する場合には、そのレスポンス数は2回の出稿の合計であるから、「広告に注目して理解・判断した人数」は、1回目の出稿によって広告に注目して理解・判断した人数と、(注目率の減衰を考慮した)2回目の出稿によって新たに広告に注目して理解・判断した人数との合計として計算する必要がある。
【0050】
なお、上述したデータベースの構成は、これに限られるものではなく、その他の構成を採用してもよい。本実施形態では、基準レスポンス率を標準化するファクタとして、対象疾患タイプと媒体を利用しているが、レスポンス率が対象疾患タイプのみに依存し媒体に依存しないのであれば、対象疾患タイプのみのファクタで標準化していもよいし、その他のファクタとして、治験対象新薬、年齢層、性別、居住エリア、応募者報酬タイプ等を利用してもよい。
【0051】
4.特許請求の範囲に記載した用語と実施形態との対応
特許請求の範囲に記載した用語と実施形態との対応は以下の通りである。
【0052】
「広告レスポンス予測システム」は、図3の治験広告レスポンス予測システム100に対応する。「メディア利用者」は、図4の購読者DB50における新聞購読者に対応し、「レスポンス数」は、図9ステップ919における出稿回別予測レスポンス数に対応する。
【0053】
「メディア利用者数情報取得手段」は、図9ステップS903、S905における治験レスポンス予測システム100のCPU10が行う処理に対応する。「広告注目者数推定情報取得手段」は、図9ステップS909、S913におけるCPU10が行う処理に対応する。「レスポンス数推定情報取得手段」とは、図9ステップS917におけるCPU10が行う処理に対応する。
【0054】
「メディア利用者数情報記録手段」は、図3の購読者DB50に対応する。
【0055】
「広告注目者数推定情報」は、図6の注目率DB58に記録される注目率と、図7の減衰率DB52に記録される減衰率とが対応する。「広告注目者数推定情報記録手段」は、図6の注目率DB58と図7の減衰率DB52とが対応する。
【0056】
「レスポンス数推定情報」は、図8の基準レスポンス率DB54に記録される基準レスポンス率が対応し、「レスポンス数推定情報記録手段」は、図8の基準レスポンス率DB54が対応する。
【0057】
「広告属性情報」は、図9ステップS901における対象疾患タイプ、広告出稿エリア、広告プランが対応する。「広告注目者数算出手段」は、図9ステップS909、S911、S913、S915における治験広告レスポンス予測システム100のCPU10が行う処理に対応する。「予測レスポンス数算出手段」は、図9ステップS917、S919、S921におけるCPU10が行う処理に対応する。
【0058】
「広告出稿形態情報」は、図9ステップS901における広告プランが対応し、具体的には、図6における媒体区分、新聞名、エリア、サイズ、カラー等の情報が対応する。「広告出稿回数情報」は、図9ステップS901における広告プランが対応し、具体的には、図7における出稿回数の情報が対応する。「レスポンス対象者カテゴリー情報」は、図9ステップS901及び図5における対象疾患タイプの情報が対応する。
【0059】
「広告出稿情報記録部」は、図6の注目率DB58における、媒体区分、新聞名、エリア、サイズ、カラーの各情報が記録されるカラム、または、図7の減衰率DB52における、出稿回数の情報が記録されるカラムが対応し、「広告注目者数推定情報記録部」は、図6の注目率DB58における、注目率の情報が記録されるカラム、または、図7の減衰率DB52における、減衰率の情報が記録されるカラムが対応する。
【0060】
「広告属性情報記録部」は、図8の基準レスポンス率DB54における対象疾患タイプ、または、媒体区分の各情報が記録されるカラムが対応し、「レスポンス数推定情報記録部」は、基準レスポンス率DB54における基準レスポンス率の情報が記録されるカラムが対応する。
【0061】
5.実施形態による予測レスポンス数演算処理の説明
本実施形態による予測レスポンス数の演算処理を、図9のフローチャートに基づいて説明する。ここでは、治験広告を関東エリアに出稿した場合の、35〜49歳の男性糖尿病患者からの予測レスポンス数の演算を行う例を説明する。
【0062】
CPU10による予測レスポンス数の演算処理の前提として、システムのユーザは、“対象疾患タイプ”、“広告出稿エリア”、“広告プラン”の入力を行う必要があるが、入力の際のディスプレイ18の画面表示例を図10に示した。図10中、“対象疾患タイプ”とは、募集する被験者の疾患と性別、年齢層を示しており、“広告出稿エリア”とは、新聞広告を出稿するエリア名を示しており、“広告プラン”とは、新聞広告を出稿する際の広告出稿形態(モノクロまたはカラー広告のいずれか、広告の紙面における段数、出稿回数等)を示している。
【0063】
治験広告レスポンス予測システム100のCPU10は、ユーザによる“対象疾患タイプ”、“広告出稿エリア”、“広告プラン”の入力があるか否かを判断する(ステップS901)。CPU10は、それらの入力があれば、新聞購読者DB50を参照して対象エリア人数(“関東エリアの35〜49歳の男性”の新聞購読者数、図4参照)の情報を抽出する(ステップS903)。CPU10は、疾患率DB56を参照して対象疾患率(関東エリアの35〜49歳の男性の糖尿病患率、図5参照)の情報を抽出する(ステップS905)。以下の処理は、関東エリアの各県毎に行い、それらの合計を最終的な予測レスポンス数の結果として出力することとしている。
【0064】
CPU10は、ターゲット人数(対象エリア人数×対照疾患率(%))を演算する(ステップS907)。この演算により、治験対象者、すなわちレスポンス対象者であり、かつ、出稿予定の治験広告に接触する可能性がある者の人数が算出されることになる。
【0065】
CPU10は、注目率DB58を参照して注目率(A新聞カラー5段の注目率、図6参照)の情報を抽出する(ステップS909)。CPU10は、広告注目者数(ターゲット人数×注目率(%))を演算する(ステップS911)。この演算により、ターゲット人数のうち、出稿予定の治験広告に注目する人の人数が算出されることになる。
【0066】
CPU10は、減衰率DB52を参照して減衰率(出稿回数1〜2回の減衰率、図7参照)の情報を抽出する(ステップS913)。CPU10は、出稿回別広告注目者数(広告注目者数×減衰率(%))を演算する(ステップS915)。この演算により、出稿予定の治験広告の出稿回数毎に、新たに広告に注目して理解・判断する人数(出稿回別広告注目者数)が算出されることになる。
【0067】
CPU10は、基準レスポンス率DB54を参照して基準レスポンス率(糖尿病患者が新聞治験広告に注目して理解・判断した際の基準レスポンス率、図8参照)の情報を抽出する(ステップS917)。CPU10は、出稿回別予測レスポンス数(出稿回別広告注目者数×基準レスポンス率(%))を演算する(ステップS919)。この演算により、出稿予定の治験広告の出稿回毎の予測レスポンス数が算出されることになる。CPU10は、出稿回別予測レスポンス数をディスプレイ18に表示して、予測レスポンス数演算処理を終了する。
【0068】
ここで、出稿回別予測レスポンス数を出力したときのディスプレイ18の画面例を図11に示す。図11の表中、“ターゲット人数”とは、対象としている広告を掲載する新聞購読者のうち、対象疾患者の人数を表しており、“レスポンス指数”とは、注目率×減衰率×基準レスポンス率によって得られる。“レスポンス数”は、出稿回数毎の予測レスポンス数を表しており、“累積レスポンス数”は、出稿回毎のレスポンス数を累積した人数を表しており、その傾向を、“レスポンスチャート”でグラフ表示している。なお、図では、関東エリアの合計を表示しているが、各県別に表示させるようにしてもよい。
【0069】
6.実施形態による効果
本実施形態では、予測レスポンス数を算出する際には、新聞購読者数の中からレスポンスする可能性のある広告注目者数のみが抽出されたうえで、予測レスポンス数が算出される(図9ステップS911参照)。したがって、治験広告レスポンス予測システム100は、最終的にレスポンス数を算出する前に、レスポンス数に直接影響する広告注目者数のみを抽出するというステップをとることによって、新聞購読者数全体からレスポンス数を直接予測する場合よりも精度の高い予測を行うことができる。
【0070】
本実施形態では、広告注目者数を決定づける要因としての広告プラン(図9ステップS901参照)は、広告注目者数の演算において参照される。したがって、基準レスポンス率は、広告プランには依存しない一定のものとして標準化することができる(図8参照)。
【0071】
本実施形態では、異なる広告プランを入力する場合にも、それぞれの広告プランに対応する広告注目者数が算出されたうえで、標準化された基準レスポンス率に基づいてレスポンス数が算出される。したがって、様々な広告プランのバリエーションに対しても、精度の高いレスポンス数の予測を行うことができる。
【0072】
特に、最終的なレスポンス数に影響する広告注目者数を、広告プランに依存するものとして独立に演算することとしているので、類似の治験広告のレスポンス数のデータ蓄積が少ない場合であっても、様々な広告プランに対するレスポンス数のシミュレーションを行うことができる。
【0073】
本実施形態では、広告出稿回数毎の予測レスポンス数を演算することとしている(図9ステップS919)。したがって、複数回の出稿を行う場合に、全体として、または、各出稿回毎に、精度の高いレスポンス数の予測を行うことができる。
【0074】
本実施形態では、基準レスポンス率を、対象疾患タイプと媒体区分とに対応づけて記録することを特徴としている(図8参照)。これにより、疾患タイプや、媒体の相違によるレスポンスの傾向を考慮した予測レスポンス数が算出される。したがって、様々な疾患に関する治験広告のバリエーションに対しても、精度の高いレスポンス数の予測を行うことができる。
【0075】
7.その他の実施形態
本実施形態では、新聞掲載の治験広告に対する最終的な応募数を予測することとしているが、これに限られるものではない。その他の実施形態として、媒体として雑誌を利用する場合や、広告として一般の求人広告等の募集広告を利用する場合であっても、レスポンス数を予測することができる。例えば、特殊技能が要求される職種の求人募集を行う場合は、そのような特殊技能を有する人数の人口比(例えば、有資格者数)を、図5で例示したものと同様にデータベース化すればよい。また、図6で例示した注目率データベースと同様のものを、テレビCM視聴率に対して整理すれば、募集CMに対するレスポンス数の予測を精度良く行うことができる。
【0076】
本実施形態では、最終的なレスポンス数を予測する前提として、広告注目者数を演算することとしている(図9ステップS911参照)。したがって、本システムを利用することによって、最終的なレスポンス数を予測する場合に限らず、特定の対象者による広告注目率または広告視聴率の予測に利用することもできる。
【0077】
本実施形態では、対象エリアにおける出稿回別予測レスポンス数を演算することとしているが、あらかじめ、必要とされるレスポンス数を入力しておけば、その必要レスポンス数と予測レスポンス数との比較を行うことができる。例えば、必要レスポンス数として、治験に参加する医療機関の受け入れ可能人数を対象エリア毎に入力しておけば、その受け入れ可能人数と予測レスポンス数との比較を対象エリア毎に行うことができ、複数の対象エリアに対する最適な治験広告出稿プランをデザインすることができる。
【0078】
また、よりコスト効率の高い広告出稿プランをデザインするために、本発明による広告レスポンス予測システムの演算処理において、広告プランのコストを演算するようにしてもよい。具体的には、広告出稿形態毎の広告掲載料金をあらかじめデータベース化しておき、図9ステップS901で入力される広告プランに応じて、出稿部数全体の広告掲載料を演算するとともに、その結果をレスポンス数とともに出力する。これによれば、様々なバリエーションの広告プランをシミュレーションする際に、予測レスポンス数とコスト効率の両者の観点から最適な広告プランを容易に決定することができる。
【0079】
本実施形態においては、治験広告レスポンス予測システム100のCPU10が行う予測レスポンス数演算処理のアルゴリズムとして、図9のフローチャートによるものを示したが、これに限られるものではない。その他の実施形態として、例えば、疾患率を乗ずる処理(図9ステップS907)を、広告注目者数を演算する処理の後に行うようにしてもよい。いずれにしても、疾患率を乗ずるステップ、注目率を乗ずるステップ、基準レスポンス率を乗ずるステップ等の、独立の事象としてとらえることができるものは、その演算アルゴリズムの順序に拘わらず最終的なレスポンス数の決定が可能である。
【0080】
その他の実施形態として、本発明に係る広告レスポンス数予測システムをネットワークに接続してもよい。具体的には、広告レスポンス数予測サーバは、クライアントが入力した広告プラン等を受信して、そのプランに応じた予測レスポンス数の結果を送信するようにすればよい。このとき、本実施形態における購読者DB50、減衰率DB52、基準レスポンス率DB54、疾患率DB56、注目率DB58は、広告レスポンス数予測サーバとは別のサーバ内に記録するようにしてもよい。
【0081】
本実施形態では、CPU10の動作のためのプログラムを、ハードディスク12のそれぞれに記憶させているが、ハードディスク12のプログラムは、プログラムが記憶されたCD−ROMから読み出してハードディスク等にインストールすればよい。また、CD−ROM以外に、フロッピー(登録商標)ディスク(FD)、ICカード等のプログラムをコンピュータ可読の記録媒体からインストールさせるようにしてもよい。さらに、通信回線を用いてプログラムをダウンロードさせることもできる。また、CD−ROMからプログラムをインストールすることにより、CD−ROMに記憶させたプログラムを間接的にコンピュータに実行させるようにするのではなく、CD−ROMに記憶させたプログラムを直接的に実行するようにしてもよい。
【0082】
なお、コンピュータによって、実行可能なプログラムとしては、そのままインストールするだけで直接実行可能なものはもちろん、一旦他の形態等に変換が必要なもの(例えば、データ圧縮されているものを解凍する等)、さらには、他のモジュール部分と組合して実行可能なものも含む。
【0083】
本実施形態で示した、ハードディスク12に記録する各データベースについても、CD−ROM、FD、ICカード等の記録媒体を介して記録するようにしてもよいし、通信回線を用いてダウンロードさせることもできる。
【0084】
なお、本発明に係る予測レスポンス数の算出は、図9に例示する計算アルゴリズムによって行うことができるが、これは、コンピュータシステムを使用すること無く実行可能である。
【図面の簡単な説明】
【図1】従来の広告レスポンス予測手法を示す図である。
【図2】本発明の広告レスポンス数予測手法の概念を示す図である。
【図3】実施形態による治験広告レスポンス予測システム100の全体構成を示す図である。
【図4】購読者データベース50を示す図である。
【図5】疾患率データベース56を示す図である。
【図6】注目率データベース58を示す図である。
【図7】減衰率データベース52を示す図である。
【図8】基準レスポンス率データベース54を示す図である。
【図9】予測レスポンス数演算処理のフローチャートを示す図である。
【図10】治験広告プランを入力するための画面を示す図である。
【図11】治験広告レスポンス数予測結果を出力した画面を示す図である。
【符号の説明】
100・・・治験広告レスポンス予測システム
10・・・CPU
50・・・購読者DB
52・・・減衰率DB
54・・・基準レスポンス率DB
56・・・疾患率DB
58・・・注目率DB
Claims (13)
- コンピュータにより、メディアに含まれる広告に対するメディア利用者のレスポンス数を予測する広告レスポンス予測システムであって、前記広告レスポンス予測システムは、
メディアごとに利用者数を示すメディア利用者数情報と、広告属性に対応付けてメディア利用者数と広告推定注目者数との割合である広告注目率を示す広告注目率情報と、同じ広告を繰り返したした場合の広告注目率の減衰を示す減衰率情報と、メディアごとに広告注目者数と広告推定レスポンス数の割合を示すレスポンス数推定情報とを記録した記録部と、
広告を出稿するメディア、出稿する広告の属性、広告回数を入力するための入力部と、
入力された広告出稿メディアに基づいて、記録部に記録されたメディア利用者数情報を取得するメディア利用者数情報取得手段と、
記録部に記録された広告注目率情報に基づき、入力された広告属性に対応する広告注目率を取得し、前記取得したメディア利用者数情報と当該広告注目率に基づいて広告推定注目者数を算出する広告注目者数推定情報算出手段と、
記録部に記録された減衰率情報に基づき、入力された広告回数に対応する減衰率を取得し、前記算出した広告推定注目者数を当該減衰率によって修正した出稿回別広告推定注目者数を算出する出稿回別広告推定注目者数算出手段と、
記録部に記録されたレスポンス数推定情報に基づき、入力された広告出稿メディアに対応するレスポンス数推定情報を取得し、前記算出した出稿回別広告推定注目者数と当該レスポンス数推定情報とに基づいて予測レスポンス数を算出するレスポンス数算出手段と、
を備えたことを特徴とする広告レスポンス予測システム。 - 請求項1のシステムにおいて、
前記レスポンス数推定情報は、広告属性ごとにレスポンスの割合を記録していることを特徴とする広告レスポンス予測システム。 - 請求項1または2のシステムにおいて、
前記広告属性は、広告出稿形態情報を含んでいることを特徴とする広告レスポンス予測システム。 - 請求項1〜3のいずれかのシステムにおいて、
前記レスポンス推定情報は、広告がレスポンスを要求する対象者のカテゴリーごとに広告注目者数と広告推定レスポンス数の割合を示すことを特徴とする広告レスポンス予測システム。 - コンピュータを、メディアに含まれる広告に対するメディア利用者のレスポンス数を予測する広告レスポンス予測システムとして機能させるためのプログラムであって、
コンピュータを、
入力された広告出稿メディアに基づいて、記録部に記録されたメディア利用者数情報を取得するメディア利用者数情報取得手段と、
記録部に記録された広告注目率情報に基づき、入力された広告属性に対応する広告注目率を取得し、前記取得したメディア利用者数情報と当該広告注目率に基づいて広告推定注目者数を算出する広告注目者数推定情報算出手段と、
記録部に記録された減衰率情報に基づき、入力された広告回数に対応する減衰率を取得し、前記算出した広告推定注目者数を当該減衰率によって修正した出稿回別広告推定注目者数を算出する出稿回別広告推定注目者数算出手段と、
記録部に記録されたレスポンス数推定情報に基づき、入力された広告出稿メディアに対応するレスポンス数推定情報を取得し、前記算出した出稿回別広告推定注目者数と当該レスポンス数推定情報とに基づいて予測レスポンス数を算出するレスポンス数算出手段と、
を備えた広告レスポンス予測システムとして機能させるためのプログラム。 - 請求項5のプログラムにおいて、
前記レスポンス数推定情報は、広告属性ごとにレスポンスの割合を記録していることを特徴とするプログラム。 - 請求項5または6のプログラムにおいて、
前記広告属性は、広告出稿形態情報を含んでいることを特徴とするプログラム。 - 請求項5〜7のいずれかのプログラムにおいて、
前記レスポンス推定情報は、広告がレスポンスを要求する対象者のカテゴリーごとに広告注目者数と広告推定レスポンス数の割合を示すことを特徴とするプログラム。 - 請求項5〜8のいずれかに記載のプログラムを記録した記録媒体。
- コンピュータにより、メディアに含まれる広告に対するメディア利用者のレスポンス数を予測する広告レスポンス予測方法であって、
前記コンピュータの記録部に、メディアごとに利用者数を示すメディア利用者数情報と、広告属性に対応付けてメディア利用者数と広告推定注目者数との割合である広告注目率を示す広告注目率情報と、同じ広告を繰り返したした場合の広告注目率の減衰を示す減衰率情報と、メディアごとに広告注目者数と広告推定レスポンス数の割合を示すレスポンス数推定情報とを記録しておき、
広告を出稿するメディア、出稿する広告の属性、広告回数を入力し、
コンピュータが、入力された広告出稿メディアに基づいて、記録部に記録されたメディア利用者数情報を取得し、
コンピュータが、記録部に記録された広告注目率情報に基づき、入力された広告属性に対応する広告注目率を取得し、前記取得したメディア利用者数情報と当該広告注目率に基づいて広告推定注目者数を算出し、
コンピュータが、記録部に記録された減衰率情報に基づき、入力された広告回数に対応する減衰率を取得し、前記算出した広告推定注目者数を当該減衰率によって修正した出稿回別広告推定注目者数を算出し、
コンピュータが、記録部に記録されたレスポンス数推定情報に基づき、入力された広告出稿メディアに対応するレスポンス数推定情報を取得し、前記算出した出稿回別広告推定注目者数と当該レスポンス数推定情報とに基づいて予測レスポンス数を算出する
ことを特徴とする広告レスポンス予測方法。 - 請求項10の方法において、
前記レスポンス数推定情報は、広告属性ごとにレスポンスの割合を記録していることを特徴とする広告レスポンス予測方法。 - 請求項10または11の方法において、
前記広告属性は、広告出稿形態情報を含んでいることを特徴とする広告レスポンス予測方法。 - 請求項10〜12のいずれかの方法において、
前記レスポンス推定情報は、広告がレスポンスを要求する対象者のカテゴリーごとに広告注目者数と広告推定レスポンス数の割合を示すことを特徴とする広告レスポンス予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001218536A JP3673193B2 (ja) | 2001-07-18 | 2001-07-18 | 広告レスポンス予測システム及びその方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001218536A JP3673193B2 (ja) | 2001-07-18 | 2001-07-18 | 広告レスポンス予測システム及びその方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003030537A JP2003030537A (ja) | 2003-01-31 |
JP3673193B2 true JP3673193B2 (ja) | 2005-07-20 |
Family
ID=19052704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001218536A Expired - Fee Related JP3673193B2 (ja) | 2001-07-18 | 2001-07-18 | 広告レスポンス予測システム及びその方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3673193B2 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1334458A2 (en) | 2000-11-10 | 2003-08-13 | Affinnova, Inc. | Method and apparatus for dynamic, real-time market segmentation |
US20060004621A1 (en) * | 2004-06-30 | 2006-01-05 | Malek Kamal M | Real-time selection of survey candidates |
JP4936523B2 (ja) * | 2006-12-14 | 2012-05-23 | 公立大学法人会津大学 | 利用人数算出システム、利用人数算出方法および利用人数算出用プログラム |
US9208132B2 (en) | 2011-03-08 | 2015-12-08 | The Nielsen Company (Us), Llc | System and method for concept development with content aware text editor |
US9208515B2 (en) | 2011-03-08 | 2015-12-08 | Affinnova, Inc. | System and method for concept development |
US20120259676A1 (en) | 2011-04-07 | 2012-10-11 | Wagner John G | Methods and apparatus to model consumer choice sourcing |
US9311383B1 (en) | 2012-01-13 | 2016-04-12 | The Nielsen Company (Us), Llc | Optimal solution identification system and method |
WO2014152010A1 (en) | 2013-03-15 | 2014-09-25 | Affinnova, Inc. | Method and apparatus for interactive evolutionary algorithms with respondent directed breeding |
WO2014143729A1 (en) | 2013-03-15 | 2014-09-18 | Affinnova, Inc. | Method and apparatus for interactive evolutionary optimization of concepts |
JP5984147B2 (ja) * | 2014-03-27 | 2016-09-06 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 情報処理装置、情報処理方法、及び、プログラム |
US10147108B2 (en) | 2015-04-02 | 2018-12-04 | The Nielsen Company (Us), Llc | Methods and apparatus to identify affinity between segment attributes and product characteristics |
JP7128486B2 (ja) * | 2020-05-29 | 2022-08-31 | 株式会社grooves | 人材紹介支援装置、人材紹介支援方法、及び、プログラム |
CN114708018B (zh) * | 2022-03-26 | 2023-10-27 | 武汉万驰机械设备租赁有限公司 | 一种基于数据分析的电子屏广告智能计费管理系统 |
-
2001
- 2001-07-18 JP JP2001218536A patent/JP3673193B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2003030537A (ja) | 2003-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3673193B2 (ja) | 広告レスポンス予測システム及びその方法 | |
US8589332B2 (en) | System and method for assigning pieces of content to time-slots samples for measuring effects of the assigned content | |
US9947018B2 (en) | System and method for generating time-slot samples to which content may be assigned for measuring effects of the assigned content | |
US20140236707A1 (en) | System and method for assessing effectiveness of communication content | |
US20100015584A1 (en) | Behavior Modification with Intermittent Reward | |
US20040204983A1 (en) | Method and apparatus for assessment of effectiveness of advertisements on an Internet hub network | |
KR20190104451A (ko) | 구매 정보 활용 시스템 및 구매 정보 활용 방법 및 프로그램 | |
KR20100021702A (ko) | 효율적인 모바일/온라인 광고효과 측정을 위하여 시선추적,다중센서 정보를 이용하는 방법, 단말기 및 시스템 | |
KR102451579B1 (ko) | Sns 게시물의 타입에 따라 사용자 맞춤형 광고를 제공하기 위한 온라인 광고 방법 및 시스템 | |
WO2011029125A1 (en) | A method and system for determining effectiveness of marketing | |
JP2001312629A (ja) | 複数種類の媒体を使って広告を出稿する際の計画づくりを支援するコンピュータシステム | |
TWI448980B (zh) | Information processing devices, information processing methods, and information processing programs | |
US20130006761A1 (en) | Method, system, and article of manufacture for generating ad groups for on-line advertising | |
US20210090741A1 (en) | System and method for tracking end user behaviors for healthcare applications | |
US20200311772A1 (en) | Targeted patient acquisition and reputation enhancement | |
CA3104924A1 (en) | Interface method and system for enabling an advertisement sponsor to input data concerning leads | |
JP4614348B2 (ja) | 販促手法決定システム | |
US20150371259A1 (en) | Local analytics | |
KR100820257B1 (ko) | 광고 전송 시스템에서 광고의 재고 예측 방법 및 그 장치 | |
JP7383098B1 (ja) | レシート出力システム、レシート出力方法、及びプログラム | |
US20080126289A1 (en) | Apparatus and method for assisting knowledge circulation | |
JP2022097238A (ja) | レコメンドシステム | |
CN116308503A (zh) | 基于操作习惯的积分兑换方法、装置、服务器和存储介质 | |
JP2023135191A (ja) | マッチング支援システム、マッチング支援装置、マッチング支援方法、およびプログラム | |
KR20180071817A (ko) | 즉석만남 정보 제공 서버 및 방법, 즉석만남 정보 제공 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050318 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050418 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050421 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 3673193 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 5 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 6 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 6 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130428 Year of fee payment: 8 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140428 Year of fee payment: 9 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees | ||
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |