CN116034354A - 用于自动化干预的系统和方法 - Google Patents

用于自动化干预的系统和方法 Download PDF

Info

Publication number
CN116034354A
CN116034354A CN202080104022.6A CN202080104022A CN116034354A CN 116034354 A CN116034354 A CN 116034354A CN 202080104022 A CN202080104022 A CN 202080104022A CN 116034354 A CN116034354 A CN 116034354A
Authority
CN
China
Prior art keywords
entity
intervention
information
processors
models
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
CN202080104022.6A
Other languages
English (en)
Inventor
N·霍因
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 CN116034354A publication Critical patent/CN116034354A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/284Relational databases
    • G06F16/288Entity relationship models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55Detecting local intrusion or implementing counter-measures
    • G06F21/56Computer malware detection or handling, e.g. anti-virus arrangements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/03Indexing scheme relating to G06F21/50, monitoring users, programs or devices to maintain the integrity of platforms
    • G06F2221/034Test or assess a computer or a system

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Virology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种方法,包括:由一个或多个处理器访问与实体相关联的数据结构,该数据结构存储与交互集合相关联的信息,由一个或多个处理器使用一个或多个模型基于所述信息来计算与实体相关联的贡献,由一个或多个处理器使用一个或多个模型将所述信息与关联于同实体共享特性的一个或多个实体的趋势进行比较,由一个或多个处理器使用一个或多个模型基于所述信息与趋势的比较来确定是否触发针对所述实体的干预动作,由一个或多个处理器响应于确定来触发干预动作,以及由一个或多个处理器使用一个或多个模型来重新计算与所述实体相关联的贡献,以确定干预动作的效果。

Description

用于自动化干预的系统和方法
背景技术
内容提供商可能期望干预实体以提升某些成果。例如,流服务可能希望干预用户,以增加用户在随后几个月的留存(retention)。在各种实施方式中,技术原因可能需要干预。例如,软件缺陷可能影响一部分边缘节点(诸如IoT(Internet of Things,物联网)传感器),并且可能需要有针对性的干预来识别受影响的边缘节点并向其应用补丁。作为另一示例,服务器中的多个分布式处理集群可能被隐蔽的恶意软件危害,并且可能需要有针对性的干预来识别受影响的集群并重置它们。执行干预需要识别可能受益于干预的实体和/或可能影响实体的干预。然而,识别可能受益于干预的实体是困难的。此外,内容提供商可能与如此大量的实体进行交互,以至于干预所有实体(或者甚至其中的大部分)是不现实的。此外,可能难以衡量干预的有效性。因此,需要一种用于自动干预实体的改进系统。
发明内容
本公开的一个实施方式涉及一种方法,该方法包括:由一个或多个处理器访问与实体相关联的数据结构,该数据结构存储与交互集合相关联的信息;由一个或多个处理器使用一个或多个模型基于所述信息来计算与所述实体相关联的贡献;由一个或多个处理器使用一个或多个模型将所述信息与关联于同所述实体共享特性的一个或多个实体的趋势进行比较;由一个或多个处理器使用一个或多个模型基于所述信息与趋势的比较来确定是否触发针对所述实体的干预动作;由一个或多个处理器响应于确定来触发干预动作;以及由一个或多个处理器使用一个或多个模型重新计算与所述实体相关联的贡献,以确定干预动作的效果。
在一些实施方式中,确定干预动作的效果包括由一个或多个处理器测量可归因于干预动作的与所述实体相关联的贡献的变化。在一些实施方式中,该方法还包括由一个或多个处理器基于贡献的变化来更新未来的干预动作。在一些实施方式中,基于趋势来确定干预动作。在一些实施方式中,与所述实体相关联的贡献是未来收入值。在一些实施方式中,未来收入值是客户终生价值度量。在一些实施方式中,确定是否触发干预动作还基于与实体相关联的状态。在一些实施方式中,状态基于由一个或多个模型使用所述信息生成的留存度量。在一些实施方式中,干预动作包括向用户提供一个或多个内容项目。
本公开的另一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,该指令当由一个或多个处理器执行时,使得一个或多个处理器:访问与实体相关联的数据结构,该数据结构存储与交互集合相关联的信息,使用一个或多个模型基于所述信息来计算与所述实体相关联的贡献,使用一个或多个模型将所述信息与关联于同所述实体共享特性的一个或多个实体的趋势进行比较,使用一个或多个模型基于所述信息与趋势的比较来确定是否触发针对所述实体的干预动作,响应于确定来触发干预动作,以及使用一个或多个模型重新计算与所述实体相关联的贡献,以确定干预动作的效果。
在一些实施方式中,确定干预动作的效果包括测量可归因于干预动作的与所述实体相关联的贡献的变化。在一些实施方式中,一个或多个处理器还被配置为基于贡献的变化来更新未来的干预动作。在一些实施方式中,干预动作是基于趋势来确定的。在一些实施方式中,与实体相关联的贡献是未来收入值。在一些实施方式中,未来收入值是客户终生价值度量。在一些实施方式中,确定是否触发干预动作还基于与所述实体相关联的状态。在一些实施方式中,状态基于由一个或多个模型使用所述信息生成的留存度量。在一些实施方式中,干预动作包括向用户提供一个或多个内容项目。
本公开的另一实施方式涉及一种用于对实体实施有针对性的干预的系统,该系统包括具有一个或多个处理器和一个或多个存储器的一个或多个处理电路,一个或多个存储器中的每个存储器存储指令,该指令当由一个或多个处理器执行时,使得一个或多个处理器:访问与实体相关联的数据结构,该数据结构存储与交互集合相关联的信息,使用一个或多个模型基于所述信息来计算与所述实体相关联的未来收入值,使用一个或多个模型将所述信息与关联于同所述实体共享特性的一个或多个实体的趋势进行比较,使用一个或多个模型基于所述信息与趋势的比较来确定是否触发针对所述实体的干预动作,响应于确定来触发干预动作,以及使用一个或多个模型重新计算与所述实体相关联的未来收入值,以基于与所述实体相关联的未来收入值的变化来确定干预动作的效果。
在一些实施方式中,干预动作包括向用户提供一个或多个内容项目。
各个方面和实施方式可以在适当的时候进行组合。
附图说明
图1是示出根据说明性实施方式的用于执行有针对性的干预的系统的框图。
图2是示出根据说明性实施方式的确定对实体的干预的方法的流程图。
图3是示出根据实施方式的更新模型以改进实体目标确定(targeting)和干预有效性的方法的流程图。
图4是示出根据说明性实施方式的有针对性的干预的方法的流程图。
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
以下是对与用于自动干预实体的方法、装置和系统相关的各种概念及其实施方式的更详细描述。由于所描述的概念不限于任何特定方式的实施方式,因此上面介绍的和下面更详细讨论的各种概念可以以多种方式中的任何一种来实施。
给定稀缺资源(例如,计算资源、物理资源、金钱资源等),经常期望确定资源的最优分配以最好地实现解决方案。例如,运动控制电路可能具有不期望的高时延,因此可能希望尽可能地降低时延,而无需显著的重新设计(例如,使用尽可能少的资源等)。例如,可以通过添加廉价的电容器来修改运动控制电路,以改进系统的频率响应。作为另一示例,具有不同固件版本的多个安全相机可能需要更新,并且可能需要有针对性的干预来选择性地更新特定的固件版本。
确定资源的最佳分配可能需要在几个替代解决方案与这些解决方案产生的相应收益之间进行比较,以识别最期望的方案(例如,花费最少的资源提供最大的收益,等等)。然而,不同的解决方案可能涉及难以比较的不同度量(例如,资源、成本等)。例如,第一解决方案可以包括主要是时间上的成本(例如,与向运动控制电路添加廉价电容器相关联的时间),而第二解决方案可以包括主要是金钱上的成本(例如,与重新装备生产线以生产具有更期望的时延的先前设计相关联的价格)。这种度量(例如,时间和金钱)可能难以比较。此外,这些挑战在非确定性系统(诸如(例如,在半自主生产线等中)涉及人类操作者的系统)的分析中变得复杂。例如,可能难以分析半自主生产线以提高生产效率,因为生产线中涉及的每个个体的贡献难以量化。此外,在一些实施方式中,每个贡献可以是技术性的,诸如作为应用的依赖项的软件库的版本。因此,需要一种系统来量化环境中的个体贡献,以促进资源(例如,计算资源、物理资源、金钱资源等)的高效部署并确定最优干预。
此外,经常期望与实体(例如,客户等)进行交互以提升期望的成果。例如,流服务可能希望干预用户,以增加用户在随后几个月的留存。然而,可能难以识别要干预的实体。例如,可能难以识别内容干预可以提高留存的个体。此外,干预每个实体经常是不现实的和低效的。因此,需要一种系统来促进有针对性的干预。与没有针对性的方法相比,有针对性的干预可以到达将会从干预中受益最多的特定实体,并且可以减少网络开销。
一种解决方案利用实体分析系统来对个体对环境的贡献进行建模,确定与个体贡献相关联的度量,并且基于该度量生成干预。例如,在分析环境中,实体分析系统可以生成用户输出的模型,确定用户状态是否有可能改变,并且基于状态改变的可能性为用户生成一个或多个干预。在一些实施方式中,实体分析系统可以对实体的技术贡献进行建模。例如,实体分析系统可以对帮助设计移动应用的开发者的贡献进行建模。在各种实施方式中,实体分析系统分析与用户活动相关联的数据,以生成促进迥然不同的干预的定量比较的模型。在一些实施方式中,该模型表示用户随时间的行为。例如,该模型可以表示随时间的与用户相关联的度量(例如,用户的贡献等)。在各种实施方式中,该模型可以用于识别与用户相关联的适当干预。例如,在分析环境中,该模型可以用于识别有高可能性即将发生状态改变的有偿用户,并且生成干预以防止状态改变(例如,提供特定内容项目等)。附加地或替代地,实体分析系统可以促进数据结构的操纵。例如,实体分析系统可以基于度量(例如,定量用户描述符等)将数据结构中的数据分离成多个组,以促进资源的高效部署(例如,有针对性的干预等)。在一些实施方式中,实体分析系统可以基于个体用户模型生成表示系统和/或环境的一个或多个模型。例如,实体分析系统可以对用户群体进行建模以生成与用户群体相关联的宏观趋势和/或聚合统计。在各种实施方式中,实体分析系统可以使用用户群体的模型基于各种动作和/或干预来评估与用户群体相关联的特性的变化,和/或生成建议的干预。例如,实体分析系统可以促进针对将会从干预中受益最多的实体的有针对性的干预,从而与干预每个实体相比节省了计算资源。作为另一示例,实体分析系统可以执行有针对性的干预,以选择性地向具有特定软件版本的多个信息亭发送内容,因为软件版本导致信息亭不正确地显示用户界面。
现在参考图1,根据说明性实施方式,示出了用于干预实体的系统100。在各种实施方式中,系统100可以监控实体交互数据,识别需要干预的一个或多个实体,并且测量对一个或多个实体的干预结果。在各种实施方式中,系统100为一个或多个实体确定一个或多个干预。例如,系统100可以识别一个或多个内容项目以提供给实体。在一些实施方式中,系统100促进基于测量的干预结果来改进未来的干预。例如,系统100可以确定特定的内容项目在更改实体状态方面是无效的,并且可以更新模型以使未来的干预在更改实体状态方面更加有效。
在各种实施方式中,系统100减少了与典型干预系统相关联的计算和/或网络开销。例如,系统100可以识别对其干预可能必要和/或有用的特定个体,并且可以促进对所识别的个体的有针对性的干预,而不是集中于大用户组的典型的拉网式(drag-net)技术。有针对性的干预可以减少与典型的拉网式技术相关联的网络带宽消耗。在各种实施方式中,系统100将实体状态与关联于该实体的宏观趋势进行比较,以确定何时干预是有必要的,从而避免过度投资和/或网络资源的不必要支出。例如,实体状态可以指示实体将要执行不期望的动作(例如,取消订阅等),然而系统100可以将实体状态与关联于类似实体的宏观趋势进行比较,以确定经济衰退正在驱使类似实体执行不期望的动作,因此可以确定干预不太可能防止实体执行不期望的动作,从而保存本来会在提供实体内容方面支出的网络资源。
系统100包括第三方数据库10、用户交互数据库20、内容提供商系统30和实体分析系统200。在各种实施方式中,系统100的组件通过网络60进行通信。网络60可以包括计算机网络,诸如因特网、局域网、广域网、城域网或其他区域网、内部网、卫星网络、其他计算机网络(诸如语音或数据移动电话通信网络)、其组合,或者任何其他类型的电子通信网络。网络60可以包括或构成显示网络(例如,在因特网上可用的信息资源的子集,该子集与内容放置或搜索引擎结果系统相关联,或者有资格包括第三方内容项目作为内容项目放置活动的一部分)。在各种实施方式中,网络60促进系统100的组件之间的安全通信。作为非限制性示例,网络60可以实施传输层安全性(transport layer security,TLS)、安全套接字层(secure sockets layer,SSL)、安全超文本传输协议(hypertext transfer protocolsecure,HTTPS)和/或任何其他安全通信协议。
第三方数据库10可以存储第三方数据。例如,第三方数据库10可以存储交易信息、在线交互信息(例如,搜索查询等)、标识符(例如,设备标识符等)、描述性信息(例如,个性标识符等)、时间序列数据、历史数据(例如,过去的交互、客户服务日志等)等。在各种实施方式中,第三方数据库10与第三方(诸如企业)相关联。在各种实施方式中,第三方数据与一个或多个实体(诸如个体、设备、组织等)相关联。例如,第三方数据可以包括与服务提供商(诸如会计事务所)相关联的业绩度量(例如,准时交付的百分比、工作产品的质量、服务的价格等)。在各种实施方式中,第三方数据与同第三方的实体交互相关联。例如,第三方数据可以包括用户使用在线流服务观看的多部电影。
实体交互数据库20可以存储实体交互数据。例如,实体交互数据库20可以存储在线交互(例如,转换、印象等)、离线交互(例如,购买等)、上下文信息(例如,评论、内容消费统计等)、交易信息(例如,购买的项目、价格、数量等)等。在各种实施方式中,实体交互数据库20与内容提供商(诸如在线广告商)相关联。在各种实施方式中,实体交互数据与一个或多个实体(诸如个体、设备、组织等)相关联。例如,实体交互数据可以包括与设备相关联的转换信息(例如,转换描述、相关价格等)。
内容提供商系统30可以向实体提供内容。例如,内容提供商系统30可以是被配置为向网站提供内容项目(诸如视频)的分布式处理系统。在各种实施方式中,内容提供商系统30与内容提供商相关联。例如,内容提供商系统30可以与广告提供网络相关联。在一些实施方式中,内容提供商系统30从实体分析系统200接收内容项目以提供给实体。附加地或替代地,内容提供商系统30可以接收对要对其提供内容项目的一个或多个实体的指示。例如,实体分析系统200可以发送内容项目以及内容提供商系统30要对其提供该内容项目的一组实体。在各种实施方式中,内容提供商系统30测量与提供给实体的内容相关联的各种属性。例如,内容提供商系统30可以测量与内容的交互率(interaction rate)。在各种实施方式中,内容提供商系统30向实体分析系统200发送测量结果。
实体分析系统200可以分析信息以确定何时对实体进行干预是有必要的。在各种实施方式中,实体分析系统200分析实体交互数据以确定是否干预实体。附加地或替代地,实体分析系统200可以分析第三方数据以确定是否干预实体。实体分析系统200可以通过识别特定实体进行有针对性的干预来节省网络资源,从而防止与宽泛的没有针对性的方法相关联的网络开销。例如,典型的内容项目可以具有728×90的尺寸和24位深度,从而产生192KB的内容项目。因此,对100万群体规模的没有针对性的干预可能需要传输超过187GB的数据。然而,实体分析系统200可以促进对于干预对其最有可能成功的群体部分的有针对性的干预,从而节省网络资源。此外,实体分析系统200可以促进提高干预功效。例如,实体分析系统200可以使用来自先前干预的反馈和/或第三方(例如,客户等)反馈来训练模型,以提高未来的干预的有效性。
在一些实施方式中,实体分析系统200是分布式系统(例如,云处理系统等)。例如,实体分析系统200可以是服务器、分布式处理集群、云处理系统或任何其他计算设备。实体分析系统200可以包括或执行至少一个计算机程序或至少一个脚本。在一些实施方式中,实体分析系统200包括软件和硬件的组合,诸如被配置为执行存储在一个或多个存储器上的一个或多个脚本的一个或多个处理器。
实体分析系统200被示为包括处理电路210、实体模型数据库220和趋势数据库230。处理电路210可以包括处理器240和存储器250。存储器250可以具有存储在其上的指令,该指令当由处理器240执行时,使得处理电路210执行本文描述的各种操作。本文描述的操作可以使用软件、硬件或其组合来实施。处理器240可以包括微处理器、ASIC、FPGA等,或其组合。在许多实施方式中,处理器240可以是多核处理器或处理器阵列。存储器250可以包括但不限于电子、光学、磁性的或能够向处理器240提供程序指令的任何其他的存储设备。存储器240可以包括软盘、CD-ROM、DVD、磁盘、存储器芯片、ROM、RAM、EEPROM、EPROM、闪存、光学介质或处理器240可以从其读取指令的任何其他合适的存储器。指令可以包括来自任何合适的计算机编程语言的代码,诸如但不限于C、C++、C#、Java、JavaScript、Perl、HTML、XML、Python和Visual Basic。
存储器250可以包括实体贡献电路252、组选择电路254、干预电路256、趋势分析电路258和测量电路260。实体贡献电路252可以计算与实体相关联的贡献度量。例如,实体贡献电路252可以计算与实体相关联的客户终生价值(customer lifetime value,CLV)。作为另一示例,实体贡献电路252可以计算描述实体对成果做出的贡献的度量,诸如开发者所编写的作为移动应用一部分的代码行数。在各种实施方式中,实体贡献电路252执行一个或多个模型来生成关于实体的信息。例如,实体贡献电路252可以执行第一模型来生成与实体交互的频繁程度相关联的度量,并且可以执行第二模型来生成与实体在给定时段期间流失的可能性相关联的度量。流失率(churn)可以描述第一实体停止与第二实体进行交互的比率。在一些实施方式中,实体贡献电路252实施购买到死(Buy Till You Die,BTYD)模型来预测CLV。例如,实体贡献电路252可以实施帕累托(Pareto)/NBD模型。在各种实施方式中,实体贡献电路252使用实体交互数据和/或第三方数据来计算CLV。例如,实体贡献电路252可以使用与实体相关联的新近度(recency)和频率数据来执行模型。在一些实施方式中,实体贡献电路252实施一个或多个函数来计算实体贡献。例如,实体贡献电路252可以实施以下函数:
Figure BDA0004113324870000081
其中,j是范围为j=1,…,N的群组,N是群组数量,
Figure BDA0004113324870000082
是与群组j相关联的平均流失率,并且
Figure BDA0004113324870000083
是基于以下公式计算的与群组j相关联的平均支出率:
Figure BDA0004113324870000084
其中,Gj是指派给群组j的实体集合,si是实体i在其生命过程中支出了多少,并且ai是实体i的年龄。在各种实施方式中,实体贡献电路252生成描述实体留存的度量(例如,留存概率、留存的成本等)。在各种实施方式中,实体贡献电路252生成与时间段相关联的结果。例如,实体贡献电路252可以生成预测实体活动的接下来六个月的度量。在各种实施方式中,实体贡献电路252可以生成与实体相关联的实体状态。例如,实体贡献电路252可以执行模型来确定用户是否为“活动客户”、“非活动客户”(例如,死亡等)等。在一些实施方式中,实体贡献电路252识别实体是否有可能改变状态。例如,实体贡献电路252可以分析与实体相关联的历史交互数据,以确定该实体是否有可能在不久的将来停止与第三方进行交互。
组选择电路254可以将一个或多个群体分割成组。例如,组选择电路254可以基于哪些部门对成果(例如,产品等)有贡献将公司的工程部门分离成组。在各种实施方式中,组选择电路254基于特性来分割群体。例如,组选择电路254可以基于与每个用户相关联的商业行业将用户群体分离成组。作为另一示例,组选择电路254可以基于哪些设备可以受益于干预来分离多个设备。在各种实施方式中,组选择电路254利用实体交互数据和/或第三方数据。附加地或替代地,组选择电路254可以使用与每个实体相关联的实体贡献来确定组。例如,组选择电路254可以识别其实体贡献度量指示其可以受益于干预(例如,提升特定成果等)的多个用户。在一些实施方式中,组选择电路254利用一个或多个用户定义的参数。例如,组选择电路254可以从用户接收灵敏度度量,并且使用灵敏度度量来确定哪些实体被分割成特定的组。在一些实施方式中,干预电路256对由组选择电路254生成的一个或多个组执行干预。在一些实施方式中,组选择电路254基于实体状态来分离实体。例如,组选择电路254可以将实体的群体分离成具有第一状态的第一组和具有第二状态的第二组,第一状态指示实体将会受益于干预,而第二状态指示实体将不会受益于干预。
干预电路256可以确定对一个或多个实体执行的一个或多个干预。例如,干预电路256可以生成对内容项目的推荐,以提供给一个或多个实体。在各种实施方式中,干预电路256生成推荐干预。例如,干预电路256可以向内容提供商系统30发送用于一个或多个实体的推荐干预以供实施。附加地或替代地,干预电路256可以执行一个或多个干预。在各种实施方式中,干预电路256生成为一组实体定制的干预。在一些实施方式中,干预电路256执行一个或多个模型来生成推荐干预。例如,干预电路256可以使用实体的CLV、实体交互数据和历史数据来执行模型,以确定要提供给实体的一个或多个内容项目。在一些实施方式中,干预电路256确定要采取的一个或多个动作。例如,干预电路256可以基于用户的观看历史来确定用户可能喜欢新的电视连续剧,并且可以生成向用户推荐电视连续剧的推荐。在一些实施方式中,干预电路256为一个或多个实体生成干预度量,诸如干预乘数。例如,干预电路256可以向实体指派干预乘数,该干预乘数可以用于对与实体相关联的内容出价进行优先级化(例如,以便向实体提供特定内容项目等)。在各种实施方式中,干预电路256基于反馈来更新一个或多个模型。例如,干预电路256可以基于先前干预的结果(例如,由测量电路260测量的结果等)来更新用于生成推荐干预的模型。附加地或替代地,干预电路256可以基于来自第三方(例如,客户等)的反馈来更新一个或多个函数参数。
趋势分析电路258可以将关联于一个或多个实体的度量与关联于类似实体的趋势进行比较。例如,趋势分析电路258可以将关联于实体的CLV度量与关联于同该实体类似的企业空间中的实体的CLV度量进行比较。作为另一示例,趋势分析电路258可以将实体贡献度量与宏观趋势(诸如企业业绩、经济指标等)进行比较。在一些实施方式中,趋势分析电路258分析与实体(诸如企业)相关联的留存曲线,以确定基线度量。例如,趋势分析电路258可以确定,对于实体群体来说,在一年中的某个时间点,留存减少是常见的。作为另一示例,趋势分析电路258可以基于与类似实体相关联的实体度量的平均方差来校准实体度量。在各种实施方式中,趋势分析电路258触发与实体相关联的一个或多个干预。例如,趋势分析电路258可以确定与实体相关联的CLV值高于阈值,并且实体的实体状态指示实体有可能停止执行期望的动作(例如,与第三方进行交互等),并且可以触发对实体的干预。在一些实施方式中,趋势是组趋势。在一些实施方式中,趋势本质上是技术性的。例如,趋势可以包括资源利用率(例如,存储器利用率等)、网络带宽、设备时延等。
测量电路260可以测量干预实体的效果。例如,测量电路260可以重新执行一个或多个模型,以确定在干预之后与实体相关联的一个或多个更新的度量,并且将更新的度量与先前的度量进行比较,以确定干预实体的效果。在一些实施方式中,测量电路260基于干预来识别与实体相关联的一个或多个度量的变化。例如,测量电路260可以比较干预前后与实体相关联的留存度量,以确定与实体相关联的留存行为的变化。在各种实施方式中,测量电路260与干预电路256进行交互,以改进未来的干预。例如,测量电路260可以基于与先前干预相关联的留存行为的变化来更新干预电路256所使用的一个或多个模型参数,以改进未来的干预。
实体模型数据库220可以存储与实体相关联的信息。例如,实体模型数据库220可以存储与实体相关联的实体状态和实体贡献。在各种实施方式中,实体模型数据库220存储由实体分析系统200确定的度量。在一些实施方式中,实体模型数据库220存储与实体相关联的一个或多个模型。例如,实体模型数据库220可以存储实体CLV随时间的模型。在各种实施方式中,实体模型数据库220存储时间序列数据。例如,实体模型数据库220可以存储随时间的实体交互数据、随时间的实体状态、随时间的实体贡献等。在一些实施方式中,实体模型数据库220存储技术信息。例如,实体模型数据库220可以存储技术规范(例如,计算能力、带宽能力等)、资源消耗信息(例如,所需的特定化学反应物、机油类型、所需的数据格式等)。在一些实施方式中,实体模型数据库220与实体分析系统200分离。例如,实体模型数据库220可以是单独的数据库,并且实体分析系统200可以向实体模型数据库220查询信息。实体模型数据库220可以包括一个或多个存储介质。存储介质可以包括但不限于磁性存储装置、光学存储装置、闪速存储装置和/或RAM。实体分析系统200可以实施或促进各种API来执行数据库功能(即,管理存储在实体模型数据库220中的数据)。API可以是但不限于SQL、ODBC、JDBC和/或任何其他数据存储和操纵API。
趋势数据库230可以存储与实体趋势相关的信息。例如,趋势数据库230可以存储描述与群体相关联的一个或多个性能度量的信息。在一些实施方式中,性能度量是技术性度量,诸如每秒计算周期数、计算散列数和/或数据传输速度。在各种实施方式中,趋势数据库230存储宏观趋势信息,诸如经济指标、生产率统计、留存曲线等。在各种实施方式中,趋势数据库230存储可以用于将实体与类似地分类的实体进行比较的信息。例如,趋势数据库230可以存储与多个实体相关联的CLV度量。在各种实施方式中,趋势数据库230存储时间序列数据。例如,趋势数据库230可以存储一段时间内与实体群体相关联的实体状态。在一些实施方式中,趋势数据库230与实体分析系统200分离。例如,趋势数据库230可以是单独的数据库,并且实体分析系统200可以向趋势数据库230查询信息。趋势数据库230可以包括一个或多个存储介质。存储介质可以包括但不限于磁性存储装置、光学存储装置、闪速存储装置和/或RAM。实体分析系统200可以实施或促进各种API来执行数据库功能(即,管理存储在趋势数据库230中的数据)。API可以是但不限于SQL、ODBC、JDBC和/或任何其他数据存储和操纵API。
现在参考图2,根据说明性实施方式,示出了用于确定对实体的干预的方法300。在各种实施方式中,实体分析系统200执行方法300。例如,实体分析系统200可以从一个或多个源接收实体信息,并且使用实体信息来确定是否触发对实体的干预,并测量对实体干预的效果。在各种实施方式中,方法300通过促进有针对性的干预并减少提升实体群体的期望成果所需的带宽量来节省网络资源。在步骤302,实体分析系统200可以接收实体交互数据。实体交互数据可以包括先前的实体交互、转换、交易等。例如,实体交互数据可以包括与实体在一段时间内进行的多次购买相关联的信息。在一些实施方式中,从实体交互数据库20接收实体交互数据。附加地或替代地,实体交互数据可以从第三方数据库和/或内容提供商系统30接收。例如,实体交互数据可以包括与实体相关联的历史搜索查询数据。
在步骤304,实体分析系统200可以使用实体交互数据来执行第一模型,以生成与第一时间点相关联的实体状态。例如,实体分析系统200可以确定与用户相关联的留存度量。在各种实施方式中,实体分析系统200执行诸如BTYD模型之类的模型来确定实体状态。在各种实施方式中,实体分析系统200生成与实体状态相关联的置信度度量(例如,实体状态可以是分布的均值等)。附加地或替代地,步骤304可以包括生成与用户状态相关联的趋势。例如,实体分析系统200可以确定实体状态随时间的变化是否指示实体有可能在不久的将来与第三方进行交互。在步骤306,实体分析系统200可以使用实体交互数据来执行第二模型,以生成与实体相关联的贡献。例如,实体分析系统200可以基于实体交互的频率和新近度来生成与实体相关联的未来值。在一些实施方式中,步骤306包括生成CLV度量。在各种实施方式中,步骤306包括量化一个或多个参数。例如,步骤306可以包括使用规则(例如,规则引擎等)来量化用户的贡献,诸如作为应用开发工作的一部分所编写的代码行数。
在步骤308,实体分析系统200可以将第一时间点的实体状态与一个或多个其他实体状态进行比较,以识别与实体相关联的趋势,每个其他实体状态与不同的时间点相关联。例如,实体分析系统200可以识别在区域中与最近的天气事件相关联的实体与第三方的交互的减少趋势。在各种实施方式中,步骤308包括将实体状态与宏观趋势进行比较,以确定实体与类似实体之间的差异水平。例如,实体分析系统200可以确定具有特定特性的实体在一年中的特定时间经历了它们的CLV度量的下降,并且与特定实体相关联的这种下降并非罕见(例如,不应触发干预等)。在步骤310,实体分析系统200可以将趋势与关联于同该实体共享特性的不同实体的一个或多个其他趋势进行比较。例如,实体分析系统200可以将关联于实体的减少的CLV度量与关联于类似实体的CLV度量进行比较,以确定关联于实体的减少的CLV度量是否是值得注意的。在各种实施方式中,步骤310包括执行统计分析。例如,实体分析系统200可以将关联于实体的CLV度量与关联于类似实体的CLV度量的方差进行比较。附加地或替代地,实体分析系统200可以将一个或多个度量与阈值进行比较。例如,实体分析系统200可以确定关联于实体的CLV度量与关联于类似实体的群体的平均CLV度量之间的差异是否低于阈值。在各种实施方式中,实体分析系统200将趋势与关联于类似时间点的一个或多个其他趋势进行比较。
在步骤312,实体分析系统200可以使用贡献和趋势比较来执行第三模型,以向实体指派干预。例如,实体分析系统200可以识别要提供给实体的内容项目。附加地或替代地,实体分析系统200可以确定要应用于实体的乘数,以增加实体被提供内容项目的机会。在一些实施方式中,步骤312可以包括确定针对实体的一个或多个动作。例如,实体分析系统200可以确定实体应该接收体育赛事的免费门票作为促销优惠。在一些实施方式中,步骤312包括执行干预。例如,实体分析系统200可以向内容提供商系统30发送与实体相关联的乘数,以促进向实体提供内容项目。在步骤314,实体分析系统200可以接收更新的实体交互数据。在各种实施方式中,实体分析系统200从内容提供商系统30接收更新的实体交互数据。更新的实体交互数据可以包括实体交互、转换、交易等。例如,更新的实体交互数据可以包括与实体在一段时间内进行的多次购买相关联的信息。
在步骤318,实体分析系统200可以使用更新的实体交互数据来重新执行第二模型,以生成与实体相关联的更新的贡献。在步骤316,实体分析系统200可以使用更新的实体交互数据来重新执行第一模型,以生成与第一时间点之后的第二时间点相关联的更新的实体状态。在步骤320,实体分析系统200可以将实体状态、更新的实体状态、贡献和/或更新的贡献进行比较,以确定干预的有效性。在各种实施方式中,步骤320包括确定一个或多个度量的变化。例如,实体分析系统200可以基于比较来确定与实体相关联的留存行为的变化。在步骤322,实体分析系统200可以基于比较来更新第三模型。例如,实体分析系统200可以基于在步骤320期间确定的留存行为的变化来更新一个或多个函数权重。步骤322可以改进实体分析系统200所进行的未来干预。例如,实体分析系统200可以随着时间学习对于具有特定特性的实体,哪些干预是最有效的。在一些实施方式中,步骤322包括基于反馈来更新第三模型。例如,第三方可以提供反馈,并且实体分析系统200可以基于第三方反馈来更新第三模型。
现在参考图3,根据说明性实施方式,示出了用于更新模型以改进实体目标确定和干预有效性的方法400。在各种实施方式中,实体分析系统200执行方法400。例如,实体分析系统200可以执行方法400,作为每个干预的一部分。在步骤410,实体分析系统200可以接收一个或多个参数,包括与实体相关联的实体状态。例如,实体分析系统200可以接收与实体相关联的CLV度量和状态。在步骤420,实体分析系统200可以使用一个或多个参数来执行第一函数,以确定干预度量,每个参数与权重相关联。在一些实施方式中,一个或多个参数包括在步骤410中接收的一个或多个参数。在各种实施方式中,一个或多个参数包括与实体相关联的贡献、实体与类似实体之间的趋势比较的结果、和/或用于捕捉其他变量的额外度量。在一些实施方式中,额外度量用于校准第一函数。在各种实施方式中,干预度量包括乘数。例如,乘数可以用于增加(例如,在竞争性内容竞价系统等中)实体被提供内容项目的可能性。在步骤430,实体分析系统200可以接收一个或多个客户定义的参数。例如,客户定义的参数可以包括最大干预成本、可达范围(reach)度量(例如,实体的数量等)等。在各种实施方式中,从第三方接收客户定义的参数。
在步骤440,实体分析系统200可以使用干预度量和一个或多个客户定义的参数来执行第二函数,以实施干预。在各种实施方式中,步骤440包括向一个或多个实体提供一个或多个内容项目。例如,实体分析系统200可以向内容提供商系统30发送干预乘数、最大干预成本和可达范围度量,并且内容提供商系统30可以基于接收到的信息向实体提供内容。在一些实施方式中,步骤440包括生成乘数。在步骤450,实体分析系统200可以基于干预来确定更新的实体状态。例如,实体分析系统200可以如上所述确定实体状态。在步骤460,实体分析系统200可以基于更新的状态和/或客户反馈来更新与第一函数相关联的一个或多个权重。在一些实施方式中,步骤460包括更新机器学习算法,诸如更新与神经网络的节点相关联的权重。在一些实施方式中,实体分析系统200更新权重以改进未来的干预确定。例如,实体分析系统200可以更新与可达范围度量和/或最大干预成本相关联的权重,以增加未来干预的灵敏度。
现在参考图4,根据说明性实施方式,示出了用于有针对性的干预的方法500。在各种实施方式中,实体分析系统200执行方法500。在各种实施方式中,方法500包括执行一个或多个模型。在步骤510,实体分析系统200可以访问与实体相关联的数据结构,该数据结构存储与交互集合相关联的信息。例如,数据结构可以存储转换信息、印象信息、实体动作、实体偏好等。在一些实施方式中,数据结构存储技术信息,诸如每秒计算周期数、与特定变量相关联的存储器地址、寄存器更新位等。在步骤520,实体分析系统200可以基于该信息来计算与实体相关联的贡献。在一些实施方式中,贡献是边际贡献。例如,贡献可以等于包括实体的组的值减去没有该实体的组的值和/或减去由该实体单独创造的值。在各种实施方式中,步骤520包括确定与实体相关联的CLV度量。例如,实体分析系统200可以基于与实体相关联的先前交互来确定实体的未来值(例如,与实体相关联的未来收入值)。在一些实施方式中,使用一个或多个模型来执行步骤520。例如,步骤520可以包括执行BTYD模型。在一些实施方式中,贡献是技术贡献,诸如作为分布式处理系统的一部分处理集群在针对区块链区块计算密码散列时的贡献。在步骤530,实体分析系统200可以将该信息与关联于同该实体共享特性的一个或多个实体的趋势进行比较。例如,实体分析系统200可以将用户交互的新近度和频率与关联于同该用户具有相同偏好的用户群体的类似信息进行比较。在各种实施方式中,步骤530包括将在步骤520中确定的贡献与关联于多个类似实体的贡献进行比较。在一些实施方式中,比较技术趋势,诸如将处理集群在计算加密散列时的贡献与随着时间类似集群计算散列的趋势进行比较。在步骤540,实体分析系统200可以基于该信息与趋势的比较来确定是否触发关于实体的干预动作。在一些实施方式中,步骤540包括将信息中包括的一个或多个度量与一个或多个阈值进行比较。例如,步骤540可以包括将实体状态与阈值进行比较,以确定实体状态是否有可能在不久的将来改变。作为另一示例,步骤540可以包括将度量与二进制值(例如,采用两种形式之一的值等)进行比较,以确定是否触发干预动作(例如,干预等)。作为又一示例,步骤540可以包括将运行特定软件版本的处理集群所生成的热量与具有不同软件版本的处理集群的热量趋势进行比较,以确定是否进行干预(例如,将软件补丁推送到该处理集群等)。在一些实施方式中,步骤540包括执行一个或多个模型。例如,步骤540可以包括使用应用于实体的乘数和一个或多个客户定义的参数来执行内容提供模型。
在步骤550,实体分析系统200可以基于确定来触发干预动作。例如,实体分析系统200可以确定实体状态有可能改变,并且该实体具有正CLV,因此可以对该实体实施干预动作以提升期望的成果(例如,交互等)。在一些实施方式中,实体分析系统200执行干预动作。附加地或替代地,实体分析系统200可以使得另一系统(例如,内容提供商系统30等)执行干预动作。在一些实施方式中,干预是技术性干预,诸如执行有针对性的软件更新。在步骤560,实体分析系统200可以重新计算与实体相关联的贡献,以确定干预动作的效果。在一些实施方式中,步骤560包括将重新计算的贡献与先前的贡献进行比较,以确定变化。在一些实施方式中,步骤560包括重新计算与实体相关联的实体状态。例如,实体分析系统200可以重新计算实体状态,并且将更新的实体状态与先前的实体状态进行比较,以确定留存行为的变化。作为另一示例,实体分析系统200可以测量由处理集群生成的热量,并且将该值与类似处理集群的热量趋势进行重新比较。在一些实施方式中,步骤560包括将干预动作的效果传送给一方或多方(例如,第三方等)。在一些实施方式中,步骤560包括执行一个或多个模型(例如,BTYD模型等)。在各种实施方式中,方法500减少了与典型干预系统相关联的计算和/或网络开销。例如,方法500可以识别具有易被不当利用的传统驱动程序的特定边缘节点,并且可以促进对所识别的边缘节点进行有针对性的干预(例如,推送驱动程序更新等),而不是尝试将更新推送到每个边缘节点,这可能涉及大量停机时间等。
图5示出了对可以用于例如实施本公开中描述的任何说明性系统(例如,实体分析系统200等)的计算系统1000的描述。计算系统1000包括用于传送信息的总线1005或其他通信组件,以及耦合到总线1005的用于处理信息的处理器1010。计算系统1000还包括耦合到总线1005的主存储器1015(诸如随机存取存储器(random access memory,RAM)或其他动态存储设备),用于存储信息和要由处理器1010执行的指令。主存储器1015还可以用于在处理器1010执行指令期间存储位置信息、临时变量或其他中间信息。计算系统1000还可以包括耦合到总线1005的只读存储器(read only memory,ROM)1020或其他静态存储设备,用于为处理器1010存储静态信息和指令。存储设备1025(诸如固态设备、磁盘或光盘)耦合到总线1005,用于永久存储信息和指令。
计算系统1000可以经由总线1005耦合到显示器1035(诸如液晶显示器或有源矩阵显示器),用于向用户显示信息。输入设备1030(诸如包括字母数字键和其他键的键盘)可以耦合到总线1005,用于向处理器1010传送信息和命令选择。在另一实施方式中,输入设备1030具有触摸屏显示器1035。输入设备1030可以包括光标控制(诸如鼠标、轨迹球或光标方向键),用于向处理器1010传送方向信息和命令选择,以及用于控制显示器1035上的光标移动。
在一些实施方式中,计算系统1000可以包括通信适配器1040,诸如网络适配器。通信适配器1040可以耦合到总线1005,并且可以被配置为实现与计算或通信网络1045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1040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,实现本文描述的说明性实施方式的过程可以由计算系统1000响应于处理器1010执行主存储器1015中包含的指令布置来实现。这种指令可以从另一计算机可读介质(诸如存储设备1025)读取到主存储器1015中。主存储器1015中包含的指令布置的执行使得计算系统1000执行本文描述的说明性过程。也可以采用多处理布置中的一个或多个处理器来执行主存储器1015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,以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。
除了上面的描述之外,可以向用户提供控制,从而允许用户选择是否以及何时本文描述的系统、程序或特征能够收集用户信息(例如,关于用户的社交网络、社交动作或活动、职业、用户偏好或者用户当前位置的信息),以及是否从服务器向用户发送内容或通信。此外,在存储或使用某些数据之前,可能会以一种或多种方式对其进行处理,使得个人可识别信息被去除。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,或者在获得位置信息的情况下用户的地理位置可以被一般化(诸如到城市、邮政编码或州级),使得不能确定用户的特定位置。因此,用户可以控制收集关于用户的什么信息、如何使用该信息以及向用户提供什么信息。在本文描述的系统收集关于用户或安装在用户设备上的应用的个人信息或者利用个人信息的情形下,向用户提供机会来控制程序或特征是否收集用户信息(例如,关于用户的社交网络、社交动作或活动、职业、用户偏好或者用户当前位置的信息)。此外或替代地,在存储或使用某些数据之前,可以用一种或多种方式对其进行处理,使得个人信息被去除。
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、固件或硬件上的计算机软件(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,即被编码在一个或多个计算机存储介质上的计算机程序指令的一个或多个模块,用于由数据处理装置执行或控制数据处理装置的操作。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,生成该传播信号以对信息进行编码,用于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或被包括在一个或多个单独的组件或介质中(例如,多个CD、盘或其他存储设备)。计算机存储介质可以是有形的和/或非暂时性的。
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,举例来说包括可编程处理器、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,标记语言文档中存储的一个或多个脚本)中,被存储在专用于所讨论的程序的单个文件中,或者被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)。本文利用的电路可以使用硬件电路(例如,FPGA、ASIC等)、软件(存储在一个或多个计算机可读存储介质上并可由一个或多个处理器执行的指令)或其任何组合来实施。
举例来说,适合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,或向其传递数据,或两者兼有。然而,计算机不需要具有这样的设备。此外,计算机可以被嵌入在另一设备中,例如,移动电话、个人数字助理(personal digital assistant,PDA)、移动音频或视频播放器、游戏控制台、全球定位系统(Global Positioning System,GPS)接收器或便携式存储设备(例如,通用串行总线(universal serial bus,USB)闪存驱动器),仅举几个示例。适合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和闪速存储器设备;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,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,包括声音输入、语音输入或触觉输入。此外,计算机可以通过向用户使用的设备发送文档并从用户使用的设备接收文档来与用户进行交互;例如,通过响应于从网络浏览器接收的请求而向用户的客户端设备上的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(local areanetwork,LAN)和广域网(wide area network,WAN)、互联网(例如,因特网)和对等网络(例如,自组织对等网络)。
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的且彼此具有客户端-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)发送到客户端设备(例如,为了向与客户端设备交互的用户显示数据并从其接收用户输入)。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。
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发明的范围或可能要求保护的范围的限制,而是对特定发明的特定实施方式所特有的特征的描述。本说明书中在分离的实施方式的上下文中描述的某些特征也可以组合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、单独地或以任何合适的子组合来实行。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使用和/或与其结合使用;标题(如果提供的话)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提供的任何特征。
类似地,虽然在附图中以特定的次序描述了操作,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,如上所述的实施方式中的各种系统组件的分离不应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。在一些情况下,权利要求中所述的动作可以以不同的次序执行,并且仍能获得期望的结果。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实现期望的结果。在某些实施方式中,多任务和并行处理可能是有利的。

Claims (15)

1.一种方法,包括:
由一个或多个处理器访问与实体相关联的数据结构,所述数据结构存储与交互集合相关联的信息;
由所述一个或多个处理器使用一个或多个模型,基于所述信息来计算与所述实体相关联的贡献;
由所述一个或多个处理器使用所述一个或多个模型,将所述信息与关联于同所述实体共享特性的一个或多个实体的趋势进行比较;
由所述一个或多个处理器使用所述一个或多个模型,基于所述信息与所述趋势的比较来确定是否触发针对所述实体的干预动作;
由所述一个或多个处理器响应于所述确定来触发所述干预动作;以及
由所述一个或多个处理器使用所述一个或多个模型,重新计算与所述实体相关联的贡献,以确定所述干预动作的效果。
2.根据权利要求1所述的方法,其中,确定所述干预动作的效果包括由所述一个或多个处理器测量可归因于所述干预动作的与所述实体相关联的贡献的变化。
3.根据权利要求2所述的方法,所述方法还包括由所述一个或多个处理器基于所述贡献的变化来更新未来的干预动作。
4.根据权利要求1所述的方法,其中,所述干预动作是基于所述趋势确定的。
5.根据权利要求1所述的方法,其中,确定是否触发所述干预动作还基于与所述实体相关联的状态。
6.根据权利要求5所述的方法,其中,所述状态基于由所述一个或多个模型使用所述信息生成的留存度量。
7.根据权利要求1所述的方法,其中,所述干预动作包括向用户提供一个或多个内容项目。
8.一个或多个计算机可读存储介质,其上存储有指令,所述指令当由一个或多个处理器执行时,使得所述一个或多个处理器:
访问与实体相关联的数据结构,所述数据结构存储与交互集合相关联的信息;
使用一个或多个模型,基于所述信息来计算与所述实体相关联的贡献;
使用所述一个或多个模型,将所述信息与关联于同所述实体共享特性的一个或多个实体的趋势进行比较;
使用所述一个或多个模型,基于所述信息与所述趋势的比较来确定是否触发针对所述实体的干预动作;
响应于所述确定来触发所述干预动作;以及
使用所述一个或多个模型,重新计算与所述实体相关联的贡献,以确定所述干预动作的效果。
9.根据权利要求8所述的一个或多个计算机可读存储介质,其中,确定所述干预动作的效果包括测量可归因于所述干预动作的与所述实体相关联的贡献的变化。
10.根据权利要求9所述的一个或多个计算机可读存储介质,其中,所述一个或多个处理器还被配置为基于所述贡献的变化来更新未来的干预动作。
11.根据权利要求8所述的一个或多个计算机可读存储介质,其中,所述干预动作是基于所述趋势来确定的。
12.根据权利要求8所述的一个或多个计算机可读存储介质,其中,确定是否触发所述干预动作还基于与所述实体相关联的状态。
13.根据权利要求12所述的一个或多个计算机可读存储介质,其中,所述状态基于由所述一个或多个模型使用所述信息生成的留存度量。
14.根据权利要求8所述的一个或多个计算机可读存储介质,其中,所述干预动作包括向用户提供一个或多个内容项目。
15.一种用于对实体实施有针对性的干预的系统,所述系统包括具有一个或多个处理器和一个或多个存储器的一个或多个处理电路,所述一个或多个存储器中的每个存储器存储指令,所述指令当由所述一个或多个处理器执行时,使得所述一个或多个处理器:
访问与实体相关联的数据结构,所述数据结构存储与交互集合相关联的信息;
使用一个或多个模型,基于所述信息来计算与所述实体相关联的贡献;
使用所述一个或多个模型,将所述信息与关联于同所述实体共享特性的一个或多个实体的趋势进行比较;
使用所述一个或多个模型,基于所述信息与所述趋势的比较来确定是否触发针对所述实体的干预动作;
响应于所述确定来触发所述干预动作,其中,所述干预动作包括向用户提供一个或多个内容项目;以及
使用所述一个或多个模型,重新计算与所述实体相关联的贡献,以基于与所述实体相关联的贡献的变化来确定所述干预动作的效果。
CN202080104022.6A 2020-10-12 2020-10-12 用于自动化干预的系统和方法 Pending CN116034354A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2020/055234 WO2022081128A1 (en) 2020-10-12 2020-10-12 Systems and methods for automated intervention

Publications (1)

Publication Number Publication Date
CN116034354A true CN116034354A (zh) 2023-04-28

Family

ID=73040321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080104022.6A Pending CN116034354A (zh) 2020-10-12 2020-10-12 用于自动化干预的系统和方法

Country Status (4)

Country Link
US (1) US20230153431A1 (zh)
EP (1) EP4127960A1 (zh)
CN (1) CN116034354A (zh)
WO (1) WO2022081128A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240061845A1 (en) * 2022-08-16 2024-02-22 Capital One Services, Llc Machine learning model for recommending interaction parties

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160342911A1 (en) * 2015-05-19 2016-11-24 24/7 Customer, Inc. Method and system for effecting customer value based customer interaction management
US10762563B2 (en) * 2017-03-10 2020-09-01 Cerebri AI Inc. Monitoring and controlling continuous stochastic processes based on events in time series data
US10592837B2 (en) * 2017-04-21 2020-03-17 Accenture Global Solutions Limited Identifying security risks via analysis of multi-level analytical records

Also Published As

Publication number Publication date
US20230153431A1 (en) 2023-05-18
EP4127960A1 (en) 2023-02-08
WO2022081128A1 (en) 2022-04-21

Similar Documents

Publication Publication Date Title
US11521218B2 (en) Systems and methods for determining competitive market values of an ad impression
US11170413B1 (en) Methods, systems, and devices for counterfactual-based incrementality measurement in digital ad-bidding platform
Scott Multi‐armed bandit experiments in the online service economy
CN111177111A (zh) 基于用户指定分段执行查询时归因建模
US20140351046A1 (en) System and Method for Predicting an Outcome By a User in a Single Score
US20150161652A1 (en) Methods and systems for displaying attribution credit data based on parameters
US20170330239A1 (en) Methods and systems for near real-time lookalike audience expansion in ads targeting
JP7250017B2 (ja) セグメンテーション・アズ・ア・サービスのための方法及びシステム
JP2020516979A (ja) 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム
US11875368B2 (en) Proactively predicting transaction quantity based on sparse transaction data
WO2019204898A1 (en) Workload scheduling in a distributed computing environment based on an applied computational value
US10970338B2 (en) Performing query-time attribution channel modeling
US20210192549A1 (en) Generating analytics tools using a personalized market share
US20160034553A1 (en) Hybrid aggregation of data sets
US10181130B2 (en) Real-time updates to digital marketing forecast models
US20140250044A1 (en) Method and system using association rules to form custom lists of cookies
US8285583B2 (en) Contact stream optimization using FEC and CC constraints
CN115983900A (zh) 用户营销策略的构建方法、装置、设备、介质和程序产品
US20220207606A1 (en) Prediction of future occurrences of events using adaptively trained artificial-intelligence processes
CN116034354A (zh) 用于自动化干预的系统和方法
WO2022178640A1 (en) Predicting occurrences of targeted classes of events using trained artificial-intelligence processes
US11049150B2 (en) Generation of incremental bidding and recommendations for electronic advertisements
US20110055010A1 (en) Enabling High Performance Ad Selection
US11841880B2 (en) Dynamic cardinality-based group segmentation
US20240119471A1 (en) Method, apparatus, device, and storage medium for conversion evaluation

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