JP3673193B2

JP3673193B2 - 広告レスポンス予測システム及びその方法

Info

Publication number: JP3673193B2
Application number: JP2001218536A
Authority: JP
Inventors: 茂孝山川
Original assignee: Dentsu Inc
Current assignee: Dentsu Group Inc
Priority date: 2001-07-18
Filing date: 2001-07-18
Publication date: 2005-07-20
Anticipated expiration: 2021-07-18
Also published as: JP2003030537A

Description

【０００１】
【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Ｎ_ｉ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Ｎ_ｉの演算モデル
Ｎ_ｉ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
ｓ_ｉ：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）
ｐ_ｉ：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（ｐ_ｉ＝λａ（ｓ_ｉ））
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、Ｎ_ｉ（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、Ｎ_ｉは、Ｎに対して、広告出稿回毎に減衰する広告注目率ｐ_ｉ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、Ｎ_ｉは、数式２で表すことができる。
【００３４】
【数２】

ω_ｉ：ｉ回目の広告出稿時の広告注目率の減衰率
ここで、ω_ｉ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Ｎ_ｉから、ｉ回目の広告出稿時の予測レスポンス数Ｒ_ｉ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】
Ｎ_０λａ（ｓ_０）：基準化された、広告に注目して理解・判断した人数
Ｒ_０：基準化されたレスポンス数
数式４中、Ｒ_０／Ｎ_０λａ（ｓ_０）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ｒ_ｉ＝Ｒ_ｉ／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Ｎ_ｉ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

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。