JP5094956B2

JP5094956B2 - 広告配信サーバ及び広告配信方法

Info

Publication number: JP5094956B2
Application number: JP2010294016A
Authority: JP
Inventors: 勉真田
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2010-12-28
Filing date: 2010-12-28
Publication date: 2012-12-12
Anticipated expiration: 2030-12-28
Also published as: JP2012141785A

Description

本発明は、広告配信サーバ及び広告配信方法に関する。

従来より、インターネットの普及に伴い、ユーザ端末において、サーバから提供されたＷｅｂページ上に広告を表示し、この広告がクリックされることで、当該広告の広告主である企業や当該企業の製品についてのより詳細情報が示されたＷｅｂページに遷移させる技術が知られている。このような広告は、広告配信サーバによって、当該広告の属するカテゴリに興味を持っているユーザを想定し、当該ユーザのユーザ端末に提供される。

このような広告配信サーバとして、ユーザ端末がＷｅｂページ上の広告掲載対象コンテンツへのアクセス要求をした場合に、アクセスした広告掲載対象コンテンツのアドレス情報に対応するキーワード／トピックスにより広告を検索し、広告付きのコンテンツをユーザ端末に提供する広告配信サーバが提案されている（特許文献１）。
この広告配信サーバによれば、ユーザにより閲覧されたＷｅｂサイトに含まれるＷｅｂコンテンツの内容に連動した広告を提供できる。

特開２００７−２８６８３３号公報

特許文献１に記載された広告配信サーバは、特定のＷｅｂコンテンツを閲覧したユーザを、当該特定のＷｅｂコンテンツが関連するカテゴリについて興味を持っているユーザであると推定し、当該ユーザのユーザ端末に当該特定のＷｅｂコンテンツが関連するカテゴリにおける企業・製品の広告を提供できる。

しかしながら、ユーザが興味を持つカテゴリを特定できたとしても、当該ユーザがＷｅｂページ上に表示された広告を実際にクリックし、当該広告の広告主である企業や当該企業の製品についてのより詳細情報が示されたＷｅｂページを閲覧するとは限らない。一方、当該企業や企業の製品のカテゴリに興味があると特定されたユーザ以外にも、実際に当該企業や当該企業の製品の広告をクリックするユーザが少なからず存在するのも事実である。

そこで本発明は、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信することができる広告配信サーバを提供することを目的とする。

（１）広告を含むＷｅｂページを表示する複数のユーザの端末にネットワークを介して接続され、前記ユーザの端末に広告を配信する広告配信サーバであって、複数の前記ユーザの端末のうち少なくとも一部についてアクセス及びクリックの履歴を示すログを格納するログ格納手段と、前記ログ格納手段に格納された前記ログに基づき、複数の前記ユーザの端末のうち少なくとも一部について所定期間における前記ユーザの端末に表示された前記Ｗｅｂページに含まれていた全ての広告の数である全広告数を当該広告が属するカテゴリ毎に集計する広告数集計手段と、前記ログ格納手段に格納された前記ログに基づき、複数の前記ユーザの端末のうち少なくとも一部について前記所定期間における前記ユーザの端末に表示された前記Ｗｅｂページに含まれていた広告のうちクリックされた広告の数であるクリック広告数を前記カテゴリ毎に集計するクリック広告数集計手段と、前記所定期間における、前記広告数集計手段で集計された前記全広告数及び前記クリック広告数集計手段で集計された前記クリック広告数に基づき、前記カテゴリに関わりなくクリックし易いユーザの端末を推定して高クリック率ユーザの端末と判断する高クリック率ユーザ端末判断手段と、前記高クリック率ユーザ端末判断手段で判断した前記高クリック率ユーザの端末を集計して高クリック率ユーザ端末リストを作成し格納する高クリック率ユーザ端末リスト格納手段と、前記高クリック率ユーザ端末リスト格納手段に格納された前記高クリック率ユーザ端末リストに基づいて、当該高クリック率ユーザの端末に前記広告を配信する広告配信手段と、を備える広告配信サーバ。

（１）に記載の発明によれば、ログ格納手段は、複数のユーザの端末のうち少なくとも一部についてアクセス及びクリックの履歴を示すログを格納し、広告数集計手段は、ログ格納手段に格納されたログに基づき、複数のユーザの端末毎の所定期間におけるユーザの端末に表示されたＷｅｂページに含まれていた全ての広告の数である全広告数を広告が属するカテゴリ毎に集計し、クリック広告数集計手段は、ログ格納手段に格納されたログに基づき、複数のユーザの端末のうち少なくとも一部について所定期間におけるユーザの端末に表示されたＷｅｂページに含まれていた広告のうちクリックされた広告の数であるクリック広告数をカテゴリ毎に集計し、
高クリック率ユーザ端末判断手段は、所定期間における、広告数集計手段で集計された全広告数及びクリック広告数集計手段で集計されたクリック広告数に基づき、カテゴリに関わりなくクリックし易いユーザの端末を推定して高クリック率ユーザの端末と判断し、高クリック率ユーザ端末リスト格納手段は、高クリック率ユーザ端末判断手段で判断した高クリック率ユーザの端末を集計して高クリック率ユーザ端末リストを作成し格納し、広告配信手段は、高クリック率ユーザ端末リスト格納手段に格納された高クリック率ユーザ端末リストに基づいて、ユーザ端末に広告を配信する。

これにより、広告が属するカテゴリ毎の全広告数及びクリック広告数に基づき、当該カテゴリに関わりなくクリックし易いユーザの端末を推定して高クリック率ユーザの端末と判断し、この高クリック率ユーザの端末に広告を配信できる。
ここで、ユーザの端末を操作するユーザの中には、当該ユーザが興味を持っていないカテゴリの広告でもクリックする傾向（クリック性向）が強いユーザが存在する。
（１）に記載の発明によれば、端末を操作するユーザが何に興味を持っているかに関わらず、クリック性向の強いユーザを検出し、このユーザの端末に広告を配信することで、ユーザ自身が興味を持っていないカテゴリの広告でも、クリックされる可能性を向上できる。
したがって、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信し、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

（２）前記ログに含まれるユーザの端末の属性情報に基づいて、当該属性情報を素性として含む学習データを用いて機械学習を行い、判断器を生成する判断器生成手段をさらに備え、前記高クリック率ユーザ端末判断手段は、前記判断器生成手段で生成した前記判断器を用いて、前記クリックし易いユーザの端末を推定する（１）に記載の広告配信サーバ。

（２）に記載の発明によれば、判断器生成手段は、ログに含まれるユーザの端末の属性情報に基づいて、当該属性情報を素性として含む学習データを用いて機械学習を行い、判断器を生成し、高クリック率ユーザ端末判断手段は、当該判断器を用いて、クリックし易いユーザの端末を推定する。

これにより、全広告数及びクリック広告数についてのデータが無いユーザの端末がクリックし易いユーザの端末と推定し高クリック率ユーザの端末と判断し、この高クリック率ユーザの端末に広告を配信できる。さらに、ルールベースでの判断に比べて、処理が軽く、判断対象の属性の変化にも対応することができる。
したがって、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信し、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

（３）前記広告数集計手段は、複数の前記所定期間において集計を行い、各々の前記所定期間が新しいものほど大きくなる乗数を前記全広告数にそれぞれ乗算し、
前記クリック広告数集計手段は、前記複数の前記所定期間において集計を行い、各々の前記所定期間が新しいものほど大きくなる乗数を前記クリック広告数にそれぞれ乗算する（１）又は（２）に記載の広告配信サーバ。

（３）に記載の発明によれば、広告数集計手段は、複数の所定期間において集計を行い、各々の所定期間が新しいものほど大きくなる乗数を全広告数にそれぞれ乗算し、クリック広告数集計手段は、当該複数の当該所定期間において集計を行い、各々の当該所定期間が新しいものほど大きくなる乗数をクリック広告数にそれぞれ乗算する。
これにより、全広告数及びクリック広告数のデータが新しいものほど重み付けを大きくできるので、時間経過による高クリック率ユーザの端末の傾向変化に適したモデルを作成できる。よって、時間経過による高クリック率ユーザの傾向変化を考慮しつつ、高クリック率ユーザの端末であるか否かを判断し、高クリック率ユーザの端末に広告を配信できる。
したがって、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信し、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

（４）前記広告数集計手段は、前記ログにおいて、時間経過に応じて、新たなデータが追加された場合に、最も古いデータから順に除外して、前記全広告数を集計し、前記クリック広告数集計手段は、前記ログにおいて、時間経過に応じて、新たなデータが追加された場合に、最も古いデータから順に除外して、前記クリック広告数を集計する（１）から（３）のいずれかに記載の広告配信サーバ。

（４）に記載の発明によれば、広告数集計手段は、ログにおいて、時間経過に応じて、新たなデータが追加された場合に、最も古いデータから順に除外して、全広告数を集計し、クリック広告数集計手段は、ログにおいて、時間経過に応じて、新たなデータが追加された場合に、最も古いデータから順に除外して、クリック広告数を集計する。
これにより、データを時間経過に応じて更新できるので、最新の全広告数及びクリック広告数に基づき、高クリック率ユーザの端末であるか否かを判断し、高クリック率ユーザの端末に広告を配信できる。
したがって、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信し、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

（５）広告を含むＷｅｂページを表示する複数のユーザの端末にネットワークを介して接続され、前記ユーザの端末に広告を配信する広告配信サーバーによって実行される広告配信方法であって、複数の前記ユーザの端末のうち少なくとも一部についてアクセス及びクリックの履歴を示すログを格納するログ格納ステップと、前記ログ格納ステップで格納した前記ログに基づき、複数の前記ユーザの端末のうち少なくとも一部について所定期間における前記ユーザの端末に表示された前記Ｗｅｂページに含まれていた全ての広告の数である全広告数を当該広告が属するカテゴリ毎に集計する広告数集計ステップと、前記ログ格納ステップで格納したログに基づき、複数の前記ユーザの端末のうち少なくとも一部について前記所定期間における前記ユーザの端末に表示された前記Ｗｅｂページに含まれていた広告のうちクリックされた広告の数であるクリック広告数を前記カテゴリ毎に集計するクリック広告数集計ステップと、前記所定期間における、前記広告数集計ステップで集計した前記全広告数及び前記クリック広告数集計ステップで集計した前記クリック広告数に基づき、前記カテゴリに関わりなくクリックし易いユーザの端末を推定して高クリック率ユーザの端末と判断する高クリック率ユーザ端末判断ステップと、前記高クリック率ユーザ端末判断ステップで判断した前記高クリック率ユーザの端末を集計して高クリック率ユーザ端末リストを作成し格納する高クリック率ユーザ端末リスト格納ステップと、前記高クリック率ユーザ端末リスト格納ステップで格納した前記高クリック率ユーザ端末リストに基づいて、当該高クリック率ユーザの端末に前記広告を配信する広告配信ステップと、を備える広告配信方法。

（５）に記載の発明によれば、（１）と同様の作用効果を奏する広告配信方法を提供できる。

本発明によれば、ユーザが興味を持っているカテゴリに関わらず、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

本発明の実施形態に係る広告配信システムの機能構成を示す図である。上記実施形態に係るログＤＢを説明する図である。上記実施形態に係る属性情報ＤＢを説明する図である。上記実施形態に係る広告数集計手段及びクリック広告数集計手段の乗算処理を説明する図である。上記実施形態に係る広告数集計手段及びクリック広告数集計手段の更新処理を説明する図である。上記実施形態に係るカテゴリとクリック率の関係を説明する図である。上記実施形態に係る判断器生成手段が生成するＳＶＭ（Support Vector Machine）を用いた判断器を説明するための図である。上記実施形態に係る広告配信サーバの広告配信サーバ制御手段が判断器を生成する処理のフローチャートである。上記実施形態に係る広告配信サーバ制御手段の広告数集計手段が全広告数を当該広告が属するカテゴリ毎に集計し、重み付けする処理のフローチャートである。本実施形態に係る広告配信サーバ制御手段のクリック広告数集計手段がクリック広告数を上記カテゴリ毎に集計し、重み付けする処理のフローチャートである。上記実施形態に係る広告配信サーバの広告配信サーバ制御手段がクリック率が未知のユーザ端末が高クリック率ユーザの端末であるか否かを判断し、当該高クリック率ユーザの端末に広告を配信する処理のフローチャートである。

以下に、本発明の実施形態を図面に基づいて詳細に説明する。なお、以下の実施形態の説明にあたって、同一構成要件については同一符号を付し、その説明を省略もしくは簡略化する。

［広告配信システム１の機能構成］
図１は、本発明の実施形態に係る広告配信システム１の機能構成を示す図である。
広告配信システム１は、広告を含むＷｅｂページを表示する複数のユーザ端末（第１，２，３・・・ｎユーザ端末）２０と、第１〜第ｎユーザ端末２０にネットワーク７を介して接続され、第１〜第ｎユーザ端末２０に広告を含むＷｅｂページを配信する広告配信サーバ１０と、を備える。

広告配信サーバ１０は、広告配信サーバ制御手段１００と、ログ記憶手段１２５と、属性情報記憶手段１３５と、高クリック率ユーザ端末リスト記憶手段１６５と、を備える。
広告配信サーバ制御手段１００は、ユーザ端末識別手段１１０と、ログ格納手段１２０と、学習手段１３０と、高クリック率ユーザ端末判断手段１５０と、高クリック率ユーザ端末リスト格納手段１６０と、広告配信手段１７０と、を備える。

ユーザ端末識別手段１１０は、広告配信サーバ１０へのアクセスを要求する第１〜第ｎユーザ端末２０を識別する。具体的には、ユーザ端末識別手段１１０は、第１〜第ｎユーザ端末２０から送信された広告配信サーバ１０へのアクセスを要求するアクセス要求情報に含まれる第１〜第ｎユーザ端末２０を識別する各ユーザ端末２０固有の識別子により、第１〜第ｎユーザ端末２０のいずれであるかを識別する。また、アクセス要求情報に識別子が含まれない場合は、新規のユーザとして新たな識別子を付与する。また、ユーザ端末識別手段１１０は、アクセス要求情報にユーザ固有の情報であるユーザＩＤが含まれていた場合は、当該ユーザＩＤと対応付けられたユーザのユーザ端末２０であると識別するがこれに限られず、Ｃｏｏｋｉｅにより識別することもできる。

ログ格納手段１２０は、ユーザ端末識別手段１１０で識別した第１〜第ｎユーザ端末２０のうち、後述する判断器生成手段１３３の機械学習において、学習データとなる複数のラベル付きユーザ端末毎に、アクセス及びクリックの履歴を示すログをログ記憶手段１２５に記憶されたログＤＢ（図２参照）に格納する。このログには、広告配信サーバ１０にアクセスした日時、ユーザ端末２０に配信し表示されたＷｅｂページに含まれていた全ての広告の数である全広告数、当該Ｗｅｂページに含まれていた広告のうちクリックされた広告の数であるクリック広告数等が含まれる。

具体的には、ログ格納手段１２０は、広告配信サーバ１０にアクセスした日時、全広告数及びクリック広告数を、複数のラベル付きユーザ端末毎の識別子又はユーザ毎のユーザＩＤに、対応付けて、ログＤＢ（図２参照）に格納する。
また、ログ格納手段１２０は、ユーザ端末識別手段１１０で識別した第１〜第ｎユーザ端末２０（複数のラベル付きユーザ端末及びラベル付きユーザ端末以外のユーザ端末の両方を含む）を操作するユーザ又はユーザＩＤによりアクセスしたユーザに関する情報として、年齢、性別、住所等を示す情報がログに含まれていた場合は、これらの情報を属性情報として、第１〜第ｎユーザ端末２０毎の識別子又はユーザ毎のユーザＩＤに対応付けて、属性情報記憶手段１３５に記憶された属性情報ＤＢに格納する。

ログ記憶手段１２５は、ログＤＢ（図２参照）を記憶する。
図２は、本実施形態に係るログＤＢを説明する図である。
ログＤＢは、広告が属するカテゴリ毎に、ユーザ端末２０（複数のラベル付きユーザ端末）の識別子・ユーザＩＤに、アクセスした日時、全広告数及びクリック広告数が対応づけられている。

カテゴリは、ユーザ端末２０に表示されたＷｅｂページに含まれていた広告が属するカテゴリである。例えば、カテゴリ１はレディースファッションであり、カテゴリ２はメンズファッションであり、カテゴリ３はアクセサリーである（図６参照）。
識別子・ユーザＩＤは、広告配信サーバ１０が付与した第１〜第ｎユーザ端末２０毎の識別子又はユーザ毎のユーザＩＤである。
日時は、年月日、曜日、時間を含む。
年月日は、図２では、例えば、２０１０年の９月を示し、１日毎に全広告数及びクリック広告数を集計して記憶している。時間は、ユーザ端末２０が広告配信サーバ１０にアクセスした時間帯であり、例えば、“１”とはユーザ端末２０が９：０１〜１２：００の時間帯にアクセスしたことを示し、“２”とはユーザ端末２０が１２：０１〜１３：００の時間帯にアクセスしたことを示し、“３”とはユーザ端末２０が１３：０１〜１７：００の時間帯にアクセスしたことを示し、“４”とはユーザ端末２０が１７：０１〜２０：００の時間帯にアクセスしたことを示し、“５”とはユーザ端末２０が２０：０１〜２４：００の時間帯にアクセスしたことを示す。なお、本実施形態では、ユーザ端末２０がアクセスした時間を時間帯で記憶しているが、これは一例であり、具体的な時分を記憶しておくこともできる。

属性情報記憶手段１３５は、属性情報ＤＢ（図３参照）を記憶する。
図３は、本実施形態に係る属性情報ＤＢを説明する図である。
属性情報ＤＢは、第１〜第ｎユーザ端末２０（複数のラベル付きユーザ端末及びラベル付きユーザ端末以外のユーザ端末の両方を含む）の識別子・ユーザＩＤに、属性情報が対応づけられている。

識別子・ユーザＩＤは、広告配信サーバ１０が付与した第１〜第ｎユーザ端末２０毎の識別子又はユーザ毎のユーザＩＤである。
属性情報は、当該ユーザ端末２０を操作するユーザの年齢、性別及び住所を含む。
年齢の欄において、例えば、“１”とはユーザの年齢が１０代であることを示し、“３”とはユーザの年齢が３０代であることを示し、“５”とはユーザの年齢が５０代であることを示す。なお、本実施形態では、ユーザの年齢として年代で記憶しているが、これは一例であり、ユーザの具体的な年齢（例えば、１８歳であれば“１８”）を記憶しておくこともできる。
性別の欄において、例えば、“１”とはユーザが男性であることを示し、“０”とはユーザが女性であることを示す。
住所の欄において、例えば、“１”とはユーザの住所が東京都であることを示し、“２”とはユーザの住所が神奈川県であることを示し、“８”とはユーザの住所が和歌山県であることを示す。なお、本実施形態では、ユーザの住所として都道府県まで記憶しているが、これは一例であり、ユーザの住所を市町村まで記憶しておくこともできる。

学習手段１３０は、広告数集計手段１３１と、クリック広告数集計手段１３２と、判断器生成手段１３３と、を備える。

図４は、本実施形態に係る広告数集計手段１３１及びクリック広告数集計手段１３２の乗算処理を説明する図である。
広告数集計手段１３１は、ログ格納手段１２０によってログ記憶手段１２５に格納された広告が属するカテゴリ毎のログＤＢ（図２参照）に基づき、複数のラベル付きユーザ端末毎に、複数の所定期間（例えば、所定期間を１日として、３０日間）において全広告数を当該カテゴリ毎に集計し、各々の所定期間が新しいものほど大きくなる乗数を全広告数にそれぞれ乗算する。ここで、乗数は、例えば、複数の所定期間において、広告数集計時に最も近い（最も新しい）全広告数に乗算する乗数を１として、古くなるにつれ０．９９、０．９８、０．９７と順に小さくなる。

クリック広告数集計手段１３２は、ログ格納手段１２０によってログ記憶手段１２５に格納されたログＤＢ（図２参照）に基づき、複数のラベル付きユーザ端末毎に、複数の所定期間（例えば、所定期間を１日として、３０日間）においてクリック広告数を上記カテゴリ毎に集計し、各々の所定期間が新しいものほど大きくなる乗数をクリック広告数にそれぞれ乗算する。ここで、乗数は、上記の広告数集計手段１３１の乗数と同様である。

図５は、本実施形態に係る広告数集計手段１３１及びクリック広告数集計手段１３２の更新処理を説明する図である。
広告数集計手段１３１は、複数の所定の間隔（例えば、日毎、所定時間毎）で、広告が属するカテゴリ毎のログＤＢ（図２参照）を参照し、当該ユーザ端末の全広告数についての新たなデータが追加されていた場合には、当該新たなデータを追加し、最も古い全広告数についてのデータから順に除外して全広告数を当該カテゴリ毎に集計する。

また、クリック広告数集計手段１３２は、複数の所定の間隔（例えば、日毎、所定時間毎）で、ＤＢ（図２参照）を参照し、当該ユーザ端末のクリック広告数についての新たなデータが追加されていた場合には、当該新たなデータを追加し、最も古いクリック広告数についてのデータから順に除外してクリック広告数を上記カテゴリ毎に集計する。
広告数集計手段１３１及びクリック広告数集計手段１３２は、例えば、全広告数及びクリック広告数のデータを毎日更新し、更新後に上記の乗数を乗算し集計する。

図１に戻って、判断器生成手段１３３は、属性情報ＤＢ（図３参照）に含まれるユーザ端末２０の属性情報等に基づいて、当該属性情報等を素性として含む学習データを用いて機械学習を行い、判断器１４０を生成する。
判断器生成手段１３３は、ＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ）を用いて、複数のラベル付きユーザ端末の属性情報に基づいて、当該属性情報を素性として含む学習データを用いて機械学習を行い、高クリック率ユーザの端末であるか否かを判断する判断器１４０を生成する。

具体的には、判断器生成手段１３３は、複数の所定期間（例えば、３０日間）における、広告数集計手段１３１で集計された全広告数と、クリック広告数集計手段１３２で集計されたクリック広告数とに基づき、複数のラベル付きユーザ端末をクリックし易いユーザの端末とクリックし難いユーザの端末とに分類する。
より詳細には、判断器生成手段１３３は、クリック広告数集計手段１３２で上記カテゴリ毎に集計されたクリック広告数を広告数集計手段１３１で当該カテゴリ毎に集計された全広告数で除算することで、当該カテゴリ毎にクリックし易さを示すクリック率を算出する。例えば、全広告数が１０,０００個あり、クリック広告数が５０個であった場合、クリック率は、０．５％となる。

そして、判断器生成手段１３３は、複数のラベル付きユーザ端末のうち、所定数以上（例えば、１０以上）のカテゴリにおいて、クリック率が所定の閾値以上（例えば、０．２％以上）のユーザをクリックし易いユーザの端末と推定し、クリック率が所定の閾値以下のユーザをクリックし難いユーザの端末と推定し、クリックし易いユーザの端末とクリックし難いユーザの端末とを分類する。なお、所定の閾値は、複数設定することもできる。これにより、クリックし易いユーザの端末を複数のグループに分けることもできる。

カテゴリとクリック率の関係について、図６を用いて具体的に説明する。
図６は、カテゴリとクリック率の関係を説明する図である。
図６に示すように、識別子・ユーザＩＤ「ａａａ＊＊＊」は、例えば、カテゴリ１（レディースファッション）のクリック率が０．５％であり、カテゴリ２（メンズファッション）のクリック率が０．１％であり、カテゴリ３（アクセサリー）のクリック率が０．３％であり、カテゴリ４（食品）のクリック率が０．１％であり、カテゴリ５（ドリンク）のクリック率が０．２％であり、カテゴリ６（コスメ）のクリック率が０．４％である。判断器生成手段１３３（図１参照）は、この場合、上記所定の閾値が、０．２％以上であれば、カテゴリ１，３，５，６をクリック率が所定の閾値以上のカテゴリとして集計し、この集計したカテゴリの数が上記所定数以上（例えば、１０以上）であれば、「ａａａ＊＊＊」をクリックし易いユーザの端末と推定する。
なお、広告のカテゴリに関わりなくクリック率が高い（クリックし易い）ユーザとは、これに限られず、各カテゴリ毎のクリック率の分散や標準偏差が所定値以下の値で、かつ、当該各カテゴリ毎のクリック率の平均が所定値以上であるユーザ、あるいは、各カテゴリ等のクリック率の中央値と平均値との差が所定値以下であり、かつ、当該各カテゴリ毎のクリック率の平均が所定値以上であるユーザ等、ユーザ抽出の目的に応じて様々な方法で定義することができる。

ここで、ＳＶＭを用いた判断器１４０について、図７を用いて説明する。
図７は、本実施形態に係る判断器生成手段１３３が生成するＳＶＭを用いた判断器１４０を説明するための図である。
判断器生成手段１３３（図１参照）は、属性情報ＤＢ（図３参照）を参照して、クリックし易いユーザの端末とクリックし難いユーザの端末との分類を特徴付ける属性情報を素性と特定する。
判断器生成手段１３３（図１参照）は、この素性、例えば、素性ｘと素性ｙ（分類を特徴付ける素性は２つとは限らないが、理解を容易にするため素性が２つの場合を例として説明する。）を軸とする範囲に複数のラベル付きユーザ端末のデータを配置し、クリックし易いユーザの端末の集合とクリックし難いユーザの端末の集合を生成する。本実施形態における素性は、属性情報であるユーザの年齢、性別（図２参照）及び住所等のうちからクリックし易いユーザの端末の集合とクリックし難いユーザの端末の集合を生成するのに適したものが選択される。

そして、判断器生成手段１３３（図１参照）は、クリックし易いユーザの端末の集合を形成するデータのうち最もクリックし難いユーザの端末の集合に接近するデータに接する識別線３１を算出し、クリックし難いユーザの端末の集合を形成するデータのうち最もクリックし易いユーザの端末の集合に接近するデータに接する識別線３２を算出する。判断器生成手段１３３は、識別線３１及び識別線３２同士の距離（マージン）が素性ｘと素性ｙを軸とする範囲において最大になるように識別線３１及び識別線３２を算出し、これらの中央に位置する境界線３３を算出し、判断器１４０（図１参照）を生成する。

判断器１４０は、境界線３３を境界とした２つのクラス（クリックし易いユーザの端末の集合及びクリックし難いユーザの端末の集合）のいずれかに属するかを検証し、ラベル付きユーザ端末以外のユーザ端末（クリック率が未知のユーザ端末）がいずれのクラスに属するかを判断する。

図１に戻って、高クリック率ユーザ端末判断手段１５０は、判断器生成手段１３３が生成した判断器１４０を用いて、広告のカテゴリに関わりなく、クリック率が未知のユーザ端末がクリックし易いユーザの端末であるか否かを推定する。
具体的には、高クリック率ユーザ端末判断手段１５０は、判断器１４０を用いて、属性情報ＤＢ（図３参照）を参照して、クリック率が未知のユーザ端末の素性（属性情報（年齢、性別及び住所））に基づき、広告が属するカテゴリに関わりなく、当該ユーザ端末が、境界線３３（図７参照）で分けられたクリックし易いユーザの端末のクラスと、クリックし難いユーザの端末のクラスと、のいずれに含まれるかを検証し、クリックし易いユーザの端末のクラスに属するユーザ端末をクリックし易いユーザの端末と推定し高クリック率ユーザの端末と判断する。

次に、本実施形態の判断器生成手段１３３（図１参照）の別態様について説明する。
本実施形態の判断器生成手段１３３は、ＳＶＭを用いた態様とは別態様の判断器を生成できる。
具体的には、判断器生成手段１３３は、クリックし易いユーザの端末のデータを統計的処理を行うことで、属性情報であるユーザの年齢、性別（図２参照）及び住所等の特徴のうち、クリックし易いユーザの端末において共通する共通特徴を抽出し、この共通特徴を基準としてクリックし易いユーザの端末であるかを推定し、高クリック率ユーザの端末であるか否かを判断する判断器を生成できる。
この別態様における判断器は、クリック率が未知のユーザ端末が、この共通特徴を有するか否かを判断し、この共通特徴を有すれば高クリック率ユーザの端末であると判断する。ここで、共通特徴は、全てのクリックし易いユーザの端末に共通する特徴であってもよいし、全てのクリックし易いユーザの端末の所定の割合い（例えば、８割）以上のユーザの端末が有する特徴であってもよい。

図１に戻って、高クリック率ユーザ端末リスト格納手段１６０は、高クリック率ユーザ端末判断手段１５０で判断した高クリック率ユーザの端末を集計して高クリック率ユーザ端末リストを作成し高クリック率ユーザ端末リスト記憶手段１６５に格納する。高クリック率ユーザ端末リスト格納手段１６０は、高クリック率ユーザ端末判断手段１５０で判断した高クリック率ユーザの端末に加え、高クリック率ユーザ端末判断手段１５０がラベル付きユーザ端末のうちクリックし易いユーザの端末と判断したユーザも集計して高クリック率ユーザ端末リストを作成する。
高クリック率ユーザ端末リスト記憶手段１６５は、高クリック率ユーザ端末リストを記憶する。

広告配信手段１７０は、高クリック率ユーザ端末リスト記憶手段１６５に記憶された高クリック率ユーザ端末リストを参照して、第１〜第ｎユーザ端末２０又はユーザＩＤによりアクセスしたユーザのユーザ端末２０のうちの高クリック率ユーザの端末に広告を配信する。

第１ユーザ端末２０は、入力手段２１０と、表示手段２２０と、ユーザ端末制御手段２３０と、を備える。第２〜ｎユーザ端末２０も第１ユーザ端末２０と同様の構成であるが、図１においては入力手段２１０、表示手段２２０及びユーザ端末制御手段２３０の記載を省略している。

入力手段２１０は、ユーザのクリック操作やＩＤ入力操作を受け付ける。
表示手段２２０は、広告配信サーバ１０から配信された広告を含むＷｅｂページや、広告をクリックしたことにより遷移したＷｅｂページを表示する。
ユーザ端末制御手段２３０は、第１ユーザ端末２０を制御し、入力手段２１０で受け付けたユーザの操作に伴う情報（例えば、広告配信サーバ１０へのアクセスを要求する情報）を広告配信サーバ１０に送信する。また、ユーザ端末制御手段２３０は、広告配信サーバ１０から配信された広告を受信し、表示手段２２０に表示させる制御を行う。

［広告配信システム１のハードウェア構成］
実施形態に係る広告配信システム１の広告配信サーバ１０及び第１〜第ｎユーザ端末２０は、コンピュータ及びその周辺装置に適用される。広告配信サーバ１０及び第１〜第ｎユーザ端末２０における各部は、コンピュータ及びその周辺装置が備えるハードウェア並びに当該ハードウェアを制御するソフトウェアによって構成される。

上記ハードウェアには、広告配信サーバ制御手段１００・ユーザ端末制御手段２３０としてのＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ログ記憶手段１２５、属性情報記憶手段１３５及び高クリック率ユーザ端末リスト記憶手段１６５としての記憶部の他、通信装置、表示手段２２０としての表示装置、入力手段２１０としての入力装置が含まれる。記憶部としては、例えば、メモリ（ＲＡＭ：ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ、ＲＯＭ：ＲｅａｄＯｎｌｙＭｅｍｏｒｙ等）、ハードディスクドライブ（ＨＤＤ：ＨａｒｄＤｉｓｋＤｒｉｖｅ）、及び光ディスク（ＣＤ：ＣｏｍｐａｃｔＤｉｓｋ、ＤＶＤ：ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｋ等）ドライブが挙げられる。通信装置としては、例えば、各種有線及び無線インターフェース装置が挙げられる。表示装置としては、例えば、液晶ディスプレイ、プラズマディスプレイ等の各種ディスプレイが挙げられる。入力装置としては、例えば、入力キー、タッチパネル、キーボード及びポインティング・デバイス（マウス、トラッキングボール等）が挙げられる。

上記ソフトウェアには、上記ハードウェアを制御するコンピュータ・プログラム、判断器１４０及びデータが含まれる。コンピュータ・プログラム、判断器１４０及びデータは、記憶部により記憶され、各制御部により適宜実行、参照される。また、コンピュータ・プログラムやデータは、通信回線を介して配布されることも可能であり、ＣＤ−ＲＯＭ等のコンピュータ可読媒体に記録して配布されることも可能である。

［広告配信サーバ１０の制御フロー］
次に、広告配信サーバ１０の制御フローについて説明する。
図８は、本実施形態に係る広告配信サーバ１０の広告配信サーバ制御手段１００が判断器を生成する処理のフローチャートである。

ステップＳ１１では、ユーザ端末識別処理を行う。この処理において、ユーザ端末識別手段１１０（図１参照）は、広告配信サーバ１０（図１参照）へのアクセスを要求する第１〜第ｎユーザ端末２０（図１参照）を識別する。また、ユーザ端末識別手段１１０は、第１〜第ｎユーザ端末２０から送信されたアクセスを要求する情報にユーザ固有の情報であるユーザＩＤが含まれていた場合は、当該ユーザＩＤと対応付けられたユーザのユーザ端末２０であると識別するがこれに限られず、Ｃｏｏｋｉｅにより識別することとしてもよい。

ステップＳ１２では、ログ格納処理を行う。この処理において、ステップＳ１１でユーザ端末識別手段１１０が識別した第１〜第ｎユーザ端末２０のうち、判断器生成手段１３３（図１参照）の機械学習において、学習データとなる複数のラベル付きユーザ端末毎に、アクセス及びクリックの履歴を示すログを解析しログ記憶手段１２５（図１参照）に記憶されたログＤＢ（図２参照）に格納する。

ステップＳ１３では、広告数集計処理を行う。この処理において、広告数集計手段１３１（図１参照）は、複数のラベル付きユーザ端末毎に、当該ユーザに対して表示されたＷｅｂページに含まれていた全ての広告の数である全広告数を集計し、重み付けする。

広告数集計処理の詳細について、図９を参照して説明する。
図９は、本実施形態に係る広告配信サーバ制御手段１００の広告数集計手段１３１が全広告数を当該広告が属するカテゴリ毎に集計し、重み付けする処理のフローチャートである。

ステップＳ１３１では、広告数データ集計処理を行う。この処理において、広告数集計手段１３１（図１参照）は、ステップＳ１２でログ格納手段１２０（図１参照）によってログ記憶手段１２５（図１参照）に格納されたログＤＢ（図２参照）に基づき、複数のラベル付きユーザ端末毎に、全広告数を上記カテゴリ毎に集計する。
また、広告数集計手段１３１は、所定の間隔で、ログＤＢを参照し、複数のラベル付きユーザ端末の全広告数についての新たなデータが追加されていた場合には、当該新たなデータを追加し、最も古い全広告数についてのデータから順に除外して全広告数を上記カテゴリ毎に集計する。

ステップＳ１３２では、広告数データ重み付け処理を行う。この処理において、広告数集計手段１３１は、ステップＳ１３１で集計された複数のラベル付きユーザ端末毎の全広告数に、各々の所定期間が新しいものほど大きくなる乗数（図４参照）を乗算する。

図８に戻って、ステップＳ１４では、クリック広告数集計処理を行う。この処理において、クリック広告数集計手段１３２（図１参照）は、複数のラベル付きユーザ端末毎に、当該ユーザに対して表示されたＷｅｂページに含まれていた全ての広告のうちクリックされた広告の数であるクリック広告数を上記カテゴリ毎に集計し、重み付けする。

クリック広告数集計処理の詳細について、図１０を参照して説明する。
図１０は、本実施形態に係る広告配信サーバ制御手段１００のクリック広告数集計手段１３２がクリック広告数を上記カテゴリ毎に集計し、重み付けする処理のフローチャートである。

ステップＳ１４１では、クリック広告数データ集計処理を行う。この処理において、クリック広告数集計手段１３２（図１参照）は、ステップＳ１２でログ格納手段１２０（図１参照）によってログ記憶手段１２５（図１参照）に格納されたログＤＢ（図２参照）に基づき、複数のラベル付きユーザ端末毎に、クリック広告数を上記カテゴリ毎に集計する。
また、クリック広告数集計手段１３２は、所定の間隔で、ログＤＢを参照し、複数のラベル付きユーザ端末のクリック広告数についての新たなデータが追加されていた場合には、当該新たなデータを追加し、最も古いクリック広告数についてのデータから順に除外してクリック広告数を上記カテゴリ毎に集計する。

ステップＳ１４２では、クリック広告数データ重み付け処理を行う。この処理において、クリック広告数集計手段１３２は、ステップＳ１３１で集計された複数のラベル付きユーザ端末毎のクリック広告数に、各々の所定期間が新しいものほど大きくなる乗数（図４参照）を乗算する。

図８に戻って、ステップＳ１５では、判断器生成処理を行う。この処理において、判断器生成手段１３３（図１参照）は、属性情報ＤＢ（図３参照）に含まれるユーザ端末２０の属性情報等に基づいて、当該属性情報等を素性として含む学習データを用いて機械学習を行い、判断器１４０（図１参照）を生成する。

具体的には、この処理において、判断器生成手段１３３（図１参照）は、ステップＳ１４でクリック広告数集計手段１３２（図１参照）が上記カテゴリ毎に集計したクリック広告数を、ステップＳ１３で広告数集計手段１３１（図１参照）が上記カテゴリ毎に集計した全広告数で除算することで、当該カテゴリ毎にクリックし易さを示すクリック率を算出する。また、判断器生成手段１３３は、複数のラベル付きユーザ端末のうち、所定数以上（例えば、１０以上）のカテゴリにおいて、クリック率が所定の閾値以上のユーザの端末をクリックし易いユーザの端末と推定して、所定値以下のユーザの端末をクリックし難いユーザの端末と推定して、クリックし易いユーザの端末とクリックし難いユーザの端末とを分類する。また、判断器生成手段１３３は、属性情報ＤＢ（図３参照）を参照して、クリックし易いユーザの端末とクリックし難いユーザの端末との分類を特徴付ける属性情報を素性と特定する。

そして、判断器生成手段１３３は、この特定した素性を軸とする範囲に複数のラベル付きユーザ端末のデータを配置し、クリックし易いユーザの端末の集合とクリックし難いユーザの端末の集合を生成し、クリックし易いユーザの端末の集合を形成するデータのうち最もクリックし難いユーザの端末の集合に接近するデータに接する識別線を算出し、クリックし難いユーザの端末の集合を形成するデータのうち最もクリックし易いユーザの端末の集合に接近するデータに接する識別線を算出する。

判断器生成手段１３３は、収束計算を繰り返し、これら識別線同士の距離（マージン）が素性を軸とする範囲において最大になるような識別線を算出し、これらの中央に位置する境界線を算出し、判断器１４０（図１参照）を生成する。

ステップＳ１６では、更新するか否かを判断する。この処理において、広告配信サーバ制御手段１００（図１参照）は、学習データの差分を判断器１４０（図１参照）に適用して更新する必要があるか否かを判断し、更新する必要があると判断した場合には、ステップＳ１１に処理を移し、更新する必要がないと判断した場合には、本ルーチンを終了する。

図１１は、本実施形態に係る広告配信サーバ１０の広告配信サーバ制御手段１００がクリック率が未知のユーザ端末が高クリック率ユーザの端末であるか否かを判断する処理のフローチャートである。

ステップＳ２１では、判断器読み込み処理を行う。この処理において、高クリック率ユーザ端末判断手段１５０（図１参照）は、ステップＳ１５で判断器生成手段１３３（図１参照）が生成した判断器１４０（図１参照）を読み込む。

ステップＳ２１では、未知ユーザ端末の属性情報読み込み処理を行う。この処理において、高クリック率ユーザ端末判断手段１５０は、属性情報ＤＢ（図３参照）を参照して、クリック率が未知のユーザ端末の属性情報を読み込む。当該属性情報は、ステップＳ１５３で特定した判断器生成手段１３３が特定した素性である。

ステップＳ２２では、高クリック率ユーザ端末判断処理を行う。この処理において、高クリック率ユーザ端末判断手段１５０は、ステップＳ１５で判断器生成手段１３３（図１参照）が生成した判断器１４０（図１参照）を用いて、ステップＳ２１で読み込んだクリック率が未知のユーザ端末の属性情報に基づき、広告が属するカテゴリに関わりなく、当該ユーザ端末が、境界線３３（図７参照）で分けられたクリックし易いユーザの端末のクラスと、クリックし難いユーザの端末のクラスと、のいずれに含まれるかを検証し、クリックし易いユーザの端末のクラスに属するユーザ端末をクリックし易いユーザの端末と推定し高クリック率ユーザの端末と判断する。
また、高クリック率ユーザ端末判断手段１５０は、所定期間における、広告数集計手段１３１で集計された全広告数及びクリック広告数集計手段１３２で集計されたクリック広告数に基づき規定した所定のルールに基づき、クリックし易いユーザの端末を推定して高クリック率ユーザの端末と判断することもできる。

広告配信サーバ制御手段１００は、判断器１４０（図１参照）を用いることで、ルールベースでの判断に比べて、処理が軽く、判断対象の属性の変化にも対応することができる。

ステップＳ２３では、高クリック率ユーザ端末リスト格納処理を行う。この処理において、高クリック率ユーザ端末リスト格納手段１６０（図１参照）は、ステップＳ２２で高クリック率ユーザ端末判断手段１５０（図１参照）が判断した高クリック率ユーザの端末を集計して高クリック率ユーザ端末リストを作成し高クリック率ユーザ端末リスト記憶手段１６５（図１参照）に格納する。

広告配信手段１７０（図１参照）は、ステップＳ２３で高クリック率ユーザ端末リスト記憶手段１６５（図１参照）に記憶された高クリック率ユーザ端末リストを参照して、第１〜第ｎユーザ端末２０（図１参照）又はユーザＩＤによりアクセスしたユーザのユーザ端末２０のうちの高クリック率ユーザの端末に広告を配信する。

本実施形態によれば、以下のような作用効果がある。
本実施形態によれば、ログ格納手段１２０は、第１〜第ｎユーザ端末２０毎のアクセス及びクリックの履歴を示すログを格納し、広告数集計手段１３１は、ログ格納手段１２０に格納されたログに基づき、第１〜第ｎユーザ端末２０のうち少なくとも一部から選出された複数のラベル付きユーザ端末毎の所定期間における当該ユーザ端末に対して表示されたＷｅｂページに含まれていた全ての広告の数である全広告数を広告が属するカテゴリ毎に集計し、クリック広告数集計手段１３２は、ログ格納手段１２０に格納されたログに基づき、第１〜第ｎユーザ端末２０のうち少なくとも一部である選出された複数のラベル付きユーザ端末毎の所定期間における当該ユーザ端末に対して表示されたＷｅｂページに含まれていた広告のうちクリックされた広告の数であるクリック広告数をカテゴリ毎に集計し、高クリック率ユーザ端末判断手段１５０は、所定期間における、広告数集計手段１３１で集計された全広告数及びクリック広告数集計手段１３２で集計されたクリック広告数に基づき、カテゴリに関わりなくクリックし易いユーザの端末を推定して高クリック率ユーザの端末と判断し、高クリック率ユーザ端末リスト格納手段１６０は、高クリック率ユーザ端末判断手段１５０で判断した高クリック率ユーザの端末を集計して高クリック率ユーザ端末リストを作成し格納し、広告配信手段１７０は、高クリック率ユーザ端末リスト格納手段１６０に格納された高クリック率ユーザ端末リストに基づいて、高クリック率ユーザの端末に広告を配信する。

これにより、広告が属するカテゴリ毎の全広告数及びクリック広告数に基づき、当該カテゴリに関わりなくクリックし易いユーザの端末を推定して高クリック率ユーザと判断し、この高クリック率ユーザの端末に広告を配信できる。
ここで、ユーザの端末を操作するユーザの中には、当該ユーザが興味を持っていないカテゴリの広告でもクリックする傾向（クリック性向）が強いユーザが存在する。
本実施形態によれば、端末を操作するユーザが何に興味を持っているかに関わらず、クリック性向の強いユーザを検出し、このユーザのユーザ端末に広告を配信することで、ユーザ自身が特に興味を持っていないカテゴリの広告でも、クリックされる可能性を向上できる。
したがって、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信し、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

また、判断器生成手段１３３は、ログに含まれるユーザの端末の属性情報に基づいて、当該属性情報を素性として含む学習データを用いて機械学習を行い、判断器１４０を生成し、高クリック率ユーザ端末判断手段１５０は、当該判断器１４０を用いて、クリックし易いユーザの端末を推定する。

これにより、全広告数及びクリック広告数についてのデータが無いユーザの端末がクリックし易いユーザの端末か推定し高クリック率ユーザの端末と判断し、この高クリック率ユーザの端末に広告を配信できる。
したがって、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信し、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

また、広告数集計手段１３１は、複数の所定期間において集計を行い、各々の所定期間が新しいものほど大きくなる乗数を全広告数にそれぞれ乗算し、クリック広告数集計手段１３２は、当該複数の当該所定期間において集計を行い、各々の当該所定期間が新しいものほど大きくなる乗数をクリック広告数にそれぞれ乗算する。
これにより、全広告数及びクリック広告数のデータが新しいものほど重み付けを大きくできるので、時間経過による高クリック率ユーザの傾向変化に適した学習データ３０を作成できる。よって、時間経過による高クリック率ユーザの傾向変化を考慮しつつ、高クリック率ユーザの端末であるか否かを判断し、高クリック率ユーザの端末に広告を配信できる。
したがって、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信し、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

また、広告数集計手段１３１は、ログＤＢにおいて、時間経過に応じて、新たなデータが追加された場合に、最も古いデータから順に除外して、全広告数を集計し、クリック広告数集計手段１３２は、ログＤＢにおいて、時間経過に応じて、新たなデータが追加された場合に、最も古いデータから順に除外して、クリック広告数を集計する。
これにより、データを時間経過に応じて更新できるので、最新の全広告数及びクリック広告数に基づき、高クリック率ユーザの端末であるか否かを判断し、高クリック率ユーザの端末に広告を配信できる。
したがって、ユーザが興味を持っているカテゴリに関わらず、広告をクリックする可能性が高いユーザに広告を配信し、広告による企業や製品の知名度を向上できる広告配信サーバを提供できる。

以上、本発明の実施形態について説明したが、本発明は上述した実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。

１０広告配信サーバ
１２０ログ格納手段
１３１広告数集計手段
１３２クリック広告数集計手段
１５０高クリック率ユーザ端末判断手段
１６０高クリック率ユーザ端末リスト格納手段
１７０広告配信手段
２０第１〜第ｎユーザ端末

Claims

広告を含むＷｅｂページを表示する複数のユーザの端末にネットワークを介して接続され、前記ユーザの端末に広告を配信する広告配信サーバであって、
複数の前記ユーザの端末のうち少なくとも一部についてアクセス及びクリックの履歴を示すログを格納するログ格納手段と、
前記ログ格納手段に格納された前記ログに基づき、複数の前記ユーザの端末のうち少なくとも一部について所定期間における前記ユーザの端末に表示された前記Ｗｅｂページに含まれていた全ての広告の数である全広告数を当該広告が属するカテゴリ毎に集計する広告数集計手段と、
前記ログ格納手段に格納された前記ログに基づき、複数の前記ユーザの端末のうち少なくとも一部について前記所定期間における前記ユーザの端末に表示された前記Ｗｅｂページに含まれていた広告のうちクリックされた広告の数であるクリック広告数を前記カテゴリ毎に集計するクリック広告数集計手段と、
前記所定期間における、前記広告数集計手段で集計された前記全広告数及び前記クリック広告数集計手段で集計された前記クリック広告数に基づき、前記カテゴリに関わりなくクリックし易いユーザの端末を推定して高クリック率ユーザの端末と判断する高クリック率ユーザ端末判断手段と、
前記高クリック率ユーザ端末判断手段で判断した前記高クリック率ユーザの端末を集計して高クリック率ユーザ端末リストを作成し格納する高クリック率ユーザ端末リスト格納手段と、
前記高クリック率ユーザ端末リスト格納手段に格納された前記高クリック率ユーザ端末リストに基づいて、当該高クリック率ユーザの端末に前記広告を配信する広告配信手段と、を備える広告配信サーバ。
前記ログに含まれるユーザの端末の属性情報に基づいて、当該属性情報を素性として含む学習データを用いて機械学習を行い、判断器を生成する判断器生成手段をさらに備え、
前記高クリック率ユーザ端末判断手段は、前記判断器生成手段で生成した前記判断器を用いて、前記クリックし易いユーザの端末を推定する請求項１に記載の広告配信サーバ。
前記広告数集計手段は、複数の前記所定期間において集計を行い、各々の前記所定期間が新しいものほど大きくなる乗数を前記全広告数にそれぞれ乗算し、
前記クリック広告数集計手段は、前記複数の前記所定期間において集計を行い、各々の前記所定期間が新しいものほど大きくなる乗数を前記クリック広告数にそれぞれ乗算する請求項１又は２に記載の広告配信サーバ。
前記広告数集計手段は、前記ログにおいて、時間経過に応じて、新たなデータが追加された場合に、最も古いデータから順に除外して、前記全広告数を集計し、
前記クリック広告数集計手段は、前記ログにおいて、時間経過に応じて、新たなデータが追加された場合に、最も古いデータから順に除外して、前記クリック広告数を集計する請求項１から３のいずれかに記載の広告配信サーバ。
広告を含むＷｅｂページを表示する複数のユーザの端末にネットワークを介して接続され、前記ユーザの端末に広告を配信する広告配信サーバによって実行される広告配信方法であって、
複数の前記ユーザの端末のうち少なくとも一部についてアクセス及びクリックの履歴を示すログを格納するログ格納ステップと、
前記ログ格納ステップで格納した前記ログに基づき、複数の前記ユーザの端末のうち少なくとも一部について所定期間における前記ユーザの端末に表示された前記Ｗｅｂページに含まれていた全ての広告の数である全広告数を当該広告が属するカテゴリ毎に集計する広告数集計ステップと、
前記ログ格納ステップで格納したログに基づき、複数の前記ユーザの端末のうち少なくとも一部について前記所定期間における前記ユーザの端末に表示された前記Ｗｅｂページに含まれていた広告のうちクリックされた広告の数であるクリック広告数を前記カテゴリ毎に集計するクリック広告数集計ステップと、
前記所定期間における、前記広告数集計ステップで集計した前記全広告数及び前記クリック広告数集計ステップで集計した前記クリック広告数に基づき、前記カテゴリに関わりなくクリックし易いユーザの端末を推定して高クリック率ユーザの端末と判断する高クリック率ユーザ端末判断ステップと、
前記高クリック率ユーザ端末判断ステップで判断した前記高クリック率ユーザの端末を集計して高クリック率ユーザ端末リストを作成し格納する高クリック率ユーザ端末リスト格納ステップと、
前記高クリック率ユーザ端末リスト格納ステップで格納した前記高クリック率ユーザ端末リストに基づいて、当該高クリック率ユーザの端末に前記広告を配信する広告配信ステップと、を備える広告配信方法。