CN101809604A - 内容项定价 - Google Patents
内容项定价 Download PDFInfo
- Publication number
- CN101809604A CN101809604A CN200880108328A CN200880108328A CN101809604A CN 101809604 A CN101809604 A CN 101809604A CN 200880108328 A CN200880108328 A CN 200880108328A CN 200880108328 A CN200880108328 A CN 200880108328A CN 101809604 A CN101809604 A CN 101809604A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- cost
- turn
- click
- threshold value
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
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
-
- 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
- G06Q30/0273—Determination of fees for advertising
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Optical Head (AREA)
- Measurement Of Resistance Or Impedance (AREA)
Abstract
基于与广告相关联的一个或多个参数来确定用于广告的阈值测量。确定阈值测量是否超过过滤阈值。如果阈值测量超过过滤阈值则广告被推广,以及如果广告被推广则基于一个或多个参数和过滤阈值来确定用于广告的实际每次点击成本。
Description
相关申请的交叉引用
本申请要求在2007年8月8日提交的、题为“内容项定价”的美国临时专利申请序列号为60/954,722和在2007年8月10日提交的、题为内容项定价的美国专利申请序列号为11/836,960的优先权,在此通过引用合并其内容。
技术领域
本公开涉及信息检索。
背景技术
例如广告的内容项可以由搜索引擎响应于查询而识别。查询可以包括一个或多个搜索词语,以及搜索引擎可以基于例如在查询中的例如关键词的搜索词语和与内容项相关联的一个或多个参数来对内容项进行识别并排名。
在一些在线广告系统中,广告主以每次点击成本(cost-per-click)为根据来为其广告付费。广告主可以选择广告主乐意为广告的每一次点击而支付的最大每次点击成本。为识别的广告收取的每次点击成本可以基于评级或位置低于当前广告的其它广告和在拍卖过程中用于当前广告的点进率(click-through rate)来计算。
不只是基于(例如在当前广告之下的)其它广告来确定用于广告的实际每次点击成本可以导致广告收益的最优化。一些广告系统收取最大每次点击成本。然而,也可以使用其它最优化过程来选择待被显示的广告的子集和待被收取的实际每次点击成本。
发明内容
在此公开了用于对内容项进行过滤和定价的系统、方法和计算机程序产品。在一个实施方式中,基于与广告相关联的一个或多个参数来确定用于广告的阈值测量。确定阈值测量是否超过过滤阈值。如果阈值测量超过过滤阈值则广告被推广,以及如果广告被推广则基于一个或多个参数和过滤阈值来确定用于广告的实际每次点击成本。
在另一个实施方式中,接收一个或多个广告。广告每一个可以与一个或多个参数相关联。基于一个或多个参数来确定用于每一个广告的阈值测量,以及基于阈值测量和过滤阈值来过滤广告。
在另一个实施方式中,基于与广告相关联的一个或多个参数来确定用于广告的阈值测量。确定阈值测量是否超过过滤阈值,以及如果阈值测量超过过滤阈值则根据一个或多个参数和过滤阈值来计算用于广告的实际每次点击成本。
在另一个实施方式中,计算与广告相关联的第一分值。如果第一分值超过阈值,则确定与广告相关联的拍卖每次点击成本是否超过与广告相关联的保留每次点击成本。如果第一分值超过阈值并且拍卖每次点击成本超过保留每次点击成本,则向与广告相关联的广告主收取拍卖每次点击成本。如果第一分值超过阈值并且拍卖每次点击成本未超过保留每次点击成本,则向广告主收取保留每次点击成本。
在另一个实施方式中,系统包括:阈值引擎,其基于与广告相关联的一个或多个参数来确定用于广告的阈值测量,并且确定阈值测量是否超过过滤阈值;以及定价引擎,如果阈值测量超过过滤阈值则该定价引擎根据一个或多个参数来计算用于广告的实际每次点击成本。
附图说明
图1是在线广告系统的示例实施方式的框图。
图2是示例内容阈值系统的框图。
图3是示例过滤和排名表。
图4是用于对广告进行过滤并定价的示例过程的流程图。
图5是用于确定用于广告的实际每次点击成本的示例过程的流程图。
图6是用于对广告进行过滤并定价的另一个示例过程的流程图。
图7是用于对广告进行过滤并定价的另一个示例过程的流程图。
图8是可被利用来实现在此描述的系统和方法的示例计算机系统的示意图。
具体实施方式
图1是在线广告系统100的示例实施方式的框图。在一些实施方式中,一个或多个广告主102可以在广告系统104中直接或间接地输入、维护以及追踪广告(“ad”)信息。广告可以以下列形式:诸如横幅广告的图形广告、纯文本广告、图像广告、音频广告、视频广告、任何这样的组件的一个或多个组合的广告等。广告也可以包括嵌入式信息,诸如链接、元信息和/或机器可执行的指令。一个或多个发布者106可以向系统104提交对广告的请求。系统104通过(例如在相关联的发布被呈现时)将广告发送给发出请求的发布者106(或与发出请求的用户相关联的浏览器)以在发布者的所呈现的web所有物(例如网站和其它网络分发的内容)中的一个或多个上放置/协同定位来作出响应。虽然提及广告,但是可以由系统104提供其它内容项。
诸如用户108和广告主102的其他实体可以向系统104提供使用信息,诸如与广告有关的转换或点进是否已发生。
点进可以例如在用户设备的用户选择广告或在广告上点击时发生。点进率可以是通过以在广告或与广告相关联的链接上点击的用户数除以广告被递送的次数来获取的效果度量。例如,如果一个广告被递送了100次,并且三个人在该广告上进行了点击,则用于该广告的点进率是3%。
“转换”在用户例如完成与先前派发的广告有关的交易时发生。构成转换的内容可以根据情况而有所不同,并且能够以多种方式确定。
该使用信息可以包括与已派发的广告有关的被测量或观察到的用户行为。系统104执行金融交易,诸如基于使用信息向发布者106付费并且向广告主102收费。
诸如局域网(LAN)、广域网(WAN)、因特网或其组合的计算机网络110连接广告主102、系统104、发布者106和用户108。
发布者106的一个示例是常规内容服务器,其接收对内容(例如,文章、讨论话题、音乐、视频、图形、搜索结果、网页收录、信息馈送等)的请求,并且响应于请求检索所请求的内容。内容服务器可以将对广告的请求提交给系统104中的广告服务器。广告请求可以包括所期望的广告的数量。广告请求还可以包括内容请求信息。该信息可以包括内容本身(例如页面或其它内容文档)、与内容或内容请求相对应的类别(例如,艺术、商业、计算机、艺术-电影、艺术-音乐等)、内容请求的部分或全部、内容年龄、内容类型(例如,文本、图形、视频、音频、混合媒体等)、地理位置信息等。
在一些实施方式中,内容服务器可以将所请求的内容与由系统104提供的广告的一个或多个相组合。该组合的内容和广告可被发送给请求内容的用户108以在查看器(例如浏览器或其它内容显示系统)中展示。内容服务器可以将关于广告的信息传送回广告服务器,所述信息包括描述待如何、在何时和/或在何地呈现广告(例如以HTML或JavaScriptTM)的信息。
另一个示例发布者106是搜索服务。搜索服务可以接收对搜索结果的查询。作为响应,搜索服务可以从文档的索引(例如从网页的索引)检索相关搜索结果。在澳大利亚布里斯班举行的SeventhInternational World Wide Web Conference(第七届国际万维网会议)上S.Brin和L.Page发表的论文“The Anatomy of a Large-Scale HypertextualSearch Engine(剖析大规模超文本搜索引擎)”和美国专利No.6,285,999中描述了示例性搜索服务,在此通过引用合并两者每一个的全部内容。搜索结果可以包括例如网页标题的列表、从那些网页提取的文本的摘录以及指向那些网页的超文本链接,并且可以被分组入预定数量(例如10)的搜索结果中。
搜索服务可以将对广告的请求提交给系统104。请求可以包括所期望的广告的数量。该数量可以取决于搜索结果、由搜索结果占据的屏幕或页面空间量、广告的尺寸和形状等。在一些实施方式中,所期望的广告的数量将是从1至10或者从3至5。对广告的请求还可以包括(如被输入或被解析的)查询、基于查询的信息(诸如地理位置信息、查询是否来自会员和这样的会员的标识符)和/或与搜索结果相关联或者基于搜索结果的信息。这样的信息可以包括例如与搜索结果有关的标识符(例如文档标识符或“docID”)、与搜索结果有关的分值(例如信息检索(“IR”)分值)、从所识别的文档(例如网页)提取的文本的摘录、所识别的文档的全文、所识别的文档的特征向量等。在一些实施方式中,IR分值可以从例如与查询和文档相对应的特征向量的点积、页面排名分值和/或IR分值与页面排名分值的组合等来计算。
搜索服务可以将搜索结果与由系统104提供的广告的一个或多个相组合。该组合信息然后可被转发给请求内容的用户108。搜索结果可被维护为区别于广告,以免用户在付费广告和推测为中性的搜索结果之间产生混淆。
最后,搜索服务可以将与广告有关以及广告在何时、在何地和/或如何被呈现的信息传送回系统104。
如可从前述所理解的,广告管理系统104可以为诸如内容服务器和搜索服务的发布者106服务。系统104允许定向到由内容服务器或响应于由用户提供的搜索查询而派发的内容(例如文档)的广告的派发。例如,网络或互联网络可以包括响应于来自带有用于售卖的广告位的搜索服务的请求而派发定向广告的广告服务器。假设互联网络是万维网。搜索服务爬取大量或所有的内容。该内容的一些将包括可用的广告位(也被称为“储存库”)。更具体地,一个或多个内容服务器可以包括一个或多个文档。文档可以包括网页、电子邮件、内容、嵌入式信息(例如嵌入式媒体)、元信息和机器可执行的指令以及可用的广告位。被插入文档中的广告位中的广告可以在每次派发文档时改变或者替选地可以具有与给定文档的静态关联。
在一个实施方式中,广告系统104可以包括选择广告的拍卖过程。可以允许广告主对广告主乐意为广告的每一次点击而支付的金额进行选择或者出价,所述金额例如在例如用户在广告上点击时广告主支付的每次点击成本金额。在一个实施方式中,每次点击成本可以包括最大每次点击成本,例如广告主乐意为广告的每一次点击支付的最大金额。例如,广告主A、B、C均各自选择或出价了$1.00、$.60以及$.60的最大每次点击成本。广告主A将为每次点击支付的最大金额为$1.00,广告主B将为每次点击支付的最大金额为$.60,以及广告主C将为每次点击支付的最大金额为$.60。
诸如在搜索结果旁何处显示广告的广告的位置或排名可以是将每次点击成本乘以与广告相关联的点进率的函数。
在一个实施方式中,广告的排名可以通过将用于广告的最大每次点击成本乘以广告的点进率来确定。然后可以将广告以增加的或降低的排名的次序放置在其它广告之中。例如,假设广告主A、B、C的点进率分别是“10%”、“8%”和“3%”。广告A、B和C的排名可以根据每一个广告的最大估计每千次闪现成本(eCPM)来确定。可以如下来计算最大估计每千次闪现成本:
A:最大eCPM=CTR x最大每次点击成本=.10x$1.00.10=.1
B:最大eCPM=CTR x最大每次点击成本=.08x$.60=.048
C:最大eCPM=CTR x最大每次点击成本=.03x$.60=.018
可以以最大估计每千次闪现成本的降序来对广告主进行排名,如下:
1.A
2.B
3.C
在一些实施方式中,除非广告满足阈值否则广告不可以被推广。在一些实施方式中,推广广告可以包括将广告设在更明显的位置中。例如可以响应于搜索查询将广告放置在搜索结果上方。在一个实施方式中,推广广告包括向用户展示广告,而未被推广的广告不会向用户展示。可以例如根据下列公式来推广广告:
CTR*拍卖CPC>T
在一个实施方式中,拍卖每次点击成本是将广告的位置保持在下一个广告之上所必需的价格。为了确定拍卖每次点击成本,系统104可以确定将与在位置2中的广告主相等的排名给予在位置1中的广告主其必须支付的价格。然后系统104将例如$.01的预定金额加到该金额。广告的拍卖每次点击成本可以基于广告的点进率和在下面的广告的最大估计每千次闪现成本来确定。为了确定拍卖每次点击成本,系统104可以用在当前广告下面的广告的最大估计每千次闪现成本除以当前广告的点进率。然后系统104将例如$.01的预定金额加到该金额。最终金额为拍卖CPC。
在排名列表中的最后的广告主可以支付最小每次点击成本来保持在列表中的位置。例如,假设最小每次点击成本为$.20。可以如下来确定广告主A、B和C的拍卖每次点击成本:
A:(B的最大eCPM/A的点进率)/1000=(.048/.1)=$.48+$.01=$.49
B:(C的最大eCPM/B的点进率)/1000=(.018/.08)=$.23+$.01=$.24
C:最小每次点击成本=$.20
因此,A的拍卖每次点击成本为$.49,B的拍卖每次点击成本为$.24,以及C的拍卖每次点击成本为$.20。
如果阈值为.02,则根据上述公式CTR*拍卖CPC>T可以确定广告是否被推广,如下:
A:.1*$.49=.049>.02
B:.08*$.24=.0192不大于.02
C:.03*$.20=.006不大于.02
因此,在该示例中,因为广告A是超过阈值.02的唯一广告,所以广告A将是被推广的唯一广告。此后,向广告主A收取拍卖每次点击成本金额$.49。
在一些实施方式中,为了使收益最大化,广告系统104可以使用不同的公式来确定是否已满足阈值以确定为每一个广告收取的实际每次点击成本。
图2是示例内容过滤系统200的框图。内容过滤系统200可以例如在计算机设备或通过网络连接的一个或多个计算机设备中来实现,所述网络例如局域网(LAN)或诸如因特网的广域网(WAN)。内容过滤系统200可以例如在可以在计算系统中实现的广告系统104中来实现。一个或多个计算设备可以例如包括存储处理指令的存储设备以及用于执行处理指令的处理设备。参考图8示出并描述了一个示例计算系统。然而,也可以使用其它实施方式。
除对内容项进行过滤以限定有资格在展现环境中展现的内容项的子集外,内容过滤系统200可以确定与内容项的每一个相关联的实际每次点击成本。
内容过滤系统200可以例如对内容项进行过滤以选择已根据拍卖过程排名的内容项的子集。子集可以基于与各个广告相关联的参数来选择,所述参数例如每一个广告的每次点击成本和/或点进率。只有为所选择的子集的一部分的广告可以在展现环境中向用户显示。
内容过滤系统200可以例如包括过滤引擎202和内容项数据存储204。在一个实施方式中,内容项数据存储204可以包括诸如硬盘驱动的单一数据存储。在另一个实施方式中,内容数据存储204可以包括分布式数据存储,诸如通过网络分布的存储系统。然而,也可以使用其它实施方式。
在一个实施方式中,内容数据存储204可以存储一个或多个广告。在内容数据存储204中的每一个广告可以与一个或多个参数206、208和210相关联。参数206、208和210的每一个可以与效果度量相关联,例如点进率、转换、拍卖度量、每次点击成本等。在一个实施方式中,内容过滤系统200可以监测和/或评估与内容数据存储204中的内容项有关的效果数据。例如,内容数据存储204中的每一个广告的效果可以基于与广告相关联的效果度量来评估,所述效果度量诸如点进率、转换率或一些其它度量。在一个实施方式中,内容过滤系统200还可以监测和/或评估与内容数据存储204中的内容项有关的拍卖数据。内容数据存储204中的每一个广告可以基于与广告相关联的拍卖度量来评估,所述拍卖度量诸如每次点击成本。
在一个实施方式中,与广告相关联的每次点击成本可以是最大每次点击成本、拍卖每次点击成本或保留每次点击成本。如上所述,最大每次点击成本是广告主为在其广告上的一次点击将要支付的最大金额。如上所述,拍卖每次点击成本是将广告的位置保持在下一个广告之上所必需的价格。保留每次点击成本是向用户推广并显示广告所需的最小每次点击成本。
也可以使用诸如在着陆页面处的停留时间等的其它效果度量。效果度量可以是例如收益相关或非收益相关的。在另一个实施方式中,效果度量可以根据时间来解析,例如特定内容项的效果可能被确定为在周末非常高、在平日晚上中等,而在平日上午和下午非常低。
在一个实施方式中,过滤引擎202可以确定用于广告的阈值测量212。阈值测量212可被用来确定是否向用户显示(或推广)广告。可以将阈值测量212与选择的过滤阈值214进行比较以确定广告是否被选择为广告的子集中的一个。
在一个实施方式中,阈值测量212可以基于与广告相关联的一个或多个参数206、208和210来确定。阈值测量212可以例如单独使用参数206、208、210中的任何一个或者将其与例如指数函数的其它函数和变量组合来确定。阈值测量212可以例如使用参数点进率和每次点击成本来确定。
在另一个实施方式中,阈值测量212可以通过使质量分值自乘指数次并且将自乘指数次的质量分值乘以自乘指数次的最大每次点击成本来确定。例如,如果指数值是“x”和“y”,则阈值测量212可以根据以下公式来确定:
T_advertisement=QS_advertisement^x*max_CPC_advertisement^y
其中T_advertisement是阈值测量,QS_advertisement是广告的质量分值,以及max_CPC_advertisement是广告的最大每次点击成本。
质量分值可以是用于测量广告的质量和相关性以及确定最小每次点击成本的基础。质量分值可以例如由广告的点进率、广告文本的相关性、整体历史关键词效果以及在与广告相关联的着陆页面上的用户体验来确定。
在一个实施方式中,质量分值可以根据以下公式来计算:
QS_advertisement=CTR_advertisement^a*GoodClick_advertisement^b
其中QS_advertisement是广告的质量分值,CTR_advertisement是广告的点进率,以及GoodClick_advertisement是对如果用户在广告上点击则用户是否会喜欢与该广告相关联的站点的预测。
GoodClick_advertisement可以如在题为“Using estimated adqualities for ad filtering,ranking and promotion(将估计的广告质量用于广告过滤、排名以及推广)”的共同未决的美国申请序列号10/321,064中描述的来计算,以及在此通过引用被合并。
在另一个实施方式中,阈值测量212可以根据以下公式来确定:
T_advertisement=CTR_advertisement^x*max_CPC_advertisement^y
其中T_advertisement是阈值测量,CTR_advertisement是广告的点进率,以及max_CPC_advertisement是广告的最大每次点击成本。
在一个实施方式中,过滤引擎202可以确定阈值测量212是否超过过滤阈值214并且根据该确定来过滤广告。
在一个实施方式中,过滤引擎202可以例如基于与广告相关联的历史数据,并且通过选择产生例如期望的或最有希望的模拟数据的过滤阈值214和指数值,来确定过滤阈值214和指数值x和y。历史数据可以例如包括与广告相关联的参数的先前值。例如,历史数据可以包括与广告相关联的先前点进率。广告可以基于先前效果与一个或多个点进率相关联。例如,广告的点进率可以随着时间的推移改变并且增加或减少。历史数据还可以包括与广告相关联的先前质量分值。广告可以基于先前效果与一个或多个质量分值相关联。
历史数据还可以包括例如与广告相关联的先前每次点击成本。广告的每次点击成本可以例如随着时间的推移增加或减少。广告主可以例如决定是否降低或增加该广告主为在广告上的点击而将支付的金额。
基于与广告有关的历史数据来确定过滤阈值214和指数值可以例如包括生成模拟过滤阈值和模拟函数(例如x和y的指数值)。通过基于模拟过滤阈值和模拟指数值来生成模拟数据并且选择产生最有希望的/值得期望的模拟数据的过滤阈值214和指数值,过滤引擎202可以基于与广告有关的历史数据来确定过滤阈值214和指数值。过滤引擎202可以例如使用与广告相关联的历史数据来生成模拟数据216,所述与广告相关联的历史数据诸如先前点进率和每次点击成本,以及模拟过滤阈值和模拟指数值。模拟过滤阈值可以被用来模拟效果方案,其中将阈值测量212与模拟过滤阈值进行比较以确定模拟的阈值测量212是否超过模拟过滤阈值,以及生成期望的收益和质量估计。实际阈值和指数值x和y可以基于最大收益值和/或最大质量目标来选择。
例如,与未被过滤的广告的效果有关的历史数据的训练集可以被利用来基于模拟的过滤阈值和指数值生成模拟方案。过滤后的广告的效果可以被建模来估计收益或质量增益。例如,可以对在缺乏被实际选择的广告的情况下被选择的广告的概率上的变化建模;可以对在存在未被实际选择的其它广告的情况下被选择的广告的概率上的变化建模;等等。
在一个实施方式中,过滤引擎202可以将模拟数据与历史数据进行比较,并且基于该比较来使过滤阈值214和指数值x和y最优化。例如,过滤引擎202可以基于该比较执行迭代模拟来使过滤阈值最优化。使过滤阈值最优化可以包括例如调整过滤阈值214,使得更少或更多的广告被过滤。迭代模拟可以被利用来估计收益增益或质量增益中的一个或多个。
在一个实施方式中,可以在任何时间改变过滤阈值214的值。例如,可以每周、每月、两月一次等地改变过滤阈值。在一个实施方式中,过滤阈值214的值可以根据广告主的预算使用来改变。例如,广告主可以指定预算来指示在某一时间量内广告或宣传活动上要花费的金钱的最大金额。例如,第一广告主可以选择为宣传活动每月支付第一金额;第二广告主可以选择为宣传活动每月支付第二金额。
如果与根据过滤阈值214未被过滤的广告有关的广告主预算被耗尽,则用于显示的有资格广告数量可以同样被耗尽。因此,过滤引擎202可以例如在这种情况下调整过滤阈值214以允许更大数量的广告变得有资格用于显示。
在一个实施方式中,如果广告的阈值测量212超过过滤阈值214,则过滤引擎202可以推广该广告。推广广告允许过滤引擎202在内容项展示环境222中显示广告。不具有超过过滤阈值214的阈值测量212的广告不可以被推广,并且将不会在环境222中被显示。
在一个实施方式中,在广告被推广后可以根据广告的最大估计每千次闪现成本来对广告进行排名。最大估计每千次闪现成本可以使用一个或多个参数206、208和210来确定。最大估计每千次闪现成本可以例如如上所述通过将与广告相关联的点进率乘以与广告相关联的最大每次点击成本来确定。在一个实施方式中,然后可以将该结果乘以1000。例如可以将最大估计每千次闪现成本与同样具有超过过滤阈值214的阈值测量212的其它广告的最大估计每千次闪现成本进行比较,并且可以由排名引擎220根据最大估计每千次闪现成本对广告进行排名。可以在例如web浏览器页面的内容项展示环境222中示出排名的广告。可以按照每一个广告的最大估计每千次闪现成本的降序顺序对广告进行排名。用户在展示环境222中采取的行为可以影响参数206、208和210的一个或多个,并且因此影响随后的排名或展示。
在一个实施方式中,定价引擎216可以基于一个或多个参数206、208和210以及过滤阈值来确定用于广告的实际每次点击成本。如果广告被推广则可以确定实际每次点击成本。实际每次点击成本可以例如是一旦广告被推广向与该广告相关联的广告主收取的金额。
在一个实施方式中,确定实际每次点击成本包括识别与广告相关联的拍卖每次点击成本。拍卖每次点击成本可以是将广告的位置保持在下一个更低评级的广告之上所必需的价格。为了确定拍卖每次点击成本,定价引擎216可以确定将与在位置2中的广告主相等的排名给予在位置1中的广告主其必须支付的价格。然后定价引擎将例如$.01的预定金额加到该金额。广告的拍卖每次点击成本可以例如基于广告的点进率和在下面的广告的最大估计每千次闪现成本来确定。为了确定拍卖每次点击成本,定价引擎216可以用在当前广告下面的广告的最大估计每千次闪现成本除以当前广告的点进率,并且将预定金额加到(例如加上$.01)该金额。最终金额为拍卖每次点击成本。
在一个实施方式中,在用在当前广告下面的广告的最大估计每千次闪现成本除以当前广告的点进率后,然后用该数字除以1000。定价引擎216然后可以将$.01加到该金额。在一个实施方式中,如果没有广告主存在于当前广告主之下,则当前广告主的拍卖每次点击成本是由定价引擎216设置的最小每次点击成本。在另一个实施方式中,无论广告是否被推广,可以为每个广告计算拍卖每次点击成本。在一个实施方式中,如果拍卖每次点击成本低于由定价引擎216设置的最小每次点击成本,则向广告主收取最小每次点击成本。
在一个实施方式中,确定实际每次点击成本包括识别与广告相关联的保留每次点击成本。保留每次点击成本是推广广告所需的最小金额。定价引擎216可以通过用过滤阈值214除以广告的点进率来计算保留每次点击成本。然后定价引擎216将第二预定金额(例如$.01)加到该金额。该最终金额为保留每次点击成本。
在一个实施方式中,定价引擎216可以将拍卖每次点击成本和保留每次点击成本中的较大者选择为用于广告的实际每次点击成本。如将在下面描述的,每次用户在广告主106的广告上点击时可以向与广告相关联的广告主106收取拍卖每次点击成本和保留每次点击成本中的较大者,例如实际每次点击成本。
图3是示例过滤和排名表300。表300描述了对广告AD1、AD2和AD3的过滤和定价,并且基于一个或多个参数,例如如在点进率列302、最大CPC列304、QS列306、最大eCPM列308、拍卖CPC列310、保留CPC列312和实际CPC列314中所指示的点进率、最大每次点击成本、质量分值、最大估计每千次闪现成本、拍卖每次点击成本、保留每次点击成本和实际每次点击成本。
如图3中所示,广告AD1、AD2和AD3分别具有10%、8%和3%的对应的点进率、分别具有$1.00、$.60和$0.60的对应的最大每次点击成本率以及.1、.08和.03的对应的质量分值。可以为广告AD1-AD3中的每一个确定如在阈值测量列316中所列出的阈值测量。阈值测量可以例如基于参数质量分值和最大每次点击成本参数来确定,例如QS^x*max_CPC^y。在该示例中,x和y为“1”。
过滤引擎202可以例如确定用于每一个广告的阈值测量是否超过在过滤阈值列318中列出的过滤阈值。可以将用于AD1-AD3的阈值测量的每一个针对过滤阈值进行比较以确定哪些广告具有超过过滤阈值的阈值测量。在该示例中,广告AD1和AD2具有超过过滤阈值.02的阈值测量,例如0.1(.10^1*1.00^1)和.048(.08^1*.60^1),以及广告AD3具有未超过过滤阈值.02的阈值测量,例如.018(.03^1*.60^1)。因此,如由推广列320所指示,广告AD1和AD2被推广。
在一些实施方式中,过滤引擎202可以基于一个或多个参数对广告进行排名。例如,排名引擎220可以基于最大eCPM(CTR*最大CPC)来对所有广告进行排名,该最大eCPM的值在最大eCPM列308中示出。在该示例中,质量分值与每一个广告的点进率相同。因此可以对广告AD1-AD2进行排名。AD1的eCPM为.1(.10*1.00)。AD2的eCPM为.048(.08*.60)。由于AD1的eCPM例如.1高于AD2的eCPM例如.048,因此将AD1排名第一。然而,由于广告AD3不具有超过过滤阈值的阈值测量而将广告AD3过滤出最终展示过程,只有广告AD1和AD2被排名并且向用户展示。然而,如下所述,由于AD3的eCPM被用来确定用于AD2的拍卖每次点击成本,所以AD3的eCPM可以被计算。AD3的eCPM为.018(.03*.60)。
在一些实施方式中,在过滤引擎202确定哪些广告具有超过过滤阈值的阈值测量并且因此得到推广后,定价引擎216可以基于一个或多个参数和过滤阈值来确定广告的实际每次点击成本。例如,定价引擎216可以计算如在列310中所列出的拍卖每次点击成本和如在列312中所列出的保留每次点击成本,并且将两者中的较高者选择为如在列314中所列出的实际每次点击成本。
定价引擎216可以通过例如用AD2的eCPM除以AD1的点进率来计算AD1的拍卖每次点击成本310。定价引擎然后可以加上预定金额(例如$.01)来计算拍卖CPC。AD1的拍卖每次点击成本为$.49((.048/.1)+$.01)。AD2的拍卖每次点击成本可以以相同方式来计算。AD2的拍卖每次点击成本为$.24((.018/.08)+$.01)。
定价引擎216可以通过用过滤阈值除以广告的点进率并且加上预定金额($.01)来确定保留每次点击成本。AD1的保留每次点击成本被计算为$.21((.02/.1)+$.01)。AD2的保留每次点击成本被计算为$.26((.02/.08)+$.01)。
在一个实施方式中,定价引擎216可以将拍卖每次点击成本和保留每次点击成本中的较大者选择为用于向每一个广告的广告主收费的实际每次点击成本。在该示例中,对于AD1,拍卖每次点击成本例如$.49高于保留每次点击成本例如$.21。因此,用于AD1的实际每次点击成本为拍卖每次点击成本$.49。对于AD2,拍卖每次点击成本例如$.24未高于保留每次点击成本例如$.26。因此,AD2的实际每次点击成本为保留每次点击成本$.26。
响应于触发事件可以对在过滤阈值列318中的过滤阈值进行调整。例如,触发事件可以是例如每月的时间周期;触发事件可以是降至收益指标之下,例如广告系统并未实现每周的收益目标;触发事件可以基于最小数量的广告的可用性;或一些其它事件。
图4是用于对广告进行过滤并定价的示例过程400的流程图。过程400可以例如在诸如图2的内容过滤系统200的系统中来实现。
阶段402基于与广告相关联的一个或多个参数来确定用于该广告的阈值测量。例如,过滤引擎202可以基于与广告相关联的一个或多个参数,例如基于QS^x*max_CPC^y的计算,来计算用于该广告的阈值测量。阶段404确定阈值测量是否超过过滤阈值。例如,过滤引擎202可以确定阈值测量是否超过过滤阈值。在阶段406,如果阈值测量超过过滤阈值,则推广该广告。例如,如果阈值测量超过过滤阈值,则过滤引擎220可以推广该广告。在阶段408,如果该广告被推广,则基于一个或多个参数和过滤阈值来确定用于该广告的实际每次点击成本。例如,如果该广告被推广,则定价引擎可以基于一个或多个参数和过滤阈值来确定用于该广告的实际每次点击成本。
图5是用于如果广告被推广则基于一个或多个参数来确定用于该广告的实际每次点击成本的示例过程500。过程500可以例如在诸如图2的内容过滤系统200的系统中来实现。
阶段502计算拍卖每次点击成本。例如,定价引擎216可以计算拍卖每次点击成本。阶段504计算保留每次点击成本。例如,定价引擎216可以计算保留每次点击成本。阶段506将拍卖每次点击成本和保留每次点击成本中的较大者选择为用于广告的实际每次点击成本。例如,定价引擎216可以将拍卖每次点击成本和保留每次点击成本中的较大者选择为用于广告的实际每次点击成本。
图6是用于对广告进行过滤并定价的另一个示例过程600。过程600可以例如在诸如图2的内容过滤系统200的系统中来实现。
阶段602基于与广告相关联的一个或多个参数来确定用于该广告的阈值测量。例如,过滤引擎202可以基于与广告相关联的一个或多个参数来确定用于该广告的阈值测量。阶段604确定阈值测量是否超过过滤阈值。例如,过滤引擎202可以确定阈值测量是否超过过滤阈值。在阶段606,如果阈值测量超过过滤阈值,则根据一个或多个参数和过滤阈值来计算用于该广告的实际每次点击成本。例如,如果阈值测量超过过滤阈值,则定价引擎216可以根据一个或多个参数和过滤阈值来计算用于该广告的实际每次点击成本。
图7是用于对广告进行过滤并定价的另一个示例过程700。过程700可以例如在诸如图2的内容过滤系统200的系统中来实现。
阶段702计算与广告相关联的第一分值。例如,定价引擎216可以计算与广告相关联的第一分值。阶段704确定与该广告相关联的拍卖每次点击成本是否超过与该广告相关联的保留每次点击成本(例如,如果第一分值超过阈值)。例如,如果第一分值超过阈值,则定价引擎216可以确定与该广告相关联的拍卖每次点击成本是否超过与该广告相关联的保留每次点击成本。在阶段706,如果第一分值超过阈值并且拍卖每次点击成本超过保留每次点击成本,则向与该广告相关联的广告主收取拍卖每次点击成本。例如,如果第一分值超过阈值并且拍卖每次点击成本超过保留每次点击成本,则定价引擎216可以向与该广告相关联的广告主收取拍卖每次点击成本。在阶段708,如果第一分值超过阈值并且拍卖每次点击成本未超过保留每次点击成本,则向广告主收取保留每次点击成本。例如,如果第一分值超过阈值并且拍卖每次点击成本未超过保留每次点击成本,则定价引擎216可以向广告主收取保留每次点击成本。
图8是示例计算机系统800的框图。系统800包括处理器810、存储器820、存储设备830以及输入/输出设备840。使用系统总线850可以将组件810、820、830和840中的每一个相互连接。处理器810能够处理用于在系统800内执行的指令。在一个实施方式中,处理器810是单线程处理器。在另一个实施方式中,处理器810是多线程处理器。处理器810能够处理存储在存储器820中或存储设备830上的指令。
存储器820存储在系统800内的信息。在一个实施方式中,存储器820是计算机可读介质。在一个实施方式中,存储器820是易失性存储器单元。在另一个实施方式中,存储器820是非易失性存储器单元。
存储设备830能够为系统800提供海量存储。在一个实施方式中,存储设备830是计算机可读介质。在各种不同的实施方式中,存储设备830可以例如包括硬盘设备、光盘设备或一些其它大容量存储设备。
输入/输出设备840为系统800提供输入/输出操作。在一个实施方式中,输入/输出设备840可以包括例如以太网卡的网络接口设备、例如RS-232端口的串行通信设备和/或例如802.11卡的无线接口设备中的一个或多个。在另一个实施方式中,输入/输出设备可以包括被配置为接收输入数据并且将输出数据发送至其它输入/输出设备的驱动器设备,例如键盘、打印机和显示设备860。然而,也可以使用其它的实施方式,诸如移动计算设备、移动通信设备、机顶盒电视客户端设备等。
尽管在上面的描述涉及诸如广告的内容项,但是诸如视频和/或音频文件、关于特定主题的网页、新闻文章等的内容项也可以被使用。例如,如果用户在一个视频文件上进行了点击,则该视频文件的所有者或发布者也可以在每次用户在该视频文件上点击时产生收益。根据与视频文件相关联的一个或多个参数也可以为该视频文件确定阈值测量,例如该视频文件的点进率和/或每次点击成本。
在该专利文档中描述的装置、方法、流程图和结构化框图可以在包括程序代码的计算机处理系统中实现,该程序代码包括由计算机处理系统可执行的程序指令。还可以使用其它实施方式。另外,还可以利用在该专利文档中描述的流程图和结构化框图来实现相应的软件结构和算法以及其等价物,所述流程图和结构化框图描述了特定方法和/或支持步骤的相应动作和支持公开的结构化装置的相应功能。
所写的描述阐述了本发明的最佳模式并且提供了描述本发明的示例使得本领域技术人员能够制造和使用本发明。所写的描述并非将本发明限制在所阐明的精确的术语。因此,虽然已经参考上面阐明的示例详细描述了本发明,但是本领域技术人员可以在不背离本发明的范围的情况下,对示例进行变更、修改和变化。
Claims (30)
1.一种方法,包括:
基于与广告相关联的一个或多个参数来确定用于所述广告的阈值测量;
确定所述阈值测量是否超过过滤阈值;
如果所述阈值测量超过所述过滤阈值,则推广所述广告;以及
如果所述广告被推广,则基于所述一个或多个参数和所述过滤阈值来确定用于所述广告的实际每次点击成本。
2.如权利要求1所述的方法,其中所述一个或多个参数与效果度量或拍卖度量相关联。
3.如权利要求1所述的方法,其中至少一个参数是质量分值。
4.如权利要求3所述的方法,其中至少一个参数是每次点击成本。
5.如权利要求4所述的方法,其中所述每次点击成本是最大每次点击成本、拍卖每次点击成本和保留每次点击成本中的一个。
6.如权利要求5所述的方法,其中所述阈值测量基于所述最大每次点击成本自乘第一指数次与所述质量分值自乘第二指数次的乘积。
7.如权利要求1所述的方法,其中如果所述广告被推广则基于所述一个或多个参数来确定用于所述广告的实际每次点击成本包括;
识别所述拍卖每次点击成本;
识别所述保留每次点击成本;以及
将所述拍卖每次点击成本和所述保留每次点击成本中的较大者选择为用于所述广告的所述实际每次点击成本。
8.如权利要求7所述的方法,其中所述保留每次点击成本基于超过所述过滤阈值所需的最小每次点击成本。
9.一种方法,包括:
基于与广告相关联的一个或多个参数来确定用于所述广告的阈值测量;
确定所述阈值测量是否超过过滤阈值;以及
如果所述阈值测量超过所述过滤阈值,则根据所述一个或多个参数和所述过滤阈值来计算用于所述广告的实际每次点击成本。
10.如权利要求9所述的方法,其中所述一个或多个参数与效果度量和拍卖度量相关联。
11.如权利要求9所述的方法,其中至少一个参数是质量分值。
12.如权利要求11所述的方法,其中至少一个参数是每次点击成本。
13.如权利要求12所述的方法,其中所述每次点击成本是最大每次点击成本、拍卖每次点击成本和保留每次点击成本中的一个。
14.如权利要求13所述的方法,其中基于与广告相关联的一个或多个参数来确定用于所述广告的阈值测量包括:
基于所述最大每次点击成本自乘第一指数次与所述质量分值自乘第二指数次的乘积来计算所述阈值测量;以及
如果所述阈值测量超过所述过滤阈值,则推广所述广告。
15.如权利要求13所述的方法,其中如果所述阈值测量超过所述过滤阈值则根据所述一个或多个参数来计算用于所述广告的实际每次点击成本包括:
识别所述拍卖每次点击成本;
识别所述保留每次点击成本;以及
将所述拍卖每次点击成本和所述保留每次点击成本中的较大者选择为用于所述广告的所述实际每次点击成本。
16.如权利要求15所述的方法,其中所述保留每次点击成本基于超过所述过滤阈值所需的最小每次点击成本。
17.一种方法,包括:
计算与广告相关联的第一分值;
如果所述第一分值超过阈值,则确定与所述广告相关联的拍卖每次点击成本是否超过与所述广告相关联的保留每次点击成本;
如果所述第一分值超过所述阈值并且所述拍卖每次点击成本超过所述保留每次点击成本,则向与所述广告相关联的广告主收取所述拍卖每次点击成本;以及
如果所述第一分值超过所述阈值并且所述拍卖每次点击成本未超过所述保留每次点击成本,则向所述广告主收取所述保留每次点击成本。
18.如权利要求17所述的方法,其中所述第一分值基于与所述广告相关联的一个或多个参数。
19.如权利要求18所述的方法,其中至少一个参数是质量分值。
20.如权利要求19所述的方法,其中至少一个参数是每次点击成本。
21.如权利要求20所述的方法,其中所述每次点击成本是最大每次点击成本、拍卖每次点击成本和保留每次点击成本中的一个。
22.如权利要求20所述的方法,其中计算与广告相关联的第一分值包括:
以所述最大每次点击成本自乘第一指数次乘以所述质量分值自乘第二指数次。
23.如权利要求21所述的方法,其中如果所述第一分值超过阈值则确定与所述广告相关联的拍卖每次点击成本是否超过与所述广告相关联的保留每次点击成本包括:
基于所述一个或多个参数识别所述拍卖每次点击成本;以及
基于所述一个或多个参数识别所述保留每次点击成本。
24.一种系统,包括:
阈值引擎,所述阈值引擎基于与广告相关联的一个或多个参数来确定用于所述广告的阈值测量,并且确定所述阈值测量是否超过过滤阈值;以及
定价引擎,如果所述阈值测量超过所述过滤阈值,则所述定价引擎根据所述一个或多个参数来计算用于所述广告的实际每次点击成本。
25.如权利要求24所述的系统,其中所述一个或多个参数与效果度量和拍卖度量相关联。
26.如权利要求25所述的系统,其中至少一个参数是质量分值。
27.如权利要求26所述的系统,其中至少一个参数是每次点击成本。
28.如权利要求27所述的系统,其中所述每次点击成本是最大每次点击成本、拍卖每次点击成本和保留每次点击成本中的一个。
29.如权利要求28所述的系统,其中所述阈值引擎:
基于所述最大每次点击成本自乘第一指数次与所述质量分值自乘第二指数次的乘积来计算所述阈值测量,并且如果所述阈值测量超过所述过滤阈值则推广所述广告。
30.一种系统,包括:
用于基于与广告相关联的一个或多个参数来确定用于所述广告的阈值测量的装置;
用于确定所述阈值测量是否超过过滤阈值的装置;
用于如果所述阈值测量超过所述过滤阈值则推广所述广告的装置;以及
用于如果所述广告被推广则基于所述一个或多个参数来确定用于所述广告的实际每次点击成本的装置。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US95472207P | 2007-08-08 | 2007-08-08 | |
US60/954,722 | 2007-08-08 | ||
US11/836,960 | 2007-08-10 | ||
US11/836,960 US20090043649A1 (en) | 2007-08-08 | 2007-08-10 | Content Item Pricing |
PCT/US2008/072665 WO2009061535A2 (en) | 2007-08-08 | 2008-08-08 | Content item pricing |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101809604A true CN101809604A (zh) | 2010-08-18 |
Family
ID=40347389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200880108328A Pending CN101809604A (zh) | 2007-08-08 | 2008-08-08 | 内容项定价 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20090043649A1 (zh) |
EP (1) | EP2186051A4 (zh) |
JP (1) | JP5656632B2 (zh) |
CN (1) | CN101809604A (zh) |
AU (1) | AU2008325056A1 (zh) |
BR (1) | BRPI0815603A2 (zh) |
CA (1) | CA2695778C (zh) |
WO (1) | WO2009061535A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102402758A (zh) * | 2010-09-19 | 2012-04-04 | 百度在线网络技术(北京)有限公司 | 一种用于生成推广账户的建议预算的方法与设备 |
CN102479367A (zh) * | 2010-11-30 | 2012-05-30 | 百度(中国)有限公司 | 一种用于确定网络推广资源的保留价格的方法和设备 |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8160923B2 (en) * | 2007-11-05 | 2012-04-17 | Google Inc. | Video advertisements |
US8402025B2 (en) | 2007-12-19 | 2013-03-19 | Google Inc. | Video quality measures |
US20090171728A1 (en) * | 2007-12-27 | 2009-07-02 | Yan Tak W | Simulation framework for evaluating designs for sponsored search markets |
US20090177537A1 (en) * | 2008-01-07 | 2009-07-09 | Google Inc. | Video advertisement pricing |
US20090187479A1 (en) * | 2008-01-22 | 2009-07-23 | Microsoft Corporation | Conversion tracking for paid search market |
US20090254414A1 (en) * | 2008-04-07 | 2009-10-08 | Michael Schwarz | Method and system for managing advertisement quality of sponsored advertisements |
US20090327029A1 (en) * | 2008-06-25 | 2009-12-31 | Yahoo! Inc. | Systems and Methods for Utilizing Normalized Impressions To Optimize Digital Ads |
US8209715B2 (en) * | 2008-11-14 | 2012-06-26 | Google Inc. | Video play through rates |
US8260680B2 (en) * | 2008-12-18 | 2012-09-04 | Yahoo! Inc. | System and method for a data driven meta-auction mechanism for sponsored search |
JP5139397B2 (ja) * | 2009-10-20 | 2013-02-06 | ヤフー株式会社 | 広告配信装置及び方法 |
US8380570B2 (en) * | 2009-10-27 | 2013-02-19 | Yahoo! Inc. | Index-based technique friendly CTR prediction and advertisement selection |
DE202010016472U1 (de) | 2009-12-15 | 2011-03-24 | Isensee, Gerrit Ragnar Ulrich Friedrich, Maspalomas | Modul zur Simulation einer belegten Sitzkontaktmatte in Fahrzeugen |
CN103310354A (zh) * | 2012-03-08 | 2013-09-18 | 阿里巴巴集团控股有限公司 | 引流质量确定方法及装置、推广信息的投放方法及装置 |
US8612274B2 (en) * | 2012-04-30 | 2013-12-17 | Yahoo! Inc. | Pricing engine revenue evaluation |
US10482494B2 (en) | 2012-06-14 | 2019-11-19 | Lotlinx Canada Manitoba, Inc. | Steering distributions for connections from online campaigns of uniquely identifiable objects (UIOs) based on predicted distributions |
US10089649B1 (en) | 2012-06-14 | 2018-10-02 | Long Tail Ventures, Inc. | Advertising of uniquely identifiable objects |
US10430824B1 (en) * | 2012-07-25 | 2019-10-01 | Groupon, Inc. | Reimpression promotion system |
US20140058827A1 (en) * | 2012-08-27 | 2014-02-27 | Andrey SVIRSKY | Method and apparatus for optimizing the delivery of display advertising impressions |
US20140089082A1 (en) * | 2012-09-21 | 2014-03-27 | Xerox Corporation | Method and system for online advertising |
US20140324602A1 (en) * | 2013-04-28 | 2014-10-30 | Google Inc. | Managing distribution parameter utilization |
JP6294115B2 (ja) * | 2014-03-20 | 2018-03-14 | ヤフー株式会社 | 広告配信システム、広告配信管理装置、広告配信管理方法および広告配信管理プログラム |
US10089409B2 (en) | 2014-04-29 | 2018-10-02 | Microsoft Technology Licensing, Llc | Event-triggered data quality verification |
US10877955B2 (en) | 2014-04-29 | 2020-12-29 | Microsoft Technology Licensing, Llc | Using lineage to infer data quality issues |
US20160078490A1 (en) * | 2014-09-15 | 2016-03-17 | Steve Tumen | Systems and Methods for Monetizing Online Advertising by Users |
CN104331823B (zh) * | 2014-11-19 | 2018-03-23 | 北京奇虎科技有限公司 | 确定发布信息中关键词保留价格的方法及装置 |
WO2017004866A1 (zh) * | 2015-07-09 | 2017-01-12 | 华为技术有限公司 | 一种广告价值确定方法及装置 |
JP6703822B2 (ja) * | 2015-11-27 | 2020-06-03 | ヤフー株式会社 | 選択装置、選択方法、及び選択プログラム |
US10877649B2 (en) * | 2017-03-21 | 2020-12-29 | Ricoh Company, Ltd. | Browsing system, browsing method, and information processing apparatus |
CN111782926B (zh) * | 2019-04-04 | 2024-04-09 | 北京沃东天骏信息技术有限公司 | 用于数据交互的方法、装置、存储介质及电子设备 |
US11934399B2 (en) * | 2021-08-30 | 2024-03-19 | The Nielsen Company (Us), Llc | Method and system for estimating the cardinality of information |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6029A (en) * | 1849-01-16 | Method of directing the scoops in dredging machines | ||
US7003A (en) * | 1850-01-08 | Method oe counterbalancing sash by means of a heavy weight | ||
US7007A (en) * | 1850-01-08 | Improvement in machinery for making cotton cordage | ||
US5724521A (en) * | 1994-11-03 | 1998-03-03 | Intel Corporation | Method and apparatus for providing electronic advertisements to end users in a consumer best-fit pricing manner |
US5740549A (en) * | 1995-06-12 | 1998-04-14 | Pointcast, Inc. | Information and advertising distribution system and method |
US6026368A (en) * | 1995-07-17 | 2000-02-15 | 24/7 Media, Inc. | On-line interactive system and method for providing content and advertising information to a targeted set of viewers |
US5848397A (en) * | 1996-04-19 | 1998-12-08 | Juno Online Services, L.P. | Method and apparatus for scheduling the presentation of messages to computer users |
US5948061A (en) * | 1996-10-29 | 1999-09-07 | Double Click, Inc. | Method of delivery, targeting, and measuring advertising over networks |
US6078914A (en) * | 1996-12-09 | 2000-06-20 | Open Text Corporation | Natural language meta-search system and method |
US6144944A (en) * | 1997-04-24 | 2000-11-07 | Imgis, Inc. | Computer system for efficiently selecting and providing information |
US6044376A (en) * | 1997-04-24 | 2000-03-28 | Imgis, Inc. | Content stream analysis |
US7039599B2 (en) * | 1997-06-16 | 2006-05-02 | Doubleclick Inc. | Method and apparatus for automatic placement of advertising |
US6167382A (en) * | 1998-06-01 | 2000-12-26 | F.A.C. Services Group, L.P. | Design and production of print advertising and commercial display materials over the Internet |
JP3389948B2 (ja) * | 1998-11-27 | 2003-03-24 | 日本電気株式会社 | 表示広告選択システム |
US6985882B1 (en) * | 1999-02-05 | 2006-01-10 | Directrep, Llc | Method and system for selling and purchasing media advertising over a distributed communication network |
US6907566B1 (en) * | 1999-04-02 | 2005-06-14 | Overture Services, Inc. | Method and system for optimum placement of advertisements on a webpage |
US6269361B1 (en) * | 1999-05-28 | 2001-07-31 | Goto.Com | System and method for influencing a position on a search result list generated by a computer network search engine |
US6401075B1 (en) * | 2000-02-14 | 2002-06-04 | Global Network, Inc. | Methods of placing, purchasing and monitoring internet advertising |
US7136875B2 (en) * | 2002-09-24 | 2006-11-14 | Google, Inc. | Serving advertisements based on content |
US7693827B2 (en) * | 2003-09-30 | 2010-04-06 | Google Inc. | Personalization of placed content ordering in search results |
US8341017B2 (en) * | 2004-01-09 | 2012-12-25 | Microsoft Corporation | System and method for optimizing search result listings |
US20060026063A1 (en) * | 2004-07-30 | 2006-02-02 | Collins Robert J | System and method for advertising campaign strategy development and optimization |
US20060122879A1 (en) * | 2004-12-07 | 2006-06-08 | O'kelley Brian | Method and system for pricing electronic advertisements |
US7627515B2 (en) * | 2005-06-28 | 2009-12-01 | Microsoft Corporation | Price determination for items of low demand |
US20070038508A1 (en) * | 2005-08-10 | 2007-02-15 | Microsoft Corporation | Normalized click-through advertisement pricing |
US8370197B2 (en) * | 2005-09-30 | 2013-02-05 | Google Inc. | Controlling the serving of advertisements, such as cost per impression advertisements for example, to improve the value of such serves |
US20070150348A1 (en) * | 2005-12-22 | 2007-06-28 | Hussain Muhammad M | Providing and using a quality score in association with the serving of ADS to determine page layout |
US20080004962A1 (en) * | 2006-06-30 | 2008-01-03 | Muthukrishnan Shanmugavelayuth | Slot preference auction |
-
2007
- 2007-08-10 US US11/836,960 patent/US20090043649A1/en not_active Abandoned
-
2008
- 2008-08-08 BR BRPI0815603-4A2A patent/BRPI0815603A2/pt not_active IP Right Cessation
- 2008-08-08 JP JP2010520331A patent/JP5656632B2/ja active Active
- 2008-08-08 CA CA2695778A patent/CA2695778C/en active Active
- 2008-08-08 CN CN200880108328A patent/CN101809604A/zh active Pending
- 2008-08-08 AU AU2008325056A patent/AU2008325056A1/en not_active Abandoned
- 2008-08-08 WO PCT/US2008/072665 patent/WO2009061535A2/en active Application Filing
- 2008-08-08 EP EP08846517A patent/EP2186051A4/en not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102402758A (zh) * | 2010-09-19 | 2012-04-04 | 百度在线网络技术(北京)有限公司 | 一种用于生成推广账户的建议预算的方法与设备 |
CN102479367A (zh) * | 2010-11-30 | 2012-05-30 | 百度(中国)有限公司 | 一种用于确定网络推广资源的保留价格的方法和设备 |
CN102479367B (zh) * | 2010-11-30 | 2016-05-04 | 百度(中国)有限公司 | 一种用于确定网络推广资源的保留价格的方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2009061535A3 (en) | 2009-09-11 |
JP2010536103A (ja) | 2010-11-25 |
US20090043649A1 (en) | 2009-02-12 |
CA2695778A1 (en) | 2009-05-14 |
EP2186051A2 (en) | 2010-05-19 |
CA2695778C (en) | 2017-06-27 |
JP5656632B2 (ja) | 2015-01-21 |
BRPI0815603A2 (pt) | 2015-03-03 |
WO2009061535A2 (en) | 2009-05-14 |
EP2186051A4 (en) | 2012-06-06 |
AU2008325056A1 (en) | 2009-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101809604A (zh) | 内容项定价 | |
CN102934139B (zh) | 以用户为中心的实时广告竞价 | |
US7734502B1 (en) | Ad server system with click fraud protection | |
US8392246B2 (en) | Advertiser ad review | |
US8392241B2 (en) | Publisher ad review | |
US8671016B2 (en) | Methods and apparatus for advertising via computer networks and websites | |
US20070260515A1 (en) | Method and system for pacing online advertisement deliveries | |
US20130262219A1 (en) | Method and Apparatus for Advertising Bidding | |
US20090171763A1 (en) | System and method for online advertising driven by predicting user interest | |
US20120303418A1 (en) | Dynamic pricing of access to content where pricing varies with user behavior over time to optimize total revenue and users are matched to specific content of interest | |
CN105431875A (zh) | 搜索引擎营销优化器 | |
CN101331510A (zh) | 基于预算的广告放置 | |
CN104657879A (zh) | 基于用户参与的根据上下文的用于无保障递送的自动定价 | |
CN111095330B (zh) | 用于预测在线用户交互的机器学习方法和系统 | |
CN101727643A (zh) | 用来在发布馈送中提供广告列表变化的方法 | |
US20100257022A1 (en) | Finding Similar Campaigns for Internet Advertisement Targeting | |
US20120317227A1 (en) | Internet news compensation system | |
JP2012519909A (ja) | 広告サブミッションのためのメッセージングインターフェース | |
US20150193798A1 (en) | Content creation and distribution system with automated estimating, prior to publication, of values and/or readerships of answers to remotely posted questions and making results available to remotely located potential publishers of answers | |
US8392242B1 (en) | Computer-implemented methods for compensating entities that cooperatively provide access to content on web sites | |
WO2008064422A1 (en) | Methods and systems for offering and selling advertising | |
KR20210053162A (ko) | 온라인 판매자에 대한 선정산 제공 시스템 및 그 방법 | |
Ratner et al. | “Saving Journalism from Facebook’s Death Grip”? The Implications of Content-Recommendation Platforms on Publishers and Their Audiences | |
CN102089778A (zh) | 活动监视器 | |
KR100986112B1 (ko) | 평판 기반 과금 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100818 |