JP2023008860A - ユーザが設定した閾値に基づいたデジタルウィッシュリストのコンテンツの自動購入 - Google Patents
ユーザが設定した閾値に基づいたデジタルウィッシュリストのコンテンツの自動購入 Download PDFInfo
- Publication number
- JP2023008860A JP2023008860A JP2022101048A JP2022101048A JP2023008860A JP 2023008860 A JP2023008860 A JP 2023008860A JP 2022101048 A JP2022101048 A JP 2022101048A JP 2022101048 A JP2022101048 A JP 2022101048A JP 2023008860 A JP2023008860 A JP 2023008860A
- Authority
- JP
- Japan
- Prior art keywords
- user
- list
- products
- machine learning
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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; CALCULATING OR 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0239—Online discounts or incentives
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】デジタルメディア及びデジタルアセットの自動購入方法及びシステムを提供する。【解決手段】方法は、少なくとも1人のユーザに、製品のプリセレクトリストを提供するように問い合わせするS510ことと、機械学習アルゴリズムを使用して追加の製品の推奨リストを生成するS520ことと、追加の製品の推奨リストを、少なくとも1人のユーザのプリセレクトリストに追加して、拡張されたインタレストリストを少なくとも1人のユーザに提供するS530ことと、少なくとも1人のユーザに、拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように問い合わせるS540ことと、1つ以上の製品の価格がパラメータを満たす場合、前記1つ以上の製品を自動購入するS550ことと、を含む。【選択図】図5
Description
本開示は、一般に、オンラインゲームネットワーク内にゲーム及びゲーム関連アイテムを投入して取得するためのシステム及び方法に関する。
関連技術の説明
多くのオンラインゲームプラットフォームは、オンラインストアやマーケットプレイスを通じて、ゲーム環境で使用するゲーム、ゲームアセット、またはその他のアイテムを購入する機会をユーザに提供する。これらの商品のデジタル性により、それらのようなアイテムの需要と価格は時間の経過とともに変化する可能性がある。さらに、ゲームデザイナーや小売業者は、電子メールまたはその他の通信形式を通じて宣伝されることができる、ある特定のアイテムに期間限定の割引率を提示したいと希望することがある。ただし、これらの宣伝されている割引率または期間限定の取引は、大量の電子メールの中で失われる可能性がある。
多くのオンラインゲームプラットフォームは、オンラインストアやマーケットプレイスを通じて、ゲーム環境で使用するゲーム、ゲームアセット、またはその他のアイテムを購入する機会をユーザに提供する。これらの商品のデジタル性により、それらのようなアイテムの需要と価格は時間の経過とともに変化する可能性がある。さらに、ゲームデザイナーや小売業者は、電子メールまたはその他の通信形式を通じて宣伝されることができる、ある特定のアイテムに期間限定の割引率を提示したいと希望することがある。ただし、これらの宣伝されている割引率または期間限定の取引は、大量の電子メールの中で失われる可能性がある。
一態様では、デジタルメディア及びデジタルアセットの自動購入方法が提供される。この方法は、少なくとも1人のユーザに、製品のプリセレクトリストを提供するように問い合わせすることを含んでもよい。また、方法は、機械学習アルゴリズムまたはモデルを使用して追加の製品の推奨リストを生成することを含んでもよく、この機械学習アルゴリズムは、協調フィルタリングアルゴリズム、コンテンツベースのフィルタリング、望ましいコンテンツモデル、パーソナライズされたビデオゲームランカー、または知識ベースの推奨システムのうちの1つを含む。また、方法は、少なくとも1人のユーザのプリセレクトリストに追加の製品の推奨リストを追加して、少なくとも1人のユーザに拡張されたインタレストリストを提供することを含んでもよい。また、方法は、少なくとも1人のユーザに、拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように問い合わせすることを含んでもよい。さらに、方法は、1つ以上の製品の価格がパラメータを満たすことに基づいて、1つ以上の製品を自動購入することを含んでもよい。
別の態様では、デジタルメディアの自動購入システムが提供される。システムは、1つ以上のプロセッサ、及び非一時的なコンピュータ可読媒体を含んでもよく、この非一時的なコンピュータ可読媒体は、その内に格納される命令を含んでもよい。これらの命令は、1つ以上のプロセッサによって実行されると、少なくとも1人のユーザに製品のプリセレクトリストを提供するように問い合わせることを含むことができる動作をプロセッサに実行させてもよい。また、動作は、機械学習アルゴリズムを使用して追加の製品の推奨リストを生成することを含んでもよく、この機械学習アルゴリズムは、協調フィルタリングアルゴリズム、コンテンツベースのフィルタリング、望ましいコンテンツモデル、パーソナライズされたビデオゲームランカー、または知識ベースの推奨システムのうちの1つを含む。また、動作は、少なくとも1人のユーザのプリセレクトリストに追加の製品の推奨リストを追加して、少なくとも1人のユーザに拡張されたインタレストリストを提供することを含んでもよい。また、動作は、少なくとも1人のユーザに、拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように問い合わせ、1つ以上の製品の価格がパラメータを満たすことに基づいて1つ以上の製品を自動購入することを含んでもよい。
さらなる態様では、非一時的なコンピュータ可読媒体は、命令を含んでもよい。これらの命令は、コンピューティングシステムによって実行されると、少なくとも1人のユーザに、製品のプリセレクトリストを提供するように問い合わせすることを含むことができる動作をコンピューティングシステムに実行させてもよい。また、動作は、機械学習アルゴリズムを使用して追加の製品の推奨リストを生成することを含んでもよく、この機械学習アルゴリズムは、協調フィルタリングアルゴリズム、コンテンツベースのフィルタリング、望ましいコンテンツモデル、パーソナライズされたビデオゲームランカー、または知識ベースの推奨システムのうちの1つを含む。また、動作は、少なくとも1人のユーザのプリセレクトリストに追加の製品の推奨リストを追加して、少なくとも1人のユーザに拡張されたインタレストリストを提供することを含んでもよい。また、動作は、少なくとも1人のユーザに、拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように問い合わせし、1つ以上の製品の価格がパラメータを満たすことに基づいて1つ以上の製品を自動購入することを含んでもよい。
追加の実施形態及び特徴は、以下の説明に部分的に記載されており、本明細書を検討することで当業者に明らかになる、または開示された発明の主題の実施によって教示されることができる。本開示の性質及び利点のさらなる理解は、本開示の一部を形成する、本明細書の残りの部分及び図面を参照することによって実現され得る。
この説明は、本開示のさまざまな実施形態として提示され、本開示の範囲の完全な列挙として解釈されるべきではない以下の図及びデータグラフを参照すると、より完全に理解されるであろう。
本開示は、以下に説明されるように、図面と併せて解釈される、以下の発明を実施するための形態を参照することにより理解され得る。例示を明確にするために、さまざまな図面の特定の要素が一定の比率で描かれていない場合があることに留意する。
背景技術で説明されるように、宣伝されている割引率または期間限定の取引は、大量の電子メールの中で失われる可能性がある。そのため、ユーザがユーザ定義の閾値以下で商品またはサービスを自動購入することができるシステム及び方法を提供することが望まれている。
本開示は、オンラインゲームネットワーク環境においてデジタルアセットまたはデジタルメディアを提供し、投入し、取得するためのシステム及び方法に関する。さまざまな態様では、取得されるデジタルアセットまたはデジタルメディアは、ユーザによってプリセレクトされてもよい。別の態様では、取得されるデジタルアセットまたはデジタルメディアは、ユーザのソーシャルネットワーク及び他のオンラインアクティビティに基づいた機械学習を通じて識別されてもよい。
本開示は、ユーザのための製品の拡張されたインタレストリストに基づいて、デジタルメディアまたはデジタルアセットまたは関連アイテムを自動購入するための方法及びシステムを説明する。本開示は、さまざまな機械学習アルゴリズムを使用して追加の製品のリストを作成することにより、製品のリストを更新することを含む。
図1は、ユーザが設定した閾値に基づいてウィッシュリスト上のデジタルメディアを自動購入するためのネットワークシステムまたはネットワーク環境100を示す。ネットワークシステム100は、1つ以上のコンテンツサーバアプリケーションプログラムインタフェース(API)170を使用してオンラインでビデオゲームを配信するために、ホストデータベース180に格納される、ストリーミングコンテンツ(例えば、ビデオゲーム)を提供するコンテンツサーバ110を含んでもよい。また、ネットワークシステム100は、コンテンツ配信ホストサーバ140、パブリックネットワーク150、1つ以上のユーザデバイス160、及び1つ以上のデータソースサーバ190を含んでもよい。ホストデータベース180は、ビデオゲームを格納してもよい。ホストサーバ140は、ホストデータベース180からデータを取得してもよい。
コンテンツサーバ110は、ストリーミングに利用可能なゲームコンテンツを維持し、提供してよい。そのようなゲームコンテンツは、フルゲーム、ゲームトライアル、ゲーム関連画像、ゲーム関連オーディオファイル、またはその他のゲームアセットを含んでもよいが、これらに限定されない。コンテンツサーバ110は、ネットワークシステム100を介してそのコンテンツをユーザに利用可能にする、限定されないが、とりわけ、Sony(登録商標)またはPlayStation(登録商標)などの任意のコンテンツプロバイダに関連付けられることができる。さまざまな態様では、本明細書で使用されるゲームコンテンツを取得することは、1つ以上のユーザデバイスにストリーミングされる、またはダウンロードされるビデオゲームコンテンツを視聴する、またはプレイすることも含んでもよい。
コンテンツサーバ110から取得されるコンテンツは、コンテンツサーバAPI170を通して提供されることができることにより、さまざまなタイプのコンテンツサーバ110は、パブリックネットワーク150を介して通信することができる。コンテンツサーバAPI170は、ストリーミングコンテンツを提供するコンテンツサーバ110の特定の言語、オペレーティングシステム、プロトコルなどに専用であってよい。複数の異なるタイプのコンテンツサーバ110を含むネットワークシステム100では、同様に、対応する数のコンテンツサーバAPI170があることができる。
したがって、コンテンツサーバAPI170は、コンテンツサーバ110によってホストされるコンテンツへの各ユーザデバイス160の直接または間接アクセスを容易にする。アクセスされたコンテンツに関するメタデータなどの追加情報もまた、コンテンツサーバAPI170によってユーザデバイス160に提供されることができる。以下に記載されるように、追加情報(すなわち、メタデータ)は、ユーザデバイス160にストリーミングされるコンテンツに関する詳細を提供するために使用可能であってよい。最後に、チャットサービス、レーティング、及びプロファイルなど、アクセスされたコンテンツに関連付けられた追加サービスは、コンテンツサーバ110からコンテンツサーバAPI170を介してユーザデバイス160に提供されることができる。
コンテンツサーバAPI170は、コンテンツ配信ホストサーバ140によってアクセスされることができる。コンテンツ配信ホストサーバ140は、ユーザデバイス160に関するプロモーション画像及びサービスコンフィグレーションを含む、ゲームストリームに関連するリソース及びファイルを提供してもよい。また、コンテンツ配信ホストサーバ140は、専用コンテンツをストリーミングする、またはサブスクライブすることを要求するユーザデバイス160によって呼び出されることができる。
コンテンツサーバAPI170は、ユーザデバイス160に利用可能なゲームコンテンツに関する情報を取得するために、ホストサーバAPI170によってアクセスされてもよい。以下に説明されるように、コンテンツに関する追加情報は、利用可能なコンテンツを説明するメタデータ(例えば、制作者、タイトル、ジャンル別)を含んでもよい。また、情報は、コンテンツが格納される位置(例えば、URL、ファイルサーバ)を含むことができるため、ユーザデバイスは、コンテンツサーバ110からコンテンツを取得することを続行することができる。さらに、ホストサーバAPI170は、異なるユーザデバイス160でユーザが互いにインタラクトすることを可能にする機能(例えば、チャット)を実装するために命令またはグラフィックユーザインタフェースを含んでもよい。それらのような命令がホストサーバAPI170によって使用されることができることにより、ある特定の機能がユーザデバイス160に提供されることができる。
ホストサーバAPI170は、ゲームコンテンツをユーザデバイス160に提供するために、異なるコンテンツサーバ110と通信することに応答可能であってもよい。ホストサーバAPI170は、例えば、ゲームコンテンツのフォーマットを識別する命令、及びユーザデバイス160上でプレイ可能であるようにゲームコンテンツをフォーマットする命令などの命令を実行することができる。そのようなフォーマットは、各コンテンツに関連するメタデータを識別してから、さまざまな異なるタイプの変換技術を使用することを含むことができるため、コンテンツサーバ110に1つのフォーマットで格納されるデータは、異なるフォーマットを必要とする可能性のあるユーザデバイス160上でレンダリングされ、表示されることができる。そのため、異なるフォーマットのゲームコンテンツは、ホストサーバAPI170を介してユーザデバイス160に提供され、それと互換性があることができる。
パブリックネットワーク150は、コンテンツサーバ110及びホストサーバ140からのストリーミングゲームを複数のユーザデバイス160と通信することを容易にする。パブリックネットワーク150には、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)などの1つ以上のプライベートネットワーク、またはインターネットなどのパブリック/プライベートネットワークのネットワークも含まれ得る。インターネットは、ネットワークサービスプロバイダを通じて接続されたユーザデバイス間でインターネットプロトコル(IP)データの送信及び交換を可能とする、相互接続したコンピュータとサーバの広範なネットワークである。ネットワークサービスプロバイダの例には、公衆交換電話網、ケーブルサービスプロバイダ、デジタル加入者回線(DSL)サービスのプロバイダ、衛星サービスプロバイダ、または任意のインターネットサービスプロバイダが挙げられる。
ユーザデバイス160は、複数の異なるタイプのコンピューティングデバイスのうちの1つ以上であってもよい。例えば、ユーザデバイス160は、任意の数の異なるゲームコンソール、モバイルデバイス、ラップトップ、及びデスクトップであってもよい。また、そのようなユーザデバイス160は、ダウンロードされたサービスの場合に適切である場合があるメモリカードまたはディスクドライブなどであるが、これらに限定されない他の記憶媒体からデータにアクセスするように構成されてもよい。それらのようなユーザデバイス160は、ネットワークインタフェース、メディアインタフェース、非一時的コンピュータ可読ストレージ(メモリ)、及び、メモリに記憶され得る命令を実行するプロセッサ等であるが、これらに限らない標準的ハードウェアコンピューティングコンポーネントを含んでよい。また、これらのユーザデバイス160は、さまざまな異なるオペレーティングシステム(例えば、iOS(登録商標)、Android(登録商標))、アプリケーションまたはコンピューティング言語(例えば、C++(登録商標)、JavaScript(登録商標))を用いて実行してもよい。例示的なユーザデバイス160は、図2に関して本明細書に詳細に説明される。
図2は、他の機能の中でも、ストリーミングゲームを視聴する、図1のシステムという状況の中で使用されることができる例示的なコンピューティングデバイス200である。コンピューティングデバイス200は、図1のユーザデバイス160及び/またはデータソースサーバ190に対応することができ、デスクトップ、ラップトップ、タブレット、モバイルデバイス、コンソールゲームシステムなどを含めることができる。コンピューティングデバイス200は、ビデオゲームまたはデジタルメディア及び関連アイテムの自動購入に関する本開示の特徴の実行を容易にするためにユーザが利用することができるデバイスである。特に、コンピューティングデバイス200は、ユーザが任意の位置及び時間に遠隔からストリーミングされたゲームを視聴することを可能にする。
コンピューティングデバイス200は、図2に示されるさまざまな要素を含み得る。要素は例示的なものであり、他の態様は示される要素より多くのまたは少ない要素を組み込み得ることに留意されたい。図2を参照すると、コンピューティングデバイス200は、メインメモリ202、中央処理装置(CPU)204、少なくとも1つのベクトルユニット206、グラフィックス処理ユニット208、入力/出力(I/O)プロセッサ210、I/Oプロセッサメモリ212、コントローラインタフェース214、メモリカード216、ユニバーサルシリアルバス(USB)インタフェース218、IEEEインタフェース220、及びトラッキングデバイス224を接続するための補助(AUX)インタフェース222を含むが、他のバス規格及びインタフェースが利用されてもよい。コンピューティングデバイス200はさらに、オペレーティングシステム読み出し専用メモリ(OS ROM)226、音声処理装置228、光ディスク制御ユニット230、及びハードディスクドライブ232を含み、これらはバス234を介してI/Oプロセッサ210に接続されている。コンピューティングデバイス200はさらに、少なくとも1つのトラッキングデバイス224を含む。
トラッキングデバイス224は、アイトラッキング機能を含むカメラであり得る。カメラは、ペリフェラルデバイスとしてコンピューティングデバイス200に統合され得る、または取り付けられ得る。さまざまな態様によれば、典型的なアイトラッキングデバイスは、目から反射される赤外非平行光を使用して、カメラまたは光センサによって感知されることができる。そして情報を分析して、反射の変化から眼球回転を抽出する。カメラベースのトラッカは、一方のまたは両方の目に焦点を合わせ、ユーザが何らかのタイプの刺激を見ているときのそれらの運動を記録する。カメラベースのアイトラッカは、瞳孔中心及び角膜反射(CR)を生成する光を用いる。瞳孔中心とCRの間のベクトルを用いて、表面上の注視点または視線方向を計算することができる。アイトラッカを用いる前に、ユーザの簡単な較正手順が必要とされることがある。
他の態様では、より感度が高いトラッカは、経時的に追跡する特徴として、角膜正面からの反射及び目の水晶体の後部からの反射を用いることがある。さらに他の態様では、またさらに感度の高いトラッカは、網膜血管を含む目の内部からの特徴を撮像し、眼球が回転するときのこれらの特徴をフォローする。大部分のアイトラッキングデバイスは、少なくとも30Hzのサンプリングレートを用いることができるが、50/60Hzが最も一般的である。一部のトラッキングデバイスは、非常に高速な眼球運動の詳細をキャプチャするのに必要とされる240Hzほどの高さで動作することができる。前述は、本開示に従って使用され得る例示的なアイトラッキング技術を説明する。さまざまな態様では、当業者が適用することができるであろう任意の既知の視線追跡技術を使用することができる。
その代わりに、ユーザによってなされたジェスチャをキャプチャするために本開示と共にレンジカメラが使用されてもよく、レンジカメラは顔認識が可能である。レンジカメラは通常、具体的なジェスチャをキャプチャし解釈するのに用いられ、そのことにより、娯楽システムのハンズフリー制御が可能となる。この技術は、赤外線プロジェクタ、カメラ、深度センサ及びマイクロチップを用い得、3次元で物体及び個人の動きを追跡する。このユーザデバイスはまた、画像ベースの3次元再構築の変形も用い得る。
トラッキングデバイス224は、コンピューティングデバイス200に統合されたまたはペリフェラルデバイスとして取り付けられた、音声データをキャプチャするマイクロフォンを含み得る。マイクロフォンは、音源定位及び/または周囲騒音抑制を行い得る。マイクロフォンは、コンピューティングデバイス200上でコンテンツのスケジュール、取得、及び表示を行うために、ユーザから口頭指示を受信するように使用可能であり得る。
あるいは、トラッキングデバイス224は、コンピューティングデバイス200のコントローラであり得る。コントローラは、近傍のセンサのLEDに向けられ、娯楽システムのコンソールに取り付けられまたは組み込まれたときの3D空間におけるその位置を感知するために、内蔵の加速度計及び赤外線検出の組み合わせを用い得る。この設計により、ユーザは、ボタン押下だけでなく物理的なジェスチャでも、コンピューティングデバイス200の機能を制御することが可能となる。コントローラは、短距離(例えば30フィート)にわたるデータ交換を可能にする無線技術を使用して、コンピューティングデバイス200に接続する。コントローラは、さらに、「ランブル」機能(すなわち、ゲームの特定のポイントにおいてコントローラを振動させる)及び/または内部スピーカを含み得る。
コントローラは、さらにまたは代替として、例えば皮膚の水分、心拍リズム及び筋肉運動を含むデータを記録する遠隔のセンサを用いて生体測定値をキャプチャするように設計され得る。さらにまだ、さまざまな態様では、動き、顔の表情、及び/またはユーザの他の任意の物理的または生理学的状態を測定する、及び/または捕捉するのに適した任意の技術を使用することができる。
上記のように、コンピューティングデバイス200は、電子ゲームコンソールであり得る。あるいは、コンピューティングデバイス200は、汎用コンピュータ、セットトップボックス、またはハンドヘルドゲームデバイスとして実装されてもよい。さらに、同様のユーザデバイスは、より多くのまたはより少ない動作コンポーネントを含み得る。
CPU204、ベクトルユニット206、グラフィックス処理ユニット208、及びI/Oプロセッサ210は、システムバス236を介して通信する。さらに、CPU204は、専用バス238を介してメインメモリ202と通信し、一方ベクトルユニット206とグラフィックス処理ユニット208は、専用バス240を介して通信し得る。CPU204は、OS ROM226及びメインメモリ202に格納されたプログラムを実行する。メインメモリ202は、事前に格納されたプログラム、及び光ディスク制御ユニット230を使用してCD-ROM、DVD-ROM、または他の光ディスク(図示せず)からI/Oプロセッサ210を介して転送されたプログラムを含み得る。I/Oプロセッサ210は主に、CPU204、ベクトルユニット206、グラフィックス処理ユニット208、及びコントローラインタフェース214を含むコンピューティングデバイス200のさまざまなデバイス間のデータ交換を制御する。
グラフィックス処理ユニット208は、CPU204及びベクトルユニット206から受信したグラフィック命令を実行して、ディスプレイデバイス(図示せず)上に表示する画像を生成する。例えば、ベクトルユニット206は、物体を三次元座標から二次元座標に変換し、二次元座標をグラフィックス処理ユニット208に送信し得る。さらに、音声処理ユニット230は、スピーカなどのオーディオデバイス(図示せず)に出力される音声信号を生成するための命令を実行する。
コンピューティングデバイス200のユーザは、コントローラインタフェース214を介してCPU204に命令を与える。例えば、ユーザは、特定の情報をメモリカード216に格納するようにCPU204に命令し得る、またはある特定の動作を実行するようにコンピューティングデバイス200に命令し得る。コントローラインタフェース214に関連付けられた例示的なコントローラは、タッチスクリーン、キーボード、及びゲームコントローラを含み得る。
他のデバイスは、USBインタフェース218、IEEEインタフェース220、及びAUXインタフェース222を介してコンピューティングデバイス200に接続され得る。具体的には、カメラまたはセンサを含むトラッキングデバイス224は、AUXインタフェース222を介してコンピューティングデバイス200に接続され得、一方コントローラは、USBインタフェース218を介して接続され得る。いくつかの態様では、VRヘッドセットまたは関連ハードウェア機器は、1つ以上のコンピューティングインタフェースを介して、コンピューティングデバイス200に通信可能に接続され得る。拡張現実(AR)体験を実施するためのハードウェア及び関連ソフトウェアは、同様に、1つ以上のコンピューティングインタフェースを介して、コンピューティングデバイス200に接続され得る。
図3は、図1のシステムという状況の中で使用されることができる例示的なホストサーバ140のブロック図である。ホストサーバ140は、ビデオゲームまたはデジタルメディア及び関連ゲームアセットの自動購入をさらに容易にする複数の異なる特徴を含むことができる。図3に示されるように、ホストサーバ140は、メモリ300、1つ以上のプロセッサ305、ホストサーバアプリケーションプログラムインタフェース(API)140、ゲームコンテンツストレージ及びバッファ310、機械学習モジュール315、パラメータモジュール325、プリセレクトリストモジュール320、拡張されたインタレストリストモジュール330、マーケティングモジュール335、購入モジュール340、ソーシャルエンゲージメントモジュール345、及び通信インタフェース350を含み得る。
一態様によれば、ホストアプリケーションプログラムインタフェース(API)170は、ゲームストリームを含むがこれに限定されないデータがリモートユーザに配信される方法をホストが管理することを可能にする。API170を使用して、管理者(例えば、開発者、ゲームプラットフォームプロバイダ、ストリーミングゲームアグリゲータ)は、コンテンツサーバ110からどのデータが取得されるか、ゲームストリームがユーザデバイスにどのように提示されるかに関してホストサーバが動作する方法をカスタマイズし、変更することができる。
さまざまな態様では、ゲームコンテンツストレージ及びバッファ310は、ストリーミングゲームが処理されてユーザに配信されることができるまで一時的に、ストリーミングゲームを格納するために使用され得る。さまざまな例では、ゲームストレージ及びバッファは、ホストサーバ140の物理メモリストレージである。
一態様によれば、機械学習モジュール315は、プリセレクトリストに追加するアイテムを推奨する。例えば、機械学習モジュール315は、ユーザの既知のソーシャルネットワーク、及び/またはユーザの過去のアクティビティ、ならびにネットワークシステム100及びホストサーバ140とのインタラクションに基づいて、プリセレクトリストに追加するアイテムを推奨することができる。また、機械学習モジュール315は、位置、デモグラフィックスなどに基づいたユーザの未知のまたはパッシブなソーシャルネットワークに基づいてプリセレクトリストに追加するアイテム(例えば、デジタルメディアまたはデジタルアセット)を提案することができる。例えば、ユーザは、アクティブなソーシャルネットワーク接続を有さない他のユーザとのゲームへの関心及び他の共通点を有することができる。
別の態様では、機械学習モジュール315は、ユーザの購入履歴に基づいて、提案された閾値を識別し、または設定し、制定することができる。この態様では、ユーザは要望通り閾値を変更することができる。これらの閾値は、機械学習モジュールによって決定されるか、ユーザによって変更されるかにかかわらず、パラメータモジュール325で使用されることができる。
他の態様では、機械学習モジュール315は、共同購入ダイナミクスに基づいて追加の製品を推奨することができる。機械学習モジュールは、レガシーゲームでのゲームプレイまたは購入を容易にすることができる。機械学習モジュール315は、互いを知らないかもしれないが、ウィッシュリストまたはプリセレクトリストに同じアイテムを有する多くのユーザを識別するのに有用であることができる。機械学習モジュール315は、識別されたユーザに割引されたビデオゲームまたは製品を予約するように推奨することができるうえ、レガシーゲームの寿命を延ばすことができる新しいゲームプレイコミュニティを作成する。レガシーゲームの寿命が延びると、専用グループの残りのプレイヤにレガシーゲームを販売する機会が増える可能性がある。
プリセレクトリストモジュール320は、ユーザによって提供される製品のプリセレクトリストを含み得る。これらの製品は、ゲーム、デジタルメディア、及びゲームまたはデジタルメディアに関連するコンポーネントなどを含み得る。さまざまな態様では、プリセレクトリストモジュールによって格納されたデータは、機械学習モジュール315をさらにトレーニングするために使用され得る。さらに、プリセレクトリストモジュールは、ユーザによってプリセレクトされたものに密接に関連するゲームコンテンツをさらに識別して追加するために、機械学習モジュール315の出力によって変更され得る。例えば、ユーザは、プリセレクトリストモジュール320によって編成されており、格納されている、関心のある特定のゲームまたは特定のゲームアセットを識別することができる。この例では、プリセレクトリストモジュール320は、本明細書で説明される1つ以上の他のモジュールと連動して、ユーザによって選択されたものとは別のゲームコンテンツ(例えば、同じクラスのより強力な武器またはより高解像度のゲームアセット)を識別し、プリセレクトアイテムリストを拡張する、または更新することができる。
さまざまな態様によれば、パラメータモジュール325を使用して、ユーザからのウィッシュリストまたはプリセレクトリスト上の製品の自動購入のためにパラメータまたは閾値を確立することができる。例えば、これらのパラメータは、1つ以上の製品の割引率及び最高価格を含んでもよい。パラメータモジュール325は、パーセント割引、販売された同様のアイテムの数、製品を購入したフレンド数など、自動購入パラメータまたは閾値を確立することができる。これらのパラメータは、20%または35%の割引など、パーセンテージベースであることができる、閾値を有してもよい。パラメータモジュール325は、自動購入のために最高価格をセットアップし得る。自動購入後の返金はなくてもよい。
また、ホストサーバは、ユーザのうちの1人についての機械学習モジュール315に基づいた製品のプリセレクトリストと追加の製品のそれぞれの推奨リストとの組み合わせを含み得る拡張されたインタレストリストモジュール330を含む。さまざまな態様では、プリセレクトリストモジュールによって格納されたデータは、機械学習モジュール315をさらにトレーニングするために使用され得る。さらに、プリセレクトリストモジュールは、ユーザによってプリセレクトされたものに密接に関連するゲームコンテンツをさらに識別して追加するために、機械学習モジュール315の出力によって変更され得る。例えば、ユーザは、プリセレクトリストモジュール320によって編成されており、格納されている、関心のある特定のゲームまたは特定のゲームアセットを識別することができる。この例では、プリセレクトリストモジュール320は、本明細書で説明される1つ以上の他のモジュールと連動して、ユーザによって選択されたものとは別のゲームコンテンツ(例えば、同じクラスのより強力な武器またはより高解像度のゲームアセット)を識別し、プリセレクトアイテムリストを拡張する、または更新することができる。
少なくとも1つの態様によれば、マーケティングモジュール335は、さまざまなマーケティング情報をユーザに送信するために使用され得る。例えば、マーケティングモジュール335は、拡張されたインタレストリストをレビューする少なくとも1人のユーザのリマインダをユーザに定期的に送信することができる。また、マーケティングモジュール335は、拡張されたインタレストリスト上に製品の価格差に関するユーザのハイライトを定期的に送信することができる。そのうえ、マーケティングモジュール335は、拡張されたインタレストリスト上に製品のバンドルを購入するユーザの提案価格を定期的に送信することができる。さらに、マーケティングモジュール335は、ユーザの購入履歴に基づいてユーザに製品の割引率を提示することができる。
他の態様では、マーケティングモジュール335は、ユーザのデータ及びマーケットインテリジェンスに基づいて割引率を提示することもできる。マーケティングモジュール335は、ウィッシュリストをレビューする、または更新するユーザのリマインダをユーザに定期的に(例えば、毎月)送信することができる。マーケティングモジュール335は、バンドルを購入する、または価格閾値を提案するオファーを、ユーザに定期的に(例えば、毎月)送信することができる。マーケティングモジュール335は、価格差のハイライトをユーザに定期的に(例えば、毎月)送信することができる。また、マーケティングモジュール335は、ゲームコンテンツのバンドルを購入するインセンティブをユーザに提示することができる。例として、バンドル購入は、コンテンツアイテムを個別に購入するよりも安い価格での、同じゲームに関連しても、しなくてもよい複数のゲームコンテンツアイテムの購入を含み得る。
他のさまざまな態様では、マーケティングモジュール335は、クラウドファンディング販売、すなわち、製品を購入する、ある特定の数のユーザがいる場合、ある特定の金額まで製品の価格が下がることを提示することができる。例えば、「N」人のユーザが製品を購入する場合、ゲームコンテンツの価格が特定の金額に下げられる、またはパーセント割引が提示されてもよい。一態様では、値下げは、販売に参加しているユーザ数に比例してもよい。別の態様では、値下げは、購入者の数がゲームコンテンツプロデューサによって決定された閾値を超える場合にのみ利用可能である。
一態様では、マーケティングモジュール335は、機械学習モジュール315を使用して識別された潜在的なユーザまたはソーシャルコネクションにオファーを送信することができ、割引率は、ユーザが望む(例えば、25%オフ)通りではない場合がある。これらのオファーは、ユーザが時間枠内に5回の購入を確約した場合、ユーザが25%オフを有することができることであってもよい。
このように、このオファーは、それでも、少なくともビジネスの観点から許容可能なマージン内でゲームコンテンツプロデューサにとって利益になることができる。$100の支出を正当化することは難しいかもしれないが、ユーザまたはバイヤーのグループにとって、時間枠内で異なる4回に、毎回$25を支出することはより容易であるかもしれない。この販売は、新しいソーシャルコネクションを開くことができ、新しいソーシャルネットワークの作成に通じる可能性がある。今度は、特に、1人のプレイヤが新しいゲームまたはゲームアセットを購入することでパワーアップするよう、働きかけられ得る場合にソーシャルコネクションは、共同購入するように圧力をかけることを助長することができる。
また、ホストサーバ140は、ユーザの仮想決済ウォレットを自動的に補填する、またはユーザのクレジットカードに請求することができる購入モジュール340を含む。一態様によれば、購入モジュール340は、ユーザのプリセレクトリストまたは更新されたリスト上の所望のアイテムに対して別個のまたは専用の支払いオプションをセットアップしてもよく、または識別してもよい。あるいは、購入モジュールは、ゲームコンテンツを購入する利用限度額によって利用可能な資金額を制限することができる。
さまざまな態様によれば、ソーシャルエンゲージメントモジュール345は、ゲームストリームとのさらなるエンゲージメント、及びユーザデバイス160でのユーザ間のソーシャルインタラクションを容易にして奨励する。さまざまな態様では、ソーシャルエンゲージメントモジュール345は、ユーザのグループ間のソーシャルインタラクションを容易にすることができる。例えば、ソーシャルエンゲージメントモジュール345は、ゲームストリームのユーザ間でビデオチャットを生成することができる。別の態様では、ソーシャルエンゲージメントモジュール345は、チャット、電子メール、ビデオチャット、または他の任意の適切な通信モダリティを使用して、ユーザ間の通信を容易にすることができる。
一態様では、通信インタフェース350は、図1のシステムのさまざまな特徴間の通信を容易にする。例えば、これは、コンテンツサーバ110からホストサーバ140へ、またホストサーバからユーザデバイス160への情報の伝送を容易にする。
図4は、開示された技術のいくつかの態様による、製品を推奨する、例示的な機械学習モジュール315を示すブロック図である。機械学習モジュール315は、協調フィルタリングアルゴリズム、コンテンツベースのフィルタリング、望ましいコンテンツモデル、パーソナライズされたビデオゲームランカー、または知識ベースの推奨システムのうちの1つを含む、ユーザに推奨リストを作成するための機械学習モデルまたはアルゴリズムを使用することができる。
図4に示されるように、機械学習モデル406は、データソースサーバ190からユーザのデータ402を受信する。ユーザのデータは、ユーザの購入履歴、ユーザのソーシャルネットワーク、ユーザの位置及びデモグラフィックスなど含んでもよい。また、機械学習モデル406は、データソースサーバ190から製品データ404を受信する。製品データは、製品の価格、割引率、売上高などを含んでもよい。機械学習モデル406は、ユーザ(複数可)にとって関心のあるものであり得る推奨リストを含む、製品の推奨リストを推奨リストモジュール408に出力する。
いくつかの態様では、望ましいコンテンツモデルは、ビデオゲーム、デジタルメディア、またはデジタルアセットの小さいサブセットを推奨するイベントをユーザのオンラインアクティビティから取得することができる。望ましいコンテンツの識別は、コンテンツ推奨を決定する第一段階である。クエリが与えられると、機械学習アルゴリズムは、関連する望ましいコンテンツのセットを生成する。コンテンツベースのフィルタリング及び協調フィルタリングを含む、2つの一般的な候補生成アプローチがある。
いくつかの態様では、協調フィルタリングアルゴリズムは、製品を推奨するために類似のアイテムを購入するユーザを識別することができる。協調フィルタリングは、過去または現在のクエリと、購入された、またはその他の方法で選択されたアイテムとの間の類似性を同時に使用して、推奨を提供する。例えば、ユーザAがユーザBに類似しており、ユーザBがビデオゲーム1を気に入っている場合、機械学習アルゴリズムは(ユーザAがビデオゲームコンテンツ1に類似しているゲームコンテンツをプレイしたことがない、または視聴したことがない場合でも)ビデオゲームコンテンツ1をユーザAに推奨することができる。
いくつかの態様では、コンテンツベースのフィルタリングアルゴリズムは、ユーザの購入履歴、レーティング、またはフィードバックなどに基づいてアイテムを推奨することができる。コンテンツベースのフィルタリングは、アイテム間の類似性を使用して、ユーザが好むものに類似したアイテムを推奨する。例えば、ユーザAがビデオゲームAをプレイする場合、システムはそのユーザにゲームAと同様のビデオゲームを推奨することができる。
いくつかの態様では、知識ベースの推奨システムは、ユーザのクエリを毎回分析して、アイテムまたは製品の組み合わせを推奨することができる。知識ベースの推奨システムは、アイテムの品揃え、ユーザプリファレンス、及び推奨基準(すなわち、どのアイテムをどのコンテキストに推奨する必要があるか)に関する知識に基づいている。これらのシステムは、協調フィルタリング及びコンテンツベースのフィルタリングなどの代替アプローチを適用することができないシナリオで適用される。
いくつかの態様では、パーソナライズされたビデオゲームランカーは、パーソナライズされた方法で、ユーザごとのデータベース全体からベストマッチをランク付けすることができる。例えば、パーソナライズされたビデオゲームランカーは、ユーザプリファレンスまたはユーザ機器に基づいて、ゲームコンテンツのタイプに関係なく、最も可能性の高いベストマッチをランク付けすることができる。
図5は、開示された技術のいくつかの態様による、製品の自動購入方法500の一例を示すフローチャートである。方法500は、CD、DVD、またはハードドライブなどの不揮発性メモリを含むが、これらに限定されない、非一時的コンピュータ可読記憶媒体内で実行可能な命令として具現化されてよい。記憶媒体の命令はプロセッサ(または複数のプロセッサ)によって実行されることができると、コンピューティングデバイスの様々なハードウェアコンポーネントは、記憶媒体をホストする、またはその他の方法で記憶媒体にアクセスすることで、この方法を実行してもよい、またはそれを実行するのを支援してもよい。図5に示したステップ(及びそれらの順序)は例示的なものであり、それらの実行順序を含むがこれに限定されないそれらのさまざまな代替物、均等物、または派生物を含み得る。
例示的な方法500は、特定の動作シーケンスを示しているが、このシーケンスは、本開示の範囲から逸脱することなく変更されることができる。例えば、描かれている動作のいくつかは、方法500の機能に実質的に影響しない並行したシーケンスで、または異なるシーケンスで実行され得る。他の例では、方法500を実施する例示的なデバイスまたはシステムの異なるコンポーネントは、実質的に同時に、または特定のシーケンスで機能を実行することができる。
いくつかの例によれば、方法500は、ブロック510では、製品のプリセレクトリストを提供するように少なくとも1人のユーザに問い合わせすることを含み得る。例えば、図1に示されるホストサーバ140は、ユーザデバイス160で少なくとも1人のユーザにクエリを行ってもよく、または製品のプリセレクトリストについてユーザプロファイルにクエリを行ってもよい。
いくつかの例によれば、この方法は、ブロック520では、機械学習アルゴリズムを使用して追加の製品の推奨リストを生成することを含む。例えば、図3及び図4に示される機械学習モジュール315は、機械学習アルゴリズムを使用して、追加の製品の推奨リストを生成してもよい。機械学習アルゴリズムは、協調フィルタリングアルゴリズム、コンテンツベースのフィルタリング、望ましいコンテンツモデル、パーソナライズされたビデオゲームランカー、または知識ベースの推奨システムのうちの1つを含んでもよい。
いくつかの例によれば、方法500は、ブロック530では、少なくとも1人のユーザのプリセレクトリストに追加の製品の推奨リストを追加して、少なくとも1人のユーザに拡張されたインタレストリストを提供することを含んでもよい。例えば、図1に示されるホストサーバ140は、追加の製品の推奨リストを、ユーザデバイス160で少なくとも1人のユーザのプリセレクトリストに追加して、少なくとも1人のユーザに拡張されたインタレストリストを提供することができる。拡張されたインタレストリストは、図2に示されるように、拡張されたインタレストリストモジュール330に格納され得る。
いくつかの変形形態では、機械学習アルゴリズムを使用して、データソースサーバ190から取得され得る、少なくとも1人のユーザのソーシャルネットワークに基づいて推奨する、追加の製品が推奨される。
いくつかの変形形態では、機械学習アルゴリズムを使用して、データソースサーバ190から取得され得る、少なくとも1人のユーザの位置及びデモグラフィックスに基づいて推奨する、追加の製品が推奨される。
いくつかの変形形態では、拡張されたインタレストリストは、ゲーム、デジタルメディア、及びゲームまたはデジタルメディアに関連するコンポーネントのリストを含み得る。
いくつかの例によれば、方法500は、ブロック540では、拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように少なくとも1人のユーザに問い合わせすることを含み得る。例えば、図1に示されるホストサーバ140は、少なくとも1人のユーザに、拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように問い合わせることができる。これらのパラメータは、図2に示されるように、パラメータモジュール325に格納され得る。いくつかの変形形態では、これらのパラメータは、拡張されたインタレストリスト上の1つ以上の製品の割引率及び最高価格を含み得る。
いくつかの例によれば、方法500は、ブロック550では、1つ以上の製品の価格がパラメータを満たす場合、1つ以上の製品を自動購入することを含み得る。例えば、図1に示されるホストサーバ140は、1つ以上の製品の価格がパラメータを満たす場合、拡張されたインタレストリスト上の1つ以上の製品を自動購入し得る。製品の価格は、データソースサーバ190から取得され得る製品データである。具体的には、ホストサーバ140は、図2に示されるように、拡張されたインタレストリストモジュール330に格納される拡張されたインタレストリスト上のビデオゲームまたはデジタルメディアの自動購入を実行するための購入モジュール340を含む。
いくつかの変形形態では、方法500は、拡張されたインタレストリストをレビューする少なくとも1人のユーザのリマインダを、少なくとも1人のユーザに定期的に送信することも含み得る。
いくつかの変形形態では、方法500は、拡張されたインタレストリスト上に1つ以上の製品の価格差についての少なくとも1人のユーザのハイライトを、定期的に送信することも含み得る。
いくつかの変形形態では、方法500は、拡張されたインタレストリスト上に製品のバンドルを購入する少なくとも1人のユーザの提案価格を定期的に送信することも含み得る。
いくつかの変形形態では、方法500は、少なくとも1人のユーザの購入履歴に基づいて、少なくとも1人のユーザの1つ以上の製品の割引率を提示することも含み得る。
本明細書の技術に関する前述の発明を実施するための形態は、例示及び説明の目的で提示されている。これは、包括的であること、または本技術を開示された詳細な形態に限定することを、意図するものではない。上記の教示に照らして、多くの修正形態及び変形形態が可能である。説明された態様は、本技術の原理及びその実際的応用を最も良く説明し、これにより、他の当業者が、企図する特定の使用に適した様々な態様及び様々な修正形態において、本技術を最良に利用できるように、選ばれた。本技術の範囲は、特許請求の範囲により定義されることが意図される。
Claims (20)
- デジタルメディア及びデジタルアセットの自動購入方法であって、
少なくとも1人のユーザに、製品のプリセレクトリストを提供するように問い合わせすることと、
機械学習アルゴリズムを使用して追加の製品の推奨リストを生成することであって、前記機械学習アルゴリズムは協調フィルタリングアルゴリズム、コンテンツベースのフィルタリング、望ましいコンテンツモデル、パーソナライズされたビデオゲームランカー、または知識ベースの推奨システムのうちの1つを含む、前記生成することと、
前記追加の製品の推奨リストを、前記少なくとも1人のユーザの前記プリセレクトリストに追加して、拡張されたインタレストリストを前記少なくとも1人のユーザに提供することと、
前記少なくとも1人のユーザに、前記拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように問い合わせることと、
1つ以上の製品の価格が前記パラメータを満たす場合、前記1つ以上の製品を自動購入することと、
を含む、前記方法。 - 前記パラメータは、前記拡張されたインタレストリスト上の前記1つ以上の製品の割引率及び最高価格を含む、請求項1に記載の方法。
- 前記拡張されたインタレストリストは、ゲーム、デジタルメディア、及び前記ゲームまたは前記デジタルメディアに関連するコンポーネントのリストを含む、請求項1に記載の方法。
- 前記機械学習アルゴリズムを使用して、前記少なくとも1人のユーザのソーシャルネットワークに基づいて推奨する、前記追加の製品が推奨される、請求項1に記載の方法。
- 前記機械学習アルゴリズムを使用して、前記少なくとも1人のユーザの位置及びデモグラフィックスに基づいて推奨する、前記追加の製品が推奨される、請求項1に記載の方法。
- 前記拡張されたインタレストリストをレビューする前記少なくとも1人のユーザのリマインダを、前記少なくとも1人のユーザに定期的に送信することをさらに含む、請求項1に記載の方法。
- 前記拡張されたインタレストリスト上に前記1つ以上の製品の価格差についての前記少なくとも1人のユーザのハイライトを、定期的に送信することをさらに含む、請求項1に記載の方法。
- 前記拡張されたインタレストリスト上に前記製品のバンドルを購入する前記少なくとも1人のユーザの提案価格を、定期的に送信することをさらに含む、請求項1に記載の方法。
- 前記少なくとも1人のユーザの購入履歴に基づいて、前記1つ以上の製品の前記少なくとも1人のユーザの割引率を提示することをさらに含む、請求項1に記載の方法。
- 1つ以上のプロセッサ、及び
非一時的なコンピュータ可読媒体、
を含むデジタルメディアの自動購入システムであって、
前記非一時的なコンピュータ可読媒体は、その内に格納される命令を含み、前記命令が前記1つ以上のプロセッサによって実行されると、
少なくとも1人のユーザに、製品のプリセレクトリストを提供するように問い合わせることと、
機械学習アルゴリズムを使用して追加の製品の推奨リストを生成することであって、前記機械学習アルゴリズムは協調フィルタリングアルゴリズム、コンテンツベースのフィルタリング、望ましいコンテンツモデル、パーソナライズされたビデオゲームランカー、または知識ベースの推奨システムのうちの1つを含む、前記生成することと、
前記追加の製品の推奨リストを、前記少なくとも1人のユーザの前記プリセレクトリストに追加して、拡張されたインタレストリストを前記少なくとも1人のユーザに提供することと、
前記少なくとも1人のユーザに、前記拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように問い合わせることと、
1つ以上の製品の価格が前記パラメータを満たす場合、前記1つ以上の製品を自動購入することと、
を含む動作を前記プロセッサに実行させる、前記システム。 - 前記パラメータは、前記拡張されたインタレストリスト上に前記1つ以上の製品の割引率及び最高価格を含む、請求項10に記載のシステム。
- 前記拡張されたインタレストリストは、ゲーム、デジタルメディア、及び前記ゲームまたは前記デジタルメディアに関連するコンポーネントのリストを含む、請求項10に記載のシステム。
- 前記機械学習アルゴリズムを使用して、前記少なくとも1人のユーザのソーシャルネットワークに基づいて推奨する、前記追加の製品が推奨される、請求項10に記載のシステム。
- 前記機械学習アルゴリズムを使用して、前記少なくとも1人のユーザの位置及びデモグラフィックスに基づいて推奨する、前記追加の製品が推奨される、請求項10に記載のシステム。
- 前記プロセッサは、前記命令を実行すると、前記拡張されたインタレストリストをレビューする前記少なくとも1人のユーザのリマインダを、前記プロセッサが前記少なくとも1人のユーザに定期的に送信するように構成される、請求項10に記載のシステム。
- 前記プロセッサは、前記命令を実行すると、前記拡張されたインタレストリスト上に前記1つ以上の製品の価格差についての前記少なくとも1人のユーザのハイライトを、前記プロセッサが定期的に送信するように構成される、請求項10に記載のシステム。
- 前記プロセッサは、前記命令を実行すると、前記拡張されたインタレストリスト上に前記製品のバンドルを購入する前記少なくとも1人のユーザの提案価格を、前記プロセッサが定期的に送信するように構成される、請求項10に記載のシステム。
- 前記プロセッサは、前記命令を実行すると、前記少なくとも1人のユーザの購入履歴に基づいて前記1つ以上の製品の前記少なくとも1人のユーザの割引率を、前記プロセッサが提示するように構成される、請求項10に記載のシステム。
- 命令を含む非一時的なコンピュータ可読媒体であって、前記命令は、コンピューティングシステムによって実行されると、
少なくとも1人のユーザに、製品のプリセレクトリストを提供するように問い合わせることと、
機械学習アルゴリズムを使用して追加の製品の推奨リストを生成することであって、前記機械学習アルゴリズムは協調フィルタリングアルゴリズム、コンテンツベースのフィルタリング、望ましいコンテンツモデル、パーソナライズされたビデオゲームランカー、または知識ベースの推奨システムのうちの1つを含む、前記生成することと、
前記追加の製品の推奨リストを、前記少なくとも1人のユーザの前記プリセレクトリストに追加して、拡張されたインタレストリストを前記少なくとも1人のユーザに提供することと、
前記少なくとも1人のユーザに、前記拡張されたインタレストリストに基づいて自動購入のためのパラメータを確立するように問い合わせすることと、
1つ以上の製品の価格が前記パラメータを満たす場合、前記1つ以上の製品を自動購入することと、
を含む動作を前記コンピューティングシステムに実行させる、前記非一時的なコンピュータ可読媒体。 - 前記パラメータは、前記拡張されたインタレストリスト上の前記1つ以上の製品の割引率及び最高価格を含む、請求項19に記載の非一時的なコンピュータ可読媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/365,769 | 2021-07-01 | ||
US17/365,769 US20230005045A1 (en) | 2021-07-01 | 2021-07-01 | Automatic purchase of digital wish lists content based on user set thresholds |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023008860A true JP2023008860A (ja) | 2023-01-19 |
Family
ID=82403805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022101048A Pending JP2023008860A (ja) | 2021-07-01 | 2022-06-23 | ユーザが設定した閾値に基づいたデジタルウィッシュリストのコンテンツの自動購入 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230005045A1 (ja) |
EP (1) | EP4113413A1 (ja) |
JP (1) | JP2023008860A (ja) |
CN (1) | CN115563357A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230401593A1 (en) * | 2022-05-18 | 2023-12-14 | International Business Machines Corporation | Leasing digital assets |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8214264B2 (en) * | 2005-05-02 | 2012-07-03 | Cbs Interactive, Inc. | System and method for an electronic product advisor |
US20140351078A1 (en) * | 2013-05-24 | 2014-11-27 | Wal-Mart Stores, Inc. | Systems and Methods for Recommending Products |
US20170098197A1 (en) * | 2014-02-21 | 2017-04-06 | Rna Labs Inc. | Systems and Methods for Automatically Collecting User Data and Making a Real-World Action for a User |
US10631028B2 (en) * | 2016-12-19 | 2020-04-21 | Sony Interactive Entertainment LLC | Delivery of third party content on a first party portal |
US10861037B1 (en) * | 2019-06-14 | 2020-12-08 | Comcast Spectacor, LLC | System and method for incorporating cross platform metrics for increased user engagement |
-
2021
- 2021-07-01 US US17/365,769 patent/US20230005045A1/en active Pending
-
2022
- 2022-06-23 JP JP2022101048A patent/JP2023008860A/ja active Pending
- 2022-06-24 CN CN202210728800.XA patent/CN115563357A/zh active Pending
- 2022-06-28 EP EP22181652.3A patent/EP4113413A1/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
CN115563357A (zh) | 2023-01-03 |
EP4113413A1 (en) | 2023-01-04 |
US20230005045A1 (en) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Speicher et al. | VRShop: a mobile interactive virtual reality shopping environment combining the benefits of on-and offline shopping | |
US10235810B2 (en) | Augmented reality e-commerce for in-store retail | |
US10600066B2 (en) | Systems and methods for virtual environment construction for behavioral research | |
CN105339969B (zh) | 链接的广告 | |
CN104838336B (zh) | 基于设备接近度的数据和用户交互 | |
JP2022078168A (ja) | バイオメトリック情報を交換するように構成された頭部搭載型ディスプレイシステム | |
US11986738B2 (en) | System and method for making free-to-play and activity suggestions | |
US20120233076A1 (en) | Redeeming offers of digital content items | |
US20180032818A1 (en) | Providing a personalized fitting room experience | |
JP2010535362A (ja) | 仮想世界のユーザの意見および反応のモニタリング | |
US20210248663A1 (en) | Upgrade recommendations for virtual shopping cart | |
US20150174493A1 (en) | Automated content curation and generation of online games | |
US20140325540A1 (en) | Media synchronized advertising overlay | |
US20220253907A1 (en) | System and method for identifying tailored advertisements based on detected features in a mixed reality environment | |
US20190325509A1 (en) | Systems and methods for generating virtual items | |
JP7326296B2 (ja) | ソーシャルグラフ情報を使用した適応検索 | |
WO2019183061A1 (en) | Object identification in social media post | |
JP2023020979A (ja) | ゲームスタイルの分類 | |
US9449025B1 (en) | Determining similarity using human generated data | |
US11762900B2 (en) | Customized selection of video thumbnails to present on social media webpages | |
EP4113413A1 (en) | Automatic purchase of digital wish lists content based on user set thresholds | |
US20220288498A1 (en) | Systems and Methods for Providing Tiered Game Trials | |
US10740815B2 (en) | Searching device, searching method, recording medium, and program | |
US11656681B2 (en) | System and method for determining user interactions with visual content presented in a mixed reality environment | |
US20140129329A1 (en) | Server, analysis method and computer program product |