CN110443629A - 显示内容的方法和系统 - Google Patents

显示内容的方法和系统 Download PDF

Info

Publication number
CN110443629A
CN110443629A CN201910363639.9A CN201910363639A CN110443629A CN 110443629 A CN110443629 A CN 110443629A CN 201910363639 A CN201910363639 A CN 201910363639A CN 110443629 A CN110443629 A CN 110443629A
Authority
CN
China
Prior art keywords
display device
distribution
time
specific
campaign
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910363639.9A
Other languages
English (en)
Inventor
伊安·贝尔
伊莱阿斯·查莱塔
达维代·马加蒂
斯泰凡·拉沃莱
拉维·拉玛尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weiuhe Co Ltd
Original Assignee
Weiuhe Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US15/970,431 external-priority patent/US20190340648A1/en
Application filed by Weiuhe Co Ltd filed Critical Weiuhe Co Ltd
Publication of CN110443629A publication Critical patent/CN110443629A/zh
Pending legal-status Critical Current

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
    • H04N21/25808—Management of client data
    • H04N21/25841—Management of client data involving the geographical location of the client
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0249—Advertisements based upon budgets or funds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0272—Period of advertisement exposure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0273—Determination of fees for advertising
    • G06Q30/0275—Auctions
    • 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
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • H04N21/26208—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
    • H04N21/26241—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints involving the time of distribution, e.g. the best time of the day for inserting an advertisement or airing a children program
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种用于在OOH目录下的显示装置(2，3)上显示广告活动内容的方法，该方法通过由分配服务器(4)运行并被训练成最优地将显示装置和特定时间分配给广告活动的人工智能完成。

Description

显示内容的方法和系统
技术领域
本发明涉及户外(Out of Home,OOH)广告内容的显示方法和系统。
更具体地说，本发明公开关注的是基于活动特性在从OOH(Out of Home)目录中选择的特定显示装置上显示内容的户外方法和系统。
背景技术
WO2009/144459涉及用于如下的设备和方法：确定资源可用性；处理资源可用性值映射数组；构造资源时间-可用性查询；根据资源时间可用性查询处理资源可用性值映射；根据匹配准则将一条记录与一组已存在的记录进行匹配；处理匹配周期值映射；确定资源的可用性与资源可用性请求匹配的程度；以及修改时间可用性查询。
发明内容
本发明公开的一个目的是一种用于在OOH目录下的显示装置上显示广告活动内容的计算机实现方法，该计算机实现方法包括以下步骤：
-在至少一个分配服务器上接收特定广告活动的活动数据，至少包括日期范围、目标环境(即地理环境，如位置或位置类型)和客户目标；
-通过至少一个分配服务器为所述特定广告活动分配，来自OOH目录的特定的一组显示装置和所述特定广告活动显示在所述特定的一组显示装置中的每个显示装置上的特定时间，至少基于OOH目录的各显示装置的个人位置数据、可用性数据和观众数据，以匹配所述特定广告活动；
-将所述特定广告活动对应的内容配送到所述特定的一组显示装置，
其中，由所述至少一个分配服务器运行的分配模块执行分配所述特定的一组显示装置和特定时间，所述分配模块包括针对广告活动被训练为最优分配显示装置和特定时间的神经网络。
在上述方法的实施例中，可以进一步使用以下一种或几种特性及其任何组合：
-所述OOH目录包括数字显示装置，每个数字显示装置具有至少一个电子屏幕和一个适应于在所述至少一个电子屏幕上播放内容的播放器、以及将所述特定广告活动对应的内容配送到所述特定的一组显示装置，包括将所述内容和相应的特定时间电子发送到特定数字显示装置的各播放器、由所述播放器记忆所述内容和特定时间以及根据所述特定时间在所述至少一个电子屏幕上播放所述内容，所述特定数字显示装置是所述特定的一组显示装置的一部分，
-在显示装置(2，3)上分配给特定广告活动的所述特定时间包括时间占比；
-所述OOH目录各显示装置的观众数据包括各自当天不同时段的观众数据，所述时间占比为每个时段确定；
-训练所述人工智能模块，根据一组预先确定的规则，最优地将显示装置和特定时间分配给活动；
-所述OOH目录各显示装置的观众数据是结合特定广告活动的客户目标来确定关于特定广告活动的客户目标的OOH目录各显示装置的冲击值，并所述一组预先确定的规则包括：对所述特定广告活动的显示装置上一段时间的冲击值越高，在这个显示装置上这段时间内向所述特定广告活动分配的时间占比越高(这避免了对特定广告活动产生影响较小的无用的垄断显示)；
-所述OOH目录各显示装置的观众数据是结合其它广告活动的客户目标来确定关于其它广告活动的客户目标的OOH目录各显示装置的各冲击值，并所述一组预先确定的规则包括：对所述其它广告活动的显示装置上一段时间的冲击值越高，在这个显示装置上这段时间内向所述特定广告活动分配的时间占比越低(这最大化可销售的广告活动数量)；
-所述OOH目录各显示装置的观众数据是结合特定广告活动的客户目标来确定关于特定广告活动的客户目标的OOH目录各显示装置的冲击值，并所述一组预先确定的规则包括：对所述特定广告活动的显示装置上一段时间的冲击值越高，在这个显示装置上这段时间内向所述特定广告活动分配的优先权越高；
-所述OOH目录各自显示的可用性数据确定了OOH目录各显示装置的预订水平，并所述一组预先确定的规则包括：显示装置的预订水平越低，这个显示装置向所述特定广告活动分配的优先权越高；
-所述OOH目录各自显示的可用性数据关于可被分配给活动的时间的占比包括一个最小值和一个最大值，并所述一组预先确定的规则包括：在这个显示装置上被分配给活动的时间占比是0，或者最小值和最大值之间；
-所述一组预先确定的规则包括：在将显示装置和特定时间分配给特定的广告活动时，可以重新分配先前分配给其它广告活动的显示装置和特定时间；
-所述一组预先确定的规则包括：分配给所述特定的广告活动的显示装置在目标环境中分布；
-所述人工智能模块包括至少一个神经网络；
-所述至少一种神经网络包括至少第一层和第二层；
-所述第一层有7个乙状结肠神经元，所述第二层有3个乙状结肠神经元；
-所述客户目标包括至少一个印象的目标数量，所述第一层先后扫描OOH目录的所有显示装置，并在所述印象的目标数量中计算代表多个印象的选票，这些印象能够由被扫描的显示装置提供，以及所述第二层确定了在被扫描的所述显示装置上分配给当前广告宣传的特定时间，根据所述选票和一组预先确定的规则；
-所述方法包括通过机器学习训练所述人工智能模块；
-所述方法包括创建人工生成的广告活动，并在所述人工生成的广告活动上训练所述人工智能模块；
-所述人工智能模块在多个分配服务器上同时运行；
-与OOH目录相关的数据包含在OOH目录数据库中，并所述至少一个分配服务器具有一个RAM，在该RAM中所述OOH目录数据库作为位掩码建模的对象被完全填充；
-所述神经网络有多个输入和至少一个输出，所述输入的其中一个是由用户调整的分布指数并且代表了系统的显示装置上活动的目标地理分布，所述至少一个输出取决于所述分布指数；
-所述客户目标包括至少一个印象的目标数量，所述广告活动的日期范围分为时间空挡，其中所述神经网络先后扫描OOH目录的所有显示装置和所有时间空挡，所述神经网络的至少一个输出与分配给所述显示装置上当前广告活动的特定时间和被扫描的时间空挡关联；
-所述神经网络的至少一个输出为显示时间等级，所述显示时间等级代表所述被扫描显示装置和所述活动数据的时间空挡的兼容性；
-分配给所述被扫描的显示装置和所述时间空挡上当前广告活动的特定时间，从被扫描的所述显示装置和所述时间空挡上的被分配观众AA的函数的显示时间等级计算，所述被分配观众AA由以下公式确定：
AA＝FA+α·(NCA-FA)·FTrank (1)
其中：
-FTrank表示所述显示时间等级；
-FA表示最低的观众值；
-NCA表示一个新的最高观众值；
NCA＝FA+(CA-FA)/(I'3)，CA为最高观众值，I'3为上述价差指数的标准化值；
α＝(NS-T)/NS，其中NS是一些在所述日期范围内可提供给系统的所有显示装置的印象，以及T是所述印象的目标数量；
所述显示装置和时间空挡第一次由神经网络扫描，α设定等于1并在扫描所述显示装置和时间空挡时计算α的真实值，然后：
所述显示装置和分配给所述当前广告活动的特定时间均足以满足活动数据，在这种情况下，所述显示和分配给所述当前广告活动的特定时间均被验证，
或者，所述显示装置和分配给所述当前广告活动的特定时间不足以满足活动数据，在这种情况下，所述显示装置和时间空挡被由具有所述α真实值的神经网络第二次扫描；
-所述分配模块根据所述显示装置的地理分布规则生成所述显示装置的至少一个分配批次，然后在所述至少一个分配批次之间分配所述显示装置和特定时间；
-将所述显示装置按地理组排序，然后在队列中对每个地理组的显示装置进行优先级排序，并通过在每个地理组的队列中取顶部显示装置生成至少一个显示装置的分配批次；
-所述活动数据包括预算，所述分配模块根据所分配的显示装置和特定时间计算活动成本，所述分配模块计算活动成本并将所述活动成本维持在预算之内；
-所述至少一个分配服务器具有RAM，在该RAM中关于OOH目录的数据是内存映射的，所述分配模块12被设计为直接与分配服务器4的操作系统内核交互，并且在内存映射的输入/输出中进行分配服务器的文件系统管理。
本发明公开的另一个目的是一种用于在OOH目录下的显示装置上显示广告活动内容的计算机实现方法，该计算机实现方法包括以下步骤：
-在多个分配服务器上接收特定广告活动的活动数据，至少包括日期范围、目标环境和客户目标；
-通过多个分配服务器为所述特定广告活动分配，来自OOH目录的特定的一组显示装置和所述特定广告活动显示在所述特定的一组显示装置中的每个显示装置上的特定时间，至少基于OOH目录的各显示装置的个人位置数据、可用性数据和观众数据，以匹配所述特定广告活动；
-将所述特定广告活动对应的内容配送到所述特定的一组显示装置。
本发明公开的另一个目的是一种用于在OOH目录下的显示装置上显示广告活动内容的计算机实现方法，该计算机实现方法包括以下步骤：
-在至少一个分配服务器(4)上接收特定广告活动的活动数据，至少包括日期范围、目标环境和客户目标；
-通过至少一个分配服务器(4)为所述特定广告活动分配，来自OOH目录的特定的一组显示装置(2，3)和所述特定广告活动显示在所述特定的一组显示装置中的每个显示装置上的特定时间，至少基于OOH目录的各显示装置的个人位置数据、可用性数据和观众数据，以匹配所述特定广告活动；
-将所述特定广告活动对应的内容配送到所述特定的一组显示装置，
其中，与OOH目录相关的数据包含在OOH目录数据库中，并所述至少一个分配服务器具有RAM，在该RAM中所述OOH目录数据库作为位掩码建模的对象被完全填充。
本发明公开的另一个目的是一种用于在OOH目录下的显示装置上显示广告活动的内容的系统，该系统包括至少一个分配服务器(4)，该分配服务器(4)执行以下程序：
-接收来自特定广告活动的活动数据，至少包括日期范围、目标环境和客户目标；
-为所述特定广告活动分配，来自OOH目录的特定的一组显示装置和所述特定广告活动显示在所述特定的一组显示装置中的每个显示装置上的特定时间，至少基于OOH目录的各显示装置的个人位置数据、可用性数据和观众数据，以匹配所述特定广告活动；
-该系统适应于将所述特定广告活动对应的内容配送到所述特定的一组显示装置，
其中，所述至少一个分配服务器具有分配模块，所述分配模块包括对广告活动被训练为最优分配显示装置和特定时间的神经网络。
在上述系统的实施例中，可以进一步使用以下一个或多个特性及其任何组合:
-所述OOH目录包括数字显示装置，每个数字显示装置具有至少一个电子屏幕和一个适应于在所述至少一个电子屏幕上播放内容的播放器，其中所述至少一个分配服务器被编程以将所述内容和相应的特定时间电子发送到特定数字显示装置的各播放器，所述特定数字显示是特定的一组显示装置的一部分，并且其中所述播放器被编程以记忆所述内容和特定时间、并根据在所述至少一个电子屏幕上播放所述内容；
-在显示装置上分配给特定广告活动的特定时间包括时间占比；
-所述OOH目录各显示装置的观众数据包括各自当天不同时段的观众数据，所述时间占比为每个时段确定；
-训练所述人工智能模块，根据一组预先确定的规则，最优地将显示装置和特定时间分配给活动；
-所述OOH目录各显示装置的观众数据是结合特定广告活动的客户目标来确定关于特定广告活动的客户目标的OOH目录各显示装置的冲击值，并所述一组预先确定的规则包括：对所述特定广告活动的显示装置上一段时间的冲击值越高，在这个显示装置上这段时间内向所述特定广告活动分配的时间占比越高(这避免了对特定广告活动产生影响较小的无用的垄断显示)；
-所述OOH目录各显示装置的观众数据是结合其它广告活动的客户目标来确定关于其它广告活动的客户目标的OOH目录各显示装置的各冲击值，并所述一组预先确定的规则包括：对所述其它广告活动的显示上一段时间的冲击值越高，在这个显示装置上这段时间内向所述特定广告活动分配的时间占比越低(这最大化可销售的广告活动数量)；
-所述OOH目录各显示装置的观众数据是结合特定广告活动的客户目标来确定关于特定广告活动的客户目标的OOH目录各显示装置的冲击值，并所述一组预先确定的规则包括：对所述特定广告活动的显示装置上一段时间的冲击值越高，在这个显示装置上这段时间内向所述特定广告活动分配的优先权越高；
-所述OOH目录各显示装置的可用性数据确定了OOH目录各显示装置的预订水平，并所述一组预先确定的规则包括：显示装置的预订水平越低，这个显示向所述特定广告活动分配的优先权越高；
-所述OOH目录各显示装置的可用性数据关于可被分配给活动的时间的占比包括一个最小值和一个最大值，并所述一组预先确定的规则包括：在这个显示装置上被分配给活动的时间的占比是0，或者最小值和最大值之间；
-所述一组预先确定的规则包括：在将显示装置和特定时间分配给特定的广告活动时，可以重新分配先前分配给其它广告活动的显示装置和特定时间；
-所述一组预先确定的规则包括：分配给所述特定的广告活动的显示装置在目标环境中分布；
-所述人工智能模块包括至少一个神经网络；
-所述至少一种神经网络包括至少第一层和第二层；
-所述第一层有7个乙状结肠神经元，所述第二层有3个乙状结肠神经元；
-所述客户目标包括至少一个印象的目标数量，所述第一层先后扫描OOH目录的所有显示装置，并在所述印象的目标数量中计算代表多个印象的选票，这些印象能够由被扫描的显示装置提供，以及所述第二层确定了在被扫描的所述显示装置上分配给当前广告宣传的特定时间，根据所述选票和一组预先确定的规则；
-所述第一层是由至少接收客户目标相关的数据第一输入、接收对应于已经分配给特定的广告活动的显示装置和特定时间的观众相关数据的第二输入、(可能地第三输入接收在被扫描的显示装置上已经分配给其他广告活动的第三输入)、接收对应于为客户目标被扫描的显示装置上可用的所有表达的数据的另一种(第四)输入、(以及可能地还有接收代表被扫描的显示装置的宽度和被扫描的显示的高度的画面比例的数据的第五输入)；
-通过机器学习训练所述人工智能模块；
-所述人工智能模块在多个分配服务器上同时运行；
-与OOH目录相关的数据包含在OOH目录数据库中，并所述至少一个分配服务器具有RAM，在该RAM中所述OOH目录数据库作为位掩码建模的对象被完全填充。
本发明公开的另一个目的是一种用于在OOH目录下的显示装置上显示广告活动的内容的系统，该系统包括至少一个分配服务器(4)，该分配服务器(4)执行以下程序：
-接收来自特定广告活动的活动数据，至少包括日期范围、目标环境和客户目标；
-为所述特定广告活动分配，来自OOH目录的特定的一组显示装置和所述特定广告活动显示在所述特定的一组显示装置中的每个显示装置上的特定时间，至少基于OOH目录的各显示装置的个人位置数据、可用性数据和观众数据，以匹配所述特定广告活动；
-该系统适应于将所述特定广告活动对应的内容配送到所述特定的一组显示装置；
-所述神经网络有多个输入和至少一个输出，所述输入的其中一个是由用户调整的分布指数并且代表了显示装置系统上活动的目标地理分布，所述至少一个输出取决于所述分布指数；
-所述客户目标包括至少一个印象的目标数量，所述广告活动的日期范围分为时间空挡，其中所述神经网络先后扫描OOH目录的所有显示装置和所有时间空挡，所述神经网络的至少一个输出与分配给所述显示装置上当前广告活动的特定时间和被扫描的时间空挡关联；
-所述神经网络的至少一个输出为显示时间等级，所述显示时间等级代表所述活动数据的被扫描的显示装置和时间空挡的兼容性；
-分配给所述被扫描的显示装置和所述时间空挡上当前广告活动的特定时间，从被扫描的所述显示装置和所述时间空挡上的被分配观众AA的函数的显示时间等级计算，所述被分配观众AA由以下公式确定：
AA＝FA+α·(NCA-FA)·FTrank (1)
其中：
-FTrank表示所述显示时间等级；
-FA表示最低的观众值；
-NCA表示一个新的最高观众值；
NCA＝FA+(CA-FA)/(I'3)，CA为最高观众值，I'3为上述价差指数的标准化值；
α＝(NS-T)/NS，其中NS是一些在所述日期范围内可提供给系统的所有显示装置的印象，以及T是所述表达的目标数量；
-所述分配模块被配置为使所述显示装置和时间空挡第一次由神经网络扫描，α设定等于1并在扫描所述显示装置和时间空挡时计算α的真实值，然后：
所述显示和分配给所述当前广告活动的特定时间均足以满足活动数据，在这种情况下，所述显示和分配给所述当前广告活动的特定时间均被验证，
或者，所述显示和分配给所述当前广告活动的特定时间不足以满足活动数据，在这种情况下，所述显示装置和时间空挡被由具有所述α真实值的神经网络第二次扫描；
-所述分配模块被配置成根据所述显示装置的地理分布规则生成所述显示装置的至少一个分配批次，并在所述至少一个分配批次中分配所述显示装置和特定时间；
-所述分配模块被配置成将所述显示装置按地理组排序，然后在队列中对每个地理组的显示装置进行优先级排序，并通过在每个地理组的队列中取顶部显示装置生成至少一个显示装置的分配批次；
-所述活动数据包括预算，所述活动数据包括预算，所述分配模块根据所分配的显示和特定时间计算活动成本，所述分配模块计算活动成本并将所述活动成本维持在预算之内；
-所述至少一个分配服务器具有RAM，在该RAM中关于OOH目录的数据是内存映射的，所述分配模块12被设计为直接与分配服务器4的操作系统内核交互，并且在内存映射的输入/输出从事分配服务器的文件系统。
本发明公开的另一个目的是一种用于在OOH目录下的显示装置上显示广告活动的内容的系统，该系统包括至少一个分配服务器(4)，该分配服务器(4)执行以下程序：
-接收来自特定广告活动的活动数据，至少包括日期范围、目标环境和客户目标；
-为所述特定广告活动分配，来自OOH目录的特定的一组显示装置和所述特定广告活动显示在所述特定的一组显示装置中的每个显示装置上的特定时间，至少基于OOH目录的各显示装置的个人位置数据、可用性数据和观众数据，以匹配所述特定广告活动；
-该系统适应于将所述特定广告活动对应的内容配送到所述特定的一组显示装置；
其中与OOH目录相关的数据包含在OOH目录数据库中，并所述至少一个分配服务器具有RAM，在该RAM中所述OOH目录数据库作为位掩码建模的对象被完全填充。
附图说明
关于附图，对实施例的以下描述通过非限制示例给出的方式显示出其它特征和优点。
图中：
-图1显示了用于显示内容的系统中显示装置的地理分布示例；
-图2为显示了用于显示内容的系统示例中的物理组件的框图；
-图3为显示了图2系统中的部分软件组件的框图；
-图4显示了用于将OOH目录中的显示装置分配到活动中的可能的神经网络图；
-图5说明了图4的神经网络的运行情况；以及
-图6显示了用于将OOH目录中的显示装置分配到活动中的另一种可能的神经网络图。
具体实施方式
在各个附图中，相同的附图标记表示相同或相似的元件。
图1显示了一个户外(Out of Home，OOH)广告系统1，用于在一个地理区域GA内的显示装置2、3上显示内容，该地理区域GA可以大到世界各地，也可以是一个国家、一个地区、一个城镇等。在地理区域GA中，显示可能属于不同的局部区域LA。在OOH广告的技术领域中，显示也被称为画面。
显示装置2、3可以有几种类型，图1中的不同符号表示它们。不同类型的显示可能对应不同的格式或设计，以及不同的媒体类型，如“数字”和“纸张”。
至少部分显示可以是数字显示装置2。
如图2所示，数字显示装置2(D FR)可包括播放器2a(即具有处理器和大容量内存的计算机)，它控制电子屏幕2b，如LED电子屏幕、LCD电子屏幕或任何其它已知的电子可寻址屏幕。播放器2a所播放的内容可以是图像、电影、网页或任何其它类型的数字内容，这些内容可显示在电子屏幕2b上。
纸张显示装置3(P FR)可以是背光的，也可以不是背光的，可以是固定的，也可以是移动的(例如在电动滚筒上滚动)，介质可以是纸张，也可以是任何合适的合成材料。
OOH广告系统1还包括至少一个分配服务器4(SERV 1)，例如多个分配服务器4。
所述至少一个分配服务器4被编程以接收关于广告活动的活动数据，并将显示装置2、3及其特定时间分配给广告活动。
除其他外，可从专门用于系统1(OPE)的操作人员使用的计算机工作站5、客户(CLT)使用的计算机工作站6或实时投标系统7(RTB)接收活动数据。
一旦所述至少一个分配服务器4分配显示装置2、3和特定时间给广告活动，分配显示的识别和分配的时间可能被发送到至少一个操作服务器8(SERV 3)，这个操作服务器8可能立即或稍后分派对应于广告活动的内容和表示内容的所述特定时间给显示装置2、3。在操作服务器8上，可以通过至少一个分配服务器4的服务器接收内容，也可以从任何外部源接收内容，例如基于与活动数据相关的内容的标识。
在数字显示装置2的例子中，通过任意WAN(例如internet 9)都可以将内容和特定时间发送给所选数字显示的播放器2a。播放器2a记忆内容和特定时间，然后根据记忆的特定时间播放内容。
在纸张显示装置3的例子中，内容的分派是由现场更换海报的运营商10来完成的。
至少一个分配服务器4可以进一步与一个或多个附加服务器11(SERV 2)通信，例如，至少一个附加服务器11用于训练在至少一个分配服务器4上运行的人工智能，稍后将对此进行解释。
如图3所示，至少一个分配服务器4可以运行一个名为分配模块12的软件，用于分配所述特定的一组显示和特定时间。分配模块12可以与带有API14客户工作站的运营商工作站5通过一个简单的接口软件13(INT)通信，通过实时竞价系统7通过特定的接口软件15(EXCH)实现例如“开启RTB”协议下的数据的自动交换。
当所述至少一个分配服务器4由多个分配服务器4组成时，可选择地在所述多个的所有分配服务器4上同时运行分配模块，以提高速度。
与OOH目录相关的数据可能包含在OOH目录数据库中。可选地，所述至少一个分配服务器4可能具有一个RAM，在该RAM中所述OOH目录数据库作为位掩码建模的对象被完全填充，以提高速度。
作为一个变体，分配模块12可以被设计成直接与分配服务器4的操作系统内核交互，与文件系统进行内存映射的输入/输出。这允许分配模块12将文件数据视为内存，并以极快的速度处理大量目录数据——避免了典型应用程序使用的昂贵的数据复制和数据库查询。在系统启动时，千兆字节的资产数据可能在分配服务器4中内存映射，以便稍后在运行时进行即时访问。
OOH目录数据库可以包含OOH目录的各自显示的至少单个类型数据、位置数据、可用性数据和观众数据。
类型数据可能包括如下数据的例子：
-渠道：如“机场”、“大画幅”或“街道设施”；
-媒体类型：如数字、纸张、数字和纸张；
-格式:显示格式；
-等等。
位置数据可能包括在地理区域GA中显示的位置，也可能是显示所属的局部区域LA，也可能是靠近某些感兴趣的地点等。
可用性数据可能包括已预订的每个日历日和日历日的每个时间段的显示的百分比％(即已分配给广告活动的时间占比)中的时间占比(Share of Time，SOT)，以及相应广告活动的参照。每天可被分成若干时间段，这些时间段可以单独预订。这些时间段的持续时间可能相同，也可能不相同。这种时间段的一个非限制性例子是：
-时间段1：6h-10h；
-时间段2：10h-16h；
-时间段3：16h-19h；
-时间段4：19h-6h。
对于固定海报的纸质显示装置3，分配给广告活动的时间占比将是100％，或者是0，并且在若干天的所有时间段都是相同的。
对于滚动或活动海报的纸质显示装置3，分配给广告活动的时间占比通常是一个预先确定的值(例如25％，对于显示有被按顺序显示的一卷4个海报)或0，并且在若干天的所有时间段都是相同的。
观众数据每个日历日和每个时间段可包括，例如：
-人口统计数据，例如在显示范围内的统计人数，按观众类别划分，例如(非限定的例子)：年龄、性别、社会类别、主要顾客/主要顾客+儿童等。
-画面等级：实际看到显示的人口统计的统计百分数％。画面等级决定了观众数量，即在考虑的时间段内，每个观众类别实际看到显示的统计人数。对于在时间段j内具有画面等级R和人口统计数据Dijk的显示i在观众类别j的显示，对应的观众数量Vijk将是Vijk＝Dijk*R。
分配模块12可以是人工智能模块12，其经过训练的用于为广告活动优化分配显示和特定时间。
所述人工智能模块12可以通过机器学习(更准确地说是“强化学习”)，例如离线地，在由附加服务器11运行的训练模块16中进行训练。
所述训练模块16可被编程用于创建大量人工生成的广告活动(合成的活动)，并在所述人工生成的广告活动上训练所述人工智能模块。对人工生成的广告活动进行训练，使该算法能够分析所有可能的组合。然而，只对历史数据进行培训将其局限于处理已经发生的事情，这将在活动中出现微小变化的情况下产生普通的结果。
在一个实施例中，人工智能模块12可以包括神经网络17。
例如，在图4和图5中显示了一个特别有利的实施例，其中神经网络17有两层19、20乙状结肠神经元。
更具体地说，神经网络17可能具有：
-在输入层18中，连接到输入节点22-26的若干输入(图4-5的示例中有5个输入和输入节点，但这个数字可能因不同的实施例而异)；
-第一层19乙状结肠神经元，有若干个乙状结肠神经元27(如7个乙状结肠神经元27)，每个连接到每个输入节点22-26；
-第二层20乙状结肠神经元，有若干个乙状结肠神经元28(如3个乙状结肠神经元28)，每个连接到每个乙状结肠神经元27；
-输出层21，有例如一个连接到所有乙状结肠神经元28的输出节点29。
例如，神经网络17可能具有0.1的学习速率和1的Gamma值。
神经网络17通过不断的观察不断地改进自己。因此，如果市场倾向于转向特定的显示格式分发技术，系统将能够学习并随后识别这些市场变化。随着神经网络的学习，市场趋势被转化为模式，并嵌入到神经网络及其学习中。神经网络在解决分类问题上特别有效，即以某种方式对一系列输入进行分类，从而提供识别市场趋势的能力。训练不是在产品环境中完成的，而是在附加服务器12上定期脱机进行的。市场趋势可以通过回放历史上的广告活动来捕捉，也可以考虑生成新的合成活动来训练神经网络。
在变体中，可以使用单级神经网络，而不是两层神经网络。这种神经网络可能是基于Q-learning的。Q-learning是一种无模型强化学习技术，它使自动化系统能够通过评估行为价值函数来做出决策。系统根据行动的有用性来选择行动，以达到给定策略所定义的目标。
现在将更详细地解释分配模块12的操作。
通常，一个新的广告活动(此处按惯例称为“特定广告活动”)将由分配模块12处理，用于分配显示装置2、3和在所述显示上的特定时间到所述特定广告活动。“特定时间”可以包括例如每个日历日和一天中的每个时间段的SOT。
该特定广告活动的分配过程由分配模块12接收上述软件模块13-15中的任何一个中的广告数据触发。
此类活动数据可能至少包括日期范围、目标环境(即地理环境，如位置或位置类型)和客户目标。
日期范围是特定广告活动必须发生的日期范围。
目标环境是特定广告活动必须发生的位置。它可能是地理区域GA的全部或部分。
客户端目标可能包括一个观众群，可能按观众类别划分。
活动资料可能包括其他资料，例如：
-特定广告活动所需的类型数据(如上述定义的渠道、媒体类型、格式)；
-时间模式：一周内请求的天数、这些天内请求的时间段等；
-接近性：请求与感兴趣点的已分配显示的接近性；
-请求显示的数目；
-预算；
-环境类别，例如零售区/街边；
-请求的接触质量(反映内容被观众回忆的可能性的显示的统计参数)；等。
根据活动数据，分配模块12分配给特定广告活动，来自OOH目录的特定的一组显示以及在所述特定的一组显示上显示特定的广告活动的特定时间，以匹配该活动数据。
分配模块12可以根据一组预先确定的规则分配所述特定的一组显示，包括例如以下规则(或其中的任何子集)：
-所述OOH目录各自显示的观众数据是结合特定广告活动的客户目标来确定关于特定广告活动的客户目标的OOH目录各自显示的冲击值(例如客户目标的观众群)，并所述一组预先确定的规则包括：对所述特定广告活动的显示上一段时间的冲击值越高，在这个显示上这段时间内向所述特定广告活动分配的时间占比越高；
-所述OOH目录各自显示的观众数据是结合其它广告活动的客户目标来确定关于其它广告活动的客户目标的OOH目录各自显示的各自冲击值，并所述一组预先确定的规则包括：对所述其它广告活动的显示上一段时间的冲击值越高，在这个显示上这段时间内向所述特定广告活动分配的时间占比越低；
-所述OOH目录各自显示的观众数据是结合特定广告活动的客户目标来确定关于特定广告活动的客户目标的OOH目录各自显示的冲击值，并所述一组预先确定的规则包括：对所述特定广告活动的显示上一段时间的冲击值越高，在这个显示上这段时间内向所述特定广告活动分配的优先权越高；
-所述OOH目录各自显示的可用性数据确定了OOH目录各自显示的预订水平，并所述一组预先确定的规则包括：显示的预订水平越低，这个显示向所述特定广告活动分配的优先权越高；
-所述OOH目录各自显示的可用性数据关于可被分配给活动的时间的占比包括一个最小值和一个最大值，并所述一组预先确定的规则包括：在这个显示上被分配给活动的时间占比是0，或者最小值和最大值之间；
-所述一组预先确定的规则包括：在将显示和时间分配给特定的广告活动时，可以重新分配先前分配给其它广告活动的显示和时间；
-所述一组预先确定的规则包括：分配给所述特定的广告活动的显示在目标环境中分布。
当分配模块12包含如图4-5所示的两层神经元的神经网络时，其操作如下：
-所述客户目标包括至少一个表达(目标观众群)的目标数量，所述第一层19先后扫描OOH目录的每个时间段的所有显示，并在所述表达的目标数量中计算代表表达的目标数量的选票，这个选票能够提供被扫描的显示/时间段，以及
-所述第二层20确定了在所述被扫描的显示上分配给当前广告宣传的特定时间(考虑的时间段内的SOT)，根据所述选票和上述的一组预先确定的规则。
第一层19由输入层提供，每扫描一次显示/一段时间接收：
-第一输入，具有与客户目标相关的数据，
-第二输入，具有与观众数量相关的数据，与已分配给特定广告活动的显示和特定时间相对应，
-第三可选的输入，具有已经分配给被扫描的显示上的其他广告活动的特定时间，
-第四输入，具有对应于为客户目标被扫描的显示上可用的所有表达的数据，以及
-第五可选的输入，具有代表被扫描显示的宽度与被扫描显示的高度之比的数据。
所有的输入和输出都可以是由0到1组成的标准化数字。
上述分配过程非常快，即使对于一个具有数百或数千个显示2、3的大型地理区域GA来说也是如此。例如，为特定广告活动分配显示和特定时间的过程的持续时间可能是1毫秒，在最复杂的情况下最多是几秒钟。
值得注意的是，上面的系统可用于包括分别属于几个业主的显示的OOH目录。
除了上述或作为变体之外，分配模块12还可以运行地理分布算法，以确保分配的显示分散到所有目标地理区域。地理分布算法最大限度地实现了面板的地理分布：显示密度高的区域将得到更多的显示分配，而显示密度低的区域仍将在分配给特定广告活动的特定一组显示中得到正确的表示。
地理分布过程也可以集成到神经网络中。
地理分布过程可以使用霍夫曼方法，例如通过以下四个步骤：
步骤1：根据显示的地理属性，特别是上面提到的位置数据，将显示按地理分组进行排序。所述位置数据可能包括环境数据或地理区域的名称(可能是上面定义的本地区域LA的名称)。
步骤2：应用Huffman方法，得到不同地理组对应的多个显示队列。
步骤3：创建显示的分配批次，从每个队列中选择顶部显示，以获得具有良好显示扩展的分配批次。
步骤4：然后分配模块12将分配过程应用于分配批次。
在本发明的所有实施例中，分配模块12(也可以称为优化引擎)用于在每个显示上找到每个活动的最佳时间水平(更具体地说：最佳时间占比水平)。分配模块12可以使用人工智能，也可以基于机器学习。使用观众和可用性数据，分配模块12将考虑几个参数，以计算每个显示上每小时(或系统定义的任何其他分配时间范围)的特定于活动的排名。
现在将描述分配模块12的具体实施例。
分配模块12考虑的参数包括：
a)观众评分，显示每个小组和每个小时对目标观众的活动的影响。低冲击小时的重量将小于高冲击小时。此类观众评分可以通过等正在销售的数据库获得。
对于给定的显示，观众评分是显示对给定目标人群(例如：buyers，fans等)的影响的指示器。它反映了特定目标人群在地理组显示中的百分比(例如对应于一个邮政编码)。因此，观众得分可以用作用户偏好的一个向量。
计算观众得分的方法如下：
·定义一个对照组，例如在全国随机选择的一组人。
·定义一个目标群体，例如在全国随机选择的一组人，他们满足给定的营销标准：例如车主等。
·对于每个邮政编码(或任何其他本地地区的定义)，在此邮政编码内的对照组的条目和目标组的条目分别进行汇总。
·然后将每个邮政编码的两个数量之比按比例缩放到所有邮政编码，以获得观众评分。
b)适宜性得分，表明显示/小时数对其他活动的数值(适宜性得分＝目标观众/所有成年观众的比例)。对许多其他观众类别具有高冲击的显示和时间将受到保护，并分配更少的时间用于被分配的活动。这最大限度地优化可在目录中被出售的活动的数量。
c)容量评分，用于在尽可能多的显示/小时数上保持可用性。优先分配对目标观众影响较大的小时数和预订量较低的显示/小时数。
d)下限/上限：可选地，可以将下限值和上限板值分配给至少一些显示。在那种情况下，必须分配当前活动以显示最低时间值(或最低时间份额)，这是下限值，而最大时间值(或最大时间份额)是上限值。这两个值都是可变的，可以由销售团队等操作人员控制，也可以由分配模块根据可用性自动优化。
如前所述，分配模块12可以包括经过训练的神经网络。上述每个参数(或权重)都被传递到上述训练过的神经网络中，在当前活动的所有显示上生成每小时的级别排名。利用地理分布过程结合上述训练过的神经网络的输出，分配模块12能够优化目录分配，满足多种活动需求，包括但不限于：
1.预算约束：给定特定预算，分配模块12系统可以跨显示屏分配当前活动的时间(时间的占比)，以优化投放到活动中的表达数量(与活动的观众眼神接触的数量)，步骤如下：
·从最高显示/小时开始，根据神经网络评分和约束条件(如下限、上限和面板的预约规则)，分配当前活动的部分可用时间；
·根据关联定价模型计算这个分配时间的价格；
·找到在地理位置上与之前分配的显示不相邻的下一个最高的显示/小时(根据地理分布网格)，并相应地分配时间(时间的占比)。根据之前的分配计算此分配的价格和活动总价格。
·重复这一过程，直到达到目标预算为止，确保在返回之前选择所有不同地理区域(地理分布网格的框)的显示，以考虑在地理位置上与当前活动之前分配的显示相邻的显示。
·如果在所有面板的第一次分配后无法满足预算，确定需要在所有面板上追加分配的比例，以满足所需的预算。
2.表达目标：给定对特定观众的预期影响(表达目标)，分配模块12可以将活动的时间分配给显示，以满足这一表达目标，同时优化其他活动对其他观众的可用表达。这是通过与预算优化类似的算法实现的，使用所需的表达数量作为分配目标。
3.具体显示计数：分配模块12能够使用它的评分系统来确定给定观众和活动的最佳x显示(x是一个数字)，以便优化交付表达的相关性，同时为其他活动保留最有价值的目录。
为了获得分配模块的快速(几乎是即时的)响应并保持库存一致性，活动总是被分配给特定的显示和天、小时/分钟。无论何时需要，分配模块12都可以将显示和/或天、小时/分钟重新分配给其他活动。在不同的活动之间切换目录可以用来腾出新活动所需的空间。当创建基于实时可用性和显示排名的新活动时，将动态处理此过程。
如图6所示，上述具体例子中在分配模块12中使用的神经网络17可能有：
-9个输入变量I1-I9，对应于输入层30的9个乙状结肠神经元33-41，
-1个隐藏层32和
-1个输出层，有1个输出的乙状结肠神经元42对应于1个输出变量。
输入I1-I9可以例如如下：
·I1：滑块1值。滑块1表示显示的观众质量，范围从1到10，其中10表示最高的观众水平和要求的观众与所有观众(例如成人观众)的比例最高的显示。
·I2：滑块2值。滑块2表示如上所述的观众得分，例如范围从1到10。
·I3：滑块3值。Slider 3表示观众范围例如从1到10，这反映了在给定显示上的高SOT(share of time，时间占比)水平和所讨论的活动使用的显示总数之间的权衡。示例：滑块3的值为10，表示在所有地方使用floor SOT可能的最大显示数量，而值1表示分配模块可能选择集中于最小的显示数量。
·I4：所有显示/显示时间选择的平均观众
·I5：所有显示/显示时间选择的平均观众得分
·I6：所有显示/显示时间选择的平均适合性得分
·I7：有关显示/显示时间的观众价值
·I8：有关显示/显示时间的观众得分
·I9：有关显示/显示时间的适宜性评分
视具体情况定，输出变量可以是显示级别(Frank)，也可以是显示时间级别(FTrank)。
神经网络输出FTrank是从0到1的分数，这取决于给定显示时间与客户请求(目标)的兼容性。如果FTrank为1，则表示分配模块12可以预订该显示时间的全部容量。然而，有一些独立的硬性限制需要考虑：下限值、上限制和地域分布。神经网络输出是“有多少部分”(上限值-下限值)是可能的预订，同时也尊重要求的价差。例如，如果用户将扩展滑块推到10，分配模块12将被迫取消神经网络输出，并根据可能的最大显示量分配下限SOT值。
神经网络输出被用于分配显示时间，以到达目标观众。这种分配可以使用一些可能的公式/算法来完成。
例如，在分配单个显示时间时，可以使用以下公式：
AA＝FA+α·(NCA-FA)·FTrank (1)
其中：
-AA表示被分配的观众；
-FA表示最低的观众值；
-NCA表示一个新的最高观众值；
NCA＝FA+(CA-FA)/(I'3)，CA为最高观众值，I'3为I3的标准化值，因此I'3的最大值为1；
α＝(NS-T)/NS，其中NS是网络的大小，根据在活动被分配给目标观众的过程中可用于所有系统的显示的表达的数量，以及T是所述活动表达的目标数量。
当显示的网络活动不够大和神经网络输出不得不被撤销时，α＝0或者负数。
当α接近1时，分配模块12是不应用于神经网络输出。
由于α是事先不知道，分配过程是首先由具有α＝1(“希望策略”)的分配模块12运行。正如经验所示，大多数情况下，显示网络足够大，以便从第一次运行时就为目标。这一战略特别有效，可以立即为活动分配。在罕见的情况下，从第一次运行时还不是目标，至少第一次运行能够计算α的真实值，第二运行用这个真实值完成。即使在这种情况下，活动的完整分配过程也是非常短的，通常小于1秒。
分配过程可能被分配模块12按照下述步骤运行(α＝1或α的真实值)：
步骤A：在选择的所有显示上运行神经网络函数，以计算Frank；
步骤B：按照Frank显示等级；
步骤C：取第一个n个显示(n称为批次大小，该值取决于内存性能和延迟加载—批次大小n默认为3个月显示10次，但可以微调)；
步骤D：计算所选批次中所有显示时间槽的FTrank；
步骤E：根据上式(1)计算每个显示时间分配的观众。
例如，神经网络17可以被训练成一组基本的可能的输入-输出。例如，如果所有的滑块都在10，并且与平均水平相比，显示的观众、适用性和观众得分都非常低，那么输出S＝0；如果它们很高，输出S＝1。然后，神经网络17可以很好地归纳到非极端情况。

Claims (23)

1.一种用于在OOH目录下的显示装置上显示广告活动内容的计算机实现方法，该计算机实现方法包括以下步骤：
-在至少一个分配服务器(4)上接收特定广告活动的活动数据，至少包括日期范围、目标环境和客户目标；
-通过至少一个分配服务器(4)为所述特定广告活动分配，来自OOH目录的特定的一组显示装置(2，3)和所述特定广告活动显示在所述特定的一组显示装置中的每个显示装置上的特定时间，至少基于OOH目录的各显示装置的个人位置数据、可用性数据和观众数据，以匹配所述特定广告活动；
-将所述特定广告活动对应的内容配送到所述特定的一组显示装置，
其中，由所述至少一个分配服务器(4)运行的分配模块(12)执行分配所述特定的一组显示装置(2，3)和特定时间，所述分配模块(12)包括针对广告活动被训练为最优分配显示装置和特定时间的神经网络(17)。
2.根据权利要求1所述的计算机实现方法，其特征在于，所述OOH目录包括数字显示装置(2)，每个数字显示装置具有至少一个电子屏幕(2b)和一个适应于在所述至少一个电子屏幕(2b)上播放内容的播放器(2a)、以及将所述特定广告活动对应的内容配送到所述特定的一组显示装置，包括将所述内容和相应的特定时间电子发送到特定数字显示装置(2)的各播放器(2a)、由所述播放器(2a)记忆所述内容和特定时间以及根据所述特定时间在所述至少一个电子屏幕(2b)上播放所述内容，所述特定数字显示装置(2)是所述特定的一组显示装置的一部分。
3.根据权利要求1所述的计算机实现方法，其特征在于，在显示装置(2，3)上分配给特定广告活动的所述特定时间包括时间占比。
4.根据权利要求3所述的计算机实现方法，其特征在于，所述OOH目录各显示装置的观众数据包括各自当天不同时段的观众数据，所述时间占比为每个时段确定。
5.根据权利要求1所述的计算机实现方法，其特征在于，所述神经网络(17)有多个输入和至少一个输出，所述输入的其中一个是由用户调整的分布指数并且代表了系统的显示装置上活动的目标地理分布，所述至少一个输出取决于所述分布指数。
6.根据权利要求5所述的计算机实现方法，其特征在于，所述客户目标包括至少一个印象的目标数量，所述广告活动的日期范围分为时间空挡，其中所述神经网络先后扫描OOH目录的所有显示装置和所有时间空挡，所述神经网络的至少一个输出与分配给所述显示装置上当前广告活动的特定时间和被扫描的时间空挡关联。
7.根据权利要求6所述的计算机实现方法，其特征在于，所述神经网络的至少一个输出为显示时间等级，所述显示时间等级代表所述被扫描显示装置和所述活动数据的时间空挡的兼容性。
8.根据权利要求1所述的计算机实现方法，其特征在于，所述分配模块(12)根据所述显示装置的地理分布规则生成所述显示装置的至少一个分配批次，然后在所述至少一个分配批次里分配所述显示装置和特定时间。
9.根据权利要求8所述的计算机实现方法，其特征在于，将所述显示装置按地理组排序，然后在队列中对每个地理组的显示装置进行优先级排序，并通过在每个地理组的队列中取顶部显示装置生成至少一个显示装置的分配批次。
10.根据权利要求1所述的计算机实现方法，其特征在于，所述活动数据包括预算，所述分配模块根据所分配的显示装置和特定时间计算活动成本，所述分配模块计算活动成本并将所述活动成本维持在预算之内。
11.根据权利要求1所述的计算机实现方法，其特征在于，包括通过机器学习训练所述神经网络(17)。
12.根据权利要求1所述的计算机实现方法，其特征在于，所述至少一个分配服务器(4)具有RAM，在该RAM中关于OOH目录的数据是内存映射的，所述分配模块(12)被设计为直接与分配服务器(4)的操作系统内核交互，并且在内存映射的输入/输出中进行分配服务器的文件系统管理。
13.一种用于在OOH目录下的显示装置上显示广告活动的内容的系统，该系统包括至少一个分配服务器(4)，该分配服务器(4)执行以下程序：
-接收来自特定广告活动的活动数据，至少包括日期范围、目标环境和客户目标；
-为所述特定广告活动分配，来自OOH目录的特定的一组显示装置(2，3)和所述特定广告活动显示在所述特定的一组显示装置中的每个显示装置上的特定时间，至少基于OOH目录的各显示装置的个人位置数据、可用性数据和观众数据，以匹配所述特定广告活动；
-将所述特定广告活动对应的内容配送到所述特定的一组显示装置，
其中，由所述至少一个分配服务器(4)运行的分配模块(12)执行分配所述特定的一组显示装置(2，3)和特定时间，所述分配模块(12)包括针对广告活动被训练为最优分配显示装置和特定时间的神经网络(17)。
14.根据权利要求13所述的系统，其特征在于，所述OOH目录包括数字显示装置(2)，每个数字显示装置(2)具有至少一个电子屏幕(2b)和一个适应于在所述至少一个电子屏幕(2b)上播放内容的播放器(2a)，其中所述至少一个分配服务器(4)被编程以将所述内容和相应的特定时间电子发送到特定数字显示装置(2)的各播放器(2a)，所述特定数字显示(2)是特定的一组显示装置的一部分，并且其中所述播放器(2a)被编程以记忆所述内容和特定时间、并根据在所述至少一个电子屏幕(2a)上播放所述内容。
15.根据权利要求13所述的系统，其特征在于，在显示装置上分配给特定广告活动的特定时间包括时间占比。
16.根据权利要求15所述的系统，其特征在于，所述OOH目录各显示装置的观众数据包括各自当天不同时段的观众数据，所述时间占比为每个时段确定。
17.根据权利要求13所述的系统，其特征在于，所述神经网络(17)有多个输入和至少一个输出，所述输入的其中一个是由用户调整的分布指数并且代表了显示装置系统上活动的目标地理分布，所述至少一个输出取决于所述分布指数。
18.根据权利要求17所述的系统，其特征在于，所述客户目标包括至少一个印象的目标数量，所述广告活动的日期范围分为时间空挡，其中所述神经网络先后扫描OOH目录的所有显示装置和所有时间空挡，所述神经网络的至少一个输出与分配给所述显示装置上当前广告活动的特定时间和被扫描的时间空挡关联。
19.根据权利要求18所述的系统，其特征在于，所述神经网络的至少一个输出为显示时间等级，所述显示时间等级代表所述活动数据的被扫描的显示装置和时间空挡的兼容性。
20.根据权利要求13所述的系统，其特征在于，所述分配模块(12)被配置成根据所述显示装置的地理分布规则生成所述显示装置的至少一个分配批次，并在所述至少一个分配批次中分配所述显示装置和特定时间。
21.根据权利要求20所述的系统，其特征在于，所述分配模块(12)被配置成将所述显示装置按地理组排序，然后在队列中对每个地理组的显示装置进行优先级排序，并通过在每个地理组的队列中取顶部显示装置生成至少一个显示装置的分配批次。
22.根据权利要求13所述的系统，其特征在于，所述活动数据包括预算，所述分配模块根据所分配的显示装置和特定时间计算活动成本，所述分配模块计算活动成本并将所述活动成本维持在预算之内。
23.根据权利要求13所述的系统，其特征在于，所述至少一个分配服务器(4)具有RAM，在该RAM中关于OOH目录的数据是内存映射的，所述分配模块(12)被设计为直接与分配服务器(4)的操作系统内核交互，并且在内存映射的输入/输出中进行分配服务器的文件系统管理。
CN201910363639.9A 2018-05-03 2019-04-30 显示内容的方法和系统 Pending CN110443629A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US15/970,431 US20190340648A1 (en) 2018-05-03 2018-05-03 Method And System For Displaying Contents
US15/970431 2018-05-03
US16/176,748 US20190342595A1 (en) 2018-05-03 2018-10-31 Method And System For Displaying Contents
US16/176748 2018-10-31

Publications (1)

Publication Number Publication Date
CN110443629A true CN110443629A (zh) 2019-11-12

Family

ID=66349532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910363639.9A Pending CN110443629A (zh) 2018-05-03 2019-04-30 显示内容的方法和系统

Country Status (4)

Country Link
US (1) US20190342595A1 (zh)
CN (1) CN110443629A (zh)
GB (1) GB2590024A (zh)
WO (1) WO2019211207A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113360540A (zh) * 2020-03-04 2021-09-07 上海分泽时代软件技术有限公司 一种实时查询和分配户外分时广告库存的方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11127032B2 (en) * 2018-11-19 2021-09-21 Eventbrite, Inc. Optimizing and predicting campaign attributes
US11756076B2 (en) * 2021-02-26 2023-09-12 Walmart Apollo, Llc Systems and methods for providing sponsored recommendations

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030110171A1 (en) * 2001-11-21 2003-06-12 Stuart Ozer Methods and systems for selectively displaying advertisements
CN101203855A (zh) * 2005-06-20 2008-06-18 谷歌公司 在显示器网络中分配广告空间
US20110010732A1 (en) * 2003-08-06 2011-01-13 Ds-Iq, Inc. System and method for delivering and optimizing media programming in public spaces with peer-to-peer digital signage networks

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0809933D0 (en) 2008-05-30 2008-07-09 Clear Channel Uk Ltd Resource management/time availability system
US11287894B2 (en) * 2018-03-09 2022-03-29 Adobe Inc. Utilizing a touchpoint attribution attention neural network to identify significant touchpoints and measure touchpoint contribution in multichannel, multi-touch digital content campaigns

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030110171A1 (en) * 2001-11-21 2003-06-12 Stuart Ozer Methods and systems for selectively displaying advertisements
US20110010732A1 (en) * 2003-08-06 2011-01-13 Ds-Iq, Inc. System and method for delivering and optimizing media programming in public spaces with peer-to-peer digital signage networks
CN101203855A (zh) * 2005-06-20 2008-06-18 谷歌公司 在显示器网络中分配广告空间

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113360540A (zh) * 2020-03-04 2021-09-07 上海分泽时代软件技术有限公司 一种实时查询和分配户外分时广告库存的方法

Also Published As

Publication number Publication date
WO2019211207A1 (en) 2019-11-07
US20190342595A1 (en) 2019-11-07
GB202101509D0 (en) 2021-03-17
GB2590024A (en) 2021-06-16

Similar Documents

Publication Publication Date Title
CN113473187B (zh) 广告投放的跨屏优化
Chan-Olmsted Issues in strategic management
US20190213621A1 (en) Deal quality for event tickets
US8478658B2 (en) Auction-based selection and presentation of polls to users
US20030110080A1 (en) Advertisement distribution determining/optimizing method
CN110443629A (zh) 显示内容的方法和系统
US11257121B2 (en) Out of home digital ad server
CN106682951A (zh) 宣传分配装置和宣传分配方法
Fotiadis et al. Participant’s preferences for small-scale sporting events: A comparative analysis of a Greek and a Taiwanese cycling event
CN103649981A (zh) 用于输送目标内容的方法和装置
CN103069794A (zh) 改进的网络数据传输系统和方法
US20220215438A1 (en) Method and computing device for optimizing placement of digital signage content based on audience segments
US9680923B1 (en) Platform and network for joint distribution of content by multiple publishers
CN104871196A (zh) 具有服务器和在不同地理位置处的分布式播放器设备的媒体系统
Zahrádka et al. What is the price of outdoor advertising: A case study of the Czech republic?
CN112767046B (zh) 非标准化服务产品构建的方法及装置
KR20000036634A (ko) 인터넷을 이용한 창작품 공모시스템 및 그 방법
CN110264244B (zh) 一种广告用户轨迹跟踪管理系统及方法
US20120078733A1 (en) System and method for managing advertising campaigns
CN110321516B (zh) 一种全域旅游公共服务平台及其管理系统
Goff Inglis et al. A review of scheduling problems and research opportunities in motion picture exhibition
Deffner et al. Place marketing, local identity and cultural planning: The CultMark INTERREG IIIc project
US20190340648A1 (en) Method And System For Displaying Contents
US20110231234A1 (en) Effective attention disposing system
EP3564879A1 (en) Method and system for displaying contents

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 40011465

Country of ref document: HK

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191112