JP6276459B1 - 決定装置、決定方法及び決定プログラム - Google Patents

Abstract

【課題】ネットワーク上の情報に基づく信用度を有効に活用すること。【解決手段】本願に係る決定装置は、算出部と、取得部と、決定部とを有する。算出部は、ネットワーク上で配信される広告であって第１の広告主が入稿した広告に関する情報と、第１の広告主とは異なる広告主である第２の広告主から入稿された広告に関する情報とに基づいて、当該第１の広告主の信用度を算出する。取得部は、前記算出部によって算出された第１の広告主の信用度を取得する。決定部は、取得部によって取得された第１の広告主の信用度に基づいて、当該第１の広告主が入稿した広告の配信され易さを決定する。【選択図】図１

Description

本発明は、決定装置、決定方法及び決定プログラムに関する。

一般に、銀行などの金融機関が融資可能枠（与信枠）を決定する際には、事業者（企業）データの収集や分析を専門とするデータ提供事業者等から提供される事業者が参照される。このような事業者データは、例えば、事業者の決算書（例えば、財務諸表や損益計算書等）に基づいて生成される。金融機関は、各事業者への融資額が適当か否かを判定するための信用度を算出するため、事業者から提供される事業者データを活用する。

ここで、決算期に公表される財務データのように更新間隔の長いデータ（静的データ）のみならず、株価等のように更新間隔の短いデータ（動的データ）をも入力したモデルを作成し、適時に最新の企業評価を行うことができるシステムが提案されている（例えば、特許文献１）。また、近年のインターネットの飛躍的な普及に伴い、従来のような事業者の決算書等に基づく情報に加えて、情報利用者がインターネット上で事業者に関する情報を共有し、共有する情報を一元的に統合管理することにより、事業者データの客観性を高める技術が知られている（例えば、特許文献２）。

特開２０００−３４８０１５号公報 特開２０１０−２６６０２号公報

しかしながら、上記の従来技術では、事業者としての信用度を有効に活用することができるとは限らない。具体的には、上記の従来技術では、ネットワーク上の非財務データ等に基づき事業者の信用度を求めるものの、求めた信用度は従来のように融資等の判定に用いられるに過ぎない。このため、従来技術では、事業者としての信用度により、信用度を求めるための素性となったネットワーク上の情報とかかる情報により求められた信用度とを相関させて、事業者としての信用度の活用を図ることができるとは言い難い。

本願は、上記に鑑みてなされたものであって、事業者としての信用度を有効に活用することができる決定装置、決定方法及び決定プログラムを提供することを目的とする。

本願に係る決定装置は、ネットワーク上で配信される広告であって第１の広告主が入稿した広告に関する情報と、第１の広告主とは異なる広告主である第２の広告主から入稿された広告に関する情報とに基づいて、当該第１の広告主の信用度を算出する算出部と、前記算出部によって算出された前記第１の広告主の信用度を取得する取得部と、前記取得部によって取得された第１の広告主の信用度に基づいて、当該第１の広告主が入稿した広告の配信され易さを決定する決定部と、を備えることを特徴とする。

実施形態の一態様によれば、事業者としての信用度を有効に活用することができるという効果を奏する。

図１は、実施形態に係る決定処理の一例を示す図である。 図２は、実施形態に係る決定システムの構成例を示す図である。 図３は、実施形態に係る決定装置の構成例を示す図である。 図４は、実施形態に係る広告主情報記憶部の一例を示す図である。 図５は、実施形態に係る広告情報テーブルの一例を示す図である。 図６は、実施形態に係る事業情報テーブルの一例を示す図である。 図７は、実施形態に係る財務情報テーブルの一例を示す図である。 図８は、実施形態に係るモデル記憶部の一例を示す図である。 図９は、実施形態に係る配信条件記憶部の一例を示す図である。 図１０は、実施形態に係る決定装置による生成処理手順を示すフローチャートである。 図１１は、実施形態に係る決定装置による決定処理手順を示すフローチャートである。 図１２は、決定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、本願に係る決定装置、決定方法及び決定プログラムを実施するための形態（以下、「実施形態」と表記する）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決定装置、決定方法及び決定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．決定処理の一例〕
まず、図１を用いて、実施形態に係る決定処理の一例について説明する。図１は、実施形態に係る決定処理の一例を示す図である。図１では、実施形態に係る決定装置１００による決定処理について説明する。具体的には、図１では、決定装置１００によって、ネットワーク上で配信される広告を入稿した第１の広告主の信用度に基づいて、当該第１の広告主が入稿した広告の配信され易さを決定する処理が行われる例について説明する。

図１に示す例において、決定装置１００と、ユーザ端末１０と、広告主端末２０_１及び２０_２とは、図示しない通信ネットワーク（例えば、インターネット）を介して通信可能に接続される。

図１に示す決定装置１００は、事業者（広告主）に対する信用度を算出する算出処理を行うとともに、算出した信用度に応じた広告の配信処理を行うサーバ装置である。実施形態において、決定装置１００は、ウェブサーバ３０（図１での図示は省略する）が配信するウェブページに含まれる広告枠に表示される広告に関する情報を取得する。そして、決定装置１００は、取得した広告に関する情報に基づいて、広告主に対する信用度を算出する。また、実施形態において、決定装置１００は、算出した信用度に応じて、当該広告主から入稿された広告の配信され易さ（実施形態では、「配信率」と表記する場合がある）を決定する。

図１に示すユーザ端末１０は、ユーザによって利用される情報処理装置である。図１の例では、ユーザ端末１０は、例えばスマートフォンやタブレット端末である。ユーザ端末１０は、ウェブページを表示したり、ウェブページとともに表示された広告がユーザから選択された場合に（例えば、ユーザによるクリックやタッチ操作が行われた場合に）、当該広告に紐づけられたウェブページ（ランディングページ）を取得したり、当該広告に対応する商品紹介ページを取得したりする処理を行う。また、ユーザ端末１０は、ユーザが広告を選択したことや、広告に対応する商品紹介ページを介して当該商品を購入したことなど、ユーザのネットワーク上の行動に関する情報を決定装置１００に送信する。

図１に示す広告主端末２０_１及び２０_２は、広告主によって利用される情報処理端末である。図１の例では、広告主端末２０_１は、決定装置１００による決定処理の対象となる広告主Ａ０１（以下、「決定処理の対象となる広告主」を「第１の広告主」と表記する場合がある）によって利用される。また、広告主端末２０_２は、第１の広告主とは異なる広告主Ａ０２（以下、「第１の広告主と異なる広告主（より具体的には、後述するように、入稿した広告が配信停止となった広告主）」を「第２の広告主」と表記する場合がある）によって利用される。なお、広告主端末２０_１と広告主端末２０_２とを区別する必要のないときは、「広告主端末２０」と総称する。

例えば、広告主端末２０は、広告主Ａ０１又は広告主Ａ０２による操作に従って、広告を決定装置１００に入稿する。実施形態において、広告主が入稿する広告には、広告主Ａ０１又は広告主Ａ０２の自社ウェブページ（ランディングページ）や、広告に対応付けられた商品の紹介ページや購入ページへのリンクが対応付けられる。例えば、ユーザ端末１０に配信された広告をユーザがクリックした場合には、ユーザ端末１０は、広告に対応付けられているページを取得し、新たに取得したページを画面に表示する。

ここで、広告主Ａ０１又は広告主Ａ０２が入稿した広告を配信する配信業者側（実施形態では、決定装置１００）にとって、あらゆる広告が無作為に配信される状況が適切でない場合がある。例えば、事業者として信用度の低い広告主、すなわち金融機関が判定する信用情報（一般にクレジットスコア等と呼ばれる）が低い広告主や、信用情報を有さない事業者は、公序良俗に照らして適切でない広告を配信する可能性が相対的に高い傾向がある。また、例えば、広告の配信に係る料金が後課金によって徴収されるシステムである場合、信用度が低い広告主から入稿された広告の配信を受け入れていると、その配信に係る広告料金が回収できない可能性がある。このため、事業者として信用度の低い広告主の広告の配信に関しては、何らかの制限を設けることが望ましい。このため、決定装置１００は、例えば財務情報を集計して事業者ごとの信用度を提供するようなデータ提供会社等から広告主の信用度を取得するといった手段を採り得る。

一方で、決定装置１００に広告の配信を依頼する広告主Ａ０１や広告主Ａ０２の中には、事業構成が小規模であったり、設立が比較的新しかったり、非上場であったり、法人格が個人事業主であったりして、信頼に足る財務情報や実績を有していない場合も多い。この場合、そのような広告主に対しては、データ提供会社等であっても信用度を有していない場合や、信用度が予め低く見積もられている場合もある。

また、例えば広告主が信頼に足る財務情報を公表しており、データ提供会社等がその広告主の信用度を有していても、一般的な事業者の財務情報は、上場企業の株価などのリアルタイムに変動する情報を除けば、四半期や半期に一度公表されるものである場合が多い。このため、事業者の財務情報に基づいた信用度が存在していたとしても、当該信用度は、実際の商取引サイトにおけるリアルタイムな業績等が反映されたものとならない場合もある。

このため、実際には将来的に事業がうまくいく可能性が高い広告主であっても、その将来性が信用度に適切に反映されなければ、仮に信用度に応じて広告配信に制限を受ける場合には、当該広告主は不当に広告配信の制限を受けることになる。すなわち、実績の乏しい事業者が広告主である場合には、当該広告主への評価としての信用度と、広告配信に係る制限とのバランスが難しい。

そこで、実施形態に係る決定装置１００は、一般的に信用度の判定に用いられる財務情報や事業の継続年数等のみならず、例えば、広告配信の実績や、過去に配信実績のある広告主等の情報など、実情に即した指標に基づいて、広告主に対する信用度を算出する。これにより、決定装置１００は、通常では信用度の算出が困難なベンチャー企業や小規模な事業者に対する信用度を算出することを可能とする。また、広告配信の実績はネットワークを介してリアルタイムに取得可能なため、決定装置１００によれば、現状に即した信用度を算出することができる。

例えば、決定装置１００は、広告主Ａ０１の広告に対するユーザの評価に関する情報や、広告主Ａ０１の事業者としての属性情報等に基づいて、広告主Ａ０１に対する信用度を算出する。広告に対するユーザの評価に関する情報とは、例えば、広告へのクリック数やクリックや、広告を介した商品の購買などのコンバージョン数やコンバージョン率等である。ユーザからの評価が高い広告を配信することが可能な広告主は、現時点では事業業績が不明であっても、将来的に業績が好転する可能性を秘める事業者であると想定される。このため、決定装置１００は、広告主が入稿した広告に関する情報を基に、広告主の事業者としての信用度を算出することができる。

算出手法の一例として、決定装置１００は、広告主Ａ０１の広告に対するユーザの評価と、広告主Ａ０１とは異なる広告主である広告主Ａ０２の広告に対するユーザの評価との相関性に基づいて、広告主Ａ０１の信用度を算出する。この場合、比較対象とする広告主Ａ０２は、何らかの理由によって広告の配信が停止させられた広告主が該当する。図１の例では、広告主Ａ０２は、あるタイミングで広告料金に関する入金が遅延したため、広告配信を行えなくなった広告主である。

すなわち、決定装置１００は、広告主Ａ０１と、入金遅延等によって広告配信の権利を失った広告主Ａ０２との相関性を求めることで、広告主Ａ０１が将来的に広告主Ａ０２のように入金が遅延する可能性の高い広告主であるか否かを判定する。もし広告主Ａ０１が将来的に広告主Ａ０２のように入金が遅延する可能性の高い広告主である場合には、広告主Ａ０１は信用に足る広告主とはいえない。一方で、広告主Ａ０１が将来的に広告主Ａ０２のように入金が遅延する可能性の低い広告主である場合には、相対的に、広告主Ａ０１は信用に足る広告主（例えば、将来的に業績が好転する可能性を秘める事業者）といえる。このように、決定装置１００は、広告主Ａ０２との相関性を求めることで、広告主Ａ０１の信用度を算出する。これにより、決定装置１００は、現時点で事業実績の少ない広告主Ａ０１等に対しても、実情に即した、信頼に足る信用度を算出することができる。

そして、決定装置１００は、算出した信用度に応じて、広告主Ａ０１が入稿した広告の配信され易さを決定する。例えば、決定装置１００は、算出された広告主Ａ０１の信用度が比較的低い場合には、広告主Ａ０１が入稿した広告が配信されるか否かを決定するための広告スコアに所定の配信率（例えば、配信率は０から１までの数値で示される）を乗じる。すなわち、決定装置１００は、広告主Ａ０１が入稿した広告について、所定の配信制限を行う。これにより、決定装置１００は、信用度の低い広告主Ａ０１が提供しようとする広告の配信率を通常よりも抑制し、広告料金の枯渇を抑えることができるとともに、信用度の低い広告主Ａ０１が提供しようとする広告をユーザに配信されにくくすることができる。以下、図１を用いて、実施形態に係る決定処理について流れに沿って説明する。

まず、広告主Ａ０１は、広告主端末２０_１を介して、決定装置１００に広告を入稿する（ステップＳ１１）。同様に、広告主Ａ０２は、広告主端末２０_２を介して、決定装置１００に広告を入稿する（ステップＳ１２）。なお、図１では図示を省略しているが、広告主Ａ０２として、後述する決定処理を行うのに充分な量の情報が得られるほどの相当数の広告主が存在するものとする。

その後、決定装置１００は、配信機会が得られた場合に、広告主Ａ０１又は広告主Ａ０２から入稿された広告をユーザ端末１０に配信する（ステップＳ１３）。広告の配信機会は、例えば、ユーザ端末１０がウェブサーバ３０にアクセスし、ユーザ端末１０がウェブサーバ３０から広告枠を含むウェブページを取得して表示する際などに生じる。

このとき、ユーザは、ユーザ端末１０に表示された広告に対して何らかの反応をするものとする。例えば、ユーザは、表示された広告を選択したり、選択した広告のリンク先ページにおいて商品を購入したり、リンク先ページにおいて広告主Ａ０１や広告主Ａ０２が展開する事業のパンフレットを要求したりといった行動を採る。ユーザ端末１０は、このような広告に対するユーザの反応に関する情報を決定装置１００に送信する（ステップＳ１４）。

その後、所定のタイミングにおいて、広告主Ａ０２が広告料金の遅延を発生させたものとする（ステップＳ１５）。この場合、決定装置１００は、例えば広告主Ａ０２から入稿された広告の今後の配信を停止する。

そして、決定装置１００は、広告主Ａ０２のように広告配信が停止された広告主（第２の広告主）に関する情報に基づいて、広告主Ａ０２の信用度を算出するためのモデルを生成する処理を行う（ステップＳ１６）。例えば、決定装置１００は、広告主Ａ０２の広告の評価に関する情報に基づいて生成されるモデルであって、広告主Ａ０１の広告の評価に関する情報が入力された場合に、広告主Ａ０１と広告主Ａ０２との相関性を示す指標値を出力するモデルを生成する。

詳細は後述するが、決定装置１００は、正解データ（目的変数）を入金遅延者、すなわち広告主Ａ０２とし、素性（説明変数）を広告のＫＰＩ（Key Performance Indicator）等、すなわち、広告に関する評価値とした、例えばサポートベクターマシン（Support Vector Machine）等の回帰学習モデルを生成する。決定装置１００は、生成したモデルに処理対象とする広告主Ａ０１に関する情報を入力することで、正解データである広告主Ａ０２との相関性を示す指標値（スコア）を得ることができる。

そして、決定装置１００は、モデルから出力されたスコアに基づいて、広告主Ａ０１に対する信用度を算出する（ステップＳ１７）。例えば、決定装置１００は、広告主Ａ０２と広告主Ａ０１との相関性が低い、すなわちモデルから出力されたスコアが低いほど、広告主Ａ０１が入金を遅延するような不芳な行為を行う可能性が低い広告主と判定し、広告主Ａ０１の信用度を高く算出する。一方、決定装置１００は、モデルから出力されたスコアが高いほど、入金を遅延するような不芳な行為を行う可能性が高い広告主と判定し、広告主Ａ０１の信用度を低く算出する。

そして、決定装置１００は、算出した信用度に基づいて、広告主Ａ０１が入稿した広告の配信され易さを決定する。具体的には、決定装置１００は、広告の配信され易さを求めるための配信率（実施形態では、「配信率α」と表記する場合がある）を決定する処理を行う（ステップＳ１８）。例えば、決定装置１００が、所定の広告スコアに基づいてユーザ端末１０に配信する広告を決定するものとする。この場合、決定装置１００は、広告主Ａ０１が入稿した広告に関しては、広告スコアに配信率α（０≦α≦１）を乗じた広告スコアに基づいて、配信する広告の決定を行う。このため、広告主Ａ０１に対して算出された信用度によっては、広告主Ａ０１が入稿した広告は、通常（α＝１の場合）と比較して、ユーザ端末１０に配信されにくくなる。

その後、決定装置１００は、決定した配信率を広告主Ａ０１に通知してもよい（ステップＳ１９）。広告主Ａ０１は、通知された配信率を参照することにより、自身に広告配信の制限が掛かっていることを認知することができる。これにより、決定装置１００は、広告主Ａ０１が広告の内容等を改善する動機付けを与えることができる。また、決定装置１００は、例えば、今以上にクリックされ易い広告を配信することや、コンバージョン率の高くなる広告を配信するようなレコメンド情報を通知してもよい。

このように、実施形態に係る決定装置１００は、ネットワーク上で配信される広告を入稿した第１の広告主（図１の例では、広告主Ａ０１）の信用度を取得するとともに、第１の広告主の信用度に基づいて、当該第１の広告主が入稿した広告の配信され易さを決定する。

すなわち、実施形態に係る決定装置１００は、事業者の信用度を計るために一般的に用いられる企業の財務情報のみならず、例えば広告主Ａ０１が入稿した広告に関する情報を用いて、広告主Ａ０１の信用度を算出する。そして、決定装置１００は、算出された信用度を取得するとともに、信用度に応じた広告配信の制限を行う。これにより、決定装置１００は、信用度の低い広告主に関しては、広告料金の後課金の担保や、広告料金の枯渇を防止すること等が可能になる。また、決定装置１００は、ユーザ端末１０に配信される広告の質を保持することができる。このように、決定装置１００は、広告主Ａ０１の事業者としての信用度を有効に活用することができる。

なお、上記のように、広告主Ａ０１は広告配信の制限を受ける場合もあるが、メリットを得られる場合もある。すなわち、決定装置１００は、上述した処理により、実情に即した広告主Ａ０１の信用度を算出する。このため、例えば広告主Ａ０１が相対的に評価の高い広告を入稿することができるのであれば、広告主Ａ０１は、将来的に業績が良くなる可能性の高い事業者であると判定される。このことは、将来的に資金の貸し倒れ等の可能性が低いという点で、例えば、広告配信業者（例えば決定装置１００の管理者）が信頼に基づき後課金を認めたり、広告料金の優遇を行ったりする判断の際の根拠となりうる。さらに、広告主Ａ０１にとっても、現状では財務実績等が乏しくとも、評価の高い広告を配信することができれば信用度を高く評価してもらえ、例えば後課金による広告配信が認められることで、資金繰りの調整などが行い易くなり、事業を円滑に進めることができるようになる。

なお、上述のように、決定装置１００は、広告主Ａ０１の配信する広告が相対的に高い評価を得ているか否かといった判定について、広告主Ａ０２が入稿した広告との評価を比較するモデルによって行う。例えば、入金を遅延するような広告主Ａ０２が入稿する広告は、広告に対する評価が相対的に低い可能性が高い。そして、決定装置１００は、広告主Ａ０２を正解データとして学習するモデルを用いて、処理対象となる広告主Ａ０１との相関性を求めることで、広告主Ａ０１の配信する広告がユーザからどのように評価されているかを精度よく判定することができる。すなわち、決定装置１００は、当該モデルから出力されたスコアに基づいて広告主Ａ０１の信用度を算出するため、ユーザからの反応が反映された、実情に即した信用度を算出することができる。

なお、決定装置１００によって算出される信用度は、必ずしも広告の配信制限を目的として利用されなくてもよい。例えば、決定装置１００によって算出される信用度は、金融機関の融資枠の判断や、広告主Ａ０１が広告配信を依頼する際の広告主としての信用度として利用されてもよい。

また、決定装置１００は、広告主Ａ０１の広告に関する情報に加えて、広告主Ａ０１に関する他の情報を加味して、広告主Ａ０１の信用度を算出してもよい。信用度の算出に用いる情報の詳細については後述する。

また、図１の例では、決定装置１００が広告の入稿を受け付けたり、広告を配信したり例を示したが、実際には、広告の入稿や配信処理は、専用の広告配信サーバによって行われてもよい。

また、ユーザ端末１０におけるユーザ行動に関する情報の取得や、ユーザの反応に関する情報は、ユーザ端末１０にウェブページを配信したウェブサーバ３０により取得されてもよい。この場合、決定装置１００は、ウェブサーバ３０を介してユーザに関する情報を取得する。

また、図１では、広告主Ａ０１及び広告主Ａ０２が広告を入稿した後に、決定装置１００がモデルを生成する例を示したが、処理の順番はこの例に限られない。例えば、決定装置１００は、広告主Ａ０２に関する情報を用いてモデルを生成した後に、広告主Ａ０１から広告の入稿を受け付けてもよい。この場合、決定装置１００は、広告主Ａ０１から入稿された広告への評価に関する情報が所定量蓄積された時点で、予め生成しておいたモデルを利用して、広告主Ａ０１に対する信用度を算出してもよい。

以下、上記の処理を行う決定装置１００、及び、決定装置１００を含む決定システム１の構成等について詳細に説明する。

〔２．決定システムの構成〕
図２を用いて、実施形態に係る決定装置１００が含まれる決定システム１の構成について説明する。図２は、実施形態に係る決定システム１の構成例を示す図である。図２に示すように、実施形態に係る決定システム１には、ユーザ端末１０と、広告主端末２０と、ウェブサーバ３０と、決定装置１００とが含まれる。これらの各種装置は、ネットワークＮ（例えば、インターネット）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２に示した決定システム１には、複数台のユーザ端末１０や、複数台の広告主端末２０や、複数台のウェブサーバ３０が含まれてもよい。

ユーザ端末１０は、例えば、スマートフォンや、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）、ウェアラブルデバイス（Wearable Device）等の情報処理装置である。

ユーザ端末１０は、ユーザによる操作に従って、ウェブサーバ３０にアクセスすることで、ウェブサーバ３０から提供されるウェブサイトからウェブページを取得する。そして、ユーザ端末１０は、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、ユーザ端末１０は、ウェブページに広告枠が含まれる場合には、取得した広告を広告枠に表示する。なお、本明細書中においては、ユーザとユーザ端末１０とを同一視する場合がある。例えば、「ユーザに広告を配信する」とは、実際には、「ユーザが利用するユーザ端末１０に広告を配信する」ことを意味する場合がある。

広告主端末２０は、決定装置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。広告主端末２０は、広告主による操作に従って、決定装置１００に広告を入稿する。

なお、広告主は、広告主端末２０を用いて、決定装置１００に広告を入稿せずに、かかる入稿等を代理店に依頼する場合もある。この場合、決定装置１００に広告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、「広告主端末」といった表記は、広告主端末２０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。

ウェブサーバ３０は、ユーザ端末１０からアクセスされた場合に、各種ウェブページを提供するサーバ装置である。ウェブサーバ３０は、例えば、ニュースサイト、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。

上述のように、ウェブサーバ３０によって提供されるウェブページには、広告を表示するための表示領域である広告枠が含まれる。そして、広告枠を含むウェブページには、広告枠に表示する情報コンテンツを取得するための取得命令が含まれる。例えば、ウェブページを形成するＨＴＭＬ（HyperText Markup Language）ファイル等には、決定装置１００のＵＲＬ等が取得命令として記述される。ウェブページを取得したユーザ端末１０は、ＨＴＭＬファイル等に記述されているＵＲＬにアクセスすることで、決定装置１００から広告の配信を受ける。

決定装置１００は、ネットワークＮ上で配信される広告に関する情報や、広告を入稿した広告主に関する情報を取得し、取得した情報に基づいて、広告を入稿した第１の広告主に対する信用度を算出するサーバ装置である。また、決定装置１００は、算出した信用度に応じた広告配信の制限を行う。なお、決定装置１００は、上記のウェブサーバ３０としての構成を兼ねてもよい。すなわち、決定装置１００自身がウェブページを提供し、決定装置１００自身が広告に対するユーザからの反応を取得してもよい。

なお、決定装置１００は、必ずしも自装置で信用度を算出する処理を行わなくてもよい。例えば、決定装置１００は、広告主に融資を行う金融機関に設置された情報処理端末や、事業者（広告主）に関する財務情報の調査、取得、管理及び提供等を行うデータ提供会社等に設置された情報処理端末等と相互に通信を行ってもよい。そして、決定装置１００は、金融機関等に設置される情報処理端末や、データ提供会社等に設置される情報処理端末から、広告主に関する信用度を取得してもよい。

あるいは、決定装置１００は、金融機関等に設置される情報処理端末や、データ提供会社等に設置される情報処理端末から、広告主に関する財務情報を適宜取得してもよい。そして、決定装置１００は、図１で説明したような広告に関する情報に基づいて信用度を算出する場合に、取得した財務情報を加味した信用度を算出するようにしてもよい。

〔３．決定装置の構成〕
次に、図３を用いて、実施形態に係る決定装置１００の構成について説明する。図３は、実施形態に係る決定装置１００の構成例を示す図である。図３に示すように、決定装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、決定装置１００は、決定装置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。

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。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、ユーザ端末１０等との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０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。実施形態に係る記憶部１２０は、広告主情報記憶部１２１と、素性情報記憶部１２２と、モデル記憶部１２７と、配信条件記憶部１２８とを有する。以下、各記憶部について順に説明する。

（広告主情報記憶部１２１について）
広告主情報記憶部１２１は、広告主に関する情報を記憶する。ここで、図４に、実施形態に係る広告主情報記憶部１２１の一例を示す。図４に示すように、広告主情報記憶部１２１は、「広告主ＩＤ」、「入稿データ」、「課金額」、「配信停止日」、「配信停止理由」、「素性情報」、「信用度」といった項目を有する。また、「素性情報」の項目は、「広告情報」、「事業情報」、「財務情報」といった小項目を含む。

「広告主ＩＤ」は、広告主又は広告主端末２０を識別するための識別情報を示す。なお、本明細書中では、図４に示すような識別情報を参照符号として用いる場合がある。例えば、広告主ＩＤ「Ａ０１」によって識別される広告主を「広告主Ａ０１」と表記する場合がある。

「入稿データ」は、広告主から入稿された広告のデータを示す。なお、図４で示した例では、入稿データを「Ｂ０１」のような概念で示しているが、実際には、入稿データの項目には、広告主から入稿された広告の数や、広告主から入稿された各広告のコンテンツデータ（テキストデータや画像データ）や、各広告に対するユーザからの評価に関する情報や、各広告の入札額等の詳細な情報が記憶されているものとする。

「課金額」は、現時点で広告主が広告配信のために課金している金額を示す。なお、現時点で課金が行われていない広告主については、課金額の項目は空欄（「−」）となる。「配信停止日」は、例えば課金額が枯渇したり、入金が遅延したりすることによって、広告の配信が停止した日を示す。「配信停止理由」は、広告の配信が停止した理由を示す。

「素性情報」は、決定装置１００によるモデル生成処理における素性（説明変数）となりうる情報を示す。「広告情報」は、広告主が入稿した広告に関する情報を示す。「事業情報」は、広告主の事業者としての属性情報等を示す。「財務情報」は、広告主が公表していたり、上記の財務調査企業等によって調査されたりした広告主の財務情報を示す。

なお、図４で示した例では、「広告情報」等の素性情報は、「ａａａ」などの概念で示しているが、実際には、広告情報の項目には、広告に対するユーザからの評価に関する情報等の具体的な情報が記憶される。なお、各素性情報の詳細については、図５乃至図７を用いて説明する。

「信用度」は、広告主に対する信用度を示す。なお、信用度は、後述する算出部１３５により信用度が算出された後に広告主情報記憶部１２１に記憶される。あるいは、信用度は、金融機関やデータ提供会社から取得された数値が記憶されてもよい。図４に示すように、例えば既に広告の配信が停止している広告主や、まだ信用度が算出されていない広告主については、信用度の項目は空欄となる。

すなわち、図４では、広告主情報記憶部１２１に記憶されるデータの一例として、「広告主Ａ０１」が入稿データ「Ｂ０１」に示されるような広告を入稿していることを示している。また、広告主Ａ０１の現時点の課金額は「１０００００」円であり、広告主Ａ０１は広告の配信が停止されていないことを示している。また、広告主Ａ０１に関する素性情報のうち、広告情報は「ａａａ」であり、事業情報は「ｂｂｂ」であり、財務情報は「ｃｃｃ」であることを示している。そして、広告主Ａ０１に対して算出された信用度は「７５」であることを示している。

（素性情報記憶部１２２について）
素性情報記憶部１２２は、モデル生成処理に用いられる素性に関する情報を記憶する。具体的には、素性情報記憶部１２２は、広告主が入稿した広告に関する情報や、広告主の事業者としての属性情報等を記憶する。図３に示すように、素性情報記憶部１２２は、広告情報テーブル１２３と、事業情報テーブル１２４と、財務情報テーブル１２５といったデータテーブルを有する。以下、各データテーブルについて順に説明する。

（広告情報テーブル１２３について）
広告情報テーブル１２３は、広告主が入稿した広告に関する情報を記憶する。ここで、図５に、実施形態に係る広告情報テーブル１２３の一例を示す。図５に示すように、広告情報テーブル１２３は、「広告主ＩＤ」、「入稿データ」、「集計期間」、「インプレッション」、「ＣＴＲ（Click Through Rate）」、「ＣＶＲ（Conversion Rate）」といった項目を有する。

「広告主ＩＤ」及び「入稿データ」は、広告主情報記憶部１２１に記憶されている同一の項目に対応する。「集計期間」は、広告に関するユーザからの評価に関する情報が取得された期間を示す。

「インプレッション」は、広告がユーザ端末１０に表示された回数を示す。なお、図５では、インプレッションが広告主ごとに集計される例を示しているが、インプレッションや後述する評価値等は、広告主が入稿した各広告別に集計されてもよい。

「ＣＴＲ」は、ユーザ端末１０に配信された広告がクリックされた率を示す指標値である。「ＣＶＲ」は、ユーザ端末１０に配信された広告に関して、何らかの成果が得られた率を示す指標値である。なお、図５での図示は省略しているが、広告情報テーブル１２３には、ＣＴＲやＣＶＲを求めるために用いる数値（広告がクリックされた回数や、広告を介してユーザから何らかの成果が得られた数等）が記憶されてもよい。

すなわち、図５では、広告情報テーブル１２３に記憶されるデータの一例として、広告主Ａ０１が入稿データＢ０１に示されるような広告を入稿しており、それらの広告について、「２０１６年４月１５日から２０１６年４月２１日」の間に集計されたインプレッション数は「１２０００」回であり、ＣＴＲは「０．０５２」であり、ＣＶＲは「０．００９３」であったことを示している。

なお、図５での図示は省略するが、広告情報テーブル１２３には、上述した情報の他に、広告に関する種々の情報が記憶されてもよい。例えば、広告情報テーブル１２３には、広告主が入稿した広告のＣＰＣ（Cost Per Click）や、広告配信に係る広告料金（課金額）や、広告を介して商品がユーザから購入されるなどの広告に関する広告主の売上金額等が記憶されてもよい。また、広告情報テーブル１２３には、集計期間ごとの広告評価を示す指標値の変化率などが記憶されてもよい。

なお、実際にユーザ端末１０に配信される広告のコンテンツデータ（テキストデータや、動画コンテンツや静止画コンテンツ）は、決定装置１００とは別に備えられた所定のストレージサーバに記憶されてもよい。この場合、決定装置１００は、広告の配信機会が生じた場合に、所定の広告をユーザ端末１０に対して配信するようストレージサーバを制御する。

（事業情報テーブル１２４について）
事業情報テーブル１２４は、広告主の事業者としての属性情報等を記憶する。ここで、図６に、実施形態に係る事業情報テーブル１２４の一例を示す。図６に示すように、事業情報テーブル１２４は、「広告主ＩＤ」、「法人格」、「業種」、「広告カテゴリ」といった項目を有する。

「広告主ＩＤ」は、広告主情報記憶部１２１に記憶されている同一の項目に対応する。「法人格」は、広告主の法人格を示す。「業種」は、広告主の業種を示す。なお、業種は、例えば、広告主が入稿した広告のカテゴリに対応するものであってもよい。また、業種は、１の広告主に１の業種が設定されるのではなく、複数の業種が設定されてもよい。「広告カテゴリ」は、広告主が入稿している広告のカテゴリを示す。例えば、広告カテゴリは、広告に対応付けられている情報（商品や、リンク先のページ）等に基づいて、入稿時に広告主から予め設定される。

すなわち、図６では、事業情報テーブル１２４に記憶されるデータの一例として、広告主Ａ０１の法人格は「個人事業主」であり、業種は「食品」であり、広告主Ａ０１が入稿している広告の「広告カテゴリ」は、「加工食品」や「日用品」であることを示している。

（財務情報テーブル１２５について）
財務情報テーブル１２５は、広告主の財務に関する情報を記憶する。ここで、図７に、実施形態に係る財務情報テーブル１２５の一例を示す。図７に示すように、財務情報テーブル１２５は、「広告主ＩＤ」、「財務情報」、「提供先」といった項目を有する。

「広告主ＩＤ」及び「財務情報」は、広告主情報記憶部１２１に記憶されている同一の項目に対応する。なお、財務情報は、図７では「ｃｃｃ」などの概念で示しているが、実際には、財務情報の項目には、広告主の事業者としての登記情報、資産情報、株価情報、売上、利益、社員数などの具体的な各種情報が含まれる。「提供先」は、広告主の財務情報の提供先を示す。財務情報を提供する提供先は、例えば、企業情報を管理したり販売したりするデータ会社であったり、広告主自身であったりする。例えば広告主の法人格が「株式会社」等であれば、決定装置１００は、データ会社から財務情報の提供を受けることができる可能性が高い。一方、広告主の法人格が「個人事業主」等である場合には、データ会社が財務情報を保有しておらず、決定装置１００は、データ会社から財務情報の提供を受けることができる可能性が低い。

すなわち、図７では、財務情報テーブル１２５に記憶されるデータの一例として、広告主Ａ０１の財務情報は「ｃｃｃ」であり、広告主Ａ０１の財務情報の提供先は「当事者」（すなわち広告主Ａ０１）であることを示している。

（モデル記憶部１２７について）
モデル記憶部１２７は、決定装置１００によって生成されたモデルに関する情報を記憶する。ここで、図８に、実施形態に係るモデル記憶部１２７の一例を示す。図８に示すように、モデル記憶部１２７は、「モデルＩＤ」、「情報更新日」、「正解データ」といった項目を有する。

「モデルＩＤ」は、モデルを識別するための識別情報を示す。「情報更新日」は、モデルが更新された日付を示す。「正解データ」は、生成されたモデルが正解データとした事例を示す。例えば、正解データの項目が「入金遅延者」であるモデルは、広告配信理由が「入金遅延」であった広告主を正解データとして学習されたモデルであることを示す。また、正解データの項目が「勧告による配信停止者」であるモデルは、広告配信理由が「広告配信側からの勧告」であった広告主を正解データとして学習されたモデルであることを示す。

すなわち、図８では、モデル記憶部１２７に記憶されるデータの一例として、モデルＩＤ「Ｍ０１」で識別されるモデルＭ０１は、「２０１６年１１月１日」に情報が更新されており、モデルＭ０１が正解データとした広告主は「入金遅延者」であることを示している。

（配信条件記憶部１２８について）
配信条件記憶部１２８は、算出された信用度に基づき決定される配信条件に関する情報を記憶する。ここで、図９に、実施形態に係る配信条件記憶部１２８の一例を示す。図９に示すように、配信条件記憶部１２８は、「配信条件ＩＤ」、「信用度」、「配信率」といった項目を有する。

「配信条件ＩＤ」は、配信条件を識別するための識別情報を示す。「信用度」は、広告主に対する信用度を示す。「配信率」は、配信条件として設定された配信率を示す。例えば、配信率は、広告の配信され易さを決定するための指標値の一例であり、０から１までの数値で示される。

すなわち、図９では、配信条件記憶部１２８に記憶されるデータの一例として、配信条件ＩＤ「Ｇ０１」で識別される配信条件Ｇ０１とは、信用度が「１００」から「８１」までの広告主に対して適用される条件であり、配信条件Ｇ０１の配信率は「１」であることを示している。また、例えば広告主の信用度が「８０」から「７１」であれば、配信条件ＩＤ「Ｇ０２」で識別される配信条件Ｇ０２が当該広告主に適用され、その配信率は「０．９」であることを示している。

（制御部１３０について）
制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、決定装置１００内部の記憶装置に記憶されている各種プログラム（決定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、コントローラであり、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。

実施形態に係る制御部１３０は、図３に示すように、入稿受付部１３１と、配信部１３２と、取得部１３３と、生成部１３４と、算出部１３５と、決定部１３６と、通知部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３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３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。

（入稿受付部１３１について）
入稿受付部１３１は、広告主端末２０から広告の入稿を受け付ける。そして、入稿受付部１３１は、入稿元の広告主を識別する広告主ＩＤと、入稿された広告等を識別する入稿データとを対応付けて、広告主情報記憶部１２１に記憶する。

なお、入稿受付部１３１は、広告毎に指定される配信指定数や、配信先のユーザに関する条件（いわゆる広告のターゲティング情報）等を広告主から受け付けてもよい。

（配信部１３２について）
配信部１３２は、広告の配信機会が生じた場合に、所定の広告をユーザ端末１０に配信する。なお、上述のように、実際にユーザ端末１０に配信される広告のデータ自体は、決定装置１００に係る広告主情報記憶部１２１内に記憶されていなくてもよい。例えば、配信部１３２は、外部に備えられた所定のストレージサーバに制御命令を送信することで、広告をユーザ端末１０に配信させてもよい。

配信部１３２は、既知の手法に従い、ユーザ端末１０に配信する広告を決定してもよい。例えば、配信部１３２は、広告の入札額等により予め設定される静的なスコア（スタティックスコア）と、ユーザ端末１０から配信されるクエリや、広告枠が含まれるウェブページの内容や、広告のターゲティング設定等に応じて算出される動的なスコア（ダイナミックスコア）とに基づいて、各広告の広告スコアを算出する。そして、配信部１３２は、算出した広告スコアに基づいて、ユーザ端末１０に配信する広告を決定する。

配信部１３２は、かかる広告スコアに対して、後述する算出部１３５によって算出された信用度に応じた配信率を乗じる。そして、配信部１３２は、配信率を乗じた結果に基づいて、ユーザ端末１０に配信する広告を決定する。これにより、配信部１３２は、配信率の低い、すなわち信用度の低い広告主から入稿された広告の配信され易さを補正することができる。

（取得部１３３について）
取得部１３３は、ネットワーク上で配信される広告を入稿した第１の広告主（例えば広告主Ａ０１）の信用度を取得する。例えば、取得部１３３は、後述する算出部１３５によって算出された信用度を取得する。なお、取得部１３３は、金融機関やデータ提供会社等の第三者機関から提供される広告主Ａ０１の信用度を取得してもよい。

また、取得部１３３は、後述する生成部１３４が生成するモデルのための素性情報を取得する。

例えば、取得部１３３は、ネットワーク上で配信される広告であって、広告主Ａ０１から入稿された広告に関する情報を取得する。具体的には、取得部１３３は、広告に関する情報として、広告がユーザから選択された数もしくは率、又は、広告を契機としてコンバージョンに至った数もしくは率を取得する。

また、取得部１３３は、広告に関する情報として、広告がユーザから選択された数もしくは率の推移、又は、広告を契機としてコンバージョンに至った数もしくは率の推移を取得してもよい。なお、取得部１３３は、クリック率等を評価基準としない広告（視聴を目的とした、動画像等で構成されるいわゆるブランディング広告など）については、選択された数等とは異なる情報を取得してもよい。例えば、取得部１３３は、広告に対するユーザの視聴履歴に関する情報（広告の視聴時間や、広告の完遂率（例えば動画広告でれば、動画全体の何割まで視聴されたか、あるいは、動画の何秒まで視聴されたかといった情報））を取得してもよい。また、取得部１３３は、当該動画広告を介して（例えば、動画広告の視聴中にユーザがクリックを行ったり、動画を完遂したりした後のページ遷移等によって）、当該広告からランディングページへ遷移した数や、遷移した率等を取得してもよい。

また、取得部１３３は、広告主Ａ０１及び広告主Ａ０２に関する情報として、事業者としての属性情報を取得する。具体的には、取得部１３３は、属性情報として、広告主Ａ０１及び広告主Ａ０２の事業者としての法人格、又は、事業者としての業種を取得する。なお、この場合の業種とは、製造業や通信業などの狭義の意味の業種ではなく、例えば、入稿した広告で取り扱う商品のカテゴリ等により示されるような、広告の特徴を示す広義の業種の意味を含んでもよい。

また、取得部１３３は、広告主Ａ０１及び広告主Ａ０２に関する情報として、財務情報を取得してもよい。例えば、取得部１３３は、広告主自身が公表する財務情報や、財務情報を提供するデータ提供会社等から財務情報を取得する。

また、取得部１３３は、例えば決定装置１００の管理者等によって設定される配信条件を取得する。また、取得部１３３は、第２の広告主（例えば広告主Ａ０２）の広告の配信停止の理由を取得する。例えば、広告配信が停止される理由には、第２の広告主からの入金が遅延したり、広告配信における規約違反などによる勧告を受けたことによる配信停止であったり、第２の広告主の自主的な申し出であったりする。

また、取得部１３３は、取得した情報を適宜各記憶部に記憶する。例えば、取得部１３３は、取得した広告主及び広告に関する情報を広告主情報記憶部１２１や広告情報テーブル１２３に記憶する。また、取得部１３３は、取得した事業者としての属性情報等を事業情報テーブル１２４に記憶する。また、取得部１３３は、広告主の財務情報を財務情報テーブル１２５に記憶する。また、取得部１３３は、第２の広告主における配信停止の理由を、第２の広告主と対応付けて広告主情報記憶部１２１に記憶する。

なお、取得部１３３は、情報を取得する広告主Ａ０１及び広告主Ａ０２を特定せずに、種々の広告主の情報を無作為に取得してもよい。例えば、取得部１３３は、検索エンジン等に用いられる探索ロボットなどのプログラムを利用して、インターネット上をクロールさせることにより、複数の広告主に関する情報を随時取得したり、取得した情報を更新したりしてもよい。

（生成部１３４について）
生成部１３４は、第１の広告主とは異なる広告主である第２の広告主に関する情報に基づいて生成されるモデルであって、第１の広告主に関する情報が入力された場合に、第１の広告主と当該第２の広告主との相関性を示す指標値を出力するモデルを生成する。

例えば、生成部１３４は、広告がユーザから選択された数もしくは率、又は、広告を契機としてコンバージョンに至った数もしくは率に基づいてモデルを生成する。あるいは、生成部１３４は、広告がユーザから選択された数もしくは率の推移、又は、広告を契機としてコンバージョンに至った数もしくは率の推移に基づいてモデルを生成してもよい。また、生成部１３４は、広告が動画広告である場合には、ユーザが利用するユーザ端末１０において広告が表示された回数（言い換えれば、ユーザから広告が視聴された回数）、広告が表示された時間もしくは広告が再生された時間、広告の再生が完遂した回数もしくは完遂した率、又は、広告を介して第１の広告主に対応するランディングページに遷移した回数もしくは遷移した率に基づいて、モデルを生成してもよい。

また、生成部１３４は、広告主Ａ０２の事業者としての属性情報に基づいてモデルを生成してもよい。すなわち、生成部１３４は、広告主Ａ０２の事業者としての法人格と広告主Ａ０１の事業者としての法人格、又は、広告主Ａ０２の事業者としての業種と広告主Ａ０１の事業者としての業種との相関性に基づいてスコアを出力するモデルを生成してもよい。

上記のように、生成部１３４は、取得部１３３によって取得された広告主Ａ０２（第２の広告主）に関する各情報を素性とし、正解データである広告主Ａ０２を当てるためのモデルを生成する。具体的には、生成部１３４は、素性となる広告主Ａ０２に関する各情報のうち、どのような情報にどのような重みが与えられるかを回帰的に学習させたモデルを生成する。言い換えれば、生成部１３４は、正解データとして取得された広告主Ａ０２に関する各情報のうち、いずれの情報が「入金遅延（配信停止）」という不芳な結果をもたらすのに影響を与えるか、といったことを示すモデルを生成する。

以下に、生成部１３４が生成するモデルの一例を示す。なお、生成部１３４が生成するモデルは以下のものに限られず、広告主Ａ０２に関する情報に基づいて生成されるモデルであって、広告主Ａ０１に関する情報が入力された場合に、広告主Ａ０２と広告主Ａ０１との相関性を示すスコアを出力するモデルであれば、どのようなモデルであってもよい。

例えば、生成部１３４は、広告主Ａ０２が現時点において入金遅延に至ったことを示す結果情報を機械学習における目的変数とする。そして、生成部１３４は、広告主Ａ０２が広告を配信させていた間に取得された広告主Ａ０２に関する各情報を説明変数（素性）とする。そして、生成部１３４は、目的変数と説明変数とを用いて、広告主Ａ０２に関するモデルを生成する。生成部１３４は、種々の説明変数を用いてモデルを生成する。例えば、生成部１３４は、素性情報記憶部１２２に記憶されているあらゆる情報を説明変数として用いることができる。

例えば、生成部１３４は、広告主Ａ０２が入金遅延したことによって広告の配信が停止しているか否かという結果情報と、広告主Ａ０２に関する情報を示す式を生成する。さらに、生成部１３４は、広告主Ａ０２に関する個々の情報が、広告主Ａ０２が配信停止に至ったという結果の事象に対して、どのような重みを有するかを学習して算出する。これにより、生成部１３４は、「入金遅延を生じさせる」という事象に対して、個々の情報がどのくらい寄与するのかといった情報を得ることができる。例えば、生成部１３４は、下記式（１）を作成する。

ｙ ＝ ω_１・ｘ_１ ＋ ω_２・ｘ_２ ＋ ω_３・ｘ_３ ・・・＋ ω_Ｎ・ｘ_Ｎ ・・・（１）（Ｎは任意の数）

上記式（１）は、例えば、個々の広告主Ａ０２ごとに作成される。上記式（１）において、「ｙ」は、「広告主Ａ０２が広告配信に関して入金を遅延させたか否か（配信停止させられたか否か）」という事象を示す。学習において、広告主Ａ０２を正解データとするのであれば、「ｙ」は「１」の値を取る。なお、生成部１３４は、広告主Ａ０２を正解データとするのみならず、広告主Ａ０１（ｙ＝０を取り得る広告主）を正解データとした学習を行ってもよい。この場合、現時点では配信停止していない広告主（例えば、広告主Ａ０１）を正解データとするのであれば、「ｙ」は「０」の値を取る。

上記式（１）において、「ｘ」は、広告主Ａ０２に関する情報（素性）である各説明変数に対応する。また、上記式（１）において、「ω」は、「ｘ」の係数であり、所定の重み値を示す。具体的には、「ω_１」は、「ｘ_１」の重み値であり、「ω_２」は、「ｘ_２」の重み値であり、「ω_３」は、「ｘ_３」の重み値である。このように、上記式（１）は、広告主Ａ０２に関する情報から抽出された特徴情報に対応する説明変数「ｘ」と、所定の重み値「ω」とを含む変数（例えば、「ω_１・ｘ_１」）を組合せることにより作成される。

例えば、上記式（１）において、「ｘ_１」は、「広告主Ａ０２が入稿した広告の配信数（インプレッション数）」であるとする。また、「ｘ_２」は、「広告主Ａ０２が入稿した広告に対するクリック率」であるとする。また、「ｘ_３」は、「広告主Ａ０２が入稿した広告に関するコンバージョン率」であるとする。この場合、広告主Ａ０２に対応する上記式（１）は、以下の式（２）のように表すことができる。

ｙ_{（広告主Ａ０２）}（＝１） ＝ ω_１・（広告主Ａ０２が入稿した広告の配信数（インプレッション数）） ＋ ω_２・（広告主Ａ０２が入稿した広告に対するクリック率） ＋ ω_３・（広告主Ａ０２が入稿した広告に関するコンバージョン率）） ＋ ω_Ｎ・ｘ_Ｎ ・・・（２）

生成部１３４は、上記式（２）のように、広告主Ａ０２ごとに式を生成する。そして、生成部１３４は、生成した式を機械学習のサンプルとする。さらに、生成部１３４は、サンプルとなる式の演算処理（回帰学習）を行うことにより、所定の重み値「ω」に対応する値を導出する。すなわち、生成部１３４は、上記式（２）を満たすような所定の重み値「ω」を決定する。言い換えれば、生成部１３４は、所定の説明変数が目的変数「ｙ」に与える影響を示す重み値「ω」を決定することができる。例えば、「入金遅延」という事象に対して、「広告へのクリック率」が他の変数と比較して大きく寄与しているのであれば、「広告のクリック率」に対応する重み値「ω_２」の値は、他の変数と比較して大きな値が算出される。

なお、上記の例では、インプレッション数やクリック率やコンバージョン率を説明変数として示したが、これらは、所定の設定により、説明変数として用いられるように変換されてもよい。例えば、生成部１３４は、既知の手法により、これらの数値を正規化して用いてもよい。あるいは、生成部１３４は、例えば、クリック率を「高」「中」「低」と三段階に分け、それぞれを説明変数として用いてもよい。例えば、生成部１３４は、第１の閾値以上のクリック率をクリック率「高」とし、第２の閾値以下のクリック率をクリック率「低」とし、その間のクリック率をクリック率「中」とするような設定を行う。この場合、例えば、生成部１３４は、クリック率「低」であるという説明変数が、目的変数（＝入金遅延）に与える重み値を算出することができる。一例として、生成部１３４は、学習の結果として、広告のクリック率が低い広告主Ａ０２ほど、入金遅延に至る可能性が高いといった結果を得ることができる。

上記のようにして、生成部１３４は、広告の配信を行わせていた広告主Ａ０２が「入金遅延」に至るという傾向と、その広告主Ａ０２に関する情報（素性）との関連性を求めるためのモデルを生成する。そして、生成部１３４は、生成したモデルに、処理対象とする広告主Ａ０１の情報を入力した場合に、それらの情報が「入金遅延」という事象、言い換えれば広告主Ａ０２にどのくらい類似した傾向を有するか、といった関連性を示すスコアを出力することができる。なお、上記式（２）を用いた算出処理では、左辺を「１」や「０」そのものとするのではなく、所定の誤差を想定し、かかる誤差との差異を２乗した値が最小値となるよう近似する最小二乗法などの手法を用いて、「ω」の最適解を算出してもよい。

また、上記の例では表記を省略したが、生成部１３４は、広告主Ａ０２に関するあらゆる素性を用いてモデルを生成してもよい。例えば、生成部１３４は、広告主Ａ０２の事業者としての属性情報を説明変数としてモデルを生成してもよい。例えば、生成部１３４は、広告主Ａ０２の法人格や業種を説明変数としたモデルを生成する。この場合、生成部１３４は、学習を経て、例えば法人格のうち「個人事業主」は入金遅延の可能性が高く、「株式会社」や「財団法人」は入金遅延の可能性が低い、といった傾向を導出することができる場合がある。この場合、「個人事業主」という属性が、「入金遅延」という結果に関して、「株式会社」や「財団法人」といった属性と比べて大きな重みを持つ変数（素性）であるといえる。

なお、生成部１３４は、さらに種々の情報を加味してモデルを生成してもよい。例えば、生成部１３４は、上記のように広告主Ａ０２のモデルを生成する場合に、既知のモデルから算出される信用度を含めてもよい。

一例として、生成部１３４は、既存モデルとして、既知の任意の企業評価モデルを用いてもよい。例えば、財務情報に基づいて事業者の倒産確率を示すスコアを求める企業評価モデルとして、アルトマン（Edward Altman）のＺ値等が広く知られている。生成部１３４は、このような既存モデルを用いて、事業者の倒産確率（実施形態では、「広告主が広告配信に関して入金遅延する確率」と読み替えてもよい）を示すスコアを説明変数の１つとして、上記モデルに組み込んでもよい。

なお、例示したモデルは一例であり、生成部１３４が生成するモデルは上記の例に限られない。すなわち、生成部１３４は、広告主Ａ０２に関する情報に基づいて生成されるモデルであって、広告主Ａ０１に関する情報が入力された場合に、広告主Ａ０２と広告主Ａ０１との相関性を示すスコアを出力するモデルであれば、既知の手法を組み合わせることによって、上記例とは異なるモデルを適宜生成してもよい。例えば、上記の例では、回帰分析によってモデルを生成する例を示したが、生成部１３４は、他の統計的処理によりモデルを生成してもよいし、また、ニューラルネットワークを利用したモデル等を生成してもよい。

また、生成部１３４は、配信停止理由の種別ごとに正解データを区別してもよい。一般に、自主的な都合で配信停止した広告主Ａ０２と比較して、入金遅延や勧告などの理由により、ウェブサーバ３０側から強制的に配信停止させられた広告主Ａ０２は、より信用度が低い広告主と想定される。このため、生成部１３４は、例えば正解データとする広告主を入金遅延など「強制的に配信停止」させられた広告主Ａ０２のみに絞ったモデルを生成してもよい。

例えば、生成部１３４は、広告主Ａ０２のような第２の広告主のうち、広告配信に関する入金が遅延した広告主、広告配信を（強制的に）停止させられた広告主、広告配信に関する勧告を受けた広告主、又は、広告配信に基づく売上額が所定の割合を超えて減少した広告主のいずれかに該当する第２の広告主を正解データとして、モデルを生成するようにしてもよい。なお、広告配信に基づく売上額とは、例えば、広告に対応付けられた商品の売上額でもよいし、広告配信によって広告主が受け取るレベニューシェア（Revenue share）等の額でもよい。

すなわち、生成部１３４は、正解データとする広告主Ａ０２を「（自主都合の）配信停止」した広告主に絞ったモデルを生成してもよいし、「強制的に配信停止」させられた広告主に絞ったモデルを生成してもよい。生成部１３４は、このように正解データとする第２の広告主を使い分けることで、第１の広告主が将来的にどのような傾向を有すると想定されるかを精度よく判定するための種々のモデルを生成することができる。より具体的には、生成部１３４は、生成する正解データや素性を使い分けて種々のモデルを生成することにより、ある事象（単に配信停止するか、強制的に配信停止させられるか）を示すスコアを出力する精度を向上させたモデルを生成することができる。

（算出部１３５について）
算出部１３５は、取得部１３３によって取得された広告に関する情報に基づいて、第１の広告主の信用度を算出する。例えば、算出部１３５は、生成部１３４によって生成されたモデルから出力されたスコア（指標値）に基づいて、第１の広告主の信用度を算出する。

具体的には、算出部１３５は、生成部１３４が生成したモデルに処理対象とする広告主Ａ０１に関する情報を入力することにより、広告主Ａ０１に関するスコアを取得する。出力されたスコアは、処理対象である広告主Ａ０１と広告主Ａ０２との相関性を示す。例えば、処理対象である広告主Ａ０１と広告主Ａ０２との相関性が高いという事象は、当該広告主Ａ０１が、将来的に入金遅延等の事象を起こす可能性が高いことを示している。算出部１３５は、かかるスコアに基づいて、広告主Ａ０１の信用度を算出する。算出部１３５は、出力されたスコアそのものを広告主Ａ０１の信用度としてもよいし、出力されたスコアを正規化する等の処理を行い、処理後に算出された値を広告主Ａ０１の信用度としてもよい。例えば、算出部１３５は、モデルから出力されたスコアを１００段階の数値に正規化する処理を行い、処理後に算出された１から１００までの値を広告主Ａ０１の信用度としてもよい。

なお、算出部１３５は、必ずしも生成部１３４が生成したモデルを用いて広告主Ａ０１の信用度を算出しなくてもよい。例えば、算出部１３５は、広告主Ａ０１に関する広告に関する情報と、広告主Ａ０２に関する広告に関する情報とを統計的に比較し、比較した情報に基づいて広告主Ａ０１の信用度を算出してもよい。

（決定部１３６について）
決定部１３６は、取得部１３３によって取得された第１の広告主の信用度に基づいて、第１の広告主が入稿した広告の配信され易さを決定する。言い換えれば、決定部１３６は、算出部１３５によって算出された信用度に基づいて、広告主Ａ０１に対する配信条件を決定する。例えば、決定部１３６は、算出部１３５によって算出された信用度が配信条件記憶部１２８に保持された条件のいずれに該当するかを判定し、広告主Ａ０１に対する配信条件を判定する。

（通知部１３７について）
通知部１３７は、決定部１３６によって決定された、第１の広告主が入稿した広告の配信され易さに関する情報を第１の広告主に通知する。また、通知部１３７は、例えば、今以上にクリックされ易い広告を配信することや、コンバージョン率の高くなる広告を配信することにより、第１の広告主に対して決定された配信条件を改善できるといったレコメンド情報を通知してもよい。

〔４．処理手順〕
次に、図１０を用いて、実施形態に係る決定装置１００による生成処理の手順について説明する。図１０は、実施形態に係る決定装置１００による生成処理手順を示すフローチャートである。

図１０に示すように、取得部１３３は、配信部１３２が配信した広告のうち、第２の広告主が入稿した広告に関する情報を取得する（ステップＳ１０１）。そして、生成部１３４は、取得部１３３によって取得された情報に基づいて、第１の広告主に関する情報が入力された場合に、第１の広告主と第２の広告主との相関性を示すスコアを出力するモデルを生成する（ステップＳ１０２）。生成部１３４は、生成したモデルをモデル記憶部１２７に格納する（ステップＳ１０３）。

次に、図１１を用いて、実施形態に係る決定装置１００による決定処理の手順について説明する。図１１は、実施形態に係る決定装置１００による決定処理手順を示すフローチャートである。

図１１に示すように、取得部１３３は、処理対象とする第１の広告主が入稿した広告に関する情報を取得したか否かを判定する（ステップＳ２０１）。取得部１３３は、広告に関する情報を取得していない場合には、取得するまで待機する（ステップＳ２０１；Ｎｏ）。

一方、第１の広告主の広告に関する情報を取得した場合には（ステップＳ２０１；Ｙｅｓ）、算出部１３５は、取得した第１の広告主に関する情報を生成部１３４が生成したモデルに入力する（ステップＳ２０２）。

そして、算出部１３５は、処理対象とする第１の広告主と、第２の広告主（正解データ）との相関性を示すスコアを出力させる（ステップＳ２０３）。さらに、算出部１３５は、出力させたスコアに基づいて第１の広告主の信用度を算出する（ステップＳ２０４）。決定部１３６は、算出された信用度に基づいて第１の広告主に対する配信条件を決定する（ステップＳ２０５）。そして、通知部１３７は、決定した配信条件を第１の広告主に通知する（ステップＳ２０６）。

〔５．変形例〕
上述した実施形態に係る決定装置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、上記の決定装置１００の他の実施形態について説明する。

〔５−１．広告クリエーティブに基づく処理〕
上述した実施形態において、決定装置１００が、広告主Ａ０１及び広告主Ａ０２に関する情報に基づいて信用度を算出する例を示した。ここで、決定装置１００は、第１の広告主が入稿した広告のクリエーティブに関する情報を取得し、第１の広告主が入稿した広告のクリエーティブに関する情報に基づいて、第１の広告主の信用度を算出してもよい。

例えば、決定装置１００は、広告のクリエーティブに関する情報として、広告の種別（動画か静止画かテキスト広告か、あるいは、動画であれば、特殊な表現が施されたアニメーション作品であるか否かなど）や、広告に表示される商品の話題性や、広告に出演する出演者の人気度や、クリック率やコンバージョン率の高い他の広告との類似性等を取得する。

そして、決定装置１００は、取得した広告のクリエーティブに関する情報が、クリック率やコンバージョン率を押し上げると想定されるものである場合には、当該広告を入稿した広告主の信用度を高く算出する。なお、クリック率やコンバージョン率を押し上げると想定されるか否かは、例えば、同種の表現を行う広告や、同じ出演者が出演している他の広告のクリック率やコンバージョン率を学習すること等によって決定される。

このように、決定装置１００は、第１の広告主が入稿した広告のクリエーティブに関する情報を取得する。そして、決定装置１００は、第１の広告主が入稿した広告のクリエーティブに関する情報に基づいて、第１の広告主の信用度を算出してもよい。これにより、決定装置１００は、多様な情報に基づいて第１の広告主の信用度を算出することができる。

〔５−２．時期的情報〕
上述した実施形態において、決定装置１００は、広告主Ａ０１に関する情報を入力して、広告主Ａ０２との相関性を示すスコアを算出する例を示した。ここで、決定装置１００は、モデルを生成するために用いられた広告主Ａ０２の情報と、モデルに入力される広告主Ａ０１の情報との取得時期を対応させるようにしてもよい。

決定装置１００が取得する情報は、例えば広告の評価に関する情報等であるため、時期的影響を受けた情報となる可能性がある。例えば、年末など商取引が盛んに行われる時期と、それ以外の時期とでは、広告に対するクリック率やコンバージョン率に差が生じる可能性がある。このため、決定装置１００は、モデルを生成するために情報を取得した時期を記憶しておく。そして、決定装置１００は、処理対象となる広告主Ａ０１の情報を入力する場合には、モデルの生成に用いられた情報が取得された時期と類似する時期に取得された情報を入力する。そして、決定装置１００は、出力されたスコアに基づいて広告主Ａ０１の信用度を算出する。

このように、決定装置１００は、広告の評価に関する情報を取得する際の時期的情報を取得し、時期的情報に基づいて、広告主Ａ０１の信用度を算出するようにしてもよい。これにより、決定装置１００は、時期的要因に基づく広告の評価に関する情報の影響を抑えることができるため、ノイズの少ない情報に基づいた、より精度の高い信用度を算出することができる。

〔５−３．情報量〕
上記実施形態において、決定装置１００は、ネットワーク上で取得可能な種々の情報に基づいて、モデルを生成する例を示した。具体的には、決定装置１００は、広告の評価に関する情報に基づいてモデルを生成する。ここで、決定装置１００は、ユーザから取得される評価に関する情報量が一定の閾値を超えたもののみを用いて処理を行うようにしてもよい。

例えば、ある広告に対するクリック率やコンバージョン率は、一定数以上のデータに基づかない場合、偏った傾向を示すことがありうる。この場合、回帰式に偏った傾向のデータの影響が及ぶため、広告主Ａ０１の信用度を精度よく算出することができないモデルが生成される場合がある。このため、決定装置１００は、広告主Ａ０１及び広告主Ａ０２に対して、ユーザから送信されたクリックやコンバージョンに関する情報の総数が一定数を超えたもののみを、モデルの生成処理で扱う素性とするようにしてもよい。これにより、決定装置１００は、信頼性の高いスコアを出力するモデルを生成することができる。

〔５−４．補正〕
決定装置１００は、現実の経済状態によって、出力されるスコアに補正をかけることのできるモデルを生成してもよい。例えば、決定装置１００は、円高傾向のときに経営状態が良くなる広告主Ａ０１と、影響のない広告主Ａ０１と、経営状態が悪化する広告主Ａ０１とを分類する。そして、決定装置１００は、モデルを生成する際には、所定期間における円の価値の動向についても素性とすることにより、円の価値の動向が加味されて補正されたスコアを出力させるモデルを生成する。決定装置１００は、例えば、長期的に広告主Ａ０２及び広告主Ａ０１の情報を取得し、円の価値の動向などとの連動性に関する情報を蓄積することにより、このような補正情報をモデルに反映させる。

〔５−５．情報のバリエーション〕
上記実施形態において、決定装置１００は、素性情報記憶部１２２に記憶される各種情報を用いて処理を行う例を示した。ここで、決定装置１００が扱う情報のバリエーションに関して、より詳細に説明する。

例えば、決定装置１００は、広告主Ａ０１や広告主Ａ０２が広告と対応付けられた自社のウェブページや商品の販売ページを有している場合には、このようなページに対するユーザの評価を加味した信用度の算出処理を行ってもよい。

具体的には、決定装置１００は、生成するモデルの説明変数として、広告主Ａ０２に対するユーザからの評価に関する情報を用いる。例えば、決定装置１００は、広告主Ａ０２が運営するストアや、販売する商品に対するユーザからのレビューに含まれる単語を取得する。

そして、決定装置１００は、各単語を説明変数として用いてモデルを生成する。これにより、決定装置１００は、例えばある特定の単語がレビューに含まれる広告主ほど、入金遅延を生じやすいといった傾向を学習したモデルを生成することができる。例えば、決定装置１００は、商品レビューに「偽物」や「海外」や「最悪」等の単語が含まれる広告主Ａ０２は入金遅延する傾向が高く、レビューに「梱包」や「配送」や「迅速」等の単語が含まれる広告主Ａ０２は入金遅延する傾向が低い、などの傾向を見出すようなモデルを生成できる場合がある。このことは、仮に処理対象となる広告主Ａ０１に対するユーザからの評価に「偽物」という単語が含まれている場合、当該広告主Ａ０１が、将来的に入金遅延する可能性が高いことを意味する。すなわち、「偽物」という単語は、「入金遅延」という結果に対して（広告主Ａ０２との相関性を求める素性として）重みが重い要素であるといえる。

なお、決定装置１００は、単語を素性として用いる場合には、単語の出現数を加味してもよい。例えば、決定装置１００は、所定の単語に対して算出した重みについて、単語が出現する回数に応じて、さらに所定の割合を乗じるような調整を行ってもよい。これにより、決定装置１００は、広告主Ａ０２との相関性を強く示す単語が頻繁に出現する広告主Ａ０１については、より広告主Ａ０２との相関性を強く示すスコアを出力するようなモデルを生成することができる。また、生成部１３４は、所定のドキュメント（ユーザから投稿された１つのレビューや、商品に対する一つのレビューなど）におけるｔｆ−ｉｄｆ（Term Frequency−Inverse Document Frequency）等の重みを利用して、所定の単語に対して算出した重みについて、さらに所定の割合を乗じるような調整を行ってもよい。

また、決定装置１００は、単語に関して、さらに詳細な情報を取得してもよい。例えば、決定装置１００は、取得された単語を形態素解析し、品詞ごとに集計された情報を取得してもよい。具体的には、決定装置１００は、名詞のカテゴリを人、物、場所等へ分類した集計結果を取得する。また、決定装置１００は、各単語がポジティブ属性を有するか、ネガティブ属性を有するかといった分類結果や、メッセージが対話形式である場合、かかる対話の意図判定などの判定結果を取得することができる。

また、決定装置１００は、ユーザから送信される音声情報を、メッセージとして取得してもよい。すなわち、決定装置１００は、音声検索や音声入力などを利用するユーザから送信される音声を音声認識することにより、単語を含むテキスト情報として取得してもよい。

また、決定装置１００は、取得された単語に関して、特定の品詞のみを抽出してもよい。例えば、決定装置１００は、名詞や形容詞など、広告主Ａ０１及び広告主Ａ０２の状況を端的に表すことのできる品詞を処理に用いてもよい。これにより、決定装置１００は、取り扱う情報量を削減できるので、生成するモデルの精度を低下させずに、生成処理の負担を軽減させることができる。

また、決定装置１００は、予め登録された単語のみをモデル生成に用いてもよい。例えば、決定装置１００は、「良い」や、「悪い」等といった、広告主Ａ０１及び広告主Ａ０２への評価を端的に表すことのできる単語を処理に用いてもよい。かかる登録は、例えば、決定装置１００の管理者により行われる。また、決定装置１００は、単語を品詞として分類する他に、所定のカテゴリ毎に分類してもよい。例えば、決定装置１００は、「人名」や、「場所」や、「金額」といったカテゴリを予め登録し、かかるカテゴリに該当する単語に関する情報を処理に用いてもよい。

また、決定装置１００は、素性として単語を用いる場合には、１つの単語を素性とするのではなく、ある単語と、当該単語と共起する単語とのペアを素性として用いてもよい。

例えば、ユーザからのレビューにおいて、「梱包」という単語が出現する場合には、「梱包」と「丁寧」という単語が共起して用いられる場合と、「梱包」と「雑」という単語が共起して用いられる場合とでは、ユーザの評価に隔たりがあると想定される。このため、決定装置１００は、所定の単語に関して共起する組み合わせを予め設定し、設定した単語の組合せを素性として用いるようにしてもよい。

なお、決定装置１００は、共起する単語の組み合わせについて、予め設定されたデータを記憶してもよいし、学習処理によって組み合わせとする単語のペアを抽出するようにしてもよい。これにより、決定装置１００は、ユーザからの評価をより精度高く反映させた信用度の算出処理を行うことができる。

〔６．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。

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３に示した記憶部１２０内の情報は、決定装置１００が保持せずに、外部のストレージサーバ等に保持されてもよい。この場合、決定装置１００は、ストレージサーバにアクセスすることで、格納されている各種情報を取得する。

また、例えば、上述してきた決定装置１００は、各種情報を取得するような外部装置とのやりとりを主に実行するフロントエンドサーバ側と、生成処理や決定処理などを実行するバックエンドサーバ側とに分散されてもよい。この場合、例えば、フロントエンドサーバは、少なくとも、取得部１３３を有する。また、バックエンドサーバは、少なくとも、算出部１３５を有する。

〔７．ハードウェア構成〕
また、上述してきた実施形態に係る決定装置１００は、例えば図１２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１２は、決定装置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記憶する。通信インターフェイス１５００は、通信網５００（図２に示すネットワークＮに対応する）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、また、通信網５００を介してＣＰＵ１１００が生成したデータを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、入出力インターフェイス１６００を介して生成したデータを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が決定装置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、記憶部１２０内の各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５００を介してこれらのプログラムを取得してもよい。

〔８．効果〕
上述してきたように、実施形態に係る決定装置１００は、取得部１３３と、決定部１３６とを有する。取得部１３３は、ネットワーク上で配信される広告を入稿した第１の広告主の信用度を取得する。決定部１３６は、取得部１３３によって取得された第１の広告主の信用度に基づいて、第１の広告主が入稿した広告の配信され易さを決定する。

このように、実施形態に係る決定装置１００は、広告主の事業者としての信用度に応じて広告配信を行う。具体的には、決定装置１００は、信用度に応じた広告配信の制限を行う。これにより、決定装置１００は、信用度の低い広告主に関しては、広告料金の後課金の担保や、広告料金の枯渇を防止すること等が可能になる。また、決定装置１００は、ユーザ端末１０に配信される広告の質を保持することができる。また、決定装置１００は、信用度に応じて広告配信の制限を行うことで、クリックされ易い広告などの広告効果の高い、言い換えれば質の高い広告を広告主に入稿させることを促すことができる。このように、決定装置１００は、第１の広告主の事業者としての信用度を有効に活用することができる。

また、実施形態に係る決定装置１００は、第１の広告主が入稿した広告に関する情報に基づいて、第１の広告主の信用度を算出する算出部１３５をさらに備える。取得部１３３は、算出部１３５によって算出された第１の広告主の信用度を取得する。

このように、実施形態に係る決定装置１００は、広告主の信用度を計るために一般的に用いられる企業の財務情報のみならず、第１の広告主が入稿した広告に関する情報を用いる。例えば、ユーザからの評価が高い広告を配信することのできる広告主であれば、将来的に業績が良くなる可能性の高いと想定される。すなわち、決定装置１００は、第１の広告主が配信する広告の評価に基づいて信用度を算出することで、ネットワーク広告の評価というリアルタイムに取得可能な情報に基づいて、実情に即した信用度を算出することができる。

また、取得部１３３は、第１の広告主が入稿した広告のクリエーティブに関する情報を取得する。算出部１３５は、第１の広告主が入稿した広告のクリエーティブに関する情報に基づいて、第１の広告主の信用度を算出する。

このように、実施形態に係る決定装置１００は、広告に関する情報として、広告のクリエーティブに関する情報を用いて、第１の広告主の信用度を算出してもよい。すなわち、決定装置１００は、ユーザからのクリック率などの評価値とは異なり、クリエーティブそのものの評価や内容に対して信用度を算出することができため、例えば質の高い広告を入稿した第１の広告主に対しては信用度を高く算出するなど、実情に即した、多様な算出処理を行うことができる。

また、実施形態に係る決定装置１００は、第１の広告主とは異なる広告主である第２の広告主から入稿された広告に関する情報に基づいて生成されるモデルであって、第１の広告主の広告に関する情報が入力された場合に、第１の広告主と第２の広告主との相関性を示す指標値を出力するモデルを生成する生成部１３４をさらに備える。算出部１３５は、生成部１３４によって生成されたモデルから出力された指標値に基づいて、第１の広告主の信用度を算出する。

このように、実施形態に係る決定装置１００は、第２の広告主に関する情報に基づいて生成されたモデルを利用して、処理対象とする第１の広告主の信用度を算出する。これにより、決定装置１００は、効率よく第１の広告主の信用度を算出することができるとともに、学習されたモデルを利用して第２の広告主と第１の広告主との相関性を求めることで、信用度の算出処理の精度を高めることができる。

また、取得部１３３は、第１の広告主又は第２の広告主が入稿した広告に関する情報として、広告がユーザから選択された数もしくは率、又は、広告を契機としてコンバージョンに至った数もしくは率を取得する。生成部１３４は、広告がユーザから選択された数もしくは率、又は、広告を契機としてコンバージョンに至った数もしくは率に基づいて、モデルを生成する。

このように、実施形態に係る決定装置１００は、ネットワークを介して広告を閲覧したユーザからの反応を取得し、取得した情報を用いてモデルを生成する。これにより、決定装置１００は、ユーザからの反応という鮮度の高いデータを用いて第１の広告主の信用度を算出することができる。

また、取得部１３３は、第１の広告主又は第２の広告主が入稿した広告に関する情報として、広告がユーザから選択された数もしくは率の推移、又は、広告を契機としてコンバージョンに至った数もしくは率の推移を取得する。生成部１３４は、広告がユーザから選択された数もしくは率の推移、又は、広告を契機としてコンバージョンに至った数もしくは率の推移に基づいて、モデルを生成する。

このように、実施形態に係る決定装置１００は、ユーザからの評価に関する情報について、その情報の推移を捉えた情報を利用して算出処理を行う。一般に、入金遅延等の不芳な行いをする第２の広告主は、徐々にクリック率が減少していたり、コンバージョン率が減少していたりするような傾向を示すことが想定される。決定装置１００は、このように推移する情報を素性として処理に用いることで、第１の広告主が将来的に入金遅延するか否か、言い換えれば、第１の広告主が信頼のおける事業者であるか否かを精度よく判定することができる。

また、取得部１３３は、広告の評価に関する情報として、ユーザが利用するユーザ端末１０において広告が表示された回数、広告が表示された時間もしくは広告が再生された時間、広告の再生が完遂した回数もしくは完遂した率、又は、広告を介して第１の広告主に対応するランディングページに遷移した回数もしくは遷移した率を取得する。生成部１３４は、ユーザが利用するユーザ端末１０において広告が表示された回数、広告が表示された時間もしくは広告が再生された時間、広告の再生が完遂した回数もしくは完遂した率、又は、広告を介して第１の広告主に対応するランディングページに遷移した回数もしくは遷移した率に基づいて、モデルを生成する。

このように、実施形態に係る決定装置１００は、広告が選択された数のみならず、広告の視聴時間や完遂率など、広告が視聴された際の評価値に基づいてモデルを生成してもよい。これにより、決定装置１００は、例えば動画広告など、クリック等を目的としないブランディング広告等に関する評価に関する情報を利用してモデルを生成することができる。すなわち、決定装置１００は、多様な表示態様を有する広告が第１の広告主から入稿された場合であっても、精度よく第１の広告主の信用度を判定することができる。

また、取得部１３３は、第１の広告主及び第２の広告主の事業者としての属性情報をさらに取得する。生成部１３４は、第２の広告主の属性情報に基づいて生成されるモデルであって、入力として第１の広告主の属性情報をさらに受け付けるモデルを生成する。

このように、実施形態に係る決定装置１００は、広告主の事業者としての属性情報を用いてモデルを生成してもよい。これにより、決定装置１００は、どのような属性を有する第２の広告主が入金遅延し易いかといった情報を反映させたモデルを生成することができるため、処理対象となる第１の広告主に対して、属性情報によって示される傾向（例えば、入金遅延や配信停止という事象を生じさせる傾向）を反映させた信用度を算出することができる。

また、取得部１３３は、属性情報として、第１の広告主及び第２の広告主の事業者としての法人格、又は、第１の広告主及び第２の広告主の事業者としての業種を取得する。生成部１３４は、第２の広告主の事業者としての法人格、又は、第２の広告主の事業者としての業種に基づいてモデルを生成する。

このように、実施形態に係る決定装置１００は、広告主の法人格や業種を反映させたモデルを生成してもよい。一般に、法人格や業種は広告配信における広告主の動向を示す指標となる可能性が高いため、決定装置１００は、そのような情報を加味したモデルを生成することで、信用度の算出処理の精度を向上させることができる。

また、生成部１３４は、第２の広告主であって、広告配信に関する入金が遅延した広告主、広告配信を停止させられた広告主、広告配信に関する勧告を受けた広告主、又は、広告配信に基づく売上額が所定の割合を超えて減少した広告主のいずれかに該当する第２の広告主を正解データとして、モデルを生成する。

このように、実施形態に係る決定装置１００は、種々の配信停止の理由ごとにモデルを生成してもよい。すなわち、決定装置１００は、正解データに多様性を持たせることができるため、将来的にある事象に該当する第１の広告主を精度よく見分けることのできるモデルを生成することができる。結果として、決定装置１００は、第１の広告主に対する信用度を精度よく算出することができる。

また、取得部１３３は、第１の広告主又は第２の広告主が入稿した広告に関する情報を取得する際の時期的情報を取得する。算出部１３５は、時期的情報に基づいて、第１の広告主の信用度を算出する。

これにより、実施形態に係る決定装置１００は、時期的要因に基づく広告に関する情報の影響を抑えることができるため、ノイズの少ない情報に基づいた、より精度の高い信用度を算出することができる。

以上、本願の実施形態及び実施形態の変形例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、上述した決定装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。

また、特許請求の範囲に記載した「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 決定システム
１０ ユーザ端末
２０ 広告主端末
３０ ウェブサーバ
１００ 決定装置
１１０ 通信部
１２０ 記憶部
１２１ 広告主情報記憶部
１２２ 素性情報記憶部
１２３ 広告情報テーブル
１２４ 事業情報テーブル
１２５ 財務情報テーブル
１２７ モデル記憶部
１２８ 配信条件記憶部
１３０ 制御部
１３１ 入稿受付部
１３２ 配信部
１３３ 取得部
１３４ 生成部
１３５ 算出部
１３６ 決定部
１３７ 通知部

Claims (12)

1. ネットワーク上で配信される広告であって第１の広告主が入稿した広告に関する情報と、第１の広告主とは異なる広告主である第２の広告主から入稿された広告に関する情報に基づいて生成されるモデルから出力される指標値であって、当該第１の広告主と当該第２の広告主との相関性を示す指標値とに基づいて、当該第１の広告主の信用度を算出する算出部と、
   前記算出部によって算出された前記第１の広告主の信用度を取得する取得部と、
   前記取得部によって取得された第１の広告主の信用度に基づいて、当該第１の広告主が入稿した広告の配信され易さを決定する決定部と、
   を備えることを特徴とする決定装置。
2. 前記取得部は、
   前記第１の広告主が入稿した広告のクリエーティブに関する情報を取得し、
   前記算出部は、
   前記第１の広告主が入稿した広告のクリエーティブに関する情報に基づいて、当該第１の広告主の信用度を算出する、
   ことを特徴とする請求項１に記載の決定装置。
3. 前記第２の広告主から入稿された広告に関する情報に基づいて、当該第１の広告主の広告に関する情報が入力された場合に当該第１の広告主と当該第２の広告主との相関性を示す指標値を出力するモデルを生成する生成部、
   をさらに備え、
   前記算出部は、
   前記生成部によって生成されたモデルから出力された指標値に基づいて、前記第１の広告主の信用度を算出する、
   ことを特徴とする請求項１又は２に記載の決定装置。
4. 前記取得部は、
   前記第１の広告主又は前記第２の広告主が入稿した広告に関する情報として、当該広告がユーザから選択された数もしくは率、又は、当該広告を契機としてコンバージョンに至った数もしくは率を取得し、
   前記生成部は、
   前記広告がユーザから選択された数もしくは率、又は、当該広告を契機としてコンバージョンに至った数もしくは率に基づいて、前記モデルを生成する、
   ことを特徴とする請求項３に記載の決定装置。
5. 前記取得部は、
   前記第１の広告主又は前記第２の広告主が入稿した広告に関する情報として、当該広告がユーザから選択された数もしくは率の推移、又は、当該広告を契機としてコンバージョンに至った数もしくは率の推移を取得し、
   前記生成部は、
   前記広告がユーザから選択された数もしくは率の推移、又は、当該広告を契機としてコンバージョンに至った数もしくは率の推移に基づいて、前記モデルを生成する、
   ことを特徴とする請求項４に記載の決定装置。
6. 前記取得部は、
   前記広告の評価に関する情報として、ユーザが利用する端末において当該広告が表示された回数、当該広告が表示された時間もしくは当該広告が再生された時間、当該広告の再生が完遂した回数もしくは完遂した率、又は、当該広告を介して前記第１の広告主に対応するランディングページに遷移した回数もしくは遷移した率を取得し、
   前記生成部は、
   前記ユーザが利用する端末において当該広告が表示された回数、当該広告が表示された時間もしくは当該広告が再生された時間、当該広告の再生が完遂した回数もしくは完遂した率、又は、当該広告を介して前記第１の広告主に対応するランディングページに遷移した回数もしくは遷移した率に基づいて、前記モデルを生成する、
   ことを特徴とする請求項３〜５のいずれか一つに記載の決定装置。
7. 前記取得部は、
   前記第１の広告主及び前記第２の広告主の事業者としての属性情報をさらに取得し、
   前記生成部は、
   前記第２の広告主の属性情報に基づいて生成されるモデルであって、入力として前記第１の広告主の属性情報をさらに受け付ける前記モデルを生成する、
   ことを特徴とする請求項３〜６のいずれか一つに記載の決定装置。
8. 前記取得部は、
   前記属性情報として、前記第１の広告主及び前記第２の広告主の事業者としての法人格、又は、前記第１の広告主及び前記第２の広告主の事業者としての業種を取得し、
   前記生成部は、
   前記第２の広告主の事業者としての法人格、又は、当該第２の広告主の事業者としての業種に基づいて前記モデルを生成する、
   ことを特徴とする請求項７に記載の決定装置。
9. 前記生成部は、
   前記第２の広告主であって、広告配信に関する入金が遅延した広告主、広告配信を停止させられた広告主、広告配信に関する勧告を受けた広告主、又は、広告配信に基づく売上額が所定の割合を超えて減少した広告主のいずれかに該当する第２の広告主を正解データとして、前記モデルを生成する、
   ことを特徴とする請求項３〜８のいずれか一つに記載の決定装置。
10. 前記取得部は、
    前記第１の広告主又は前記第２の広告主が入稿した広告に関する情報を取得する際の時期的情報を取得し、
    前記算出部は、
    前記時期的情報に基づいて、前記第１の広告主の信用度を算出する、
    ことを特徴とする請求項１〜９のいずれか一つに記載の決定装置。
11. コンピュータが実行する決定方法であって、
    ネットワーク上で配信される広告であって第１の広告主が入稿した広告に関する情報と、第１の広告主とは異なる広告主である第２の広告主から入稿された広告に関する情報に基づいて生成されるモデルから出力される指標値であって、当該第１の広告主と当該第２の広告主との相関性を示す指標値とに基づいて、当該第１の広告主の信用度を算出する算出工程と、
    前記算出工程によって算出された前記第１の広告主の信用度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第１の広告主の信用度に基づいて、当該第１の広告主が入稿した広告の配信され易さを決定する決定工程と、
    を含んだことを特徴とする決定方法。
12. ネットワーク上で配信される広告であって第１の広告主が入稿した広告に関する情報と、第１の広告主とは異なる広告主である第２の広告主から入稿された広告に関する情報に基づいて生成されるモデルから出力される指標値であって、当該第１の広告主と当該第２の広告主との相関性を示す指標値とに基づいて、当該第１の広告主の信用度を算出する算出手順と、
    前記算出手順によって算出された前記第１の広告主の信用度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第１の広告主の信用度に基づいて、当該第１の広告主が入稿した広告の配信され易さを決定する決定手順と、
    をコンピュータに実行させることを特徴とする決定プログラム。

Images