JP6541521B2 - Generation device, generation method, generation program, determination device, determination method, and determination program - Google Patents
Generation device, generation method, generation program, determination device, determination method, and determination program Download PDFInfo
- Publication number
- JP6541521B2 JP6541521B2 JP2015176903A JP2015176903A JP6541521B2 JP 6541521 B2 JP6541521 B2 JP 6541521B2 JP 2015176903 A JP2015176903 A JP 2015176903A JP 2015176903 A JP2015176903 A JP 2015176903A JP 6541521 B2 JP6541521 B2 JP 6541521B2
- Authority
- JP
- Japan
- Prior art keywords
- advertisement
- user
- information
- format
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 48
- 238000009826 distribution Methods 0.000 claims description 261
- 238000003860 storage Methods 0.000 claims description 122
- 238000011156 evaluation Methods 0.000 claims description 74
- 230000008569 process Effects 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 17
- 230000009471 action Effects 0.000 description 16
- 101001057156 Homo sapiens Melanoma-associated antigen C2 Proteins 0.000 description 14
- 102100027252 Melanoma-associated antigen C2 Human genes 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 239000000284 extract Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000010365 information processing Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000003042 antagnostic effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
Images
Landscapes
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、生成装置、生成方法、生成プログラム、決定装置、決定方法、及び決定プログラムに関する。 The present invention relates to a generation device, a generation method, a generation program, a determination device, a determination method, and a determination program.
従来、配信要求元に応じてデザインを決定した広告を配信する技術が提供されている。例えば、ウェブページのデザインに基づいて広告を動的に生成する技術が提供されている。 Conventionally, there is provided a technology for delivering an advertisement whose design has been determined according to a delivery request source. For example, techniques have been provided for dynamically generating advertisements based on web page design.
しかしながら、上記の従来技術では、広告コンテンツのデータ形式における種別ごとの配信実績に基づいて、配信する広告コンテンツの種別における評価値を予測する場合、適切に評価値を予測できない場合がある。例えば、複数の分類毎に種別の評価値を収集する場合、各種別の評価値の実績が不足し、適切に評価値を予測できない場合がある。 However, in the above-described conventional technology, when the evaluation value in the type of the advertising content to be distributed is predicted based on the distribution result for each type in the data format of the advertising content, the evaluation value may not be appropriately predicted. For example, in the case of collecting evaluation values of a type for each of a plurality of classifications, there are cases in which the evaluation values can not be predicted appropriately because the results of evaluation values of various types run short.
本願は、上記に鑑みてなされたものであって、配信する広告コンテンツの種別に関する評価値を予測するモデルを適切に利用可能とする生成装置、生成方法、生成プログラム、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。 The present application has been made in view of the above, and a generating device, a generating method, a generating program, a determining device, a determining method, and a method for appropriately using a model for predicting an evaluation value related to a type of advertising content to be delivered. The purpose is to provide a decision program.
本願に係る生成装置は、ユーザに関するユーザ情報を取得する取得部と、前記取得部により取得されたユーザ情報に基づいて、広告情報のデータ形式における種別に関する評価値を予測するモデルを生成する生成部と、を備えたことを特徴とする。 A generating device according to the present application generates a model that predicts an evaluation value related to a type of data format of advertisement information based on an acquisition unit that acquires user information on a user and the user information acquired by the acquisition unit. And.
実施形態の一態様によれば、配信する広告コンテンツの種別に関する評価値を予測するモデルを適切に利用可能とすることができるという効果を奏する。 According to an aspect of the embodiment, it is possible to appropriately use a model that predicts an evaluation value regarding the type of advertising content to be distributed.
以下に、本願に係る生成装置、生成方法、生成プログラム、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生成装置、生成方法、生成プログラム、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。 Hereinafter, a generation apparatus, a generation method, a generation program, a determination apparatus, a determination method, and an embodiment (hereinafter, referred to as an “embodiment”) according to the present application will be described in detail with reference to the drawings. . Note that the generation device, the generation method, the generation program, the determination device, the determination method, and the determination program according to the present application are not limited by this embodiment. Moreover, the same code | symbol is attached | subjected to the same site | part in the following each embodiment, and the overlapping description is abbreviate | omitted.
（実施形態）
〔１−１．生成処理〕
まず、図１を用いて、実施形態に係る生成処理の一例について説明する。図１は、実施形態に係る生成処理の一例を示す図である。図１に示す広告配信装置１００は、フォーマットに関する所定の評価値を予測するモデルを生成する。また、広告配信装置１００は、コンテンツ配信装置５０が配信するコンテンツに表示される広告コンテンツを配信する配信サービスを提供するが、この点については図２で説明する。
(Embodiment)
[1-1. Generation process]
First, an example of the generation process according to the embodiment will be described with reference to FIG. FIG. 1 is a diagram illustrating an example of a generation process according to the embodiment. The
また、広告コンテンツのデザインは、広告情報のデータ形式における種別と、広告情報を広告コンテンツとして表示する際の表示様式との２つの要素からなる。ここでいう広告情報のデータ形式における種別とは、例えば、文字情報や、画像情報や、文字情報と画像情報との組合せなど、広告情報のデータ形式に基づく分類を示す。以下では、広告情報のデータ形式における種別を「フォーマット」とする場合がある。また、例えば、広告情報とは、例えば車Ａのテキスト広告や、車Ａの画像広告や、車Ａのテキストと画像とを組み合わせた広告などの広告の具体的な内容を示す。また、広告情報の表示様式とは、例えば、広告情報を広告コンテンツとして表示する際の文字フォントや、文字の色や、文字情報を表示する行数や、文字情報及び画像情報等の各構成要素の配置など、種々の要素を組み合わせた表示態様の分類を示す。以下では、広告情報の表示様式を「テンプレート」とする場合がある。また、以下に示す例において、広告コンテンツにおける各フォーマットには、各々に対して適用可能なテンプレートが、例えば複数用意される。例えば、図２では、フォーマットＩＤ「ＦＭ１１」により識別されるフォーマットには、テンプレートＩＤ「ＴＰ１１」により識別されるテンプレートや、テンプレートＩＤ「ＴＰ１２」により識別されるテンプレート等の複数のテンプレートから選択された任意のテンプレートが、適用可能である。 Further, the design of the advertisement content is made up of two elements of the type of the data format of the advertisement information and the display style when the advertisement information is displayed as the advertisement content. The type in the data format of the advertisement information mentioned here indicates, for example, classification based on the data format of the advertisement information, such as text information, image information, and a combination of text information and image information. Below, the classification in the data format of advertisement information may be made into a "format." Further, for example, the advertisement information indicates specific contents of advertisements such as a text advertisement of car A, an image advertisement of car A, an advertisement in which a text of car A is combined with an image, and the like. Further, the display style of the advertisement information includes, for example, character font at the time of displaying the advertisement information as advertisement content, color of the character, number of lines on which the character information is displayed, and each component such as character information and image information. The classification of the display mode which combined various elements, such as arrangement of, is shown. Below, the display style of advertisement information may be made into a "template." Moreover, in the example shown below, for example, a plurality of templates applicable to each format is prepared for each format in the advertisement content. For example, in FIG. 2, the format identified by the format ID “FM11” is selected from a plurality of templates such as a template identified by the template ID “TP11” and a template identified by the template ID “TP12”. Any template is applicable.
図１に示すように、配信システム１には、端末装置１０と、コンテンツ配信装置５０（図２参照）と、広告配信装置１００とが含まれる。端末装置１０と、コンテンツ配信装置５０と、広告配信装置１００とは図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、図１に示した配信システム１には、複数台の端末装置１０や、複数台のコンテンツ配信装置５０や、複数台の広告配信装置１００が含まれてもよい。
As shown in FIG. 1, the distribution system 1 includes a
端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１は、端末装置１０がスマートフォンである場合を示す。
The
また、端末装置１０は、ユーザによる操作を受け付ける。図１に示す例において、端末装置１０は、所定のアプリ（例えば、ブラウザ等）に表示するコンテンツをコンテンツ配信装置５０へ要求する。また、端末装置１０は、表示するコンテンツに広告を表示する領域が含まれる場合、広告を広告配信装置１００へ要求する。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。
The
広告配信装置１００は、ユーザ情報に基づいて、広告情報のフォーマットに関する評価値であるＣＴＲを予測するモデルを生成する生成装置である。また、広告配信装置１００は、広告の配信要求に応じて広告を配信する広告配信サービスを提供する情報処理装置である。例えば、広告配信装置１００は、広告の配信を要求した端末装置１０を利用するユーザに応じて、端末装置１０へ広告を配信する情報処理装置である。
The
コンテンツ配信装置５０は、コンテンツを配信する情報処理装置である。図１に示す例において、コンテンツ配信装置５０は、端末装置１０からのコンテンツ要求に応じて、端末装置１０において起動されたアプリに表示されるコンテンツを配信する。
The
以下、図１を用いて、生成処理の一例を説明する。図１は、ユーザがユーザＩＤ「Ｕ１」により識別されるユーザ（以下、「ユーザＵ１」とする場合がある）である場合を示す。また、図１では、モデルを生成する対象となるフォーマットに関する評価値を、クリック率、すなわちＣＴＲ（Click Through Rate）とした場合を例に説明する。 Hereinafter, an example of the generation process will be described with reference to FIG. FIG. 1 shows the case where the user is a user identified by the user ID "U1" (hereinafter sometimes referred to as "user U1"). Moreover, in FIG. 1, the case where the evaluation value regarding the format used as object of model generation is made into a click rate, ie, CTR (Click Through Rate), is demonstrated to an example.
また、図１では、広告配信装置１００は、複数のフォーマットごとにＣＴＲを予測するモデルを生成する。具体的には、広告配信装置１００は、フォーマット情報記憶部１２３に記憶されるフォーマットＩＤ「ＦＭ１１」〜「ＦＭ１３」により各々識別される複数のフォーマットごとにＣＴＲを予測するモデルを生成する。なお、以下では、フォーマットＩＤ「ＦＭ１１」により識別されるフォーマットをフォーマットＦＭ１１とし、フォーマットＩＤ「ＦＭ１２」により識別されるフォーマットをフォーマットＦＭ１２とし、フォーマットＩＤ「ＦＭ１３」により識別されるフォーマットをフォーマットＦＭ１３とする。例えば、図１では、フォーマットＦＭ１１は、テキスト（文字情報）である。また、フォーマットＦＭ１２は、画像である。また、フォーマットＦＭ１３は、テキストと画像の組合せである。
Further, in FIG. 1, the
まず、図１に示すように、広告配信装置１００は、端末装置１０からユーザＵ１の行動履歴等のユーザ情報を取得する（ステップＳ１）。そして、広告配信装置１００は、ユーザＵ１のユーザ情報をユーザ情報記憶部１２１に記憶する。例えば、図１では、広告配信装置１００は、ユーザ情報記憶部１２１にユーザＵ１の２０代男性であることを示す情報や、車に関して検索を行ったことやサイトＡを閲覧したこと等を示す情報を記憶する。なお、広告配信装置１００は、ユーザ情報であれば、ユーザの行動履歴に限らず、ユーザの年代や性別等、目的に応じて種々の情報を取得してもよい。
First, as illustrated in FIG. 1, the
そして、広告配信装置１００は、端末装置１０に表示されたコンテンツＣＴ１０中に含まれる広告表示領域ＡＲ１１に表示する広告コンテンツを配信する（ステップＳ２）。以下、広告表示領域を単に「領域」や「枠」とする場合がある。例えば、広告表示領域ＡＲ１１を単に「領域ＡＲ１１」と記載する場合がある。図１のステップＳ２において、広告配信装置１００は、テキストのフォーマットＦＭ１１の広告コンテンツＡＣ１１をユーザＵ１の端末装置１０に配信する。
Then, the
そして、ユーザＵ１が利用する端末装置１０は、受信した広告コンテンツＡＣ１１をコンテンツＣＴ１０中に含まれる広告表示領域ＡＲ１１に表示する。また、図１では、ユーザＵ１が、端末装置１０に表示された広告コンテンツＡＣ１１を選択、すなわちクリックしたものとする。
Then, the
その後、広告配信装置１００は、ユーザＵ１が利用する端末装置１０から配信した広告に関する配信ログ情報を取得する（ステップＳ３）。例えば、広告配信装置１００は、ユーザＵ１が利用する端末装置１０からユーザＵ１が広告コンテンツＡＣ１１をクリックしたことを示す情報を取得する。
Thereafter, the
また、広告配信装置１００は、端末装置１０に表示されたコンテンツＣＴ１０中に含まれる広告表示領域ＡＲ１１に表示する広告コンテンツを配信する（ステップＳ４）。図１のステップＳ４において、広告配信装置１００は、画像のフォーマットＦＭ１２の広告コンテンツＡＣ２１をユーザＵ１の端末装置１０に配信する。
Further, the
そして、ユーザＵ１が利用する端末装置１０は、受信した広告コンテンツＡＣ２１をコンテンツＣＴ１０中に含まれる広告表示領域ＡＲ１１に表示する。また、図１では、ユーザＵ１が、端末装置１０に表示された広告コンテンツＡＣ２１を選択、すなわちクリックしなかったものとする。
Then, the
その後、広告配信装置１００は、ユーザＵ１が利用する端末装置１０から配信した広告に関する配信ログ情報を取得する（ステップＳ５）。例えば、広告配信装置１００は、ユーザＵ１が利用する端末装置１０からユーザＵ１が広告コンテンツＡＣ２１をクリックしなかったことを示す情報を取得する。そして、広告配信装置１００は、ステップＳ３やステップＳ５で取得した配信ログ情報を配信ログ情報記憶部１２２に記憶する。例えば、図１では、広告配信装置１００は、配信ログ情報記憶部１２２にユーザＵ１が広告コンテンツＡＣ１１をクリックしたことや広告コンテンツＡＣ２１をクリックしなかったこと等を示す情報を記憶する。
Thereafter, the
なお、ステップＳ１やステップＳ２やステップＳ４は、ステップＳ６のモデル生成の前であれば、いずれの順序により行われてもよい。また、ステップＳ３及びステップＳ５における配信ログ情報の取得は、１つのステップとして行われてもよい。また、図１では、説明のために、コンテンツＣＴ１０中に含まれる広告表示領域ＡＲ１１に表示する広告コンテンツを配信する場合を示すが、配信ログ情報は他のコンテンツや他の広告表示領域に表示される広告コンテンツに関する情報も含んでもよい。また、図１では、ユーザＵ１に関するユーザ情報や配信ログ情報を取得する場合を図示したが、広告配信装置１００は、ユーザＵ１を含む複数のユーザからユーザ情報や配信ログ情報を取得するものとして、以下説明する。
Note that steps S1 and S2 and step S4 may be performed in any order as long as they are before model generation in step S6. Further, acquisition of distribution log information in step S3 and step S5 may be performed as one step. Further, FIG. 1 shows a case of distributing the advertisement content to be displayed in the advertisement display area AR11 included in the content CT10 for the purpose of explanation, but the distribution log information is displayed in other contents and other advertisement display areas. It may also include information on advertising content. Although FIG. 1 illustrates the case of acquiring user information and delivery log information regarding the user U1, the
次に、広告配信装置１００は、ユーザ情報記憶部１２１に記憶されたユーザ情報や、配信ログ情報記憶部１２２に記憶された配信ログ情報を用いて、フォーマットＦＭ１１〜ＦＭ１３ごとにＣＴＲを予測するモデルを生成する（ステップＳ６）。例えば、広告配信装置１００は、ユーザ情報記憶部１２１に記憶されたユーザ情報や、配信ログ情報記憶部１２２に記憶されたフォーマットＦＭ１１の広告コンテンツに関する配信ログ情報を用いて、フォーマットＦＭ１１のＣＴＲを予測するモデルを生成する。
Next, the
また、例えば、広告配信装置１００は、フォーマットごとのＣＴＲを予測するモデルとして、各素性に対応する重みを導出する。なお、広告配信装置１００が生成するモデルの重みは、０や負の値であってもよい。また、広告配信装置１００は、種々の従来技術を適宜用いてモデルの生成を行ってもよい。例えば、広告配信装置１００は、抽出した素性の重みを学習により導出することよりモデルを生成してもよいし、予め指定された素性を用いてモデルの生成を行ってもよい。例えば、広告配信装置１００は、図１に示す素性１が「男性」であり、素性２が「サイトＢの閲覧」等であるモデルを生成する。なお、素性には、広告表示領域に関する情報（例えば、後述する枠タイプ等）が含まれてもよい。
Also, for example, the
また、広告配信装置１００は、ステップＳ６において生成した各フォーマットのモデルをフォーマット情報記憶部１２３に記憶する。図１では、広告配信装置１００は、フォーマットＦＭ１１のモデルにおいて、素性１の重みが「０．６」であり、素性２の重みが「０．１」であることを示す情報を記憶する。なお、フォーマット情報記憶部１２３に記憶されたモデルを用いたＣＴＲ予測については、図２において説明する。
Also, the
上述したように、広告配信装置１００は、配信する広告情報のフォーマットに関するＣＴＲを適切に予測するモデルを生成することができる。また、広告配信装置１００は、フォーマット情報記憶部１２３に記憶されたモデルを用いることにより、配信要求を送信する端末装置１０を利用するユーザに応じて、適切に各フォーマットのＣＴＲを予測することができる。例えば、広告配信装置１００は、配信実績が十分でない広告コンテンツを配信する場合であっても、適切に各フォーマットのＣＴＲを予測し、適切なコンテンツを配信することができる。また、例えば、広告配信装置１００は、配信実績が十分でないユーザに配信する場合であっても、適切に各フォーマットのＣＴＲを予測し、適切なコンテンツを配信することができる。
As described above, the
なお、図１に示す例においては、広告配信装置１００が広告情報の各フォーマットに対するＣＴＲを予測するモデルを生成する場合を示したが、広告配信装置１００は、広告情報の各テンプレートに対するＣＴＲを予測するモデルを生成してもよい。
In the example shown in FIG. 1, the case where the
〔１−２．配信処理〕
次に、図２を用いて、実施形態に係る配信処理の一例について説明する。図２は、実施形態に係る配信処理の一例を示す図である。図２は、ユーザがユーザＩＤ「Ｕ１０」により識別されるユーザ（以下、「ユーザＵ１０」とする場合がある）である場合を示す。なお、図２では、広告配信装置１００がユーザＵ１０の行動履歴等のユーザ情報を取得済みである場合を例に説明する。
[1-2. Delivery process]
Next, an example of the distribution process according to the embodiment will be described with reference to FIG. FIG. 2 is a diagram illustrating an example of the distribution process according to the embodiment. FIG. 2 shows the case where the user is a user identified by the user ID "U10" (hereinafter sometimes referred to as "user U10"). In addition, in FIG. 2, the case where the
また、図２では、フォーマットや広告情報やテンプレートを決定する際の評価値を期待収益値、すなわちｅＣＰＭ（effective Cost Per Mille）とする場合を例に説明する。なお、ｅＣＰＭは一例であり、フォーマットや広告情報やテンプレートを決定する際の評価値は、クリック率、すなわちＣＴＲ等、目的に応じて種々の評価値が用いられてもよい。 Moreover, in FIG. 2, the case where the evaluation value at the time of determining a format, advertisement information, and a template is made into an expected return value, ie, eCPM (effective Cost Per Mille) is demonstrated to an example. Note that eCPM is an example, and various evaluation values may be used depending on the purpose, such as a click rate, that is, a CTR, as an evaluation value when determining a format, advertisement information, or a template.
図２に示すように、コンテンツ配信装置５０は、端末装置１０にコンテンツＣＴ１０を配信する（ステップＳ１０）。例えば、端末装置１０からコンテンツ要求を受け付けたコンテンツ配信装置５０は、端末装置１０にコンテンツＣＴ１０を配信する。
As shown in FIG. 2, the
コンテンツＣＴ１０を受信した端末装置１０は、コンテンツＣＴ１０中に広告表示領域ＡＲ１１が含まれるため、広告配信装置１００に広告コンテンツの配信要求を送信する（ステップＳ１１）。図２では、端末装置１０は、ステップＳ１１において、配信要求として、端末装置１０を利用するユーザＵ１０に関するユーザ情報や領域ＡＲ１１に関する情報を広告配信装置１００に送信する。
The
ステップＳ１１において、例えば、端末装置１０は、領域ＡＲ１１に関する情報として領域ＡＲ１１のサイズ、または配置される位置等を示す情報を広告配信装置１００に送信する。なお、端末装置１０は、領域に関する情報であれば種々の情報を広告配信装置１００に送信してもよい。図２では、端末装置１０は、領域ＡＲ１１に関する情報として領域ＡＲ１１が枠タイプＡであることを示す情報を広告配信装置１００に送信する。なお、広告配信装置１００が領域ＡＲ１１に関する情報を取得している場合、端末装置１０は、ステップＳ１１において、領域ＡＲ１１に関する情報を広告配信装置１００に送信しなくてもよい。
In step S11, for example, the
端末装置１０から広告の配信要求を取得した広告配信装置１００は、端末装置１０に配信する広告コンテンツのフォーマットを決定する（ステップＳ１２）。ここで、広告配信装置１００は、広告コンテンツのフォーマットを決定するために、ユーザ情報記憶部１２１に記憶されたユーザ情報と、フォーマット情報記憶部１２３に記憶されたモデルとに基づいて、フォーマットごとのＣＴＲを予測する。図２では、広告配信装置１００は、ユーザＵ１０のユーザ情報と、各フォーマットＦＭ１１〜ＦＭ１３のモデルとに基づいて、フォーマットＦＭ１１〜ＦＭ１３ごとのＣＴＲを予測する。以下、予測したＣＴＲを予測ＣＴＲとする場合がある。
The
図２では、広告配信装置１００は、予測一覧表ＰＲ１１に示すように、フォーマットＦＭ１１の予測ＣＴＲを「０．２」、フォーマットＦＭ１２の予測ＣＴＲを「０．１」、フォーマットＦＭ１３の予測ＣＴＲを「０．２」と予測する。
In FIG. 2, the
そして、広告配信装置１００は、各フォーマットＦＭ１１〜ＦＭ１３の予測ＣＴＲを基に各フォーマットＦＭ１１〜ＦＭ１３の広告コンテンツのｅＣＰＭを推定する。図２では、広告配信装置１００は、予測一覧表ＰＲ１１に示すように、フォーマットＦＭ１１のｅＣＰＭを「３０（円）」、フォーマットＦＭ１２のｅＣＰＭを「１０（円）」、フォーマットＦＭ１３のｅＣＰＭを「２０（円）」と推定する。
Then, the
そして、広告配信装置１００は、複数のフォーマットＦＭ１１〜ＦＭ１３のうち、ｅＣＰＭが最も高いフォーマットを配信する広告コンテンツのフォーマットとして決定する。図２では広告配信装置１００は、予測一覧表ＰＲ１１に示すように、ユーザＵ１０に広告コンテンツを配信する場合におけるｅＣＰＭが最も高いフォーマットＦＭ１１を配信する広告コンテンツのフォーマットとして決定する。これにより、広告配信装置１００は、以下に示すステップＳ１３でも広告決定において、広告情報記憶部１２４から抽出する広告情報の数の増大を抑制することができる。例えば、各フォーマットＦＭ１１〜ＦＭ１３に対応する広告情報の数が等しいとした場合、広告配信装置１００は、全フォーマットＦＭ１１〜ＦＭ１３に対応する広告情報を広告情報記憶部１２４から抽出する場合に比べて、１／３にまで抽出する広告情報の数を抑制することができる。これにより、広告配信装置１００は、配信する広告を決定する処理負荷を抑制することができる。
Then, the
次に、広告配信装置１００は、ステップＳ１２において決定したフォーマットＦＭ１１に対応する広告情報を広告情報記憶部１２４から抽出する。図２では、広告配信装置１００は、広告情報記憶部１２４から、広告ＩＤ「Ａ１１」により識別される広告情報や広告ＩＤ「Ａ１２」により識別される広告情報等を抽出する。なお、以下では、広告ＩＤ「Ａ１１」により識別される広告情報を広告情報Ａ１１とし、広告ＩＤ「Ａ１２」により識別される広告情報を広告情報Ａ１２とする。
Next, the
ここで、図２では、広告コンテンツの配信対象は、ユーザ情報が２０代男性であり、領域ＡＲ１１は枠タイプＡである。そこで、広告配信装置１００は、広告情報記憶部１２４に記憶されたフォーマットＦＭ１１に対応する広告情報Ａ１１や広告情報Ａ１２等のうち、２０代男性、枠タイプＡを配信対象とした場合におけるｅＣＰＭが最も高い広告情報を配信する広告コンテンツの広告情報として決定する（ステップＳ１３）。
Here, in FIG. 2, the delivery target of the advertising content is male of twenties with user information, and the area AR11 is frame type A. Therefore, the
具体的には、図２では、２０代男性のユーザＵ１０に対して枠タイプＡの領域に広告コンテンツを表示した場合、広告情報Ａ１１であればｅＣＰＭが４０（円）であり、広告情報Ａ１２であればｅＣＰＭが１０（円）である。そのため、広告配信装置１００は、広告情報記憶部１２４−１に示すように、２０代男性、枠タイプＡを配信対象とした場合におけるｅＣＰＭが最も高い広告情報Ａ１１を配信する広告コンテンツの広告情報として決定する。すなわち、広告配信装置１００は、転職Ａに関する広告情報Ａ１１を配信する広告コンテンツの広告情報として決定する。
Specifically, in FIG. 2, when advertising content is displayed in the area of frame type A for the user U10 of the twenties male, in the case of the advertising information A11, the eCPM is 40 (yen), and in the advertising information A12 If there is, eCPM is 10 (yen). Therefore, as shown in the advertisement information storage unit 124-1, the
なお、広告情報記憶部１２４に記憶されたｅＣＰＭは、同じ広告情報が同じ配信対象に配信された広告コンテンツの全体平均であってもよい。また、配信対象に基づくｅＣＰＭは、ステップＳ１２においてフォーマットを決定した後に算出してもよい。
The eCPM stored in the advertisement
その後、広告配信装置１００は、ステップＳ１３において決定した広告情報Ａ１１に対応するテンプレートをテンプレート情報記憶部１２５から抽出する。図２では、広告配信装置１００は、テンプレート情報記憶部１２５から、テンプレートＩＤ「ＴＰ１１」により識別されるテンプレートやテンプレートＩＤ「ＴＰ１２」により識別されるテンプレート等を抽出する。なお、以下では、テンプレートＩＤ「ＴＰ１１」により識別されるテンプレートをテンプレートＴＰ１１とし、テンプレートＩＤ「ＴＰ１２」により識別されるテンプレートをテンプレートＴＰ１２とする。
Thereafter, the
ここで、図２では、広告コンテンツの配信対象は、ユーザ情報が２０代男性であり、領域ＡＲ１１は枠タイプＡであり、配信する広告コンテンツの広告情報は広告情報Ａ１１である。そこで、広告配信装置１００は、テンプレート情報記憶部１２５に記憶されたフォーマットＦＭ１１に対応するテンプレートＴＰ１１やテンプレートＴＰ１２等のうち、２０代男性、枠タイプＡを配信対象とし、広告情報Ａ１１を配信した場合におけるｅＣＰＭが最も高いテンプレートを、配信する広告コンテンツのテンプレートとして決定する（ステップＳ１４）。
Here, in FIG. 2, the delivery target of the advertising content is male twenties with user information, the
具体的には、図２では、２０代男性のユーザＵ１０に対して枠タイプＡの領域に広告コンテンツを表示した場合、テンプレートＴＰ１１であればｅＣＰＭが３５（円）であり、テンプレートＴＰ１２であればｅＣＰＭが２０（円）である。そのため、広告配信装置１００は、テンプレート情報記憶部１２５−１に示すように、２０代男性、枠タイプＡを配信対象とし、広告情報Ａ１１を配信した場合におけるｅＣＰＭが最も高いテンプレートＴＰ１１を、配信する広告コンテンツのテンプレートとして決定する。すなわち、広告配信装置１００は、広告情報Ａ１１が表示する際に用いるテンプレートをテンプレートＴＰ１１と決定する。なお、配信対象に基づくｅＣＰＭは、ステップＳ１３において広告情報を決定した後に算出してもよい。
Specifically, in FIG. 2, when the advertisement content is displayed in the frame type A area for the user U10 of the twenties male, in the case of the template TP11, the eCPM is 35 (yen) and in the case of the template TP12 eCPM is 20 (yen). Therefore, as shown in the template information storage unit 125-1, the
その後、広告配信装置１００は、広告情報Ａ１１をテンプレートＴＰ１１で表示する広告コンテンツＡＣ１１を端末装置１０へ配信する（ステップＳ１５）。そして、広告コンテンツＡＣ１１を受信した端末装置１０は、コンテンツＣＴ１０中の広告表示領域ＡＲ１１に広告コンテンツＡＣ１１を表示する（ステップＳ１６）。
Thereafter, the
上述したように、広告配信装置１００は、フォーマットを先に決定した後、決定したフォーマットに対応する広告情報のみを抽出することにより、配信する広告を決定する処理負荷を抑制することができる。具体的には、広告配信装置１００は、広告情報記憶部１２４から広告情報を抽出する対象とするフォーマットの数を減らすことにより、抽出する広告情報の数の増大を抑制することができる。これにより、広告配信装置１００は、配信する広告を決定する処理負荷を抑制することができる。また、広告配信装置１００は、処理負荷を抑制しつつ、端末装置１０を利用するユーザのユーザ情報及び広告表示領域に基づくｅＣＰＭができるだけ高い広告コンテンツを配信することにより収益性を確保することができる。なお、上述した例においてはフォーマットを広告情報のデータ形式における種別とする場合を示したが、フォーマットは、目的に応じて種々の種別が用いられてもよい。例えば、広告配信装置１００は、入稿された広告情報の管理に基づく種別をフォーマットとしてもよい。例えば、広告配信装置１００は、入稿された広告情報の商材としての種別をフォーマットとしてもよい。また、例えば、広告配信装置１００は、入稿された広告情報の管理（例えば在庫管理等）における分類をフォーマットとしてもよい。なお、上記例では、広告配信装置１００がモデルを生成する例を示したが、広告配信装置１００は、予め生成されたモデルであって、広告情報のデータ形式における種別に関する評価値を予測するモデルに基づいて、広告コンテンツの種別を決定してもよい。例えば、広告配信装置１００は、外部装置から取得した広告情報のデータ形式における種別に関する評価値を予測するモデルに基づいて、広告コンテンツの種別を決定してもよい。すなわち、広告配信装置１００は、広告情報のデータ形式における種別に関する評価値を予測するモデルに基づいて、広告コンテンツの種別を決定する決定装置であってもよい。
As described above, the
〔２．広告配信装置の構成〕
次に、図３を用いて、実施形態に係る広告配信装置１００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装置１００の構成例を示す図である。図３に示すように、広告配信装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、広告配信装置１００は、広告配信装置１００の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。
[2. Configuration of Advertisement Distribution Device]
Next, the configuration of the
（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、端末装置１０との間で情報の送受信を行う。
(Communication unit 110)
The
（記憶部１２０）
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、図３に示すように、ユーザ情報記憶部１２１と、配信ログ情報記憶部１２２と、フォーマット情報記憶部１２３と、広告情報記憶部１２４と、テンプレート情報記憶部１２５とを有する。
(Storage unit 120)
The
（ユーザ情報記憶部１２１）
実施形態に係るユーザ情報記憶部１２１は、コンテンツに関する各種情報を記憶する。図４に、実施形態に係るユーザ情報記憶部１２１の一例を示す。図４に示すユーザ情報記憶部１２１は、「ユーザＩＤ」、「年齢」、「性別」、「クリック回数」、「行動履歴」といった項目が含まれる。
(User information storage unit 121)
The user
「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザに対応する。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。 "User ID" indicates identification information for identifying a user. For example, the user identified by the user ID “U1” corresponds to the user illustrated in the example of FIG. "Age" indicates the age of the user identified by the user ID. The “age” may be a specific age of the user identified by the user ID, such as 35, for example. Also, “sex” indicates the gender of the user identified by the user ID.
また、「クリック回数」は、所定の期間Ａにおけるクリック回数の平均を示す。なお、「クリック回数」は、図４に示す例に限らず、目的に応じて種々の情報を記憶してもよい。例えば、「クリック回数」は、広告コンテンツの表示回数に対するクリック回数の割合であってもよい。なお、「クリック回数」に基づいてフォーマットを決定する場合については後述する。 Also, “the number of clicks” indicates the average of the number of clicks in a predetermined period A. The “number of clicks” is not limited to the example illustrated in FIG. 4, and various information may be stored according to the purpose. For example, “the number of clicks” may be a ratio of the number of clicks to the number of times the advertisement content is displayed. The case of determining the format based on the “number of clicks” will be described later.
また、「行動履歴」は、対応するユーザの行動履歴を示す。「行動履歴」には、「行動内容」や「日時」といった項目が含まれる。「行動内容」は、ユーザの行動の内容を示す。また、「日時」は、対応する行動を行った日時を示す。 Also, "action history" indicates the corresponding user's action history. The "action history" includes items such as "action content" and "date and time". "Action content" indicates the content of the user's action. "Date" indicates the date on which the corresponding action was taken.
例えば、図４に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、クリック回数が「２．５」であることを示す。また、ユーザＩＤ「Ｕ１」により識別されるユーザは、２０１５年８月２３日１２時３４分２６秒に検索クエリ「車」でインタネット検索を行ったことを示す。また、ユーザＩＤ「Ｕ１」により識別されるユーザは、２０１５年８月２３日１４時１２分４５秒にサイトＡを閲覧したことを示す。 For example, in the example illustrated in FIG. 4, the age of the user identified by the user ID “U1” is “twenties”, and the gender indicates “male”. Also, for example, the user identified by the user ID “U1” indicates that the click count is “2.5”. Also, the user identified by the user ID “U1” indicates that the Internet search was performed using the search query “car” on August 23, 2015 at 12:34:26. Further, the user identified by the user ID “U1” indicates that the site A was browsed at 14:12:45 on August 23, 2015.
なお、ユーザ情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、氏名、家族構成、収入、勤務先等の情報を記憶してもよい。
The user
（配信ログ情報記憶部１２２）
実施形態に係る配信ログ情報記憶部１２２は、配信ログに関する各種情報を記憶する。図５に、実施形態に係る配信ログ情報記憶部１２２の一例を示す。図５では、各端末装置１０から取得した配信ログ情報を記憶する。図５に示す配信ログ情報記憶部１２２には、「ログＩＤ」、「配信先（ユーザ）」、「配信内容」といった項目が含まれる。
(Distribution log information storage unit 122)
The delivery log
「ログＩＤ」は、配信ログ情報を識別するための識別情報を示す。また、「配信先（ユーザ）」は、対応する配信ログにおける広告コンテンツの配信先を示す。「配信内容」には、「広告コンテンツ」や「クリック」といった項目が含まれる。「広告コンテンツ」は、対応する配信ログにおいて配信した広告コンテンツを示す。また、「クリック」は、対応する広告コンテンツがユーザにクリックされたかを示す。 “Log ID” indicates identification information for identifying distribution log information. Also, “delivery destination (user)” indicates a delivery destination of advertisement content in the corresponding delivery log. The “delivery content” includes items such as “advertising content” and “click”. "Advertising content" indicates advertising content distributed in the corresponding distribution log. Also, "click" indicates whether the corresponding advertisement content is clicked by the user.
例えば、図５に示す例において、ログＩＤ「ＬＧ１１」により識別される配信において、ユーザＵ１の端末装置１０に配信された広告コンテンツＡＣ１１がクリックされたことを示す。また、ログＩＤ「ＬＧ１２」により識別される配信において、ユーザＵ１の端末装置１０に配信された広告コンテンツＡＣ２１がクリックされなかったことを示す。
For example, in the example illustrated in FIG. 5, in the distribution identified by the log ID “LG11”, it indicates that the advertisement content AC11 distributed to the
なお、配信ログ情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、配信ログ情報記憶部１２２は、広告コンテンツが配信された時間に関する情報や広告コンテンツが表示された時間に関する情報を記憶してもよい。
The distribution log
（フォーマット情報記憶部１２３）
実施形態に係るフォーマット情報記憶部１２３は、フォーマットの評価値（例えばＣＴＲ等）を算出するモデルに関する各種情報を記憶する。図６に、実施形態に係るフォーマット情報記憶部１２３の一例を示す。図６に示すフォーマット情報記憶部１２３は、「フォーマットＩＤ」、「フォーマット」、「モデル」といった項目が含まれる。
(Format information storage unit 123)
The format
「フォーマットＩＤ」は、フォーマットを識別するための識別情報を示す。また、「フォーマット」は、フォーマットに含まれる情報の種別を示す。また、「モデル」は、対応するフォーマットのＣＴＲを算出するモデルを示す。 “Format ID” indicates identification information for identifying a format. "Format" indicates the type of information included in the format. Also, “model” indicates a model for calculating CTR of the corresponding format.
図６に示す例では、フォーマット情報記憶部１２３には、フォーマットＩＤ「ＦＭ１１」〜「ＦＭ１３」により各々識別される複数のフォーマットに関する情報が記憶される。例えば、図６では、フォーマットＩＤ「ＦＭ１１」により識別されるフォーマットは、テキスト（文字情報）である。また、フォーマットＩＤ「ＦＭ１２」により識別されるフォーマットは、画像である。また、フォーマットＩＤ「ＦＭ１３」により識別されるフォーマットは、テキストと画像の組合せである。
In the example shown in FIG. 6, the format
例えば、フォーマットＩＤ「ＦＭ１１」により識別されるフォーマットは、素性１の重みが「０．６」であり、素性２の重みが「０．１」であることを示す。また、例えば、フォーマットＩＤ「ＦＭ１２」により識別されるフォーマットは、素性１の重みが「０．２」であり、素性２の重みが「０．５」であることを示す。また、例えば、フォーマットＩＤ「ＦＭ１３」により識別されるフォーマットは、素性１の重みが「０．３」であり、素性２の重みが「０．３」であることを示す。なお、各素性の重みは、負の数であってもよい。 For example, the format identified by the format ID “FM11” indicates that the weight of feature 1 is “0.6” and the weight of feature 2 is “0.1”. Also, for example, the format identified by the format ID “FM12” indicates that the weight of feature 1 is “0.2” and the weight of feature 2 is “0.5”. Also, for example, the format identified by the format ID “FM 13” indicates that the weight of feature 1 is “0.3” and the weight of feature 2 is “0.3”. The weight of each feature may be a negative number.
なお、フォーマット情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。
The format
（広告情報記憶部１２４）
実施形態に係る広告情報記憶部１２４は、広告コンテンツの広告情報に関する各種情報を記憶する。図７に、実施形態に係る広告情報記憶部１２４の一例を示す。図７に示す広告情報記憶部１２４は、「フォーマットＩＤ」、「広告ＩＤ」、「広告情報」、「ｅＣＰＭ」といった項目が含まれる。
(Advertising information storage unit 124)
The advertisement
「フォーマットＩＤ」は、フォーマットを識別するための識別情報を示す。「広告ＩＤ」は、広告情報を識別するための識別情報を示す。「広告情報」は、広告主から入稿された広告に関する情報を示す。例えば、「広告情報」には、広告主から入稿された文字情報や画像情報や文字情報と画像情報との組合せ等が記憶される。また、「ｅＣＰＭ」は、ユーザ情報と枠タイプの組合せに基づく配信対象毎のｅＣＰＭを示す。 “Format ID” indicates identification information for identifying a format. "Advertisement ID" indicates identification information for identifying advertisement information. "Advertising information" indicates information about an advertisement submitted by an advertiser. For example, in the “advertising information”, text information, image information, a combination of text information and image information, etc. submitted from an advertiser are stored. Also, “eCPM” indicates eCPM for each distribution target based on the combination of user information and frame type.
図７に示す例では、広告情報記憶部１２４には、各広告情報がフォーマットＩＤ「ＦＭ１１」〜「ＦＭ１３」等に対応付けて記憶される。例えば、図７では、広告ＩＤ「Ａ１１」により識別される広告情報は、フォーマットＩＤ「ＦＭ１１」に対応付けて記憶される。すなわち、広告ＩＤ「Ａ１１」により識別される広告情報は、テキスト（文字情報）であることを示す。広告ＩＤ「Ａ１１」により識別される広告情報は、文章「転職なら転職Ａ」やＵＲＬ（Uniform Resource Locator）「ｗｗｗ．ｔｅｎｓｙｏｋｕ．．」といった情報を含むことを示す。
In the example illustrated in FIG. 7, each advertisement information is stored in the advertisement
例えば、広告ＩＤ「Ａ１１」により識別される広告情報は、配信対象のユーザが２０代女性であり、広告表示領域が枠タイプＡである場合、ｅＣＰＭが「２０」円であることを示す。また、例えば、広告ＩＤ「Ａ１１」により識別される広告情報は、配信対象のユーザが２０代男性であり、広告表示領域が枠タイプＡである場合、ｅＣＰＭが「４０」円であることを示す。 For example, the advertisement information identified by the advertisement ID "A11" indicates that the eCPM is "20 yen" when the user to be distributed is a 20's female and the advertisement display area is frame type A. Further, for example, in the advertisement information identified by the advertisement ID "A11", when the user to be delivered is a male in his twenties and the advertisement display area is a frame type A, it indicates that the eCPM is "40" yen. .
なお、広告情報記憶部１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、広告情報記憶部１２４は、広告主を識別するための識別情報や、広告の対象となる商品やサービスの分類を示す情報や、商品やサービスを識別するための識別情報を記憶してもよい。また、例えば、広告情報記憶部１２４は、入札価格に関する情報等を記憶してもよい。
The advertisement
（テンプレート情報記憶部１２５）
実施形態に係るテンプレート情報記憶部１２５は、広告コンテンツのテンプレートに関する各種情報を記憶する。図８に、実施形態に係るテンプレート情報記憶部１２５の一例を示す。図８に示すテンプレート情報記憶部１２５は、「フォーマットＩＤ」、「テンプレートＩＤ」、「テンプレート」、「ｅＣＰＭ」といった項目が含まれる。
(Template information storage unit 125)
The template
「フォーマットＩＤ」は、フォーマットを識別するための識別情報を示す。「テンプレートＩＤ」は、テンプレートを識別するための識別情報を示す。「テンプレート」は、広告コンテンツの表示様式に関する情報を示す。また、「ｅＣＰＭ」は、各広告情報に対応するユーザ情報と枠タイプの組合せに基づく配信対象毎のｅＣＰＭを示す。 “Format ID” indicates identification information for identifying a format. “Template ID” indicates identification information for identifying a template. "Template" indicates information on the display style of advertisement content. Also, “eCPM” indicates eCPM for each delivery target based on a combination of user information and frame type corresponding to each piece of advertisement information.
図８に示す例では、テンプレート情報記憶部１２５には、各テンプレートがフォーマットＩＤ「ＦＭ１１」〜「ＦＭ１３」等に対応付けて記憶される。例えば、図８では、テンプレートＩＤ「ＴＰ３１」により識別されるテンプレートは、フォーマットＩＤ「ＦＭ１３」に対応付けて記憶される。すなわち、テンプレートＩＤ「ＴＰ３１」により識別されるテンプレートは、左側に画像情報が表示され、右側にテキスト（文字情報）が表示される表示形式であることを示す。なお、テンプレートには、文字情報のサイズや色や行数など広告コンテンツの表示に関する情報であれば、どのような情報が含まれてもよい。
In the example illustrated in FIG. 8, each template is stored in the template
例えば、テンプレートＩＤ「ＴＰ３１」により識別されるテンプレートは、配信対象のユーザが２０代女性であり、広告表示領域が枠タイプＡである場合、ｅＣＰＭが「３０」円であることを示す。また、例えば、テンプレートＩＤ「ＴＰ３１」により識別されるテンプレートは、配信対象のユーザが２０代男性であり、広告表示領域が枠タイプＡである場合、ｅＣＰＭが「１５」円であることを示す。 For example, the template identified by the template ID “TP31” indicates that the eCPM is “30” yen when the user to be distributed is a 20's female and the advertisement display area is frame type A. Further, for example, the template identified by the template ID “TP31” indicates that the eCPM is “15” yen when the user to be distributed is a twenties male and the advertisement display area is a frame type A.
なお、テンプレート情報記憶部１２５は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、テンプレート情報記憶部１２５は、ユーザ情報と枠タイプの組合せに基づく配信対象毎に、テンプレートで配信された広告コンテンツ全体のｅＣＰＭを記憶してもよい。
The template
（制御部１３０）
図３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、広告配信装置１００内部の記憶装置に記憶されている各種プログラム（配信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。
(Control unit 130)
Returning to the description of FIG. 3, the
図３に示すように、制御部１３０は、取得部１３１と、生成部１３２と、受付部１３３と、第１決定部１３４と、第２決定部１３５と、第３決定部１３６と、配信部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。
As shown in FIG. 3, the
（取得部１３１）
取得部１３１は、ユーザに関するユーザ情報を取得する。例えば、取得部１３１は、端末装置１０からユーザＵ１の行動履歴等のユーザ情報を取得する。図１では、取得部１３１は、ユーザ情報記憶部１２１にユーザＵ１の２０代男性であることを示す情報や、車に関して検索を行ったことやサイトＡを閲覧したこと等を示す情報を取得する。なお、取得部１３１は、ユーザ情報であれば、ユーザの行動履歴に限らず、ユーザの年代や性別等、目的に応じて種々の情報を取得してもよい。また、取得部１３１は、取得したユーザ情報をユーザ情報記憶部１２１に記憶する。
(Acquisition unit 131)
The acquisition unit 131 acquires user information on the user. For example, the acquisition unit 131 acquires user information such as the action history of the user U1 from the
また、取得部１３１は、ユーザＵ１が利用する端末装置１０から配信した広告に関する配信ログ情報を取得する。図１では、取得部１３１は、ユーザＵ１が利用する端末装置１０からユーザＵ１が広告コンテンツＡＣ１１をクリックしたことを示す情報を取得する。また、図１では、取得部１３１は、ユーザＵ１が利用する端末装置１０からユーザＵ１が広告コンテンツＡＣ２１をクリックしなかったことを示す情報を取得する。
In addition, the acquisition unit 131 acquires distribution log information on an advertisement distributed from the
（生成１３２）
生成部１３２は、取得部１３１により取得されたユーザ情報に基づいて、広告情報のデータ形式における種別に関する評価値を予測するモデルを生成する。例えば、生成部１３２は、取得部１３１により取得されたユーザ情報に基づいて、広告情報のフォーマットに関するＣＴＲを予測するモデルを生成する。例えば、生成部１３２は、取得部１３１により取得されたユーザ情報に基づいて、フォーマットに関するクリック率を予測するモデルを生成する。
(Generation 132)
Based on the user information acquired by the acquisition unit 131, the
図１では、生成部１３２は、ユーザ情報記憶部１２１に記憶されたユーザ情報や、配信ログ情報記憶部１２２に記憶された配信ログ情報を用いて、フォーマットＦＭ１１〜ＦＭ１３ごとにＣＴＲを予測するモデルを生成する。例えば、生成部１３２は、ユーザ情報記憶部１２１に記憶されたユーザ情報や、配信ログ情報記憶部１２２に記憶されたフォーマットＦＭ１１の広告コンテンツに関する配信ログ情報を用いて、フォーマットＦＭ１１のＣＴＲを予測するモデルを生成する。
In FIG. 1, the
また、生成部１３２は、フォーマットごとのＣＴＲを予測するモデルとして、各素性に対応する重みを導出する。なお、生成部１３２が生成するモデルの重みは、０や負の値であってもよい。また、生成部１３２は、種々の従来技術を適宜用いてモデルの生成を行ってもよい。例えば、生成部１３２は、抽出した素性の重みを学習により導出することよりモデルを生成してもよいし、予め指定された素性を用いてモデルの生成を行ってもよい。例えば、生成部１３２は、図１に示す素性１が「男性」であり、素性２が「サイトＢの閲覧」等であるモデルを生成する。なお、素性には、広告表示領域に関する情報（例えば、後述する枠タイプ等）が含まれてもよい。また、生成部１３２は、生成した各フォーマットのモデルをフォーマット情報記憶部１２３に記憶する。なお、広告配信装置１００が予め生成されたモデルであって、広告情報のデータ形式における種別に関する評価値を予測するモデルに基づいて、広告コンテンツの種別を決定する場合、生成部１３２を有しなくてもよい。例えば、広告配信装置１００が外部装置から取得した広告情報のデータ形式における種別に関する評価値を予測するモデルに基づいて、広告コンテンツの種別を決定する場合、生成部１３２を有しなくてもよい。すなわち、広告配信装置１００は、生成部１３２を有さず、広告情報のデータ形式における種別に関する評価値を予測するモデルに基づいて、広告コンテンツの種別を決定する決定装置であってもよい。
In addition, the
（受付部１３３）
受付部１３３は、端末装置１０から広告の配信要求を受け付ける。例えば、受付部１３３は、端末装置１０を利用するユーザＵ１０に関するユーザ情報や領域ＡＲ１１に関する情報を受け付ける。図２では、受付部１３３は、ユーザＵ１０のユーザ情報としてユーザＵ１０が２０代であることや男性であることを示す情報を端末装置１０から受け付ける。なお、受付部１３３は、ユーザ情報であれば、年代や性別に限らず種々の情報を端末装置１０から受け付けてもよい。また、図２では、受付部１３３は、領域ＡＲ１１に関する情報として領域ＡＲ１１のサイズや配置される位置等を示す情報を端末装置１０から受け付ける。なお、受付部１３３は、領域に関する情報であれば、年代や性別に限らず種々の情報を端末装置１０から受け付けてもよい。図１では、受付部１３３は、領域ＡＲ１１に関する情報として領域ＡＲ１１が枠タイプＡであることを示す情報を端末装置１０から受け付けてもよい。
(Reception unit 133)
The receiving
また、受付部１３３は、広告主から広告の入稿を受け付けてもよい。なお、受付部１３３は、広告主から広告の入稿を依頼された代理店から広告の入稿を受け付けてもよい。この場合、例えば、受付部１３３は、広告主や代理店が利用する情報処理装置から広告の入稿を受け付ける。また、例えば、受付部１３３は、入稿を受け付けた広告情報を広告情報記憶部１２４に記憶する。
Also, the
（第１決定部１３４）
第１決定部１３４は、広告情報のデータ形式における種別を決定する。例えば、第１決定部１３４は、広告コンテンツにおける広告情報のフォーマットと広告情報を広告コンテンツとして表示する際のテンプレートとのうち、フォーマットを決定する。
(First determination unit 134)
The
第１決定部１３４は、端末装置１０を利用するユーザに関する情報とモデルとにより予測（推定）される評価に基づいて、ユーザに配信する広告コンテンツのフォーマットを決定する。図２では、第１決定部１３４は、広告コンテンツのフォーマットを決定するために、ユーザ情報記憶部１２１に記憶されたユーザ情報と、フォーマット情報記憶部１２３に記憶されたモデルとに基づいて、フォーマットごとのＣＴＲを予測する。具体的には、第１決定部１３４は、ユーザＵ１０のユーザ情報と、各フォーマットＦＭ１１〜ＦＭ１３のモデルとに基づいて、フォーマットＦＭ１１〜ＦＭ１３ごとのＣＴＲを予測する。図２では、第１決定部１３４は、予測一覧表ＰＲ１１に示すように、フォーマットＦＭ１１の予測ＣＴＲを「０．２」、フォーマットＦＭ１２の予測ＣＴＲを「０．１」、フォーマットＦＭ１３の予測ＣＴＲを「０．２」と予測する。
The
そして、第１決定部１３４は、各フォーマットＦＭ１１〜ＦＭ１３の予測ＣＴＲを基に各フォーマットＦＭ１１〜ＦＭ１３の広告コンテンツのｅＣＰＭを推定する。図２では、第１決定部１３４は、予測一覧表ＰＲ１１に示すように、フォーマットＦＭ１１のｅＣＰＭを「３０（円）」、フォーマットＦＭ１２のｅＣＰＭを「１０（円）」、フォーマットＦＭ１３のｅＣＰＭを「２０（円）」と推定する。
Then, the
そして、第１決定部１３４は、複数のフォーマットＦＭ１１〜ＦＭ１３のうち、ｅＣＰＭが最も高いフォーマットを配信する広告コンテンツのフォーマットとして決定する。図２では、第１決定部１３４は、予測一覧表ＰＲ１１に示すように、ユーザＵ１０に広告コンテンツを配信する場合におけるｅＣＰＭが最も高いフォーマットＦＭ１１を配信する広告コンテンツのフォーマットとして決定する。
Then, the
また、第１決定部１３４は、ユーザが所定の条件を満たす場合、複数のフォーマットを端末装置１０に配信する広告コンテンツのフォーマットの候補として決定する。例えば、第１決定部１３４は、所定の期間内におけるユーザの広告のクリック率が所定の閾値以上の場合、複数のフォーマットを端末装置１０に配信する広告コンテンツのフォーマットの候補として決定する。なお、ユーザに基づく複数のフォーマットの決定についての詳細は後述する。
In addition, when the user satisfies the predetermined condition, the
また、第１決定部１３４は、フォーマットのうち、各フォーマットに対応する所定の評価値が上位のフォーマットを配信する広告コンテンツのフォーマットの候補として決定する。例えば、第１決定部１３４は、フォーマットのうち、所定の評価値としてのクリック率（ＣＴＲ）が上位のフォーマットを配信する広告コンテンツのフォーマットの候補として決定する。また、例えば、第１決定部１３４は、フォーマットのうち、所定の評価値としての期待収益値（ｅＣＰＭ）が上位のフォーマットを配信する広告コンテンツのフォーマットの候補として決定する。例えば、第１決定部１３４は、所定の評価値が最も高いフォーマットとそのフォーマットの所定の評価値から所定の範囲内の所定の評価値のフォーマットとを、配信する広告コンテンツのフォーマットの候補として決定する。なお、所定の評価値に基づく複数のフォーマットの決定についての詳細は後述する。
In addition, the
（第２決定部１３５）
また、第２決定部１３５は、第１決定部１３４により決定された種別に対応する広告情報のうち、配信する広告情報を決定する。例えば、第２決定部１３５は、第１決定部１３４により決定されたフォーマットに対応する広告情報のうち、端末装置１０に配信する広告情報を決定する。
(Second determination unit 135)
Further, the
具体的には、第２決定部１３５は、広告情報記憶部１２４から第１決定部１３４により決定されたフォーマットに対応する広告情報を抽出する。そして、第２決定部１３５は、抽出した広告情報から端末装置１０に配信する広告コンテンツの広告情報を決定する。図２では、第２決定部１３５は、広告情報記憶部１２４−１に示すように、２０代男性、枠タイプＡを配信対象とした場合におけるｅＣＰＭが最も高い広告情報Ａ１１を配信する広告コンテンツの広告情報として決定する。
Specifically, the
（第３決定部１３６）
第３決定部１３６は、第２決定部１３５により決定された広告情報の表示様式を決定する。例えば、第３決定部１３６は、第２決定部１３５により決定された広告情報のテンプレートを決定する。例えば、第３決定部１３６は、広告情報を広告コンテンツとして表示する際のテンプレートを決定する。図２では、第３決定部１３６は、テンプレート情報記憶部１２５−１に示すように、２０代男性、枠タイプＡを配信対象とし、広告情報Ａ１１を配信した場合におけるｅＣＰＭが最も高いテンプレートＴＰ１１を、配信する広告コンテンツのテンプレートとして決定する。例えば、第３決定部１３６は、広告情報Ａ１１を表示する際に用いるテンプレートをテンプレートＴＰ１１と決定する。
(Third determination unit 136)
The
（配信部１３７）
配信部１３７は、第３決定部１３６によりテンプレートが決定された広告コンテンツを配信する。図２では、配信部１３７は、広告情報Ａ１１をテンプレートＴＰ１１で表示する広告コンテンツＡＣ１１を端末装置１０へ配信する。
(Distribution unit 137)
The
〔３．生成処理のフロー〕
次に、図９を用いて、実施形態に係る配信システム１による生成処理の手順について説明する。図９は、実施形態に係る生成処理の一例を示すフローチャートである。
[3. Flow of generation process]
Next, a procedure of generation processing by the distribution system 1 according to the embodiment will be described using FIG. FIG. 9 is a flowchart illustrating an example of the generation process according to the embodiment.
図９に示すように、広告配信装置１００の取得部１３１は、ユーザ情報を受け付ける（ステップＳ１０１）。例えば、取得部１３１は、端末装置１０から端末装置１０を利用するユーザの行動履歴等のユーザ情報を受け付ける。また、取得部１３１は、配信ログ情報を取得する（ステップＳ１０２）。例えば、受付部１３３は、端末装置１０に配信した広告コンテンツのクリック有無に関する情報を取得する。なお、ステップＳ１０１とステップＳ１０２は、複数回にわけて行ってもよく、また、ステップＳ１０１よりも前にステップＳ１０２が行われてもよい。
As illustrated in FIG. 9, the acquisition unit 131 of the
その後、広告配信装置１００の生成部１３２は、ステップＳ１０１で取得したユーザ情報及びステップＳ１０２で取得した配信ログ情報に基づいてモデルを生成する（ステップＳ１０３）。例えば、生成部１３２は、ユーザ情報記憶部１２１に記憶されたユーザ情報や配信ログ情報記憶部１２２に記憶された配信ログ情報に基づいて、各フォーマットＦＭ１１〜ＦＭ１３のＣＴＲを予測するモデルを生成する。
Thereafter, the
〔４．配信処理のフロー〕
次に、図１０を用いて、実施形態に係る配信システム１による配信処理の手順について説明する。図１０は、実施形態に係る配信処理の一例を示すフローチャートである。
[4. Flow of distribution process]
Next, a procedure of distribution processing by the distribution system 1 according to the embodiment will be described using FIG. FIG. 10 is a flowchart illustrating an example of the distribution process according to the embodiment.
図１０に示すように、広告配信装置１００の受付部１３３は、広告の配信要求を受け付ける（ステップＳ２０１）。例えば、受付部１３３は、端末装置１０から広告の配信要求を受け付ける。また、受付部１３３は、広告を表示する領域に関する情報を受け付ける（ステップＳ２０２）。例えば、受付部１３３は、端末装置１０から広告表示領域ＡＲ１１に関する情報を受け付ける。なお、ステップＳ２０２は、ステップＳ２０１において行われてもよく、また、ステップＳ２０１よりも前に行われてもよい。
As shown in FIG. 10, the receiving
その後、広告配信装置１００の第１決定部１３４は、ユーザ情報及びモデルに基づいて配信する広告情報のフォーマットを決定する（ステップＳ２０３）。例えば、第１決定部１３４は、モデルによる予測ＣＴＲに基づくｅＣＰＭの比較により、フォーマット情報記憶部１２３に記憶された複数のフォーマットから広告コンテンツのフォーマットを選択する。
Thereafter, the
その後、広告配信装置１００の第２決定部１３５は、ステップＳ２０３において決定されたフォーマットに対応する広告情報を抽出する（ステップＳ２０４）。例えば、第２決定部１３５は、広告情報記憶部１２４からフォーマットに対応する広告情報を抽出する。そして、第２決定部１３５は、ステップＳ２０４で抽出した広告情報から配信する広告情報を決定する（ステップＳ２０５）。
Thereafter, the
その後、広告配信装置１００の第３決定部１３６は、ステップＳ２０５において決定された広告情報のテンプレートを決定する（ステップＳ２０６）。その後、広告配信装置１００の配信部１３７は、ステップＳ２０６において決定したテンプレートで広告情報を表示する広告コンテンツを配信する（ステップＳ２０７）。
Thereafter, the
〔５．ユーザに基づく複数のフォーマットの決定〕
上述したように、広告配信装置１００の第１決定部１３４は、広告コンテンツを配信するユーザが所定の条件を満たす場合、複数のフォーマットを端末装置１０に配信する広告コンテンツのフォーマットの候補として決定してもよい。この点について図１１を用いて説明する。なお、図１１では、広告配信装置１００がユーザＵ２の行動履歴等のユーザ情報を取得済みである場合を例に説明する。また、図１１においては、複数のフォーマットの決定の説明に必要な配信システム１の構成のみを示す。また、図１と同様の点については説明を適宜省略する。
[5. Multiple Format Determination Based on User]
As described above, the first determining
図１１は、実施形態に係る複数のフォーマットを決定する生成処理の一例を示す図である。具体的には、図１１は、所定の期間内（例えば、１週間や１ヶ月等）におけるユーザの広告のクリック率が所定の閾値以上の場合、複数のフォーマットを端末装置１０に配信する広告コンテンツのフォーマットの候補として決定する場合を示す。すなわち、図１１に示す例は、ユーザＵ２が所定の期間におけるクリック率が所定の閾値以上であるユーザ（以下、「クリッカ」とする場合がある）である場合を示す。例えば、所定の期間Ａにおけるクリック回数が「５（回）」であり、クリッカであるとした場合、ユーザＵ２は、図４に示すように、所定の期間Ａにおけるクリック回数の平均が「８（回）」であり、クリッカである。
FIG. 11 is a diagram illustrating an example of a generation process of determining a plurality of formats according to the embodiment. Specifically, FIG. 11 shows advertisement content for distributing a plurality of formats to the
図１１に示す例において、コンテンツＣＴ１０を受信した端末装置１０は、コンテンツＣＴ１０中に広告表示領域ＡＲ１１が含まれるため、広告配信装置１００に広告コンテンツの配信要求を送信する（ステップＳ２１）。図１１では、端末装置１０は、ステップＳ２１において、配信要求として、領域ＡＲ１１に関する情報を広告配信装置１００に送信する。
In the example illustrated in FIG. 11, the
ステップＳ２１において、例えば、端末装置１０は、領域ＡＲ１１に関する情報として領域ＡＲ１１のサイズ、または配置される位置等を示す情報を広告配信装置１００に送信する。図１１では、端末装置１０は、領域ＡＲ１１に関する情報として領域ＡＲ１１が枠タイプＡであることを示す情報を広告配信装置１００に送信する。なお、広告配信装置１００が領域ＡＲ１１に関する情報を取得している場合、端末装置１０は、ステップＳ２１において、領域ＡＲ１１に関する情報を広告配信装置１００に送信しなくてもよい。
In step S21, for example, the
そして、広告配信装置１００は、広告コンテンツのフォーマットを決定するために、ユーザ情報記憶部１２１に記憶されたユーザ情報と、フォーマット情報記憶部１２３に記憶されたモデルとに基づいて、フォーマットごとのＣＴＲを予測する。図１１では、広告配信装置１００は、ユーザＵ２のユーザ情報と、各フォーマットＦＭ１１〜ＦＭ１３のモデルとに基づいて、フォーマットＦＭ１１〜ＦＭ１３ごとのＣＴＲを予測する。
Then, the
図１１では、広告配信装置１００は、予測一覧表ＰＲ２１に示すように、フォーマットＦＭ１１の予測ＣＴＲを「０．２」、フォーマットＦＭ１２の予測ＣＴＲを「０．１」、フォーマットＦＭ１３の予測ＣＴＲを「０．２」と予測する。
In FIG. 11, as shown in the prediction list PR21, the
そして、広告配信装置１００は、各フォーマットＦＭ１１〜ＦＭ１３の予測ＣＴＲを基に各フォーマットＦＭ１１〜ＦＭ１３の広告コンテンツのｅＣＰＭを推定する。図１１では、広告配信装置１００は、予測一覧表ＰＲ２１に示すように、フォーマットＦＭ１１のｅＣＰＭを「３０（円）」、フォーマットＦＭ１２のｅＣＰＭを「１０（円）」、フォーマットＦＭ１３のｅＣＰＭを「２０（円）」と推定する。
Then, the
ここで、広告配信装置１００は、端末装置１０を利用するユーザＵ２がクリッカであるため、複数のフォーマットを決定する（ステップＳ２２）。すなわち、広告配信装置１００は、複数のフォーマットを端末装置１０に配信する広告コンテンツのフォーマットの候補として決定する。具体的には、広告配信装置１００は、予測一覧表ＰＲ２１に示す複数のフォーマットから２つのフォーマットを端末装置１０に配信する広告コンテンツのフォーマットの候補として決定する。
Here, since the user U2 who uses the
具体的には、広告配信装置１００は、複数のフォーマットＦＭ１１〜ＦＭ１３のうち、ｅＣＰＭが最も高いフォーマットと２番目にｅＣＰＭが最も高いフォーマットとを配信する広告コンテンツのフォーマットの候補として決定する。図１１では、広告配信装置１００は、ユーザＵ１に広告コンテンツを配信する場合におけるｅＣＰＭが最も高いフォーマットＦＭ１１と２番目にｅＣＰＭが最も高いフォーマットＦＭ１３とを配信する広告コンテンツのフォーマットの候補として決定する。
Specifically, the
なお、ステップＳ２２の後の処理は、図２に示すステップＳ１３〜Ｓ１６と同様である。例えば、広告配信装置１００は、フォーマットＦＭ１１とフォーマットＦＭ１３との各々に対応する広告情報を広告情報記憶部１２４から抽出し、最もｅＣＰＭが最も高い広告情報を配信する広告コンテンツの広告情報として決定する。また、広告配信装置１００は、２０代男性、枠タイプＡを配信対象とし、決定した広告情報を配信した場合におけるｅＣＰＭが最も高いテンプレートを、配信する広告コンテンツのテンプレートとして決定する。そして、広告配信装置１００は、決定した広告情報を決定したテンプレートで表示する広告コンテンツを端末装置１０へ配信する。
The processing after step S22 is the same as steps S13 to S16 shown in FIG. For example, the
これにより、広告配信装置１００は、広告情報記憶部１２４から抽出する広告情報の数の増大を抑制しつつ、クリック率の高い、すなわち優良なユーザにはできる限り適切な広告コンテンツを配信することができる。
In this way, the
〔６．評価値に基づく複数のフォーマットの決定〕
上述したように、広告配信装置１００の第１決定部１３４は、種別のうち、各フォーマットに対応する所定の評価値が上位のフォーマットを配信する広告コンテンツのフォーマットの候補として決定してもよい。この点について図１２を用いて説明する。また、図１２では、所定の評価値をｅＣＰＭとする場合を例に説明する。なお、ｅＣＰＭは一例であり、所定の評価値は、ＣＴＲ等、目的に応じて種々の評価値が用いられてもよい。また、図１２では、広告配信装置１００がユーザＵ３の行動履歴等のユーザ情報を取得済みである場合を例に説明する。また、図１２においては、複数のフォーマットの決定の説明に必要な配信システム１の構成のみを示す。また、図１と同様の点については説明を適宜省略する。
[6. Determination of multiple formats based on evaluation values]
As described above, the
図１２は、実施形態に係る複数のフォーマットを決定する生成処理の一例を示す図である。具体的には、図１２は、ｅＣＰＭが上位のフォーマットのうち、ｅＣＰＭが最も高いフォーマットと当該フォーマットのｅＣＰＭから所定の範囲内（図１２では５（円）以内とする）のｅＣＰＭのフォーマットとを、配信する広告コンテンツのフォーマットの候補として決定する場合を示す。 FIG. 12 is a diagram illustrating an example of a generation process of determining a plurality of formats according to the embodiment. Specifically, FIG. 12 shows a format in which eCPM is the highest among eCPM high-order formats and an eCPM format within a predetermined range (within 5 (yen) in FIG. 12) from the eCPM of the format. The case where it determines as a candidate of the format of advertising content to deliver is shown.
図１２に示す例において、コンテンツＣＴ１０を受信した端末装置１０は、コンテンツＣＴ１０中に広告表示領域ＡＲ１１が含まれるため、広告配信装置１００に広告コンテンツの配信要求を送信する（ステップＳ３１）。図１２では、端末装置１０は、ステップＳ３１において、配信要求として、領域ＡＲ１１に関する情報を広告配信装置１００に送信する。
In the example illustrated in FIG. 12, the
ステップＳ３１において、例えば、端末装置１０は、領域ＡＲ１１に関する情報として領域ＡＲ１１のサイズ、または配置される位置等を示す情報を広告配信装置１００に送信する。図１２では、端末装置１０は、領域ＡＲ１１に関する情報として領域ＡＲ１１が枠タイプＡであることを示す情報を広告配信装置１００に送信する。なお、広告配信装置１００が領域ＡＲ１１に関する情報を取得している場合、端末装置１０は、ステップＳ３１において、領域ＡＲ１１に関する情報を広告配信装置１００に送信しなくてもよい。
In step S31, for example, the
そして、広告配信装置１００は、広告コンテンツのフォーマットを決定するために、ユーザ情報記憶部１２１に記憶されたユーザ情報と、フォーマット情報記憶部１２３に記憶されたモデルとに基づいて、フォーマットごとのＣＴＲを予測する。図１２では、広告配信装置１００は、ユーザＵ３のユーザ情報と、各フォーマットＦＭ１１〜ＦＭ１３のモデルとに基づいて、フォーマットＦＭ１１〜ＦＭ１３ごとのＣＴＲを予測する。
Then, the
図１２では、広告配信装置１００は、予測一覧表ＰＲ３１に示すように、フォーマットＦＭ１１の予測ＣＴＲを「０．２」、フォーマットＦＭ１２の予測ＣＴＲを「０．３」、フォーマットＦＭ１３の予測ＣＴＲを「０．２５」と予測する。
In FIG. 12, the
そして、広告配信装置１００は、各フォーマットＦＭ１１〜ＦＭ１３の予測ＣＴＲを基に各フォーマットＦＭ１１〜ＦＭ１３の広告コンテンツのｅＣＰＭを推定する。図１２では、広告配信装置１００は、予測一覧表ＰＲ３１に示すように、フォーマットＦＭ１１のｅＣＰＭを「２０（円）」、フォーマットＦＭ１２のｅＣＰＭを「３５（円）」、フォーマットＦＭ１３のｅＣＰＭを「３２（円）」と推定する。
Then, the
ここで、フォーマットＦＭ１３のｅＣＰＭである「３２（円）」は、ｅＣＰＭが最も高いフォーマットＦＭ１２のｅＣＰＭである「３５（円）」から５（円）以内である。そのため、広告配信装置１００は、予測一覧表ＰＲ３１に示すように、ユーザＵ３に広告コンテンツを配信する場合におけるｅＣＰＭが最も高いフォーマットＦＭ１２と、フォーマットＦＭ１２のｅＣＰＭから５（円）以内のｅＣＰＭであるフォーマットＦＭ１３とを配信する広告コンテンツのフォーマットの候補として決定する（ステップＳ３２）。
Here, “32 (yen)” which is the eCPM of the format FM13 is within 5 (yen) from “35 (yen)” which is the eCPM of the format FM12 at which the eCPM is the highest. Therefore, as shown in the prediction list PR31, the
なお、ステップＳ３２の後の処理は、図２に示すステップＳ１３〜Ｓ１６と同様である。例えば、広告配信装置１００は、フォーマットＦＭ１２とフォーマットＦＭ１３との各々に対応する広告情報を広告情報記憶部１２４から抽出し、ｅＣＰＭが最も高い広告情報を配信する広告コンテンツの広告情報として決定する。また、広告配信装置１００は、２０代女性、枠タイプＡを配信対象とし、決定した広告情報を配信した場合におけるｅＣＰＭが最も高いテンプレートを、配信する広告コンテンツのテンプレートとして決定する。そして、広告配信装置１００は、決定した広告情報を決定したテンプレートで表示する広告コンテンツを端末装置１０へ配信する。
The process after step S32 is the same as steps S13 to S16 shown in FIG. For example, the
これにより、広告配信装置１００は、広告情報記憶部１２４から抽出する広告情報の数の増大を抑制しつつ、評価値が拮抗している場合、すなわち最もｅＣＰＭが高いフォーマット以外を選択したほうがより適切な広告を配信できる可能性が高い場合において、できる限り適切な広告コンテンツを配信することができる。
Thereby, the
〔７．効果〕
上述してきたように、実施形態に係る広告配信装置１００は、取得部１３１と、生成部１３２とを有する。取得部１３１は、ユーザに関するユーザ情報を取得する。また、生成部１３２は、取得部１３１により取得されたユーザ情報に基づいて、広告情報のデータ形式における種別（実施形態においては「フォーマット」。以下同じ）に関する評価値（実施形態においては「ＣＴＲ」。以下同じ）を予測するモデルを生成する。
[7. effect〕
As described above, the
これにより、実施形態に係る広告配信装置１００は、配信する広告情報のフォーマットに関する評価値を適切に予測するモデルを生成することができる。すなわち、広告配信装置１００は、配信する広告情報のフォーマットに関する評価値を予測するモデルを適切に利用可能とすることができる。例えば、広告配信装置１００は、配信実績が十分でない広告コンテンツを配信する場合であっても、適切に各フォーマットの評価値を予測し、適切なコンテンツを配信することができる。また、例えば、広告配信装置１００は、配信実績が十分でないユーザに配信する場合であっても、適切に各フォーマットの評価値を予測し、適切なコンテンツを配信することができる。
Thereby, the
また、実施形態に係る広告配信装置１００において、生成部１３２は、取得部１３１により取得されたユーザ情報に基づいて、種別に関するクリック率を予測するモデルを生成する。
Further, in the
これにより、実施形態に係る広告配信装置１００は、配信する広告情報のフォーマットに関するＣＴＲを適切に予測するモデルを生成することができる。
Thereby, the
また、実施形態に係る広告配信装置１００は、決定部（実施形態においては「第１決定部１３４」。以下同じ）を有する。決定部は、生成部１３２により生成されたモデルに基づいて、広告コンテンツの種別を決定する。
In addition, the
これにより、実施形態に係る広告配信装置１００は、配信する広告コンテンツの種別に関する評価値を適切に予測するモデルに基づいて、フォーマットを決定することができる。すなわち、広告配信装置１００は、配信する広告情報のフォーマットに関する評価値を予測するモデルを適切に利用可能とすることができる。
Thereby, the
また、実施形態に係る広告配信装置１００は、受付部１３３を有する。受付部１３３は、端末装置１０から広告の配信要求を受け付ける。また、決定部は、端末装置１０を利用するユーザに関するユーザ情報とモデルとにより予測される評価値に基づいて、端末装置１０に配信する広告コンテンツの種別を決定する。
In addition, the
これにより、実施形態に係る広告配信装置１００は、抽出する広告情報の数の増大を抑制することができる。例えば、図２では、各フォーマットＦＭ１１〜ＦＭ１３に対応する広告情報の数が等しいとした場合、広告配信装置１００は、全フォーマットＦＭ１１〜ＦＭ１３に対応する広告情報を広告情報記憶部１２４から抽出する場合に比べて、１／３にまで抽出する広告情報の数を抑制することができる。これにより、広告配信装置１００は、配信する広告を決定する処理負荷を抑制することができる。
Thereby, the
また、実施形態に係る広告配信装置１００において、決定部は、端末装置１０を利用するユーザが所定の条件を満たす場合、複数の種別を端末装置１０に配信する広告コンテンツの種別の候補として決定する。
In addition, in the
これにより、実施形態に係る広告配信装置１００は、抽出する広告情報の数の増大を抑制しつつ、所定の条件を満たすユーザにはできる限り適切な広告コンテンツを配信することができる。
Thereby, the
また、実施形態に係る広告配信装置１００において、決定部は、所定の期間内における端末装置１０を利用するユーザの広告のクリック率が所定の閾値以上の場合、複数の種別を端末装置１０に配信する広告コンテンツの種別の候補として決定する。
In addition, in the
これにより、実施形態に係る広告配信装置１００は、抽出する広告情報の数の増大を抑制しつつ、クリック率の高い、すなわち優良なユーザにはできる限り適切な広告コンテンツを配信することができる。
Thereby, the
また、実施形態に係る広告配信装置１００において、決定部は、種別のうち、各種別に対応する所定の評価値が上位の種別を配信する広告コンテンツの種別の候補として決定する。
In addition, in the
これにより、実施形態に係る広告配信装置１００は、抽出する広告情報の数の増大を抑制しつつ、評価値が拮抗している場合においても、できる限り適切な広告コンテンツを配信することができる。
As a result, the
また、実施形態に係る広告配信装置１００において、決定部は、種別のうち、所定の評価値としてのクリック率が上位の種別を配信する広告コンテンツの種別の候補として決定する。
In addition, in the
これにより、実施形態に係る広告配信装置１００は、抽出する広告情報の数の増大を抑制しつつ、評価値が拮抗している場合、すなわち最もクリック率（ＣＴＲ）が高いフォーマット以外を選択したほうがより適切な広告を配信できる可能性が高い場合において、できる限り適切な広告コンテンツを配信することができる。
Thereby, the
また、実施形態に係る広告配信装置１００において、決定部は、種別のうち、所定の評価値としての期待収益値が上位の種別を配信する広告コンテンツの種別の候補として決定する。
In addition, in the
これにより、実施形態に係る広告配信装置１００は、抽出する広告情報の数の増大を抑制しつつ、評価値が拮抗している場合、すなわち最も期待収益値（ｅＣＰＭ）が高いフォーマット以外を選択したほうがより適切な広告を配信できる可能性が高い場合において、できる限り適切な広告コンテンツを配信することができる。
Thereby, the
また、実施形態に係る広告配信装置１００において、決定部は、所定の評価値が最も高い種別と当該種別の所定の評価値から所定の範囲内の所定の評価値の種別とを、配信する広告コンテンツの種別の候補として決定する。
In addition, in the
これにより、実施形態に係る広告配信装置１００は、抽出する広告情報の数の増大を抑制しつつ、評価値が拮抗している場合、すなわち最も評価値が高いフォーマット以外を選択したほうがより適切な広告を配信できる可能性が高い場合において、できる限り適切な広告コンテンツを配信することができる。
In this way, the
〔８．ハードウェア構成〕
上述してきた実施形態に係る広告配信装置１００は、例えば図１３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１３は、広告配信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。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。
[8. Hardware configuration]
The
ＣＰＵ１１００は、ＲＯＭ１３００または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。
The
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、ネットワークＮ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ネットワークＮを介して他の機器へ送信する。
The
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。
The
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また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。
The
例えば、コンピュータ１０００が実施形態に係る広告配信装置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。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、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。
For example, when the
以上、本願の実施形態及び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、発明の開示の行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。 Although some of the embodiments and modifications of the present application have been described above in detail based on the drawings, these are merely examples, and various aspects can be obtained based on the knowledge of those skilled in the art, including the aspects described in the rows of the disclosure of the invention. It is possible to carry out the present invention in other forms that have been modified and improved.
〔９．その他〕
また、上記実施形態及び変形例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。
[9. Other]
Further, among the processes described in the embodiment and the modification, all or part of the process described as being automatically performed can be manually performed, or it is described as manually performed. All or part of the treatment may be performed automatically by known methods. In addition, information including processing procedures, specific names, various data and parameters shown in the above-mentioned documents and drawings can be arbitrarily changed unless otherwise specified. For example, the various information shown in each figure is not limited to the illustrated information.
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。 Further, each component of each device illustrated is functionally conceptual, and does not necessarily have to be physically configured as illustrated. That is, the specific form of the distribution and integration of each device is not limited to the illustrated one, and all or a part thereof may be functionally or physically dispersed in any unit depending on various loads, usage conditions, etc. It can be integrated and configured.
また、上述してきた実施形態及び変形例は、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。 Moreover, it is possible to combine suitably the embodiment and modification which were mentioned above in the range which does not make process content contradictory.
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、受付部は、受付手段や受付回路に読み替えることができる。 In addition, the "section (module, unit)" described above can be read as "means" or "circuit". For example, the reception unit can be read as reception means or a reception circuit.
１ 配信システム
１００ 広告配信装置（生成装置）
１２１ ユーザ情報記憶部
１２２ 配信ログ情報記憶部
１２３ フォーマット情報記憶部
１２４ 広告情報記憶部
１２５ テンプレート情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 受付部
１３４ 第１決定部（決定部）
１３５ 第２決定部
１３６ 第３決定部
１３７ 配信部
１０ 端末装置
５０ コンテンツ配信装置
Ｎ ネットワーク
1
121 user
135
Claims (15)
前記ユーザ情報記憶部に記憶されたユーザ情報と前記配信ログ情報記憶部に記憶された配信ログ情報とに基づく学習により、広告情報のデータ形式における種別に関する評価値を予測するモデルを生成する生成部と、
を備えたことを特徴とする生成装置。 The user information on the user is acquired , the acquired user information is stored in the user information storage unit, the distribution log information on the advertisement distributed to the user is acquired, and the acquired distribution log information is stored in the distribution log information storage unit Acquisition part,
By based rather learning and the distribution log information stored in the distribution log information storage part with the stored user information in the user information storage unit, to generate a model that predicts an evaluation value related to the type of data format of the advertisement information A generation unit,
A generator characterized by comprising.
前記取得部により取得されたユーザ情報に基づいて、前記種別に関するクリック率を予測するモデルを生成する
ことを特徴とする請求項１に記載の生成装置。 The generation unit is
The generation device according to claim 1, wherein a model for predicting a click rate related to the type is generated based on the user information acquired by the acquisition unit.
をさらに備えたことを特徴とする請求項１または請求項２に記載の生成装置。 A determination unit that determines the type of advertising content based on the model generated by the generation unit;
The generation apparatus according to claim 1, further comprising:
をさらに備え、
前記決定部は、
前記端末装置を利用するユーザのユーザ情報と前記モデルとにより予測される前記評価値に基づいて、前記端末装置に配信する広告コンテンツの種別を決定する
ことを特徴とする請求項３に記載の生成装置。 A reception unit for receiving an advertisement distribution request from a terminal device;
And further
The determination unit is
The type of advertisement content to be distributed to the terminal device is determined based on the evaluation value predicted by the user information of the user using the terminal device and the model. apparatus.
前記端末装置を利用するユーザが所定の条件を満たす場合、複数の種別を前記端末装置に配信する広告コンテンツの種別の候補として決定する
ことを特徴とする請求項４に記載の生成装置。 The determination unit is
The generation device according to claim 4, wherein when the user using the terminal device satisfies a predetermined condition, a plurality of types are determined as candidates for the type of advertising content to be distributed to the terminal device.
所定の期間内における前記端末装置を利用するユーザの広告のクリック率が所定の閾値以上の場合、複数の種別を前記端末装置に配信する広告コンテンツの種別の候補として決定する
ことを特徴とする請求項５に記載の生成装置。 The determination unit is
When the click rate of the advertisement of the user using the terminal device within a predetermined period is equal to or higher than a predetermined threshold, a plurality of types are determined as candidates for the type of advertisement content to be delivered to the terminal device. The generator according to Item 5.
前記種別のうち、各種別に対応する所定の評価値が上位の種別を前記端末装置に配信する広告コンテンツの種別の候補として決定する
ことを特徴とする請求項４〜６のいずれか１項に記載の生成装置。 The determination unit is
The predetermined evaluation value corresponding to each of the types among the types is determined to be an upper type as a candidate of the type of the advertising content to be delivered to the terminal device. Generator of.
前記種別のうち、前記所定の評価値としてのクリック率が上位の種別を配信する広告コンテンツの種別の候補として決定する
ことを特徴とする請求項７に記載の生成装置。 The determination unit is
The generation device according to claim 7, wherein among the types, a type having a higher click rate as the predetermined evaluation value is determined as a candidate of a type of advertisement content to be distributed.
前記種別のうち、前記所定の評価値としての期待収益値が上位の種別を配信する広告コンテンツの種別の候補として決定する
ことを特徴とする請求項７に記載の生成装置。 The determination unit is
The generation apparatus according to claim 7, wherein among the types, an expected earnings value as the predetermined evaluation value is determined as a candidate of a type of advertisement content to which a higher type is distributed.
前記所定の評価値が最も高い種別と当該種別の前記所定の評価値から所定の範囲内の前記所定の評価値の種別とを、配信する広告コンテンツの種別の候補として決定する
ことを特徴とする請求項７〜９のいずれか１項に記載の生成装置。 The determination unit is
It is characterized in that a type having the highest predetermined evaluation value and a type of the predetermined evaluation value within a predetermined range from the predetermined evaluation value of the type are determined as candidates for the type of advertisement content to be delivered. The production | generation apparatus of any one of Claims 7-9.
制御部が、ユーザに関するユーザ情報を取得し、取得したユーザ情報をユーザ情報記憶部に記憶し、前記ユーザに配信された広告に関する配信ログ情報を取得し、取得した配信ログ情報を配信ログ情報記憶部に記憶する取得工程と、
前記制御部が、前記ユーザ情報記憶部に記憶されたユーザ情報と前記配信ログ情報記憶部に記憶された配信ログ情報とに基づく学習により、広告情報のデータ形式における種別に関する評価値を予測するモデルを生成する生成工程と、
を含むことを特徴とする生成方法。 A computer-implemented generation method,
The control unit acquires user information on the user, stores the acquired user information in the user information storage unit, acquires distribution log information on the advertisement distributed to the user, and stores the acquired distribution log information on the distribution log information An acquisition process to be stored in the unit ;
Wherein the control unit, the the user information the user information stored in the storage unit and based rather to said distribution log information distribution log information stored in the storage unit learning, predicting an evaluation value related to the type of data format of the advertisement information Generating a model to be
A generation method characterized by including.
前記制御部が、前記ユーザ情報記憶部に記憶されたユーザ情報と前記配信ログ情報記憶部に記憶された配信ログ情報とに基づく学習により、広告情報のデータ形式における種別に関する評価値を予測するモデルを生成する生成手順と、
をコンピュータに実行させることを特徴とする生成プログラム。 The control unit acquires user information on the user, stores the acquired user information in the user information storage unit, acquires distribution log information on the advertisement distributed to the user, and stores the acquired distribution log information on the distribution log information Acquisition procedure to be stored in the
Wherein the control unit, the the user information the user information stored in the storage unit and based rather to said distribution log information distribution log information stored in the storage unit learning, predicting an evaluation value related to the type of data format of the advertisement information Generation procedure for generating a model to be
A generation program that causes a computer to execute.
を備えたことを特徴とする決定装置。 The advertisement content to be distributed to the user using the user information on the user stored in the user information storage unit and the model for predicting the evaluation value on the type in the data format of the advertisement information stored in the format information storage unit A determination unit that predicts a predicted evaluation value, which is a value used to determine the type, and determines the type of advertising content to be distributed to the user based on the predicted predicted evaluation value ;
The determination apparatus characterized by having.
制御部が、ユーザ情報記憶部に記憶されたユーザに関するユーザ情報と、フォーマット情報記憶部に記憶された広告情報のデータ形式における種別に関する評価値を予測するモデルとを用いて、前記ユーザに配信する広告コンテンツの前記種別の決定に用いられる値である予測評価値を予測し、予測した前記予測評価値に基づいて、前記ユーザに配信する広告コンテンツの前記種別を決定する決定工程、
を含むことを特徴とする決定方法。 A decision method that the computer executes,
The control unit distributes to the user using user information on the user stored in the user information storage unit and a model for predicting an evaluation value on a type in a data format of the advertisement information stored on the format information storage unit A determination step of predicting a predicted evaluation value, which is a value used for determining the type of advertising content, and determining the type of advertising content to be delivered to the user based on the predicted predicted evaluation value ;
A determination method comprising:
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。 The control unit distributes to the user using user information on the user stored in the user information storage unit and a model for predicting an evaluation value on a type in a data format of the advertisement information stored on the format information storage unit A determination procedure of predicting a predicted evaluation value, which is a value used for determining the type of advertising content, and determining the type of advertising content to be delivered to the user based on the predicted predicted evaluation value ;
A decision program for causing a computer to execute.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015176903A JP6541521B2 (en) | 2015-09-08 | 2015-09-08 | Generation device, generation method, generation program, determination device, determination method, and determination program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015176903A JP6541521B2 (en) | 2015-09-08 | 2015-09-08 | Generation device, generation method, generation program, determination device, determination method, and determination program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017054261A JP2017054261A (en) | 2017-03-16 |
| JP6541521B2 true JP6541521B2 (en) | 2019-07-10 |
Family
ID=58320816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015176903A Active JP6541521B2 (en) | 2015-09-08 | 2015-09-08 | Generation device, generation method, generation program, determination device, determination method, and determination program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6541521B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111679829B (en) * | 2020-06-11 | 2023-03-21 | 北京百度网讯科技有限公司 | Method and device for determining user interface design |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050251444A1 (en) * | 2004-05-10 | 2005-11-10 | Hal Varian | Facilitating the serving of ads having different treatments and/or characteristics, such as text ads and image ads |
| US20080004954A1 (en) * | 2006-06-30 | 2008-01-03 | Microsoft Corporation | Methods and architecture for performing client-side directed marketing with caching and local analytics for enhanced privacy and minimal disruption |
| US7806329B2 (en) * | 2006-10-17 | 2010-10-05 | Google Inc. | Targeted video advertising |
| US20130346182A1 (en) * | 2012-06-20 | 2013-12-26 | Yahoo! Inc. | Multimedia features for click prediction of new advertisements |
| JP6101577B2 (en) * | 2013-06-19 | 2017-03-22 | ヤフー株式会社 | Advertisement generation apparatus, advertisement generation method, and advertisement generation program |
-
2015
- 2015-09-08 JP JP2015176903A patent/JP6541521B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017054261A (en) | 2017-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108665329B (en) | Commodity recommendation method based on user browsing behavior | |
| JP6023129B2 (en) | Extraction apparatus, extraction method, and extraction program | |
| JP6870981B2 (en) | Calculation device, calculation method and calculation program | |
| US20170017986A1 (en) | Tracking digital design asset usage and performance | |
| US20120059708A1 (en) | Mapping Advertiser Intents to Keywords | |
| CN111095330B (en) | Machine learning method and system for predicting online user interactions | |
| US20170061515A1 (en) | Systems and methods for setting allocations and prices for content in an online marketplace | |
| US10489799B2 (en) | Tracking performance of digital design asset attributes | |
| US10366433B2 (en) | Methods and systems for usage based content search results | |
| JP5253519B2 (en) | Method, apparatus and storage medium for generating smart text | |
| US10332042B2 (en) | Multichannel digital marketing platform | |
| JP6730002B2 (en) | Extraction device, extraction method, and extraction program | |
| JP2017027359A (en) | Device, method, and program for processing information | |
| JP6667061B2 (en) | Extraction device, extraction method and extraction program | |
| JP6320258B2 (en) | Extraction apparatus, extraction method, and extraction program | |
| US20160189204A1 (en) | Systems and methods for building keyword searchable audience based on performance ranking | |
| JP2019045899A (en) | Determination device, determination method and determination program | |
| CN110648167A (en) | Micropayment compensation for user-generated game content | |
| US20140244405A1 (en) | Automatic Generation of Digital Advertisements | |
| CN111582899A (en) | Method, device and system for quantizing display link effect and storage medium | |
| JP6373140B2 (en) | Extraction apparatus, extraction method, and extraction program | |
| US20170154365A1 (en) | Digital media delivery device, method, and program that select digital media for display within digital content based on a degree of reliability of an evaluation value for the digital media | |
| JP6541521B2 (en) | Generation device, generation method, generation program, determination device, determination method, and determination program | |
| KR101992544B1 (en) | Advertising platform server and its method | |
| CN111582901A (en) | Method, device and system for quantizing display link effect and storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180312 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190305 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190426 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190514 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190611 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6541521 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |