JP5904987B2 - 広告装置、予測方法及び予測プログラム - Google Patents

Description

本発明は、広告装置、予測方法及び予測プログラムに関する。

近年、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、ウェブページの所定の位置に企業や商品等に関する広告コンテンツを表示することが行われている。このような広告コンテンツは、例えば、静止画像や動画像やテキストデータなどのアイコンであり、広告主によって提供されるウェブページ（以下、広告主ページと表記する）へのハイパーリンクが張られる。そして、ユーザによって広告コンテンツがクリックされた場合に、広告ページが表示される。なお、ウェブページに広告コンテンツが表示される回数は、広告効果の一例であり、インプレッション（impression）数等と呼ばれる。

このような広告配信に関する技術として、広告コンテンツのインプレッション数を予測する技術が提案されている。この技術では、過去の入札価格及びインプレッション数の実績値に基づいて、ゴンペルツ曲線を形成する。そして、この技術では、広告主が提示する入札価格に応じて、広告コンテンツをゴンペルツ曲線における密集領域、離散領域及び限界領域とのいずれかの領域に分類し、分類された領域に応じてインプレッション数を予測する。

特開２０１２−２０３５７５号公報

しかしながら、上記の従来技術では、インプレッション数を高精度に予測できるとは限らない。具体的には、広告コンテンツを配信する広告装置は、所定の条件に応じて、広告コンテンツの配信を制限する場合がある。すなわち、上記の従来技術で用いられるインプレッション数の実績値は、入札価格といった要素のみで決定されるものではなく、広告装置によって配信制限されたか否かといった要素によっても変動する。これに対して、上記の従来技術では、単に入札価格に基づいて予測処理を行っているに過ぎないので、インプレッション数を高精度に予測できるとは限らない。

上記について一例を挙げて説明する。一般に、広告装置は、入札価格が高額である広告コンテンツを優先的に配信する。一方で、広告主は、入札価格だけでなく、広告コンテンツがクリックされたことに応じて広告主に課金される広告料金の予算（以下、「広告予算」と表記する場合がある）を設定する。この場合、広告装置は、入札価格が高額である広告コンテンツであっても、広告予算が消化された広告コンテンツについては配信を停止する。また、広告装置は、広告予算が徐々に消化されるように、広告予算が残っている広告コンテンツであっても配信を一定期間だけ停止する場合がある。この例の場合、広告コンテンツのインプレッション数は、広告予算に応じて変動する。すなわち、過去の入札価格及びインプレッション数の実績値に基づいて、入札価格に対応するインプレッション数を予測できるとも考えられるが、実際には、広告予算によって広告コンテンツの配信が制限される場合があるので、入札価格だけではインプレッション数を高精度に予測することが困難である。

なお、上記では、広告効果としてインプレッション数を一例に挙げて説明したが、この例に限られず、上述した広告効果は、広告コンテンツがクリックされた回数であるクリック数等であってもよい。このようなクリック数も広告装置による配信制限によって変動するので、上記の従来技術では、クリック数などの広告効果についても高精度に予測することが困難である。

本願は、上記に鑑みてなされたものであって、広告効果を高精度に予測することができる広告装置、予測方法及び予測プログラムを提供することを目的とする。

本願に係る広告装置は、過去に配信された配信済み広告コンテンツの広告効果と、当該配信済み広告コンテンツの配信が制限された情報である制限情報とを含む配信履歴を取得する取得手段と、前記取得手段によって取得された配信履歴に含まれる広告効果及び制限情報に基づいて、配信が制限されなかった場合における前記配信済み広告コンテンツの広告効果を推定する推定手段と、前記推定手段によって推定された広告効果に基づいて、任意の広告コンテンツにおける広告効果を予測する予測手段と、を備えたことを特徴とする。

実施形態の一態様によれば、広告効果を高精度に予測することができるという効果を奏する。

図１は、実施形態に係る予測処理の一例を示す図である。 図２は、実施形態に係る広告装置によるインプレッション数の推定処理の一例を示す図である。 図３は、実施形態に係る広告配信システムの構成例を示す図である。 図４は、実施形態に係る広告装置の構成例を示す図である。 図５は、実施形態に係る広告コンテンツ記憶部の一例を示す図である。 図６は、実施形態に係る配信履歴記憶部の一例を示す図である。 図７は、実施形態に係る予測部による予測結果の一例を示す図である。 図８は、実施形態に係る予測部による予測結果の一例を示す図である。 図９は、実施形態に係る広告装置による予測処理手順を示すフローチャートである。 図１０は、変形例に係る広告装置によるインプレッション数の推定処理の一例を示す図である。 図１１は、変形例に係る広告装置によるインプレッション数の推定処理の一例を示す図である。 図１２は、変形例に係る予測部による予測結果の一例を示す図である。 図１３は、変形例に係る予測部による予測結果の一例を示す図である。 図１４は、変形例に係る提供部によって提供される予測結果画面の一例を示す図である。 図１５は、変形例に係る予測部による予測結果の一例を示す図である。 図１６は、変形例に係る予測部による予測結果の一例を示す図である。 図１７は、広告装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る広告装置、予測方法及び予測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広告装置、予測方法及び予測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．予測処理〕
まず、図１を用いて、実施形態に係る予測処理の一例について説明する。図１は、実施形態に係る予測処理の一例を示す図である。図１では、広告装置１００によって広告効果の予測処理が行われる例を示す。なお、以下では、広告装置１００が、広告効果の一例としてインプレッション数を予測する例を示す。

前提として、実施形態に係る広告装置１００は、入札価格が高額である広告コンテンツほど優先的に配信するものとする。また、広告装置１００は、広告コンテンツに設定された広告予算が徐々に消化されるように、広告予算の消化率に応じて広告コンテンツの配信を一定期間だけ停止するものとする。

このような広告装置１００は、配信履歴記憶部１２２を有する。配信履歴記憶部１２２は、広告装置１００が過去に配信した広告コンテンツ（以下、「配信済み広告コンテンツ」と表記する場合がある）に関する配信履歴を記憶する。配信履歴には、配信済み広告コンテンツ毎のインプレッション数が記憶される。また、広告装置１００によって配信制限されたことがある配信済み広告コンテンツの配信履歴には、配信制限に関する制限情報が記憶される。図１の例では、配信履歴記憶部１２２は、制限情報の一例として、配信済み広告コンテンツの配信が停止された期間である停止期間を記憶するものとする。

このような広告装置１００は、図１に示すように、広告主によって利用される広告主装置２０から、入稿予定である広告コンテンツの広告効果を予測する旨の予測要求を受け付ける（ステップＳ１１）。この場合、広告装置１００は、配信済み広告コンテンツのインプレッション数及び入札価格に基づいて、入札価格に対応するインプレッション数を予測する。言い換えれば、広告装置１００は、入札価格とインプレッション数との関係を予測する。

ここで、配信履歴記憶部１２２に配信履歴が記憶されている配信済み広告コンテンツには、広告装置１００によって配信停止されたことがない配信済み広告コンテンツと、配信停止されたことがある配信済み広告コンテンツとが存在する。配信停止されたことがない配信済み広告コンテンツは、そもそも配信停止されていないので、配信履歴記憶部１２２に記憶されているインプレッション数よりも多く配信されていた可能性はない。一方、配信停止されたことがある配信済み広告コンテンツは、広告予算に制約がなければ、実際には配信履歴記憶部１２２に記憶されているインプレッション数よりも多く配信されていた可能性がある。

すなわち、配信履歴に記憶されているインプレッション数は、広告予算等の要因により抑制されている場合がある。したがって、広告装置１００は、単にインプレッション数の実績値を用いた場合には、入札価格に対応するインプレッション数を高精度に予測することができるとは限らない。例えば、入札価格が高額である広告コンテンツほど優先的に配信されるので、入札価格が高額になるほどインプレッション数が増大することが考えられる。しかし、上記の通り、配信停止された広告コンテンツのインプレッション数は抑制される。このため、広告装置１００は、単にインプレッション数の実績値を用いた場合、入札価格が所定額よりも高額になると増加率が低下するようなインプレッション数を予測するおそれがある。このような予測結果を広告主に提供した場合、広告主は、入札価格を所定額よりも高額に設定してもインプレッション数が増加しないと認識することになる。この結果、膨大なインプレッション数を所望する広告主であっても高額な入札価格を設定しないことになるので、広告装置１００の管理者等は、高額な広告収入を得る機会を失うおそれがある。

そこで、実施形態に係る広告装置１００は、以下に説明する処理を行うことにより、入札価格に対応するインプレッション数を高精度に予測することを可能にする。

具体的には、広告装置１００は、配信停止されたことがない配信済み広告コンテンツのインプレッション数を配信履歴記憶部１２２から取得する（ステップＳ１２）。

また、広告装置１００は、配信停止されたことがある配信済み広告コンテンツのインプレッション数及び停止期間を配信履歴記憶部１２２から取得する。そして、広告装置１００は、配信停止されたことがある配信済み広告コンテンツについては、インプレッション数及び停止期間に基づいて、配信停止されなかった場合におけるインプレッション数を推定する（ステップＳ１３）。

ここで、図２を用いて、広告装置１００によるインプレッション数の推定処理について説明する。図２は、実施形態に係る広告装置１００によるインプレッション数の推定処理の一例を示す図である。図２では、１つの広告コンテンツＣ１１における１日の予算消化率と時間との関係を示す。図２に示した消化許容ラインＢ１１は、各時刻における予算消化率の許容値を示す。例えば、広告装置１００は、広告コンテンツＣ１１に対して１日に消化可能な予算を割り当て、割り当てた予算を徐々に消化するような予算消化ラインＢ１１を設定する。また、図２に示した消化実績ラインＲ１１は、広告コンテンツＣ１１の実際の予算消化率を示す。

この例の場合、広告装置１００は、所定時間が経過するたびに、現時点での予算消化率が予算消化ラインＢ１１を超えているか否かを判定する。そして、広告装置１００は、予算消化率が予算消化ラインＢ１１を超えた場合には、広告コンテンツＣ１１の配信を所定時間（例えば、５分や１０分や２０分など）だけ停止する。図２の例の場合、広告装置１００は、期間「ｔ１」及び「ｔ２」において広告コンテンツＣ１１の配信を停止する。また、図２の例では、広告コンテンツＣ１１のインプレッション数の実績値は、「Ｎ」であったものとする。すなわち、広告コンテンツＣ１１は、期間「ｔ１」及び「ｔ２」において配信が停止されており、広告装置１００によって「Ｎ」回だけ配信されたこととなる。この場合、配信履歴記憶部１２２には、広告コンテンツＣ１１の配信履歴として、インプレッション数「Ｎ」と、停止期間「ｔ１」及び「ｔ２」とが記憶される。

このような場合に、広告装置１００は、広告コンテンツＣ１１が停止期間「ｔ１」及び「ｔ２」において配信が停止されなかったものと仮定し、配信停止されなかった場合における広告コンテンツＣ１１のインプレッション数を予測する。例えば、広告装置１００は、１日（２４時間）に対する停止期間「ｔ１」及び「ｔ２」の割合に応じて、停止期間「ｔ１」及び「ｔ２」にインプレッション数を比例分配する。具体的には、停止期間「ｔ１」及び「ｔ２」の総時間がＴ［秒］であるものとすると、広告装置１００は、下記式（１）により、配信停止がなかった場合における広告コンテンツＣ１１のインプレッション数「Ｉｍｐｓ」を予測する。なお、下記式（１）に示す「８６４００」は、１日（２４時間）の秒数である。

このようにして、広告装置１００は、配信履歴記憶部１２２に配信履歴が記憶されている配信済み広告コンテンツのうち、配信停止されたことがある配信済み広告コンテンツについては、配信停止されなかった場合におけるインプレッション数を推定する。

図１の説明に戻って、広告装置１００は、配信停止されたことがない配信済み広告コンテンツのインプレッション数の実績値と、配信停止されたことがある配信済み広告コンテンツのインプレッション数の推測値とを用いて、入札価格に対応するインプレッション数を予測する（ステップＳ１４）。このように、広告装置１００は、配信停止されたことがある配信済み広告コンテンツのインプレッション数の代わりに、配信停止されなかった場合におけるインプレッション数の推測値を用いることで、入札価格に対応するインプレッション数を高精度に予測することができる。

そして、広告装置１００は、予測結果を広告主装置２０に提供する（ステップＳ１５）。例えば、広告装置１００は、ステップＳ１４において予測した入札価格とインプレッション数との関係を広告主装置２０に提供する。これにより、広告主装置２０の広告主は、インプレッション数と入札価格との関係に基づいて、インプレッション数を事前に把握することができる。この結果、広告主は、目標とするインプレッション数に対応する入札価格を設定した上で、広告コンテンツを広告装置１００に入稿することができる。

また、上記例に限られず、広告装置１００は、広告主装置２０から入札価格を受け付けた場合に、予測結果に基づいて、受け付けた入札価格に対応するインプレッション数の予測値を広告主装置２０に提供してもよい。広告主は、インプレッション数の予測値が目標とするインプレッション数異常である場合に、広告コンテンツを広告装置１００に入稿することができる。

このように、実施形態に係る広告装置１００は、単に配信履歴として記憶されているインプレッション数の実績値を用いるのではなく、配信停止されたか否かを考慮したインプレッション数の推測値を用いて、入札価格に対応するインプレッション数を予測する。このため、広告装置１００は、配信停止されたことがある配信済み広告コンテンツの配信履歴を用いる場合であっても、インプレッション数を高精度に予測することができる。

例えば、広告装置１００は、図２を用いて説明したようにインプレッション数を推定することで、入札価格が所定額よりも高額になると増加率が低下するようなインプレッション数を予測することを防止できる。このため、広告装置１００は、予測結果を広告主に提供することにより、入札価格を高額にするほどインプレッション数が増加することを広告主に認識させることができる。この結果、広告装置１００は、膨大なインプレッション数を所望する広告主に対して高額な入札価格を設定させることができるので、高額な広告収入を得る機会を失うことを防止できる。

なお、上記例において、広告装置１００は、配信停止されたことがある配信済み広告コンテンツの配信履歴を用いずに、インプレッション数を予測することも考えられる。しかし、配信停止されたことがある配信済み広告コンテンツが膨大である場合には、予測処理に用いる配信履歴の数は少なくなる。このため、広告装置１００は、配信停止されたことがない配信済み広告コンテンツの配信履歴のみを用いた場合には、インプレッション数を高精度に予測することが困難になる。

以下、上述した広告装置１００の構成及び処理手順について説明する。なお、以下では、インプレッション数の実績値や推測値に加えて、広告コンテンツの特性等も考慮してインプレッション数を予測する処理について説明する。

〔２．広告配信システムの構成〕
次に、図３を用いて、実施形態に係る広告配信システムの構成について説明する。図３は、実施形態に係る広告配信システム１の構成例を示す図である。図３に示すように、広告配信システム１には、端末装置１０と、広告主装置２０と、配信装置３０と、広告装置１００とが含まれる。端末装置１０、広告主装置２０、配信装置３０及び広告装置１００は、ネットワークＮを介して、有線又は無線により通信可能に接続される。なお、図３に示した広告配信システム１には、複数台の端末装置１０や、複数台の配信装置３０や、複数台の広告装置１００が含まれてもよい。

端末装置１０は、例えば、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣや、タブレット型端末や、携帯電話機、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。例えば、端末装置１０は、配信装置３０にアクセスすることで、配信装置３０からウェブページを取得し、取得したウェブページを表示装置（例えば、液晶ディスプレイ）に表示する。また、端末装置１０は、ウェブページに広告枠が含まれる場合には、広告装置１００にアクセスすることで、広告装置１００から広告コンテンツを取得し、取得した広告コンテンツをウェブページ上に表示する。ただし、この例に限られず、端末装置１０は、広告コンテンツを含むウェブページを配信装置３０から取得してもよい。この場合、配信装置３０は、広告装置１００によって配信される広告コンテンツを組み込んだウェブページを端末装置１０に配信する。

広告主装置２０は、広告装置１００に広告配信を依頼する広告主によって利用される情報処理装置である。かかる広告主装置２０は、広告主による操作に従って、広告コンテンツを広告装置１００に入稿する。例えば、広告主装置２０は、静止画像や、動画像や、テキストデータや、広告主が管理する広告主サーバによって提供されるウェブページにアクセスするためのＵＲＬ（Uniform Resource Locator）などに該当する広告コンテンツを広告装置１００に入稿する。

また、広告主は、広告主装置２０を用いて、広告コンテンツを広告装置１００に入稿せずに、広告コンテンツの入稿を代理店に依頼する場合もある。この場合、広告装置１００に広告コンテンツを入稿するのは代理店となる。以下では、「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、「広告主装置」といった表記は、広告主装置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。

配信装置３０は、端末装置１０にウェブページを提供するＷｅｂサーバ等である。かかる配信装置３０は、例えば、ニュースサイト、オークションサイト、天気予報サイト、ショッピングサイト、ファイナンス（株価）サイト、路線検索サイト、地図提供サイト、旅行サイト、飲食店紹介サイト、ウェブブログなどに関する各種ウェブページを提供する。

広告装置１００は、広告主装置２０から入稿された広告コンテンツを配信するサーバ装置である。上記の通り、広告装置１００は、端末装置１０からアクセスされた場合に、広告コンテンツを端末装置１０に配信する。また、広告装置１００は、配信装置３０からアクセスされた場合には、広告コンテンツを配信装置３０に配信する。

〔３．配信装置の構成〕
次に、図４を用いて、実施形態に係る広告装置１００の構成について説明する。図４は、実施形態に係る広告装置１００の構成例を示す図である。図４に示すように、広告装置１００は、通信部１１０と、広告コンテンツ記憶部１２１と、配信履歴記憶部１２２と、制御部１３０とを有する。なお、広告装置１００は、広告装置１００を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

〔３−１．通信部〕
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。かかる通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、端末装置１０や広告主装置２０や配信装置３０との間で情報の送受信を行う。

〔３−２．記憶部〕
広告コンテンツ記憶部１２１及び配信履歴記憶部１２２は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。

〔３−３．広告コンテンツ記憶部〕
広告コンテンツ記憶部１２１は、広告主装置２０から入稿された広告コンテンツを記憶する。ここで、図５に、実施形態に係る広告コンテンツ記憶部１２１の一例を示す。図５に示した例では、広告コンテンツ記憶部１２１は、「広告主ＩＤ」、「広告コンテンツ」、「入札価格」、「クリック単価（ＣＰＣ：Cost Per Click）」、「配信期間」、「広告予算」、「累積課金額」、「ターゲティング条件」、「ＣＴＲ（Click Through Rate）」といった項目を有する。

「広告主ＩＤ」は、広告主又は広告主装置２０を識別するための識別情報を示す。「広告コンテンツ」は、広告主装置２０から入稿された広告コンテンツを示す。広告コンテンツ記憶部１２１には、例えば、広告装置１００によって過去に配信されたものの今後は配信されない広告コンテンツや、現在も配信中の広告コンテンツや、今後配信される予定である広告コンテンツなどが記憶される。なお、図５の例では、「広告コンテンツ」に、「Ｃ１１」や「Ｃ１２」といった概念的な情報が格納される例を示したが、実際には、静止画像や動画像やテキストデータやＵＲＬ、又は、これらの格納場所を示すファイルパス名などが記憶される。

「入札価格」は、広告主が広告コンテンツを入稿する際に設定する広告料金の単価を示す。「クリック単価」は、広告コンテンツがユーザに１回クリックされた際に、広告配信者（例えば、広告装置１００の管理者）が広告主に課金する金額の単価（例えば、単位は「円」）に該当する。なお、「入札価格」と「クリック単価」とは同一であってもよい。ここでは、「クリック単価」は、複数の入札者の「入札価格」によるオークションによって決定される。例えば、「ｎ」位の入札者の「クリック単価」は、「ｎ＋１」位の入札者の入札価格となる。このようなクリック単価の決定手法は、ＧＳＰ（Generalized Second Price Auction）等と呼ばれる。

「配信期間」は、広告主が広告コンテンツを入稿する際に設定する情報であって、広告コンテンツが配信される期間を示す。「広告予算」は、広告主が広告コンテンツを入稿する際に設定する情報であって、広告主が広告配信者に支払う広告料金（すなわち、累積課金額）の上限値を示す。「累積課金額」は、現時点において広告主に課金される広告料金を示し、広告コンテンツがクリックされた回数にクリック単価が乗算された値に該当する。「ターゲティング条件」は、広告主が広告コンテンツを入稿する際に設定する情報であって、広告コンテンツの配信対象となるユーザの条件を示す。例えば、「ターゲティング条件」には、広告コンテンツの配信対象とするユーザのユーザ属性が記憶される。

「ＣＴＲ」は、端末装置１０のユーザに広告コンテンツが選択（例えば、クリック）されたか否かを示し、選択された回数（すなわち、クリック数）をインプレッション数によって除算した値に該当する。この「ＣＴＲ」には、端末装置１０に配信されたことがある広告コンテンツについてのみ記憶される。なお、端末装置１０に配信されたことがない広告コンテンツの「ＣＴＲ」には、予め決められている固定値や、全広告コンテンツにおけるＣＴＲの平均値や、同一の広告カテゴリ（例えば、車、旅行）に属する全広告コンテンツにおけるＣＴＲの平均値などが記憶されてもよい。

すなわち、図５では、広告主ＩＤ「Ａ１０」によって識別される広告主が、入札価格「１５０円」、配信期間「２０１３年９月１日〜２０１３年１２月３１日」、広告予算「４０万円」及びターゲティング条件「男性、１０代」を設定するとともに、広告コンテンツＣ１１を入稿した例を示している。また、図５では、現時点において、広告コンテンツＣ１１の課金額が「２０万円」に達しており、広告コンテンツＣ１１のＣＴＲが「０．００４」である例を示している。

〔３−４．配信履歴記憶部〕
配信履歴記憶部１２２は、広告装置１００によって過去に配信された広告コンテンツ（すなわち、配信済み広告コンテンツ）に関する配信履歴を記憶する。ここで、図６に、実施形態に係る配信履歴記憶部１２２の一例を示す。なお、配信履歴記憶部１２２は、図６に示した例のようにデータベースにおけるテーブルにより構成されてもよいが、配信履歴が書き込まれるテキストファイル等であってもよい。図６に示した例では、配信履歴記憶部１２２は、「配信日時」、「広告コンテンツ」、「インプレッション数」、「停止期間」、「ＣＴＲ」、「クリック単価」、「ターゲティング条件」といった項目を有する。

「配信日時」は、広告コンテンツが配信された日時を示す。「広告コンテンツ」は、広告装置１００によって配信された広告コンテンツを示す。「インプレッション数」は、広告装置１００によって広告コンテンツが端末装置１０に配信された回数を示す。すなわち、「インプレッション数」は、ウェブページ等に広告コンテンツが表示された回数を示す。「停止期間」は、広告装置１００によって広告コンテンツの配信が停止された期間を示す。具体的には、「停止期間」には、配信停止の開始時刻である配信停止開始時刻と、配信停止の終了時刻である配信停止終了時刻とが記憶される。

「ＣＴＲ」は、図５に示したＣＴＲと同様である。ただし、広告コンテンツ記憶部１２１のＣＴＲには、全配信数に対するクリック数の割合が記憶されるのに対して、配信履歴記憶部１２２のＣＴＲには、配信日時における配信数に対するクリック数の割合が記憶される。「クリック単価」は、図５に示したクリック単価と同様である。「ターゲティング条件」は、図５に示したターゲティング条件と同様である。

ここで、広告主は、配信中の広告コンテンツにおける入札価格やターゲティング条件を変更する場合がある。このため、配信中の広告コンテンツにおけるクリック単価も変動する場合がある。広告コンテンツ記憶部１２１には、最新のクリック単価やターゲティング条件が記憶されるが、配信履歴記憶部１２２には、配信日時において設定されていたクリック単価やターゲティング条件が記憶される。

なお、図６に示した配信履歴記憶部１２２は、１日毎に、広告装置１００によって配信された各広告コンテンツの配信履歴を記憶するものとする。例えば、図６に示すように、配信履歴記憶部１２２は、「２０１３年１１月１日」及び「２０１３年１１月２日」の双方において配信されている広告コンテンツＣ１１の配信履歴を異なるレコードで記憶する。ただし、この例に限られず、配信履歴記憶部１２２は、１時間毎や、１２時間毎や、１週間毎に配信履歴を記憶してもよい。

すなわち、図６では、「２０１３年１１月１日」に配信された広告コンテンツＣ１１のインプレッション数が「７０００回」であり、停止期間が「１２時３０分〜１２時５０分」及び「１９時３０分〜１９時５０分」であり、ＣＴＲが「０．００４」である例を示す。このように、広告コンテンツは、１日に何度も配信停止される場合がある。なお、停止期間「１２時３０分〜１２時５０分」のうち、「１２時３０分」は、配信停止開始時刻を示し、「１２時５０分」は、配信停止終了時刻を示す。また、図６では、広告コンテンツＣ１３が「２０１３年１１月１日」に配信停止されなかった例を示す。このように、広告コンテンツは、配信停止されない場合もある。

〔３−５．制御部〕
図４の説明に戻って、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、広告装置１００内部の記憶装置に記憶されている各種プログラム（予測プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図４に示すように、制御部１３０は、受信部１３１と、配信部１３２と、入稿受付部１３３と、取得部１３４と、推定部１３５と、予測部１３６と、提供部１３７とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図４に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図４に示した接続関係に限られず、他の接続関係であってもよい。

〔３−６．受信部〕
受信部１３１は、端末装置１０や配信装置３０から広告コンテンツの取得要求を受信する。例えば、受信部１３１は、ＨＴＴＰ（Hypertext Transfer Protocol）リクエスト等により、広告コンテンツの取得要求を受信する。

なお、受信部１３１に広告コンテンツの取得要求を送信する装置は、配信装置３０によって配信されるウェブページによって異なる。例えば、広告装置１００にアクセスするためのＵＲＬが埋め込まれたウェブページが端末装置１０に配信される場合、受信部１３１は、端末装置１０から広告コンテンツの取得要求を受信する。また、広告コンテンツが既に埋め込まれたウェブページが端末装置１０に配信される場合、受信部１３１は、配信装置３０から広告コンテンツの取得要求を受信する。

〔３−７．配信部〕
配信部１３２は、受信部１３１によって広告コンテンツの取得要求が受信された場合に、広告コンテンツ記憶部１２１に記憶されている広告コンテンツのいずれかを配信する。具体的には、配信部１３２は、広告コンテンツ記憶部１２１に記憶されている広告コンテンツから、現在日時が配信期間に含まれる広告コンテンツを配信候補の広告コンテンツとして抽出する。そして、配信部１３２は、配信候補の広告コンテンツの中から、クリック単価やＣＴＲやターゲティング条件に応じて、配信対象の広告コンテンツを決定する。

より具体的に説明すると、配信部１３２は、配信候補の広告コンテンツのうち、クリック単価（すなわち、入札価格）が高額である広告コンテンツほど優先的に配信する。また、配信部１３２は、配信候補の広告コンテンツのうち、ＣＴＲが高い広告コンテンツほど優先的に配信する。また、配信部１３２は、配信候補の広告コンテンツのうち、ターゲティング条件が配信先の端末装置１０のユーザ属性と一致する広告コンテンツを優先的に配信する。例えば、配信部１３２は、ターゲティング条件とユーザ属性が一致する広告コンテンツのうち、「クリック単価」及び「ＣＴＲ」の乗算結果又は加算結果が最も高い広告コンテンツを配信する。

なお、配信部１３２は、広告コンテンツ記憶部１２１に記憶されている実際のＣＴＲ自体を用いるのではなく、所定の手法により予測したＣＴＲを用いてもよい。例えば、配信部１３２は、過去に配信された広告コンテンツの種別や、広告コンテンツが表示されるウェブページの種別や、過去のＣＴＲ等に基づいて予測されるＣＴＲを用いてもよい。

そして、配信部１３２は、広告コンテンツを配信した場合に、配信履歴記憶部１２２の「インプレッション数」、「クリック単価」及び「ターゲティング条件」を更新する。また、配信部１３２は、端末装置１０のユーザによって広告コンテンツがクリックされた場合に、クリックしたことを示すクリック通知を端末装置１０から受け付ける。この場合、配信部１３２は、クリック通知に基づいて、広告コンテンツ記憶部１２１の「累積課金額」及び「ＣＴＲ」を更新するとともに、配信履歴記憶部１２２の「ＣＴＲ」を更新する。

また、配信部１３２は、広告コンテンツ毎に、広告予算及び累積課金額に応じて、広告コンテンツの配信を停止する処理を行う。例えば、配信部１３２は、広告予算を配信期間の日数で除算することにより１日当たりの広告予算を算出し、図２に例示したような消化許容ラインＢ１１を設定する。そして、配信部１３２は、広告予算が徐々に消化されるように、広告予算の消化率に応じて広告コンテンツの配信を一定期間だけ停止する。そして、配信部１３２は、広告コンテンツの配信停止処理を行った場合には、配信履歴記憶部１２２の「停止期間」を更新する。例えば、配信部１３２は、配信停止処理を開始した時刻である配信停止開始時刻と、配信停止処理を終了した時刻である配信停止終了時刻とを配信履歴記憶部１２２の「停止期間」に格納する。

〔３−８．入稿受付部〕
入稿受付部１３３は、広告主装置２０から広告コンテンツの入稿を受け付け、受け付けた広告コンテンツを広告コンテンツ記憶部１２１に格納する。具体的には、入稿受付部１３３は、入札価格、配信期間、広告予算及びターゲティング条件とともに広告コンテンツの入稿を受け付け、入稿された広告コンテンツに対応付けて、入札価格、配信期間、広告予算及びターゲティング条件を広告コンテンツ記憶部１２１に格納する。このとき、入稿受付部１３３は、広告コンテンツの入稿元である広告主に対応する広告主ＩＤについても広告コンテンツ記憶部１２１に格納する。

また、実施形態に係る入稿受付部１３３は、広告主装置２０から、入稿予定の広告コンテンツにおける広告効果を予測する旨の予測要求を受け付ける。例えば、入稿受付部１３３は、入稿予定の広告コンテンツ、広告予算及びターゲティング条件を含む予測要求を受け付ける。また、例えば、入稿受付部１３３は、広告予算及びターゲティング条件に加えて入札価格を含む予測要求を受け付ける。そして、入稿受付部１３３は、広告主装置２０から予測要求を受け付けた場合には、広告効果を予測するよう取得部１３４に指示する。

〔３−９．取得部〕
取得部１３４は、入稿受付部１３３から広告効果を予測するよう指示された場合に、配信履歴記憶部１２２から、各種情報を取得する。図６の例の場合、取得部１３４は、配信履歴記憶部１２２から、配信日時毎かつ広告コンテンツ毎の配信履歴を取得する。以下では、配信日時毎かつ広告コンテンツ毎に特定される１つの配信履歴（インプレッション数、停止期間、ＣＴＲ、クリック単価、ターゲティング条件の組合せ）を「配信履歴レコード」と表記する場合がある。なお、取得部１３４は、配信履歴記憶部１２２に記憶されている全ての配信履歴レコードではなく、配信日時が所定期間（例えば、現在日から所定日数だけ過去日までの期間）に含まれる配信履歴レコードのみを取得してもよい。

〔３−１０．推定部〕
推定部１３５は、取得部１３４によって取得されたインプレッション数及び停止期間を用いて、配信が停止されなかった場合における配信済み広告コンテンツのインプレッション数を推定する。具体的には、推定部１３５は、取得部１３４によって取得された配信履歴レコードのうち、配信停止されたことがある配信済み広告コンテンツに対応する配信履歴レコードを処理対象として抽出する。そして、推定部１３５は、処理対象の配信履歴レコード毎に、配信停止されなかった場合におけるインプレッション数を推定する。例えば、推定部１３５は、上記式（１）を用いて、インプレッション数を推定する。

推定部１３５による推定処理について一例を挙げて説明する。ここでは、配信履歴記憶部１２２が図６に示した状態であるものとする。この場合、取得部１３４は、配信日時「２０１３年１１月１日」かつ広告コンテンツＣ１１に対応する配信履歴レコードとして、インプレッション数「７０００」と、停止期間「１２時３０分〜１２時５０分、１９時３０分〜１９時５０分」とを取得する。この例の場合、停止期間における総時間は、「２４００秒（４０分）」である。このため、上記式（１）のＴは「２４００」となり、上記式（１）のＮは「７０００」となる。このため、推定部１３５は、配信停止されなかった場合における広告コンテンツＣ１１のインプレッション数を「７２００」と推定する。同様にして、推定部１３５は、配信日時「２０１３年１１月１日」である広告コンテンツＣ１２のインプレッション数と、配信日時「２０１３年１１月２日」である広告コンテンツＣ１１及びＣ１２のインプレッション数とを推定する。

〔３−１１．予測部〕
予測部１３６は、取得部１３４によって取得された配信履歴レコードと、推定部１３５によって推定されたインプレッション数とを用いて、任意の広告コンテンツにおける広告効果を予測する。実施形態に係る予測部１３６は、入稿受付部１３３によって受け付けられた入稿予定の広告コンテンツにおけるインプレッション数を広告効果として予測する。具体的には、予測部１３６は、入稿予定の広告コンテンツについて、入札価格とインプレッション数との関係を予測するための予測モデルを生成する。さらに、予測部１３６は、入稿受付部１３３によって受け付けられた広告予算を用いて、広告予算によって制約されるインプレッション数の上限値（以下、「最大インプレッション数」と表記する場合がある）を予測する。以下、予測部１３６による処理について、「予測モデルの生成処理」、「最大インプレッション数の予測処理」の順に説明する。なお、以下では、予測部１３６が１日当たりのインプレッション数を予測する場合を例に挙げて説明する。

〔３−１１（１）．予測モデルの生成処理〕
まず、予測部１３６による「予測モデルの生成処理」について説明する。予測部１３６は、配信履歴レコードに含まれるインプレッション数を従属変数（目的変数）とし、配信履歴レコードに含まれる各種情報を独立変数（説明変数）として回帰分析を行うことにより、入札価格とインプレッション数との関係を予測するための予測モデルを生成する。具体的には、予測部１３６は、取得部１３４によって取得された配信履歴レコード毎に、下記式（２）に各種情報を代入する。

上記式（２）のうち、「Ｉｍｐｓ_１」は、配信履歴レコードに含まれるインプレッション数を示す。また、「Ｃ」は、切片（定数項）を示す。また、「Ａ」は、定数を示す。また、「ｅＣＰＭ（effective Cost Per Mill）」は、広告コンテンツの価値を示す指標値の一例であって、配信履歴レコードに含まれる「クリック単価（ＣＰＣ）」と「ＣＴＲ」の乗算結果に、「１０００」を更に乗算した値に該当する。すなわち、「ｅＣＰＭ」＝「ＣＰＣ・ＣＴＲ・１０００」となる。

また、「ｘ_ｍ」（ｍ＝１、２、・・・、ｎ）は、広告コンテンツの特性が割り当てられており、広告コンテンツが特性を有するか否かを示す。例えば、「ｘ_ｍ」にターゲティング条件「男性」が割り当てられているものとする。この場合、予測部１３６は、配信履歴レコードにターゲティング条件「男性」が含まれる場合には、「ｘ_ｍ」に「１」を代入する。一方、予測部１３６は、配信履歴レコードにターゲティング条件「男性」が含まれない場合には、「ｘ_ｍ」に「０」を代入する。また、この例に限られず、「ｘ_ｍ」には、広告コンテンツのカテゴリやタイトル等が割り当てられる場合がある。この場合、配信履歴レコードに対応する広告コンテンツのカテゴリやタイトル等に基づいて、「ｘ_ｍ」に「０」又は「１」を代入する。「ｗ_ｍ」（ｍ＝１、２、・・・、ｎ）は、「ｘ_ｍ」の係数を示す。

ここで、予測部１３６は、配信停止されたことがある配信済み広告コンテンツに対応する配信履歴レコードが処理対象である場合には、上記式（２）の「Ｉｍｐｓ_１」には、推定部１３５によって推定されたインプレッション数を代入する。例えば、図６の例において、予測部１３６は、配信日時「２０１３年１１月１日」かつ広告コンテンツＣ１１に対応する配信履歴レコードに含まれる各種情報を上記式（２）に代入するものとする。この場合、予測部１３６は、上記式（２）の「Ｉｍｐｓ_１」には、「７０００」ではなく、上記例のように推定部１３５によって推定された「７２００」を代入する。

同様にして、予測部１３６は、取得部１３４によって取得された配信履歴レコード毎に、各種情報を上記式（２）に代入する。すなわち、取得部１３４によって１０００個の配信履歴レコードが取得された場合には、予測部１３６は、各種情報が代入された上記式（２）を１０００個生成することになる。そして、予測部１３６は、配信履歴レコード毎に生成した複数の上記式（２）を回帰分析（例えば、重回帰分析）することにより、上記式（２）の「Ｃ」、「Ａ」、「ｗ_ｍ」（ｍ＝１、２、・・・、ｎ）を求める。そして、予測部１３６は、求めた「Ｃ」、「Ａ」、「ｗ_ｍ」を代入した後の上記式（２）を下記式（３）に変換する。

さらに、上記式（３）に含まれる「ｅＣＰＭ」＝「ＣＰＣ・ＣＴＲ・１０００」であるので、予測部１３６は、上記式（３）を下記式（４）に変換する。なお、下記式（４）では、「Ｃ」、「Ａ」、「ｗ_ｍ」と表記するが、実際には、予測部１３６は、回帰分析により求めた値を「Ｃ」、「Ａ」、「ｗ_ｍ」に代入する。

そして、予測部１３６は、入稿受付部１３３によって受け付けられた入稿予定の広告コンテンツが過去に配信されたことがある場合には、過去のＣＴＲの平均値などを上記式（４）の「ＣＴＲ」に代入する。また、予測部１３６は、入稿予定の広告コンテンツが過去に配信されたことがない場合には、所定の手法により予測した値を上記式（４）の「ＣＴＲ」に代入する。例えば、予測部１３６は、入稿予定の広告コンテンツとカテゴリが同一である配信済み広告コンテンツを特定し、特定した配信済み広告コンテンツにおけるＣＴＲの平均値等を上記式（４）の「ＣＴＲ」に代入する。

また、予測部１３６は、入稿受付部１３３によって受け付けられたターゲティング条件や、入稿予定の広告コンテンツのカテゴリやタイトル等に基づいて、上記式（４）の「ｘ_ｍ」（ｍ＝１、２、・・・、ｎ）に「０」又は「１」を代入する。例えば、「ｘ_ｍ」にターゲティング条件「男性」が割り当てられており、入稿受付部１３３によって受け付けられたターゲティング条件に「男性」が含まれているものとする。この場合、予測部１３６は、「ｘ_ｍ」に「１」を代入する。一方、この例において、入稿受付部１３３によって受け付けられたターゲティング条件に「男性」が含まれていないものとする。この場合、予測部１３６は、「ｘ_ｍ」に「０」を代入する。

ここで、「ＣＰＣ（クリック単価）」は、広告コンテンツ記憶部１２１に記憶されている広告コンテンツに関する情報に基づいて、「入札価格」を変数とする所定の推定式に基づいて推定される。例えば、「ＣＰＣ」と「入札価格（Ｂｉｄ）」との関係は、下記式（５）によって表される。

上記式（５）のうち、「Ｂｉｄ」は、入札価格を示す。また、「Ｆ」は、所定の推定関数を示す。すなわち、上記式（５）を上記式（４）に代入した場合、上記式（４）において未知数となるのは、左辺の「Ｉｍｐｓ_１（インプレッション数）」と、右辺の「Ｂｉｄ（入札価格）」となる。このようにして、予測部１３６は、入札価格とインプレッション数との関係を予測するための予測モデルを生成する。

ここの例では、配信履歴記憶部１２２に１日毎のインプレッション数が記憶されるので、上記式（４）は、１日（２４時間）のインプレッション数を予測するための予測モデルとなる。なお、上記式（４）により表される予測モデルは、入稿受付部１３３によって受け付けられた広告予算が考慮されていない。

〔３−１１（２）．最大インプレッション数の予測処理〕
続いて、予測部１３６による「最大インプレッション数の予測処理」について説明する。まず、「広告予算」と「ＣＰＣ（クリック単価）」と「クリック数」との関係は、下記式（６）により表される。

また、「クリック数」は、「ＣＴＲ」と「インプレッション数（Ｉｍｐｓ_２）」を含む下記式（７）により表される。

すなわち、上記式（６）に上記式（７）を代入することにより、インプレッション数（Ｉｍｐｓ_２）は、下記式（８）により表される。

実施形態に係る予測部１３６は、入稿予定の広告コンテンツにおける最大インプレッション数として、上記式（８）の右辺の値を用いる。このとき、予測部１３６は、入稿受付部１３３によって受け付けられた広告予算を上記式（８）に代入する。また、予測部１３６は、入稿予定の広告コンテンツが過去に配信されたことがある場合には、過去のＣＰＣの平均値やＣＴＲの平均値を上記式（８）の「ＣＰＣ」及び「ＣＴＲ」に代入する。また、予測部１３６は、入稿予定の広告コンテンツが過去に配信されたことがない場合には、所定の手法により予測した値を上記式（８）の「ＣＰＣ」及び「ＣＴＲ」に代入する。例えば、予測部１３６は、入稿予定の広告コンテンツとカテゴリが同一である配信済み広告コンテンツのＣＰＣの平均値やＣＴＲの平均値を用いる。なお、予測部１３６は、入稿受付部１３３によって入札価格が受け付けられている場合には、かかる入札価格を上記式（８）の「ＣＰＣ」に代入してもよい。

なお、上記式（８）により算出されるインプレッション数は、広告予算を消化可能な配信期間における最大インプレッション数に該当する。例えば、広告主が１日当たりの広告予算を設定した場合には、予測部１３６は、上記式（８）により、１日（２４時間）における最大インプレッション数を求めることができる。ただし、広告主は、必ずしも日単位の広告予算を設定するのではなく、所定の期間における広告予算を設定する場合がある。例えば、広告主は、週単位の広告予算や、月単位の広告予算を設定する場合がある。この場合、予測部１３６は、広告主によって設定された広告予算を、かかる広告予算に割り当てられた日数により除算することで、日単位の広告予算を求めることができる。そして、予測部１３６は、日単位の広告予算を上記式（８）に代入することで、１日の最大インプレッション数を予測することができる。ただし、この例に限られず、予測部１３６は、週単位の広告予算が設定された場合には、１週間の最大インプレッション数を予測し、月単位の広告予算が設定された場合には、１ヶ月の最大インプレッション数を予測してもよい。

〔３−１１（３）．予測処理〕
このようにして、予測部１３６は、入稿受付部１３３によって受け付けられた入稿予定の広告コンテンツについて、入札価格とインプレッション数との関係を示す予測モデルを生成するとともに、最大インプレッション数を予測する。そして、予測部１３６は、予測モデルによって予測されるインプレッション数と、上記式（８）によって予測される最大インプレッション数とのうち、少ないインプレッション数を予測結果とする。すなわち、予測部１３６は、下記式（９）の結果を予測結果とする。

例えば、入稿受付部１３３によって入稿予定の広告コンテンツ、広告予算及びターゲティング条件が受け付けられたものの、入札価格が受け付けられていないものとする。この場合、予測部１３６は、上記式（４）によって表される入札価格とインプレッション数との関係と、上記式（８）によって算出した最大インプレッション数を予測結果とする。

また、例えば、入稿受付部１３３によって、入稿予定の広告コンテンツと、広告予算及びターゲティング条件に加えて入札価格（Ｂｉｄ）が受け付けられたものとする。この場合、予測部１３６は、上記式（５）により求まるＣＰＣを上記式（４）に代入する。そして、予測部１３６は、上記式（９）に基づいて、上記式（４）の予測値と、上記式（８）により求まる最大インプレッション数のうち、小さいインプレッション数を予測結果とする。

ここで、図７及び図８に、実施形態に係る予測部１３６による予測結果の一例を示す。図７は、参考として、上記式（２）に対応するグラフを示す。また、図８は、上記式（４）に対応するグラフを示す。

図７の縦軸は、インプレッション数の対数を示す。また、図７の横軸は、上記式（２）の右辺に含まれる「ｌｏｇ（ｅＣＰＭ）」の値を示す。そして、図７に示した直線グラフｇ１１は、上記式（２）を示す。また、図７に示した直線グラフＬ１１は、上記式（８）の右辺によって表される最大インプレッション数の対数を示す。図７では、直線グラフＬ１１が１日における最大インプレッション数を示すものとする。すなわち、上記式（９）によって表される予測結果の対数は、図７に太線で示した予測結果グラフｇ１２に該当する。なお、ここでは、上記式（２）に含まれる定数「Ａ」が「０＜Ａ＜１」であるものとする。

また、図８の縦軸は、インプレッション数を示す。すなわち、図８の縦軸は、１日におけるインプレッション数の予測値を示す。また、図８の横軸は、上記式（５）が代入された上記式（４）の右辺に含まれる「Ｂｉｄ（入札価格）」を示す。

そして、図８に示した曲線グラフｇ２１は、上記式（４）によって表される予測モデルに該当する。また、図８に示した直線グラフＬ２１は、上記式（８）の右辺によって表される最大インプレッション数を示す。すなわち、上記式（９）によって表される予測結果は、図７に太線で示した予測結果グラフｇ２２に該当する。

図８に示すように、予測部１３６は、入札価格の増加に応じて増加するようなインプレッション数を予測する。また、予測部１３６は、広告主によって設定された広告予算に応じて、インプレッション数の上限値（最大インプレッション数）を予測する。

〔３−１２．提供部〕
図４の説明に戻って、提供部１３７は、予測部１３６によって予測された予測結果を広告主装置２０に提供する。例えば、提供部１３７は、入稿受付部１３３によって入札価格が受け付けられていない場合には、図８に例示した予測結果ｇ２２を広告主装置２０に提供する。また、例えば、提供部１３７は、入稿受付部１３３によって入札価格が受け付けられている場合には、上記式（９）により予測されたインプレッション数を広告主装置２０に提供する。

なお、広告主装置２０は、提供部１３７から予測結果を受信した後に、広告コンテンツを正式に入稿することができる。すなわち、広告主は、広告コンテンツを正式に入稿する前に、入稿予定の広告コンテンツや広告予算等を広告装置１００に送信することで、インプレッション数の予測値を把握することができ、その後に、広告コンテンツを正式に入稿することができる。

〔４．予測処理手順〕
次に、図９を用いて、実施形態に係る広告装置１００による予測処理の手順について説明する。図９は、実施形態に係る広告装置１００による予測処理手順を示すフローチャートである。

図９に示すように、入稿受付部１３３は、広告主装置２０から広告効果の予測要求を受け付けたか否かを判定する（ステップＳ１０１）。そして、入稿受付部１３３は、予測要求を受け付けていない場合には（ステップＳ１０１；Ｎｏ）、予測要求を受け付けるまで待機する。

一方、入稿受付部１３３によって予測要求が受け付けられた場合（ステップＳ１０１；Ｙｅｓ）、取得部１３４は、配信履歴記憶部１２２から配信履歴レコードを取得する（ステップＳ１０２）。なお、ステップＳ１０１において、入稿受付部１３３は、広告主装置２０から、入稿予定の広告コンテンツや、広告予算や、ターゲティング条件などを受け付ける。

続いて、推定部１３５は、取得部１３４によって取得された配信履歴レコードに対応する配信済み広告コンテンツが配信停止されたことがあるか否かを判定する（ステップＳ１０３）。そして、推定部１３５は、配信停止されたことがある場合には（ステップＳ１０３；Ｙｅｓ）、配信履歴レコードに含まれる停止期間に基づいて、配信停止されなかった場合における配信済み広告コンテンツのインプレッション数を推定する（ステップＳ１０４）。

続いて、推定部１３５は、ステップＳ１０２において取得された全ての配信履歴レコードについて処理済みであるか否かを判定する（ステップＳ１０５）。そして、推定部１３５は、全ての配信履歴レコードについて処理済みでない場合には（ステップＳ１０５；Ｎｏ）、未処理の配信履歴レコードについてステップＳ１０３及びＳ１０４における処理を行う。

一方、推定部１３５によって全ての配信履歴レコードについて処理された場合に（ステップＳ１０５；Ｙｅｓ）、予測部１３６は、推定部１３５によって推定されたインプレッション数を用いて、上記式（４）によって表される予測モデルを生成する（ステップＳ１０６）。また、予測部１３６は、ステップＳ１０１において受け付けられた広告予算に基づいて、最大インプレッション数を予測する（ステップＳ１０７）。

そして、提供部１３７は、ステップＳ１０１において受け付けた予測要求の送信元である広告主装置２０に対して、予測部１３６による予測結果を提供する（ステップＳ１０８）。例えば、提供部１３７は、図８に例示した予測結果グラフｇ２２のような予測結果を広告主装置２０に提供する。

〔５．効果〕
上述してきたように、実施形態に係る広告装置１００は、取得部１３４と、推定部１３５と、予測部１３６とを有する。取得部１３４は、過去に配信された配信済み広告コンテンツの広告効果と、かかる配信済み広告コンテンツの配信が制限された情報である制限情報（例えば、停止期間）とを含む配信履歴を取得する。また、推定部１３５は、取得部１３４によって取得された配信履歴に含まれる広告効果及び制限情報に基づいて、配信が制限されなかった場合における配信済み広告コンテンツの広告効果を推定する。また、予測部１３６は、推定部１３５によって推定された広告効果に基づいて、任意の広告コンテンツ（例えば、入稿受付部１３３によって受け付けられた予測対象の広告コンテンツ）における広告効果（例えば、インプレッション数）を予測する。

これにより、実施形態に係る広告装置１００は、配信停止されたことがある配信済み広告コンテンツの配信履歴を用いる場合であっても、広告効果を高精度に予測することができる。

また、実施形態に係る取得部１３４は、制限情報として、配信済み広告コンテンツの配信が停止された期間である停止期間を含む配信履歴を取得する。また、推定部１３５は、停止期間に基づいて、配信が停止されなかった場合における配信済み広告コンテンツの広告効果を推定する。

これにより、実施形態に係る広告装置１００は、配信済み広告コンテンツが配信停止されたことがある場合であっても、広告効果を高精度に予測することができる。

また、実施形態に係る取得部１３４は、配信済み広告コンテンツが配信された期間である配信期間をさらに含む配信履歴を取得する。また、推定部は、配信期間に対する停止期間の割合に応じて、配信済み広告コンテンツの広告効果を推定する。

このように、実施形態に係る広告装置１００は、停止期間にインプレッション数等の広告効果を比例分配することで、広告効果を高精度に予測することができる。

また、実施形態に係る予測部１３６は、予測対象の広告コンテンツの広告主に課金される広告料金の予算に基づいて、予測対象の広告コンテンツにおける広告効果の上限を予測する。

これにより、実施形態に係る広告装置１００は、広告予算により制約される広告効果を予測することができる。

〔６．変形例〕
上述した広告装置１００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、広告装置１００の他の実施形態について説明する。

〔６−１．インプレッション数の推定処理〕
上記実施形態では、図２を用いて説明したように、推定部１３５が、停止期間にインプレッション数を比例分配することで、配信停止がなかった場合における配信済み広告コンテンツのインプレッション数を推定する例を示した。しかし、推定部１３５は、他の手法により、配信停止がなかった場合における配信済み広告コンテンツのインプレッション数を推定してもよい。

この点について具体的に説明する。一般に、広告コンテンツの配信態様が異なる場合には、配信態様毎に、各時刻におけるインプレッション数の分布（以下、「インプレッション数の時間分布」とする）は異なる。例えば、インプレッション数の時間分布は、常に一定ではなく、時間帯に応じて異なる。また、一般に、インプレッション数の時間分布は、曜日によって異なる。一例を挙げて説明すると、平日に配信された広告コンテンツのインプレッション数と、休日に配信された広告コンテンツのインプレッション数とは、同じ時間帯であっても異なる場合がある。そこで、広告装置１００は、例えば、平日におけるインプレッション数の時間分布と、休日におけるインプレッション数の時間分布とを蓄積しておいてもよい。そして、推定部１３５は、各時間分布のうち、配信済み広告コンテンツが配信された曜日に対応する時間分布に基づいて、かかる配信済み広告コンテンツのインプレッション数を推定してもよい。

図１０及び図１１に例を挙げて説明する。図１０及び図１１は、変形例に係る広告装置１００によるインプレッション数の推定処理の一例を示す図である。図１０及び図１１に示したグラフは、１秒毎に測定されたインプレッション数の平均値を示す。ただし、図１０のグラフは、平日に測定されたインプレッション数に基づいて形成され、図１１は、休日に測定されたインプレッション数に基づいて形成される。例えば、広告装置１００は、配信部１３２によって配信された広告コンテンツの数を１秒毎に計数し、計数結果を配信可能な広告コンテンツの総数により除算することで、１つの広告コンテンツにおけるインプレッション数（すなわち、配信数）の平均値を算出する。そして、広告装置１００は、このような処理を平日と休日に分けて行うことで、図１０及び図１１に示したインプレッション数の時間分布を蓄積する。

この場合、取得部１３４は、推定部１３５によってインプレッション数の推定処理が行われる場合に、広告装置１００によって蓄積されたインプレッション数の時間分布（図１０や図１１を参照）を取得する。ここで、推定部１３５が、平日に配信された配信済み広告コンテンツを処理対象とするものとする。このとき、推定部１３５は、取得部１３４によって取得されたインプレッション数の時間分布のうち、平日に対応するインプレッション数の時間分布（図１０）を参照する。そして、処理対象の配信済み広告コンテンツは、図１０に示した配信停止開始時刻ｔ１１に配信が停止され、配信停止終了時刻ｔ１２に配信が再開されたものとする。さらに、処理対象の配信済み広告コンテンツは、図１０に示した配信停止開始時刻ｔ１３に配信が停止され、配信停止終了時刻ｔ１４に配信が再開されたものとする。この場合、推定部１３５は、停止期間ｔ３（＝ｔ１２−ｔ１１）におけるインプレッション数の総数を算出する。そして、推定部１３５は、図１０に示したグラフに基づいて、１秒毎のインプレッション数を全て加算することで、１日（２４時間）のインプレッション数の総数を算出する。そして、推定部１３５は、１日のインプレッション数の総数に対する停止期間ｔ３におけるインプレッション数の総数の割合Ｘ_１％を算出する。同様に、推定部１３５は、停止期間ｔ４（＝ｔ１４−ｔ１３）におけるインプレッション数の総数を算出する。そして、推定部１３５は、１日におけるインプレッション数の総数に対する停止期間ｔ４におけるインプレッション数の総数の割合Ｘ_２％を算出する。そして、推定部１３５は、配信済み広告コンテンツのインプレッション数の実績値をＮとし、上記の割合Ｘ_１及びＸ_２の和をＸ（＝Ｘ_１＋Ｘ_２）として、下記式（１０）により、処理対象の配信済み広告コンテンツのインプレッション数を推定する。

また、例えば、推定部１３５が、休日に配信された配信済み広告コンテンツを処理対象とするものとする。この場合、推定部１３５は、取得部１３４によって取得されたインプレッション数の時間分布のうち、休日に対応するインプレッション数の時間分布（図１１）を参照する。そして、処理対象の配信済み広告コンテンツは、図１１に示した配信停止開始時刻ｔ１５に配信が停止され、配信停止終了時刻ｔ１６に配信が再開されたものとする。この場合に、推定部１３５は、停止期間ｔ５（＝ｔ１６−ｔ１５）におけるインプレッション数の総数を算出する。そして、推定部１３５は、１日のインプレッション数の総数に対する停止期間ｔ５におけるインプレッション数の総数の割合Ｘ％を算出する。そして、推定部１３５は、配信済み広告コンテンツのインプレッション数の実績値をＮとした場合に、上記式（１０）により、処理対象の配信済み広告コンテンツのインプレッション数を推定する。

このようにして、推定部１３５は、広告コンテンツの配信態様に応じてインプレッション数が変動することを考慮した上で、配信済み広告コンテンツのインプレッション数を推定してもよい。これにより、推定部１３５は、配信停止されなかった場合における配信済み広告コンテンツのインプレッション数を高精度に推定することができる。この結果、予測部１３６は、入稿予定の広告コンテンツにおけるインプレッション数を高精度に予測することができる。

なお、上記例では、広告コンテンツの配信態様の一例として、広告コンテンツが配信される曜日を例に挙げて説明した。しかし、曜日以外の他の配信態様が異なる場合であっても、インプレッション数の時間分布が異なる場合がある。例えば、広告コンテンツの配信先ユーザのユーザ属性毎に、インプレッション数の時間分布が異なる場合がある。一例を挙げて説明すると、ユーザ属性「１０代」をターゲティング条件として配信された広告コンテンツのインプレッション数は、午後の時間帯に増加するものの、ユーザ属性「６０代」をターゲティング条件として配信された広告コンテンツのインプレッション数は、午前の時間帯に増加することなどが考えられる。そこで、広告装置１００は、広告コンテンツの配信先ユーザのユーザ属性毎に、図１０又は図１１に例示したようなインプレッション数の時間分布を蓄積しておいてもよい。この場合、推定部１３５は、各時間分布のうち、配信済み広告コンテンツの配信先ユーザのユーザ属性に対応する時間分布に基づいて、かかる配信済み広告コンテンツのインプレッション数を推定する。

〔６−２．予測対象の広告効果〕
また、上記実施形態では、広告装置１００が、広告効果の一例としてインプレッション数を予測する例を示した。しかし、広告装置１００は、インプレッション数ではなく他の広告効果を予測してもよい。例えば、広告装置１００は、入稿予定の広告コンテンツにおけるクリック数を予測してもよい。この場合、上述した配信履歴記憶部１２２は、配信日時及び広告コンテンツ毎に、クリック数を記憶する。そして、取得部１３４、推定部１３５及び予測部１３６は、上述してきた処理において、インプレッション数の代わりにクリック数を用いることで、入稿予定の広告コンテンツにおけるクリック数を予測することができる。

具体的には、取得部１３４は、入稿受付部１３３から広告効果を予測するよう指示された場合に、配信履歴記憶部１２２から、クリック数と、停止期間と、ＣＴＲと、クリック単価と、ターゲティング条件などを含む配信履歴レコードを取得する。

また、推定部１３５は、取得部１３４によって取得された配信履歴レコードのうち、処理対象の配信履歴レコード毎に、停止期間に配信が停止されなかった場合におけるクリック数を推定する。例えば、推定部１３５は、図２を用いて説明した手法や、図１０及び図１１を用いて説明した手法により、クリック数を推定する。

また、予測部１３６は、上記式（２）の代わりに、下記式（１１）を用いて回帰分析を行う。なお、下記式（１１）のうち、「Ｃｌｉｃｋ_１」は、取得部１３４によって取得されたクリック数、又は、推定部１３５によって推定されたクリック数に該当する。

そして、予測部１３６は、上記式（３）及び（４）と同様に、上記式（１１）を下記式（１２）、下記式（１３）に変換する。

そして、予測部１３６は、上記式（９）の代わりに、下記式（１４）を用いることで、入稿予定の広告コンテンツにおけるクリック数を予測する。

ここで、図１２及び図１３に、変形例に係る予測部１３６による予測結果の一例を示す。図１２は、参考として、上記式（１１）に対応するグラフを示す。また、図１３は、上記式（１３）に対応するグラフを示す。

図１２の縦軸は、クリック数の対数を示す。また、図１２の横軸は、上記式（１１）の右辺に含まれる「ｌｏｇ（ｅＣＰＭ）」の値を示す。そして、図１２に示した直線グラフｇ３１は、上記式（１１）を示す。また、図１２に示した直線グラフＬ３１は、上記式（１４）に含まれる「広告予算／ＣＰＣ」によって表される最大クリック数の対数を示す。すなわち、上記式（１４）によって表される予測結果の対数は、図１２に太線で示した予測結果グラフｇ３２に該当する。なお、ここでは、上記式（１３）に含まれる定数「Ａ」が「０＜Ａ＜１」であるものとする。

また、図１３の縦軸は、クリック数を示す。すなわち、図１３の縦軸は、１日におけるクリック数の予測値を示す。また、図１３の横軸は、上記式（５）が代入された上記式（１３）の右辺に含まれる「Ｂｉｄ（入札価格）」を示す。

そして、図１３に示した曲線グラフｇ４１は、上記式（１３）によって表される予測モデルに該当する。また、図１３に示した直線グラフＬ４１は、上記式（１４）に含まれる「広告予算／ＣＰＣ」によって表される最大クリック数を示す。すなわち、上記式（１４）によって表される予測結果グラフは、図１３に太線で示した予測結果グラフｇ４２に該当する。

〔６−３．予測結果の提供例〕
また、上記実施形態において、提供部１３７は、予測部１３６による予測結果を画面によって広告主装置２０に提供してもよい。図１４に、変形例に係る提供部１３７によって提供される予測結果画面の一例を示す。図１４に示すように、提供部１３７は、予測結果枠Ｐ１０と、予測グラフ枠Ｐ２０と、情報表示枠Ｐ３０とを含む予測結果画面Ｗ１０を提供する。図１４の例の場合、予測結果枠Ｐ１０には、入札価格を入力するための入力欄Ｂ１１と、広告予算を入力するための入力欄Ｂ１２とが含まれる。また、図１４では図示することを省略したが、予測結果画面Ｗ１０には、入稿予定の広告コンテンツを入力するための入力欄や、ターゲティング条件を入力するための入力欄などが含まれる。なお、予測結果画面Ｗ１０の初期画面には、図１４に図示した情報は表示されず、広告コンテンツ、入札価格、広告予算、ターゲティング条件などを入力するための入力欄のみが表示される。

入稿受付部１３３は、図１４に示した例のように、入力欄Ｂ１２に広告予算が入力された場合に、入力された広告予算を含む予測要求を広告主装置２０から受け付ける。そして、入稿受付部１３３は、広告効果を予測するよう取得部１３４に指示する。これにより、取得部１３４、推定部１３５及び予測部１３６は、広告効果を予測する。ここでは、予測部１３６等は、広告効果として、インプレッション数及びクリック数を予測するものとする。

この場合、提供部１３７は、図１４に示すように、所定の入札価格毎に、クリック数の予測値と、コストの予測値と、インプレッション数の予測値とを対応付けた一覧を予測結果枠Ｐ１０に表示する。なお、予測部１３６は、クリック数の予測値にクリック単価を乗算することでコストの予測値を求める。図１４の例の場合、提供部１３７は、１ヶ月におけるインプレッション数等の予測値を予測結果枠Ｐ１０に表示する。ここでは、予測部１３６によって１日のインプレッション数等が予測されるので、提供部１３７は、予測部１３６による予測結果に「３０」等を乗算することにより、１ヶ月のインプレッション数等を求める。

また、提供部１３７は、図１４に示すように、入札価格とインプレッション数との関係を示すグラフ（例えば、図８に示した予測結果グラフｇ２２）を予測グラフ枠Ｐ２０に表示する。

また、提供部１３７は、図１４に示すように、広告予算から算出されるクリック数の最大値、コストの最大値、インプレッション数の最大値を情報表示枠Ｐ３０に表示する。このとき、提供部１３７は、インプレッション数等が最大値となる入札価格（図１４の例では１４４円）も表示する。なお、ここでは、入力欄Ｂ１２に月単位の広告予算が入力され、予測部１３６によって、１ヶ月の最大インプレッション数などが予測されたものとする。

これにより、広告主は、入力欄Ｂ１２に広告予算を入力することで、広告コンテンツを正式に入稿する前に、インプレッション数やクリック数等の広告効果を把握することができる。

また、提供部１３７は、入力欄Ｂ１１に入札価格が入力された場合には、インプレッション数の予測値や、クリック数の予測値を情報表示枠Ｐ３０等に表示する。これにより、広告主は、入力欄Ｂ１１に入札価格を入力することで、広告コンテンツを正式に入稿する前に広告効果を把握することができる。なお、予測結果画面Ｗ１０において、予測結果枠Ｐ１０に表示される入札価格を選択可能にしてもよい。この場合、入稿受付部１３３は、広告主に選択された入札価格を受け付ける。

〔６−４．予測モデル〕
また、上記実施形態では、図８や図１３に、予測部１３６による予測モデルをグラフ（例えば、予測結果グラフｇ２２、予測結果グラフｇ４２）で示したが、グラフの形状は、上記例に限られない。この点について、図１５及び図１６を用いて説明する。図１５及び図１６は、変形例に係る予測部１３６による予測結果の一例を示す。

上記の通り、上記式（４）に含まれる定数「Ａ」が「０＜Ａ＜１」である場合に、図８に示した曲線グラフｇ２１となる。しかし、定数「Ａ」が「Ａ＞１」である場合には、上記式（４）によって表される予測モデルは、図１５に示す曲線グラフｇ５１となる。すなわち、上記式（９）によって表される予測結果は、図１５に太線で示した予測結果グラフｇ５２に該当する。同様に、定数「Ａ」が「０＜Ａ＜１」である場合には、図１３に示した曲線グラフｇ４１となるが、定数「Ａ」が「Ａ＞１」である場合には、上記式（１３）によって表される予測モデルは、図１５に示した曲線グラフｇ５１と同様の形状となる。

また、上記実施形態では、予測部１３６が上記式（２）や式（１１）を用いる例を示したが、予測部１３６が用いる式はこの例に限られない。例えば、予測部１３６は、上記式（２）の代わりに、「ｌｏｇ｛ｌｏｇ（ｅＣＰＭ）｝」を説明変数とする下記式（１５）を用いてもよい。ただし、下記式（１５）では、「ｅＣＰＭ＞１」であるものとする。

この場合、予測部１３６は、上記式（３）及び（４）と同様に、上記式（１５）を下記式（１６）、下記式（１７）に変換する。なお、下記式（１７）には、上記式（５）により求まるＣＰＣ＝Ｆ^−１（Ｂｉｄ）が代入される。ただし、下記式（１７）では、「ｅＣＰＭ（＝ＣＰＣ・ＣＴＲ・１０００）＞１」であるものとする。すなわち、下記式（１７）では、「Ｂｉｄ＞Ｆ^−１｛１／（ＣＴＲ・１０００）｝」であるものとする。

上記式（１７）に含まれる定数「Ａ」が「０＜Ａ＜１」である場合には、上記式（１７）によって表される予測モデルは、図８に示した曲線グラフｇ２１と同様の形状となる。なお、図８では、「Ｂｉｄ＞０」であったが、上記式（１７）によって表される予測モデルの場合、「Ｂｉｄ＞Ｆ^−１｛１／（ＣＴＲ・１０００）｝」となる。また、上記式（１７）に含まれる定数「Ａ」が「Ａ＞１」である場合には、上記式（１７）によって表される予測モデルは、図１６に示した曲線グラフｇ６１となる。すなわち、上記式（９）によって表される予測結果は、図１６に太線で示した予測結果グラフｇ６２に該当する。

〔６−５．配信制限〕
また、上記実施形態では、広告コンテンツの配信制限として、広告予算の制約により配信が停止される例を説明した。しかし、配信部１３２は、広告予算を消化しているか否かにかかわらず、広告コンテンツの配信を制限する場合がある。具体的には、ウェブページに複数の広告枠が含まれる場合に、配信部１３２は、同一のウェブページに同一広告主の広告コンテンツが２個以上表示されないように制限する場合がある。例えば、配信部１３２は、クリック単価やＣＴＲやターゲティング条件に基づいて、広告コンテンツＣ１１及びＣ１２を配信対象として特定したものとする。このとき、配信部１３２は、広告コンテンツＣ１１及びＣ１２の広告主が同一であり、かつ、広告コンテンツＣ１１及びＣ１２が同一のウェブページの異なる広告枠に表示される場合には、広告コンテンツＣ１１及びＣ１２のいずれか一方と、他の広告主に対応する広告コンテンツを配信する。この例において、広告コンテンツＣ１１が配信された場合、広告コンテンツＣ１２は、本来配信されるはずであったにもかかわらず、配信制限によって配信されなかったこととなる。すなわち、広告コンテンツＣ１２のインプレッション数は、配信制限によって抑制される。以下では、このような配信制限を「重複排除処理」と表記する場合がある。

上述してきた推定部１３５及び予測部１３６は、このような重複排除処理を考慮してインプレッション数を推定してもよい。すなわち、推定部１３５及び予測部１３６は、重複排除処理が行われなかった場合における配信済み広告コンテンツのインプレッション数（又は、クリック数）を推定してもよい。例えば、推定部１３５は、配信履歴記憶部１２２を参照することで、配信日時が同日であり、かつ、広告主が同一である広告コンテンツの数を計数する。そして、予測部１３６は、推定部１３５による計数結果（ここでは、「ＡＤＩＤ数」とする）の逆数を上記式（２）の素性に追加してもよい。具体的には、予測部１３６は、上記式（２）の右辺を「・・・＋ｗ_ｎｘ_ｎ＋ｗ_ｎ＋１（１／ＡＤＩＤ数）」としてもよい。

また、上記例において、予測部１３６は、入札価格（Ｂｉｄ）を考慮した素性を上記式（２）に追加してもよい。これは、広告コンテンツは、入札価格（Ｂｉｄ）によって配信部１３２によって配信される確率が異なるからである。例えば、予測部１３６は、上記式（２）の右辺を「・・・＋ｗ_ｎｘ_ｎ＋ｗ_ｎ＋１（１／ＡＤＩＤ数）・（Ｂｉｄ／ΣＢｉｄ）」としてもよい。なお、「ΣＢｉｄ」は、配信日時が同日であり、かつ、広告主が同一である広告コンテンツに対応する入札価格（Ｂｉｄ）の総額を示す。また、ここでいう入札価格（Ｂｉｄ）は、クリック単価（ＣＰＣ）であってもよい。

〔６−６．予測モデルの単位〕
また、上記実施形態では、配信履歴記憶部１２２に記憶されている配信履歴に基づいて予測モデルを生成する例を示した。ここで、予測部１３６は、配信履歴記憶部１２２に記憶されている配信済み広告コンテンツのうち、所定の条件を満たす配信済み広告コンテンツのみから予測モデルを生成してもよい。そして、予測部１３６は、所定の条件毎に、予測モデルを生成してもよい。ここでいう所定の条件とは、例えば、（Ｙ１）ターゲティング条件に性別が含まれること、（Ｙ２）ターゲティング条件に年齢が含まれること、（Ｙ３）ターゲティング条件に地域（例えば、ユーザの所在エリア）が含まれること、などが挙げられる。そして、予測部１３６は、例えば、条件（Ｙ１）を満たす配信済み広告コンテンツの配信履歴に基づいて予測モデルを生成する。同様にして、予測部１３６は、条件（Ｙ２）に対応する予測モデルや、条件（Ｙ３）に対応する予測モデルを生成する。さらに、予測部１３６は、条件（Ｙ１）及び条件（Ｙ２）を満たす配信済み広告コンテンツの配信履歴に基づいて予測モデルを生成する。このように、予測部１３６は、複数の条件に対応する予測モデルを生成する。すなわち、所定の条件が６個存在する場合には、予測部１３６は、「２^６（＝６４）」個の予測モデルを生成する。この場合、予測部１３６は、入稿予定の広告コンテンツが満たす条件に対応する予測モデルを用いて、入稿予定の広告コンテンツにおける広告効果を予測する。これにより、予測部１３６は、入稿予定の広告コンテンツの特性と合致した予測モデルを用いることができるので、広告効果を高精度に予測することができる。

〔６−７．最大インプレッション数の推定〕
また、上記実施形態では、上記式（８）の右辺によって求められる理論値を最大インプレッション数とする例を示した。しかし、予測部１３６は、配信履歴記憶部１２２に記憶されている配信履歴に基づいて、最大インプレッション数についても回帰分析等により予測してもよい。この場合、予測部１３６は、過去に配信停止されたことがある配信済み広告コンテンツのインプレッション数については、推定部１３５によって推定されたインプレッション数を用いる。

〔６−８．ＢｉｄとＣＰＣ〕
また、上記実施形態では、上記式（５）のように、入札価格（Ｂｉｄ）とクリック単価（ＣＰＣ）とが異なる値であるものとした。しかし、上述してきた実施形態は、入札価格（Ｂｉｄ）とクリック単価（ＣＰＣ）とを同一とするシステムにも適用することができる。この場合、広告コンテンツ記憶部１２１は、入札価格（Ｂｉｄ）及びクリック単価（ＣＰＣ）のいずれか一方のみを記憶する。

〔６−９．ウェブページ〕
また、上記実施形態では、ウェブページに表示される広告コンテンツを例に挙げて説明した。しかし、広告装置１００は、端末装置１０に記憶される電子書籍や動画等に表示される広告コンテンツは、端末装置１０にインストールされるアプリケーションに表示される広告コンテンツを配信してもよい。そして、広告装置１００は、上述してきた予測処理を行うことで、電子書籍等に表示される広告コンテンツの広告効果を予測してもよい。

〔６−１０．装置構成〕
また、上記実施形態では、広告装置１００が広告コンテンツを配信する例を示した。しかし、広告効果を予測する装置と、広告コンテンツを配信する装置とは、異なる装置であってもよい。例えば、上述した広告装置１００は、広告コンテンツを配信せずに、広告効果を予測する処理のみを行ってもよい。すなわち、図４に示した広告装置１００は、受信部１３１、配信部１３２、入稿受付部１３３、広告コンテンツ記憶部１２１及び配信履歴記憶部１２２を有しなくてもよい。この場合、広告コンテンツを配信する広告配信装置は、図４に示した受信部１３１、配信部１３２、入稿受付部１３３、広告コンテンツ記憶部１２１及び配信履歴記憶部１２２を有する。この例では、広告装置１００は、広告配信装置から配信履歴を取得する。

また、図４に示した広告装置１００は、広告コンテンツ記憶部１２１及び配信履歴記憶部１２２を有しなくてもよい。具体的には、広告装置１００は、広告コンテンツ記憶部１２１及び配信履歴記憶部１２２を保持するデータベースサーバと接続されてもよい。

〔６−１１．その他〕
また、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、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。例えば、図４に示した受信部１３１と配信部１３２とは統合されてもよいし、取得部１３４と推定部１３５と予測部１３６とは統合されてもよい。

また、上述してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

〔６−１２．ハードウェア構成〕
また、上述してきた実施形態に係る広告装置１００は、例えば図１７に示すような構成のコンピュータ１０００によって実現される。図１７は、広告装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００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。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網５０（図３に示したネットワークＮに対応）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを通信網５０を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００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１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００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１８００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。

例えば、コンピュータ１０００が実施形態に係る広告装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、広告コンテンツ記憶部１２１及び配信履歴記憶部１２２内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から通信網５０を介してこれらのプログラムを取得してもよい。

以上、本願の実施形態のいくつか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、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 広告配信システム
１００ 広告装置
１２１ 広告コンテンツ記憶部
１２２ 配信履歴記憶部
１３１ 受信部
１３２ 配信部
１３３ 入稿受付部
１３４ 取得部
１３５ 推定部
１３６ 予測部
１３７ 提供部

Claims (12)

1. 過去に配信された配信済み広告コンテンツの広告効果と、当該配信済み広告コンテンツの配信が制限された情報である制限情報とを含む配信履歴を取得する取得手段と、
   前記取得手段によって取得された配信履歴に含まれる広告効果及び制限情報に基づいて、配信が制限されなかった場合における前記配信済み広告コンテンツの広告効果を推定する推定手段と、
   前記推定手段によって推定された広告効果に基づいて、任意の広告コンテンツにおける広告効果を予測する予測手段と、
   を備えたことを特徴とする広告装置。
2. 前記取得手段は、
   前記制限情報として、前記配信済み広告コンテンツの配信が停止された期間である停止期間を含む前記配信履歴を取得し、
   前記推定手段は、
   前記停止期間に基づいて、配信が停止されなかった場合における前記配信済み広告コンテンツの広告効果を推定する、
   ことを特徴とする請求項１に記載の広告装置。
3. 前記取得手段は、
   前記配信済み広告コンテンツが配信された期間である配信期間をさらに含む前記配信履歴を取得し、
   前記推定手段は、
   前記配信期間に対する前記停止期間の割合に応じて、前記配信済み広告コンテンツの広告効果を推定する、
   ことを特徴とする請求項２に記載の広告装置。
4. 前記取得手段は、
   所定の配信態様毎に、当該配信態様において配信された配信済み広告コンテンツにおける広告効果の時間変動を取得し、
   前記推定手段は、
   各配信態様に対応する前記広告効果の時間変動のうち、前記配信済み広告コンテンツの停止時間に対応する広告効果に基づいて、当該配信済み広告コンテンツの広告効果を推定する、
   ことを特徴とする請求項２に記載の広告装置。
5. 前記取得手段は、
   前記配信態様として、前記配信済み広告コンテンツが配信された配信時期、又は、前記配信済み広告コンテンツの配信対象となったユーザ属性を用いる、
   ことを特徴とする請求項４に記載の広告装置。
6. 前記予測手段は、
   前記任意の広告コンテンツの広告主に課金される広告料金の予算に基づいて、当該任意の広告コンテンツにおける広告効果の上限を予測する、
   ことを特徴とする請求項１〜５のいずれか一つに記載の広告装置。
7. 前記推定手段は、
   前記取得手段によって取得された配信履歴に含まれる停止期間に基づいて、配信が停止されたことがある配信済み広告コンテンツの広告効果を推定し、
   前記予測手段は、
   配信が停止されたことがない配信済み広告コンテンツの広告効果として、前記取得手段によって取得された配信履歴に含まれる広告効果を用い、配信が停止されたことがある配信済み広告コンテンツの広告効果として、前記推定手段によって推定された広告効果を用いることにより、前記任意の広告コンテンツにおける広告効果を予測する、
   ことを特徴とする請求項１〜６のいずれか一つに記載の広告装置。
8. 前記予測手段は、
   前記任意の広告コンテンツの広告主に課金される広告料金の単価であって、当該任意の広告コンテンツが優先的に配信されるか否かが決定される指標値である入札価格と、前記任意の広告コンテンツにおける広告効果との関係を予測する、
   ことを特徴とする請求項１〜７のいずれか一つに記載の広告装置。
9. 前記任意の広告コンテンツの広告主に対して、前記予測手段によって予測された当該任意の広告コンテンツにおける広告効果を提供する提供手段、
   をさらに備えたことを特徴とする請求項１〜８のいずれか一つに記載の広告装置。
10. 前記予測手段は、
    前記任意の広告コンテンツにおける広告効果として、当該任意の広告コンテンツがユーザの端末装置に表示される回数である表示回数、又は、前記ユーザに選択される回数である選択回数を予測する、
    ことを特徴とする請求項１〜９のいずれか一つに記載の広告装置。
11. コンピュータが実行する予測方法であって、
    過去に配信された配信済み広告コンテンツの広告効果と、当該配信済み広告コンテンツの配信が制限された情報である制限情報とを含む配信履歴を取得する取得工程と、
    前記取得工程によって取得された配信履歴に含まれる広告効果及び制限情報に基づいて、配信が制限されなかった場合における前記配信済み広告コンテンツの広告効果を推定する推定工程と、
    前記推定工程によって推定された広告効果に基づいて、任意の広告コンテンツにおける広告効果を予測する予測工程と、
    を含んだことを特徴とする予測方法。
12. 過去に配信された配信済み広告コンテンツの広告効果と、当該配信済み広告コンテンツの配信が制限された情報である制限情報とを含む配信履歴を取得する取得手順と、
    前記取得手順によって取得された配信履歴に含まれる広告効果及び制限情報に基づいて、配信が制限されなかった場合における前記配信済み広告コンテンツの広告効果を推定する推定手順と、
    前記推定手順によって推定された広告効果に基づいて、任意の広告コンテンツにおける広告効果を予測する予測手順と、
    をコンピュータに実行させることを特徴とする予測プログラム。

Images