CN115633542B - 用于相关和混合的内容项目响应的归因模型 - Google Patents

用于相关和混合的内容项目响应的归因模型 Download PDF

Info

Publication number
CN115633542B
CN115633542B CN202180007459.2A CN202180007459A CN115633542B CN 115633542 B CN115633542 B CN 115633542B CN 202180007459 A CN202180007459 A CN 202180007459A CN 115633542 B CN115633542 B CN 115633542B
Authority
CN
China
Prior art keywords
product
response
node
processing circuits
content item
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.)
Active
Application number
CN202180007459.2A
Other languages
English (en)
Other versions
CN115633542A (zh
Inventor
A.D.雅各布森
L.M.艾德姆
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.)
Google LLC
Original Assignee
Google LLC
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
Application filed by Google LLC filed Critical Google LLC
Publication of CN115633542A publication Critical patent/CN115633542A/zh
Application granted granted Critical
Publication of CN115633542B publication Critical patent/CN115633542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0243—Comparative campaigns
    • 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
    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • 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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0244—Optimization
    • 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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0246—Traffic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

用于为分析系统确定产品响应的系统、方法和计算机可读存储介质。一种方法包括：接收针对第一产品的产品响应，以及识别多个产品的相关性图，该产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中该内容项目与内容提供方相关联。该方法还包括：合计所述相关性图中第一产品的第一节点到第二产品的第二节点的相关性的程度度量的权重，并且基于对程度度量的权重的合计进行归一化来生成相关性指数。该方法还包括，响应于相关性指数超过阈值，基于相关性指数来计算分配给产品响应的归因信用，并且将归因信用提供给内容提供方。

Description

用于相关和混合的内容项目响应的归因模型
技术领域
本公开总体上涉及归因模型的领域。
背景技术
在诸如互联网的计算机联网环境中，归因模型已经在试图预测内容的影响时得以使用。
发明内容
一些实施方式涉及一种用于确定相关产品响应的方法，该方法由一个或多个处理电路实施。该方法包括接收针对第一产品的产品响应，该产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中该内容项目与内容提供方相关联。此外，该方法包括识别多个产品的相关性图。此外，该方法包括合计相关性图中第一产品的第一节点到第二产品的第二节点的相关性的程度度量的权重。此外，该方法包括基于对程度度量的权重的合计进行归一化来生成相关性指数。此外，该方法包括响应于相关性指数超过阈值，基于相关性指数来计算分配给产品响应的归因信用。此外，该方法包括向内容项目的内容提供方提供归因信用。
在一些实施方式中，该方法还包括：接收指示产品响应从与第一产品相关联的实体计算系统发回的pingback校正，更新反映发回的产品响应的归因信用，以及将更新的归因信用提供给内容提供方。在各种实施方式中，该方法还包括：由一个或多个处理器基于对交互数据和先前的产品响应的历史交互数据进行分析来识别产品响应的趋势，响应于识别趋势，确定与第一产品相关联的不同内容项目，以及用该不同内容项目修改内容项目的内容项目槽。在一些实施方式中，该方法还包括：响应于识别趋势，计算第一节点与第二节点之间的程度度量的新权重，以及用第一节点与第二节点之间的程度度量的新权重来更新相关性图。在各种实施方式中，相关性图包括多个节点，多个节点包括第一节点和第二节点，并且其中多个节点中的每个节点与多个产品中的产品相关联。在一些实施方式中，基于多个产品之间的关系对连接相关性图的多个节点的多个程度度量中的每个程度度量进行加权，其中该关系是关系之间的相对加权的实体显式指定、产品标识符、一个或多个分类法、一个或多个n元语法序列或用户设备数据中的至少一个。在各种实施方式中，归一化包括对第一节点与第二节点之间的程度度量的权重进行线性加权，并且将线性加权的程度度量的权重缩放到1.0的尺度。在一些实施方式中，阈值基于由实体设置的第一敏感度、由内容提供方设置的第二敏感度、内容项目、第一产品或第二产品中的至少一个，并且其中交互数据包括与事件相关联的时间戳和用户设备数据。
一些实施方式涉及一种用于确定完全产品响应的方法，该方法由一个或多个处理电路实施。该方法包括接收针对第一产品和第二产品的产品响应，该产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中该内容项目与内容提供方相关联。此外，该方法包括计算分配给产品响应的第一归因信用。此外，该方法包括识别多个产品的相关性图。此外，该方法包括合计相关性图中第一产品的第一节点到第二产品的第二节点的相关性的程度度量的权重。此外，该方法包括基于对程度度量的权重的合计进行归一化来生成相关性指数。此外，该方法包括响应于相关性指数超过阈值，基于相关性指数来计算分配给完全产品响应的第二归因信用。此外，该方法包括向内容项目的内容提供方提供第一归因信用和第二归因信用。
在一些实施方式中，该方法还包括：接收指示完全产品响应从与第一产品相关联的实体计算系统发回的pingback校正，更新反映发回的产品响应的第二归因信用，以及将更新的第二归因信用提供给内容提供方。在各种实施方式中，该方法还包括：基于对交互数据和先前的产品响应的历史交互数据进行分析来识别产品响应的趋势，响应于识别趋势，确定与第一产品相关联的不同内容项目，以及用该不同内容项目修改内容项目的内容项目槽。在一些实施方式中，该方法还包括：响应于识别趋势，计算第一节点与第二节点之间的程度度量的新权重，以及用第一节点与第二节点之间的程度度量的新权重来更新相关性图。
一些实施方式涉及一种具有至少一个处理电路的系统。至少一个处理电路可以被配置为接收针对第一产品的产品响应，该产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中该内容项目与内容提供方相关联。此外，至少一个处理电路可以被配置为识别多个产品的相关性图。此外，至少一个处理电路可以被配置为合计相关性图中第一产品的第一节点到第二产品的第二节点的相关性的程度度量的权重。此外，至少一个处理电路可以被配置为基于对程度度量的权重的合计进行归一化来生成相关性指数。此外，至少一个处理电路可以被配置为响应于相关性指数超过阈值，由一个或多个处理电路基于相关性指数来计算分配给产品响应的归因信用。此外，至少一个处理电路可以被配置为向内容项目的内容提供方提供归因信用。
在一些实施方式中，至少一个处理电路可以被配置为：接收指示产品响应从与第一产品相关联的实体计算系统发回的pingback校正，更新反映发回的产品响应的归因信用，向内容提供方提供更新的归因信用。在各种实施方式中，至少一个处理电路可以被配置为：基于对交互数据和先前的产品响应的历史交互数据进行分析来识别产品响应的趋势，响应于识别趋势，确定与第一产品相关联的不同内容项目，以及用该不同内容项目修改内容项目的内容项目槽。在一些实施方式中，至少一个处理电路可以被配置为：响应于识别趋势，计算第一节点与第二节点之间的程度度量的新权重，以及用第一节点与第二节点之间的程度度量的新权重来更新相关性图。在各种实施方式中，至少一个处理电路可以被配置为：更新反映包括第一产品和第二产品的产品响应的归因信用，以及向内容提供方提供更新的归因信用。
一些实施方式涉及其上存储有指令的一个或多个计算机可读存储介质，该指令在由至少一个处理电路执行时使得至少一个处理电路执行操作。操作包括接收针对第一产品的产品响应，该产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中该内容项目与内容提供方相关联。此外，操作包括识别多个产品的相关性图。此外，操作包括合计相关性图中第一产品的第一节点到第二产品的第二节点的相关性的程度度量的权重。此外，操作包括基于对程度度量的权重的合计进行归一化来生成相关性指数。此外，操作包括响应于相关性指数超过阈值，基于相关性指数来计算分配给产品响应的归因信用。此外，操作包括向内容项目的内容提供方提供归因信用。
附图说明
附图不打算按比例绘制。各种附图中相同的附图标记和名称指示相同的元素。为了清楚起见，不是每个组件都在每个附图中标出。在附图中：
图1是根据说明性实施方式的分析系统和相关联环境的框图；
图2是根据说明性实施方式的用于确定相关产品响应的方法的流程图；
图3是根据说明性实施方式的用于确定完全产品响应的方法的流程图；
图4是根据说明性实施方式的相关性图的示例表示；
图5是根据说明性实施方式的计算系统的框图。
具体实施方式
本公开涉及总体上关于确定内容项目的完全产品响应和相关产品响应的系统和方法。归因模型(attribution model)可以用于测量一个或多个内容项目的呈现对一个或多个资源(例如，网页、移动应用、视频、智能助理)的影响。在一些实施例中，第三方归因模型可以将单个产品归因于单个内容项目，但是不能将相关产品或混合产品(例如，不止单个产品)归因于单个内容项目。也就是说，归因模型可以被训练成，当针对与单个内容项目相关联的单个产品发生产品响应时，将信用(或归因值)归因于内容提供方。然而，提供用户响应的与不同产品相关联的内容项目可能不被归因(例如，被丢弃和/或被忽视)，即使它们可能是相关的(例如，在选择与电话相关联的内容项目之后的耳机响应)。此外，包括多个产品的混合响应可能基于单个产品的内容项目而被低估或高估。因此，本文描述的系统和方法涉及根据与内容项目的用户交互来准确地归因相关产品响应和混合产品响应。
在许多系统中，内容提供方可以开发主动推荐(initiative)，在这些主动推荐中，他们在内容网络之间频繁地采用与实体的产品相关联的内容项目。归因模型可以用于(例如，基于因果关系(causation))估计内容项目对响应的影响。然而，当从与内容项目相关联的产品不同的产品接收产品响应时，基于该不同的产品向内容项目准确地分配归因信用是具有挑战性的。因此，归因相关产品或混合产品捆绑(bundle)以使得归因信用可以被准确地分配而不会低估、高估或不评估响应的能力，提供了具有增强的性能和效率的归因模型，同时减少了不被评估的响应的量。这种因果方法允许归因模型提供对预测的显著改进，使得预测的准确性和归因模型的性能得到改进，结果，使得内容提供方能够关于他们的主动推荐做出明智的决定。因此，本公开的各方面通过设计归因模型来解决归因建模架构中的问题，该归因模型利用相关性图(relatedness graph)来生成相关性指数以用于将归因信用分配给内容项目的内容提供方。
相应地，本公开包括用于根据与内容项目的用户交互来确定相关产品响应和完全产品响应的系统和方法。在一些实施方式中，所描述的系统和方法涉及利用相关性图。相关性图可以由节点(例如，产品)之间的一系列向量来表示，每个向量具有它们自己的相关性权重，这些权重可以被合计和归一化以建立两个或更多个节点之间的相关性指数。在各种实施方式中，相关性的权重可以基于许多因素，诸如但不限于计算语言学和概率、分类法、产品数据、用户定制、行为数据、财务数据等。此外，相关性指数可以用于计算针对相关产品响应和完全产品响应的归因信用。因此，本文描述的系统和方法使得归因模型能够提高预测的准确性，而不会丢弃和/或不评估可能相关的不同产品或者与内容项目相关联的产品的混合产品捆绑的一部分。具体地，该技术方案向计算针对响应的归因信用的归因建模架构提供了显著改进。在一些实施方式中，归因模型还可以在实体向相关产品响应和完全产品响应的用户提供回信用之后，更新和/或修改相关产品响应和完全产品响应的归因信用。
此外，通过使用改进的归因建模架构，该技术方案的各方面可以减少丢弃的数据量，这是对其他归因建模架构的显著改进。也就是说，通过使用相关性图，该技术方案可以提供对相关产品响应和完全产品响应的准确估计，而无会传输对用户和/或实体的受保护信息或私有信息(例如，财务信息、互联网历史、标识符等)的查询和/或请求来确定内容项目对用户响应的影响。这不仅保护了归因模型和与它们相关联的数据库免于暴露用户和/或实体的受保护信息或私有信息，而且还保护了客户端设备免于暴露它们的受保护信息或私有信息，这是对联网系统的安全性的显著改进。
在这里讨论的系统收集关于用户和/或实体的个人信息或者可以利用个人信息的情形下，向用户和/或实体提供机会来控制程序或特征是否收集用户信息和/或实体信息(例如，关于用户的社交网络、社交动作或活动、职业、用户的偏好或用户的当前位置的信息)，或者控制是否和/或如何从内容服务器接收可能与用户和/或实体更相关的内容。此外，或可替代地，在存储或使用某些数据之前，可以以一种或多种方式对其进行处理，使得个人可识别信息被移除。例如，可以处理用户的身份，使得不能确定用户的个人可识别信息，或者可以将用户的地理位置概括为获得位置信息的地方(诸如到城市、ZIP码或州级)，使得不能确定用户的特定位置。因此，用户和/或实体可以控制内容服务器如何收集和使用关于用户和/或实体的信息。
现在参考图1，根据说明性实施方式，示出了分析系统110和相关联环境100的框图。一个或多个用户设备140(例如，智能电话、平板电脑、计算机等)可以由用户用来执行各种动作和/或访问各种类型的内容，其中一些可以通过网络130(例如，互联网、LAN、WAN等)来提供。本文使用的“用户”或“实体”可以指操作用户设备140、经由用户设备140与资源或内容项目进行交互等的个人。用户设备140可以用于向分析系统110发送数据，或者可以用于访问网站(例如，使用互联网浏览器)、访问移动应用、访问视频(例如，电视、直播流)、媒体文件、与智能助理进行通信和/或任何其他类型的内容。在一些实施方式中，用户设备140已经启用了可以通过网络130进行跟踪的位置服务。位置服务可以使用GPS或其他技术来确定用户设备140的位置。
内容提供方设备150可以指定输入(例如，花费金额)、一个或多个内容项目的集合(例如，与包括产品的活动相关联的一些或所有项目)以及与一个或多个第三方相关联的一个或多个产品列表。分析系统110可以被配置为基于从内容提供方设备150接收的信息和/或用来自本文描述的其他设备/系统的其他信息来生成相关性图。
内容管理系统170可以被配置为选择用于在资源(例如，网页、移动应用(例如，Google Chrome、Google Shipping、Google Pay)、视频(例如，YouTube、Google Play上的视频)等)内向用户显示的内容，并且通过网络130向用户设备140提供内容项目以在资源内显示。内容管理系统170从中选择项目的内容可以由一个或多个内容提供方使用一个或多个内容提供方设备150经由网络130来提供。在一些实施方式中，内容管理系统170可以从内容提供方设备150选择(例如，经由网站、移动应用和/或视频等)要在用户设备140上显示的内容项目。在这样的实施方式中，内容管理系统170可以确定要在资源(例如，网页、移动应用、视频等)的一个或多个内容界面中发布的内容。
内容管理系统170可以可通信地和可操作地耦合到内容数据库172，内容数据库172可以被配置为存储与内容项目和内容项目槽相关的各种信息。例如，可以从分析系统110、用户设备140、内容提供方设备150和/或数据源160接收信息。内容管理系统170可以被配置为向内容数据库172查询信息并将信息存储在内容数据库172中。在各种实施方式中，内容数据库172包括各种暂时性和/或非暂时性存储介质。存储介质可以包括但不限于磁存储装置、光存储装置、闪存、RAM等。内容数据库172和/或内容管理系统170可以使用各种API来执行数据库功能(即，管理存储在内容项目174中的数据)。API可以是但不限于SQL、NoSQL、NewSQL、ODBC、JDBC等。
第三方系统180可以是与实体相关联的计算设备，实体向内容提供方设备150提供输入(例如，内容花费)以尝试接收与实体的一个或多个产品相关联的响应。第三方系统180可以是互联网商务系统(或“电子商务系统”，例如，企业对企业(B2B)、企业对顾客(B2C)、顾客对顾客(C2C)或顾客对企业(C2B))，其被配置为经由网站(例如，使用互联网浏览器)、经由移动应用(例如，Google Chrome、Google Maps、Gmail)、经由视频(例如，电视、直播流)、经由智能助理(例如，Google Assistant)向用户设备140提供界面(例如，图形用户界面(GUI))。在一些实施例中，第三方系统180可以由主机设备(例如，计算设备)在统一资源定位符(URL)处托管定制界面，以及托管定义定制界面并被存储在主机设备上(例如，在数据库中)的文件集合。每个第三方系统可以托管可以呈现数字内容的一个或多个网站、移动应用或视频的组合。
在各种实施例中，第三方系统180可以在存储在用户设备140上并在应用商店中下载的移动应用上托管定制界面。这样，每个第三方系统(例如，180)可以包括用户的购物体验。可以基于选择由内容提供方设备150和/或内容管理系统170托管的内容项目槽中的内容项目，来重定向用户以提供响应(例如，购买产品或服务)。例如，在选择了内容项目后，用户设备上的移动应用可以为顾客呈现响应机会。在另一示例中，在选择了视频中的内容项目后，用户设备可以被重定向到第三方系统的网站以完成响应。重定向(例如，基于点击或选择)可以包括与内容项目相关联的交互数据。该交互数据可以作为数据的分组被传递或提供给第三方系统180，并且第三方系统180上的任何附加交互也可以作为交互数据的分组被记录和存储。在一些实施例中，在产品响应后，包括产品响应和活动日志的交互数据的分组可以被发送到分析系统110进行分析(例如，确定相关产品响应和/或完全产品响应)。此外，分析系统110和第三方系统180可以使用各种API来可通信地耦合，以交换数据(即，管理存储在分析数据库120中的产品响应和交互数据)。API可以是但不限于SQL、NoSQL、NewSQL、ODBC、JDBC等。
分析系统110可以由内容提供方设备150用来试图量化内容项目的影响(例如，输入、响应)。分析系统110可以包括一个或多个处理器(例如，任何通用或专用处理器)，并且可以包括和/或可操作地耦合到一个或多个暂时性和/或非暂时性存储介质和/或存储器设备(例如，任何计算机可读存储介质，诸如磁存储装置、光存储装置、闪存、RAM等)。在各种实施方式中，分析系统110和内容管理系统170可以被实施为分开的系统或者集成在单个系统内(例如，内容管理系统170可以被配置为结合分析系统110的一些或所有功能/能力)。分析系统110可以被配置为经由各种架构(例如，客户端/服务器架构、对等架构等)通过网络130进行通信。分析系统110可以被配置为提供用于分析归因信用、监视产品响应和执行pingback校正的各种界面。
分析系统110可以可通信地和可操作地耦合到分析数据库120，分析数据库120可以被配置为存储与由分析系统110执行的确定相关性和归因信用相关的各种信息。例如，可以从用户设备140、内容提供方设备150、数据源160和/或内容管理系统170接收信息。分析系统110可以被配置为向分析数据库120查询信息并将信息存储在分析数据库120中。在各种实施方式中，分析数据库120包括各种暂时性和/或非暂时性存储介质。存储介质可以包括但不限于磁存储装置、光存储装置、闪存、RAM等。分析数据库120和/或分析系统110可以使用各种API来执行数据库功能(即，管理存储在分析数据库120中的数据)。API可以是但不限于SQL、NoSQL、NewSQL、ODBC、JDBC等。
在一些实施方式中，第三方系统180可以传输产品的响应，并且提供关于响应和/或产品的信息(例如，交互数据)，该信息可以被存储在分析数据库120(例如，交互数据集122)中。此外，分析系统110可以被配置为经由网络130检索数据(例如，用户活动数据、内容活动数据等)，该数据可以被存储在分析数据库120的交互数据集122中。在各种实施方式中，交互数据集122可以包括交互(诸如但不限于最后点击、最后查看、播放(playthrough)、历史数据等)、产品响应信息、内容项目信息(诸如但不限于相关联产品、放置、布置、定时信息等)、产品标识符、购买信息(诸如但不限于顾客财务信息、购买价格、折扣等)、用户信息(诸如但不限于浏览器信息、用户设备数据、操作系统、历史信息、用户标识符等)、第三方信息、内容提供方信息、虚拟助理信息(诸如但不限于问题、用户语音数据、设置、通知等)。
分析系统110可以被配置为经由网络130与环境100中示出的任何设备或系统进行通信。分析系统110可以被配置为从网络130接收信息。该信息可以包括浏览历史、cookie日志、电视内容数据、印刷出版物内容数据、广播内容数据和/或在线内容活动数据。分析系统110还可以被配置为接收和/或收集用户设备140在网络130上的交互。该信息可以作为内容数据被存储在交互数据集122中。
数据源160可以包括由分析系统110通过从内容提供方设备150、用户设备140和/或第三方系统180接收交互数据而收集的数据。该数据可以是特定媒体渠道(例如，电视、互联网内容、广播、广告牌、印刷出版物)在一个或多个时间点的内容输入(例如，内容花费)、内容响应(例如，内容收入)、产品响应(例如，产品购买)。内容输入可以包括在电视内容、广告牌内容、互联网内容上的花费(例如，搜索内容花费或显示内容花费等)。该数据可以是特定实体或用户(例如，患者、顾客购买，互联网内容项目)在一个或多个时间点的数据输入。内容输入可以包括与多个实体、多个用户、特定实体、特定用户等相关联的数据。数据源160还可以包括收集内容数据的各种数据合计系统和/或实体。分析系统110可以经由网络130从数据源160接收产品响应数据。该信息可以作为产品响应数据被存储在交互数据集122中。
分析系统110可以被配置为向内容提供方设备150发送与它确定、生成或拟合的各种指标(例如，预测)或模型相关的信息和/或通知。这可以允许内容提供方设备150之一的用户查看分析系统110确定的各种指标或模型。此外，分析系统110可以使用各种指标来识别与用户进行联系的有利时机或者在各种媒体渠道(例如，电视广告、互联网广告、广播广告等)上输入的适当量(例如，最佳混合媒体输入)。分析系统110可以使得消息被发送到内容管理系统170和/或内容提供方设备150，以指示内容管理系统170应该与特定时间的特定用户和/或具有特定参数的内容活动运营商进行联系。
分析系统110可以包括被配置为执行分析系统110的各种功能的一个或多个系统(即，由处理器可执行的计算机可读指令)和/或电路(即，ASIC、处理器存储器组合、逻辑电路等)。在一些实施方式中，该系统可以是或包括信用评分系统112、pingback系统114、建模器116和数据管理器118。应当理解，各种实施方式可以包括与图1所示相比更多、更少或不同的系统，并且所有这样的修改都被认为在本公开的范围内。
数据管理器118可以被配置为生成存储在分析数据库120中的各种数据结构。例如，数据管理器118可以被配置为生成相关性图。在一些实施方式中，相关性图可以由节点之间的一系列向量来表示，每个向量具有它们自己的相关性权重(有时在本文中称为“相关性指数”)。例如，一个节点可以是与X公司相关联的一对耳机，另一节点可以是与X公司相关联的电话，而又一节点可以是与Y公司相关联的智能扬声器。具体地，相关性图可以是相关性数据集124中包括的数据结构，并且指示一个或多个第三方的项目和/或产品之间的各种关系。例如，相关性图可以包括与多个第三方相关联的多个产品，其可以包括相关性图内的各个节点(例如，项目和/或产品)之间的相关性指数。相关性图可以通过数据管理器118基于从多个源接收和收集数据确定一个或多个项目和/或产品之间的相关性而生成。在各种实施方式中，多个源可以包括但不限于数据源160(例如，基于产品描述的n元语法(有时称为“Ngrams”)，基于第三方(或商家)描述的n元语法，基于评论、文章和其他收集的公共/私有数据、财务机构的n元语法)、用户设备140(例如，用户定制、用户共同响应行为、购买历史)、内容提供方设备150、第三方系统180等。在一些实施方式中，数据管理器118可以基于从多个源接收和收集数据来实时地持续更新相关性图。此外，新的和/或附加的数据源(例如，新的n元语法数据、附加的用户数据、附加的交互数据)可以在连续的基础上(例如，自主地，在扫描新的/附加的源之后)被用来更新相关性图(例如，更新相关性指数、添加新的产品以及确定与相关性图中的其他产品的相关性等)。
数据管理器118还可以被配置为从多个用户设备140、内容提供方设备150、数据源160和/或第三方系统180接收多个产品响应。例如，在顾客在卖方J的在线商店(例如，第三方系统180)上完成购买(例如，产品响应)后，数据管理器118可以接收包括指示与特定产品的内容项目的用户交互的交互数据的产品响应。在另一示例中，在服务提供方K(例如，180)的顾客发起服务(例如，流服务、投资服务、教程服务等)后，数据管理器118可以接收包括指示与特定服务的内容项目的用户交互的交互数据的产品响应。在又一示例中，在顾客在公司L处亲自完成交易后，数据管理器118可以接收包括指示交易的交互数据的产品响应。然而，在以下示例中，数据管理器118可以基于各种其他交互数据(例如，用户设备数据、财务信息、内容提供方信息等)来推断用户与之交互的内容项目。
数据管理器118可以被配置为接收交互数据(例如，被存储在交互数据集122中)。在一些实施例中，数据管理器118可以被配置为从第三方系统180、用户设备140和/或内容提供方设备150接收来自多个响应的交互数据，而不是特定顾客专有的数据。此外，为了保护特定的顾客信息，交互数据可以被数据管理器118剥离和/或匿名化，以移除顾客的标识信息。在各种实施例中，数据管理器118接收的接收数据可以是分析系统110合计的数据和/或分析系统110从数据源160接收的数据。
数据管理器118还可以被配置为经由网络130与内容管理系统170进行通信，以便确定与要在接收到产品响应之后分析的内容提供方相关联的一个或多个内容项目的集合。此外，数据管理器118可以被配置为确定与一个或多个内容项目相关联的一个或多个特性。特性可以包括在搜索查询中使用的相关联关键词、网站视图、视频视图(例如，经由YouTube)、内容视图、内容点击、移动应用视图(例如，经由Google Chrome、Google Maps、Gmail)等。例如，数据管理器118可以被配置为确定(例如，经由活动ID或其他标识符)与新餐馆的内容活动相关联的内容项目。在该示例中，数据管理器118还可以基于目标关键词的集合(例如，餐馆、新餐馆、在地理位置中的餐馆等)来确定内容项目的集合被呈现。数据管理器118还可以被配置为基于建模器116对产品响应进行分析来发起与内容项目的集合相关联的输入水平的改变。
数据管理器118还可以被配置为检索和分析用户交互数据，包括用户设备140通过网络130执行的动作。在一些实施方式中，数据管理器118检索交互数据，并且创建具有一个或多个日志条目的活动日志。活动日志可以跨越任何指定的时间段(例如，过去的一个月、过去的一周等)，并且可以是基于任何约束的用户所特有的(例如，洛杉矶的用户、波士顿的安卓用户、具有一对耳机的产品响应的用户等)。数据管理器118可以被配置为使用经筛选的活动日志，以便确定用户的子集(即，与原始活动日志相关联的用户的子集)。用户的子集可以是有可能暴露于正在被分析的内容项目的用户。此外，数据管理器118可以被配置为检索与响应指标(例如，产品响应)相关的用户活动数据。
交互数据集122可以包括数据的子集，数据的子集中的每个包括与内容项目相关联的响应数据、内容输入数据(例如，输入数据)、内容类型、控制变量和/或提供方标识符。数据可以是针对一段间隔内的一个或多个时间点的数据(例如，针对一天中的每小时的数据、针对一年中的每天的数据、针对十年中的每个月的数据等)。内容类型可以指示数据的集合的特定媒体渠道，例如电视、广播、互联网内容、报纸或杂志内容等。响应数据可以是与输入数据相关联的动作的结果。也就是说，响应数据可以指示(例如，一个或多个产品)在特定时间的特定收入额。在一些实施例中，响应是一次或多次转换、一次或多次销售、一次或多次购买、一次或多次账户注册、一次或多次订阅、一次或多次产品激活等。输入数据可以指示在特定时间针对内容类型的内容输入的特定量(例如，法定货币)。输入数据还可以指示内容运行的数量。交互数据集122可以包括时间序列数据结构，该时间序列数据结构指示各种媒体渠道和/或各种地理区域随时间推移的输入数据、响应数据的量。
建模器116可以被配置为基于归因模型来确定相关产品响应和完全产品响应。通常，归因模型可以被配置为基于对第一节点(例如，与产品响应相关联的产品A)与第二节点(例如，与内容项目相关联的产品B)之间的程度度量的权重进行合计以及对合计的权重进行归一化以生成相关性指数，来确定产品响应的产品的相关性。如上所述，数据管理器118可以被配置为维护存储在相关性数据集124中的相关性图。建模器116可以利用相关性图来随后确定一个产品与另一产品有多相关，使得可以计算相关性，并且可以(例如，由信用评分系统112)授予潜在的归因信用。在一些实施例中，归因模型可以是存储在分析数据库120中的经训练模型，并且可以基于输入的变量(例如，产品响应的产品)提供输出预测(例如，相关性指数)。此外，归因模型可以量化对(例如，跨媒体渠道)呈现给用户的内容项目的特定产品响应的相关性。这种因果方法允许归因模型对产品响应相关性的预测提供显著改进，使得归因模型的预测的准确性和归因信用的分配得到改进，结果，使得内容提供方能够对他们的主动推荐做出明智的决定。在一些实施方式中，可以利用一个或多个机器学习算法(例如，神经网络、卷积神经网络、循环神经网络、线性回归模型、稀疏向量机或本领域普通技术人员已知的任何其他算法)来推断输入数据、响应数据。
建模器116还可以被配置为基于对交互数据和先前的产品响应的历史交互数据进行分析来识别产品响应的趋势。也就是说，可以比较每个产品响应和相关联的归因信用，可以跟踪历史产品响应，并且可以建立随时间推移的趋势(或模式)。可以执行趋势和模式识别操作来识别各种产品响应的趋势和/或模式。具体地，基于评估交互数据集122中的产品响应和/或其他交互数据，建模器116的一个或多个处理电路可以识别各种产品、内容项目和/或产品响应的趋势和/或模式(例如，线性、指数、季节性、随机、阻尼窗口、平稳、AI和/或循环趋势和/或模式)。在一些实施例中，数据管理器118可以基于识别产品响应的趋势来更新相关性图。也就是说，响应于分析历史产品响应和/或接收到产品响应，可以通知内容管理系统170更新内容项目的内容项目槽(例如，网站内容项目槽、视频内容项目槽、移动应用内容项目槽等)。例如，多个用户可能最近已经响应(例如，购买)了新发布的电视型号。在下面的示例中，建模器116可以确定指示新发布的电视型号比先前发布的电视型号被购买更多的趋势，并且可以向内容管理系统170提供指示，以用与新发布的电视型号相关联的内容项目来更新内容项目槽。在一些实施方式中，建模器116可以基于(从内容项目174)检索或生成用于呈现的内容项目来直接更新内容项目槽。此外，数据管理器118还可以更新包括新发布的电视型号的相关性图和/或更新先前发布的电视型号节点与相关性图中的其他节点之间的权重(例如，降低相关性、移除边等)。
使用相关性图，建模器116可以将第一产品的一个或多个产品响应归因于与可能相关的第二产品相关联的内容活动中的内容项目。此外，建模器还可以将第一产品和第二产品的一个或多个产品响应归因于与第二产品相关联的内容活动中的内容项目，以捕获完全产品响应。在一些实施例中，建模器116还可以将响应归因于建模器116对其另外没有响应指标的相关产品。在一些实施方式中，建模器116可以组合相关性图以确定组合的相关性指数。例如，对于在不同资源上显示的特定内容项目，可以基于与多个内容项目相关联的交互的组合来确定相关性指数，并且可以基于交互的组合的数量来(例如，均等地、加权地等)划分归因信用。此外，如上文更详细描述的，建模器116可以用于调整内容提供方的内容活动。例如，基于相关性指数，可以为内容活动中的内容项目调整每次动作成本(cost peraction)指标。每次动作成本指标通常代表内容提供方为了获得响应(或转换)的成本。通过调整每次动作成本指标，内容提供方可以选择为提供用于在资源上显示的内容项目支付更多或更少，从而调整内容提供方的内容活动的参数。换句话说，内容提供方(例如，150)可以基于产品响应的性能的更准确表示，调整其用于在内容活动中提供各种内容项目的策略。
在另一示例中，多个用户可能已经没有对智能电话做出响应达延长时间段(例如，7天、1个月等)。在以下示例中，建模器116可以确定指示智能电话过时的趋势，并且内容项目槽可以(例如，由建模器116和/或内容管理系统170)更新并且相关性图可以(例如，由数据管理器118)更新。在又一示例中，多个用户可能已经对与烘干机相关联的内容项目做出了响应，但是购买了洗衣机。在下面的示例中，建模器116可以确定购买洗衣机比烘干机更多，并且可以更新内容项目槽中的内容项目以包括洗衣机，并且可以更新相关性图(例如，修改权重、添加节点等)。
信用评分系统(crediting system)112可以被配置为基于由建模器116生成的相关性指数来计算多个产品响应中的每个产品响应的归因信用。换句话说，信用评分系统112可以被配置为对相关响应和完全产品响应(例如，整个购物车价值)进行信用评分，使得可以向内容提供方(例如，150)提供准确的信用。在一些实施例中，可以基于相关性指数不同地计算归因信用(例如，更相关可以等于更高的信用，而更不相关可以等于更低的信用)。具体地，该计算可以利用由本文描述的一个或多个系统配置的各种数学运算(例如，代数、微积分、布尔代数)，使得归因信用对于特定的实体、用户和/或内容提供方可以是唯一的。例如，实体X可以具有较高的阈值(例如，相关性大于0.70)并且利用等式X(例如，相关性指数×(100÷边)＝归因信用)来计算归因信用，而实体Y可以具有较低的阈值(例如，相关性大于0.50)并且利用等式Y(例如，相关性指数×100(如果相关性指数>0.90)、相关性指数×75(如果相关性指数>0.80)、或者相关性指数×50(如果相关性指数<0.80)＝归因信用)来计算归因信用。如所示，每个归因信用计算可以是唯一的，使得信用评分系统112可以基于实体、用户和/或内容提供方来利用不同的计算。
pingback系统114可以被配置为全部通过网络130接收来自用户设备140、内容提供方设备150和/或第三方系统180的pingback校正。pingback校正可以包括基于产品的发回(remittance)(例如，退货、退款、更换、召回等)的发回产品响应。在一些实施例中，在归因信用被分配给内容提供方设备150之后，pingback系统114可以与用户设备140、内容提供方设备150、数据源160和/或第三方系统180(例如，包括诸如财务机构和/或信用卡实体的卡提供方实体)建立通信信道，以接收pingback校正。所建立的通信信道可以是通过网络130的，并且可以建立达特定时间(例如，30天、3个月、3年等)。通信的便利可以被实施为应用编程接口(API)(例如，REST API、网络API、定制API)、批处理文件和/或查询。在各种布置中，pingback系统114也可以被配置为控制对用户设备140、内容提供方设备150、数据源160和/或第三方系统180的资源的访问。此外，pingback系统114可以经由API通过网络130接收pingback校正，并且pingback系统114可以更新与发回的产品的产品响应相关联的分配的归因信用。在各种实施例中，更新的归因信用可以重新评估归因信用，就好像产品没有被做出响应一样。在一些实施例中，数据管理器118还可以基于pingback校正来更新交互数据集122(例如，历史数据)和相关性数据集124(例如，相关性图)。例如，由于用一个或多个产品进行响应的内容项目的影响可能没有那么有影响力，所以可以减少归因信用。此外，建模器116可以基于pingback校正来重新训练存储在分析数据库120中的归因模型。
现在参考图2，示出了根据说明性实施方式的确定相关产品响应的方法200的流程图。分析系统110和相关联环境100可以被配置为执行方法200。此外，本文描述的任何计算设备可以被配置为执行方法200。
在方法200的概述中，在框210，一个或多个处理电路可以接收针对第一产品的产品响应。在框220，一个或多个处理电路可以识别相关性图。在框230，一个或多个处理电路可以合计相关性的程度度量的权重。在框240，一个或多个处理电路可以生成相关性指数。在框250，一个或多个处理电路可以计算归因信用。在框260，一个或多个处理电路可以向内容提供方提供归因信用。取决于特定的布置，可以执行附加的、更少的或不同的操作。在一些布置中，方法200的一些或所有操作可以由在一个或多个计算设备、系统或服务器上执行的一个或多个处理器来执行。在各种布置中，每个操作可以被重新排序、添加、移除或重复。
更详细地参考方法200，在框210，一个或多个处理电路可以接收针对第一产品的产品响应(例如，事件)，该产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中该内容项目与内容提供方相关联。在一些实施例中，产品响应可以由数据管理器118通过网络130从第三方系统(例如，第三方系统180)接收。例如，在从第三方系统购买HDMI有线电视后，第三方系统(例如，网站、店内、移动应用、电话呼叫等)可以向数据管理器118提供交互数据(例如，购买信息、用户信息、内容项目信息)。在各种实施例中，交互数据可以与可指示产品和/或服务的购买的产品响应(或事件)相关联。可以基于在购物体验期间收集的信息(例如，点击内容项目、播放信息、最后点击、搜索信息等)而将购买链接到内容项目。具体地，内容项目是与第二产品(例如，智能电视)相关联的内容项目槽中的广告。
在框220，一个或多个处理电路可以识别多个产品的相关性图。在各种实施例中，相关性图可以被存储在相关性数据集124中，并且可以由数据管理器118基于接收到附加的交互数据和对交互数据集122进行分析来生成和/或更新。具体地，相关性图的生成和更新可以包括修改两个节点之间的程度度量的权重。相关性图中(例如，与多个产品中的产品相关联的)每个节点可以基于程度度量的权重与一个或多个节点相关。参考图4详细描述了关于相关性图的附加细节。此外，多个相关性图可以被存储在相关性数据集124中，并且每个图可以与特定的实体(例如，公司A)、一组实体(例如，公司A和公司B)、实体类型(例如，硬件、技术、大卖场等)、产品类型(例如，电话、电视、服装等)和/或多个产品的任何特性相关联，但不限于此。
在框230和240，一个或多个处理电路可以合计相关性图中第一产品的第一节点到第二产品的第二节点的相关性的程度度量的权重，并且基于对程度度量的权重的合计进行归一化来生成相关性指数。在一些实施例中，基于建模器116从与第一产品相关联的第一节点开始遍历整个相关性图，来确定第一节点与第二节点之间的路径。整个相关性图的遍历可以基于遍历算法(例如，广度优先搜索(BFS)、深度优先搜索(DFS))，该遍历算法可以确定第一产品(例如，第一节点)与第二产品(例如，第二节点)之间的最佳路径，其中最佳路径是具有相关性的程度度量的最低合计权重的路径。例如，在遍历之后，第一产品(节点1)与第二产品(节点4)之间的相关性的程度度量的权重可以是(表1)：
遍历路径(节点) 权重 合计权重
1 1,3,7,8,4 0.71,0.75,0.23,0.93 2.62
2 1,5,6,4 0.19,0.56,0.78 1.53
3 1,9,4 0.82,0.56 1.38
在一些实施例中，建模器116可以合计相关性的程度度量的权重，并且对遍历路径权重进行归一化。归一化可以将自然范围内的合计权重修改为标准范围(例如，0到1.0)。例如，建模器116可以基于遍历的边的数量对遍历路径权重进行归一化(表2)：
遍历路径(节点) 边 归一化(相关性指数)
1 1,3,7,8,4 4 2.62/4＝0.655
2 1,5,6,4 3 1.53/3＝0.51
3 1,9,4 2 1.38/2＝0.69
如上所示，路径1的相关性指数可以是0.655，路径2的相关性指数可以是0.51，并且路径3的相关性指数可以是0.69。此外，建模器116可以选择多个相关性指数中的最高相关性指数。然而，在一些实施方式中，建模器116可以基于但不限于用户定制、内容提供方定制和/或第三方定制、或者建模器116基于历史数据的确定，来选择不同的相关性指数(例如，最接近某个值、最低相关性指数、遍历的边最少等)。在一些实施例中，可以利用各种归一化技术来执行归一化，诸如但不限于线性缩放、对数缩放、剪裁、z评分。在各种实施例中，建模器116可以遍历与第一产品和第二产品相关联的多个相关性图。例如，相关性图A可以与销售第一产品和第二产品的特定实体相关联，而相关性图B可以与销售第一产品和第二产品的多个实体相关联。在以下示例中，建模器116可以遍历每个相关性图中的图，并且选择具有最大相关性(例如，最接近1.0)的相关性指数。在一些实施例中，一个相关性图可以被加权超过另一相关性图，使得一个相关性图可以比另一相关性图更受青睐和/或更准确。具体地，一些相关性图可以用比另一相关性图更多的信息(例如，用更准确的权重)来构建，并且建模器116可以相应地对相关性图进行加权。例如，相关性图A可以被加权，使得每个相关性指数可以是1比1的权重比(例如，所计算的等于0.94的相关性指数将被加权并且将等于0.94)，但是相关性图B可以被加权为1比1/2的权重(例如，所计算的等于0.94的相关性指数将被加权并且将等于0.94/2或者0.47)。
在框250和260，响应于相关性指数超过阈值，一个或多个处理电路可以基于相关性指数来计算分配给产品响应的归因信用，并且将归因信用提供给内容项目的内容提供方。在一些实施例中，阈值可以基于由实体设置的第一敏感度、由内容提供方设置的第二敏感度、内容项目、第一产品或第二产品中的至少一个。也就是说，阈值可以是基于一个或多个因素的敏感度，并且如果相关性指数超过阈值，则可以计算归因信用以将相关产品响应归因于内容提供方的内容项目。例如，用户可以在与新电话的内容项目进行交互(例如，观看、选择)之后购买一对耳机。在下面的示例中，用户(在本文有时被称为“顾客”)可以购买一对耳机，而不是在被重定向到第三方网站和/或移动应用(例如，Google Shopping、Google Play)之后购买电话。在该示例中，相关性指数可以高于阈值(例如，0.75>0.5(阈值))，并且可以计算归因信用并且将其提供给内容提供方。在一些实施例中，归因信用可以在两个值(例如，0-1、0-10、0-100)之间进行归一化，并且可以基于相关性指数进行加权。例如，可以基于响应(例如，$100、$2500)和相关性指数(例如，0.76、0.32)来计算归因信用。例如，$100的相关产品响应可以被信用评分为$100x0.76＝76归因信用，并且$2500的相关产品响应可以被信用评分为$2,500x0.32＝800归因信用。在另一示例中，$100的完全产品响应(例如，一个以上的产品)可以被信用评分为$100÷0.76＝131.58归因信用(或者$100+(100*0.76)＝176归因信用)，并且$2500的相关产品响应可以被信用评分为2500归因信用，因为相关性指数不高于阈值。如下面的示例所示，各种计算(例如，运算和/或代数(例如，加、减、乘、除、平方、求和)、微积分(例如，求导)、计算逻辑(例如，布尔代数)。在一些实施例中，分析系统110、用户设备140、内容提供方设备150和/或本文描述的任何其他系统可以被配置为设置用于计算归因信用的参数、配置和/或偏好。
在一些实施例中，方法200和300还可以包括一个或多个处理电路接收指示产品响应被从与第一产品相关联的实体计算系统发回(例如，返回)的pingback校正。此外，一个或多个处理电路可以更新反映发回的产品响应的归因信用，并且将更新的归因信用提供给内容提供方。也就是说，如果产品响应是被发回，则一个或多个处理电路可以校正先前计算的归因信用，使得归因信用也可以基于被响应的产品(排除发回的产品)而进行归因。
以这种方式使用相关性图和相关性指数允许基于针对不同产品的产品响应(例如购买)以简单且计算高效的方式授予与一个产品相关的内容项目的归因信用。具体地，它允许许多产品之间的关系以某种方式用它们的相关性度量进行记录，这种方式可以通过在计算上遍历图来快速且容易地进行调查。这有助于为彼此关系复杂的大量产品准确且快速地提供归因信用。
在各种实施例中，方法200和300还可以包括基于对交互数据和(例如，存储在交互数据集122中的)先前的产品响应的历史交互数据进行分析来识别产品响应的趋势和/或模式(例如，增加的针对一个或多个产品的产品响应、增加的捆绑产品响应(例如，多产品或完全产品)、一个或多个产品的产品响应的减少、对内容项目槽的更新、增加的内容输入、最近的新闻(例如，文章、世界卫生组织(WHO)报告、疫情指南、自然灾害、事件(例如，体育、音乐))、软件更新、虚拟助理信息(例如，所询问的问题、用户的命令)、搜索查询、用户点击、一个或多个用户的地理位置等)。具体地，响应于识别趋势，一个或多个处理电路可以确定与第一产品相关联的不同内容项目，并且用该不同内容项目修改内容项目的内容项目槽。可替代地或附加地，响应于识别趋势，一个或多个处理电路可以计算第一节点与第二节点之间的程度度量的新权重，并且用第一节点与第二节点之间的程度度量的新权重来更新相关性图。因此，本文描述的归因模型可以基于识别趋势来持续更新和修改相关性图和内容项目槽。
现在参考图3，示出了根据说明性实施方式的确定完全产品响应的方法300的流程图。分析系统110和相关联环境100可以被配置为执行方法300。此外，本文描述的任何计算设备可以被配置为执行方法300。
在方法300的概述中，在框310，一个或多个处理电路可以接收针对第一产品和第二产品的产品响应。在框320，一个或多个处理电路可以计算第一归因信用。在框330，一个或多个处理电路可以识别相关性图。在框340，合计相关性的程度度量的权重。在框350，一个或多个处理电路可以生成相关性指数。在框360，一个或多个处理电路可以计算第二归因信用。在框370，一个或多个处理电路可以向内容提供方提供第一归因信用和第二归因信用。取决于特定的布置，可以执行附加的、更少的或不同的操作。在一些布置中，方法300的一些或所有操作可以由在一个或多个计算设备、系统或服务器上执行的一个或多个处理器来执行。在各种布置中，每个操作可以被重新排序、添加、移除或重复。
更详细地参考方法300，在框310，一个或多个处理电路可以接收针对第一产品和第二产品的产品响应，该产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中该内容项目与内容提供方相关联。在一些实施例中，产品响应可以由数据管理器118通过网络130从第三方系统(例如，第三方系统180)接收。例如，在从第三方系统(例如，网站、店内、移动应用)购买洗碗机和保修后，第三方系统可以向数据管理器118提供交互数据(例如，购买信息、用户信息、内容项目信息)。在各种实施例中，交互数据可以与产品响应(或事件)相关联，产品响应(或事件)可以指示对多个产品和/或服务的一次或多次购买。可以基于在购物体验期间收集的信息(例如，活动数据)而将购买链接到内容项目。具体地，内容项目是与第二产品(例如，洗碗机)相关联的内容项目槽中的广告。
在一些实施例中，在框310，一个或多个处理电路可以接收在一段时间内与至少第一产品和第二产品相关的多个产品响应。多个产品响应可以包括多个交互数据，并且一个或多个处理电路可以基于相似的交互数据将多个响应关联为捆绑。例如，用户可以在2021年3月14日从X公司购买手机，并且在2021年3月15日从X公司购买充电电缆。在下面的示例中，一个或多个处理电路(例如，分析系统110)可以从两个响应(例如，购买)接收交互数据，并且可以基于响应中使用的财务信息(例如，交互数据)来捆绑它们。在另一示例中，用户可以在2021年3月14日在Y公司的商店购买电话，并且在2021年3月16日经由Z公司的网站、Z公司的移动应用和/或智能助理(例如，Google Assistant、智能扬声器等)在线购买云服务。在下面的示例中，交互数据可以由一个或多个处理电路从两个响应接收，并且它们可以基于用户已经从他们的用户设备观看了内容项目(例如，交互数据)而被捆绑。如下所示，第二归因信用可以将电话和云服务解释为完全产品响应。此外，在框310，一个或多个产品响应可以包括多个产品(例如，一个响应中的20个产品、三个响应之间的10个产品)，并且一个或多个处理电路可以对多个产品中的每个产品执行下面的框(320-370)，和/或对作为产品捆绑的多个产品执行下面的框(320-370)。
在框320，一个或多个处理电路可以计算分配给产品响应的第一归因信用。在各种实施例中，第一归因信用可以基于产品响应中的多个产品中的第二产品(例如，洗碗机)的产品响应。如所示，第一归因信用可以低估(例如，对洗碗机购买进行归因)、高估(例如，将整个购买价格归因于一个产品)、或者不评估(例如，不对保修购买进行归因)整个产品响应(例如，购买了一个以上的产品和/或服务)。在一些实施例中，分析系统110(例如，信用评分系统112)可以跳过计算第一归因信用。
在框330、340和350，一个或多个处理电路可以识别多个产品的相关性图，合计相关性图中第一产品的第一节点到第二产品的第二节点的相关性的程度度量的权重，并且基于对程度度量的权重的合计进行归一化来生成相关性指数。框330-350类似于上面参考图2的框220-240详细描述的类似特征和功能。
在框360和370，响应于相关性指数超过阈值，一个或多个处理电路可以基于相关性指数来计算分配给完全产品响应的第二归因信用，并且将第一归因信用和第二归因信用提供给内容项目的内容提供方。框360-370类似于上面参考图2的框250-260详细描述的类似特征和功能。然而，如图所示，第二归因信用可以被分配给完全产品响应(例如，洗碗机和保修)，而不是将归因信用分配给用户与之交互的内容项目(例如，第一归因信用)。在一些实施例中，第二归因信用可以是准确的归因信用，而不会低估、高估或不评估响应。如所示，归因模型可以提供增强的性能和效率，同时减少不被评估的响应的量。如所示，使用归因模型，一个或多个处理电路可以确定完全产品响应并相应地对信用进行归因，而不会低估、高估或不评估与内容项目中的产品相关的多个产品的产品响应。例如，如果用户与关联于膝上型电脑的内容项目进行交互，但是响应也包括膝上型电脑鼠标和扩展坞，则可以对归因信用进行评估，使得可以准确地对购买的附加产品(或完全产品响应)进行信用评分(例如，增加归因信用)。在另一示例中，如果用户与关联于膝上型电脑的内容项目进行交互，但是响应也包括用于园艺的蔬菜种子，则可以对归因信用进行评估，使得可以准确地对购买的附加产品(或者完全产品响应)进行信用评分(例如，蔬菜种子相关性指数可能没有达到修改归因信用的相关性阈值)。然而，在下面的示例中，如果用户与购买膝上型电脑一起持续购买蔬菜种子，则建模器116可以更新内容项目槽中的内容项目，以在膝上型电脑的屏幕上包括蔬菜种子，作为膝上型电脑上显示的示例用户界面。
现在参考图4，示出了根据说明性实施方式的相关性图的示例表示。在一些实施方式中，相关性图可以包括具有多个加权向量(或程度度量)的多个节点(例如，410、420、430、440、450、460、470)。例如，产品1(例如，410)可以包括相关性向量，到产品4(例如，440)的相关性向量为0.65，到产品5(例如，450)的相关性向量为0.78，到产品6(例如，460)的相关性向量为0.35，到产品7(例如，470)的相关性向量为0.75。如图所示，产品1可能不具有到产品2(例如，420)的向量，但是利用归因模型的建模器116可以合计多个向量(例如，产品1到产品5的向量，以及产品5到产品2的向量)，并且该合计进行归一化以获得相关性指数。此外，在一些实施例中，相关性向量可以基于方向而具有不同的相关性指数(例如，从440到420的相关性指数是0.80，而420到440的相关性指数是0.21)。在所示的这个示例中，每个节点可以是与一个或多个实体相关联的产品、服务或其组合，并且相关性向量可以指示相关性指数。因此，在这个特定的示例中，相关性图可以提供对产品/产品、产品/服务和/或服务/服务关系的洞察。一个洞察可以包括第一产品(例如，410)到第二产品(例如，440)的特定相关性。
图5示出了计算系统500的图示，计算系统500可以用于例如实施说明性用户设备140、说明性内容提供方设备150、说明性分析系统110和/或本公开中描述的各种其他说明性系统。计算系统500包括用于传送信息的总线505或其他通信组件，以及用于处理信息的耦合到总线505的处理器510。计算系统500还包括用于存储信息以及要由处理器510执行的指令的耦合到总线505的主存储器515(诸如随机存取存储器(RAM)或其他动态存储设备)。主存储器515还可以用于在处理器510对指令的执行期间存储位置信息、临时变量或其他中间信息。计算系统500还可以包括用于为处理器510存储静态信息和指令的耦合到总线505的只读存储器(ROM)520或其他静态存储设备。存储设备525(诸如固态设备、磁盘或光盘)耦合到总线505，以用于永久存储信息和指令。
计算系统500可以经由总线505耦合到显示器535(诸如液晶显示器或有源矩阵显示器)，以用于向用户显示信息。输入设备530(诸如包括字母数字键和其他键的键盘)可以耦合到总线505，以用于向处理器510传送信息和命令选择。在另一实施方式中，输入设备530具有触摸屏显示器535。输入设备530可以包括光标控制(诸如鼠标、轨迹球或光标方向键)，以用于向处理器510传送方向信息和命令选择以及用于控制显示器535上的光标移动。
在一些实施方式中，计算系统500可以包括通信适配器540，诸如联网适配器。通信适配器540可以耦合到总线505，并且可以被配置为实现与计算或通信网络130和/或其他计算系统的通信。在各种说明性实施方式中，可以使用通信适配器540来实现任何类型的联网配置(诸如有线(例如，经由以太网)、无线(例如，经由WiFi、蓝牙等)、预配置、自组织、LAN、WAN等)。
根据各种实施方式，实行本文描述的说明性实施方式的过程可以由计算系统500响应于处理器510执行主存储器515中包含的指令布置来实现。这些指令可以从另一计算机可读介质(诸如存储设备525)读取到主存储器515中。主存储器515中包含的指令布置的执行使得计算系统500执行本文描述的说明性过程。多处理布置中的一个或多个处理器也可以用于执行主存储器515中包含的指令。在替代实施方式中，可以使用硬连线电路来代替软件指令或者与软件指令组合来实施说明性实施方式。因此，实施方式不限于硬件电路和软件的任何特定组合。
尽管已经在图5中描述了示例处理系统，但是本说明书中描述的主题和功能操作的实施方式可以使用其他类型的数字电子电路来实行，或者在计算机软件、固件或硬件(包括在本说明书中公开的结构及其结构等同物)中实行，或者在它们中的一个或多个的组合中实行。
本说明书中描述的主题和操作的实施方式可以使用数字电子电路来实行，或者在体现在有形介质上的计算机软件、固件或硬件(包括本说明书中公开的结构及其结构等同物)中实行，或者在它们中的一个或多个的组合中实行。本说明书中描述的主题的实施方式可以被实施为一个或多个计算机程序(即一个或多个计算机程序指令模块)，计算机程序被编码在一个或多个计算机存储介质上，以供数据处理装置执行或控制数据处理装置的操作。可替代地或附加地，程序指令可以被编码在人工生成的传播信号(例如，机器生成的电、光或电磁信号)上，该传播信号被生成来对信息进行编码以传输到合适的接收器装置以供数据处理装置执行。计算机可读存储介质可以是计算机可读存储设备、计算机可读存储基底、随机或串行存取存储器阵列或设备、或者它们中的一个或多个的组合或被包括在计算机可读存储设备、计算机可读存储基底、随机或串行存取存储器阵列或设备、或者它们中的一个或多个的组合中。此外，虽然计算机存储介质不是传播信号，但是计算机存储介质可以是编码在人工生成的传播信号中的计算机程序指令的源或目的地。计算机存储介质也可以是一个或多个分开的组件或介质(例如，多个CD、盘或其他存储设备)或被包括在其中。相应地，计算机存储介质既是有形的又是非暂时性的。
本说明书中描述的操作可以被实施为由数据处理装置对存储在一个或多个计算机可读存储设备上或从其他源接收的数据执行的操作。
术语“数据处理装置”或“计算设备”涵盖用于处理数据的所有种类的装置、设备和机器，包括例如可编程处理器、计算机、片上系统、或者前述各项的多个或组合。该装置可以包括专用逻辑电路，例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。除了硬件之外，该装置还可以包括为所讨论的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统、跨平台运行时环境、虚拟机、或者它们中的一个或多个的组合的代码。该装置和执行环境可以实现各种不同的计算模型基础设施，诸如网络服务、分布式计算和网格计算基础设施。
计算机程序(也称为程序、软件、软件应用、脚本或代码)可以用任何形式的编程语言(包括编译或解释语言、声明或过程语言)编写，并且它可以以任何形式部署(包括作为独立程序，或者作为模块、组件、子例程、对象或适合在计算环境中使用的其他单元)。计算机程序可以但不需要对应于文件系统中的文件。程序可以被存储在保存其他程序或数据的文件的一部分(例如，存储在标记语言文档中的一个或多个脚本)中，存储在专用于所讨论的程序的单个文件中，或者存储在多个协作文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。计算机程序可以被部署为在一个计算机上执行，或者在位于一个地点或分布在多个地点并通过通信网络互连的多个计算机上执行。
本说明书中描述的过程和逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程处理器来执行，以通过对输入数据进行操作并生成输出来执行动作。过程和逻辑流程也可以由专用逻辑电路来执行，并且装置也可以被实施为专用逻辑电路，例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
举例来说，适于执行计算机程序的处理器包括通用和专用微处理器，以及任何种类的数字计算机的任何一个或多个处理器。通常，处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于根据指令执行动作的处理器和用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括或可操作地耦合到用于存储数据的一个或多个大容量存储设备(例如磁盘、磁光盘或光盘)，以从其接收数据，或向其传送数据，或两者兼有。然而，计算机不需要有这样的设备。此外，计算机可以嵌入在另一设备中，例如，移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏控制台、全球定位系统(GPS)接收器或便携式存储设备(例如，通用串行总线(USB)闪存驱动器)，仅举几例。适于存储计算机程序指令和数据的设备包括所有形式的非易失性存储器、介质和存储器设备，举例来说包括：半导体存储器设备，例如EPROM、EEPROM和闪存设备；磁盘，例如内部硬盘或可移动磁盘；磁光盘；以及CD-ROM和DVD-ROM盘。处理器和存储器可以由专用逻辑电路来补充或并入其中。
为了提供与用户的交互，本说明书中描述的主题的实施方式可以使用计算机来实行，该计算机具有用于向用户显示信息的显示设备(例如CRT(阴极射线管)或LCD(液晶显示器)监视器)以及用户可以用来向计算机提供输入的键盘和定点设备(例如鼠标或轨迹球)。也可以使用其他种类的设备来提供与用户的交互；例如，提供给用户的反馈可以是任何形式的感觉反馈，例如视觉反馈、听觉反馈或触觉反馈；并且可以以任何形式接收来自用户的输入，包括声音、语音或触觉输入。此外，计算机可以通过向用户使用的设备发送文档和从用户使用的设备接收文档来与用户进行交互；例如，通过响应于从用户的客户端设备上的网络浏览器接收的请求向网络浏览器发送网页。
本说明书中描述的主题的实施方式可以使用计算系统来实行，该计算系统包括后端组件(例如作为数据服务器)，或者包括中间件组件(例如应用服务器)，或者包括前端组件(例如具有图形用户界面或网络浏览器的客户端计算机，用户可以通过该图形用户界面或网络浏览器与本说明书中描述的主题的实施方式进行交互)，或者包括一个或多个这样的后端组件、中间件组件或前端组件的任何组合。该系统的组件可以通过任何形式或介质的数字数据通信(例如通信网络)来互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)、互联网络(例如，互联网)和对等网络(例如，自组织对等网络、分布式分类帐网络)。
计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离，并且通常通过通信网络进行交互。客户端和服务器的关系是由于在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序而产生的。在一些实施方式中，服务器将数据(例如，HTML页面)传输到客户端设备(例如，为了向与客户端设备进行交互的用户显示数据并从其接收用户输入的目的)。在客户端设备处生成的数据(例如，用户交互的结果)可以在服务器处从客户端设备接收。
在一些说明性实施方式中，本文公开的特征可以在可包括处理电路的智能电视模块(或连接的电视模块、混合电视模块等)上实施，该处理电路被配置为将互联网连接与(例如，经由电缆、卫星、空中无线或其他信号接收的)更传统的电视节目源集成。智能电视模块可以物理地结合到电视机中，或者可以包括分开的设备，诸如机顶盒、蓝光或其他数字媒体播放器、游戏控制台、酒店电视系统以及其他配套设备。智能电视模块可以被配置为允许观看者在网络上、在本地有线电视频道上、在卫星电视频道上搜索和寻找视频、电影、照片和其他内容或者存储在本地硬盘驱动器上。机顶盒(STB)或机顶盒单元(STU)可以包括信息家电设备，该信息家电设备可以包含调谐器并连接到电视机和外部信号源，从而将信号转换成内容，然后在电视屏幕或其他显示设备上显示该内容。智能电视模块可以被配置为提供主屏幕或顶层屏幕，包括用于多个不同应用(诸如网络浏览器和多个流媒体服务(例如，网飞、Vudu、Hulu、Disney+等)、连接的电缆或卫星媒体源、其他网络“频道”等)的图标。智能电视模块还可以被配置为向用户提供电子节目指南。智能电视模块的配套应用可以在移动计算设备上操作，以向用户提供关于可用节目的附加信息，以允许用户控制智能电视模块等。在替代实施方式中，这些特征可以在膝上型计算机或其他个人计算机、智能电话、其他移动电话、手持计算机、智能手表、平板PC或其他计算设备上实施。
虽然本说明书包含许多具体的实施细节，但是这些不应被解释为对任何公开内容或可能要求保护的内容的范围的限制，而是作为对特定公开内容的特定实施方式所特有的特征的描述。本说明书中在分开的实施方式的上下文中描述的某些特征也可以组合地或在单个实施方式中实行。相反，在单个实施方式的上下文中描述的各种特征也可以在多个实施方式中、分开地或在任何合适的子组合中实行。此外，尽管特征可以在上面被描述为在某些组合中起作用，并且甚至最初被如此要求保护，但是在一些情况下，来自所要求保护的组合的一个或多个特征可以从该组合中删除，并且所要求保护的组合可以针对子组合或子组合的变体。此外，针对特定标题描述的特征可以针对在其他标题下描述的说明性实施方式和/或与其组合使用；标题(当提供时)仅出于可读性的目的而被包括在内，并且不应被解释为限制针对这些标题所提供的任何特征。
类似地，虽然在附图中以特定的次序描绘了操作，但是这不应被理解为要求这些操作以所示的特定次序或顺序次序来执行，或者要求所有示出的操作都被执行，以获得期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施方式中的各种系统组件的分离不应该被理解为在所有实施方式中都需要这样的分离，并且应该理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成体现在有形介质上的多个软件产品。
因此，已经描述了主题的特定实施方式。其他实施方式在以下权利要求的范围内。在某些情况下，权利要求中所述的动作可以以不同的次序执行，并且仍获得期望的结果。此外，附图中描绘的过程不一定需要所示的特定次序或顺序次序来获得期望的结果。在某些实施方式中，多任务和并行处理可能是有利的。

Claims (19)

1.一种用于确定相关产品响应的计算机实施的方法，所述方法包括：
由一个或多个处理电路接收针对第一产品的产品响应，所述产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中，所述内容项目与内容提供方相关联；
由所述一个或多个处理电路识别多个产品的相关性图，所述相关性图包括多个节点，所述多个节点包括所述第一节点和所述第二节点，并且其中，所述多个节点中的每个节点与所述多个产品中的产品相关联；
由所述一个或多个处理电路遍历所述相关性图来确定所述第一产品的第一节点与所述第二产品的第二节点之间的路径，合计路径上的相关性的程度度量的权重；
由所述一个或多个处理电路基于对所述程度度量的权重的合计进行归一化来生成相关性指数；
响应于所述相关性指数超过阈值，由所述一个或多个处理电路基于所述相关性指数来计算分配给所述产品响应的归因信用；以及
由所述一个或多个处理电路向所述内容项目的内容提供方提供所述归因信用。
2.根据权利要求1所述的方法，还包括：
由所述一个或多个处理电路接收指示所述产品响应从与所述第一产品相关联的实体计算系统发回的pingback校正；
由所述一个或多个处理电路更新反映发回的产品响应的归因信用；以及
由所述一个或多个处理电路向所述内容提供方提供更新的归因信用。
3.根据权利要求1所述的方法，还包括：
由所述一个或多个处理电路基于对所述交互数据和先前的产品响应的历史交互数据进行分析来识别所述产品响应的趋势。
4.根据权利要求3所述的方法，还包括：
响应于识别所述趋势，由所述一个或多个处理电路确定与所述第一产品相关联的不同内容项目；以及
由所述一个或多个处理电路用所述不同内容项目修改所述内容项目的内容项目槽。
5.根据权利要求3或4所述的方法，还包括：
响应于识别所述趋势，由所述一个或多个处理电路计算所述第一节点与所述第二节点之间的所述程度度量的新权重；以及
由所述一个或多个处理电路用所述第一节点与所述第二节点之间的所述程度度量的新权重来更新所述相关性图。
6.根据权利要求1所述的方法，其中，基于所述多个产品之间的关系对连接所述相关性图的所述多个节点的多个程度度量中的每个程度度量进行加权，其中，所述关系是所述关系之间的相对加权的实体显式指定、产品标识符、一个或多个分类法、一个或多个n元语法序列或用户设备数据中的至少一个。
7.根据权利要求1所述的方法，其中，归一化包括对所述第一节点与所述第二节点之间的所述程度度量的权重进行线性加权，以及将线性加权的程度度量的权重缩放到1.0的尺度。
8.根据权利要求1所述的方法，其中，所述阈值基于由实体设置的第一敏感度、由内容提供方设置的第二敏感度、所述内容项目、所述第一产品或所述第二产品中的至少一个，并且其中，所述交互数据包括与事件相关联的时间戳和用户设备数据。
9.一种用于确定完全产品响应的计算机实施的方法，所述方法包括：
由一个或多个处理电路接收针对第一产品和第二产品的产品响应，所述产品响应包括指示与所述第二产品的内容项目的用户交互的交互数据，其中，所述内容项目与内容提供方相关联；
由所述一个或多个处理电路计算分配给所述产品响应的第一归因信用；
由所述一个或多个处理电路识别多个产品的相关性图，所述相关性图包括多个节点，所述多个节点包括所述第一节点和所述第二节点，并且其中，所述多个节点中的每个节点与所述多个产品中的产品相关联；
由所述一个或多个处理电路遍历所述相关性图来确定所述第一产品的第一节点与所述第二产品的第二节点之间的路径，合计路径上的相关性的程度度量的权重；
由所述一个或多个处理电路基于对所述程度度量的权重的合计进行归一化来生成相关性指数；
响应于所述相关性指数超过阈值，由所述一个或多个处理电路基于所述相关性指数来计算分配给完全产品响应的第二归因信用；以及
由所述一个或多个处理电路向所述内容项目的内容提供方提供所述第一归因信用和所述第二归因信用。
10.根据权利要求9所述的方法，还包括：
由所述一个或多个处理电路接收指示所述完全产品响应从与所述第一产品相关联的实体计算系统发回的pingback校正；
由所述一个或多个处理电路更新反映发回的产品响应的第二归因信用；以及
由所述一个或多个处理电路向所述内容提供方提供更新的第二归因信用。
11.根据权利要求9或10所述的方法，还包括：
由所述一个或多个处理电路基于对所述交互数据和先前的产品响应的历史交互数据进行分析来识别所述产品响应的趋势。
12.根据权利要求11所述的方法，还包括：
响应于识别所述趋势，由所述一个或多个处理电路确定与所述第一产品相关联的不同内容项目；以及
由所述一个或多个处理电路用所述不同内容项目修改所述内容项目的内容项目槽。
13.根据权利要求11所述的方法，还包括：
响应于识别所述趋势，由所述一个或多个处理电路计算所述第一节点与所述第二节点之间的所述程度度量的新权重；以及
由所述一个或多个处理电路用所述第一节点与所述第二节点之间的所述程度度量的新权重来更新所述相关性图。
14.一种系统，包括：
至少一个处理电路，被配置为：
接收针对第一产品的产品响应，所述产品响应包括指示与第二产品的内容项目的用户交互的交互数据，其中，所述内容项目与内容提供方相关联；
识别多个产品的相关性图，所述相关性图包括多个节点，所述多个节点包括所述第一节点和所述第二节点，并且其中，所述多个节点中的每个节点与所述多个产品中的产品相关联；
遍历所述相关性图来确定所述第一产品的第一节点与所述第二产品的第二节点之间的路径，合计路径上的相关性的程度度量的权重；
基于对所述程度度量的权重的合计进行归一化来生成相关性指数；
响应于所述相关性指数超过阈值，基于所述相关性指数来计算分配给所述产品响应的归因信用；以及
向所述内容项目的内容提供方提供所述归因信用。
15.根据权利要求14所述的系统，所述至少一个处理电路还被配置为：
接收指示所述产品响应从与所述第一产品相关联的实体计算系统发回的pingback校正；
更新反映发回的产品响应的归因信用；以及
向所述内容提供方提供更新的归因信用。
16.根据权利要求14或15所述的系统，所述至少一个处理电路还被配置为：
基于对所述交互数据和先前的产品响应的历史交互数据进行分析来识别所述产品响应的趋势。
17.根据权利要求16所述的系统，所述至少一个处理电路还被配置为：
响应于识别所述趋势，确定与所述第一产品相关联的不同内容项目；以及
用所述不同内容项目修改所述内容项目的内容项目槽。
18.根据权利要求16所述的系统，所述至少一个处理电路还被配置为：
响应于识别所述趋势，计算所述第一节点与所述第二节点之间的所述程度度量的新权重；以及
用所述第一节点与所述第二节点之间的所述程度度量的新权重来更新所述相关性图。
19.根据权利要求15所述的系统，其中，所述产品响应还包括所述第二产品，并且其中，所述至少一个处理电路还被配置为：
更新反映包括所述第一产品和所述第二产品的产品响应的归因信用；
向所述内容提供方提供更新的归因信用。
CN202180007459.2A 2021-05-04 2021-05-04 用于相关和混合的内容项目响应的归因模型 Active CN115633542B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2021/030712 WO2022235263A1 (en) 2021-05-04 2021-05-04 Attribution model for related and mixed content item responses

Publications (2)

Publication Number Publication Date
CN115633542A CN115633542A (zh) 2023-01-20
CN115633542B true CN115633542B (zh) 2024-05-14

Family

ID=83932891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180007459.2A Active CN115633542B (zh) 2021-05-04 2021-05-04 用于相关和混合的内容项目响应的归因模型

Country Status (4)

Country Link
US (1) US20240303687A1 (zh)
KR (1) KR102690981B1 (zh)
CN (1) CN115633542B (zh)
WO (1) WO2022235263A1 (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103608830A (zh) * 2010-12-22 2014-02-26 脸谱公司 基于位置和社交信息为用户提供相关通知
CN105960656A (zh) * 2013-12-05 2016-09-21 谷歌公司 用于创建用于向多个事件分配归因得分的数据驱动归因模型的方法和系统
CN107402944A (zh) * 2016-05-18 2017-11-28 谷歌公司 用于内容项转化的归因模型
CN108027935A (zh) * 2016-02-09 2018-05-11 谷歌有限责任公司 与内容项目相关的归因转换
US10169778B1 (en) * 2015-03-26 2019-01-01 Amazon Technologies, Inc. Cross-channel online advertising attribution
CN110741390A (zh) * 2017-03-28 2020-01-31 甲骨文国际公司 使用机器学习智能地提供支持信息的系统和方法
CN111401788A (zh) * 2020-04-10 2020-07-10 支付宝(杭州)信息技术有限公司 业务时序指标的归因方法以及装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7706740B2 (en) * 2006-01-06 2010-04-27 Qualcomm Incorporated Apparatus and methods of selective collection and selective presentation of content
JP4876115B2 (ja) * 2008-11-07 2012-02-15 ヤフー株式会社 コンテンツ提示装置、コンテンツ提示方法及びプログラム
US11042897B2 (en) * 2010-08-30 2021-06-22 Adap.Tv, Inc. System and method for determining effects of multi-channel media sources on multi-channel conversion events
US8788339B2 (en) * 2011-05-27 2014-07-22 Google Inc. Multiple attribution models with return on ad spend
US20130117147A1 (en) * 2011-11-07 2013-05-09 Nathan J. Ackerman Similarity and Relatedness of Content
JP2015531909A (ja) * 2012-07-20 2015-11-05 インタートラスト テクノロジーズ コーポレイション 情報ターゲティングシステムおよび方法
US10311468B2 (en) * 2012-12-28 2019-06-04 International Business Machines Corporation Statistical marketing attribution correlation
US20160034930A1 (en) * 2014-07-31 2016-02-04 Genesys Telecommunications Laboratories, Inc. System and method for managing customer feedback
RU2703343C2 (ru) * 2015-03-20 2019-10-16 Фраунхофер-Гезелльшафт Цур Фердерунг Дер Ангевандтен Форшунг Е.Ф. Назначение оценки релевантности для искусственных нейронных сетей
KR20210033770A (ko) * 2019-09-19 2021-03-29 삼성전자주식회사 지식 그래프에 기초하여 콘텐트를 제공하는 방법 및 장치

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103608830A (zh) * 2010-12-22 2014-02-26 脸谱公司 基于位置和社交信息为用户提供相关通知
CN105960656A (zh) * 2013-12-05 2016-09-21 谷歌公司 用于创建用于向多个事件分配归因得分的数据驱动归因模型的方法和系统
US10169778B1 (en) * 2015-03-26 2019-01-01 Amazon Technologies, Inc. Cross-channel online advertising attribution
CN108027935A (zh) * 2016-02-09 2018-05-11 谷歌有限责任公司 与内容项目相关的归因转换
CN107402944A (zh) * 2016-05-18 2017-11-28 谷歌公司 用于内容项转化的归因模型
CN110741390A (zh) * 2017-03-28 2020-01-31 甲骨文国际公司 使用机器学习智能地提供支持信息的系统和方法
CN111401788A (zh) * 2020-04-10 2020-07-10 支付宝(杭州)信息技术有限公司 业务时序指标的归因方法以及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于Shapley值法的移动图书馆服务质量不满因素识别;沈军威;郑德俊;万虹育;;情报理论与实践(10);全文 *
基于典型相关和人工粒子群的大坝监测分析模型;花胜强;高磊;潘琳;周锡琅;;水电能源科学(10);全文 *

Also Published As

Publication number Publication date
KR20220151154A (ko) 2022-11-14
US20240303687A1 (en) 2024-09-12
WO2022235263A1 (en) 2022-11-10
KR102690981B1 (ko) 2024-08-05
CN115633542A (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
US10679260B2 (en) Cross-device message touchpoint attribution
CA3076113C (en) Methods and systems for creating a data-driven attribution model for assigning attribution credit to a plurality of events
US10417650B1 (en) Distributed and automated system for predicting customer lifetime value
US20170337578A1 (en) Dynamic media buy optimization using attribution-informed media buy execution feeds
KR101807755B1 (ko) 광고 수익률을 갖는 다수의 속성 모델들
US20160210658A1 (en) Determining touchpoint attributions in a segmented media campaign
US20170091810A1 (en) Brand engagement touchpoint attribution using brand engagement event weighting
US20120046996A1 (en) Unified data management platform
US20140081800A1 (en) Recommending Product Information
US20170300939A1 (en) Optimizing promotional offer mixes using predictive modeling
US10102542B2 (en) Optimization and attribution of marketing resources
US20160210656A1 (en) System for marketing touchpoint attribution bias correction
US9875484B1 (en) Evaluating attribution models
US20210192549A1 (en) Generating analytics tools using a personalized market share
US20120260185A1 (en) Path length selector
JP6748312B2 (ja) メディアミックスモデリングにおけるバイアスを除去するためのシステムおよび方法
US20160342699A1 (en) Systems, methods, and devices for profiling audience populations of websites
CN115633542B (zh) 用于相关和混合的内容项目响应的归因模型

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
GR01 Patent grant
GR01 Patent grant