モデル生成装置及び方法
【課題】サンプル数が十分でないキーワードについても、入札額に基づいて広告の表示順位を予測する予測モデルを生成可能なモデル生成装置及び方法を提供すること。
【解決手段】モデル生成装置（１）は、入札ログデータベース（２）に記憶された全キーワードの実績データに基づいて、入札額の変化に対する表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算部（３）と、算出した共通パラメータβ及びキーワード毎の最新の実績データに基づいて、キーワード毎に固有の個別パラメータαを算出する第２演算部（４）と、を備え、算出した共通パラメータβと個別パラメータαとを用いて、入札額から広告の表示順位を予測する予測モデルをキーワード毎に生成する。
【解決手段】モデル生成装置（１）は、入札ログデータベース（２）に記憶された全キーワードの実績データに基づいて、入札額の変化に対する表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算部（３）と、算出した共通パラメータβ及びキーワード毎の最新の実績データに基づいて、キーワード毎に固有の個別パラメータαを算出する第２演算部（４）と、を備え、算出した共通パラメータβと個別パラメータαとを用いて、入札額から広告の表示順位を予測する予測モデルをキーワード毎に生成する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、入札額に基づいて広告の表示順位を予測する予測モデルを、検索サイトにおいて検索クエリとして用いられるキーワード毎に生成するモデル生成装置及び方法に関する。
【背景技術】
【０００２】
従来、ユーザは、所望の情報やサイトを検索するとき、一般的に検索サイトを利用している。検索サイトでは、ユーザが検索クエリ（以下、「キーワード」とする）を所定のスペースに入力すると、検索結果を表示し、ユーザが所望するサイトを提示する。このとき、検索サイトでは、検索結果を表示するページ内の一部の領域を広告欄として販売することで運営が行われている。
【０００３】
広告欄を購入する企業（広告主）は、広告を掲載することで自己のホームページへ多数のユーザが訪問することを望むものであり、そのために広告の露出する確率を高くすることが考えられる。しかしながら、ホームページへの訪問にはクリックという能動的作業を伴う以上、ユーザが積極的な興味や関心を持たなければ自己のホームページへの訪問が適切に行われない。
【０００４】
そこで、近年の検索サイトでは、ユーザの興味に適合した広告を掲載すべく、キーワードに対応した広告を検索結果ページに露出させる検索連動型広告や、ユーザが閲覧したり検索したりしたホームページの内容に応じて広告を露出させるコンテンツ連動型広告といった手法が行われている（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特表２００５−５３７５９１号公報
【０００６】
ここで、掲載した広告について、広告主が必要とするユーザの訪問数は、広告主の事業規模や対象商品（サービス）あるいは広告の目的によって異なり、少数のユーザに訪問されれば十分な広告もある一方で、多数のユーザから訪問されることを必要とする広告も存在する。そのため、検索サイトの運営者には、広告主のニーズにあった広告を適切に掲載することが要求される。
【０００７】
この点について、近年では、広告の掲載される順位（以下、「広告の表示順位」とする）が広告のクリックされる確率と相関することが経験的に知られている。広告の表示順位は、広告の料金（入札額）によって異なるものであるため、入札額に基づいて広告の表示順位を予測する予測モデル（ｂｉｄ−ｒａｎｋモデル）を生成することができれば、広告主のニーズにあった広告を適切に掲載（適切な優先順位で掲載）することができる。
【発明の概要】
【発明が解決しようとする課題】
【０００８】
ところで、検索サイトでは、全てのキーワードが同じ頻度で入力されるのではなく、キーワード毎に入力される頻度が異なる。すなわち、キーワードの中には、頻繁に入力されるキーワードもあれば、ほとんど入力されることのないキーワードも含まれる。この点、広告主からすると、頻繁に入力されるキーワードに対応した広告を掲載すれば、自己の広告も頻繁に露出することを期待できる一方で、ほとんど入力されることのないキーワードに対応した広告を掲載すれば、自己の広告の露出を期待できなくなる。そのため、上記検索連動型広告のようにキーワードに対応した広告を掲載する場合、広告主にとって人気のキーワードもあれば、広告主に人気のないキーワードも存在することになる。
【０００９】
ここで、信頼性のある予測モデルの生成には一定数のサンプルが求められるが、キーワード毎に人気が異なる現状では、予測モデルの生成に十分なサンプルが得られないキーワードも存在することになる。
【００１０】
そこで、本発明は、サンプル数が十分でないキーワードについても、入札額に基づいて広告の表示順位を予測する予測モデルを生成可能なモデル生成装置及び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】
【００１１】
（１） 検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、前記入札額に応じて変化する広告の表示順位を予測する予測モデルを、前記キーワード毎に生成するモデル生成装置であって、前記入札額と前記表示順位との関係を示す実績データを、前記キーワード毎に記憶する入札ログデータベースと、前記入札ログデータベースに記憶された全キーワードの実績データに基づいて、前記入札額の変化に対する前記表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算部と、前記第１演算部が算出した前記共通パラメータβ、及び前記入札ログデータベースに記憶されたキーワード毎の最新の実績データに基づいて、キーワード毎の入札額の単位を示すパラメータであって、キーワード毎に固有の個別パラメータαを算出するとともに、前記予測モデルを生成する第２演算部と、を備えるモデル生成装置。
【００１２】
（２） 前記第１演算部は、前記入札ログデータベースに記憶された実績データのうち、前記入札額に変化のあったタイミングの実績データに基づいて、前記共通パラメータβを算出する、（１）に記載のモデル生成装置。
【００１３】
（３） 前記第１演算部は、前記変化のあった前後の実績データの比率を用いて、前記共通パラメータβを算出する、（２）に記載のモデル生成装置。
【００１４】
（４） 検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、前記入札額に応じて変化する広告の表示順位を予測する予測モデルを、前記キーワード毎に生成する方法であって、コンピュータが実行する、前記入札額と前記表示順位との関係を示す実績データを、前記キーワード毎に記憶する入札ログデータベースを参照して、前記入札額の変化に対する前記表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算ステップと、前記第１演算ステップで算出した前記共通パラメータβ、及び前記入札ログデータベースに記憶されたキーワード毎の最新の実績データに基づいて、キーワード毎の入札額の単位を示すパラメータであって、キーワード毎に固有の個別パラメータαを算出するとともに、前記予測モデルを生成する第２演算ステップと、を含む方法。
【発明の効果】
【００１５】
本発明によれば、サンプル数が十分でないキーワードについても、入札額に基づいて広告の表示順位を予測する予測モデルを生成することができる。
【図面の簡単な説明】
【００１６】
【図１】本発明のモデル生成装置が生成する予測モデルの概要を示す図である。
【図２】本発明のモデル生成装置の構成を示すブロック図である。
【図３】入札ログデータベースの一例を示す図である。
【図４】モデル生成装置の予測モデル生成処理の流れを示すフローチャートである。
【図５】予測モデル生成処理における第１演算部の動作例を示す図である。
【図６】予測モデル生成処理における第２演算部の動作例を示す図である。
【発明を実施するための形態】
【００１７】
以下、本発明のモデル生成装置１の実施形態について図面を参照して説明する。
【００１８】
［モデル生成装置１の概要］
本発明のモデル生成装置１は、入札額から広告の表示順位を予測する予測モデルを、検索サイトにおいて検索クエリとして用いられるキーワード毎に生成する。すなわち、本発明のモデル生成装置１は、検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、入札額に応じて変化する広告の表示順位を予測する予測モデルを、キーワード毎に生成する。
ここで、広告の表示順位と入札額との関係は、入札額が高くなれば広告の表示順位も併せて高くなることが一般であるが、入札額の変化に対応する表示順位の変化は、一定ではなく、図１（１）に示すような曲線の関係を示す。すなわち、表示順位が高いところでは、入札額に若干の変化があったとしても表示順位はそれほど変化しないが、表示順位が低いところでは、入札額が若干変化しただけで表示順位も大きく変化することになる。このような表示順位と入札額との関係は、広告主の興味が表示順位に帰結することから、キーワードの種別に関わらず共通する。
【００１９】
そのため、本発明者は、表示順位（ｒａｎｋ）と入札額（ｂｉｄ）との関係として、以下の式（１）で示される関係を特定した。
【数１】
・・・（１）
式（１）において、βは、入札額の変化に対する表示順位の変化を示す全キーワードに共通した共通パラメータであり、αは、キーワード毎に固有の個別パラメータである。
ここで、広告主に人気のあるキーワードであればあるほど、人気のないキーワードに比べて入札額が高くなるため、図１（１）に示すグラフでは、入札額の軸の目盛りの単位は、キーワードの種別によって異なることになる。例えば、人気のあるキーワードは、１目盛り「１０００円」であるのに対し、人気のないキーワードは、１目盛り「５０円」などのようになる。個別パラメータαは、このようなキーワード毎の入札額の単位（スケール）の違いを示すパラメータである。
【００２０】
本実施形態では、全キーワードに共通した共通パラメータβを用いることで、表示順位と入札額との関係を特定する一方で、個別パラメータαを用いることで、キーワードにあった適切なスケールに調整することとしている。
【００２１】
なお、本実施形態では、図１（２）に示すように、表示順位及び入札額の自然対数を用いた式（２）により、共通パラメータβ及び個別パラメータαを算出することとしている。
【数２】
・・・（２）
【００２２】
［モデル生成装置１の構成］
続いて、図２を参照して、本発明のモデル生成装置１の構成について説明する。
モデル生成装置１は、入札ログデータベース２と、第１演算部３と、第２演算部４と、予測モデルデータベース５と、を含んで構成される。
このとき、モデル生成装置１は、第１演算部３において共通パラメータβ（すなわち、全キーワードに共通する表示順位と入札額との関係）を算出し、第２演算部４において個別パラメータα（すなわち、キーワード毎のスケールの調整）を算出することで、予測モデルを生成する。
【００２３】
入札ログデータベース２は、入札額と表示順位との関係を示す実績データを、キーワード毎に記憶する。ここで、入札ログデータベース２の一例を図３（１）に示す。図３（１）に示すように、入札ログデータベース２には、キーワード毎に、所定の広告主の入札額及び表示順位が実績データとして時系列順に記憶されている。
ここで、入札ログデータベース２に記憶された実績データの一部（広告主Ａ、キーワードａの実績データ）を図３（２）に示す。図３（２）に示すように、入札ログデータベース２には、実績データとして入札額の変化と表示順位の変化との関係が記憶されている。図３（２）の実績データ２１を参照すると、入札額（ｂｉｄ）は「３００円」で一定であるのに、表示順位（ｒａｎｋ）は「３位→４位」に変化している。一方、実績データ２２を参照すると、入札額は「３００円→３５０円→３００円」と変化しているのに、表示順位は「４位」のまま一定である。これは、広告主Ａ以外の広告主がキーワードａに対して入札を行った結果として生じるものである。すなわち、広告主Ａの入札額が一定であるといっても、他の広告主との関係で表示順位が変化してしまう場合があり、また、広告主の入札額に変化があったとしても、他の広告主との関係で表示順位が変化しない場合があるためである。
【００２４】
図２に戻り、第１演算部３は、共通パラメータβを算出するため、サンプル抽出手段３１と、共通パラメータ算出手段３２と、を含んで構成される。
【００２５】
サンプル抽出手段３１は、入札ログデータベース２に記憶された全キーワードの実績データを予測モデル生成のためのサンプルとして抽出する。このとき、サンプル抽出手段３１は、入札ログデータベース２に記憶された実績データのうち、入札額に変化のあった日時の実績データをサンプルとして抽出する。
図３（２）を参照して、例えば、実績データ２３は入札額に変化のある実績データであり、実績データ２４は入札額に変化のない実績データであるため、サンプル抽出手段３１は、実績データ２３をサンプルとして抽出する。このとき、サンプル抽出手段３１は、変化の前後の実績データをサンプルとして抽出する。すなわち、変化前の実績データとして、入札額（古）「３５０円」、表示順位（古）「２位」、変化後の実績データとして、入札額（新）「３００円」、表示順位（新）「３位」をサンプルとして抽出する。
このように、サンプル抽出手段３１は、入札額に変化のあった実績データのみをサンプルとして抽出し、入札額に変化のない実績データについては、たとえ表示順位に変化があったとしてもサンプルとして抽出しない。入札額に変化がないにも関わらず、表示順位に変化があった場合には、他の広告主が入札額を変化させているためであり、他の広告主の実績データをサンプルとして抽出すれば足りるためである。これにより、全キーワードの実績データを対象としつつも、入札額に変化のない実績データをサンプルとして抽出することがないため、処理の軽減を図ることができる。
【００２６】
共通パラメータ算出手段３２は、サンプル抽出手段３１が抽出したサンプルに基づいて、共通パラメータβを算出する。このとき、共通パラメータ算出手段３２は、サンプル抽出手段３１が抽出したサンプルの変化前後のベクトルを考慮することが好ましい。ここで、共通パラメータβの算出方法は、任意の方法により行うことができ、共通パラメータ算出手段３２は、例えば、サンプル抽出手段３１が抽出したサンプルを入力として、最小二乗法などの公知の数理計算による回帰分析により共通パラメータβを算出する。なお、共通パラメータ算出手段３２は、入力としてのサンプルに対して、所定の重み付けをした上で共通パラメータβを算出することとしてもよい。重み付けは、任意の要素に基づいて行うことができ、例えば、入札額の高低に基づいて行う（すなわち、入札額が高いほど重みをおく）こととしてもよく、また、広告の露出度の高低に基づいて行う（すなわち、露出度が高いほど重みをおく）こととしてもよい。
これにより、入札額に基づいて広告の表示順位を予測する予測モデルの共通パラメータβのみを収束計算により算出することができ、予測モデルを表すフィッティング曲線の傾き（形状）が確定する。
【００２７】
ところで、サンプル抽出手段３１は、サンプルとして全キーワードの実績データを抽出することとしている。ここで、実績データの入札額のスケールは、上述のようにキーワードの人気に応じて異なり、入札額のスケールの相違を考慮した上で共通パラメータβを算出することが好ましい。
そこで、本実施形態の共通パラメータ算出手段３２は、サンプルとしてセットされた実績データの変化前後の比率を用いて共通パラメータβを算出することとしている。すなわち、共通パラメータ算出手段３２は、「入札額（新）／入札額（古）」を入力として、所定の重み付け回帰分析を行うことで共通パラメータβを算出する。
これにより、キーワード毎の入札額のスケールの相違を解消することができ、より適切な共通パラメータβを算出することができる。
【００２８】
続いて、第２演算部４は、個別パラメータαを算出するとともに、共通パラメータβ及び個別パラメータαを用いて上記予測モデルを生成するため、キーワード別サンプル抽出手段４１と、個別パラメータ算出手段４２と、モデル生成手段４３と、を含んで構成される。
【００２９】
キーワード別サンプル抽出手段４１は、入札ログデータベース２に記憶された実績データのうち、予測モデル生成対象のキーワードの最新の実績データ（入札額、表示順位）をサンプルとして抽出する。ここで、最新のタイミングについては、適宜設定することができるが、予測モデルを毎時生成する必要がないことから、前日の実績データを最新の実績データとして抽出することが好ましい。
【００３０】
個別パラメータ算出手段４２は、第１演算部３（共通パラメータ算出手段３２）が算出した共通パラメータβ、及びキーワード別サンプル抽出手段４１がサンプルとして抽出した最新の実績データに基づいて、キーワード毎に個別パラメータαを算出する。すなわち、個別パラメータ算出手段４２は、上記式１，２において、ｒａｎｋ＝実績データ（表示順位）、ｂｉｄ＝実績データ（入札額）、共通パラメータβ＝第１演算部３の算出結果とし、個別パラメータαを算出する。
【００３１】
モデル生成手段４３は、算出した共通パラメータβ及び個別パラメータαに基づいて、上記式１の予測モデルをキーワード毎に生成し、予測モデルデータベース５に記憶する。
【００３２】
これにより、検索サイトにおいて検索クエリとして用いられるキーワード毎に、入札額に基づいて広告の表示順位を予測する予測モデルを生成することができる。すなわち、共通する表示順位と入札額との関係（共通パラメータβ）を有しつつ、キーワード毎の個別のスケール（個別パラメータα）で調整された予測モデルを、キーワード毎に生成することができる。
このとき、キーワード毎の個別パラメータαについては、最新の実績データのみを用いれば足りるため、サンプル数の少ないキーワードであっても適切な予測モデル（個別パラメータα）を生成することができる。すなわち、第１演算部３において、既に共通パラメータβ（フィッティング曲線の傾き）が算出されているため、最新の実績データとして少なくとも１つの実績データがあれば足り（もちろん、複数の実績データを用いることとしてもよい）、キーワード毎のサンプル数に関わらず適切な予測モデル生成することができる。
【００３３】
［モデル生成装置１のハードウェア構成］
以上説明したモデル生成装置１のハードウェアは、１又は複数の一般的なコンピュータによって構成することができる。一般的なコンピュータは、例えば、制御部として、中央処理装置（ＣＰＵ）を備える他、記憶部として、メモリ（ＲＡＭ、ＲＯＭ）、ハードディスク（ＨＤＤ）及び光ディスク（ＣＤ、ＤＶＤなど）を、ネットワーク通信装置として、各種有線及び無線ＬＡＮ装置を、表示装置として、例えば、液晶ディスプレイ、プラズマディスプレイなどの各種ディスプレイを、入力装置として、例えば、キーボード及びポインティング・デバイス（マウス、トラッキングボールなど）を適宜備え、これらは、バスラインにより接続されている。このような一般的なコンピュータにおいて、ＣＰＵは、モデル生成装置１を統括的に制御し、各種プログラムを適宜読み出して実行することにより、上述したハードウェアと協働し、本発明に係る各種機能を実現している。
【００３４】
［モデル生成装置１の処理］
続いて、図４〜図６を参照して、モデル生成装置１の予測モデル生成処理について説明する。図４は、予測モデル生成処理の流れを示すフローチャートであり、図５は、予測モデル生成処理における第１演算部３の動作例を示し、図６は、予測モデル生成処理における第２演算部４の動作例を示す。
【００３５】
図４に示すように、初めに、第１演算部３のサンプル抽出手段３１は、入札ログデータベース２から全キーワードを対象として実績データを抽出する（ステップＳ１）。
具体的には、図５（１）に示すように、サンプル抽出手段３１は、入札額に変化のあったタイミングの実績データ（古・新）を抽出する。このとき、サンプル抽出手段３１が実績データを抽出する期間は、任意に設定することができ、例えば、過去の実績データの全てを対象とすることとしてもよく、処理実行時の直近１月間などとすることとしてもよい。また、例えば、夏に人気のあるキーワード「水着」は、冬に人気がなくなってしまうように、キーワード毎の人気は、季節やシーズンなどによって異なるため、キーワード毎の人気の盛り上がり（ブーム）に応じて、実績データを抽出する期間を調整することとしてもよい。すなわち、処理実行時にキーワードの人気が盛り上がっている状況では、同様に人気が盛り上がっていた他の期間における実績データ（直近や１年前など）を抽出し、また、人気の盛り上がりの終了時には、同様の状況の期間における実績データ（すなわち、直近ではなく、１年前など）を抽出することとしてもよい。
【００３６】
図４に戻り、続いて、第１演算部３の共通パラメータ算出手段３２は、ステップＳ１で抽出した実績データに基づいて、共通パラメータβを算出する（ステップＳ２）。
具体的には、先ず、図５（２）に示すように、共通パラメータ算出手段３２は、ステップＳ１で抽出した変化前後の実績データの比率を算出することで、キーワード毎の入札額のスケールの相違を解消する。その後、図５（３）に示すように、共通パラメータ算出手段３２は、算出した比率を入力として、所定の重み付け回帰分析を行うことで共通パラメータβを算出する。
【００３７】
図４に戻り、続いて、第２演算部４のキーワード別サンプル抽出手段４１は、キーワード毎に最新の実績データを抽出する（ステップＳ３）。
具体的には、図６（１）に示すように、キーワード別サンプル抽出手段４１は、予測モデルを生成するキーワード毎に、最新の実績データを入札ログデータベース２から抽出する。
【００３８】
図４に戻り、続いて、第２演算部４の個別パラメータ算出手段４２は、個別パラメータαを算出する（ステップＳ４）。
具体的には、図６（２）に示すように、上記式１又は２において、ｒａｎｋ＝実績データ（表示順位）、ｂｉｄ＝実績データ（入札額）、共通パラメータβ＝第１演算部３の算出結果（ステップＳ２）とし、個別パラメータαを算出する。
【００３９】
図４に戻り、続いて、第２演算部４のモデル生成手段４３は、ステップＳ２で算出した共通パラメータβ及びステップＳ４で算出した個別パラメータαに基づいて、キーワード毎の予測モデルを生成し、予測モデルデータベース５に記憶し（ステップＳ５）、処理を終了する。
これにより、図６（３）に示すように、キーワード毎に予測モデルを生成することができる。このとき、生成した予測モデルの曲線の形状は、キーワードに関わらず共通であるが、入札額の軸の目盛りの単位（スケール）は、キーワード毎に夫々異なることになる。よって、キーワード毎の入札額のスケールに応じた適切な予測モデルを生成することができる。
【００４０】
［モデル生成装置１の効果］
以上のようなモデル生成装置１によれば、第１演算部３が全てのキーワードに共通する共通パラメータβ（グラフの形状）を全キーワードの実績データから算出する一方で、第２演算部４が個々のキーワードで異なる個別パラメータα（入札額のスケール）をキーワード毎の実績データから算出する。
これにより、入札額の変化に対する表示順位の変化を示す共通パラメータβについては、全キーワードの実績データから算出することになるため、キーワード毎のサンプル数に関わらず、共通パラメータβを算出することができる。一方、キーワード毎に固有の個別パラメータαについては、入札額の変化に対する表示順位の変化（傾向、傾き）が算出されている以上、多量のサンプル数を必要とせず、サンプル数が少ないキーワードであっても、最新の実績データのみから適切な精度の個別パラメータαを算出することができる。よって、キーワード毎のサンプル数に関わらず、入札額に基づいて広告の表示順位を予測する予測モデルを生成することができる。
【００４１】
また、モデル生成装置１では、入札額に変化のない実績データを用いることがないため、全キーワードの実績データを対象とした第１演算部３において、処理の軽減を図ることができる。
また、モデル生成装置１では、全キーワードの実績データを対象とする際に、変化前後の実績データの比率を算出することとしているため、入札額のスケールの相違を解消することができ、適切な予測モデルを生成することができる。
【００４２】
以上、本発明の実施形態について説明したが、本発明は上述した実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。
【符号の説明】
【００４３】
１ モデル生成装置
２ 入札ログデータベース
３ 第１演算部
３１ サンプル抽出手段
３２ 共通パラメータ算出手段
４ 第２演算部
４１ キーワード別サンプル抽出手段
４２ 個別パラメータ算出手段
４３ モデル生成手段
５ 予測モデルデータベース
【技術分野】
【０００１】
本発明は、入札額に基づいて広告の表示順位を予測する予測モデルを、検索サイトにおいて検索クエリとして用いられるキーワード毎に生成するモデル生成装置及び方法に関する。
【背景技術】
【０００２】
従来、ユーザは、所望の情報やサイトを検索するとき、一般的に検索サイトを利用している。検索サイトでは、ユーザが検索クエリ（以下、「キーワード」とする）を所定のスペースに入力すると、検索結果を表示し、ユーザが所望するサイトを提示する。このとき、検索サイトでは、検索結果を表示するページ内の一部の領域を広告欄として販売することで運営が行われている。
【０００３】
広告欄を購入する企業（広告主）は、広告を掲載することで自己のホームページへ多数のユーザが訪問することを望むものであり、そのために広告の露出する確率を高くすることが考えられる。しかしながら、ホームページへの訪問にはクリックという能動的作業を伴う以上、ユーザが積極的な興味や関心を持たなければ自己のホームページへの訪問が適切に行われない。
【０００４】
そこで、近年の検索サイトでは、ユーザの興味に適合した広告を掲載すべく、キーワードに対応した広告を検索結果ページに露出させる検索連動型広告や、ユーザが閲覧したり検索したりしたホームページの内容に応じて広告を露出させるコンテンツ連動型広告といった手法が行われている（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特表２００５−５３７５９１号公報
【０００６】
ここで、掲載した広告について、広告主が必要とするユーザの訪問数は、広告主の事業規模や対象商品（サービス）あるいは広告の目的によって異なり、少数のユーザに訪問されれば十分な広告もある一方で、多数のユーザから訪問されることを必要とする広告も存在する。そのため、検索サイトの運営者には、広告主のニーズにあった広告を適切に掲載することが要求される。
【０００７】
この点について、近年では、広告の掲載される順位（以下、「広告の表示順位」とする）が広告のクリックされる確率と相関することが経験的に知られている。広告の表示順位は、広告の料金（入札額）によって異なるものであるため、入札額に基づいて広告の表示順位を予測する予測モデル（ｂｉｄ−ｒａｎｋモデル）を生成することができれば、広告主のニーズにあった広告を適切に掲載（適切な優先順位で掲載）することができる。
【発明の概要】
【発明が解決しようとする課題】
【０００８】
ところで、検索サイトでは、全てのキーワードが同じ頻度で入力されるのではなく、キーワード毎に入力される頻度が異なる。すなわち、キーワードの中には、頻繁に入力されるキーワードもあれば、ほとんど入力されることのないキーワードも含まれる。この点、広告主からすると、頻繁に入力されるキーワードに対応した広告を掲載すれば、自己の広告も頻繁に露出することを期待できる一方で、ほとんど入力されることのないキーワードに対応した広告を掲載すれば、自己の広告の露出を期待できなくなる。そのため、上記検索連動型広告のようにキーワードに対応した広告を掲載する場合、広告主にとって人気のキーワードもあれば、広告主に人気のないキーワードも存在することになる。
【０００９】
ここで、信頼性のある予測モデルの生成には一定数のサンプルが求められるが、キーワード毎に人気が異なる現状では、予測モデルの生成に十分なサンプルが得られないキーワードも存在することになる。
【００１０】
そこで、本発明は、サンプル数が十分でないキーワードについても、入札額に基づいて広告の表示順位を予測する予測モデルを生成可能なモデル生成装置及び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】
【００１１】
（１） 検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、前記入札額に応じて変化する広告の表示順位を予測する予測モデルを、前記キーワード毎に生成するモデル生成装置であって、前記入札額と前記表示順位との関係を示す実績データを、前記キーワード毎に記憶する入札ログデータベースと、前記入札ログデータベースに記憶された全キーワードの実績データに基づいて、前記入札額の変化に対する前記表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算部と、前記第１演算部が算出した前記共通パラメータβ、及び前記入札ログデータベースに記憶されたキーワード毎の最新の実績データに基づいて、キーワード毎の入札額の単位を示すパラメータであって、キーワード毎に固有の個別パラメータαを算出するとともに、前記予測モデルを生成する第２演算部と、を備えるモデル生成装置。
【００１２】
（２） 前記第１演算部は、前記入札ログデータベースに記憶された実績データのうち、前記入札額に変化のあったタイミングの実績データに基づいて、前記共通パラメータβを算出する、（１）に記載のモデル生成装置。
【００１３】
（３） 前記第１演算部は、前記変化のあった前後の実績データの比率を用いて、前記共通パラメータβを算出する、（２）に記載のモデル生成装置。
【００１４】
（４） 検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、前記入札額に応じて変化する広告の表示順位を予測する予測モデルを、前記キーワード毎に生成する方法であって、コンピュータが実行する、前記入札額と前記表示順位との関係を示す実績データを、前記キーワード毎に記憶する入札ログデータベースを参照して、前記入札額の変化に対する前記表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算ステップと、前記第１演算ステップで算出した前記共通パラメータβ、及び前記入札ログデータベースに記憶されたキーワード毎の最新の実績データに基づいて、キーワード毎の入札額の単位を示すパラメータであって、キーワード毎に固有の個別パラメータαを算出するとともに、前記予測モデルを生成する第２演算ステップと、を含む方法。
【発明の効果】
【００１５】
本発明によれば、サンプル数が十分でないキーワードについても、入札額に基づいて広告の表示順位を予測する予測モデルを生成することができる。
【図面の簡単な説明】
【００１６】
【図１】本発明のモデル生成装置が生成する予測モデルの概要を示す図である。
【図２】本発明のモデル生成装置の構成を示すブロック図である。
【図３】入札ログデータベースの一例を示す図である。
【図４】モデル生成装置の予測モデル生成処理の流れを示すフローチャートである。
【図５】予測モデル生成処理における第１演算部の動作例を示す図である。
【図６】予測モデル生成処理における第２演算部の動作例を示す図である。
【発明を実施するための形態】
【００１７】
以下、本発明のモデル生成装置１の実施形態について図面を参照して説明する。
【００１８】
［モデル生成装置１の概要］
本発明のモデル生成装置１は、入札額から広告の表示順位を予測する予測モデルを、検索サイトにおいて検索クエリとして用いられるキーワード毎に生成する。すなわち、本発明のモデル生成装置１は、検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、入札額に応じて変化する広告の表示順位を予測する予測モデルを、キーワード毎に生成する。
ここで、広告の表示順位と入札額との関係は、入札額が高くなれば広告の表示順位も併せて高くなることが一般であるが、入札額の変化に対応する表示順位の変化は、一定ではなく、図１（１）に示すような曲線の関係を示す。すなわち、表示順位が高いところでは、入札額に若干の変化があったとしても表示順位はそれほど変化しないが、表示順位が低いところでは、入札額が若干変化しただけで表示順位も大きく変化することになる。このような表示順位と入札額との関係は、広告主の興味が表示順位に帰結することから、キーワードの種別に関わらず共通する。
【００１９】
そのため、本発明者は、表示順位（ｒａｎｋ）と入札額（ｂｉｄ）との関係として、以下の式（１）で示される関係を特定した。
【数１】
・・・（１）
式（１）において、βは、入札額の変化に対する表示順位の変化を示す全キーワードに共通した共通パラメータであり、αは、キーワード毎に固有の個別パラメータである。
ここで、広告主に人気のあるキーワードであればあるほど、人気のないキーワードに比べて入札額が高くなるため、図１（１）に示すグラフでは、入札額の軸の目盛りの単位は、キーワードの種別によって異なることになる。例えば、人気のあるキーワードは、１目盛り「１０００円」であるのに対し、人気のないキーワードは、１目盛り「５０円」などのようになる。個別パラメータαは、このようなキーワード毎の入札額の単位（スケール）の違いを示すパラメータである。
【００２０】
本実施形態では、全キーワードに共通した共通パラメータβを用いることで、表示順位と入札額との関係を特定する一方で、個別パラメータαを用いることで、キーワードにあった適切なスケールに調整することとしている。
【００２１】
なお、本実施形態では、図１（２）に示すように、表示順位及び入札額の自然対数を用いた式（２）により、共通パラメータβ及び個別パラメータαを算出することとしている。
【数２】
・・・（２）
【００２２】
［モデル生成装置１の構成］
続いて、図２を参照して、本発明のモデル生成装置１の構成について説明する。
モデル生成装置１は、入札ログデータベース２と、第１演算部３と、第２演算部４と、予測モデルデータベース５と、を含んで構成される。
このとき、モデル生成装置１は、第１演算部３において共通パラメータβ（すなわち、全キーワードに共通する表示順位と入札額との関係）を算出し、第２演算部４において個別パラメータα（すなわち、キーワード毎のスケールの調整）を算出することで、予測モデルを生成する。
【００２３】
入札ログデータベース２は、入札額と表示順位との関係を示す実績データを、キーワード毎に記憶する。ここで、入札ログデータベース２の一例を図３（１）に示す。図３（１）に示すように、入札ログデータベース２には、キーワード毎に、所定の広告主の入札額及び表示順位が実績データとして時系列順に記憶されている。
ここで、入札ログデータベース２に記憶された実績データの一部（広告主Ａ、キーワードａの実績データ）を図３（２）に示す。図３（２）に示すように、入札ログデータベース２には、実績データとして入札額の変化と表示順位の変化との関係が記憶されている。図３（２）の実績データ２１を参照すると、入札額（ｂｉｄ）は「３００円」で一定であるのに、表示順位（ｒａｎｋ）は「３位→４位」に変化している。一方、実績データ２２を参照すると、入札額は「３００円→３５０円→３００円」と変化しているのに、表示順位は「４位」のまま一定である。これは、広告主Ａ以外の広告主がキーワードａに対して入札を行った結果として生じるものである。すなわち、広告主Ａの入札額が一定であるといっても、他の広告主との関係で表示順位が変化してしまう場合があり、また、広告主の入札額に変化があったとしても、他の広告主との関係で表示順位が変化しない場合があるためである。
【００２４】
図２に戻り、第１演算部３は、共通パラメータβを算出するため、サンプル抽出手段３１と、共通パラメータ算出手段３２と、を含んで構成される。
【００２５】
サンプル抽出手段３１は、入札ログデータベース２に記憶された全キーワードの実績データを予測モデル生成のためのサンプルとして抽出する。このとき、サンプル抽出手段３１は、入札ログデータベース２に記憶された実績データのうち、入札額に変化のあった日時の実績データをサンプルとして抽出する。
図３（２）を参照して、例えば、実績データ２３は入札額に変化のある実績データであり、実績データ２４は入札額に変化のない実績データであるため、サンプル抽出手段３１は、実績データ２３をサンプルとして抽出する。このとき、サンプル抽出手段３１は、変化の前後の実績データをサンプルとして抽出する。すなわち、変化前の実績データとして、入札額（古）「３５０円」、表示順位（古）「２位」、変化後の実績データとして、入札額（新）「３００円」、表示順位（新）「３位」をサンプルとして抽出する。
このように、サンプル抽出手段３１は、入札額に変化のあった実績データのみをサンプルとして抽出し、入札額に変化のない実績データについては、たとえ表示順位に変化があったとしてもサンプルとして抽出しない。入札額に変化がないにも関わらず、表示順位に変化があった場合には、他の広告主が入札額を変化させているためであり、他の広告主の実績データをサンプルとして抽出すれば足りるためである。これにより、全キーワードの実績データを対象としつつも、入札額に変化のない実績データをサンプルとして抽出することがないため、処理の軽減を図ることができる。
【００２６】
共通パラメータ算出手段３２は、サンプル抽出手段３１が抽出したサンプルに基づいて、共通パラメータβを算出する。このとき、共通パラメータ算出手段３２は、サンプル抽出手段３１が抽出したサンプルの変化前後のベクトルを考慮することが好ましい。ここで、共通パラメータβの算出方法は、任意の方法により行うことができ、共通パラメータ算出手段３２は、例えば、サンプル抽出手段３１が抽出したサンプルを入力として、最小二乗法などの公知の数理計算による回帰分析により共通パラメータβを算出する。なお、共通パラメータ算出手段３２は、入力としてのサンプルに対して、所定の重み付けをした上で共通パラメータβを算出することとしてもよい。重み付けは、任意の要素に基づいて行うことができ、例えば、入札額の高低に基づいて行う（すなわち、入札額が高いほど重みをおく）こととしてもよく、また、広告の露出度の高低に基づいて行う（すなわち、露出度が高いほど重みをおく）こととしてもよい。
これにより、入札額に基づいて広告の表示順位を予測する予測モデルの共通パラメータβのみを収束計算により算出することができ、予測モデルを表すフィッティング曲線の傾き（形状）が確定する。
【００２７】
ところで、サンプル抽出手段３１は、サンプルとして全キーワードの実績データを抽出することとしている。ここで、実績データの入札額のスケールは、上述のようにキーワードの人気に応じて異なり、入札額のスケールの相違を考慮した上で共通パラメータβを算出することが好ましい。
そこで、本実施形態の共通パラメータ算出手段３２は、サンプルとしてセットされた実績データの変化前後の比率を用いて共通パラメータβを算出することとしている。すなわち、共通パラメータ算出手段３２は、「入札額（新）／入札額（古）」を入力として、所定の重み付け回帰分析を行うことで共通パラメータβを算出する。
これにより、キーワード毎の入札額のスケールの相違を解消することができ、より適切な共通パラメータβを算出することができる。
【００２８】
続いて、第２演算部４は、個別パラメータαを算出するとともに、共通パラメータβ及び個別パラメータαを用いて上記予測モデルを生成するため、キーワード別サンプル抽出手段４１と、個別パラメータ算出手段４２と、モデル生成手段４３と、を含んで構成される。
【００２９】
キーワード別サンプル抽出手段４１は、入札ログデータベース２に記憶された実績データのうち、予測モデル生成対象のキーワードの最新の実績データ（入札額、表示順位）をサンプルとして抽出する。ここで、最新のタイミングについては、適宜設定することができるが、予測モデルを毎時生成する必要がないことから、前日の実績データを最新の実績データとして抽出することが好ましい。
【００３０】
個別パラメータ算出手段４２は、第１演算部３（共通パラメータ算出手段３２）が算出した共通パラメータβ、及びキーワード別サンプル抽出手段４１がサンプルとして抽出した最新の実績データに基づいて、キーワード毎に個別パラメータαを算出する。すなわち、個別パラメータ算出手段４２は、上記式１，２において、ｒａｎｋ＝実績データ（表示順位）、ｂｉｄ＝実績データ（入札額）、共通パラメータβ＝第１演算部３の算出結果とし、個別パラメータαを算出する。
【００３１】
モデル生成手段４３は、算出した共通パラメータβ及び個別パラメータαに基づいて、上記式１の予測モデルをキーワード毎に生成し、予測モデルデータベース５に記憶する。
【００３２】
これにより、検索サイトにおいて検索クエリとして用いられるキーワード毎に、入札額に基づいて広告の表示順位を予測する予測モデルを生成することができる。すなわち、共通する表示順位と入札額との関係（共通パラメータβ）を有しつつ、キーワード毎の個別のスケール（個別パラメータα）で調整された予測モデルを、キーワード毎に生成することができる。
このとき、キーワード毎の個別パラメータαについては、最新の実績データのみを用いれば足りるため、サンプル数の少ないキーワードであっても適切な予測モデル（個別パラメータα）を生成することができる。すなわち、第１演算部３において、既に共通パラメータβ（フィッティング曲線の傾き）が算出されているため、最新の実績データとして少なくとも１つの実績データがあれば足り（もちろん、複数の実績データを用いることとしてもよい）、キーワード毎のサンプル数に関わらず適切な予測モデル生成することができる。
【００３３】
［モデル生成装置１のハードウェア構成］
以上説明したモデル生成装置１のハードウェアは、１又は複数の一般的なコンピュータによって構成することができる。一般的なコンピュータは、例えば、制御部として、中央処理装置（ＣＰＵ）を備える他、記憶部として、メモリ（ＲＡＭ、ＲＯＭ）、ハードディスク（ＨＤＤ）及び光ディスク（ＣＤ、ＤＶＤなど）を、ネットワーク通信装置として、各種有線及び無線ＬＡＮ装置を、表示装置として、例えば、液晶ディスプレイ、プラズマディスプレイなどの各種ディスプレイを、入力装置として、例えば、キーボード及びポインティング・デバイス（マウス、トラッキングボールなど）を適宜備え、これらは、バスラインにより接続されている。このような一般的なコンピュータにおいて、ＣＰＵは、モデル生成装置１を統括的に制御し、各種プログラムを適宜読み出して実行することにより、上述したハードウェアと協働し、本発明に係る各種機能を実現している。
【００３４】
［モデル生成装置１の処理］
続いて、図４〜図６を参照して、モデル生成装置１の予測モデル生成処理について説明する。図４は、予測モデル生成処理の流れを示すフローチャートであり、図５は、予測モデル生成処理における第１演算部３の動作例を示し、図６は、予測モデル生成処理における第２演算部４の動作例を示す。
【００３５】
図４に示すように、初めに、第１演算部３のサンプル抽出手段３１は、入札ログデータベース２から全キーワードを対象として実績データを抽出する（ステップＳ１）。
具体的には、図５（１）に示すように、サンプル抽出手段３１は、入札額に変化のあったタイミングの実績データ（古・新）を抽出する。このとき、サンプル抽出手段３１が実績データを抽出する期間は、任意に設定することができ、例えば、過去の実績データの全てを対象とすることとしてもよく、処理実行時の直近１月間などとすることとしてもよい。また、例えば、夏に人気のあるキーワード「水着」は、冬に人気がなくなってしまうように、キーワード毎の人気は、季節やシーズンなどによって異なるため、キーワード毎の人気の盛り上がり（ブーム）に応じて、実績データを抽出する期間を調整することとしてもよい。すなわち、処理実行時にキーワードの人気が盛り上がっている状況では、同様に人気が盛り上がっていた他の期間における実績データ（直近や１年前など）を抽出し、また、人気の盛り上がりの終了時には、同様の状況の期間における実績データ（すなわち、直近ではなく、１年前など）を抽出することとしてもよい。
【００３６】
図４に戻り、続いて、第１演算部３の共通パラメータ算出手段３２は、ステップＳ１で抽出した実績データに基づいて、共通パラメータβを算出する（ステップＳ２）。
具体的には、先ず、図５（２）に示すように、共通パラメータ算出手段３２は、ステップＳ１で抽出した変化前後の実績データの比率を算出することで、キーワード毎の入札額のスケールの相違を解消する。その後、図５（３）に示すように、共通パラメータ算出手段３２は、算出した比率を入力として、所定の重み付け回帰分析を行うことで共通パラメータβを算出する。
【００３７】
図４に戻り、続いて、第２演算部４のキーワード別サンプル抽出手段４１は、キーワード毎に最新の実績データを抽出する（ステップＳ３）。
具体的には、図６（１）に示すように、キーワード別サンプル抽出手段４１は、予測モデルを生成するキーワード毎に、最新の実績データを入札ログデータベース２から抽出する。
【００３８】
図４に戻り、続いて、第２演算部４の個別パラメータ算出手段４２は、個別パラメータαを算出する（ステップＳ４）。
具体的には、図６（２）に示すように、上記式１又は２において、ｒａｎｋ＝実績データ（表示順位）、ｂｉｄ＝実績データ（入札額）、共通パラメータβ＝第１演算部３の算出結果（ステップＳ２）とし、個別パラメータαを算出する。
【００３９】
図４に戻り、続いて、第２演算部４のモデル生成手段４３は、ステップＳ２で算出した共通パラメータβ及びステップＳ４で算出した個別パラメータαに基づいて、キーワード毎の予測モデルを生成し、予測モデルデータベース５に記憶し（ステップＳ５）、処理を終了する。
これにより、図６（３）に示すように、キーワード毎に予測モデルを生成することができる。このとき、生成した予測モデルの曲線の形状は、キーワードに関わらず共通であるが、入札額の軸の目盛りの単位（スケール）は、キーワード毎に夫々異なることになる。よって、キーワード毎の入札額のスケールに応じた適切な予測モデルを生成することができる。
【００４０】
［モデル生成装置１の効果］
以上のようなモデル生成装置１によれば、第１演算部３が全てのキーワードに共通する共通パラメータβ（グラフの形状）を全キーワードの実績データから算出する一方で、第２演算部４が個々のキーワードで異なる個別パラメータα（入札額のスケール）をキーワード毎の実績データから算出する。
これにより、入札額の変化に対する表示順位の変化を示す共通パラメータβについては、全キーワードの実績データから算出することになるため、キーワード毎のサンプル数に関わらず、共通パラメータβを算出することができる。一方、キーワード毎に固有の個別パラメータαについては、入札額の変化に対する表示順位の変化（傾向、傾き）が算出されている以上、多量のサンプル数を必要とせず、サンプル数が少ないキーワードであっても、最新の実績データのみから適切な精度の個別パラメータαを算出することができる。よって、キーワード毎のサンプル数に関わらず、入札額に基づいて広告の表示順位を予測する予測モデルを生成することができる。
【００４１】
また、モデル生成装置１では、入札額に変化のない実績データを用いることがないため、全キーワードの実績データを対象とした第１演算部３において、処理の軽減を図ることができる。
また、モデル生成装置１では、全キーワードの実績データを対象とする際に、変化前後の実績データの比率を算出することとしているため、入札額のスケールの相違を解消することができ、適切な予測モデルを生成することができる。
【００４２】
以上、本発明の実施形態について説明したが、本発明は上述した実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。
【符号の説明】
【００４３】
１ モデル生成装置
２ 入札ログデータベース
３ 第１演算部
３１ サンプル抽出手段
３２ 共通パラメータ算出手段
４ 第２演算部
４１ キーワード別サンプル抽出手段
４２ 個別パラメータ算出手段
４３ モデル生成手段
５ 予測モデルデータベース
【特許請求の範囲】
【請求項１】
検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、前記入札額に応じて変化する広告の表示順位を予測する予測モデルを、前記キーワード毎に生成するモデル生成装置であって、
前記入札額と前記表示順位との関係を示す実績データを、前記キーワード毎に記憶する入札ログデータベースと、
前記入札ログデータベースに記憶された全キーワードの実績データに基づいて、前記入札額の変化に対する前記表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算部と、
前記第１演算部が算出した前記共通パラメータβ、及び前記入札ログデータベースに記憶されたキーワード毎の最新の実績データに基づいて、キーワード毎の入札額の単位を示すパラメータであって、キーワード毎に固有の個別パラメータαを算出するとともに、前記予測モデルを生成する第２演算部と、を備えるモデル生成装置。
【請求項２】
前記第１演算部は、前記入札ログデータベースに記憶された実績データのうち、前記入札額に変化のあったタイミングの実績データに基づいて、前記共通パラメータβを算出する、
請求項１に記載のモデル生成装置。
【請求項３】
前記第１演算部は、前記変化のあった前後の実績データの比率を用いて、前記共通パラメータβを算出する、
請求項２に記載のモデル生成装置。
【請求項４】
検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、前記入札額に応じて変化する広告の表示順位を予測する予測モデルを、前記キーワード毎に生成する方法であって、コンピュータが実行する、
前記入札額と前記表示順位との関係を示す実績データを、前記キーワード毎に記憶する入札ログデータベースを参照して、前記入札額の変化に対する前記表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算ステップと、
前記第１演算ステップで算出した前記共通パラメータβ、及び前記入札ログデータベースに記憶されたキーワード毎の最新の実績データに基づいて、キーワード毎の入札額の単位を示すパラメータであって、キーワード毎に固有の個別パラメータαを算出するとともに、前記予測モデルを生成する第２演算ステップと、
を含む方法。
【請求項１】
検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、前記入札額に応じて変化する広告の表示順位を予測する予測モデルを、前記キーワード毎に生成するモデル生成装置であって、
前記入札額と前記表示順位との関係を示す実績データを、前記キーワード毎に記憶する入札ログデータベースと、
前記入札ログデータベースに記憶された全キーワードの実績データに基づいて、前記入札額の変化に対する前記表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算部と、
前記第１演算部が算出した前記共通パラメータβ、及び前記入札ログデータベースに記憶されたキーワード毎の最新の実績データに基づいて、キーワード毎の入札額の単位を示すパラメータであって、キーワード毎に固有の個別パラメータαを算出するとともに、前記予測モデルを生成する第２演算部と、を備えるモデル生成装置。
【請求項２】
前記第１演算部は、前記入札ログデータベースに記憶された実績データのうち、前記入札額に変化のあったタイミングの実績データに基づいて、前記共通パラメータβを算出する、
請求項１に記載のモデル生成装置。
【請求項３】
前記第１演算部は、前記変化のあった前後の実績データの比率を用いて、前記共通パラメータβを算出する、
請求項２に記載のモデル生成装置。
【請求項４】
検索クエリとして用いられるキーワードを指定して行う入札の入札額に応じた順位で検索結果とともに広告を表示する広告システムにおいて、前記入札額に応じて変化する広告の表示順位を予測する予測モデルを、前記キーワード毎に生成する方法であって、コンピュータが実行する、
前記入札額と前記表示順位との関係を示す実績データを、前記キーワード毎に記憶する入札ログデータベースを参照して、前記入札額の変化に対する前記表示順位の変化を示すパラメータであって、全キーワードに共通した共通パラメータβを算出する第１演算ステップと、
前記第１演算ステップで算出した前記共通パラメータβ、及び前記入札ログデータベースに記憶されたキーワード毎の最新の実績データに基づいて、キーワード毎の入札額の単位を示すパラメータであって、キーワード毎に固有の個別パラメータαを算出するとともに、前記予測モデルを生成する第２演算ステップと、
を含む方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２０１３−８４１９７（Ｐ２０１３−８４１９７Ａ）
【公開日】平成２５年５月９日（２０１３．５．９）
【国際特許分類】
【出願番号】特願２０１１−２２４８９４（Ｐ２０１１−２２４８９４）
【出願日】平成２３年１０月１２日（２０１１．１０．１２）
【出願人】（５００２５７３００）ヤフー株式会社 (1,128)
【公開日】平成２５年５月９日（２０１３．５．９）
【国際特許分類】
【出願日】平成２３年１０月１２日（２０１１．１０．１２）
【出願人】（５００２５７３００）ヤフー株式会社 (1,128)
[ Back to top ]