CN102667843A - 用于向网站访客递送目标内容以推广产品和品牌的方法和装置 - Google Patents

用于向网站访客递送目标内容以推广产品和品牌的方法和装置 Download PDF

Info

Publication number
CN102667843A
CN102667843A CN2010800586395A CN201080058639A CN102667843A CN 102667843 A CN102667843 A CN 102667843A CN 2010800586395 A CN2010800586395 A CN 2010800586395A CN 201080058639 A CN201080058639 A CN 201080058639A CN 102667843 A CN102667843 A CN 102667843A
Authority
CN
China
Prior art keywords
information
audience members
computing machine
website
participation
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
CN2010800586395A
Other languages
English (en)
Inventor
A·J·胡恩
N·塔巴尔
S·泰勒
J·布拉迪
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.)
Resonate Networks Inc
Original Assignee
Resonate Networks 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
Priority claimed from US12/644,892 external-priority patent/US10475047B2/en
Application filed by Resonate Networks Inc filed Critical Resonate Networks Inc
Priority to CN201810022087.0A priority Critical patent/CN108280679A/zh
Publication of CN102667843A publication Critical patent/CN102667843A/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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements

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)
  • Information Transfer Between Computers (AREA)

Abstract

公开了一种基于与参与计算机实现的调查的受众成员相关联的态度值来选择用于向受众成员计算机递送目标内容的网站的方法。可以将调查响应信息以及与受众成员相关联的网站访问信息和人口统计信息收集并存储在中央数据库中。可以根据针对受众成员的调查响应信息和/或其它信息来确定态度值。该态度值可以指示受众成员关于问题、题目、产品、服务等的态度。与其它网站访问信息相结合的态度值可以用于选择用于向受众成员递送目标内容的网站。

Description

用于向网站访客递送目标内容以推广产品和品牌的方法和装置
相关申请的交叉引用
本申请涉及以下专利申请，作为其部分延续，并且要求其权益：早在2009年12月22日提交的、题为Method and Apparatus for Delivering TargetedContent to Website Visitors的美国专利申请12/644,892；以及，本申请涉及以下专利申请，并且要求其优先权：在2009年8月28日提交的、题目为Method and Apparatus for Delivering Targeted Content to Website Visitors的临时专利申请No.61/238,004。
技术领域
本发明涉及用于确定一个或多个最佳网站的方法和设备，在该一个或多个最佳网站上，向被称为受众成员的多个网站访客显示目标内容。
背景技术
广告商和其它内容提供商使用因特网来向因特网受众成员递送包括但是不限于广告的网站内容。受众成员可以是单个人、一组人（诸如居住在共同的家庭中的那些人）、和/或与单个人或一组人相关联的设备（诸如但不限于使用因特网浏览器的设备或计算机）。
存在向具有特定态度或观点的受众成员递送目标内容的持续需要，该目标内容意指一些但不是所有受众成员特别感兴趣的内容，以便选择性地推广产品、服务和/或品牌。内容提供商和广告商选择最佳网站以向具有特定态度的受众成员递送目标内容的能力已经被限制。而且，内容提供商和广告商已无法选择用于递送可能被具有特定态度和/或价值观的受众成员访问并且同时不太可能被具有相反的态度和/或价值观的受众成员访问的目标内容的网站。因此，存在对用于向受众成员递送目标内容的改善的方法和系统的需求。
本发明的一些但未必是全部实施例的优点是提供用于选择用于向可能具有特定态度和/或价值观的受众成员递送目标内容的网站的方法和系统。本发明的一些但未必是全部实施例的优点也是提供用于选择用于递送或显示不太可能被具有与期望向其递送目标内容的受众成员的态度和/或价值观相反的态度和/或价值观的受众成员访问的目标内容的网站的方法和系统。
在随后的说明书中部分地阐述了本发明的各个实施例的其它优点，并且根据说明书和/或根据本发明的实践，本发明的各个实施例的其它优点部分地对于本领域内的普通技术人员将是显而易见的。
发明内容
响应于上述挑战，申请人已经开发了一种用于基于对于参与计算机实现的调查的受众成员确定的态度值以及所述受众成员的网站访问信息和人口统计信息，在连接到受众成员计算机的显示器上显示内容新颖的方法，所述方法包括：在中央数据库处接收从参与的受众成员计算机通过计算机网络发送的调查响应信息；在所述中央数据库处接收针对所述参与的受众成员计算机的网站访问信息；在所述中央数据库处接收与（i）参与的受众成员和（ii）从其未接收到调查响应信息的未参与的受众成员相关联的人口统计信息；使用非受众成员计算机基于所述调查响应信息、所述网站访问信息和所述人口统计信息中的一个或多个来确定所述参与的受众成员的每一个的态度值；根据使用所述非受众成员计算机的网站访问信息确定所述网站的质量访问指数（QVI）值，其中，所述QVI值基于从由以下项组成的组中选择的值：目标组影响范围（reach）指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、每个独立访客页面指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数构成；基于所述网站的所述QVI值来向所述网站提供所述内容；作为所述参与或未参与的受众成员计算机中的一个访问所述网站的结果，通过所述计算机网络向所述参与或未参与的受众成员计算机中的一个发送所述内容；并且，在连接到所述参与或未参与的受众成员计算机中的一个的所述显示器上显示所述内容。
申请人已经开发了一种用于基于针对参与计算机实现的调查的受众成员确定的态度值与所述受众成员的网站访问信息和人口统计信息，发送用于在连接到受众成员计算机的显示器上观看的内容的新颖方法，所述方法包括：在中央数据库处接收从参与的受众成员计算机通过计算机网络发送的调查响应信息；在所述中央数据库处接收针对所述参与的受众成员计算机的网站访问信息；在所述中央数据库处接收与（i）参与的受众成员和（ii）从其未接收到调查响应信息的未参与的受众成员相关联的人口统计信息；根据调查响应信息确定从由下列各项构成的组中选择的信息：价值取向信息、购买类别信息、购买取向信息、品牌属性信息、购买从事信息、购物从事信息、以及合作参与信息；使用非受众成员计算机至少部分地基于价值取向信息、购买类别信息、购买取向信息、品牌属性信息、购买从事信息、购物从事信息、以及合作参与信息中的一个或多个来确定所述参与的受众成员中的每一个的态度值；使用所述非受众成员计算机根据网站访问信息和态度值确定所述网站的质量访问指数（QVI）值；基于所述网站的所述QVI值来向所述网站提供内容；并且，作为所述参与或未参与的受众成员计算机中的一个访问所述网站的结果，通过所述计算机网络向所述参与或未参与的受众成员计算机中的一个发送所述内容。
申请人还开发了一种确定要在网站上显示的内容的新颖方法，所述方法包括：在中央数据库处接收从参与的受众成员计算机通过计算机网络发送的调查响应信息；在所述中央数据库处接收针对所述参与的受众成员计算机的网站访问信息；在所述中央数据库处接收与（i）参与的受众成员和（ii）从其未接收到调查响应信息的未参与的受众成员相关联的人口统计信息；根据调查响应信息确定从由下列各项构成的组中选择的信息：价值取向信息、购买类别信息、购买取向信息、购买从事信息、品牌属性信息、购物从事信息、以及合作参与信息；至少部分地基于价值取向信息、购买类别信息、购买取向信息、品牌属性信息、购买从事信息、购物从事信息、以及合作参与信息中的一个或多个来确定所述参与的受众中的每一个的态度值；确定所述参与的受众的每一个的态度值；根据网站访问信息和态度值确定所述网站的质量访问指数（QVI）值；并且，基于所述网站的所述QVI值向所述网站提供内容。
应当明白，上述的一般说明和下面的详细说明两者都仅是示例性和说明性的，并且不限制所要求保护的本发明。
附图说明
为了有助于理解本发明，现在参考附图，在附图中，相似的附图标记指示相似的元件。
图1是根据本发明的第一实施例配置的计算机网络的示意图。
图2是说明本发明的第一方法实施例的流程图。
图3是示出根据本发明的实施例的包括在在线调查中的示例问题和示例在线调查响应选项和响应计数的幻灯片。
图4是说明根据本发明的实施例的可以用于确定态度值的信息分量的示意图。
图5是示出根据本发明的实施例的一般从事行为和相关联的权重的示例的图表。
图6是示出根据本发明的实施例的一般从事等级和相关联的描述的示例的图表。
图7是示出根据本发明的实施例的政治从事等级和相关联的描述和值的示例的图表。
图8是示出根据本发明的实施例的主张（advocacy）从事行为的编组的示例的图表。
图9是示出根据本发明的实施例的主张从事等级和相关联的描述和值的示例的图表。
图10A和10B是说明根据本发明的方法实施例的用于确定可以使用的投影权重的方法的流程图。
图11A和11B是说明根据本发明的方法实施例的用于确定可以使用的质量访问指数值的方法的流程图。
图12包括说明基于净支持分数和QVI值的网站的排序的图表。
图13包括说明基于质量访问指数值的网站的排序的两个图表。
图14是示出根据本发明的实施例的价值表达、价值取向以及价值声明的关系的图表；
图15是示出根据本发明的实施例的购物从事等级和相关联的描述的示例的图表；
图16是示出根据本发明的实施例的合作从事等级和相关联的描述的示例的图表。
具体实施方式
现在详细参考本发明的第一实施例，在附图中说明了该第一实施例的示例。参考图1，计算机网络10可以包括计算机100，计算机100可以是具有永久编程以实现本文中所述的方法的专用计算机；或者，可以是通用计算机，其被使用软件编程以允许它实现本文中所述的方法。计算机100可以经由连接124从中央数据库110接收信息并且在中央数据库110中存储信息。计算机100也可以经由连接130连接到网络200。网络200优选地是因特网。连接124和130可以是允许电子信息的传输的任何连接模块。
中央数据库110可以包括用于存储由计算机100使用的信息的一个或多个单独数据库和/或数据库表。在中央数据库110中存储的信息可以包括调查响应信息112、人口统计信息114、网站访问信息116、态度值信息118、质量访问指数（QVI）信息120、净支持分数信息122以及能够被存储在数据库中的在本文中所讨论的任何其它信息。中央数据库110可以将调查响应信息、人口统计信息、网站访问信息和态度值信息与针对该信息所相关的参与的受众成员和/或参与的受众成员计算机的匿名标识符相关联。
网络200可以连接到多个参与的受众成员计算机300，该多个参与的受众成员计算机300继而连接到显示器302并且与多个参与的受众成员304相关联。参与的受众成员304可以使用计算机300来从形成web的一部分并且经由因特网200连接的一个或多个web服务器500访问网站。“参与的”受众成员计算机300和“参与的”受众成员304被称为“参与的”，因为每一个用于参与向计算机100提供在线调查响应信息。可视和可听网站内容可以被从一个或多个web服务器500发送，并且被参与的受众成员计算机300显示在显示器302上以由参与的受众成员304观看和收听。网络200也可以连接到与未参与的受众成员310相关联的多个未参与的受众成员计算机306。
可以从计算机100向参与的受众成员计算机300发送在中央数据库110中存储的在线调查问题。参与的受众成员304可以使用它们各自的计算机300来通过因特网200向计算机100发送在线调查响应信息（即，对于在线调查问题的回答）。也可以针对参与的受众成员将参与的受众成员计算机300的网站访问信息通过因特网200发送到计算机100。在替代实施例中，在线调查问题可以被存储在与一个或多个第三方计算机400相关联的一个或多个第三方数据库402中。在这样的实施例中，可以从第三方计算机400向参与的受众成员304发送在线调查问题。其后，可以从参与的受众成员计算机300直接通过因特网或替代地通过一个或多个第三方计算机400向计算机100发送调查响应信息。
计算机100也可以连接到一个或多个计算机400和由一个或多个第三方数据提供商维护的相关联的数据库或数据库表402或以其它形式从其接收信息。第三方数据提供商计算机400和相关联的数据库或数据库表402可以存储与多个未参与的受众成员310相关并且可能与多个参与的受众成员304的一个或多个相关的人口统计信息和/或网站访问信息。第三方数据提供商计算机400可以从未参与的受众成员计算机306和/或从其它在线和/或离线来源接收未参与的受众成员人口统计信息。可以从第三方计算机400通过因特网连接410或通过诸如直接电信号连接的替代手段420或经由电信息存储介质向计算机100发送未参与的受众成员人口统计信息。第三方数据提供商的示例包括但是不限于Nielsen公司、comScore和Acxiom。
计算机100可以连接到一个或多个web服务器500或以其它方式从其接收信息。web服务器500可以通过连接510和因特网200向参与的受众成员计算机300以及计算机306和与未参与的受众成员310相关联的显示器发送网站内容。可以通过因特网200或通过诸如直接电信号连接的替代手段520或经由电信息存储介质在计算机100和web服务器500之间传输信息。
参考图1和2，可以如下地执行根据本发明的一个实施例的方法。方法600可以选择一个或多个网站来在连接到参与和/或未参与的受众成员计算机300和306的显示器302上显示内容。该内容可以旨在作为一个或多个网站的一部分显示，该一个或多个网站由受众成员304和310访问，受众成员304和310被确定为可能具有由一个或多个态度值表示的一个或多个特定态度。选择用于显示内容的网站可以基于使针对受众成员的特定产品、服务和/或品牌的推广最优化的标准来进行选择。
参考图2，在步骤602中，参与的受众成员304可以使用参与的受众成员计算机300来向计算机100提供在线调查响应信息112。可以作为参与的受众成员304使用相关联的参与的受众成员计算机300请求在线调查的结果或作为计算机100或可替代地某个其它计算机向参与的受众成员计算机300引导未请求的在线调查的结果而提供在线调查响应信息112。计算机100可以在中央数据库110中存储在线调查响应信息112，并且将特定参与的受众成员304的调查响应信息与针对特定参与的受众成员计算机300和/或特定参与的受众成员304的匿名标识符相关联。
优选的是，但是不必然地，可以从至少1000个参与的受众成员计算机300或更优选地从至少3000个参与的受众成员计算机或最优选地从4000个或更多的参与的受众成员计算机收集调查响应信息112。也优选的是，在时间上分离的多个调查“波”期间从参与的受众成员计算机300接收调查响应信息112。优选的是，相隔超过一天、更优选地超过30天并且最优选地超过3个月或更多月地接收调查“波”。也优选的是，参与的受众成员304响应于超过两个调查波来提供调查响应信息112。在调查波的每一个中的调查问题可以相同或不同。
调查响应信息112可以用于确定下列信息类别：离线和在线购买信息，其包括但不限于品牌态度信息：价值取向信息；指示针对不同的购买类别的相对价值取向的购买类别信息；指示价格、便利性和品牌对所购物品的相对重要性的购物取向信息；指示对潜在购物的研究进行管理的方式的购物从事信息；购买从事信息；以及合作从事信息。
参考图1和14，可以通过在受众成员计算机300处的针对一组问题的回答（调查响应信息）的输入来确定价值取向信息。可以将调查响应信息从受众成员计算机300发送到中央计算机100，并且可以存储在中央数据库110中。计算机100可以运行对调查响应信息的统计分析，以确定针对多个价值表达1000中的每一个的数值分数（例如在1-5的范围中）。该数值分数可以指示每个价值表达对受众成员的重要性。
计算机100可以将受众成员的价值表达1000的分数和与多个价值取向组1010定义相关联的价值表达分数需求进行比较。从而，计算机100可以基于该比较来确定该价值表达分数使受众成员计算机300有资格具有对一个或多个价值取向组1010的低、中或高密切关系。这种密切关系可以包括价值取向信息。计算机100可以将指示受众成员计算机300与每个价值取向组1010的密切关系的信息存储在数据库110中。价值取向组1010可以具有与其中的每一个相关联的价值声明1020。价值取向组1010可以用于确定受众成员计算机的组的特性。
还可以根据调查信息来确定购买类别信息。购买类别组可以指示受众成员对特定的产品或服务类型（诸如食品、服装、家居等）的价值取向。计算机100可以将受众成员计算机300的价值表达分数和与多个购买类别组定义相关联的价值表达分数需求进行比较。计算机100可以基于该比较来确定该价值表达分数使受众成员计算机300有资格具有对一个或多个购买类别组的低、中或高密切关系。该密切关系水平可以包括购买类别信息。计算机100可以存储指示受众成员计算机300与每个购买类别组的密切关系的信息。
例如，可以存在指示受众成员计算机300与价值取向的密切关系的6个购买类别组，如其与下列各项有关：营养食品、嗜好食品、受众成员的身体上穿戴的物品、装饰受众成员家的物品、由受众成员公开展示的物品、以及由受众成员消费的服务。如下面所进一步解释的，可以使用购买类别组来替代价值取向组。
调查响应信息还可以用于确定受众成员计算机300的购买取向信息，其指示价格、便利性（或可访问性）和品牌对所购物品的相对重要性。例如，价格、便利性和品牌的相对重要性可以由数值分数或排序来指示，并且可以广泛地跨所购物品来应用或应用于所购物品的组（诸如包括购买类别组的那些组）。可以由计算机100将购买取向信息存储在中央数据库110中。
参考图1和15，调查响应信息112还可以用于针对整体的所购物品或所购物品的类别确定以受众成员计算机300与一个或多个购物从事组1030的密切关系的形式的购物从事信息。购物从事组1030均可以与购物特性1040相关联。购物从事的水平可以由计算机100针对每个受众成员计算机300来进行确定，购物从事的水平转而可以用于确定任何受众成员定义或组的购物从事的水平。购物从事的水平可以包括购物从事信息，可以由计算机100将该购物从事信息存储在中央数据库110中。例如，可以由计算机100来确定落入图15中示出的4个购物从事组1030中的每个组的年龄在35-45的女性的百分比。
参考图1和16，调查响应信息112还可以用于确定以受众成员计算机300与一个或多个合作从事组1050的密切关系的形式的合作从事信息，该合作从事信息均可以与合作从事特性1060相关联。合作从事的水平可以由计算机100针对每个受众成员计算机300以及针对受众成员组或定义来进行确定。可以由计算机100将这种合作从事信息存储在中央数据库110中。
调查响应信息112还可以用于确定以受众成员计算机300与一个或多个品牌特性以及相关联的评价的密切关系的形式的品牌属性信息，所述评价诸如质量（例如，高对比低）、性能（例如，优、良、差）、美感效果（例如，令人喜爱的对比令人生厌的）、功能性（例如，最多的对比最少的）、创新性（例如，最大的对比最小的）、价格（例如，高对比低）、奢华度（例如，最大的对比最小的）、易用性（例如，最好的对比最差的）、独特性（例如，最大的对比最小的）、和/或声誉（例如，较多的对比较少的）。受众成员的品牌属性组可以由计算机100来确定并且与一个或多个品牌属性特性和相关联的排序相关联。可以由计算机100将品牌属性信息和品牌属性组存储在中央数据库110中。
调查响应信息112也可以包括与参与的受众成员304相关联的人口统计信息。作为调查响应信息112的一部分的参与的受众成员人口统计信息可以包括以下类型的信息：年龄、收入、性别、人口普查区域、种族、性取向、教育水平、宗教信仰、出席宗教服务的频率、工会参与、因特网使用频率信息、爱好、兴趣、个性品质等。应当理解，上述的人口统计信息的列表是非限定性的，并且本发明的实施例可以利用与受众成员相关的任何类型的人口统计信息。
再一次参考图2，在步骤604中，用于参与和/或未参与的受众成员的计算机100可以接收人口统计信息114（除了可以包括在调查响应信息112中的人口统计信息之外）。可以由一个或多个第三方收集针对未参与的受众成员310和参与的受众成员304的人口统计信息114，或者可以从在线和/或离线信息的其它来源得出人口统计信息114。第三方可以以任何已知方式收集或得出人口统计信息114，该已知方式包括但是不限于跟踪未参与的受众成员310和/或参与的受众成员304的在线行为。可以意识到，在本发明的替代实施例中，可以由计算机100的主机而不是被一个或多个第三方收集与未参与的受众成员310相关联和/或与参与的受众成员304相关联的人口统计信息114。
计算机100可以将与特定参与的受众成员相关的人口统计信息114与在中央数据库110中的参与的受众成员304的匿名标识符相关联。类似地，计算机100可以将与特定未参与的受众成员相关的人口统计信息114与在中央数据库110中的未参与的受众成员310的匿名标识符相关联。而且，可以多次提供人口统计信息114，优选地每个波至少一次，并且更优选地每月至少一次。
当人口统计信息114与参与的受众成员304相关时，可以将它存储在中央数据库110中，以便与结合调查响应信息112使用的同一匿名标识符相关联。当人口统计信息114与未参与的受众成员310相关时，它可以不是单个的未参与的受众成员特定的，而是描述大组的在线受众成员。例如，当人口统计信息114与未参与的受众成员310相关时，可以对于在诸如美国的共同地理区域中的多个受众成员或在任何其它组中的多个受众成员收集人口统计信息114，该任何其它组可以被表征为具有某种共同联系，诸如政治、收入、种族、人种、宗教、年龄、性别等。更具体地，在本发明的优选实施例中，可以接收或存储与未参与的受众成员310相关的人口统计信息114，使得它与由年龄范围、性别、家庭收入范围、人口普查区域和因特网使用强度（重/中等/轻）等限定的单个未参与的受众成员相关。
继续参考图1和2，在步骤606中，可以由计算机100接收网站访问信息116，网站访问信息116与参与的受众成员计算机300相关并且可能与未参与的受众成员计算机306相关。可以直接地由计算机100或者替代地可以从一个或多个第三方计算机400和/或相关联的数据库402对于参与的受众成员计算机300和未参与的受众成员计算机306收集网站访问信息116。然而，可以意识到，可以在未接收与未参与的受众成员计算机306相关的网站访问信息116的情况下实施本发明的实施例。
虽然优选地在1至3个月或更多的时间段（即，波）上对于所有的参与的受众成员计算机300跟踪这样的网站访问信息，但是可以意识到，在不偏离本发明的意图范围的情况下，一些参与的受众成员计算机可以“退出”跟踪处理，因此可以仅在多个会话、天或星期而不是1至3个月期间获得针对这样的参与的受众成员计算机的网站访问信息。
可以由中央数据库110从计算机100接收网站访问信息116并且将其存储在其中。可以通过使用在参与和未参与的受众成员计算机300和306上安装的软件，通过用于跟踪这样的信息的cookie或跟踪受众成员的在线行为的任何其它方式来实现网站访问信息116的跟踪。
网站访问信息116可以包括但是不必然限于网站URL信息、网站频道访问信息、网站页面访问信息、会话信息、在线购买信息、搜索项信息、访问时间信息、访问持续时间信息、访问日期信息和网站页面杂乱信息。通过对于网站的访问来定义会话。因特网流量度量可以是网站访问信息116的一部分和/或从网站访问信息116被得出，该因特网流量度量例如是：在时间段期间的对于网站、网站频道和/或网站页面的独立访客的数量（即，“独立访客”）；在时间段期间的对于网站、网站频道和/或网站页面的访问的数量（即，“访问”）；在时间段期间观看的网站的网站页面的数量（即，“观看的页面”）；以及，在时间段期间在网站上花费的分钟的数量。在时间段期间对于网站的独立访客被定义为在该时间段期间已经访问网站一次或多次的受众成员计算机。如果受众成员计算机在该时间段期间多次访问该网站，则该受众成员计算机在该时间段期间仍然被计数为一个独立访客。
网站频道可以分层地适配在网站和网站页面之间。网站的示例是MSN.com，并且网站频道的示例是从在MSN.com主页上的“Sports（体育）”按钮访问的网站页面的集合。在此对于“网站”的引用意图包括网站整体、网站频道和网站页面，除非另外限定。
网站页面杂乱信息可以基于下述部分的一个或多个：页面长度、在页面上的广告的数量、在页面上的广告的位置、广告占用的页面的表面区域的百分比（例如，按照像素计数）信息和在页面上的广告的大小信息。更具体地，网站页面杂乱可以考虑相对于其它内容用于显示广告的网站页面上的像素的相对数量和位置以及这些广告相对于在页面上的非广告内容的显著。例如，下述部分的任何一个可以与较高的网站页面杂乱值相关：与较少的广告相比的较多的广告、与较大的广告相比的较小的广告和与页面底部相比的页面广告的顶部。
在图2的步骤608中，可以基于由计算机100进行的参与的受众成员304的人口统计信息114与未参与的受众成员310的人口统计信息的比较来确定对于参与的受众成员的权重因子。可以使用权重因子来加权与参与的受众成员304相关的网站访问信息116和其它特性，使得在按照年龄、性别等的人口统计分组的参与的受众成员的人口更接近地投影到在同一时间段中在按照相同人口统计组的全部在线人口的人口统计分布。
在图2的步骤610中，可以基于调查响应信息112、人口统计信息114和/或网站访问信息116来确定与参与的受众成员304相关联的态度值。该态度值可以指示参与的受众成员的政治态度、法制态度、管理态度、合作态度和/或产品态度。在本发明的某些实施例中，态度值可以完全地包括以下类型的信息或部分地基于以下类型的信息：品牌属性信息、价值取向信息、购买类别信息、购买取向信息、购买从事信息、购物从事信息、以及合作从事信息。
在步骤612，可以确定每个网站对于具有选择的态度值的参与的受众成员的目标组的影响范围和所有网站对于具有与目标组的选择的态度值不类似的态度值的参与的受众成员的相反组的影响范围。所确定的影响范围可以指示在访问每个网站的目标组和相反组中的参与的受众成员的数量。
在图2的步骤614中，可以基于网站对于目标组的影响范围与网站对于相反组的影响范围的比较来选择一个或多个网站以包括以目标组为目标和不以相反组为目标的内容。在一个示例中，可能优选的是，选择用于递送在目标组和相反组之间的影响范围方面具有最大差异的目标内容的网站。
在图2的步骤616中，作为计算机访问在步骤614中选择的一个或多个网站的结果，参与或未参与的受众成员计算机300和306可以显示目标内容。
可以使用在图10A和10B中所示的方法来确定结合图2的步骤608引用的权重因子。参考图10A和10B，在步骤800中，在选择的分析时间段和在相同的人口统计组（例如，年龄组）中的每个参与的受众成员可以被分配相等的初始权重值。分析时间段可以是在其间参与的受众成员304可获得网站访问信息的任何时间段。优选的是，分析时间段将多于一个月，并且更优选的是至少大约3个月。优选的是，在分析时间段中对于每月的信息执行在图10A和10B中所示的方法。
在图10A的步骤801中，可以由计算机100根据人口统计信息114确定按照年龄组的参与的受众成员304的百分比的人口统计分布。以岁数计的年龄组的示例是18-24、25-34、35-44、45-54、55-64和65以及上。可以意识到，可以使用其它年龄组而不偏离本发明的意图范围。在步骤802中，可以由计算机100根据人口统计信息114确定按照诸如美国的地理区域的在线人口的年龄组的百分比的人口统计分布。该在线人口如果不是全部则几乎全部由未参与的受众成员310构成，但是也可以在某较小程度上包括参与的受众成员304。在步骤804，可以使用计算机100通过将按照年龄组的在线人口的人口统计分布除以按照对应的年龄组的参与的受众成员304的人口统计分布来计算年龄权重因子：。例如，对于年龄组18-24，可以通过下述方式来计算年龄权重因子：将在18-24岁范围中的在线人口的百分比的人口统计分布除以在相同年龄范围中的参与的受众成员304的百分比的人口统计分布。计算机100可以将年龄权重因子存储在中央数据库110中。
在图10A的步骤806中，可以由计算机100根据人口统计信息114确定按照性别组的参与的受众成员304的百分比的人口统计分布。性别组的示例是男性和女性。在步骤808中，可以由计算机100根据人口统计信息114确定按照在线人口的性别组的百分比的人口统计分布。在步骤810中，可以使用计算机100通过下述方式来计算性别权重因子：将按照在线人口的性别的人口统计分布除以按照对应的性别组的参与的受众成员304的人口统计分布。计算机100可以将性别权重因子存储在中央数据库110中。
在图10A的步骤812中，可以由计算机100根据人口统计信息114确定按照家庭收入组的参与的受众成员304的百分比的人口统计分布。家庭收入组的示例是：$25,000以下、$25,001-$50,000、$50,001-$75,000等。在步骤814中，可以由计算机100根据人口统计信息114确定按照在线人口的家庭收入组的百分比的人口统计分布。在步骤816中，可以使用计算机100通过下述方式来计算家庭收入权重因子：将按照在线人口的家庭收入的人口统计分布除以按照对应的家庭收入组的参与的受众成员304的人口统计分布。计算机100可以将家庭收入权重因子存储在中央数据库110中。
在图10A的步骤818中，可以由计算机100根据人口统计信息114确定按照人口普查区域的参与的受众成员304的百分比的人口统计分布。在步骤820中，可以由计算机100根据人口统计信息114确定按照在线人口的人口普查区域的百分比的人口统计分布。在步骤822，可以使用计算机100通过下述方式来计算人口普查区域权重因子：将按照在线人口的人口普查区域的人口统计分布除以按照对应的人口普查区域的参与的受众成员304的人口统计分布。计算机100可以将人口普查区域权重因子存储在中央数据库110中。
在图10A的步骤824中，可以由计算机100根据人口统计信息114确定按照在时间段期间的因特网使用（重/中等/轻）的参与的受众成员304的百分比的人口统计分布。因特网使用分组的示例是：重——每月超过3430分钟；轻——每月少于300分钟；以及，中等——其它人。在步骤826中，可以由计算机100根据人口统计信息114确定按照在线人口的因特网使用的百分比的人口统计分布。在步骤828，可以使用计算机100通过下述方式来计算因特网使用权重因子：将按照在线人口的因特网使用的人口统计分布除以按照对应的因特网使用分组的参与的受众成员304的人口统计分布。计算机100可以在中央数据库110中存储因特网使用权重因子。
在步骤830-848中，可以重复与在步骤801-828中阐述的年龄组、性别组、家庭收入组、人口普查区域和因特网使用分组的确定相关的子例程的每一个，直到所确定的权重因子与参与的受众成员304的百分比的对应的人口统计分布的相乘产生与相同的人口统计度量的在线人口的百分比的人口统计分布大体相同的乘积。例如，迭代地重复步骤830-848，直到年龄组权重因子与按照参与的受众成员304的年龄的百分比的人口统计分布的相乘产生与按照年龄的在线人口的百分比的人口统计分布大体相同的乘积。进一步迭代该处理，直到基于人口统计逐个类别基础的结果产生的人口统计分布也对于诸如性别、家庭收入、人口普查区域和因特网使用的每一个人口统计类别大体相同。当处理的继续迭代未导致从一个迭代向下一个迭代的对于值的任何实质改变时，在上述步骤中将该值认为“大体相同”。也应当意识到，在上述示例中使用的人口统计信息114的选择不被认为是本发明的限制。在不偏离本发明的意图范围的情况下，可以在步骤801-848中使用更少、更多和/或不同的人口统计信息114。
对于可以构成分析时间段的多个单独的时间段的每一个重复步骤800-848。优选的是，对于参与的受众成员304可获得的每月数据重复步骤800-848。例如，如果分析时间段是三个月时间段，则可以执行三次步骤800-848，以产生与每一个单独月的人口统计分布对应的三组权重因子。
在图10A的步骤850中，对于每一个预选时间段的每一个参与的受众成员304，计算机100可以在分析时间段中的每一个时间段（例如，月）上和所有权重因子上（因为所有权重因子应用到每一个特定参与的受众成员）对在步骤801-848中确定的权重因子进行求和。结果产生的和可以与针对参与的受众成员的匿名标识符相关联地存储在中央数据库110中。例如，对于每年挣$45,000、住在美国东北并且每月使用因特网500分钟的20岁男性参与的受众成员，计算机100可以将对于人口统计信息的三个月的每一个计算的18-24岁组、男性性别组、$25,001-$50,000家庭收入组、美国东北人口普查区域和中等因特网使用权重因子求和，并且将这样的和与针对参与的受众成员的匿名标识符相关联地存储在中央数据库110中。
在步骤852中，可以由计算机100根据人口统计信息114确定分析时间段的总的在线人口的大小。例如，如果在线人口在分析时间段的第一月是160百万个人，在第二月为170百万个人并且在第三月为180百万个人，则对于分析时间段的总的在线人口是510百万在线用户。
在步骤854中，计算机100可以计算每一个参与的受众成员304的投影因子，该投影因子是在步骤852中确定的在线人口的大小除以在步骤850中计算的权重的和的商。在步骤856中，可以使用计算机100通过下述方式来计算每一个参与的受众成员304的投影权重：将在步骤800向特定参与的受众成员分配的权重乘以在步骤854中计算的投影因子。
作为用于执行在图10A-10B中阐述的处理的结果而确定的参与的受众成员304的投影因子可以用在图11A和11B中所示的处理中来确定质量访问指数（QVI）值，该QVI值继而用于确定可以选择哪些网站来向参与和未参与的受众成员递送目标内容。参考图11A，在步骤900中，选择分析时间段，该分析时间段应当优选地是结合在图10A-10B中阐述的处理使用的相同分析时间段。
在步骤902中，计算机100可以向与参与的受众成员相关联的网站访问信息和其它特性应用针对参与的受众成员304的投影因子，以产生投影的网站访问信息和投影的特性信息。“投影的”信息必要地按比例放大或缩小与单独的参与的受众成员相关的信息，使得与特定参与的受众成员相关的信息与参与的受众成员作为其一部分的人口统计组（按照年龄、性别等）的构成成比例。例如，针对特定参与的受众成员304的投影因子可以乘以与分析时间段的相同参与的受众成员相关的下面的网站访问信息116：对于网站访问的数量；在网站、频道和/或页面上花费的分钟数量；会话的数量；在线购买的数量；以及，网站访问持续时间。
在步骤904，计算机100可以使用网站访问信息116确定由一个或多个参与的受众成员在分析时间段中每一月访问的每一个网站的投影的每月流量度量。对于每一个网站确定的流量度量可以包括但是不必然限于：独立访客的数量；访问的数量；观看的页面的数量；哪些页面被观看；访问网站花费的时间量（例如，分钟数量）；每一个页面的广告的数量；以及，由广告占用的页面的表面区域的百分比。如上所述的投影因子可能影响网站的流量度量的确定。例如，如果单个参与的受众成员304具有为“2”的投影因子并且参与的受众成员花费10分钟来访问网站，则可能由于投影因子而将其计数为花费20分钟来访问网站。
在步骤906，可以由计算机100组合（即，求和）在步骤904中确定的投影的每月流量度量。可以在组合每月流量度量之前将折扣因子应用到它们以解释与较早月相关的流量度量的降低的值。例如，如果分析时间段由流量度量的前三个月构成，则在分析时间段中的第一月的流量度量可以乘以折扣因子0.5，并且在分析时间段中的第二月的流量度量可以乘以折扣因子0.75。折扣因子的上述示例仅是说明性的，并且不被认为限于本发明的意图范围。可以由计算机100将组合的每月流量度量存储在中央数据库110中。
在步骤908中，可以由计算机100通过使用网站访问信息116来计算由一个或多个参与的受众成员304访问的每一个网站的整体影响范围。整体影响范围可以是对于网站的投影的参与的受众成员独立访问的数量除以对于分析时间段的投影的参与的受众成员的总数的商。每一个网站的整体影响范围可以被计算机100存储在中央数据库110中。
在步骤910中，计算机100可以使用网站访问信息116来确定每一个投影的参与的受众成员独立访客访问每一个网站所花费的分钟的投影数量（min/UV）。计算机100可以将每一个网站的（min/UV）存储在中央数据库110中。
在步骤912中，计算机100可以使用网站访问信息116来确定作为对于每一个网站的独立访客的参与的受众成员304的数量。然后可以将对于每一个网站的独立访客的数量与网站被进一步考虑用于目标内容的递送所需的独立访客的阈值数量作比较。例如，如果网站在分析时间段期间仅具有40个独立访客并且在该分析时间段期间阈值是50个独立访客，则计算机100确定主题网站不应当被考虑进一步用于目标内容的递送。计算机100可以在中央数据库110中存储哪些网站被考虑和/或未被考虑进一步用于目标内容的递送的指示。
在步骤914中，计算机100可以确定参与的受众成员的那些符合处于向其导向目标内容的参与的受众成员的目标组中。可以通过使用计算机100来确定参与的受众成员的目标组，以确定参与的受众成员的每一个的一个或多个态度值。然后可以由计算机100将参与的受众成员的所确定的态度值与选择的态度值阈值和/或态度值范围作比较。如果特定参与的受众成员的态度值满足选择的态度值阈值和/或范围，则计算机100可以将该参与的受众成员指示为目标组的一部分。
调查响应信息112可以用于直接地或间接地确定参与的受众成员304的态度值。例如，参考图3，调查响应信息112可以包括参与的受众成员304对于涉及核电站的政府规定的争议问题700的响应。参与的受众成员304可以使用参与的受众成员计算机300来通过选择在范围从“强烈反对”至“强烈支持”的在菜单702中提供的态度中的一个来指示它们关于这样的规定的态度。针对特定问题的调查响应信息112可以产生计数704，该计数704在图3中被图示为指示将其本身表征为具有对应的态度的每一个的参与的受众成员304的百分比数量。可以在中央数据库110中存储与每一个争议问题700相关的每一个参与的受众成员304的调查响应信息112。
另外参见图4，除了对于争议问题700的回答，调查响应信息112可以进一步包括对于政治倾向问题710、从事水平问题720和投票历史/党派关系问题730的回答。政治倾向问题710在特性上比争议问题700更一般。与政治倾向问题710的下面的示例相比，在图3中提供了争议问题的示例：
●你反对政府的商业规定吗?
●你反对政府提供的医疗保健吗?
投票历史/党派问题730的示例可以包括：
●你多久投一次票?
●你作为投票者通常参与什么选举?
●你是什么政治党派的党员?
争议问题700、政治倾向问题710、从事水平问题720和投票历史/党派关系问题730的上述示例意图是说明性的而不限制本发明的意图范围。可以意识到，在不偏离本发明的意图范围的情况下，可以在调查响应信息112中不包括这些类型的问题（即，争议、政治倾向和投票历史/党派关系）中的一个或多个。
此外，可以在调查响应信息112中包括的从事水平问题720可以用于确定基于图5-9中图示的一个或多个从事尺度的每一个参与的受众成员304的一个或多个从事水平值。在图5-9中说明的三个从事尺度是一般从事尺度、政治从事尺度和主张从事尺度。从事尺度的数量和类型以及结合该尺度使用的相关联的定义、水平和值被认为仅是说明性的而不限制可以在完全没有任何从事尺度的情况下执行的本发明。例如，在图15-16中示出了可替换的从事尺度的水平。
另外参见图5，调查响应信息112可以指示特定参与的受众成员304已经采取在图5中列出的一般从事行为722的一个或多个。计算机100可以将该说明性一般从事行为722的每一个与在图表724的左列中所示的行为值相关联。计算机100可以将每一个参与的受众成员304的调查响应信息112与行为722作比较，以确定应当归于参与的受众成员的在图6中所示的图表726中的一般从事水平。可以由计算机100将调查响应信息112指示应当归于参与的受众成员304的行为值相加在一起以合计出累积的一般从事值。参考图6，说明了四个说明性一般从事值范围726的每一个，其范围从与为0的累积一般从事值相关联的“未从事”至与在范围13-38中的累积一般从事值相关联的“高”从事水平。每一个参与的受众成员304的累积一般从事值可以被计算机100与针对该参与的受众成员的匿名标识符相关联地存储在中央数据库110中。
参考图7，调查响应信息112可以进一步指示特定参与的受众成员304满足在图表728中所示的政治从事定义730的一个或多个。基于计算机100将调查响应信息112与定义730的比较，参与的受众成员304可以与多个政治从事水平732和基于说明性政治从事尺度的相关联的多个政治从事值734中的一个相关联。如在图表728中所说明的，政治从事水平732和相关联的值734可以是分级的，使得参与的受众成员304必须满足前一个较低水平的要求，以便符合条件来满足下一个更高水平的定义730。可以由计算机100将每一个参与的受众成员304的政治从事值734与在中央数据库110中的针对该参与的受众成员的匿名标识符相关联。
参考图8，调查响应信息112可以进一步指示参与的受众成员304已经采取在图表736中所示的主张从事行为的一个或多个。在所示的说明性示例中，可以将每一个主张从事行为置于下述四组之一中：私人行为738、积极参与行为740、综合政治行为742和公共/高级参与行为744。参考图8和图9，可以基于由计算机100实现的在下述部分之间的比较来将特定的参与的受众成员304与图表746中所示的多个主张从事水平748和对应的主张从事值750中的一个相关联：（i）在参与的受众成员的调查响应信息112中指示的主张从事行为，以及（ii）主张从事水平描述752。可以由计算机100将参与的受众成员304符合的对应于主张从事水平748的主张从事值750与在中央数据库110中的针对参与的受众成员的匿名标识符相关联。
重新参考图6-9，可以在每一个参与的受众成员的态度值118的确定中使用累积一般从事值726、政治从事值734和主张从事值750中的一个或多个。可以进一步基于网站访问信息114和/或人口统计信息116来进行态度值118的确定。优选的是，根据与特定参与的受众成员计算机300相关联的调查响应信息112、网站访问信息116和人口统计信息114的组合来确定态度值信息118。
参考图14-16，在本发明的可替代的实施例中，态度值可以完整地基于或部分地基于下列上面所描述的信息中的一个或多个来进行确定：价值取向信息、购买类别信息、购买取向信息、品牌属性信息、购买从事信息、购物从事信息、以及合作从事信息。
重新参考图11A，在步骤916中，计算机100可以使用网站访问信息116来确定由在目标组中的参与的受众成员304在分析时段的每一月访问每一个网站的投影的每月流量度量。对于每一个网站确定的流量度量可以包括与结合步骤904所参考的相同的度量，并且可以被投影因子以与在步骤904中相同的方式影响。
在步骤918中，可以由计算机100以与结合步骤906阐述的相同的方式来组合（即，求和）在步骤916中确定的投影的每月流量度量。可以在组合每月流量度量之前将折扣因子应用到它们以解释与较早月相关的流量度量的降低的值。计算机100可以将组合的投影的每月流量度量存储在中央数据库110中。
在步骤920中，可以由计算机100通过使用网站访问信息116来计算由目标组中的参与的受众成员304访问的每一个网站的目标组影响范围。目标组影响范围可以是在分析时间段期间对于在目标组的网站受众成员的投影的独立访客的数量除以该分析时段期间目标组中的投影的参与的受众成员的总数的商。每一个网站的目标组影响范围可以被计算机100存储在中央数据库110中。
在步骤922中，计算机100可以使用网站访问信息116来确定在目标组中的每一个投影的参与的受众成员独立访客访问每一个网站所花费的分钟的数量（目标组min/UV）。替代地或与目标组min/UV组合地，计算机100可以确定网站页面/UV。可以通过下述方式来确定目标组min/UV：合计与目标组相关联的全部的投影的参与的受众成员计算机访问网站所花费的分钟的数量并且除以在目标组中的参与的受众成员独立访客的数量。可以通过下述方式来确定目标组页面/UV：合计与目标组相关联的全部的投影的参与的受众成员计算机访问的页面的数量，并且除以在目标组中的参与的受众成员独立访客的数量。
在步骤924中，计算机100可以使用网站访问信息116来确定作为对于每一个网站的独立访客的在目标组中的参与的受众成员304的数量。然后可以以与结合步骤912阐述的方式相同的方式将作为对于每一个网站的独立访客的在目标组的参与的受众成员304的数量与网站被进一步考虑用于目标内容的递送所需的独立访客的阈值数量作比较。计算机100可以基于这个步骤的结果来在中央数据库110中存储哪些网站被考虑和/或未被考虑进一步用于目标内容的递送的指示。
在步骤926中，计算机100可以仍然基于用于递送目标内容的考虑来计算每一个网站的目标组影响范围指数。该目标组影响范围指数可以是在步骤920中确定的每一个网站的目标组影响范围除以在步骤908中确定的每一个网站的整体影响范围的商。计算机100可以将目标组影响范围指数存储在中央数据库110中。
在步骤928中，计算机100可以仍然基于用于递送目标内容的考虑来计算每一个网站的每一个独立访客分钟指数。每一个独立访客分钟指数可以是在步骤922中确定的在目标组中的每一个投影的参与的受众成员独立访客访问每一个网站所花费的分钟的数量除以在步骤910中确定的每一个的投影的参与的受众成员独立访客访问每一个网站所花费的分钟的数量的商。在优选实施例中，每一个独立访客分钟指数和/或每一个独立访客页面指数可以被制在预定义范围0.7至1.3中。计算机100可以将每一个网站的目标组min/UV和/或目标组页面/UV存储在中央数据库110中。
计算机100可以将每一个独立访客分钟指数存储在中央数据库110中。
在步骤930中，计算机100可以仍然基于用于递送目标内容的考虑来计算每一个网站的每一个页面分钟指数。每一个页面分钟指数可以是在网站上的参与的受众成员304的每一个页面的平均分钟数量除以在相同网站类别中的所有网站上的参与的受众成员的每一个页面的平均分钟数量。例如，如果在考虑下的网站是CNN.com，则参与的受众成员304在CNN.com上花费的每一个页面的分钟的平均数量将除以在线人口访问所有新闻相关的网站所花费的每一个页面的平均分钟数量。在优选实施例中，每一个页面分钟指数可以被限制在预定义范围0.7至1.3中。计算机100可以将每一个页面分钟指数存储在中央数据库110中。
在步骤932中，计算机100可以仍然基于用于递送目标内容的考虑来计算每一个网站的广告（ad）杂乱指数。广告杂乱指数可以是网站的广告杂乱度量除以与在同一网站类别中的其它网站相关联的广告杂乱度量的商。例如，所使用的广告杂乱度量可以是在页面上的广告的位置、在页面上的广告的大小和/或在页面上的专用于广告的像素的数量的指示。广告杂乱指数可以被计算机100存储在中央数据库110中。
在步骤934中，计算机100可以仍然基于用于递送目标内容的考虑来计算每一个网站的每一个页面广告（ad）指数。每一个页面广告指数可以是在所考虑的网站上的每一个页面的广告的平均数量除以在同一网站类别中的其它网站上的每一个页面的广告的平均数量。计算机100可以将每一个页面广告指数存储在中央数据库110中。
在步骤936中，计算机100可以仍然基于用于递送目标内容的考虑来计算每一个网站的以往性能指数。以往性能指数可以是用于测量在广告运作活动中使用的网站的以往性能的度量除以用于测量在类似的广告运作活动中使用所有其它网站或其它网站的集合的性能的度量。以往性能度量的示例可以包括但是不限于点击率和转换率，其中，“转换”可以是购买、捐献、联系政治家或加入在线社区。计算机100可以将以往性能指数存储在中央数据库110中。
在步骤938中，计算机100可以确定参与的受众成员的哪些符合处于不向其导向目标内容的参与的受众成员的相反组中。相反组可以被定义为具有与结合步骤914引用的目标组的态度值最不类似的态度值。与目标组一样，可以使用计算机100来确定参与的受众成员的相反组，以确定参与的受众成员的每一个的一个或多个态度值。计算机100然后可以将参与的受众成员的所确定的态度值与选择的相反态度值阈值和/或态度值范围作比较。如果特定参与的受众成员的态度值满足选择的相反态度值阈值和/或范围，则计算机100可以指示该参与的受众成员是相反组的一部分。
在步骤940中，计算机100可以通过使用网站访问信息116来确定由在相反组中的参与的受众成员304在分析时段中的每一月访问的每一个网站的投影的每月流量度量。对于每一个网站所确定的投影的流量度量可以包括与结合步骤904引用的度量相同的度量，并且可以被投影因子以与在步骤904中的方式相同的方式影响。计算机100可以将由在相反组以及在目标组中的参与的受众成员304访问的每一个网站的投影的每月流量度量存储在中央数据库110中。
在步骤942中，可以由计算机100以与结合步骤906阐述的方式相同的方式来组合（即，求和）在步骤940中确定的投影的每月流量度量。可以在组合每月流量度量之前将折扣因子应用到它们以解释与较早月相关的流量度量的降低的值。计算机100可以将组合的每月流量度量存储在中央数据库110中。
在步骤944中，可以由计算机100通过使用网站访问信息116来计算由在相反组中的参与的受众成员304访问的每一个网站的相反组影响范围。相反组影响范围可以是在分析时段中由在相反组中的投影的参与的受众成员对于网站的投影的独立访客的数量除以在分析时段中相反组中的投影的参与的受众成员的总数的商。每一个网站的相反组影响范围可以被计算机100存储在中央数据库110中。
在步骤946中，计算机100可以通过使用网站访问信息116来确定作为对于每一个网站的独立访客的在相反组中的参与的受众成员304的数量。然后，可以用与结合步骤912阐述的方式相同的方式将作为对于每一个网站的独立访客的在相反组中的参与的受众成员304的数量与独立访客的阈值数量作比较，其中，要求不超过该独立访客的阈值数量以便网站被进一步考虑用于目标内容的递送。计算机100可以基于这个步骤的结果来在中央数据库110中存储哪些网站被考虑和/或未被考虑进一步用于目标内容的递送的指示。
在步骤948中，计算机100可以仍然基于用于递送目标内容考虑来计算每一个网站的相反组影响范围指数。相反组影响范围指数可以是在步骤944中确定的每一个网站的相反组影响范围除以在步骤908中确定的每一个网站的整体影响范围的商。计算机100可以将相反组影响范围指数存储在中央数据库110中。
在步骤950中，可以由计算机100通过下述方式来计算净支持分数（NSS）：从目标组影响范围指数减去相反组影响范围指数，或者更优选地，将相反组影响范围指数除以目标组影响范围指数。净支持分数可以用于识别用于递送目标内容的网站，该网站（i）更可能被具有与目标组的态度值类似的态度值（即，态度）的参与和未参与的受众成员304和310访问，并且（ii）不太可能被具有与相反组的态度值类似的态度值（即，态度）的参与和未参与的受众成员访问。可以由计算机对每一个网站的NSS进行排序，以识别更有利于向参与和未参与的受众成员递送目标内容的那些网站。在图12中示出通过NSS值对网站排序的示例。每一个网站的NSS和每一个网站的排序的指示可以被计算机100存储在中央数据库110中。
在替代实施例中，可以通过下述方式来计算NSS：将相反组影响范围指数乘以相反组的每一个独立访客的分钟指数，然后从目标组影响范围指数乘以目标组的每一个独立访客分钟指数的结果中减去或除以该结果。如结合上面的步骤922所述，计算机100可以确定目标组的每一个独立访客的分钟指数。可以由计算机100使用网站访问信息116以与在步骤922中对于目标组所阐述的方式相同的方式来确定相反组的每一个特定访客分钟指数。计算机100可以将每一个网站的（目标组min/UV）存储在中央数据库110中。
在步骤952中，可以由计算机100基于态度值、目标组影响范围指数、相反组影响范围指数、NSS、每一个独立访客分钟指数、广告杂乱指数、以往性能指数、每一个页面分钟指数和每一个页面广告指数中的一个或多个来对于每一个网站确定质量访问指数（QVI）。更具体地，在本发明的一个实施例中，可以将一个或多个上述指数和NSS相乘在一起，以产生QVI值。在本发明的另一个实施例中，该指数的一个或多个和NSS也可以被乘以在QVI确定中给予特定指数或NSS更重或更轻的权重的任意因子。在本发明的另一个实施例中，可以将该指数的一个或多个和NS的幂值相乘在一起以产生QVI值。
当识别网站以显示旨在用于品牌推广或合作责任广告活动的内容时，三种类型的QVI值会特别有用。第一种类型的这种QVI值称为点击到达率的QVI或CTR的QVI。第二种类型的这种QVI值称为转换率的QVI或CR的QVI。第三种类型的这种QVI值称为受众的QVI。CTR的QVI可以最优化或最大化针对主体广告活动的点击到达率；而在当受众成员采取超过简单的点击到达网站的某些行动以观看广告时导致转换的情况下，CR的QVI可以最优化或最大化针对受众成员的转换率；以及，受众的QVI可以使服务于目标受众的广告印象次数最大化。
可以使用回归模型来确定CTR的QVI，其中，针对回归模型的输入数据可以包括根据实际的广告活动、调查响应信息、网站访问数据、关于在网站上显示的广告的辛迪加调研（syndicated research）等的实际的点击到达率。这些类型的点击到达数据对在线广告业领域中的普通技术人员是已知的。当针对呈现出被受众成员认为是问题的网站来确定CTR的QVI时，CTR的QVI值可以是下列变量的函数：
1.每页面显示广告指数的数值（即，每页面显示广告的数目，其依照上面所讨论的步骤934指示子类别平均值）
2.言论新闻站点指示符（例如，RushLimbaugh.com或Hannity.com）
3.高性能站点指示符（0/1，指示站点在之前的活动中是否始终具有较高的点击到达率的标志，例如，YellowPages.com或Gasbuddy.com）
4.新闻站点指示符（例如，0/1，指示站点是否属于不包括言论新闻站点的广播媒体和金融新闻及信息的子类的标志）
5.高UV指数（优选地高于248）
6.如遵照上面讨论的步骤950-952所确定的NSS比率
7.广告被目标组观看的平均频率
8.显示广告的份额（即，该网站显示的广告相对于因特网上网站显示的广告的总数的百分比）
9.每个显示广告的尺寸（即，每个广告在网页上所占据的显示屏面积的百分比，其可以遵照上面所讨论的步骤932根据广告杂乱指数来进行确定）
10.每次访问的显示广告（在对网站的平均访问期间向用户暴露的显示广告的数目）
11.研究站点指示符（例如，属于包括搜索、天气和目录的子类别的站点）
在示例性实施例中，在网站未呈现出被受众成员认为是问题时的CTR的QVI可以是以下面从最重要到最不重要的顺序用数值列出的上面所引用的变量的函数：10、3、11、9、5、8和7。作为示例，在呈现出问题时的CTR的QVI可以根据下面的公式来进行确定：CTR的QVI=Exponential(-7.163+言论新闻指示符*1.078+高性能站点指示符*0.600+平均频率*-0.003+新闻站点指示符*0.285+显示广告的份额*-0.346+每个显示广告的尺寸*-0.010+每个网页的显示广告的指数*0.002+净支持比率*0.010+高UV指数指示符*0.136)。作为示例，在未呈现出问题时的CTR的QVI可以根据下面可替代的公式来进行确定：Exponential(-7.520+高性能站点指示符*0.443+观看广告的平均频率*-0.003+显示广告的份额*-0.249+研究站点指示符*0.205+高UV指数指示符*0.0005+每个显示广告的尺寸*0.001+每次访问的显示广告*0.022)。CTR的QVI的值的实际日志可以替代按上面所解释的计算时的CTR的QVI来使用。
可以使用回归模型来确定CTR的QVI，其中，针对回归模型的输入数据可以包括来源于Adify、Wave2、Comscore Ad Metrix、MPR数据等的针对网站访问者的实际点击到达转换率。这些类型的点击到达转换数据对在线广告业领域中的普通技术人员是已知的。当针对呈现出或未呈现出被受众成员认为是问题的网站来确定CR的QVI时，CTR的QVI值可以是下列变量的函数，按重要性递减的顺序对这些变量进行了编号：
1.每页面的尺寸的指数（即，每个广告在网页上所占据的显示屏面积的百分比，其可以遵照与上面所讨论的步骤932有关的广告杂乱指数确定来进行确定）
2.显示广告的份额（即，该网站显示的广告相对于因特网上的网站显示的广告的总数的百分比）
3.言论新闻站点指示符（例如，RushLimbaugh.com或Hannity.com）
4.研究站点指示符（例如，属于包括搜索、天气和目录的子类别的站点）
5.平均频率（在一个月的时间段期间由到这个网站的平均访问者所观看的显示广告的平均数目）
6.该网站是否是新闻站点（例如，广播媒体和金融新闻及信息的子类别）
7.如根据上面所讨论的步骤928所确定的每UV的分钟指数
在呈现出或未呈现出问题时的CR的QVI可以根据下面的公式来进行确定：QVI for CR=Exponential(4.862+每个页面的尺寸*-0.001+每UV的分钟指数*0.002+新闻站点指示符*0.302+观看广告的平均频率*0.002+显示广告的份额*-2.398+言论新闻指示符*-1.015+研究站点指示符*.355)。CR的QVI的值的实际日志可以替代按上面所解释的计算出的CR的QVI的值来使用。
受众的QVI可以根据下面的公式来进行确定：UV指数*每UV的分钟指数*每页面站点的分钟指数（站点的每页面度量的分钟的指数除以该站点的子类别的每页面度量的分钟）。
可以将在步骤952中确定的QVI值与阈值QVI值、QVI值的范围进行比较，或者针对其它网站的其它QVI值进行排序，以确定用于递送目标内容的最佳网站。在图12和13中示出通过QVI值来对网站进行排序的示例。如果所确定的QVI值超过阈值QVI值或落在指定的QVI值范围内，则所涉及的网站可以被选择来包括被认为是目标组的成员所期望的内容。替代地，如果特定网站的QVI值与其它网站的QVI值相比排序较高，则所涉及的网站可以被选择来包括被认为是目标组的成员所期望的内容。
一旦基于网站的所确定的QVI值选择了一个或多个网站以用于向参与和/或未参与的受众成员递送目标内容，则可以向一个或多个web服务器500（图1）发送该内容，并且作为受众成员计算机访问所涉及的网站的结果，从该一个或多个web服务器通过网络200向受众成员计算机300和/或306的一个或多个发送该内容。其后，受众成员计算机可以在相关联的显示器或连接的显示器302上显示所述内容。要被web服务器500发送的内容可以被存储在与一个或多个第三方计算机400相关联的存储器中，或者可以被存储在与计算机100相关联的存储器中。
对于本领域内的技术人员显而易见的是，可以在不偏离本发明的范围或精神的情况下对本发明进行各种变型和修改。例如，上面所提供的用于确定QVI的特定公式是优选的QVI公式的示例，而不应当被认为是对本发明的限制。在偏离本发明的范围的情况下，可以使用不同的QVI公式。

Claims (47)

1.一种方法，其用于基于针对参与计算机实现的调查的受众成员确定的态度值和所述受众成员的网站访问信息及人口统计信息来发送用于在连接到受众成员计算机的显示器上观看的内容，所述方法包括：
在中央数据库处接收从参与的受众成员计算机通过计算机网络发送的调查响应信息；
在所述中央数据库处接收所述参与的受众成员计算机的网站访问信息；
在所述中央数据库处接收与（i）所述参与的受众成员和（ii）从其未接收到调查响应信息的未参与的受众成员相关联的人口统计信息；
根据所述调查响应信息确定从由下列各项构成的组中选择的信息：价值取向信息、购买类别信息、购买取向信息、品牌属性信息、购买从事信息、购物从事信息、以及合作参与信息；
使用非受众成员计算机至少部分地基于下列各项中的一个或多个来确定所述参与的受众成员中的每一个的态度值：所述价值取向信息、所述购买类别信息、所述购买取向信息、所述品牌属性信息、所述购买从事信息、所述购物从事信息、以及所述合作参与信息；
使用所述非受众成员计算机根据所述网站访问信息和所述态度值确定网站的质量访问指数（QVI）值；
基于所述网站的所述QVI值来向所述网站提供内容；以及
作为所述参与的受众成员计算机或所述未参与的受众成员计算机中的一个访问所述网站的结果，通过所述计算机网络向所述参与的受众成员计算机或所述未参与的受众成员计算机中的一个发送所述内容。
2.根据权利要求1所述的方法，其中，所述QVI值基于从由下列各项构成的组中选择的值：目标组影响范围指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、每个独立访客页面指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数。
3.根据权利要求1所述的方法，其中，所述QVI值基于从由下列各项构成的所述组中的两个或更多中选择的值：目标组影响范围指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、每个独立访客页面指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数。
4.根据权利要求1所述的方法，其中，所述QVI值基于从由下列各项构成的所述组中的三个或更多中选择的值：目标组影响范围指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、每个独立访客页面指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数。
5.根据权利要求1所述的方法，其中，所述QVI值基于从下列各项中选择的值：目标组影响范围指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数。
6.根据权利要求1所述的方法，进一步包括以下步骤：
在连接到所述参与的受众成员计算机或所述未参与的受众成员计算机中的一个的所述显示器上显示所述内容。
7.根据权利要求1所述的方法，其中，至少部分地根据计算机实现的以下项之间的比较来确定所述QVI值：（i）在选择的时间段中访问所述网站的、与选择的态度值相关联的参与的受众成员计算机的百分比，以及（ii）在所述选择的时间段中访问所述网站的参与的受众成员计算机的百分比。
8.根据权利要求7所述的方法，其中，基于计算机实现的以下项之间的比较来确定在选择的时间段中访问所述网站的、与选择的态度值相关联的参与的受众成员计算机的所述百分比：（i）与所述选择的态度值相关联并且在所述选择的时间段中访问所述网站的参与的受众成员计算机的数量，以及（ii）与所述选择的态度值相关联的参与的受众成员计算机的数量。
9.根据权利要求1所述的方法，进一步包括以下步骤：在所述中央数据库中将所述态度值、所述调查响应信息、所述网站访问信息和所述人口统计信息与针对每个参与的受众成员的匿名标识符相关联。
10.根据权利要求1所述的方法，其中，确定QVI值的所述步骤包括以下步骤：通过基于与所述参与的受众成员计算机和所述未参与的受众成员相关联的所述人口统计信息的因子来加权所述参与的受众成员计算机的所述网站访问信息。
11.根据权利要求10所述的方法，其中，从由下列各项构成的组中选择所述人口统计信息：年龄、收入、性别、人口调查区域、种族、教育水平、宗教信仰、出席宗教服务的频率、工会参与和因特网使用频率信息。
12.根据权利要求1所述的方法，其中，确定QVI值的所述步骤包括以下步骤：通过基于在其期间接收网站访问信息的时间段的因子来加权所述参与的受众成员计算机的所述网站访问信息。
13.根据权利要求12所述的方法，其中，确定QVI值的所述步骤包括以下步骤：通过基于调查响应信息的所述接收和所述QVI值的所述确定之间的时间量的因子来加权所述参与的受众成员计算机的所述网站访问信息。
14.根据权利要求1所述的方法，其中，确定所述QVI值包括：
基于与所述参与的受众成员计算机相关联的所述态度值来确定所述网站的净支持分数；以及
将所述网站的所述净支持分数相对于其它网站的净支持分数进行排序。
15.根据权利要求14所述的方法，其中，确定所述QVI值进一步包括：
确定在预定时间段中访问所述网站的参与的受众成员计算机的阈值数量。
16.根据权利要求14所述的方法，其中，确定所述QVI值进一步包括：
确定在预定时间段中访问所述网站的、与选择的态度值相关联的参与的受众成员计算机的阈值数量。
17.根据权利要求1所述的方法，其中，所述网站访问信息包括：网站URL信息、网站页面访问信息、会话信息、在线购买信息、搜索项信息、访问时间信息、访问持续时间信息和访问日期信息。
18.根据权利要求1所述的方法，其中，所述网站访问信息包括基于下列各项中的一个或多个的页面杂乱信息：页面长度、页面上的广告数量、页面上的广告的位置和页面上的广告的大小的信息。
19.根据权利要求1所述的方法，其中，在相隔超过30天的不同的两天从所述参与的受众成员计算机中的一个接收所述调查响应信息。
20.根据权利要求1所述的方法，其中，至少部分地基于下列各项中的两个或更多个来确定所述态度值：所述价值取向信息、所述购买类别信息、所述购买取向信息、所述品牌属性信息、所述购买从事信息、所述购物从事信息、以及所述合作参与信息。
21.根据权利要求1所述的方法，其中，至少部分地基于下列各项中的三个或更多个来确定所述态度值：所述价值取向信息、所述购买类别信息、所述购买取向信息、所述品牌属性信息、所述购买从事信息、所述购物从事信息、以及所述合作参与信息。
22.根据权利要求21所述的方法，其中，所述参与的受众成员计算机与多个态度值相关联。
23.根据权利要求22所述的方法，其中，根据所述价值取向信息来确定所述多个态度值中的一个。
24.根据权利要求1所述的方法，其中，通过所述计算机网络向所述参与的受众成员计算机或所述未参与的受众成员计算机中的一个发送所述内容的所述步骤部分地依赖于与在所述预选的时间段中访问所述网站的所述参与的受众成员计算机相关联的所述人口统计信息。
25.根据权利要求24所述的方法，其中，基于所述网站的所述QVI值向所述网站提供所述内容的所述步骤部分地依赖于与在所述选择的时间段中访问所述网站的所述未参与的受众成员相关联的所述人口统计信息。
26.根据权利要求1所述的方法，其中，所述网站访问信息至少涉及多会话时段。
27.根据权利要求26所述的方法，其中，所述多会话时段包括多于30天的时段。
28.根据权利要求1所述的方法，进一步包括以下步骤：
在从所述参与的受众成员计算机接收到所述调查响应信息起超过30天后从另外的参与的受众成员计算机接收另外的调查响应信息；
在所述中央数据库处接收从所述另外的参与的受众成员计算机通过所述计算机网络发送的所述另外的调查响应信息；以及
基于所述调查响应信息和所述另外的调查响应信息来确定所述参与的受众成员计算机和所述另外的参与的受众成员计算机中的每一个的态度值。
29.一种确定用于在网站上显示的内容的方法，所述方法包括：
在中央数据库处接收从参与的受众成员计算机通过计算机网络发送的调查响应信息；
在所述中央数据库处接收所述参与的受众成员计算机的网站访问信息；
在所述中央数据库处接收与（i）所述参与的受众成员和（ii）从其未接收到调查响应信息的未参与的受众成员相关联的人口统计信息；
根据所述调查响应信息确定从由下列各项构成的组中选择的信息：价值取向信息、购买类别信息、购买取向信息、购买从事信息、品牌属性信息、购物从事信息、以及合作参与信息；
至少部分地基于下列各项中的一个或多个来确定所述参与的受众中的每一个的态度值：所述价值取向信息、所述购买类别信息、所述购买取向信息、所述品牌属性信息、所述购买从事信息、所述购物从事信息、以及所述合作参与信息；
根据所述网站访问信息和所述态度值确定网站的质量访问指数（QVI）值；以及
基于用于所述网站的所述QVI值向所述网站提供内容。
30.根据权利要求29所述的方法，其中，所述QVI值基于从由下列各项构成的组中选择的值：目标组影响范围指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、每个独立访客页面指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数。
31.根据权利要求29所述的方法，其中，所述QVI值基于从由下列各项构成的所述组中的两个或更多中选择的值：目标组影响范围指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、每个独立访客页面指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数。
32.根据权利要求29所述的方法，其中，所述QVI值基于从由下列各项构成的所述组中的三个或更多中选择的值：目标组影响范围指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、每个独立访客页面指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数。
33.根据权利要求29所述的方法，其中，所述QVI值基于从下列各项中选择的值：目标组影响范围指数、相反组影响范围指数、净支持分数、每个独立访客分钟指数、广告杂乱指数、以往性能指数、每个页面分钟指数和每个页面广告指数。
34.根据权利要求29所述的方法，进一步包括以下步骤：
在连接到所述参与的受众成员计算机或所述未参与的受众成员计算机中的一个的显示器上显示所述内容。
35.根据权利要求29所述的方法，其中，至少部分地根据计算机实现的下列各项之间的比较来确定所述QVI值：（i）在选择的时间段中访问所述网站的、与选择的态度值相关联的参与的受众成员计算机的百分比，以及（ii）在所述选择的时间段中访问所述网站的参与的受众成员计算机的百分比。
36.根据权利要求35所述的方法，其中，基于计算机实现的下列各项之间的比较来确定在选择的时间段中访问所述网站的、与选择的态度值相关联的参与的受众成员计算机的所述百分比：（i）与所述选择的态度值相关联并且在所述选择的时间段中访问所述网站的参与的受众成员计算机的数量，以及（ii）与所述选择的态度值相关联的参与的受众成员计算机的数量。
37.根据权利要求29所述的方法，进一步包括以下步骤：在所述中央数据库中将所述态度值、所述调查响应信息、所述网站访问信息和所述人口统计信息与针对每一个参与的受众成员的匿名标识符相关联。
38.根据权利要求29所述的方法，其中，确定QVI值的所述步骤包括以下步骤：通过基于与所述参与的受众成员计算机和所述未参与的受众成员相关联的所述人口统计信息的因子来加权所述参与的受众成员计算机的所述网站访问信息。
39.根据权利要求29所述的方法，其中，确定QVI值的所述步骤包括以下步骤：通过基于在其期间接收网站访问信息的时间段的因子来加权所述参与的受众成员计算机的所述网站访问信息。
40.根据权利要求29所述的方法，其中，确定QVI值的所述步骤包括以下步骤：通过基于调查响应信息的接收和所述QVI值的确定之间的时间量的因子来加权所述参与的受众成员计算机的所述网站访问信息。
41.根据权利要求29所述的方法，其中，确定所述QVI值包括：
基于与所述参与的受众成员计算机相关联的所述态度值来确定所述网站的净支持分数；以及
将所述网站的所述净支持分数相对于其它网站的净支持分数进行排序。
42.根据权利要求41所述的方法，其中，确定所述QVI值进一步包括：
确定在预定时间段中访问所述网站的参与的受众成员计算机的阈值数量。
43.根据权利要求41所述的方法，其中，确定所述QVI值进一步包括：
确定在所述预定时间段中访问所述网站的、与选择的态度值相关联的参与的受众成员计算机的阈值数量。
44.根据权利要求29所述的方法，其中，所述网站访问信息包括网站URL信息、网站页面访问信息、会话信息、在线购买信息、搜索项信息、访问时间信息、访问持续时间信息或访问日期信息。
45.根据权利要求29所述的方法，其中，所述网站访问信息包括基于下列各项中的一个或多个的页面杂乱信息：页面长度、页面上的广告数量、页面上的广告的位置和页面上的广告的大小的信息。
46.根据权利要求29所述的方法，其中，至少部分地基于下列各项中的两个或更多个来确定所述态度值：所述价值取向信息、所述购买类别信息、所述购买取向信息、所述品牌属性信息、所述购买从事信息、所述购物从事信息、以及所述合作参与信息。
47.根据权利要求29所述的方法，进一步包括以下步骤：
在从所述参与的受众成员计算机接收到所述调查响应信息起超过30天后从另外的参与的受众成员计算机接收另外的调查响应信息；
在所述中央数据库处接收从所述另外的参与的受众成员计算机通过所述计算机网络发送的所述另外的调查响应信息；以及
基于所述调查响应信息和所述另外的调查响应信息来确定所述参与的受众成员计算机和所述另外的参与的受众成员计算机中的每一个的态度值。
CN2010800586395A 2009-12-22 2010-11-22 用于向网站访客递送目标内容以推广产品和品牌的方法和装置 Pending CN102667843A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810022087.0A CN108280679A (zh) 2009-12-22 2010-11-22 用于向网站访客递送目标内容以推广产品和品牌的方法和装置

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US12/644,892 2009-12-22
US12/644,892 US10475047B2 (en) 2009-08-28 2009-12-22 Method and apparatus for delivering targeted content to website visitors
US12/942,469 US20110119278A1 (en) 2009-08-28 2010-11-09 Method and apparatus for delivering targeted content to website visitors to promote products and brands
US12/942,469 2010-11-09
PCT/US2010/057639 WO2011078932A1 (en) 2009-12-22 2010-11-22 Method and apparatus for delivering targeted content to website visitors to promote products and brands

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201810022087.0A Division CN108280679A (zh) 2009-12-22 2010-11-22 用于向网站访客递送目标内容以推广产品和品牌的方法和装置

Publications (1)

Publication Number Publication Date
CN102667843A true CN102667843A (zh) 2012-09-12

Family

ID=44196092

Family Applications (2)

Application Number Title Priority Date Filing Date
CN2010800586395A Pending CN102667843A (zh) 2009-12-22 2010-11-22 用于向网站访客递送目标内容以推广产品和品牌的方法和装置
CN201810022087.0A Pending CN108280679A (zh) 2009-12-22 2010-11-22 用于向网站访客递送目标内容以推广产品和品牌的方法和装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201810022087.0A Pending CN108280679A (zh) 2009-12-22 2010-11-22 用于向网站访客递送目标内容以推广产品和品牌的方法和装置

Country Status (6)

Country Link
US (1) US20110119278A1 (zh)
EP (1) EP2517164A4 (zh)
JP (1) JP5642196B2 (zh)
CN (2) CN102667843A (zh)
BR (1) BR112012015614A2 (zh)
WO (1) WO2011078932A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014523216A (ja) * 2011-07-20 2014-09-08 レゾネット ネットワークス、インコーポレイテッド 対象となるコンテンツをテレビジョン視聴者に配信する方法および装置
CN104050228A (zh) * 2013-03-14 2014-09-17 优米有限公司 用于统计地确定在线调查结果中的偏差的系统和方法
CN104077711A (zh) * 2013-03-14 2014-10-01 优米有限公司 用于确定接触在线广告后品牌认知度的变化的方法和系统
CN112967068A (zh) * 2013-03-15 2021-06-15 布莱恩·麦克法登 用于控制和优化信息交换中的用户之间信息分布的系统

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9898753B2 (en) 2007-09-27 2018-02-20 Excalibur Ip, Llc Methods for cross-market brand advertising, content metric analysis, and placement recommendations
US10475047B2 (en) * 2009-08-28 2019-11-12 Resonate Networks, Inc. Method and apparatus for delivering targeted content to website visitors
US20120191815A1 (en) * 2009-12-22 2012-07-26 Resonate Networks Method and apparatus for delivering targeted content
US20130046613A1 (en) * 2011-08-19 2013-02-21 Yahoo! Inc. Optimizing targeting effectiveness based on survey responses
US20130066724A1 (en) 2011-09-14 2013-03-14 Collective, Inc. System and Method for Targeting Advertisements
US10832289B2 (en) * 2013-06-14 2020-11-10 Oath Inc. Systems and methods for providing and using an internet sentiment index
CN104835090A (zh) * 2015-05-22 2015-08-12 深圳市城市规划设计研究院有限公司 一种城市知识教育普及方法
CN105205098B (zh) * 2015-08-18 2018-11-20 北京金山安全软件有限公司 一种点击到达率ctr的确定方法及装置
US20220091873A1 (en) 2020-09-24 2022-03-24 Google Llc Systems and methods for cross media reporting by fast merging of data sources

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050120045A1 (en) * 2003-11-20 2005-06-02 Kevin Klawon Process for determining recording, and utilizing characteristics of website users
US20080172243A1 (en) * 2007-01-11 2008-07-17 Kelly Michael J System and method for providing targeted, interactive, multimedia content for entertaining, advertising, and promotional purposes
US20080195462A1 (en) * 2006-10-24 2008-08-14 Swooge, Llc Method And System For Collecting And Correlating Data From Information Sources To Deliver More Relevant And Effective Advertising
CN101253499A (zh) * 2005-06-29 2008-08-27 谷歌公司 审核网站加入广告网络的合适性

Family Cites Families (98)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5446919A (en) * 1990-02-20 1995-08-29 Wilkins; Jeff K. Communication system and method with demographically or psychographically defined audiences
US6463585B1 (en) * 1992-12-09 2002-10-08 Discovery Communications, Inc. Targeted advertisement using television delivery systems
AUPM813394A0 (en) * 1994-09-14 1994-10-06 Dolphin Software Pty Ltd A method and apparatus for preparation of a database document in a local processing apparatus and loading of the database document with data from remote sources
US5823879A (en) * 1996-01-19 1998-10-20 Sheldon F. Goldberg Network gaming system
US6014638A (en) * 1996-05-29 2000-01-11 America Online, Inc. System for customizing computer displays in accordance with user preferences
ATE355662T1 (de) * 1997-01-06 2006-03-15 Bellsouth Intellect Pty Corp Methode und system zur netzwerkverwendungserfassung
US6128663A (en) * 1997-02-11 2000-10-03 Invention Depot, Inc. Method and apparatus for customization of information content provided to a requestor over a network using demographic information yet the user remains anonymous to the server
US7194424B2 (en) * 1997-06-25 2007-03-20 Intel Corporation User demographic profile driven advertising targeting
US7240022B1 (en) * 1998-05-19 2007-07-03 Mypoints.Com Inc. Demographic information gathering and incentive award system and method
WO2000008573A1 (en) * 1998-08-04 2000-02-17 Rulespace, Inc. Method and system for deriving computer users' personal interests
US6868389B1 (en) * 1999-01-19 2005-03-15 Jeffrey K. Wilkins Internet-enabled lead generation
US6036601A (en) * 1999-02-24 2000-03-14 Adaboy, Inc. Method for advertising over a computer network utilizing virtual environments of games
US7158959B1 (en) * 1999-07-03 2007-01-02 Microsoft Corporation Automated web-based targeted advertising with quotas
US7010497B1 (en) * 1999-07-08 2006-03-07 Dynamiclogic, Inc. System and method for evaluating and/or monitoring effectiveness of on-line advertising
WO2001022261A2 (en) * 1999-09-21 2001-03-29 Kim Peter H I Method and apparatus for delivery of targeted advertising and content based on user interaction with online queries on a wide area network
US7424439B1 (en) * 1999-09-22 2008-09-09 Microsoft Corporation Data mining for managing marketing resources
US7062510B1 (en) * 1999-12-02 2006-06-13 Prime Research Alliance E., Inc. Consumer profiling and advertisement selection system
US20030036949A1 (en) * 1999-12-10 2003-02-20 Karim Kaddeche Method and system for targeting internet advertisements and messages by geographic location
WO2001046891A1 (en) * 1999-12-23 2001-06-28 Intellistrategies, Inc. Automated generation of survey questionnaire by prior response analysis
US7006979B1 (en) * 1999-12-29 2006-02-28 General Electric Capital Corporation Methods and systems for creating models for marketing campaigns
US6757707B1 (en) * 2000-02-01 2004-06-29 America Online, Inc. Displayed complementary content sources in a web-based TV system
US7100183B2 (en) * 2000-02-02 2006-08-29 Sedna Patent Services, Llc System and method for transmitting and displaying targeted infromation
US20020026359A1 (en) * 2000-02-22 2002-02-28 Long Kenneth W. Targeted advertising method and system
WO2001074043A1 (en) * 2000-03-24 2001-10-04 Telcordia Technologies, Inc. Digital subscriber line network deployment method
US20020022996A1 (en) * 2000-03-31 2002-02-21 Sanborn David W. Method for advertising via the internet
US7996264B2 (en) * 2000-05-15 2011-08-09 Avatizing, Llc System and method for consumer-selected advertising and branding in interactive media
US8010400B2 (en) * 2000-07-06 2011-08-30 Protigen, Inc. System and method for using psychological significance pattern information for matching with target information
US20020019774A1 (en) * 2000-08-02 2002-02-14 Kanter Andrew S. Internet advertising
US7337127B1 (en) * 2000-08-24 2008-02-26 Facecake Marketing Technologies, Inc. Targeted marketing system and method
US7043531B1 (en) * 2000-10-04 2006-05-09 Inetprofit, Inc. Web-based customer lead generator system with pre-emptive profiling
US20020099605A1 (en) * 2000-10-06 2002-07-25 Searchcactus, Llc Search engine with demographic-based advertising
US20030036944A1 (en) * 2000-10-11 2003-02-20 Lesandrini Jay William Extensible business method with advertisement research as an example
US20020116258A1 (en) * 2000-12-06 2002-08-22 George Stamatelatos Method for selecting and directing internet communications
US7406434B1 (en) * 2000-12-15 2008-07-29 Carl Meyer System and method for improving the performance of electronic media advertising campaigns through multi-attribute analysis and optimization
EP1223757B1 (en) * 2001-01-09 2006-03-22 Metabyte Networks, Inc. System, method, and software application for targeted advertising via behavioral model clustering, and preference programming based on behavioral model clusters
US20020095332A1 (en) * 2001-01-16 2002-07-18 Doherty Timothy K. Internet advertisement system and method
US7065550B2 (en) * 2001-02-14 2006-06-20 International Business Machines Corporation Information provision over a network based on a user's profile
US20020138333A1 (en) * 2001-03-22 2002-09-26 Decotiis Allen R. System, method and article of manufacture for a weighted model to conduct propensity studies
US8538803B2 (en) * 2001-06-14 2013-09-17 Frank C. Nicholas Method and system for providing network based target advertising and encapsulation
WO2002103997A2 (en) * 2001-06-14 2002-12-27 Dizpersion Group, L.L.C. Method and system for providing network based target advertising
US7644134B2 (en) * 2001-07-06 2010-01-05 Clickfox, Llc System and method for analyzing system visitor activities
US7822843B2 (en) * 2001-08-13 2010-10-26 Cox Communications, Inc. Predicting the activities of an individual or group using minimal information
US20030041156A1 (en) * 2001-08-21 2003-02-27 International Business Machines Corporation Method, system, and product for embedding demographic information in network packets
US20030074252A1 (en) * 2001-10-12 2003-04-17 Avenue A, Inc. System and method for determining internet advertising strategy
US20030154126A1 (en) * 2002-02-11 2003-08-14 Gehlot Narayan L. System and method for identifying and offering advertising over the internet according to a generated recipient profile
US20040133480A1 (en) * 2002-09-26 2004-07-08 Domes Ronald J. Targeted promotional method & system
US20040122735A1 (en) * 2002-10-09 2004-06-24 Bang Technologies, Llc System, method and apparatus for an integrated marketing vehicle platform
US20040088218A1 (en) * 2002-11-04 2004-05-06 Abraham Daniel M. Coupon discounts redemption/cash back program
US7769623B2 (en) * 2002-12-17 2010-08-03 International Business Machines Corporation Method and system for conducting online marketing research in a controlled manner
US8464290B2 (en) * 2003-08-01 2013-06-11 Tacoda, Inc. Network for matching an audience with deliverable content
US20090132347A1 (en) * 2003-08-12 2009-05-21 Russell Wayne Anderson Systems And Methods For Aggregating And Utilizing Retail Transaction Records At The Customer Level
FR2867584B1 (fr) * 2004-03-10 2006-06-09 Weborama Procede de determination d'un profil d'un utilisateur d'un reseau de communication
CN1677407A (zh) * 2004-03-29 2005-10-05 北京时代之声科技有限公司 销售过程量化管理系统
US8688590B2 (en) * 2004-10-14 2014-04-01 Google Inc. System and method to strengthen advertiser and consumer affinity
US20060127869A1 (en) * 2004-12-15 2006-06-15 Hotchalk, Inc. Advertising subsystem for the educational software market
US20070112567A1 (en) * 2005-11-07 2007-05-17 Scanscout, Inc. Techiques for model optimization for statistical pattern recognition
US20090030801A1 (en) * 2005-11-07 2009-01-29 Anthony Meggs Permissive search intent registry
US7533084B2 (en) * 2005-11-15 2009-05-12 International Business Machines Corporation Monitoring user specific information on websites
US7565157B1 (en) * 2005-11-18 2009-07-21 A9.Com, Inc. System and method for providing search results based on location
US8616434B2 (en) * 2006-02-28 2013-12-31 Wilopen Products, Lc Multi-component forms
US20090119173A1 (en) * 2006-02-28 2009-05-07 Buzzlogic, Inc. System and Method For Advertisement Targeting of Conversations in Social Media
US8661031B2 (en) * 2006-06-23 2014-02-25 Rohit Chandra Method and apparatus for determining the significance and relevance of a web page, or a portion thereof
US20080082396A1 (en) * 2006-08-17 2008-04-03 O'connor Joseph J Consumer Marketing System and Method
US20080059308A1 (en) * 2006-09-02 2008-03-06 David Gerken Methods and apparatus for using poll results to target and/or select advertisements
US20100004977A1 (en) * 2006-09-05 2010-01-07 Innerscope Research Llc Method and System For Measuring User Experience For Interactive Activities
US20080082397A1 (en) * 2006-09-20 2008-04-03 Move, Inc. Vendor selection based on auction of client marketing categories
US20080091516A1 (en) * 2006-10-17 2008-04-17 Giovanni Giunta Response monitoring system for an advertising campaign
US8700449B2 (en) * 2006-10-30 2014-04-15 Maxlinear, Inc. Targeted advertisement in the digital television environment
US8640162B2 (en) * 2006-11-14 2014-01-28 At&T Intellectual Property I, Lp System and method for distributing advertisements in an internet protocol television system
US7647283B2 (en) * 2006-12-31 2010-01-12 Ektimisi Semiotics Holdings, Llc Method, system, and computer program product for adaptively learning user preferences for smart services
US8213426B2 (en) * 2007-01-30 2012-07-03 At&T Ip I, Lp Method and system for multicasting targeted advertising data
US20080189169A1 (en) * 2007-02-01 2008-08-07 Enliven Marketing Technologies Corporation System and method for implementing advertising in an online social network
US7845233B2 (en) * 2007-02-02 2010-12-07 Seagrave Charles G Sound sensor array with optical outputs
US7861260B2 (en) * 2007-04-17 2010-12-28 Almondnet, Inc. Targeted television advertisements based on online behavior
US8200663B2 (en) * 2007-04-25 2012-06-12 Chacha Search, Inc. Method and system for improvement of relevance of search results
US20080306830A1 (en) * 2007-06-07 2008-12-11 Cliquality, Llc System for rating quality of online visitors
US8010527B2 (en) * 2007-06-29 2011-08-30 Fuji Xerox Co., Ltd. System and method for recommending information resources to user based on history of user's online activity
KR100910518B1 (ko) * 2007-08-28 2009-07-31 엔에이치엔비즈니스플랫폼 주식회사 품질지수를 보정하고, 보정된 품질지수를 이용하여 광고를제공하는 방법 및 시스템
US20090063268A1 (en) * 2007-09-04 2009-03-05 Burgess David A Targeting Using Historical Data
US20090063250A1 (en) * 2007-09-04 2009-03-05 Burgess David A Controlled Targeted Experimentation
US8825802B2 (en) * 2007-09-04 2014-09-02 Sony Computer Entertainment America Llc System and method for identifying compatible users
US20090132374A1 (en) * 2007-10-02 2009-05-21 6Dgr, Inc. Method for targeting advertising in conjunction with a network
US20090094096A1 (en) * 2007-10-09 2009-04-09 Yahoo! Inc. Interactive advertisement framework
US20090119172A1 (en) * 2007-11-02 2009-05-07 Soloff David L Advertising Futures Marketplace Methods and Systems
US20090132342A1 (en) * 2007-11-20 2009-05-21 Theresa Klinger Method and System for Linking eProcurement to Virtual Communities
US10210533B2 (en) * 2007-11-20 2019-02-19 Redgage Llc Revenue sharing system that optimizes ad revenue with preformatted page generator and preview distribution system
US20090138329A1 (en) * 2007-11-26 2009-05-28 William Paul Wanker Application of query weights input to an electronic commerce information system to target advertising
US20090157507A1 (en) * 2007-12-17 2009-06-18 Slingpage, Inc. System and method to monetize the referral of web pages
US20090171763A1 (en) * 2007-12-31 2009-07-02 Yahoo! Inc. System and method for online advertising driven by predicting user interest
US8499247B2 (en) * 2008-02-26 2013-07-30 Livingsocial, Inc. Ranking interactions between users on the internet
US10163113B2 (en) * 2008-05-27 2018-12-25 Qualcomm Incorporated Methods and apparatus for generating user profile based on periodic location fixes
US20100076847A1 (en) * 2008-07-17 2010-03-25 Robert Heller Internet Marketing Method
US20100030648A1 (en) * 2008-08-01 2010-02-04 Microsoft Corporation Social media driven advertisement targeting
US8700731B2 (en) * 2008-08-21 2014-04-15 Linqware, Inc. System and method for aggregating and providing audio and visual presentations via a computer network
US8412648B2 (en) * 2008-12-19 2013-04-02 nXnTech., LLC Systems and methods of making content-based demographics predictions for website cross-reference to related applications
US20110004504A1 (en) * 2009-07-01 2011-01-06 Edward Ives Systems and methods for scoring a plurality of web pages according to brand reputation
US20110010243A1 (en) * 2009-07-10 2011-01-13 Microsoft Corporation User control of advertising content
US10475047B2 (en) * 2009-08-28 2019-11-12 Resonate Networks, Inc. Method and apparatus for delivering targeted content to website visitors

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050120045A1 (en) * 2003-11-20 2005-06-02 Kevin Klawon Process for determining recording, and utilizing characteristics of website users
CN101253499A (zh) * 2005-06-29 2008-08-27 谷歌公司 审核网站加入广告网络的合适性
US20080195462A1 (en) * 2006-10-24 2008-08-14 Swooge, Llc Method And System For Collecting And Correlating Data From Information Sources To Deliver More Relevant And Effective Advertising
US20080172243A1 (en) * 2007-01-11 2008-07-17 Kelly Michael J System and method for providing targeted, interactive, multimedia content for entertaining, advertising, and promotional purposes

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014523216A (ja) * 2011-07-20 2014-09-08 レゾネット ネットワークス、インコーポレイテッド 対象となるコンテンツをテレビジョン視聴者に配信する方法および装置
CN104050228A (zh) * 2013-03-14 2014-09-17 优米有限公司 用于统计地确定在线调查结果中的偏差的系统和方法
CN104077711A (zh) * 2013-03-14 2014-10-01 优米有限公司 用于确定接触在线广告后品牌认知度的变化的方法和系统
CN112967068A (zh) * 2013-03-15 2021-06-15 布莱恩·麦克法登 用于控制和优化信息交换中的用户之间信息分布的系统

Also Published As

Publication number Publication date
BR112012015614A2 (pt) 2017-05-02
US20110119278A1 (en) 2011-05-19
EP2517164A4 (en) 2014-10-15
JP5642196B2 (ja) 2014-12-17
WO2011078932A1 (en) 2011-06-30
EP2517164A1 (en) 2012-10-31
JP2013515322A (ja) 2013-05-02
CN108280679A (zh) 2018-07-13

Similar Documents

Publication Publication Date Title
CN102667843A (zh) 用于向网站访客递送目标内容以推广产品和品牌的方法和装置
Martínez-Navarro et al. The value of marketer-generated content on social network sites: media antecedents and behavioral responses
CN103814576A (zh) 用于向电视观看者传送目标内容的方法和装置
JP6062935B2 (ja) ターゲットを絞ったコンテンツを配信する方法及び装置
US11348138B2 (en) Feedback-type SNS user information communicativity scoring server
US20090292587A1 (en) Cross-media interactivity metrics
US20030110080A1 (en) Advertisement distribution determining/optimizing method
CN102598041A (zh) 用于向网站访客提供目标内容的方法和装置
US20140229254A1 (en) Method of Target Advertising
US20200410511A1 (en) Method and apparatus for delivering targeted content to website visitors to promote products and brands
Ruhrberg et al. User acceptance of personalized and context-specific online advertising
KR20110127767A (ko) 온라인 뉴스 열람률 증진을 위한 인센티브 시스템 및 그 시스템을 이용한 온라인 뉴스 열람률 증진방법.
Dummanonda et al. The influence of social media advertising value on consumer behavior in renting apartment rooms in Bangkok, Thailand
Garbes et al. The effectiveness of Facebook advertisements of subscription-based video-on-demand streaming services to Filipino millennials
JP7320149B1 (ja) 出稿支援装置、及び出稿支援方法
Jiang et al. An Exploratory Analysis of How Live Broadcasting Affects Customer Decisions: A Case Study on Tao-Bao among Chinese Consumers
JP2004054426A (ja) 顧客データ管理システム及び該システムを用いたメール配信方法
JP7329708B1 (ja) 情報処理装置、及び情報処理方法
Yfantidou et al. Influencer Marketing in the Make-up Industry
Damtew assessment of marketing strategy practices in Ethio telecom: from the company perspectives
Abbasi Investigating the effective factors on Instagram advertising
Chen et al. How Internet Marketing Tools Influence Customer Relationship Management: An analysis based on webinar

Legal Events

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

Application publication date: 20120912