JP5312083B2

JP5312083B2 - 広告決定方法及び装置

Info

Publication number: JP5312083B2
Application number: JP2009030736A
Authority: JP
Inventors: 大地森藤
Original assignee: ニフティ株式会社
Priority date: 2009-02-13
Filing date: 2009-02-13
Publication date: 2013-10-09
Anticipated expiration: 2029-02-13
Also published as: JP2010186368A

Description

本発明は、配信すべき広告を決定するための技術に関する。

インターネットでは様々なサイトが開設されており、様々なデータが公開されている。このようにインターネット上で公開されている膨大なデータの中から、所望の情報を探し出すには、現在、キーワードにより検索エンジンで検索するのが通常である。この際、キーワードと連動して、広告を提示するなどの情報提供が行われる場合もある。しかしながら、入力キーワードだけでは、ユーザの所望の結果を得られない場合もある。また、様々な方法で、ユーザの特性データを収集して、当該ユーザに対する情報提供に役立てるという考え方は存在しており、例えば特開２００２−２５１４０８号公報には、適切なガイドによって情報の閲覧作業を支援できる情報閲覧支援装置が開示されている。具体的には、サーバ部に対しユーザが要求した文書情報の時系列リストがアクセス履歴管理部で管理され、この時系列リストを文書情報に割り当てられたキーワードを参照しながら、一般的情報から詳細な情報へとユーザが参照する通常行動と、他の情報を参照する変化行動とに分けて分析し、この分析結果に基づいてユーザの閲覧行動を支援するものである。

特開２００２−２５１４０８号公報

従来技術では、上で述べたようなユーザの特性に応じて広告を選択したり、それとは別に広告を掲載するサイトの特性に応じて広告を選択するようなものは存在していた。しかし、ユーザは、常に、ユーザの特性に応じて広告を選択するわけではなく、広告掲載サイトの特性に沿った広告を選択するわけでもない。すなわち、状況に応じて必要な広告を選択するわけであるが、ユーザやサイトといった１つの要素だけでその状況に適切な広告を提示できるわけではない。

従って、本発明の目的は、複数の要素を組み合わせて状況に応じた適切な広告を提示できるようにするための技術を提供することである。

本発明に係る広告決定方法は、特定のユーザの端末による特定のサイトへのアクセスを検出するステップと、広告選択の潜在的根拠となる複数の要素種別（例えば、ユーザ、サイト、時間など）のインスタンス（例えば、ユーザＡ、サイトＢ、時間区分Ｃなど）毎に各要素種別が広告選択の潜在的根拠となる傾向を表す反応値を格納する反応データ格納部から、特定のユーザ端末による特定のサイトへのアクセスが該当する、各要素種別のインスタンスについての反応値を読み出し、当該アクセスについて各要素種別の総合反応値を算出する総合反応値算出ステップと、上記アクセスに応じて出力される、特定のサイトのウェブページに含めることができる広告の本数を、各要素種別の総合反応値で按分して、各要素種別についての広告本数を決定するステップと、複数の要素種別の各インスタンスについて関連するキーワード及びスコアを格納する要素データ格納部から、上記アクセスが該当する、各要素種別のインスタンスについてのキーワード及びスコアを読み出し、当該読み出したキーワード及びスコアと、各広告について広告データとキーワード及びスコアとを格納する広告データ格納部における各広告についてのキーワード及びスコアとから所定の評価式に従って各要素種別について広告との組み合わせについての評価値を算出して、各要素種別について広告本数分だけ評価値が上位の広告を特定するステップと、特定された広告の広告データを広告データ格納部から読み出し、出力する出力ステップとを含む。

このように複数の要素種別の各々について、上で規定したような総合反応値を用いて、表示できる広告掲載本数を按分して出力すべき広告を選択するようにすれば、より適切な広告がアクセス元のユーザにて提示される可能性が高くなる。

また、上で述べた複数の要素種別が、ユーザ及びサイトを含むようにしてもよい。その際、上で述べた反応データ格納部が、ユーザが自らの好みに応じて広告を選択する傾向を表す反応率とアクセス先サイトの内容に応じて広告を選択する傾向を表す反応率とを少なくとも含むユーザ反応率ベクトルをユーザ・インスタンス毎に格納しており、さらに、サイトに掲載される広告がユーザの好みに応じて選択される傾向を表す反応率と当該サイトの内容に応じて選択される傾向を表す反応率とを少なくとも含むサイト反応率ベクトルをサイト・インスタンス毎に格納するようにしてもよい。

このようにユーザの特性及びサイトの特性を両方とも考慮すれば、適切な広告を出力できるようになる。

さらに、上で述べた複数の要素種別が、時間をさらに含むようにしてもよい。その際には、ユーザ反応率ベクトルが、時間に応じて広告を選択する傾向を表す反応率をさらに含み、さらに、サイト反応率ベクトルが、時間に応じて広告が選択される傾向を表す反応率をさらに含むようにしてもよい。そして、反応データ格納部が、さらに、各時間区分について、ユーザが自らの好みに応じて広告を選択する傾向を表す反応率とアクセス先サイトの内容に応じて広告を選択する傾向を表す反応率と時間に応じて広告を選択する傾向を表す反応率とを含む時間反応率ベクトルをさらに格納するようにしてもよい。このように、ユーザの特性及びサイトの特性に加え、時間的な特性をも考慮すれば、より効果的に広告を提示できるようになる。

さらに、上で述べた総合反応値算出ステップが、特定のユーザに対応するユーザ反応率ベクトルと、特定のサイトに対応するサイト反応率ベクトルとを、反応データ格納部から読み出すステップと、ユーザ反応率ベクトルとサイト反応率ベクトルとの平均ベクトルを算出するステップとを含むようにしてもよい。その際には、平均ベクトルの各成分値を各要素種別の総合反応値として用いても良い。このようにすれば、適切な按分比率を算出することができるようになる。

さらに、上で述べた出力ステップにおいて、特定された広告の広告データに対して、該当する要素種別を表す識別子を付加するようにしてもよい。その際本発明において、特定のユーザの端末において表示される特定のサイトのウェブページに含まれる広告のうち特定の広告を選択することによって送信される特定のユーザの識別子と特定のサイトの識別情報と特定の広告の広告データに付加された要素種別のデータとを、特定のユーザの端末から受信するステップと、特定のユーザについてのユーザ反応率ベクトルと、特定のサイトについてのサイト反応率ベクトルとを、受信した要素種別のデータに応じて更新するステップとをさらに含むようにしてもよい。このようにすれば、広告選択に応じて反応率ベクトルを適切に更新することができ、より適切な広告を抽出できるようになる。

さらに、本発明において、要素データ格納部に格納されている各ユーザに関連するキーワード及びスコアを、各ユーザのウェブページ閲覧とウェブページ検索との少なくともいずれかにおいて特定されるキーワードに基づいて更新するステップをさらに含むようにしてもよい。このようにすることによってさらに適切な広告が抽出されるようになる。

本発明に係る方法は、コンピュータ・ハードウエアとプログラムとの組み合わせにより実施される場合があり、本発明に係るプログラムは、例えばフレキシブルディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等の記憶媒体又は記憶装置に格納される。また、ネットワークなどを介してデジタル信号として配信される場合もある。尚、中間的な処理結果はメインメモリ等の記憶装置に一時保管される。

本発明によれば、複数の要素を組み合わせて状況に応じた適切な広告を提示できるようになる。

図１は、本発明の実施の形態におけるシステム概要図である。図２は、サイト情報生成処理の処理フローを示す図である。図３は、サイトプロフィール・テーブルの一例を示す図である。図４は、ユーザ情報生成処理の処理フローを示す図である。図５は、ユーザプロフィール・テーブルの一例を示す図である。図６は、ユーザ反応率ベクトルのデータを一例を示す図である。図７は、サイト反応率ベクトルのデータを一例を示す図である。図８は、情報テーブル生成処理の処理フローを示す図である。図９は、情報テーブルの一例を示す図である。図１０は、広告表示処理の処理フローを示す図である。図１１は、広告表示処理の処理フローを示す図である。図１２は、ユーザ端末に表示される広告表示画面の例を示す図である。図１３は、反応率ベクトルの学習処理の処理フローを示す図である。図１４は、シーズンプロフィール・テーブルの一例を示す図である。図１５は、コンピュータの機能ブロック図である。

本発明の実施の形態では、「特定のユーザ」が「特定のサイト」に（場合によっては「特定の時刻」に）訪れたときに、採用すべきマッチング手法（例えば、ユーザの特性に応じたマッチングを行うユーザマッチＵＭ、コンテンツの特性に応じたマッチングを行うコンテンツマッチＣＭ、時間帯に応じたマッチングを行うシーズンマッチＳＭなど）及びその程度に関する数値を特定する。そして、当該マッチング手法及びその程度に関する数値に基づき具体的な広告を抽出してユーザに提示することによって、広告の効果を向上させる。

例えば、自分の関心事に執着するユーザであれば、どのようなサイト、どのような時間だろうと、徹底して当該ユーザにとって反応率が高いものだけを配信する。また、ブログなどの日記系サイトでは当該サイトの毛色からコンテンツマッチによる情報を配信するのではなく、ユーザの特性に合わせたり、時間に合わせた広告を自動抽出して配信する。本実施の形態では、このようなことを実現できるようにする。

このためのコンピュータ・システムの概要を図１に示す。例えばインターネットなどのネットワーク１には、ウェブ（Ｗｅｂ）ブラウザが実行される複数のユーザ端末３と、複数のＷｅｂサーバ９と、複数の広告主端末７と、本実施の形態における主要な処理を実施する広告配信システム５とが接続されている。

広告配信システム５は、例えばポータルサイトのように、ネットワーク１を介してユーザ端末３に対して、検索機能や各種情報提供機能を有すると共に、例えば検索結果を表示するためのＷｅｂページやユーザの要求に応じて提供される情報を表示するためのＷｅｂページに出力すべき広告を抽出するための広告処理機能を有する。広告配信システム５は、１又は複数台のサーバで構成され得るが、ここでは１台のコンピュータで実施されるものとして説明する。

広告配信システム５は、例えばユーザ端末３とのインターフェースとなるＷｅｂサーバ部５５と、ユーザ端末３に検索機能を提供する検索処理部５８と、ユーザ端末３に提供される各種情報を格納するコンテンツ格納部５６と、ユーザ端末３からＷｅｂサーバ部５５へのアクセスの情報や各種サイトのテキスト・データなどを基に各ユーザや各サイトなどについての特徴を表す情報元素と呼ばれるデータを生成する情報元素生成部５３と、情報元素生成部５３の処理結果である情報元素データを格納する情報元素ＤＢ５４と、広告主端末７から広告データの登録を受け付け、必要な付加データを生成する広告情報登録部６０と、広告情報登録部６０によって生成されたデータを登録するための情報テーブルを格納する情報テーブル格納部６１と、情報元素ＤＢ５４と情報テーブル格納部６１に格納されているデータを用いて、出力すべき広告を決定する処理を実施する広告決定処理部５９と、ユーザ端末３における広告選択に応じて送信されるデータに基づき、情報元素ＤＢ５４に格納されており且つ広告配信のありうべき傾向を表す反応率ベクトルを更新する反応率ベクトル学習部５７と、Ｗｅｂサーバ９等から各種Ｗｅｂページのテキスト・データを収集するクローラ５１と、クローラ５１によって収集された各種Ｗｅｂページのテキスト・データを格納するＷｅｂページＤＢ５２とを有する。

なお、広告配信システム５を利用するユーザは、クッキー（cookie）にてユーザＩＤが広告配信システム５へ通知されるものとする。また、例えばＷｅｂサーバ９等にアクセスした場合には、そのアクセス先ＵＲＬも、例えば広告配信システム５にアクセスした際に、クッキーにて通知される場合もある。このような場合には、ユーザ端末３のユーザは、広告配信システム５への情報提供を同意しているものとする。

次に、前処理として情報元素ＤＢ５４にデータを蓄積する処理及び蓄積されるデータについて説明する。

まず、サイトプロフィール・テーブルの生成について説明する。クローラ５１は、ネットワーク１に接続されているＷｅｂサーバ９における各種サイトをクロールすることによって当該サイトのテキストを取得し、ＵＲＬと共にＷｅｂページＤＢ５２に格納する（図２：ステップＳ１）。そして、情報元素生成部５３は、ＷｅｂページＤＢ５２及びコンテンツ格納部５６に格納されている各サイトのテキスト・データから、周知のＴＦＩＤＦ法などによって各サイトについてキーワード及びスコアの１又は複数組を抽出し、コンテンツＩＤ、ＵＲＬ（Uniform Resource Locator）及び付加データと共に情報元素ＤＢ５４のサイトプロフィール・テーブルに登録する（ステップＳ３）。

サイトプロフィール・テーブルは、例えば図３に示すようなテーブルである。図３の例では、コンテンツＩＤ、キーワード、スコア、サイトのタイトル、サイトのＵＲＬが登録されるようになっている。サイトプロフィール・テーブルには、以下で述べるユーザプロフィールを生成する際に用いるデータと、広告の掲載先のサイトのサイトプロフィール・データとが共に登録されるようになっている。

次に、ユーザプロフィール・テーブルの生成について説明する。例えばＷｅｂサーバ部５５は、ユーザ端末３から、ユーザＩＤを含むクッキーと共にアクセスを受け付ける（ステップＳ１１）。Ｗｅｂサーバ部５５は、当該アクセスが検索に係るものであれば、ユーザＩＤ及び検索キーワードを、情報元素生成部５３に出力する。また、Ｗｅｂサーバ部５５は、検索処理部５８に検索キーワードを含む検索指示を出力する。なお、検索処理の内容や検索結果の出力については従来どおりなので、ここでは説明を省略する。

情報元素生成部５３は、ユーザＩＤ及び検索キーワードを受信すると、当該検索キーワードにスコア「１」を割り当てる（ステップＳ１３）。そして、ユーザＩＤについて当該キーワードと割当スコアとの対で、情報元素ＤＢ５４におけるユーザプロフィール・テーブルを更新する（ステップＳ１９）。ユーザＩＤに対応してキーワードが登録されていなければ、ユーザＩＤに対応してキーワード及び割当スコアをユーザプロフィール・テーブルに登録する。一方、ユーザＩＤに対応してキーワードが既に登録されている場合には、例えば既登録のスコアに割当スコアを加算して新たなスコアを算出して、更新登録する。そして今回の処理を終了する。

例えば図５に示すようなユーザプロフィール・テーブルが生成される。図５の例では、ユーザＩＤと、キーワードと、スコアとが登録されるようになっている。一人のユーザについて、通常複数のキーワードが登録される。

アクセスが検索に係るものではない場合には、Ｗｅｂサーバ部５５は、ユーザＩＤと、アクセス先ＵＲＬ（例えばコンテンツ格納部５６内のコンテンツについてのアクセスＵＲＬ）及びクッキー内に含まれている場合にはアクセス履歴（ＵＲＬのリスト）を情報元素生成部５３に出力する。情報元素生成部５３は、ユーザＩＤとＵＲＬとを受信すると、サイトプロフィール・テーブルから、ＵＲＬに対応して登録されているキーワード及びスコアを抽出する（ステップＳ１５）。そして、各キーワードに対して、重みｃ（例えば０．２）×スコアを割り当てる（ステップＳ１７）。そしてステップＳ１９に移行する。検索はユーザが意図して指定したキーワードを得ることができるのでスコア「１」を割り当てるが、閲覧だけでは複数あるキーワードでどれがユーザが意図したものであるかは分からないので低めの重みを乗じて用いるようにしている。

次に、情報元素ＤＢ５４に登録されるユーザ反応率ベクトルのデータ及びサイト反応率ベクトルのデータについて説明する。

ユーザ反応率ベクトルは、ユーザが自らの好みに応じて広告を選択する傾向を表すＵＭ（User Match）反応率と、アクセス先サイトの内容に応じて広告を選択する傾向を表すＣＭ（Contents Match）反応率とを含む。例えば図６に示すようなデータが、情報元素ＤＢ５４に登録される。ベクトルの成分値の総和は「１」であり、正規化されている。

また、サイト反応率ベクトルは、サイトに掲載される広告がユーザの好みに応じて選択される傾向を表すＵＭ反応率と当該サイトの内容に応じて選択される傾向を表すＣＭ反応率とを含む。例えば図７に示すようなデータが、情報元素ＤＢ５４に登録される。ベクトルの成分値の総和は「１」であり、正規化されている。

また、情報元素生成部５３は、新規ユーザＩＤをＷｅｂサーバ部５５から受信すると、成分値が全て同じ値（ＵＭとＣＭの場合には０．５）であるユーザ反応率ベクトルのデータを、情報元素ＤＢ５４に登録する。また、広告掲載先として新規にＵＲＬが設定されると、成分値が全て同じ値（ＵＭとＣＭの場合には０．５）であるサイト反応率ベクトルのデータが、情報元素ＤＢ５４に登録される。

以下で説明するように、ユーザが広告を選択すると、その選択した広告が、ユーザマッチＵＭに基づき選択された広告であるのか、コンテンツマッチＣＭに基づき選択された広告であるかという種別に応じて、ユーザ反応率ベクトル及びサイト反応率ベクトルは更新される。

さらに、広告についてのデータ・テーブルである情報テーブルを生成する処理について図８を用いて説明する。広告情報登録部６０は、広告主端末７から、広告のサイトＵＲＬを含む広告データを受信し、例えばメインメモリなどの記憶装置に格納する（ステップＳ４１）。広告データは、例えば単価などのデータを含む場合もある。そして、広告情報登録部６０は、サイトＵＲＬから該当サイトのテキストを取得し（ステップＳ４３）、そして、周知のＴＦＩＤＦ法等によりキーワード及びスコアを抽出する（ステップＳ４５）。そして、広告データ、及びキーワードとスコアの１又は複数の組を、情報テーブル格納部６１に登録する（ステップＳ４７）。

例えば図９に示すような情報テーブルが情報テーブル格納部６１に登録される。図９の例では、広告のＩＤと、キーワードと、スコアと、広告データ（例えば広告サイトのタイトルと広告サイトのＵＲＬ）とが登録されるようになっている。これ以外の広告データについても登録するようにしても良い。

次に、広告を表示する際の処理について、図１０乃至図１２を用いて説明する。Ｗｅｂサーバ部５５は、ユーザ端末３からユーザＩＤを含むクッキーと共に特定のＵＲＬへのアクセスを受信する（ステップＳ５１）。そうすると、特定のＵＲＬが広告配信システム５の広告掲載先のＵＲＬであるか判断する（ステップＳ５３）。広告配信システム５の広告配信先がアクセス先ではない場合には、通常どおり例えばコンテンツ格納部５６等から配信すべきデータを抽出してＷｅｂページ・データを生成し、ユーザ端末３に返信する（ステップＳ５５）。そして処理を終了する。

一方、特定のＵＲＬが広告配信システム５の広告掲載先のＵＲＬである場合には、Ｗｅｂサーバ部５５は、受信したユーザＩＤ及びアクセス先ＵＲＬである特定のＵＲＬを、広告決定処理部５９に出力する。また、例えばこの時点で、Ｗｅｂサーバ部５５は、広告掲載先である特定のＵＲＬのＷｅｂページに掲載可能な広告の本数のデータを、広告決定処理部５９に通知する。なお、掲載可能な広告本数は、例えばＷｅｂページ毎又はサイト種別毎にあらかじめ定められている場合もあり、その場合には例えばテーブルなどから掲載可能な広告本数を読み出す。

広告決定処理部５９は、Ｗｅｂサーバ部５５からユーザＩＤ及びＵＲＬなどを受信すると、ユーザＩＤに対応するユーザ反応率ベクトルと、アクセス先ＵＲＬに対応するサイト反応率ベクトルとを、情報元素ＤＢ５４から読み出す（ステップＳ５７）。そして、ユーザ反応率ベクトルとサイト反応率ベクトルを加算して２で除することによって、反応率ベクトルの合成を行う（ステップＳ５９）。すなわちベクトルの成分値の平均を算出して、平均ベクトルを算出する。例えば、ユーザ反応率ベクトルＲu(u)＝（０．６，０．４）と、サイト反応率ベクトルＲc(c)＝（０．４，０．６）であれば、合成後の反応率ベクトルは（０．５，０．５）（＝（(0.6+0.4)/2，(0.4+0.6)/2）となる。

そして、広告決定処理部５９は、合成後の反応率ベクトルに基づき、ユーザマッチＵＭによる広告掲載本数及びコンテンツマッチＣＭによる広告掲載本数を決定する（ステップＳ６３）。具体的には、合成後の反応率ベクトルの第１成分（ＵＭ成分）×全広告掲載本数と、第２成分（ＣＭ成分）×全広告掲載本数とを計算する。全広告掲載本数が「６」で、上で述べた合成後の反応率ベクトルの場合、ユーザマッチＵＭによる広告掲載本数は、０．５×６＝３であり、コンテンツマッチＣＭによる広告掲載本数は、０．５×６＝３となる。例えば、本数が整数にならない場合には、いずれかを優先して整数に切り上げて残りを他方の本数とするようにしても良い。処理は端子Ｂを介して図１１の処理に移行する。

このように、特定のユーザによる特定のサイトへのアクセスに対して、特定のユーザの広告選択傾向を表す特性と、特定のサイトの広告選択傾向を表す特性とを総合的に勘案した結果が合成後の反応率ベクトルで得られるので、反応率ベクトルの成分値で全広告掲載本数を按分すれば、今回のアクセスに適切な広告の配分が決定できる。

広告決定処理部５９は、ユーザプロフィール・テーブルにおいてユーザＩＤに対応する上位キーワードとマッチするキーワードが情報テーブルに登録されている広告を、ユーザマッチＵＭによる広告掲載本数分だけ選択する（ステップＳ６５）。例えば、ユーザプロフィール・テーブルにおいてユーザＩＤに対応する上位キーワードの対応スコアと、情報テーブルに登録されている広告の同一キーワードの対応スコアとの積和で評価値を算出し、当該評価値が上位の広告を、ユーザマッチＵＭによる広告掲載本数だけ選択する。このような広告の選択手法については、従来から用いられている様々な手法を採用することができる。

さらに、広告決定処理部５９は、サイトプロフィール・テーブルにおいてアクセス先ＵＲＬに対応する上位キーワードとマッチするキーワードが情報テーブルに登録されている広告を、コンテンツマッチＣＭによる広告掲載本数分だけ選択する（ステップＳ６７）。例えば、サイトプロフィール・テーブルにおいてアクセス先ＵＲＬに対応する上位キーワードの対応スコアと、情報テーブルに登録されている広告の同一キーワードの対応スコアとの積和で評価値（同一キーワードについてのスコアベクトル同士の内積（該当するキーワードがない場合にはそのキーワードについての値は０））を算出し、当該評価値が上位の広告を、サイトマッチＣＭによる広告掲載本数だけ選択する。このような広告の選択手法については、従来から用いられている様々な手法を採用することができる。例えば、上記のようなスコアベクトル同士の内積を、両スコアベクトルの長さで除した余弦値を評価値として採用するようにしてもよい。

広告決定処理部５９は、ステップＳ６５及びＳ６７で選択した広告のデータ（例えばタイトル、ＵＲＬ、マッチングタイプ（ユーザマッチＵＭの識別子又はコンテンツマッチＣＭの識別子））を情報テーブルから読み出して、Ｗｅｂサーバ部５５に出力する。

Ｗｅｂサーバ部５５は、例えばコンテンツ格納部５６からアクセス先ＵＲＬについてのデータを読み出すと共に、広告決定処理部５９から受信した広告データとから、アクセス先ＵＲＬについてのデータ及び広告データを含むＷｅｂページ・データを生成し、ユーザ端末３に送信する（ステップＳ６９）。なお、本Ｗｅｂページには、例えば広告のタイトルと、当該広告のタイトルをクリックした際には広告配信システム５にアクセス先ＵＲＬ等（アクセス先サイトのＩＤの場合もある）とマッチングタイプ（ユーザマッチＵＭの識別子又はコンテンツマッチＣＭの識別子）とを送信させると共に実際の広告サイトのＵＲＬにリダイレクトさせるようなリンク先ＵＲＬとが含まれる。

このような処理を実施することによって、上で述べた例では、図１２に示すようなＷｅｂページがユーザ端末３で表示されるようになる。図１２の例では、例えばサイトの通常のコンテンツの表示部分の下部に、ユーザマッチＵＭによる３本の広告１００１と、コンテンツマッチＣＭによる３本の広告１００２とが含まれる。ユーザが、ユーザマッチＵＭによる広告を選択すると、ユーザ端末３のＷｅｂブラウザから広告配信システム５には、今回アクセスしたサイトのＵＲＬ又はＩＤとユーザマッチＵＭの識別子とが送信される。また、ユーザが、コンテンツマッチＣＭによる広告を選択すると、ユーザ３のＷｅｂブラウザから広告配信システム５には、今回アクセスしたサイトのＵＲＬ又はＩＤとユーザマッチＵＭの識別子とが送信される。

以上のように、今回のアクセスについて最適な按分比率でユーザマッチＵＭによる広告とコンテンツマッチＣＭによる広告とが選択されて配信されるようになる。配分割合は、上で述べたようにユーザ反応率ベクトル及びサイト反応率ベクトルで決定される。従って、ユーザ反応率ベクトル及びサイト反応率ベクトルが適切に設定されなければ、最適な按分比率が得られない。

次に、ユーザ反応率ベクトル及びサイト反応率ベクトルの学習処理について図１３を用いて説明する。広告配信システム５のＷｅｂサーバ部５５は、図１１のステップＳ６９で示したように、例えばコンテンツ格納部５６からアクセス先ＵＲＬについてのデータを読み出すと共に、広告決定処理部５９から受信した広告データとから、アクセス先ＵＲＬについてのデータ及び広告データ（広告、広告ＵＲＬ、対応するマッチングタイプなど）を含むＷｅｂページ・データを生成し、ユーザ端末３に送信する（ステップＳ２１）。ユーザ端末３のブラウザは、アクセス先ＵＲＬについてのデータ及び広告データ（広告、広告ＵＲＬ、対応するマッチングタイプなど）を含むＷｅｂページ・データを受信し、表示装置に表示する（ステップＳ２３）。図１２に示したような表示がなされる。

そして、ここでユーザが、いずれかの広告を選択してクリックするものとする。これに対して、ユーザ端末３のブラウザは、ユーザによる広告のクリックを受け付け（ステップＳ２５）、ユーザＩＤを含むクッキーと、アクセス先ＵＲＬ又はＩＤ（ステップＳ２３で表示したサイトのＵＲＬ）と、対応マッチングタイプとを、広告配信システム５に送信する（ステップＳ２７）。

広告配信システム５のＷｅｂサーバ部５５は、ユーザ端末３から、ユーザＩＤを含むクッキーと、アクセス先ＵＲＬ又はＩＤと、対応マッチングタイプとを受信し（ステップＳ２９）、反応率ベクトル学習部５７に出力する。また、ユーザ端末３には、所定の応答を返して、選択された広告のサイトにリダイレクトさせる。以降は、通常と同じなので、ユーザ端末３の動作については説明を省略する。

反応率ベクトル学習部５７は、Ｗｅｂサーバ部５５から上で述べたデータを受信すると、図示しないログデータ格納部に、受信データを登録すると共に、対応マッチングタイプにより反応ベクトルｒを生成する（ステップＳ３１）。反応ベクトルｒは、対応マッチングタイプが、ユーザマッチＵＭであれば（１，０）であり、コンテンツマッチＣＭであれば（０，１）である。

そして、反応率ベクトル学習部５７は、反応ベクトルｒで、ユーザＩＤで特定されるユーザ反応率ベクトルを更新して、情報元素ＤＢ５４に登録する（ステップＳ３３）。Ｒu(u)＝（Ｒu(u)＋Ｌ・ｒ）／｜Ｒu(u)＋Ｌ・ｒ｜で更新する。Ｌは、所定の学習係数である。

さらに。反応率ベクトル学習部５７は、反応ベクトルｒで、アクセス先ＵＲＬなどで特定されるサイト反応率ベクトルを更新して、情報元素ＤＢ５４に登録する（ステップＳ３５）。Ｒc(c)＝（Ｒc(c)＋Ｌ・ｒ）／｜Ｒc(c)＋Ｌ・ｒ｜で更新する。

このように、それぞれ今回の広告選択結果に応じた成分の増強が図られる。

以上のように、ユーザがどのような広告を選択したのかというデータのフィードバックを受けて、反応率ベクトルを更新することによって、より適切な按分比率が得られるように学習が進んで行く。

以上述べた実施の形態では、広告選択の潜在的根拠となる要素種別としてはユーザとサイトの２つの場合を説明したが、この他にも採用可能な要素種別は存在する。それは上でも触れたが時間である。

時間について考慮する場合には、各時間区分について、ユーザが自らの好みに応じて広告を選択する傾向を表す反応率と、アクセス先サイトの内容に応じて広告を選択する傾向を表す反応率と、時間に応じて広告を選択する傾向を表す反応率とを成分値として含むシーズン反応率ベクトルを導入する。時間区分は、たとえば年、月、日、曜日、時、分などであらかじめ定められたものを採用する。

なお、ユーザ端末３からのアクセスを検出した時刻が該当するシーズン反応率ベクトルは、通常複数である。すなわち、年、月、日、曜日、時、分の各時間区分についてそれぞれシーズン反応率ベクトルが規定されていれば、すべてについて該当するシーズン反応率ベクトルが得られる。従って、他の反応率ベクトルと合成する前に、平均ベクトルを算出する。

また、他の反応率ベクトルについても、時間に応じて広告を選択する傾向を表す反応率を成分値としてさらに設定する必要がある。

さらに、シーズンプロフィール・テーブルを情報元素ＤＢ５４に用意する必要がある。具体的には、たとえば図１４に示すようなデータを用意する。図１４の例では、シーズンＩＤと、キーワードと、スコアと、タイトルと、期間とが登録されるようになっている。このようなシーズンプロフィール・テーブルの生成方法は、様々な方法が可能である。たとえば、テレビ番組表のページやイベント情報のページ、その他時刻や期間を関連付けることができる情報が掲載されているページからＴＦＩＤＦ等によってキーワード及びスコアを抽出すると共に対応する時刻や期間を対応付ける。

このようなデータが用意されれば、２つの反応率ベクトルを用いていたところを３つの反応率ベクトルを用いて処理するようにすればよい。たとえば、広告掲載本数の按分についても２つに按分するところを３つに按分にする。その後、ユーザマッチＵＭ、コンテンツマッチＣＭ、シーズンマッチＳＭの各々についてより好ましい広告を、割当本数分抽出する。反応率ベクトルの学習処理についても同様に行えばよい。

シーズンマッチＳＭを導入すれば、例えばテレビ放送番組で話題となった商品等を放送後に集中的に自動抽出及び自動配信することができるようになる。

なお、必ずしも３つの要素種別を同時に使用しなければならないわけではない。２以上の要素種別を任意に組み合わせて用いるようにしてもよい。さらに、特別なサイトやユーザについて、いずれかの反応率ベクトルを使用しないような設定も可能である。

さらに別の要素種別を採用する場合もある。たとえばユーザの位置を取得できるような場合には、位置反応率ベクトル及び位置プロフィール・テーブルを用意するようにしてもよい。

以上本発明の実施の形態について説明したが、本発明はこれに限定されるわけではない。上でも述べたが、図１の機能ブロック図は一例であって、特に広告配信システム５は、複数のコンピュータで実現され、情報元素ＤＢ５４に蓄積するデータについては、別途処理して用意するようにしてもよい。さらに、広告配信先は、自サイトの場合を述べたが、他サイトの場合にも適用可能である。

処理フローについても、処理結果が変わらない限り、順番を入れ替えたり並列実行するようにしてもよい。

なお、広告配信システム５、Ｗｅｂサーバ９、ユーザ端末３、広告主端末７は、コンピュータ装置であって、図１５に示すように、メモリ２５０１とＣＰＵ２５０３とハードディスク・ドライブ（ＨＤＤ）２５０５と表示装置２５０９に接続される表示制御部２５０７とリムーバブル・ディスク２５１１用のドライブ装置２５１３と入力装置２５１５とネットワークに接続するための通信制御部２５１７とがバス２５１９で接続されている。オペレーティング・システム（ＯＳ：Operating System）及び本実施例における処理を実施するためのアプリケーション・プログラムは、ＨＤＤ２５０５に格納されており、ＣＰＵ２５０３により実行される際にはＨＤＤ２５０５からメモリ２５０１に読み出される。必要に応じてＣＰＵ２５０３は、表示制御部２５０７、通信制御部２５１７、ドライブ装置２５１３を制御して、必要な動作を行わせる。また、処理途中のデータについては、メモリ２５０１に格納され、必要があればＨＤＤ２５０５に格納される。本技術の実施例では、上で述べた処理を実施するためのアプリケーション・プログラムはコンピュータ読み取り可能なリムーバブル・ディスク２５１１に格納されて頒布され、ドライブ装置２５１３からＨＤＤ２５０５にインストールされる。インターネットなどのネットワーク及び通信制御部２５１７を経由して、ＨＤＤ２５０５にインストールされる場合もある。このようなコンピュータ装置は、上で述べたＣＰＵ２５０３、メモリ２５０１などのハードウエアとＯＳ及び必要なアプリケーション・プログラムとが有機的に協働することにより、上で述べたような各種機能を実現する。

１ネットワーク３ユーザ端末
５広告配信システム７広告主端末
９Ｗｅｂサーバ
５１クローラ５２ＷｅｂページＤＢ
５３情報元素生成部５４情報元素ＤＢ
５５Ｗｅｂサーバ部５６コンテンツ格納部
５７反応率ベクトル学習部５８検索処理部
５９広告決定処理部６０広告情報登録部
６１情報テーブル格納部

Claims

特定のユーザの端末による特定のサイトへのアクセスを検出するステップと、
広告選択の潜在的根拠となる複数の要素種別のインスタンス毎に各前記要素種別が広告選択の潜在的根拠となる傾向を表す反応値を格納する反応データ格納部から、前記特定のユーザ端末による特定のサイトへのアクセスが該当する、各前記要素種別のインスタンスについての反応値を読み出し、当該アクセスについて各前記要素種別の総合反応値を算出する総合反応値算出ステップと、
前記アクセスに応じて出力される、前記特定のサイトのウェブページに含めることができる広告の本数を、各前記要素種別の総合反応値で按分して、各前記要素種別についての広告本数を決定するステップと、
前記複数の要素種別の各インスタンスについて関連するキーワード及びスコアを格納する要素データ格納部から、前記アクセスが該当する、各前記要素種別のインスタンスについてのキーワード及びスコアを読み出し、当該読み出したキーワード及びスコアと、各広告について広告データとキーワード及びスコアとを格納する広告データ格納部における各広告についてのキーワード及びスコアとから所定の評価式に従って各前記要素種別について広告との組み合わせについての評価値を算出して、各前記要素種別について前記広告本数分だけ前記評価値が上位の広告を特定するステップと、
特定された前記広告の広告データを前記広告データ格納部から読み出し、出力する出力ステップと、
を、コンピュータに実行させる広告決定方法。
前記複数の要素種別が、ユーザ及びサイトを含み、
前記反応データ格納部が、
ユーザが自らの好みに応じて広告を選択する傾向を表す反応率とアクセス先サイトの内容に応じて広告を選択する傾向を表す反応率とを少なくとも含むユーザ反応率ベクトルをユーザ・インスタンス毎に格納しており、
さらに、サイトに掲載される広告がユーザの好みに応じて選択される傾向を表す反応率と当該サイトの内容に応じて選択される傾向を表す反応率とを少なくとも含むサイト反応率ベクトルをサイト・インスタンス毎に格納している
請求項１記載の広告決定方法。
前記複数の要素種別が、時間をさらに含み、
前記ユーザ反応率ベクトルが、時間に応じて広告を選択する傾向を表す反応率をさらに含み、
前記サイト反応率ベクトルが、時間に応じて広告が選択される傾向を表す反応率をさらに含み、
前記反応データ格納部が、さらに、
各時間区分について、
ユーザが自らの好みに応じて広告を選択する傾向を表す反応率とアクセス先サイトの内容に応じて広告を選択する傾向を表す反応率と時間に応じて広告を選択する傾向を表す反応率とを含む時間反応率ベクトル
をさらに格納する
請求項２記載の広告決定方法。
前記総合反応値算出ステップが、
前記特定のユーザに対応するユーザ反応率ベクトルと、前記特定のサイトに対応するサイト反応率ベクトルとを、前記反応データ格納部から読み出すステップと、
前記ユーザ反応率ベクトルと前記サイト反応率ベクトルとの平均ベクトルを算出するステップと、
を含み、
前記平均ベクトルの各成分値が各前記要素種別の総合反応値である
請求項２記載の広告決定方法。
前記出力ステップにおいて、
特定された前記広告の広告データに対して、該当する前記要素種別を表す識別子を付加し、
前記特定のユーザの端末において表示される前記特定のサイトのウェブページに含まれる広告のうち特定の広告を選択することによって送信される前記特定のユーザの識別子と前記特定のサイトの識別情報と前記特定の広告の広告データに付加された要素種別のデータとを、前記特定のユーザの端末から受信するステップと、
前記特定のユーザについてのユーザ反応率ベクトルと、前記特定のサイトについてのサイト反応率ベクトルとを、前記要素種別のデータに応じて更新するステップと、
をさらに含む請求項２記載の広告決定方法。
前記要素データ格納部に格納されている各ユーザに関連するキーワード及びスコアを、各ユーザのウェブページ閲覧とウェブページ検索との少なくともいずれかにおいて特定されるキーワードに基づき更新するステップ
をさらに含む請求項１記載の広告決定方法。
請求項１乃至６のいずれか１つ記載の広告決定方法をコンピュータに実行させるためのプログラム。
広告選択の潜在的根拠となる複数の要素種別のインスタンス毎に各前記要素種別が広告選択の潜在的根拠となる傾向を表す反応値を格納する反応データ格納部と、
前記複数の要素種別の各インスタンスについて関連するキーワード及びスコアを格納する要素データ格納部と、
各広告について広告データとキーワード及びスコアとを格納する広告データ格納部と、特定のユーザの端末による特定のサイトへのアクセスを検出する手段と、
前記反応データ格納部から、前記特定のユーザ端末による特定のサイトへのアクセスが該当する、各前記要素種別のインスタンスについての反応値を読み出し、当該アクセスについて各前記要素種別の総合反応値を算出する手段と、
前記アクセスに応じて出力される、前記特定のサイトのウェブページに含めることができる広告の本数を、各前記要素種別の総合反応値で按分して、各前記要素種別についての広告本数を決定する手段と、
前記要素データ格納部から、前記アクセスが該当する、各前記要素種別のインスタンスについてのキーワード及びスコアを読み出し、当該読み出したキーワード及びスコアと、前記広告データ格納部における各広告についてのキーワード及びスコアとから所定の評価式に従って各前記要素種別について広告との組み合わせについての評価値を算出して、各前記要素種別について前記広告本数分だけ前記評価値が上位の広告を特定する手段と、
特定された前記広告の広告データを前記広告データ格納部から読み出し、出力する出力手段と、
を有する広告決定装置。