JP5855511B2 - 広告配信支援装置、広告配信装置、広告配信方法およびプログラム - Google Patents

Description

本発明は、広告配信支援装置、広告配信装置、広告配信方法およびプログラムに関する。

従来、オンライン広告配信の分野において、検索や行動に関するユーザの履歴をもとにユーザのカテゴリ（又はプロファイル）を分類（又は推測）し、その結果に基づいて広告を配信する技術が知られている（例えば、特許文献１、２参照）。

特開２０１０−０７２７２７号公報 特開２０１０−１７６６７５号公報

しかしながら、従来の技術によれば、ユーザの行動の履歴に基づいてユーザの興味関心のカテゴリを分類することはできるものの、ユーザのカテゴリに対してユーザの広告に対する興味反応（クリックなど）の傾向を適切に関連付けできていないため、ある広告の配信先を決定する際にどのユーザのカテゴリを配信先とすべきかを判断することが困難であるという問題があった。

本発明は、このような事情に鑑みてなされたものであり、広告に対する高いクリック率を実現させるため、ユーザの行動の履歴に基づいてユーザの興味関心のカテゴリを分類し、さらにユーザのカテゴリに対してユーザの広告に対する興味反応（クリックなど）の傾向を適切に関連付けする技術を提供することを目的とする。

上記問題を解決するために、本発明の一態様である広告配信支援装置は、各ユーザによる媒体の閲覧履歴情報に基づいて、ユーザをクラスタリングするユーザクラスタリング部と、前記クラスタリングによって得られたユーザカテゴリ毎の各広告カテゴリの広告配信回数と、前記ユーザカテゴリ毎の各広告カテゴリのクリック回数とに基づいて、ユーザカテゴリ別広告カテゴリ別クリック率を算出するクリック率算出部と、前記クリック率算出部によって算出された前記ユーザカテゴリ別広告カテゴリ別クリック率のうち統計的に有意に高いクリック率となったユーザカテゴリと広告カテゴリとを相互に関連付ける関連付部とを備えることを特徴とする。
ここで、媒体は広告枠（広告が表示される枠）が存在するウェブページを指し、ユーザカテゴリはユーザの媒体の閲覧傾向に現れるユーザの興味関心の分類（例えば、ニュースやエンターテイメント）を表し、広告カテゴリは広告主（広告の所有者）によって指定される広告の分類（例えば、ツールやゲーム）を表す。

上記広告配信支援装置において、前記クリック率算出部は、前記閲覧履歴情報と、各媒体の広告枠と該広告枠おいて配信する広告の広告カテゴリとの関係を保持する広告枠情報と、前記ユーザクラスタリング部によってクラスタリングによって得られたユーザカテゴリ情報とに基づいて、前記ユーザカテゴリ毎の各広告カテゴリの広告配信回数を計算する配信回数計算部と、ユーザ毎の各広告カテゴリのクリック回数と、前記ユーザカテゴリ情報とに基づいて、前記ユーザカテゴリ毎の各広告カテゴリのクリック回数を計算するクリック回数計算部と、前記配信回数計算部によって計算された前記広告配信回数と、前記クリック回数計算部によって計算されたクリック回数とに基づいて、前記ユーザカテゴリ別広告カテゴリ別クリック率を計算するクリック率計算部とを備えるようにしてもよい。

上記広告配信支援装置において、広告配信時に参照する情報として、前記関連付部によって関連付けられたユーザカテゴリと広告カテゴリの組を示す関連付情報を作成する関連付情報作成部を備えるようにしてもよい。

上記広告配信支援装置において、前記関連付部は、あるユーザカテゴリについて広告カテゴリ毎のクリック率の差が統計的に有意である場合、当該ユーザカテゴリと高クリック率の広告カテゴリとを関連付けるとともに、ある広告カテゴリについてユーザカテゴリ毎のクリック率の差が統計的に有意である場合、当該広告カテゴリと高クリック率のユーザカテゴリとを関連付けるようにしてもよい。

上記広告配信支援装置において、前記関連付部は、前記ユーザカテゴリ別広告カテゴリ別クリック率と各ユーザカテゴリの平均クリック率とを比較し、各ユーザカテゴリにおける広告カテゴリ毎のクリック率の差が統計的に有意であるか否かを判定し、前記ユーザカテゴリ別広告カテゴリ別クリック率と各広告カテゴリの平均クリック率とを比較し、各広告カテゴリにおけるユーザカテゴリ毎のクリック率の差が統計的に有意であるか否かを判定するようにしてもよい。

上記問題を解決するために、本発明の他の態様である広告配信装置は、上述の広告配信支援装置によって関連付けられた前記ユーザカテゴリと前記広告カテゴリの組に関する情報を有するデータベースを参照する広告配信装置であって、端末装置から広告取得要求を受信する受信部と、前記データベースを参照し、前記受信部によって受信された広告取得要求の送信元の端末装置のユーザが属するユーザカテゴリに関連付けられている前記広告カテゴリを特定する広告カテゴリ特定部と、前記広告カテゴリ特定部によって特定された広告カテゴリに属する広告を前記送信元の端末装置に送信する送信部とを備えることを特徴とする。

上記問題を解決するために、本発明の他の態様である広告配信方法は、上述のデータベースを用いる広告配信方法であって、端末装置から広告取得要求を受信する受信ステップと、前記データベースを参照し、前記受信ステップによって受信された広告取得要求の送信元の端末装置のユーザが属するユーザカテゴリに関連付けられている前記広告カテゴリを特定する広告カテゴリ特定ステップと、前記広告カテゴリ特定ステップによって特定された広告カテゴリに属する広告を前記送信元の端末装置に送信する送信ステップとを有することを特徴とする。

上記問題を解決するために、本発明の他の態様であるプログラムは、上述のサーバに、
端末装置から広告取得要求を受信する受信ステップと、前記データベースを参照し、前記受信ステップによって受信された広告取得要求の送信元の端末装置のユーザが属するユーザカテゴリに関連付けられている前記広告カテゴリを特定する広告カテゴリ特定ステップと、前記広告カテゴリ特定ステップによって特定された広告カテゴリに属する広告を前記送信元の端末装置に送信する送信ステップとを実行させることを特徴とする。

本発明によれば、ウェブページ（媒体）の閲覧履歴に基づいてユーザの興味関心のカテゴリを分類し、広告に対するクリック履歴に基づいてユーザのカテゴリに対してユーザの広告に対する興味反応（クリックなど）の傾向を適切に関連付けすることができるため、広告に対するクリック率が向上するように広告の配信先とするユーザのカテゴリを決定することができる。また、ユーザのカテゴリ分類はウェブページ（媒体）の閲覧履歴に基づくため、ユーザの各広告カテゴリに対する明示的な興味反応（クリックなど）を示した履歴のないユーザに対してもカテゴリを付与することができる。

本発明の第１の実施形態による広告配信支援装置１０の機能ブロック図である。 記憶部１９０において記憶される情報の一例である。 記憶部１９０において記憶される情報の一例である。 記憶部１９０において記憶される情報の一例である。 広告配信支援装置１０の動作の一例を示すフローチャートである。 広告配信支援装置１０によるユーザカテゴリを用いたオーディエンスマーケティングへの応用のイメージである。 本発明の第２の実施形態による広告配信システム１の構成図である。 端末装置４０及び広告配信システム１の動作の一例を示すフローチャートである。

［第１の実施形態］
以下、本発明の第１の実施形態について図面を参照して説明する。図１は、本発明の第１の実施形態による広告配信支援装置１０の機能ブロック図である。図２乃至図４は、記憶部１９０において記憶される情報の一例である。図１に示した広告配信支援装置１０は、各端末装置から直接的に、又は、他の装置を介して間接的に、端末装置のユーザによるウェブページ（媒体）の閲覧履歴情報、広告へのクリック情報等を受信できる環境に設置されている。

広告配信支援装置１０は、図１に示すように、ユーザクラスタリング部１００、クリック率算出部１１０、関連付部１２０、関連付情報作成部１３０及び記憶部１９０を備える。クリック率算出部１１０は、配信回数計算部１１２、クリック回数計算部１１４及びクリック回数計算部１１６を備える。

ユーザクラスタリング部１００は、各ユーザによるウェブページの閲覧履歴情報に基づいて、ユーザをクラスタリングする。ユーザクラスタリング部１００が参照する各ユーザによるウェブページの閲覧履歴情報は、記憶部１９０に記憶されている。

図２（ａ）は、各ユーザによるウェブページ（媒体）の閲覧履歴情報（ユーザ毎の各媒体の閲覧回数）の一例である。図２（ａ）の閲覧履歴情報は、例えばユーザ１に関して、媒体１の閲覧回数が１５回（媒体１の配信回数が１５回）、媒体２の閲覧回数が６回、媒体３の閲覧回数が０回、媒体４の閲覧回数が０回である旨を表している。また、図２（ａ）の閲覧履歴情報は、例えば媒体１に関して、ユーザ１による閲覧回数が１５回、ユーザ２による閲覧回数が１８回、ユーザ３による閲覧回数が０回、ユーザ４による閲覧回数が０回である旨を表している。

ユーザクラスタリング部１００は、まず、閲覧履歴情報の各行をユーザの特徴ベクトルとして、類似した特徴ベクトルが同一のユーザカテゴリに所属するようクラスタリングを行う。クラスタリングの手法としては、例えば、Latent Dirichlet Allocation（ＬＤＡ）を用いる。ＬＤＡは、ディリクレ分布と多項分布を活用した文書集合の階層ベイズ的な生成モデルであり、各文書中の単語の出現頻度のベクトルに基づいて文書中の潜在クラス（カテゴリ）を推定することができる。実際の推定計算では変分ベイズ法又はマルコフ連鎖モンテカルロ法が用いられる。ここでは、文書をユーザが閲覧した媒体の集合、単語を媒体とみなし、ユーザが閲覧した媒体の集合に基づいてユーザの潜在クラスを推定することができる。ＬＤＡでは、文書毎に潜在クラスを排他的に割り当てるのではなく、文書中の単語毎に別の潜在クラスを割り当てることができる。したがって、ユーザに複数の興味関心がある場合には、それに応じて複数のカテゴリを割り当てることができる。
図２（ｂ）は、ユーザ別広告カテゴリ別の所属確率（ユーザ毎の各ユーザカテゴリへの所属確率）の一例である。図２（ｂ）の所属確率は、例えばユーザ１に関して、ユーザカテゴリ１の所属確率が０．６４８、ユーザカテゴリ２の所属確率が０．３５２である旨を表している。

続いて、ユーザクラスタリング部１００は、各ユーザについて、ユーザカテゴリを所属確率の降順に並べ直して、累積確率が０以上1以下の閾値（例えば、０．５）以上になる迄、リストアップする。ここでは、閾値を０．５とする。図２（ｃ）は、リストアップによって作成されるユーザカテゴリ情報の一例である。図２（ｃ）のユーザカテゴリ情報は、ユーザ１、２がユーザカテゴリ１に分類され、ユーザ３、４がユーザカテゴリ２に分類された旨を表している。ユーザクラスタリング部１００は、作成したユーザカテゴリ情報を記憶部１９０に記憶する。

クリック率算出部１１０（配信回数計算部１１２、クリック回数計算部１１４、クリック回数計算部１１４）は、ユーザカテゴリ毎の各広告カテゴリの広告配信回数と、ユーザカテゴリ毎の各広告カテゴリのクリック回数とに基づいて、ユーザカテゴリ別広告カテゴリ別クリック率（ユーザカテゴリ毎の各広告カテゴリのクリック率）を算出する。なお、ユーザカテゴリは、ユーザクラスタリング部１００によって分類されたものである。

配信回数計算部１１２は、閲覧履歴情報（図２（ａ）参照）と、各ウェブページの広告枠と該広告枠おいて配信する広告の広告カテゴリとの関係を保持する広告枠情報と、クラスタリングによって得られたユーザカテゴリ情報（図２（ｃ）参照）とに基づいて、ユーザカテゴリ毎の各広告カテゴリの広告配信回数を計算する。配信回数計算部１１２が参照する広告枠情報は、記憶部１９０に記憶されている。

図３（ａ）は、広告枠情報の一例である。図３（ａ）の広告枠情報は、媒体１の広告枠１は広告カテゴリ１用、媒体２の広告枠２は広告カテゴリ２用、媒体３の広告枠３は広告カテゴリ３用、媒体４の広告枠４は広告カテゴリ４用である旨を表している。なお、本実施形態では、単純化のため、各媒体が広告枠を１つ備える場合を示したが、複数の広告枠を備える場合であって必要な場合には、広告枠毎に異なる広告カテゴリを割り当ててもよい。

配信回数計算部１１２による、ユーザカテゴリ毎の各広告カテゴリの広告配信回数の計算過程について詳しく説明する。まず、配信回数計算部１１２は、閲覧履歴情報（図２（ａ）参照）と、広告枠情報（図３（ａ）参照）とから、ユーザ毎の各広告カテゴリの閲覧回数を計算する。配信回数計算部１１２は、ユーザ別広告カテゴリ別の閲覧履歴情報として、計算したユーザ毎の各広告カテゴリの閲覧回数を記憶部１９０に記憶する。

図３（ｂ）は、ユーザ別広告カテゴリ別の閲覧履歴情報の一例である。図３（ｂ）のユーザ別広告カテゴリ別の閲覧履歴情報は、例えばユーザ１に関して、広告カテゴリ１（媒体１、媒体３）の閲覧回数が１５回、広告カテゴリ２（媒体２、４）の閲覧回数が６回である旨を表している。また、図３（ｂ）のユーザ別広告カテゴリ別の閲覧履歴情報は、例えば広告カテゴリ１（媒体１、媒体３）に関して、ユーザ１による閲覧回数が１５回、ユーザ２による閲覧回数が１８回、ユーザ３による閲覧回数が９回、ユーザ４による閲覧回数が３回である旨を表している。

続いて、配信回数計算部１１２は、ユーザ別広告カテゴリ別の閲覧履歴情報（図３（ｂ）参照）と、ユーザカテゴリ情報（図２（ｃ）参照）とから、ユーザカテゴリ毎の各広告カテゴリの広告配信回数を計算する。配信回数計算部１１２は、ユーザカテゴリ別広告カテゴリ別の広告配信回数情報として、計算したユーザカテゴリ毎の各広告カテゴリの広告配信回数を記憶部１９０に記憶する。

図３（ｃ）は、ユーザカテゴリ別広告カテゴリ別の広告配信回数情報の一例である。図３（ｃ）のユーザカテゴリ別広告カテゴリ別の広告配信回数情報は、例えばユーザカテゴリ１（ユーザ１、ユーザ２）に関して、広告カテゴリ１（媒体１、媒体３）の閲覧回数が３３回、広告カテゴリ２（媒体２、４）の閲覧回数が２１回である旨を表している。また、図３（ｃ）のユーザカテゴリ別広告カテゴリ別の広告配信回数情報は、例えば広告カテゴリ１（媒体１、媒体３）に関して、ユーザカテゴリ１（ユーザ１、ユーザ２）による閲覧回数が３３回、ユーザカテゴリ２（ユーザ３、ユーザ４）による閲覧回数が１２回である旨を表している。

クリック回数計算部１１４は、ユーザ毎の各広告カテゴリのクリック回数と、クラスタリングによって得られたユーザカテゴリ情報（図２（ｃ）参照）とに基づいて、ユーザカテゴリ毎の各広告カテゴリのクリック回数を計算する。クリック回数計算部１１４が参照するユーザ毎の各広告カテゴリのクリック回数は、ユーザ別広告カテゴリ別のクリック回数情報として、記憶部１９０に記憶されている。

図３（ｄ）は、ユーザ別広告カテゴリ別のクリック回数情報の一例である。図３（ｄ）のユーザ別広告カテゴリ別のクリック回数情報は、例えばユーザ１に関して、広告カテゴリ１（媒体１、媒体３）のクリック回数が９回、広告カテゴリ２（媒体２、４）のクリック回数が０回である旨を表している。また、図３（ｄ）のユーザ別広告カテゴリ別のクリック回数情報は、例えば広告カテゴリ１（媒体１、媒体３）に関して、ユーザ１によるクリック回数が９回、ユーザ２によるクリック回数が１２回、ユーザ３によるクリック回数が３回、ユーザ４によるクリック回数が０回である旨を表している。なお、クリック回数計算部１１４は、ユーザ毎の各広告枠（媒体）のクリック回数（非図示）と、広告枠情報（図３（ａ）参照）とから、ユーザ別広告カテゴリ別のクリック回数情報（図３（ｄ）参照）を作成してもよい。

クリック回数計算部１１４は、ユーザカテゴリ別広告カテゴリ別のクリック回数情報として、計算したユーザカテゴリ毎の各広告カテゴリのクリック回数を記憶部１９０に記憶する。図３（ｅ）は、ユーザカテゴリ別広告カテゴリ別のクリック回数情報の一例である。図３（ｅ）のユーザカテゴリ別広告カテゴリ別のクリック回数情報は、例えばユーザカテゴリ１（ユーザ１、ユーザ２）に関して、広告カテゴリ１（媒体１、媒体３）のクリック回数が２１回、広告カテゴリ２（媒体２、４）のクリック回数が３回である旨を表している。また、図３（ｅ）のユーザカテゴリ別広告カテゴリ別のクリック回数情報は、例えば広告カテゴリ１（媒体１、媒体３）に関して、ユーザカテゴリ１（ユーザ１、ユーザ２）による閲覧回数が２１回、ユーザカテゴリ２（ユーザ３、ユーザ４）による閲覧回数が３回である旨を表している。

クリック率計算部１１６は、配信回数計算部１１２によって計算された広告配信回数（図３（ｃ）参照）と、クリック回数計算部１１４によって計算されたクリック回数（図３（ｅ）参照）とに基づいて、ユーザカテゴリ別広告カテゴリ別クリック率を計算する。クリック率計算部１１６は、ユーザカテゴリ別広告カテゴリ別のクリック率情報として、計算したユーザカテゴリ別広告カテゴリ別クリック率を記憶部１９０に記憶する。

図４（ａ）は、ユーザカテゴリ別広告カテゴリ別のクリック率情報の一例である。図４（ａ）のユーザカテゴリ別広告カテゴリ別のクリック率情報は、例えばユーザカテゴリ１（ユーザ１、ユーザ２）に関して、広告カテゴリ１（媒体１、媒体３）のクリック率が６３．６％、広告カテゴリ２（媒体２、４）のクリック率が１４．３％である旨を表している。また、図４（ａ）のユーザカテゴリ別広告カテゴリ別のクリック率情報は、例えば広告カテゴリ１（媒体１、媒体３）に関して、ユーザカテゴリ１（ユーザ１、ユーザ２）によるクリック率が６３．６％、ユーザカテゴリ２（ユーザ３、ユーザ４）によるクリック率が２５．０％である旨を表している。

関連付部１２０は、クリック率算出部１１０によって算出されたユーザカテゴリ別広告カテゴリ別クリック率（図４（ａ）参照）のうち統計的に有意に高いクリック率となったユーザカテゴリと広告カテゴリとを相互に関連付ける。具体的には、関連付部１２０は、あるユーザカテゴリについて広告カテゴリ毎のクリック率の差が統計的に有意である場合、当該ユーザカテゴリと高クリック率の広告カテゴリとを関連付ける。また、関連付部１２０は、ある広告カテゴリについてユーザカテゴリ毎のクリック率の差が統計的に有意である場合、当該広告カテゴリと高クリック率のユーザカテゴリとを関連付ける。

以下、関連付部１２０による、あるユーザカテゴリについて広告カテゴリ毎のクリック率の差が統計的に有意であるか否かの判定（広告カテゴリ毎のクリック率の差が統計的に有意であるか否かを判定）、及び、ある広告カテゴリについてユーザカテゴリ毎のクリック率の差が統計的に有意であるか否かの判定（ユーザカテゴリ毎のクリック率の差が統計的に有意であるか否かを判定）について詳しく説明する。

関連付部１２０は、まず、配信回数計算部１１２によって計算されたユーザカテゴリ毎の各広告カテゴリの広告配信回数（図３（ｃ）参照）と、クリック回数計算部１１４によって計算されたユーザカテゴリ毎の各広告カテゴリのクリック回数（図３（ｅ）参照）とから、ユーザカテゴリ別広告カテゴリ別の非クリック回数を計算する。関連付部１２０は、ユーザカテゴリ別広告カテゴリ別の非クリック回数情報として、計算したユーザカテゴリ毎の各広告カテゴリの非クリック回数を記憶部１９０に記憶する。

図４（ｂ）は、ユーザカテゴリ別広告カテゴリ別の非クリック回数情報の一例である。図４（ｂ）のユーザカテゴリ別広告カテゴリ別の非クリック回数情報は、例えばユーザカテゴリ１（ユーザ１、ユーザ２）に関して、広告カテゴリ１（媒体１、媒体３）の非クリック回数が１２回、広告カテゴリ２（媒体２、４）の非クリック回数が１８である旨を表している。また、図４（ｂ）のユーザカテゴリ別広告カテゴリ別の非クリック回数情報は、例えば広告カテゴリ１（媒体１、媒体３）に関して、ユーザカテゴリ１（ユーザ１、ユーザ２）による非クリック回数が１２回、ユーザカテゴリ２（ユーザ３、ユーザ４）による非クリック回数が９回である旨を表している。

（広告カテゴリ毎のクリック率の差が統計的に有意であるか否かを判定）
関連付部１２０は、クリック率算出部１１０が算出したユーザカテゴリ別広告カテゴリ別クリック率（図４（ａ）参照）と各ユーザカテゴリの平均クリック率とを比較し、各ユーザカテゴリにおける広告カテゴリ毎のクリック率の差が統計的に有意であるか否かを判定する。換言すれば、関連付部１２０は、ユーザカテゴリ別広告カテゴリ別クリック率における、各ユーザカテゴリにおける広告カテゴリ毎のクリック率の差が、各ユーザカテゴリの平均クリック率と比べて統計的に有意であるか否か（例えば、広告カテゴリ1に対するユーザカテゴリ１のクリック率と広告カテゴリ２に対するユーザカテゴリ１のクリック率の差が、広告カテゴリ１、２全体に対するユーザカテゴリ１の平均クリック率と比べて統計的に有意であるか否か）を判定する。

例えば、記憶部１９０に図２（ａ）〜図４（ｂ）の各種情報が記憶されている場合、関連付部１２０は、ユーザカテゴリ１について、広告カテゴリ1におけるクリック回数及び非クリック回数、並びに、広告カテゴリ２におけるクリック回数及び非クリック回数を用いてカイ二乗検定を実施して、ユーザカテゴリ１における広告カテゴリ1のクリック率と広告カテゴリ２のクリック率の差が統計的に有意であるか否かを推定（判定）する。なお、関連付部１２０は、ユーザカテゴリ２についても同様に、ユーザカテゴリ２における広告カテゴリ1のクリック率と広告カテゴリ２のクリック率の差が統計的に有意であるか否かを推定する。

図４（ｃ）は、記憶部１９０に図２（ａ）〜図４（ｂ）の各種情報が記憶されている場合における、カイ二乗検定の検定結果である。関連付部１２０は、ユーザカテゴリ１のＰ値を下記の如く計算する。

ユーザカテゴリ毎の各広告カテゴリのクリック回数（図３（ｅ）参照）から、
ａ＝ユーザカテゴリ１による広告カテゴリ１のクリック回数「２１」
ｂ=ユーザカテゴリ１による広告カテゴリ２のクリック回数「３」
を得る。
ユーザカテゴリ別広告カテゴリ別非クリック回数（図４（ｂ）参照）から、
ｃ＝ユーザカテゴリ１による広告カテゴリ１の非クリック回数「１２」
ｄ=ユーザカテゴリ１による広告カテゴリ２の非クリック回数「１８」
を得る。

下記式（１）に従って、ａの期待頻度Ｅ_ａを計算する。
Ｅ_ａ＝（ａ＋ｂ）＊（ａ＋ｃ）／（ａ＋ｂ＋ｃ＋ｄ）…（１）
計算結果は、Ｅ_ａ＝１４．６６７

下記式（２）に従って、ｂの期待頻度Ｅ_ｂを計算する。
Ｅ_ｂ＝（ａ＋ｂ）＊（ｂ＋ｄ）／（ａ＋ｂ＋ｃ＋ｄ）…（２）
計算結果は、Ｅ_ｂ＝９．３３３

下記式（３）に従って、ｃの期待頻度Ｅ_ｃを計算する。
Ｅ_ｃ＝（ｃ＋ｄ）＊（ａ＋ｃ）／（ａ＋ｂ＋ｃ＋ｄ）…（３）
計算結果は、Ｅ_ｃ＝１８．３３３

下記式（４）に従って、ｄの期待頻度Ｅ_ｄを計算する。
Ｅ_ｄ＝（ｃ＋ｄ）＊（ｂ＋ｄ）／（ａ＋ｂ＋ｃ＋ｄ）…（４）
計算結果は、Ｅ_ｄ＝１１．６６７

続いて、下記式（５）に従って、χ²値を計算する。
χ²＝（｜ａ−Ｅ_ａ｜−０．５）^２／Ｅ_ａ＋（｜ｂ−Ｅ_ｂ｜−０．５）^２／Ｅ_ｂ＋（｜ｃ−Ｅ_ｃ｜−０．５）^２／Ｅ_ｃ＋（｜ｄ−Ｅ_ｄ｜−０．５）^２／Ｅ_ｄ…（５）
計算結果は、χ²＝１０．７３８

最後に、χ²値をχ²分布の累積分布関数（自由度１）に代入してユーザカテゴリ１のＰ値「０．００１０５」を得る（図４（ｃ）参照）。なお、関連付部１２０は、同様に、ユーザカテゴリ２のＰ値「０．２３９６４」を得る（図４（ｃ）参照）。

関連付部１２０は、ユーザカテゴリ１のＰ値「０．００１０５」が基準値（０．０５）未満であるため、ユーザカテゴリ１について、クリックする頻度／クリックしない頻度は、広告カテゴリ１が配信された場合と広告カテゴリ２が配信された場合とで異なると判定する。換言すれば、関連付部１２０は、ユーザカテゴリ１−広告カテゴリ１の組のクリック率「６３．６％」と、ユーザカテゴリ１−広告カテゴリ２の組のクリック率「１４．３％」との差は統計的に有意であると判定する。また、関連付部１２０は、ユーザカテゴリ２のＰ値「０．２３９６４」が基準値（０．０５）未満でないため、ユーザカテゴリ２について、クリックする頻度／クリックしない頻度は、広告カテゴリ１が配信された場合と広告カテゴリ２が配信された場合とで異ならないと判定する。換言すれば、関連付部１２０は、ユーザカテゴリ２−広告カテゴリ１の組のクリック率「２５．０％」と、ユーザカテゴリ２−広告カテゴリ２の組のクリック率「５０．０％」との差は統計的に有意でないと判定する。

関連付部１２０は、ユーザカテゴリ１−広告カテゴリ１の組のクリック率「６３．６％」と、ユーザカテゴリ１−広告カテゴリ２の組のクリック率「１４．３％」との差は統計的に有意であると判定したため、ユーザカテゴリ１に、クリック率が高い方の広告カテゴリ１を関連付ける。

以上のように、関連付部１２０は、各ユーザカテゴリについて、異なる広告カテゴリの広告が配信された場合のクリック回数、非クリック回数から算出される頻度（クリックする頻度／クリックしない頻度）が異なることの統計的有意性をカイ二乗検定により検定することによって、各ユーザカテゴリに対する広告カテゴリの有効性（統計的な有意性）を評価し、評価に応じて、ユーザカテゴリと広告カテゴリとを関連付ける。

（ユーザカテゴリ毎のクリック率の差が統計的に有意であるか否かを判定）
関連付部１２０は、クリック率算出部１１０が算出したユーザカテゴリ別広告カテゴリ別クリック率（図４（ａ）参照）と各広告カテゴリの平均クリック率とを比較し、各広告カテゴリにおけるユーザカテゴリ毎のクリック率の差が統計的に有意であるか否かを判定する。換言すれば、関連付部１２０は、ユーザカテゴリ別広告カテゴリ別クリック率における、各広告カテゴリにおけるユーザカテゴリ毎のクリック率の差が、各広告カテゴリの平均クリック率と比べて統計的に有意であるか否か（例えば、広告カテゴリ1に対するユーザカテゴリ１のクリック率と広告カテゴリ１に対するユーザカテゴリ２のクリック率の差が、広告カテゴリ１に対するユーザカテゴリ１、２全体の平均クリック率と比べて統計的に有意であるか否か）を判定する。

例えば、記憶部１９０に図２（ａ）〜図４（ｂ）の各種情報が記憶されている場合、関連付部１２０は、広告カテゴリ１について、ユーザカテゴリ１におけるクリック回数及び非クリック回数、並びに、ユーザカテゴリ２におけるクリック回数及び非クリック回数を用いてカイ二乗検定を実施して、広告カテゴリ１におけるユーザカテゴリ１のクリック率とユーザカテゴリ２のクリック率の差が統計的に有意であるか否かを推定（判定）する。なお、関連付部１２０は、広告カテゴリ２についても同様に、広告カテゴリ２におけるユーザカテゴリ１のクリック率とユーザカテゴリ２のクリック率の差が統計的に有意であるか否かを推定する。

図４（ｄ）は、記憶部１９０に図２（ａ）〜図４（ｂ）の各種情報が記憶されている場合における、カイ二乗検定の検定結果である。関連付部１２０は、広告カテゴリ１のＰ値を下記の如く計算する。

ユーザカテゴリ毎の各広告カテゴリのクリック回数（図３（ｅ）参照）から、
ａ＝ユーザカテゴリ１による広告カテゴリ１のクリック回数「２１」
ｂ=ユーザカテゴリ２による広告カテゴリ１のクリック回数「３」
を得る。
ユーザカテゴリ別広告カテゴリ別非クリック回数（図４（ｂ）参照）から、
ｃ＝ユーザカテゴリ１による広告カテゴリ１の非クリック回数「１２」
ｄ=ユーザカテゴリ２による広告カテゴリ１の非クリック回数「９」
を得る。

上記式（１）〜（４）に従って、期待頻度Ｅ_ａ＝１７．６００、期待頻度Ｅ_ｂ＝６．４００、期待頻度Ｅ_ｃ＝１５．４００、期待頻度Ｅ_ｄ＝５．６００を計算し、上記式（５）に従って、χ²＝３．８４０を計算する。最後に、χ²値をχ²分布の累積分布関数（自由度１）に代入して広告カテゴリ１のＰ値「０．０５００５」を得る（図４（ｃ）参照）。なお、関連付部１２０は、同様に、広告カテゴリ２のＰ値「０．０１５８７」を得る（図４（ｃ）参照）。

関連付部１２０は、広告カテゴリ１のＰ値「０．０５００５」が基準値（０．０５）未満でないため、広告カテゴリ１について、クリックする頻度／クリックしない頻度は、ユーザカテゴリ１に配信された場合とユーザカテゴリ２に配信された場合とで異ならないと判定する。換言すれば、関連付部１２０は、ユーザカテゴリ１−広告カテゴリ１の組のクリック率「６３．６％」と、ユーザカテゴリ２−広告カテゴリ１の組のクリック率「２５．０％」との差は統計的に有意でないと判定する。また、関連付部１２０は、広告カテゴリ２のＰ値「０．０１５８７」が基準値（０．０５）未満であるため、広告カテゴリ２について、クリックする頻度／クリックしない頻度は、ユーザカテゴリ１に配信された場合とユーザカテゴリ２に配信された場合とで異なると判定する。換言すれば、関連付部１２０は、ユーザカテゴリ１−広告カテゴリ２の組のクリック率「１４．３％」と、ユーザカテゴリ２−広告カテゴリ２の組のクリック率「５０．０％」との差は統計的に有意であると判定する。

クリック率の差が有意であるかどうかの判定には、上述の方法のほか、簡易な方法として以下のような方法を用いてよい。

（方法１）
ユーザカテゴリ１の広告カテゴリ１に対するクリック率がユーザカテゴリ１のクリック率の平均値に対して一定値以上大きい場合に有意であるとし、ユーザカテゴリ１の広告カテゴリ２に対するクリック率もユーザカテゴリ１のクリック率の平均値に対して一定値以上大きい場合に有意であるとする。一定値Ｕは、平均値の上側信頼区間により定めることができる。例えば、下記式（６）に従って、一定値Ｕを計算する。

（方法２）
ユーザカテゴリ１の広告カテゴリ１に対するクリック率が広告カテゴリ１のクリック率の平均値に対して一定値以上大きい場合に有意であるとし、ユーザカテゴリ２の広告カテゴリ１に対するクリック率も広告カテゴリ１のクリック率の平均値に対して一定値以上大きい場合に有意であるとする。一定値Ｕは、平均値の上側信頼区間により定めることができる。下記式（７）に従って、一定値Ｕを計算する。

関連付部１２０は、ユーザカテゴリ１−広告カテゴリ２の組のクリック率「１４．３％」と、ユーザカテゴリ２−広告カテゴリ２の組のクリック率「５０．０％」との差は統計的に有意であると判定したため、広告カテゴリ２に、クリック率が高い方のユーザカテゴリ２を関連付ける。

以上のように、関連付部１２０は、各広告カテゴリについて、異なるユーザカテゴリのユーザに配信された場合のクリック回数、非クリック回数から算出される頻度（クリックする頻度／クリックしない頻度）が異なることの統計的有意性をカイ二乗検定により検定することによって、各広告カテゴリに対するユーザカテゴリの有効性（統計的な有意性）を評価し、評価に応じて、ユーザカテゴリと広告カテゴリとを関連付ける。

関連付情報作成部１３０は、広告配信時に参照する情報として、関連付部１２０によって関連付けられたユーザカテゴリと広告カテゴリの組を示す関連付情報（ユーザカテゴリ−広告カテゴリ対応表とも称する）を作成する。関連付情報作成部１３０は、作成した関連付情報を記憶部１９０に記憶する。図４（ｅ）は、関連付情報の一例である。図４（ｅ）の関連付情報は、ユーザカテゴリ１と広告カテゴリ１の組、及び、ユーザカテゴリ２と広告カテゴリ２との組は、関連性が有る旨（関連性が高い旨）を表している。

図５は、広告配信支援装置１０の動作の一例を示すフローチャートである。図５のフローチャートは、例えば、ユーザによる指示に応じて、又は、定期的に開始する。

ユーザクラスタリング部１００は、各ユーザによるウェブページの閲覧履歴情報に基づいて、ユーザをクラスタリングする（ステップＳ１０）。

配信回数計算部１１２は、閲覧履歴情報と、広告枠情報と、ステップＳ１０において得られたユーザカテゴリ情報とに基づいて、ユーザカテゴリ毎の各広告カテゴリの広告配信回数を計算する（ステップＳ１２）。クリック回数計算部１１４は、ユーザ毎の各広告カテゴリのクリック回数と、ステップＳ１０において得られたユーザカテゴリ情報とに基づいて、ユーザカテゴリ毎の各広告カテゴリのクリック回数を計算する（ステップＳ１４）。クリック率計算部１１６は、ステップＳ１２において得られた広告配信回数と、ステップＳ１４において得られたクリック回数とに基づいて、ユーザカテゴリ別広告カテゴリ別クリック率を計算する（ステップＳ１６）。

関連付部１２０は、ステップＳ１６において得られたユーザカテゴリ別広告カテゴリ別クリック率のうち統計的に有意に高いクリック率となったユーザカテゴリと広告カテゴリとを相互に関連付ける（ステップＳ１８）。関連付情報作成部１３０は、広告配信時に参照する情報として、ステップＳ１８において関連付けられたユーザカテゴリと広告カテゴリの組を示す関連付情報を作成し、記憶部１９０に記憶する（ステップＳ２０）。そして、図５のフローチャートは終了する。

以上、第１の実施形態による広告配信支援装置１０について説明したが、広告配信支援装置１０によれば、広告に対するユーザの興味反応を反映してユーザのカテゴリを分類することができる。

図６は、広告配信支援装置１０によるユーザカテゴリを用いたオーディエンスマーケティングへの応用のイメージである。広告配信支援装置１０は、ウェブページの閲覧履歴情報に基づいて、ユーザをグルーピング（クラスタリング）する。つまり、ウェブページの閲覧履歴情報を元に、閲覧している媒体が類似したユーザ同士が同一のユーザカテゴリに属するように分類する。

続いて、広告配信支援装置１０は、クリック履歴から各ユーザグループの広告への興味反応を評価し、広告グループ（広告カテゴリ）と関連付ける。つまり、広告クリック履歴を元に、ユーザカテゴリ毎に各広告カテゴリに対するクリック率を集計し、ユーザカテゴリに属するユーザの平均クリック率、広告カテゴリに属する広告に対する平均クリック率と比較して、統計的に有意に高いかどうかを検定する。検定結果を元に、広告配信時に参照する関連付情報を作成する。関連付情報において、ユーザカテゴリに対応する広告カテゴリは、検定の結果、有意であると評価された広告カテゴリで構成される。

広告を配信する際は、配信広告への興味反応の高いユーザグループを選択し、広告を配信する。つまり、関連付情報を参照して、配信先を決定し、広告を配信する。

［第２の実施形態］
以下、本発明の第２の実施形態について図面を参照して説明する。図７は、本発明の第２の実施形態による広告配信システム１の構成図である。図７に示した広告配信システム１は、図６にイメージとして示したオーディエンスマーケティングを実現するシステムである。

広告配信システム１は、図７に示すように、広告配信サーバ２０データベース９０とから構成され、端末装置４０と通信する。

端末装置４０は、ウェブサイト（非図示）のウェブページにアクセスする。ウェブページは、広告が表示される領域（広告枠）を有する。ウェブサイトは、クライアントサイドプログラム（広告取得要求用及び表示用）を保持する。

広告配信サーバ２０は、サーバサイドプログラムを保持する。広告配信サーバ２０は、サーバサイドプログラムを実行し、端末装置４０に広告（例えば、バナー画像）を配信する。具体的には、広告配信サーバ２０は、端末装置４０から広告取得要求を受信した場合に、データベース９０を参照し、当該端末装置４０のユーザが属するユーザカテゴリに関連付けられている広告カテゴリに属する広告を特定し、特定した広告を当該端末装置４０に送信する。換言すれば、広告配信サーバ２０（サーバサイドプログラム）は、端末装置４０から広告取得要求を受信する受信部（非図示）と、データベース９０を参照し、受信部によって受信された広告取得要求の送信元の端末装置４０のユーザが属するユーザカテゴリに関連付けられている広告カテゴリを特定する広告カテゴリ特定部（非図示）と、広告カテゴリ特定部によって特定された広告カテゴリに属する広告を送信元の端末装置４０に送信する送信部（非図示）とを備える。なお、詳細は、図８のフローチャートを用いて説明する。

また、広告配信サーバ２０は、ユーザカテゴリ作成機能を有する。広告配信サーバ２０が有するユーザカテゴリ作成機能は、第１の実施形態における広告配信支援装置１０の機能（ユーザクラスタリング部１００、クリック率算出部１１０、関連付部１２０、関連付情報作成部１３０）と同様である。

データベース９０は、広告（バナー画像）の他、第１の実施形態における広告配信支援装置１０の記憶部１９０に記憶されている情報（ウェブページの閲覧履歴情報、ユーザ別広告カテゴリ別のクリック回数情報、ユーザカテゴリ情報、関連付情報、…）を記憶する。つまり、データベース９０は、広告配信支援装置１０によって関連付けられたユーザカテゴリと広告カテゴリの組に関する情報（関連付情報）を有するデータベースである。

図８は、端末装置４０及び広告配信システム１の動作の一例を示すフローチャートである。図８の左側は端末装置４０の動作、右側は広告配信サーバ２０の動作である。

端末装置４０のクライアントサイドプログラム（広告取得要求用）は、要求文字列としてユーザＩＤを含む広告取得要求を広告配信サーバ２０に送信する（ステップＳ３０）。例えば、広告枠付きのウェブページをウェブサイトにリクエストしたときに、クライアントサイドプログラム（広告取得要求用）は、広告取得要求を広告配信サーバ２０に送信する。

広告配信サーバ２０のサーバサイドプログラム（受信部）は、端末装置４０から送信された広告取得要求を受信する（ステップＳ３２）。続いて、サーバサイドプログラム（ユーザカテゴリ特定部）は、データベース９０内のユーザカテゴリ情報（図２（ｃ）参照）にアクセスし、ユーザＩＤに対応するユーザカテゴリを特定する（ステップＳ３４）。続いて、サーバサイドプログラム（広告カテゴリ特定部）は、データベース９０から、配信候補となる広告リスト（広告候補リスト）を取得する。なお、広告候補リストは、特定の広告が偏って配信されないように、適宜シャッフルされていることが望ましい。続いて、サーバサイドプログラムは、データベース９０内の関連付情報（図４（ｅ）参照）にアクセスし、該端末装置４０に対して配信する広告カテゴリを特定する（ステップＳ３６）。続いて、サーバサイドプログラム（広告カテゴリ特定部）は、配信対象として特定した広告カテゴリについて、広告候補リストの要素に配信対象フラグを付与する。続いて、サーバサイドプログラム（送信部）は、広告候補リストのなかで最初の配信対象フラグが付与された広告（バナー画像）、即ち、配信対象として特定した広告カテゴリに属する広告のうち最初に配信されるべき広告を端末装置４０に送信する（ステップＳ３８）。なお、各広告が何れの広告カテゴリに属するかは、例えば、広告主（広告の所有者）によって指定されている。

端末装置４０のクライアントサイドプログラム（表示用）は、広告配信サーバ２０から送信された広告（バナー画像）を受信する（ステップＳ４０）。続いて、クライアントサイドプログラム（表示用）は、広告のサイズを調整し、広告枠にあわせて表示する（ステップＳ４２）。そして、図８のフローチャートは終了する。

なお、広告配信サーバ２０のサーバサイドプログラムが参照する、データベース９０内のユーザカテゴリ情報（図２（ｃ）参照）は、適宜設定したタイミング（例えば、毎日３：００）において、広告配信サーバ２０（ユーザカテゴリ作成機能）によって作成（更新）される。つまり、広告配信サーバ２０（ユーザカテゴリ作成機能）は、適宜設定されたタイミングに、データベース９０内のウェブページの閲覧履歴情報に基づいて、ユーザカテゴリ情報を作成（更新）する。

同様に、広告配信サーバ２０のサーバサイドプログラムが参照する、データベース９０内の関連付情報（図４（ｅ）参照）は、適宜設定したタイミングにおいて、広告配信サーバ２０（ユーザカテゴリ作成機能）によって作成（更新）される。つまり、広告配信サーバ２０（ユーザカテゴリ作成機能）は、適宜設定されたタイミングに、データベース９０内のユーザ別広告カテゴリ別のクリック回数情報などに基づいて、関連付情報を作成（更新）する。

以上、第２の実施形態による広告配信システム１について説明したが、広告配信システム１のユーザカテゴリ作成機能（第１の実施形態による広告配信支援装置１０に相当）は、ユーザの行動の履歴をもとにユーザの属するカテゴリを決定（ユーザカテゴリ情報を作成）し、更に、夫々のユーザカテゴリに属するユーザが各広告カテゴリの広告に対して示した興味反応（クリック履歴）を考慮し、ユーザカテゴリと広告カテゴリとの対応を決定（関連付情報を作成）する。つまり、ユーザカテゴリ作成機能は、閲覧している媒体が類似したユーザ同士が同一のユーザカテゴリに属するように分類し、更に、クリック履歴に基づいてユーザカテゴリと広告カテゴリとの関連性を評価して、ユーザカテゴリに対して関連性の高い広告カテゴリを意味づける。

従って、広告配信システム１によれば、広告主は、広告に対する興味反応を反映したユーザカテゴリ（関連付情報）に基づいて、即ち、クリック履歴に従って広告カテゴリを意味づけた意味情報に基づいて、ユーザカテゴリを指定して広告を配信することができる。換言すれば、広告配信システム１によれば、広告に対するユーザの興味反応を反映させたオーディエンスマーケティングを実現することができる。

なお、広告配信システム１は、広告配信サーバ２０とデータベース９０とから構成されると説明したが、広告配信システム１の構成はこれに限定されない。例えば、適宜、端末装置４０と広告配信サーバ２０の間に１または複数の中継サーバを設けてもよいし、広告配信サーバ２０とデータベース９０とを一体化してもよい。また、広告配信サーバ２０から、ユーザカテゴリ作成機能を切り離し別体（即ち、第１の実施形態による広告配信支援装置１０）としてもよい。

なお、本発明の実施形態による広告配信システム１又は広告配信支援装置１０の各処理を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、広告配信システム１又は広告配信支援装置１０の各処理に係る上述した種々の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１…広告配信システム １０…広告配信支援装置 ２０…広告配信サーバ ４０…端末装置 ９０…データベース １００…ユーザクラスタリング部 １１０…クリック率算出部 １１２…配信回数計算部 １１４…クリック回数計算部 １１６…クリック率計算部 １２０…関連付部 １３０…関連付情報作成部 １９０…記憶部

Claims (8)

1. 各ユーザによる媒体の閲覧履歴情報に基づいて、ユーザをクラスタリングするユーザクラスタリング部と、
   前記クラスタリングによって得られたユーザカテゴリ毎の各広告カテゴリの広告配信回数と、前記ユーザカテゴリ毎の各広告カテゴリのクリック回数とに基づいて、ユーザカテゴリ別広告カテゴリ別クリック率を算出するクリック率算出部と、
   前記クリック率算出部によって算出された前記ユーザカテゴリ別広告カテゴリ別クリック率のうち統計的に有意に高いクリック率となったユーザカテゴリと広告カテゴリとを相互に関連付ける関連付部と
   を備えることを特徴とする広告配信支援装置。
2. 前記クリック率算出部は、
   前記閲覧履歴情報と、各媒体の広告枠と該広告枠おいて配信する広告の広告カテゴリとの関係を保持する広告枠情報と、前記ユーザクラスタリング部によってクラスタリングによって得られたユーザカテゴリ情報とに基づいて、前記ユーザカテゴリ毎の各広告カテゴリの広告配信回数を計算する配信回数計算部と、
   ユーザ毎の各広告カテゴリのクリック回数と、前記ユーザカテゴリ情報とに基づいて、前記ユーザカテゴリ毎の各広告カテゴリのクリック回数を計算するクリック回数計算部と、
   前記配信回数計算部によって計算された前記広告配信回数と、前記クリック回数計算部によって計算されたクリック回数とに基づいて、前記ユーザカテゴリ別広告カテゴリ別クリック率を計算するクリック率計算部と
   を備えることを特徴とする請求項１に記載の広告配信支援装置。
3. 広告配信時に参照する情報として、前記関連付部によって関連付けられたユーザカテゴリと広告カテゴリの組を示す関連付情報を作成する関連付情報作成部
   を備えることを特徴とする請求項１又は請求項２に記載の広告配信支援装置。
4. 前記関連付部は、
   あるユーザカテゴリについて広告カテゴリ毎のクリック率の差が統計的に有意である場合、当該ユーザカテゴリと高クリック率の広告カテゴリとを関連付けるとともに、ある広告カテゴリについてユーザカテゴリ毎のクリック率の差が統計的に有意である場合、当該広告カテゴリと高クリック率のユーザカテゴリとを関連付ける
   ことを特徴とする請求項１乃至請求項３の何れか１項に記載の広告配信支援装置。
5. 前記関連付部は、
   前記ユーザカテゴリ別広告カテゴリ別クリック率と各ユーザカテゴリの平均クリック率とを比較し、各ユーザカテゴリにおける広告カテゴリ毎のクリック率の差が統計的に有意であるか否かを判定し、
   前記ユーザカテゴリ別広告カテゴリ別クリック率と各広告カテゴリの平均クリック率とを比較し、各広告カテゴリにおけるユーザカテゴリ毎のクリック率の差が統計的に有意であるか否かを判定する
   をことを特徴とする請求項４に記載の広告配信支援装置。
6. 各ユーザによる媒体の閲覧履歴情報に基づいて、ユーザをクラスタリングするユーザクラスタリング部と、
   前記クラスタリングによって得られたユーザカテゴリ毎の各広告カテゴリの広告配信回数と、前記ユーザカテゴリ毎の各広告カテゴリのクリック回数とに基づいて、ユーザカテゴリ別広告カテゴリ別クリック率を算出するクリック率算出部と、
   前記クリック率算出部によって算出された前記ユーザカテゴリ別広告カテゴリ別クリック率のうち統計的に有意に高いクリック率となったユーザカテゴリと広告カテゴリとを相互に関連付ける関連付部と、
   広告配信時に参照する情報として、前記関連付部によって関連付けられたユーザカテゴリと広告カテゴリの組を示す関連付情報を作成する関連付情報作成部と、
   端末装置から広告取得要求を受信する受信部と、
   前記関連付情報を参照し、前記受信部によって受信された広告取得要求の送信元の端末装置のユーザが属するユーザカテゴリに関連付けられている前記広告カテゴリを特定する広告カテゴリ特定部と、
   前記広告カテゴリ特定部によって特定された広告カテゴリに属する広告を前記送信元の端末装置に送信する送信部と、
   を備えることを特徴とする広告配信装置。
7. 広告配信装置を用いる広告配信方法であって、
   前記広告配信装置が、各ユーザによる媒体の閲覧履歴情報に基づいて、ユーザをクラスタリングするユーザクラスタリングステップと、
   前記広告配信装置が、前記クラスタリングによって得られたユーザカテゴリ毎の各広告カテゴリの広告配信回数と、前記ユーザカテゴリ毎の各広告カテゴリのクリック回数とに基づいて、ユーザカテゴリ別広告カテゴリ別クリック率を算出するクリック率算出ステップと、
   前記広告配信装置が、前記クリック率算出ステップによって算出された前記ユーザカテゴリ別広告カテゴリ別クリック率のうち統計的に有意に高いクリック率となったユーザカテゴリと広告カテゴリとを相互に関連付ける関連付ステップと、
   前記広告配信装置が、広告配信時に参照する情報として、前記関連付ステップによって関連付けられたユーザカテゴリと広告カテゴリの組を示す関連付情報を作成する関連付情報作成ステップと、
   前記広告配信装置が、端末装置から広告取得要求を受信する受信ステップと、
   前記広告配信装置が、前記関連付情報を参照し、前記受信ステップによって受信された広告取得要求の送信元の端末装置のユーザが属するユーザカテゴリに関連付けられている前記広告カテゴリを特定する広告カテゴリ特定ステップと、
   前記広告配信装置が、前記広告カテゴリ特定ステップによって特定された広告カテゴリに属する広告を前記送信元の端末装置に送信する送信ステップと
   を有することを特徴とする広告配信方法。
8. 広告配信装置のコンピュータに、
   各ユーザによる媒体の閲覧履歴情報に基づいて、ユーザをクラスタリングするユーザクラスタリングステップと、
   前記クラスタリングによって得られたユーザカテゴリ毎の各広告カテゴリの広告配信回数と、前記ユーザカテゴリ毎の各広告カテゴリのクリック回数とに基づいて、ユーザカテゴリ別広告カテゴリ別クリック率を算出するクリック率算出ステップと、
   前記クリック率算出ステップによって算出された前記ユーザカテゴリ別広告カテゴリ別クリック率のうち統計的に有意に高いクリック率となったユーザカテゴリと広告カテゴリとを相互に関連付ける関連付ステップと、
   広告配信時に参照する情報として、前記関連付ステップによって関連付けられたユーザカテゴリと広告カテゴリの組を示す関連付情報を作成する関連付情報作成ステップと、
   端末装置から広告取得要求を受信する受信ステップと、
   前記関連付情報を参照し、前記受信ステップによって受信された広告取得要求の送信元の端末装置のユーザが属するユーザカテゴリに関連付けられている前記広告カテゴリを特定する広告カテゴリ特定ステップと、
   前記広告カテゴリ特定ステップによって特定された広告カテゴリに属する広告を前記送信元の端末装置に送信する送信ステップと
   を実行させることを特徴とするプログラム。

Images