JP7481520B1 - 広告配信装置、広告配信方法、および広告配信プログラム - Google Patents
広告配信装置、広告配信方法、および広告配信プログラム Download PDFInfo
- Publication number
- JP7481520B1 JP7481520B1 JP2023026002A JP2023026002A JP7481520B1 JP 7481520 B1 JP7481520 B1 JP 7481520B1 JP 2023026002 A JP2023026002 A JP 2023026002A JP 2023026002 A JP2023026002 A JP 2023026002A JP 7481520 B1 JP7481520 B1 JP 7481520B1
- Authority
- JP
- Japan
- Prior art keywords
- user
- advertisement distribution
- user group
- users
- advertisement
- 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 25
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 238000012384 transportation and delivery Methods 0.000 claims description 66
- 230000008569 process Effects 0.000 claims description 17
- 238000007726 management method Methods 0.000 claims description 12
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000002716 delivery method Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000035622 drinking Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
また、近年では、費用対効果等の観点から、ユーザに対する商品の提案は、しばしばユーザ装置への広告配信により行われている。
上記した本発明の目的、態様及び効果並びに上記されなかった本発明の目的、態様及び効果は、当業者であれば添付図面及び請求の範囲の記載を参照することにより下記の発明を実施するための形態から理解できるであろう。
図1に、本実施形態による広告配信システムの構成例を示す。本広告配信システムは、その一例として、図1に示すように、広告配信装置10と、任意の複数のユーザ1~Nにより使用される複数のユーザ装置11-1~11-N(N>1)を含んで構成される。なお、以下の説明において、特に説明がない限り、ユーザ装置11-1~11-Nをユーザ装置11と総称しうる。また、以下の説明において、ユーザ装置とユーザという語は同義に使用されうる。また、以下の説明において、所定の処理のために選択されるユーザ1~Nのいずれかのユーザを、対象ユーザと称しうる。
なお、ユーザ装置11は、図1に示すような形態のデバイスに限らず、デスクトップ型のPC(Personal Computer)や、ノート型のPCといったデバイスであってもよい。その場合、各ユーザによる操作は、マウスやキーボードといった入力装置を用いて行われうる。また、ユーザ装置11は、表示面を別に備えてもよい。
さらに、当該ウェブサービスは、車管理サービスを含むことができる。本実施形態において、車管理サービスは、ユーザが登録した自動車に関連したサービスを提供するサービスである。なお、ユーザが登録した自動車は、ユーザが所有する自動車に限定されず、ユーザが直接的あるいは間接的に管理することが可能な自動車であってもよい。
図2は、本実施形態による広告配信装置10の機能構成の一例を示す。
図2に示す広告配信装置10は、ユーザ属性取得部101、予測部102、広告配信部103、配信条件設定部104、学習モデル記憶部110、および属性記憶部120を備える。学習モデル記憶部110は、ユーザ属性予測モデル111およびチャネル傾向予測モデル112を記憶している。当該各種学習モデルについては後述する。また、属性記憶部120は、ユーザ属性121を記憶している。当該ユーザ属性ついては後述する。
サービス利用情報は、ウェブサービスにおけるサービス利用履歴を含む。サービス利用履歴は、例えば、ウェブサービスにおいてアイテム(商品やサービス)を購入した場合は、購入したアイテムに関する情報(アイテム名、ジャンル、販売元等)や購入日時の情報を含む。また、サービス利用情報は、ユーザによりアイテム購入の際にウェブサービスに登録された趣向を示すデータを含みうる。また、サービス利用情報は、ウェブサービス対するアクセス履歴、検索履歴、コメント履歴、その他のアクション履歴を含みうる。
さらに、本実施形態による推定属性は、旅行に行く確率、スポーツをする確率、たばこを吸う確率、お酒を飲む確率、新聞を購読している確率、ヘルスケア商品を購入する確率といった、ユーザのライフスタイルに関する特徴を含みうる。ここで、旅行に行く確率は、個人で旅行する確率、国内を旅行する確率、国外を旅行する確率、のように、旅行の目的や種別に分かれた確率であってよい。また、たばこを吸う確率やお酒を飲む確率は、場所(例えば、家か外出先(レストラン等))で分かれた確率であってよい。
なお、チャネル傾向予測モデル112は、広告配信装置10の所定の機能ブロックにより学習されて学習モデル記憶部110に格納されてもよいし、外部の装置により学習されて学習モデル記憶部110に格納されてもよい。
予測部102は、このような予測および分類処理を、ユーザ1~Nの全ユーザに対して行う。これにより、予測部102は、ユーザ1~Nを、代理店チャネルに適する第1ユーザ群と、ダイレクトチャネルに適する第2ユーザ群に、分類(セグメント化)することができる。
このような処理により、予測部102は、ユーザ1~Nを、第1ユーザ群(または、第2ユーザ群)と、第1ユーザ群以外のユーザである第2ユーザ群(または、第2ユーザ群以外のユーザである第1ユーザ群)に、分類することができる。
例えば、第1ユーザ群に、代理店チャネルに対応する1つ以上の保険商品の広告を配信することは、第1ユーザ群に、第2ユーザ群より高頻度に、代理店チャネルに対応する1つ以上の保険商品の広告を配信することを含む。また、第1ユーザ群に、代理店チャネルに対応する1つ以上の保険商品の広告を配信することは、第1ユーザ群に、第2ユーザ群より先行して、代理店チャネルに対応する1つ以上の保険商品の広告を配信することを含む。
同様に、第2ユーザ群に、ダイレクトチャネルに対応する1つ以上の保険商品の広告を配信することは、第2ユーザ群に、第1ユーザ群より高頻度に、ダイレクトチャネルに対応する1つ以上の保険商品の広告を配信することを含む。また、第2ユーザ群に、ダイレクトチャネルに対応する1つ以上の保険商品の広告を配信することは、第2ユーザ群に、第1ユーザ群より先行して、ダイレクトチャネルに対応する1つ以上の保険商品の広告を配信することを含む。
図5は、本実施形態による広告配信装置10のハードウェア構成の一例を示すブロック図である。
本実施形態による広告配信装置10は、単一または複数の、あらゆるコンピュータ、モバイルデバイス、または他のいかなる処理プラットフォーム上にも実装することができる。
図5を参照して、広告配信装置10は、単一のコンピュータに実装される例が示されているが、本実施形態による広告配信装置10は、複数のコンピュータを含むコンピュータシステムに実装されてよい。複数のコンピュータは、有線または無線のネットワークにより相互通信可能に接続されてよい。
CPU51は、広告配信装置10における動作を統括的に制御するものであり、データ伝送路であるシステムバス58を介して、各構成部(52~57)を制御する。
RAM53は、揮発性メモリであり、CPU51の主メモリ、ワークエリア等として機能する。すなわち、CPU51は、処理の実行に際してROM52から必要なプログラム等をRAM53にロードし、当該プログラム等を実行することで各種の機能動作を実現する。図2に示す学習モデル記憶部110および属性記憶部120は、RAM53で構成されうる。
入力部55は、キーボードやマウス等のポインティングデバイスにより構成される。
表示部56は、液晶ディスプレイ(LCD)等のモニターにより構成される。表示部56は、入力部55と組み合わせて構成されることにより、GUI(Graphical User Interface)として機能してもよい。
通信I/F57は、ネットワークとのインタフェースを提供し、ネットワークを介して、外部の装置との通信を実行する。通信I/F57を介して、外部の装置との間で各種データや各種パラメータ等が送受信される。本実施形態では、通信I/F57は、イーサネット(登録商標)等の通信規格に準拠する有線LAN(Local Area Network)や専用線を介した通信を実行してよい。ただし、本実施形態で利用可能なネットワークはこれに限定されず、無線ネットワークで構成されてもよい。この無線ネットワークは、Bluetooth(登録商標)、ZigBee(登録商標)、UWB(Ultra Wide Band)等の無線PAN(Personal Area Network)を含む。また、Wi-Fi(Wireless Fidelity)(登録商標)等の無線LAN(Local Area Network)や、WiMAX(登録商標)等の無線MAN(Metropolitan Area Network)を含む。さらに、3GPPにより規定される5G等の公衆網(無線WAN(Wide Area Network))を含む。なお、ネットワークは、各機器を相互に通信可能に接続し、通信が可能であればよく、通信の規格、規模、構成は上記に限定されない。
図1に示すユーザ装置11のハードウェア構成は、図5と同様でありうる。すなわち、ユーザ装置11は、CPU51と、ROM52と、RAM53と、HDD54と、入力部55と、表示部56と、通信I/F57と、システムバス58とを備えうる。ユーザ装置11は、広告配信装置10により提供された各種情報を、表示部56に表示し、GUI(入力部55と表示部56による構成)を介してユーザから受け付ける入力操作に対応する処理を行うことができる。
図6に、本実施形態による広告配信装置10により実行される処理のフローチャートを示す。図6に示す処理は、広告配信装置10のCPU51がROM52等に格納されたプログラムをRAM53にロードして実行することによって実現されうる。学習済みの、ユーザ属性予測モデル111およびチャネル傾向予測モデル112は、学習モデル記憶部110に格納されているものとする。また、ユーザ属性121は、属性記憶部120に格納されているものとする。
なお、図6の説明のために所定のチャネルが代理店チャネルであることを想定したが、所定のチャネルがダイレクトチャネルの場合も、同様の説明を適用できる。
[1]複数のユーザそれぞれのユーザ属性を機械学習により得られた学習済みモデルに入力して、保険商品に係る所定の加入チャネルにおける前記複数のユーザそれぞれの成約確率を予測する予測部と、前記複数のユーザのうち、前記成約確率が所定の条件を満たす第1のユーザ群に対して、前記複数のユーザのうち前記第1のユーザ群以外の第2のユーザ群より、前記所定の加入チャネルに対応する1つ以上の保険商品に関する広告を優先して配信する広告配信部と、を有する広告配信装置。
Claims (11)
- 複数のユーザそれぞれのユーザ属性を機械学習により得られた学習済みモデルに入力して、保険商品に係る所定の加入チャネルにおける前記複数のユーザそれぞれの成約確率を予測する予測部と、
前記複数のユーザのうち、前記成約確率が所定の条件を満たす第1のユーザ群に対して、前記複数のユーザのうち前記第1のユーザ群以外の第2のユーザ群より、前記所定の加入チャネルに対応する1つ以上の保険商品に関する広告を優先して配信する広告配信部と、
を有する広告配信装置。 - 前記ユーザ属性は、ユーザについての事実属性と、前記事実属性に基づいて推定される推定属性と、を含む、
請求項1に記載の広告配信装置。 - 前記ユーザ属性は、ユーザによる、車管理サービスを含むウェブサービスにおける利用履歴を含む、
請求項1に記載の広告配信装置。 - 前記学習済みモデルは、ランダムフォレストモデルもしくは勾配ブースティングモデルである、
請求項1に記載の広告配信装置。 - 前記広告配信部は、前記1つ以上の保険商品に関する広告を、電子メールによって、前記第1のユーザ群に対して配信する、
請求項1に記載の広告配信装置。 - 前記広告配信部は、前記1つ以上の保険商品に関する広告を、アプリ内広告によって、前記第1のユーザ群に対して配信する、
請求項1に記載の広告配信装置。 - 前記広告配信部は、前記第1のユーザ群に対して、前記第2のユーザ群より高頻度に、前記1つ以上の保険商品に関する広告を配信する、
請求項1に記載の広告配信装置。 - 前記広告配信部は、前記第1のユーザ群に対して、前記第2のユーザ群に先行して、前記1つ以上の保険商品に関する広告を配信する、
請求項1に記載の広告配信装置。 - 広告の配信数と配信コストに基づくマーケティングコストが、前記所定の加入チャネルに対する目標コストを超えないように配信条件を設定する配信条件設定部を更に有し、
前記広告配信部は、前記配信条件に従って、前記第1のユーザ群に対して、前記第2のユーザ群より、前記1つ以上の保険商品に関する広告を優先して配信する、
請求項1に記載の広告配信装置。 - 広告配信装置によって実行される広告配信方法であって、
複数のユーザそれぞれのユーザ属性を機械学習により得られた学習済みモデルに入力して、保険商品に係る所定の加入チャネルにおける前記複数のユーザそれぞれの成約確率を予測する予測工程と、
前記複数のユーザのうち、前記成約確率が所定の条件を満たす第1のユーザ群に対して、前記複数のユーザのうち前記第1のユーザ群以外の第2のユーザ群より、前記所定の加
入チャネルに対応する1つ以上の保険商品に関する広告を優先して配信する広告配信工程と、
を含む、広告配信方法。 - 広告配信処理をコンピュータに実行させるための広告配信プログラムであって、該広告配信プログラムは、前記コンピュータに、
複数のユーザそれぞれのユーザ属性を機械学習により得られた学習済みモデルに入力して、保険商品に係る所定の加入チャネルにおける前記複数のユーザそれぞれの成約確率を予測する予測処理と、
前記複数のユーザのうち、前記成約確率が所定の条件を満たす第1のユーザ群に対して、前記複数のユーザのうち前記第1のユーザ群以外の第2のユーザ群より、前記所定の加入チャネルに対応する1つ以上の保険商品に関する広告を優先して配信する広告配信処理と、を含む処理を実行させるためのものである、
広告配信プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023026002A JP7481520B1 (ja) | 2023-02-22 | 2023-02-22 | 広告配信装置、広告配信方法、および広告配信プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023026002A JP7481520B1 (ja) | 2023-02-22 | 2023-02-22 | 広告配信装置、広告配信方法、および広告配信プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7481520B1 true JP7481520B1 (ja) | 2024-05-10 |
Family
ID=90926005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023026002A Active JP7481520B1 (ja) | 2023-02-22 | 2023-02-22 | 広告配信装置、広告配信方法、および広告配信プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7481520B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014207007A (ja) | 2009-02-17 | 2014-10-30 | アクセンチュア グローバル サービスィズ リミテッド | マーケティング活動用のインターネット・マーケティング・チャンネルを最適化するためのコンピュータシステム、方法、およびコンピュータ可読媒体 |
JP2017091439A (ja) | 2015-11-17 | 2017-05-25 | 日本生命保険相互会社 | 訪問準備システム |
JP2018206100A (ja) | 2017-06-06 | 2018-12-27 | カタリナ マーケティング ジャパン株式会社 | 情報収集処理システム |
JP2022093177A (ja) | 2020-12-11 | 2022-06-23 | 東京海上日動火災保険株式会社 | 保険提案装置、保険提案方法およびプログラム |
-
2023
- 2023-02-22 JP JP2023026002A patent/JP7481520B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014207007A (ja) | 2009-02-17 | 2014-10-30 | アクセンチュア グローバル サービスィズ リミテッド | マーケティング活動用のインターネット・マーケティング・チャンネルを最適化するためのコンピュータシステム、方法、およびコンピュータ可読媒体 |
JP2017091439A (ja) | 2015-11-17 | 2017-05-25 | 日本生命保険相互会社 | 訪問準備システム |
JP2018206100A (ja) | 2017-06-06 | 2018-12-27 | カタリナ マーケティング ジャパン株式会社 | 情報収集処理システム |
JP2022093177A (ja) | 2020-12-11 | 2022-06-23 | 東京海上日動火災保険株式会社 | 保険提案装置、保険提案方法およびプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo | Quantifying the long-term impact of negative word of mouth on cash flows and stock prices | |
Ngobo | The trajectory of customer loyalty: an empirical test of Dick and Basu’s loyalty framework | |
Eisend | Have we progressed marketing knowledge? A meta-meta-analysis of effect sizes in marketing research | |
Lasek et al. | Restaurant sales and customer demand forecasting: Literature survey and categorization of methods | |
Danaher et al. | A comparison of online and offline consumer brand loyalty | |
Sharma et al. | Turning the blackbox into a glassbox: An explainable machine learning approach for understanding hospitality customer | |
Tupikovskaja-Omovie et al. | Clustering consumers' shopping journeys: eye tracking fashion m-retail | |
US20180240158A1 (en) | Computer implemented system and method for customer profiling using micro-conversions via machine learning | |
Fu et al. | Effects of membership tier on user content generation behaviors: Evidence from online reviews | |
JP6469195B1 (ja) | 特典付与装置、特典付与方法及び特典付与プログラム | |
Tyrväinen et al. | A systematic literature review and analysis of mobile retailing adoption | |
Bhat et al. | Antecedents and consequences of online buying behavior: a mediation study | |
Valenti et al. | Direct mail to prospects and email to current customers? Modeling and field-testing multichannel marketing | |
Eti et al. | Analysing customer satisfaction of civil aviation companies of Turkey with text mining | |
JP7481520B1 (ja) | 広告配信装置、広告配信方法、および広告配信プログラム | |
Llorens et al. | A study on the downloading intention of fashion retailers’ apps | |
Netter | User Satisfaction and Dissatisfaction in the App Sharing Economy: An Investigation Into Two-sided Mobile Fashion Reselling and Swapping Markets | |
Upadhyay et al. | Does crowdsourcing services moderate effect on supply risk management performance in COVID-19 pandemic: evidence from India | |
Huang et al. | A method of customer valuation score and implementation for marketing strategy | |
Fotrousi et al. | Software analytics for planning product evolution | |
Doyle et al. | Planning and estimation in advertising | |
Mutum | Introduction to service branding and servicescapes | |
US9886676B1 (en) | Behavior-based business recommendations | |
Xu et al. | Analysis and FP-Growth Algorithm Design on Discount Data of Department Store Members | |
Dutwin et al. | Leveraging Predictive Modelling from Multiple Sources of Big Data to Improve Sample Efficiency and Reduce Survey Nonresponse Error |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240416 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240418 |
|
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: 20240423 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7481520 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |