JP7322085B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP7322085B2 JP7322085B2 JP2021045262A JP2021045262A JP7322085B2 JP 7322085 B2 JP7322085 B2 JP 7322085B2 JP 2021045262 A JP2021045262 A JP 2021045262A JP 2021045262 A JP2021045262 A JP 2021045262A JP 7322085 B2 JP7322085 B2 JP 7322085B2
- Authority
- JP
- Japan
- Prior art keywords
- advertisement
- information
- index value
- bid
- distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 78
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000009826 distribution Methods 0.000 claims description 316
- 238000006243 chemical reaction Methods 0.000 claims description 216
- 238000004364 calculation method Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 43
- 238000003860 storage Methods 0.000 description 71
- 238000012545 processing Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 18
- 230000009471 action Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 239000008186 active pharmaceutical agent Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000007774 longterm Effects 0.000 description 6
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 4
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
まず、図1を用いて、実施形態に係る情報処理の一例について説明する。図1は、実施形態に係る情報処理の一例を示す図である。情報処理装置の一例である広告配信装置100が図1に示す情報処理により広告コンテンツ(単に「広告」ともいう)の入札価格(「bid」または「入札単価」ともいう)を算出する。図1では、第1指標値として、予測したコンバージョン率(CVR:Conversion Rate)である予測コンバージョン率(「予測CVR」ともいう)を用い、第2指標値として、目標とするコンバージョン単価(CPA:Cost Per Aquisition)である目標コンバージョン単価(「目標CPA」または「tCPA」ともいう)を用いる場合を一例として示す。なお、第1指標値や第2指標値は、図1に示す例に限らないが、この点については後述する。
上述したように、広告配信装置100は、目標コンバージョン単価と予測コンバージョン率とを用いることにより、適切な入札単価を算出することができる。また、広告配信装置100は、広告コンテンツに関する広告情報、広告コンテンツの配信先のユーザに関するユーザ情報、及び広告コンテンツの配信面に関する配信面情報の3つの異なる種別の情報を用いることで、3つの異なる種別の要素を加味してコンバージョン率を適切に予測することができる。このように、広告配信装置100は、広告、ユーザ及び配信面の情報の組合せと、過去にコンバージョンしたか否かを予測モデルに学習させ、配信時の組合せを予測モデルに入力することで、コンバージョンする可能性を予測モデルに出力させることができる。
上述した例では、第1指標値として、コンバージョン率(CVR)を用い、第2指標値として、目標とするコンバージョン単価(CPA)を用いる場合を示したが、第1指標値や第2指標値は、上記に限らず様々な指標値が用いられもよい。
上述した例では、広告配信の費用に関する指定値として、目標コンバージョン単価(tCPA)を広告主が指定する場合を示したが、広告主が指定する指定値は、目標コンバージョン単価に限らない。例えば、広告主は、広告配信の予算総額を指定してもよい。この場合、広告配信装置100は、広告主が指定した予算総額を超えないように、目標コンバージョン単価(tCPA)を算出してもよい。
上述した処理で用いた、第1係数、第2係数及び第3係数等の各種のパラメータは、任意の値が設定されてもよい。例えば、広告配信装置100は、広告主ごとに長期的、短期的のいずれを重視するかに応じてパラメータバランス(重み)を設定してもよい。例えば、広告配信装置100は、広告主が長期的な方を重視する場合、長期的フィードバックを重視し、第2係数の重みを大きくしてもよい。また、例えば、広告配信装置100は、広告の広告対象(商材)がコンバージョンまでの期間が短いなら、短期的フィードバックを重視し、第1係数の重みを大きくしてもよい。なお、上記は一例に過ぎず、第1係数、第2係数及び第3係数等の各種のパラメータは、種々の情報を適宜用いて設定されてもよい。
次に、図2を用いて、実施形態にかかる広告配信装置100が含まれる広告配信システム1の構成について説明する。図2は、実施形態にかかる広告配信システム1の構成例を示す図である。図2に例示するように、実施形態にかかる広告配信システム1には、ユーザ端末10と、アクセスログサーバ20と、広告主端末30と、広告配信装置100とが含まれる。これらの各種装置は、ネットワークN(例えば、インターネット)を介して、有線又は無線により通信可能に接続される。なお、図2に示した広告配信システム1には、複数台のユーザ端末10や、複数台のアクセスログサーバ20や、複数台の広告主端末30が含まれてもよい。
次に、図3を用いて、情報処理装置の一例である広告配信装置100について説明する。図3は、実施形態に係る情報処理装置の構成例を示す図である。図3に示すように、広告配信装置100は、通信部110と、記憶部120と、制御部130とを有する。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークNと有線または無線で接続され、例えば、ユーザ端末10、アクセスログサーバ20との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部120は、図3に示すように、広告情報記憶部121と、広告配信履歴記憶部122と、モデル情報記憶部123と、調整用情報記憶部124と、ユーザ情報記憶部125とを有する。なお、記憶部120は、上記に限らず様々な情報を記憶してもよい。
広告情報記憶部121は、広告主端末30から受け付けた広告コンテンツと目標コンバージョン単価に関する各種情報を記憶する。図4は、実施形態に係る広告情報記憶部の一例を示す図である。図4に示す例では、広告情報記憶部121は、「広告主ID」、「広告コンテンツID」、「予算総額」、「目標コンバージョン単価」といった項目を有する。
広告配信履歴記憶部122は、広告コンテンツの配信履歴に関する各種情報を記憶する。図5は、実施形態に係る広告配信履歴記憶部の一例を示す図である。図5に示す例では、広告配信履歴記憶部122は、「広告コンテンツID」、「ユーザID」、「広告クリックの有無」、「コンバージョンの有無」、「広告配信日時」といった項目を有する。
実施形態に係るモデル情報記憶部123は、コンバージョン率の予測に用いるモデルに関する情報を記憶する。図6は、実施形態に係るモデル情報記憶部の一例を示す図である。例えば、モデル情報記憶部123は、学習処理により学習(生成)された学習済みモデル(モデル)の情報(モデルデータ)を記憶する。図6に示した例では、モデル情報記憶部123は、「モデルID」、「用途」、「モデルデータ」といった項目が含まれる。
調整用情報記憶部124は、bid調整値(調整係数)の算出のために用いる各種の情報を記憶する。調整用情報記憶部124は、bid調整値を導出するために用いる様々な情報を記憶する。例えば、調整用情報記憶部124は、式(2)~(4)のような関数の情報を記憶する。なお、調整用情報記憶部124は、上記に限らず、目的に応じて種々の情報を記憶してもよい。
ユーザ情報記憶部125は、ユーザに関する各種情報を記憶する。ユーザ情報記憶部125は、各ユーザの属性情報等の種々の情報を記憶する。ユーザ情報記憶部125は、ユーザID、年齢、性別、居住地といったユーザに関する情報を記憶する。例えば、ユーザ情報記憶部125は、各ユーザが利用するユーザ端末10を識別する情報(端末ID等)をユーザに対応付けて記憶する。ユーザ情報記憶部125は、ユーザの氏名をユーザ情報として記憶してもよい。なお、ユーザ情報記憶部125に記憶される情報は推定したものでもよい。また、個人情報は利用が許諾された場合に利用してもよく、他にも任意の情報が採用可能である。
図3の説明に戻って、制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、広告配信装置100内部の記憶装置に記憶されている各種プログラム(算出プログラム、予測プログラム等の各種の情報処理プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
受付部131は、広告主端末30から広告コンテンツの入稿と目標コンバージョン単価を受け付ける。例えば、受付部131は、広告主端末30から広告コンテンツAD1の入稿と目標コンバージョン単価(目標CPA)を受け付ける。
取得部132は、記憶部120から各種の情報を取得する。取得部132は、ユーザが使用するユーザ端末10からユーザ情報を受信する。取得部132は、アクセスログサーバ20から履歴情報(配信実績)を受信する。取得部132は、広告コンテンツの配信実績を取得する。例えば、取得部132は、広告コンテンツの配信実績として、広告コンテンツの配信実績に基づくコンバージョン単価を取得する。
第1算出部133は、調整係数に関する各種情報を算出する。第1算出部133は、取得部132により取得された情報を用いて、各種情報を算出する。第1算出部133は、記憶部120に記憶された各種情報に基づいて、種々の情報を算出する。第1算出部133は、bid調整係数を算出する。
予測部134は、広告配信に関する種々の情報を予測する。予測部134は、取得部132により取得された情報に基づいて、種々の情報を予測する。予測部134は、記憶部120に記憶された情報に基づいて、種々の情報を予測する。予測部134は、外部の情報処理装置から取得された情報に基づいて、種々の情報を予測する。予測部134は、コンバージョン率を予測する。
第2算出部135は、入札に関する各種情報を算出する。第2算出部135は、取得部132により取得された情報を用いて、各種情報を算出する。第2算出部135は、記憶部120に記憶された各種情報に基づいて、種々の情報を算出する。第2算出部135は、入札単価を算出する。
配信部136は、選択した広告コンテンツ(配信広告コンテンツ)を配信要求元のユーザ端末10に配信する。配信部136は、配信候補の広告コンテンツのなかから、配信する広告コンテンツを選択する。具体的には、配信部136は、算出した入札単価とクリック率(CTR)とを乗じたeCPM(effective Cost Per Mill)に基づいて、配信対象の広告コンテンツを選択する。
ここから、各種の情報処理のフローについて説明する。まず、図7を用いて、実施形態に係る調整係数の算出処理の手順について説明する。図7は、実施形態に係る調整係数の算出処理手順を示すフローチャートである。
次に、各種の処理例について説明する。図10を用いて、実施形態に係る情報処理の手順について説明する。図10は、実施形態に係るフィードバックに関する処理を示す概念図である。
なお、広告配信システム1は、状況に応じてCPA制御(PID制御)のモードを切替てもよい。この点について図11を用いて説明する。図11は、制御に関するモードの切替えの一例を示す図である。
上述してきたように、実施形態に係る情報処理装置(実施形態では「広告配信装置100」以下同じ)は、取得部(実施形態では「取得部132」以下同じ)と、算出部(実施形態では「第2算出部135」以下同じ)とを備える。取得部は、広告主により指定された広告配信の費用に関する指定値を取得する。算出部は、広告主の広告コンテンツのコンバージョンに関する第1指標値(実施形態では「コンバージョン率」以下同じ)と、取得部により取得された指定値に基づく第2指標値(実施形態では「目標コンバージョン単価」以下同じ)とを用いて、広告コンテンツが配信対象として選択される基準となる入札単価を算出する。
また、上述してきた実施形態に係る広告配信装置100等の情報処理装置は、例えば図12に示すような構成のコンピュータ1000によって実現される。図12は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
10 ユーザ端末
20 アクセスログサーバ
30 広告主端末
100 広告配信装置(情報処理装置)
121 広告情報記憶部
122 広告配信履歴記憶部
123 モデル情報記憶部
124 調整用情報記憶部
131 受付部
132 取得部
133 第1算出部
134 予測部
135 第2算出部
136 配信部
Claims (14)
- 広告主により指定された広告配信の費用に関する指定値を取得する取得部と、
前記広告主の広告コンテンツのコンバージョンに関する第1指標値と、前記取得部により取得された前記指定値に基づく第2指標値と、前記第2指標値の値の調整を行わない場合は1に設定される調整係数とを用いて、前記広告コンテンツが配信対象として選択される基準となる入札単価を算出する算出部と、
を備えることを特徴とする情報処理装置。 - 前記算出部は、
前記広告コンテンツのコンバージョン率を示す前記第1指標値と前記第2指標値とを用いて、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記算出部は、
前記コンバージョン率の予測値である前記第1指標値と前記第2指標値とを用いて、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項2に記載の情報処理装置。 - 前記算出部は、
前記広告コンテンツに関する広告情報に基づき予測された前記第1指標値と前記第2指標値とを用いて、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項3に記載の情報処理装置。 - 前記算出部は、
前記広告コンテンツの配信先のユーザに関するユーザ情報に基づき予測された前記第1指標値と前記第2指標値とを用いて、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項3または請求項4に記載の情報処理装置。 - 前記算出部は、
前記広告コンテンツの配信面に関する配信面情報に基づき予測された前記第1指標値と前記第2指標値とを用いて、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項3~5のいずれか1項に記載の情報処理装置。 - 前記算出部は、
前記第1指標値と、前記広告主の目標コンバージョン単価を示す前記第2指標値とを用いて、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項1~6のいずれか1項に記載の情報処理装置。 - 前記取得部は、
前記広告主により指定された前記第2指標値を前記指定値として取得する
ことを特徴とする請求項7に記載の情報処理装置。 - 前記取得部は、
前記広告主により指定された前記広告配信の予算総額を示す前記指定値を取得し、
前記算出部は、
前記第1指標値と、前記予算総額に基づく前記第2指標値とを用いて、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項7に記載の情報処理装置。 - 前記算出部は、
前記第2指標値を調整する調整係数を用いて前記第2指標値を調整し、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項1~9のいずれか1項に記載の情報処理装置。 - 前記算出部は、
前記広告コンテンツの配信実績を基に算出された前記調整係数を用いて前記第2指標値を調整し、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項10に記載の情報処理装置。 - 前記算出部は、
前記第1指標値、前記第2指標値及び前記調整係数を乗算することにより、前記広告コンテンツの前記入札単価を算出する
ことを特徴とする請求項10または請求項11に記載の情報処理装置。 - コンピュータが実行する情報処理方法であって、
広告主により指定された広告配信の費用に関する指定値を取得する取得工程と、
前記広告主の広告コンテンツのコンバージョンに関する第1指標値と、前記取得工程により取得された前記指定値に基づく第2指標値と、前記第2指標値の値の調整を行わない場合は1に設定される調整係数とを用いて、前記広告コンテンツが配信対象として選択される基準となる入札単価を算出する算出工程と、
を含むことを特徴とする情報処理方法。 - 広告主により指定された広告配信の費用に関する指定値を取得する取得手順と、
前記広告主の広告コンテンツのコンバージョンに関する第1指標値と、前記取得手順により取得された前記指定値に基づく第2指標値と、前記第2指標値の値の調整を行わない場合は1に設定される調整係数とを用いて、前記広告コンテンツが配信対象として選択される基準となる入札単価を算出する算出手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021045262A JP7322085B2 (ja) | 2021-03-18 | 2021-03-18 | 情報処理装置、情報処理方法及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021045262A JP7322085B2 (ja) | 2021-03-18 | 2021-03-18 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022144319A JP2022144319A (ja) | 2022-10-03 |
JP7322085B2 true JP7322085B2 (ja) | 2023-08-07 |
Family
ID=83453620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021045262A Active JP7322085B2 (ja) | 2021-03-18 | 2021-03-18 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7322085B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010529523A (ja) | 2007-05-04 | 2010-08-26 | グーグル・インコーポレーテッド | オンライン広告のためのメトリック変換 |
US20140278981A1 (en) | 2011-10-06 | 2014-09-18 | Gueorgui Mersov | Automated allocation of media via network |
JP2018156306A (ja) | 2017-03-16 | 2018-10-04 | ヤフー株式会社 | 算出装置、算出方法および算出プログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6946082B2 (ja) * | 2017-07-12 | 2021-10-06 | ヤフー株式会社 | 広告配信支援装置、広告配信支援方法、およびプログラム |
JP6994872B2 (ja) * | 2017-08-28 | 2022-01-14 | ヤフー株式会社 | 補正装置、補正方法及び補正プログラム |
JP6986906B2 (ja) * | 2017-08-29 | 2021-12-22 | ヤフー株式会社 | 決定装置、決定方法及び決定プログラム |
-
2021
- 2021-03-18 JP JP2021045262A patent/JP7322085B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010529523A (ja) | 2007-05-04 | 2010-08-26 | グーグル・インコーポレーテッド | オンライン広告のためのメトリック変換 |
US20140278981A1 (en) | 2011-10-06 | 2014-09-18 | Gueorgui Mersov | Automated allocation of media via network |
JP2018156306A (ja) | 2017-03-16 | 2018-10-04 | ヤフー株式会社 | 算出装置、算出方法および算出プログラム |
Non-Patent Citations (1)
Title |
---|
村山 哲治,"リスティング広告における広告予算の考え方",企業と広告,(株)チャネル,2018年12月01日,第44巻 第12号,p.24-25 |
Also Published As
Publication number | Publication date |
---|---|
JP2022144319A (ja) | 2022-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11908002B2 (en) | Method and system for electronic advertising | |
US8983859B2 (en) | User centric real-time advertisement bidding | |
JP5502110B2 (ja) | セッションの測定基準を用いたコンバージョン確率の決定 | |
US20120310745A1 (en) | System for managing advertisements and promotions | |
JP6994872B2 (ja) | 補正装置、補正方法及び補正プログラム | |
KR20140099287A (ko) | 다수의 타겟팅 기준 입찰을 가지는 광고 | |
US20170364958A1 (en) | Using real time data to automatically and dynamically adjust values of users selected based on similarity to a group of seed users | |
JP6986906B2 (ja) | 決定装置、決定方法及び決定プログラム | |
Stange et al. | Real-time advertising | |
CN111052167A (zh) | 自动化在线交易网络中的智能自适应竞价的方法和*** | |
JP5544363B2 (ja) | 広告提供方法、システム及びコンピューター読み取り可能な記録媒体 | |
US20140358688A1 (en) | Methods and systems for targeted displays and information | |
JP6946082B2 (ja) | 広告配信支援装置、広告配信支援方法、およびプログラム | |
JP6985848B2 (ja) | 算出装置、算出方法、算出プログラム及び第2モデル | |
JP7204800B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6532313B2 (ja) | 算出装置、算出方法及び算出プログラム | |
JP6866069B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US11093861B2 (en) | Controlling item frequency using a machine-learned model | |
JP7322085B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP5699233B1 (ja) | 生成装置、生成方法および生成プログラム | |
JP7189249B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP7312680B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2017173912A (ja) | 補正装置、補正方法および補正プログラム | |
JP6261482B2 (ja) | 抽出装置、抽出方法および抽出プログラム | |
JP6921922B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210422 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211118 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20211118 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220216 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220513 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221011 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230417 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230417 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230421 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230425 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230627 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7322085 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |