JP5974186B2 - トラフィックソースのための広告の選択 - Google Patents

Description

［関連出願の相互参照］
本出願は、２０１２年１２月３１日に出願された、発明の名称を「ＡＮ ＡＤＶＥＲＴＩＳＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮ ＳＥＡＲＣＨＩＮＧ ＭＥＴＨＯＤ ＡＮＤ ＤＥＶＩＣＥ（広告情報検索の方法および装置）」とする中国特許出願第２０１２１０５９３８２５．Ｘ号の優先権を主張する。該出願は、あらゆる目的のために、参照によって本明細書に組み込まれる。

本出願は、広告に関係付けられた情報を処理する分野に関する。本出願は、特に、広告情報の選択に関する。

ウェブページに掲載される必要がある広告の量は、電子商取引の普及に伴って増加している。広告の効率およびウェブサイト・トラフィックからの利益を高めるために、ネットワーク情報のための広告戦略は、広告を表示するために使用される情報公開者の最適化を伴うのが一般的である。

ウェブサイト・トラフィックは、一般に、ウェブサイトを訪問するユーザの数、ユーザによって閲覧されたウェブサイトのページの数、およびその他の同様な指標を言う。電子商取引ウェブサイトの場合は、トラフィックをウェブサイトに引き寄せるために、様々な種類の技術が使用される。電子商取引ウェブサイトへのウェブサイト・トラフィックであって、その電子商取引ウェブサイトに関係付けられていないウェブページを起源とするウェブサイト・トラフィックは、外部トラフィックと呼ばれる。電子商取引ウェブサイトへのウェブサイト・トラフィックであって、そのウェブサイトに関係付けられたウェブページを起源とするウェブサイト・トラフィック、ユーザが電子商取引ウェブサイトのアドレスをウェブブラウザに直接入力した結果として生じるウェブサイト・トラフィック、および電子商取引ウェブサイトに関係付けられたブックマークをユーザが選択した結果として生じるウェブサイト・トラフィックは、オンサイト・トラフィックと呼ばれる。通常、外部トラフィックのコンバージョンレートは、オンサイト・トラフィックのコンバージョンレートよりも低い。したがって、電子商取引ウェブサイトに関係した或る広告主のために、広告の効率を評価し、リソースの割り当てを最適化するためには、様々なソースからのトラフィックについて、コンバージョンレートに関係したそのパフォーマンスを評価することが行われる。特定のトラフィックソースについて、コンバージョンレートに関係した評価を行うためのよくある技術は、以下の通りである。すなわち、トラフィックソースに関係付けられたトラフィック品質に基づいてプラニング係数を計算し、トラフィックソースに関係付けられた各クリック課金広告をコンバージョン係数にしたがって値引きする。情報公開者によって集められる（１つ以上の）広告主からの広告収益は、コンバージョン係数によって値引きされるので、情報公開者によって集められる収益は、値引き後のクリック課金広告と呼ばれることもある。したがって、広告プラットフォームによって集められる単位トラフィック広告料は、値引き後のＲＰＭ（インプレッション１０００回あたりの収益または検索１０００回あたりの収益）と呼ばれることもある。

検索エンジン広告プラットフォームの観点からすると、収益は、多ければ多いほど、優れた、かつ持続可能なものになる。したがって、検索エンジンの広告プラットフォームは、クエリをサブミットされるたびに、そのクエリに関連する広告群を見つけ出す。広告プラットフォームは、関連する広告ごとに、クリックスルーレートを予測するとともに、ＥＣＰＭ（インプレッション１０００回あたりの期待コスト、すなわち表示１０００回あたりの期待収益）＝クリックスルーレート×入札価格×１０００を計算することもできる。次いで、検索エンジン広告プラットフォームは、これらの関連広告を、ＥＣＰＭが高いものから順にランク付けすることができる。ＥＣＰＭが高い関連広告は、より多くの収益をその検索エンジン（この例では情報公開者）のために生み出すと予測されるので、ＥＣＰＭが高い関連広告の表示は、ＥＣＰＭが低い関連広告よりも、高い優先順位を割り振られる（例えば、より目立つエリアに提示される）。

ＥＣＰＭの計算式からわかるように、ＥＣＰＭは、クリックスルーレートおよび入札価格に関係している。オンサイト・トラフィックの場合は、クリック課金広告料金が使用されるので、ＥＣＰＭの使用によるこのようなトラフィックのランク付けは、単位トラフィックあたりのクリック収益を最適化することができる。しかしながら、調査によると、広告される製品のクリックスルーレートは、そのコンバージョンレートに必ずしも完全には関係しないことがわかっている。したがって、ＥＣＰＭを使用して、外部トラフィックソースにおける広告に費やされる費用を優先しても、広告から稼ぎ出される収益の最大化は図れないだろう。

以下の詳細な説明および添付の図面において、本発明の様々な実施形態が開示される。

様々なトラフィックソースのそれぞれに表示される広告を選択するためのシステムの一実施形態を示した図である。

各トラフィックソースのために広告情報のデータベースを作成するためのプロセスの一実施形態を示したフローチャートである。

トラフィックソースのために広告を選択するためのプロセスの一実施形態を示したフローチャートである。

トラフィックソースのために広告を選択するためのシステムの一実施形態を示した図である。

本発明は、プロセス、装置、システム、合成物、コンピュータ読み取り可能なストレージ媒体に実装されたコンピュータプログラム製品、ならびに／または結合先のメモリに記憶された命令および／もしくは結合先のメモリによって提供される命令を実行するように構成されたプロセッサのようなプロセッサなどの、数々の形態で実現することができる。本明細書では、これらの実現形態、または本発明がとりえるその他のあらゆる形態を、技術と称することができる。総じて、開示されるプロセスの各ステップの順番は、本発明の範囲内で変更可能である。別途明記されない限り、タスクを実施するように構成されるものとして説明されるプロセッサまたはメモリなどのコンポーネントは、所定時にタスクを実施するように一時的に構成された汎用コンポーネントとして、またはタスクを実施するように製造された特殊コンポーネントとして実装可能である。本明細書で使用される「プロセッサ」という用語は、コンピュータプログラム命令などのデータを処理するように構成された１つ以上のデバイス、回路、ならびに／または処理コアを言う。

本発明の原理を例示した添付の図面とともに、以下で、本発明の１つ以上の実施形態の詳細な説明が提供される。本発明は、このような実施形態との関わりのもとで説明されるが、いずれの実施形態にも限定されない。本発明の範囲は、特許請求の範囲によってのみ限定され、本発明は、数々の代替形態、変更形態、および均等物を包含している。以下の説明では、本発明の完全な理解を与えるために、数々の具体的詳細が明記されている。これらの詳細は、例示を目的として提供されるものであり、本発明は、これらの詳細の一部または全部を伴わずとも、特許請求の範囲にしたがって実施可能である。明瞭を期するために、本発明に関係した技術分野で知られる技工物は、本発明が不必要に不明瞭にされないように、詳細な説明を省略されている。

本明細書では、トラフィックソースのための広告選択の実施形態が説明される。各種の実施形態では、トラフィックソースは、指定ウェブサイトへのウェブトラフィックの起源となるソースである。例えば、トラフィックソースは、別のウェブサイト、または検索エンジンであってよい。各種の実施形態では、指定ウェブサイトへのウェブトラフィックは、トラフィックソースで公開された広告に表示されたリンクをユーザが選択した結果として発生する。リンクおよび広告は、ともに、リンクまたは広告をユーザが選択することによってウェブブラウザが指定ウェブサイトに関係付けられたウェブページに向けられるように、指定ウェブサイトに関係した広告主に関係付けられている（例えばそのような広告主のために作成されるまたはそのような広告主によって作成される）だろう。このように、各種の実施形態では、各トラフィックソースが、それぞれ一公開者に関係付けられている。各種の実施形態では、公開者は、そのコンテンツのなかに広告を表示することができる存在を言う。

指定ウェブサイトへのトラフィックには、外部トラフィックおよびオンサイト・トラフィックの少なくとも２種類がある。本明細書で使用される外部トラフィックという表現は、指定ウェブサイトに関係付けられていないウェブページまたは検索エンジンを起源とする、指定ウェブサイトへのトラフィックを言う。外部トラフィックソースは、ユーザによって選択されるとそのユーザを指定ウェブサイトへリダイレクトするような広告を表示するウェブページまたは検索エンジンを言う。本明細書で使用されるオンサイト・トラフィックという表現は、指定ウェブサイトに関係付けられていないウェブページまたは検索エンジンを起源としない、例えば、指定ウェブサイトのアドレスをユーザがウェブブラウザに直接入力した結果として生じるトラフィック、指定ウェブサイトに関係付けられたブックマークをユーザが選択した結果として生じるトラフィック、および／または指定ウェブサイトでユーザが検索エンジンを使用した結果として生じるトラフィックなどの、指定ウェブサイトへのトラフィックを言う。

以下で説明されるように、指定ウェブサイトに関係付けられ（外部）トラフィックソース表示される可能性がある広告は、そのトラフィックソースのために維持されている広告データベースにマッピングされる。現トラフィックソースで受信される現検索条件を受けて、現トラフィックソースのために維持されている広告データベースのなかから該現検索条件に関連する広告群が見つけられる。広告群の各広告について、属性パラメータが決定される。広告群は、そのそれぞれの属性パラメータに基づいてランク付けされる。少なくとも１つの広告が、現検索条件に対して返される検索結果とともに現トラフィックソースに表示される可能性があるものとして、ランキングのなかから選択される。例えば、選択された広告は、現トラフィックソースに関係付けられ現検索条件に対して検索結果とともに現トラフィックソースに表示される（１つ以上の）広告を決定する存在によって運営されている広告選択システム（例えばオークション）に、（入札価格を伴って）サブミットされてよい。

図１は、様々なトラフィックソースのそれぞれに表示される広告を選択するためのシステムの一実施形態を示した図である。この例では、システム１００は、クライアントデバイス１０２と、外部トラフィックソースＡサーバ１０４と、外部トラフィックソースＢサーバ１０５と、ネットワーク１０６と、ウェブサーバ１０８と、広告プラットフォームサーバ１１０と、広告データベースＡ １１２と、広告データベースＢ １１４と、基幹データベース１１６とを含む。ネットワーク１０６は、高速データネットワークおよび／または電気通信ネットワークを含む。クライアントデバイス１０２、外部トラフィックソースＡサーバ１０４、外部トラフィックソースＢサーバ１０５、ウェブサーバ１０８、および広告プラットフォームサーバ１１０は、ネットワーク１０６を通じて互いに連絡し合うことができる。

ウェブサーバ１０８は、ウェブサイトを運営するように構成される。例えば、ウェブサイトは、電子商取引ウェブサイトである。ウェブサーバ１０８によって運営されるウェブサイトは、「指定ウェブサイト」と呼ばれることもある。広告プラットフォームサーバ１１０は、ウェブサーバ１０８の指定ウェブサイトに関係した広告キャンペーンを行うように構成される。広告プラットフォームサーバ１１０は、外部ソースＡサーバ１０４および外部ソースＢサーバ１０５などの１つ以上のトラフィックソースから、ウェブトラフィックに関係付けられた、第三者サービス（図には示されていない）によって集められたトラフィック情報を得るように構成される。例えば、外部ソースＡサーバ１０４および外部ソースＢサーバ１０５は、それぞれ、指定ウェブサイトの（１枚以上の）ページにリンクするリンクまたは広告を提示することができる別のウェブサイトまたは検索エンジンの運営に関係付けられている。外部ソースＡサーバ１０４および外部ソースＢサーバ１０５は、それぞれ、コンテンツ（例えば広告）を発行するゆえに発行者である。得られたトラフィック情報は、外部ソースＡサーバ１０４および外部ソースＢサーバ１０５のそれぞれのウェブサイト／検索エンジンでサブミットされ結果として指定ウェブサイトへのウェブトラフィックを生じた過去の検索条件を記述している。

広告プラットフォームサーバ１１０は、得られたトラフィック情報から識別される各外部トラフィックソースのために、対応する広告データベースを作成するように構成される。特定の外部トラフィックソースのために作成される広告データベースは、その外部トラフィックソースに表示される可能性がある広告を含む。システム１００の例では、外部トラフィックソースは、少なくとも外部ソースＡサーバ１０４および外部ソースＢサーバ１０５を含み、したがって、広告プラットフォームサーバ１１０は、外部トラフィックソースＡサーバ１０４のために広告データベースＡ １１２を作成し、外部トラフィックソースＢサーバ１０５のために広告データベースＢ １１４を作成する。広告プラットフォームサーバ１１０は、各外部トラフィックソースに関係付けられた過去の検索条件を使用し、基幹データベース１１６から、その外部トラフィックソースのための対応する広告データベースにコピーするための合致する広告情報を決定するように構成される。各種の実施形態では、基幹データベース１１６は、指定ウェブサイトに関係付けられた広告情報（例えば、指定ウェブサイトで販売される製品および／または指定ウェブサイトのページ）を格納する。各種の実施形態では、広告情報は、広告と、該広告に関係付けられたメタデータとを含む。システム１００の例では、広告プラットフォームサーバ１１０は、外部トラフィックソースＡサーバ１０４の過去の検索条件を使用し、基幹データベース１１６に格納された、広告データベースＡ １１２にコピーするための広告情報と突き合わせるように、および外部トラフィックソースＢサーバ１０５の過去の検索条件を使用し、基幹データベース１１６に格納された、広告データベースＢ １１４にコピーするための広告情報と突き合わせるように構成される。

以下で詳細に説明されるように、クライアントデバイス１０２を使用するユーザによって、外部トラフィックソースで現検索条件がサブミットされると、広告プラットフォームサーバ１１０は、その外部トラフィックソースに（現検索条件に対して返される検索結果とともに）表示される可能性があるものとして、その外部トラフィックソースに対応する少なくとも１つの広告情報を選択するように構成される。この被選択広告情報は、例えば、外部トラフィックソースに関係付けられた広告選択（例えばオークション）システムへの入札として、入札価格とともにサブミットされてよい。システム１００の例において、外部トラフィックソースＡサーバで現検索条件が受信された場合は、広告プラットフォームサーバ１１０は、広告データベースＡ １１２から少なくとも１つの広告情報を、検索結果とともに外部トラフィックソースＡに表示される入札としてサブミットするために選択するように構成される。外部トラフィックソースＢサーバ１０５で現検索条件が受信された場合は、広告プラットフォームサーバ１１０は、広告データベースＢ １１４から少なくとも１つの広告情報を、検索結果とともに外部トラフィックソースＢに表示される入札としてサブミットするために選択するように構成される。

図２は、各トラフィックソースのために広告情報のデータベースを作成するためのプロセスの一実施形態を示したフローチャートである。一部の実施形態では、プロセス２００は、図１のシステム１００において実行に移される。

プロセス２００は、指定ウェブサイトにトラフィックを向かわせる複数のトラフィックソースのそれぞれのために広告データベースを作成するプロセスの一例である。一部の実施形態では、指定ウェブサイトは、特定の電子商取引ウェブサイトを含む。例えば、指定ウェブサイトは、指定ウェブサイトにリンクする広告を掲載する広告主または存在に関係付けられている。トラフィックソースは、それぞれ異なる公開者に関係付けられてよい。一部の実施形態では、指定ウェブサイトは、指定ウェブサイトに関係付けられた広告を公開することができる公開者を含む。

２０２では、複数のトラフィックソースから指定ウェブサイトへのウェブトラフィックに関係付けられたトラフィック情報が得られる。トラフィック情報は、少なくとも、複数のトラフィックソースのそれぞれに対応する過去の検索条件を含む。

指定ウェブサイト（例えば、特定の電子商取引ウェブサイト）に向けられるウェブトラフィックに関係付けられた情報が得られる。例えば、第三者のサービスが、様々なウェブサイトのそれぞれに関係付けられたウェブトラフィック情報を収集して格納することができる。指定ウェブサイトに関係付けられたトラフィック情報は、このような第三者サービスから得られてよい。

指定ウェブサイトへの得られたトラフィック情報としては、例えば、トラフィックのソース（例えば指定ウェブサイトへのウェブページまたはウェブサイト・トラフィックの起源）、トラフィックソースで過去にサブミットされて指定ウェブサイトへのトラフィックを引き起こした検索条件、指定ウェブサイトを訪問したユーザの数、および指定ウェブサイトでユーザによって閲覧されたウェブページの数１つ以上などの、過去のデータが挙げられる。

一部の実施形態では、得られたトラフィック情報として、オンサイト・トラフィックおよび外部トラフィックに関係付けられたトラフィック情報が挙げられる。外部トラフィックソースの例として、指定ウェブサイトに関係付けられていない、フォーラム、ブログ、ソーシャルメディアウェブサイト、ミニブログ、ビデオウェブサイト、および検索エンジンが挙げられる。代表的なオンサイト・トラフィックは、指定ウェブサイトのＵＲＬ（ユニフォーム・リソース・ロケータ）をウェブブラウザに直接入力すること、ユーザがブックマークを選択すること、または指定ウェブサイトの検索エンジン（オンサイト検索エンジン）でユーザが検索クエリをサブミットすることに由来するトラフィックを言う。例えば、ユーザが指定ウェブサイトのオンサイト検索エンジンを通じて直接キーワード検索を行って、次いで、検索結果のなかから指定ウェブサイトのウェブページへのリンクを選択する（例えばクリックする）ときは、生成されるトラフィックは、オンサイト・トラフィックであると見なされる。各種の実施形態では、得られたトラフィック情報から、各異なる外部トラフィックソースが識別される。

得られたトラフィック情報に含まれる検索条件の例として、ユーザ入力検索条件、ユーザ情報、およびトラフィックソース属性の、１つ以上が挙げられる。トラフィックソースが検索エンジンを含む場合は、ユーザによって入力される検索情報は、キーワード、検索カテゴリ、検索属性、製品ブランド、モデル、スタイル、および／または価格を含む。トラフィック情報に含まれる検索条件は、返される検索結果を指定ウェブサイトに関係付けた検索条件を含む。

得られたトラフィック情報に含まれる検索条件に関係付けられたユーザ情報の例として、ユーザ状況（例えば、トラフィックソースウェブサイトにおける登録メンバであるかどうか）、ユーザの年齢、性別、職業、所得範囲（ユーザアカウント／プロフィール情報から得られるだろう）、および地理的場所（ユーザによって送信されたネットワーキングパケットヘッダに基づいて得られるだろう）の、１つ以上が挙げられる。

得られたトラフィック情報に含まれる検索条件に関係付けられたトラフィックソース属性の例として、トラフィックソースウェブサイトのタイプ、およびトラフィックソースウェブサイトにおけるユーザ状況が電子商取引ウェブサイトのメンバ資格状況と重複する程度の、１つ以上が挙げられる。

２０４では、複数のトラフィックソースのうちの一トラフィックデータベースのために、対応する広告データベースが作成される。各種の実施形態では、得られたトラフィック情報から識別された各外部トラフィックソースのために、対応する広告データベースが作成および／または初期化される。一部の実施形態では、各外部トラフィックソースのために作成された広告データベースは、そのトラフィックソースで公開される広告情報を格納するために使用される。各広告情報は、少なくとも、（例えば指定ウェブサイトに関係付けられるようにおよび／またはユーザによる選択を受けて指定ウェブサイトに戻るように設計された）広告と、該広告に関係付けられたメタデータとを含む。一部の実施形態では、各外部トラフィックソースのために、２つ以上の広告データベースが維持／初期化されてよい。

２０６では、少なくとも部分的に、トラフィックソースに対応する過去の検索条件に基づいて、所定の基幹データベースから、トラフィックソースに対応する広告データベースに１つ以上の広告情報がマッピングされる。

異なるトラフィックソース（例えば公開者）の広告結果を考慮に入れるために、各種の実施形態では、各異なるトラフィックソースで公開される広告は、そのトラフィックソースのために維持されている広告データベースにマッピングおよび／または格納される。したがって、以下でさらに説明されるように、同じトラフィックソース（広告主）（の広告データベース）にマッピングされる広告は、そのトラフィックソースに表示するための一広告が選択されるときに、（異なるトラフィックソースにマッピングされる広告とではなく）互いと比較されてランク付けされる。

各種の実施形態では、広告情報は、少なくとも、広告と、該広告に関係付けられたメタデータとを含む。一部の実施形態では、広告主（例えば指定ウェブサイトの所有者）および／または広告主の広告キャンペーンの管理者によって、広告情報が作成される。各種の実施形態では、広告は、広告カテゴリ属性テキスト記述、購入入札キーワード、入札キーワードへの入札、広告の予算、広告のタイトル、広告の写真、および広告のその他のクリエイティブな特徴（例えば、画像、価格、値引き情報、地理的位置情報などの、広告の一部として表示されるコンテンツ）の、１つ以上を含むことができる。広告に関係付けられたメタデータは、ユーザによる広告の選択がリンクする製品情報ページのタイトル、広告に関係付けられた製品カテゴリ、広告に関係付けられた製品属性、広告に関係付けられた製品情報ページ上の記述の、１つ以上を含むことができる。

それぞれのトラフィックソースに対応する各種の広告データベースにマッピングされる広告情報は、全て、１つ以上の所定の基幹データベースに格納可能である。広告データベースに、所定の基幹データベースからの合致する広告情報が投入されるときは、所定の基幹データベースに格納された広告情報は、（得られたトラフィック情報から決定された、）各異なるトラフィックソースに関係付けられた過去の検索条件と比較される。所定の基幹データベースに格納された、特定のトラフィックソースの（１つ以上の）過去の検索条件に合致する広告情報は、そのトラフィックソースのために維持されている広告データベースにコピーされる。各広告情報は、異なるトラフィックソースにそれぞれ対応する２つ以上の広告データベースにマッピング（およびコピー）可能である。

一部の実施形態では、各トラフィックソースに関連して収集された過去の広告フィードバックデータもまた、トラフィックソースに対応する広告データベースに格納される。各トラフィックソースについての過去の広告フィードバックデータは、トラフィック情報が得られたのと同じまたは異なる第三者サービスから得られてよい。広告フィードバックデータは、製品表示およびクリック行為はもちろん、指定ウェブサイトに関係付けられた過去に表示された広告の表示および選択に続いて発生したユーザコンバージョン行為（ブックマークイベントまたは購入イベントなど）も含むことができる。

従来の技術では、異なる様々な外部トラフィックソースで公開される広告が、同じデータベースに格納されていた。さらに、指定ウェブサイトについて、複数の異なる外部トラフィックソースがランク付けされ、外部トラフィックソースにおける広告への、指定ウェブサイトによるリソースの割り当ては、広告が公開される外部トラフィックソースのランク付けに関係して優先順位を付けられていた。要するに、広告へのリソースの割り当ては、その広告が公開される外部トラフィックソースのランク付けに依存していた。例えば、従来の技術を使用したとすると、外部トラフィックソースＡおよび外部トラフィックソースＢのランク付けを決定するために、指定ウェブサイトへの過去のトラフィック情報群が分析され、外部トラフィックソースＡが、外部トラフィックソースＢよりも高くランク付けされた。したがって、従来の技術に基づくと、その後、外部トラフィックソースＡおよびＢにおける広告のためのリソースを割り当てる機会では、外部トラフィックソースＢにおける広告よりも外部トラフィックソースＡにおける広告のために多くのリソースが割り当てられるだろう。しかしながら、時間の経過とともに、外部トラフィックソースＢにおける広告の方が、外部トラフィックソースＡにおける広告よりも多くの利益を得るようになる可能性があり、しかしながら、事前に決定されたランク付けに基づいて、依然、外部トラフィックソースＢよりも外部トラフィックソースＡの方に多くのリソースが投じられ、これは、外部トラフィックソースＢにとって不公平である。このように、従来の技術は、外部トラフィックソースごとに個別に広告をランク付けするのではなく、外部トラフィックソース全体でランク付けを行うので、これは、指定ウェブサイトのための広告リソースのリソース割り当てを最適化することができないだろう。

図３は、トラフィックソースのために広告を選択するためのプロセスの一実施形態を示したフローチャートである。一部の実施形態では、プロセス３００は、図１のシステム１００において実行に移される。

プロセス３００は、広告提示の機会が生じている（例えば現検索条件が受信されている）外部トラフィックソースで特定の広告主によって入札として使用される広告を選択するプロセスの一例を説明している。例えば、現検索条件に対してトラフィックソースによって返される検索結果ページ上に表示される１つ以上の広告を決定するために、そのトラフィックソースのために入札の評価が行われる。プロセス３００において、広告を選択される広告主は、図２のプロセス２００などのプロセスを使用してそれぞれのトラフィックソースに対応する広告データベースを確立された指定ウェブサイトに関係付けられている。プロセス３００は、指定ウェブサイトに関係付けられた存在によって実施可能である。

３０２では、現トラフィックソースで現検索条件が受信されることが決定される。

各種の実施形態では、所定のイベントが発生したときに、外部トラフィックソースに広告を提示する機会が生じる。広告提示の機会が生じるこのような所定のイベントの一例は、外部トラフィックソースで検索条件が受信され、該検索条件に対して返される検索結果とともに広告が表示される必要があるときである。例えば、検索結果は、外部トラフィックソースの検索エンジンで受信されてよい。検索条件は、例えば、１つ以上の検索キーワードおよび／またはその他のユーザ選択を含むことができる。

プロセス３００では、検索条件が受信された（外部）トラフィックソースは、「現トラフィックソース」と呼ばれ、現トラフィックソースで受信された検索条件は、「現検索条件」と呼ばれる。

３０４では、現トラフィックソースに関係付けられた広告データベースから、現検索条件に関係する広告情報群が決定される。

各種の実施形態では、指定ウェブサイトのために、各トラフィックソースに対応する広告データベースが（例えば図２のプロセス２００などのプロセスを使用して）事前に確立される。例えば、現トラフィックソースに対応する広告データベースの識別情報を決定するために、トラフィックソースと対応する広告データベースとの間のマッピングを格納して呼び出すことができる。現トラフィックソースのために事前に確立された広告データベースは、現検索条件に関係する（例えば少なくとも部分的に合致する）広告情報群を求めて（例えば決定された識別情報を使用して）アクセスおよび検索される。現検索条件に関係する広告情報群は、指定ウェブサイトに関係付けられた広告主が入札として使用するための広告をそこから選択するための広告情報候補を含む。

各種の実施形態では、トラフィックソースに対応する広告データベースは、そのトラフィックソースのために収集された過去の広告フィードバックデータも格納している。例えば、広告フィードバックデータは、トラフィックソースに広告が提示された後に生じる行為情報を含む。例えば、広告フィードバックデータは、トラフィックソースに表示された広告の製品表示および選択（例えばクリック）行為はもちろん、表示およびクリック行為に続いて発生したユーザコンバージョン行為も含むことができる。各種の実施形態では、コンバージョン行為は、少なくとも、選択された広告に関係付けられた製品を購入すること、または選択された広告に関係付けられた製品のブックマークを選択することを含む。一部の実施形態では、行為情報は、詳細な製品情報ページの直帰率などの広告フィードバックデータを得るために、統計的に解析される。直帰率は、適切なポータル（例えば広告、キーワード、カタログなど）を経た訪問総回数に対する、そのポータルを経て指定ウェブサイトに入ったが１ページのみを訪問した後に去るユーザ訪問回数の比率を示している。直帰率が低いほど、ウェブサイトの需要が高く、ユーザの側では、より多くのページを訪問する意欲が大きいことを表している。反対に、直帰率が高いほど、ウェブサイトの需要が低いことを示している。直帰率は、例えば、ウェブサイトのログインページの品質を評価するために使用可能である。

一部の実施形態では、過去の広告フィードバックデータは、トラフィックソースに対応する広告データベースとは別に格納される。

以下で詳細に説明されるように、現トラフィックソースの過去の広告フィードバックデータは、各広告情報候補について特定の属性パラメータ（値引き後の期待収益パラメータ、すなわちＤ＿ＥＣＰＭ）を決定するために使用される。そのそれぞれの属性パラメータに基づいて、（１つ以上の）入札として使用するための少なくとも１つの広告情報が選択される。

３０６では、少なくとも部分的に、現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、その現トラフィックソース用に、コンテンツが選択される確率を予測するように構成された選択モデルが決定される。

選択モデルは、少なくとも部分的に、現トラフィックソースの過去の広告フィードバックデータに基づいて、現トラフィックソース用に決定される。選択モデルは、（或るトラフィックソースでサブミットされる）異なる様々な選択条件に対してそのトラフィックソースに或る広告が表示されたときにその広告がユーザによって選択される（例えばクリックされる）確率を予測するように構成される。したがって、現トラフィックソース用に決定される選択モデルは、その現トラフィックソースで受信される現検索条件に対して或る広告情報が（例えばその現検索条件に対して返される検索結果とともに表示されたときに）選択される確率を予測するために使用可能である。

現トラフィックソースのための選択モデルは、現トラフィックソースの検索エンジンクリックログを解釈することによって決定可能である。一部の実施形態では、選択モデルは、ダイナミック・ベイジアン・ネットワークモデル（ＤＢＮ）として構築可能である。各モデル構築技術は、ユーザの検索および閲覧の行動を説明するために使用される自身の仮定を提示する。各モデル構築は、また、パラメータ評価のための或る種の機械学習アルゴリズムも使用する。パラメータ評価アルゴリズムは、プロセスにおいて、モデルがクリック行動を正確に解釈するための非常に重要な役割を担っている。もし、同じモデル上で異なるパラメータ評価アルゴリズムが使用されるならば、結果は異なるものになるだろう。

或る広告情報が選択される予測確率は、また、その広告情報の予測クリックスルーレートと呼ばれることもある。クリックスルーレートは、ウェブページ上に特定のコンテンツが表示される総回数に対する、その特定のコンテンツがクリックされる回数の比率である。或る広告情報のクリックスルーレートは、その広告情報に払われる注意のレベルを反映しており、多くの場合、広告情報の品質を測るために使用される。

３０８では、少なくとも部分的に、選択モデルへの現検索条件の入力に基づいて、広告情報群のうちの第１の広告情報がユーザによって選択される予測確率が決定される。

各種の実施形態では、現トラフィックソース用に決定される選択モデルは、現検索条件に対する広告情報群の各広告情報候補が（例えば現検索条件に対して返される検索結果とともに表示されたときに）ユーザによって選択される（例えばクリックされる）確率を予測するために使用される。

次式は、現トラフィックソースで受信される現検索条件に対して広告情報群のうちの一広告情報候補が選択される確率（例えばクリックスルーレート）を予測するための選択モデルを決定するために使用される式の一例である。

ここで、

ＣＴＲは、現トラフィックソースで受信される特定の検索条件に対して広告情報候補がユーザによって選択される予測確率である。

ｑｕｅｒｙは、現トラフィックソースにおける過去の検索条件情報である。

Ａｄ＿ｉｎｆｏは、現トラフィックソースに対応する過去の広告情報である。

ｒｅｆＰＩＤ＿ｉｎｆｏは、トラフィックソースのウェブサイトのタイプ、および現トラフィックソースが指定ウェブサイトのメンバ資格と重複する程度を含む、過去のトラフィック情報である。

ｕｓｅｒ＿ｉｎｆｏは、現トラフィックソースで特定の検索条件をサブミットしたユーザに関係付けられた過去のユーザ情報である。

ａｄ＿ｆｅｅｄｂａｃｋは、現トラフィックソースにおける過去の広告フィードバックである。

上記の式に示されるように、選択される予測確率、すなわちＣＴＲは、以下の入力／パラメータ、すなわちｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびａｄ＿ｆｅｅｄｂａｃｋの関数として決定される。したがって、ＣＲＴ値は、ｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびａｄ＿ｆｅｅｄｂａｃｋの値の集合を所与として予測可能である。ｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびａｄ＿ｆｅｅｄｂａｃｋの値の少なくとも一部は、例えば、現検索条件、広告情報候補、現トラフィックソース、および／または現検索条件をサブミットしたユーザから決定されてよい。

選択モデルは、機械学習技術のための訓練データとして過去の選択（例えばクリック）データを使用することによって決定されてよい。機械学習技術の簡単な例として、線形回帰が挙げられる。過去の選択データへの線形回帰の適用は、ｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびａｄ＿ｆｅｅｄｂａｃｋのパラメータ間の関係を決定してＣＴＲ値を決定する式（選択モデル）に到達可能である。次に挙げる式の例は、線形回帰によって決定されて、選択モデルとして使用されてよい。

ここで、ｗ１、ｗ２、ｗ３、ｗ４、およびｗ５は、線形回帰機械学習技術によって決定される加重である。選択モデルは、ユーザによって現トラフィックソースにサブミットされた特定のクエリに対して各広告情報候補が選択される確率（例えばクリックスルーレート）を予測するために確立される。選択モデルの一例として式（２）を使用する場合は、未知のＣＴＲ値（広告情報候補がユーザによって選択される予測確率）を決定するために、広告情報候補に関係付けられたｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびａｄ＿ｆｅｅｄｂａｃｋの既知の値が式（２）に代入される。

３１０では、少なくとも部分的に、現トラフィックソース関係付けられた過去の広告フィードバックデータに基づいて、その現トラフィックソース用に、ユーザによるコンテンツの選択がコンバージョンイベントを生じさせる確率を予測するように構成されたコンバージョンモデルが決定される。

コンバージョンモデルは、少なくとも部分的に、現トラフィックソースの過去広告フィードバックデータに基づいて、現トラフィックソース用に決定される。コンバージョンモデルは、（或るトラフィックソースでサブミットされる）異なる様々な選択条件に対してそのトラフィックソースに或る広告が表示されたときにその広告がユーザによって選択（例えばクリック）されて（例えば指定ウェブサイトにおける）コンバージョンイベントを生じさせる確率を予測するように構成される。したがって、現トラフィックソース用に決定されるコンバージョンモデルは、その現トラフィックソースで受信される現検索条件に対して或る広告情報が（例えば検索結果とともに表示されたときに）選択される確率を予測するために使用されてよい。コンバージョンイベントの例として、指定ウェブサイトでアイテムを購入すること、指定ウェブサイトで新メンバとして登録すること、指定ウェブサイトにおけるアイテムに関係したページを転送すること、および指定ウェブサイトに関係付けられたページをブックマークに入れることが挙げられる。

３１２では、少なくとも部分的に、コンバージョンモデルへの現検索条件の入力に基づいて、ユーザによる第１の広告情報の選択がコンバージョンイベントを生じさせる予測確率が決定される。

各種の実施形態では、現トラフィックソース用に決定されるコンバージョンモデルは、現検索条件に対する広告情報群の各広告情報候補が（例えば検索結果のなかから）選択されてコンバージョンイベントを生じさせる確率を予測するために使用される。

次式は、現トラフィックソースで受信される現検索条件に対して広告情報群のうちの一広告情報候補が選択されてコンバージョンイベントを生じさせる確率を予測するためのコンバージョンモデルを決定するために使用される式の一例である。

ここで、

ｐは、現トラフィックソースで受信される特定の検索条件に対してユーザによる広告情報の選択がコンバージョンイベントを生じさせる予測確率である。

ｑｕｅｒｙは、現トラフィックソースにおける過去の検索条件情報である。

Ａｄ＿ｉｎｆｏは、現トラフィックソースに対応する過去の広告情報である。

ｒｅｆＰＩＤ＿ｉｎｆｏは、トラフィックソースのウェブサイトのタイプ、および現トラフィックソースが指定ウェブサイトのメンバ資格と重複する程度を含む、過去のトラフィック情報である。

ｕｓｅｒ＿ｉｎｆｏは、現トラフィックソースで特定の検索条件をサブミットしたユーザに関係付けられた過去のユーザ情報である。

Ａｄ＿ｆｅｅｄｂａｃｋは、現トラフィックソースにおける過去の広告フィードバックおよびオンサイト・トラフィックソース（指定ウェブサイトそれ自身）における広告フィードバックデータである。

上記の式に示されるように、広告情報が選択されてコンバージョンイベントを生じさせる予測確率、すなわちｐは、以下の入力／パラメータ、すなわちｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびＡｄ＿ｆｅｅｄｂａｃｋの関数として決定される。したがって、ｐ値は、ｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびＡｄ＿ｆｅｅｄｂａｃｋの値の集合を所与として予測可能である。ｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびＡｄ＿ｆｅｅｄｂａｃｋの値の少なくとも一部は、例えば、現検索条件、広告情報候補、現トラフィックソース、および／または現検索条件をサブミットしたユーザから決定されてよい。

コンバージョンモデルは、機械学習技術のための訓練データとして過去のコンバージョンデータを使用することによって決定されてよい。機械学習技術の簡単な例として、線形回帰が挙げられる。過去のコンバージョンデータへの線形回帰の適用は、ｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびＡｄ＿ｆｅｅｄｂａｃｋのパラメータ間の関係を決定してｐ値を決定する式（コンバージョンモデル）に到達可能である。次に挙げる式の例は、線形回帰によって決定されて、コンバージョンモデルとして使用されてよい。

ここで、ｍ１、ｍ２、ｍ３、ｍ４、およびｍ５は、線形回帰機械学習技術によって決定される加重である。コンバージョンモデルは、ユーザによって現トラフィックソースにサブミットされた特定のクエリに対して各広告情報候補が選択されてコンバージョンイベントを生じさせる確率を予測するために確立される。コンバージョンモデルの一例として式（４）を使用する場合は、未知のｐ値（広告情報が選択されてコンバージョンイベントを生じさせる予測確率）を決定するために、広告情報候補に関係付けられたｑｕｅｒｙ、Ａｄ＿ｉｎｆｏ、ｒｅｆＰＩＤ＿ｉｎｆｏ、ｕｓｅｒ＿ｉｎｆｏ、およびＡｄ＿ｆｅｅｄｂａｃｋの既知の値が式（４）に代入される。

３１４では、少なくとも部分的に、ユーザによって選択される予測確率、ユーザによる選択がコンバージョンイベントを生じさせる予測確率、および所定のベンチマーク・コンバージョンレートに基づいて、第１の広告情報についての属性パラメータが決定される。

広告情報群のうちの一広告情報について決定された、選択される予測確率、その広告情報についての、選択されてコンバージョンイベントを生じさせる予測確率、および所定のベンチマークは、その広告情報についての属性パラメータを決定するために使用される。属性パラメータは、広告情報群の各広告情報について決定されてよい。各種の実施形態では、属性パラメータは、広告情報群の各広告情報について決定可能な値引き後の期待収益パラメータ（Ｄ＿ＥＣＰＭ）である。

次式は、現トラフィックソースで受信される現検索条件に対する一広告情報についてＤ＿ＥＣＰＭを決定するための式の一例である。

ここで、

Ｄ＿ＥＣＰＭは、一広告情報についての値引き後の期待収益パラメータ（属性パラメータ）である。

ＥＣＰＭは、広告情報を１０００回表示するごとに得られると予測される期待収益である。各種の実施形態では、ＥＣＰＭ＝ＣＴＲ×ｂｉｄ（ここで、ＣＴＲは、ステップ３０８の式（１）などの式によって決定されてよく、ｂｉｄは、現トラフィックソースのための広告入札価格である）。

ａｄＣＶＲ（広告コンバージョンレート）は、現トラフィックソースにおける現検索条件に対してユーザによる広告情報の選択がコンバージョンイベント（例えば指定ウェブサイトでアイテムを購入すること、指定ウェブサイトで新メンバとして登録すること、指定ウェブサイトにおけるアイテムに関係したページを転送すること、および指定ウェブサイトにおけるアイテムに関係したページをブックマークに入れること）を生じさせる予測確率である。各種の実施形態では、ａｄＣＶＲ＝ｐ（ここで、ｐは、ステップ３１２の式（３）などの式によって決定されてよい）である。

ｂｅｎｃｈｍａｒｋＣＶＲは、基準として機能する、トラックの所定のベンチマーク・コンバージョンレートである。所定のベンチマーク・コンバージョンレートは、特定のタイプのトラフィックの過去のコンバージョンレートとして設定可能である。各種の実施形態では、所定のベンチマーク・コンバージョンレートは、指定ウェブサイト自身のオンサイト・トラフィックの過去のコンバージョンレートとして設定可能である。指定ウェブサイトそれ自身のオンサイト・トラフィックの過去のコンバージョンレートは、（指定ウェブサイトの外部のトラフィックソースではなく）指定ウェブサイトに表示されたことがある指定ウェブサイトに関係付けられた広告のコンバージョンレートである。指定ウェブサイトそれ自身は、広告の公開者であってよく、また、少なくとも一部のこのような広告の広告主に関係付けられていてもよいので、指定ウェブサイトに提示される広告のユーザ選択は、指定ウェブサイト上の別のページにリンクする。総じて、オンサイト・トラフィック（例えば、指定ウェブサイトにおけるページを起源とする同指定ウェブサイトのページへのトラフィック）は、外部トラフィック（例えば、指定ウェブサイトではなく外部のページを起源とする同指定ウェブサイトのページへのトラフィック）よりも優れた品質のトラフィックであると見なされ、したがって、オンサイト・トラフィックの過去のコンバージョンレートが、所定のベンチマーク・コンバージョンレート（ｂｅｎｃｈｍａｒｋＣＶＲ）として使用されてよい。一部の実施形態では、所定のベンチマーク・コンバージョンレートは、オンサイト・トラフィックではない別のタイプの高品質トラフィックの過去のコンバージョンレートとして設定可能である。

ＥＣＰＭ＝（ＣＴＲ×ｂｉｄ）とし、ａｄＣＶＲを、（ステップ３１２で決定された、）選択されてコンバージョンイベントを生じされる予測確率ｐであるとすると、式（３）は、次のように書き直すことができる。

式（７）によって示されるように、或る広告情報についてのＤ＿ＥＣＰＭは、現トラフィックソースにおける現検索条件に対してその広告情報がユーザによって選択される予測確率と、現トラフィックソースにおける現検索条件に対してユーザによるその広告情報の選択がコンバージョンイベントを生じさせる予測確率と、所定のベンチマーク・コンバージョンレートとを使用して決定されてよい。

従来の広告ランク付け技術は、ランク付けを実施するためにＥＣＰＭを活用するのが一般的である。ＥＣＰＭは、広告を１０００回表示するごとに得られる広告収益を言う。表示ユニットは、ウェブページ、広告情報エレメント、またはひいては、１つの広告情報であってよい。上記のように、広告のＥＣＰＭは、ＥＣＰＭ＝広告単位入札価格×広告クリックスルーレート×１０００で表すことが可能である。この式は、ウェブサイトの広告採算性の傾向が、ウェブサイトのサイズとは無関係であり、その代わりに、平均広告単位価格および広告クリックスルーレートによって決定されることを示している。広告が低品質であるときは、広告のクリックスルーレートの値は非常に低くなる。広告の品質を高めるのではなく広告単位入札価格を上げることによって広告のランクを上げると、この種の広告を見る際のユーザエクスペリエンスが犠牲になる。

本明細書で説明される実施形態は、所定のベンチマーク・コンバージョンレートに対する、外部トラフィックソースで広告情報が選択されてコンバージョンイベントを生じさせる予測確率の比率（ａｄＣＶＲ／ｂｅｎｃｈｍａｒｋＣＶＲ）を、外部トラフィックソースで公開される広告情報のための値引き係数として使用する。外部トラフィックソースで公開される広告情報について決定されたＥＣＰＭは、外部トラフィックソースに関係してその広告情報に関係付けられた値引き係数によって加重されている（例えば乗算されている）と考えることが可能である。ベンチマーク・コンバージョンレートは、高いコンバージョンレートに基づくので、外部ソースにおける広告情報の予測コンバージョン確率が高いほど、その広告情報について決定される属性パラメータ（値引き後の期待収益パラメータ、すなわちＤ＿ＥＣＰＭ）は大きくなる。反対に、外部ソースにおける広告情報の予測コンバージョン確率が低いほど、その広告情報について決定される属性パラメータ（値引き後の期待収益パラメータ、すなわちＤ＿ＥＣＰＭ）が低くなる。

異なるトラフィックソースで検索条件が受信されるときは、各トラフィックソースに対応しそれぞれの検索条件に合致する広告情報が、対応するトラフィックソースとの関係のもとでランク付けされる。各トラフィックソースは、そのトラフィックソースで受信された過去の検索条件に合致することを決定された広告情報を含む広告データベースに対応しているので、異なるトラフィックソースに対応する広告データベースは、異なる広告情報を含んでいるだろう。したがって、（異なるトラフィックソースに対応する）異なる広告データベース間では、或る検索条件に合致する広告情報について決定される属性パラメータ（Ｄ＿ＥＣＰＭ）が異なる可能性が高い。したがって、特定の広告情報のランクは、それがどの広告データベース（トラフィックソース）用にランク付けされているかに応じて様々だろう。

各トラフィックソースは、それ自身の広告データベースに対応しているので、各外部トラフィックソースについて決定された各広告情報の属性パラメータＤ＿ＥＣＰＭは、たとえもし検索条件、ユーザ情報、広告情報、およびこのようなその他の要素が同じであっても、トラフィックソースごとに外部トラフィックソース情報および広告フィードバックデータが異なる結果、異なるものになる。その結果、同じ広告情報は、たとえ同じ現検索条件に対しであっても、異なる広告データベースのなかではその他の広告情報との関係のもとで異なってランク付けされるだろう。広告情報が、全トラフィックソースにわたってではなく各トラフィックソースとの関係のもとでランク付けおよび選択されることが可能であるように、上述のように、対応する広告データベースは、トラフィックソース（公開者）ごとに編成される。

したがって、各広告情報について決定される属性パラメータは、それが対応するトラフィックソースに依存しており、したがって、同じトラフィックソースに対応する広告情報は、そのトラフィックソースで広告情報を提示する機会において、そのそれぞれのＤ＿ＥＣＰＭ値に基づいて互いにランク付けされることが可能である。

３１６では、少なくとも部分的に、各広告情報のそれぞれの属性パラメータに基づいて、広告情報群の広告情報をランク付けしたランキングリストが決定される。

広告情報群の広告情報は、そのそれぞれの属性パラメータ（Ｄ＿ＥＣＰＭ値）に基づいて、Ｄ＿ＥＣＰＭ値が高いものから順にランク付けされる。最も高いＤ＿ＥＣＰＭ値を伴う広告情報は、現トラフィックソースのコンバージョン能力に照らして、指定ウェブサイトに関係した公開者にとって最も高い利益を得られることが予測される。

３１８では、少なくとも部分的に、ランキングリストに基づいて、現トラフィックソースに表示される可能性があるものとして広告情報群から一被選択広告情報が選択される。

一部の実施形態では、現トラフィックソースで公開される可能性があるものとして、ランキングリストから少なくとも１つの広告情報が選択される。例えば、最も高い属性パラメータ（Ｄ＿ＥＣＰＭ）に関係付けられた１つ以上の広告情報が、ランキングリストから選択されてよい。選択された１つ以上の広告情報は、それぞれ、（例えば広告主および／またはその他の関係者によって決定された）入札価格とともに、現トラフィックソースに関係付けられた広告選択システムにサブミットされてよい。各種の実施形態では、現トラフィックソースに関係付けられた広告選択システムは、現トラフィックソースにおける現検索条件に対する検索結果とともにどの（１つ以上の）広告を提供するかを、最終的に、自身の広告選択技術を使用して決定する。例えば、現トラフィックソースに関係付けられた広告選択システムは、検索結果ページにどの（１つ以上の）広告を表示するかを決定するために、オークションを使用することができる。そのそれぞれのＤ＿ＥＣＰＭに基づいて選択される（１つ以上の）広告情報は、指定ウェブサイトに関係した広告主に現トラフィックソースから最多の利益をもたらすと予測される（１つ以上の）広告情報を表している。

一部の実施形態では、オンサイト・トラフィックの場合は、指定ウェブサイトに表示される可能性がある広告をランク付けするためにＥＣＰＭが使用されるが、オフサイト（外部）トラフィックの場合は、外部トラフィックソースに表示される可能性がある広告をランク付けするためにＤ＿ＥＣＰＭが使用される。外部トラフィックソースに表示される可能性がある広告は、Ｄ＿ＥＣＰＭが高いものから順にランク付けされる。

以下は、異なるトラフィックソースに関係付けられた広告情報をランク付けする幾つかの例である。

実施例１：

ベンチマークと見なされるオンサイト・トラフィック（指定ウェブサイト自身のトラフィック）

クエリ（現検索条件）＝ｘｙｚ

クエリをサブミットしたユーザ＝ａ

指定ウェブサイトとの関係のもとで広告データベースから合致した広告情報：Ａ、Ｂ、Ｃ、Ｄ

それぞれの広告情報に対応するＥＣＰＭ：１０、８、６、および４

ＥＣＰＭ値に基づいて、広告情報は、ＡＢＣＤの順にランク付けされる。この例では、広告情報Ａが、指定ウェブサイトにオンサイトで表示される可能性があるものとして選択されてよい。

実施例２：

外部トラフィックソース１において：

クエリ（現検索条件）＝ｘｙｚ

クエリをサブミットしたユーザ＝ｂ

指定ウェブサイトとの関係のもとで広告データベースから合致した広告情報：Ａ、Ｂ、Ｃ、Ｄ

それぞれの広告情報に対応するＤ＿ＥＣＰＭ値：５、８、６、および３

Ｄ＿ＥＣＰＭ値に基づいて、広告情報は、ＢＣＡＤの順にランク付けされる。この例では、広告情報Ｂが、外部トラフィックソース１に表示される可能性があるものとして選択されてよい。

実施例３：

外部トラフィックソース２において：

クエリ（現検索条件）＝ｘｙｚ

クエリをサブミットしたユーザ＝ｃ

指定ウェブサイトとの関係のもとで広告データベースから合致した広告情報：Ａ、Ｂ、Ｃ、Ｄ

それぞれの広告情報に対応するＤ＿ＥＣＰＭ値：７、９、１および５

Ｄ＿ＥＣＰＭ値に基づいて、広告情報は、ＢＡＤＣの順にランク付けされる。この例では、広告情報Ｂが、外部トラフィックソース２に表示される可能性があるものとして選択されてよい。

図４は、トラフィックソースのために広告を選択するためのシステムの一実施形態を示した図である。この例では、システム４００は、情報取得モジュール４０１と、広告データベース編成モジュール４０２と、突き合わせモジュール４０３と、属性パラメータ計算モジュール４０４と、ランク付けモジュール４０５と、返送モジュール４０６とを含む。

モジュールおよびサブモジュールは、１つ以上のプロセッサ上で実行されるソフトウェアコンポーネントとして、またはプログラマブルロジックデバイスおよび／またはこれらの要素用に設計された特殊用途向け集積回路などのハードウェアとして実装可能である。モジュールおよびサブモジュールは、本発明の実施形態で説明される方法を（パソコン、サーバ、ネットワーク機器などの）計算装置に実行させるための幾つかの命令を含み、かつ（光ディスク、フラッシュストレージデバイス、モバイルハードディスクなどの）不揮発性のストレージ媒体に記憶させることができるソフトウェア製品の形で、具現化可能である。モジュールおよびサブモジュールは、１つのデバイスに実装されてよい、または複数のデバイスに分散されてよい。

情報取得モジュール４０１は、複数のトラフィックソースから指定ウェブサイトへのウェブトラフィックに関係付けられたトラフィック情報を得るように構成される。トラフィック情報は、少なくとも、各トラフィックソースに関係付けられた過去の検索条件、ユーザ情報、およびトラフィックソース属性を含むことができる。

広告データベース編成モジュール４０２は、得られたトラフィックソース情報を使用して、各トラフィックソースのために広告データベースを作成するように構成される。一部の実施形態では、広告データベースは、各外部トラフィックソースのために作成される。トラフィックソースに対応する広告データベースは、指定ウェブサイトに関係付けられ上記トラフィックソースに表示される可能性がある広告情報を含む。

突き合わせモジュール４０３は、トラフィックソースの過去の検索条件に合致する広告情報を、そのトラフィックソースのために作成される広告データベースに含めるものとして決定するように構成される。

属性パラメータ計算モジュール４０４は、現トラフィックソースで受信される現検索条件に合致するものとして決定された、現トラフィックソースの広告データベースからの広告情報群の各広告情報について、属性パラメータを計算するように構成される。

一部の実施形態では、属性パラメータ計算モジュール４０４は、以下のサブモジュールを含むことができる。

少なくとも部分的に、現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、現トラフィックソース用に、コンテンツが選択される確率を予測するように構成された選択モデルを決定するように構成された、選択モデル確立サブモジュール。現検索条件に対して現トラフィックソースで選択される予測確率は、広告情報群の各広告情報について決定されてよい。

少なくとも部分的に、現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、現トラフィックソース用に、コンテンツが選択されてコンバージョンイベントを生じさせる確率を決定するように構成されたコンバージョンモデルを決定するように構成された、コンバージョンモデル確立サブモジュール。現検索条件に対して現トラフィックソースで選択されてコンバージョンイベントを生じさせる予測確率は、広告情報群の各広告情報について決定されてよい。

少なくとも部分的に、現検索条件に対して現トラフィックソースで広告情報が選択される確率と、現検索条件に対して現トラフィックソースで広告情報が選択されてコンバージョンイベントを生じさせる確率と、所定のベンチマーク・コンバージョンレートと、に基づいて、広告情報群の各広告情報についての属性を決定するように構成された、属性パラメータ計算サブモジュール。

ランク付けモジュール４０５は、広告情報群の広告情報を、そのそれぞれの属性パラメータにしたがって、属性パラメータが高いものから順にランク付けするように構成される。

返送モジュール４０６は、より高い属性パラメータに関係付けられた少なくとも１つの広告情報を、現トラフィックソースに表示される可能性があるものとして選択するように構成される。

当業者ならば、本出願の実施形態が、方法、システム、またはコンピュータソフトウェア製品として提供可能であることがわかるはずである。したがって、本出願は、完全にハードウェアで構成される実施形態、完全にソフトウェアで構成される実施形態、またはハードウェアとソフトウェアとを組み合わせた実施形態の形態をとることができる。また、本出願は、コンピュータ操作可能なプログラムコードを含む１つ以上のコンピュータ操作可能なストレージ媒体（磁気ディスクストレージデバイス、ＣＤ−ＲＯＭ、および光ストレージデバイスを含むがこれらに限定はされない）に実装されたコンピュータプログラム製品の形態をとることができる。

本出願は、方法、機器（システム）、およびコンピュータプログラム製品に基づくフローチャートおよび／またはブロック図を参照にして説明されている。フローチャートおよび／またはブロック図における各プロセスおよび／または各ブロック、ならびにフローチャートおよび／またはブロック図におけるプロセスおよび／またはブロックの組み合わせは、それぞれ、コンピュータプログラムコマンドを通じて達成可能であることがわかるはずである。これらのコンピュータコマンドは、汎用コンピュータ、特殊用途コンピュータ、埋め込みプロセッサ、またはその他のプログラマブルデータ処理機器のプロセッサに提供されてマシンを作動させることができ、その結果、コンピュータ、またはその他のプログラマブルデータ機器のプロセッサを通じて実行されるコマンドは、フローチャートにおける１つ以上のプロセスおよび／またはブロック図における１つ以上のブロックによって指定された機能を実現するために使用されるデバイスを作動させる。

これらのコンピュータプログラムコマンドは、また、コンピュータまたはその他のプログラマブルデータ処理機器を誘導することができる、特殊作業コンピュータによって読み取り可能なストレージデバイスに記憶させることもでき、その結果、これらのコンピュータ読み取り可能なデバイスに記憶されたコマンドは、コマンドデバイスを含む製品を作動させる。これらのコマンドデバイスは、フローチャートにおける１つ以上のプロセスおよび／またはブロック図における１つ以上のブロックに指定される機能を実現する。

これらのコンピュータプログラムコマンドは、コンピュータまたはその他のプログラマブルデータ処理機器に取り込むことも可能であり、その結果、コンピュータまたはその他のプログラマブル機器で一連の操作ステップが実行されてコンピュータ処理が引き起こされる。このようにして、コンピュータまたはその他のプログラマブル機器で実行されるコマンドは、フローチャートにおける１つ以上のプロセスおよび／またはブロック図における１つ以上のブロックで指定される機能を実現するためのステップを提供する。

本出願の好ましい実施形態が既に説明されてきたが、当業者ならば、ひとたび基本的な発明的概念を捉えられれば、これらの実施形態に対してその他の変更または修正を加えることができる。したがって、添付の特許請求の範囲は、好ましい実施形態のみならず、本出願の範囲内に入るあらゆる変更および修正も含むものと解釈される。

以上の実施形態は、理解を明瞭にすることを目的として幾らか詳細に説明されてきたが、本発明は、与えられた詳細に限定されない。本発明を実現するには、多くの代替的手法がある。開示された実施形態は、例示的なものであり、非限定的である。
本発明は、たとえば、以下のような態様で実現することもできる。

適用例１：
システムであって、
少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサに結合され、前記少なくとも１つのプロセッサに命令を提供するように構成されたメモリと、
を備え、
前記少なくとも１つのプロセッサは、
現トラフィックソースで現検索条件が受信されることを決定することと、
前記現トラフィックソースに関係付けられた広告データベースから、前記現検索条件に関係する広告情報群を決定することと、
少なくとも部分的に、前記現検索条件を選択モデルに入力することに基づいて、前記広告情報群のうちの第１の広告情報がユーザによって選択される予測確率を決定することと、
少なくとも部分的に、前記現検索条件をコンバージョンモデルに入力することに基づいて、ユーザによる前記広告情報群のうちの前記第１の広告情報の選択がコンバージョンイベントを生じさせる予測確率を決定することと、
少なくとも部分的に、前記ユーザによって選択される予測確率と、前記ユーザによる選択が前記コンバージョンイベントを生じさせる予測確率と、所定のベンチマーク・コンバージョンレートと、に基づいて、前記広告情報群のうちの前記第１の広告情報についての属性パラメータを決定することと、
少なくとも部分的に、各広告情報のそれぞれの属性パラメータに基づいて、前記広告情報群の広告情報をランク付けしたランキングリストを決定することと、
少なくとも部分的に、前記ランキングリストに基づいて、前記現トラフィックソースに表示される可能性があるものとして前記広告情報群から一つの被選択広告情報を選択することと、
を行うように構成される、システム。

適用例２：
適用例１のシステムであって、
前記現トラフィックソースは、指定ウェブサイトに関係付けられた外部トラフィックソースを含む、システム。

適用例３：
適用例１のシステムであって、
前記１つ以上のプロセッサは、さらに、前記現トラフィックソースに関係付けられた前記広告データベースを、
複数のトラフィックソースから指定ウェブサイトへのウェブトラフィックに関係付けられたトラフィック情報を得ることであって、前記トラフィック情報は、少なくとも、前記複数のトラフィックソースのそれぞれに対応する過去の検索条件を含み、前記複数のトラフィックソースは、前記現トラフィックソースを含む、トラフィック情報の獲得と、
前記現トラフィックソースのために前記広告データベースを作成することと、
少なくとも部分的に、前記現トラフィックソースに対応する過去の検索条件に基づいて、所定の基幹データベースから、前記現トラフィックソースに対応する前記広告データベースに、１つ以上の広告情報をマッピングすることと、
によって決定するように構成される、システム。

適用例４：
適用例１のシステムであって、
前記コンバージョンイベントは、指定ウェブサイトでアイテムを購入すること、前記指定ウェブサイトで新メンバとして登録すること、前記指定ウェブサイトにおけるアイテムに関係したページを転送すること、および前記指定ウェブサイトに関係付けられたページをブックマークに入れることの、１つ以上を含む、システム。

適用例５：
適用例１のシステムであって、
前記所定のベンチマーク・コンバージョンレートは、少なくとも部分的に、指定ウェブサイトのオンサイト・トラフィックの過去のコンバージョンレートに基づいて決定される、システム。

適用例６：
適用例１のシステムであって、
前記１つ以上のプロセッサは、さらに、前記現トラフィックソースに関係付けられた広告選択システムに、前記被選択広告情報を入札としてサブミットするように構成され、前記現トラフィックソースに関係付けられた前記広告選択システムは、前記現検索条件に対して表示される検索結果とともに前記被選択広告情報を表示するかどうかを決定するように構成される、システム。

適用例７：
適用例１のシステムであって、
前記１つ以上のプロセッサは、さらに、少なくとも部分的に、前記現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、前記選択モデルを決定するように構成される、システム。

適用例８：
適用例１のシステムであって、
前記１つ以上のプロセッサは、さらに、少なくとも部分的に、前記現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、前記コンバージョンモデルを決定するように構成される、システム。

適用例９：
方法であって、
現トラフィックソースで現検索条件が受信されることを決定することと、
前記現トラフィックソースに関係付けられた広告データベースから、前記現検索条件に関係する広告情報群を決定することと、
少なくとも部分的に、前記現検索条件を選択モデルに入力することに基づいて、前記広告情報群のうちの第１の広告情報がユーザによって選択される予測確率を決定することと、
少なくとも部分的に、前記現検索条件をコンバージョンモデルに入力することに基づいて、ユーザによる前記広告情報群のうちの前記第１の広告情報の選択がコンバージョンイベントを生じさせる予測確率を決定することと、
１つ以上のプロセッサを使用し、少なくとも部分的に、前記ユーザによって選択される予測確率と、前記ユーザによる選択が前記コンバージョンイベントを生じさせる予測確率と、所定のベンチマーク・コンバージョンレートと、に基づいて、前記広告情報群のうちの前記第１の広告情報についての属性パラメータを決定することと、
少なくとも部分的に、各広告情報のそれぞれの属性パラメータに基づいて、前記広告情報群の広告情報をランク付けしたランキングリストを決定することと、
少なくとも部分的に、前記ランキングリストに基づいて、前記現トラフィックソースに表示される可能性があるものとして前記広告情報群から一つの被選択広告情報を選択することと、
を備える方法。

適用例１０：
適用例９の方法であって、
前記現トラフィックソースは、指定ウェブサイトに関係付けられた外部トラフィックソースを含む、方法。

適用例１１：
適用例９の方法であって、さらに、
前記現トラフィックソースに関係付けられた前記広告データベースを、
複数のトラフィックソースから指定ウェブサイトへのウェブトラフィックに関係付けられたトラフィック情報を得ることであって、前記トラフィック情報は、少なくとも、前記複数のトラフィックソースのそれぞれに対応する過去の検索条件を含み、前記複数のトラフィックソースは、前記現トラフィックソースを含む、トラフィック情報の獲得と、
前記現トラフィックソースのために前記広告データベースを作成することと、
少なくとも部分的に、前記現トラフィックソースに対応する過去の検索条件に基づいて、所定の基幹データベースから、前記現トラフィックソースに対応する前記広告データベースに、１つ以上の広告情報をマッピングすることと、
によって決定することを備える方法。

適用例１２：
適用例９の方法であって、
前記コンバージョンイベントは、指定ウェブサイトでアイテムを購入すること、前記指定ウェブサイトで新メンバとして登録すること、前記指定ウェブサイトにおけるアイテムに関係したページを転送すること、および前記指定ウェブサイトに関係付けられたページをブックマークに入れることの、１つ以上を含む、方法。

適用例１３：
適用例９の方法であって、
前記所定のベンチマーク・コンバージョンレートは、少なくとも部分的に、指定ウェブサイトのオンサイト・トラフィックの過去のコンバージョンレートに基づいて決定される、方法。

適用例１４：
適用例９の方法であって、さらに、
前記現トラフィックソースに関係付けられた広告選択システムに、前記被選択広告情報を入札としてサブミットすることであって、前記現トラフィックソースに関係付けられた前記広告選択システムは、前記現検索条件に対して表示される検索結果とともに前記被選択広告情報を表示するかどうかを決定するように構成される、ことを備える方法。

適用例１５：
適用例９の方法であって、さらに、
少なくとも部分的に、前記現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、前記選択モデルを決定することを備える方法。

適用例１６：
適用例９の方法であって、さらに、
少なくとも部分的に、前記現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、前記コンバージョンモデルを決定することを備える方法。

適用例１７：
非一時的なコンピュータ読み取り可能ストレージ媒体に盛り込まれたコンピュータプログラム製品であって、
現トラフィックソースで現検索条件が受信されることを決定するためのコンピュータ命令と、
前記現トラフィックソースに関係付けられた広告データベースから、前記現検索条件に関係する広告情報群を決定するためのコンピュータ命令と、
少なくとも部分的に、前記現検索条件を選択モデルに入力することに基づいて、前記広告情報群のうちの第１の広告情報がユーザによって選択される予測確率を決定するためのコンピュータ命令と、
少なくとも部分的に、前記現検索条件をコンバージョンモデルに入力することに基づいて、ユーザによる前記広告情報群のうちの前記第１の広告情報の選択がコンバージョンイベントを生じさせる予測確率を決定するためのコンピュータ命令と、
少なくとも部分的に、前記ユーザによって選択される予測確率と、前記ユーザによる選択が前記コンバージョンイベントを生じさせる予測確率と、所定のベンチマーク・コンバージョンレートと、に基づいて、前記広告情報群のうちの前記第１の広告情報についての属性パラメータを決定するためのコンピュータ命令と、
少なくとも部分的に、各広告情報のそれぞれの属性パラメータに基づいて、前記広告情報群の広告情報をランク付けしたランキングリストを決定するためのコンピュータ命令と、
少なくとも部分的に、前記ランキングリストに基づいて、前記現トラフィックソースに表示される可能性があるものとして前記広告情報群から一つの被選択広告情報を選択するためのコンピュータ命令と、
を備えるコンピュータプログラム製品。

適用例１８：
適用例１７のコンピュータプログラム製品であって、
前記現トラフィックソースは、指定ウェブサイトに関係付けられた外部トラフィックソースを含む、コンピュータプログラム製品。

適用例１９：
適用例１７のコンピュータプログラム製品であって、さらに、
前記現トラフィックソースに関係付けられた前記広告データベースを、
複数のトラフィックソースから指定ウェブサイトへのウェブトラフィックに関係付けられたトラフィック情報を得ることであって、前記トラフィック情報は、少なくとも、前記複数のトラフィックソースのそれぞれに対応する過去の検索条件を含み、前記複数のトラフィックソースは、前記現トラフィックソースを含む、トラフィック情報の獲得と、
前記現トラフィックソースのために前記広告データベースを作成することと、
少なくとも部分的に、前記現トラフィックソースに対応する過去の検索条件に基づいて、所定の基幹データベースから、前記現トラフィックソースに対応する前記広告データベースに、１つ以上の広告情報をマッピングすることと、
によって決定することを備えるコンピュータプログラム製品。

適用例２０：
適用例１７のコンピュータプログラム製品であって、
前記コンバージョンイベントは、指定ウェブサイトでアイテムを購入すること、前記指定ウェブサイトで新メンバとして登録すること、前記指定ウェブサイトにおけるアイテムに関係したページを転送すること、および前記指定ウェブサイトに関係付けられたページをブックマークに入れることの、１つ以上を含む、コンピュータプログラム製品。

Claims (20)

1. システムであって、
   少なくとも１つのプロセッサと、
   前記少なくとも１つのプロセッサに結合され、前記少なくとも１つのプロセッサに命令を提供するように構成されたメモリと、
   を備え、
   前記少なくとも１つのプロセッサは、
   現トラフィックソースで現検索条件が受信されることを決定することと、
   前記現トラフィックソースに関係付けられた広告データベースから、前記現検索条件に関係する広告情報群を決定することと、
   少なくとも部分的に、前記現検索条件を選択モデルに入力することに基づいて、前記広告情報群のうちの第１の広告情報がユーザによって選択される予測確率を決定することと、
   少なくとも部分的に、前記現検索条件をコンバージョンモデルに入力することに基づいて、ユーザによる前記広告情報群のうちの前記第１の広告情報の選択がコンバージョンイベントを生じさせる予測確率を決定することと、
   少なくとも部分的に、前記ユーザによって選択される予測確率と、前記ユーザによる選択が前記コンバージョンイベントを生じさせる予測確率と、所定のベンチマーク・コンバージョンレートと、に基づいて、前記広告情報群のうちの前記第１の広告情報についての属性パラメータを決定することと、
   少なくとも部分的に、各広告情報のそれぞれの属性パラメータに基づいて、前記広告情報群の広告情報をランク付けしたランキングリストを決定することと、
   少なくとも部分的に、前記ランキングリストに基づいて、前記現トラフィックソースに表示される可能性があるものとして前記広告情報群から一つの被選択広告情報を選択することと、
   を行うように構成される、システム。
2. 請求項１に記載のシステムであって、
   前記現トラフィックソースは、指定ウェブサイトに関係付けられた外部トラフィックソースを含む、システム。
3. 請求項１に記載のシステムであって、
   前記１つ以上のプロセッサは、さらに、前記現トラフィックソースに関係付けられた前記広告データベースを、
   複数のトラフィックソースから指定ウェブサイトへのウェブトラフィックに関係付けられたトラフィック情報を得ることであって、前記トラフィック情報は、少なくとも、前記複数のトラフィックソースのそれぞれに対応する過去の検索条件を含み、前記複数のトラフィックソースは、前記現トラフィックソースを含む、トラフィック情報の獲得と、
   前記現トラフィックソースのために前記広告データベースを作成することと、
   少なくとも部分的に、前記現トラフィックソースに対応する過去の検索条件に基づいて、所定の基幹データベースから、前記現トラフィックソースに対応する前記広告データベースに、１つ以上の広告情報をマッピングすることと、
   によって決定するように構成される、システム。
4. 請求項１に記載のシステムであって、
   前記コンバージョンイベントは、指定ウェブサイトでアイテムを購入すること、前記指定ウェブサイトで新メンバとして登録すること、前記指定ウェブサイトにおけるアイテムに関係したページを転送すること、および前記指定ウェブサイトに関係付けられたページをブックマークに入れることの、１つ以上を含む、システム。
5. 請求項１に記載のシステムであって、
   前記所定のベンチマーク・コンバージョンレートは、少なくとも部分的に、指定ウェブサイトのオンサイト・トラフィックの過去のコンバージョンレートに基づいて決定される、システム。
6. 請求項１に記載のシステムであって、
   前記１つ以上のプロセッサは、さらに、前記現トラフィックソースに関係付けられた広告選択システムに、前記被選択広告情報を入札としてサブミットするように構成され、前記現トラフィックソースに関係付けられた前記広告選択システムは、前記現検索条件に対して表示される検索結果とともに前記被選択広告情報を表示するかどうかを決定するように構成される、システム。
7. 請求項１に記載のシステムであって、
   前記１つ以上のプロセッサは、さらに、少なくとも部分的に、前記現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、前記選択モデルを決定するように構成される、システム。
8. 請求項１に記載のシステムであって、
   前記１つ以上のプロセッサは、さらに、少なくとも部分的に、前記現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、前記コンバージョンモデルを決定するように構成される、システム。
9. 方法であって、
   現トラフィックソースで現検索条件が受信されることを決定することと、
   前記現トラフィックソースに関係付けられた広告データベースから、前記現検索条件に関係する広告情報群を決定することと、
   少なくとも部分的に、前記現検索条件を選択モデルに入力することに基づいて、前記広告情報群のうちの第１の広告情報がユーザによって選択される予測確率を決定することと、
   少なくとも部分的に、前記現検索条件をコンバージョンモデルに入力することに基づいて、ユーザによる前記広告情報群のうちの前記第１の広告情報の選択がコンバージョンイベントを生じさせる予測確率を決定することと、
   １つ以上のプロセッサを使用し、少なくとも部分的に、前記ユーザによって選択される予測確率と、前記ユーザによる選択が前記コンバージョンイベントを生じさせる予測確率と、所定のベンチマーク・コンバージョンレートと、に基づいて、前記広告情報群のうちの前記第１の広告情報についての属性パラメータを決定することと、
   少なくとも部分的に、各広告情報のそれぞれの属性パラメータに基づいて、前記広告情報群の広告情報をランク付けしたランキングリストを決定することと、
   少なくとも部分的に、前記ランキングリストに基づいて、前記現トラフィックソースに表示される可能性があるものとして前記広告情報群から一つの被選択広告情報を選択することと、
   を備える方法。
10. 請求項９に記載の方法であって、
    前記現トラフィックソースは、指定ウェブサイトに関係付けられた外部トラフィックソースを含む、方法。
11. 請求項９に記載の方法であって、さらに、
    前記現トラフィックソースに関係付けられた前記広告データベースを、
    複数のトラフィックソースから指定ウェブサイトへのウェブトラフィックに関係付けられたトラフィック情報を得ることであって、前記トラフィック情報は、少なくとも、前記複数のトラフィックソースのそれぞれに対応する過去の検索条件を含み、前記複数のトラフィックソースは、前記現トラフィックソースを含む、トラフィック情報の獲得と、
    前記現トラフィックソースのために前記広告データベースを作成することと、
    少なくとも部分的に、前記現トラフィックソースに対応する過去の検索条件に基づいて、所定の基幹データベースから、前記現トラフィックソースに対応する前記広告データベースに、１つ以上の広告情報をマッピングすることと、
    によって決定することを備える方法。
12. 請求項９に記載の方法であって、
    前記コンバージョンイベントは、指定ウェブサイトでアイテムを購入すること、前記指定ウェブサイトで新メンバとして登録すること、前記指定ウェブサイトにおけるアイテムに関係したページを転送すること、および前記指定ウェブサイトに関係付けられたページをブックマークに入れることの、１つ以上を含む、方法。
13. 請求項９に記載の方法であって、
    前記所定のベンチマーク・コンバージョンレートは、少なくとも部分的に、指定ウェブサイトのオンサイト・トラフィックの過去のコンバージョンレートに基づいて決定される、方法。
14. 請求項９に記載の方法であって、さらに、
    前記現トラフィックソースに関係付けられた広告選択システムに、前記被選択広告情報を入札としてサブミットすることであって、前記現トラフィックソースに関係付けられた前記広告選択システムは、前記現検索条件に対して表示される検索結果とともに前記被選択広告情報を表示するかどうかを決定するように構成される、ことを備える方法。
15. 請求項９に記載の方法であって、さらに、
    少なくとも部分的に、前記現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、前記選択モデルを決定することを備える方法。
16. 請求項９に記載の方法であって、さらに、
    少なくとも部分的に、前記現トラフィックソースに関係付けられた過去の広告フィードバックデータに基づいて、前記コンバージョンモデルを決定することを備える方法。
17. コンピュータプログラムであって、コンピュータを使用して、
    現トラフィックソースで現検索条件が受信されることを決定するための機能と、
    前記現トラフィックソースに関係付けられた広告データベースから、前記現検索条件に関係する広告情報群を決定するための機能と、
    少なくとも部分的に、前記現検索条件を選択モデルに入力することに基づいて、前記広告情報群のうちの第１の広告情報がユーザによって選択される予測確率を決定するための機能と、
    少なくとも部分的に、前記現検索条件をコンバージョンモデルに入力することに基づいて、ユーザによる前記広告情報群のうちの前記第１の広告情報の選択がコンバージョンイベントを生じさせる予測確率を決定するための機能と、
    少なくとも部分的に、前記ユーザによって選択される予測確率と、前記ユーザによる選択が前記コンバージョンイベントを生じさせる予測確率と、所定のベンチマーク・コンバージョンレートと、に基づいて、前記広告情報群のうちの前記第１の広告情報についての属性パラメータを決定するための機能と、
    少なくとも部分的に、各広告情報のそれぞれの属性パラメータに基づいて、前記広告情報群の広告情報をランク付けしたランキングリストを決定するための機能と、
    少なくとも部分的に、前記ランキングリストに基づいて、前記現トラフィックソースに表示される可能性があるものとして前記広告情報群から一つの被選択広告情報を選択するための機能と、
    を実現させるための、コンピュータプログラム。
18. 請求項１７に記載のコンピュータプログラムであって、
    前記現トラフィックソースは、指定ウェブサイトに関係付けられた外部トラフィックソースを含む、コンピュータプログラム。
19. 請求項１７に記載のコンピュータプログラムであって、さらに、
    前記現トラフィックソースに関係付けられた前記広告データベースを、
    複数のトラフィックソースから指定ウェブサイトへのウェブトラフィックに関係付けられたトラフィック情報を得ることであって、前記トラフィック情報は、少なくとも、前記複数のトラフィックソースのそれぞれに対応する過去の検索条件を含み、前記複数のトラフィックソースは、前記現トラフィックソースを含む、トラフィック情報の獲得と、
    前記現トラフィックソースのために前記広告データベースを作成することと、
    少なくとも部分的に、前記現トラフィックソースに対応する過去の検索条件に基づいて、所定の基幹データベースから、前記現トラフィックソースに対応する前記広告データベースに、１つ以上の広告情報をマッピングすることと、
    によって決定する機能を、コンピュータによって実現する、コンピュータプログラム。
20. 請求項１７に記載のコンピュータプログラムであって、
    前記コンバージョンイベントは、指定ウェブサイトでアイテムを購入すること、前記指定ウェブサイトで新メンバとして登録すること、前記指定ウェブサイトにおけるアイテムに関係したページを転送すること、および前記指定ウェブサイトに関係付けられたページをブックマークに入れることの、１つ以上を含む、コンピュータプログラム。

Images