JP2023519608A - ユーザデバイスからデータを収集するシステム及び方法 - Google Patents
ユーザデバイスからデータを収集するシステム及び方法 Download PDFInfo
- Publication number
- JP2023519608A JP2023519608A JP2022559383A JP2022559383A JP2023519608A JP 2023519608 A JP2023519608 A JP 2023519608A JP 2022559383 A JP2022559383 A JP 2022559383A JP 2022559383 A JP2022559383 A JP 2022559383A JP 2023519608 A JP2023519608 A JP 2023519608A
- Authority
- JP
- Japan
- Prior art keywords
- data
- user device
- user
- computer
- sensor data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000004458 analytical method Methods 0.000 claims description 59
- 230000002996 emotional effect Effects 0.000 claims description 46
- 238000013515 script Methods 0.000 claims description 38
- 230000004044 response Effects 0.000 claims description 26
- 238000007635 classification algorithm Methods 0.000 claims description 24
- 230000000977 initiatory effect Effects 0.000 claims description 23
- 238000013480 data collection Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 abstract description 13
- 230000001815 facial effect Effects 0.000 description 26
- 230000003993 interaction Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 230000008451 emotion Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002730 additional effect Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006397 emotional response Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Information Transfer Between Computers (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
ユーザデバイスにおいてユーザプレゼンスを急速かつスケーラブルに追跡するシステム及び方法。システムは、人間がデバイスにいるかどうか、すなわち、デバイスに表示されたコンテンツとインタラクションすることが可能である位置に人間がいるかどうかを判定する。ユーザプレゼンスを追跡するための能力は、注意力を測定するための能力とリンク付けられてもよい。システムは、ユーザデバイスによる情報の出力の期間内にセンサデータを収集し、経時的なプレゼンスパラメータの変動を示すプレゼンスデータを取得するよう、センサデータをプレゼンスパラメータにマッピングするよう動作してもよい。プレゼンスデータは、プレゼンスパラメータの経時的な変化を、情報の出力の期間内に取得された対応するコンテキスト属性データとリンク付ける有効性データセットを生成するよう、コンテキスト属性データと同期される。
Description
本発明は、デバイスが情報または他の知覚可能なデータを出力している間に、例えば、異なるソースまたはソフトウェアから様々なデータを収集する技術に関連し、収集されたデータは、出力情報の影響を評価するために使用される。
1つの例では、情報を出力することは、コンテンツを表示することを含むことがあり、データは、コンテンツの表示の期間内に収集されることがある。本明細書で、表示されたコンテンツは、ユーザによって消費されることがあるいずれかの情報である場合がある。例えば、コンテンツは、メディアコンテンツ(例えば、ビデオ、音楽、画像)、広告コンテンツ、及びウェブページ情報のいずれかである場合がある。
別の例では、出力情報は、何らかの種類のインタラクション式コンテンツのプロビジョンに関連することがある。例えば、デバイスは、ビデオ会議または同様のものに参加するために使用されることある。代わりに、デバイスは、インタラクションに関与するように構成された自動化サービスプロバイダ(例えば、ロボット、または他のインタラクション式マシン)と関連付けられることがある。収集されたデータは、インタラクションを開始するか否かを評価するために使用されることがあり、及び/またはインタラクションの有効性を評価するために使用されることがある。
デバイスは、いずれかの消費者電子デバイス、例えば、スマートフォン、タブレット、デスクトップ、またはラップトップコンピュータなどである場合がある。表示されたコンテンツは、例えば、デバイスに記憶されることがあり、及び/またはデバイスにローカルに生成されることがある。代わりにまたは加えて、デバイスは、ネットワーク化環境内で動作することがあり、表示のためのコンテンツは、ネットワークを通じて利用可能である。
特に、本発明は、コンテンツがユーザデバイスに表示されるときにユーザデバイスにおいて人間のプレゼンスを検出するスケーラブルな技術に関連する。
広告、音楽ビデオ、映画などの特定のタイプのメディアコンテンツは、消費者の感情的状態における変化を引き起こす、例えば、ユーザの注意を引き、またはそうでなければ、それらを関与させることを目的としている。広告のケースでは、この感情的状態における変化を売上向上などの成果に転換することが望ましいことがある。例えば、テレビコマーシャルは、それが関連する製品の売上を増大させることを試みることがある。
ウェブ対応消費者デバイスの急増は、マーケティング担当者が消費者の注意を引くことがますます困難になることを意味する。広告メッセージが消費者に影響を与えるためには、消費者が注意を払うことが望ましい。消費者が容易に気を逸らされることは、視聴者の注意力または関与を示すパラメータを正確に追跡または測定することがますます望ましいことを意味する。
コンテンツの配信と関連付けられた多くの現在のメトリックは、ユーザとのいずれのインタラクションをも示さない。そのようなメトリックは、印象の回数、視聴の回数、ビュースルーレートなどを含むことがある。それらのメトリックは、ユーザの注意を示さず、実際には、人間が存在することさえ必要としないことがある。
その最も全体的に、本発明は、ユーザデバイスにおいてユーザプレゼンスを急速且つスケーラブルに追跡するシステム及び方法を提案する。本明細書で、用語「ユーザプレゼンス」は、人間がデバイスにいること、すなわち、デバイスに示されたコンテンツとインタラクションすることが可能である位置にいることを意味するために使用される。用語「プレゼンス」は、人間が存在することのみを示すことを意図しており、表示されたコンテンツに注意を払っている存在する人間と注意を逸らされた存在する人間との間でそれ自体、区別しない。しかしながら、以下で説明されるように、ユーザプレゼンスを追跡する能力は、注意力を測定する能力とリンク付けられてもよい。
システムは、ユーザデバイスにおいてコンテンツが表示される間、または何らかの他の種類のインタラクションの期間内に、複数のユーザデバイスから関連するデータストリームを収集する手段と、ユーザプレゼンスを示す1つ以上のメトリックなどのプレゼンスデータを出力することができるAI駆動モジュールにより収集されたデータを分析する手段と、収集されたデータをプレゼンスデータと同期する手段と、を含む。
システムは、ユーザデバイスにおいて全体として実装されてもよく、またはネットワーク化環境内で複数のエンティティにまたがって分散されてもよい。
上述したように、ユーザデバイスは、スマートフォン、タブレット、ラップトップ、またはデスクトップコンピュータなどの消費者電子デバイスであってもよい。システムは、ユーザデバイス上で稼働する1つ以上のアプリケーション内に配備されてもよい。例えば、アプリケーションに組み込むためにアプリケーション開発者に対してソフトウェア開発キット(SDK)において、システムの機能がもたらされてもよい。よって、アプリケーションは、動作の期間内にユーザプレゼンスを追跡する内臓の機能を有することができる。別の実施例では、ユーザデバイスのバックグラウンドで稼働することができるスタンドアロンモジュールにおいて、システムの機能がもたらされてもよい。他のアプリケーションは、システムの機能をそれらにもたらすよう、モジュールを呼び出すように構成可能であってもよい。代わりにまたは加えて、ユーザデバイスは、システムの機能の一部または全てをもたらすように構成されたリモートサーバと通信可能であってもよい(例えば、ネットワークを通じて)。よって、ユーザデバイスは、処理のためにリモートサーバに収集されたデータを伝送するように構成されてもよい。いくつかのケースでは、リモートサーバは、ユーザデバイスに結果データを返してもよい。
システムは、ユーザデバイスにおける表示されたコンテンツまたはいずれかの他のインタラクションの有効性の有用な報告が生成されることを可能にするよう、データを集約するように構成されてもよい。特に、プレゼンスメトリックを他のデータストリームと同期する能力は、ユーザのプレゼンスと関連付けられたタイプのイベントにアクセス可能にさせることができ、コンテンツがユーザのコーホートにまたがって有する公開のレベルを理解することを支援することができる。この情報により、その有効性を最適化する、コンテンツの配信が所々に目標とされることを可能にする推薦を生成することが可能になる。複数の消費者に対して(例えば、共通の人口統計もしくは関心を有するユーザの集合)、またはコンテンツの複数の部分を通じて(例えば、共通のテーマを有する異なるビデオ広告、もしくは同一の広告者からの異なるビデオ広告)、または特定のマーケットキャンペーンを通じて(例えば、共通の広告キャンペーンにリンク付けられた異なる広告の範囲からのデータ)、またはブランドを通じて(例えば、ブランドに言及し、もしくはそうでなければ、ブランドにリンク付けられた全てのコンテンツからのデータ)、データが集約されてもよい。
本発明のシステム及び方法は、広告キャンペーンの最適化を促進する際の使用を発見することができる。収集されたデータは、所与の広告キャンペーンの、または実際にキャンペーンの回数以内に表示されるブランドに対するプレゼンス共有の効果的なリアルタイムの監視を可能にする。本発明のシステム及び方法は、プレゼンスを推進する理由に関して報告する能力をもたらすことができ、それは次いで、キャンペーン目標を達成するために、配信戦略を最適化するためにどのステップを要するかを判定することを支援することができる。キャンペーン目標は、システムによって測定可能であるパラメータに対して設定されてもよい。例えば、広告キャンペーンは、所与の予算に対する総ユーザプレゼンス時間を最大化する目標を有してもよい。別の実施例では、キャンペーン目標は、例えば、特定の人口統計グループから、もしくは特定の地理的領域内で特定のタイプのプレゼンスを最大化し、または特定の正の感情のコンテキストにおいてプレゼンスを最大化することであってもよい。別の実施例では、キャンペーン目標は、最低コストに対して特定のレベルのユーザプレゼンスに到達することであってもよい。以下で更に詳細に議論されるように、システムは、キャンペーン目標に対する成果に関して報告するためにデータを使用することが可能であるだけでなく、特定の追加のアクションがその成果にどのように影響を与えるかに関する予測を行うことも可能である。したがって、システムは、キャンペーン目標に対する成果に関する予測された効果によってサポートされる推薦されたアクションのプロビジョンを通じて広告キャンペーンを最適化するためのツールを提供する。
加えてまたは代わりに、本発明のシステム及び方法は、特に、ユーザの顔の画像が利用可能である状況において、ユーザプレゼンスと関連付けられた感情状態に関して報告することができる。これは、広告またはブランドがポジティブまたはネガティブに知覚されるかどうかに関するフィードバックを提供することができる。
本発明に従って、ユーザデバイスからデータを収集するコンピュータにより実施される方法が提供され、方法は、ユーザデバイスから情報を出力することと、情報の出力の期間内にユーザデバイスにおいて発生するイベントを示すコンテキスト属性データを収集することと、ユーザデバイスにおけるセンサによって、情報の出力の期間内にセンサデータを収集することと、プレゼンスデータを生成するために、センサデータを分類アルゴリズムに適用することであって、分類アルゴリズムは、センサデータをプレゼンスパラメータにマッピングするように動作可能な機械学習アルゴリズムであり、プレゼンスデータは、コンテンツの表示の期間内の経時的なプレゼンスパラメータの変動を示す、適用することと、プレゼンスパラメータの経時的な変化を、情報の出力の期間内に取得された対応するコンテキスト属性データとリンク付ける有効性データセットを生成するよう、プレゼンスデータをコンテキスト属性データと同期することと、有効性データセットをデータストアに記憶することと、を含む。
ユーザデバイス上のセンサまたはセンサ(複数可)からのデータは、本明細書で「センサデータ」と称されてもよい。センサデータは、画像データ(例えば、単一のキャプチャされた画像もしくはビデオストリーム)及び/または音声データであってもよい。1つの実施例では、システムは、収集されたセンサデータからプレゼンスデータを取得するように構成される。以下に説明されるようにプレゼンスデータは、例えば、ユーザのプレゼンスと関連付けられた特徴を認識するように訓練された1つ以上の分類アルゴリズムにセンサデータを適用することによって、自動化方式においてセンサデータから取得されてもよい。特徴は、視覚的特徴、例えば、顔、胴、腕、手、脚などの人体の部分であってもよい。特徴は、聴覚的特徴、例えば、声であってもよい。ユーザデバイスがポータブルであるとき、特徴は、例えば、歩くこと、走ることなどと関連付けられた動きのパターンであってもよい。複数のセンサからのデータは、プレゼンスデータを得るために組み合わせで使用されてもよい。1つのタイプのセンサデータにおける曖昧さを他のタイプのセンサデータによって解決することができるため、複数のセンサタイプを使用することは、プレゼンスデータにおける信頼度を高めることができる。
情報の出力は、それに対してユーザプレゼンスに関する情報を有することが有用であることができる、ユーザデバイスとのいずれかの種類のインタラクションに関連してもよい。例えば、出力情報は、入来する電話またはビデオ呼び出しの通知であってもよい。
情報を出力するステップは、ユーザデバイスにコンテンツを表示することを含んでもよい。しかしながら、本明細書における「コンテンツを表示すること」への言及は、他のタイプの情報の出力に等しく適用することができる。
1つの実施例では、表示されることになるコンテンツは、メディアコンテンツを含んでもよい。代わりにまたは加えて、コンテンツは、ユーザデバイスの動作の期間内に表示される(例えば、グラフィカルユーザインタフェースにおいて)情報を含んでもよい。よって、有効性データは、ユーザデバイス上で稼働するアプリケーションもしくは他のソフトウェアプログラムの動作もしくは使用、及び/またはそのようなアプリケーションもしくはソフトウェアプログラムを通じて表示されるコンテンツに関連してもよい。
1つの実施例では、方法は、ユーザデバイス上でアプリケーションを実行することと、ユーザデバイス上で稼働するアプリケーションによって、メディアコンテンツをプレイすることと、を更に含んでもよく、コンテキスト属性データは、メディアコンテンツをプレイする期間内にアプリケーションにおいて発生するイベントを更に示す。
メディアコンテンツは、例えば、ローカルエリアネットワーク接続またはワイドエリアネットワーク接続を通じてアプリケーションによって、ローカル記憶装置から(例えば、ユーザデバイス自体の上の)、または他の場所からユーザデバイスによって取得されてもよい。1つの実施例では、アプリケーションは、コンテンツ共有プラットフォームであってもよく、またはコンテンツ共有プラットフォームにリンク付けてもよい。
コンテキスト属性データは、アプリケーションについての制御分析データを含んでもよい。
1つの実施例では、アプリケーション自体によってシステム機能が提供されてもよい。例えば、アプリケーションの開発者は、本明細書で議論される機能をもたらすように構成されたソフトウェア開発キット(SDK)を組み込むことができる。よって、アプリケーションは、プレゼンスデータを生成し、プレゼンスデータをコンテキスト属性データと同期するように構成されてもよい。
別の実施例では、アプリケーションは、ユーザデバイスのバックグラウンドで稼働する分析モジュールと通信するように構成されてもよい。分析モジュールは、プレゼンスデータを生成し、プレゼンスデータをコンテキスト属性データと同期するように構成されてもよい。分析モジュールは、複数のアプリケーションと通信してもよい。これは、ユーザデバイスが、様々な他のアプリケーションに対するプレゼンスデータ生成を扱う単一のエンティティを有することができることを意味する。
更なる実施例では、所与のデバイスとの全てのインタラクションのためのデータを収集するように構成されたスタンドアロンアプリケーションにおいてシステム機能がもたらされてもよい。言い換えると、データは、現在使用されているインタラクションもしくはアプリケーションのタイプ、または表示されるいずれかのコンテンツのソースのタイプに関わらずに収集される。ユーザは、それらがデバイスをどのように効果的に使用するかに関する情報を取得するよう、この種類のアプリケーションをインストールすると決定することができる。よって、有効性データは、デバイスのユーザが行う異なるタイプの使用に関連してもよい。有効性データは、例えば、デバイスのそれらのインタラクションへのユーザの関与及び/または感情的応答を要約した「ヘルス」報告を含んでもよい。以下で議論されるように、ブラウザプラグインによって、同様の機能がもたらされてもよく、ブラウザプラグインは、ウェブサイトパブリッシャのアイデンティティまたは表示されたコンテンツのソースのアイデンティティに関わらず、ブラウザとのユーザが有する全てのインタラクションのためのシステム機能をもたらすことができる。
システムによって生成された有効性データは、ユーザに表示されてもよい。有効性データは、ユーザが、それらがどのようにアプリケーションとインタラクションするかを追跡または視聴することを可能にすることができる。そのような情報は、ユーザに直近の局所値のものであってもよく、それらは次いで、有効性データがより広く共有されることを可能にするよう、それらを奨励することができる。
アプリケーションは、ネットワークを通じて分析サーバと通信するように構成されたアダプタモジュールを含んでもよい。これは、複数のユーザデバイスからの有効性データ(または、実際には、共有するための適切なパーミッションが取得される場合にユーザデバイスによって収集されたいずれかのデータ)が収集されることを可能にすることができる。収集されたデータは、パターンを見い出すように集約されてもよく、またはそうでなければ分析されてもよく、パターンは次いで、コンテンツを改善するために使用されてもよい。
本明細書における「センサデータ」への言及は、ユーザデバイスの環境に関連する検出可能情報を指してもよい。センサデータは、例えば、ユーザデバイスの前方にある位置の1つ以上の画像を含んでもよい。例えば、センサは、カメラ、例えば、ユーザデバイスに内蔵され、または別個に提供されたウェブカメラを含んでもよい。ユーザが存在する場合、センサデータは、ユーザの応答の視覚的態様を含んでもよい。例えば、センサデータは、顔反応、頭及び体ジェスチャまたは姿勢、視線追跡のうちのいずれか1つ以上を示すデータを含んでもよい。
表示されたコンテンツは、ユーザデバイスにローカルに生成されてもよい(例えば、そこで稼働するソフトウェアによって)。例えば、表示されたコンテンツは、ローカルに稼働するゲーム、モバイルアプリケーション、またはデスクトップアプリケーションに関連してもよい。上記議論されたように、1つの実施例では、ユーザデバイス上で稼働するアプリケーションは、プレゼンスデータを取得するための内蔵された能力がもたらされてもよい。すなわち、アプリケーションは、ユーザデバイス上の1つ以上のセンサを使用して、センサデータを継続的に収集するように構成されてもよく、センサデータから、プレゼンスデータ(及び、好ましくは、感情データ及び注意データも)を取得することができる。アプリケーションは、プレゼンスデータを取得するように、分類アルゴリズムをローカルに稼働させてもよい。このデータは、上記言及された有効性データセットを取得するように、分析サーバに通信されてもよい。アプリケーション内の統合されたプレゼンスデータ生成の利点は、アプリケーション自体とのユーザのインタラクションを、コンテキスト属性データ及びセンサデータのいずれかまたは両方において使用することができることである。生成されたプレゼンスデータは、アプリケーション活動に関連してプレゼンスデータを示すように、例えば、アプリケーションによって提供されたユーザインタフェースを通じて、ユーザデバイスにおいて直接表示されてもよい。好ましくは、複数のユーザからのそのような情報は、ユーザがアプリケーションとどのようにインタラクションするかについてより豊富な理解をもたらすために、例えば、アプリケーションの特徴がプレゼンスに強くリンク付けられ、または特徴がプレゼンスの損失にリンク付けられる洞察を得るために、アプリケーションの開発者と共有されてもよい。
加えてまたは代わりに、表示されたコンテンツは、例えば、ダウンロード、ストリーミングなどによって、ウェブから取得されてもよい。よって、コンテンツを表示するステップは、ネットワークを通じてユーザデバイスによって、コンテンツサーバによってホストされたウェブドメイン上のウェブページにアクセスすることと、ネットワークを通じてユーザデバイスによって、ウェブページによって表示されることになるコンテンツを受信することと、を含んでもよい。コンテンツは、ウェブページとは別個に、またはウェブページに埋め込まれてのいずれかで、ウェブページに直接表示されてもよく、またはメディアプレイヤアプリケーションを介して表示されてもよい。
この実施例では、方法はそれによって、ユーザデバイスから、以下のタイプのデータ:(i)ウェブページからのコンテキスト属性データ、(ii)メディアプレイヤアプリケーションからの(使用される場合)コンテキスト属性データ、及び(iii)センサデータ、のうちの2つ以上を収集するように動作してもよい。プレゼンスデータは、収集されたデータから抽出され、プレゼンスの原因または推進力が調査されることを可能にするように全てのデータが同期される。
ウェブページにアクセスすることは、ユーザデバイス上での実行のためのコンテキストデータ開始スクリプトを取得することを含んでもよい。コンテキストデータ開始スクリプトは、例えば、ウェブページのヘッダ内のタグに位置する機械可読コードであってもよい。
代わりに、コンテキストデータ開始スクリプトは、コンテンツがユーザデバイスに支給されることを終えると、通信フレームワーク内に提供されてもよい。例えば、コンテンツがビデオ広告である場合、通信フレームワークは典型的には、ユーザデバイスからの広告要求、及び広告サーバからユーザデバイスに送信されたビデオ広告応答を伴う。コンテキストデータ開始スクリプトは、ビデオ広告応答に含まれてもよい。ビデオ広告応答は、Video Ad Serving Template(VAST)仕様(例えば、VAST3.0もしくはVAST4.0)と合致してフォーマットされてもよく、またはいずれかの他の広告応答標準規格、例えば、Video Player Ad Interface Definition(VPAID)、Mobile Rich Media Ad Interface Definition(MRAID)などに準拠してもよい。
更なる代替例では、コンテキストデータ開始スクリプトは、パブリッシャ(すなわち、ウェブページのオリジネータ)とユーザ(すなわち、ユーザデバイス)との間の仲介においてウェブページソースコードに挿入されてもよい。仲介は、プロキシサーバであってもよく、またはユーザと関連付けられたネットワークルータ内のコード挿入構成要素であってもよい。それらの実施例では、パブリッシャは、コンテキストデータ開始スクリプトをウェブページのそのバージョンに組み込む必要がない。これは、コンテキストデータ開始スクリプトがあらゆるウェブページヒットに応答して伝送される必要がないことを意味する。更に、この技術は、収集されることになるそれらの行動データについてのパーミッションを許可したユーザと関連付けられたユーザデバイスからの要求にのみスクリプトが含まれることを可能にすることができる。いくつかの実施例では、そのようなユーザは、より広いオーディエンスにそれが解放される前に、ウェブコンテンツの有効性を評価するためのパネルを形成することができる。
また更なる代替例では、ユーザがデバイスにインストールすることができるブラウザプラグインによって、システム機能がもたらされてもよい。この実施例では、データは、ブラウザとの全てのインタラクションに対して、すなわち、訪問されるウェブページに関わらずに収集されてもよい。異なるウェブページについての有効性データが直接比較されることを収集されたデータが可能にすることができるため、ユーザは、この構成からの利点を有することができる。よって、ユーザは、それらがどのように異なるウェブページに関与または注意しているかを示す情報を取得することができる。
方法は、コンテンツが表示される前に、1つ以上の予備オペレーションを実行するよう、ユーザデバイスにおいてコンテキストデータ開始スクリプトを実行することを更に含んでもよい。予備オペレーションは、リモート分析サーバにコンテキスト属性データ及びセンサデータを伝送する許可を判定することと、センサデータを収集するためのセンサの利用可能性を判定することと、ユーザがセンサデータ収集のために選択されるか否かを確認することと、のいずれかを含む。方法は、コンテキストデータ開始スクリプトを使用してユーザデバイスによって、(i)センサデータを伝送する許可が撤回されたこと、または(ii)センサデータを収集するためのセンサが利用可能でないこと、または(iii)ユーザがセンサデータ収集のために選択されていないこと、を判定すると、センサデータ収集手順を終了することを含んでもよい。それらの基準のいずれか1つの判定は、センサデータ収集手順を終了させることができる。このケースでは、ユーザデバイスは、分析サーバにコンテキスト属性データのみを送信してもよい。
いずれかの適切なリアルタイム通信プロトコル、例えば、WebRTCまたは同様のものを使用して、ユーザデバイスから、画像またはビデオデータが伝送されてもよく、例えば、ストリーミングまたは他に送信されてもよい。方法は、コンテキストデータ開始スクリプトを使用してユーザデバイスによって、(i)センサデータを伝送する許可が与えられたこと、(ii)センサデータを収集するためのセンサが利用可能であること、及び(iii)ユーザがセンサデータ収集のために選択されたこと、を判定すると、リアルタイム通信プロトコルを可能にするためのコードをロードすることを含んでもよい。ウェブページへの初期アクセスを低速にすることを回避するために、リアルタイム通信プロトコルを可能にするためのコードは、上記の全ての条件が判定されるまでロードされなくてもよい。
ユーザデバイスから収集されたデータに加えて、分析サーバは、他のソースからユーザに関する追加の情報を取得してもよい。追加の情報は、人口統計、ユーザプリファレンス、ユーザ関心などを示すデータを含んでもよい。追加のデータは、例えば、人口統計、ユーザプリファレンス、または関心などによってプレゼンスデータがフィルタまたはソートされることを可能にするためのラベルとして、有効性データセットに組み込まれてもよい。
追加のデータは、様々な様式において取得されてもよい。例えば、分析サーバは、プログラム的広告を稼働させるためのデマンドサイドプラットフォーム(DSP)などの広告システムと通信してもよい(直接またはネットワークを介して)。追加の情報は、例えば、クイズからのフィードバックとして、またはソーシャルネットワークインタラクションを通じて、DSPによって保持されたユーザプロファイルから取得されてもよく、またはユーザから直接取得されてもよい。追加の情報は、ユーザデバイスのウェブカメラによってキャプチャされた画像を分析することによって取得されてもよい。
メディアコンテンツは、ビデオ広告などのビデオであってもよい。プレゼンスデータ及びコンテキスト属性データの同期は、その期間内にメディアプレイヤアプリケーションでビデオがプレイされたタイムラインに関するものであってもよい。センサデータ及びコンテキスト属性データは、様々なデータの間の時間関係が確立されることを可能にする方式において時刻記録されてもよい。
ウェブページにおけるメディアコンテンツの表示は、ウェブページにアクセスすることによって、またはウェブページ上で何らかの予め定められたアクションを取ることによってトリガされてもよい。メディアコンテンツは、ウェブドメインでホストされてもよく、例えば、ウェブページのコンテンツに直接埋め込まれてもよい。代わりに、メディアコンテンツは、別個のエンティティから取得されてもよい。例えば、コンテンツサーバは、広告者に対してウェブページ内の空間を提供するパブリッシャであってもよい。メディアコンテンツは、ウェブページ内の空間を埋める、広告サーバから伝送された(例えば、広告入札工程の結果として)広告であってもよい。コンテキスト属性データは、コンテンツの表示の期間内にウェブページにおいて発生するイベントを更に示すことができる。
よって、メディアコンテンツは、コンテンツサーバの制御の外にあってもよい。同様に、メディアコンテンツがプレイされるメディアプレイヤアプリケーションは、ユーザデバイスに常駐するソフトウェアでなくてもよい。したがって、ウェブページに関連するコンテキスト属性データは、メディアプレイヤアプリケーションに関連するコンテキスト属性データとは独立して取得される必要がある場合がある。
分類アルゴリズムは、分析サーバに位置してもよい。中心位置を有することは、アルゴリズムを更新する処理を促進することができる。しかしながら、分類アルゴリズムがユーザデバイスにあることも可能であり、分析サーバにセンサデータを伝送する代わりに、ユーザデバイスは、プレゼンスデータ及び感情データを伝送するように構成される。ローカルデバイスに分類アルゴリズムを提供する利点は、センサデータがそれらのコンピュータから離れて伝送される必要がないため、ユーザに対するプライバシを増大させることである。分類アルゴリズムをローカルに稼働させることは、分析サーバの必要とされる処理能力がはるかに低く、コストを節約することができることをも意味する。
上述したように、センサデータを収集することは、カメラを使用して画像をキャプチャすることを含んでもよい。コンテキストデータ開始スクリプトは、カメラを起動するように構成されてもよい。
コンテキスト属性データは、ウェブページについてのウェブ分析データ及びメディアプレイヤアプリケーションについての制御分析データを含んでもよい。分析データは、いずれかの要素のビューアビリティ、クリックストリームデータ、マウス移動(例えば、スクロール、カーソル位置)、キーストロークなど、ウェブページ及びメディアプレイヤアプリケーションについてのいずれかの従来から収集及び通信された情報を含んでもよい。
コンテキストデータ開始スクリプトの実行は、ウェブ分析データの収集をトリガまたは初期化するように構成されてもよい。メディアプレイヤアプリケーションからの分析データは、アダプタモジュールを使用して取得されてもよく、アダプタモジュールは、メディアプレイヤアプリケーションソフトウェアの一部、またはメディアプレイヤアプリケーションソフトウェアと通信する別個のロード可能ソフトウェアアダプタを形成するプラグインであってもよい。アダプタモジュールは、ネットワークを通じて分析サーバに、メディアプレイヤアプリケーションについての制御分析データを伝送するように構成されてもよく、方法は、表示されることになるメディアコンテンツを受信すると、アダプタモジュールを実行することを含む。アダプタモジュールは、コンテキストデータ開始スクリプトの実行を通じて起動されてもよく、プラグにロードされてもよい。
コンテキストデータ開始スクリプトは、ウェブページを稼働させる一部として、またはコンテンツを視聴するためのモバイルアプリケーションを稼働させる一部として、またはメディアプレイヤアプリケーションを稼働させる一部として実行されてもよい。制御分析データ及びウェブ分析データは、コンテキストデータ開始スクリプトが稼働しているエンティティから分析サーバに伝送されてもよい。
センサデータが経時的なユーザの応答を示す複数の画像を含む場合、分類アルゴリズムは、コンテンツの表示の期間内にキャプチャされた複数の画像における画像ごとのプレゼンスパラメータを評価するように動作してもよい。
プレゼンスデータに加えて、ユーザが存在すると判定される場合、特に、ユーザの顔がキャプチャされた画像内で視認可能である場合、ユーザについての感情的状態情報を取得するためにセンサデータが使用されてもよい。よって、方法は、ユーザについての感情的状態データを生成するために、センサデータを感情的状態分類アルゴリズムに適用することであって、感情的状態分類アルゴリズムは、センサデータを感情的状態データにマッピングするように動作可能な機械学習アルゴリズムであり、感情的状態データは、コンテンツの表示の期間内にユーザが所与の感情的状態を有する確率における経時的な変動を示す、適用することと、感情的状態データをプレゼンスデータと同期することであって、有効性データセットが感情的状態データを更に含む、同期することと、を更に含んでもよい。
ユーザデバイスは、検出された感情的状態データ及び/またはプレゼンスデータにローカルに応答するように構成されてもよい。例えば、コンテンツは、ユーザデバイスで稼働するアプリケーションによって取得及び表示されてもよく、アプリケーションは、ユーザデバイスにおいて生成された感情的状態データ及びプレゼンスデータに基づいてアクションを判定するように構成される。
本明細書で説明される機能は、上記説明されたプレゼンスパラメータまたは有効性データを利用することができるアプリケーションまたは他のプログラムを作成する際の使用のためのソフトウェア開発キット(SDK)として実装されてもよい。ソフトウェア開発キットは、分類アルゴリズムを設けるように構成されてもよい。
本明細書で議論される方法は、複数のユーザデバイス、複数のコンテンツサーバ、及び複数の異なる部分またはタイプのコンテンツを含むネットワーク化コンピューティング環境に対してスケーラブルである。よって、方法は、分析サーバによって、複数のユーザデバイスからコンテキスト属性データ及びセンサデータを受信することを含んでもよい。分析サーバは、例えば、上記示された処理に従って、コンテキスト属性データから生成された複数の有効性データセット及び複数のユーザデバイスから受信されたセンサデータを集約するように動作可能であってもよい。複数の有効なデータセットは、複数のユーザデバイスから受信されたコンテキスト属性データ及びセンサデータによって、例えば、メディアコンテンツの所与の部分に対し、もしくはメディアコンテンツの関連する部分のグループに対し(例えば、広告キャンペーンに関連する)、またはウェブドメインによって、ウェブサイトアイデンティティによって、日時によって、コンテンツのタイプによって、もしくはいずれかの他の適切なパラメータによって、共有された1つ以上の共通次元に関して集約されてもよい。
上記議論された方法を実行した結果は、ユーザプレゼンスを他の観察可能因子とリンク付けるリッチな効果的なデータセットをそこに有するデータストアであってもよい。有効性データセットは、データベースなどのデータ構造に記憶されてもよく、データ構造にクエリして、プレゼンスデータと他のデータとの間の関係が観察されることを可能にする報告を作成することができる。したがって、方法は、ネットワークを通じて報告デバイスによって、有効性データセットから情報についてのクエリを受信することと、データストアから報告デバイスによって、クエリへの回答における応答データを抽出することと、報告デバイスによって、ネットワークを通じて応答データを伝送することと、を更に含んでもよい。クエリは、ブランド所有者またはパブリッシャからであってもよい。
集約されたデータは、ユーザデバイスで機能を更新するために使用されてもよい。例えば、ユーザデバイスで稼働するアプリケーションによってコンテンツが取得及び表示される場合、方法は、集約された有効性データセットを使用して、アプリケーションについてのソフトウェア更新を判定することと、ユーザデバイスにおいてソフトウェア更新を受信することと、ソフトウェア更新を実行することによって、アプリケーションの機能を調節することと、を更に含んでもよい。
別の態様では、本発明は、ユーザデバイスからの情報の出力の期間内にユーザデバイスからデータを収集するシステムを提供することができ、システムは、ユーザデバイスから、情報の出力の期間内にユーザデバイスにおいて発生するイベントを示すコンテキスト属性データを収集することと、情報の出力の期間内にユーザデバイス上の1つ以上のセンサからセンサデータを収集することと、プレゼンスデータを生成するために、受信されたセンサデータを分類アルゴリズムに適用することであって、分類アルゴリズムは、センサデータをプレゼンスパラメータにマッピングするように動作可能な機械学習アルゴリズムであり、プレゼンスデータは、情報の出力の期間内の経時的なプレゼンスパラメータの変動を示す、適用することと、プレゼンスパラメータの経時的な変化を、情報の出力の期間内に取得された対応するコンテキスト属性データとリンク付ける有効性データセットを生成するよう、プレゼンスデータをコンテキスト属性データと同期することと、有効性データセットをデータストアに記憶することと、を行うように構成される。上記議論された方法の特徴は、システムに等しく適用可能であることができる。
上述したように、システムによって生み出された有効性データは、特定の追加のアクションがコンテンツの所与の部分または所与の広告キャンペーンの成果にどのように影響を与えるかに関する予測を行うために使用されてもよい。本発明の別の態様では、キャンペーン目標に対する成果に対する予測された効果によってサポートされた推薦されたアクションが、プログラム的広告戦略を調節するために使用される、広告キャンペーンを最適化する方法が提供される。
本態様に従って、デジタル広告キャンペーンを最適化するコンピュータにより実施される方法が提供され、方法は、複数のユーザへのデジタル広告キャンペーンに属する広告コンテンツの一部分をプレイする期間内にプレゼンスパラメータの経時的な変化を表現する有効性データセットにアクセスすることであって、プレゼンスパラメータは、広告コンテンツの一部分をプレイする期間内に各々のユーザから収集されたセンサデータを、センサデータをプレゼンスパラメータにマッピングするように動作可能な機械学習アルゴリズムに適用することによって取得される、アクセスすることと、デジタル広告キャンペーンと関連付けられたターゲットオーディエンス戦略への候補調節を生成することと、候補調節を適用したプレゼンスパラメータに対する効果を予測することと、デジタル広告キャンペーンについてのキャンペーン目標に対して予測された効果を評価することと、予測された効果が閾値量よりも多くキャンペーン目標に対して業績を改善する場合、候補調節によりターゲットオーディエンス戦略を更新することと、を含む。更新することは、自動で、すなわち、人間の介入なしに実行されてもよい。したがって、ターゲットオーディエンス戦略は、自動で最適化されてもよい。
有効性データセットは、上記議論された方法を使用して取得されてもよく、したがって、本明細書で説明される特徴のいずれかを有してもよい。例えば、有効性データセットは、ユーザの人口統計及び関心を示すユーザプロファイル情報を更に含んでもよい。そのような実施例では、ターゲットオーディエンス戦略への候補調節は、ターゲットオーディエンスの人口統計または関心情報を変えることができる。
実際に、方法は、複数の候補調節を生成及び評価してもよい。方法は、閾値量よりも多くの改善につながる全ての調節を自動で実施してもよい。代わりにまたは加えて、方法は、閾値量よりも多くの改善につながる調節の全てまたはサブセットを提示する(例えば、表示する)ステップを含んでもよい。方法は、ターゲットオーディエンス戦略を更新するために使用されることになる調節のうちの1つ以上を、例えば、手動でまたは自動で選択するステップを含んでもよい。
ターゲットオーディエンス戦略を自動で更新するステップは、デマンドサイドプラットフォーム(DSP)に、改定されたターゲットオーディエンス戦略を通信することを含んでもよい。よって、この態様に従った方法は、ネットワーク環境において実行されてもよく、例えば、DSP、上記議論された分析サーバ、及びキャンペーン管理サーバを含む。DSPは、キャンペーン管理サーバからの命令に基づいて、従来の方式において動作してもよい。分析サーバは、有効性データセットへのアクセスを有してもよく、キャンペーン管理サーバからの情報に基づいて、キャンペーン目標最適化を稼働させるエンティティであってもよい。代わりに、キャンペーン目標最適化は、キャンペーン管理サーバで稼働してもよく、キャンペーン管理サーバは、例えば、ターゲットオーディエンス戦略への候補調節の予測された効果を取得及び/または評価するよう、分析サーバにクエリを送信するように構成されてもよい。
添付の図面を参照して、本発明の実施形態が以下で詳細に議論される。
本発明の実施形態は、ユーザデバイスがウェブ方式コンテンツを表示している間にユーザデバイスからのデータを収集及び利用するシステム及び方法に関連する。以下の実施例では、表示されたコンテンツは、メディアコンテンツ、例えば、ビデオまたは音声である。しかしながら、ユーザデバイスによって提示することができるいずれかのタイプのコンテンツに本発明が適用可能であることが理解されよう。
本実施例では、システムは、メディアコンテンツの再生の期間内にユーザがユーザデバイスに存在するか否かを判定するように構成される。判定は、ユーザデバイスにおける1つ以上のセンサから、例えば、カメラ(例えば、ウェブカメラ)、マイクロフォン、または動きセンサ(例えば、ジャイロスコープ)などのうちのいずれか1つ以上から取得されたデータを使用して行われてもよい。判定は、二分決定、例えば、「ユーザが存在する」もしくは「ユーザが存在しない」であってもよく、またはそれは、複数の離散的状態、例えば、「ユーザが存在し、顔が視認可能である」、「ユーザ存在し、顔が視認可能でない」、「ユーザが存在しない」などの選択であってもよい。代わりにまたは加えて、判定は、ユーザが存在し、または存在しない確率を取得することを伴ってもよい。判定の結果は、本明細書で「プレゼンスデータ」と称されてもよい。プレゼンスデータは、ユーザが存在するか否かを示す「プレゼンスパラメータ」によって特徴付けられてもよい。ユーザデバイス上のセンサまたはセンサ(複数可)からのデータは、本明細書で「センサデータ」と称されてもよい。センサデータは、画像データ(例えば、単一のキャプチャされた画像もしくはビデオストリーム)及び/または音声データであってもよい。1つの実施例では、システムは、収集されたセンサデータからプレゼンスデータを取得するように構成される。以下に説明されるように、プレゼンスデータは、例えば、ユーザのプレゼンスと関連付けられた特徴を認識するよう訓練された1つ以上の分類アルゴリズムにセンサデータを適用することによって、自動化方式においてセンサデータから取得されてもよい。特徴は、視覚的特徴、例えば、顔、胴、腕、手、脚などの人体の部分であってもよい。特徴は、聴覚的特徴、例えば、声であってもよい。ユーザデバイスがポータブルであるとき、特徴は、例えば、歩くこと、走ることなどと関連付けられた動きのパターンであってもよい。
プレゼンスデータは、システムの出力であってもよい。プレゼンスデータは、プレゼンスデータが収集されたときに再生されていたメディアコンテンツと関連付けられてもよく、例えば、メディアコンテンツと同期されてもよい。プレゼンスデータ単独で、メディアコンテンツの有用性または有効性を評価するための有用なパラメータであってもよい。
他の実施例では、ユーザが存在することをプレゼンスデータが示す場合、ユーザに対するメディアコンテンツの影響または効果を評価するために、更なるデータが収集されてもよく、または既に収集されたセンサデータの更なる処理が実行されてもよい。1つの実施例では、システムは、ユーザが存在しないとプレゼンスデータが示す場合、更なるデータの収集を抑制してもよい。これは、不要なデータの収集、処理、場合によっては伝送を禁止することができる。別の実施例では、収集されたセンサデータが画像データを含み、ユーザが存在すると共に顔が視認可能であることをプレゼンスデータが示す場合、システムは、ユーザの感情的状態を判定し、またはユーザが注意しているか否かを判定するよう、画像データを分析してもよい。
図1は、本発明の実施形態であるデータ収集及び分析システム100の概略図である。以下の議論では、システムは、例えば、ブランド所有者102によって作成することができるビデオ広告の形式にあるメディアコンテンツ104を評価するコンテキストにおいて説明される。しかしながら、本発明のシステム及び方法は、それに対して大きな規模でユーザに対する影響を監視することが望ましい、いずれかのタイプのメディアコンテンツに適用可能であることを理解することができる。例えば、メディアコンテンツは、訓練もしくは安全性ビデオ、オンライン学習教材、映画、または音楽ビデオなどであってもよい。
システム100は、ネットワーク化コンピューティング環境内に提供され、そこでは、いくつかの処理エンティティが1つ以上のネットワークを通じて通信可能に接続される。この実施例では、システム100は、例えば、スピーカまたはヘッドホン及びディスプレイ108上のソフトウェア方式ビデオプレイヤ107を介して、メディアコンテンツを再生するように構成された1つ以上のユーザデバイス106を含む。ユーザデバイス106はまた、ウェブカメラ110、マイクロフォンなどの1つ以上のセンサを含んでもよく、または1つ以上のセンサに接続されてもよい。実施例のユーザデバイス106の例は、スマートフォン、タブレットコンピュータ、ラップトップコンピュータ、デスクトップコンピュータなどを含む。
ユーザデバイス106は、ネットワーク112を通じて通信可能に接続され、その結果、それらは、例えば、1つ以上のチャネルまたはプラットフォーム上でコンテンツを配信するようパブリッシャの制御の下で動作することができる、例えば、コンテンツサーバ114(例えば、ウェブホスト)から、消費されることになる供給されたコンテンツ115を受信することができる。パブリッシャは、広告入札工程を介して、または広告をコンテンツに埋め込むことによってのいずれかで、ビデオ広告を表示するために、ブランド所有者に対するそれらのチャネル上で「空間」を販売することができる。
よって、供給されたコンテンツ115は、コンテンツサーバ114によって直接提供され、または、例えば、広告入札工程の結果として、広告サーバ116による供給されたコンテンツと共にもしくは別個に送信されたメディアコンテンツ104を含んでもよい。ブランド所有者102は、いずれかの従来の方式において、コンテンツサーバ114及び/または広告サーバ116にメディアコンテンツ104を供給することができる。ネットワーク112は、いずれかのタイプのネットワークであってもよい。
この実施例では、供給されたコンテンツは、ネットワーク112を通じたユーザデバイス106から分析サーバ130へのコンテキスト属性データ124の伝送をトリガするためのコードを含む。コードは好ましくは、コンテンツサーバ114によってホストされたドメインからロードされたメインページのヘッダ内のタグ120の形式にある。タグ120は、ブートストラッピングスクリプトをロードするよう動作し、ブートストラッピングスクリプトは、ユーザデバイス106からの、コンテキスト属性データ124を含む、情報の配信を可能にするいくつかの機能を実行する。それらの機能は、以下で更に詳細に議論される。しかしながら、この実施例では、タグ120の主要な機能は、コンテキスト属性データ124の分析サーバ130への配信、適切である場合、ユーザデバイス106上のカメラ110からのビデオまたは画像データを含むウェブカメラ記録などのセンサデータストリーム122の分析サーバ130への配信をトリガすることである。
コンテキスト属性データ124は好ましくは、メインページがロードされた後にユーザデバイスにおいて発生するイベントに関連する分析データである。分析データは、いずれかの要素のビューアビリティ、クリック、スクロールなど、いずれかの従来から収集及び通信されたメインページについての情報を含んでもよい。この分析データは、制御ベースラインを提供することができ、制御ベースラインに対して、関連するメディアコンテンツ104が視聴中または再生中であるときに、以下で議論されるプレゼンスメトリックなどの他のメトリックが測定される。
上述したように、分析サーバ130に送信にされたセンサデータストリーム122は、メディアコンテンツ104の再生の期間内にキャプチャされたビデオまたは画像の組を含んでもよい。
センサデータ122及びコンテキスト属性データ124に加えて、分析サーバ130は、メディアコンテンツ104自体及び補助的コンテキスト属性データストリーム126を受信するよう構成され、補助的コンテキスト属性データストリーム126は、メディアコンテンツが表示されるビデオプレイヤからの分析データを含む。メディアコンテンツ104は、ブランド所有者102から、またはコンテンツサーバ114もしくはユーザデバイス106から直接分析サーバ130に支給されてもよい。補助的コンテキスト属性データストリーム126は、メディアコンテンツ104が表示されるビデオプレイヤ107についてのアダプタをロードすることによって取得されてもよい。代わりに、ビデオプレイヤ107は、ビデオプレイヤ107の固有の環境内で同一の機能をもたらすためのプラグインを有してもよい。
補助的コンテキスト属性データストリーム126は、センサデータ122をメディアコンテンツ内の再生位置に同期する目的のために取得され、したがって、ブランド測定及び独創的なレベル分析をもたらす。補助的コンテキスト属性データストリーム126は、ビデオプレイヤと関連付けられたビューアビリティ、再生イベント、クリック、及びスクロールデータを含んでもよい。
特に、メディアコンテンツ104をレンダリングすることが第三者広告サーバ116を介して行われるとき、ビデオプレイヤ107をインラインフレーム内に配備することができるため、補助的コンテキスト属性データストリーム126を生成するための別個の機構が提供される。そのようなケースでは、アダプタは、インラインフレームの内側に配備されるべきであり、アダプタは、データを記録し、分析サーバ130に伝送するよう、メインタグ120の機能と協調することができる。
例えば、補助的コンテキスト属性データストリーム126は、中断/再開、停止、ボリューム制御などのユーザ命令に関連する情報を含んでもよい。加えてまたは代わりに、補助的コンテキスト属性データストリーム126は、例えば、バッファリングまたは同様のものに起因した、再生における遅延または途絶に関する他の情報を含んでもよい。
組み合わせで、コンテキスト属性データストリーム124及び補助的コンテキスト属性データストリーム126は、分析サーバ130に、センサデータストリーム122から取得可能なメディアコンテンツの部分へのユーザの応答に関連することができる(実際には同期することができる)リッチバックグラウンドコンテキストを提供する。
センサデータストリーム122は、メディアコンテンツ104が再生されるあらゆるユーザデバイスから取得されなくてもよい。これは、情報を共有する許可が取得されていないことが理由であり、または適切なセンサが利用可能でないことが理由である。情報を共有するパーミッションが与えられるが、センサデータが取得されていない場合、メインタグ120は、それにも関わらず、分析サーバ130にコンテキスト属性情報124、126を伝送してもよい。
ブートストラッピングスクリプトは、センサデータストリーム122が所与のユーザデバイスから取得されることになるか否かを判定するよう動作してもよい。これは、例えば、ランダムサンプリング手法に基づいて、及び/またはパブリッシャ制限に基づいて(例えば、一部の特定のクラスのオーディエンスからのフィードバックのみが必要とされるため)、ユーザが参加することを選択したか否かの検査を伴ってもよい。
ブートストラッピングスクリプトは、分析サーバ130とコンテキスト属性データ124及び補助的コンテキスト属性データ126を共有するためのパーミッションを判定または取得するよう最初に動作してもよい。例えば、許可管理プラットフォーム(CMP)が対象のドメインに対して存在する場合、スクリプトは、CMPからの許可について検査するよう動作する。スクリプトはまた、分析サーバまたは特定のドメインと関連付けられた大域オプトアウトクッキーについて検査するよう動作してもよい。
ブートストラッピングスクリプトは、センサデータストリーム122が取得されることになるか否かを検査するよう動作してもよい。取得される場合(例えば、ユーザがサンプルの一部として選択されたため)、ブートストラッピングスクリプトは、カメラフィードを記録及び伝送するためのカメラ110のパーミッションAPIを検査してもよい。センサデータストリーム122が主要なドメインページからコンテキスト属性データと共に伝送されるため、ブートストラッピングスクリプトを稼働させるためのタグが、いずれかの関連するインラインフレームではなく、主要なドメインページのヘッダ内にあることが重要である。
1つの実施例では、センサデータストリーム122は、WebRTCなどの適切なリアルタイム通信プロトコルを通じて分析サーバ130に送信されたカメラ110からのフルビデオの記録である。ページロード速度を最適化するために、WebRTCの記録及びデバイス上の追跡のためのコードは、関連するパーミッションが確認される前はブートストラッピングスクリプトによってロードされない。代替的なアプローチでは、カメラフィードは、ユーザデバイスによってローカルに処理されてもよく、その結果、画像またはビデオがユーザデバイスに残らないように、検出されたプレゼンスメトリック(適切な場合、注意、感情、及び他の信号)が伝送される。このアプローチでは、以下に議論される分析サーバ130の一部の機能は、ユーザデバイス110に分散される。
概して、分析サーバ130の機能は、ユーザデバイス106から取得された本質的に自由な形式の視聴データを、メディアコンテンツの有効性を判断するために使用することができるリッチデータセットに変換することである。初期のステップとして、分析サーバ130は、ユーザごとのプレゼンスデータを判定するよう動作する。プレゼンスデータは、プレゼンス分類器132を使用することによってセンサデータストリーム122から取得されてもよく、プレゼンス分類器132は、この実施例では、ユーザがカメラの視野内に位置する確率を返すAIベースのモデルである。プレゼンス分類器132は、ユーザの顔が所与のウェブカメラフレーム内で視認可能であるかどうかをフラグ付けするように構成されてもよく、それは、ユーザがスクリーン上のコンテンツに注意を払っているかどうかを判定する更なる処理をトリガすることができる。
プレゼンス分類器132は、メディアコンテンツ104の再生の期間内にユーザプレゼンスの変化を示す時間変化信号を出力してもよい。これは、検出されたプレゼンス(及び、いずれかの関連する注意している状態または気が逸らされた状態)がメディアコンテンツの再生と合致されることを可能にするよう、メディアコンテンツ104自体と同期されてもよい。例えば、メディアコンテンツがビデオ広告である場合、ビデオ内の特定の時間点または期間においてブランドが現れてもよい。本発明は、それらの時間点または期間がプレゼンス情報及び/または注意力情報によりマーク付けられ、またはラベル付けられることを可能にする。
同様に、ビデオの独創的なコンテンツは、ビデオ内の異なる時間点または期間と関連付けられたキーワードのストリームとして表現されてもよい。プレゼンスメトリックとのキーワードストリームの同期は、キーワードとプレゼンス(及び、対応する注意または妨げ)との間の相関が認識されることを可能にすることができる。
プレゼンス信号も同様にコンテキスト属性信号と同期されてもよく、それによって、ユーザプレゼンス変化と同期されたコンテキストデータのリッチデータセットを提供する。メディアコンテンツを消費する各々のユーザから取得することができるそれらのデータセットが集約され、データストア136に記憶され、データストア136から、以下で議論されるように、報告を生成し、相関を識別し、推薦を行うようそれらがクエリされてもよく、更に分析されてもよい。
例えば、スクリーン上で何が視認可能であるかのクロスチェックを許可することによって、またはユーザデバイスとのインタラクションにより、プレゼンス分類器132からの出力が関連するコンテンツに適用される信頼度または信用を与えるために、コンテキスト属性データ124も使用されてもよい。例えば、入力コマンドがユーザデバイスで受信されていることをコンテキスト属性データ124が示す場合、プレゼンスデータにおける信頼度を失うことがある。
ユーザが存在することをプレゼンスメトリックが示す状況では、特に、ユーザの顔が視認可能であるシナリオでは、センサデータストリーム122も、注意分類器134に入力されてもよく、注意分類器134は、メディアコンテンツを消費するときのユーザの注意力を示す時間変化信号を生成するように動作する。
センサデータストリーム122は、感情的状態分類器135にも入力されてもよく、感情的状態分類器135は、メディアコンテンツを消費するときのユーザの感情を示す時間変化信号を生成するよう動作する。よって、この感情的状態信号も注意力信号と同期されてもよく、注意力信号は、注意(または、妨げ)と関連付けられた感情が評価及び報告されることをも可能にする。
上記議論されたリッチデータセットを生成することに加え、メディアコンテンツの所与の部分についての特定のプレゼンスメトリックを判定するよう、分析サーバ130が構成されてもよい。プレゼンスメトリックの1つの実施例は、プレゼンスボリュームであってもよく、プレゼンスボリュームは、メディアコンテンツの再生の期間内に検出されるプレゼンスの平均ボリュームとして定義されてもよい。例えば、50%のプレゼンスボリュームスコアは、ビデオの全体を通じて平均してコンテンツの半分に対して視聴者が存在していたことを意味する。ビデオが注意することを管理するプレゼンスの秒数が多いほど、このスコアが高くなる。プレゼンスメトリックの別の実施例は、プレゼンス品質であり、プレゼンス品質は、それに対して応答者が平均して継続的に存在していたメディアコンテンツの比率として定義されてもよい。例えば、50%のスコアは、ビデオの半分に対して中断なく平均して応答者が存在していたことを意味する。メトリックはスコアの値を決定するプレゼンスの全体量ではないが、視聴に沿ってプレゼンスがどのように分散されていたかであるため、このメトリックは、プレゼンスボリュームとは異なる。プレゼンス品質は、応答者がカメラの視野内に及び視野外に移動するときに減少し、それは、定期的に応答者が気を逸らされることを示すことができる。
上記のメトリック、またはその他は、ユーザとユーザデバイス上のメディアコンテンツの再生されたインスタンスとの間の連絡の量を判定することであってもよい。ブランド所有者またはパブリッシャの観点から、この特徴の利点は、メディアコンテンツの特定の部分の印象の回数及び視聴の回数に対して報告することが可能であるだけでなく、ユーザが存在する視聴とユーザが存在しなかった視聴との間で区別することも可能になることである。ユーザが存在する場合、それらの注意力及び/または感情的状態を評価するよう、更なる分析が実行されてもよい。付随するコンテキスト属性データは次いで、注意または妨げを推進するレバーを理解することを試みることを可能にする。
システムは、例えば、直接、またはネットワーク112を通じてブランド所有者102に供給することができる1つ以上の報告140を生成するためにデータストア136にクエリするように構成された報告ジェネレータ138を含む。報告ジェネレータ138は、収集及び同期されたデータを包含するデータストア上のデータベースにクエリするように構成された従来のコンピューティングデバイスまたはサーバであってもよい。報告140の実施例は、図4を参照して以下で更に詳細に議論される。
図2は、本発明の実施形態である方法200においてユーザデバイス106及び分析サーバ130によって取られるステップを示すフローチャートである。
方法は、ネットワークを通じてユーザデバイスによって、ウェブコンテンツを要求及び受信するステップ202により開始する。ここで、ウェブコンテンツは、例えば、上記議論されたようなコンテンツサーバ114によってホストされたドメインからアクセス及びロードすることができるウェブページを意味することを意図する。
ウェブページは、そのヘッダ内に、ユーザデバイスからのデータの収集を可能にするいくつかの予備検査及び処理を稼働させるように構成されたブートストラッピングスクリプトを包含したタグを含む。よって、方法は、ブートストラッピングスクリプトを稼働させるステップ204を続ける。スクリプトによって実行されるタスクの1つは、収集されたデータを分析サーバと同期する許可について検査し、または同期するパーミッションを取得することである。それからウェブページが取得されるドメインに適用可能である場合、これは、コンテンツ管理プラットフォーム(CMP)を参照して行われてもよい。このケースでは、ブートストラッピングスクリプトは、CMPを初期化するウェブページヘッダ内のコードの後に位置する。
方法は、データを共有するパーミッションを検査または取得するステップ206を続ける。これは、例えば、CMPの現在のステータスを検査し、またはスクリーン上のプロンプトを提供することによって、いずれかの従来の方式において行われてもよい。パーミッションは好ましくは、ドメインレベルにおいて要求され、その結果、例えば、同一のドメインから追加のページにアクセスすると、要求が繰り返されることを回避する。方法は、カメラの可用性を検査し、分析サーバに伝送されることになるカメラから収集されたデータについての許可を取得するステップ208を含む。
カメラが利用可能であり、カメラからデータを伝送する許可が与えられる場合、方法は、センサデータ収集のためにユーザが選択またはサンプリングされたか否かを検査するステップ210を続ける。他の実施形態では、このステップ210は、カメラの可用性を検査するステップ208の前に行われてもよい。
いくつかの状況では、利用可能なカメラを有する全てのユーザが選択されてもよい。しかしながら、他の実施例では、ユーザは、適切な(例えば、ランダムまたは疑似ランダムな)範囲のデータが分析サーバ130によって受信されることを保証するか、またはブランド所有者もしくはパブリッシャによって設定された要件を満たす(例えば、1つのポピュレーションセクタからのみデータを収集するための)かのいずれかのために選択されてもよい。別の実施例では、ユーザを選択する能力は、分析サーバによって受信されたデータのレートを制御するために使用されてもよい。これは、ネットワーク帯域幅による問題またはネットワーク帯域幅に対する制限がある場合に有用である場合がある。
ユーザがカメラからセンサデータを伝送する許可を与え、センサデータを伝送するために選択されるとき、方法は、ウェブページを通じてカメラデータの共有を許可する適切なコードをロードするステップ212を続ける。1つの実施例では、行動データを伝送することは、WebRTCプロトコルを使用して行われる。センサデータが実際に伝送されることになると判定された後まで、センサデータの伝送のためのコードをロードすることを保留することが好ましい。そのように行うことは、ネットワークリソース(すなわち、不必要なトラフィック)を節約し、急速な初期のページロードを促進する。
ウェブページにアクセスし、ブートストラッピングスクリプトを稼働させた後のあるとき、方法は、ユーザデバイスにおいて、メディアコンテンツを起動するステップ214を続ける。メディアコンテンツを起動することは、ウェブページに埋め込まれたメディアの再生を開始し、または、例えば、従来の広告入札工程から結果として生じる、広告サーバから受信されたビデオ広告の再生を生じさせるウェブページ上の広告空間に遭遇することを意味することができる。
メディアコンテンツの再生は、メディアプレイヤ、例えば、ビデオプレイヤまたは同様のものを実行することによって行われてもよい。メディアプレイヤは、ウェブページに埋め込まれてもよく、ウェブページ内のインラインフレームにおいてメディアコンテンツを表示するように構成されてもよい。適切なメディアプレイヤの実施例は、Windows(登録商標) Media Player、QuickTime(登録商標) Player、Audacious、Amarok、Banshee、MPlayer、Rhythmbox、SMPlayer、Totem、VLC(登録商標)、及びxine、またはJW Player、Flowplayer、VideoJS、及びBrightcove(登録商標)などのオンラインビデオプレイヤを含む。
上記議論されたように、メディアプレイヤの行動及び制御に関するコンテキスト属性データ、すなわち、メディアプレイヤについての分析データを分析サーバに伝送することが望ましい。これを達成するために、方法は、分析サーバに伝送することができると、ウェブページにメディアプレイヤ分析データを通信するよう構成されたメディアプレイヤに対してアダプタをロードする(または、存在する場合、メディアプレイヤのプラグインを実行する)ステップ216を続ける。
方法は、コンテキスト属性データを伝送するステップ218、及び適用可能である場合、分析サーバにセンサデータを伝送するステップ220を続ける。カメラが利用可能であり、許可が与えられる場合、これは、分析サーバに伝送されたデータが3つのソースから来ることを意味する。
(1)カメラからのセンサデータ‐これは典型的には、カメラ自体からの画像またはビデオである。しかしながら、上記議論されたように、ユーザデバイス自体が、例えば、プレゼンスを測定し、及び/または注意もしくは感情を識別するよう、未処理画像データに対する何らかの予備分析を実行することも可能である。この実施例では、分析サーバに伝送されたセンサデータは既に、プレゼンスデータ、注意データ、及び感情的状態データであってもよく、画像データが伝送される必要はない。
(2)ウェブページからのコンテキストデータ‐これは典型的には、それからウェブページがアクセスされるドメインと関連付けられた分析データである。
(3)メディアプレイヤからのコンテキストデータ‐これは典型的には、メディアコンテンツが表示されるメディアプレイヤと関連付けられた分析データである。
(1)カメラからのセンサデータ‐これは典型的には、カメラ自体からの画像またはビデオである。しかしながら、上記議論されたように、ユーザデバイス自体が、例えば、プレゼンスを測定し、及び/または注意もしくは感情を識別するよう、未処理画像データに対する何らかの予備分析を実行することも可能である。この実施例では、分析サーバに伝送されたセンサデータは既に、プレゼンスデータ、注意データ、及び感情的状態データであってもよく、画像データが伝送される必要はない。
(2)ウェブページからのコンテキストデータ‐これは典型的には、それからウェブページがアクセスされるドメインと関連付けられた分析データである。
(3)メディアプレイヤからのコンテキストデータ‐これは典型的には、メディアコンテンツが表示されるメディアプレイヤと関連付けられた分析データである。
方法はここで、分析サーバにおいて取られたアクションに移動し、アクションは、ユーザデバイスから上記議論されたそのデータを受信するステップ222を開始する。方法はまた、分析サーバによって、収集されたセンサデータ及びコンテキスト属性データの対象であるメディアコンテンツを獲得するステップ224を含む。分析サーバは、例えば、ユーザデバイスによって伝送された識別子に基づいて、ブランド所有者から、またはコンテンツサーバから直接メディアコンテンツを取得してもよい。代わりに、分析サーバは、メディアコンテンツのローカルストアを有してもよい。
方法は、プレゼンスについてのセンサデータを分類するステップ226を続ける。このステップでは、ユーザデバイス上のカメラによってキャプチャされたデータからの個々の画像は、プレゼンス分類器にフィードされ、プレゼンス分類器は、ユーザが画像に存在する確率を評価する。よって、プレゼンス分類器の出力は、メディアコンテンツに対するユーザについてのプレゼンスプロファイルであってもよく、プレゼンスプロファイルは、メディアコンテンツの期間内の経時的なプレゼンスの変化を示す。別の実施例では、分類器は、二分であってもよく、すなわち「存在する」または「存在しない」のいずれかであるフレームごとの出力を生成してもよい。そのような2状態解に対してプレゼンスプロファイルも生成されてもよい。別の実施例では、分類器は、プレゼンス信号を適格とするために入力データについてのラベルを含むように訓練されてもよい。例えば、分類器は、ユーザが存在するが、それらが注意しているか否かを確認するために十分にユーザの顔を読み取ることができない状態と、ユーザが存在すると共に、顔が視認可能であり、更なる分析に適切である状態との間で区別することが可能であることができる。よって、分類器は、「存在し、顔が視認可能である」、「存在し、顔が視認可能でない」、及び「存在しない」などのラベルを出力することができる。
プレゼンス分類器または分析サーバはまた、メディアコンテンツのその特定の視聴インスタンスについての1つ以上のプレゼンスメトリックを生成するように構成されてもよい。プレゼンスメトリックは、上記議論されたプレゼンスボリューム及びプレゼンス品質メトリックであってもよく、またはそれらを含んでもよい。
方法は、センサデータストリームから注意または感情的状態情報を抽出するステップ228を続ける。これは、注意分類器及び感情状態分類器によって行われてもよく、ステップ226と並列して実行されてもよい。このステップの出力は、メディアコンテンツの持続時間内の経時的な注意力及び/または感情的状態の変化を示す注意プロファイルまたは感情的状態プロファイルであってもよい。
上記議論されたように、センサデータストリームは、カメラによってキャプチャされた画像データを含んでもよく、画像データは、ユーザの顔画像を示す複数の画像フレームである。画像フレームは、ユーザの顔特徴、例えば、口、目、眉などを表す。顔特徴は、選択された複数の顔ランドマークの位置、形状、方位、共有などを示す記述子データポイントをもたらす。各々の顔特徴記述子データポイントは、複数の顔ランドマークを示す情報を符号化してもよい。各々の顔特徴記述子データポイントは、それぞれのフレーム、例えば、時系列の画像フレームからのそれぞれの画像フレームと関連付けられてもよい。各々の顔特徴記述子データポイントは、多次元データポイントであってもよく、多次元データポイントの各々の要素は、それぞれの顔ランドマークを示す。
感情的状態情報は、未処理センサデータ入力から、または画像データから抽出された記述子データポイントから取得されてもよく、または2つの組み合わせから直接取得されてもよい。例えば、複数の顔ランドマークは、ユーザ感情を特徴付けることが可能な情報を含むように選択されてもよい。1つの実施例では、感情的状態データは、1つの画像内のまたは一連の画像にわたる1つ以上の顔特徴記述子データポイントに分類器を適用することによって判定されてもよい。いくつかの実施例では、未処理データ入力から感情的状態データを得るために、深層学習技術が利用されてもよい。
ユーザ感情的状態は、怒り、嫌悪感、恐怖、幸せ、悲しみ、及び驚きから選択された1つ以上の感情的状態を含んでもよい。
方法は、リッチ「有効性」データセットを生成するために、プレゼンスプロファイル232を対応するコンテキスト属性データ及び感情的状態データと同期するステップ232を続け、リッチ「有効性」データセットでは、プレゼンスプロファイルにおけるプレゼンス及びアブセンスの期間のコンテキストが関連するコンテキストの様々な要素と関連付けられる。
方法は、複数のユーザデバイス(例えば、異なるユーザ)からメディアコンテンツの複数の視聴されたインスタンスについて取得する有効性データセットを集約するステップ234を続ける。集約されたデータは、データストアに記憶され、データストアから、図4を参照して以下で議論されるタイプの報告を生成するようそれがクエリされてもよい。
図3は、本発明における使用に適切なプレゼンス分類器を生成するデータ収集及び分析システム300の概略図である。図3におけるシステムが、データの収集及び注釈を実行すると共に、プレゼンス分類器を生成及び利用する際のそのデータの後続の使用のための構成要素を例示することを理解することができる。
システム300は、ネットワーク化コンピューティング環境内に提供され、そこでは、いくつかの処理エンティティが1つ以上のネットワークを通じて通信可能に接続される。この実施例では、システム300は、例えば、スピーカまたはヘッドホン及びディスプレイ304を介して、メディアコンテンツを再生するように構成された1つ以上のユーザデバイス302を含む。ユーザデバイス302はまた、ウェブカメラ306、マイクロフォンなどの1つ以上のセンサ構成要素を含んでもよく、またはそれら1つ以上のセンサに構成要素に接続されてもよい。実施例のユーザデバイス302は、スマートフォン、タブレットコンピュータ、ラップトップコンピュータ、デスクトップコンピュータなどを含む。
ユーザデバイス302は、ネットワーク308を通じて通信可能に接続され、その結果、それらは、例えば、コンテンツプロバイダサーバ310から、消費されることになるメディアコンテンツ312を受信することができる。
ユーザデバイス302は、分析サーバ318などのリモートデバイスにおける分析または更なる処理のために、ネットワークを通じて収集されたセンサ情報を送信するよう更に構成されてもよい。
この実施例では、分析サーバ318に送信される情報は、メディアコンテンツの再生の期間内にキャプチャされたビデオまたは画像の組を含んでもよい。情報はまた、関連するメディアコンテンツ315、またはユーザによって消費されたメディアコンテンツ312に分析サーバ318がアクセスすることを可能にするリンクもしくは他の識別子を含んでもよい。関連するメディアコンテンツ315は、メディアコンテンツがユーザデバイス302において再生された方式に関連する情報を含んでもよい。例えば、関連するメディアコンテンツ315は、中断/再開、停止、ボリューム制御などのユーザ命令に関連する情報を含んでもよい。加えてまたは代わりに、関連するメディアコンテンツ315は、例えば、バッファリングまたは同様のものに起因した、再生における遅延または途絶に関する他の情報を含んでもよい。この情報は、上記議論されたメディアプレイヤから分析データに対応してもよい(及び、それと同様に取得されてもよい)。よって、分析サーバ318は、ユーザデバイスにおけるメディアコンテンツの部分の再生に関連する情報を含むデータストリームを受信してもよい。
本実施例では、センサ情報を収集する目的は、プレゼンスラベルで注釈を付与することである。
システム300は、注釈処理の実行を促進する注釈ツール320を提供する。注釈ツール320は、分析サーバ318と通信する(例えば、ネットワーク化通信)コンピュータ端末を含んでもよい。注釈ツール320は、人間の注釈者(図示せず)にグラフィカルユーザインタフェースを示すためのディスプレイ322を含む。グラフィカルユーザインタフェースは、多くの形式を取ってもよい。しかしながら、それは、いくつかの機能的要素を有意に含んでもよい。最初に、グラフィカルユーザインタフェースは、関連するメディアコンテンツ315と同時に収集されたセンサデータ316を、同期した方式で提示してもよい。
グラフィカルユーザインタフェースは、同期した応答データ316及び関連するメディアコンテンツの再生を制御するためのコントローラ324を含んでもよい。例えば、コントローラ324は、表示された題材を通じて、注釈者がプレイし、中断し、巻き戻り、高速に転送し、前方停止し、後方スクロールし、または前方スクロールすることなどを可能にすることができる。
グラフィカルユーザインタフェースは、応答データ316の部分または部分(複数可)にプレゼンススコアを適用するための1つ以上のスコアアプリケータ326を含んでもよい。1つの実施例では、スコアアプリケータ326は、収集されたセンサデータの所与の時間期間に対応するビデオまたは画像フレームの組の期間にプレゼンススコアを適用するために使用され得る。プレゼンススコアは、いずれかの適切なフォーマットを有してもよい。1つの実施例では、それは二分であり、すなわち、プレゼンスの単純なyes/noインジケーションである。他の実施例では、プレゼンススコアは、設定された数の予め定められたレベルから選択されてもよく、または明確に視認可能な顔と共にアブセンス及びプレゼンスのそれぞれを表す端制限の間の数値範囲(例えば、線形スケール)から選出されてもよい。
注釈ツールを単純化することは、潜在的な注釈者プールを拡張することに関して望ましいことがある。注釈処理がより単純であるほど、注釈者が参加するために必要とされる訓練は少なくなる。1つの実施例では、注釈されたデータは、クラウドソーシングアプローチを使用して採取されてもよい。
よって、注釈ツール320は、ユーザのプレゼンスを示す時系列のデータを受信すると共に、メディア連絡の部分を消費するためのデバイスを表してもよい。注意データは、応答データ316と同期されてもよい(例えば、スコアが適用される方式を経由して)。分析サーバ318は、適切な記憶装置328に記憶することができるプレゼンスラベル付けセンサデータ330を生成するよう、受信されたデータを照合し、またはそうでなければ、組み合わせるように構成されてもよい。
複数の注釈者からのプレゼンスデータは、所与の応答についてのプレゼンススコアを得るように、集約されてもよく、またはそうでなければ、組み合わされてもよい。例えば、複数の注釈者からのプレゼンスデータは、メディアコンテンツの部分を通じて平均化されてもよい。
分析サーバ318は、複数の注釈者からプレゼンスデータを受信するように構成されてもよい。分析サーバ318は、プレゼンスデータの異なる組から組み合わされたプレゼンスデータを生成してもよい。組み合わされたプレゼンスデータは、複数の注釈者からのプレゼンスデータの間の正相関のレベルを示すプレゼンスパラメータを含んでもよい。言い換えると、分析サーバ318は、応答データにわたって複数の注釈者によって行われた二分選択の間の合意のレベルを定量化するスコアを出力してもよい。プレゼンスパラメータは、時間変化パラメータであってもよく、すなわち、合意を示すスコアは、増大または減少する相関を示すよう、応答データの期間内にわたって変化してもよい。
この概念の発展では、分析サーバ318は、各々の注釈者と関連付けられた信頼値を判定及び記憶するように構成されてもよい。信頼値は、注釈者が個々に組み合わされたプレゼンスデータとの相関をどの程度良好にスコア付けるかに基づいて計算されてもよい。例えば、全体として注釈者グループとは反対方向に定期的にスコアを付ける注釈者は、調和的であることが一層多い注釈者よりも低い信頼値が割り当てられてもよい。例えば、より多くのデータが各々の個々の注釈者から受信されるにつれて、信頼値が動的に更新されてもよい。信頼値は、組み合わされたプレゼンスデータを生成する処理において、各々の注釈者からのプレゼンスデータを重み付けるために使用されてもよい。よって、分析サーバ318は、より正確なスコア付けにそれ自体を「調整する」能力を示すことができる。
プレゼンスラベル付けセンサデータ330は、プレゼンスパラメータを含んでもよい。言い換えると、プレゼンスパラメータは、データストリームまたはメディアコンテンツ内のイベントと関連付けられてもよく、例えば、イベントに同期もしくはそうでなければマッピングされてもよく、またはイベントとリンク付けられてもよい。
プレゼンスラベル付けセンサデータ330は、ユーザデバイス302からの元の収集されたデータ316(例えば、本明細書で応答データとも称される未処理ビデオまたは画像データ)、時系列のプレゼンスデータ、生理学データ314からの1つ以上の生理学パラメータに対応する時系列データ、及び収集されたデータ316から抽出された感情的状態データのうちのいずれか1つ以上を含んでもよい。
収集されたデータは、ユーザデバイス302の各々においてキャプチャされた画像データであってもよい。画像データは、ユーザの顔画像を示す複数の画像フレームを含んでもよい。その上、画像データは、ユーザの顔画像を示す時系列の画像フレームを含んでもよい。
画像フレームは、ユーザの顔特徴、例えば、口、目、眉などを表し、各々の顔特徴は、複数の顔ランドマークを含み、行動データは、画像フレームごとの顔ランドマークの位置、形状、方位、陰影などを示す情報を含んでもよい。
画像データは、それぞれのユーザデバイス302で処理されてもよく、または処理のためにネットワーク308を通じて分析サーバ318にストリーミングされてもよい。
顔特徴は、選択された複数の顔ランドマークの位置、形状、方位、共有などを示す記述子データポイントをもたらすことができる。各々の顔特徴記述子データポイントは、複数の顔ランドマークを示す情報を符号化してもよい。各々の顔特徴記述子データポイントは、それぞれのフレーム、例えば、時系列の画像フレームからのそれぞれの画像フレームと関連付けられてもよい。各々の顔特徴記述子データポイントは、多次元データポイントであってもよく、多次元データポイントの各々の要素は、それぞれの顔ランドマークを示す。
感情的状態情報は、未処理センサデータ入力から、抽出された記述子データポイントから、または2つの組み合わせから直接取得されてもよい。例えば、複数の顔ランドマークは、ユーザ感情を特徴付けることが可能な情報を含むように選択されてもよい。1つの実施例では、感情的状態データは、1つの画像内のまたは一連の画像にわたる1つ以上の顔特徴記述子データポイントに分類器を適用することによって判定されてもよい。いくつかの実施例では、未処理データ入力から感情的状態データを得るために、深層学習技術が利用されてもよい。
ユーザ感情的状態は、怒り、嫌悪感、恐怖、幸せ、悲しみ、及び驚きから選択された1つ以上の感情的状態を含んでもよい。
プレゼンスラベル付けセンサデータの作成は、システム300の第1の機能を表す。以下で説明される第2の機能は、上記議論されたプレゼンス分類器132に対してプレゼンスモデルを生成及び利用するためのそのデータの後続の使用にある。
システム300は、記憶装置328と通信し、プレゼンスラベル付けセンサデータ330にアクセスするように構成されたモデリングサーバ332を含んでもよい。モデリングサーバ332は、記憶装置328に直接接続してもよく、または図3に示されるようにネットワーク308などのネットワークを介して記憶装置328に接続してもよい。
モデリングサーバ332は、ラベル付けられていない応答データ、例えば、分析サーバ318によって当初受信されたようなセンサデータ316からのプレゼンスをスコア付けるためのモデル336を確立するために、プレゼンスラベル付けセンサデータ330の訓練セットに機械学習技術334を適用するように構成される。モデルは、高レベルのプレゼンスを示す収集された応答データにおけるパターンを認識するように訓練された人工ニューラルネットワークとして確立されてもよい。したがって、プレゼンスに対して、人間の入力なしに、収集された応答データを自動でスコア付けるためにモデルが使用されてもよい。この技術の利点は、特定の予め定められたプロキシに依存したプレゼンスの測定または関与によって失うことがあるコンテキスト因子に敏感なプレゼンスの直接の測定にモデルが根本的に基づいていることである。
1つの実施例では、プレゼンスモデル336を生成するために使用されるプレゼンスラベル付けセンサデータ330も、メディアコンテンツに関する情報を含んでもよい。この情報は、メディアコンテンツがユーザによってどのように操作されるか、例えば、中断されるか、またはそうでなければ制御されるかに関連してもよい。加えてまたは代わりに、情報は、例えば、収集された応答データにコンテキストを渡すために、ディスプレイ上のメディアコンテンツの主題に関するデータを含んでもよい。
本明細書で、メディアコンテンツの部分は、それに対してユーザフィードバックに関する情報が望ましい、いずれかのタイプのユーザ消費可能コンテンツであってもよい。本発明は、メディアコンテンツがコマーシャルである場合(例えば、ビデオコマーシャルまたは広告)、ユーザプレゼンスが成果、例えば、売上向上または同様のものに密接してリンク付けられた場合に特に有用であることができる。しかしながら、本発明は、いずれかの種類のコンテンツ、例えば、ビデオコマーシャル、音声コマーシャル、映画の予告編、映画、ウェブ広告、アニメ化ゲーム、画像などのいずれかに適用可能である。
図4は、異なるメディアコンテンツの範囲、例えば、共通分野における広告のグループについて図1のデータストア136に記憶されたリッチ有効性データの提示を含む報告ダッシュボード400のスクリーンショットである。共通分野は、図4において「スポーツアパレル」として示される、主標目401によって示されてもよいが、例えば、ユーザがドロップダウンリストから選択することによって変更されてもよい。
ダッシュボード400は、印象カテゴリ化バー402を含み、印象カテゴリ化バー402では、(i)視聴可能であり(すなわち、スクリーン上で視認可能)、(ii)ユーザが存在した状態で視聴可能である、すなわち、予め定められた閾値を上回るプレゼンススコアを有する全ての供給された印象の相対比率が示されている。ビューアビリティ及びプレゼンス比率が予測された成果とどのように比較するかを示すように、バー上にノルムがマーク付けられてもよい。
ダッシュボード400は、相対感情的状態バー404を更に含んでもよく、相対感情的状態バー404は、存在する視聴者から検出された感情的状態の相対強度を示し、存在する視聴者から、その情報が利用可能である。
ダッシュボード400は、ドライバインジケータバー406を更に含んでもよく、ドライバインジケータバー406は、この実施例では、それによって検出されたプレゼンスに異なるコンテキスト属性カテゴリが相関付けられる相対量を示す。コンテキスト属性カテゴリ(例えば、独創的、ブランド、オーディエンス、及びコンテキスト)の各々は、そのカテゴリに貢献する因子の更なる詳細な分類をもたらすように選択可能であってもよい。例えば、「独創的な」カテゴリは、メディアコンテンツにおいて提示された情報に関連してもよい。コンテキスト属性データは、メディアコンテンツにおけるいずれかの時間点において視認可能である主項目を記述したコンテンツストリームを含んでもよい。図4では、ドライバインジケータバー406は、カテゴリとプレゼンスとの相関を示す。しかしながら、特定の感情的状態など、カテゴリとの相関の相対強度が注目される他の特徴を選択することが可能であってもよい。
ダッシュボード400は、ブランドプレゼンスチャート408を更に含み、ブランドプレゼンスチャート408は、主標目401において示される共通分野における様々なブランドによって達成される公開のレベル(すなわち、存在する視聴者に表示する)の経時的な変化を示す。
ダッシュボード400は、一連のチャートを更に含み、一連のチャートは、コンテキスト属性データによって印象カテゴリ化を分類する。例えば、チャート410は、デバイスタイプを視聴することによって印象カテゴリ化を分類すると共に、チャート412は、性別及び年齢情報を使用して印象カテゴリ化を分類する。
ダッシュボード400は、マップ414を更に含み、マップ414では、コンテキスト属性データからの位置情報を使用して相対プレゼンスが例示される。
ダッシュボード400は、ドメイン比較チャート416を更に含み、ドメイン比較チャート416は、それから印象が取得されたウェブドメインと関連付けられたプレゼンスの量を比較する。
最後に、ダッシュボード400は、要約パネル418を更に含み、要約パネル418は、予め定められたプレゼンス閾値に従って共通分野によって網羅されたキャンペーンを分類する。閾値は、この実施例では10%であり、それは、存在する視聴者を有するとして印象の10%が検出されることを意味する。
上記開示されたシステムによって収集されるプレゼンスデータは、プログラム的広告キャンペーンを制御するために使用されてもよい。制御は、例えば、報告に対して提供された推薦に基づいてDSPに命令を適合させることによって、手動で行われてもよい。しかしながら、キャンペーン目標を満たすようプログラム的広告戦略を最適化する自動化フィードバックループを効果的に確立するために、プログラム的広告命令の自動化調節を実装することが特に有用であることがある。
用語「プログラム的広告」は、本明細書で、例えば、ウェブページ上で、オンラインメディアプレイヤ上で、コンテンツ共有プラットフォーム上でなど、デジタル広告空間を購入するための自動化処理を指すために使用される。典型的には、処理は、各々の広告スロット(すなわち、各々の利用可能な広告印象)をリアルタイムで入札することを伴う。プログラム的広告では、DSPは、利用可能な広告印象に応答して、入札を自動で選択するように動作する。入札は、広告者によってDSPに支給されたキャンペーン戦略と広告印象自体に関するコンテキスト情報との間の判定された対応関係のレベルに部分的に基づいて選択される。キャンペーン戦略は、ターゲットオーディエンスを識別し、入札選択処理は、そのターゲットオーディエンス内の一部に配信される広告の尤度を最大化するように動作する。
このコンテキストでは、本発明は、リアルタイムで、及び好ましくは自動化方式において、DSPに提供されたキャンペーン戦略を調節する手段として使用されてもよい。言い換えると、分析サーバから出力された推薦は、所与の広告キャンペーンについてのターゲットオーディエンスの定義を調節するために使用されてもよい。
1つの実施例では、図1に関して上記議論されたシステムは、様々なコンテンツを消費することができるソフトウェアプラットフォームまたはアプリケーションに関連してプレゼンスに関する情報を提供するために使用されてもよい。プラットフォームは、YouTube(登録商標)、Facebook(登録商標)、Vimeo(登録商標)、TikTok(登録商標)などのコンテンツ共有プラットフォームまたはアプリケーションであってもよい。よって、パブリッシャは、プラットフォーム上でプレゼンスに関連する情報を取得することができ、プラットフォームは、その上でコンテンツを共有し、またはそうでなければ分散するための戦略の最適化を通知または促進することができる。プレゼンス情報は、プラットフォーム全体にわたってもよく、またはプラットフォームによって提供された特定の専用チャネルに関連してもよい。1つの実施例では、プレゼンスデータに関する情報は、日時及び/または地理的情報によるプレゼンスデータの変動を含んでもよい。
プラットフォームまたはアプリケーションにわたるプレゼンスデータに関する情報は、そこでの広告空間のプロビジョンに影響を与えるために使用されてもよい。例えば、測定されたプレゼンスは、広告在庫、すなわち、広告を提示するための空間の生成をトリガするためのメトリックとして使用されてもよい。例えば、特定のチャネルまたはアプリケーションに関する測定されたプレゼンスが予め定められた閾値を越える場合、追加の広告在庫が提供されてもよい。代わりにまたは加えて、プレゼンスは、広告在庫のコストを調節し、または他に制御するためのメトリックとして使用されてもよい。1つの実施例では、パブリッシャ(広告在庫のプロバイダ)は、特定の閾値を上回るプレゼンスのレベルと関連付けられた広告在庫のコストを増大させることができる。別の実施例では、広告者(広告印象を取得するために広告在庫を購買しようとする)は、広告在庫と関連付けられたプレゼンスメトリックに基づいて、それらの入札戦略、すなわち、それらが広告空間を入札する量を調節してもよい。
図5は、デジタル広告キャンペーンを最適化する方法600のフローチャートである。方法は、デジタル広告キャンペーンが、定義された目標及びその目標を達成することを目的としたターゲットオーディエンス戦略を有する、プログラム的広告技術に適用可能である。ターゲットオーディエンス戦略は、定義された目標を充足する方式において、ユーザへの配信された広告コンテンツと共に課されたデマンドサイドプラットフォーム(DSP)への入力を形成することができる。
方法600は、複数のユーザへのデジタル広告キャンペーンに属する広告コンテンツの部分をプレイする期間内にプレゼンスパラメータの経時的な変化を表現する有効性データセットにアクセスするステップ602により開始する。有効性データセットは、上記議論されたタイプのものであってもよく、プレゼンスパラメータは、広告コンテンツの部分のプレイの期間内に各々のユーザから収集された行動データを、行動データをプレゼンスパラメータにマッピングするように訓練された機械学習アルゴリズムに適用することによって取得される。
方法は、デジタル広告キャンペーンと関連付けられたターゲットオーディエンス戦略への候補調節を生成するステップ604を続ける。候補調節は、ターゲットオーディエンス戦略のいずれかの適用可能パラメータを変化させることができる。例えば、それは、ターゲットオーディエンスの人口統計または関心情報を変えることができる。複数の候補調節が生成されてもよい。候補調節は、デジタル広告キャンペーンについての有効性データセットからの情報に基づいて生成されてもよい。例えば、候補調節は、それに対してプレゼンスパラメータが相対的に高いターゲットオーディエンスの部分の影響を増大させることを模索してもよく、またはそれに対してプレゼンスパラメータが相対的に低いターゲットオーディエンスの部分の影響を低減させることを模索してもよい。
方法は、候補調節を適用するプレゼンスパラメータに対する効果を予測するステップ606を続ける。
方法は、デジタル広告キャンペーンについてのキャンペーン目標に対する予測された効果を評価するステップ608を続ける。キャンペーン目標は、1つ以上のパラメータによって定量化されてもよい。よって、評価するステップは、デジタル広告キャンペーンについての現在値に対してそれらのパラメータの予測された値を比較する。1つの実施例では、キャンペーン目標は、プレゼンスを最大化することに関連してもよく、よって、ターゲットオーディエンス戦略への改善は、プレゼンスパラメータにおける増大として明示する。
方法は、予測された効果が閾値量よりも多くキャンペーン目標に対して性能を改善する場合、候補調節によりターゲットオーディエンス戦略を更新するステップ610を続ける。上記実施例では、これは、閾値量を上回るプレゼンスパラメータにおける改善であることができる(例えば、広告キャンペーンによって実現される存在する視聴者の共有)。更新は、自動で、すなわち、人間の介入なしに実行されてもよい。したがって、ターゲットオーディエンス戦略は、自動で最適化されてもよい。
上記議論されたように、本発明は、広告の有効性を測定する際の用途を発見することができる。しかしながら、それは、他の領域における使用をも発見することができる。
例えば、本発明は、ビデオ講義、ウェビナなどのオンライン教材の評価における使用を発見することができる。それはまた、ローカルに表示された記述テキスト、調査質問などへのプレゼンスを測定するために使用されてもよい。このコンテキストでは、例えば、試験を受けることが許可されるのに十分な訓練教材の表示の期間内にそれらが存在していた場合、それは、コンテンツ自体の有効性または個々の受講者の有効性を評価するために使用されてもよい。
別の実施例では、本発明は、単一の参加者または複数の参加者により、ユーザデバイス上でローカルに稼働し、またはオンラインで稼働するかのいずれかで、ゲーミングアプリケーションにおいて使用されてもよい。ゲームプレイのいずれかの態様が、それに対してプレゼンスが測定可能である表示されたコンテンツを提供することができる。本発明は、ゲームプレイへの変更の有効性を指示及び測定するためのツールとして使用されてもよい。
Claims (29)
- ユーザデバイスからデータを収集するコンピュータにより実施される方法であって、
前記ユーザデバイスから情報を出力することと、
前記情報の出力の期間内に前記ユーザデバイスにおいて発生するイベントを示すコンテキスト属性データを収集することと、
前記ユーザデバイスにおけるセンサによって、前記情報の出力の期間内にセンサデータを収集することと、
プレゼンスデータを生成するために、前記センサデータを分類アルゴリズムに適用することであって、前記分類アルゴリズムは、前記センサデータをプレゼンスパラメータにマッピングするように動作可能な機械学習アルゴリズムであり、前記プレゼンスデータは、前記コンテンツの表示の期間内の経時的な前記プレゼンスパラメータの変動を示す、前記適用することと、
前記プレゼンスパラメータの経時的な変化を、前記情報の出力の期間内に取得された対応するコンテキスト属性データとリンク付ける有効性データセットを生成するよう、前記プレゼンスデータを前記コンテキスト属性データと同期することと、
前記有効性データセットをデータストアに記憶することと、
を備えた、前記コンピュータにより実施される方法。 - 前記情報を出力するステップは、前記ユーザデバイスにコンテンツを表示することを含む、請求項1に記載のコンピュータにより実施される方法。
- 前記表示されたコンテンツは、メディアコンテンツを含み、前記方法は、
前記ユーザデバイスでアプリケーションを実行することと、
前記ユーザデバイスで稼働する前記アプリケーションによって、前記メディアコンテンツをプレイすることと、を更に備え、
前記コンテキスト属性データは、前記メディアコンテンツをプレイする期間内に前記アプリケーションにおいて発生するイベントを更に示す、
請求項2に記載のコンピュータにより実施される方法。 - 前記コンテキスト属性データは、前記アプリケーションについての制御分析データを含む、請求項3に記載のコンピュータにより実施される方法。
- 前記アプリケーションは、前記プレゼンスデータを生成し、前記プレゼンスデータを前記コンテキスト属性データと同期するように構成される、請求項3または4に記載のコンピュータにより実施される方法。
- 前記アプリケーションは、前記ユーザデバイスのバックグラウンドで稼働する分析モジュールと通信するように構成され、
前記分析モジュールは、前記プレゼンスデータを生成し、前記プレゼンスデータを前記コンテキスト属性データと同期するように構成される、請求項3または4に記載のコンピュータにより実施される方法。 - 前記アプリケーションは、ネットワークを通じて分析サーバと通信するように構成されたアダプタモジュールを含む、請求項3~6のいずれか一項に記載のコンピュータにより実施される方法。
- 前記コンテンツを表示することは、
ネットワークを通じて前記ユーザデバイスによって、コンテンツサーバによってホストされたウェブドメインのウェブページにアクセスすることと、
前記ネットワークを通じて前記ユーザデバイスによって、前記ウェブページによって表示されることになる前記コンテンツを受信することと、を含み、
前記コンテキスト属性データは、前記コンテンツの表示の期間内に前記ウェブページにおいて発生するイベントを更に示す、
請求項2に記載のコンピュータにより実施される方法。 - 前記ウェブページにアクセスすることは、前記ユーザデバイスでの実行のためのコンテキストデータ開始スクリプトを取得することを含み、
前記方法は、前記ユーザデバイスにおいて前記コンテキストデータ開始スクリプトを実行することを更に備えた、請求項8に記載のコンピュータにより実施される方法。 - 前記コンテンツサーバと前記ユーザデバイスとの間の前記ネットワーク上の仲介によって、前記コンテキストデータ開始スクリプトを前記ウェブページのソースコードに挿入することを更に備えた、請求項9に記載のコンピュータにより実施される方法。
- 前記コンテキストデータ開始スクリプトを取得することは、
前記ユーザデバイスによって、広告要求を伝送することと、
広告サーバから、前記広告要求に応答してビデオ広告応答を受信することと、を含み、
前記コンテキストデータ開始スクリプトは、前記ビデオ広告応答に含まれる、
請求項9に記載のコンピュータにより実施される方法。 - 前記コンテキストデータ開始スクリプトを実行すると、前記方法は、
リモート分析サーバに前記コンテキスト属性データ及び前記センサデータを伝送する許可を判定することと、
前記センサデータを収集するための前記センサの利用可能性を判定することと、
前記ユーザがセンサデータ収集のために選択されるか否かを確認することと、を更に備え、
前記方法は、前記コンテキストデータ開始スクリプトを使用して前記ユーザデバイスによって、
(i)センサデータを伝送する許可が撤回されたこと、または
(ii)前記センサデータを収集するためのデバイスが利用可能でないこと、または、
(iii)前記ユーザがセンサデータ収集のために選択されていないこと、
を判定すると、センサデータ収集手順を終了することを更に備えた、
請求項9~11のいずれか一項に記載のコンピュータにより実施される方法。 - 前記方法は、前記コンテキストデータ開始スクリプトを使用して前記ユーザデバイスによって、
(i)センサデータを伝送する許可が与えられたこと、
(ii)前記センサデータを収集するためのデバイスが利用可能であること、及び
(iii)前記ユーザがセンサデータ収集のために選択されたこと、を判定すると、
前記ユーザデバイスから前記分析サーバに前記センサデータを伝送するためのリアルタイム通信プロトコルをロードすることを更に備えた、請求項11に記載のコンピュータにより実施される方法。 - 前記センサデータを前記分類アルゴリズムに適用することは、前記分析サーバにおいて行われる、請求項12または13に記載のコンピュータにより実施される方法。
- 前記センサデータを前記分類アルゴリズムに適用することは、前記ユーザデバイスで行われる、請求項8~13のいずれか一項に記載のコンピュータにより実施される方法。
- 前記コンテキスト属性データは、前記ウェブページについてのウェブ分析データを含む、請求項8~15のいずれか一項に記載のコンピュータにより実施される方法。
- 前記ユーザデバイスにおける前記センサによって、前記ユーザのセンサデータを収集することは、カメラを使用して画像をキャプチャすることを含む、請求項1~16のいずれか一項に記載のコンピュータにより実施される方法。
- 前記分類アルゴリズムは、前記情報の出力の期間内にキャプチャされた前記ユーザの複数の画像内の画像ごとに前記プレゼンスパラメータを評価するように動作する、請求項17に記載のコンピュータにより実施される方法。
- 前記ユーザについての感情的状態データを生成するために、前記センサデータを感情的状態分類アルゴリズムに適用することであって、前記感情的状態分類アルゴリズムは、前記センサデータを感情的状態データにマッピングするように動作可能な機械学習アルゴリズムであり、前記感情的状態データは、前記情報の出力の期間内に前記ユーザが所与の感情的状態を有する確率における経時的な変動を示す、前記適用することと、
前記感情的状態データを前記プレゼンスデータと同期することであって、前記有効性データセットが前記感情的状態データを更に含む、前記同期することと、
を更に備えた、請求項1~18のいずれか一項に記載のコンピュータにより実施される方法。 - ネットワークを通じてリモート分析サーバによって、複数のユーザデバイスからコンテキスト属性データ及びセンサデータを受信することと、
前記分析サーバによって、前記コンテキスト属性データから取得された複数の有効性データセットと、前記複数のユーザデバイスから受信されたセンサデータとを集約することと、
を更に備えた、請求項1に記載のコンピュータにより実施される方法。 - 前記複数の有効性データセットは、前記複数のユーザデバイスから受信された前記コンテキスト属性データ及び前記センサデータによって共有された1つ以上の共通次元に関して集約される、請求項20に記載のコンピュータにより実施される方法。
- 前記共通次元は、ウェブドメイン、ウェブサイトアイデンティティ、日時、及び出力情報のタイプのいずれかを含む、請求項21に記載のコンピュータにより実施される方法。
- 前記出力情報は、前記ユーザデバイスで稼働するアプリケーションによって取得及び表示されたコンテンツであり、前記方法は、
前記集約された有効性データセットを使用して、前記アプリケーションについてのソフトウェア更新を判定することと、
前記ユーザデバイスにおいて前記ソフトウェア更新を受信することと、
前記ソフトウェア更新を実行することによって、前記アプリケーションの機能を調節することと、
を更に備えた、請求項20~22のいずれか一項に記載のコンピュータにより実施される方法。 - ユーザデバイスからの情報の出力の期間内に前記ユーザデバイスからデータを収集するシステムであって、前記システムは、
前記ユーザデバイスから、前記情報の出力の期間内に前記ユーザデバイスにおいて発生するイベントを示すコンテキスト属性データを収集することと、
前記情報の出力の期間内に前記ユーザデバイスの1つ以上のセンサからセンサデータを収集することと、
プレゼンスデータを生成するために、受信されたセンサデータを分類アルゴリズムに適用することであって、前記分類アルゴリズムは、前記センサデータをプレゼンスパラメータにマッピングするように動作可能な機械学習アルゴリズムであり、前記プレゼンスデータは、情報の前記出力の期間内の経時的な前記プレゼンスパラメータの変動を示す、前記適用することと、
前記プレゼンスパラメータの経時的な変化を、前記情報の出力の期間内に取得された対応するコンテキスト属性データとリンク付ける有効性データセットを生成するよう、前記プレゼンスデータを前記コンテキスト属性データと同期することと、
前記有効性データセットをデータストアに記憶することと、
を行うように構成される、前記システム。 - デジタル広告キャンペーンを最適化するコンピュータにより実施される方法であって、
複数のユーザへのデジタル広告キャンペーンに属する広告コンテンツの一部分をプレイする期間内にプレゼンスパラメータの経時的な変化を表現する有効性データセットにアクセスすることであって、前記プレゼンスパラメータは、前記広告コンテンツの一部分をプレイする期間内に各々のユーザから収集されたセンサデータを、前記センサデータを前記プレゼンスパラメータにマッピングするように動作可能な機械学習アルゴリズムに適用することによって取得される、前記アクセスすることと、
前記デジタル広告キャンペーンと関連付けられたターゲットオーディエンス戦略への候補調節を生成することと、
前記候補調節を適用した前記プレゼンスパラメータに対する効果を予測することと、
前記デジタル広告キャンペーンについてのキャンペーン目標に対して前記予測された効果を評価することと、
前記予測された効果が閾値量よりも多く前記キャンペーン目標に対して成果を改善する場合、前記候補調節により前記ターゲットオーディエンス戦略を更新することと、
を備えた、前記コンピュータにより実施される方法。 - 前記有効性データセットは、前記ユーザの人口統計及び関心を示すユーザプロファイル情報を更に含み、
前記ターゲットオーディエンス戦略への前記候補調節は、前記ターゲットオーディエンスの人口統計または関心情報を変更する、請求項25に記載のコンピュータにより実施される方法。 - 前記ターゲットオーディエンス戦略を更新するステップは、デマンドサイドプラットフォームに、改定されたターゲットオーディエンス戦略を通信することを含む、請求項25または26に記載のコンピュータにより実施される方法。
- 前記候補調節により前記ターゲットオーディエンス戦略を更新することは、前記予測された効果が閾値量よりも多く前記プレゼンスパラメータを改善する場合に行われる、請求項25~27のいずれか一項に記載のコンピュータにより実施される方法。
- 前記ターゲットオーディエンス戦略を更新するステップは、自動で行われる、請求項25~28のいずれか一項に記載のコンピュータにより実施される方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB2004669.4 | 2020-03-31 | ||
GBGB2004669.4A GB202004669D0 (en) | 2020-03-31 | 2020-03-31 | System and method for collecting data from a user device |
PCT/EP2021/058117 WO2021198158A1 (en) | 2020-03-31 | 2021-03-29 | System and method for collecting data from a user device |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023519608A true JP2023519608A (ja) | 2023-05-11 |
Family
ID=70553499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022559383A Pending JP2023519608A (ja) | 2020-03-31 | 2021-03-29 | ユーザデバイスからデータを収集するシステム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230177532A1 (ja) |
EP (1) | EP4128121A1 (ja) |
JP (1) | JP2023519608A (ja) |
GB (1) | GB202004669D0 (ja) |
WO (1) | WO2021198158A1 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10869626B2 (en) * | 2010-06-07 | 2020-12-22 | Affectiva, Inc. | Image analysis for emotional metric evaluation |
GB201411912D0 (en) * | 2014-07-03 | 2014-08-20 | Realeyes O | Method of collecting computer user data |
-
2020
- 2020-03-31 GB GBGB2004669.4A patent/GB202004669D0/en not_active Ceased
-
2021
- 2021-03-29 EP EP21716310.4A patent/EP4128121A1/en active Pending
- 2021-03-29 WO PCT/EP2021/058117 patent/WO2021198158A1/en unknown
- 2021-03-29 JP JP2022559383A patent/JP2023519608A/ja active Pending
- 2021-03-29 US US17/906,755 patent/US20230177532A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021198158A1 (en) | 2021-10-07 |
GB202004669D0 (en) | 2020-05-13 |
EP4128121A1 (en) | 2023-02-08 |
US20230177532A1 (en) | 2023-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11064257B2 (en) | System and method for segment relevance detection for digital content | |
JP7207836B2 (ja) | 視聴者エンゲージメントを評価するためのシステム | |
US20210352371A1 (en) | Machine-learning based systems and methods for analyzing and distributing multimedia content | |
US9363546B2 (en) | Selection of advertisements via viewer feedback | |
US9420319B1 (en) | Recommendation and purchase options for recommemded products based on associations between a user and consumed digital content | |
US20170251262A1 (en) | System and Method for Segment Relevance Detection for Digital Content Using Multimodal Correlations | |
US11681933B2 (en) | Consumer intelligence for automatic real time message decisions and selection | |
US20130232515A1 (en) | Estimating engagement of consumers of presented content | |
KR20150007936A (ko) | 미디어 컨텐츠에 대한 사용자 피드백을 획득하는 시스템 및 방법, 컴퓨터 판독가능 기록매체 | |
US11812105B2 (en) | System and method for collecting data to assess effectiveness of displayed content | |
US20140325540A1 (en) | Media synchronized advertising overlay | |
US20140331242A1 (en) | Management of user media impressions | |
US10846517B1 (en) | Content modification via emotion detection | |
US20190295123A1 (en) | Evaluating media content using synthetic control groups | |
US10897638B2 (en) | Generation apparatus, generation method, and non-transitory computer readable storage medium | |
US20190297384A1 (en) | System and Method for Segment Relevance Detection for Digital Content Using Multimodal Correlations | |
WO2020046438A1 (en) | Evaluating media content using monte carlo attribution | |
KR20220030931A (ko) | 디지털 인류학 및 에스노그라피 시스템 | |
US20220038757A1 (en) | System for Real Time Internet Protocol Content Integration, Prioritization and Distribution | |
JP2023519608A (ja) | ユーザデバイスからデータを収集するシステム及び方法 | |
US20140100966A1 (en) | Systems and methods for interactive advertisements with distributed engagement channels | |
TWI659366B (zh) | 基於臉部特徵播放廣告的方法及電子裝置 | |
Octavian et al. | Context-aware adaptation of mobile video decoding resolution | |
WO2014099272A1 (en) | Systems and methods for interactive advertisements with distributed engagement channels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240318 |