JP6695987B2 - 広告生成方法、コンピュータ読み取り可能な記憶媒体及びシステム - Google Patents

Description

「関連出願の相互参照」
本願は、２０１７年５月５日に中国国家知識産権局に出願された、中国特許出願第２０１７１０３１３１８２１号の「広告生成方法及びシステム」と題する中国特許出願の優先権を主張し、当該出願の全体が参照によりここに組み込まれる。

本発明は、インターネット技術分野に関するものであり、特に広告生成方法、コンピュータ読み取り可能な記憶媒体及びシステムに関するものである。

現在、広告は、一般的には広告デザイナーにより広告素材を人手で準備し、且つ創造的な広告アイデアを得た後に作成されるものであり、このような従来の解決手段では、創造的な広告アイデアはプロダクトマネージャー及びＵＩデザイナーにとって人々が最も容易に受け入れられると主観的に考えられるものであるが、客観的にはそうではない可能性があり、このため、従来の広告作成手段がプロダクトマネージャー及びＵＩデザイナーの主観的考えに制約されるため、広告が受け入れられる程度が制約され、他方、広告デザイナーにより広告素材を人手で準備する必要があり、広告素材の作成周期が長いため、広告の作成効率が低いという欠点があった。

本発明は、広告がユーザーに受け入れられる程度を高め、且つ広告の作成効率を高めるための広告生成方法、コンピュータ読み取り可能な記憶媒体及びシステムを提供することを目的とする。

上記目的を実現するために、本発明は、広告生成方法を提供し、前記広告生成方法は、
それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出するステップＳ１と、
予め設定されたユーザーに広告を推薦する場合、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップＳ２と、
分析した各ユーザーに対応する画風特徴に基づいて推薦広告を生成することにより、前記推薦広告を対応するユーザーに推薦するステップＳ３と、を含む。

上記目的を実現するために、本発明は、さらに広告生成システムを提供し、前記広告生成システムは、
それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出するための抽出モジュールと、
予め設定されたユーザーに広告を推薦する場合、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するための分析モジュールと、
分析した各ユーザーに対応する画風特徴に基づいて推薦広告を生成することにより、前記推薦広告を対応するユーザーに推薦するための第１生成モジュールと、を含む。

また、本発明は、広告生成システムのコンピュータプログラムが記憶されており、前記コンピュータプログラムが実行される場合、上記方法及び装置のステップを実現できるコンピュータ読み取り可能な記憶媒体も提供する。

本発明は、それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出し、予め設定されたユーザーに広告を推薦する場合、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得し、分析した各ユーザーに対応する画風特徴に基づいて対応するユーザーに推薦しようとする推薦広告を生成する。本発明は、他の広告の画風特徴を客観的又は自己適応的に融合し、広告がユーザーに受け入れられる程度を高め、且つ広告の作成が速く、広告の作成効率を高めることができる。

本発明の広告生成方法の第１実施例のフローチャートである。 本発明の広告生成方法の第２実施例のフローチャートである。 本発明の広告生成システムの一実施例の実行環境の模式図である。 本発明の広告生成システムの第１実施例の構造模式図である。 本発明の広告生成システムの第２実施例の構造模式図である。

以下、図面と組み合わせて本発明の原理及び特徴を説明するが、挙げられた例は、本発明を解釈するためのものであり、本発明の範囲を限定するものではない。

図１に示すように、それは、本発明の広告生成方法の一実施例のフローチャートであり、当該広告生成方法は、広告生成システムにより実行されてもよく、当該システムは、ソフトウェア及び／又はハードウェアにより実現され、且つサーバに集積されてもよい。当該広告生成方法は、ステップＳ１と、ステップＳ２と、ステップＳ３と、を含む。

ステップＳ１にて、それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出する。

本実施例において、予め設定されたデータソースサーバは、広告掲出手段サーバ（例えば、百度広告プロモーションサーバ、新浪広告プロモーションサーバなど）及び／又はサービスサーバ（生命保険サーバ、自動車保険サーバ、銀行サーバなど）を含む。後続の使用のために、それぞれの予め設定されたデータソースサーバは、各ユーザーの露出された広告を記録し、統計して対応する広告クリックデータを取得して記憶する。

ただし、システムは、予め設定されたデータソースサーバから広告クリックデータをリアルタイムに取得することができ、それにより最新の広告クリックデータを取得し、或いは、予め設定されたデータソースサーバから広告クリックデータを定時に（例えば、３０分ごとに）取得することにより、システムの負担を軽減する。

ただし、広告を露出することは、ネットワークのプロダクトプレイスメント（例えば、ピクチャファイル又はプログラム）がクライアントユーザーによりクリックされた後、クライアントブラウザにダウンロードされることに成功することである。広告クリックデータは、クリックした広告の標識及びクリックした広告の広告背景ピクチャなどを含む。

ただし、広告クリックデータにおける広告背景ピクチャを抽出することにより、対応する画風特徴を抽出することができ、広告背景ピクチャの背景特徴は、広告背景パターン、広告背景パターンの画風特徴（画風特徴は、例えば、抽象画の画風特徴、水墨画の画風特徴などである）を含む。具体的には、予め設定された画風抽出ツールを用いて抽出することができ、予め設定された画風抽出ツールは、例えば、ｃａｆｅｅ、ｔｅｎｓｏｒｆｌｏｗなどのフレーム、及びｇｏｏｌｅｎｅｔ、ＶＧＧ１６などのモデルである。

ステップＳ２にて、予め設定されたユーザーに広告を推薦する場合、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得する。

ただし、システムは、予め設定されたユーザーに広告を自発的に推薦することができ、予め設定されたユーザーは、最近の予め設定された時間内（例えば、最近３か月内）に広告を露出したユーザーであってもよく、或いは特定のサービスのオフラインユーザー（例えば、平安公司の生命保険ユーザーである）であってもよい。

好ましくは、予め設定された画風特徴は、以下の方式で取得することができる。所定数（例えば、５００個）の、掲出され、且つ掲出効果が知られた広告ピクチャである参照広告ピクチャを取得し、例えば、予め設定されたピクチャライブラリから参照広告ピクチャを自動的にランダムに選択することができ、予め設定されたピクチャライブラリから参照広告ピクチャを手動で選択することもでき、予め設定されたピクチャライブラリから一部のピクチャを参照広告ピクチャ（参照広告ピクチャはユーザーに受け入れられやすい広告ピクチャである）として自動的にランダムに選択することもでき、予め設定された画風特徴抽出ツールを利用して各参照広告ピクチャの対応する画風特徴を予め設定された画風特徴として抽出する。

本実施例において、予め設定された第１分析ルールは、一実施例において、各ユーザーの広告クリックデータにおける各広告のクリック数を分析することにより、各ユーザーに対応する広告のクリック数が最も多い広告を取得し、その後、クリック数が最も多い広告から対応する画風特徴を抽出し、抽出した画風特徴が上記予め設定された画風特徴に属すれば、抽出した画風特徴は、対応する各ユーザーに対応する推薦対象広告ピクチャの画風特徴とされ、他の実施例において、異なる広告スタイルに応じて各ユーザーを異なるタイプに分けることができ、各タイプは１種の画風特徴又は多種の類似する画風特徴に対応する。各タイプのユーザーに対して、対応する１種の画風特徴又は多種の類似する画風特徴に対応する広告を取得し、その後、これらの広告からクリック数が最も多い１つ又は複数の広告を取得し、クリック数が最も多い１つ又は複数の広告の画風特徴を抽出し、抽出した画風特徴が上記予め設定された画風特徴に属すれば、抽出した画風特徴は、当該タイプのユーザーの推薦対象広告ピクチャの画風特徴とされる。

ステップＳ３にて、分析した各ユーザーに対応する画風特徴に基づいて推薦広告を生成することにより、前記推薦広告を対応するユーザーに推薦する。

本実施例において、各ユーザーに対応する画風特徴を取得した後、各ユーザーに対応する画風特徴の広告（例えば、抽象画の画風特徴の推薦広告又は水墨画の画風特徴の推薦広告など）を生成し、その後、生成した推薦広告を対応するユーザーのユーザー端末に推薦し、ユーザーの使用に備える。ユーザーにより選択され、或いは処理された後、推薦広告は、各端末に配布されて表示又は再生することができ、それによって多くのユーザーがブラウジングすることができる。

本実施例において、広告クリックデータを分析することにより取得した推薦対象広告ピクチャの画風特徴は、ユーザーに多くブラウジングされ、或いはよく閲覧された画風特徴であることが考えられ、ユーザーに受け入れられやすく（例えば、そのうちの１つ又は複数の色が目立ち、或いは１つ又は複数の画風特徴によりユーザーが愉快になるなど）、多くのユーザーの美意識と合致或いは接近し、これらの画風特徴に基づいて生成した推薦広告は潜在的な作用を発揮することができ、それにより企業のために一定の利益をもたらす。

従来技術と比べて、本実施例では、それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出し、予め設定されたユーザーに広告を推薦する場合、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得し、分析した各ユーザーに対応する画風特徴に基づいて対応するユーザーに推薦しようとする推薦広告を生成する。本実施例は、他の広告の画風特徴を客観的又は自己適応的に融合し、広告がユーザーに受け入れられる程度を高め、且つ広告の作成が速く、広告の作成効率を高めることができる。

好ましい実施例において、上記図１の実施例を基礎として、上記第１分析ルールは、ａ１と、ａ２と、ａ３と、を含む。

ａ１にて、ユーザーが前記広告クリックデータを備えない場合、予め設定された群衆クラスタリング結果（予め決定されたアルゴリズム「例えば、クラスタリングアルゴリズム、協調フィルタリングアルゴリズムなど」を用いて各ユーザーに対して群衆クラスタリングを行うことにより、各ユーザーが属する群衆クラスタを決定する）に基づいて当該ユーザーが属する群衆クラスタを決定し、且つ決定された群衆クラスタにおける各ユーザーの広告クリックデータを予め設定された第２分析ルールに従って分析することにより、当該ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得する。

好ましくは、予め設定された第２分析ルールは、決定された群衆クラスタにおける各ユーザーがクリックした各広告のクリック数を統計するステップと、クリック数が第２所定閾値（例えば、第２所定閾値は１００である）より多い所定数の広告をソートし、且つソートした各広告の画風特徴の類似度（類似度が大きいほど、画風特徴は類似し、計算方法は従来の計算方法を用いることができる）を計算するステップと、前記類似度が予め設定された類似度閾値より大きい場合、ソートした各広告の画風特徴において予め設定された画風特徴があるか否かを決定し、予め設定された画風特徴があれば、当該予め設定された画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、或いは、予め設定された画風特徴を備えない場合、その中から１つの広告をランダムに選択し、且つランダムに選択した広告に対応する画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、或いは、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップと、を含む。

ａ２にて、ユーザーが前記広告クリックデータを備え、且つ当該ユーザーがクリックした各広告のクリック数がいずれも第１所定閾値（例えば、第１所定閾値は１０である）以下である場合、当該ユーザーを、前記広告クリックデータを備えないユーザーとして、且つ上記ステップａ１により当該ユーザーに対応する推薦対象広告ピクチャの画風特徴を決定する。

ａ３にて、ユーザーが前記広告クリックデータを備え、且つ当該ユーザーがクリックした広告におけるクリック数が第１所定閾値より多い広告の数が少なくとも１つある場合、クリック数が第１所定閾値より多い広告をクリック数に従ってソートし、且つソートした広告を予め設定された第３分析ルールに従って分析することにより、当該ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得する。

好ましくは、第３分析ルールは、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、クリック数が最も多い広告が複数個である場合、クリック数が最も多い各広告の画風特徴において予め決定された画風特徴があるか否かを分析し、予め決定された画風特徴があれば、当該予め決定された画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、或いは、予め決定された画風特徴がなければ、その中から１つの広告をランダムに選択し、且つランダムに選択した広告に対応する画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップを含む。或いは、第３分析ルールは、隣接する２つの広告のクリック数の差を計算し、計算した差がいずれも予め設定された差（例えば、予め設定された差は５である）より小さい場合、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として（クリック数が最も多い広告が複数個である場合、上記方法に従ってユーザーの推薦対象広告ピクチャの画風特徴を取得する）、予め設定された差以上の差がある場合、当該差に対応する２つの広告のうちのクリック数が少ない広告、及び前記クリック数が少ない広告よりクリック数がより少ない広告を除去し、残された広告が１つのみである場合、当該残された広告に対応する画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、残された広告が複数個である場合、残された各広告の画風特徴において予め決定された画風特徴があるか否かを決定し、予め決定された画風特徴があれば、当該予め決定された画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、予め決定された画風特徴がなければ、その中から１つの広告をランダムに選択し、且つランダムに選択した広告に対応する画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、或いは、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップを含む。

好ましい実施例において、図２に示すように、上記図１の実施例を基礎として、ステップＳ３の後に、ステップＳ４と、ステップＳ５と、ステップＳ６と、をさらに含む。

ステップＳ４にて、前記推薦広告を対応するユーザーに推薦した後、それぞれの前記データソースサーバから前記推薦広告に対して露出された広告の広告クリックデータを取得し、且つ当該広告クリックデータに基づいて各ユーザーの前記推薦広告へのクリック率を計算する。ただし、クリック率の計算方法は、各ユーザーの推薦広告に対して広告を露出したユーザー数をユーザーの総数で割ったものである。

ステップＳ５にて、前記クリック率が予め設定されたクリック率（例えば、予め設定されたクリック率は０．０８である）より小さい場合、前記推薦広告の画風特徴を改めて調整することにより、新しい画風特徴を取得する。例えば、上記ステップＳ２での予め設定された画風特徴を調整することにより、新しい画風特徴を取得する。

ステップＳ６にて、新しい画風特徴に基づき、且つ前記第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を改めて取得し、且つ改めて分析した各ユーザーに対応する画風特徴に基づいて推薦広告を生成する。

本実施例では、クリック率が予め設定されたクリック率より小さい推薦広告の画風特徴を調整することにより、新しい画風特徴を取得し、さらに、新しい画風特徴に基づいて推薦広告を生成し、推薦広告を柔軟に調整することができ、それにより、推薦広告がユーザーに受け入れられる程度をさらに高める。

図３に示すように、それは、本発明の広告生成システム１０の好ましい実施例の実行環境の模式図である。

本実施例において、広告生成システム１０は電子装置１にインストールされて実行される。電子装置１はデスクトップパソコン、ノートパソコン、モバイルパソコン及びサーバなどの計算設備であってもよい。電子装置１は、メモリ１１、プロセッサ１２及びディスプレイ１３を含むが、これらに限定されない。図３は部品１１−１３を備える電子装置１のみを示したが、全ての示した部品の実施のかわりに、より多く又はより少ない部品の実施が可能であると、理解されるべきである。

いくつかの実施例において、メモリ１１は電子装置１の内部記憶ユニット（例えば、電子装置１のハードディスク又はメモリ）であってもよい。他の実施例において、メモリ１１は電子装置１の外部記憶設備（例えば、電子装置１に配備される差し込み型ハードディスク、スマートメモリカード（Ｓｍａｒｔ Ｍｅｄｉａ（登録商標） Ｃａｒｄ、ＳＭＣ）、セキュアデジタル（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ、ＳＤ）カード、フラッシュメモリカード（Ｆｌａｓｈ Ｃａｒｄ）など）であってもよい。さらに、メモリ１１は電子装置１の内部記憶ユニットも外部記憶設備も含んでもよい。メモリ１１は電子装置１にインストールされているアプリケーションソフトウェア及び様々なデータ（例えば、広告生成システム１０のプログラムコードなど）を記憶することに用いられる。メモリ１１は、さらに既に出力したデータ又は出力しようとするデータを一時的に記憶することにも用いられる。

いくつかの実施例において、プロセッサ１２は、中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、ＣＰＵ）、マイクロプロセッサ又は他のデータ処理チップであってもよく、メモリ１１に記憶されているプログラムコードの実行又はデータ処理（例えば、広告生成システム１０の実行など）に用いられる。

いくつかの実施例において、ディスプレイ１３は、ＬＥＤディスプレイ、液晶ディスプレイ、タッチ式液晶ディスプレイ及びＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ−Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ、有機発光ダイオード）タッチ装置などであってもよい。ディスプレイ１３は、電子装置１に処理される情報の表示及び可視化のユーザーインタフェースの表示（例えば、広告生成インタフェースの表示など）に用いられる。電子装置１の部品１１−１３は、システムバスにより相互に通信する。

図４に示すように、それは、本発明の広告生成システム１０の好ましい実施例の機能モジュールを示す図である。本実施例において、広告生成システム１０は１つ又は複数のモジュールに分割されてもよく、１つ又は複数のモジュールはメモリ１１に記憶され、且つ１つ又は複数のプロセッサ（本実施例では、プロセッサ１２）により実行され、それにより、本発明を達成する。例えば、図４において、広告生成システム１０は、抽出モジュール１０１、分析モジュール１０２及び第１生成モジュール１０３に分割されてもよい。本発明でいうモジュールとは、特定の機能を完了できる一連のコンピュータプログラムコマンドセグメントであり、プログラムより、広告生成システム１０の電子装置１での実行プロセスの説明にさらに適する。

抽出モジュール１０１は、それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出することに用いられる。

本実施例において、予め設定されたデータソースサーバは、広告掲出手段サーバ（例えば、百度広告プロモーションサーバ、新浪広告プロモーションサーバなど）及び／又はサービスサーバ（生命保険サーバ、自動車保険サーバ、銀行サーバなど）を含む。後続の使用のために、それぞれの予め設定されたデータソースサーバは、各ユーザーの露出された広告を記録し、統計して対応する広告クリックデータを取得して記憶する。

ただし、システムは、予め設定されたデータソースサーバから広告クリックデータをリアルタイムに取得することができ、それにより最新の広告クリックデータを取得し、或いは、予め設定されたデータソースサーバから広告クリックデータを定時に（例えば、３０分ごとに）取得することにより、システムの負担を軽減する。

ただし、広告を露出することは、ネットワークのプロダクトプレイスメント（例えば、ピクチャファイル又はプログラム）がクライアントユーザーによりクリックされた後、クライアントブラウザにダウンロードされることに成功することである。広告クリックデータは、クリックした広告の標識及びクリックした広告の広告背景ピクチャなどを含む。

ただし、広告クリックデータにおける広告背景ピクチャを抽出することにより、対応する画風特徴を抽出することができ、広告背景ピクチャの背景特徴は、広告背景パターン、広告背景パターンの画風特徴（画風特徴は、例えば、抽象画の画風特徴、水墨画の画風特徴などである）を含む。具体的には、予め設定された画風抽出ツールを用いて抽出することができ、予め設定された画風抽出ツールは、例えば、ｃａｆｅｅ、ｔｅｎｓｏｒｆｌｏｗなどのフレーム、及びｇｏｏｌｅｎｅｔ、ＶＧＧ１６などのモデルである。

分析モジュール１０２は、予め設定されたユーザーに広告を推薦する場合、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得することに用いられる。

ただし、システムは、予め設定されたユーザーに広告を自発的に推薦することができ、予め設定されたユーザーは、最近の予め設定された時間内（例えば、最近３か月内）に広告を露出したユーザーであってもよく、或いは特定のサービスのオフラインユーザー（例えば、平安公司の生命保険ユーザーである）であってもよい。

好ましくは、予め設定された画風特徴は、以下の方式で取得することができる。所定数（例えば、５００個）の、掲出され、且つ掲出効果が知られた広告ピクチャである参照広告ピクチャを取得し、例えば、予め設定されたピクチャライブラリから参照広告ピクチャを自動的にランダムに選択することができ、予め設定されたピクチャライブラリから参照広告ピクチャを手動で選択することもでき、予め設定されたピクチャライブラリから一部のピクチャを参照広告ピクチャ（参照広告ピクチャはユーザーに受け入れられやすい広告ピクチャである）として自動的にランダムに選択することもでき、予め設定された画風特徴抽出ツールを利用して各参照広告ピクチャの対応する画風特徴を予め設定された画風特徴として抽出する。

本実施例において、予め設定された第１分析ルールは、一実施例において、各ユーザーの広告クリックデータにおける各広告のクリック数を分析することにより、各ユーザーに対応する広告のクリック数が最も多い広告を取得し、その後、クリック数が最も多い広告から対応する画風特徴を抽出し、抽出した画風特徴が上記予め設定された画風特徴に属すれば、抽出した画風特徴は、対応する各ユーザーに対応する推薦対象広告ピクチャの画風特徴とされ、他の実施例において、異なる広告スタイルに応じて各ユーザーを異なるタイプに分けることができ、各タイプは１種の画風特徴又は多種の類似する画風特徴に対応する。各タイプのユーザーに対して、対応する１種の画風特徴又は多種の類似する画風特徴に対応する広告を取得し、その後、これらの広告からクリック数が最も多い１つ又は複数の広告を取得し、クリック数が最も多い１つ又は複数の広告の画風特徴を抽出し、抽出した画風特徴が上記予め設定された画風特徴に属すれば、抽出した画風特徴は、当該タイプのユーザーの推薦対象広告ピクチャの画風特徴とされる。

第１生成モジュール１０３は、分析した各ユーザーに対応する画風特徴に基づいて推薦広告を生成することにより、前記推薦広告を対応するユーザーに推薦することに用いられる。

本実施例において、各ユーザーに対応する画風特徴を取得した後、各ユーザーに対応する画風特徴の広告（例えば、抽象画の画風特徴の推薦広告又は水墨画の画風特徴の推薦広告など）を生成し、その後、生成した推薦広告を対応するユーザーのユーザー端末に推薦し、ユーザーの使用に備える。ユーザーにより選択され、或いは処理された後、推薦広告は、各端末に配布されて表示又は再生することができ、それによって多くのユーザーがブラウジングすることができる。

本実施例において、広告クリックデータを分析することにより取得した推薦対象広告ピクチャの画風特徴は、ユーザーに多くブラウジングされ、或いはよく閲覧された画風特徴であることが考えられ、ユーザーに受け入れられやすく（例えば、そのうちの１つ又は複数の色が目立ち、或いは１つ又は複数の画風特徴によりユーザーが愉快になるなど）、多くのユーザーの美意識と合致或いは接近し、これらの画風特徴に基づいて生成した推薦広告は潜在的な作用を発揮することができ、それにより企業のために一定の利益をもたらす。

好ましい実施例において、上記図４の実施例を基礎として、上記第１分析ルールは、ａ１と、ａ２と、ａ３と、を含む。

ａ１にて、ユーザーが前記広告クリックデータを備えない場合、予め設定された群衆クラスタリング結果（予め決定されたアルゴリズム「例えば、クラスタリングアルゴリズム、協調フィルタリングアルゴリズムなど」を用いて各ユーザーに対して群衆クラスタリングを行うことにより、各ユーザーが属する群衆クラスタを決定する）に基づいて当該ユーザーが属する群衆クラスタを決定し、且つ決定された群衆クラスタにおける各ユーザーの広告クリックデータを予め設定された第２分析ルールに従って分析することにより、当該ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得する。

好ましくは、予め設定された第２分析ルールは、決定された群衆クラスタにおける各ユーザーがクリックした各広告のクリック数を統計するステップと、クリック数が第２所定閾値（例えば、第２所定閾値は１００である）より多い所定数の広告をソートし、且つソートした各広告の画風特徴の類似度（類似度が大きいほど、画風特徴は類似し、計算方法は従来の計算方法を用いることができる）を計算するステップと、前記類似度が予め設定された類似度閾値より大きい場合、ソートした各広告の画風特徴において予め設定された画風特徴があるか否かを決定し、予め設定された画風特徴があれば、当該予め設定された画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、或いは、予め設定された画風特徴を備えない場合、その中から１つの広告をランダムに選択し、且つランダムに選択した広告に対応する画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、或いは、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップと、を含む。

ａ２にて、ユーザーが前記広告クリックデータを備え、且つ当該ユーザーがクリックした各広告のクリック数がいずれも第１所定閾値（例えば、第１所定閾値は１０である）以下である場合、当該ユーザーを、前記広告クリックデータを備えないユーザーとして、且つ上記ステップａ１により当該ユーザーに対応する推薦対象広告ピクチャの画風特徴を決定する。

ａ３にて、ユーザーが前記広告クリックデータを備え、且つ当該ユーザーがクリックした広告におけるクリック数が第１所定閾値より多い広告の数が少なくとも１つある場合、クリック数が第１所定閾値より多い広告をクリック数に従ってソートし、且つソートした広告を予め設定された第３分析ルールに従って分析することにより、当該ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得する。

好ましくは、第３分析ルールは、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、クリック数が最も多い広告が複数個である場合、クリック数が最も多い各広告の画風特徴において予め決定された画風特徴があるか否かを分析し、予め決定された画風特徴があれば、当該予め決定された画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、或いは、予め決定された画風特徴がなければ、その中から１つの広告をランダムに選択し、且つランダムに選択した広告に対応する画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップを含む。或いは、第３分析ルールは、隣接する２つの広告のクリック数の差を計算し、計算した差がいずれも予め設定された差（例えば、予め設定された差は５である）より小さい場合、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として（クリック数が最も多い広告が複数個である場合、上記方法に従ってユーザーの推薦対象広告ピクチャの画風特徴を取得する）、予め設定された差以上の差がある場合、当該差に対応する２つの広告のうちのクリック数が少ない広告、及び前記クリック数が少ない広告よりクリック数がより少ない広告を除去し、残された広告が１つのみである場合、当該残された広告に対応する画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、残された広告が複数個である場合、残された各広告の画風特徴において予め決定された画風特徴があるか否かを決定し、予め決定された画風特徴があれば、当該予め決定された画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、予め決定された画風特徴がなければ、その中から１つの広告をランダムに選択し、且つランダムに選択した広告に対応する画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、或いは、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップを含む。

好ましい実施例において、図５に示すように、上記図４の実施例を基礎として、上記広告生成システムは、計算モジュール１０４と、調整モジュール１０５と、第２生成モジュール１０６と、をさらに含む。

計算モジュール１０４は、前記推薦広告を対応するユーザーに推薦した後、それぞれの前記データソースサーバから前記推薦広告に対して露出された広告の広告クリックデータを取得し、且つ当該広告クリックデータに基づいて各ユーザーの前記推薦広告へのクリック率を計算することに用いられる。ただし、クリック率の計算方法は、各ユーザーの推薦広告に対して広告を露出したユーザー数をユーザーの総数で割ったものである。

調整モジュール１０５は、前記クリック率が予め設定されたクリック率（例えば、予め設定されたクリック率は０．０８である）より小さい場合、前記推薦広告の画風特徴を改めて調整することにより、新しい画風特徴を取得することに用いられる。例えば、上記予め設定された画風特徴を調整することにより、新しい画風特徴を取得する。

第２生成モジュール１０６は、新しい画風特徴に基づき、且つ前記第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を改めて取得し、且つ改めて分析した各ユーザーに対応する画風特徴に基づいて推薦広告を生成することに用いられる。

本実施例では、クリック率が予め設定されたクリック率より小さい推薦広告の画風特徴を調整することにより、新しい画風特徴を取得し、さらに、新しい画風特徴に基づいて推薦広告を生成し、推薦広告を柔軟に調整することができ、それにより、推薦広告がユーザーに受け入れられる程度をさらに高める。

以上は、本発明の好ましい実施例だけであり、本発明を制限するものでなく、本発明の精神及び原則内で想到し得る修正、同等変換、改良などは、全て本発明の保護範囲に含まれるべきである。

Claims (9)

1. 広告生成方法であって、
   それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出するステップＳ１と、
   予め設定されたユーザーに広告を推薦する場合、前記データソースサーバにより、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップＳ２と、
   前記データソースサーバにより、広告クリックデータを分析した各ユーザーに対応する推薦対象広告ピクチャの画風特徴に基づいて推薦広告を生成することにより、前記推薦広告を、前記広告クリックデータを分析したユーザーに推薦するステップＳ３と、
   を含み、
   前記予め設定された画風特徴は、所定数掲出され、且つ掲出効果が知られた広告ピクチャである参照広告ピクチャを、予め設定されたピクチャライブラリから選択することにより抽出され、
   前記第１分析ルールは、
   各ユーザーが前記広告クリックデータを備えない場合、予め設定された群衆クラスタリング結果に基づいて当該ユーザーが属する群衆クラスタを決定し、且つ決定された群衆クラスタにおける各ユーザーの広告クリックデータを予め設定された第２分析ルールに従って分析することにより、前記広告クリックデータを分析したユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップａ１と、
   各ユーザーが前記広告クリックデータを備えるがクリックした各広告のクリック数がいずれも第１所定閾値以下である場合、当該ユーザーを、前記広告クリックデータを備えないユーザーと扱って、前記群衆クラスタリング結果に基づいて当該ユーザーが属する群衆クラスタを決定し、且つ決定された群衆クラスタにおける各ユーザーの広告クリックデータを予め設定された第２分析ルールに従って分析することにより、前記広告クリックデータを分析したユーザーに対応する推薦対象広告ピクチャの画風特徴を決定するステップａ２と、
   各ユーザーが前記広告クリックデータを備え、且つクリックした広告におけるクリック数が第１所定閾値より多い広告の数が少なくとも１つである場合、クリック数が第１所定閾値より多い広告をクリック数に従ってソートし、且つソートした広告を予め設定された第３分析ルールに従って分析することにより、当該分析に係るユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップａ３と、
   を含むことを特徴とする広告生成方法。
2. 前記第２分析ルールは、
   決定された群衆クラスタにおける各ユーザーがクリックした各広告のクリック数を統計するステップと、
   クリック数が第２所定閾値より多い所定数の広告をソートし、且つソートした各広告の画風特徴の類似度を計算するステップと、
   前記類似度が予め設定された類似度閾値より大きい場合、ソートした各広告の画風特徴において前記予め設定された画風特徴があるか否かを決定し、前記予め設定された画風特徴があれば、当該予め設定された画風特徴を当該ユーザーに対応する推薦対象広告ピクチャの画風特徴とするステップと、
   を含むことを特徴とする請求項１に記載の広告生成方法。
3. 前記第３分析ルールは、
   クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップ、或いは
   隣接する２つの広告のクリック数の差を計算し、計算した差がいずれも予め設定された差より小さい場合、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、予め設定された差以上の前記差がある場合、当該差に対応する２つの広告におけるクリック数が少ない広告、及びクリック数が少ない広告よりクリック数がより少ない広告を除去し、残された広告の画風特徴において前記予め設定された画風特徴があるか否かを決定し、前記予め設定された画風特徴があれば、当該予め設定された画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップ、
   を含むことを特徴とする請求項２に記載の広告生成方法。
4. 前記ステップＳ３の後、
   前記推薦広告を対応するユーザーに推薦した後、それぞれの前記データソースサーバから前記推薦広告に対して露出された広告の広告クリックデータを取得し、且つ当該広告クリックデータに基づいて各ユーザーの前記推薦広告へのクリック率を計算するステップＳ４と、
   前記クリック率が予め設定されたクリック率より小さい場合、前記推薦広告の画風特徴を改めて調整することにより、新しい画風特徴を取得するステップＳ５と、
   新しい画風特徴に基づき、且つ前記第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を改めて取得し、且つ改めて分析した各ユーザーに対応する画風特徴に基づいて推薦広告を生成するステップＳ６と、
   をさらに含むことを特徴とする請求項１乃至３のいずれか一項に記載の広告生成方法。
5. 広告生成システムであって、
   それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出するための抽出モジュールと、
   予め設定されたユーザーに広告を推薦する場合、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するための分析モジュールと、
   前記データソースサーバにより、広告クリックデータを分析した各ユーザーに対応する推薦対象広告ピクチャの画風特徴に基づいて推薦広告を生成することにより、前記推薦広告を、前記広告クリックデータを分析したユーザーに推薦するための第１生成モジュールと、
   を含み、
   前記予め設定された画風特徴は、所定数掲出され、且つ掲出効果が知られた広告ピクチャである参照広告ピクチャを、予め設定されたピクチャライブラリから選択することにより抽出され、
   前記第１分析ルールは、
   各ユーザーが前記広告クリックデータを備えない場合、予め設定された群衆クラスタリング結果に基づいて当該ユーザーが属する群衆クラスタを決定し、且つ決定された群衆クラスタにおける各ユーザーの広告クリックデータを予め設定された第２分析ルールに従って分析することにより、前記広告クリックデータを分析したユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップａ１と、
   各ユーザーが前記広告クリックデータを備えるがクリックした各広告のクリック数がいずれも第１所定閾値以下である場合、当該ユーザーを、前記広告クリックデータを備えないユーザーと扱って、前記群衆クラスタリング結果に基づいて当該ユーザーが属する群衆クラスタを決定し、且つ決定された群衆クラスタにおける各ユーザーの広告クリックデータを予め設定された第２分析ルールに従って分析することにより、前記広告クリックデータを分析したユーザーに対応する推薦対象広告ピクチャの画風特徴を決定するステップａ２と、
   各ユーザーが前記広告クリックデータを備え、且つクリックした広告におけるクリック数が第１所定閾値より多い広告の数が少なくとも１つである場合、クリック数が第１所定閾値より多い広告をクリック数に従ってソートし、且つソートした広告を予め設定された第３分析ルールに従って分析することにより、当該分析に係るユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップａ３と、
   を含むことを特徴とする広告生成システム。
6. 前記第２分析ルールは、
   決定された群衆クラスタにおける各ユーザーがクリックした各広告のクリック数を統計するステップと、
   クリック数が第２所定閾値より多い所定数の広告をソートし、且つソートした各広告の画風特徴の類似度を計算するステップと、
   前記類似度が予め設定された類似度閾値より大きい場合、ソートした各広告の画風特徴において前記予め設定された画風特徴があるか否かを決定し、前記予め設定された画風特徴があれば、当該予め設定された画風特徴を当該ユーザーに対応する推薦対象広告ピクチャの画風特徴とするステップと、
   を含むことを特徴とする請求項５に記載の広告生成システム。
7. 前記第３分析ルールは、
   クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップ、或いは
   隣接する２つの広告のクリック数の差を計算し、計算した差がいずれも予め設定された差より小さい場合、クリック数が最も多い広告の画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴として、予め設定された差以上の前記差がある場合、当該差に対応する２つの広告におけるクリック数が少ない広告、及びクリック数が少ない広告よりクリック数がより少ない広告を除去し、残された広告の画風特徴において前記予め設定された画風特徴があるか否かを決定し、前記予め設定された画風特徴があれば、当該予め設定された画風特徴を当該ユーザーの推薦対象広告ピクチャの画風特徴とするステップ、
   を含むことを特徴とする請求項５に記載の広告生成システム。
8. 前記推薦広告を対応するユーザーに推薦した後、それぞれの前記データソースサーバから前記推薦広告に対して露出された広告の広告クリックデータを取得し、且つ当該広告クリックデータに基づいて各ユーザーの前記推薦広告へのクリック率を計算するための計算モジュールと、
   前記クリック率が予め設定されたクリック率より小さい場合、前記推薦広告の画風特徴を改めて調整することにより、新しい画風特徴を取得するための調整モジュールと、
   新しい画風特徴に基づき、且つ前記第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を改めて取得し、且つ改めて分析した各ユーザーに対応する画風特徴に基づいて推薦広告を生成するための第２生成モジュールと、
   をさらに含むことを特徴とする請求項５乃至７のいずれか一項に記載の広告生成システム。
9. コンピュータ読み取り可能な記憶媒体であって、
   広告生成システムのコンピュータプログラムが記憶されており、前記コンピュータプログラムが実行される場合、
   それぞれの予め設定されたデータソースサーバから各ユーザーの露出された広告の広告クリックデータを取得し、前記広告クリックデータにおける広告背景ピクチャの画風特徴を抽出するステップＳ１と、
   予め設定されたユーザーに広告を推薦する場合、予め設定された画風特徴に基づき、且つ予め設定された第１分析ルールに従って各ユーザーの広告クリックデータを分析することにより、各ユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップＳ２と、
   前記データソースサーバにより、広告クリックデータを分析した各ユーザーに対応する推薦対象広告ピクチャの画風特徴に基づいて推薦広告を生成することにより、前記推薦広告を、前記広告クリックデータを分析したユーザーに推薦するステップＳ３と、
   を実現し、
   前記予め設定された画風特徴は、所定数掲出され且つ掲出効果が知られた広告ピクチャである参照広告ピクチャを、予め設定されたピクチャライブラリから選択することにより抽出され、
   前記第１分析ルールは、
   各ユーザーが前記広告クリックデータを備えない場合、予め設定された群衆クラスタリング結果に基づいて当該ユーザーが属する群衆クラスタを決定し、且つ決定された群衆クラスタにおける各ユーザーの広告クリックデータを予め設定された第２分析ルールに従って分析することにより、前記広告クリックデータを分析したユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップａ１と、
   各ユーザーが前記広告クリックデータを備えるがクリックした各広告のクリック数がいずれも第１所定閾値以下である場合、当該ユーザーを、前記広告クリックデータを備えないユーザーと扱って、前記群衆クラスタリング結果に基づいて当該ユーザーが属する群衆クラスタを決定し、且つ決定された群衆クラスタにおける各ユーザーの広告クリックデータを予め設定された第２分析ルールに従って分析することにより、前記広告クリックデータを分析したユーザーに対応する推薦対象広告ピクチャの画風特徴を決定するステップａ２と、
   各ユーザーが前記広告クリックデータを備え、且つクリックした広告におけるクリック数が第１所定閾値より多い広告の数が少なくとも１つである場合、クリック数が第１所定閾値より多い広告をクリック数に従ってソートし、且つソートした広告を予め設定された第３分析ルールに従って分析することにより、当該分析に係るユーザーに対応する推薦対象広告ピクチャの画風特徴を取得するステップａ３と、
   を含むことを特徴とするコンピュータ読み取り可能な記憶媒体。