JP2008520044A - アフィリエイトウェブサイトパフォーマンスのコンピュータベース解析 - Google Patents

Abstract

パフォーマンス解析エンジン（５４）が、電子カタログ（３４）中の特定の商品へのリンク（３８）を提供するアフィリエイトウェブサイト（４０）のパフォーマンスを解析し、且つ、パフォーマンスを改善するためにそのようなアフィリエイトウェブサイト（４９）によってリストできるカタログ商品を特定する。関連マイニングコンポーネント（５８）が、特定のカテゴリあるいはタイプのアフィリエイトウェブサイト（４０）に起因するトランザクションデータ（５０）を解析して、そのようなサイトのユーザによって頻繁に一緒に購入される商品を特定する。検出された商品関連は所定のアフィリエイトサイト（４０）のために、特定の商品の予測された数量及び実際の数量間に著しい相違が存在するか否かを評価するために使用される。解析の結果が、アフィリエイトに特有のパフォーマンスレポートに組入れられる。このレポートはパフォーマンスの改善のために特定の推奨を含みうる。開示された方法が、オンラインモール、オンライン市場あるいはオンライン競売システム内のオンライン販売者のパフォーマンスを解析し、また、それらのオンライン販売者に推奨を提供するためにも使用されうる。

Description

本発明は、アフィリエイトウェブサイトあるいは他のオンラインエンティティーのパフォーマンスを解析し、且つ、そのようなパフォーマンスを改善するウェブサイト修正を特定するコンピュータによる実施方法に関する。

オンライン商人が一般にアフィリエイトプログラムをセットアップする。このプログラムを通じて、個人および他のビジネスエンティティー（アフィリエイト）はある形式の補償と引き換えに顧客を紹介することができる。典型的には、各アフィリエイトがそれぞれ、オンライン商人のウェブサイトへの１つ以上のリンクを含むウェブサイトを運営する。
これらのリンクは、一般にアフィリエイトの識別子をタグ付けされる。その結果、そのようなタグ付けされたリンクから始まるトランザクションは適切なアフィリエイトに充当されることができる。したがって、例えば、ユーザがアフィリエイトウェブサイトからのリンクをたどり、そして商人のウェブサイトから購入を行えば、この商人はアフィリエイトに手数料のような紹介料を払うことができる。

いくつかのアフィリエイトプログラムは、アフィリエイトがその商人から購入可能な特定の商品（製品、サービスなど）をリストし、かつそれらの商品のための商人のカタログページへのリンクを提供する機能をサポートする。例えば、調理のような特定の主題分野に関連するアフィリエイトウェブサイトが、その主題分野に関連する、選択された製品の商品詳細ページへのタグ付けされたリンクを提供しうる。そのようなリンクはそれぞれ、対応する商品の、明示的な推奨を含む又は含まない説明と共に表示されうる。したがって、各アフィリエイトはそれぞれ、販売用の特定の商品をリストする仮想店舗を有効に展開することができる。ただし、この販売は、オンライン商人が仮想店舗にリストされる商品の注文を処理し履行することに依存する。そのようなシステムを如何に実施することができるかの１つの例は、その開示が参照によって本明細書に組込まれるアメリカ合衆国特許番号６，０２９，１４１に記述されている。

特定の商品へのリンクをサポートするアフィリエイトプログラムの存在で、あるアフィリエイトの成功は、そのウェブサイトのユーザに興味のある商品を選択し、かつ該アフィリエイトサイト上でこれらの商品を十分に販売促進するアフィリエイトの能力に大きく依存しうる。多くの場合では、しかしながら、各アフィリエイトは各々のユーザの商品の好みを究明する、あるいは別のやり方で自分のウェブサイトの有効性を評価するために必要とされる資源またはツールを持っていない。その結果、アフィリエイトは、例えば、自分のユーザに特別に興味のある商品をリストできなかったり、あるいは、アフィリエイトウェブサイト上で十分に目立つ位置にそのような商品をディスプレイできなかったりする。

本発明は、アフィリエイトウェブサイトのパフォーマンスを解析し、パフォーマンスを改善するためにそのようなアフィリエイトサイト上でリストすることができる商品を特定するシステム及び方法を提供する。本発明は、アフィリエイトが自分のサイト上でリストする特定の商品を選択することを許可され、又は要求されるアフィリエイトプログラムに特に適用可能である。本発明はまた、オンラインモール、オンライン市場、あるいはオンライン競売システムのオンライン販売者のパフォーマンスを解析し、それらのオンライン販売者に推奨を提供するためにも使用され得る。

本発明によれば、関連マイニングコンポーネントが、特定のカテゴリ、タイプあるいはグループのアフィリエイトウェブサイトに関連するトランザクションデータをプログラム的に解析して、そのようなサイトのユーザによって頻繁に一緒に購入される商品を特定する。この関連マイニングコンポーネントは、例えばＸｌ→Ｘ２（Ｐ）の形式の関連ルールを生成することができる。ここで、ＸｌとＸ２は、商品の相互排除のセットであり、Ｐは、Ｘｌの購買者がさらにＸ２をも購入する条件つき確率を表す。関連ルールの個別のセットが、各カテゴリ、タイプ、あるいはグループのアフィリエイトウェブサイトのために生成されうる。

前記関連マイニングコンポーネントによって検出された商品関連が、特定のアフィリエイトサイトのパフォーマンスを評価し、且つ、そのようなサイトのユーザが興味を持ちそうな商品を特定するために使用される。１つの実施の形態では、アフィリエイトウェブサイトパフォーマンスが、関連ルールのうち、適用可能なセットを、前記アフィリエイトウェブサイトに起因するトランザクションデータに適用して、特定の商品の予測販売数量を計算することにより解析される。これらの予測された商品数量は対応する実際の商品数量と比較されて、著しい相違が存在するかが判断される。

パフォーマンス解析の結果が、対応するアフィリエイトに電子メール、個人化ウェブページあるいは他の通信方式によって伝えられるレポートに組入れられることができる。このレポートは、アフィリエイトウェブサイト上にリストされる、又はより顕著にディスプレイされるべき商品の特定の推奨を含みうる。例えば、アフィリエイトの特定の商品の期待数量が実際の個数より著しく大きいというような相違が検出される場合、そのレポートはアフィリエイトウェブサイトにこの商品を加えることを示唆することができる。

オンライン販売者のパフォーマンスを解析する実施の形態において、関連ルールの個別のセットが、そのようなオンライン販売者の販売データに基づいて、複数のオンライン販売者のそれぞれのために生成され得る。その後、個々の特定のオンライン販売者のパフォーマンスが、該特定のオンライン販売者の実際の販売データを、対応する販売者カテゴリ用の関連ルールのセットと比較することにより評価され得る。

この要約も次の詳細な記載も、本発明の範囲を定めることを意味しない。本発明の範囲は特許請求の範囲によって定められる。

Ｉ．概要（図１）
図１は、本発明の一実施の形態による、アフィリエイトウェブサイトパフォーマンスを解析し、且つ、関連する推奨を生成するシステムのコンポーネントを示す図である。このシステムは、商業システム３２の一部であるオンライン販売ウェブサイト３０を含んでいる。オンライン販売サイト３０は、ユーザが商品の電子カタログ３４をブラウズし、該カタログからの購入を行うための機能性を提供する。

電子カタログ３４の中に示されている商品は、例えば、顧客へ発送される新しい及び／又は中古の物理的な製品、顧客へ電子的に伝送されるディジタル製品、予約、旅行および娯楽イベントのチケット、サービス、及び／又はオンラインで購入することができる他のタイプの商品を含みうる。これらの商品は、一つの企業実体（例えば小売り商）あるいは複数の企業実体の集合によってオンライン販売サイト３０上に売りに出されうる。（この詳細な説明及び請求項に使用されたように、「購入」及び「販売」の用語、並びにそれらの派生用語は、購入される又は販売される商品の所有権の移転を伴うトランザクションに限定されるものではなく、むしろ、さらに商品のレンタル、ライセンスおよびリースをも包含する。）何千あるいは何百万もの異なる商品が電子カタログ３４の中に示されうる。そのような商品がそれぞれ、該商品を注文する機能性を提供する対応の商品詳細ページによって電子カタログに記述されうる。

図１に示されている特定の実施の形態において、商業システム３２は、アフィリエイトプログラムを実施するコンポーネント、およびアフィリエイトウェブサイトでリストされているカタログ商品に関する「個人的」（アフィリエイトに特有の）推奨をするコンポーネント（下に議論される）を含んでいる。下に「外部管理のアフィリエイトプログラムおよびウェブサービス実施」という標題で議論されるように、これらのコンポーネントのうちのいくつかあるいはすべてが代替的に、個別の企業実体によって運営されうる個別のサイトあるいはシステムの一部でありうる。これは、例えば、オンライン販売サイト３０の運営者が部分的にあるいは全面的に、アフィリエイトプログラムを管理する機能をアフィリエイトプログラムサービスプロバイダへアウトソースする場合である。

図１に示されている実施の形態において、オンライン販売ウェブサイト３０は、ウェブページ及び関連のプログラムコードの集合として実施され得るアフィリエイト登録モジュール３６を含んでいる。このモジュール３６を使用すると、ウェブサイト運営者（あるいはウェブサイトのセットアップを立案するエンティティー）が、オンライン販売サイト３０のアフィリエイトとして運営するためにオンライン登録することができる。登録手続の一部として、アフィリエイ登録モジュール３６が典型的に登録者にユニークなアフィリエイトＩＤを割当て、さらに、オンライン販売サイト３０のページへのリンク３８にこのＩＤを組入れるための指示を登録者に提供する。これらのリンク３８は、本明細書で「アフィリエイトリンク」と呼ばれる。オンライン販売ウェブサイト３０は、さらに、アフィリエイトサイト４０のウェブページ内にアフィリエイトリンク３８を埋込むための、ＨＴＭＬあるいは他のコーディングを生成するリンク生成ツールを提供しうる。

オンライン登録手続中に、あるいはその後に、各登録者がそれぞれ、１つ以上のカテゴリ、あるいは別の属性を指定するように促されうる。それらのカテゴリあるいは属性は登録者の既存のあるいは提案したウェブサイト４０もしくはビジネスを特徴付ける。これは、登録者を促し、リスト、ブラウズツリー、あるいは他の予め定義されたカテゴリの集合から選択させることにより達成され得る。カテゴリの例が、「スポーツ用品」、「電子機器」および「チケット」のような話題のカテゴリ、並びに「比較買入」および「オンラインクーポン」のようなアフィリエイトサイト「タイプ」のカテゴリを含む。下に議論されるように、アフィリエイトのカテゴリ選択が、特定のアフィリエイト及びアフィリエイトサイト４０のパフォーマンスを評価する、また、その特定のアフィリエイト及びアフィリエイトサイト４０のために推奨を生成する際に考慮に入れられうる。例えば、「電子機器」カテゴリのアフィリエイトウェブサイト４０のパフォーマンスが主として、あるいはほとんど、同じカテゴリの他のアフィリエイトサイト４０のパフォーマンスと比較されうる。

アフィリエイトからの入力がアフィリエイトサイト４０の分類に役立つが、アフィリエイトサイトがさらにあるいは代替的に、他の方法を使用して分類され、もしくはグループ化されうる。例えば、ウェブサイトをクロール（crawl）し、その内容を解析するプログラムが使用されて、捜し出されたキーワードおよびキーワード句に基いて各アフィリエイトまたはアフィリエイトサイト４０にカテゴリ識別子を割当ててもよい。さらに、アフィリエイトサイトの紹介したユーザによって購入された商品のタイプに基いて、及び／又は、アフィリエイトサイトによってアフィリエイトリンク３８が提供された商品のタイプに基いて、アフィリエイトサイト４０をカテゴリ化するプログラムモジュールを提供してもよい。

登録中に収集された情報を含む各アフィリエイトに関する情報が、アフィリエイトデータベース４４に格納される。この情報は、例えば、各アフィリエイトの名前、住所、アフィリエイトＩＤ、ウェブサイトＵＲＬ、アフィリエイトウェブサイトカテゴリ（及び／又は他のサイト属性）、および銀行口座情報を含みうる。比較的大きなオンライン販売サイト３０にとっては、何千あるいは何十万もの異なる登録済みのアフィリエイトがある時間にアクティブでありうる。

図１において、説明のために３つのアフィリエイトウェブサイト４０を描いている。この例では、各アフィリエイトウェブサイト４０はそれぞれ、オンライン販売サイト３０の電子カタログ３４への商品に固有のアフィリエイトリンク３８を複数含んでいる。そのような商品に固有のリンク３８はそれぞれ、典型的には対応するカタログ商品の説明（図示せず）に関連してアフィリエイトサイト４０上に表示され、また、典型的にカタログ３４内の対応する商品説明を指し示す。各アフィリエイトが、それぞれのサイト４０上にアフィリエイトリンク３８を提供するための商品をカタログ３４から自由に選択し、且つ、時間経過と共にこれらの選択を変更することができる。典型的には、あるアフィリエイトによって選択された商品のセットは、カタログ３４中の商品の数と比較して非常に少ない。

アフィリエイトがさらに、任意の特定のカタログ商品にも固有でなく、且つ、そのカタログ商品の説明を伴わないアフィリエイトリンク３８を提供することも許可されうる。例えば、アフィリエイトウェブサイト４０が、（図１に示されているように）オンライン販売ウェブサイトのホームページを指し示す、もしくは特定の商品カテゴリ或いはストアに関連するページを指し示すアフィリエイトリンク３８を含みうる。一部のアフィリエイトサイト４０は非商品に固有のアフィリエイトリンクのみを単に有してもよく、また商品に固有のアフィリエイトリンクを持たなくてもよい。

各アフィリエイトリンク３８は、特定のカタログ商品に固有なのか否かに関わらず、対応するアフィリエイトのアフィリエイトＩＤをタグ付けされる。典型的には、アフィリエイトＩＤが、リンク３８のターゲットＵＲＬ内の予め規定されたタグ位置に含まれる。商業システム３２のサーバは、アフィリエイトＩＤの存在によって、アフィリエイトサイト４０からオンライン販売サイト３０へのユーザの各紹介人のソースを識別し追跡することができる。これによって、オンライン販売サイト３０の運営者は、ユーザを紹介するアフィリエイトに、成立した売上高に対する手数料のような紹介料を払うことができる。下に議論されるように、紹介人を追跡し、紹介料を払うタスクは代替的にアフィリエイトプログラムサービスプロバイダによって運営された別個のコンピュータシステムによって行われてもよい。

ユーザは、必ずそうする必要はないが、アフィリエイトサイト上のリンク３８を選択することにより電子カタログ３４のブラウジングを開始することができる。ユーザがアフィリエイトリンク３８を選択し、次にオンライン販売サイト３０から購入を行えば、この販売は対応のアフィリエイトに起因するものであると考えられ、そのアフィリエイトに充当される。この場合、販売価格に基いた手数料は対応のアフィリエイトに支払う。商品の購入が特定のアフィリエイトに起因するとされる場合、この販売がオンライン販売サイト３０によって実際に取引されるのにもかかわらず、一般にアフィリエイトがその商品を「売った」と言われる。

販売がアフィリエイトに起因するとするルールはプログラム毎に異なる。一例として、アフィリエイトは、紹介したユーザが異なるアフィリエイトのサイトからオンライン販売サイト３０に再び入った後になされた任意の購入以外に、該ユーザがアフィリエイトリンク３８の選択に続き、特定の期間中（例えば２４時間）になされたすべての購入についてクレジットが与えられても良い。別の例として、ユーザの購入された商品がユーザがアフィリエイトサイト４０をブラウズする間に選択した商品と同じである場合にのみ、アフィリエイトはクレジットが与えられうる。後に明らかとなるように、本発明は、アフィリエイトに販売が起因するとするための任意の特定のルールあるいはルールのセットにも制限されない。

図１に示される実施の形態において、売買取引がアフィリエイトに起因するとするためのルールは、オンラインチェックアウトプロセスを扱うトランザクション処理エンジン４８内に具体化される。ユーザがオンライン販売サイト３０を介して商品を購入するごとに、トランザクション処理エンジン４８がその購入をトランザクションデータベース５０に記録する。ある商品購入が特定のアフィリエイトに起因したとされる場合、この商品購入イベントは、データベース５０中で対応のアフィリエイトＩＤをタグ付けされる。実行可能なコンポーネント（図示せず）がアフィリエイトＩＤタグ及びデータベース５０に記録された関連のトランザクションデータを使用して、特定のアフィリエイトに払われる手数料あるいは他の紹介料を計算する。

図１に示されるように、パフォーマンス解析エンジン５４は、トランザクションデータベース５０に収集されたタグ付きのトランザクションデータを解析し、特定のアフィリエイト及びアフィリエイトサイト４０のパフォーマンスを評価し、かつその特定のアフィリエイト及びアフィリエイトサイト４０のために推奨を行う。図１に示されるように、パフォーマンス解析エンジン５４が、この解析の一部としてアフィリエイトウェブサイト４０のカテゴリか属性を考慮に入れうる。例えば、あるカテゴリに分類される特定のアフィリエイトウェブサイト４０のために生成された推奨がただ単に、そのカテゴリに分類される多くのアフィリエイトサイトに起因するトランザクションに基づくことができる。パフォーマンス解析エンジン５４がさらにあるいは代替的に、アフィリエイトＩＤをタグ付けされたすべてのトランザクションを考慮に入れる解析のようなトランザクションデータのより広い解析に基づく推奨を生成してもよい。

図１に示された実施の形態において、パフォーマンス解析エンジン５４は関連マイニングエンジン５８、関連ルールのデータベースあるいは他のリポジトリ６０、相違検出モジュール６２、およびレポート作成モジュール６４という４つのコンポーネントを含んでいる。関連マイニングエンジン５８は、過去６週間あるいは数か月間のような期間中に収集されたトランザクションデータを周期的に解析し、一緒に購入される傾向のある商品を特定する関連ルールのセットを生成する。各関連ルールはそれぞれ、式Ｘｌ→Ｘ２（Ｐ）によって表されることができる。ここでは、ＸｌとＸ２はカタログ３４中の商品の相互排除のセットであり、Ｐは、Ｘｌの購買者がさらにＸ２をも購入する条件つき確率を表す。例えば、関連ルール｛商品１、商品５｝−＞商品３（６５％）は、商品１および５を購入するユーザの６５％がさらに商品３をも購入することを示す。典型的には、Ｘｌが、１つ、２つあるいは３つの数を有し、また、Ｘ２が、１つを有するであろう。関連ルールを生成するために関連マイニングエンジン５８によって行われうる一連のステップの一例は、図２に示されている。それは以下に単独に議論される。

１つの実施の形態では、関連マイニングエンジン５８が、各アフィリエイトウェブサイトカテゴリ毎に、あるいは少なくとも意味のあるルールを生成するために十分な数のアクティブサイト４０を有するカテゴリ毎に、関連ルールの個別セットを生成する。関連マイニングエンジン５８が、さらにあるいは代替的に、特定のアフィリエイト属性あるいは属性のセットに特有の関連ルールを生成してもよい。例えば、トランザクションボリュームが特定の閾値を超過するすべてのアフィリエイトのために、或いはウェブサイト４０が特定のキーワードあるいはキーワードの組合せを含むすべてのアフィリエイトのために関連ルールのセットが生成されうる。関連マイニングエンジン５８が、さらにあるいは代替的に、アフィリエイトのいかなる特別な部分集合にも特有でない関連ルールを生成してもよい。

関連ルールが、示された実施の形態において使用されているが、関連マイニングエンジン５８によって検出された商品関連は関連ルールを含まない形式で表されることもできる。例えば、関連マイニングエンジン５８が、条件つき確率値が省略される形式で、検出された関連を記録してもよい。したがって、この明細書の全体にわたって言及されている関連ルールは、商品関連データの他の形式と置き換えられてもよい。

図示された実施の形態において、関連マイニングエンジン５８によって生成された関連ルールが、対応するアフィリエイトサイトカテゴリ、或いはグループ分けと関連させられてデータベース６０に格納される。このデータベース６０は、時間の経過（例えば、一ヶ月一回）とともに更新されて、トランザクションデータベース５０に記録された新しいトランザクションを反映する。

相違検出モジュール６２は、データベース６０に格納された関連ルールを使用して、各アフィリエイト／アフィリエイトサイト４０のパフォーマンスを個別的に解析し、かつ著しいパフォーマンスの相違を特定してアフィリエイトの注意を喚起する。このプロセスの一部として、適用可能な関連ルールが、特定の商品の予測の販売数量と実際の販売数量との間の著しい相違を検出するために使用されえる。

例えば、関連ルール｛商品Ａ、商品Ｄ｝→｛商品Ｆ｝（５０％）が、特定のカテゴリのアフィリエイトサイトのために生成されたとする。さらに、このカテゴリの特定のアフィリエイトが、先月中に、商品ＡとＤは異なる２００人のユーザに販売したが、商品Ｆは唯３人のユーザに販売したとする。この例では、アフィリエイトの予測された商品Ｆの販売数量０．５×２００＝１００ユニットと３の実際の数量との間に著しい相違が存在する。この相違は、アフィリエイトウェブサイト４０上の商品Ｆの欠落、あるいは下手な配置に起因しうる。したがって、商品Ｆがこのアフィリエイトに推奨されれば、あるいはアフィリエイトがこの相違について通知されれば、このアフィリエイトは、そのウェブサイト４０を適切に修正して、商品Ｆに関してそのパフォーマンスを著しく改善することができる。

相違検出モジュール６２によって行われうる一連のステップの一例が、図３に示されており、以下個別的に議論される。

図１においてさらに示されているように、相違検出モジュール６２によって検出された著しい相違は、レポート作成モジュール６４によって生成されたアフィリエイトに固有のパフォーマンスレポートに組入れられる。パフォーマンスレポートが、パフォーマンスを改善するためにアフィリエイトサイト４０に加えられることのできる特定の商品の推奨を含みうる。そのようなレポートの１つの例は、下に議論される図４に示されている。そのレポートが、電子メールメッセージとして、個人的ウェブページとして、ファクシミリによって、及び／又は他の通信方式を使用して、対応するアフィリエイトに伝達されることができる。

１つの実施の形態では、パフォーマンス解析エンジン５４が、パフォーマンスレポートを対話式に生成するために、アフィリエイトによって安全にアクセスできるアフィリエイトエクストラネットを介してアクセス可能である。このエクストラネットは、アフィリエイトがアフィリエイトサイトカテゴリを対話式に選択し、次に、そのサイト４０がそのカテゴリ内において如何に遂行しているかを示すパフォーマンスレポートを見る機能性を提供してもよい。このエクストラネットはさらに、アフィリエイトがアフィリエイトサイト４０のパフォーマンスを解析する日付範囲を対話式に指定する機能性を提供してもよい。

II．関連ルールの生成（図２）
図２は、予め定義された各アフィリエイトサイトカテゴリ用の関連ルールのセットを生成するために、関連マイニングエンジン５８が実行しうるプロセス（一連のステップ）の一例を示している。このプロセスは、一ヶ月に一回のように周期的に繰り返されて、各カテゴリのルールの新しいセットを生成してもよい。

図２のステップ７２において、最後のＬ日間に生じ、アフィリエイトＩＤのタグを付けられたすべてのトランザクションが、トランザクションデータベース５０から検索される。変数Ｌは、トランザクションデータの解析のために、遡及水準を日数で表すものである。ステップ７４において、第１カテゴリのアフィリエイトウェブサイトが選択される。ステップ７６において、現在選択されているカテゴリ以外のアフィリエイトサイト４０に起因するトランザクションがすべて、このプロセスの現在の繰り返し処理のためにフィルターされる。所定のアフィリエイトサイト４０のカテゴリが、例えば、下記の任意の１つ又は複数の基準に基づいて決定されてもよい。これらの基準は、（ａ）登録中に又は登録に続き、アフィリエイトによって提供されたカテゴリ情報、（ｂ）このアフィリエイトサイトによって紹介されたユーザによって購入された商品の商品カテゴリ、（ｃ）アフィリエイトサイトがユーザに紹介したカタログページに関連した商品カテゴリ、（ｄ）アフィリエイトサイトのコンテンツをクロールし、解析するプログラム的に行われたコンテンツベース解析の結果、（ｅ）アフィリエイトサイトを調査する人間のオペレータによって行われたカテゴリ割当て、（ｆ）関連マイニングエンジン５８にとってアクセス可能な任意の別のタイプのサイト情報を含む。

ステップ７８において、現在選択されているカテゴリの関連ルールの初期セットを生成するために、関連ルールマイニングアルゴリズムが、残りのトランザクションデータ（つまり、現在の繰り返し処理中にフィルターされなかったトランザクション）に適用される。この目的のためには、様々な周知の関連ルールマイニングアルゴリズムのうちの任意の1つを使用してもよい。広域の商品によく適している１つのアルゴリズムが、Ｍ．Ｊ．ＺａｋｉおよびＣ．Ｈｓｉａｏによって説明されたＣＨＡＲＭアルゴリズム、２００２年４月第２回データマイニングＳＩＡＭ国際会議の「ＣＨＡＲＭ：閉じた商品セットマイニング用の効率的なアルゴリズム」であり（ M. J. Zaki and C. Hsiao, "CHARM: An efficient algorithm for closed itemset mining," 2nd SIAM Int'l Conf. on Data Mining, April, 2002。）、その開示は参照によってここに組込まれる。使用され得る別のアルゴリズムがＥｃｌａｔとＡｐｒｉｏｒｉを含む。ステップ８０において、０．３（あるいは３０％）のような特定の閾値以下の条件つき確率あるいは「確信」値を有する関連ルールは廃棄され、そして、残りの関連ルールは現在選択されているカテゴリと関連付けられてデータベース６０に格納される。

ステップ７８において生成された関連ルールは典型的には、２つの商品のセットを１つの商品のセットへマッピングするルールを含む。関連ルール｛商品２、商品４｝→商品１（６５％）は、そのような２つの商品のセットから１つの商品のセットへのマッピングを表すルールの一例である。１対１のマッピング、３対１のマッピング、１対２のマッピングおよび２対２のマッピングを表すルールも生成され使用され得る。

図２のブロック８２および８４によって示されているように、関連ルールがすべてのカテゴリのために生成されるまで、ステップ７６〜８０は、各カテゴリのアフィリエイトウェブサイト４０のために繰り返される。カテゴリに特有の関連ルールの生成以外に、あるいはその代わりとして、一般的な関連ルールのセットが、ステップ７２において検索されたトランザクションデータのすべてに基づいて生成されてもよい。特定のカテゴリあるいはタイプのアフィリエイトサイト４０に特有の関連ルールを生成する１つの利点は、一般的な関連ルールのセットの生成とは全く異なって、全体の処理負担が著しく軽減されることである。これは、特定のカテゴリあるいはタイプのアフィリエイトによって紹介されたすべてのユーザによって購入された商品のセットが、アフィリエイトサイトによって紹介されたすべてのユーザによって購入された商品のセットよりはるかに小さい傾向があるからである。

図２に示されているプロセスの１つの特性は、特定のサイトカテゴリのために生成された関連ルールが、そのカテゴリのアフィリエイトサイトに起因する購入のみに基くことである。その結果、ルールは、その特定のカテゴリのアフィリエイトサイトをブラウズするユーザの好みを強く反映する。図２に示されているプロセスへの１つの変更は、これらの同じユーザによってなされた別の購入をも考慮に入れることである。特に、カテゴリＤの関連ルールは、カテゴリＤのアフィリエイトサイトに実際に起因する購入のみならず、カテゴリＤのアフィリエイトサイト４０によって紹介されたすべてのユーザによってなされた購入に基づくことが可能である。この変更の１つ可能な利点は、より大きな量のトランザクションデータがこれらの関連ルールを生成するために使用され得ることであり、潜在的な１つの考慮は、これらのルールがアフィリエイトサイトからあるタイプの商品を選択し、そしてオンライン販売サイト３０から他のタイプの商品を直接選択するユーザの好みを反映できないことである。

上にも言及されたように、関連ルールが、示された実施の形態において生成し使用されているが、別の形式の関連データも代替的に使用されてもよい。

III．相違検出への関連ルールの適用（図３）
図３は、特定のアフィリエイトサイト４０のパフォーマンスを評価するために相違検出モジュール６２によって実行されうるプロセスを示す図である。このプロセスは、個々のアクティブアフィリエイトサイトのために周期的に（例えば、一ヶ月一回）実行され、及び／又はアフィリエイトがログインし、パフォーマンスレポートの生成を始める場合に呼び出されることができる。

ステップ９２において、トランザクションデータベース５０がアクセスされて、このアフィリエイトに起因する最後のＭ日間（例えば、３０日間）内になされたすべての商品購入を記述するトランザクションデータが検索される。一部の場合には、あるアフィリエイトが同じアフィリエイトＩＤを使用して、複数のウェブサイトを運営しうる。これらの場合には、ステップ９２において検索され、そして後続のステップにおいて解析されるトランザクションデータが、そのようなウェブサイト４０からのすべてのユーザ紹介人を反映するであろう。言い換えれば、この状況でパフォーマンスが解析されるアフィリエイトサイト４０は、たとえ同じアフィリエイトＩＤ３がタグ付けられたアフィリエイトリンク３８を含むウェブページ全体のうちの一部が別のページとは異なるインターネットドメインのサーバによってホストされても、これらのウェブページ全体を含んでいると考えられ得る。

ステップ９４において、このアフィリエイトに適用可能な関連ルールが、関連ルールデータベース６０から検索される。このアフィリエイトサイト４０が特定のカテゴリのアフィリエイトサイトに割当てられている場合、このステップ９４において検索される関連ルールはこのカテゴリ用の関連ルールの現在セットであり得る。そうでなければ、すべてのアフィリエイトサイトに適用可能な総括的な関連ルールのセットが検索され使用されうる。カテゴリに特有の関連ルールを使用する１つの利点は、それらのルールが、適用されるアフィリエイトウェブサイト５０にはるかにより適用可能であり、且つ、それらのサイトのユーザの好みをより反映できる傾向があることである。

ステップ９６において、検索された関連ルールが、特定の商品の予測数量値を生成するためにステップ９２において検索されたトランザクションデータに適用される。ステップ９８において、これらの予測数量値は、著しい相違が存在するかどうかを決めるために対応する実際の数量値と比較される。相違は、例えば、商品の予測数量がその実際の数量をある数（例えば５０）超過する場合、著しいとされうる。また、予測値と実際値間の比率も、相違が著しいかどうかを決める際に考慮に入れられうる。

次の例は、ステップ９６および９８において著しい相違がどのように検出されるかを例示する。この例のために、次の２つの関連ルールが現在のアフィリエイトに適用可能であると仮定する。

ルール１：｛商品Ｂ、商品Ｄ｝→商品Ａ（９５％）
ルール２：｛商品Ａ、商品Ｅ｝→商品Ｆ（５０％）
さらに、次のような販売活動が、関係する期間中にこのアフィリエイトに起因したと仮定する。

｛商品Ｂ、商品Ｄ｝の売上 ８００
｛商品Ａ、商品Ｅ｝の売上 ３０
商品Ａの売上 ３０
商品Ｆの売上 １０
この活動データへのルール１の適用は、商品Ａの０．９５×８００＝７６０ユニットの予測数量を生成する。この予測数量が６０の実際数量をはるかに超過するので、２つ数量間の相違は著しいとして扱われ得、また、商品Ａがリストされ、又はより顕著にディスプレイされるようにこのアフィリエイトに勧める根拠として使用され得る。この例においてアフィリエイトが商品Ａを６０ユニット販売したが、商品Ａがアフィリエイトのウェブサイト４０上に実際にリストされていないかもしれないことに注意すべきである。これは、たとえ購買者が、アフィリエイトサイト上の異なる商品の選択により、あるいは非商品に特有のリンクの選択によりオンライン販売サイト３０に入ったとしても、商品Ａの販売がこのアフィリエイトに起因するとされることができるからである。前述されたように、一部のアフィリエイトプログラムがこの種の販売をアフィリエイトに起因するとしない場合もある。

この例を引き続き述べる。アフィリエイトの活動データへのルール２の適用は、商品Ｆの０．５０×３０＝１５ユニットの予測数量を生成する。この値が１０の実際数量を著しく超過しないので、アフィリエイトの商品Ｆの販売が予測と概ね一致しているものとして処理されることができる。従って、ルール２は、このアフィリエイトに商品Ｆを推奨する根拠として使用されないであろう。

認識されるように、様々な他のパフォーマンス評価指標が各アフィリエイトサイト４０のパフォーマンスを評価するために使用され得る。例えば、あるカタログ商品に関するアフィリエイトのパフォーマンスが、さらにあるいは代替的に、（ａ）同じカテゴリの他のアフィリエイトと比較して、このアフィリエイトによって発生した収入額、及び／又は（ｂ）同じカテゴリの他のアフィリエイトと比較して、このアフィリエイトによって商品詳細ページへ紹介されたユーザの数に基づいて評価されうる。使用された特定のパフォーマンス評価指標にかかわらず、特定の商品に関するアフィリエイトの実際のパフォーマンスは予測されるパフォーマンスと比較されうる。ここで、予測されるパフォーマンスは、（ａ）他の商品に関するこのアフィリエイトのパフォーマンス、および（ｂ）同じカテゴリに分類されるアフィリエイトのような他のアフィリエイトのパフォーマンスの両方を考慮に入れる。

ブロック１００に示されているように、検出されるどんな著しい相違も、レポート作成モジュール６４（図１）にレポートされ、且つ、アフィリエイトに送信されるパフォーマンスレポートに組入れられる。推奨される各商品のために、レポート作成モジュール６４が、電子カタログ３４内の商品を指し示すアフィリエイトリンクを加えるための一連のＨＴＭＬあるいは他のコーディングを生成し、さらに、それらをレポートに組み入れる（図４のレポート例を参照）。アフィリエイトのユニークなＩＤを含むこのリンクコーディングは、アフィリエイトリンクをアフィリエイトサイト４０に加えるために、アフィリエイトによって関連のＨＴＭＬ文書にコピーされる。

IV．パフォーマンスレポートの例（図４）
図４は、アフィリエイトに推奨を提供するために使用されうるレポートフォーマットの一例を示す図である。この例において、レポートはアフィリエイトに３つの特定の製品を推奨し、且つ、これらの製品へのリンクを加えることによりそのアフィリエイトサイトを増補するためのＨＴＭＬコーディングを含んでいる。そのレポートは、さらになぜこれらの３つの製品が推奨されているか概略的な説明をも含んでいる。例えばアフィリエイトのこれらの製品の実際および予測の販売数量を明記するようなより詳細な説明が代替的に使用されてもよい。さらに、明示的な推奨を提供するのではなく、パフォーマンスレポートは生データを表示し、予測及び実際の販売数量間の相違がそのウェブサイト４０への変更を正当化するのに十分に著しいかどうかをアフィリエイトに決定させることもできる。

前述されたように、図４に示されているタイプの個人的レポートは自動的に（例えば一ヶ月一回）生成され、電子メールあるいは他の通信方式によってアフィリエイトに送信されることができる。さらに、エクストラネットあるいは他の対話型システムも提供され得る。アフィリエイトがそれらを通じて特定のレポートを対話式に要求し、閲覧することができる。

V．ハードウェアおよびソフトウェアコンポーネント
関連マイニングエンジン５８、相違検出モジュール６２およびレポート作成モジュール６４を含む図１に示されているパフォーマンス解析エンジン５４のコンポーネントは、１台以上の汎用コンピュータによって実行されるプログラムモジュール内に実施されることができる。これらのコンポーネント５８、６２、６４によって行われる機能は、共通のコンピュータプログラムへ統合され、あるいは個別のコンピュータプログラム（それらが同じコンピュータ上で実行するとは限らない）によって実施されることができる。図１に示されるデータベース４４、５０、６０は、データを格納するのに使用される任意タイプの電子リポジトリであってもよく、且つ、互い及び／又は他のデータベースと結合されてもよい。

オンライン販売ウェブサイト３０は、１台以上の汎用コンピュータによって実行されるサーバソフトウェアによって実施され得る。それらの汎用コンピュータは、パフォーマンス解析エンジン５４を実施するために使用される同一のコンピュータであってもよく、そうではなくてもよい。サイト３０のウェブページはＨＴＭＬ（Hypertext Markup Language）及び／又は別のマークアップ言語を使用してエンコードされうる。各アフィリエイトウェブサイト４０はそれぞれ、ＨＴＴＰ要求に応じてウェブページを提供することができる任意タイプのコンピュータシステムによって実施されうる。所定のアフィリエイトサイトは、単一のウェブページ（例えば個々のユーザの個人のページ）あるいはウェブページの集合から構成されうる。

ユーザは、ウェブブラウジング機能を提供する任意タイプのコンピューティング装置（パーソナルコンピュータ、ＰＤＡ、携帯電話など）を使用して、オンライン販売サイト３０およびアフィリエイトサイト４０をブラウズすることができる。典型的には、そのようなコンピューティング装置はそれぞれ、ＨＴＴＰ要求を生成することができるブラウザーソフトウェアを実行する。

商業システム３２を実施するために使用されるコンピュータは、１つ以上のコンピュータネットワークによって相互に接続され得、また、必要ではないが、互いにローカルに属することが可能である。アフィリエイトサイト４０をホストするコンピュータは、典型的には、商業システム３２のものから遠隔に位置する。

VI． コンテンツベース推奨
上記で説明された実施の形態において、あるアフィリエイトあるいはアフィリエイトサイト４０のパフォーマンスがそのアフィリエイトまたはアフィリエイトサイトに関連するトランザクションデータに基づいて評価される。さらにあるいは代替的に使用されうる別のアプローチが、アフィリエイトサイト４０のコンテンツをプログラム的にクロールし解析して、現在リストされている商品を特定することである。一旦この商品のセットが分かれば、１つ或いは複数のリストされている商品を購入する人々によって頻繁に購入される別の商品に関して推奨が提供され得る。対応するアフィリエイトカテゴリに特有の商品関連データ（例えば関連ルールのセット）が、この目的に使用されうる。

サイトコンテンツのプログラム的な解析の一部として、アフィリエイトサイト４０上の特定の商品が互いから分離されている程度が検出され分析され得る。例えば、強い関連が商品ＡとＢの間に存在するが、２つの商品がアフィリエイトサイト４０上で閾「距離」以上に（例えば、１つ以上のクリックによって、あるいは両方の商品がリストされるページ上の閾数以上の介在する商品によって）分離されている場合、パフォーマンスレポートは、これらの商品をより近辺にリストすることを示唆し得る。

VII．外部的に管理されたアフィリエイトプログラム
多くの既存のアフィリエイトプログラムが、Commission JunctionあるいはValueClickのようなサードパーティーアフィリエイトプログラムサービスプロバイダによって部分的にあるいは全面的に管理される。これらの「外部的に管理される」プログラムにより、オンライン販売サイト３０へのアフィリエイトリンク３８がそれぞれ、このサービスプロバイダによって運営される個別のコンピュータシステムあるいはサイトを実際にポイントする間接リンクであり得る。ユーザがそのようなリンク３８を選択する場合、サービスプロバイダサイトは、紹介人イベントを記録し、且つ、ユーザのブラウザーをオンライン販売ウェブサイト３０へ透過的にリダイレクトすることができる。サービスプロバイダサイトはさらに、オンライン販売サイト３０によってレポートされてくるトランザクションデータと共に、記録された紹介人情報を使用して、様々なアフィリエイトに支払われる紹介料を計算することができる。

このタイプの実施により、パフォーマンス解析エンジン５４（図１）が、商業システム３０の一部としてではなくサービスプロバイダサイトの一部として実施されうる。このタイプの実施の形態では、一台のパフォーマンス解析エンジン５４は、様々なオンライン販売サイト３０の様々なアフィリエイトプログラムのアフィリエイトにパフォーマンスレポートを提供することができる。そうでなければ、システムの実施が概ね図１に示され、上記で説明されたのと同じでありうる。

VIII．ウェブサービスの実施
パフォーマンス解析エンジン５４は、別のコンピュータシステムによってインターネットを通じて呼び出されることができるウェブサービスとしても実施され得る。この方法で、自分のアフィリエイトプログラムを実施する商業システム３２が、周期的にトランザクションデータのセットをウェブサービスへ渡すことができる。ここで、このウェブサービスはそのデータを使用して、上に説明されたタイプのパフォーマンスレポートを生成して返す。その後、パフォーマンスレポートが、対応するアフィリエイトに配送されてもよい。アフィリエイトプログラムサービスプロバイダも、またアフィリエイトに送るパフォーマンスレポートを得るためにウェブサービスを使用してもよい。

IX．別のタイプのオンライン販売者のための推奨
上記で説明されたシステムおよび方法は、実際に商品を販売するオンライン販売者のパフォーマンスを評価し、且つその販売者に推奨を提供するためにも使用されることができる。オンライン販売者は、例えば、自分のウェブサイトあるいはオンラインモール内の店先を有する商人を含み、及び／又は、オンライン市場あるいはオンライン競売サイト上で商品を販売する小企業エンティティーを含みうる。

上記で説明されたアフィリエイトベースの実施の形態のように、オンライン販売者が最初にカテゴリに分類されうる。これは下記の１つ以上の情報、即ち、（ａ）販売者が提供するカテゴリデータ、（ｂ）各オンライン販売者に関連するトランザクションデータ、（ｃ）各オンライン販売者によって提供されるカタログあるいはリストされているコンテンツ、を使用することにより達成されることができる。一旦オンライン販売者が特定の販売者カテゴリに割当てられれば、図２に示されている一般的なプロセスはそのような個々のカテゴリの商品関連ルールの個別セットを生成するために使用されることができる。例えば、「調理サプライの販売者」というカテゴリ用の関連ルールのセットを生成するために、このカテゴリ内のすべてのオンライン販売者の総計された販売データが、ＣＨＡＲＭアルゴリズムあるいは別の関連ルールマイニングアルゴリズムを使用して解析されうる。

最後に、図３に示されたプロセスは、特定のオンライン販売者のパフォーマンスを評価し、また販売者に特有のパフォーマンスレポートを生成するために使用されてもよい。例えば、調理サプライカテゴリ内の特定のオンライン販売者のパフォーマンスを評価するために、このカテゴリ用の関連ルールがこの特定の販売者の実際の販売データに適用されて、実際及び予測のパフォーマンス間の相違を特定することができる。その後、販売する商品の追加の推奨を含みうるこの解析の結果は、オンライン販売者に送信されてもい。

X．結論
ここに説明されたシステム及び方法はアフィリエイトへの別のタイプの推薦をするためにも使用されることができる。例えば、パフォーマンス解析エンジン５８が、さらにあるいは代替的に、アフィリエイトサイト４０上にリストする商品のカテゴリあるいはタイプを推奨してもよい。また、アフィリエイトが各々のサイト４０上にホストするバナー広告のような広告を選択することのできるアフィリエイトプログラムのために、パフォーマンス解析エンジン５８は、特定のフィリエイトサイトのパフォーマンスを改善するために該サイト上にホストする特定の広告を特定し推奨することができる。

本発明が特定の実施の形態および適用をもって説明されたが、ここに述べられた特徴及び利点のすべてを提供するとは限らない実施の形態を含む当業者にとって明らかな別の実施の形態および適用も、本発明の範囲内である。従って、本発明の範囲は添付されている特許請求の範囲によってのみ定められる。

本発明の一実施の形態による、アフィリエイトウェブサイトパフォーマンスを解析し、且つ、関連する商品推奨をアフィリエイトに提供するシステムのコンポーネントを示す図である。 関連ルールを生成するために、図１の関連マイニングエンジンによって行われうる一連のステップを示す図である。 特定のアフィリエイトサイトのパフォーマンスを解析するために、図１の相違検出モジュールによって行われる一連のステップを示す図である。 図１のレポート作成モジュールによって生成されうる一タイプのパフォーマンスレポートの一例を示す図である。

Claims (49)

1. アフィリエイトサイトによって紹介されたユーザによって電子カタログから行われた商品購入を記述するトランザクションデータを格納するデータリポジトリと、
   前記データリポジトリに格納された前記トランザクションデータを解析し、前記トランザクションデータを反映する関連ルールを生成する関連マイニングコンポーネントと、
   特定のアフィリエイトサイトによって紹介されたユーザによって行われた商品購入を記述する前記トランザクションデータと組み合わせて、前記関連マイニングコンポーネントによって生成された前記関連ルールを使用し、前記特定のアフィリエイトサイトの予測されたパフォーマンス及び実際のパフォーマンス間に相違が存在するか否かを評価する相違検出モジュールと、を含み、
   前記関連ルールが、紹介されたユーザの購入活動に基づいて関連付けされる商品を特定するアフィリエイトサイトパフォーマンスの解析システム。
2. 前記相違検出モジュールが、前記特定のアフィリエイトサイトによって紹介されたユーザによって購入された特定の商品の予測された数量及び実際の数量間に相違が存在するか否かを評価する請求項１に記載のアフィリエイトサイトパフォーマンスの解析システム。
3. 前記関連マイニングコンポーネントが、
   （ａ）１つ以上の商品の第１セットＸｌ及び１つ以上の商品の第２セットＸ２を特定し、（ｂ）Ｘｌの購買者がさらにＸ２をも購入する条件つき確率を規定する前記関連ルールを生成し、
   前記相違検出モジュールが、
   前記関連ルールを使用して、Ｘ２の中の商品に関して前記特定のアフィリエイトサイトのパフォーマンスを評価する請求項１に記載のアフィリエイトサイトパフォーマンスの解析システム。
4. 前記関連マイニングコンポーネントが、
   Ｘｌの購買者がさらにＸ２をも購入する条件つき確率を表すデータ値を含む前記関連ルールを生成し、
   Ｘｌ及びＸ２が１つ以上の商品のセットである請求項１に記載のアフィリエイトサイトパフォーマンスの解析システム。
5. 前記関連マイニングコンポーネントが、２つの商品のセットを単一商品にマッピングする前記関連ルールを生成し、
   前記相違検出モジュールが、前記関連ルールを使用して、前記単一商品に関して前記特定のアフィリエイトサイトのパフォーマンスを評価する請求項１に記載のアフィリエイトサイトパフォーマンスの解析システム。
6. 前記関連マイニングコンポーネントが、前記特定のアフィリエイトサイトが分類されるアフィリエイトサイトカテゴリに特有の前記関連ルールのセットを生成し、
   前記相違検出モジュールが、前記関連ルールの前記セットを使用し、前記カテゴリ内の別のアフィリエイトサイトのパフォーマンスと比較して、前記特定のアフィリエイトサイトのパフォーマンスを評価する請求項１に記載のアフィリエイトサイトパフォーマンスの解析システム。
7. 前記関連マイニングコンポーネントが、アフィリエイトによって提供されたカテゴリ情報を使用して、前記カテゴリに分類されるアフィリエイトサイトを特定する請求項６に記載のアフィリエイトサイトパフォーマンスの解析システム。
8. 前記相違検出モジュールによって検出された相違を反映するレポートを作成し、前記レポートを対応するアフィリエイトに送信するレポート作成モジュールをさらに含む請求項１に記載のアフィリエイトサイトパフォーマンスの解析システム。
9. 前記レポートが、リストする商品の推奨を含む請求項８に記載のアフィリエイトサイトパフォーマンスの解析システム。
10. ユーザをオンライン商業サイトへ紹介するアフィリエイトサイトのパフォーマンスを解析する、コンピュータによる実施方法であって、
    複数のアフィリエイトサイトによってオンライン商業サイトへ紹介されたユーザによってなされた購入を記述するトランザクションデータを格納するステップと、
    前記トランザクションデータに関連ルールマイニングアルゴリズムをプログラム的に適用して、前記ユーザによって一緒に購入される傾向がある商品を特定する関連ルールのセットを生成するステップと、
    特定のアフィリエイトサイトに関連する前記トランザクションデータと組み合わせて、前記関連ルールを使用することにより、前記特定のアフィリエイトサイトのパフォーマンスをプログラム的に解析し、前記特定のアフィリエイトサイトによって紹介されたユーザによって購入された特定の商品の予測された数量及び実際の数量間に相違が存在するか否かを評価するステップと、を含む方法。
11. 各前記関連ルールが、商品の第１セットＸｌ、及び商品の第２セットＸ２を特定し、且つ、Ｘｌの購買者がさらにＸ２をも購入する条件つき確率を規定する請求項１０に記載の方法。
12. 各前記関連ルールが、Ｘｌの購買者がさらにＸ２をも購入する条件つき確率を表すデータ値を含み、
    前記Ｘｌ及び前記Ｘ２が、１つ以上の商品の相互排除のセットである請求項１０に記載の方法。
13. 前記関連ルールの少なくとも１つが、２つの商品のセットを単一商品にマッピングする請求項１０に記載の方法。
14. 特定のアフィリエイトサイトのパフォーマンスが、前記特定のアフィリエイトサイトが分類される特定のアフィリエイトサイトカテゴリ内の別のアフィリエイトサイトのパフォーマンスと比較されるように、前記関連ルールの前記セットが、前記特定のアフィリエイトサイトカテゴリに特有である請求項１０に記載の方法。
15. 前記関連マイニングアルゴリズムをプログラム的に適用する前記ステップが、
    アフィリエイトによって提供されたカテゴリ情報を使用して、前記カテゴリに分類されるアフィリエイトサイトを特定する請求項１０に記載の方法。
16. 前記関連ルールが、特定タイプのアフィリエイトサイトに特有であり、前記タイプのアフィリエイトサイトに起因するトランザクションデータに基づいて生成される請求項１０に記載の方法。
17. 前記特定のアフィリエイトサイトのパフォーマンスをプログラム的に解析することによって検出された１つ以上の相違を反映する電子レポートを作成するステップと、
    前記レポートを対応するアフィリエイトへ送信するステップと、をさらに含む請求項１０に記載の方法。
18. 前記電子レポートが、前記特定のアフィリエイトサイト上でリストされるべき、少なくとも１つの推奨の商品を含む請求項１７に記載の方法。
19. 前記電子レポートが、商品に特有のアフィリエイトリンクを前記特別のサイトに加えるためのリンクコーディングを含む請求項１７に記載の方法。
20. 請求項１０の方法を実行するようにプログラムされたコンピュータシステム。
21. コンピュータシステムによって実行される場合、前記コンピュータシステムに請求項１０の方法を実行させるコンピュータプログラムを格納するコンピュータ読み取り可能な媒体。
22. ユーザをオンライン商業サイトへ紹介するアフィリエイトサイトのパフォーマンスを解析する、コンピュータによる実施方法であって、
    アフィリエイトサイトの複数のカテゴリのそれぞれに関して、各々のカテゴリに分類されるアフィリエイトサイトによって紹介されたユーザによって比較的頻繁に一緒に購入される商品を特定する商品関連データのセットをプログラム的に生成するステップと、
    複数のカテゴリ中の、特定のアフィリエイトサイトが分類される第１カテゴリのための前記商品関連データのセットを、前記特定のアフィリエイトサイトに関連するトランザクションデータと比較することにより、前記第１カテゴリに分類される前記特定のアフィリエイトサイトのパフォーマンスをプログラム的に解析するステップと、を含む方法。
23. 前記特定のアフィリエイトサイトのパフォーマンスをプログラム的に解析する前記ステップが、前記パフォーマンスを改善するために前記特定のアフィリエイトサイトに加えるべき商品を特定するステップを含む請求項２２に記載の方法。
24. 前記特定のアフィリエイトサイトのパフォーマンスをプログラム的に解析する前記ステップが、前記特定のアフィリエイトサイトによって紹介されたユーザによって購入された特定の商品の予測された数量及び実際の数量間に相違が存在するか否かを評価するステップを含む請求項２２に記載の方法。
25. 前記特定のアフィリエイトサイトのパフォーマンスのプログラムによる解析によって検出された１つ以上の相違を反映する電子レポートを作成するステップと、
    前記レポートを対応するアフィリエイトに送信するステップと、をさらに含む請求項２４に記載の方法。
26. 前記電子レポートが、前記特定のアフィリエイトサイト上でリストされるべき、少なくとも１つの推奨の商品を含む請求項２５に記載の方法。
27. 前記商品関連データの各セットが、１つ以上の関連ルールを含む請求項２２に記載の方法。
28. 各前記関連ルールが、商品の第１セットＸｌ、及び商品の第２セットＸ２を特定し、且つ、Ｘｌの購買者がさらにＸ２をも購入する条件つき確率を規定する請求項２７に記載の方法。
29. 前記関連ルールの少なくとも１つが、２商品のセットを単一商品にマッピングする請求項２７に記載の方法。
30. 前記商品関連データが、特定の商品が一緒に購入される頻度を反映するデータ値を含む請求項２２に記載の方法。
31. 前記商品関連データを生成する前記ステップが、
    アフィリエイトによって提供されたカテゴリ情報を使用し、複数のカテゴリのそれぞれに分類されるアフィリエイトサイトを識別するステップを含む請求項２２に記載の方法。
32. 各カテゴリの前記商品関連データを生成する前記ステップが、（ａ）アフィリエイトサイトのコンテンツ、及び（ｂ）前記アフィリエイトサイトによって紹介されたユーザによってなされた購入、のうちの少なくとも１つに基づいてアフィリエイトサイトをプログラム的に分類するステップを含む請求項２２に記載の方法。
33. 請求項２２の方法を実行するようにプログラムされたコンピュータシステム。
34. コンピュータシステムによって実行される場合、前記コンピュータシステムに請求項２２の方法を実行させるコンピュータプログラムを格納するコンピュータ読み取り可能な媒体。
35. オンライン販売者のパフォーマンスを解析する、コンピュータによる実施方法であって、
    オンライン販売者の複数のカテゴリのそれぞれに関して、各々のカテゴリ内の１つ以上のオンライン販売者から商品を購入したユーザの商品購入パターンを反映する商品関連ルールのセットをプログラム的に生成するステップと、
    前記複数のカテゴリ内の、特定のオンライン販売者が分類される第１カテゴリのための前記商品関連ルールのセットを、前記特定のオンライン販売者に関連するトランザクションデータと比較することにより、前記第１カテゴリに分類される前記特定のオンライン販売者のパフォーマンスをプログラム的に解析するステップと、を含む。
36. 所定のカテゴリのための前記商品関連ルールのセットが、前記所定のカテゴリに分類されるオンライン販売者の顧客によって比較的頻繁に一緒に購入される商品を特定する請求項３５に記載の方法。
37. 前記商品関連ルールのそれぞれのセットをプログラム的に生成する前記ステップが、それぞれのカテゴリに分類される複数のオンライン販売者の総計された商品販売データを解析するステップを含む請求項３５に記載の方法。
38. 前記特定のオンライン販売者のパフォーマンスをプログラム的に解析する前記ステップが、前記特定のオンライン販売者に推薦する商品を特定するステップを含む請求項３５に記載の方法。
39. 前記特定のオンライン販売者のパフォーマンスをプログラム的に解析する前記ステップが、前記特定のオンライン販売者によって販売された特定の商品の予測された数量及び実際の数量間に相違が存在するかを評価するステップを含む請求項３５に記載の方法。
40. 前記特定のオンライン販売者のパフォーマンスのプログラムによる解析によって検出された１つ以上の相違を反映する電子レポートを作成するステップと、
    前記レポートを対応する前記特定のオンライン販売者に送信するステップと、をさらに含む請求項３９に記載の方法。
41. 前記レポートが、前記特定のオンライン販売者によってリストされるべき、少なくとも１つの推奨の商品を含む請求項４０に記載の方法。
42. 各商品関連ルールが、商品の第１セットＸｌ、及び商品の第２セットＸ２を特定し、また、Ｘｌの購買者がさらにＸ２をも購入する条件つき確率を規定する請求項３５に記載の方法。
43. 前記商品関連ルールの少なくとも１つが、２つの商品のセットを単一商品にマッピングする請求項３５に記載の方法。
44. 前記商品関連ルールを生成する前記ステップが、オンライン販売者によって提供されたカテゴリ情報を使用し、複数のカテゴリのそれぞれに分類されるオンライン販売者を特定するステップを含むこと請求項３５に記載の方法。
45. 前記オンライン販売者が、電子モールシステムの商人を含む請求項３５に記載の方法。
46. 前記オンライン販売者が、（ａ）電子市場、および（ｂ）オンライン競売システム、のうちの少なくとも１つの販売者を含む請求項３５に記載の方法。
47. 複数の前記オンライン販売者が、特定の商品をアフィリエイトウェブサイト上にリストして販売するアフィリエイトを含む請求項３５に記載の方法。
48. 請求項３５の方法を実行するようにプログラムされたコンピュータシステム。
49. コンピュータシステムによって実行される場合、前記コンピュータシステムに請求項３５の方法を実行させるコンピュータプログラムを格納するコンピュータ読み取り可能な媒体。
    

Images