特開 2024-13501 情報処理装置、情報処理方法および情報処理プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024013501

(43)【公開日】2024-02-01

(54)【発明の名称】情報処理装置、情報処理方法および情報処理プログラム

(51)【国際特許分類】

   G06Q 30/0242 20230101AFI20240125BHJP

   G06Q 50/10 20120101ALI20240125BHJP

【ＦＩ】

G06Q30/02 382

G06Q50/10

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2022115623

(22)【出願日】2022-07-20

(71)【出願人】

【識別番号】500257300

【氏名又は名称】ＬＩＮＥヤフー株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】水口 弘紀

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049BB08

5L049CC11

(57)【要約】

【課題】広告効果を向上するための改善点を提案すること。
【解決手段】本願に係る情報処理装置は、コンテンツの特徴を変更した変更コンテンツを生成するコンテンツ生成部と、コンテンツ生成部により生成された変更コンテンツについて広告効果を推定する推定部と、推定部により推定された広告効果に基づいて、コンテンツの改善内容を提案する提案部と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

コンテンツの特徴を変更した変更コンテンツを生成するコンテンツ生成部と、
前記コンテンツ生成部により生成された前記変更コンテンツについて広告効果を推定する推定部と、
前記推定部により推定された前記広告効果に基づいて、前記コンテンツの改善内容を提案する提案部と、
を備えることを特徴とする情報処理装置。

【請求項2】

前記コンテンツ生成部は、
前記コンテンツの特徴をそれぞれ変更した複数の前記変更コンテンツを生成し、
前記提案部は、
前記コンテンツよりも前記広告効果が高いと推定される前記変更コンテンツの変更点を前記改善内容として提案すること
を特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記コンテンツ生成部は、
前記コンテンツ内のテキスト、または、前記コンテンツ内の画像の少なくとも一方を変更した前記変更コンテンツを生成すること
を特徴とする請求項１に記載の情報処理装置。

【請求項4】

前記コンテンツ生成部は、
前記コンテンツ内の複数のテキスト、複数の画像の大きさ、位置、内容の少なくとも一つを変更した前記変更コンテンツを生成すること
を特徴とする請求項３に記載の情報処理装置。

【請求項5】

前記コンテンツ生成部は、
前記コンテンツ内のテキストの内容、文字数、文字領域が前記コンテンツに占める割合、位置、色、または、画像の内容、大きさ、位置、色の少なくとも一つを変更した前記変更コンテンツを生成すること
を特徴とする請求項３または４に記載の情報処理装置。

【請求項6】

前記コンテンツ生成部は、
前記コンテンツ内のテキストの内容を変更した前記変更コンテンツを生成する場合に、所定条件を満たすテキストの内容を変更し、前記所定条件を満たさない前記テキストの内容を変更しないこと
を特徴とする請求項３または４に記載の情報処理装置。

【請求項7】

前記推定部は、
前記コンテンツがターゲットとするユーザ層、広告主の業種のいずれか一つ以上に基づき、前記広告効果を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項8】

前記推定部は、
前記コンテンツの広告目的に基づき、前記広告効果を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項9】

前記コンテンツの特徴と前記広告効果との関係性を学習したモデルを生成するモデル生成部
を備え、
前記推定部は、
前記モデル生成部によって生成された前記モデルを用いて、前記広告効果を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項10】

前記モデル生成部は、
前記コンテンツを視聴するユーザの属性毎に前記モデルを生成し、
前記推定部は、
前記ユーザの属性毎に生成された前記モデルを用いて、前記広告効果を推定し、
前記提案部は、
前記ユーザの属性毎に前記コンテンツの改善内容を提案すること
を特徴とする請求項９に記載の情報処理装置。

【請求項11】

前記モデル生成部は、
前記コンテンツがユーザへ配信される配信面毎に前記モデルを生成し、
前記推定部は、
前記配信面毎に生成された前記モデルを用いて、前記変更コンテンツの前記広告効果を推定し、
前記提案部は、
前記コンテンツの改善内容を前記配信面毎に提案すること
を特徴とする請求項９または１０に記載の情報処理装置。

【請求項12】

前記推定部は、
前記広告効果として、前記コンテンツがクリックされるクリック確率を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項13】

コンピュータが実行する情報処理方法であって、
コンテンツの特徴を変更した変更コンテンツを生成するコンテンツ生成工程と、
前記コンテンツ生成工程により生成された前記変更コンテンツについて広告効果を推定する推定工程と、
前記推定工程により推定された前記広告効果に基づいて、前記コンテンツの改善内容を提案する提案工程と、
を含むことを特徴とする情報処理方法。

【請求項14】

コンテンツの特徴を変更した変更コンテンツを生成するコンテンツ生成手順と、
前記コンテンツ生成手順により生成された前記変更コンテンツについて広告効果を推定する推定手順と、
前記推定手順により推定された前記広告効果に基づいて、前記コンテンツの改善内容を提案する提案手順と、
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。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

【背景技術】

【0002】

近年、インターネットを介して、ニュースや広告等のコンテンツを配信する技術が知られている。このようなコンテンツを配信する技術の一例として、広告効果の指標の一つであるクリック確率（以下、ＣＴＲ；Click Through Rate）を予測するＣＴＲ予測モデルを用いて、ＣＴＲを事前に推定する技術がある。（例えば、特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１８－８４９９２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、従来技術では、例えば、広告効果を向上するための改善点を提案することについては考慮されていなかった。

【0005】

本発明は、上記に鑑みてなされたものであって、広告効果を向上するための改善点を提案することができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

上述した課題を解決し、目的を達成するために、本発明に係る情報処理装置は、コンテンツの特徴を変更した変更コンテンツを生成するコンテンツ生成部と、前記コンテンツ生成部により生成された前記変更コンテンツについて広告効果を推定する推定部と、前記推定部により推定された前記広告効果に基づいて、前記コンテンツの改善内容を提案する提案部と、を備えることを特徴とする。

【発明の効果】

【0007】

本発明によれば、広告効果を向上するための改善点を提案することができる。

【図面の簡単な説明】

【0008】

【図1】図１は、実施形態に係る情報処理の一例を示す図である。

【図2】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】図３は、実施形態に係る配信履歴データベースの一例を示す図である。

【図4】図４は、実施形態に係るＣＴＲ推定モデルデータベースの一例を示す図である。

【図5】図５は、実施形態に係る変更広告の一例を示す図である。

【図6】図６は、実施形態に係る改善内容の一例を示す図（その１）である。

【図7】図７は、実施形態に係る改善内容の一例を示す図（その２）である。

【図8】図８は、実施形態に係る提案処理の一例を示すフローチャートである。

【図9】図９は、実施形態に係る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。

【発明を実施するための形態】

【0009】

以下に、本願に係る情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。

【0010】

［実施形態］
〔１．情報処理〕
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。

【0011】

図１に示す実施形態に係る情報処理装置１００は、例えば、広告制作者によって作成された広告の改善内容を提案する情報処理装置である。たとえば、実施形態に係る情報処理装置１００は、各利用者の端末装置（不図示）と連携し、各利用者の端末装置に対して、各種アプリケーション（以下、アプリ）等に対するＡＰＩ（Application Programming Interface）サービス等と、各種データを提供する情報処理装置であり、サーバ装置やクラウドシステム等により実現される。

【0012】

また、情報処理装置１００は、各利用者の端末装置に対して、Ｗｅｂサービスを提供する情報処理装置であってもよい。例えば、情報処理装置１００は、Ｗｅｂサービスとして、インターネット接続、検索サービス、ＳＮＳ（Social Networking Service）、電子商取引、電子決済、オンラインゲーム、オンラインバンキング、オンライントレーディング、宿泊・チケット予約、動画・音楽配信等のサービスを提供してもよい。実際には、情報処理装置１００は、上記のようなＷｅｂサービスを提供する各種サーバと連携し、Ｗｅｂサービスを仲介してもよい。

【0013】

情報処理装置１００は、各種Ｗｅｂサービスを通じて、利用者に対して広告を配信し、その配信履歴に関するデータを配信履歴データベースに格納する。例えば、配信履歴には、いつ、だれに、どのような媒体に対し広告を配信し、その広告がクリックされたか否か、あるいは、広告を通じてコンバージョンに至ったか否かといったデータが含まれる。

【0014】

また、図１に示す製作者端末５０は、広告製作者によって操作される端末である。例えば、製作者端末５０は、所定のネットワークを介して情報処理装置１００に対し、広告に関する情報を送信し、情報処理装置１００から広告の改善内容に関する情報を受け取る。

【0015】

ところで、従来、広告効果に関する指標として、広告のＣＴＲ（Click Though Rate）やｖＣＴＲ（Visible Click Though Rate）などの指標が用いられる。一般的に広告主は、これらの広告指標を高めることを目標として広告を制作する。

【0016】

一方で、広告効果を上げるための改善については、人手で広告を修正したうえで、ＡＢテストを繰り返すほかなかった。つまり、従来では、広告効果をあげるために多くの時間や労力が必要であった。

【0017】

そこで、実施形態に係る情報処理では、配信履歴データベースに登録されたデータに基づき、広告制作者に対して広告の改善内容を提案する。具体的には、まず、情報処理装置１００は、配信履歴データベースに登録されたデータに基づき、ＣＴＲ推定モデルを生成する（ステップＳ１）。なお、後述するように、情報処理装置１００は、説明可能ＡＩ（ＸＡＩ；Explain Artificial Intelligence）をあわせて学習するようにしてもよい。

【0018】

例えば、ＣＴＲ推定モデルは、配信した広告の特徴と、その広告のＣＴＲとの関係性を学習したモデルである。なお、ＣＴＲ推定モデルは、広告に加え、広告のターゲットとするユーザ属性、広告の業種を入力した際に、ユーザ属性、業種に応じた広告効果を出力するモデルであってもよい。

【0019】

また、ＣＴＲ推定モデルは、上記に加え、広告の広告目的を入力した際に、広告目的に応じた広告効果を出力するモデルであってもよい。ここでの広告目的とは、例えば、広告主のサイトにアクセス履歴があるユーザに対して配信することを目的としたリターゲティングの有無である。なお、広告目的は、これに限定されず、例えば、認知度獲得など、任意に設定することにしてもよい。

【0020】

つづいて、実施形態に係る情報処理装置１００は、製作者端末５０から対象となる広告に関する広告情報を受信する（ステップＳ２）。

【0021】

情報処理装置１００は、製作者端末５０から受け取った広告情報に基づき、オリジナルの広告の特徴をそれぞれ変更した複数の変更広告を生成する（ステップＳ３）。例えば、情報処理装置１００は、オリジナルの広告に関する画像をＯＣＲや各種画像解析により、広告の特徴量を求め、その特徴点をそれぞれ変更した変更広告を生成する（ステップＳ３）。

【0022】

例えば、変更広告は、オリジナルの広告内に表示されるテキスト、または、画像を変更したコンテンツであり、オリジナルの広告内に表示される複数のテキスト、複数の画像の大きさ、位置、内容の少なくとも一つが変更されたコンテンツである。

【0023】

例えば、情報処理装置１００は、オリジナルの広告からテキストの内容、文字数、文字領域が広告全体に占める割合、位置、色、または、オリジナルの広告に表示される画像の内容、大きさ、位置、色の少なくとも一つを変更した変更広告を生成する。

【0024】

つづいて、情報処理装置１００は、オリジナルの広告、各変更広告についてそれぞれ広告効果を推定する（ステップＳ４）。

【0025】

情報処理装置１００は、ＣＴＲ推定モデルにオリジナルの広告、各変更広告をＣＴＲ推定モデルに入力し、その出力値をそれぞれの広告効果（ＣＴＲ）として推定する。そして、例えば、情報処理装置１００は、オリジナルの広告よりも広告効果が高いと推定される変更広告と、オリジナルの広告との差分を改善内容として製作者端末５０に対して提案する（ステップＳ５）。

【0026】

なお、情報処理装置１００は、広告効果の推定に関し、コンテンツがターゲットとするユーザ層、広告主の業種に関する情報をＣＴＲ推定モデルに入力し、ユーザ層、あるいは、広告主の業種に基づく広告効果を推定するようにしてもよい。また、例えば、情報処理装置１００は、広告目的に関する情報をＣＴＲ推定モデルに入力し、広告効果を推定するようにしてもよい。

【0027】

このように、実施形態に係る情報処理装置１００は、配信履歴データベースに登録されたデータに基づき、ＣＴＲ推定モデルを生成する。そして、情報処理装置１００は、複数の変更広告について広告効果を推定し、改善内容を提案する。

【0028】

つまり、実施形態に係る情報処理装置１００によれば、広告効果を向上するための改善点を提案することができる。

【0029】

〔１．情報処理装置の構成例〕
次に、図２を用いて、実施形態に係る情報処理装置１００の構成例について説明する。図２は、実施形態に係る情報処理装置１００の構成例を示すブロック図である。図２に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

【0030】

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。また、通信部１１０は、ネットワークと有線又は無線で接続される。

【0031】

（記憶部１２０）
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、又は、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。図２に示すように、記憶部１２０は、抽出モデルデータベース１２１と、配信履歴データベース１２２と、ＣＴＲ推定モデルデータベース１２３と、説明可能ＡＩデータベース１２４とを有する。

【0032】

（抽出モデルデータベース１２１）
抽出モデルデータベース１２１は、抽出モデルを格納するデータベースである。例えば、抽出モデルは、広告の特徴量を抽出するモデルである。例えば、抽出モデルは、入力された広告の特徴をＮ次元のベクトルとして抽出する。

【0033】

（配信履歴データベース１２２）
配信履歴データベース１２２は、広告の過去の配信履歴に関するデータを格納するデータベースである。図３は、実施形態に係る配信履歴データベース１２２の一例を示す図である。

【0034】

図３に示すように、実施形態に係る配信履歴データベース１２２は、「広告ＩＤ」、「画像情報」、「配信履歴」、「クリック履歴」、「ＣＴＲ」、「ｖＣＴＲ」などといった項目を有する。

【0035】

「広告ＩＤ」は、各広告を識別する識別子である。「画像情報」は、広告として表示される画像に関する情報である。「配信履歴」は、対応する広告の配信履歴である。例えば、配信履歴には、いつ、だれに対して、どのような媒体で広告を配信したかといったデータが含まれる。

【0036】

「クリック履歴」は、対応する広告のクリック履歴である。クリック履歴は、配信した広告がクリックされたか否かに関するデータが含まれる。「ＣＴＲ」および「ｖＣＴＲ」は、対応する広告の広告効果に関する指標である。なお、その他、例えば、配信履歴データベース１２２は、各広告のターゲットとするユーザ層に関する情報、広告主の業種、広告目的に関する各項目に関する情報を記憶するようにしてもよい。

【0037】

（ＣＴＲ推定モデルデータベース１２３）
ＣＴＲ推定モデルデータベース１２３は、ＣＴＲ推定モデルを格納する。上述のように、ＣＴＲ推定モデルは、広告のＣＴＲを推定するモデルである。図４は、実施形態に係るＣＴＲ推定モデルデータベース１２３の一例を示す図である。

【0038】

図４に示すように、実施形態に係るＣＴＲ推定モデルデータベース１２３は、「モデルＩＤ」、「モデル本体」、「対象属性」などといった項目を有する。「モデルＩＤ」は、各ＣＴＲ推定モデルを識別するための識別子である。「モデル本体」は、対応するＣＴＲ推定モデルの本体である。

【0039】

「対象属性」は、対応するＣＴＲ推定モデルの対象属性を示す。具体的には、対象属性は、各デモグラフィック属性、あるいは、サイコグラフィック属性であり、実施形態に係るＣＴＲ推定モデルデータベース１２３は、これら対象属性毎にＣＴＲ推定モデルを格納する。これにより、対象属性毎にＣＴＲの推定精度の向上が見込まれる。

【0040】

なお、例えば、情報処理装置１００は、対象属性に限らず、例えば、広告の配信面毎にＣＴＲ推定モデルを格納するようにしてもよい。ここでの表配信面とは、広告が表示される媒体であり、ニュースサイト、オークションサイト、動画サイトなどが挙げられる。また、例えば、情報処理装置１００は、広告を表示する端末の種別毎にＣＴＲ推定モデルを格納するようにしてもよい。

【0041】

（説明可能ＡＩデータベース１２４）
説明可能ＡＩデータベース１２４は、説明可能ＡＩを格納する。例えば、説明可能ＡＩは、改善内容の根拠を説明するＡＩである。

【0042】

（制御部１３０）
制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、情報処理装置１００の内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭ等の記憶領域を作業領域として実行されることにより実現される。図２に示す例では、制御部１３０は、取得部１３１と、モデル生成部１３２と、コンテンツ生成部１３３と、推定部１３４と、提案部１３５とを有する。

【0043】

（取得部１３１）
取得部１３１は、通信部１１０を介して、製作者端末５０から広告に関する広告情報を取得する。例えば、取得部１３１は、取得した広告情報をコンテンツ生成部１３３へ渡す。なお、取得部１３１は、例えば、各種Ｗｅｂサービスから既存の広告に関する広告情報を取得するようにしてもよい。

【0044】

また、取得部１３１は、各広告の配信履歴に関する情報を取得する。例えば、取得部１３１は、各Ｗｅｂサービスから配信履歴に関する情報を取得し、配信履歴データベース１２２に登録する。

【0045】

（モデル生成部１３２）
モデル生成部１３２は、ＣＴＲ推定モデルを生成する。例えば、モデル生成部１３２は、配信履歴データベース１２２に登録された情報に基づき、広告の特徴と、ＣＴＲとの関係性を学習したＣＴＲ推定モデルを生成する。例えば、モデル生成部１３２は、広告を視聴するユーザの属性毎、配信面毎、あるいはこれらの組み合わせ毎にＣＴＲ推定モデルを生成する。また、モデル生成部１３２は、例えば、広告毎のターゲットとするユーザ層、広告主（あるいは広告する商品）の業種、広告目的を学習データとしてＣＴＲ推定モデルを生成するようにしてもよい。

【0046】

なお、ＣＴＲ推定モデルは、任意の種別のモデルが採用可能である。例えば、モデル生成部１３２は、ＳＶＭ（Support Vector Machine）やＤＮＮ（Deep Neural Network）をモデルとして採用してもよい。ここで、ＤＮＮは、ＣＮＮ（Convolutional Neural Network）やＲＮＮ（Recurrent Neural Network）であってもよい。また、ＲＮＮは、ＬＳＴＭ（Long short-term memory）等であってもよい。すなわち、モデルは、任意の形式のモデルが採用可能である。また、モデルは、例えば、ＣＮＮとＲＮＮとを組み合わせたモデル等、複数のモデルを組み合わせることで実現されるモデルであってもよい。

【0047】

学習は、例えばディープニューラルネットワーク（ＤＮＮ：Deep Neural Network）を利用したディープラーニング（深層学習）等である。また、データマイニングやその他の機械学習アルゴリズムを利用してもよい。モデル生成部１３２は、上述した各種の学習手法により、ＣＴＲ推定モデルの学習を行う。

【0048】

また、モデル生成部１３２は、説明可能ＡＩを生成する。ここで、説明可能ＡＩとは、目的変数に対する各特徴量（またはその積）のスコア（確信度：ｃｏｎｆｉｄｅｎｃｅ）を算出するようなＡＩのことをいう。説明可能ＡＩの一例として、頻出パターンマイニングやロジスティック回帰などが挙げられる。

【0049】

例えば、モデル生成部１３２は、モデル生成部１３２は、ＣＴＲ推定モデルに基づき、説明可能ＡＩを生成する。

【0050】

（コンテンツ生成部１３３）
コンテンツ生成部１３３は、広告の特徴を変更した変更広告を生成する。例えば、コンテンツ生成部１３３は、抽出モデルデータベース１２１に登録された抽出モデルにオリジナルの広告に関する画像を入力することで、オリジナルの広告の特徴量を抽出する。

【0051】

つづいて、コンテンツ生成部１３３は、抽出した特徴量をそれぞれ変更した複数の変更広告を生成する。図５は、実施形態に係る変更広告の一例を示す図である。図５に示すように、例えば、コンテンツ生成部１３３は、オリジナルの広告であるオリジナル広告Ｏｒに基づき、その特徴量をそれぞれ変更した複数の変更広告Ｃｏを生成する。

【0052】

コンテンツ生成部１３３は、例えば、フォント、フォントサイズ、フォントの色、テキストの位置、テキストの内容、商品画像の位置、大きさ、背景画像などを任意に変更した変更広告Ｃｏを生成する。

【0053】

この際、例えば、コンテンツ生成部１３３は、所定のルールに基づき、オリジナル広告Ｏｒから変更しない維持内容を設定したうえで、維持内容以外の特徴量を変更した変更広告を生成する。

【0054】

例えば、同図に示す例における維持内容は、「Ｍａｘ８０％ＯＦＦ」であり、商品名、企業名、価格、割引率に関する表示が該当する。例えば、コンテンツ生成部１３３は、維持内容に関するルールを参照し、変更広告を生成する。なお、ここでのルールは、テキスト内容を変更する際の所定条件の一例に対応する。

【0055】

また、コンテンツ生成部１３３は、例えば、テキストの内容を変更した変更広告Ｃｏを生成する場合には、薬事法などに違反しないように、ルールの範囲内で変更広告Ｃｏを生成するようにしてもよい。

【0056】

（推定部１３４）
推定部１３４は、コンテンツ生成部１３３により生成された変更広告について広告効果を推定する。具体的には、推定部１３４は、オリジナル広告Ｏｒおよびコンテンツ生成部１３３によって生成された変更広告ＣｏをＣＴＲ推定モデルデータベース１２３に登録されたＣＴＲ推定モデルへ入力することで、オリジナル広告Ｏｒおよび変更広告Ｃｏそれぞれの広告効果（ＣＴＲ）を推定する。

【0057】

この際、推定部１３４は、例えば、図４に示したように、対象属性それぞれに対して生成されたＣＴＲ推定モデルへ変更広告を入力し、対象属性毎に広告効果を推定する。また、推定部１３４は、配信面毎に生成されたＣＴＲ推定モデルを用いて、対象属性毎に広告効果を推定するようにしてもよい。

【0058】

また、推定部１３４は、オリジナル広告Ｏｒあるいは変更広告Ｃｏのターゲットとするユーザ層、広告主（あるいは広告する商品）の業種、広告目的をＣＴＲ推定モデルへの入力データとして広告効果を推定するようにしてもよい。

【0059】

（提案部１３５）
提案部１３５は、推定部１３４により推定された広告効果に基づいて、オリジナル広告Ｏｒの改善内容を提案する。例えば、提案部１３５は、オリジナル広告Ｏｒよりも広告効果が高いと推定される変更広告Ｃｏのオリジナル広告Ｏｒからの変更内容を改善内容として提案する。また、提案部１３５は、例えば、ユーザの属性毎、あるいは、配信面毎に改善内容の提案を行うようにしてもよい。

【0060】

この際、提案部１３５は、例えば、ユーザの属性毎あるいは配信面毎それぞれにおける総合評価に基づき、改善内容の提案を行うようにしてもよく、例えば、広告主が設定したペルソナの広告効果が最も高くなるように改善内容の提案を行うようにしてもよい。

【0061】

また、提案部１３５は、説明可能ＡＩデータベース１２４に登録された説明可能ＡＩを用いて、改善内容に関する改善理由を提案する。図６および図７は、実施形態に係る改善内容の一例を示す図である。

【0062】

図６に示すように、例えば、提案部１３５が提案する改善内容は、「対象画像」、「予測ＣＴＲ」、「変更点」といった項目を有する。対象画像は、広告効果の推定対象となる画像（すなわち、オリジナル広告、あるいは、各変更広告）であり、「予測ＣＴＲ」は、推定部１３４により推定されたＣＴＲの値である。「変更点」は、オリジナル広告からの変更点を示す。

【0063】

同図に示す例では、文字領域を小さくした変更広告Ｃｏ１の予測ＣＴＲがオリジナル広告Ｏｒの予測ＣＴＲよりも向上していることを示し、テキストの長さを短くした変更広告Ｃｏ２の予測ＣＴＲがオリジナル広告Ｏｒの予測ＣＴＲよりも低下していることを示す。

【0064】

つまり、この場合、提案部１３５は、変更広告Ｃｏ１の変更点に関する情報を改善内容として提案することになる。

【0065】

また、図７に示す例では、図６の変更点に代えて、予測理由を示すものである。例えば、予測理由は、予測ＣＴＲを予測した理由であり、上述の説明可能ＡＩによって作成される。この場合においては、提案部１３５は、予測理由を改善内容に含めることで、広告制作者はより効率よく広告を改善することができる。

【0066】

〔３．処理フロー〕
次に、図８を用いて、実施形態に係る情報処理装置１００が実行する処理フローについて説明する。図８は、実施形態に係る提案処理の一例を示すフローチャートである。

【0067】

図８に示すように、情報処理装置１００は、例えば製作者端末５０からオリジナルの広告を取得する（ステップＳ１０１）。つづいて、情報処理装置１００は、オリジナルの広告に基づき、それぞれ特徴が異なる複数の変更広告を生成する（ステップＳ１０２）。

【0068】

つづいて、情報処理装置１００は、オリジナルの広告および複数の変更広告について広告効果を推定する(ステップＳ１０３)。つづいて、情報処理装置１００は、それぞれの広告効果に基づき、改善内容を提案する（ステップＳ１０４）。そして、情報処理装置１００は、処理を終了する。

【0069】

〔４．変形例〕
上述した実施形態では、コンテンツが広告画像に関する画像コンテンツである場合について説明したが、これに限定されるものではない。例えば、コンテンツは、動画コンテンツ、音声コンテンツ、ＶＲやＶＲに代表される３次元のデジタルコンテンツなどであってもよい。

【0070】

また、例えば、情報処理装置１００は、例えば、広告に映る広告タレントのメイク、衣装、髪型などを変更した変更コンテンツを生成し、改善内容を提案するようにしてもよい。

【0071】

また、上述した実施形態では、広告効果がＣＴＲである場合について説明したが、これに限定されるものではない。広告効果は、売り上げ、利益率や、ＳＮＳにおける話題性など、その他の指標であってもよい。

【0072】

〔５．効果〕
上述してきたように、本願に係る情報処理装置１００は、コンテンツの特徴を変更した変更コンテンツを生成するコンテンツ生成部１３３と、コンテンツ生成部１３３により生成された変更コンテンツについて広告効果を推定する推定部１３４と、推定部１３４により推定された広告効果に基づいて、コンテンツの改善内容を提案する提案部１３５とを備える。

【0073】

また、コンテンツ生成部１３３は、コンテンツの特徴をそれぞれ変更した複数の変更コンテンツを生成し、提案部１３５は、コンテンツよりも広告効果が高いと推定される変更コンテンツの変更点を改善内容として提案する。

【0074】

また、コンテンツ生成部１３３は、コンテンツ内のテキスト、または、前記コンテンツ内の画像の少なくとも一方を変更した前記変更コンテンツを生成する。また、コンテンツ生成部１３３は、コンテンツ内の複数のテキスト、複数の画像の大きさ、位置、内容の少なくとも一つを変更した変更コンテンツを生成する。

【0075】

また、コンテンツ生成部１３３は、コンテンツ内のテキストの内容、文字数、文字領域がコンテンツに占める割合、位置、色、または、画像の内容、大きさ、位置、色の少なくとも一つを変更した変更コンテンツを生成する。また、コンテンツ生成部１３３は、コンテンツ内のテキストの内容した変更コンテンツを生成する場合に、所定条件を満たすテキストの内容を変更し、所定条件を満たさないテキストの内容を変更しない。

【0076】

また、推定部１３４は、コンテンツがターゲットとするユーザ層、広告主の業種に基づき、広告効果を推定する。また、推定部１３４は、コンテンツの広告目的に基づき、広告効果を推定する。また、情報処理装置１００は、コンテンツの特徴と広告効果との関係性を学習したモデルを生成するモデル生成部１３２を備え、推定部１３４は、モデル生成部１３２によって生成されたモデルを用い、広告効果を推定する。

【0077】

また、モデル生成部１３２は、コンテンツを視聴するユーザの属性毎にモデルを生成し、推定部１３４は、ユーザ属性毎に生成されたモデルを用いて、広告効果を推定し、提案部１３５は、ユーザの属性毎にコンテンツの改善内容を提案する。

【0078】

また、モデル生成部１３２は、コンテンツがユーザへ配信される配信面毎にモデルを生成し、推定部１３４は、配信面毎に生成されたモデルを用いて、広告効果を推定し、提案部１３５は、コンテンツの改善内容を配信面毎に提案する。推定部１３４は、広告効果として、コンテンツがクリックされるクリック確率を推定する。

【0079】

上述した各処理のいずれかもしくは組合せにより、本願に係る情報処理装置は、広告効果を向上するための改善点を提案することができる。

【0080】

〔６．ハードウェア構成〕
また、上述した実施形態に係る情報処理装置１００は、例えば図９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９は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。

【0081】

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。

【0082】

一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢメモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。

【0083】

出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、及びプリンタ等といった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインターフェイスであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、及びスキャナ等といった各種の入力装置１０２０から情報を受信するためのインターフェイスであり、例えば、ＵＳＢ等により実現される。

【0084】

また、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０及び入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０及び入力装置１０２０は、ワイヤレス機器であってもよい。

【0085】

また、出力装置１０１０及び入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。

【0086】

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、又は半導体メモリ等から情報を読み出す装置であってもよい。

【0087】

ネットワークＩ／Ｆ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

【0088】

演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

【0089】

例えば、コンピュータ１０００が情報処理装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得したプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。

【0090】

〔６．その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

【0091】

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又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又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。

【0092】

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

【0093】

例えば、上述した情報処理装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。

【0094】

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

【0095】

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

【符号の説明】

【0096】

５０ 製作者端末
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 抽出モデルデータベース
１２２ 配信履歴データベース
１２３ ＣＴＲ推定モデルデータベース
１２４ 説明可能ＡＩデータベース
１３０ 制御部
１３１ 取得部
１３２ モデル生成部
１３３ コンテンツ生成部
１３４ 推定部
１３５ 提案部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】