図面 (/)

技術 デジタル看板上での表示のための広告を選択する方法および装置

出願人 インテルコーポレイション
発明者 ティエン,フオンジャンフィルサンジャイ,アッディカムヴェンカートチランジェーヴィ,クナパレッディチルファドニス,シュウェタマリク,シャハザド
出願日 2012年6月29日 (7年7ヶ月経過) 出願番号 2015-518766
公開日 2015年9月24日 (4年4ヶ月経過) 公開番号 2015-528157
状態 不明
技術分野
  • -
主要キーワード 全数調査 固有モデル デジタル表示画面 分布予測 予測規則 年齢カテゴリ 予測リスト ブランド化
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2015年9月24日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (7)

課題・解決手段

デジタル看板上で複数の広告のうちの一つの広告をいつ表示するかを選択する方法であって、前記デジタル看板上での広告の前記表示に関する情報を受領する段階と;前記情報を複数の広告選択規則に適用する段階と;前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で前記一つの広告をいつ表示するかを選択する段階とを含む、方法。

概要

背景

デジタル看板は、ニュース広告、地域の公報および他のマルチメディアコンテンツレストランまたはショッピングモールのような公共の会場において示すための、液晶ディスプレイ(LCD: Liquid Crystal Display)、発光ダイオードLED: Light Emitting Diode)ディスプレイプラズマ・ディスプレイまたは投影ディスプレイのような電子表示装置の使用を記述するのにしばしば使われる。近年、デジタル看板産業は著しい成長を経ており、今や歳入の年成長率の点でインターネット広告業界に次ぐものとなっている。

ターゲットを絞った広告活動は、潜在的な観衆一員または閲覧者に対して表示されるべき広告のための時間および位置を、人口学的情報購入履歴または観察される閲覧挙動といったさまざまな因子に基づいて選択することを含む。ターゲットを絞った広告活動は、潜在的な閲覧者を同定する助けとなり、該潜在的な閲覧者に時宜を得た関連する広告を提供することによって、広告主投資収益率ROI: Return on Investment)を改善する。デジタル看板業界におけるターゲットを絞った広告活動は、デジタル看板の前にいる潜在的な閲覧者の特徴に従って広告を動的に選択し、再生する機能をもつデジタル看板に関わる。

概要

デジタル看板上で複数の広告のうちの一つの広告をいつ表示するかを選択する方法であって、前記デジタル看板上での広告の前記表示に関する情報を受領する段階と;前記情報を複数の広告選択規則に適用する段階と;前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で前記一つの広告をいつ表示するかを選択する段階とを含む、方法。

目的

ターゲットを絞った広告活動は、潜在的な閲覧者を同定する助けとなり、該潜在的な閲覧者に時宜を得た関連する広告を提供する

効果

実績

技術文献被引用数
- 件
牽制数
- 件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

該当するデータがありません

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

デジタル看板上で複数の広告のうちの一つの広告をいつ表示するかを選択する方法であって:前記デジタル看板上での広告の前記表示に関する情報を受領する段階と;前記情報を複数の広告選択規則に適用する段階と;前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で前記一つの広告をいつ表示するかを選択する段階とを含む、方法。

請求項2

情報を受領する段階が、前記デジタル看板上で表示された以前の広告の実際の閲覧者に関する人口学的情報を受領する段階を含む、請求項1記載の方法。

請求項3

前記情報を複数の広告選択規則に適用する段階が、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することを含む、請求項2記載の方法。

請求項4

以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する、請求項3記載の方法。

請求項5

前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストから前記一つの広告を選択することを含む、請求項4記載の方法。

請求項6

情報を受領する段階が、前記デジタル看板上で表示される広告の予測される閲覧者に関する人口学的情報を受領する段階を含む、請求項1記載の方法。

請求項7

前記情報を複数の広告選択規則に適用する段階が、将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することを含む、請求項6記載の方法。

請求項8

将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する、請求項7記載の方法。

請求項9

前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストから前記一つの広告を選択することを含む、請求項8記載の方法。

請求項10

情報を受領する段階が、前記デジタル看板上での広告の表示に関するコンテキスト情報を受領する段階を含む、請求項1記載の方法。

請求項11

前記情報を複数の広告選択規則に適用する段階が、前記デジタル看板上での広告の表示に関する受領されたコンテキスト情報を、複数のコンテキスト・ベースの広告選択規則に適用することを含む、請求項10記載の方法。

請求項12

前記受領されたコンテキスト情報を適用することが、前記複数の広告の重み付けされたリストを生成する、請求項11記載の方法。

請求項13

前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストから最大の重みをもつ広告を、前記一つの広告として選択することを含む、請求項12記載の方法。

請求項14

複数の命令を有する少なくとも一つの機械可読媒体であって、前記命令は、コンピューティングデバイス上で実行されるのに応答して、該コンピューティング・デバイスに:デジタル看板上での広告の表示に関する情報を受領する段階と;前記情報を複数の広告選択規則に適用する段階と;前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で前記一つの広告をいつ表示するかを選択する段階とを実行させるものである、機械可読媒体。

請求項15

情報を受領する段階が、前記デジタル看板上で表示された以前の広告の実際の閲覧者に関する人口学的情報を受領する段階を含み、前記情報を複数の広告選択規則に適用する段階が、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することを含む、請求項14記載の少なくとも一つの機械可読媒体。

請求項16

以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成し、前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストからある広告を、その重みに基づいて、前記一つの広告として選択することを含む、請求項15記載の少なくとも一つの機械可読媒体。

請求項17

情報を受領する段階が、前記デジタル看板上で表示される広告の予測される閲覧者に関する人口学的情報を受領する段階を含み、前記情報を複数の広告選択規則に適用する段階が、将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することを含む、請求項14記載の少なくとも一つの機械可読媒体。

請求項18

将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成し、前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストからある広告を、該広告についての対応する重みに基づいて、前記一つの広告として選択することを含む、請求項17記載の少なくとも一つの機械可読媒体。

請求項19

情報を受領する段階が、前記デジタル看板上での広告の表示に関するコンテキスト情報を受領する段階を含み、前記情報を複数の広告選択規則に適用する段階が、前記デジタル看板上での広告の表示に関する受領されたコンテキスト情報を、複数のコンテキスト・ベースの広告選択規則に適用することを含む、請求項14記載の少なくとも一つの機械可読媒体。

請求項20

前記受領されたコンテキスト情報を適用することが、前記複数の広告の重み付けされたリストを生成し、前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストから特定の重みをもつ広告を、前記一つの広告として選択することを含む、請求項19記載の少なくとも一つの機械可読媒体。

請求項21

デジタル看板上で複数の広告のうちの一つの広告をいつ表示するかを選択する装置であって:前記デジタル看板上での広告の前記表示に関する情報を受領する、前記デジタル看板に結合するデータ・マイニングモジュールであって、前記情報を複数の広告選択規則に適用するデータ・マイニング・モジュールと;前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で前記一つの広告をいつ表示するかを選択する、前記データ・マイニング・モジュールに結合されたコンテンツ管理システムとを有する、装置。

請求項22

前記データ・マイニング・モジュールが情報を受領することが、前記データ・マイニング・モジュールが前記デジタル看板上で表示された以前の広告の実際の閲覧者に関する人口学的情報を受領することを含む、請求項21記載の装置。

請求項23

前記データ・マイニング・モジュールが前記情報を複数の広告選択規則に適用することが、前記データ・マイニング・モジュールが以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することを含む、請求項22記載の装置。

請求項24

前記データ・マイニング・モジュールが以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する、請求項23記載の装置。

請求項25

前記コンテンツ管理システムが前記一つの広告をいつ表示するかを選択することが、前記コンテンツ管理システムが前記重み付けされたリストから前記一つの広告を選択することを含む、請求項24記載の装置。

請求項26

前記データ・マイニング・モジュールが情報を受領することが、前記データ・マイニング・モジュールが前記デジタル看板上で表示される広告の予測される閲覧者に関する人口学的情報を受領することを含み、前記データ・マイニング・モジュールが前記情報を複数の広告選択規則に適用することが、前記データ・マイニング・モジュールが将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することを含む、請求項21記載の装置。

請求項27

前記データ・マイニング・モジュールが将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成し、前記コンテンツ管理システムが前記一つの広告をいつ表示するかを選択することが、前記コンテンツ管理システムが前記重み付けされたリストから前記一つの広告を選択することを含む、請求項26記載の装置。

請求項28

前記データ・マイニング・モジュールが情報を受領することが、前記データ・マイニング・モジュールが前記デジタル看板上での広告の表示に関するコンテキスト情報を受領することを含み、前記データ・マイニング・モジュールが前記情報を複数の広告選択規則に適用することが、前記データ・マイニング・モジュールが前記デジタル看板上での広告の表示に関する受領されたコンテキスト情報を、複数のコンテキスト・ベースの広告選択規則に適用することを含む、請求項21記載の装置。

請求項29

前記データ・マイニング・モジュールが前記受領されたコンテキスト情報を適用することが、前記複数の広告の重み付けされたリストを生成し、前記コンテキスト管理システムが前記一つの広告をいつ表示するかを選択することが、前記コンテキスト管理システムが前記重み付けされたリストからある重みをもつ広告を、該広告が前記一つの広告として選択されるよう、選択することを含む、請求項28記載の装置。

技術分野

0001

本発明の実施形態は、データ・マイニングを使って、デジタル表示装置上にいつ広告が表示されるべきかを選択するまたはターゲットを絞るシステムに関する。

背景技術

0002

デジタル看板は、ニュース、広告、地域の公報および他のマルチメディアコンテンツレストランまたはショッピングモールのような公共の会場において示すための、液晶ディスプレイ(LCD: Liquid Crystal Display)、発光ダイオードLED: Light Emitting Diode)ディスプレイプラズマ・ディスプレイまたは投影ディスプレイのような電子表示装置の使用を記述するのにしばしば使われる。近年、デジタル看板産業は著しい成長を経ており、今や歳入の年成長率の点でインターネット広告業界に次ぐものとなっている。

0003

ターゲットを絞った広告活動は、潜在的な観衆一員または閲覧者に対して表示されるべき広告のための時間および位置を、人口学的情報購入履歴または観察される閲覧挙動といったさまざまな因子に基づいて選択することを含む。ターゲットを絞った広告活動は、潜在的な閲覧者を同定する助けとなり、該潜在的な閲覧者に時宜を得た関連する広告を提供することによって、広告主投資収益率ROI: Return on Investment)を改善する。デジタル看板業界におけるターゲットを絞った広告活動は、デジタル看板の前にいる潜在的な閲覧者の特徴に従って広告を動的に選択し、再生する機能をもつデジタル看板に関わる。

発明が解決しようとする課題

0004

広告内容が、該広告内容を見る人々の特定の人口学的情報にターゲットを絞られるまたは適応されることができるよう、閲覧挙動のパターン識別する方法が必要とされている。

課題を解決するための手段

0005

本願の課題は、請求項記載の手段によって解決される。

図面の簡単な説明

0006

本発明の諸実施形態は、以下に挙げる詳細な説明から、および本発明のさまざまな実施形態の付属の図面から、より十全に理解されるであろう。しかしながら、これらは本発明をこれら特定の実施形態に限定するものと解釈すべきではなく、あくまでも説明および理解のためのものである。
本発明のある実施形態を機能ブロックの形で示す図である。
本発明のある実施形態のフローチャートである。
本発明のある実施形態の諸側面を示す。
本発明のある実施形態に基づくコンテンツ管理システムブロック図である。
本発明のある実施形態に基づくデジタル看板モジュールのブロック図である。
本発明の前記実施形態の説明において下記で言及される表1ないし5を挙げる図である。

実施例

0007

匿名ビデオ解析論(AVA: Anonymous Video Analytics)は、デジタル看板事業者に定量的な閲覧者情報および投資収益率(ROI)データを提供するために使われることのできる、デジタル看板ネットワークのために設計された受動的かつ自動化された観衆または閲覧者測定技術である。本発明の諸実施形態は、ターゲットを絞った広告活動を達成するためにAVAデータおよびデータ・マイニング技法を使う。これはデジタル看板の広告ROIを測定し、改善するために使われることができる。

0008

本発明の諸実施形態は、デジタル表示画面または装置を有するデジタル看板上で広告を表示することにおいて、匿名ビデオ解析論(AVA)を利用する。デジタル看板に、デジタル表示装置に近い、前方を向く一つまたは複数のカメラのようなセンサーおよびインテルコアI5およびインテル・コアI7プロセッサのようなプロセッサと結合されたソフトウェア装備することにより、本発明のある実施形態に基づくデジタル看板は、閲覧者の数、その性別およびその年齢層を匿名的に検出し、その情報に基づいて広告内容を適応させるための知性をもつ。たとえば、閲覧者が十代のの子であれば、本発明のある実施形態は、デジタル表示画面が現在位置しているところから数軒先の新学期用のプロモーションを強調するよう内容を変えてもよい。視聴者高齢男性であれば、ある実施形態は、デジタル表示画面に、近くのスポーツ用品店でのゴルフクラブセールについての広告を表示させてもよい。

0009

本発明のある実施形態によれば、広告はよりよくターゲットを絞られ、より有意になり、最終的にはより効果的になることができる。該実施形態がこのことを可能にするのは、ビデオ・コンテンツのピクセルリアルタイム解析して、人々がデジタル看板を見ているかどうかを判定し、もし見ていれば、その人口学的特性判別することによる。売り上げデータと、示された広告および観衆の人口学的情報を相関させることによって、広告主は、広告を、その観衆に直接ターゲットを絞ることができ、その効果を測定できる。

0010

本発明の諸実施形態は、前の閲覧者の閲覧挙動またはパターンに基づいて、前の閲覧者と同じまたは同様の人口学的特性に属する将来の閲覧者または顧客がターゲットとされる、ターゲットを絞った広告活動に関わる。デジタル表示装置の前に位置する、前の閲覧者から収集されたAVAまたは閲覧者データを解析することによって、諸実施形態は、閲覧パターン発見し、この情報を、デジタル看板に展開されることのできる広告モデルトレーニングするために使うことができる。これらの広告モデルは次いで、将来の閲覧者をターゲットとして、関連する広告を知的に提供するため、利用可能な広告コンテンツ在庫から特定の広告を選ぶために使用されることができる。

0011

広告モデルは、データ・マイニング技法を利用し、マイクロソフトSQLサーバー解析システム(MSSSAS: Microsoft'sSQLServer Analysis System)のようなツールを使って構築できる。広告モデルは、ナイーブベイズ(Na¨ive Bayes)、決定木(Decision Trees)、ロジスティック回帰(Logistic Regression)解析および連想規則(Association Rules)といったよく知られたデータ・マイニング・アルゴリズムを使って生成され、また、大規模クラスタリングを使ってもよい。これらはみなMS SSASにおいて利用可能である。

0012

デジタル看板上でのマルチメディア・コンテンツの再生は、コンテンツ管理システム(CMS: content management system)を通じて達成される。以下では、本発明のある実施形態に基づくデジタル看板広告システムのアーキテクチャであって、たとえCMSが「クラウドに」位置しているときでもCMSを通じてデジタル看板上でリアルタイムに広告モデルが展開されるものについて述べる。その際、CMSは、少なくとも二つのパラメータ、すなわちトレーニングされた広告モデルおよび広告データに基づいて、カスタマイズされた広告リストを生成するために使われることができる。本発明のある実施形態によれば、リアルタイムでコンテンツをトリガーすることを可能にするために、広告データはトレーニングされた広告モデルと組み合わされる。

0013

本発明の諸実施形態は、デジタル看板表示装置上で再生されるべき最も適切な広告を選択するために、年齢、特に年齢範囲もしくは年齢層および性別のような閲覧者情報ならびに天気および時刻情報のようなコンテキスト情報の型を解析する。本稿での「年齢」への以下での言及は、年齢範囲、年齢カテゴリーもしくは年齢層を含むものと理解するものとする。リアルタイムのビデオ解析論データが収集され、解析されて、将来の時間スロット、たとえば次の時間スロットについて閲覧者の型を予測する。ある実施形態では、次の時間スロットは30秒である。しかしながら、時間スロットは60秒、30分、1時間またさらに長い時間であることもできる。予測に依存して、適切な広告が表示装置上で表示される。CMSは、広告情報および広告主選好を使うことによってデフォルトプレイリストを生成する。閲覧者情報が利用可能でない、または予測が何らかの理由によりなされていないか合理的な程度に正確でない、または何らかの理由により予測が疑わしいと考えられる場合には、CMSによって生成されるオフライン(デフォルト)プレイリストが表示装置上で再生されてもよい。

0014

図1は、本発明のある実施形態の機能ブロック図である。図2のフローチャート200も参照するに、プロセスはデジタル看板モジュール105が広告を表示する205で始まり、210で匿名ビデオ解析データを処理し、すなわち本稿で閲覧者データとも称されるビデオ解析データを取り込み、閲覧者データをデータベースのような恒久的なデータ記憶部に送り、そこでデータは任意的クリーニングまたはフィルタリングされ、その後、215においてデータ・マイニング・モジュール110によってアクセスされ、デジタル看板の前に位置し、これを見ることができる個人の閲覧パターンが決定される。

0015

重要なことに、少なくともプライバシーを維持する目的のため、ビデオ解析データは、下記でさらに述べるように、匿名ビデオ解析データとして作成または維持されることができる。しかしながら、本質的には、閲覧者データは、サンプリングではなく全数調査所与母集団構成員についての情報を系統的かつ規則的に収集および記録するものとして定義される)に基づき、閲覧者の画像は捕捉、記憶、送信されない。ビデオ解析データ捕捉機能は、デジタル看板モジュールによって実行されるソフトウェアにおいて具現されてもよく、本発明のある実施形態では、リアルタイムのビデオ解析データを捕捉する。このデータは、データ・マイニング・モジュール110によって、リアルタイム予測を行い、表示のためのデジタル広告スケジューリングするために使用されてもよく、および/または220においてデータ・マイニング・モジュールにおいて規則を生成する(広告モデルをトレーニングする)ために履歴データとして使用されてもよい。

0016

データ・マイニング・モジュールでは、220において、ナイーブ・ベイズ・アルゴリズム、決定木アルゴリズム、ロジスティック回帰解析および連想規則アルゴリズムといったよく知られたデータ・マイニング・アルゴリズムに基づいて、ビデオ解析データを使って、広告モデルが生成され、トレーニング(つまり洗練)される。ビデオ解析データを使うことに加え、データ・マイニング・モジュールは、ビデオ解析データが捕捉された時点に対応する気象条件のようなコンテキスト情報も考慮してもよい。気象条件データ、または単に気象データ135は、データ・マイニング・モジュール110によってアクセスされることのできる恒久的な記憶部に維持されてもよい。ある実施形態では、同じ恒久的な記憶部が、デジタル看板モジュール105によって捕捉されたビデオ解析データを記憶するためにも使用されてもよい。さらに、データ・マイニング・モジュール110はデジタル看板上での表示のために利用可能なデジタル広告125のリストおよび該広告のリストに関連付けられたメタデータを入力として受け取る。該メタデータは、広告主がその広告のターゲットとしたい閲覧者の人口学的特性などである。デジタル看板モジュール105はまた、「再生証拠」データ、すなわちデジタル看板によってどの広告が表示されたか、いつそれらの広告が表示されたか、どこにそれらの広告が表示されたか(これはたとえば、デジタル看板の位置を決定するための基礎として使われることのできる、デジタル看板についてのデバイス識別子(ID)を提供することによる)を示す広告データをもデータ・マイニング・モジュールに供給する。本発明のある実施形態では、たとえばポイントオブセール(Point-of-Sale)端末からの売り上げデータ130がデータ・マイニング・モジュール110に入力されてもよい。広告において取り上げられた製品もしくはサービス売り上げに関する特定の人口グループに対する広告の効果を測るために、売り上げデータはAVAデータと相関付けられてもよい。

0017

データ・マイニング・モジュール110は、220において、トレーニングされた広告モデルを生成する。トレーニングされた広告モデルは、本発明のある実施形態によれば、前の閲覧者種別(「通行人パターン種別」)に基づいて、好適な広告カテゴリーおよび将来の閲覧者種別を予測するために使われる。ひとたびトレーニングされた広告モデル115が生成されたら、それはデータ・マイニング・モジュールによって送信され、コンテンツ管理システム(CMS)120によって受信され、記憶される。コンテンツ管理システム120において、広告データとともに、225において、カスタマイズされた広告リストが生成され、記憶される。ある実施形態では、CMSはすべてのトレーニングされた広告モデル、広告リスト、広告主選好および広告データを記憶する。CMS 120はカスタマイズされた広告リストを、140において、デジタル看板モジュール105に表示のために送信する。本発明のある実施形態では、デジタル看板モジュール105は、デジタル看板メディアプレーヤー・モジュール(デジタル・プレーヤー・モジュール)145を有する。モジュール145は広告リストをリアルタイムで生成するために使用されてもよい。モジュール145は、本発明のある実施形態によれば、CMSに記憶された情報のための圧縮された貯蔵所として機能する。

0018

CMSはトレーニングされた広告モデルを、データ・マイニング・モジュールから取得する。ある実施形態では、複数のデジタル看板モジュール105または複数のデジタル看板メディア・プレーヤー145または複数のデジタル表示装置が設置される。したがって、CMSは、場合によりデジタル看板モジュールまたはデジタル・プレーヤーによって広告モデルを分離する。CMSは、広告モデルおよび取得された広告データに基づいて、分離されたカスタマイズされた広告リストを生成する。CMSはまた、広告主125から得られた広告主選好に基づいて、オフライン広告リスト、すなわち、デフォルト広告リストをも生成する。これらの分離されたモデル、カスタマイズされた広告リストおよびデフォルト広告リストは、230において、デジタル看板上での表示のために、各デジタル看板モジュールまたはデジタル・プレーヤーに送られる。

0019

図1は、モジュール110および120を別個の機能ブロックとして示しているが、これらのモジュールは単一のコンピュータ・システム上で協働してもよいし、あるいは複数のコンピュータ・システムにまたがって分散されていてもよいことは理解される。コンピュータ・システム(単数または複数)は、私的な通信ネットワークに存在していてもよいし、あるいは「クラウド」にあってインターネットを通じてアクセス可能であってもよい。AVAソフトウェアおよびデジタル看板メディア・プレーヤー145を含むデジタル看板機能ブロックは典型的には、典型的には、小売店またはショッピング・モールのような広告主がデジタル看板上にデジタル広告を表示することを望むエリアに位置している一つまたは複数のデジタル表示装置に結合された一つまたは複数のサーバー内にあるか該サーバーに接続されている。センサー103のような一つまたは複数のセンサー、たとえばビデオ・カメラのような光学装置が、AVAデータを生成するために、デジタル看板モジュール105によって使用される閲覧者のビデオまたは画像を捕捉するためにデジタル看板モジュール105に結合されている。ある実施形態では、デジタル看板機能ブロックは、一つまたは複数のサーバーと無線通信ネットワークを介して接続されうるモバイルコンピューティング装置内に実装されてもよい。モバイル・コンピューティング装置は、それ自身のセンサーおよびそれ自身のデジタル表示装置を含んでいてもよく、あるいは無線通信ネットワークを介して、広告主がデジタル広告を表示したいエリアに位置する一つまたは複数のデジタル表示装置に接続されていてもよい。

0020

複数のデジタル看板または複数のデジタル表示画面が、たとえば別個のまたは異なる広告キャンペーンを平行して行っていてもよいデパートやショッピング・モール内に一緒に位置していてもよいことが考えられている。異なる複数の部門が、隣接するまたは近隣のデジタル看板ゾーンにおいて複数のデジタル看板を展開することができる。看板および該看板に表示されるデジタル広告は、同じ会社もしくは広告主または異なる会社もしくは広告主によってホストされていてもよく、各ゾーンは、その顧客のために別個の匿名ビデオ解析データ、またはゾーン毎広告毎の別個のデータを導出したいことがありうる。本発明のある実施形態によれば、広告が複数のゾーンにまたがっていてもよいことも考えられている。これはたとえば、店舗ブランド化(store branding)のような店全体での広告活動、特売などの有効性を測定するためである。

0021

〈ターゲットを絞った広告活動〉
ターゲットを絞った広告活動のポイントは、過去においてそこそこの時間にわたって前の観衆によって閲覧されたまたは閲覧されたと思われるある種の広告を将来の観衆に見せるということである。ここで、前の観衆は将来の観衆と同じまたは同様の人口学的特性をもつものとする。本発明のある実施形態に基づくターゲットを絞った広告活動のプロセスは、三つのフェーズおよび本発明のある実施形態に基づくデジタル広告システムの対応するコンポーネントにおいて特徴付けられることができる:データ・マイニング・モジュール110における広告モデルの学習またはトレーニング、CMS 120におけるカスタマイズされた広告リストまたはプレイリストの生成、デジタル看板モジュール105でのプレイリストの再生である。

0022

〈A広告モデルの学習〉
データ・マイニング技術は、大量のデータを探索してデータセット中の異なる変数の間の隠れたパターンや関係を見出すことに関わる。これらの知見は、新たなデータセットと突き合わせて検証されることができる。データ・マイニングの典型的な使用は、履歴データにおいて発見されたパターンを使って新たなデータに関する予測をすることである。本発明の諸実施形態では、データ・マイニング・モジュール110は広告モデルをトレーニングし、広告モデルに問い合わせすることを受け持つ。特に、二つの型の広告モデルが生成される。広告カテゴリー・モデルと通行人パターン・モデルである。広告カテゴリー・モデルでは、一組の規則が特定の観衆またはコンテキスト(たとえば時間、位置、天気)について最も適切な広告カテゴリーと相関付けられる。

0023

図3は、デジタル看板モジュール105によって収集され、広告データ310および気象データ315と一緒にデータ・マイニング・モジュール110への入力としてデータ・マイニング・モジュール110に提供されるビデオ解析データ305の図解300を与えている。325において、データ・マイニング・モジュールは、ある実施形態では、コンテキストおよびデータ特性に依存して、毎日であれ毎週であれ毎月であれ毎四半期であれ、定期的にモデルを生成し、トレーニング、つまり洗練する。基本的な原理は、履歴データから導出されるパターン/規則が変化しなければ、モデルをトレーニングまたは再生成する差し迫った必要はないというものである。

0024

ビデオ解析データ305は、本発明のある実施形態によれば、特定のデジタル広告がデジタル看板上で表示された日時およびその広告が表示された曜日、その広告が表示された位置を示す装置IDまたはディスプレイIDを含む。センサー入力も、ある実施形態では、デジタル表示装置上に表示されている間にデジタル広告が閲覧された時間の長さを提供しうる。最後に、年齢および性別といった特性に基づく潜在的なターゲット閲覧者の指標が含められる。

0025

広告貯蔵部125からデータ・マイニング・モジュール110によって受領される広告データ310は、特定のデジタル広告がデジタル看板上での表示のためにスケジュールされた日付および時間ならびにその広告が表示されるようスケジュールされた位置を示す装置IDもしくはディスプレイIDおよび秒単位でのデジタル広告の継続時間もしくは長さを含む。気象データ315は日付、気温およびデジタル広告がデジタル看板上に表示された日時または該日時付近における状況を含む。

0026

〈B広告リストの生成〉
データ・マイニング・モジュール110によって広告モデルが生成されたのち、それらのモデルはコンテンツ管理システム(CMS)120に転送される。次いでCMSは、諸広告カテゴリー・モデルから諸広告カテゴリーを抽出し、カテゴリー・リストを作る。これらの広告カテゴリーに対応する広告データは次いで、CMS 120にとってアクセス可能なデータベースのような恒久的な記憶部から取得される。広告カテゴリー・リストに基づいて、CMS 120は広告リストをも生成する。本発明のある実施形態では、生成された広告リストは、125における広告主入力に基づいて修正されてもよい。ある実施形態では、各広告主は、広告リストを並べ替えるための基礎として使われることができる優先度割り当てられる。

0027

図4は、CMS 120におけるイベントおよび情報の流れ400を示している。CMSはデータ・マイニング・モジュールを探査する。本発明のある実施形態における探査の頻度は、本発明のある実施形態により、一日一回である。CMSはデータ・マイニング・モジュールによって生成された現在の規則および予測リストのすべてを入手し、その情報を恒久的な記憶部に記憶する。特定の諸カテゴリーに対応する広告は広告主選好、広告リスト生成器および広告貯蔵部125に基づいて暫定プレイリストから取得される。「オフライン」モードでは、暫定プレイリストがデフォルト・プレイリストとして使用される。図4に描かれる構造化問い合わせ言語(SQL: Structured Query Language)サーバー・データベースのようなデータ記憶部は、ある実施形態によれば、広告貯蔵部125と関連付けられている。そのデータ記憶部から、広告名、広告種別および実際の広告についてのファイルを保持する広告貯蔵部のファイル・ディレクトリにおけるパスといった、前記特定の諸カテゴリーについての広告データを含むさまざまな情報が取得される。CMSは、与えられたパスに位置する広告を入手するために広告貯蔵部に接続する。これまでに生成されたすべてのモデルおよび対応する広告リストがCMSに記憶される。デジタル看板モジュールは典型的には、これらのモデルおよび広告リストのうち、デジタル看板モジュールがターゲットとする観衆に好適な部分集合しか含まない。CMSはデジタル看板モジュールに接続し、該モジュールに好適なモデルおよび宣伝リストを該モジュールにプッシュする。

0028

再び図4を参照するに、プレーヤー固有モデル抽出器435はデータ・マイニング・モジュール110に接続し、通行人パターン種別および広告カテゴリー・モデルの両方を取得する。これらのモデルは、プレーヤー毎に分離され、デジタル看板モジュール(デジタル・プレーヤー)105に送られる。データ・マイニング・モジュール110は現在の曜日および日付ならびに現在の天気に好適なモデルを提供する。たとえば、現在の日は2012年3月9日であり、午前中は晴れ、晩は雨と予報されている。モデル抽出器415は諸広告カテゴリー・モデルから諸広告カテゴリーを抽出し、それを各デジタル看板についての広告リスト生成器420に送る。モデルは構文解析パース〕され、各時間スロットについて広告が選択される。たとえば、平均広告継続時間が10秒であるとすると、1時間毎について360個の広告が選択される。

0029

広告リスト生成器420は、特定の日についてスケジュールされている諸カテゴリーについての諸広告を、広告データと一緒に取ってくる。暫定的なプレイリスト生成器モジュールは広告リストを解析し、広告主入力スケジューラに送られる暫定プレイリストを生成する。生成器420は配置された広告カテゴリーおよび広告リストに基づいてプレイリストをコンパイルする。広告の選択は、ある実施形態によれば、確率に基づいて各広告がランダムに選択されるルーレット回し選択に基づく。広告主入力スケジューラ・モジュール420は、広告主入力を取ってきて、広告主選好を暫定プレイリストに組み込んで、デフォルト・プレイリストを生成し、これがデジタル看板モジュールに送られる。

0030

広告リフレッシュ・モジュール405は、CMSにとってアクセス可能な恒久的記憶部、たとえばデータベースに維持されている諸バージョンを、広告貯蔵部から得られる諸バージョンと比較することによって新たな広告があるかどうか検査する。広告の新たなバージョンがみつかったら、実際の広告(ビデオ・ファイル)がデジタル看板モジュールに転送される。新たな広告(前には広告貯蔵部に存在していなかった広告)が存在していれば、モジュール405はSQLサーバーDB 440から広告データを取ってきて、それをデジタル看板モジュール105に送る。

0031

〈Cデジタル看板モジュールでのプレイリストの再生〉
CMS 120は広告リストを140においてデジタル看板モジュール105に転送する。ある実施形態では、デジタル看板モジュールは、広告リストからファイル・ディレクトリ・パス情報を抽出し、次いで広告ファイルを保持する広告貯蔵部125から対応する広告を取得することによって、デフォルト・プレイリストを生成する。デジタル看板モジュールは、オンライン・モードおよびオフライン・モードの両方で動作する。オフライン・モードでは、デフォルトのプレイリストがデジタル看板に対して再生される。オンライン・モードのためのプレイリストは、図5を参照して後述するリアルタイムVAデータを使って生成される。図5は、デジタル看板モジュール(デジタル・プレーヤー)105におけるイベントおよび情報の流れ500を示している。

0032

ビデオ解析(VA: video analytic)解析器予測器)モジュール510はリアルタイムVAデータを取ってきて、VAデータを予測するためにCMS 120から通行人パターン・モデルを取得する。予測されたVAデータはモデル解析器モジュール515に送られる。モデル解析器モジュール515は予測されたVAデータを入力として受け取り、CMS 120から広告カテゴリー・モデルを取得し、予測されたVAデータに基づいて広告カテゴリーを抽出する。ある実施形態では、通行人パターン・モデルおよび広告カテゴリー・モデルの信頼値乗算されて乗算された信頼値を生成する。乗算された信頼値がある閾値より大きければ、抽出された広告カテゴリーについての広告が暫定プレイリスト生成器520に送られ、そうでなければ、デジタル看板モジュールはオフライン・モードを続ける。暫定プレイリスト生成器モジュール520はCMS 120から広告リストを取得し、モデル解析器からの広告カテゴリーを考慮することによって暫定プレイリストを生成し、暫定プレイリストをオンライン・モードに送る。

0033

スケジューラ・モジュール525は三つのサブモジュールを含む:確率分布に基づいて広告を選択し、その広告を実際の広告に関連付け、その実際の広告がその後スケジュールされ、545においてディスプレイに送られるオンライン・サブモジュール;スケジューリング時間に基づいてデフォルト・プレイリストから広告を選択し、その広告を実際の広告に関連付け、その実際の広告がその後スケジュールされ、545においてディスプレイに送られるオフライン・サブモジュール;広告主選好があるかどうかを検査し、広告主が好む広告を、545において表示のためにスケジュールする選好サブモジュール。

0034

〈リアルタイムでのコンテンツのトリガー〉
本発明のある実施形態によれば、閲覧者はリアルタイムでターゲットとされる。リアルタイム処理はデジタル看板モジュールで行われる。各デジタル看板モジュールは、CMSから広告カテゴリーおよび通行人パターン・モデルの両方を受け取る。おおまかにいえば、ある実施形態によれば、複数の閲覧者が検出され、それらの閲覧者の人口統計情報が解析され、それらの閲覧者についての閲覧パターンが収集される。それに基づいて、そのデジタル看板モジュールをターゲットとして諸広告が提供される。ある実施形態では、通行人パターン・モデルは、デジタル広告をオンライン・モードまたはオフライン・モードのどちらで再生するかを示す信頼値と称されるパラメータをもつ。こうして、リアルタイム・モードでAVAデータが解析されるとき、通行人パターン・モデルからの規則が選ばれ、これらの規則に付された信頼値が閾値と比較される。信頼値が閾値に満たなければ、デフォルト・プレイリストが再生されるが、該値が閾値以上であれば、広告リストは修正され、現在の閲覧者をターゲットとする広告が再生される。現在の広告が再生されたのち、デジタル看板モジュールはデフォルト・プレイリストの再生に戻ることができ、あるいはターゲットを絞られた広告の再生を続けることもできる。

0035

〈ターゲットを絞った広告活動のためのデータ・マイニング〉
データ・マイニング技術は、大量のデータを探索してデータセット中の異なる変数の間の隠れたパターンや関係を見出すことに関わる。本発明の諸実施形態は、観衆の閲覧挙動についてのパターンを発見するためにデータ・マイニング・アルゴリズムを使う。基本的な発想は、将来の観衆に対し、同じ人口学的特性に属する観衆によって過去にそこそこの長さの時間にわたり閲覧されたある種の広告を見せるというものである。

0036

〈A 複数広告モデル・トレーニング〉
閲覧者データに含まれるパターンを捕捉する目的のため、広告モデルをトレーニングし直すために二つの実施形態が使用される:規則的な再トレーニングおよびオンデマンド再トレーニングである。規則的な再トレーニングは、毎週または毎月など規則的にトリガーされる。オンデマンド再トレーニングは、広告モデルのパフォーマンスがあらかじめ定義された閾値より低いか、再トレーニング要求ユーザーまたは操作者から受領されるときにトリガーされる。ある実施形態では、種々のデータ・マイニング・アルゴリズムの利点をフルに利用するため、決定木、連想規則およびナイーブ・ベイズおよびロジスティック回帰解析を含む複数のデータ・マイニング・アルゴリズムが、広告モデルを平行してトレーニングするために使われる。最良の広告モデルまたは複数の広告モデルが広告選択のために使用される。

0037

〈B観衆をターゲットとする方法〉
1.視覚ベースターゲット化
視覚ベースのターゲット化は、デジタル看板が観衆を「見ること」に基づいて観衆をターゲットとすることをいう。人口学的情報が、デジタル表示装置に近い一つまたは複数の前方を向くカメラのようなデジタル看板のセンサーから取得される。センサーおよびプロセッサに結合されたAVAソフトウェアは、閲覧者の数、その性別およびその年齢層を匿名で検出し、次いでその情報に基づいて広告内容を適応させる諸実施形態を提供する。たとえば、三人の若い女性および一人の高齢の男性がデジタル看板のそばを通るのが見られた場合、広告モデルはこの情報を入力情報として問い合わせされ、最も適切な広告が再生のために選択される。

0038

2.予測ベースのターゲット化
予測ベースのターゲット化は、まず、将来のある時間期間に当該デジタル看板のところに到達する閲覧者または通行人を予測し、それをターゲットにする。たとえば、三人の若い女性と一人の高齢の男性がデジタル看板の脇を通ることが予測される場合、適切な広告、たとえば最も適切な広告が広告モデル毎に選択され、再生するよう準備される。

0039

3.コンテキスト・ベースのターゲット化
コンテキスト・ベースのターゲット化は、日付/時間、デジタル看板位置、気象情報などといったコンテキストに依存して広告のターゲットを絞る。たとえば、11月および12月の間の晴れた水曜日の午前中の午前9時から午前11時の間には、広告モデルに従って、高齢の男性に向けた広告が、特定のデジタル看板上での再生されるよう選択されてもよい。この実施形態は、通行人種別予測に基づくターゲット化が信頼できない、または通行人パターンが閲覧者データから発見されないもしくは発見できない場合に有用である。

0040

〈C重み付けされた観衆計数
予測ベースのターゲット化を実現するために、次の時間スロットにおける閲覧者の種別、つまり通行人種別を予測するために閲覧者または通行人予測モデルが使われる。このモデルをトレーニングするために、重み付けされた観衆計数がトレーニング・データセットを生成するのに使われる。ある実施形態では、各通行人種別の計数値が、その種別の通行人がデジタル看板のそばを通ると期待される時刻に従って重み付けされる。各通行人種別について、その重み付けされた計数値を計算するために次のプロセスが使われる。

0041

a)時間スロットTをいくつかの区間、たとえばこの説明において区間t0,t1,…,t9と番号付けされる10個の均等な区間にスライスする。ある実施形態では、Tは30秒に等しい。しかしながら、Tはいかなる長さの時間であってもよい。たとえば、Tは1時間に等しくてもよい。

0042

b)所与の時間スロットTにおける通行人種別に、その通行人種別がデジタル看板のそばを通ると期待される区間に従って位置P=0,1,…,9でラベル付けする。

0043

c)すると、通行人種別の重み付けされた計数値Cは

0044

として計算される。ここで、nは、位置Pにおいてデジタル看板のそばを通ると期待されるこの通行人種別の通行人の数である。

0045

たとえば、図6を参照するに、表1は、時間スロットT内またはTの間にデジタル看板のそばを通ると期待される大人の女性(FA: Female Adults)を示している。区間t1においては二人、区間t5では一人、区間t8では三人の大人の女性が通過すると期待される。よって、Tの間の通行人種別「大人の女性」についての重み付けされた計数値は次のようになる。

0046

上記のプロセスは時間スロットTにおけるすべての通行人種別について繰り返され、図5の表2に示されるような、時間スロットTの間のすべての通行人種別についてのデータセットを生成する。このプロセスは、各時間スロット、たとえば時間スロットT0,T1,…,Tnにおける各通行人種別についてさらに繰り返される。こうしてトレーニング・データセットが生成される。該トレーニング・データセットは、多くのデータセットまたは行を含む。各時間スロットについて一つである。ここで、各行が、各通行人種別についての重み付けされた計数値を与える。本稿の例は8通りの通行人種別を示しているが、人口学的情報において定義されたカテゴリーに基づいて、さらなる、またはより少数の通行人種別が利用されてもよいことは理解される。

0047

〈D通行人予測モデル〉
本発明の諸実施形態によれば、下記のような二つの型の通行人予測モデルが生成され、利用されてもよい。

0048

1.通行人分布予測モデル
図6の表1および表2を参照して上記したようなトレーニング・データセットに基づいて、通行人種別(上例では8通り)を予測変数として指定し、しかるべく予測モデルをトレーニングする。トレーニングされたモデルは、次の時間スロットにおいて予測された通行人種別分布を指定する。

0049

2.主要通行人予測モデル
上記のトレーニング・データセットに基づいて、データセット中で最大計数値をもつ通行人の種別を主要通行人種別として選択し、主要通行人種別を予測変数として指定し、しかるべく予測モデルをトレーニングする。トレーニングされたモデルは次の時間スロットにおける予測される主要な通行人種別を示す。たとえば、表2における主要な通行人種別は成人男性であり、その重み付けされた計数値が、表の中の他のすべての通行人種別と比較して最高値もしくは最大値(3.2)となっている。

0050

〈E広告規則の例〉
1.視覚ベースのターゲット化規則
装置ID=561、時間スロット=午前、曜日=金曜日、性別=女性、年齢=若い、天気=晴れ、IsWeekend〔週末かどうか〕=0、メディアID=10、メディアカテゴリー=戸外の場合、ターゲット・ポテンシャル=0.9となる(80%の信頼度)。

0051

上例において、メディアIDは、メディアカテゴリーによって指定されるカテゴリー「戸外」内での特定の広告についての識別子である。信頼度は、規則の強さの指標である。たとえば、80%の信頼度は、10回中8回は規則が正しいことを意味する。ターゲット・ポテンシャルは、その特定の広告における潜在的な興味深さを示す。たとえば、0.9(1.0が最大)は、その特定の広告に対する非常に強い関心を示す。これらの規則は、ターゲット・ポテンシャルおよび信頼度の値とともに、データ・マイニング・モジュールによって、上記のデータ・マイニング・アルゴリズムの一つまたは複数を使って生成される。

0052

2.ターゲット化規則に基づく予測
i.通行人分布予測規則
装置ID=561、時間スロット=午前、時刻=11:00〜12:00、曜日=金曜日、IsWeekend=0、天気=晴れの場合、
NFC=a1*CFC+b1*CFY+c1*CFA+d1*CFS+e1*CMC+f1*CMY+g1*CMA+h1*CMS+i1
NFY=a2*CFC+b2*CFY+c2*CFA+d2*CFS+e2*CMC+f2*CMY+g2*CMA+h2*CMS+i2
NFA=a3*CFC+b3*CFY+c3*CFA+d3*CFS+e3*CMC+f3*CMY+g3*CMA+h3*CMS+i3
NFS=a4*CFC+b4*CFY+c4*CFA+d4*CFS+e4*CMC+f4*CMY+g4*CMA+h4*CMS+i4
NMC=a5*CFC+b5*CFY+c5*CFA+d5*CFS+e5*CMC+f5*CMY+g5*CMA+h5*CMS+i5
NMY=a6*CFC+b6*CFY+c6*CFA+d6*CFS+e6*CMC+f6*CMY+g6*CMA+h6*CMS+i6
NMA=a7*CFC+b7*CFY+c7*CFA+d7*CFS+e7*CMC+f7*CMY+g7*CMA+h7*CMS+i7
NMS=a8*CFC+b8*CFY+c8*CFA+d8*CFS+e8*CMC+f8*CMY+g8*CMA+h8*CMS+i8
ここで、NFC、NFY、NFA、NFS、NMC、NMY、NMAおよびNMSはそれぞれNext Female Child〔次の女性・子供〕、Next Female Young〔次の女性・若い〕、Next Female Adult〔次の女性・成人〕、Next Female Senior〔次の女性・高齢〕、Next Male Child〔次の男性・子供〕、Next Male Young〔次の男性・若い〕、Next Male Adult〔次の男性・成人〕およびNext Male Senior〔次の男性・高齢〕を表し、次の時間スロットにおけるそれぞれの観衆または通行人の種別の重み付けされた計数値を表す。CFC、CFY、CFA、CFS、CMC、CMY、CMAおよびCMSはそれぞれCurrent Female Child〔現在の女性・子供〕、Current Female Young〔現在の女性・若い〕、Current Female Adult〔現在の女性・成人〕、Current Female Senior〔現在の女性・高齢〕、Current Male Child〔現在の女性・子供〕、Current Male Young〔現在の男性・若い〕、Current Male Adult〔現在の男性・成人〕およびCurrent Male Senior〔現在の男性・高齢〕を表し、現在の時間スロットにおけるそれぞれの観衆種別の重み付けされた計数値を表す。回帰係数a1,…,a8,b1,…,b8,…,i1,…,i8は回帰アルゴリズムによってトレーニングされる。各回帰係数の値は、該係数に乗算される通行人種別の関連性を示す。たとえば、NFC=a1*CFC+b1*CFY+c1*CFA+d1*CFS+e1*CMC+f1*CMY+g1*CMA+h1*CMS+i1の式において、a1は現在の通行人種別CFCの次の通行人種別NFCに対する関連性を示す。ある実施形態では、CFCはたとえばCMSよりもNFCに対して関連性があり、よってa1の値はh1の値より大きい。実際、h1の値はある実施形態ではゼロであることもできる。

0053

ii.主要通行人予測規則
装置ID=561、時間スロット=午前、時刻=11:00〜12:00、曜日=金曜日、IsWeekend=0、天気=晴れ、現在の主要通行人=高齢の女性の場合、次の主要通行人=高齢の男性。

0054

上例において、現在の時間スロットにおける主要な通行人種別は高齢の女性である。主要な通行人種別は、主要通行人予測モデルへの入力として与えられる予測変数として使われる。トレーニングされたモデルは、次の時間スロットにおける予測された主要な通行人種別は高齢の男性であることを示す。

0055

3.コンテキスト・ベースのターゲット化規則
装置ID=561、時間スロット=午前、時刻=9:00〜9:30、曜日=金曜日、天気=晴れ、IsWeekend=0、メディアID=10、メディアカテゴリー=メディアカテゴリー1の場合、ターゲット・ポテンシャル=0.5(70%の信頼度)。

0056

〈F広告活動モデルに基づく広告選択〉
1.視覚ベースのターゲット化のための広告選択
本発明のある実施形態によれば、利用可能な入力、たとえば閲覧者データから得られる人口学的情報、コンテキスト情報などが、視覚ベースのターゲット化規則に問い合わせするために使われる。問い合わせは、図6の表3に記載される規則を同定する。次いで問い合わせの結果は、図6の表4に記載されるように、まとめられ、特定の広告(メディアID)についての重み付けされたターゲット・ポテンシャル(WTP: Weighted Target Potential)を生成する。ここで、WTP=f(通行人の数,ターゲット・ポテンシャル,信頼度)である。

0057

たとえば、三人の若い女性および一人の高齢の男性がデジタル看板のそばを通過するのが見られ、適用可能な規則内の広告が図6の表3に示されるようなもの、すなわちメディアID 112および116によって同定される広告であるとする。表3の例では、重み付けされたターゲット・ポテンシャルは、(通行人の数×ターゲット・ポテンシャル×信頼度)として計算されて図6の表4に示されるようになる。たとえば、メディアカテゴリー「戸外」、メディアID 112では、重み付けされたターゲット・ポテンシャル(WTP)は3(表3の行1におけるFY通行人種別の数)かける0.9(表3の行1のターゲット・ポテンシャル)かける0.8(表3の行1の信頼度)=2.16となる。さらに、メディアカテゴリー「靴」、メディアID 116についてのWTPは、表2の行2および行3にある値を与えられると、(3*0.7*0.9)+(1*0.5*0.7)=2.24として計算される。

0058

ある実施形態によれば、表4の広告のリストは、各広告についての重み付けされたターゲット・ポテンシャル(WTP)に基づいてランク付けされてもよく、WTPに関して上位m個の広告が推奨される広告として選択される。ある実施形態では、再生すべき最終的な広告を最終決定するために、上位m個の広告は、広告主の入力のような他の因子をさらに考慮して選択される。

0059

2.予測ベースのターゲット化についての広告選択
通行人分布予測に関し、ある実施形態によれば、現在の時間スロットにおけるすべての通行人種別、すなわち上例ではCFC、CFY、CFA、CFS、CMC、CMY、CMA、CMSの重み付けされた計数値が計算される。次いでこれらの重み付けされた計数値が、他の利用可能な入力、たとえばコンテキスト情報と一緒に通行人分布予測モデルに与えられる。次いで、通行人分布予測モデルは、予測ベースのターゲット化規則を使って、次の時間スロットにおける対応する通行人種別、つまりNFC、NFY、NFA、NFS、NMC、NMY、NMA、NMSについての重み付けされた計数値を計算する。次の時間スロットにおける対応する通行人種別についての重み付けされた計数値の例は、図6、表5に示されている。

0060

次の時間スロットにおけるそれぞれの通行人種別に関連付けられたこれらの重み付けされた計数値は、まとめられて、特定の広告(メディアID)についての重み付けされたターゲット・ポテンシャル(WTP)を生成する。これは表4に示される視覚ベースのターゲット化規則についての要約と同様だが、この場合はWTP=f(次の時間スロットにおける対応する通行人種別についての重み付けされた計数値,ターゲット・ポテンシャル,信頼度)である。本質的には、視覚ベースのターゲット化規則と通行人分布予測ターゲット化規則との間の違いは、視覚ベースのターゲット化規則において使用される通行人の実際の数が、通行人分布予測ベースのターゲット化規則においては次の時間スロットにおける対応する予測される通行人種別についての重み付けされた計数値で置き換えられるということである。

0061

ある実施形態によれば、通行人分布予測モデルを使って生成される広告のリストは、各広告についての重み付けされたターゲット・ポテンシャル(WTP)に基づいてランク付けされることができる。WTPに関して上位m個の広告が推奨される広告として選択される。ある実施形態では、再生すべき最終的な広告を最終決定するために、上位m個の広告は、広告主の入力のような他の因子をさらに考慮して選択される。

0062

主要通行人予測に関し、現在の時間スロットにおけるすべての通行人種別の重み付けされた計数値CFC、CFY、CFA、CFS、CMC、CMY、CMA、CMSの計算後、本発明のある実施形態は、入力として、現在の主要通行人種別および他の利用可能な入力を、選択し、主要通行人予測モデルに与え、該主要通行人予測モデルが次の主要通行人種別を生成する。一つの(主要な)通行人種別のみが考慮されるので、主要通行人種別についての通行人の数はこの計算については使用されない。

0063

コンテキスト・ベースの予測に関し、コンテキスト情報(時間、位置、天気)が、コンテキスト・ベースのターゲット化規則に問い合わせするための入力として与えられ、該規則がその入力から、対応するターゲット・ポテンシャルおよび信頼度の値を用いて、広告のリストを生成する。このリストは、各広告についてのターゲット・ポテンシャルに基づいてランク付けされてもよく、上位m個の広告が推奨される広告として選択される。ある実施形態では、再生すべく選択される広告を最終決定するために、上位m個の広告は、広告主の入力のような他の因子をさらに考慮して選択される。

0064

下記の例はさらなる実施形態に関するものである。

0065

デジタル看板上で複数の広告のうちの一つの広告をいつ表示するかを選択する方法であって:前記デジタル看板上での広告の前記表示に関する情報を受領する段階と;前記情報を複数の広告選択規則に適用する段階と;前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で前記一つの広告をいつ表示するかを選択する段階とを含む、方法。ある実施形態では、情報を受領する前記方法が、前記デジタル看板上で表示された以前の広告の実際の閲覧者に関する人口学的情報を受領する段階を含む。ある実施形態では、前記情報を複数の広告選択規則に適用する段階が、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することを含む。

0066

ある実施形態では、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する。ある実施形態では、前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストから前記一つの広告を選択することを含む。

0067

ある実施形態では、情報を受領する段階が、前記デジタル看板上で表示される広告の予測される閲覧者に関する人口学的情報を受領する段階を含む。前記情報を複数の広告選択規則に適用する段階が、将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することを含む。将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する。前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストから前記一つの広告を選択することを含む。

0068

ある実施形態では、情報を受領する段階が、前記デジタル看板上での広告の表示に関するコンテキスト情報を受領する段階を含む。前記情報を複数の広告選択規則に適用する段階が、前記デジタル看板上での広告の表示に関する受領されたコンテキスト情報を、複数のコンテキスト・ベースの広告選択規則に適用することを含む。前記受領されたコンテキスト情報を適用することが、前記複数の広告の重み付けされたリストを生成する。前記一つの広告をいつ表示するかを選択する段階が、前記重み付けされたリストから最大の重みをもつ広告を、前記一つの広告として選択することを含む。

0069

デジタル看板上で複数の広告のうちの一つの広告をいつ表示するかを選択する装置であって:前記デジタル看板上での広告の前記表示に関する情報を受領する、前記デジタル看板に結合するデータ・マイニング・モジュールであって、前記情報を複数の広告選択規則に適用するデータ・マイニング・モジュールと;前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で前記一つの広告をいつ表示するかを選択する、前記データ・マイニング・モジュールに結合されたコンテンツ管理システムとを有する、装置。

0070

ある実施形態では、前記データ・マイニング・モジュールが情報を受領することが、前記データ・マイニング・モジュールが前記デジタル看板上で表示された以前の広告の実際の閲覧者に関する人口学的情報を受領することを含む。ある実施形態では、前記データ・マイニング・モジュールが前記情報を複数の広告選択規則に適用することが、前記データ・マイニング・モジュールが以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することを含む。ある実施形態では、前記データ・マイニング・モジュールが以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する。ある実施形態によれば、前記コンテンツ管理システムが前記一つの広告をいつ表示するかを選択することが、前記コンテンツ管理システムが前記重み付けされたリストから前記一つの広告を選択することを含む。

0071

前記データ・マイニング・モジュールが情報を受領することが、前記データ・マイニング・モジュールが前記デジタル看板上で表示される広告の予測される閲覧者に関する人口学的情報を受領することを含み、前記データ・マイニング・モジュールが前記情報を複数の広告選択規則に適用することが、前記データ・マイニング・モジュールが将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することを含む。ある実施形態では、前記データ・マイニング・モジュールが将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成し、前記コンテンツ管理システムが前記一つの広告をいつ表示するかを選択することが、前記コンテンツ管理システムが前記重み付けされたリストから前記一つの広告を選択することを含む。

0072

ある実施形態によれば、前記データ・マイニング・モジュールが情報を受領することが、前記データ・マイニング・モジュールが前記デジタル看板上での広告の表示に関するコンテキスト情報を受領することを含み、前記データ・マイニング・モジュールが前記情報を複数の広告選択規則に適用することが、前記データ・マイニング・モジュールが前記デジタル看板上での広告の表示に関する受領されたコンテキスト情報を、複数のコンテキスト・ベースの広告選択規則に適用することを含む。前記データ・マイニング・モジュールが前記受領されたコンテキスト情報を適用することが、前記複数の広告の重み付けされたリストを生成し、前記コンテキスト管理システムが前記一つの広告をいつ表示するかを選択することが、前記コンテキスト管理システムが前記重み付けされたリストからある重みをもつ広告を、該広告が前記一つの広告として選択されるよう、選択することを含む。

0073

ある実施形態によれば、デジタル看板上で複数の広告のうちの一つの広告を表示するときに選択する方法であって:前記デジタル看板上での広告の前記表示に関する情報を受領する段階と;前記情報を複数の広告選択規則に適用する段階と;前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で、たとえば重み付けされたリストから、前記一つの広告を表示するときに選択する段階とを含む、方法が実行される。ある実施形態によれば、前記表示に関する情報を受領する段階が、前記デジタル看板上で表示された以前の広告の実際の閲覧者に関する人口学的情報を受領する段階を含む。ある実施形態によれば、前記情報を複数の広告選択規則に適用する段階が、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することを含む。ある実施形態では、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する。

0074

ある実施形態によれば、前記表示に関する情報を受領する段階が、前記デジタル看板上で表示された以前の広告の実際の閲覧者に関する人口学的情報を受領する段階を含む。ある実施形態によれば、前記情報を複数の広告選択規則に適用する段階が、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することを含む。ある実施形態では、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する。

0075

ある実施形態では、前記デジタル看板上での広告の前記表示に関する情報を受領する段階が、前記デジタル看板上で表示される広告の予測される閲覧者に関する人口学的情報を受領する段階を含む。さらに、この実施形態において、前記情報を複数の広告選択規則に適用する段階が、将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することを含む。さらに、この実施形態において、将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用することが、前記複数の広告の重み付けされたリストを生成する。前記実施形態によれば、前記一つの広告を表示するときに選択する段階が、前記重み付けされたリストから前記一つの広告を選択することを含む。

0076

ある実施形態では、情報を受領する段階が、前記デジタル看板上での広告の表示に関するコンテキスト情報を受領する段階を含む。かかる実施形態において、前記情報を複数の広告選択規則に適用する段階が、前記デジタル看板上での広告の表示に関する受領されたコンテキスト情報を、複数のコンテキスト・ベースの広告選択規則に適用することを含む。前記実施形態において、前記受領されたコンテキスト情報を適用することが、前記複数の広告の重み付けされたリストを生成する。前記実施形態において、前記一つの広告を表示するときに選択する段階が、前記重み付けされたリストから最大の重みをもつ広告を、前記一つの広告として選択することを含む。

0077

上記の諸実施形態がソフトウェアにおいて実装できることは理解される。それにより、少なくとも一つの機械可読媒体が複数の命令を有し、前記命令は、コンピューティングデバイス上で実行されるのに応答して、該コンピューティング・デバイスに上記の諸実施形態を実行させる。

0078

ある実施形態では、装置が、デジタル看板上で複数の広告のうちの一つの広告を表示するときに選択する。前記装置は、前記デジタル看板上での広告の前記表示に関する情報を受領する、前記デジタル看板に結合するデータ・マイニング・モジュールを有する。前記データ・マイニング・モジュールは、前記情報を複数の広告選択規則に適用する。前記データ・マイニング・モジュールに結合されたコンテンツ管理システムが、前記受領された情報の前記適用に基づいて、前記広告選択規則に従って前記デジタル看板上で前記一つの広告を表示するときに選択する。

0079

ある実施形態では、前記データ・マイニング・モジュールは、前記デジタル看板上で表示された以前の広告の実際の閲覧者に関する人口学的情報を受領し、以前の広告の実際の閲覧者に関する受領された人口学的情報を、複数の視覚ベースの広告選択規則に適用する。これは、前記データ・マイニング・モジュールが、前記複数の広告の重み付けされたリストを生成することによって達成されてもよい。ある実施形態によれば、前記コンテンツ管理システムは前記重み付けされたリストから前記一つの広告を選択することを含む。

0080

ある実施形態では、前記データ・マイニング・モジュールは、前記デジタル看板上で表示される広告の予測される閲覧者に関する人口学的情報を受領し、将来の広告の予測される閲覧者に関する受領された人口学的情報を、複数の予測ベースの広告選択規則に適用する。ある実施形態では、前記データ・マイニング・モジュールは前記複数の広告の重み付けされたリストを生成してもよく、前記コンテンツ管理システムは前記一つの広告を前記重み付けされたリストから選択する。

0081

ある実施形態では、前記データ・マイニング・モジュールは、前記デジタル看板上での広告の表示に関するコンテキスト情報を受領し、前記デジタル看板上での広告の表示に関する受領されたコンテキスト情報を、複数のコンテキスト・ベースの広告選択規則に適用する。ある実施形態では、前記データ・マイニング・モジュールは、前記複数の広告の重み付けされたリストを生成してもよく、前記コンテキスト管理システムが前記重み付けされたリストからある重みをもつ広告を、該広告が前記一つの広告として選択されるよう、選択する。

0082

〈まとめ〉
本稿において、本発明の諸実施形態のより十全な説明を与えるために数多くの詳細が記載されてきた。しかしながら、当業者には、本発明の諸実施形態がこうした個別的な詳細なしでも実施されうることは明白であるはずである。一方、よく知られた構造や装置は、本発明の実施形態を埋没させるのを避けるために、詳細にではなくブロック図の形で示した。

0083

詳細な説明のいくつかの部分は、コンピュータ・メモリ内のデータに対する操作のアルゴリズムおよび記号表現を使って提示されている。こうしたアルゴリズム的な記述および表現は、データ処理技術の当業者が研究の内容を他の当業者に最も効果的に伝達するために使う手段である。アルゴリズムは、本稿においても一般にも、所望される結果につながる自己矛盾一連のステップであると考えられる。そうしたステップは、物理量の物理的な操作を必要とするステップである。必須ではないが通例、こうした量は記憶、転送、結合、比較および他の仕方で操作されることのできる電気信号または磁気信号の形を取る。時に、主として慣用のため、これらの信号を、ビット、値、要素、シンボル記号、項、数などと称することが便利であることが判明している。

0084

しかしながら、これらのおよび同様の用語のすべては、適切な物理量と関連しており、そうした量に適用される単に便利なラベルに過ぎないことを念頭に置いておくべきである。特に断りのない限り、この議論から明白なように、本稿を通じて、「処理」または「コンピューティング」または「計算」または「決定」または「表示」などといった用語を利用した議論は、コンピュータ・システムまたは同様の電子的コンピューティング・デバイスの、該コンピュータ・システムのレジスタもしくはメモリ内の物理的な(電子的な)量として表現されたデータを操作し、同様に該コンピュータ・システム・メモリもしくはレジスタもしくは他のそのような情報記憶伝送もしくは表示デバイス内の物理量として表現された他のデータに変換する動作およびプロセスを指すことは理解される。

0085

本発明の諸実施形態は、本稿における動作を実行する装置にも関する。いくつかの装置は要求される目的のために特別に構築されてもよいし、あるいはコンピュータ内に記憶されたコンピュータ・プログラムによって選択的に作動されるもしくは再構成される汎用コンピュータであってもよい。そのようなコンピュータ・プログラムは、コンピュータ可読記憶媒体に記憶されていてもよい。コンピュータ可読記憶媒体は、これに限られないが、フロッピー登録商標ディスク光ディスクCD-ROM、DVD-ROMおよび光磁気ディスクを含む任意の型のディスク、読み出し専用メモリ(ROM)、ランダム・アクセス・メモリ(RAM)、EPROM、EEPROM、NVRAM磁気もしくは光学式カードまたは電子的な命令を記憶するのに好適な任意の型の媒体などであり、それぞれコンピュータ・システム・バスに結合される。

0086

本稿に提示されるアルゴリズムおよび表示は、いかなる特定のコンピュータもしくは他の装置にも本来的に関係していない。さまざまな汎用システムが本稿における教示に基づくプログラムと一緒に使用されることができ、要求される方法ステップを実行するためにより特化した装置を構築することが便利であると判明することもありうる。こうした多様なシステムについての要求される構造は、本稿における説明から明白である。さらに、本発明の諸実施形態は、いかなる特定のプログラミング言語を参照しても記述されていない。本稿に記載される本発明の教示を実装するために、多様なプログラミング言語が使用されうることは理解されるであろう。

0087

機械可読媒体は、機械(たとえばコンピュータ)によって読み取り可能な形で情報を記憶または伝送するための任意の機構を含む。たとえば、機械可読媒体は、読み出し専用メモリ(「ROM」);ランダム・アクセス・メモリ(「RAM」);磁気ディスク記憶媒体;光学式記憶媒体フラッシュメモリ・デバイスなどを含む。

0088

本発明の実施形態の多くの変形および修正は、以上の記述を読んだあとには当業者には明白となることは疑いがないが、例示として示され、記述されるいかなる個別的な実施形態も、いかなる形であれ限定するものと考えられることは意図されていない。したがって、さまざまな実施形態の詳細に対する言及は、本発明にとって本質的であると見なされる特徴のみを記述する請求項の範囲を限定するものと意図されてはいない。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

該当するデータがありません

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

この 技術と関連性が強い技術

該当するデータがありません

この 技術と関連性が強い法人

該当するデータがありません

この 技術と関連性が強い人物

該当するデータがありません

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ