JP5438087B2 - 広告配信装置 - Google Patents

Description

本発明は、ネットワークを介して広告を配信する技術に関する。

インターネット上のポータルサイト等の運営者は、自己の管理下にあるページの閲覧要求がユーザ端末よりなされた場合、ページ内の広告枠に所定の広告のＵＲＬ（Uniform Resource Locator）を埋め込むことで広告の配信を行なっている。ユーザ端末のブラウザは、ページの広告枠を描画する際に、埋め込まれたＵＲＬにアクセスして広告コンテンツを取得し、広告の表示を行なう。

一般に、ページ内の広告枠に表示される広告はバナー広告等の簡易なものであり、その広告がクリックされ、その広告に埋め込まれたリンク先を指定するＵＲＬに基づき、広告主の詳細な広告ページに誘導することが重要となっている。そのため、ページを閲覧したユーザが興味を引き、クリックしやすい広告を提供するよう工夫がなされている（特許文献１、２等を参照。）。

一例として、ページの閲覧要求を行なったユーザに対してどのような広告を配信するかを決めるために、広告の属するカテゴリに対応付けて配信対象のユーザ群を予めモデル化しておく手法が存在する。

図１は従来のモデリング手法の概要を示す図である。この手法では次のように処理を行なう。
（１）広告が設定（カテゴリと広告が対応付け）された各カテゴリ（図ではカテゴリ１）につき、ログから当該カテゴリについて興味度合の高い（例えば当該カテゴリに属するコンテンツを閲覧した行動履歴が多い）ユーザ群Ａをサンプリングして特定する。
（２）ユーザ群Ａに属する各ユーザにつき、ログからクリック実績を取得し、クリック率から高クリック率のクリックし易いユーザと高クリック率でないクリックし難いユーザに分類した上で、ユーザの属性情報と組み合わせて正解データ（学習データ）を生成する。
（３）生成した正解データを用いてＳＶＭ（Support Vector Machine）等で機械学習を行い、任意のユーザの属性情報からクリックし易いユーザかクリックし難いユーザかを判断する判断器を生成する。なお、機械学習に代えて、統計的処理により特徴を抽出することで、当該特徴を含むか否かによりクリックし易いユーザかクリックし難いユーザかを判断する判断器としてもよい。
（４）生成した判断器により、ログからカテゴリ毎に行動履歴のあるユーザ（ユーザ群Ａの拡張）に対し、ユーザの属性情報から高クリック率のユーザ群Ｂを特定する。

なお、判断器を用いるのは、ログから膨大な数のユーザについて上記の（１）（２）の処理を行なうのが困難なためである。従って、処理量に問題がない場合は、対象となる全ユーザについて上記の（１）（２）の処理を行ない、（３）（４）の処理を行なわなくてもよい。

上記のモデリングの後、ユーザ端末からページの閲覧要求があると、要求を行なったユーザがいずれかのカテゴリの高クリック率のユーザ群（カテゴリ１についてはユーザ群Ｂ）に属する場合には、そのカテゴリに対応付けられた、高クリック率のユーザに配信対象を限定した広告を配信する。要求を行なったユーザが属する高クリック率のユーザ群が存在しないか、存在してもそのユーザ群に対応付けられた広告が存在しない場合は、ユーザを限定しない広告を配信する。

特開２００７−２８６８３２号公報 特開２００２−１２３７３９号公報

上述したモデリング手法による広告配信では、高クリック率を期待できるユーザの使用するユーザ端末に広告を配信できることから、高い広告効果を期待できる。

しかしながら、所定のカテゴリについて高クリック率のユーザ群をモデリングするためには、過去にそのカテゴリに広告が設定されている必要があるとともに、所定の精度を出すための大量の正解データを生成するために、相当数の行動履歴の情報が必要となる。

そのため、スモールカテゴリと呼ばれる、過去に広告が設定されたことがなかったり、そのカテゴリのページ閲覧や検索といったイベントが少ない、あるいは、それらを起こしたユーザが少ないといったカテゴリには、適用が困難であった。その結果、スモールカテゴリを対象とした広告配信を有効に行なうことができなかった。

本発明は上記の従来の問題点に鑑み提案されたものであり、その目的とするところは、スモールカテゴリに対して有効に広告配信を行なうことのできる広告配信装置を提供することにある。

上記の課題を解決するため、本発明にあっては、複数のユーザ端末に表示した広告のカテゴリ、表示数およびクリック数を含むログ情報に基づき、前記クリック数を前記表示数で除したクリック率から、全カテゴリ横断の高クリック率ユーザを抽出する抽出手段と、抽出された高クリック率ユーザから、前記ログ情報にカテゴリに対応付けられたページ閲覧や検索の記録のあるユーザをカテゴリ毎に抽出してカテゴリに対応付けられた高クリック率ユーザリストを生成するリスト生成手段と、前記ユーザ端末からページ表示要求があった場合に、要求を行なったユーザ端末のユーザを識別し、前記高クリック率ユーザリストを検索して当該ユーザが登録されていると判断したときに、当該高クリック率ユーザリストの当該ユーザが登録されているカテゴリに対応付けられている広告を、ページ表示要求を行った前記ユーザ端末に配信する配信手段とを備える。

本発明の広告配信装置にあっては、スモールカテゴリについても高クリック率ユーザをモデリングすることが可能となり、スモールカテゴリに対して有効に広告配信を行なうことができる。

従来のモデリング手法の概要を示す図である。 本発明の主要なモデリング手法の概要を示す図である。 本発明の一実施形態にかかるシステムの構成例を示す図である。 広告情報ＤＢのデータ構造例を示す図である。 属性情報ＤＢのデータ構造例を示す図である。 ログＤＢのデータ構造例を示す図である。 カテゴリ毎高クリック率ユーザリストのデータ構造例を示す図である。 広告配信装置のハードウェア構成例を示す図である。 実施形態の主要な処理を示す図である。 高クリック率ユーザ判断器の生成の処理例を示すフローチャートである。 広告数、クリック広告数の集計、重み付けの例を示す図である。 ログデータの除外、追加の例を示す図である。 クリック率の算出結果の例を示す図である。 ＳＶＭによる高クリック率ユーザ判断器の原理を示す図である。 カテゴリ毎高クリック率ユーザリストの生成の処理例を示すフローチャートである。 ユーザ端末からのページ要求時の広告配信の処理例を示すフローチャートである。 広告配信装置の他の構成例を示す図である。 カテゴリ毎高クリック率ユーザ判断器の生成の処理例を示すフローチャートである。 カテゴリ毎高クリック率ユーザリストの生成の処理例を示すフローチャートである。 ユーザ端末からのページ要求時の広告配信の処理例を示すフローチャートである。 在来モデリングでのスモールカテゴリについての対応例を示す図である。

以下、本発明の好適な実施形態につき説明する。

＜新モデリング手法の概要＞
図２は本発明の主要なモデリング手法の概要を示す図である。この新たなモデリング手法は、次のように処理を行なう。
（１）広告設定の有無を問わずに全カテゴリ１、２、・・、ｎを横断的に、ログからクリック実績をサンプリングして取得し、クリック率から高クリック率のクリックし易いユーザと高クリック率でないクリックし難いユーザに分類した上で、ユーザの属性情報と組み合わせて正解データ（学習データ）を生成する。
（２）生成した正解データを用いてＳＶＭ等で機械学習を行い、任意のユーザの属性情報からクリックし易いユーザかクリックし難いユーザかを判断する判断器を生成する。なお、機械学習に代えて、統計的処理により特徴を抽出することで、当該特徴を含むか否かによりクリックし易いユーザかクリックし難いユーザかを判断する判断器としてもよい。
（３）生成した判断器により、ユーザの属性情報から、カテゴリによらない高クリック率のユーザ群Ａ０を特定する。
（４）特定されたユーザ群Ａ０に対し、ログから各カテゴリについて興味度合の高い（当該カテゴリに属するコンテンツの閲覧または検索の行動履歴の多い）ユーザ群Ｂ１、Ｂ２、・・、Ｂｎを特定する。

なお、判断器を用いるのは、ログから膨大な数のユーザについて上記の（１）の処理を行なうのが困難なためである。従って、処理量に問題がない場合は、対象となる全ユーザについて上記の（１）の処理を行ない、（２）（３）の処理を行なわなくてもよい。

このようなモデリング手法をとることで、過去に広告が設定されていなかったり、行動履歴が少ないスモールカテゴリについても精度の高いモデリングを行なうことができ、広告配信に有効に用いることができる。

＜第１の実施形態：構成＞
図３は本発明の一実施形態にかかるシステムの構成例を示す図である。

図３において、インターネット等のネットワーク２００には、広告配信装置１００が接続されるとともに、複数のユーザ端末３００が接続されている。

ユーザ端末３００には、マウス、キーボード等の入力部３０１と、ディスプレイ等の表示部３０２と、ＣＰＵ（Central Processing Unit）等の制御部３０３とが設けられている。制御部３０３は、一般的なブラウザ（Ｗｅｂブラウザ）等のソフトウェアに基づいて動作する。ブラウザは、インターネットの標準プロトコルであるＨＴＴＰ（Hyper Text Transfer Protocol）等に従い、ＨＴＭＬ（Hyper Text Markup Language）等の言語で記述されたページデータの要求・取得・表示およびフォームデータの送信等を行う機能を有している。

一方、広告配信装置１００は、制御部１０１と記憶部１３０とを備えている。

制御部１０１には、機能部として、広告情報格納部１０２と属性情報格納部１０３とユーザ識別部１０４とログ格納部１０５とモデリング部１０６と広告配信部１１３とが設けられている。モデリング部１０６は、広告数集計部１０７とクリック広告数集計部１０８と高クリック率ユーザ判断器生成部１０９と高クリック率ユーザ判断器１１０と高クリック率ユーザ判断部１１１とカテゴリ毎行動履歴判断部１１２とを備えている。これらの機能部は、広告配信装置１００を構成するコンピュータのＣＰＵ、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等のハードウェア資源上で実行されるコンピュータプログラムによって実現されるものである。これらの機能部は、単一のコンピュータ上に配置される必要はなく、必要に応じて分散される形態であってもよい。

また、記憶部１３０には、処理の過程でデータの格納・参照の対象となる、広告情報ＤＢ（Data Base）１３１と属性情報ＤＢ１３２とログＤＢ１３３とカテゴリ毎高クリック率ユーザリスト１３４とが設けられている。これらデータベースやリストは、広告配信装置１００を構成するコンピュータ内のＨＤＤ（Hard Disk Drive）等の記憶媒体上に所定のデータを体系的に保持するものである。これらのデータベースやリストは、単一のコンピュータ上に配置される必要はなく、状況に応じて分散される形態であってもよい。

図４は広告情報ＤＢ１３１のデータ構造例を示す図であり、「コンテンツＩＤ」「カテゴリ」「ＵＲＬ」「配信条件」「表示数」「クリック率実績」等の項目を含んでいる。「コンテンツＩＤ」は、広告コンテンツを識別する情報である。「カテゴリ」は、当該広告コンテンツが属するカテゴリである。カテゴリとしては、例えば、「１」は「レディースファッション」、「２」は「メンズファッション」、「３」は「アクセサリー」、「４」は「食品」、「５」は「ドリンク」、「６」は「コスメ」等である。「ＵＲＬ」は、当該広告コンテンツの格納場所を示す情報である。「配信条件」は、当該広告コンテンツの配信にあたって参照される条件である。例えば、「高クリック率ユーザのみ配信」「全ユーザ配信」等がある。「表示数」は、当該広告コンテンツの表示実績数と表示予定数である。「クリック率実績」は、当該広告コンテンツを表示した回数に対するクリックされた回数の比率である。

図５は属性情報ＤＢ１３２のデータ構造例を示す図であり、「識別子・ユーザＩＤ」に「属性データ」が対応付けられている。「属性データ」には「年齢」「性別」「住所」等が含まれている。「識別子・ユーザＩＤ」は、広告配信装置１００にアクセスしてきたユーザを識別する情報である。ユーザが専ら用いるユーザ端末３００に対してはユーザ端末３００を識別する情報を用いてもよい。「年齢」は、当該ユーザの年齢であり、例えば、「１」はユーザの年齢が１０代であることを示し、「３」はユーザの年齢が３０代であることを示し、「５」はユーザの年齢が５０代であることを示す。なお、図示の例では、ユーザの年齢として年代としているが、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」は、当該ユーザの性別であり、例えば、「１」はユーザが男性であることを示し、「０」はユーザが女性であることを示す。「住所」は、当該ユーザの住所であり、例えば、「１」はユーザの住所が東京都であることを示し、「２」はユーザの住所が神奈川県であることを示し、「８」はユーザの住所が和歌山県であることを示す。なお、図示の例では、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やそれ以下まで記憶しておくこともできる。

図６はログＤＢ１３３のデータ構造例を示す図であり、広告が属するカテゴリ毎に分けられ、アクセスしたユーザ端末３００の識別子・ユーザＩＤに、アクセスした日時、全広告数およびクリック広告数が対応づけられている。「全広告数」は、ページに表示した広告数の合計である。「クリック広告数」は、実際にクリックされた広告数の合計である。

図７はカテゴリ毎高クリック率ユーザリスト１３４のデータ構造例を示す図であり、広告が属するカテゴリ毎に分けられ、各カテゴリにおいて高クリック率が期待されるユーザの識別子・ユーザＩＤが列挙されている。

図３に戻り、広告配信装置１００の各機能部は次のような機能を有している。

広告情報格納部１０２は、広告主からの広告掲載依頼があった場合等において、広告情報ＤＢ１３１（図４）に広告情報を格納（更新・削除を含む）する機能を有している。

属性情報格納部１０３は、ユーザ端末３００等によりユーザ登録が行なわれる場合等において、属性情報ＤＢ１３２（図５）に属性情報を格納（更新・削除を含む）する機能を有している。

ユーザ識別部１０４は、ユーザ端末３００からアクセスを受けた場合に、要求に付随して取得される情報からユーザを特定する機能を有している。一般には、ユーザ端末３００側にユーザもしくは端末を識別する情報がクッキー等により保持され、その情報は広告配信装置１００側からの要求により取得されるため、ユーザを特定することができる。

ログ格納部１０５は、ユーザ端末３００からアクセスを受けてページの閲覧等が行なわれた内容を集計してログＤＢ１３３（図６）に格納（更新・削除を含む）する機能を有している。

モデリング部１０６は、ログＤＢ１３３および属性情報ＤＢ１３２の情報に基づいて前述したモデリングを行い、モデリング結果としてカテゴリ毎高クリック率ユーザリスト１３４を生成する機能を有している。

広告数集計部１０７は、ログＤＢ１３３を参照して表示された広告数（全広告数）を集計する機能を有している。

クリック広告数集計部１０８は、ログＤＢ１３３を参照してクリック広告数を集計する機能を有している。

高クリック率ユーザ判断器生成部１０９は、広告数集計部１０７により集計された表示された広告数とクリック広告数集計部１０８により集計されたクリック広告数とからクリック率を算出し、クリック率が所定の基準を満たすユーザについて属性情報ＤＢ１３２の属性情報を参照して正解データ（学習データ）を生成し、ＳＶＭ等による機械学習を行なって高クリック率ユーザ判断器１１０を生成する機能を有している。

高クリック率ユーザ判断器１１０は、動的に生成された機能部であり、任意のユーザの属性情報が与えられると、それが高クリック率ユーザと推定されるか否かの判断を行なう機能を有している。

高クリック率ユーザ判断部１１１は、属性情報ＤＢ１３２から所定範囲のユーザ（例えば、全ユーザ）の属性情報を取得し、高クリック率ユーザ判断器１１０を用いて高クリック率ユーザと推定されるか否かの判断を行なう機能を有している。ここで高クリック率ユーザと推定されたユーザ群は図２のユーザ群Ａ０に相当する。

カテゴリ毎行動履歴判断部１１２は、高クリック率ユーザ判断部１１１で高クリック率ユーザと推定されたユーザ群に対し、ログＤＢ１３３を参照し、カテゴリ毎に興味度合の高い（当該カテゴリに属するコンテンツの閲覧や検索の行動履歴の多い）ユーザ群を抽出し、カテゴリ毎高クリック率ユーザリスト１３４として出力する機能を有している。ここでカテゴリ毎に抽出されたユーザ群は図２のユーザ群Ｂ１、Ｂ２、・・、Ｂｎに相当する。

広告配信部１１３は、ユーザ端末３００からページの閲覧要求があると、要求を行なったユーザがカテゴリ毎高クリック率ユーザリスト１３４のいずれかのカテゴリに含まれるか否かに基づき、配信する広告を決定し、広告の配信を行なう機能を有している。

図８は広告配信装置１００のハードウェア構成例を示す図である。

図８において、広告配信装置１００は、システムバス１１に接続されたＣＰＵ１２、ＲＯＭ１３、ＲＡＭ１４、ＮＶＲＡＭ（Non-Volatile Random Access Memory）１５、Ｉ／Ｆ（Interface）１６と、Ｉ／Ｆ１６に接続された、キーボード、マウス、モニタ、ＣＤ／ＤＶＤ（Compact Disk/Digital Versatile Disk）ドライブ等のＩ／Ｏ（Input/Output Device）１７、ＨＤＤ１８、ＮＩＣ（Network Interface Card）１９等を備えている。Ｍはプログラムもしくはデータが格納されたＣＤ／ＤＶＤ等のメディア（記録媒体）である。

＜第１の実施形態：動作＞
図９は上記の実施形態の主要な処理を示す図である。

図９において、主要な処理としては、広告情報の登録（ステップＳ１）と、属性情報の登録（ステップＳ２）と、ログの記録（ステップＳ３）と、高クリック率ユーザ判断器（１１０）の生成（ステップＳ４）と、カテゴリ毎高クリック率ユーザリスト（１３４）の生成（ステップＳ５）と、ユーザ端末からのページ要求時の広告配信（ステップＳ６）とがある。

広告情報の登録（ステップＳ１）は、広告主からの広告掲載依頼があった場合等における処理であり、操作者の指示により、広告情報格納部１０２は、広告情報ＤＢ１３１（図４）に広告情報を格納する。必要に応じて広告情報の更新や削除も行なう。

属性情報の登録（ステップＳ２）は、ユーザ端末３００等によりユーザ登録が行なわれる場合等における処理であり、属性情報格納部１０３は、ユーザ端末３００等から入力された性別・年齢・住所等の情報を識別子・ユーザＩＤと対応付けて属性情報ＤＢ１３２（図５）に格納する。必要に応じて属性情報の更新や削除も行なう。

ログの記録（ステップＳ３）は、ユーザ端末３００からアクセスを受けてページの閲覧等が行なわれる際における処理であり、ログ格納部１０５は、ユーザ識別部１０４により識別された識別子・ユーザＩＤと、表示された広告のカテゴリと、クリックされたか否か等の情報に基づきログＤＢ１３３（図６）にログを記録する。

高クリック率ユーザ判断器の生成（ステップＳ４）は、運用管理者の判断により、高クリック率ユーザ判断器１１０を更新すべきと判断した際に行なわれる処理である。処理の詳細は後述する。

カテゴリ毎高クリック率ユーザリストの生成（ステップＳ５）は、例えば、１日に１回、定期的に行なわれる処理である。処理の詳細は後述する。

ユーザ端末からのページ要求時の広告配信（ステップＳ６）は、ユーザ端末３００から広告枠を含むページの閲覧が要求された場合における処理である。処理の詳細は後述する。なお、閲覧の結果は、ログの記録（ステップＳ３）により、ログＤＢ１３３（図６）に記録される。

図１０は高クリック率ユーザ判断器１１０の生成（図９のステップＳ４）の処理例を示すフローチャートである。

図１０において、モデリング部１０６は、処理を開始すると、ログＤＢ１３３からサンプリングした識別子・ユーザＩＤのユーザのログに基づき、広告数集計部１０７により表示された広告数データを集計し（ステップＳ４１）、クリック広告数集計部１０８によりクリック広告数データを集計する（ステップＳ４２）。広告数データおよびクリック広告数データの集計には重み付けを含む。

図１１は広告数、クリック広告数の集計、重み付けの例を示す図である。すなわち、広告数集計部１０７は、ログＤＢ１３３に格納された広告が属するカテゴリ毎のログ情報に基づき、ユーザ毎に、複数の所定期間（例えば、所定期間を１日として、３０日間分）において全広告数を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」というように順に小さくなるものとする。また、クリック広告数集計部１０８は、ログＤＢ１３３に格納された広告が属するカテゴリ毎のログ情報に基づき、ユーザ毎に、複数の所定期間（例えば、所定期間を１日として、３０日間分）においてクリック広告数を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、上記の広告数集計部１０７の乗数と同様である。

なお、広告数集計部１０７およびクリック広告数集計部１０８は、必要に応じて、古いデータを削除し新しいデータを追加する更新処理を集計前に行なう。図１２はログデータの除外、追加の例を示す図であり、広告数集計部１０７は、複数の所定の間隔（例えば、日毎、所定時間毎）で、ログＤＢ１３３から広告が属するカテゴリ毎の情報を参照し、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部１０８は、複数の所定の間隔（例えば、日毎、所定時間毎）で、ログＤＢ１３３から広告が属するカテゴリ毎の情報を参照し、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当該カテゴリ毎に集計する。

図１０に戻り、高クリック率ユーザ判断器生成部１０９は、広告数集計部１０７で集計された表示された広告数とクリック広告数集計部１０８で集計されたクリック広告数とを受け取り、ユーザ毎およびカテゴリ毎にクリック率を算出する（ステップＳ４３）。すなわち、高クリック率ユーザ判断器生成部１０９は、クリック広告数集計部１０８でカテゴリ毎に集計されたクリック広告数を広告数集計部１０７でカテゴリ毎に集計された全広告数で除算することで、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。

図１３はクリック率の算出結果の例を示す図であり、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％であることを示している。

次いで、図１０に戻り、高クリック率ユーザ判断器生成部１０９は、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と推定し、クリックし易いユーザとクリックし難いユーザとを分類する（ステップＳ４４）。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。図１３の例の場合、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、上記の例に限られず、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、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、カテゴリ毎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、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。

次いで、高クリック率ユーザ判断器生成部１０９は、クリックし易いユーザとクリックし難いユーザとの分類を特徴付ける素性として、属性情報ＤＢ１３２から属性情報を取得し、多次元ベクトルの要素に配置して正解データ（学習データ）を生成し（ステップＳ４５）、ＳＶＭ等による機械学習を行い、高クリック率ユーザ判断器１１０を生成する（ステップＳ４６）。

図１４はＳＶＭによる高クリック率ユーザ判断器１１０の原理を示す図である。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ユーザのデータを配置し、クリックし易いユーザの集合とクリックし難いユーザの集合を生成する。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、性別および住所や過去の行動履歴等からクリックし易いユーザの集合とクリックし難いユーザの集合を生成するのに適したものが選択される。そして、機械学習の過程において、クリックし易いユーザ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集合に接近するデータに接する識別線Ｌ１を算出し、クリックし難いユーザ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集合に接近するデータに接する識別線Ｌ２を算出する。更に、識別線Ｌ１および識別線Ｌ２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Ｌ１および識別線Ｌ２を調整し、これらの中央に位置する境界線Ｌ３を算出することで高クリック率ユーザ判断器１１０を完成させる。従って、任意のユーザの属性情報を高クリック率ユーザ判断器１１０に入力することで、クリックし易いユーザであるかクリックし難いユーザであるかを判断（推定）することができる。

なお、ＳＶＭを用いて高クリック率ユーザ判断器１１０を構成する場合について説明したが、これに限らない。例えば、高クリック率ユーザ判断器生成部１０９は、クリックし易いユーザのデータを統計的に処理することで、属性情報であるユーザの年齢、性別および住所や行動履歴等の特徴のうち、クリックし易いユーザ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であるか否かを推定し、高クリック率ユーザであるか否かを判断する高クリック率ユーザ判断器１１０を生成することができる。この場合の高クリック率ユーザ判断器１１０は、クリック率が未知のユーザが、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所定の割合（例えば、８割）以上のユーザが有する特徴であってもよい。

図１５はカテゴリ毎高クリック率ユーザリスト１３４の生成（図９のステップＳ５）の処理例を示すフローチャートである。

図１５において、高クリック率ユーザ判断部１１１は、処理を開始すると、属性情報ＤＢ１３２から対象となるユーザにつき高クリック率ユーザ判断器１１０によりクリックし易いユーザとクリックし難いユーザに分類を行なう（ステップＳ５１）。

次いで、高クリック率ユーザ判断部１１１は、クリックし易いユーザに分類されたユーザのうち、ログＤＢ１３３からカテゴリ毎に行動履歴のあるユーザを抽出し、カテゴリ毎高クリック率ユーザリスト１３４として出力する（ステップＳ５２）。

図１６はユーザ端末３００からのページ要求時の広告配信（図９のステップＳ６）の処理例を示すフローチャートである。

図１６において、広告配信部１１３は、処理を開始すると、ユーザ識別部１０４の判断結果からユーザを識別し（ステップＳ６１）、識別したユーザの識別子・ユーザＩＤによりカテゴリ毎高クリック率ユーザリスト１３４を検索し（ステップＳ６２）、ヒットするか否か判断する（ステップＳ６３）。

検索の結果、ユーザがカテゴリ毎高クリック率ユーザリスト１３４に含まれる場合（ステップＳ６３のＹｅｓ）、カテゴリ毎高クリック率ユーザリスト１３４上の当該ユーザが存在したカテゴリに対応する、広告情報ＤＢ１３１で「高クリック率ユーザのみ配信」を配信条件とする広告から一つを選択して配信する（ステップＳ６４）。なお、複数のカテゴリが該当したり、同じカテゴリに同条件の広告が複数存在したりする場合は、所定の基準でいずれかに決定する。複数のカテゴリが該当した場合は、例えば、カテゴリ毎に予め優先順位を決めておき、その優先順位に従って決定することができる。また、同じカテゴリに同条件の広告が複数存在した場合は、例えば、広告の表示数の消化率（配信ペース）やクリック率の過去実績等に基づいて広告を選択することができる。

また、ユーザがカテゴリ毎高クリック率ユーザリスト１３４に含まれない場合（ステップＳ６３のＮｏ）、広告情報ＤＢ１３１で「全ユーザ配信」を配信条件とする広告から一つを選択して配信する（ステップＳ６５）。この場合も、同条件の広告が複数存在する場合は、表示数の消化率（配信ペース）や過去のクリック率実績等に基づいて広告を選択する。

この実施形態によれば、スモールカテゴリについてもカテゴリ毎高クリック率ユーザリスト１３４を用意することができ、適切な広告配信を行なうことができる。

なお、カテゴリとして定義されたもののうち、予め運用者によってスモールカテゴリを指定するか、過去の広告の設定数や閲覧・検索の回数等が低いものをスモールカテゴリとして自動認識し、スモールカテゴリについて優先的に広告を配信したり、スモールカテゴリについてのみ広告を配信することができる。スモールカテゴリについて優先的に広告を配信する場合、スモールカテゴリに相当するカテゴリの優先順位を高く設定することで、カテゴリ毎高クリック率ユーザリスト１３４の検索結果から広告を決定する処理（図１６のステップＳ６４）において、競合するカテゴリの中からスモールカテゴリの広告を優先させることができる。また、スモールカテゴリについてのみ広告を配信する場合、カテゴリ毎高クリック率ユーザリスト１３４を生成する処理（図１５のステップＳ５２）においてスモールカテゴリ以外のカテゴリについてはカテゴリ毎高クリック率ユーザリスト１３４を生成しないか、あるいは、カテゴリ毎高クリック率ユーザリスト１３４の生成後にスモールカテゴリ以外のデータを削除することで対応することができる。

＜第２の実施形態：構成＞
図１７は広告配信装置１００の他の構成例を示す図であり、広告配信装置１００についてのみ示している。システムの他の構成は図３に示したものと同様である。

図１７においては、制御部１０１に新たに在来モデリング部１１４が設けられるとともに、モデリング部１０６と在来モデリング部１１４のモデルを選択するモデル選択部１２１が設けられている。

在来モデリング部１１４は、カテゴリ毎行動履歴判断部１１５と広告数集計部１１６
クリック広告数集計部１１７とカテゴリ毎高クリック率ユーザ判断器生成部１１８とカテゴリ毎高クリック率ユーザ判断器１１９とカテゴリ毎高クリック率ユーザ判断部１２０とを備えている。

在来モデリング部１１４は、ログＤＢ１３３および属性情報ＤＢ１３２の情報に基づいて従来と同様のモデリングを行い、モデリング結果としてカテゴリ毎高クリック率ユーザリスト１３４を生成する機能を有している。カテゴリ毎高クリック率ユーザリスト１３４にはモデリング部１０６によるモデリング結果と在来モデリング部１１４によるモデリング結果とが区別可能に保持されることとなる。

カテゴリ毎行動履歴判断部１１５は、ログＤＢ１３３から広告が設定されているカテゴリ毎に行動履歴のあるユーザを抽出する機能を有している。ここで抽出されるユーザ群は図１のユーザ群Ａに相当する。

広告数集計部１１６は、ログＤＢ１３３を参照して表示された広告数（全広告数）を集計する機能を有している。

クリック広告数集計部１１７は、ログＤＢ１３３を参照してクリック広告数を集計する機能を有している。

カテゴリ毎高クリック率ユーザ判断器生成部１１８は、広告数集計部１１６により集計された表示された広告数とクリック広告数集計部１１７により集計されたクリック広告数とからクリック率を算出し、クリック率が所定の基準を満たすユーザについて属性情報ＤＢ１３２の属性情報を参照して正解データ（学習データ）を生成し、ＳＶＭ等による機械学習を行なってカテゴリ毎高クリック率ユーザ判断器１１９を生成する機能を有している。

カテゴリ毎高クリック率ユーザ判断器１１９は、動的に生成された機能部であり、任意のユーザの属性情報が与えられると、それが高クリック率ユーザと推定されるか否かの判断を行なう機能を有している。

カテゴリ毎高クリック率ユーザ判断部１２０は、ログＤＢ１３３を参照し、カテゴリ毎に興味度合の高い（当該カテゴリに属するコンテンツの閲覧や検索の行動履歴の多い）ユーザ群を抽出し、その中から、カテゴリ毎高クリック率ユーザ判断器１１９を用いて高クリック率ユーザと推定されたユーザ群を特定してカテゴリ毎高クリック率ユーザリスト１３４として出力する機能を有している。ここで特定されるユーザ群は図１のユーザ群Ｂに相当する。

モデル選択部１２１は、モデリング部１０６の高クリック率ユーザ判断器１１０の動作状態を示すパラメータと在来モデリング部１１４のカテゴリ毎高クリック率ユーザ判断器１１９の動作状態を示すパラメータとを比較し、いずれの判断器の精度が高いかを判断する等により、いずれのモデルを使用するかを選択する機能を有している。参照するパラメータとしては、ＳＶＭ等を用いている場合には入力データを分類する際に内部的に用いられるスコア値を用いることができる。このスコア値はクリック率そのものではないが、クリック率と強い相関を持つものと考えられるため、精度を判断する指標に用いることができる。パラメータとしては、その他に正解データとの乖離を示す値を用いることができる。

広告配信装置１００における他の構成は、広告配信部１１３がモデル選択部１２１の選択したモデルに従って広告を決定する以外は、図３に示したものと同様である。

＜第２の実施形態：動作＞
この実施形態における処理としては、図９に示した処理に加えて新たにカテゴリ毎高クリック率ユーザ判断器（１１９）の生成が加わる点と、カテゴリ毎高クリック率ユーザリストの生成（ステップＳ５）にカテゴリ毎高クリック率ユーザ判断部１２０によるカテゴリ毎高クリック率ユーザ判断器１１９を用いたカテゴリ毎高クリック率ユーザリスト１３４の生成が加わる点と、ユーザ端末からのページ要求時の広告配信（ステップＳ６）においてモデル選択部１２１の選択したモデルが使用される点が異なる。

図１８はカテゴリ毎高クリック率ユーザ判断器１１９の生成の処理例を示すフローチャートである。

図１８において、在来モデリング部１１４は、処理を開始すると、広告が設定された各カテゴリにつき、ログＤＢ１３３から当該カテゴリについて行動履歴のあるユーザをサンプリングする（ステップＳ７１）。

次いで、広告数集計部１１６により表示された広告数データを集計し（ステップＳ７２）、クリック広告数集計部１１７によりクリック広告数データを集計する（ステップＳ７３）。表示された広告数データおよびクリック広告数データの集計には重み付けを含む。広告数集計部１１６およびクリック広告数集計部１１７の処理は、対象となるデータが異なるだけで、図３の広告数集計部１０７およびクリック広告数集計部１０８の処理と同様である。

次いで、カテゴリ毎高クリック率ユーザ判断器生成部１１８は、広告数集計部１１６で集計された表示された広告数と、クリック広告数集計部１１７で集計されたクリック広告数とを受け取り、カテゴリ毎およびユーザ毎にクリック率を算出する（ステップＳ７４）。すなわち、カテゴリ毎高クリック率ユーザ判断器生成部１１８は、クリック広告数集計部１１７で集計されたクリック広告数を、広告数集計部１１６で集計された全広告数で除算することで、クリックし易さを示すクリック率を算出する。

次いで、カテゴリ毎高クリック率ユーザ判断器生成部１１８は、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と推定し、クリックし易いユーザとクリックし難いユーザとを分類する（ステップＳ７５）。

次いで、カテゴリ毎高クリック率ユーザ判断器生成部１１８は、クリックし易いユーザとクリックし難いユーザとの分類を特徴付ける素性として、属性情報ＤＢ１３２から属性情報を取得し、多次元ベクトルの要素に配置して正解データ（学習データ）を生成し（ステップＳ７６）、ＳＶＭ等による機械学習を行い、カテゴリ毎高クリック率ユーザ判断器１１９を生成する（ステップＳ７７）。

図１９はカテゴリ毎高クリック率ユーザ判断部１２０によるカテゴリ毎高クリック率ユーザ判断器１１９を用いたカテゴリ毎高クリック率ユーザリスト１３４の生成の処理例を示すフローチャートである。

図１９において、カテゴリ毎高クリック率ユーザ判断部１２０は、処理を開始すると、ログＤＢ１３３から行動履歴のあるユーザを抽出し、当該ユーザの属性情報を属性情報ＤＢ１３２から取得し、カテゴリ毎高クリック率ユーザ判断器１１９によりクリックし易いユーザとクリックし難いユーザに分類する（ステップＳ８１）。

次いで、カテゴリ毎高クリック率ユーザ判断部１２０は、クリックし易いユーザに分類されたユーザをカテゴリ毎高クリック率ユーザリスト１３４として出力する（ステップＳ８２）。

図２０はユーザ端末３００からのページ要求時の広告配信の処理例を示すフローチャートである。

図２０において、広告配信部１１３は、処理を開始すると、ユーザ識別部１０４の判断結果からユーザを識別する（ステップＳ９１）。

次いで、広告配信部１１３は、モデル選択部１２１により現時点で選択されているモデル（モデリング部１０６によるモデルか在来モデリング部１１４によるモデルかのいずれか）に対し、識別したユーザの識別子・ユーザＩＤによりカテゴリ毎高クリック率ユーザリスト１３４を検索し（ステップＳ９２）、ヒットするか否か判断する（ステップＳ９３）。

検索の結果、ユーザがカテゴリ毎高クリック率ユーザリスト１３４に含まれる場合（ステップＳ９３のＹｅｓ）、カテゴリ毎高クリック率ユーザリスト１３４上の当該ユーザが存在したカテゴリに対応する、広告情報ＤＢ１３１で「高クリック率ユーザのみ配信」を配信条件とする広告から一つを選択して配信する（ステップＳ９４）。

また、ユーザがカテゴリ毎高クリック率ユーザリスト１３４に含まれない場合（ステップＳ９３のＮｏ）、広告情報ＤＢ１３１で「全ユーザ配信」を配信条件とする広告から一つを選択して配信する（ステップＳ９５）。

この実施形態によれば、モデリング部１０６と在来モデリング部１１４とで精度の高い方のモデリング結果を利用することができ、クリックされる可能性が上がり、広告効果をより高めることができる。

＜変形例＞
図２１は在来モデリング部１１４による在来モデリングでのスモールカテゴリについての対応例を示す図である。すなわち、背景技術の欄で説明したように、在来モデリング手法では、スモールカテゴリと呼ばれる、これまで広告が設定されたことがなかったり、そのカテゴリのページ閲覧や検索などのイベントが少ない、あるいは、それらを起こしたユーザが少ないといったカテゴリには適用できない。そのため、以下に説明するような対策を行なうことで、適用可能としている。

図２１（ａ）は、親のカテゴリｉの下に子のカテゴリｊ、ｋがあり、カテゴリｊには広告が設定されていないとともにユーザ情報（行動履歴、属性等）がほとんどなく、カテゴリｋには広告が設定されているとともにユーザ情報が相当数ある場合を示している。この場合、在来モデリング部１１４による通常のモデリングでは、カテゴリｋについてはカテゴリ毎高クリック率ユーザリスト１３４に高クリック率ユーザリストが作成されるが、カテゴリｊについては高クリック率ユーザリストが作成されない。

また、図２１（ｂ）は、親のカテゴリｉの下に子のカテゴリｊ、ｋがあり、カテゴリｉには広告が設定されているとともにユーザ情報が相当数あるが、カテゴリｊ、ｋには広告が設定されていないとともにユーザ情報がほとんどない場合を示している。この場合、在来モデリング部１１４による通常のモデリングでは、カテゴリｉについてはカテゴリ毎高クリック率ユーザリスト１３４に高クリック率ユーザリストが作成されるが、カテゴリｊ、ｋについては高クリック率ユーザリストが作成されない。

そこで、在来モデリング部１１４におけるカテゴリ毎高クリック率ユーザリスト１３４の生成（図１９）に際し、スモールカテゴリ（カテゴリとして定義されているもののうちカテゴリ毎高クリック率ユーザリスト１３４に存在しないカテゴリ）が存在するか否かの判断を行い、そのスモールカテゴリを基準に、図２１（ａ）のように同じ親をもつ同階層の兄弟関係にあるカテゴリについて高クリック率ユーザリストが作成されている場合、あるいは、図２１（ｂ）のように親（更に上位の親を含む）のカテゴリに高クリック率ユーザリストが作成されている場合には、その内容をスモールカテゴリの高クリック率ユーザリストとしてコピーしてカテゴリ毎高クリック率ユーザリスト１３４に保持することができる。

また、高クリック率ユーザリストをコピーするのに代え、カテゴリ間の代替可能な関係を保持するテーブル（スモールカテゴリと兄弟カテゴリもしくは親カテゴリなど親和性のあるカテゴリとを対応付けたもの）を作成し、当該テーブルを広告配信時のカテゴリを判断する際に参照し、兄弟カテゴリもしくは親カテゴリからスモールカテゴリを特定し、広告配信時のカテゴリに加えるようにすることもできる。

＜総括＞
以上、本発明の好適な実施の形態により本発明を説明した。ここでは特定の具体例を示して本発明を説明したが、特許請求の範囲に定義された本発明の広範な趣旨および範囲から逸脱することなく、これら具体例に様々な修正および変更を加えることができることは明らかである。すなわち、具体例の詳細および添付の図面により本発明が限定されるものと解釈してはならない。

１００ 広告配信装置
１０１ 制御部
１０２ 広告情報格納部
１０３ 属性情報格納部
１０４ ユーザ識別部
１０５ ログ格納部
１０６ モデリング部
１０７ 広告数集計部
１０８ クリック広告数集計部
１０９ 高クリック率ユーザ判断器生成部
１１０ 高クリック率ユーザ判断器
１１１ 高クリック率ユーザ判断部
１１２ カテゴリ毎行動履歴判断部
１１３ 広告配信部
１１４ 在来モデリング部
１１５ カテゴリ毎行動履歴判断部
１１６ 広告数集計部
１１７ クリック広告数集計部
１１８ カテゴリ毎高クリック率ユーザ判断器生成部
１１９ カテゴリ毎高クリック率ユーザ判断器
１２０ カテゴリ毎高クリック率ユーザ判断部
１２１ モデル選択部
１３０ 記憶部
１３１ 広告情報ＤＢ
１３２ 属性情報ＤＢ
１３３ ログＤＢ
１３４ カテゴリ毎高クリック率ユーザリスト
２００ ネットワーク
３００ ユーザ端末
３０１ 入力部
３０２ 表示部
３０３ 制御部

Claims (6)

1. 複数のユーザ端末に表示した広告のカテゴリ、表示数およびクリック数を含むログ情報に基づき、前記クリック数を前記表示数で除したクリック率から、全カテゴリ横断の高クリック率ユーザを抽出する抽出手段と、
   抽出された高クリック率ユーザから、前記ログ情報にカテゴリに対応付けられたページ閲覧や検索の記録のあるユーザをカテゴリ毎に抽出してカテゴリに対応付けられた高クリック率ユーザリストを生成するリスト生成手段と、
   前記ユーザ端末からページ表示要求があった場合に、要求を行なったユーザ端末のユーザを識別し、前記高クリック率ユーザリストを検索して当該ユーザが登録されていると判断したときに、当該高クリック率ユーザリストの当該ユーザが登録されているカテゴリに対応付けられている広告を、ページ表示要求を行った前記ユーザ端末に配信する配信手段と
   を備えたことを特徴とする広告配信装置。
2. 請求項１に記載の広告配信装置において、
   前記抽出手段は、前記ログ情報からサンプリングしたデータからクリック率に基づいて高クリック率ユーザと他ユーザに分類し、各ユーザの属性情報を素性とした正解データを生成し、当該正解データに基づいて未知のユーザの属性情報から高クリック率ユーザであるか否かを判断する判断器を生成し、生成した判断器により対象となる全ユーザの属性情報から全カテゴリ横断の高クリック率ユーザを抽出する
   ことを特徴とする広告配信装置。
3. 請求項１または２のいずれか一項に記載の広告配信装置において、
   前記ログ情報に基づき、当該ログ情報のカテゴリの記録のあるユーザをカテゴリ毎に抽出し、抽出したユーザから、クリック率に基づいて高クリック率ユーザをカテゴリ毎に抽出して在来モデリング高クリック率ユーザリストを生成する在来モデリングリスト生成手段と、
   前記高クリック率ユーザリストと前記在来モデリング高クリック率ユーザリストのいずれを使用するかを決定する選択手段と
   を更に備え、
   前記配信手段は、前記選択手段の決定した前記高クリック率ユーザリストもしくは前記在来モデリング高クリック率ユーザリストに基づいて広告を配信する
   ことを特徴とする広告配信装置。
4. 請求項３に記載の広告配信装置において、
   前記在来モデリングリスト生成手段は、カテゴリとして定義されているもののうち前記在来モデリング高クリック率ユーザリストに存在しないカテゴリについて、兄弟カテゴリもしくは上位カテゴリのリスト内容を再利用した前記在来モデリング高クリック率ユーザリストを生成する
   ことを特徴とする広告配信装置。
5. 広告配信装置が、複数のユーザ端末に表示した広告のカテゴリ、表示数およびクリック数を含むログ情報に基づき、前記クリック数を前記表示数で除したクリック率から、全カテゴリ横断の高クリック率ユーザを抽出する抽出工程と、
   前記広告配信装置が、抽出された高クリック率ユーザから、前記ログ情報にカテゴリに対応付けられたページ閲覧や検索の記録のあるユーザをカテゴリ毎に抽出してカテゴリに対応付けられた高クリック率ユーザリストを生成するリスト生成工程と、
   前記広告配信装置が、前記ユーザ端末からページ表示要求があった場合に、要求を行なったユーザ端末のユーザを識別し、前記高クリック率ユーザリストを検索して当該ユーザが登録されていると判断したときに、当該高クリック率ユーザリストの当該ユーザが登録されているカテゴリに対応付けられている広告を、ページ表示要求を行った前記ユーザ端末に配信する配信工程と
   を備えたことを特徴とする広告配信制御方法。
6. 広告配信装置を構成するコンピュータを、
   複数のユーザ端末に表示した広告のカテゴリ、表示数およびクリック数を含むログ情報に基づき、前記クリック数を前記表示数で除したクリック率から、全カテゴリ横断の高クリック率ユーザを抽出する抽出手段、
   抽出された高クリック率ユーザから、前記ログ情報にカテゴリに対応付けられたページ閲覧や検索の記録のあるユーザをカテゴリ毎に抽出してカテゴリに対応付けられた高クリック率ユーザリストを生成するリスト生成手段、
   前記ユーザ端末からページ表示要求があった場合に、要求を行なったユーザ端末のユーザを識別し、前記高クリック率ユーザリストを検索して当該ユーザが登録されていると判断したときに、当該高クリック率ユーザリストの当該ユーザが登録されているカテゴリに対応付けられている広告を、ページ表示要求を行った前記ユーザ端末に配信する配信手段
   として機能させる広告配信制御プログラム。

Images