CN102754117A - 用于为消费者提供物品和/或服务的方法、系统和控制器 - Google Patents

用于为消费者提供物品和/或服务的方法、系统和控制器 Download PDF

Info

Publication number
CN102754117A
CN102754117A CN201080062257XA CN201080062257A CN102754117A CN 102754117 A CN102754117 A CN 102754117A CN 201080062257X A CN201080062257X A CN 201080062257XA CN 201080062257 A CN201080062257 A CN 201080062257A CN 102754117 A CN102754117 A CN 102754117A
Authority
CN
China
Prior art keywords
consumer
project
visit
available items
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201080062257XA
Other languages
English (en)
Inventor
B·J·格罗诺
K·D·德维尔
J·D·帕克
C·G·巴特斯
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.)
Someones Group Intellectual Property Holdings Pty Ltd
Original Assignee
Someones Group Intellectual Property Holdings Pty Ltd
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 AU2009906294A external-priority patent/AU2009906294A0/en
Application filed by Someones Group Intellectual Property Holdings Pty Ltd filed Critical Someones Group Intellectual Property Holdings Pty Ltd
Publication of CN102754117A publication Critical patent/CN102754117A/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供了用于向消费者推荐物品或服务项目或提供对于物品或服务项目的访问的选择服务的方法、系统和控制器，包括下述步骤：识别可用项目组，该可用项目中的至少一些可用项目需要向项目提供方支付用于访问的费用（1201）；预测消费者对于每个可用项目可能喜欢的度量（1202）/计算对于消费者来说每个可用项目的资金价值的度量（1203）；向消费者推荐物有所值的项目或提供到物有所值的项目的访问（1204）。

Description

用于为消费者提供物品和/或服务的方法、系统和控制器
技术领域
本发明涉及用于为消费者提供物品和/或服务的计算机化方法、系统和控制器，特别地涉及（但不限于）向消费者推荐媒体项目或提供到媒体项目的访问。
背景技术
用于使物品和/或服务与消费者的偏好相匹配的推荐系统是已知的且广泛用于基于互联网提供媒体项目。应用包括书籍、歌曲、视频和其它媒体项目、或诸如拍卖、介绍、车辆和房屋的非媒体项目或服务。通常来说，这种系统依赖于使可用项目的特性与消费者期望的特性相匹配。这种推荐系统的复杂性广泛变化，从基于用户指定标签的简单搜索引擎到基于由示例提供的衍生描述符进行匹配的系统。
在以不同价格提供项目的情况下，通常价格被显示为附加信息，并且除了可能被消费者选择为允许的价格范围，价格在推荐中不起作用。
在现有技术的系统中没有考虑如下需要：在考虑到消费者偏好的情况下，使消费者与呈现资金价值的项目相匹配。
发明内容
根据本发明的第一方面，提供了一种向消费者推荐物品或服务项目或提供对于物品或服务项目的访问的选择服务的方法，该方法包括下述步骤：
识别一组可用项目，所述可用项目中的至少一些可用项目需要向项目提供方支付用于访问的费用；
预测消费者对于每个可用项目可能喜欢的度量；
计算对于消费者来说的每个可用项目的资金价值的度量；
向消费者推荐物有所值的项目或提供到该物有所值的项目的访问。
在一个实施方式中，项目包括经过网络进行访问的数字媒体项目。
在一个实施方式中，项目提供方包括媒体项目的制作方、作者或创作者。
在一个实施方式中，存在多个消费者，每个消费者对所述服务进行支付，以接收对媒体项目的访问。消费者可以支付定期费用，以接收对媒体项目的访问。可以基于媒体项目的每次消费者的使用由所述服务向媒体项目提供方支付费用。
在一个实施方式中，预测消费者对于每个可用项目可能喜欢的度量的步骤包括：计算每个可用项目与消费者喜欢的示例项目或类别的匹配的紧密程度。可以由消费者指定示例项目或类别或可以通过过去的消费者行为来推断示例项目或类别。
在一个实施方式中，计算对于消费者来说每个可用项目的资金价值的度量的步骤包括：
至少基于可能喜欢的度量计算对于每个消费者来说每个可用项目的价值；以及
将价值与访问所需的任何支付费用进行比较。
在一个实施方式中，向消费者推荐物有所值的项目或提供到该物有所值的项目的访问的步骤包括：
选择价值超过访问所需的任何支付费用的项目；
基于依赖于超额价值的每次使用频率，推荐选择的项目或提供到所选择的项目的访问。
在一个实施方式中，该方法进一步包括下述步骤：调整对于可用项目中的至少一个可用项目的每次使用所支付的费用，以增加对于所述项目所支付的费用总量。
在一些实施方式中，项目可以是播放列表中由服务提供对其的访问的歌曲。
根据本发明的第二方面，提供了一种用于使能向消费者推荐物品或服务项目或提供对于物品或服务项目的访问的选择服务的系统，该系统包括：
接口，该接口用于消费者访问项目；
可用项目识别器，该可用项目识别器用于识别一组可用项目，所述可用项目中的至少一些可用项目需要向项目提供方支付用于访问的费用；
可能喜欢预测器，用于预测消费者对每个可用项目的可能喜欢的度量；
资金价值计算器，用于计算对于每个消费者来说每个可用项目的资金价值的度量；以及
访问决定器，用于消费者推荐物有所值的项目或提供到该物有所值的项目的访问。
根据本发明的第三方面，提供了一种用于使能选择服务的控制器，所述选择服务通过接口向消费者推荐媒体项目或提供到媒体项目的访问，该控制器包括：
可用项目识别器，该可用项目识别器用于识别一组可用项目，所述可用项目中的至少一些可用项目需要向项目提供方支付用于访问的费用；
可能喜欢预测器，用于预测消费者对每个可用项目的可能喜欢的度量；
资金价值计算器，用于计算对于每个消费者来说每个可用项目的资金价值的度量；以及
访问决定器，用于消费者推荐物有所值的项目或提供到该物有所值的项目的访问。
根据本发明的第四方面，提供了一种计算机程序代码，当由计算装置执行时，该计算机程序代码使得该计算装置实施本发明的第一方面的方法。
根据本发明的第五方面，提供了一种计算机可读介质，其包括本发明的第四方面的程序代码。
根据本发明的第六方面，提供了一种数据信号，其包括本发明的第四方面的计算机程序代码。
附图说明
图1是应用于提供媒体项目的本发明的示例系统的框图；
图2示出了应用于媒体项目的本发明的方法的流程图。
具体实施方式
参考附图，示出了根据本发明的实施方式的系统、控制器和方法的各方面。
系统可以采取多种不同的形式。在优选形式中，系统被设置在通过互联网与消费者和项目提供方通信的服务器上。
现在参考图1，应用到媒体项目的系统10的最宽泛级别的核心组件是与数据存储器40通信的媒体选择控制器30，数据存储器40的全部或一部分可以位于远处。媒体选择控制器30与媒体项目提供方500进行数据通信，并且经由每个消费者的接口20与至少一个（通常为很多）消费者进行数据通信。
媒体选择控制器30包含可用媒体项目识别器310，可用媒体项目识别器310用于识别一组可用媒体项目，所述可用媒体项目中的至少一些可用媒体项目需要向媒体项目提供方500支付用于访问的费用（如果媒体项目为歌曲则通常为每次播放的价格）。媒体项目识别器可以包括例如网络接口，在该网络接口处，提供方500可以登记它们的兴趣和它们的媒体项目。
媒体选择控制器30还包括可能喜欢预测器（likely enjoyment predictor）320，可能喜欢预测器320预测每个消费者对于每个可用媒体项目的可能喜欢的度量。这是通过下述步骤来进行的：查阅包含每个消费者喜欢的媒体项目的示例的消费者数据表424；以及将这些数据与描述符表422进行比较，其中该描述符表422包含在媒体项目数据库420中保存的每个媒体项目的特性。与描述符的匹配的接近程度用于预测所述可能喜欢的度量。可以考虑和尝试很多可能的度量，并且这些都在本发明的范围之内。
媒体选择控制器30还包含资金价值计算器330，资金价值计算器330计算对于每个消费者来说每个可用媒体项目的资金价值的度量。这通常通过下述步骤来执行：根据可能喜欢的度量和其它参数计算用于访问媒体项目的货币值。其它参数可以包括对于服务的总购买预算的参考和可能需要被服务购买的访问的总预计数目。
媒体选择控制器30还包括访问决定器330，访问决定器330最终决定将物有所值的哪个媒体项目提供或推荐给消费者。这可以包括利用加权几率的随机选择，该加权几率取决于资金价值超过价格多少。
示例的播放列表系统
在该示例中，消费者每月支付用于访问音乐选择服务的指定的定期订阅费用。
由于订阅费用的支付，消费者可以播放来自可互联网可访问的库的歌曲，该可互联网可访问的库是由服务从音乐提供方购买的。消费者可以能够手动地选择歌曲，但是还可以被提供有自动生成的基于消费者偏好所确定的播放列表。在该示例中，服务向每个音乐提供方支付每次播放的价格。
如本领域公知的，消费者可以选择多个歌曲，并且系统可以推荐类似音乐。
通常，这种推荐基于与其它消费者喜欢的歌曲相比该消费者喜欢的歌曲的累积数据，从而生成“喜欢这个的人也喜欢那个”这种推荐。有时，基于原生音频质量来进行预测以找到本质上类似的音乐。
在本发明的当前示例中，原生质量或原生质量和其它消费者偏好的组合用于在消费者点击“寻找与此类似的音乐”的按钮时找到类似的音乐。
当播放任何音乐时，消费者可以选择点击“更多该音乐”或“更少该音乐”按钮。如果一首歌曲被一个月中播放了很多遍，则假定消费者当前喜欢该歌曲胜于其它歌曲。
这些数据都向系统指示消费者对于播放的音乐的评价。
基于这种信息和其它消费者行为，能够预测消费者每个月从库里收听多少歌曲，以及这些歌曲通常属于哪些种类。
在当前示例中，我们将价格结合到推荐系统中，从而推荐系统能够推荐物有所值并且可能对消费者有吸引力的媒体项目。
在该示例中，每个消费者通过选择与他们希望听到的歌曲相类似的多个歌曲和/或通过指定多个参数（风格、发布日期等等）来限定示例“播放列表”。如果消费者限定了多于一个放列表的示例，则每个播放列表被视为犹如它们来自不同的消费者。
推荐系统然后根据所有歌曲与这些参数的匹配程度来对所有歌曲进行评分。按照示例歌曲，推荐算法可以使用原生媒体描述符，并且使用奇异值分解（SVD）将这些描述符精简到大约30个描述符的可管理组。在本说明书最后的参考部分中提供了图像和音频的示例性原生媒体描述符。推荐算法可以提供与每个可用歌曲与选择的示例歌曲组之间的描述符空间中的距离（例如，到最近的示例歌曲的距离或者到所有示例歌曲的平均距离）相关的评分。高的评分表示距离小（即，匹配程度高）的项目；并且低的评分表示距离大（即，匹配程度低）的项目。结果是例如在如下表1中示出的评分矩阵。在该情况下，存在6个消费者和10个可用歌曲。这仅用于例示的目的，事实上，可以存在多个用户和多个可用歌曲。
表1，情况1，评分矩阵-R
Figure BDA00001926988000051
系统具有其能够花费在提供播放列表上的最大资金数额-X，在该情况下，X=$150。
系统还预先知晓由过去的行为意向所确定的每个消费者所需要的歌曲的量。
表2，情况1，量矢量-Q
Figure BDA00001926988000061
允许每首歌曲的制作方设定其歌曲的价格。
表3，情况1，价格矢量-P
歌曲10是特殊情况，其表示由Someones系统控制的歌曲。其被用作一种货币政策形式，以确保市场不会失控并且不会超过设置为X的最大花费。将在下面在情况2中描述实现该操作的方法。在该情况下，其被视为犹如被标价为$1000的价值，而在$1000值系统将不会选择它。
根据评分表“R”，通过假设评分较高的歌曲价值也较高（例如，播放列表2中歌曲2被评分为2.35并且歌曲1被评分为1.45，因此对于该播放列表来说，歌曲2的评分是歌曲1的1.62倍（2.35/1.45）），本发明的该示例中的系统来估计歌曲向播放列表添加的价值。
系统通过将列矢量除以列总计来将此应用于评分矩阵，然后确保该矩阵能够与将来的表（可以具有更多项目的表）进行比较，系统将获得的表与歌曲总数相乘，从而每列的总计是可用歌曲的数目。
表4，情况1，推断的价值表-V1
Figure BDA00001926988000071
如果假设每个播放列表中的每个歌曲的价值反应了每个消费者为拥有播放列表中的该歌曲而愿意支付的价格，则该表假定了每个歌曲的平均价格等于1（列的总和除以歌曲的总数）。然而，系统从X（希望花费的最大金额-150）和量矢量Q（表2，Q的总和=96）能够知晓对所有歌曲可花费的平均价格是1.563（150/96）。因此系统相应地调整价值表，从而所有条目的平均值是每次播放可花费的平均价格。
表5，情况1，平均调整价值表-V2
Figure BDA00001926988000072
系统然后从平均值调整价值表V2中的每列减去制作方价格（P），以估计每个消费者是否将考虑资金价格值与整个可花费的金额一致。这表示如果购买了特定曲目时产生的消费者的价值剩余量。例如，如果歌曲对于该消费者来说值2.5，并且他们想要用1来购买该歌曲，则获取1.5的价值剩余。
表6，情况1，消费者剩余表-S1
Figure BDA00001926988000081
在该表中，负值表示消费者认为该价格不是物有所值。
如果要求这些消费者做出购买决定，则这些消费者将不会在这些价格点购买这些项目。因此，系统将这些价值设置为零，如下面的表8中所示。
表7，情况1，非负消费者剩余表-S2
Figure BDA00001926988000082
为了最大化资金价值（效用），每个消费者将通常购买在消费者剩余中具有最高收益的项目。在该情况下，每个消费者将仅挑选一首歌曲（具有最高消费者剩余的歌曲）并且购买该歌曲的尽可能多的副本。而这在真实生活中几乎不会发生，由于物品几乎不会是可以完全替代的（如这里假设的）。解决此的一种方式是使用无差异曲线分析来计算非线性替代效果。然而，这极其不容易（non-trivial）且使解决方案变得复杂。近似无差异曲线解决方案的较容易的方法是使用按比例分配。为了执行按比例分配，我们利用列总计来划分非负消费者剩余表中的每个元素，并且乘以量总计。该步骤假设以该方式分配购买使得由消费者剩余所度量的效用最优化，并且任何其它分配将导致更少的消费者剩余。
表8，情况1，优化的(资金价值)提供量-Q2
Figure BDA00001926988000091
接下来，我们通过将Q2的行总计乘以在价格表P中列出的价格来计算提供成本。
表9，情况1，提供成本-C
Figure BDA00001926988000092
从该表我们可以看出，我们已经设法为每个消费者产生最佳性价比的结果，以小于最大支出量X（150）。这时，市场出清（market clears）并且不需要任何进一步的改变。
表8中的量用于生成播放列表。这些不是全部数目，并且事实上，当存在很多比可能的全部播放更有价值的可用歌曲的典型情况下时，量将主要是分数。系统使用这些量来根据几率模型为每个消费者产生播放列表。例如，对于消费者1，将播放10首歌曲，并且当选择播放列表中的每个条目时，使用随机数来决定将播放10首可用歌曲中的哪首，对于歌曲1来说几率为3.18/10=0.318，对于歌曲2来说几率为零，对于歌曲3来说，几率为3.85/10=0.385，等等。以该方式，平均来说，预测量被整体上花费，并且消费者播放价值超过获取价格最多（与剩余价值成比例）的歌曲。存在很多其它使用表8来生成播放列表的方法，这仅仅是一个示例。
情况2-当市场没有出清时货币政策的使用
除了X现在被设置为$120之外，该情况与情况1相同。根据相同的方法，系统获得表11中所示的如下的提供量和成本表。注意的是，改变X的值则改变了平均价格，并且因此改变了平均调整价值表，以及因此改变了优化的提供量Q2。表12是新的提供成本表，并且从右下角可以看出，花费超过$120的预算。
表10，情况2，优化的(资金价值)提供量-Q2
表11，情况2，提供成本-C
Figure BDA00001926988000102
系统通过找到歌曲10的价格（使用已知的求解算法）来进行调整，从而市场出清（所有消费者的歌曲1至9的提供成本的和等于X，这里X等于120）。参见表13。
表12，情况2，优化的价格矢量-P＊
Figure BDA00001926988000111
表13，情况2，更新的量表-Q2
Figure BDA00001926988000112
表14，情况2，最优的提供成本表(歌曲10未计入)-C
Figure BDA00001926988000121
在该情况下，对歌曲1至9花费了120。歌曲10的提供成本（21.47）被忽略（免费提供）。歌曲10可以由服务拥有，因此是免费提供的。
情况3
在情况2中，只有一首歌曲是作为服务的一部分而免费。该情况探索了使多于一首歌曲免费的可能性，以满足播放列表中的不同喜好。为了实现该结果，折扣歌曲的推断价格可以被假设为相同的价格。
下面是歌曲9和歌曲10被打折扣并且由服务免费提供的结果。
表15，情况3，优化的价格表(歌曲9和10曲服务所拥有)-P
表16，情况3，优化的提供成本(歌曲9和10未计入)-C
Figure BDA00001926988000131
在该情况下，歌曲9被提供给消费者1和2，并且歌曲10被提供给消费者3和4。将此与只有歌曲10被服务控制并且歌曲10以较小的量提供给消费者2的情况相比较。在该情况下，通过替代地为消费者提供歌曲9实现了与消费者2的理想播放列表更好的匹配。
情况4-考虑消费者已经拥有的歌曲
该情况处理下面情形：某些消费者已经拥有了某些歌曲并且不需要为播放列表上的这些歌曲的供应而支付费用。在该情况下，系统进行相同的处理，不同之处在于当计算提供成本时不计入这些歌曲。
使用与情况1相同的歌曲和价格，获得评分矩阵R。
表17，情况4，评分矩阵-R
Figure BDA00001926988000132
这时，消费者已经拥有的歌曲被突出显示。假设X为$150。假设Q为与下述相同：
表18，情况4，量矢量-Q
Figure BDA00001926988000141
同样地，允许每个制作方为其歌曲设定价格。
表19，情况4，价格矢量-P
Figure BDA00001926988000142
如前所述，系统使用评分表来创建每个歌曲向播放列表的添加的大致价值，以创建V1和V2。参见下面的表22。
表20，情况4，推断的价值表-V1
Figure BDA00001926988000143
表21，情况4，平均调整的价值表-V2
Figure BDA00001926988000151
系统然后从平均调整价值表V2中的每列减去制作方价格（P），以估计每个消费者是否会考虑除了突出显示的歌曲之外的资金价格价值。这些突出显示的歌曲可以免费提供，因此减去零。
表22，情况4，消费者剩余表-S1
Figure BDA00001926988000152
表23，情况4，非负消费者剩余表-S2
Figure BDA00001926988000161
如前所述的系统然后执行按比例分配：
表24，情况4，优化的(资金价值)提供量-Q2
Figure BDA00001926988000162
接下来，系统通过将Q2的量条目乘以价格表P中所列价格来计算提供成本，如下面的表27中所示。
表25，情况4，优化的提供成本-C
Figure BDA00001926988000171
提供总成本是该表中除了突出显示的那些元素之外的所有元素之和。在该情况下，提供成本是$64.63，显著低于情况1中的$145.76。
情况5
情况4中的结果将始终偏好消费者的播放列表上的歌曲，这是因为它们是免费提供的并且因此没有导致任何使用费用。这对于一些喜欢经常收听他们喜爱的歌曲消费者来说可能是适合的。
如果消费者不喜欢这样，则系统可以允许这些消费者通过向搜索结果中添加额外的参数来改变指导评分矩阵的参数（为我寻找听起来像X、但是是新的且不在播放列表中的歌曲）
替代方法是花费最大量的可用资金。假设消费者可能已经支付了设置的订阅费用以使用服务，则消费者可能会偏好该结果。制作方将也偏好该结果，因为其确保了更加可预测的收入流。
这可以通过对消费者自己的库来设置推断价格得以实现。在情况4中，消费者拥有的歌曲是大量的消费者剩余的来源，这是因为这些歌曲是免费提供的。在情况4中，与评分矩阵更好匹配的歌曲被替换为匹配得相对较差但是以较低价格（免费）提供的其它歌曲。通过为这些歌曲设置推断价格，减少了这种替换的影响，并且这些歌曲被替换为更好地匹配推荐结果但是更贵的歌曲。实际上，设置该推断价格允许消费者以额外的支出为代价来提高推荐结果的质量。参见情况4的消费者剩余表。
表26，情况5，初始消费者剩余表-S1
不是从突出显示的元素减去零，系统现在减去使用求解器计算出的非零价格，从而提供的总成本等于120。在该情况下，对于消费者自己的库中的歌曲设置的1.8的推断的价格将实现该结果。参见下面的表29至表32。
表27，情况5，调整的消费者剩余表-S1
Figure BDA00001926988000182
表28，情况5，非负消费者剩余表-S2
Figure BDA00001926988000191
表29，情况5，优化的(资金价值)提供量-Q2
Figure BDA00001926988000192
表30，情况5，优化的提供成本-C
Figure BDA00001926988000193
在该表中提供总成本（所有非突出显示的元素之和）为120。
情况6-自动定价
假设系统能够基于过去的数据准确地预测消费者花销，则其还能够向制作方提供服务以帮助他们设置最佳的可能价格点从而最大化他们的利润。
定价的最简单的预测方法将是简单地假设所有其它竞争者已经固定了价格并且设置了使收益（价格乘以量）最大化的价格。
在该示例中，我们返回到初始的模型。
表31，情况6，评分矩阵-R
Figure BDA00001926988000201
我们能够花费在提供无线电台上的最大量资金-X是$150并且Q与前述相同。
同样地，允许每个制作方为其歌曲设置价格，不同之处在于，在该情况下，歌曲1的制作方尝试通过使用收益优化器来最大化利润。
表32，情况6，初始价格矢量-P
Figure BDA00001926988000202
与前述的情况1中相同，我们结束于下面的提供成本表。
表33，情况6，初始提供成本-C
Figure BDA00001926988000211
由此，我们看出歌曲1的总收益是26.51。系统现在可以设置歌曲1的价格使得使用自动化求解（在该情况下，与Excel（TM）结算器中提供的算法相同的算法）来使收益最大化。
表34，情况6，优化的价格矢量-P＊
Figure BDA00001926988000212
表35，情况6，优化的提供成本-C
Figure BDA00001926988000221
根据该表，我们可以看出，歌曲1的制作方有机会通过将他们的音乐的价格从1.70降低到1.49来将收益从26.51提高到27.31。
本领域技术人员将还了解的是，在不偏离本发明的范围的情况下，能够对本发明进行各种变化。特别地，虽然示出了通过互联网提供歌曲的播放列表作为示例，但是本发明以其最宽泛的形式扩展到通过任何方式提供任何物品或服务。
在所附权利要求中以及本发明的前述描述中，除了由于表达语言或必要暗示导致要求相反内容的描述之外，以开放性意义来使用词语“包括”，即指定存在所述特征，但是不排除存在或添加本发明的各种实施方式中的其它特征。
此外，按照特定顺序记载的方法步骤没有暗示顺序的执行，除非另有所述。
将理解的是，在澳大利亚或任何其它国家中，如果在这里引用了现有技术公开，则这样的参考文献不构成对于这些公开形成了本领域中普通一般知识的一部分的承认。
参考文献
1．S.A.Chatzichristofis和Y.S.Boutalis，“CEDD:COLO AND EDGEDIRECTIVITY DESCRIPTOR-A COMPACT DESCRIPTOR FOR IMAGE INDEXINGAND RETRIEVAL.”，《6th International Conference in advanced research on ComputerVision Systems ICVS 2008》Proceedings:Lecture Notes in Computer Science(LNCS)pp.312-322,2008年5月12日至5月15日,希腊，圣托里尼；
2．S.A.Chatzichristofis和Y.S.Boutalis，“FCTH:FUZZY COLOR AND TEXTUREHISTOGRAM-A LOW LEVEL FEATURE FOR ACCURATE IMAGE RETRIEVAL”，《9th International Workshop on Image Analysis for Multimedia Interactive Services”，Proceedings:IEEE Computer Society pp.191-196，2008年5月7日至5月9日，奥地利，克拉根福；
3．McEnnie,D.、C.McKay、I.Fujinaga和P.Depalle.2005.jAudio:A featureextraction library Proceedings of the International Conference on Music InformationRetrieval.600-3。

Claims (20)

1.一种向消费者推荐物品或服务项目或提供对于物品或服务项目的访问的选择服务的方法，所述方法包括下述步骤：
识别一组可用项目，所述可用项目中的至少一些可用项目需要向项目提供方支付用于访问的费用；
预测所述消费者对于每个可用项目可能喜欢的度量；
计算对于所述消费者来说每个可用项目的资金价值的度量；
向所述消费者推荐物有所值的项目或提供到所述物有所值的项目的访问。
2.根据权利要求1所述的方法，其中，所述项目包括通过网络访问的数字媒体项目。
3.根据权利要求1所述的方法，其中，所述项目提供方包括媒体项目的制作方、作者或创作者。
4.根据权利要求1所述的方法，其中，存在多个消费者，每个消费者对所述服务进行支付，以接收对媒体项目的访问。
5.根据权利要求4所述的方法，其中，所述消费者支付定期费用，以接收对媒体项目的访问。
6.根据权利要求4所述的方法，其中，由所述服务向所述项目提供方支付费用。
7.根据权利要求6所述的方法，其中，基于所述媒体项目的每次消费者使用向所述项目提供方支付费用。
8.根据权利要求1所述的方法，其中，预测消费者对于每个可用项目可能喜欢的度量的步骤包括：计算每个可用项目与消费者喜欢的示例项目或类别匹配的紧密程度。
9.根据权利要求8所述的方法，其中，由消费者指定所述示例项目或类别。
10.根据权利要求8所述的方法，其中，通过过去的消费者行为来推断所述示例项目或类别。
11.根据权利要求1所述的方法，其中，计算对于所述消费者来说每个可用项目的资金价值的度量的步骤包括：
至少基于可能喜欢的度量计算对于所述消费者来说每个可用项目的价值；以及
将所述价值与访问所需的任何支付费用进行比较。
12.根据权利要求1所述的方法，其中，向消费者推荐物有所值的项目或提供到所述物有所值的项目的访问的步骤包括：
选择价值超过访问所需的任何支付费用的项目；
基于依赖于超额价值的每次使用频率，推荐选择的项目或提供到所选择的项目的访问。
13.根据权利要求1所述的方法，所述方法进一步包括下述步骤：调整对于所述可用项目中的至少一个可用项目的每次使用所支付的费用，以增加对于所述项目所支付的费用总量。
14.根据权利要求1至13中的任一项所述的方法，其中，所述项目是播放列表中由服务提供对其的访问的歌曲。
15.一种用于使能选择服务的系统，该选择服务向消费者推荐项目或提供对所述项目的访问，所述系统包括：
接口，所述接口用于所述消费者访问所述项目；
可用项目识别器，所述可用项目识别器用于识别一组可用项目，所述可用项目中的至少一些可用项目需要向项目提供方支付用于访问的费用；
可能喜欢预测器，所述可能喜欢预测器用于预测所述消费者对每个可用项目的可能喜欢的度量；
资金价值计算器，所述资金价值计算器用于计算对于所述消费者来说每个可用项目的资金价值的度量；以及
访问决定器，所述访问决定器用于向所述消费者推荐物有所值的项目或提供到所述物有所值的项目的访问。
16.一种用于使能选择服务的控制器，该选择服务通过接口向消费者推荐项目或提供到所述项目的访问，所述控制器包括：
可用项目识别器，所述可用项目识别器用于识别一组可用项目，所述可用项目中的至少一些可用项目需要向项目提供方支付用于访问的费用；
可能喜欢预测器，所述可能喜欢预测器用于预测所述消费者对每个可用项目的可能喜欢的度量；
资金价值计算器，所述资金价值计算器用于计算对于所述消费者来说每个可用项目的资金价值的度量；以及
访问决定器，所述访问决定器用于向所述消费者推荐物有所值的项目或提供到所述物有所值的项目的访问。
17.分别根据权利要求15或权利要求16所述的系统或控制器，其中，所述可用项目识别器、可能喜欢预测器、资金价值计算器以及访问决定器中的至少一个，至少部分地由执行在存储器中存储的代码的处理器来实施。
18.一种计算机程序代码，当由计算装置执行时，所述计算机程序代码使得所述计算装置实施根据权利要求1至14中的任一项所述的方法。
19.一种计算机可读介质，所述计算机可读介质包括根据权利要求18所述的程序代码。
20.一种数据信号，所述数据信号包括根据权利要求18所述的计算机程序代码。
CN201080062257XA 2009-12-24 2010-12-23 用于为消费者提供物品和/或服务的方法、系统和控制器 Pending CN102754117A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
AU2009906294A AU2009906294A0 (en) 2009-12-24 Method, system and controller for providing goods and / or services to consumers
AU2009906294 2009-12-24
PCT/AU2010/001744 WO2011075792A1 (en) 2009-12-24 2010-12-23 Method, system and controller for providing goods and /or services to consumers

Publications (1)

Publication Number Publication Date
CN102754117A true CN102754117A (zh) 2012-10-24

Family

ID=44194839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080062257XA Pending CN102754117A (zh) 2009-12-24 2010-12-23 用于为消费者提供物品和/或服务的方法、系统和控制器

Country Status (5)

Country Link
US (2) US8473368B2 (zh)
JP (1) JP5710639B2 (zh)
CN (1) CN102754117A (zh)
AU (5) AU2010336035A1 (zh)
WO (1) WO2011075792A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9235867B2 (en) * 2012-06-04 2016-01-12 Microsoft Technology Licensing, Llc Concurrent media delivery
EP3036657A4 (en) * 2013-03-15 2017-06-21 Spotify AB Systems, methods, and computer readable medium for generating playlists
US10872110B2 (en) 2014-03-03 2020-12-22 Spotify Ab Systems, apparatuses, methods and computer-readable medium for automatically generating playlists based on taste profiles
US10380649B2 (en) 2014-03-03 2019-08-13 Spotify Ab System and method for logistic matrix factorization of implicit feedback data, and application to media environments
US9798823B2 (en) 2015-11-17 2017-10-24 Spotify Ab System, methods and computer products for determining affinity to a content creator
US10860646B2 (en) 2016-08-18 2020-12-08 Spotify Ab Systems, methods, and computer-readable products for track selection
US20200074324A1 (en) * 2018-09-04 2020-03-05 The Toronto-Dominion Bank Noise contrastive estimation for collaborative filtering

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1725854A (zh) * 2004-07-12 2006-01-25 阿尔卡特公司 个人化的视频娱乐系统
US20090119231A1 (en) * 2007-10-22 2009-05-07 Customer Value, Inc. System and method for pricing a product
CN101517528A (zh) * 2005-10-20 2009-08-26 雅虎公司 用于创建播放列表的系统和方法
CN101533413A (zh) * 2008-03-10 2009-09-16 索尼株式会社 推荐音频的方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5410344A (en) * 1993-09-22 1995-04-25 Arrowsmith Technologies, Inc. Apparatus and method of selecting video programs based on viewers' preferences
US6012051A (en) * 1997-02-06 2000-01-04 America Online, Inc. Consumer profiling system with analytic decision processor
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US20010032123A1 (en) 2000-03-20 2001-10-18 Megan Burns Electronic commerce utilizing a value parameter
US7512558B1 (en) * 2000-05-03 2009-03-31 Quantum Leap Research, Inc. Automated method and system for facilitating market transactions
AU2002255806A1 (en) * 2001-03-20 2002-10-08 Dealigence Inc. Negotiating platform
JP2003263545A (ja) * 2002-03-11 2003-09-19 Matsushita Electric Ind Co Ltd 販売支援サーバ装置
JP2004046575A (ja) * 2002-07-12 2004-02-12 Matsushita Electric Ind Co Ltd 楽曲検索システム、楽曲検索方法、及び楽曲検索装置
US20040158480A1 (en) * 2002-10-03 2004-08-12 Lubars Mitchell D. System and method for bundling resources
US7617203B2 (en) * 2003-08-01 2009-11-10 Yahoo! Inc Listings optimization using a plurality of data sources
US20060106670A1 (en) * 2004-11-15 2006-05-18 Simin Cai System and method for interactively and progressively determining customer satisfaction within a networked community
US7814029B1 (en) * 2005-01-18 2010-10-12 Amazon Technologies, Inc. Method and system for estimating consumer satisfaction
JP4682652B2 (ja) * 2005-03-11 2011-05-11 ヤマハ株式会社 再生装置、コンテンツ再生システムおよびプログラム
US7966647B1 (en) * 2006-08-16 2011-06-21 Resource Consortium Limited Sending personal information to a personal information aggregator
US7818265B2 (en) * 2006-11-21 2010-10-19 Damien Gerard Loveland System and method for facilitating property comparisons
US9076148B2 (en) * 2006-12-22 2015-07-07 Yahoo! Inc. Dynamic pricing models for digital content

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1725854A (zh) * 2004-07-12 2006-01-25 阿尔卡特公司 个人化的视频娱乐系统
CN101517528A (zh) * 2005-10-20 2009-08-26 雅虎公司 用于创建播放列表的系统和方法
US20090119231A1 (en) * 2007-10-22 2009-05-07 Customer Value, Inc. System and method for pricing a product
CN101533413A (zh) * 2008-03-10 2009-09-16 索尼株式会社 推荐音频的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
余小高 等: "基于隐式评分的推荐系统研究", 《计算机应用》 *
崔亚洲 等: "基于Web日志和商品分类的协同过滤推荐系统", 《电子科技大学学报》 *

Also Published As

Publication number Publication date
AU2018236702A1 (en) 2018-10-18
AU2016259355A1 (en) 2016-12-08
WO2011075792A1 (en) 2011-06-30
AU2022241556A1 (en) 2022-10-27
US8473368B2 (en) 2013-06-25
AU2010336035A1 (en) 2012-08-16
JP5710639B2 (ja) 2015-04-30
JP2013515300A (ja) 2013-05-02
AU2020244594A1 (en) 2020-11-05
US20130282518A1 (en) 2013-10-24
US20120136750A1 (en) 2012-05-31

Similar Documents

Publication Publication Date Title
CN102754117A (zh) 用于为消费者提供物品和/或服务的方法、系统和控制器
US20160119689A1 (en) Systems and Methods for Planning and Executing an Advertising Campaign Targeting TV Viewers and Digital Media Viewers Across Formats and Screen Types
Abdollahpouri Popularity bias in recommendation: a multi-stakeholder perspective
EP3403411A1 (en) Yield optimization of cross-screen advertising placement
US9843829B2 (en) Method and system for efficiently compiling media content items for a media-on-demand platform
Hrnjica et al. Model-based recommender systems
CN116739665A (zh) 信息投放方法、装置、电子设备及存储介质
Lozić et al. The impact of the long tail economy on the business result of the digital platform: The case of Spotify and Match Group
Beck Advance contracting, word-of-mouth, and new-product success in creative industries: A quantification for books
Xiaoye Analysis of ByteDance
Collis How should we measure the digital economy?
Van Elp et al. Free services
Antipov et al. Accounting for latent classes in movie box office modeling
Soloveichik et al. Copyright-Protected Assets in the National Accounts
Chang et al. A stock-movement aware approach for discovering investors' personalized preferences in stock markets
Nakamura et al. Capturing the Productivity Impact of the ‘Free’Apps and Other Online Media
Ferreira et al. Welfare properties of recommender systems: Theory and results from a randomized experiment
Guo Overage Charge or Loyalty Discount: When Should Extra Consumptions Be Penalized or Rewarded?
US20220188941A1 (en) Assessment and performance system for content distribution across multiple channels
Huynh et al. Multi-criteria Collaborative Filtering Model Based on Contextual Rating Data
TU et al. Data-Driven Daily Product Sales Forecasting in a Third-Party E-Platform Environment
Chen et al. Prediction of members’ repurchase rates with time weight function
Kanuri et al. Optimizing a Menu of Multi Format Subscription Plans for Advertising Supported Media Platforms: A Model and Application in the Daily Newspaper Industry
He Innovating to Equality: The Egalitarian Distribution of Welfare from the Rise of Consumer Electronics
CN115422467A (zh) 用于转化评估的方法、装置、设备和存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1177542

Country of ref document: HK

RJ01 Rejection of invention patent application after publication

Application publication date: 20121024

RJ01 Rejection of invention patent application after publication