JP2019032910A - 情報処理装置及び情報処理方法 - Google Patents

Abstract

【課題】ユーザの階層に応じた広告を配信することができる情報処理装置及び情報処理方法を提供する。【解決手段】実施形態によれば、情報処理装置は、コンバージョンユーザログ抽出部と、経路抽出部と、設定部と、通信部と、推定部と、広告決定部と、決定広告送信部と、を備える。コンバージョンユーザログ抽出部は、コンバージョンを完了したユーザのコンバージョンユーザログを抽出する。経路抽出部は、コンバージョンユーザログに基づいて、ユーザがコンバージョンに至るまでに行う行動と行動の遷移経路とを抽出する。設定部は、行動と前記行動の遷移経路とに基づいて、ファネル構造の階層ごとに行動の行動比率を設定する。推定部は、ユーザ端末からの広告のリクエストを受信すると、行動比率に基づいてユーザ端末のユーザの階層を推定する。広告決定部は、前記階層に対応する広告を決定する。決定広告送信部は、広告を送信する。【選択図】図１

Description

本発明の実施形態は、インターネットなどにおけるユーザのファネル構造を推定する情報処理装置及び情報処理方法に関する。

ユーザは、Ｗｅｂ上で配信される所定の広告のコンバージョンに関して所定のインテントを有し、インテントなどに基づく種々に階層（認知、興味・関心、検討及び直前など）に属している。各階層のユーザの分布は、ファネル構造となっている。広告主の視点としては、配信した広告の価値を正しく評価し、また、そのうえで広告の内容及び量などの広告の構成を最適化する点が重要であり、その前提としてファネル構造を知る必要がある。

しかしながら、従来、ファネル構造を可視化するためには、アンケートなどのアナログな方法が用いられている。アンケートなどのアナログな方法ではコストがかかる上、十分な量のデータを取ることが困難である。また、アンケートでは誤認に基づく回答又は自己を良く見せようとする回答が含まれるなど、必ずしも客観的な情報を得られるとは限らない。

そのため、インターネット上のアクセスログなどからファネル構造におけるユーザの階層を推定する技術が求められる。

また、ユーザは、属する階層に応じて必要な情報が異なる。そのため、階層ごとに異なる広告を配信する技術が求められる。

特表２０１４−５１２６１３号公報

上記の課題を解決するために、ユーザの階層に応じた広告を配信することができる情報処理装置及び情報処理方法を提供する。

実施形態によれば、情報処理装置は、コンバージョンユーザログ抽出部と、経路抽出部と、設定部と、通信部と、推定部と、広告決定部と、決定広告送信部と、を備える。コンバージョンユーザログ抽出部は、コンバージョンを完了したユーザのコンバージョンユーザログを抽出する。経路抽出部は、前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに行う行動と前記行動の遷移経路とを抽出する。設定部は、前記経路抽出部が抽出した前記行動と前記行動の前記遷移経路とに基づいて、ファネル構造の階層ごとに前記行動の行動比率を設定する。通信部は、データを送受信する。推定部は、前記通信部を通じてユーザ端末からの広告のリクエストを受信すると、前記行動比率に基づいて前記ユーザ端末のユーザの階層を推定する。広告決定部は、前記階層に対応する広告を決定する。決定広告送信部は、前記通信部を通じて前記広告を送信する。

実施形態によれば、情報処理装置は、コンバージョンを完了したユーザの行動ログに基づいてファネル階層をモデル化（階層テーブル及び移転確率テーブルを生成）することができる。また、情報処理装置は、ファネル構造のモデル化によって、コンバージョンを完了していないユーザの階層を推定することができる。

即ち、情報処理装置は、階層ごとのユーザ数及び階層間の移転確率を推定することができる。したがって、上記の推定により、階層ごとのボリューム、及び、いずれの階層が今後拡大又は縮小するかなどを推測することができる。

また、情報処理装置は、広告を閲覧したユーザのファネル構造と広告を閲覧していないユーザのファネル構造とを推定することができる。したがって、情報処理装置は、両ファネル構造の差として広告の効果を提示することができる。たとえば、広告を閲覧したユーザのファネル構造の特定の階層のユーザが増加し直上の階層（たとえば、特定の階層が「興味・関心」であれば、「認知」）が減少している場合、広告は、ユーザを当該直上の階層から当該特定の階層へ遷移させる効果があると推定される。

また、情報処理装置は、広告配信後に、両ファネル構造を推定する。両ファネルは、それぞれ広告以外の要素（たとえば、テレビＣＭ）などの影響を受けているが、両ファネルが受けている影響の度合いに違いがない（又は、違いは十分に小さい）と仮定することができる。そのため、両ファネルの差は、広告以外の要素からの影響を受けない。そのため、両ファネルの差は、広告の閲覧から生じるものと判断することができる。その結果、広告の効果をより明確に把握することができる。

また、情報処理装置は、複数の広告をランダムに配信して、階層ごとの効果を測定することができる。その結果、情報処理装置は、階層ごとに効果的な広告を決定することができる。

また、情報処理装置は、ユーザ端末からの広告のリクエストを受信すると、ユーザ端末のユーザの階層を推定する。情報処理装置は、推定した階層に対応する広告をユーザ端末に配信する。その結果、情報処理装置は、ユーザに最適な広告を配信することができる。

図１は、実施形態に係るファネル構造の構成例を示す図である。 図２は、実施形態に係る情報処理装置の構成例を示すブロック図である。 図３は、実施形態に係るカテゴリの遷移例を示す図である。 図４は、実施形態に係るカテゴリの遷移例を示す図である。 図５は、実施形態に係る階層テーブルである。 図６は、実施形態に係る移転確率テーブルである。 図７は、実施形態に係るファネル構造の遷移例を示す。 図８は、実施形態に係る情報処理装置の動作例を示すフローチャートである。 図９は、実施形態に係る情報処理装置の動作例を示すフローチャートである。 図１０は、実施形態に係る情報処理装置の動作例を示すフローチャートである。 図１１は、実施形態に係る情報処理装置の動作例を示すフローチャートである。 図１２は、実施形態に係る情報処理装置の動作例を示すフローチャートである。

以下、実施形態について、図面を参照して説明する。
まず、ファネル構造について説明する。
図１は、ファネル構造１の構成例を示す。

ファネル構造１は、所定の広告のコンバージョンに関連する階層ごとのユーザ数を示す。
コンバージョンは、広告主が実施する広告の最終的な成果である。たとえば、コンバージョンは、所定の物品の購入、資料請求、所定のサイトの閲覧、又は、所定の店舗への訪問などである。コンバージョンの内容は、特定の構成に限定されるものではない。
広告は、ユーザ端末を通じてユーザに提示される。

図１が示すように、ファネル構造１は、階層２乃至６などを備える。階層２乃至６は、それぞれ例えば、「認知」、「興味・関心」、「検討」、「直前」及び「コンバージョン」である。図１が示す例では、階層の領域が大きいほど、ユーザが多いことを示す。なお、ファネル構造１は、「コンバージョン」を階層として備えなくともよい。

「認知」は、成果に関する事柄を認知している階層である。たとえば、コンバージョンが所定の商品の購入である場合、「認知」は、成果に関する事柄として当該商品を認知している階層である。また、コンバージョンがイベント告知サイトの閲覧である場合、「認知」は、成果に関する事柄として当該イベントなどを認知している階層である。

「興味・関心」は、成果に関する事柄に興味又は関心がある階層である。即ち、「興味・関心」は、コンバージョンを検討する程度ではないものの、成果に関する事柄に一定の興味・関心がある階層である。

「検討」は、コンバージョンを検討している階層である。即ち、「検討」は、単なる興味・関心を超えて、コンバージョンを実行することを検討する階層である。

「直前」は、コンバージョンを行う直前である階層である。即ち、「直前」は、コンバージョンの検討を終了し、コンバージョンを行うことを決定している階層である。

「コンバージョン」は、コンバージョンを完了した階層である。

図１が示す例において、「認知」、「興味・関心」、「検討」、「直前」及び「コンバージョン」と階層が深くなるにつれて、ユーザの数は、減少する。

なお、ファネル構造は、さらに他の階層を備えてもよい。また、ファネル構造は、上述の階層を備えなくともよい。また、ファネル構造の階層の数は、特定の数に限定されるものではない。ファネル構造の構成は、特定の構成に限定されるものではない。

次に、実施形態に係る情報処理装置について説明する。
図２は、情報処理装置１０の構成例を示すブロック図である。
図２が示す構成例において、情報処理装置１０は、基本的な構成として、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、ＮＶＭ１４、通信部１５、操作部１６及び表示部１７などを備える。これらの各部は、データバスを介して互いに接続される。なお、情報処理装置１０は、図２が示すような構成の他に必要に応じた構成を具備したり、特定の構成を除外したりしてもよい。

ＣＰＵ１１は、情報処理装置１０全体の動作を制御する機能を有する。ＣＰＵ１１は、内部キャッシュおよび各種のインターフェースなどを備えても良い。ＣＰＵ１１は、内部メモリ、ＲＯＭ１２又はＮＶＭ１４が予め記憶するプログラムを実行することにより種々の処理を実現する。

なお、ＣＰＵ１１がプログラムを実行することにより実現する各種の機能のうちの一部は、ハードウエア回路により実現されるものであっても良い。この場合、ＣＰＵ１１は、ハードウエア回路により実行される機能を制御する。

ＲＯＭ１２は、予め制御用のプログラム及び制御データなどが記憶された不揮発性のメモリである。ＲＯＭ１２に記憶される制御プログラム及び制御データは、予め情報処理装置１０の仕様に応じて組み込まれる。ＲＯＭ１２は、たとえば、情報処理装置１０の回路基板を制御するプログラム（例えば、ＢＩＯＳ）などを格納する。

ＲＡＭ１３は、揮発性のメモリである。ＲＡＭ１３は、ＣＰＵ１１の処理中のデータなどを一時的に格納する。ＲＡＭ１３は、ＣＰＵ１１からの命令に基づき種々のアプリケーションプログラムを格納する。また、ＲＡＭ１３は、アプリケーションプログラムの実行に必要なデータ及びアプリケーションプログラムの実行結果などを格納してもよい。

ＮＶＭ１４は、データの書き込み及び書き換えが可能な不揮発性のメモリである。ＮＶＭ１４は、例えば、ハードディスク、ＳＳＤ、ＥＥＰＲＯＭ（登録商標）又はフラッシュメモリなどにより構成される。ＮＶＭ１４は、情報処理装置１０の運用用途に応じて制御プログラム、アプリケーション、及び種々のデータを格納する。

また、ＮＶＭ１４は、ユーザがサイトを閲覧した記録である行動ログを格納する記憶領域１４ａ、及び、広告の効果を示す効果ログを格納する記憶領域１４ｂを備える。行動ログ及び効果ログについては、後述する。

通信部１５は、インターネットなどの通信網を通じて外部装置とデータを送受信するためのインターフェースである。通信部１５は、たとえば、ＬＡＮ接続をサポートするインターフェースである。

通信部１５は、通信網を通じてユーザ端末２０とデータを送受信する。ユーザ端末２０は、ユーザが利用する端末である。たとえば、ユーザ端末２０は、ディスクトップＰＣ、ノートＰＣ、タブレットＰＣ又はスマートフォンなどである。ユーザ端末２０は、情報処理装置１０に広告をリクエストし、当該広告を表示する。

操作部１６は、情報処理装置１０の操作者によって、種々の操作指示が入力される。操作部１６は、操作者に入力された操作指示の信号をＣＰＵ１１へ送信する。操作部１６は、たとえば、キーボード、テンキー、及び、タッチパネルなどである。

表示部１７は、ＣＰＵ１１の制御により種々の情報を表示する表示装置である。表示部１７は、たとえば、液晶モニタなどである。なお、操作部１６がタッチパネルなどで構成される場合、表示部１７は、操作部１６と一体的に形成されてもよい。

次に、行動ログについて説明する。
行動ログは、ユーザの行動に関するログである。たとえば、行動ログは、行動を示す情報と、当該行動を行った日時とを対応付けて格納する。

たとえば、行動ログが対象とする行動は、Ｗｅｂアクセス、ユーザの所在、コンテンツ聴取、ヘルスケア情報、購買、ＳＮＳへの投稿、アプリ利用、コンテンツ視聴、又は、ユーザが所持する機器の動作などである。

Ｗｅｂアクセスは、たとえば、検索キーワード、閲覧サイト、コンテンツ内のテキスト、画像若しくは動画、クリック、マウスオーバー、又は、ヒートマップなどである。

ユーザの所在は、たとえば、ユーザが所持するスマートフォンなどのＧＰＳ情報、スマートフォンのＩＰアドレス、ビーコンなどによる来店、又は、自動改札機の入出場などである。

コンテンツ聴取は、たとえば、音楽聴取、又は、ラジオ聴取などである。
ヘルスケア情報は、ユーザの身体に関する情報である。ヘルスケア情報は、たとえば、運動、血圧、又は、心拍数などである。

購買は、コンバージョンとならない物の購入である。たとえば、購買は、電子マネーでの決済、又は、ＥＣサイトでの購入などである。
ＳＮＳへの投稿は、たとえば、ＳＮＳサイトへのテキスト、画像又は動画などの投稿である。

アプリ利用は、たとえば、アプリのダウンロード、アプリの起動、アプリの使用、又は、アプリの削除などである。
コンテンツ視聴は、たとえば、テレビの視聴、又は、動画サイトなどでの動画視聴である。

ユーザが所持する機器の動作は、たとえば、スマート家電の動作、自動車の運転、自動運転、又は、機器間の通信などである。
行動ログが対象とする行動は、特定の構成に限定されるものではない。

次に、ＣＰＵ１１が実現する機能について説明する。
まず、ＣＰＵ１１は、コンバージョンが完了したユーザの行動ログ（コンバージョンユーザログ）を抽出する機能を有する（コンバージョンユーザログ抽出部）。
ＣＰＵ１１は、記憶領域１４ａから、コンバージョンが完了したユーザの行動ログであってコンバージョンが完了した日時から所定の期間溯った行動ログを抽出する。たとえば、ＣＰＵ１１は、コンバージョンが完了してから３０日、６０日又は９０日前の行動ログを抽出する。ＣＰＵ１１は、コンバージョンに基づいて溯る期間を決定してもよい。たとえば、ＣＰＵ１１は、決断に時間が係ると思われるコンバージョン（たとえば、高額な商品の購入など）については、比較的長い期間を設定してもよい。また、たとえば、ＣＰＵ１１は、短期間で決断できるコンバージョン（たとえば、低額な商品の購入など）については、比較的短い期間を設定してもよい。ＣＰＵ１１が行動ログを抽出する期間を決定する方法は、特定の方法に限定されるものではない。

ＣＰＵ１１は、抽出した行動ログに基づいて、コンバージョンが完了したユーザの行動及び行動が遷移する経路を特定する機能を有する（経路抽出部）。
たとえば、ＣＰＵ１１は、抽出した行動ログに対してカテゴリを設定する。
カテゴリは、行動の特徴に基づいて設定される。カテゴリは、予め手動で行動ごとに設定されてもよい。カテゴリは、ＣＰＵ１１によって所定のアルゴリズムに従って自動で設定されてもよい。行動ログにカテゴリを設定する方法は、特定の方法に限定されるものではない。

たとえば、カテゴリは、ユーザが閲覧したＷｅｂサイトの集合である。たとえば、カテゴリは、特定のコンテンツに関するＷｅｂサイトの集合である。たとえば、カテゴリは、「普段使いメディア」又は「関連商品情報」などである。

「普段使いメディア」は、ユーザが日常的に使うサイトである。たとえば、「普段使いメディア」は、検索エンジン又はポータルサイトなどを含む。

「関連商品情報」は、コンバージョンと関連性の強いサイトである。たとえば、コンバージョンが商品の購入である場合、「関連商品情報」は、当該商品の批評サイトや当該商品と類似する商品の紹介サイトなどである。

また、カテゴリは、ユーザの所在の集合である。たとえば、カテゴリは、所定の店舗、建造物、又は、公園などユーザが所在する特定の領域を示す。たとえば、カテゴリは、「コンビニ」などである。

「コンビニ」は、ユーザが特定の又は任意のコンビニへ入店したことを示す。

また、カテゴリは、ユーザのヘルスケアに関する集合である。たとえば、カテゴリは、血圧に関する分類である。たとえば、カテゴリは、「高血圧」、「低血圧」又は「平均的血圧」などである。

「高血圧」は、ユーザが所定の閾値よりも高い血圧値を有することを示す。
「低血圧」は、ユーザが所定の閾値よりも低い血圧値を有することを示す。
「平均的血圧」は、ユーザの血圧値が「高血圧」及び「低血圧」の何れにも属さないことを示す。
なお、ＣＰＵ１１は、行動ログにカテゴリを設定しなくともよい。また、ＣＰＵ１１は、一部の行動ログにカテゴリを設定し、他の行動ログにカテゴリを設定しなくともよい。

次に、ＣＰＵ１１は、コンバージョンを完了したユーザがどのような行動を遷移してコンバージョンに至ったかを抽出する。即ち、ＣＰＵ１１は、コンバージョンを完了したユーザが特徴的に行う行動を抽出し、行動の遷移経路を抽出する。

たとえば、ＣＰＵ１１は、コンバージョンを完了したユーザが特に行う行動（又は、カテゴリ）を抽出する。また、ＣＰＵ１１は、各行動間の遷移確率を算出する。即ち、ＣＰＵ１１は、コンバージョンを完了したユーザがある行動を行った後に他の行動を行う確率を算出する。

ＣＰＵ１１は、各行動間の遷移確率に基づいて、各行動間に遷移経路としてパスを設定する。たとえば、ＣＰＵ１１は、遷移確率が所定の閾値よりも高い行動間にパスを設定してもよい。また、ＣＰＵ１１は、遷移確率に従って、各行動間に異なる太さのパス（即ち、強度の異なるパス）を設定してもよい。

たとえば、ＣＰＵ１１は、ベイジアンネットワークを用いて、コンバージョンを完了したユーザが行う行動を抽出し、コンバージョンに至る行動の遷移経路を抽出してもよい。

図３及び図４は、コンバージョンを完了したユーザの行動の遷移例を示す。
ここでは、ＣＰＵ１１は、行動２１乃至２５を抽出したものとする。行動２１乃至２４は、カテゴリである。行動２１乃至２４は、それぞれ「普段使いメディア」、「高血圧」、「コンビニ」、及び、「関連商品情報」である。また、行動２５は、「アプリＤＬ」である。

「普段使いメディア」、「高血圧」、「コンビニ」、及び、「関連商品情報」は、前述の通りである。
「アプリＤＬ」は、特定のアプリをダウンロードする行動を示す。

図３及び４において、矢印は、パスを示す。即ち、矢印は、ユーザが矢印の始点にある行動から矢印の終点にある行動に遷移することを示す。

図３及び図４が示すように、ユーザがコンバージョンに至る遷移経路の１つは、行動２１（「普段使いメディア」）、行動２４（「関連商品情報」）及び「コンバージョン」を順に辿る経路である。また、ユーザがコンバージョンに至る遷移経路の他の１つは、行動２１（「普段使いメディア」）、行動２３（「コンビニ」）、行動２４（「関連商品情報」）及び「コンバージョン」を順に辿る経路である。

また、ユーザがコンバージョンに至る遷移経路の他の１つは、行動２１（「普段使いメディア」）、行動２３（「コンビニ」）、及び「コンバージョン」を順に辿る経路である。また、ユーザがコンバージョンに至る遷移経路の他の１つは、行動２１（「普段使いメディア」）、行動２２（「高血圧」）、行動２３（「コンビニ」）、行動２４（「関連商品情報」）及び「コンバージョン」を順に辿る経路である。

また、ユーザがコンバージョンに至る遷移経路の他の１つは、行動２１（「普段使いメディア」）、行動２２（「高血圧」）、行動２３（「コンビニ」）及び「コンバージョン」を順に辿る経路である。

また、ユーザがコンバージョンに至る遷移経路の他の１つは、行動２１（「普段使いメディア」）、行動２２（「高血圧」）、行動２５（「アプリＤＬ」）及び「コンバージョン」を順に辿る経路である。

なお、ＣＰＵ１１が抽出する行動の数は、特定の数に限定されるものではない。ＣＰＵ１１が抽出する行動の構成は、特定の構成に限定されるものではない。また、ＣＰＵ１１が抽出する経路は、特定の構成に限定されるものではない。

また、ＣＰＵ１１は、ファネル構造の階層ごとに、抽出した行動（又はカテゴリ）の行動比率を設定する機能を有する（設定部）。行動比率は、階層において、抽出した行動を行うユーザの割合又は当該階層において各ユーザが当該行動をとる確率である。

たとえば、ＣＰＵ１１は、ファネル構造の階層と、当該階層における各行動の行動比率とを対応付けたテーブル（階層テーブル）を生成する。
図５は、ファネル構造の階層と、当該階層における行動の行動比率とを対応付けた階層テーブルの構成例を示す。

図５が示すように、階層テーブルは、「認知」において、「普段使いメディア」、「高血圧」、「コンビニ」、「関連商品情報」及び「アプリＤＬ」の行動比率がそれぞれ７７％、１０％、７％、３％及び３％であることを示す。たとえば、階層テーブルは、「認知」に属するユーザの７７％は、「普段使いメディア」に属する行動を行うことを示す。

また、階層テーブルは、「興味・関心」において、「普段使いメディア」、「高血圧」、「コンビニ」、「関連商品情報」及び「アプリＤＬ」の行動比率がそれぞれ４５％、１５％、１７％、１５％及び８％であることを示す。

また、階層テーブルは、「検討」において、「普段使いメディア」、「高血圧」、「コンビニ」、「関連商品情報」及び「アプリＤＬ」の行動比率がそれぞれ１０％、１７％、３５％、２８％及び１０％であることを示す。

また、階層テーブルは、「直前」において、「普段使いメディア」、「高血圧」、「コンビニ」、「関連商品情報」及び「アプリＤＬ」の行動比率がそれぞれ６％、１９％、２５％、３５％及び１５％であることを示す。

なお、ＣＰＵ１１が階層ごとに設定する各行動及び各行動の比率は、特定の値に限定されるものではない。即ち、ＣＰＵ１１が設定する階層テーブルの構成は、特定の構成に限定されるものではない。

また、ＣＰＵ１１は、行動及び行動間の遷移経路（遷移確率）などに基づいて、各階層に属するユーザが所定の期間後に各階層に移転する確率を算出する機能を有する（移転確率算出部）。即ち、ＣＰＵ１１は、階層間の移転確率を算定する。たとえば、ＣＰＵ１１は、ファネル構造の階層と、当該階層におけるユーザが所定の期間後に各階層に移転する確率とを対応付けたテーブル（移転確率テーブル）を生成する。なお、移転確率テーブルは、ユーザが階層に留まる確率も含むものとする。

図６は、ファネル構造の階層と、当該階層におけるユーザが所定の期間後に各階層に移転する確率とを対応付けた移転確率テーブルの構成例を示す。

図６が示すように、移転確率テーブルは、「認知」に属するユーザが所定の期間後に「認知」、「興味・関心」、「検討」、「直前」及び「コンバージョン」にそれぞれ８０％、２％、３％、１５％及び０％の確率で移転することを示す。また、移転確率テーブルは、「興味・関心」に属するユーザが所定の期間後に「興味・関心」、「検討」、「直前」及び「コンバージョン」にそれぞれ８１％、５％、１４％及び０％の確率で移転することを示す。また、移転確率テーブルは、「検討」に属するユーザが所定の期間後に「検討」、「直前」及び「コンバージョン」にそれぞれ７９％、２１％、及び０％の確率で移転することを示す。また、移転確率テーブルは、「直前」に属するユーザが所定の期間後に「直前」及び「コンバージョン」にそれぞれ８７％、及び１３％の確率で移転することを示す。

なお、ＣＰＵ１１が階層ごとに算出される確率は、特定の値に限定されるものではない。即ち、ＣＰＵ１１が算出する移転確率テーブルの構成は、特定の構成に限定されるものではない。

たとえば、ＣＰＵ１１は、以下のように階層テーブル及び移転確率テーブルを生成する。
ＣＰＵ１１は、「コンバージョン」に至るまでの階層の数と、各階層から次の階層へ移転する確率を仮定する。ＣＰＵ１１は、仮定に従って、あるユーザがどの階層に属するか、及び、次の階層に遷移する確率を連続的に評価し、階層テーブル及び移転確率テーブルを生成する。

たとえば、ＣＰＵ１１は、隠れマルコフモデルなどに従って階層テーブル及び移転確率テーブルを生成する。
なお、階層テーブル及び移転確率テーブルを生成する方法は、特定の方法に限定されるものではない。

ＣＰＵ１１は、コンバージョンが完了していないユーザの行動ログ（未コンバージョンユーザログ）を抽出する機能を有する。
ＣＰＵ１１は、記憶領域１４ａからコンバージョンを完了していないユーザの行動ログを抽出する。なお、ＣＰＵ１１は、コンバージョンを完了していないユーザの行動ログから、さらに所定の期間内である行動ログを抽出してもよい。

また、ＣＰＵ１１は、コンバージョンを完了していないユーザの行動ログ及び階層テーブルから、コンバージョンを完了していない各ユーザの階層を推定する機能を有する。

ＣＰＵ１１は、抽出した行動ログに基づいて、ユーザごとに階層を推定する。たとえば、ＣＰＵ１１は、あるユーザの行動ログから階層テーブルが示す行動を含む行動ログを抽出する。ＣＰＵ１１は、抽出した行動ログが示す行動と階層テーブルの各行動比率とをマッチングさせる。ＣＰＵ１１は、ユーザの行動と最もマッチする階層を当該ユーザが所属する階層として推定する。
ＣＰＵ１１は、上記の動作をユーザごとに実行し、各ユーザの階層を推定する。

また、ＣＰＵ１１は、各ユーザの階層からファネル構造を推定する機能を有する。たとえば、ＣＰＵ１１は、階層ごとにユーザの数をカウントし、ファネル構造として各階層に属するユーザの数を推定する。また、たとえば、ＣＰＵ１１は、階層ごとに割合でファネル構造を推定してもよい。なお、ＣＰＵ１１は、コンバージョンを完了したユーザの階層である「コンバージョン」をファネル構造に追加してもよい。

また、ＣＰＵ１１は、所定の広告を閲覧したユーザが構成するファネル構造と当該広告を閲覧していないユーザが構成するファネル構造とを推定する機能を有する。ここでは、広告主は、所定の広告を所定のＷｅｂ上に配信したものとする。図７は、広告を閲覧したユーザのファネル構造１ａと広告を閲覧していないユーザのファネル構造１ｂとの構成例を示す。

ＣＰＵ１１は、記憶領域１４ａから、コンバージョンを完了しておらず、かつ、当該広告を閲覧したユーザの行動ログ（閲覧ユーザログ）を抽出する。たとえば、ＣＰＵ１１は、当該広告を閲覧したことを示す行動ログを有するユーザを抽出し、当該ユーザの行動ログを抽出する。

ＣＰＵ１１は、抽出した行動ログ及び階層テーブルから、当該広告を閲覧した各ユーザの階層を推定する。ＣＰＵ１１は、推定結果に基づいて、当該広告を閲覧したユーザのファネル構造１ａを推定する。なお、ＣＰＵ１１は、広告を閲覧しコンバージョンを完了したユーザの階層を「コンバージョン」の階層としてファネル構造１ａに追加してもよい。

また、ＣＰＵ１１は、記憶領域１４ａから、コンバージョンを完了しておらず、かつ、当該広告を閲覧していないユーザの行動ログ（非閲覧ユーザログ）を抽出する。たとえば、ＣＰＵ１１は、当該広告を閲覧したことを示す行動ログを有するユーザを抽出し、当該ユーザ以外の行動ログを抽出する。

ＣＰＵ１１は、抽出したユーザの行動ログ及び階層テーブルから、当該広告を閲覧していない各ユーザの階層を推定する。ＣＰＵ１１は、推定結果に基づいて、当該広告を閲覧していないユーザのファネル構造１ｂを推定する。なお、ＣＰＵ１１は、広告を閲覧しておらずコンバージョンを完了したユーザの階層を「コンバージョン」の階層としてファネル構造１ｂに追加してもよい。

以上の動作により、図７が示すように、ＣＰＵ１１は、広告配信後に、広告を閲覧したユーザのファネル構造１ａと、広告を閲覧していないユーザのファネル構造１ｂとを推定することができる。なお、ＣＰＵ１１は、広告を閲覧した回数ごとにユーザを分類し、閲覧回数ごとのファネル構造を推定してもよい。

また、ＣＰＵ１１は、広告ごとの効果ログを取得する機能を有する（効果ログ取得部）。
効果ログは、広告の効果を示すログである。たとえば、効果ログは、広告を提示したユーザの階層、広告を特定する広告ＩＤ及び効果を示す効果情報から構成される。効果情報は、広告の効果を示す。たとえば、効果情報は、広告の目的が達成されたかを示す情報である。たとえば、効果情報は、広告に対応するコンバージョンが行われたかを示す情報である。また、効果情報は、広告をクリックしたかを示す情報であってもよい。

ＣＰＵ１１は、複数の広告をランダムにユーザに配信する。たとえば、ＣＰＵ１１は、通信部１５を通じてユーザ端末２０から広告のリクエストを受信する。広告のリクエストは、たとえば、ユーザ端末２０が所定のｈｔｍｌなどを実行した場合に送信されるものであってもよい。

ＣＰＵ１１は、ユーザ端末２０からリクエストを受信すると、ユーザ端末２０のユーザの階層を推定する。ユーザの階層を推定すると、ＣＰＵ１１は、複数の広告からランダムに１つの広告を選択する（選択部）。たとえば、複数の広告は、掲載面、フォーマット、サイズ又はクリエイティブなどの要素を異にした広告であってもよい。たとえば、ＣＰＵ１１は、掲載面、フォーマット、サイズ又はクリエイティブなどの要素が個別に制御された複数の広告から１つの広告を選択してもよい。
ＣＰＵ１１は、リクエストに対するレスポンスとして選択した広告をユーザ端末２０へ送信する（選択広告送信部）。

ＣＰＵ１１は、広告をユーザ端末２０へ送信してから所定の期間、ユーザの動作を監視する（監視部）。たとえば、ＣＰＵ１１は、ユーザ端末２０からの信号に基づいて、ユーザが広告をクリックし、又は、広告からコンバージョンに至ったかなどの行動を監視する。たとえば、ＣＰＵ１１は、広告をユーザ端末２０へ送信した後のユーザの行動を示す行動ログを取得する。ＣＰＵ１１は、監視結果に基づいて、効果情報を生成する。

ＣＰＵ１１は、効果ログを生成する（効果ログ生成部）。たとえば、ＣＰＵ１１は、ユーザの階層、ユーザに配信した広告を特定する広告ＩＤ及び生成した効果情報を格納する効果ログを生成する。なお、効果ログは、ユーザを特定するユーザＩＤなどをさらに格納してもよい。ＣＰＵ１１は、生成した効果ログを記憶領域１４ｂに格納する。

次に、ＣＰＵ１１は、効果ログに基づいて、階層ごとに効果的な広告（階層ごとに対応する広告）を決定する機能を有する（最適化部）。
たとえば、ＣＰＵ１１は、記憶領域１４ｂから複数の効果ログを取得する。ＣＰＵ１１は、複数の効果ログを取得すると、階層ごとに効果ログを分類する。ＣＰＵ１１は、ある階層に分類された効果ログの効果情報に基づいて、広告ごとの成果率を算出する。成果率は、広告の表示数に対して広告の目的が達成された割合である。たとえば、成果率は、広告がクリックされた率（クリック率）、又は、コンバージョンが達成された率（コンバージョン率）などである。また、成果率は、広告がクリックされた後にユーザの階層が遷移する確率（遷移率）などであってもよい。

たとえば、ＣＰＵ１１は、当該階層に分類された効果ログの個数と、目的を達成したことを示す効果情報を備える効果ログの個数とをカウントする。ＣＰＵ１１は、両個数から広告の成果率を算出する。
ＣＰＵ１１は、成果率の最も高い広告を当該階層に効果的な広告として決定する。
ＣＰＵ１１は、各階層について同様の動作を行い、階層ごとに効果的な広告を決定する。

また、ＣＰＵ１１は、ユーザ（たとえば、コンバージョンを完了していないユーザ）の階層に応じた広告を配信する機能を有する。
たとえば、ＣＰＵ１１は、ユーザ端末２０からリクエストを受信する。ＣＰＵ１１は、リクエストを受信すると、当該リクエストを送信したユーザの階層を推定する（推定部）。たとえば、ＣＰＵ１１は、当該ユーザの行動ログを取得する。ＣＰＵ１１は、当該行動ログが示す行動と階層テーブルの各行動比率とをマッチングすることで、当該ユーザの階層を決定する。階層の推定は、前述の通りである。

なお、ＣＰＵ１１は、予め各ユーザの階層を決定しておきＮＶＭ１４に格納して置いてもよい。ＣＰＵ１１は、ＮＶＭ１４を参照して、リクエストを送信したユーザの階層を決定してもよい。

ＣＰＵ１１は、決定したユーザの階層に応じた広告を決定する（広告決定部）。たとえば、ＮＶＭ１４は、予め階層と広告とを対応付けて格納する。ＣＰＵ１１は、ＮＶＭ１４を参照して、決定したユーザの階層に応じた広告を取得する。ＣＰＵ１１は、通信部１５を通じて、取得した広告をユーザ端末２０へ送信する（決定広告送信部）。

なお、階層と対応付いた広告は、効果ログに基づいて決定された効果的な広告であってもよい。また、階層と対応付いた広告は、オペレータによって決定された広告であってもよい。

次に、情報処理装置１０の動作例について説明する。
まず、情報処理装置１０がファネル構造を推定する動作例について説明する。
図８は、情報処理装置１０のＣＰＵ１１がファネル構造を推定する動作例を説明するためのフローチャートである。

まず、ＣＰＵ１１は、記憶領域１４ａから、コンバージョンを完了したユーザの行動ログを所定の期間溯って抽出する（Ｓ１１）。コンバージョンを完了したユーザの行動ログを抽出すると、ＣＰＵ１１は、抽出した行動ログに基づいて、行動（又はカテゴリ）及び行動間の遷移経路を抽出する（Ｓ１２）。

行動及び行動間の遷移経路を抽出すると、ＣＰＵ１１は、行動及び行動間の遷移経路などに基づいて階層テーブルを生成する（Ｓ１３）。階層テーブルを生成すると、ＣＰＵ１１は、行動及び行動間の遷移経路などに基づいて移転確率テーブルを生成する（Ｓ１４）。

移転確率テーブルを生成すると、ＣＰＵ１１は、コンバージョンを完了していないユーザの行動ログを抽出する（Ｓ１５）。コンバージョンを完了していないユーザの行動ログを抽出すると、ＣＰＵ１１は、抽出した行動ログ及び階層テーブルに基づいて、コンバージョンを完了していない各ユーザの階層を推定する（Ｓ１６）。

コンバージョンを完了していない各ユーザの階層を推定すると、ＣＰＵ１１は、推定結果に基づいて、ファネル構造を推定する（Ｓ１７）。ファネル構造を推定すると、ＣＰＵ１１は、動作を終了する。

次に、情報処理装置１０が広告を閲覧したユーザのファネル構造と広告を閲覧していないユーザのファネル構造とを推定する動作例について説明する。

図９は、情報処理装置１０のＣＰＵ１１が広告を閲覧したユーザのファネル構造と広告を閲覧していないユーザのファネル構造とを推定する動作例について説明するためのフローチャートである。
ここでは、ＣＰＵ１１は、階層テーブルを生成し終えているものとする。

まず、ＣＰＵ１１は、記憶領域１４ａから、コンバージョンを完了しておらず、かつ、広告を閲覧したユーザの行動ログを抽出する（Ｓ２１）。行動ログを抽出すると、ＣＰＵ１１は、階層テーブルに基づいて、広告を閲覧した各ユーザの階層を推定する（Ｓ２２）。

広告を閲覧した各ユーザの階層を推定すると、ＣＰＵ１１は、推定結果に基づいて、広告を閲覧したユーザのファネル構造を推定する（Ｓ２３）。広告を閲覧したユーザのファネル構造を推定すると、ＣＰＵ１１は、記憶領域１４ａから、コンバージョンを完了しておらず、かつ、広告を閲覧していないユーザの行動ログを抽出する（Ｓ２４）。

行動ログを抽出すると、ＣＰＵ１１は、階層テーブルに基づいて、広告を閲覧していない各ユーザの階層を推定する（Ｓ２５）。広告を閲覧していない各ユーザの階層を推定すると、ＣＰＵ１１は、広告を閲覧していないユーザのファネル構造を推定する（Ｓ２６）。

広告を閲覧していないユーザのファネル構造を推定すると、ＣＰＵ１１は、動作を終了する。

次に、情報処理装置１０が効果ログを取得する動作例について説明する。
図１０は、情報処理装置１０のＣＰＵ１１が効果ログを取得する動作例について説明するためのフローチャートである。

まず、ＣＰＵ１１は、通信部１５を通じてユーザ端末２０から広告のリクエストを受信したか判定する（Ｓ３１）。リクエストを受信していないと判定すると（Ｓ３１、ＮＯ）、ＣＰＵ１１は、Ｓ３１へ戻る。

リクエストを受信したと判定すると（Ｓ３１、ＹＥＳ）、ＣＰＵ１１は、当該リクエストを送信したユーザ端末２０のユーザの階層を推定する（Ｓ３２）。ユーザの階層を推定すると、ＣＰＵ１１は、複数の広告からランダムに１つの広告を選択する（Ｓ３３）。

１つの広告を選択すると、ＣＰＵ１１は、通信部１５を通じて、選択した広告をユーザ端末２０へ送信する（Ｓ３４）。選択した広告をユーザ端末２０へ送信すると、ＣＰＵ１１は、ユーザの動作を監視する（Ｓ３５）。

ユーザの動作を監視すると、ＣＰＵ１１は、Ｓ３２で決定したユーザの階層、Ｓ３３で選択した広告の広告ＩＤ及びＳ３５での監視結果に基づいて、効果ログを生成する（Ｓ３６）。

効果ログを生成すると、ＣＰＵ１１は、生成した効果ログを記憶領域１４ｂに格納する（Ｓ３７）。効果ログを格納すると、ＣＰＵ１１は、動作を終了する。

次に、情報処理装置１０が効果的な広告を決定する動作例について説明する。
図１１は、情報処理装置１０のＣＰＵ１１が効果的な広告を決定する動作例について説明するためのフローチャートである。

まず、ＣＰＵ１１は、記憶領域１４ｂから複数の効果ログを取得する（Ｓ４１）。複数の効果ログを取得すると、ＣＰＵ１１は、効果的な広告を決定する階層を設定する（Ｓ４２）。

階層を設置すると、ＣＰＵ１１は、当該階層において広告ごとの成果率を算出する（Ｓ４３）。広告ごとの成果率を算出すると、ＣＰＵ１１は、広告ごとの成果率に基づいて当該階層に効果的な広告を決定する（Ｓ４４）。

効果的な広告を決定すると、ＣＰＵ１１は、効果的な広告を決定する階層が他にあるか判定する（Ｓ４５）。効果的な広告を決定する階層が他にあると判定すると（Ｓ４５、ＹＥＳ）、ＣＰＵ１１は、Ｓ４３に戻る。効果的な広告を決定する階層が他にないと判定すると、ＣＰＵ１１は、動作を終了する。

次に、情報処理装置１０がユーザの階層に応じた広告を配信する動作例について説明する。
図１２は、情報処理装置１０のＣＰＵ１１がユーザの階層に応じた広告を配信する動作例について説明するためのフローチャートである。

まず、ＣＰＵ１１は、通信部１５を通じてユーザ端末２０から広告のリクエストを受信したか判定する（Ｓ５１）。リクエストを受信していないと判定すると（Ｓ５１、ＮＯ）、ＣＰＵ１１は、Ｓ５１へ戻る。

リクエストを受信したと判定すると（Ｓ５１、ＹＥＳ）、ＣＰＵ１１は、リクエストを送信したユーザ端末２０のユーザの階層を推定する（Ｓ５２）。ユーザの階層を推定すると、ＣＰＵ１１は、当該階層に対応する広告を決定する（Ｓ５３）。

当該階層に対応する広告を決定すると、ＣＰＵ１１は、通信部１５を通じて、決定した広告をユーザ端末２０へ送信する（Ｓ５４）。決定した広告をユーザ端末２０へ送信すると、ＣＰＵ１１は、動作を終了する。

なお、ＣＰＵ１１は、外部装置から行動ログ又は効果ログを取得してもよい。また、ＣＰＵ１１は、各階層のユーザ数を示すデータをファネル構造として表示部１７に表示してもよい。また、ＣＰＵ１１は、通信部１５などを通じてファネル構造を示すデータを外部装置へ送信してもよい。

なお、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、各実施形態は可能な限り適宜組み合わせて実施してもよく、その場合組み合わせた効果が得られる。更に、上記実施形態には種々の段階の発明が含まれており、開示される複数の構成要件における適当な組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、発明が解決しようとする課題の欄で述べた課題が解決でき、発明の効果の欄で述べられている効果が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。

１（１ａ及び１ｂ）…ファネル構造、２乃至６…階層、１０…情報処理装置、１１…ＣＰＵ、１２…ＲＯＭ、１３…ＲＡＭ、１４…ＮＶＭ、１４ａ及び１４ｂ…記憶領域、１５…通信部、１６…操作部、１７…表示部、２０…ユーザ端末。

実施形態によれば、情報処理装置は、コンバージョンユーザログ抽出部と、経路抽出部と、設定部と、推定部と、を備える。コンバージョンユーザログ抽出部は、コンバージョンを完了したユーザのコンバージョンユーザログを抽出する。経路抽出部は、前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに行う行動と前記行動の遷移経路とを抽出する。設定部は、前記経路抽出部が抽出した前記行動と前記行動の前記遷移経路とに基づいて、ファネル構造の階層ごとに前記行動の行動比率を設定する。推定部は、前記行動比率に基づいて所定のユーザ端末のユーザの階層を推定する。前記コンバージョンユーザログは、ユーザの所在、ラジオ聴取、ヘルスケア情報、購買、アプリ利用、テレビの視聴又は、ユーザが所持する機器の動作の少なくとも１つに関するログである。

なお、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、各実施形態は可能な限り適宜組み合わせて実施してもよく、その場合組み合わせた効果が得られる。更に、上記実施形態には種々の段階の発明が含まれており、開示される複数の構成要件における適当な組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、発明が解決しようとする課題の欄で述べた課題が解決でき、発明の効果の欄で述べられている効果が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。
以下に本件出願当初の特許請求の範囲に記載された発明を付記する。
［Ｃ１］
コンバージョンを完了したユーザのコンバージョンユーザログを抽出するコンバージョンユーザログ抽出部と、
前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに行う行動と前記行動の遷移経路とを抽出する経路抽出部と、
前記経路抽出部が抽出した前記行動と前記行動の前記遷移経路とに基づいて、ファネル構造の階層ごとに前記行動の行動比率を設定する設定部と、
データを送受信する通信部と、
前記通信部を通じてユーザ端末からの広告のリクエストを受信すると、前記行動比率に基づいて前記ユーザ端末のユーザの階層を推定する推定部と、
前記階層に対応する広告を決定する広告決定部と、
前記通信部を通じて前記広告を送信する決定広告送信部と、
を備える情報処理装置。
［Ｃ２］
さらに、
前記経路抽出部が抽出した前記行動と前記行動の前記遷移経路とに基づいて、前記ファネル構造の各階層に属するユーザが各階層に移転する移転確率を算出する移転確率算出部を備える、
前記Ｃ１に記載の情報処理装置。
［Ｃ３］
前記コンバージョンユーザログ抽出部は、前記コンバージョンユーザログとして、前記コンバージョンが完了した日時から所定の期間溯った行動ログを抽出する、
前記Ｃ１又は２に記載の情報処理装置。
［Ｃ４］
前記推定部は、前記ユーザの行動ログが示す行動と、前記行動比率とをマッチングして、前記ユーザの階層を推定する、
前記Ｃ１乃至３の何れか１項に記載の情報処理装置。
［Ｃ５］
広告の効果を示す効果ログを取得する効果ログ取得部と、
前記効果ログに基づいて、階層ごとに対応する広告を決定する最適化部と、
を備え、
前記広告決定部は、前記最適化部が決定した広告を前記階層に対応する広告として決定する、
前記Ｃ１乃至４の何れか１項に記載の情報処理装置。
［Ｃ６］
前記効果ログは、広告の目的が達成されたか示す効果情報を備え、
前記最適化部は、ある階層に分類された効果ログの効果情報に基づいて広告の表示数に対して広告の目的が達成された割合である成果率を広告ごとに算出し、前記成果率に基づいて前記階層に対応する広告を決定する、
前記Ｃ５に記載の情報処理装置。
［Ｃ７］
前記成果率は、広告のクリック率、コンバージョン率又は遷移率の少なくとも１つである、
前記Ｃ６に記載の情報処理装置。
［Ｃ８］
前記通信部を通じて前記リクエストを受信すると、複数の広告から１つの広告を選択する選択部と、
前記通信部を通じて前記選択部が選択した広告を送信する選択広告送信部と、
前記選択広告送信部が前記広告を送信した後の、前記ユーザ端末のユーザの行動ログを取得する監視部と、
前記監視部が取得した前記行動ログに基づいて、前記効果ログを生成する効果ログ生成部と、
を備える、
前記Ｃ５乃至７の何れか１項に記載の情報処理装置。
［Ｃ９］
前記コンバージョンは、所定の商品の購入、資料請求、所定のサイトの閲覧、又は、所定の店舗への訪問の少なくとも１つである、
前記Ｃ１乃至８の何れか１項に記載の情報処理装置。
［Ｃ１０］
コンバージョンを完了したユーザのコンバージョンユーザログを抽出し、
前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに行う行動と前記行動の遷移経路とを抽出し、
前記行動と前記行動の前記遷移経路とに基づいて、ファネル構造の階層ごとに前記行動の行動比率を設定し、
ユーザ端末からの広告のリクエストを受信すると、前記行動比率に基づいて前記ユーザ端末のユーザの階層を推定し、
前記階層に対応する広告を決定し、
前記広告を送信する、
情報処理方法。

Claims (10)

1. コンバージョンを完了したユーザのコンバージョンユーザログを抽出するコンバージョンユーザログ抽出部と、
   前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに行う行動と前記行動の遷移経路とを抽出する経路抽出部と、
   前記経路抽出部が抽出した前記行動と前記行動の前記遷移経路とに基づいて、ファネル構造の階層ごとに前記行動の行動比率を設定する設定部と、
   データを送受信する通信部と、
   前記通信部を通じてユーザ端末からの広告のリクエストを受信すると、前記行動比率に基づいて前記ユーザ端末のユーザの階層を推定する推定部と、
   前記階層に対応する広告を決定する広告決定部と、
   前記通信部を通じて前記広告を送信する決定広告送信部と、
   を備える情報処理装置。
2. さらに、
   前記経路抽出部が抽出した前記行動と前記行動の前記遷移経路とに基づいて、前記ファネル構造の各階層に属するユーザが各階層に移転する移転確率を算出する移転確率算出部を備える、
   前記請求項１に記載の情報処理装置。
3. 前記コンバージョンユーザログ抽出部は、前記コンバージョンユーザログとして、前記コンバージョンが完了した日時から所定の期間溯った行動ログを抽出する、
   前記請求項１又は２に記載の情報処理装置。
4. 前記推定部は、前記ユーザの行動ログが示す行動と、前記行動比率とをマッチングして、前記ユーザの階層を推定する、
   前記請求項１乃至３の何れか１項に記載の情報処理装置。
5. 広告の効果を示す効果ログを取得する効果ログ取得部と、
   前記効果ログに基づいて、階層ごとに対応する広告を決定する最適化部と、
   を備え、
   前記広告決定部は、前記最適化部が決定した広告を前記階層に対応する広告として決定する、
   前記請求項１乃至４の何れか１項に記載の情報処理装置。
6. 前記効果ログは、広告の目的が達成されたか示す効果情報を備え、
   前記最適化部は、ある階層に分類された効果ログの効果情報に基づいて広告の表示数に対して広告の目的が達成された割合である成果率を広告ごとに算出し、前記成果率に基づいて前記階層に対応する広告を決定する、
   前記請求項５に記載の情報処理装置。
7. 前記成果率は、広告のクリック率、コンバージョン率又は遷移率の少なくとも１つである、
   前記請求項６に記載の情報処理装置。
8. 前記通信部を通じて前記リクエストを受信すると、複数の広告から１つの広告を選択する選択部と、
   前記通信部を通じて前記選択部が選択した広告を送信する選択広告送信部と、
   前記選択広告送信部が前記広告を送信した後の、前記ユーザ端末のユーザの行動ログを取得する監視部と、
   前記監視部が取得した前記行動ログに基づいて、前記効果ログを生成する効果ログ生成部と、
   を備える、
   前記請求項５乃至７の何れか１項に記載の情報処理装置。
9. 前記コンバージョンは、所定の商品の購入、資料請求、所定のサイトの閲覧、又は、所定の店舗への訪問の少なくとも１つである、
   前記請求項１乃至８の何れか１項に記載の情報処理装置。
10. コンバージョンを完了したユーザのコンバージョンユーザログを抽出し、
    前記コンバージョンユーザログに基づいて、前記コンバージョンを完了したユーザが前記コンバージョンに至るまでに行う行動と前記行動の遷移経路とを抽出し、
    前記行動と前記行動の前記遷移経路とに基づいて、ファネル構造の階層ごとに前記行動の行動比率を設定し、
    ユーザ端末からの広告のリクエストを受信すると、前記行動比率に基づいて前記ユーザ端末のユーザの階層を推定し、
    前記階層に対応する広告を決定し、
    前記広告を送信する、
    情報処理方法。