JP2012048360A - Id価値評価装置、id価値評価システム、及びid価値評価方法 - Google Patents
Id価値評価装置、id価値評価システム、及びid価値評価方法 Download PDFInfo
- Publication number
- JP2012048360A JP2012048360A JP2010188127A JP2010188127A JP2012048360A JP 2012048360 A JP2012048360 A JP 2012048360A JP 2010188127 A JP2010188127 A JP 2010188127A JP 2010188127 A JP2010188127 A JP 2010188127A JP 2012048360 A JP2012048360 A JP 2012048360A
- Authority
- JP
- Japan
- Prior art keywords
- value
- user
- evaluation
- attribute information
- advertisement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 468
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 230000006870 function Effects 0.000 claims description 150
- 238000009826 distribution Methods 0.000 claims description 70
- 230000009471 action Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 26
- 238000007493 shaping process Methods 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 description 86
- 238000007726 management method Methods 0.000 description 44
- 238000004891 communication Methods 0.000 description 41
- 230000008569 process Effects 0.000 description 30
- 238000003780 insertion Methods 0.000 description 25
- 230000037431 insertion Effects 0.000 description 25
- 230000006399 behavior Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 13
- 239000002537 cosmetic Substances 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000010365 information processing Effects 0.000 description 6
- 238000000611 regression analysis Methods 0.000 description 5
- 206010026749 Mania Diseases 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 235000014510 cooky Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 101150012579 ADSL gene Proteins 0.000 description 2
- 102100020775 Adenylosuccinate lyase Human genes 0.000 description 2
- 108700040193 Adenylosuccinate lyases Proteins 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
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
-
- 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
- G06Q30/0273—Determination of fees for advertising
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
【課題】ユーザの属性とサービスの属性とを考慮したユーザIDの価値を評価することが可能なID価値評価装置を提供すること。
【解決手段】
ユーザの属性を示すユーザ属性情報、及びサービスの属性を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出する評価値算出部と、前記評価すべきユーザのユーザIDと、前記評価値算出部により算出された当該ユーザの価値評価値とを対応付けて出力する評価値出力部と、を備える、ID価値評価装置が提供される。
【選択図】図2
【解決手段】
ユーザの属性を示すユーザ属性情報、及びサービスの属性を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出する評価値算出部と、前記評価すべきユーザのユーザIDと、前記評価値算出部により算出された当該ユーザの価値評価値とを対応付けて出力する評価値出力部と、を備える、ID価値評価装置が提供される。
【選択図】図2
Description
本発明は、ID価値評価装置、ID価値評価システム、及びID価値評価方法に関する。
Webサイトの多くには、バナー広告などの形で様々な商品やサービスの広告が掲載されている。こうした広告の掲載者に対する報酬額は、例えば、そのバナー広告がクリックされた事実に基づいて決められるか、或いは、商品やサービスの売り上げに基づいて決められる。クリックの有無に応じて報酬額が決まる前者の方式は、クリック報酬方式と呼ばれる。また、売り上げに対する一定の割合で報酬額が決まる後者の方式は、定率報酬方式と呼ばれる。その他にも、報酬額が一定額に決められている定額報酬方式もある。
上記のクリック報酬方式に関し、例えば、下記の特許文献1には、広告の掲載者が、バナー広告を介して広告主にアクセスした回数を計上し、その回数に応じた報酬額を広告主に請求する仕組みが開示されている。また、下記の特許文献2にも、クリックに応じて報酬額が決まる仕組みが開示されている。一方、上記の定率報酬方式に関し、例えば、下記の特許文献3には、ユーザが購入した商品の購入実績に応じて報酬額を決める仕組みが開示されている。
しかし、クリック報酬方式の場合、ユーザの購入行動に応じた報酬額を広告の掲載者に支払うことが難しい。また、報酬額を不正に得るためにバナー広告に対して意図的にクリックが行われていても、クリックした分だけ報酬額が支払われてしまう。一方、定率報酬方式の場合、実際に商品やサービスが購入されるまで広告の掲載者に報酬額が支払われない。また、定額報酬方式の場合、広告の効果に関係なく報酬額が決まってしまう。
このように、従来の報酬方式は、広告の掲載による効果を十分に評価した上で報酬額を決める方式ではなかった。特に、どのようなユーザが、どのような商品やサービスの広告を見たのか、ユーザが広告を見たことによる販促効果はどれくらいあるのか、といった観点で報酬額を決める発想が従来の報酬方式にはなかった。
例えば、化粧品に興味のあるユーザが化粧品のバナー広告をクリックした場合には、そのユーザが広告の商品を購入する確率は高いと考えられる。また、ユーザが女性で、バナー広告を掲載するサイトが美容に関するものならば、化粧品のバナー広告をクリックする確率は高い。そのため、化粧品の広告主にとって化粧品に興味のあるユーザは価値が高く、広告主からすれば、そうしたユーザにバナー広告をクリックしてもらいたいと考えるであろう。当然に、化粧品の広告主は、化粧品に興味のあるユーザを多く惹きつけてくれる広告の掲載者には高い報酬額を支払い、化粧品に興味のないユーザしか集められない広告の掲載者には安い報酬額を支払うようにしたいと考えるであろう。
ここでは広告の掲載者に支払われる報酬額の決め方を例に挙げたが、ユーザとサービスの関係を考慮したユーザの価値を評価したい場面はたくさん存在する。そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、ユーザとサービスとの関係を考慮したユーザの価値を評価することが可能な、新規かつ改良されたID価値評価装置、ID価値評価システム、及びID価値評価方法を提供することにある。
上記課題を解決するために、本発明のある観点によれば、ユーザの属性を示すユーザ属性情報、サービスの属性、及び一般情報を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出する評価値算出部と、前記評価すべきユーザのユーザIDと、前記評価値算出部により算出された当該ユーザの価値評価値とを対応付けて出力する評価値出力部と、を備える、ID価値評価装置が提供される。
また、上記のID価値評価装置は、予め用意されたユーザ属性情報、サービス属性情報、一般情報、ユーザの行動履歴の組を学習データとする機械学習により前記評価関数を生成する評価関数生成部をさらに備えていてもよい。
また、上記のID価値評価装置は、前記サービスを提供するサービス提供サイトに記載された情報を解析し、当該サービス提供サイトが提供するサービスのサービス属性情報を取得するサービス属性情報取得部をさらに備えていてもよい。
また、前記サービス属性情報取得部は、前記サービス提供サイトに記載された情報に対して所定の言語処理を施すことにより前記サービス属性情報を取得するように構成されていてもよい。
また、前記サービスは、ユーザに対して広告を提供するサービスを含んでいてもよい。この場合、前記評価値算出部は、ユーザにより前記広告に関わる操作が行われた際、当該ユーザを前記評価すべきユーザとしてリアルタイムに前記価値評価値を算出する。
また、前記評価値算出部は、前記サービスを提供するサービス提供サイトを訪れたユーザの集合を前記評価すべきユーザの集合として、当該集合に含まれる各ユーザの価値評価値を算出し、算出した当該各ユーザの価値評価値を合算して集合価値評価値を算出するように構成されていてもよい。この場合、前記評価値出力部は、前記サービス提供サイトのIDと、前記評価値算出部により算出された集合価値評価値とを対応付けて出力する。
また、上記のID価値評価装置は、前記評価関数に入力されるサービス属性情報の表現を当該評価関数に入力可能な表現に変換するデータ整形部をさらに備えていてもよい。
また、上記課題を解決するために、本発明の別の観点によれば、ユーザの属性を示すユーザ属性情報、サービスの属性、及び一般情報を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出する評価値算出部と、前記評価すべきユーザのユーザIDと、前記評価値算出部により算出された当該ユーザの価値評価値とを対応付けて出力する評価値出力部と、を有する、ID価値評価装置と、前記ユーザに向けた広告の配信サービスを提供する広告配信サーバと、前記広告配信サーバに前記広告の内容を提供する広告提供サーバと、を含み、ユーザにより前記広告配信サーバにより配信された広告に関わる操作が行われた際、前記広告配信サーバは、前記ID価値評価装置に対して当該ユーザの評価を依頼し、前記ID価値評価装置は、前記評価値算出部により前記広告配信サーバから依頼を受けたユーザの価値評価値を算出し、前記評価値出力部により当該ユーザの価値評価値を当該ユーザのユーザIDに対応付けて前記広告配信サーバに対して出力し、前記広告配信サーバは、前記ID価値評価装置から取得した前記ユーザの価値評価値を当該価値評価値に対応付けられたユーザIDと共に前記広告提供サーバに提供する、ID価値評価システムが提供される。
また、上記課題を解決するために、本発明の別の観点によれば、ユーザの属性を示すユーザ属性情報、サービスの属性、及び一般情報を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出する評価値算出ステップと、前記評価すべきユーザのユーザIDと、前記評価値算出ステップで算出された当該ユーザの価値評価値とを対応付けて出力する評価値出力ステップと、を含む、ID価値評価方法が提供される。
また、上記課題を解決するために、本発明の別の観点によれば、上記のID価値評価装置が備える各構成要素の機能をコンピュータに実現させるためのプログラムが提供される。さらに、上記課題を解決するために、本発明の別の観点によれば、上記のプログラムが記録された、コンピュータにより読み取り可能な記録媒体が提供される。
以上説明したように本発明によれば、ユーザとサービスとの関係を考慮したユーザの価値を評価することが可能になる。
以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
[説明の流れについて]
ここで、以下に記載する本発明の実施形態に関する説明の流れについて簡単に述べる。まず、図1を参照しながら、本発明の一実施形態に係る広告提供システム10の全体構成について説明する。次いで、図2を参照しながら、同実施形態に係るID価値評価システム100の機能構成について説明する。この中で、ID価値評価関数の生成方法について説明する。次いで、図3を参照しながら、同実施形態に係る広告配信システム104の機能構成について説明する。次いで、図4を参照しながら、同実施形態に係る属性管理システム106の機能構成について説明する。
ここで、以下に記載する本発明の実施形態に関する説明の流れについて簡単に述べる。まず、図1を参照しながら、本発明の一実施形態に係る広告提供システム10の全体構成について説明する。次いで、図2を参照しながら、同実施形態に係るID価値評価システム100の機能構成について説明する。この中で、ID価値評価関数の生成方法について説明する。次いで、図3を参照しながら、同実施形態に係る広告配信システム104の機能構成について説明する。次いで、図4を参照しながら、同実施形態に係る属性管理システム106の機能構成について説明する。
次いで、図5〜図12を参照しながら、同実施形態に係るID価値評価システム100の動作について説明する。次いで、図13を参照しながら、同実施形態に係るID価値評価関数の生成方法について説明する。次いで、図15、図16を参照しながら、同実施形態に係る広告提供システム10において実行される処理シーケンスについて説明する。次いで、図17を参照しながら、同実施形態に係る各システム及びユーザ端末の機能を実現することが可能なハードウェア構成について説明する。最後に、同実施形態の技術的思想について纏め、当該技術的思想から得られる作用効果について簡単に説明する。
(説明項目)
1:実施形態
1−1:広告提供システム10の全体構成
1−2:ID価値評価システム100の機能構成
1−3:広告配信システム104の機能構成
1−4:属性管理システム106の機能構成
1−5:ID価値評価システム100の動作
1−5−1:評価値算出の流れ
1−5−2:関数生成の流れ
1−6:広告提供システム10における処理シーケンス
1−6−1:具体例1
1−6−2:具体例2
1−7:ハードウェア構成
2:まとめ
1:実施形態
1−1:広告提供システム10の全体構成
1−2:ID価値評価システム100の機能構成
1−3:広告配信システム104の機能構成
1−4:属性管理システム106の機能構成
1−5:ID価値評価システム100の動作
1−5−1:評価値算出の流れ
1−5−2:関数生成の流れ
1−6:広告提供システム10における処理シーケンス
1−6−1:具体例1
1−6−2:具体例2
1−7:ハードウェア構成
2:まとめ
<1:実施形態>
本発明の一実施形態について説明する。本実施形態は、ユーザに広告を提供するシステム(広告提供システム10)に関する。特に、本実施形態は、ユーザの価値に応じた広告掲載者への報酬額や広告掲載者の価値を算定するための仕組みに関する。
本発明の一実施形態について説明する。本実施形態は、ユーザに広告を提供するシステム(広告提供システム10)に関する。特に、本実施形態は、ユーザの価値に応じた広告掲載者への報酬額や広告掲載者の価値を算定するための仕組みに関する。
[1−1:広告提供システム10の全体構成]
まず、図1を参照しながら、本実施形態に係る広告提供システム10の全体構成について説明する。図1は、本実施形態に係る広告提供システム10の全体構成について説明するための説明図である。
まず、図1を参照しながら、本実施形態に係る広告提供システム10の全体構成について説明する。図1は、本実施形態に係る広告提供システム10の全体構成について説明するための説明図である。
図1に示すように、広告提供システム10は、ID価値評価システム100と、ユーザ端末102と、広告掲載サイト提供システム103と、広告配信システム104と、広告主サイト提供システム105と、属性管理システム106と、により構成される。また、ID価値評価システム100、ユーザ端末102、広告掲載サイト提供システム103、広告配信システム104、広告主サイト提供システム105、及び属性管理システム106は、ネットワーク101により相互に接続されている。
ユーザ端末102は、ユーザが利用する端末装置である。例えば、ユーザ端末102は、Webブラウザや電子メールソフトウェアなどのアプリケーションを有し、ユーザによる操作を受け付ける手段である。ユーザ端末102を利用すると、ユーザは、例えば、Webブラウザを利用して広告掲載サイトにアクセスしたり、広告掲載サイトに掲載されたバナー広告をクリックして広告主サイトにアクセスしたりすることができる。
広告掲載サイト提供システム103は、広告掲載サイトをユーザに提供するエンティティである。また、広告掲載サイトとは、バナー広告などの広告(以下、単に広告という。)が掲載される情報サイトである。広告掲載サイトに掲載される広告は、広告配信システム104により提供される。広告配信システム104は、広告掲載サイトに広告を提供すると共に、広告掲載サイトに掲載された広告に対するユーザの行動を監視する。
例えば、広告掲載サイトに掲載された広告をユーザがクリックした場合、そのクリックした事実は、広告配信システム104に通知される。この通知を利用し、広告配信システム104は、広告をユーザがクリックした事実に基づく報酬額の管理を行う。また、広告配信システム104は、ユーザのクッキー(Cookie)を管理したり、広告主サイト提供システム105と協力してユーザの購入履歴などを管理したりする。
例えば、広告配信システム104は、ユーザが広告をクリックした際に広告掲載者(広告掲載サイト提供システム103)に支払われるべき報酬額を算定する。このとき、広告配信システム104は、ID価値評価システム100に対し、広告をクリックしたユーザの価値を評価するように依頼する。そして、ID価値評価システム100により評価されたユーザの価値に基づいて広告掲載者に支払われるべき報酬額を算定する。
ID価値評価システム100は、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報などに基づいてユーザの価値を評価するエンティティである。なお、ユーザの属性情報、広告掲載サイトの属性情報、及び広告主サイトの属性情報は、属性管理システム106により管理されている。そのため、広告配信システム104から評価の依頼を受けると、ID価値評価システム100は、属性管理システム106に各属性情報の提供を依頼し、提供を受けた属性情報を利用してユーザの価値を評価する。
広告主サイト提供システム105は、広告掲載サイトに掲載された広告をクリックした場合にユーザが誘導される広告主サイトを提供するエンティティである。例えば、広告主サイト提供システム105は、広告に掲載された商品やサービスを提供する広告主が運営する電子商取引サイトや情報サイトを提供する。また、広告主(広告主サイト提供システム105)は、広告掲載者(広告掲載サイト提供システム103)に広告の掲載を依頼したり、広告主サイトへの誘導実績などに応じた報酬額を支払ったりするエンティティでもある。
このように、広告提供システム10は、6つのエンティティにより構成されている。以下、これら6つのエンティティのうち、ID価値評価システム100、広告配信システム104、属性管理システム106の機能構成について、より詳細に説明する。なお、ID価値評価システム100と属性管理システム106とは一体に構成されていてもよい。また、ID価値評価システム100と広告配信システム104とが一体に構成されていてもよい。さらに、広告配信システム104と広告掲載サイト提供システム103とが一体に構成されていてもよい。
[1−2:ID価値評価システム100の機能構成]
まず、図2を参照しながら、ID価値評価システム100の機能構成について説明する。図2は、ID価値評価システム100の機能構成について説明するための説明図である。
まず、図2を参照しながら、ID価値評価システム100の機能構成について説明する。図2は、ID価値評価システム100の機能構成について説明するための説明図である。
図2に示すように、ID価値評価システム100は、主に、通信部111と、情報収集部112と、データ整形部113と、データ整形情報データベース114と、ID価値評価部115と、ID価値評価関数データベース116と、ID価値評価関数生成部117と、学習サンプルデータベース118と、により構成される。
通信部111は、ネットワーク101を通じて他のエンティティと情報をやり取りする手段である。例えば、通信部111は、広告配信システム104からユーザの評価依頼を受信したり、属性管理システム106に対して属性情報の提供依頼を送信したり、属性管理システム106から属性情報を受信したりする際に利用される。また、通信部111は、ユーザの価値を示す評価情報を広告配信システム104に提供する際にも利用される。その他にも、通信部111は、ネットワーク101を通じた情報の送受信に利用される。
さて、広告配信システム104からID価値評価システム100にユーザの評価依頼が行われると、その評価依頼は、通信部111を介して情報収集部112に入力される。評価依頼が入力されると、情報収集部112は、通信部111を介して属性管理システム106に属性情報の提供依頼を送信する。このとき、情報収集部112は、評価対象となるユーザの属性情報、広告主サイトの属性情報、及び広告掲載サイトの属性情報を提供するように属性管理システム106に依頼する。
なお、ユーザの属性情報としては、例えば、年齢、性別、地域(現在地や居住地の郵便番号やGPS情報など)、国籍、言語、タイムゾーン、職業、年収、家族構成、商品やサービスの購入履歴、行動履歴、病歴、学歴、知人関係などが挙げられる。さらに、ユーザの属性情報としては、例えば、思考パターン、趣味、現在状況(友人と一緒、家族と一緒など)、家族の属性情報、ネット滞在時間などが挙げられる。
また、広告主サイトの属性情報としては、例えば、広告主が提供するサービスの業種、商品の種別、広告主サイトに登録されたユーザアカウントの数、広告主サイトに対するアクセス数、広告主の売り上げ実績、広告主の信頼度などが挙げられる。さらに、広告主サイトの属性情報としては、例えば、広告主サイトに対する外部指標(PageRankなど)、広告主が提供するサービスの充実度(サービス/商品の種類数など)や対象範囲(地域、年齢、一般向け/マニア向けなど)が挙げられる。
また、広告掲載サイトの属性情報としては、例えば、広告掲載者が提供するサービスの業種、商品の種別、広告掲載サイトに登録されたユーザアカウントの数、広告掲載サイトに対するアクセス数、広告掲載者の売り上げ実績、広告掲載者の信頼度などが挙げられる。さらに、広告掲載サイトの属性情報としては、例えば、広告掲載サイトに対する外部指標(PageRankなど)、広告掲載者が提供するサービスの充実度(サービス/商品の種類数など)や対象範囲(地域、年齢、一般向け/マニア向けなど)が挙げられる。
属性管理システム106からユーザの属性情報、広告主サイトの属性情報、及び広告掲載サイトの属性情報が提供されると、これら属性情報は、通信部111を介して情報収集部112に入力される。これら属性情報が入力されると、情報収集部112は、入力された属性情報をデータ整形部113に入力する。また、情報収集部112は、ネットワーク101に接続された情報源(非図示)から、日時、季節、特別なイベント(バーゲン、TV番組、行事、事件など)、イベント開催地などの一般情報を収集する。そして、情報収集部112は、収集した一般情報をID価値評価部115に入力する。
なお、情報収集部112は、広告配信システム104からID価値評価システム100に対して評価依頼があった際、評価対象となるユーザのユーザIDを取得している。また、情報収集部112は、そのユーザが閲覧していた広告掲載サイトのID(以下、広告掲載サイトID)及びクリックした広告に対応する広告主サイトのID(以下、広告主サイトID)も取得している。そして、情報収集部112は、属性管理システム106に属性情報の提供を依頼する際、ユーザID、広告掲載サイトID、広告主サイトIDを属性管理システム106に提示する。
ユーザIDとしては、例えば、OpenIDやSAML(Security Assertion Markup Language)などが利用される。また、ユーザIDとしてIPアドレスや携帯電話等に紐付けられたIDなどを利用することもできる。また、広告掲載サイトIDとしては、例えば、広告掲載者の名称、広告掲載サイトのIPアドレスやURI(Uniform Resource Identifier)、サービスや商品のID、キャンペーンのIDなどが利用できる。さらに、広告主サイトIDとしては、例えば、広告主の名称、広告主サイトのIPアドレスやURL、サービスや商品のID、キャンペーンのIDなどが利用できる。
また、情報収集部112は、広告配信システム104からID価値評価システム100に対して評価依頼があった際、ユーザの評価種別を示す評価項目を取得している。評価項目としては、例えば、ユーザの信頼度、購入期待度、ロイヤリティ度、影響を与える友人の数、購入までに要する期間、購入額、購入までに他サイト(特に、類似の広告主サイト)を閲覧する回数、及びこれらの組み合わせなどがあり、これらがID価値評価値となる。情報収集部112により取得されたユーザID、広告掲載サイトID、広告主サイトID、評価項目、一般情報は、ID価値評価部115に入力される。
さて、上記の通り、データ整形部113には、情報収集部112からユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報が入力される。ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報が入力されると、データ整形部113は、入力された属性情報の表現を後述するID価値評価関数に入力可能な表現に整形する。このとき、データ整形部113は、表現の整形に必要となる情報をデータ整形情報データベース114から読み出し、読み出した情報を利用して表現を整形する。
例えば、データ整形部113は、同じ単語を異なる文字の組み合わせで表現(例えば、“CreditCard”を“Credit Card”に変換)する。また、データ整形部113は、同じ概念の単語を異なる単語で表現(例えば、“Credit Card”を“Charge Card”に変換)する。さらに、データ整形部113は、あるオントロジーの概念を他のオントロジーの概念に対応付ける。なお、単語間の対応関係を示す情報は、データ整形情報データベース114に予め格納されているものとする。
データ整形部113により整形された属性情報は、ID価値評価部115に入力される。上記の通り、ID価値評価部115には、評価対象のユーザに関するユーザID、広告掲載サイトID、広告主サイトID、一般情報、評価項目、整形後の属性情報が入力されている。これらの情報が入力されると、ID価値評価部115は、まず、ID価値評価関数データベース116を参照し、評価項目に対応するID価値評価関数を取得する。但し、ここで言うID価値評価関数とは、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報を入力とし、ユーザの価値を示す評価値を出力する関数である。
ID価値評価関数を取得すると、ID価値評価部115は、取得したID価値評価関数に対し、データ整形部113から入力されたユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報を入力し、そのユーザの価値を示す評価値を算出する。評価値を算出したID価値評価部115は、ユーザID、広告掲載サイトID、広告主サイトIDの組と評価値を対応付け、通信部111を介して当該評価値を広告配信システム104に送信する。また、ID価値評価関数の出力が異常値の場合、ID価値評価部115は、通信部111を介して広告配信システム104に異常を通知する。
(ID価値評価関数の生成に関する機能構成について)
上記のように、ID価値評価関数データベース116には、評価項目毎に生成されたID価値評価関数が格納されている。ID価値評価関数データベース116に格納されているID価値評価関数は、ID価値評価関数生成部117により生成される。ID価値評価関数生成部117は、学習サンプルデータベース118に予め格納された学習サンプルデータを利用して機械学習によりID価値評価関数を生成する手段である。
上記のように、ID価値評価関数データベース116には、評価項目毎に生成されたID価値評価関数が格納されている。ID価値評価関数データベース116に格納されているID価値評価関数は、ID価値評価関数生成部117により生成される。ID価値評価関数生成部117は、学習サンプルデータベース118に予め格納された学習サンプルデータを利用して機械学習によりID価値評価関数を生成する手段である。
学習サンプルデータは、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報、ユーザの行動履歴により構成されている(図13を参照)。学習サンプルデータは、情報収集部112により収集され、データ整形部113によりID価値評価関数の入力に適合するように整形された後、学習サンプルデータベース118に格納される。この学習サンプルデータを用いると、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、及び一般情報を入力とし、ユーザの行動履歴に基づく評価値を出力するID価値評価関数を生成することができる。
例えば、ユーザの行動履歴として購入行動(例えば、購入有り=1、購入なし=0)が与えられている場合、ID価値評価関数生成部117は、ユーザの購入期待度を評価値として出力するID価値評価関数を生成することができる。ユーザの行動履歴としてブログでの紹介行動(例えば、紹介あり=1、紹介なし=0)が与えられている場合、ID価値評価関数生成部117は、ユーザがブログで紹介する期待度を評価値として出力するID価値評価関数を生成することができる。なお、機械学習の方法としては、例えば、SVM(Support Vector Machine)、単純ベイズ分類器、線形判別、二次判別、ニューラルネットワーク、パーセプトロンなどを用いる方法が利用される。
このようにしてID価値評価関数生成部117により生成されたID価値評価関数は、ID価値評価関数データベース116に格納される。
(評価値に関する補足説明)
ID価値評価システム100により算出される評価値は、ユーザが広告で紹介された商品やサービスを購入する可能性、そのユーザが商品やサービスを友人や知人に紹介する可能性、或いは、そのユーザが今後も広告主サイトを訪れる可能性などを示すものである。また、この評価値は、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報に影響を受けるものと考えられる。そして、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報はリアルタイムで変化するため、その変化に応じて評価値もリアルタイムで算定されることが求められる。
ID価値評価システム100により算出される評価値は、ユーザが広告で紹介された商品やサービスを購入する可能性、そのユーザが商品やサービスを友人や知人に紹介する可能性、或いは、そのユーザが今後も広告主サイトを訪れる可能性などを示すものである。また、この評価値は、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報に影響を受けるものと考えられる。そして、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報はリアルタイムで変化するため、その変化に応じて評価値もリアルタイムで算定されることが求められる。
上記のように、評価値は、ID価値評価システム100によりユーザ毎に算出される。しかし、広告掲載サイトを訪れるユーザの集合全体について、この評価値を集計すると、その広告掲載サイトの影響力を示す評価値が得られる。そのため、ID価値評価システム100は、広告掲載サイトの影響力を示す評価値を算出することもできる。このような評価値は、広告主に対して広告の報酬額を求める際に客観的なデータとして利用できる。また、広告の効果が高い広告掲載サイトを探す際にも、この評価値を利用できる。
(属性情報の収集に関する補足説明)
ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報には、それぞれ様々な種類がある。また、評価項目によっては、評価値を算出する際に利用されない属性情報もある。そのため、情報収集部112は、評価項目に応じて、評価値の算出に利用される属性情報だけを収集するように構成されていてもよい。つまり、情報収集部112は、評価項目を取得した後、その評価項目に応じて選択されるID価値評価関数の入力として利用される属性情報だけを選択し、選択した属性情報だけを属性管理システム106から取得するように構成されていてもよい。
ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報には、それぞれ様々な種類がある。また、評価項目によっては、評価値を算出する際に利用されない属性情報もある。そのため、情報収集部112は、評価項目に応じて、評価値の算出に利用される属性情報だけを収集するように構成されていてもよい。つまり、情報収集部112は、評価項目を取得した後、その評価項目に応じて選択されるID価値評価関数の入力として利用される属性情報だけを選択し、選択した属性情報だけを属性管理システム106から取得するように構成されていてもよい。
また、情報収集部112は、属性管理システム106からではなく、広告掲載サイト及び広告主サイトから直接、広告掲載サイトの属性情報及び広告主サイトの属性情報をそれぞれ抽出するように構成されていてもよい。例えば、情報収集部112は、広告掲載サイト内をテキストマイニングや自然言語処理により解析し、その解析結果から広告掲載サイトの属性情報を得ることができる。同様に、情報収集部112は、広告主サイト内をテキストマイニングや自然言語処理により解析し、その解析結果から広告主サイトの属性情報を得ることができる。
また、情報収集部112は、属性管理システム106からではなく、ユーザIDを利用してユーザの属性情報を収集することも可能である。例えば、情報収集部112は、OpenIDやSAMLなどのID連携技術を利用してユーザの属性情報を収集することができる。また、情報収集部112は、サービスを利用する際にユーザが残したユーザ端末102(例えば、携帯電話やPCなど)の通信履歴や購買履歴を利用し、サービス間でIDを照合することによりユーザの属性情報を得ることができる。さらに、情報収集部112は、ソーシャルネットワーキングサービスで公開されている属性情報をユーザの属性情報として得ることもできる。
(学習サンプルデータの収集に関する補足説明)
学習サンプルデータのうち、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報の収集方法については先に説明した方法が利用される。一方、ユーザの行動履歴を収集する際には、例えば、広告配信システム104が収集したクッキーが利用される。クッキー(例えば、referrerフィールドなど)には、ユーザID、広告掲載サイトのアドレス、広告主サイトのアドレスが記されている。そこで、情報収集部112は、広告主サイトが保持する購入履歴を取得し、クッキーに記された情報と対応付けることにより、広告主サイト、広告掲載サイト、購入履歴を組み合わせたユーザの行動履歴を得ることができる。
学習サンプルデータのうち、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報の収集方法については先に説明した方法が利用される。一方、ユーザの行動履歴を収集する際には、例えば、広告配信システム104が収集したクッキーが利用される。クッキー(例えば、referrerフィールドなど)には、ユーザID、広告掲載サイトのアドレス、広告主サイトのアドレスが記されている。そこで、情報収集部112は、広告主サイトが保持する購入履歴を取得し、クッキーに記された情報と対応付けることにより、広告主サイト、広告掲載サイト、購入履歴を組み合わせたユーザの行動履歴を得ることができる。
なお、ブログの解析結果や、ユーザ端末102に残された通信履歴や購入履歴を利用する方法も考えられる。また、外部のマーケティングデータ(例えば、POS(Point Of Sale)など)を利用する方法も考えられる。例えば、Aという属性をもつユーザが、Bという特徴を持つ商品#1と、Cという特徴を持つ商品#2とを購入する確率が高いといった情報を利用することができる。この場合、ユーザの属性情報をA、広告掲載サイトの属性情報、広告主サイトの属性情報をB、C(取り扱い商品の属性)、ユーザの行動履歴を「購入あり」に設定し、学習サンプルデータとして利用することができる。
(ID価値評価関数に関する補足説明)
ID価値評価関数は、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報などを入力とし、評価値を出力する関数である。上記の通り、ID価値評価関数は、評価項目毎に生成される。但し、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報の中には、容易に収集が可能な情報と、収集が困難な情報とがあるため、入力すべき属性情報の組み合わせが異なる複数のID価値評価関数を同じ評価項目について複数設けておく方が好ましい。例えば、公開情報や、OpenID Simple Registration Extensionで定義された基本属性などは収集が容易な属性情報である。一方、病歴、知人関係、思考パターンなどは収集が困難な属性情報である。
ID価値評価関数は、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報などを入力とし、評価値を出力する関数である。上記の通り、ID価値評価関数は、評価項目毎に生成される。但し、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報の中には、容易に収集が可能な情報と、収集が困難な情報とがあるため、入力すべき属性情報の組み合わせが異なる複数のID価値評価関数を同じ評価項目について複数設けておく方が好ましい。例えば、公開情報や、OpenID Simple Registration Extensionで定義された基本属性などは収集が容易な属性情報である。一方、病歴、知人関係、思考パターンなどは収集が困難な属性情報である。
(ID価値評価関数の生成に関する補足説明)
ID価値評価関数の生成に関する具体的な方法について述べる。先に述べたように、ID価値評価関数は、学習サンプルデータを利用した機械学習により生成される。
ID価値評価関数の生成に関する具体的な方法について述べる。先に述べたように、ID価値評価関数は、学習サンプルデータを利用した機械学習により生成される。
(A)ユーザの行動履歴が2値で表現できる場合
商品やサービスの購入履歴など、行動履歴が2値(例えば、購入あり/購入なし)で表現できる場合、SVMなどの手法を利用して2値を出力する判別関数の生成が可能である。これらの手法は、識別関数を用いてユーザの行動履歴を判定した際に、損失関数(例えば、識別誤り率など)が最小となるように学習サンプルデータを利用して識別関数のパラメータを決定する手法である。なお、この手法により得られた識別関数がID価値評価関数として利用される。
商品やサービスの購入履歴など、行動履歴が2値(例えば、購入あり/購入なし)で表現できる場合、SVMなどの手法を利用して2値を出力する判別関数の生成が可能である。これらの手法は、識別関数を用いてユーザの行動履歴を判定した際に、損失関数(例えば、識別誤り率など)が最小となるように学習サンプルデータを利用して識別関数のパラメータを決定する手法である。なお、この手法により得られた識別関数がID価値評価関数として利用される。
一例として、線形SVMにより識別関数f(x)を生成する方法について説明する。線形SVMの場合、識別関数f(x)は、下記の式(1)のように表現される。但し、wjは重み、bはバイアス項、dは次元数、x=(x1,…,xd)は属性値を表す。また、一方のクラスに属する場合の条件をf(x)≧0、他方のクラスに属する場合の条件をf(x)<0とする。例えば、ユーザの購入期待度を評価するID価値評価関数を得たい場合には、一方のクラスが「購入あり」、他方のクラスが「購入なし」となる。通常の識別においては、2値識別関数g(x)={y|y=0 when f(x)≧0,y=1 when f(x)<0}を作成し、最終的に購入するか(g(x)=0)、購入しないか(g(x)=1)を判定する。しかし、ID価値評価関数としては、連続値をとる識別関数f(x)と、2値識別関数g(x)の両方をとることが可能である。
学習サンプルデータに含まれる属性値(属性情報の数値部分)をxに代入し、算出される値f(x)が学習サンプルデータに含まれるユーザの行動履歴に適合するように、重みwj及びバイアス項bを調整する。そして、学習サンプルデータの全て又は所定割合以上についてユーザの行動履歴に適合するような識別関数f(x)が得られるまで調整を繰り返す。このような処理を実行することにより、学習サンプルデータから識別関数f(x)を得ることができる。
なお、単純ベイズ分類器の場合には学習サンプルデータから条件付き確率p(ユーザ行動|属性情報,一般情報)が得られるため、この条件付き確率pをID価値評価関数とする。また、線形判別、二次判別、ニューラルネットワーク、パーセプトロンの場合には線形SVMのような識別関数が得られるため、この識別関数をID価値評価関数とする。これらの手法は1つの識別関数を利用する手法であるが、複数の識別関数を組み合わせて利用するブースティングなどの手法も用いることができる。
(B)ブースティングによるID価値評価関数の生成方法
次に、図14を参照しながら、ブースティングによるID価値評価関数の生成方法について説明する。図14は、ブースティングによるID価値評価関数の生成方法について説明するための説明図である。なお、ブースティングとは、精度の良い識別器を1つ生成するのではなく、精度の劣る識別器(弱識別器)を多数組み合わせて精度の良い識別器(強識別器)を生成する方法である。ここでは、SVM、単純ベイズ分類器、線形判別、二次判別、ニューラルネットワーク、パーセプトロン、相関ルール、決定木などにより生成される2値識別関数を弱識別器として利用する場合について考えてみたい。
次に、図14を参照しながら、ブースティングによるID価値評価関数の生成方法について説明する。図14は、ブースティングによるID価値評価関数の生成方法について説明するための説明図である。なお、ブースティングとは、精度の良い識別器を1つ生成するのではなく、精度の劣る識別器(弱識別器)を多数組み合わせて精度の良い識別器(強識別器)を生成する方法である。ここでは、SVM、単純ベイズ分類器、線形判別、二次判別、ニューラルネットワーク、パーセプトロン、相関ルール、決定木などにより生成される2値識別関数を弱識別器として利用する場合について考えてみたい。
2値識別関数とは、値x(例えば、属性情報)の入力に対して0又は1を出力する関数のことである。例えば、先に説明した線形SVMで生成された識別関数fは、属性値xの入力に対して連続値を出力する関数であった。しかし、通常は、f(x)≧0のときに0を出力し、f(x)<0のときに1を出力する2値識別関数g(x)={y|y=0 when f(x)≧0,y=1 when f(x)<0}を利用することが多い。そこで、このような2値識別関数g(x)を複数用意し、これら2値識別関数g(x)を利用して強識別器に対応するID価値評価関数f(x)を生成する方法について考える。
以下では、学習サンプルデータに含まれる各属性情報及び一般情報の属性値をxiと表現する。また、学習サンプルデータに含まれるユーザの行動履歴を示す属性値をyiと表現する。但し、yiは、2値(+1,−1)で表現されるものとする。例えば、「購入あり」を+1と表現し、「購入なし」を−1と表現する。また、学習サンプルデータに含まれる学習サンプルの数をNとする。なお、以下で説明する処理は、ID価値評価システム100(ID価値評価関数生成部117)により実行される。
図14に示すように、ID価値評価システム100は、まず、下記の式(2)のようにデータ重みの初期値D1,iを設定する(S301)。このとき、初期値D1,i(i=1〜N)は全て等しい値に設定される。次いで、ID価値評価システム100は、インデックスt(t=1〜T)に関する処理ループを開始する(S302)。次いで、ID価値評価システム100は、2値識別関数gt(x)に属性値xiを入力してgt(xi)を計算し、その出力値gt(xi)と属性値yiとを比較して誤り率et(下記の式(3)を参照)を算出する(S303)。
次いで、ID価値評価システム100は、算出した誤り率etが最小となる2値識別関数gt(x)を選択する(S304)。次いで、ID価値評価システム100は、ステップS304で選択した2値識別関数gt(x)に対応する誤り率etを用いて、下記の式(4)により重みβtを算出する(S305)。次いで、ID価値評価システム100は、下記の式(5)及び式(6)に基づいてデータ重みの更新値Dt+1,iを設定する(S306)。なお、下記の式(6)は、データ重みの更新値Dt+1,iを正規化する処理を示す。
次いで、ID価値評価システム100は、インデックスtがt=Tであるか否かを判定する(S307)。t≠Tである場合、ID価値評価システム100は、インデックスtを1インクリメントした後に処理をステップS303に戻す(S307)。一方、t=Tである場合、ID価値評価システム100は、処理をステップS308に進める。処理をステップS308に進めた場合、ID価値評価システム100は、下記の式(7)に基づいてID価値評価関数f(x)を決定する(S308)。
以上、ブースティングによるID価値評価関数の生成方法について説明した。
(C)ユーザの行動履歴が3値以上の離散値で表現される場合
購入累積額や広告主サイトへのアクセス回数など、ユーザの行動履歴が3値以上の離散値で表現される場合には少し工夫が必要になる。なお、3値以上の離散値を持つユーザの行動履歴としては、例えば、ブログの閲覧者数、SNSフレンド数、商品やサービスを購入するまでの日数、購入額、購入までに同じ広告を見る回数などがある。こうした行動履歴を扱う方法として、例えば、次の(C−1)(C−2)の方法が考えられる。
購入累積額や広告主サイトへのアクセス回数など、ユーザの行動履歴が3値以上の離散値で表現される場合には少し工夫が必要になる。なお、3値以上の離散値を持つユーザの行動履歴としては、例えば、ブログの閲覧者数、SNSフレンド数、商品やサービスを購入するまでの日数、購入額、購入までに同じ広告を見る回数などがある。こうした行動履歴を扱う方法として、例えば、次の(C−1)(C−2)の方法が考えられる。
(C−1)クラス分類を用いる方法
ここで、クラス分類を用いる2つの方法を紹介する。
ここで、クラス分類を用いる2つの方法を紹介する。
(C−1−1)第1の方法
この方法は、上記の(A)で述べた手法により離散値毎に識別関数を生成しておき、ある属性情報の入力に対して最大の値を出力した識別関数に対応する離散値を評価値として出力するという方法である。例えば、評価値として「購入までの期間」を考える場合(「行動履歴=購入までの日数」の場合)、まず、0〜N日に対応したN+1個の識別関数を生成する。そして、ある属性情報が入力として与えられたときに、出力値が一番大きくなる識別関数に対応する日数を評価値とする。この場合の識別関数としては、単純ベイズ分類器を用いる。
この方法は、上記の(A)で述べた手法により離散値毎に識別関数を生成しておき、ある属性情報の入力に対して最大の値を出力した識別関数に対応する離散値を評価値として出力するという方法である。例えば、評価値として「購入までの期間」を考える場合(「行動履歴=購入までの日数」の場合)、まず、0〜N日に対応したN+1個の識別関数を生成する。そして、ある属性情報が入力として与えられたときに、出力値が一番大きくなる識別関数に対応する日数を評価値とする。この場合の識別関数としては、単純ベイズ分類器を用いる。
(C−1−2)第2の方法
この方法は、離散値毎に2値識別関数(出力値:0,1)を複数生成しておき、ある属性情報の入力に対して多数決をとったときに出力値が0(又は1)となる個数が一番多い2値識別関数に対応する離散値を評価値とする方法である。例えば,評価値として「購入までの期間」を考える場合(「行動履歴=購入までの日数」の場合)、0〜N日までのN+1個の日数に対して各々複数個の2値識別関数(購入=0)を生成し、ある属性情報が入力として与えられたときに出力値が0となる2値識別関数の個数を求め、最も個数が多い場合に対応する日数が評価値とされる。
この方法は、離散値毎に2値識別関数(出力値:0,1)を複数生成しておき、ある属性情報の入力に対して多数決をとったときに出力値が0(又は1)となる個数が一番多い2値識別関数に対応する離散値を評価値とする方法である。例えば,評価値として「購入までの期間」を考える場合(「行動履歴=購入までの日数」の場合)、0〜N日までのN+1個の日数に対して各々複数個の2値識別関数(購入=0)を生成し、ある属性情報が入力として与えられたときに出力値が0となる2値識別関数の個数を求め、最も個数が多い場合に対応する日数が評価値とされる。
(C−2)回帰分析を用いる方法
この方法は、学習サンプルデータを用いて回帰分析を行うことで離散値を予測する方法である。この方法の場合、回帰分析で得られた回帰関数がID価値評価関数となる。なお、回帰分析とは、与えられたデータに対応する実数値を予測する問題であり、線形回帰、ロジスティック回帰、サポートベクトル回帰などがある。なお、回帰分析を用いる方法は、IDの価値が連続値の場合にも利用することができる。
この方法は、学習サンプルデータを用いて回帰分析を行うことで離散値を予測する方法である。この方法の場合、回帰分析で得られた回帰関数がID価値評価関数となる。なお、回帰分析とは、与えられたデータに対応する実数値を予測する問題であり、線形回帰、ロジスティック回帰、サポートベクトル回帰などがある。なお、回帰分析を用いる方法は、IDの価値が連続値の場合にも利用することができる。
(D)組み合わせ方法
この方法は、同じ属性情報を入力とする(A)(C)で生成した複数の識別関数について適当な重みを付けて足し合わせる方法である。例えば、長期的にユーザが広告主サイトを利用することを重視する場合、ユーザのロイヤリティ度や影響力のある友人/知人の数に関するID価値評価関数の重み付けを大きくし、ユーザの購入期待度を小さくして足し合わせる。この場合、複数のID価値評価関数を比較しやすいように識別関数の出力値は正規化(識別関数の絶対値の最大で識別関数を割る。)されていることが好ましい。
この方法は、同じ属性情報を入力とする(A)(C)で生成した複数の識別関数について適当な重みを付けて足し合わせる方法である。例えば、長期的にユーザが広告主サイトを利用することを重視する場合、ユーザのロイヤリティ度や影響力のある友人/知人の数に関するID価値評価関数の重み付けを大きくし、ユーザの購入期待度を小さくして足し合わせる。この場合、複数のID価値評価関数を比較しやすいように識別関数の出力値は正規化(識別関数の絶対値の最大で識別関数を割る。)されていることが好ましい。
(D−1)組み合わせ例#1:1サイト毎のアフィリエイト課金額
ユーザは広告掲載サイトから広告主サイトへと誘導されても、すぐに商品やサービスを購入するわけではない。例えば、その商品やサービスを後日購入する可能性がある。これまでは、このように後日購入した場合、ユーザが広告を最後に見た広告掲載サイトにだけ広告主サイトから報酬額が支払われていた。しかし、ユーザが広告を見始めてから購入に到るまでに同じ広告を何度も見る可能性もあるため、本来は、その広告を掲載していた全ての広告掲載サイトに平等に支払われるべきである。
ユーザは広告掲載サイトから広告主サイトへと誘導されても、すぐに商品やサービスを購入するわけではない。例えば、その商品やサービスを後日購入する可能性がある。これまでは、このように後日購入した場合、ユーザが広告を最後に見た広告掲載サイトにだけ広告主サイトから報酬額が支払われていた。しかし、ユーザが広告を見始めてから購入に到るまでに同じ広告を何度も見る可能性もあるため、本来は、その広告を掲載していた全ての広告掲載サイトに平等に支払われるべきである。
このような場合、IDの価値に基づいて1サイトに支払われるべき報酬額は、(アフィリエイト課金額)×(ユーザの購入期待度に基づいて算出した購入確率)/(購入までにユーザが同じ広告を見る回数)と計算できる。また、ユーザの購入確率は、購入期待度に基づいて|(ユーザの購入期待度)−(ユーザの購入期待度最小値)|/|(ユーザの購入期待度最大値)−(ユーザの購入期待度最小値)|と計算できる。なお、アフィリエイト課金額は、広告主の広告予算に基づいて決められる。
(D−2)組み合わせ例#2:ユーザの友人を加味した価値
ユーザのみならず、ユーザの友人の購入期待度を加味したID価値評価関数は、例えば、(ユーザの購入期待度)+(友人の数)×(友人の購入期待度)×(ユーザのブログ/SNS更新率)×(ユーザがブログ/SNS内容で商品を取り上げる確率)と与えられる。友人の購入期待度は、ブログの種類にも依存するが、ユーザと同様の属性と考え、例えば、ユーザの購入期待度と同じ識別関数を用いる。ユーザのブログ/SNS更新率やユーザのブログ/SNSの内容は公開情報であるため、これらを予測する識別関数は機械学習により容易に生成することが可能である。
ユーザのみならず、ユーザの友人の購入期待度を加味したID価値評価関数は、例えば、(ユーザの購入期待度)+(友人の数)×(友人の購入期待度)×(ユーザのブログ/SNS更新率)×(ユーザがブログ/SNS内容で商品を取り上げる確率)と与えられる。友人の購入期待度は、ブログの種類にも依存するが、ユーザと同様の属性と考え、例えば、ユーザの購入期待度と同じ識別関数を用いる。ユーザのブログ/SNS更新率やユーザのブログ/SNSの内容は公開情報であるため、これらを予測する識別関数は機械学習により容易に生成することが可能である。
以上、ID価値評価システム100の機能構成について説明した。上記の説明においては、ID価値評価システム100がID価値評価関数を生成する構成を例示したが、ID価値評価システム100の構成はこれに限定されない。例えば、ID価値評価システム100は、外部から予め与えられたID価値評価関数を利用するように構成されていてもよい。この場合、ID価値評価システム100からID価値評価関数生成部117及び学習サンプルデータベース118の構成が省略される。
[1−3:広告配信システム104の機能構成]
次に、図3を参照しながら、広告配信システム104の機能構成について説明する。図3は、広告配信システム104の機能構成について説明するための説明図である。
次に、図3を参照しながら、広告配信システム104の機能構成について説明する。図3は、広告配信システム104の機能構成について説明するための説明図である。
図3に示すように、広告配信システム104は、主に、広告データベース121と、行動履歴データベース122と、通信部123とにより構成される。
広告データベース121は、広告主サイト提供システム105から提供を受けた広告を格納しておくための記憶手段である。また、行動履歴データベース122は、ユーザ端末102、広告掲載サイト提供システム103から収集したユーザの行動履歴を格納しておくための記憶手段である。通信部123は、ネットワーク101に接続された各エンティティと通信するための通信手段である。
例えば、通信部123は、広告主サイト提供システム105から広告を受信し、受信した広告を広告データベース121に格納する。また、通信部123は、ユーザ端末102や広告掲載サイト提供システム103からユーザの行動履歴を受信し、受信した行動履歴を行動履歴データベース122に格納する。さらに、通信部123は、ID価値評価システム100から要求を受けた場合に、行動履歴データベース122からユーザの行動履歴を読み出し、読み出した行動履歴をID価値評価システム100に送信する。
また、広告配信システム104は、広告掲載者に支払われるべき報酬額を算出するための報酬額算出部(非図示)をさらに含んでいてもよい。この報酬額算出部は、広告掲載サイトに掲載された広告がクリックされた際、ID価値評価システム100に評価値の算出を依頼し、ID価値評価システム100により算出された評価値に基づいて報酬額を算出する。報酬額算出部により算出された報酬額の情報は、通信部123を介して広告主サイト提供システム105及び広告掲載サイト提供システム103に送信される。
このように、ID価値評価システム100によりユーザの価値がリアルタイムに評価されることにより、広告掲載サイトに掲載された広告がクリックされた時点でリアルタイムに広告掲載者に支払われるべき報酬額を決定することが可能になる。
以上、広告配信システム104の機能構成について説明した。
[1−4:属性管理システム106の機能構成]
次に、図4を参照しながら、属性管理システム106の機能構成について説明する。図4は、属性管理システム106の機能構成について説明するための説明図である。
次に、図4を参照しながら、属性管理システム106の機能構成について説明する。図4は、属性管理システム106の機能構成について説明するための説明図である。
図4に示すように、属性管理システム106は、主に、ユーザ属性情報データベース131と、サービス属性情報データベース132と、通信部133とにより構成される。
ユーザ属性情報データベース131は、ユーザの属性情報を格納しておくための記憶手段である。また、サービス属性情報データベース132は、広告掲載サイトの属性情報、及び広告主サイトの属性情報を格納しておくための記憶手段である。通信部133は、ネットワーク101に接続された各エンティティと通信するための通信手段である。
例えば、通信部133は、ユーザ端末102又はネットワーク101に接続された情報源からユーザの属性情報を取得し、取得したユーザの属性情報をユーザ属性情報データベース131に格納する。また、通信部133は、広告掲載サイト提供システム103又はネットワーク101に接続された情報源から広告掲載サイトの属性情報を取得し、取得した広告掲載サイトの属性情報をサービス属性情報データベース132に格納する。さらに、通信部133は、広告主サイト提供システム105又はネットワーク101に接続された情報源から広告主サイトの属性情報を取得し、取得した広告主サイトの属性情報をサービス属性情報データベース132に格納する。
また、ID価値評価システム100からユーザの属性情報を提供するように要請を受けた場合、通信部133は、ユーザ属性情報データベース131からユーザの属性情報を読み出し、読み出したユーザの属性情報をID価値評価システム100に送信する。ID価値評価システム100から広告掲載サイトの属性情報を提供するように要請を受けた場合、通信部133は、サービス属性情報データベース132から広告掲載サイトの属性情報を読み出し、読み出した広告掲載サイトの属性情報をID価値評価システム100に送信する。ID価値評価システム100から広告主サイトの属性情報を提供するように要請を受けた場合、通信部133は、サービス属性情報データベース132から広告主サイトの属性情報を読み出し、読み出した広告主サイトの属性情報をID価値評価システム100に送信する。
以上、属性管理システム106の機能構成について説明した。
[1−5:ID価値評価システム100の動作]
次に、ID価値評価システム100の動作について説明する。まず、図5〜図11を参照しながら、評価値算出に係るID価値評価システム100の動作について説明する。次いで、図12を参照しながら、ID価値評価関数の生成に係るID価値評価システム100の動作について説明する。
次に、ID価値評価システム100の動作について説明する。まず、図5〜図11を参照しながら、評価値算出に係るID価値評価システム100の動作について説明する。次いで、図12を参照しながら、ID価値評価関数の生成に係るID価値評価システム100の動作について説明する。
(1−5−1:評価値算出の流れ)
まず、図5を参照する。図5に示すように、ID価値評価システム100は、評価対象に関する情報の入力を受け付ける(S101)。ステップS101では、評価対象に関する情報としてユーザID、広告掲載サイトID、広告主サイトID、評価項目、一般情報などがID価値評価システム100に入力される。
まず、図5を参照する。図5に示すように、ID価値評価システム100は、評価対象に関する情報の入力を受け付ける(S101)。ステップS101では、評価対象に関する情報としてユーザID、広告掲載サイトID、広告主サイトID、評価項目、一般情報などがID価値評価システム100に入力される。
次いで、ID価値評価システム100は、広告掲載サイトの属性情報及び広告主サイトの属性情報を収集する(S102)。例えば、ID価値評価システム100は、ステップS101で入力された広告掲載サイトID及び広告主サイトIDを用いて属性管理システム106から広告掲載サイトの属性情報及び広告主サイトの属性情報を取得する。但し、ID価値評価システム100は、広告掲載サイトを解析して広告掲載サイトの属性情報を収集したり、広告主サイトを解析して広告主サイトの属性情報を収集したりしてもよい。
次いで、ID価値評価システム100は、ユーザの属性情報を収集する(S103)。例えば、ID価値評価システム100は、ステップS101で入力されたユーザIDを用いて属性管理システム106からユーザの属性情報を取得する。次いで、ID価値評価システム100は、ID価値評価関数の入力形式に適合するよう、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報のデータ形式を整形する(S104)。
次いで、ID価値評価システム100は、ステップS104で整形されたユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報をID価値評価関数に入力し、ユーザの価値を示す評価値(ID価値評価値)を算出する(S105)。次いで、ID価値評価システム100は、ステップS105で算出した評価値を広告配信システム104(評価依頼者)に送信する(S106)。
以上、評価値算出の流れについて大まかに説明した。以下、ステップS101〜S106の各ステップについて、より詳細に説明する。
(S101の処理について)
次に、図6を参照する。図6に示すように、ステップS101の処理が開始されると、ID価値評価システム100には、ユーザID、広告掲載サイトID、広告主サイトID、評価項目、一般情報が入力される(S111)。
次に、図6を参照する。図6に示すように、ステップS101の処理が開始されると、ID価値評価システム100には、ユーザID、広告掲載サイトID、広告主サイトID、評価項目、一般情報が入力される(S111)。
ここで入力されるユーザIDは、評価対象となるユーザを識別するための識別情報である。また、広告掲載サイトIDは、ユーザがクリックした広告を掲載していた広告掲載サイトを識別するための識別情報である。そして、広告主サイトIDは、ユーザがクリックした広告の広告主(広告主サイト)を識別するための識別情報である。ここで入力される評価項目は、評価の種別(例えば、購入期待度、ロイヤリティ度、友人の購入期待度、広告主サイトを再訪問する期待度など)を特定するための情報である。また、一般情報は、広告掲載サイトや広告主サイトに無関係な情報である。
これらの情報が入力されると、ID価値評価システム100は、処理をステップS102に進める。
(S102の処理について)
次に、図7を参照する。図7に示すように、ステップS102の処理を開始すると、ID価値評価システム100は、まず、評価項目に応じたサービス属性情報(広告掲載サイトの属性情報及び広告主サイトの属性情報)を選択する(S121)。
次に、図7を参照する。図7に示すように、ステップS102の処理を開始すると、ID価値評価システム100は、まず、評価項目に応じたサービス属性情報(広告掲載サイトの属性情報及び広告主サイトの属性情報)を選択する(S121)。
広告主サイトの属性情報としては、例えば、広告主が提供するサービスの業種、商品の種別、広告主サイトに登録されたユーザアカウントの数、広告主サイトに対するアクセス数、広告主の売り上げ実績、広告主の信頼度などが挙げられる。さらに、広告主サイトの属性情報としては、例えば、広告主サイトに対する外部指標(PageRankなど)、広告主が提供するサービスの充実度(サービス/商品の種類数など)や対象範囲(地域、年齢、一般向け/マニア向けなど)が挙げられる。
また、広告掲載サイトの属性情報としては、例えば、広告掲載者が提供するサービスの業種、商品の種別、広告掲載サイトに登録されたユーザアカウントの数、広告掲載サイトに対するアクセス数、広告掲載者の売り上げ実績、広告掲載者の信頼度などが挙げられる。さらに、広告掲載サイトの属性情報としては、例えば、広告掲載サイトに対する外部指標(PageRankなど)、広告掲載者が提供するサービスの充実度(サービス/商品の種類数など)や対象範囲(地域、年齢、一般向け/マニア向けなど)が挙げられる。
このように、広告主サイトの属性情報や広告掲載サイトの属性情報は多種多様である。しかし、これらの広告主サイトの属性情報や広告掲載サイトの属性情報がID価値評価システム100により全て収集されるわけではない。また、評価値を算出する際に全ての広告主サイトの属性情報や広告掲載サイトの属性情報が利用されるわけではない。また、ID価値評価関数毎に、入力される広告主サイトの属性情報や広告掲載サイトの属性情報の組み合わせが異なる。そのため、評価種別に応じて異なるID価値評価関数毎に、適切な広告主サイトの属性情報や広告掲載サイトの属性情報を選択する必要がある。
このような理由から、ステップS121では、評価項目に応じて、評価値の算出に利用すべき広告主サイトの属性情報や広告掲載サイトの属性情報を選択しているのである。広告主サイトの属性情報や広告掲載サイトの属性情報の選択が済むと、ID価値評価システム100は、処理をステップS122に進める。処理をステップS122に進めたID価値評価システム100は、ステップS121で選択した広告主サイトの属性情報や広告掲載サイトの属性情報が存在するか否かを判定する(S122)。
上記の通り、広告主サイトの属性情報や広告掲載サイトの属性情報の全てが収集可能であるとは限らない。そのため、ID価値評価システム100は、評価値の算出に要する広告主サイトの属性情報や広告掲載サイトの属性情報が存在するか否かを確認するのである。ステップS121で選択した広告主サイトの属性情報や広告掲載サイトの属性情報が存在する場合、ID価値評価システム100は、処理をステップS124に進める。一方、ステップS121で選択した広告主サイトの属性情報や広告掲載サイトの属性情報が存在しない場合、ID価値評価システム100は、処理をステップS123に進める。
処理をステップS123に進めた場合、ID価値評価システム100は、属性管理システム106に対し、必要な広告主サイトの属性情報や広告掲載サイトの属性情報を提供するように依頼する(S123)。属性管理システム106から必要な広告主サイトの属性情報や広告掲載サイトの属性情報を取得した後、ID価値評価システム100は、処理をステップS124に進める。
ステップS124に処理を進めたID価値評価システム100は、評価値の算出に要する適切な広告主サイトの属性情報や広告掲載サイトの属性情報が得られたか否かを判定する(S124)。適切な広告主サイトの属性情報や広告掲載サイトの属性情報が得られた場合、ID価値評価システム100は、処理をステップS103に進める。一方、適切な広告主サイトの属性情報や広告掲載サイトの属性情報が得られなかった場合、ID価値評価システム100は、評価値の依頼者(広告配信システム104)に異常を通知する。
(S103の処理について)
次に、図8を参照する。図8に示すように、ステップS103の処理を開始すると、ID価値評価システム100は、評価項目と広告主サイトの属性情報や広告掲載サイトの属性情報に応じてユーザの属性情報を選択する(S131)。次いで、ID価値評価システム100は、ステップS131で選択したユーザの属性情報が存在するか否かを判定する(S132)。ステップS131で選択したユーザの属性情報が存在する場合、ID価値評価システム100は、処理をステップS134に進める。一方、ステップS131で選択したユーザの属性情報が存在しない場合、ID価値評価システム100は、処理をステップS133に進める。
次に、図8を参照する。図8に示すように、ステップS103の処理を開始すると、ID価値評価システム100は、評価項目と広告主サイトの属性情報や広告掲載サイトの属性情報に応じてユーザの属性情報を選択する(S131)。次いで、ID価値評価システム100は、ステップS131で選択したユーザの属性情報が存在するか否かを判定する(S132)。ステップS131で選択したユーザの属性情報が存在する場合、ID価値評価システム100は、処理をステップS134に進める。一方、ステップS131で選択したユーザの属性情報が存在しない場合、ID価値評価システム100は、処理をステップS133に進める。
処理をステップS133に進めた場合、ID価値評価システム100は、属性管理システム106に対してユーザの属性情報を提供するように依頼し(S133)、処理をステップS134に進める。処理をステップS134に進めた場合、ID価値評価システム100は、適切なユーザの属性情報が存在するか、或いは、属性管理システム106から適切なユーザの属性情報が得られたか否かを判定する(S134)。結果的に適切なユーザの属性情報が存在する場合、ID価値評価システム100は、処理をステップS104に進める。一方、適切なユーザの属性情報が存在しない場合、ID価値評価システム100は、評価値の依頼者(広告配信システム104)に異常を通知する。
(S104の処理について)
次に、図9を参照する。図9に示すように、ステップS104の処理を開始すると、ID価値評価システム100は、ユーザの属性情報、広告主サイトの属性情報、広告掲載サイトの属性情報のデータ形式をID価値評価関数に入力可能なデータ形式に整形する(S141)。例えば、ID価値評価システム100は、同じ単語を異なる文字の組み合わせで表現(例えば、“CreditCard”を“Credit Card”に変換)する。また、ID価値評価システム100は、同じ概念の単語を異なる単語で表現(例えば、“Credit Card”を“Charge Card”に変換)する。さらに、ID価値評価システム100は、あるオントロジーの概念を他のオントロジーの概念に対応付ける。ステップS141の処理が完了すると、ID価値評価システム100は、処理をステップS105に進める。
次に、図9を参照する。図9に示すように、ステップS104の処理を開始すると、ID価値評価システム100は、ユーザの属性情報、広告主サイトの属性情報、広告掲載サイトの属性情報のデータ形式をID価値評価関数に入力可能なデータ形式に整形する(S141)。例えば、ID価値評価システム100は、同じ単語を異なる文字の組み合わせで表現(例えば、“CreditCard”を“Credit Card”に変換)する。また、ID価値評価システム100は、同じ概念の単語を異なる単語で表現(例えば、“Credit Card”を“Charge Card”に変換)する。さらに、ID価値評価システム100は、あるオントロジーの概念を他のオントロジーの概念に対応付ける。ステップS141の処理が完了すると、ID価値評価システム100は、処理をステップS105に進める。
(S105の処理について)
次に、図10を参照する。図10に示すように、ステップS105の処理を開始すると、ID価値評価システム100は、予め用意されたID価値評価関数を利用して評価値を算出する(S151)。次いで、ID価値評価システム100は、ステップS151で算出された評価値が適切な値であるか否かを判定する(S152)。ステップS151で算出された評価値が適切である場合、ID価値評価システム100は、処理をステップS106に進める。一方、ステップS151で算出された評価値が適切でない場合、ID価値評価システム100は、評価値の依頼者(広告配信システム104)に異常を通知する。
次に、図10を参照する。図10に示すように、ステップS105の処理を開始すると、ID価値評価システム100は、予め用意されたID価値評価関数を利用して評価値を算出する(S151)。次いで、ID価値評価システム100は、ステップS151で算出された評価値が適切な値であるか否かを判定する(S152)。ステップS151で算出された評価値が適切である場合、ID価値評価システム100は、処理をステップS106に進める。一方、ステップS151で算出された評価値が適切でない場合、ID価値評価システム100は、評価値の依頼者(広告配信システム104)に異常を通知する。
(S106の処理について)
次に、図11を参照する。図11に示すように、ステップS106の処理を開始すると、ID価値評価システム100は、評価値の依頼者に対して評価値を送信する(S161)。例えば、広告配信システム104から評価値の依頼を受けていた場合、ID価値評価システム100は、ステップS105で算出された評価値を広告配信システム104に送信する。評価値の送信が完了すると、ID価値評価システム100は、評価値の算出に係る一連の処理を終了する。
次に、図11を参照する。図11に示すように、ステップS106の処理を開始すると、ID価値評価システム100は、評価値の依頼者に対して評価値を送信する(S161)。例えば、広告配信システム104から評価値の依頼を受けていた場合、ID価値評価システム100は、ステップS105で算出された評価値を広告配信システム104に送信する。評価値の送信が完了すると、ID価値評価システム100は、評価値の算出に係る一連の処理を終了する。
以上、評価値算出に係るID価値評価システム100の動作について説明した。次に、ID価値評価関数の生成に係るID価値評価システム100の動作について説明する。
(1−5−2:関数生成の流れ)
ここでは、図12を参照する。図12に示すように、ID価値評価システム100は、まず、学習サンプルデータを収集する(S201)。学習サンプルデータは、図13に示すように、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報、ユーザの行動履歴などにより構成される。ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報を収集する方法は、評価値を算出する際に実行する各属性情報の収集方法と同じである。また、ユーザの行動履歴は、広告配信システム104、広告掲載サイト提供システム103、ユーザ端末102などから取得する。
ここでは、図12を参照する。図12に示すように、ID価値評価システム100は、まず、学習サンプルデータを収集する(S201)。学習サンプルデータは、図13に示すように、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、一般情報、ユーザの行動履歴などにより構成される。ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報を収集する方法は、評価値を算出する際に実行する各属性情報の収集方法と同じである。また、ユーザの行動履歴は、広告配信システム104、広告掲載サイト提供システム103、ユーザ端末102などから取得する。
図13に例示した学習サンプルデータは、ユーザの属性情報として「U(1):年齢」「U(2):性別」「U(3):購入回数」、広告掲載サイトの属性情報として「A(1):閲覧サイトの種類」「A(2):人気度」を含んでいる。さらに、この学習サンプルデータには、広告主サイトの属性情報として「B(1):広告商品」「B(2):価格」、一般情報として「G(1):年/月」、ユーザの行動履歴として「C(1):購入の有無」「C(2):ブログで紹介したか否か」が含まれている。例えば、この学習サンプルデータを利用すれば、属性情報の入力に対して購入期待度を出力するID価値評価関数を生成することができる。同様に、この学習サンプルデータを利用すれば、属性情報の入力に対してブログへの紹介期待度を出力するID価値評価関数を生成することができる。
再び図12を参照する。ステップS201で学習サンプルデータを収集したID価値評価システム100は、ID価値評価関数の入力形式に適合するように、ステップS201で収集した学習サンプルデータのデータ形式を整形する(S202)。例えば、ID価値評価システム100は、同じ単語を異なる文字の組み合わせで表現(例えば、“CreditCard”を“Credit Card”に変換)する。また、ID価値評価システム100は、同じ概念の単語を異なる単語で表現(例えば、“Credit Card”を“Charge Card”に変換)する。さらに、ID価値評価システム100は、あるオントロジーの概念を他のオントロジーの概念に対応付ける。
次いで、ID価値評価システム100は、ステップS202で整形した学習サンプルデータを保存する(S203)。次いで、ID価値評価システム100は、ステップS203で保存した学習サンプルデータを利用してID価値評価関数を生成する(S204)。このとき、ID価値評価システム100は、学習サンプルデータを利用した機械学習により、属性情報を入力とし、評価項目に応じた評価値を出力することが可能なID価値評価関数を生成する。ID価値評価関数の生成が完了すると、ID価値評価システム100は、ID価値評価関数の生成に係る一連の処理を終了する。
以上、ID価値評価関数の生成に係るID価値評価システム100の動作について説明した。
[1−6:広告提供システム10における処理シーケンス]
次に、図15、図16を参照しながら、広告提供システム10における具体的な処理シーケンスについて説明する。図15、図16を参照しながら、広告提供システム10における具体的な処理シーケンスについて説明するための説明図である。
次に、図15、図16を参照しながら、広告提供システム10における具体的な処理シーケンスについて説明する。図15、図16を参照しながら、広告提供システム10における具体的な処理シーケンスについて説明するための説明図である。
なお、ここで説明する処理シーケンスは、ID価値評価システム100をアフィリエイトプログラムにおける広告報酬額の決定に用いる方法に関する。特に、この処理シーケンスは、評価値依頼者(広告配信システム104)がアフィリエイトプログラムでの広告報酬額をリアルタイムに決めるための仕組みに関する。この広告報酬額は、広告費総額や広告期間に応じて決まるであろう。但し、広告提供システム10において決まる広告報酬額は、ID価値評価システム100により算出された評価値に応じて決められる。また、この評価値は、短期的なユーザ行動を重視する場合には購入期待度であろうし、長期的なユーザ行動を重視する場合にはロイヤリティ度や交友関係に関する評価値となろう。
(1−6−1:具体例1)
まず、図15を参照する。図15に示すように、まず、ユーザ(ユーザ端末102)が広告掲載サイト(広告掲載サイト提供システム103)にアクセスする(S401)。ユーザからアクセスを受けると、広告掲載サイト提供システム103は、ユーザ端末102に対してホームページ(広告掲載サイト)のデータを送信する(S402)。次いで、ユーザが広告掲載サイトに掲載された広告をクリックすると、ユーザID、広告掲載サイトID、広告主サイトIDが、ユーザ端末102から広告配信システム104に提供される(S403)。ユーザ端末102から提供されたユーザID、広告掲載サイトID、広告主サイトIDは、広告配信システム104により保持される。
まず、図15を参照する。図15に示すように、まず、ユーザ(ユーザ端末102)が広告掲載サイト(広告掲載サイト提供システム103)にアクセスする(S401)。ユーザからアクセスを受けると、広告掲載サイト提供システム103は、ユーザ端末102に対してホームページ(広告掲載サイト)のデータを送信する(S402)。次いで、ユーザが広告掲載サイトに掲載された広告をクリックすると、ユーザID、広告掲載サイトID、広告主サイトIDが、ユーザ端末102から広告配信システム104に提供される(S403)。ユーザ端末102から提供されたユーザID、広告掲載サイトID、広告主サイトIDは、広告配信システム104により保持される。
次いで、広告配信システム104は、ユーザ端末102のアクセス先を広告掲載サイトから広告主サイトに変更させる(S404)。その結果、ユーザ端末102のアクセス先は、広告掲載サイトから広告主サイトへと変更される(S405)。また、広告配信システム104は、ユーザ端末102から提供されたユーザID、広告掲載サイトID、広告主サイトIDをID価値評価システム100に送信し、そのユーザIDに対応するユーザの価値を示す評価値の算出を依頼する(S406)。この依頼を受けると、ID価値評価システム100は、ユーザID、広告掲載サイトID、広告主サイトIDに対応するユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報を収集する。
例えば、ID価値評価システム100は、ユーザID、広告掲載サイトID、広告主サイトIDを属性管理システム106に送信し、これらのIDに対応するユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報の提供を依頼する(S407)。なお、ID価値評価システム100は、各属性情報の提供をそれぞれ異なる属性管理システム106に依頼するように構成されていてもよい。この依頼を受けた属性管理システム106は、ユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報をID価値評価システム100に送信する(S408)。これら属性情報を受信すると、ID価値評価システム100は、受信したユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、及び一般情報に基づいてユーザの価値を示す評価値を算出する。
そして、ID価値評価システム100は、算出した評価値を広告配信システム104に送信する(S409)。評価値を受信した広告配信システム104は、受信した評価値に基づいて広告掲載者に支払われるべき報酬額を算出し、算出した報酬額を広告主サイト提供システム105に通知する(S410)。さらに、広告配信システム104は、算出した報酬額を広告掲載サイト提供システム103に通知する(S411)。報酬額が広告主サイト提供システム105及び広告掲載サイト提供システム103に通知されると、広告主サイト提供システム105から広告掲載サイト提供システム103に報酬額が支払われる(S412)。
以上、広告提供システム10における処理シーケンスの具体例について説明した。なお、図15の破線部分は、ID価値評価システム100の処理に関わる部分である。
(1−6−2:具体例2)
次に、図16を参照する。図16に示すように、まず、ユーザ(ユーザ端末102)が広告掲載サイト(広告掲載サイト提供システム103)にアクセスする(S501)。ユーザからアクセスを受けると、広告掲載サイト提供システム103は、ユーザ端末102に対してホームページ(広告掲載サイト)のデータを送信する(S502)。次いで、ユーザが広告掲載サイトに掲載された広告をクリックすると、ユーザID、広告掲載サイトID、広告主サイトIDが、ユーザ端末102から広告配信システム104に提供される(S503)。ユーザ端末102から提供されたユーザID、広告掲載サイトID、広告主サイトIDは、広告配信システム104により保持される。
次に、図16を参照する。図16に示すように、まず、ユーザ(ユーザ端末102)が広告掲載サイト(広告掲載サイト提供システム103)にアクセスする(S501)。ユーザからアクセスを受けると、広告掲載サイト提供システム103は、ユーザ端末102に対してホームページ(広告掲載サイト)のデータを送信する(S502)。次いで、ユーザが広告掲載サイトに掲載された広告をクリックすると、ユーザID、広告掲載サイトID、広告主サイトIDが、ユーザ端末102から広告配信システム104に提供される(S503)。ユーザ端末102から提供されたユーザID、広告掲載サイトID、広告主サイトIDは、広告配信システム104により保持される。
次いで、広告配信システム104は、ユーザ端末102のアクセス先を広告掲載サイトから広告主サイトに変更させる(S504)。その結果、ユーザ端末102のアクセス先は、広告掲載サイトから広告主サイトへと変更される(S505)。また、広告配信システム104は、ユーザ端末102から提供されたユーザID、広告掲載サイトID、広告主サイトIDをID価値評価システム100に送信し、そのユーザIDに対応するユーザの価値を示す評価値の算出を依頼する(S506)。この依頼を受けると、ID価値評価システム100は、ユーザID、広告掲載サイトID、広告主サイトIDに対応するユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報を収集する。
例えば、ID価値評価システム100は、広告掲載サイトID、広告主サイトIDを属性管理システム106に送信し、これらのIDに対応する広告掲載サイトの属性情報、広告主サイトの属性情報の提供を依頼する(S507)。なお、ID価値評価システム100は、各属性情報の提供をそれぞれ異なる属性管理システム106に依頼するように構成されていてもよい。この依頼を受けた属性管理システム106は、広告掲載サイトの属性情報、広告主サイトの属性情報をID価値評価システム100に送信する(S508)。
また、ID価値評価システム100は、OpenIDやSAMLなどのID連携技術に基づき、ユーザIDを用いて属性情報の交換処理を実施する。例えば、ID価値評価システム100は、広告配信システム104からユーザに関する情報の提供を受け、Discoveryにより属性管理システム106のURL(Uniform Resource Locator)を取得する。次いで、ID価値評価システム100は、属性管理システム106との間で共通鍵を交換する(S509)。この共通鍵は、属性管理システム106から取得した各属性情報が正規のものであるか否かを確認するためのものである。このステップは、最終的にID価値評価システム100が、属性管理システム106から属性情報を得た後に実行されるようにしてもよい。
次いで、ID価値評価システム100は、属性管理システム106にユーザの属性情報を送信させるよう、ユーザ端末102に依頼する(S510)。この依頼を受けたユーザ端末102は、属性管理システム106に対し、ユーザの属性情報を送信するように依頼する(S511)。この依頼を受けた属性管理システム106は、ユーザの属性情報をユーザ端末102に送信する(S512)。ユーザの属性情報を受信したユーザ端末102は、受信したユーザの属性情報をID価値評価システム100に送信する(S513)。これら属性情報を受信すると、ID価値評価システム100は、受信したユーザの属性情報、広告掲載サイトの属性情報、広告主サイトの属性情報、及び一般情報に基づいてユーザの価値を示す評価値を算出する。
そして、ID価値評価システム100は、算出した評価値を広告配信システム104に送信する(S514)。評価値を受信した広告配信システム104は、受信した評価値に基づいて広告掲載者に支払われるべき報酬額を算出し、算出した報酬額を広告主サイト提供システム105に通知する(S515)。さらに、広告配信システム104は、算出した報酬額を広告掲載サイト提供システム103に通知する(S516)。報酬額が広告主サイト提供システム105及び広告掲載サイト提供システム103に通知されると、広告主サイト提供システム105から広告掲載サイト提供システム103に報酬額が支払われる(S517)。
以上、広告提供システム10における処理シーケンスの具体例について説明した。なお、図16の破線部分は、ID価値評価システム100の処理に関わる部分である。
[1−7:ハードウェア構成]
上記の各システム及びユーザ端末が有する各構成要素の機能は、例えば、図17に示す情報処理装置のハードウェア構成を用いて実現することが可能である。つまり、当該各構成要素の機能は、コンピュータプログラムを用いて図17に示すハードウェアを制御することにより実現される。なお、このハードウェアの形態は任意であり、例えば、パーソナルコンピュータ、携帯電話、PHS、PDA等の携帯情報端末、ゲーム機、又は種々の情報家電がこれに含まれる。但し、上記のPHSは、Personal Handy−phone Systemの略である。また、上記のPDAは、Personal Digital Assistantの略である。
上記の各システム及びユーザ端末が有する各構成要素の機能は、例えば、図17に示す情報処理装置のハードウェア構成を用いて実現することが可能である。つまり、当該各構成要素の機能は、コンピュータプログラムを用いて図17に示すハードウェアを制御することにより実現される。なお、このハードウェアの形態は任意であり、例えば、パーソナルコンピュータ、携帯電話、PHS、PDA等の携帯情報端末、ゲーム機、又は種々の情報家電がこれに含まれる。但し、上記のPHSは、Personal Handy−phone Systemの略である。また、上記のPDAは、Personal Digital Assistantの略である。
図17に示すように、このハードウェアは、主に、CPU902と、ROM904と、RAM906と、ホストバス908と、ブリッジ910と、を有する。さらに、このハードウェアは、外部バス912と、インターフェース914と、入力部916と、出力部918と、記憶部920と、ドライブ922と、接続ポート924と、通信部926と、を有する。但し、上記のCPUは、Central Processing Unitの略である。また、上記のROMは、Read Only Memoryの略である。そして、上記のRAMは、Random Access Memoryの略である。
CPU902は、例えば、演算処理装置又は制御装置として機能し、ROM904、RAM906、記憶部920、又はリムーバブル記録媒体928に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。ROM904は、CPU902に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。RAM906には、例えば、CPU902に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。
これらの構成要素は、例えば、高速なデータ伝送が可能なホストバス908を介して相互に接続される。一方、ホストバス908は、例えば、ブリッジ910を介して比較的データ伝送速度が低速な外部バス912に接続される。また、入力部916としては、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力部916としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ(以下、リモコン)が用いられることもある。
出力部918としては、例えば、CRT、LCD、PDP、又はELD等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。但し、上記のCRTは、Cathode Ray Tubeの略である。また、上記のLCDは、Liquid Crystal Displayの略である。そして、上記のPDPは、Plasma DisplayPanelの略である。さらに、上記のELDは、Electro−Luminescence Displayの略である。
記憶部920は、各種のデータを格納するための装置である。記憶部920としては、例えば、ハードディスクドライブ(HDD)等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。但し、上記のHDDは、Hard Disk Driveの略である。
ドライブ922は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体928に記録された情報を読み出し、又はリムーバブル記録媒体928に情報を書き込む装置である。リムーバブル記録媒体928は、例えば、DVDメディア、Blu−rayメディア、HD DVDメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体928は、例えば、非接触型ICチップを搭載したICカード、又は電子機器等であってもよい。但し、上記のICは、Integrated Circuitの略である。
接続ポート924は、例えば、USBポート、IEEE1394ポート、SCSI、RS−232Cポート、又は光オーディオ端子等のような外部接続機器930を接続するためのポートである。外部接続機器930は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はICレコーダ等である。但し、上記のUSBは、Universal Serial Busの略である。また、上記のSCSIは、Small Computer System Interfaceの略である。
通信部926は、ネットワーク932に接続するための通信デバイスであり、例えば、有線又は無線LAN、Bluetooth(登録商標)、又はWUSB用の通信カード、光通信用のルータ、ADSL用のルータ、又は各種通信用のモデム等である。また、通信部926に接続されるネットワーク932は、有線又は無線により接続されたネットワークにより構成され、例えば、インターネット、家庭内LAN、赤外線通信、可視光通信、放送、又は衛星通信等である。但し、上記のLANは、Local Area Networkの略である。また、上記のWUSBは、Wireless USBの略である。そして、上記のADSLは、Asymmetric Digital Subscriber Lineの略である。
<2:まとめ>
最後に、本発明の実施形態に係る技術内容について簡単に纏める。ここで述べる技術内容は、例えば、PC、携帯電話、携帯ゲーム機、携帯情報端末、情報家電、カーナビゲーションシステム等、種々の情報処理装置に対して適用することができる。
最後に、本発明の実施形態に係る技術内容について簡単に纏める。ここで述べる技術内容は、例えば、PC、携帯電話、携帯ゲーム機、携帯情報端末、情報家電、カーナビゲーションシステム等、種々の情報処理装置に対して適用することができる。
上記の情報処理装置の機能構成は以下のように表現することができる。当該情報処理装置は、次のような評価値算出部と、評価値出力部とを有する。当該評価値算出部は、ユーザの属性を示すユーザ属性情報、サービスの属性、及び一般情報を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出するものである。また、上記の評価値出力部は、前記評価すべきユーザのユーザIDと、前記評価値算出部により算出された当該ユーザの価値評価値とを対応付けて出力するものである。
なお、上記の一般情報は、日時、季節、特別なイベント(バーゲン、TV情報、行事、事件など)、イベント開催地などの情報を含む。つまり、上記の一般情報は、日時や社会状況などを表す情報である。また、上記の一般情報は、ユーザやサービスの属性とは独立の情報であり、ID価値評価関数の入力となる情報である。
かかる構成により、上記の情報処理装置は、評価値算出部を有することにより、ユーザの属性とサービスの属性とを共に考慮したユーザの価値を算出することが可能になる。また、上記の情報処理装置は、評価値出力部を有することにより、ユーザIDを価値付けることが可能になる。このように、ユーザとサービスの関係を考慮することにより、あるサービスに個々のユーザが与える影響度合いや、あるユーザがサービスを介して他のユーザに与える影響度合いをユーザIDに付けられた価値評価値という指標で表現することができる。
例えば、商品の提供サービス及びその商品の広告サービスとユーザの関係を考慮したユーザの価値について考えてみると、ユーザの価値は、広告を見て商品を購入するに至る確率や、そのユーザの友人がその商品を購入する確率などに直結する。ユーザが商品を購入する確率を知ることができれば、例えば、その確率に応じた報酬を広告サービスの提供者に支払う仕組みを構築することが可能になる。つまり、ユーザが実際に商品の購入に至らない場合や、どの広告サービスの影響を受けてユーザが商品を購入したかが分からない場合であっても、広告サービスの提供者に報酬が支払われる仕組みを実現することができるようになる。
(備考)
上記のID価値評価システム100は、ID価値評価装置の一例である。上記のID価値評価部115は、評価値算出部、評価値出力部の一例である。上記のID価値評価関数生成部117は、評価関数生成部の一例である。上記の情報収集部112は、サービス属性情報取得部の一例である。上記の広告掲載サイト提供システム103は、広告配信サーバの一例である。上記の広告配信システム104は、広告提供サーバの一例である。
上記のID価値評価システム100は、ID価値評価装置の一例である。上記のID価値評価部115は、評価値算出部、評価値出力部の一例である。上記のID価値評価関数生成部117は、評価関数生成部の一例である。上記の情報収集部112は、サービス属性情報取得部の一例である。上記の広告掲載サイト提供システム103は、広告配信サーバの一例である。上記の広告配信システム104は、広告提供サーバの一例である。
以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明は係る例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
10 広告提供システム
100 ID価値評価システム
101 ネットワーク
102 ユーザ端末
103 広告掲載サイト提供システム
104 広告配信システム
105 広告主サイト提供システム
106 属性管理システム
111 通信部
112 情報収集部
113 データ整形部
114 データ整形情報データベース
115 ID価値評価部
116 ID価値評価関数データベース
117 ID価値評価関数生成部
118 学習サンプルデータベース
121 広告データベース
122 行動履歴データベース
123 通信部
131 ユーザ属性情報データベース
132 サービス属性情報データベース
133 通信部
100 ID価値評価システム
101 ネットワーク
102 ユーザ端末
103 広告掲載サイト提供システム
104 広告配信システム
105 広告主サイト提供システム
106 属性管理システム
111 通信部
112 情報収集部
113 データ整形部
114 データ整形情報データベース
115 ID価値評価部
116 ID価値評価関数データベース
117 ID価値評価関数生成部
118 学習サンプルデータベース
121 広告データベース
122 行動履歴データベース
123 通信部
131 ユーザ属性情報データベース
132 サービス属性情報データベース
133 通信部
Claims (9)
- ユーザの属性を示すユーザ属性情報、サービスの属性、及び一般情報を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出する評価値算出部と、
前記評価すべきユーザのユーザIDと、前記評価値算出部により算出された当該ユーザの価値評価値とを対応付けて出力する評価値出力部と、
を備える、
ID価値評価装置。 - 予め用意されたユーザ属性情報、サービス属性情報、一般情報、ユーザの行動履歴の組を学習データとする機械学習により前記評価関数を生成する評価関数生成部をさらに備える、
請求項1に記載のID価値評価装置。 - 前記サービスを提供するサービス提供サイトに記載された情報を解析し、当該サービス提供サイトが提供するサービスのサービス属性情報を取得するサービス属性情報取得部をさらに備える、
請求項2に記載のID価値評価装置。 - 前記サービス属性情報取得部は、前記サービス提供サイトに記載された情報に対して所定の言語処理を施すことにより前記サービス属性情報を取得する、
請求項3に記載のID価値評価装置。 - 前記サービスは、ユーザに対して広告を提供するサービスを含み、
前記評価値算出部は、ユーザにより前記広告に関わる操作が行われた際、当該ユーザを前記評価すべきユーザとしてリアルタイムに前記価値評価値を算出する、
請求項1又は4に記載のID価値評価装置。 - 前記評価値算出部は、前記サービスを提供するサービス提供サイトを訪れたユーザの集合を前記評価すべきユーザの集合として、当該集合に含まれる各ユーザの価値評価値を算出し、算出した当該各ユーザの価値評価値を合算して集合価値評価値を算出し、
前記評価値出力部は、前記サービス提供サイトのIDと、前記評価値算出部により算出された集合価値評価値とを対応付けて出力する、
請求項1又は4に記載のID価値評価装置。 - 前記評価関数に入力されるサービス属性情報の表現を当該評価関数に入力可能な表現に変換するデータ整形部をさらに備える、
請求項1又は4に記載のID価値評価装置。 - ユーザの属性を示すユーザ属性情報、サービスの属性、及び一般情報を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出する評価値算出部と、
前記評価すべきユーザのユーザIDと、前記評価値算出部により算出された当該ユーザの価値評価値とを対応付けて出力する評価値出力部と、
を有する、ID価値評価装置と、
前記ユーザに向けた広告の配信サービスを提供する広告配信サーバと、
前記広告配信サーバに前記広告の内容を提供する広告提供サーバと、
を含み、
ユーザにより前記広告配信サーバにより配信された広告に関わる操作が行われた際、前記広告配信サーバは、前記ID価値評価装置に対して当該ユーザの評価を依頼し、
前記ID価値評価装置は、前記評価値算出部により前記広告配信サーバから依頼を受けたユーザの価値評価値を算出し、前記評価値出力部により当該ユーザの価値評価値を当該ユーザのユーザIDに対応付けて前記広告配信サーバに対して出力し、
前記広告配信サーバは、前記ID価値評価装置から取得した前記ユーザの価値評価値を当該価値評価値に対応付けられたユーザIDと共に前記広告提供サーバに提供する、
ID価値評価システム。 - ユーザの属性を示すユーザ属性情報、サービスの属性、及び一般情報を示すサービス属性情報を入力とし、当該ユーザの価値を示す価値評価値を出力する評価関数を用いて、評価すべきユーザの価値評価値を算出する評価値算出ステップと、
前記評価すべきユーザのユーザIDと、前記評価値算出ステップで算出された当該ユーザの価値評価値とを対応付けて出力する評価値出力ステップと、
を含む、
ID価値評価方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010188127A JP2012048360A (ja) | 2010-08-25 | 2010-08-25 | Id価値評価装置、id価値評価システム、及びid価値評価方法 |
US13/182,854 US20120054042A1 (en) | 2010-08-25 | 2011-07-14 | Id-value assessment device, id-value assessment system, and id-value assessment method |
CN2011102349297A CN102385727A (zh) | 2010-08-25 | 2011-08-17 | Id价值评价设备,id价值评价***和id价值评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010188127A JP2012048360A (ja) | 2010-08-25 | 2010-08-25 | Id価値評価装置、id価値評価システム、及びid価値評価方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2012048360A true JP2012048360A (ja) | 2012-03-08 |
Family
ID=45698427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010188127A Withdrawn JP2012048360A (ja) | 2010-08-25 | 2010-08-25 | Id価値評価装置、id価値評価システム、及びid価値評価方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20120054042A1 (ja) |
JP (1) | JP2012048360A (ja) |
CN (1) | CN102385727A (ja) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013235572A (ja) * | 2012-04-11 | 2013-11-21 | Activecore Inc | セグメント解析装置、レコメンド装置、セグメント解析方法、レコメンド方法、セグメント解析プログラムおよびレコメンドプログラム |
JP2014006729A (ja) * | 2012-06-25 | 2014-01-16 | Yahoo Japan Corp | 情報提供装置、情報提供方法及び情報提供プログラム |
JP2014041587A (ja) * | 2012-07-23 | 2014-03-06 | Nippon Hoso Kyokai <Nhk> | 顔表情解析装置および顔表情解析プログラム |
JP2014206792A (ja) * | 2013-04-10 | 2014-10-30 | テンソル・コンサルティング株式会社 | ソーシャルネットワーク情報処理装置、処理方法、および処理プログラム |
JP2015535379A (ja) * | 2012-10-19 | 2015-12-10 | フェイスブック,インク. | モバイルデバイスユーザの将来の状態を予測することに関する方法 |
JP2016177649A (ja) * | 2015-03-20 | 2016-10-06 | ヤフー株式会社 | 情報処理装置、情報処理プログラムおよび情報処理方法 |
JP6134411B1 (ja) * | 2016-03-17 | 2017-05-24 | ヤフー株式会社 | 情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラム |
JP2018025862A (ja) * | 2016-08-08 | 2018-02-15 | インタセクト・コミュニケーションズ株式会社 | システム、情報処理装置、情報処理方法及びプログラム |
JP2018516421A (ja) * | 2016-02-24 | 2018-06-21 | 平安科技(深▲せん▼)有限公司 | ネットワークアクセス動作識別方法、サーバ及び記憶媒体 |
JP2020017089A (ja) * | 2018-07-25 | 2020-01-30 | Zホールディングス株式会社 | 学習装置、学習方法及び学習プログラム |
JP2020030677A (ja) * | 2018-08-23 | 2020-02-27 | ログリー株式会社 | 広告配信システム |
JP2020135217A (ja) * | 2019-02-15 | 2020-08-31 | フリュー株式会社 | サーバ、確率の算出方法、制御プログラム及び記録媒体 |
JP2022000728A (ja) * | 2020-06-19 | 2022-01-04 | 株式会社電通 | サービス評価システム |
WO2022137561A1 (ja) * | 2020-12-25 | 2022-06-30 | 日本電気株式会社 | マーケティング支援装置、システム及び方法並びに非一時的なコンピュータ可読媒体 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8996650B2 (en) * | 2011-08-26 | 2015-03-31 | Accenture Global Services Limited | Preparing content packages |
CN104102576A (zh) * | 2013-04-12 | 2014-10-15 | 阿里巴巴集团控股有限公司 | 一种多版本测试方法和装置 |
US9392022B2 (en) | 2013-05-03 | 2016-07-12 | Vmware, Inc. | Methods and apparatus to measure compliance of a virtual computing environment |
CN107292465A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 用户评价方法、装置及设备 |
-
2010
- 2010-08-25 JP JP2010188127A patent/JP2012048360A/ja not_active Withdrawn
-
2011
- 2011-07-14 US US13/182,854 patent/US20120054042A1/en not_active Abandoned
- 2011-08-17 CN CN2011102349297A patent/CN102385727A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013235572A (ja) * | 2012-04-11 | 2013-11-21 | Activecore Inc | セグメント解析装置、レコメンド装置、セグメント解析方法、レコメンド方法、セグメント解析プログラムおよびレコメンドプログラム |
JP2014006729A (ja) * | 2012-06-25 | 2014-01-16 | Yahoo Japan Corp | 情報提供装置、情報提供方法及び情報提供プログラム |
JP2014041587A (ja) * | 2012-07-23 | 2014-03-06 | Nippon Hoso Kyokai <Nhk> | 顔表情解析装置および顔表情解析プログラム |
JP2015535379A (ja) * | 2012-10-19 | 2015-12-10 | フェイスブック,インク. | モバイルデバイスユーザの将来の状態を予測することに関する方法 |
JP2016122452A (ja) * | 2012-10-19 | 2016-07-07 | フェイスブック,インク. | モバイルデバイスユーザの将来の状態を予測することに関する方法 |
JP2014206792A (ja) * | 2013-04-10 | 2014-10-30 | テンソル・コンサルティング株式会社 | ソーシャルネットワーク情報処理装置、処理方法、および処理プログラム |
JP2016177649A (ja) * | 2015-03-20 | 2016-10-06 | ヤフー株式会社 | 情報処理装置、情報処理プログラムおよび情報処理方法 |
JP2018516421A (ja) * | 2016-02-24 | 2018-06-21 | 平安科技(深▲せん▼)有限公司 | ネットワークアクセス動作識別方法、サーバ及び記憶媒体 |
JP2017167953A (ja) * | 2016-03-17 | 2017-09-21 | ヤフー株式会社 | 情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラム |
JP6134411B1 (ja) * | 2016-03-17 | 2017-05-24 | ヤフー株式会社 | 情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラム |
JP2018025862A (ja) * | 2016-08-08 | 2018-02-15 | インタセクト・コミュニケーションズ株式会社 | システム、情報処理装置、情報処理方法及びプログラム |
JP2020017089A (ja) * | 2018-07-25 | 2020-01-30 | Zホールディングス株式会社 | 学習装置、学習方法及び学習プログラム |
JP7041018B2 (ja) | 2018-07-25 | 2022-03-23 | ヤフー株式会社 | 学習装置、学習方法及び学習プログラム |
JP2020030677A (ja) * | 2018-08-23 | 2020-02-27 | ログリー株式会社 | 広告配信システム |
JP2020135217A (ja) * | 2019-02-15 | 2020-08-31 | フリュー株式会社 | サーバ、確率の算出方法、制御プログラム及び記録媒体 |
JP7410367B2 (ja) | 2019-02-15 | 2024-01-10 | フリュー株式会社 | サーバ、確率の算出方法、制御プログラム及び記録媒体 |
JP2022000728A (ja) * | 2020-06-19 | 2022-01-04 | 株式会社電通 | サービス評価システム |
WO2022137561A1 (ja) * | 2020-12-25 | 2022-06-30 | 日本電気株式会社 | マーケティング支援装置、システム及び方法並びに非一時的なコンピュータ可読媒体 |
Also Published As
Publication number | Publication date |
---|---|
US20120054042A1 (en) | 2012-03-01 |
CN102385727A (zh) | 2012-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2012048360A (ja) | Id価値評価装置、id価値評価システム、及びid価値評価方法 | |
US10664509B1 (en) | Processing non-uniform datasets | |
AU2011295936B2 (en) | Methods and apparatus to cluster user data | |
TWI648690B (zh) | 社群網路系統中贊助廣告的評分以及計價方法、系統、電腦程式產品 | |
US8458160B2 (en) | Social network based user-initiated review and purchase related information and advertising | |
US20140244400A1 (en) | Systems and methods for social advertisement syndication | |
AU2011249059B2 (en) | System and method for directing content to users of a social networking engine | |
TWI592889B (zh) | 社交聲譽廣告 | |
US20090228397A1 (en) | Exchange for tagged user information with scarcity control | |
US20100332301A1 (en) | Compensating in Cost-Per-Action Advertising | |
TW201520936A (zh) | 使用者參與度上下文相關之非保證交付自動標價 | |
CN104281961A (zh) | 用于在线***中的广告和内容的质量评分*** | |
JP2013229061A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
KR20140038970A (ko) | 광고 지출에 관한 리턴을 갖는 다수의 속성 모델들 | |
CN104281962A (zh) | 用于在线***中的广告和内容的统一市场 | |
US11777925B2 (en) | System, method, and program product using ephemeral identity for digital user identification | |
JP2009193465A (ja) | 情報処理装置、情報提供システム、情報処理方法、およびプログラム | |
JP6177536B2 (ja) | 情報処理装置 | |
US10953324B1 (en) | Using game data for providing content items | |
KR102202061B1 (ko) | 판매상품용 홍보영상 제작 연계 시스템 | |
JP2018045553A (ja) | 選択装置、選択方法および選択プログラム | |
JP2011134251A (ja) | 広告料を分配する広告管理サーバ、方法及びシステム | |
US20130275223A1 (en) | Future ad targeting | |
KR102397385B1 (ko) | O2o 기반 저장쿠폰을 이용한 맞춤형 쿠폰 서비스 제공 방법 | |
US20160189204A1 (en) | Systems and methods for building keyword searchable audience based on performance ranking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20131105 |