JP5591684B2 - 広告インプレッションデータにおける不確実性の調整 - Google Patents

Description

本発明は、広告に関するものである。

企業体などの広告主は、広告を放送するために、ラジオまたはテレビ放送中の放送時間を購入することができる。ラジオおよびテレビ広告の例には、番組の区切りの間に放送されるコマーシャルがある。テレビ広告は、番組中に放送されるオーバーレイ、および番組中に放送されるテキストバナーをさらに含むことができる。

広告主によって購入される放送時間の費用は、購入した時間の量と、購入した放送時間中に聴取または視聴していると予想される視聴者の規模および視聴者の構成などの他のパラメータとの両方によって変化する。たとえば、視聴者の規模および視聴者の構成は、視聴率システムによって測定することができる。たとえば、テレビ視聴率に関するデータは、視聴者が視聴習慣日誌を提供する視聴率調査によって、または視聴習慣データを自動的に収集するとともに、そのデータを有線もしくは無線接続(たとえば、電話回線もしくはケーブル回線)を介して伝送するセットされた計測器によって、またはデジタルビデオレコーダサービスログによって収集することができる。しかし、このような視聴率システムは、ニッチな番組にとっては不正確な場合があり、一般的に、実際の視聴者数および視聴者構成の推定しか提供しない。

この視聴率の推定に基づいて、放送時間が広告主に対してある料金で提供される。一般的に広告主は、放送される時間よりもかなり前にその放送時間を購入しなければならない。さらに、視聴率の推定が不正確な場合、広告主および/または放送者は購入した放送時間の正しい価値を認識できない場合がある。結局、放送時間中に放送されるコマーシャルが、テレビ番組または視聴者に照らして適切ではない場合がある。

情報に基づく広告戦略の決定を下すために、広告主は、所与の配信モードを介して広告が配信される消費者数に関する情報(その広告のインプレッション数)を必要とする。多くの広告コンテキストでは、コマーシャル広告のインプレッション数を測定することは、広告メディアの性質のため困難である。放送メディアでは、測定は、広告インプレッションの総数が潜在的な広告受信者の一部からのデータに基づいて推定されるサンプリングに基づく推定にしばしば限定される。しかし、統計に基づくサンプリングの使用はサンプリングエラーを引き起こす。サンプリングエラーが比較的小さい場合は、サンプリングに基づく推定は広告インプレッション数の監視に有用な場合がある。しかし、サンプリングエラーがかなり大きい場合、その推定は広告主にとってほとんど価値がないだろう。

たとえば、テレビは従来、放送メディアである。所与の番組(またはその番組中の広告)の視聴者総数を測定するために、潜在的な視聴者人口の一部からのデータが収集および外挿され、その番組の視聴者総数の推定を作成する。これまではネットワークの数が限定されていたため、視聴者推定におけるサンプリングエラーは比較的小さかった。しかし、現在は多数の利用可能なチャネルが全視聴者をばらばらにしてしまうため、どの番組の視聴者数も全視聴者人口のうちのごく少数になってしまう場合がある。この場合、視聴者数の推定が有するサンプリングエラーは大きすぎる場合があるため、この推定は、番組およびその番組の中に含まれるどの広告の視聴者数の決定にも役立たない。

番組またはネットワークの視聴者数に関する信頼することができるデータの欠如は、ネットワークが広告時間の割引レートを受け入れざるを得ない、または広告主にとっても、そのネットワーク上の広告時間を全く購入したくなくなることの原因になりうる。ひいてはこのことが、必ずしも番組が低品質で視聴者がいないためではなく、従来の測定技法ではニッチな番組の広告時間の価値をマネタイズする正確な視聴者数または広告インプレッションデータを提供できないために、良質な番組の中止またはネットワークの障害の原因になりうる。

より小さいネットワークによって生み出される利益総額が比較的に少ないこと、および、その結果サンプリング技法を改善するための金銭的動機がないことにより、ネットワークおよび広告主のジレンマが永続している。より小さいネットワークは販売するための広告時間を有するが、その投資に対する実証可能な見返りがないため、広告主はその時間を購入したがらない。

本明細書は、広告インプレッションデータを提供することに関する技術を説明する。

通常は、本明細書に記載した主題の一態様は、データサンプルを使用して広告インプレッション数を推定する動作、および、結果として得られる割引された推定が実際の広告インプレッション数より少ない所望の確実性レベルを達成するために、その推定を割り引く動作を含む方法で実施することができる。データサンプリングのためにサンプリングエラーモデルを作成でき、所望の確実性レベルを達成するために必要な割引はそのモデルを使用して決定することができる。

本明細書に記載した内容の特定の実施形態は、以下の諸利点のうちの1つまたは複数を実現するために実施されうる。メトリック推定器は、広告主への請求書作成のために使用される広告システムに、割引されたインプレッション推定を提供するように構成することができる。割引された推定は、過大評価が存在しないという広告主の信頼感を高めることができ、測定困難な番組中の広告時間を番組作成者が適切に評価および販売することができるようにする。

本明細書に記載した内容のうちの1つまたは複数の実施形態の詳細は、添付の図面および以下の記述において説明する。この内容の他の特徴、態様、および利点は、記述、図面、および特許請求の範囲から明らかになるだろう。

サンプリングエラーを補正するために調整された広告インプレッション数を提供するための処理例を示すフローチャートである。 サンプリングされたデータに基づくインプレッション推定を割り引くための処理例を示すフローチャートである。 サンプリングされたデータのセットに基づく推定広告インプレッションのサンプリングエラー分布例を示すグラフである。 あるデータのセット例についての、所望の確実性レベルと、その確実性レベルを達成するために必要な割引との間の関係を示すグラフである。 あるデータのセット例についての、所与の確実性レベルを達成するために必要な割引レベルと、サンプルサイズ、すなわち番組の消費者数との間の関係を示すグラフである。 あるデータのセット例についての、広告あたりの収益対サンプルサイズを示すグラフである。 あるデータのセット例についての、支払い請求可能なインプレッション対サンプルサイズを示すグラフである。 広告システムのメトリック推定器の例を示すブロック図である。 サンプリングされたデータの例の第1および第2セットに基づく収益額の間の増分収益を示す、広告あたりの収益対サンプルサイズを示すグラフである。 広告システムのための環境例を示すブロック図である。

様々な図における同様の参照番号および名称は、同様の要素を示している。

実施において、サンプリングエラーを補正するために調整された広告(「ad」)インプレッション数を生成するために、サンプリングされたデータが使用される。サンプリングエラーのためにインプレッション数が誇張されるのを避けるために、あるレベルまでインプレッション推定が割引されるため、調整されたインプレッション数は、測定されている広告によって受信される実際のインプレッション数以下のことが、ある程度の確実性でわかる。

図1Aは、サンプリングエラーを補正するために調整された広告インプレッション数を提供するための処理例100を示すフローチャートである。サンプリングされたデータは、所与の広告について受信されるインプレッション数を推定するために外挿される(102)。次いで、その推定が確実に実際のインプレッション数以下のように、推定されたインプレッション数が割引される(104)。最初の推定は、実際のインプレッション数以下のと、所望の確実度でわかる量まで割引される。

この処理は、広告インプレッション数の過大評価によって引き起こされるサンプリングエラーを避けるために動作する。割引された推定は、広告主が、所与の広告のインプレッションのより低いしきい値として使用でき、広告主は実際の広告インプレッション数はより高くなる可能性があると確信することができる。割引された推定は、たとえば、インプレッションあたりの支払い請求方式などにおける、広告費用請求にも使用することができる。このようにして、広告主は過剰請求されていないことが確信される。サンプリングされたインプレッションデータに依存することに存在する不確実性が減り、広告主が広告時間を購入する可能性がより高くなる。

図1Bは、サンプリングされたデータに基づくインプレッション推定を割引するための処理例106を示すフローチャートである。サンプリングされたデータ内に存在するサンプリングエラーのモデルが作成される(108)。実施において、サンプリングエラーは超幾何分布としてモデル化されている。次いで、サンプリングエラーモデルに基づいて、推定が割引される量が決定される。推定は、割引された推定が実際のインプレッション数以下である所望の確実性レベルを達成する量だけ割引される(110)。所望の確実性レベルは、結果として得られる割引された推定が、実際の広告インプレッション数以下である確実性の割合でよい。割引は、最初の推定に適用される(112)。実施において、決定された割引は、最初の推定に適用される割合割引でよい。

図2は、サンプリングされたデータのセットに基づく推定広告インプレッションのサンプリングエラー分布の例を示すグラフ200である。分布曲線202は、縦線204が点206で分布曲線202と交わるところが最大値である。この点で、推定の信頼度が最大になる。これが、サンプリングされたデータが提供する広告インプレッション数の、利用可能な「最良の推測」推定である。しかし、サンプリングエラーのため、このモデルは、この推定は実際のインプレッション数よりも高い可能性があることを示している。点206で表される推定よりも、実際のインプレッション数が上回る可能性が50%あり、実際のインプレッション数が下回る可能性が50%ある。曲線202の下には、縦線204の右側と線204の左側とに等量の領域がある。

広範囲のサンプリングエラーが存在する場合、実際のインプレッション数が、点206と一致する推定インプレッション数とは大幅に異なる場合がある。大量のサンプリングエラーがある可能性がある場合は、控えめの推定が望ましい。グラフ上で、点210で縦線208が分布曲線と交わる分布上の点まで、距離「D」212分だけ左に動くことにより、インプレッション推定の減少値が得られる。実際のインプレッション数が、この減少された、すなわち割引された推定を上回る(すなわち推定が下回る)確率は増加し、実際のインプレッション数が下回る(すなわち推定が上回る)確率は減少する。曲線202の下の縦線208の右側の領域は、左側よりも大きい。

セグメントDの長さが増えるにつれて、推定インプレッションはゼロに近づき、割引は100%に近づき、推定が実際のインプレッション数よりも少ない確実性は100%に近づく。Dの長さが減少するにつれて、分布推定は元の値に近づき(割引がゼロに近づき)、推定が実際のインプレッション数よりも少ない確実性は50%に近づく。

割引の量は所望の確実性レベルによる。確実性レベルの選択は折衷である。一方では、インプレッションデータは誇張されていないという広告主の信頼を最大にすることが望ましい。他方では、報告されたインプレッション数において、番組プロバイダは自分を過小評価したくないだろう。

図3〜6のグラフは、所望の確実性レベル、その所望の確実性レベルを達成するために必要な割引、サンプルサイズと、テレビまたはラジオ番組などの所与の番組の人気との間の関係を示している。

図3は、あるデータのセット例についての、所望の確実性レベルと、その確実性レベルを達成するために必要な割引との間の関係を示すグラフである。複数のグラフ線は、それぞれの確実性レベルに対応する。所与のサンプルサイズについて、割引されたインプレッション数が実際のインプレッション数よりも少ない確実性が99%を達成するためには最も高い割引(縦軸)が必要であり、65%の確実性レベルを達成するためには最も低い割引が必要である。このグラフは、サンプルのサイズが総人口のサイズ(この場合は1億人と示されている)に近づくにつれて、確実性レベルセクションごとに必要な割引がゼロに近づくことも示している。

図4は、あるデータのセット例についての、所与の確実性レベルを達成するために必要な割引レベルと、サンプルサイズ、すなわち番組の消費者数との間の関係を示すグラフである。図3と同様、サンプルサイズが総人口(図4では1300万人)に近づくにつれて、必要な割引がゼロに近づく。複数のグラフ線は、所与のサンプルサイズに対して、より人気のない番組(視聴率の低い番組)はより高い割引が必要なことを示している。

図5は、あるデータのセット例についての、広告あたりの収益対サンプルサイズを示すグラフである。このデータのセット例は、総視聴者人口1300万人のうち0.01パーセントの視聴率を有する番組についてのものである。このグラフは、サンプルサイズの増加(結果として所望の確実性レベルを満たす推定を増加させることができる)により、広告あたりで生成される収益が増えることを示している。

図6は、あるデータのセット例についての、支払い請求可能なインプレッション対サンプルサイズを示すグラフである。3本の線は、それぞれの人気レベルを有する番組を示している。このグラフは、より人気の低い番組についてのサンプルサイズの増加は、より人気の高い番組についてのサンプルサイズの増加よりも、支払い請求可能なインプレッションの割合に関してより劇的な効果があることを示している。

前述の方法で推定を割引することにより推定インプレッション数を調整することで、普通なら懐疑的な広告主を思いとどまらせるような大きなサンプリングエラーに見舞われるニッチな番組から、さらなる広告収益を生み出すことが可能になる。調整処理によって生成される控えめなインプレッションデータは、インプレッションデータへの広告主の信頼感を増加させ、広告主がニッチな番組中の広告を購入するよう促進される。インプレッションベースで広告主が請求される場合は、この調整により超過請求を避けることができる。さらに、サンプルが大きいほど高い広告収益をもたらすことができるため、ネットワークおよびオペレータ(ラジオ局、ケーブルテレビシステム、および直接衛星放送局など)には、より徹底的なサンプリングデータを求める動機が提供される。

ネットワークおよびオペレータは、より大きなサンプルの収集を容易にするために、たとえばより大きなデータサンプルによって可能になった収益増加を分配される、第3者データプロバイダ(たとえば、テレビ視聴率サービス)の協力を得ることができる。2つ以上のサンプリングデータのソースが利用可能な場合、その処理によって、増分収益の増加が測定可能になるため、より大きなデータサンプルに起因する収益の増加を測定可能ようになる。

開示された処理は、プロバイダ(たとえば、放送ネットワーク)が現在の番組をマネタイズすることを容易にするために、関連広告を消費者(加入者、視聴者、聴取者など)に配信するように構成された、広告システムと併せて実施することができる。たとえば、開示された処理は、広告システムのメトリック推定器に実施することができる。

図7は、広告システムのメトリック推定器700を示すブロック図である。メトリック推定器は、開示された推定調整処理を実施するように、ハードウェア、ソフトウェア、またはそれらの組合せを介して構成することができる。

たとえば、テレビ広告システムでは、メトリック推定器700はサンプリングされたデータに基づいてインプレッション推定を生成するように構成することができる。しかし、前述の通り、たとえば視聴者数が比較的少ない番組などニッチな番組中は特に、このようなサンプリングはエラーという結果になる場合がある。たとえば、メトリック推定器700は、メトリック(たとえばインプレッション数)のための所望の確実性レベルを定量化して、その数を調整することができるため、広告主は確実性の高いインプレッションについてのみ支払うことができるようになる。したがって広告主は、ニッチな番組中の放送時間をより進んで購入したくなるだろう。

サンプリングデータ702には、調査技法によって収集された従来のテレビ視聴率情報、およびテレビセットトップボックスログなどのデバイスログから収集された情報を含むことができる。

一実施形態では、メトリック推定器700は、サンプリングエラー706を超幾何分布として表して視聴者の最大数を推定するため、想定されたサンプリングエラーを考えると、推定が真の値以下である確実性のレベルが、たとえば90%になる。たとえば、広告主は、メトリック推定器700が90%の確実性で決定する、実際のインプレッション数よりも少ないとインプレッション数についてのみ請求されうる。

一実施形態では、超幾何分布はサンプルごとに計算することができる。他の実施形態では、超幾何分布はサンプルサイズの範囲に関して事前に計算することができる。事前計算されたデータは、90%の確実性レベルを達成するために必要な、必須の割引を推定するために利用することができる。

一実施形態では、メトリック推定器は第1インプレッション推定を第1データサンプル(たとえば、ニールセンのテレビ視聴率データ、またはセットトップボックスログ情報の第1セット)に基づいて計算し、その後、第2インプレッション推定をより大きなデータサンプル(たとえば、第1の推定以来収集された、より多くのセットトップボックスログ情報)に基づいて計算する。予算システム(図示せず)が第2の推定によって生成された増分収益を計算する。生成されたどのような増分収益も、サンプルデータの第2セットの結果と考えることができる。メトリック推定器700によって使用されるサンプルサイズの上限は、大きなサンプルサイズを取得する費用が、生成された増分収益を超える時点のサンプルサイズとして決定されうる。

図8は、サンプリングされたデータの第1および第2のセットの間の増分収益を示す、広告あたりの収益対サンプルサイズを示すグラフである。グラフ化されたデータ例は、総人口1300万人の加入者(そのうちの1%がその広告を視聴している、または少なくともその広告にチャネルを合わせている)への広告放送のインプレッションデータに関する。40万人の視聴者のサンプルサイズに基づくインプレッション推定計算(割引された推定が真のインプレッション数より少ない確実性が、90%を達成するように調整された)により、広告ごとに約61ドルの収益が産出される。より大きいデータサンプル(300万人の視聴者)を使用して実行された第2の推定は、広告ごとに約63.25ドルの収益を産出する。このより大きなデータサンプルに起因する増分収益は2.25ドルである。第1データサンプルは、たとえば、番組または広告の放送後1日の時間ウインドウ内に受信されるセットトップボックスチューナーログ情報でよい。第2データサンプルは、たとえば、番組または広告の放送後4日間の時間ウインドウの間に受信されるセットトップボックスチューナーログ情報でよく、追加のサンプルデータは、たとえばスケジュールされたアップロードを介してログデータを広告システムに提供している、より多数のセットトップボックスによる。

ある実施形態では、メトリック推定器がインプレッション推定を広告システムに提供する。たとえば、広告システムは、関連広告を視聴者に配信して、オペレータが番組をマネタイズすることを容易にすることができる。消費者、広告主、プロバイダ、および番組作成者は、より関連性のある広告を提供される。報告処理は、広告主が広告のパフォーマンスを理解して、どの広告が他よりも成果が高いか決定するのを助け、より関連性のある広告を消費者に配信することを容易にする。さらに、広告主は、たとえば、創造的なアイデアをより効果的にテストして、ユーザにとってより魅力があり、より効果の高い広告コンテンツを配信することができる。

他の実施形態では、広告システムは、たとえば広告主が広告の可測性を改善するために、正確でタイムリーな報告を提供することができる。たとえばテレビ環境では、匿名データを有するセットトップボックスベースの測定を使用して、配信された広告インプレッション数を報告して、広告が掲載される予定の、または掲載された、時間および場所について、広告主がタイムリーベースで知ることができるようにタイムリーに報告することを容易にすることができる。この報告機能は、どの広告が消費者に対して最も効果が高いかを、広告主がよりよく理解することをさらに容易にする。何百万ものセットトップボックスからの総統計も報告でき、総統計は、テレビ視聴率についての他の利用可能な情報のデータソース(たとえば、視聴率システム)を補足することができる。

他の実施形態では、広告システムは、たとえばプロバイダが追加コンテンツをマネタイズすることを容易にすることによって、市場の拡大を促進することができる。たとえば、何百万ものテレビプロバイダの加入者にとって関連のある効果的な広告を、ローカルに、および/または全国的に配信することができる。このような関連広告は放送時間をより効果的にマネタイズし、さらなる広告主を引きつけて、ネットワークプロバイダの広告在庫商品にとってより大きな価値を生み出す。さらに、加入者のセットトップボックスを介して番組作成者在庫商品のアクセスを測定することによって、プロバイダは、視聴者がより少なく、これまで視聴者データの測定が困難であった専門チャネルを、より効果的にマネタイズすることができる。

他の実施形態では、広告システムは、たとえば広告メディアの到達範囲を広げて、自動広告処理を介して広告をより容易にアクセスすることができるようにすることによって、新しい広告主を引きつけることができる。たとえば、ビデオ広告市場は、ビデオ広告の作成における見込み広告主を支援するために、制作者の識別を容易にすることができる。

他の実施形態では、広告システムは、たとえば自動オンライン市場を介して、購入/販売処理における効率性を生み出すことができる。たとえば一実施形態では、広告処理は、キャンペーンのプランニングから、広告のアップロード、およびその広告の供給が自動化される。広告の購入者および販売者の両方のための価格設定の効率性を生み出すために、オークションモデルを使用することができる。配信されたインプレッションに対してのみ支払い、広告主が自分の広告の効果を継続的に高める必要がある情報を受け取ることによって、広告主は効率性の恩恵に浴することができる。このシステムは組織的に実施してもよく、第3者のインフラストラクチャパートナーとともに実施してもよい。

一実施形態では、広告システムは、合わせられたチャネルおよび関連付けられるタイムスタンプを含むチャネル変更記録を使用して、セットトップボックスの活動を測定することができる。広告主が従来の手法で視聴者をターゲットにする複数の手法(メディア、ネットワーク/放送時間帯、地理的および人口学的など)も提供されうる。

しかし、たとえば個々のセットトップボックスまたは視聴者をターゲットとすることは除外されることがある。一実施形態では、セットトップボックスおよび顧客情報は、それらが広告システムによって受信される前に匿名化される。それぞれのセットトップボックスは匿名の値を含むことができ、チャネル変更履歴を含むことができる。顧客情報は匿名化することでき、郵便番号以上の精度を有しない位置情報と関連付けることができる。顧客情報には、人口学的または心理学的情報は関連付けられない。顧客情報には、他のソースから収集された情報は何も関連付けられない。消費者のプライバシーを確実にするために匿名化を実施でき、消費者のプライバシー保持を重視しながら新しい機能を導入することができる。

加入者のプロバイダは、加入者の報告情報を受信でき、その報告情報は広告システムに提供される前に匿名化することができる。その結果、いくつかの実施形態では、広告システムは、匿名化されていない報告情報への直接アクセスを有しない。したがって、報告情報と行動の集合は、特定の世帯をターゲットにしない。

たとえば、第3者であるプロバイダが広告システムに報告情報を提供することができる。報告情報は、加入者のプライバシーの保護を維持しながら、効果的で関連性のある広告の配信を容易にすることができる。たとえば、地域および国家管轄の法を確実に遵守するために、このようなデータの集合を管理することができる。

図9は、広告システム900のための環境例を示すブロック図である。一実施形態では、広告システム900を1つまたは複数のサーバに実施することができる。しかし、他の実施形態では、複数の機能を実行するために、サーバのうちのいずれも結合することができる。

広告システム900は、広告アイテム(たとえば、広告902)およびメタデータ904を含むことができる。広告902は、たとえば、ビデオ広告、バナー広告、オーバーレイ広告(たとえばロゴ)、テロップ(たとえば、クローラ)ボイスオーバーなどを含むことができる。メタデータ904は、視聴者データ、インプレッションデータ、広告902に関するパフォーマンスデータ、広告メタデータ904、フィルタデータ906などを含むことができる。一実施形態では、メタデータ904内に格納された視聴者情報は匿名化される。

ある実施形態では、広告システム900はソフトウェアエージェント910と通信することができる。ソフトウェアエージェント910は、たとえば、ケーブルプロバイダ、デジタル衛星テレビプロバイダ、新聞、ラジオ(たとえば、衛星ラジオ、地上波ラジオなど)、セルラー式コンテンツプロバイダなどの、広告挿入位置プロバイダ920に位置することができる。ソフトウェアエージェント910は、たとえば、広告スケジューリングの前に、任意選択でテレビビデオ、テレビバナー、テレビオーバーレイ、ストリーミング広告、テロップ(たとえばクローラ)、印刷広告、ボイスオーバーなどの広告システム900によって提供される広告を同期させてキャッシュに格納することができる。

ある実施形態では、ソフトウェアエージェント910は、リアルタイムに、または事前にスケジュール要求を読み取って、広告902を満たすために広告システム900がどのスケジュール時間の許可を得ているかを識別することができる。一実施形態では、ソフトウェアエージェント910は、広告システム900サーバに、識別された広告スポットのために関連広告を識別するように要求することができる。広告902は、メタデータ904および他のデータに基づいて関連があると考えられうる。たとえば、極端なスポーツ用品の広告は、18〜30才の男性が主たる層であるとメタデータが見なすスポーツ大会中の配信用に選択されうる。

広告システム900の応答に基づいて、広告902をスケジュールでき、プロバイダ920で広告902を広告装置にルーティングすることができる。ソフトウェアエージェント910は、広告902が実際に公開されるかどうか、およびいつ公開されるかに関する状況を読み取って、広告システム900にその公開について知らせることができる。他の実施形態では、ソフトウェアエージェント910は、消費者922a〜922nのうちの誰が実際に広告902を観察している(たとえば、見る、聴く、読む、選択する、など)かに関する報告データを提供することができる。ある実施形態では、報告データは匿名化することができる。

一実施形態では、ソフトウェアエージェント910は、広告システム900によるスケジューリングに利用できない広告スケジュールを監視して、そのスケジュールデータを、広告市場の分析のために広告システム900に送信することができる。

ある実施形態では、広告システム900は、広告挿入のための候補を求める、ソフトウェアエージェント910からの要求を受け入れて、潜在的な候補広告を取り出すことができる。

一実施形態では、広告フィルタ906は、不要な広告を削除するために1つまたは複数のフィルタリング処理を実行することができる。一実施形態では、広告フィルタ906は、ある広告が最後に配信されてからの一定量の時間に基づいて広告のスケジューリングを制限する、頻度キャッピングを実行することができる。他の実施形態では、広告フィルタ906は、ある広告を別の競合他社の他の広告の近くに配置できない、競争制限を適用する。他のフィルタリング処理も使用することができる。

ある実施形態では、広告システム900は、収集された、顧客広告主の付け値、予算、および、変換、視聴者行動、売り上げの数字などの何らかの品質メトリクスに基づいて広告を識別することができる。

広告システム900は、たとえば、1つまたは複数の価格設定処理を使用して、広告の価格を決定することができる。価格設定処理の一例は、2番目に高い広告の付け値をそれぞれの広告主が支払う「第2価格値付け」である。インプレッションごとに支払うと広告主が提示した価格に、推定インプレッション数を乗じるなどの、他の価格設定処理も使用することができる。

広告システム900は、たとえばメタデータ904内に、広告スケジューリング要求に関する関連情報、および提供された結果を格納ことができる。このデータは内部分析に使用されてもよく、このデータが広告主に公開されてもよい。

広告システム900は、結果として得られる広告を、ソフトウェアエージェント910からの要求への返答として出力ことができる。

ある実施形態では、広告システム900は、広告スペースの集まり(たとえば、広告のための区切り、印刷セクション)などの、1つの特定の「ポッド」のための広告の選択を容易にすることができる。他の実施形態では、広告システム900は、複数のネットワーク(たとえば、テレビ、新聞、ラジオ、インターネットなど)にわたって番組放送日を通して利用可能な全ての広告の選択を容易にすることができる。

ある実施形態では、広告データ902および/またはメタデータ904を広告候補サーバに格納することができる。様々な実施形態では、広告候補サーバを広告システム900に統合してもよく、別々のエンティティとして実現してもよい。

広告候補サーバは、配信されうる全ての広告902、および任意の関連ターゲットデータを格納することができる。広告候補サーバは、テレビ広告システム900からの要求を処理することができ、特定の要求のために表示可能な広告を戻す前に、任意のターゲット基準を適用することができる。

広告要求例および供給処理は以下のようになりうる。処理例は図9のシステム900内に実施することができる。

たとえば、米国/カリフォルニア/ベイエリア/マウンテンビューにおいて、リモートリポジトリId XXで、パートナープロバイダYYに対して、テレビネットワークZZ上で表示することができるテレビ広告の候補が、月曜日の午後2時〜3時のタイムウインドウ内に、おそらく月曜日の午後2時16分にスケジュールされるように求める要求を受信することができる。

候補サーバは、様々なターゲッティングおよびフィルタリングを適用することができる。たとえば、広告はそのリモートリポジトリに正常に同期されなければならないことと、広告は、広告が表示されることになる位置または位置の上位集合をターゲッティングすることと、広告の広告主/所有者が十分な予算を有することと、広告は、広告主によっても広告システム900によっても中断されないことと、広告主が不正または法律違反者とは考えられないことと、事前に同意した場合、パートナープロバイダがこれらの条件でこの広告を表示することを許可していることと、広告がこの特定のテレビネットワーク、コンテンツ、および/または時間をターゲットにしていることと、その広告が、内部または第3者のデータソースを介して、所与の要求に対応するテレビ番組をターゲットにしていることと、その広告が、内部または第3者のデータソースを介して、所与の要求に対応する人口学的プロファイルをターゲットにしていること、などである。1つまたは複数のこのようなフィルタ条件の、どのような組合せも適用することができる。

検証処理は、ソフトウェアエージェント910からの配信/状況メッセージを受け入れて、このような情報をアップデート(たとえば、メタデータ904をアップデート)することができる。このデータも広告主に公開されてよい。

ある実施形態では、必要に応じて、ビデオをプロバイダ920に同期することが容易になりうる。一実施形態では、ソフトウェアエージェント910が、ダウンロードされる必要がある何らかの新しい広告を、広告システム900サーバに定期的に要求する。ソフトウェアエージェント910は、そのような何らかの広告のためにダウンロードを開始して、正常に完了すると、広告システム900に正常なダウンロードを通知する。広告システム900は、たとえば、そのダウンロードに特定のIDをラベル付けでき、そのIDは後に、スケジュールされた広告を識別するためにスケジューリング中に使用されうる。

本明細書に記載した内容および機能操作の実施形態は、デジタル電子回路内、または本明細書において開示された構造およびそれらの構造の同等物を含むコンピュータソフトウェア、ファームウェア、ハードウェア内、またはそれらのうちの1つもしくは複数の組合せ内に実施されうる。本明細書に記載した内容の実施形態は、1つまたは複数のコンピュータプログラム製品、すなわち、データ処理装置によって実行されるために、またはデータ処理装置の操作を制御するために、実際のプログラム搬送波上で符号化されたコンピュータプログラム命令の1つまたは複数のモジュールとして実施されうる。実際のプログラム搬送波は、伝搬された信号でもよく、コンピュータ可読のメディアでもよい。伝搬された信号は、コンピュータが実行する適切な受信装置に伝送するための、情報を符号化するために生成された、機械で生成された電気信号、光信号、または電磁信号などの、人工的に生成された信号である。コンピュータ可読のメディアは、機械可読の記憶装置、機械可読の記憶基板、メモリデバイス、機械可読の伝播された信号に影響する物体の合成、またはそれらのうちの1つもしくは複数の組合せでよい。

「データ処理装置」という用語は、例としてプログラム可能プロセッサ、コンピュータ、または多重プロセッサもしくは多重コンピュータを含む、データを処理するための全ての装置、機器、および機械を包含する。装置は、ハードウェアに加えて、当該コンピュータプログラムのための実行環境を作成するコード、たとえば、プロセッサファームウェアを構成するコード、プロトコルスタック、データベース管理システム、オペレーティングシステム、またはそれらのうちの1つもしくは複数の組合せを含むことができる。

コンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、またはコードとしても知られる)は、コンパイラ型もしくはインタープリタ型言語、または宣言型もしくは手続き型言語を含む、プログラミング言語の任意の形式で記述することができ、独立型プログラムとして、またはモジュール、コンポーネント、サブルーチン、もしくはコンピューティング環境における使用に適切な他のユニットを含む任意の形式にも導入することができる。コンピュータプログラムは、必ずしもファイルシステム内のファイルに対応しない。プログラムは、他のプログラムまたはデータ(たとえば、マークアップ言語文書内に格納された1つまたは複数のスクリプト)を保持するファイルの一部内、当該プログラム専用の単一のファイル内、または複数の統合ファイル(1つもしくは複数のモジュール、サブプログラム、またはコードの一部を格納するファイル)内に格納することができる。コンピュータプログラムは、1つのコンピュータ上で、または1つのサイトに位置する、もしくは複数のサイトにわたって分散されて通信ネットワークによって相互接続された、複数のコンピュータ上で実行されるために導入することができる。

本明細書に記載の処理および論理フローは、入力データを操作して出力を生成することによって機能を実行するために、1つもしくは複数のコンピュータプログラムを実行している、1つまたは複数のプログラム可能プロセッサによって実行することができる。処理および論理フローは、FPGA(書替え可能ゲートアレイ)またはASIC(特定用途向け集積回路)などの特殊用途論理回路によって実行することもでき、装置はFPGAまたはASICなどの特殊用途論理回路として実施することもできる。

コンピュータプログラムの実行に適切なプロセッサには、たとえば、汎用および専用の両方のマイクロプロセッサ、ならびにあらゆる種類のデジタルコンピュータのうちの任意の1つまたは複数のプロセッサも含む。一般的にプロセッサは、読出し専用メモリまたはランダムアクセスメモリから、またはその両方から、命令およびデータを受信する。コンピュータの主要な要素は、命令を実行するためのプロセッサ、ならびに命令およびデータを格納するための1つまたは複数のメモリ装置である。一般的にコンピュータは、データを格納するための1つまたは複数の大容量記憶装置(たとえば、磁気、光磁気ディスク、または光ディスク)を含むか、そこからデータを受信するために、またはそこにデータを転送するために、またはその両方のために動作可能なように結合される。しかし、コンピュータはこのような装置を有する必要はない。さらに、コンピュータは他の装置(たとえば、いくつか例を挙げると、移動電話、携帯情報端末(PDA)、移動型オーディオまたはビデオプレイヤー、ゲーム機、全地球測位システム(GPS)受信機)内に組み込まれてよい。

コンピュータプログラム命令およびデータを格納するために適切なコンピュータ可読メディアには、たとえば半導体メモリ装置(たとえばEPROM、EEPROM、およびフラッシュメモリ装置)、磁気ディスク(たとえば、内蔵ハードディスクまたは取外し可能ディスク)、光磁気ディスク、ならびにCD ROMディスクおよびDVD ROMディスクを含む、全ての形式の不揮発性メモリ、メディア、およびメモリ装置がある。プロセッサおよびメモリは、専用論理回路によって補完されてもよく、専用論理回路内に組み込まれてもよい。

ユーザとの対話を提供するために、本明細書に記載した内容の実施形態は、情報をユーザに表示するための表示装置(たとえば、CRT(ブラウン管)またはLCD(液晶ディスプレイ)モニタ)、ならびにユーザがコンピュータに入力を提供することができるキーボードおよびポインティングデバイス(たとえば、マウスまたはトラックボール)を有するコンピュータに実装されてよい。ユーザとの対話を提供するために、他の種類の装置も使用されてよく、たとえば、ユーザに提供されるフィードバックはどのような形式の感覚フィードバック(たとえば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック)でもよく、ユーザからの入力は、音響、音声、または触覚入力を含むどのような形式で受信されてもよい。

本明細書は多くの特定の実施形態の詳細を含むが、これらはいかなる発明、または特許権を主張されるものの範囲をも、限定するものとして解釈されるべきではなく、むしろ特定の発明の特定の実施形態に特有の特徴の記述として解釈されるべきである。本明細書に記載の別々の実施形態の文脈におけるいくつかの特徴も、単一の実施形態に組み合わせて実施されてよい。逆に、単一の実施形態の文脈において記載された様々な特徴が複数の実施形態に別々に実施されてもよく、どのような適切なサブコンビネーションで実施されてもよい。さらに、諸特徴が特定の組合せで作用するものとして上述され、またさらにはそのように最初に特許権を主張されているかもしれないが、場合によっては、特許権を主張された組合せからの1つまたは複数の特徴はその組合せから削除され、特許権を主張された組合せがサブコンビネーション、またはサブコンビネーションの変形形態を対象とする場合がある。

同様に、図面には動作が特定の順序で示されているが、これは、このような動作は図示した特定の順序で、または順次に実行されるように、また所望の結果を達成するために、図示された全ての動作が実行されるように要求しているものと理解されるべきではない。ある状況では、多重タスク処理および並行処理が好都合の場合がある。さらに、上述の実施形態における様々なシステムコンポーネントの分離は、全ての実施形態においてこのような分離を要求しているものと理解されるべきではなく、記載のプログラムコンポーネントおよびシステムは一般的に単一のソフトウェア製品に統合されてもよく、複数のソフトウェア製品にまとめられてもよいことが理解されるべきである。

本明細書に記載した内容の特定の実施形態を説明した。他の実施形態は、添付の特許請求の範囲内である。たとえば、特許請求の範囲に列挙された動作は、異なる順序で実行されても所望の結果を達成することができる。一例として、添付の図面に示された処理は、所望の結果を達成するために、図示された特定の順序、または順次が必ずしも必要ではない。ある実施形態では、多重タスク処理および並行処理が好都合の場合がある。

108 サンプリングされたデータ内にあるサンプリングエラーのモデルを作成するステップ
110 割引された推定が実際のインプレッション数以下である所望の確実性レベルを達成する量だけ、推定を割引するステップ
112 割引を最初の推定に適用するステップ

Claims (19)

1. データ処理装置によって実行される方法であって、前記方法は、
   第１の推定を作成するために、データサンプルを使用して広告インプレッション数を推定するステップと、
   結果として得られる第1の割引された推定が実際の広告インプレッション数以下である、所望の確実性レベルを達成するために、前記第１の推定を割引するステップと
   を備え、
   前記第１の推定を割引するステップは、
   前記データサンプルに対するサンプリングエラーモデルを作成するステップと、
   前記サンプリングエラーモデルに基づいて、前記所望の確実性レベルを達成するために必要な前記割引を決定するステップと
   を備えることを特徴とする方法。
2. 前記所望の確実性レベルは、90〜95パーセントの範囲内であることを特徴とする請求項１に記載の方法。
3. 前記推定を割引するステップは、前記決定された割引を前記推定された広告インプレッション数に適用するステップをさらに備えることを特徴とする請求項１に記載の方法。
4. 前記広告を負担する広告主に対して、前記割引された推定を報告するステップをさらに備えることを特徴とする請求項１に記載の方法。
5. 前記割引された推定に基づいて、前記広告主に請求するステップをさらに備えることを特徴とする請求項４に記載の方法。
6. 前記データサンプルは、調査結果を備えることを特徴とする請求項１に記載の方法。
7. 前記データサンプルは、デバイスログを備えることを特徴とする請求項１に記載の方法。
8. 前記データサンプルよりも大きい第2データサンプルを使用して、第2の割引された推定を作成するステップと、
   前記第2の割引された推定に基づいて、総額を広告主に請求するステップと、
   前記請求総額と、前記第1の割引された推定に基づく総額との間の差を計算するステップと
   をさらに備えることを特徴とする請求項１に記載の方法。
9. 前記第2データサンプルの供給者に、前記差の一部を提供するステップをさらに備えることを特徴とする請求項８に記載の方法。
10. 前記サンプリングエラーモデルは、超幾何分布であることを特徴とする請求項１に記載の方法。
11. データ処理装置と、
    前記データ処理装置によって読み取り可能であり、前記データ処理装置によって実行可能な命令を格納するメモリ装置とを具備し、
    前記命令は、
    サンプリングデータを受信するステップと、
    前記サンプリングデータに対するサンプリングエラー情報を受信するステップと、
    第1の推定を作成するために、前記サンプリングデータに基づいて広告インプレッション数を推定するステップと、
    前記サンプリングエラー情報を使用して、前記サンプリングデータの前記サンプリングエラーをモデル化するステップと、
    結果として得られる割引された推定が、実際の広告インプレッション数以下である所望の確実性レベルを達成するために、サンプリングエラーモデルを使用して決定された量だけ、前記第1の推定を割引するステップと
    を前記データ処理装置に実行させることを特徴とするシステム。
12. 前記サンプリングエラーモデルは、超幾何分布であることを特徴とする請求項１１に記載のシステム。
13. 前記割引された推定が前記実際の広告インプレッション数以下である、前記所望の確実性レベルは、90〜95パーセントの範囲内であることを特徴とする請求項１１に記載のシステム。
14. 前記サンプリングデータは、調査結果を備えることを特徴とする請求項１１に記載のシステム。
15. 前記サンプリングデータは、デバイスログデータを備えることを特徴とする請求項１１に記載のシステム。
16. 前記命令は、広告主に請求するために前記割引された推定を広告システムに供給するステップを前記データ処理装置に実行させることを特徴とする請求項１１に記載のシステム。
17. 前記命令は、
    第2サンプリングデータを受信するステップと、
    前記第2サンプリングデータに対する第2サンプリングエラー情報を受信するステップと、
    第2の推定を作成するために、前記第2サンプリングデータに基づいて広告インプレッション数を推定するステップと、
    前記第2サンプリングエラー情報を使用して、前記第2サンプリングデータの前記第2サンプリングエラーをモデル化するステップと、
    結果として得られる第2の割引された推定が実際の広告インプレッション数以下である、所望の確実性レベルを達成するために、第2サンプリングエラーモデルを使用して決定された量だけ前記第2の推定を割引するステップと、
    前記第1の割引された推定と前記第2の割引された推定との間の差を計算するステップとを前記データ処理装置に実行させることを特徴とする請求項１１に記載のシステム。
18. データ処理装置と、
    前記データ処理装置によって読み取り可能であり、前記データ処理装置によって実行可能な命令を格納するメモリ装置とを具備し、
    前記命令は、
    広告主から広告を受け取るステップと、
    前記広告を放送番組のコマーシャルの時間内に挿入するステップと、
    サンプリングされたデータを使用して、放送中に前記広告によって受信されるインプレッション数である最初の推定を計算するステップと、
    サンプリングエラーモデルを使用して、前記放送中に前記広告によって受信される実際のインプレッション数以下の計算された確実度を有する、割引された推定を計算するステップと、
    前記割引された推定に基づいて、インプレッションレートごとに前記広告主に請求するステップと
    を前記データ処理装置に実行させることを特徴とするシステム。
19. 前記サンプリングエラーモデルは、超幾何分布であることを特徴とする請求項１８に記載のシステム。

Images