JP5526159B2 - ユーザプロファイルの生成 - Google Patents

ユーザプロファイルの生成 Download PDF

Info

Publication number
JP5526159B2
JP5526159B2 JP2011554141A JP2011554141A JP5526159B2 JP 5526159 B2 JP5526159 B2 JP 5526159B2 JP 2011554141 A JP2011554141 A JP 2011554141A JP 2011554141 A JP2011554141 A JP 2011554141A JP 5526159 B2 JP5526159 B2 JP 5526159B2
Authority
JP
Japan
Prior art keywords
user identifier
user
weight
data
advertisement
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.)
Active
Application number
JP2011554141A
Other languages
English (en)
Other versions
JP2012520513A (ja
Inventor
シュエフゥ・ワン
サラ・シラジュディング
オーレン・イー・ザミール
アイタン・ウェインバーグ
Original Assignee
グーグル・インコーポレーテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by グーグル・インコーポレーテッド filed Critical グーグル・インコーポレーテッド
Publication of JP2012520513A publication Critical patent/JP2012520513A/ja
Application granted granted Critical
Publication of JP5526159B2 publication Critical patent/JP5526159B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • 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
    • G06Q30/0255—Targeted advertisements based on user history
    • 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]

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本明細書は、デジタルコンテンツを提供することに関する。
インターネットは、幅広いコンテンツ項目、例えば、ビデオファイルおよび/または音声ファイル、特定の主題に関するウェブページ、ニュース記事などに対するアクセスを提供する。これらのコンテンツ項目に対するかかるアクセスは、広告など、ターゲットコンテンツを提供する機会も同様に可能にした。例えば、ユーザのオンライン活動を追跡する許可を付与する(例えば、ユーザがユーザのオンライン活動を追跡することを可能にすることをオプトインする)とすぐ、そのユーザに関するユーザプロファイルを生成するためにそれらの活動を使用することが可能である。ユーザのユーザプロファイルに基づいて、そのコンテンツを選択することによって、広告などのコンテンツをそのユーザの対象とすることが可能である。
しかし、かかるユーザプロファイルは、ユーザの短期的関心および長期的関心を考慮に入れることができない。加えて、ユーザプロファイルは、ユーザに関連する統計および様々な分野におけるユーザ関心を反映するようにモデル形成できない。
本明細書で開示されるのは、ユーザ関心とユーザ統計とに基づいてユーザプロファイルを推定するシステムおよび方法である。これらのユーザ関心は、イベント、すなわち、ほんのいくつかを挙げると、ウェブページ閲覧、広告クリックスルー、およびコンバージョンなど、ユーザセッションの間に発生する動作から推定される。これらのユーザ統計は、ユーザのオンライン活動の間にユーザが訪問したウェブサイトの統計から推定される。
一般に、本明細書で説明される主題の一態様は、ユーザ識別子に関連する過去のユーザセッションに基づいて、過去のユーザセッションの間に発生したイベントを指定する、ユーザ識別子に関するイベントデータを識別するステップと、それらのイベントのそれぞれを1つまたは複数のバーティカルカテゴリ(vertical categories)に属するものとして分類するステップと、それぞれのバーティカルカテゴリに関して、そのバーティカルカテゴリに関連するイベントに基づいて、ユーザ識別子に関するユーザ識別子関心重みを決定するステップと、そのサイトへの訪問者の1つまたは複数の統計的特徴を識別する、イベントデータによって指定された過去のユーザセッションの間に訪問されたサイトのそれぞれに関する人口統計に基づいて、ユーザ識別子に関するユーザ識別子人口統計学的データを生成するステップと、それらのユーザ識別子関心重みとユーザ識別子人口統計学的データとに基づいて、ユーザ識別子に関するユーザ識別子プロファイルデータを生成するステップと、そのユーザ識別子プロファイルデータに基づいて、ユーザ識別子に関連するユーザセッションに関する広告を選択するステップとを含む方法で実装可能である。この態様の他の実施形態は、対応するシステム、装置、およびコンピュータプログラム製品を含む。
本明細書で説明される主題の特定の実装形態は、以下の利点のうちの1つまたは複数を実現するために実装されうる。ユーザ関心は、様々な分野に関するユーザ動作を記載するイベントから推定される。
ユーザに関連する統計は、ユーザがこれまでに訪問したウェブサイトの知られている統計から推定される。したがって、ユーザは、特定の関心または特定の統計的特徴が関連するユーザ関心および統計を有することを明示的に指定する必要がない。さらに、ユーザは、その統計に関連することになる特定の統計に属する必要すらない。例えば、18歳から25歳の男性の統計に属するユーザは、それでもなお、45歳から55歳の男性によって多くアクセスされるウェブサイトを訪問する場合がある。したがって、ユーザは、45歳から55歳の男性統計と関連付けられることが可能である。
ユーザプロファイルは、発行者ごとベースで、または発行者のネットワークベースで生成されうる。
短期プロファイルおよび長期プロファイルが両方とも生成可能であり、短期プロファイルは、ユーザにとって必須の現在の関心であるコンテンツが提示されることを確実にするために、長期プロファイルに基づいて選択されたコンテンツを再度ランキングするために使用可能である。
広告などのコンテンツは、ユーザの推定される関心とユーザの行動に基づく統計とに基づいてユーザに示すために選択可能である。ユーザの行動は、ユーザがプロファイル内にその独自の関心を列挙するときに、提示されうる偏りを受けにくい。
これらの利点のそれぞれはオプションであり、いずれかの特定の実施形態において実現されなくてもよい。
本明細書で説明される主題の1つまたは複数の実施形態の詳細は、添付の図面および下の説明に記載される。主題のその他の特徴、態様、および利点は、それらの説明、図面、および特許請求の範囲から明らかになるであろう。
ユーザ識別子プロファイルシステムが実装されうる1つの例示的な環境のブロック図である。 ユーザ識別子プロファイルデータに基づいて広告を選択するための1つの例示的なプロセスの流れ図である。 ユーザ識別子関心重みを決定するための1つの例示的なプロセスの流れ図である。 短期ユーザ識別子プロファイルデータと長期ユーザ識別子プロファイルデータとに基づいて広告を選択するための1つの例示的なプロセスの流れ図である。 ユーザ識別子プロファイルデータを生成する際に使用するためのバーティカルカテゴリを選択するための1つの例示的なプロセスの流れ図である。 ユーザ識別子プロファイルシステムを実装するために使用されうる1つの例示的なコンピュータ処理システムのブロック図である。
様々な図面の類似の参照番号および参照符号は、類似の要素を表示する。
一般に、本明細書の主題は、特定のユーザを識別する識別子であるユーザ識別子に関するユーザプロファイルを生成することに関する。ユーザプロファイルは、推定されたユーザ関心と推定されたユーザ統計とに基づいて生成可能である。推定されたユーザ関心および統計は、ユーザのオンライン活動の間に発生したイベントから導出されうる。イベントは、ウェブページ閲覧、広告クリックスルー、およびコンバージョンなど、ユーザセッションの間に発生する動作であり、バーティカルカテゴリにおけるユーザ関心(または、関心の欠如)を示す。
ユーザに関するユーザ関心は、そのユーザのオンライン活動のイベントが属するバーティカルカテゴリ(例えば、車、金融、スポーツなど)の主題から推定可能である。加えて、所与のバーティカルカテゴリに属しているイベントの数によって計測される活動のレベルを、ユーザ関心のレベルを計測するために使用することも可能である。
ユーザに関するユーザ統計は、ユーザのオンライン活動の間にユーザが訪問したサイトの統計から推定可能である。それぞれの推定された統計、例えば、性別、年齢、世帯規模などは、ユーザによって訪問されたサイトからの知られている統計的特徴の集約に基づいて決定可能である。
ユーザ識別子に関するユーザプロファイルは、推定されたユーザ関心と推定されたユーザ統計とから構築され、広告をそのユーザ識別子に関連するユーザセッションの対象とするために使用される。いくつかの実装形態では、長期ユーザプロファイル(例えば、これまでの24時間以上の間に発生したイベントに基づくユーザプロファイル)を生成して、候補広告のセットを選択するために使用することが可能であり、短期ユーザプロファイル(例えば、これまでの1時間の間に発生したイベントに基づくユーザプロファイル)を生成して、候補広告のセットのランキングを調整するために使用することが可能である。ユーザセッションに関して提示される広告は、調整された候補広告のセットから選択される。
§1.0 例示的な動作環境
図1は、ユーザ識別子プロファイルシステム112が実装されうる1つの例示的な環境100のブロック図である。オンライン環境100は、識別、およびユーザに対するウェブコンテンツ、例えば、ウェブページ、広告などのサービス提供を円滑することができる。ローカルエリアネットワーク(LAN)、広域ネットワーク(WAN)、インターネット、またはそれらの組合せなど、コンピュータネットワーク110は、広告主102と、広告管理システム104と、発行者106と、クライアントデバイス108とを接続する。オンライン環境100は、多数の広告主102、発行者106、およびクライアントデバイス108を含みうる。
1つまたは複数の広告主102は、広告管理システム104内の広告情報を直接的にまたは間接的に入力、維持、および追跡することができる。これらの広告は、バナー広告、テキストだけの広告、画像広告、音声広告、ビデオ広告、双方向特徴の有無にかかわらず広告ガジェット、それらの構成要素のいずれかのうちの1つもしくは複数を組み合わせた広告など、または任意のその他のタイプの電子公告文書など、グラフィック広告の形態であってよい。これらの広告は、リンク、メタ情報、および/またはHTMLもしくはJava(登録商標)Scriptなどの機械実行可能命令などの埋込み情報を含むことも可能である。
発行者106は、ネットワーク110の使用によって、リソース(例えば、ウェブページコンテンツ)に対する電子アクセスをホストおよび提供する任意のウェブサイトである。ウェブサイトは、ドメイン名に関連する1つまたは複数のリソース105である。例示的なウェブサイトは、テキスト、グラフィック画像、マルチメディアコンテンツ、および、スクリプトなどのプログラミング要素を含むことが可能なハイパーテキストマークアップ言語(HTML)の形でフォーマットされたウェブページの収集物である。
リソースは、ネットワーク110を介して発行者106によって提供可能であり、リソースアドレスに関連する任意のデータである。リソースは、ほんのいくつかを挙げると、HTMLページ、ワード処理文書、およびポータブルドキュメントフォーマット(PDF)文書、画像、ビデオ、およびフィードソースを含む。これらのリソースは、語、成句、画像、ビデオなどのコンテンツを含むことが可能であり、(メタ情報およびハイパーリンクなどの)埋込み情報ならびに/または(Java(登録商標)Scriptスクリプトなどの)埋込み命令を含むことが可能である。
クライアントデバイス108は、ユーザの管理下にあり、ネットワーク110を介してデータを要求および受信することが可能な電子デバイスである。クライアントデバイス108は、典型的には、発行者106からリソース(例えば、ページコンテンツ)を要求するなど、ネットワーク110を介してデータの送受信を円滑にするための、ウェブブラウザなどのユーザアプリケーションを含む。例示的なクライアントデバイス108は、パーソナルコンピュータ、モバイル通信デバイス、およびネットワーク110を介してデータを送受信することが可能なその他のデバイスを含む。
発行者106は、1つまたは複数の広告に関する広告要求をシステム104に提出することが可能である。システム104は、要求している発行者106に発行者のリソースのうち1つまたは複数を提供するための広告を送信することによって応答する。あるいは、システム104は、典型的には、発行者106からクライアントデバイス108によって受信された埋込み命令を経由して、発行者106からのリソースに関するクライアントデバイス要求に応答して、クライアントデバイス108に直接的に広告を送信することによって応答する。
これらの広告は、ランディングページ、すなわち、ユーザが発行者106ウェブサイト上に提示された広告をクリックしたとき、ユーザが向けられる広告主102ウェブサイト上のページに対する埋込みリンクを含むことが可能である。これらの広告要求は、リソース要求情報を含むことも可能である。この情報は、リソース自体(例えば、ウェブページ)、リソースに対応する分野(例えば、芸術、ビジネス、コンピュータ、芸術映画、芸術音楽など)、リソース要求の一部またはすべて、リソース経年数、リソースタイプ(例えば、テキスト、グラフィックス、ビデオ、音声、混合媒体など)、地理位置情報などを含むことが可能である。
§2.0 ユーザ識別子プロファイルシステム
広告管理システム104は、ユーザ識別子プロファイルシステム112を含む。ユーザ識別子プロファイルシステム112は、推定された関心および統計に基づいて、ユーザに関するユーザ識別子プロファイルを生成する。ユーザに関するこれらの関心および統計は、ユーザの過去のユーザセッションの間に発生したイベントと、それらのイベントに関連するウェブコンテンツとから推定可能である。
ユーザに関する過去のユーザセッションは、様々な形で識別可能である。例えば、ユーザに関するユーザアカウント(例えば、検索エンジンまたはその他のネットワークシステムに関するユーザアカウント)は、ユーザに関する過去のユーザセッションを識別するために使用可能である。それぞれのユーザアカウントは、独自にユーザと関連付けられたユーザ識別子にキー入力することが可能であり、このユーザ識別子は、そのアカウントに関する過去のユーザセッションとも関連付けられる。そのようなアカウントベースのユーザセッションは、ユーザがユーザアカウントにログインすることから始まり、ユーザがそのアカウントをログアウトするまで維持される。ユーザの履歴を追跡するための許可を付与する(例えば、ユーザがそのユーザのオンライン活動が追跡されることを許可することをオプトインする)とすぐ、そのユーザのセッションに関する履歴データおよびその他のユーザデータが追跡され、そのユーザ識別子と関連付けられる。ユーザのオプションで、ユーザによって承認されたデータだけが追跡される(例えば、そのアカウントが検索エンジンに関する場合、ユーザは、検索クエリおよび検索結果選択だけが追跡されることを指定することが可能である)。ユーザは、任意の時点で、ユーザアカウントに関連するすべての履歴データを消去することができ、任意の時点で、かかる追跡からオプトアウトすることができる。さらに、ユーザのプライバシを保護するために、そのデータをそのユーザと関連付けることができないように、履歴データを匿名にすることが可能である。
いくつかの実装形態では、そのユーザによって使用されるクライアントデバイス108に関連する識別子に基づいて、特定のユーザに関する過去のユーザセッションを識別することも可能である。例えば、クライアントデバイス108のIPアドレスは、そのユーザに関する過去のユーザセッションを推定するために使用可能である(例えば、発行者からの情報に関する要求の中にクライアントデバイス108のIPアドレスを含むことが可能である)。
いくつかの実装形態では、ユーザが許可を付与するとすぐ、過去のユーザセッションは、クライアントデバイス108上に格納されたデータファイルに対するアクセスおよび当該データファイルの使用によってさらに識別可能である。例えば、クライアントデバイス108上に格納されたクッキーは、クライアントデバイス108を識別して、クライアントデバイス108によって円滑にされた過去のオンライン活動に関する情報にアクセスするために使用可能である。
ユーザに関する過去のユーザセッションの間に発生したイベント、およびそれらのイベントに関連する情報は、イベントデータストア114内に格納されうる。例えば、イベントデータストア114は、ほんのいくつかを挙げると、広告クリックスルー、ウェブページ閲覧、コンバージョン、ユーザ検索、およびビデオ閲覧などのイベントに関するデータを格納することが可能である。イベントデータストア114内のデータは、例えば、ユーザまたはユーザ識別子に従って区分化されうる。
§2.1.0 ユーザ関心モジュール
ユーザ識別子プロファイルシステム112は、ユーザ関心モジュール116を含みうる。ユーザ関心モジュール116は、特定のバーティカルカテゴリにおけるユーザに関するユーザ関心を決定することが可能である。それぞれのバーティカルカテゴリに関して、バーティカルカテゴリにおけるユーザ関心は、過去のユーザセッションの間に発生したバーティカルカテゴリに関するイベントに基づいて決定可能である。ユーザ関心モジュール116は、イベントに関連する主題と、バーティカルカテゴリに関連する主題とに基づいて、それらのイベントのそれぞれを1つまたは複数のバーティカルカテゴリに属しているとして分類することが可能である。例えば、スポーツバーティカルカテゴリにおいて分類されたウェブページに関するウェブページ閲覧イベントは、スポーツ分野バーティカルに属するものとして分類されうる。
分類プロセスを円滑にするために、ユーザ関心モジュール116は、バーティカルカテゴリデータストア130からバーティカルカテゴリデータにアクセスすることが可能である。バーティカルカテゴリデータ130は、ウェブコンテンツの主題に従って、ウェブコンテンツを分類するデータを格納する。例えば、映画関係の情報を提供するウェブページは、娯楽/映画バーティカルカテゴリに分類されうる。
ウェブコンテンツは、2つ以上のバーティカルカテゴリに分類することも可能である。例えば、スポーツニュースウェブページは、そのコンテンツの大部分を異なるスポーツの現在のイベントに向けさせる場合がある。しかし、スポーツニュースウェブページは、少数のスポーツ関係プログラムの省略リストを含むことも可能である。したがって、スポーツニュースウェブページは、スポーツバーティカルカテゴリおよび娯楽/TV/TV番組バーティカルカテゴリの両方に分類されうる。
同様に、広告およびそれらの関連するランディングページは、バーティカルカテゴリに分類することも可能であり、その分類化はバーティカルカテゴリデータ130内に格納可能である。
ユーザに関するユーザ関心は、そのユーザのオンライン活動のイベントが属するバーティカルカテゴリの主題から推定可能である。所与のバーティカルカテゴリに属するユーザに関するイベントの数およびタイプによって計測される活動の数は、そのバーティカルカテゴリのユーザ関心のレベルを評価するために使用可能である。
同じバーティカルカテゴリにおいて過去のユーザセッションの間に発生したユーザに関するイベントの数は、そのバーティカルカテゴリにおけるユーザ関心の尺度として使用可能である。例えば、第1のユーザが過去一週間の間にスポーツバーティカルカテゴリに分類されたウェブページを10回ページ閲覧し、第2のユーザが同じ期間の間に、スポーツバーティカルカテゴリに分類されたウェブページを1回だけページ閲覧した場合、スポーツバーティカルカテゴリの主題において、第1のユーザは第2のユーザよりもより強い関心を有することが推定できる。したがって、特定のバーティカルカテゴリにおけるユーザに関する関心は、そのユーザに関する過去のユーザセッションの間に発生したイベントによって決定される重み付けされた方式(「ユーザ識別子関心重み」)に基づいてよい。
§2.1.1 例示的な関心重み計算
いくつかの実装形態では、閲覧されたウェブページ、クリック/選択された広告、または訪問されたランディングページを分類するバーティカルカテゴリにおけるユーザに関するユーザ識別子関心重みは、例えば、方程式1に従って決定可能である。
Figure 0005526159
任意の所与の期間(例えば、その間に過去のユーザセッションのセットが発生した期間)および特定のユーザ識別子に関して、方程式1は、バーティカルカテゴリのリスト、およびそれらのバーティカルカテゴリにおけるそれぞれのユーザ識別子関心重みを提供する。
Pは、ユーザが閲覧したウェブページを分類するバーティカルカテゴリを表す。W(P)は、そのウェブページに関するバーティカルカテゴリの重みである。ウェブページ(または、任意のその他のウェブコンテンツ)に関するバーティカルカテゴリの重みは、バーティカルカテゴリの主題に向けられたウェブページのコンテンツの範囲によって決定される。上記のように、スポーツニュースウェブページは、スポーツバーティカルカテゴリと娯楽/TV/TV番組バーティカルカテゴリの両方に分類可能である。スポーツニュースウェブページのコンテンツは現在のイベント部分によって支配されるため、スポーツバーティカルカテゴリに関する重みは、娯楽/TV/TV番組バーティカルカテゴリに関する重みと比べてより高いことになる。例えば、正規化された方式に基づいて、スポーツニュースウェブページ向けのスポーツバーティカルカテゴリに関する重みは0.8であってよく、娯楽/TV/TV番組バーティカルカテゴリに関する重みは0.2であってよい。
ウェブページに関するバーティカルカテゴリの重みを決定するために、多くの異なるタイプの重み付けアルゴリズムを使用することが可能である。例えば、様々な分野に従ってクラスタリングされた(clustered)用語を識別するために用語クラスタリングを使用することが可能であり、重みを決定するために、それぞれのクラスタ内の用語の数およびページ内の用語の総数を使用することが可能である。
IDFは、ウェブページを訪問した訪問者の数に基づく、ウェブページに関する逆文書頻度である。IDFは、訪問者の数に反比例する。したがって、第1のウェブページが少数の訪問者だけを有する場合、そのウェブページに関するIDFは、第1のウェブページよりもより多くの訪問者を有する第2のウェブページに関するIDFよりも高くなる。
ACは、広告クリックスルーの広告を分類するバーティカルカテゴリを表す。W(AC)は、広告に関するバーティカルカテゴリの重みである。W(AC)は、W(P)に類似した形で決定されるが、ウェブページではなく、広告のコンテンツに対して決定される。
ALは、広告のランディングページを分類するバーティカルカテゴリを表す。W(AL)は、ランディングページに関するバーティカルカテゴリの重みである。W(AL)は、W(P)に類似する形で決定されるが、ウェブページではなく、ランディングページのコンテンツに対して決定される。
CWは、広告クリックスルーに関連するクリック持続時間の重みである(例えば、クリックが長ければ長いほど、クリック持続時間の重みは高くなる)。クリックの長さは、クリック後、セッションがどのくらい長くランディングページ上に存在するかと、ランディングページ上に存在する追加のリンク上のクリックとに基づいて計測可能である。
CVWは、コンバージョンに関連する重みである。いくつかの実装形態では、重みはすべてのコンバージョンに関して同じである。その他の実装形態では、大きさが計測可能である場合、例えば、購入に関連する価格の場合、重みはコンバージョンの大きさに比例する。
バーティカルカテゴリにおけるユーザ関心重みがどのように決定されるかを例示するために、方程式(1)は、Table 1(表1)に示される値に適用されることになる。Table 1(表1)は、バーティカルカテゴリ1における3回の過去のユーザセッションの間に発生したユーザに関する例示的なイベントデータを示す。
Figure 0005526159
バーティカルカテゴリ1におけるユーザに関するユーザ識別子関心重みは、Table 2(表2)に示されるように、方程式1を使用することによって、Table 1(表1)に示されるイベントデータと関連情報とを処理することによって生成可能である。
Figure 0005526159
ウェブページAは過去のユーザセッション1および3の両方の間に閲覧されたため、ウェブページAに関するウェブページ重みは0.4(2*0.2)であり、ウェブページBに関するウェブページ重みは0.42であり、広告Xに関する広告クリックスルー重みは0.16であり、広告Xに関するコンバージョン重みは0.24であり、広告Yに関する広告クリックスルー重みは0.05である。したがって、方程式1によれば、バーティカルカテゴリ1におけるユーザ識別子関心重みは2.47である。
(W(P)*IDF)web page A+(W(P)*IDF)web page B+(W(AC)adX+(W(AC)adY+(W(AL)*CW)adX+(W(AL)*CW)adY+(W(AL)*CVW)adX=
0.4+0.42+0.3+0.9+0.16+0.05+0.24=2.47
ユーザ識別子関心重みは、ユーザ関心データストア126内に格納可能である。
いくつかの実装形態では、ユーザ識別子関心重みは、バーティカルカテゴリにおける平均ユーザ関心重みに対して正規化されうる。かかる正規化は、バーティカルカテゴリ間のユーザ識別子関心重みの比較を円滑にする。例えば、特定のユーザは、第1のバーティカルカテゴリにおいて1.5の未加工のユーザ識別子関心重みを有し、第2のバーティカルカテゴリにおいて1.2の未加工のユーザ識別子関心重みを有する場合がある。第1のバーティカルカテゴリにおける平均ユーザ識別子関心重みは1.6であり、第2のバーティカルカテゴリにおける平均ユーザ識別子関心重みは0.3である。したがって、第1のバーティカルカテゴリにおけるユーザの未加工の重みが第2のバーティカルカテゴリにおけるユーザの未加工の重みよりも大きくても、ユーザは、第1のバーティカルカテゴリにおいて平均ユーザ識別子関心重みよりも少ない重みを持ち、第2のバーティカルカテゴリにおいて平均ユーザ識別子関心重みよりも多い重みを持つ。
ユーザ関心重みを決定するために、方程式1は閲覧されたウェブページ、クリックされた広告、およびコンバージョンだけに依存するが、ユーザ検索、ビデオ閲覧、オンライン購入など、その他のイベントデータを使用することも可能である。加えて、方程式1によって説明された以外の方法を使用して、ユーザ識別子関心重みを生成することも可能である。
§2.1.2 プロファイルに関する上位バーティカルカテゴリを選択する
いくつかの実装形態では、ユーザがユーザ識別子関心重みを有するすべてのバーティカルカテゴリのサブセットだけがユーザ識別子プロファイルを生成する際に使用される。例えば、ユーザ識別子プロファイルを生成する際に使用するために、ユーザ識別子関心重みに基づく上位N個のバーティカルカテゴリ(バーティカルカテゴリの「最高順位のサブセット」)が選択される。いくつかの実装形態では、方程式2によって示されるように、ユーザ識別子に関する上位N個のバーティカルカテゴリは、上位N個のバーティカルカテゴリにおける関心の重みの大きさの関数と、上位N個のバーティカルカテゴリ以外のバーティカルカテゴリの関心重みと比べた上位N個のバーティカルカテゴリにおける関心の重みの関数とに基づいて選択される。
UI[1]/UI[n]<Xおよび(UI[n]/UI[n+1])>Y (2)
式中、U[x]は、バーティカルカテゴリにおけるユーザ関心重みである。詳細には、UI[1]は、最高のユーザ識別子関心重みを有するバーティカルカテゴリにおけるユーザ識別子関心重みであり、UI[n]は、第n番目に最高のユーザ識別子関心重みを有するバーティカルカテゴリのユーザ識別子関心重みである。したがって、数列UI[1]、UI[2]..UI[n]は、バーティカルカテゴリのユーザ識別子関心重みに従って順序付けられたバーティカルカテゴリ1からnのセットに対応する。
このセット内のバーティカルカテゴリの数は、しきい値によって決定可能である。例えば、Xは第1のしきい値であってよく、Yは第2のしきい値であってよく、これらのしきい値を満たすバーティカルカテゴリのセットだけがユーザ識別子プロファイルにおいて使用される。ユーザ関心モジュール116は、これらのしきい値を満たすバーティカルカテゴリのセットを選択する。
第1のしきい値Xは、サブセット内の第1に順序付けられたバーティカルカテゴリ(すなわち、最高のユーザ識別子関心重みUI[1]を有するバーティカルカテゴリ)のユーザ識別子関心重み、およびサブセット内の最後に順序付けられたバーティカルカテゴリ(すなわち、第1のしきい値および第2のしきい値を満たす最低のユーザ関心重みを有するバーティカルカテゴリ)のユーザ識別子関心重みの比率(quotient)に関する上限を規定する。したがって、第1のしきい値は、大きさの点で類似するユーザ識別子関心重みを有するバーティカルカテゴリのセットを識別するために使用可能である。
第2のしきい値Yは、サブセット内の最後に順序付けられたバーティカルカテゴリのユーザ識別子関心重み、およびサブセット外部の次に順序付けられたバーティカルカテゴリ、すなわち、最後に順序付けられたバーティカルカテゴリに対して次に最低のユーザ識別子関心重みを有するバーティカルカテゴリのユーザ識別子関心重みの比率に関する下限を規定する。したがって、第2のしきい値は、2つのバーティカルカテゴリのユーザ識別子関心重み(例えば、最後に順序付けられたバーティカルカテゴリおよび次に順序付けられたバーティカルカテゴリとの)間のかなりの変化(例えば、急激な減少)を識別するために使用可能である。
§2.2 ユーザ人口統計学的モジュール
ユーザ識別子プロファイルシステム112は、ユーザ人口統計学的モジュール118を含みうる。ユーザ人口統計学的モジュール118は、イベントデータによって指定された、ユーザの過去のユーザセッションの間にユーザが訪問したそれぞれのサイトに関する人口統計に基づいて、ユーザに関するユーザ識別子人口統計学的データを生成することが可能である。それぞれのサイトに関する人口統計は、そのサイトへの訪問者の1つまたは複数の統計的特徴を識別する。この人口統計は、例えば、過去のユーザセッションの間にユーザによって訪問された様々なウェブサイト(例えば、発行者106)から取得可能である。この人口統計は、人口統計データストア132内に格納可能である。統計的特徴は、地理的位置、年齢、性別、所得範囲、世帯所得範囲、世帯規模、最高学歴、世帯の子ども数などを含みうる。
いくつかの実装形態では、ユーザに関するユーザ識別子統計は、例えば、方程式3に従って、訪問されたサイトのそれぞれに関する人口統計を集約することによって、一部、決定可能である。
Figure 0005526159
式中、w(featureij)は、ウェブサイトからの特徴i(例えば、性別)の特定の値j(例えば、男性または女性)の重みである。
例えば、ユーザは、ユーザの過去のユーザセッションの間に2つのサイト、すなわち、サイトAおよびサイトBに訪問した可能性がある。サイトAを訪問した訪問者の65%は男性であり、35%は女性であり、サイトBを訪問した訪問者の80%が男性であり、20%が女性であることが知られている(例えば、人口統計)。いくつかの実装形態では、この割合を重みと見なすことができる(例えば、65%は0.65の重みに相当する)。方程式3によれば、性別特徴に関する値の重みは0.65(サイトAの男性訪問者)+0.80(サイトBの男性訪問者)=1.45、および0.35(サイトAの女性訪問者)+0.20(サイトBの女性訪問者B)=0.55である。サイトAおよびBの両方に関する統計は、男性は女性よりもそれらのサイトを訪問する可能性がより高いことを表示する(例えば、1.45>0.55)。したがって、ユーザは男性であることが推定されうる。
いくつかの実装形態では、ユーザ識別子統計を推定するために、ユーザによってクリックされた広告に関連する人口統計を使用することも可能である。しかし、人口統計からユーザ識別子統計を推定するために、その他の方法(例えばウェブサイトのトラフィックに基づいてあるサイトからの人口統計を重み付けすること)を使用することも可能である。
§2.3 ユーザプロファイルモジュール
ユーザ識別子プロファイルシステム112は、ユーザプロファイルモジュール120を含みうる。ユーザプロファイルモジュール120は、ユーザ識別子関心重みとユーザ識別子人口統計学的データとに基づいて、ユーザに関するユーザ識別子プロファイルデータを生成することが可能である。
いくつかの実装形態では、ユーザプロファイルモジュール120は、長期ユーザ識別子プロファイルデータと短期ユーザ識別子プロファイルデータとを生成するために、ユーザ関心モジュール116およびユーザ人口統計学的モジュール118を動作可能に制御することが可能である。長期ユーザ識別子プロファイルデータは、第1の期間の間に発生した過去のユーザセッションに基づくイベントデータから導出される。短期ユーザ識別子プロファイルデータは、第2の期間の間に発生した過去のユーザセッションに基づくイベントデータから導出され、この場合、第2の期間は、第1の期間の最近の従属期間(sub-period)である。例えば、第1の期間が(現在のユーザセッションに関する)最後の24時間である場合、第2の期間は、最近の1時間でありうる。第1の期間および第2の期間は、任意の特定の期間に限定されず、むしろ、定義特徴は、第2の期間は第1の期間の最近の部分であるということである。したがって、短期ユーザ識別子プロファイルデータを生成するために使用されるイベントデータは、長期ユーザ識別子プロファイルデータを生成するために使用されるイベントデータのサブセットになる。
いくつかの実装形態では、ユーザプロファイルモジュール120は、特定のウェブサイト、発行者、または発行者ネットワーク(例えば、ウェブサイトまたは領域のグループ)に関連するイベントデータだけに関してユーザ識別子プロファイルデータを生成することが可能である。例えば、ユーザに関するイベントデータが発行者AおよびBのリソースに関連するイベントを含む場合、ユーザプロファイルモジュール120は、発行者Aのリソースに関連するイベントだけに基づいて、もしくは発行者Bのリソースに関連するイベントだけに基づいて、または発行者Aおよび発行者Bのリソースに関連するイベントの組合せに基づいて、ユーザ識別子プロファイルデータを生成することが可能である。
§2.4 広告選択モジュール
ユーザ識別子プロファイルシステム112は、広告選択モジュール122を含みうる。広告選択モジュール122は、そのユーザに関するユーザ識別子プロファイルデータに基づいて、ユーザのユーザセッション(例えば、現在のユーザセッション)に関する広告を選択することが可能である。例えば、ユーザのユーザ識別子プロファイルデータが(例えば、他のユーザと比較して)そのユーザがあるバーティカルカテゴリにおいて高いユーザ識別子関心重みを有することを表示する場合、広告選択モジュール122は、広告を選択、ランキング、および/または順序付けるとき、かかる関心を明らかにする(例えば、高いユーザ識別子関心重みに対応するバーティカルカテゴリに分類された広告を選択する)ことが可能である。広告選択モジュール122は、広告データストア128から広告を選択することが可能である。
いくつかの実装形態では、広告選択モジュール122は、長期ユーザ識別子プロファイルデータに基づいて候補の広告セットを選択することが可能であり、かつ/または短期ユーザ識別子プロファイルデータに基づいて、候補の広告セットのランキングを調整することが可能である。例えば、広告選択モジュール122は、先の2日の間に発生している過去のユーザセッションに基づいて、広告の初期のセットを選択するために、(オフラインプロセスにおいて周期的に生成されうる)長期プロファイルデータを使用し、次いで、先の1時間の間に発生している過去のユーザセッションに基づいて、候補セット内の広告のランキングを調整、例えば、微調整するために、(リアルタイムプロセスまたはニアリアルタイムプロセスで生成されうる)短期プロファイルデータを使用することが可能である。短期ユーザ識別子プロファイルデータの使用は、広告選択モジュール122がユーザの最近のイベントだけを考慮に入れることを可能にする。短期ユーザ識別子プロファイルデータがない場合、長期ユーザ識別子プロファイルデータ内に反映されるように、最後の2日間にわたって発生しているイベントのすべてに関連して閲覧されたとき、それらの最近のイベントによって表示される関心は薄れる可能性がある。いくつかの実装形態では、広告選択モジュール122は、長期ユーザ識別子プロファイルデータだけ、または短期ユーザ識別子プロファイルデータだけを使用することが可能であり、すなわち、長期ユーザ識別子プロファイルデータおよび短期ユーザ識別子プロファイルデータは個別に使用可能である。
最高にランキングされた広告は、広告を選択するために使用されたユーザ識別子プロファイルデータに関連するユーザセッションに関して提示するために提供されうる。いくつかの実装形態では、ユーザ識別子プロファイルデータは、その他の広告選択技術と共に使用可能である。例えば、発行者ページ上で提示するための広告は、ユーザ識別子プロファイルデータに基づいて、ある時間割合で選択可能であり、発行者ページのコンテンツだけに基づいて、他の時間に選択することも可能である。
§2.5 割当てモジュール
ユーザ識別子プロファイルシステム112は、割当てモジュール124を含みうる。割当てモジュール124は、そのイベントデータに対する発行者データ寄与に基づいて、広告オークションから報酬(例えば、収益または収入)を割り当てることが可能である。ユーザ識別子プロファイルデータを生成するために使用されるイベントデータが多ければ多いほど、そのユーザ識別子プロファイルデータはますます完全なものになる。いくつかの実装形態では、発行者は、イベントデータを共有することをオプトインして選ぶことが可能である。逆に、発行者は、イベントデータを共有することをオプトアウトして選ばないことも可能である。イベントデータを共有することを発行者に勧めるために、割当てモジュール124は、特定の発行者が寄与したイベントデータの量に比例して、発行者にオークション収益またはオークション収入を帰することが可能である。
特定の発行者に割り当てられた収益の額は、例えば、方程式4に基づいてよい。
R*P*Q*T[j] (4)
式中、
Rは、オークション獲得広告主によって支払われる収入であり、
Pは、発行者収入分与割合であり(例えば、共有発行者は収入の10%を集団的に受け取る)、
Qは、広告を選択するために使用されたユーザ識別子プロファイルデータの範囲を定量化し、
T[j]は、ユーザ識別子プロファイルデータを生成するために使用されたイベントデータに対する発行者の寄与を定量化する、発行者に関する発行者データ寄与要因である。
例えば、広告を選択するために20個の要因(例えば、広告入札の額、広告のクリックスルー率など)が使用され、ユーザ識別子プロファイルデータが1つの要因であった場合、Qは1/20=5%になる。オークション獲得広告主によって支払われた収入が$3.00であり、発行者収入分与割合が20%であり、Qが25%であり、発行者データ寄与要因が75%(例えば、発行者がユーザ識別子プロファイルを生成するために使用されたイベントデータの75%を供給した)場合、発行者は、$3.00*.2*.25*.75=$0.11を受け取ることになる。
イベントデータに対する発行者の寄与に基づいて、共有発行者に収入を割り当てるために、その他のモデルまたはその他の方法を使用することが可能である。
§3.0 例示的なプロセスフロー
図2は、ユーザ識別子プロファイルデータに基づいて広告を選択するための1つの例示的なプロセス200の流れ図である。プロセス200は、例えば、広告管理システム104内で実装可能である。
ユーザ識別子に関するイベントデータは、ユーザ識別子に関連する過去のユーザセッションに基づく識別子である(202)。このイベントデータは、過去のユーザセッションの間に発生したイベントを指定する。例えば、ユーザ関心モジュール116は、そのユーザ識別子に関するユーザセッションに関連する履歴データからユーザ識別子に関するイベントデータを識別することが可能である。
イベントのそれぞれは、1つまたは複数のバーティカルカテゴリに属するものとして分類される(204)。例えば、ユーザ関心モジュール116は、イベントデータ内で識別された広告クリックスルー、ウェブページ閲覧、およびコンバージョンに関連する分野に基づいて、1つまたは複数のバーティカルカテゴリに属するものとしてイベントを分類することが可能である。
ユーザ識別子に関するユーザ識別子関心重みは、バーティカルカテゴリに関連するイベントに基づいて決定される(206)。例えば、ユーザ関心モジュール116は、上の方程式1に従って、またはいくつかのその他のアルゴリズムによって、ユーザ識別子関心重みを決定することが可能である。
ユーザ識別子に関するユーザ識別子人口統計学的データは、それぞれのサイトに関する人口統計に基づいて生成される(208)。それぞれのサイトに関する人口統計は、そのサイトへの訪問者の1つまたは複数の統計的特徴(例えば、性別、年齢など)を識別する。例えば、ユーザ人口統計学的モジュール118は、上で説明されたように、統計的特徴を集約することによって、それぞれのサイトに関する人口統計に基づいて、ユーザ識別子に関するユーザ識別子人口統計学的データを生成することが可能である。
ユーザ識別子に関するユーザ識別子プロファイルデータは、ユーザ識別子関心重みとユーザ識別子人口統計学的データとに基づいて生成される(210)。例えば、ユーザプロファイルモジュール120は、ユーザ識別子関心重みとユーザ識別子人口統計学的データとに基づいて、ユーザ識別子に関するユーザ識別子プロファイルデータを生成することが可能である。
ユーザ識別子に関連するユーザセッションに関する広告は、ユーザ識別子プロファイルデータに基づいて選択される(212)。例えば、広告選択モジュール122は、ユーザ識別子プロファイルデータに基づいて、ユーザ識別子に関連するユーザセッションに関する広告を選択することが可能である。
選択された広告に関連する広告オークションからの収益(または、収入)は、イベントデータに対する発行者データ寄与に基づいて割り当てられる(214)。発行者に割り当てられる収益(または、収入)の額は、オークション獲得広告主によって支払われた収入と、発行者収入分与割合と、発行者データ寄与要因とに基づく。例えば、割当てモジュール124は、上で説明された割当て公式に従って広告オークションから収益を割り当てることが可能である。
図3は、ユーザ識別子関心重みを決定するための1つの例示的なプロセス300の流れ図である。プロセス300は、例えば、広告管理システム104内で実装可能である。
ウェブページに関するバーティカルカテゴリの重みが決定される(302)。バーティカルカテゴリの重みは、バーティカルカテゴリによって特徴付けられる主題に関するウェブページのコンテンツに基づいて決定可能である。例えば、ユーザ関心モジュール116は、ウェブページ内のすべての用語に対するクラスタリングされた用語の比較、またはその他の重み付け技法に基づいて、ウェブページに関するバーティカルカテゴリの重みを決定することが可能である。
ウェブページ重みは、そのウェブページに関するバーティカルカテゴリの重みと、閲覧されたウェブページの逆文書頻度とに基づいて生成される(304)。例えば、ユーザ関心モジュール116は、ウェブページ重みおよび逆文書頻度の乗算に基づいて、ウェブページ重みを生成することが可能である。
広告クリックスルーの広告が識別される(306)。例えば、ユーザ関心モジュール116は、広告管理システム104、広告主102、および/もしくは発行者106からの広告および広告クリックスルーに関する情報にアクセスすることまたは当該情報を受信することが可能である。
広告に関するバーティカルカテゴリの重みが決定される(308)。例えば、ユーザ関心モジュール116は、上で説明されたのと類似の形で広告に関するバーティカルカテゴリの重みを決定することが可能である。
広告のランディングページが識別される(310)。例えば、ユーザ関心モジュール116は、広告管理システム104、広告主102、および/もしくは発行者106からのランディングページに関する情報にアクセスすることまたは当該情報を受信することが可能である。
ランディングページに関するバーティカルカテゴリの重みが決定される(312)。例えば、ユーザ関心モジュール116は、上で説明されたのと類似の形でランディングページに関するバーティカルカテゴリの重みを決定することが可能である。
ランディングページがユーザデバイス上に提示された持続時間が決定される(314)。例えば、ユーザ関心モジュール116は、広告管理システム104、広告主102、および/もしくは発行者106からのランディングページが提示された持続時間に関する情報にアクセスすることまたは当該情報を受信することが可能である。
広告クリックスルー重みは、ランディングページに関するバーティカルカテゴリの重みと、持続時間とに基づいて生成される(316)。例えば、ユーザ関心モジュール116は、その持続時間に基づいて広告クリックスルー重みを生成することが可能である。
広告コンバージョン重みは、ランディングページに関するバーティカルカテゴリの重みと、その広告に関連するコンバージョン重みとに基づいて生成される(318)。例えば、ユーザ関心モジュール116は、バイナリ計測またはコンバージョン価格に基づく重み付けされた計測など、コンバージョンに関連する計測に基づいて広告コンバージョン重みを生成することが可能である。
ウェブページ重みと、広告に関するバーティカルカテゴリの重みと、広告クリックスルー重みと、広告コンバージョン重みとが集約される(320)。例えば、ユーザ関心モジュール116は、ウェブページ重み、広告に関するバーティカルカテゴリの重み、広告クリックスルー重み、および広告コンバージョン重みを集約することが可能である。いくつかの実装形態では、集約された重みは正規化されうる。
図4は、短期ユーザ識別子プロファイルデータと長期ユーザ識別子プロファイルデータとに基づいて広告を選択するための1つの例示的なプロセス400の流れ図である。プロセス400は、例えば、広告管理システム104内で実装可能である。
ユーザ識別子に関する長期ユーザ識別子プロファイルデータは、第1の期間の間に発生した過去のユーザセッションに基づくイベントデータからのユーザ識別子関心重みに基づいて生成される(402)。例えば、ユーザプロファイルモジュール120は、第1の期間に関するイベントデータに基づいて、長期ユーザ識別子プロファイルデータを生成することが可能である。
ユーザ識別子に関する短期ユーザ識別子プロファイルデータは、第2の期間の間に発生した過去のユーザセッションに基づくイベントデータからのユーザ識別子関心重みに基づいて生成される(404)。第2の期間は、第1の期間の最近の従属期間である。例えば、ユーザプロファイルモジュール120は、短期ユーザ識別子プロファイルデータを生成することが可能である。
候補広告セットは、長期ユーザ識別子プロファイルデータに基づいて選択される(406)。例えば、広告選択モジュール122は、長期ユーザ識別子プロファイルデータに基づいて候補広告セットを選択することが可能である。
候補広告セットのランキング順序は、短期ユーザ識別子プロファイルデータに基づいて調整される(408)。例えば、広告選択モジュール122は、短期ユーザ識別子プロファイルデータに基づいて、候補広告セットのランキング順序を調整することが可能である。
図5は、ユーザ識別子プロファイルデータを生成する際に使用するためのバーティカルカテゴリを選択するための1つの例示的なプロセス500の流れ図である。プロセス500は、例えば、広告管理システム104内で実装可能である。
バーティカルカテゴリの順序は、対応するユーザ識別子関心重みに従って決定される(502)。例えば、ユーザプロファイルモジュール120は、ユーザ識別子関心重みに基づいて、バーティカルカテゴリの順序を決定することが可能である。
ユーザ識別子プロファイルデータを生成する際に使用するために順序付けられたバーティカルカテゴリの最高順位のサブセットが決定される(504)。最高順位のサブセットは対応するユーザ識別子関心重み、ならびに第1のしきい値および第2のしきい値に基づく。第1のしきい値は、サブセット内の第1に順序付けられたバーティカルカテゴリのユーザ識別子関心重み、およびサブセット内の最後に順序付けられたバーティカルカテゴリのユーザ識別子関心重みの比率に関する上限を規定する。第2のしきい値は、サブセット内の最後に順序付けられたバーティカルカテゴリのユーザ識別子関心重み、およびそのサブセットの外部の次に順序付けられたバーティカルカテゴリのユーザ識別子関心重みの比率に関する上限を規定する。いくつかの実装形態では、バーティカルカテゴリの最高順位のサブセットは、ユーザ識別子プロファイルデータを生成するために使用される唯一のバーティカルカテゴリである。例えば、ユーザプロファイルモジュール120は、順序付けられたバーティカルカテゴリの最高順位のサブセットを決定することが可能である。
いくつかの実装形態では、ユーザ識別子プロファイルデータは、広告以外のコンテンツを選択するために使用することも可能である。例えば、ユーザ識別子プロファイルデータは、ユーザのユーザ識別子プロファイルデータに基づいて、ユーザに提示するためのウェブページなどのコンテンツ項目を選択するために使用可能である。かかるコンテンツ項目は、ウェブページのコンテンツの断片(例えば、ニュースウェブページからのニュース記事の断片)として、ユーザに提示可能である。
§4.0 例示的な処理システム
図6は、ユーザ識別子プロファイルデータを生成して、そのユーザ識別子プロファイルデータに基づいて広告を選択するために使用可能な1つの例示的なコンピュータ処理システム600のブロック図である。システム600は、広告システム104とユーザ識別子プロファイルシステム112とが実装されるクライアントデバイス108、またはサーバデバイスおよびコンピュータデバイスなど、様々な異なるタイプのコンピュータデバイスを実現するために使用可能である。
システム600は、プロセッサ610と、メモリ620と、記憶デバイス630と、入出力デバイス640とを含む。構成要素610、620、630、および640のそれぞれは、例えば、システムバス680を使用して相互接続可能である。プロセッサ610は、システム600内の実行のための命令を処理することが可能である。一実装形態では、プロセッサ610は、シングルスレッドプロセッサである。別の実装形態では、プロセッサ610は、マルチスレッドプロセッサである。プロセッサ610は、メモリ620内または記憶デバイス630上に格納された命令を処理することが可能である。
メモリ620は、システム600内に情報を格納する。一実施形態では、メモリ620は、コンピュータ可読媒体である。一実装形態では、メモリ620は、揮発性メモリユニットである。別の実装形態では、メモリ620は不揮発性メモリユニットである。
記憶デバイス630は、システム600に大容量記録を提供することが可能である。一実装形態では、記憶デバイス630は、コンピュータ可読媒体である。様々な異なる実装形態では、記憶デバイス630は、例えば、ハードディスクデバイス、光ディスクデバイス、またはいくつかのその他の大容量記憶デバイスを含みうる。
入出力デバイス640は、システム600に入出力動作を提供する。一実装形態では、入出力デバイス640は、ネットワークインターフェースデバイス、例えば、イーサネット(登録商標)カード、シリアル通信デバイス、例えば、RS-232ポート、および/または無線インターフェースデバイス、例えば、802.11カードのうちの1つもしくは複数を含みうる。別の実装形態では、入出力デバイスは、入力データを受信して、出力データを他の入出力デバイス、例えば、キーボード、プリンタ、およびディスプレイデバイス660に送信するように構成されたドライバデバイスを含みうる。しかし、モバイルコンピューティングデバイス、モバイル通信デバイスなど、その他の実装形態を使用することも可能である。
1つの例示的な処理システムが図6で説明されているが、本明細書で説明される主題および機能動作の実施形態は、その他のデジタル電子回路において、または本明細書で開示された構造およびその構造的な均等物を含めて、コンピュータソフトウェア、コンピュータファームウェア、もしくはコンピュータハードウェアにおいて、あるいはそれらのうちの1つもしくは複数の組合せにおいて実装可能である。本明細書で説明される主題の実施形態は、1つもしくは複数のコンピュータプログラム製品、すなわち、データ処理装置による実行のために、またはデータ処理装置の動作を制御するために、コンピュータ可読媒体上で符号化されたコンピュータプログラム命令の1つもしくは複数のモジュールとして実装可能である。このコンピュータ可読媒体は、機械可読記憶デバイス、機械可読記憶基板、メモリデバイス、またはそれらのうちの1つもしくは複数の組合せであってよい。
(プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、またはコードとしても知られている)コンピュータプログラムは、コンパイラ型言語もしくはインタプリタ型言語、または宣言型言語もしくは手続き型言語を含めて、任意野形態のプログラミング言語で書き込むことが可能であり、コンピュータプログラムは、独立型プログラムとして、またはモジュール、構成要素、サブルーチン、もしくはコンピューティング環境で使用するのに適したその他のユニットとして、を含めて、任意の形態で配備可能である。コンピュータプログラムは、ファイルシステム内のファイルに対応するとは限らない。プログラムは、その他のプログラムまたはデータ(例えば、マークアップ言語文書内に格納された1つもしくは複数のスクリプト)を保持するファイルの部分内に、当該プログラム専用のシングルファイル内に、または複数の調整されたファイル(例えば、1つもしくは複数のモジュール、サブプログラム、またはコードの部分を格納するファイル)内に格納可能である。コンピュータプログラムは、1つのコンピュータ上で、または1つの場所に配置された、もしくは複数の場所の全域に分散されて、通信ネットワークによって相互接続された複数のコンピュータ上で実行されるように配備可能である。
加えて、開示された構造手段を支援するステップおよび対応する機能を支援する特定の方法ならびに/または対応する動作を記載する本特許文書において説明された論理の流れおよび構造ブロック図を対応するソフトウェア構造およびアルゴリズム、ならびにそれらの均等物を実装するために利用することも可能である。本明細書で説明されたプロセスおよび論理の流れは、入力データに関して動作して、出力を生成することによって、機能を実行するために、1つまたは複数のコンピュータプログラムを実行する1つまたは複数のプログラマブルプロセッサによって実行可能である。
コンピュータプログラムの実行に適したプロセッサは、例として、汎用プロセッサおよび専用マイクロプロセッサ、ならびに任意の種類のデジタルコンピュータの任意の1つまたは複数のプロセッサの両方を含む。一般に、プロセッサは、読出し専用メモリもしくはランダムアクセスメモリ、またはそれらの両方から命令およびデータを受信することになる。コンピュータの必須要素は、命令を実行するためのプロセッサ、ならびに命令およびデータを格納するための1つまたは複数のメモリデバイスである。一般に、コンピュータは、データを格納するための1つもしくは複数の大容量記憶デバイス、例えば、磁気ディスク、光磁気ディスク、または光ディスクを含むことにもなるか、あるいはそれらからデータを受信するため、またはそれらにデータを転送するため、もしくはそれらの両方のために動作可能に結合されることにもなる。しかし、コンピュータは、かかるデバイスを有さなくてもよい。コンピュータプログラム命令およびデータを格納にするのに適したコンピュータ可読媒体は、例として、半導体メモリデバイス、例えば、EPROM、EEPROM、およびフラッシュメモリデバイス、磁気デバイス、例えば、内部ハードディスクまたは取外し可能ディスク、光磁気ディスク、ならびにCD ROMディスクおよびDVD ROMディスクを含めて、すべての形態の不揮発性メモリ、媒体、およびメモリデバイスを含む。プロセッサおよびメモリは、専用論理回路によって補完されてよく、または専用論理回路内に組み込まれてもよい。
コンピューティングシステムは、クライアントとサーバとを含みうる。クライアントおよびサーバは、通常、互いから遠隔にあり、典型的には、通信ネットワークを介して相互に作用する。クライアントおよびサーバの関係は、それぞれのコンピュータ上で実行しており、互いに対してクライアント・サーバ関係を有するコンピュータプログラムによって生じる。
本明細書は多くの特定の実装形態の詳細を含むが、これらは任意の発明または特許請求可能なものの範囲の限定としてではなく、むしろ特定の発明の特定の実施形態に特定でありうる特徴の説明として解釈されるべきである。個別の実施形態の関連で本明細書において説明された、いくつかの特徴は、単一の実施形態内で組み合わせて実装することも可能である。逆に、単一の実装形態の関連で説明された、いくつかの特徴は、別個に複数の実施形態内で、または任意の適切なサブコンビネーション内で実装することも可能である。さらに、特徴は、いくつかの組合せの形で動作するものとして上で説明される場合があり、当初そういうものとして特許請求される場合すらあるが、特許請求される組合せからの1つまたは複数の特徴は、場合によっては、その組合せから削除されてよく、特許請求される組合せは、サブコンビネーションまたはサブコンビネーションの改変形態に関する場合がある。
同様に、動作は図面において特定の順序で示されているが、これは、望ましい結果を達成するために、かかる動作が示された順序で実行されること、もしくは連続的に実行されること、またはすべての例示された動作が実行されることを必要とするとして理解されるべきではない。ある状況では、マルチタスキングおよび並行プロセスが有利な場合がある。さらに、上で説明された実施形態の様々なシステム構成要素の分離は、すべての実施形態においてかかる分離を必要とするものとして理解されるべきではなく、説明されたプログラム構成要素およびシステムは、一般に、単一のソフトウェア製品内に一緒に統合されてよく、または複数のソフトウェア製品内に包括されてもよい点を理解されたい。
本明細書で説明された主題の特定の実施形態が説明されている。その他の実施形態は、以下の特許請求の範囲内である。例えば、特許請求の範囲において列挙される動作は、異なる順序で実行可能であり、依然として望ましい結果を達成する。一例として、添付の図面に示されるプロセスは、望ましい結果を達成するために、示された特定の順序、または連続的な順序を必要とするとは限らない。いくつかの実施形態では、マルチタスキングおよび並行プロセスが有利な場合がある。
この記述書は、本発明を説明し、当業者が本発明を行い、本発明を使用することを可能にするために、本発明の最良の形態を記載し、例を提供する。この記述書は、本発明を記載されたまさにその条件に限定しない。したがって、本発明は上で記載された例を参照して詳細に説明されているが、当業者は、本発明の範囲から逸脱せずに、これらの例に変更、修正、および改変を行うことが可能である。
100 オンライン環境
102 広告主
104 広告管理システム
105 リソース
106 発行者
108 クライアントデバイス
110 コンピュータネットワーク
112 ユーザ識別子プロファイルシステム
114 イベントデータストア
116 ユーザ関心モジュール
118 ユーザ人口統計学的モジュール
120 ユーザプロファイルモジュール
122 広告選択モジュール
124 割当てモジュール
126 ユーザ関心データストア
128 広告データストア
130 バーティカルカテゴリデータストア
132 人口統計データストア
600 コンピュータ処理システム
610 プロセッサ
620 メモリ
630 記憶デバイス
640 入出力デバイス
660 入出力デバイス
680 システムバス

Claims (11)

  1. コンピュータで実施される方法であって、
    ユーザ識別子に関連する過去のユーザセッションに基づいて、前記ユーザ識別子に関するイベントデータを識別するステップを含み、前記イベントデータは、前記過去のユーザセッションの間に発生したイベントを指定し、
    前記方法が、
    前記イベントのそれぞれを1つまたは複数のバーティカルカテゴリに属するものとして分類するステップと、
    それぞれのバーティカルカテゴリに関して、前記バーティカルカテゴリに関連する前記イベントに基づいて、前記ユーザ識別子に関するユーザ識別子関心重みを決定するステップと、
    前記イベントデータによって指定された前記過去のユーザセッションの間に訪問されたサイトのそれぞれに関する人口統計に基づいて、前記ユーザ識別子に関するユーザ識別子人口統計学的データを生成するステップとを含み、前記サイトのそれぞれに関する人口統計は、サイトへの訪問者の1つまたは複数の統計的特徴を識別し、
    前記方法が、
    前記ユーザ識別子関心重みと前記ユーザ識別子人口統計学的データとに基づいて、前記ユーザ識別子に関するユーザ識別子プロファイルデータを生成するステップと、
    前記ユーザ識別子プロファイルデータに基づいて、前記ユーザ識別子に関連するユーザセッションに関する広告を選択するステップと
    を含み、
    前記イベントがウェブページのページビュー、広告クリックスルー、またはコンバージョンを含み、
    それぞれのバーティカルカテゴリに関して、前記バーティカルカテゴリに属する前記イベントに基づいて、前記ユーザ識別子に関するユーザ識別子関心重みを決定するステップが、
    前記ウェブページに関する前記バーティカルカテゴリの重みを決定するステップと、
    前記ページビューのそれぞれに関して、前記ウェブページに関する前記バーティカルカテゴリの前記重みと、閲覧されたウェブページの逆文書頻度とに基づいて、ウェブページ重みを生成するステップと、
    前記広告クリックスルーのそれぞれに関して、
    前記広告クリックスルーの広告を識別するステップと、
    前記広告に関する前記バーティカルカテゴリの重みを決定するステップと、
    前記広告のランディングページを識別するステップと、
    前記ランディングページに関する前記バーティカルカテゴリの重みを決定するステップと、
    前記ランディングページがユーザデバイス上で提示された持続時間を決定するステップと、
    前記ランディングページに関する前記バーティカルカテゴリの前記重みと、前記持続時間とに基づいて、広告クリックスルー重みを生成するステップと、
    前記コンバージョンのそれぞれに関して、前記ランディングページに関する前記バーティカルカテゴリの重みと、前記広告に関連するコンバージョン重みとに基づいて、広告コンバージョン重みを生成するステップと、
    前記ウェブページ重みと、前記広告に関する前記バーティカルカテゴリの重みと、前記広告クリックスルー重みと、前記広告コンバージョン重みとを集約するステップとを含む、方法。
  2. コンピュータで実施される方法であって、
    ユーザ識別子に関連する過去のユーザセッションに基づいて、前記ユーザ識別子に関するイベントデータを識別するステップを含み、前記イベントデータは、前記過去のユーザセッションの間に発生したイベントを指定し、
    前記方法が、
    前記イベントのそれぞれを1つまたは複数のバーティカルカテゴリに属するものとして分類するステップと、
    それぞれのバーティカルカテゴリに関して、前記バーティカルカテゴリに関連する前記イベントに基づいて、前記ユーザ識別子に関するユーザ識別子関心重みを決定するステップと、
    前記イベントデータによって指定された前記過去のユーザセッションの間に訪問されたサイトのそれぞれに関する人口統計に基づいて、前記ユーザ識別子に関するユーザ識別子人口統計学的データを生成するステップとを含み、前記サイトのそれぞれに関する人口統計は、サイトへの訪問者の1つまたは複数の統計的特徴を識別し、
    前記方法が、
    前記ユーザ識別子関心重みと前記ユーザ識別子人口統計学的データとに基づいて、前記ユーザ識別子に関するユーザ識別子プロファイルデータを生成するステップと、
    前記ユーザ識別子プロファイルデータに基づいて、前記ユーザ識別子に関連するユーザセッションに関する広告を選択するステップと
    を含み、
    前記イベントデータが第1の期間の間に発生した過去のユーザセッションに基づき、ユーザ識別子プロファイルデータを生成するステップが、
    前記第1の期間の間に発生した過去のユーザセッションに基づく前記イベントデータから前記ユーザ識別子に関する長期ユーザ識別子プロファイルデータを生成するステップと、
    第2の期間の間に発生した過去のユーザセッションに基づく前記イベントデータから前記ユーザ識別子に関する短期ユーザ識別子プロファイルデータを生成するステップとを含み、前記第2の期間が前記第1の期間の最近の従属期間であり、
    前記ユーザ識別子プロファイルデータに基づいて、前記ユーザ識別子に関連するユーザセッションに関する広告を選択するステップが、
    前記長期ユーザ識別子プロファイルデータに基づいて、候補広告セットを選択するステップと、
    前記短期ユーザ識別子プロファイルデータに基づいて、前記候補広告セットのランキング順序を調整するステップを含む、方法。
  3. コンピュータで実施される方法であって、
    ユーザ識別子に関連する過去のユーザセッションに基づいて、前記ユーザ識別子に関するイベントデータを識別するステップを含み、前記イベントデータは、前記過去のユーザセッションの間に発生したイベントを指定し、
    前記方法が、
    前記イベントのそれぞれを1つまたは複数のバーティカルカテゴリに属するものとして分類するステップと、
    それぞれのバーティカルカテゴリに関して、前記バーティカルカテゴリに関連する前記イベントに基づいて、前記ユーザ識別子に関するユーザ識別子関心重みを決定するステップと、
    前記イベントデータによって指定された前記過去のユーザセッションの間に訪問されたサイトのそれぞれに関する人口統計に基づいて、前記ユーザ識別子に関するユーザ識別子人口統計学的データを生成するステップとを含み、前記サイトのそれぞれに関する人口統計は、サイトへの訪問者の1つまたは複数の統計的特徴を識別し、
    前記方法が、
    前記ユーザ識別子関心重みと前記ユーザ識別子人口統計学的データとに基づいて、前記ユーザ識別子に関するユーザ識別子プロファイルデータを生成するステップと、
    前記ユーザ識別子プロファイルデータに基づいて、前記ユーザ識別子に関連するユーザセッションに関する広告を選択するステップと
    を含み、
    前記ユーザ識別子関心重みと前記ユーザ識別子人口統計学的データとに基づいて、前記ユーザ識別子に関するユーザ識別子プロファイルデータを生成するステップが、
    対応するユーザ識別子関心重みに従って、前記バーティカルカテゴリの順序を決定するステップと、
    前記ユーザ識別子プロファイルデータを生成する際に使用するための順序付けられた前記バーティカルカテゴリの最高順位のサブセットを決定するステップとを含み、前記最高順位のサブセットが、前記対応するユーザ識別子関心重み、第1のしきい値および第2のしきい値に基づき、
    前記第1のしきい値が、サブセット内の第1に順序付けられたバーティカルカテゴリの前記ユーザ識別子関心重み、および前記サブセット内の最後に順序付けられたバーティカルカテゴリの前記ユーザ識別子関心重みの比率に関する上限を規定し、
    前記第2のしきい値が、前記サブセット内の前記最後に順序付けられたバーティカルカテゴリの前記ユーザ識別子関心重み、および前記サブセット外部の次に順序付けられたバーティカルカテゴリの前記ユーザ識別子関心重みの比率に関する下限を規定し、
    バーティカルカテゴリの前記最高順位のサブセットが、前記ユーザ識別子プロファイルデータを生成するために使用される唯一のバーティカルカテゴリである、方法。
  4. 前記イベントのそれぞれを1つまたは複数のバーティカルカテゴリに属するものとして分類するステップが、
    前記イベントに関連する主題と、1つまたは複数のバーティカルカテゴリに関連する主題とに基づいて、前記イベントのそれぞれを前記1つまたは複数のバーティカルカテゴリに属するものとして分類するステップを含む、請求項1〜3のいずれか一項に記載の方法。
  5. 前記イベントデータの一部が発行者に関連し、前記ユーザ識別子に関する前記ユーザ識別子プロファイルデータを生成するステップが、
    前記発行者に関連する前記イベントデータの前記一部だけから前記ユーザ識別子プロファイルデータを生成するステップを含む、請求項1〜3のいずれか一項に記載の方法。
  6. 人口統計に基づいて前記ユーザ識別子に関するユーザ識別子人口統計学的データを生成するステップが、
    前記過去のユーザセッションの間に訪問された前記サイトのそれぞれに関する前記人口統計を集約するステップを含む、請求項1〜3のいずれか一項に記載の方法。
  7. 前記イベントデータに対する発行者データ寄与に基づいて、前記選択された広告に関連する広告オークションから収益を割り当てるステップを含み、
    発行者に割り当てられた前記収益の額が、
    前記選択された広告内の広告に関連するオークション獲得広告主によって支払われた収入と、
    発行者収入分与割合と、
    前記イベントデータに対する前記発行者データ寄与を定量化する発行者データ寄与要因とに基づく、請求項1〜3のいずれか一項に記載の方法。
  8. ユーザ識別子に関連する過去のユーザセッションに基づいて、ユーザ識別子に関するイベントデータを識別するように構成されたユーザ関心モジュールを備えたシステムであって、前記イベントデータが、前記過去のユーザセッションの間に発生したイベントを指定し、
    前記ユーザ関心モジュールが、
    前記イベントのそれぞれを1つまたは複数のバーティカルカテゴリに属するものとして分類し、
    それぞれのバーティカルカテゴリに関して、前記バーティカルカテゴリに関連する前記イベントに基づいて、前記ユーザ識別子に関するユーザ識別子関心重みを決定するように構成され、
    前記システムが、
    前記イベントデータによって指定された前記過去のユーザセッションの間に訪問されたサイトのそれぞれに関する人口統計に基づいて、前記ユーザ識別子に関するユーザ識別子人口統計学的データを生成するように構成されたユーザ人口統計学的モジュールを備え、前記サイトのそれぞれに関する人口統計が、サイトへの訪問者の1つまたは複数の統計学的特徴を識別し、
    前記システムが、
    前記ユーザ識別子関心重みと前記ユーザ識別子人口統計学的データとに基づいて、前記ユーザ識別子に関するユーザ識別子プロファイルデータを生成するように構成されたユーザプロファイルモジュールと、
    前記ユーザ識別子プロファイルデータに基づいて、前記ユーザ識別子に関連するユーザセッションに関する広告を選択するように構成された広告選択モジュールとを備え、
    前記イベントが、ウェブページのページビュー、広告クリックスルー、またはコンバージョンを含み、
    前記ユーザ関心モジュールが、
    前記ウェブページに関する前記バーティカルカテゴリの重みを決定し、
    前記ページビューのそれぞれに関して、前記ウェブページに関する前記バーティカルカテゴリの重みと、閲覧されたウェブページの逆文書頻度とに基づいて、ウェブページ重みを生成し、
    前記広告クリックスルーのそれぞれに関して、
    前記広告クリックスルーの広告を識別し、
    前記広告に関する前記バーティカルカテゴリの重みを決定し、
    前記広告のランディングページを識別し、
    前記ランディングページに関する前記バーティカルカテゴリの重みを決定し、
    前記ランディングページがユーザデバイス上に提示された持続時間を決定し、
    前記ランディングページに関する前記バーティカルカテゴリの前記重みと、前記持続時間とに基づいて、広告クリックスルー重みを生成し、
    前記コンバージョンのそれぞれに関して、前記ランディングページに関する前記バーティカルカテゴリの重みと、前記広告に関連するコンバージョン重みとに基づいて、広告コンバージョン重みを生成するとともに、
    前記ウェブページ重みと、前記広告に関する前記バーティカルカテゴリの重みと、前記
    広告クリックスルー重みと、前記広告コンバージョン重みとを集約するように構成された、システム。
  9. ユーザ識別子に関連する過去のユーザセッションに基づいて、ユーザ識別子に関するイベントデータを識別するように構成されたユーザ関心モジュールを備えたシステムであって、前記イベントデータが、前記過去のユーザセッションの間に発生したイベントを指定し、
    前記ユーザ関心モジュールが、
    前記イベントのそれぞれを1つまたは複数のバーティカルカテゴリに属するものとして分類し、
    それぞれのバーティカルカテゴリに関して、前記バーティカルカテゴリに関連する前記イベントに基づいて、前記ユーザ識別子に関するユーザ識別子関心重みを決定するように構成され、
    前記システムが、
    前記イベントデータによって指定された前記過去のユーザセッションの間に訪問されたサイトのそれぞれに関する人口統計に基づいて、前記ユーザ識別子に関するユーザ識別子人口統計学的データを生成するように構成されたユーザ人口統計学的モジュールを備え、前記サイトのそれぞれに関する人口統計が、サイトへの訪問者の1つまたは複数の統計学的特徴を識別し、
    前記システムが、
    前記ユーザ識別子関心重みと前記ユーザ識別子人口統計学的データとに基づいて、前記ユーザ識別子に関するユーザ識別子プロファイルデータを生成するように構成されたユーザプロファイルモジュールと、
    前記ユーザ識別子プロファイルデータに基づいて、前記ユーザ識別子に関連するユーザセッションに関する広告を選択するように構成された広告選択モジュールとを備え、
    前記イベントデータが、第1の期間の間に発生した過去のユーザセッションに基づき、前記ユーザプロファイルモジュールが、
    前記第1の期間の間に発生した過去のユーザセッションに基づく前記イベントデータから前記ユーザ識別子に関する長期ユーザ識別子プロファイルデータを生成し、
    第2の期間の間に発生した過去のユーザセッションに基づく前記イベントデータから前記ユーザ識別子に関する短期ユーザ識別子プロファイルデータを生成するように構成され、前記第2の期間が前記第1の期間の最近の従属期間であり、
    前記広告選択モジュールが、
    前記長期ユーザ識別子プロファイルデータに基づいて、候補広告セットを選択し、
    前記短期ユーザ識別子プロファイルデータに基づいて、前記候補広告セットのランキング順序を調整するように構成された、システム。
  10. 前記ユーザ関心モジュールが、前記イベントに関連する主題と、1つまたは複数のバーティカルカテゴリに関連する主題とに基づいて、前記イベントのそれぞれを前記1つまたは複数のバーティカルカテゴリに属するものとして分類するように構成される、請求項8または9に記載のシステム。
  11. 前記イベントデータの一部が発行者に関連し、前記ユーザプロファイルモジュールが、
    前記発行者に関連する前記イベントデータの前記一部だけから前記ユーザ識別子プロファイルデータを生成するように構成された、請求項8または9に記載のシステム。
JP2011554141A 2009-03-10 2010-03-10 ユーザプロファイルの生成 Active JP5526159B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/401,345 2009-03-10
US12/401,345 US8352319B2 (en) 2009-03-10 2009-03-10 Generating user profiles
PCT/US2010/026789 WO2010104928A1 (en) 2009-03-10 2010-03-10 Generating user profiles

Publications (2)

Publication Number Publication Date
JP2012520513A JP2012520513A (ja) 2012-09-06
JP5526159B2 true JP5526159B2 (ja) 2014-06-18

Family

ID=42728732

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011554141A Active JP5526159B2 (ja) 2009-03-10 2010-03-10 ユーザプロファイルの生成

Country Status (6)

Country Link
US (2) US8352319B2 (ja)
JP (1) JP5526159B2 (ja)
AU (1) AU2010224228B2 (ja)
BR (1) BRPI1011692B1 (ja)
CA (1) CA2754758A1 (ja)
WO (1) WO2010104928A1 (ja)

Families Citing this family (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9065727B1 (en) 2012-08-31 2015-06-23 Google Inc. Device identifier similarity models derived from online event signals
WO2010093683A2 (en) * 2009-02-10 2010-08-19 Uniloc Usa, Inc. Web content access using a client device identifier
US20110093503A1 (en) * 2009-10-19 2011-04-21 Etchegoyen Craig S Computer Hardware Identity Tracking Using Characteristic Parameter-Derived Data
US8316421B2 (en) * 2009-10-19 2012-11-20 Uniloc Luxembourg S.A. System and method for device authentication with built-in tolerance
US9082128B2 (en) 2009-10-19 2015-07-14 Uniloc Luxembourg S.A. System and method for tracking and scoring user activities
US20130124310A1 (en) * 2010-07-20 2013-05-16 Koninklijke Philips Electronics N.V. Method and apparatus for creating recommendations for a user
GB2484268A (en) * 2010-09-16 2012-04-11 Uniloc Usa Inc Psychographic profiling of users of computing devices
US20120116875A1 (en) * 2010-11-05 2012-05-10 Microsoft Corporation Providing advertisements based on user grouping
WO2012087954A2 (en) * 2010-12-20 2012-06-28 The Nielsen Company (Us), Llc Methods and apparatus to determine media impressions using distributed demographic information
US20120158951A1 (en) * 2010-12-21 2012-06-21 Sitecore A/S Method and a system for analysing traffic on a website
US8812630B2 (en) 2011-01-24 2014-08-19 Salesforce.Com, Inc. Session table framework
CN102681999A (zh) * 2011-03-08 2012-09-19 阿里巴巴集团控股有限公司 一种用户行为信息收集及信息发送方法及装置
US8825841B2 (en) 2011-03-25 2014-09-02 Sitecore A/S Method and a system for analysing traffic on a website including multiple visits by the visitors
US8620770B1 (en) 2011-03-30 2013-12-31 Amazon Technologies, Inc. Inferring user intent based on hybrid navigation paths
US8775275B1 (en) * 2011-03-30 2014-07-08 Amazon Technologies, Inc. Inferring user intent based on network navigation paths
WO2012145931A1 (en) * 2011-04-29 2012-11-01 Nokia Corporation Method and apparatus for context-aware role modeling and recommendation
US8898290B2 (en) * 2011-05-11 2014-11-25 Google Inc. Personally identifiable information independent utilization of analytics data
AU2012100459B4 (en) 2011-08-15 2012-11-22 Uniloc Usa, Inc. Personal control of personal information
AU2011101296B4 (en) 2011-09-15 2012-06-28 Uniloc Usa, Inc. Hardware identification through cookies
US8909752B1 (en) * 2011-10-26 2014-12-09 Google Inc. Systems and methods for associating data with advertisements
US10438246B1 (en) 2011-11-21 2019-10-08 Rightquestion, Llc Advertising model
US8881273B2 (en) 2011-12-02 2014-11-04 Uniloc Luxembourg, S.A. Device reputation management
US20130173334A1 (en) * 2011-12-07 2013-07-04 Uniloc Luxembourg S.A. Inferring user demographics through network activity records
US20130191316A1 (en) * 2011-12-07 2013-07-25 Netauthority, Inc. Using the software and hardware configurations of a networked computer to infer the user's demographic
US20130211912A1 (en) * 2012-02-10 2013-08-15 Samsung Electronics Co., Ltd. System, apparatus and method for providing advertisement based on user interest information
AU2012100464B4 (en) 2012-02-20 2012-11-29 Uniloc Usa, Inc. Computer-based comparison of human individuals
US9047620B2 (en) 2012-03-21 2015-06-02 Google Inc. Expected activity of a user
US8566165B1 (en) * 2012-03-30 2013-10-22 Palo Alto Research Center Incorporated Performance-efficient system and method for sampling users for population-centric activity modeling
EP2645324A1 (en) * 2012-03-30 2013-10-02 Sony Corporation Method for recommending items and recommendation system
US9053185B1 (en) 2012-04-30 2015-06-09 Google Inc. Generating a representative model for a plurality of models identified by similar feature data
US8527526B1 (en) 2012-05-02 2013-09-03 Google Inc. Selecting a list of network user identifiers based on long-term and short-term history data
US8914500B1 (en) 2012-05-21 2014-12-16 Google Inc. Creating a classifier model to determine whether a network user should be added to a list
US20130332521A1 (en) * 2012-06-07 2013-12-12 United Video Properties, Inc. Systems and methods for compiling media information based on privacy and reliability metrics
US8886575B1 (en) 2012-06-27 2014-11-11 Google Inc. Selecting an algorithm for identifying similar user identifiers based on predicted click-through-rate
US8874589B1 (en) 2012-07-16 2014-10-28 Google Inc. Adjust similar users identification based on performance feedback
US8782197B1 (en) 2012-07-17 2014-07-15 Google, Inc. Determining a model refresh rate
FR2994296B1 (fr) * 2012-08-01 2015-06-19 Netwave Procede de traitement de donnees pour analyse situationnelle
US8849804B1 (en) * 2012-08-10 2014-09-30 Google Inc. Distributing interest categories within a hierarchical classification
US8886799B1 (en) 2012-08-29 2014-11-11 Google Inc. Identifying a similar user identifier
US20140074615A1 (en) * 2012-09-10 2014-03-13 Super Transcon Ip, Llc Commerce System and Method of Controlling the Commerce System Using Triggered Advertisements
CN103685198B (zh) 2012-09-21 2017-03-01 阿里巴巴集团控股有限公司 一种交互用户数据的方法和装置
US20140089136A1 (en) * 2012-09-27 2014-03-27 Intuit Inc. Using financial transactions to generate recommendations
US20140108130A1 (en) * 2012-10-12 2014-04-17 Google Inc. Calculating audience metrics for online campaigns
US8990935B1 (en) 2012-10-17 2015-03-24 Google Inc. Activity signatures and activity replay detection
US20140114757A1 (en) * 2012-10-19 2014-04-24 Scott Frankel Methods and Apparatus for Consumer Habit Tracking and Advertisement Provision
US20140046804A1 (en) * 2012-10-22 2014-02-13 Mojo Motors, Inc. Customizing online automotive vehicle searches
US20140244386A1 (en) * 2013-02-26 2014-08-28 Facebook, Inc. Targeting advertisements to logged out users of an online system
US8799053B1 (en) 2013-03-13 2014-08-05 Paul R. Goldberg Secure consumer data exchange method, apparatus, and system therfor
US9201573B1 (en) * 2013-03-15 2015-12-01 Emc Corporation Adaptive GUI pre-fetching
US9348924B2 (en) 2013-03-15 2016-05-24 Yahoo! Inc. Almost online large scale collaborative filtering based recommendation system
AU2013100802B4 (en) 2013-04-11 2013-11-14 Uniloc Luxembourg S.A. Device authentication using inter-person message metadata
US8695068B1 (en) 2013-04-25 2014-04-08 Uniloc Luxembourg, S.A. Device authentication using display device irregularity
US10650412B2 (en) * 2013-06-14 2020-05-12 Blue Kai, Inc. Multi-profile tracking identification of a mobile user
US10482506B2 (en) * 2013-06-14 2019-11-19 Blue Kai, Inc. Client caching identification tracking
US20150006297A1 (en) * 2013-06-27 2015-01-01 Exacttarget, Inc. Generating communications including content based on derived attributes
CN103514266A (zh) * 2013-09-04 2014-01-15 快传（上海）广告有限公司 一种面向移动终端的网络信息投放方法和系统
US10049386B1 (en) * 2013-09-10 2018-08-14 Google Llc Adjusting content selection based on search results
CN103927675B (zh) * 2014-04-18 2017-07-11 北京京东尚科信息技术有限公司 判断用户年龄段的方法及装置
US9729910B2 (en) * 2014-09-24 2017-08-08 Pandora Media, Inc. Advertisement selection based on demographic information inferred from media item preferences
US10423985B1 (en) * 2015-02-09 2019-09-24 Twitter, Inc. Method and system for identifying users across mobile and desktop devices
US11188830B2 (en) * 2016-03-01 2021-11-30 Verizon Media Inc. Method and system for user profiling for content recommendation
WO2018198268A1 (ja) * 2017-04-27 2018-11-01 楽天株式会社 情報処理装置、情報処理方法、プログラム、記憶媒体
KR101990862B1 (ko) * 2017-07-14 2019-06-20 안성민 기저속성 분석을 이용한 빅데이터 기반의 유저 취향 정보 처리 방법
US10277958B2 (en) 2017-10-04 2019-04-30 The Nielsen Company (Us), Llc Obtaining viewer demographics through advertisement selections
US10051046B1 (en) * 2017-11-08 2018-08-14 Engine Media, Llc Individualized connectivity based request handling
US11403668B2 (en) * 2019-10-30 2022-08-02 Target Brands, Inc. Multitask transfer learning for optimization of targeted promotional programs
CN112163159B (zh) * 2020-10-09 2024-07-30 北京百度网讯科技有限公司 资源推荐和参数确定方法、装置、设备及介质

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5848396A (en) 1996-04-26 1998-12-08 Freedom Of Information, Inc. Method and apparatus for determining behavioral profile of a computer user
US6421675B1 (en) 1998-03-16 2002-07-16 S. L. I. Systems, Inc. Search engine
US8108245B1 (en) * 1999-09-17 2012-01-31 Cox Communications, Inc. Method and system for web user profiling and selective content delivery
US6839680B1 (en) 1999-09-30 2005-01-04 Fujitsu Limited Internet profiling
JP2002092481A (ja) * 2000-09-20 2002-03-29 Tijuana.Com:Kk 料金分配システム、料金分配方法及びこの方法を記憶した記憶媒体並びにサーバ機器
US6904408B1 (en) 2000-10-19 2005-06-07 Mccarthy John Bionet method, system and personalized web content manager responsive to browser viewers' psychological preferences, behavioral responses and physiological stress indicators
US7065550B2 (en) 2001-02-14 2006-06-20 International Business Machines Corporation Information provision over a network based on a user's profile
US20030074252A1 (en) * 2001-10-12 2003-04-17 Avenue A, Inc. System and method for determining internet advertising strategy
DE10161684B4 (de) 2001-12-15 2005-11-10 Schoder, Detlef, Prof. Dr. System und Verfahren zur Herstellung eines kundenindividuellen Druckerzeugnisses
US20050021397A1 (en) 2003-07-22 2005-01-27 Cui Yingwei Claire Content-targeted advertising using collected user behavior data
US9235849B2 (en) 2003-12-31 2016-01-12 Google Inc. Generating user information for use in targeted advertising
US7130866B2 (en) 2002-07-30 2006-10-31 Koninklijke Philips Electronics N.V. Controlling the growth of a feature frequency profile by deleting selected frequency counts of features of events
CA2520117A1 (en) 2003-03-25 2004-10-14 Sedna Patent Services, Llc Generating audience analytics
US20050222989A1 (en) 2003-09-30 2005-10-06 Taher Haveliwala Results based personalization of advertisements in a search engine
US8078607B2 (en) 2006-03-30 2011-12-13 Google Inc. Generating website profiles based on queries from webistes and user activities on the search results
US20070061195A1 (en) 2005-09-13 2007-03-15 Yahoo! Inc. Framework for selecting and delivering advertisements over a network based on combined short-term and long-term user behavioral interests
US7734632B2 (en) 2005-10-28 2010-06-08 Disney Enterprises, Inc. System and method for targeted ad delivery
US7904448B2 (en) 2006-03-29 2011-03-08 Yahoo! Inc. Incremental update of long-term and short-term user profile scores in a behavioral targeting system
US8504575B2 (en) * 2006-03-29 2013-08-06 Yahoo! Inc. Behavioral targeting system
EP1873657A1 (en) 2006-06-29 2008-01-02 France Télécom User-profile based web page recommendation system and method
US20080103897A1 (en) 2006-10-25 2008-05-01 Microsoft Corporation Normalizing and tracking user attributes for transactions in an advertising exchange
US20080154717A1 (en) 2006-12-22 2008-06-26 Yahoo! Inc. Publisher scoring
US9405830B2 (en) 2007-02-28 2016-08-02 Aol Inc. Personalization techniques using image clouds
US20080306830A1 (en) 2007-06-07 2008-12-11 Cliquality, Llc System for rating quality of online visitors
US20090216616A1 (en) 2008-02-26 2009-08-27 Yang Wang Method and System for Displaying Correlated Advertisements to Internet Users
US20100125505A1 (en) 2008-11-17 2010-05-20 Coremetrics, Inc. System for broadcast of personalized content

Also Published As

Publication number Publication date
US8423410B2 (en) 2013-04-16
WO2010104928A1 (en) 2010-09-16
US8352319B2 (en) 2013-01-08
BRPI1011692A2 (pt) 2018-06-12
AU2010224228B2 (en) 2015-11-12
CA2754758A1 (en) 2010-09-16
US20100235241A1 (en) 2010-09-16
BRPI1011692B1 (pt) 2020-09-01
JP2012520513A (ja) 2012-09-06
AU2010224228A1 (en) 2011-09-22
US20120072284A1 (en) 2012-03-22

Similar Documents

Publication Publication Date Title
JP5526159B2 (ja) ユーザプロファイルの生成
JP5646724B2 (ja) カテゴリの類似度
JP5974186B2 (ja) トラフィックソースのための広告の選択
JP5390642B2 (ja) ソーシャルネットワークのユーザに広告を提供する方法およびシステム
JP5502110B2 (ja) セッションの測定基準を用いたコンバージョン確率の決定
JP5385412B2 (ja) ソーシャルネットワーク用Ａｄｈｅａｔ広告モデル
US20150235258A1 (en) Cross-device reporting and analytics
US20150235275A1 (en) Cross-device profile data management and targeting
CA2855205C (en) Advertisements with multiple targeting criteria bids
US20140304086A1 (en) Methods and systems for modeling campaign goal adjustment
US20100235231A1 (en) Lead acquisition, promotion and inventory management system and method
JP2016517094A (ja) オーディエンスターゲティングのためのシステムおよび方法
US20140278796A1 (en) Identifying Target Audience for a Product or Service
US20160189204A1 (en) Systems and methods for building keyword searchable audience based on performance ranking
US10402861B1 (en) Online allocation of content items with smooth delivery
JP5646717B2 (ja) ソーシャルネットワークのユーザに広告を提供する方法およびシステム
JP5731608B2 (ja) ソーシャルネットワーク用Ａｄｈｅａｔ広告モデル
US20150046235A1 (en) Interstitial content item revenue sharing
US20180033054A1 (en) Content unit creation
US20140081771A1 (en) Publisher inventory extension

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130306

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20131017

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20131022

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140122

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140129

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140218

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20140317

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20140414

R150 Certificate of patent or registration of utility model

Ref document number: 5526159

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250