特開 2024-60985 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】P2024060985

(43)【公開日】2024-05-07

(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 20230101AFI20240425BHJP

【ＦＩ】

G06Q30/02 382

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2022168613

(22)【出願日】2022-10-20

(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】安部 斉志

(72)【発明者】

【氏名】實原 弘亮

(72)【発明者】

【氏名】石井 春江

(72)【発明者】

【氏名】江島 昇太

【テーマコード（参考）】

5L030

5L049

【Ｆターム（参考）】

5L030BB08

5L049BB08

(57)【要約】

【課題】配信広告のコンバージョンを適切に推定すること。
【解決手段】本願に係る情報処理装置は、配信対象となる複数の広告のいずれかを選択した利用者が行った対象行動に関する統計情報と、広告のいずれかを選択した利用者のうち許諾を得た許諾利用者による対象行動の有無を示す許諾行動情報とを取得する取得部と、取得部によって取得された統計情報と許諾行動情報とに基づいて、広告のいずれかを選択した各利用者が対象行動を行った確度を示す確度情報を生成する生成部と、を備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

配信対象となる複数の広告のいずれかを選択した利用者が行った対象行動に関する統計情報と、前記広告のいずれかを選択した利用者のうち許諾を得た許諾利用者による対象行動の有無を示す許諾行動情報とを取得する取得部と、
前記取得部によって取得された前記統計情報と前記許諾行動情報とに基づいて、前記広告のいずれかを選択した各利用者が対象行動を行った確度を示す確度情報を生成する生成部と、
を備えることを特徴とする情報処理装置。

【請求項2】

前記生成部によって生成された確度情報と、前記許諾行動情報とに基づいて、各広告を選択した利用者が対象行動を行う確度を推定するモデルを学習する学習部
を備え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】

前記生成部は、
前記統計情報が示す対象行動数と、前記許諾行動情報が示す対象行動数との差分が前記確度の総和となるように前記確度情報を生成すること
を特徴とする請求項１に記載の情報処理装置。

【請求項4】

前記生成部は、
広告に対する各利用者の選択履歴に対し前記許諾利用者による対象行動の有無を対応付けた対応情報において、対象行動の有無が不明な不明箇所の前記確度情報を生成すること
を特徴とする請求項３に記載の情報処理装置。

【請求項5】

前記生成部は、
前記確度の総和を前記不明箇所の数で等分した値を前記不明箇所それぞれの前記確度情報として生成すること
を特徴とする請求項４に記載の情報処理装置。

【請求項6】

前記生成部は、
対象行動の有無に関する過去の実測値を学習した予測モデルによる予測値を前記確度情報として生成すること
を特徴とする請求項３に記載の情報処理装置。

【請求項7】

前記生成部は、
利用者の属性単位で前記確度情報を生成すること
を特徴とする請求項３に記載の情報処理装置。

【請求項8】

前記生成部は、
前記広告が配信される配信面、ＵＲＬ、および、ドメインの少なくともいずれか一つを用いて分類した属性単位で前記確度情報を生成すること
を特徴とする請求項３に記載の情報処理装置。

【請求項9】

コンピュータが実行する情報処理方法であって、
配信対象となる複数の広告のいずれかを選択した利用者が行った対象行動に関する統計情報と、前記広告のいずれかを選択した利用者のうち許諾を得た許諾利用者による対象行動の有無を示す許諾行動情報とを取得する取得工程と、
前記取得工程によって取得された前記統計情報と前記許諾行動情報とに基づいて、前記広告のいずれかを選択した各利用者が対象行動を行った確度を示す確度情報を生成する生成工程と、
を含むことを特徴とする情報処理方法。

【請求項10】

配信対象となる複数の広告のいずれかを選択した利用者が行った対象行動に関する統計情報と、前記広告のいずれかを選択した利用者のうち許諾を得た許諾利用者による対象行動の有無を示す許諾行動情報とを取得する取得手順と、
前記取得手順によって取得された前記統計情報と前記許諾行動情報とに基づいて、前記広告のいずれかを選択した各利用者が対象行動を行った確度を示す確度情報を生成する生成手順と、
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】

従来、インターネットを介した広告配信においては様々な指標が用いられている。例えば、ＣＶＲ（Conversion Rate；「コンバージョン率」ともいう）等の様々な指標を用いて広告配信の効果を測定する技術が知られている（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２０１８－１１６３４５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、近年では、個人情報を保護する観点から利用者情報の匿名化が求められる。規制下においては、コンバージョン計測に必要な情報が得られない場合があり、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を推定することが望まれる。

【0005】

本発明は、上記に鑑みてなされたものであって、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を生成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、配信対象となる複数の広告のいずれかを選択した利用者が行った対象行動に関する統計情報と、前記広告のいずれかを選択した利用者のうち許諾を得た許諾利用者による対象行動の有無を示す許諾行動情報とを取得する取得部と、前記取得部によって取得された前記統計情報と前記許諾行動情報とに基づいて、前記広告のいずれかを選択した各利用者が対象行動を行った確度を示す確度情報を生成する生成部と、を備える。

【発明の効果】

【0007】

本発明によれば、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を生成することができる。

【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システム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の一例を示す図である。

【図3】図３は、実施形態に係る情報処理装置の一例を示すブロック図である。

【図4】図４は、実施形態に係るコンバージョンデータベースの一例を示す図である。

【図5】図５は、実施形態に係る予測値を用いた確度情報の一例を示す図である。

【図6】図６は、実施形態に係る情報処理装置が実行する処理手順の一例を示すフローチャートである。

【図7】図７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］
〔１．１．情報処理システム〕
まず、図１および図２を用いて、実施形態に係る情報処理システムおよび情報処理の概要について説明する。図１は、実施形態に係る情報処理システムの一例を示す図である。図２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に示すように、実施形態に係る情報処理システム１は、ネットワークＮによって接続された利用者端末５０と、情報処理装置１００と、広告主サーバ２００とを有する。なお、図１では、情報処理システム１に含まれる利用者端末５０、情報処理装置１００および広告主サーバ２００がそれぞれで１台である場合について示しているが、利用者端末５０、情報処理装置１００および広告主サーバ２００がそれぞれ複数台含まれるようにしてもよい。

【0012】

図１に示す情報処理装置１００は、各種Ｗｅｂサービスに関するコンテンツを利用者端末５０へ提供する情報処理装置である。たとえば、情報処理装置１００は、広告主から入稿された配信広告をＷｅｂサービスに関するコンテンツとともに利用者端末５０へ配信する。

【0013】

また、情報処理装置１００は、利用者端末５０へ提供した配信広告のコンバージョン（以下、ＣＶとも記載する）を計測する。そして、情報処理装置１００は、計測したコンバージョンに応じて、各配信広告のＣＶＲ（Conversion Rate）を最適化する。例えば、情報処理装置１００は、各リクエストを各属性に分類し、属性毎のコンバージョンを学習データとして機械学習を行うことで、コンバージョンの最適化を図る。

【0014】

例えば、リクエストの属性は、リクエスト元の利用者（例えば、サイコグラフィック属性やデモグラフィック属性）、広告が配信される配信枠や配信面の種別、ＵＲＬ、および、ドメイン、過去の実績などに応じて、任意に分類することができる。なお、図１の例では、キャンペーンＩＤ「Ｃａｍｐ.1」で識別される配信広告に対しリクエストＩＤ「ｒ１～ｒ３」で識別されるリクエストがあったことを示す。

【0015】

また、図１の例では、各リクエストｒ１～ｒ３は、それぞれ属性ｆ１～ｆ３に分類されることを示している。なお、「ｆ１～ｆ３」は、対応する属性の特徴量のインデックスを示し、当該インデックスに対応する特徴量を用いて、上記の機械学習が行われる。

【0016】

利用者端末５０は、利用者が所有する端末である。たとえば、利用者端末５０は、情報処理装置１００から配信されるコンテンツを配信広告とともに表示する。利用者端末５０は、たとえば、スマートフォン、タブレット端末、パソコン、ウェアラブル端末など、各種のクライアント端末である。

【0017】

また、利用者端末５０は、コンテンツとともに表示した配信広告が利用者によってクリックされた場合に、コンテンツから広告主が運営する広告主サイトへ移動する。そして、利用者端末５０は、広告主サイトにおいて所定のコンバージョンが行われた場合に、コンバージョン情報を情報処理装置１００へと送信する。これにより、情報処理装置１００では配信広告のコンバージョンを計測することができる。

【0018】

広告主サーバ２００は、広告主の広告主サイトを運営するサーバ装置である。たとえば、広告主サーバ２００は、利用者端末５０によるアクセスに応じて広告主サイトを利用者端末５０へ提供する。

【0019】

〔１．２．情報処理の一例〕
ところで、近年では、プラットフォーマーによるいわゆるＩＴＰ（Intelligent Tracking Prevention）の搭載によって３ｒｄ Ｐａｒｔｙ Ｃｏｏｋｉｅ等の利用が制限されてきている。

【0020】

このような制約下において、広告配信においても個人情報の匿名化が求められる。そのため、情報処理装置１００は、各利用者による広告主サイトにおける行動をトラッキングすることができなくなりつつあり、これまで可能であったリクエスト単位でコンバージョンを計測できなくなりつつある。

【0021】

このような背景のもと、コンバージョンに関する情報の一部が欠損する場合がある。例えば、従来であれば、図１のグラフに示すように、情報処理装置１００は、各利用者の行動をトラッキングすることで、キャンペーンＩＤ、リクエストＩＤ（リクエストの属性を含む）およびＣＶ（コンバージョン）をそれぞれ紐づけて計測することができる。

【0022】

一方で、ＩＴＰの搭載によって、例えば、実際には、コンバージョンが発生したリクエストであっても、そのコンバージョンが欠損する場合がある。図１に示す例では、リクエストｒ３においてコンバージョンが発生にもかかわらず、コンバージョンの有無が不明であり、本来「１」であるコンバージョンが「０」となった場合を示している。なお、トラッキングを許諾した許諾利用者については、従来通り、リクエスト単位で、コンバージョンを計測することができる。図１では、リクエストｒ１が許諾利用者によって行われたリクエストであり、リクエストｒ１で「１回」のコンバージョンを計測したものとする。

【0023】

また、情報処理装置１００は、リクエストよりも粒度が荒いキャンペーン単位の粒度でコンバージョン数を取得することができ、これらの情報を用いて、各リクエストでコンバージョンが発生した確度を示す確度情報を生成することとした。

【0024】

例えば、図２に示すように、キャンペーン単位のコンバージョン数が「２」であり、各リクエストｒ１～ｒ３で計測されたコンバージョン数の総和が「１」だったとする。この場合、コンバージョンが欠損していないリクエストｒ１を除き、リクエストｒ２またはリクエストｒ３のいずれかで「計１回」のコンバージョンが発生したことになる。

【0025】

つまり、リクエストｒ２またはリクエストｒ３のいずれかでコンバージョンに欠損が生じたことになる。そのため、情報処理装置１００は、欠損箇所に対して、コンバージョンが発生した確度を示す確度情報を生成する。なお、ここでの欠損とは、コンバージョンの有無が不明であることを示す。

【0026】

具体的には、図２に示すように、例えば、情報処理装置１００は、コンバージョンが欠損したおそれのあるリクエストｒ２またはリクエストｒ３のコンバージョン（ＣＶ）に対し数値を割り当てる。図２に示す例では、計１回のコンバージョン数をコンバージョンの欠損数（リクエストｒ２およびリクエストｒ３）でそれぞれ等分した「１／２」を割り当てた場合を示す。

【0027】

つまり、情報処理装置１００は、リクエストｒ２およびリクエストｒ３については、それぞれ「１／２回」のコンバージョンが発生したと見積もり、欠損箇所を補間する。なお、情報処理装置１００は、予測モデルを用いて確度情報を生成することも可能である。予測モデルは、例えば、ＩＴＰの搭載前のコンバージョンの履歴や、許諾利用者によるデータを用いて、属性毎のリクエストとコンバージョンとの関係性を学習したモデルである。

【0028】

そして、情報処理装置１００は、欠損箇所を補間した情報を用いて、機械学習処理を行う。ここでの機械学習処理により生成されるモデルは、配信モデルは、ＣＶＲ（Conversion Rate）が最適化されるように属性毎のコンバージョンと、配信する広告との関係性を学習したモデルである。

【0029】

例えば、後述するように、情報処理装置１００は、配信モデルを用いて、各利用者端末５０に対し配信する広告を決定することで、各配信広告のＣＶＲの最適化を図ることができる。

【0030】

このように、実施形態に係る情報処理装置１００は、コンバージョンの欠損箇所ついて、各利用者が所定の行動を行う確度を示す情報を生成する。したがって、実施形態に係る情報処理装置１００によれば、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を生成することができる。

【0031】

〔２．情報処理装置の構成例〕
次に、図３を用いて、情報処理装置１００の構成例について説明する。図３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３に示すように、情報処理装置１００は、通信部１１０と、制御部１２０と、記憶部１３０とを有する。

【0032】

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、４Ｇ（Generation）、５Ｇ、ＬＴＥ（Long Term Evolution）、ＷｉＦｉ（登録商標）若しくは無線ＬＡＮ（Local Area Network）等といった各種の無線通信網若しくは各種の有線通信網といったネットワークＮを介して、外部装置との間で情報の送受信を行う。

【0033】

記憶部１３０は、例えば、ＲＡＭ、フラッシュメモリ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。また、記憶部１３０は、広告情報データベース１３１、コンバージョンデータベース１３２、補間情報データベース１３３および配信モデルデータベース１３４を有する。

【0034】

広告情報データベース１３１は、広告主から配信を依頼された配信広告に関する各種広告情報を記憶するデータベースである。広告情報は、たとえば、配信広告として表示するコンテンツ（画像、映像、音声等）、配信条件（配信ターゲット）、配信目標数、目標コンバージョン単価、ランディングページのＵＲＬに関する情報が含まれる。

【0035】

コンバージョンデータベース１３２は、コンバージョンに関する情報を記憶するデータベースである。コンバージョンに関する情報は、例えば、各属性のインデックス（例えばｆ１～ｆ３）と、リクエストおよびコンバージョン数を対応付けた情報である。

【0036】

図４は、実施形態に係るコンバージョンデータベース１３２の一例を示す図である。図４に示すように、コンバージョンデータベース１３２は、「キャンペーンＩＤ」、「リクエストＩＤ」、「属性ＩＤ」および「コンバージョン(ＣＶ)」といった項目の情報を互いに対応付けて記憶する。なお、ここでは、説明便宜のため、１つの「キャンペーンＩＤ」に関する情報を示している。

【0037】

「キャンペーンＩＤ」は、配信する広告のキャンペーンを識別するための識別子であり、「リクエストＩＤ」は、各リクエストを識別するための識別子である。「属性ＩＤ」は、各属性を識別するための識別子（インデックス）である。なお、図４の例では、属性が「ｆ１～ｆ３」の３つである場合について示しているが、これに限定されるものではない。「コンバージョン」は、対応するリクエストのコンバージョンの有無を示し、例えば、対応するリクエストにおいてコンバージョンが発生した場合に「１」、コンバージョンが発生していない場合に「０」となる。なお、例えば、１つのリクエストで複数のコンバージョンが発生する場合、「コンバージョン」は、対応するコンバージョン数となる。

【0038】

例えば、図４では、リクエストｒ１１が属性ＩＤ「ｆ１」の属性に含まれ、リクエストｒ１２が属性ＩＤ「ｆ２」の属性に含まれることを示している。また、図４では、リクエストｒ１１で１回のコンバージョンが発生したことを示し、リクエストｒ１２あるいはリクエストｒ１３においては、コンバージョンが発生していない、あるいは、コンバージョンが欠損していることを意味している。

【0039】

図３の説明に戻り、補間情報データベース１３３について説明する。補間情報データベース１３３は、補間情報を記憶するデータベースである。補間情報は、コンバージョンデータベース１３２において、欠損したコンバージョンに関する情報を補間した情報である。

【0040】

配信モデルデータベース１３４について説明する。配信モデルデータベース１３４は、配信モデルを記憶するデータベースである。配信モデルは、ＣＶＲ（Conversion Rate）が最適化されるように配信広告と、属性毎のコンバージョンとの関係性を学習したモデルである。

【0041】

例えば、後述するように、情報処理装置１００は、配信モデルを用いて、各利用者端末５０による各リクエストに対し配信する広告を選択することで、各配信広告のＣＶＲの最適化を図ることができる。

【0042】

制御部１２０は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置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１２０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。

【0043】

図３に示すように、制御部１２０は、取得部１２１と、生成部１２２と、学習部１２３と、配信部１２４と、提供部１２５とを有する。

【0044】

取得部１２１は、利用者端末５０から各種情報を取得する。取得部１２１が取得する情報は、たとえば、配信広告に対するリクエストや、配信広告へのアクセスに関する情報等が含まれる。

【0045】

また、取得部１２１は、配信対象となる複数の広告のいずれかを選択した利用者が行った所定の行動に関する統計情報を取得する。また、取得部１２１は、広告のいずれかを選択した利用者のうち許諾を得た許諾利用者による所定の行動の有無を示す許諾行動情報を取得する。

【0046】

ここでの統計情報は、例えば、キャンペーン単位のコンバージョン数に関する情報であり、許諾行動情報は、許諾利用者によるリクエスト単位のコンバージョンに関する情報である。

【0047】

生成部１２２は、取得部１２１によって取得された統計情報および許諾行動情報に基づいて、広告のいずれかを選択した各利用者が所定の行動を行う確度を示す情報を生成する。すなわち、生成部１２２は、各利用者のコンバージョンに至る確度を示す情報を生成する。

【0048】

まず、生成部１２２は、対象となるキャンペーンの総コンバージョン数と、各リクエストで計測されたコンバージョン数との差分を算出する。なお、キャンペーンの総コンバージョン数は、統計情報から取得することができ、各リクエストで計測されたコンバージョン数は、許諾行動情報から取得することができる。

【0049】

例えば、キャンペーンＩＤの総コンバージョン数が「５」、各リクエストで計測されたコンバージョンの総数が「２」であれは、差分は「５－２＝３」となる。

【0050】

つづいて、生成部１２２は、コンバージョンデータベース１３２においてコンバージョンが欠損している（ＣＶ＝「０」）コンバージョンに対して確度を示す情報を生成する。

【0051】

例えば、既に説明したように、生成部１２２は、算出した差分をコンバージョンが「０」に対応する欠損数で等分した値をコンバージョンに至る確度を示す情報として生成する。

【0052】

また、生成部１２２は、予測モデルによる予測値をコンバージョンに至る確度を示す情報として生成するようにしてもよい。例えば、予測モデルは、ＩＴＰ搭載前のデータあるいは許諾利用者のデータを用いて、リクエストと、コンバージョンとの関係性を学習したモデルである。

【0053】

例えば、生成部１２２は、コンバージョンデータベース１３２においてコンバージョンが「０」である各リクエストに関する情報を予測モデルへ入力することで、各リクエストでコンバージョンに至る確度を示す情報として生成する。

【0054】

図５は、実施形態に係る予測値を用いた確度情報の一例を示す図である。例えば、図５に示すように、キャンペーンの総コンバージョン数が「２」であり、各リクエストのコンバージョンの総数が「１」であるとする。

【0055】

この場合、キャンペーンの総コンバージョン数と各リクエストで計測したコンバージョンの総数との差分が「２－１＝１」となり、生成部１２２は、コンバージョンが欠損したおそれのあるコンバージョンが「０」に対応する各リクエストに関する情報（例えば、各リクエストの属性に関する情報）を予測モデルへ入力することで、各リクエストにおけるコンバージョンの予測値を算出する。

【0056】

つまり、この場合、予測モデルによってコンバージョンに至った可能性が高いと予測されるリクエストほど、予測値が高くなることなる。なお、生成部１２２は、例えば、許諾利用者のデータを考慮してコンバージョンに至った確度情報を生成するようにしてもよい。

【0057】

例えば、コンバージョンが「０」であるリクエストｒ２２が許諾利用者のデータである場合には、リクエストｒ２２ではコンバージョンに至った可能性は低く、予測値を「０」にする、あるいは、他のリクエストに対して限りなく低い値にするようなど、許諾利用者のデータとトラッキングを許諾していない利用者のデータとで重み付けを行うようにしてもよい。

【0058】

図３の説明に戻り、学習部１２３について説明する。学習部１２３は、生成部１２２によって生成された情報に基づいて、各広告を選択した利用者が所定の行動を行う確度を推定するモデルの学習を行う。

【0059】

つまり、学習部１２３は、補間情報データベース１３３に格納された補間情報に基づいて、配信モデルデータベース１３４に格納された配信モデルの学習を行う。つまり、学習部１２３は、配信モデルを逐次更新していくことで、ＣＶＲの最適化を逐次図ることができる。

【0060】

配信部１２４は、利用者端末５０によるリクエストに対して配信広告を配信する。たとえば、配信部１２４は、リクエストに対応する属性に関する情報を配信モデルに入力することで、利用者端末５０へ配信する配信広告を決定する。そして、配信部１２４は、リクエストに対して配信する配信広告（キャンペーン）を決定すると、リクエスト元となる利用者端末５０に対して配信広告を配信する。

【0061】

提供部１２５は、広告主に対して広告主レポートを提供する。例えば、提供部１２５は、補間情報データベース１３３に格納された補間情報を用いて、ＣＶやＣＶＲに関する情報を含むレポートを生成する。提供部１２５によって生成された広告主レポートは、通信部１１０を介して、各広告主へ提供される。

【0062】

〔３．処理フロー〕
次に、図６を用いて、実施形態に係る情報処理装置１００が実行する処理手順について説明する。図６は、実施形態に係る情報処理装置１００が実行する処理手順を示すフローチャートである。

【0063】

図６に示すように、まず、情報処理装置１００は、統計情報および許諾行動情報を取得する（ステップＳ１０１）。つづいて、情報処理装置１００は、ステップＳ１０１で取得した統計情報および許諾行動情報に基づいて、欠損箇所それぞれに確度を示す情報を生成する（ステップＳ１０２）。

【0064】

つづいて、情報処理装置１００は、ステップＳ１０２で生成した確度を示す情報を含む補間情報に基づいて配信モデルの学習を行う（ステップＳ１０３）。また、情報処理装置１００は、ステップＳ１０２で生成した確度を示す情報を含む補間情報に基づいて、広告主宛にレポートを提供する（ステップＳ１０４）。そして、情報処理装置１００は、一連の処理を終了する。

【0065】

〔４．変形例〕
ところで、上述した実施形態では、対象行動がコンバージョンである場合について説明しが、これに限定されるものではない。対象行動は、資料請求など任意の行動であってもよい。

【0066】

〔５．効果〕
上述した実施形態に係る情報処理装置１００は、配信対象となる複数の広告のいずれかを選択した利用者が行った対象行動に関する統計情報と、前記広告のいずれかを選択した利用者のうち許諾を得た許諾利用者による対象行動の有無を示す許諾行動情報とを取得する取得部１２１と、取得部１２１によって取得された統計情報と許諾行動情報とに基づいて、広告のいずれかを選択した各利用者が対象行動を行った確度を示す確度情報を生成する生成部１２２と、を備える。

【0067】

また、情報処理装置１００は、生成部１２２によって生成された確度情報と、許諾行動情報とに基づいて、各広告を選択した利用者が対象行動を行う確度を推定するモデルを学習する学習部１２３を備える。

【0068】

また、生成部１２２は、統計情報が示す対象行動数と許諾行動情報が示す対象行動数との差分が確度の総和となるように確度情報を生成する。また、生成部１２２は、広告に対する各利用者の選択履歴に対し前記許諾利用者による対象行動の有無を対応付けた対応情報において、対象行動の有無が不明な不明箇所の確度情報を生成する。

【0069】

また、生成部１２２は、確度の総和を不明箇所の数で等分した値を不明箇所それぞれの前記確度情報として生成する。また、生成部１２２は、対象行動の有無に関する過去の実測値を学習した予測モデルによる予測値を確度情報として生成する。

【0070】

また、生成部１２２は、利用者の属性単位で確度情報を生成する。生成部１２２は、広告が配信される配信面、ＵＲＬ、および、ドメインの少なくともいずれか一つを用いて分類したグループ単位で確度情報を生成する。

【0071】

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、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を生成することができる。

【0072】

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置１００は、例えば図７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７は、実施形態に係る情報処理装置１００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。

【0073】

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

【0074】

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワーク（通信ネットワーク）Ｎを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ送信する。

【0075】

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置（図７では、出力装置および入力装置を総称して「入出力装置」と記載する）を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

【0076】

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えば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、または半導体メモリ等である。

【0077】

例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００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１２０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

【0078】

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

【0079】

〔７．その他〕
また、上記実施形態及び変形例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。

【0080】

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、その全部または一部を、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または物理的に分散・統合して構成することができる。

【0081】

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。

【0082】

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】

【0083】

１ 情報処理システム
５０ 利用者端末
１００ 情報処理装置
１１０ 通信部
１２０ 制御部
１２１ 取得部
１２２ 生成部
１２３ 学習部
１２４ 配信部
１２５ 提供部
１３０ 記憶部
１３１ 広告情報データベース
１３２ コンバージョンデータベース
１３３ 補間情報データベース
１３４ 配信モデルデータベース
２００ 広告主サーバ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】