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、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。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する。
〔1.決定処理〕
まず、図1を参照して、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の例では、実施形態に係る決定システム1によって決定処理が行われる。
図1に示すように、決定システム1には、ユーザ装置10と、コンテンツ提供者装置20と、広告主装置30と、決定装置100と、配信装置200とが含まれる。図1中では図示していないが、決定システム1は、複数台のユーザ装置10や、複数台のコンテンツ提供者装置20や、複数台の広告主装置30や、複数台の決定装置100や、複数台の配信装置200を含んでもよい。
ユーザ装置10は、ユーザによって利用される情報処理装置である。また、コンテンツ提供者装置20は、コンテンツ提供者によって利用される情報処理装置である。また、広告主装置30は、広告主によって利用される情報処理装置である。ユーザ装置10、コンテンツ提供者装置20および広告主装置30は、スマートフォン、デスクトップ型PC(Personal Computer)、ノート型PC、タブレット型PCを含む、任意のタイプの情報処理装置であってもよい。
図1の例では、ユーザ装置10は、広告が掲載されるコンテンツを要求するクライアント装置である。また、コンテンツ提供者装置20は、広告が掲載されるコンテンツの登録を要求するクライアント装置である。また、広告主装置30は、広告の登録を要求するクライアント装置である。
決定装置100は、コンテンツ提供に関する費用を決定する情報処理装置である。決定装置100は、サーバを含む、任意のタイプの情報処理装置であってもよい。図1中では図示していないが、決定装置100は、ネットワーク網(例えば、インターネット網)を介して、有線又は無線によりユーザ装置10、コンテンツ提供者装置20、広告主装置30および配信装置200と通信を行う。
図1の例では、決定装置100は、広告ネットワーク(アドネットワークとも呼ばれる)における費用や報酬を決定するサーバ装置である。例えば、決定装置100は、広告主によって支払われる広告費用を決定する。また、例えば、決定装置100は、広告が掲載されるコンテンツの提供者に支払われる広告報酬を決定する。
配信装置200は、コンテンツを配信する情報処理装置である。配信装置200は、サーバを含む、任意のタイプの情報処理装置であってもよい。
図1の例では、配信装置200は、広告が掲載されるコンテンツを配信するサーバ装置である。広告が掲載されるコンテンツは、例えば、ブログ、ウェブページ、アプリケーションのページ、ソーシャルメディア等のコンテンツである。なお、広告が掲載されるコンテンツは、プレースメント(placement)、配信面、または広告表示面などと呼ばれることもある。
ところで、従来、広告ネットワークには、様々な料金形態がある。例えば、一般的な広告ネットワークには、クリック課金型、インプレッション課金型、成果報酬型等の課金方式がある。このような課金方式では、広告主は、CPC(Cost Per Click)、CPM(Cost Per Mille)、CPA(Cost Per Acquisition)等の広告単価を、広告費用として支払う。この場合、支払われた広告費用のうちの一部は、広告報酬として、コンテンツ提供者に支払われる。また、支払われた広告費用の残りは、マージンとして、広告ネットワークを提供する広告ネットワーク事業者に支払われる。
広告ネットワークでは、一般的に、広告費用や広告報酬は、入札価格の他に、広告の品質を用いることにより決定される。広告の品質は、例えば、CTR(Click Through Rate)、広告とユーザとの関連性、広告とプレースメントとの関連性等の評価指標に基づいて決定される。一般的に、広告の品質を示す品質スコアが高いほど、広告費用は低い。このことは、広告費用や広告報酬は、一般的には、広告のクリック、ユーザとの適合性、プレースメントとの適合性等の客観的な広告効果に基づいて決定されることを意味する。
しかしながら、実際には、上述のような客観的な広告効果の他に、主観的な広告効果も存在する。例えば、コンテンツや広告の閲覧に伴って生じるユーザの感情が、主観的な広告効果として考えられ得る。
例えば、ユーザが、コンテンツに対してポジティブ感情をもった場合に、ユーザは、このコンテンツ内の広告に対しても、楽しみ等のポジティブ感情をもつかもしれない。すなわち、広告が、ユーザをいい気分にさせるコンテンツ内に表示された場合には、ユーザは、この広告を、魅力的に感じるかもしれない。このような場合、ユーザは、さらに、広告の商品や、広告に関係するエンティティ(例えば、広告主の企業)に対しても、ポジティブ感情をもつかもしれない。同様に、ユーザが、広告自体に対してポジティブ感情をもった場合に、ユーザは、広告の商品や、広告に関係するエンティティに対して、ポジティブ感情をもつかもしれない。このような2次的感情は、コンテンツや広告のハロー効果によって生じる、とも考えられる。このように、コンテンツや広告の閲覧に伴って生じるユーザの感情は、広告効果の1つとして考えられる。このことは、ユーザの感情が、広告費用や広告報酬を決定するための指標になり得ることを意味する。
そこで、図1の例示的な実施形態では、決定装置100は、ユーザの感情を考慮して適切な広告報酬や適切な広告費用を決定するために、以下に説明される決定処理を実行する。
以下に説明される決定処理の一例では、決定装置100は、ユーザの行動からユーザの感情を予測する機械学習モデルを用いて、ユーザがコンテンツや広告を閲覧した場合のユーザの感情を推定する。後述されるように、ユーザの感情を予測する機械学習モデルは、例えば、クラウドソーシングのワーカから収集された学習データに基づいて生成され得る。そして、決定装置100は、推定されたユーザの感情に応じて、広告報酬や広告費用を決定する。このようにして、決定装置100は、コンテンツや広告に応じたユーザの感情を指標として用いることにより、広告単価を決定することができる。
はじめに、決定装置100は、広告を登録するための要求を、広告主装置30から受信する(ステップS11)。
例えば、決定装置100は、広告コンテンツを、広告主装置30から受信する。そして、決定装置100は、受信された広告コンテンツを、広告主装置30の広告主に関連付けて格納する。このようにして、広告主は、広告ネットワークに広告コンテンツを登録することができる。
次いで、配信装置200は、コンテンツを登録するための要求を、コンテンツ提供者装置20から受信する(ステップS12)。
例えば、配信装置200は、コンテンツを、コンテンツ提供者装置20から受信する。そして、配信装置200は、受信されたコンテンツを、コンテンツ提供者装置20のコンテンツ提供者に関連付けて格納する。このようにして、コンテンツ提供者は、広告ネットワークにコンテンツを登録することができる。
図1の例では、配信装置200は、コンテンツを受信することに加えて、ユーザ装置10にユーザの行動情報を送信させる制御情報を、決定装置100から受信する。そして、配信装置200は、受信された制御情報を、受信されたコンテンツに含める。なお、このような制御情報は、例えば、JavaScript(登録商標)等のスクリプト言語で記述される。
次いで、配信装置200は、ユーザ装置10に、コンテンツを配信する(ステップS13)。
例えば、配信装置200は、ユーザ装置10に、広告を要求する命令(すなわち、広告コード)を含むコンテンツを、ユーザ装置10に提供する。この場合、ユーザ装置10は、コンテンツに含まれる命令に従って、広告を取得するための要求を、決定装置100に送信する。
次いで、決定装置100は、ユーザ装置10に、広告を配信する(ステップS14)。
例えば、決定装置100は、広告を取得するための要求に応答して、ユーザ装置10に、広告を提供する。
次いで、決定装置100は、ユーザの行動情報を、ユーザ装置10から取得する(ステップS15)。
図1の例では、上述のように、コンテンツは、ユーザ装置10にユーザの行動情報を送信させる制御情報を含む。このため、コンテンツが、ユーザ装置10に配信された場合には、ユーザ装置10は、コンテンツに含まれる制御情報に従って、ユーザの行動情報を、決定装置100に送信する。その結果、決定装置100は、ユーザ装置10に配信されたコンテンツを介して、ユーザの行動情報を受信することができる。
取得された行動情報は、例えば、クリック履歴、閲覧されたコンテンツの履歴、スクロール履歴、視線の履歴等の各種ログを示す。なお、視線の履歴は、例えば、ユーザ装置10に搭載された視線センサによって収集され得る。例えば、ユーザの視線は、AR(Augmented Reality)コンテンツを介して取得され得る。
次いで、決定装置100は、取得されたユーザの行動情報を用いて、ユーザの感情を推定する(ステップS16)。
例えば、決定装置100は、ユーザの行動からユーザの感情を予測する機械学習モデルを用いて、ユーザの感情を推定する。より具体的には、決定装置100は、取得されたユーザの行動情報を、ユーザが1つまたは複数の行動をとった期間におけるユーザの感情を予測する機械学習モデルに入力することによって、ユーザがコンテンツや広告を閲覧した場合のユーザの感情を推定する。
上述のユーザの感情を予測する機械学習モデルに関しては、例えば、決定装置100は、ウェアラブルデバイス等のセンシングデバイスを用いて、クラウドソーシングのワーカの生理的な反応(例えば、心拍数や体温の変化)を特定する。そして、決定装置100は、特定された生理的な反応に基づいて、ワーカが1つまたは複数の行動をとった期間におけるワーカの感情を推定する。1つまたは複数の行動は、例えば、クリック、コンテンツの閲覧、スクロール、視線の動き等の行動である。このようにして、決定装置100は、このような1つまたは複数の行動と、ユーザの感情との対応関係を学習するための学習データを生成することができる。その結果、決定装置100は、生成された学習データから、ユーザが1つまたは複数の行動をとった期間におけるユーザの感情を予測する機械学習モデルを生成することができる。なお、ユーザの感情を予測する上述の機械学習モデルを生成するための手法は、図3に関連して後述される。
次いで、決定装置100は、推定されたユーザの感情に基づいて、広告費用と報酬(すなわち、広告報酬)とを決定する(ステップS17)。
図2は、報酬算出処理および費用算出処理の一例を示す図である。例示のために、図2の例では、ユーザがコンテンツ(例えば、コンテンツのページ)をスクロールした後に、広告が、コンテンツとともに表示されたと仮定する。さらに、広告がコンテンツとともに表示された後に、ユーザが、この広告を選択したと仮定する。この例では、決定装置100は、行動情報AI11、行動情報AI21および行動情報AI22を、ユーザ装置10から取得する。
図2の例では、行動情報AI11は、コンテンツが配信された時からユーザが広告を選択した時までの期間におけるユーザの行動を示す。また、行動情報AI21は、コンテンツが配信された時から広告が表示された時までの期間におけるユーザの行動を示す。また、行動情報AI22は、広告が表示された時からユーザが広告を選択した時までの期間におけるユーザの行動を示す。
上述の報酬算出処理に関しては、決定装置100は、行動情報AI11を用いて、コンテンツが配信された時からユーザが広告を選択した時までの期間におけるユーザの感情を推定する。言い換えると、決定装置100は、行動情報AI11を用いて、コンテンツがユーザに与える感情を推定する。そして、決定装置100は、推定されたユーザの感情に基づいて、上述の広告報酬として、コンテンツ提供者への報酬を算出する。
例えば、決定装置100は、推定されたユーザの感情が、幸福等のポジティブ感情である場合に、コンテンツ提供者への報酬を増加させる。例えば、決定装置100は、推定されたユーザの感情がポジティブ感情である場合のコンテンツ提供者への報酬が、推定されたユーザの感情が中立的感情である場合のコンテンツ提供者への報酬よりも高くなるように、コンテンツ提供者への報酬を決定する。なお、中立的感情は、例えば、冷静等の感情である。このように、広告が、ユーザをいい気分にさせるコンテンツ内に表示された場合には、決定装置100は、コンテンツ提供者への報酬(すなわち、広告報酬)を増加させる。
一方、例えば、決定装置100は、推定されたユーザの感情が、嫌悪等のネガティブ感情である場合に、コンテンツ提供者への報酬を減少させる。例えば、決定装置100は、推定されたユーザの感情がネガティブ感情である場合のコンテンツ提供者への報酬が、推定されたユーザの感情が中立的感情である場合のコンテンツ提供者への報酬よりも低くなるように、コンテンツ提供者への報酬を決定する。このように、広告が、ユーザの気分を害するようなコンテンツ内に表示された場合には、決定装置100は、コンテンツ提供者への報酬を減少させる。
上述の費用算出処理に関しては、決定装置100は、行動情報AI21を用いて、コンテンツが配信された時から広告が表示された時までの期間におけるユーザの感情を推定する。言い換えると、決定装置100は、行動情報AI21を用いて、広告を閲覧する前のユーザの感情を推定する。さらに、決定装置100は、行動情報AI22を用いて、広告が表示された時からユーザが広告を選択した時までの期間におけるユーザの感情を推定する。言い換えると、決定装置100は、行動情報AI22を用いて、広告を閲覧した後のユーザの感情を推定する。そして、決定装置100は、これらの推定されたユーザの感情に基づいて、広告を閲覧した後のユーザの感情や、ユーザの感情の変遷に応じた広告費用を算出する。このように、決定装置100は、コンテンツや広告に応じたユーザの感情を指標として用いることにより、広告単価等の広告費用を決定することができる。
例えば、広告の品質を示す品質スコアの場合と同様に、決定装置100は、推定された広告を閲覧した後のユーザの感情が、幸福等のポジティブ感情である場合に、広告費用を減少させる。例えば、決定装置100は、推定された広告を閲覧した後のユーザの感情がポジティブ感情である場合の広告費用が、推定された広告を閲覧した後のユーザの感情が中立的感情である場合の広告費用よりも低くなるように、広告費用を決定する。
一方、例えば、決定装置100は、推定された広告を閲覧した後のユーザの感情が、嫌悪等のネガティブ感情である場合に、広告費用を増加させる。例えば、決定装置100は、推定された広告を閲覧した後のユーザの感情がネガティブ感情である場合の広告費用が、推定された広告を閲覧した後のユーザの感情が中立的感情である場合の広告費用もより高くなるように、広告費用を決定する。
また、例えば、広告が表示された後に、推定されたユーザの感情が、中立的感情からポジティブ感情に推移している場合に、広告費用を減少させる。例えば、決定装置100は、推定されたユーザの感情が中立的感情からポジティブ感情に推移している場合の広告費用が、推定されたユーザの感情が中立的感情からネガティブ感情に推移している場合の広告費用よりも低くなるように、広告費用を決定する。
一方、例えば、決定装置100は、広告が表示された後に、推定されたユーザの感情が、中立的感情からネガティブ感情に推移している場合に、広告費用を増加させる。例えば、決定装置100は、推定されたユーザの感情が中立的感情からネガティブ感情に推移している場合の広告費用が、推定されたユーザの感情が中立的感情からポジティブ感情に推移している場合の広告費用よりも高くなるように、広告費用を決定する。
図1に戻ると、その後、決定装置100は、決定された広告費用を設定する(ステップS18)。加えて、決定装置100は、決定された報酬(すなわち、広告報酬)を設定する(ステップS19)。
例えば、決定装置100は、決定された広告費用を、広告を識別するための識別子(すなわち、広告ID)に関連付けて格納する。加えて、決定装置100は、決定された報酬(すなわち、広告報酬)を、コンテンツを識別するための識別子(すなわち、コンテンツID)に関連付けて格納する。このようにして、決定装置100は、決定された広告費用および決定された報酬を設定することができる。
上述のように、実施形態に係る決定装置100は、ユーザの行動情報と、ユーザの行動からユーザの感情を予測する機械学習モデルとを用いて、ユーザがコンテンツや広告を閲覧した場合のユーザの感情を推定する。そして、決定装置100は、推定されたユーザの感情に応じて、コンテンツ提供者に支払われる広告報酬や、広告主によって支払われる広告費用を決定する。これにより、決定装置100は、コンテンツの質や、広告の質を向上させることができる。
例えば、コンテンツ提供者が、ネガティブ感情ではなく、ポジティブ感情を誘発するコンテンツ(例えば、広告ネットワーク内のプレースメント)を作成した場合には、コンテンツ提供者は、より多くの広告報酬を得ることができる。このため、決定装置100は、質の高いコンテンツの作成をコンテンツ提供者に促すことができる。同様に、広告主が、ネガティブ感情ではなく、ポジティブ感情を誘発する広告(例えば、広告クリエイティブ)を作成した場合には、コンテンツ提供者は、より少ない広告費用で、広告を出すことができる。このため、決定装置100は、質の高い広告の作成を広告主に促すことができる。以下、このような決定処理を実現する決定装置100について詳細に説明する。
〔2.決定装置の構成〕
次に、図3を参照して、実施形態に係る決定装置100の構成例について説明する。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(液晶ディスプレイ等)を有してもよい。
(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。通信部110は、ネットワーク網と有線又は無線により接続され、ネットワーク網を介して、ユーザ装置10、コンテンツ提供者装置20、広告主装置30および配信装置200との間で情報の送受信を行う。
(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。図3に示すように、記憶部120は、報酬情報記憶部121と、費用情報記憶部122とを有する。
(報酬情報記憶部121)
図4は、実施形態に係る報酬情報記憶部121の一例を示す図である。報酬情報記憶部121は、コンテンツ提供者の報酬情報を記憶する。例えば、報酬情報記憶部121は、コンテンツ提供者に支払われる報酬を示す報酬情報を記憶する。
報酬情報記憶部121は、例えば、決定部133によって決定された広告報酬を記憶する。図4の例では、報酬情報記憶部121には、「報酬情報」が、「コンテンツ提供者ID」および「コンテンツID」ごとに記憶される。例示として、「報酬情報」には、項目「広告報酬」が含まれる。
「コンテンツ提供者ID」は、コンテンツ提供者を識別するための識別子を示す。「コンテンツID」は、広告が掲載されたコンテンツを識別するための識別子を示す。「広告報酬」は、広告が掲載されたコンテンツを提供したコンテンツ提供者に支払われる報酬を示す。
例えば、図4は、コンテンツ提供者ID「CP1」で識別され、かつコンテンツID「C11」で識別されるコンテンツを提供したコンテンツ提供者に支払われる報酬が、広告報酬「AR11」であることを示している。広告報酬「AR11」は、例えば、コンテンツ提供者に支払われる金額を表す。広告報酬「AR11」は、クリック、インプレッション、コンバージョン等のイベントが発生した場合の報酬単価であってもよい。
(費用情報記憶部122)
図5は、実施形態に係る費用情報記憶部122の一例を示す図である。費用情報記憶部122は、広告主の費用情報を記憶する。例えば、費用情報記憶部122は、広告主によって支払われる費用を示す費用情報を記憶する。
費用情報記憶部122は、例えば、決定部133によって決定された広告費用を記憶する。図5の例では、費用情報記憶部122には、「費用情報」が、「広告主ID」および「広告ID」ごとに記憶される。例示として、「費用情報」には、項目「広告費用」が含まれる。
「広告主ID」は、広告主を識別するための識別子を示す。「広告ID」は、コンテンツに掲載された広告を識別するための識別子を示す。「広告費用」は、コンテンツに掲載された広告を提供した広告主によって支払われる費用を示す。
例えば、図5は、広告主ID「AP1」で識別され、かつ広告ID「A11」で識別される広告を提供した広告主によって支払われる費用が、広告費用「AC11」であることを示している。広告費用「AC11」は、例えば、広告主によって支払われる金額(すなわち、広告料金)を表す。広告費用「AC11」は、クリック、インプレッション、コンバージョン等のイベントが発生した場合の広告単価であってもよい。
(制御部130)
制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)等のプロセッサによって、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等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(controller)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てもよい。
制御部130は、図3に示すように、受信部131と、取得部132と、決定部133と、第1提供部134と、第2提供部135とを有し、以下に説明する情報処理の機能や作用を実現又は実行する。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。
(受信部131)
受信部131は、コンテンツのコンテンツ情報を受信する。例えば、受信部131は、広告主装置30から、広告の広告情報を受信する。受信部131は、受信された広告情報を、記憶部120内の所定の記憶領域である広告情報記憶部(図示せず)に格納してもよい。
上述のコンテンツは、例えば、広告コンテンツであるが、これに限定されるものではない。上述のコンテンツは、ニュース、動画像、音声等のマルチメディアコンテンツであってもよい。
一例では、受信部131は、広告を登録するための要求を、広告主装置30から受信する。
例えば、受信部131は、広告コンテンツを、広告主装置30から受信する。そして、受信部131は、受信された広告コンテンツを、広告主装置30の広告主に関連付けて格納する。
別の例では、受信部131は、ニュース、動画像、音声等のマルチメディアコンテンツを登録するための要求を、広告主装置30から受信してもよい。
例えば、受信部131は、マルチメディアコンテンツを、広告主装置30から受信してもよい。受信部131は、受信されたマルチメディアコンテンツを、記憶部120内の所定の記憶領域であるコンテンツ情報記憶部(図示せず)に格納してもよい。また、受信部131は、受信されたマルチメディアコンテンツを、広告主装置30の広告主に関連付けて格納してもよい。
受信部131は、利用者(例えば、ユーザ)の行動情報を受信する。例えば、受信部131は、配信装置200によって配信されたコンテンツを介して、ユーザの行動情報を受信する。受信部131は、受信された行動情報を、記憶部120内の所定の記憶領域である行動情報記憶部(図示せず)に格納してもよい。
一例では、配信装置200によって配信されたコンテンツは、広告が掲載されるコンテンツである。別の例では、配信装置200によって配信されたコンテンツは、マルチメディアコンテンツが掲載されるコンテンツであってもよい。
配信装置200によって配信されたコンテンツは、例えば、ブログ、ウェブページ、アプリケーションのページ、ソーシャルメディア等のコンテンツである。配信装置200によって配信されたコンテンツは、検索、ポータル、ショッピング、オークション、ニュース、ファイナンス、旅行、飲食店紹介、スポーツ、テレビ、動画、ゲーム、地図、路線情報、料理、不動産、自動車、ブログ、結婚、漫画、占い、地域情報等のコンテンツであってもよい。
一例では、配信装置200によって配信されたコンテンツは、ユーザ装置10にユーザの行動情報を送信させる制御情報を含む。このため、このコンテンツが、ユーザ装置10に配信された場合には、ユーザ装置10は、このコンテンツに含まれる制御情報に従って、ユーザの行動情報を、決定装置100に送信する。その結果、受信部131は、ユーザ装置10に配信されたコンテンツを介して、ユーザの行動情報を受信することができる。
一例では、受信部131は、広告を取得するための要求を、ユーザ装置10から受信する。別の例では、受信部131は、マルチメディアコンテンツ取得するための要求を、ユーザ装置10から受信する。
(取得部132)
取得部132は、利用者(例えば、ユーザ)の感情であって、この利用者に対して提供されるコンテンツと関連性を有する感情を取得する。
例えば、取得部132は、コンテンツと共に提供される提供コンテンツが利用者に提供された後における利用者の感情を取得する。例えば、取得部132は、コンテンツを利用者が選択するまでのこの利用者の感情を推定する。
また、例えば、取得部132は、コンテンツが利用者に提供された後における利用者の感情を推定する。例えば、取得部132は、コンテンツを利用者が選択するまでのこの利用者の感情を推定する。
また、例えば、取得部132は、利用者の行動であって、コンテンツと関連性を有する行動に基づいて、この利用者の感情を推定する。例えば、取得部132は、利用者の行動のうち、コンテンツと関連性を有する一連の行動と因果関係を有する感情を推定する。
また、例えば、取得部132は、利用者の行動であって、コンテンツをこの利用者が選択するまでの行動に基づいて、この利用者の感情を推定する。例えば、取得部132は、利用者の行動のうち、コンテンツと関連性を有する一連の行動と因果関係を有する感情を推定する。
また、例えば、取得部132は、広告に関するコンテンツと関連性を有する利用者の行動に基づいて、この利用者の感情を推定する。なお、取得部132は、ニュース、動画像、音声等のマルチメディアコンテンツに関するコンテンツと関連性を有する利用者の行動に基づいて、この利用者の感情を推定してもよい。
上述の利用者に対して提供されるコンテンツは、例えば、広告コンテンツ、マルチメディアコンテンツ等のコンテンツである。一方、上述のコンテンツと共に提供される提供コンテンツは、例えば、ブログ、ウェブページ、アプリケーションのページ、ソーシャルメディア等のコンテンツである。提供コンテンツは、配信装置200によって配信されたコンテンツ(例えば、検索、ポータル、ショッピング等のコンテンツ)であってもよい。
取得部132は、利用者(例えば、ユーザ)の行動情報を取得してもよい。例えば、取得部132は、受信部131によって受信された行動情報を取得してもよい。取得部132は、配信装置200によって配信されたコンテンツを介して受信された行動情報を取得してもよい。
一例では、取得部132は、ユーザの行動情報を、ユーザ装置10から取得する。この例では、取得された行動情報は、例えば、クリック履歴、閲覧されたコンテンツの履歴、スクロール履歴、視線の履歴等の各種ログを示す。なお、視線の履歴は、例えば、ユーザ装置10に搭載された視線センサによって収集され得る。例えば、ユーザの視線は、ARコンテンツを介して取得され得る。
なお、取得部132は、利用者(例えば、ユーザ)の感情と、この感情と因果関係を有する利用者の一連の行動との間の関係性を学習したモデル(例えば、MIL(Multiple Instance Learning)の技術を用いて学習したモデル)を用いて、取得した行動情報に基づき、コンテンツ閲覧時の利用者の感情を推定してもよい。例えば、取得部132は、利用者がコンテンツの閲覧時に行った一連の操作(クリックやスクロール)や利用者が閲覧したコンテンツの順番、どのようなリンクを選択したかといった利用者の時系列順の行動と、その行動を行う前、行動中、若しくは行動後に利用者が有していたと推定される感情との間の関係性を学習したモデルを用いてもよい。なお、このようなモデルは、例えば、利用者の生体情報等から推定された感情と、利用者の一連の行動との間の関係性をMILの技術を用いて学習することで実現され、利用者の一連の行動が入力された場合に、その行動を行う前、行動中、若しくは行動後等、一連の行動と何かしらの因果関係を有すると推定される感情を出力することとなる。すなわち、このようなモデルは、感情と一連の行動とを学習データとし、MILの技術を用いた学習を行うことで、入力された一連の行動の全体若しくは一部と因果関係を有する(何かしらの関連性を有する)感情を示す情報を出力するように学習が行われることとなる。また、取得部132は、利用者の行動情報及び生体情報を取得した場合、行動情報や生体情報等と、感情との間の関係性を学習したモデルを用いて、行動情報や生体情報等から利用者の感情を推定してもよい。
一例では、取得部132は、取得されたユーザの行動情報を用いて、ユーザの感情を推定する。
例えば、取得部132は、取得されたユーザの行動情報を用いて、コンテンツが配信された時からユーザが広告を選択した時までの期間におけるユーザの感情を推定する。言い換えると、取得部132は、行動情報を用いて、コンテンツがユーザに与える感情を推定する。取得部132は、取得されたユーザの行動情報を用いて、コンテンツが配信された時からユーザがマルチメディアコンテンツを選択した時までの期間におけるユーザの感情を推定してもよい。
また、例えば、取得部132は、取得されたユーザの行動情報を用いて、コンテンツが配信された時から広告が表示された時までの期間におけるユーザの感情を推定する。言い換えると、取得部132は、行動情報を用いて、広告を閲覧する前のユーザの感情を推定する。取得部132は、取得されたユーザの行動情報を用いて、コンテンツが配信された時からマルチメディアコンテンツが表示された時までの期間におけるユーザの感情を推定してもよい。
また、例えば、取得部132は、取得されたユーザの行動情報を用いて、広告が表示された時からユーザが広告を選択した時までの期間におけるユーザの感情を推定する。言い換えると、取得部132は、行動情報を用いて、広告を閲覧した後のユーザの感情を推定する。取得部132は、取得されたユーザの行動情報を用いて、マルチメディアコンテンツが表示された時からユーザがマルチメディアコンテンツを選択した時までの期間におけるユーザの感情を推定してもよい。
一例では、取得部132は、ユーザの行動からユーザの感情を予測する機械学習モデルを用いて、ユーザの感情を推定する。より具体的には、取得部132は、取得されたユーザの行動情報を、ユーザが1つまたは複数の行動をとった期間におけるユーザの感情を予測する機械学習モデルに入力することによって、ユーザがコンテンツや広告を閲覧した場合のユーザの感情を推定する。また、取得部132は、取得されたユーザの行動情報を、ユーザが1つまたは複数の行動をとった期間におけるユーザの感情を予測する機械学習モデルに入力することによって、ユーザがマルチメディアコンテンツを閲覧した場合のユーザの感情を推定してもよい。
上述のユーザの感情を予測する機械学習モデルに関しては、例えば、取得部132は、ウェアラブルデバイス等のセンシングデバイスを用いて、クラウドソーシングのワーカの生理的な反応(例えば、心拍数や体温の変化)を特定する。そして、取得部132は、特定された生理的な反応に基づいて、ワーカが1つまたは複数の行動をとった期間におけるワーカの感情を推定する。例えば、取得部132は、特定された生理的な反応に基づいて、「幸福」、「驚き」、「恐れ」等の感情(例えば、基本6感情)を、ユーザが1つまたは複数の行動をとった期間におけるユーザの感情として推定する。1つまたは複数の行動は、例えば、クリック、コンテンツの閲覧、スクロール、視線の動き等の行動である。このようにして、取得部132は、推定されたワーカの感情を、1つまたは複数のワーカの行動を示す行動情報に関連付けることができる。その結果、取得部132は、このような1つまたは複数の行動と、ユーザの感情との対応関係を学習するための学習データを生成することができる。
ユーザの感情を予測する機械学習モデルを生成するための手法に関しては、例えば、取得部132は、生成された学習データに基づいて、MILを行い、ユーザの感情を予測する予測モデルを生成する。MILでは、1つまたは複数のワーカの行動が、1つの感情のバッグ(例えば、ポジティブバッグまたはネガティブバッグ)に含まれる。所定の感情のポジティブバッグは、この所定の感情に対応する1つまたは複数の行動を含む。一方、所定の感情のネガティブバッグは、この所定の感情に対応しない1つまたは複数の行動のみを含む。例えば、取得部132は、生成された学習データに基づいて、MILを行い、ユーザの感情を予測する予測モデルとして、ユーザの感情を分類するSVM(Support Vector Machine)を生成する。生成されたSVMに入力された場合に、生成されたSVMは、ユーザが1つまたは複数のユーザの行動をとった期間におけるユーザの感情を分類する。取得部132は、取得されたユーザの行動情報を、生成された予測モデルに入力することによって、ユーザの感情と、この感情と因果関係を有するユーザの一連の行動とを推定することができる。
なお、ユーザが、ウェアラブルデバイス等のセンシングデバイスを利用している場合には、取得部132は、このセンシングデバイスを用いて、ユーザの生理的な反応(例えば、心拍数や体温の変化)を特定してもよい。センシングデバイスは、ユーザ装置10であってもよい。そして、取得部132は、特定された生理的な反応に基づいて、ユーザが1つまたは複数の行動(例えば、クリック、コンテンツの閲覧、スクロール、視線の動き等の行動)をとった期間におけるユーザの感情を推定してもよい。例えば、取得部132は、特定された生理的な反応に基づいて、「幸福」、「驚き」、「恐れ」等の感情(例えば、基本6感情)を、ユーザが1つまたは複数の行動をとった期間におけるユーザの感情として推定してもよい。このような感情は、プレースメント、広告、メディアコンテンツ等のコンテンツの閲覧と関連性がある感情であってもよい。例えば、取得部132は、幸福、冷静、嫌悪等の感情を、ユーザがこのようなコンテンツを閲覧した場合のユーザの感情として推定してもよい。
(決定部133)
決定部133は、取得部132によって取得された利用者(例えば、ユーザ)の感情に基づいて、コンテンツの提供に関する費用の額を決定する。
例えば、決定部133は、コンテンツの提供に関する費用として、コンテンツと共に提供される提供コンテンツの提供者に対して提供される報酬であって、コンテンツの提供に伴う報酬の額を決定する。例えば、決定部133は、提供コンテンツと共に提供されたコンテンツが利用者により選択されたことを契機として提供者に対して提供される報酬の額を決定する。また、例えば、決定部133は、取得部132によって取得された利用者の感情が所定の条件を満たす場合は、提供者に対する報酬の額を所定の額から増額する。
また、例えば、決定部133は、コンテンツの提供に関する費用として、コンテンツの提供者に対して請求される費用であって、コンテンツの提供に伴う費用の額を決定する。例えば、決定部133は、コンテンツが利用者により選択されたことを契機として提供者に請求される報酬の額を決定する。また、例えば、決定部133は、取得部132によって取得された取得された利用者の感情が所定の条件を満たす場合は、提供者に対する費用の額を所定の額から減額する。
また、例えば、決定部133は、取得部132によって推定された利用者の感情に基づいて、広告に関するコンテンツの提供に関する費用の額を決定する。
決定部133は、取得部132によって推定された利用者の感情に基づいて、ニュース、動画像、音声等のマルチメディアコンテンツに関するコンテンツの提供に関する費用の額を決定してもよい。
一例では、決定部133は、取得部132によって推定されたユーザの感情に基づいて、報酬(例えば、広告報酬)を決定する。例えば、決定部133は、取得部132によって推定されたコンテンツが配信された時からユーザが広告を選択した時までの期間におけるユーザの感情に基づいて、広告報酬として、コンテンツ提供者への報酬を算出する。
例えば、決定部133は、取得部132によって推定されたユーザの感情が、幸福等のポジティブ感情である場合に、コンテンツ提供者への報酬を増加させる。例えば、決定部133は、取得部132によって推定されたユーザの感情がポジティブ感情である場合のコンテンツ提供者への報酬が、取得部132によって推定されたユーザの感情が中立的感情である場合のコンテンツ提供者への報酬よりも高くなるように、コンテンツ提供者への報酬を決定する。なお、中立的感情は、例えば、冷静等の感情である。このように、広告が、ユーザをいい気分にさせるコンテンツ内に表示された場合には、決定部133は、コンテンツ提供者への報酬(すなわち、広告報酬)を増加させる。
一方、例えば、決定部133は、取得部132によって推定されたユーザの感情が、嫌悪等のネガティブ感情である場合に、コンテンツ提供者への報酬を減少させる。例えば、決定部133は、取得部132によって推定されたユーザの感情がネガティブ感情である場合のコンテンツ提供者への報酬が、推定されたユーザの感情が中立的感情である場合のコンテンツ提供者への報酬よりも低くなるように、コンテンツ提供者への報酬を決定する。このように、広告が、ユーザの気分を害するようなコンテンツ内に表示された場合には、決定部133は、コンテンツ提供者への報酬を減少させる。
別の例では、決定部133は、取得部132によって推定されたコンテンツが配信された時からユーザがマルチメディアコンテンツを選択した時までの期間におけるユーザの感情に基づいて、コンテンツ提供者への報酬を算出してもよい。
一例では、決定部133は、取得部132によって推定されたユーザの感情に基づいて、費用(例えば、広告費用)を決定する。例えば、決定部133は、取得部132によって推定された広告を閲覧した後のユーザの感情に基づいて、広告を閲覧した後のユーザの感情に応じた広告費用を算出する。また、例えば、決定部133は、取得部132によって推定されたコンテンツが配信された時から広告が表示された時までの期間におけるユーザの感情と、取得部132によって推定された広告を閲覧した後のユーザの感情とに基づいて、ユーザの感情の変遷に応じた広告費用を算出する。
例えば、広告の品質を示す品質スコアの場合と同様に、決定部133は、取得部132によって推定された広告を閲覧した後のユーザの感情が、幸福等のポジティブ感情である場合に、広告費用を減少させる。例えば、決定部133は、取得部132によって推定された広告を閲覧した後のユーザの感情がポジティブ感情である場合の広告費用が、取得部132によって推定された広告を閲覧した後のユーザの感情が中立的感情である場合の広告費用よりも低くなるように、広告費用を決定する。
一方、例えば、決定部133は、取得部132によって推定された広告を閲覧した後のユーザの感情が、嫌悪等のネガティブ感情である場合に、広告費用を増加させる。例えば、決定部133は、取得部132によって推定された広告を閲覧した後のユーザの感情がネガティブ感情である場合の広告費用が、取得部132によって推定された広告を閲覧した後のユーザの感情が中立的感情である場合の広告費用もより高くなるように、広告費用を決定する。
また、例えば、広告が表示された後に、取得部132によって推定されたユーザの感情が、中立的感情からポジティブ感情に推移している場合に、広告費用を減少させる。例えば、決定部133は、取得部132によって推定されたユーザの感情が中立的感情からポジティブ感情に推移している場合の広告費用が、取得部132によって推定されたユーザの感情が中立的感情からネガティブ感情に推移している場合の広告費用よりも低くなるように、広告費用を決定する。
一方、例えば、決定部133は、広告が表示された後に、取得部132によって推定されたユーザの感情が、中立的感情からネガティブ感情に推移している場合に、広告費用を増加させる。例えば、決定部133は、取得部132によって推定されたユーザの感情が中立的感情からネガティブ感情に推移している場合の広告費用が、取得部132によって推定されたユーザの感情が中立的感情からポジティブ感情に推移している場合の広告費用よりも高くなるように、広告費用を決定する。
別の例では、決定部133は、取得部132によって推定されたマルチメディアコンテンツを閲覧した後のユーザの感情に基づいて、マルチメディアコンテンツを閲覧した後のユーザの感情に応じた費用(すなわち、広告主によって支払われる費用)を算出してもよい。また、決定部133は、取得部132によって推定されたコンテンツが配信された時からマルチメディアコンテンツが表示された時までの期間におけるユーザの感情と、取得部132によって推定されたマルチメディアコンテンツを閲覧した後のユーザの感情とに基づいて、ユーザの感情の変遷に応じた費用を算出してもよい。
決定部133は、決定された報酬(例えば、広告報酬)を、報酬情報記憶部121に格納してもよい。また、決定部133は、決定された費用(例えば、広告費用)を、費用情報記憶部122に格納してもよい。
一例では、決定部133は、決定された広告費用を設定する。加えて、決定部133は、決定された広告報酬を設定する。
例えば、決定部133は、決定された広告費用を、広告を識別するための識別子(すなわち、広告ID)に関連付けて格納する。加えて、決定部133は、決定された広告報酬を、コンテンツを識別するための識別子(すなわち、コンテンツID)に関連付けて格納する。このようにして、決定部133は、決定された広告費用および決定された報酬を設定する。
(第1提供部134)
第1提供部134は、ユーザ装置10に、コンテンツを提供する。例えば、第1提供部134は、ユーザ装置10に、広告コンテンツを提供する。第1提供部134は、例えば、受信部131によって受信された広告コンテンツを、ユーザ装置10に提供する。第1提供部134は、広告情報記憶部(図示せず)から、広告コンテンツを取得してもよい。第1提供部134は、取得された広告コンテンツを、ユーザ装置10に提供してもよい。
第1提供部134は、マルチメディアコンテンツを、ユーザ装置10に提供してもよい。第1提供部134は、例えば、受信部131によって受信されたマルチメディアコンテンツを、ユーザ装置10に提供してもよい。第1提供部134は、コンテンツ情報記憶部(図示せず)から、マルチメディアコンテンツを取得してもよい。第1提供部134は、取得されたマルチメディアコンテンツを、ユーザ装置10に提供してもよい。
一例では、第1提供部134は、ユーザ装置10に、広告を配信する。この例では、受信部131によって広告を取得するための要求が受信された場合に、第1提供部134は、ユーザ装置10に広告を提供する。
一例では、第1提供部134は、ユーザ装置10にユーザの行動情報を送信させる制御情報を、配信装置200に送信する。この例では、配信装置200は、ユーザ装置10にユーザの行動情報を送信させる制御情報を、第1提供部134から受信する。そして、配信装置200は、受信された制御情報を、受信されたコンテンツに含める。なお、このような制御情報は、例えば、JavaScript(登録商標)等のスクリプト言語で記述される。
(第2提供部135)
第2提供部135は、コンテンツ提供者の報酬情報を、コンテンツ提供者装置20に提供する。例えば、第2提供部135は、決定部133によって決定された報酬(例えば、広告報酬)を示す報酬情報を、コンテンツ提供者装置20に提供する。第2提供部135は、報酬情報記憶部121から、報酬情報を取得してもよい。第2提供部135は、取得された報酬情報を、コンテンツ提供者装置20に提供してもよい。
第2提供部135は、広告主の費用情報を、広告主装置30に提供する。例えば、第2提供部135は、決定部133によって決定された費用(例えば、広告費用)を示す費用情報を、広告主装置30に提供する。第2提供部135は、費用情報記憶部122から、費用情報を取得してもよい。第2提供部135は、取得された費用情報を、広告主装置30に提供してもよい。
〔3.決定処理のフロー〕
次に、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6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6に示すように、はじめに、決定装置100は、利用者の感情であって、この利用者に対して提供されるコンテンツと関連性を有する感情を取得する(ステップS101)。
例えば、決定装置100は、コンテンツと共に提供される提供コンテンツが利用者に提供された後における利用者の感情を取得する。例えば、決定装置100は、コンテンツを利用者が選択するまでのこの利用者の感情を推定する。
また、例えば、決定装置100は、コンテンツが利用者に提供された後における利用者の感情を推定する。例えば、決定装置100は、コンテンツを利用者が選択するまでのこの利用者の感情を推定する。
また、例えば、決定装置100は、利用者の行動であって、コンテンツと関連性を有する行動に基づいて、この利用者の感情を推定する。例えば、決定装置100は、利用者の行動のうち、コンテンツと関連性を有する一連の行動と因果関係を有する感情を推定する。
また、例えば、決定装置100は、利用者の行動であって、コンテンツをこの利用者が選択するまでの行動に基づいて、この利用者の感情を推定する。例えば、決定装置100は、利用者の行動のうち、コンテンツと関連性を有する一連の行動と因果関係を有する感情を推定する。
また、例えば、決定装置100は、広告に関するコンテンツと関連性を有する利用者の行動に基づいて、この利用者の感情を推定する。
次いで、決定装置100は、取得された利用者の感情に基づいて、コンテンツの提供に関する費用の額を決定する(ステップS102)。
例えば、決定装置100は、コンテンツの提供に関する費用として、コンテンツと共に提供される提供コンテンツの提供者に対して提供される報酬であって、コンテンツの提供に伴う報酬の額を決定する。例えば、決定装置100は、提供コンテンツと共に提供されたコンテンツが利用者により選択されたことを契機として提供者に対して提供される報酬の額を決定する。また、例えば、決定装置100は、取得された利用者の感情が所定の条件を満たす場合は、提供者に対する報酬の額を所定の額から増額する。
また、例えば、決定装置100は、コンテンツの提供に関する費用として、コンテンツの提供者に対して請求される費用であって、コンテンツの提供に伴う費用の額を決定する。例えば、決定装置100は、コンテンツが利用者により選択されたことを契機として提供者に請求される報酬の額を決定する。また、例えば、決定装置100は、取得された利用者の感情が所定の条件を満たす場合は、提供者に対する費用の額を所定の額から減額する。
また、例えば、決定装置100は、推定された利用者の感情に基づいて、広告に関するコンテンツの提供に関する費用の額を決定する。
〔4.変形例〕
上述の実施形態に係る決定装置100は、上記の実施形態以外にも、種々の異なる形態で実施されてよい。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。
〔4-1.ユーザ属性を考慮した感情推定〕
取得部132は、利用者(例えば、ユーザ)の行動と、この利用者の属性とに基づいて、この利用者の感情を推定してもよい。
例えば、取得部132は、ユーザ属性を考慮したユーザの感情を予測する機械学習モデルを用いて、ユーザの感情を推定してもよい。上述のユーザの感情を予測する機械学習モデルは、クラウドソーシングのワーカの属性ごとに生成されてもよい。このようにして、取得部132は、ユーザ属性を考慮したユーザの感情を予測する機械学習モデルを生成することができる。
例示のために、第1のユーザ属性を有する第1のユーザが、第1の行動をとったと仮定する。さらに、第1のユーザ属性とは異なる第2のユーザ属性を有する第2のユーザが、第1のユーザと同じ行動をとったと仮定する。この例では、取得部132は、第1のユーザの行動と、第1のユーザ属性とに基づいて、第1のユーザの感情を推定してもよい。また、取得部132は、第1のユーザの行動と、第2のユーザ属性とに基づいて、第2のユーザの感情を推定してもよい。
第1のユーザがコンテンツや広告を閲覧した場合の第1のユーザの感情が、幸福等のポジティブ感情である場合に、決定部133は、コンテンツ提供者への広告報酬を増加させてもよい。一方、第2のユーザがこのコンテンツやこの広告を閲覧した場合の第2のユーザの感情が、嫌悪等のネガティブ感情である場合に、決定部133は、コンテンツ提供者への広告報酬を減少させてもよい。すなわち、コンテンツや広告が、第1のユーザにとって快適である場合に、広告報酬は、増加されてもよい。一方、このコンテンツやこの広告が、第2のユーザにとって不快である場合に、広告報酬は、減少されてもよい。
〔4-2.コンテンツの内容を考慮した感情推定〕
取得部132は、利用者(例えば、ユーザ)の行動と、コンテンツの内容とに基づいて、この利用者の感情を推定してもよい。
例えば、取得部132は、コンテンツの内容を考慮したユーザの感情を予測する機械学習モデルを用いて、ユーザの感情を推定してもよい。上述のユーザの感情を予測する機械学習モデルは、コンテンツの内容に対応するユーザの行動と、ユーザの感情との対応関係を学習するための学習データから生成されてもよい。コンテンツの内容に対応するユーザの行動は、例えば、閲覧されたコンテンツ内の広告スペース(すなわち、広告枠)の位置やサイズに対応してもよい。このようにして、取得部132は、コンテンツの内容(例えば、コンテンツ内の広告スペースの位置やサイズ)を考慮したユーザの感情を予測する機械学習モデルを生成することができる。この場合、取得部132は、コンテンツの見づらさや広告のサイズに基づいて、ユーザの感情を推定することができる。このため、取得部132は、ユーザフレンドリーなコンテンツの作成をコンテンツ提供者に促すことができる。
〔4-3.コンテンツの提供態様を考慮した感情推定〕
取得部132は、利用者の行動と、コンテンツの提供態様とに基づいて、この利用者の感情を推定してもよい。
例えば、取得部132は、コンテンツの提供態様を考慮したユーザの感情を予測する機械学習モデルを用いて、ユーザの感情を推定してもよい。上述のユーザの感情を予測する機械学習モデルは、コンテンツの提供態様に対応するユーザの行動と、ユーザの感情との対応関係を学習するための学習データから生成されてもよい。コンテンツの提供態様に対応するユーザの行動は、例えば、コンテンツ内に広告を表示するタイミング、広告の表示時間、広告が表示される領域に対応してもよい。このようにして、取得部132は、コンテンツの提供態様(例えば、コンテンツ内に広告を表示するタイミング、広告の表示時間広告が表示される領域)を考慮したユーザの感情を予測する機械学習モデルを生成することができる。この場合、取得部132は、広告の現れ方に基づいて、ユーザの感情を推定することができる。このため、取得部132は、ユーザフレンドリーな広告の作成を広告主に促すことができる。
〔4-4.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一部を手動的に行うこともできる。あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
例えば、図3に示した記憶部120の一部又は全部は、決定装置100によって保持されるのではなく、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、報酬情報や費用情報等の各種情報を取得する。
〔4-5.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7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7は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力IF(Interface)1060、入力IF1070、ネットワークIF1080がバス1090により接続された形態を有する。
演算装置1030は、一次記憶装置1040や二次記憶装置1050に格納されたプログラムや入力装置1020から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置1040は、RAM等、演算装置1030が各種の演算に用いるデータを一時的に記憶するメモリ装置である。また、二次記憶装置1050は、演算装置1030が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ROM(Read Only Memory)、HDD、フラッシュメモリ等により実現される。
出力IF1060は、モニタやプリンタといった各種の情報を出力する出力装置1010に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、USB(Universal Serial Bus)やDVI(Digital Visual Interface)、HDMI(登録商標)(High Definition Multimedia Interface)といった規格のコネクタにより実現される。また、入力IF1070は、マウス、キーボード、およびスキャナ等といった各種の入力装置1020から情報を受信するためのインタフェースであり、例えば、USB等により実現される。
なお、入力装置1020は、例えば、CD(Compact Disc)、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から情報を読み出す装置であってもよい。また、入力装置1020は、USBメモリ等の外付け記憶媒体であってもよい。
ネットワークIF1080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演算装置1030へ送り、また、ネットワークNを介して演算装置1030が生成したデータを他の機器へ送信する。
演算装置1030は、出力IF1060や入力IF1070を介して、出力装置1010や入力装置1020の制御を行う。例えば、演算装置1030は、入力装置1020や二次記憶装置1050からプログラムを一次記憶装置1040上にロードし、ロードしたプログラムを実行する。
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の演算装置1030は、一次記憶装置1040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。
〔5.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132と、決定部133とを有する。取得部132は、利用者の感情であって、この利用者に対して提供されるコンテンツと関連性を有する感情を取得する。決定部133は、取得部132により取得された利用者の感情に基づいて、コンテンツの提供に関する費用の額を決定する。
また、実施形態に係る決定装置100において、決定部133は、コンテンツの提供に関する費用として、コンテンツと共に提供される提供コンテンツの提供者に対して提供される報酬であって、コンテンツの提供に伴う報酬の額を決定する。
また、実施形態に係る決定装置100において、決定部133は、提供コンテンツと共に提供されたコンテンツが利用者により選択されたことを契機として提供者に対して提供される報酬の額を決定する。
また、実施形態に係る決定装置100において、取得部132は、提供コンテンツが利用者に提供された後における利用者の感情を取得する。
また、実施形態に係る決定装置100において、取得部132は、コンテンツを利用者が選択するまでのこの利用者の感情を推定する。
また、実施形態に係る決定装置100において、決定部133は、取得部132により取得された利用者の感情が所定の条件を満たす場合は、提供者に対する報酬の額を所定の額から増額する。
また、実施形態に係る決定装置100において、決定部133は、コンテンツの提供に関する費用として、コンテンツの提供者に対して請求される費用であって、コンテンツの提供に伴う費用の額を決定する。
また、実施形態に係る決定装置100において、決定部133は、コンテンツが利用者により選択されたことを契機として提供者に請求される報酬の額を決定する。
また、実施形態に係る決定装置100において、取得部132は、コンテンツが利用者に提供された後における利用者の感情を推定する。
また、実施形態に係る決定装置100において、取得部132は、コンテンツを利用者が選択するまでのこの利用者の感情を推定する。
また、実施形態に係る決定装置100において、決定部133は、取得部132により取得された利用者の感情が所定の条件を満たす場合は、提供者に対する費用の額を所定の額から減額する。
また、実施形態に係る決定装置100において、取得部132は、利用者の行動であって、コンテンツと関連性を有する行動に基づいて、この利用者の感情を推定する。
また、実施形態に係る決定装置100において、取得部132は、利用者の行動であって、コンテンツをこの利用者が選択するまでの行動に基づいて、この利用者の感情を推定する。
また、実施形態に係る決定装置100において、取得部132は、利用者の行動のうち、コンテンツと関連性を有する一連の行動と因果関係を有する感情を推定する。
また、実施形態に係る決定装置100において、取得部132は、広告に関するコンテンツと関連性を有する利用者の行動に基づいて、この利用者の感情を推定する。また、実施形態に係る決定装置100において、決定部133は、推定された利用者の感情に基づいて、広告に関するコンテンツの提供に関する費用の額を決定する。
また、実施形態に係る決定装置100において、取得部132は、利用者の行動と、この利用者の属性とに基づいて、この利用者の感情を推定する。
また、実施形態に係る決定装置100において、取得部132は、利用者の行動と、コンテンツの内容とに基づいて、この利用者の感情を推定する。
また、実施形態に係る決定装置100において、取得部132は、利用者の行動と、コンテンツの提供態様とに基づいて、この利用者の感情を推定する。
上述した各処理により、決定装置100は、適切なコンテンツの提供を促進することができる。
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
また、上述した決定装置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、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、受信部は、受信手段や受信回路に読み替えることができる。