特開 2024-38687 データ処理装置、データ処理方法、およびプログラム

(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】P2024038687

(43)【公開日】2024-03-21

(54)【発明の名称】データ処理装置、データ処理方法、およびプログラム

(51)【国際特許分類】

   G06Q 30/0242 20230101AFI20240313BHJP

   G06Q 10/04 20230101ALI20240313BHJP

【ＦＩ】

G06Q30/02 382

G06Q10/04

【審査請求】有

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2022142900

(22)【出願日】2022-09-08

(11)【特許番号】

(45)【特許公報発行日】2023-01-04

(71)【出願人】

【識別番号】591101434

【氏名又は名称】株式会社ビデオリサーチ

(74)【代理人】

【識別番号】100079108

【弁理士】

【氏名又は名称】稲葉 良幸

(74)【代理人】

【識別番号】100109346

【弁理士】

【氏名又は名称】大貫 敏史

(74)【代理人】

【識別番号】100117189

【弁理士】

【氏名又は名称】江口 昭彦

(74)【代理人】

【識別番号】100134120

【弁理士】

【氏名又は名称】内藤 和彦

(72)【発明者】

【氏名】田村 玄

(72)【発明者】

【氏名】鈴木 暁

(72)【発明者】

【氏名】小泉 健二

(72)【発明者】

【氏名】坂田 耕太

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049AA04

5L049BB08

(57)【要約】      （修正有）

【課題】複数のデータの関連性を実態に即して適切に予測する。
【解決手段】データ処理装置において、プロセッサ１１は、第２コンテンツへの接触頻度の確率分布を計算する第１計算部、各対象者の第２コンテンツへの接触頻度の確率分布を第１コンテンツへの接触頻度が同一の対象者の単位で積算し、シングルソースデータに基づく第１コンテンツへの接触頻度と第２コンテンツへの接触頻度のマトリクスを計算する第２計算部、マトリクスにおける第１コンテンツへの接触頻度の分布が第１の実データにおける第１コンテンツへの接触頻度の人数分布と同じになるようにマトリクスにおける第１コンテンツへの接触頻度毎の値を修正する第３計算部及びマトリクスにおける第２コンテンツへの接触頻度の分布が第２の実データにおける第２コンテンツへの接触頻度の人数分布と同じになるようにマトリクスにおける第２コンテンツへの接触頻度毎の値を修正する第４計算部を含む。
【選択図】図２

【特許請求の範囲】

【請求項1】

第１コンテンツへの接触頻度の人数分布を示す第１の実データを取得する第１データ取得部と、
第２コンテンツへの接触頻度の人数分布を示す第２の実データを取得する第２データ取得部と、
複数の対象者について、各対象者の前記第１コンテンツへの接触頻度と、前記第２コンテンツが視聴可能な情報媒体の利用状況とを含む、シングルソースデータを取得する第３データ取得部と、
各対象者について、前記情報媒体の利用状況に基づいて、前記第２コンテンツへの接触頻度の確率分布を計算する第１計算部と、
各対象者の前記第２コンテンツへの接触頻度の確率分布を、前記第１コンテンツへの接触頻度が同一の対象者の単位で積算し、前記シングルソースデータに基づく前記第１コンテンツへの接触頻度と前記第２コンテンツへの接触頻度のマトリクスを計算する第２計算部と、
前記マトリクスにおける前記第１コンテンツへの接触頻度の分布が、前記第１の実データにおける第１コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第１コンテンツへの接触頻度毎の値を修正する第３計算部と、
前記マトリクスにおける前記第２コンテンツへの接触頻度の分布が、前記第２の実データにおける第２コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第２コンテンツへの接触頻度毎の値を修正する第４計算部と、を備えたデータ処理装置。

【請求項2】

前記シングルソースデータにおける前記第２コンテンツが視聴可能な情報媒体の利用状況は、前記情報媒体の起動時間であり、
前記第１計算部は、
全ての対象者の前記起動時間の合計に占める１の対象者の前記起動時間の割合に基づいて、各対象者の前記第２コンテンツへの接触頻度の期待値を算出し、前記期待値に基づいて、各対象者の前記第２コンテンツへの接触頻度の確率分布を計算する、請求項１に記載のデータ処理装置。

【請求項3】

前記第１計算部は、
前記期待値に基づいて、前記第２コンテンツへの接触頻度毎の確率がポワソン分布に従うように、各対象者の前記第２コンテンツへの接触頻度の確率分布を計算する、請求項２に記載のデータ処理装置。

【請求項4】

前記第４計算部は、
前記マトリクスにおける確率分布が前記第２の実データの人数分布と比較して大きい接触頻度から、小さい接触頻度へ再配分を行うことにより、前記マトリクスにおける前記第２コンテンツへの接触頻度の分布が、前記第２の実データにおける第２コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第２コンテンツへの接触頻度毎の値を修正する、請求項１に記載のデータ処理装置。

【請求項5】

プロセッサが、第１コンテンツへの接触頻度の人数分布を示す第１の実データを取得する工程と、
プロセッサが、第２コンテンツへの接触頻度の人数分布を示す第２の実データを取得する工程と、
プロセッサが、複数の対象者について、各対象者の前記第１コンテンツへの接触頻度と、前記第２コンテンツが視聴可能な情報媒体の利用状況とを含む、シングルソースデータを取得する工程と、
プロセッサが、各対象者について、前記情報媒体の利用状況に基づいて、前記第２コンテンツへの接触頻度の確率分布を計算する工程と、
プロセッサが、各対象者の前記第２コンテンツへの接触頻度の確率分布を、前記第１コンテンツへの接触頻度が同一の対象者の単位で積算し、前記シングルソースデータに基づく前記第１コンテンツへの接触頻度と前記第２コンテンツへの接触頻度のマトリクスを計算する工程と、
プロセッサが、前記マトリクスにおける前記第１コンテンツへの接触頻度の分布が、前記第１の実データにおける第１コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第１コンテンツへの接触頻度毎の値を修正する工程と、
プロセッサが、前記マトリクスにおける前記第２コンテンツへの接触頻度の分布が、前記第２の実データにおける第２コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第２コンテンツへの接触頻度毎の値を修正する工程と、を備えたデータ処理方法。

【請求項6】

コンピュータを、
第１コンテンツへの接触頻度の人数分布を示す第１の実データを取得する第１データ取得部と、
第２コンテンツへの接触頻度の人数分布を示す第２の実データを取得する第２データ取得部と、
複数の対象者について、各対象者の前記第１コンテンツへの接触頻度と、前記第２コンテンツが視聴可能な情報媒体の利用状況とを含む、シングルソースデータを取得する第３データ取得部と、
各対象者について、前記情報媒体の利用状況に基づいて、前記第２コンテンツへの接触頻度の確率分布を計算する第１計算部と、
各対象者の前記第２コンテンツへの接触頻度の確率分布を、前記第１コンテンツへの接触頻度が同一の対象者の単位で積算し、前記シングルソースデータに基づく前記第１コンテンツへの接触頻度と前記第２コンテンツへの接触頻度のマトリクスを計算する第２計算部と、
前記マトリクスにおける前記第１コンテンツへの接触頻度の分布が、前記第１の実データにおける第１コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第１コンテンツへの接触頻度毎の値を修正する第３計算部と、
前記マトリクスにおける前記第２コンテンツへの接触頻度の分布が、前記第２の実データにおける第２コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第２コンテンツへの接触頻度毎の値を修正する第４計算部として、機能させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、データ処理装置、データ処理方法、およびプログラムに関する。

【背景技術】

【0002】

近年、テレビコマーシャルとデジタル広告など、複数のメディアのコンテンツへの接触者数の規模を調査することが行われている。

【0003】

例えば、特許文献１には、テレビＣＭへの接触者数のデータと、デジタル広告への接触者数のデータ、および複数の対象者の各々について、当該テレビＣＭの視聴有無と当該デジタル広告が掲載されたサイトの閲覧回数を示すデータ（シングルソースデータ）を用いて、テレビＣＭとデジタル広告の少なくとも一方への接触者数を算出する方法が開示されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２０－１６０６５７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

シングルソースデータは、複数のメディアのコンテンツへの接触状況の関連性を調査する上で有用である。しかし、データ取得の都合上、データ形式が必ずしもそれぞれのコンテンツ自体への接触状況を直接的に示すものではない場合もある。このような場合、取得可能なシングルソースデータに基づいて、それぞれのコンテンツへの接触状況を示すデータを予測・導出する必要があるが、実態に即したデータを取得するための方法は知られていなかった。

【0006】

そこで、本発明は、複数のデータの関連性を実態に即して適切に予測する方法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】

【0007】

本発明に係るデータ処理装置は、第１コンテンツへの接触頻度の人数分布を示す第１の実データを取得する第１データ取得部と、第２コンテンツへの接触頻度の人数分布を示す第２の実データを取得する第２データ取得部と、複数の対象者について、各対象者の前記第１コンテンツへの接触頻度と、前記第２コンテンツが視聴可能な情報媒体の利用状況とを含む、シングルソースデータを取得する第３データ取得部と、各対象者について、前記情報媒体の利用状況に基づいて、前記第２コンテンツへの接触頻度の確率分布を計算する第１計算部と、各対象者の前記第２コンテンツへの接触頻度の確率分布を、前記第１コンテンツへの接触頻度が同一の対象者の単位で積算し、前記シングルソースデータに基づく前記第１コンテンツへの接触頻度と前記第２コンテンツへの接触頻度のマトリクスを計算する第２計算部と、前記マトリクスにおける前記第１コンテンツへの接触頻度の分布が、前記第１の実データにおける第１コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第１コンテンツへの接触頻度毎の値を修正する第３計算部と、前記マトリクスにおける前記第２コンテンツへの接触頻度の分布が、前記第２の実データにおける第２コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第２コンテンツへの接触頻度毎の値を修正する第４計算部と、を備える。

【0008】

本発明に係るデータ処理方法は、プロセッサが、第１コンテンツへの接触頻度の人数分布を示す第１の実データを取得する工程と、プロセッサが、第２コンテンツへの接触頻度の人数分布を示す第２の実データを取得する工程と、プロセッサが、複数の対象者について、各対象者の前記第１コンテンツへの接触頻度と、前記第２コンテンツが視聴可能な情報媒体の利用状況とを含む、シングルソースデータを取得する工程と、プロセッサが、各対象者について、前記情報媒体の利用状況に基づいて、前記第２コンテンツへの接触頻度の確率分布を計算する工程と、プロセッサが、各対象者の前記第２コンテンツへの接触頻度の確率分布を、前記第１コンテンツへの接触頻度が同一の対象者の単位で積算し、前記シングルソースデータに基づく前記第１コンテンツへの接触頻度と前記第２コンテンツへの接触頻度のマトリクスを計算する工程と、プロセッサが、前記マトリクスにおける前記第１コンテンツへの接触頻度の分布が、前記第１の実データにおける第１コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第１コンテンツへの接触頻度毎の値を修正する工程と、プロセッサが、前記マトリクスにおける前記第２コンテンツへの接触頻度の分布が、前記第２の実データにおける第２コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第２コンテンツへの接触頻度毎の値を修正する工程と、を備える。

【0009】

本発明に係るプログラムは、コンピュータを、第１コンテンツへの接触頻度の人数分布を示す第１の実データを取得する第１データ取得部と、第２コンテンツへの接触頻度の人数分布を示す第２の実データを取得する第２データ取得部と、複数の対象者について、各対象者の前記第１コンテンツへの接触頻度と、前記第２コンテンツが視聴可能な情報媒体の利用状況とを含む、シングルソースデータを取得する第３データ取得部と、各対象者について、前記情報媒体の利用状況に基づいて、前記第２コンテンツへの接触頻度の確率分布を計算する第１計算部と、各対象者の前記第２コンテンツへの接触頻度の確率分布を、前記第１コンテンツへの接触頻度が同一の対象者の単位で積算し、前記シングルソースデータに基づく前記第１コンテンツへの接触頻度と前記第２コンテンツへの接触頻度のマトリクスを計算する第２計算部と、前記マトリクスにおける前記第１コンテンツへの接触頻度の分布が、前記第１の実データにおける第１コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第１コンテンツへの接触頻度毎の値を修正する第３計算部と、前記マトリクスにおける前記第２コンテンツへの接触頻度の分布が、前記第２の実データにおける第２コンテンツへの接触頻度の人数分布と同じになるように、前記マトリクスにおける前記第２コンテンツへの接触頻度毎の値を修正する第４計算部として、機能させる。

【発明の効果】

【0010】

本発明によれば、複数のデータの関連性を実態に即して適切に予測する方法を提供することができる。

【図面の簡単な説明】

【0011】

【図1】本発明の実施の形態による、データ処理装置１の構成を示すブロック図。

【図2】本発明の実施の形態による、データ処理装置１のプロセッサ１１によって実行されるプログラムの機能モジュールを示すブロック図。

【図3】本発明の実施の形態による、データ処理装置１の動作のフローチャート。

【図4】本発明の実施の形態による、３種類の入力データを説明する図。

【図5】本発明の実施の形態による、各パネリストのＷＥＢＣＭへの接触回数の確率分布を例示する図。

【図6】本発明の実施の形態による、シングルソースデータによるＴＶＣＭへの接触回数とＷＥＢＣＭへの接触回数のマトリクスを例示する図。

【図7】本発明の実施の形態による、シングルソースデータによるＴＶＣＭへの接触回数分布を実データに合わせる方法を説明する図。

【図8】本発明の実施の形態による、シングルソースデータによるＷＥＢＣＭへの接触回数分布を実データに合わせる方法を説明する図。

【図9】本発明の実施の形態による、ＴＶＣＭへの接触回数毎の人数とＷＥＢＣＭへの接触回数毎の人数のクロス集計表を例示する図。

【発明を実施するための形態】

【0012】

次に、本発明を実施するための形態について、図面を参照して詳細に説明する。
実施の形態
図１は、本発明の実施の形態によるデータ処理装置１の構成を示すブロック図である。データ処理装置１は、１台または通信回線で接続された複数のコンピュータによって構成される。データ処理装置１は、プロセッサ１１と、メインメモリ１２と、入出力インタフェース１３と、通信インタフェース１４と、記憶装置１５を備えている。記憶装置１５は、半導体メモリ（例えば、揮発性メモリや不揮発性メモリ）、またはディスク媒体（例えば、磁気記録媒体や光磁気記録媒体）などのコンピュータ読み取り可能な記録媒体である。記憶装置１５には、プロセッサ１１に実行させるためのプログラムや、各種データ等が記憶されている。プログラムは、記憶装置１５からメインメモリ１２に読み込まれ、プロセッサ１１により解釈及び実行されることにより、各種機能が実行される。

【0013】

図２は、データ処理装置１のプロセッサ１１によって実行されるプログラムの機能モジュールを示すブロック図である。図３に示すように、学習装置１のプロセッサ１１によって実行される機能モジュールには、第１データ取得部１０１、第２データ取得部１０２、第３データ取得部１０３、第１計算部１０４、第２計算部１０５、第３計算部１０６、第４計算部１０７が含まれる。

【0014】

次に、図３のフローチャートを用いて、データ処理装置１の動作について説明する。本実施形態では、特定のテレビのＣＭ（第１コンテンツ、以下ＴＶＣＭ）への接触回数（接触頻度）毎の人数と、特定の動画サイトのＣＭ（第２コンテンツ、以下ＷＥＢＣＭ）への接触回数（接触頻度）毎の人数とのクロス集計表（ＴＶＣＭへの接触回数がｍ回かつＷＥＢＣＭへの接触回数がｎ回の人数を示す表）を作成する。なお、第２コンテンツは動画サイトのＣＭに限定されず、他の形態のデジタル広告等であってもよい。

【0015】

クロス集計表の作成には、入力データとして図４に示す３種類のデータを用いる。１つは、一定期間におけるＴＶＣＭへの接触回数毎の人数を示す実際のデータ（第１の実データ）Ｄ１、１つは、一定期間におけるＷＥＢＣＭへの接触回数毎の人数を示す実際のデータ（第２の実データ）Ｄ２、１つは複数のパネリスト（対象者）について、一定期間における各人のＴＶＣＭへの接触回数と、ＷＥＢＣＭが視聴可能なアプリケーションＡＰの起動時間（情報媒体の利用状況）を示すデータ（シングルソースデータ）Ｄ３である。なお、シングルソースデータには、アプリケーションＡＰの起動時間以外に、ウェブページの遷移数や、ウェブ上での滞在時間（ブラウザの起動時間）などが含まれていてもよい。

【0016】

まず、第１データ取得部１０１は、ＴＶＣＭへの接触回数毎の人数を示す実データＤ１を取得する（ステップＳ１０１）。実データＤ１は、テレビ視聴率の調査を行う企業等が提供するデータを利用することができる。実データＤ１の「ＴＶＣＭ接触回数」と人数とを掛け合わせて全て合計したものが全国のＴＶＣＭ総接触回数であり、「人数」を合計したものが全国のＴＶＣＭ接触人数となる。

【0017】

次に、第２データ取得部１０２は、ＷＥＢＣＭへの接触回数毎の人数を示す実データＤ２を取得する（ステップＳ１０２）。実データＤ２は、インターネット視聴率の調査を行う企業等が提供するデータを利用することができる。実データＤ２の「ＷＥＢＣＭ接触回数」と人数とを掛け合わせて全て合計したものが全国のＷＥＢＣＭ総接触回数であり、「人数」を合計したものが全国のウェブＣＭ接触人数となる。

【0018】

次に、第３データ取得部１０３は、複数のパネリストを対象としたシングルソースデータＤ３を取得する（ステップＳ１０３）。ここではパネリストは、テレビとウェブの両方の環境を持つ個人である。上述のように、シングルソースデータＤ３は、各パネリストについてのＴＶＣＭへの接触回数と、ＷＥＢＣＭが視聴可能なアプリケーションＡＰの起動時間の情報を含んでいる。すなわち、ＴＶＣＭに関しては、接触回数毎の人数をデータから直接集計することができるが、ＷＥＢＣＭに関しては、各パネリストの接触回数をデータから直接知ることはできない。一般にウェブ広告については、同じ時間帯に同じサイトを閲覧していても人によって異なる広告が表示されることがあるため、実際の接触有無を調査するのは困難であることが多い。

【0019】

このため、第１計算部１０４は、各パネリストのアプリケーションＡＰの起動時間に基づいて、ＷＥＢＣＭへの接触回数の確率分布を計算する（ステップＳ１０４）。

【0020】

まず、第１計算部１０４は、全パネリストのアプリケーションＡＰの起動時間の合計（例えば、１２０００分）に占める、あるパネリストＰの起動時間（例えば、１２００分）の割合を計算する。計算した値に、全国のＷＥＢＣＭへの平均接触回数を掛けることにより、パネリストＰのＷＥＢＣＭへの接触回数の期待値λを算出する。全国のＷＥＢＣＭへの平均接触回数は、実データＤ２における全国のＷＥＢＣＭ総接触回数を全国のウェブＣＭ接触人数で割ることにより得られる（下記式１参照）。

【0021】

パネリストＰのＷＥＢＣＭへの接触回数の期待値λ＝（パネリストＰのアプリケーションＡＰ起動時間／全パネリストのアプリケーションＡＰ起動時間の合計）×（全国のＷＥＢＣＭ総接触回数／全国のウェブＣＭ接触人数） …（１）

【0022】

さらに第１計算部１０４は、ＷＥＢＣＭへの接触回数の確率はポワソン分布に従うという前提のもと、各パネリストがｋ回ＷＥＢＣＭに接触する確率を、算出した期待値λに基づいて計算する。

【0023】

図５に、ステップＳ１０４で計算した各パネリストのＷＥＢＣＭへの接触回数の確率分布の例を示す。図５に示すように、例えば、アプリケーションの起動時間が１２００分のＩＤ１のパネリストは、接触回数が０回の確率は６０％、１回の確率は３０％である。また、アプリケーションの起動時間が４０分のＩＤ２のパネリストは、接触回数が０回の確率は８５％、１回の確率は１５％である。

【0024】

次に、第２計算部１０５は、ステップＳ１０４で求めた各パネリストのＷＥＢＣＭへの接触回数の確率分布を、ＴＶＣＭへの接触回数が同一のパネリストの単位で積算する。これにより、シングルソースデータに基づくＴＶＣＭへの接触回数毎の人数分布とＷＥＢＣＭへの接触回数の人数分布のマトリクスＭＴを計算する（ステップＳ１０５）。

【0025】

図６に、ステップＳ１０５で計算したＴＶＣＭへの接触回数とＷＥＢＣＭへの接触回数のマトリクスＭＴの例を示す。例えば図６のマトリクスＭＴの１行目は、ＴＶＣＭへの接触回数が０回だったパネリストについて、ＷＥＢＣＭへの接触回数毎の確率を積算し、該当するパネリストの人数で割った値を示している。例えば、１行１列の値「０．８３８６」は、ＴＶＣＭへの接触回数が０回だったパネリスト（例えば、８人）の、ＷＥＢＣＭへの接触回数が０回の確率を足し合わせ、人数（８人）で割った値である。人数で割っているため、各行の要素の合計値は「１」になる。

【0026】

次に、第３計算部１０６は、ステップＳ１０５で計算したマトリクスＭＴにおけるＴＶＣＭへの接触回数の分布が、実データＤ１におけるＴＶＣＭへの接触回数の人数分布と同じになるように、マトリクスＭＴにおけるＴＶＣＭへの接触回数毎の値を修正する（ステップＳ１０６）。

【0027】

図７を用いて、ステップＳ１０６の処理について具体的に説明する。図７（Ａ）は、図６のマトリクスＭＴにおけるＷＥＢＣＭへの接触回数がｋ（ｋ＝０，１，２，…）回であるときの、ＴＶＣＭへの接触回数の分布を示したグラフである。例えば横軸のＷＥＢＣＭ接触回数が「０」の棒グラフにおいて、ｇ０ｍ（ｍ＝０，１，２，…）で表す部分は、ＷＥＢＣＭへの接触回数が０回でＴＶＣＭへの接触回数がｍ回の人の割合、すなわち、マトリクスＭＴの０列のｍ行の値に対応している。同様に、ＷＥＢＣＭ接触回数が「ｋ」の棒グラフにおいて、ｇｋｍで表す部分は、ＷＥＢＣＭへの接触回数がｋ回でＴＶＣＭへの接触回数がｍ回の人の割合（マトリクスＭＴのｋ列のｍ行の値）に対応している。

【0028】

第３計算部１０６は、ＷＥＢＣＭへの接触回数がｋであるときのＴＶＣＭへの接触回数の人数分布が、実データＤ１と同じになるように、マトリクスＭＴの各要素の値に実データＤ１の割合を掛けて調整する。例えば、実データＤ１において、ＴＶＣＭへの接触回数の人数割合が、０回：４５％、１回：３３％、２回：８％、…の場合には、マトリクスＭＴのｋ列０行の値に０．４５を掛ける。すなわち、ＷＥＢＣＭへの接触回数が０でＴＶＣＭへの接触回数が０の要素の値は、０．８３８６×０．４５に置き換えられる。また、ｋ列１行の値に０．３３を掛ける。すなわち、ＷＥＢＣＭへの接触回数が０でＴＶＣＭへの接触回数が１の要素の値は、０．７７６２×０．３３に置き換えられる。同様に、ｋ列２行の値に０．０８を掛ける。これにより、行単位で見ると実データＤ１のＴＶＣＭへの接触回数の人数割合と整合する。

【0029】

図７（Ｂ）は、マトリクスＭＴの全要素の値を上記の方法で調整した後の、ＷＥＢＣＭへの接触回数がｋ回であるときの、ＴＶＣＭへの接触回数の分布を示したグラフである。図に示すように、ＴＶＣＭへの接触回数の分布が図７（Ａ）とは異なっている。

【0030】

次に、第４計算部１０７は、ステップＳ１０６で実データＤ１に合わせて調整したマトリクスＭＴにおけるＷＥＢＣＭへの接触回数の分布が、実データＤ２におけるＷＥＢＣＭへの接触回数の人数分布と同じになるように、マトリクスＭＴにおけるＷＥＢＣＭへの接触回数毎の値を修正する（ステップＳ１０７）。

【0031】

図７（Ｂ）に例示するグラフでは、ＷＥＢＣＭへの接触回数の分布はステップＳ１０４で計算したポワソン分布を前提とした理論上の分布になっている。一方、実データＤ２における実際の分布では、接触回数が０回の割合が高く１回の割合が低い等、ポワソン分布とは差分がある。

【0032】

このため、第４計算部１０７は、マトリクスＭＴにおける分布が実データＤ２の分布と比較して大きい接触回数から、小さい接触回数への再配分を行うことにより、実データＤ２の分布に合わせる。例えば、実データＤ２における接触回数０回の割合が、マトリクスＭＴの割合よりも多い場合には、図８に示すように、マトリクスＭＴの接触回数１回に割り当てられている人数の一部を０回へ移すことにより、実データＤ２の分布に合わせる。回数１の人数を全て移しても足りない場合は、さらに回数２から回数０へ移すようにしてもよい。逆に、実データＤ２における接触回数０回の割合が、マトリクスＭＴの割合よりも少ない場合には、余剰の分を０回から１回のほうへ移すようにしてもよい。このように、隣接する回数との間で人数の再配分を行うことにより、実データＤ２の分布に合わせることができる。なお、人数の一部を移す際には、図８に示すように、ＴＶＣＭへの接触回数の割合が変わらないように移す（グラフを縦切りにする）。これにより、再配分後もＴＶＣＭへの接触回数の人数割合は変化しない。

【0033】

ステップＳ１０６でＴＶＣＭへの接触回数の分布を実データＤ１に合わせ、ステップＳ１０７でＷＥＢＣＭへの接触回数の分布を実データＤ２に合わせたことにより、マトリクスＭＴは、シングルソースデータＤ３に基づくＴＶＣＭへの接触回数とＷＥＢＣＭへの接触回数の関連性を反映すると共に、ＴＶＣＭへの接触回数毎の人数の割合とＷＥＢＣＭへの接触回数毎の人数の割合は、実際のデータの分布と一致したものとなる。このように調整したマトリクスＭＴの各要素に人口を掛けると、図９に示すようなＴＶＣＭへの接触回数がｍ回でＷＥＢＣＭへの接触回数がｎ回の人数を示すクロス集計表が得られる。図９において、各行の合計値は実データＤ１と一致し、各列の合計値は実データＤ２と一致する。

【0034】

以上のように、本実施形態によれば、各パネリストにおけるＴＶＣＭへの接触回数と、ＷＥＢＣＭを視聴可能なアプリケーションの起動時間を含むシングルソースデータを取得し、各パネリストについてアプリケーションの起動時間に基づいて、ＷＥＢＣＭへの接触回数の確率分布を計算する。次に、各パネリストのＷＥＢＣＭへの接触回数の確率分布をＴＶＣＭへの接触回数が同じパネリスト単位で積算することで、ＴＶＣＭへの接触回数毎の人数分布とＷＥＢＣＭへの接触回数毎の人数分布のマトリクスを作成する。さらに、マトリクスにおけるＴＶＣＭへの接触回数毎の人数分布とＷＥＢＣＭへの接触回数毎の人数分布をそれぞれ実データに合わせて修正するようにした。

【0035】

上記の構成により、ＴＶＣＭへの接触とＷＥＢＣＭへの接触の関連性（重複関係）を表すシングルソースデータと、それぞれの接触者数を表す実際のデータに基づいて、実態に即したクロス集計表を作成することができる。

【0036】

また、シングルソースデータに含まれるＷＥＢＣＭを視聴可能なアプリケーションの起動時間に基づいて、ＷＥＢＣＭへの接触回数の確率分布を計算するようにしたので、妥当な接触回数を予測することができる。このように、元のデータにＷＥＢＣＭへの接触回数を直接表すデータが含まれていない場合でも、計算処理によりクロス集計表の作成に利用することができる。

【0037】

なお、本発明は、上述した実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内において、他の様々な形で実施することができる。このため、上記実施形態はあらゆる点で単なる例示にすぎず、限定的に解釈されるものではない。例えば、上述した各処理ステップは処理内容に矛盾を生じない範囲で任意に順番を変更し、または並列に実行することができる。また、各処理ステップ間に他のステップを追加してもよい。また、１ステップとして記載されているステップを、複数ステップに分けて実行してもよいし、複数ステップに分けて記載されているものを、１ステップとして把握することもできる。

【符号の説明】

【0038】

１…データ処理装置
１１…プロセッサ
１２…メインメモリ
１３…入出力インタフェース
１４…通信インタフェース
１５…記憶装置
１０１…第１データ取得部
１０２…第２データ取得部
１０３…第３データ取得部
１０４…第１計算部
１０５…第２計算部
１０６…第３計算部
１０７…第４計算部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】