CN102737333A - 用于计算用户和要约到微小细分的匹配的顺序引擎 - Google Patents
用于计算用户和要约到微小细分的匹配的顺序引擎 Download PDFInfo
- Publication number
- CN102737333A CN102737333A CN2012100561204A CN201210056120A CN102737333A CN 102737333 A CN102737333 A CN 102737333A CN 2012100561204 A CN2012100561204 A CN 2012100561204A CN 201210056120 A CN201210056120 A CN 201210056120A CN 102737333 A CN102737333 A CN 102737333A
- Authority
- CN
- China
- Prior art keywords
- segmentation
- small
- definition
- coupling
- small segmentation
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
-
- 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)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施方式涉及用于计算用户和要约到微小细分的匹配的顺序引擎。具体地,接收用户数据和多个微小细分定义。该多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约。此外,微小细分解析器将来自该多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段。另外,编译器将该多个已解析表达式分段编译成用于指示多个指令的可执行对象以确定该用户数据是否与该多个微小细分定义匹配。还利用顺序评价引擎来顺次地处理每个微小细分定义,以将该多个微小细分条件规则应用于该用户数据以确定用户属于微小细分的匹配。此外,该顺序评价引擎分配得分以指示每个匹配的强度。另外,利用该顺序评价引擎来根据每个匹配的得分对每个匹配进行排名。
Description
技术领域
本公开整体涉及消费者的分类。更具体而言,本公开涉及确定消费者所属的微小细分(micro-segment)。
背景技术
内容提供者、商人和市场人员必须精确地定义并且锁定高度具体的市场细分,以便有效地传递最相关的在线内容。最相关的在线内容示例是广告、要约(offer)、娱乐、新闻等等。
微小细分是典型地由市场人员通过先进科技和技术识别的市场或人口的精确划分。例如,可以利用数据挖掘、人工智能和各种算法。利用这些科技和技术,通过辨认并且预测详细的消费者花费和行为模式,将消费者分组成细粒度的细分,即,微小划分。换句话说,微小细分是在具体的特征集合中共享类似的属性、购买行为和/或兴趣水平的(购买)决定做出者的组群。但是出于许多原因,在当前环境中,将新用户社团分类和划分(segment)成微小细分可能是困难的。具体而言,消费者日益增加地过滤内容和市场营销消息,这降低了市场人员的效力。此外,甚至随着收集到越来越多的消费者数据和行为,大部分消费者数据和行为由于行业专家的缺少和可用科技的限制而未被充分利用。另外,在最新创建的用户社团和人口之中有意义的细分是困难的。
此外,划分困难还影响在对于各种用户细分确定推荐内容、产品和服务时利用大量站点用户的经记录行为的大量网站。推荐系统利用多种算法,这些算法可以从k个最靠近邻居算法变化到优选/兴趣/品味相似性算法(例如,通过使用人员相关所发现的)再变化到协同过滤算法(例如,购买X又购买Y的人员)。所有这些算法的挑战在于:在系统可以做出推荐之前,需要基于经记录的偏好和行为对非常大量的用户人口进行准确划分。
发明内容
在本公开的一个方面中,提供了一种计算机程序产品。该计算机程序产品包括具有计算机可读程序的计算机可用介质。当在计算机上执行该计算机可读程序时,该计算机可读程序导致该计算机接收用户数据和多个微小细分定义,使得该多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约。此外,当在计算机上执行该计算机可读程序时,该计算机可读程序导致该计算机利用微小细分解析器将来自该多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段。另外,当在计算机上执行该计算机可读程序时,该计算机可读程序导致该计算机利用编译器将该多个已解析表达式分段编译成可用于指示多个指令的可执行对象以确定该用户数据是否与该多个微小细分定义匹配。当在计算机上执行该计算机可读程序时,该计算机可读程序导致该计算机利用顺序评价引擎来顺次地处理每个微小细分定义,以将该多个微小细分条件规则应用于该用户数据以确定用户属于微小细分的匹配。此外,当在计算机上执行该计算机可读程序时,该计算机可读程序导致该计算机利用该顺序评价引擎来分配得分以指示每个匹配的强度。另外,当在计算机上执行该计算机可读程序时,该计算机可读程序导致该计算机利用该顺序评价引擎来根据每个匹配的得分对每个匹配进行排名。
在本公开的另一个方面中提供了一种过程。该过程接收用户数据和多个微小细分定义,使得该多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约。此外,该过程利用微小细分解析器将来自该多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段。另外,该过程利用编译器将该多个已解析表达式分段编译成用于指示多个指令的可执行对象以确定该用户数据是否与该多个微小细分定义匹配。该过程还利用顺序评价引擎来顺次地处理每个微小细分定义,以将该多个微小细分条件规则应用于该用户数据以确定用户属于微小细分的匹配。此外,该过程利用该顺序评价引擎来分配得分以指示每个匹配的强度。另外,利用该顺序评价引擎来根据每个匹配的得分对每个匹配进行排名。
在本公开的另一个方面中提供了一种系统。该系统包括接收模块,其接收用户数据和多个微小细分定义,使得该多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约。此外,该系统包括微小细分解析器,其将来自该多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段。另外,该系统包括编译器,其将该多个已解析表达式分段编译成用于指示多个指令的可执行对象以确定该用户数据是否与该多个微小细分定义匹配。该系统还包括顺序评价引擎,其(i)顺次地处理每个微小细分定义,以将该多个微小细分条件规则应用于该用户数据以确定用户属于微小细分的匹配,(ii)分配得分以指示每个匹配的强度,并且(iii)根据每个匹配的该得分对每个匹配进行排名。
附图说明
结合附图来参考下文的描述,本公开的上述特征将变得更加显而易见,其中,在附图中,相同的附图标记表示相同的元件,并且其中:
图1示出了微小划分系统配置。
图2示出了微小细分定义和结构。
图3示出了微小细分定义代码的示例。
图4示出了可用于一个或多个细分的图形用户接口(“GUI”)的示例。
图5A示出了用于表达式的书写形式的代码500的示例。
图5B示出了细分GUI的示例,在该细分GUI中做出选择,使得代码生成细分定义。
图6示出了表达式树。
图7示出了可用于图6中所示的表达式树的代码的示例。
图8示出了用于定义微小细分对象的过程。
图9示出了可用于定义微小细分的系统配置。
图10示出了计算用户和要约到微小细分的匹配的过程。
图11示出了顺序引擎匹配系统。
图12示出了用于指示各种各样的细分属性的表。
图13A示出了用于图12中所示的细分属性的行存储数据布局。
图13B示出了用于图12中所示的细分属性的列存储数据布局。
图14示出了分析数据存储系统。
图15示出了可用于计算用户和要约到微小细分的匹配的系统配置。
具体实施方式
顺序引擎确定用户属于哪个微小细分。在一个实施方式中,顺序引擎具有单个计算进程或线程,例如单核和线性顺序处理程序。顺序引擎利用微小细分的定义和用户数据来计算为真或为伪的布尔表达式,以确定是否满足该微小细分的谓词(predicate)。此外,还可以利用非布尔谓词,这导致实值结果。将细分描述解析成细分定义解析树。然后,将该细分定义解析树编译成字节码。然后执行该字节码以返回细分分配和得分。
在一个实施方式中,归纳用户的人口属性和行为兴趣。细分具有由布尔AND/OR(和/或)运算符连接的属性比较谓词的集合(例如性别==男性),例如(性别==男性)AND(年龄在(20,30)之间)。因此,如果总数为n的数据属性可用,那么微小细分的数量可以等于2n-1,即,n个属性的总组合。微小细分对象允许市场人员从该大的属性空间定义微小细分。然后,将这些归纳的人口统计学属性和行为兴趣封装到对象中。行为兴趣可以包括积极的兴趣和消极的兴趣,这允许详尽的亲和力(affinity)模型的创建。积极的兴趣或消极的兴趣的示例是喜欢或不喜欢一个品牌。另外,对象支持被表示为句法表达式树的任意复杂的属性或兴趣规则结构。然后可以针对该句法表达式树,开发用于匹配和推荐的属性和谓词表达式。可以通过连接运算符和/或去连接运算符来连接谓词,以创建任意复杂度的微小细分表达式。
微小细分表达式是可移植(portable)的。换句话说,微小细分不是硬连线(hardwire)到具体的市场营销活动的。微小细分是可再用的。因此,微小细分对象提供可移植的分析而无具体细节。在一个实施方式中,微小细分是对于众多消费者共有的属性集合的不透明编码。例如,可以将包括收入为八万美元到十万美元之间的25岁男性并且对于运动汽车有兴趣的微小细分编码为SEG-XYZ。被分配给细分SEG-XYZ的新消费者将毫无疑问具有相同的所列属性。给定具有其他微小细分的更加众多的消费者,共享微小细分定义和数据的市场人员可以利用该SEG-XYZ编码执行分析,而无需向其他人揭示该微小细分的实际定义。微小细分定义是可移植的,因为对于一个市场人员而言成功的微小细分可以被另一个市场人员共享和利用。可以用专有方式执行分析本身,其中在该专有方式中,不向其他各方揭示属性。在当市场人员已做出在先协议来共享细分定义和微小细分消费者数据时的情况中,该配置是有用的。
可以识别并创建新创建的用户社团中的大量高值微小细分。广告者和市场人员可以自动进行定制的微小细分的创建,其中他们可以通过一系列多媒体设备向该定制的微小细分传递高度锁定的并且相关的内容。在识别微小细分之后,可以利用它们来自动进行内容传递、个人化直接微小市场营销以及微小促销活动,它们瞄准并且吸引成员个体的指定的品味、需求、需要和希望。微小市场营销是这样一种过程,系统通过该过程将每个消费者建模为关于公司的产品、服务、价格和促销具有不同的想法和感觉,并且以恰当的方式吸引他们。消费者涉及是消费者并且利用此处所提供的配置的用户。微小细分比细分提供更细微的粒度等级。因此,微小细分可以辅助市场人员辨别并且预测详细的消费者花费和行为模式。例如,可以用微小细分来利用数据源,如核心人口统计、随时间的分类花费、细粒度的购买历史以及购买意图。可能验证这些数据源中的一些数据源(如购买历史和分类花费),因为它们是来自第三方的,例如信用卡公司。结果,市场人员能够提供更正确、精确并且更锁定目标的要约。
此外,在微小细分之中可以递增并且连续地更新微小细分中的成员关系。另外,可以利用附加分析来自动检测并且推断意图语义。例如,如果消费者属于高端汽车兴趣细分、高端相机兴趣细分和高端手表兴趣细分,那么该系统可以推断如果消费者表达了对于衬衣的一般兴趣,消费者可以同时适合高端衬衣兴趣细分。
此外,可以快速并且准确地生成关于内容、产品和服务的推荐给每个微小细分之中的用户。可以利用推荐系统来执行推荐。推荐系统是采用尝试基于具体用户(消费者)所处的聚类或细分向他或她推荐有可能感兴趣的信息内容或产品项的信息聚集和过滤技术的一种系统。在一个实施方式中,推荐系统将用户的行为和/或明确的简档与一些参考特性进行比较,然后力图预测用户将给予他们尚未考虑的项的兴趣‘评价’。这些特性可能来自信息或产品项(使用基于内容的和/或属性方法)或者用户的社会环境(使用协同过滤方法)。
在一个实施方式中,每个微小细分包括关键区别特征(“KDF”)的具体集合,其中该具体集合定义由决定做出者利用的一组属性和用于指示微小细分大小的数量或数值。图1示出了微小划分系统配置100。微小划分系统配置100具有微小划分系统102,微小划分系统102是商户104与多个用户106中的每个用户之间的第三方信任系统。要约提供者104可以是销售产品的公司、销售服务的公司、市场营销公司、广告公司或向该微小划分系统提供活动的公司。该活动指示要约提供者在对产品或服务的具体用户进行市场营销时寻找的目标属性集合。该活动可以包括一个或多个要约。因此,目标属性集合涉及该活动锁定的属性的集合。作为一个示例,活动可以是在美国销售男士运动鞋的要约。微小划分系统102接收该活动并且还从多个用户106接收用户属性。属性是性质或特性。属性的一个示例是性别。因此,用于性别属性的值可以是男性或女性。微小划分系统102然后执行多个用户106中的哪个用户具有与该活动的目标属性匹配的用户属性值的确定。换句话说,微小划分系统102评价所创建的微小细分定义、属性值以及值分布,以确定具体微小细分的选择性。微小划分系统102确定包括与该活动的目标属性匹配的用户的微小细分108。在一个实施方式中,全部目标属性必须与用户属性相等,以便将该用户放置到微小细分108中。在另一个实施方式中,必须满足最小匹配得分,以便将该用户放置到微小细分108中。作为一个示例,用户可能不必匹配全部属性,而是可能匹配足够的属性以生成超过要约提供者的最小阈值并且将该消费者放置到微小细分108中的得分。在另一个实施方式中,利用加权机制在打分方法中相对于其他属性来加权特定属性。例如,在打分计算中,年龄属性可能比地理属性具有更高的权重。在一个实施方式中,系统对属性偏差进行补偿,以防止属性过度加权。类似地,可以允许市场人员在确定与候选用户相关的微小细分的选择时定制微小细分属性的权重。
在一个实施方式中,在微小划分系统102自动将用户分类到微小细分108中之后,微小划分系统102向要约提供者104发送微小细分数据定义。在一个实施方式中,微小划分系统102捕获用于分类现有用户和/或新用户的默认定义和/或训练数据。基于组合并且利用用户属性的方式的数量,细分定义的数量可以是从几个到几十亿个。在另一个实施方式中,微小细分数据定义不包括微小细分中的用户的个人身份信息。换句话说,多个用户在受信任的基础上向微小划分系统102提供属性信息,使得该微小划分系统不向要约提供者104发送用于就个人方面识别用户的信息。该系统可能不向要约提供者发送除了关于它们定义的微小细分的表示性统计数据或一般统计数据之外的任何数据。作为一个示例,微小细分可以包括两万七千三百三十二个消费者。在传递要约之后,一万七千三百四十四个消费者看到该要约,三千四百四十四个消费者点击该要约以了解更多,并且六百三十四个消费者购买该要约。此外,在一个实施方式中,多个用户106向微小划分系统102提供向他们发送要约的许可。由要约提供者104接收到的微小细分数据定义提供诸如微小细分中的用户的数量、他们的属性值等之类的信息。要约提供者104可以在目标受众中快速确定对于活动的潜在兴趣,而无需在无兴趣接收对于具体活动的广告的人员身上浪费广告和资源。结果,要约提供者104可以实际地确定该活动是否在经济上可行以及应该致力于该活动的资源的数量等。要约提供者然后可以基于微小细分数据向微小划分系统102发送要约。换句话说,要约提供者104不直接向微小细分108发送要约。在接收到该要约之后,微小划分系统然后可以向微小细分发送该要约。如果该微小细分中的用户想要了解更多关于该要约的信息或者接受该要约,那么该用户然后可以通过追随链接或该要约中所提供的一些其他响应机制,单独联系要约提供者。在另一个实施方式中,还可以向要约提供者104发送除了微小细分数据定义之外的微小细分数据。作为一个示例,除了微小细分数据定义之外,在活动的传递之后还可以向要约提供者发送活动性能统计数据。
在一个实施方式中,微小划分系统102还执行推荐。微小划分系统102可以向用户传递推荐。在一个实施方式中,给定任意用户,微小划分系统102快速定位全部的所分配微小细分,并且随后利用所分配微小细分、基于匹配的微小细分来定位产品、服务和/或内容要约,以生成具体的推荐。此外,微小划分系统102可以存储关于推荐的数据,其中用户可以基于该推荐来行动。
在一个实施方式中,在对每个用户分类之后,针对全部相关微小细分来对该用户打分,以确定最有可能的分类。此外,可以将微小细分分类有效地分配给用户,并且可以实时搜索微小细分分类。
图2示出了微小细分定义和结构200。微小细分定义和结构200具有微小细分对象206,微小细分对象206可以接收活动要约,如第一活动要约202和/或第二活动要约204。出于说明的目的,微小细分对象206接收第一活动要约202。作为一个示例,微小细分对象206可以接收当事人(party)_细分标识符,当事人_细分标识符用于识别第一活动要约202的目标当事人。例如,当事人_细分标识符可以是“新潮少年男女”。微小细分对象还可以具有细分元数据208,细分元数据208包括关于该细分的元数据。例如,细分元数据208可以具有所有者名称、受众类别、细分描述等等。微小细分对象206还可以具有一个或多个细分定义。例如,微小细分对象206可以具有性别细分属性定义212和年龄细分属性定义216。微小细分对象206还可以具有用于各自的细分属性定义的细分属性值定义。例如,性别细分属性值定义210可以等于女性,并且年龄细分属性值定义可以等于9岁到14岁之间的年龄。可以利用各种分布(如离散分布、范围(range)分布)或值分布(如累积分布函数(“CDF”)。
图3示出了微小细分定义代码300的示例。当事人_细分名称部分可以提供当事人_细分名称。作为一个示例,当事人_细分名称可以是“新潮少年男女(TeenyBopper)”。此外,细分属性数据源定义可以定义细分属性数据源,例如性别。此外,市场人员可读的细分描述可以提供市场营销描述,例如“全部收入,女性,年龄:9到14岁”。此外,可以提供细分属性值定义。
图4示出了可用于定义一个或多个细分的GUI 400的示例。作为一个示例,市场人员可以从GUI 400选择一个或多个细分来分配给活动中的要约。GUI 400具有可通过输入选择的多个细分。每个该细分具有细分名称、代码、性别、年龄、收入和/或其他属性。此外,GUI 400可以允许用户通过细分性别、年龄、收入和/或其他属性的组合来进行挑选。此外,可以利用最小值、最大值和/或平均值。
然后,将本文本描述中的全部条件表达为由布尔AND和OR运算所连接的CONDITION(条件)或谓词的集合。图5A示出了用于表达式的书写形式的代码500的示例。在一个实施方式中,可以直接向评价和执行引擎提供该细分表达式以便评价。此外,图5B示出了细分GUI 550的示例,在该细分GUI 550中做出选择使得代码575生成细分定义。
在另一个实施方式中,基于表达式语法规则的表达式解析树被创建并且提供至该评价和执行引擎。通过利用表达式解析树表示,在每个表达式匹配上去除了解析步骤,使得细分匹配表达式显著更快地执行。
图6示出了表达式树600。表达式树600是由GUI工具创建的节点的树。例如,正在创建细分定义的市场人员可以利用该GUI工具。简单的条件或谓词指定消费者属性,例如邮政编码、值或值的列表(例如94301、94302等等)以及比较或设置运算符例如“处于(in)”。评价这些单独的条件,并且随后利用每个条件的结果来满足使用AND或OR运算符的组合所形成的一个或多个布尔表达式。微小细分对象利用正式表达式语法,该正式表达式语法描述能够被形成并且表示的全部细分表达式。下文是对于这样一种为制造者提供的示例性的细分定义,其中该制造者有兴趣锁定居住在特定城市中、属于特定性别、具有指定的收入范围、以前已在特定产品类别中做出购买等的消费者:
消费者居住在Palo Alto、Sunnyvale、Santa Clara或San Jose(基于邮政编码)
AND(以下任意一个:)
消费者是男性,并且
消费者的收入在5万美元到10万美元之间,并且
消费者的每月数据提供者1能源账单>=200美元,并且
OR
消费者感兴趣的产品在“绿色电子”或“节能”类别中,或
消费者已从品牌“ABC牌”或“XYZ牌”购买过产品
表达式树600具有第一根AND节点602,第一OR叶子节点604以及第二OR叶子节点606。如果满足第一邮政编码条件608、第二邮政编码条件610、第三邮政编码条件612或第四邮政编码条件614中的任意一个,则第一OR叶子节点604评价为TRUE(真)。此外,如果满足类别购买条件616、满足品牌购买条件618,或者如果AND节点626评价为TRUE,则第二OR叶子节点606评价为TRUE(真)。如果满足性别条件620、满足收入条件622、满足每月能源账单条件,则AND节点626评价为TRUE。利用第一OR叶子节点604和第二OR叶子节点606的结果来评价AND节点602。两个结果都要为TRUE,AND节点602才评价为TRUE。换句话说,在将全部简单条件节点评价为TRUE或FALSE(伪)中的任意一个并且评价了全部中间布尔节点之后,通过递归过程评价父布尔节点,直到达到该表达式树的根节点为止。在该阶段中,向系统返回最终的TRUE或FALSE值,以确定是否应该将该消费者分配到市场人员的已定义细分中。
在当消费者属性值缺失时的情况中,不能将条件评价为TRUE或FALSE(伪)中的任意一个,而是使用第三值NULL(空)。NULL值然后可以通过使用三值逻辑系统来参与布尔运算。
提供表达式树600以作为表达式图的示例。可以利用各种各样其他类型的非循环图。非循环图是一种用于对表达式谓词进行分组的结构。非循环图中的节点可以包括用于形成谓词的不同的语法元素。语法的非循环图保证表达式是可执行并且将不会存在任何语法错误的有效表达式。
图7示出了可用于图6中所示的表达式树600的代码700的示例。到处提供的具体值、条件、节点、代码等等仅仅意图作为示例。当解析并且编译代码700时,产生表达式树600。
图8示出了用于定义微小细分对象的过程800。在过程方框802处,过程800在图形用户接口处接收来自要约提供者活动的一个或多个细分属性的选择。该一个或多个细分属性定义与该要约提供者活动中的一个或多个要约相对应的一个或多个细分。此外,在过程方框804处,过程800基于该一个或多个细分属性生成语法表达式图。另外,在过程方框806处,过程800基于该语法表达式图生成可移植的微小细分对象,使得该可移植的微小细分对象不依赖于该要约提供者活动。
图9示出了计算用户和要约到微小细分的匹配的系统900。系统900接收用户数据和多个微小细分定义。该多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约。作为一个示例,一个或多个市场人员可以使用系统GUI来输入活动定义以及由该活动使用的一个或多个细分匹配表达式和要约。市场人员还可以选择更新或删除活动和细分。此外,系统900包括微小细分解析器902,微小细分解析器902将来自多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段。在一个实施方式中,在用于存储不具有用户识别数据的分析的可移植微小细分对象中接收该多个微小细分定义。另外,系统900包括编译器904,编译器904将多个已解析表达式分段编译成可执行的对象,例如,用于指示多个指令的字节码对象,以确定该用户数据是否匹配该多个微小细分定义。在一个实施方式中,该指令是高级指令。该系统还包括顺序评价引擎906,其(i)顺次地处理每个微小细分定义,以将该多个微小细分条件规则应用于该用户数据以确定用户属于微小细分的匹配,(ii)分配得分以指示每个匹配的强度,并且(iii)根据每个匹配的得分来对每个匹配进行排名。在一个实施方式中,该顺序评价引擎存储在客户端计算设备上。例如,用户可以将该顺序评价引擎存储在他或她自己的计算设备上。结果,该用户可以有效地限制用户信息被传输到非预期的实体。在另一个实施方式中,可以由服务器上的单个核来操作该顺序评价引擎。也可以将编译器的输出存储到非SQL(“NoSQL”)数据库中。在另一个实施方式中,可以由单个线程来操作该顺序评价引擎。可以根据各种各样的逻辑系统来确定匹配。作为一个示例,可以根据三值逻辑来确定匹配,使得一个或多个布尔谓词和一个或多个非布尔谓词得以利用。例如,可以与非布尔值“空”一起利用布尔值“真”或“伪”。此外,“空”值可以是0和1之间的值。例如,0.5可以是“空”值。得分可以等于加权系数乘以该布尔值或非布尔值。例如,第一属性可比第二属性具有更高的加权系数,因为对于用户和/或活动提供者而言,该第一属性可能更加重要。因此,年龄属性可具有加权系数0.5。因此,该得分可以等于空的值乘以加权系数,例如5 X 0.5=0.25。
在另一个实施方式中,执行持续的操作,使得每个可执行对象被命名并且将其存储在数据库中,以便稍后被顺序评价引擎906获取和使用。作为一个示例,利用是逻辑的但是有可能物理上分布的关系数据库、基于对象的或NOSQL关键值存储系统来存储可执行“字节码”对象,以便稍后使用。
在另一个实施方式中,执行加载/刷新操作。当调用顺序评价引擎906时,或者当创建新的细分定义时,或者当更新现有细分定义时,具有匹配系统的顺序评价引擎906然后请求加载或刷新全部所需细分。该加载/刷新过程可以是完整的或递增的(只有少量细分定义已改变时,才使用微分配置)。
在另一个实施方式中,匹配和要约传递系统利用用户所属的生成的细分的列表,并且基于细分标准来识别该用户感兴趣的相关产品和服务要约。利用数据库来定位与具体细分相关联的全部要约;向传递系统发送这些要约以便呈现给用户。
图10示出了计算用户和要约到微小细分的匹配的过程1000。在过程方框1002处,过程1000接收用户数据和多个微小细分定义,使得该多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约。此外,在过程方框1004处,过程1000利用微小细分解析器将来自该多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段。另外,在过程方框1006处,过程1000利用编译器将该多个已解析表达式分段编译成用于指示多个指令的可执行对象,以确定该用户数据是否与该多个微小细分定义匹配。在过程方框1008处,过程1000还利用顺序评价引擎来顺次地处理每个微小细分定义,以将该多个微小细分条件规则应用于该用户数据以确定用户属于微小细分的匹配。此外,在过程方框1010处,过程1000利用该顺序评价引擎来分配得分以指示每个匹配的强度。另外,在过程方框1012处,过程1000利用该顺序评价引擎来根据每个匹配的得分对每个匹配进行排名。
图11示出了顺序引擎匹配系统1100。顺序引擎源定义1102接收活动1104、分类法(taxonomy)1106以及要约1108,以生成细分1110。此外,该顺序引擎源定义从细分1110生成数据本体论(ontology)属性1112。顺序引擎匹配器1114具有用于接收细分1110的谓词规则1118和用于接收数据本体论属性1112的属性编码/绑定1120。存储器内匹配器1122接收属性编码/绑定1120和用户数据1116。存储器内匹配器1122然后生成用户细分1124。作为一个示例,用户细分可以具有用户ID、细分ID、得分以及时间戳(“TS”)。然后将用户细分1124存储在引擎要约细分索引1126中。
图12示出了用于指示各种各样的细分属性的表1200。该表可以包括各种字段,如记录ID、UID、性别、年龄、收入以及孩子。为了说明性的目的提供这些字段,以作为可以利用的各种各样的其他字段的示例。
图13A示出了用于图12中所示的细分属性的行存储数据布局1300。行存储数据布局1300供快速获得/设置用于用户的全部属性。
图13B示出了用于图12中所示的细分属性的列存储数据布局1350。列存储数据布局1350供快速获得细分Attr(属性)=X值的用户、在批处理模式中将用户快速划分至微小细分中并且对所定义的细分中的用户进行快速计数。
图14示出了分析数据存储系统1400。在一个实施方式中,通过细分属性来垂直分割数据库。作为一个示例,第一垂直分割是基于性别的属性值,而第二垂直分割是基于年龄的属性值。
图15示出了可用于计算用户和要约到微小细分的匹配的系统配置1500。在一个实施方式中,微小细分计算模块1502与存储器1504交互。在一个实施方式中,系统配置1500适用于存储并且/或者执行程序代码,并且使用通用计算机或任意其他硬件等效物来实现系统配置1500。处理器1506通过系统总线直接或间接地耦合到存储器1504。存储器1504可以包括在程序代码的实际执行期间应用的本地存储器、大容量存储和/或用于提供至少一些程序代码的临时存储以便降低在执行期间必须从大容量存储获取代码的次数的高速缓冲存储器。
可以将输入/输出(“I/O”)设备1508直接耦合到或者通过中介输入/输出控制器耦合到系统配置900。此外,I/O设备1508可以包括键盘、键区、鼠标、用于捕获语音命令的麦克风、指点设备以及将被本领域的普通技术人员了解的其他用户输入设备。此外,I/O设备1508可以包括输出设备,如打印机、显示屏等等。此外,I/O设备1508可以包括接收器、发射器、扬声器、显示器、图像捕获传感器、生物传感器等等。另外,I/O设备1508可以包括存储设备,如磁带驱动器、软盘驱动器、硬盘驱动器、压缩盘(“CD”)驱动器等等。本文所述的任意模块可以是单个单片模块或具有分布在利用并行和/或流水线处理的云计算基础架构中的功能性的多个模块。
还可以将网络适配器耦合到系统配置1500以使得系统配置1500能够通过中介专用网络或公共网络耦合到其他系统、远程打印机或存储设备。调制解调器、电缆调制解调器、以及以太网卡是仅仅一些当前可用的网络适配器类型。
可以将本文所述的过程实现在通用、多用途或单用途处理器中。该处理器将执行汇编、编译或机器等级的指令,以执行该过程。本领域的普通技术人员可以根据与该过程相对应的附图的描述来编写这些指令,并且可以将这些指令存储在计算机可读介质中或者在该计算机可读介质上传输。还可以使用源代码或任意其他已知的计算机辅助设计工具来创建指令。计算机可读介质可以是能够携带这些指令的任意介质,并且包括CD-ROM、DVD、磁盘或其他光盘、带、硅存储器(例如可移除、不可移除、易失性或非易失性的)、通过有线或无线来本地地或通过网络远程地传输的分组的或未分组的数据。本文的计算机意图包括具有如上所述的通用、多用途或单用途处理器的任意设备。
应该理解,本文所述的过程和系统可以采取完整的硬件实施方式、完整的软件实施方式或包括软件和硬件元素的实施方式的形式。如果利用软件来实现方法或系统,那么该软件可以包括但不限于固件、常驻软件、微代码等等。
应该理解,还可以在其他类型的过程和系统中应用本文所述的过程和系统。本领域的熟练技术人员将意识到,在不脱离本发明的过程、系统和计算机程序产品的范围和精神的前提下,可以配置本文所述的过程和系统的实施方式的各种各样的改编和修改。因此,要理解,在所附权利要求的范围中,可以实施除了这里所详细描述的过程、系统和计算机程序产品之外的过程、系统和计算机程序产品。
Claims (20)
1.一种包括具有计算机可读程序的计算机可用介质的计算机程序产品,其中当所述计算机可读程序在计算机上执行时引起所述计算机:
接收用户数据和多个微小细分定义,使得所述多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约;
利用微小细分解析器将来自所述多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段;
利用编译器将所述多个已解析表达式分段编译成用于指示多个指令的可执行对象以确定所述用户数据是否与所述多个微小细分定义匹配;
利用顺序评价引擎来顺次地处理每个微小细分定义,以将所述多个微小细分条件规则应用于所述用户数据以确定用户属于微小细分的匹配;
利用所述顺序评价引擎来分配得分以指示每个匹配的强度;并且
利用所述顺序评价引擎来根据每个匹配的所述得分对每个匹配进行排名。
2.如权利要求1所述的计算机程序产品,其中,所述顺序评价引擎存储在客户端计算设备上。
3.如权利要求1所述的计算机程序产品,其中,所述顺序评价引擎由服务器上的单个核来操作。
4.如权利要求1所述的计算机程序产品,其中,所述顺序评价引擎由单个线程来操作。
5.如权利要求1所述的计算机程序产品,其中,在用于存储不具有用户标识数据的分析的可移植微小细分对象中接收所述多个微小细分定义。
6.如权利要求1所述的计算机程序产品,其中,所述可执行对象是字节码。
7.如权利要求1所述的计算机程序产品,其中,根据三值逻辑来确定所述匹配,使得一个或多个布尔谓词和一个或多个非布尔谓词得以利用。
8.一种方法,包括:
接收用户数据和多个微小细分定义,使得所述多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约;
利用微小细分解析器将来自所述多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段;
利用编译器将所述多个已解析表达式分段编译成用于指示多个指令的可执行对象以确定所述用户数据是否与所述多个微小细分定义匹配;
利用顺序评价引擎来顺次地处理每个微小细分定义,以将所述多个微小细分条件规则应用于所述用户数据以确定用户属于微小细分的匹配;
利用所述顺序评价引擎来分配得分以指示每个匹配的强度;并且
利用所述顺序评价引擎来根据每个匹配的所述得分对每个匹配进行排名。
9.如权利要求8所述的方法,其中,所述顺序评价引擎存储在客户端计算设备上。
10.如权利要求8所述的方法,其中,所述顺序评价引擎由服务器上的单个核来操作。
11.如权利要求8所述的方法,其中,所述顺序评价引擎由单个线程操作。
12.如权利要求8所述的方法,其中,在用于存储不具有用户标识数据的分析的可移植微小细分对象中接收所述多个微小细分定义。
13.如权利要求8所述的方法,其中,所述可执行对象是字节码。
14.如权利要求8所述的方法,其中,根据三值逻辑来确定所述匹配,使得一个或多个布尔谓词和一个或多个非布尔谓词得以利用。
15.一种系统,包括:
接收模块,其接收用户数据和多个微小细分定义,使得所述多个微小细分定义中的每个微小细分定义对应于要约提供者活动中的一个或多个要约;
微小细分解析器,其将来自所述多个微小细分定义的每个微小细分定义解析成用于指示多个微小细分条件规则的多个已解析表达式分段;
编译器,其将所述多个已解析表达式分段编译成用于指示多个指令的可执行对象以确定所述用户数据是否与所述多个微小细分定义匹配;以及
顺序评价引擎,其(i)顺次地处理每个微小细分定义,以将所述多个微小细分条件规则应用于所述用户数据以确定用户属于微小细分的匹配,(ii)分配得分以指示每个匹配的强度,并且(iii)根据每个匹配的所述得分来对每个匹配进行排名。
16.如权利要求15所述的系统,其中,所述顺序评价引擎存储在客户端计算设备上。
17.如权利要求15所述的系统,其中,所述顺序评价引擎由服务器上的单个核来操作。
18.如权利要求15所述的系统,其中,所述顺序评价引擎由单个线程来操作。
19.如权利要求15所述的系统,其中,在用于存储不具有用户标识数据的分析的可移植微小细分对象中接收所述多个微小细分定义。
20.如权利要求15所述的系统,其中,所述可执行对象是字节码。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/039,242 US9177327B2 (en) | 2011-03-02 | 2011-03-02 | Sequential engine that computes user and offer matching into micro-segments |
US13/039,242 | 2011-03-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102737333A true CN102737333A (zh) | 2012-10-17 |
CN102737333B CN102737333B (zh) | 2015-11-25 |
Family
ID=46753950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210056120.4A Active CN102737333B (zh) | 2011-03-02 | 2012-03-01 | 用于计算用户和要约到微小细分的匹配的顺序引擎 |
Country Status (2)
Country | Link |
---|---|
US (2) | US9177327B2 (zh) |
CN (1) | CN102737333B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331818A (zh) * | 2014-10-30 | 2015-02-04 | 中英融贯资讯(武汉)有限公司 | 可控制差异化推送商户服务信息的方法及系统 |
US9177327B2 (en) | 2011-03-02 | 2015-11-03 | Adobe Systems Incorporated | Sequential engine that computes user and offer matching into micro-segments |
US9454763B2 (en) | 2010-08-24 | 2016-09-27 | Adobe Systems Incorporated | Distribution of offer to a social group by sharing based on qualifications |
CN110287173A (zh) * | 2018-03-19 | 2019-09-27 | 奥多比公司 | 自动生成有意义的用户段 |
US11978082B1 (en) * | 2023-07-05 | 2024-05-07 | Loyalty Juggernaut, Inc. | System and method of individualized offer execution at a scale |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8700468B2 (en) | 2011-03-02 | 2014-04-15 | Adobe Systems Incorporated | Micro-segment definition system |
US8630902B2 (en) | 2011-03-02 | 2014-01-14 | Adobe Systems Incorporated | Automatic classification of consumers into micro-segments |
US8635226B2 (en) | 2011-03-02 | 2014-01-21 | Adobe Systems Incorporated | Computing user micro-segments for offer matching |
US8635107B2 (en) | 2011-06-03 | 2014-01-21 | Adobe Systems Incorporated | Automatic expansion of an advertisement offer inventory |
US8751429B2 (en) | 2012-07-09 | 2014-06-10 | Wine Ring, Inc. | Personal taste assessment method and system |
US9990422B2 (en) | 2013-10-15 | 2018-06-05 | Adobe Systems Incorporated | Contextual analysis engine |
US10235681B2 (en) | 2013-10-15 | 2019-03-19 | Adobe Inc. | Text extraction module for contextual analysis engine |
US10430806B2 (en) | 2013-10-15 | 2019-10-01 | Adobe Inc. | Input/output interface for contextual analysis engine |
US9348885B2 (en) * | 2014-02-04 | 2016-05-24 | Adobe Systems Incorporated | System and method for ranking and selecting data features |
US10489822B2 (en) * | 2014-08-21 | 2019-11-26 | Oracle International Corporation | Extending audience reach in messaging campaigns using probabilistic ID linking |
US10572903B2 (en) | 2014-08-21 | 2020-02-25 | Oracle International Corporation | Extending audience reach in messaging campaigns using probabilistic ID linking |
US20160110726A1 (en) * | 2014-10-20 | 2016-04-21 | Mastercard International Incorporated | Method and system for linking handwriting to transaction data |
US10460353B2 (en) | 2014-10-30 | 2019-10-29 | Oracle International Corporation | Real-time cross-device user category synchronization in an advertising campaign |
US20160125451A1 (en) * | 2014-11-04 | 2016-05-05 | Adobe Systems Incorporated | Asset suggestions for electronic posts |
US11341539B2 (en) * | 2016-10-17 | 2022-05-24 | Nice Ltd. | Offer selection using sequential selection operations |
CN107911736B (zh) * | 2017-11-21 | 2020-05-12 | 广州华多网络科技有限公司 | 直播互动方法及系统 |
US11250462B2 (en) | 2019-04-18 | 2022-02-15 | Benjamin D. Smith | System and method for trading and tracking digitized coupons |
US11755601B2 (en) | 2019-04-25 | 2023-09-12 | Braze, Inc. | Systems and methods for determining if a user is a member of a defined segment |
US10922317B2 (en) * | 2019-04-25 | 2021-02-16 | Braze, Inc. | Systems and methods for determining if a user is a member of a defined segment |
US11516277B2 (en) | 2019-09-14 | 2022-11-29 | Oracle International Corporation | Script-based techniques for coordinating content selection across devices |
US11477119B1 (en) * | 2020-12-31 | 2022-10-18 | Juniper Networks, Inc. | Micro SID packet processing |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010032128A1 (en) * | 1999-12-23 | 2001-10-18 | Jonathan Kepecs | Techniques for optimizing promotion delivery |
CN1858782A (zh) * | 2005-12-05 | 2006-11-08 | 华为技术有限公司 | 一种基于用户业务数据生成用户群的方法及装置 |
CN101207639A (zh) * | 2007-12-03 | 2008-06-25 | 华为技术有限公司 | 对用户进行分类的方法与装置 |
Family Cites Families (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5636346A (en) | 1994-05-09 | 1997-06-03 | The Electronic Address, Inc. | Method and system for selectively targeting advertisements and programming |
US7133845B1 (en) | 1995-02-13 | 2006-11-07 | Intertrust Technologies Corp. | System and methods for secure transaction management and electronic rights protection |
US5892900A (en) | 1996-08-30 | 1999-04-06 | Intertrust Technologies Corp. | Systems and methods for secure transaction management and electronic rights protection |
US7493267B1 (en) | 2000-05-02 | 2009-02-17 | Walker Digital, Llc | Method and apparatus for compensating participation in marketing research |
US20010013009A1 (en) * | 1997-05-20 | 2001-08-09 | Daniel R. Greening | System and method for computer-based marketing |
US6317872B1 (en) * | 1997-07-11 | 2001-11-13 | Rockwell Collins, Inc. | Real time processor optimized for executing JAVA programs |
US6061658A (en) | 1998-05-14 | 2000-05-09 | International Business Machines Corporation | Prospective customer selection using customer and market reference data |
US6847969B1 (en) | 1999-05-03 | 2005-01-25 | Streetspace, Inc. | Method and system for providing personalized online services and advertisements in public spaces |
US6519571B1 (en) | 1999-05-27 | 2003-02-11 | Accenture Llp | Dynamic customer profile management |
US7630986B1 (en) | 1999-10-27 | 2009-12-08 | Pinpoint, Incorporated | Secure data interchange |
US7072858B1 (en) | 2000-02-04 | 2006-07-04 | Xpensewise.Com, Inc. | System and method for dynamic price setting and facilitation of commercial transactions |
US7599851B2 (en) | 2000-09-05 | 2009-10-06 | Renee Frengut | Method for providing customized user interface and targeted marketing forum |
US7581237B1 (en) | 2000-10-30 | 2009-08-25 | Pace Plc | Method and apparatus for generating television program recommendations based on prior queries |
US20030023482A1 (en) | 2001-07-25 | 2003-01-30 | Messner Amy E. | Method and apparatus for redeeming of coupons via a wireless communication device |
WO2003048961A1 (en) | 2001-12-04 | 2003-06-12 | Powerllel Corporation | Parallel computing system, method and architecture |
AU2003263987A1 (en) * | 2002-08-05 | 2004-02-23 | John Campbell | System of finite state machines |
US20060095327A1 (en) | 2004-11-01 | 2006-05-04 | Vaughn Charles A | System and method for identifying customer offers |
US20060212355A1 (en) | 2005-01-27 | 2006-09-21 | Brian Teague | Social information and promotional offer management and distribution systems and methods |
US7739314B2 (en) | 2005-08-15 | 2010-06-15 | Google Inc. | Scalable user clustering based on set similarity |
US8364540B2 (en) | 2005-09-14 | 2013-01-29 | Jumptap, Inc. | Contextual targeting of content using a monetization platform |
US8694372B2 (en) * | 2005-12-21 | 2014-04-08 | Odysii Technologies Ltd | Systems and methods for automatic control of marketing actions |
US7706740B2 (en) | 2006-01-06 | 2010-04-27 | Qualcomm Incorporated | Apparatus and methods of selective collection and selective presentation of content |
CN101438308A (zh) | 2006-01-06 | 2009-05-20 | 高通股份有限公司 | 内容选择性收集和选择性呈现的装置和方法 |
US8064604B2 (en) | 2006-04-04 | 2011-11-22 | Oracle International Corporation | Method and apparatus for facilitating role-based cryptographic key management for a database |
US7992171B2 (en) | 2006-09-06 | 2011-08-02 | Qurio Holdings, Inc. | System and method for controlled viral distribution of digital content in a social network |
US8589233B2 (en) | 2006-10-25 | 2013-11-19 | Microsoft Corporation | Arbitrage broker for online advertising exchange |
US8402114B2 (en) | 2006-12-28 | 2013-03-19 | Advertising.Com Llc | Systems and methods for selecting advertisements for display over a communications network |
US20090132275A1 (en) | 2007-11-19 | 2009-05-21 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Determining a demographic characteristic of a user based on computational user-health testing |
US20090006188A1 (en) | 2007-06-26 | 2009-01-01 | Microsoft Corporation | Associating an activity with an online advertisement |
CN101431524A (zh) | 2007-11-07 | 2009-05-13 | 阿里巴巴集团控股有限公司 | 一种定向网络广告投放的实现方法及装置 |
US20090125377A1 (en) | 2007-11-14 | 2009-05-14 | Microsoft Corporation | Profiling system for online marketplace |
US10002189B2 (en) | 2007-12-20 | 2018-06-19 | Apple Inc. | Method and apparatus for searching using an active ontology |
US20090271263A1 (en) | 2008-04-24 | 2009-10-29 | Igcsystems, Inc. | Promotional programs with electronic receipts |
US20100042471A1 (en) | 2008-08-18 | 2010-02-18 | Microsoft Corporation | Determination of advertisement referrer incentives and disincentives |
US8326630B2 (en) | 2008-08-18 | 2012-12-04 | Microsoft Corporation | Context based online advertising |
US8473327B2 (en) * | 2008-10-21 | 2013-06-25 | International Business Machines Corporation | Target marketing method and system |
US8438061B2 (en) | 2008-10-24 | 2013-05-07 | Cardlytics, Inc. | System and methods for merging or injecting targeted marketing offers with a transaction display of an online portal |
US8566855B2 (en) | 2008-12-02 | 2013-10-22 | Sony Corporation | Audiovisual user interface based on learned user preferences |
US8799060B2 (en) | 2009-03-30 | 2014-08-05 | Transactis, Inc | Method for electronic coupon creation, deployment, transference, validation management, clearance, redemption and reporting system and and method for interactive participation of individuals and groups with coupons |
CN101520878A (zh) | 2009-04-03 | 2009-09-02 | 华为技术有限公司 | 向用户进行广告推送的方法、装置和系统 |
CA2796408A1 (en) | 2009-04-16 | 2010-10-21 | Evri Inc. | Enhanced advertisement targeting |
US9135629B2 (en) | 2009-06-23 | 2015-09-15 | Simeon S. Simeonov | User targeting management, monitoring and enforcement |
CN101694659B (zh) | 2009-10-20 | 2012-03-21 | 浙江大学 | 基于多主题追踪的个性化网络新闻推送方法 |
US20110270618A1 (en) | 2010-04-30 | 2011-11-03 | Bank Of America Corporation | Mobile commerce system |
US9454763B2 (en) | 2010-08-24 | 2016-09-27 | Adobe Systems Incorporated | Distribution of offer to a social group by sharing based on qualifications |
US8700468B2 (en) | 2011-03-02 | 2014-04-15 | Adobe Systems Incorporated | Micro-segment definition system |
US8635226B2 (en) | 2011-03-02 | 2014-01-21 | Adobe Systems Incorporated | Computing user micro-segments for offer matching |
US9177327B2 (en) | 2011-03-02 | 2015-11-03 | Adobe Systems Incorporated | Sequential engine that computes user and offer matching into micro-segments |
US8630902B2 (en) | 2011-03-02 | 2014-01-14 | Adobe Systems Incorporated | Automatic classification of consumers into micro-segments |
US20120226562A1 (en) | 2011-03-02 | 2012-09-06 | Adobe Systems Incorporated | Persistent metadata for a user-controlled policy of personal data disclosure and usage for online advertising |
US8635107B2 (en) | 2011-06-03 | 2014-01-21 | Adobe Systems Incorporated | Automatic expansion of an advertisement offer inventory |
-
2011
- 2011-03-02 US US13/039,242 patent/US9177327B2/en active Active
-
2012
- 2012-03-01 CN CN201210056120.4A patent/CN102737333B/zh active Active
-
2015
- 2015-10-28 US US14/925,086 patent/US10078853B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010032128A1 (en) * | 1999-12-23 | 2001-10-18 | Jonathan Kepecs | Techniques for optimizing promotion delivery |
CN1858782A (zh) * | 2005-12-05 | 2006-11-08 | 华为技术有限公司 | 一种基于用户业务数据生成用户群的方法及装置 |
CN101207639A (zh) * | 2007-12-03 | 2008-06-25 | 华为技术有限公司 | 对用户进行分类的方法与装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9454763B2 (en) | 2010-08-24 | 2016-09-27 | Adobe Systems Incorporated | Distribution of offer to a social group by sharing based on qualifications |
US9177327B2 (en) | 2011-03-02 | 2015-11-03 | Adobe Systems Incorporated | Sequential engine that computes user and offer matching into micro-segments |
US10078853B2 (en) | 2011-03-02 | 2018-09-18 | Adobe Systems Incorporated | Offer matching for a user segment |
CN104331818A (zh) * | 2014-10-30 | 2015-02-04 | 中英融贯资讯(武汉)有限公司 | 可控制差异化推送商户服务信息的方法及系统 |
CN110287173A (zh) * | 2018-03-19 | 2019-09-27 | 奥多比公司 | 自动生成有意义的用户段 |
US11809455B2 (en) | 2018-03-19 | 2023-11-07 | Adobe Inc. | Automatically generating user segments |
CN110287173B (zh) * | 2018-03-19 | 2024-01-26 | 奥多比公司 | 自动生成有意义的用户段 |
US11978082B1 (en) * | 2023-07-05 | 2024-05-07 | Loyalty Juggernaut, Inc. | System and method of individualized offer execution at a scale |
Also Published As
Publication number | Publication date |
---|---|
US20120226700A1 (en) | 2012-09-06 |
US20160048885A1 (en) | 2016-02-18 |
CN102737333B (zh) | 2015-11-25 |
US9177327B2 (en) | 2015-11-03 |
US10078853B2 (en) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102737333B (zh) | 用于计算用户和要约到微小细分的匹配的顺序引擎 | |
US11334635B2 (en) | Domain specific natural language understanding of customer intent in self-help | |
CN102708131B (zh) | 将消费者自动分类到微细分中 | |
CN102737334B (zh) | 微细分定义系统 | |
Cao et al. | Cross-platform app recommendation by jointly modeling ratings and texts | |
US8635226B2 (en) | Computing user micro-segments for offer matching | |
He et al. | A novel social media competitive analytics framework with sentiment benchmarks | |
US10565602B1 (en) | Method and system for obtaining leads based on data derived from a variety of sources | |
US8156138B2 (en) | System and method for providing targeted content | |
US8209214B2 (en) | System and method for providing targeted content | |
CN102884530A (zh) | 用于包括冲击分析和影响跟踪的数据收集、跟踪和分析 | |
CN104412265A (zh) | 更新用于促进应用搜索的搜索索引 | |
CN103917968A (zh) | 用于管理具有交互式评论流的评论网络的系统和方法 | |
CN111259263A (zh) | 一种物品推荐方法、装置、计算机设备及存储介质 | |
CN102222299A (zh) | 清单管理 | |
CN102722833A (zh) | 用于在线广告的个人数据公开和使用的用户控制策略的持久性元数据 | |
KR102458510B1 (ko) | 실시간 보완 가능한 마케팅 시스템 | |
Schleier-Smith | An architecture for agile machine learning in real-time applications | |
Singh et al. | Sentiment analysis of twitter user data on Punjab legislative assembly election, 2017 | |
Nguyen et al. | On predicting religion labels in microblogging networks | |
Gao et al. | Artificial Intelligence in Advertising: Advancements, challenges, and ethical considerations in targeting, personalization, content creation, and ad optimization | |
Al-Otaibi et al. | Finding influential users in social networking using sentiment analysis | |
Davazdahemami et al. | A developer-oriented recommender model for the app store: A predictive network analytics approach | |
Liu et al. | Customer preference analysis towards online shopping decisions based on optimized feature extraction | |
Peng et al. | Personalized product recommendation model of automatic question answering robot based on deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |