CN104584564A - 利用分布式人口统计信息来确定印象的方法和装置 - Google Patents
利用分布式人口统计信息来确定印象的方法和装置 Download PDFInfo
- Publication number
- CN104584564A CN104584564A CN201480001435.6A CN201480001435A CN104584564A CN 104584564 A CN104584564 A CN 104584564A CN 201480001435 A CN201480001435 A CN 201480001435A CN 104584564 A CN104584564 A CN 104584564A
- Authority
- CN
- China
- Prior art keywords
- impression
- database
- sides
- partner
- terminal device
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25883—Management of end-user data being end-user demographical data, e.g. age, family status or address
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
公开了用于利用分布式人口统计信息来确定印象的方法和装置。一种示例方法包括以下步骤:从客户端装置获取针对媒体印象的媒体印象信息,从至少三个数据库所有方获取与所述客户端装置相对应的人口统计信息,以及基于从所述至少三个数据库所有方获取的所述人口统计信息来确定与所述媒体印象相关联的人口统计特征。
Description
相关申请
本申请要求2013年9月12日提交的美国非临时专利申请系列No.14/025567的优先权,其要求2013年5月9日提交的美国临时专利申请系列No.61/821605的优先权。美国非临时专利申请No.14/025567和美国临时专利申请No.61/821605的全部内容通过引用而并入于此。
技术领域
本公开总体上涉及监测媒体,并且更具体地说,涉及用于利用分布式人口统计信息来确定印象的方法和装置。
背景技术
传统上,受众测量实体基于注册的小组组员(panel member)来确定针对媒体节目编排的受众互动水平。即,受众测量实体将同意被监测的人员招募到小组中。受众测量实体接着监测那些小组组员,以确定暴露至这些小组组员的媒体节目(例如,电视节目或无线电广播节目、电影、DVD等)。这样,受众测量实体可以基于所收集媒体测量数据来确定针对不同媒体内容的暴露测量结果。
用于监测针对诸如网页、广告以及/或其它内容的因特网资源的用户访问的技术最近几年已经极大发展。一些已知系统主要通过服务器日志来执行这种监测。具体来说,在因特网上提供内容的实体可以使用已知技术,以在它们的服务器上记录针对它们的内容所接收请求的数量。
附图说明
图1描绘了可以被用于利用分布式人口统计信息来确定广告收视率的示例系统。
图2描绘了可以用于基于在不同网络服务提供商的用户帐号记录上分布的人口统计信息,将广告印象测量结果与用户人口统计信息关联的示例系统。
图3是客户端装置可以向可以访问针对该客户端装置的用户的人口统计信息的服务器报告印象的示例方式的通信流图。
图4描绘了示出针对被监测用户的印象的量的示例评级实体印象表。
图5描绘了通过数据库所有方生成的示例活动水平年龄/性别和印象构成表。
图6描绘了由评级实体生成的另一示例活动水平年龄/性别和印象构成表。
图7描绘了基于图5和6的构成表的示例组合活动水平年龄/性别和印象构成表。
图8描绘了基于图5-图7的构成表的示出印象的示例年龄/性别印象分布表。
图9是表示可以被执行以识别归因于印象的人口统计状况的示例机器可读指令的流程图。
图10是表示可以由客户端装置执行以将信标请求路由至用于记录印象的网络服务提供商的示例机器可读指令的流程图。
图11是表示可以通过小组成员(panelist)监测系统执行以记录印象和/或将信标请求重新定向至网络服务提供商以记录印象的示例机器可读指令的流程图。
图12是表示可以被执行以动态指定从其请求归因于印象的人口统计状况的优选网络服务提供商的示例机器可读指令的流程图。
图13描绘了可以被用于基于由一个或更多个数据库所有方收集的人口统计信息来确定广告印象的示例系统。
图14是表示可以被执行以在中间方处理经重新定向的请求的示例机器可读指令的流程图。
图15是包括用于印象监测系统和多个数据库所有方的示例用户标识符和人口统计信息的表。
图16是包括用于印象监测系统和多个数据库所有方的示例印象标识符、用户标识符,以及人口统计信息的表。
图17是表示当被执行时使机器利用分布式人口统计数据来确定针对印象和/或响应方的人口统计状况的示例机器可读指令的流程图。
图18是表示当被执行时使机器根据从多个数据库所有方获取的人口统计数据来确定针对响应方的人口统计状况的示例机器可读指令的流程图。
图19是表示当被执行时使机器对从数据库所有方获取的人口统计信息加权(或重新加权)的示例机器可读指令的流程图。
图20是可以被用于执行图9、图10、图11、图12、图14、图17、图18,以及/或图19以实现在此描述的示例装置和系统的示例处理器系统。
具体实施方式
尽管下面公开了示例方法、装置、系统,以及制造品,其中尤其包括组件、固件和/或在硬件上执行软件,但应注意到,这种方法、装置、系统,以及制造品仅仅是例示性的而不应被视为限制性的。例如,设想的是,这种硬件、固件,以及/或软件组件中的任一个或全部可以排它地采用硬件、排它地采用固件、排它地采用软件,或采用硬件、固件和/或软件的任何组合来具体实施。因此,虽然下面描述了示例方法、装置、系统,以及制造品,但所提供示例不是实现这种方法、装置、系统,以及制造品的唯一方法。
用于监测针对诸如网页、广告以及/或其它内容的因特网资源的用户访问的技术最近几年已经极大发展。过去在这一方面,这种监测主要通过服务器日志来进行。具体来说,在因特网上提供内容的实体在它们的服务器上记录针对它们的内容所接收请求的数量。基于服务器日志的因特网使用调查存在问题的理由有几个。例如,服务器日志可以被直接篡改或经由重复地从服务器请求内容以增大服务器日志计数的僵尸程序篡改。其次,内容有时被检索一次、被本地缓存并接着从本地缓存重复观看,而在重复观看时不涉及服务器。服务器日志不能跟踪所缓存的内容的这些观看。由此,服务器日志易受过计数和欠计数两种错误。
在Blumenau的美国专利6108637中公开的发明从根本上改变了执行因特网监测的方式,并且克服了上述的服务器侧日志监测的局限性。例如,Blumenau公开了其中利用信标指令来标记要跟踪的因特网内容的技术。具体来说,监测指令与要跟踪的内容的HTML相关联。当客户端请求该内容时,内容和信标指令这两者被下载至该客户端。由此,每当该内容被访问时,无论是从服务器还是从高速缓存,都执行该信标指令。
信标指令将反映与内容访问有关的信息的监测数据从下载该内容的客户端发送到监测实体。典型地讲,该监测实体是未向客户端提供该内容并且是作为用于提供准确的使用统计的受信任第三方(例如,Nielsen Company,LLC)的受众测量实体。有利的是,因为信标指令与该内容相关联并且每当该内容被访问时,该信标指令由客户端装置(例如,在诸如个人计算机、平板计算机、膝上型或笔记本计算机、移动装置、游戏机、智能电视机、因特网家电,以及/或任何其它因特网连接计算装置的计算装置上执行的网络浏览器、应用或诸如从“app商店”下载的应用的“app”,或任何其它类型的客户端装置)执行,所以该监测信息被提供给受众测量公司,而与客户端装置是否为受众测量公司的小组成员无关。
然而,重要的是,将人口统计状况链接至该监测信息。为了解决这个问题,受众测量公司建立用户的小组,这些用户已经同意提供他们的人口统计信息并且监测他们的因特网浏览活动。当个体加入该小组时,他们向受众测量公司提供涉及他们的身份和人口统计状况的详细信息(例如,性别、种族、收入、住宅位置、职业等)。受众测量实体在小组成员客户端装置上设置cookie,其使得每当该小组成员存取加了标记的内容时受众测量实体能够识别该小组成员,并由此,向受众测量实体发送监测信息。
由于提供来自加了标记的页面的监测信息的大部分客户端不是小组成员,并由此对于受众测量实体而言是未知的,所以必需使用统计方法,以将基于针对小组成员收集的数据的人口统计信息估算(impute)至提供针对被标记的内容的数据的更大用户群。然而,受众测量实体的小组规模与一般用户群相比仍保持较小。由此,存在有关怎样增大小组成员规模而同时确保该小组的人口统计数据准确的问题。
存在很多数据库操作方在因特网上操作。这种数据库所有方向大量订户提供服务。作为提供该服务的交换,订户在该所有方注册。作为该注册的一部分,订户提供详细人口统计信息。这种数据库所有方的示例包括社交网络提供商,诸如Facebook、Myspace等。这些数据库所有方在他们订户的装置上设置cookie,以使数据库所有方能够在用户访问他们的网站时识别该用户。
因特网的协议使得在cookie所设置的域(例如,因特网域、域名等)之外,cookie不能被访问。由此,在amazon.com域中设置的cookie对于amazon.com域中的服务器而言可访问,但是该域之外的服务器不能访问。因此,尽管受众测量实体可能发现访问由数据库所有方设置的cookie是有利的,但他们无法这样做。
鉴于前述,受众测量公司愿意对数据库所有方的现有数据库施加影响,以收集更广泛的因特网使用情况和人口统计数据。但是,在实现该目标时,受众测量实体面临着很多问题。例如,存在的一个问题是如何在不危害订户、小组成员或被跟踪内容的所有方的隐私的同时,访问数据库所有方的数据。另一个问题是如何在由防止受众测量实体对数据库所有方所设置的cookie进行访问的因特网协议强加的技术限制的情况下,访问该数据。本文公开的示例性方法、设备和制品通过扩展信标标记处理以包围合作数据库所有方并且通过使用这样的合作方作为临时的数据收集器,解决了这些问题。
通过将客户端从受众测量实体重新定向到诸如与受众成员实体合作的社交网站之类的数据库所有方而对来自访问被标记的内容的客户端(其可能不是受众成员小组的成员,因此可以不被受众成员实体所知)的信标请求作出响应,本文公开的示例性方法、设备和/或制品完成该任务。重新定向在访问被标记的内容的客户端和数据库所有方之间发起通信会话。数据库所有方(例如,Facebook)可以访问其设置在客户端上的任何cookie,从而基于数据库所有方的内部记录识别客户端。如果客户端是数据库所有方的订户,则数据库所有方将内容印象与客户端的人口统计数据关联地记入日志,并随后将日志转发给受众测量公司。如果客户端不是数据库所有方的订户,则数据库所有方将该客户端重新定向到受众测量公司。然后,受众测量公司可以将该客户端重新定向到与受众测量实体合作的第二、不同的数据库所有方。然后,第二所有方可以如上所述尝试识别该客户端。将客户端从数据库所有方重新定向到数据库所有方的处理可以被执行任意次数,直到识别出客户端并且将内容暴露记入日志为止,或已联系了所有合作方却没有成功识别出客户端为止。重新定向都是自动发生的,所以客户端的用户不涉及在各种通信会话中并且可能甚至都不知道正在发生通信会话。
合作数据库所有方向受众测量实体提供他们的日志和人口统计信息,该受众测量实体然后将收集到的数据汇编成准确地识别访问被标记的内容的人的人口统计状况的统计报告。因为对客户端的识别是参照远超常规受众测量小组中存在的人的数量的庞大的用户数据库而完成的,所以从该处理开发的数据是非常准确、可靠且详细的。
显著地,因为受众测量实体保留作为数据收集处理的第一段(例如,从客户端接收由信标指令生成的请求),在不会危害数据库所有方将他们的用户的印象记入日志的能力的情况下,受众测量实体能够使被记入日志的内容访问的来源以及内容本身的身份从数据库所有方遮掩(从而保护内容来源的隐私)。进一步地,因为访问给定cookie的仅有的服务器与设置该cookie的因特网域(例如,Facebook.com)关联,所以遵守了因特网安全cookie协议。
本文公开的示例性方法、设备和制品可以用于使用在因特网上的不同数据库(例如,不同的网站拥有者、不同的服务提供商等)上分布的人口统计信息来确定内容印象、广告印象、内容印象和/或广告印象。本文所公开的示例性方法、设备和制品不仅能够使人口统计更准确地与因特网广告暴露相关(correlation),而且还将小组规模和构成有效地扩展成在诸如Facebook、Twitter、Google等的社交媒体网站的数据库等的其它因特网数据库中注册的人,而超出了参与受众测量实体和/或评级实体的小组的人。该扩展有效地利用了评级实体的内容标记能力以及利用诸如社交媒体之类的非评级实体和其它网站的数据库以创建庞大的、人口统计准确的小组,这导致了对诸如广告和/或节目编排的因特网内容的准确可靠的印象测量。
在本文公开的例示的示例中,根据在线毛评点(Gross Rating Point)来测量广告暴露。毛评点(GRP)是测量受众规模的单位,其已被传统地在电视评级环境中使用。GRP被用于测量对一个或更多个节目、广告或商业广告的暴露,而不考虑同一广告对个人的多个印象。就电视(TV)广告而言,一GRP等于1%的TV家庭。虽然GRP已经传统地被用作电视收视率的测量,但是本文公开的示例性方法、设备和制品开发针对在线广告的在线GRP,以提供可以在因特网上用于准确反映在线广告印象的标准化度量。这样的标准化在线GRP测量结果可以使广告商更加确定他们的在线广告费用花得很值。而且,可以方便跨媒体比较,例如TV广告和在线广告的收视率的比较。因为本文公开的示例性方法、设备和/或制品将收视率测量结果与用户的相应人口统计相关联,所以通过本文公开的示例性方法、设备和/或制品收集的信息也可以被广告商用于识别他们的广告所到达的市场和/或用未来广告指向特定市场。
传统上,受众测量实体(本文也被称为“评级实体”)基于注册的小组组员来确定针对广告和媒体节目编排的人口统计范围。也就是说,受众测量实体将愿意接受监测的人招募到小组中。在招募期间,受众测量实体从招募的人接收人口统计信息,以可以在对那些小组成员和对不同的人口统计市场的广告/媒体暴露之间进行随后的相关(correlate)。与受众测量实体仅依靠于它们自己的小组组员数据来收集基于人口统计的受众测量结果的传统技术不同,本文公开的示例性方法、设备和/或制品使受众测量实体能够与基于用户注册模型进行操作的其它实体共享人口统计信息。如本文所使用的,用户注册模型是其中用户通过创建用户账户并提供关于他们自身的人口统计相关信息来订购那些实体的服务的模型。共享与数据库所有方的注册用户关联的人口统计信息使受众测量实体能够用来自外部源(例如,数据库所有方)的基本上可靠的人口统计信息来扩展或补充它们的小组数据,从而扩展它们的基于人口统计的受众测量的覆盖范围、准确性和/或完整性。这样的访问还使受众测量实体能够监测那些未加入受众测量小组的人们。具有识别一组个体的人口统计的数据库的任何实体可以与受众测量实体合作。这样的实体可以被称为“数据库所有方”,并且包括诸如Facebook、Google、Yahoo!、MSN、Twitter、Apple iTunes、Experian等之类的实体。
本文公开的示例性方法、设备和/或制品可以通过受众测量实体(例如,对测量或跟踪受众对广告、内容和/或任何其它媒体的印象感兴趣的任何实体)与任意数量的诸如在线网络服务提供商之类的数据库所有方合作来实现,以开发在线GRP。这样的数据库所有方/在线网络服务提供商可以是社交网站(例如,Facebook、Twitter、MySpace等)、多服务网站(例如,Yahoo!、Google、Experian等)、在线零售商网站(例如,Amazon.com、Buy.com等)和/或维护用户注册记录的任何其它网络服务网站。
为了增大将测量的收视率准确地归因于正确的人口统计的可能性,本文公开的示例性方法、设备和/或制品使用位于受众测量实体的记录中的人口统计信息以及位于维护在其中有账户的用户的记录或资料的一个或更多个数据库所有方(例如,网络服务提供商)的人口统计信息。这样,本文公开的示例性方法、设备和/或制品可以用于用来自一个或更多个不同数据库所有方(例如,网络服务提供商)的人口统计信息来补充由评级实体(例如,收集媒体印象测量结果和/或人口统计的受众测量公司,诸如美国伊利诺斯州的绍姆堡的尼尔森公司(The Nielson Company of Schaumburg,Illinois,United States of America))维护的人口统计信息。
使用来自迥然不同的数据源的人口统计信息(例如,来自受众测量公司的小组的高质量的人口统计信息和/或网络服务提供商的注册用户数据)导致提高了在线和离线广告宣传活动(campaign)的度量标准的报告有效性。本文公开的示例性技术使用在线注册数据来识别用户的人口统计,并且使用服务器印象计数、标记(也被称为信标)和/或其它技术来跟踪可归因于这些用户的印象的数量。诸如社交网络(例如,Facebook)和多服务提供商(例如,Yahoo!、Google、Experian等)之类的在线网络服务提供商(本文中共同地和单独地被称为在线数据库所有方)维护经由用户注册处理收集的详细的人口统计信息(例如,年龄、性别、地理位置、种族、收入水平、教育水平、宗教等)。印象对应于已经暴露于相应媒体内容和/或广告的家庭或个人。因此,印象表示家庭或个人已经暴露于广告或内容或一组广告或内容。在因特网广告中,印象的数量或印象计数是网络人口已访问的广告或广告宣传活动的总次数(例如,包括例如由于弹窗拦截器而减少和/或例如由于从本地缓存存储器进行获取而增大的访问次数)。
本文公开的示例性方法、设备和制品还使得以并列方式报告TV GRP和在线GRP。例如,本文公开的技术使得广告商能够报告由电视和/或在线广告单独地和/或共同地到达的独特的人或用户的数量。
本文公开的示例性方法、设备和/或制品还收集映射到因特网上不同位置的人口统计数据的印象。例如,受众测量实体收集针对它的小组的这样的印象数据,并且自动地召集一个或更多个在线人口统计所有方以收集他们的用户的印象数据。通过组合该收集的印象数据,受众测量实体于是可以生成针对不同广告宣传活动的GRP度量标准。这些GRP度量标准可以与所到达的特定人口统计部分和/或市场关联(correlated)或、以其它方式相关联。
本文公开的示例性方法和设备提高了施加到印象信息的人口统计信息的准确性。本文公开的示例性方法和设备针对给定印象从多个数据库所有方获得人口统计信息。为了确定与印象相关联的人口统计,示例性方法和设备使用投票(例如,民意测验或票选方案(a polling or balloting scheme)、多数获胜方案(a majority wins scheme),相对多数获胜方案(a plurality wins scheme)等)方案,其中,接收到人口统计同意数最高的人口统计被确定为是准确的,因此,该人口统计是与印象相关联的人口统计信息。
例如,三个(或更多个)数据库所有方的每个独立地提供对应于同一印象的人口统计信息。两个数据库所有方报告该印象对应于24-35年龄组的女性,并且第三数据库所有方报告该印象对应于36-45年龄组的男性。在这个示例中,印象监测系统确定该印象与24-35年龄组的女性相关联,因为24-35岁的女性人口统计群体具有较高(和/或最高)数量的“选票”(例如,较高数量的具有一致的人口统计信息的源)。例如,当人口统计信息高质量的源(例如,在至少阈值时间百分比内正确提供人口统计的人口统计信息的源,诸如小组数据)不可用时,本文公开的示例性方法和设备对于提高人口统计信息的准确性是非常有用的。
在一些示例中,诸如当较多数量(例如,4个或更多个,5个或更多个,10个或更多个等)的数据库所有方针对同一印象提供人口统计信息时,示例性方法和设备对数据库所有方给出的选票进行加权。例如,一些数据库所有方可以具有比其它数据库所有方高的可靠性和/或质量的人口统计信息。在一些情形中,人口统计信息的可靠性和/或质量(因此,对该人口统计信息给出的权重)是基于所涉及的人口统计群体的。例如,给定源的人口统计信息可以对于识别某些人口统计群体比识别其它人口统计群体更可靠地。在一些示例中,基于数据库所有方与大多数(或相对多数)数据库所有方一致的时间百分比对数据库所有方进行加权。例如,当由第一数据库所有方提供的人口统计信息与其它人口统计信息总是一致时,可以对第一数据库所有方进行较高加权。相比之下,当由第二数据库所有方提供的人口统计信息经常与其它数据库所有方不一致时,可以对第二数据库所有方进行较低加权。在一些示例中,为了生成合适的权重,使用已知数据集对每个数据库所有方和/或候选数据库所有方进行测试,该数据集包括由各自数据库所有方在确定人口统计信息时使用的类型的数据。在一些示例中,一组cookie(例如,来自诸如小组成员之类的一组已知个体的cookie)被提供给数据库所有方,其中,该数据库所有方先前已确定针对与该集中的cookie相关联的人的人口统计信息。示例性数据库所有方用其数据(即,测试数据)所展示的作为相应人的人口统计来进行响应。然后基于针对测试数据而提供的人口统计信息的准确性对该示例性数据库所有方进行加权。上述加权因素和/或任何其它加权因素的任意组合可以用于对数据库所有方和/或由数据库所有方提供的人口统计信息进行加权。
本文公开的示例性方法和设备从多个源接收人口统计信息。例如,可以从新闻机构接收人口统计信息,其基于由用户选择的新闻故事推导或估计新闻机构的网站的用户的人口统计。在一些示例中,从诸如Amazon.com、eBay和/或任何其它在线购物服务的在线购物服务(例如,零售、批发、折扣店等)接收人口统计信息。在线购物服务可以基于查看的商品、购买的商品、赠送的商品和/或针对网站的任何其它用户行为来推导或估计购物服务的网站的用户的人口统计。社交媒体网站(例如,Facebook、Google+、Myspace等)可以基于由社交媒体网站的用户的人口统计特征的行为和/或自报告推导或估计用户的人口统计。任何其它类型的数据库所有方可以用于提供人口统计信息。
本文公开的示例性方法和设备通过将响应水平的人口统计信息映射到由印象监测系统提供的独特用户标识符,来使从多个数据库所有方接收的人口统计信息相关。例如,当接收到信标请求时,该印象监测系统可以向各个数据库所有方提供独特用户标识符。该独特用户标识符与人口统计信息关联地被数据库所有方返回给该示例性印象监测系统。该示例性印象监测系统组合(例如,经由投票和/或其它机制)从多个数据库所有方接收到的人口统计信息,并且根据组合后的人口统计信息确定对应于该印象的人口统计。
在一些示例中,为了增强用户隐私,针对各个印象,不同的独特用户标识符被提供给各个数据库所有方和/或被提供给同一数据库所有方。示例性印象监测系统维护独特用户标识符之间的关系,以随后使针对不同的独特用户标识符而接收的人口统计信息相关。在一些示例中,数据库所有方将他们自己的独特用户标识符与由印象监测系统分配的独特用户标识符关联地返回给印象监测系统。
图1描绘了可以用于基于由一个或更多个数据库所有方收集的人口统计信息来确定媒体印象(例如,对内容和/或广告的暴露)的示例性系统100。“分布式人口统计信息”在本文中被用来指从的至少两个源接收的人口统计信息,其中至少一个源是诸如在线网络服务提供商之类的数据库所有方。在所例示的示例中,内容提供商和/或广告商经由因特网104向访问网站和/或在线电视服务(例如,基于网络的TV、因特网协议TV(IPTV)等)的用户分发广告102。广告102可以另外或另选地通过广播电视服务被分发到传统的非基于因特网(例如,基于RF、地面或卫星)的电视机,并且使用本文公开的技术和/或其它技术来监测收视率。网站、电影、电视和/或其它节目编排在本文中通常被称为内容。典型地随着内容分发广告。传统上,以很小或没有成本地向受众提供内容,因为内容是由进行支付以使其广告随着内容分发的广告商补贴的。
在所例示的示例中,广告102可以形成一个或更多个广告宣传活动,并且用识别码(例如,元数据)对广告102进行编码,该识别码识别关联的广告宣传活动(例如,宣传活动ID)、创作类型ID(例如,识别基于Flash的广告、横幅广告、丰富类型(richtype)广告等)、源ID(例如,识别广告发布者)和布局ID(例如,识别广告在屏幕上的物理布局)。广告102还被标记或编码,以包括由访问例如因特网上的广告102的客户端装置运行的计算机可运行信标指令(例如,Java、javascript或任何其它计算机语言或脚本)。计算机可运行信标指令可以另外或另选地与被监测的内容关联。因此,虽然本公开频繁涉及跟踪广告的领域,但是本公开并不局限于跟踪任何特定类型的媒体。相反,它可以用于跟踪网络中任意类型或形式的媒体或广告。与正在被跟踪的内容的类型无关,信标指令的运行使客户端装置向指定的服务器(例如,受众测量实体)发送印象请求(例如,本文中被称为信标请求)。信标请求可以被实现为HTTP请求。但是,鉴于所发送的HTML请求识别要下载的网页或其它资源,该信标请求包括作为其载荷的受众测量信息(例如,广告宣传活动标识、内容标识符和/或用户标识信息)。信标请求被定向到的服务器被编程,以将信标请求的受众测量数据记录为印象(例如,依赖于用信标指令标记的媒体的性质,广告和/或内容印象)。
在一些示例性实现方式中,用这样的信标指令标记的广告可以随着基于因特网的媒体内容分发,该媒体内容包括例如网页、流视频、流音频、IPTV内容等,并且该广告可以被用于收集基于人口统计的印象数据。如上所述,本文公开的方法、设备和/或制品并不限于广告监测,而是可以适于任何类型的内容监测(例如,网页、电影、电视节目等)。在Blumenau的美国专利6,108,637中公开了可用于实现这样的信标指令的示例性技术,此处通过引用将其全部内容并入本文。
虽然示例性方法、设备和/或制品在本文中被描述为使用由客户端装置运行的信标指令向指定的印象收集服务器发送信标请求,但是示例性方法、设备和/或制品可以另外地使用设备上的计量器系统收集数据,该设备上的计量器系统在本地收集网络浏览信息而无需依靠用信标指令编码或标记的内容或广告。在这样的示例中,本地收集的网络浏览行为随后可以与如本文公开的基于用户ID的用户人口统计数据相关。
示例性方法、设备和制品在本文被公开并且被描述为使用用于将信息本地存储在客户端装置上的cookie和/或向另一方或装置提供这样存储的信息。但是,本文公开的示例性方法、设备和制品可以另外或另选地使用作为对cookie的另选物来存储和/或传递信息。这样的另选物的示例包括网络存储、文档对象模型(DOM)存储、本地共享对象(也被称为“Flash cookie”)、媒体标识符(例如,iOS广告ID)、用户标识符(例如,Apple用户ID、iCloud用户ID、Android用户ID)和/或装置标识符(Apple装置ID、Android装置ID、装置编号、媒体访问控制(MAC)地址等)。
图1的示例性系统100包括评级实体子系统106、合作数据库所有方子系统108(在这个示例中由社交网络服务提供商来实现)、其它合作数据库所有方(例如,网络服务提供商)子系统110和非合作数据库所有方(例如,网络服务提供商)子系统112。在所例示的示例中,评级实体子系统106和合作数据库所有方子系统108、110对应于合作商业实体,其同意共享人口统计信息并且响应于如下所述的重新定向信标请求来捕获印象。合作商业实体可以参与以有利地确认和/或提高它们各自的人口统计信息的准确性和/或完整性。合作商业实体还可以参与报告出现在它们网站上的印象。在所例示的示例中,其它合作数据库所有方子系统110包括与合作数据库所有方子系统108类似或相同的部件、软件、硬件和/或处理,以收集及记录印象(例如,广告和/或内容印象),并且将人口统计信息与这样记录的印象关联。
非合作数据库所有方子系统112对应于未参与人口统计信息共享的商业实体。但是,本文公开的技术确实跟踪可归因于非合作数据库所有方子系统112的印象(例如,广告印象和/或内容印象),并且在一些例子中,非合作数据库所有方子系统112中的一个或更多个还报告可归因于不同印象的独特用户ID(UUID)。该独特用户ID可以用于使用由合作商业实体(例如,评级实体子系统106和/或数据库所有方子系统108、110)维护的人口统计信息来识别人口统计。
图1的示例的数据库所有方子系统108由诸如Facebook之类的社交网络提供商来实现。但是,数据库所有方子系统108可以由诸如网络服务实体之类的服务桌面/固定计算机用户和/或移动装置用户的任何其它类型实体代替操作。在所例示的示例中,数据库所有方子系统108处于第一因特网域,而合作数据库所有方子系统110和/或非合作数据库所有方子系统112处于第二、第三、第四等因特网域。
在图1例示的示例中,跟踪的内容和/或广告102被呈现给TV和/或PC(计算机)小组成员114和仅在线小组成员116。小组成员114和116是在由拥有和/或操作评级实体子系统106的评级实体(例如,受众测量公司)维护的小组上注册的用户。在图1的示例中,TV和PC小组成员114包括监测对TV和/或计算机上的内容和/或广告102的印象的用户和/或家庭。仅在线用户小组116包括当工作或在家时,经由在线源监测印象(例如,内容暴露和/或广告暴露)的用户。在一些示例性实现方式中,TV和/或PC小组成员114可以是家庭为中心的用户(例如,主妇、学生、少年、儿童等),并且仅在线小组成员116可以是商业为中心的用户,其通常经由办公室计算机或移动装置(例如,移动电话,智能电话,膝上型计算机,平板计算机等)连接到由工作提供的因特网服务。
为了收集由客户端装置(例如,计算机、移动电话、智能电话、膝上型计算机、平板计算机、TV等)处的计量器生成的暴露测量结果(例如,内容印象和/或广告印象),评级实体子系统106包括评级实体收集器117和加载器118,以执行收集和加载处理。评级实体收集器117和加载器118将经由小组成员114和116所获得的收集的暴露测量结果收集并存储到评级实体数据库120中。评级实体子系统106然后基于商业规则122处理并过滤印象测量结果,并且将处理后的印象测量结果组成TV和PC概要表124、在线家庭(H)概要表126以及在线工作(W)概要表128。在所例示的示例中,概要表124、126和128被发送到GRP报告生成器130,其生成一个或更多个GRP报告131,以销售或以其它方式提供给广告商、发布者、制造商、内容提供商和/或对这样的市场调查感兴趣的任何其它实体。
在图1例示的示例中,评级实体子系统106设置有印象监测系统132,该印象监测系统132被构造成跟踪对应于由客户端装置(例如,计算机、移动电话、智能电话、膝上型计算机、平板计算机等)所呈现的内容和/或广告的印象数量,不管内容和/或广告是从远程网络服务器接收还是从客户端装置的本地缓存取回的。在一些示例性实现方式中,可以使用由尼尔森公司拥有且经营的SiteCensus系统来实现印象监测系统132。在所例示的示例中,当客户端装置呈现内容和/或广告时,使用由印象监测系统132跟踪的cookie(例如,全局唯一标识符(UUID))来收集与印象数量关联的用户的身份。由于因特网安全协议,印象监测系统132仅能收集在其域内设置的cookie。因此,例如,如果印象监测系统132在“Nielsen.com”域中运行,则它仅可以收集由Nielsen.com服务器设置的cookie。因此,当印象监测系统132从给定客户端接收信标请求时,印象监测系统132只有对由例如Nielsen.com域中的服务器在那个客户端上设置的cookie的访问权。为了克服这个限制,例示的示例的印象监测系统132被构造成向与该受众测量实体合作的一个或更多个数据库所有方发送信标请求。这些一个或更多个合作方可以识别出在它们的域中设置的cookie(例如,Facebook.com),因此连同与所识别cookie关联的用户一起记录印象。这个处理将在下文进一步说明。
在所例示的示例中,评级实体子系统106包括评级实体cookie收集器134,以从印象监测系统132收集cookie信息(例如,用户ID信息)连同与该cookie相关联的内容ID和/或广告ID,并且向GRP报告生成器130发送所收集的信息。再次地,由印象监测系统132收集的cookie是由运行于受众测量实体的域内的服务器设置的那些cookie。在一些示例中,评级实体cookie收集器134被构造成从印象监测系统132收集所记录的印象(例如,基于cookie信息和广告或内容ID),并且向GRP报告生成器130提供所记录的印象。
以下连同图2和图3描述印象监测系统132连同客户端装置和合作方网站的操作。具体地,图2和图3描绘了印象监测系统132如何实现收集用户标识和跟踪对用户暴露的内容和/或广告的印象数量。所收集的数据可以用于确定例如关于广告宣传活动的有效性的信息。
出于示例的目的,以下示例涉及社交网络提供商,诸如Facebook,作为数据库所有方。在所例示的示例中,数据库所有方子系统108包括服务器138,以存储用户注册信息,执行网络服务处理以向社交网络的用户提供网页(可能地,但是不必须包括一个或更多个广告),跟踪用户活动,以及跟踪账户特征。在账户创建期间,数据库所有方子系统108请求用户提供诸如年龄、性别、地理位置、毕业年份、组联系数量的人口统计信息,和/或任何其它个人或人口统计信息。为了在返回访问社交网络实体的网页时自动识别用户,服务器138在客户端装置上设置cookie(例如,注册用户的计算机和/或移动装置,其一些可以是受众测量实体的小组成员114和116和/或可以不是受众测量实体的小组成员)。cookie可以用于识别用户以跟踪用户对社交网络实体的访问、以根据用户的偏好显示这些网页等。由数据库所有方子系统108设置的cookie还可以用于收集“域特定”用户活动。如本文所用的,“域特定”用户活动是在单个实体的域内发生的用户因特网活动。域特定用户活动还可以被称为“域内活动”。社交网络实体可以收集诸如由各个注册用户访问的网页数量(例如,诸如其它社交网络成员页面或其它域内页面之类的社交网络域的网页)之类的域内活动和/或用于这样的访问的装置的类型诸如移动(例如,智能电话)或固定(例如,台式计算机)装置。服务器138还被构造成跟踪账户特征,诸如由各个注册用户维持的社交联系(例如,朋友)的数量、由各个注册用户发布的图片的数量、由各个注册用户发送或接收的消息的数量和/或用户账户的任何其它特征。
数据库所有方子系统108包括数据库所有方(DP)收集器139和DP加载器140,以收集用户注册数据(例如,人口统计数据)、域内用户活动数据、域间用户活动数据(如稍后说明的)和账户特征数据。所收集的信息被存储在数据库所有方数据库142中。数据库所有方子系统108使用商业规则144来处理所收集的数据以创建DP概要表146。
在所例示的示例中,其它合作数据库所有方子系统110可以与受众测量实体共享如由数据库所有方子系统108所共享的相似类型的信息。这样,可以从其它合作数据库所有方子系统110中的一个或更多个获得不是社交网络服务提供商的注册用户的人的人口统计信息,如果他们是那些网络服务提供商(例如,Yahoo!、Google、Experian等)的注册用户。本文公开的示例性方法、设备和/或制品有利地使用人口统计信息与网站域的这种合作或共享,以提高受众测量实体可用的人口统计信息的准确性和/或完整性。通过按照与识别用户对其暴露的内容和/或广告102的这样的组合方式使用共享的人口统计数据,本文公开的示例性方法、设备和/或制品产生更准确的印象每人口统计结果,以实现针对在线广告的有意义且连续的GRP的确定。
由于系统100扩展,更多合作参与方(例如,像合作数据库所有方子系统110)可以加入以进一步共享用于生成GRP的分布式人口统计信息和广告收视率信息。
为了保护用户隐私,本文公开的示例性方法、设备和/或制品由各个参与合作方或实体(例如,子系统106、108、110)使用双重加密技术,使得当在参与合作方或实体之间共享人口统计和/或收视率信息时不会泄露用户身份。这样,用户隐私不会被人口统计信息的共享所危害,因为接收人口统计信息的实体不能识别与接收到的人口统计信息相关联的个体,除非这些个体已经同意允许它们的信息被访问,例如通过先前加入接收实体(例如,受众测量实体)的小组或服务。如果该个体已处于接收方的数据库中,则接收方将能够识别该个体,尽管加密。但是,该个人已经同意处于接收方的数据库中,那么在之前已经接收到了允许访问他们的人口统计和动作信息的同意意见。
图2描绘了可被用于基于分布在不同数据库所有方(例如,网络服务提供商)的用户账户记录上的人口统计信息,来将印象测量与用户人口统计信息关联的示例性系统200。示例性系统200使图1的评级实体子系统106能够为各个信标请求(例如,来自运行与诸如广告或内容之类的被标记的媒体相关联的标记的客户端的请求,该广告或内容包含识别媒体的数据,以使实体记录暴露或印象)定位最佳适配的合作方(例如,图1的数据库所有方子系统108和/或图1的其它合作数据库所有方子系统110中的一个)。在一些示例中,示例性系统200使用规则与机器训练分类器(例如,基于经验数据的演进集)来确定相对最佳适配的合作方,该合作方可能具有触发了信标请求的用户的人口统计信息。规则可以基于发布方级别、宣传活动/发布方级别或用户级别来应用。在一些示例中,不采用机器训练并且作为代替,合作方被以某一有序方式(例如,Facebook、Myspace、然后Yahoo!等)联系,直到识别出与信标请求相关联的用户或在没有识别的情况下耗尽了所有合作方为止。
评级实体子系统106接收并且汇编来自所有可用合作方的印象数据。评级实体子系统106可以基于提供该数据的合作方的整个范围和人口统计质量对印象数据进行加权。例如,评级实体子系统106可以参照关于合作方的人口统计数据准确性的历史数据,以对由该合作方提供的记录数据分配权重。
对于以发布方级别应用的规则,限定了一组规则和分类器以允许评级实体子系统106以特定发布方(例如,图1的广告或内容102中的一个或更多个的发布方)的最适合的合作方作为目标。例如,评级实体子系统106可以使用该发布方和合作方网络服务提供商的人口统计群体成来选择最可能具有适合的用户基础(例如,可能访问针对相应发布方的内容的注册用户)的合作方。
对于以宣传活动级别应用的规则,对于发布方具有基于用户人口统计以广告宣传活动作为目标的能力的情形,目标合作方站点可在发布方/宣传活动级别定义。例如,如果广告宣传活动以年龄在18-25之间的男性为目标,则评级实体子系统106可以使用这个信息来将请求引导到最可能在该性别/年龄组内具有最大范围的合作方(例如,维护体育网站的数据库所有方等)。
对于以用户级别(或cookie级别)应用的规则,评级实体子系统106可以动态选择优选的合作方来识别客户端并且记录印象,基于例如,(1)从合作方接收的反馈(例如,指示小组成员用户ID未匹配合作方站点的注册用户或指示合作方站点不具有足够数量的注册用户的反馈)、和/或(2)用户行为(例如,用户浏览行为可以指示某些用户不能具有特定合作方站点的注册账户)。在图2例示的示例中,规则可以用于指定何时用发布方(或发布方宣传活动)级别合作方目标覆盖用户级别优选合作方。
详细地转向图2,小组成员客户端装置202表示由图1的小组成员114和116中的一个或更多个所使用的计算装置(例如,个人计算机、平板计算机、膝上型或笔记本计算机、移动装置、游戏控制台、智能电视、因特网装置和/或任何其它因特网连接的计算装置)。如图2的示例所示,小组成员客户端装置202可以与图1的印象监测系统132交换通信。在所例示的示例中,合作方A 206可以是图1的数据库所有方子系统108,合作方B 208和/或C 209可以是图1的其它合作数据库所有方子系统110中的一个。小组收集平台210包含图1的评级实体数据库120,以收集广告和/或内容印象数据(例如,内容印象数据)。临时的收集平台可以位于合作方A 206、合作方B208和合作方C 209站点,以存储所记录的印象,至少直到数据被传送到受众测量实体为止。
例示的示例的小组成员客户端装置202运行被定向到显示广告和/或内容102之一的主机网站(host website)(例如,www.acme.com)的网络浏览器212。广告和/或内容102使用标识符信息(例如,宣传活动ID、创作类型ID、布局ID、发布方源URL等)和信标指令214进行加标记。当由小组成员客户端装置202运行信标指令214时,该信标指令使得小组成员客户端装置202向在信标指令214中指定的远程服务器发送信标请求。在所例示的示例中,该指定的服务器是受众测量实体的服务器,即,在印象监测系统132处。信标指令214可以使用javascript或任何其它类型的包括例如Java、HTML等的由客户端装置运行的指令或脚本来实现。应当注意的是,由小组成员和非小组成员客户端装置按照相同的方式处理标记的网页和/或广告。在这两种系统中,结合被标记的内容的下载一起接收该信标指令,并且使得从下载了针对受众测量实体的被标记的内容的客户端发送信标请求。在附图标记203处示出了非小组成员客户端装置。虽然客户端装置203没有与小组成员114、116相关联,但是印象监测系统132与客户端装置203可以按照印象监测系统132与和小组成员114、116之一相关联的客户端装置202交互的相同的方式进行交互。如图2中所示,非小组成员客户端装置203也基于在非小组成员客户端装置203上下载且呈现的被标记的内容来发送信标请求215。结果,在以下描述中,小组成员客户端装置202和非小组成员客户端装置203被通称为“客户端”装置。
在所例示的示例中,网络浏览器212存储一个或更多个合作方cookie 216和小组成员监测cookie 218。各个合作方cookie 216对应于各自的合作方(例如,合作方A206、B 208和C 209),并且仅可由各自的合作方使用来识别小组成员客户端装置202的用户。小组成员监测cookie 218是由印象监测系统132设置的cookie,并且向印象监测系统132识别小组成员客户端装置202的用户。当装置的用户首先访问相应合作方(例如,合作方A 206、B 208和C 209之一)的网站时和/或当装置的用户在该合作方注册时(例如,建立Facebook账户),合作方cookie 216的每个在小组成员客户端装置202中创建、设置或以其它方式初始化。如果该用户具有在相应合作方的注册账户,则该用户的用户ID(例如,电子邮件地址或其它值)被映射到相应合作方的记录中的相应合作方cookie 216。当客户端(例如,小组成员客户端装置或非小组成员客户端装置)为小组注册和/或当客户端处理标记的广告时,小组成员监测cookie218被创建。当用户注册为小组成员且被映射到在评级实体的记录中的用户的用户ID(例如,电子邮件地址或其它值)时,可以设置小组成员客户端装置202的小组成员监测cookie 218。虽然非小组成员客户端装置203不是小组的一部分,但是当非小组成员客户端装置203处理标记的广告时,在非小组成员客户端装置203中创建类似于小组成员监测cookie218的小组成员监测cookie。这样,印象监测系统132可以收集与非小组成员客户端装置203相关联的印象(例如,广告印象),即使非小组成员客户端装置203的用户未在小组中注册,并且运行印象监测系统132的评级实体将不具有针对非小组成员客户端装置203的用户的人口统计。
在一些示例中,网络浏览器212还可以包括合作方优先级顺序cookie 220,其由印象监测系统132设置、调整和/或控制,并且包括指示信标请求应当发送给合作方206、208、209和/或其它数据库所有方的顺序的合作方206、208、209(和/或其它数据库所有方)的优先级列表。例如,印象监测系统132可以指定客户端装置202、203应当基于信标指令214的运行首先向合作方A 206发送信标请求,并且如果合作方A206指示客户端装置202、203的用户不是合作方A 206的注册用户则然后向合作方B208发送,如果合作方A 206和/或B 208指示客户端装置202、203的用户不是合作方A 206和/或B 208的注册用户则然后向合作方C 208发送。这样,客户端装置202、203可以使用信标指令214结合合作方优先级顺序cookie 220的优先级列表来向初始合作方和/或其它初始数据库所有方发送初始信标请求,并且向一个或更多个第二合作方和/或其它数据库所有方发送一个或更多个经重新定向的信标请求,直到合作方206、208和209之一和/或其它数据库所有方确认小组成员客户端装置202的用户是该合作方的服务的注册用户或其它数据库所有方的服务的注册用户并且能够记录印象(例如,广告印象、内容印象等)并且提供针对该用户的人口统计信息(例如,存储在图1的数据库所有方数据库142中的人口统计信息)为止,或直到所有的合作方被尝试而没有成功匹配为止。在其它示例中,可以省略合作方优先级顺序cookie 220,并且信标指令214可以被构造成使得客户端装置202、203无条件地向所有可用的合作方和/或其它数据库所有方发送信标请求,使得所有的合作方和/或其它数据库所有方具有记录印象的机会。在又一示例中,信标指令214被构造成使得客户端装置202、203按照向一个或更多个合作方和/或其它数据库所有方发送经重新定向的信标请求的顺序从印象监测系统132接收指令。
在一些示例中,其中使用cookie的另选物(例如,网络存储、文档对象模型(DOM)存储、本地共享对象(也被称为“Flash cookie”)、媒体标识符(例如,iOS广告ID)、用户标识符(例如,Apple用户ID、iCloud用户ID、Android用户ID)和/或装置标识符(Apple装置ID、Android装置ID、装置编号、媒体访问控制(MAC)地址等)),示例性客户端装置202、203,示例性信标指令214,示例性合作方206、208、209和/或示例性印象监测系统132使得客户端装置202、203存储另选的数据和/或使用另选的格式存储数据。例如,如果示例性系统200使用网页存储或DOM存储,则示例性信标指令214包括脚本,该脚本使得客户端装置202、203存储诸如唯一装置标识符之类的信息和/或向印象监测系统132传送诸如唯一装置标识符之类的所存储的信息。因为本地共享对象类似于cookie,所以示例性信标指令214,示例性合作方206、208、209,示例性印象监测系统132和/或示例性系统200可以按照与以上描述的使用cookie类似的方式来实现。在使用媒体标识符、用户标识符和/或装置标识符的示例中,示例性信标指令214可以包括指令,该指令使得客户端装置202、203向示例性印象监测系统132传送客户端装置202、203的唯一媒体标识符、用户标识符和/或装置标识符。示例性印象监测系统132和/或示例性合作方206、208和/或209可以使用非cookie标识符来记录印象信息和/或确定与客户端装置相关联的人口统计信息。
为了监测浏览行为及跟踪合作方cookie 216的活动,小组成员客户端装置202设置有网络客户端计量器222。另外,小组成员客户端装置202设置有HTTP请求日志224,在HTTP请求日志中,网络客户端计量器222可以与网络客户端计量器222的计量器ID、来自小组成员客户端装置202的用户ID、信标请求时间戳(例如,指示小组成员装置202何时发送诸如图3的信标请求304和308之类的信标请求的时间戳)、显示了广告的网站的统一资源定位符(URL)、以及广告宣传活动ID相关联地存储或记录HTTP请求。在所例示的示例中,网络客户端计量器222将合作方cookie216和小组成员监测cookie 218的用户ID与在HTTP请求日志224中的各个记录的HTTP请求相关联地存储。在一些示例中,HTTP请求日志224可以另外或另选地存储诸如文件传送协议(FTP)请求和/或任何其它因特网协议请求的其它类型的请求。例示的示例的网络客户端计量器222可以将这样的网络浏览行为或活动以及各自的用户ID从HTTP请求日志224传递到小组收集平台210。在一些示例中,网络客户端计量器222还可以有利地被用于记录未被标记的内容或广告的印象。不同于包括信标指令214的标记的广告和/或被标记的内容,其中信标指令214使得信标请求发送到识别要被发送到受众测量实体进行记录的对被标记的内容的印象的印象监测系统132(和/或合作方206、208、209中的一个或更多个和/或其它数据库所有方),未标记的广告和/或广告不具有这样的信标指令214来创建印象监测系统132记录印象的机会。在这种情形中,由网络客户端计量器222记录的HTTP请求可以用于识别在小组成员客户端装置202上由网络浏览器212提供的任何未标记的内容或广告。
在所例示的示例中,印象监测系统132设置有用户ID比较器228、人口统计收集器229、规则/机器训练(ML)引擎230、人口统计加权器231、HTTP服务器232、加权生成器233、发布方/宣传活动/用户目标数据库234和印象特征化器235。例示的示例的用户ID比较器228被提供以识别来自作为小组成员114、116的用户的信标请求。在所例示的示例中,HTTP服务器232是通信接口,经由其,印象监测系统132与客户端装置202、203交换信息(例如,信标请求、信标响应、确认、失败状态消息等)。例示的示例的规则/ML引擎230和发布方/宣传活动/用户目标数据库234使印象监测系统132能够命中针对从客户端装置202、203接收到的各个印象请求(或信标请求)的“最佳适配”的合作方(例如,合作方206、208或209之一)为目标。“最佳适配”的合作方是最可能具有针对发送印象请求的客户端装置202、203的用户的人口统计数据的合作方。规则/ML引擎230是基于存储在发布方/宣传活动/用户目标数据库234中的演进经验数据而生成的一组规则和机器训练分类器。在所例示的示例中,可以以发布方级别、发布方/宣传活动级别或用户级别应用规则。另外,可以基于合作方的整个范围和人口统计质量对合作方进行加权。
为了以广告宣传活动的发布方级别命中合作方(例如,合作方206、208和209),规则/ML引擎230包含规则和分类器,其允许印象监测系统132命中针对广告宣传活动的特定发布方的“最佳适配”的合作方。例如,印象监测系统132可以使用发布方和合作方的目标人口统计构成(例如,如存储在发布方/宣传活动/用户目标数据库234中的)来选择最可能具有针对请求该印象的客户端装置202、203的用户的人口统计信息的合作方(例如,合作方206、208、209之一)。
为了以宣传活动级别命中合作方(例如,合作方206、208和209)目标(例如,发布方具有基于用户人口统计来命中广告宣传活动的能力),例示的示例的规则/ML引擎230用于以发布方/宣传活动级别指定目标合作方。例如,如果发布方/宣传活动/用户目标数据库234存储指示特定广告宣传活动以年龄在18-25的男性为目标的信息,则规则/ML引擎230使用这个信息来指示信标请求被重新定向到最有可能在这个性别/年龄组内具有最大范围的合作方。
为了以cookie级别命中合作方(例如,合作方206、208和209),印象监测系统132基于从合作方接收到的反馈来更新目标合作方站点。这种反馈可以指示用户ID不对应于或对应于合作方的注册用户。在一些示例中,印象监测系统132还可以基于用户行为来更新目标合作方站点。例如,这种用户行为还可以通过分析与关联于小组成员监测cookie(例如,小组成员监测cookie 218)的浏览活动相对应的cookie点击流数据来导出。在所例示的示例中,印象监测系统132使用这样的cookie点击流数据通过确定浏览行为更多指示的年龄和性别来确定特定合作方的年龄/性别偏好。这样,例示的示例的印象监测系统132可以更新针对特定用户或客户端装置202、203的目标或优选合作方。在一些示例中,规则/ML引擎230指定何时用发布方或发布方/宣传活动级别优选目标合作方覆盖用户级别优选目标合作方。例如,这种规则可以指定当用户级别优选目标合作方发送关于不具有对应于客户端装置202、203的注册用户(例如,在客户端装置202、203上的不同用户开始使用在其合作方cookie 216中具有不同用户ID的不同浏览器)的众多指示时,覆盖用户级别优选目标合作方。
在所例示的示例中,印象监测系统132基于从客户端装置(例如,客户端装置202、203)接收到的信标请求(例如,图3的信标请求304)将印象(例如,广告印象、内容印象等)记录在每独特用户的印象表237中。在所例示的示例中,每独特用户的印象表237将从cookie(例如,小组成员监测cookie 218)获得的独特用户ID与每天总印象和宣传活动ID相关联地存储。这样,对于各个宣传活动ID,印象监测系统132记录可归因于特定用户或客户端202、203的每天总印象。
例示的示例的合作方206、208和209的每个使用HTTP服务器236、240和241以及用户ID比较器238、242和243。在所例示的示例中,HTTP服务器236、240和241是通信接口,经由其,它们各自的合作方206和208与客户端装置202、203交换信息(例如,信标请求、信标响应、确认、失败状态消息等)。用户ID比较器238、242、243被构造成将从客户端装置202、203接收到的用户cookie与它们记录中的cookie进行比较,以识别客户端装置202、203,如果可能的话。这样,用户ID比较器238、242、243可以用于确定小组成员客户端装置202的用户是否在合作方206、208和209注册账户。如果是,则合作方206、208和209可以记录可归因于这些用户的印象,并且将这些印象与所识别的用户的人口统计(例如,存储在图1的数据库所有方数据库142中的人口统计)相关联。
在所例示的示例中,小组收集平台210用于识别也是小组成员114、116的、合作方206、208、209的注册用户。小组收集平台210然后可以使用这个信息来交叉引用由评级实体子系统106存储的针对小组成员114和116的人口统计信息与由合作方206、208和209存储的针对它们的注册用户的人口统计信息。评级实体子系统106可以使用这种交叉引用以基于由评级实体子系统106收集的小组成员114和116的人口统计信息确定由合作方206、208和209收集的人口统计信息的准确性。
在一些示例中,小组收集平台210的示例性收集器117从小组成员客户端装置202收集网络浏览活动信息。在这样的示例中,示例性收集器117从小组客户端装置202的HTTP请求日志224请求记录的数据以及由其它小组成员装置(未示出)收集的记录的数据。另外,收集器117从印象监测系统132收集印象监测系统132跟踪作为设置在小组成员客户端装置的小组成员用户ID。同意,收集器117从一个或更多个合作方(例如,合作方206和208)收集合作方跟踪作为设置在小组成员和非小组成员客户端装置的合作方用户ID。在一些示例中,为了遵守合作方206、208、209的隐私协议,收集器117和/或数据库所有方206、208、209可以使用哈希技术(例如,双哈希技术)来对数据库所有方cookie ID进行哈希。
在一些示例中,小组收集平台210的加载器118分析并分类接收的小组成员用户ID和合作方用户ID。在所例示的示例中,加载器118分析从小组成员客户端装置(例如,从小组成员客户端装置202的HTTP请求日志224)接收的记录数据,以识别与合作方用户ID(例如,合作方cookie 216)相关联的小组成员用户ID(例如,小组成员监测cookie 218)。这样,加载器118可以识别哪个小组成员(例如,小组成员114和116之一)也是合作方206、208和209的一个或更多个的注册用户(例如,具有存储在数据库所有方数据库142中的注册用户的人口统计信息的图1的数据库所有方子系统108)。在一些示例中,小组收集平台210操作以验证由印象监测系统132收集的印象的准确性。在这样的一些示例中,加载器118过滤来自HTTP请求日志224的与由印象监测系统132记录的小组成员的印象相关(correlated)的记录的HTTP信标请求,并且识别在HTTP请求日志224记录的不具有由印象监测系统132记录的相应印象的HTTP信标请求。这样,小组收集平台210可以提供由印象监测系统132记录的不准确印象的指示和/或提供由网络客户端计量器222记录的印象以填补由印象监测系统132漏掉的小组成员114、116的印象数据。
图2的示例性人口统计收集器229从对应于客户端装置202、203的媒体印象的合作方数据库所有方206、208、209接收人口统计信息。在一些示例中,人口统计收集器229还从示例性合作方206、208、209接收用户标识符,其可以用于将来自合作方206、208、209的多个印象和/或报告的人口统计特征匹配到同一用户。示例性人口统计收集器229可以将接收到的人口统计信息存储在数据库234中以用于后续处理。
图2的示例性人口统计加权器231对从合作方数据库所有方206、208、209接收的人口统计信息进行加权。示例性人口统计加权器231对人口统计信息进行加权以提高准确性,通过当由数据库所有方206、208、209不同各个的提供不同的人口统计信息时,确定与客户端装置202、203相关联的人口统计。在一些示例中,省略了人口统计加权器231,并且使用简单的、未加权的大多数投票来确定与客户端装置202、203相关联的人口统计,如以下将更详细描述的。
图2的示例性权重生成器233确定用于合作方数据库所有方206、208、209的权重。图2的示例性人口统计加权器231将用于合作方数据库所有方206、208、209的权重应用到从合作方206、208、209的各自之一获得的人口统计信息。在一些示例中,图2的权重生成器233通过将测试数据(例如,测试印象和/或测试用户)应用到数据库所有方206、208、209来确定数据库所有方206、208、209的初始权重,并且将响应于测试数据而接收的人口统计信息与针对测试数据的已知人口统计特征进行比较以确定准确性。示例性权重生成器233基于从合作方接收到的各自人口统计信息与媒体印象确定的人口统计特征之间的一致性调整针对合作方206、208、209的权重。例如,如果合作方206连续地提供与关联于媒体印象的确定的人口统计信息相符的人口统计信息,则示例性权重生成器233增大合作方206的权重(例如,增大应用到从合作方206接收的人口统计信息的权重)。
图2的示例性印象特征化器235基于从合作方206、208、209获得的人口统计信息确定与媒体印象相关联的人口统计特征。在人口统计加权器21对人口统计信息加权的示例中,示例性印象特征化器235基于该权重确定媒体印象的人口统计特征。例如,印象特征化器235基于针对作为接收的人口统计信息中的人口统计特征的最大总数的人口统计特征的总权重,确定人口统计特征。在一些示例中,印象特征化器235通过大多数“投票”方法确定针对媒体印象的人口统计特征。例如,印象特征化器235确定在来自大多数合作方206、208、209的人口统计信息中是否接收同一人口统计群体。
示例性人口统计收集器229、示例性人口统计加权器231、示例性权重生成器233和示例性印象特征化器235的操作将在下文更详细地描述。
在所例示的示例中,加载器118将覆盖用户存储在基于印象的小组人口统计表250中。在所例示的示例中,覆盖用户是小组成员成员114、116,以及合作方A 206的注册用户(标记为用户P(A))、合作方B 208的注册用户(标记为用户P(B))、和/或合作方C 209的注册用户(标记为用户P(C))。虽然仅示出了三个合作方(A、B和C),但是这是为了简单说明,在表250中可以表示任何数量的合作方。例示的示例的基于印象的小组人口统计表250被示出为存储计量器ID(例如,网路客户端计量器222的ID以及其它客户端装置的网络客户端计量器的ID)、用户ID(例如,诸如用户名、电子邮件地址等之类的与小组成员监测cookie 218以及其它小组成员客户端装置的小组成员监测cookie对应的字母数字标识符)、信标请求时间戳(例如,指示小组成员客户端装置202和/或其它小组成员客户端装置何时发送诸如图3的信标请求304和308之类的信标请求的时间戳)、所访问的网站(例如,显示广告的网站)的统一资源定位符(URL)以及广告宣传活动ID。另外,例示的示例的加载器118存储不与合作方A(P(A))cookie表252、合作方B(P(B))cookie表254以及合作方C(P(C))cookie表256中的小组成员用户ID交叠的合作方用户ID。
以下连同图3的通信流图以及图10、图11和图12的流程图描述由示例性系统200执行的示例性处理。
虽然图1和图2中例示了实现图1的系统100的示例性方式,但是可以按任何其它方式组合、拆分、重新排列、省略、消除和/或实现图1和2中例示的元件、处理和/或装置的一个或更多个。此外,示例性收集器117、示例性加载器118、示例性评级实体数据库120、GRP报告生成器130、印象监测系统132、示例性cookie收集器134、示例性服务器138、示例性DP收集器139、示例性DP加载器140、示例性DP数据库142、示例性客户端装置202、203、示例性小组收集平台210、示例性客户端应用212、示例性网络客户端计量器222、示例性用户ID比较器228、238、242、243、示例性人口统计收集器229、示例性规则/ML引擎230、示例性人口统计加权器231、HTTP服务器通信接口232、示例性权重生成器233、示例性发布方/宣传活动/用户目标数据库234、示例性印象特征化器235、示例性HTTP服务器236、240、241和/或,更概括地,示例性评级实体子系统106、示例性合作方数据库所有方子系统108、110、示例性非合作方数据库所有方子系统112和/或图1和2的示例性系统100可以通过硬件、软件、固件和/或硬件、软件和/或固件的任何组合来实现。因此,例如,示例性收集器117、示例性加载器118、示例性评级实体数据库120、GRP报告生成器130、印象监测系统132、示例性cookie收集器134、示例性服务器138、示例性DP收集器139、示例性DP加载器140、示例性DP数据库142、示例性客户端装置202、203、示例性小组收集平台210、示例性客户端应用212、示例性网络客户端计量器222、示例性用户ID比较器228、238、242、243、示例性人口统计收集器229、示例性规则/ML引擎230、示例性人口统计加权器231、HTTP服务器通信接口232、示例性权重生成器233、示例性发布方/宣传活动/用户目标数据库234、示例性印象特征化器235、示例性HTTP服务器236、240、241和/或,更概括地,示例性评级实体子系统106、示例性合作方数据库所有方子系统108、110、示例性非合作方数据库所有方子系统112和/或示例性系统100的任何一个都可以由一个或更多个模拟或数字电路、逻辑电路、可编程处理器、专用集成电路(ASIC)、可编程逻辑装置(PLD)和/或现场可编程门阵列(FPLD)来实现。当本专利的设备或系统权利要求的任意一个被理解为涵盖纯软件和/或固件实现方式时,示例性收集器117、示例性加载器118、示例性评级实体数据库120、GRP报告生成器130、印象监测系统132、示例性cookie收集器134、示例性服务器138、示例性DP收集器139、示例性DP加载器140、示例性DP数据库142、示例性客户端装置202、203、示例性小组收集平台210、示例性客户端应用212、示例性网络客户端计量器222、示例性用户ID比较器228、238、242、243、示例性人口统计收集器229、示例性规则/ML引擎230、示例性人口统计加权器231、HTTP服务器通信接口232、示例性权重生成器233、示例性发布方/宣传活动/用户目标数据库234、示例性印象特征化器235、示例性HTTP服务器236、240、241的至少一个在此被明确地限定为包括诸如存储器、数字通用盘(DVD)、质密盘(CD)、蓝光光盘等存储软件和/或固件的有形计算机可读存储装置或存储盘。此外,图1的示例性系统100可以除了图1和2所例示的那些之外,或代替,包括一个或更多个元件、处理和/或装置,和/或可以包括例示的元件、处理和装置的一个以上的任意或全部。
转向图3,示例性通信流程例示出了在其中图2的示例性系统200通过客户端装置(例如,客户端202、203)记录印象的示例性方式。当客户端装置202、203访问标记广告或被标记的内容时,发生图3所示的示例性事件链。因此,当客户端向服务器发送针对内容和/或广告的HTTP请求时,图3的事件开始,在该示例中,其被标记以将印象请求传送到评级实体。在图3例示的示例中,客户端装置202、203的网络浏览器从发布方(例如,广告发布方302)接收所请求的内容或广告(例如,内容或广告102)。应当理解的是,客户端装置202、203常常请求包含感兴趣内容的网页(例如,www.weather.com),并且请求的网页包含对在网页内下载且提供的广告的链接。广告可以来自与原始请求的内容不同的服务器。因此,所请求的内容可以包含作为提供由客户端初始请求的网页的处理的一部分、使客户端装置202、203请求广告(例如,从广告发布方302)的指令。网页、广告或这两者可以被标记。在所例示的示例中,广告发布方的统一资源定位符(URL)可被例示命名为http://my.advertiser.com。
为了以下例示的目的,假设广告102被信标指令214(图2)标记。初始地,当标记的广告被访问时,信标指令214使客户端装置202或203的网络浏览器(或其它应用)向印象监测系统132发送信标请求304。在所例示的示例中,网络浏览器使用寻址到例如第一因特网域处的印象监测系统132的URL的HTTP请求来发送信标请求304。信标请求304包括与广告102相关联的宣传活动ID、创作类型ID和/或布局ID的一个或更多个。另外,信标请求304包括文档查询器(例如,www.acme.com)、印象的时间戳以及发布方站点ID(例如,广告发布方302的URLhttp://my.advertiser.com)。另外,如果客户端装置202或203的网络浏览器包含小组成员监测cookie 218,则信标请求304将包括小组成员监测cookie。在其它示例性实现方式中,可以不用传递cookie 218,直到客户端装置202或203接收到响应于例如印象监测系统132接收到信标请求304而由印象监测系统132的服务器发送的请求为止。
响应于接收到信标请求304,印象监测系统132通过记录包含于信标请求304中的广告标识信息(以及任何其它相关的标识信息)来记录印象。在所例示的示例中,印象监测系统132记录印象而与信标请求304是否指示用户ID(例如,基于小组成员监测cookie 218)与小组成员成员(例如,图1的小组成员114和116之一)的用户ID相匹配无关。然而,如果用户ID(例如,小组成员监测cookie 218)与由评级实体子系统106设置并且存储在评级实体子系统106的记录中的小组成员成员(例如,图1的小组成员114和116之一)的用户ID匹配,则所记录的印象将对应于印象监测系统132的小组成员。如果用户ID不对应于印象监测系统132的小组成员,则印象监测系统132仍将受益于记录印象,即使其将不会具有针对在信标请求304中反映出来的印象的用户ID记录(因此,以及相应的人口统计)。
在图3例示的示例中,为了用合作方站点处的人口统计与印象监测系统132的小组成员人口统计(例如,为了准确性或完整性)进行比较或补充,和/或为了使合作方站点尝试识别客户端和/或记录印象,印象监测系统132向客户端装置202、203的网络浏览器返回信标响应消息306(例如,第一信标响应),其中包括HTTP 306重新定向消息以及在例如第二因特网域的特定合作方的URL。在所例示的示例中,HTTP306重新定向消息命令客户端装置202、203的网络浏览器向特定合作方(例如,合作方A 206、B 208、或C 209之一)发送第二信标请求308。在其它示例中,不同于使用HTTP 306重新定向消息,可以使用例如iframe源指令(例如,<iframe src=″″>)或可以命令网络浏览器向合作方发送随后的信标请求(例如,第二信标请求308)的任何其它指令来实现这些重新定向。在所例示的示例中,印象监测系统132基于例如经验数据使用其规则/ML引擎230(图2)来确定在信标响应306中指定的合作方,该经验数据指示优选哪一个合作方作为最可能具有针对该用户ID的人口统计数据。在其它示例中,在第一重新定向消息中总是识别同一合作方,并且当第一合作方未记录印象时,该合作方总是将客户端装置202、203重新定向到同一第二合作方。换句话说,定义并且遵循合作方的设置层次,使得合作方按同一预定顺序“菊链”在一起,而不是它们尝试猜测最可能的数据库所有方以识别未知的客户端装置203。
在向客户端装置202、203的网络浏览器发送信标响应306之前,例示的示例的印象监测系统132用更改的站点ID(例如,合适的站点ID)代替广告发布方302的站点ID(例如,URL),该更改的站点ID仅可由印象监测系统132辨识为对应于广告发布方302。在一些示例性实现方式中,印象监测系统132还可以用另一更改的站点ID(例如,合适的站点ID)代替主机网站ID(例如,www.acme.com),该另一更改的站点ID仅可由印象监测系统132辨识为对应于主机网站。这样,广告和/或主机内容的源被合作方掩蔽。在所例示的示例中,印象监测系统132维护发布方ID映射表310,其将广告发布方的初始站点ID与由印象监测系统132创建的更改的(或代替)站点ID映射,以从合作方站点混淆或隐藏广告发布方标识符。在一些示例中,印象监测系统132还在映射表中将主机网站ID与更改的主机网站ID关联地存储。另外,印象监测系统132对在信标请求304中接收的所有信息以及更改的站点ID加密,以防止任何拦截方解码该信息。例示的示例的印象监测系统132向网络浏览器212发送信标响应306中的加密信息。在所例示的示例中,印象监测系统132使用可由在HTTP 306重新定向中指定的选定合作方站点解密的加密。
在一些示例中,印象监测系统132还向客户端装置202、203发送URL搜刮(scrape)指令320。在这样的示例中,URL搜刮指令320使得客户端装置202、203“搜刮”与标记的广告102相关联的网页或网站的URL。例如,客户端装置202、203可以通过理解在网络浏览器212的URL地址栏提供或显示的文本来执行网页URL的搜刮。客户端装置202、203然后向印象监测系统132发送所搜刮的URL 322。在所例示的示例中,所搜刮的URL 322指示由客户端装置202、203的用户访问并且在其内显示标记的广告102的主机网站(例如,http://www.acme.com)。在所例示的示例中,标记的广告102经由具有URL“my.advertiser.com”的广告iFrame来显示,其对应于在一个或更多个主机网站上提供标记的广告102的广告网络(例如,发布方302)。然而,在所例示的示例中,在搜刮的URL 322内指示的主机网站是“www.acme.com”,其对应于由客户端装置202、203的用户访问的站点。
URL搜刮在发布方是广告客户从其购买广告空间/时间的广告网络的环境下特别有用。在这样的情形中,广告网络从由用户访问的主机网站的子集(例如,www.caranddriver.com、www.espn.com、www.allrecipes.com等)中选择在哪个上经由广告iFrame来显示广告。然而,广告网络不能明确地预言广告将在上面在任何特定时间显示的主机网站。另外,在其中正提供标记的广告102的广告iFrame的URL可能不会有助于识别由网络浏览器212提供的主机网站(例如,图3的示例中的www.acme.com)的主题。这样的话,印象监测系统132可能不会知道在其中广告iFrame正显示被标记的广告102的主机网站。
主机网站的URL(例如,www.caranddriver.com、www.espn.com、www.allrecipes.com等)可以有助于确定客户端装置202、203的用户的话题兴趣(例如,汽车、体育、烹饪等)。在一些示例中,受众测量实体可以使用主机网站URL来与用户/小组成员人口统计相关,并且基于较大人口的人口统计和话题兴趣以及基于被记录印象的用户/小组成员的人口统计和话题兴趣,将所记录的印象插入到较大的人口。因此,在所例示的示例中,当印象监测系统132没有接收到主机网站URL或不能够以其它方式基于信标请求304识别主机网站URL时,印象监测系统132向客户端装置202、203发送URL搜刮指令320,以接收所搜刮的URL 322。在所例示的示例中,如果印象监测系统132能基于信标请求304识别主机网站URL,则印象监测系统132不能向客户端装置202、203发送URL搜刮指令320,从而节省了网络和装置带宽和资源
响应于接收到信标响应306,客户端装置202、203的网络浏览器向作为例示的示例中的合作方A 206(例如,第二因特网域)的指定合作方站点发送信标请求308。信标请求308包括来自信标响应306的经加密的参数。合作方A 206(例如,Facebook)解密该经加密的参数,并且确定客户端是否与由合作方A 206提供的服务的注册用户匹配。这种确定涉及请求客户端装置202、203传递其由合作方A 206设置的所存储的任何cookie(例如,图2的合作方cookie 216之一),并且尝试将接收到的cookie与在合作方A 206的记录中存储的cookie进行匹配。如果发现匹配,则合作方A 206明确地识别出客户端装置202、203。因此,合作方A 206站点将印象与所识别的客户端的人口统计信息关联地记录。该记录(包括无法检测出的源标识符)随后被提供给评级实体,以如下讨论被处理成GRP。在合作方A 206不能在其记录中识别客户端装置202、203(例如,没有匹配cookie)的事件中,合作方A 206不记录印象。
在一些示例性实现方式中,如果用户ID不能匹配合作方A 206的注册用户,则合作方A 206可以返回包括失败或不匹配状态的信标响应312(例如,第二信标响应)或根本不响应,从而结束图3的处理。然而,在所例示的示例中,如果合作方A 206不能识别出客户端装置202、203,则合作方A 206在信标响应312(例如,第二信标响应)中向客户端装置202、203返回第二HTTP 306重新定向消息。例如,如果合作方A站点206具有用于指定可能具有针对用户ID的人口统计的另一合作方(例如,合作方B 208、合作方C 209或任何其它合作方)的逻辑(例如,类似于图2的规则/ML引擎230),则信标响应312可以包括HTTP 306重新定向(或引起重新定向通信的任何其它合适的指令)以及其它合作方(例如,在第三因特网域)的URL。另选地,在以上讨论的菊链方案中,每当不能识别出客户端装置202、203时,合作方A站点206可以总是重新定向到同一下一个合作方或数据库所有方(例如,在例如第三因特网域处的合作方B 208或在第三因特网域处的图1的非合作数据库所有方子系统110)。当重新定向时,例示的示例的合作方A站点206使用可由下一指定合作方解码的加密方式对ID、时间戳、来源等进行加密。
作为进一步的另选,如果合作方A站点206不具有用于选择可能具有针对用户ID的人口统计的下一最适合的合作方的逻辑,并且不能通过存储重新定向到合作方实体的指令来有效地菊链链接到下一合作方,则信标响应312可将客户端装置202、203重新定向到具有失败或不匹配状态的印象监测系统132。这样,印象监测系统132可以使用其规则/ML引擎230来选择客户端装置202、203的网络浏览器将信标请求发送到的下一最佳适合的合作方(或,如果没有设置这种逻辑,仅选择在分等级的(例如,固定的)列表中的下一合作方)。在所例示的示例中,印象监测系统132选择合作方B站点208,并且客户端装置202、203的网络浏览器用按可由合作方B站点208解密的方式加密的参数向合作方B站点208发送信标请求。合作方B站点208然后基于其自己的内部数据库尝试识别客户端装置202、203。如果从客户端装置202、203获得的cookie与合作方B 208的记录中的cookie匹配,则合作方B 208明确地识别出客户端装置202、203,并且将印象与人口统计关联地记录,以用于稍后提供给印象监测系统132的客户端装置202、203。在合作方B 208不能识别出客户端装置202、203的事件中,失败通知的同一处理或另外的HTTP 306重新定向可以由合作方B 208使用,以向下一其它合作方站点提供按类似方式识别客户端的机会,以此类推,直到合作方站点识别出客户端装置202、203并且记录印象为止,直到所有的合作方站点被用尽而没有识别出客户端为止,或直到预定数量的合作方站点未能识别出客户端装置202、203为止。
使用图3所例示的处理,印象(例如,广告印象、内容印象等)可被映射到相应的人口统计,即使当印象没有由与受众测量实体(例如,图1的评级实体子系统106)相关联的小组组员所触发。也就是说,在印象收集或合并处理期间,评级实体的小组收集平台210可以收集由(1)印象监测系统132和(2)任何参与合作方(例如,合作方206、208、209)记录的分布式印象。结果,所收集的数据用比以前可能有的信息更丰富的人口统计信息来覆盖更大的人口。因此,如上所述,通过共用分布式数据库的资源,生成准确的、连贯的及有意义的在线GRP是可能的。图2和图3的示例性结构基于在不相关的各方(例如,Nielsen和Facebook)之间分布的大量的组合的人口统计数据库来生成在线GRP。最后的结果看似乎是可归因于所记录的印象的用户是由受众测量实体的注册用户构成的大的虚拟小组的一部分,因为参与的合作方站点的选择可以被跟踪好像它们是受众测量实体小组114、116的成员。这是在不违反因特网的cookie隐私协议的情况下来完成的。
在一些示例中,为了使用来自多个合作方站点的人口统计来提高小组成员人口统计的准确性(例如,为了数据正确性或完整性),印象监测系统132向客户端装置202、203的网络浏览器返回一个或更多个信标响应消息306,其包括HTTP 306重新定向消息和在相应因特网域处的多个(例如,3个或更多个)参与合作方的URL。客户端装置202、203的示例性网络浏览器接收信标响应306,并且向示例性合作方206、208、209的每个并行地分配信标请求308。信标请求308包括针对被传送各自的信标请求的、合作方206、208、209的网站的cookie(当客户端装置202、203之前存储来针对该合作方的cookie时)。因此,相比于以上的示例,示例性合作方206、208和209的全部或子集尝试基于它们自己的各自内部数据库来识别客户端装置202、203。
为了稍后匹配从合作方206、208、209接收到的人口统计信息,示例性印象监测系统132在信标响应306中设置独特用户标识符。客户端装置202、203的示例性网络浏览器将该独特用户标识符包括在对合作方206、208、209的信标请求308中(例如,在URL中)。在一些示例中,印象监测系统132针对各个合作方206、208、209提供不同的用户标识符(例如,经由多个信标响应306和/或多个重新定向)和/或针对各个印象向同一合作方206、208、209提供不同的用户标识符。示例性印象监测系统132维护该独特用户标识符(和/或印象标识符)之间的关系,以随后将针对不同独特用户标识符(和/或印象标识符)而接收的人口统计信息相关。
信标请求308所被传送到的示例性合作方206、208、209的每个确定从客户端装置202、203获得的cookie(例如,对应于各自合作方206、208、209的网站的与信标请求一起传送的cookie)是否与合作方的记录中的cookie匹配。如果这种匹配存在,则合作方明确地识别出客户端装置202、203,并且将印象与客户端装置202、203的人口统计关联地记录。与印象监测系统132指派的独特用户标识符(和/或印象标识符)关联,合作方206、208、209向印象监测系统132返回它们自己的独特用户标识符。例如,合作方206、208、209可以提供人口统计信息、由印象监测系统132指派的独特用户标识符、以及合作方206、208、209的各自的用户标识符作为URL的一部分。将人口统计信息映射到印象监测系统132的用户标识符和/或合作方206、208、209的用户标识符的示例性方法和设备在于2012年6月11日提交的美国临时专利申请No.61/658,233以及于2013年4月9日提交的美国临时专利申请No.61/810,235中公开,通过引用将其全部内容并入本文。
图3的示例性印象监测系统132将响应级别和/或印象级别的人口统计信息映射到该独特用户标识。例如,印象监测系统132可以填入人口统计投票表,以将接收到的人口统计信息映射到同一印象和/或用户。以下参照图15和图16描述示例性表。
周期地或非周期地,经由小组收集平台210向评级实体提供由合作方(例如,合作方206、208、209)收集的印象数据。如上所述,一些用户ID可能与印象监测系统132的小组组员不匹配,但是可以与一个或更多个合作方站点的注册用户匹配。在数据收集及合并处理期间,为了组合来自图1的评级实体子系统106与合作方子系统108和110的人口统计和印象数据,由一个或更多个合作方记录的一些印象的用户ID可以与由印象监测系统132记录的印象的用户ID匹配,同时其它(更可能的是许多其它)将不会匹配。在一些示例性实现方式中,如果需要的话,评级实体子系统106可以使用来自由合作方站点提供的匹配的用户ID日志的基于人口统计的印象,来评估和/或提高其自身人口统计数据的准确性。对于与不匹配用户ID日志相关联的基于人口统计的印象,评级实体子系统106可以使用印象(例如,广告印象、内容印象等)来导出基于人口统计的在线GRP,尽管这样的印象不与评级实体子系统106的小组成员相关联。
如以上简略提到的,当在不同实体之间(例如,在评级实体子系统106和数据库所有方子系统108之间)共享人口统计信息(例如,账户记录或注册信息)时,本文公开的示例性方法、设备和/或制品可以被构造成保护用户隐私。在一些示例性实现方式中,可以基于针对各个参与合作方或实体(例如,子系统106、108、110)的各自密钥使用双重加密技术。例如,评级实体子系统106可以使用其私密密钥加密其用户ID(例如,电子邮件地址),并且数据库所有方子系统108可以使用其私密密钥加密其用户ID。对于各个用户ID,各自的人口统计信息然后与用户ID的加密版本相关联。各个实体然后交换它们具有加密的用户ID的人口统计列表。因为实体也不知道另一方的密钥,因而它们不能够解码用户ID,并且因此,用户ID保持隐私。各个实体然后使用它们各自的密钥继续执行各个加密用户ID的二次加密。各个二次加密的(或双重加密的)用户ID(UID)将处于E1(E2(UID))和E2(E1(UID))的形式,其中,E1表示使用评级实体子系统106的私密密钥加密,并且E2表示使用数据库所有方子系统108的私密密钥加密。在可交换加密(commutative encryption)的规则下,加密的用户ID可以基于E1(E2(UID))=E2(E1(UID))的基础上进行对比。因此,在双重加密完成后,存在于两者数据库的用户ID的加密将匹配。这样,而合作方实体不需要向另一方揭示用户ID的情况下,在小组成员的用户记录和数据库所有方的用户记录之间的匹配(例如,注册的社交网络用户的标识符)可以进行对比。
评级实体子系统106基于由图1的印象监测系统132收集的印象和cookie数据以及由合作方站点记录的印象来执行每日印象和UUID(cookie)总计。在所例示的示例中,评级实体子系统106可以基于由图1的评级实体cookie收集器134收集的cookie信息以及由合作方站点向小组收集平台210提供的日志,来执行每日印象和UUID(cookie)总计。图4描绘了表示示例性评级实体印象表400,在该表中示出了针对被监测用户的印象的数量。对于广告印象、内容印象或其它印象,可以汇编类似的表。在所例示的示例中,通过用于广告宣传活动(例如,图1的广告102的一个或更多个)的评级实体子系统106生成评级实体印象表400,以确定每个用户每天的印象的频率。
为了跟踪每独特用户每天的印象的频率,评级实体印象表400设置有频率列402。频率1表示每天在对独特用户的广告宣传活动中的广告的一个印象,并且频率4表示每天在对独特用户的同一广告宣传活动中的一个或更多个广告的四个印象。为了跟踪印象可归因于的独特用户的数量,评级印象表400设置有UUID列404。在UUID列404中的值100,000表示100,000个独特用户。因此,评级实体印象表400的第一个条目指示100,000个独特用户(即,UUID=100,000)在单独一天内对广告102的特定一个被暴露一次(即,频率=1)。
为了基于印象频率和UUID跟踪印象,评级实体印象表400设置有印象列406。通过将存储在频率栏402中相应频率值与存储在UUID栏404中的相应UUID值相乘来确定在印象列406中存储的各个印象计数。例如,在评级实体印象表400的第二个条目中,频率值2乘以200,000个独特用户以确定400,000个印象可归因于广告102的特定一个。
转向图5,在所例示的示例中,合作方206、208的合作数据库所有方子系统108、110的每个生成并且每天向评级实体子系统106的GRP报告生成器130报告数据库所有方广告宣传活动级别年龄/性别和印象构成表500。可以针对内容和/或其它媒体生成类似的表。另外或另选地,除了广告,媒体也被添加到表500。在所例示的示例中,如图5所示,合作方206、208把印象分布根据年龄和性别构成列成表。例如,参照图1,合作的数据库所有方子系统108的数据库所有方数据库142存储合作方A206的注册用户的所记录的印象及相应人口统计信息,并且例示的示例的数据库所有方子系统108使用规则144处理印象及相应的人口统计信息,以生成包括数据库所有方广告宣传活动级别年龄/性别和印象构成表500的DP概要表146。
该年龄/性别和印象构成表500设置有年龄/性别列502、印象列504、频率列506和印象构成列508。例示的示例的年龄/性别列502表示不同年龄/性别人口统计群体。例示的示例的印象列504存储指示针对相应年龄/性别人口统计群体的针对特定广告102(图1)之一的总印象的值。例示的示例的频率列506存储指示针对贡献于印象列504中的印象的广告102之一的每个用户的印象频率的值。例示的示例的印象构成列508存储针对各个年龄/性别人口统计群体的印象的百分比。
在一些示例中,在将基于印象的人口统计信息的最后结果列在数据库所有方宣传活动级别年龄/性别和印象构成表中之前,数据库所有方子系统108、110可以对其人口统计信息执行人口统计准确性分析和调整处理。这样做可以解决在线受众测量处理面临的注册用户将他们自己表示给在线数据所有方(例如,合作方206、208)方式不一定诚实(例如,真实和/或准确)的问题。在某些情况下,利用这样的在线数据库所有方处的账户注册来确定受众的人口统计属性的在线测量的示例性方法如果依赖于注册用户在数据库所有方站点处的账户注册期间自我报告个人/人口统计信息,则这些方法可能导致不准确的人口统计印象结果。用户为何在注册针对数据库所有方服务时报告错误的或不准确的人口统计信息的原因可能有很多。在数据库所有方站点(例如,社交媒体站点)的用于收集人口统计信息的自我报告注册处理不会有助于确定自我报告的人口统计信息的真实性。为了分析和调整不准确的人口统计信息,评级实体子系统106和数据库所有方子系统108、110可以使用2011年8月12日提交的名称为“Methods and Apparatus to Analyze and Adjust Demographic Information”的美国专利申请No.13/209,292中所公开的示例性方法、系统、设备和/或制品,此处通过引用将其整体并入本文。
转向图6,在所例示的示例中,评级系统子系统106每天生成小组成员广告宣传活动级别年龄/性别和印象构成表600。可以针对内容和/或其它媒体生成类似的表。另外或另选地,除了广告,媒体也可以被添加到表600。示例性评级实体子系统106按如结合图5所述的同一方式如图6所示的把年龄和性别构成列成印象分布。如图6所示,小组成员广告宣传活动级别年龄/性别和印象构成表600也包括年龄/性别列602、印象列604、频率列606和印象构成列608。在图6例示的示例中,印象是基于PC和TV小组成员114和在线小组成员116来计算的。
在创建图5和图6的宣传活动级别年龄/性别和印象构成表500和600之后,评级实体子系统106创建图7中所示的组合的宣传活动级别年龄/性别和印象构成表700。具体地,评级实体子系统106组合来自图5和图6的印象构成列508和608的印象构成百分比,以对评级实体小组成员和社交网络用户之间的年龄/性别印象分布差别进行比较。
如图7所示,组合的宣传活动级别年龄/性别和印象构成表700包括误差加权列702,其存储指示评级实体小组成员和数据库所有方的用户(例如,社交网络用户)的印象构成之间差别的均方误差(MSE)。可以使用以下的算式4来确定加权后的MSE。
算式4
加权后的MSE=(α*IC(RE)+(1-α)IC(DP))
在以上算式4中,加权变量(α)表示MSE(SN)/MSE(RE)的比,或与它们的MSE成反比对构成加权的一些其它函数。如算式4所示,加权变量(α)乘以评级实体的印象构成(IC(RE)),以生成评级实体加权印象构成(α*IC(RE))。然后数据库所有方(例如,社交网络)的印象构成(IC(DP))与1和加权变量(α)之间的差相乘,以确定数据库所有方加权印象构成((1-α)IC(Dp))。
在所例示的示例中,评级实体子系统106通过对MSE的分布进行加权,可以平滑或校正在印象构成之间的差别。MSE值解释了采样规模变化或由小的采样规模引起的数据的弹跳。
转向图8,评级系统子系统106确定在年龄/性别印象分布表800中的范围和误差校正后的印象构成。年龄/性别印象分布表800包括年龄/性别列802、印象列804、频率列806、范围列808和印象构成列810。印象列804存储对应于由评级实体子系统106(例如,基于由网络客户端计量器222记录的印象的印象监测系统132和/或小组收集平台210)跟踪的印象的误差加权的印象值。具体地,印象列804中的值可以通过将来自图7的误差加权列702的加权的MSE值与来自图6的印象列604的相应印象值相乘来得到。
频率列806存储由数据库所有方子系统108跟踪的印象的频率。印象的频率从图5的数据库所有方宣传活动级别年龄/性别和印象构成表500的频率列506引入频率列806。对于从表500漏掉的年龄/性别组,从图6的评级实体宣传活动级别年龄/性别和印象构成表600获得频率值。例如,数据库所有方宣传活动级别年龄/性别和印象构成表500不具有小于12岁(<12)的年龄/性别组。因此,从评级实体宣传活动级别年龄/性别和印象构成表600获得频率值3。
范围列808存储表示针对各个年龄/性别组的内容和/或广告102(图1)的一个或更多个的范围的范围值。可以通过将来自印象列804的各自印象值除以来自频率列806的相应频率值来确定范围值。印象构成列810存储指示每年龄/性别组印象的百分比的值。在所例示的示例中,频率列806中的最后的总频率等于总印象除以总范围。
图9、图10、图11、图12、图14和图17-图19是表示可被运行以实现本文描述的方法和设备的机器可读指令的流程图。可以使用机器可读指令实现图9、图10、图11、图12、图14和图17-图19的示例性处理,当运行机器可读指令时,使得装置(例如,可编程控制器、处理器、其它可编程机器、集成电路或逻辑电路)执行图9、图10、图11、图12、图14和图17-图19所示的操作。作为例子,可以使用处理器、控制器和/或任何其它合适的处理装置执行图9、图10、图11、图12、图14和图17-图19的示例性处理。例如,可以使用存储在诸如闪速存储器、只读存储器(ROM)和/或随机访问存储器(RAM)之类的有形机器可读媒介上的编码指令来实现图9、图10、图11、图12、图14和图17-图19的示例性处理。
如本文中使用的,术语有形计算机可读媒介被明确地限定为包括任何类型的计算机可读存储器并且不包括传播信号。另外或另选地,可以使用存储在诸如闪速存储器、只读存储器(ROM)、随机访问存储器(RAM)、高速缓存或在其中信息存储任何持续时间(例如,扩展时段、永久、短时、临时缓冲、和/或信息高速缓存)的任何其它存储介质之类的非瞬时性计算机可读媒介上的编码指令(例如,计算机可读指令)来实现图9、图10、图11、图12、图14和图17-图19的示例性处理。如本文中使用的,术语非瞬时性计算机可读媒介明确地被限定为包括任何类型的计算机可读媒介但不包括传播信号。
另选地,可以使用专用集成电路(ASIC)、可编程逻辑装置(PLD)、现场可编程逻辑装置(FPLD)、离散逻辑、硬件、固件等的任意组合来实现图9、图10、图11、图12、图14和图17-图19的示例性处理。同样,图9、图10、图11、图12、图14和图17-图19的示例性处理可以被实现为上述任何技术的任意组合,例如,固件、软件、离散逻辑和/或硬件的任何组合。
虽然参照图9、图10、图11、图12、图14和图17-图19的流程图描述了图9、图10、图11、图12、图14和图17-图19的示例性处理,但是可以采用实现图9、图10、图11、图12、图14和图17-图19的处理的其它方法。例如,可以改变块的运行顺序,和/或可以改变、去除、细分或组合一些块。另外,可以通过例如单独的处理线程、处理器、装置、离散逻辑、电路等顺序执行和/或并行执行图9、图10、图11、图12、图14和图17-图19的示例性处理的一个或两个。
转向图9进行详细说明,图1的评级实体子系统106可以执行所描述的处理以从合作方收集人口统计和印象数据,并且估计准确性和/或调整其小组成员114、116的人口统计数据。图9的示例性处理收集与评级实体子系统106的小组成员成员(例如,图1的小组成员114和116)交叠的一个或更多个合作方(例如,图2和图3的合作方206和208)的注册用户的人口统计和印象数据,以及来自与不是评级实体子系统106的注册小组组员的用户对应的合作方站点的人口统计和印象数据。将所收集的数据与在评级实体收集的其它数据组合,以确定在线GRP。结合图1的示例性系统100和图2的示例性系统200一起描述图9的示例性处理。
初始地,GRP报告生成器130(图1)从印象监测系统132接收每独特用户的印象237(图2)(块902)。GRP报告生成器130从一个或更多个合作方接收基于印象的总计人口统计(例如,图5的合作方宣传活动级别年龄/性别和印象构成表500)(块904)。在所例示的示例中,合作方206、208的注册用户的用户ID不被GRP报告生成器130接收。作为代替,合作方206、208去除用户ID,并且人口统计桶(bucket)级别(例如,年龄在13-18的男性,年龄在13-18的女性等)聚集合作方宣传活动级别年龄/性别和印象构成表500中的基于印象的人口统计。然而,对于合作方206、208还向GRP报告生成器130发送用户ID的例子,基于例如上述双重加密技术以加密的格式交换这样的用户ID。
对于印象监测系统132更改站点ID并且在信标响应306中发送更改后的站点ID的示例,合作方基于这些更改的站点ID记录印象。在这样的示例中,在块904从合作方收集的印象是由合作方对照更改的站点ID所记录的印象。当评级实体子系统106接收到具有更改的站点ID的印象时,GRP报告生成器130识别针对从合作方接收的印象的站点ID(块906)。例如,GRP报告生成器130在信标接收和响应处理期间(例如,结合图3以上所述的)使用由印象监测系统132生成的站点ID映射310(图3)来识别与从合作方接收的印象中的更改的站点ID对应的真实的站点ID。
GRP报告生成器130从小组收集平台210接收基于每个小组成员的印象的人口统计(例如,图2的基于印象的人口统计表250)(块908)。在所例示的示例中,基于每个小组成员的印象的人口统计是与如图2的基于印象的小组人口统计表250所示的小组成员114、116(图1)的各自用户ID关联记录的印象。
GRP报告生成器130去除在块908从小组收集平台210接收到的基于每个小组成员的印象的小组人口统计250和在块902从印象监测系统接收的每独特用户的印象237之间的重复印象(块910)。这样,由印象监测系统132和网络客户端计量器222(图2)两者记录的重复印象将不会扭曲由GRP生成器130生成的GRP。另外,通过使用来自小组收集平台210的基于每个小组成员的印象的小组人口统计250和来自印象监测系统132的每独特用户的印象237,GRP生成器130具有来自冗余系统(例如,印象监测系统132和网络客户端计量器222)的印象的益处。这样,如果系统之一(例如,印象监测系统132或网络客户端计量器222之一)漏掉一个或更多个印象,则这样的印象的记录将从其它系统(例如,印象监测系统132或网络客户端计量器222的另一个)的记录的印象获得。
GRP报告生成器130生成基于印象的小组人口统计250的聚集体(块912)。例如,GRP报告生成器130聚集基于印象的小组人口统计250达到人口统计大量级别(例如,年龄在13-18的男性,年龄在13-18的女性等),以生成图6的小组成员广告宣传活动级别年龄/性别和印象构成表600。
在一些示例中,GRP报告生成器130不使用来自小组收集平台210的基于每个小组成员的印象的小组人口统计。在这样的情况下,评级实体子系统106不会依赖于诸如图2的网络客户端计量器222之类的网络客户端计量器来使用图9的示例性处理确定GRP。在这样的情况下作为代替,GRP报告生成器130基于在块902从印象监测系统132接收的每独特用户的印象237确定小组成员的印象,并且使用该结果来在块912聚集基于印象的小组人口统计。例如,如结合图2所述,每独特用户的印象表237存储关联于总印象和宣传活动ID的小组成员用户ID。这样,在不使用由网络客户端计量器222收集的基于印象的小组人口统计250的情况下,GRP报告生成器130可以基于每独特用户的印象237确定小组成员的印象。
GRP报告生成器130将来自合作方206、208的基于印象的聚集人口统计(在块904接收的)和小组成员114、116(在块912生成的)自己的人口统计数据与接收的人口统计数据进行组合(块914)。例如,例示的示例的GRP报告生成器130组合基于印象的聚集人口统计数据,以形成图7的组合的宣传活动级别年龄/性别和印象构成表700。
GRP报告生成器130确定针对块914的基于印象的人口统计的分布(块916)。在所例示的示例中,GRP报告生成器130存储在图8的年龄/性别印象分布表800中的基于印象的人口统计的分布。另外,GRP报告生成器130基于基于印象的人口统计生成在线GRP(块918)。在所例示的示例中,GRP报告生成器130使用GRP来创建GRP报告131中的一个或更多个。在一些示例中,评级实体子系统106向广告商、发布方、内容提供商、制造商和/或对这种市场资源感兴趣的任何其它实体销售或提供GRP报告131。图9的示例性处理然后结束。
现在转向图10,所描述的示例性流程图可以由客户端装置202、203(图2和图3)执行,以向网络服务提供商发送信标请求(例如,图3的信标请求304、308),以记录基于人口统计的印象。初始地,客户端装置202、203接收标记的内容和/或标记的广告102(块1002),并且向印象监测系统132发送信标请求304(块1004),以向印象监测系统132(例如,在第一因特网域)提供记录客户端装置202、203的印象的机会。客户端装置202、203基于用于等待来自印象监测系统132的响应的时间而开始计时器(块1006)。
如果未超时(块1008),客户端装置202、203确定它是否从印象监测系统132(例如,经由图3的信标响应306)接收到重新定向消息(块1010)。如果客户端装置202、203未接收到重新定向消息(块1010),则控制返回到块1008。控制停留在块1008和1010,直到(1)超时为止,在该情形中控制前进到块1016,或(2)客户端装置202、203接收到重新定向消息为止。
如果客户端装置202、203在块1010接收到重新定向消息,则客户端装置202、203向该重新定向消息中指定的合作方发送信标请求308(块1012),以向合作方给予记录客户端装置202、203的印象的机会。在针对特定标记的广告(标记的广告102)的块1012的第一情况期间,在重新定向消息中指定的合作方(或在一些示例中,非合作数据库所有方子系统110)对应于第二因特网域。在针对同一标记的广告的块1012的后续情况期间,由于信标请求被重新定向到其它合作方或非合作数据库所有方,这样的其它合作方或非合作数据库所有方对应于第三、第四、第五等因特网域。在一些示例中,重新定向消息可以指定与合作方相关联的中间方(例如,中间方服务器或子域服务器),和/或客户端装置202、203基于以下结合图13描述的重新定向消息向中间方发送信标请求308。
客户端装置202、203确定是否尝试向另一合作方发送另一信标请求(块1014)。例如,客户端装置202、203可以被构造成并行地发送某一数量的信标请求(例如,在大致上相同的时间向两个或更多个合作方发送信标请求,而不是向第二因特网域的第一合作方发送一个信标请求、等待答复、然后向第三因特网域的第二合作方发送另一信标请求、等待答复等),和/或等待在块1012从客户端装置202、203发送信标请求的当前合作方返回重新定向消息。如果客户端装置202、203确定它应当尝试向另一合作方发送另一信标请求(块1014),则控制返回块1006。
如果客户端装置202、203确定它不应当尝试向另一合作方发送另一信标请求(块1014)或在超时之后(块1008),则客户端装置202、203确定它是否已经接收到URL搜刮指令320(图3)(块1016)。如果客户端装置202、203没有接收到URL搜刮指令320(块1016),则控制前进到块1022。否则,客户端装置202、203搜刮由网络浏览器212提供的主机网站的URL(块1018),在网络浏览器212中,标记的内容和/或广告102被显示或产生(spawn)标记的内容和/或广告102(例如,在弹窗中)。客户端装置202、203向印象监测系统132发送所搜刮的URL 322(块1020)。控制然后前进到块1022,其中客户端装置202、203确定是否结束图10的示例性处理。例如,如果客户端装置202、203被关闭或处于备用模式,或如果其网络浏览器212(图2和图3)被关闭,则客户端装置202、203结束图10的示例性处理。如果该示例性处理未被结束,则控制返回到块1002以接收另一内容和/或标记的广告。否则,图10的示例性处理结束。
在一些示例中,可以从图10的示例性处理中省略来自印象监测系统132的实时重新定向消息,在该情形中,印象监测系统132不向客户端装置202、203发送重新定向指令。作为代替,客户端装置202、203参照其合作方优先级顺序cookie 220,以确定其应当向其发送重新定向的合作方(例如,合作方206和208)以及这样的重新定向的顺序。在一些示例中,客户端装置202、203向合作方优先级顺序cookie 220中所列的所有合作方基本上同时地发送重新定向(例如,逐一地,但是快速接连而不等待答复)。在这样的一些示例中,省略块1010,并且在块1012,客户端装置202、203基于合作方优先级顺序cookie 220发送下一合作方重新定向。在一些这样的示例中,也可以省略块1006和1008,或可以保留块1006和1008以向印象监测系统132提供在块1016提供URL搜刮指令320的时间。
转向图11,该示例性流程图可以由印象监测系统132(图2和图3)执行,以记录印象和/或重新定向信标请求到网络服务提供商(例如,数据库所有方)以记录印象。初始地印象监测系统132等待,直到它接收到信标请求(例如,图3的信标请求304)为止(块1102)。例示的示例的印象监测系统132经由图2的HTTP服务器232接收信标请求。当印象监测系统132接收到信标请求时(块1102),它确定cookie是否是从客户端装置202、203接收到的(块1104)。例如,如果之前在客户端装置202、203中设置小组成员监测cookie 218,则由客户端装置202、203向小组成员监测系统发送的信标请求将包括该cookie。
如果印象监测系统132在块1104确定它没有接收到信标请求中的cookie(例如,该cookie之前未在客户端装置202、203中设置),则印象监测系统132在客户端装置202、203中设置cookie(例如,小组成员监测cookie 218)(块1106)。例如,印象监测系统132可以使用HTTP服务器232向客户端装置202、203发回“设置”新的cookie(例如,小组成员监测cookie 218)的响应。
在设置cookie(块1106)之后或如果印象监测系统132接收到信标请求中的cookie(块1104),则印象监测系统132记录该印象(块1108)。例示的示例的印象监测系统132将该印象记录到图2的每独特用户的印象表237中。如上所述,印象监测系统132记录印象,而不管信标请求是否对应于匹配小组成员成员(例如,图1的小组成员114和116之一)的用户ID的用户ID。然而,如果用户ID比较器228(图2)确定用户ID(例如,小组成员监测cookie 218)匹配由评级实体子系统106的记录设置且因此存储的小组成员成员(例如,图1的小组成员114和116之一)的用户ID,则记录的印象将对应于印象监测系统132的小组成员。对于在其中用户ID匹配小组成员的用户ID的这样的示例,例示的示例的印象监测系统132将小组成员标识符与印象记录在每独特用户的印象表237中,并且随后,受众测量实体基于小组成员标识符将相应小组成员(例如,小组成员114、116相应之一)的已知人口统计与记录的印象相关联。在图6的小组成员广告宣传活动级别年龄/性别和印象构成表600中示出了在小组成员人口统计(例如,图6的年龄/性别列602)和记录的印象数据之间的这样的关联。如果用户ID比较器228(图2)确定用户ID没有对应于小组成员114、116,则印象监测系统132仍将受益于记录的印象(例如,广告印象或内容印象),即使它将不具有用于从信标请求304反映出来的印象的用户ID记录(并且因此,相应的人口统计)。
印象监测系统132选择下一合作方(块1110)。例如,印象监测系统132可以使用规则/ML引擎230(图2)来选择图2和图3的合作方206或208之一,任意地或基于针对根据规则/ML引擎230(图2)的初始重新定向的合作方206和208的顺序列表或次序,以及在块1110的后续运行期间,选择用于后续重新定向的合作方206或208的另一个。
印象监测系统132向客户端装置202、203发送包括HTTP 306重新定向(或引起重新定向通信的任何其它合适的指令)的信标响应(例如,信标响应306),以向下一合作方(例如,图2的合作方A 206)传送信标请求(例如,图3的信标请求308)(块1112),并且开始计时(块1114)。例示的示例的印象监测系统132使用HTTP服务器232发送信标响应306。在所例示的示例中,印象监测系统132发送HTTP 306重新定向(或引起重新定向通信的其它任何合适的指令)至少一次,以允许至少一个合作方站点(例如,图2和图3的合作方206或208之一)也记录同一广告(或内容)的印象。然而,在其它示例性实现方式中,印象监测系统132可以包括规则(例如,作为图2的规则/ML引擎230的一部分),以不包括来自被重新定向的一些信标请求。在块1114设置的计时可以用于等待来自下一合作方的以失败状态消息形式的实时反馈,其指示下一合作方未能在其记录中找到用于客户端装置202、203的匹配。
如果未超时(块1116),则印象监测系统132确定它是否接收到失败状态消息(块1118)。控制保留在块1116和1118,直到(1)超时,在该情形中,控制返回块1102以接收另一信标请求,或(2)印象监测系统132接收到失败状态消息。
如果印象监测系统132接收到失败状态消息(块1118),则印象监测系统132确定它是否存在应向其发送信标请求的另一合作方(块1120),以提供记录印象的另一机会。印象监测系统132可以基于智能选择处理使用图2的规则/ML引擎230或基于合作方的固定分层选择下一合作方。如果印象监测系统132确定存在应向其发送信标请求的另一合作方,则控制返回块1110。否则,图11的示例性处理结束。
在一些示例中,可以从图11的示例性处理中省略来自合作方的实时反馈,并且印象监测系统132不能向客户端装置202、203发送重新定向指令。作为代替,客户端装置202、203引用其合作方优先级顺序cookie 220,以确定应向其发送重新定向和这样的重新定向的顺序的合作方(例如,合作方206和208)。在一些示例中,客户端装置202、203向在合作方优先级顺序cookie 220中所列的所有合作方同时发送重新定向。在这样的一些示例中,省略块1110、1114、1116、1118和1120,并且在块1112,印象监测系统132向客户端装置202、203发送确定响应,无需发送下一合作方重新定向。
现在转向图12,可以运行示例性流程图以动态指定优选的网络服务提供商(或优选的合作方),从网络服务提供商使用图10和11的示例性重新定向信标请求处理请求印象的记录。连同图2的示例性系统200描述图12的示例性处理。与由特定发布方站点(例如,图3的发布方302)发出的内容和/或广告相关联的初始印象触发信标指令214(图2)(和/或在其它客户端装置的信标指令),以触发优选的合作方处的印象的记录(块1202)。在所例示的示例中,优选的合作方最初是合作方A站点206(图2和图3)。印象监测系统132(图1、2和3)从优选的合作方206接收对不匹配用户ID的反馈(块1204)。规则/ML引擎230(图2)基于在块1204接收的反馈更新用于不匹配用户ID的优选合作方(块1206)。在一些示例中,在块1206的操作期间,印象监测系统132还更新在图2的合作方优先级顺序cookie 220中的优选合作方的合作方优先级顺序。后续印象触发信标指令214(和/或在其它装置202、203的信标指令),以基于各个用户ID向不同的相应优选合作方具体地发送用于记录印象的请求(块1208)。也就是说,在小组成员监测cookie 218和/或合作方cookie 216中的一些用户ID可以与一个优选的合作方相关联,同时作为块1206的操作的结果,其它的用户ID现在也与不同的优选合作方相关联。图12的示例性处理然后结束。
图13描绘了可以用于基于由一个或更多个数据库所有方收集的信息确定媒体(例如,内容和/或广告)印象的示例性系统1300。示例性系统1300是图2和图3中例示的系统200和300的另一示例,在其中在客户端装置1304和合作方1310、1314之间提供中间方1308、1312。本领域技术人员将理解的是,图2和图3的描述和图8-12的相应流程图适用于同时包括中间方1308、1312的系统1300。
根据例示的示例,发布方1302向客户端装置1304传送广告或其它媒体内容。发布方1302可以是结合图3描述的发布方302。客户端装置1304可以是结合图2和图3描述的小组成员客户端装置202或非小组成员装置203或任何其它客户端装置。如上所述,广告或其它媒体内容包括命令客户端装置向印象监测系统1306发送请求的信标。
印象监测系统1306可以是结合图1-3描述的印象监测系统132。例示的示例的印象监测系统1306从客户端装置1304接收信标请求,并且向客户端装置1304传送重新定向消息,以命令客户端向一个或更多个中间方A 1308、中间方B 1302或诸如另一中间方、合作方等的任何其它系统发送请求。印象监测系统1306还从一个或更多个中间方A 1308和中间方B 1312接收关于合作方cookie的信息。
在一些示例中,印象监测系统1306可以在重新定向消息中插入客户端的标识符,其由印象监测系统1306建立并且识别客户端装置1304和/或其用户。例如,客户端的标识符可以是存储在由印象监测系统1306或其它任何实体在客户端处设置的cookie中的标识符、由印象监测系统1306或任何其它实体等分配的标识符。在一些示例中,可以加密、混淆、或验证客户端的标识符,以防止由中间方1308、1312或合作方1310、1314对标识符的跟踪。根据例示的示例,将客户端的标识符包括于到客户端装置1304的重新定向消息中,以使得当客户端装置1304遵循重新定向消息时,客户端装置1304向中间方1308、1312传送客户端的标识符。例如,客户端的标识符可以包括于在重新定向消息中包括的URL中,以使得客户端装置1304向中间方1308、1312传送客户端的标识符而作为响应于重新定向消息发送请求的因素。
例示的示例的中间方1308、1312从客户端装置1304接收重新定向的信标请求,并且向合作方1310、1314传送关于请求的信息。示例性中间方1308、1312对内容配送网络(例如,内容配送网络的一个或更多个服务器)有用,以确保客户端可以迅速发送请求,而无需使得访问来自发布方1302的内容的实质中断。
在本文公开的示例中,在域(例如,“partnerA.com”)中设置的cookie可以通过与在其中设置cookie的域对应的子域(例如,“intermediary.partnerA.com”)的服务器来访问。在一些示例中,逆处理也是正确的,使得在子域(例如,“intermediary.partnerA.com”)中设置的cookie可以通过与在其中设置cookie的子域(例如,“intermediary.partnerA.com”)对应的根域(例如,根域“partnerA.com”)的服务器来访问。如本文中使用的,术语域(例如,网络域、域名等)包括根域(例如,“domain.com”)和子域(例如,“a.domain.com”、“b.domain.com”、“cd.domain.com”等)。
为了使示例性中间方1308、1312分别接收与合作方1310、1314相关联的cookie信息,合作方1310、1314的子域被分配到中间方1308、1312。例如,合作方A 1310可以向与用于合作方A 1310的域相关联的域名系统中的子域注册与中间方A 1308相关联的因特网地址。另选地,可以以任何其它方式将子域与中间方相关联。在这样的示例中,为合作方A 1310的域名设置的cookie可以从客户端装置1304传送到中间方1308,当客户端装置1304向中间方A 1308传送请求时,该中间方A 1308被分配与合作方A 1310的域相关联的子域名。
示例性中间方1308、1312向合作方1310、1314分别传送包括宣传活动ID和接收的cookie信息的信标请求信息。该信息可以在中间方1308、1312处存储,使得它可以批量地向合作方1310、1314发送。例如,可以在每天结束附近、在每周结束附近、在接收到阈值数量的信息之后等可以传送接收的信息。另选地,可以在收到时立即传送信息。可以加密、混淆、验证等宣传活动ID,以防止合作方1310、1314识别出宣传活动ID对应的内容或相反保护内容的身份。可以在印象监测系统1306处存储宣传活动ID信息的查找表,使得从合作方1310、1314接收的印象信息可以与内容相关。
例示的示例的中间方1308、1312也向印象监测系统1306传送合作方cookie的可利用性的指示。例如,当在中间方A 1308处接收到重新定向的信标请求时,中间方A 1308确定重新定向的信标请求是否包括用户合作方A 1310的cookie。当接收到用于合作方A 1310的cookie时,中间方A 1308向印象监测系统1306发送通知。另选地,中间方1308、1312可以传送关于合作方cookie的可利用性的信息,而不管是否接收到cookie。在其中印象监测系统1306包括重新定向消息中的客户端的标识符,并且在中间方1308、1312接收到客户端的标识符,中间方1308、1312可以具有关于传送到印象监测系统1306的合作方cookie的信息的客户端的标识符。印象监测系统1306可以使用关于合作方cookie的存在的信息来确定如何重新定向失败信标请求。例如,印象监测系统1306可以决定不用将客户端重新定向到与合作方1310、1314相关联的中间方1308、1312,使用该合作方1310、1312,印象监测系统1306被确定为客户端不具有cookie。在一些示例中,关于特定客户端是否具有与合作方相关联的cookie的信息可以被周期地恢复以引起cookie失效并且设置新的cookie(例如,在合作方之一处的最近的注册或登记)。
中间方1308、1312可以通过与内容测量实体(例如,提供印象监测系统1306的内容测量实体)相关联的服务器来实现。另选地,中间方1308、1312可以通过与合作方1310、1314分别相关联的服务器来实现。在其它示例中,可以通过诸如内容配送网络之类的第三方来提供中间方。
在一些示例中,提供中间方1308、1312以防止合作方1310、1314和客户端装置1304之间的直连,以防止来自重新定向的信标请求的一些信息被传送到合作方1310、1314(例如,以防止REFERRER_URL被传送到合作方1310、1314),以降低在与经重新定向的指标请求相关联的合作方1310、1314处的网络流通量的数量,和/或向印象监测系统1306传送实时或接近实时的是否由客户端装置1304提供合作方cookie的指示。
在一些示例中,通过合作方1310、1314信赖中间方1308、1312,以防止机密数据被传送到印象监测系统1306。例如,中间方1308、1312可以在向印象监测系统1306传送信息之前去除存储在合作方cookie中的标识符。
合作方1310、1314从中间方1308、1312接收包括宣传活动ID和cookie信息的信标请求信息。合作方1310、1314基于该cookie信息确定用于客户端装置1304的用户的身份和人口统计。示例性合作方1310、1314基于与印象相关联的确定的人口统计跟踪用于宣传活动ID的印象。基于跟踪的印象,示例性合作方1310、1314生成报告(之前描述的)。报告可以被发送给印象监测系统1306、发布方1302、供应由发布方1302提供的广告的广告商、媒体内容中心或对报告感兴趣的其它人或实体。
图14是表示可以运行示例性机器可读指令以处理中间方处的经重新定向的请求的流程图。结合示例性中间方A 1308描述图14的示例性处理。一些或所有块可以另外或另选地由图13的一个或更多个示例性中间方B 1312、合作方1310、1314或结合图1-3描述的其它合作方来执行。
根据例示的示例,中间方A 1308从客户端装置1304接收重新定向的信标请求(块1402)。中间方A 1308确定客户端装置1304是否在重新定向的信标请求中传送与合作方A 1310相关联的cookie(块1404)。例如,当中间方A 1308被分配作为合作方A 1310的子域的域名时,客户端装置1304将向中间方A 1308传送由合作方A 1310设置的cookie。
当重新定向的信标请求不包括与合作方A 1310相关联的cookie时(块1404),控制前进到下文描述的块1412。当重新定向的信标请求包括与合作方A 1310相关联的cookie时(块1404),中间方A 1308通知印象监测系统1306存在cookie(块1406)。该通知可以另外包括与经重新定向的信标请求相关联的信息(例如,源URL、宣传活动ID等)、客户端的标识符等。根据例示的示例,中间方A 1308存储在重新定向的信标请求中包括的宣传活动ID以及合作方cookie信息(块1408)。中间方A 1308可以另外存储与重新定向的信标请求相关联的其它信息,诸如例如源URL、引用URL等。
示例性中间方A 1308然后确定存储的信息是否应当被传送到合作方A 1310(块1408)。例如,中间方A 1308可以确定信息应当被立即传送,可以确定已经接收到阈值数量的信息,可以确定基于时刻等传送信息。当中间方A 1308确定不应当传送信息时(块1408),控制前进到块1412。当中间方A 1308确定应当传送信息时(块1408),中间方A 1308向合作方A 1310传送存储的信息。存储的信息可以包括与单个请求相关联的信息,与来自单个客户端的多个请求相关联的信息,与来自多个客户端的多个请求相关联的信息等。
根据例示的示例,中间方A 1308然后确定是否应当通过客户端装置1304联系下一中间方和/或合作方(块1412)。当未接收到与合作方A 1310相关联的cookie时,示例性中间方A 1308确定是否应当联系下一合作方。另选地,每当接收到重新定向的信标请求,与合作方cookie相关,中间方A 1308可以确定是否应当联系下一合作方。
当中间方A 1308确定应当联系下一合作方时(例如,中间方B 1314)(块1412),中间方A 1308向客户端装置1304传送信标重新定向消息以指示客户端装置1304应当向中间方B 1312发送请求。在传送重新定向消息之后(块1414)或当中间方A 1308确定不应当联系下一合作方时(块1412),图14的示例性处理结束。
虽然图14的示例描述了在其中各个中间方1308、1312选择性地或自动的以链式传送识别下一中间方1308、1312的重新定向消息,但是其它方法被实现。例如,来自印象监测系统1306的重新定向消息可以识别多个中间方1308、1312。在这种示例中,重新定向消息可以命令客户端装置1304向各个中间方1308、1312(或子集)并行地发送对各个中间方1308、1312的请求,可以命令客户端装置1304使用JavaScript向各个人口统计并行地发送请求(例如,使用支撑并行运行的JavaScript指令)。
虽然结合中间方A描述了图14的示例,但是图14的一些或所有块可以通过中间方B 1312、一个或更多个合作方1310、1314、本文描述的任何其它合作方、或任何其它实体或系统来执行。另外或另选地,图14的多种情况(或本文描述的任何其它指令)可以并行地在许多位置执行。
图15是包括用于印象监测系统和多个数据库所有方的示例性用户标识符1502-1512和人口统计信息1514-1522的表1500。可以通过图2和/或3的示例性印象监测系统132生成和/或维护示例性表1500,以使多个数据库所有方(例如,图2-3的合作方206、208、209)之间的用户标识符相关,并且确定用于用户标识符的人口统计信息。
示例性表1500包括由示例性合作方206、208、209响应于同一印象的信标请求而提供的用户标识符1504-1512。由图15的示例性数据库所有方DP1-DP5的每个通过辨识对应于各自数据库所有方DP1-DP5的用户的各自cookie来确定示例性用户标识符1504-1512。示例性数据库所有方DP1-DP5向印象监测系统132提供用户标识符1504-1512(例如,向图2人口统计收集器229)以及向数据库所有方DP1-DP5提供独特用户标识符1502(例如,在图3的信标请求308)。示例性印象监测系统132(例如,经由图2的用户ID比较器228)匹配用户标识符1504-1512,通过将它们放入如图15所示的同一对应行,用户标识符1504-1512对应于相同的独特用户标识符1502。
除了示例性用户标识符1504-1512之外,示例性数据库所有方DP1-DP5提供指示人口统计群体的人口统计数据1514-1522,通过它,数据库所有方DP1-DP5认为用户标识符1502-1512是关联的。在图15的示例中,3个数据库所有方DP1-DP3指示用户属于男性年龄18-25的人口统计群体。数据库所有方DP4指示用户属于男性年龄26-35的人口统计群体。数据库所有方DP5指示用户属于女性年龄46-60的人口统计群体。在大多数投票的方法下,示例性印象监测系统132的示例性印象特征化器235确定所有的用户标识符1502-1512与男性年龄18-25的人口统计群体相关联。基于应用的权重,加权的投票机制可取的不同的结果。
图16是包括用于印象监测系统和多个数据库所有方的示例性印象标识符1602、用户标识符1604和人口统计信息的表1600。如示例性表1600所例示的,示例性印象监测系统132可以向数据库所有方DP1-DP5不同之一提供不同的印象标识符(和/或用户标识符),和/或可以向示例性数据库所有方DP1-DP5的每个提供相同的印象标识符1602。
示例性用户ID比较器228维护印象标识符1602(例如,通过将与相同客户端装置202、203相关联的印象标识符1602与相同的独特用户标识符相关联)之间的关系。当从数据库所有方DP1-DP5接收到人口统计信息和用户标识符时,示例性用户ID比较器228和/或示例性印象特征化器235基于存储的关系信息联系用于不同印象标识符1602的人口统计信息和用户标识符。提供印象来自于相同的用户标识符1604-1612,并且向示例性印象监测系统132(例如,向人口统计收集器229)提供与用户标识符1604-1612相关联的用户标识符1604-1612和人口统计信息1614-1622以及相应的印象标识符1602。
图17是表示示例性机器可读指令1700的流程图,当运行时,使得机器使用分布式人口统计数据确定用于印象和/或响应的人口统计。图1的评级实体子系统106可以运行描述的指令以从合作方收集人口统计和印象数据,并且以确定用于印象和/或响应方(例如,用户)的人口统计。图17的示例性处理收集用于也是评级实体子系统106的小组成员成员(例如,图1的小组成员114和116)的多个合作方(例如,图2和图3的合作方206、208、209)的注册用户的人口统计和印象数据,并且还从不是评级实体子系统106的注册小组组员的用户的合作方站点收集人口统计和印象数据。收集的数据与在评级实体处收集的其它数据(例如,印象数据)进行组合,以确定在线GRP。结合图1的示例性系统100和图2的示例性系统200描述图17的示例性处理。
示例性GRP报告生成器130(图1)从印象监测系统132(例如,从印象特征化器235、从发布方/宣传活动/用户目标数据库234)接收每独特用户的印象237(图2)(块1702)。GRP报告生成器130从一个或更多个合作方接收基于响应方和/或基于印象的人口统计(例如,人口统计信息、合作方用户标识符、用户标识符、和/或印象监测系统132用户标识符)(块1704)。基于例如以上所述的双重加密技术,基于响应方和/或基于印象的人口统计可以以加密格式进行交换。
对于在其中印象监测系统132更改站点ID并且在信标响应306中发送更改的站点ID的示例,合作方基于这些更改的站点ID记录印象。在这样的示例中,在块1704从合作方收集的印象是由合作方对照更改的站点ID记录的印象。当评级实体子系统106接收印象以及更改的站点ID,GRP报告生成器130识别用于从合作方接收的印象的站点ID(块1706)。例如,在信标接收和响应处理期间(例如,结合图3以上所述的),GRP报告生成器130使用由印象监测系统132生成的站点ID映射310(图3)来识别对应于在从合作方接收的印象中的更改的站点ID的真实站点ID。
例示的示例的GRP报告生成器130从小组收集平台210接收基于每个小组成员的印象的人口统计(例如,图2的基于印象的小组人口统计表250)(块1708)。在所例示的示例中,基于每个小组成员的印象的人口统计是结合如图2的基于印象的小组人口统计表250所示的小组成员114、116(图1)的各自用户ID所记录的印象。
例示的示例的GRP报告生成器130从在块1702从印象监测系统132接收的小组收集平台210和每独特用户的印象237中去除基于每个小组成员的印象的小组人口统计250之间的重复印象(块1710)。这样,由印象监测系统132和网络客户端计量器222(图2)两者记录的重复印象将不会扭曲由GRP生成器130生成的GRP。另外,通过使用来自小组收集平台210的基于每个小组成员的印象的小组人口统计250和来自印象监测系统132的每独特用户的印象237,GRP生成器130具有来自冗余系统(例如,印象监测系统132和网络客户端计量器222)的印象的益处。这样,如果系统之一(例如,印象监测系统132或网络客户端计量器222之一)漏掉一个或更多个印象,则这样的印象的记录将从其它系统(例如,印象监测系统132或网络客户端计量器222的另一个)的记录印象获得。
例示的示例的GRP报告生成器130生成基于印象的小组人口统计250的聚集体(块1712)。例如,GRP报告生成器130聚集基于印象的小组人口统计250达到人口统计大量级别(例如,年龄在13-18的男性,年龄在13-18的女性等),以生成图6的小组成员广告宣传活动级别年龄/性别和印象构成表600。
在一些示例中,GRP报告生成器130没有使用来自小组收集平台210的基于每个小组成员的印象的小组人口统计。在这样的情况下,评级实体子系统106不会依赖于诸如图2的网络客户端计量器222之类的网络客户端计量器来使用图17的示例性处理确定GRP。在这样的情况下作为代替,GRP报告生成器基于在块1702从印象监测系统132接收的每独特用户的印象237确定小组成员的印象,并且使用该结果来在块1712聚集基于印象的小组人口统计。例如,如结合图2所述,每独特用户的印象表237存储关联于总印象和宣传活动ID的小组成员用户ID。这样,GRP报告生成器130可以基于每独特用户的印象237确定小组成员的印象,而无需使用由网络客户端计量器222收集的基于印象的小组人口统计250。
示例性印象监测系统132基于合作方人口统计数据(例如,来自合作方206、208、209的基于响应方和/或基于印象的人口统计)确定用于响应方的人口统计(块1714)。例如,印象监测系统132可以使用大多数投票方案、加权的投票方案、和/或基于来自多个合作方(例如,3个或更多个)的人口统计数据解决响应方的人口统计的任何其它方法。以下参照图17描述实现图17的块1714的示例性处理。
GRP报告生成器130将来自合作方206、208、209的确定的人口统计数据(在块1714确定的)和小组成员114、116(在块1712生成的)的人口统计数据进行组合(块1716)。例如,例示的示例的GRP报告生成器130组合基于印象的聚集人口统计数据以形成图7的组合的宣传活动级别年龄/性别和印象构成表700。
GRP报告生成器130确定用于块1714的基于印象的人口统计的分布(块1718)。在所例示的示例中,GRP报告生成器130存储在图8的年龄/性别印象分布表800中的基于印象的人口统计的分布。另外,GRP报告生成器130基于基于印象的人口统计生成在线GRP(块1720)。在所例示的示例中,GRP报告生成器130使用GRP创建一个或更多个GRP报告131。在一些示例中,评级实体子系统106向广告商、发布方、内容提供商、制造商和/或对这种市场资源感兴趣的任何其它实体销售或提供GRP报告131。图17的示例性处理然后结束。
图18是表示示例性机器可读指令1800的流程图,当运行时,使得机器确定来自从多个数据库所有方获得的人口统计数的响应方的人口统计。示例性指令1800可以由图1、2和/或3的示例性印象监测系统132和/或示例性GRP报告生成器130来运行,以实现图17的块1714。
示例性印象监测系统132(例如,经由图2的人口统计加权器231)选择用户标识符(例如,图15的独特用户标识符1502)(块1802)。示例性人口统计加权器231选择合作方(例如,从其为用户标识符接收的人口统计信息的合作方206、208、209)(块1804)。示例性人口统计加权器231对从选择的合作方为选择的用户标识符接收的人口统计数据进行加权(块1806)。例如,人口统计加权器231可以应用对应于合作方的存储的权重。在一些示例中,基于为选择的用户标识符提供的人口统计数据和/或选择的合作方为选择的用户标识符确定人口统计数据所采用的方法,人口统计加权器231将权重应用到选择的合作方。基于例如如通过测试显示的选择的合作方的准确性,可以周期地或非周期地更新权重。以下参照图19描述设置和/或更新合作方206、208、209的权重的示例性处理。
示例性人口统计加权器231确定是否存在用于选择的用户标识符的另外的合作方人口统计数据(块1808)。如果存在另外的合作方人口统计数据(块1808),则控制返回块1804以选择另一合作方。当已经对用于选择的用户标识符的合作方人口统计数据进行加权时(例如,不存在用于选择的用户的另外的合作方人口统计数据,块1808),示例性印象特征化器235确定大多数合作方人口统计数据(例如,5个合作方人口统计数据中的至少3个,7个合作方人口统计数据中的至少4个等)是否具有相同的用于选择的用户的人口统计群体(块1810)。
如果通过大多数合作方人口统计数据识别出相同的人口统计群体(例如,5个合作方的至少3个提供相同的人口统计数据,而不管权重)(块1810),则示例性印象特征化器235确定用于选择的用户的人口统计群体为所识别的大多数人口统计群体(块1812)。另一方面,如果人口统计群体不具有大多数合作方人口统计数据(块1810),则示例性印象特征化器235确定人口统计群体为具有选择的用户的最高组合权重的人口统计群体(块1814)。
例如,假设5个合作方中的2个(例如,图15的DP1和DP2)提供第一相同人口统计群体(例如,男性,年龄18-25)的指示,并且5个合作方的不同2个(例如,DP3和DP4)提供第二相同人口统计群体(例如,男性,年龄26-35)的指示。示例性人口统计加权器231(和/或权重生成器233)确定DP1的权重为0.6,DP2的权重为0.7,DP3的权重为0.5,DP4的权重为0.3,DP5的权重为0.3。对第一人口统计群体(例如,男性,年龄18-25)给出的总权重为1.3(例如,DP1和DP2的权重的和),并且对第二人口统计群体(例如,男性,年龄26-35)给出的总权重为0.8(例如,DP3和DP4的权重的和)。示例性印象特征化器235确定用于选择的用户的人口统计数据(例如,人口统计特征)为从报告(或,识别)相同人口统计群体并且具有最高总权重的合作方DP1和DP2接收的人口统计群体(例如,男性,18-25)。
在确定选择的用户的人口统计群体之后(块1812、块1814),示例性人口统计加权器231和/或示例性印象特征化器235确定是否存在为其确定人口统计的另外的用户标识符(块1816)。如果存在另外的用户标识符(块1816),则控制返回块1802以选择另一用户标识符。当不存在另外的用户标识符时(块1816),示例性印象特征化器235返回响应方级别人口统计信息(块1818)。示例性指令1800结束并且控制返回图17的块1716。
虽然图18中例示了示例性投票方案,但是可以使用另选的投票方案。例如,可以基于提供人口统计数据的可用合作方206、208、209的数量,在每个响应方或每个印象基础上选择投票方案。
在一些示例中,直接大多数方案省略了对合作方应用权重。使用直接大多数投票方案,通过为人口统计群体确定投票的大多数合作方识别示例性人口统计群体。在这种示例中,省略块1804-1808。当大多数不存在直接大多数投票方案时,示例性印象特征化器235可以从其选择默认合作方,以使用人口统计数据、选择任意的人口统计或确定用于选择的用户的人口统计数据。
图19是表示示例性机器可读指令1900的流程图,当运行时,使得机器对从数据库所有方(例如,图2和/或3的合作方206、208、209)获得的人口统计信息进行加权(或重新加权)。图19的示例性指令1900可被运行以实现图2的印象监测系统132的示例性权重生成器233。
示例性权重生成器233获得合作方当前的权重(例如,从存储装置)(块1902)。示例性权重生成器233选择合作方(块1904),并且确定选择的合作方是否具有当前的权重(块1906)。例如,如果合作方最近刚被增加为合作方,则选择的合作方不会具有当前的权重。
如果合作方不具有权重(块1906),示例性权重生成器233对合作方系统应用测试数据集(块1908)。可以使用与人口统计特征所知的小组成员相关联一组客户端装置执行应用测试数据集。示例性权重生成器233可以使得小组成员的客户端装置向选择的合作方网站(例如,包括存储在小组成员的客户端装置上的用于选择的合作方的任何cookie)发送信标请求。示例性合作方向权重生成器233提供响应方人口统计信息。示例性权重生成器233基于合作方人口统计数据对测试数据的准确性(例如,小组成员的已知人口统计特征)确定用于选择的合作方的权重(块1910)。
如果合作方具有当前的权重(块1906),则示例性权重生成器233确定选择的合作方的人口统计数据是否与至少阈值百分比的预定人口统计数据(例如,基于来自多个数据提供商的投票方案确定的人口统计数据)相一致(块1912)。例如,如果选择的合作方的人口统计数据为用于阈值百分比的响应方和/或印象(例如,60%以上的时间)的选择的(例如,大多数投票的)人口统计群体做出贡献,则选择的合作方可以被更高地进行加权(例如,更可靠,较高质量)。相反,如果选择的合作方的人口统计数据不同于用于阈值百分比的响应方和/或印象(例如,40%以上的时间)的选择的(例如,大多数投票的)人口统计群体,则选择的合作方可以被更低地进行加权(例如,低可靠,较低质量)。
如果合作方人口统计数据与低于阈值百分比的确定人口统计数据相一致(块1912),则示例性权重生成器233减小选择的合作方的权重(块1914)。另一方面,如果合作方人口统计数据与至少阈值百分比的确定人口统计数据相一致(块1912),则示例性权重生成器233增大选择的合作方的权重(块1916)。对于各个示例性合作方(例如,基于合作方的当前权重或可靠性和/或基于它们用于收集和/或推论数据的方法),示例性阈值可以是不同的。另外或另选地,可以使用多个阈值和/或多个调整级别。如果用于选择的合作方的人口统计数据高于下阈值百分比但低于上阈值百分比,则示例性权重生产期233可以既不增大也不减小选择的合作方的权重。
在增大(块1916)或减小(块1914)选择的合作方的权重之后,或在根据测试数据确定选择的合作方的权重之后(块1910),示例性权重生成器233确定是否存在待加权的另外的合作方(例如,初始加权、更新)(块1918)。如果存在待加权的另外的合作方(块1918),则控制返回块1904以选择另一合作方。当不再存在待加权的合作方时(块1918),示例性权重生成器233存储合作方权重(例如,在存储装置中)(块1920)。示例性指令1900结束。
图20是可以用于实现本文公开的示例性设备、方法、制品和/或系统的示例性处理器系统2010的结构图。如图20所示,处理器系统2010包括耦接到互连总线2014的处理器2012。处理器2012可以是任何合适的处理器、处理单元或微处理器。虽然在图20中未示出,但是系统2010可以是多处理器系统且因而可以敖阔一个或更多个与处理器2012相同或相似且通信地耦接到互连总线2014的附加处理器。
图20的处理器2012耦接到包括存储器控制器2020和输入/输出(I/O)控制器2022的芯片集2018。芯片集提供I/O和存储器管理功能以及可以被耦接到芯片集2018一个或更多个处理器访问或使用的多个通用目的和/或专用目的寄存器、定时器等。存储器控制器2020执行这种功能:其使处理器2012(或如果存在多个处理器则为多个处理器)能够访问系统存储器2024、大容量存储器2025和/或光学介质2027。
一般而言,系统存储器2024可以包括任意所需类型的易失性和/或非易失性存储器,诸如,例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、闪速存储器、只读存储器(ROM)等。大容量存储器2025可以包括任意所需类型的大容量存储装置,包括硬盘驱动、光学驱动器、磁带存储装置等。光学介质2027可以包括任何所需类型的光学介质,例如数字通用盘(DVD)、质密盘(CD)或蓝光光盘。图9-图12、图14和图17-图19的任一个的指令可以存储在由系统存储器2024、大容量存储器2025、光学介质和/或任何其它介质代表的任何有形介质中。
I/O控制器2022执行这样的功能:使处理器2012能够经由I/O总线2032与外围输入/输出(I/O)装置2026和2028和网络接口2030通信。I/O装置2026和2028可以是任意所需类型的I/O装置,诸如,例如键盘、视频显示器或监测器、鼠标等。网络接口2030例如可以是使处理器系统2010能够与另一处理器系统相通信的以太网装置、异步传输模式(ATM)装置、802.11装置、数字用户线(DSL)调制解调器、线缆调制解调器、蜂窝调制解调器等。
虽然存储器控制器2020和I/O控制器2022在图20中被描述为芯片集2018内的分离的功能块,但是由这些块执行的功能可以被集成在单个半导体电路内或可以使用两个或更多个分离的集成电路来实现。
虽然上文公开了用于从客户端向服务器传送标识信息的cookie的使用,但是可以使用用于从客户端向服务器传送标识信息的任何其它系统或其它装置。例如,标识信息或由本文公开的cookie的任何一个提供的任何其它信息都可通过Adobe客户端标识符、存储在HTML5数据存储中的标识信息等来提供。本文描述的方法和设备不限于采用cookie的实现方式。
虽然本文已经描述了某些示例性方法、设备、系统和制品,但是本专利涵盖的范围并不限于此。相反,本专利涵盖了字面上或等同原理下落入权利要求范围内的所有方法、设备、系统和制品。
Claims (23)
1.一种方法,该方法包括以下步骤:
从客户端装置获取针对媒体印象的媒体印象信息;
从至少三个数据库所有方获取与所述客户端装置相对应的人口统计信息;以及
利用处理器,基于从所述至少三个数据库所有方获取的所述人口统计信息来确定与所述媒体印象相关联的人口统计特征。
2.根据权利要求1所述的方法,所述方法还包括以下步骤:对来自所述至少三个数据库所有方中的每个的所述人口统计信息进行加权,确定针对媒体印象的所述人口统计特征的步骤基于所述加权。
3.根据权利要求2所述的方法,其中,对所述人口统计信息进行加权的步骤包括以下步骤:确定所述至少三个数据库所有方中的第一数据库所有方的第一权重,并且将所述第一数据库所有方的所述第一权重应用至从所述第一数据库所有方获取的、针对所述客户端装置的第一人口统计信息。
4.根据权利要求3所述的方法,所述方法还包括以下步骤:通过向所述第一数据库所有方应用测试数据并且将所述测试数据与从所述数据库所有方接收的数据进行比较,来确定针对所述第一数据库所有方的所述第一权重。
5.根据权利要求3所述的方法,所述方法还包括以下步骤:基于从所述第一数据库所有方接收的、针对所述客户端装置的所述第一人口统计信息与针对所述媒体印象的所述人口统计特征之间的比较,调节针对所述第一数据库所有方的所述第一权重。
6.根据权利要求3所述的方法,其中,对所述人口统计信息进行加权的步骤还包括以下步骤:
确定所述至少三个数据库所有方中的第二数据库所有方的第二权重;
确定所述至少三个数据库所有方中的第三数据库所有方的第三权重;
将所述第二数据库所有方的所述第二权重应用至从所述第二数据库所有方获取的、针对所述客户端装置的第二人口统计信息;以及
将所述第三数据库所有方的所述第三权重应用至从所述第三数据库所有方获取的、针对所述客户端装置的第三人口统计信息。
7.根据权利要求1所述的方法,其中,获取所述媒体印象信息的步骤包括以下步骤:获取与所述客户端装置相关联的媒体信息和标识符。
8.根据权利要求7所述的方法,所述方法还包括以下步骤:向所述客户端装置发送重新定向消息,以使所述客户端装置向所述至少三个数据库所有方中的至少一个发送请求,其中,所述至少一个数据库所有方响应于所述请求发送所述人口统计信息。
9.根据权利要求1所述的方法,其中,确定针对所述媒体印象的所述人口统计特征的步骤包括以下步骤:确定是否根据所述至少三个数据库提供商中的大多数获取相同人口统计群体。
10.一种装置,该装置包括:
人口统计收集器,该人口统计收集器从至少三个不同数据库所有方接收人口统计信息,所述人口统计信息对应于客户端装置;和
印象特征化器,该印象特征化器基于从所述至少三个数据库所有方获取的、针对所述客户端装置的所述人口统计信息来确定与媒体印象相关联的人口统计特征。
11.根据权利要求10所述的装置,其中,所述印象特征化器通过确定是否根据所述至少三个数据库提供商中的大多数获取相同人口统计群体,来确定针对所述媒体印象的所述人口统计特征。
12.根据权利要求10所述的装置,所述装置还包括:
权重生成器,该权重生成器确定所述至少三个数据库所有方中的第一数据库所有方的第一权重,确定所述至少三个数据库所有方中的第二数据库所有方的第二权重,以及确定所述至少三个数据库所有方中的第三数据库所有方的第三权重;以及
人口统计加权器,该人口统计加权器:
将所述第一数据库所有方的所述第一权重应用至从所述第一数据库所有方获取的、针对所述客户端装置的第一人口统计信息;
将所述第二数据库所有方的所述第二权重应用至从所述第二数据库所有方获取的、针对所述客户端装置的第二人口统计信息;以及
将所述第三数据库所有方的所述第三权重应用至从所述第三数据库所有方获取的、针对所述客户端装置的第三人口统计信息,所述印象特征化器基于所述第一权重、所述第二权重,以及所述第三权重,确定针对所述媒体印象的所述人口统计特征。
13.根据权利要求12所述的装置,其中,所述权重生成器通过向所述第一数据库所有方应用测试数据并且将所述测试数据与从所述第一数据库所有方接收的数据进行比较,来确定所述第一权重。
14.根据权利要求12所述的装置,其中,所述权重生成器基于从所述第一数据库所有方接收的、针对所述客户端装置的所述第一人口统计信息与针对所述媒体印象的所述人口统计特征之间的比较,调节所述第一权重。
15.一种包括计算机可读指令的有形计算机可读存储介质,该指令在执行时,使处理器至少:
发送针对人口统计信息的请求,所述请求基于从客户端装置接收的、针对媒体印象的媒体印象信息;并且
基于所述人口统计信息来确定与所述媒体印象相关联的人口统计特征,所述人口统计信息从至少三个数据库所有方获取。
16.根据权利要求15所述的计算机可读介质,其中,所述指令还使所述处理器对从所述至少三个数据库所有方中的每个接收的所述人口统计信息进行加权,所述指令使所述处理器基于所述加权来确定针对所述媒体印象的所述人口统计特征。
17.根据权利要求16所述的计算机可读介质,其中,所述指令使所述处理器通过确定所述至少三个数据库所有方中的第一数据库所有方的第一权重,并且将所述第一数据库所有方的所述权重应用至从所述第一数据库所有方获取的、针对所述客户端装置的第一人口统计信息,来对所述人口统计信息进行加权。
18.根据权利要求17所述的计算机可读介质,其中,所述指令使所述处理器通过以下步骤来对所述人口统计信息进行加权:
确定所述至少三个数据库所有方中的第二数据库所有方的第二权重;
确定所述至少三个数据库所有方中的第三数据库所有方的第三权重;
将所述第二数据库所有方的所述第二权重应用至从所述第二数据库所有方获取的、针对所述客户端装置的第二人口统计信息;以及
将所述第三数据库所有方的所述第三权重应用至从所述第三数据库所有方获取的、针对所述客户端装置的第三人口统计信息。
19.根据权利要求17所述的计算机可读介质,其中,所述指令还使所述处理器通过向所述第一数据库所有方应用测试数据并且将所述测试数据与从所述数据库所有方接收的数据进行比较,来确定针对所述第一数据库所有方的所述第一权重。
20.根据权利要求17所述的计算机可读介质,其中,所述指令还使所述处理器基于从所述第一数据库所有方接收的、针对所述客户端装置的所述第一人口统计信息与针对所述媒体印象的所述人口统计特征之间的比较,调节针对所述第一数据库所有方的所述第一权重。
21.根据权利要求15所述的计算机可读介质,其中,所述媒体印象信息包括与所述客户端装置相关联的媒体信息和标识符。
22.根据权利要求21所述的计算机可读介质,其中,所述指令还使所述处理器向所述客户端装置发送重新定向消息,以使所述客户端装置向所述至少三个数据库所有方中的至少一个发送请求,其中,所述至少一个数据库所有方响应于所述请求发送所述人口统计信息。
23.根据权利要求15所述的计算机可读介质,其中,所述指令使所述处理器通过确定是否根据所述至少三个数据库提供商中的大多数获取相同人口统计群体,来确定针对所述媒体印象的所述人口统计特征。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361821605P | 2013-05-09 | 2013-05-09 | |
US61/821,605 | 2013-05-09 | ||
US14/025,567 | 2013-09-12 | ||
US14/025,567 US20140337104A1 (en) | 2013-05-09 | 2013-09-12 | Methods and apparatus to determine impressions using distributed demographic information |
PCT/US2014/037064 WO2014182764A1 (en) | 2013-05-09 | 2014-05-07 | Methods and apparatus to determine impressions using distributed demographic information |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104584564A true CN104584564A (zh) | 2015-04-29 |
Family
ID=51865480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480001435.6A Pending CN104584564A (zh) | 2013-05-09 | 2014-05-07 | 利用分布式人口统计信息来确定印象的方法和装置 |
Country Status (10)
Country | Link |
---|---|
US (1) | US20140337104A1 (zh) |
EP (1) | EP2995084A4 (zh) |
JP (1) | JP2015532800A (zh) |
KR (1) | KR20150030652A (zh) |
CN (1) | CN104584564A (zh) |
AU (1) | AU2014262739C1 (zh) |
BR (1) | BR112014030210A2 (zh) |
CA (1) | CA2875437A1 (zh) |
HK (1) | HK1208296A1 (zh) |
WO (1) | WO2014182764A1 (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9215288B2 (en) | 2012-06-11 | 2015-12-15 | The Nielsen Company (Us), Llc | Methods and apparatus to share online media impressions data |
US9237138B2 (en) | 2013-12-31 | 2016-01-12 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US9313294B2 (en) | 2013-08-12 | 2016-04-12 | The Nielsen Company (Us), Llc | Methods and apparatus to de-duplicate impression information |
US9519914B2 (en) | 2013-04-30 | 2016-12-13 | The Nielsen Company (Us), Llc | Methods and apparatus to determine ratings information for online media presentations |
US9838754B2 (en) | 2015-09-01 | 2017-12-05 | The Nielsen Company (Us), Llc | On-site measurement of over the top media |
US9852163B2 (en) | 2013-12-30 | 2017-12-26 | The Nielsen Company (Us), Llc | Methods and apparatus to de-duplicate impression information |
US9912482B2 (en) | 2012-08-30 | 2018-03-06 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
WO2018107459A1 (en) * | 2016-12-16 | 2018-06-21 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate media impression frequency distributions |
US10045082B2 (en) | 2015-07-02 | 2018-08-07 | The Nielsen Company (Us), Llc | Methods and apparatus to correct errors in audience measurements for media accessed using over-the-top devices |
CN109147921A (zh) * | 2018-08-16 | 2019-01-04 | 上海联影医疗科技有限公司 | 医疗设备的数据传输方法、数据采集方法和系统 |
US10205994B2 (en) | 2015-12-17 | 2019-02-12 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions |
US10270673B1 (en) | 2016-01-27 | 2019-04-23 | The Nielsen Company (Us), Llc | Methods and apparatus for estimating total unique audiences |
US10311464B2 (en) | 2014-07-17 | 2019-06-04 | The Nielsen Company (Us), Llc | Methods and apparatus to determine impressions corresponding to market segments |
US10380633B2 (en) | 2015-07-02 | 2019-08-13 | The Nielsen Company (Us), Llc | Methods and apparatus to generate corrected online audience measurement data |
US11068927B2 (en) | 2014-01-06 | 2021-07-20 | The Nielsen Company (Us), Llc | Methods and apparatus to correct audience measurement data |
US11321623B2 (en) | 2016-06-29 | 2022-05-03 | The Nielsen Company (Us), Llc | Methods and apparatus to determine a conditional probability based on audience member probability distributions for media audience measurement |
US11397965B2 (en) | 2018-04-02 | 2022-07-26 | The Nielsen Company (Us), Llc | Processor systems to estimate audience sizes and impression counts for different frequency intervals |
US11983730B2 (en) | 2014-12-31 | 2024-05-14 | The Nielsen Company (Us), Llc | Methods and apparatus to correct for deterioration of a demographic model to associate demographic information with media impression information |
US12015681B2 (en) | 2010-12-20 | 2024-06-18 | The Nielsen Company (Us), Llc | Methods and apparatus to determine media impressions using distributed demographic information |
US12045845B2 (en) | 2014-03-13 | 2024-07-23 | The Nielsen Company (Us), Llc | Methods and apparatus to compensate for server-generated errors in database proprietor impression data due to misattribution and/or non-coverage |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100057576A1 (en) * | 2008-09-02 | 2010-03-04 | Apple Inc. | System and method for video insertion into media stream or file |
EP4167169A1 (en) | 2010-09-22 | 2023-04-19 | The Nielsen Company (US), LLC | Methods and apparatus to determine impressions using distributed demographic information |
AU2012231667B9 (en) | 2011-03-18 | 2015-09-24 | The Nielsen Company (Us), Llc | Methods and apparatus to determine media impressions |
US9697533B2 (en) | 2013-04-17 | 2017-07-04 | The Nielsen Company (Us), Llc | Methods and apparatus to monitor media presentations |
US10068246B2 (en) | 2013-07-12 | 2018-09-04 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions |
US20150088881A1 (en) * | 2013-09-24 | 2015-03-26 | Bluecava, Inc. | Measuring Web Browser Tag Properties Without True Unique Tags |
US9332035B2 (en) | 2013-10-10 | 2016-05-03 | The Nielsen Company (Us), Llc | Methods and apparatus to measure exposure to streaming media |
US10956947B2 (en) | 2013-12-23 | 2021-03-23 | The Nielsen Company (Us), Llc | Methods and apparatus to measure media using media object characteristics |
US10445769B2 (en) | 2013-12-24 | 2019-10-15 | Google Llc | Systems and methods for audience measurement |
US20150193816A1 (en) | 2014-01-06 | 2015-07-09 | The Nielsen Company (Us), Llc | Methods and apparatus to correct misattributions of media impressions |
US9953330B2 (en) | 2014-03-13 | 2018-04-24 | The Nielsen Company (Us), Llc | Methods, apparatus and computer readable media to generate electronic mobile measurement census data |
US10600076B2 (en) * | 2014-08-14 | 2020-03-24 | Google Llc | Systems and methods for obfuscated audience measurement |
US20160055546A1 (en) | 2014-08-21 | 2016-02-25 | Oracle International Corporation | Managing progressive statistical ids |
US20160063539A1 (en) | 2014-08-29 | 2016-03-03 | The Nielsen Company (Us), Llc | Methods and apparatus to associate transactions with media impressions |
US10410230B2 (en) * | 2015-01-29 | 2019-09-10 | The Nielsen Company (Us), Llc | Methods and apparatus to collect impressions associated with over-the-top media devices |
US9870486B2 (en) | 2015-05-28 | 2018-01-16 | The Nielsen Company (Us), Llc | Methods and apparatus to assign demographic information to panelists |
US10332158B2 (en) * | 2015-09-24 | 2019-06-25 | The Nielsen Company (Us), Llc | Methods and apparatus to adjust media impressions based on media impression notification loss rates in network communications |
US10045057B2 (en) | 2015-12-23 | 2018-08-07 | The Nielsen Company (Us), Llc | Methods and apparatus to generate audience measurement data from population sample data having incomplete demographic classifications |
US10602224B2 (en) | 2017-02-28 | 2020-03-24 | The Nielsen Company (Us), Llc | Methods and apparatus to determine synthetic respondent level data |
US10728614B2 (en) | 2017-02-28 | 2020-07-28 | The Nielsen Company (Us), Llc | Methods and apparatus to replicate panelists using a local minimum solution of an integer least squares problem |
US20180249211A1 (en) | 2017-02-28 | 2018-08-30 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from marginal ratings |
US10681414B2 (en) | 2017-02-28 | 2020-06-09 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from different marginal rating unions |
US10382818B2 (en) | 2017-06-27 | 2019-08-13 | The Nielson Company (Us), Llc | Methods and apparatus to determine synthetic respondent level data using constrained Markov chains |
US20190147461A1 (en) * | 2017-11-14 | 2019-05-16 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate total audience population distributions |
US20200202370A1 (en) * | 2018-12-21 | 2020-06-25 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate misattribution of media impressions |
US11216834B2 (en) * | 2019-03-15 | 2022-01-04 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from different marginal ratings and/or unions of marginal ratings based on impression data |
US10856027B2 (en) | 2019-03-15 | 2020-12-01 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from different marginal rating unions |
US11516277B2 (en) | 2019-09-14 | 2022-11-29 | Oracle International Corporation | Script-based techniques for coordinating content selection across devices |
US11741485B2 (en) | 2019-11-06 | 2023-08-29 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate de-duplicated unknown total audience sizes based on partial information of known audiences |
US11582183B2 (en) * | 2020-06-30 | 2023-02-14 | The Nielsen Company (Us), Llc | Methods and apparatus to perform network-based monitoring of media accesses |
JP7564212B2 (ja) | 2020-07-22 | 2024-10-08 | 日本電気株式会社 | 換算装置、換算方法および換算プログラム |
US11783354B2 (en) | 2020-08-21 | 2023-10-10 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate census level audience sizes, impression counts, and duration data |
US11481802B2 (en) * | 2020-08-31 | 2022-10-25 | The Nielsen Company (Us), Llc | Methods and apparatus for audience and impression deduplication |
US11941646B2 (en) | 2020-09-11 | 2024-03-26 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from marginals |
US12120391B2 (en) | 2020-09-18 | 2024-10-15 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate audience sizes and durations of media accesses |
US12093968B2 (en) | 2020-09-18 | 2024-09-17 | The Nielsen Company (Us), Llc | Methods, systems and apparatus to estimate census-level total impression durations and audience size across demographics |
US11553226B2 (en) | 2020-11-16 | 2023-01-10 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from marginal ratings with missing information |
WO2022170204A1 (en) | 2021-02-08 | 2022-08-11 | The Nielsen Company (Us), Llc | Methods and apparatus to perform computer-based monitoring of audiences of network-based media by using information theory to estimate intermediate level unions |
US11893607B1 (en) * | 2021-05-10 | 2024-02-06 | Jelli, LLC | Exposing demand side platforms mechanism for broadcast radio |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1783326A (zh) * | 2004-11-01 | 2006-06-07 | 索尼株式会社 | 记录媒体、记录设备、记录方法、数据搜索设备、数据搜索方法和数据生成设备 |
US20120072469A1 (en) * | 2010-09-22 | 2012-03-22 | Perez Albert R | Methods and apparatus to analyze and adjust demographic information |
US20120215621A1 (en) * | 2010-12-20 | 2012-08-23 | Ronan Heffernan | Methods and apparatus to determine media impressions using distributed demographic information |
CN102938122A (zh) * | 2011-09-19 | 2013-02-20 | 微软公司 | 社交媒体活动度量 |
CN103093300A (zh) * | 2011-07-18 | 2013-05-08 | 尼尔森(美国)有限公司 | 确定媒体印象的方法和装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002324025A (ja) * | 2001-02-20 | 2002-11-08 | Sony Computer Entertainment Inc | 視聴率調査装置及び方法、ネットワーク配信番組受信装置及び受信方法、視聴率調査システム、視聴率調査プログラムを記録した記録媒体、ネットワーク配信番組受信装置の制御プログラムを記録した記録媒体、視聴率調査プログラム及びネットワーク配信番組受信装置の制御プログラム |
JP2003044396A (ja) * | 2001-08-03 | 2003-02-14 | Fujitsu Ltd | アクセス管理方法 |
US20050144069A1 (en) * | 2003-12-23 | 2005-06-30 | Wiseman Leora R. | Method and system for providing targeted graphical advertisements |
US20050267799A1 (en) * | 2004-05-10 | 2005-12-01 | Wesley Chan | System and method for enabling publishers to select preferred types of electronic documents |
US20080300965A1 (en) * | 2007-05-31 | 2008-12-04 | Peter Campbell Doe | Methods and apparatus to model set-top box data |
JP5178219B2 (ja) * | 2008-01-31 | 2013-04-10 | 三菱スペース・ソフトウエア株式会社 | アクセス解析装置及びアクセス解析方法及びアクセス解析プログラム |
KR100931328B1 (ko) * | 2009-03-12 | 2009-12-11 | 주식회사 로그 | 복수의 접속 통계 서버를 통합하여 운영하는 시스템 및 그 방법 |
US8626901B2 (en) * | 2010-04-05 | 2014-01-07 | Comscore, Inc. | Measurements based on panel and census data |
EP4167169A1 (en) * | 2010-09-22 | 2023-04-19 | The Nielsen Company (US), LLC | Methods and apparatus to determine impressions using distributed demographic information |
JP5681421B2 (ja) * | 2010-09-22 | 2015-03-11 | 株式会社ビデオリサーチ | 情報配信システム |
JP5674414B2 (ja) * | 2010-10-27 | 2015-02-25 | 株式会社ビデオリサーチ | アクセスログマッチングシステム及びアクセスログマッチング方法 |
AU2012231667B9 (en) * | 2011-03-18 | 2015-09-24 | The Nielsen Company (Us), Llc | Methods and apparatus to determine media impressions |
US20130060629A1 (en) * | 2011-09-07 | 2013-03-07 | Joshua Rangsikitpho | Optimization of Content Placement |
-
2013
- 2013-09-12 US US14/025,567 patent/US20140337104A1/en not_active Abandoned
-
2014
- 2014-05-07 AU AU2014262739A patent/AU2014262739C1/en not_active Ceased
- 2014-05-07 BR BR112014030210A patent/BR112014030210A2/pt not_active IP Right Cessation
- 2014-05-07 CN CN201480001435.6A patent/CN104584564A/zh active Pending
- 2014-05-07 EP EP14795470.5A patent/EP2995084A4/en not_active Withdrawn
- 2014-05-07 KR KR1020147034078A patent/KR20150030652A/ko not_active Application Discontinuation
- 2014-05-07 CA CA2875437A patent/CA2875437A1/en not_active Abandoned
- 2014-05-07 WO PCT/US2014/037064 patent/WO2014182764A1/en active Application Filing
- 2014-05-07 JP JP2015525658A patent/JP2015532800A/ja active Pending
-
2015
- 2015-09-11 HK HK15108947.0A patent/HK1208296A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1783326A (zh) * | 2004-11-01 | 2006-06-07 | 索尼株式会社 | 记录媒体、记录设备、记录方法、数据搜索设备、数据搜索方法和数据生成设备 |
US20120072469A1 (en) * | 2010-09-22 | 2012-03-22 | Perez Albert R | Methods and apparatus to analyze and adjust demographic information |
US20120215621A1 (en) * | 2010-12-20 | 2012-08-23 | Ronan Heffernan | Methods and apparatus to determine media impressions using distributed demographic information |
CN103093300A (zh) * | 2011-07-18 | 2013-05-08 | 尼尔森(美国)有限公司 | 确定媒体印象的方法和装置 |
CN102938122A (zh) * | 2011-09-19 | 2013-02-20 | 微软公司 | 社交媒体活动度量 |
Cited By (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12015681B2 (en) | 2010-12-20 | 2024-06-18 | The Nielsen Company (Us), Llc | Methods and apparatus to determine media impressions using distributed demographic information |
US9215288B2 (en) | 2012-06-11 | 2015-12-15 | The Nielsen Company (Us), Llc | Methods and apparatus to share online media impressions data |
US12010191B2 (en) | 2012-06-11 | 2024-06-11 | The Nielsen Company (Us), Llc | Methods and apparatus to share online media impressions data |
US10778440B2 (en) | 2012-08-30 | 2020-09-15 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US10063378B2 (en) | 2012-08-30 | 2018-08-28 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US11792016B2 (en) | 2012-08-30 | 2023-10-17 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US11483160B2 (en) | 2012-08-30 | 2022-10-25 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US9912482B2 (en) | 2012-08-30 | 2018-03-06 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US11870912B2 (en) | 2012-08-30 | 2024-01-09 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US9519914B2 (en) | 2013-04-30 | 2016-12-13 | The Nielsen Company (Us), Llc | Methods and apparatus to determine ratings information for online media presentations |
US11410189B2 (en) | 2013-04-30 | 2022-08-09 | The Nielsen Company (Us), Llc | Methods and apparatus to determine ratings information for online media presentations |
US10937044B2 (en) | 2013-04-30 | 2021-03-02 | The Nielsen Company (Us), Llc | Methods and apparatus to determine ratings information for online media presentations |
US11669849B2 (en) | 2013-04-30 | 2023-06-06 | The Nielsen Company (Us), Llc | Methods and apparatus to determine ratings information for online media presentations |
US12093973B2 (en) | 2013-04-30 | 2024-09-17 | The Nielsen Company (Us), Llc | Methods and apparatus to determine ratings information for online media presentations |
US10192228B2 (en) | 2013-04-30 | 2019-01-29 | The Nielsen Company (Us), Llc | Methods and apparatus to determine ratings information for online media presentations |
US10643229B2 (en) | 2013-04-30 | 2020-05-05 | The Nielsen Company (Us), Llc | Methods and apparatus to determine ratings information for online media presentations |
US10552864B2 (en) | 2013-08-12 | 2020-02-04 | The Nielsen Company (Us), Llc | Methods and apparatus to de-duplicate impression information |
US9313294B2 (en) | 2013-08-12 | 2016-04-12 | The Nielsen Company (Us), Llc | Methods and apparatus to de-duplicate impression information |
US9928521B2 (en) | 2013-08-12 | 2018-03-27 | The Nielsen Company (Us), Llc | Methods and apparatus to de-duplicate impression information |
US11222356B2 (en) | 2013-08-12 | 2022-01-11 | The Nielsen Company (Us), Llc | Methods and apparatus to de-duplicate impression information |
US11651391B2 (en) | 2013-08-12 | 2023-05-16 | The Nielsen Company (Us), Llc | Methods and apparatus to de-duplicate impression information |
US9852163B2 (en) | 2013-12-30 | 2017-12-26 | The Nielsen Company (Us), Llc | Methods and apparatus to de-duplicate impression information |
US10498534B2 (en) | 2013-12-31 | 2019-12-03 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US11562098B2 (en) | 2013-12-31 | 2023-01-24 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US12008142B2 (en) | 2013-12-31 | 2024-06-11 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US10846430B2 (en) | 2013-12-31 | 2020-11-24 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US9979544B2 (en) | 2013-12-31 | 2018-05-22 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US9641336B2 (en) | 2013-12-31 | 2017-05-02 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US9237138B2 (en) | 2013-12-31 | 2016-01-12 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
US11727432B2 (en) | 2014-01-06 | 2023-08-15 | The Nielsen Company (Us), Llc | Methods and apparatus to correct audience measurement data |
US11068927B2 (en) | 2014-01-06 | 2021-07-20 | The Nielsen Company (Us), Llc | Methods and apparatus to correct audience measurement data |
US12045845B2 (en) | 2014-03-13 | 2024-07-23 | The Nielsen Company (Us), Llc | Methods and apparatus to compensate for server-generated errors in database proprietor impression data due to misattribution and/or non-coverage |
US11068928B2 (en) | 2014-07-17 | 2021-07-20 | The Nielsen Company (Us), Llc | Methods and apparatus to determine impressions corresponding to market segments |
US10311464B2 (en) | 2014-07-17 | 2019-06-04 | The Nielsen Company (Us), Llc | Methods and apparatus to determine impressions corresponding to market segments |
US11854041B2 (en) | 2014-07-17 | 2023-12-26 | The Nielsen Company (Us), Llc | Methods and apparatus to determine impressions corresponding to market segments |
US11983730B2 (en) | 2014-12-31 | 2024-05-14 | The Nielsen Company (Us), Llc | Methods and apparatus to correct for deterioration of a demographic model to associate demographic information with media impression information |
US10368130B2 (en) | 2015-07-02 | 2019-07-30 | The Nielsen Company (Us), Llc | Methods and apparatus to correct errors in audience measurements for media accessed using over the top devices |
US11259086B2 (en) | 2015-07-02 | 2022-02-22 | The Nielsen Company (Us), Llc | Methods and apparatus to correct errors in audience measurements for media accessed using over the top devices |
US10045082B2 (en) | 2015-07-02 | 2018-08-07 | The Nielsen Company (Us), Llc | Methods and apparatus to correct errors in audience measurements for media accessed using over-the-top devices |
US12015826B2 (en) | 2015-07-02 | 2024-06-18 | The Nielsen Company (Us), Llc | Methods and apparatus to correct errors in audience measurements for media accessed using over-the-top devices |
US10785537B2 (en) | 2015-07-02 | 2020-09-22 | The Nielsen Company (Us), Llc | Methods and apparatus to correct errors in audience measurements for media accessed using over the top devices |
US11706490B2 (en) | 2015-07-02 | 2023-07-18 | The Nielsen Company (Us), Llc | Methods and apparatus to correct errors in audience measurements for media accessed using over-the-top devices |
US10380633B2 (en) | 2015-07-02 | 2019-08-13 | The Nielsen Company (Us), Llc | Methods and apparatus to generate corrected online audience measurement data |
US11645673B2 (en) | 2015-07-02 | 2023-05-09 | The Nielsen Company (Us), Llc | Methods and apparatus to generate corrected online audience measurement data |
US9838754B2 (en) | 2015-09-01 | 2017-12-05 | The Nielsen Company (Us), Llc | On-site measurement of over the top media |
US10205994B2 (en) | 2015-12-17 | 2019-02-12 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions |
US10827217B2 (en) | 2015-12-17 | 2020-11-03 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions |
US11272249B2 (en) | 2015-12-17 | 2022-03-08 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions |
US11785293B2 (en) | 2015-12-17 | 2023-10-10 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions |
US11562015B2 (en) | 2016-01-27 | 2023-01-24 | The Nielsen Company (Us), Llc | Methods and apparatus for estimating total unique audiences |
US10979324B2 (en) | 2016-01-27 | 2021-04-13 | The Nielsen Company (Us), Llc | Methods and apparatus for estimating total unique audiences |
US10270673B1 (en) | 2016-01-27 | 2019-04-23 | The Nielsen Company (Us), Llc | Methods and apparatus for estimating total unique audiences |
US10536358B2 (en) | 2016-01-27 | 2020-01-14 | The Nielsen Company (Us), Llc | Methods and apparatus for estimating total unique audiences |
US11232148B2 (en) | 2016-01-27 | 2022-01-25 | The Nielsen Company (Us), Llc | Methods and apparatus for estimating total unique audiences |
US11971922B2 (en) | 2016-01-27 | 2024-04-30 | The Nielsen Company (Us), Llc | Methods and apparatus for estimating total unique audiences |
US11321623B2 (en) | 2016-06-29 | 2022-05-03 | The Nielsen Company (Us), Llc | Methods and apparatus to determine a conditional probability based on audience member probability distributions for media audience measurement |
US11880780B2 (en) | 2016-06-29 | 2024-01-23 | The Nielsen Company (Us), Llc | Methods and apparatus to determine a conditional probability based on audience member probability distributions for media audience measurement |
US11574226B2 (en) | 2016-06-29 | 2023-02-07 | The Nielsen Company (Us), Llc | Methods and apparatus to determine a conditional probability based on audience member probability distributions for media audience measurement |
WO2018107459A1 (en) * | 2016-12-16 | 2018-06-21 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate media impression frequency distributions |
US11397965B2 (en) | 2018-04-02 | 2022-07-26 | The Nielsen Company (Us), Llc | Processor systems to estimate audience sizes and impression counts for different frequency intervals |
US11887132B2 (en) | 2018-04-02 | 2024-01-30 | The Nielsen Company (Us), Llc | Processor systems to estimate audience sizes and impression counts for different frequency intervals |
CN109147921A (zh) * | 2018-08-16 | 2019-01-04 | 上海联影医疗科技有限公司 | 医疗设备的数据传输方法、数据采集方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
AU2014262739A1 (en) | 2015-01-15 |
EP2995084A4 (en) | 2016-11-23 |
AU2014262739C1 (en) | 2016-06-02 |
BR112014030210A2 (pt) | 2017-06-27 |
CA2875437A1 (en) | 2014-11-13 |
EP2995084A1 (en) | 2016-03-16 |
HK1208296A1 (zh) | 2016-02-26 |
KR20150030652A (ko) | 2015-03-20 |
JP2015532800A (ja) | 2015-11-12 |
WO2014182764A1 (en) | 2014-11-13 |
AU2014262739B2 (en) | 2015-11-12 |
US20140337104A1 (en) | 2014-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104584564A (zh) | 利用分布式人口统计信息来确定印象的方法和装置 | |
JP7444921B2 (ja) | 分散された人口統計情報を使用してインプレッションを特定する方法及び装置 | |
KR101753179B1 (ko) | 온라인 미디어 표시에 대한 시청률 정보를 결정하는 방법 및 장치 | |
CN103329162B (zh) | 使用分布式人口统计信息确定媒体印象的方法和装置 | |
AU2013205736B2 (en) | Methods and apparatus to determine impressions using distributed demographic information | |
CN103189856B (zh) | 确定媒体印象的方法和装置 | |
US20140324544A1 (en) | Methods and apparatus to determine demographic distributions of online users | |
WO2015102803A1 (en) | Methods and apparatus to de-duplicate impression information related applications |
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: 1208296 Country of ref document: HK |
|
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150429 |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1208296 Country of ref document: HK |