WO2021153505A1 - 予測装置、予測方法、及び予測プログラム - Google Patents

予測装置、予測方法、及び予測プログラム Download PDF

Info

Publication number
WO2021153505A1
WO2021153505A1 PCT/JP2021/002454 JP2021002454W WO2021153505A1 WO 2021153505 A1 WO2021153505 A1 WO 2021153505A1 JP 2021002454 W JP2021002454 W JP 2021002454W WO 2021153505 A1 WO2021153505 A1 WO 2021153505A1
Authority
WO
WIPO (PCT)
Prior art keywords
broadcast
information
contact
prediction
contact information
Prior art date
Application number
PCT/JP2021/002454
Other languages
English (en)
French (fr)
Inventor
渉 岸本
Original Assignee
株式会社電通
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社電通 filed Critical 株式会社電通
Priority to US17/792,925 priority Critical patent/US20230066059A1/en
Priority to CN202180025183.0A priority patent/CN115380304A/zh
Priority to EP21747396.6A priority patent/EP4099251A4/en
Publication of WO2021153505A1 publication Critical patent/WO2021153505A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0244—Optimization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0252—Targeted advertisements based on events or environment, e.g. weather or festivals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0264—Targeted advertisements based upon schedule
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/02—Arrangements for generating broadcast information; Arrangements for generating broadcast-related information with a direct linking to broadcast information or to broadcast space-time; Arrangements for simultaneous generation of broadcast information and broadcast-related information
    • H04H60/06—Arrangements for scheduling broadcast services or broadcast-related services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/35—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users
    • H04H60/38—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users for identifying broadcast time or space
    • H04H60/40—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users for identifying broadcast time or space for identifying broadcast time

Definitions

  • the present invention relates to a prediction device, a prediction method, and a prediction program.
  • the advanced audience rating predictor predicts the target audience rating with an accuracy higher than a predetermined accuracy, and / or inputs the audience rating data measured by a third party in real time. .. Then, the advanced audience rating prediction device transmits the predicted audience rating data of the advertising space and / or the audience rating data immediately before being broadcast to the target actual optimization device.
  • the target actual optimization device redistributes the material allocation to the ad space based on the third data obtained by evaluating the difference between the first data and the second data for each ad space.
  • CM Common Message
  • the predicted audience rating with the desired accuracy may not always be obtained depending on the conditions regarding the scheduled broadcast date of the CM.
  • such a problem occurs not only when predicting the audience rating of commercials but also when predicting the audience rating of various broadcast information including broadcast programs. Further, such a problem occurs not only in the case of predicting the audience rating of the broadcast information but also in the case of predicting various broadcast contact information indicating the degree of contact from the receiver with respect to the broadcast information.
  • an object of the present invention is to accurately predict broadcast contact information according to conditions related to broadcast information.
  • the prediction device includes a storage unit, a calculation unit, and a prediction unit.
  • the storage unit stores broadcast contact information indicating the degree of contact from the receiver with respect to each of the plurality of broadcast information broadcast on the broadcast medium.
  • the calculation unit calculates the statistical value using the broadcast contact information of the first broadcast information included in the plurality of broadcast information and the broadcast contact information of the second broadcast information broadcast after the first broadcast information.
  • the calculated statistical value is a statistical value in which the contribution of the broadcast contact information of the second broadcast information is larger than the contribution of the broadcast contact information of the first broadcast information.
  • the prediction unit obtains the predicted contact information indicating the degree of contact from the receiver with respect to the broadcast information scheduled to be broadcast.
  • the prediction device includes a storage unit, a calculation unit, and a prediction unit.
  • the storage unit stores calendar information including holidays and broadcast contact information indicating the degree of contact from the receiver with each of the plurality of broadcast information broadcast on the broadcast medium.
  • the calculation unit excludes the broadcast contact information of the broadcast information broadcast on holidays from the broadcast contact information of each of the plurality of broadcast information. Then, the calculation unit uses the broadcast contact information of the first broadcast information and the broadcast contact information of the second broadcast information broadcast after the first broadcast information among the remaining broadcast contact information to obtain statistical values. calculate. Based on the statistical value, the prediction unit obtains the predicted contact information indicating the degree of contact from the receiver with respect to the broadcast information scheduled to be broadcast.
  • the prediction device includes a storage unit, a calculation unit, and a prediction unit.
  • the storage unit stores calendar information including a plurality of days of the week and broadcast contact information indicating the degree of contact from the receiver with respect to each of the plurality of broadcast information broadcast on the broadcast medium on the broadcast day including the plurality of days of the week.
  • the calculation unit extracts the broadcast contact information of the broadcast information broadcast on a predetermined day of the week from the broadcast contact information of each of the plurality of broadcast information. Then, the calculation unit uses the broadcast contact information of the first broadcast information and the broadcast contact information of the second broadcast information broadcast after the first broadcast information among the extracted broadcast contact information to obtain statistical values. To calculate. Based on the statistical values, the prediction unit obtains predictive contact information indicating the degree of contact from the receiver with respect to the broadcast information scheduled to be broadcast on a predetermined day of the week.
  • the predictor includes a storage unit, an estimation unit, and a prediction unit.
  • the storage unit includes broadcast contact information indicating the degree of contact from the receiver with respect to each of a plurality of broadcast information broadcast on the broadcast medium, and weather forecast information indicating the weather on the scheduled broadcast date when the broadcast information scheduled to be broadcast is broadcast.
  • the estimation unit estimates the amount of precipitation on the scheduled broadcast date based on the weather forecast information.
  • the prediction unit obtains predictive contact information indicating the degree of contact from the receiver with respect to the broadcast information scheduled to be broadcast, based on the broadcast contact information of each of the plurality of broadcast information and the amount of precipitation on the scheduled broadcast date.
  • the broadcast contact information can be accurately predicted according to the conditions related to the broadcast information.
  • FIG. 1 shows an example of a functional configuration of the first prediction device according to the embodiment.
  • the prediction device 101 of FIG. 1 includes a storage unit 111, a calculation unit 112, and a prediction unit 113.
  • the storage unit 111 stores broadcast contact information 121 indicating the degree of contact from the receiver with respect to each of the plurality of broadcast information broadcast on the broadcast medium.
  • the calculation unit 112 calculates a statistical value using the broadcast contact information of the first broadcast information included in the plurality of broadcast information and the broadcast contact information of the second broadcast information broadcast after the first broadcast information. ..
  • the calculated statistical value is a statistical value in which the contribution of the broadcast contact information of the second broadcast information is larger than the contribution of the broadcast contact information of the first broadcast information.
  • the prediction unit 113 obtains the predicted contact information indicating the degree of contact from the receiver with respect to the broadcast information scheduled to be broadcast.
  • the broadcast contact information can be accurately predicted according to the conditions related to the broadcast information.
  • FIG. 2 shows an example of a functional configuration of the second prediction device according to the embodiment.
  • the prediction device 201 of FIG. 2 includes a storage unit 211, a calculation unit 212, and a prediction unit 213.
  • the storage unit 211 stores calendar information 221 including holidays and broadcast contact information 222 indicating the degree of contact from the receiver with respect to each of the plurality of broadcast information broadcast on the broadcast medium. Holidays include the transfer holidays.
  • the calculation unit 212 excludes the broadcast contact information of the broadcast information broadcast on the holiday from the broadcast contact information 222. Then, the calculation unit 212 uses the broadcast contact information of the first broadcast information and the broadcast contact information of the second broadcast information broadcast after the first broadcast information among the remaining broadcast contact information to obtain statistical values. To calculate. Based on the statistical value, the prediction unit 213 obtains the predicted contact information indicating the degree of contact from the receiver with respect to the broadcast information scheduled to be broadcast.
  • the broadcast contact information can be accurately predicted according to the conditions related to the broadcast information.
  • FIG. 3 shows an example of a functional configuration of the third prediction device according to the embodiment.
  • the prediction device 301 of FIG. 3 includes a storage unit 311, a calculation unit 312, and a prediction unit 313.
  • the storage unit 311 stores calendar information 321 including a plurality of days of the week and broadcast contact information 322 indicating the degree of contact from the receiver with respect to each of the plurality of broadcast information broadcast on the broadcast medium on the broadcast day including the plurality of days of the week.
  • the calculation unit 312 extracts the broadcast contact information of the broadcast information broadcast on a predetermined day of the week from the broadcast contact information 322. Then, the calculation unit 312 uses the broadcast contact information of the first broadcast information and the broadcast contact information of the second broadcast information broadcast after the first broadcast information among the extracted broadcast contact information to obtain statistics. Calculate the value. Based on the statistical values, the prediction unit 313 obtains predictive contact information indicating the degree of contact from the receiver with respect to the broadcast information scheduled to be broadcast on a predetermined day of the week.
  • the prediction device 301 of FIG. 3 it is possible to accurately predict the broadcast contact information according to the conditions related to the broadcast information.
  • FIG. 4 shows an example of a functional configuration of the fourth prediction device according to the embodiment.
  • the prediction device 401 of FIG. 4 includes a storage unit 411, an estimation unit 412, and a prediction unit 413.
  • the storage unit 411 includes broadcast contact information 421 indicating the degree of contact from the receiver with respect to each of the plurality of broadcast information broadcast on the broadcast medium, and a weather forecast indicating the weather on the scheduled broadcast date when the broadcast information scheduled to be broadcast is broadcast. Information 422 and is stored.
  • the estimation unit 412 estimates the amount of precipitation on the scheduled broadcast date based on the weather forecast information 422.
  • the prediction unit 413 obtains predictive contact information indicating the degree of contact from the receiver with respect to the broadcast information scheduled to be broadcast, based on the broadcast contact information 421 and the amount of precipitation on the scheduled broadcast date.
  • the broadcast contact information can be accurately predicted according to the conditions related to the broadcast information.
  • FIG. 5 shows an example of a functional configuration of the prediction system according to the embodiment.
  • the prediction system of FIG. 5 includes a prediction device 501, a requesting device 502, a data server 503, and a data server 504.
  • the prediction device 501 can communicate with the request device 502, the data server 503, and the data server 504 via the communication network 505.
  • the communication network 505 is, for example, a WAN (Wide Area Network) or a LAN (Local Area Network).
  • the request device 502 may be an information processing device (computer) of a broadcasting company, an information processing device of an advertising company, or an information processing device of an advertiser.
  • the prediction device 501 corresponds to the prediction device 101 of FIG. 1, the prediction device 201 of FIG. 2, the prediction device 301 of FIG. 3, and the prediction device 401 of FIG. 4, and corresponds to the storage unit 511, the communication unit 512, the learning unit 513, and the calculation. It includes a unit 514, an estimation unit 515, and a prediction unit 516.
  • the storage unit 511 corresponds to the storage unit 111 of FIG. 1, the storage unit 211 of FIG. 2, the storage unit 311 of FIG. 3, and the storage unit 411 of FIG.
  • the calculation unit 514 corresponds to the calculation unit 112 of FIG. 1, the calculation unit 212 of FIG. 2, and the calculation unit 312 of FIG.
  • the estimation unit 515 corresponds to the estimation unit 412 in FIG.
  • the prediction unit 516 corresponds to the prediction unit 113 in FIG. 1, the prediction unit 213 in FIG. 2, the prediction unit 313 in FIG. 3, and the prediction unit 413 in FIG.
  • the request device 502 transmits to the prediction device 501 a processing request for requesting a predicted audience rating of a broadcast program to be broadcast, which is broadcast on a broadcasting medium.
  • the broadcast program scheduled to be broadcast may be all programs broadcast on the forecast target date.
  • the broadcasting medium is, for example, a transmission signal used in television broadcasting, radio broadcasting, Internet broadcasting, etc., and television broadcasting includes terrestrial broadcasting and satellite broadcasting.
  • the broadcasting medium may be a transmission signal for wireless broadcasting or a transmission signal for wired broadcasting.
  • a broadcast program is an example of broadcast information
  • a viewer who watches a broadcast program is an example of a receiver who receives the broadcast information.
  • the audience rating is an example of broadcast contact information
  • the predicted audience rating is an example of predicted contact information.
  • a broadcast program may be referred to simply as a program.
  • the data server 503 stores the audience rating data 531 of the programs broadcasted in the past.
  • the calculation unit 514 of the prediction device 501 transmits a data request to the data server 503 via the communication unit 512, and acquires the audience rating data 531 from the data server 503. Then, the calculation unit 514 stores the acquired audience rating data 531 as the audience rating data 524 in the storage unit 511.
  • the storage unit 511 stores the audience rating data 524.
  • the audience rating data 524 is an example of the broadcast contact information 121 of FIG. 1, the broadcast contact information 222 of FIG. 2, the broadcast contact information 322 of FIG. 3, and the broadcast contact information 421 of FIG.
  • the data server 504 stores the weather forecast data 532 announced by the Japan Meteorological Agency and the like.
  • the estimation unit 515 transmits a data request to the data server 504 via the communication unit 512, and acquires the weather forecast data 532 from the data server 504. Then, the estimation unit 515 stores the acquired weather forecast data 532 as the weather forecast data 525 in the storage unit 511.
  • the storage unit 511 stores the weather forecast data 525.
  • the weather forecast data 525 is an example of the weather forecast information 422 in FIG.
  • the storage unit 511 further stores the prediction model 521, the weather correction model 522, the calendar 523, and the input data 526.
  • the prediction model 521 is a trained model generated by the learning process, and generates a predicted audience rating 527 from the input data 526.
  • the predicted audience rating 527 is an example of uncorrected contact information or predicted contact information.
  • the learning unit 513 generates a prediction model 521 by performing learning processing on the audience rating data to be learned in advance, and stores it in the storage unit 511.
  • a prediction model 521 for example, a neural network, a random forest, a linear regression model, or the like is used.
  • the audience rating data to be learned for example, the audience rating of all programs broadcast within a predetermined period in the past is used.
  • the audience rating data to be learned includes the audience rating input to the prediction model 521 and the teacher data of the prediction audience rating 527 generated by the prediction model 521.
  • the predicted audience rating 527 includes, for example, the minute audience rating of the predicted target day, the program average audience rating and the end viewing rate of all the programs broadcast on the predicted target day, the time shift audience rating on the predicted target day, or the predicted target.
  • the average audience rating for each predetermined time in the day is used.
  • the predicted audience rating 527 is predicted for each target defined by the attributes of the viewer.
  • the attributes of the viewer the type of household or individual, gender, age, occupation, presence or absence of children, age of children, etc. are used.
  • Targets include households, individuals (4 years old and over), men 20-34 years old, women 20-34 years old, men and women 20-34 years old, housewives, housewives (with children 0-3 years old) and the like. Targets are sometimes referred to as target hierarchies.
  • the root mean square error (RMSE) or the correlation coefficient between the predicted audience rating 527 and the actually measured audience rating (actual audience rating) is used. be able to.
  • the learning unit 513 can generate a prediction model 521 having high prediction accuracy by evaluating the prediction model 521 based on these indexes.
  • the prediction model 521 performs a recent trend prediction of a real-time audience rating, a recent trend prediction of a time-shift audience rating, a long-term trend prediction of a real-time audience rating, or a long-term trend prediction of a time-shift audience rating.
  • the recent trend forecast predicts the audience rating of programs whose scheduled broadcast date is near, and the long-term trend forecast predicts the audience rating of programs whose scheduled broadcast date is far.
  • Recent trend prediction is a prediction process that predicts the audience rating with high accuracy based on program information, past audience rating, and Internet information
  • long-term trend prediction is the audience rating in consideration of the secular transition or seasonal change of the audience rating. It is a prediction process that predicts.
  • the forecast target date in the recent trend forecast may be 1 to 7 days after the present, and the forecast target date in the long-term trend forecast may be 8 to 70 days after the present.
  • the time shift audience rating for example, C7 audience rating is used.
  • the weather correction model 522 is a trained model generated by the learning process, and generates a precipitation pattern from the weather forecast data 525.
  • the learning unit 513 generates a weather correction model 522 by performing learning processing on the weather forecast data to be learned in advance, and stores it in the storage unit 511.
  • the calendar 523 is an example of the calendar information 221 of FIG. 2 and the calendar information 321 of FIG. 3, and includes information for identifying seven days of the week from Monday to Sunday and various holidays.
  • the prediction model 521 predicts the recent trend of the real-time audience rating
  • the input data 526 includes, for example, program information, past audience rating, and Internet information
  • the predicted audience rating 527 includes, for example, program average viewing of all programs. Rate and end-of-life rating are used.
  • the program information included in the input data 526 includes, for example, the broadcasting station information of the program to be predicted, the broadcasting time zone, the broadcasting time length, the program category, the daytime information, the A time flag, the long flag, the holiday flag, the talent power, and the like. Including word power.
  • Broadcasting station information is identification information that identifies the broadcasting station that broadcasts the program.
  • the broadcast time zone represents a time zone in which a program is broadcast, and includes a start time and an end time.
  • the broadcast time length represents the time from the start time to the end time of the program.
  • the program category represents the category to which the program belongs.
  • the program category for example, drama, performing arts, news coverage, sports, movies, and the like are used.
  • the program category may be a category described in the program guide, or may be a category set by an audience rating research company. However, in the case of a special program or a new program, the category of the program guide may be blank. Therefore, the calculation unit 514 estimates the program category of the special program or the new program from the program description information included in the program table by using a classification filter such as a Bayesian filter, and records it in the input data 526.
  • the program description information is text information that explains the content of the program.
  • the day of the week information represents the day of the week of the forecast target day.
  • the A time flag is a flag indicating whether or not the broadcast time zone belongs to the A time.
  • a time is a time zone with the highest price rank for advertising.
  • the long flag is a flag indicating whether or not the program is a long program.
  • the holiday flag is a flag indicating whether or not the predicted target day is a holiday.
  • Talent power represents the evaluation value of the program based on the talent name extracted from the program description information included in the program guide.
  • the ratings of programs with popular talents tend to be higher than those of programs without the talents. Therefore, the score corresponding to the talent name included in the program description information is added to the talent power of the program.
  • Word power represents the evaluation value of the program based on the keywords extracted from the program description information included in the program guide.
  • the audience rating of a program in which a specific keyword is included in the program description information tends to be higher than the audience rating of a program in which the keyword is not included in the program description information. Therefore, the score corresponding to the specific keyword included in the program description information is added to the word power of the program.
  • specific keywords in sports programs include "figure skating,” “grand
  • the past audience rating included in the input data 526 is, for example, the average audience rating of the program 3 to 10 weeks ago, the end audience rating of 3 to 10 weeks ago, the average audience rating of the same day of the previous year, and the average audience rating of the same time zone of the previous year. Including rate.
  • the past audience rating further includes the latest moving average audience rating, the moving average audience rating of the same day of the week, the missing flag 1, the moving average audience rating of the same day of the week and the same time zone, and the missing flag 2.
  • the latest moving average audience rating, the moving average audience rating of the same day of the week, and the moving average audience rating of the same day of the week and the same time zone are examples of statistical values of broadcast contact information.
  • the average audience rating of the program 3 to 10 weeks ago represents the average audience rating of the programs of the own frame, the back frame, the front frame, and the front back frame, which were broadcast 3 to 10 weeks before the forecast target date.
  • the audience rating at the end of 3 to 10 weeks ago represents the audience rating at the end of the program of the own frame broadcasted 3 to 10 weeks before the prediction target date.
  • the average audience rating on the same day of the previous year represents the average audience rating on the same day of the previous year.
  • the average audience rating in the same time zone of the previous year represents the average audience rating in the same time zone of the previous year.
  • the latest moving average audience rating represents the moving average of the program average audience rating of each of the latest N broadcasts (N is an integer of 2 or more) on the forecast target date.
  • the N-time broadcast is a broadcast of a program of its own frame, and is extracted according to the broadcast interval of each program such as a daily program, a weekly program, an annual program, or an irregular program.
  • the most recent N times of the forecast target date may be called the previous N times.
  • the calculation unit 514 calculates the program average audience rating of each of the previous N broadcasts, and calculates the latest moving average audience rating using the program average audience rating of N times.
  • the moving average audience rating on the same day of the week represents the moving average audience rating of the previous N times corresponding to the same day of the week as the forecast target day.
  • the missing flag 1 is a flag indicating the presence or absence of a program broadcast on the same day of the week as the prediction target date.
  • the moving average audience rating of the same day of the week and the same time zone represents the moving average audience rating of the previous N times corresponding to the same day of the week and the same time zone as the prediction target day.
  • the missing flag 2 is a flag indicating the presence or absence of a program broadcast on the same day of the week and the same time zone as the prediction target day.
  • the moving average for example, a simple moving average or a weighted moving average can be used.
  • the weighted moving average for example, a linear weighted moving average or an exponentially weighted moving average can be used.
  • the weight of the weighted moving average is set so that the later the broadcast date, the larger the weight.
  • the moving average audience rating calculated by the weighted moving average is a statistic that the contribution of the broadcast contact information of the second broadcast information broadcast after the first broadcast information is larger than the contribution of the broadcast contact information of the first broadcast information. It is an example of the value.
  • the contribution of late broadcasts to the moving average ratings is greater than the contribution of early broadcasts to the moving average ratings, so recent viewing trends. It is possible to obtain a moving average audience rating that largely reflects. As a result, the recent viewing trend is easily reflected in the predicted audience rating 527, and the prediction accuracy is improved.
  • a plurality of moving average ratings having different N values may be used in combination, such as the moving average ratings of the previous 4 times, the moving average ratings of the previous 8 times, and the moving average ratings of the previous 10 times.
  • the previous N broadcasts that are the target of the moving average do not necessarily have to be the same program as the program to be predicted, and may be various programs belonging to the same program category as the program to be predicted.
  • the program description information of each program included in the previous N broadcasts may include a predetermined keyword or a synonym thereof included in the program description information of the program to be predicted. Synonyms of a predetermined keyword can be specified by a thesaurus.
  • the program category of the program to be predicted is "professional baseball” and the program description information of the program to be predicted includes the keyword "all-star”.
  • a program that belongs to the program category "professional baseball” and whose program description information includes "all-star” or a synonym thereof is extracted and used for calculating the moving average audience rating.
  • the program category of the program to be predicted is "movie” and the keyword “AAA princess” is included in the program description information of the program to be predicted.
  • a program that belongs to the program category "movie” and whose program description information includes "AAA princess” or a synonym thereof is extracted and used for calculating the moving average audience rating.
  • a band program is a program that is broadcast at the same time on each of a plurality of days of the week.
  • the audience rating of the band program does not always show the same tendency every day, and the tendency for each day of the week may differ depending on the target.
  • FIG. 6 shows an example of the actual audience rating of the band program.
  • the horizontal axis represents the broadcast time zone, and the vertical axis represents the target audience rating.
  • FIG. 6A shows an example of the target audience rating of males aged 35 to 49 years.
  • the leftmost bar graph 601 shows the actual audience rating on Monday
  • the second bar graph 602 from the left shows the actual audience rating on Tuesday
  • the third bar graph 603 from the left shows the actual audience rating on Wednesday. Is shown.
  • the fourth bar graph 604 from the left shows the actual audience rating on Thursday
  • the fifth bar graph 605 from the left shows the actual audience rating on Friday.
  • the actual audience rating on Monday was the highest in the seven time zones excluding the time zones of 5: 50-6: 00 and 7: 45-8: 00. You can see that it is.
  • FIG. 6 (b) shows an example of the target audience rating of females 18 to 34 years old of the same band program as in FIG. 6 (a).
  • the leftmost bar graph 611 shows the actual audience rating on Monday
  • the second bar graph 612 from the left shows the actual audience rating on Tuesday
  • the third bar graph 613 from the left shows the actual audience rating on Wednesday. Is shown.
  • the fourth bar graph 614 from the left shows the actual audience rating on Thursday
  • the fifth bar graph 615 from the left shows the actual audience rating on Friday.
  • the calculation unit 514 selects a broadcast date on the same day of the week as the prediction target date from the calendar 523, and extracts the program average audience rating of the broadcast on the selected broadcast date. Then, the calculation unit 514 calculates the moving average audience rating of the same day of the week and the moving average audience rating of the same day of the week and the same time zone using the extracted program average audience rating. As a result, the moving average audience rating that reflects the program average audience rating on the same day of the week as the prediction target day can be obtained, and the prediction accuracy is improved.
  • the calculation unit 514 can also exclude the broadcast of holidays from the target of the moving average. Unlike weekdays, viewers tend to get up late on public holidays, so the peak audience rating in the morning may be later than on weekdays, and the audience rating from noon to evening may be higher.
  • FIG. 7 shows an example of the time change of the actual audience rating on weekdays and holidays.
  • the horizontal axis represents the broadcast time, and the vertical axis represents the household audience rating.
  • the polygonal line 701 shows an example of the time change of the actual audience rating on weekdays
  • the polygonal line 702 shows an example of the time change of the actual audience rating on a holiday.
  • the peak 712 of the polygonal line 702 in the morning occurs later than the peak 711 of the polygonal line 701, and the audience rating indicated by the polygonal line 702 is higher than the audience rating indicated by the polygonal line 701 during the daytime to the evening time zone. ing.
  • the program to be predicted is a regular program that is broadcast every Monday, and Monday, October 15, 2018 is the prediction target date.
  • October 8th which is one week before the forecast target date
  • September 17th which is four weeks before
  • September 24th which is three weeks before
  • a holiday transfer holiday is a holiday transfer holiday. Therefore, when the mobile average audience rating is calculated including the broadcasts of these holidays and the transfer holidays, a calculation result that is significantly different from the mobile average audience rating only on weekdays can be obtained.
  • the calculation unit 514 extracts holidays and transfer holidays as holidays in a broad sense from the calendar 523, and excludes the program average audience rating of the broadcast of the extracted holidays. Then, the calculation unit 514 calculates the latest moving average audience rating, the moving average audience rating of the same day of the week, and the moving average audience rating of the same day of the week and the same time zone, using the program average audience rating of the remaining broadcasts. As a result, the moving average audience rating that accurately reflects the program average audience rating of the broadcast on weekdays can be obtained, and the prediction accuracy of the predicted audience rating 527 on weekdays is improved.
  • the calculation unit 514 corrects the audience rating of the morning hours (5 to 12 o'clock) of holidays excluding the large consecutive holidays, Obon festival, and the year-end and New Year holidays to approach the audience rating of the same time zone on weekdays, and after the correction. It is also possible to calculate the average audience rating of the program using the audience rating of. In this case, the calculation unit 514 can calculate the moving average audience rating including the broadcast on holidays.
  • the Internet information included in the input data 526 includes, for example, the number of times the program guide has been viewed and the trend word flag.
  • the number of times the program guide is viewed represents the number of times the program description information included in the program guide is viewed on the Internet.
  • the trend word flag is a flag indicating whether or not the program description information includes a keyword indicating a talent or topic that is currently attracting attention.
  • the calculation unit 514 calculates each data of the past audience rating using the audience rating data 524, and inputs the input data 526. Record as past audience rating.
  • the estimation unit 515 generates a precipitation pattern at each time of the prediction target day from the weather forecast data 525 using the weather correction model 522, and the prediction unit 516 corrects each time using the generated precipitation pattern. Calculate the coefficient.
  • the prediction unit 516 generates a prediction audience rating 527 from the input data 526 using the prediction model 521 and stores it in the storage unit 511. Then, the prediction unit 516 generates the predicted audience rating 528 by correcting the predicted audience rating 527 using the correction coefficient, and stores it in the storage unit 511. As a result, the predicted audience rating 528 can be adjusted according to the amount of precipitation at each time on the predicted target day.
  • the communication unit 512 transmits the predicted audience rating 528 to the requesting device 502 as a response to the processing request.
  • the requesting device 502 performs statistical processing and the like using the received predicted audience rating 528.
  • FIG. 8 shows an example of the time change of the actual audience rating on a sunny day and a rainy day.
  • the horizontal axis represents the broadcast time, and the vertical axis represents the household audience rating.
  • Curve 801 shows an example of the time change of the actual audience rating on a sunny day
  • curve 802 shows an example of the time change of the actual audience rating on a rainy day. In the time zone from 7:00 to 21:00, the audience rating is higher on rainy days than on sunny days.
  • FIG. 9 shows an example of precipitation estimation processing using the weather correction model 522.
  • the weather correction model 522 estimates whether the precipitation pattern at each time is pattern 1 to pattern 4 from the weather and the probability of precipitation at each time of the prediction target day included in the weather forecast data 525. Precipitation patterns are estimated, for example, in minutes.
  • the precipitation of pattern 1 is 0 mm or more and less than 1 mm (no rain)
  • the precipitation of pattern 2 is 1 mm or more and less than 5 mm
  • the precipitation of pattern 3 is 5 mm or more and less than 15 mm.
  • the precipitation amount of 4 is 15 mm or more.
  • the prediction unit 516 calculates the correction coefficient for that time for each day of the week and each target.
  • the correction coefficient for each time for example, a real number larger than 1 is used.
  • the prediction unit 516 calculates the predicted audience rating 528 by multiplying the predicted audience rating 527 of each target by the correction coefficient of each time corresponding to the day of the week of the prediction target day and the target of the prediction target.
  • the prediction unit 516 may not make corrections for all targets and all prediction target dates, but may narrow down the targets and prediction target dates having a large correction effect and make corrections.
  • the learning unit 513 can also generate a prediction model 521 by performing ensemble learning on the audience rating data to be learned.
  • Ensemble learning is a learning process in which a plurality of learning models having the same structure are trained with the same learning data, and the learning models are evaluated based on the same index to generate a plurality of different trained models.
  • FIG. 10 shows an example of the prediction model 521 generated by ensemble learning.
  • the ensemble prediction model 1001 of FIG. 10 is generated by ensemble learning for the audience rating data to be trained, and includes prediction model 1011-1 to prediction model 1011-M (M is an integer of 2 or more).
  • Prediction model 1011-1 to prediction model 1011-M have the same structure and are generated from the same audience rating data.
  • the ensemble prediction model 1001 outputs the statistical values of M predicted audience ratings generated by the prediction model 1011-1 to the prediction model 1011-M as the predicted audience rating 527.
  • the statistical value of M predicted audience ratings an average value, a median value, a mode value, or the like can be used.
  • FIG. 11 is a flowchart showing an example of prediction processing performed by the prediction device 501 of FIG. In the prediction process of FIG. 11, the latest trend prediction of the real-time audience rating is performed.
  • the calculation unit 514 transmits a data request to the data server 503 via the communication unit 512, and acquires the audience rating data 531 from the data server 503 (step 1101). Then, the calculation unit 514 stores the acquired audience rating data 531 as the audience rating data 524 in the storage unit 511.
  • the estimation unit 515 transmits a data request to the data server 504 via the communication unit 512, and acquires the weather forecast data 532 from the data server 504 (step 1102). Then, the estimation unit 515 stores the acquired weather forecast data 532 as the weather forecast data 525 in the storage unit 511.
  • the communication unit 512 receives the processing request from the requesting device 502 (step 1103). Then, the calculation unit 514 calculates each data of the past audience rating using the audience rating data 524, and records it as the past audience rating of the input data 526 (step 1104).
  • the calculation unit 514 excludes the program average audience rating of the broadcast on the holiday, and uses the program average audience rating of the remaining broadcasts, the latest moving average audience rating, the moving average audience rating of the same day, and the same day and Calculate the moving average audience rating for the same time period.
  • the moving average audience rating on the same day of the week and the moving average audience rating on the same day of the week and in the same time zone are calculated using the program average audience rating on the same day of the week as the forecast target day.
  • the estimation unit 515 generates a precipitation pattern at each time of the prediction target day from the weather forecast data 525 using the weather correction model 522 (step 1105). Then, the prediction unit 516 calculates the correction coefficient at each time using the generated precipitation pattern (step 1106).
  • the prediction unit 516 uses the prediction model 521 to generate a predicted audience rating 527 from the input data 526 (step 1107), and corrects the predicted audience rating 527 using the correction coefficient to obtain the predicted audience rating 528. Is generated (step 1108). Then, the communication unit 512 transmits the predicted audience rating 528 to the request device 502 as a response to the processing request (step 1109).
  • the input data 526 may provide, for example, program information, start time movement information, day movement information, broadcast time length change information, A time information, and other information. include.
  • a time-shifted audience rating is used as the predicted audience rating 527.
  • the program information includes, for example, the broadcasting station information of the program to be predicted, the start time zone, the end time zone, the day of the week information, the holiday information, the program category, and the average time shift viewing rate of the previous four times.
  • the program information further includes a new program flag, a rebroadcast flag, a final episode flag, a broadcast time length category, a long length flag, an A time flag, and a program title feature word.
  • the broadcasting station information, the day of the week information, the program category, the long flag, and the A time flag are the same as in the case of the recent trend prediction of the real-time audience rating.
  • the start time zone represents the time zone to which the start time of the program belongs
  • the end time zone represents the time zone to which the end time of the program belongs.
  • the start time zone and the end time zone are set, for example, in 30-minute intervals.
  • the holiday information indicates that the forecast target day is a holiday (Saturday, Sunday, a holiday), a day before a holiday, or the day after a holiday.
  • the average time-shifted audience rating of the previous four times represents the average value of the time-shifted audience rating of the previous four times.
  • the new program flag is a flag indicating whether or not "new" is included in the program title.
  • the rebroadcast flag is a flag indicating whether or not "re” is included in the title of the program.
  • the final round flag is a flag indicating whether or not "end” is included in the title of the program.
  • the broadcast time category represents the category to which the broadcast time length of the program belongs. Broadcast time categories are, for example, 5 minutes or less, 5 minutes or more and 10 minutes or less, 10 minutes or more and 30 minutes or less, 30 minutes or more and 60 minutes or less, 60 minutes or more and 90 minutes or less, and 90 minutes or more. It is 110 minutes or less.
  • the program title characteristic word represents a characteristic word included in the program title.
  • the characteristic word for example, in the simulation of the recent trend prediction of the time-shift audience rating, the word that contributed to the improvement of the prediction accuracy of the prediction model 521 is used.
  • the movement of the start time, the movement of the day of the week, and the change in the broadcast time length occur due to a change in the organization of special programs or irregular programs. For example, a program that is normally broadcast at midnight on Monday may be broadcast as a special program at A time on Saturday.
  • the start time movement information includes the mode value of the start time, the start minutes, the median start minutes, and the absolute value.
  • the mode of the start time represents the mode of the start time of the previous four broadcasts.
  • the start fraction represents the fraction corresponding to the start time when the day is divided into 1 to 1440 minutes.
  • the median start fraction represents the median start fraction of the previous four broadcasts.
  • the absolute value represents the absolute value of the difference between the starting fraction and the median starting fraction.
  • the day of the week movement information includes the mode of the day of the week and the change pattern.
  • the mode of the day of the week represents the most frequent day of the week of the previous four broadcast days.
  • the change pattern represents the mode of change of the most frequent day of the week and the broadcast day of the week.
  • the broadcast time length change information includes the median broadcast time length and the rate of change.
  • the median broadcast time length represents the median value of the previous four broadcast time lengths.
  • the rate of change represents the rate of change in broadcast time length compared to the median.
  • a time information includes A time ratio, A time inflow frame flag, and A time outflow frame flag.
  • the inflow of A time means that the broadcast time zone other than A time is changed to A time
  • the outflow of A time means that the broadcast time zone of A time is changed to a time zone other than A time.
  • the A-time ratio represents the ratio at which the program was broadcast in A-time in the previous four broadcasts. For example, when 3 out of 4 times are broadcast in A time, the A time ratio is 0.75.
  • the A time inflow frame flag indicates whether or not the program to be predicted satisfies the A time inflow condition.
  • the A time inflow condition indicates that the A time ratio is 0.5 or less and the scheduled broadcast time zone of the program to be predicted is A time.
  • the A-time outflow frame flag indicates whether or not the program to be predicted satisfies the A-time outflow condition.
  • the A time outflow condition indicates that the A time ratio is 0.5 or more, and the scheduled broadcast time zone of the program to be predicted is a time zone other than the A time.
  • Other information includes the number of holidays and broadcast intervals.
  • the number of holidays represents the number of holidays included in the period from the present to the forecast target date.
  • the broadcast interval represents the number of days from the previous broadcast date to the forecast target date.
  • the input data 526 includes, for example, program information and the past audience rating, and as the predicted audience rating 527, for example, the average audience rating at predetermined time intervals is used. ..
  • the predetermined time may be 10 minutes.
  • Program information includes, for example, a holiday flag and a day before holiday flag.
  • the holiday flag is a flag indicating whether or not the prediction target day is a holiday.
  • the day before holiday flag is a flag indicating whether or not the forecast target day is the day before the holiday.
  • the past audience rating includes, for example, the past audience rating for the last 30 days, the average audience rating for the previous 4 weeks, the average audience rating for the previous 8 weeks, the average audience rating for the previous 12 weeks, and the average audience rating for the previous 24 weeks.
  • the past audience rating for the last 30 days represents the average audience rating for each predetermined time for the last 30 days.
  • the previous 4 weeks average audience rating represents the average audience rating for each predetermined time for the previous 4 weeks on the same day of the week as the forecast target day.
  • the previous 8 weeks average audience rating represents the average audience rating for each predetermined time for the previous 8 weeks on the same day of the week as the forecast target day.
  • the previous 12-week average audience rating represents the average audience rating for each predetermined time for the previous 12 weeks on the same day of the week as the forecast target day.
  • the previous 24 weeks average audience rating represents the average audience rating for each predetermined time for the previous 24 weeks on the same day of the week as the forecast target day.
  • the configuration of the prediction device 101 of FIG. 1, the prediction device 201 of FIG. 2, the prediction device 301 of FIG. 3, and the prediction device 401 of FIG. 4 is only an example, and some components depending on the use or conditions of the prediction device. May be omitted or changed.
  • the configuration of the prediction system in FIG. 5 is only an example, and some components may be omitted or changed depending on the use or conditions of the prediction system.
  • the prediction device 501 when the prediction model 521 and the weather correction model 522 are stored in the storage unit 511 in advance, the learning unit 513 can be omitted. If the predicted audience rating 527 is not corrected, the estimation unit 515 can be omitted.
  • step 1102 when the predicted audience rating 527 is not corrected, the processes of step 1102, step 1105, step 1106, and step 1108 can be omitted.
  • the actual audience rating shown in FIGS. 6 to 8 is only an example, and the actual audience rating changes according to the program, target, broadcast date, and the like.
  • the precipitation estimation process shown in FIG. 9 is only an example, and the precipitation may be estimated by another precipitation estimation process.
  • the estimation unit 515 may calculate the amount of precipitation from the probability of precipitation at each time of the prediction target day by using a predetermined calculation formula instead of the weather correction model 522.
  • the ensemble prediction model 1001 shown in FIG. 10 is only an example, and another ensemble prediction model may be used.
  • Each item of input data 526 in the above-mentioned recent trend prediction of real-time audience rating, recent trend prediction of time-shift audience rating, and long-term trend prediction of real-time audience rating is only an example. Some items of the input data 526 may be omitted or changed depending on the use or conditions of the prediction system.
  • the broadcast information to be predicted may be a TV broadcast program or CM, or may be a radio broadcast or Internet broadcast program or CM.
  • the broadcast contact information other indicators indicating the viewing behavior of the viewer can be used instead of the audience rating.
  • Other indicators include, for example, the amount of viewing time, the number of viewing households, the number of viewers, the number of viewings within a certain period, and the like.
  • FIG. 12 shows the hardware configuration of the information processing device used as the prediction device 101 of FIG. 1, the prediction device 201 of FIG. 2, the prediction device 301 of FIG. 3, the prediction device 401 of FIG. 4, and the prediction device 501 of FIG. An example is shown.
  • the information processing device of FIG. 12 includes a CPU (Central Processing Unit) 1201, a memory 1202, an input device 1203, an output device 1204, an auxiliary storage device 1205, a medium drive device 1206, and a network connection device 1207. These components are hardware and are connected to each other by bus 1208.
  • CPU Central Processing Unit
  • the memory 1202 is, for example, a semiconductor memory such as a ROM (ReadOnlyMemory), a RAM (RandomAccessMemory), or a flash memory, and stores a program and data used for processing.
  • the memory 1202 can be used as the storage unit 111 of FIG. 1, the storage unit 211 of FIG. 2, the storage unit 311 of FIG. 3, the storage unit 411 of FIG. 4, or the storage unit 511 of FIG.
  • the CPU 1201 (processor) operates as the calculation unit 112 and the prediction unit 113 in FIG. 1 by executing a program using, for example, the memory 1202.
  • the CPU 1201 also operates as the calculation unit 212 and the prediction unit 213 in FIG. 2 by executing the program.
  • the CPU 1201 also operates as the calculation unit 312 and the prediction unit 313 in FIG. 3 by executing the program.
  • the CPU 1201 also operates as the estimation unit 412 and the prediction unit 413 in FIG. 4 by executing the program.
  • the CPU 1201 By executing the program, the CPU 1201 also operates as the learning unit 513, the calculation unit 514, the estimation unit 515, and the prediction unit 516 in FIG.
  • the input device 1203 is, for example, a keyboard, a pointing device, or the like, and is used for inputting instructions or information from an operator or a user.
  • the output device 1204 is, for example, a display device, a printer, a speaker, or the like, and is used for inquiring or instructing an operator or a user and outputting a processing result.
  • the processing result may be a predicted audience rating of 528.
  • the auxiliary storage device 1205 is, for example, a magnetic disk device, an optical disk device, a magneto-optical disk device, a tape device, or the like.
  • the auxiliary storage device 1205 may be a hard disk drive or a flash memory.
  • the information processing device can store programs and data in the auxiliary storage device 1205 and load them into the memory 1202 for use.
  • the auxiliary storage device 1205 can be used as the storage unit 111 of FIG. 1, the storage unit 211 of FIG. 2, the storage unit 311 of FIG. 3, the storage unit 411 of FIG. 4, or the storage unit 511 of FIG.
  • the medium drive device 1206 drives the portable recording medium 1209 and accesses the recorded contents.
  • the portable recording medium 1209 is a memory device, a flexible disk, an optical disk, a magneto-optical disk, or the like.
  • the portable recording medium 1209 may be a CD-ROM (Compact Disk Read Only Memory), a DVD (Digital Versatile Disk), a USB (Universal Serial Bus) memory, or the like.
  • the operator or the user can store the programs and data in the portable recording medium 1209 and load them into the memory 1202 for use.
  • the computer-readable recording medium that stores the programs and data used for processing is physical (non-temporary) recording, such as memory 1202, auxiliary storage device 1205, or portable recording medium 1209. It is a medium.
  • the network connection device 1207 is a communication interface circuit that is connected to the communication network 505 and performs data conversion associated with communication.
  • the information processing device can receive programs and data from an external device via the network connection device 1207, load them into the memory 1202, and use them.
  • the network connection device 1207 can be used as the communication unit 512 of FIG.
  • the information processing device does not have to include all the components shown in FIG. 12, and some components may be omitted depending on the application or conditions. For example, if an interface with an operator or a user is not required, the input device 1203 and the output device 1204 may be omitted. When the portable recording medium 1209 or the communication network is not used, the medium driving device 1206 or the network connecting device 1207 may be omitted.
  • the information processing device of FIG. 12 can also be used as the request device 502, the data server 503, and the data server 504 of FIG.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

記憶部（１１１）は、放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報（１２１）を記憶する。計算部（１１２）は、複数の放送情報に含まれる第１放送情報の放送接触情報と、第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する。計算される統計値は、第２放送情報の放送接触情報の寄与が第１放送情報の放送接触情報の寄与よりも大きくなる統計値である。予測部（１１３）は、統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。

Description

予測装置、予測方法、及び予測プログラム
　本発明は、予測装置、予測方法、及び予測プログラムに関する。
　テレビ等の視聴者による広告の視聴率を高い精度で予測して、テレビ等の放送媒体における広告枠を最適化する広告枠最適化システムが知られている（例えば、特許文献１を参照）。
　この広告枠最適化システムにおいて、高度視聴率予測装置は、ターゲット視聴率を所定の精度よりも高い精度で予測し、及び/又は、第３者機関がリアルタイムに測定を行う視聴率データを入力する。そして、高度視聴率予測装置は、広告枠の予測視聴率データ及び/又は放送される直前の視聴率データを、ターゲットアクチュアル最適化装置に送信する。ターゲットアクチュアル最適化装置は、広告枠毎に第１のデータと第２のデータとの差分を評価して得られた第３のデータに基づいて、広告枠に対する素材の割り付けを再配分する。
　テレビ等で放送される広告は、ＣＭ（Commercial Message）と呼ばれることもある。
国際公開第２０１８／１３１５７６号パンフレット
　上述した特許文献１の高度視聴率予測装置の場合、ＣＭの放送予定日に関する条件によっては、必ずしも所望の精度の予測視聴率が得られるとは限らない。
　なお、かかる問題は、ＣＭの視聴率を予測する場合に限らず、放送番組を含む様々な放送情報の視聴率を予測する場合において生ずるものである。また、かかる問題は、放送情報の視聴率を予測する場合に限らず、放送情報に対する受信者からの接触の度合いを示す様々な放送接触情報を予測する場合において生ずるものである。
　１つの側面において、本発明は、放送情報に関する条件に応じて放送接触情報を精度良く予測することを目的とする。
　１つの案では、予測装置は、記憶部、計算部、及び予測部を含む。記憶部は、放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報を記憶する。
　計算部は、複数の放送情報に含まれる第１放送情報の放送接触情報と、第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する。計算される統計値は、第２放送情報の放送接触情報の寄与が第１放送情報の放送接触情報の寄与よりも大きくなる統計値である。予測部は、統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。
　別の案では、予測装置は、記憶部、計算部、及び予測部を含む。記憶部は、祝日を含むカレンダー情報と、放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報とを記憶する。
　計算部は、複数の放送情報それぞれの放送接触情報から、祝日に放送された放送情報の放送接触情報を除外する。そして、計算部は、残りの放送接触情報のうち、第１放送情報の放送接触情報と、第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する。予測部は、統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。
　さらに別の案では、予測装置は、記憶部、計算部、及び予測部を含む。記憶部は、複数の曜日を含むカレンダー情報と、複数の曜日を含む放送日に放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報とを記憶する。
　計算部は、複数の放送情報それぞれの放送接触情報から、複数の曜日のうち所定曜日に放送された放送情報の放送接触情報を抽出する。そして、計算部は、抽出された放送接触情報のうち、第１放送情報の放送接触情報と、第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する。予測部は、統計値に基づいて、所定曜日に放送される、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。
　さらに別の案では、予測装置は、記憶部、推定部、及び予測部を含む。記憶部は、放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報と、放送予定の放送情報が放送される放送予定日の天気を示す天気予報情報とを記憶する。
　推定部は、天気予報情報に基づいて、放送予定日の降水量を推定する。予測部は、複数の放送情報それぞれの放送接触情報と、放送予定日の降水量とに基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。
　１つの側面によれば、放送情報に関する条件に応じて放送接触情報を精度良く予測することができる。
第１の予測装置の機能的構成図である。 第２の予測装置の機能的構成図である。 第３の予測装置の機能的構成図である。 第４の予測装置の機能的構成図である。 予測システムの機能的構成図である。 帯番組のアクチュアル視聴率を示す図である。 平日及び祝日におけるアクチュアル視聴率の時間変化を示す図である。 晴れの日及び雨の日におけるアクチュアル視聴率の時間変化を示す図である。 降水量推定処理を示す図である。 アンサンブル学習により生成された予測モデルを示す図である。 予測処理のフローチャートである。 情報処理装置のハードウェア構成図である。
　以下、図面を参照しながら、実施形態を詳細に説明する。
　図１は、実施形態における第１の予測装置の機能的構成例を示している。図１の予測装置１０１は、記憶部１１１、計算部１１２、及び予測部１１３を含む。記憶部１１１は、放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報１２１を記憶する。
　計算部１１２は、複数の放送情報に含まれる第１放送情報の放送接触情報と、第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する。計算される統計値は、第２放送情報の放送接触情報の寄与が第１放送情報の放送接触情報の寄与よりも大きくなる統計値である。予測部１１３は、統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。
　図１の予測装置１０１によれば、放送情報に関する条件に応じて放送接触情報を精度良く予測することができる。
　図２は、実施形態における第２の予測装置の機能的構成例を示している。図２の予測装置２０１は、記憶部２１１、計算部２１２、及び予測部２１３を含む。記憶部２１１は、祝日を含むカレンダー情報２２１と、放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報２２２とを記憶する。祝日には、その振替休日も含まれる。
　計算部２１２は、放送接触情報２２２から、祝日に放送された放送情報の放送接触情報を除外する。そして、計算部２１２は、残りの放送接触情報のうち、第１放送情報の放送接触情報と、第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する。予測部２１３は、統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。
　図２の予測装置２０１によれば、放送情報に関する条件に応じて放送接触情報を精度良く予測することができる。
　図３は、実施形態における第３の予測装置の機能的構成例を示している。図３の予測装置３０１は、記憶部３１１、計算部３１２、及び予測部３１３を含む。記憶部３１１は、複数の曜日を含むカレンダー情報３２１と、複数の曜日を含む放送日に放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報３２２とを記憶する。
　計算部３１２は、放送接触情報３２２から、複数の曜日のうち所定曜日に放送された放送情報の放送接触情報を抽出する。そして、計算部３１２は、抽出された放送接触情報のうち、第１放送情報の放送接触情報と、第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する。予測部３１３は、統計値に基づいて、所定曜日に放送される、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。
　図３の予測装置３０１によれば、放送情報に関する条件に応じて放送接触情報を精度良く予測することができる。
　図４は、実施形態における第４の予測装置の機能的構成例を示している。図４の予測装置４０１は、記憶部４１１、推定部４１２、及び予測部４１３を含む。記憶部４１１は、放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報４２１と、放送予定の放送情報が放送される放送予定日の天気を示す天気予報情報４２２とを記憶する。
　推定部４１２は、天気予報情報４２２に基づいて、放送予定日の降水量を推定する。予測部４１３は、放送接触情報４２１と、放送予定日の降水量とに基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める。
　図４の予測装置４０１によれば、放送情報に関する条件に応じて放送接触情報を精度良く予測することができる。
　図５は、実施形態における予測システムの機能的構成例を示している。図５の予測システムは、予測装置５０１、要求装置５０２、データサーバ５０３、及びデータサーバ５０４を含む。予測装置５０１は、通信ネットワーク５０５を介して、要求装置５０２、データサーバ５０３、及びデータサーバ５０４と通信することができる。通信ネットワーク５０５は、例えば、ＷＡＮ（Wide Area Network）又はＬＡＮ（Local Area Network）である。
　要求装置５０２は、放送事業者の情報処理装置（コンピュータ）であってもよく、広告会社の情報処理装置であってもよく、広告主の情報処理装置であってもよい。予測装置５０１は、図１の予測装置１０１、図２の予測装置２０１、図３の予測装置３０１、及び図４の予測装置４０１に対応し、記憶部５１１、通信部５１２、学習部５１３、計算部５１４、推定部５１５、及び予測部５１６を含む。
　記憶部５１１は、図１の記憶部１１１、図２の記憶部２１１、図３の記憶部３１１、及び図４の記憶部４１１に対応する。計算部５１４は、図１の計算部１１２、図２の計算部２１２、及び図３の計算部３１２に対応する。推定部５１５は、図４の推定部４１２に対応する。予測部５１６は、図１の予測部１１３、図２の予測部２１３、図３の予測部３１３、及び図４の予測部４１３に対応する。
　要求装置５０２は、放送媒体で放送される、放送予定の放送番組の予測視聴率を要求する処理要求を、予測装置５０１へ送信する。放送予定の放送番組は、予測対象日に放送される全番組であってもよい。放送媒体は、例えば、テレビ放送、ラジオ放送、インターネット放送等で用いられる伝送信号であり、テレビ放送は、地上波放送及び衛星放送を含む。放送媒体は、無線放送の伝送信号であってもよく、有線放送の伝送信号であってもよい。
　放送番組は、放送情報の一例であり、放送番組を視聴する視聴者は、放送情報を受信する受信者の一例である。視聴率は、放送接触情報の一例であり、予測視聴率は、予測接触情報の一例である。以下では、放送番組を指して、単に番組と記載する場合がある。
　データサーバ５０３は、過去に放送された番組の視聴率データ５３１を記憶する。予測装置５０１の計算部５１４は、通信部５１２を介して、データ要求をデータサーバ５０３へ送信し、データサーバ５０３から視聴率データ５３１を取得する。そして、計算部５１４は、取得した視聴率データ５３１を、視聴率データ５２４として記憶部５１１に格納する。記憶部５１１は、視聴率データ５２４を記憶する。視聴率データ５２４は、図１の放送接触情報１２１、図２の放送接触情報２２２、図３の放送接触情報３２２、及び図４の放送接触情報４２１の一例である。
　データサーバ５０４は、気象庁等により発表された天気予報データ５３２を記憶する。推定部５１５は、通信部５１２を介して、データ要求をデータサーバ５０４へ送信し、データサーバ５０４から天気予報データ５３２を取得する。そして、推定部５１５は、取得した天気予報データ５３２を、天気予報データ５２５として記憶部５１１に格納する。記憶部５１１は、天気予報データ５２５を記憶する。天気予報データ５２５は、図４の天気予報情報４２２の一例である。
　記憶部５１１は、さらに、予測モデル５２１、天気補正モデル５２２、カレンダー５２３、及び入力データ５２６を記憶する。予測モデル５２１は、学習処理により生成された学習済みモデルであり、入力データ５２６から予測視聴率５２７を生成する。予測視聴率５２７は、補正前接触情報又は予測接触情報の一例である。
　学習部５１３は、事前に学習対象の視聴率データに対する学習処理を行うことで、予測モデル５２１を生成して、記憶部５１１に格納する。学習処理としては、例えば、教師あり機械学習が用いられ、予測モデル５２１としては、例えば、ニューラルネットワーク、ランダムフォレスト、線形回帰モデル等が用いられる。
　学習対象の視聴率データとしては、例えば、過去の所定期間内に放送された全番組の視聴率が用いられる。学習対象の視聴率データは、予測モデル５２１に入力される視聴率と、予測モデル５２１が生成する予測視聴率５２７の教師データとを含む。予測視聴率５２７としては、例えば、予測対象日の毎分視聴率、予測対象日に放送される全番組の番組平均視聴率及び終了時視聴率、予測対象日におけるタイムシフト視聴率、又は予測対象日における所定時間毎の平均視聴率が用いられる。
　予測視聴率５２７は、視聴者の属性によって規定されるターゲット毎に予測される。視聴者の属性としては、世帯又は個人の種別、性別、年齢、職業、子供の有無、子供の年齢等が用いられる。ターゲットとしては、世帯、個人全体（４歳以上）、男２０～３４歳、女２０～３４歳、男女２０～３４歳、主婦、主婦（０～３歳の子供あり）等が挙げられる。ターゲットは、ターゲット階層と呼ばれることもある。
　予測モデル５２１の予測精度の指標としては、予測視聴率５２７と実際に測定された視聴率（アクチュアル視聴率）との間の二乗平均平方根誤差（Root Mean Squared Error，ＲＭＳＥ）又は相関係数を用いることができる。ＲＭＳＥが０に近いほど予測精度が高くなり、相関係数が１に近いほど予測精度が高くなる。学習部５１３は、これらの指標に基づいて予測モデル５２１を評価することで、高い予測精度を有する予測モデル５２１を生成することができる。
　予測モデル５２１は、リアルタイム視聴率の最近トレンド予測、タイムシフト視聴率の最近トレンド予測、リアルタイム視聴率の長期トレンド予測、又はタイムシフト視聴率の長期トレンド予測を行う。最近トレンド予測では、放送予定日が近い番組の視聴率が予測され、長期トレンド予測では、放送予定日が遠い番組の視聴率が予測される。最近トレンド予測は、番組情報、過去視聴率、及びインターネット情報に基づいて高精度に視聴率を予測する予測処理であり、長期トレンド予測は、視聴率の経年推移又は季節変化を考慮して視聴率を予測する予測処理である。
　例えば、最近トレンド予測における予測対象日は、現在から１日後～７日後であってもよく、長期トレンド予測における予測対象日は、現在から８日後～７０日後であってもよい。タイムシフト視聴率としては、例えば、Ｃ７視聴率が用いられる。
　天気補正モデル５２２は、学習処理により生成された学習済みモデルであり、天気予報データ５２５から降水量パターンを生成する。学習部５１３は、事前に、学習対象の天気予報データに対する学習処理を行うことで、天気補正モデル５２２を生成して、記憶部５１１に格納する。
　カレンダー５２３は、図２のカレンダー情報２２１及び図３のカレンダー情報３２１の一例であり、月曜日～日曜日の７つの曜日及び各種の祝日を識別する情報を含む。予測モデル５２１がリアルタイム視聴率の最近トレンド予測を行う場合、入力データ５２６は、例えば、番組情報、過去視聴率、及びインターネット情報を含み、予測視聴率５２７としては、例えば、全番組の番組平均視聴率及び終了時視聴率が用いられる。
　入力データ５２６に含まれる番組情報は、例えば、予測対象の番組の放送局情報、放送時間帯、放送時間長、番組カテゴリ、曜日情報、Ａタイムフラグ、長尺フラグ、祝日フラグ、タレントパワー、及びワードパワーを含む。
　放送局情報は、番組を放送する放送局を識別する識別情報である。放送時間帯は、番組が放送される時間帯を表し、開始時刻及び終了時刻を含む。放送時間長は、番組の開始時刻から終了時刻までの時間を表す。
　番組カテゴリは、番組が属するカテゴリを表す。番組カテゴリとしては、例えば、ドラマ、芸能、報道、スポーツ、映画等が用いられる。番組カテゴリは、番組表に記載されているカテゴリであってもよく、視聴率調査会社によって設定されたカテゴリであってもよい。しかし、特別番組又は新番組の場合、番組表のカテゴリが空欄になっていることもある。そこで、計算部５１４は、ベイジアンフィルタ等の分類フィルタを用いて、番組表に含まれる番組記述情報から、特別番組又は新番組の番組カテゴリを推定し、入力データ５２６に記録する。番組記述情報は、番組の内容を説明するテキスト情報である。
　曜日情報は、予測対象日の曜日を表す。Ａタイムフラグは、放送時間帯がＡタイムに属するか否かを示すフラグである。Ａタイムは、広告料金が最も高い料金ランクの時間帯である。長尺フラグは、番組が長尺番組であるか否かを示すフラグである。祝日フラグは、予測対象日が祝日であるか否かを示すフラグである。
　タレントパワーは、番組表に含まれる番組記述情報から抽出されたタレント名に基づく、番組の評価値を表す。人気の高いタレントが出演する番組の視聴率は、そのタレントが出演しない番組の視聴率よりも高くなる傾向がある。そこで、番組記述情報に含まれるタレント名に対応する得点が、番組のタレントパワーに加算される。
　ワードパワーは、番組表に含まれる番組記述情報から抽出されたキーワードに基づく、番組の評価値を表す。特定のキーワードが番組記述情報に含まれている番組の視聴率は、そのキーワードが番組記述情報に含まれていない番組の視聴率よりも高くなる傾向がある。そこで、番組記述情報に含まれる特定のキーワードに対応する得点が、番組のワードパワーに加算される。例えば、スポーツ番組における特定のキーワードとしては、「フィギェアスケート」、「グランプリシリーズ」、「連覇」等が挙げられる。
　入力データ５２６に含まれる過去視聴率は、例えば、３～１０週前の番組平均視聴率、３～１０週前の終了時視聴率、前年同日の平均視聴率、及び前年同時間帯の平均視聴率を含む。過去視聴率は、さらに、直近移動平均視聴率、同曜日の移動平均視聴率、欠損フラグ１、同曜日かつ同時間帯の移動平均視聴率、及び欠損フラグ２を含む。直近移動平均視聴率、同曜日の移動平均視聴率、及び同曜日かつ同時間帯の移動平均視聴率は、放送接触情報の統計値の一例である。
　３～１０週前の番組平均視聴率は、予測対象日の３～１０週前に放送された、自枠、裏枠、前枠、及び前裏枠それぞれの番組の番組平均視聴率を表す。３～１０週前の終了時視聴率は、予測対象日の３～１０週前に放送された自枠の番組の終了時における視聴率を表す。前年同日の平均視聴率は、前年同日における平均視聴率を表す。前年同時間帯の平均視聴率は、前年同時間帯における平均視聴率を表す。
　直近移動平均視聴率は、予測対象日の直近のＮ回（Ｎは２以上の整数）の放送それぞれの番組平均視聴率の移動平均を表す。Ｎ回の放送は、自枠の番組の放送であり、日次番組、週次番組、年次番組、又は不定期番組のような、番組毎の放送間隔に合わせて抽出される。予測対象日の直近のＮ回は、前Ｎ回と呼ばれることもある。計算部５１４は、前Ｎ回の放送それぞれの番組平均視聴率を計算し、Ｎ回分の番組平均視聴率を用いて直近移動平均視聴率を計算する。
　同曜日の移動平均視聴率は、予測対象日と同じ曜日に対応する前Ｎ回の移動平均視聴率を表す。欠損フラグ１は、予測対象日と同じ曜日に放送された番組の有無を示すフラグである。同曜日かつ同時間帯の移動平均視聴率は、予測対象日と同じ曜日かつ同時間帯に対応する前Ｎ回の移動平均視聴率を表す。欠損フラグ２は、予測対象日と同じ曜日かつ同時間帯に放送された番組の有無を示すフラグである。
　移動平均としては、例えば、単純移動平均又は加重移動平均を用いることができる。加重移動平均としては、例えば、線形加重移動平均又は指数加重移動平均を用いることができる。加重移動平均の重みは、放送日が遅い放送ほど大きくなるように設定される。加重移動平均により計算される移動平均視聴率は、第１放送情報よりも後に放送された第２放送情報の放送接触情報の寄与が、第１放送情報の放送接触情報の寄与よりも大きくなる統計値の一例である。
　加重移動平均を用いることで、放送日が遅い放送が移動平均視聴率に対して与える寄与が、放送日が早い放送が移動平均視聴率に対して与える寄与よりも大きくなるため、最近の視聴トレンドを大きく反映した移動平均視聴率を求めることができる。これにより、最近の視聴トレンドが予測視聴率５２７に反映されやすくなり、予測精度が向上する。前４回の移動平均視聴率、前８回の移動平均視聴率、及び前１０回の移動平均視聴率のように、Ｎの値が異なる複数の移動平均視聴率を併用してもよい。
　移動平均の対象となる前Ｎ回の放送は、必ずしも予測対象の番組と同じ番組である必要なく、予測対象の番組と同じ番組カテゴリに属する様々な番組であってもよい。さらに、前Ｎ回の放送に含まれる各番組の番組記述情報は、予測対象の番組の番組記述情報に含まれている所定キーワード又はその同義語を含んでいてもよい。所定キーワードの同義語は、シソーラスにより特定することができる。
　例えば、予測対象の番組の番組カテゴリが「プロ野球」であり、予測対象の番組の番組記述情報に「オールスター」というキーワードが含まれている場合を想定する。この場合、「プロ野球」という番組カテゴリに属し、かつ、番組記述情報が「オールスター」又はその同義語を含む番組が抽出されて、移動平均視聴率の計算に用いられる。
　また、予測対象の番組の番組カテゴリが「映画」であり、予測対象の番組の番組記述情報に「ＡＡＡ姫」というキーワードが含まれている場合を想定する。この場合、「映画」という番組カテゴリに属し、かつ、番組記述情報が「ＡＡＡ姫」又はその同義語を含む番組が抽出されて、移動平均視聴率の計算に用いられる。
　番組カテゴリ及び所定キーワードに基づいて、全番組を複数のグループに分類し、各グループに異なるグループＩＤを付与することで、グループ毎に移動平均視聴率を計算することが容易になる。このように、番組カテゴリ及び所定キーワードに基づいて前Ｎ回の放送を抽出することで、予測対象の番組の特徴を反映した移動平均視聴率を求めることができる。これにより、番組の特徴が予測視聴率５２７に反映されやすくなり、予測精度が向上する。
　同曜日の移動平均視聴率と、同曜日かつ同時間帯の移動平均視聴率は、帯番組の予測視聴率５２７の予測精度を向上させるために、入力データ５２６に追加されている。帯番組は、複数の曜日それぞれの同時間帯に放送される番組である。帯番組の視聴率は、必ずしも毎日同じ傾向を示すとは限らず、ターゲットによって曜日毎の傾向が異なることがある。
　図６は、帯番組のアクチュアル視聴率の例を示している。横軸は放送時間帯を表し、縦軸はターゲット視聴率を表す。図６（ａ）は、男３５～４９歳のターゲット視聴率の例を示している。各時間帯において、左端の棒グラフ６０１は、月曜日のアクチュアル視聴率を示し、左から２番目の棒グラフ６０２は、火曜日のアクチュアル視聴率を示し、左から３番目の棒グラフ６０３は、水曜日のアクチュアル視聴率を示す。左から４番目の棒グラフ６０４は、木曜日のアクチュアル視聴率を示し、左から５番目の棒グラフ６０５は、金曜日のアクチュアル視聴率を示す。
　図６（ａ）に示す９個の時間帯のうち、５：５０－６：００及び７：４５－８：００の時間帯を除く７個の時間帯において、月曜日のアクチュアル視聴率が最も高くなっていることが分かる。
　図６（ｂ）は、図６（ａ）と同じ帯番組の女１８～３４歳のターゲット視聴率の例を示している。各時間帯において、左端の棒グラフ６１１は、月曜日のアクチュアル視聴率を示し、左から２番目の棒グラフ６１２は、火曜日のアクチュアル視聴率を示し、左から３番目の棒グラフ６１３は、水曜日のアクチュアル視聴率を示す。左から４番目の棒グラフ６１４は、木曜日のアクチュアル視聴率を示し、左から５番目の棒グラフ６１５は、金曜日のアクチュアル視聴率を示す。
　図６（ｂ）に示す９個の時間帯のうち、６：４５－７：００の時間帯を除く８個の時間帯において、火曜日のアクチュアル視聴率が最も高くなっていることが分かる。このように、帯番組の視聴率は曜日毎に異なる傾向を示すため、曜日を区別せずに移動平均視聴率を計算すると、曜日毎の違いが予測視聴率５２７に反映されにくくなる。
　そこで、計算部５１４は、カレンダー５２３から、予測対象日と同じ曜日の放送日を選択し、選択された放送日の放送の番組平均視聴率を抽出する。そして、計算部５１４は、抽出された番組平均視聴率を用いて、同曜日の移動平均視聴率と、同曜日かつ同時間帯の移動平均視聴率とを計算する。これにより、予測対象日と同じ曜日の番組平均視聴率を反映した移動平均視聴率を求めることができ、予測精度が向上する。
　計算部５１４は、移動平均の対象から祝日の放送を除外することも可能である。平日とは異なり、祝日は視聴者の起床が遅くなる傾向があるため、朝の視聴率のピークが平日よりも後倒しになるとともに、昼～夕方の視聴率が高くなることがある。
　図７は、平日及び祝日におけるアクチュアル視聴率の時間変化の例を示している。横軸は放送時刻を表し、縦軸は世帯視聴率を表す。折れ線７０１は、平日のアクチュアル視聴率の時間変化の例を示しており、折れ線７０２は、祝日のアクチュアル視聴率の時間変化の例を示している。午前中における折れ線７０２のピーク７１２は、折れ線７０１のピーク７１１よりも遅れて発生しており、昼～夕方の時間帯では、折れ線７０２が示す視聴率が、折れ線７０１が示す視聴率よりも高くなっている。
　このように、祝日の視聴率は平日とは異なる傾向を示すため、祝日の放送と平日の放送を区別せずに移動平均視聴率を計算すると、祝日と平日との違いが予測視聴率５２７に反映されにくくなる。
　例えば、予測対象の番組が毎週月曜日に放送されるレギュラー番組であり、２０１８年１０月１５日の月曜日がその予測対象日である場合を想定する。この場合、予測対象日の１週間前の１０月８日及び４週間前の９月１７日は祝日であり、３週間前の９月２４日は祝日の振替休日である。したがって、これらの祝日及び振替休日の放送を含めて移動平均視聴率を計算すると、平日のみの移動平均視聴率とは大きく異なる計算結果が得られる。
　そこで、計算部５１４は、カレンダー５２３から祝日及び振替休日を広義の祝日として抽出し、抽出された祝日の放送の番組平均視聴率を除外する。そして、計算部５１４は、残りの放送の番組平均視聴率を用いて、直近移動平均視聴率、同曜日の移動平均視聴率、及び同曜日かつ同時間帯の移動平均視聴率を計算する。これにより、平日の放送の番組平均視聴率を正確に反映した移動平均視聴率を求めることができ、平日の予測視聴率５２７の予測精度が向上する。
　計算部５１４は、大型連休、お盆、及び年末年始の期間を除く祝日の朝の時間帯（５－１２時）の視聴率を、平日の同じ時間帯の視聴率に近づける補正を行い、補正後の視聴率を用いて番組平均視聴率を計算することもできる。この場合、計算部５１４は、祝日の放送を含めて移動平均視聴率を計算することが可能になる。
　入力データ５２６に含まれるインターネット情報は、例えば、番組表の閲覧回数及びトレンドワードフラグを含む。番組表の閲覧回数は、インターネット上において、番組表に含まれる番組記述情報が閲覧された回数を表す。トレンドワードフラグは、現在注目されているタレント又は話題等を示すキーワードが番組記述情報に含まれているか否かを示すフラグである。
　要求装置５０２から受信した処理要求が、リアルタイム視聴率の最近トレンド予測を示している場合、計算部５１４は、視聴率データ５２４を用いて、過去視聴率の各データを計算し、入力データ５２６の過去視聴率として記録する。
　推定部５１５は、天気補正モデル５２２を用いて、天気予報データ５２５から予測対象日の各時刻における降水量パターンを生成し、予測部５１６は、生成された降水量パターンを用いて各時刻の補正係数を計算する。
　次に、予測部５１６は、予測モデル５２１を用いて、入力データ５２６から予測視聴率５２７を生成し、記憶部５１１に格納する。そして、予測部５１６は、補正係数を用いて予測視聴率５２７を補正することで、予測視聴率５２８を生成し、記憶部５１１に格納する。これにより、予測対象日の各時刻における降水量に応じて、予測視聴率５２８を調整することができる。
　次に、通信部５１２は、処理要求に対する応答として、予測視聴率５２８を要求装置５０２へ送信する。要求装置５０２は、受信した予測視聴率５２８を用いて、統計処理等を行う。
　図８は、晴れの日及び雨の日におけるアクチュアル視聴率の時間変化の例を示している。横軸は放送時刻を表し、縦軸は世帯視聴率を表す。曲線８０１は、晴れの日のアクチュアル視聴率の時間変化の例を示しており、曲線８０２は、雨の日のアクチュアル視聴率の時間変化の例を示している。７：００－２１：００の時間帯において、雨の日の方が晴れの日よりも視聴率が高くなっている。
　そこで、天気予報データ５２５から予測対象日の降水量パターンを推定し、降水量パターンに基づいて予測視聴率５２７を補正することで、予測対象日の天気を反映した予測視聴率５２８を求めることが可能になる。これにより、予測視聴率５２８の予測精度が向上する。
　図９は、天気補正モデル５２２を用いた降水量推定処理の例を示している。天気補正モデル５２２は、天気予報データ５２５に含まれる、予測対象日の各時刻における天気及び降水確率から、各時刻の降水量パターンがパターン１～パターン４のいずれであるかを推定する。降水量パターンは、例えば、分単位で推定される。パターン１の降水量は、０ｍｍ以上かつ１ｍｍ未満（雨なし）であり、パターン２の降水量は、１ｍｍ以上かつ５ｍｍ未満であり、パターン３の降水量は、５ｍｍ以上かつ１５ｍｍ未満であり、パターン４の降水量は、１５ｍｍ以上である。
　各時刻の降水量パターンがパターン３又はパターン４である場合、予測部５１６は、曜日別及びターゲット別に、その時刻の補正係数を計算する。各時刻の補正係数としては、例えば、１よりも大きな実数が用いられる。そして、予測部５１６は、各ターゲットの予測視聴率５２７に、予測対象日の曜日及び予測対象のターゲットに対応する各時刻の補正係数を乗算することで、予測視聴率５２８を計算する。
　予測対象日が近いほど、天気予報データ５２５が高精度になるため、補正効果が大きくなる。また、若い視聴者は、降水量の多少にかかわらず外出する傾向があるため、補正効果が小さくなる。そこで、予測部５１６は、すべてのターゲット及びすべての予測対象日に対して補正を行うのではなく、補正効果が大きいターゲット及び予測対象日を絞り込んで、補正を行ってもよい。
　学習部５１３は、学習対象の視聴率データに対するアンサンブル学習を行うことで、予測モデル５２１を生成することもできる。アンサンブル学習は、同じ構造の複数の学習モデルに同じ学習データを学習させ、同じ指標に基づいてそれらの学習モデルを評価しながら、複数の異なる学習済みモデルを生成する学習処理である。
　図１０は、アンサンブル学習により生成された予測モデル５２１の例を示している。図１０のアンサンブル予測モデル１００１は、学習対象の視聴率データに対するアンサンブル学習により生成され、予測モデル１０１１－１～予測モデル１０１１－Ｍ（Ｍは２以上の整数）を含む。
　予測モデル１０１１－１～予測モデル１０１１－Ｍは、同じ構造を有し、同じ視聴率データから生成される。各予測モデル１０１１－ｉ（ｉ＝１～Ｍ）は、入力データ５２６から予測視聴率を生成する。そして、アンサンブル予測モデル１００１は、予測モデル１０１１－１～予測モデル１０１１－Ｍにより生成されたＭ個の予測視聴率の統計値を、予測視聴率５２７として出力する。Ｍ個の予測視聴率の統計値としては、平均値、中央値、最頻値等を用いることができる。
　図１１は、図５の予測装置５０１が行う予測処理の例を示すフローチャートである。図１１の予測処理では、リアルタイム視聴率の最近トレンド予測が行われる。まず、計算部５１４は、通信部５１２を介して、データ要求をデータサーバ５０３へ送信し、データサーバ５０３から視聴率データ５３１を取得する（ステップ１１０１）。そして、計算部５１４は、取得した視聴率データ５３１を、視聴率データ５２４として記憶部５１１に格納する。
　次に、推定部５１５は、通信部５１２を介して、データ要求をデータサーバ５０４へ送信し、データサーバ５０４から天気予報データ５３２を取得する（ステップ１１０２）。そして、推定部５１５は、取得した天気予報データ５３２を、天気予報データ５２５として記憶部５１１に格納する。
　次に、通信部５１２は、要求装置５０２から処理要求を受信する（ステップ１１０３）。そして、計算部５１４は、視聴率データ５２４を用いて、過去視聴率の各データを計算し、入力データ５２６の過去視聴率として記録する（ステップ１１０４）。
　このとき、計算部５１４は、祝日の放送の番組平均視聴率を除外し、残りの放送の番組平均視聴率を用いて、直近移動平均視聴率、同曜日の移動平均視聴率、及び同曜日かつ同時間帯の移動平均視聴率を計算する。このうち、同曜日の移動平均視聴率と、同曜日かつ同時間帯の移動平均視聴率は、予測対象日と同じ曜日の放送日の番組平均視聴率を用いて計算される。
　次に、推定部５１５は、天気補正モデル５２２を用いて、天気予報データ５２５から予測対象日の各時刻における降水量パターンを生成する（ステップ１１０５）。そして、予測部５１６は、生成された降水量パターンを用いて各時刻の補正係数を計算する（ステップ１１０６）。
　次に、予測部５１６は、予測モデル５２１を用いて、入力データ５２６から予測視聴率５２７を生成し（ステップ１１０７）、補正係数を用いて予測視聴率５２７を補正することで、予測視聴率５２８を生成する（ステップ１１０８）。そして、通信部５１２は、処理要求に対する応答として、予測視聴率５２８を要求装置５０２へ送信する（ステップ１１０９）。
　予測モデル５２１がタイムシフト視聴率の最近トレンド予測を行う場合、入力データ５２６は、例えば、番組情報、開始時刻移動情報、曜日移動情報、放送時間長変化情報、Ａタイム情報、及びその他の情報を含む。この場合、予測視聴率５２７としては、例えば、タイムシフト視聴率が用いられる。
　番組情報は、例えば、予測対象の番組の放送局情報、開始時間帯、終了時間帯、曜日情報、休日情報、番組カテゴリ、及び前４回の平均タイムシフト視聴率を含む。番組情報は、さらに、新番組フラグ、再放送フラグ、最終回フラグ、放送時間長カテゴリ、長尺フラグ、Ａタイムフラグ、及び番組タイトル特徴単語を含む。このうち、放送局情報、曜日情報、番組カテゴリ、長尺フラグ、及びＡタイムフラグについては、リアルタイム視聴率の最近トレンド予測の場合と同様である。
　開始時間帯は、番組の開始時刻が属する時間帯を表し、終了時間帯は、番組の終了時刻が属する時間帯を表す。開始時間帯及び終了時間帯は、例えば、３０分区切りで設定される。休日情報は、予測対象日が休日（土曜日、日曜日、祝日）、休前日、又は休日の翌日であることを表す。前４回の平均タイムシフト視聴率は、前４回のタイムシフト視聴率の平均値を表す。
　新番組フラグは、番組のタイトルに「新」が含まれているか否かを示すフラグである。再放送フラグは、番組のタイトルに「再」が含まれているか否かを示すフラグである。最終回フラグは、番組のタイトルに「終」が含まれているか否かを示すフラグである。放送時間長カテゴリは、番組の放送時間長が属するカテゴリを表す。放送時間長のカテゴリは、例えば、５分以下、５分超過かつ１０分以下、１０分超過かつ３０分以下、３０分超過かつ６０分以下、６０分超過かつ９０分以下、及び９０分超過かつ１１０分以下である。
　番組タイトル特徴単語は、番組タイトルに含まれる特徴的な単語を表す。特徴的な単語としては、例えば、タイムシフト視聴率の最近トレンド予測のシミュレーションにおいて、予測モデル５２１の予測精度向上に寄与した単語が用いられる。
　開始時刻の移動、曜日の移動、及び放送時間長の変化は、特別番組又は不定期番組の編成変更等によって発生する。例えば、普段は月曜日の深夜時間帯に放送されている番組が、特別番組として土曜日のＡタイムに放送されることがある。
　開始時刻移動情報は、開始時刻の最頻値、開始分数、開始分数の中央値、及び絶対値を含む。開始時刻の最頻値は、前４回の放送の開始時刻の最頻値を表す。開始分数は、１日を１～１４４０分に分割した場合の開始時刻に対応する分数を表す。開始分数の中央値は、前４回の放送の開始分数の中央値を表す。絶対値は、開始分数と開始分数の中央値との差分の絶対値を表す。
　曜日移動情報は、曜日の最頻値及び変化パターンを含む。曜日の最頻値は、前４回の放送曜日の最頻出曜日を表す。変化パターンは、最頻出曜日及び放送曜日の変化の態様を表す。放送時間長変化情報は、放送時間長の中央値及び変化率を含む。放送時間長の中央値は、前４回の放送時間長の中央値を表す。変化率は、中央値と比較した放送時間長の変化率を表す。
　Ａタイム情報は、Ａタイム割合、Ａタイム流入枠フラグ、及びＡタイム流出枠フラグを含む。Ａタイム流入は、Ａタイム以外の放送時間帯がＡタイムに変更されることを表し、Ａタイム流出は、Ａタイムの放送時間帯がＡタイム以外の時間帯に変更されることを表す。Ａタイム割合は、前４回の放送において番組がＡタイムで放送された割合を表す。例えば、４回中３回がＡタイムで放送された場合、Ａタイム割合は０．７５である。
　Ａタイム流入枠フラグは、予測対象の番組がＡタイム流入条件を満たすか否かを表す。Ａタイム流入条件は、Ａタイム割合が０．５以下であり、かつ、予測対象の番組の放送予定時間帯がＡタイムであることを表す。Ａタイム流出枠フラグは、予測対象の番組がＡタイム流出条件を満たすか否かを表す。Ａタイム流出条件は、Ａタイム割合が０．５以上であり、かつ、予測対象の番組の放送予定時間帯がＡタイム以外の時間帯であることを表す。
　その他の情報は、祝日日数及び放送間隔を含む。祝日日数は、現在から予測対象日までの期間に含まれる祝日の日数を表す。放送間隔は、前回の放送日から予測対象日までの日数を表す。
　予測モデル５２１がリアルタイム視聴率の長期トレンド予測を行う場合、入力データ５２６は、例えば、番組情報及び過去視聴率を含み、予測視聴率５２７としては、例えば、所定時間毎の平均視聴率が用いられる。所定時間は、１０分であってもよい。
　番組情報は、例えば、休日フラグ及び休前日フラグを含む。休日フラグは、予測対象日が休日であるか否かを示すフラグである。休前日フラグは、予測対象日が休前日であるか否かを示すフラグである。
　過去視聴率は、例えば、直近３０日分の過去視聴率、前４週平均視聴率、前８週平均視聴率、前１２週平均視聴率、及び前２４週平均視聴率を含む。直近３０日分の過去視聴率は、直近３０日分の所定時間毎の平均視聴率を表す。
　前４週平均視聴率は、予測対象日と同じ曜日における前４週間分の所定時間毎の平均視聴率を表す。前８週平均視聴率は、予測対象日と同じ曜日における前８週間分の所定時間毎の平均視聴率を表す。前１２週平均視聴率は、予測対象日と同じ曜日における前１２週間分の所定時間毎の平均視聴率を表す。前２４週平均視聴率は、予測対象日と同じ曜日における前２４週間分の所定時間毎の平均視聴率を表す。
　図１の予測装置１０１、図２の予測装置２０１、図３の予測装置３０１、及び図４の予測装置４０１の構成は一例に過ぎず、予測装置の用途又は条件に応じて一部の構成要素を省略又は変更してもよい。
　図５の予測システムの構成は一例に過ぎず、予測システムの用途又は条件に応じて一部の構成要素を省略又は変更してもよい。例えば、予測装置５０１において、事前に予測モデル５２１及び天気補正モデル５２２が記憶部５１１に格納されている場合は、学習部５１３を省略することができる。予測視聴率５２７の補正を行わない場合は、推定部５１５を省略することができる。
　図１１のフローチャートは一例に過ぎず、予測システムの構成又は条件に応じて一部の処理を省略又は変更してもよい。例えば、予測視聴率５２７の補正を行わない場合は、ステップ１１０２、ステップ１１０５、ステップ１１０６、及びステップ１１０８の処理を省略することができる。
　図６～図８に示したアクチュアル視聴率は一例に過ぎず、アクチュアル視聴率は、番組、ターゲット、放送日等に応じて変化する。図９に示した降水量推定処理は一例に過ぎず、別の降水量推定処理により降水量を推定してもよい。例えば、推定部５１５は、天気補正モデル５２２の代わりに所定の計算式を用いて、予測対象日の各時刻における降水確率から降水量を計算してもよい。図１０に示したアンサンブル予測モデル１００１は一例に過ぎず、別のアンサンブル予測モデルを用いてもよい。
　上述したリアルタイム視聴率の最近トレンド予測、タイムシフト視聴率の最近トレンド予測、及びリアルタイム視聴率の長期トレンド予測における、入力データ５２６の各項目は一例に過ぎない。予測システムの用途又は条件に応じて、入力データ５２６の一部の項目を省略又は変更してもよい。
　予測対象の放送情報は、テレビ放送の番組又はＣＭであってもよく、ラジオ放送又はインターネット放送の番組又はＣＭであってもよい。放送接触情報として、視聴率の代わりに、視聴者の視聴行動を示す他の指標を用いることもできる。他の指標としては、例えば、視聴時間量、視聴世帯数、視聴人数、一定期間内の視聴回数等が挙げられる。
　図１２は、図１の予測装置１０１、図２の予測装置２０１、図３の予測装置３０１、図４の予測装置４０１、及び図５の予測装置５０１として用いられる、情報処理装置のハードウェア構成例を示している。図１２の情報処理装置は、ＣＰＵ（Central Processing Unit）１２０１、メモリ１２０２、入力装置１２０３、出力装置１２０４、補助記憶装置１２０５、媒体駆動装置１２０６、及びネットワーク接続装置１２０７を含む。これらの構成要素はハードウェアであり、バス１２０８により互いに接続されている。
　メモリ１２０２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリであり、処理に用いられるプログラム及びデータを格納する。メモリ１２０２は、図１の記憶部１１１、図２の記憶部２１１、図３の記憶部３１１、図４の記憶部４１１、又は図５の記憶部５１１として用いることができる。
　ＣＰＵ１２０１（プロセッサ）は、例えば、メモリ１２０２を利用してプログラムを実行することにより、図１の計算部１１２及び予測部１１３として動作する。ＣＰＵ１２０１は、プログラムを実行することにより、図２の計算部２１２及び予測部２１３としても動作する。
　ＣＰＵ１２０１は、プログラムを実行することにより、図３の計算部３１２及び予測部３１３としても動作する。ＣＰＵ１２０１は、プログラムを実行することにより、図４の推定部４１２及び予測部４１３としても動作する。ＣＰＵ１２０１は、プログラムを実行することにより、図５の学習部５１３、計算部５１４、推定部５１５、及び予測部５１６としても動作する。
　入力装置１２０３は、例えば、キーボード、ポインティングデバイス等であり、オペレータ又はユーザからの指示又は情報の入力に用いられる。出力装置１２０４は、例えば、表示装置、プリンタ、スピーカ等であり、オペレータ又はユーザへの問い合わせ又は指示、及び処理結果の出力に用いられる。処理結果は、予測視聴率５２８であってもよい。
　補助記憶装置１２０５は、例えば、磁気ディスク装置、光ディスク装置、光磁気ディスク装置、テープ装置等である。補助記憶装置１２０５は、ハードディスクドライブ又はフラッシュメモリであってもよい。情報処理装置は、補助記憶装置１２０５にプログラム及びデータを格納しておき、それらをメモリ１２０２にロードして使用することができる。補助記憶装置１２０５は、図１の記憶部１１１、図２の記憶部２１１、図３の記憶部３１１、図４の記憶部４１１、又は図５の記憶部５１１として用いることができる。
　媒体駆動装置１２０６は、可搬型記録媒体１２０９を駆動し、その記録内容にアクセスする。可搬型記録媒体１２０９は、メモリデバイス、フレキシブルディスク、光ディスク、光磁気ディスク等である。可搬型記録媒体１２０９は、ＣＤ－ＲＯＭ（Compact　Disk　Read　Only　Memory）、ＤＶＤ（Digital　Versatile　Disk）、ＵＳＢ（Universal　Serial　Bus）メモリ等であってもよい。オペレータ又はユーザは、この可搬型記録媒体１２０９にプログラム及びデータを格納しておき、それらをメモリ１２０２にロードして使用することができる。
　このように、処理に用いられるプログラム及びデータを格納するコンピュータ読み取り可能な記録媒体は、メモリ１２０２、補助記憶装置１２０５、又は可搬型記録媒体１２０９のような、物理的な（非一時的な）記録媒体である。
　ネットワーク接続装置１２０７は、通信ネットワーク５０５に接続され、通信に伴うデータ変換を行う通信インタフェース回路である。情報処理装置は、プログラム及びデータを外部の装置からネットワーク接続装置１２０７を介して受信し、それらをメモリ１２０２にロードして使用することができる。ネットワーク接続装置１２０７は、図５の通信部５１２として用いることができる。
　なお、情報処理装置が図１２のすべての構成要素を含む必要はなく、用途又は条件に応じて一部の構成要素を省略することも可能である。例えば、オペレータ又はユーザとのインタフェースが不要な場合は、入力装置１２０３及び出力装置１２０４を省略してもよい。可搬型記録媒体１２０９又は通信ネットワークを使用しない場合は、媒体駆動装置１２０６又はネットワーク接続装置１２０７を省略してもよい。
　図１２の情報処理装置は、図５の要求装置５０２、データサーバ５０３、及びデータサーバ５０４としても用いることができる。
　開示の実施形態とその利点について詳しく説明したが、当業者は、特許請求の範囲に明確に記載した本発明の範囲から逸脱することなく、様々な変更、追加、省略をすることができるであろう。
　１０１、２０１、３０１、４０１、５０１　予測装置
　１１１、２１１、３１１、４１１、５１１　記憶部
　１１２、２１２、３１２、５１４　計算部
　１１３、２１３、３１３、４１３、５１６　予測部
　１２１、２２２、３２２、４２１　放送接触情報
　２２１、３２１　カレンダー情報
　４１２、５１５　推定部
　４２２　天気予報情報
　５０２　要求装置
　５０３、５０４　データサーバ
　５０５　通信ネットワーク
　５１２　通信部
　５１３　学習部
　５２１、１０１１－１～１０１１－Ｍ　予測モデル
　５２２　天気補正モデル
　５２３　カレンダー
　５２４、５３１　視聴率データ
　５２５、５３２　天気予報データ
　５２６　入力データ
　５２７、５２８　予測視聴率
　５３１　視聴率データ
　６０１～６０５、６１１～６１５　棒グラフ
　７０１、７０２　折れ線
　７１１、７１２　ピーク
　８０１、８０２　曲線
　１００１　アンサンブル予測モデル
　１２０１　ＣＰＵ
　１２０２　メモリ
　１２０３　入力装置
　１２０４　出力装置
　１２０５　補助記憶装置
　１２０６　媒体駆動装置
　１２０７　ネットワーク接続装置
　１２０８　バス
　１２０９　可搬型記録媒体
 

Claims (22)

  1. 　放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報を記憶する記憶部と、
    　前記複数の放送情報に含まれる第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、前記第２放送情報の放送接触情報の寄与が前記第１放送情報の放送接触情報の寄与よりも大きくなる統計値を計算する計算部と、
    　前記統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める予測部と、
    を備えることを特徴とする予測装置。
  2. 　前記複数の放送情報及び前記放送予定の放送情報は、複数の放送番組カテゴリのうち所定カテゴリに属する放送番組であり、前記複数の放送情報及び前記放送予定の放送情報各々の番組記述情報は、所定キーワード又は前記所定キーワードの同義語を含むことを特徴とする請求項１記載の予測装置。
  3. 　前記統計値は、前記複数の放送情報それぞれの放送接触情報の加重移動平均であり、前記加重移動平均の重みは、放送日が遅い放送情報ほど大きくなることを特徴とする請求項１又は２記載の予測装置。
  4. 　前記予測部は、学習対象の放送接触情報に対する機械学習により生成された予測モデルを用いて、前記予測接触情報を求めることを特徴とする請求項１乃至３のいずれか１項に記載の予測装置。
  5. 　コンピュータが、
    　放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報のうち、前記複数の放送情報に含まれる第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、前記第２放送情報の放送接触情報の寄与が前記第１放送情報の放送接触情報の寄与よりも大きくなる統計値を計算し、
    　前記統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める、
    ことを特徴とする予測方法。
  6. 　放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報のうち、前記複数の放送情報に含まれる第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、前記第２放送情報の放送接触情報の寄与が前記第１放送情報の放送接触情報の寄与よりも大きくなる統計値を計算し、
    　前記統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める、
    処理をコンピュータに実行させるための予測プログラム。
  7. 　祝日を含むカレンダー情報と、放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報とを記憶する記憶部と、
    　前記複数の放送情報それぞれの放送接触情報から、前記祝日に放送された放送情報の放送接触情報を除外し、残りの放送接触情報のうち、第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する計算部と、
    　前記統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める予測部と、
    を備えることを特徴とする予測装置。
  8. 　前記複数の放送情報及び前記放送予定の放送情報は、複数の放送番組カテゴリのうち所定カテゴリに属する放送番組であり、前記複数の放送情報及び前記放送予定の放送情報各々の番組記述情報は、所定キーワード又は前記所定キーワードの同義語を含むことを特徴とする請求項７記載の予測装置。
  9. 　前記統計値は、前記複数の放送情報それぞれの放送接触情報の単純移動平均又は加重移動平均であり、前記加重移動平均の重みは、放送日が遅い放送情報ほど大きくなることを特徴とする請求項７又は８記載の予測装置。
  10. 　前記予測部は、学習対象の放送接触情報に対する機械学習により生成された予測モデルを用いて、前記予測接触情報を求めることを特徴とする請求項７乃至９のいずれか１項に記載の予測装置。
  11. 　コンピュータが、
    　放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報から、カレンダー情報が示す祝日に放送された放送情報の放送接触情報を除外し、
    　残りの放送接触情報のうち、第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算し、
    　前記統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める、
    ことを特徴とする予測方法。
  12. 　放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報から、カレンダー情報が示す祝日に放送された放送情報の放送接触情報を除外し、
    　残りの放送接触情報のうち、第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算し、
    　前記統計値に基づいて、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める、
    処理をコンピュータに実行させるための予測プログラム。
  13. 　複数の曜日を含むカレンダー情報と、前記複数の曜日を含む放送日に放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報とを記憶する記憶部と、
    　前記複数の放送情報それぞれの放送接触情報から、前記複数の曜日のうち所定曜日に放送された放送情報の放送接触情報を抽出し、抽出された放送接触情報のうち、第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算する計算部と、
    　前記統計値に基づいて、前記所定曜日に放送される、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める予測部と、
    を備えることを特徴とする予測装置。
  14. 　前記統計値は、前記複数の放送情報それぞれの放送接触情報の単純移動平均又は加重移動平均であり、前記加重移動平均の重みは、放送日が遅い放送情報ほど大きくなることを特徴とする請求項１３記載の予測装置。
  15. 　前記予測部は、学習対象の放送接触情報に対する機械学習により生成された予測モデルを用いて、前記予測接触情報を求めることを特徴とする請求項１３又は１４記載の予測装置。
  16. 　コンピュータが、
    　カレンダー情報が示す複数の曜日を含む放送日に放送媒体で放送された複数の放送情報それぞれに対する、受信者からの接触の度合いを示す放送接触情報から、前記複数の曜日のうち所定曜日に放送された放送情報の放送接触情報を抽出し、
    　抽出された放送接触情報のうち、第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算し、
    　前記統計値に基づいて、前記所定曜日に放送される、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める、
    ことを特徴とする予測方法。
  17. 　カレンダー情報が示す複数の曜日を含む放送日に放送媒体で放送された複数の放送情報それぞれに対する、受信者からの接触の度合いを示す放送接触情報から、前記複数の曜日のうち所定曜日に放送された放送情報の放送接触情報を抽出し、
    　抽出された放送接触情報のうち、第１放送情報の放送接触情報と、前記第１放送情報よりも後に放送された第２放送情報の放送接触情報とを用いて、統計値を計算し、
    　前記統計値に基づいて、前記所定曜日に放送される、放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める、
    処理をコンピュータに実行させるための予測プログラム。
  18. 　放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報と、放送予定の放送情報が放送される放送予定日の天気を示す天気予報情報とを記憶する記憶部と、
    　前記天気予報情報に基づいて、前記放送予定日の降水量を推定する推定部と、
    　前記複数の放送情報それぞれの放送接触情報と、前記放送予定日の降水量とに基づいて、前記放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める予測部と、
    を備えることを特徴とする予測装置。
  19. 　前記予測部は、前記複数の放送情報それぞれの放送接触情報に基づいて、前記放送予定の放送情報に対する受信者からの接触の度合いを示す補正前接触情報を求め、前記放送予定日の降水量を用いて補正係数を計算し、前記補正前接触情報及び前記補正係数を用いて、前記予測接触情報を求めることを特徴とする請求項１８記載の予測装置。
  20. 　前記予測部は、学習対象の放送接触情報に対する機械学習により生成された予測モデルを用いて、前記予測接触情報を求めることを特徴とする請求項１８又は１９記載の予測装置。
  21. 　コンピュータが、
    　放送予定の放送情報が放送される放送予定日の天気を示す天気予報情報に基づいて、前記放送予定日の降水量を推定し、
    　放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報と、前記放送予定日の降水量とに基づいて、前記放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める、
    ことを特徴とする予測方法。
  22. 　放送予定の放送情報が放送される放送予定日の天気を示す天気予報情報に基づいて、前記放送予定日の降水量を推定し、
    　放送媒体で放送された複数の放送情報それぞれに対する受信者からの接触の度合いを示す放送接触情報と、前記放送予定日の降水量とに基づいて、前記放送予定の放送情報に対する受信者からの接触の度合いを示す予測接触情報を求める、
    処理をコンピュータに実行させるための予測プログラム。
     
PCT/JP2021/002454 2020-01-28 2021-01-25 予測装置、予測方法、及び予測プログラム WO2021153505A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/792,925 US20230066059A1 (en) 2020-01-28 2021-01-25 Prediction apparatus, prediction method, and prediction program
CN202180025183.0A CN115380304A (zh) 2020-01-28 2021-01-25 预测装置、预测方法及预测程序
EP21747396.6A EP4099251A4 (en) 2020-01-28 2021-01-25 PREDICTION DEVICE, PREDICTION METHOD AND PREDICTION PROGRAM

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-011544 2020-01-28
JP2020011544A JP6902636B1 (ja) 2020-01-28 2020-01-28 予測装置、予測方法、及び予測プログラム

Publications (1)

Publication Number Publication Date
WO2021153505A1 true WO2021153505A1 (ja) 2021-08-05

Family

ID=76753135

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/002454 WO2021153505A1 (ja) 2020-01-28 2021-01-25 予測装置、予測方法、及び予測プログラム

Country Status (5)

Country Link
US (1) US20230066059A1 (ja)
EP (1) EP4099251A4 (ja)
JP (1) JP6902636B1 (ja)
CN (1) CN115380304A (ja)
WO (1) WO2021153505A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7351975B1 (ja) * 2022-07-13 2023-09-27 株式会社電通 予測装置、予測方法及び予測プログラム

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001086081A (ja) * 1999-09-13 2001-03-30 Toshiba Corp 個人視聴率ファイルレイアウト構造を有するデータベース、個人視聴率を求める方法及び個人視聴率とその因子による最適ｃｍ割り当て方法
JP2004110300A (ja) * 2002-09-17 2004-04-08 Japan Research Institute Ltd データ予測方法、データ予測装置、コンピュータプログラム、及び記録媒体
JP2004206679A (ja) * 2002-12-12 2004-07-22 Sony Corp 情報処理装置および方法、記録媒体、並びにプログラム
JP2010108283A (ja) * 2008-10-30 2010-05-13 Nec Corp 予測システム、予測方法および予測プログラム
JP2010181966A (ja) * 2009-02-03 2010-08-19 Ntt Docomo Inc レコメンド情報評価装置およびレコメンド情報評価方法
JP2014238640A (ja) * 2013-06-06 2014-12-18 沖電気工業株式会社 情報提供システム、サーバ、顧客操作端末、情報提供方法及びプログラム
KR101533043B1 (ko) * 2014-02-05 2015-07-02 한국기술교육대학교 산학협력단 Tv 프로그램 시청률 예측 시스템 및 그 예측 방법
JP2016045917A (ja) * 2014-08-27 2016-04-04 株式会社日立ソリューションズ西日本 時系列データの傾向抽出及び評価装置
US20170064395A1 (en) * 2015-09-01 2017-03-02 Turner Broadcasting System, Inc. Programming optimization utilizing a framework for audience rating estimation
US20170223425A1 (en) * 2013-12-30 2017-08-03 Adap.Tv, Inc. Systems and methods for a television scoring service that learns to reach a target audience
US20180109829A1 (en) * 2016-10-17 2018-04-19 Viacom International Inc. Systems and Methods for Predicting Audience Measurements of a Television Program
WO2018131576A1 (ja) 2017-01-10 2018-07-19 株式会社電通 テレビ等の放送媒体における広告枠最適化システム及び広告枠最適化方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05342191A (ja) * 1992-06-08 1993-12-24 Mitsubishi Electric Corp 経済時系列データ予測及び解析システム
CN104837070A (zh) * 2006-06-09 2015-08-12 华为技术有限公司 组播业务处理方法、系统及接入设备
AU2008335170B2 (en) * 2007-12-10 2014-04-10 Google Inc. Television traffic estimation
JP2010122825A (ja) * 2008-11-18 2010-06-03 Osaka Prefecture Univ データ予測装置、データ予測方法、データ予測プログラム
JP2010130585A (ja) * 2008-11-28 2010-06-10 Video Research:Kk 視聴率予測装置および視聴率予測プログラム
JP6408451B2 (ja) * 2015-05-21 2018-10-17 株式会社日立製作所 エネルギー需要予測システム及びエネルギー需要予測方法
JP6642159B2 (ja) * 2016-03-18 2020-02-05 日本電気株式会社 予測支援システム、予測支援方法及びプログラム

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001086081A (ja) * 1999-09-13 2001-03-30 Toshiba Corp 個人視聴率ファイルレイアウト構造を有するデータベース、個人視聴率を求める方法及び個人視聴率とその因子による最適ｃｍ割り当て方法
JP2004110300A (ja) * 2002-09-17 2004-04-08 Japan Research Institute Ltd データ予測方法、データ予測装置、コンピュータプログラム、及び記録媒体
JP2004206679A (ja) * 2002-12-12 2004-07-22 Sony Corp 情報処理装置および方法、記録媒体、並びにプログラム
JP2010108283A (ja) * 2008-10-30 2010-05-13 Nec Corp 予測システム、予測方法および予測プログラム
JP2010181966A (ja) * 2009-02-03 2010-08-19 Ntt Docomo Inc レコメンド情報評価装置およびレコメンド情報評価方法
JP2014238640A (ja) * 2013-06-06 2014-12-18 沖電気工業株式会社 情報提供システム、サーバ、顧客操作端末、情報提供方法及びプログラム
US20170223425A1 (en) * 2013-12-30 2017-08-03 Adap.Tv, Inc. Systems and methods for a television scoring service that learns to reach a target audience
KR101533043B1 (ko) * 2014-02-05 2015-07-02 한국기술교육대학교 산학협력단 Tv 프로그램 시청률 예측 시스템 및 그 예측 방법
JP2016045917A (ja) * 2014-08-27 2016-04-04 株式会社日立ソリューションズ西日本 時系列データの傾向抽出及び評価装置
US20170064395A1 (en) * 2015-09-01 2017-03-02 Turner Broadcasting System, Inc. Programming optimization utilizing a framework for audience rating estimation
US20180109829A1 (en) * 2016-10-17 2018-04-19 Viacom International Inc. Systems and Methods for Predicting Audience Measurements of a Television Program
WO2018131576A1 (ja) 2017-01-10 2018-07-19 株式会社電通 テレビ等の放送媒体における広告枠最適化システム及び広告枠最適化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TANAKA HARUNA: "Weather tech", NIKKEI COMPUTER, no. 991, 30 May 2019 (2019-05-30), JP , pages 36 - 43, XP009537834, ISSN: 0285-4619 *

Also Published As

Publication number Publication date
EP4099251A1 (en) 2022-12-07
TW202147234A (zh) 2021-12-16
EP4099251A4 (en) 2023-10-25
CN115380304A (zh) 2022-11-22
JP2021117818A (ja) 2021-08-10
US20230066059A1 (en) 2023-03-02
JP6902636B1 (ja) 2021-07-14

Similar Documents

Publication Publication Date Title
US11689767B2 (en) Methods and apparatus to estimate population reach from different marginal rating unions
TWI765952B (zh) 電視等的廣播媒體中之廣告時段最佳化系統及廣告時段最佳化方法
Wilbur Advertising content and television advertising avoidance
US9872083B2 (en) Computer-based optimized insertion of non-program media items in media programs
US9161099B2 (en) Targeting television ads using keywords
US8495680B2 (en) System and method for behavioral model clustering in television usage, targeted advertising via model clustering, and preference programming based on behavioral model clusters
JP2020038676A (ja) インプレッションデータの帰属先の誤判定及び／又はデータベース保有者による未カバーを補償する方法及び装置
US20100235219A1 (en) Reconciling forecast data with measured data
US20210281925A1 (en) Dynamic viewer prediction system for advertisement scheduling
JP2010522944A (ja) テレビインプレッション予測
JPWO2008081596A1 (ja) リスティング広告送出装置及び方法
JP2017146815A (ja) 電力需要予測装置及び方法
WO2021153505A1 (ja) 予測装置、予測方法、及び予測プログラム
Meyer et al. The accuracy of television network rating forecasts: The effects of data aggregation and alternative models
US20230085186A1 (en) Information processing apparatus, plan revision assist method and plan revision assist program
Song et al. Commercial audience retention of television programs: measurement and prediction
TWI858224B (zh) 預測裝置、預測方法、及預測程式
JP4276616B2 (ja) コマーシャル提供システム
JP7464711B2 (ja) 視聴率推定装置、視聴率推定方法および視聴率推定プログラム
US20120116879A1 (en) Automatic information selection based on involvement classification
WO2024014328A1 (ja) 予測装置、予測方法及び予測プログラム
JP2001086081A (ja) 個人視聴率ファイルレイアウト構造を有するデータベース、個人視聴率を求める方法及び個人視聴率とその因子による最適ｃｍ割り当て方法
TW202437174A (zh) 資訊處理裝置、資訊處理方法及資訊處理程式
TW202414228A (zh) 資訊處理裝置、資訊處理方法及資訊處理程式
Commerce Attribution of Conversion Events to Multi-Channel Media

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21747396

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021747396

Country of ref document: EP

Effective date: 20220829