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

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。

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。

デジタルメディアの自動購入システムの例示的なネットワーク環境を示す。 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ユーザデバイスである。 開示された技術のいくつかの態様による、図１の例示的なホストサーバのブロック図である。 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、図３の例示的な機械学習モジュールを示すブロック図である。 開示された技術のいくつかの態様による、製品（例えば、ビデオゲーム）の自動購入方法の一例を示すフローチャートである。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。
16. 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。
17. 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。
18. 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。
19. 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。
20. 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。

Images