JP2012108916A - ブロードキャストメッセージに対するオンラインユーザの反応を特定するためのデータマイニング - Google Patents

Abstract

【課題】 広告効果を高め、興味のある消費者に届くよう広告を限定する。
【解決手段】 ネットワーク接続されたシステムにおいて、広告効果を測定するための方法及び装置が、ブロードキャスト時間に広告をブロードキャストするステップと、ブロードキャスト時間後に少なくとも１つのソーシャルネットワーク又はその他のオンラインフォーラムをモニタするステップと、ソーシャルネットワークトラフィックをフィルタ処理して、ブロードキャスト広告に対する反応と思われるメッセージを識別し、検索エンジンクエリをフィルタ処理してこのようなクエリを識別し、又はその他のこのようなトラフィック入力をフィルタ処理するステップと、ブロードキャスト広告に対する反応と思われる少なくとも複数の入力の開始時間を特定するステップと、ブロードキャスト広告に対する反応と思われる少なくとも複数の入力の少なくとも１つの人口統計を特定するステップとを含む。
【選択図】 図１

Description

〔関連出願との相互参照〕
本出願は、米国特許法第１１９条（ｅ）に基づき、２０１０年１１月１６日に出願された米国仮特許出願第６１／４１４，３８４号の優先権の利益を主張するものであり、該出願はその全体があらゆる目的で引用により本明細書に組み入れられる。

本発明は、一般に、ユーザの反応及び行動に関する統計を推測するためにネットワーク活動をデータマイニングすることに関し、具体的には、時間的制約のあるデータソースを使用して、関係のない媒体及び偶発的活動における、広告メッセージに対する時間ベースの反応を特定することに関する。

テレビ広告の有効性は、「今すぐお電話下さい（ｃａｌｌ ｎｏｗ）」というメッセージを（場合によっては大声で）放送して、興味を持った人がすぐに電話をかけるようにすることによってある程度測定することができる。しかしながら、このような反応は、販売されているものに即座に興味を持った人々に限定され、提案に関して決心できなかったり、すぐに電話できなかったりするにも関わらず広告に影響を受けた可能性のある人々を排除してしまう可能性がある。

インターネットベースの広告（本明細書では、多くの人々を多くの役割に参加できるようにするネットワークのほんの一例として「インターネット」という用語を使用する）の出現により、バナー広告の使用などを通じてインターネット広告の有効性を測定するための他の技術が開発されてきており、この技術では、閲覧者が広告をクリックした際に要求されるＵＲＬが、まず広告追跡サーバに呼び掛けを行い、次にこのＵＲＬが、画面に追加情報を提供する別のＵＲＬに受け継がれる。広告を提供するシステムが、反応を測定するシステムと同じものである場合、この測定は単純なものになり得る。しかしながら、直接接続が存在しない場合にはより複雑となる。

デパート経営者であるＪｏｈｎ Ｗａｎａｍａｋｅｒ（１８３２〜１９２２）によるものとされる有名な格言に、「広告費の半分が無駄ということはよく分かっているが、問題はどの半分かが分からないことだ。」というものがある。この格言は、広告主を、広告効果を高めることに加え、興味のない消費者ではなく興味のある消費者に届くように広告を限定することに焦点を当てるように駆り立てた。

広告効果に対する取り組みには、個々の消費者に関する大量のデータを収集し、これらの消費者の各々に対して広告をターゲティングすることに依拠するものもある。この取り組みは、これらの取り組みで個人の詳細情報が維持されることを望まず、相変わらず関連性のない広告を見ている可能性のある消費者からは嫌われることが多い。この取り組みではまた、個々の潜在的な消費者に対する個別のメッセージを取り扱う上で、広告主側に過剰な労力が必要となる可能性もある。

ネットワーク接続されたシステムにおいて、広告効果を測定するための方法及び装置が、ブロードキャスト時間に広告をブロードキャストするステップと、ブロードキャスト時間後に少なくとも１つのソーシャルネットワーク、検索エンジン、又はその他のオンラインフォーラムをモニタするステップと、ソーシャルネットワークトラフィックをフィルタ処理して、ブロードキャスト広告に対する反応と思われるメッセージを識別し、検索エンジンクエリをフィルタ処理してこのようなクエリを識別し、又はその他のこのようなトラフィック入力をフィルタ処理するステップと、ブロードキャスト広告に対する反応と思われる少なくとも複数の入力の開始時間を特定するステップと、ブロードキャスト広告に対する反応と思われる少なくとも複数の入力の少なくとも１つの人口統計を特定することにより広告効果を評価するステップとを含む。

追跡対象のメッセージをブロードキャスト方式で配信する広告管理方法を提供する。このブロードキャスト後に、集約的反応（すなわち、ブロードキャストされたメッセージに対する個々又はグループの反応の集約）をモニタする。この集約的反応に基づいて、次の行動に関する選択が行われ、この行動は、以後の広告、多くの場合近リアルタイムでの媒体、製品、又はプレゼンテーションの変更などを含むことができる。集約的反応（さらには個々の又はグループの反応）をブロードキャストすることもできる。集約的反応を、全体の視聴者の人口統計スライスに基づいて集計することができる。

添付図面を伴う以下の詳細な説明により、本出願の教示の性質及び利点をより良く理解することができる。

本出願の教示をより完全に理解するために添付図面を参照する。これらの図面を、本出願の主題の範囲を限定するものと見なすべきではないと理解した上で、添付図面を使用しながら、現在説明される実施形態及び現在考えられる最適なモードについて追加の詳細とともに説明する。

１つの実施形態によるデータマイニング及びフィードバックシステム例を示す図である。 データマイニングを行ってメッセージに対する反応を特定する方法のフロー図である。 要素のいくつかが動作できるコンピュータシステムのブロック図である。 メッセージストリームを処理する様々な処理構成要素の動作を示すブロック図である。

本明細書では、改善されたデータマイニング及びフィードバックシステムについて説明する。このようなシステムは、ネットワーク化された、分散された、及び／又はローカルなサーバシステムにおけるハードウェア及び／又はソフトウェアを使用して実現することができる。

データマイニング及びフィードバックシステム例では、既知の又は未知の受信者グループ又は潜在的受信者グループにメッセージをブロードキャスト方式で配信する。受信者の集約的反応（又はこれらの近似値、サンプル、又はプロキシ）を、通常はリアルタイム又は近リアルタイムでモニタし、その後データマイニング及びフィードバックシステムが、次に何をブロードキャストすべきかを決定するためのなんらかの行動をとる。これらの反応をブロードキャストしてもよいし、又はしなくてもよい。とるべき行動の例には、反応のフィードバックに基づいてメッセージを変更すること、コンテンツを変更すること、及び／又は追加メッセージを提供することがある。場合によっては、初期メッセージに対する反応であると推定される行動から、確実なものではない集約的反応を推測し、初期メッセージに対する反応であると推定されるメッセージを求めてメッセージングシステムをモニタし、或いは検索クエリ又はその他の行動をモニタすることができる。

場合によっては、推定される反応自体が、その他の活動から推測される。例えば、広告サーバ又はコンテンツサーバが、ユーザのクエリ又はメッセージなどの他の集約的行動に基づいてコンテンツを提供する場合、広告サーバ又はコンテンツサーバの活動を使用して、その直接観測できなかった可能性のあるユーザ活動が何であったかを推測することができる。特定の例として、初期メッセージが、「スピーディサムがロウワーマンハッタンを襲う（Ｓｐｅｅｄｙ Ｓａｍ Ｉｎｖａｄｅｓ Ｌｏｗｅｒ Ｍａｎｈａｔｔａｎ）」という題名の映画に関するブロードキャスト広告であったとする。このブロードキャスト後に、「果たしてＳｍａｌｌｔｏｗｎにＳｐｅｅｄｙ Ｓａｍは現れるか？（Ｗｉｌｌ Ｓｐｅｅｄｙ Ｓａｍ ｅｖｅｒ ｓｈｏｗ ｉｎ Ｓｍａｌｌｔｏｗｎ？）」という検索クエリが増加したり、又は急増を示す場合、広告主は、Ｓｍａｌｌｔｏｗｎにおいてこの映画に関する広告（又は映画の上映）の予定をより多く組むなどの対応行動をとることができ、一方でほぼ同じ時刻におけるロウワーマンハッタンでのホテル予約の増加については、初期メッセージに関連性がないものとして無視することができる。当然ながら、多くの場合、初期メッセージとその反応の間の対応性がこの例のように顕著でないこともあり、自動データマイニング処理にとってはさらに顕著でなくなる可能性がある。

以下、データマイニング及びフィードバックシステムの様々な構成要素の詳細について説明する。

図１に、データマイニング及びフィードバックシステムの例を示す。なお、ネットワークを介してメッセージをブロードキャストし、及び／又は動作できる汎用サーバの構築方法は公知であるため、本出願の教示を理解するために、サーバ又はクライアント装置の詳細、或いはブロードキャスト送信機及びインターネット通信などの動作を本明細書で詳細に説明する必要はない。

図１には、受信者が初期メッセージ１０２を見たり、聴いたり、体験したりできる多くの受信者電子システム１０３に初期メッセージ１０２を伝達するメッセージサーバ１０１を備えたシステム１００を示している。これに応じて、受信者は、必ずしも初期メッセージに対する明確な反応ではないが、友人、メッセージ送信者などにメッセージを送信したり、検索を行ったり、又はその他の何らかの行動を起こしたりなどの電子的に認知できる何らかの行動を起こすと考えられる。このような行動は、インターネット１０４を介して行われると考えられ、ユーザメッセージサーバ／サービス１０５を介してメッセージを送信するステップ、検索エンジンシステム１０６を使用して検索を開始するステップ、又はコンテンツを要求することにより、広告サーバ１０７による他の広告の提供を引き起こすステップを含むと考えられる。データマイニング及びフィードバックシステム１０８は、ユーザメッセージサーバ／サービス１０５、検索エンジンシステム１０６、又は広告サーバ１０７のうちの１又はそれ以上に対してアプリケーションプログラミングインターフェイス（「ＡＰＩ」）コール１１０を行い、集約的反応を示し、又はこれを特定するために使用できるデータレコード１１１を見返りとして取得することなどにより、このようなシステムの照会を行うように構成される。次に、データマイニング及びフィードバックシステム１０８は、情報を処理して適当な行動を決定し、この趣旨の電子命令１１５を送信することができる。

メッセージサーバが既知の個々のノードの組へメッセージを送信し、見返りとして個々の反応を取得する純粋なポイントツーポイントシステムとは異なり、データマイニング及びフィードバックシステム１０８は、未知の受信者の組から、さらには非受信者から開始されたメッセージ、又は受信者から開始された、初期メッセージの受信に対する応答ではないメッセージの中から集約的反応を特定することができる。データマイニング及びフィードバックシステム１０８は、公的にアクセスできる情報又は非公的にアクセスできる情報を使用することができる。

送信メッセージの有効性のモニタリング
いくつかの実施形態では、メッセージが、放送媒体（テレビ、ラジオ等）を介して未知数の受信者へ送信される。これらの受信者に対するメッセージの影響（及び場合によっては受信者の組のサイズ）を特定するために、データマイニング及びフィードバックシステム１０８は、様々なオンラインソーシャルネットワーク又はその他のソースのためのトラフィックストリームを「データマイニング」することができ、これらのソースへのメッセージをコンピュータ処理を使用して走査し、メッセージの作成時間及び特定の広告との関係によってこれらのメッセージにフラグを立てることができる。これらのソースからの待ち時間の短いフィードバックを使用して、場合によっては数時間から数日間にわたる時間規模で広告のプログラミングを調整することができる。

特定の例では、Ｃ社が、製品Ｐに関する広告キャンペーンを展開し、太平洋標準時６：００ｐｍに全国スポット枠で製品Ｐの広告が流れるように予定を組んだとする。広告が流れているときに、コンピュータ処理によって公開投稿をモニタすることができる。例えば、コンピュータ処理により、Ｔｗｉｔｔｅｒが提供する、Ｔｗｉｔｔｅｒサービスのユーザが投稿したメッセージのデータストリームをモニタしたり、又はその他のオンラインフォーラムにおけるメッセージをモニタしたりなどを行うことができる。その他の場合、走査データは公開されないが、これをコンピュータ処理に提供したり、又はコンピュータ処理が利用したりすることができる。一例として、入力された検索クエリ及びこれらが入力された時間を全て含むデータストリームを有する検索エンジンサービスを挙げることができる。

コンピュータ処理は、広告に反応するメッセージから関係ないメッセージをフィルタ処理することができる。例えば、製品Ｐが自動車であり、「Ｓｐｅｅｄｓｔｅｒ」というモデルであるとする。広告がテレビで放映され、その直後にソーシャルネットワーク上に（ビルの壁を上るＳｐｅｅｄｓｔｅｒという車のコマーシャルを見たかい？（「Ｄｉｄ ｙｏｕ ｓｅｅ ｔｈａｔ ｃｏｍｍｅｒｃｉａｌ ｆｏｒ ｔｈｅ ｃａｒ， ｔｈｅ Ｓｐｅｅｄｓｔｅｒ， ｓｈｏｗｉｎｇ ｉｔ ｃｌｉｍｂｉｎｇ ｔｈｅ ｓｉｄｅ ｏｆ ａ ｂｕｉｌｄｉｎｇ？）」又は「見た見た、買いたい。（Ｓａｗ ａｎ ａｄ ｆｏｒ ａ ｃａｒ ｔｈａｔ Ｉ ｗａｎｔ ２ ｂｕｙ）」などの）メッセージが現れる。これらの２つの例から明らかなように、広告に反応して送信されたメッセージを識別することは、容易な場合もあれば困難な場合もある。当然ながら、（「ビルを上る車の広告を見て一台購入したいのですが、どこで買えますか？（Ｉ ｓａｗ ｙｏｕｒ ａｄ ｆｏｒ ｔｈｅ ｃａｒ ｔｈａｔ ｃｌｉｍｂｓ ｂｕｉｌｄｉｎｇｓ ａｎｄ ｗａｎｔ ｔｏ ｂｕｙ ｏｎｅ． Ｗｈｅｒｅ ｃａｎ Ｉ？）」又は「おたくの広告に不満があって思わず電話したんだけど（Ｉ ｊｕｓｔ ｈａｄ ｔｏ ｃａｌｌ ｔｏ ｓａｙ Ｉ ｄｉｓａｇｒｅｅ ｗｉｔｈ ｙｏｕｒ ａｄｖｅｒｔｉｓｅｍｅｎｔ）」のように）メッセージがユーザからのものであり、広告主に向けられたものであり、広告に関するものである場合には、メッセージを識別するのはたやすいことである。メッセージが必ずしも広告主に戻されたものではなく、他者に向けられた公開メッセージである場合、又はキーワードを使用した検索などの、非メッセージング動作から推測されたものである場合、メッセージの識別はより困難となる。

場合によっては、非メッセージング動作が推測に基づくものである場合もある。例えば、メッセージングサーバの運用者が、参加者グループが何を行っているか又は要求しているかに基づいて広告を配信する広告サーバ（又はこのサーバからの集約データ）にはアクセスできるが、これらの参加者が何を行っているか又は要求しているかに関するデータにはアクセスできない場合、広告サーバからの広告サービスパターンをプロキシとして使用することができる。

特定の広告に関するメッセージ密度の集約的指示などのメッセージトラフィックの反応を少なくとも近似的に測定できる場合、広告キャンペーンが行われている間であっても、このキャンペーンの詳細（内容、タイミング、繰り返しなど）を調整できるようになる。人口統計を推測又は利用できるいくつかの場合には、これを使用してトラフィック分析及びフィードバックをよりはっきりと精密化することができる。例えば、もしかしたら猫好きを自認する、又は年齢が２０〜３５才のソーシャルネットワークユーザなどからのメッセージで製品について深く議論がなされるかもしれず、このような人口統計は、広告主にとって興味深く、予想外であり、及び／又は有用なものとなり得る。

疎ベクトル表現
メッセージ活動を評価するためのいくつかの方法を提供することができる。１つの実施形態では、個々の入力（メッセージ、検索、行動など）が、長さＯ［１０００〜１００００］の疎ベクトルとして表現され、各入力が、特定の「ワード」又は単位行動に対する重要性の重みを表す浮動小数点数を含む。この表現により、従来の又は新規の部分空間技術をさらなる処理に使用できるようになる。

特定の例では、何千ものメッセージ又は検索クエリ（「入力」）のストリームを走査し、これを構文解析して（文字及び／又は数字及び／又は句読点からなる文字列とすることができる）個々のワードに分解し、頻度別ワードリストを作成する。ここから、選択した組内の上位Ｎワード、及び選択した組内の上位Ｍワードよりも発生頻度の低いワードを除外する。特定の例では、Ｎ＝３００及びＭ＝１０，０００として、最初に上位３００ワードを破棄することを除き、１０，０００個の最も使用頻度の高いワードを検討するようにする。ワードは、（例えば、「ｓｔｏｐ（停止する）」と「ｓｔｏｐｐｉｎｇ（停止している）」とが同じ１つのワードとして扱われるように）時制表現の前で「食い止める」ことができる。

その後、残りの９，７００ワードの各々の重みにより、疎ベクトルの組を形成することができる。いくつかの実施形態では、重みが発生頻度に直接関連付けられるのに対し、他の実施形態では、重みが、現れる「ワード」の記述力の推定も考慮する。例えば、「ｈｏｒｓｅｐｏｗｅｒ（馬力）」は、「ｔｈｅ（その）」よりも高い記述的重みを得ることができる。

手動入力からの自動入力のフィルタ処理
場合によっては、フィルタ処理の一部として、手動で作成された入力よりも自動入力に低く重み付けし、さらには自動入力を削除するサブフィルタを使用することが望ましい場合がある。当然ながら、自動入力を使用した方が特定の用途が良好に機能する場合には、この順序を逆にすることができる。

機械入力又は部分的機械入力を単独で書かれた入力と分離することで、コンピュータ処理が何を行っているかよりもむしろ、人々が何を行っているかの特色をいっそう高めることができる。機械入力又は部分的に機械で作成した入力の例として、Ｔｗｉｔｔｅｒシステムにおける大量の「リツイート（ｒｅｔｗｅｅｔ）」、再投稿ブログ項目、或いは記事上の「ｂｌｏｇ ｔｈｉｓ（これにブログする）」又は「ｔｗｅｅｔ ｔｈｉｓ（これにツイートする）」ボタンを使用して作成される入力が挙げられる。

これらの入力は、単独で書かれた入力よりも一貫性がかなり高いので、この分離は、さらなる統計分析にとって非常に重要である。場合によっては、入力を作成した方法を特定できる場合には、これに依存して入力に異なる重みを適用することができる。例えば、作成が容易な入力は、作成が困難な入力に対してその数が多すぎると考えられる。重みの例として、純粋な手動入力に「１」の値を適用し、完全に自動的な入力の生成には「０」を適用し、これらの両極端の間にはその他の値を考えることができる。

機械入力から手動入力までの様々な重みを測定する１つの方法は、同一の又はほぼ同一の入力の種を生成し、次にこれらの種を核として使用して、これらの種に「近い」入力を蓄積することである。「近い」の定義は、ハミング距離、部分空間表現内の正規化距離、及び／又はその他の定義の観点によるものとすることができる。

重みを測定するための別の方法は、入力を部分空間基底ベクトルに対する重み付けの組として定義することである。その後、フィルタ処理又はモジュールにより、機械入力又は部分的機械入力又は部分的に作成された入力を表す重みの１次元又は多次元ヒストグラムにおけるピークを検索することができる。

この方法では、基底ベクトルを荷重特異性まで最大化するように最適化することができる。例えば、バリマックス尺度を入力方向に最大化して、基準ツイートを表す基底関数を生成することができる。

いくつかの実施形態では、ピーク検出が、１／２セル間隔ずらした２つのヒストグラムを含み、セル値を他方のヒストグラム内の２つの重なり合うセルと比較することによってピーク検出が行われる。これにより、ピークのデータ点が２つのビンにわたって分割されるため、失われていたかもしれないピークが捕捉される。

特定の実施構成では、多次元空間に、ピークを生じ得るクラスタを形成することがある（ツイートなどの）一貫した入力が取り込まれる。この場合、システムは、負荷の大きさをとってヒストグラムを形成し、ヒストグラムビンが分割される場所でピークが平坦にならないようにヒストグラムを位相シフトする。

入力の階層的グループ分け
ある入力の組から開始し、これらを類似する入力の階層的グループの組に分割する。このような分割の１つの使用法は、入力の組の統計及び各々が「典型的」入力により識別される時間発展をユーザに表示することである。これらの時系列を使用して、広告イベントに対する反応を識別することもできる。

１つの方法では、分析システムが、上述した方法において、例えばバリマックス尺度を最大化することにより、約５〜５０のサイズの最適化した基底ベクトルの組を構築する。分析システムは、これらの基底ベクトルに対する負荷を使用して、これらのベクトルの１つの上に著しく大きな負荷を有する入力を、最大荷重振幅を有するベクトルにより定義されるクラスに分類する。次に、分析システムは、これらのクラスと、これらのベクトルのいずれの上にも大きな負荷を有していない残りのクラスとを再帰的に分割する。

具体的には、この分割は、一貫性のないツイートを分割し、詳細を調べて部分空間のモードをとるステップを含むことができる。その後、この座標系が基準ツイートになる。Ｎの平方ほどの複雑さを有する従来のクラスタ化よりもむしろ、この方法は、荷重ベクトルを使用し、その後空間内に空間を切断する線を引くことに類似する動作を提供する。

別の方法では、分析システムが、従来の人口交換クラスタ化技術を使用することにより階層的クラスを構築し、ハミング距離を使用する代わりに、部分空間内の正規化されたベクトル距離によって距離が定義される。

監視システム
上記で定義した基底関数に新たな入力を継続的にマッピングすることによって入力の新たなトピックを素早く識別するための監視システムを提供することができる。この場合、残りの入力を調べて、新たな一貫した入力クラスが存在するかどうかを判定し、これらの新たな一貫したクラスに関連する入力を、新たな議論のトピック及び潜在的関心として識別する。これらの入力に対して部分空間を修正して、将来的な監視のために更新する。実際に、ワード検索によって新たなホットトピックを探すのとは対照的に、この監視システムを使用して新たなミーム（すなわち、遺伝子の生物学的伝搬に類似する態様で人から人へ伝達される文化的又は社会的発想又は概念）を追跡することができる。

基底系の計算
大きな疎データ行列の最初のＯ［３〜５０］の特異値分解（「ＳＶＤ」）モード又は主成分分析（「ＰＣＡ」）モードによって定義される部分空間のほぼ全体にわたる基底系（トランケーションセット）を計算する方法により、べき乗法反復アプローチを使用して近似的な第１のベクトルを計算し、収束基準は、この第１のベクトルが真のモードであることではなく、トランケーションセットにより定義される部分空間にのみ含まれることに基づく。第１のベクトルを計算した後、元々のデータ行列は「収縮」しないが、これは、この「収縮」により疎度の低いデータ行列が生じるからである。その代わり、べき乗法を使用して後続の基底ベクトルを構築し、この場合、以前のベクトルを使用して、潜在的に「遅延した」方式で反復ベクトルを収縮させる。

固有値を正確に求めるための要件を緩和することにより、処理が簡略化される。疎ＳＶＤでは、元々のデータ行列が疎であるため、分析が困難である。１つの方法では、固有値を正確に求める代わりにトランケーションを使用する。

作者の分類
システムの１つのモジュールは、入力の組の作者をワードの使用パターンが類似する作者とともにグループ化することにより、入力の組の作者を基準クラスに分類することができる。これらのクラスを使用して作者を「同値類」に分割し、これを使用して人口統計又は関心グループの情報を推測することができる。平均好感度因子又は好感度に関する定義タグが作者グループごとに様々であるため、これらのクラスを使用して好感度尺度を正規化することもできる。分類は、応答元（すなわち作者）が（コンピュータ応答機、ボットなどの）機械的作者であるか、初期メッセージを自分が実際に受け取ったことに応答する人間などの非機械的作者であるかの指示を含むこともできる。

例えば、作者が複数のツイートにわたって使用するワード分布に同値類によって同じ分析を行い、何らかの人口統計を知ることにより、他の人口統計を得ることができる。その後、人口統計による好感度を評価し、基底線に対して特定することができる。

ワード分布の例として、特定の受信者からの応答に「ママ（Ｍｏｍ）」、「パパ（Ｄａｄ）」、「ショッピングモール（ｍａｌｌ）」、及び「（学校ｓｃｈｏｏｌ）」の出現率が高い場合には、メッセージが、人口統計上の「郊外に住む十代（ｓｕｂｕｒｂａｎ ｔｅｅｎａｇｅｒ）」からのものであると推測することができるのに対し、「立証責任（ｂｕｒｄｅｎ ｏｆ ｐｒｏｏｆ）」、「証拠審問（ｅｖｉｄｅｎｔｉａｒｙ ｈｅａｒｉｎｇ）」、及び「反対尋問（ｃｒｏｓｓ−ｅｘａｍｉｎａｔｉｏｎ）」の出現率が高ければ、メッセージが、人口統計上の「法廷弁護士（ｔｒｉａｌ ｌａｗｙｅｒ）」からのものであるという推測ができるというルールを挙げることができる。

他の一般的態様
上記で詳細に強調したように、データマイニング及びフィードバックシステムをネットワークを介して実現することもでき、この場合、ノード間でメッセージが流れ、複数のノードにおいてユーザがコンピュータ装置を使用して少なくともメッセージを開始し、これらのユーザの何人かが、メッセージサーバ又はソースからブロードキャストされた初期メッセージの受信者である。１つには、ブロードキャスト時間に広告をブロードキャストし、ブロードキャスト時間の後の少なくとも１つの集約的活動ストリームをモニタし、この集約的活動ストリームをフィルタ処理してブロードキャスト広告に対する反応と思われるメッセージを識別し、これらのメッセージがいつ送信されたかを特定し、関連性のない確率が高いメッセージをフィルタ除去し、ブロードキャスト広告に対する反応と思われる少なくともこれらの複数のメッセージに関して少なくとも１つの人口統計を特定することにより、少なくとも１つの人口統計のための広告効果を測定することができる。

活動ストリームは、１又はそれ以上のユーザにより送信された１又はそれ以上のメッセージを表すことができ、集約的活動ストリームは、広告効果を測定すべき対象となる統計的に重要なグループを形成するユーザの集合体からの活動ストリームを表すことができる。集約的活動ストリームは、ソーシャルネットワークのトラフィックであるメッセージ、検索クエリであるメッセージ、１又はそれ以上のウェブ資産に対する要求、或いはその他のメッセージ又はトラフィックとすることができる。１又はそれ以上のウェブ資産に対する要求は、モニタ対象のＵＲＬリストに記憶されたＵＲＬにより識別されるウェブ資産に対する要求とすることができ、モニタ対象のＵＲＬのうちの少なくとも１つは、映画広告などの少なくとも１つの以前にブロードキャストされた広告に関連し、モニタ対象のＵＲＬリストは、情報素材、販売促進素材、又は広告対象の映画に関する予告編を含むウェブページのＵＲＬを含む。

リアルタイム広告管理システムは、ユーザメッセージをリアルタイムでモニタするためのサーバと、モニタ対象のユーザメッセージから、以前にブロードキャストされた広告に対する反応であると判断されるユーザ活動を抽出又はマイニングし、抽出したユーザ活動の特定結果に基づいて、複数のブロードキャスト広告候補のうちの１つを選択するためのデータマイニングモジュールとを備えることができる。本明細書で使用する「リアルタイム」とは、ユーザ、視聴者、及びその他が、ある反応をリアルタイムな反応であると知覚できる時間を意味する。例えば、３０分のテレビ番組が放送されており、番組が始まって１０分後に送信されたユーザメッセージによって、視聴者が特定の広告、筋書きの変化に興味があること又はその他の反応を示す場合、２０分のマーク時に筋書きの変更を行うのは十分にリアルタイムと考えられるが、数週間後の放送回で反応が起きるのをリアルタイムと見なすことはできない。特定のコンテンツに応じて、いくつかのリアルタイム反応は、ユーザメッセージがブロードキャストされてから１秒以内のものとすることができ、いくつかは数分、いくつかはより長い時間内のものとすることができる。他の状況では、恐らくはたとえ数分でもリアルタイム間隔と見なされなくなる。

以前にブロードキャストされた広告は、テレビ、ラジオ、掲示板、及び／又はインターネット広告媒体のうちの１又はそれ以上を介して伝達された広告とすることができる。複数のブロードキャスト広告候補のうちの選択した１つを、以前にブロードキャストされた広告の媒体と、複数のブロードキャスト広告候補のうちの選択した１つとを異なる媒体を使用して伝達できるように、テレビ、ラジオ、掲示板、及び／又はインターネット広告媒体のうちの１又はそれ以上を介して伝達すべき広告とすることができる。

リアルタイム広告管理システムは、メッセージを分析し、どのメッセージが機械的ソースからのものであり、どのメッセージが非機械的ソースからのものであるかを少なくとも推定又は特定するためのメッセージタイプアナライザを含むことができる。非機械的ソースは、以前にブロードキャストされた広告に対する時間的に後の、及びこの以前にブロードキャストされた広告を実際に見たことに応答又は反応する人間の応答又は反応を含むソースとすることができる。

リアルタイム広告管理システムは、集約されたメッセージの統計的尺度に基づいて行動をとるためのロジックを含むこともでき、機械的ソースからのメッセージに対してとられる行動は、非機械的ソースからのメッセージに対してとられる行動と異なる。

リアルタイム広告管理システムは、メッセージを分析し、メッセージの内容に基づいてメッセージに関する人口統計を少なくとも推定又は特定するメッセージデモグラフィックアナライザを含むこともできる。

リアルタイム広告管理システムの１つの応答は、モニタ対象のユーザメッセージから、以前にブロードキャストされた広告に対する反応であると判断されるユーザ活動を抽出又はマイニングし、抽出したユーザ活動の特定結果に基づいて、ブロードキャストしたコンテンツの方向性、番組の制作方針、及び／又はカメラアングルのうちの１又はそれ以上を変更することとすることができる。

多くの例が考えられるが、本出願の範囲が以下の例に限定されるわけではないという理解の下に一組の特定の例について説明する。１つの実施構成が、「有名な海賊映画パート２（Ｆａｍｏｕｓ Ｐｉｒａｔｅ Ｍｏｖｉｅ Ｐａｒｔ２）」という特作映画と、そのスター俳優である「Ｓｔａｎｌｅｙ Ｂｉｇ−Ｔａｌｅｎｔ」に関するブロードキャストメッセージのマーケティング効果を測定するためのものであるとする。

まず、検索エンジンストリームにフィルタチェックをかけて、「Ｐｉｒａｔｅｓ」、「Ｓｔａｎｌｅｙ」、「Ｂｉｇ−Ｔａｌｅｎｔ」などの検索用語に一致するワードを識別することができる。次にデモグラフィックタガーが、「２語の組」又は「句」であるワードを有するメッセージにタグ付けするが、このタグ付けを単一のワードに適用することもできる。デモグラフィックタガーを使用して、メッセージソースの年齢層を識別することができる。例えば、「Ｓｔａｎｌｅｙはかっこいい（Ｓｔａｎｌｅｙ ｉｓ ｇｒｏｏｖｙ）」、「Ｓｔａｎｌｅｙは最高だ（Ｓｔａｎｌｅｙ ｉｓ ｔｈｅ ｂｏｍｂ）」、及び「Ｓｔａｎｌｅｙはいかしている（Ｓｔａｎｌｅｙ ｉｓ ｓｉｃｋ）」は、Ｓｔａｎｌｅｙ Ｂｉｇ−Ｔａｌｅｎｔが好ましく見えることについての異なる表現方法であるが、特定の年齢層に特有のものである（例えば、あるティーンエイジャー又はプレティーンの言葉では、「ｓｉｃｋ」は、「ｇｒｅａｔ（すごい）」と同義語である）。いくつかの方言、慣用句、又は言語詳細により、地理的地域ごとの人口統計的タグ付けを行うことができる。

メッセージにタグ付けしたら、「機械的」対「非機械的」などのメッセージタイプによってこれをさらに特徴付けることができる。この特徴付けは、メッセージ間の類似性レベルを識別することによって行うことができ、機械的メッセージは類似性に関する得点が非常に高いので、これらを削除し、又は重み付けを下げることができる。

次に、感情分析を行うことができる。多くのメッセージは入り交じった感情を有する可能性があるが、にもかかわらず、これらを「一般に肯定的」、「一般に否定的」、及び「混在」にグループ分けすることができる。場合によっては、メッセージの混在性を分けることができる。例えば、「また映画「有名な海賊」を作るとは信じられないが、Ｓｔａｎｌｅｙ Ｂｉｇ−Ｔａｌｅｎｔはすばらしい（Ｉ ｃａｎｔ ｂｅｌｉｅｖｅ ｔｈｅｙ ａｒｅ ｍａｋｉｎｇ ａｎｏｔｈｅｒ Ｆａｍｏｕｓ Ｐｉｒａｔｅ ｍｏｖｉｅ．Ｓｔａｎｌｅｙ Ｂｉｇ−Ｔａｌｅｎｔ ｉｓ ｈｏｔ．）」というメッセージは混在メッセージであるが、１つのトピック（映画）には否定的な評価を、もう１つのトピック（主演俳優）には肯定的な評価を示しており、映画自体を軽んじて俳優を持ち上げることにより、これを有効にマーケティングに使用できるので有用である。

パルストリガ及び継続的トリガ
上述したように、ブロードキャスト広告を発して応答を測定することができる。これは、本明細書で説明するシステムをどのように使用して「パルス」を生成し、その少し後に「パルス応答」を測定できるかについての例である。例えば、ある映画に関して、各々がこの映画内の異なる登場人物に焦点を当てた２つの広告を展開することができる。最初のパルスが送信され（例えば、第１の登場人物に焦点を当てた広告がブロードキャストされ）、その応答が測定された場合に、第２の登場人物に焦点を当てた後のパルス（或いは同じ又は異なる時間における異なる方向性又はマーケットのパルス）が送信され、その応答が測定される。このパルス応答の違いを使用して、映画又はさらなるマーケティングを調整することができる。場合によっては、パルス応答の差別化が可能な場合、同じマーケット内に２つ（又はそれ以上）の同時パルスが存在してもよい。

いくつかの実施形態では、パルスが送信され、その応答が単純に記録され、関連性のない又は関係ない応答が破棄される。分析システムは、残りの応答から、疎ＳＶＤとして使用される疎ベクトルの組を生成し、階層的クラスタ化を行うことができる。メッセージタイプ（機械的又は無機械的）を考慮してもよいし、又はしなくてもよい。メッセージフォーマット（Ｔｗｉｔｔｅｒ、ｅメールなどのサービスを使用するＳＭＳテキスト、ソーシャルネットワークメッセージ、ショートメッセージなど）を考慮することもできる。このような応答分析から、パルスの効果に関する推測を行い、これらの推測に応じて行動をとることができる。いくつかの行動は、将来の広告、製品又はサービスの提案を変更すること、又はその他の行動を含むことができる。映画の場合、この推測を使用して編集などの変更を映画に行い、特定の登場人物に関するパルスが予想よりも高い応答を生じた場合に、前もって映画内におけるこの登場人物の重要性を高めて視聴者を満足させるようにすることができる。

いくつかの実施形態では、パルス及び応答が離散イベントに限定されず、パルスストリームが存在する継続的モニタフィードバックループを形成し、或いはパルスに対する応答が行動であり、この行動自体がさらなる応答分析のためのパルスである離散的フィードバックループを形成することができる。

図２は、データマイニングを行ってメッセージに対する応答を特定する方法のフロー図である。図示のように、この方法は、パルスイベントが生成されることで開始する（ステップＳ１）。このパルスイベントは、応答を引き起こすべきメッセージ、通信、又はその他のイベントとすることができる。時刻ｔｂにおいて、このパルスイベントを反映する、ブロードキャスト広告などのメッセージが生成される（ステップＳ２）。時刻ｔｂ後、メッセージモニタがネットワークトラフィックをモニタする（Ｓ３）。このトラフィックは、ソーシャルネットワークメッセージ（Ｔｗｉｔｔｅｒメッセージの投稿、フェースブックページ上での活動など）、検索クエリ、ＵＲＬ要求などの形をとることができる。

モニタ対象のトラフィックをフィルタ処理して、パルスイベントに由来するものではないと見なされ、かつ時点ｔｂ後に発生したメッセージの重みを除外、無視、及び／又は低減する（Ｓ４）。残りのメッセージのうち、パルスイベントに対する応答、結果、及び／又は反応であると見なされるメッセージをまとめて分析して、メッセージの特性を特定する（Ｓ５）。場合によっては、使用されているワードを検討し、人口統計を推定し、及び／又は議論のトピックを抽出する。このような動作の詳細については上述した。

この分析結果から、アナライザシステムが、複数の所定の選択肢から、フォローアップ広告の選択、製品、サービス又は提案の変更の選択、或いはその他の動作の選択を含むことができる選択を行う（Ｓ６）。その後、選択した行動がとられ、又はこの行動を行うための、自動電子メッセージの形をとることができる命令を発行する。

フィードバックループが存在する場合にはさらなる行動をとることができ（Ｓ７）、例えば、この選択される行動は、後続するブロードキャストメッセージの送信（Ｓ８）、メッセージの送信（Ｓ９）、及び結果として生じるネットワークトラフィックのモニタリングへのループバックである。

図３は、本出願の方法及びシステムの要素のいくつかが動作できるコンピュータシステムのブロック図である。この図には、本出願で説明した様々な実施形態による一般的なコンピュータシステム３００を示している。様々な実施形態において、通常、コンピュータシステム３００は、モニタ３１０、コンピュータ３２０、キーボード３３０、ユーザ入力装置３４０、及びネットワークインターフェイス３５０などを含む。

本実施形態では、通常、ユーザ入力装置３４０は、コンピュータマウス、トラックボール、トラックパッド、及び無線リモコンなどとして具体化される。通常、ユーザ入力装置３４０は、ユーザが行動の選択を入力し、データマイニングシステムの構成要素が使用する様々なルールセットのためのルールを挿入できるようにする。

通常、ネットワークインターフェイス３５０の実施形態は、イーサネット（登録商標）カード、モデム（電話、衛星、ケーブル、ＩＳＤＮ）、及び（非同期）デジタル加入者回線（ＤＳＬ）ユニットなどを含む。通常、ネットワークインターフェイス３５０は、図示のようなコンピュータネットワークに結合される。他の実施形態では、ネットワークインターフェイス３５０を、コンピュータ３２０のマザーボード上に物理的に統合してもよく、ソフトＤＳＬなどのソフトウェアプログラムなどとしてもよい。

通常、コンピュータ３２０は、プロセッサ３６０、ランダムアクセスメモリ（ＲＡＭ）３７０などのメモリ記憶装置、ディスクドライブ３８０、及びこれらの構成要素を相互接続するシステムバス３９０などのよく知られたコンピュータ構成要素を含む。１つの実施形態では、コンピュータ３２０が、Ｉｎｔｅｌ社から市販されているＸｅｏｎ（商標）マイクロプロセッサなどの複数のマイクロプロセッサを有するＰＣ互換コンピュータである。

ＲＡＭ３７０及びディスクドライブ３８０は、ブロードキャストメッセージ及びパルス詳細のために使用できるルール、プログラムコード、コンテンツを記憶するための、並びに分析結果及びメッセージ集約データを記憶するための有形媒体の例である。記憶装置は、他のコンピュータプログラム、オペレーティングシステムコード、本出願で説明した実施形態、及び上述した機能を実施するようにコンピュータシステム３００に指示するように構成されたプログラムコードなどを含むこともできる。他の種類の有形媒体として、フロッピー（登録商標）ディスク、着脱可能ハードディスク、ＣＤ−ＲＯＭ、ＤＶＤ、Ｂｌｕ−Ｒａｙディスクなどの光記憶媒体、フラッシュメモリ、読み取り専用メモリ（ＲＯＭ）、バッテリ式揮発性メモリなどの半導体メモリ、及びネットワーク接続型記憶装置などが挙げられる。

本実施形態では、コンピュータシステム３００が、ＨＴＴＰプロトコル、ＴＣＰ／ＩＰプロトコル、及びＲＴＰ／ＲＴＳＰプロトコルなどの、ネットワークを介した通信を可能にするソフトウェアを含むこともできる。別の実施形態では、例えば、ＩＰＸ又はＵＤＰなどの他の通信ソフトウェア及び転送プロトコルを使用することもできる。

図３は、本出願の教示の態様を具体化できるコンピュータシステムの代表例である。当業者には、本明細書で説明した実施形態との併用に他の多くのハードウェア構成及びソフトウェア構成が適することが容易に明らかになるであろう。例えば、Ｃｏｒｅ（商標）又はＩｔａｎｉｕｍ（商標）マイクロプロセッサ、及びＡｄｖａｎｃｅｄ Ｍｉｃｒｏ Ｄｅｖｉｃｅｓ社から市販されているＯｐｔｅｒｏｎ（商標）又はＰｈｅｎｏｍ（商標）マイクロプロセッサなどのその他のマイクロプロセッサの使用が意図される。さらに、Ｍｉｃｒｏｓｏｆｔ社から市販されているＷｉｎｄｏｗｓ Ｖｉｓｔａ（登録商標）又はＷｉｎｄｏｗｓ ＮＴ（登録商標）など、Ｓｕｎ Ｍｉｃｒｏｓｙｓｔｅｍｓ社から市販されているＳｏｌａｒｉｓ、Ａｐｐｌｅ社から市販されているＬＩＮＵＸ（登録商標）、ＵＮＩＸ（登録商標）、及びＭＡＣ ＯＳなどのその他の種類のオペレーティングシステムが意図される。

図４は、メッセージストリームを処理する様々な処理構成要素の動作を示すブロック図である。ここに示すように、（本明細書のいずれかで説明したような）様々なソースからのメッセージがパイプライン４０２に供給される。パイプライン４０２内では、フィルタチェック処理４０４、デモグラフィックタガー４０６、メッセージタイプデタミナー４０８、及びアグリゲータ４１０がメッセージに作用する。アグリゲータ４１０の出力がアナライザ／セレクタ４１２に供給され、これがとるべき行動に関する命令４１４を出力する。命令の例は、パルスイベントに対する反応の統計値をメディアディレクタに示す電子警告とすることができる。

フィルタチェック処理４０４は、メッセージ／検索／ＵＲＬの要素（テキスト、コンテンツ、メタデータ、タイムスタンプなど）を、電子的形態で記憶されたフィルタルールセット４２０と比較するプログラムコードとすることができる。（パルスに対する反応ではないことが因果関係によって示されるため）パルスのタイムスタンプよりも前にタイムスタンプされたメッセージをフィルタ除去するルール４２２（１）、及び「映画」というワードを含むメッセージをフィルタ抽出するルール４２２（２）などのいくつかのルール例４２２を示している。様々な順序でルールを適用することができ、又は順序とは無関係とすることもできる。ルールを「ａｎｄ」、「ｏｒ」、及び／又は「ｘｏｒ」の方式で組み合わせることもできる。ルールによって重みが割り当てられるようにすることができ、この場合、組み合わせたルールの重みが、メッセージがパルスに対する反応であるかどうかに関する確実性に関するスコアを形成する。

１つのメッセージをほんの一例として示しているが、さらに多くのメッセージが存在してもよい。このメッセージは「私はこの映画が好きだ（Ｉ ｌｉｋｅ ｔｈｉｓ ｍｏｖｉｅ）」というテキストを有し、１：３８ｐｍというタイムスタンプを有する。このメッセージは、１：３０ｐｍに行った映画広告に関するものである可能性があり、又はそうでない可能性もある。当然ながら、この映画広告が１：３０ｐｍにサンフランシスコのベイエリアでブロードキャストされたＤｉｓｎｅｙ／Ｐｉｘａｒの「Ｃａｒｓ ２」に関するものであり、メッセージが、カリフォルニア州サンフランシスコ在住であると自認するソーシャルネットワークユーザからのものであり、メッセージのテキストが、「おぉ！たった今ＴＶでＣａｒｓ２の予告編を見たけど、この映画早く観たいね（Ｗｏｗ！ Ｉ ｊｕｓｔ ｓａｗ ｔｈｅ Ｃａｒｓ ２ ｔｒａｉｌｅｒ ｏｎ ＴＶ ａｎｄ ｃａｎｔ ｗａｉｔ ｔｏ ｓｅｅ ｔｈｅ ｍｏｖｉｅ）」であった場合、フィルタチェック処理４０４が、（ブロードキャスト地域とユーザの人口統計地域が重なり、タイムスタンプが時間的に近く、メッセージ内に「ｓａｗ（見た）」及び「ｔｒａｉｌｅｒ（予告編）」が存在し、広告のトピックとメッセージ内のテキストとの間に「Ｃａｒｓ ２」という一致が発生しているなどの）いくつかの「フィルタ抽出」ルールとの合致を見つけて、メッセージがこの広告に対する応答であるという方向でこのメッセージに高く重み付けするようになる。

デモグラフィックタガー４０６は、メッセージ／検索／ＵＲＬの要素（テキスト、コンテンツ、メタデータ、タイムスタンプ等）を人口統計学ルールセット４２４と比較して、所与のメッセージに関して人口統計の指示又は推定を生成し、次にこれらの指示又は推定をそれぞれのメッセージに添付又は関連付けることにより、下流の処理がこれらの情報を考慮できるようにするプログラムコードとすることができる。

メッセージタイプデタミナー４０８は、利用可能な情報から、メッセージが人間によるものであるか、機械的に（例えばコンピュータによって）生成されたものであるかの推定を割り出して、下流の処理がこれに従ってメッセージに重み付けできるようにする。

このように、メッセージストリームを集約的に分析して、広告などのパルスイベントに対する反応に対する考えられる応答を特定する。

当業者であれば、本開示を読んだ後でさらなる実施形態を推定することができる。他の実施形態では、組み合わせ又は部分的組み合わせを有利に作り出すことができる。構成要素の配列例は例示として示したものであり、別の実施形態では、組み合わせ、追加及び再配列などが意図されることを理解されたい。従って、本出願では例示的な実施形態について説明しているが、当業者であれば、数多くの修正が可能であると認識するであろう。

例えば、本明細書で説明した処理を、ハードウェア構成要素、ソフトウェア構成要素、及び／又はこれらのいずれかの組み合わせを使用して実現することができる。従って、明細書及び図面は、限定的な意味ではなく例示的な意味で捉えるべきである。しかしながら、特許請求の範囲に示す本発明のより広範な思想及び範囲から逸脱することなく本発明に様々な修正及び変更を加えることができ、本発明が、以下の特許請求の範囲に含まれる全ての修正物及び同等物を網羅することを意図していることが明らかであろう。

Claims (25)

1. 複数のノードにおけるユーザがコンピュータ装置を使用して、少なくとも前記複数のノードのうちのノード間で流れるメッセージを開始するシステムにおいて広告効果を測定する方法であって、
   ブロードキャスト広告のブロードキャスト時間後に、前記広告効果を測定する対象の統計グループを形成する前記ユーザの集合体により送信される１又はそれ以上のメッセージを表す少なくとも１つの集約的活動ストリームをモニタするステップと、
   前記少なくとも１つの集約的活動ストリームをフィルタ処理して、前記ブロードキャスト広告に対する反応であると思われるメッセージを識別するステップと、
   前記ブロードキャスト広告に対する反応であると思われる少なくとも前記複数のメッセージに関する少なくとも１つの人口統計を特定し、これにより前記少なくとも１つの人口統計に対する広告効果を評価するステップと、
   を含むことを特徴とする方法。
2. 前記少なくとも１つの集約的活動ストリームは、ソーシャルネットワークトラフィックであるメッセージを含み、前記モニタするステップは、前記ブロードキャスト時間後に少なくとも１つのソーシャルネットワークをモニタするステップを含む、
   ことを特徴とする請求項１に記載の方法。
3. 前記少なくとも１つの集約的活動ストリームは、検索クエリであるメッセージを含み、前記モニタするステップは、前記ブロードキャスト時間後に少なくとも１つの検索エンジンクエリストリームをモニタするステップを含む、
   ことを特徴とする請求項１に記載の方法。
4. 前記少なくとも１つの集約的活動ストリームをフィルタ処理して、前記ブロードキャスト広告に対する反応であると思われるメッセージを識別するステップは、
   前記複数のメッセージのうちのあるメッセージの開始時間を特定するステップと、
   このようなメッセージの開始時間が前記ブロードキャスト時間よりも前である場合、このようなメッセージをフィルタ除去するステップと、
   を含むことを特徴とする請求項１に記載の方法。
5. ユーザメッセージをモニタするためのサーバと、
   前記モニタ対象のユーザメッセージから、以前にブロードキャストされた広告に対する反応であると判断されるユーザ活動であるユーザ活動を抽出するためのデータマイニングモジュールと、
   前記抽出したユーザ活動のためのストレージと、
   前記抽出したユーザ活動に基づいて複数のブロードキャスト広告候補の１つを選択するためのセレクタと、
   を備えることを特徴とする広告管理システム。
6. 前記ユーザメッセージは、ソーシャルネットワークシステム内のメッセージを含む、
   ことを特徴とする請求項５に記載の広告管理システム。
7. 前記ユーザメッセージは、検索エンジンに提出された検索クエリを含む、
   ことを特徴とする請求項５に記載の広告管理システム。
8. 前記ユーザメッセージは、ソーシャルメディアメッセージ、検索クエリ、及び／又は１又はそれ以上のウェブ資産に対する要求のうちの１又はそれ以上を含む、
   ことを特徴とする請求項５に記載の広告管理システム。
9. 前記１又はそれ以上のウェブ資産に対する要求は、モニタ対象のＵＲＬリストに記憶されたＵＲＬによって識別されるウェブ資産に対する要求を含み、前記モニタ対象のＵＲＬのうちの少なくとも１つは、少なくとも１つの以前にブロードキャストされた広告に関連する、
   ことを特徴とする請求項８に記載の広告管理システム。
10. 前記以前にブロードキャストされた広告は映画に関する広告であり、前記モニタ対象のＵＲＬリストは、情報素材、販売促進素材、又は前記広告される映画の予告編を含むウェブページのＵＲＬを含む、
    ことを特徴とする請求項９に記載の広告管理システム。
11. 前記以前にブロードキャストされた広告は、テレビ、ラジオ、掲示板、及び／又はインターネット広告媒体のうちの１又はそれ以上を介して伝達された広告であり、前記複数のブロードキャスト広告候補のうちの前記選択した広告は、前記以前にブロードキャストされた広告のための前記媒体と、前記複数のブロードキャスト広告候補のうちの前記選択した広告とを異なる媒体を使用して伝達できるように、テレビ、ラジオ、掲示板、及び／又はインターネット広告媒体のうちの１又はそれ以上を介して伝達すべき広告である、
    ことを特徴とする請求項５に記載の広告管理システム。
12. メッセージを分析し、どのメッセージが機械的ソースからのものであり、どのメッセージが非機械的ソースからのものであるかを少なくとも推定又は特定するためのメッセージタイプアナライザをさらに備え、前記非機械的ソースは、前記以前にブロードキャストされた広告に対する時間的に後の、及び前記広告管理システムは、前記以前にブロードキャストされた広告を前記ユーザが実際に見たことに応答するものであると判断する人間の応答又は反応を含むソースである、
    ことを特徴とする請求項５に記載の広告管理システム。
13. メッセージの集合の統計的尺度に基づいて行動をとるためのロジックをさらに備え、前記機械的ソースからのメッセージに対してとられる行動が、前記非機械的ソースからのメッセージに対してとられる行動と異なる、
    ことを特徴とする請求項１２に記載の広告管理システム。
14. メッセージを分析し、メッセージの内容に基づいてメッセージの人口統計を少なくとも推定又は特定するメッセージデモグラフィックアナライザをさらに備える、
    ことを特徴とする請求項５に記載の広告管理システム。
15. メッセージを分析し、どのメッセージが複数のソースクラスのうちのどのクラスからのものであるかを少なくとも推定又は特定するメッセージタイプアナライザをさらに備え、前記メッセージの内容及び／又は前記メッセージのヘッダからメッセージのソースクラスが特定される、
    ことを特徴とする請求項５に記載の広告管理システム。
16. 後続するデータマイニングのための事前活動として複数のブロードキャスト広告を使用できる、
    ことを特徴とする請求項５に記載の広告管理システム。
17. 前記セレクタは、メッセージを送信するユーザがリアルタイム応答時間であると見なす応答時間内に動作する、
    ことを特徴とする請求項５に記載の広告管理システム。
18. ユーザメッセージをモニタするためのサーバと、
    前記モニタ対象のユーザメッセージから、事前活動に対する反応であると判断されたユーザ活動を抽出するためのデータマイニングモジュールと、
    前記モニタ対象のユーザメッセージを分析し、機械的ソースメッセージと、前記事前活動に対する人間の反応を含むソースからのものである非機械的ソースメッセージとの間でメッセージタイプを判別するためのメッセージタイプアナライザと、
    前記モニタ対象のユーザメッセージに関するデータを含む前記抽出したユーザ活動のためのストレージと、
    メッセージタイプに基づいて調整した、前記抽出したユーザ活動に基づく、複数のブロードキャスト広告候補の１つのためのセレクタと、
    を備えることを特徴とする広告管理システム。
19. 前記事前活動は、メッセージのブロードキャストである、
    ことを特徴とする請求項１８に記載の広告管理システム。
20. 前記ユーザメッセージは、ソーシャルメディアメッセージ、検索クエリ、及び／又は１又はそれ以上のウェブ資産に対する要求のうちの１又はそれ以上を含む、
    ことを特徴とする請求項１８に記載の広告管理システム。
21. 前記１又はそれ以上のウェブ資産に対する要求は、モニタ対象のＵＲＬリストに記憶されたＵＲＬによって識別されるウェブ資産に対する要求を含み、前記モニタ対象のＵＲＬのうちの少なくとも１つは、少なくとも１つの以前にブロードキャストされたメッセージに関連する、
    ことを特徴とする請求項２０に記載の広告管理システム。
22. 前記以前にブロードキャストされたメッセージが映画に関する広告であり、前記モニタ対象のＵＲＬリストは、情報素材、販売促進素材、又は前記広告される映画の予告編を含むウェブページのＵＲＬを含む、
    ことを特徴とする請求項２１に記載の広告管理システム。
23. メッセージを分析し、メッセージの内容に基づいてメッセージの人口統計を少なくとも推定又は特定するメッセージデモグラフィックアナライザをさらに備える、
    ことを特徴とする請求項１８に記載の広告管理システム。
24. メッセージを分析し、どのメッセージが複数のソースクラスのうちのどのクラスからのものであるかを少なくとも推定又は特定するメッセージタイプアナライザをさらに備え、前記メッセージの内容及び／又は前記メッセージのヘッダからメッセージのソースクラスが特定される、
    ことを特徴とする請求項１８に記載の広告管理システム。
25. ユーザメッセージをモニタするためのサーバと、
    前記モニタ対象のユーザメッセージから、以前にブロードキャストされた広告に対する反応であると判断されたユーザ活動を抽出するためのデータマイニングモジュールと、
    前記モニタ対象のユーザメッセージに関するデータを含む前記抽出したユーザ活動のためのストレージと、
    前記抽出したユーザ活動の結果に基づいて、ブロードキャストしたコンテンツの方向性、番組の制作方針、及び／又はカメラアングルのうちの１又はそれ以上を変更するためのロジックと、
    を備えることを特徴とする広告管理システム。

Images