JP2008545200A - 広告をターゲット化する統計システムの方法及び装置 - Google Patents

Abstract

システムはユーザプロファイルをユーザに関する情報に基づいて分析する。システムは、アプリケーションのタイプ及びアプリケーション環境に関連するコンテンツコンテキストプロファイルを分析する。システムは、複数の属性を含む複数の広告に関連する広告プロファイルを分析する。次に、システムは、少なくとも一つの好適な広告を複数の広告から条件付きで選択してユーザに対して表示する。少なくとも一つの好適な広告は、ユーザプロファイル、広告プロファイル、及びコンテンツコンテキストプロファイルの統計分析に基づいて選択される。

Description

従来の技術では、潜在顧客に対する広告の掲載が種々の媒体によって可能であり、例えばこれらの広告を電子的に配信する、広告をウェブサイトに表示する、または検索エンジンを使って表示する。広告はウェブサイトに広告バナーで表示することができる。広告は検索エンジンにスポンサー広告として表示することができる。

従来の検索エンジンは、ユーザがクエリ（すなわち、キーワードまたはキーワードフレーズ）を検索エンジンクエリフォームに入力すると、ウェブサイトリストを作成する。結果（すなわち、ウェブサイトのリスト）が、検索エンジンのアルゴリズムが決定する最高関連度から最低関連度（クエリに関する）の順番に表示される。ユーザは、ユーザによる選択のリストに基づいて選択（すなわち、クリック）を行なう。

検索エンジン最適化技術をウェブサイト上で使用して、これらのウェブサイトに関して関連度の高い順に出力される関連度リスト（ｈｉｇｈ ｌｉｓｔｉｎｇ）を検索エンジン結果に反映させることができる。例えば、ヨットを販売するウェブサイトは、ユーザが「ヨット（ｓａｉｌｂｏａｔｓ）」というクエリを検索エンジンクエリフォームに入力すると必ず、「ヨット」が検索エンジン結果の最初のページに現われるようにしようとする。この現象は多くの場合、「有機的な検索エンジンリスト」または「本質的な検索エンジンリスト」と表記される。

広告主が、関連度の高い順に出力される関連度リスト（すなわち、ｐｒｏｍｉｎｅｎｔ ｌｉｓｔｉｎｇ：関連度の高い順のリスト表示）を検索エンジン結果に反映させるサービスに対して対価を支払いたいと希望する場合、スポンサー広告を利用することができる。スポンサー広告は「有機的な検索エンジンリスト」と一緒ではあるが、「有機的な検索エンジンリスト」とは別のディスプレイ上の領域に表示される。例えば、検索エンジンによって変わるが、スポンサー広告は「有機的な検索エンジンリスト」の上方に、またはディスプレイの余白部分の内部に表示される。

広告主は、スポンサー広告を検索エンジンが提供するフォーマット化されたガイドラインに従って作成する。広告はウェブサイトへのハイパーリンク（すなわち、ユニバーサルリソースロケータ、或いは「ＵＲＬ」として知られる）を含む。ハイパーリンクに関連するウェブサイトページは「ランディングページ」と表記される、というのは、ウェブサイトページはユーザが該当するスポンサー広告を選択する（すなわち、「クリックする」）ときに到達するページであるからである。

広告主によって、広告主がスポンサーとなる広告がユーザクエリ（すなわち、キーワードまたはキーワードフレーズ）に応答して現われる時点が決まる。すなわち、ユーザが検索エンジンに入力するキーワードまたはキーワードフレーズによって、広告主がスポンサーとなる広告の表示を開始する。例えば、ヨット販売及び修理店の広告主は、ユーザが「ヨット」というキーワードを検索エンジンクエリとして入力するときに、広告主がスポンサーとなる広告が現われることを希望する。或いは、ヨット販売及び修理店の広告主は、ユーザが「ヨット修理」というキーワードフレーズを検索エンジンクエリとして入力するときに、広告主がスポンサーとなる広告が現われることを希望する。

広告主は、キーワードまたはキーワードフレーズを選択し、そしてこれらと同じキーワードまたはキーワードフレーズを含むユーザクエリに対して広告主がスポンサーとなる広告が現われることを同じように希望する他の広告主と競合することにより、スポンサー広告に対して支払いを行なう。複数の広告主は互いよりも「高い値を付けて」、キーワードまたはキーワードフレーズを含むユーザクエリに応答して、これらの広告主がスポンサーとなる広告の表示のランク付けに影響を与えようとする。

ユーザがキーワードまたはキーワードフレーズを含むクエリを入力すると、スポンサー広告（これらの広告に関して、広告主はキーワードまたはキーワードフレーズに値を付けている）が表示される。スポンサー広告が表示される現象は「インプレッション（ｉｍｐｒｅｓｓｉｏｎ）」と表記される。通常、広告主はこのような広告インプレッションに対する支払いは行なわない。しかしながら、ユーザがスポンサー広告を選択する（すなわち、クリックする）と、広告主は当該選択に対して課金される。広告主には、スポンサー広告の表示（すなわち、インプレッション）を生じさせたキーワードまたはキーワードフレーズに広告主が値付けした全ての金額が課金される。ユーザがスポンサー広告をクリックするたびに、広告主は当該選択に対して課金される。これは「ペイパークリック（ｐａｙ ｐｅｒ ｃｌｉｃｋ）」モデルとして知られる、何故なら、広告主はスポンサー広告に対して、ユーザがスポンサー広告を選択する（すなわち、クリックする）ときにのみ支払いを行なうからである。

スポンサー広告を使用して潜在顧客をターゲットにする従来の技術は種々の不具合を有する。詳細には、スポンサー広告を使用して潜在顧客をターゲットにする従来の技術は、スポンサー広告が表示されるときの対象となる潜在顧客に関する情報が、皆無ではないが、ほとんどないという点で限界がある。更に、スポンサー広告を検索エンジンに登録して表示する場合、潜在顧客が入力するキーワードまたはキーワードフレーズ（ＫＷｓ）によって、どのスポンサー広告が潜在顧客に対して表示されるかが決まるが、この場合、これらの広告が当該潜在顧客に関する最適の広告であるかどうかについてはほとんど考慮されていない。ここで、広告という用語は、これらには制限されないが、ターゲット化に適する全てのタイプの広告及び関連マーケティングコンテンツを含むことができ、マーケティングコンテンツとして、「純広告」、「バナー広告」、「スポンサードリンク」、「プロモーション」、及び「ディスカウント販売」を挙げることができる。

本明細書に開示する実施形態はこのような不具合をほとんど解決するものであり、そしてユーザにとって好ましい広告を選択する広告選択プロセスを実行するコンピュータシステムを含むシステムを提供する。広告選択プロセスは、３つの要素を含む。システムのコア部分にはユーザプロファイラーが設けられ、ユーザプロファイラーは、広告視聴者の中のユーザの嗜好を要約する。ユーザプロファイラーへの入力は、これらには制限されないが、ユーザの直近の興味を含む。これらの直近の興味は、最近のサーチ、クリック、ページ閲覧、購入、これまでの広告クリック及び広告インプレッション、及び適切な個人プロファイルを含む。適切な個人プロファイルは、音楽、映画、テレビ、ゲーム、サーチ（すなわち、ショッピング、ビデオ、画像のようなウェブサーチ）、及び小売商品に関するユーザの嗜好及び趣味を含む。登録データは、ユーザの年齢及び性別のような人口学的情報、家庭内の子供の数、及び家庭収入のような社会的経済情報、及び現住所または郵便番号のような地理的情報などを含む。システムは広告選択プロセスを自動的に更新してユーザの広告関連嗜好を取り込む。

コンテンツ及びコンテキストプロファイリング要素は、広告及びスポンサードリンク（ＳＬｓ）が表示されるコンテキストを分析する。例えば、広告が表示されるコンテキストはウェブページ、サーチ結果ページ、携帯機器、コールセンターなどを含む。この要素は更に、乗用車、コンピュータ、及び電子機器、アパレルなどのようなページのコンテンツを分析する。コンテンツ及びコンテキストプロファイリングは、広告選択集合を関連広告（例えば、自動車広告は、健康及び薬剤に関するウェブページよりも乗用車及びトラックに関するウェブページに、より大きな関連性を有する）に限定する、そして／またはトピックをサーチ、ショッピングなどを通して最新の形で探索するように、ユーザの嗜好をユーザの「現在の」ニーズに読み替えることにより広告ターゲット化をサポートする。従って、プロモーション広告または情報広告は、購入プロセスにおいて推測されるユーザの段階によって変わる形で表示される。

広告プロファイリング要素は、広告の属性を分析し、収集し、そして可能であれば作成する行為を指す。広告はメタデータに通常、広告主、または広告主の広告代理店によって関連付けられて、所望のターゲット視聴者セグメントを表示する。例えば、特定の場所に住んで居て、最近の７日の間に「デジタルカメラ」についてサーチした、または調査した１８〜２４歳の人間は或る地域のカメラ販売業者であると特定される。インターネット現場では、広告はクリックスルーのウェブページの属性により表わされる。例えば、システムは、ユーザを男性用アパレルに関するウェブページに誘導する広告は、現時点で衣服を買い物している男性に狙いを定めていると推測する。

ここで、ここに開示する実施形態の適用はインターネット広告媒体に限定されないことに留意されたい。実施形態は全ての広告媒体及び流通媒体に広く適用され、これらの媒体として、ウェブ、ダイレクトメール、カタログ、小売キオスクまたは街頭キオスク、着信及び発信コール／カスタマーサービスセンター、携帯機器、ＴＶなどを挙げることができる。

ここに開示する実施形態は広告選択プロセスを含み、広告選択プロセスはユーザプロファイルをユーザに関する情報に基づいて作成する。広告選択プロセスは更に、ユーザの広告掲載環境に関連するコンテンツコンテキストプロファイルを作成する。次に、広告選択プロセスは複数の広告（複数の属性を含む）に関連する広告プロファイルを分析する。次に、広告選択プロセスは、少なくとも一つの好適な広告を、複数の広告から条件付で選択してユーザに対して表示する。好適な広告は、ビジネス最適化メトリックに従って調整されるユーザプロファイル、広告プロファイル、及びコンテンツコンテキストプロファイルの統計分析に基づいて選択される。

例えば、一の実施形態が動作している状態において、ユーザがキーワードフレーズ「Ｃａｐｅ Ｃｏｄ」を検索エンジンに入力すると仮定する。広告選択プロセスはユーザのユーザプロファイルをユーザに関する情報に基づいて作成している。ユーザプロファイルは、ユーザがウェブサイトサーチの前にこれまでに訪問したウェブサイト、ユーザが選択した広告、購入した製品及びサービスなどを含む。ユーザプロファイルに基づいて、ユーザは一つ以上のコホート（ｃｏｈｏｒｔ：集団）に分類される。広告選択プロセスは更に、ユーザが居て、しかも潜在広告が掲載されることになる現在の環境に関連するコンテンツコンテキストプロファイル、例えばユーザが「Ｃａｐｅ Ｃｏｄ（コッド岬）」に関する情報をサーチしていて、しかもユーザが検索エンジンでナビゲートされているコンテンツコンテキストプロファイルを作成する。広告選択プロセスは複数の広告に関連する広告プロファイルを分析する。ユーザプロファイル、コンテンツコンテキストプロファイル、及び広告プロファイルを使用して、広告選択プロセスはユーザにとって好ましい広告を選択する。例えば、ユーザが大学生のコホートに分類される場合、広告選択プロセスは「Ｃａｐｅ Ｃｏｄ」に宿泊する際の費用、及び／又は「Ｃａｐｅ Ｃｏｄ」での雇用に関する「好適な」広告を選択することになる。

本明細書に開示する他の実施形態はいずれかのタイプのコンピュータ化デバイス、ワークステーション、ハンドヘルドまたはラップトップコンピュータなどを含み、これらの要素はソフトウェア及び／又は回路（例えば、プロセッサ）によって構成されて、本明細書に開示する複数の方法的動作のいずれか、または全てを処理する。別の表現をすると、プログラムする、または構成することにより本明細書の説明に従って動作するコンピュータまたはデータ通信デバイス、或いはいずれかのタイプのプロセッサのようなコンピュータ化デバイスは本明細書に開示する実施形態と考えられる。

本明細書に開示する他の実施形態は、上に要約し、そして以下に詳細に開示するステップ及び動作を実行するソフトウェアプログラムを含む。このような一つの実施形態は、コンピュータ読み取り可能な媒体を有するコンピュータプログラム製品を含み、コンピュータ読み取り可能な媒体は、媒体にエンコードされるコンピュータプログラムロジックを含み、コンピュータプログラムロジックを、メモリ及びプロセッサを接続した形で有するコンピュータ化デバイスで実行すると、コンピュータプログラムロジックによってプロセッサがプログラムされて本明細書に開示する動作を実行する。このような構成は通常、コンピュータ読み取り可能な媒体に格納される、またはエンコードされるソフトウェア、コード、及び／又は他のデータ（例えば、データ構造）として供給され、コンピュータ読み取り可能な媒体として、光学媒体（例えば、ＣＤ−ＲＯＭ）、フロッピィまたはハードディスク、または一つ以上のＲＯＭチップ、ＲＡＭチップ、またはＰＲＯＭチップ、或いは特定用途向け集積回路（ＡＳＩＣ）のファームウェアまたはマイクロコードのような他の媒体を挙げることができる。ソフトウェアまたはファームウェア、或いは他の構成をコンピュータ化デバイスに実装すると、コンピュータ化デバイスは本明細書に開示する実施形態において説明される技術を実施することができる。

ここで、本明細書に開示するシステムはソフトウェアプログラムとして、ソフトウェア及びハードウェアとして、またはハードウェアのみとして厳密に具体化することができることを理解されたい。本明細書に開示する実施形態は、マサチューセッツ州ケンブリッジ市に本拠を置くＣｈｏｉｃｅＳｔｒｅａｍ Ｉｎｃ．が製造するデバイスのような、データ通信デバイス及び他のコンピュータ化デバイス、及びこのようなデバイスのソフトウェアシステムに用いることができる。

これまでの記述は、本明細書に開示する特定の実施形態についての以下の記述を添付の図を参照することにより明らかになり、これらの図では、同様の参照記号は種々の図の全体を通じて同じ構成要素を指す。これらの図は、必ずしも寸法通りには描かれていないが、その代わり、本明細書に開示する原理を示すときの強調点が分かり易いようになっている。

ここに開示する実施形態は、広告選択プロセスを実行するコンピュータシステムを含み、広告選択プロセスはユーザに最適な広告を選択する。ここで、広告選択プロセスは複数のコンピュータシステムで実行することができることに注目されたい。広告選択プロセスは３つの要素を含む。システムのコア部分にはユーザプロファイラーが設けられ、ユーザプロファイラーは広告視聴者の中のユーザの嗜好を要約する。ユーザプロファイラーへの入力は、これらには制限されないが、ユーザの直近の興味を含む。これらの興味として、最近のサーチ、クリック（すなわち、ユーザによる選択）、ページ閲覧、購入、これまでの広告クリック及びインプレッション、及び適切な個人プロファイルを挙げることができる。適切な個人プロファイルとして、音楽、映画、テレビ、ゲーム、サーチ（すなわち、ショッピング、ビデオ、画像などのようなウェブサーチ）、及び小売商品に関するユーザの嗜好及び趣味を挙げることができる。登録データは、ユーザの年齢及び性別のような人口学的情報、家庭内の子供の数、及び家庭収入のような社会的経済情報、及び現住所または郵便番号のような地理的情報などを含む。システムは広告選択プロセスを自動的に更新してユーザの広告関連嗜好を取り込む。

コンテンツ及びコンテキストプロファイリング要素は、広告及びスポンサードリンクが表示されるコンテキスト（背景）を分析する。例えば、広告が表示されるコンテキストはウェブページ、サーチ結果ページ、携帯機器、コールセンターなどを含む。この要素は更に、乗用車、コンピュータ、及び電子機器、アパレルなどのようなページのコンテンツを分析する。コンテンツ及びコンテキストプロファイリングは、広告選択集合を関連広告（例えば、自動車広告は、健康及び薬剤に関するウェブページよりも乗用車及びトラックに関するウェブページに、より大きな関連性を有する）に限定する、そして／またはトピックをサーチ、ショッピングなどを通して最新の形で探索するように、ユーザの嗜好をユーザの「現在の」ニーズに読み替えることにより広告ターゲット化をサポートする。従って、プロモーション広告または情報広告は、購入プロセスにおいて推測されるユーザの段階によって変わる形で表示されることになる。

広告プロファイリング要素は、広告の属性を分析し、収集し、そして可能であれば作成する行為を指す。広告はメタデータに、通常、広告主または広告主の広告代理店によって関連付けられて、所望のターゲット視聴者セグメントを表示する。例えば、特定の場所に住んで居て最近の７日の間に「デジタルカメラ」についてサーチした、または調査した１８〜２４歳の人間は特定の地域のカメラ販売業者であると特定される。インターネット現場では、広告はクリックスルーウェブページの属性により表わされる。例えば、システムは、ユーザを男性用アパレルに関するウェブページに誘導しようとする広告は、現時点で衣服を買い物している男性に狙いを定めていると推測する。

ここで、ここに開示する実施形態の適用はインターネット広告媒体に限定されないことに留意されたい。実施形態は全ての広告媒体及び流通媒体に広く適用され、これらの媒体として、ウェブ、ダイレクトメール、カタログ、小売キオスクまたは街頭キオスク、着信及び発信コール／カスタマーサービスセンター、携帯機器、ＴＶなどを挙げることができる。

ここに開示する実施形態は広告選択プロセスを含み、広告選択プロセスはユーザプロファイルをユーザに関連する情報に基づいて作成する。広告選択プロセスは更に、ユーザの広告掲載環境に関連するコンテンツコンテキストプロファイルを作成する。次に、広告選択プロセスは複数の広告（複数の属性を含む）に関連する広告プロファイルを分析する。次に、広告選択プロセスは、少なくとも一つの好適な広告を複数の広告から条件付で選択してユーザに対して表示する。好適な広告は、ビジネス最適化メトリックに従って調整されるユーザプロファイル、広告プロファイル、及びコンテンツコンテキストプロファイルの統計分析に基づいて選択される。

図１は、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５の高レベルのブロック図である。好適な広告１２５−１は広告選択プロセス１４０−２によって、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５の統計分析に基づいて選択される。広告選択プロセス１４０−２は更に、プロファイルを作成し直し、そしてユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５をステート更新部１５４によって更新し、ステート更新部は広告プロファイラー１５１、コンテンツ／コンテキストプロファイラー１５２、及びユーザプロファイラー１５３からの入力を受け入れる。コンテンツ／コンテキストプロファイラー１５２はコンテンツコンテキスト入力１６３を受け入れる。スコアラー１５７、広告セレクタ１５８、及び広告プロファイラー１５１は、広告１６２を入力として受け入れる。好適な広告１２５−１はアプリケーション環境１５９内のユーザ１０８に対して表示される。ユーザのアクティビティ１６４、及びユーザ情報及び反応１６５は、好適な広告１２５−１に関連するクリック及びノンクリック１６１情報と一緒に、ユーザプロファイラー１５３にフィードバックされる。ここで、これらの要素の内のいずれの要素も同じコンピュータシステムで、または複数のコンピュータシステムで実行することができることに留意されたい。

図２は、コンピュータシステム１１０のアーキテクチャ例を示すブロック図であり、コンピュータシステムは広告選択アプリケーション１４０−１及びプロセス１４０−２を実行し、作動させ、解釈し、操作し、または実施する。コンピュータシステム１１０は、パーソナルコンピュータ、ワークステーション、携帯型コンピューティングデバイス、コンソール、ラップトップ、またはネットワーク端末などのようないずれかのタイプのコンピュータデバイスである。この例に示すように、コンピュータシステム１１０は、データバスまたは他の回路のような相互接続メカニズム１１１を含み、相互接続メカニズムは、メモリシステム１１２、プロセッサ１１３、入力／出力インターフェース１１４、及び通信インターフェース１１５を接続する。入力デバイス１１６（例えば、キーボード、マウスなどのような一つ以上のユーザ／開発者制御デバイス）はプロセッサ１１３にＩ／Ｏインターフェース１１４を通して接続され、そして入力デバイス１１６によってユーザ１０８は入力コマンドを供給し、そして広告選択アプリケーション１４０−１及びプロセス１４０−２がディスプレイ１３０上で実現するグラフィカルユーザインターフェース１６０をほぼ制御する。グラフィカルユーザインターフェース１６０は、複数の広告から選択される少なくとも一つの好適な広告１２５−１をユーザ１０８に対して表示する。

メモリシステム１１２はいずれかのタイプのコンピュータ読み取り可能な媒体であり、そしてこの例では、メモリシステム１１２に、広告選択アプリケーション１４０−１をエンコードして書き込む。広告選択アプリケーション１４０−１は、ここに記載する種々の実施形態による処理機能をサポートするデータ及び／又は論理命令のようなソフトウェアコード（例えば、メモリに格納される、またはリムーバブルディスクのようなコンピュータ読み取り可能な媒体に記録されるコード）として具体化することができる。コンピュータシステム１１０が動作している状態では、プロセッサ１１３はメモリシステム１１２に相互接続１１１を通してアクセスして、広告選択アプリケーション１４０−１の論理命令を開始し、走らせ、実行し、解釈し、または実施する。広告選択アプリケーション１４０−１をこのようにして実行することにより、処理機能が広告選択プロセス１４０−２に組み込まれる。別の表現をすると、広告選択プロセス１４０−２は、コンピュータデバイス１１０のプロセッサ１１３内で、またはプロセッサ１１３上でランタイム時に行なわれる、または実行される広告選択アプリケーション１４０−１（または、アプリケーション１４０−１全体）のランタイムインスタンスの一つ以上の部分を表わす。

次に、ここに説明する構成に関して更に詳細を示すが、詳細は、ここに開示する高レベルの動作を示し、かつコンテンツフォーマット化プロセスを実行する処理ステップのフローチャートを参照しながら提示される。

図３は、広告選択プロセス１４０−２がユーザプロファイル１４５をユーザ１０８に関する情報に基づいて分析する場合に広告選択プロセス１４０−２によって行なわれるステップの一の実施形態である。

ステップ２００では、広告選択プロセス１４０−２はユーザプロファイル１４５をユーザ１０８に関する情報に基づいて分析する。ユーザプロファイル１４５は、広告視聴者の中のユーザ１０８の嗜好を要約したものである。ユーザプロファイラー１４５への入力は、これらに制限されないが、最近のサーチ、クリック、ページ閲覧、購入、これまでの広告クリック及びインプレッション、及び適切な個人プロファイルを含み、適切な個人プロファイルとして、音楽、映画、ＴＶ、ゲーム、ウェブサーチ（すなわち、ショッピング、ビデオ、画像などのような一般的な階層的サーチ及び特定の階層的サーチにおける）、及び小売商品に対するユーザ１０８の嗜好及び趣味を挙げることができる。ユーザプロファイル１４５の登録データとして、年齢及び性別のような人口学的情報、家庭内の子供の数、及び家庭収入のような社会的経済情報、及び現住所または郵便番号のような地理的情報などを挙げることができる。広告選択プロセス１４０−２はユーザ１０８の広告関連嗜好を自動的に更新する。

ステップ２０１では、広告選択プロセス１４０−２は、アプリケーションのタイプ、及びアプリケーション環境に関連するコンテンツコンテキストプロファイル１５５を分析する。コンテンツコンテキストプロファイル１５５は、広告及びスポンサードリンクが現われるコンテキストを把握したものである。例えば、広告が現われるコンテキストは、ウェブページ、サーチ結果ページ、携帯機器、コールセンターなどを含む。プロセスは更に、乗用車、コンピュータ、アパレルなどのようなページのコンテンツを把握する。コンテンツ及びコンテキストプロファイリングは広告ターゲット化をサポートするが、このサポートは、広告選択集合を関連広告（例えば、自動車広告は、健康及び薬剤に関するウェブページよりも乗用車及びトラックに関するウェブページに対する関連性が高い）に限定し、そして／またはトピックをサーチ、ショッピングなどを通して最新の形で探索するユーザによる行動を分析するように、ユーザ１０８の嗜好をユーザ１０８の「現在の」ニーズに読み替えることにより行なわれる。従って、プロモーション広告または情報広告は購入プロセスにおいて推定されるユーザの段階によって変わる形で現われる。

ステップ２０２では、広告選択プロセス１４０−２は、複数の広告に関連する広告プロファイルを分析する。複数の広告は複数の属性を含む。これらの広告はメタデータに、通常広告主または広告主の代理店によって関連付けられて、所望のターゲット視聴者セグメントを表示する。例えば、特定の場所に住んで居て、「デジタルカメラ」を最近の７日間にオンラインサーチした１８〜２４歳の人は、特定の地域のカメラ販売業者であると特定される。インターネット現場では、広告はクリックスルーウェブページの属性により表わされる。例えば、広告選択プロセス１４０−２は、ユーザ１０８を男性用アパレルに関するウェブページに誘導する広告は、現時点で衣服を買い物している男性に狙いを定めていると推測する。

ステップ２０３では、広告選択プロセス１４０−２は、少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して表示する。好適な広告１２５−１は、ビジネス最適化メトリックに従って調整されるユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５の統計分析に基づいて選択される。一の実施形態においては、広告選択プロセス１４０−２では、複数の広告の内のいずれの広告も好適な広告１２５−１の基準を満たすとは認められなかったので、広告が全く選択されない。

図４は、広告選択プロセス１４０−２が少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して表示する場合に広告選択プロセス１４０−２によって行われるステップの一の実施形態である。

ステップ２０４では、広告選択プロセス１４０−２はユーザプロファイル１４５を作成する。ユーザプロファイル１４５は、広告選択プロセス１４０−２がユーザ１０８について収集した情報に基づいて作成される。この情報が無い状態では、広告選択プロセス１４０−２はユーザ１０８に関する仮定を導入し、そしてデフォルトユーザプロファイル１４５を仮定に基づいて作成する。

ステップ２０５では、広告選択プロセス１４０−２はユーザプロファイル１４５に関する情報のステートを初期化する。情報のステートは広告選択プロセス１４０−２によって、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５を分析するステップ、及び好適な広告１２５−１を条件付きで選択するステップが行われている間は維持される。

ステップ２０６では、広告選択プロセス１４０−２はユーザプロファイル１４５を作成し直す。或る実施形態例では、広告選択プロセス１４０−２はユーザプロファイル１４５を定期的に作成し直して、確実にユーザプロファイル１４５の精度を高くし、そしてユーザからの新規情報及びアクティビティを把握する。

ステップ２０７では、プロファイルを作成し直した後、広告選択プロセス１４０−２はユーザプロファイル１４５に関する情報のステートを更新する。
図５は、広告選択プロセス１４０−２が、少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して表示する場合に広告選択プロセス１４０−２によって行われるステップの続きの実施形態である。

ステップ２０８では、広告選択プロセス１４０−２はコンテンツコンテキストプロファイル１５５を作成する。
ステップ２０９では、広告選択プロセス１４０−２はコンテンツコンテキストプロファイル１５５に関する情報のステートを初期化する。コンテンツコンテキストプロファイル１５５に関する情報のステートは広告選択プロセス１４０−２によって、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５を分析するステップ、及び好適な広告１２５−１を条件付きで選択するステップが行われている間は維持される。

ステップ２１０では、広告選択プロセス１４０−２はコンテンツコンテキストプロファイル１５５を作成し直す。
ステップ２１１では、プロファイルを作成し直した後、広告選択プロセス１４０−２はコンテンツコンテキストプロファイル１５５に関する情報のステートを更新する。

図６は、広告選択プロセス１４０−２が、少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して表示する場合に広告選択プロセス１４０−２によって行われるステップの続きの実施形態である。

ステップ２１２では、広告選択プロセス１４０−２は広告プロファイル１５０を作成する。
ステップ２１３では、広告選択プロセス１４０−２は広告プロファイル１５０に関する情報のステートを初期化する。広告プロファイル１５０に関する情報のステートは広告選択プロセス１４０−２によって、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５を分析するステップ、及び好適な広告１２５−１を条件付きで選択するステップが行われている間は維持される。

ステップ２１４では、広告選択プロセス１４０−２は広告プロファイル１５０を作成し直す。
ステップ２１５では、プロファイルを作成し直した後、広告選択プロセス１４０−２は広告プロファイル１５０に関する情報のステートを更新する。

別の構成として、ステップ２１６では、広告選択プロセス１４０−２は好適な広告１２５−１に対するユーザ１０８の反応を評価する。広告選択プロセス１４０−２は好適な広告１２５−１を、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５の統計分析に基づいて選択してユーザ１０８に対して表示し、そして好適な広告１２５−１に対するユーザ１０８の反応を評価する。例えば、広告選択プロセス１４０−２は好適な広告１２５−１を、ユーザ１０８が閲覧しているウェブサイトに表示する。ユーザ１０８は好適な広告１２５−１をクリックするか、または無視する。

ステップ２１７では、広告選択プロセス１４０−２はユーザ１０８の反応（好適な広告１２５−１の表示に対する）を利用して次の項目の内の少なくとも一つを実行する。
ｉ）ユーザプロファイル１４５の再分析。
ｉｉ）ユーザプロファイル１４５に関する情報のステート、コンテンツコンテキストプロファイル１５５に関する情報のステート、及び広告プロファイル１５０に関する情報のステートの新規更新。
ｉｉｉ）好適な広告１２５−１を条件付きで選択するステップの分析。

ユーザプロファイル、及びデフォルトコホート（ｄｅｆａｕｌｔ ｃｏｈｏｒｔ）へのユーザプロファイルの初期化
図７は、広告選択プロセス１４０−２がユーザプロファイル１４５をユーザ１０８に関する情報に基づいて分析する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２１８では、広告選択プロセス１４０−２はユーザプロファイル１４５をユーザ１０８に関する情報に基づいて分析する。例えば、ユーザ１０８に関する情報は、ユーザのインターネットアクティビティを利用して求めることができる。

ステップ２１９では、広告選択プロセス１４０−２はユーザ１０８を少なくとも一つのコホートに分類し、このコホートは次の項目の内の少なくとも一つを含む。
ｉ）人口学的コホート、
ｉｉ）地理的コホート、
ｉｉｉ）潜在的コホート、及び
ｉｖ）広告嗜好コホート。

ステップ２２０では、広告選択プロセス１４０−２は確率論的コホート選択手法を使用してユーザ１０８を潜在的コホートに分類する。或る実施形態例では、広告選択プロセス１４０−２はユーザ１０８を、当該ユーザ１０８に適する複数のコホートに分類する。

或る実施形態例では、次の公式を使用する。
注記：
Ｐｒ（．）＝括弧内のイベントの確率、
ＳＬ＝スポンサードリンク（いずれかのタイプの広告、プロモーション、クーポンなどを表わす略字）、
ＫＷ＝スポンサードリンクをスポンサードリンクサーバから必要に応じて取得するために使用されるキーワード、
ＳＱ＝ユーザが最近行なった検索クエリのベクトル、
Ｕ＝ユーザによる検索クエリに関する情報に付加されるユーザのプロファイルのベクトル、
ｃ（Ｕ）＝Ｕに基づくユーザのコホート、潜在的コホートとすることができる
Ａ＝ＳＬのユーザ関連属性のベクトル、
Ｘ＝コンテンツコンテキスト属性のベクトルであり、この場合のコンテンツコンテキストは、リンク／広告などが掲載されているコンテンツコンテキストである
Ｒｅｖ（）＝クリックによるポータルまたはサイトへの収入（または、他の成功結果）。

ここで、Ｘ（コンテンツコンテキスト）は、広告／リンクが表示される（旅行サイト、資金運用サイト、健康サイトなどに）ことになるアプリケーションに関する情報だけでなく、表示日（平日、休日、または週末日のような）及び表示時刻（勤務時間または夕方のような）に関する情報への誘導を含む、すなわちクリックする性向の変化を予測し、かつユーザの一般的属性に付加される全ての測定可能な要素を含むことに注目されたい。例えば、バレンタインデーの直前の段階でのユーザ１０８の興味及びクリック動作は、スーパーボウルの直前の段階でのそれとは異なる可能性がある。更に、深夜の利用は勤務時間中の利用とは異なる雰囲気を生み出す。

いずれのＳＬの関連属性Ａも、関連ウェブページ／ウェブサイトＵＲＬを分析するアトリビューターによって、またはリンク／広告の制作者が提供する明示的な情報によって帰属させることができる。アトリビューターは自動システムとすることができる、またはヒューマンスコアラー（ｈｕｍａｎ ｓｃｏｒｅｒｓ）を使用することができる、或いはこれらの組み合わせとすることができる。

ユーザの関連情報はＵベクトルである。実際、Ｕに関する測定誤差は、潜在的コホート及びベイジアンの交換可能性を導入することにより扱われる。
ターゲットシステムの通常の設定では、複数のＳＬのポートフォリオを選択することにより期待収入を最大化しようとする。より簡単な事例について考察するが、この事例では、我々は或るユーザに関する最良の単一のＳＬを見付け出そうとする：

クリック確率はロジットモデル（または、プロビットモデル）としてモデル化される：

上の式では、インデックスＩ_{Ａ，Ｘ｜Ｕ}＝Ａｂ_１Ｕ＋Ｘｂ_２Ｕ＋ＡＸｂ_３Ｕはコホート固有の係数を持ち、そしてインデックスによってＡとＸとの間で必要な相互作用が可能になる。

提案クリックモデル形態の内の一つのモデル形態−潜在的コホートクリックモデル：
クラス／コホートメンバーシップモデル：ユーザ１０８の履歴が与えられると、クラスメンバーシップモデルは、ユーザ１０８が広告コンテキストに関連する特定の潜在的コホートｃに含まれる確率を予測する。我々が考察するクラスメンバーシップモデルには、多項ロジットクラスメンバーシップモデルのような多くのタイプのクラスメンバーシップモデルが存在する：

上の式では、Ｖｃ（Ｕ）＝ｆ（Ｕ；θ_ｃ）であり、θ_ｃは推定対象のパラメータベクトルであり、そしてＫは潜在的コホートの数を示す（−−通常、３〜５個の潜在的コホートが、目標とされるスポンサードリンクに関する我々の初期アプリケーションにおいて十分であることが立証されている）。

クリックモデルによって与えられる潜在的コホート：潜在的コホートが与えられると、クリックモデルは特定の広告をクリックする確率を予測し、当該確率は次式のように表わされる。

上の式では、Ｉ_{Ａ，Ｘ｜ｃ}＝ｇ（Ａ，Ｘ；ｂ_ｃ）である。例えば、Ｉ_{Ａ，Ｘ｜ｃ}は、パラメータに関して線形であるインデックス関数として指定する、すなわちＩ_{Ａ，Ｘ｜ｃ}＝Ａ_ｂ１ｃ＋Ｘ_ｂ２ｃ＋ＡＸ_ｂ３ｃとして指定される。ここで、条件付きクリックモデルの係数はコホートごとに変化することに留意されたい。

２つのサブモデルを合成すると、クリックモデルは次式のように表わされる。

潜在的コホートのクリック選択モデルの係数は、最大尤度法によって、またはベイジアン法によって推定され、この場合、ベイジアン法の方が堅牢性が高いことが立証されている。スポンサーリンク広告（ＳＬ）のターゲット化に関する潜在的コホートの条件付きロジットモデルは、掲載される複数のＳＬに関して観察されるユーザクリック（及びノンクリック）のデータに基づいて推定される。クリックデータは、アプリケーションの使用に類似するコンテキストから得られる（または、それ以外の場合は調整される）。実際、複数のＳＬに対するクリック率は低くなる（多くの場合、１％未満）；このような場合、我々は、非常に少ないクリックイベントの全てのデータを使用することを、すなわちＮ回の観察値を１０Ｎ回のノンクリック観察値のランダムサンプルと合成することにより、所望の勾配係数に関する偏りのない効率的な推定値を取得することができることを見出した。

ユーザ１０８に対するモデル係数の更新、すなわちモデル係数を個人に算定し直す処理は、ベイジアンモデルを用いた更新方法により行なわれる。
別の構成として、ステップ２２１では、広告選択プロセス１４０−２はユーザ１０８をデフォルトコホートに分類する。一の実施形態では、広告選択プロセス１４０−２はユーザ１０８に関して少ない情報しか持たないので、ユーザ１０８を適切なコホートに分類することができない。広告選択プロセス１４０−２はユーザ１０８をデフォルトコホートに分類する。広告選択プロセス１４０−２がユーザ１０８に関してもっと多くの情報を取得すると、広告選択プロセス１４０−２はユーザ１０８を適切なコホートまたは適切な複数のコホートに分類する機能を高めることができる。

ステップ２２２では、広告選択プロセス１４０−２はユーザ１０８のデフォルトプロファイルを継承する。或る実施形態例では、広告選択プロセス１４０−２はユーザ１０８をデフォルトコホートに分類し、そして当該ユーザ１０８に関するデフォルトプロファイルを継承する。

ユーザに関する情報、及びユーザのアクティビティ
図８は、広告選択プロセス１４０−２がユーザ１０８を少なくとも一つのコホートに分類する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２２３では、広告選択プロセス１４０−２はユーザ１０８を少なくとも一つのコホートに分類し、このコホートは次の項目の内の少なくとも一つを含む。
ｉ）人口学的コホート、
ｉｉ）地理的コホート、
ｉｉｉ）潜在的コホート、及び
ｉｖ）広告嗜好コホート。

ステップ２２４では、広告選択プロセス１４０−２はユーザ１０８に関する情報を分析し、この情報は次の項目の内の少なくとも一つを含む。
ｉ）ユーザ１０８に関する少なくとも一つの人口学的情報、
ｉｉ）ユーザ１０８に関する少なくとも一つの社会経済的特徴、
ｉｉｉ）ユーザ１０８の少なくとも一つのロケーション、
ｉｖ）ユーザによる少なくとも一つの格付け、
ｖ）少なくとも一つのウェブページハイパーリンク選択、
ｖｉ）少なくとも一つのウェブページ閲覧、
ｖｉｉ）ユーザ１０８によって選択される少なくとも一つの広告インプレッション、
ｖｉｉｉ）ユーザ１０８によって選択されない少なくとも一つの広告インプレッション、
ｉｘ）少なくとも一つの最近の検索クエリ、及び
ｘ）少なくとも一つのユーザの最近の興味。

ステップ２６３では、広告選択プロセス１４０−２はユーザによる格付けを分析し、この格付けは次の項目の内の少なくとも一つを含む。
ｉ）ユーザが製品に関して行なう少なくとも一つの格付け、
ｉｉ）ユーザが娯楽に関して行なう少なくとも一つの格付け、
ｉｉｉ）ユーザが映画に関して行なう少なくとも一つの格付け、
ｉｖ）ユーザが音楽に関して行なう少なくとも一つの格付け、
ｖ）ユーザがテレビ番組に関して行なう少なくとも一つの格付け、及び
ｖｉ）ユーザがリッチメディアに関して行なう少なくとも一つの格付け。

ステップ２２５では、広告選択プロセス１４０−２は検索クエリを分析し、この検索クエリは次の項目の内の少なくとも一つを含む。
ｉ）ウェブに関する情報を検索する少なくとも一つの検索クエリ、
ｉｉ）製品に関する情報を検索する少なくとも一つの検索クエリ、
ｉｉｉ）娯楽に関する情報を検索する少なくとも一つの検索クエリ、
ｉｖ）映画に関する情報を検索する少なくとも一つの検索クエリ、
ｖ）音楽に関する情報を検索する少なくとも一つの検索クエリ、
ｖｉ）テレビに関する情報を検索する少なくとも一つの検索クエリ、
ｖｉｉ）ビデオに関する情報を検索する少なくとも一つの検索クエリ、
ｖｉｉｉ）メディアに関する情報を検索する少なくとも一つの検索クエリ、及び
ｉｘ）画像に関する情報を検索する少なくとも一つの検索クエリ。

別の構成として、ステップ２２６では、広告選択プロセス１４０−２はユーザ１０８の最近の興味を分析し、この興味は次の項目の内の少なくとも一つを含む。
ｉ）最近検索した少なくとも一つのクエリ、
ｉｉ）最近訪問した少なくとも一つのページ、
ｉｉｉ）最近選択した少なくとも一つの広告、
ｉｖ）最近購入した少なくとも一つの製品、
ｖ）最近買い物した少なくとも一つの製品、及び
ｖｉ）ユーザ１０８に関連する少なくとも一つの現在のロケーション。

広告のタイプ
図９は、広告選択プロセス１４０−２が複数の広告に関連する広告プロファイルを分析する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２２７では、広告選択プロセス１４０−２は複数の広告に関連する広告プロファイルを分析する。複数の広告は複数の属性を含む。
ステップ２２８では、広告選択プロセス１４０−２は複数の広告の中の少なくとも一つの候補となる広告を分析する。候補となる広告は次の項目の内の少なくとも一つを含む。
ｉ）テキスト広告、
ｉｉ）バナー広告、
ｉｉｉ）リッチメディア広告、
ｉｖ）マーケティングプロモーション、
ｖ）クーポン、及び
ｖｉ）製品推奨。

ステップ２２９では、広告選択プロセス１４０−２は候補となる広告のタイトルを分析する。例えば、スポンサー広告は広告のタイトルを含むことができる。多くの場合、タイトルは、広告がユーザ１０８を誘導する誘導先のウェブページにハイパーリンクされる。

ステップ２３０では、広告選択プロセス１４０−２は候補となる広告に関連するユニバーサルリソースロケータ（ＵＲＬ）を分析する。例えば、スポンサー広告は、ユーザ１０８を広告が指定するウェブサイトロケーションに誘導するハイパーリンクを含む。

ステップ２３１では、広告選択プロセス１４０−２は提案及び推奨を作成し、これらの提案及び推奨を広告主に返送して候補となる広告のコンテンツの変更を提案して、候補となる広告がユーザ１０８にとって魅力的なものとなるようにする。或る実施形態例では、広告選択プロセス１４０−２は、例えばスポンサー広告を検査する。広告選択プロセス１４０−２は、スポンサー広告のタイトル、スポンサー広告のコンテンツだけでなく、スポンサー広告内のハイパーリンクがユーザ１０８を誘導する到達ページを分析する。広告選択プロセス１４０−２は提案及び推奨を作成し、これらの提案及び推奨を広告主に返送してスポンサー広告に対する変更を提案し、スポンサー広告がより大きな結果（例えば、ユーザ１０８の関心を惹き付けて購入を判断させるなど）をもたらすことができる。

コンテンツコンテキストプロファイルのタイプ及び属性
図１０は、広告選択プロセス１４０−２が、アプリケーションのタイプ、及びアプリケーション環境に関連するコンテンツコンテキストプロファイル１５５を分析する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２３２では、広告選択プロセス１４０−２は、アプリケーションのタイプ、及びアプリケーション環境に関連するコンテンツコンテキストプロファイル１５５を分析する。例えば、コンテキストは１日の内の時刻、１週間の内の曜日、スポンサー広告を掲載しているエリアの目的などを含む。

ステップ２３３では、広告選択プロセス１４０−２はコンテンツコンテキストプロファイルを作成し、コンテンツコンテキストプロファイルは次の項目の内の少なくとも一つを含む。
ｉ）候補となる広告が表示されるウェブページ、
ｉｉ）候補となる広告が表示される携帯機器、
ｉｉｉ）候補となる広告が表示されるカスタマーサービスプラットフォーム、
ｉｖ）候補となる広告が表示されるコールセンター、
ｖ）候補となる広告が表示されるキオスク、
ｖｉ）候補となる広告が表示されるメディアプラットフォーム、
ｖｉｉ）候補となる広告が表示されるイベントに関連するキャンペーン、
ｖｉｉｉ）候補となる広告がユーザ１０８に対して表示されることになる所望の場所、
ｉｘ）複数のウェブページ、及び
ｘ）検索から得られる複数のウェブページ。

ステップ２３４では、広告選択プロセス１４０−２は、コンテンツコンテキストプロファイル１５５に関連する少なくとも一つの属性を分析する。属性は次の項目の内の少なくとも一つを含む。
ｉ）候補となる広告が表示されるウェブページの少なくとも一つの属性、
ｉｉ）候補となる広告が表示される携帯機器の少なくとも一つの属性、
ｉｉｉ）候補となる広告が表示されるカスタマーサービスプラットフォームの少なくとも一つの属性、
ｉｖ）候補となる広告が表示されるコールセンターの少なくとも一つの属性、
ｖ）候補となる広告が表示されるキオスクの少なくとも一つの属性、
ｖｉ）候補となる広告が表示されるメディアプラットフォームの少なくとも一つの属性、
ｖｉｉ）候補となる広告が表示されるイベントに関連するキャンペーンの少なくとも一つの属性、
ｖｉｉｉ）候補となる広告がユーザ１０８に対して表示されることになる所望の場所の少なくとも一つの属性、
ｉｘ）複数のウェブページの少なくとも一つの属性、及び
ｘ）検索から得られる複数のウェブページの少なくとも一つの属性。

広告プロファイリング及び広告属性の分析
図１１は、広告選択プロセス１４０−２が複数の広告に関連する広告プロファイル１５０を分析する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２３５では、広告選択プロセス１４０−２は複数の広告に関連する広告プロファイル１５０を分析する。複数の広告は、広告のタイトルなどのような複数の属性を含む。

ステップ２３６では、広告選択プロセス１４０−２は少なくとも一つの属性を分析し、属性は次の項目の内の少なくとも一つを含む。
ｉ）複数の広告の中の少なくとも一つの候補となる広告に関連するメタデータ、
ｉｉ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つのサウンド、
ｉｉｉ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つの画像、
ｉｖ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つのカラー、
ｖ）複数の広告の中の少なくとも一つの候補となる広告に関連するサイズ、
ｖｉ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つの潜在的属性、
ｖｉｉ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つの広告主指定のタグ、及び
ｖｉｉｉ）広告がユーザ１０８を誘導する誘導先のウェブページに関連する少なくとも一つのウェブページ属性。

別の構成として、ステップ２３７では、広告選択プロセス１４０−２は、複数の広告の内の少なくとも一つの広告がユーザ１０８を誘導する誘導先のロケーションを分析する。例えば、スポンサー広告は、ユーザ１０８を、広告に関連するより多くの情報を含むウェブページに誘導するハイパーリンクを含む。

ステップ２３８では、広告選択プロセス１４０−２は、ロケーションの少なくとも一つの特徴を属性化する。或る実施形態例では、広告は、或るウェブページを指示するスポンサー広告である。広告選択プロセス１４０−２はウェブページを分析し、そして当該ウェブページの属性を特定する。

ステップ２３９では、広告選択プロセス１４０−２は、提案及び推奨を作成して、広告がユーザ１０８を誘導する誘導先のロケーションの特徴の変更を提案し、広告がユーザ１０８にとって魅力的なものとなるようにする。例えば、広告選択プロセス１４０−２がウェブページの属性を特定した後、広告選択プロセス１４０−２は、当該ウェブページに対する変更を推奨してスポンサー広告の売上を増やす。或る実施形態例では、広告選択プロセス１４０−２は、広告がユーザ１０８を誘導する誘導先のロケーションの少なくとも一つの特徴の変更を推奨して、広告がユーザ１０８にとって魅力的なものとなるようにする。

最適化メトリック
図１２は、広告選択プロセス１４０−２が少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して提示する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２４０では、広告選択プロセス１４０−２は少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して提示する。好適な広告１２５−１は、ビジネス最適化メトリックに従って調整されるユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５の統計分析に基づいて選択される。或る実施形態例では、次の公式を使用する。
注記：
Ｐｒ（．）＝括弧内のイベントの確率、
ＳＬ＝スポンサードリンク（いずれかのタイプの広告、プロモーション、クーポンなどを表わす略字）、
ＫＷ＝スポンサードリンクをスポンサードリンクサーバから必要に応じて取得するために使用されるキーワード、
ＳＱ＝ユーザが最近行なった検索クエリのベクトル、
Ｕ＝ユーザによる検索クエリに関する情報に付加されるユーザのプロファイルのベクトル、
ｃ（Ｕ）＝Ｕに基づくユーザのコホート、潜在的コホートとすることができる
Ａ＝ＳＬのユーザ関連属性のベクトル、
Ｘ＝コンテンツコンテキスト属性のベクトルであり、この場合のコンテンツコンテキストは、リンク／広告などが掲載されているコンテンツコンテキストである
Ｒｅｖ（）＝クリックによるポータルまたはサイトへの収入（または、他の成功結果）。

ここで、Ｘ（コンテンツコンテキスト）は、広告／リンクが表示される（旅行サイト、資金運用サイト、健康サイトなどに）ことになるアプリケーションに関する情報だけでなく、表示日（平日、休日、または週末日のような）及び表示時刻（勤務時間または夕方のような）に関する情報への誘導を含む、すなわちクリックする性向の変化を予測し、かつユーザの一般的属性に付加される全ての測定可能な要素を含むことに注目されたい。例えば、バレンタインデーの直前の段階でのユーザ１０８の興味及びクリック動作は、スーパーボウルの直前の段階でのそれとは異なる可能性がある。更に、深夜の利用は勤務時間中の利用とは異なる雰囲気を生み出す。

いずれのＳＬの関連属性Ａも、関連ウェブページ／ウェブサイトＵＲＬを分析するアトリビューターによって、またはリンク／広告の制作者が提供する明示的な情報によって帰属させることができる。アトリビューターは自動システムとすることができる、またはヒューマンスコアラー（ｈｕｍａｎ ｓｃｏｒｅｒｓ）を使用することができる、或いはこれらの組み合わせとすることができる。

ユーザの関連情報はＵベクトルである。実際、Ｕに関する測定誤差は、潜在的コホート及びベイジアンの交換可能性を導入することにより扱われる。
ターゲットシステムの通常の設定では、複数のＳＬのポートフォリオを選択することにより期待収入を最大化しようとする。より簡単な事例について考察するが、この事例では、我々は或るユーザに関する最良の単一のＳＬを見付け出そうとする：

クリック確率はロジットモデル（または、プロビットモデル）としてモデル化される：

上の式では、インデックスＩ_{Ａ，Ｘ｜Ｕ}＝Ａｂ_１Ｕ＋Ｘｂ_２Ｕ＋ＡＸｂ_３Ｕはコホート固有の係数を持ち、そしてインデックスによってＡとＸとの間で必要な相互作用が可能になる。

ステップ２４１では、広告選択プロセス１４０−２は最適化条件を利用して、好適な広告１２５−１の選択に条件を付ける。
別のクリックモデルの別の形態−ランダム係数クリックモデル：
クリックモデルの係数は次式のように指定される：
β_Ｕ＝ΓＵ＋ζ_Ｕ
上の式では、嗜好の体系的不均一性はΓＵによって生じ、ζ_Ｕはユーザ固有の要素を表わす。従って、ランダム係数クリックモデルは次式のように表わされる：

上の式では、ｈ（Ｖ_Ｕ）はＶ_Ｕの確率密度関数である。クリックモデルシステムのパラメータは、最大尤度またはベイジアンＭＣＭＣを使用し、ランダム係数に対して、多変量正規分布のような分布仮定を用いることにより推定される。説明を簡単にし、かつ例示を行なうために、パラメータに関して線形となる例が、クリックモデルの係数の方程式で示される。非線形モデルの例はランダム係数クリックモデルシステムに使用される。ユーザ１０８に対するモデル係数の更新、すなわちモデル係数を個人に算定し直す処理は、ベイジアンモデルを用いた更新方法により行なわれる。

実際、性別、年齢、及び最近の訪問エリア情報に基づくコホートのような、コホート差が検出され、そしてこのようなユーザ固有属性は、潜在的コホートクリックモデルの潜在的コホートメンバーシップモデルに入力されるか、またはランダム係数クリックモデルの体系的不均一性要素に入力される。

広告選択プロセス１４０−２は、Ｕが不完全にしか判明しないユーザ１０８に関する項を積分することに役立つ。従って、次式が得られる。

上の式では、Ｕ_１は不完全プロファイルである。

ステップ２４２では、広告選択プロセス１４０−２は最適化メトリックを定義して、複数の見込みユーザ１０８に対して表示される候補となる広告が複数の見込みユーザ１０８によって選択される割合を定義するクリックスルーレートを取り入れる。

別の構成として、ステップ２４３では、広告選択プロセス１４０−２は最適化メトリックを定義して、候補となる広告が少なくとも一人の見込みユーザ１０８に対して表示される割合に基づく予測広告収入を取り入れる。予測広告収入は次の項目の内の少なくとも一つを含む：
ｉ）広告掲載エンジン収入、及び
ｉｉ）広告主収入。

より簡単な事例（上に例示した）について考察するが、この事例では、我々はユーザに関する最良の単一のＳＬ（スポンサードリンク）を見付け出そうとする：

上の式では、Ｒｅｖ（ＳＬ）は広告掲載サイトに関する収入、または広告主に関する収入のいずれかとすることができる。

別の構成として、ステップ２４４では、広告選択プロセス１４０−２は、少なくとも一つの候補となる広告に関連する少なくとも一つの属性に重み付けする。ユーザプロファイル１４５に関する情報のステート、コンテンツコンテキストプロファイル１５５に関する情報のステート、及び広告プロファイル１５０に関する情報のステートに対する量の見積もりに起因する重み付けが属性を評価する。

クリック予測
図１３は、広告選択プロセス１４０−２が少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して提示する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２４５では、広告選択プロセス１４０−２は少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して提示する。好適な広告１２５−１は、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５の統計分析に基づいて選択される。

ステップ２４６では、広告選択プロセス１４０−２は、ユーザ１０８が好適な広告１２５−１を選択する確率を計算する。この確率は、次の項目の内の少なくとも一つに基づいて計算される：
ｉ）ユーザプロファイル１４５、
ｉｉ）広告プロファイル１５０、及び
ｉｉｉ）コンテンツコンテキストプロファイル１５５。

ステップ２４７では、広告選択プロセス１４０−２は、クリック予測確率を次の項目の内の少なくとも一つに基づいて公式化する：
ｉ）潜在的コホートクリックモデル、及び
ｉｉ）ランダム係数クリックモデル。

ステップ２４８では、広告選択プロセス１４０−２は、これらのプロファイルの全てに関する情報のステートに基づく履歴データを利用して、ユーザ１０８が好適な広告１２５−１を選択する確率を計算するために使用される少なくとも一つのパラメータを推定する。

クリック及びノンクリックの特定及び分析
図１４は、広告選択プロセス１４０−２が、好適な広告１２５−１に対するユーザ１０８の反応を評価する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２４９では、広告選択プロセス１４０−２は好適な広告１２５−１に対するユーザ１０８の反応を評価する。好適な広告１２５−１は複数の広告から、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５の統計分析に基づいて選択される。

ステップ２５０では、広告選択プロセス１４０−２は、ユーザ１０８が選択する複数の広告を含むユーザ選択広告のサブセットを特定する。或る構成例では、複数の好適な広告１２５−Ｎがユーザ１０８に対して表示され、そしてユーザ１０８はこれらの好適な広告１２５−Ｎのサブセットを選択する。

ステップ２５１では、広告選択プロセス１４０−２は、ユーザ１０８が選択しない複数の広告を含む非ユーザ選択（すなわち、「クリックされる」）広告のサブセットを特定する。或る構成例では、複数の好適な広告１２５−Ｎがユーザ１０８に対して表示され、そしてユーザ１０８が選択しない好適な広告１２５−Ｎは広告選択プロセス１４０−２によって特定される。

ユーザからの反応について
図１５は、広告選択プロセス１４０−２がユーザ１０８の反応を利用して、ユーザプロファイル１４５、広告プロファイル１５０、及びコンテンツコンテキストプロファイル１５５を再分析し、そして更新する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２５２では、広告選択プロセス１４０−２はユーザ１０８の反応を利用して次の項目の内の少なくとも一つを実行する：
ｉ）ユーザプロファイル１４５の再分析、
ｉｉ）ユーザプロファイル１４５に関する情報のステート、コンテンツコンテキストプロファイル１５５に関する情報のステート、及び広告プロファイル１５０に関する情報のステートの新規更新、及び
ｉｉｉ）好適な広告１２５−１を条件付きで選択するステップの分析。

ステップ２５３では、広告選択プロセス１４０−２は、好適な広告１２５−１に関するスコアを評価し、スコアは次の項目に基づいて評価される：
ｉ）好適な広告１２５−１に対するユーザ１０８の行動、
ｉｉ）ユーザ１０８のアクティビティ履歴、
ｉｉｉ）コンテンツコンテキストプロファイル１５５の少なくとも一つの属性、
ｉｖ）広告プロファイル１５０の少なくとも一つの属性、及び
ｖ）ユーザ１０８に関連する少なくとも一つのユーザプロファイル１４５。

別の構成として、ステップ２５４では、広告選択プロセス１４０−２は、或る属性重みを、好適な広告１２５−１に関連する少なくとも一つの属性に割り当てる。
ステップ２５５では、広告選択プロセス１４０−２は、好適な広告１２５−１に関連するユーザ１０８のアクティビティ履歴を収集する。アクティビティ履歴は、ユーザが広告を選択したかどうか、到達ページを訪問したかどうか、到達ページから購入を行なったかどうかなどを含むことができる。

ステップ２５６では、広告選択プロセス１４０−２は、属性重みをユーザ１０８のアクティビティ履歴に基づいて調整する。例えば、ユーザ１０８が或るウェブページを３回訪問する。広告選択プロセス１４０−２は、属性重みをユーザ１０８に関連するこのアクティビティに基づいて調整する。

全てのプロファイルに関する情報のステートの更新
図１６は、広告選択プロセス１４０−２がユーザプロファイル１４５に関する情報のステートを更新する場合に広告選択プロセス１４０−２によって行われるステップの実施形態である。

ステップ２５７では、プロファイルを作り直した後、広告選択プロセス１４０−２はユーザプロファイル１４５に関する情報のステートを更新する。
ステップ２５８では、広告選択プロセス１４０−２は蓄積履歴を次の項目の内の少なくとも一つに基づいて収集する。
ｉ）ユーザ１０８が選択する複数の広告に関連する履歴、
ｉｉ）非ユーザ１０８が選択する複数の広告に関連する履歴、
ｉｉｉ）複数のコホートに分類される複数のユーザ１０８に関連する複数のユーザプロファイル１４５、
ｉｖ）複数の広告プロファイル１５０、及び
ｖ）複数のコンテンツコンテキストプロファイル１５５。

別の構成として、ステップ２５９では、広告選択プロセス１４０−２はユーザプロファイル１４５を、次の項目の内の少なくとも一つに基づいて定期的に更新する：
ｉ）例えばプロセスを夜に実行するなどの指定更新頻度、及び
ｉｉ）ユーザプロファイル１４５を更新するプロセスを起動するユーザ１０８の最近のアクティビティ。例えば、ユーザ１０８が好適な広告１２５−１を選択することにより購入を行なうと、ユーザプロファイル１４５を更新するプロセスが起動される。

クエリを変更してスポンサー広告を間接的に取得する処理
図１７は、広告選択プロセス１４０−２が、少なくとも一つの好適な広告１２５−１を複数の広告から条件付きで選択してユーザ１０８に対して提示する場合に広告選択プロセス１４０−２によって行われるステップの続きの実施形態である。

ステップ２６０では、広告選択プロセス１４０−２は少なくとも一つのクエリをユーザ１０８から受信する。或る実施形態例では、ユーザ１０８はキーワードフレーズを検索エンジンに入力する。

ステップ２６１では、広告選択プロセス１４０−２はクエリを変更して、クエリの変更によって、好適な広告１２５−１を選択する処理が最適化されるようにする。或る実施形態例では、ユーザ１０８はキーワードフレーズ、例えば「Ｃａｐｅ Ｃｏｄ（コッド岬）」を検索エンジンに入力する。広告選択プロセス１４０−２はキーワードフレーズを「Ｃａｐｅ Ｃｏｄ ｖａｃａｔｉｏｎｓ Ｍａｒｔｈａ’ｓ Ｖｉｎｅｙａｒｄ（コッド岬休暇マーサズビンヤード島）」に変更して好適な広告１２５−Ｎの選択を最適化し、ユーザ１０８に対して表示する。

ステップ２６２では、広告選択プロセス１４０−２は、ユーザ１０８に関する情報を分析してクエリに必要な変更を決定し、この変更によって、好適な広告１２５−１を選択する処理を最適化する。或る実施形態例では、キーワードフレーズを変更する前に、広告選択プロセス１４０−２は、ユーザ１０８に関する情報、例えばユーザ１０８のこれまでのウェブ操作を分析して、最適な結果をユーザ１０８にもたらすために必要な変更を決定する。

ステップ２６４では、広告選択プロセス１４０−２は、広告の少なくとも一つのサブセットを複数の広告から選択し、広告の少なくとも一つのサブセットは多種性及び多様性を取り入れるために選択されるポートフォリオとしてグループ化され、広告の少なくとも一つのサブセットは、ユーザプロファイルに関する情報のステート、コンテンツコンテキストプロファイルに関する情報のステート、及び広告プロファイルに関する情報のステートを統計的に分析することにより決定される複数の異なるグループの複数の広告の内の少なくとも一つの広告を含むポートフォリオとしてグループ化される。

ポートフォリオ考察
ターゲットシステムは多様性を一連の掲載スポンサードリンクに次のタイプのメカニズムを利用して生じさせる：
・キーワードの属性のクラスタリング：広告／スポンサードリンクを属性化するために使用される分類法が与えられる場合、我々は多様性をスポンサードリンクに、これらのリンクを複数の属性に渡って分散させることにより生じさせることができる。例えば、ユーザに関する最上位候補キーワード（ＫＷｓ）が「ベースボールキャップ（野球帽）」、「バスケットボール」、及び「５０セント」である場合、広告選択プロセス１４０−２は、「ベースボールキャップ」及び「５０セント」を使用してスポンサードリンクを取得する。広告選択プロセス１４０−２は、「ベースボール」及び「バスケットボール」を外す、というのは、これらのキーワードは「スポーツ」クラスターに属し、このクラスターの中では、「ベースボールキャップ」が最高値ＫＷであるからである。
・最近の検索クエリのクラスタリング：最近の検索クエリをトークン化し、そしてクラスタリングアルゴリズムを使用して渡して、検索クエリのクラスターを特定する。これらのクラスターは２つの目標に役立つ：
・多様性を、スポンサードリンクを生成するために選択される検索クエリに、クラスターをスキップすることにより生じさせる。例えば、検索クエリのユーザ履歴が「ベースボールキャップ」、「ベースボール」、「５０セント」を検索履歴に持っていた場合、広告選択プロセス１４０−２は、一つだけスポーツクラスターに含まれないようにする。

・ユーザの現在の興味の強さを特定のエリア／カテゴリーの中に特定し、この強さは、ユーザが当該エリアのスポンサードリンクをクリックする可能性に肯定的に関連付けられる。

別の表現をすると、広告選択プロセス１４０−２は、いずれか一つのキーワード、またはキーワードフレーズによって結果がほぼ決まってしまうことがないようにする。コンピュータシステムまたは方法について、コンピュータシステムまたは方法の構成を参照しながら上に詳細に示し、そして説明してきたが、この技術分野の当業者であれば、形態及び詳細に関する種々の変更をコンピュータシステムまたは方法に、ここに開示する技術範囲から逸脱しない限り加え得ることが理解できるであろう。従って、ここに開示する情報は、上に提示する構成例によって制限されるものではない。

本明細書に開示する一の実施形態による、ユーザプロファイル、広告プロファイル、及びコンテンツコンテキストプロファイルを含む広告選択プロセスの高レベルのブロック図を示す。 本明細書に開示する一の実施形態によるコンピュータシステムの高レベルのブロック図を示す。 本明細書に開示する一の実施形態による、広告選択プロセスがユーザプロファイルをユーザに関する情報に基づいて分析するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスがユーザプロファイルをユーザに関する情報に基づいて作成するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスがコンテンツコンテキストプロファイルをユーザに関する情報に基づいて作成するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが広告プロファイルをユーザに関する情報に基づいて分析するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスがユーザプロファイルを分析し、そしてユーザを少なくとも一つのコホートに分類するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスがユーザを少なくとも一つのコホートに分類するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが複数の広告に関連する広告プロファイルを分析するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが、アプリケーションのタイプ、及びアプリケーション環境に関連するコンテンツコンテキストプロファイルを分析するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが、複数の属性を含む複数の広告に関連する広告プロファイルを分析するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが、ユーザプロファイルの統計分析に基づいて選択される少なくとも一つの好適な広告を複数の広告から条件付きで選択してユーザに対して表示するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが、ユーザが少なくとも一つの好適な広告を選択する確率を計算するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが少なくとも一つの好適な広告に対するユーザの反応を分析するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスがユーザの反応を利用して、ユーザプロファイルの再評価及び新規更新の内の少なくとも一つを実行するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスがプロファイルを作成し直した後、ユーザプロファイルに関する情報のステートを更新するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが少なくとも一つのクエリをユーザから受け取るときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが検索クエリを分析するときに図１のシステムが実行する手順のフローチャートを示す。 本明細書に開示する一の実施形態による、広告選択プロセスが、ユーザプロファイルの統計分析に基づいて選択される少なくとも一つの好適な広告を複数の広告から条件付きで選択してユーザに対して表示するときに図１のシステムが実行する手順のフローチャートを示す。

Claims (37)

1. 少なくとも一つの広告を選択する方法であって、
   ユーザプロファイルをユーザに関する情報に基づいて分析するステップと、
   アプリケーションのタイプ及びアプリケーション環境に関連するコンテンツコンテキストプロファイルを分析するステップと、
   複数の属性を含む複数の広告に関連する広告プロファイルを分析するステップと、
   少なくとも一つの好適な広告を、ユーザに表示するために、前記複数の広告から条件付きで選択するステップであって、少なくとも一つの好適な広告が、ユーザプロファイル、広告プロファイル、及びコンテンツコンテキストプロファイルの統計分析に基づいて選択される、前記選択するステップと
   を備える方法。
2. 前記ユーザプロファイルを作成するステップと、
   前記ユーザプロファイルに関する情報のステートを初期化するステップと、
   前記ユーザプロファイルを作り直すステップと、
   前記プロファイルを作り直すステップの後に、前記ユーザプロファイルに関する情報の前記ステートを更新するステップと、
   を備える、請求項１記載の方法。
3. 前記コンテンツコンテキストプロファイルを作成するステップと、
   前記コンテンツコンテキストプロファイルに関する情報のステートを初期化するステップと、
   前記コンテンツコンテキストプロファイルを作り直すステップと、
   前記プロファイルを作り直すステップの後に、前記コンテンツコンテキストプロファイルに関する情報のステートを更新するステップと
   を備える、請求項１記載の方法。
4. 前記広告プロファイルを作成するステップと、
   前記広告プロファイルに関する情報のステートを初期化するステップと、
   前記広告プロファイルを作り直すステップと、
   前記プロファイルを作り直すステップの後に、前記広告プロファイルに関する情報のステートを更新するステップと
   を備える、請求項１記載の方法。
5. 少なくとも一つの好適な広告に対するユーザの反応を評価するステップと、
   前記ユーザの反応を利用して次の項目：
   ｉ）前記ユーザプロファイルの再分析；
   ｉｉ）前記ユーザプロファイルに関する情報のステート、前記コンテンツコンテキストプロファイルに関する前記情報のステート、及び前記広告プロファイルに関する前記情報のステートの新規更新；
   ｉｉｉ）前記少なくとも一つの好適な広告を前記条件付きで選択するステップの分析、
   の内の少なくとも一つを実行するステップと
   を更に備える、請求項１記載の方法。
6. ユーザプロファイルをユーザに関する情報に基づいて分析するステップは、
   ユーザを少なくとも一つのコホートに分類するステップを含み、前記少なくとも一つのコホートは次の項目：
   ｉ）人口学的コホート；
   ｉｉ）地理的コホート；
   ｉｉｉ）潜在的コホート；
   ｉｖ）広告嗜好コホート、
   の内の少なくとも一つを含む、請求項１記載の方法。
7. ユーザを少なくとも一つのコホートに分類するステップは、
   確率論的コホート選択手法を使用して、ユーザを潜在的コホートに分類するステップ
   を備える、請求項６記載の方法。
8. ユーザを少なくとも一つのコホートに分類するステップは、
   ユーザをデフォルトコホートに分類するステップと、
   デフォルトプロファイルを継承するステップと
   を備える、請求項６記載の方法。
9. ユーザを少なくとも一つのコホートに分類するステップは、
   ユーザに関する前記情報を分析するステップを含み、前記情報は次の項目：
   ｉ）ユーザに関する少なくとも一つの人口学的情報；
   ｉｉ）ユーザに関する少なくとも一つの社会経済的特徴；
   ｉｉｉ）ユーザの少なくとも一つのロケーション；
   ｉｖ）少なくとも一つのユーザによる格付け；
   ｖ）少なくとも一つのウェブページハイパーリンク選択；
   ｖｉ）少なくとも一つのウェブページ閲覧；
   ｖｉｉ）ユーザによって選択される少なくとも一つの広告インプレッション；
   ｖｉｉｉ）ユーザによって選択されない少なくとも一つの広告インプレッション；
   ｉｘ）少なくとも一つの最近の検索クエリ；
   ｘ）少なくとも一つのユーザの最近の興味、
   の内の少なくとも一つを含む、請求項６記載の方法。
10. ユーザに関する前記情報を分析するステップは、
    少なくとも一つの最近の検索クエリを分析するステップを含み、前記少なくとも一つの最近の検索クエリは次の項目：
    ｉ）少なくとも一つのウェブ検索クエリ；
    ｉｉ）少なくとも一つの製品検索クエリ；
    ｉｉｉ）少なくとも一つの娯楽検索クエリ；
    ｉｖ）少なくとも一つの映画検索クエリ；
    ｖ）少なくとも一つの音楽検索クエリ；
    ｖｉ）少なくとも一つのテレビ検索クエリ；
    ｖｉｉ）少なくとも一つのビデオ検索クエリ；
    ｖｉｉｉ）少なくとも一つのメディア検索クエリ；
    ｉｘ）少なくとも一つの画像検索クエリ、
    の内の少なくとも一つを含む、請求項９記載の方法。
11. ユーザに関する前記情報を分析するステップは、
    ユーザの前記少なくとも一つの最近の興味を分析することを含み、前記少なくとも一つの最近の興味は次の項目：
    ｉ）最近検索した少なくとも一つのクエリ；
    ｉｉ）最近訪問した少なくとも一つのページ；
    ｉｉｉ）最近選択した少なくとも一つの広告；
    ｉｖ）最近購入した少なくとも一つの製品；
    ｖ）最近買い物した少なくとも一つの製品；
    ｖｉ）ユーザに関連する少なくとも一つの現在のロケーション、
    の内の少なくとも一つを含む、請求項９記載の方法。
12. 複数の広告に関連する広告プロファイルを分析するステップは、
    前記複数の広告の中の少なくとも一つの候補となる広告を分析するステップを含み、前記少なくとも一つの候補となる広告は次の項目：
    ｉ）テキスト広告；
    ｉｉ）バナー広告；
    ｉｉｉ）リッチメディア広告；
    ｉｖ）マーケティングプロモーション；
    ｖ）クーポン；
    ｖｉ）製品推奨、
    の内の少なくとも一つを含む、請求項１記載の方法。
13. アプリケーションのタイプ及びアプリケーション環境に関連するコンテンツコンテキストプロファイルを分析するステップは、
    コンテンツコンテキストプロファイルを作成するステップを含み、前記コンテンツコンテキストプロファイルは次の項目：
    ｉ）少なくとも一つの候補となる広告が表示されるウェブページ；
    ｉｉ）少なくとも一つの候補となる広告が表示される携帯機器；
    ｉｉｉ）少なくとも一つの候補となる広告が表示されるカスタマーサービスプラットフォーム；
    ｉｖ）少なくとも一つの候補となる広告が表示されるコールセンター；、
    ｖ）少なくとも一つの候補となる広告が表示されるキオスク；
    ｖｉ）少なくとも一つの候補となる広告が表示されるメディアプラットフォーム；
    ｖｉｉ）少なくとも一つの候補となる広告が表示されるイベントに関連するキャンペーン；
    ｖｉｉｉ）少なくとも一つの候補となる広告が少なくとも一人のユーザに対して表示されることになる所望の場所；
    ｉｘ）複数のウェブページ；
    ｘ）検索から得られる複数のウェブページ、
    の内の少なくとも一つを含む、請求項１記載の方法。
14. コンテンツコンテキストプロファイルを作成するステップは、
    前記コンテンツコンテキストプロファイルに関連する少なくとも一つの属性を分析するステップを含み、前記少なくとも一つの属性は次の項目：
    ｉ）少なくとも一つの候補となる広告が表示されるウェブページの少なくとも一つの属性；
    ｉｉ）少なくとも一つの候補となる広告が表示される携帯機器の少なくとも一つの属性；
    ｉｉｉ）少なくとも一つの候補となる広告が表示されるカスタマーサービスプラットフォームの少なくとも一つの属性；
    ｉｖ）少なくとも一つの候補となる広告が表示されるコールセンターの少なくとも一つの属性；
    ｖ）少なくとも一つの候補となる広告が表示されるキオスクの少なくとも一つの属性；
    ｖｉ）少なくとも一つの候補となる広告が表示されるメディアプラットフォームの少なくとも一つの属性；
    ｖｉｉ）少なくとも一つの候補となる広告が表示されるイベントに関連するキャンペーンの少なくとも一つの属性；
    ｖｉｉｉ）少なくとも一つの候補となる広告が少なくとも一人のユーザに対して表示されることになる所望の場所の少なくとも一つの属性；
    ｉｘ）複数のウェブページの少なくとも一つの属性；及び
    ｘ）検索から得られる複数のウェブページの少なくとも一つの属性、
    の内の少なくとも一つを含む、請求項１３記載の方法。
15. 複数の広告に関連する広告プロファイルを分析するステップは、
    少なくとも一つの属性を分析するステップを含み、前記少なくとも一つの属性は次の項目：
    ｉ）複数の広告の中の少なくとも一つの候補となる広告に関連するメタデータ；
    ｉｉ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つのサウンド；
    ｉｉｉ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つの画像；
    ｉｖ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つのカラー；
    ｖ）複数の広告の中の少なくとも一つの候補となる広告に関連するサイズ；
    ｖｉ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つの潜在的属性、
    ｖｉｉ）複数の広告の中の少なくとも一つの候補となる広告に関連する少なくとも一つの広告主指定のタグ；及び
    ｖｉｉｉ）広告がユーザを誘導する誘導先のウェブページに関連する少なくとも一つのウェブページ属性、
    の内の少なくとも一つを含む、請求項１記載の方法。
16. 少なくとも一つの好適な広告を複数の広告から条件付きで選択してユーザに対して表示するステップは、
    最適化メトリックを利用して前記少なくとも一つの好適な広告の前記選択に条件を付けるステップを含む、請求項１記載の方法。
17. 最適化メトリックを利用して前記少なくとも一つの好適な広告の前記選択に条件を付けるステップは、
    前記最適化メトリックを定義して、複数の見込みユーザに対して表示される候補となる広告が複数の見込みユーザによって選択される割合を定義するクリックスルーレートを取り入れるステップを含む、請求項１６記載の方法。
18. 最適化メトリックを利用して前記少なくとも一つの好適な広告の前記選択に条件を付けるステップは、
    最適化メトリックを定義して、候補となる広告が少なくとも一人の見込みユーザに対して表示される割合に基づく予測広告収入を取り入れるステップを含み、前記予測広告収入は次の項目：
    ｉ）広告掲載エンジン収入；及び
    ｉｉ）広告主収入、
    の内の少なくとも一つを含む、請求項１６記載の方法。
19. 最適化メトリックを利用して少なくとも一つの好適な広告の前記選択に条件を付けるステップは、
    少なくとも一つの候補となる広告に関連する少なくとも一つの属性に重み付けするステップを含み、前記ユーザプロファイルに関する前記情報のステート、前記コンテンツコンテキストプロファイルに関する前記情報のステート、及び前記広告プロファイルに関する前記情報のステートに対する量の見積もりに起因する前記重み付けにより、前記少なくとも一つの属性が評価される、請求項１６記載の方法。
20. 少なくとも一つの好適な広告を前記複数の広告から、ユーザに表示するために、条件付きで選択するステップは、
    ユーザが少なくとも一つの好適な広告を選択する確率を計算するステップを含み、前記確率は次の項目：
    ｉ）前記ユーザプロファイル；
    ｉｉ）前記広告プロファイル；
    ｉｉｉ）前記コンテンツコンテキストプロファイル、
    の内の少なくとも一つに基づいて計算される、請求項１記載の方法。
21. ユーザが前記少なくとも一つの好適な広告を選択する確率を計算するステップは、
    確率を次の項目：
    ｉ）潜在的コホートクリックモデル；
    ｉｉ）ランダム係数クリックモデル、
    の内の少なくとも一つに基づいて定式化するステップを含む、請求項２０記載の方法。
22. 前記確率を潜在的コホートクリックモデル及びランダム係数クリックモデルの内の少なくとも一つに基づいて定式化するステップは、
    履歴データを利用して、前記確率を計算するために使用される少なくとも一つのパラメータを推定するステップを含む、請求項２１記載の方法。
23. 前記少なくとも一つの好適な広告に対するユーザの反応を評価するステップは、
    ユーザが選択する複数の広告を含むユーザ選択の広告のサブセットを特定するステップと；
    ユーザが選択しない複数の広告を含む非ユーザ選択の広告のサブセットを特定するステップと、
    を含む、請求項５記載の方法。
24. ユーザの前記反応を利用して、前記ユーザプロファイルの再分析、前記ユーザプロファイルに関する前記情報のステートと、前記コンテンツコンテキストプロファイルに関する前記情報のステートと、前記広告プロファイルに関する前記情報のステートとの新規更新、及び前記少なくとも一つの好適な広告を前記条件付きで選択するステップの分析の内の少なくとも一つを実行するステップは、
    前記少なくとも一つの好適な広告のスコアを評価するステップを含み、前記スコアは次の項目：
    ｉ）好適な広告に対するユーザの行動；
    ｉｉ）ユーザのアクティビティ履歴；
    ｉｉｉ）コンテンツコンテキストプロファイルの少なくとも一つの属性；
    ｉｖ）広告プロファイルの少なくとも一つの属性；
    ｖ）ユーザに関連する少なくとも一つのユーザプロファイル、
    に基づいて評価される、請求項５記載の方法。
25. 前記ユーザの反応を利用して、前記ユーザプロファイルの再分析、前記ユーザプロファイルに関する前記情報のステートと、前記コンテンツコンテキストプロファイルに関する前記情報のステートと、前記広告プロファイルに関する前記情報のステートとの新規更新、及び前記少なくとも一つの好適な広告を条件付きで選択するステップの分析の内の少なくとも一つを実行するステップは、
    属性重みを、前記少なくとも一つの好適な広告に関連する少なくとも一つの属性に割り当てるステップと；
    前記少なくとも一つの好適な広告に関連するユーザのアクティビティ履歴を収集するステップと；
    前記属性重みをユーザの前記アクティビティ履歴に基づいて調整するステップと、
    を含む、請求項５記載の方法。
26. 前記ユーザプロファイルに関する前記情報のステートを更新するステップは、
    蓄積履歴を次の項目：
    ｉ）ユーザが選択する複数の広告に関連する履歴；
    ｉｉ）非ユーザが選択する複数の広告に関連する履歴；
    ｉｉｉ）複数のコホートに分類される複数のユーザに関連する複数のユーザプロファイル；
    ｉｖ）複数の広告プロファイル；
    ｖ）複数のコンテンツコンテキストプロファイル、
    の内の少なくとも一つに基づいて収集するステップを含む、請求項２記載の方法。
27. 前記ユーザプロファイルに関する前記情報のステートを更新するステップは、
    前記ユーザプロファイルを次の項目：
    ｉ）指定更新頻度；
    ｉｉ）ユーザプロファイルを更新するプロセスを起動するユーザの最近のアクティビティ、
    の内の少なくとも一つに基づいて定期的に更新するステップを含む、請求項２記載の方法。
28. 少なくとも一つのクエリをユーザから受信するステップと；
    前記クエリの変更によって、前記少なくとも一つの好適な広告を前記選択する処理が最適化されるように、前記少なくとも一つのクエリを変更するステップと、
    を含む、請求項１記載の方法。
29. 前記クエリの変更によって、前記少なくとも一つの好適な広告を前記選択する処理が最適化されるように、前記少なくとも一つのクエリを変更するステップは、
    ユーザに関する情報を分析して、前記少なくとも一つの好適な広告を前記選択する処理の最適化をもたらす前記クエリに必要な前記変更を決定するステップ
    を含む、請求項２８記載の方法。
30. 複数の広告に関連する広告プロファイルを分析するステップは、
    前記複数の広告の内の少なくとも一つの広告がユーザを誘導する誘導先のロケーションを分析するステップと；
    前記ロケーションの少なくとも一つの特徴を属性化するステップと、
    を含む、請求項１記載の方法。
31. 前記少なくとも一つの広告がユーザにとって魅力的になるように、前記少なくとも一つの広告がユーザを誘導する誘導先のロケーションの前記少なくとも一つの特徴の変更を推奨するステップを含む、請求項３０記載の方法。
32. 前記複数の広告の中の少なくとも一つの候補となる広告を分析するステップは、
    前記少なくとも一つの候補となる広告のタイトルを分析するステップと；
    前記少なくとも一つの候補となる広告に関連するユニバーサルリソースロケータを分析するステップと、
    を含む、請求項１２記載の方法。
33. 前記複数の広告の中の少なくとも一つの候補となる広告を分析するステップは、
    前記少なくとも一つの候補となる広告がユーザにとって魅力的になるように、前記少なくとも一つの候補となる広告のコンテンツの変更を推奨するステップ
    を含む、請求項１２記載の方法。
34. メモリと；
    プロセッサと；
    通信インターフェースと；
    前記メモリ、前記プロセッサ、及び前記通信インターフェースを接続する相互接続メカニズムと、を備えるコンピュータデバイスであって、
    前記メモリには広告選択アプリケーションがエンコードされており、前記広告選択アプリケーションは、前記プロセッサで実行されると、
    ユーザプロファイルをユーザに関する情報に基づいて分析する操作と、；
    アプリケーションのタイプ及びアプリケーション環境に関連するコンテンツコンテキストプロファイルを分析する操作と、；
    複数の属性を含む複数の広告に関連する広告プロファイルを分析する操作と、；
    ユーザに表示するために、前記ユーザプロファイル、前記広告プロファイル、及び前記コンテンツコンテキストプロファイルの統計分析に基づいて選択される、少なくとも一つの好適な広告を前記複数の広告から条件付きで選択する操作と
    を実行することにより広告を選択することが可能である、コンピュータデバイス。
35. コンピュータデバイスのプロセスで実行すると広告選択を行う、コンピュータプログラミングロジックでエンコードされるコンピュータ読み取り可能な媒体であって、
    ユーザプロファイルをユーザに関する情報に基づいて分析する手段と；
    アプリケーションのタイプ及びアプリケーション環境に関連するコンテンツコンテキストプロファイルを分析する手段と；
    複数の属性を含む複数の広告に関連する広告プロファイルを分析する手段と；
    少なくとも一つの好適な広告をユーザに表示するために、複数の広告から条件付きで選択する手段であって、少なくとも一つの好適な広告が、ユーザプロファイル、広告プロファイル、及びコンテンツコンテキストプロファイルの統計分析に基づいて選択される、前記選択する手段と、
    を備える、コンピュータ読み取り可能な媒体。
36. ユーザに関する前記情報を分析するステップは、
    ユーザによる前記少なくとも一つの格付けを分析するステップを含み、前記少なくとも一つの格付けは次の項目：
    ｉ）ユーザによる製品に関する少なくとも一つの格付け；
    ｉｉ）ユーザによる娯楽に関する少なくとも一つの格付け；
    ｉｉｉ）ユーザによる映画に関する少なくとも一つの格付け；
    ｉｖ）ユーザによる音楽に関する少なくとも一つの格付け；
    ｖ）ユーザによるテレビ番組に関する少なくとも一つの格付け；
    ｖｉ）ユーザによるリッチメディアに関する少なくとも一つの格付け、
    の内の少なくとも一つを含む、請求項９記載の方法。
37. 少なくとも一つの好適な広告をユーザに表示するために、前記複数の広告から条件付きで選択するステップは、
    広告の少なくとも一つのサブセットを前記複数の広告から選択するステップを含み、前記少なくとも一つの広告のサブセットは多種性及び多様性を取り入れるために選択されるポートフォリオとしてグループ化され、ポートフォリオとしてグループ化される前記少なくとも一つの広告のサブセットは、前記ユーザプロファイルに関する前記情報のステート、前記コンテンツコンテキストプロファイルに関する前記情報のステート、及び前記広告プロファイルに関する前記情報のステートを統計的に分析することにより決定される複数の異なるグループの複数の広告の内の少なくとも一つの広告を含む、請求項１記載の方法。

Images