JP5893599B2 - 情報抽出装置、情報抽出方法および情報抽出プログラム - Google Patents

Description

本発明は、情報抽出装置、情報抽出方法および情報抽出プログラムに関する。

近年、インターネットの飛躍的な普及に伴い、インターネットを介した広告配信が盛んに行われている。例えば、このような広告配信技術として、検索回数の上昇率が大きいトレンドワードに基づいて、広告コンテンツを生成し、生成した広告コンテンツをウェブページに表示することで、マーケティング効果の高い広告を提供する技術が知られている。

特開２０１２−１４１６８２号公報

このような従来技術の一例として、広告対象商品のランキング結果に基づいた広告を提供する技術が考えられる。例えば、「検索回数の上昇率が１位」等、広告対象商品が含まれるランキングの結果を広告コンテンツとして表示する技術が考えられる。しかしながら、上記の従来技術では、マーケティング効果が最も高いランキング結果に基づいた広告を提供することができないという問題がある。

例えば、全利用者による検索回数のランキングでは２位となる広告対象商品が、男性による検索回数のランキングでは１位となる場合は、「検索回数が２位」と表示するよりも「男性による検索回数が１位」と表示する方が、マーケティング効果が高いと考えられる。また、広告対象商品が「○○村」の住人や「△△件」の住人による検索回数のランキングでともに１位となる場合は、「○○村で１位」という表示よりは「△△県で１位」という表示の方が、マーケティング効果が高いと考えられる。

このように、ランキングの集計対象が異なる場合には、ランキングに含まれる商品の母数やランキングにおける広告対象商品の順位が異なる。このため、広告に利用したランキングの集計対象に応じて、広告のマーケティング効果が変化する。しかしながら、上記した従来技術では、あらかじめ定められた集計対象のランキング結果しか得ることができないので、マーケティング効果が最も高い広告コンテンツを提供することができない。

本願は、上記に鑑みてなされたものであって、広告効果の高い広告コンテンツを提供できる情報抽出装置、情報抽出方法及び情報抽出プログラムを提供することを目的とする。

本願に係る情報抽出装置は、商品の販売履歴から、対象となる商品についての所定の条件に合致する商品についてのランキングを作成する作成部と、利用者により指定された指定商品の順位を、作成部が作成したランキングについて算出する算出部を有することを特徴とする。

実施形態の一態様によれば、広告効果の高い広告コンテンツを提供できる。

図１は、実施形態に係る広告システムの一例を示す図である。 図２は、実施形態に関わるリコメンドサーバの機能構成の一例を示すブロック図である。 図３は、実施形態に係る売上情報データベースに格納された情報の一例を示す図である。 図４は、実施形態に関わるリコメンドサーバが実行する処理の一例を示す図である。 図５は、実施形態に関わるリコメンドサーバが実行する処理の流れの一例を示すフローチャートである。 図６は、属性条件θを逐次生成するリコメンドサーバが実行する処理の流れの一例をを示すフローチャートである。 図７は、属性情報を複数個追加するリコメンドサーバが実行する処理の流れの一例を示すフローチャートである。 図８は、実施形態に係る広告配信サーバが有する機能構成の一例を示す図である。 図９は、実施形態に係る広告データベースに格納された情報の一例を示す図である。 図１０は、実施形態に関わる利用者端末が表示する広告の一例を示す図である。 図１１は、情報抽出プログラムを実行するコンピュータのハードウェア構成の一例を示す図である。

以下に、本願に係る情報抽出装置、情報抽出方法および情報抽出プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報抽出装置、情報抽出方法および情報抽出プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

［１．広告システム１］
まず、図１を用いて、実施形態に係る情報抽出装置の一例であるリコメンドサーバ２０を有する広告システム１について示す。図１は、実施形態に係る広告システムの一例を示す図である。図１に示す例では、広告システム１は、広告主端末１０、リコメンドサーバ２０、広告配信サーバ４０、利用者端末５０を有する。

広告主端末１０は、広告の提供主が利用する端末装置であり、利用者端末５０に表示させる広告の設定を行なうことができる端末装置である。例えば、広告主端末１０は、ＰＣ（Personal Computer）やＰＤＡ（Personal Data Assistance）、タブレット端末等の情報処理装置が適用される。また、広告主端末１０は、無線ＬＡＮ（Local Area Network）や有線ＬＡＮ等を用いて、ネットワーク２に接続し、リコメンドサーバ２０および広告配信サーバ４０と通信することができる。

例えば、広告主端末１０は、広告の設定画面を表示し、利用者端末５０に表示させたい広告の入力を受け付ける。例えば、広告主端末１０は、広告の対象となる広告対象商品、広告対象商品の写真、広告として表示させる文言である広告メッセージ等、各種広告情報の設定を受け付ける。そして、広告主端末１０は、広告情報の設定を受け付けると、受け付けた広告情報を広告配信サーバ４０に登録する。

広告配信サーバ４０は、利用者端末５０に対して広告主が設定した広告を配信するサーバ装置である。例えば、広告配信サーバ４０は、広告主端末１０から広告情報を受信すると、受信した広告を記憶する。そして、広告配信サーバ４０は、利用者端末５０から広告の配信要求を受信すると、記憶した広告情報を利用者端末５０に配信し、利用者端末５０に表示させる。また、広告配信サーバ４０は、利用者端末５０に広告情報を配信した場合は、広告料の課金処理を行う。なお、広告配信サーバ４０が実行する課金処理については、従来と同様の処理が行われるものとして、説明を省略する。

また、広告配信サーバ４０は、利用者端末５０を利用する利用者と広告とのマッチング処理を行う。例えば、広告配信サーバ４０は、利用者端末から、利用者の年齢や性別等の利用者情報を含む広告配信要求を受信する。かかる場合、広告配信サーバ４０は、受信した利用者情報に基づいて、利用者のニーズに合致すると予想される広告の広告情報を選択し、選択した広告情報を利用者端末５０に配信する。

利用者端末５０は、各種サービスを利用する利用者が使用する端末装置であり、例えば、タブレット端末、ＰＣ、ＰＤＡ、スマートフォン等の情報処理装置が適用される。また、利用者端末５０は、３Ｇ（Generation）、４Ｇ、ＬＴＥ（Long Term Evolution）、ＧＳＭ（登録商標）（Global System for Mobile Communications）等の無線通信網や、ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮなどの近距離無線通信を介してネットワーク２に接続し、広告配信サーバ４０と通信することができる。

また、利用者端末５０は、広告配信サーバ４０に広告配信要求を送信し、受信した広告情報を表示する。例えば、利用者端末５０は、広告配信サーバ４０から広告情報を取得し、取得した広告情報を表示する旨の指示が埋め込まれたウェブページを表示する場合は、広告配信サーバ４０に広告配信要求を送信する。そして、利用者端末５０は、広告配信サーバ４０から広告情報を受信すると、受信した広告情報を埋め込んだウェブページを表示する。

また、利用者端末５０は、ポータルサイトや通常のウェブページを表示する際だけではなく、インターネット上の検索を行った際にも広告情報の表示を行う。例えば、利用者端末５０は、インターネット上のキーワード検索を行った場合、かかるキーワードに関連する広告情報を広告配信サーバ４０から受信し、キーワードの検索結果とともに、受信した広告情報を表示する。

ここで、利用者端末５０に表示される広告情報には、「女性部門で売り上げ１位」や「２０１３年の売り上げ１位」等、広告対象商品のランキング結果に基づく広告内容が文字や画像として含まれる場合がある。かかる広告内容は、広告対象商品のランキング結果に応じて広告主が自ら設定する場合や、ランキング結果に応じて自動生成され、利用者端末５０に表示される。

しかしながら、広告対象商品のランキングの順位や、ランキングの対象とした商品の規模によって、利用者が受ける印象が異なるため、従来の技術では、必ずしもマーケティング効果が高いランキングの結果に応じた広告を表示できなかった。例えば、広告対象商品のランキングの順位が上位であればあるほど、利用者は、広告対象商品に対してよい印象を受ける。しかしながら、ランキングの対象とした商品の数や種類によっては、利用者の印象が悪化する場合もある。例えば、「○○村で売り上げ１位」等、対象となる商品が少ないランキングの結果が表示されるよりは、「△△県で売り上げ２位」等、順位が低くても対象となる商品が多いランキング結果の方が、よりよい印象を与える可能性が高い。

そこで、広告システム１が有するリコメンドサーバ２０は、利用者がよい印象を受けると考えられるランキング結果を抽出し、抽出したランキング結果に基づく広告メッセージの提案を行う。例えば、リコメンドサーバ２０は、販売履歴から、所定の条件に合致する商品を抽出し、抽出した商品のランキングを作成する。そして、リコメンドサーバ２０は、作成したランキングにおける広告対象商品の順位を算出する。このため、例えば、リコメンドサーバ２０は、「○○ランキングで売上１位！！」等の効果的な広告を広告主に提案することができる。

また、リコメンドサーバ２０は、広告対象商品について、販売履歴から、それぞれ異なる規模のランキングを作成する。例えば、リコメンドサーバ２０は、商品の販売時期、商品の種類、商品を購入した利用者の性別や年齢、販売日等、商品や商品を購入した利用者の属性を示す属性情報の組み合わせを複数作成し、作成した属性情報の組み合わせが示す条件に合致する商品のランキングをそれぞれ作成する。

そして、リコメンドサーバ２０は、作成したランキングの規模と、作成したランキングにおける広告対象商品の順位とに応じて、各ランキングに利用者の印象を示すスコアを付与する。詳細には、リコメンドサーバ２０は、ランキングの規模が大きいほど点数が上昇し、かつ、広告対象商品の順位が上位であるほど点数が上昇するスコアを付与する。そして、リコメンドサーバ２０は、各ランキングに付与したスコアを比較し、よりスコアが高いランキングを抽出する。その後、リコメンドサーバ２０は、抽出したランキングを作成する際に用いた情報を広告主端末１０に通知する。この結果、広告主は、利用者の印象がよりよいランキングの結果に基づいて、広告の設定を行うことができる。

なお、広告主は、広告コンテンツの入稿を代理店に依頼する場合がある。この場合、広告装置２０に広告コンテンツを入稿するのは代理店となる。実施形態では、「広告主」といった表記は、広告主だけでなく代理店を含む概念であり、「広告主端末」といった表記は、広告主端末１０だけでなく代理店によって利用される代理店装置を含む概念であるものとする。

［２．リコメンドサーバ２０について］
以下、リコメンドサーバ２０が実行する処理の一例について説明する。例えば、図１に示す例では、リコメンドサーバ２０は、売上情報データベース２４を記憶する。売上情報データベース２４は、利用者に対して販売された商品ごとに、商品やかかる商品を購入した利用者の属性を示す属性情報が格納されたデータベースであり、例えば、販売履歴が格納されたデータである。

例えば、売上情報データベース２４には、属性情報として、商品名、商品の価格、商品の種類である商品部門等、商品自体の属性を示す商品情報が格納される。また、売上情報データベース２４には、属性情報として、商品の送付先、商品の購入者の年齢、販売日等、商品を購入した利用者の属性を示す利用者情報が格納される。なお、売上情報データベース２４に格納される属性は、上述した属性に限定される物ではなく、人口統計学的属性、地理学的属性、時間的属性、その他任意の属性を商品と対応づけて格納すればよい。

また、リコメンドサーバ２０は、広告主端末１０に広告対象商品が入力された場合には、以下の処理を実行する。まず、リコメンドサーバ２０は、入力された広告対象商品の情報を取得する。かかる場合、リコメンドサーバ２０は、売上情報データベース２４に格納された情報を用いて、規模が異なる複数のランキングを作成する。詳細には、リコメンドサーバ２０は、あらかじめ定められた属性情報のすべての組み合わせを属性条件として作成する。

例えば、リコメンドサーバ２０は、属性情報「車の部品」、属性情報「食品」が存在し、属性情報「２０１２」、属性情報「２０１３」が存在する場合は、以下の属性条件を作成する。例えば、リコメンドサーバ２０は、属性情報「車の部品」、属性情報「２０１２」を組み合わせた属性条件、属性情報「車の部品」、属性情報「２０１３」を組み合わせた属性条件を作成する。また、リコメンドサーバ２０は、属性情報「食品」、属性情報「２０１２」を組み合わせた属性条件、属性情報「食品」、属性情報「２０１３」を組み合わせた属性条件を作成する。

そして、リコメンドサーバ２０は、売上情報データベース２４に格納された情報から、属性条件ごとにランキングを作成する。また、リコメンドサーバ２０は、売上情報データベース２４から、属性情報「車の部品」と対応づけられており、属性情報「２０１２」が含まれる販売日と対応づけられた商品、すなわち、２０１２年に販売された車の部品に関わる商品をランキングの母集団としてすべて抽出する。

また、リコメンドサーバ２０は、抽出した商品の数、すなわちランキングの規模を計数する。また、リコメンドサーバ２０は、抽出した商品のランキングを作成し、作成したランキングにおける広告対象商品の順位を特定する。そして、リコメンドサーバ２０は、計数した商品の数が多ければ多いほど値が高くなり、かつ、特定した順位が上位であれば上位であるほど値が高くなるスコアを算出する。例えば、リコメンドサーバ２０は、計数した商品の数を広告対象商品の順位で除算した値をスコアとして算出する。

また、リコメンドサーバ２０は、すべての属性条件についてランキングを作成し、作成したランキングのスコアを算出する。そして、リコメンドサーバ２０は、算出したスコアを比較し、最もスコアが高いランキングを抽出する。その後、リコメンドサーバ２０は、特定したランキングの結果とかかるランキングを作成する際に用いた属性条件とを広告主端末１０に送信する。

この結果、リコメンドサーバ２０は、規模がより大きく、かつ、広告対象商品の順位がより上位となるランキングの属性条件と、ランキングの結果とを広告主に提示することができる。この結果、広告主は、広告効果の高いランキングの結果や内容を用いて、広告を作成することができるので、リコメンドサーバ２０は、広告効果の高い広告コンテンツを提供できる。

なお、リコメンドサーバ２０が作成するランキングとは、各商品の売上数や売上総額に基づく売上ランキングであるが、実施形態は、これに限定される物ではない。すなわち、リコメンドサーバ２０は、任意の情報について順位付けを行ったランキングを作成することができる。例えば、リコメンドサーバ２０は、平均価格の価格差ランキング、売上数や売上総額に基づいた人気度ランキング、各商品に対するレビューの数に応じたランキング、商品の割引率ランキング等を作成してもよい。

［３．リコメンドサーバ２０が実行する処理の一例］
続いて、リコメンドサーバ２０が実行する処理の流れの一例について説明する。まず、リコメンドサーバ２０は、図１中（Ａ）に示すように、広告主が入力した広告対象商品「ヘッドライト＃１」を取得する。かかる場合、リコメンドサーバ２０は、図１中（Ｂ）に示すように、各商品の属性情報のすべての組み合わせを属性条件として作成する。

また、リコメンドサーバ２０は、図１中（Ｃ）に示すように、作成した属性条件ごとに、属性条件に含まれる属性情報と一致、またはかかる属性情報を含む商品情報や利用者情報と対応づけられた商品のランキングを作成する。そして、リコメンドサーバ２０は、作成した複数のランキングにおける「ヘッドライト＃１」の順位でランキングの母数を除算したスコアを算出する。

かかる処理の結果、例えば、リコメンドサーバ２０は、図１中（Ｄ）に示すスコアを算出する。詳細には、リコメンドサーバ２０は、属性条件が「車の部品」であるランキングについて、母数が「８００」であり、「ヘッドライト＃１」の順位が「１０位」である場合は、スコア「８０」を算出する。また、例えば、リコメンドサーバ２０は、属性条件が「車の部品」、「２０１３」であるランキングについて、母数が「２００」であり、「ヘッドライト＃１」の順位が「２位」である場合は、スコア「１００」を算出する。

また、例えば、リコメンドサーバ２０は、属性条件が「車の部品」、「３０代」であるランキングについて、母数が「２００」であり、「ヘッドライト＃１」の順位が「３位」である場合は、スコア「６６」を算出する。また、例えば、リコメンドサーバ２０は、属性条件が「車の部品」、「東京」、「３０代」であるランキングについて、母数が「９０」であり、「ヘッドライト＃１」の順位が「１位」である場合は、スコア「９０」を算出する。

この結果、リコメンドサーバ２０は、図１中（Ｅ）に示すように、属性条件が「車の部品」、「２０１３」であるランキングのスコアが最も高いと判定する。すなわち、リコメンドサーバ２０は、「ヘッドライト＃１」の売上が、「車の部品」部門の商品における売上ランキングで「１０位」であることや、「車の部品」部門の商品において「東京」在住の「３０代」の利用者に売上が「１位」であるランキング結果よりも、「車の部品」部門の商品において、「２０１３」年における売上ランキングで「ヘッドライト＃１」の売上が「２位」であることが、広告効果の高いランキング結果であると判定する。

かかる場合、リコメンドサーバ２０は、スコアが最も高いランキング結果に基づいて、広告の一例を作成し、作成した広告を広告主端末１０に送信する。例えば、リコメンドサーバ２０は、属性条件が「車の部品」、「２０１３」であり、「ヘッドライト＃１」の順位「２位」である場合は、「２０１３年の車の部品部門で２位！」といった広告を作成する。そして、リコメンドサーバ２０は、作成した広告とかかる広告を作成した際の属性条件とを広告主端末１０へ送信する。

この結果、広告主端末１０は、図１中（Ｆ）に示すように、リコメンドサーバ２０から受信した広告の一例「２０１３年の車の部品部門で２位！」を表示する。広告主は、受信した広告、すなわち、リコメンドサーバ２０から提案された広告の一例をそのまま利用してもよいし、かかる広告の一例に基づいて広告として表示させる表示画像を作成してもよい。なお、以下の説明では、広告主がリコメンドサーバ２０から提案された広告をそのまま利用する例について説明する。

続いて、広告主端末１０は、図１中（Ｇ）に示すように、広告主がリコメンドサーバ２０から受信した広告に係る広告情報を広告配信サーバ４０に送信する。また、広告主端末１０は、リコメンドサーバ２０から受信した属性条件を、広告のマッチングに用いる属性条件として広告配信サーバ４０に送信する。

一方、広告配信サーバ４０は、受信した広告情報と属性条件とを対応づけて記憶する。また、広告配信サーバ４０は、利用者端末５０が検索サイト等で「車の部品」を検索した場合、属性情報「車の部品」を含む属性条件と対応づけられた広告情報を検索する。そして、広告配信サーバ４０は、図１中（Ｉ）に示すように、検索の結果得られた広告情報を利用者端末５０に送信し、図１中（Ｊ）に示すように、「２０１３年の車の部品部門で売上２位！」といった広告情報を表示させる。この結果、利用者端末５０は、広告効果が高いランキング結果に基づく広告を表示することができる。

［４．リコメンドサーバ２０の機能構成］
次に、図２を用いて、実施形態に関わるリコメンドサーバ２０の機能構成について示す。図２は、実施形態に関わるリコメンドサーバの機能構成の一例を示すブロック図である。図２に示す例では、リコメンドサーバ２０は、通信部２１、制御部２２、記憶部２３を有する。また、記憶部２３は、売上情報データベース２４を記憶する。また、制御部２２は、取得部２５、生成部２６、算出部２７、抽出部２８、提案部２９を有する。

まず、記憶部２３が記憶する売上情報データベース２４に格納された情報の一例について示す図３は、実施形態に係る売上情報データベースに格納された情報の一例を示す図である。図３に示す例では、売上情報データベース２４には、商品情報２４１と利用者情報２４２が格納されている。ここで、商品情報２４１とは、販売された商品の属性を示す属性情報である。例えば、商品情報２４１には、商品名、商品の価格、販売日、商品部門等が格納されている。なお、商品情報２４１には、図３に示す情報以外にも、様々な商品情報が含まれているものとする。

利用者情報２４２とは、商品を購入した利用者の情報である。例えば、利用者情報２４２には、利用者を識別する利用者ＩＤ（Identification）、利用者名、商品の送付先住所、性別、年齢等が格納されている。なお利用者情報２４２には、図３に示す情報以外にも、様々な商品情報が含まれているものとする。

例えば、図３に示す例では、売上情報データベース２４には、商品名「ヘッドライト＃１」、価格「６０００」、販売日「２０１３／１０／１２」、商品部門「車の部品」、利用者ＩＤ「Ｕｓｅｒ＃１」、利用者名「利用者Ａ」、送付先住所「○○県○○市」、性別「男性」、年齢「３０代」等が対応づけて格納されている。また、例えば、売上情報データベース２４には、商品名「ヘッドライト＃２」、価格「３０００」、販売日「２０１３／１２／１０」、商品部門「車の部品」、利用者ＩＤ「Ｕｓｅｒ＃２」、利用者名「利用者Ｂ」、送付先住所「△△県△△市」、性別「女性」、年齢「５０代」等が対応づけて格納されている。

図２に戻り、説明を続ける。通信部２１は、広告主端末１０との間の通信を制御する。例えば、通信部２１は、広告主端末１０から広告対象商品の情報を受信すると、受信した広告対象商品の情報を取得部２５に出力する。また、通信部２１は、提案部２９から、広告主に提案する広告情報である広告提案情報を受信すると、ネットワーク２を介して、受信した広告提案情報を広告主端末１０に送信する。

取得部２５は、通信部２１から広告対象情報を受信すると、受信した広告対象情報を算出部２７に出力する。また、取得部２５は、生成部２６に対し、属性条件の作成を依頼する。

生成部２６は、属性情報の組み合わせである属性条件を全て生成する。具体的には、生成部２６は、各属性情報のみを含む属性条件と、属性情報の全組み合わせについての属性条件をすべて生成し、生成した全ての組み合わせについて属性条件を生成する。

例えば、生成部２６は、複数の桁数を有するビット列であって、各桁がそれぞれ異なる属性情報と対応するビット列を複数生成する。詳細な例を説明すると、生成部２６は、男性、女性といった性別、１０代、２０代、３０代等の年齢、海外、日本、東京等の地域、２０１３年、２０１２年等の時期、車の部品、食品等の商品種別等、任意の属性情報と各桁とが対応づけられているビット列を生成する。また、生成部２６は、生成可能なすべてのビット列についてすべて生成する。そして、生成部２６は、生成したビット列を算出部２７に出力する。

なお、生成部２６は、属性情報がＮ個存在する場合には、最大でＮ^２個のビット列を生成する。しかしながら、例えば、生成部２６は、男性に対応づけられたビット、および、女性に対応づけられたビット等、同時に値が「１」となり得ない桁が存在する場合には、いずれかのビットが「１」となるビット列のみを生成してもよい。また、生成部２６は、属性情報として、商品情報２４１に含まれる属性情報、または、利用者情報２４２に含まれる属性情報のいずれかのみを含む属性条件を生成してもよい。

算出部２７は、生成部２６が生成した全ての属性条件について、属性条件と一致する商品のランキングを生成し、生成したランキングにおける広告対象商品の順位と商品の母数とから、スコアを算出する。例えば、算出部２７は、ビット列ごとに以下の処理を実行する。まず、算出部２７は、生成部２６が生成したビット列を受信すると、受信したビット列のうち値が「１」となる位と対応づけられた属性情報を特定する。次に、算出部２７は、特定した全ての属性情報が商品情報２４１または利用者情報２４２に含まれる商品を売上情報データベース２４から全て抽出する。

例えば、算出部２７は、ビット列のうち属性情報「車の部品」と対応づけられた桁と、属性情報「○○県」と対応づけられた桁との値が「１」となっている場合は、売上情報データベース２４から、商品部門「車の部品」と対応づけられた商品のうち、送付先住所に「○○県」が含まれる商品を全て抽出する。また、例えば、算出部２７は、ビット列のうち属性情報「車の部品」と対応づけられた桁と、属性情報「○○県」と対応づけられた桁と、属性情報「２０１３」と対応づけられた桁との値が「１」となっている場合は、売上情報データベース２４から、商品部門「車の部品」と対応づけられた商品のうち、送付先住所に「○○県」が含まれ、かつ、販売日に「２０１３」が含まれる商品を全て抽出する。

そして、算出部２７は、抽出した商品を母集団として、受信したビット列に対応するランキング、すなわち、属性条件に対応するランキングを作成する。また、算出部２７は、作成したランキングにおける広告対象商品の順位Ｒ（θ）を特定する。ここで、θとは、属性条件を示す値であり、例えば、生成部２６が生成したビット列である。なお、算出部２７は、ランキングに広告対象商品が含まれていない場合には、順位の値を無限大に設定するか、作成したランキングを破棄する。

また、算出部２７は、母集団に含まれる商品の数Ｎ（θ）を作成する。ここで、Ｎ（θ）は、母集団に含まれる商品の総数でも良いが、母集団に含まれる商品の種別の数であってもよい。そして、算出部２７は、母集団に含まれる商品の数Ｎ（θ）を順位Ｒ（θ）で除算した値をスコアＱ（θ）として算出する。すなわち、算出部２７は、規模がより大きいランキングであって、広告対象商品がより上位となるランキングにおいて値が高くなるスコアを算出する。その後、算出部２７は、算出したスコアＱ（θ）と、順位Ｒ（θ）と、属性条件θとを抽出部２８に出力する。

このように、算出部２７は、規模がより大きいランキングであって、広告対象商品がより上位となるランキングにより値が高いスコアＱ（θ）を付与する。このため、算出部２７は、広告効果がより高いと考えられるランキングに対し、より高い値のスコアＱ（θ）を付与することができる。

抽出部２８は、算出部２７から全ての属性条件θについてスコアＱ（θ）を受信すると、受信したスコアＱ（θ）を比較し、最も値が大きいスコアＱ（θ）を抽出する。そして、抽出部２８は、抽出したスコアＱ（θ）とともに受信した順位Ｒ（θ）と、属性条件θとを提案部２９に出力する。

提案部２９は、スコアＱ（θ）の値が最も高い属性条件θと順位Ｒ（θ）とから、広告提案情報を生成し、生成した広告提案情報を広告主端末１０に出力する。具体的には、提案部２９は、抽出部２８から順位Ｒ（θ）と属性条件θとを受信すると、属性条件θのうち、値が「１」である桁と対応づけられた属性情報を特定し、特定した属性情報と順位Ｒ（θ）とから、広告提案情報を生成する。

例えば、提案部２９は、属性条件θのうち、「男性」、「２０代」、「車の部品」、「２０１３」と対応づけられた桁の値が「１」であり、順位Ｒ（θ）が「１」である場合には、「２０１３年の車の部品部門で２０代男性に売上１位！」といった広告提案情報を生成する。そして、提案部２９は、生成した広告提案情報を属性条件θとを対応づけて通信部２１に出力する。

このように、リコメンドサーバ２０は、規模がより大きいランキングであって、広告対象商品がより上位となるランキングの結果、すなわち、広告対象がより高いと考えられるランキングの結果を広告主に提案することができる。この結果、リコメンドサーバ２０は、広告効果が高い広告コンテンツの提案、提供を行うことができる。

なお、提案部２９は、スコアＱ（θ）の値が高い属性条件θと順位Ｒ（θ）とを複数選択し、選択した複数の属性条件θおよび順位Ｒ（θ）に基づいて、複数の広告提案情報を広告主端末１０に送信してもよい。かかる場合、広告主装置１０は、広告効果が高い複数の広告提案情報を表示することができるので、より効果的な広告情報を広告主に選択させることができる。

［５．リコメンドサーバ２０が実行する処理の一例］
次に、図４を用いて、リコメンドサーバ２０が実行する処理の一例について示す図４は、実施形態に関わるリコメンドサーバが実行する処理の一例を示す図である。なお、図４に示す例では、図４中（Ｏ）に示すように、属性条件θとなるビット列の各桁が「車の部品」、「食品」…、「男性」、「女性」、「１０代」、「２０代」…、「海外」、「日本」、「東京」…、「２０１３」、「２０１２」…と対応づけられている例について記載した。なお、三点リーダは、具体例の省略を示すものとする。

例えば、リコメンドサーバ２０は、図４中（Ｐ）に示すように、属性条件θとなるビット列「１０…１００１…０１１…１０…」を生成する。次に、リコメンドサーバ２０は、ビット列のうち、値が「１」となる桁に対応する属性情報を特定する。例えば、リコメンドサーバ２０は、ビット列の最初の範囲「１０…」から、図４中（Ｑ）に示すように、値が「１」となる桁と対応づけられた属性情報「車の部品」を特定する。また、リコメンドサーバ２０は、ビット列の２番目の範囲「１００１…」から、図４中（Ｒ）に示すように、値が「１」となる桁と対応づけられた属性情報「男性」と「２０代」とを特定する。

また、リコメンドサーバ２０は、ビット列の３番目の範囲「０１１…」から、図４中（Ｓ）に示すように、値が「１」となる桁と対応づけられた属性情報「日本」、「東京」を特定する。また、リコメンドサーバ２０は、ビット列の４番目の範囲「１０…」部分から、図４中（Ｔ）に示すように、値が「１」となる桁と対応づけられた属性情報「２０１３」を特定する。

次に、リコメンドサーバ２０は、図４中（Ｐ）に示す属性条件θが示す条件と一致する商品の数Ｎ（θ）を算出する。例えば、リコメンドサーバ２０は、売上情報データベース２４から、属性情報「車の部品」「２０１３」を含む商品情報と、「男性」、「２０代」、「日本」、「東京」を含む利用者情報とに対応づけられた商品を全て抽出する。かかる処理は、売上情報データベース２４から、「２０１３」年に販売された「車の部品」のうち、購入者が「２０代」の「男性」で「日本」の「東京」に在住する利用者により購入された商品を抽出する処理である。

また、リコメンドサーバ２０は、抽出した商品のランキングを作成する。そして、リコメンドサーバ２０は、商品の数Ｎ（θ）と広告対象商品の順位Ｒ（θ）を算出し、算出した商品の数Ｎ（θ）と広告対象商品の順位Ｒ（θ）からスコアＱ（θ）＝Ｎ（θ）／Ｒ（θ）を算出する。また、リコメンドサーバ２０は、全ての属性条件θについてスコアＱ（θ）を算出し、スコアＱ（θ）の値が最も大きい属性条件θを抽出する。

［６．リコメンドサーバ２０が実行する処理の流れ］
次に、図５を用いて、リコメンドサーバ２０が実行する処理の流れの一例について示す図５は、実施形態に関わるリコメンドサーバが実行する処理の流れの一例を示すフローチャートである。例えば、リコメンドサーバ２０は、広告対象商品の情報を広告主端末１０から取得する（ステップＳ１０１）。

次に、リコメンドサーバ２０は、属性条件θを生成する（ステップＳ１０２）。続いて、リコメンドサーバ２０は、属性条件θを満たす商品の数Ｎ（θ）を算出する（ステップＳ１０３）。また、リコメンドサーバ２０は、属性条件θを満たす商品のランキングにおける広告対象商品の順位Ｒ（θ）を算出する（ステップＳ１０４）。

そして、リコメンドサーバ２０は、全ての属性条件θについて、スコアＱ（θ）＝Ｎ（θ）／Ｒ（θ）を算出する（ステップＳ１０５）。その後、リコメンドサーバ２０は、スコアＱ（θ）の値が高いランキングを抽出し（ステップＳ１０６）、抽出したランキングの内容や属性条件θ等に基づく広告の提案を行い（ステップＳ１０７）、処理を終了する。

［７．変形例］
上記した実施形態に係るリコメンドサーバ２０は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記のリコメンドサーバ２０の他の実施形態について説明する。

［７−１．属性条件θの逐次生成について］
上述した実施形態では、リコメンドサーバ２０は、属性情報の全組み合わせについて、属性条件θを生成し、生成した属性条件θのうちスコアＱ（θ）の値が最も大きくなる属性条件θを抽出した。しかしながら、実施形態は、これに限定されるものではない。例えば、リコメンドサーバ２０は、スコアＱ（θ）の値が最も大きくなる属性条件θの近似解を算出しても良い。

例えば、リコメンドサーバ２０は、任意の属性条件θと、属性条件θに含まれていない属性情報を、属性条件θに対して個別に追加した複数の属性条件θ＋ｘを生成する。次に、リコメンドサーバ２０は、各属性条件θ＋ｘのランキングを作成し、各ランキングにおける広告対象商品の順位と、各ランキングにおける商品の数とを用いて、スコアＱ（θ＋ｘ）を算出する。

続いて、リコメンドサーバ２０は、スコアＱ（θ＋ｘ）からスコアＱ（θ）を減算した差分Ｓ（ｘ｜Ｑ）が最も大きくなる属性条件θ＋ｘを特定する。そして、リコメンドサーバ２０は、特定した属性条件θ＋ｘを新たな属性条件θとして、再度新たな属性条件θ＋ｘを生成する。かかる処理を繰り替えすことで、リコメンドサーバ２０は、最もスコアが高くなる属性条件θを抽出してもよい。

このような処理を行うことで、リコメンドサーバ２０は、ランキングの作成数を削減することができる。例えば、リコメンドサーバ２０は、組み合わせ可能な全属性情報がＭ個存在する場合には、最大でＭ^２個の属性条件についてランキングを作成すれば、スコアが最も高くなる属性条件θを抽出することができるので、マーケティング効果の高い広告を作成する際の計算量を削減することができる。

以下、リコメンドサーバ２０が実行する処理の一例について説明する。例えば、リコメンドサーバ２０は、初期値となる属性条件θを１つ算出する。ここで、初期値となる属性条件θについては、任意の手法を用いることができるが、例えば、ランダムに１つの属性情報を選択すればよい。また、リコメンドサーバ２０は、属性条件θに含まれていない属性情報ｘ_１〜ｘ_５が存在する場合には、属性条件θ＋ｘ_１〜属性条件θ＋ｘ_５を算出する。

続いて、リコメンドサーバ２０は、スコアＱ（θ）、Ｑ（θ＋ｘ_１）〜Ｑ（θ＋ｘ_５）を算出する。また、リコメンドサーバ２０は、スコアＱ（θ＋ｘ_１）からスコアＱ（θ）を減算した値である差分Ｓ（ｘ_１｜Ｑ）と、スコアＱ（θ＋ｘ_２）からスコアＱ（θ）を減算した値である差分Ｓ（ｘ_２｜Ｑ）とを算出する。

また、リコメンドサーバ２０は、スコアＱ（θ＋ｘ_３）からスコアＱ（θ）を減算した値である差分Ｓ（ｘ_３｜Ｑ）と、スコアＱ（θ＋ｘ_４）からスコアＱ（θ）を減算した値である差分Ｓ（ｘ_４｜Ｑ）とを算出する。また、リコメンドサーバ２０は、スコアＱ（θ＋ｘ_５）からスコアＱ（θ）を減算した値である差分Ｓ（ｘ_５｜Ｑ）を算出する。

次に、リコメンドサーバ２０は、各差分Ｓ（ｘ_１｜Ｑ）〜Ｓ（ｘ_５｜Ｑ）が全て０または負の値となるか否かを判定する。そして、リコメンドサーバ２０は、各差分Ｓ（ｘ_１｜Ｑ）〜Ｓ（ｘ_５｜Ｑ）に正の値が含まれる場合は、各差分Ｓ（ｘ_１｜Ｑ）〜Ｓ（ｘ_５｜Ｑ）の中で最も大きい差分を特定する。そして、リコメンドサーバ２０は、例えば、値が最も大きい差分として差分Ｓ（ｘ_１｜Ｑ）を特定した場合は、かかる差分Ｓ（ｘ_１｜Ｑ）を算出した際の属性条件θ＋ｘ_１を、新たな属性条件θとする。

その後、リコメンドサーバ２０は、上述した処理を再度実行する。具体的には、リコメンドサーバ２０は、属性条件θ＋ｘ_１を、新たな属性条件θとした場合には、属性条件θ＋ｘ_２〜属性条件θ＋ｘ_５を算出する。また、リコメンドサーバ２０は、算出した各属性条件θ＋ｘ_２〜属性条件θ＋ｘ_５についてスコアＱ（θ）、Ｑ（θ＋ｘ_２）〜Ｑ（θ＋ｘ_５）を算出する。そして、リコメンドサーバ２０は、算出したスコアＱ（θ）、Ｑ（θ＋ｘ_２）〜Ｑ（θ＋ｘ_５）から差分Ｓ（ｘ_２｜Ｑ）〜Ｓ（ｘ_５｜Ｑ）を算出し、算出した差分Ｓ（ｘ_２｜Ｑ）〜Ｓ（ｘ_５｜Ｑ）から値が最も大きい差分を抽出する。

一方、リコメンドサーバ２０は、各差分Ｓ（ｘ_１｜Ｑ）〜Ｓ（ｘ_５｜Ｑ）が全て負の値となる場合は、属性条件θを用いて、広告提案情報を作成し、作成した広告提案情報を広告主端末１０に出力する。このように、リコメンドサーバ２０は、属性条件に、スコアの増分が最も高くなる属性情報を１つずつ追加し、最終的にスコアの値が最も大きくなる属性条件を抽出する。このため、リコメンドサーバ２０は、マーケティング効果の高い広告を作成する際の計算量を削減することができる。

次に、図６を用いて、上述したリコメンドサーバ２０が実行する処理の流れについて示す。図６は、属性条件を逐次生成するリコメンドサーバが実行する処理の流れの一例を示すフローチャートである。例えば、リコメンドサーバ２０は、広告主端末１０から広告対象商品の情報を取得する（ステップＳ２０１）。かかる場合、リコメンドサーバ２０は、属性条件θを１つ生成する（ステップＳ２０２）。そして、リコメンドサーバ２０は、スコアＱ（θ）＝Ｎ（θ）／Ｒ（θ）を算出する（ステップＳ２０３）。

また、リコメンドサーバ２０は、属性条件θに含まれていない他の属性情報を属性条件θにそれぞれ個別に追加した属性条件θ＋ｘを全て生成する（ステップＳ２０４）。そして、リコメンドサーバ２０は、各属性条件θ＋ｘについてスコアＱ（θ＋ｘ）＝Ｎ（θ＋ｘ）／Ｒ（θ＋ｘ）を算出する（ステップＳ２０５）。そして、リコメンドサーバ２０は、差分Ｓ（ｘ｜Ｑ）＝Ｑ（θ＋ｘ）−Ｑ（θ）の値が全て０以下となるか否かを判定する（ステップＳ２０６）。

また、リコメンドサーバ２０は、差分Ｓ（ｘ｜Ｑ）＝Ｑ（θ＋ｘ）−Ｑ（θ）の値に正の値が含まれる場合は（ステップＳ２０６：Ｎｏ）、差分Ｓ（ｘ｜Ｑ）の値が最も大きい値となる属性条件θ＋ｘを新たな属性条件θとし（ステップＳ２０７）、ステップＳ２０４を実行する。一方、リコメンドサーバ２０は、差分Ｓ（ｘ｜Ｑ）＝Ｑ（θ＋ｘ）−Ｑ（θ）の値が全て０以下となる場合は（ステップＳ２０６：Ｙｅｓ）、属性条件θによる広告提案情報を広告主に提示し（ステップＳ２０８）、処理を終了する。

［７−２．属性条件θの逐次生成において追加する属性情報の数について］
上述した例では、リコメンドサーバ２０は、属性条件θに対し、属性条件θに含まれていない属性情報を、属性条件θに対して個別に追加した複数の属性条件θ＋ｘを生成した。しかしながら、実施形態は、これに限定されるものではない。

例えば、ある属性条件θに対して、「男性」、「２０代」、「車の部品」という属性情報を追加する例を考える。この際、各属性情報を追加した際のスコアの差分Ｓ（ｘ｜θ）の値が、差分Ｓ（男性｜θ）＝８０、Ｓ（２０代｜θ）＝８０、Ｓ（車の部品｜θ）＝１００であったとする。かかる場合、例えば、ある属性条件θに対して「男性」と「２０代」とを追加した際のスコアの差分Ｓ（ｘ｜θ）の値がＳ（男性＋２０代｜θ）＝１２０であったとしても、リコメンドサーバ２０は、新たな属性条件θとして、「車の部品」を追加した属性条件を選択してしまう。

このように、属性条件θに対して、属性情報を１つずつ追加した場合には、最終的に得られる属性条件θが局所解に陥る場合がある。そこで、リコメンドサーバ２０は、属性条件θに対して、最大でｋ個までの属性情報を追加しても良い。例えば、リコメンドサーバ２０は、ある属性条件θに対して、「男性」、「２０代」、「車の部品」という属性情報を追加する際に、最大で２個までの属性情報を追加する場合は、「男性」、「２０代」、「車の部品」、「男性」および「２０代」、「男性」および「車の部品」、「２０代」および「車の部品」をそれぞれ追加した属性条件θ＋ｘを算出する。

そして、リコメンドサーバ２０は、属性条件θと各属性条件θ＋ｘのスコアＱ（θ）とスコア（θ＋ｘ）を算出し、スコアＱ（θ＋ｘ）からスコアＱ（θ）を減算した差分Ｓ（ｘ｜Ｑ）が最も大きくなる属性条件θ＋ｘを特定する。そして、リコメンドサーバ２０は、特定した属性条件θ＋ｘを新たな属性条件θとして、再度新たな属性条件θ＋ｘを生成する。

このような処理を行うことで、リコメンドサーバ２０は、局所解を回避しつつ、スコアが最も高くなる属性条件θの近似解を抽出することができる。なお、上述した手法において、属性情報の追加数ｋについては、任意の値を設定可能である。また、追加数ｋを全属性情報の数と同数に設定した場合には、属性情報の全ての組み合わせについて属性条件θを生成することとなり、属性情報の追加数ｋを１に設定した場合には、属性条件θに対して属性情報を逐次的に追加した属性条件を生成することとなる。

次に、図７を用いて、属性条件θに属性情報を複数個追加するリコメンドサーバ２０が実行する処理の流れについて示す図７は、属性情報を複数個追加するリコメンドサーバが実行する処理の流れの一例を示すフローチャートである。例えば、リコメンドサーバ２０は、広告主端末１０から広告対象商品の情報を取得する（ステップＳ３０１）。かかる場合、リコメンドサーバ２０は、属性条件θを１つ生成する（ステップＳ３０２）。そして、リコメンドサーバ２０は、スコアＱ（θ）＝Ｎ（θ）／Ｒ（θ）を算出する（ステップＳ３０３）。

また、リコメンドサーバ２０は、属性条件θに含まれていない他の属性情報から、１〜ｋ個の属性情報を含む組ｇを全て生成する（ステップＳ３０４）。そして、リコメンドサーバ２０は、属性条件θ＋ｇをすべて生成し（ステップＳ３０５）、各属性条件θ＋ｇについて、スコアＱ（θ＋ｇ）＝Ｎ（θ＋ｇ）／Ｒ（θ＋ｇ）を算出する（ステップＳ３０６）。

続いて、リコメンドサーバ２０は、差分Ｓ（ｇ｜Ｑ）＝Ｑ（θ＋ｇ）−Ｑ（θ）の値が全て０以下となるか否かを判定する（ステップＳ３０７）。また、リコメンドサーバ２０は、差分Ｓ（ｇ｜Ｑ）＝Ｑ（θ＋ｇ）−Ｑ（θ）の値に正の値が含まれる場合は（ステップＳ３０７：Ｎｏ）、差分Ｓ（ｇ｜Ｑ）の値が最も大きい値となる属性条件θ＋ｇを新たな属性条件θとし（ステップＳ３０８）、ステップＳ３０４を実行する。一方、リコメンドサーバ２０は、差分Ｓ（ｇ｜Ｑ）＝Ｑ（θ＋ｇ）−Ｑ（θ）の値が全て０以下となる場合は（ステップＳ３０７：Ｙｅｓ）、属性条件θによる広告提案情報を広告主に提示し（ステップＳ３０９）、処理を終了する。

［７−３．売上情報データベース２４について］
上述した実施形態では、リコメンドサーバ２０は、売上情報データベース２４を記憶していた。しかしながら、実施形態は、これに限定されるものではない。例えば、リコメンドサーバ２０は、電子商店街のサービスを提供するサーバやシステムから売上情報データベース２４と同様の情報を取得しても良い。

また、リコメンドサーバ２０は、ＰＯＳ（Point of sale）システムから実店舗の売上情報を収集し、収集した売上情報から売上情報データベース２４を生成しても良い。また、リコメンドサーバ２０は、店舗運営者に売上情報等の入力を要求してもよい。すなわち、売上情報データベース２４は、ネットワーク２を介した商品の販売実績だけではなく、実店舗等のオフラインによる販売実績を用いてもよい。また、売り上げ情報データベース２４に格納される情報は、上述した商品情報や利用者情報に限るものではなく、販売店舗の情報やその他の任意の情報を格納してもよい。

［７−４．広告の提供について］
上述した例では、リコメンドサーバ２０は、スコアＱ（θ）の値が最も高くなる属性条件θを用いて広告提案情報を作成し、作成した広告提案情報を広告主端末１０に出力した。しかしながら、実施例は、これに限定されるものではない。例えば、リコメンドサーバ２０は、スコアＱ（θ）の値が最も高くなる属性条件θを用いて広告情報を生成し、生成した広告情報を直接広告配信サーバ４０に登録しても良い。

また、リコメンドサーバ２０は、広告主端末１０から取得した広告対象商品を記憶しておき、売上情報データベース２４を所定の時間間隔で更新する。そして、リコメンドサーバ２０は、売上情報データベース２４を更新する度に、記憶した広告対象商品について、スコアＱ（θ）の値が最も高くなる属性条件θを抽出し、抽出した属性条件θに基づいて、広告配信サーバ４０に登録された広告情報を更新してもよい。かかる処理を実行することで、リコメンドサーバ２０は、最新のランキング結果に応じた広告情報を提供することができる。

［７−５．スコアＱ（θ）について］
上述した例では、リコメンドサーバ２０は、商品の数Ｎ（θ）を順位Ｒ（θ）で除算した値をスコアＱ（θ）としたが、実施形態は、これに限定されるものではない。例えば、リコメンドサーバ２０は、順位Ｒ（θ）の値や、商品の数Ｎ（θ）の値にそれぞれ独立した重み付け係数を考慮してスコアＱ（θ）を算出しても良い。また、リコメンドサーバ２０は、Ｒ（θ）の値を累乗する等の調整を行っても良い。

また、リコメンドサーバ２０は、スコアＱ（θ）の値が最も大きいランキングの結果に基づいて、広告提案情報を生成したが、実施形態は、これに限定されるものではない。例えば、リコメンドサーバ２０は、スコアＱ（θ）の値が所定の値よりも大きいランキングの結果に基づいて、広告提案情報を生成してもよい。また、リコメンドサーバ２０は、スコアＱ（θ）の値が高いものから複数のランキングを選択し、選択したランキングの広告提案情報を生成してもよい。

［７−６．属性条件θの限定について］
上述したリコメンドサーバ２０は、属性条件θを複数生成し、生成した属性条件θに合致する商品を検索した。しかしながら、実施形態は、これに限定されるものではない。例えば、リコメンドサーバ２０は、あらかじめ定められた１つの属性条件θについてのみランキングを作成してもよい。かかる場合、リコメンドサーバ２０は、所定のランキングにおいて広告対象商品の順位を算出できるので、例えば「○○ランキングで△位！！」といった効果的な広告を広告主に提案することができる。

また、例えば、リコメンドサーバ２０は、広告対象商品と対応づけられた属性情報を売上情報データベース２４から抽出し、抽出した属性情報から属性条件θを生成してもよい。かかる処理を実行した場合には、作成されるランキングに広告対象商品が必ず含まれるので、リコメンドサーバ２０は、不要なランキングの作成を回避することができる。この結果、リコメンドサーバ２０は、処理に要する演算量をさらに削減することができる。

［７−７．広告配信サーバ４０について］
広告配信サーバ４０は、リコメンドサーバ２０が広告主に提案した広告が登録された場合は、かかる広告を利用者端末５０に送信し、表示させる。しかしながら、広告配信サーバ４０は、リコメンドサーバ２０が広告主に提案した広告と、かかる広告の元となるランキングの属性条件とを対応づけて記憶し、記憶した属性条件を用いて、利用者と広告とのマッチングを行っても良い。

例えば、リコメンドサーバ２０は、複数の広告提案情報と、かかる広告提案情報の基となったランキングの属性情報とを対応づけて広告主装置１０に送信する。そして、広告主装置１０は、広告主が複数の広告提案情報を選択し、選択した広告提案情報の登録を指示した場合は、受信した広告提案情報と、対応づけられた属性情報との組を広告配信サーバ１０に送信する。かかる場合、広告配信サーバ１０は、受信した広告提案情報を広告情報として属性情報とともに記憶する。その後、広告配信サーバ１０は、利用者端末５０から受信した広告配信要求に含まれる利用者の情報と属性情報とのマッチングを行い、より効果的な広告を配信する。

以下、実施形態に係わる広告配信サーバ４０の一例として、属性条件と利用者の情報とのマッチングにより、効果的な広告を配信する広告配信サーバ４０の一例について示す図８は、実施形態に係る広告配信サーバが有する機能構成の一例を示す図である。図８に示す例では、広告配信サーバ４０は、通信部４１、制御部４２、記憶部４３を有する。また、記憶部４３は、広告データベース４４を記憶する。また、制御部４２は、広告登録部４５、広告抽出部４６、配信部４７を有する。

まず、記憶部４３が記憶する広告データベース４４について説明する。広告データベース４４は、広告主端末１０から受信した広告情報が格納されたデータベースである。例えば、図９は、実施形態に係る広告データベースに格納された情報の一例を示す図である。図９に示すように、広告データベース４４には、広告情報と、かかる広告情報の基となったランキングの属性条件とが対応づけて格納されている。

例えば、広告データベース４４には、広告情報「２０１２年の車の部品部門で全国３位！」、属性条件「２０１２」が対応づけて格納されている。また、例えば、広告データベース４４には、広告情報「２０代男性に車の部品部門で全国１位！」、属性条件「男性」、「２０代」が対応づけて格納されている。すなわち、広告データベース４４には、同一の商品「ヘッドライト＃１」について、それぞれ異なる属性条件によるランキングの結果に応じた広告情報が格納されている。なお、広告データベース４４には、上述した広告情報以外にも、例えば、表示される画像や広告主の情報等が格納されているものとする。

図８に戻り、説明を続ける。通信部４１は、広告配信サーバ４０と、広告主端末１０および利用者端末５０との通信を制御する。例えば、通信部４１は、広告主端末１０から広告情報と属性情報とを受信すると、受信した広告情報と属性情報とを広告登録部４５に出力する。また、通信部４１は、利用者端末５０から、利用者端末５０の利用者の情報や、利用者が検索した検索ワード等を含む広告配信要求を受信すると、受信した広告配信要求を広告抽出部４６に出力する。また、通信部４１は、配信部４７から、広告情報を受信すると、受信した広告情報を利用者端末５０に送信する。

広告登録部４５は、広告データベース４４に広告情報を登録する。例えば、広告登録部４５は、通信部４１から、広告情報と属性情報とを受信すると、受信した広告情報と属性情報とを対応づけて広告データベース４４に登録する。なお、広告登録部４５は、リコメンドサーバ２０から広告提案情報と属性情報とを直接受信し、受信した広告提案情報を広告情報として属性情報とともに広告データベース４４に登録してもよい。

広告抽出部４６は、利用者とマッチする属性条件に対応づけられた広告情報を抽出する。例えば、広告抽出部４６は、通信部４１から広告配信要求を受信する。かかる場合、広告抽出部４６は、広告配信要求から利用者の情報および検索ワードを抽出する。続いて、広告抽出部４６は、検索ワードと関連のある広告を広告データベース４４から検索する。例えば、広告抽出部４６は、検索ワードが「車の部品」である場合には、属性情報「車の部品」とと対応づけられた広告情報を抽出する。

さらに、広告抽出部４６は、抽出した広告情報に対応づけられた属性条件と、利用者の情報とをマッチングし、利用者に合った広告情報を抽出する。例えば、広告抽出部４６は、利用者の情報が「男性」「２０代」である場合には、属性情報「男性」、「２０代」と対応づけられた広告情報を抽出する。そして、広告抽出部４６は、抽出した広告情報を配信部４７に出力する。

配信部４７は、利用者の情報と広告情報に対応付けられた属性条件とに応じて抽出された広告を配信する。具体的には、配信部４７は、広告抽出部４６から広告情報を受信すると、受信した広告情報を通信部４１に出力し、利用者端末５０に送信される。この結果、広告配信サーバ４０は、利用者に対して効果的な広告を配信することができる。

なお、図９に示す例では、属性条件として属性情報の具体例を記載したが、広告データベース４４は、リコメンドサーバ２０が生成したビット列を属性条件として記憶しても良い。かかる場合、広告抽出部４６は、ビット列のうち値が「１」となる桁と対応づけられた属性情報と、利用者の情報とのマッチングを実行することで、利用者とマッチする属性条件に対応づけられた広告情報を抽出する。

次に、図１０を用いて、利用者端末５０が表示する広告の一例について示す。図１０は、実施形態に関わる利用者端末が表示する広告の一例を示す図である。なお、図１０には、広告配信サーバ４０が図９に示す広告情報を記憶している際に、異なる属性を有する利用者に対してそれぞれ送信される広告情報の一例について記載した。

例えば、広告配信サーバ４０は、利用者が「車の部品」を検索し、かつ、利用者の情報が「男性」「２０」代ではない場合、例えば、３０代の女性である場合等には、広告情報「２０１２年の車の部品部門で売上３位！」を利用者端末５０に配信する。このため、利用者端末５０は、図１０中（Ｖ）に示すように、「２０１２年の車の部品部門で売上３位！」という広告メッセージを表示することができる。

一方、広告配信サーバ４０は、利用者が「車の部品」を検索し、かつ、利用者の情報が「男性」「２０」代である場合には、広告情報「２０代男性に車の部品部門で売上１位！」を利用者端末５０に配信する。このため、利用者端末５０は、図１０中（Ｗ）に示すように、「２０代男性に車の部品部門で売上１位！」という広告メッセージを表示することができる。

このように、広告配信サーバ４０は、利用者の情報と、広告を作成する際に利用したランキングの属性情報とをマッチングし、マッチングの結果に応じた広告を利用者端末５０に配信する。このため、広告配信サーバ４０は、利用者の情報に応じてマーケティング効果の高い広告を配信することができる。
［７−８．その他］
上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。また、例えば、各図に示したアプリケーションのＵＩ（User Interface）は、これに限定されるものではない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

［８．効果］
上述したように、リコメンドサーバ２０は、商品の売上情報データベース２４に記憶された情報から、所定の属性条件に合致する商品についてのランキングを作成する。そして、リコメンドサーバ２０は、作成したランキングにおける広告対象商品の順位を算出する。このため、リコメンドサーバ２０は、所定のランキングにおける広告対象商品の順位を用いた効果的な広告を広告主に提供することができる。

また、リコメンドサーバ２０は、属性条件θがそれぞれ異なる複数のランキングを作成する。このため、リコメンドサーバ２０は、ランキングの対象となる商品が異なる複数のランキングについて広告対象商品の順位を算出することができる。この結果、リコメンドサーバ２０は、広告主に対し、様々なランキング結果に応じた広告を提供することができる。

また、リコメンドサーバ２０は、商品の属性を示す属性情報を組み合わせた属性条件を複数生成し、生成した属性条件ごとに、属性条件に含まれる属性情報が示す属性と一致する属性の商品を母集合としてランキングを作成する。このため、リコメンドサーバ２０は、商品の属性の組み合わせごとに異なる規模のランキングを作成し、作成したランキングに基づいて、広告効果の高い広告コンテンツを提供できる。

また、リコメンドサーバ２０は、商品を購入した利用者の属性を示す属性情報を組み合わせた属性条件を複数生成し、生成した属性条件ごとに、属性条件に含まれる属性情報が示す属性と一致する属性の商品を母集合としてランキングを作成する。このため、リコメンドサーバ２０は、商品を購入した利用者の属性の組み合わせごとに異なる規模のランキングを作成し、作成したランキングに基づいて、広告効果の高い広告コンテンツを提供できる。

また、リコメンドサーバ２０は、あらかじめ設定された複数の属性情報から、属性情報の全ての組み合わせについて属性条件を生成する。そして、リコメンドサーバ２０は、生成した属性条件に含まれる属性情報が示す属性と一致する属性の商品をランキングの母集合とする。このため、リコメンドサーバ２０は、属性条件が異なる複数のランキングを作成することができる。

また、リコメンドサーバ２０は、広告対象商品の順位の値が高いほど、かつ、ランキングの母集団に含まれる商品の数が多いほど、値が高くなるスコアを算出する。このため、リコメンドサーバ２０は、効果的な広告の作成に適したランキングを抽出することができる。

また、リコメンドサーバ２０は、ランキングの対象となる商品の数、すなわちランキングの母集団に含まれる商品の数を、広告対象商品の順位の値で除算した値をランキングのスコアとする。このため、リコメンドサーバ２０は、広告効果の高いランキングの結果を抽出することができる。

また、リコメンドサーバ２０は、属性条件θと、属性条件θに含まれていない属性情報ｘを属性条件θにそれぞれ個別に付加した属性条件θ＋ｘとを生成し、属性条件θと属性条件θ＋ｘについてランキングのスコアを算出する。また、リコメンドサーバ２０は、属性条件θのスコアＱ（θ）から属性条件θ＋ｘのスコアＱ（θ＋ｘ）を減算した値である差分Ｓ（ｘ｜θ）を算出する。

そして、リコメンドサーバ２０は、差分Ｓ（ｘ｜θ）の値が最も大きくなる属性条件θ＋ｘを特定し、特定した属性条件θ＋ｘを新たな属性条件θとして上述した処理を繰り返す。このため、リコメンドサーバ２０は、ランキングの作成量を削減することができるので、広告効果の高いランキングを作成する際の演算量を削減することができる。

また、リコメンドサーバ２０は、差分Ｓ（ｘ｜θ）の値が全て負の値となる場合は、属性条件θに基づいて作成されるランキングを、最もスコアの値が高いランキングとして抽出する。このため、リコメンドサーバ２０は、広告効果の高いランキングを作成する際の演算量を削減することができる。

また、リコメンドサーバ２０は、属性条件θに含まれていない属性情報ｘから、１からｋ個までの複数の属性情報ｘを含む組ｇをすべて抽出し、抽出した組ｇに含まれる属性情報を属性条件θに追加した属性条件θ＋ｇを作成する。そして、リコメンドサーバ２０は、属性条件θ＋ｇに含まれる属性情報が示す商品を母集合とするランキングのスコアＱ（θ＋ｇ）を算出し、算出したスコアＱ（θ＋ｇ）からスコア（θ）を減算した値が最も大きい属性条件θ＋ｇを抽出する。このため、リコメンドサーバ２０は、局所解を回避しつつ、広告効果の高いランキングを作成する際の演算量を削減できる。

また、リコメンドサーバ２０は、商品の売上情報データベース２４に記憶された情報から、それぞれ規模が異なる複数のランキングを作成する。また、リコメンドサーバ２０は、利用者が指定した広告対象商品の順位が上位であるほど値が増加する点数であって、規模が大きい程値が増加するスコアをランキングごとに算出する。そして、リコメンドサーバ２０は、算出したスコアが他のランキングよりも高いランキングを抽出する。このため、リコメンドサーバ２０は、広告効果の高いランキング結果に基づく広告コンテンツを提供できる。

以上、本願の実施形態を図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、特許請求の範囲に記載した「手段」は、「部（section、module、unit）」や「回路」などに読み替えることができる。例えば、収集手段は、収集部や収集回路に読み替えることができる。

［９．プログラム］
なお、上述した実施形態におけるリコメンドサーバ２０は、例えば図１１に示すような構成のコンピュータ７０が情報抽出プログラムを実行することによって実現される。図１１は、情報抽出プログラムを実行するコンピュータのハードウェア構成の一例を示す図である。コンピュータ７０は、ＣＰＵ（Central Processing Unit）７１、ＲＡＭ（Random Access Memory）７２、ＲＯＭ（Read Only Memory）７３、ＨＤＤ（Hard Disk Drive）７４、通信インターフェイス（Ｉ／Ｆ）７５、入出力インターフェイス（Ｉ／Ｆ）７６、およびメディアインターフェイス（Ｉ／Ｆ）７７を備える。

ＣＰＵ７１は、ＲＯＭ７３またはＨＤＤ７４に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ７３は、コンピュータ７０の起動時にＣＰＵ７１によって実行されるブートプログラムや、コンピュータ７０のハードウェアに依存するプログラム等を格納する。

ＨＤＤ７４は、ＣＰＵ７１によって実行される情報抽出プログラム、および、情報抽出プログラムによって使用されるデータ等を格納する。例えば、ＨＤＤ７４は、図２に記載した売上情報データベース２４と同様のデータを記憶する。通信インターフェイス７５は、ネットワーク２を介して他の機器からデータを受信してＣＰＵ７１へ送り、ＣＰＵ７１が生成したデータを、ネットワーク２を介して他の機器へ送信する。

ＣＰＵ７１は、入出力インターフェイス７６を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ７１は、入出力インターフェイス７６を介して、入力装置からデータを取得する。また、ＣＰＵ７１は、生成したデータを、入出力インターフェイス７６を介して出力装置へ出力する。

メディアインターフェイス７７は、記録媒体７８に格納されたプログラムまたはデータを読み取り、ＲＡＭ７２を介してＣＰＵ７１に提供する。ＣＰＵ７１は、当該プログラムを、メディアインターフェイス７７を介して記録媒体７８からＲＡＭ７２上にロードし、ロードしたプログラムを実行する。記録媒体７８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

コンピュータ７０が上述した実施形態に係るリコメンドサーバ２０として機能する場合、コンピュータ７０のＣＰＵ７１は、ＲＡＭ７２上にロードされたプログラムを実行することにより、取得部２５、生成部２６、算出部２７、抽出部２８、提案部２９の各機能を実現する。

コンピュータ７０のＣＰＵ７１は、情報抽出プログラムを、記録媒体７８から読み取って実行するが、他の例として、他の装置から、ネットワーク２を介してこれらのプログラムを取得してもよい。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に多様な変更または改良を加えることが可能であることが当業者には明らかである。また、そのような変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

１ 広告システム
１０ 広告主端末
２０ リコメンドサーバ
２１、４１ 通信部
２２、４２ 制御部
２３、４３ 記憶部
２４ 売上情報データベース
２５ 取得部
２６ 生成部
２７ 算出部
２８ 抽出部
２９ 提案部
４０ 広告配信サーバ
４４ 広告データベース
４５ 広告登録部
４６ 広告抽出部
４７ 配信部

Claims (15)

1. 商品の販売履歴から、対象となる商品についての所定の条件に合致する商品についてのランキングを作成する作成部と、
   利用者により指定された指定商品の前記ランキングにおける順位又は前記ランキングの母集団の規模の少なくともいずれか１つに基づいて、ランキングを選択し、選択したランキングにおける前記指定商品の順位を算出する算出部と
   を有することを特徴とする情報抽出装置。
2. 前記作成部は、前記条件が異なる複数のランキングを作成することを特徴とする請求項１に記載の情報抽出装置。
3. 前記商品の属性を示す属性情報を組み合わせた属性条件を複数生成する生成部を有し、
   前記作成部は、前記生成部が生成した属性条件ごとに、当該属性条件に含まれる属性情報が示す属性の商品を母集合としてランキングを作成することを特徴とする請求項２に記載の情報抽出装置。
4. 前記商品を購入した利用者の属性を示す属性情報を組み合わせた属性条件を複数生成する生成部を有し、
   前記作成部は、前記生成部が生成した属性条件ごとに、当該属性条件に含まれる属性情報が示す属性の利用者により購入された商品を母集合としてランキングを作成することを特徴とする請求項２または３に記載の情報抽出装置。
5. 前記生成部は、あらかじめ設定された複数の属性情報から、全ての組み合わせについて、前記属性条件を生成することを特徴とする請求項３または４に記載の情報抽出装置。
6. 前記算出部は、前記利用者により指定された指定商品の順位が上位であり、または、前記条件の規模が大きい程値が増加する点数を、前記作成部が作成したランキングについて算出することを特徴とする請求項１〜５のいずれか１つに記載の情報抽出装置。
7. 前記算出部は、前記ランキングの対象となる商品の数を、当該ランキングにおける前記指定商品の順位の値で除算した値を当該ランキングの点数とすることを特徴とする請求項６に記載の情報抽出装置。
8. 前記商品を購入した利用者の属性を示す属性情報を組み合わせた属性条件を複数生成する生成部と、
   前記算出部が算出した点数が他のランキングよりも高い値となるランキングを抽出する抽出部と
   をさらに有し、
   前記作成部は、第１の属性条件と、当該第１の属性条件に含まれていない属性情報が個別に前記第１の属性条件に追加された複数の第２の属性条件とについて、前記ランキングをそれぞれ作成し、
   前記抽出部は、前記第２の属性条件のうち、当該第２の属性条件について作成されたランキングの点数から、前記第１の属性条件を用いて作成されたランキングの点数を減算した値が最も大きい第２の属性条件を抽出し、
   前記生成部は、前記抽出部により抽出された第２の属性条件を新たな第１の属性条件として、当該新たな第１の属性条件に含まれていない属性情報が個別に追加された複数の新たな第２の属性条件を生成する
   ことを特徴とする請求項６または７に記載の情報抽出装置。
9. 前記抽出部は、当該第２の属性条件について作成されたランキングの点数から、前記第１の属性条件を用いて作成されたランキングの点数を減算した値が全て負の値となる場合は、当該第１の属性条件を用いて作成されたランキングを、前記点数が他のランキングよりも高い値となるランキングとして抽出することを特徴とする請求項８に記載の情報抽出装置。
10. 前記生成部は、前記第１の属性条件に含まれていない属性情報から、１つ又は複数の属性情報を含む組を全て抽出し、当該抽出された組に含まれる属性情報を前記第１の属性条件に追加した第２の属性条件を前記組ごとに生成することを特徴とする請求項８または９に記載の情報抽出装置。
11. 情報抽出装置が、
    商品の販売履歴から、対象となる商品についての所定の条件に合致する商品についてのランキングを作成し、
    利用者により指定された指定商品の前記ランキングにおける順位又は前記ランキングの母集団の規模の少なくともいずれか１つに基づいて、ランキングを選択し、選択したランキングにおける前記指定商品の順位を算出する
    処理を実行することを特徴とする情報抽出方法。
12. コンピュータに
    商品の販売履歴から、対象となる商品についての所定の条件に合致する商品についてのランキングを作成し、
    利用者により指定された指定商品の前記ランキングにおける順位又は前記ランキングの母集団の規模の少なくともいずれか１つに基づいて、ランキングを選択し、選択したランキングにおける前記指定商品の順位を算出する
    処理を実行させることを特徴とする情報抽出プログラム。
13. 商品の販売履歴から、対象となる商品についての所定の条件に合致する商品についてのランキングを作成する作成部と、
    利用者により指定された指定商品の順位が上位であり、または、前記条件の規模が大きい程値が増加する点数を、前記作成部が作成したランキングについて算出する算出部と
    を有することを特徴とする情報抽出装置。
14. 情報抽出装置が、
    商品の販売履歴から、対象となる商品についての所定の条件に合致する商品についてのランキングを作成し、
    利用者により指定された指定商品の順位が上位であり、または、前記条件の規模が大きい程値が増加する点数を、作成されたランキングについて算出する
    処理を実行することを特徴とする情報抽出方法。
15. コンピュータに
    商品の販売履歴から、対象となる商品についての所定の条件に合致する商品についてのランキングを作成し、
    利用者により指定された指定商品の順位が上位であり、または、前記条件の規模が大きい程値が増加する点数を、作成されたランキングについて算出する
    処理を実行させることを特徴とする情報抽出プログラム。

Images