BRPI0621157A2 - método e sistema para projetar experimentos - Google Patents

Abstract

MéTODO E SISTEMA PARA PROJETAR EXPERIMENTOS. Trata-se de métodos e sistemas para projetar um experimento usando um computador para determinar se o experimento é um experimento verdadeiro. Essas abordagens permitem que um usuário leigo nas complexidades do projeto experimental verdadeiro projete e implemente um experimento que produz substancialmente resultados livres de confusão e pode ser usado para determinar e quantificar qualquer relação causal entre variáveis independentes e dependentes. O computador pode selecionar uma ou mais variáveis independentes e/ou dependentes do experimento ou pode ajudar o usuário na seleção de variáveis independentes e/ou dependentes. A formação de grupos de controle e tratamento, randomização e/ou bloqueio para reduzir os efeitos de variáveis de confusão pode ser realizada pelo computador com ou sem a entrada de dados pelo usuário.

Description

"MÉTODO E SISTEMAS PARA PROJETAR EXPERIMENTOS"

Campo da Invenção

A presente invenção refere-se a métodos e sistemas para projetar experimentos verdadeiros.

Antecedentes

Os experimentos são tipicamente conduzidos para determinar de forma empírica se há relações entre duas ou mais variáveis. Um experimento começa, tipicamente, com a formação de uma ou mais hipóteses pressupondo- se que exista uma relação entre uma ou mais variáveis independentes e uma ou mais variáveis dependentes. Por exemplo, o pesquisador de uma empresa farmacêutica pode formular uma hipótese de que a quantidade de um fármaco novo que os pacientes tomam será relacionada com a pressão sangüínea deles. As variáveis independentes são as variáveis definidas ou manipuladas pelo experimentador durante um experimento (por exemplo, a quantidade e/ou freqüência de um fármaco administrado aos pacientes). As variáveis dependentes são as variáveis pressupostas para depender do valor da variável independente (por exemplo, a pressão sangüínea dos pacientes). O experimentador, então, conduz um experimento para determinar se há, de fato, uma relação entre as variáveis independentes e dependentes (por exemplo, se a quantidade de um fármaco que os pacientes recebem está relacionada com a pressão sangüínea dos pacientes).

As variáveis de confusão (coisas que variam sistematicamente com os níveis da variável independente) podem, também influenciar a variável dependente. Essas variáveis de confusão não são de interesse primário no experimento, podendo, adicionalmente, influenciar as variáveis dependentes. Alguns exemplos de variáveis de confusão incluem regressão à média, efeitos de ordem, efeitos de piso, efeitos de teto, efeitos Hawthorne e características da demanda. As variáveis de confusão tornam impossível saber qual fator (variável) causou alguma alteração observada na(s) variável(is) dependente(s). E dessa forma, a existência de variáveis de confusão que não são apropriadamente controladas durante o experimento torna impossível executar inferências estatísticas sobre relações causais entre as variáveis independentes e dependentes. Diversos tipos de experimentos podem ser distinguidos pela maneira e grau no qual esses são capazes de reduzir ou eliminar os efeitos das variáveis de confusão. O termo "experimento verdadeiro" denota um experimento em que:

1. Há pelo menos dois níveis de uma variável independente.

2. As amostras são aleatoriamente atribuídas aos níveis da variável independente. Ou seja, cada amostra no experimento é igualmente propensa a ser atribuída aos níveis da variável independente.

3. Há algum método para controle ou eliminação de confusões.

Os experimentos que são desprovidos de alguma das três características acima não são experimentos verdadeiros, e são geralmente chamados de quase-experimentos ou projetos correlacionais. Apenas experimentos verdadeiros permitem que as inferências estatísticas sejam deduzidas com referência às relações causais entre as variáveis independentes e dependentes. Os quase-experimentos e projetos correlacionais podem permitir que as relações entre as variáveis independentes e dependentes sejam estabelecidas, porém não é possível determinar se essas relações são causais. Diversos tipos de projetos experimentais (inclusive experimentos verdadeiros) foram descritos, por exemplo, em Campbell, D. T., & Stanley, J. C. (1963) Experimental and quasi-experímental designs for research, Chicago: Rand McNally. Os dados produzidos por um experimento verdadeiro são substancialmente não influenciados pelas variáveis de confusão. Entretanto, a complexidade do projeto de um experimento verdadeiro que controla ou elimina adequadamente as variáveis de confusão pode ser significativa. É desejável, também, projetar experimentos que têm um grau suficiente de validade interna e externa. A validade interna refere-se à confiança que as variáveis independentes causaram alguma diferença observada nas variáveis dependentes. A validade externa refere-se à confiança que a relação observada entre a variável independente e dependente no experimento irá aplicar às configurações ou situações fora das configurações do experimento. O projeto de um experimento verdadeiro tendo validade interna e externa suficientes pode ser desencorajador para investigadores que têm apenas um conhecimento limitado dos princípios de projeto estatísticos e experimentais. Os sistemas e métodos que proporcionam investigadores com uma abordagem simplificada para projetar experimentos verdadeiros são desejáveis.

Sumário da Invenção

A presente invenção refere-se a sistemas e métodos para projetar experimentos. Uma modalidade da invenção envolve um método para projetar um experimento usando um computador para determinar se o experimento é um experimento verdadeiro.

De acordo com várias abordagens, o computador pode selecionar uma ou mais variáveis independentes do experimento e/ou pode selecionar uma ou mais variáveis dependentes. O computador pode formar automaticamente um ou mais grupos de controle do experimento e/ou um ou mais grupos de tratamento do experimento, inclusive randomizar automaticamente os grupos de tratamento ou de controle. Em algumas implementações, o computador pode aplicar técnicas (por exemplo, bloqueio e contrabalanceamento) para reduzir os efeitos de uma ou mais variáveis de confusão.

De acordo com outras abordagens, o computador pode ajudar o usuário em várias etapas que envolvem o experimento. Por exemplo, o computador pode ajudar o usuário na seleção de uma ou mais variáveis independentes e/ou uma ou mais variáveis dependentes. O computador pode ajudar o usuário na formação de pelo menos um entre um grupo de controle e um grupo de tratamento. O computador pode ajudar o usuário na randomização de amostras em grupos de controle e de tratamento e pode alternativa ou adicionalmente aplicar técnicas para reduzir os efeitos de uma ou mais variáveis de confusão do experimento.

Um outro aspecto da invenção envolve realizar o experimento. O computador pode executar automaticamente o experimento ou pode realizar várias funções para ajudar o usuário na execução do experimento.

Um outro aspecto da invenção se refere à análise dos resultados do experimento verdadeiro. Algumas implementações permitem que a análise seja realizada automaticamente pelo computador. Em outras implementações, o computador ajuda o usuário a analisar os resultados do experimento.

Outra modalidade da invenção se refere a um sistema para o projeto experimental, sendo que o sistema inclui um processador de projeto configurado para determinar se um experimento é um experimento verdadeiro. Em algumas implementações, o processador de projeto pode ser configurado para selecionar pelo menos uma entre uma variável independente e uma variável dependente do experimento. O processador de projeto pode ser configurado para formar pelo menos um entre um grupo de controle e um grupo de tratamento do experimento, inclusive realizar a randomização e bloqueio.

Em algumas implementações, o sistema pode ajudar o usuário em várias funções associadas ao experimento. Nessas implementações, o sistema inclui uma interface de usuário configurada para aceitar a entrada de dados por um usuário. O processador de projeto pode ser configurado para ajudar o usuário na seleção de pelo menos uma entre uma variável independente e uma variável dependente do experimento usando a entrada de dados pelo usuário. O processador de projeto pode ser configurado para ajudar o usuário na seleção de pelo menos um entre um grupo de controle e um grupo de tratamento do experimento com base na entrada de dados pelo usuário e pode, também ajudar o usuário na randomização dos grupos e na aplicação do bloqueio para reduzir os efeitos de uma ou mais variáveis de confusão do experimento com base na entrada de dados pelo usuário.

De acordo com um outro aspecto da invenção, o sistema pode incluir uma unidade de distribuição configurada para executar o experimento e/ou uma unidade de análise configurada para analisar os resultados do experimento. A implantação e/ou análise do experimento pode ser realizada automaticamente pelo sistema ou usando a entrada de dados por um usuário.

Em uma implementação, o experimento compreende um experimento de sinalização digital. Em uma outra implementação, o experimento envolve um anúncio.

O sumário acima da presente invenção não se destina a descrever cada modalidade ou todas as implementações da presente invenção. As vantagens e as realizações, junto com uma compreensão mais completa da invenção, se tornarão aparentes e apreciadas através de referências às seguintes descrições detalhadas e reivindicações tomadas em conjunto com os desenhos em anexo.

Breve Descrição dos Desenhos

A Figura 1 ilustra elementos necessários para um experimento verdadeiro;

A Figura 2A é um diagrama de blocos de um sistema de sinalização digital que pode incorporar a capacidade de projetar experimentos verdadeiros de acordo com as modalidades da invenção;

A Figura 2B é um diagrama de blocos de um sistema para projetar experimentos verdadeiros de acordo com as modalidades da invenção;

A Figura 3 é um fluxograma ilustrando um método que inclui o projeto de um experimento verdadeiro de acordo com as modalidades da invenção;

As Figuras 4A a 4C são fluxogramas de um método que incorpora o projeto de experimentos para implementações de sinalização digital de acordo com as modalidades da invenção;

A Figura 5 ilustra um esboço exemplificador de uma tela de sinalização digital, inclusive um painel meteorológico ou de notícias, logotipo da loja, subida ou descida do texto (text crawl) e área para anúncios de vídeo que podem ser implementados de acordo com as modalidades da invenção;

A Figura 6 ilustra de forma conceituai a funcionalidade de um sistema de sinalização digital semi-automático de acordo com as modalidades da invenção;

A Figura 7 ilustra o fluxo de processo de criação e ordenação de conteúdo usando os componentes e funcionalidade de um sistema de sinalização digital de acordo com as modalidades da invenção;

A Figura 8 é um fluxograma que ilustra uma implementação exemplificadora de um sistema de sinalização digital para um varejista de artigos esportivos de acordo com uma modalidade da invenção; e

A Figura 9 é um fluxograma que ilustra um método para determinar se um projeto experimental elimina as confusões do experimento de acordo com as modalidades da invenção. Enquanto a invenção é adaptável a diversas modificações e formas alternativas, especificidades da mesma foram mostradas a título de exemplo nos desenhos e serão descritas em detalhe. Deve-se compreender, entretanto, que a intenção não é limitar a invenção para as modalidades específicas descritas. Em oposição, a intenção é proteger todas as modificações, equivalências e alternativas contidas no escopo da invenção conforme definido pelas reivindicações em anexo.

Descrição Detalhada das Diversas Modalidades

Na descrição a seguir das modalidades ilustradas, é feita referência aos desenhos anexos que são parte desta descrição e nos quais são mostradas, por meio de ilustração, diversas modalidades nas quais a invenção pode ser praticada. Deve-se compreender que as modalidades podem ser utilizadas e alterações estruturais pode ser feitas sem que se desvie do escopo da presente invenção.

A presente invenção se refere a métodos e sistemas que usam um computador para determinar se o projeto de um experimento é um experimento verdadeiro. Os elementos necessários para um experimento verdadeiro são ilustrados na Figura 1. Um experimento verdadeiro inclui o desenvolvimento de uma hipótese ou objetivo. As variáveis dependentes e independentes são identificadas e são usados pelo menos dois níveis de uma variável independente. As amostras são aleatoriamente atribuídas aos níveis da variável independente. Há um tipo de método para controlar ou para eliminar as variáveis de confusão. Se todos esses elementos forem adequadamente aplicados, o experimento produz resultados que podem ser usados para executar inferências estatísticas sobre a relação entre as variáveis dependentes e independentes. Os métodos e sistemas aqui descritos permitem que um usuário iniciante nas complexidades do projeto experimental verdadeiro projete e implante um experimento que produz substancialmente resultados livres de confusão e pode ser usado para determinar e quantificar qualquer relação causai entre as variáveis independentes e dependentes.

Um experimento verdadeiro tem pelo menos dois níveis de uma variável independente. Conforme descrito na presente invenção, algumas modalidades da invenção fornecem métodos e sistemas que ajudam os usuários na seleção de variáveis independentes para o experimento e no equilíbrio entre validade interna e externa. Por exemplo, em relação a ameaças à validade interna, os métodos da presente invenção e sistemas da presente invenção ajudam o usuário através do processo de identificação de ameaças à validade interna e podem sugerir e/ou automatizar métodos para controlar essas ameaças, como através do contrabalanceamento e/ou bloqueio. Algumas modalidades da presente invenção ajudam o usuário e/ou automatizam o processo de atribuir aleatoriamente amostras a grupos de modo que cada amostra em um experimento seja igualmente propensa a ser atribuída a níveis da variável independente. Em algumas configurações, a randomização, contrabalanceamento e/ou bloqueio pode ser automaticamente realizado. O sistema pode selecionar, ou pode ajudar o usuário a selecionar, variáveis independentes (ou níveis de variáveis independentes) e variáveis dependentes baseado em fatores associados à validade interna e/ou externa.

adicionalmente em outras modalidades, os métodos da presente invenção e sistemas da presente invenção podem ser usados para avaliar experimentos projetados ou conduzidos anteriormente. Nessas modalidades, com base na entrada de dados pelo usuário em relação à maneira como um experimento foi projetado ou conduzido anteriormente, o sistema determina se o experimento era, de fato, um experimento verdadeiro (em oposição a um quase-experimento ou estudo correlacionai) e/ou identifica a existência de confusões no experimento. Em algumas implementações, as abordagens da presente invenção podem ser usadas para determinar a validade interna e/ou externa de um projeto experimental.

Em algumas modalidades, o computador pode operar em um modo semi-automático, em que o usuário é guiado pelo computador através de uma ou mais seções interativas para projetar, ordenar e/ou analisar dados obtidos de um experimento verdadeiro. Em outras modalidades, o computador é programado para operar de forma completamente automática sem a interação do usuário. Em um modo completamente automático, um sistema baseado em computador pode executar um ou mais entre projetar o experimento, implantar o experimento, obter dados produzidos pelo experimento, analisar os dados, determinar a validade interno do experimento, determinar a validade externa do experimento e/ou modificar ou implementar um ou mais processos com base na análise, adicionalmente em outras modalidades, o sistema pode realizar uma ou mais das etapas descritas acima de forma semi-automática e pode realizar uma ou mais das etapas de forma completamente automática. As abordagens baseadas em computador para o projeto experimental são descritas na presente invenção com base em um sistema computadorizado de informações de sinalização. A presente invenção não se limita, entretanto, aos campos de sistemas de comunicação ou sinalização. As abordagens da presente invenção podem ser aplicadas ao projeto de um experimento verdadeiro independente do campo de interesse. Por exemplo, os métodos da presente invenção e sistemas aqui descritos podem ser aplicados ao projeto de experimentos em inúmeras áreas de interesse, inclusive, mas não se limitando a, biologia, química, lingüística, 15 medicina, ciências cognitivas, ciências sociais, educação, economia e/ou outros campos científicos. Os exemplos são descritos no contexto de um sistema de informações de sinalização digital para permitir que o leitor desenvolva um entendimento dos princípios da invenção que genericamente abrangem todos os campos de empreendimento científico.

A Figura 2A é um diagrama de blocos de um sistema de sinalização digital (DSS) que pode incorporar a capacidade de projetar experimentos verdadeiros de acordo com as modalidades da invenção; O diagrama de blocos da Figura 2A ilustra uma configuração de um DSS dividido em blocos funcionais. Os versados na técnica irão avaliar que o DSS pode ser alternativamente ilustrado usando blocos de funções diferentes e que vários componentes do DSS podem ser implementados como hardware, software, firmware ou qualquer combinação de hardware, software e firmware.

O DSS ilustrado na Figura 2A é um sistema computadorizado configurado para apresentar conteúdo informativo através de formatos de áudio, visuais e/ou outros formatos de mídia. O DSS pode incluir funcionalidade para gerar cronogramas de forma automática ou semi-automática, esse fornece uma lista do conteúdo de informações que será apresentado, e cronogramas, que definem uma ordem para a apresentação do conteúdo. Em um modo semi- automático, um usuário pode acessar um processador de controle de DSS 205 através de uma interface de usuário interativa 210. Auxiliado pelo processador de controle de DSS 205, o usuário pode identificar o conteúdo que será apresentado e gerar cronogramas e planos que controlam o tempo e ordem de apresentações em um ou mais componentes de DSS 215. Cada componente 215 apresenta o conteúdo a receptores de acordo com um cronograma e plano desenvolvido para o componente. O conteúdo informativo pode compreender gráficos, texto, clips de vídeo, imagens paradas, clips de áudio, páginas da Web, e/ou qualquer combinação de conteúdo de vídeo e/ou áudio, por exemplo.

Em algumas implementações, após um cronograma e plano serem desenvolvidos, o processador de controle de DSS 205 determina o conteúdo requerido pelo cronograma, baixa o conteúdo de um servidor de conteúdo e transfere o conteúdo juntamente com o cronograma e plano para um controlador de componente 220 que distribui o conteúdo para os componentes 215. Embora a Figura 2A mostre apenas um controlador de componente 220, múltiplos controladores de componente podem ser acoplados a um único processador de controle de DSS 205. Cada controlador de componente 220 pode controlar um único componente 215 ou múltiplos componentes 215. O conteúdo e/ou os cronogramas e planos podem ser transferidos do processador de controle de DSS 205 para um ou mais controladores de componente 220 em um formato compactado com endereçamento adequado fornecendo informações que identificam o componente 215 ao qual o conteúdo/cronograma/plano está destinado. Em algumas aplicações, os componentes 215 podem ser distribuídos em lojas e o conteúdo apresentado nos componentes 215 pode ser notificações.

Em outras implementações, o processador de controle de DSS 205 pode transferir apenas os cronogramas e planos ao controlador de componentes 220. Se o conteúdo não for residente no controlador de componentes 220, o controlador de componenets 220 pode acessar o armazenamento de conteúdo 225 para obter o conteúdo que será apresentado. Em algumas situações, um ou mais dos vários componentes do sistema de DSS, inclusive o armazenamento de conteúdo 225, podem ser acessíveis através de uma conexão de rede, como uma conexão intranet ou Internet. O controlador de componentes 220- pode reunir o conteúdo desejado, ou, de outro modo, facilitar a exibição do conteúdo desejado nos componentes de acordo com os cronograma e planos. Os cronogramas e planos e/ou conteúdo apresentados nos componentes 215 podem ser modificados periodicamente ou como desejado pelo usuário através do controlador de componente 220 ou através do processador de controle de DSS 205, por exemplo.

Em algumas implementações, o processador de controle de DSS 205 facilita o desenvolvimento e/ou formatação de um programa de conteúdo que será reproduzido em um componente. Por exemplo, o processador de controle de DSS 205 pode facilitar a formatação de um programa audiovisual através do uso de um gabarito. O gabarito inclui formatar restrições e/ou regras que são aplicadas no desenvolvimento de um programa audiovisual que será apresentado. Por exemplo, o gabarito pode incluir regras associadas às porções da tela usadas para certos tipos de conteúdo, o tipo de conteúdo que pode ser reproduzido em cada segmento e a seqüência, tamanho da fonte e/ou outras restrições ou regras aplicáveis à exibição do programa. Um conjunto separado de regras e/ou restrições pode ser desejado para cada configuração de vídeo. Em algumas modalidades, a formatação de um programa para diferentes vídeos pode ser realizada automaticamente pelo processador de controle de DSS 205.

Em algumas modalidades, o DSS pode criar gabaritos, gerar conteúdo, selecionar conteúdo, reunir programas e/ou formatar programas que serão exibidos baseados em informações obtidas através da pesquisa e experimentação na área de ciências cognitivas. A ciência cognitiva procura entender os mecanismos de ser percepção humana. As disciplinas de ciências cognitiva e da visão geraram uma grande base de conhecimento em relação à maneira como os sistemas perceptuais humanos processam informações, os mecanismos que fundamentam a atenção, a maneira como o cérebro humano armazena e representa informações na memória e a base cognitiva de linguagem e solução de problemas. A aplicação das ciências cognitivas ao projeto de conteúdo, esboço, formatação e/ou apresentação do conteúdo produz informações que são facilmente processadas pelos sistemas perceptuais humanos, facilmente entendidas e facilmente armazenadas na memória humana. O conhecimento adquirido das ciências cognitivas e armazenado em um banco de dados de ciências cognitivas 230 pode ser usado de forma automática ou semi- automática para informar um ou mais processos do DSS inclusive criação de gabaritos, projeto de conteúdo, seleção de conteúdo, distribuição de conteúdo, montagem de programas e/ou formatação de programas para exibição. O banco de dados de ciências cognitivas 230 usado em conjunto com a programação do DSS produz notificações ou outros programas de sinalização digital que são melhoradas pelos ensinamentos da ciência cognitiva, enquanto livra o usuário do sistema da necessidade de treinamento específico no campo.

No desenvolvimento de um programa de sinalização digital, por exemplo, campanha de publicidade ou similares, o processador de controle de DSS 205 pode orientar um usuário através de vários processos que são melhorados usando o conhecimento adquirido através das ciências cognitivas. Por exemplo, as informações armazenadas no banco de dados de ciências cognitivas 230 podem ser aplicadas para a seleção de gabaritos para produzir um ótimo esboço do programa e/ou para a seleção de conteúdo, como por exemplo elementos de conteúdo metereológico devem ser gráficos, textuais, envolver movimento, cor, tamanho e/ou para a implementação de outros aspectos de desenvolvimento de programa.

O DSS pode incluir a capacidade de projetar versões alternativas de um programa de sinalização digital para acomodar diversos tipos de vídeo e condições de visualização. A tecnologia de vídeo é variada e há grandes diferenças nos tipos de vídeos usados para apresentar conteúdo em uma rede de sinalização digital. Por exemplo, o tamanho, formato, brilho e condições de visualização irão variar bastante de uma rede de sinalização digital para outra (por exemplo, alguns vídeos serão pequenos, flexíveis e não-retilíneos, enquanto outros serão de formato grande padrão Vídeo de Cristal Líquido (LCD) e vídeos de plasma). A variação nos tipos de vídeo e condições de visualização significa que qualquer versão simples de uma parte do conteúdo não será ótima para todos os vídeos através de uma rede. Para superar esse problema, pode ser necessário gerar versões de cada parte do conteúdo para cada tipo de vídeo e ambiente de visualização e distribuir seletivamente essas versões de conteúdo para suas telas correspondentes na rede. Entretanto, não é realístico esperar que os programadores de conteúdo tenham tal conhecimento detalhado dos tipos de vídeo e condições de visualização ao longo de uma ampla rede de DSS. Ademais, mesmo que esses programadores de conteúdo tenham tal conhecimento detalhado, poderia levar muito tempo para criar manualmente versões de conteúdo para cada vídeo e programar manualmente o conteúdo a ser reproduzido em cada vídeo correspondente no momento adequado.

O DSS pode incluir uma unidade de captura de dados 235 para coletar dados usados para otimizar a eficácia do conteúdo implantado. A unidade de captura de dados 235 permite que os fatores de distribuição que fundamentam a eficácia de redes de sinalização digital sejam continuamente reunidos em tempo real durante a implantação de conteúdo. As informações obtidas podem facilitar o aprimoramento contínuo em eficácia de conteúdo do DSS bem como o aprimoramento de versões individuais de partes do conteúdo. Os dados em tempo real podem ser usados para saber quais eventos de sensor ou de vendas deveriam acionar a exibição de tipos específicos de conteúdo, por exemplo.

Cada parte Individual de conteúdo em qualquer programa de conteúdo tem uma meta específica (por exemplo, para vender um produto específico). Esse é geralmente o caso em que há variabilidade no valor de cada meta do usuário da rede de sinalização digital. Por exemplo, pode haver variabilidade na margem de lucro e nível de estoque de cada produto cujo fator forma o valor da meta do produto. O valor para atingir cada objetivo se altera continuamente durante o momento em que um programa de sinalização digital é implantado. Por exemplo, o nível de inventário de um produto pode se alterar, dessa forma, afetando a meta de vendas do produto.

O aperfeiçoamento da eficácia de um DSS de modo geral, envolve 1) previsão precisa do impacto da implantação de um programa de sinalização digital sobre a meta associada ao programa de sinalização digital, e 2) alterar continuamente os padrões de distribuição (tempo, freqüência e local) de partes individuais do conteúdo à medida que o valor de cada meta individual correspondente às partes do conteúdo se altera. Em muitos casos, não é possível que os usuários do DSS prevejam o impacto da implantação do conteúdo e alterem manualmente os padrões de distribuição do conteúdo com base nos valores continuamente alterados de metas associadas a cada parte do conteúdo. O DSS fornece a funcionalidade para prever o impacto de programas de sinalização digital e para alterar a distribuição de conteúdo com base nas previsões.

Conforme declarado anteriormente, o conteúdo é implantado nos componentes 215 com o objetivo de afetar o comportamento humano (por exemplo, afetar o comportamento de compra). Entretanto, os sistemas de sinalização digital anteriores não eram capazes de demonstrar uma relação de causa-e-efeito entre o conteúdo de sinalização e o comportamento humano ou medir a resistência da relação de causa-e-efeito. Essa dificuldade surge devido ao fato de os métodos, por meio dos quais o conteúdo é distribuído através das redes de sinalização digital atuais, não sustentarem a determinação da possibilidade de qualquer alteração medida em comportamento humano ser causada pelo conteúdo de sinalização ou pelo resultado de alguns fatores de confusão (por exemplo, alteração no clima, alteração na demanda geral do produto, alteração no preço do produto). A única forma para determinar decisivamente as relações de causa-e-efeito entre o conteúdo de sinalização e o comportamento humano é realizar um experimento verdadeiro durante o mesmo o conteúdo de sinalização é sistematicamente manipulado usando projetos experimentais complexos e os efeitos daquelas manipulações sobre o comportamento humano são cuidadosamente medidos. A realização manual de tais experimentos é demorada e exige conhecimento significativo e treinamento no método científico de como projetar experimentos verdadeiros. Os usuários de sistemas de sinalização digital podem não ter treinamento suficiente para entender como projetar um experimento verdadeiro para obter resultados livres de confusão.

O DSS pode incluir componentes que fornecem a capacidade de projetar, implementar e/ou analisar dados obtidos dos experimentos verdadeiros. Conforme anteriormente discutido, os componentes que fornecem essa funcionalidade podem ser incorporados em um DSS ou podem ser implementados por outros tipos de sistemas. Os componentes que podem ser usados no projeto, implementação e/ou análise de experimentos verdadeiros, independentemente do tipo particular de sistema em que esses são implementados, são apresentados separadamente no diagrama de blocos da Figura 2B. Um sistema de acordo com a presente invenção pode incluir uma ou mais características, estruturas, métodos ou combinações desses aqui descritos. Por exemplo, um sistema pode ser implementado para incluir uma ou mais características vantajosas e/ou processos ilustrados nas Figuras 2A ou 2B. Pretende-se que tal sistema não precise incluir todas as características aqui descritas, porém pode ser implementado para incluir características selecionadas que forneçam estruturas e/ou funcionalidade úteis.

A Figura 2B ilustra um sistema de projeto de experimento (EDS) incluindo processador de projeto de experimento que é configurado para garantir o projeto de um experimento verdadeiro. Conforme anteriormente discutido, o processador de projeto de experimento 240 pode ser configurado para operar completamente de forma automática ou semi-automática com a interação do usuário. No modo semi-automático, processador de projeto do experimental 240 pode levar um usuário, através das várias seções interativas conduzidas através da interface de usuário 210, a projetar um experimento verdadeiro. Em tal processo, o processador de projeto experimental 240 garante que o projeto de um experimento verdadeiro produza dados livres de confusão. Dessa forma, um usuário é capaz de depender da programação do processador de projeto de experimento 240 e não é requerido ter conhecimento ou experiência em projeto de experimentos verdadeiros. O EDS pode compreender apenas um processador de projeto de experimento 240, ou pode incluir elementos adicionais como uma unidade de implementação de experimento 245, uma unidade de captura de dados 235 e unidade de análise de dados 250.

O processador de projeto de experimento 240 pode desenvolver, de forma automática ou semi-automática, um objetivo ou hipótese para o experimento, identificar variáveis independentes e dependentes do experimento, formar grupos de controle e de tratamento, aplicar a randomização, contrabalanceamento e/ou bloqueio adequado. No contexto de um DSS, por exemplo, o objetivo experimental pode ser avaliar a eficácia de um elemento de conteúdo em uma campanha de publicidade que promove vendas de um certo produto. A(s) variável(is) independente(s) pode(m) ser associada(s) a algum aspecto da exibição do elemento de conteúdo. A(s) variável(is) dependente(s) pode(m) ser associada(s) a um aumento nas vendas do produto.

O processador de projeto de experimento 240 pode formar grupos de tratamento e controle adequados inclusive a seleção de vários locais do sistema de DSS em que o conteúdo experimental e conteúdo de controle serão exibidos. A apresentação do conteúdo experimental, inclusive formato de conteúdo, plano, local de apresentação e/ou outros fatores que podem gerar confusões no processo experimental, são controlados pelo processador de projeto experimental 240. O processador de projeto experimental 240 pode garantir a randomização, contrabalancemanto e bloqueio adequados dos grupos de controle e tratamento para obter resultados experimentais que são isentos de confusão. O projeto do experimento no contexto do sistema de DSS pode envolver, por exemplo, gerar cronogramas e planos adequados para a apresentação de conteúdo a ser testado através do experimento e pode, também envolver a geração de cronogramas e planos para a apresentação de conteúdo de controle.

O EDS pode incluir, também, uma unidade de implementação experimental 245. A unidade de implementação experimental 245 é configurada para facilitar a implementação do experimento. No contexto do sistema de DSS exemplificador, a unidade de implementação experimental 245 formata o conteúdo experimental e o conteúdo do grupo de controle para várias configurações de componentes e facilita a transferência do conteúdo experimental e do conteúdo de controle para o controlador de componente 220 para a apresentação nos componentes 215 conforme especificado pelos cronogramas e planos.

A unidade de captura de dados 235 pode ser configurada para coletar dados experimentais dos grupos de controle e tratamento. A unidade de captura de dados 235 pode executar ou facilitar a captura de dados associados ao experimento através de qualquer meio. Por exemplo, no contexto do DSS exemplificador, a unidade de captura de dados 235 pode ser acoplada a vários dispositivos de sensor ou de captura de dados 262, 264, 266 reunindo informações inclusive movimento de produto, vendas de produto, ações ou reações de cliente e/ou outras informações. Os sensores 262 podem ser usados para detectar, por exemplo, se um cliente selecionou o produto, ou se um cliente estava próximo ao vídeo quando o conteúdo foi exibido. As vendas podem ser determinadas com base nas informações obtidas por um sistema de ponto de vendas (POS) 264. Outros dispositivos 266 que medem a varíavel dependente podem, também ser usados. Alterações em níveis de inventário de um produto podem ser disponíveis através de um sistema de controle de inventário. As reações do cliente podem ser obtidas através de questionários. Se o experimento realizado for um experimento verdadeiro, os dados obtidos pela unidade de captura de dados 235 são substancialmente isentos de confusão.

A unidade de captura de dados 235 pode ser acoplada ao módulo de análise de dados 250 que é configurado para analisar os dados experimentais coletados pela unidade de captura de dados 235. O módulo de análise de dados 250 pode determinar e/ou quantificar as relações de causa e efeito entre as variáveis independentes e dependentes do experimento. Para o DSS ilustrado, os resultados da análise podem ser usados para determinar se o conteúdo é eficaz para influenciar as vendas do produto.

Os resultados da análise podem ser adicional ou alternativamente usados para implementar ou modificar vários processos. Por exemplo, se o conteúdo for eficaz para influenciar as vendas do produto, uma campanha de publicidade pode ser desenvolvida incorporando o conteúdo. Um valor pode ser atribuído ao conteúdo por um processo de avaliação de conteúdo 272 com base na eficácia para aumentar as vendas. Um anunciante que utiliza o conteúdo pode ser faturado por uma unidade de cobrança 274 de acordo com o valor do conteúdo. O módulo de análise de dados 250 pode, também fornecer informações ao controle de inventário 276. Adicionalmente, o módulo de análise de dados 250 pode proporcionar informações a uma unidade de previsão 278 que gera uma previsão de vendas quando a campanha de publicidade for implementada. A unidade de previsão 278 pode adicional ou alternativamente prever o inventário de produto necessário para sustentar as vendas geradas pela campanha de publicidade.

O fluxograma ilustrado na Figura 3 fornece uma visão geral de um método que pode ser implementado pelo DSS (Figura 2A) e/ou o EDS (Figura 2B) de acordo com as modalidades da invenção. O método inclui o projeto 310 e desempenho 320 de um experimento verdadeiro. Os dados produzidos pelo experimento são coletados 330 e analisados 340. Um ou mais processos podem ser modificados ou implementados 350 com base na análise de dados.

Os fluxogramas das Figuras 4A a 4C fornecem um exemplos mais específico desses processos no contexto de sinalização digital de acordo com as modalidades da invenção. Nesse Exemplo, o objetivo do experimento é determinar o efeito de um anúncio de vídeo em um DSS incorporando o conteúdo A nas vendas do Produto X. Por exemplo, o conteúdo A pode ser um anúncio que apresenta um vídeo de um ator, atleta ou outra pessoa famosa. O conteúdo a ser testado (conteúdo A) é identificado 402 e o conteúdo de controle 404 é selecionado. Um anúncio de vídeo que incorpora o Conteúdo A é produzido 406 usando regras de gabarito armazenadas em memória local. As regras de gabarito podem, também ser aplicadas para produzir conteúdo de vídeo que será usado pelo grupo de controle. As regras de gabarito podem, também ser usadas para fornecer uma estrutura para organizar o esboço do conteúdo no vídeo. Em alguns casos, as regras de gabarito estão baseadas em informações derivadas das ciências cognitivas. Um esboço exemplificador de um vídeo de sinalização digital que inclui um painel meteorológico/de notícias, logotipo de loja, subida/descida do texto (text crawl) e área para anúncios de vídeo é ilustrado na Figura 5.

Os cronogramas e planos são especificados 412 e 414 para o anúncio de vídeo incorporando o conteúdo Aeo conteúdo de controle. As localidades do anúncio e o conteúdo de controle são selecionados 416 e 418. Por exemplo, as localidades do anúncio e conteúdo de controle podem ser restaurantes, lojas, shoppings ou outros locais. O desenvolvimento 412 e 414 dos cronogramas e planos e a seleção 416 e 418 de localidades são realizados usando randomização e bloqueio adequados para excluir ou reduzir as variáveis de confusão nos resultados experimentais.

O anúncio e conteúdo de controle podem ser implementados em inúmeras localidades, sendo que cada local tem um conjunto particular de características de visualização. Por exemplo, os locais podem variar em relação ao tamanho do vídeo, formato do vídeo, distância de visualização, iluminação ambiente, nível de ruído e outras condições de visualização. O anúncio é ajustado 422 para se adaptar aos atributos de cada vídeo no qual o anúncio é implementado. Ajustes similares são realizados 424 para o conteúdo de controle. O anúncio e o conteúdo de controle são mostrados 426 e 428 de acordo com seus respectivos cronogramas e planos.

Os dados podem ser coletados em cada local antes, durante e depois da exibição do anúncio e/ou do conteúdo de controle. Os dados podem ser coletados através de sensores, terminais de ponto de venda, sistemas de controle de inventário e/ou outros dispositivos de entrada de dados. Por exemplo, a presença do visualizador próximo ao vídeo durante a apresentação do anúncio pode ser detectada. O número de vezes que o anúncio e o conteúdo de controle foram implantandos 432 e 434 ou visualizados 436 e 438 pode ser detectado. O movimento do visualizador, movimento dos olhos e/ou interação com o produto X pode ser percebido 442. O volume e tempo de vendas do produto X podem ser determinados 444 dos terminais de ponto de vendas. As respostas do visualizador ao anúncio podem ser obtidas através de questionários. Por exemplo, os questionários podem ser usados para determinar se os visuaiizadores registraram uma reação genericamente positiva ou genericamente negativa ao anúncio. Os questionários antes e depois podem ser usados para determinar se o anúncio alterou o nível de familiaridade do consumidor com o produto X. Alterações em níveis de inventário do produto X podem ser determinadas.

Os dados coletados podem ser analisados 446 para determinar as relações causais entre a exibição do anúncio contendo o conteúdo A e vendas do produto X. Com base na análise, um valor pode ser atribuído 448 ao conteúdo A. Se o conteúdo A for bem-sucedido no aumento de vendas, uma campanha de publicidade pode ser gerada 452 incorporando o conteúdo A. O retorno de investimento (ROI) da campanha de publicidade pode ser determinado 454. A empresa que fornece a campanha de publicidade ou os sistemas para apresentar a campanha de publicidade podem cobrar 456 seus clientes de acordo com o valor do conteúdo A ou ROI previsto como determinado pelo experimento. Os vendedores do produto X podem prever os requisito de inventário 458 do produto X durante uma campanha de publicidade incorporando o conteúdo A com base nos resultados do experimento. O sistema pode modificar de forma iterativa 462 um ou mais processos com base nos resultados experimentais.

A Figura 5 ilustra um esboço exemplificador de um vídeo de sinalização digital que pode ser controlado pelo DSS da presente invenção. O vídeo de sinalização digital pode ser configurado para incluir inúmeras áreas como um painel meteorológico ou de notícias, um gráfico do logotipo da loja, subida ou descida de texto e área para anúncios de vídeo.

A Figura 6 ilustra de forma conceituai a funcionalidade de um DSS semi-automático, como o sistema ilustrado na Figura 2A, de acordo com as modalidades da invenção. O DSS pode ser amplamente agrupado de forma funcional em quatro áreas. A primeira área funcional ilustrada na Figura 6 fornece a aplicação de ciências cognitivas e visuais 610 à sinalização digital. As ferramentas de programação que são fornecidas permitem que programadores de conteúdo sem treinamento avançado nas ciências visuais e cognitivas apliquem durante o processo de criação de conteúdo, para otimizar a eficácia do conteúdo. O sistema instrui o usuário a introduzir tanto a meta como a mensagem destinada (as informações críticas) em cada parte do conteúdo. O usuário é auxiliado na identificação de atributos importantes ao longo da rede de sinalização digital que têm implicações de projeto de conteúdo. O sistema orienta o usuário através do processo de aplicação das ciências cognitivas e visuais para projetar o conteúdo com base nas metas e atributos de rede de sinalização digital importantes. Por exemplo, o sistema poderia ajudar os usuários a selecionar os gabaritos (isto é, melhor esboço) e os elementos (por exemplo, se os elementos deveriam ser gráficos, textuais; envolvem movimento, cor, tamanho, etc.) para exibição em sinais.

Outro componente funcional do DSS fornece medição de eficácia do conteúdo 620. A programação do DSS permite que o usuário com pouco ou nenhum treinamento ou habilidade na realização de experimentos gere projetos experimentais complexos. Os projetos experimentais podem ser usados para investigar o projeto de conteúdo e fatores de distribuição que dependem das redes de sinalização digital eficazes e para medir o impacto do conteúdo sobre o comportamento humano. Os usuários são auxiliados na identificação das variáveis independentes propensas a serem cruciais à eficácia do conteúdo e das variáveis dependentes correspondentes às variáveis independentes. Um projeto experimental adequado é gerado pelo sistema, inclusive a identificação de controle adequado e de condições experimentais, bloqueio adequado, contrabalanceamento e randomização, para determinar a resistência de qualquer relação causai entre aquelas variáveis independentes e dependentes. O experimento é realizado, os dados são coletados através de sensores e/ou outros processos e analisados. Os resultados do experimento podem ser usados por vários outros componentes do sistema e/ou podem ser relatados aos usuários.

O uso de experimentos verdadeiros fornece métodos complexos e rigorosos para distribuir conteúdo permitindo a coleta de dados bastante claros (isentos de confusão). Isso está em contraste com a abordagem de utilização de quase-experimentos que requerem métodos de análise extremamente complexos (isto é, analítica comportamental) para analisar e usar dados que estão repletos de confusões.

O DSS fornece projeto de conteúdo automatizado 630 que gera automaticamente novos gabaritos e aplica transformações em elementos existentes. Novos gabaritos e elementos podem ser gerados para otimizar a eficácia do conteúdo e/ou para criar conteúdo adequado para satisfazer as necessidades dos projetos experimentais anteriormente descritos. As ferramentas fornecidas pelo DSS são capazes de gerar versões exclusivas de partes de conteúdo para cada componente no sistema. O sistema de DSS pode instruir os usuários a fornecer entrada de dados ou pode usar informações fornecidas de outros componentes relativos aos atributos de rede e fatores que fundamentam a eficácia do conteúdo. O conhecimento das ciências cognitivas e visuais pode ser usado para extrapolar, preencher e, de outro modo, explorar o espaço de informações das partes particulares do conteúdo que o sistema almeja melhorar. A funcionalidade do DSS fornece a capacidade de gerar conteúdo completamente novo que não é simplesmente uma reconfiguração dos gabaritos implementados ou elementos associados às versões implementadas do conteúdo. Ou seja, o DSS não conta simplesmente com a hibridização ou mistura de gabaritos implementados e elementos que os dados sugerem ser eficazes, embora o sistema seja suscetível à hibridização ou mistura.

O sistema de DSS inclui a funcionalidade para distribuir 640 partes de conteúdo diferentes ao longo de uma rede de exibições para melhorar as metas do nível do sistema (isto é, nível superior). Por exemplo, as partes do conteúdo podem ser distribuídas em todo o sistema para coordenar as vendas de itens diferentes ou para responder a níveis de inventário diferentes (taxas de vendas, margens de lucro) em locais geográficos diferentes.

Os componentes funcionais 610 a 640 ilustrados na Figura 6 são individualmente úteis. Entretanto, quando os componentes 610 a 640 forem combinados em um sistema unificado, inúmeros outros benefícios importantes resultam do sistema combinado. A aplicação de ciências cognitivas e visuais 610 permite que os usuários com pouco ou nenhum conhecimento em ciências cognitivas e visuais apliquem essas disciplinas para criar um conteúdo mais eficaz. Essa funcionalidade pode ser usada em um ambiente com uma única tela ou com múltiplas telas. Em um nível geral do sistema, a aplicação de ciências cognitivas e visuais fornece a entrada de dados e restrições no sistema de projeto automatizado para adaptar o conteúdo sobre uma base tela por tela. Por exemplo, se a distância de visualização média for conhecida em cada sinal de rede, então o componente para aplicar as ciências cognitivas e visuais irá determinar o tamanho de fonte ideal para cada sinal, e essas informações serão usadas pelo componente do projeto de conteúdo automatizado para gerar texto com aqueles parâmetros de tamanho de fonte. O sistema pode sugerir os parâmetros chave que devem ser manipulados durante o processo experimental e pode proporcionar os limites superiores e inferiores daqueles parâmetros.

A medição de eficácia do conteúdo 620 pode operar em um ambiente com uma única tela ou com múltiplas telas para gerar projetos experimentais e analisar dados relativos ao impacto do conteúdo sobre qualquer comportamento humano mensurável. A medição de eficácia do conteúdo 620 pode determinar relações e causais entre o conteúdo de sinalização e o comportamento humano. Em um exemplo, é possível determinar o valor financeiro preciso do conteúdo (e, dessa forma, do sistema de sinalização digital) para qualquer comportamento humano que por si mesmo pode ser atribuído um valor preciso. O comportamento humano que tem o valor conhecido mais óbvio é o comportamento de compra. Entretanto, através da capacidade do sistema de perceber outros comportamentos humanos, os usuários poderiam atribuir valores do dólar a uma ampla variedade de ações, como movimento dos olhos, seleção de produtos, redução do tempo de procura, etc.

Em outro exemplo, os pesquisadores de mercado poderiam testar sua hipótese em relação a quais conjuntos de características em produtos são mais valiosos gerando conteúdo que descreve conjuntos de características diferentes do mesmo produto. Com a determinação das partes do conteúdo mais eficazes, seria possível executar inferências em relação a quais conjuntos de características são mais valiosos aos consumidores.

Em um nível do sistema, a medição da eficácia do conteúdo 620 fornece entrada de dados ao componente do projeto de conteúdo automatizado em relação à eficácia dos parâmetros de projeto, permitindo que o componente do projeto de conteúdo automatizado aprimore continuamente a eficácia do conteúdo implementado. Ademais, a entrada de dados continuamente atualizada pode ser fornecida para permitir que o componente de distribuição de conteúdo preveja o impacto que os padrões de distribuição de conteúdo específico terão sobre um determinado estado final.

A funcionalidade de distribuição de conteúdo 640 fornece alterações contínuas na freqüência relativa com a qual as partes individuais do conteúdo são apresentadas ao longo da rede para atingir ou alcançar uma meta da rede de sinalização digital. A alteração da freqüência relativa envolve aumentar ou reduzir o número de vezes que as partes individuais do conteúdo são mostradas em sinais individuais. Todos os outros fatores de distribuição de conteúdo, como as versões de partes do conteúdo que são mostradas em telas específicas permanecem iguais. Por exemplo, o sistema pode diminuir a freqüência de apresentação de partes do conteúdo correspondente aos produtos que têm níveis de inventário inferiores e aumentar a freqüência de apresentação do conteúdo correspondente aos produtos com níveis de inventário superiores.

Em todo o sistema, o componente de distribuição de conteúdo 640 pode receber a entrada de dados do componente de medição de eficácia do conteúdo 620 e alavancar essa entrada de dados para distribuir estrategicamente o conteúdo em uma base de tela-por-tela com base nas previsões que surgem das informações de causa e efeito reunidas pelo componente de medição de eficácia do conteúdo.

A Figura 7 ilustra o fluxo do processo de criação e implementação do conteúdo usando os componentes e a funcionalidade do DSS descrito acima. Durante o primeiro ciclo, ou inicialização, o processo usa dados de fora do sistema para otimizar as metas do sistema. Durante os ciclos subseqüentes, o processo pode contar com dados obtidos pelo próprio sistema para modificar e/ou melhorar as metas do sistema. Para elaboração, durante o primeiro ciclo, o processo ilustrado na Figura 7 usa o conhecimento anterior das ciências cognitivas e visuais para otimizar as metas; e os ciclos subseqüentes utilizam ciências cognitivas e visuais e também resultam de dados experimentais em tempo real para otimizar as metas do sistema. Dessa forma, durante a inicialização, o processo utiliza priori fontes de dados. Durante os ciclos subseqüentes nenhuma interação de usuário é requerida. Durante os ciclos subseqüentes, os dados são usados tanto a-priori como a-postiori.

O processo conduz o usuário através de uma série de ferramentas e scripts e cria 710 inúmeros gabaritos alternativos que especificam como as categorias dos elementos de conteúdo devem aparecer na tela (por exemplo, o local, tamanho e orientação de elementos como texto, gráficos e vídeos). As ferramentas e scripts sugerem gabaritos recomendados por meio de desenhos em três conjuntos de informações: a) princípios das ciências cognitivas e visuais em relação à exibição eficaz de informações, b) as metas do conteúdo (por exemplo, pesquisa, anúncio) e c) os atributos conhecidos da rede de sinalização digital (por exemplo, tamanho e formato dos vídeos diferentes, distâncias de visualização diferentes e demografia do visualizador ao longo da rede). Por exemplo, as ferramentas e scripts podem ajudar um usuário a determinar se um elemento deve ser graficamente representado ou via texto. As ferramentas e scripts também podem ajudar um usuário a determinar qual, dentre um grande número de gabaritos predefinidos, é adequado determinadas as condições de visualização ao longo da rede, metas do conteúdo e se disponível, métricas relativas aos tipos de gabaritos que se mostraram eficazes de campanhas anteriores.

O processo conduz o usuário através de uma série de ferramentas e scripts para gerar 720 os elementos de conteúdo particulares que serão colocados posteriormente dentro dos gabaritos criados no bloco 710. Os elementos de conteúdo individuais podem incluir mensagens de texto específicas, imagens estáticas, animações, clips de filme, bites sonoros, etc. Cada elemento poderia ter muitas variantes e o software ajuda o usuário a determinar quais elementos do conteúdo podem ser combinados dentro de um gabarito, os regulamentos de como aqueles elementos podem ser combinados e os parâmetros nos quais os elementos de conteúdo podem ser manipulados durante o processo de criação de conteúdo. Por exemplo, pode ser válido alterar a cor de uma fonte durante a implementação, porém não a cor do rosto de uma pessoa famosa usada no gabarito.

As ferramentas de software e scripts facilitam a geração de conteúdo ao projetar três conjuntos de informações: a) dados relativos aos tipos de elementos de conteúdo que se mostraram eficazes em campanhas anteriores, b) princípios das ciências cognitivas e visuais e c) os atributos conhecidos da rede de sinalização digital. Depois de o conteúdo ser criado, nesse exemplo, a interação de usuário não é mais necessária.

A criação de conteúdo é melhorada 730. O processo pode envolver várias restrições para combinar elementos e gabaritos criando inúmeras versões do conteúdo. Pela primeira vez durante esse processo, as restrições serão baseadas em: a) fatores anteriormente usados na criação de gabaritos e elementos de conteúdo acima, b) diretrizes pré-programadas de como combinar elementos e gabaritos, c) objetivos da parte de conteúdo que será implementada e d) os parâmetros de projeto experimental. Em trechos subseqüentes ao longo desse bloco, o processo também irá usar dados de eficácia para alterar gabaritos existentes ou criar gabaritos novos (através de interpolação) e elementos antes de criar novas versões do conteúdo. Devido ao fato de cada vídeo em uma rede poder ter atributos diferentes (por exemplo, níveis de iluminação, níveis de ruído, formato, tamanho e distâncias de visualização média diferentes), uma versão exclusiva do conteúdo pode ser criada para cada vídeo na rede.

O conteúdo é distribuído 740 ao longo da rede de sinalização digital. A distribuição de conteúdo envolve a determinação de quais, onde e quando as partes individuais do conteúdo serão implantadas para: a) permitir que as relações de causa e efeito entre o conteúdo e o comportamento do visualizador sejam determinadas, b) melhorar as metas de nível do sistema da rede de sinalização ativa e, dessa forma, o retorno de investimento da rede como um todo, c) permitir a medição precisa da eficácia de gabaritos específicos e elementos de conteúdo.

O processo de distribuição de conteúdo permite que as versões do conteúdo sejam distribuídas usando procedimentos de bloqueio e contrabalanceamento adequados. Ademais, as condições de controle de linha de base adequadas são usadas por atributos conhecidos dos sinais ao longo da rede e as versões de conteúdo são devidamente randomizadas por fatores desconhecidos. Esses algoritmos determinam o projeto experimental adequado determinados os atributos de rede de sinalização, por exemplo, o número de atributos e as relações entre os atributos. Essa funcionalidade coordena os requisitos de re-execução, como a freqüência e tempo de re-execução e local de re-execução de partes individuais do conteúdo ao longo do sistema.

Mediante a utilização de dados de sensor, ponto de venda, dados de inventário e/ou outros dados em conjunto com os procedimentos experimentais usados para distribuir conteúdo, o impacto do conteúdo é calculado e analisado 750. Para descrever essa etapa em termos de experimentos de percepção, o tamanho de efeito dos elementos de conteúdo e de gabaritos é calculado. O tamanho de efeito refere-se à quantidade de variabilidade nos dados que qualquer variável definida pode explicar. O processo analisa e prevê qual conteúdo seria eficaz para um determinado atributo ao longo da rede. Também, as co-ocorrências de dados de sensor, apresentação do conteúdo e movimento em direção à meta são detectadas. Portanto, é possível descobrir que algum evento detectado, quando correlacionado com conteúdo, aumenta a direção dirigida à meta. Essas co- ocorrências se tornam, então, novos atributos de rede de sinalização digital. O conteúdo pode ser distribuído para tirar vantagem de co-ocorrências de dados de sensor, apresentação de conteúdo e movimento em direção ao estado final.

A análise realizada no bloco 750 forma a base de retorno de investimento (ROÍ), futura criação de conteúdo e futura implementação de conteúdo. A estatística inferencial pode ser realizada sobre as variáveis dependentes pré-identificadas. A partir dessa estatística inferencial, o sistema pode calcular os tamanhos de efeito e confiança em relações de causa e efeito, inclusive os efeitos de elementos de conteúdo, gabaritos e implementação.

A Figura 8 é um fluxograma que ilustra uma implementação exemplificadora do sistema de DSS de acordo com uma modalidade da invenção. A implementação envolve um varejista de artigos esportivos com 200 lojas. O varejista deseja anunciar quatro produtos excessivamente estocados e quatro produtos que não estão excessivamente estocados, porém que têm margens de lucro maiores do que os produtos excessivamente estocados. A meta de nível super ordenado da campanha é maximizar o lucro bruto enquanto elimina o inventário excessivo dos itens excessivamente estocados. Ou seja, uma vez que o inventário excessivo é eliminado, a meta será simplesmente reduzida para manter um inventário equilibrado em cada local de armazenamento.

Usando-se software baseado em ciências cognitivas e visuais, o gerente de sinalização do varejista cria 810 inúmeros gabaritos diferentes que serão usados para desenvolver o conteúdo de cada uma das oito linhas de produtos. Esses gabaritos incluem esboço de mensagens, esquemas de cor e/ou outras variáveis que constituem o programa.

Esses gabaritos podem ser usados em cada uma das oito linhas de produtos e não são específicos a um único produto. Adicionalmente, os gabaritos pré-existentes ou de estoque estão disponíveis para uso durante essa fase.

Após a criação dos gabaritos de base para essa campanha, o gerente de sinalização cria 820 elementos de conteúdo individuais que são necessários para preencher os gabaritos. Os elementos individuais são específicos para as linhas de produtos que foram promovidas e incluem marcação do produto e mensagens para os determinados produtos. Conforme no processo de criação de gabarito, a criação de elementos individuais é conduzida por especialistas em software usando software baseado em ciências cognitivas e visuais.

Os gabaritos são automaticamente preenchidos 830 com os elementos de conteúdo individuais para gerar inúmeros pacotes de conteúdo diferentes para cada um dos oito produtos que a rede de sinalização está promovendo. Potencialmente centenas de versões diferentes de cada parte de conteúdo são criadas para cada linha de produtos ao incorporar os elementos com gabaritos para acomodar atributos de sinalização variados, como tamanho de tela ou distância de visualização.

Mediante a utilização de conhecimento pré-existente ou aprendido sobre a rede de sinalização, o conteúdo é distribuído 840 usando algoritmos que permitem a coleta de métricas de sucesso para partes individuais do conteúdo. O conteúdo é distribuído ao longo da rede de uma maneira que garanta o contrabalanceamento, bloqueio adequado e a medição isenta de confusão pode ser realizada. Adicionalmente, o algoritmo de implementação garante que o conteúdo relevante seja enviado para os sinais adequados na rede, considerando os atributos de rede, demografia de visualizador e condições de visualização entre outros.

O ponto de venda e dados de sensor permitem que o impacto dos vários pacotes de conteúdo seja monitorado 850 e analisada para determinar quais gabaritos e elementos de conteúdo e suas combinações, são mais eficazes para cada tela na rede. A partir dessas informações, a causa e efeito, bem como retorno de investimento podem ser analisados, permitindo a cobrança baseada em valor. Esse exemplo pode determinar se em todas as 200 lojas, o próprio sistema de sinalização foi responsável por X% de aumento nos lucros e Y% de redução em inventário excessivo. A análise exploratória de dados gera novos possíveis atributos de rede. Por exemplo, há um aumento nas vendas quando os clientes selecionam o produto X e quando o conteúdo Y é concomitantemente mostrado. Na próxima iteração, esse novo atributo de rede será testado de forma experimental e não apenas medido a partir de um estudo de correlação. Por exemplo, o sistema pode determinar se as partes do conteúdo apresentadas em telas do tipo X são mais eficazes usando os gabaritos do tipo Y e se os elementos de conteúdo mais eficazes têm propriedades XYZ.

Com base na eficácia de dados, o sistema gera automaticamente 860 novos gabaritos, novos elementos de conteúdo e novas combinações desses. Novamente, usando-se os atributos de rede de sinalização (tanto antigos como novos), o software implementa essas novas partes de conteúdo ao longo da rede.

Durante o restante da campanha, os processes descritos nos blocos 830 a 860 são repetidos, por exemplo, sem a interação de usuário. O gerente de rede de sinalização é capaz de monitorar o impacto que o conteúdo tem nas vendas em qualquer determinado ponto durante a campanha enquanto o sistema tenta automaticamente atingir as metas da campanha.

Mediante o término dessa campanha, os gabaritos e elementos que foram manual ou automaticamente gerados durante a campanha também estão disponíveis para futuras campanhas. Ademais, o conhecimento que foi adquirido em relação aos tipos de gabaritos e elementos que são eficazes para vídeos particulares, demografia ou outros fatores, é usado para criar e distribuir conteúdo de forma mais eficaz ao longo da rede durante futuras campanhas.

A determinação da possibilidade de um experimento ser um experimento verdadeiro pode ser realizada de forma proativa ou retroativa em relação à execução do experimento. De acordo com algumas modalidades, um computador pode ser usado para determinar se um experimento que adicionalmente será realizado é um experimento verdadeiro. De acordo com outras modalidades, um computador pode ser usado para determinar se um experimento que foi anteriormente realizado é um experimento verdadeiro. De acordo com a abordagem ilustrada na Figura 9, o computador determina, com base nas informações fornecidas pelo usuário, se um projeto experimental elimina ou controla as confusões. Nesse exemplo, o usuário introduz 910 informações sobre o experimento, inclusive as variáveis independentes e dependentes do experimento. O computador identifica 920 situações que podem produzir confusões no experimento. O usuário seleciona 930 as situações geradoras de confusão identificadas pelo computador que estão presentes no contexto do experimento. O computador instrui 940 o usuário para identificar as etapas empregadas para eliminar ou controlar as confusões identificadas. O computador determina 950 se a combinação das etapas é suficiente para eliminar as confusões no experimento.

A descrição anteriormente mencionada de várias modalidades da invenção foi apresentada com propósitos de ilustração e descrição. Elas não tem a intenção de serem completas ou até limitar a invenção à forma precisa apresentada. Muitas modificações e variações são possíveis à luz da instrução acima. Por exemplo, as modalidades da presente invenção podem ser implementadas em uma ampla variedade de aplicações. Entende-se que o escopo da invenção não seja limitado por essa descrição detalhada, mas sim pelas reivindicações aqui anexadas.

Claims (13)

1. MÉTODO PARA PROJETAR EXPERIMENTOS, caracterizado pelo fato de compreender a projeção de um experimento usando um computador, para implementação em uma rede de sinalização digital que compreende uma pluralidade de visualizadores dispostos em uma pluralidade de localizações publicas e que possam ser visualizados por uma multiplicidade de pessoas; a determinação, usando um computador, se a projeção do experimento elimina ou controla as variáveis de confusão no experimento; e a produção de uma saída baseada na determinação.

2. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que projetar o experimento compreende projetar o experimento usando o computador para selecionar uma ou mais variáveis independentes do experimento.

3. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que projetar o experimento compreende projetar o experimento usando o computador para ajudar um usuário na seleção de uma ou mais variáveis independentes do experimento.

4. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que projetar o experimento compreende projetar o experimento usando o computador para selecionar uma ou mais variáveis dependentes do experimento.

5. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que projetar o experimento compreende projetar o experimento usando o computador para formar pelo menos um de um grupo de controle e um grupo de tratamento do experimento.

6. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que projetar o experimento compreende projetar o experimento usando o computador para randomizar pelo menos um de um grupo de controle e um grupo de tratamento do experimento.

7. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que projetar o experimento compreende projetar o experimento usando o computador para ajudar um usuário na formação de pelo menos um de um grupo de controle e um grupo de tratamento do experimento.

8. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que projetar o experimento compreende projetar o experimento usando o computador para ajudar um usuário a randomizar pelo menos um de um grupo de controle e um grupo de tratamento do experimento.

9. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que projetar o experimento compreende projetar o experimento usando o computador para aplicar um bloqueio para reduzir os efeitos de uma ou mais variáveis de confusão do experimento.

10. SISTEMA PARA PROJETAR EXPERIMENTOS, caracterizado pelo fato de compreender um processador de projeto configurado projetar um experimento para implementação em uma rede de sinalização digital que compreende uma pluralidade de visualizadores dispostos em uma pluralidade de localizações publicas e que possam ser visualizados por uma multiplicidade de pessoas, o processador é configurado para determinar se a projeção do experimento elimina ou controla as variáveis de confusão no experimento; e um dispositivo de saída acoplado ao processador e configurado para produzir uma saída baseada na determinação feita pelo processador.

11. SISTEMA, de acordo com a reivindicação 10, caracterizado pelo fato de que o processador de projeto é configurado para aplicar um bloqueio para reduzir os efeitos de uma ou mais variáveis de confusão do experimento.

12. SISTEMA, de acordo com a reivindicação 10, caracterizado pelo fato de que compreende adicionalmente uma unidade de implementação configurada para executar o experimento.

13. SISTEMA, de acordo com a reivindicação 10, caracterizado pelo fato de que compreende adicionalmente uma unidade de análise configurada para analisar os resultados do experimento.