JP7144482B2 - 介入に用いるコンテンツの作成を支援する装置、方法及びプログラム - Google Patents

Description

本発明は、に関するものである。

ＷＥＢを利用するユーザごとに広告を出し分けたり、手術等の医療行為を患者ごとに適用したりする場合において、介入対象（ユーザ、患者など）ごとに介入（広告、医療行為など）の効果を予測する技術が知られている。例えば下記の特許文献には、因果効果を計測して情報の発信に利用する発明が記載されている。

特開２０１５－５３０７１号公報

ところでＷＥＢの広告の分野では、ユーザに提示ずるバナー画像などのコンテンツによって商品の購入率に大きな差が生じることがある。そのため、より高い購入率を達成できるコンテンツを作成することが重要となる。しかしながら、従来はコンテンツのどのような部分が購入率に影響を与えるかについての明確な指針が無いままコンテンツの作成が行われていたため、コンテンツ作成者の感覚に依存する割合が高くなり、広告効果の高いコンテンツを作成することが難しいという不利益があった。

本発明はかかる事情に鑑みてなされたものであり、その目的は、より介入効果の高いコンテンツを作成し易くすることができる装置、方法及びプログラムを提供することにある。

本発明の第１の観点に係る装置は、介入に用いるコンテンツの作成を支援する装置であって、１以上のプロセッサを含んだ処理部と、前記処理部において実行される命令を格納する記憶部とを有し、前記介入は、受益者が求める対象者の反応を引き出すために前記対象者に対して前記コンテンツを提示することであり、一の前記対象者についての予測介入効果は、当該一の対象者に対して前記介入を実施したと仮定した場合に前記介入を実施しなかった場合に比べて見込まれる前記受益者の利得の増加に対応した数値であり、前記利得は、前記対象者の前記反応の結果に応じて定められた数値であり、前記処理部は、前記対象者が持つ所定の特徴から前記予測介入効果を推定するための推定モデルに基づいて、前記所定の特徴に含まれる複数の特徴項目の各々が前記予測介入効果に寄与する度合いを示す寄与度を算出する処理と、前記コンテンツの作成作業に用いられるディスプレイに表示可能なディスプレイ画面を生成する処理とを前記命令に応じて実行し、前記ディスプレイ画面を生成する処理は、前記複数の特徴項目の各々について算出した前記寄与度の少なくとも一部を表示する前記ディスプレイ画面を生成することを含む、装置である。

本発明の第２の観点に係る方法は、介入に用いるコンテンツの作成を支援する方法であって、前記介入は、受益者が求める対象者の反応を引き出すために前記対象者に対して前記コンテンツを提示することであり、一の前記対象者についての予測介入効果は、当該一の対象者に対して前記介入を実施したと仮定した場合に前記介入を実施しなかった場合に比べて見込まれる前記受益者の利得の増加に対応した数値であり、前記利得は、前記対象者の前記反応の結果に応じて定められた数値であり、１以上のコンピュータが、前記対象者が持つ所定の特徴から前記予測介入効果を推定するための推定モデルに基づいて、前記所定の特徴に含まれる複数の特徴項目の各々が前記予測介入効果に寄与する度合いを示す寄与度を算出することと、前記コンテンツの作成作業に用いられるディスプレイに表示可能なディスプレイ画面を生成することとを実行し、前記ディスプレイ画面を生成することは、前記複数の特徴項目の各々について算出した前記寄与度の少なくとも一部を表示する前記ディスプレイ画面を生成することを含む、方法である。

本発明の第３の観点に係るプログラムは、介入に用いるコンテンツの作成を支援するプログラムであって、前記介入は、受益者が求める対象者の反応を引き出すために前記対象者に対して前記コンテンツを提示することであり、一の前記対象者についての予測介入効果は、当該一の対象者に対して前記介入を実施したと仮定した場合に前記介入を実施しなかった場合に比べて見込まれる前記受益者の利得の増加に対応した数値であり、前記利得は、前記対象者の前記反応の結果に応じて定められた数値であり、１以上のコンピュータに、前記対象者が持つ所定の特徴から前記予測介入効果を推定するための推定モデルに基づいて、前記所定の特徴に含まれる複数の特徴項目の各々が前記予測介入効果に寄与する度合いを示す寄与度を算出する処理と、前記コンテンツの作成作業に用いられるディスプレイに表示可能なディスプレイ画面を生成する処理とを実行させ、前記ディスプレイ画面を生成する処理は、前記複数の特徴項目の各々について算出した前記寄与度の少なくとも一部を表示する前記ディスプレイ画面を生成することを含む、プログラムである。

本発明によれば、より介入効果の高いコンテンツを作成し易くすることができる装置、方法及びプログラムを提供できる。

図１は、本実施形態に係るサーバ装置を含んだシステムの構成の一例を示す図である。 図２は、本実施形態に係るサーバ装置の構成の一例を示す図である。 図３Ａは対象者情報の一例を示す図であり、図３Ｂは介入情報の一例を示す図であり、図３Ｃはコンテンツ情報の一例を示す図である。 図４Ａは結果情報の一例を示す図であり、図４Ｂは介入群結果情報の一例を示す図であり、図４Ｃは非介入群結果情報の一例を示す図である。 図５は、対象者特徴情報の一例を示す図である。 図６Ａは、第１利得推定モデルの生成に用いられる介入群結果情報及び対象者特徴情報を示した図であり、図６Ｂは、第２利得推定モデルの生成に用いられる非介入群結果情報及び対象者特徴情報を示した図である。 図７は、各対象者について算出した予測介入効果の一例を示す図である。 図８は、推定モデルにおける各特徴項目の重み係数の一例を示す図である。 図９は、対象者の特徴項目に応じた予測介入効果の傾向を決定木により分析した結果の一例を示す図である。 図１０は、本実施形態に係るサーバ装置の動作の一例を説明するためのフローチャートである。 図１１は、コンテンツ作成作業用のディスプレイ画面の一例を示す図である。

図１は、本実施形態に係るサーバ装置１を含んだシステムの構成の一例を示す図である。図１に示すシステムは、インターネットなどのネットワーク９を介して互いに通信可能なサーバ装置１と情報処理装置２を有する。サーバ装置１は、介入を実施する主体（以下、「介入者」と記す場合がある。）が運営する装置であり、情報処理装置２は、介入のためのコンテンツ（広告のためのバナー画像など）を作成する作業に用いられる端末装置である。ここで「介入」は、受益者が求める対象者の所定の反応を引き出すために対象者に対して実施される行為のことである。また受益者は、介入の結果として生じた利益を受ける主体である。以下の説明では、一例として、ＷＥＢサイトに広告を出すことを「介入」とし、ＷＥＢサイトを訪れるインターネットのユーザを「対象者」とし、ＷＥＢサイトに広告を出すことを依頼する広告主を「受益者」とし、広告主からの依頼を受けてＷＥＢサイトに広告を出す業務に関与する事業者を「介入者」とする。ただし、ＷＥＢサイトでの広告は「介入」の１つの例に過ぎず、本発明はこの例に限定されない。すなわち、本発明における「介入」、「介入者」、「受益者」などの概念は、他の様々な分野にも適用され得る。

図２は、本実施形態に係るサーバ装置１の構成の一例を示す図である。図２に示すサーバ装置１は、通信インターフェース１０と、入出力機器２０と、記憶部３０と、処理部４０とを有する。

通信インターフェース１０は、ネットワーク９を介して他の装置（サーバ装置１など）と通信を行うための装置であり、例えばイーサネット（登録商標）や無線ＬＡＮなどの所定の通信規格に準拠して通信を行うネットワークインターフェースカードなどの通信機器を含む。

入出力機器２０は、ユーザの操作に応じた指示やその他の情報を処理部４０に入力する入力機能、及び、処理部４０からの情報を出力する出力機能の少なくとも一方を備える。例えば、入出力機器２０は、キーボード、マウス、タッチパッド、マイク、カメラなどの入力機能を備えた機器、ディスプレイ、スピーカなどの出力機能を備えた機器、及び、タッチパネルなどの入出力機能を備えた機器を少なくとも１つ含む。

記憶部３０は、処理部４０において実行される命令を含んだプログラムを記憶するとともに、処理部４０の処理の過程で一時的に保存されるデータ、処理部４０の処理に利用されるデータ、処理部４０の処理結果として得られたデータなどを記憶する。例えば記憶部３０は、後述する対象者情報３１（図３Ａ）、介入情報３２（図３Ｂ）、コンテンツ情報３３（図３Ｃ）などを記憶する。

記憶部３０は、例えば、主記憶装置（ＲＯＭ、ＲＡＭなど）と補助記憶装置（フラッシュメモリ、ＳＳＤ、ハードディスク、光ディスクなど）を含む。記憶部３０は、１つの記憶装置から構成されてもよいし、複数の記憶装置から構成されてもよい。記憶部３０を構成する各記憶装置は、コンピュータのバスや他の通信手段を介して処理部４０と接続される。

処理部４０は、サーバ装置１の全体的な動作を統括的に司り、所定の情報処理を実行する。処理部４０は、例えば、記憶部３０に格納された１以上のプログラムの命令に従って処理を実行する１以上のプロセッサ（ＣＰＵ，ＭＰＵなど）を含む。処理部４０は、記憶部３０に格納された１以上のプログラムの命令を１以上のプロセッサが実行することにより、１以上のコンピュータとして動作する。

処理部４０は、特定の機能を実現するように構成された１以上の専用のハードウェア（ＡＳＩＣ、ＦＰＧＡなど）を含んでもよい。この場合、処理部４０は、介入に用いるコンテンツの作成を支援することに関わる後述の処理を、１以上のコンピュータにおいて実行してもよいし、当該処理の少なくとも一部を専用のハードウェアにおいて実行してもよい。

処理部４０は、介入に用いるコンテンツの作成を支援することに関連する処理を行う構成要素として、例えば図１に示すように、介入実施部４１と、推定モデル生成部４２と、寄与度算出部４３と、画面生成部４４とを含む。

介入実施部４１は、介入の対象となる対象者に対して介入を実施するための処理を行う。ＷＥＢサイトでの広告を「介入」として実施する場合、例えば介入実施部４１は、広告主からの依頼に基づいてＷＥＢサイトの広告枠を落札し、ＷＥＢサイトに対して広告を配信するＤＳＰ（Demand Side Platform）としての処理を行ってもよい。

推定モデル生成部４２は、対象者が持つ所定の特徴から予測介入効果を推定するための推定モデルを生成する処理を行う。ある一人の対象者についての予測介入効果は、この一人の対象者に対して介入を実施したと仮定した場合に介入を実施しなかった場合に比べて見込まれる受益者の利得（例えば広告に係る商品等の購入率）の増加に対応した数値である。

例えば推定モデル生成部４２は、複数の対象者の各々が持つ所定の特徴（例えば性別、年齢など）に関する対象者特徴情報３１１（図５Ａ）に基づいて、介入を実施した場合に予測される介入の効果を示す予測介入効果の推定モデルを生成する。具体的には、推定モデル生成部４２は、介入群結果情報３４１（図４Ｂ）と、非介入群結果情報３４２（図４Ｃ）と、対象者特徴情報３１１（図５）とに基づいて、対象者が持つ所定の特徴（以下、「対象者特徴」と記す場合がある。）から予測介入効果を推定するための推定モデルを生成する。

介入群結果情報３４１（図４Ｂ）は、介入が実施された複数の対象者からなる介入群における各対象者の反応の結果（例えば広告に係る商品等を購入したか否か）に関する情報を含む。
非介入群結果情報３４２（図４Ｃ）は、介入が実施されなかった複数の対象者からなる非介入群における各対象者の前記反応の結果に関する情報を含む。
対象者特徴情報３１１（図５Ａ）は、介入群又は非介入群に属する各対象者の対象者特徴に関する情報を含む。

対象者の所定の特徴に含まれる複数の特徴項目（性別、年齢など）は、それぞれ特徴量によって表される。推定モデル生成部４２が生成する推定モデルは、例えば、複数の特徴項目に対応した複数の特徴量の各々に重み係数を乗じて足し合わせた和に応じた数値を予測介入効果として推定するモデル、すなわち線形モデルである。対象者特徴情報３１１（図５）に含まれる各対象者の対象者特徴を推定モデルに適用することにより、各対象者の予測介入効果（図７）を算出することが可能となる。

寄与度算出部４３は、推定モデル生成部４２により得られた推定モデルに基づいて、対象者が持つ所定の特徴に含まれる複数の特徴項目（性別、年齢など）の各々が予測介入効果に寄与する度合いを示す寄与度を算出する処理を行う。例えば、複数の特徴項目に対応した複数の特徴量の各々に重み係数を乗じて足し合わせた和に応じた数値を予測介入効果として推定する推定モデルが生成されるものとした場合、寄与度算出部４３は、一の特徴項目についての寄与度を、当該一の特徴項目に対応する特徴量に乗ぜられた重み係数に基づいて算出する。

画面生成部４４は、サーバ装置１にアクセスする情報処理装置２のディスプレイにおいて表示させるディスプレイ画面を生成する処理を行う。画面生成部４４は、情報処理装置２において入力されるユーザ（コンテンツ作成者）の操作に応じてディスプレイ画面を更新することにより、ユーザの操作に応じた情報が提供されるようにディスプレイ画面を生成する。

画面生成部４４は、対象者の所定の特徴に含まれる複数の特徴項目の各々について算出した寄与度の少なくとも一部をディスプレイ画面において表示させる。これにより、コンテンツ作成者は、どのような特徴項目が予測介入効果に対して寄与するかを確認しながらコンテンツ作成作業を進めることが可能となり、より介入効果の高いコンテンツを作成し易くなる。

図３Ａは、記憶部３０に格納される対象者情報３１の一例を示す図である。図３Ａに示す対象者情報３１では、各対象者を識別するための対象者ＩＤと対象者特徴とが関連付けられている。図３Ａに例示される対象者特徴には、性別、年齢、対象者が所在する地域、職種、特定のＷＥＢサイトを訪問した回数などの特徴項目が含まれる。対象者情報３１において対象者ＩＤと関連付けられる情報には、対象者特徴以外の情報（例えば、情報を登録した日付、有効期限などの管理用情報）が含まれていてもよい。図５に示す対象者特徴情報３１１は、この対象者情報３１から、予測介入効果の推定モデルを生成するために必要な一部の対象者特徴を抽出したものである。

図３Ｂは、記憶部３０に格納される介入情報３２の一例を示す図である。図３Ｂに示す介入情報３２では、実施された介入の各々を識別するための介入ＩＤと、介入が持つ所定の特徴（以下、「介入特徴」と記す場合がある。）とが関連付けられている。図３Ｂに例示される介入特徴には、介入によって宣伝される商品の分類、介入に使用したコンテンツを示すコンテンツＩＤ、介入を反復する回数などの特徴項目が含まれる。介入情報３２において介入ＩＤと関連付けられる情報には、介入特徴以外の情報（管理用情報など）が含まれていてもよい。

図３Ｃは、記憶部３０に格納されるコンテンツ情報３３の一例を示す図である。図３Ｃに示すコンテンツ情報３３では、介入に用いられるコンテンツの各々を識別するためのコンテンツＩＤと、コンテンツが持つ所定の特徴（以下、「コンテンツ特徴」と記す場合がある。）とが関連付けられている。図３Ｃに例示されるコンテンツ特徴には、コンテンツに含まれる文字数、人物の画像の有無、動物の画像の有無、コンテンツの背景色などの特徴項目が含まれる。コンテンツ情報３３においてコンテンツＩＤと関連付けられる情報には、コンテンツ特徴以外の情報（管理用情報など）が含まれていてもよい。

ここで、上述した構成を有する本実施形態に係るサーバ装置１の動作について、図１０のフローチャートを参照して説明する。

ＳＴ１０５：
介入実施部４１は、後述するステップＳＴ１２０において予測介入効果の推定モデルの生成に用いられる情報（図４Ａの結果情報３４Ａ）を得るための介入を実施する。介入実施部４１は、介入群として選んだ一群の対象者に対して介入を実施する一方、非介入群として選んだ他の一群の対象者に対しては介入を実施しない。介入群又は非介入群に属する対象者の選択は、ランダムに行ってもよいし、何らかの事前に決めたルールに基づいて行ってもよい。

なお、介入として例えば広告配信を行う場合、同じ対象者に繰り返し介入(広告配信)を行うことで効果が薄まったり、ネガティブな効果を持ったりすることがある。そのため、介入群として対象者情報３１から選択する対象者の数は、対象者情報３１から選択可能な全ての対象者のうち決められた割合を満たす数、あるいは、固定的に決められた数であって、かつ、予測介入効果の推定モデルの生成に必要十分な数に設定してもよい。

ＳＴ１１０：
介入実施部４１は、介入群又は非介入群に属する各対象者について、介入の実施の有無、実施した介入の内容、対象者の反応の結果などが含まれた結果情報３４Ａ（図４Ａ）を記憶部３０に記録する。なお、対象者の反応の結果が商品の購入の有無である場合、反応の結果として二値のデータ（１又は０）を記録してもよい。また、対象者の反応の結果は、商品の購入金額のような連続値でもよい。

ＳＴ１１５：
推定モデル生成部４２は、予測介入効果の推定モデルの生成に使用される各対象者の対象者特徴の情報を対象者情報３１（図３Ａ）から抽出し、対象者特徴情報３１１（図５）として記憶部３０に保存する。この例において、対象者特徴情報３１１（図５）の対象者ＩＤは、結果情報３４Ａ（図４Ａ）の対象者ＩＤと同一の体系のものである。ただし、対象者特徴が互いに類似する対象者は介入に対して似た行動を取ると想定してよい場合には、対象者特徴情報３１１の対象者ＩＤと結果情報３４Ａの対象者ＩＤとが直接紐づかない別の体系のものであってもよい。

ＳＴ１２０：
推定モデル生成部４２は、ステップＳＴ１００の介入によって得られた結果情報３４Ａ（図４Ａ）に含まれる介入群結果情報３４１（図４Ｂ）及び非介入群結果情報３４２（図４Ｃ）と、ステップＳＴ１１５で抽出した対象者特徴情報３１１とを用いて、各対象者の予測介入効果の推定に用いられる推定モデルを生成する。推定モデル生成部４２は、介入による結果情報３４Ａと対象者特徴情報３１１の両方が揃っている対象者について、対象者特徴から予測介入効果を推定する推定モデルを機械学習により生成する。

例えば、推定モデル生成部４２は、介入群結果情報３４１（図４Ｂ）と対象者特徴情報３１１（図５）とに基づいて、介入が実施された場合の利得（商品の購入率など）を対象者特徴から推定する第１利得推定モデルμ_１を生成する。また、推定モデル生成部４２は、非介入群結果情報３４２（図４Ｃ）と対象者特徴情報３１１（図５）とに基づいて、介入が実施されなかった場合の利得を対象者特徴から推定する第２利得推定モデルμ_０を生成する。第１利得推定モデルμ_１及び第２利得推定モデルμ_０は、既存の回帰や分類のアルゴリズム（ロジスティック回帰など）を使って学習することができる。

図６Ａは、第１利得推定モデルμ_１の生成に用いられる介入群結果情報３４１及び対象者特徴情報３１１を示した図であり、図６Ｂは、第２利得推定モデルμ_０の生成に用いられる非介入群結果情報３４２及び対象者特徴情報３１１を示した図である。対象者特徴を示す特徴量を「Ｘ」とし、利得（商品の購入率など）を「Ｙ」とした場合、第１利得推定モデルμ_１で推定される利得Ｙは「μ_１（Ｘ）」で表され、第２利得推定モデルμ_０で推定される利得Ｙは「μ_０（Ｘ）」で表される。

一の対象者についての予測介入効果は、当該一の対象者の対象者特徴を第１利得推定モデルμ_１に適用することにより推定した利得から、当該一の対象者の対象者特徴を第２利得推定モデルμ_０に適用することにより推定した利得を減じた値として算出することができる。例えば、推定モデル生成部４２は、一の対象者の対象者特徴を示す特徴量が「Ｘ_ｎｅｗ」の場合、当該一の対象者の予測介入効果τ（Ｘ_ｎｅｗ）を次の式により算出する。

利得が商品等の購入率である場合、式（１）で表される予測介入効果τ（Ｘ_ｎｅｗ）は、介入が有る場合の予測購入率（μ_１（Ｘ_ｎｅｗ））から、介入が無い場合の予測購入率（μ_０（Ｘ_ｎｅｗ））を減じた結果に相当する。図７は、対象者情報３１の各対象者について算出した予測介入効果の一例を示す図である。

第１利得推定モデルμ_１及び第２利得推定モデルμ_０がそれぞれ線形モデルである場合、式（１）で表される予測介入効果の推定モデルも線形モデルである。すなわち、式（１）で表される推定モデルは、複数の特徴項目に対応した複数の特徴量の各々に重み係数を乗じて足し合わせた和に応じた数値を予測介入効果として推定する。図８は、線形の推定モデルにおける各特徴項目の重み係数の一例を示す図である。図８の例において、性別と年齢は離散特徴量として扱われており、サイト訪問回数は連続値特徴量として扱われている。各特徴量は、例えば平均がゼロ、分散が１となるように適切に正規化されているものとする。ここでの重みは、正負が介入効果の正負に対応し、重みの絶対値が大きいほど介入効果への貢献度が大きいことを意味する。

ＳＴ１２５：
寄与度算出部４３は、ステップＳＴ１２０で取得された推定モデルに基づいて、対象者が持つ所定の特徴に含まれる複数の特徴項目（性別、年齢など）の各々が予測介入効果に寄与する度合いを示す寄与度を算出する。例えば式（１）で表されるような線形の推定モデルが取得された場合、寄与度算出部４３は、一の特徴項目についての寄与度を、当該一の特徴項目に対応する特徴量に乗ぜられた重み係数に基づいて算出する。各特徴量が適切に正規化されている場合、例えば寄与度算出部４３は、各重み係数を各特徴項目の寄与度として取得してもよい。ここでの重み係数は、正負の符号が予測介入効果の正負の符号に対応し、重み係数の絶対値が大きいほど予測介入効果への貢献度が大きいことを意味する。

あるいは、寄与度算出部４３は、ステップＳＴ１２０で取得された推定モデルにより得られる予測介入効果を用いて、決定木などの人間が解釈可能なモデルを改めて学習させることにより、各特徴項目の寄与度を算出してもよい。すなわち、ステップＳＴ１２０で取得された元の推定モデルに依存しない形で、特徴量による寄与度の説明を実現する手法を用いてもよい。

例えば、寄与度算出部４３は、複数の対象者の各々が持つ所定の特徴に関する対象者特徴情報３１１（図５）と、ステップＳＴ１２０で取得した推定モデルとに基づいて、複数の対象者の予測介入効果をそれぞれ算出する。寄与度算出部４３は、複数の対象者の各々について算出した予測介入効果と、対象者特徴情報３１１（図５）とに基づいて、例えば決定木（回帰木）などのモデルを学習させることにより、予測介入効果を目的変数として複数の対象者を複数の特徴項目に分類する。そして、寄与度算出部４３は、複数の対象者の全体における予測介入効果の平均と、複数の特徴項目の各々における予測介入効果の平均と、複数の特徴項目に分類された対象者の数とに基づいて、複数の特徴項目の寄与度を算出する。

図９は、対象者の特徴項目に応じた予測介入効果の傾向を決定木（回帰木）により分析した結果の一例を示す図である。この推定モデルの学習における目的変数は、変換した元の目的変数（transformed outcome）である。各特徴量が予測介入効果に関して正負のどちらにどの程度寄与しているかは、例えば、決定木により分割された各特徴項目において、その特徴項目に該当する対象者の予測介入効果の平均値が全ての対象者における予測介入効果の平均値に比べて高くなっている（若しくは低くなっている）度合いを、特徴項目に該当する対象者の人数を加味して評価すればよい。従って、各特徴項目の寄与度は、例えば、特徴項目に該当する対象者の予測介入効果の平均値と全対象者の予測介入効果の平均値との差に、特徴項目に該当する対象者の人数を乗じた値として算出することができる。
図９の例では、決定木によって分類された各特徴項目の寄与度を次のように算出できる。
性別 － 男性： １５×（２．０－１．５） ＝ ＋７．５
性別 － 女性（≠男性）： ３５×（１．３－１．５） ＝ －７．０
女性 ＆ 年代 － ≦ ３０：２０×（１．５－１．５） ＝ ０
女性 ＆ 年代 － ＞ ３０：１５×（０．７－１．５） ＝ －１２．０
このように算出された寄与度の正負と絶対値の意味合いは、上述した線形モデルの重み係数の場合と同様である。

ＳＴ１３０：
処理部４０は、受益者により予め設定された報酬に応じて、コンテンツの作成予定数を決定する処理を行う。この報酬は、コンテンツ作成業務に対して受益者から提示されたものである。コンテンツ作成者は、この報酬に応じて決定された作成予定数ぶんのコンテンツを作成する。

ＳＴ１３５：
画面生成部４４は、コンテンツの作成作業に用いられる情報処理装置２のディスプレイに表示可能なディスプレイ画面を生成する処理を行う。図１１は、画面生成部４４において生成するディスプレイ画面５０の一例を示す図である。図１１に示すディスプレイ画面５０の中央部には、バナー画像などのコンテンツの作成範囲を画定する枠５１が設けられている。この枠５１の中には、コンテンツを構成するコンテンツ素材（写真、挿絵、図形、キャッチコピーの文字枠など）が配置される。ユーザ（コンテンツ作成者）は、マウスなどを用いてアイコンを操作することにより任意のコンテンツ素材を選択し、枠５１内の任意の場所にコンテンツ素材を配置させることができる。

画面生成部４４は、複数の特徴項目の各々について算出した寄与度の少なくとも一部を、ディスプレイ画面において表示させる。例えば、図１１に示すディスプレイ画面５０の左上側の範囲には、「特徴項目の寄与度」と題された各特徴項目の寄与度を示すリスト５２が表示されている。これにより、特徴項目に対応する寄与度を確認しながら、より効果の高いコンテンツを作成し易くなる。

また、画面生成部４４は、特徴項目（性別、年齢など）の寄与度に応じたコンテンツ素材（コンテンツを構成する素材）をディスプレイ画面上に表示させてもよい。例えば、記憶部３０には、対象者の特徴項目（性別、年齢など）に関連付けられたコンテンツ素材（例えば、女性向けの人物の写真、若者向けのキャッチコピーなど）が格納される。画面生成部４４は、それぞれ少なくとも１つの特徴項目に関連付けられた複数のコンテンツ素材の中から、複数の特徴項目の中で寄与度が相対的に高い特徴項目に関連付けられた１以上のコンテンツ素材を選択する。画面生成部４４は、この選択した１以上のコンテンツ素材を、コンテンツの作成に利用可能なコンテンツ素材の候補としてディスプレイ画面に表示させる。

例えば図１１に示すディスプレイ画面５０において右側の端部付近には、ユーザが任意のコンテンツ素材を選択できるようにするためのコンテンツ素材配置領域５３が設けられている。コンテンツ素材配置領域５３は、それぞれタブ６１の操作によって折り畳み可能な複数の領域６２を含んでいる。各領域６２には、共通の特徴項目に関連付けられた複数のコンテンツ素材が配置される。図１１の例では、最も寄与度の高い３０代向けのコンテンツ素材を配置した領域６２が展開された状態となっている。これにより、寄与度が相対的に高い特徴項目に関連づけられたコンテンツ素材をコンテンツの作成に使用し易くなる。

また、図１１に示すディスプレイ画面５０のコンテンツ素材配置領域５３では、寄与度の高い特徴項目に対応するコンテンツ素材の領域６２ほど上側に位置するように、複数の領域６２が配置されている。すなわち、画面生成部４４は、寄与度が相対的に高い特徴項目に関連付けられた複数のコンテンツ素材をディスプレイ画面５０において表示させる場合に、コンテンツ素材に関連付けられた特徴項目の寄与度に応じた順番で複数のコンテンツ素材を配置させている。これにより、コンテンツ素材の配置の順番から寄与度の高さを容易に把握できる。

また、画面生成部４４は、過去の介入（例えば直近の介入）において介入効果が相対的に高かった介入のコンテンツをディスプレイ画面に表示させてもよい。例えば画面生成部４４は、過去の介入に使用された複数のコンテンツの中から、介入を実施した全体の対象者の平均的な予測介入効果が相対的に高い１以上のコンテンツを選択し、参考用の情報としてディスプレイ画面に表示させる。

例えば図１１に示すディスプレイ画面５０において左側の中央付近には、過去の介入に使用されたコンテンツ（バナー画像）を配置する領域５４が設けられている。この領域５４において、上側の２つのコンテンツは、平均的な予測介入効果が相対的に高かった２つの介入のコンテンツを示す。これにより、介入効果が高かった過去の介入のコンテンツを参考にしながらコンテンツを作成できるため、より効果の高いコンテンツを作成し易くなる。

また、画面生成部４４は、寄与度が高い特徴を持つユーザに対して介入効果が相対的に高かった過去の介入のコンテンツをディスプレイ画面に表示させてもよい。例えば画面生成部４４は、過去の介入に使用された複数のコンテンツについて、介入を実施した全体の対象者における一部の対象者（複数の特徴項目の中で寄与度が相対的に高い１以上の特徴項目に該当する一部の対象者）の平均的な予測介入効果をそれぞれ取得する。画面生成部４４は、この平均的な予測介入効果が相対的に高い１以上のコンテンツを、過去の介入に使用された複数のコンテンツの中から選択する。画面生成部４４は、この選択した１以上のコンテンツ素材を、参考用の情報としてディスプレイ画面に表示させる。

例えば図１１に示すディスプレイ画面５０の領域５４において、下側の２つのコンテンツ（バナー画像）は、最も寄与度が高い「３０代」の対象者の平均的な予測介入効果が相対的に高かった２つの介入のコンテンツを示す。これにより、寄与度が高い特徴を持つ対象者に対して効果の高かった過去の介入のコンテンツを参考にしながらコンテンツを作成できるため、寄与度が高い特徴を持つ対象者に的を絞った効果の高いコンテンツを作成し易くなる。

また、画面生成部４４は、過去に作成された複数の作成済のコンテンツの各々について、ディスプレイ画面上で作成中のコンテンツとの類似度を算出し、複数の作成済のコンテンツの中から、類似度が相対的に高い１以上の作成済のコンテンツを選択し、選択した作成済のコンテンツを参考用の情報としてディスプレイ画面に表示させてもよい。コンテンツ同士の類似度は、例えば、コンテンツを構成する画像同士の類似度や、コンテンツに使用されているコンテンツ素材の組み合わせの類似度、コンテンツに含まれる文字列の重複度などから算出してよい。

例えば図１１に示すディスプレイ画面５０の左下側には、作成中のコンテンツとの類似度が相対的に高い３つのコンテンツ（バナー画像）を配置させた領域５５が設けられている。このように、作成中のコンテンツと類似した過去の作成済のコンテンツを参考にすることで、コンテンツの作成効率を高め易くなる。また、作成済のコンテンツとの一致点と相違点を確認できるため、バリエーションの豊富な多様なコンテンツを作成し易くなる。

また、画面生成部４４は、ステップＳＴ１３０において決定したコンテンツの作成予定数に関する情報をディスプレイ画面に表示させてもよい。図１１に示すディスプレイ画面５０では、右下の隅に作成予定数を表示する領域５６が設けられている。これにより、コンテンツの作成予定数を確認しながら効率的に作業を進めることができる。

ＳＴ１４０：
処理部４０は、画面生成部４４が生成したディスプレイ画面において作成されたコンテンツを作成済のコンテンツとして記憶部３０に保存する。例えば、処理部４０は、図３Ｃに示すようなコンテンツに関する情報をコンテンツ情報３３に登録する。

以上説明したように、本実施形態によれば、対象者が持つ所定の特徴から予測介入効果を推定するための推定モデルに基づいて、所定の特徴に含まれる複数の特徴項目の各々が予測介入効果に寄与する度合いを示す寄与度が算出される。そして、複数の特徴項目の各々について算出された寄与度の少なくとも一部が、コンテンツの作成作業用のディスプレイ画面において表示される。これにより、どのような特徴項目が予測介入効果に対して寄与するかを確認しながらコンテンツ作成作業を進めることが可能になるため、より介入効果の高いコンテンツを作成し易くなる。

なお、本発明は上述した実施形態にのみ限定されるものではなく、当業者が容易に想到し得る種々のバリエーションを含んでいる。

図１１に示したコンテンツの作成作業用のディスプレイ画面５０は一例であり、本発明はこの例に限定されない。例えば、ディスプレイ画面５０における各領域の配置や、大きさなどの視覚的形態は一例であり、任意に変更してよい。また、本発明において作成を支援するコンテンツは、広告のバナー画像に限定されるものではなく、例えば動画や音声を含んだコンテンツでもよい。

１…サーバ装置、２…情報処理装置、９…ネットワーク、１０…通信インターフェース、２０…入出力機器、３０…記憶部、４０…処理部、４１…介入実施部、４２…推定モデル生成部、４３…寄与度算出部、４４…画面生成部、３１…対象者情報、３１１…対象者特徴情報、３２…介入情報、３２１…介入特徴情報、３３…コンテンツ情報、３４…結果情報、３４１…介入群結果情報、３４２…非介入群結果情報

Claims (10)

1. 介入に用いるコンテンツの作成を支援する装置であって、
   １以上のプロセッサを含んだ処理部と、
   前記処理部において実行される命令を格納する記憶部とを有し、
   前記介入は、受益者が求める対象者の反応を引き出すために前記対象者に対して前記コンテンツを提示することであり、
   一の前記対象者についての予測介入効果は、当該一の対象者に対して前記介入を実施したと仮定した場合に前記介入を実施しなかった場合に比べて見込まれる前記受益者の利得の増加に対応した数値であり、
   前記利得は、前記対象者の前記反応の結果に応じて定められた数値であり、
   前記処理部は、
   前記対象者が持つ所定の特徴から前記予測介入効果を推定するための推定モデルに基づいて、前記所定の特徴に含まれる複数の特徴項目の各々が前記予測介入効果に寄与する度合いを示す寄与度を算出する処理と、
   前記コンテンツの作成作業に用いられるディスプレイに表示可能なディスプレイ画面を生成する処理と
   を前記命令に応じて実行し、
   前記ディスプレイ画面を生成する処理は、前記複数の特徴項目の各々について算出した前記寄与度の少なくとも一部を表示する前記ディスプレイ画面を生成することを含む、
   装置。
2. 前記複数の特徴項目は、それぞれ特徴量によって表され、
   前記推定モデルは、前記複数の特徴項目に対応した複数の前記特徴量の各々に重み係数を乗じて足し合わせた和に応じた数値を前記予測介入効果として推定するモデルであり、
   前記寄与度を算出する処理は、一の前記特徴項目についての前記寄与度を、当該一の特徴項目に対応する前記特徴量に乗ぜられた前記重み係数に基づいて算出する、
   請求項１に記載の装置。
3. 前記寄与度を算出する処理は、
   複数の前記対象者の各々が持つ前記所定の特徴に関する対象者特徴情報と、前記推定モデルとに基づいて、複数の前記対象者の前記予測介入効果をそれぞれ算出することと、
   複数の前記対象者の各々について算出した前記予測介入効果と、前記対象者特徴情報とに基づいて、前記予測介入効果を目的変数として複数の前記対象者を前記複数の特徴項目に分類することと、
   複数の前記対象者の全体における前記予測介入効果の平均と、前記複数の特徴項目の各々における前記予測介入効果の平均と、前記複数の特徴項目に分類された前記対象者の数とに基づいて、前記複数の特徴項目の前記寄与度を算出することとを含む、
   請求項１に記載の装置。
4. 前記ディスプレイ画面を生成する処理は、
   前記コンテンツを構成するコンテンツ素材であって、それぞれ少なくとも１つの前記特徴項目に関連付けられた複数の前記コンテンツ素材の中から、前記複数の特徴項目の中で前記寄与度が相対的に高い前記特徴項目に関連付けられた１以上の前記コンテンツ素材を選択することと、
   選択した前記１以上のコンテンツ素材を前記コンテンツの作成に利用可能な前記コンテンツ素材の候補として表示する前記ディスプレイ画面を生成することとを含む、
   請求項１～３のいずれか一項に記載の装置。
5. 前記ディスプレイ画面を生成する処理は、選択した複数の前記コンテンツ素材を、前記コンテンツ素材に関連付けられた前記特徴項目の前記寄与度に応じた順番で配置した前記ディスプレイ画面を生成することを含む、
   請求項４に記載の装置。
6. 前記ディスプレイ画面を生成する処理は、
   過去の前記介入に使用された複数の前記コンテンツの中から、前記介入を実施した全体の前記対象者の平均的な前記予測介入効果が相対的に高い１以上の前記コンテンツを選択すること、及び／又は、過去の前記介入に使用された複数の前記コンテンツの中から、前記介入を実施した全体の前記対象者における一部の前記対象者であって、前記複数の特徴項目の中で前記寄与度が相対的に高い１以上の前記特徴項目に該当する前記一部の対象者の平均的な前記予測介入効果が相対的に高い１以上の前記コンテンツを選択することと、
   選択した前記１以上のコンテンツを参考用の情報として表示する前記ディスプレイ画面を生成することとを含む、
   請求項１～５のいずれか一項に記載の装置。
7. 前記ディスプレイ画面を生成する処理は、
   過去に作成された複数の作成済の前記コンテンツの各々について、前記ディスプレイ画面上で作成中のコンテンツとの類似度を算出することと、
   複数の前記作成済のコンテンツの中から、前記類似度が相対的に高い１以上の前記作成済のコンテンツを選択することと、
   選択した前記１以上の前記作成済のコンテンツを参考用の情報として表示する前記ディスプレイ画面を生成することとを含む、
   請求項１～６のいずれか一項に記載の装置。
8. 前記処理部は、前記受益者により設定された報酬に応じて、前記コンテンツの作成予定数を決定する処理を前記命令に応じて実行し、
   前記ディスプレイ画面を生成する処理は、決定した前記作成予定数に関する情報を表示する前記ディスプレイ画面を生成することを含む、
   請求項１～７のいずれか一項に記載の装置。
9. 介入に用いるコンテンツの作成を支援する方法であって、
   前記介入は、受益者が求める対象者の反応を引き出すために前記対象者に対して前記コンテンツを提示することであり、
   一の前記対象者についての予測介入効果は、当該一の対象者に対して前記介入を実施したと仮定した場合に前記介入を実施しなかった場合に比べて見込まれる前記受益者の利得の増加に対応した数値であり、
   前記利得は、前記対象者の前記反応の結果に応じて定められた数値であり、
   １以上のコンピュータが、
   前記対象者が持つ所定の特徴から前記予測介入効果を推定するための推定モデルに基づいて、前記所定の特徴に含まれる複数の特徴項目の各々が前記予測介入効果に寄与する度合いを示す寄与度を算出することと、
   前記コンテンツの作成作業に用いられるディスプレイに表示可能なディスプレイ画面を生成することと
   を実行し、
   前記ディスプレイ画面を生成することは、前記複数の特徴項目の各々について算出した前記寄与度の少なくとも一部を表示する前記ディスプレイ画面を生成することを含む、
   方法。
10. 介入に用いるコンテンツの作成を支援するプログラムであって、
    前記介入は、受益者が求める対象者の反応を引き出すために前記対象者に対して前記コンテンツを提示することであり、
    一の前記対象者についての予測介入効果は、当該一の対象者に対して前記介入を実施したと仮定した場合に前記介入を実施しなかった場合に比べて見込まれる前記受益者の利得の増加に対応した数値であり、
    前記利得は、前記対象者の前記反応の結果に応じて定められた数値であり、
    １以上のコンピュータに、
    前記対象者が持つ所定の特徴から前記予測介入効果を推定するための推定モデルに基づいて、前記所定の特徴に含まれる複数の特徴項目の各々が前記予測介入効果に寄与する度合いを示す寄与度を算出する処理と、
    前記コンテンツの作成作業に用いられるディスプレイに表示可能なディスプレイ画面を生成する処理と
    を実行させ、
    前記ディスプレイ画面を生成する処理は、前記複数の特徴項目の各々について算出した前記寄与度の少なくとも一部を表示する前記ディスプレイ画面を生成することを含む、
    プログラム。
    

Images