CN103870522A - 用于供应电子内容的系统和方法 - Google Patents
用于供应电子内容的系统和方法 Download PDFInfo
- Publication number
- CN103870522A CN103870522A CN201310259171.1A CN201310259171A CN103870522A CN 103870522 A CN103870522 A CN 103870522A CN 201310259171 A CN201310259171 A CN 201310259171A CN 103870522 A CN103870522 A CN 103870522A
- Authority
- CN
- China
- Prior art keywords
- content item
- user
- impression
- probability
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 26
- 230000009471 action Effects 0.000 claims description 31
- 238000012986 modification Methods 0.000 claims description 13
- 230000004048 modification Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 230000001052 transient effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 2
- 239000003607 modifier Substances 0.000 abstract 1
- 238000003860 storage Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000009877 rendering Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000005055 memory storage Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q30/0283—Price estimation or determination
-
- 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)
- Development Economics (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (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)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供一种用于响应于内容查询或者请求来供应内容的系统和方法。在接收请求时,针对用于向特定的用户呈现的内容,可能基于在用户的属性与内容项目的目标受众的属性之间的匹配来标识候选内容项目。针对每个项目,取回历史,该历史指示先前向用户呈现候选项目的印象的频率(例如总数)和/或新近程度,并且使用历史以确定修改量值,该修改量值被应用于计算或者生成的可能点进率(pCTR)以产生如果向用户供应该项目则他或者她将作用于该项目的修改的概率。通过将与每个项目关联的出价与修改的概率相乘来计算每个项目的估计的值;对结果进行排行并且供应最高排行的项目。
Description
技术领域
本发明涉及计算机系统和数据处理。具体而言,提供一种用于供应电子内容项目的系统和方法。
背景技术
许多类型的电子内容被供应和呈现给通信和计算设备、比如智能电话、膝上型计算机、桌面型计算机等的用户。内容可以包括图像、视频、音频、文字、图形等。
根据用户操作的和向/为其供应内容的应用、比如web浏览器,内容可以包括整页或者整屏内容(例如网页)或者页面或者屏幕的仅一个或者多个组件。这样的组件可以包括离散内容项目、比如广告、新闻文章、用户的好友或者同事的状态更新、应用的或者用户拜访的网站的提供者发布的通告等。
遗憾的是,用于向用户供应内容的一些现有系统可能向一个用户多次呈现单个内容项目,以至于它变得让人厌烦并且用户会忽略它和它传达的任何消息。这些类型的系统可能未尝试避免对给定的内容项目的过度曝光。
然而在另一方面,用户可能更少可能作用于特定项目(例如通过请求更多信息、通过查看项目的更大或者更佳版本),直到在他或者她已经多次看到或体验特定内容项目。出于这一原因,一些其它系统遵循“全部或者没有"原则。这些系统可以在向给定的用户供应特定项目某阈值次数之后停止供应它,但是然后在某一时间段之后恢复供应项目。因此,即使项目是用于用户的最相关项目和/或将为系统生成最多收入,仍然完全在某一时间段内阻止向用户供应它。
发明内容
在本发明的一些实施例中,提供一种用于控制供应用于向特定用户呈现的电子内容项目的系统和方法,使得优选地将单个内容项目供应足够多的次数以诱发某一用户动作,但是未如此经常或者频繁以至于用户变得厌烦它。系统可以包括供应内容的社交联网服务、web服务器、门户和/或某一其它类型的服务,并且从系统供应的内容可以是一个或者多个类型(例如广告、简历、状态更新、工作列表)之一。
在这些实施例中,内容供应可以视为在性质上有概率,因为至少部分基于用户(或者一般用户)将作用于内容项目的概率对被考虑供应以用于向用户呈现的内容项目排行。更具体而言,在计算将通过供应项目而赚取的估计的收入时,使用如果供应项目则将作用于(例如点击、选择、考察)项目的概率,并且基于那些估计的收入来对项目进行排名。然后供应排名最高的项目。
在一些实现方式中,维护用户数据存储库以记录系统的供应活动。例如系统可以针对每个用户以及针对每次向用户供应内容(或者用于向用户呈现)记录供应了哪个内容项目以及何时供应它。因此,系统能够跟踪向任何用户多少次供应或者呈现任何内容项目、最近何时供应它等。每次为用户供应或者呈现内容项目可以视为“印象”。
可以用可变粒度从存储的数据计算给定的用户将作用于特定内容项目的基本概率。例如通过考虑所有跟踪数据、涵盖所有用户对所有内容项目的所有动作,可以计算可以应用于任何用户和任何内容项目的通用概率。
作为一个备选,可以基于用户共同具有的一个或者多个属性将他们分类成各种段或者组。然后可以基于在与该一般用户相同的组中的其他用户的动作,来确定该一般用户将作用于某个内容项目的概率。作为另一备选,取代用户,可以基于内容项目共同具有的一个或者多个属性(或者基于它们的目标受众的共同属性)对内容项目特征化,并且可以分析涉及每个项目组的数据以基于一般用户对组中的其它项目的动作(和/或属于相同用户组的其他用户的动作)来确定该用户将作用于属于该组的内容项目的概率。作为又一备选,基本概率可以由第三方计算并且由系统使用。
在本发明的一些实施例中,修改给定的用户作用于特定内容项目的基本概率,以反映用户的具有该项目的上下文或者历史(例如已经多么经常向他供应或者呈现该项目、最近多久已经向他供应或者呈现该项目)。具体而言,可以根据先前多少次向他呈现该项目(并且因此根据下一呈现将是哪个序数的印象)来将基本概率修改一点或者许多。
通过对在系统操作期间记录的数据进行附加的分析来导出用于修改基本概率的值。更具体而言,在用户作用于内容项目时,系统记录供给用户的哪个内容项目的序数的印象诱发动作(例如第3个、第6个)。随时间可以例如观测作用于内容项目的用户通常在某印象范围内,比如在第4个与第7个印象之间这样做。
分析关于用户对内容项目的不同印象的反应的数据,以确定用于多个序数的印象中的每个印象的对应权值或者修改量。序数的印象的权值或者修改量成比例地反映用户的响应于该印象(与其它印象相反)的动作。因此,在上例中,用于印象4至7的修改量将高于用于在编号4之前并且在编号7之后的印象的修改量。
与基本概率一样,这些修改量可以对于用户/或内容项目的不同组/类型而言不同。具体而言,可以针对不同内容项目类型(例如基于它们的属性和/或它们的目标受众的属性)和/或不同用户类型(例如基于他们的属性)以及针对不同序数的印象、一天不同时间、内容项目的不同呈现方式(例如在智能电话上、在计算机上、内容印象在内容页面内的位置)和/或其它因素导出不同概率修改量。
附图说明
图1是描绘根据本发明的一些实施例的用于供应电子内容的系统的框图。
图2是图示根据本发明的一些实施例的供应电子内容的方法的流程图。
图3A是示范对内容项目印象的用户动作的示例历史记录的图形。
图3B是根据本发明的一些实施例的图3A的图形,该图形指示可以与内容项目的不同序数的印象关联的概率乘数。
图4是根据本发明的一些实施例的用于确定概率修改量的数据结构的图。
图5是根据本发明的一些实施例的用于供应电子内容的系统的图。
具体实施方式
呈现下文描述以使本领域任何技术人员能够实现和运用本发明。对公开的实施例的各种修改对于本领域技术人员而言容易是清楚的,并且这里定义的一般原理可以应用于其它实施例和应用而未背离本发明的范围。因此,本发明并不旨在于限于所示实施例。
在本发明的一些实施例中,提供一种用于供应电子内容的系统和方法。内容可以是被格式化用于经由web浏览器或者某一其它应用程序或者用户界面呈现的任何类型的电子数据。内容可以包括单个呈现的完整组成,比如网页、文档或者视频,或者可以是可以作为网页或者其它组成的部分而呈现的组件,比如广告、工作列表、通知、状态更新、新闻、文档、体育信息、图像、视频等。简言之,在本发明的实施例中供应的电子内容项目可以包括可以在通信设备或者计算设备上向用户呈现的任何类型的内容。
虽然“内容项目"可以在一些实施例中指代内容的离散组件或者组成,但是在其它实施例中,它可以指代成分或者组件的汇集。具体而言,一个类型的内容项目是与产品、服务、个人、组织或者其它事物关联的“活动(campaign)”。活动可以涵盖多个图形、视频、文字汇编或者其内部或本身可以被视为“内容项目”的其它实体。
如这里所用,术语“印象”可以指代内容项目的任何供应或者呈现。因此,给定的内容项目的印象可以指代响应于针对内容的请求(或者内容查询)来(例如向web浏览器、向另一应用)供应该内容项目和/或(例如由web浏览器或者另一应用)向用户对该内容项目的最终呈现。
可以实施本发明的实施例为实质上供应数据的任何在线系统或者服务的部分、无论它是社交网络服务、web服务器、门户站点、搜索引擎等。
引言
在这里描述的向用户供应电子内容和/或用于向用户呈现的系统中,在系统接收关于内容项目将被供应或者呈现给的目标用户的一些信息作为针对内容的查询或者请求的部分。例如在社交网络服务的用户连接到服务的站点并且向特定页面导航时,web浏览器或者其它显示引擎生成向站点操作的数据服务器的查询以标识和/或获得用于向用户呈现的内容。内容查询可以包括或者伴随有用户的一个或者多个属性或者特性(例如性别、年龄、位置、职业状态)。
类似地,已经存储并且将向系统的用户供应的内容项目可以具有关联属性,这些属性标识内容项目的目标受众。例如,被设计用于促进特定产品的销售的广告、描述新工作空缺的工作列表或者某一其它项目可以与标识项目应当被呈现给的用户类型的信息(例如性别、年龄、位置、职业状态)一起被接收。
响应于针对用于特定用户的内容的查询或者请求,系统通过比较用户的已知属性与存储的内容项目的目标受众的记录的属性来搜寻适当内容。标识和供应一个或者多个适当内容项目以用于向用户呈现。
图1是根据本发明的一些实施例的用于供应内容的系统的框图。在这些实施例中,在前端服务器112接收针对内容的请求,该前端服务器可以包括web服务器、应用服务器、数据服务器以及用于响应于请求来供应内容项目的其它软件模块。系统110也包括简档服务器114、跟踪服务器116、内容服务器118、简档数据库124、跟踪数据库126、用户数据存储库128和内容存储库130。
系统110可以托管用户经由客户端软件应用102访问的社交网络服务、门户站点、搜索引擎或者某一其它服务。作为服务的部分,系统供应内容用于经由客户端应用向用户呈现。客户端应用102可以是或者可以包括能够向用户呈现内容项目的web浏览器或者其它应用程序并且可以在用户操作的便携或者静止计算设备或者通信设备上执行。
简档服务器114在简档数据库124中维护系统110托管的服务的用户或者成员的简档。用户的简档可以反映用户的任何数目的属性或者特性,这些属性或者特性包括个人(例如性别、年龄范围)、职业(例如工作头衔、雇主)、社会(例如用户作为其成员的组织、居住地区)、教育(例如学位、就读大学)等。
当在前端服务器112从或者代表用户接收服务连接或者内容请求时,系统从简档服务器取回构成用户的简档的一些或者所有数据。可以贯穿系统110共享简档数据以伴随各种动作或通信,比如当从内容服务器118请求内容时、当在跟踪服务器116和/或用户存储库128存储活动记录时等等。
跟踪服务器116监视和记录系统110的活动(例如在跟踪数据库126中)。例如无论何时从前端服务器112(例如向客户端软件)供应内容,跟踪服务器记录供应什么、向谁(例如哪个用户)和何时供应。类似地,跟踪服务器也记录关于向用户呈现的内容项目的用户动作(例如点击、跟进请求)以包括用户的标识和被作用的内容项目、采取什么动作等。
内容服务器118维护用于向用户供应的内容项目的一个或者多个贮存库(例如内容存储库130)、内容项目的索引和用户存储库128。在标题为“Apparatus and Method for Indexing Electronic Content”并且通过引用而结合于此的第13/705,115号美国专利申请中描述用于对内容项目编索引,以有助于选择和向用户供应内容项目的示例手段。
用户存储库128针对系统110的每个用户而存储向用户供应的内容项目或者被供应用于向用户呈现的内容项目的记录以及何时供应它们。具体而言,用户存储库128可以被配置为允许内容服务器(和/或系统110的其它部件)快速确定向给定的用户呈现给定的内容项目的多少先前印象、何时呈现它们、如何呈现它们(例如在网页或者其它内容页面内多么显著地或者在何处呈现它们)和/或其它信息。虽然这一数据的一些可以重复跟踪服务器116存储的数据,但是用户贮存库128的内容可由内容服务器迅速访问并且可以(如下文描述的那样)用来帮助选择用于响应于当前内容请求而供应的内容项目。
当在内容服务器118存储内容时,它可以与描述内容的一个或者多个目标受众的属性、指示、特性和/或其它信息一起存储。例如用于向用户供应的广告的提供者可以标识目标用户的相关人口属性和所需值,工作列表的提供者可以标识应当被通知空缺的用户的特性,等等。
系统110可以包括图1中未图示的其它组件,比如内容服务器118维护的内容的索引、在跟踪服务器116(和/或别处)上操作的用于分析存储的数据的分析模块,和/或其它部件。在本发明的其它实施例中也可以不同地分布如这里描述的用于供应电子内容的系统的功能。
例如可以用备选方式、比如通过合并或者进一步划分一个或者多个组件的功能在所示组件之中分布功能或者可以在不同组件汇集之中分布功能。另外,尽管在图1中实施为单独硬件部件(例如计算机服务器),但是备选地可以实施组件,比如前端服务器112、简档服务器114、跟踪服务器116和内容服务器118为在一个或者多个计算机服务器上执行的单独软件模块。
管理向一个用户供应单个内容项目
在本发明的一些实施例中,比如图1的系统110的系统向用户供应电子内容或者用于向用户呈现的电子内容。系统例如可以向用户操作的执行适当客户端应用(例如web浏览器)的设备直接供应内容,或者可以向中间实体供应内容,该中间实体然后向用户呈现内容。
在任一场景中,在系统接收针对用于将向用户呈现的内容的请求或者查询时,系统接收(或者取回)用户的用于在选择适当内容时使用的标识和/或属性集合。例如用户可以在发出针对用于用户的内容的请求之前先向系统110登录(例如经由前端服务器112)。在这一情况下,请求按姓名、用户标识符或者系统理解的某一其它标记标识用户。
作为一个备选,令牌可以存储于用户的通信设备或者计算设备上并且可以与内容请求或者查询一起向系统递送。这样的令牌可以用某一方式(例如用系统110分配或者已知的用户标识符)标识用户。作为另一备选,当在系统110接收针对用于向用户呈现的内容的请求或者查询时,它可以伴随有用户的属性集合(例如年龄范围、性别、位置)。
在本发明的一些实施例中,以如下方式操作用于供应内容的系统,该方式尝试避免以如此频繁基础上向相同用户供应相同内容项目以至于用户形成对该项目、该项目的主题或特征、和/或该项目的提供者或者赞助者的负面意见。在这些实施例中,系统供应用于向用户呈现的赞助的内容——提供者付费供应的内容——并且目标是使得经常供应赞助的内容项目以便足以诱发来自用户的响应但不要如此经常以至于用户形成对它的反感。
参照图1的系统110,内容项目存储于贮存库、比如图1的内容存储库130内并且由内容服务器比如服务器118编索引。将供应活动的细节比如在哪个时间向哪个用户供应哪个内容项目存储于贮存库,比如用户存储库128、跟踪数据库126和/或别处中。
也记录用户的关于向它们供应/呈现的内容项目的行为。用户的行为可以包括点击内容项目、请求关于内容项目的主题的更多信息、请求重新呈现项目和/或其它反映对该内容项目、该内容项目的题目或主题或者该项目的提供者感兴趣的活动。
因此,系统维护关于多么经常和何时供应特定内容项目、向谁供应它,以及作为响应接收内容项目的用户进行了什么动作的历史数据。例如,如果用户作用于内容项目,则系统可以记录该动作、作用于哪个内容项目、内容项目的哪个印象导致该动作(例如第1个、第4个、第7个)和/或其它细节。
系统不仅可以记录响应于特定请求向用户供应什么内容项目而且可以记录何处/如何向用户呈现它们。具体而言,可以在用户导航的内容页面内的具体位置呈现或者以其它方式向用户显示系统供应的内容项目。可以在内容请求中标识那些位置,在该情况下,系统可以注意到何处呈现每个项目。
呈现位置可以示例地包括x/y坐标或者页面内的相对位置/方位,比如“顶部"(例如在页面的顶部)、“右边距"、“左下”等。内容项目位置的坐标、一般位置、位置的等级(例如指示它们的相对值或者合乎需要性)和/或其它标记可以用来确定用来呈现内容项目的显著度、用户将看见内容项目的可能性和/或其它因素。
例如在页面顶部的大型矩形标题栏型空隙中呈现的内容项目比在页面右下边距的小型方形空隙中呈现的另一内容项目更显著、因此更可能被用户观察和观看(并且可以更容易被作用)。如下文将讨论的那样,可以在确定用户是否可能作用于内容项目(例如通过点击它)或者用户是否可能因内容项目而变得疲惫时而考虑用来向用户呈现内容项目的显著度。
图2是展示根据本发明的一些实施例的向用户供应电子内容的方法的流程图。在这一方法中,根据被考虑用于响应于内容请求而供应的多个内容项目的估计/期望的值或者收入来对该内容项目进行排行。
可以部分对将接收内容项目的该用户或者一般用户将作用于该项目(例如通过点击它们)的一个或者多个概率计算估计的值。可以基于向用户供应内容项目的先前印象的数目和/或新近程度来修改这样的概率。
在操作202中,随时间收集关于向多个用户供应多个内容项目的数据。如上文所示,每个内容项目的每次供应可以与供应的时间/日期、呈现项目的位置(例如在内容页面内的位置)、内容项目被供应给的用户以及用户关于项目进行的任何动作一起记录。
可以在执行所示方法期间和在此之后继续收集数据。具体而言,随着内容供应系统继续供应内容项目和随着接收和存储新内容项目以用于供应,可以对数据连续进行更新。
在操作204中,分析收集的数据以确定在历史上用户何时已经作用或者最能接纳供应的内容项目。可以在本发明的不同实施例中执行不同分析或者操作。
在一个分析中,针对每次用点击内容项目的印象(或者某一其它用户动作),确定该内容项目向该用户的哪个序数的呈现产生动作(例如第3个印象、第5个印象)。可以针对任何数目的内容项目或者它们中的所有内容项目重复这一点。
可以绘制或者另外聚合结果。在示例图形中,内容项目印象的序数编号可以包括一个轴(例如x轴),而另一个轴(y轴)代表作用于内容项目的用户数目。作为一个备选,取代绝对用户数目,另一个轴可以代表作用于内容项目的特定序数的印象的那些用户在作用于内容项目的所有用户之中的百分比。
图3A展示这样的图形,其中被作用的所有内容项目在1与11个印象之间接收这样的动作。X、Y和z可以代表在项目的特定序数的印象处采取动作的用户数目或者百分比。在这一示例曲线中,多数用户在内容项目向用户的第4次与第6次呈现之间作用于内容项目。
在本发明的不同实施例中,并且如上文介绍的那样,可以单独绘制和/或分析用于用户和/或内容项目不同组合的数据。例如图3A的图形可以涵盖对内容供应系统在某一时间段内向所有用户供应的所有内容项目的动作。作为一个备选,用来生成图形的数据可以仅涵盖具有一个或者多个共同属性的或者具有共享一个或者多个共同属性的目标受众的内容项目。作为另一备选,被分析或者绘制的数据可以仅涉及所有用户的子集(例如,具有一个或者多个共同属性的用户组)。
回顾图2,在操作206中,操作204的数据分析和/或其它分析的结果被用来基于一些(或者所有)用户关于向他们呈现的一些(或者所有)内容项目的历史动作来确定一般用户可以预计作用于内容项目的概率。换而言之,基于用户以往如何和何时作用于内容项目,可以估计或计算某一其他用户将作用于内容项目的可能性。
这一概率可以称为代表可能(或者预测的)点进率的pCTR。在本发明的一些实施例中,针对不同用户类型或者用户组计算不同pCTR值。
具体而言,针对与一个属性集合匹配(例如在26与30岁之间、男性、从事软件工程师)的用户,可以计算一个概率,该概率指示他们作用于具有特定属性(例如目标受众属性)集合的内容项目的可能性。可以通过考虑在被呈现具有特定属性集合的内容项目的、具有第一属性集合的所有用户之中存在多少用户作用于内容项目,来计算概率。可以针对任何数目的用户组/用户分类和针对任何数目的内容项目组/内容项目分类来执行这一类型的计算。
然而,在操作206中也生成用于修改pCTR的概率修改量,以考虑向特定用户呈现特定内容项目的印象的频率(和/或新近程度)。例如在图3A的图形中,针对产生图形的内容项目和用户动作,多数用户活动发生于内容项目的第4个与第6个印象之间。因此可以向一个内容项目对于一个用户的第4个、第5个和第6个印象分配最高或者归一化的可能性(例如1)。可以向其它序数的印象分配更低概率。
在图3B中图示概率修改量的生成,该图再现图3A的曲线。然而已经将填充曲线302中的y轴的用户数量或者百分比映射到可以用来修改pCTR值的概率修改量。每个概率修改量可以与在曲线302中绘制的对应用户数量(或者百分比)成比例。如下文描述的那样,这些修改量可以用来修改不同内容项目的估计的值或者收入,由此变更它们的排行并且有可能确定选择用于响应于特定内容请求而供应哪些内容项目。
如图3B中可见,可以归一化在本发明的关联实施例中使用的概率修改量以落在0与1之间。例如尽管内容项目的第4个与第6个印象之间的修改量可以处于最大可能值,但是可以计算与第2个印象对应的修改量为0.40,而修改量0.70可以与第7个印象相关联,等等。
在图2中,从操作206返回到操作202的虚线反映数据收集和分析的进行中性质。在本发明的一些实施例中,这样的活动可以连续或者规律地出现。例如无论何时供应内容项目都可以收集数据。分析逻辑然后可以周期地执行,以分析数据、更新动作可能性、针对不同内容项目和/或用户汇集来计算新的或者更新的概率(或者pCTR)、导出新的或者更新的概率修改量、在内容供应系统的有效操作期间测试一个或者多个修改量等。
在图2的方法的操作208中,接收针对将向特定的用户呈现的一个或者多个内容项目的新的内容请求或者查询。系统可以取回或者接收与用户关联的简档或者属性集合。
响应于请求,特定的用户的属性和/或其它信息(例如属性,这些属性标识存储的内容项目的目标受众)被用来标识可以响应于请求而供应的多个候选内容项目。
作为示例,可以比较可用于由系统供应的内容项目的目标受众的属性与该特定的用户的属性。根据属性多么具体或者狭义,可以标识视为适合于该用户的任何数目的候选内容项目。
在操作210中,针对候选内容项目中的一些或者所有候选内容项目,从比如图1的系统110的用户存储库128取回信息,该信息指示先前已经多少次供应每个候选内容项目用于向用户呈现。这一信息可以覆盖向用户供应或者呈现的所有印象,或者仅覆盖在某一时间段(例如前30天、前90天)内出现的印象。
在操作212中,计算候选内容项目的估计的值或者收入,并且根据那些值对项目进行排行。内容项目的估计的值或者收入可以在不同实现方式中以不同方式计算,但是将应用如上文描述的修改的用户动作概率。
在本发明的一些实施例中,计算内容项目的估计的值V为:
V=出价*pCTR*修改量
在这些实施例中,内容项目的“出价”是项目的赞助者或者提供者将以供应/呈现内容项目作为回报而向内容供应系统(或者系统的运营者)付款的数额。出价可以基于CPC(每点击成本)、CPM(每千人成本)或者某一其它度量,该度量可能需要在供应内容之后监测(例如,以便确定用户是否点击它)。
如先前描述的那样,内容项目的pCTR是它的可能或者预测的点进率,该点击率可以定义为内容项目被向其呈现的用户将会作用于它的简单概率。可以在内容供应系统之内或者内容供应系统以外生成pCTR值,并且可以简单地通过确定(a)作用于内容项目的用户与(b)内容项目被呈现给的所有用户之比(或者百分比)来计算pCTR值。在一些实现方式中,可以在计算或者确定pCTR时,或者在取回存储的pCTR时,仅考虑与当前查询的目标用户(即特定的用户)相似的用户的动作,和/或仅考虑对当前评价的候选内容项目相似的内容项目的动作。
如果一个用户和另一用户共享阈值数目的共同属性(例如年龄范围、工作头衔、性别),则他们可以视为相互相似。类似地,如果一个内容项目和另一内容项目(或者它们的目标受众)共享阈值数目的共同属性,则它们可以视为相互相似。因此,在这些实现方式中,在需要pCTR用于计算候选内容项目的估计的值时,pCTR可以(或者可能不)专属于特定用户组或者类型和/或内容项目组或者类型。
例如,如果对于度假包的广告已经向其呈现的、在年龄为21与25岁之间所有用户的1.3%已经点击广告(或者对于记者的工作空缺的通告或者某一其它项目),则无论该项目(和/或相似项目)是否为将向具有该属性的用户供应的候选,即使当前用户已经五十次看见该广告,对应pCTR(例如0.013)仍然可以用来计算该项目(和/或相似项目)的估计的值。
可以注意,pCTR的一个问题在于,pCTR可能被计算而未考虑多么新近和/或频繁地向目标用户供应内容项目的印象。具体而言,如果特定的用户以前从未接收特定内容项目的印象,或者如果他已经在前2个小时内接收过相同内容项目的30个印象,则可能使用相同pCTR。
最后,用于计算内容项目的估计的值的“修改量"是上文描述的概率修改量,该概率修改量用于修改或者调整pCTR(和估计的值),以考虑已经向特定的用户多少次和/或多么新近地呈现内容项目。概率修改量的值范围可以随着实现方式变化,比如如图3B中所示0.0至1.0、0.1至2.0等。
通过使用适当修改量,如果特定的用户尚未看见足够印象,以注意到该内容项目(或者在项目中起作用的事物),或者如果已经看见如此多的印象以至于用户现在厌烦它,则作为结果的估计的值无论pCTR报告什么作为用户将采取动作的概率,都将反映用户不太可能作用于新印象这样的事实。
概括而言,可以从在用户组的属性与被考虑用于向目标用户供应的内容项目的属性(或者项目的目标受众的属性)之间的相关性来导出pCTR代表的概率,并且该概率可以与目标用户没有个人关系。对照而言,恰当概率修改量基于用户的当前上下文动态调整pCTR(和估计的值),以考虑向用户多么频繁(和/或新近)地供该应内容项目。
在内容项目的估计的值的示例计算中,项目的出价,比如$16.00CPC乘以适当pCTR比如0.015(代表1.5%)和适当概率修改量比如0.9。可以动态计算这些值,或者可以从内容服务器、内容索引、内容贮存库、跟踪服务器、跟踪数据库或者某一其它组件取回这些值。它们中的任何或者所有值可以驻留于存储器中,以免在从持久存储装置取回它们时的延迟。
估计值V=$16.00*.0015*0.9=$0.0216(或者2.16¢)。因此,通过根据本发明的所示实施例,用概率修改量修改内容项目的pCTR,确定了用户将作用于项目的新印象的更现实概率,并且可以导出更准确的估计的值。
在操作214中,在已经根据候选内容项目的估计的值/收入对候选内容项目进行排行之后,响应于内容请求而供应前N个项目,其中N可以由请求供应的项目数目确定。
在操作214之后,所示方法结束。
在图2的方法中,一个内容项目对于给定的用户的所有印象无论多么显著地呈现印象都可以视为相等。例如供应内容项目的所示方法可以认为在内容页面的顶部放置的印象的呈现与印象在页面的底部的呈现同等重要。
在根据本发明的其它实施例的供应内容项目的方法中,可以基于印象的显著度和/或其它比如大小、持久度(即将它呈现多久)、颜色、行为、呈现页面的应用或者服务等因素,不同地加权内容项目的印象。
在一个实现方式中,内容项目在页面的最显著位置的呈现可以视为单个印象,而内容项目在更不显著位置的呈现可以视为少于全印象。例如在页面的顶部的标题栏位置可以等于1个印象,而在右侧边缘的印象可以根据它是否更接近页面的顶部或者底部而视为0.75个印象或者0.5个印象,并且(只有用户向下滚动页面才可能看见的)在页面的底部的印象可以视为.25个印象。在其它实现方式中,可以使用某一其它方案,比如向放置于最不显著位置的印象给予值1并且向在其它位置的印象给予1的整数或者十进制倍数的值,来分配权值。
可以在组装历史数据时、在分析数据时、在计算概率修改量时和/或在计算作为用于向用户供应的候选的内容项目的估计的值时应用或者运用这些权值。
例如在收集关于对内容项目印象的用户动作的历史数据和/或确定概率修改量时,可以应用权值,从而使得向特定用户呈现特定内容项目的第N次仅计数为第M次(M<N),因为一些印象未在页面的最显著位置。
在一个实现方式中,内容项目的每次呈现可以由与呈现它的位置对应的权值(例如1、0.75、0.25)表示。在这一实现方式中,因此在对第1个序数的印象(或者其它序数的印象)计数时可能要求进行多次呈现。
类似地并且如上文讨论的那样,在计算一个候选内容项目的估计的值时,为了对它排行以便可能向特定的用户供应,项目向用户的先前呈现被用来考虑当前上下文,并且计算或者确定概率修改量。可以加权这些先前印象中的一些或者所有先前印象。
因此,如果已经呈现都在内容页面的顶部的四个印象,则它们可以计数为四个全印象,并且可以从图形或者从其它存储的数据中读取与第4个序数的印象对应的概率修改量。然而如果已经在页面的底部在具有权值0.25的位置呈现所有四个,则四个印象一起可以仅计数为一个印象,并且可以应用与第1个序数的印象对应的修改量。
在本发明的一些实施例中,在矩阵、数组或者其它数据结构中存储概率修改量以方便取回,并且可以从内容项目集合的呈现频率和/或新近程度——例如呈现的印象总数和上次多么新近呈现它——来导出概率修改量。可以在存储器中保持数据结构,以加速评价内容项目并且对它们进行排行以便响应于内容请求而进行选择的过程,并且可以在收集和分析跟踪数据时连续或者规律地更新数据结构。
图4图示根据本发明的一些实施例的用来存储概率修改量的矩阵。修改量可以如在图2的方法中那样用来修改pCTR,并且由此也在内容项目被考虑用于响应于内容请求而进行供应时,修改量修改内容项目的估计的值或者收入。
例如,在接收针对用于特定的用户的内容的请求之后,并且在评估每个候选内容项目用于响应于请求而进行供应时,可以从表中直接读取并且向pCTR应用上述用于估计的值的“修改量”等式,以赋予pCTR上下文。
在矩阵400中,用在默认时间段(例如90天)期间呈现的印象总数402(例如0、2、4)填充一个维度,而用在其期间呈现最新近印象的多个时间跨度412-420填充另一维度。默认时间段可以匹配于在其期间收集和分析跟踪数据以便产生概率修改量的时间段或者某一其它时间段(例如30天、60天)。指示的索引值可以随着实现方式变化而不限于图4中指示的索引值。
如上文描述的那样,在一些实现方式中,可以从在默认时间段期间从所有内容项目的所有用户动作(例如点击)导出数据。在其它实现方式中,数据可以仅反映由具有共同属性集合的用户组采取的动作、和/或对具有共同属性集合的或具有目标受众(这些目标受众具有共同属性集合)内容项目的用户动作。另外,可以缩小或者定制矩阵的实现方式,以捕获仅一个用户的体验。
概率修改量的范围因此可以不同于用它来修改的pCTR的范围。尽管pCTR可以应用于具有特定属性的用户(和/或内容项目)汇集,但是可以从更大(或者更小)用户集合和/或更大(或者更小)内容项目集合导出概率修改量。
在本发明的一些实施例中,为了取回适当概率修改量,读取与向用户呈现的内容项目的先前印象的总数并且与其中供应最新近印象的时间帧对应的单元。因此,如果已经向用户供应内容项目共计4次,而最新近印象在前六个小时中呈现,则从矩阵400读取的适当修改量或者动作可能性是0.7。
图5是根据本发明的一些实施例的用于供应电子内容的系统的框图。
图5的内容供应系统500包括处理器502、存储器504和存储装置506,该存储装置可以包括一个或者多个光存储部件和/或磁存储部件。内容供应系统500可以(持久或者瞬态)耦合到键盘512、指示设备514和显示器516。
存储器504存储在系统500的操作期间操纵的概率修改量、pCTR、出价、其它数据和/或逻辑。
内容供应系统的存储装置506存储用于向/为用户供应的内容、用户数据、跟踪数据和/或其它信息。存储装置506也存储可以向存储器504中加载以用于由处理器502执行的逻辑。这样的逻辑包括跟踪逻辑522、分析逻辑524、排行逻辑526和供应逻辑528。在本发明的其它实施例中,可以组合或者划分这些逻辑模块或者其它内容中的任何或者所有逻辑模块或者其它内容以如希望的那样聚合或者分离它们的功能。
跟踪逻辑522包括用于跟踪在系统500接收的内容请求、跟踪向用户供应内容项目、跟踪对内容项目或者关于内容项目的用户动作和/或其它行为的处理器可执行指令。逻辑522可以包括或者伴随有或者用来组装数据,该数据反映用户的活动、内容提供者的活动和/或系统的其它方面。
分析逻辑524包括用于分析用户活动、生成概率(例如pCTR)、概率修改量和/或其它数据的处理器可执行指令,并且可以用来测试新生成的数据。
排行逻辑526包括用于排行被考虑用于响应于内容请求而进行供应的内容项目的处理器可执行指令。逻辑526因此可以取回内容项目出价、pCTR、概率修改量和/或其它值,使用它们以计算内容项目的估计的值或者收入,并且按结果对它们进行排行。
供应逻辑528包括用于处理和响应于内容请求的处理器可执行指令。供应逻辑因此可以处理新请求、搜寻适合于作为响应而供应的内容项目并且供应选择(例如最高排行)的项目。
其中可以执行本发明的一些实施例的环境可以并入通用计算机或者专用设备,比如手持计算机或者通信设备。为了清楚而可以省略这样的设备(例如处理器、存储器、数据存储装置、显示器)的细节。
在这一具体描述中描述的数据结构和代码通常存储于非瞬态计算机可读存储介质上,该非瞬态计算机可读存储介质可以是可以存储用于由计算机系统使用的代码和/或数据的任何设备或者介质。非瞬态计算机可读存储介质包括但不限于易失性存储器、非易失性存储器、磁和光存储设备,比如盘驱动、磁带、CD(紧致盘)、DVD(数字万用盘或者数字视频盘)或者现在已知或者以后开发的其它非瞬态计算机可读介质。
可以实现在具体描述中描述的方法和过程为可以在如上文描述的非瞬态计算机可读存储介质中存储的代码和/或数据。在处理器或者计算机系统读取和执行介质上存储的代码和/或数据时,处理器或者计算机系统执行实现为数据结构和代码并且存储于介质内的方法和过程。
另外,可以在硬件模块中包括下文描述的方法和过程。例如硬件模块可以包括但不限于专用集成电路(ASIC)芯片、现场可编程门阵列(FPGA)和现在已知或者以后开发的其它可编程逻辑器件。在激活硬件模块时,硬件模块执行在硬件模块内包括的方法和过程。
已经仅出于示例和描述的目的而呈现本发明的实施例的前文描述。它们并非旨在于穷举本发明或者使本发明限于公开的形式。因而许多修改和变化将为本领域技术人员所清楚。本发明的范围由所附权利要求书而不是前文公开内容限定。
Claims (19)
1.一种供应电子内容项目的方法,所述方法包括:
接收针对用于向第一用户呈现至少一个内容项目的请求;
针对响应于所述请求而可供应的多个内容项目中的每个内容项目,从以下各项计算所述内容项目的估计的值:
为了供应所述内容项目而赋予的出价;以及
如果向所述第一用户呈现所述内容项目则所述第一用户将作用于所述内容项目的修改的概率,其中所述修改的概率反映先前多少次向所述第一用户呈现所述内容项目;以及
响应于所述请求来供应所述多个内容项目中的一个或者多个内容项目。
2.根据权利要求1所述的方法,还包括:
基于所述多个内容项目的估计的值对所述多个内容项目排行;
其中所述供应包括供应排行最高的一个或者多个内容项目。
3.根据权利要求1所述的方法,其中从以下各项计算所述第一用户将作用于所述内容项目的所述修改的概率:
从关于多个用户对所述内容项目的动作的历史数据导出的基本概率;以及
概率修改量,其中所述修改量的值依赖于先前多少次向所述第一用户呈现所述内容项目。
4.根据权利要求3所述的方法,其中:
针对先前向所述第一用户呈现所述内容项目的N次,所述概率修改量的值与在第(N+1)次呈现时作用于内容项目集合的用户数量成比例。
5.根据权利要求1所述的方法,还包括通过以下操作来计算所述第一用户将作用于所述内容项目的所述修改的概率:
基于历史数据标识包括所述内容项目的内容项目集合的印象范围,从而使得作用于所述内容项目集合中的内容项目的印象的用户最频繁作用于在所述标识的印象范围内的印象;
向在所述范围内的印象分配概率修改量1;以及
向在所述范围以外的印象分配在0与1之间的概率修改量。
6.根据权利要求5所述的方法,其中所述计算所述第一用户将作用于所述内容项目的所述修改的概率还包括:
标识所述内容项目的向所述第一用户呈现的先前印象的数量N;以及
取回向第(N+1)次印象分配的概率修改量。
7.根据权利要求1所述的方法,还包括通过以下操作来计算所述第一用户将作用于所述内容项目的所述修改的概率:
针对包括所述内容项目并且被用户作用的内容项目集合的多个序数的印象中的每个印象,映射在一个给定的内容项目的所述序数的印象上对在所述内容项目集合中的所述给定的内容项目进行作用的用户的数目的对应表示;以及
针对所述多个序数的印象中的每个印象,归一化所述表示以产生与所述用户数目成比例并且具有在0与1之间、包含0和1的值的概率修改量。
8.根据权利要求7所述的方法,其中所述计算所述第一用户将作用于所述内容项目的所述修改的概率还包括:
标识所述内容项目的向所述第一用户呈现的先前印象数量N;以及
取回与第(N+1)次印象关联的概率修改量。
9.根据权利要求1所述的方法,其中所述计算所述内容项目的估计的值包括将以下各项相乘:
由所述内容项目的提供者为了供应所述内容项目而赋予的所述出价;
所述第一用户将作用于所述内容项目的基本概率;以及
概率修改量,配置为如果以下各项成立则减少所述基本概率:
先前向所述第一用户呈现所述内容项目的次数少于第一阈值;或者
先前向所述第一用户呈现所述内容项目的次数大于第二阈值。
10.根据权利要求9所述的方法,其中所述概率修改量还基于已经向所述第一用户呈现所述内容的新近程度修改所述基本概率。
11.根据权利要求1所述的方法,还包括:
与所述请求一起接收将在内容页面内向所述第一用户呈现的所述一个或者多个内容项目的位置的指示;
其中向所述不同位置分配与它们在所述页面内的显著度成比例的不同权值。
12.根据权利要求1所述的方法,还包括:在接收所述请求之前,
供应用于向多个用户呈现的多个内容项目;
针对每次供应,记录:
在所述供应中供应的每个内容项目;
所述内容项目被供应给的用户;以及
供应所述内容项目的时间。
13.一种存储指令的非瞬态计算机可读介质,所述指令在由处理器执行时使所述处理器执行供应电子内容项目的方法,所述方法包括:
接收针对用于向第一用户呈现至少一个内容项目的请求;
针对响应于所述请求而可供应的多个内容项目中的每个内容项目,从以下各项计算所述内容项目的估计的值:
为了供应所述内容项目而赋予的出价;以及
如果向所述第一用户呈现所述内容项目则所述第一用户将作用于所述内容项目的修改的概率,其中所述修改的概率反映先前多少次向所述第一用户呈现所述内容项目;以及
响应于所述请求来供应所述多个内容项目中的一个或者多个内容项目。
14.一种计算机可读介质,包含有数据结构,所述数据结构被配置为指示用于向给定的用户将在内容项目的给定的序数的呈现时作用于所述内容项目的概率应用的修改量,所述数据结构包括:
第一维度,对应于包括所述内容项目的内容项目集合的呈现数量;
第二维度,对应于时间跨度;以及
针对在内容项目集合的呈现数量N与第一时间跨度之间的每个交点:
在所述内容项目是用于第(N+1)次向所述给定的用户呈现的候选时适用的概率修改量,其中所述内容项目向所述给定的用户的最新近呈现出现于所述第一时间跨度期间;
其中读取所述概率修改量并且将其乘以所述给定的用户将作用于所述内容项目的第(N+1)个印象的预测的概率,以产生修改的概率。
15.一种用于供应电子内容的系统,所述系统包括:
贮存库,用于响应于针对用于向用户呈现的内容的请求而供应的内容项目;
数据存储库,针对多个用户中的每个用户包括:
针对已经供应的用于向所述用户呈现的所述内容项目中的每个内容项目:
第一数据,标识已经供应所述内容项目用于向所述用户呈现的次数;
选择逻辑,用于标识适合于响应于针对用于向第一用户呈现的内容的请求而向所述第一用户供应的所述内容项目的子集;以及
估计逻辑,用于针对所述标识的内容项目中的每个内容项目计算所述内容项目的估计的值,所述估计逻辑被配置为组合:
所述内容项目的提供者赋予的出价;
如果向所述第一用户呈现所述内容项目则所述第一用户将作用于所述内容项目的基本概率;以及
修改量,其反映先前向所述第一用户呈现所述内容项目的次数。
16.根据权利要求15所述的系统,其中所述数据存储库还包括:针对所述多个用户中的每个用户以及针对所述内容项目中的每个内容项目:
第二数据,其标识已经供应所述内容项目用于向所述用户呈现的新近程度。
17.根据权利要求15所述的系统,还包括:
跟踪数据的贮存库,所述跟踪数据针对多个内容项目中的每个内容项目而标识所述内容项目的哪些印象导致所述印象被呈现给的用户对所述内容项目的动作。
18.根据权利要求17所述的系统,还包括:
分析逻辑,用于分析所述跟踪数据以向一个给定的内容项目的多个序数的印象中的每个印象分配:在所述给定的内容项目的所述序数的印象上对所述给定的内容项目进行作用的用户的、在0与1之间、包含0和1的度量。
19.根据权利要求15所述的系统,其中所述修改量还反映向所述第一用户呈现所述内容项目的新近程度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/711,499 US20140164064A1 (en) | 2012-12-11 | 2012-12-11 | System and method for serving electronic content |
US13/711,499 | 2012-12-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103870522A true CN103870522A (zh) | 2014-06-18 |
Family
ID=48703833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310259171.1A Pending CN103870522A (zh) | 2012-12-11 | 2013-06-20 | 用于供应电子内容的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20140164064A1 (zh) |
EP (1) | EP2743876A1 (zh) |
CN (1) | CN103870522A (zh) |
BR (1) | BR102013016742A2 (zh) |
DE (1) | DE202013005813U1 (zh) |
WO (1) | WO2014092771A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080189169A1 (en) * | 2007-02-01 | 2008-08-07 | Enliven Marketing Technologies Corporation | System and method for implementing advertising in an online social network |
CN101878484A (zh) * | 2007-11-30 | 2010-11-03 | 微软公司 | 广告的特征值附加、重新排列和过滤 |
US20100287033A1 (en) * | 2009-05-08 | 2010-11-11 | Comcast Interactive Media, Llc | Social Network Based Recommendation Method and System |
US20110106630A1 (en) * | 2009-11-03 | 2011-05-05 | John Hegeman | User feedback-based selection and prioritizing of online advertisements |
US20110131496A1 (en) * | 2008-08-06 | 2011-06-02 | David Anthony Shaw Abram | Selection of content to form a presentation ordered sequence and output thereof |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7689458B2 (en) * | 2004-10-29 | 2010-03-30 | Microsoft Corporation | Systems and methods for determining bid value for content items to be placed on a rendered page |
US20080306820A1 (en) * | 2006-12-06 | 2008-12-11 | Calder Group, Inc. | Process and system for targeting of content to segmented customer base |
US7805429B2 (en) * | 2008-01-29 | 2010-09-28 | Yahoo! Inc. | Personalized ad delivery when ads fatigue |
WO2010002174A2 (ko) * | 2008-06-30 | 2010-01-07 | 엔에이치엔비즈니스플랫폼 주식회사 | 입찰 속성 정보를 이용한 입찰 관리 방법 및 시스템 |
US9009154B2 (en) * | 2008-10-01 | 2015-04-14 | Google Inc. | Evaluating presentation of advertisments with regard to ranking order |
US8812362B2 (en) * | 2009-02-20 | 2014-08-19 | Yahoo! Inc. | Method and system for quantifying user interactions with web advertisements |
US8229786B2 (en) * | 2010-04-06 | 2012-07-24 | Yahoo! Inc. | Click probability with missing features in sponsored search |
US20120005028A1 (en) * | 2010-06-30 | 2012-01-05 | The Board Of Regents Of The University Of Texas System | Ad auction optimization |
US8429685B2 (en) * | 2010-07-09 | 2013-04-23 | Intel Corporation | System and method for privacy-preserving advertisement selection |
-
2012
- 2012-12-11 US US13/711,499 patent/US20140164064A1/en not_active Abandoned
-
2013
- 2013-06-06 WO PCT/US2013/044553 patent/WO2014092771A1/en active Application Filing
- 2013-06-13 EP EP20130171812 patent/EP2743876A1/en not_active Ceased
- 2013-06-20 CN CN201310259171.1A patent/CN103870522A/zh active Pending
- 2013-06-28 DE DE201320005813 patent/DE202013005813U1/de not_active Expired - Lifetime
- 2013-06-28 BR BRBR102013016742-8A patent/BR102013016742A2/pt not_active Application Discontinuation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080189169A1 (en) * | 2007-02-01 | 2008-08-07 | Enliven Marketing Technologies Corporation | System and method for implementing advertising in an online social network |
CN101878484A (zh) * | 2007-11-30 | 2010-11-03 | 微软公司 | 广告的特征值附加、重新排列和过滤 |
US20110131496A1 (en) * | 2008-08-06 | 2011-06-02 | David Anthony Shaw Abram | Selection of content to form a presentation ordered sequence and output thereof |
US20100287033A1 (en) * | 2009-05-08 | 2010-11-11 | Comcast Interactive Media, Llc | Social Network Based Recommendation Method and System |
US20110106630A1 (en) * | 2009-11-03 | 2011-05-05 | John Hegeman | User feedback-based selection and prioritizing of online advertisements |
Also Published As
Publication number | Publication date |
---|---|
BR102013016742A2 (pt) | 2014-09-09 |
WO2014092771A1 (en) | 2014-06-19 |
EP2743876A1 (en) | 2014-06-18 |
DE202013005813U1 (de) | 2013-10-10 |
US20140164064A1 (en) | 2014-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103942236A (zh) | 用于供应电子内容的系统和方法 | |
US8639575B2 (en) | Audience segment estimation | |
US10303703B2 (en) | Data fusion using behavioral factors | |
US10037543B2 (en) | Estimating conversion rate in display advertising from past performance data | |
US8090621B1 (en) | Method and system for associating feedback with recommendation rules | |
US20220129777A1 (en) | Artificial intelligence and/or machine learning models trained to predict user actions based on an embedding of network locations | |
US20090319365A1 (en) | System and method for assessing marketing data | |
CN102640179A (zh) | 用于多渠道广告的基于广告受众历史的竞价生成系统和方法 | |
US10846587B2 (en) | Deep neural networks for targeted content distribution | |
US20160027028A1 (en) | On-line behavior research method using client/customer survey/respondent groups | |
CN108781223B (zh) | 用于提供第三方内容的系统、方法和介质 | |
CN105634924A (zh) | 一种媒体信息的展示方法、服务器及客户端 | |
US20200401949A1 (en) | Optimizing machine learned models based on dwell time of networked-transmitted content items | |
Wang et al. | Viewability prediction for online display ads | |
US10354273B2 (en) | Systems and methods for tracking brand reputation and market share | |
US20180218405A1 (en) | Content source suggestion system | |
US20100082361A1 (en) | Apparatus, System and Method for Predicting Attitudinal Segments | |
CN103870522A (zh) | 用于供应电子内容的系统和方法 | |
JP6327950B2 (ja) | 予測値演算装置、予測値演算方法および予測値演算プログラム | |
AU2015213416B2 (en) | Audience segment estimation | |
Madhu Sudana Rao et al. | Optimization of Click-Through Rate Prediction of an Advertisement | |
Jayasundara | Prediction of Marketing by the Consumer Analytics | |
JESSOP | Statistical modelling of clickstream behaviour to inform real-time advertising decisions | |
Dausend | BSc2Econometrics/Economics Thesis July 5, 2020 | |
Chan | Patterns of In-Media Usage: Implications for Media Planning, Branding and Advertising |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140618 |
|
WD01 | Invention patent application deemed withdrawn after publication |