KR101731009B1 - 컨버전 크레디팅 - Google Patents

컨버전 크레디팅 Download PDF

Info

Publication number
KR101731009B1
KR101731009B1 KR1020167022631A KR20167022631A KR101731009B1 KR 101731009 B1 KR101731009 B1 KR 101731009B1 KR 1020167022631 A KR1020167022631 A KR 1020167022631A KR 20167022631 A KR20167022631 A KR 20167022631A KR 101731009 B1 KR101731009 B1 KR 101731009B1
Authority
KR
South Korea
Prior art keywords
conversion
time
time window
identified
event
Prior art date
Application number
KR1020167022631A
Other languages
English (en)
Other versions
KR20160103154A (ko
Inventor
솅 마
사라 마스터스
팬 쟝
Original Assignee
구글 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 구글 인코포레이티드 filed Critical 구글 인코포레이티드
Publication of KR20160103154A publication Critical patent/KR20160103154A/ko
Application granted granted Critical
Publication of KR101731009B1 publication Critical patent/KR101731009B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0246—Traffic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0247—Calculate past, present or future revenues

Abstract

제시되는 콘텐츠에 관련된 이벤트들을 처리하는 방법, 시스템, 및 컴퓨터 프로그램 제품들을 포함하는 장치에 관한 것이다. 일 양태에서, 방법은 컨버전 이벤트 이전에 적어도 하나의 타임 윈도우 동안, 광고에 연관된 광고 이벤트들의 개수에 대한 타임 윈도우 카운트를 결정하는 단계; 및 상기 광고와 상기 컨버전 이벤트 사이의 연관 강도를 나타내는 크레디트를 결정하는 단계를 구비하고, 상기 크레디트를 결정하는 단계는 적어도 하나의 타임 윈도우 카운트를 위한 가중 모델을 선택하는 단계를 포함한다.

Description

컨버전 크레디팅{CONVERSION CREDITING}
본 출원은 발명의 명칭이 "컨버전 크레디팅"으로서, 2009년 1월 30일 출원된 미국 출원 번호 61/148,669호에 대한 우선권을 미국 특허법(35U.S.C) 119(e)항 하에 주장하며, 이 미국 출원의 모든 내용은 참조로서 본 명세서에 포함된다.
본 인스턴트 명세서는 제시되는 콘텐츠에 관련된 이벤트들의 처리에 관한 것이다.
일부 소비자들의 경우, 인터넷이 정보 및 오락에 대한 그들의 최우선 소스로서, 신문 및 라디오와 같은 전형적인 매체들을 대체하였다. 따라서, 광고주들은 그들의 제품들과 서비스를 온라인 상에서 홍보하는데 사용하는 시간과 돈의 양을 증가시키고 있다. 예를 들면, 광고주들은 소비자들에게 도달하는 다양한 형태의 온라인 광고들을 제작해 왔다. 예를 들어, 온라인 광고로는 웹 브라우저가 웹 페이지를 방문했을 때 별개의 윈도우에 나타나게 수 있는 팝-업 광고들; 예를 들어 광고에 연관된 이미지 상에서 사용자가 클릭했을 때 웹 브라우저를 광고 사이트로 안내할 수 있는 배너 광고들; 및 탐색 결과들과 함께 디스플레이되는 탐색 광고(search advertisement)들 등이 있다.
광고주들은 광고들에 관련된 다양한 속성(즉, 데이터)을 추적할 수 있다. 광고주들에 대한 특정 흥미는 광고에 연관된 광고 노출량(즉, 디스플레이)의 개수 또는 클릭이다. 광고 노출량, 클릭, 및 광고 관련 데이터(advertisement-related data)의 다른 형태들이 광고 이벤트들로서 공통적으로 참조된다. 또한, 광고주들은 광고로부터 생겨난 비즈니스 활동에 관심이 있다. 이러한 비즈니스 활동들(컨버전으로서 참조됨)은 광고주들이 소비자들이 예를 들어, 제품 구매 및 웹사이트 등록의 수행하기를 바라는 행동을 포함할 수 있다. 비즈니스 활동들에 연관된 데이터는 일반적으로 컨버전 이벤트로서 참조된다.
광고주들의 광고 지출에 대한 회수를 증가시키기 위하여, 광고주들은 광고가 얼마나 컨버전될 수 있는지를 판단하려고 노력한다. 예를 들어, 소비자가 제품 구매를 결정하기 전에 제품을 홍보하는 배너 광고물과 수많은 탐색을 우연하게 볼 수 있다. 광고주는 소비자들의 구매 결정에 영향을 준 각 광고가 얼마나 강했는지를 분명하게 알 수 없다.
전체적으로, 본 명세서는 광고가 비즈니스 활동의 생성에 얼마나 기여되었는지를 판단하는 시스템과 기술을 설명한다. 일부 구현예들에서는, 하나 이상의 간격이 선택될 수 있고, 선택된 간격 내에 있는 광고 이벤트들의 개수가 결정될 수 있다. 결과 개수들는 광고와 비즈니스 활동 간의 인과 관계 또는 연관 관계에 대한 정도를 판단하는데 사용될 수 있다. 예를 들어, 일련의 타임 윈도우(time window)는 광고가 컨버전이 될 확률에서, 시간에 따른 변화하는 부분에 기초하여 결정될 수 있다. 하나 이상의 타임 윈도우 카운트(time window count)들은 각 윈도우 내에 있는 광고 이벤트들의 개수를 카운팅함으로써 결정될 수 있다. 일부 경우에, 타임 윈도우 카운트들은, 예를 들어 시간에 대해 크기가 지수적으로 증가하는 가중 계수(weighting factor)들을 생성하는 가중 모델(weightimg model)들에 의해 조정될 수 있다. 가중된 타임 윈도우 카운트들의 결과값은 비즈니스 활동에 대한 광고의 기여를 나타내는 크레디트(credit)를 생성하기 위해 합산될 수 있다. 이 크레디트는 하나 이상의 광고에 대한 크레디트의 개수가 하나 이상의 광고에 연관된 컨버전의 개수와 같아지도록 하기 위하여 정규화될 수 있다.
전체적으로, 본 명세서에서 설명된 요지의 한 양태는 컨버전 이벤트 이전에 적어도 하나의 타임 윈도우 동안에 광고에 연관된 광고 이벤트들의 개수를 결정함으로써 적어도 하나의 타임 윈도우 카운트를 결정하는 단계; 적어도 하나의 가중된 타임 윈도우 카운트를 생성하기 위하여 적어도 하나의 타임 윈도우 카운트에 가중 계수를 곱하는 단계; 및 광고와 컨버전 이벤트 간의 연관 강도를 나타내는 크레디트를 판단하기 위하여 적어도 하나의 가중된 타임 윈도우 카운트를 합산하는 단계의 동작들을 포함하는 방법으로 구현될 수 있다. 이 양태의 다른 실시예들은 상응하는 시스템들, 장치들, 및 컴퓨터 프로그램 제품들을 포함한다.
본 명세서에서 설명되는 요지의 다른 양태는 컨버전 이벤트 이전에 적어도 하나의 타임 윈도우 동안에 광고에 연관된 광고 이벤트들의 개수를 결정함으로써 적어도 하나의 타임 윈도우 카운트를 판단하는 통계 모듈; 및 적어도 하나의 가중된 타임 윈도우 카운트를 생성하기 위하여 적어도 하나의 타임 윈도우 카운트에 가중 계수를 곱하고, 광고와 컨버전 이벤트 간의 연관 강도를 나타내는 크레디트를 판단하기 위하여 적어도 하나의 가중된 타임 윈도우 카운트를 합산하는 모델링 모듈을 포함하는 시스템으로 구현될 수 있다. 이 양태의 다른 실시예들은 상응하는 시스템들, 장치들, 및 컴퓨터 프로그램 제품들을 포함한다.
본 명세서에 설명된 요지의 다른 양태는 컨버전 이벤트 이전에 적어도 하나의 타임 윈도우 동안에 광고에 연관된 광고 이벤트 개수를 결정하는 단계; 및 광고와 컨버전 이벤트 간의 연관 강도를 나타내는 크레디트를 결정하는 단계―이 크레디트를 결정하는 단계는 적어도 하나의 타임 윈도우 카운트를 위한 가중 모델을 선택하는 단계를 포함함―의 동작들을 포함하는 방법으로 구현될 수 있다. 이 양태의 다른 실시예들은 상응하는 시스템들, 장치들, 및 컴퓨터 프로그램 제품들을 포함한다.
본 명세서에서 설명된 시스템들과 방법들은 후술하는 장점 중 하나 이상을 제공할 수 있다. 첫째, 시스템은 광고들의 효능을 판단하는 것에 대한 계산의 복잡도를 감소시킬 수 있다. 둘째, 시스템은 이해 및 해석하기 쉬울 수 있는 포맷으로 광고 효율에 관한 정보를 보여줄 수 있다. 셋째, 시스템은 가중 모델에 대하여 실시간 변화를 가능하게 할 수 있다.
첨부 도면들과 후술되어질 상세한 설명에서 본 발명의 하나 이상의 실시예가 상세하게 설명된다. 본 발명의 다른 특징들과 장점들은 상세한 설명, 도면들, 및 청구항들로부터 명백해질 것이다.
도 1은 컨버전 크레디팅에 대한 개념도이다.
도 2는 예시적 시간-대-컨버전 프로파일(time-to-conversion profiles)들을 설명한다.
도 3a와 도 3b는 광고들에 대한 예시적 컨버전 크레디팅 통계를 설명하는 테이블을 나타낸다.
도 4는 이벤트 맵핑에 대한 개념도이다.
도 5는 예시적 컨버전 크레디팅 시스템의 블록도이다.
도 6은 컨버전 크레디팅에 대한 예시적 프로세스이다.
도 7는 타임 윈도우 카운트들을 결정하는 예시적 프로세스이다.
도 8은 타임 윈도우 카운트들을 결정하는 처리에 대한 대안적 프로세스이다.
도 9는 컨버전 크레디팅을 위한 컴퓨팅 시스템의 예시적 도식도이다.
여러 도면에 있어서 유사한 참조 부호는 유사 요소를 나타낸다.
본 명세서는 광고가 얼마나 컨버전 생성에 기여했는지를 결정하는 시스템과 기술을 설명한다. 일부 구현예들에서, 컨버전 이전의 하나 이상의 주기가 식별될 수 있다. 선택된 주기들에 있는 광고 이벤트들의 개수가 계산되고 가중될 수 있다. 이러한 가중된 양들은 광고에 대한 속성값을 계산하기 위하여 합산되고 정규화될 수 있다. 속성값은 광고가 컨버전에 얼마나 관여되었는지(즉 광고와 컨버전 간의 연관 강도)에 대한 정도일 수 있다.
도 1은 컨버전 크레디팅에 대한 개념도(100)이다. 예시된 개념도(100)는 광고와 컨버전에 연관된 이벤트들(개념도(100)에서 원들, 삼각형들, 육각형들, 및 사각형들로 부호화됨)을 나타낸다. 예를 들어, 원들은 디스플레이 광고(예를 들어, 배너 광고)상에서 클릭을 나타낼 수 있고, 삼각형들은 특정 키워드("탐색 클릭"으로서 참조됨)에 관련된 탐색 결과로서 디스플레이된 광고 상에서의 클릭을 나타낼 수 있고, 육각형들은 광고 노출량을 나타낼 수 있고, 사각형들은 컨버전 이벤트들(예를 들어, 티켓 구매)들을 나타낼 수 있다. 예시적 개념도(100)는 이벤트 키(후술되는 것처럼 하나 이상의 이벤트 속성들에 매핑될 수 있음)에 따라서 그룹화되고, 그것들의 각각의 그룹 내에서 연대순으로 배치된 이벤트들을 묘사한다. 보다 상세하게 후술되는 것처럼, 예시적 이벤트 모델은 컨버전 크레디팅 시스템이 다양한 이벤트 유형으로 통합되고, 다른 종류의 분석들을 수행할 수 있도록 한다.
일부 경우에서, 이벤트 데이터 구조로서 참조되는 데이터 구조는 도 1에 도시된 이벤트들을 처리하는 것이 가능하도록 정의될 수 있다. 이벤트 데이터 구조는 이벤트들 및 모델링 이벤트들에 관련된 데이터를 저장하기 위해 사용될 수 있다. 이벤트 데이터 구조는 타임 스탬프, 이벤트 식별자, 및 키를 포함할 수 있다. 타임 스탬프는 이벤트가 발생한 장소를 나타내고, 이벤트 식별자는 이벤트 유형을 나타낼 수 있다. 예를 들어, 이벤트 식별자는 광고 배치(예를 들어, 웹페이지상에서의 광고 배치), 광고 크리에이티브(즉, 이미지와 같은 광고의 콘텐츠), 광고에 연관된 광고주를 특정하고, 또는 만약 이벤트가 컨버전이라면, 컨버전 유형을 특정할 수 있다. 일부 경우에, 이벤트 식별자는 복수의 이벤트 속성을 포함할 수 있다. 예를 들어, 이벤트 식별자는 광고 배치와 그 광고에 링크된 광고주를 모두 특정할 수 있다.
이벤트 데이터 구조에 대한 키는 이벤트들을 그룹들로 분리하는데 사용될 수 있는 하나 이상의 이벤트 속성을 포함할 수 있다. 개념도(100)에서 설명되는 예시에서, 묘사된 이벤트들에 대한 키들은 사용자 식별자와 연관된 컨버전 유형을 모두 나타낼 수 있다. 설명된 식별자들은 광고에 대한 사용자 상호작용(예를 들어, 광고상에서 클릭하는 것)을 의미하거나, 광고가 사용자의 요청에 의해 웹페이지상에 디스플레되었다는 것을 의미한다. 이 예시에서, 키들은 이벤트들이 사용자에 의해 디스플레이되었거나, 또는 클릭된 광고들의 그룹들로 나뉠 수 있게 한다. 일부 경우에, 이벤트 데이터 구조는 복수의 키들을 가질 수도 있다. 예를 들어, 복수의 사용자에 의해 클릭된 온라인 광고는 각 사용자에 대하여 별개의 키를 포함할 수 있다.
묘사된 이벤트들은 광고에 관련된 정보(예를 들어, 광고 유형, 언제 광고가 디스플레이되었는지, 또는 누가 광고를 보았는지)를 특정할 수 있는 광고 이벤트들을 포함할 수 있다. 또한 광고 이벤트는 예를 들어, 광고 크기, 광고에 연관된 키워드들, 또는 콘텍스트(예를 들어, 광고를 위한 웹페이지에서 디스플레이 위치) 등과 같은 그 밖의 광고 속성들을 특정할 수 있다. 또한 묘사된 이벤트들은 특히 비즈니스 활동들에 관한 데이터를 포함하는 컨버전 이벤트들을 포함할 수 있다. 예를 들면, 컨버전 이벤트는 누가 제품을 구매했는지 또는 홈페이지에 등록했는지를 가르킬 수 있다.
또한 예시적 개념도(100)는 복수의 트랜잭션을 나타낸다. 일반적으로, 트랜잭션은 키를 공유하는 하나 이상의 광고 이벤트를 포함할 수 있고, 트랜잭션의 종료를 의미하는 컨버전 이벤트를 포함할 수 있다. 예를 들어, 개념도(100)에 도시된 최상단에 있는 직사각형(105)은 예시적 트랜잭션을 포함한다. 예시적 트랜잭션은 공통적으로 키 1을 갖는 광고 이벤트와 컨버전 이벤트를 포함한다. 마찬가지로, 키 2에 연관된 직사각형(110, 115)은 키 2 키를 공유하는 이벤트들을 포함하는 트랜잭션들을 강조한다. 나머지 직사각형(120)은 공통적으로 키 3를 갖는 이벤트들을 포함하는 4번째 트랜잭션을 나타낸다. 이 예시들에서는, 키 4에 연관된 일련의 이벤트들이 컨버전을 포함하지 않기 때문에, 키 4 그룹에는 트랜잭션이 존재하지 않는다.
개념도(100)는 사용자의 온라인 활동을 나타낼 수 있다. 이 예시에서, 개념도(100)는 광고들에 대한 네 명의 사용자 노출과, 그 광고들에 대한 그 사용자들의 상호작용을 나타낸다. 광고들은 "디스플레이" 또는 "탐색" 광고들 중 하나일 수 있다. 디스플레이 광고들은 사용자가 웹페이지에 방문했을 때 사용자에게 디스플레이되는 광고들이다. 예를 들어, 사용자가 뉴스 웹페이지 또는 웹 포탈에 방문했을 때 보여지는 배너 광고들이 디스플레이 광고들이다. 반면에, 탐색 광고들은 탐색 결과들과 함께 디스플레이되는 광고들이다.
현재 예시에서는, 사용자들이 향후 있을 여행을 위해 항공편에 관한 정보들에 흥미를 가질 수 있다. 이 사용자들은 예를 들어, 뉴스 웹사이트로 이동하여 ZZ 항공사가 지불한 광고를 볼 수 있다. 이 광고 노출량은 개념도(100)에서 원들로 도시된다. 또한, 사용자들은 탐색 모듈에 용어 "항공사"를 입력함으로써 항공편 정보를 탐색할 수 있다. 탐색 모듈에 의해 반환된 결과들은 ZZ 항공사에 의해 지불된 탐색 용어에 관련된 광고들을 포함할 수 있다. 이러한 후원받은 탐색 광고들은 개념도(100)에서 육각형들로 도시된다.
탐색 결과들을 검토한 후에, 일부 사용자들은 그들의 탐색 쿼리들을 조정하기로 결심할 수 있다. 예를 들어, 일부 사용자들은 그들의 개별적 탐색 모듈에 단어들 "ZZ 항공사"를 입력할 수 있다. 그로 인해 발생하는 탐색 결과는 사용자를 ZZ 항공사 웹사이트로 안내할 수 있는 광고를 포함할 수 있다. 이 광고 노출량은 개념도(100)에서 삼각형으로 부호화된다. 일부 사용자는 ZZ 항공사 웹사이트에 대한 링크 클릭하고, 항공편을 예약하는 것을 결정할 수 있다; 이 컨버전들은 개념도(100)에서 사각형으로 도시된다.
상술한 시나리오는 예시적 컨버전 크레디팅 시스템을 사용하여 나타낼 수 있는 수많은 시나리오 중 하나이다. 예를 들어, 일부 경우에서는, 도 1에 도시된 모양들은 탐색에 연관된 광고 노출량(즉, "탐색 광고 노출량") 또는 탐색 클릭을 나타낼 수 있다. 예를 들어, 원들은 "항공사"에 연관된 탐색 클릭들을 나타낼 수 있고, 육각형들은 "ZZ 항공사"에 연관된 탐색 클릭을 나타낼 수 있고, 삼각형들은 "항공사"에 연관된 광고 노출량을 나타낼 수 있다. 다른 상황에서, 그 모양들은 탐색과 연관되지 않은(예를 들어, 광고 디스플레이) 광고 노출량과 클릭을 나타낼 수 있다. 예를 들어, 웹 포탈상에 디스플레이되는 ZZ 항공사에 의해 후원된 광고들은 이 카테고리로 나뉠 수 있다. 일부 경우에서, 이 모양들은 탐색 광고 노출량, 탐색 클릭, 및 비-탐색 광고 노출과 클릭의 조합을 나타낼 수 있다.
인터넷 광고들의 이러한 예시들은 다른 유형의 매체 유형 중에 이메일,비디오, 라디오, 또는 텔레비전과 같은 다른 매체 채널들에 연관된 데이터를 단지 예시하는 것이고, 예시적 컨버전 크레디팅 시스템에 의해 보여질 수 있다. 예를 들어, 도 4에 관하여 후술하는 매핑 메카니즘이 동일한 분석으로 다른 매체 소스로부터의 데이터를 나타내는데 사용될 수 있고, 이로써 크로스 채널 매체 분석을 할 수 있게 한다.
상술한 광고와 컨버전 이벤트 중 일부는 하나 이상의 윈도우 타임에 포함될 수 있고, 그 타임 윈도우는 실선과 점선으로 된 직사각형으로 개념도(100)에 도시된다. 보다 아래에서 설명될 것처럼, 타임 윈도우들은 광고에 대한 속성값(크레디트로서 참조됨)을 결정하는데 사용될 수 있다.
일부 구현예들에서, 타임 윈도우는 컨버전 이전에 시간 간격을 포함할 수 있다. 일부 경우에서, 타임 윈도우는 고정된 크기일 수 있다. 예를 들어, 타임 윈도우는 1시간, 12시간, 1일, 2일, 5일, 10일, 20일 등의 기간일 수 있다. 다른 경우, 타임 윈도우를 위한 시간 간격의 길이는 동적으로 선택될 수 있다. 예를 들어, 시간 간격의 길이는 시간-대-컨버전 프로파일의 변화율에 기초할 수 있다. 일부 예시에서, 시간-대-컨버전 프로파일은 광고 이벤트가 컨버전으로 될 확률을 나타내는 곡선으로 표현될 수 있다. 예를 들어, 만약 이 곡선이 특정 시간 주기에 매우 빠르게 변한다면, 상대적으로 짧은 기간을 갖는 타임 윈도우들이 사용될 수 있다. 대조적으로, 만약 이 곡선이 주어진 기간에 비교적 안정적이라면, 선택된 타임 윈도우들은 상대적으로 긴 기간을 가질 수 있다. 도 2에 관해서 더욱 상세하게 시간-대-컨버전 프로파일이 설명된다.
이 예시에서, 점선으로 된 직사각형들은 5분 길이의 타임 윈도우를 나타내고, 또한 트랜잭션들에 관해서 상술된 실선들로 된 직사각형들은 기간이 10분인 타임 윈도우를 부호화한다.
도식화된 예시에서, 윈도우 카운트는 묘사된 윈도우들 내에 있는 광고 이벤트들의 개수를 카운트함으로써 결정될 수 있다. 일부 경우에는, 복수의 윈도우 카운팅 방법 중 하나가 사용될 수 있다. 예를 들어, 개념도(100)에서 원들로 도시된 광고 이벤트들을 고려한다. 이러한 이벤트들 중 하나가 5분 타임 윈도우들에서 나타나고, 이 이벤트 중 5개가 10분 타임 윈도우에 나타나는데, 이 예시에서는 5분 윈도우에 대해서는 1개의 타임 윈도우 카운트가 되고, 10분 윈도우에 대해서는 5개의 타임 윈도우 카운트가 된다.
일부 경우에, 하나 이상의 타임 윈도우에 포함되는 이벤트들은 한번 이상 카운트될 수 있다. 예를 들어, 도 1에 도시된 원들 중 하나는 10분과 5분 타임 윈도우에 모두 포함된다. 상술한 예시에서, 이 원은 5분 타임 윈도우 카운트와 10분 타임 윈도우 카운트에 모두 카운트된다. 윈도우 카운트를 결정하는 제2 방법에서는, 복수의 윈도우에 포함되는 이벤트들이 단 한번만 카운트될 수도 있다. 일부 경우에서, 더욱 빠른(또는 더욱 작은) 타임 윈도우에서 카운트된 이벤트들은 이어지는(또는 보다 큰) 타임 윈도우에서는 카운트되지 않을 수도 있다. 예를 들어, 10분 윈도우에 있는 이벤트들의 개수를 결정할 때, 5분 윈도우에도 속하는 이벤트들은 카운트되지 않을 수 있으며, 이 예시에서는 10분 윈도우 카운트는 4가 되고, 5분 카운트는 1이 된다.
그 밖의 타임 윈도우들이 사용될 수 있다. 예를 들어, "최종 카운트" 타임 윈도우가 컨버전 이전에 최종 광고 이벤트로서 고려되는 광고 이벤트들의 개수를 카운트하기 위해서 사용될 수 있다. 이 예시에서는, 최상단 윈도우(105)만이 컨버전 이전에 최종 광고 이벤트인 원을 포함하기 때문에, 원으로 도시된 이벤트들에 대한 최종 카운트는 1이다.
일부 경우에는, 가중 모델이 윈도우 카운트에 적용될 수 있다. 도시된 예시에서, 5분 윈도우 카운트와 10분 윈도우 카운트는, 일부 경우에 시간에 따라 지수적으로 감소하는 가중 모델이 곱해질 수 있다. 다른 경우에서, 가중 모델은 일정할 수도 있고, 특정 시점에 0으로 떨어질 수도 있다. 일부 상황에서, 가중 모델은 사용자에 의해 생성된 커스텀 가중 모델(custom weighting model)일 수도 있다. 예를 들어, 가중 모델은 사용자에 의해 생성된 구분적(piecewise) 곡선을 따를 수도 있다. 가중치는 시작값 1을 가질 수 있으며, 그 시작값은 첫째 날이 끝날 무렵에 0.5로 점진적으로 감소한다. 이어 가중치는 0.5에서부터 일주의 끝에는 0.3까지 서서히 변화한 후, 2주의 끝에는 다시 0까지 점진적으로 감소한다. 일부 경우에서, 곡선은 계단 함수(step function)일 수 있다. 예를 들어, 가중치는 첫째 날에 대해서는 0.5이고, 그 다음주에 대해서는 0.3이고, 2주째에는 0으로 떨어질 수 있다.
가중된 타임 윈도우 카운트의 결과는 광고에 대한 크레디트를 생성하기 위하여 합산되고 정규화될 수 있다. 예를 들어 계산되고 가중된 윈도우 카운트에는, 하나 이상의 광고에 대한 크레디트들의 총 개수가 그 광고들과 연관된 컨버전의 총 개수와 같아지도록 하는 정규화 계수가 곱해질 수 있다.
도 2는 예시적 시간-대-컨버전 프로파일(200)을 설명한다. 일부 구현예들에서, 예시적 프로파일(200)은 시간에 걸친 광고의 효과를 나타낸다. 예를 들어, 시간-대-컨버전 프로파일은 시간에 따른 광고 이벤트 후에 컨버전 이벤트가 있을 확률의 변화하는 것을 나타낼 수 있다. 일부 예시들에서, 이 확률은 특정 타임 윈도우들에서 컨버전 이전에 있는 광고 이벤트들의 총 개수를 그 타임 윈도우들에 있는 광고 이벤트들의 평균 개수로 나눔으로써 계산될 수 있다. 즉, 이 확률은 후술하는 공식으로 표현될 수 있다.
Figure 112016080350759-pat00001
여기서, 카운트(conv, ad, τ)는 컨버전(conv로 표시됨) 이전에 타임 윈도우(τ) 내에서 발생하는 광고 이벤트들(즉, 이벤트가 광고라는 것을 나타내기 위한 이벤트 식별자가 있는 이벤트들)의 개수와 동일하고, 카운트(ad, τ)는 타임 윈도우(τ)에 있는 광고 이벤트들의 평균 개수를 나타낸다.
예시적 프로파일은 광고주가, 광고가 실제로 다이텍트(direct) 또는 브랜드 인지도(brand-awareness)로 고려될 수 있는지 여부를 판단할 수 있도록 한다. 다이렉트 광고(예를 들어, 쿠폰)은 광고 이벤트 이후에 비교적 빨리 예를 들어, 몇 시간 후에, 컨버전으로 되는 광고이다. 다이렉트 광고에 대한 예시적 시간-대-컨버전 프로파일은 탐색 용어 "ZZ 항공사"에 접속되는 광고에 대한 프로파일(205)로 도시된다. 브랜드 인지도 광고는 브랜드 메시지를 전달한다. 그래서, 브랜드 인지도 광고는 비교적 더욱 긴 기간(예를 들어, 몇 일 또는 한달에서 3달 동안에 가끔씩) 이후에 컨버전을 수반한다. 예를 들어, 브랜드 인지도 광고 프로파일은 탐색 쿼리 "항공사"와 관련된 광고에 대하여 우측 프로파일(210)로 도시된다.
일부 경우에서, 광고주들은 광고에 대한 시간-대-컨버전 프로파일에 기초하여 광고를 선택할 수 있다. 예를 들어, 만약 광고주가 상대적으로 짧은 기간에 컨버전 개수를 증가시키고자 한다면, 광고주는 다이렉트 광고를 선택할 수 있다. 그러나, 만약 광고주가 컨버전에 시간이 좀 더 필요할 수 있는 브랜드 인지도를 증가시키는 것을 목적으로 한다면, 광고주는 브랜드 인지도 광고를 선택할 수 있다.
도 3a는 광고들에 대한 예시적 컨버전 크레디팅 통계를 설명하는 테이블(300)이다. 예시적 테이블(300)은 "항공사"와 "ZZ 항공사" 탐색 광고들에 관한 예시적 통계를 포함한다. 테이블(300)은 각 광고에 대한 클릭수와 클릭당 비용을 포함한다. 테이블(300)은 또한 각 광고에 대한 최종 카운트를 포함한다. 상술된 바와 같이, 최종 카운트는 광고가 그 광고에 연관된 컨버전 이전에 디스플레이된 최종 광고였었던 회수이다. 따라서 이 예시에서는, 최종 카운트 윈도우는 또한 컨버전의 개수를 나타낸다. 이에 더하여, 테이블(300)은 최종 행동당 비용에 관한 데이터, 5분 타임 윈도우와 1일 타임 윈도우에 대한 윈도우 카운트에 관한 정보를 포함할 수도 있다. 마지막으로, 예시적 테이블(300)은 각 이벤트에 대한 크레디트와 크레디트당 비용(즉, 비용 효율)에 관한 정보를 포함한다.
테이블(300)에 요약된 예시에서는, 두 용어에 대한 클릭당 비용이 동일하게 50센트이다. 그러나, 이 예시에서, "ZZ 항공사" 광고에 대한 최종 카운트는 "항공사" 광고에 대한 최종 카운트의 20배이기 때문에, 최종 카운트당 비용은 각각 30달러와 1.75 달러가 된다. 이 예시에서 최종 행동당 비용은 광고에 대한 컨버전당 비용을 나타낼 수 있다. 이러한 최종 카운트당 비용들을 가정하면, 광고주들은 "ZZ 항공사" 탐색 광고에 대한 그들의 광고 예산의 대부분이, 전부는 아니더라고, 그들의 광고 투자에 대해 최고의 회수를 가져왔다고 생각할 수 있다. 예를 들어, 광고주들의 예산은 광고주가 컨버전 당 5달러 만큼을 사용하는 것을 허용할 수 있다. 이 예시에서, "항공사" 탐색 광고에 대한 최종 카운트당 비용이 컨버전 당 30불이기 때문에, "ZZ 항공사" 탐색 광고들을 구매하는 것을 선택할 수 있는데, 이는 이 광고가 컨버전 당 1.75달러로 광고주의 예산 내에 있기 때문이다.
일부 경우에, 광고에 대한 최종 카운트는 컨버전에 대한 광고의 기여를 정확하게 반영하지 못할 수 있다. 예를 들어, 상술한 도 2에 관해 언급된 바와 같이, 다이렉트 광고들은 컨버전을 다소 빠르게 유도하지만, 브랜드 인지도 광고의 영향은 분명해지기까지 더 많은 시간이 걸릴 수 있다. 일부 경우에, 크레디트는 컨버전 이전에 디스플레이된 최종 광고 이후의 광고들을 반영할 수 있기 때문에, 예시된 컨버전 크레디팅 시스템에 의해 생성된 크레디트들은 이 브랜드 인지도 광고들이 유발할 수 있는 효과를 보다 정확하게 반영할 수 있다.
예를 들어, 상술한 최종 카운트 방법론은, 사용자의 의사 결정 프로세스의 초기 단계 동안에 사용될 수 있기 때문에, "항공사" 탐색 광고를 고려하지 않을 수 있다. 예를 들어, "항공사" 광고는 사용자가 ZZ 항공사를 선택하고, 최종적으로 ZZ 항공사로부터 티켓을 구매하는 것을 도왔다. 각 광고에 대한 최종 카운트의 개수만이, "항공사" 탐색 광고가 최후의 컨버전이 되도록 한 기여를 반영하지 않았다고 가정한다.
이 경우, 테이블(300)은 두 예시적 탐색 광고 모두에 대한 5분과 1일 윈도우 카운트를 보여준다. 테이블에 도시된 것처럼, "ZZ 항공사" 광고가 "항공사" 광고보다도 더욱 많은 최종 카운트를 생성하였지만, "ZZ 항공사" 광고는 임의의 컨버전에 대하여 1일 내에 디스플레이되지 않았다. 대조적으로, "항공사" 광고는 컨버전에 대하여 1일 내에 70번 보여졌고, 컨버전에 대하여 5분 이내에 20번 보여졌다. 현재 예시에서, 이러한 광고들에 대한 크레디트는 각 광고에 대한 최종, 5분, 및 1일 카운트에 가중 계수를 곱하고, 가중된 타임 윈도우 카운트들의 결과를 합산함으로써 생성될 수 있다. 예를 들어, 가중 계수는 후술하는 가중 모델을 사용하여 생성될 수 있다.
Figure 112016080350759-pat00002
이 방정식에서, c는 가중 함수의 감쇠율(decay rate)을 제어할 수 있고, e는 자연 로그(natural logarithm)에 기반하는 것일 수 있고, τ는 윈도우 카운트 j에 대한 시간일 수 있다.
이 예시에서, 타임 윈도우 카운트들은 하나 이상의 타임 윈도우에 포함되는 이벤트들을 고려하지 않을 수 있다. 예를 들어, 최종, 5분, 및 1일 카운트 컬럼은 서로 중복되는 타임 윈도우들을 나타낼 수 있다. 설명된 예시에서, 이전 컬럼(여기서, 당해 컬럼의 왼쪽에 있는 컬럼)에서 카운트된 이벤트들은 다시 카운트되지 않는다. 따라서 최종 카운트 컬럼에서 카운트된 이벤트들은 5분 카운트 컬럼에서 카운트되지 않을 것이고, 이러한 컬럼들 중 하나에서 카운트된 이벤트들은 1일 카운트 컬럼에서 카운트되지 않을 것이다.
이 실시예에서, 가중 스키마는 "동일 가중치"일 수 있고, 즉 각 윈도우에 대한 가중치들은 같을 수 있다. 현재 예시에서, 각 윈도우 카운트에 대한 가중치는 1이다. 각 탐색 용어에 대한 타임 윈도우 카운트들을 합산하고, 그 타임 윈도우 카운트들에 각각의 가중 계수를 곱함으로써, 탐색 광고 "항공사"와 "AA 항공사"에 대해 각각 윈도우 카운트 100과 200을 갖게 된다.
이 카운트들은 크레디트를 계산하는데 이용될 수 있는 정규화 계수를 결정하는데 이용될 수 있다. 예를 들어, 최종 카운트들이 총 개수(여기서, 210)에 대한 용어 "항공사"와 "ZZ 항공사"(이 예시에서는 300)에 대한 카운터들의 합의 비율은, 정규화 계수와 동일하다. 따라서, 여기서 정규화 계수는 0.7(210/300)이다. 가중된 윈도우 카운트에 이 정규화 계수를 곱함으로써, "항공사"와 "AA 항공사" 탐색 광고에 대해 각각 크레디트 70과 140을 갖게 된다. 가중된 윈도우 카운트들에 정규화 계수들을 곱함으로써, 광고들에 대한 총 크레디트들(이 예시에서는 210)이 그 광고들에 연관된 컨버전의 총 개수(여기서, 210)와 같아지게 한다.
크레디트당 비용은 총 비용(여기서, 클릭당 비용이 곱해진 클릭의 총 개수)을 총 크레디트로 나눈 것과 같다. 이 실시예에서, 계산된 크레디트들은 "항공사"와 "ZZ 항공사" 탐색 광고들에 대한 크레디트당 비용 각각은 약 4.3달러((600×0.5)/70)과 약 2.5달러((700×0.5)/140)을 갖게 된다. 이 광고들에 대한 크레디트당 비용은 컨버전당 5달러의 예산을 갖는 광고주가 "항공사"와 "ZZ 항공사" 탐색 광고들간에 그의 광고 예산을 균형있게 분할하게 한다.
상술되어진 예시에서, 하나 이상의 타임 윈도우 내에 포함되는 이벤트들은 단 1번만 카운트되었다. 그러나, 하나 이상의 타임 윈도우 내에 포함된 이벤트들이 한번 이상 카운트될 때, 동일한 프로세스가 광고들에 대한 크레디트를 계산하기 위하여 사용될 수 있다. 예를 들어, 도 3b를 고려한다. 이 도면은 "항공사"와 "ZZ 항공사" 탐색 광고에 관하여 예시된 통계 정보를 포함하는 다른 테이블(350)을 나타낸다. 이 예시에서, 하나의 타임 윈도우 내에 속하는 이벤트들이 다른 타임 윈도우에서 카운트될 수 있다. 예를 들어, 도 3b에서 세로에 분류된 "항공사"를 고려한다. 최종 카운트 타임 윈도우 내에 속하는 10개의 이벤트들은 5분과 1일 카운트 윈도우에서도 카운트될 수 있다.
정규화된 크레디트를 결정하는 프로세서는 도 3a에 관련하여 설명된 프로세스와 동일하다. 탐색 광고들에 대한 윈도우 카운트들은 최종 카운트, 5분, 및 1일 윈도우들을 합산함으로써 생성되어, "항공사"와 "ZZ 항공사"에 대한 타임 윈도우 카운트들을 각각 140과 600이 된다. 이 타임 윈도우 카운트들은 예를 들어, 최종 카운트들의 총 개수를 윈도우 카운트들의 총 개수로 나눔으로써 정규화 계수를 결정하는데 사용될 수 있고, 그 결과 정규화 계수는 약 0.284(210/740)가 된다.
이 타임 윈도우 카운트들에 가중된 타임 윈도우 카운트들을 결정하기 위하여 가중 계수가 곱해질 수 있다. 상술된 예시에서와 같이, 가중 스키마는 같은 가중치일 수 있고, 각 타임 윈도우에 대한 가중치는 1일 수 있다. 이로서, 가중된 타임 윈도우 카운트들이 타임 윈도우 카운트들과 같아진다. 가중된 타임 윈도우 카운트들에는 "항공사" 탐색 광고에 대해서 42의 크레디트를 생성하고, "ZZ 항공사" 탐색 용어에 대해서 180의 크레디트를 생성하는 정규화 계수가 곱해질 수 있다. 또한, 크레디트당 비용은 상술된 바와 같이, 즉 총 비용(여기서, 클릭당 비용이 곱해진 클릭의 총 개수)를 크레디트로 나눔으로써 결정될 수 있다. 이렇게 함으로써, "항공사"와 "ZZ 항공사" 탐색 광고들에 대하여 각각 약 7.14달러와 약 1.94달러의 크레디트당 비용을 갖게 된다.
도 4는 이벤트 매핑에 대한 개념도(400)이다. 일부 경우에서, 이벤트에 관련된 애플리케이션-특정 정보(application-specific information)는 상술되어진 이벤트 데이터 구조로 모델화되지 않을 수도 있다. 일부 구현예들에서, 이 애플리케이션-특정 정보는 이벤트 모델에 매핑될 수 있다. 이벤트 모드는 매핑 프로세스가 컨버전 크레디팅 시스템이 수많은 이벤트 유형들을 처리할 수 있도록 하는 것을 정의한다. 예를 들어, 테이블(405)은 일부 경우에서, 네트워크, 사용자, 광고주, 및 배치 식별자 등과 같은 이벤트 데이터 구조에 포함되지 않은 정보들을 포함하는 이벤트들을 예시한다. 애플리케이션-특정 이벤트 정보는 도 4에 도시된 우측 테이블(410)에 예시된 이벤트 데이터 구조의 요소들에 매핑될 수 있다. 예를 들어, 애플리케이션-특정 이벤트들에 대한 타임 스탬프와 사용자 식별자는 상응하는 이벤트 데이터 구조들에 대한 각각의 타임 스탬프와 키에 맵핑될 수 있다. 애플리케이션-특정 이벤트들에 대한 이벤트 유형은 이벤트 데이터 구조에 대한 이벤트 식별자에 매핑될 수도 있다.
일부 예시에서, 사용되는 매핑 스키마는 컨버전 크레디팅 분석의 목적에 따라 달라질 수 있다. 예를 들어, 사용자가 광고주에 의해 각 광고 배치에 대한 크레디트를 결정하고 싶어할 수 있다. 이 분석 유형은 테이블(410)에 있는 이벤트 식별자에 매핑되는 테이블(405)에 도시된 이벤트 유형, 배치, 컨버전, 및 광고주 식별자들이 되고, 테이블(405)에 있는 사용자와 광고주 식별자들은 테이블(410)에 있는 키들에 매핑될 수 있다.
만약 사용자가 테이블(405)에 도시된 광고주, 이벤트 유형, 크리에티브(creative), 컨버전, 및 광고주 식별자들을 위한 각 광고 크리에티브에 대한 크레디트를 결정하고 싶어한다면, 그 광고주, 이벤트 유형, 크리에티브(creative), 컨버전, 및 광고주 식별자들은 테이블(410)에 있는 이벤트 식별자 컬럼에 매핑될 수 있다. 동시에, 테이블(405)에 있는 사용자와 광고주 식별자들이 테이블(410)에 있는 키들에 매핑될 수 있다.
도 5는 예시적 컨버전 크레디팅 시스템(505)의 블록도(500)이다. 이 예시적 시스템(505)은 메모리(515)에 저장된 명령들을 실행시키는 프로세서(510)를 포함할 수 있다. 예를 들어, 메모리(515)는 프로세서(510)에 의해 실행되었을 때, 시스템(505)을 제어하는 명령들을 포함할 수 있다. 또한 메모리(515)는 예를 들어, 타임 윈도우, 가중치, 이벤트, 테이블, 시간-대-컨버전 프로파일, 가중 모델, 가중된 타임 윈도우 카운트, 및 트랜잭션과 관련된 정보, 다른 유형의 데이터 등과 같은 시스템(505)에 관련된 데이터를 저장할 수 있다.
또한 시스템(505)은 다른 데이터 저장소들을 포함할 수 있다. 예를 들어, 시스템(505)은 타임 윈도우에 관한 데이터를 포함할 수 있는 윈도우 데이터베이스(520)를 포함할 수 있다. 예를 들어, 윈도우 데이터베이스(520)는 타임 윈도우 크기(즉, 타임 윈도우의 길이), 특정 이벤트 모델에 대한 윈도우 개수, 및 윈도우 카운트 등에 관한 정보를 포함할 수 있다.
또한 시스템(505)은 이벤트 저장소(525)를 포함할 수 있다. 예시적 이벤트 저장소(525)는 상술되어진 광고 및 컨버전 이벤트들과 같은 이벤트들을 포함할 수 있다. 일부 애플리케이션에서, 이벤트 저장소(525)는 또한 이벤트들을 공통 포맷(예를 들어, 이벤트 데이터 구조의 포맷)에 매핑하는데 사용될 수 있는 이벤트 모델을 포함할 수 있다. 일부 경우에서, 이벤트 저장소(525)는 후술되어질 도 6에 관련되어 설명되는 것과 같이, 실시간으로 이벤트들을 처리하기 위해 사용될 수 있는 이벤트 캐쉬를 포함할 수 있다.
상술되어진 데이터 베이스와 저장소 이외에도, 시스템(505)은 또한 테이블과 모델 데이터베이스들을 포함할 수 있다. 일부 구현예들에서, 테이블 데이터베이스(530)는 컨버전과 광고 이벤트들을 포함하는 테이블들을 포함할 수 있다. 모델 데이터베이스(535)는 광고들에 대한 크레디트를 계산하는데 사용될 수 있는 가중 계수들과 가중 모델들을 포함할 수 있다. 예를 들어, 모델 데이터베이스(535)는 상술된 [수학식 1]에 상응하는 일련의 가중 함수들을 포함할 수 있다.
또한 예시적 시스템(505)은 분류 모듈(540)을 포함할 수 있다. 일부 경우에서, 분류 모듈은 수신된 이벤트들을 분류하여 그것들을 테이블에 저장할 수 있다. 예를 들어, 광고 서버와 같은 컴퓨팅 시스템(565)은 이벤트 집합(570)을 시스템(505)에 전송할 수 있다. 분류 모듈은 수신된 이벤트들을 테이블에 저장하고, 그 이벤트들을 예를 들어 키 또는 이벤트 식별자들을 이용하여 분류할 수 있다. 일부 경우에서, 이벤트들은 하나 이상의 트랜잭션으로 분류될 수 있다. 이 분류 모듈은 이 이벤트들을 타임 스탬프를 이용하여 더 분류할 수 있다. 예를 들어, 분류 모듈은 이벤트들의 타임 스탬프를 이용하여 그 이벤트들을 연대순으로 분류할 수 있다. 결과 테이블은 테이블 저장소(530)에 저장될 수 있다.
분류 모델(540) 이외에, 시스템(505)은 통계 모듈(545)을 포함할 수 있다. 통계 모듈(545)은 크레디트들을 결정하는데 사용될 수 있는 데이터를 계산하기 위해 이벤트 정보를 분석할 수 있다. 예를 들어, 통계 모듈(545)은 타임 윈도우 카운트들과 시간-대-컨버전 프로파일들과 같은 임시적 통계를 결정할 수 있다. 예를 들어, 통계 모듈(545)은 특정 간격에서 컨버전 이벤트 이전에 연관된 광고 이벤트가 발생된 회수를, 그 특정 간격에서 광고 이벤트 발생의 평균 개수로 나눔으로써 광고에 대한 시간-대-컨버전 파일을 생성할 수 있다. 일부 구현예들에서, 통계 모듈(545)은 총 클릭수 또는 총 광고 노출량, 클릭당 비용 또는 광고 노출량 등과 같은 광고들에 관련된 다른 통계를 계산할 수 있다. 또한, 모듈(545)은 크레디트들에 관련된 통계를 계산할 수 있다. 예를 들어, 모듈(545)은 크레디트당 비용과, 시간에 따른 크레디트들 또는 크레디트당 비용의 변화를 계산할 수 있다. 일부 경우에서, 통계 모듈(545)은 광고 비용을 그 광고에 대해 정규화된 크레디트로 나눔으로써 광고의 크레디트당 비용을 결정할 수 있다. 통계 모듈(545)은 예를 들어, 윈도우 데이터베이스(520), 이벤트 데이터베이스(525), 또는 메모리(515)와 같은 임의의 적절한 데이터베이스에 상술한 정보들의 일부 또는 전부를 저장할 수 있다.
일부 구현예에서, 통계 모듈(545)은 이러한 임시 통계 중 일부 또는 전부를, 그 통계들을 크레디트를 생성하기 위해 사용할 수 있는 모델링 모듈(550)에 전송할 수 있다. 일부 경우에서, 모델링 모듈(550)은 [수학식 1]에서 상술된 모델과 같은 광고에 대한 가중 모델을 생성할 수 있거나, 모델링 모듈(550)은 모델 저장소(535)로부터 모델을 검색할 수 있다. 또한, 모델링 모듈(550)은 예를 들어, 아래의 [수학식 2]에 따라 정규화된 크레디트를 계산하기 위하여 가중 모델을 이용할 수 있다.
Figure 112016080350759-pat00003
이 방정식에서, cj는 jth 윈도우 카운트일 수 있고, wj는 상술된 [수학식 1]에 따라 계산될 수 있는 jth 윈도우 카운트에 대한 가중 계수일 수 있고, N은 일부 경우에서 하나 이상의 광고에 대한 크레디트들의 총 개수를 그 광고들에 연관된 컨버전들의 총 개수와 동일하게 할 수 있는 정규화 계수일 수 있다. 모델링 모듈(550)은 결과 크레디트들을 메모리(515)에 저장할 수 있고, 그 크레디트들을 보고 모듈(555)에 전송할 수 있고, 또는 일부 경우에서는 두 가지 모두를 할 수 있다.
보고 모듈(555)은 광고 효율 등을 자세하게 설명하는 보고서(575)를 생성할 수 있다. 일부 경우에, 보고서는 예를 들어, 광고에 대한 네트워크, 광고주, 및 광고 식별자, 광고 이벤트와 컨버전의 개수, 타임 윈도우 카운트, 가중 계수, 및 크레디트와 같은 정보를 포함할 수 있다. 또한 보고서는 광고에 대한 이전 크레디트와 주어진 기간 동안에 걸친 광고 클레디트의 퍼센트 변화를 포함할 수 있다. 보고서는 또한 광고에 대한 입찰 가격, 클릭, 광고 노출량당 클릭, 클릭당 비용, 크레디트당 비용 등을 목록화할 수 있다. 보고서는 원격 컴퓨터에 전송되거나, 또는 메모리(515)에 저장될 수 있다.
또한, 시스템(505)은 입력/출력 인터페이스(560)를 포함할 수 있다. 이 입력/출력 인터페이스(560)는 인터넷과 같은 통신 네트워크를 통해 다른 디바이스와 시스템들과 통신을 할 수 있게 한다. 또한 입력/출력 인터페이스(560)는 시스템(505)이 시스템(505)에 연결된 키보드와 디스플레이와 같은 주변 디바이스들과 통신하거나, 광고 서버(565)와 같은 원격 서버와 통신할 수 있게 한다. 이러한 주변 장치는 사용자가 다른 이벤트들에 대한 가중 모델들과 가중치들와 같은 파라메터들을 보거나 변경할 수 있게 한다. 사용자는 그러한 데이터를 입력하고, 적절한 저장소(예를 들어, 메모리(515), 윈도우(520), 또는 모델(535) 데이터베이스)에 저장하기 위하여 그래픽 사용자 인터페이스를 사용할 수 있다.
도 6, 7, 및 8은 컨버전 크레디팅을 생성하는 예시적 프로세스(600, 700, 800)에 대한 각각의 순서도이다. 프로세스(600, 700, 800)은 예를 들어, 시스템(505)과 같은 시스템에 의해 수행될 수 있고, 설명의 명료화를 위해서, 후술되는 설명은 프로세스를 설명하기 위한 예시의 기본으로서, 시스템(505)과 개념도(100)를 사용한다. 그러나 다른 시스템 또는 시스템들의 조합이 프로세스(600, 700, 800)을 수행하기 위해 사용될 수 있다.
도 6은 컨버전 크레디팅의 예시적 프로세스(600)이다. 프로세스(600)는 도 6에 도시된 것과 같이, 하나 이상의 단계(즉, 프로세스 단계들의 그룹화)에 관련될 수 있다. 단계들은 프로세싱, 타임 윈도우 카운트 계산(도 6에서 단계 1로서 참조됨), 및 크레디트 결정 단계들(도 6에서 단계 2로서 도시됨)을 포함할 수 있다. 프로세스(600)을 단계로 분리함으로써, 컨버전 크레디팅 프로세스에서 보다 큰 융통성과 확장성을 가질 수 있게 한다. 예를 들어, 타임 윈도우 카운트들은 선택 가중 모델들과 같은 프로세스의 다른 부분으로부터 별도로 계산될 수 있다. 이 분리는 사용자가 타임 윈도우 카운트들을 재계산하지 않고 가중 모델들을 변화시킬 수 있게 한다. 따라서 사용자는 큰 데이터 세트들을 잠재적으로 재처리하지 않고 복수의 컨버전 크레디팅 시나리오들을 생성하여 비교할 수 있다. 도 6에 도시된 단계들은 단지 예시에 불과하다는 것을 유의하여야만 한다. 추가 또는 더 적은 단계들이 사용될 수 있고, 또한 단계들이 전혀 사용되지 않을 수도 있다.
프로세스(600)는 이벤트들을 식별함으로써 시작한다(605). 예를 들어, 이벤트들은 시스템(505)의 다른 구성요소들 중에서 분류/필터링 모듈(540)에 의해 이벤트 저장소(525)로부터 얻어질 수 있다. 일부 경우에, 이벤트들은 원격 서버(565)와 같은 원격 컴퓨터로부터 수신될 수 있다.
프로세스(600)는 식별된 이벤트들을 분류한다(610). 예를 들어, 분류 모듈(540)은 이벤트들은 키에 따른 그룹들로 나눌 수 있다. 일부 경우에, 이벤트들은 연대순으로 추가 분류될 수 있다.
프로세서는 하나 이상의 타임 윈도우를 식별한다(615). 이 경우, 모델링 모듈(550)은 광고가 컨버전으로 될 가능성의 변화율에 기초하여 타임 윈도우들을 선택할 수 있다. 일부 경우에, 타임 윈도우는 광고에 대한 시간-대-컨버전 프로파일에 기초하여 선택될 수 있다. 예를 들어, 모델링 모듈(550)은 타임 윈도우들이 시간-대-컨버전 프로파일을 충분하게 샘플링할 수 있도록 하기 위하여, 하나 이상의 타임 윈도우를 선택할 수 있다. 예를 들어, 시간-대-컨버전 프로파일의 경사가 상대적으로 가파른 영역에서는, 선택된 타임 윈도우들은 더욱 짧은 기간을 가질 수 있다. 그러나 시간-대-컨버전 프로파일의 경사가 보다 서서히 변화하는 영역에서는, 선택된 타임 윈도우들은 더욱 긴 기간을 가질 수 있다.
프로세스(600)는 윈도우 카운트들을 결정할 수 있다(620). 일부 구현예들에서, 통계 모듈(545)은 특정 타임 윈도우에 있는 광고 관련 이벤트들의 개수를 카운트하고, 그 개수를 윈도우 데이터베이스(520)에 저장할 수 있다.
프로세스는 가중 모델을 선택한다(625). 예를 들어, 모델링 모듈(550)은 [수학식 1]에 예시된 모델과 같은 가중 모델을 선택할 수 있다. 또한 프로세스는 크레디트를 계산한다(630). 예를 들어, 모델링 모듈(550)은 상술한 [수학식 2]에 따라서 광고에 대한 크레디트를 계산할 수 있다.
도 7은 타임 윈도우 카운트들을 결정하는 예시적 프로세스이다. 일부 경우에, 프로세스(700)는 실시간으로 타임 윈도우 카운터들을 결정하기 위해 사용될 수 있다. 프로세스(700)는 다음 이벤트를 판독한다(705). 예를 들어, 분류 모듈(540)은 이벤트 저장소(525), 메모리(515)로부터의 이벤트를 판독하거나, 원격 컴퓨팅 디바이스(565)로부터 전송될 수 있는 이벤트를 판독할 수 있다.
*프로세스(700)는 이벤트가 컨버전 이벤트인지를 여부를 판단한다(710). 예를 들어, 분류 모듈(540)은 이벤트가 컨버전인지 여부를 판단하기 위하여, 이벤트에 대한 이벤트 식별자를 검토할 수 있다. 프로세스(700)는 비-컨버전 이벤트들은 이벤트 캐쉬에 첨부한다(715). 일부 경우에서는, 분류 모듈(540)이 비-컨버전 이벤트들을 메모리(515) 또는 다른 데이터 저장소에 저장된 이벤트 캐쉬(예를 들어, 어레이와 같은 데이터 구조)에 첨부할 수 있다. 비-컨버전 이벤트를 이벤트 캐쉬에 첨부(715)한 후에, 프로세스(700)는 남아있는 이벤트가 있으면 다음 이벤트를 판독하고(745), 이와 달리 프로세스(700)는 남아있는 이벤트가 없으면 종료한다. 예를 들어, 상술된 바와 같이 분류 모듈(540)이 이벤트 저장소로부터 다음 이벤트를 판독할 수 있고, 또는 만약 남아있는 이벤트가 존재하지 않으면, 프로세스(700)는 종료될 수 있다.
만약 이벤트가 컨버전이면, 프로세스(700)는 컨버전 시간과 컨버전 유형을 설정한다(720, 725). 예를 들어, 분류 모듈(540)이 컨버전 이벤트의 타임 스탬프를 판독하고, 그 타임 스탬프와 동일한 컨버전에 연관된 트랜잭션 시간을 설정할 수 있다. 마찬가지로, 분류 모듈(540)이 컨버전 이벤트의 이벤트 식별자를 판독하고, 그 이벤트 식별자와 동일한 컨버전에 연관된 트랜잭션 유형을 설정할 수 있다.
프로세스(700)는 컨버전 이벤트와 동일한 키를 갖는 이벤트들을 검색하고(730), 이벤트 캐쉬로부터 검색된 이벤트들을 선택적으로 삭제한다. 예를 들어, 분류 모듈(540)은 이벤트 저장소(525), 메모리(515)에 저장된 이벤트 캐쉬, 또는 원격 컴퓨팅 디바이스(565)로부터 동일한 키를 갖는 이벤트들을 검색할 수 있다. 검색된 이벤트들은 컨버전 이벤트와 동일한 트랜잭션에 있다고 고려될 수 있다. 분류 모듈(540)은 또한 이벤트 캐쉬로부터 검색된 이벤트들을 삭제할 수 있다.
프로세스(700)는 상관 타임 윈도우들을 검색한다(750). 예를 들어, 모델링 모듈(550)이 윈도우 저장소(520)로부터 컨버전 이전에 있는 상관 타임 윈도우를 검색할 수 있다. 만약 프로세스(700)가 임의의 상관 타임 윈도우들이 남아있다고 판단하면(755), 프로세스(700)는 타임 윈도우 내에 있는 이벤트들을 카운트한다(760). 예를 들어, 통계 모듈(545)이 임의의 이벤트들이 남아있는지를 판단하고, 특정 타임 윈도우 내에 있는 이벤트들을 카운트할 수 있다. 일부 경우에서, 프로세스(700)는 이벤트 식별자와 윈도우 크기의 쌍 각각을 위한 카운터들을 구비한다.
프로세스(700)는 임의의 이벤트들이 남아있는지를 판단한다(745). 만약 이벤트들이 남아있으면, 프로세스(700)는 다음 이벤트를 판독하고(705), 만약 이벤트들이 남아있지 않으면, 프로세스(700)는 종료된다. 예를 들어, 분류 모듈(540)이 이벤트들이 남아있는지 여부를 판단할 수 있고, 만약 하나의 이벤트가 남아있다면, 다음 이벤트를 판독할 수 있다. 만약 남아있는 이벤트가 없으면, 프로세스는 종료될 수 있다.
도 8은 타임 윈도우 카운트를 결정하는 프로세스(800)에 대한 대안적 예시이다. 일부 구현예들에서, 예시적 프로세스(800)가 오프라인에서 타임 윈도우 카운트들을 결정하는데 사용될 수 있다. 프로세스(800)는 이벤트들을 검색한다(805). 예를 들어, 분류 모듈(540)이 이벤트 저장소(525), 메모리(515), 또는 원격 컴퓨터(565)로부터 이벤트들을 검색한다. 프로세스(800)는 키를 이용하여 이벤트들을 그룹화하고(810), 그 이벤트들을 시간을 이용하여 분류한다(815). 예를 들어, 일부 예시에서, 분류 모듈(540)이 키를 이용하여 이벤트들을 그룹화하고, 시간을 이용하여 이벤트들을 분류할 수 있다. 프로세스는 다음 그룹을 검색할 수 있다(820). 예를 들어, 분류 모듈(540)이 이벤트 저장소(525), 메모리(515), 또는 원격 컴퓨터(565)와 같은 저장소 또는 데이터베이스로부터 그룹들을 검색할 수 있다. 프로세스(800)는 이벤트 그룹에 있는 다음 이벤트를 검색한다(825). 예를 들어, 분류 모듈(540)이 이벤트 저장소(525)로부터 이벤트 그룹에 있는 다음 이벤트를 검색할 수 있다.
프로세스(800)는 이벤트가 컨버전 이벤트인지를 판단한다(830). 예를 들어, 분류 모듈(540)이 식별자가 컨버전 식별자인지를 판단하기 위하여, 이벤트에 대한 이벤트 식별자를 판독할 수 있다. 만약 이벤트가 컨버전 이벤트가 아니면, 프로세스(800)는 그 이벤트를 이벤트 캐쉬에 첨부한다(835). 예를 들어, 분류 모듈(540)이 이 이벤트를 메모리(515) 또는 다른 데이터베이스에 저장된 이벤트 캐쉬에 첨부할 수 있다. 프로세스(800)가 다른 이벤트가 남아있는지를 판단한 결과에 따라서(840), 프로세스(800)는 이벤트 그룹에 있는 다음 이벤트를 검색하거나(825), 다른 그룹이 남아있는지를 판단한다(845). 예를 들어, 분류 모듈(540)이 다른 이벤트가 남아있는지를 판단하고, 이벤트 그룹에 있는 다음 이벤트를 검색할 수 있다. 또는 만약 남아있는 이벤트가 없다면, 분류 모듈(540)이 예를 들어, 이벤트 저장소(525) 또는 다른 데이터베이스를 검사함으로써 다른 그룹이 남아있는지를 판단할 수 있다.
만약 이벤트가 컨버전 이벤트이면, 프로세스(800)는 컨버전 유형을 설정하고(850), 컨버전 시간을 설정한다(855). 예를 들어, 분류 모듈(540)이 컨버전 이벤트의 이벤트 식별자를 판독하고, 그 이벤트 식별자와 동일한 컨버전에 연관된 트랜잭션 유형을 설정할 수 있다. 마찬가지로, 분류 모듈(540)이 이벤트의 타임 스탬프를 판독하고, 그 타임 스탬프와 동일한 컨버전 이벤트에 연관된 트랜잭션 시간을 설정할 수 있다.
프로세스(800)가 이벤트 캐쉬로부터 컨버전 이벤트와 동일한 키를 갖는 이벤트들을 검색한다(860). 예를 들어, 분류 모듈(540)이 이벤트 캐쉬로부터 컨버전 이벤트와 동일한 키를 갖는 이벤트들을 검색할 수 있다. 프로세스(800)가 상관 타임 윈도우들을 검색할 수 있다(865). 예를 들면, 모델링 모듈(550)이 윈도우 저장소(520) 또는 메모리(515)로부터 컨버전 이벤트 이전에 있는 상관 타임 윈도우들을 검색할 수 있다. 만약 프로세스(800)는 임의의 상관 타임 윈도우가 남아있다고 판단되면(870), 프로세스는 타임 윈도우 내에 있는 이벤트들을 카운트할 수 있다(875). 예를 들어, 통계 모듈(545)이 타임 윈도우 내에 있는 이벤트들을 카운트할 수 있다. 만약 상관 타임 윈도우가 남아있지 않으면, 프로세스(800)는 처리해야 할 이벤트가 존재하는지 여부를 판단할 수 있다(840). 예를 들어, 분류 모듈(540)이 이벤트가 남아있는지를 판단할 수 있다. 만약 이벤트가 남아있으면, 프로세스(800)는 상술한 바와 같이 이벤트 그룹에서 다음 이벤트를 검색한다(825). 이벤트가 남아있지 않으면, 프로세스(800)는 상술한 방식으로 임의의 그룹이 남아있는지를 판단한다(840). 만약 그룹이 남아있으면, 상술한 바와 같이, 프로세스(800)는 다음 그룹을 검색하고(820), 그룹이 남아있지 않으면 프로세스(800)는 종료된다.
도 9는 컨버전 크레디팅을 위한 컴퓨터 시스템의 예시적 도식도이다. 시스템(900)은 다양한 구현예에 따라서 상술된 임의의 컴퓨터 구현 기술 및 시스템에 연관되어 설명된 동작들을 위해 사용될 수 있다. 예를 들어, 시스템(900)는 도 6-8에서 설명된 프로세스들을 구현하기 위해 사용될 수 있다. 시스템(900)은 하나 이상의 프로세서(910), 메모리(920), 저장 디바이스(930), 및 입력/출력 디바이스(940)를 포함한다. 각 구성요소(910, 920, 930, 및 940)는 시스템 버스(950)를 사용하여 서로 접속될 수 있다. 프로세서(910)는 시스템(900) 내에서 실행을 위한 명령어를 처리할 수 있다. 일 구현예에서, 프로세서(910)는 단일-스레드 프로세서(single-threaded processor) 또는 하나 이상의 프로세서를 가지는 다중-스레드 프로세서(multi-threaded processor)이다. 프로세서(910)는 입력/출력 디바이스(940) 상에 사용자 인터페이스를 위한 그래픽적 정보를 도시하기 위해, 메모리(920) 또는 저장 디바이스(930)에 저장된 명령어를 처리할 수 있다.
메모리(920)는 시스템(900) 내에 정보를 저장한다. 예를 들어, 메모리(920)는 가중 모델, 이벤트들, 윈도우 크기 등을 저장하기 위해 이용될 수 있다. 저장 디바이스(930)는 시스템(900)을 위해 저장된 것을 제공할 수 있다. 일 구현예에서, 저장 디바이스(930)는 컴퓨터-판독가능 매체(computer-readable medium)이다. 다양한 다른 구현예들에서, 저장 디바이스(930)는 플로피 디스크 디바이스, 하드 디스크 디바이스, 광 디스크 디바이스, 및 테이프 디바이스일 수 있다.
입력/출력 디바이스(940)는 시스템(900)을 위한 입력/출력 동작들을 제공한다. 일 구현예에서는, 입력/출력 디바이스(940)는 키보드 및/또는 포인팅 디바이스를 포함한다. 다른 구현예에서, 입력/출력 디바이스(940)는 그래픽적 사용자 인터페이스를 디스플레이하기 위한 디스플레이 유니트를 포함한다.
본 명세서에 기재된 요지와 기능적 동작들의 실시예들은 디지털 전자 회로로 구현되거나, 또는 상세한 설명에 기재된 구조 및 그들의 구조적 등가물을 포함하는 컴퓨터 소프트웨어, 펌웨어, 또는 하드웨어로 구현되거나, 또는 이들 중 하나 이상의 조합으로 구현될 수 있다. 본 명세서에 기재된 요지의 실시예들은 하나 이상의 컴퓨터 프로그램 제품, 즉, 데이터 프로세싱 장치에 의해 실행되거나 또는 그 장치의 동작을 제어하도록, 유형의 프로그램 운반체(carrier)에 구체화된 컴퓨터 프로그램 명령의 하나 이상의 모듈로서 구현될 수 있다. 유형의 프로그램 운반체는 컴퓨터 판독가능 매체일 수 있다. 컴퓨터 판독가능 매체는 기계 판독가능 저장 디바이스, 기계 판독가능 저장 기판(substrate), 메모리 디바이스, 또는 이들 중 하나 이상의 조합일 수 있다.
"데이터 프로세싱 장치"라는 용어는 데이터를 처리하기 위한 모든 장치, 디바이스 및 기계를 포괄하며, 예를 들어, 프로그래머블 프로세서, 컴퓨터 또는 복수의 프로세서나 컴퓨터를 포함한다. 장치는, 하드웨어 외에도, 당해 컴퓨터 프로그램에 대한 실행 환경을 생성하는 코드를 포함할 수 있다. 코드는 예를 들어, 프로세서 펌웨어, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 시스템, 크로스-플랫폼 런타임 환경, 또는 이들 중 하나 이상의 조합을 구성한다. 이에 더하여, 이 장치들은 웹 서비스, 전용 컴퓨팅, 및 그리드 컴퓨팅 시설들과 같은 다양한 다른 컴퓨팅 모델 시설들을 이용할 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 스크립트 또는 코드로도 알려짐)은 컴파일 또는 인터프리터 언어나 선언적 또는 절차적 언어를 포함하는 임의 유형의 프로그래밍 언어로 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 또는 컴퓨터 환경에서 사용하기에 적합한 그 밖의 유닛을 포함하는 임의 유형으로도 배치될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 상응해야 하는 것은 아니다. 프로그램은 다른 프로그램 또는 데이터를 보유하는 파일의 일부에 저장되거나(예를 들어, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트), 당해 프로그램 전용의 단일 파일에 저장되거나, 또는 다수의 조화된(coordinated) 파일들(예를 들어, 하나 이상의 모듈, 서브프로그램, 또는 코드의 부분을 저장하는 파일)에 저장될 수 있다. 컴퓨터 프로그램은 하나의 컴퓨터에서, 또는 한 위치에 배치되거나 또는 다수의 위치에 걸쳐서 분산되고 통신 네트워크에 의해 접속된 다수의 컴퓨터에서 실행되도록 배치될 수 있다.
*본 명세서에 기재된 프로세스와 논리 흐름은, 입력 데이터에 작용하여 출력을 생성함으로써 기능들을 수행하는 하나 이상의 컴퓨터 프로그램을 실행시키는 하나 이상의 프로그램 가능한 프로세서에 의해 실행될 수 있다. 다양한 구현예들에서 예를 들어, FPGA(field programmable gate array) 또는 ASIC(application specific integrated circuit)과 같은 전용 논리 회로가 프로세스와 로직 흐름들을 수행하고, 장치들을 구현할 수 있다.
컴퓨터 프로그램의 실행에 적합한 프로세서에는, 예를 들어, 범용 및 전용 마이크로프로세서, 및 임의 종류의 디지털 컴퓨터 중 하나 이상의 프로세서가 있다. 일반적으로, 프로세서는 판독 전용 메모리(ROM), 또는 랜덤 액세스 메모리(RAM), 또는 양자로부터 명령과 데이터를 수신한다. 컴퓨터의 필수 구성요소는 명령을 실행하는 프로세서, 및 명령과 데이터를 저장하는 하나 이상의 메모리 디바이스이다. 일반적으로, 컴퓨터는 데이터를 저장하기 위한 하나 이상의 대용량 저장 디바이스(예를 들어, 자기 디스크, 광자기 디스크, 또는 광디스크)를 포함하거나, 또는 이 디바이스와 데이터를 송수신하기 위하여 동작적으로(operatively) 결합될 수 있다. 하지만 컴퓨터는 이러한 디바이스를 반드시 구비할 필요는 없다.
컴퓨터 프로그램 명령과 데이터를 저장하기 적합한 디바이스들은, 예를 들어, 반도체 메모리 디바이스(예를 들어, EPROM, EEPROM, 플래시 메모리 디바이스); 자기 디스크(예를 들어, 내부 하드디스크 또는 착탈식 디스크); 광자기 광학 디스크; 및 CD ROM과 DVD-ROM 디스크를 포함하는 모든 형태의 비휘발성 메모리, 매체 및 메모리 디바이스를 포함한다. 프로세서와 메모리는 전용 논리 회로에 의해 보완되거나 또는 전용 논리 회로에 통합될 수 있다.
본 명세서에 기술된 요지의 실시예들은 예를 들어, 데이터 서버와 같은 백엔드(back-end) 구성요소를 구비하는 컴퓨팅 시스템; 또는 미들웨어 구성요소를 포함하는 컴퓨팅 시스템; 또는 예를 들어, 사용자가 본 명세서에 기술된 요지의 구현예와 상호작용할 수 있는 그래픽 사용자 인터페이스 또는 웹브라우저를 구비한 클라이언트 컴퓨터와 같은 프론트엔드(front-end) 구성요소를 포함하는 컴퓨터 시스템; 또는 이러한 백엔드, 미들웨어 또는 프론트엔드 구성요소들의 임의 조합을 구비하는 컴퓨팅 시스템으로 구현될 수 있다. 시스템의 구성요소는 디지털 데이터 통신의 임의 형태 또는 매체(예를 들어, 통신 네트워크)에 의해 상호접속될 수 있다. 통신 네트워크의 예에는 근거리 네트워크(LAN)와, 인터-네트워크(예를 들어, 인터넷), 피어-투-피어(peer-to-peer) 네트워크(예를 들어, ad 홉 피어-두-피어 네트워크)가 포함된다.
컴퓨팅 시스템은 클라이언트와 서버를 포함할 수 있다. 클라이언트와 서버는 보통 서로 떨어져 있으며, 일반적으로는 통신 네트워크를 통하여 상호작용한다. 클라이언트와 서버의 관계는 각각의 컴퓨터상에서 실행되고 상호 클라이언트-서버 관계를 갖는 컴퓨터 프로그램에 의하여 발생한다.
본 명세서가 다수의 특정한 구현 세부사항을 포함하고 있지만, 이는 발명의 범위나 청구할 사항의 범위에 대한 어떠한 제한으로서도 이해되어서는 안 되며, 특정 발명의 특정한 실시예에 고유할 수 있는 특징의 설명으로서 이해되어야 한다. 별개의 실시예의 문맥으로 본 명세서에서 설명된 소정 특징은, 복수의 구현예에서 조합되어 단일 실시예로 구현될 수 있다. 반대로, 단일 실시예의 문맥에서 설명한 다양한 특징은, 복수의 구현예에서 별개로 구현되거나 어떤 적당한 하위 조합으로서도 구현 가능하다. 또한, 앞에서 특징이 소정 조합에서 동작하는 것으로서 설명되고 그와 같이 청구되었지만, 청구된 조합으로부터의 하나 이상의 특징은 일부 경우에 해당 조합으로부터 삭제될 수 있으며, 청구된 조합은 하위 조합이나 하위 조합의 변형으로 지시될 수 있다.
마찬가지로, 도면에서 특정한 순서로 동작을 묘사하고 있지만, 그러한 동작이 바람직한 결과를 얻기 위해, 도시한 특정 순서나 순차적인 순서로 수행되는 이러한 동작들, 또는 모든 예시된 동작이 수행되어야 하는 것으로 이해되면 안 된다. 소정 환경에서, 멀티태스킹 및 병렬 프로세싱이 바람직할 수 있다. 또한, 상술한 실시예에 있어서 다양한 시스템 구성요소의 분리는 모든 실시예에서 그러한 분리를 요구하는 것으로 이해해서는 안 되며, 설명한 프로그램 구성요소와 시스템은 단일 소프트웨어 제품으로 통합되거나 또는 복수의 소프트웨어 제품으로 패키지될 수 있다는 점을 이해하여야 한다. 따라서 본 명세서의 특정 실시예가 기술되었다. 그 밖의 실시예는 후술하는 청구범위 내에 속한다. 예를 들어, 청구항에 인용된 동작들은 상이한 순서로 수행될 수 있지만, 여전히 바람직한 결과를 달성한다.
505: 시스템 510: 프로세서
515: 메모리 530: 테이블 데이터베이스
535: 모델 데이터베이스 540: 분류 모듈
545: 통계 모듈 550: 모델링 모듈
555: 보고 모듈 570: 이벤트 집합
575: 보고서

Claims (20)

  1. 컴퓨터로 구현되는 방법으로서,
    하나 이상의 컴퓨터들에 의해, 특정한 광고와의 사용자 인터렉션(user interaction)들을 식별하는 단계와;
    상기 하나 이상의 컴퓨터들에 의해, 상기 특정한 광고와 관련된 컨버전 이벤트(conversion event)들을 식별하는 단계 - 각각의 식별된 컨버전 이벤트는 상기 사용자 인터렉션들 중 하나의 사용자 인터렉션에 대응하고, 상기 식별된 컨버전 이벤트는 리소스와의 미리 정의된 인터렉션임 - 와;
    상기 하나 이상의 컴퓨터들에 의해, 상기 식별된 컨버전 이벤트들 각각에 대해, 상기 식별된 컨버전 이벤트와 상기 식별된 컨버전 이벤트에 대응하는 상기 사용자 인터렉션과의 사이에 경과된 시간량을 특정하는 컨버전 시간을 식별하는 단계와; 그리고
    상기 하나 이상의 컴퓨터들에 의해, 상기 식별된 사용자 인터렉션들, 상기 식별된 컨버전 이벤트들 및 각각의 컨버전 시간에 기초하여 상기 특정한 광고에 대한 시간-대-컨버전 프로파일(time-to-conversion profile)을 생성하는 단계를 포함하고, 상기 시간-대-컨버전 프로파일은 상기 특정한 광고와 관련된 사용자 인터렉션 후 경과된 시간량을 고려하여 컨버전 이벤트의 가능성(likelihood)을 나타내는 것을 특징으로 하는 컴퓨터로 구현되는 방법.
  2. 제1항에 있어서,
    상기 하나 이상의 컴퓨터들에 의해, 상기 식별된 사용자 인터렉션들, 상기 식별된 컨버전 이벤트들 및 각각의 컨버전 시간에 기초하여 상기 특정한 광고에 대한 시간-대-컨버전 프로파일을 생성하는 단계는,
    복수의 시간 간격들 각각에 대해, 식별된 사용자 인터렉션이 시간 간격에서의 대응하는 식별된 컨버전 이벤트 전에 발생한 횟수를 상기 시간 간격에서의 사용자 인터렉션 발생의 평균 횟수(average number)로 나누는 것을 포함하는 것을 특징으로 하는 컴퓨터로 구현되는 방법.
  3. 제1항에 있어서,
    상기 특정한 광고와 관련된 광고주에게 상기 시간-대-컨버전 프로파일을 제공하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터로 구현되는 방법.
  4. 제1항에 있어서,
    상기 특정한 광고에 대해 둘 이상의 서로 다른 타임 윈도우(time window)를 선택하는 단계 - 각각의 타임 윈도우는 컨버전 이벤트 전의 시간 기간을 포괄하고, 각각의 타임 윈도우에 의해 포괄되는 시간 기간은 상기 시간-대-컨버전 프로파일에 기초함 - 와;
    각각의 선택된 타임 윈도우에 대해, 선택된 타임 윈도우 내에 그리고 대응하는 식별된 컨버전 이벤트 전에 발생하는 식별된 사용자 인터렉션들의 횟수를 결정함으로써 대응하는 타임 윈도우 카운트를 결정하는 단계와;
    각각의 선택된 타임 윈도우에 대해 가중 계수(weighting factor)를 선택하는 단계와;
    각각의 선택된 타임 윈도우에 대해, 대응하는 타임 윈도우 카운트들 및 상기 선택된 타임 윈도우에 대한 가중 계수 각각의 함수에 기초하여 가중된 타임 윈도우 카운트를 생성하는 단계 - 상기 가중된 타임 윈도우 카운트는 다른 선택된 타임 윈도우들에서 발생하는 식별된 사용자 인터렉션들에 상대적인 상기 타임 윈도우 내에서 발생된 상기 식별된 사용자 인터렉션들의 값을 표시함 - 와;
    각각의 선택된 타임 윈도우에 대한 가중된 타임 윈도우 카운트들에 적어도 부분적으로 기초하여 상기 특정한 광고에 대한 광고 크레디트를 결정하는 단계를 더 포함하며, 상기 광고 크레디트는 상기 특정한 광고와 상기 식별된 컨버전 이벤트들 간의 관련도를 표시하는 것을 특징으로 하는 컴퓨터로 구현되는 방법.
  5. 제4항에 있어서,
    각각의 타임 윈도우에 의해 포괄되는 시간 기간은 컨버전 이벤트의 확률의 변화율(rate of change)에 기초하는 것을 특징으로 하는 컴퓨터로 구현되는 방법.
  6. 제4항에 있어서,
    상기 크레디트에 정규화 계수(normalization factor)를 곱함으로써 정규화된 크레디트를 생성하는 단계를 더 포함하며, 상기 정규화 계수는 정규화된 크레디트들의 합(sum)이 컨버전 이벤트들의 총 횟수와 같아지도록 하는 것을 특징으로 하는 컴퓨터로 구현되는 방법.
  7. 제6항에 있어서,
    상기 광고의 비용을 상기 광고에 대한 정규화된 크레디트로 나눔으로써 상기 광고의 비용 효율(cost effectiveness)을 결정하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터로 구현되는 방법.
  8. 시스템으로서,
    데이터 프로세싱 장치와; 그리고
    명령어들을 저장한 데이터 저장소를 포함하며, 상기 명령어들은 상기 데이터 프로세싱 장치에 의한 실행 시에 상기 데이터 프로세싱 장치로 하여금 동작들을 수행하도록 하며, 상기 동작들은:
    특정한 광고와의 사용자 인터렉션들을 식별하는 동작과;
    상기 특정한 광고와 관련된 컨버전 이벤트들을 식별하는 동작 - 각각의 식별된 컨버전 이벤트는 상기 사용자 인터렉션들 중 하나의 사용자 인터렉션에 대응하고, 상기 식별된 컨버전 이벤트는 리소스와의 미리 정의된 인터렉션임 - 과;
    상기 식별된 컨버전 이벤트들 각각에 대해, 상기 식별된 컨버전 이벤트와 상기 식별된 컨버전 이벤트에 대응하는 상기 사용자 인터렉션과의 사이에 경과된 시간량을 특정하는 컨버전 시간을 식별하는 동작과; 그리고
    상기 식별된 사용자 인터렉션들, 상기 식별된 컨버전 이벤트들 및 각각의 컨버전 시간에 기초하여 상기 특정한 광고에 대한 시간-대-컨버전 프로파일을 생성하는 동작을 포함하고, 상기 시간-대-컨버전 프로파일은 상기 특정한 광고와 관련된 사용자 인터렉션 후 경과된 시간량을 고려하여 컨버전 이벤트의 가능성을 나타내는 것을 특징으로 하는 시스템.
  9. 제8항에 있어서,
    상기 식별된 사용자 인터렉션들, 상기 식별된 컨버전 이벤트들 및 각각의 컨버전 시간에 기초하여 상기 특정한 광고에 대한 시간-대-컨버전 프로파일을 생성하는 동작은,
    복수의 시간 간격들 각각에 대해, 식별된 사용자 인터렉션이 시간 간격에서의 대응하는 식별된 컨버전 이벤트 전에 발생한 횟수를 상기 시간 간격에서의 사용자 인터렉션 발생의 평균 횟수로 나누는 것을 포함하는 것을 특징으로 하는 시스템.
  10. 제8항에 있어서,
    상기 동작들은 상기 특정한 광고와 관련된 광고주에게 상기 시간-대-컨버전 프로파일을 제공하는 동작을 더 포함하는 것을 특징으로 하는 시스템.
  11. 제8항에 있어서,
    상기 동작들은,
    상기 특정한 광고에 대해 둘 이상의 서로 다른 타임 윈도우를 선택하는 동작 - 각각의 타임 윈도우는 컨버전 이벤트 전의 시간 기간을 포괄하고, 각각의 타임 윈도우에 의해 포괄되는 시간 기간은 상기 시간-대-컨버전 프로파일에 기초함 - 과;
    각각의 선택된 타임 윈도우에 대해, 선택된 타임 윈도우 내에 그리고 대응하는 식별된 컨버전 이벤트 전에 발생하는 식별된 사용자 인터렉션들의 횟수를 결정함으로써 대응하는 타임 윈도우 카운트를 결정하는 동작과;
    각각의 선택된 타임 윈도우에 대해 가중 계수를 선택하는 동작과;
    각각의 선택된 타임 윈도우에 대해, 대응하는 타임 윈도우 카운트들 및 상기 선택된 타임 윈도우에 대한 가중 계수 각각의 함수에 기초하여 가중된 타임 윈도우 카운트를 생성하는 동작 - 상기 가중된 타임 윈도우 카운트는 다른 선택된 타임 윈도우들에서 발생하는 식별된 사용자 인터렉션들에 상대적인 상기 타임 윈도우 내에서 발생된 상기 식별된 사용자 인터렉션들의 값을 표시함 - 과; 그리고
    각각의 선택된 타임 윈도우에 대한 가중된 타임 윈도우 카운트들에 적어도 부분적으로 기초하여 상기 특정한 광고에 대한 광고 크레디트를 결정하는 동작을 더 포함하며, 상기 광고 크레디트는 상기 특정한 광고와 상기 식별된 컨버전 이벤트들 간의 관련도를 표시하는 것을 특징으로 하는 시스템.
  12. 제11항에 있어서,
    각각의 타임 윈도우에 의해 포괄되는 시간 기간은 컨버전 이벤트의 확률의 변화율에 기초하는 것을 특징으로 하는 시스템.
    것을 특징으로 하는 시스템.
  13. 제11항에 있어서,
    상기 동작들은 상기 크레디트에 정규화 계수를 곱함으로써 정규화된 크레디트를 생성하는 동작을 더 포함하며, 상기 정규화 계수는 정규화된 크레디트들의 합이 컨버전 이벤트들의 총 횟수와 같아지도록 하는 것을 특징으로 하는 시스템.
  14. 제13항에 있어서,
    상기 동작들은 상기 광고의 비용을 상기 광고에 대한 정규화된 크레디트로 나눔으로써 상기 광고의 비용 효율을 결정하는 동작을 더 포함하는 것을 특징으로 하는 시스템.
  15. 명령어들을 포함하는 컴퓨터 판독가능 매체로서, 상기 명령어들은 데이터 프로세싱 장치에 의해 실행될 때, 상기 데이터 프로세싱 장치로 하여금 동작들을 수행하도록 하며, 상기 동작들은:
    특정한 광고와의 사용자 인터렉션들을 식별하는 동작과;
    상기 특정한 광고와 관련된 컨버전 이벤트들을 식별하는 동작 - 각각의 식별된 컨버전 이벤트는 상기 사용자 인터렉션들 중 하나의 사용자 인터렉션에 대응하고, 상기 식별된 컨버전 이벤트는 리소스와의 미리 정의된 인터렉션임 - 과;
    상기 식별된 컨버전 이벤트들 각각에 대해, 상기 식별된 컨버전 이벤트와 상기 식별된 컨버전 이벤트에 대응하는 상기 사용자 인터렉션과의 사이에 경과된 시간량을 특정하는 컨버전 시간을 식별하는 동작과; 그리고
    상기 식별된 사용자 인터렉션들, 상기 식별된 컨버전 이벤트들 및 각각의 컨버전 시간에 기초하여 상기 특정한 광고에 대한 시간-대-컨버전 프로파일을 생성하는 동작을 포함하고, 상기 시간-대-컨버전 프로파일은 상기 특정한 광고와 관련된 사용자 인터렉션 후 경과된 시간량을 고려하여 컨버전 이벤트의 가능성을 나타내는 것을 특징으로 하는 컴퓨터 판독가능 매체.
  16. 제15항에 있어서,
    상기 식별된 사용자 인터렉션들, 상기 식별된 컨버전 이벤트들 및 각각의 컨버전 시간에 기초하여 상기 특정한 광고에 대한 시간-대-컨버전 프로파일을 생성하는 동작은,
    복수의 시간 간격들 각각에 대해, 식별된 사용자 인터렉션이 시간 간격에서의 대응하는 식별된 컨버전 이벤트 전에 발생한 횟수를 상기 시간 간격에서의 사용자 인터렉션 발생의 평균 횟수로 나누는 것을 특징으로 하는 컴퓨터 판독가능 매체.
  17. 제15항에 있어서,
    상기 동작들은 상기 특정한 광고와 관련된 광고주에게 상기 시간-대-컨버전 프로파일을 제공하는 동작을 더 포함하는 것을 특징으로 하는 컴퓨터 판독가능 매체.
  18. 제15항에 있어서,
    상기 동작들은,
    상기 특정한 광고에 대해 둘 이상의 서로 다른 타임 윈도우를 선택하는 동작 - 각각의 타임 윈도우는 컨버전 이벤트 전의 시간 기간을 포괄하고, 각각의 타임 윈도우에 의해 포괄되는 시간 기간은 상기 시간-대-컨버전 프로파일에 기초함 - 과;
    각각의 선택된 타임 윈도우에 대해, 선택된 타임 윈도우 내에 그리고 대응하는 식별된 컨버전 이벤트 전에 발생하는 식별된 사용자 인터렉션들의 횟수를 결정함으로써 대응하는 타임 윈도우 카운트를 결정하는 동작과;
    각각의 선택된 타임 윈도우에 대해 가중 계수를 선택하는 동작과;
    각각의 선택된 타임 윈도우에 대해, 대응하는 타임 윈도우 카운트들 및 상기 선택된 타임 윈도우에 대한 가중 계수 각각의 함수에 기초하여 가중된 타임 윈도우 카운트를 생성하는 동작 - 상기 가중된 타임 윈도우 카운트는 다른 선택된 타임 윈도우들에서 발생하는 식별된 사용자 인터렉션들에 상대적인 상기 타임 윈도우 내에서 발생된 상기 식별된 사용자 인터렉션들의 값을 표시함 - 과; 그리고
    각각의 선택된 타임 윈도우에 대한 가중된 타임 윈도우 카운트들에 적어도 부분적으로 기초하여 상기 특정한 광고에 대한 광고 크레디트를 결정하는 동작을 더 포함하며, 상기 광고 크레디트는 상기 특정한 광고와 상기 식별된 컨버전 이벤트들 간의 관련도를 표시하는 것을 특징으로 하는 컴퓨터 판독가능 매체.
  19. 제18항에 있어서,
    각각의 타임 윈도우에 의해 포괄되는 시간 기간은 컨버전 이벤트의 확률의 변화율에 기초하는 것을 특징으로 하는 컴퓨터 판독가능 매체.
  20. 제18항에 있어서,
    상기 동작들은 상기 크레디트에 정규화 계수를 곱함으로써 정규화된 크레디트를 생성하는 동작을 더 포함하며, 상기 정규화 계수는 정규화된 크레디트들의 합이 컨버전 이벤트들의 총 횟수와 같아지도록 하는 것을 특징으로 하는 컴퓨터 판독가능 매체.
KR1020167022631A 2009-01-30 2010-01-29 컨버전 크레디팅 KR101731009B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14866909P 2009-01-30 2009-01-30
US61/148,669 2009-01-30
PCT/US2010/022571 WO2010088508A2 (en) 2009-01-30 2010-01-29 Conversion crediting

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020117018043A Division KR101651245B1 (ko) 2009-01-30 2010-01-29 컨버전 크레디팅

Publications (2)

Publication Number Publication Date
KR20160103154A KR20160103154A (ko) 2016-08-31
KR101731009B1 true KR101731009B1 (ko) 2017-04-27

Family

ID=42396364

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020117018043A KR101651245B1 (ko) 2009-01-30 2010-01-29 컨버전 크레디팅
KR1020167022631A KR101731009B1 (ko) 2009-01-30 2010-01-29 컨버전 크레디팅

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020117018043A KR101651245B1 (ko) 2009-01-30 2010-01-29 컨버전 크레디팅

Country Status (6)

Country Link
US (2) US8527350B2 (ko)
JP (2) JP5583696B2 (ko)
KR (2) KR101651245B1 (ko)
AU (1) AU2010208097B2 (ko)
CA (1) CA2751177A1 (ko)
WO (1) WO2010088508A2 (ko)

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9286601B2 (en) 2012-09-07 2016-03-15 Concur Technologies, Inc. Methods and systems for displaying schedule information
US7974892B2 (en) 2004-06-23 2011-07-05 Concur Technologies, Inc. System and method for expense management
US10115128B2 (en) 2010-10-21 2018-10-30 Concur Technologies, Inc. Method and system for targeting messages to travelers
US20130035975A1 (en) * 2011-08-05 2013-02-07 David Cavander Cross-media attribution model for allocation of marketing resources
AU2010349015B2 (en) * 2010-03-23 2015-07-16 Amara, Ashok Babu Conversion path performance measures and reports
US8660882B2 (en) * 2010-07-16 2014-02-25 International Business Machines Corporation Maximizing retailer profit and customer satisfaction using multi-channel optimization
US8521774B1 (en) 2010-08-20 2013-08-27 Google Inc. Dynamically generating pre-aggregated datasets
US20120191509A1 (en) * 2011-01-24 2012-07-26 Best Response Strategies, LLC Systems and methods for processing management data and consolidating solicitation e-mail
US8510326B2 (en) 2011-04-11 2013-08-13 Google Inc. Priority dimensional data conversion path reporting
US20120259854A1 (en) * 2011-04-11 2012-10-11 Google Inc. Conversion Path Based Segmentation
US8788339B2 (en) * 2011-05-27 2014-07-22 Google Inc. Multiple attribution models with return on ad spend
US8655907B2 (en) 2011-07-18 2014-02-18 Google Inc. Multi-channel conversion path position reporting
US8959450B2 (en) 2011-08-22 2015-02-17 Google Inc. Path explorer visualization
US20130138502A1 (en) * 2011-11-28 2013-05-30 Dell Products, Lp Method for Determining Marketing Communications Sales Attribution and a System Therefor
US20170300959A9 (en) * 2012-06-08 2017-10-19 Anto Chittilappilly Method, computer readable medium and system for determining true scores for a plurality of touchpoint encounters
US20180005261A9 (en) * 2012-06-08 2018-01-04 Anto Chittilappilly A method , computer readable medium and system for determining touchpoint attribution
US9183562B2 (en) * 2012-06-08 2015-11-10 Visual Iq, Inc. Method and system for determining touchpoint attribution
US20140114747A1 (en) * 2012-10-22 2014-04-24 Google Inc. Methods and systems for analyzing changes in aggregate ratio metrics
US20140351046A1 (en) * 2013-05-21 2014-11-27 IgnitionOne, Inc, System and Method for Predicting an Outcome By a User in a Single Score
US10546310B2 (en) 2013-11-18 2020-01-28 Sentient Decision Science, Inc. Systems and methods for assessing implicit associations
US9852439B2 (en) 2013-12-05 2017-12-26 Google Llc Methods and systems for measuring conversion probabilities of paths for an attribution model
US20150227963A1 (en) * 2014-02-12 2015-08-13 Turn Inc. Systems, methods, and apparatus for budget allocation
US20150234930A1 (en) 2014-02-19 2015-08-20 Google Inc. Methods and systems for providing functional extensions with a landing page of a creative
US20150242885A1 (en) * 2014-02-21 2015-08-27 Apple Inc. Invitational content attribution
WO2015137989A1 (en) * 2014-03-13 2015-09-17 Tune, Inc. Systems and methods for assigning credit for installs of applications
US10055754B2 (en) 2014-03-13 2018-08-21 Tune, Inc. Systems and methods for tracking application installs that distinguish new users from existing users without directly accessing user account records
US20150379571A1 (en) * 2014-06-30 2015-12-31 Yahoo! Inc. Systems and methods for search retargeting using directed distributed query word representations
JP6455005B2 (ja) * 2014-07-24 2019-01-23 ソニー株式会社 情報処理装置、制御方法、およびプログラム
US20160027040A1 (en) * 2014-07-25 2016-01-28 Facebook, Inc. Determining contributions of various user interactions to a conversion
US10373192B2 (en) * 2014-08-18 2019-08-06 Google Llc Matching conversions from applications to selected content items
US10169778B1 (en) * 2015-03-26 2019-01-01 Amazon Technologies, Inc. Cross-channel online advertising attribution
US10977685B1 (en) 2015-04-30 2021-04-13 Amazon Technologies, Inc. Identity resolution service
US9892421B2 (en) * 2015-05-04 2018-02-13 International Business Machines Corporation Measuring display effectiveness with interactive asynchronous applications
US20170017993A1 (en) * 2015-07-16 2017-01-19 Spotify Ab System and method of using attribution tracking for off-platform content promotion
JP6078625B1 (ja) * 2015-12-02 2017-02-08 デジタル・アドバタイジング・コンソーシアム株式会社 広告処理装置、及び、プログラム
CN105678583B (zh) * 2016-01-07 2021-05-07 腾讯科技（深圳）有限公司 信息发布方法及信息发布装置
US10664866B2 (en) 2016-11-30 2020-05-26 Facebook, Inc. Conversion optimization with long attribution window
KR101965839B1 (ko) * 2017-08-18 2019-04-05 주식회사 티맥스 소프트 구성정보 관리 데이터베이스 기반의 it 시스템 장애 분석 기법
CN107481062A (zh) * 2017-08-21 2017-12-15 小草数语（北京）科技有限公司 广告投放预算的分配方法和装置
US11151600B2 (en) * 2018-04-23 2021-10-19 International Business Machines Corporation Cognitive analysis of user engagement with visual displays
JP7028747B2 (ja) * 2018-10-15 2022-03-02 Ｔｖｓ Ｒｅｇｚａ株式会社 情報処理システムおよび情報処理装置
JP6898665B2 (ja) * 2019-04-03 2021-07-07 株式会社これから 広告配信支援システム、広告配信支援方法及び広告配信支援プログラム
US20220044278A1 (en) * 2020-08-05 2022-02-10 Marketcast Llc Multi-touch attribution
KR102525981B1 (ko) * 2020-10-06 2023-04-26 주식회사 카카오 어플리케이션에서 제공되는 광고의 전환 추적 방법 및 장치
KR102434056B1 (ko) * 2022-05-20 2022-08-19 주식회사 패스트레인 디바이스의 인스턴스 노출시간에 적응적인 정책수립 방법 및 이를 구현하는 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003299122A (ja) * 2002-03-29 2003-10-17 Fujitsu Ltd 広告効果測定方法および広告効果測定プログラム

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040193488A1 (en) * 2000-01-19 2004-09-30 Denis Khoo Method and system for advertising over a data network
US20090037950A1 (en) * 2000-03-13 2009-02-05 International Business Machines Corporation System for providing tunable parameters to control distribution in a digital media distributor
KR20010096391A (ko) * 2000-04-19 2001-11-07 김자륭 복권형 배너를 이용한 인터넷 광고 방법
JP2003256607A (ja) 2002-02-27 2003-09-12 Seven Eleven Japan Co Ltd コンピュータネットワークを利用した商品等販売方法及びアフィリエート広告効果測定方法
US20060095331A1 (en) 2002-12-10 2006-05-04 O'malley Matt Content creation, distribution, interaction, and monitoring system
CN1682233A (zh) * 2003-01-17 2005-10-12 富士通株式会社 购买动机辅助分析装置、方法和程序
US8108254B2 (en) * 2003-06-30 2012-01-31 Yahoo! Inc. Methods to attribute conversions for online advertisement campaigns
US20050125453A1 (en) * 2003-10-31 2005-06-09 Mike Rozack Method and apparatus for webcast launch
KR100650404B1 (ko) * 2003-11-24 2006-11-28 엔에이치엔(주) 온라인 광고 시스템 및 방법
JP2005242429A (ja) * 2004-02-24 2005-09-08 Cyber Relationship Service Inc 広告効果測定支援方法および測定支援プログラム
TWI386824B (zh) 2004-08-19 2013-02-21 Carhamm Ltd Llc 響應終端使用者資訊請求之方法及裝置
US20060155728A1 (en) 2004-12-29 2006-07-13 Jason Bosarge Browser application and search engine integration
JP2006227817A (ja) 2005-02-16 2006-08-31 Ntt Comware Corp 広告効果測定システム、広告効果測定方法、およびプログラム
JP2007164276A (ja) 2005-12-09 2007-06-28 Ksp-Sp:Kk 広告効果測定システムおよびその方法
KR100928198B1 (ko) * 2007-02-02 2009-11-25 엔에이치엔비즈니스플랫폼 주식회사 온라인 광고 효과 분석 방법 및 시스템
US20090024718A1 (en) * 2007-07-20 2009-01-22 Aris Anagnostopoulos Just-In-Time Contextual Advertising Techniques
US9811842B2 (en) * 2007-09-27 2017-11-07 At&T Intellectual Property I, L.P. System and method for sending advertising data
US20090327081A1 (en) * 2008-06-27 2009-12-31 Charles Wang System to Correlate Online Advertisement

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003299122A (ja) * 2002-03-29 2003-10-17 Fujitsu Ltd 広告効果測定方法および広告効果測定プログラム

Also Published As

Publication number Publication date
US10438233B2 (en) 2019-10-08
AU2010208097B2 (en) 2015-03-12
WO2010088508A2 (en) 2010-08-05
JP2012516520A (ja) 2012-07-19
AU2010208097A1 (en) 2011-08-18
US20130325593A1 (en) 2013-12-05
KR101651245B1 (ko) 2016-08-25
US20100198680A1 (en) 2010-08-05
KR20160103154A (ko) 2016-08-31
JP5583696B2 (ja) 2014-09-03
CA2751177A1 (en) 2010-08-05
JP5838445B2 (ja) 2016-01-06
JP2014207011A (ja) 2014-10-30
WO2010088508A3 (en) 2011-01-20
KR20110116150A (ko) 2011-10-25
US8527350B2 (en) 2013-09-03

Similar Documents

Publication Publication Date Title
KR101731009B1 (ko) 컨버전 크레디팅
AU2017258825A1 (en) Multiple attribution models with return on ad spend
US8655695B1 (en) Systems and methods for generating expanded user segments
US8473339B1 (en) Automatically switching between pricing models for services
US8639575B2 (en) Audience segment estimation
US20080052278A1 (en) System and method for modeling value of an on-line advertisement campaign
CN103942236A (zh) 用于供应电子内容的系统和方法
US8311885B2 (en) System for display advertising optimization using click or conversion performance
CN109255651A (zh) 一种基于大数据的搜索广告转化智能预测方法
WO2010002594A2 (en) Advertising forecast and revenue systems and methods
CN111667311B (zh) 一种广告投放的方法、相关装置、设备以及存储介质
US20130339132A1 (en) Single-Source Data Analysis of Advertising and Promotion Effects
US20120239468A1 (en) High-performance supply forecasting using override rules in display advertising systems
US20120166259A1 (en) Adjusting Demand Parameters To Reduce Allocation Errors in Display Advertising
Song et al. Evaluation model of click rate of electronic commerce advertising based on fuzzy genetic algorithm
Tekin et al. Click and sales prediction for digital advertisements: Real world application for otas
WO2013116105A1 (en) Alterations of calculations in attribution modeling
KR102316797B1 (ko) 인센티브 산출 및 지급 시스템
TWI776742B (zh) 在資訊交流平台中對使用者行為進行分析的系統
Li et al. Pricing Web Advertisement: Display Ads VS Contextual Ads

Legal Events

Date Code Title Description
A107 Divisional application of patent
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant