CN102365649A - 为了广告的推断定向而利用社交网络中的信息 - Google Patents

为了广告的推断定向而利用社交网络中的信息 Download PDF

Info

Publication number
CN102365649A
CN102365649A CN2010800140596A CN201080014059A CN102365649A CN 102365649 A CN102365649 A CN 102365649A CN 2010800140596 A CN2010800140596 A CN 2010800140596A CN 201080014059 A CN201080014059 A CN 201080014059A CN 102365649 A CN102365649 A CN 102365649A
Authority
CN
China
Prior art keywords
advertisement
targeting criteria
profile
candidate
social networks
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
Application number
CN2010800140596A
Other languages
English (en)
Inventor
T·肯达尔
周鼎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Meta Platforms Inc
Original Assignee
Facebook Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Facebook Inc filed Critical Facebook Inc
Publication of CN102365649A publication Critical patent/CN102365649A/zh
Pending legal-status Critical Current

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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0247—Calculate past, present or future revenues
    • 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
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

社交网络使用推断广告定向来将广告定向到其成员。推断广告使得广告商能够抵达由于缺少信息而不满足定向准则的成员。利用社交网络中的成员的满足定向准则的联系人的来推断所定向的兴趣。从候选集合中选择推断广告来向成员呈现。改变定向准则、次要推断定向准则以及推断范围的复杂度为社交网络中的推断广告定向提供灵活性。

Description

为了广告的推断定向而利用社交网络中的信息
技术领域
本发明总体上涉及社交联网，并且具体地涉及对社交网络的用户进行的定向广告。
背景技术
近年来，跟踪和使能成员(包括人、商户和其他实体)之间的联系的社交网络或社交设施已经变得普遍。具体地，社交联网网站允许成员更高效地传递与社交网络中的他们的好友或其他联系人相关的信息。社交网络典型地并入用于维护社交网络中的成员之间的联系以及到很可能与成员相关的内容的链接的系统。社交网络还收集和维护关于社交网络的成员的信息。该信息可以是静态的，诸如地理位置、雇主、工作类型、年龄、音乐偏好、兴趣和多种其他属性，或其可以是动态的，诸如跟踪成员在社交网络内的行动。关于成员的该信息然后可以被用于对信息递送进行定向，以使得可以向成员传递更可能使该成员特别感兴趣的信息。
广告商已经尝试利用(leverage)该关于社交网络的成员的信息以将广告定向到其兴趣与该广告一致的成员。例如，社交联网网站可以向已经在其成员简档上列出针对演出乐队的兴趣并且住在音乐会场馆附近的成员显示针对音乐会的网幅(banner)广告。然而，该类广告定向的一个缺点是：其依赖于由社交网络的成员提供的信息或以其他方式获得的关于社交网络的成员的信息。社交网络的成员经常并不填充其简档以包括全部的他们的兴趣和其他个人信息。作为结果，在广告定向中使用个人信息典型地不对社交网络的全部成员可用。传统的广告定向技术因而是局限的，这是因为它们只能抵达广告所针对的社交网络中的成员的子集。
发明内容
为了优化对于社交网络的成员的广告的定向和选择，本发明的实施例利用社交网络中信息来推断关于社交网络的成员的兴趣。社交网络可以维护标识社交网络的成员之间的联系的映射的社交图，并且社交网络还可以维护包含社交网络中的每个成员的完整或部分信息的简档。对社交网络可用的一个或多个广告(或ad)可以包含用于确定该广告是否应当被定向到特定的成员的定向准则。虽然社交网络可能具有关于其成员中的一些成员的足够的信息以应用定向准则，但社交网络可能不具有关于其他成员的足够的信息以应用定向准则。本发明的实施例在社交网络不具有足够的信息以向特定成员应用定向准则时，使用与该成员联系的其他成员的信息，而不是错过将广告定向至该后一组成员(社交网络可能不具有关于他们的足够的信息以应用定向准则)的机会。这可以被视作“推断”广告定向，因为基于成员的联系人(例如社交网络中的好友)根据其定向准则是否是特定广告的好的候选，来推断该成员对该广告的很可能的兴趣。
本发明的实施例可以采用多种定向准则和利用社交网络中的信息的方法来基于广告商的推广策略推断成员的兴趣。一种简单的广告定向策略可以使用针对评估成员的简档中的特定参数或字段的广告的定向准则。更复杂的策略可以包括评估成员在社交网络上的行动(诸如成员的浏览习惯)的作用的定向准则。附加地，可以按照许多不同的方式利用社交网络中的信息来推断成员的兴趣。此外，本发明的实施例可以将应用于缺少信息的成员的简档的相同的定向准则应用于该成员的联系人，或可以在考虑该成员的联系人时评估不同的准则。例如，为了计入在推断定向时的较低级别的确定性，与应用于该成员的简档的定向准则相比，可以向该成员的联系人应用更严格的定向准则。
在本发明的实施例中，具有将应用于社交网络中的成员的联系人的定向准则的广告可以被称作“推断”广告。推断广告可以通过变化广告定向处理中所包括的联系人的数量和质量而在推断范围方面不同。例如，次要推断定向准则可以包括成员的全部联系人以尝试推断该成员的兴趣，或广告可以关注该成员的联系人的较小的子集。可以根据该成员对这些成员的亲密度、或根据共享广告商希望定向的特性的较小子集(诸如是相同大学的校友)，来选择该成员的联系人的该较小子集。还可以变化与联系人相关联的质量或亲密度以包括多个等级的联系人。推断广告可以仅包括成员的直接联系人或可以包括间接联系人、或成员的联系人的直接联系人。
推断广告还包括向如被应用于成员的联系人的定向准则设置阈值的能力。例如，如果成员的联系人中多于25％满足次要推断定向准则、或如果至少3个联系人满足主要定向准则、或这两者的组合，则广告商可以确定广告可以推断成员的兴趣。广告定向方法还可以对成员的联系人加权或以其他方式考虑成员的亲密度或其他对成员的联系人的紧密程度的度量。可以在广告定向方法中实施以上方法的任何组合。
在一个实施例中，使用广告定向技术来确定用于成员的广告的候选集合，并且根据期望广告产生的利润来选择该广告中的一个或多个。在另一实施例中，根据成员对联系人的亲密度或对成员与其兴趣被推断的联系人的紧密程度的另一度量来选择广告。在又一实施例中，该方法响应于成员的反馈而随着时间学习被呈现推断广告的成员的亲密度和兴趣。在推断广告的备选实施例中，可以无需考虑成员的简档是否缺少满足定向准则的信息而实施定向。在其他备选实施例中，实施以上推断广告定向技术的多种组合。
附图说明
图1是图示根据本发明的实施例的基于成员的联系人而向社交网络的成员进行推断广告定向的处理的示图。
图2A-图2B是根据本发明的实施例的用于向社交网络的成员定向广告的系统的示图。
图3是根据本发明的实施例的通过利用关于社交网络中的成员的联系人的信息而向成员进行广告的处理的交互示图。
图4A-图4D是根据本发明的实施例的用于选择要向成员呈现的广告的多种方法的流程图。
图5是根据本发明的实施例的用于基于来自成员的反馈而改进向成员进行的广告定向的处理的流程图。
附图仅出于例示的目的而描绘本发明的多种实施例。本领域技术人员将容易地从以下讨论中认识到，可以采用在此所例示的结构和方法的备选实施例，而不偏离在此所描述的本发明的原理
具体实施方式
社交网络中的推断广告定向
社交联网网站向其成员提供与社交网络的其他成员通信和交互的能力。在使用中，成员加入社交网络并且然后添加与他们期望被联系的多个其他成员的联系。如在此所使用的，术语“好友”指成员已经经由网站与其形成联系、关联或关系的任何其他成员。可以由成员明示地添加联系(例如该成员将特定的其他成员选择为好友)，或可以由社交联网网站基于成员的共同特性(例如是相同的教育机构的校友的成员)来自动创建联系。社交网络中的联系通常是双向的，但不一定是双向的，所以术语“成员”和“好友”取决于参考系。例如，如果Bob和Joe都是成员并且在网站中彼此联系，则都是成员的Bob和Joe也是彼此的好友。成员之间的联系可以是直接联系；然而，社交联网网站的一些实施例允许联系经由一层或多层联系而是间接的。并且，术语好友不需要要求成员实际上是现实生活中的好友(当成员之一是商户或其他实体时通常将是这种情况)；其仅仅暗示社交网络中的联系。
除了与其他成员的交互之外，社交联网网站向成员提供在由网站支持的多种类型的项目上采取行动的能力。这些项目可以包括网站的成员可以属于的组或网络(其中“网络”在这里不指物理通信网络，而是指人的社交网络)、成员可能感兴趣的事件或日程条目、成员可以经由网站使用的基于计算机的应用程序，以及允许成员经由网站买入或卖出项目的交易。这些仅仅是成员在社交联网网站上可以在其上进行动作的项目的几个示例，并且许多其他项目是可能的。
社交网络上的广告试图利用社交网络上的信息以便抵达其兴趣与广告一致的特定观众。为此，广告商向社交网络的成员采用他们的广告的定向准则。使用特定的人群数据来定向特定广告的观众是众所周知的。例如，布兰妮的流行音乐宣传商可能希望向特定年龄和性别人群定向广告。
社交网络上的广告商还可以将他们的广告定向到在其成员简档上列出特定兴趣的成员。每个成员具有在其中他或她可以列出兴趣的简档。例如，古典音乐爱好者可能列出“肖邦”或“巴赫”作为兴趣。广告商继而可以向列出“肖邦”作为兴趣的成员定向他们的广告。简单的字匹配比较将选择要向这些成员呈现的广告。
然而，该方法是有问题的，因为兴趣是由成员自主报告的。对肖邦真正有兴趣的许多成员可能没有在社交网络上的其简档中明示列出肖邦作为兴趣。作为结果，广告商可能错过具有“不完整”简档(仅在该简档缺少该广告的定向准则正在测试的信息的意义下不完整)的成员。因此，广告商的抵达范围显著地减少。
为了解决该问题，社交网络使得广告商能够通过利用社交网络中关于具有不完整简档的成员的信息来延伸他们的广告的抵达范围。广告可以具有定向准则，该定向准则例如测试成员是否已列出“布兰妮”作为兴趣。定向准则可以被定义为可以应用于成员的简档中的特定字段的测试或一系列测试。传统上，简档的兴趣字段必须列出“布兰妮”以使广告向该成员呈现。然而，本发明的实施例使得广告商可以抵达更广泛的成员基础，这些成员可能没有实际列出该广告的定向的兴趣。本广告技术基于在成员的联系人的简档上所列出的兴趣来推断该成员的定向兴趣。
社交网络上的“推断”广告定向允许广告商抵达其简档不能满足广告的定向准则的成员。例如，社交网络上的许多成员可能虽然对布兰妮实际有兴趣但未在其成员简档上列出布兰妮作为兴趣。如果这些成员的朋友或联系人在其用户简档上实际列出对布兰妮的兴趣，则广告商可以将他们的广告的抵达范围延伸至这些成员。出于对“关联定罪”的老格言的信任，在一个实施例中，即使该成员并未明示地在他或她的用户简档中列出对布兰妮的兴趣，社交网络也可以推断该特定兴趣。“推断广告”因而指允许通过向社交网络中的成员的联系人应用定向准则来满足定向准则的广告。
图1描绘了图示用于基于成员的联系人而向社交网络的成员进行推断广告定向的处理的示图。社交网络上的广告商生成广告100，广告100包括定向准则105、定价110和广告内容115等。定向准则105可以包括多个测试，诸如对于特定人群的测试、对于成员可能已经在社交网络上执行的特定行动的测试、或从成员的简档120可访问的任何其他信息。在图1中，定向准则105包括对于如在成员简档120中所列出的对布兰妮的兴趣140的测试155。测试155是“主要”定向准则并且包括对成员的简档中的字段的简单评估：该字段是否已包括词“布兰妮”。在该示例中，成员简档120对于兴趣135具有“空”值。这意味着该用户并未列出“布兰妮”作为兴趣。
如图1中所图示，确定成员是否具有其联系人简档150包括测试155中所定向的兴趣的联系人160。例如，四个联系人160中的三个具有包括对布兰妮的兴趣140的联系人简档150。定向准则105包括“次要”推断定向准则以确定是否基于四个联系人160中的三个已经明示地列出对布兰妮的兴趣140而对于成员简档120推断对布兰妮的兴趣140。如下面详细讨论的，可以利用推断范围和定向准则的多种方法。在该示例中，次要推断定向准则是：该成员的联系人中的至少一个列出对布兰妮的兴趣140。
图1示出了除了兴趣之外成员简档120和联系人简档150还包括人群数据(诸如年龄125和性别130)。未图示的其他人群数据可以包括成员或联系人就读的学校、基于位置的网络以及基于工作地点的网络。对于本领域普通技术人员来说其他编组也是已知的。图1还图示了简档包括列出的兴趣135、140和145。没有所列出的兴趣135的简档可以意味着该简档是空的或该简档未列出正在由广告100的定向准则105测试的信息类型。在另一实施例中，如果成员仅列出对肖邦的兴趣145并且定向准则105正在对于对布兰妮的兴趣140进行测试，则可以确定该成员具有列出对布兰妮的兴趣140的联系人165，如图1中所示。这是因为在该示例中，定向准则105是简单地搜索列出对布兰妮的兴趣140的至少一个该成员的联系人。
定向准则和推断范围
可以由广告商根据广告推广的目的而改变上述推断广告定向技术。推断广告的定向准则可以在复杂度方面改变、可以包括次要推断定向准则以确定广告是否应当被包括在用于成员的候选集合中、并且还可以包括利用次要推断定向准则的阈值技术。也可以变化推断范围以包括不同数目的联系人、质量上区分的联系人，并且可以包括通过成员的亲密度或对社交网络上的紧密程度的另一度量而对联系人加权。广告商可以实施这些技术的任意组合以更好地精炼为广告推广的需要定制的定向准则和推断范围。
广告商可以实施在复杂度方面变化的广告的定向准则。例如，广告商可以简单地定向在其简档中列出特定关键字(诸如“独木舟运动”)的成员。更复杂的定向可以评估成员在社交网络上的行动的作用，诸如例如标识频繁地点击由其他成员张贴的视频的成员。社交网络可以标识成员在社交网络上的行为特性并且使得广告商能够定向这些特性。
在一个实施例中，定向准则还可以包括“主要”定向准则和“次要”推断定向准则。广告的主要定向准则定向社交网络的成员并且评估其简档上的信息。因此，如果成员列出独木舟运动作为兴趣，则“独木舟运动”的主要定向准则得到满足。次要推断定向准则被用于确定是否仍应当向成员呈现广告，即使该成员不能满足主要定向准则。次要推断定向准则被应用于该成员的联系人，并且可以与主要定向准则相同，或可以与其不同以考虑该成员是否实际上对“独木舟运动”(作为示例)感兴趣的不确定性。
次要推断定向准则可以如期望的那样复杂或如期望的那样简单。例如，假定由于广告以视频为特征，广告商实施复杂的定向准则，该准侧评估成员对点击由联系人的小的子集张贴的视频的倾向性。如果“主要”定向准则对成员点击视频的倾向性的度量建立特定阈值，则成员可能不满足该阈值。另外，成员可能对于社交网络来说是新的，因此将不具有正在被定向的特定信息。次要推断定向准则可以评估是否成员的特定阈值百分比的联系人满足该“主要”准则、或其可以一起评估不同的准则，诸如确定成员的联系人是否已张贴视频。广告商在建立这方面的定向准则上具有巨大的灵活性。
推断广告还可以通过改变广告定向处理中所包括的联系人的数量和质量而在推断范围方面不同。例如，次要推断定向准则可以包括成员的全部联系人以尝试推断成员的兴趣，或广告可以关注于成员的联系人的较小子集。可以根据该成员对这些成员的亲密度、或根据共享广告商希望定向的特性的较小子集(诸如是相同大学的校友)，来选择该成员的联系人的该较小子集。
还可以改变联系人的质量以包括多个等级的联系人。推断广告可以仅包括成员的直接联系人或可以包括间接联系人、或成员的联系人的直接联系人。例如，广告商可能除了其他定向准则之外还希望定向特定大学的全部校友。满足全部其他定向准则但没有满足将其自身列为所定向的大学之一的校友的成员将不能满足“主要”定向准则。然而，定向准则可以包括次要推断定向准则以仅仅评估将其自身列为所定向的学校的校友的联系人的数目。广告商还可以指定联系人的质量，这意味着还可以在次要推断定向准则的评估中包括间接联系人。因而，如果如广告商所定义的次要推断定向准则得到满足，则将向该成员呈现该广告。
如上所述，推断广告还可以包括对于如应用于成员的联系人的定向准则设置阈值的能力。例如，如果成员的联系人中多于25％满足次要推断定向准则、或如果至少3个联系人满足主要定向准则、或这两者的组合，则广告商可以确定广告可以推断成员的兴趣。对于不同类型的定向准则设置阈值的能力对本发明的实施例的灵活性和精炼能力有贡献。
广告定向算法还可以对成员的联系人加权或以其他方式考虑成员的亲密度或对与成员的联系人的紧密程度的其他度量。在一个实施例中，可以基于成员和联系人之间的亲密度来计算期望点通率(ECTR)。度量社交网络的成员之间的亲密度对于本领域技术人员来说是众所周知的。亲密度得分也可以被称作关联系数，因为亲密度得分指示社交网络中的成员和联系人之间的关联的强度。基于成员和联系人之间的交互，亲密度得分是单向的，这意味着成员可以具有对联系人的高亲密度，但相同的联系人可以具有对该成员的低亲密度。用于确定社交网络的成员之间的亲密度的方法进一步在2006年8月11日提交的、标题为“Displaying Content Based onMeasured User Affinity in Social Network Environment”的美国第11/503,093号申请中描述，通过引用将所述申请整体并入于此。
在广告定向算法中可以实施以上定向方法和确定推断范围的方式的任何组合。在一个实施例中，广告商具有使能或禁止以上特征的能力。
网站架构和交互
图2A描绘了一个实施例中的系统架构的高层框图。在社交网络200中，广告定向算法205在广告服务器225上执行。广告定向算法205从广告请求存储器220接收广告请求。广告内容存储在广告内容存储器210中。社交网络的每个成员与存储在成员简档存储器215中的成员简档对象255相关联。成员简档存储器215维护成员简档对象255，每个成员简档对象255包含关于社交网络的成员的信息。在一个实施例中，简档信息可以包括静态信息(即在社交网络的简档上列出的诸如独木舟运动和肖邦之类的兴趣)和/或动态信息(诸如成员在社交网络中已采取的行动以及与社交网络中的成员相关而采取的行动)。备选地，可以由社交网络集中存储多个成员的动态信息，诸如在行动日志中存储(在动态信息包括成员在社交网络内或甚至在社交网络外采取的行动的情况下)。在其他实施例中，可以在运行中计算动态信息(例如诸如可以随时间改变的成员与社交网络中的另一成员或另一对象之间的亲密度)。
当成员访问社交网络200时，web服务器245从成员设备265接收对web页面的请求。web服务器245从广告服务器225请求对于该成员的广告，具体地请求广告定向算法205。
如图2A中所示，广告定向算法205访问成员简档对象255来确定成员的简档是否满足广告100的定向准则105。在图2A中，成员250可以具有未在成员的简档255中列出所定向的信息的简档。因此，广告定向算法205将作为成员简档对象255而获取其简档未列出正在被定向的信息的成员250的联系人260的简档。
广告定向算法205使用来自联系人的简档260的信息而将广告请求收窄为所推断的广告的候选集合230。候选广告230具有匹配联系人的简档260中所列出的兴趣的定向准则105。推断广告选择算法235选择候选广告230之一以向其简档未列出正在被定向的信息250的成员呈现。所选择的推断的广告240然后被发送到web服务器245以向成员设备265呈现。以此方式，广告商将广告的抵达范围延伸到可能由于社交网络缺少该成员的正在被评估的信息而未被定向的成员。实际上，社交网络通过基于成员的联系人的简档进行推断而“填补了空缺”。
图2B描绘了广告服务器225的高层框图。广告服务器225包括通信模块270和定向模块275。在一个实施例中，定向模块275包括广告定向算法205和推断广告选择算法235.
在图3中，交互示图示出了一个实施例中的系统架构内的数据流。广告服务器225接收300对于广告的定向准则。成员设备265发送对于web页面的请求305。web服务器245响应于该请求而发送用于成员的广告请求310。广告服务器225响应于接收广告请求310而从成员简档存储器215请求成员的简档315。成员简档存储器215将成员的简档返回320到广告服务器225。广告服务器继而确定成员的简档缺少正在被定向的信息330。
在该确定330之后，广告服务器225从成员简档存储器215请求成员的联系人的简档335。成员简档存储器215返回联系人的简档340。使用由联系人的简档列出的兴趣，广告服务器225标识广告的候选集合并且应用选择用于成员的推断广告的算法345。向web服务器245提供360所选择的推断广告。最终，web服务器245向成员设备265发送包括所选择的推断广告的web页面365。
对用于成员的推断广告的选择
图4A-图4D图示了多种实施例中的选择用于其简档缺少由广告商定向的信息的成员的推断广告的多种方法。在图4A-图4D中，接收405对用于成员的推断广告的请求。一旦确定了410成员的简档未列出推断广告的所定向的兴趣，则获取410成员的联系人的兴趣。对于每个所获取的联系人确定415亲密度得分。如上面所讨论的，每个亲密度得分基于联系人与成员的关联的强度。通过将广告的广告定向准则与由成员的联系人所列出的兴趣匹配而收窄420可用广告的候选集合。以此方式，通过推断成员的联系人的兴趣，对于该成员，广告的候选集合的定向准则得到满足。以上已经详细描述了这些步骤。
在此点，广告的候选集合内的每个广告都是推断广告，这意味着已经进行了推断以推断未在成员的简档中明示地列出所推断的兴趣的成员的兴趣。然而，存在选择用于成员的推断广告的多个方法。每个方法服务于适合多种类型的广告商(大的或小的)的不同目的。通过利用社交网络中的信息，推断广告定向使得广告商能够选择对于广告推广最合适的推断广告。
在图4A中，下一步骤包括计算425成员和由所确定的亲密度得分加权的每个匹配广告请求之间的期望点通率(ECTR)。ECTR是基于列出该兴趣的联系人的数目和每个联系人与该成员之间的亲密度得分的该成员有多大可能会点击广告的“最佳猜测”。例如，如果成员未明示列出对布兰妮的兴趣但具有已经在其简档中列出布兰妮作为兴趣的20个联系人，则ECTR将比成员仅有具有所定向的兴趣的1个联系人的情况更高。另外，通过列出所定向的兴趣的联系人的亲密度得分来对ECTR加权。即，如果成员具有与每个都列出对肖邦的兴趣的5个联系人的高亲密度得分，但具有与每个都列出布兰妮作为兴趣的5个联系人的较低的亲密度得分，则对于肖邦的ECTR将比对于布兰妮的ECTR更高。
图4A进一步描绘了计算430针对每个匹配广告请求的期望值。可以使用众所周知的算法来计算每个广告的期望值，该众所周知的算法诸如在2008年8月18日提交的、标题为“Social Advertisementsand Other Informational Messages，and Advertising Model for Same”的美国第12/193,702号申请中所描述的那些算法，通过引用将所述申请整体并入于此。对于推断定向成员来说，期望点通率可以较低，以便考虑潜在较低的点击可能性。例如，宣传商可能希望通过定向在其简档中列出布兰妮作为兴趣的成员来对新的布兰妮专辑的发布进行广告。为了延伸广告的抵达范围，宣传商还可能使得广告能够抵达推断定向的成员。由于为推断定向成员，广告的期望点通率将整体上较低，但是点击总量将很可能提高，因为广告将具有到更广的观众的延伸的抵达范围。最后，对于推断定向的成员，将生成435推断广告的候选集合中具有最高期望值的广告。以此方式，通过利用社交图，推断广告的选择得到优化以最大化期望值。
图4B图示了在将广告的候选集合收窄420至具有匹配联系人的兴趣的定向准则的那些广告之后的不同的推断广告选择方法。通过所确定的亲密度得分来对匹配广告请求进行排序440。在一个实施例中，如果多个联系人列出相同的兴趣，则利用联系人的亲密度得分。对于该成员生成445具有最高的所确定的亲密度得分的广告请求。因此，在该实施例中，不考虑广告的期望值而生成成员最有可能点击的广告。
图4C图示了备选实施例，其中，在计算425 ECTR之后，推断广告的候选集合被收窄450至具有比预定阈值高的所计算的ECTR的广告。继而，对于该成员生成455具有最高的所计算的ECTR的广告，并且将推断广告的剩余集合排队以进行后续的展示。该推断广告选择方法保证向成员呈现的推断广告满足特定兴趣阈值，从而优化推断定向的成员的体验。例如，如果Blockbuster希望对于列出对恐怖电影的兴趣的成员购买100,000个品牌印象，而75,000个成员实际上列出对恐怖电影的兴趣，则将利用满足特定的推断兴趣阈值的推断定向的成员来填补剩余的25,000个品牌印象。在本发明的一个实施例中，这将增加该25,000个推断定向的成员将点击广告的概率，因为这25,000个推断定向的成员具有超过预定阈值的ECTR。如果广告商更关注效果广告而非品牌广告，则广告商可以选择该选择方法。
图4D示出了推断广告选择的备选实施例。在计算425成员和由所确定的亲密度得分加权的每个匹配广告请求之间的ECTR之后，推断广告的候选集合被收窄450至具有比预定阈值高的所计算的推断兴趣得分的那些广告请求。接着，计算460推断广告的收窄后的候选集合中的每个匹配广告请求的期望值。最后，对于该成员生成465具有最高期望值的广告，并且将剩余的广告排队以供后续的展示。与图4C中所呈现的方法类似，图4D中所呈现的方法考虑推断广告的收窄后的候选集合的最高期望值，并且将剩余的广告排队以供后续的展示。
可以对上述选择用于成员的广告的方法进行未在这里图示的任意数目的变化和修改。社交网络能够适应不同类型的广告推广目标，包括最大化利润和最大化用户体验。可以向以上方法实施复杂的算法和定制以实现这些目标。
基于来自推断广告的用户反馈来学习亲密度
如上所述，成员和成员的联系人之间的亲密度在推断广告定向和选择中扮演不可或缺的角色。改进和标识错误的亲密度帮助社交网络基于观众的兴趣(推断的或以其他方式获得的)向对观众定向的广告商提供更好的信息。另外，通过标识错误的亲密度，用户体验得到增加，因为提供实际上使成员感兴趣的项目的广告。基于用户反馈，可以调整亲密度并且将其并入后续推断广告。类似地，如果成员点击推断广告，则作为结果可以对该推断广告排队以向该成员的联系人进行呈现。
图5图示了学习用于推断广告定向的亲密度的一个实施例。在对于成员接收了500对推断广告的请求以及对于该成员选择了505推断广告之后，从该成员接收510关于推断广告的反馈。该反馈可以是直接的或间接的。直接反馈将包括来自作为广告的主动判断人的成员的反馈，该成员表达对该广告的赞同或不赞同。然而，大部分反馈是间接的，这意味着该成员点击广告内的链接或完全忽略该广告。
使用成员的反馈，对于依赖其来选择推断广告的联系人重新计算515亲密度得分。基于由成员提供的反馈，亲密度得分将增加或减少。当对于该成员接收了520对推断广告的后续请求时，重新计算后的亲密度得分将被用于选择525用于该成员的推断广告。广告的选择可以包括上述方法中的任何方法，但将并入先前依赖其进行推断广告定向的联系人的重新计算后的或“学习的”亲密度得分。
基于对象的推断广告定向
至此，关注于简单的定向准则(诸如对该成员的简档中和该成员的联系人的简档中的字段的评估)，已经在该成员的简档上缺少所列出的信息方面描述了对于成员的推断广告定向。然而，推断广告定向包括基于成员简档对象的更复杂的定向准则。定向准则可以包括对于在成员简档对象上可定向的任何事物的测试。社交网络上的成员简档对象包括基本人群数据和由成员列出的兴趣，但还包括成员频繁与其交互的对象的类型，诸如投票、事件、小组、页面、应用程序、链接、笔记、广告、照片、视频、状态更新以及基于地理位置、学校和大学校友状态以及当前和前任雇主的网络信息。
例如，如果照片共享服务希望向倾向于创建和共享相册的成员进行广告，则可以对于展现该行为特性的成员简档定向广告。然而，如果成员尚未创建或共享相册，则广告商可能希望即使该成员的简档对象并未展现所定向的行为特性仍抵达该成员。应用上述推断广告定向技术，将获取成员的联系人的简档对象来推断所定向的特性。作为结果，成员的简档的可定向行为特性可以被定义为在其上可以应用测试的成员的简档上存在的任何事物。如果由于缺少信息而不能向成员应用测试，则可以向该成员的联系人应用该测试以推断该成员的缺失的信息(在该情况下为行为特性)。
另外，成员简档对象可以包括关于已经成功向该成员进行广告的广告商和广告的类型的信息。例如，如果成员点击与新汽车相关的广告，则经由该成员的简档对象，行为数据将是可定向的。如果成员缺少该行为特性，则可以在上述方法中获取该成员的联系人的简档对象来推断该行为特性。并且，关于已经成功吸引成员的社交网络上的多种类型的广告(包括社交广告、交互广告、网幅广告和爱好者页面)的元数据经由该成员的简档对象而可定向。例如，假定成员已经享受观看视频商业广告并且继而在社交网络内对该商业广告评论。广告商可以定向该行为特性，并且也可以使用上述推断广告定向技术来推断该行为特性。经由成员简档对象可以定向无数的行为特性，并且该无数的行为特性继而也可以通过社交网络中的该成员的联系人所展现的行为特性来推断。因此，由成员展现的行为特性也是成员简档上的可定向的兴趣。
进一步地，可以无需考虑在成员的简档中是否缺少信息而实施推断广告定向。例如，如果成员对冲浪有兴趣并且已经在其简档中列出该兴趣，则具有简单定向准则(诸如字匹配算法)的广告可以得到满足。然而，可以使用推断广告定向来实施更精炼的广告定向准则。假定广告商希望向更认真的冲浪者进行冲浪板产品的市场推广。使用上述推断广告定向技术，广告商将具有更多选项以创建更复杂的广告准则。这样的广告商可以要求成员列出对冲浪的兴趣并且与也列出对冲浪的兴趣的5个其他成员联系以使得定向准则得到满足。因此，广告商能够使用推断广告定向技术来定向具有更“极端”的兴趣的成员。
可以在在其中基于用户的兴趣和与该用户联系的其他用户的兴趣来将广告定向至该用户的任何环境中实施推断广告定向。用户的兴趣可以包括上述行为特性。通过在多种信息递送平台(诸如ad-hoc网络、点对点网络、移动对移动通信和其他这样的环境)上应用上述推断广告定向技术，广告商可以延伸他们的广告的抵达范围同时基于用户的兴趣(推断的或以其他方式获得的)向用户递送有趣和信息丰富的广告。
总结
已经出于例示的目的而呈现对本发明的实施例的以上描述；其并不意在是穷尽的或将本发明限制于所公开的精确形式。相关领域技术人员可以理解，鉴于以上公开，许多修改和变化是可能的。
本描述的一些部分在对信息的操作的算法和符号表示方面描述了本发明的实施例。这些算法描述和表示普遍地由数据处理领域的技术人员使用以向该领域其他技术人员有效地传达他们的工作的实质内容。这些操作当被功能地、计算地或逻辑地描述时被理解为由计算机程序或等效的电路、微代码等实施。进一步地，有时将操作的这些布置指代为模块而不失去一般性被证明是便利的。可以在软件、固件、硬件或其任何组合中体现所描述的操作和其相关联的模块。
这里所描述的任何步骤、操作或处理可以利用单独的或与其他设备组合的一个或多个硬件或软件模块来执行或实施。在一个实施例中，利用包括包含计算机程序代码的计算机可读介质的计算机程序产品来实施软件模块，所述计算机程序代码可以由计算机处理器执行以用于执行所述步骤、操作或处理中的任意一个或多个或全部。
本发明的实施例还涉及用于执行这里的操作的装置。可以为了所要求的目的而特殊地构造该装置，和/或其可以包括由存储在计算机中的计算机程序选择性地激活或重配置的通用计算设备。这样的计算机程序可以被存储在有形计算机可读存储介质中或与计算机系统总线耦合的适合于存储电子指令的任何类型的介质中。进一步地，在说明书中所指的任何计算机系统可以包括单个处理器或可以是采用多个处理器设计以增加计算能力的架构。
本发明的实施例还涉及在载波中体现的计算机数据信号，其中该计算机数据信号包括这里所描述的计算机程序产品或其他数据组合的任何实施例。该计算机数据信号是在有形介质或载波中存在、并且在有形的载波中被调制或以其他方式编码、并且根据任何合适的传输方法来传输的产品。
最后，已经出于可读性和指导性的目的而原则性地选择了说明书中所使用的语言，并且其可能未被选择为描绘或限制发明性主题。因此，本发明的范围意在不被该详细描述限制，而是由基于此处的申请中所列出的任何权利要求来限定。据此，本发明的实施例的公开意在例示本发明的范围而非限制本发明的范围，本发明的范围在随后的权利要求书中陈述。

Claims (33)

1.一种用于将广告定向到社交网络的成员的计算机实施的方法，所述方法包括：
接收对将向所述社交网络的成员提供的广告的请求；
访问一个或多个广告，每个广告包括定向准则；
对于每个所访问的广告，向所述社交网络中的成员的简档信息应用所述广告的定向准则，以确定所述广告是否是用于定向到所述成员的候选；
响应于确定所述成员的简档缺少用于评估所述定向准则的信息，向所述成员与其联系的所述社交网络的一个或多个其他成员的简档信息应用所述广告的定向准则，以确定所述广告是否是用于定向到所述成员的候选；
从对于所述成员而确定的候选广告中选择广告；以及
向与所述成员相关联的电子设备发送所选择的广告。
2.根据权利要求1所述的计算机实施的方法，其中所述对广告的请求是对包含广告的web页面的请求。
3.根据权利要求1所述的计算机实施的方法，其中定向准则包括将应用于所述成员的简档的第一准则，以及将应用于与所述成员联系的其他成员的简档的第二准则。
4.根据权利要求3所述的计算机实施的方法，其中所述第一准则与所述第二准则不同。
5.根据权利要求3所述的计算机实施的方法，其中所述第二准则是所述成员和与所述成员联系的其他成员之间的亲密度的函数。
6.根据权利要求3所述的计算机实施的方法，其中所述第二准则评估与所述成员连接的多个其他成员，并且向所述评估应用预定阈值，以确定所述广告是否是用于定向到所述成员的候选。
7.根据权利要求3所述的计算机实施的方法，其中将所述第二准则应用于与所述成员联系的其他成员的简档的子集，所述子集基于测试来确定。
8.根据权利要求1所述的计算机实施的方法，其中所述定向准则是所述成员的简档中的静态属性的函数。
9.根据权利要求1所述的计算机实施的方法，其中所述定向准则是所述成员的简档中的动态属性的函数。
10.根据权利要求1所述的计算机实施的方法，其中将所述定向准则应用于所述成员的直接联系人。
11.根据权利要求1所述的计算机实施的方法，其中将所述定向准则应用于所述成员的直接和间接联系人。
12.根据权利要求1所述的计算机实施的方法，其中选择用于所述成员的广告是潜在利润的函数，所选择的广告最大化所述潜在利润。
13.根据权利要求1所述的计算机实施的方法，其中选择用于所述成员的广告包括：
对于所述广告的候选集合中的每个所标识的广告：
计算由对所述联系人的亲密度加权的期望点通率(ECTR)，
以及
计算每个所标识的广告的期望值；以及
选择具有最高期望值的所标识的广告。
14.根据权利要求1所述的计算机实施的方法，其中选择用于所述成员的广告包括：
对于所述广告的候选集合中的每个所标识的广告，通过所述成员对所述联系人的亲密度对所述广告排序，其中所述每个所标识的广告具有列出特定兴趣的所标识的联系人的简档；以及
选择具有最高亲密度的所标识的广告。
15.根据权利要求1所述的计算机实施的方法，其中选择用于所述成员的广告包括：
对于所述广告的候选集合中的每个所标识的广告，计算由对所述联系人的亲密度加权的期望点通率(ECTR)；
将所述广告的候选集合收窄至具有超过预定阈值的所计算的ECTR的所标识的广告；
选择具有最高ECTR的所标识的广告。
16.根据权利要求15所述的计算机实施的方法，其进一步包括将收窄后的广告的候选集合排队以供后续呈现。
17.根据权利要求1所述的计算机实施的方法，其中选择用于所述成员的广告包括：
对于所述广告的候选集合中的每个所标识的广告，计算由对所述联系人的亲密度加权的期望点通率(ECTR)；
将所述广告的候选集合收窄至具有超过预定阈值的所计算的ECTR的所标识的广告；
计算收窄后的广告的候选集合中的每个所标识的广告的期望值；以及
选择具有最高期望值的所标识的广告。
18.根据权利要求17所述的计算机实施的方法，其进一步包括所述将收窄后的广告的候选集合排队以供后续呈现。
19.根据权利要求1所述的计算机实施的方法，其中选择用于所述成员的广告是所述成员和与所述成员联系的其他成员之间的亲密度的函数，所选择的广告具有最高亲密度。
20.根据权利要求1所述的计算机实施的方法，其进一步包括：
接收来自所述成员的对应于所选择的广告的反馈；
重新计算所述成员对列出特定兴趣的所标识的联系人的亲密度；
在所述成员的简档中存储重新计算后的亲密度。
21.一种用于将广告定向到社交网络的成员的计算机实施的方法，所述方法包括：
接收对将向所述社交网络的成员提供的广告的请求；
访问一个或多个广告，每个广告包括定向准则；
对于所访问的广告中的每个，向所述社交网络中的成员的简档信息应用所述广告的定向准则，以确定所述广告是否是用于定向到所述成员的候选的步骤；
响应于确定所述成员的简档缺少用于评估所述定向准则的信息，向所述成员与其联系的所述社交网络的一个或多个其他成员的简档信息应用所述广告的定向准则，以确定所述广告是否是用于定向到所述成员的候选的步骤；
从对于所述成员而确定的候选广告中选择广告的步骤；以及
向与所述成员相关联的电子设备发送所选择的广告。
22.一种用于定向广告的计算机实施的方法，所述方法包括：
维护多个用户账户以及在所述用户账户之间的联系的集合，其中所述用户账户中的一个或多个包括与其他用户账户的一个或多个联系；
接收对将向与所述用户账户之一相关联的用户提供的广告的请求；
标识将向所述用户提供的一个或多个候选广告，每个候选广告与定向准则相关联；
对于每个所述候选广告，向具有和与所述用户相关联的所述用户账户的联系的所述用户账户中的一个或多个应用与所述候选广告相关联的所述定向准则；
至少部分基于向具有和与所述用户相关联的所述用户账户的联系的所述用户账户中的一个或多个应用与所述候选广告相关联的定向准则，从所述候选广告中选择至少一个广告；
向与所述用户相关联的电子设备发送所选择的广告。
23.根据权利要求22所述的方法，其进一步包括：
对于每个所述候选广告，向与所述用户相关联的所述用户账户应用与所述候选广告相关联的定向准则；
其中从所述候选广告中选择至少一个广告也基于向与所述用户相关联的所述用户账户应用与所述候选广告相关联的所述定向准则。
24.根据权利要求22所述的方法，其中所述用户账户中的一个或多个存储关于与所述用户账户相关联的用户的静态信息，并且向用户账户应用所述定向准则包括将所述定向准则和存储在所述用户账户中的所述静态信息进行比较。
25.根据权利要求22所述的方法，其中所述用户账户中的一个或多个与关于与所述用户账户相关联的用户的动态信息相关联，并且向用户账户应用所述定向准则包括将所述定向准则和与所述用户账户相关联的所述动态信息进行比较。
26.一种用于将广告定向到社交网络的成员的计算机化系统，所述系统包括：
成员简档存储器，其包含所述社交网络的成员的简档；
广告存储器，其包含多个广告，每个广告包括定向准则；
通信服务器，其用于与请求广告的成员设备通信；以及
广告服务器，其通信地耦合到所述通信服务器、所述成员简档存储器以及所述广告存储器，以使用推断定向方法来将广告定向到所述社交网络的所述成员，所述广告服务器包括：
用于接收对将向所述社交网络的成员提供的广告的请求的模块；
用于向所述社交网络中的成员的简档信息应用所述广告中的一个或多个广告的定向准则，以确定所述广告是否是用于定向到所述成员的候选的模块；
用于响应于确定所述成员的简档缺少用于评估所述定向准则的信息，向所述成员与其联系的所述社交网络的一个或多个其他成员的简档信息应用所述广告的所述定向准则，以确定所述广告是否是用于定向到所述成员的候选的模块；以及
用于从对于所述成员而确定的所述候选广告中选择广告的模块。
27.根据权利要求26所述的系统，其中所述定向准则包括将应用于所述成员的简档的第一准则，以及将应用于与所述成员联系的其他成员的简档的第二准则。
28.根据权利要求27所述的系统，其中所述第二准则是所述成员和与所述成员联系的其他成员之间的亲密度的函数。
29.根据权利要求27所述的系统，其中所述第二准则评估与所述成员连接的多个其他成员，并且向所述评估应用预定阈值以确定所述广告是否是用于定向到所述成员的候选。
30.根据权利要求27所述的系统，其中将所述第二准则应用于与所述成员联系的其他成员的简档的子集，所述子集基于测试来确定。
31.根据权利要求26所述的系统，其中所述推断定向方法作为潜在利润的函数而选择用于所述成员的广告，所选择的广告最大化所述潜在利润。
32.根据权利要求26所述的系统，其中所述推断定向方法作为所述成员和与所述成员联系的其他成员之间的亲密度的函数来选择用于所述成员的广告，所选择的广告具有最高亲密度。
33.根据权利要求26所述的系统，其中所述通信服务器进一步适于接收来自所述成员的对应于所选择的广告的反馈，并且所述广告服务器进一步适于重新计算所述成员对列出特定兴趣的所标识的联系人的亲密度，以及在所述成员简档存储器中的所述成员的简档中存储重新计算后的亲密度。
CN2010800140596A 2009-04-07 2010-03-16 为了广告的推断定向而利用社交网络中的信息 Pending CN102365649A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/419,958 2009-04-07
US12/419,958 US20100257023A1 (en) 2009-04-07 2009-04-07 Leveraging Information in a Social Network for Inferential Targeting of Advertisements
PCT/US2010/027534 WO2010117568A1 (en) 2009-04-07 2010-03-16 Leveraging information in a social network for inferential targeting of advertisements

Publications (1)

Publication Number Publication Date
CN102365649A true CN102365649A (zh) 2012-02-29

Family

ID=42826966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010800140596A Pending CN102365649A (zh) 2009-04-07 2010-03-16 为了广告的推断定向而利用社交网络中的信息

Country Status (8)

Country Link
US (1) US20100257023A1 (zh)
JP (1) JP5635590B2 (zh)
CN (1) CN102365649A (zh)
AU (1) AU2010235081B2 (zh)
BR (1) BRPI1014191A2 (zh)
CA (1) CA2754469C (zh)
WO (1) WO2010117568A1 (zh)
ZA (1) ZA201107158B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103812759A (zh) * 2012-11-08 2014-05-21 邻客音公司 通过活动流为产品和服务生成导联
CN104735045A (zh) * 2013-12-19 2015-06-24 国际商业机器公司 使用弹性映射对去往社交网络节点的通信的指引

Families Citing this family (89)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8590013B2 (en) 2002-02-25 2013-11-19 C. S. Lee Crawford Method of managing and communicating data pertaining to software applications for processor-based devices comprising wireless communication circuitry
US20100100437A1 (en) 2002-09-24 2010-04-22 Google, Inc. Suggesting and/or providing ad serving constraint information
US8571999B2 (en) 2005-11-14 2013-10-29 C. S. Lee Crawford Method of conducting operations for a social network application including activity list generation
US7529795B2 (en) 2006-03-20 2009-05-05 Stragent, Llc Message board aggregator
US7647351B2 (en) 2006-09-14 2010-01-12 Stragent, Llc Web scrape template generation
US8909546B2 (en) * 2006-12-20 2014-12-09 Microsoft Corporation Privacy-centric ad models that leverage social graphs
US8224298B2 (en) 2007-02-05 2012-07-17 Boadin Technology, LLC Systems and methods for mobile media services utilizing a short form command structure
US9990652B2 (en) 2010-12-15 2018-06-05 Facebook, Inc. Targeting social advertising to friends of users who have interacted with an object associated with the advertising
US8799068B2 (en) 2007-11-05 2014-08-05 Facebook, Inc. Social advertisements and other informational messages on a social networking website, and advertising model for same
US8117242B1 (en) 2008-01-18 2012-02-14 Boadin Technology, LLC System, method, and computer program product for performing a search in conjunction with use of an online application
US8117225B1 (en) 2008-01-18 2012-02-14 Boadin Technology, LLC Drill-down system, method, and computer program product for focusing a search
US8078397B1 (en) 2008-08-22 2011-12-13 Boadin Technology, LLC System, method, and computer program product for social networking utilizing a vehicular assembly
US8265862B1 (en) 2008-08-22 2012-09-11 Boadin Technology, LLC System, method, and computer program product for communicating location-related information
US8131458B1 (en) 2008-08-22 2012-03-06 Boadin Technology, LLC System, method, and computer program product for instant messaging utilizing a vehicular assembly
US8073590B1 (en) 2008-08-22 2011-12-06 Boadin Technology, LLC System, method, and computer program product for utilizing a communication channel of a mobile device by a vehicular assembly
US8190692B1 (en) 2008-08-22 2012-05-29 Boadin Technology, LLC Location-based messaging system, method, and computer program product
US20100185507A1 (en) * 2009-01-20 2010-07-22 Lance Tokuda Method and system for generating an advertisement with customized content
US20110004520A1 (en) * 2009-07-06 2011-01-06 Linkedln Corporation System to present business network notifications in conjunction with display advertisements
US20110106597A1 (en) * 2009-10-28 2011-05-05 Pushkart, Llc Methods And Systems For Offering Discounts
US20110153414A1 (en) * 2009-12-23 2011-06-23 Jon Elvekrog Method and system for dynamic advertising based on user actions
US20110153423A1 (en) * 2010-06-21 2011-06-23 Jon Elvekrog Method and system for creating user based summaries for content distribution
US9047611B2 (en) 2010-01-25 2015-06-02 Yahoo! Inc. System and method for finding relative score and enhancing one or more scores associated with data objects
WO2011115916A1 (en) 2010-03-15 2011-09-22 The Nielsen Company (Us), Llc Methods and apparatus for integrating volumetric sales data, media consumption information, and geographic -demographic data to target advertisements
US8751305B2 (en) 2010-05-24 2014-06-10 140 Proof, Inc. Targeting users based on persona data
US9773225B2 (en) 2010-06-04 2017-09-26 James Jeffries Apparatus, system, and method for social network job applications
US8478697B2 (en) * 2010-09-15 2013-07-02 Yahoo! Inc. Determining whether to provide an advertisement to a user of a social network
US10142687B2 (en) 2010-11-07 2018-11-27 Symphony Advanced Media, Inc. Audience content exposure monitoring apparatuses, methods and systems
US8607295B2 (en) 2011-07-06 2013-12-10 Symphony Advanced Media Media content synchronized advertising platform methods
US9058814B2 (en) 2010-11-15 2015-06-16 At&T Intellectual Property I, L.P. Mobile devices, methods, and computer program products for enhancing social interactions with relevant social networking information
US9092826B2 (en) * 2010-12-04 2015-07-28 Facebook, Inc. Profile page with biographical summary for social networking system user
US20120166284A1 (en) * 2010-12-22 2012-06-28 Erick Tseng Pricing Relevant Notifications Provided to a User Based on Location and Social Information
US9922342B2 (en) 2010-12-28 2018-03-20 Google Llc Evaluating user activity in social environments
US20120173327A1 (en) * 2011-01-03 2012-07-05 International Business Machines Corporation Promoting, delivering and selling information to intranet users
US20120209668A1 (en) * 2011-02-15 2012-08-16 Terry Angelos Dynamically serving content to social network members
US20120209719A1 (en) * 2011-02-16 2012-08-16 Plut William J Systems for electronic interpersonal advertising
WO2012174565A2 (en) * 2011-06-16 2012-12-20 Radiumone, Inc. Building a social graph with sharing activity between users of the open web
US9530167B2 (en) * 2011-08-12 2016-12-27 Facebook, Inc. Coefficients attribution for different objects based on natural language processing
US8996650B2 (en) * 2011-08-26 2015-03-31 Accenture Global Services Limited Preparing content packages
US8917913B2 (en) * 2011-09-22 2014-12-23 International Business Machines Corporation Searching with face recognition and social networking profiles
US9754292B1 (en) * 2011-10-13 2017-09-05 Google Inc. Method and apparatus for serving relevant ads based on the recommendations of influential friends
US8909752B1 (en) * 2011-10-26 2014-12-09 Google Inc. Systems and methods for associating data with advertisements
US9886495B2 (en) * 2011-11-02 2018-02-06 Alexander I. Poltorak Relevance estimation and actions based thereon
US8930385B2 (en) * 2011-11-02 2015-01-06 Alexander I. Poltorak Relevance estimation and actions based thereon
US9462004B1 (en) * 2011-11-04 2016-10-04 Google Inc. Automatic group assignment of users in a social network
US9087273B2 (en) * 2011-11-15 2015-07-21 Facebook, Inc. Facial recognition using social networking information
US8825763B2 (en) * 2011-12-09 2014-09-02 Facebook, Inc. Bookmarking social networking system content
US9569986B2 (en) 2012-02-27 2017-02-14 The Nielsen Company (Us), Llc System and method for gathering and analyzing biometric user feedback for use in social media and advertising applications
US9372589B2 (en) * 2012-04-18 2016-06-21 Facebook, Inc. Structured information about nodes on a social networking system
US20130290109A1 (en) * 2012-04-27 2013-10-31 Zainab Jamal Eliciting A Customer's Product Preference Propensities Among Sub-Groups In A Social Network
US9501572B2 (en) 2012-06-29 2016-11-22 Google Inc. Content placement criteria expansion
US20140012680A1 (en) * 2012-07-06 2014-01-09 X App, Llc Directed Advertising and Educational Information Systems
US9020835B2 (en) * 2012-07-13 2015-04-28 Facebook, Inc. Search-powered connection targeting
US8639619B1 (en) 2012-07-13 2014-01-28 Scvngr, Inc. Secure payment method and system
US10319046B2 (en) 2012-07-20 2019-06-11 Salesforce.Com, Inc. System and method for aggregating social network feed information
US9246958B2 (en) * 2012-08-02 2016-01-26 Facebook, Inc. Systems and methods for multiple photo selection
US20140052539A1 (en) * 2012-08-15 2014-02-20 Brady Lauback Aggregating Connections Of Social Networking System Users For Targeting Or Display Of Content
US9881091B2 (en) 2013-03-08 2018-01-30 Google Inc. Content item audience selection
US20140164062A1 (en) * 2012-12-06 2014-06-12 Capital One Financial Corporation Systems and methods for performing socio-graphic consumer segmentation for targeted advertising
US20140172563A1 (en) * 2012-12-17 2014-06-19 Facebook, Inc. Targeting Objects to Users Based on Search Results in an Online System
JP5559295B2 (ja) * 2012-12-18 2014-07-23 ヤフー株式会社 情報提供装置、情報提供方法、情報提供プログラム及びネットワークシステム
US10075554B2 (en) * 2012-12-20 2018-09-11 Facebook, Inc. Detecting mobile device attributes
US20140188994A1 (en) * 2012-12-28 2014-07-03 Wal-Mart Stores, Inc. Social Neighborhood Determination
US20140195303A1 (en) * 2013-01-07 2014-07-10 Y13 Ltd Method of automated group identification based on social and behavioral information
US9330421B2 (en) * 2013-02-21 2016-05-03 Facebook, Inc. Prompting user action in conjunction with tagged content on a social networking system
US20140258400A1 (en) * 2013-03-08 2014-09-11 Google Inc. Content item audience selection
US20140358942A1 (en) * 2013-05-30 2014-12-04 Linkedln Corporation Inferring gender for members of a social network service
US9414219B2 (en) 2013-06-19 2016-08-09 Facebook, Inc. Detecting carriers for mobile devices
US8770478B2 (en) 2013-07-11 2014-07-08 Scvngr, Inc. Payment processing with automatic no-touch mode selection
US9361006B2 (en) * 2013-10-16 2016-06-07 Linkedin Corporation Generating member profile recommendations based on connection timing data in a social graph
US20150112818A1 (en) 2013-10-22 2015-04-23 Google Inc. Content item selection criteria generation
US10210536B1 (en) 2013-11-25 2019-02-19 Groupon, Inc. Predictive recommendation system using price boosting
US9367628B2 (en) 2014-01-03 2016-06-14 Facebook, Inc. Object recommendation based upon similarity distances
US10796326B2 (en) * 2014-01-06 2020-10-06 Transform Sr Brands Llc Consumer game
US20150220627A1 (en) * 2014-02-04 2015-08-06 International Business Machines Corporation System and method for finding collective interest-based social communities
US10509816B2 (en) * 2014-05-16 2019-12-17 Facebook, Inc. Runtime expansion of targeting criteria based on user characteristics
US9936250B2 (en) 2015-05-19 2018-04-03 The Nielsen Company (Us), Llc Methods and apparatus to adjust content presented to an individual
US10440133B2 (en) * 2015-06-01 2019-10-08 Microsoft Technology Licensing, Llc Inferring a social connection
US9900278B2 (en) 2015-06-09 2018-02-20 International Business Machines Corporation Eliciting positive responses to a social media posting
US10484499B2 (en) * 2015-06-25 2019-11-19 Facebook, Inc. Selecting content for presentation to an online system user based on affinities of the user for additional users inferred from an organizational chart
US10242385B2 (en) * 2015-07-24 2019-03-26 Facebook, Inc. Predicting demographic information of an online system user based on online system login status
EP3332375A4 (en) * 2015-08-06 2019-01-16 Hrl Laboratories, Llc SYSTEM AND METHOD FOR IDENTIFYING THE INTERESTS OF A USER THROUGH A SOCIAL MEDIA
US9648581B1 (en) 2015-11-09 2017-05-09 Radiumone, Inc. Robust geolocation system implementation for serving targeted advertisement and personalized content
CN105574147B (zh) * 2015-12-15 2022-01-07 腾讯科技（深圳）有限公司 一种信息处理方法及服务器
US10075825B2 (en) 2016-02-17 2018-09-11 Facebook, Inc. Determining visibility of group content to a user based on inferred connections between users of an online system
US10282598B2 (en) 2017-03-07 2019-05-07 Bank Of America Corporation Performing image analysis for dynamic personnel identification based on a combination of biometric features
US12020268B1 (en) * 2017-06-30 2024-06-25 Snap Inc. Targeted surveys to a subset of client devices based on geolocation, user application activities, and display duration
US10943178B1 (en) * 2018-01-31 2021-03-09 Facebook, Inc. Accounting for organically occurring interactions with content when selecting content items for presenstation to users of an online system
US11620410B1 (en) 2020-09-09 2023-04-04 Meta Platforms, Inc. Digital content management using sentiment driven and privacy prioritization adjustability
JP7181347B1 (ja) 2021-06-10 2022-11-30 楽天グループ株式会社 情報処理システム、情報処理方法、及び情報処理プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080189169A1 (en) * 2007-02-01 2008-08-07 Enliven Marketing Technologies Corporation System and method for implementing advertising in an online social network
US20080294607A1 (en) * 2007-05-23 2008-11-27 Ali Partovi System, apparatus, and method to provide targeted content to users of social networks
US20090037255A1 (en) * 2006-12-06 2009-02-05 Leo Chiu Behavior aggregation
US20090070219A1 (en) * 2007-08-20 2009-03-12 D Angelo Adam Targeting advertisements in a social network

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6175831B1 (en) * 1997-01-17 2001-01-16 Six Degrees, Inc. Method and apparatus for constructing a networking database and system
JP3013802B2 (ja) * 1997-01-31 2000-02-28 日本電気株式会社 情報配信システム及び情報配信方法ならびにプログラムを記録した機械読み取り可能な記録媒体
US6750881B1 (en) * 1997-02-24 2004-06-15 America Online, Inc. User definable on-line co-user lists
US7194424B2 (en) * 1997-06-25 2007-03-20 Intel Corporation User demographic profile driven advertising targeting
US6269369B1 (en) * 1997-11-02 2001-07-31 Amazon.Com Holdings, Inc. Networked personal contact manager
NL1009376C1 (nl) * 1998-06-11 1998-07-06 Boardwalk Ag Datasysteem voor het verschaffen van relatiepatronen tussen personen.
WO2000016209A1 (en) * 1998-09-15 2000-03-23 Local2Me.Com, Inc. Dynamic matchingtm of users for group communication
US6513052B1 (en) * 1999-12-15 2003-01-28 Imation Corp. Targeted advertising over global computer networks
US6889213B1 (en) * 2000-02-18 2005-05-03 Hewlett-Packard Development Company, L.P. E-service to manage contact information with privacy levels
US7047202B2 (en) * 2000-07-13 2006-05-16 Amit Jaipuria Method and apparatus for optimizing networking potential using a secured system for an online community
US7099862B2 (en) * 2001-08-02 2006-08-29 International Business Machines Corporation Programmatic discovery of common contacts
US7069308B2 (en) * 2003-06-16 2006-06-27 Friendster, Inc. System, method and apparatus for connecting users in an online computer system based on their relationships within social networks
US10373173B2 (en) * 2004-06-14 2019-08-06 Facebook, Inc. Online content delivery based on information from social networks
US8560385B2 (en) * 2005-09-02 2013-10-15 Bees & Pollen Ltd. Advertising and incentives over a social network
US7805406B2 (en) * 2006-10-27 2010-09-28 Xystar Technologies, Inc. Cross-population of virtual communities
US8438062B2 (en) * 2006-12-29 2013-05-07 Google Inc. Network node ad targeting
JP2008176570A (ja) * 2007-01-18 2008-07-31 Ntt Docomo Inc 配信システム、口コミ情報管理サーバ、配信サーバ、ユーザ端末及び配信方法
US20090063249A1 (en) * 2007-09-04 2009-03-05 Yahoo! Inc. Adaptive Ad Server
US20100030647A1 (en) * 2008-07-31 2010-02-04 Yahoo! Inc. Advertisement selection for internet search and content pages
US20100076850A1 (en) * 2008-09-22 2010-03-25 Rajesh Parekh Targeting Ads by Effectively Combining Behavioral Targeting and Social Networking

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090037255A1 (en) * 2006-12-06 2009-02-05 Leo Chiu Behavior aggregation
US20080189169A1 (en) * 2007-02-01 2008-08-07 Enliven Marketing Technologies Corporation System and method for implementing advertising in an online social network
US20080294607A1 (en) * 2007-05-23 2008-11-27 Ali Partovi System, apparatus, and method to provide targeted content to users of social networks
US20090070219A1 (en) * 2007-08-20 2009-03-12 D Angelo Adam Targeting advertisements in a social network

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103812759A (zh) * 2012-11-08 2014-05-21 邻客音公司 通过活动流为产品和服务生成导联
CN103812759B (zh) * 2012-11-08 2018-06-19 微软技术许可有限责任公司 通过活动流为产品和服务生成导联
CN104735045A (zh) * 2013-12-19 2015-06-24 国际商业机器公司 使用弹性映射对去往社交网络节点的通信的指引

Also Published As

Publication number Publication date
JP2012523613A (ja) 2012-10-04
CA2754469A1 (en) 2010-10-14
US20100257023A1 (en) 2010-10-07
JP5635590B2 (ja) 2014-12-03
AU2010235081B2 (en) 2014-07-24
AU2010235081A1 (en) 2011-10-20
ZA201107158B (en) 2013-10-30
WO2010117568A1 (en) 2010-10-14
BRPI1014191A2 (pt) 2016-04-26
CA2754469C (en) 2017-04-25

Similar Documents

Publication Publication Date Title
CN102365649A (zh) 为了广告的推断定向而利用社交网络中的信息
US11288702B1 (en) Exploration in a real time messaging platform
US20210035152A1 (en) Predicting the effectiveness of a marketing campaign prior to deployment
US10891592B2 (en) Electronic job posting marketplace
KR102104256B1 (ko) 소셜 네트워킹 시스템에서 스폰서 광고의 순위화 및 가격결정
US20140172545A1 (en) Learned negative targeting features for ads based on negative feedback from users
US20140172544A1 (en) Using negative feedback about advertisements to serve advertisements
US20190095961A1 (en) Applying a trained model for predicting quality of a content item along a graduated scale
US20130325631A1 (en) Crowdsourced advertisements sponsored by advertisers in a social networking environment
US20150006294A1 (en) Targeting rules based on previous recommendations
US11157947B2 (en) System and method for real-time optimization and industry benchmarking for campaign management
EP2684176A2 (en) Endorsement subscriptions for sponsored stories
US20180285748A1 (en) Performance metric prediction for delivery of electronic media content items
CN102222299A (zh) 清单管理
US20150186939A1 (en) Systems and Methods for Search Results Targeting
US20110313863A1 (en) Systems and Methods for Opportunity-Based Services
US20120030010A1 (en) Social impact on advertising
US10853428B2 (en) Computing a ranked feature list for content distribution in a first categorization stage and second ranking stage via machine learning
US20170308913A1 (en) Drill-down approach to providing data about entities in a social graph
Gao et al. Attention convolutional neural network for advertiser-level click-through rate forecasting
US20170308806A1 (en) Using machine learning techniques to determine propensities of entities identified in a social graph
US20150310487A1 (en) Systems and methods for commercial query suggestion
US20170140435A1 (en) System and method for targeting user interests based on mobile call logs
KR102557299B1 (ko) 사용자를 위한 적합 마케팅 전략 수립 방법
US20180150886A1 (en) Controlling a content auction with a threshold value

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120229