ES2901113T3 - Detector del aumento súbito para el consumo de contenidos - Google Patents

Detector del aumento súbito para el consumo de contenidos Download PDF

Info

Publication number
ES2901113T3
ES2901113T3 ES16882214T ES16882214T ES2901113T3 ES 2901113 T3 ES2901113 T3 ES 2901113T3 ES 16882214 T ES16882214 T ES 16882214T ES 16882214 T ES16882214 T ES 16882214T ES 2901113 T3 ES2901113 T3 ES 2901113T3
Authority
ES
Spain
Prior art keywords
content
ccm
network session
session events
consumption
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
ES16882214T
Other languages
English (en)
Inventor
Oleg Valentin Khavronin
Benny Lin
Anthony Livhits
Erik Gregory Matlick
Christian Michael Burton
Robert James Armstrong
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.)
Bombora Inc
Original Assignee
Bombora Inc
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 US14/981,529 external-priority patent/US20160132906A1/en
Application filed by Bombora Inc filed Critical Bombora Inc
Application granted granted Critical
Publication of ES2901113T3 publication Critical patent/ES2901113T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/1859—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast adapted to provide push services, e.g. data channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/212—Monitoring or handling of messages using filtering or selective blocking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

Un procedimiento, que comprende: recibir eventos de sesión de red (108) desde dispositivos informáticos (130) que acceden a páginas web o contenidos (112, 114, 124, 282A, 282B y 282C) incrustados en las páginas web, las páginas web o los contenidos incluyen etiquetas (110) configuradas para: supervisar y capturar los eventos de la sesión de red (108) generados por los dispositivos informáticos (130), y enviar los eventos de sesión de red capturados (108) a un monitor de consumo de contenidos, GGM, (100), y cada uno de los eventos de sesión de red (108) indica al menos un sitio web o contenido al que se ha accedido, un identificador de tipo de evento que identifica una acción o actividad asociada al sitio web o contenido al que se ha accedido, y una dirección de red desde la que se ha accedido al sitio web o contenido; identificando eventos de sesión de red (108) de un dominio o nombre de dominio para una empresa (460A) asociada con al menos una dirección de red (404) indicada por al menos uno de los eventos de sesión de red (108); identificando, para cada uno de los múltiples periodos de tiempo, un grupo de eventos de sesión de red (108) que incluye el nombre de dominio de la empresa (460A) o una o más direcciones de red (404) asociadas a la empresa; identificando, para cada uno de los múltiples periodos de tiempo, un conjunto de sitios web o contenidos (114) a los que han accedido los miembros de la empresa (460A) según lo indicado por el grupo de los eventos de la sesión de red (108); identificando uno o más temas (102) en base a varias palabras en el conjunto de sitios web o contenidos; determinando, mediante el CCM (100), una puntuación de relevancia media (402) del conjunto de sitios web o contenidos (112) para cada tema (102) de los uno o más temas (102), siendo la puntuación de relevancia media un promedio de un conjunto de puntuaciones de relevancia del conjunto de sitios web o contenidos para cada tema cada una de la pluralidad de puntuaciones de relevancia se calcula basada en parte en un número de palabras en el conjunto de sitios web o contenidos que se asocian con cada tema (102) y los tipos de eventos realizados en el conjunto de sitios web o contenidos según lo indicado por el grupo de los eventos de la sesión de red (108); identificando un número de usuarios (472A) que generan los eventos de sesión de red (108) para cada uno de los diferentes períodos de tiempo, siendo los usuarios (472A) usuarios de los dispositivos informáticos (130); generando, mediante un generador de puntuaciones de consumo, CSG, (400) incluido en el CCM (100), puntuaciones de consumo (410) para la empresa (460A) y cada tema (102) en función del número de eventos de sesión de red (108), el número de usuarios (472A) asociados a la empresa (460A) y la puntuación media de relevancia (402) para cada tema (102); y identificado por el CSG (400), un aumento súbito (412) en las puntuaciones de consumo (410) de la empresa (460A) basado en los cambios en las puntuaciones de consumo (410) de la empresa a lo largo de los múltiples períodos de tiempo en los que al menos una de las puntuaciones de consumo (410) por encima de un valor umbral se identifica como el aumento súbito (412).

Description

DESCRIPCIÓN
Detector del aumento súbito para el consumo de contenidos
La presente solicitud reivindica la prioridad de la solicitud de patente US n.° 14/981.529, presentada el 28 de diciembre de 2015, que es una continuación en parte de la solicitud de patente US Ser. N° 14/498.056, titulada: Monitor de consumo de contenidos.
Antecedentes
Los usuarios reciben una variedad aleatoria de información diferente de una variedad aleatoria de negocios diferentes. Por ejemplo, los usuarios pueden recibir constantemente anuncios promocionales, publicidad, avisos informativos, notificaciones de eventos, etc. Los usuarios solicitan parte de esta información. Por ejemplo, un usuario puede registrarse en el sitio web de una empresa para recibir anuncios de ventas o información. Sin embargo, gran parte de la información tiene poco o ningún interés para el usuario. Por ejemplo, el usuario puede recibir mensajes de correo electrónico que anuncien cada uno de los próximos seminarios, independientemente de la materia.
El usuario también puede recibir información no solicitada. Por ejemplo, un usuario puede registrarse en un sitio web para descargar un libro blanco sobre un tema concreto. A continuación, un servicio de contactos puede vender la dirección de correo electrónico a empresas que envían al usuario publicidad no solicitada. Los usuarios acaban ignorando la mayoría o la totalidad de estos correos electrónicos, ya que la mayor parte de la información no tiene relevancia ni interés. Alternativamente, el usuario dirige todos estos correos electrónicos a una carpeta de correo no deseado.
El documento US 2010/0100537 A1 divulga sistemas y procedimientos para identificar tendencias en fuentes web recogidas de varios servidores de contenido.
En el documento US 7 185 065 B1 se describen un sistema y un procedimiento para recopilar y analizar los mensajes de discusión electrónicos con el fin de categorizar las comunicaciones de los mensajes e identificar tendencias y patrones en mercados predeterminados.
En el documento US 2004/0267723 A1 se dan a conocer procedimientos, aparatos, formatos de mensajes y estructuras de datos para resolver ambigüedades con respecto al interés de un usuario por un tema, de modo que puedan presentarse anuncios útiles relacionados con el tema relevante.
El documento US 2014/0201240 A1 proporciona un sistema para identificar uno o más contenidos multimedia relevantes para un tema predominante.
Sumario
La invención describe un procedimiento como se define en la reivindicación independiente 1, y el correspondiente medio de almacenamiento legible por ordenador y el aparato como se define en las reivindicaciones 14 y 15, respectivamente. Otros aspectos de la invención se describen en las reivindicaciones dependientes.
Breve descripción de los dibujos
La FIG. 1 representa un ejemplo de monitor de consumo de contenidos (CCM).
La FIG. 2 muestra un ejemplo de CCM con más detalle.
La FIG. 3 representa un ejemplo de funcionamiento de una etiqueta CCM.
La FIG. 4 muestra ejemplos de eventos procesados por el CCM.
La FIG. 5 representa un ejemplo de vector de intención del usuario.
La FIG. 6 representa un ejemplo de proceso de segmentación de usuarios.
La FIG. 7 representa un ejemplo de proceso para generar vectores de intención de la empresa.
La FIG. 8 representa un ejemplo de generador de puntuación de consumo.
La FIG. 9 representa el ejemplo de generador de puntuación de consumo con más detalle.
La FIG. 10 representa un ejemplo de proceso para identificar un aumento súbito de las puntuaciones de consumo.
La FIG. 11 representa un ejemplo de proceso para calcular las puntuaciones iniciales de consumo.
La FIG. 12 representa un ejemplo de proceso para ajustar las puntuaciones iniciales de consumo en función de los eventos históricos de referencia.
La FIG. 13 muestra un ejemplo de proceso de asignación de temas de aumento súbito con contactos.
La FIG. 14 representa un ejemplo de monitor de consumo de contenidos que calcula la intención de contenido. La FIG. 15 representa un proceso de ejemplo para ajustar una puntuación de consumo basada en la intención de contenido.
La FIG. 16 representa un ejemplo de dispositivo informático para el CCM.
Descripción detallada
Las empresas pueden investigar temas en Internet como paso previo a la compra de artículos o servicios relacionados con los temas. Un monitor de consumo de contenidos (CCM) genera puntuaciones de consumo que identifican el nivel de interés de la empresa en diferentes temas. El CCM puede ir más allá de la mera identificación de las empresas interesadas en temas específicos y también identificar los datos de un aumento súbito que indican cuándo las empresas son más receptivas a los contactos directos en relación con diferentes temas. Los editores pueden utilizar los datos del aumento súbito para aumentar el interés por la información publicada. En un ejemplo, los editores pueden incluir a los anunciantes que utilizan los datos del aumento súbito para aumentar las tasas de conversión de la publicidad.
La FIG. 1 representa un monitor de consumo de contenidos (CCM) 100. El CCM 100 puede ser un servidor o cualquier otro sistema informático que se comunique con un editor 118 y supervise los accesos de los usuarios al contenido de terceros 112. El editor 118 es cualquier servidor u ordenador operado por una empresa o individuo que quiere enviar el contenido 114 a un grupo de usuarios interesados. Este grupo de usuarios se denomina alternativamente segmento de contactos 124.
Por ejemplo, el editor 118 puede ser una empresa que vende coches eléctricos. El editor 118 puede tener una lista de contactos 120 de direcciones de correo electrónico de clientes que han asistido a seminarios anteriores o se han registrado en el sitio web del editor. La lista de contactos 120 también puede ser generada por las etiquetas CCM 110 que se describen con más detalle a continuación. El editor 118 también puede generar la lista de contactos 120 a partir de listas de clientes potenciales proporcionadas por servicios de clientes potenciales de terceros, puntos de venta al por menor, y/o otras promociones o puntos de venta, o similares o cualquier combinación de los mismos. El editor 118 puede querer enviar anuncios por correo electrónico para un próximo seminario sobre coches eléctricos. El editor 118 desea aumentar el número de asistentes al seminario.
El contenido de terceros 112 comprende cualquier información sobre cualquier tema a la que acceda cualquier usuario. El contenido de terceros 112 puede incluir páginas web proporcionadas en servidores de sitios web operados por diferentes empresas y/o individuos. Por ejemplo, los contenidos de terceros 112 pueden proceder de diferentes sitios web operados por minoristas y mayoristas en línea, periódicos en línea, universidades, blogs, municipios, sitios de medios sociales o cualquier otra entidad que suministre contenidos.
El contenido de terceros 112 también puede incluir información a la que no se accede directamente desde los sitios web. Por ejemplo, los usuarios pueden acceder a la información de registro en seminarios, tiendas minoristas y otros eventos. El contenido de terceros 112 también puede incluir contenido proporcionado por el editor 118.
Los ordenadores y/o servidores asociados con el editor 118, el segmento de contenido 124, el CCM 100 y el contenido de terceros 112 pueden comunicarse a través de Internet o de cualquier otra red alámbrica o inalámbrica, incluidas las redes de área local (LAN), las redes de área amplia (WAN), las redes inalámbricas, las redes celulares, las redes Wi-Fi, las redes Bluetooth®, las redes de cable o similares, o cualquier combinación de ellas.
Algunos de los contenidos de terceros 112 pueden contener etiquetas CCM 110 que capturan y envían eventos 108 al CCM 100. Por ejemplo, las etiquetas c Cm 110 pueden comprender JavaScript añadido a las páginas web del sitio. El sitio web descarga las páginas web, junto con las etiquetas CCM 110, en los ordenadores de los usuarios. Los ordenadores de usuario pueden incluir cualquier dispositivo de comunicación y/o procesamiento, incluyendo, pero sin limitarse a, ordenadores portátiles, ordenadores personales, teléfonos inteligentes, terminales, tabletas o similares, o cualquier combinación de ellos. Las etiquetas CCM 110 monitorean las sesiones web y envían algunos eventos capturados de la sesión web 108 al CCM 100.
Los eventos 108 pueden identificar el contenido de terceros 112 e identificar al usuario que accede al contenido de terceros 112. Por ejemplo, el evento 108 puede incluir un enlace de localizador universal de recursos (URL) al contenido de terceros 112 y puede incluir una dirección de correo electrónico de usuario o un identificador de cookie asociado con el usuario que accedió al contenido de terceros 112. Los eventos 108 también pueden identificar una actividad de acceso asociada al contenido de terceros 112. Por ejemplo, el evento 108 puede indicar que el usuario vio una página web, descargó un documento electrónico o se inscribió en un seminario.
El CCM 100 construye perfiles de usuario 104 a partir de eventos 108. Los perfiles de usuario 104 pueden incluir identificadores anónimos 105 que asocian el contenido de terceros 112 con usuarios particulares. Los perfiles de usuario 104 también pueden incluir datos de intención 106 que identifican temas en el contenido de terceros 112 al que acceden los usuarios. Por ejemplo, los datos de intención 106 pueden comprender un vector de intención del usuario que identifica los temas e identifica los niveles de interés del usuario en los temas.
Como se ha mencionado anteriormente, el editor 118 puede querer enviar un correo electrónico anunciando un seminario sobre coches eléctricos a un segmento de contactos particular 124 de usuarios interesados en coches eléctricos. El editor 118 puede enviar el correo electrónico como contenido 114 al CCM 100. El CCM 100 identifica los temas 102 en el contenido 114.
El CCM 100 compara los temas de contenido 102 con los datos de intención 106. El CCM 100 identifica los perfiles de usuario 104 que indican un interés en el contenido 114. El CCM 100 envía los identificadores anónimos 105 de los perfiles de usuario identificados 104 al editor 118 como segmento de contacto anónimo 116.
La lista de contactos 120 puede incluir identificadores de usuario, como direcciones de correo electrónico, nombres, números de teléfono o similares, o cualquier combinación de los mismos. Los identificadores de la lista de contactos 120 se convierten en hash o se des-identifican mediante un algoritmo 122. El editor 118 compara los identificadores hash de la lista de contactos 120 con los identificadores anónimos 105 del segmento de contactos anónimos 116. Cualquier identificador que coincida se identifica como segmento de contacto 124. El editor 118 identifica las direcciones de correo electrónico no cifradas de la lista de contactos 120 asociadas al segmento de contactos 124. El editor 118 envía el contenido 114 a las direcciones de correo electrónico identificadas para el segmento de contacto 124. Por ejemplo, el editor 118 envía un correo electrónico anunciando el seminario sobre el coche eléctrico al segmento de contactos 124.
El envío del contenido 114 al segmento de contactos 124 puede generar un aumento súbito sustancial del número de respuestas positivas 126. Por ejemplo, supongamos que el editor 118 quiere enviar correos electrónicos anunciando ofertas anticipadas para el próximo seminario. El seminario puede incluir diez temas diferentes, como los coches eléctricos, las cuestiones medioambientales, las energías renovables, etc. En el pasado, el editor 118 puede haber enviado diez correos electrónicos diferentes para cada tema distinto a todas las personas de la lista de contactos 120.
El editor 118 puede ahora enviar el correo electrónico relativo a la pista del coche eléctrico únicamente a los contactos identificados en el segmento de contactos 124. El número de respuestas positivas 126 que se inscriben en el tema del coche eléctrico del seminario puede aumentar sustancialmente, ya que el contenido 114 está ahora dirigido a los usuarios interesados en los coches eléctricos.
En otro ejemplo, el CCM 100 puede proporcionar una campaña publicitaria local o una segmentación de correo electrónico. Por ejemplo, el CCM 100 puede proporcionar un "sí" o un "no" en cuanto a si un anuncio concreto debe mostrarse a un usuario determinado. En este ejemplo, el CCM 100 puede utilizar los datos hash sin re-identificar a los usuarios y la recomendación de acción "sí/no" puede basarse en un valor hash des-identificado.
El CCM 100 puede revitalizar los contactos fríos en la lista de contactos del editor 120. El CCM 100 puede identificar a los usuarios de la lista de contactos 120 que están accediendo actualmente a otros contenidos de terceros 112 e identificar los temas asociados a los contenidos de terceros 112. Al supervisar los accesos al contenido de terceros 112, el CCM 100 puede identificar los intereses actuales de los usuarios, aunque esos intereses no se alineen con el contenido actualmente provisto por el editor 118. El editor 118 podría volver a atraer a los contactos fríos proporcionando contenido 114 más alineado con los temas más relevantes identificados en el contenido de terceros 112.
La FIG. 2 es un diagrama que explica con más detalle el gestor de consumo de contenidos. Un usuario puede introducir una consulta de búsqueda 132 en un ordenador 130 a través de un motor de búsqueda. El usuario puede trabajar para una empresa Y. Por ejemplo, el usuario puede tener una dirección de correo electrónico asociada USER@COm Pa NY Y.com.
En respuesta a la consulta de búsqueda 132, el motor de búsqueda puede mostrar enlaces al contenido 112A y 112B en el sitio web1 y el sitio web2, respectivamente. El usuario puede hacer clic en el enlace al sitio web1. El sitio web1 puede descargar en el ordenador 130 una página web que incluya un enlace a un libro blanco. El sitio web1 puede incluir una o más páginas web con etiquetas CCM 110A que capturen diferentes eventos durante la sesión web entre el sitio web1 y el ordenador 130. El sitio web1 u otro sitio web puede haber descargado una cookie en un navegador web que funcione en el ordenador 130. La cookie puede incluir un identificador X, como un conjunto de caracteres alfanuméricos únicos asociados al navegador web del ordenador 130.
Durante la sesión web con el sitio web1, el usuario del ordenador 130 puede hacer clic en un enlace al libro blanco 112A. En respuesta al clic del ratón, la etiqueta CCM 110A puede descargar un evento 108A al CCM 100. El evento 108A puede identificar el identificador de cookie X cargado en el navegador web del ordenador 130. Además, o alternativamente, la etiqueta CCM 110A puede capturar un nombre de usuario y/o una dirección de correo electrónico introducida en uno o más campos de la página web durante la sesión web. La etiqueta CCM 110 codifica la dirección de correo electrónico e incluye la dirección de correo electrónico codificada en el evento 108A. Cualquier identificador asociado al usuario se denomina generalmente usuario X o ID de usuario.
La etiqueta CCM 110A también puede incluir un enlace en el evento 108A al libro blanco descargado desde el sitio web1 al ordenador 130. Por ejemplo, la etiqueta CCM 110A puede capturar el localizador universal de recursos (URL) para el libro blanco 112A. La etiqueta CCM 110A también puede incluir un identificador de tipo de evento en el evento 108A que identifica una acción o actividad asociada al contenido 112A. Por ejemplo, la etiqueta CCM 110A puede insertar un identificador de tipo de evento en el evento 108A que indica que el usuario descargó un documento eléctrico.
La etiqueta CCM 110A también puede identificar la plataforma de lanzamiento para acceder al contenido 112B. Por ejemplo, la etiqueta CCM 110B puede identificar un enlace www.searchengine.com al motor de búsqueda utilizado para acceder al sitio web1.
Un perfilador de eventos 140 en CCM 100 reenvía el URL identificado en el evento 108A a un analizador de contenido 142. El analizador de contenido 142 genera un conjunto de temas 136 asociados o sugeridos por el libro blanco 112A. Por ejemplo, los temas 136 pueden incluir coches eléctricos, coches, coches inteligentes, baterías eléctricas, etc. Cada tema 136 puede tener una puntuación de relevancia asociada que indica la relevancia del tema en el libro blanco 112A. Los analizadores de contenido que identifican temas en los documentos son conocidos por los expertos en la materia y, por lo tanto, no se describen con más detalle.
El perfilador de eventos 140 envía la ID de usuario, los temas 136, el tipo de evento y cualquier otro dato del evento 108A al procesador de eventos 144. El procesador de eventos 144 puede almacenar la información personal capturada en el evento 108A en una base de datos personal 148. Por ejemplo, durante la sesión web con el sitio web1, el usuario puede haber introducido el nombre de una empresa empleadora en un campo de formulario de la página web. La etiqueta CCM 110A puede copiar el nombre de la empresa empleadora en el evento 108A. Alternativamente, el CCM 100 puede identificar el nombre de la empresa a partir de un nombre de dominio de la dirección de correo electrónico del usuario.
El procesador de eventos 144 puede almacenar otra información demográfica del evento 108A en la base de datos personal 148, como el cargo del usuario, la edad, el sexo, la ubicación geográfica (dirección postal), etc. En un ejemplo, parte de la información en la base de datos personal 148 está codificada, como el ID de usuario y/o cualquier otra información personal identificable. Otra información en la base de datos personal 148 puede ser anónima para cualquier usuario específico, como el nombre de la empresa y el cargo.
El procesador de eventos 144 construye un vector de intención del usuario 145 a partir de los vectores de temas 136. El procesador de eventos 144 actualiza continuamente el vector de intención del usuario 145 en base a otros eventos recibidos 108. Por ejemplo, el motor de búsqueda puede mostrar un segundo enlace al sitio web2 en respuesta a la consulta de búsqueda 132. El usuario X puede hacer clic en el segundo enlace y el sitio web2 puede descargar una página web en el ordenador 130 anunciando el seminario sobre coches eléctricos.
La página web descargada por el sitio web2 también puede incluir una etiqueta CCM 110B. El usuario X puede inscribirse en el seminario durante la sesión web con el sitio web2. La etiqueta CCM 110B puede generar un segundo evento 108B que incluy la ID de usuario: X, un enlace URL a la página web que anuncia el seminario, y un tipo de evento que indica que el usuario se ha inscrito en el seminario sobre coches eléctricos anunciado en la página web.
La etiqueta CCM 110B envía el evento 108B a CCM 100. El analizador de contenidos 142 genera un segundo conjunto de temas 136. El evento 108B puede contener información personal adicional asociada al usuario X. El procesador de eventos 144 puede añadir la información personal adicional a la base de datos personal 148.
El procesador de eventos 144 actualiza el vector de intención del usuario 145 en base al segundo conjunto de temas 136 identificados para el evento 108B. El procesador de eventos 144 puede añadir nuevos temas al vector de intenciones del usuario 145 o puede cambiar las puntuaciones de relevancia de los temas existentes. Por ejemplo, a los temas identificados en los eventos 108A y 108B se les puede asignar una mayor puntuación de relevancia. El procesador de eventos 144 también puede ajustar las puntuaciones de relevancia en base al tipo de evento asociado identificado en los eventos 108.
El editor 118 puede enviar una consulta de búsqueda 154 a CCM 100 a través de una interfaz de usuario 152 en un ordenador 155. Por ejemplo, la consulta 154 puede preguntar ¿QUIÉN ESTÁ INTERESADO EN COMPRAR COCHES ELÉCTRICOS? Un transportador 150 en CCM 100 busca en los vectores de intención del usuario 145 temas relacionados con los coches eléctricos con altas puntuaciones de relevancia. El transportador 150 puede identificar el vector de intención del usuario 145 para el usuario X. El transportador 150 identifica al usuario X y a otros usuarios A, B y C interesados en coches eléctricos en los resultados de búsqueda 156.
Como se ha mencionado anteriormente, los ID de usuario pueden estar codificados y CCM 100 puede desconocer las identidades reales de los usuarios X, A, B y C. El CCM 100 puede proporcionar un segmento de ID de usuario codificados X, A, B y C al editor 118 en respuesta a la consulta 154.
El editor 118 puede tener una lista de contactos 120 de usuarios (FIG. 1). El editor 118 puede hacer un hash de las direcciones de correo electrónico en la lista de contactos 120 y comparar los identificadores hash con los identificadores de usuario X, A, B y C encriptados o hash. El editor 118 identifica la dirección de correo electrónico no encriptada para que coincida con los identificadores de usuario. El editor 118 envía entonces información relacionada con los coches eléctricos a las direcciones de correo electrónico del segmento de usuarios identificado. Por ejemplo, el editor 118 puede enviar correos electrónicos que contengan libros blancos, anuncios, artículos, avisos, notificaciones de seminarios, o similares, o cualquier combinación de ellos.
El CCM 100 puede proporcionar otra información en respuesta a la consulta de búsqueda 154. Por ejemplo, el procesador de eventos 144 puede agregar los vectores de intención del usuario 145 para los usuarios empleados por la misma empresa Y en un vector de intención de la empresa. El vector de intención de la empresa Y puede indicar un gran interés por los coches eléctricos. En consecuencia, el CCM 100 puede identificar a la empresa Y en los resultados de búsqueda 156. Mediante la agregación de los vectores de intención del usuario 145, el CCM 100 puede identificar la intención de una empresa u otra categoría sin revelar ninguna información personal específica del usuario, por ejemplo, sin referirse a la actividad de navegación en línea de un usuario.
El CCM 100 recibe continuamente eventos 108 para diferentes contenidos de terceros. El procesador de eventos 144 puede agregar eventos 108 para un período de tiempo particular, como por ejemplo para un día en curso, para la última semana, o para los últimos 30 días. El procesador de eventos 144 puede entonces identificar los temas de tendencia 158 dentro de ese período de tiempo particular. Por ejemplo, el procesador de eventos 144 puede identificar los temas con los valores de relevancia media más altos de los últimos 30 días.
Se pueden aplicar diferentes filtros 159 a los datos de intención almacenados en la base de datos de eventos 146. Por ejemplo, los filtros 159 pueden dirigir el procesador de eventos 144 para identificar a los usuarios de una determinada empresa Y que están interesados en los coches eléctricos. En otro ejemplo, los filtros 159 pueden dirigir el procesador de eventos 144 para identificar empresas con menos de 200 empleados que estén interesadas en los coches eléctricos.
Los filtros 159 también pueden dirigir el procesador de eventos 144 para identificar a los usuarios con un título de trabajo particular que están interesados en los coches eléctricos o identificar a los usuarios en una ciudad particular que están interesados en los coches eléctricos. El CCM 100 puede utilizar cualquier información demográfica de la base de datos personal 148 para filtrar la consulta 154.
El CCM 100 supervisa el contenido al que se accede desde múltiples sitios web de terceros. Esto permite al CCM 100 identificar mejor la intención en curso de una mayor variedad de usuarios, empresas o cualquier otro grupo demográfico. El CCM 100 puede utilizar identificadores anónimos y/o con hash para mantener la privacidad del usuario. El CCM 100 mantiene además el anonimato de los usuarios identificando la intención de segmentos genéricos de usuarios, como empresas, grupos de marketing, ubicaciones geográficas o cualquier otro dato demográfico de los usuarios.
La FIG. 3 ilustra ejemplos de operaciones realizadas por las etiquetas CCM. En la operación 170, un editor proporciona una lista de campos de formulario 174 para su control en las páginas web 176. En la operación 172, las etiquetas CCM 110 se generan y cargan en las páginas web 176 del sitio web del editor. Por ejemplo, la etiqueta CCM 110A se carga en una primera página web 176A del sitio web del editor y una etiqueta CCM 110b se carga en una segunda página web 176B del sitio web del editor. En un ejemplo, las etiquetas CCM 110 comprenden JavaScript cargado en el modelo de objetos del documento de la página web (DOM).
El editor puede descargar las páginas web 176, junto con las etiquetas CCM 110, a los ordenadores de los usuarios durante las sesiones web. La etiqueta CCM 110A captura los datos introducidos en algunos de los campos del formulario 174A y la etiqueta CCM 110B captura los datos introducidos en algunos de los campos del formulario 174B.
Un usuario introduce información en los campos de formulario 174A y 174B durante la sesión web. Por ejemplo, el usuario puede introducir una dirección de correo electrónico en uno de los campos del formulario 174A durante un proceso de registro de usuario. Las etiquetas CCM 110 pueden capturar la dirección de correo electrónico en la operación 178, validar y hacer un hash de la dirección de correo electrónico, y luego enviar la dirección de correo electrónico con hash al CCM 100 en el evento 108.
Las etiquetas CCM 100 pueden confirmar primero que la dirección de correo electrónico incluye una sintaxis de dominio válida y, a continuación, utilizar un algoritmo hash para codificar la cadena de dirección de correo electrónico válida. Las etiquetas CCM 110 también pueden capturar otros identificadores de usuario anónimos, como un identificador de cookie. Si no existen identificadores, la etiqueta CCM 110 puede crear un identificador único.
Las etiquetas CCM 110 pueden capturar cualquier información introducida en los campos 174. Por ejemplo, las etiquetas CCM 110 también pueden capturar datos demográficos del usuario, como el nombre de la empresa, la edad, el sexo, la dirección postal, etc. En un ejemplo, las etiquetas CCM 110 capturan parte de la información de la lista de contactos del editor 120.
Las etiquetas CCM 110 también pueden identificar el contenido 112 y las actividades de eventos asociadas en la operación 178. Por ejemplo, la etiqueta CCM 110A puede detectar a un usuario que descarga un libro blanco 112A o que se inscribe en un seminario. La etiqueta c Cm 110A captura el URL del libro blanco 112A y genera un identificador de tipo de evento que identifica el evento como una descarga de documento.
Dependiendo de la aplicación, la etiqueta CCM 110 en la operación 178 envía la información de la sesión web capturada en el evento 108 al editor 118 o al CCM 100. Por ejemplo, el evento 108 se envía al editor 118 cuando se utiliza la etiqueta CCM 110 para generar la lista de contactos del editor 120. El evento 108 se envía al CCM 100 cuando se utiliza la etiqueta CCM 110 para generar datos de intención.
Las etiquetas CCM 110 pueden capturar la información de la sesión web en respuesta a la salida del usuario de la página web 176, a la existencia de uno de los campos de formulario 174, a la selección de un icono de envío, a la salida del ratón de uno de los campos de formulario 174, a un clic del ratón, a un desenfoque o a cualquier otra acción del usuario. Obsérvese de nuevo que el CCM 100 podría no recibir nunca información personal identificable (PII), ya que cualquier dato PII en el evento 108 es codificado por la etiqueta CCM 110.
La FIG. 4 es un diagrama que muestra cómo el CCM genera los datos de intención. Una etiqueta CCM puede enviar un evento crudo capturado 108 a CCM 100. Por ejemplo, la etiqueta CCM puede enviar el evento 108 al CCM 100 en respuesta a que un usuario descargue un libro blanco. El evento 108 puede incluir una marca de tiempo que indica cuándo se descargó el libro blanco, un identificador (ID) para el evento 108, un ID de usuario asociado con el usuario que descargó el libro blanco, un URL para el libro blanco descargado y una dirección IP para la plataforma de lanzamiento del contenido. El evento 108 también puede incluir un tipo de evento que indique que el usuario ha descargado un documento electrónico.
El perfilador de eventos 140 y el procesador de eventos 144 pueden generar datos de intención 106 a partir de uno o más eventos 108. Los datos de intención 106 pueden almacenarse en una base de datos de lenguaje de consulta estructurado (SQL) o en una base de datos no SQL. En un ejemplo, los datos de intención 106 se almacenan en el perfil de usuario 104A e incluyen un ID de usuario 252 y datos de eventos asociados 254.
Los datos del evento 254A están asociados con un usuario que descarga un libro blanco. El perfilador de eventos 140 identifica un tema 262 sobre el coche y un tema 262 sobre la eficiencia del combustible en el libro blanco. El perfilador de eventos 140 puede asignar un valor de relevancia de 0,5 al tema del coche y asignar un valor de relevancia de 0,6 al tema de la eficiencia del combustible.
El procesador de eventos 144 puede asignar un valor de ponderación 264 a los datos del evento 254A. El procesador de eventos 144 puede asignar un mayor valor de ponderación 264 a los eventos más asertivos, como la descarga del libro blanco. El procesador de eventos 144 puede asignar un valor de ponderación menor 264 a los eventos menos asertivos, como la visualización de una página web. El procesador de eventos 144 puede asignar otros valores de ponderación 264 para ver o descargar diferentes tipos de medios, como la descarga de un texto, vídeo, audio, libros electrónicos, revistas y periódicos en línea, etc.
El CCM 100 puede recibir un segundo evento 108 para un segundo contenido al que ha accedido el mismo usuario. El CCM 100 genera y almacena los datos del evento 254B para el segundo evento 108 en el perfil de usuario 104A. El perfilador de eventos 140 puede identificar un primer tema de coche con un valor de relevancia de 0,4 e identificar un segundo tema de computación en la nube con un valor de relevancia de 0,8 para el contenido asociado con los datos de eventos 254B. El procesador de eventos 144 puede asignar un valor de ponderación de 0,2 a los datos de eventos 254B.
El CCM 100 puede recibir un tercer evento 108 para un tercer contenido al que ha accedido el mismo usuario. El CCM 100 genera y almacena los datos del evento 254C para el tercer evento 108 en el perfil de usuario 104A. El perfilador de eventos 140 identifica un primer tema asociado a los coches eléctricos con un valor de relevancia de 1,2 e identifica un segundo tema asociado a las baterías con un valor de relevancia de 0,8. El procesador de eventos 144 puede asignar un valor de ponderación de 0,4 a los datos del evento 254C.
Los datos de eventos 254 y los valores de ponderación asociados 264 pueden proporcionar un mejor indicador de los intereses/la intención del usuario. Por ejemplo, un usuario puede rellenar formularios en el sitio web de un editor indicando su interés en la computación en nube. Sin embargo, el CCM 100 puede recibir eventos 108 para contenidos de terceros a los que accede el mismo usuario. Los eventos 108 pueden indicar que el usuario ha descargado un libro blanco que habla de los coches eléctricos y se ha inscrito en un seminario relacionado con los coches eléctricos.
El CCM 100 genera datos de intención 106 basados en los eventos recibidos 108. Los valores de relevancia 266 en combinación con los valores de ponderación 264 pueden indicar que el usuario está muy interesado en los coches eléctricos. Aunque el usuario indicó su interés por la computación en la nube en el sitio web del editor, el CCM 100 determinó, a partir del contenido de terceros, que el usuario estaba realmente más interesado en los coches eléctricos.
El CCM 100 puede almacenar otra información personal del usuario a partir de los eventos 108 en el perfil de usuario 104B. Por ejemplo, el procesador de eventos 144 puede almacenar los identificadores de terceros 260 y los atributos 262 asociados con el ID de usuario 252. Los identificadores de terceros 260 pueden incluir nombres de usuario o cualquier otro identificador utilizado por terceros para identificar al usuario 252. Los atributos 262 pueden incluir el nombre de la empresa empleadora, el tamaño de la empresa, el país, el cargo, el nombre de dominio con hash, y/o las direcciones de correo electrónico con hash asociadas al ID de usuario 252. Los atributos 262 pueden combinarse a partir de diferentes eventos 108 recibidos de diferentes sitios web a los que ha accedido el usuario. El CCM 100 también puede obtener diferentes datos demográficos en el perfil de usuario 104 de fuentes de datos de terceros (ya sea en línea o fuera de línea).
Un agregador puede utilizar el perfil de usuario 104 para actualizar y/o agregar datos de intención para diferentes segmentos, como listas de contactos de editores, empresas, puestos de trabajo, etc. El agregador también puede crear instantáneas de los datos de intención 106 para períodos de tiempo seleccionados.
El procesador de eventos 144 puede generar datos de intención 106 para usuarios conocidos y desconocidos. Por ejemplo, el usuario puede acceder a una página web e introducir una dirección de correo electrónico en un campo de formulario de la página web. Una etiqueta CCM captura y hace un hash de la dirección de correo electrónico y asocia la dirección de correo electrónico hash con el ID de usuario 252.
El usuario puede no introducir una dirección de correo electrónico en un campo del formulario. Alternativamente, la etiqueta c Cm puede capturar un ID de cookie anónimo en el evento 108. El procesador de eventos 144 asocia entonces el ID de la cookie con el identificador de usuario 252. El usuario puede borrar la cookie o acceder a los datos en un ordenador diferente. El procesador de eventos 144 puede generar un identificador de usuario 252 diferente y nuevos datos de intención 106 para el mismo usuario.
La ID de la cookie puede utilizarse para crear un conjunto de datos de cookies des-identificados. El conjunto de datos de las cookies des-identificados puede entonces integrarse con plataformas publicitarias o utilizarse para identificar destinos para la publicidad dirigida.
El CCM 100 puede analizar por separado los datos de intención 106 para los diferentes ID de usuario anónimos. Si el usuario rellena alguna vez un formulario proporcionando una dirección de correo electrónico, el procesador de eventos puede volver a asociar los diferentes datos de intención 106 con el mismo identificador de usuario 252. La FIG. 5 representa un ejemplo de cómo el CCM genera un vector de intención del usuario a partir de los datos de eventos descritos anteriormente en la FIG. 4. Un usuario puede utilizar el ordenador 280 para acceder a diferentes contenidos 282. Por ejemplo, el usuario puede descargar un libro blanco 282A asociado a la virtualización del almacenamiento, inscribirse en un seminario sobre seguridad de la red en una página web 282B, y ver un artículo de la página web 282C relacionado con las redes privadas virtuales (VPN). Los contenidos 282A, 282B y 282C pueden proceder del mismo sitio web o de sitios web diferentes.
Las etiquetas CCM discutidas anteriormente capturan tres eventos 284A, 284B y 284C asociados con el contenido 282A, 282B y 282C, respectivamente. El CCM 100 identifica los temas 286 en los contenidos 282A, 282B, y/o 282C. Los temas 286 incluyen el almacenamiento virtual, la seguridad de la red y las VPN. El CCM 100 asigna valores de relevancia 290 a los temas 286 en base a algoritmos conocidos. Por ejemplo, los valores de relevancia 290 pueden asignarse en función del número de veces que se identifican diferentes palabras clave asociadas en el contenido 282.
El CCM 100 asigna valores de ponderación 288 al contenido 282 en función de la actividad del evento asociado. Por ejemplo, el CCM 100 asigna un valor de ponderación relativamente alto de 0,7 a una actividad más afirmativa fuera de línea, como la inscripción en el seminario de seguridad de la red. El CCM 100 asigna un valor de ponderación relativamente bajo, de 0,2, a una actividad en línea más pasiva, como la visualización de la página web de la VPN. El CCM 100 genera un vector de intención de usuario 294 en el perfil de usuario 104 basado en los valores de relevancia 290. Por ejemplo, el CCM 100 puede multiplicar los valores de relevancia 290 por los valores de ponderación asociados 288. El CCM 100 puede entonces sumar los valores de relevancia ponderados para los mismos temas para generar el vector de intención del usuario 294.
El CCM 100 utiliza el vector de intención 294 para representar a un usuario, representar el contenido al que ha accedido el usuario, representar las actividades de acceso del usuario asociadas al contenido, y representar efectivamente la intención/intereses del usuario. En otra realización, el CCM 100 puede asignar a cada tema del vector de intención del usuario 294 una puntuación binaria de 1 o 0. El CCM 100 puede utilizar otras técnicas para derivar el vector de intención del usuario 294. Por ejemplo, el CCM 100 puede ponderar los valores de relevancia en base a las marcas de tiempo.
La FIG. 6 representa un ejemplo de cómo el CCM segmenta a los usuarios. El CCM 100 puede generar vectores de intención de usuario 294A y 294B para dos usuarios diferentes. Un editor puede querer enviar por correo electrónico el contenido 298 a un segmento de usuarios interesados. El editor envía el contenido 298 a CCM 100. El CCM 100 identifica los temas 286 y los valores de relevancia asociados 300 para el contenido 298.
El CCM 100 puede utilizar cualquier variedad de algoritmos diferentes para identificar un segmento de vectores de intención del usuario 294 asociados con el contenido 298. Por ejemplo, el valor de relevancia 300B indica que el contenido 298 está relacionado principalmente con la seguridad de la red. El CCM 100 puede identificar cualquier vector de intención del usuario 294 que incluya un tema de seguridad de la red con un valor de relevancia por encima de un valor de umbral dado.
En este ejemplo, supongamos que el umbral de valor de relevancia para el tema de seguridad de la red es 0,5. El CCM 100 identifica el vector de intención del usuario 294A como parte del segmento de usuarios que satisface el valor umbral. En consecuencia, el CCM 100 envía al editor de contenidos 298 un segmento de contacto que incluye el ID de usuario asociado al vector de intención de usuario 294A. Como se ha mencionado anteriormente, el ID de usuario puede ser una dirección de correo electrónico con hash, una ID de cookie o algún otro identificador cifrado o no asociado al usuario.
En otro ejemplo, el CCM 100 calcula productos vectoriales cruzados entre los vectores de intención del usuario 294 y el contenido 298. Cualquier vector de intención del usuario 294 que genere un valor de producto cruzado por encima de un valor umbral determinado es identificado por el CCM 100 y enviado al editor.
La FIG. 7 representa ejemplos de cómo el CCM agrega los datos de intención. En este ejemplo, un editor que opera un ordenador 302 envía una consulta de búsqueda 304 al CCM 100 preguntando qué empresas están interesadas en los coches eléctricos. En este ejemplo, el CCM 100 asocia cinco temas diferentes 286 con los perfiles de usuario 104. Los temas 286 incluyen la virtualización del almacenamiento, la seguridad de las redes, los coches eléctricos, el comercio electrónico y las finanzas.
El CCM 100 genera vectores de intención de usuario 294, como se representa en la FIG. 6. Los vectores de intención del usuario 294 tienen información personal asociada, como un título de trabajo 307 y el nombre de una empresa empleadora 310. Como se ha explicado anteriormente, los usuarios pueden proporcionar información personal, como el nombre del empleador y el cargo en los campos del formulario cuando acceden a un sitio web de un editor o de un tercero.
Las etiquetas CCM descritas anteriormente capturan y envían la información del título del trabajo y el nombre del empleador al CCM 100. El CCM 100 almacena el título del trabajo y la información del empleador en el perfil de usuario asociado 104.
El CCM 100 busca en los perfiles de usuario 104 e identifica tres vectores de intención de usuario 294A, 294B y 294C asociados al mismo nombre de empleador 310. El CCM 100 determina que los vectores de intención del usuario 294A y 294B están asociados a un mismo título de trabajo de analista y el vector de intención del usuario 294C está asociado a un título de trabajo de vicepresidente de finanzas.
En respuesta a, o antes de, la consulta de búsqueda 304, el CCM 100 genera un vector de intención de empresa 312A para la empresa X. El CCM 100 puede generar el vector de intención de empresa 312A sumando los valores de relevancia del tema para todos los vectores de intención de usuario 294 asociados a la empresa X.
En respuesta a la consulta de búsqueda 304, el CCM 100 identifica cualquier vector de intención de empresa 312 que incluya un tema de coche eléctrico 286 con un valor de relevancia mayor que un umbral determinado. Por ejemplo, el CCM 100 puede identificar cualquier empresa con valores de relevancia superiores a 4,0. En este ejemplo, el CCM 100 identifica la empresa X en los resultados de búsqueda 306.
En un ejemplo, se identifica la intención de una empresa en un código postal particular, como el código postal 11201. El CCM 100 puede tomar los datos fuera de línea suministrados por el cliente, como los de una base de datos de gestión de relaciones con el cliente (CRM), e identificar los usuarios que coinciden con la empresa y el código postal 11201 para crear un segmento.
En otro ejemplo, el editor 118 puede introducir una consulta 305 preguntando qué empresas están interesadas en un documento (DOC 1) relacionado con los coches eléctricos. El ordenador 302 envía la consulta 305 y el DOC 1 a CCM 100. El CCM 100 genera un vector temático para DOC 1 y compara el vector temático de DOC 1 con todos los vectores de intención de la empresa conocidos 312a .
El CCM 100 puede identificar un tema de coches eléctricos en el DOC 1 con un alto valor de relevancia e identificar los vectores de intención de la empresa 312 con un valor de relevancia de coches eléctricos por encima de un umbral determinado. En otro ejemplo, el CCM 100 puede realizar un producto vectorial cruzado entre los temas de DOC 1 y los diferentes vectores de intención de la empresa 312. El CCM 100 puede identificar los nombres de cualquier empresa con valores de producto vectorial cruzado por encima de un valor umbral determinado y mostrar los nombres de las empresas identificadas en los resultados de la búsqueda 306.
El CCM 100 puede asignar valores de ponderación 308 para diferentes títulos de trabajo. Por ejemplo, a un analista se le puede asignar un valor de ponderación de 1,0 y a un vicepresidente (VP) un valor de ponderación de 3,0. Los valores de ponderación 308 pueden reflejar la autoridad de compra asociada a los títulos de trabajo 307. Por ejemplo, un vicepresidente de finanzas puede tener más autoridad para comprar coches eléctricos que un analista. Los valores de ponderación 308 pueden variar en función de la relevancia del título del puesto en el tema concreto. Por ejemplo, el CCM 100 puede asignar a un analista un valor de ponderación 308 más alto para los temas de investigación.
El CCM 100 puede generar un vector de intención de empresa ponderado 312B basado en los valores de ponderación 308. Por ejemplo, el CCM 100 puede multiplicar los valores de relevancia para los vectores de intención de usuario 294A y 294B por el valor de ponderación 1,0 y multiplicar los valores de relevancia para el vector de intención de usuario 294C por el valor de ponderación 3,0. Los valores de relevancia temática ponderada para los vectores de intención de usuario 294A, 294B y 294C se suman entonces para generar el vector de intención de empresa ponderado 312B.
El CCM 100 puede agregar vectores de intención para otras categorías, como el título del trabajo. Por ejemplo, el CCM 100 puede agregar todos los vectores de intención del usuario 294 con títulos de trabajo de vicepresidente de finanzas en un vector de intención de vicepresidente de finanzas 314. El vector de intención 314 identifica los temas de interés para los vicepresidentes de finanzas.
El CCM 100 también puede realizar búsquedas basadas en el cargo o en cualquier otra categoría. Por ejemplo, el editor 118 puede introducir una consulta ¿LISTAR VP DE FINANZAS INTERESADOS EN COCHES ELÉCTRICOS? El CCM 100 identifica todos los vectores de intención del usuario 294 con los títulos de trabajo de finanzas VP asociados 307. El CCM 100 segmenta entonces el grupo de vectores de intención del usuario 294 con valores de relevancia del tema del coche eléctrico por encima de un valor umbral determinado.
El CCM 100 puede generar perfiles compuestos 316. Los perfiles compuestos 316 pueden contener información específica proporcionada por un editor o entidad particular. Por ejemplo, un primer editor puede identificar a un usuario como vicepresidente de finanzas y un segundo editor puede identificar al mismo usuario como vicepresidente de ingeniería. Los perfiles compuestos 316 pueden incluir otra información proporcionada por el editor, como el tamaño de la empresa, la ubicación de la empresa, el dominio de la empresa.
El CCM 100 puede utilizar un primer perfil compuesto 316 al proporcionar la segmentación de usuarios para el primer editor. El primer perfil compuesto 316 puede identificar el cargo del usuario como vicepresidente de finanzas. El CCM 100 puede utilizar un segundo perfil compuesto 316 al proporcionar la segmentación de usuarios para el segundo editor. El segundo perfil compuesto 316 puede identificar el cargo del mismo usuario como vicepresidente de ingeniería. Los perfiles compuestos 316 se utilizan junto con los perfiles de usuario 104 derivados de otros contenidos de terceros.
En otro ejemplo, el CCM 100 puede segmentar a los usuarios en base al tipo de evento. Por ejemplo, el CCM 100 puede identificar a todos los usuarios que descargaron un artículo en particular, o identificar a todos los usuarios de una empresa en particular que se inscribieron en un seminario en particular.
Puntuación de consumo
La FIG. 8 representa un ejemplo de generador de puntuación de consumo utilizado en el CCM 100. Como se ha explicado anteriormente, el c Cm 100 puede recibir múltiples eventos 108 asociados a diferentes contenidos 112. Por ejemplo, los usuarios pueden acceder a los navegadores web, o a cualquier otra aplicación, para ver el contenido 112 en diferentes sitios web. El contenido 112 puede incluir cualquier página web, documento, artículo, anuncio o cualquier otra información que pueda ver o escuchar un usuario. Por ejemplo, el contenido 112 puede incluir un artículo de una página web o un documento relacionado con los cortafuegos de red.
La etiqueta de CCM 110 puede capturar eventos 108 que identifican el contenido 112 al que accede un usuario durante la sesión web o de aplicación. Por ejemplo, los eventos 108 pueden incluir un identificador de usuario (USER ID), un URL, una dirección IP, un tipo de evento y una marca de tiempo (TS).
El identificador de usuario puede ser un identificador único que genera la etiqueta CCM 110 para un usuario específico en un navegador específico. La URL puede ser un enlace al contenido 112 al que ha accedido el usuario durante la sesión web. La dirección IP puede corresponder a un dispositivo de red utilizado por el usuario para acceder a Internet y al contenido 112. Como se ha explicado anteriormente, el tipo de evento puede identificar una acción o actividad asociada al contenido 112. Por ejemplo, el tipo de evento puede indicar que el usuario ha descargado un documento eléctrico o ha visualizado una página web. La marca de tiempo (TS) puede identificar el día y la hora en que el usuario accedió al contenido 112.
El generador de puntuación de consumo (CSG) 400 puede acceder a una base de datos de IP/empresa 406 para identificar una empresa/entidad y una ubicación 408 asociadas a la dirección IP 404 en el evento 108. Por ejemplo, los servicios existentes pueden proporcionar bases de datos 406 que identifican la empresa y la dirección de la empresa asociadas a las direcciones IP. La dirección IP y/o la empresa o entidad asociada pueden denominarse generalmente como dominio. El CSG 400 puede generar métricas a partir de los eventos 108 para las diferentes empresas 408 identificadas en la base de datos 406.
En otro ejemplo, las etiquetas CCM 110 pueden incluir nombres de dominio en los eventos 108. Por ejemplo, un usuario puede introducir una dirección de correo electrónico en un campo de la página web durante una sesión web. El CCM 100 puede hacer un hash de la dirección de correo electrónico o eliminar la dirección de dominio del correo electrónico. El CCM 100 puede utilizar el nombre de dominio para identificar una empresa concreta y una ubicación 408 de la base de datos 406.
Como también se ha descrito anteriormente, el procesador de eventos 144 puede generar puntuaciones de relevancia 402 que indican la relevancia del contenido 112 con diferentes temas 102. Por ejemplo, el contenido 112 puede incluir múltiples palabras asociadas a los temas 102. El procesador de eventos 144 puede calcular las puntuaciones de relevancia 402 para el contenido 112 en base al número y la posición de las palabras asociadas a un tema seleccionado.
El CSG 400 puede calcular las métricas de los eventos 108 para determinadas empresas 408. Por ejemplo, el CSG 400 puede identificar un grupo de eventos 108 para una semana en curso que incluya la misma dirección IP 404 asociada a una misma empresa y ubicación de la empresa 408. El CSG 400 puede calcular una puntuación de consumo 410 para la empresa 408 basada en una puntuación de relevancia media 402 para el grupo de eventos 108. El CSG 400 también puede ajustar la puntuación de consumo 410 en base al número de eventos 108 y el número de usuarios únicos que generan los eventos 108.
El CSG 400 puede generar puntuaciones de consumo 410 para la empresa 408 para una serie de períodos de tiempo. El CSG 400 puede identificar un aumento súbito 412 en las puntuaciones de consumo 410 basado en los cambios en las puntuaciones de consumo 410 durante una serie de períodos de tiempo. Por ejemplo, el CSG 400 puede identificar la aumento súbito 412 en base a los cambios en la relevancia del contenido, el número de usuarios únicos y el número de eventos durante varias semanas. Se ha descubierto que el aumento súbito 412 puede corresponder a un periodo único en el que las empresas tienen un mayor interés en un tema concreto y son más propensas a realizar solicitudes directas relacionadas con ese tema.
El CCM 100 puede enviar las puntuaciones de consumo 410 y/o cualquier indicador de aumento súbito 412 al editor 118. El editor 118 puede almacenar una lista de contactos 200 que incluye contactos 418 para la empresa ABC. Por ejemplo, la lista de contactos 200 puede incluir direcciones de correo electrónico o números de teléfono de los empleados de la empresa ABC. El editor 118 puede obtener la lista de contactos 200 de cualquier fuente, como por ejemplo de un sistema de gestión de relaciones con los clientes (CRM), listas de contactos comerciales, contactos personales, servicios de contactos de terceros, puntos de venta, promociones o puntos de venta, o cualquier combinación de los mismos.
En un ejemplo, el CCM 100 puede enviar las puntuaciones de consumo semanales 410 al editor 118. En otro ejemplo, el editor 118 puede hacer que el CCM 100 sólo envíe avisos de aumento súbito 412 para las empresas de la lista 200 que aumentan su actividad en determinados temas 102.
El editor 118 puede enviar a los contactos 418 contenidos 420 relacionados con los temas del aumento súbito. Por ejemplo, el editor 118 puede enviar a los contactos 418 anuncios por correo electrónico, literatura o banners relacionados con un cortafuegos. Alternativamente, el editor 118 puede llamar o enviar correos directos sobre cortafuegos a los contactos 418. Dado que CCM 100 identificó el aumento súbito 412 de un tema de cortafuegos en la empresa ABC, es más probable que los contactos 418 de la empresa ABC estén interesados en leer y/o responder al contenido 420 relacionado con los cortafuegos. Así, es más probable que el contenido 420 tenga un mayor impacto y tasa de conversión cuando se envía a los contactos 418 de la empresa ABC durante la aumento súbito 412.
En otro ejemplo, el editor 118 puede vender un producto particular, como cortafuegos. El editor 118 puede tener una lista de contactos 418 en la empresa ABC que se sabe que están involucrados en la compra de equipos de cortafuegos. Por ejemplo, los contactos 418 pueden incluir al director de tecnología (CTO) y al director de tecnología de la información (IT) de la empresa ABC. El CCM 100 puede enviar al editor 118 una notificación cada vez que se detecte un aumento súbito 412 en los cortafuegos de la empresa ABC. El editor 118 puede entonces enviar automáticamente el contenido 420 a contactos específicos 418 en la empresa ABC con títulos de trabajo que probablemente estén interesados en los cortafuegos.
El CCM 100 también puede utilizar las puntuaciones de consumo 410 para la verificación de la publicidad. Por ejemplo, el CCM 100 puede comparar las puntuaciones de consumo 410 con el contenido publicitario 420 enviado a las empresas o individuos. Los contenidos publicitarios 420 con un tema en particular enviados a empresas o individuos con una alta puntuación de consumo o aumento súbito para ese mismo tema pueden recibir tarifas publicitarias más altas.
La FIG. 9 muestra con más detalle cómo el CCM 100 genera las puntuaciones de consumo 410. El CCM 100 puede recibir millones de eventos de millones de usuarios diferentes asociados a miles de dominios diferentes cada día. El CCM 100 puede acumular los eventos 108 para diferentes períodos de tiempo, como por ejemplo para cada semana. Los períodos de tiempo de una semana son sólo un ejemplo y el CCM 100 puede acumular eventos 108 para cualquier período de tiempo seleccionable. El CCM 100 también puede almacenar un conjunto de temas 102 para cualquier materia seleccionable. El CCM 100 también puede generar dinámicamente algunos de los temas 102 en base al contenido identificado en los eventos 108, como se ha descrito anteriormente.
Los eventos 108, como se ha mencionado anteriormente, pueden incluir una ID de usuario 450, un URL 452, una dirección IP 454, un tipo de evento 456 y una marca de tiempo 458. El procesador de eventos 140 puede identificar el contenido 112 localizado en el URL 542 y seleccionar uno de los temas 102 para compararlo con el contenido 112. El procesador de eventos 140 puede generar una puntuación de relevancia asociada 462 que indica la relevancia del contenido 112 para el tema seleccionado 102. La puntuación de relevancia 462 puede denominarse alternativamente puntuación del tema.
El CSG 400 puede generar datos de consumo 460 a partir de los eventos 108. Por ejemplo, el CSG 400 puede identificar una empresa 460A asociada a la dirección IP 454. El CSG 400 también puede calcular una puntuación de relevancia 460C entre el contenido 112 y el tema seleccionado 460B. El CSG 400 también puede identificar una ubicación 460D para con la empresa 460A e identificar una fecha 460E y una hora 460F cuando se detectó el evento 108.
El CSG 400 puede generar métricas de consumo 480 a partir de los datos de consumo 460. Por ejemplo, el CSG 400 puede calcular un número total de eventos 470A asociados con la empresa 460A (empresa ABC) y la ubicación 460D (ubicación Y) para todos los temas durante un primer período de tiempo, como por ejemplo para una primera semana. El CSG 400 también puede calcular el número de usuarios únicos 472A que generan los eventos 108 asociados con la empresa ABC y el tema 460B para la primera semana. El CSG 400 puede calcular para la primera semana un número total de eventos generados por la empresa ABC para el tema 460B (volumen del tema 474A). El CSG 400 también puede calcular una relevancia media del tema 476A para el contenido al que ha accedido la empresa ABC y que está asociado al tema 460B. El CSG 400 puede generar métricas de consumo 480A-480C para períodos de tiempo secuenciales, como por ejemplo para tres semanas consecutivas.
El CSG 400 puede generar puntuaciones de consumo 410 basadas en las métricas de consumo 480A-480C. Por ejemplo, el CSG 400 puede generar una primera puntuación de consumo 410A para la semana 1 y generar una segunda puntuación de consumo 410B para la semana 2 en base a parte en los cambios entre las métricas de consumo 480A para la semana 1 y las métricas de consumo 480B para la semana 2. El CSG 400 puede generar una tercera puntuación de consumo 410C para la semana 3 basada en parte en los cambios entre las métricas de consumo 480A, 480B y 480C para las semanas 1, 2 y 3, respectivamente. En un ejemplo, cualquier puntuación de consumo 410 por encima del valor umbral se identifica como un aumento súbito 412.
La FIG. 10 representa un proceso para identificar un aumento súbito de las puntuaciones de consumo. En la operación 500, el CCM puede identificar todos los eventos de dominio para un período de tiempo determinado. Por ejemplo, para una semana en curso, el CCM puede acumular todos los eventos para cada dirección IP (dominio) asociada a cada tema.
El CCM puede utilizar umbrales para seleccionar los dominios que generarán puntuaciones de consumo. Por ejemplo, para la semana actual, el CCM puede contar el número total de eventos para un dominio particular (recuento de eventos a nivel de dominio (DEC)) y contar el número total de eventos para el dominio en una ubicación particular (recuento de eventos a nivel de metro (DMEC)).
El CCM puede calcular la puntuación de consumo para los dominios con un número de eventos superior a un umbral (DEC > umbral). El umbral puede variar en función del número de dominios y del número de eventos. El CCM puede utilizar el segundo umbral DMEC para determinar cuándo generar puntuaciones de consumo separadas para diferentes ubicaciones de dominio. Por ejemplo, el CCM puede separar subgrupos de eventos de la empresa ABC para las ciudades de Atlanta, Nueva York y Los Ángeles que tengan cada una un número de eventos DMEC superior al segundo umbral.
En la operación 502, el CCM puede determinar una puntuación de relevancia general para todos los dominios seleccionados para cada uno de los temas. Por ejemplo, el CCM para la semana actual puede calcular una puntuación de relevancia media general para todos los eventos de dominio asociados con el tema del cortafuegos. En la operación 504, el CCM puede determinar una puntuación de relevancia para un dominio específico. Por ejemplo, el CCM puede identificar un grupo de eventos que tengan una misma dirección IP asociada a la empresa ABC. El CCM puede calcular una puntuación media de relevancia del dominio para los eventos ABC de la empresa asociados al tema del cortafuegos.
En la operación 506, el CCM puede generar una puntuación de consumo inicial basada en una comparación de la puntuación de relevancia del dominio con la puntuación de relevancia general. Por ejemplo, el CCM puede asignar una puntuación inicial de bajo consumo cuando la puntuación de relevancia del dominio es una cierta cantidad menor que la puntuación de relevancia global. El CCM puede asignar una puntuación inicial de consumo medio mayor que la puntuación de consumo bajo cuando la puntuación de relevancia del dominio está alrededor del mismo valor que la puntuación de relevancia global. El CCM puede asignar una puntuación inicial de consumo alto mayor que la puntuación de consumo medio cuando la puntuación de relevancia del dominio es una cierta cantidad mayor que la puntuación de relevancia global. Este es sólo un ejemplo, y el CCM puede utilizar cualquier otro tipo de comparación para determinar las puntuaciones de consumo iniciales de un dominio/tema.
En la operación 508, el CCM puede ajustar la puntuación de consumo en base a una línea de base histórica de eventos de dominio relacionados con el tema. Esto se denomina alternativamente consumo. Por ejemplo, el CCM puede calcular el número de eventos de dominio de la empresa ABC asociados al tema del cortafuegos durante varias semanas anteriores.
El CCM puede reducir la puntuación de consumo de la semana actual en base a los cambios en el número de eventos de dominio durante las semanas anteriores. Por ejemplo, el CCM puede reducir la puntuación de consumo inicial cuando el número de eventos de dominio disminuye en la semana actual y puede no reducir la puntuación de consumo inicial cuando el número de eventos de dominio aumenta en la semana actual.
En la operación 510, el CCM puede ajustar además la puntuación de consumo en base al número de usuarios únicos que consumen contenido asociado al tema. Por ejemplo, el CCM de la semana actual puede contar el número de ID de usuario únicos (usuarios únicos) para los eventos de la empresa ABC asociados a los cortafuegos. El CCM puede no reducir la puntuación de consumo inicial cuando el número de usuarios únicos para los eventos de cortafuegos aumenta con respecto a la semana anterior y puede reducir la puntuación de consumo inicial cuando el número de usuarios únicos disminuye con respecto a la semana anterior.
En la operación 512, el CCM puede identificar los aumento súbitos en base a la puntuación de consumo semanal ajustada. Por ejemplo, el CCM puede identificar un aumento súbito cuando la puntuación de consumo ajustada está por encima de un umbral.
La FIG. 11 describe con más detalle el proceso para generar una puntuación de consumo inicial. Debe entenderse que éste es sólo un ejemplo de esquema y que también pueden utilizarse otros esquemas.
En la operación 520, el CCM puede calcular una media aritmética (M) y una desviación estándar (SD) para cada tema sobre todos los dominios. El CCM puede calcular la M y la SD para todos los eventos de todos los dominios que contienen el tema, o bien para algún subconjunto representativo (suficientemente grande) de los eventos que contienen el tema. El CCM puede calcular la media global y la desviación estándar de la siguiente manera:
Media: M = n 1 L
Desviación estándar :
Figure imgf000013_0001
En la que xi es la relevancia del tema y n es el número total de eventos.
En la operación 522, el CCM puede calcular una media (promedio) de relevancia de dominio para cada grupo de eventos de dominio y/o dominio/metro para cada tema. Por ejemplo, para la última semana, el CCM puede calcular la relevancia media de los eventos de la empresa ABC para los cortafuegos.
En la operación 524, el CCM puede comparar la relevancia media del dominio con la relevancia media general (M) y sobre la relevancia de la desviación estándar (SD) para todos los dominios. Por ejemplo, el CCM puede asignar tres niveles diferentes a la relevancia media del dominio (DMR).
Bajo: DMR < M -0,5 * SD ~ 33% de todos los valores
Medio: M -0,5 * SD < DMR < M 0,5 * SD ~ 33% de todos los valores
Alto: DMR > M 0,5 * SD ~ 33% de todos los valores
En la operación 526, el CCM puede calcular una puntuación de consumo inicial para el dominio/tema basada en los niveles de relevancia anteriores. Por ejemplo, para la semana en curso, el CCM puede asignar una de las siguientes puntuaciones de consumo inicial al tema del cortafuegos ABC de la empresa. De nuevo, este es sólo un ejemplo de cómo el CCM puede asignar una puntuación de consumo inicial a un dominio/tema
Relevancia = Alta: puntuación inicial de consumo = 100
Relevancia = Media: puntuación inicial de consumo = 70
Relevancia = Baja: puntuación inicial de consumo = 40
La FIG. 12 representa un ejemplo de cómo el CCM puede ajustar la puntuación de consumo inicial. Estos también son sólo ejemplos y el CCM puede utilizar otros esquemas para calcular una puntuación de consumo final. En la operación 540, el CCM puede asignar una puntuación de consumo inicial al dominio/localización/tema, como se ha descrito anteriormente en la FIG. 11.
El CCM puede calcular un número de eventos para el dominio/ubicación/tema para una semana en curso. El número de eventos se denomina alternativamente consumo. El CCM también puede calcular el número de eventos de dominio/ubicación/tema de las semanas anteriores y ajustar la puntuación de consumo inicial en base a la comparación del consumo de la semana en curso con el consumo de las semanas anteriores.
En la operación 542, el CCM puede determinar si el consumo de la semana en curso está por encima del consumo histórico de referencia de las semanas consecutivas anteriores. Por ejemplo, el CCM puede determinar si el número de eventos de dominio/ubicación/tema de la semana en curso es superior al número medio de eventos de dominio/ubicación/tema de al menos las dos semanas anteriores. Si es así, el CCM puede no reducir el valor de consumo inicial derivado en la FIG. 11.
Si el consumo en curso no es mayor que el consumo medio en la operación 542, el CCM en la operación 544 puede determinar si el consumo en curso está por encima de una línea base histórica para la semana anterior. Por ejemplo, el CCM puede determinar si el número de eventos de dominio/lugar/tema de la semana en curso es mayor que el número medio de eventos de dominio/lugar/tema de la semana anterior. Si es así, el CCM en la operación 546 puede reducir la puntuación de consumo inicial en una primera cantidad.
Si el consumo en curso no está por encima del consumo de la semana anterior en la operación 544, el CCM en la operación 548 puede determinar si el consumo en curso está por encima de la línea base de consumo histórico, pero con interrupción. Por ejemplo, el CCM puede determinar si el número de eventos de dominio/ubicación/tema ha disminuido y luego aumentado en las últimas semanas. Si es así, el CCM en la operación 550 puede reducir la puntuación de consumo inicial en una segunda cantidad.
Si el consumo en curso no es superior a la línea de base histórica interrumpida en la operación 548, el CCM en la operación 552 puede determinar si el consumo es inferior a la línea de base histórica de consumo. Por ejemplo, el CCM puede determinar si el número en curso de eventos de dominio/lugar/tema es inferior al de la semana anterior. Si es así, el CCM en la operación 554 puede reducir la puntuación de consumo inicial en una tercera cantidad. Si el consumo en curso está por encima de la línea base histórica en la operación 552, el CCM en la operación 556 puede determinar si el consumo es para un primer dominio de tiempo. Por ejemplo, el CCM puede determinar que la puntuación de consumo se está calculando para una nueva empresa o para una empresa que no tenía previamente suficientes eventos para calificar para el cálculo de una puntuación de consumo. Si es así, el CCM en la operación 558 puede reducir la puntuación de consumo inicial en una cuarta cantidad.
En un ejemplo, el CCM puede reducir la puntuación de consumo inicial en las siguientes cantidades. Por supuesto, esto es sólo un ejemplo y el CCM puede utilizar cualquier valor y factor para ajustar la puntuación de consumo. Consumo por encima de la línea de base histórica semanas consecutivas (operación 542). - 0
Consumo por encima de la línea de base histórica la semana pasada (operación 544). - 20 (primera cantidad). Consumo por encima de la línea de base histórica durante varias semanas con interrupción (operación 548) - 30 (segunda cantidad).
Consumo por debajo de la línea de base histórica (operación 552). - 40 (tercera cantidad).
Primer dominio temporal (dominio/metro) observado (operación 556). - 30 (cuarta cantidad).
Como se ha explicado anteriormente, el CCM también puede ajustar la puntuación de consumo inicial en función del número de usuarios únicos. Las etiquetas CCM 110 de la FIG. 8 puede incluir cookies colocadas en los navegadores web que tienen identificadores únicos. Las cookies pueden asignar los identificadores únicos a los eventos capturados en el navegador web. Por lo tanto, cada identificador único puede representar generalmente un navegador web para un usuario único. El CCM puede identificar el número de identificadores únicos para el dominio/lugar/tema como el número de usuarios únicos. El número de usuarios únicos puede proporcionar una indicación del número de usuarios de diferentes dominios interesados en el tema.
En la operación 560, el CCM puede comparar el número de usuarios únicos del dominio/ubicación/tema para la semana en curso con el número de usuarios únicos de la semana anterior. El CCM puede no reducir la puntuación de consumo si el número de usuarios únicos aumenta con respecto a la semana anterior. Cuando el número de usuarios únicos disminuye, el CCM en la operación 562 puede reducir aún más la puntuación de consumo en una quinta cantidad. Por ejemplo, el CCM puede reducir la puntuación de consumo en 10.
El CCM puede normalizar la puntuación de consumo para los días de eventos más lentos, como los fines de semana. De nuevo, el CCM puede utilizar diferentes periodos de tiempo para generar las puntuaciones de consumo, como cada mes, semana, día, hora, etc. Las puntuaciones de consumo por encima de un umbral se identifican como un aumento súbito o pico y pueden representar una velocidad o aceleración en el interés de una empresa o individuo en un tema particular. El aumento súbito puede indicar que la empresa o el individuo son más propensos a comprometerse con un editor que presenta contenidos similares al tema del aumento súbito.
Consumo de ADN
Una ventaja de la detección del aumento súbito basado en el dominio es que se puede identificar un aumento súbito para una empresa sin utilizar información personal identificable (PII) de los empleados de la empresa. El CCM obtiene los datos del aumento súbito en base a la dirección IP de una empresa sin utilizar la información de identificación personal asociada a los usuarios que generan los eventos.
En otro ejemplo, el usuario puede proporcionar información PII durante las sesiones web. Por ejemplo, el usuario puede aceptar introducir su dirección de correo electrónico en un formulario antes de acceder al contenido. Como se ha descrito anteriormente, el CCM puede hacer un hash de la información PII e incluir la información PII encriptada con las puntuaciones de consumo de la empresa o con las puntuaciones de consumo individuales.
La FIG. 13 muestra un ejemplo de proceso para asignar los datos de consumo del dominio a los individuos. En la operación 580, el CCM puede identificar un tema de aumento súbito para la empresa ABC en la ubicación Y, como se ha descrito anteriormente. Por ejemplo, el CCM puede identificar un aumento súbito de la empresa ABC en Nueva York para los cortafuegos.
En la operación 582, el CCM puede identificar a los usuarios asociados a la empresa ABC. Como se ha mencionado anteriormente, algunos empleados de la empresa ABC pueden haber introducido información de contacto personal, incluyendo su ubicación en la oficina y/o sus títulos de trabajo en los campos de las páginas web durante los eventos 108. En otro ejemplo, un editor u otra parte puede obtener información de contacto de los empleados de la empresa ABC a partir de perfiles de clientes de CRM o listas de terceros.
En cualquier caso, el CCM o el editor pueden obtener una lista de empleados/usuarios asociados a la empresa ABC en la ubicación Y. La lista también puede incluir los títulos de los puestos de trabajo y las ubicaciones de algunos de los empleados/usuarios. El CCM o el editor pueden comparar el tema del aumento súbito con los títulos de trabajo de los empleados. Por ejemplo, el CCM o el editor pueden determinar que el tema del cortafuegos emergente es mayormente relevante para los usuarios con un título de trabajo como ingeniero, director técnico (CTO) o tecnología de la información (TI).
En la operación 584, el CCM o editor mapea el tema del cortafuegos emergente a los perfiles de los empleados identificados de la empresa ABC. En otro ejemplo, el CCM o el editor pueden no ser tan discrecionales y asignar el aumento súbito del cortafuegos a cualquier usuario asociado a la empresa ABC. A continuación, el CCM o el editor pueden dirigir el contenido asociado al tema emergente a los usuarios identificados. Por ejemplo, el editor puede dirigir a los usuarios identificados anuncios publicitarios o mensajes de correo electrónico sobre seminarios, productos y/o servicios de cortafuegos.
Los datos de consumo identificados para los usuarios individuales se denominan alternativamente ADN de Dino y los datos de consumo del dominio general se denominan alternativamente ADN de rana. Asociar los datos de consumo y aumento súbito del dominio con los usuarios individuales asociados al dominio puede aumentar las tasas de conversión al proporcionar un contacto más directo con los usuarios más probablemente interesados en el tema. Medición de la intención
La FIG. 14 representa cómo el CCM 100 puede calcular las puntuaciones de consumo basadas en el compromiso del usuario. Un ordenador 600 puede comprender un ordenador portátil, un teléfono inteligente, una tableta o cualquier otro dispositivo para acceder al contenido 112. En este ejemplo, un usuario puede abrir un navegador web 604 en una pantalla 602 del ordenador 600. La etiqueta CCM 110 puede operar dentro del navegador web 604 y monitorear las sesiones web de los usuarios. Como se ha explicado anteriormente, la etiqueta CCM 110 puede generar eventos 108 para la sesión web que incluyen un identificador (ID), un URL para el contenido 112 y un tipo de evento que identifica una acción o actividad asociada al contenido 112. Por ejemplo, la etiqueta de CCM 110 puede añadir un identificador de tipo de evento en el evento 108 indicando que el usuario ha descargado un documento eléctrico.
En un ejemplo, la etiqueta CCM 110 también puede generar un conjunto de impresiones 610 que indican las acciones realizadas por el usuario mientras ve el contenido 112. Por ejemplo, las impresiones 610 pueden indicar el tiempo que el usuario permaneció en el contenido 112 y/o cómo se desplazó por el contenido 112. Las impresiones 610 pueden indicar un nivel de compromiso o interés del usuario en el contenido 112. Por ejemplo, el usuario puede pasar más tiempo en la página web y desplazarse por ella a una velocidad más lenta cuando el usuario está más interesado en el contenido 112.
El CCM 100 puede calcular una puntuación de compromiso 612 para el contenido 112 basada en las impresiones 610. El CCM 100 puede utilizar la puntuación de compromiso 612 para ajustar una puntuación de relevancia 402 para el contenido 112. Por ejemplo, el CCM 100 puede calcular una mayor puntuación de compromiso 612 cuando el usuario pasa una mayor cantidad de tiempo hojeando cuidadosamente el contenido 112. El CCM 100 puede entonces aumentar la puntuación de relevancia 402 del contenido 112 en base a la mayor puntuación de compromiso 612. El CSG 400 puede ajustar las puntuaciones de consumo 410 en base al aumento súbito de la relevancia 402 para identificar con mayor precisión los temas del aumento súbito de dominios. Por ejemplo, una mayor puntuación de compromiso 612 puede producir una mayor relevancia 402 que produce una mayor puntuación de consumo 410.
La FIG. 15 representa un ejemplo de proceso para calcular la puntuación de compromiso de los contenidos. En la operación 620, el CCM puede recibir eventos que incluyen impresiones de contenido. Por ejemplo, las impresiones pueden indicar cualquier interacción del usuario con el contenido, incluidas las selecciones de pestañas que cambian a diferentes páginas, los movimientos de la página, los desplazamientos de la página con el ratón, los clics del ratón, los desplazamientos de la página con la barra de desplazamiento, los movimientos de la página con el teclado, los desplazamientos de la página con la pantalla táctil, o cualquier otro movimiento del contenido o indicador de visualización del contenido.
En la operación 622, el CCM puede identificar el tiempo de permanencia del contenido. El tiempo de permanencia puede indicar el tiempo que el usuario ve activamente una página de contenido. En un ejemplo, la etiqueta 110 puede detener un contador de tiempo de permanencia cuando el usuario cambia de pestaña de página o se vuelve inactivo en una página. La etiqueta 110 puede volver a iniciar el contador de tiempo de permanencia cuando el usuario empieza a desplazarse con el ratón o empieza a tabular.
En la operación 624, el CCM puede identificar a partir de los eventos una profundidad de desplazamiento para el contenido. Por ejemplo, el CCM puede determinar qué parte de una página ha recorrido o revisado el usuario. En un ejemplo, la etiqueta CCM o CCM puede convertir un recuento de píxeles en la pantalla en un porcentaje de la página.
En la operación 626, el CCM puede identificar una velocidad de desplazamiento hacia arriba/hacia abajo. Por ejemplo, arrastrar una barra de desplazamiento puede corresponder a una velocidad de desplazamiento rápida e indicar que el usuario tiene menos interés en el contenido. El uso de la rueda del ratón para desplazarse por el contenido puede corresponder a una velocidad de desplazamiento más lenta e indicar que el usuario está más interesado en el contenido.
El CCM puede asignar valores más altos a las impresiones que indican un mayor interés del usuario y asignar valores más bajos a las impresiones que indican un menor interés del usuario. Por ejemplo, el CCM puede asignar un valor mayor en la operación 622 cuando el usuario pasa más tiempo habitando activamente una página y puede asignar un valor menor cuando el usuario pasa menos tiempo habitando activamente una página.
En la operación 628, el CCM puede calcular el puntaje de compromiso de contenido basado en los valores derivados en las operaciones 622-628. Por ejemplo, el CCM puede sumar y normalizar los diferentes valores derivados en las operaciones 622-628.
En la operación 630, el CCM puede ajustar los valores de relevancia del contenido descritos anteriormente en las FIGS. De 1 a 7 en función de la puntuación de compromiso con el contenido. Por ejemplo, el CCM puede aumentar el valor de relevancia cuando el contenido tiene una alta puntuación de compromiso y disminuir la relevancia para una puntuación de compromiso más baja.
La etiqueta de CCM 110 o el CCM 100 de la FIG. 14 puede ajustar los valores asignados en las operaciones 622­ 626 en función del tipo de dispositivo 600 utilizado para ver el contenido. Por ejemplo, los tiempos de permanencia, las profundidades de desplazamiento y las velocidades de desplazamiento pueden variar entre los teléfonos inteligentes, las tabletas, los ordenadores portátiles y los ordenadores de mesa. El CCM 100 o la etiqueta 110 pueden normalizar o escalar los valores de las impresiones para que los diferentes dispositivos proporcionen resultados relativos similares de participación del usuario.
Hardware y software
La FIG. 16 ilustra un dispositivo informático 1000 que puede ser utilizado para operar el monitor de consumo de contenidos y realizar cualquier combinación de procesos discutidos anteriormente. El dispositivo informático 1000 puede funcionar como un servidor o una máquina cliente en un entorno de red servidor-cliente, o como una máquina par en un entorno de red pares entre pares (o distribuido). En otros ejemplos, el dispositivo informático 1000 puede ser un ordenador personal (PC), una tableta, un asistente digital personal (PDA), un teléfono móvil, un teléfono inteligente, un dispositivo web o cualquier otra máquina o dispositivo capaz de ejecutar instrucciones 1006 (secuenciales o de otro tipo) que especifiquen acciones a realizar por dicha máquina.
Aunque sólo se muestra un único dispositivo informático 1000, el dispositivo informático 1000 puede incluir cualquier colección de dispositivos o circuitos que individual o conjuntamente ejecuten un conjunto (o múltiples conjuntos) de instrucciones para realizar una o más de las operaciones discutidas anteriormente. El dispositivo informático 1000 puede formar parte de un sistema de control integrado o de un gestor de sistemas, o puede proporcionarse como un dispositivo electrónico portátil configurado para interactuar con un sistema en red, ya sea localmente o de forma remota a través de una transmisión inalámbrica.
Los procesadores 1004 pueden comprender una unidad central de procesamiento (CPU), una unidad de procesamiento gráfico (GPU), dispositivos lógicos programables, sistemas de procesadores dedicados, microcontroladores o microprocesadores que pueden realizar algunas o todas las operaciones descritas anteriormente. Los procesadores 1004 también pueden incluir, entre otros, un procesador analógico, un procesador digital, un microprocesador, un procesador multinúcleo, un conjunto de procesadores, un procesador de red, etc. Algunas de las operaciones descritas anteriormente pueden ser implementadas en software y otras operaciones pueden ser implementadas en hardware. Una o más de las operaciones, procesos o procedimientos descritos en el presente documento pueden ser realizados por un aparato, dispositivo o sistema similar a los descritos en el presente documento y con referencia a las figuras ilustradas.
Los procesadores 1004 pueden ejecutar instrucciones o "código" 1006 almacenado en cualquiera de las memorias 1008, 1010 o 1020. Las memorias también pueden almacenar datos. Las instrucciones 1006 y los datos también pueden transmitirse o recibirse a través de una red 1014 por medio de un dispositivo de interfaz de red 1012 que utiliza cualquiera de un número de protocolos de transferencia bien conocidos.
Las memorias 1008, 1010 y 1020 pueden estar integradas junto con el dispositivo de procesamiento 1000, por ejemplo la memoria RAM o FLASH dispuesta dentro de un microprocesador de circuito integrado o similar. En otros ejemplos, la memoria puede comprender un dispositivo independiente, como una unidad de disco externa, una matriz de almacenamiento o cualquier otro dispositivo de almacenamiento utilizado en los sistemas de bases de datos. La memoria y los dispositivos de procesamiento pueden estar acoplados operativamente, o en comunicación entre sí, por ejemplo mediante un puerto de E/S, una conexión de red, etc., de manera que el dispositivo de procesamiento pueda leer un archivo almacenado en la memoria.
Algunas memorias pueden ser de "sólo lectura" por diseño (ROM) en virtud de la configuración de permisos, o no. Otros ejemplos de memoria pueden incluir, pero no se limitan a, WORM, EPROM, EEPROM, FLASH, etc. que pueden ser implementados en dispositivos semiconductores de estado sólido. Otras memorias pueden incluir partes móviles, como una unidad de disco giratorio convencional. Todas estas memorias pueden ser "legibles por máquina" en el sentido de que pueden ser leídas por un dispositivo de procesamiento.
El "medio de almacenamiento legible por ordenador" (o alternativamente, "medio de almacenamiento legible por máquina") puede incluir todos los tipos de memoria anteriores, así como las nuevas tecnologías que puedan surgir en el futuro, siempre que puedan ser capaces de almacenar información digital en la naturaleza de un programa de ordenador u otros datos, al menos temporalmente, de tal manera que la información almacenada pueda ser "leída" por un dispositivo de procesamiento apropiado. El término "legible por ordenador" puede no limitarse al uso histórico de "ordenador" para implicar un ordenador central completo, un miniordenador, un ordenador de sobremesa, un dispositivo inalámbrico o incluso un ordenador portátil. Además, "legible por ordenador" puede comprender un medio de almacenamiento que puede ser leído por un procesador, un dispositivo de procesamiento o cualquier sistema informático. Dichos medios pueden ser cualquier medio disponible que pueda ser accesible local y/o remotamente por un ordenador o procesador, y pueden incluir medios volátiles y no volátiles, y medios extraíbles y no extraíbles. El dispositivo informático 1000 puede incluir además una pantalla de vídeo 1016, como una pantalla de cristal líquido (LCD) o un tubo de rayos catódicos (CRT)) y una interfaz de usuario 1018, como un teclado, un ratón, una pantalla táctil, etc. Todos los componentes del dispositivo informático 1000 pueden estar conectados entre sí a través de un bus 1002 y/o una red.
En aras de la comodidad, las operaciones pueden describirse como varios bloques o diagramas funcionales interconectados o acoplados. Sin embargo, puede haber casos en los que estos bloques o diagramas funcionales pueden agregarse de forma equivalente en un único dispositivo lógico, programa u operación con límites poco claros.
Habiendo descrito e ilustrado los principios de una realización preferente, debería ser aparente que las realizaciones pueden ser modificadas en su disposición y detalles sin apartarse de tales principios, cuyo alcance está definido por las reivindicaciones adjuntas.

Claims (15)

REIVINDICACIONES
1. Un procedimiento, que comprende:
recibir eventos de sesión de red (108) desde dispositivos informáticos (130) que acceden a páginas web o contenidos (112, 114, 124, 282A, 282B y 282C) incrustados en las páginas web, las páginas web o los contenidos incluyen etiquetas (110) configuradas para:
supervisar y capturar los eventos de la sesión de red (108) generados por los dispositivos informáticos (130), y
enviar los eventos de sesión de red capturados (108) a un monitor de consumo de contenidos, GGM, (100), y
cada uno de los eventos de sesión de red (108) indica al menos un sitio web o contenido al que se ha accedido, un identificador de tipo de evento que identifica una acción o actividad asociada al sitio web o contenido al que se ha accedido, y una dirección de red desde la que se ha accedido al sitio web o contenido;
identificando
eventos de sesión de red (108) de un dominio o nombre de dominio para una empresa (460A) asociada con al menos una dirección de red (404) indicada por al menos uno de los eventos de sesión de red (108); identificando, para cada uno de los múltiples periodos de tiempo, un grupo de eventos de sesión de red (108) que incluye el nombre de dominio de la empresa (460A) o una o más direcciones de red (404) asociadas a la empresa;
identificando, para cada uno de los múltiples periodos de tiempo, un conjunto de sitios web o contenidos (114) a los que han accedido los miembros de la empresa (460A) según lo indicado por el grupo de los eventos de la sesión de red (108);
identificando uno o más temas (102) en base a varias palabras en el conjunto de sitios web o contenidos; determinando, mediante el CCM (100), una puntuación de relevancia media (402) del conjunto de sitios web o contenidos (112) para cada tema (102) de los uno o más temas (102), siendo la puntuación de relevancia media un promedio de un conjunto de puntuaciones de relevancia del conjunto de sitios web o contenidos para cada tema cada una de la pluralidad de puntuaciones de relevancia se calcula basada en parte en un número de palabras en el conjunto de sitios web o contenidos que se asocian con cada tema (102) y los tipos de eventos realizados en el conjunto de sitios web o contenidos según lo indicado por el grupo de los eventos de la sesión de red (108);
identificando un número de usuarios (472A) que generan los eventos de sesión de red (108) para cada uno de los diferentes períodos de tiempo, siendo los usuarios (472A) usuarios de los dispositivos informáticos (130);
generando, mediante un generador de puntuaciones de consumo, CSG, (400) incluido en el CCM (100), puntuaciones de consumo (410) para la empresa (460A) y cada tema (102) en función del número de eventos de sesión de red (108), el número de usuarios (472A) asociados a la empresa (460A) y la puntuación media de relevancia (402) para cada tema (102); y
identificado por el CSG (400),
un aumento súbito (412) en las puntuaciones de consumo (410) de la empresa (460A) basado en los cambios en las puntuaciones de consumo (410) de la empresa a lo largo de los múltiples períodos de tiempo en los que al menos una de las puntuaciones de consumo (410) por encima de un valor umbral se identifica como el aumento súbito (412).
2. El procedimiento de la reivindicación 1, que comprende además:
comparar la relevancia media (402) con una relevancia global para los sitios web o contenidos a los que se accede desde múltiples dominios diferentes o desde múltiples dispositivos informáticos (130) no asociados a la empresa (460A);
asignar un valor inicial bajo a la puntuación de consumo (410) cuando la relevancia (402) es inferior a la relevancia global;
asignar un valor inicial medio a la puntuación de consumo (410) cuando la relevancia (402) es aproximadamente la misma que la relevancia global; y
asignar un valor inicial alto a la puntuación de consumo (410) cuando la relevancia (402) está por encima de la relevancia global.
3. El procedimiento de la reivindicación 1 o 2, que comprende además:
identificar los tipos de compromiso del usuario (612) con el contenido (112), en particular cuando los tipos de compromiso del usuario (612) incluyen los tiempos de permanencia en la página y los tipos de desplazamiento de la página; y
ajustar la relevancia (402) del contenido (112) en función de los tipos de compromiso del usuario (612) con el contenido (112).
4. El procedimiento de una cualquiera de las reivindicaciones 1 a 3, que comprende además:
calcular un primer número de usuarios que generan un primer número de eventos de sesión de red (108) durante un primer período de tiempo;
calcular un segundo número de usuarios que generan un segundo número de eventos de sesión de red (108) durante un segundo período de tiempo; y
disminuir la puntuación de consumo (410) para el segundo período de tiempo cuando el segundo número de usuarios es menor que el primer número de usuarios.
5. El procedimiento de una cualquiera de las reivindicaciones 1-4, que comprende además:
identificar los eventos de la sesión de red (108) procedentes de una dirección de protocolo de Internet (IP) (404);
identificar una ubicación (408) para la empresa asociada a la dirección IP (404); y
asociar la ubicación (408) con la puntuación de consumo (410).
6. El procedimiento de una cualquiera de las reivindicaciones 1-5, que comprende además:
identificar un primer grupo de eventos de sesión de red (108) para un primer período de tiempo; identificar un primer grupo de contenidos (112) a los que se ha accedido durante el primer grupo de eventos de sesión de red (108);
identificar una primera relevancia (402) del primer grupo de contenidos (112) con respecto al tema (102); generar un primer valor para la puntuación de consumo (410) para el primer período de tiempo basado en un número del primer grupo de eventos de sesión de red (108) y la primera relevancia (402); identificar un segundo grupo de eventos de sesión de red (108) para un segundo período de tiempo después del primer período de tiempo;
identificar un segundo grupo de contenidos (112) a los que se ha accedido durante el segundo grupo de eventos de la sesión de red (108);
identificar una segunda relevancia (402) del segundo grupo de contenidos (112) con respecto al tema (102); y
generar un segundo valor para la puntuación de consumo (410) para el segundo período de tiempo, basado en un número del segundo grupo de eventos de sesión de red (108) y la segunda relevancia (402); en particular, el procedimiento comprende además el ajuste del segundo valor basado en un cambio entre el número del primer grupo de eventos de sesión de red (108) y el número del segundo grupo de eventos de sesión de red (108).
7. El procedimiento de una cualquiera de las reivindicaciones 1-6, el procedimiento comprende además:
identificar un tercer grupo de eventos de sesión de red (108) para un tercer período de tiempo después del segundo período de tiempo;
identificar un tercer grupo de contenidos (112) a los que se ha accedido durante el tercer grupo de eventos de la sesión de red (108);
identificar una tercera relevancia del tercer grupo de contenidos (112) para el tema (102);
generar un tercer valor para la puntuación de consumo (410) para el tercer período de tiempo basado en un número del tercer grupo de eventos de sesión de red (108) y la tercera relevancia (402), y
ajustar el tercer valor en base a los cambios entre el número del primer grupo de eventos de sesión de red (108), el número del segundo grupo de eventos de sesión de red (108) y el número del tercer grupo de eventos de sesión de red (108).
8. El procedimiento de una cualquiera de las reivindicaciones 1-7, que comprende además:
identificar un número de usuarios que generan los eventos de sesión de red (108) para el período de tiempo múltiple; y
calcular las puntuaciones de consumo (410) en función del número de usuarios (472A).
9. El procedimiento de una cualquiera de las reivindicaciones 1 a 8, que comprende además:
identificar el número de eventos de sesión de red (108) asociados con la empresa (460A) y el tema (102) durante una serie de períodos de tiempo; y
ajustar las puntuaciones de consumo (410) en función de los cambios en el número de eventos de sesión de red (108) a lo largo de la serie de períodos de tiempo;
identificar un número de usuarios (472A) que generan los eventos de sesión de red (108) durante la serie de períodos de tiempo; y
ajustar las puntuaciones de consumo (410) en función de los cambios en el número de usuarios (472A) a lo largo de la serie de períodos de tiempo.
10. El procedimiento de una cualquiera de las reivindicaciones 1-9, que comprende además:
identificar una ubicación (408) asociada a la empresa (460A);
calcular las puntuaciones de consumo (410) para la ubicación (408) en base a las puntuaciones medias de relevancia (402) y el número de eventos de sesión de red (108) asociados a la ubicación (408).
11. El procedimiento de una cualquiera de las reivindicaciones 1-9, que comprende además:
asignar el aumento súbito (412) a los contactos asociados a la empresa (460A); y
enviar una notificación del aumento súbito (412) a un editor (118).
12. El procedimiento de la reivindicación 11, en el que la notificación del aumento súbito (412) está configurada para desencadenar que el editor (118) envíe información asociada a uno o más temas (102) a los contactos asociados a la empresa (460A).
13. El procedimiento de la reivindicación 11 o 12, en el que la notificación del aumento súbito (412) está configurada para activar el editor (118) para enviar la información a los contactos que tienen un título de trabajo asociado con el tema (102).
14. Un medio de almacenamiento legible por ordenador (1008, 1010) configurado para almacenar instrucciones (1006), en el que la ejecución de las instrucciones (1006) por uno o más procesadores (1004) es operable para hacer que un dispositivo informático (1000) realice todos los pasos del procedimiento de una cualquiera de las reivindicaciones 1-13.
15. Un aparato, que comprende:
un dispositivo de procesamiento (1004);
un dispositivo de memoria (1008, 1010) acoplado comunicativamente al dispositivo de procesamiento (1004), teniendo el dispositivo de memoria (1008, 1010) instrucciones para implementar todos los pasos del procedimiento según una cualquiera de las reivindicaciones 1-13.
ES16882214T 2015-12-28 2016-06-01 Detector del aumento súbito para el consumo de contenidos Active ES2901113T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/981,529 US20160132906A1 (en) 2014-09-26 2015-12-28 Surge detector for content consumption
PCT/US2016/035186 WO2017116493A1 (en) 2015-12-28 2016-06-01 Surge detector for content consumption

Publications (1)

Publication Number Publication Date
ES2901113T3 true ES2901113T3 (es) 2022-03-21

Family

ID=59225464

Family Applications (1)

Application Number Title Priority Date Filing Date
ES16882214T Active ES2901113T3 (es) 2015-12-28 2016-06-01 Detector del aumento súbito para el consumo de contenidos

Country Status (4)

Country Link
EP (1) EP3398146B1 (es)
CN (2) CN108713213B (es)
ES (1) ES2901113T3 (es)
WO (1) WO2017116493A1 (es)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9940634B1 (en) 2014-09-26 2018-04-10 Bombora, Inc. Content consumption monitor
US11589083B2 (en) 2014-09-26 2023-02-21 Bombora, Inc. Machine learning techniques for detecting surges in content consumption
ES2994385T3 (en) * 2017-08-24 2025-01-23 Bombora Inc Website interest detector
CN109903854B (zh) * 2019-01-25 2023-04-07 电子科技大学 一种基于中医药文献的核心药物识别方法
US11631015B2 (en) 2019-09-10 2023-04-18 Bombora, Inc. Machine learning techniques for internet protocol address to domain name resolution systems

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7185065B1 (en) * 2000-10-11 2007-02-27 Buzzmetrics Ltd System and method for scoring electronic messages
US7346606B2 (en) * 2003-06-30 2008-03-18 Google, Inc. Rendering advertisements with documents having one or more topics using user topic interest
US20060064411A1 (en) * 2004-09-22 2006-03-23 William Gross Search engine using user intent
US20080126178A1 (en) * 2005-09-10 2008-05-29 Moore James F Surge-Based Online Advertising
US20070157228A1 (en) * 2005-12-30 2007-07-05 Jason Bayer Advertising with video ad creatives
US10803468B2 (en) * 2006-04-18 2020-10-13 At&T Intellectual Property I, L.P. Method and apparatus for selecting advertising
CN101290631A (zh) * 2008-05-28 2008-10-22 北京百问百答网络技术有限公司 一种网络广告自动投放方法及其系统
WO2010048430A2 (en) * 2008-10-22 2010-04-29 Fwix, Inc. System and method for identifying trends in web feeds collected from various content servers
US20100223105A1 (en) * 2009-02-27 2010-09-02 Kindsight, Inc. Method and apparatus for content targeting one user group based on behavioral profiling of another user group
CN101908184A (zh) * 2009-06-04 2010-12-08 维鹏信息技术(上海)有限公司 一种通过多个具有关联的终端发布信息的控制方法及系统
WO2011094734A2 (en) * 2010-02-01 2011-08-04 Jumptap, Inc. Integrated advertising system
US8949834B2 (en) * 2010-04-07 2015-02-03 Yahoo! Inc. Modeling and scheduling asynchronous incremental workflows
US8380716B2 (en) * 2010-05-13 2013-02-19 Jan Mirus Mind map with data feed linkage and social network interaction
US20110320715A1 (en) * 2010-06-23 2011-12-29 Microsoft Corporation Identifying trending content items using content item histograms
US8799260B2 (en) * 2010-12-17 2014-08-05 Yahoo! Inc. Method and system for generating web pages for topics unassociated with a dominant URL
US8583786B2 (en) * 2011-01-21 2013-11-12 Verizon Patent And Licensing Inc. Systems and methods for rating a content based on trends
US20130066677A1 (en) * 2011-09-12 2013-03-14 Scott William Killoh System and method for media and commerce management
US9588580B2 (en) * 2011-09-30 2017-03-07 Dejoto Technologies Llc System and method for single domain and multi-domain decision aid for product on the web
CN102387207A (zh) * 2011-10-21 2012-03-21 华为技术有限公司 基于用户反馈信息的推送方法和推送系统
US9128896B2 (en) * 2011-12-20 2015-09-08 Bitly, Inc. Systems and methods for identifying phrases in digital content that are trending
CA2893960C (en) * 2012-12-05 2020-09-15 Grapevine6 Inc. System and method for finding and prioritizing content based on user specific interest profiles
US9449002B2 (en) * 2013-01-16 2016-09-20 Althea Systems and Software Pvt. Ltd System and method to retrieve relevant multimedia content for a trending topic
US20140280890A1 (en) * 2013-03-15 2014-09-18 Yahoo! Inc. Method and system for measuring user engagement using scroll dwell time
EP2973110A4 (en) * 2013-03-15 2016-11-02 Google Inc SUBSCRIPTION-BASED MOBILE READING PLATFORM
CN104144181B (zh) * 2013-05-08 2017-12-29 中国科学院声学研究所 一种网络视频终端聚合方法及系统
US20150074131A1 (en) * 2013-09-09 2015-03-12 Mobitv, Inc. Leveraging social trends to identify relevant content

Also Published As

Publication number Publication date
CN108713213A (zh) 2018-10-26
WO2017116493A1 (en) 2017-07-06
CN108713213B (zh) 2022-08-26
EP3398146B1 (en) 2021-12-01
CN115293806A (zh) 2022-11-04
EP3398146A4 (en) 2019-08-07
EP3398146A1 (en) 2018-11-07

Similar Documents

Publication Publication Date Title
US10810604B2 (en) Content consumption monitor
US20190050874A1 (en) Associating ip addresses with locations where users access content
US11354706B2 (en) Location retargeting system for online advertising
US20180365710A1 (en) Website interest detector
US20190294642A1 (en) Website fingerprinting
US10110413B2 (en) Communicating information in a social network system about activities from another domain
US10467661B2 (en) Offline conversion measurement for advertisements presented to users of an online system
US9262791B2 (en) Targeting stories based on influencer scores
US20160132906A1 (en) Surge detector for content consumption
US10621600B2 (en) Method for analyzing website visitors using anonymized behavioral prediction models
US20120323694A1 (en) Non-invasive sampling and fingerprinting of online users and their behavior
US20170364931A1 (en) Distributed model optimizer for content consumption
ES2901113T3 (es) Detector del aumento súbito para el consumo de contenidos
US20160110770A1 (en) Generating metrics for content items presented in an online system
EP3776432A1 (en) Processor systems to estimate audience sizes and impression counts for different frequency intervals
US20190012700A1 (en) Systems and methods for cookieless conversion measurement of online digital advertising
US20110191185A1 (en) System and method for targeting users for content delivery
US10504136B2 (en) Measuring performance of content among groups of similar users of an online system
US11107120B1 (en) Estimating the reach performance of an advertising campaign
CA2892126C (en) Generating metrics based on client device ownership
ES2994385T3 (en) Website interest detector
HK40000145B (en) Surge detector for content consumption
HK40000145A (en) Surge detector for content consumption
Sorkin Facebook Should Consider a'Why Me?'Button.
WO2020085995A1 (en) User affinity labeling from telecommunication network user data