JP4675308B2 - メディアミックス計画の立案支援装置と立案支援方法 - Google Patents

Description

本発明は、複数の広告メディアを組み合わせて商品の宣伝をするときに、最小の広告コストで商品の目標シェアを得るためのメディアミックス計画の立案を支援する技術に関する。
メディアミックスとは、商品の広告媒体として、例えばテレビ広告と新聞広告等の異種のメディアを組み合わせて用いることをいう。

需要者の商品の購入行動が、商品の広告に影響されることが知られている。需要者は、購入を希望する商品に関する情報を広告媒体を通じて認知している。例えば、需要者がある特定の商品の購入を希望するとき、まずは自分の求めるイメージに合った宣伝を行っている商品を購入候補として想定するであろう。その上で、その商品自体が持つ価値や商品提供者のイメージ等を評価し、商品の詳細について他商品と比較検討し、購入したいか否かを判断する。このとき、購入候補として想定される商品には、自分のイメージにあった宣伝を行っていることに加えて、認知度や信頼性の高い商品が優先的に選ばれる。購入候補の選択判断の基準となり、商品の購入判断に影響する指標を中間指標という。商品提供者は、需要者が商品提供者の提供する商品について中間指標に認める評価を高める創意工夫をしなければならない。

需要者の商品の購入行動は、広告によって商品の認知をしてから、広告認知度や広告好意度等の中間指標について複雑な価値判断のプロセスを経て購入判断（あるいは非購入判断）へと至っている。商品の購入行動における需要者の価値判断をモデル化して、商品の宣伝計画を支援しようとする技術が開発されている。
特許文献１には、特定の需要者層への対象商品の勧奨方法あるいは広告方法を最適化しようとする技術が開示されている。特許文献１の技術によると、指定した需要者層が志向する商品群を推定し、指定した需要者層が商品群の商品を構成する属性と水準に対して認める評価に応じて特定の商品を選択する行動をモデル化した選択行動モデルを用いて、指定した需要者層に対して強調すべき商品属性（勧奨あるいは広告において、強調すべき属性）を特定することができる。
特許文献１の選択行動モデルは、重回帰分析、判別分析、数量化Ｉ類、数量化ＩＩ類、関連分析等を用いた線形モデルである。この選択行動モデルによると、例えば、商品を構成する属性を説明変数とし、商品に対する総合評価を目的変数とする選択行動モデルを推定することができる。特許文献１の技術によると、目的変数（商品に対する総合評価）を最大化するときに及ぼす影響が大きい属性を、指定した需要者層に対して強調すべき商品属性として特定することができる。
特開２００４−５４４３９号公報

特許文献１の技術によると、各属性と商品の総合評価の間に存在する関係の強さを知ることができる。しかしながら、需要者が商品の購入を判断するまでの過程には、それぞれの中間指標が商品の購入と個別に関係しているだけでなく、中間指標同士の因果関係や広告を認知する広告メディア同士の因果関係等の相乗・相殺効果が考慮されている。特許文献１の技術を用いて需要者の購入判断行動をモデル化しても、広告メディアと中間指標の複雑な因果関係が考慮された需要者の購入判断行動に即した選択行動モデルを構築することは難しい。
本発明は、広告メディアと、中間指標と、商品の購入判断の因果関係を考慮した購入行動因果モデルを用いる。複数の広告メディアを組み合わせて商品の宣伝をするときに、最小の広告コストで商品の目標シェアを達成可能な広告メディアの組み合わせを特定する。

本発明は、複数の広告メディアを組み合わせて商品の宣伝をするときに、最小の広告コストで商品の目標シェアを得るメディアミックス計画の立案を支援する。本発明は、装置に具現化することができる。この装置は、以下の記憶手段と特定手段を備えている。
「中間指標／評価値／需要者」記憶手段：各広告メディアを用いた商品の宣伝から需要者が商品に認める「認知度と価値」を表わす複数の中間指標における評価値を各中間指標と各需要者について記憶している。
「因果構造／中間指標組み合わせ／条件確率パラメータ／構造評価値」記憶手段：１つの中間指標を下流指標とし、他の１つの中間指標あるいは複数の中間指標の組み合わせを上流指標とする因果構造と、上流指標と下流指標の各組み合わせについて計算された条件確率パラメータと、因果構造に含まれる上流指標と下流指標の全組み合わせについて各組み合わせの条件確率パラメータから計算される構造評価値を記憶している。
「購入行動因果モデル」記憶手段：構造評価値が最大となる中間指標の組み合わせの因果構造を用いて構築された、広告メディアと中間指標と需要者の商品の購入行動の因果関係を表わす購入行動因果モデルを記憶している。
「中間指標‐シェア予測モデル」記憶手段：各中間指標と商品の予測シェアの関係について購入行動因果モデルを用いて計算された中間指標‐シェア予測モデルを記憶している。
「中間指標目標値」特定手段：中間指標‐シェア予測モデルから指定した商品の目標シェアに対応する中間指標の種類と目標値を特定する。
「中間指標目標値‐広告接触率予測モデル／広告メディア組み合わせ」記憶手段：中間指標の目標値と複数の広告メディアを組み合わせたときの広告接触率の関係について購入行動因果モデルを用いて計算された中間指標目標値‐広告接触率予測モデルを広告メディアの組み合わせ毎に記憶している。
「広告接触率−広告コスト予測モデル／広告メディア」記憶手段：各広告メディアによるときの広告接触率と広告コストの関係について計算された広告接触率−広告コスト予測モデルを広告メディア毎に記憶している。
「中間指標目標値‐広告コスト予測モデル／広告メディア組み合わせ」記憶手段：中間指標の目標値と各広告メディアの広告コストの関係について中間指標目標値‐広告接触率予測モデルと中間指標目標値‐広告接触率予測モデルで組み合わせられている各広告メディアの接触率−コスト予測モデルを用いて計算された中間指標目標値‐広告コスト予測モデルを広告メディアの組み合わせ毎に記憶している。
「最小コストメディアミックス」特定手段：中間指標目標値‐広告コスト予測モデルから、目標シェアを得ることが可能な広告メディアの組み合わせのうち、総合的なコストが最小となる広告メディアの組み合わせを特定して出力する。

また、本発明は方法に具現化することができる。この方法は、各広告メディアを用いた商品の宣伝から需要者が商品に認める「認知度と価値」を表わす複数の中間指標における評価値を各中間指標と各需要者についてコンピュータに利用可能に記憶しておく工程と、１つの中間指標を下流指標とし、他の１つの中間指標あるいは複数の中間指標の組み合わせを上流指標とする因果構造と、上流指標と下流指標の各組み合わせについて計算された条件確率パラメータと、因果構造に含まれる上流指標と下流指標の全組み合わせについて各組み合わせの条件確率パラメータから計算される構造評価値をコンピュータに利用可能に記憶しておく工程と、構造評価値が最大となる中間指標の組み合わせの因果構造を用いて構築された、広告メディアと中間指標と需要者の商品の購入行動の因果関係を表わす購入行動因果モデルをコンピュータに利用可能に記憶しておく工程と、各中間指標と商品の予測シェアの関係について購入行動因果モデルを用いて計算された中間指標‐シェア予測モデルを広告メディア毎にコンピュータに利用可能に記憶しておく工程と、中間指標‐シェア予測モデルから指定した商品の目標シェアに対応する中間指標の種類と目標値を特定する工程と、中間指標の目標値と複数の広告メディアを組み合わせたときの広告接触率の関係について購入行動因果モデルを用いて計算された中間指標目標値‐広告接触率予測モデルを広告メディアの組み合わせ毎にコンピュータに利用可能に記憶しておく工程と、各広告メディアによるときの広告接触率と広告コストの関係について計算された広告接触率−広告コスト予測モデルを広告メディア毎にコンピュータに利用可能に記憶しておく工程と、中間指標の目標値と各広告メディアの広告コストの関係について中間指標目標値‐広告接触率予測モデルと中間指標目標値‐広告接触率予測モデルで組み合わせられている各広告メディアの接触率−コスト予測モデルを用いて計算された中間指標目標値‐広告コスト予測モデルを広告メディアの組み合わせ毎にコンピュータに利用可能に記憶しておく工程と、中間指標目標値‐広告コスト予測モデルから、目標シェアを得ることが可能な広告メディアの組み合わせのうち、総合的なコストが最小となる広告メディアの組み合わせを特定してコンピュータに利用可能に出力する工程を備えている。

「中間指標／評価値／需要者」記憶手段に記憶されている各需要者の各中間指標に対する評価値は、アンケート調査によって得ることができる。中間指標には、商品名、商品外観等の商品の認知に関する項目と、広告の接触頻度、広告を見た広告媒体の種類等の商品の広告の認知に関する項目と、商品の購入判断に関する項目が含まれている。商品提供者や商品の販売店等の認知に関する項目を含んでいてもよい。

需要者が商品の広告を見てからその商品を購入するまでの過程には、複雑な判断処理が存在している。例えば、「商品名認知」と「広告の接触頻度」と「興味・関心の有無」と「商品の購入判断」という中間指標が存在するとき、それらの中間指標はそれぞれが商品の購入判断に影響するだけでなく、相互に関連して商品の購入判断に影響している。すなはち、中間指標「商品の購入判断」を最下流とする、一方向性の因果関係を持つことが推定される。
本発明では、１つの中間指標を下流指標とし、他の１つの中間指標あるいは複数の中間指標の組み合わせを上流指標とする因果構造を推定し、各因果構造について条件確率パラメータと構造評価値を計算する。例えば、中間指標Ａ，Ｂ，Ｃについて、中間指標Ａを下流指標としたときの中間指標Ａの上流指標の候補は中間指標Ｂ、中間指標Ｃ、中間指標ＢとＣの組み合わせであることから、中間指標Ａを下流指標とする因果構造は３通り推定される。

条件付確率パラメータは、因果構造の上流指標と下流指標の評価が関連して判断される確率を表わしている。例えば、需要者数の割合が多項分布に従っていると仮定し、最尤法によりパラメータ推定を行う場合、上流指標が中間指標Ｂであり、下流指標が中間指標Ａである因果構造の条件確率パラメータＰ（Ａ｜Ｂ）は、中間指標Ｂと中間指標Ａについて同様の評価をする需要者数を、中間指標Ｂについて同様の評価をする需要者数で除すことで計算することができる。図５に、中間指標の因果構造と条件付確率の関係を表わす図を示す。例えば、上流指標が中間指標Ｂであり、下流指標が中間指標Ａの因果構造の条件確率パラメータＰ（Ａ｜Ｂ）は、図５のクロス集計表から計算することができる。
構造評価値は、推定した因果構造の関連性の強さを表わしている。構造評価値は、例えば、情報量基準を用いて計算することができる。
「因果構造／中間指標組み合わせ／条件確率パラメータ／構造評価値」記憶手段には、各中間指標の組み合わせの因果構造と、上流指標と下流指標の各組み合わせについて計算された条件確率パラメータと、因果構造に含まれる上流指標と下流指標の全組み合わせについて各組み合わせの条件確率パラメータから計算される構造評価値が記憶されている。

「購入行動因果モデル」記憶手段には、構造評価値が最大となる中間指標の組み合わせの因果構造を用いて構築された、広告メディアと中間指標と需要者の商品の購入行動の因果関係を表わす購入行動因果モデルが記憶されている。購入行動因果モデルを構築する中間指標の因果構造は、「因果構造／中間指標組み合わせ／条件確率パラメータ／構造評価値」記憶手段に記憶されている因果構造から選択される。例えば、中間指標Ａを下流指標としたときの因果構造Ｂ→Ａと因果構造Ｃ→Ａのうち、構造評価値が大きいほうの因果構造を購入行動因果モデルに採用することができる。中間指標Ｂと中間指標Ｃの因果構造についても、計算された構造評価値から購入行動因果モデルに採用する因果構造を特定することができる。
購入行動因果モデルを用いると、予測シェアが所定の値をとるときの各中間指標の値を計算することもできるし、各広告メディアの接触率が所定の値をとるときの予測シェアの値を計算することもできる。

「中間指標‐シェア予測モデル」記憶手段には、各中間指標と商品の予測シェアの関係について購入行動因果モデルを用いて計算された中間指標‐シェア予測モデルが記憶されている。この予測モデルは、任意で設定する予測シェアの値と各因果構造の条件確率パラメータを用いて計算することができる。「中間指標‐シェア予測モデル」記憶手段は、例えば、予測シェアの値を１％，２％，…と変化させながら、各予測シェアを達成するのに必要な中間指標の達成度を各中間指標について記憶している。予測シェアに対する中間指標の達成度の変化を表わす関数を各中間指標にについて記憶していてもよい。
「中間指標目標値」特定手段は、中間指標‐シェア予測モデルから指定した商品の目標シェアに対応する中間指標の種類と目標値を特定することができる。目標値とは、指定した商品の目標シェアを達成するのに必要な中間指標の達成度をいう。例えば、目標シェアを１０％に指定したときに中間指標「商品名認知」の目標値が７０％であるとき、これは、商品のシェアを１０％得るためには、需要者の商品名の認知が７０％を達成しなければならないことを意味している。
目標値を特定する中間指標は、操作者が指定してもよい。あるいは、目標シェアから計算される目標シェア範囲で中間指標の感度が高いものを特定してもよい。例えば、商品の目標シェアを１０％に指定し、目標シェア範囲を９％〜１１％としたときに、その範囲内で最も変化率の高い中間指標を特定してもよい。

「中間指標目標値‐広告接触率予測モデル／広告メディア組み合わせ」記憶手段には、中間指標の目標値と複数の広告メディアを組み合わせたときの広告接触率の関係について購入行動因果モデルを用いて計算された中間指標目標値‐広告接触率予測モデルが広告メディアの組み合わせ毎に記憶されている。例えば、目標シェア１０％を達成することが可能な中間指標「商品名認知」の目標値が７０％であることが「中間指標目標値」特定手段によって特定されており、テレビ放送と折り込みチラシを組み合わせることが指定されているとすると、計算される中間指標目標値‐広告接触率予測モデルは「商品名認知」の目標値７０％を達成可能なテレビ放送と折り込みチラシの広告接触率の関係を表わしている。中間指標目標値‐広告接触率予測モデルは、組み合わせる広告メディアに応じた相乗・相殺効果を表わす係数を用いて計算されていてもよい。

「広告接触率−広告コスト予測モデル／広告メディア」記憶手段には、各広告メディアによるときの広告接触率と広告コストの関係について計算された広告接触率−広告コスト予測モデルが広告メディア毎に記憶されている。例えば、「中間指標／評価値／需要者」記憶手段に記憶されている広告の接触頻度に関する中間指標と調査の対象となる商品の宣伝費用から、ロジット回帰等を用いて近似曲線を計算することで、中間指標目標値‐広告コスト予測モデルを得ることができる。

「中間指標目標値‐広告コスト予測モデル／広告メディア組み合わせ」記憶手段には、中間指標の目標値と各広告メディアの広告コストの関係について計算された中間指標目標値‐広告コスト予測モデルが広告メディアの組み合わせ毎に記憶されている。例えば、この中間指標目標値‐広告コスト予測モデルは、中間指標目標値‐広告接触率予測モデルの広告接触率の尺度を、各広告メディアの接触率−コスト予測モデルを用いて広告コストの尺度へとロジスティック変換することで計算することができる。各中間指標目標値‐広告コスト予測モデルは、指定した目標シェアを達成可能な広告メディアと広告コストの組み合わせを表わしている。
メディアミックス特定手段は、中間指標目標値‐広告コスト予測モデルから、目標シェアを得ることが可能な広告メディアの組み合わせのうち、広告コストが最小となる広告メディアの組み合わせを特定して出力することができる。例えば、広告コストが最小となる広告メディアの組み合わせは、解が最小となる中間指標目標値‐広告コスト予測モデル曲線の接線を計算することで特定することができる。

本発明によると、需要者が購入行動をとる際に行う価値判断に近似した購入行動因果モデルを用いて、広告メディアと、中間指標と、商品の購入判断の因果関係を考慮して最小コストで目標の商品シェアを達成可能な広告メディアの組み合わせを特定することができる。中間指標目標値‐広告コスト予測モデルから計算される目標シェア（広告効果）と広告コストの関係を用いて、メディアミックス計画の立案を支援することができる。

最初に、以下に説明する実施例の主要な特徴を列記する。
（特徴１） 「中間指標目標値」特定手段は、所定の条件を満たす中間指標と広告メディアを特定することができる。
（特徴２） 「中間指標‐シェア予測モデル」記憶手段と「中間指標目標値‐広告接触率予測モデル／広告メディア組み合わせ」記憶手段と「広告接触率−広告コスト予測モデル／広告メディア」記憶手段と「中間指標目標値‐広告コスト予測モデル／広告メディア組み合わせ」記憶手段に記憶されている予測結果を可視的にグラフ表示する手段を備えている。

本発明の実施例について図面を参照しながら説明する。図１に、本実施例のメディアミックス計画の立案支援装置２のブロック図を示す。この装置２は、「中間指標／評価値／需要者」記憶手段４と、「因果構造／中間指標組み合わせ／条件確率パラメータ／構造評価値」記憶手段６と、「購入行動因果モデル」記憶手段８と、「中間指標‐シェア予測モデル」記憶手段１０と、「中間指標目標値」特定手段１２と、「中間指標目標値‐広告接触率予測モデル／広告メディア組み合わせ」記憶手段１４と、「広告接触率‐広告コスト予測モデル／広告メディア」記憶手段１６と、「中間指標目標値‐広告コスト予測モデル／広告メディア組み合わせ」記憶手段１８と、「最小コストメディアミックス」特定手段２０と、ＣＰＵ２２と、入力手段２４と、表示手段２６を備えている。

「中間指標／評価値／需要者」記憶手段４には、各広告メディアを用いた商品の宣伝から需要者が商品に認める「認知度と価値」を表わす複数の中間指標における評価値が、各中間指標と各需要者についてコンピュータに利用可能に記憶されている。各中間指標に対する評価値は、需要者に対するアンケートの結果から得ることができる。需要者への質問事項に含まれる中間指標には、商品と商品認知に関する項目、広告と広告認知に関する項目、需要者の価値判断と商品購入判断に関する項目が含まれている。図６に、需要者毎の各中間指標の評価値を示す。
「因果構造／中間指標組み合わせ／条件確率パラメータ／構造評価値」記憶手段６には、１つの中間指標を下流指標とし、他の１つの中間指標あるいは複数の中間指標の組み合わせを上流指標とする因果構造と、上流指標と下流指標の各組み合わせについて計算された条件確率パラメータと、因果構造に含まれる上流指標と下流指標の全組み合わせについて各組み合わせの条件確率パラメータから計算される構造評価値がコンピュータに利用可能に記憶されている。各因果構造の条件確率パラメータは、例えば、最尤法により計算することができる。各因果構造の構造評価値は、例えば、条件確率パラメータを用いて、情報量基準により計算することができる。図７に、中間指標「来店Ｘ_３」に関する因果構造を例示する。中間指標「来店Ｘ_３」は、条件確率パラメータＰ（Ｘ_３｜Ｘ_２，Ｘ
_+５）を備えている。

「購入行動因果モデル」記憶手段８には、構造評価値が最大となる因果構造を用いて構築された、広告メディアと中間指標と需要者の商品の購入行動の因果関係を表わす購入行動因果モデルがコンピュータに利用可能に記憶されている。図８に、購入行動因果モデルを示す。購入行動因果モデルは、「ＴＶ広告」、「インターネット広告」、「新聞広告」等の広告メディア群を最上流指標とし、「購入」を最下流指標とする非循環型の確率モデルである。各中間指標の間に示されている矢印は、各因果構造の因果の方向性を表わしており、それぞれの中間指標が条件確率パラメータを有している。購入行動因果モデルでは、１つの下流指標に対して上流指標となる中間指標は１つであるとは限らない。１つの中間指標に対して複数の因果構造が採用される場合もある。例えば、中間指標「来店」について、図７に示した因果構造が採用されると、図８に示すような「来店」に関する因果構造を持つ購入行動因果モデルが構築される。

「中間指標‐シェア予測モデル」記憶手段１０には、各広告メディアによるときの中間指標と商品の予測シェアの関係について購入行動因果モデルを用いて計算された中間指標‐シェア予測モデルがコンピュータに利用可能に記憶されている。図９に、中間指標‐シェア予測モデルを示す。例えば、この中間指標‐シェア予測モデルからは、（ａ）の「商品名認知」は図８に示した購入行動因果モデルにおいて広告メディア群と強い因果構造を持つ反面、予測シェアとは直接的な因果関係にないため、「商品名認知」の達成度の変化に対して予測シェアの変化が鈍いことがわかる。その一方で、（ｂ）の「来店」と（ｃ）の「試乗」は図８に示した購入行動因果モデルにおいて中間指標「購入」と強い因果構造を持つ反面、広告メディア群とは直接的な因果関係にないため、「来店」と「試乗」の感度変化に対して予測シェアの変化が敏感であることがわかる。

「中間指標目標値」特定手段１２は、指定された広告メディアの中間指標‐シェア予測モデルから指定した商品の目標シェアに対応する中間指標の種類と目標値を特定することができる。例えば、目標シェアＳが指定されると、「中間指標目標値」特定手段１２は目標シェアＳを含む目標シェア範囲（例えば、図９のＳ−１≦Ｓ≦Ｓ＋１）を特定する。目標シェア範囲は、予め設定されていてもよい。
「中間指標目標値」特定手段１２は、例えば、次のような条件を満たす中間指標の種類と、目標シェアに対応する中間指標の目標値を特定することができる。
（１）ｆ（Ｓ−１）＞０，ｆ（Ｓ＋１）＜１
（２）ＭＡＸ（ｆ（Ｓ＋１）−ｆ（Ｓ−１））
ｆ（Ｓ）は、予測シェアＳのときの中間指標のとる達成度を示している。例えば、図９では、（ａ）「商品名認知」、（ｂ）「来店」、（ｃ）「試乗」のいずれの中間指標も上記の条件（１）を満たしており、条件（２）については（ａ）「商品名認知」のみが該当することがわかる。図９の場合であれば、「中間指標目標値」特定手段１２は（ａ）の中間指標「商品認知度」を特定し、目標シェアＳに対応する「商品認知度」の目標値を特定する。本実施例の「中間指標目標値」特定手段１２はＣＰＵ２２と、ＣＰＵ２２に目標シェアに対応する中間指標の種類と目標値を中間指標‐シェア予測モデルから特定する動作処理を実行させるプログラムにより構成されている。

「広告接触率‐広告コスト予測モデル／広告メディア」記憶手段１６には、各広告メディアによるときの広告接触率と広告コストの関係について計算された広告接触率−広告コスト予測モデルが広告メディア毎にコンピュータに利用可能に記憶されている。図１０に、広告接触率−広告コスト予測モデルを示す。例えば、この予測モデルから各広告メディアの広告費と需要者がその広告を見た頻度を表す中間指標の分布から計算された広告接触率の近似曲線をロジット回帰を用いて計算し、広告接触率−広告コスト予測モデルを算出することができる。図１０の広告接触率‐広告コスト予測モデルからは、（ａ）の新聞広告と（ｂ）のテレビ広告とでは、同じ広告費を用いても、得られる接触率が広告メディアによって異なることがわかる。
「広告接触率−広告コスト予測モデル／広告メディア」記憶手段１６には、「中間指標／評価値／需要者」記憶手段４に記憶されているデータから計算された広告接触率−広告コスト予測モデルが記憶されていてもよいし、過去の広告費と広告接触率の実績データから導出された広告接触率−広告コスト予測モデル関数が記憶されていてもよい。

「中間指標目標値‐広告接触率予測モデル／広告メディア組み合わせ」記憶手段１４には、中間指標の目標値と複数の広告メディアを組み合わせたときの広告接触率の関係について計算された中間指標目標値‐広告接触率予測モデルがコンピュータに利用可能に記憶されている。図１１に、中間指標目標値‐広告接触率予測モデルを示す。この予測モデルでは、「中間指標目標値」特定手段１２が特定した中間指標の目標値を達成可能な広告メディアの接触率の組み合わせの曲線を計算してモデル化している。中間指標目標値‐広告接触率予測モデルは、組み合わせる広告メディアが特定された中間指標（例えば、図１１の場合であれば中間指標「商品名認知」）について相乗効果を持たない場合は図１１（１）に示すようにほぼ直線となり、組み合わせる広告メディアが特定された中間指標について相乗効果を持つ場合は図１１（２）に示すような曲線となる。

「中間指標目標値‐広告コスト予測モデル／広告メディア組み合わせ」記憶手段１８には、中間指標の目標値と各広告メディアの広告コストの関係について計算された中間指標目標値‐広告コスト予測モデルがコンピュータに利用可能に記憶されている。この予測モデルは、中間指標目標値‐広告接触率予測モデルと中間指標目標値‐広告接触率予測モデルで組み合わせられている各広告メディアの接触率−コスト予測モデルを用いて計算することができる。例えば、図１１の中間指標目標値‐広告接触率予測モデルでは、「テレビ広告」と「新聞広告」の２つの広告メディアが組み合わせられている。この中間指標目標値‐広告接触率予測モデルの広告接触率軸を、「テレビ広告」と「新聞広告」の広告接触率−広告コスト予測モデル（図１０を参照）を用いて広告コスト軸へとロジスティック変換することで、図１２に示す中間指標目標値‐広告コスト予測モデル曲線を得ることができる。

「最小コストメディアミックス」特定手段２０は、計算された中間指標目標値‐広告コスト予測モデルから、目標シェアを得ることが可能な広告メディアの組み合わせのうち、広告コストが最小となる広告メディアの組み合わせを特定して出力することができる。例えば、図１２に示した中間指標目標値‐広告コスト予測モデルであれば、「最小コストメディアミックス」特定手段２０を用いることで、中間指標「商品名認知」７０％を達成する（つまり、指定した目標シェアを達成する）ことが可能な「テレビ広告」と「新聞広告」の組み合わせのうち、「テレビ広告」がＸ_１円、「新聞広告」がＸ_２円となる組み合わせが最もコストミニマムであることが特定される。「最小コストメディアミックス」特定手段２０は、ＣＰＵ２２と、ＣＰＵ２２に広告コストが最小となる広告メディアの組み合わせを特定して出力する動作処理を実行させるプログラムにより構成される。

図２から図４に、本実施例のメディアミックス計画の立案支援装置２の動作処理を表わすフローチャートを示す。ステップＳ２からステップＳ７０は、ＣＰＵ２２と、ＣＰＵ２２にステップＳ２からステップＳ７０の動作処理を実行させる各種プログラムにより実行される。

図２のステップ２では、因果構造の下流指標となる中間指標ｉを指定する。購入行動因果モデルは広告メディアの商品の宣伝から商品の購入判断までのプロセスをモデル化することを目的としているので、最下流指標は中間指標「購入」である（図８を参照）。本実施例では、中間指標ｉに最初に指定する中間指標を、中間指標「購入」とする。
ステップＳ４では、因果構造の上流指標の候補となる中間指標の抽出個数ｊを指定する。例えば、中間指標の抽出個数ｊはｊ＝１を初期値とすることができる。この場合、候補となる中間指標Ｎ−１個が互いに独立して中間指標ｉの上流指標となる因果構造は、Ｎ−１通り想定される。
ステップＳ６では、抽出したｊ個の中間指標の各組み合わせと下流指標との各因果構造についてクロス集計表を作成する。
ステップＳ８では、図５に示された需要者の評価結果のクロス集計から、確率条件パラメータを計算する。例えば、下記の式を用いて計算した尤度Ｌが最大になるパラメータθを用いて、条件確率パラメータを計算することができる。

Ｐ（Ｘ｜θ）は、確率分布を持つデータ集合Ｘの密度関数である。例えば、ｊ＝１のとき、図５の条件確率パラメータＰ１，Ｐ２，Ｐ３，Ｐ４を計算することができる。計算された条件確率パラメータＰ１〜Ｐ４は、各需要者の中間指標に対する評価に見られたクロス集計の実績値が最も尤もらしく起こり得る確率を表わしている。
ステップＳ１０では、条件確率パラメータを用いて、各因果構造について構造評価値を計算する。構造評価値は、因果構造の因果関係の強さを表わしている。構造評価値は、例えば、下記の情報量基準を用いて計算することができる。

ステップＳ１２では、各因果構造と、ステップＳ６からステップＳ１０の動作処理で計算された条件確率パラメータと構造評価値を「因果構造／中間指標組み合わせ／条件確率パラメータ／構造評価値」記憶手段６に記憶する。
ステップＳ１４では、ステップＳ８からステップＳ１２の処理を実行した中間指標の抽出個数ｊが最後の抽出個数であるか否かが判断される。本実施例において上流指標の候補として抽出する中間指標の数は、予め設定されている。このステップでは抽出個数ｊがＮ−１以上であるか否かが判断されてもよいし、中間指標の総数Ｎから下流指標に指定された中間指標ｉの数と下流指標に指定されない中間指標（例えば、最上流指標に指定されることが予め設定されている中間指標）の数を引いた値以上であるか否かが判断されてもよい。最後の抽出個数である場合（判断がＹＥＳの場合）はステップＳ１８に進む。最後の抽出個数でない場合（判断がＮＯの場合）はステップＳ１６に進む。
ステップＳ１６では、ステップＳ６からステップＳ１２の処理を実行した中間指標の抽出個数ｊが最後の抽出個数でなかったことから、中間指標の抽出個数ｊをｊ＋１に変更する。変更された抽出個数ｊ＋１から得られる上流指標候補の各組み合わせと下流指標の中間指標ｉの各因果構造について、ステップＳ６〜ステップＳ１４の動作処理を繰返す。
ステップＳ１８では、中間指標ｉ毎に構造評価値の最も大きい因果構造を採用して「購入行動因果モデル」記憶手段８に記憶する。図８に示した購入行動因果モデルは、最下流指標となる中間指標「購入」から順に、中間指標同士の因果構造によって構築されていく。
ステップＳ２０では、下流指標に指定していた中間指標ｉが最後の下流指標であったか否かが判断される。本実施例において下流指標として指定される中間指標ｉの種類と数は、予め設定されている。例えば、「テレビ放送」「インターネット」等の広告メディアを表わす中間指標は購入行動因果モデルの最上流指標に指定されることが予め設定されているので、下流指標として指定される中間指標ｉには含められない。最後の下流指標であった場合（判断がＹＥＳの場合）はステップＳ２４に進む。最後の下流指標でなかった場合（判断がＮＯの場合）はステップＳ２２に進む。
ステップＳ２２では、下流指標に指定していた中間指標ｉが最後の下流指標でなかったことから、下流指標に指定する中間指標を中間指標ｉから中間指標ｉ＋１に変更する。中間指標ｉ＋１を下流指標に指定し、ステップＳ４〜ステップＳ２０の動作処理を繰返す。

図２のステップＳ２４では、ステップＳ２からステップＳ２２の動作処理によって構築された購入行動因果モデルを用いて、中間指標‐シェア予測モデルを計算する。図８に示したような購入行動因果モデルの中間指標には、各因果構造の条件確率パラメータが備えられている。中間指標「購入」のとる予測シェアの値に必要な各中間指標の達成度を、購入行動因果モデルの各因果構造の有する条件確率パラメータを用いて計算することができる。例えば、予測シェアの値を０％から昇順に変化させながら、各予測シェアの値に応じて各中間指標の必要な達成度を計算することができる。予測シェアと各中間指標の必要な達成度は、例えば、下記の式によって計算することができる。

上記式のｚ_ｉは中間指標Ｘ_ｉの取りうる値の種類数であり、Ｑ（Ｘ_ｉｊ）は中間指標Ｘ_ｉについて同様の回答ｊをした需要者の割合であり、Ｒ（Ｘ_ｉｊ）は中間指標Ｘ_ｉが回答ｊであったときの商品の購入確率である。例えば、中間指標「来店」と「試乗」と予測シェア（中間指標「購入」）は、購入行動因果モデルにおいて図１４（１）に示す因果構造の関係を持つ。このとき、中間指標「試乗」と中間指標「購入」のそれぞれの条件確率パラメータが図１４（２）に示すように計算されているならば、中間指標「来店」について「０」の回答をした需要者（来店すると回答した需要者）の商品の購入確率Ｒ（Ｘ_３，０）は、次のように計算することができる。

図２のステップＳ２６では、計算した中間指標‐シェア予測モデルを「中間指標‐シェア予測モデル」記憶手段１０に記憶する。図９に、中間指標‐シェア予測モデルを示す。例えば、中間指標「来店」に関するグラフは、数４により計算したＲ（Ｘ_３，０）とＲ（Ｘ_３，１）を、数３に代入することにより成立する関係式を視覚化したものである。

図３のステップＳ２８では、各広告メディアの広告接触率‐広告コスト予測モデルを計算する。本実施例では、広告接触率と広告コストの関係を表すデータが「中間指標／評価値／需要者」記憶手段４に記憶されている。例えば、それらの商品認知度と広告費の実績値の分散からロジット回帰式を用いて計算することができる。
ステップＳ３０では、計算した広告接触率‐広告コスト予測モデルを「広告接触率‐広告コスト予測モデル／広告メディア」記憶手段１６に記憶する。図１０に、広告接触率‐広告コスト予測モデルを示す。

図３のステップＳ３２では、商品の目標シェアを入力する。商品の目標シェアは、入力手段２４から操作者が入力することができる。図１３（１）に、このステップで表示手段２６に表示される目標シェアの入力画面を例示する。
ステップＳ３４では、組み合わせる広告メディアｉとｊを指定する。本実施例では組み合わせる広告メディアは操作者が入力手段２４から指定するが、このステップを実行するプログラムによって複数の広告メディアの各組み合わせが指定されてもよい。
ステップＳ３６では、目標シェアに対応する各中間指標の目標値を特定する。例えば、図９に示した中間指標であれば、（ａ）「商品名認知度」と（ｂ）「来店」と（ｃ）「試乗」の各中間指標に異なる目標値が特定される。
ステップＳ３８では、条件を満たす中間指標の種類と目標値を特定する。例えば、以下の条件を満たす中間指標の種類と目標値を特定することができる。
（１）ｆ（Ｓ−１）＞０，ｆ（Ｓ＋１）＜１
（２）ＭＡＸ（ｆ（Ｓ＋１）−ｆ（Ｓ−１））
図９に示した中間指標であれば、目標シェア範囲の感度が最も高い（ａ）「商品名認知度」が特定される。

図３のステップＳ４０では、広告メディアｉの接触率を初期値に設定する。例えば、初期値は接触率０．１％から昇順に設定することができる。
ステップＳ４２では、広告メディアｊの接触率を初期値に設定する。例えば、広告メディアｉと同様に、初期値は接触率０．１％から昇順に設定することができる。
ステップＳ４４では、設定されている接触率における中間指標の達成度の推定値を計算する。例えば、広告メディアｉの接触率が０．１％であり、かつ、広告メディアｊの接触率が０．１％に設定されているときの中間指標の推定値を、購入行動因果モデルを用い、例えば、ジュデア・パール（Judea Pearl）著、「プロバブリスティック・リーズニング・イン・インテリジェント・システムズ：ネットワークス・オブ・プラウジブル・インフェレンス（Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference）」、（米国）、モーガン・カウフマン・パブリッシャーズ（Morgan Kaufmann Publishers）、（1988年９月１日発行）に記される方法により計算することができる。
ステップＳ４６では、中間指標の目標値から推定値を引いた値の絶対値が、許容誤差εよりも小さいか否かが判断される。許容誤差εよりも小さい場合（判断がＹＥＳの場合）はステップＳ５４に進む。許容誤差εよりも大きい場合（判断がＮＯの場合）はステップＳ４８に進む。本実施例の許容誤差εは、予め所定の値に設定されている。
ステップＳ４８では、中間指標の目標値から推定値を引いた値が０より大きいか否かが判断される。０より大きい場合（判断がＹＥＳの場合）はステップＳ５０に進む。０より小さい場合（判断がＮＯの場合）はステップＳ５２に進む。
ステップＳ５０では、広告メディアｊの接触率を初期値＋δｊに変更する。δｊは、広告メディアｊの接触率の変化単位幅である。変化単位幅は、例えば０．１％あるいは１％等の、所定の値に予め設定されている。中間指標の目標値から推定値を引いた値が正の値であることは、ステップＳ４４で計算された中間指標の推定値が過小であったことを意味している。広告メディアｊの接触率を初期値＋δｊに引き上げて、ステップＳ４４からステップＳ４８までの動作処理を繰返す。
ステップＳ５２では、広告メディアｊの接触率を初期値−δｊに変更する。中間指標の目標値から推定値を引いた値が負の値であることは、ステップＳ４４で計算された中間指標の推定値が過大であったことを意味している。広告メディアｊの接触率を初期値−δｊに引き下げて、ステップＳ４４からステップＳ４８までの動作処理を繰返す。

図４のステップＳ５４では、中間指標の目標値と推定値の誤差が許容範囲内であることから、広告メディアｉとｊの接触率を「中間指標目標値‐広告接触率予測モデル／広告メディア組み合わせ」記憶手段１４に記憶する。
ステップＳ５６では、広告メディアｉの接触率が１以上であるか否かが判断される。１以上である場合（判断がＹＥＳの場合）はステップＳ６０に進む。１より小さい場合（判断がＮＯの場合）はステップＳ５８に進む。
ステップＳ５８では、広告メディアｉの接触率を初期値＋δｉに変更する。δｉは、広告メディアｉの接触率の変化単位幅である。変化単位幅は、例えば０．１％あるいは１％等の、所定の値に予め設定されている。広告メディアｉの接触率を初期値＋δｉに引き上げて、ステップＳ４２からステップＳ５６までの動作処理を繰返す。
ステップＳ６０では、ステップＳ４０からステップＳ５８の動作処理の結果を表示手段２６に出力表示する。図１１に、中間指標目標値‐広告接触率予測モデルを示す。

図４のステップＳ６２では、「広告接触率‐広告コスト予測モデル／広告メディア」記憶手段１６から、広告メディアｉとｊの広告接触率‐広告コスト予測モデルを照会する。例えば、図１０のＴＶ広告と新聞広告の広告接触率‐広告コスト予測モデルが照会される。
ステップＳ６４では、広告メディアｉとｊの広告接触率‐広告コスト予測モデルと中間指標目標値‐広告接触率予測モデルから、中間指標目標値‐広告コスト予測モデルを計算する。例えば、中間指標目標値‐広告接触率予測モデルの接触率軸を、広告接触率‐広告コスト予測モデルを用いて広告コスト軸へとロジスティック変換することで、中間指標目標値‐広告コスト予測モデルを計算することができる。
ステップＳ６６では、計算した中間指標目標値‐広告コスト予測モデルを「中間指標目標値‐広告コスト予測モデル／広告メディア組み合わせ」記憶手段１８に記憶する。図１２に、中間指標目標値‐広告コスト予測モデルを示す。
ステップＳ６８では、中間指標目標値‐広告コスト予測モデルから最小コストとなる広告メディアの組み合わせを特定する。例えば、「最小コストメディアミックス」特定手段２０が中間指標目標値‐広告コスト予測モデル曲線の接線Ｃ＝Ｘ１＋Ｘ２を計算し、Ｃが最小となるときのＸ１およびＸ２を特定することができる。
ステップＳ７０では、特定された結果を表示手段２６に出力表示する。図１３（２）に、このステップで表示手段２６に出力表示される結果を例示する。

広告メディアの組み合わせは、既に利用する広告メディアが決定されている場合は操作者が組み合わせる広告メディアを指定することができる。いずれの広告メディアを組み合わせると最も効率が良いかを知りたいときは、すべての広告メディアの各組み合わせについて中間指標目標値‐広告コスト予測モデルを計算し、コストが最小となる広告メディアの組み合わせを特定することができる。本実施例では組み合わせる広告メディア数が２の場合について例示しているが、２つ以上を組み合わせることも可能である。

メディアミックス計画の立案支援装置２を用いると、需要者が購入行動をとる際に行う価値判断に近似した購入行動因果モデルを用いて、広告メディアと、中間指標と、商品の購入判断の因果関係を考慮して最小コストで目標シェアを達成可能な広告メディアの組み合わせを特定することができる。操作者は、特定された広告メディアの組み合わせと広告コストから、メディアミックス計画を立案することができる。
本実施例のメディアミックス計画の立案支援装置２を用いることで、中間指標目標値‐広告コスト予測モデルから計算される目標シェア（広告効果）と広告コストの関係を用いて、メディアミックス計画の立案を支援することができる。

以上、本発明の具体例を詳細に説明したが、これらは例示にすぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。例えば、本実施例では２つの広告メディアの組み合わせについて例示したが、メディアミックス計画の立案支援装置２は３つ以上の広告メディアの組み合わせについて最小コストの組み合わせを特定することもできる。また、表示手段２６に各予測モデルの立体グラフを表示することもできる。
本明細書または図面に説明した技術要素は、単独であるいは各種の組み合わせによって技術的有用性を発揮するものであり、出願時の請求項に記載の組み合わせに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成するものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。

メディアミックス計画の立案支援装置２のブロック図である。 メディアミックス計画の立案支援装置２の動作処理を表わすフローチャートである。 メディアミックス計画の立案支援装置２の動作処理を表わすフローチャートである。 メディアミックス計画の立案支援装置２の動作処理を表わすフローチャートである。 中間指標の因果構造と条件付確率の関係を表わす図である。 需要者毎の各中間指標に対する評価値を示す図である。 中間指標「来店Ｘ_３」に関する因果構造を表わす図である。 購入行動因果モデルを示す図である。 中間指標‐シェア予測モデルを示す図である。 広告接触率−広告コスト予測モデルを示す図である。 中間指標目標値‐広告接触率予測モデルを示す図である。 中間指標目標値‐広告コスト予測モデルを示す図である。 目標シェアの入力と計算された結果の表示画面を表わす図である。 購入行動因果モデルにおける因果構造の関係を表わす図である。

符号の説明

２：メディアミックス計画の立案支援
４：「中間指標／評価値／需要者」記憶手段
６：「因果構造／中間指標組み合わせ」記憶手段
８：「購入行動因果モデル」記憶手段
１０：「中間指標‐シェア予測モデル」記憶手段
１２：「中間指標目標値」特定手段
１４：「中間指標目標値‐広告接触率予測モデル／広告メディア組み合わせ」記憶手段
１６：「広告接触率−広告コスト予測モデル／広告メディア」記憶手段
１８：「中間指標目標値‐広告コスト予測モデル／広告メディア組み合わせ」記憶手段
２０：「最小コストメディアミックス」特定手段
２２：ＣＰＵ
２４：入力手段
２６：表示手段

Claims (2)

1. 複数の広告メディアを組み合わせて商品の宣伝をするときに、最小の広告コストで商品の目標シェアを得るメディアミックス計画の立案を支援する装置であって、
   各広告メディアを用いた商品の宣伝から需要者が商品に認める「認知度と価値」を表わす複数の中間指標における評価値を各中間指標と各需要者について記憶している「中間指標／評価値／需要者」記憶手段と、
   １つの中間指標を下流指標とし、他の１つの中間指標あるいは複数の中間指標の組み合わせを上流指標とする因果構造と、上流指標と下流指標の各組み合わせについて計算された条件確率パラメータと、因果構造に含まれる上流指標と下流指標の全組み合わせについて各組み合わせの条件確率パラメータから計算される構造評価値を記憶している「因果構造／中間指標組み合わせ／条件確率パラメータ／構造評価値」記憶手段と、
   構造評価値が最大となる中間指標の組み合わせの因果構造を用いて構築された、広告メディアと中間指標と需要者の商品の購入行動の因果関係を表わす購入行動因果モデルを記憶している「購入行動因果モデル」記憶手段と、
   各中間指標と商品の予測シェアの関係について購入行動因果モデルを用いて計算された中間指標‐シェア予測モデルを記憶している「中間指標‐シェア予測モデル」記憶手段と、
   中間指標‐シェア予測モデルから、指定した商品の目標シェアに対応する中間指標の種類と目標値を特定する「中間指標目標値」特定手段と、
   中間指標の目標値と複数の広告メディアを組み合わせたときの広告接触率の関係について購入行動因果モデルを用いて計算された中間指標目標値‐広告接触率予測モデルを広告メディアの組み合せ毎に記憶している「中間指標目標値‐広告接触率予測モデル／広告メディア組み合わせ」記憶手段と、
   各広告メディアによるときの広告接触率と広告コストの関係について計算された広告接触率−広告コスト予測モデルを広告メディア毎に記憶している「広告接触率−広告コスト予測モデル／広告メディア」記憶手段と、
   中間指標の目標値と各広告メディアの広告コストの関係について中間指標目標値‐広告接触率予測モデルと中間指標目標値‐広告接触率予測モデルで組み合わされている各広告メディアの接触率−コスト予測モデルを用いて計算された中間指標目標値‐広告コスト予測モデルを広告メディアの組み合せ毎に記憶している「中間指標目標値‐広告コスト予測モデル／広告メディア組み合わせ」記憶手段と、
   中間指標目標値‐広告コスト予測モデルから、目標シェアを得ることが可能な広告メディアの組み合わせのうち、広告コストが最小となる広告メディアの組み合わせを特定して出力するメディアミックス特定手段と、
   目標シェアを入力する入力手段と、
   を備えている、メディアミックス計画の立案支援装置。
2. 複数の広告メディアを組み合わせて商品の宣伝をするときに、最小の広告コストで商品の目標シェアを得るメディアミックス計画の立案を支援する方法であって、
   各広告メディアを用いた商品の宣伝から需要者が商品に認める「認知度と価値」を表わす複数の中間指標における評価値を各中間指標と各需要者についてコンピュータに利用可能に記憶しておく工程と、
   １つの中間指標を下流指標とし、他の１つの中間指標あるいは複数の中間指標の組み合わせを上流指標とする因果構造と、上流指標と下流指標の各組み合わせについて計算された条件確率パラメータと、因果構造に含まれる上流指標と下流指標の全組み合わせについて各組み合わせの条件確率パラメータから計算される構造評価値をコンピュータに利用可能に記憶しておく工程と、
   構造評価値が最大となる中間指標の組み合わせの因果構造を用いて構築された、広告メディアと中間指標と需要者の商品の購入行動の因果関係を表わす購入行動因果モデルをコンピュータに利用可能に記憶しておく工程と、
   各中間指標と商品の予測シェアの関係について購入行動因果モデルを用いて計算された中間指標‐シェア予測モデルをコンピュータに利用可能に記憶しておく工程と、
   中間指標‐シェア予測モデルから指定した商品の目標シェアに対応する中間指標の種類と目標値を特定する工程と、
   中間指標の目標値と複数の広告メディアを組み合わせたときの広告接触率の関係について購入行動因果モデルを用いて計算された中間指標目標値‐広告接触率予測モデルを広告メディアの組み合わせ毎にコンピュータに利用可能に記憶しておく工程と、
   各広告メディアによるときの広告接触率と広告に必要なコストの関係について計算された広告接触率−広告コスト予測モデルを広告メディア毎にコンピュータに利用可能に記憶しておく工程と、
   中間指標の目標値と各広告メディアの広告コストの関係について中間指標目標値‐広告接触率予測モデルと中間指標目標値‐広告接触率予測モデルで組み合わせられている各広告メディアの広告接触率−広告コスト予測モデルを用いて計算された中間指標目標値‐広告コスト予測モデルを広告メディアの組み合わせ毎にコンピュータに利用可能に記憶しておく工程と、
   中間指標目標値‐広告コスト予測モデルから、目標シェアを得ることが可能な広告メディアの組み合わせのうち、広告コストが最小となる広告メディアの組み合わせを特定してコンピュータに利用可能に出力する工程と、
   を備えている、メディアミックス計画の立案支援方法。

Images