JP5642196B2 - 製品およびブランドを販売促進するために対象となるコンテンツをウエブサイト訪問者に配信する方法および装置 - Google Patents

製品およびブランドを販売促進するために対象となるコンテンツをウエブサイト訪問者に配信する方法および装置 Download PDF

Info

Publication number
JP5642196B2
JP5642196B2 JP2012545973A JP2012545973A JP5642196B2 JP 5642196 B2 JP5642196 B2 JP 5642196B2 JP 2012545973 A JP2012545973 A JP 2012545973A JP 2012545973 A JP2012545973 A JP 2012545973A JP 5642196 B2 JP5642196 B2 JP 5642196B2
Authority
JP
Japan
Prior art keywords
information
computer
website
value
index
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
JP2012545973A
Other languages
English (en)
Other versions
JP2013515322A (ja
JP2013515322A5 (ja
Inventor
ジェイ． ハン、アンドレアス
ジェイ． ハン、アンドレアス
タッバル、ニコラス
テイラー、セアラ
ブレイディー、ジョン
Original Assignee
レゾネイト ネットワークス、インコーポレイテッド
レゾネイト ネットワークス、インコーポレイテッド
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
Priority claimed from US12/644,892 external-priority patent/US10475047B2/en
Application filed by レゾネイト ネットワークス、インコーポレイテッド, レゾネイト ネットワークス、インコーポレイテッド filed Critical レゾネイト ネットワークス、インコーポレイテッド
Publication of JP2013515322A publication Critical patent/JP2013515322A/ja
Publication of JP2013515322A5 publication Critical patent/JP2013515322A5/ja
Application granted granted Critical
Publication of JP5642196B2 publication Critical patent/JP5642196B2/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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements

Landscapes

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

Description

（関連出願の相互参照）
本出願は、先に出願した米国特許出願番号第１２／６４４，８９２号、２００９年１２月２２日出願の「対象となるコンテンツをウエブサイト訪問者に配信する方法および装置（Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｌｉｖｅｒｉｎｇ Ｔａｒｇｅｔｅｄ Ｃｏｎｔｅｎｔ ｔｏ Ｗｅｂｓｉｔｅ Ｖｉｓｉｔｏｒｓ）」に関連し、その一部の継続であり、またその利益を主張するものであり、また、仮特許出願番号第６１／２３８，００４号、２００９年８月２８日出願の「対象となるコンテンツをウエブサイト訪問者に配信する方法および装置（Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｌｉｖｅｒｉｎｇ Ｔａｒｇｅｔｅｄ Ｃｏｎｔｅｎｔ ｔｏ Ｗｅｂｓｉｔｅ Ｖｉｓｉｔｏｒｓ）」に関連し、またその優先権を主張するものである。
本発明は、対象となるコンテンツを複数のウエブサイト訪問者（視聴者（ａｕｄｉｅｎｃｅ ｍｅｍｂｅｒ）と呼ぶ）に表示するために1つ以上の最適ウエブサイトを決定するための方法および装置に関する。
インターネットは広告主やその他のコンテンツプロバイダがウエブサイトコンテンツ（広告を含むがこれに限定されない）をインターネット視聴者に配信するのに用いられている。視聴者は個人、人のグループ（同じ家に住む人など）、および/または個人または人のグループに関連する機器（インターネットブラウザを用いる機器またはコンピュータなどであるがこれに限定されない）でよい。
対象となるコンテンツ（すなわち、全員にではないが一部の視聴者に特に興味のあるコンテンツ）を特定の態度または意見を持つ視聴者に配信して、製品やサービスやブランドを選択的に販売促進する必要が常に存在する。コンテンツプロバイダおよび広告主が、特定の態度を持つ視聴者に対象となるコンテンツを配信するのに最適なウエブサイトを選択するとき、その能力は限られている。
更に、これまでコンテンツプロバイダおよび広告主は、特定の態度および／または価値を持つ視聴者が訪れる可能性があり、同時に、対立する態度および／または価値を持つ視聴者が訪れる可能性がない、対象となるコンテンツを配信するためにウエブサイトを選択することができなかった。したがって、対象となるコンテンツを視聴者に配信するための改善された方法およびシステムが必要である。
本発明のいくつかの（必ずしも全てではない）実施の形態の利点は、特定の態度および／または価値を有する可能性がある視聴者に対象となるコンテンツを配信しまたは表示するためにウエブサイトを選択する方法およびシステムを提供することである。また本発明のいくつかの（必ずしも全てではない）実施の形態の利点は、対象となるコンテンツを配信したい視聴者とは対立する態度および／または価値を有する視聴者が訪れる可能性が少ない対象となるコンテンツを配信しまたは表示するためにウエブサイトを選択する方法およびシステムを提供することである。
本発明の種々の実施の形態の更なる利点は、部分的には以下の記述で説明されており、また部分的には本発明の記述からおよび／または実施の形態から当業者に明らかになる。
上述の問題提起に答えて、本出願者たちは、コンピュータが実施する調査に参加する視聴者について決定される態度値と、視聴者のウエブサイト訪問情報および人口学的情報とに基づいて、視聴者コンピュータに接続するディスプレイにコンテンツを表示する新たな方法を開発した。その方法は、参加視聴者コンピュータからコンピュータネットワークにより送信される調査回答情報を中央データベースで受信することと、参加視聴者コンピュータのウエブサイト訪問情報を中央データベースで受信することと、（１）参加視聴者および（２）調査回答情報を送信してこない不参加視聴者に関連する人口学的情報を中央データベースで受信することと、非視聴者コンピュータを用いた調査回答情報、ウエブサイト訪問情報、および人口学的情報の１つ以上に基づいて参加視聴者毎に態度値を決定することと、非視聴者コンピュータを用いてウエブサイト訪問情報からウエブサイトの品質訪問インデックス（Ｑｕａｌｉｔｙ Ｖｉｓｉｔａｔｉｏｎ Ｉｎｄｅｘ）（ＱＶＩ）値を決定すること（ただし、ＱＶＩ値は目標グループリーチ（Ｒｅａｃｈ）インデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）インデックス（ａ ｍｉｎｕｔｅｓ ｐｅｒ ｕｎｉｑｕｅ ｖｉｓｉｔｏｒ ｉｎｄｅｘ）、ユニークビジタあたりのページインデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから成るグループから選択された値に基づくものである）と、ウエブサイトのＱＶＩ値に基づいてそのウエブサイトにコンテンツを提供することと、前記参加または不参加の視聴者コンピュータの１つがそのウエブサイトにアクセスすると前記参加または不参加の視聴者コンピュータの１つにコンピュータネットワークによりコンテンツを送信することと、前記参加または不参加の視聴者コンピュータの１つに接続するディスプレイにコンテンツを表示することとを含む。
本出願者たちは、コンピュータが実施する調査に参加する視聴者について決定される態度値と、視聴者のウエブサイト訪問情報および人口学的情報とに基づいて、視聴者コンピュータに接続するディスプレイで見れるようにコンテンツを送信する新たな方法を開発した。その方法は、参加視聴者コンピュータからコンピュータネットワークにより送信される調査回答情報を中央データベースで受信することと、参加視聴者コンピュータのウエブサイト訪問情報を中央データベースで受信することと、（１）参加視聴者および（２）調査回答情報を送信してこない不参加視聴者に関連する人口学的情報を中央データベースで受信することと、調査回答情報からの価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心（ｐｕｒｃｈａｓｅ ｅｎｇａｇｅｍｅｎｔ）情報、買物関心情報、および企業関与情報から成るグループから選択される情報を決定することと、価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報の１つ以上に少なくとも部分的に基づいて非視聴者コンピュータを用いて参加視聴者毎の態度値を決定することと、非視聴者コンピュータを用いてウエブサイト訪問情報および態度値からウエブサイトの品質訪問インデックス（ＱＶＩ）値を決定することと、ウエブサイトのＱＶＩ値に基づいてそのウエブサイトにコンテンツを提供することと、前記参加または不参加の視聴者コンピュータの１つがそのウエブサイトにアクセスすると前記参加または不参加の視聴者コンピュータの１つにコンピュータネットワークによりコンテンツを送信することとを含む。
本出願者たちは更に、ウエブサイトに表示するコンテンツを決定する新たな方法を開発した。その方法は、参加視聴者コンピュータからコンピュータネットワークにより送信される調査回答情報を中央データベースで受信することと、参加視聴者コンピュータのウエブサイト訪問情報を中央データベースで受信することと、（１）参加視聴者および（２）調査回答情報を送信してこない不参加視聴者に関連する人口学的情報を中央データベースで受信することと、調査回答情報から価値志向情報、購入カテゴリ情報、購入志向情報、購入関心情報、ブランド属性情報、買物関心情報、および企業関与情報から成るグループから選択される情報を決定することと、価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報の１つ以上に少なくとも部分的に基づいて参加視聴者毎の態度値を決定することと、ウエブサイト訪問情報および態度値からウエブサイトの品質訪問インデックス（ＱＶＩ）値を決定することと、ウエブサイトのＱＶＩ値に基づいてそのウエブサイトにコンテンツを提供することとを含む。
理解されるように、上記の一般的な記述も以下の詳細な記述も具体例でありまた具体例に過ぎず、本発明の請求範囲を制限するものではない。
本発明の理解を助けるために添付の図面を参照する。図中、同じ参照番号は同じ要素を指す。
本発明の第１の実施の形態に関して構成されたコンピュータネットワークの略図である。 本発明の第１の方法の実施の形態を示す流れ図である。 本発明の或る実施の形態に係る、オンライン調査に含まれる例示の問題の質問と、例示のオンライン調査回答オプションおよび回答計算表を示すスライドである。 本発明の或る実施の形態に係る、態度値を決定するのに用いてよい情報成分を示す略図である。 本発明の或る実施の形態に係る、一般的関心行動および関連する重みの例を示すチャートである。 本発明の或る実施の形態に係る、一般的関心レベルおよび関連する記述の例を示すチャートである。 本発明の或る実施の形態に係る、政治的関心レベルおよび関連する記述の例を示すチャートである。 本発明の或る実施の形態に係る、支持関心行動のグループ化の例を示すチャートである。 本発明の或る実施の形態に係る、支持関心レベルおよび関連する記述および値の例を示すチャートである。 本発明の或る実施の形態に関して用いてよい投影重みを決定する方法を示す流れ図である。 本発明の或る実施の形態に関して用いてよい投影重みを決定する方法を示す流れ図である。 本発明の或る実施の形態に関して用いてよい品質訪問インデックス値を決定する方法を示す流れ図である。 本発明の或る実施の形態に関して用いてよい品質訪問インデックス値を決定する方法を示す流れ図である。 本発明の或る実施の形態に関して用いてよい品質訪問インデックス値を決 定する方法を示す流れ図である。 ネット・サポート・スコアおよびＱＶＩ値に基づくウエブサイトのランキングを示すチャートを示す。 品質訪問インデックス値に基づくウエブサイトのランキングを示すチャートを示す。 本発明の或る実施の形態に係る、価値表現、価値志向、および価値文の関係を示すチャートである。 本発明の或る実施の形態に係る、買物関心レベルおよび関連する記述の例を示すチャートである。 本発明の或る実施の形態に係る、企業関与レベルおよび関連する記述の例を示すチャートである。
以下に本発明の第１の実施の形態について詳細に述べるが、その一例を添付の図に示す。図１において、コンピュータネットワーク１０はコンピュータ１００を含んでよい。コンピュータ１００は、ここに述べる方法を実施するための常駐プログラムを備える専用コンピュータでもよいし、ここに述べる方法を実施することができるソフトウエアでプログラムされた汎用コンピュータでもよい。コンピュータ１００は接続１２４を介して、中央データベース１１０から情報を受信しまたこれに情報を記憶してよい。またコンピュータ１００は接続１３０を介してネットワーク２００に接続してよい。ネットワーク２００は好ましくはインターネットである。接続１２４および１３０は電子情報を送信することができる任意の接続手段でよい。
中央データベース１１０は、コンピュータ１００で用いる情報を記憶する１つ以上の個別のデータベースおよび／またはデータベース表を含んでよい。中央データベース１１０内に記憶する情報は、調査回答情報１１２、人口学的情報１１４、ウエブサイト訪問情報１１６、態度値情報１１８、品質訪問インデックス（ＱＶＩ）情報１２０、ネット・サポート・スコア情報１２２、並びにデータベース内に記憶することができるここに述べる任意の他の情報を含んでよい。中央データベース１１０は、調査回答情報、人口学的情報、ウエブサイト訪問情報、および態度値情報を、参加視聴者および／またはその情報に関係する参加視聴者コンピュータの匿名識別子と関連付けてよい。
ネットワーク２００は複数の参加視聴者コンピュータ３００に接続してよく、コンピュータ３００はディスプレイ３０２に接続しまた複数の参加視聴者３０４に関連する。参加視聴者３０４はコンピュータ３００を用いて１台以上のウェブサーバ５００からウエブサイトにアクセスしてよい。ウェブサーバ５００はワールド・ワイド・ウェブの一部を形成し、インターネット２００を介して接続する。「参加」視聴者コンピュータ３００および「参加」視聴者３０４を「参加」と呼ぶのは、それぞれが、オンライン調査回答情報のコンピュータ１００への提供に参加するのに用いられるからである。視聴可能なウエブサイトコンテンツは１台以上のウエブサーバ５００から送信してよく、また参加視聴者３０４が視聴できるように参加視聴者コンピュータ３００はこれをディスプレイ３０２に表示してよい。ネットワーク２００は、不参加視聴者３１０に関連する複数の不参加視聴者コンピュータ３０６にも接続してよい。
中央データベース１００内に記憶されるオンライン調査質問はコンピュータ１００から参加視聴者コンピュータ３００に送信してよい。参加視聴者３０４はそれぞれのコンピュータ３００を用いて、オンライン調査回答情報（すなわち、オンライン調査質問への回答）をインターネット２００によりコンピュータ１００に送信してよい。参加視聴者コンピュータ３００のウエブサイト訪問情報もその参加視聴者についてインターネット２００によりコンピュータ１００に送信してよい。別の実施の形態では、オンライン調査質問は、１台以上の第三者コンピュータ４００に関連する１つ以上の第三者データベース４０２内に記憶してよい。かかる実施の形態では、オンライン調査質問は第三者コンピュータ４００から参加視聴者３０４に送ってよい。その後、調査回答情報は参加視聴者コンピュータ３００からコンピュータ１００に、直接インターネットを通してまたは１台以上の第三者コンピュータ４００を通して送ってよい。
コンピュータ１００は、１台以上のコンピュータ４００および関連するデータベースまたは１つ以上の第三者データプロバイダが保持するデータベース表４０２に接続し、またはこれらからその他の方法で情報を受信してよい。第三者データプロバイダコンピュータ４００および関連するデータベースまたはデータベース表４０２は、複数の不参加視聴者３１０に関係する、また複数の参加視聴者３０４の一人以上に関係する可能性のある、人口学的情報および／またはウエブサイト訪問情報を記憶してよい。第三者データプロバイダコンピュータ４００は不参加視聴者の人口学的情報を、不参加視聴者コンピュータ３０６から、および／または他のオンライン源および／またはオフライン源から受信してよい。不参加視聴者の人口学的情報は第三者コンピュータ４００からコンピュータ１００に、インターネット接続４１０により、または直接の電気信号接続などの別の手段４２０により、または電子情報記憶媒体を介して送信してよい。第三者データプロバイダの例としてニールセン社（Ｎｉｅｌｓｅｎ Ｃｏｍｐａｎｙ）、コムスコア（ｃｏｍＳｃｏｒｅ）、およびアクシオム（Ａｃｘｉｏｍ）があるが、これらに限定されない。
コンピュータ１００は接続またはその他の方法で１台以上のウエブサーバ５００から情報を受信してよい。ウエブサーバ５００は接続５１０およびインターネット２００により参加視聴者コンピュータ３００に、並びに不参加視聴者３１０に関連するコンピュータ３０６およびディスプレイに、ウエブサイトコンテンツを送信してよい。情報はコンピュータ１００とウエブサーバ５００との間で、インターネット２００により、または直接の電気信号接続などの別の手段５２０により、または電子情報記憶媒体を介して送信してよい。
図１および図２において、本発明の或る実施の形態に係る方法は次のように行ってよい。方法６００は、参加および／または不参加の視聴者コンピュータ３００および３０６に接続するディスプレイ３０２にコンテンツを表示するために１つ以上のウエブサイトを選択するのに用いてよい。コンテンツは、１つ以上の態度値で表される１つ以上の特定の態度を有すると思われる視聴者３０４および３１０が訪問する１つ以上のウエブサイトの一部として表示することを目標にしてよい。コンテンツを表示するために選択するウエブサイトは、視聴者に対する特定の製品、サービス、および／またはブランドの販売促進を最適にする基準に基づいて選択してよい。
図２において、ステップ６０２で、参加視聴者３０４は参加視聴者コンピュータ３００を用いてオンライン調査回答情報１１２をコンピュータ１００に提供してよい。オンライン調査回答情報１１２は、関連する参加視聴者コンピュータ３００を用いて参加視聴者３０４がオンライン調査を要求した結果、またはコンピュータ１００または他のコンピュータが未承諾オンライン調査を参加視聴者コンピュータ３００に行った結果、提供してよい。コンピュータ１００は調査回答情報１１２を中央データベース１１０内に記憶して、特定の参加視聴者３０４の調査回答情報とその特定の参加視聴者コンピュータ３００および／またはその特定の参加視聴者３０４の匿名識別子とを関連付けてよい。
好ましくは（必ずしも必要ではないが）、調査回答情報１１２は少なくとも１，０００台の参加視聴者コンピュータ３００から、より好ましくは少なくとも３，０００台の参加視聴者コンピュータから、そして最も好ましくは４，０００台以上の参加視聴者コンピュータから収集してよい。また好ましくは、調査回答情報１１２は時間的に離れた複数の調査「波」のコースにより参加視聴者コンピュータ３００から受信する。好ましくは、調査「波」は１日以上離れて、より好ましくは３０日以上離れて、最も好ましくは約３ヶ月以上離れて受ける。また好ましくは、参加視聴者３０４は３つ以上の調査波に応じて調査回答情報１１２を提供する。各調査波の中の調査質問は同じでもよいし異なってもよい。
調査回答情報１１２は以下の情報のカテゴリを決定するのに用いてよい。すなわち、ブランド属性情報を含む（しかしこれに限定されない）オフラインおよびオンライン購入情報、価値志向情報、異なる購入カテゴリの相対的価値志向を示す購入カテゴリ情報、購入品の価格、利便性、およびブランドの相対的重要度を示す購入志向情報、潜在的購入の態度調査が行われたことを示す購入関心情報、買物関心情報、企業関与情報などである。
図１および図１４において、価値志向情報は、一組の質問への回答（調査回答情報）を視聴者コンピュータ３００で入力することにより決定してよい。調査回答情報は視聴者コンピュータ３００から中央コンピュータ１００に送ってよく、また中央データベース１１０内に記憶してよい。コンピュータ１００は調査回答情報の統計的解析を行って、複数の価値表現１０００毎に、数値スコア（例えば１−５の範囲の）を決定してよい。数値スコアは視聴者に対する各価値表現の重要度を示してよい。
コンピュータ１００は、視聴者の価値表現１０００スコアと複数の価値志向グループ１０１０の定義に関連する価値表現スコア要求とを比較してよい。これにより、この比較に基づいて視聴者コンピュータ３００が１つ以上の価値志向グループ１０１０と低い、中間、または高い類似性を有すると価値表現スコアが認めるかどうか、コンピュータ１００は決定してよい。この類似性は価値志向情報を含んでよい。コンピュータ１００は、視聴者コンピュータ３００と各価値志向グループ１０１０との類似性を示す情報をデータベース１１０内に記憶してよい。価値志向グループ１０１０はそれぞれに関連する価値文１０２０を有してよい。価値志向グループ１０１０は視聴者コンピュータのグループの特性を決定するのに用いてよい。
購入カテゴリ情報も調査情報から決定してよい。購入カテゴリグループは、食料、衣服、住宅などの特定の製品またはサービスのタイプについての視聴者の価値志向を示してよい。コンピュータ１００は視聴者コンピュータ３００の価値表現スコアと、複数の購入カテゴリグループの定義に関連する価値表現スコア要求とを比較してよい。この比較に基づいて視聴者コンピュータ３００が１つ以上の購入カテゴリグループと低い、中間、または高い類似性を有すると価値表現スコアが認めるかどうか、コンピュータ１００は決定してよい。この類似性レベルは購入カテゴリ情報を含んでよい。コンピュータ１００は視聴者コンピュータ３００と各購入カテゴリグループとの類似性を示す情報を記憶してよい。
例えば、視聴者コンピュータ３００と価値志向が類似性を示す６つの購入カテゴリグループ（栄養食品、嗜好食品、視聴者の身に着けるもの、視聴者の住宅を飾るもの、視聴者が人前で見せるもの、および視聴者が消費するサービスに関するもの）があるとする。以下に説明するように、購入カテゴリグループを価値志向グループの代わりに用いてよい。
調査回答情報は、特定の購入の価格、利便性（または入手しやすさ）、およびブランドの相対的重要度を示す、視聴者コンピュータ３００の購入志向情報を決定するのにも用いてよい。価格、利便性、およびブランドの相対的重要度は数値スコアまたはランキングにより示してよく、また広く全ての購入に適用してよく、または例えば購入カテゴリグループを含む購入のグループに適用してよい。購入志向情報はコンピュータ１００で中央データベース１１０内に記憶してよい。
図１および図１５において、調査回答情報１１２はまた、購入全体または購入のカテゴリについて視聴者コンピュータ３００と１つ以上の買物関心グループ１０３０との類似性の形の買物関心情報を決定するのに用いてよい。買物関心グループ１０３０は買物特性１０４０にそれぞれ関連してよい。買物関心のレベルは視聴者コンピュータ３００毎にコンピュータ１００で決定してよく、またこれを用いて任意の視聴者の定義すなわちグループの買物関心のレベルを決定してよい。買物関心のレベルは、コンピュータ１００で中央データベース１１０内に記憶する買物関心情報を含んでよい。例えば、図１５に示す４つの買物関心グループ１０３０のそれぞれに入る３５−４５歳の女性の百分率はコンピュータ１００で決定してよい。
図１および図１６において、調査回答情報１１２はまた、視聴者コンピュータ３００と、それぞれが企業関与特性１０６０に関連する１つ以上の企業関与グループ１０５０との類似性の形の企業関与情報を決定するのに用いてよい。企業関与のレベルは視聴者コンピュータ３００毎にまた視聴者のグループすなわち定義についてコンピュータ１００で決定してよい。企業関与情報はコンピュータ１００で中央データベース１１０内に記憶してよい。
調査回答情報１１２はまた、視聴者コンピュータ３００と、１つ以上のブランド特性および関連する評定（品質（例えば、高い、低い）、パフォーマンス（例えば、最良、良、不良）、美的印象（例えば、愉快、不愉快）、機能性（例えば、最大、最小）新規性（例えば、最大、最小）、価値（例えば、高い、低い）、豪華さ（例えば、最大、最小）、使い易さ（例えば、最高、最低）、特異性（例えば、最大、最小）、および／または評判（例えば、高い、低い）など）との類似性の形のブランド属性情報を決定するのに用いてよい。コンピュータ１００は視聴者のブランド属性グループを決定してよく、また１つ以上のブランド属性特性および関連する評定と関連付けてよい。ブランド属性情報およびブランド属性グループはコンピュータ１００で中央データベース１１０内に記憶してよい。
調査回答情報１１２はまた、参加視聴者３０４に関連する人口学的情報を含んでよい。調査回答情報１１２の一部である参加視聴者の人口学的情報は次のタイプの情報を含んでよい。すなわち、年齢、収入、性別、国勢調査地域、人種、性的指向、教育レベル、宗教、宗教行事への参加の頻度、労働組合への加入、インターネット使用頻度情報、趣味、興味、性格特徴などである。認識されるように、上述の人口学的情報のリストは限定されたものではなく、本発明の実施の形態は視聴者に関係する任意のタイプの人口学的情報を用いてよい。
改めて図２において、ステップ６０４で、参加および／または不参加の視聴者の人口学的情報１１４（調査回答情報１１２に含まれるものを除く）をコンピュータ１００で受信してよい。人口学的情報１１４は不参加視聴者３１０および参加視聴者３０４について一人以上の第三者が収集してよく、またはオンラインおよび／またはオフラインの情報の他の源から取得してよい。第三者は、不参加視聴者３１０および／または参加視聴者３０４のオンライン挙動の追跡を含む（これに限定されない）任意の周知の方法で人口学的情報１１４を収集しまたは取得してよい。認識されるように、本発明の別の実施の形態では、不参加視聴者３１０に関連する、および／または参加視聴者３０４に関連する人口学的情報１１４は、一人以上の第三者がではなく、コンピュータ１００のホストが収集してよい。
特定の参加視聴者に関する人口学的情報１１４は、中央データベース内の参加視聴者３０４の匿名識別子にコンピュータ１００で関連付けてよい。同様に、特定の不参加視聴者に関する人口学的情報１１４は、中央データベース内の不参加視聴者３１０の匿名識別子にコンピュータ１００で関連付けてよい。更に、人口学的情報１１４は複数回、好ましくは波あたり少なくとも１回、より好ましくは月あたり少なくとも１回提供してよい。
参加視聴者３０４に関する人口学的情報１１４は中央データベース内に記憶して、調査回答情報１１２に関して用いるのと同じ匿名識別子に関連付けてよい。不参加視聴者３１０に関する人口学的情報１１４は個々の不参加視聴者に特有でなく、オンライン視聴者の大きなグループを記述してよい。例えば、不参加視聴者３１０に関する人口学的情報１１４は、共通の地理的地域（例えば米国）内の多数の視聴者について、または或る共通の所属関係（政治、収入、民族、人種、宗教、年齢、性別など）を有することを特徴とする任意の他のグループ内の多数の視聴者について収集してよい。より特定すると、本発明の好ましい実施の形態では、不参加視聴者３１０に関する人口学的情報１１４は、年齢範囲、性別、家計収入範囲、国勢調査地域、インターネット使用の強さ（重い／中間／軽い）などにより定義される個々の不参加視聴者に関するように、受信しまたは記憶してよい。
更に図１および図２において、ステップ６０６で、参加視聴者コンピュータ３００に関する、また可能性として不参加視聴者コンピュータ３０６に関する、ウエブサイト訪問情報１１６をコンピュータ１００で受信してよい。ウエブサイト訪問情報１１６は、参加視聴者コンピュータ３００および不参加視聴者コンピュータ３０６についてコンピュータ１００で直接に、または１つ以上の第三者コンピュータ４００および／または関連するデータベース４０２から収集してよい。しかし認識されるように、本発明の実施の形態は不参加視聴者コンピュータ３０６に関するウエブサイト訪問情報１１６を受信せずに実施してよい。
全ての参加視聴者コンピュータ３００について１−３ヶ月以上の期間（すなわち、波）にわたってかかるウエブサイト訪問情報を追跡することが好ましいが、認識されるように、本発明の目的とする範囲から逸れずに、一部の参加視聴者コンピュータは追跡プロセスから「外れて」よい。したがって、かかる参加視聴者コンピュータのウエブサイト訪問情報は、１−３ヶ月ではなく、１セッション、１日、または１週以上のコースにわたってのみ利用可能でよい。
ウエブサイト訪問情報１１６は中央データベース１１０がコンピュータ１００から受信してその中に記憶してよい。ウエブサイト訪問情報１１６の追跡は、参加および不参加の視聴者コンピュータ３００および３０６上インストールされたソフトウエアを用いて、かかる情報の追跡用のクッキーにより、または視聴者のオンライン挙動を追跡する任意の他の方法により実施してよい。
ウエブサイト訪問情報１１６は、ウエブサイトＵＲＬ情報、ウエブサイトチャネル訪問情報、ウエブサイトページ訪問情報、セッション情報、オンライン購入情報、探索期間情報、訪問時間情報、訪問期間情報、訪問日時情報、およびウエブサイトページクラッタ情報を含むが、必ずしもこれらに限定されない。セッションの定義は、ウエブサイトを訪問することである。インターネットトラフィック測定基準は、或る期間中のウエブサイト、ウエブサイトチャネル、および／またはウエブサイトページへのユニークビジタの数（すなわち、「ユニークビジタ」）、或る期間中のウエブサイト、ウエブサイトチャネル、および／またはウエブサイトページへの訪問の数（すなわち、「訪問」）、或る期間中に見られたウエブサイトのウエブサイトページの数（すなわち、「見られたページ」）、或る期間中にウエブサイトで費やされた時間の長さ（分）、などであり、これらはウエブサイト訪問情報１１６の一部でよく、および／または情報１１６から取得してよい。或る期間中のウエブサイトへのユニークビジタの定義は、その期間中にそのウエブサイトを一度以上訪問した視聴者コンピュータである。視聴者コンピュータがその期間中にそのウエブサイトを一度以上訪問した場合は、その視聴者コンピュータはその期間中のユニークビジタとしては一人だけと数える。
ウエブサイトチャネルは階層的にはウエブサイトとウエブサイトページの間にあってよい。ウエブサイトの一例を示すとＭＳＮ．ｃｏｍであり、ウエブサイトチャネルの一例を示すとＭＳＮ．ｃｏｍホームページの「スポーツ」ボタンからアクセスできるウエブサイトページの集合である。他に定義しない限り、ここで「ウエブサイト」と呼ぶ場合はウエブサイト全体、ウエブサイトチャネル、およびウエブサイトページを含むものとする。
ウエブサイトページクラッタ情報は、ページの長さ、或るページの広告の数、或るページの広告の位置、或るページの広告が占める表面積の百分率（例えば、画素数）の情報、および或るページの広告の大きさの情報の１つ以上に基づいてよい。より特定すると、ウエブサイトページクラッタは、他のコンテンツに対して広告を表示するのに用いられるウエブサイトページの画素の相対的な数および位置、並びにそのページの非広告コンテンツと比べたときのその広告の目立ち具合を考慮に入れてよい。例えば、以下の項目はどれもページクラッタ値が高いことに関連してよい。すなわち、広告が少ないより多いこと、広告が大きいより小さいこと、および広告がページの下部にあるより上部にあることである。
図２のステップ６０８で、参加視聴者の重み係数を、参加視聴者３０４の人口学的情報１１４と不参加視聴者３１０の人口学的情報とのコンピュータ１００による比較に基づいて決定してよい。重み係数は参加視聴者３０４に関するウエブサイト訪問情報１１６および他の特性に重みを付けるのに用いてよく、年齢、性別などによる人口学的グループ化に関する参加視聴者の人口が同じ期間中の同じ人口学的グループに関する全オンライン人口の人口学的分布に一層密接に投影する（ｐｒｏｊｅｃｔ）ようにする。
図２のステップ６１０で、調査回答情報１１２、人口学的情報１１４、および／またはウエブサイト訪問情報１１６に基づいて、参加視聴者３０４に関連する態度値を決定してよい。態度値は、参加視聴者の政治的態度、法的態度、規制の態度、企業の態度、および／または製品の態度を示してよい。本発明のいくつかの実施の形態では、態度値は以下のタイプの情報（すなわち、ブランド属性情報、価値志向情報、購入カテゴリ情報、購入志向情報、購入関心情報、買物関心情報、および企業関与情報）の１つ以上を全体的に含み、またはこれらに部分的に基づいてよい。
ステップ６１２で、選択された態度値を有する参加視聴者の目標グループへの各ウエブサイトのリーチと、目標グループの選択された態度値とは異なる態度値を有する参加視聴者の対立グループへの全ウエブサイトのリーチとを決定してよい。決定されたリーチは、各ウエブサイトを訪問する、目標グループ内および対立グループ内の参加視聴者の数を示してよい。
図２のステップ６１４で、目標グループへのウエブサイトのリーチと対立グループへのウエブサイトのリーチとの比較に基づいて、目標グループを目標としかつ対立グループを目標としないコンテンツを含む１つ以上のウエブサイトを選択してよい。一例では、対象となるコンテンツを配信するのに、目標グループと対立グループのリーチの間に最大の差を有するウエブサイトを選択することが好ましいことがある。
図２のステップ６１６で、ステップ６１４で選択したウエブサイトをコンピュータが訪問すると、対象となるコンテンツを参加および不参加の視聴者コンピュータ３００および３０６で表示してよい。
図２のステップ６０８で述べた重み係数は図１０Ａおよび図１０Ｂに示す方法を用いて決定してよい。図１０Ａおよび図１０Ｂにおいて、ステップ８００で、選択された解析期間内および同じ人口学的グループ（例えば、年齢グループ）内の各参加視聴者に同じ初期重み値を割り当てよい。解析期間は、ウエブサイト訪問情報を参加視聴者３０４が利用できる任意の期間でよい。解析期間は好ましくは１ヶ月以上であり、より好ましくは少なくとも約３ヶ月である。好ましくは、図１０Ａおよび図１０Ｂに示す方法はその解析期間中の各月の相当する情報について行う。
図１０Ａのステップ８０１で、年齢グループに関する参加視聴者３０４の百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。年齢グループの年数の例を示すと、１８−２４、２５−３４、３５−４４、４５−５４、５５−６４、および６５以上である。認識されるように、本発明の範囲から逸れずに、他の年齢グループを用いることができる。
ステップ８０２で、米国などの地理的地区のオンライン人口の年齢グループに関する百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。オンライン人口はほとんど全てが（全てではないにしても）不参加視聴者３１０で構成するが、或る小さな割合で参加視聴者３０４も含んでよい。ステップ８０４で、コンピュータ１００を用いて、年齢グループに関するオンライン人口の人口学的分布を対応する年齢グループに関する参加視聴者３０４の人口学的分布で割って、年齢重み係数を計算してよい。例えば、年齢グループ１８−２４については、１８−２４歳の年齢範囲内のオンライン人口の百分率による人口学的分布を同じ年齢範囲内の参加視聴者３０４の百分率による人口学的分布で割って、年齢重み係数を計算してよい。年齢重み係数はコンピュータ１００で中央データベース１１０内に記憶してよい。
図１０Ａのステップ８０６で、性別グループに関する参加視聴者３０４の百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。性別グループの例は男性と女性である。ステップ８０８で、オンライン人口の性別グループに関する百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。ステップ８１０で、コンピュータ１００を用いて、オンライン人口の性別に関する人口学的分布を対応する性別グループに関する参加視聴者３０４の人口学的分布で割って、性別重み係数を計算してよい。性別重み係数はコンピュータ１００で中央データベース１１０内に記憶してよい。
図１０Ａのステップ８１２で、家計収入グループに関する参加視聴者３０４の百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。家計収入グループの例は、２５，０００ドル以下、２５，００１ドル−５０，０００ドル、５０，００１ドル−７５，０００ドル、などである。ステップ８１４で、オンライン人口の家計収入グループに関する百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。ステップ８１６で、コンピュータ１００を用いて、オンライン人口の家計収入に関する人口学的分布を対応する家計収入グループに関する参加視聴者３０４の人口学的分布で割って、家計収入重み係数を計算してよい。家計収入重み係数はコンピュータ１００で中央データベース１１０内に記憶してよい。
図１０Ａのステップ８１８で、国勢調査地域に関する参加視聴者３０４の百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。ステップ８２０で、オンライン人口の国勢調査地域に関する百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。ステップ８２２で、コンピュータ１００を用いて、オンライン人口の国勢調査地域に関する人口学的分布を対応する国勢調査地域に関する参加視聴者３０４の人口学的分布で割って、国勢調査地域重み係数を計算してよい。国勢調査地域重み係数はコンピュータ１００で中央データベース１１０内に記憶してよい。
図１０Ａのステップ８２４で、或る期間中のインターネット使用（重い／中間／軽い）に関する参加視聴者３０４の百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。インターネット使用グループの例は、重い（毎月３４３０分以上）、軽い（毎月３００分以下）、中間（その他）である。ステップ８２６で、オンライン人口のインターネット使用に関する百分率による人口学的分布をコンピュータ１００で人口学的情報１１４から決定してよい。ステップ８２８で、コンピュータ１００を用いて、オンライン人口のインターネット使用に関する人口学的分布を対応するインターネット使用グループに関する参加視聴者３０４の人口学的分布で割って、インターネット使用重み係数を計算してよい。インターネット使用重み係数はコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ８３０−８４８で、決定された重み係数に参加視聴者３０４の百分率による対応する人口学的分布を掛けた値が同じ人口学的測定基準のオンライン人口の百分率による人口学的分布とほぼ同じ積になるまで、ステップ８０１−８２８で説明した年齢グループ、性別グループ、家計収入グループ、国勢調査地域、およびインターネット使用グループの決定に関する各サブルーチンを繰り返す。例えば、年齢グループ重み係数に参加視聴者３０４の年齢に関する百分率による人口学的分布を掛けた値が年齢に関するオンライン人口の百分率による人口学的分布とほぼ同じ積になるまで、ステップ８３０−８４８を繰り返す。
更に、人口学的カテゴリ毎に得られる人口学的分布が、性別、家計収入、国勢調査地域、およびインターネット使用などの人口学的カテゴリ毎にやはりほぼ同じになるまで、このプロセスを繰り返す。上述のステップで値が「ほぼ同じ」と見なされるのは、プロセスを引き続き繰り返しても、繰返しごとの値が実質的に変化しなくなるときである。また認識すべきであるが、上述の例で用いた人口学的情報１１４の選択は本発明では制限がないと考える。本発明の範囲から逸れることなく、ステップ８０１−８４８で用いる人口学的情報１１４はより少なくても、より多くても、および／または異なってもよい。
ステップ８００−８４８は解析期間を形成する複数の個別の期間毎に繰り返す。好ましくは、ステップ８００−８４８は参加視聴者３０４が利用可能なデータの月毎に繰り返す。例えば、解析期間が３ヶ月の場合は、ステップ８００−８４８を３回実施して、各月の人口学的分布に対応する３組の重み係数を生成してよい。
図１０Ｂのステップ８５０で、選択された期間毎の参加視聴者３０４毎に、解析期間中の各期間（例えば、月）にわたってまた各特定の参加視聴者に適用する全ての重み係数にわたって、ステップ８０１−８４８で決定された重み係数をコンピュータ１００で合計してよい。得られた和は、その参加視聴者の匿名識別子に関連して中央データベース１１０内に記憶してよい。例えば、年収４５，０００ドルで、米国北西部に住み、インターネットを毎月５００分使用する２０歳の男子の参加視聴者について、コンピュータ１００は、３ヶ月の人口学的情報毎に計算された１８−２４歳グループ、男性グループ、２５，００１−５０，０００ドルの家計収入グループ、米国北西部の国勢調査地域、および中間のインターネット使用の重み係数を合計し、この和をその参加視聴者の匿名識別子に関連して中央データベース１１０内に記憶してよい。
ステップ８５２で、解析期間中の全オンライン人口の大きさをコンピュータ１００で人口学的情報から決定してよい。例えば、オンライン人口が、解析期間の第１月は１億６千万人、第２月は１億７千万人、第３月は１億８千万人である場合は、その解析期間の全オンライン人口は５億１千万人のオンラインユーザになる。
ステップ８５４で、コンピュータ１００は参加視聴者３０４毎に投影係数（ｐｒｏｊｅｃｔｉｏｎ ｆａｃｔｏｒ）を計算してよい。これはステップ８５２で決定したオンライン人口の大きさを、ステップ８５０で計算した重みの和で割った商である。ステップ８５６で、コンピュータ１００を用いて、ステップ８００で特定の参加視聴者に割り当てた重みに８５４で計算した投影係数を掛けて、参加視聴者３０４毎に投影重みを計算してよい。
図１０Ａ−１０Ｂで説明したプロセスを行うことにより決定された参加視聴者３０４の投影係数を用いて、図１１Ａおよび図１１Ｂに示すプロセスで品質訪問インデックス（ＱＶＩ）値を決定する。ＱＶＩ値は、対象となるコンテンツを参加および不参加の視聴者に配信するのにどのウエブサイトを選択するかを決定するのに用いる。図１１Ａにおいて、ステップ９００で解析期間を選択する。これは好ましくは、図１０Ａ−１０Ｂで説明したプロセスに関して用いたのと同じ解析期間であるべきである。
ステップ９０２で、参加視聴者に関連するウエブサイト訪問情報および他の特性に対して参加視聴者３０４の投影係数をコンピュータ１００で適用して、投影されたウエブサイト訪問情報および投影された特性情報を作成する。「投影された」情報は、本質的に個々の参加視聴者に関する情報を拡大または縮小して、特定の参加視聴者に関する情報が、その参加視聴者が一部である人口学的グループ（年齢、性別など）の構成に比例するようにしたものである。例えば、特定の参加視聴者３０４の投影係数に、その解析期間の同じ参加視聴者に関する以下のウエブサイト訪問情報１１６（すなわち、ウエブサイトへの訪問回数、ウエブサイト上、チャネル上、および／またはページ上で費やされた時間の長さ（分）、セッション数、オンライン購入回数、ウエブサイト訪問期間）を掛けてよい。
ステップ９０４で、コンピュータ１００はウエブサイト訪問情報１１６を用いて、解析期間中の月毎に一人以上の参加視聴者が訪問したウエブサイト毎に投影された月次トラフィック測定基準を決定してよい。ウエブサイト毎に決定されるトラフィック測定基準は、ユニークビジタの数、訪問の数、見られたページの数、どのページが見られたか、そのウエブサイトを訪問するのに費やされた時間の量（例えば、分）、ページあたりの広告の数、および広告が占めるページの表面積の百分率を含むが、これらに限定されない。ウエブサイトのトラフィック測定基準の決定は上に述べた投影係数により影響されることがある。例えば、一人の参加視聴者３０４が「２」という投影係数を有し、かつその参加視聴者がウエブサイトの訪問に１０分費やした場合は、投影係数によって、そのウエブサイトの訪問に２０分費やしたと数える。
ステップ９０６で、ステップ９０４で決定した投影された月次トラフィック測定基準をコンピュータ１００で結合して（すなわち、合計して）よい。結合する前に月次トラフィック測定基準に割引係数を適用して、前の月に関するトラフィック測定基準の減少値を説明してよい。例えば、解析期間がトラフィック測定基準の前の３ヶ月を含む場合は、その解析期間中の最初の月のトラフィック測定基準に割引係数０．５を掛け、第２の月のトラフィック測定基準に割引係数０．７５を掛けてよい。この割引係数の例は単なる説明のためのものであって、本発明の意図された範囲を制限するものではない。結合された月次トラフィック測定基準はコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９０８で、一人以上の参加視聴者３０４が訪問した各ウエブサイトの全リーチを、ウエブサイト訪問情報１１６を用いてコンピュータ１００で計算してよい。全リーチは、そのウエブサイトへの投影された参加視聴者のユニークビジットの数を解析期間中の投影された参加視聴者の全数で割った商でよい。各ウエブサイトの全リーチはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９１０で、コンピュータ１００はウエブサイト訪問情報１１６を用いて、投影された参加視聴者のユニークビジタあたりに各ウエブサイト訪問に費やされた投影された時間の長さ（分／ＵＶ）を決定してよい。ウエブサイト毎の（分／ＵＶ）はコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９１２で、コンピュータ１００はウエブサイト訪問情報１１６を用いて、各ウエブサイトへのユニークビジタだった参加視聴者３０４の数を決定してよい。次に、ウエブサイト毎のユニークビジタの数と、対象となるコンテンツをそのウエブサイトに配信することを今後考慮するのに必要であるユニークビジタのしきい値とを比較してよい。例えば、解析期間中にウエブサイトのユニークビジタが４０人に過ぎず、その解析期間中のユニークビジタのしきい値が５０人である場合は、対象となるコンテンツをそのウエブサイトに配信することを今後考慮してはならないとコンピュータ１００は決定するであろう。コンピュータ１００は、対象となるコンテンツをどのウエブサイトに配信するかを今後考慮する、および／または考慮しないという表示を中央データベース１１０内に記憶してよい。
ステップ９１４で、コンピュータ１００は、対象となるコンテンツを送るべき参加視聴者の目標グループとしてどの参加視聴者が資格があるかを決定してよい。参加視聴者の目標グループはコンピュータ１００を用いて決定し、参加視聴者毎に１つ以上の態度値を決定してよい。次に、その参加視聴者の決定された態度値と、選択された態度値のしきい値および／または態度値の範囲とをコンピュータ１００で比較してよい。特定の参加視聴者の態度値が、選択された態度値のしきい値および／または範囲を満たす場合は、その参加視聴者が目標グループの一部であることをコンピュータ１００で示してよい。
調査回答情報１１２は参加視聴者の態度値を直接または間接に決定するのに用いてよい。例えば図３において、調査回答情報１１２は、原子力発電所の政府の規制に関する問題の質問７００に対する参加視聴者３０４の回答を含んでよい。参加視聴者３０４は参加視聴者コンピュータ３００を用いて、メニュー７０２で与えられる「強く反対」から「強く支持」に及ぶ態度の１つを選択することにより、かかる規制に関する自分の態度を示してよい。特定の問題についての調査回答情報１１２から図３に図示する計算表７０４が得られ、これは各自がそれぞれ対応する態度を有すると自分自身を特徴付ける参加視聴者３０４の百分率の数を示す。各問題の質問７００に関する各参加視聴者３０４の調査回答情報１１２は中央データベース１００内に記憶してよい。
更に図４において、問題の質問７００への回答に加えて、調査回答情報１１２は更に、例えば、政治的志向の質問７１０、関心のレベルの質問７２０、投票履歴／党所属の質問７３０に対する回答を含んでよい。政治的志向の質問７１０の性格は問題の質問７００より更に一般的である。問題の質問の一例を図３に示す。これに対して、政治的志向の質問７１０の例を以下に示す。
・ ビジネスの政府規制に反対しますか。
・ 政府が提供する健康管理に反対しますか。
投票履歴／党所属の質問７３０の例を以下に示す。
・ 投票頻度はどのくらいですか。
・ 通常、投票者としてどんな選挙に投票しますか。
・ どの政党の党員ですか。
問題の質問７００、政治的志向の質問７１０、投票履歴／党所属の質問７３０についての上述の例は説明のためのものであって、本発明の意図する範囲を制限するものではない。認識されるように、本発明の範囲から逸れずにこれらのタイプの質問（すなわち、問題、政治的志向、投票履歴／党所属）の１つ以上を調査回答情報１１２に含めなくてよい。
更に、調査回答情報１１２に含まれる関心のレベルの質問７２０を用いて、図５−９に示す１つ以上の関心スケールについて参加視聴者３０４毎に関心のレベルの１つ以上の値を決定してよい。図５−９に示す３つの関心スケールは、一般的関心スケール、政治的関心スケール、および支持関心スケールである。関心スケールの数およびタイプ、並びにスケールに関して用いられる関連する定義、レベル、および値は単なる例であって本発明を制限するものではなく、本発明は何らの関心スケールなしに行ってよい。関心スケールの別のレベルを、例えば図１５−１６に示す。
更に図５において、調査回答情報１１２は特定の参加視聴者３０４が図５に列挙する一般的関心行動７２２の１つ以上を取ったことを示してよい。例示の一般的関心行動７２２はそれぞれ、コンピュータ１００でチャート７２４の左の列に示す行動値に関連してよい。コンピュータ１００は参加視聴者３０４毎の調査回答情報１１２と行動７２２とを比較して、その参加視聴者に属すべき図６に示すチャート７２６内の一般的関心レベルを決定してよい。或る参加視聴者に属すると調査回答情報１１２が示す行動値をコンピュータ１００で加え合わせて、累積一般的関心値を合計してよい。図６は、０の累積一般的関心値に関連する「無関心」から１３−３８の範囲の累積一般的関心値に関連する「高」レベルの関心に及ぶ、４つの例示の一般的関心値範囲７２６をそれぞれ示す。参加視聴者３０４毎の累積一般的関心値は、その参加視聴者の匿名識別子に関連して、コンピュータ１００で中央データベース１１０内に記憶してよい。
図７において、調査回答情報１１２は更に、特定の参加視聴者３０４がチャート７２８に示す政治的関心の定義７３０の１つ以上を満たすことを示してよい。調査回答情報１１２と定義７３０とのコンピュータ１００による比較に基づいて、例示の政治的関心スケール上の政治的関心レベル７３２および関連する政治的関心値７３４の１つに参加視聴者３０４を関連付けてよい。チャート７２８に示すように、政治的関心レベル７３２および関連する値７３４は階層的であって、次に高いレベルの定義７３０を満たすにはその前の低いレベルの要件を満たさなければならない。参加視聴者３０４毎の政治的関心値７３４は、中央データベース１１０内の参加視聴者の匿名識別子にコンピュータ１００で関連付けてよい。
図８において、調査回答情報１１２は更に、特定の参加視聴者３０４がチャート７３６に示す支持関心行動の１つ以上を取ったことを示してよい。ここに示す例では、各支持関心行動を４つのグループ（すなわち、私的行動７３８、活動的関与行動７４０、組織化された政治的行動７４２、公共的／高レベルの関与行動７４４）の１つの中に置いてよい。図８および図９において、（１）参加視聴者の調査回答情報１１２に示す支持関心行動と（２）支持関心レベル定義７５２との間のコンピュータ１００による比較に基づいて、特定の参加視聴者３０４を、チャート７４６に示す支持関心レベル７４８および対応する支持関心値７５０の１つに関連付けてよい。参加視聴者３０４が資格を持つ支持関心レベル７４８に対応する支持関心値７５０は、中央データベース１１０内の参加視聴者の匿名識別子にコンピュータ１００で関連付けてよい。
再び図６−９において、累積一般的関心値７２６、政治的関心値７３４、および支持関心値７５０の１つ以上を、参加視聴者毎の態度値１１８の決定に用いてよい。態度値１１８の決定は更にウエブサイト訪問情報１１６および／または人口学的情報１１４に基づいてよい。好ましくは、態度値情報１１８は、調査回答情報１１２、ウエブサイト訪問情報１１６、および特定の参加視聴者コンピュータ３００に関連する人口学的情報１１４の組合せから決定する。
図１４−１６において、本発明の別の実施の形態では、態度値はまた、上に述べた価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報に、全体的にまたはその１つ以上に部分的に基づいて決定してよい。
再び図１１Ａにおいて、ステップ９１６で、コンピュータ１００はウエブサイト訪問情報１１６を用いて、解析期間中の月毎に目標グループ内の参加視聴者３０４が訪問したウエブサイト毎の投影された月次トラフィック測定基準を決定してよい。ウエブサイト毎に決定されるトラフィック測定基準はステップ９０４に関して述べたのと同じ測定基準を含んでよく、またステップ９０４と同じように投影係数により影響されることがある。
ステップ９１８で、ステップ９１６で決定した投影された月次トラフィック測定基準を、ステップ９０６で説明したのと同じようにしてコンピュータ１００で結合して（すなわち、合計して）よい。結合する前に月次トラフィック測定基準に割引係数を適用して、前の月に関するトラフィック測定基準の減少値を説明してよい。結合された投影された月次トラフィック測定基準はコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９２０で、目標グループ内の参加視聴者３０４が訪問する各ウエブサイトの目標グループリーチを、ウエブサイト訪問情報１１６を用いてコンピュータ１００で計算してよい。目標グループリーチは、目標グループ内のウエブサイト視聴者への投影されたユニークビジタの数を、解析期間中の目標グループ内の投影された参加視聴者の全数で割った商でよい。各ウエブサイトの目標グループリーチはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９２２で、コンピュータ１００はウエブサイト訪問情報１１６を用いて、目標グループ内の投影された参加視聴者のユニークビジタあたりに各ウエブサイトを訪問するのに費やされた時間の長さ（分）（目標グループ 分／ＵＶ）を決定してよい。これとは別に、または目標グループ 分／ＵＶと組み合わせて、コンピュータ１００はウエブサイト ページ/ＵＶを決定してよい。目標グループ 分／ＵＶは、目標グループに関連する全ての投影された参加視聴者コンピュータがウエブサイトを訪問するのに費やした時間の長さ（分）を、目標グループ内の参加視聴者のユニークビジタの数で割ったものを合計して決定してよい。目標グループ ページ／ＵＶは、目標グループに関連する全ての投影参加視聴者コンピュータが訪問したページ数を、目標グループ内の参加視聴者のユニークビジタの数で割ったものを合計して決定してよい。
ステップ９２４で、コンピュータ１００はウエブサイト訪問情報１１６を用いて、各ウエブサイトへのユニークビジタだった目標グループ内の参加視聴者３０４の数を決定してよい。次に、ウエブサイト毎のユニークビジタだった目標グループ内の参加視聴者３０４の数と、ステップ９１２に関して説明したのと同じように対象となるコンテンツをそのウエブサイトに配信することを今後考慮するのに必要であるユニークビジタのしきい値とを比較してよい。コンピュータ１００はこのステップの結果に基づいて、対象となるコンテンツをどのウエブサイトに配信するかを今後考慮する、および／または考慮しないという表示を中央データベース１１０内に記憶してよい。
ステップ９２６で、コンピュータ１００は、対象となるコンテンツの配信で使用することをまだ考慮中のウエブサイト毎の目標グループリーチインデックスを計算してよい。目標グループリーチインデックスは、ステップ９２０で決定したウエブサイト毎の目標グループリーチをステップ９０８で決定した各ウエブサイトの全リーチで割った商でよい。目標グループリーチインデックスはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９２８で、コンピュータ１００は、対象となるコンテンツの配信で使用することをまだ考慮中のウエブサイト毎のユニークビジタあたりの時間の長さ（分）インデックスを計算してよい。ユニークビジタあたりの時間の長さ（分）インデックスは、ステップ９２２で決定した目標グループ内の投影された参加視聴者のユニークビジタあたりに各ウエブサイトの訪問に費やされた時間の長さ（分）を、ステップ９１０で決定した投影された参加視聴者のユニークビジタあたりに各ウエブサイトの訪問に費やされた時間の長さ（分）で割った商でよい。好ましい実施の形態では、ユニークビジタあたりの時間の長さ（分）インデックスおよび／またはユニークビジタあたりのページインデックスは所定の範囲（０．７から１．３）に制限してよい。ウエブサイト毎の目標グループの 分／ＵＶ および／または目標グループの ページ／ＵＶ はコンピュータ１００で中央データベース１１０内に記憶してよい。
ユニークビジタあたりの時間の長さ（分）インデックスはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９３０で、コンピュータ１００は、対象となるコンテンツの配信で使用することをまだ考慮中のウエブサイト毎のページあたりの時間の長さ（分）インデックスを計算してよい。ページあたりの時間の長さ（分）インデックスは、ウエブサイトの参加視聴者３０４のページあたりの平均時間の長さ（分）を、同じウエブサイトカテゴリ内の全てのウエブサイトの参加視聴者のページあたりの平均時間の長さ（分）で割った商でよい。例えば、考慮中のウエブサイトがＣＮＮ．ｃｏｍの場合は、参加視聴者３０４がＣＮＮ．ｃｏｍで費やしたページあたりの平均時間の長さ（分）を、オンライン人口が全てのニュース関係のウエブサイトを訪問するのに費やしたページあたりの平均時間の長さ（分）数で割ってよい。好ましい実施の形態では、ページあたりの時間の長さ（分）インデックスは、所定の範囲（０．７から１．３）に制限してよい。ページあたりの時間の長さ（分）インデックスはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９３２で、コンピュータ１００は、対象となるコンテンツの配信で使用することをまだ考慮中のウエブサイト毎の広告クラッタインデックスを計算してよい。広告クラッタインデックスは、或るウエブサイトの広告クラッタ測定基準を、同じウエブサイトカテゴリ内の他のウエブサイトに関連する広告クラッタ測定基準で割った商でよい。例えば、用いる広告クラッタ測定基準は、ページ上の広告の位置、ページ上の広告の大きさ、および／またはページ上の広告が占める画素数の表示でよい。広告クラッタインデックスはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９３４で、コンピュータ１００は、対象となるコンテンツの配信で使用することをまだ考慮しているウエブサイト毎のページあたりの広告インデックスを計算してよい。ページあたりの広告インデックスは考慮しているウエブサイトのページあたりの広告の平均数を、同じウエブサイトカテゴリ内の他のウエブサイトのページあたりの広告の平均数で割った商でよい。ページあたりの広告インデックスはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９３６で、コンピュータ１００は、対象となるコンテンツの配信で使用することをまだ考慮中のウエブサイト毎の過去のパフォーマンスインデックスを計算してよい。過去のパフォーマンスインデックスは、広告キャンペーンで用いたウエブサイトの過去のパフォーマンスを測定するのに用いた測定基準を、同様の広告キャンペーンで用いた全ての他のウエブサイトまたは他のウエブサイトの集合のパフォーマンスを測定するのに用いた測定基準で割った商でよい。過去のパフォーマンスの測定基準の例ではクリックスルー率およびコンバージョン率を含むが、これらに限定されない。ここで、「コンバージョン」とは購入、寄付、政治家との接触、またはオンラインコミュニティへの加入でよい。過去のパフォーマンスインデックスはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９３８で、コンピュータ１００は、どの参加視聴者が参加視聴者の対立グループ（対象となるコンテンツを送らないグループ）に含まれるとするかを決定してよい。対立グループの定義は、ステップ９１４に関して述べた目標グループの態度値と最も異なる態度値を有するグループである。目標グループの場合と同様に、参加視聴者の対立グループは参加視聴者毎に１つ以上の態度値を決定することによりコンピュータ１００で決定してよい。次に、参加視聴者の決定された態度値と、選択された対立態度値のしきい値および／または態度値の範囲とをコンピュータ１００で比較してよい。特定の参加視聴者の態度値が、選択された対立態度値のしきい値および／または範囲を満たす場合は、その参加視聴者が対立グループの一部であるとコンピュータ１００で示してよい。
ステップ９４０で、コンピュータ１００はウエブサイト訪問情報１１６を用いて、解析期間中の月毎に対立グループ内の参加視聴者３０４が訪問したウエブサイト毎の投影された月次トラフィック測定基準を決定してよい。ウエブサイト毎に決定される投影されたトラフィック測定基準はステップ９０４に関して述べたのと同じ測定基準を含んでよく、またステップ９０４と同じように投影係数により影響されることがある。対立グループ内並びに目標グループ内の参加視聴者３０４が訪問したウエブサイト毎の投影された月次トラフィック測定基準は、コンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９４２で、ステップ９４０で決定した投影された月次トラフィック測定基準を、ステップ９０６に関して説明したのと同じようにコンピュータ１００で結合して（合計して）よい。結合する前に月次トラフィック測定基準に割引係数を適用して、前の月に関するトラフィック測定基準の減少値を説明してよい。結合された月次トラフィック測定基準は、コンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９４４で、対立グループ内の参加視聴者３０４が訪問した各ウエブサイトの対立グループリーチを、ウエブサイト訪問情報１１６を用いてコンピュータ１００で計算してよい。対立グループリーチは、対立グループ内の投影された参加視聴者によるウエブサイトへの投影されたユニークビジタの数を解析期間中の対立グループ内の投影された参加視聴者の総数で割った商でよい。各ウエブサイトの対立グループリーチはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９４６で、コンピュータ１００はウエブサイト訪問情報１１６を用いて、各ウエブサイトへの特有な訪問者だった対立グループ内の参加視聴者３０４の数を決定してよい。次に、ウエブサイト毎のユニークビジタだった対立グループ内の参加視聴者３０４の数と、ステップ９１２に関して説明したのと同じように対象となるコンテンツをそのウエブサイトに配送することを今後考慮するためには超えないことが必要であるユニークビジタのしきい値とを比較してよい。コンピュータ１００はこのステップの結果に基づいて、対象となるコンテンツをどのウエブサイトに配信するかを今後考慮する、および／または考慮しないという表示を中央データベース１１０内に記憶してよい。
ステップ９４８で、コンピュータ１００は、対象となるコンテンツの配信で使用することをまだ考慮中のウエブサイト毎の対立グループリーチインデックスを計算してよい。対立グループリーチインデックスは、ステップ９４４で決定したウエブサイト毎の対立グループリーチを、ステップ９０８で決定した各ウエブサイトの全リーチで割った商でよい。対立グループリーチインデックスはコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９５０で、対立グループリーチインデックスを目標グループリーチインデックスから引いて、またはより好ましくは、対立グループリーチインデックスを目標グループリーチインデックスで割って、ネット・サポート・スコア（ＮＳＳ）をコンピュータ１００で計算してよい。ネット・サポート・スコアは、（１）目標グループと同様の態度値（すなわち、態度）を有する参加および不参加の視聴者３０４および３１０が訪問する可能性が高く、および（２）対立グループと同様の態度値（すなわち、態度）を有する参加および不参加の視聴者が訪問する可能性が低い、対象となるコンテンツを配信するためのウエブサイトを識別するのに用いてよい。ウエブサイト毎のＮＳＳをコンピュータでランク付けして、参加および不参加の視聴者に対象となるコンテンツを配信するのに一層適したウエブサイトを識別してよい。ＮＳＳによるウエブサイトのランキングの一例を図１２に示す。ウエブサイト毎のＮＳＳおよび各ウエブサイトのランキングの表示はコンピュータ１００で中央データベース１１０内に記憶してよい。
別の実施の形態では、ＮＳＳを計算するのに、対立グループリーチインデックスに対立グループのユニークビジタあたりの時間の長さ（分）インデックスを掛け、次にその結果を、目標グループリーチインデックスに目標グループのユニークビジタあたりの時間の長さ（分）インデックスを掛けた結果から引いて、または割ってよい。目標グループのユニークビジタあたりの時間の長さ（分）インデックスは、上のステップ９２２に関して述べたようにコンピュータ１００で決定してよい。対立グループのユニークビジタあたりの時間の長さ（分）インデックスは、ステップ９２２で目標グループについて説明したのと同じようにウエブサイト訪問情報１１６を用いてコンピュータで決定してよい。ウエブサイト毎の（目標グループ 分／ＵＶ）はコンピュータ１００で中央データベース１１０内に記憶してよい。
ステップ９５４で、品質訪問インデックス（ＱＶＩ）値はウエブサイト毎に、態度値、目標グループリーチインデックス、対立グループリーチインデックス、ＮＳＳ、ユニークビジタあたりの時間の長さ（分）インデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスの１つ以上に基づいてコンピュータ１００で決定してよい。より特定すると、本発明の１つの実施の形態では、上述のインデックスおよびＮＳＳの１つ以上を掛け合わせてＱＶＩ値を生成してよい。本発明の別の実施の形態では、インデックスおよびＮＳＳの１つ以上に裁量係数（ｄｉｓｃｒｅｔｉｏｎａｒｙ ｆａｃｔｏｒ）を掛けてもよい。裁量係数は、ＱＶＩ決定において特定のインデックスまたはＮＳＳに重いまたは軽い重みを与えるものである。本発明の更に別の実施の形態では、インデックスおよびＮＳＳの１つ以上の指数値を掛け合わせてＱＶＩ値を生成してよい。
ブランド販売促進または企業責任広告キャンペーンを目的としてコンテンツを表示するウエブサイトを識別するとき、３つのタイプのＱＶＩ値が特に有用である。かかるＱＶＩ値の第１のタイプをクリックスルー率用のＱＶＩ、すなわちＣＴＲ用のＱＶＩと呼ぶ。かかるＱＶＩ値の第２のタイプをコンバージョン率用のＱＶＩ、すなわちＣＲ用のＱＶＩと呼ぶ。かかるＱＶＩ値の第３のタイプを視聴者用のＱＶＩと呼ぶ。ＣＴＲ用のＱＶＩは主題の広告キャンペーンのクリックスルー率を最適にまたは最大にするものでよく、ＣＲ用のＱＶＩは視聴者のコンバージョン率を最適または最大にするものでよく（コンバージョンが起こるのは、視聴者が単にウエブサイトをクリックスルーして広告を見るだけでなく、何らかの行動を取るときである）、また視聴者用のＱＶＩは目標視聴者に与える広告印象の数を最大にするものでよい。
ＣＴＲ用のＱＶＩは回帰モデルを用いて決定してよく、その入力データは、実際の広告キャンペーンからの実際のクリックスルー率、調査回答情報、ウエブサイト訪問データ、ウエブサイトのディスプレイ広告に関する企業連合調査などを含んでよい。かかるタイプのクリックスルーデータはオンライン広告業界の当業者に周知である。視聴者が考慮すべき問題を提示するウエブサイトのＣＴＲ用のＱＶＩを決定するとき、ＣＴＲ用のＱＶＩ値は以下の変数の関数でよい。すなわち、
１．ページあたりのディスプレイ広告の数インデックス（すなわち、上に述べたステップ９３４に従ってサブカテゴリ平均を示す、ページあたりのディスプレイ広告の数）
２．意見ニュースサイト指標（例えば、ＲｕｓｈＬｉｍｂａｕｇｈ．ｃｏｍまたはＨａｎｎｉｔｙ．ｃｏｍ）
３．高パフォーマンスサイト指標（或るサイトが前のキャンペーンで一貫して高いクリックスルー率を有したかどうかを示す０／１フラグ、例えば、ＹｅｌｌｏｗＰａｇｅｓ．ｃｏｍまたはＧａｓｂｕｄｄｙ．ｃｏｍ）
４．ニュースサイト指標（例えば、或るサイトが放送メディアおよび金融のニュースおよび情報のサブカテゴリに属するかどうかを示す０／１フラグで、意見ニュースサイトを除く）
５．高ＵＶインデックス（好ましくは２４８より高い）
６．上に説明したステップ９５０−９５２に従って決定されるＮＳＳ率
７．目標グループが見た広告の平均頻度
８．ディスプレイ広告のシェア（すなわち、インターネット上のウエブサイトディスプレイ広告の総数に対してそのウエブサイトが有する広告ディスプレイの百分率）
９．ディスプレイ広告あたりの規模（すなわち、上に説明したステップ９３２に従う広告クラッタインデックスの決定により決定される、そのページ上の各広告が占めるディスプレイスクリーン面積の百分率）
１０．訪問あたりのディスプレイ広告（ウエブサイトへの平均訪問中にユーザが露出するディスプレイ広告の数）
１１．調査サイト指標（例えば、検索、天気、および住所録を含むサブカテゴリに属するサイト）
或る例示の実施の形態では、視聴者が考慮すべき問題をウエブサイトが提示しないときのＣＴＲ用のＱＶＩは、重要度が最も大きいものから小さいものへ次の番号順に並べた上述の変数の関数でよい。すなわち、１０，３，１１，９，５，８，および７である。問題が提示されるときのＣＴＲ用のＱＶＩは、例えば次式により決定される。すなわち、ＣＴＲ用のＱＶＩ＝指数関数（−７．１６３＋意見ニュース指標＊１．０７８＋高パフォーマンスサイト指標＊０．６００＋平均頻度＊０．００３＋ニュースサイト指標＊０．２８５＋ディスプレイ広告のシェア＊−０．３４６＋ディスプレイ広告あたりの規模＊−０．０１０＋ページあたりのディスプレイ広告インデックス＊０．００２＋ネット・サポート率＊０．０１０＋高ＵＶインデックス指標＊０．１３６）である。
問題が提示されないときのＣＴＲ用のＱＶＩは、例えば別の次式により決定される。すなわち、指数関数（−７．５２０＋高パフォーマンスサイト指標＊０．４４３＋見られた広告の平均頻度＊−０．００３＋ディスプレイ広告のシェア＊−０．２４９＋調査サイト指標＊０．２０５＋高ＵＶインデックス指標＊０．０００５＋ディスプレイ広告あたりの規模＊０．００１＋訪問あたりのディスプレイ広告＊０．０２２）である。上に説明したように計算するとき、ＣＴＲ用のＱＶＩ値の代わりにＣＴＲ用のＱＶＩ値の自然対数を用いてよい。
ＣＲ用のＱＶＩは回帰モデルを用いて決定してよく、その入力データは、アドフィ（Ａｄｉｆｙ）、ウエーブ２（Ｗａｖｅ２）、コムスコア・アド・メトリックス（Ｃｏｍｓｃｏｒｅ Ａｄ Ｍｅｔｒｉｘ）、ＭＰＲデータ（ＭＰＲ ｄａｔａ）などから得られるウエブサイト訪問者の実際のクリックスルーコンバージョン率を含んでよい。かかるタイプのクリックスルーコンバージョンデータはオンライン広告業界の当業者に周知である。ＣＲ用のＱＶＩ値は以下の変数の関数でよい。これらは、視聴者が考慮すべき問題を提示するまたは問題を提示しないウエブサイトについてＣＲ用のＱＶＩを決定するときは、重要度が減少する順序に番号が付されている。すなわち、
１．ページあたりの規模インデックス（すなわち、上に説明したステップ９３２に従う広告クラッタインデックス決定により決定される、そのページの各広告が占めるディスプレイスクリーン面積の百分率）
２．ディスプレイのシェア（すなわち、インターネット上のウエブサイトディスプレイ広告の総数に対してそのウエブサイトが有する広告ディスプレイの百分率）
３．意見ニュースサイト指標（例えば、ＲｕｓｈＬｉｍｂａｕｇｈ．ｃｏｍまたはＨａｎｎｉｔｙ．ｃｏｍ）
４．調査サイト指標（例えば、検索、天気、および住所録を含むサブカテゴリに属するサイト）
５．平均頻度（１ヶ月以上の期間中にこのウエブサイトへの平均訪問者が見たディスプレイ広告の平均数）
６．そのウエブサイトがニュースサイト（例えば、放送メディアおよび金融のニュースおよび情報のサブカテゴリ）かどうか
７．上に説明したステップ９２８に従って決定されるＵＶあたりの時間の長さ（分）インデックス
問題が提示されるときまたは提示されないときのＣＲ用のＱＶＩは次式により決定してよい。すなわち、ＣＲ用のＱＶＩ＝指数関数（４．８６２＋ページあたりの規模インデックス＊−０．００１＋ＵＶあたりの時間の長さ（分）インデックス＊０．００２＋ニュースサイト指標＊０．３０２＋見られた広告の平均頻度＊０．００２＋ディスプレイ広告のシェア＊−２．３９８＋意見ニュースサイト指標＊−１．０１５＋調査サイト指標＊−．３５５）である。上に説明したように計算するとき、ＣＲ用のＱＶＩ値の代わりにＣＲ用のＱＶＩ値の自然対数を用いてよい。
視聴者用のＱＶＩは次式で決定してよい。すなわち、ＵＶインデックス＊ＵＶあたりの時間の長さ（分）インデックス＊ページサイトあたりの時間の長さ（分）インデックス（サイトのページあたりの時間の長さ（分）測定基準をそのサイトのサブカテゴリのページあたりの時間の長さ（分）測定基準で割ったインデックス）である。
ステップ９５２で決定したＱＶＩ値と、しきい値ＱＶＩ値、ＱＶＩ値の範囲、または他のウエブサイトの他のＱＶＩ値に対するランク付けとを比較して、対象となるコンテンツを配信するのに最適のウエブサイトを決定してよい。ＱＶＩ値によるウエブサイトのランク付けの例を図１２および図１３に示す。決定されたＱＶＩ値がしきい値ＱＶＩ値を超える場合または所定のＱＶＩ値の範囲内にある場合は、目標グループのメンバが欲しがると思われるコンテンツを含むものとして、問題のウエブサイトを選択してよい。または、特定のウエブサイトのＱＶＩ値のランクが他のウエブサイトのＱＶＩ値に比べて高い場合は、目標グループのメンバが欲しがると思われるコンテンツを含むものとして、問題のウエブサイトを選択してよい。
いったんウエブサイトが、そのウエブサイトの決定されたＱＶＩ値に基づいて対象となるコンテンツを参加および／または不参加の視聴者に配信するのに用いるように選択された後は、視聴者コンピュータが問題のウエブサイトを訪問するとコンテンツは１台以上のウエブサーバ５００（図１）に送信され、更に１台以上のウエブサーバからネットワーク２００により１台以上の視聴者コンピュータ３００および／または３０６に送信される。次に、視聴者コンピュータは関連するディスプレイまたは接続されたディスプレイ３０２にコンテンツを表示してよい。ウエブサーバ５００に送信されるコンテンツは１台以上の第三者コンピュータ４００に関連するメモリ内に記憶してよく、またはコンピュータ１００に関連するメモリ内に記憶してよい。
当業者に明らかなように、本発明の範囲または精神から逸れることなく、本発明の変更および修正を行うことができる。例えば、上に述べたＱＶＩを決定するための特定の式は好ましいＱＶＩ式の例であって、本発明を制限するものと考えてはならない。本発明の範囲から逸れずに、異なるＱＶＩ式を用いてよい。

Claims (47)

  1. コンピュータが実施する調査に参加する視聴者について決定される態度値と、視聴者のウエブサイト訪問情報および人口学的情報とに基づいて、視聴者コンピュータに接続するディスプレイで見るようにコンテンツを送信する方法であって、
    参加視聴者コンピュータからコンピュータネットワークにより送信される調査回答情報を中央データベースに対応したコンピュータで受信するステップと、
    前記参加視聴者コンピュータのウエブサイト訪問情報を前記コンピュータで受信するステップと、
    （１）参加視聴者および（２）調査回答情報を送信してこない不参加視聴者に関連する人口学的情報を前記コンピュータで受信するステップと、
    前記調査回答情報からの価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報から成るグループから選択される情報を前記コンピュータで決定するステップと、
    前記価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報の１つ以上に少なくとも部分的に基づいて非視聴者コンピュータを用いて前記参加視聴者毎の態度値を前記コンピュータで決定するステップと、
    前記ウエブサイト訪問情報および態度値からウエブサイトの品質訪問インデックス（ＱＶＩ）値を前記コンピュータで決定するステップと、ここで、前記態度値は前記参加視聴者コンピュータが目標態度値グループか、対立態度値グループか、あるいは目標態度値グループ、対立態度値グループのいずれでもないかを示すものであり、
    前記ウエブサイトの前記ＱＶＩ値に基づいてコンテンツを表示するためのウエブサイトを前記コンピュータで選択するステップと、
    前記ウエブサイトに前記コンテンツを前記コンピュータからの指示に応答して提供するステップと、
    前記参加または不参加の視聴者コンピュータの１つが前記ウエブサイトにアクセスすると、前記参加または不参加の視聴者コンピュータの１つに前記コンピュータネットワークによりコンテンツを前記コンピュータからの指示に応答して送信するステップと、
    を含むコンテンツを送信する方法。
  2. 前記ＱＶＩ値は、目標グループリーチインデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）インデックス、ユニークビジタあたりのページインデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから成るグループから選択された値に基づく、請求項１記載のコンテンツを送信する方法。
  3. 前記ＱＶＩ値は、目標グループリーチインデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）インデックス、ユニークビジタあたりのページインデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから成るグループの２つ以上から選択された値に基づく、請求項１記載のコンテンツを送信する方法。
  4. 前記ＱＶＩ値は、目標グループリーチインデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）インデックス、ユニークビジタあたりのページインデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから成るグループの３つ以上から選択された値に基づく、請求項１記載のコンテンツを送信する方法。
  5. 前記ＱＶＩ値は、目標グループリーチインデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）インデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから選択された値に基づく、請求項１記載のコンテンツを送信する方法。
  6. 前記参加視聴者コンピュータまたは不参加の視聴者コンピュータの１つに接続するディスプレイに前記コンテンツを表示するステップを更に含む、請求項１記載のコンテンツを送信する方法。
  7. 前記ＱＶＩ値は、（１）選択された期間中に前記ウエブサイトを訪問した、選択された態度値に関連する参加視聴者コンピュータの百分率と、（２）前記選択された期間中に前記ウエブサイトを訪問した参加視聴者コンピュータの百分率との、コンピュータによる比較から少なくとも部分的に決定される、請求項１記載のコンテンツを送信する方法。
  8. 選択された期間中に前記ウエブサイトを訪問した、選択された態度値に関連する参加視聴者コンピュータの前記百分率は、（１）前記選択された期間中に前記ウエブサイトを訪問した、前記選択された態度値に関連する参加視聴者コンピュータの数と、（２）前記選択された態度値に関連する参加視聴者コンピュータの数との、コンピュータによる比較に基づいて決定される、請求項７記載のコンテンツを送信する方法。
  9. 前記中央データベース内で、前記態度値、前記調査回答情報、前記ウエブサイト訪問情報、および人口学的情報を参加視聴者毎の匿名識別子に関連付けるステップを更に含む、請求項１記載のコンテンツを送信する方法。
  10. ＱＶＩ値を決定する前記ステップは、前記参加視聴者コンピュータのウエブサイト訪問情報を、前記参加視聴者コンピュータおよび前記不参加視聴者に関連する人口学的情報に基づく係数で重みを付けるステップを含む、請求項１記載のコンテンツを送信する方法。
  11. 前記人口学的情報は、年齢、収入、性別、国勢調査地域、人種、教育レベル、宗教、宗教行事への参加の頻度、労働組合への加入、およびインターネット使用頻度の情報から成るグループから選択する、請求項１０記載のコンテンツを送信する方法。
  12. ＱＶＩ値を決定する前記ステップは、前記参加視聴者コンピュータのウエブサイト訪問情報に、ウエブサイト訪問情報を受ける期間に基づく係数で重みを付けるステップを含む、請求項１記載のコンテンツを送信する方法。
  13. ＱＶＩ値を決定する前記ステップは、前記参加視聴者コンピュータのウエブサイト訪問情報に、前記調査回答情報の受信と前記ＱＶＩ値の決定との間の時間の量に基づく係数で重みを付けるステップを含む、請求項１２記載のコンテンツを送信する方法。
  14. 前記ＱＶＩ値を決定するステップは、
    前記参加視聴者コンピュータに関連する態度値に基づいて前記ウエブサイトのネット・サポート・スコアを決定することと、
    前記ウエブサイトのネット・サポート・スコアを他のウエブサイトのネット・サポート・スコアに対してランク付けすること、
    とを含む、請求項１記載のコンテンツを送信する方法。
  15. 前記ＱＶＩ値を決定するステップは、
    所定の期間中に前記ウエブサイトを訪問した参加視聴者コンピュータのしきい値数を決定すること、
    を更に含む、請求項１４記載のコンテンツを送信する方法。
  16. 前記ＱＶＩ値を決定するステップは、
    所定の期間中に前記ウエブサイトを訪問した、前記選択された態度値に関連する参加視聴者コンピュータのしきい値数を決定すること、
    を更に含む、請求項１４記載のコンテンツを送信する方法。
  17. 前記ウエブサイト訪問情報は、ウエブサイトＵＲＬ情報、ウエブサイトページ訪問情報、セッション情報、オンライン購入情報、探索期間情報、訪問時間情報、訪問期間情報、および訪問日時情報を含む、請求項１記載のコンテンツを送信する方法。
  18. 前記ウエブサイト訪問情報は、ページの長さ、或るページの広告の数、或るページの広告の位置、および或るページの広告の大きさ、の情報の１つ以上に基づくページクラッタ情報を含む、請求項１記載のコンテンツを送信する方法。
  19. 前記調査回答情報は３０日以上離れた異なる２日に前記参加視聴者コンピュータの１つから受信する、請求項１記載のコンテンツを送信する方法。
  20. 前記態度値は、価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報の２つ以上に少なくとも部分的に基づいて決定される、請求項１記載のコンテンツを送信する方法。
  21. 前記態度値は、価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報の３つ以上に少なくとも部分的に基づいて決定される、請求項１記載のコンテンツを送信する方法。
  22. 前記参加視聴者コンピュータは複数の態度値に関連する、請求項２１記載のコンテンツを送信する方法。
  23. 前記複数の態度値の１つは価値志向情報から決定する、請求項２２記載のコンテンツを送信する方法。
  24. コンピュータネットワークにより前記参加または不参加の視聴者コンピュータの１つに前記コンテンツを送信するステップは、所定の期間中に前記ウエブサイトを訪問した参加視聴者コンピュータに関連する人口学的情報に部分的に依存する、請求項１記載のコンテンツを送信する方法。
  25. 前記ウエブサイトのＱＶＩ値に基づいて前記コンテンツを前記ウエブサイトに提供するステップは、前記所定の期間中に前記ウエブサイトを訪問した不参加視聴者コンピュータに関連する人口学的情報に部分的に依存する、請求項２４記載のコンテンツを送信する方法。
  26. 前記ウエブサイト訪問情報は少なくとも複数のセッション期間に関係する、請求項１記載のコンテンツを送信する方法。
  27. 前記複数のセッション期間は３０日以上の期間を含む、請求項２６記載のコンテンツを送信する方法。
  28. 前記調査回答情報を前記参加視聴者コンピュータから受信してから３０日以上後に、追加の調査回答情報を追加の参加視聴者コンピュータから受信するステップと、
    前記追加の参加視聴者コンピュータから前記コンピュータネットワークにより送信される前記追加の調査回答情報を中央のデータベースで受信するステップと、
    前記調査回答情報および前記追加の調査回答情報に基づいて前記参加および追加の参加視聴者コンピュータ毎の態度値を決定するステップと、
    を更に含む、請求項１記載のコンテンツを送信する方法。
  29. ウエブサイトに表示するコンテンツを決定する方法であって、
    参加視聴者コンピュータからコンピュータネットワークにより送信される調査回答情報を中央データベースに対応したコンピュータで受信するステップと、
    前記参加視聴者コンピュータのウエブサイト訪問情報を前記コンピュータで受信するステップと、
    （１）参加視聴者および（２）調査回答情報を送信してこない不参加視聴者に関連する人口学的情報を前記コンピュータで受信するステップと、
    前記調査回答情報からの価値志向情報、購入カテゴリ情報、購入志向情報、購入関心情報、ブランド属性情報、買物関心情報、および企業関与情報から成るグループから選択される情報を前記コンピュータで決定するステップと、
    前記価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報の１つ以上に少なくとも部分的に基づいて前記参加視聴者毎の態度値を前記コンピュータで決定するステップと、
    前記ウエブサイト訪問情報および態度値からウエブサイトの品質訪問インデックス（ＱＶＩ）値を前記コンピュータで決定するステップと、ここで、前記態度値は前記参加視聴者コンピュータが目標態度値グループか、対立態度値グループか、あるいは目標態度値グループ、対立態度値グループのいずれでもないかを示すものであり、
    前記ウエブサイトのＱＶＩ値に基づいてコンテンツを表示するためのウエブサイトを前記コンピュータで選択するステップと、
    前記ウエブサイトにコンテンツを前記コンピュータからの指示に応答して提供するステップと、
    を含むコンテンツを決定する方法。
  30. 前記ＱＶＩ値は、目標グループリーチインデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）インデックス、ユニークビジタあたりのページインデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから成るグループから選択された値に基づく、請求項２９記載のコンテンツを決定する方法。
  31. 前記ＱＶＩ値は、目標グループリーチインデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）インデックス、ユニークビジタあたりのページインデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから成るグループの２つ以上から選択された値に基づく、請求項２９記載のコンテンツを決定する方法。
  32. 前記ＱＶＩ値は、目標グループリーチインデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）0.インデックス、ユニークビジタあたりのページインデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから成るグループの３つ以上から選択された値に基づく、請求項２９記載のコンテンツを決定する方法。
  33. 前記ＱＶＩ値は、目標グループリーチインデックス、対立グループリーチインデックス、ネット・サポート・スコア、ユニークビジタあたりの時間の長さ（分）インデックス、広告クラッタインデックス、過去のパフォーマンスインデックス、ページあたりの時間の長さ（分）インデックス、およびページあたりの広告インデックスから選択された値に基づく、請求項２９記載のコンテンツを決定する方法。
  34. 前記参加視聴者コンピュータまたは不参加の視聴者コンピュータの１つに接続するディスプレイに前記コンテンツを表示するステップを更に含む、請求項２９記載のコンテンツを決定する方法。
  35. 前記ＱＶＩ値は、（１）選択された期間中に前記ウエブサイトを訪問した、選択された態度値に関連する参加視聴者コンピュータの百分率と、（２）前記選択された期間中に前記ウエブサイトを訪問した参加視聴者コンピュータの百分率との、コンピュータによる比較から少なくとも部分的に決定される、請求項２９記載のコンテンツを決定する方法。
  36. 選択された期間中に前記ウエブサイトを訪問した、選択された態度値に関連する参加視聴者コンピュータの前記百分率は、（１）前記選択された期間中に前記ウエブサイトを訪問した、前記選択された態度値に関連する参加視聴者コンピュータの数と、（２）前記選択された態度値に関連する参加視聴者コンピュータの数との、コンピュータによる比較に基づいて決定される、請求項３５記載のコンテンツを決定する方法。
  37. 前記中央データベース内で、前記態度値、前記調査回答情報、前記ウエブサイト訪問情報、および人口学的情報を参加視聴者毎の匿名識別子に関連付けるステップを更に含む、請求項２９記載のコンテンツを決定する方法。
  38. ＱＶＩ値を決定する前記ステップは、前記参加視聴者コンピュータのウエブサイト訪問情報を、前記参加視聴者コンピュータおよび前記不参加視聴者に関連する人口学的情報に基づく係数で重みを付けるステップを含む、請求項２９記載のコンテンツを決定する方法。
  39. ＱＶＩ値を決定する前記ステップは、前記参加視聴者コンピュータのウエブサイト訪問情報に、ウエブサイト訪問情報を受ける期間に基づく係数で重みを付けるステップを含む、請求項２９記載のコンテンツを決定する方法。
  40. ＱＶＩ値を決定する前記ステップは、前記参加視聴者コンピュータのウエブサイト訪問情報に、前記調査回答情報の受信と前記ＱＶＩ値の決定との間の時間の量に基づく係数で重みを付けるステップを含む、請求項２９記載のコンテンツを決定する方法。
  41. 前記ＱＶＩ値を決定するステップは、
    前記参加視聴者コンピュータに関連する態度値に基づいて前記ウエブサイトのネット・サポート・スコアを決定することと、
    前記ウエブサイトのネット・サポート・スコアを他のウエブサイトのネット・サポート・スコアに対してランク付けすること、
    とを含む、請求項２９記載のコンテンツを決定する方法。
  42. 前記ＱＶＩ値を決定するステップは、
    所定の期間中に前記ウエブサイトを訪問した参加視聴者コンピュータのしきい値数を決定すること、
    を更に含む、請求項４１記載のコンテンツを決定する方法。
  43. 前記ＱＶＩ値を決定するステップは、
    所定の期間中に前記ウエブサイトを訪問した、前記選択された態度値に関連する参加視聴者コンピュータのしきい値数を決定すること、
    を更に含む、請求項４１記載のコンテンツを決定する方法。
  44. 前記ウエブサイト訪問情報は、ウエブサイトＵＲＬ情報、ウエブサイトページ訪問情報、セッション情報、オンライン購入情報、探索期間情報、訪問時間情報、訪問期間情報、および訪問日時情報を含む、請求項２９記載のコンテンツを決定する方法。
  45. 前記ウエブサイト訪問情報は、ページの長さ、或るページの広告の数、或るページの広告の位置、および或るページの広告の大きさ、の情報の１つ以上に基づくページクラッタ情報を含む、請求項２９記載のコンテンツを決定する方法。
  46. 前記態度値は、価値志向情報、購入カテゴリ情報、購入志向情報、ブランド属性情報、購入関心情報、買物関心情報、および企業関与情報の２つ以上に少なくとも部分的に基づいて決定される、請求項２９記載のコンテンツを決定する方法。
  47. 前記調査回答情報を前記参加視聴者コンピュータから受信してから３０日以上後に、追加の調査回答情報を追加の参加視聴者コンピュータから受信するステップと、
    前記追加の参加視聴者コンピュータから前記コンピュータネットワークにより送信される前記追加の調査回答情報を中央のデータベースで受信するステップと、
    前記調査回答情報および前記追加の調査回答情報に基づいて前記参加および追加の参加視聴者コンピュータ毎の態度値を決定するステップと、
    を更に含む、請求項２９記載のコンテンツを決定する方法。
JP2012545973A 2009-12-22 2010-11-22 製品およびブランドを販売促進するために対象となるコンテンツをウエブサイト訪問者に配信する方法および装置 Active JP5642196B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US12/644,892 2009-12-22
US12/644,892 US10475047B2 (en) 2009-08-28 2009-12-22 Method and apparatus for delivering targeted content to website visitors
US12/942,469 US20110119278A1 (en) 2009-08-28 2010-11-09 Method and apparatus for delivering targeted content to website visitors to promote products and brands
US12/942,469 2010-11-09
PCT/US2010/057639 WO2011078932A1 (en) 2009-12-22 2010-11-22 Method and apparatus for delivering targeted content to website visitors to promote products and brands

Publications (3)

Publication Number Publication Date
JP2013515322A JP2013515322A (ja) 2013-05-02
JP2013515322A5 JP2013515322A5 (ja) 2013-12-12
JP5642196B2 true JP5642196B2 (ja) 2014-12-17

Family

ID=44196092

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012545973A Active JP5642196B2 (ja) 2009-12-22 2010-11-22 製品およびブランドを販売促進するために対象となるコンテンツをウエブサイト訪問者に配信する方法および装置

Country Status (6)

Country Link
US (1) US20110119278A1 (ja)
EP (1) EP2517164A4 (ja)
JP (1) JP5642196B2 (ja)
CN (2) CN108280679A (ja)
BR (1) BR112012015614A2 (ja)
WO (1) WO2011078932A1 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140278782A1 (en) * 2013-03-14 2014-09-18 Yume, Inc. System and Method for Statistically Determining Bias in Online Survey Results
US9898753B2 (en) 2007-09-27 2018-02-20 Excalibur Ip, Llc Methods for cross-market brand advertising, content metric analysis, and placement recommendations
US20120192214A1 (en) * 2009-12-22 2012-07-26 Resonate Networks Method and apparatus for delivering targeted content to television viewers
US10475047B2 (en) * 2009-08-28 2019-11-12 Resonate Networks, Inc. Method and apparatus for delivering targeted content to website visitors
US20120191815A1 (en) * 2009-12-22 2012-07-26 Resonate Networks Method and apparatus for delivering targeted content
US20130046613A1 (en) * 2011-08-19 2013-02-21 Yahoo! Inc. Optimizing targeting effectiveness based on survey responses
US20130066724A1 (en) * 2011-09-14 2013-03-14 Collective, Inc. System and Method for Targeting Advertisements
US20140278921A1 (en) * 2013-03-14 2014-09-18 Yume, Inc. Method and System for Determining Changes in Brand Awareness after Exposure to On-line Advertisements
CN112967068A (zh) * 2013-03-15 2021-06-15 布莱恩·麦克法登 用于控制和优化信息交换中的用户之间信息分布的系统
US10832289B2 (en) * 2013-06-14 2020-11-10 Oath Inc. Systems and methods for providing and using an internet sentiment index
CN114564511A (zh) * 2014-03-13 2022-05-31 尼尔森（美国）有限公司 针对错误认定误差补偿媒体的印象的方法和装置
CN104835090A (zh) * 2015-05-22 2015-08-12 深圳市城市规划设计研究院有限公司 一种城市知识教育普及方法
CN105205098B (zh) * 2015-08-18 2018-11-20 北京金山安全软件有限公司 一种点击到达率ctr的确定方法及装置
US20220091873A1 (en) * 2020-09-24 2022-03-24 Google Llc Systems and methods for cross media reporting by fast merging of data sources

Family Cites Families (102)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5446919A (en) * 1990-02-20 1995-08-29 Wilkins; Jeff K. Communication system and method with demographically or psychographically defined audiences
US6463585B1 (en) * 1992-12-09 2002-10-08 Discovery Communications, Inc. Targeted advertisement using television delivery systems
AUPM813394A0 (en) * 1994-09-14 1994-10-06 Dolphin Software Pty Ltd A method and apparatus for preparation of a database document in a local processing apparatus and loading of the database document with data from remote sources
US5823879A (en) * 1996-01-19 1998-10-20 Sheldon F. Goldberg Network gaming system
US6014638A (en) * 1996-05-29 2000-01-11 America Online, Inc. System for customizing computer displays in accordance with user preferences
EP0965192B1 (en) * 1997-01-06 2007-02-28 Bellsouth Intellectual Property Corporation Method and system for tracking network use
US6128663A (en) * 1997-02-11 2000-10-03 Invention Depot, Inc. Method and apparatus for customization of information content provided to a requestor over a network using demographic information yet the user remains anonymous to the server
US7194424B2 (en) * 1997-06-25 2007-03-20 Intel Corporation User demographic profile driven advertising targeting
US7240022B1 (en) * 1998-05-19 2007-07-03 Mypoints.Com Inc. Demographic information gathering and incentive award system and method
WO2000008573A1 (en) * 1998-08-04 2000-02-17 Rulespace, Inc. Method and system for deriving computer users' personal interests
US6868389B1 (en) * 1999-01-19 2005-03-15 Jeffrey K. Wilkins Internet-enabled lead generation
US6036601A (en) * 1999-02-24 2000-03-14 Adaboy, Inc. Method for advertising over a computer network utilizing virtual environments of games
US7158959B1 (en) * 1999-07-03 2007-01-02 Microsoft Corporation Automated web-based targeted advertising with quotas
US7010497B1 (en) * 1999-07-08 2006-03-07 Dynamiclogic, Inc. System and method for evaluating and/or monitoring effectiveness of on-line advertising
WO2001022261A2 (en) * 1999-09-21 2001-03-29 Kim Peter H I Method and apparatus for delivery of targeted advertising and content based on user interaction with online queries on a wide area network
US7424439B1 (en) * 1999-09-22 2008-09-09 Microsoft Corporation Data mining for managing marketing resources
US7062510B1 (en) * 1999-12-02 2006-06-13 Prime Research Alliance E., Inc. Consumer profiling and advertisement selection system
US20030036949A1 (en) * 1999-12-10 2003-02-20 Karim Kaddeche Method and system for targeting internet advertisements and messages by geographic location
WO2001046891A1 (en) * 1999-12-23 2001-06-28 Intellistrategies, Inc. Automated generation of survey questionnaire by prior response analysis
US7006979B1 (en) * 1999-12-29 2006-02-28 General Electric Capital Corporation Methods and systems for creating models for marketing campaigns
US6757707B1 (en) * 2000-02-01 2004-06-29 America Online, Inc. Displayed complementary content sources in a web-based TV system
WO2001058132A2 (en) * 2000-02-02 2001-08-09 Worldgate Service, Inc. System and method for transmitting and displaying targeted information
US20020026359A1 (en) * 2000-02-22 2002-02-28 Long Kenneth W. Targeted advertising method and system
WO2001074043A1 (en) * 2000-03-24 2001-10-04 Telcordia Technologies, Inc. Digital subscriber line network deployment method
US20020022996A1 (en) * 2000-03-31 2002-02-21 Sanborn David W. Method for advertising via the internet
US7996264B2 (en) * 2000-05-15 2011-08-09 Avatizing, Llc System and method for consumer-selected advertising and branding in interactive media
US8010400B2 (en) * 2000-07-06 2011-08-30 Protigen, Inc. System and method for using psychological significance pattern information for matching with target information
US20020019774A1 (en) * 2000-08-02 2002-02-14 Kanter Andrew S. Internet advertising
US7337127B1 (en) * 2000-08-24 2008-02-26 Facecake Marketing Technologies, Inc. Targeted marketing system and method
US7043531B1 (en) * 2000-10-04 2006-05-09 Inetprofit, Inc. Web-based customer lead generator system with pre-emptive profiling
US20020099605A1 (en) * 2000-10-06 2002-07-25 Searchcactus, Llc Search engine with demographic-based advertising
US20030036944A1 (en) * 2000-10-11 2003-02-20 Lesandrini Jay William Extensible business method with advertisement research as an example
US20020116258A1 (en) * 2000-12-06 2002-08-22 George Stamatelatos Method for selecting and directing internet communications
US7406434B1 (en) * 2000-12-15 2008-07-29 Carl Meyer System and method for improving the performance of electronic media advertising campaigns through multi-attribute analysis and optimization
ES2261527T3 (es) * 2001-01-09 2006-11-16 Metabyte Networks, Inc. Sistema, procedimiento y aplicacion de software para publicidad dirigida mediante una agrupacion de modelos de comportamiento, y preferencias de programacion basadas en grupos de modelos de comportamiento.
US20020095332A1 (en) * 2001-01-16 2002-07-18 Doherty Timothy K. Internet advertisement system and method
US7065550B2 (en) * 2001-02-14 2006-06-20 International Business Machines Corporation Information provision over a network based on a user's profile
US20020138333A1 (en) * 2001-03-22 2002-09-26 Decotiis Allen R. System, method and article of manufacture for a weighted model to conduct propensity studies
AU2002320087A1 (en) * 2001-06-14 2003-01-02 Dizpersion Group, L.L.C. Method and system for providing network based target advertising
US8538803B2 (en) * 2001-06-14 2013-09-17 Frank C. Nicholas Method and system for providing network based target advertising and encapsulation
WO2003005169A2 (en) * 2001-07-06 2003-01-16 Clickfox, Llc System and method for analyzing system visitor activities
US7822843B2 (en) * 2001-08-13 2010-10-26 Cox Communications, Inc. Predicting the activities of an individual or group using minimal information
US20030041156A1 (en) * 2001-08-21 2003-02-27 International Business Machines Corporation Method, system, and product for embedding demographic information in network packets
US20030074252A1 (en) * 2001-10-12 2003-04-17 Avenue A, Inc. System and method for determining internet advertising strategy
US20030154126A1 (en) * 2002-02-11 2003-08-14 Gehlot Narayan L. System and method for identifying and offering advertising over the internet according to a generated recipient profile
US20040133480A1 (en) * 2002-09-26 2004-07-08 Domes Ronald J. Targeted promotional method & system
US20040122735A1 (en) * 2002-10-09 2004-06-24 Bang Technologies, Llc System, method and apparatus for an integrated marketing vehicle platform
US20040088218A1 (en) * 2002-11-04 2004-05-06 Abraham Daniel M. Coupon discounts redemption/cash back program
US7769623B2 (en) * 2002-12-17 2010-08-03 International Business Machines Corporation Method and system for conducting online marketing research in a controlled manner
US8464290B2 (en) * 2003-08-01 2013-06-11 Tacoda, Inc. Network for matching an audience with deliverable content
US20090132347A1 (en) * 2003-08-12 2009-05-21 Russell Wayne Anderson Systems And Methods For Aggregating And Utilizing Retail Transaction Records At The Customer Level
US20050120045A1 (en) * 2003-11-20 2005-06-02 Kevin Klawon Process for determining recording, and utilizing characteristics of website users
FR2867584B1 (fr) * 2004-03-10 2006-06-09 Weborama Procede de determination d'un profil d'un utilisateur d'un reseau de communication
CN1677407A (zh) * 2004-03-29 2005-10-05 北京时代之声科技有限公司 销售过程量化管理系统
US8688590B2 (en) * 2004-10-14 2014-04-01 Google Inc. System and method to strengthen advertiser and consumer affinity
US20060127869A1 (en) * 2004-12-15 2006-06-15 Hotchalk, Inc. Advertising subsystem for the educational software market
US7788132B2 (en) * 2005-06-29 2010-08-31 Google, Inc. Reviewing the suitability of Websites for participation in an advertising network
US20090030801A1 (en) * 2005-11-07 2009-01-29 Anthony Meggs Permissive search intent registry
WO2007056451A2 (en) * 2005-11-07 2007-05-18 Scanscout, Inc. Techniques for rendering advertisments with rich media
US7533084B2 (en) * 2005-11-15 2009-05-12 International Business Machines Corporation Monitoring user specific information on websites
US7565157B1 (en) * 2005-11-18 2009-07-21 A9.Com, Inc. System and method for providing search results based on location
US8616434B2 (en) * 2006-02-28 2013-12-31 Wilopen Products, Lc Multi-component forms
US20090119173A1 (en) * 2006-02-28 2009-05-07 Buzzlogic, Inc. System and Method For Advertisement Targeting of Conversations in Social Media
US8661031B2 (en) * 2006-06-23 2014-02-25 Rohit Chandra Method and apparatus for determining the significance and relevance of a web page, or a portion thereof
US20080082396A1 (en) * 2006-08-17 2008-04-03 O'connor Joseph J Consumer Marketing System and Method
US20080059308A1 (en) * 2006-09-02 2008-03-06 David Gerken Methods and apparatus for using poll results to target and/or select advertisements
US20100004977A1 (en) * 2006-09-05 2010-01-07 Innerscope Research Llc Method and System For Measuring User Experience For Interactive Activities
US20080082397A1 (en) * 2006-09-20 2008-04-03 Move, Inc. Vendor selection based on auction of client marketing categories
US20080091516A1 (en) * 2006-10-17 2008-04-17 Giovanni Giunta Response monitoring system for an advertising campaign
US20080195462A1 (en) * 2006-10-24 2008-08-14 Swooge, Llc Method And System For Collecting And Correlating Data From Information Sources To Deliver More Relevant And Effective Advertising
WO2008055172A2 (en) * 2006-10-30 2008-05-08 Maxlinear, Inc. Targeted advertisement in the digital television environment
US8640162B2 (en) * 2006-11-14 2014-01-28 At&T Intellectual Property I, Lp System and method for distributing advertisements in an internet protocol television system
US7647283B2 (en) * 2006-12-31 2010-01-12 Ektimisi Semiotics Holdings, Llc Method, system, and computer program product for adaptively learning user preferences for smart services
US20080172243A1 (en) * 2007-01-11 2008-07-17 Kelly Michael J System and method for providing targeted, interactive, multimedia content for entertaining, advertising, and promotional purposes
US8213426B2 (en) * 2007-01-30 2012-07-03 At&T Ip I, Lp Method and system for multicasting targeted advertising data
US20080189169A1 (en) * 2007-02-01 2008-08-07 Enliven Marketing Technologies Corporation System and method for implementing advertising in an online social network
US7845233B2 (en) * 2007-02-02 2010-12-07 Seagrave Charles G Sound sensor array with optical outputs
US7861260B2 (en) * 2007-04-17 2010-12-28 Almondnet, Inc. Targeted television advertisements based on online behavior
US8200663B2 (en) * 2007-04-25 2012-06-12 Chacha Search, Inc. Method and system for improvement of relevance of search results
US20080306830A1 (en) * 2007-06-07 2008-12-11 Cliquality, Llc System for rating quality of online visitors
US8010527B2 (en) * 2007-06-29 2011-08-30 Fuji Xerox Co., Ltd. System and method for recommending information resources to user based on history of user's online activity
KR100910518B1 (ko) * 2007-08-28 2009-07-31 엔에이치엔비즈니스플랫폼 주식회사 품질지수를 보정하고, 보정된 품질지수를 이용하여 광고를제공하는 방법 및 시스템
US8825802B2 (en) * 2007-09-04 2014-09-02 Sony Computer Entertainment America Llc System and method for identifying compatible users
US20090063250A1 (en) * 2007-09-04 2009-03-05 Burgess David A Controlled Targeted Experimentation
US20090063268A1 (en) * 2007-09-04 2009-03-05 Burgess David A Targeting Using Historical Data
US20090125399A1 (en) * 2007-10-02 2009-05-14 6Dgr, Inc. System for targeting advertising to users of a network
US20090094096A1 (en) * 2007-10-09 2009-04-09 Yahoo! Inc. Interactive advertisement framework
US20090119172A1 (en) * 2007-11-02 2009-05-07 Soloff David L Advertising Futures Marketplace Methods and Systems
US20090132342A1 (en) * 2007-11-20 2009-05-21 Theresa Klinger Method and System for Linking eProcurement to Virtual Communities
US10210533B2 (en) * 2007-11-20 2019-02-19 Redgage Llc Revenue sharing system that optimizes ad revenue with preformatted page generator and preview distribution system
US20090138329A1 (en) * 2007-11-26 2009-05-28 William Paul Wanker Application of query weights input to an electronic commerce information system to target advertising
US20090157507A1 (en) * 2007-12-17 2009-06-18 Slingpage, Inc. System and method to monetize the referral of web pages
US20090171763A1 (en) * 2007-12-31 2009-07-02 Yahoo! Inc. System and method for online advertising driven by predicting user interest
US8499247B2 (en) * 2008-02-26 2013-07-30 Livingsocial, Inc. Ranking interactions between users on the internet
US10163113B2 (en) * 2008-05-27 2018-12-25 Qualcomm Incorporated Methods and apparatus for generating user profile based on periodic location fixes
US20100076847A1 (en) * 2008-07-17 2010-03-25 Robert Heller Internet Marketing Method
US20100030648A1 (en) * 2008-08-01 2010-02-04 Microsoft Corporation Social media driven advertisement targeting
ES2744551T3 (es) * 2008-08-21 2020-02-25 Uniloc 2017 Llc Motor, sistema y método de contenido, tráfico y publicidad
US20100161385A1 (en) * 2008-12-19 2010-06-24 Nxn Tech, Llc Method and System for Content Based Demographics Prediction for Websites
US20110004504A1 (en) * 2009-07-01 2011-01-06 Edward Ives Systems and methods for scoring a plurality of web pages according to brand reputation
US20110010243A1 (en) * 2009-07-10 2011-01-13 Microsoft Corporation User control of advertising content
US10475047B2 (en) * 2009-08-28 2019-11-12 Resonate Networks, Inc. Method and apparatus for delivering targeted content to website visitors

Also Published As

Publication number Publication date
JP2013515322A (ja) 2013-05-02
EP2517164A1 (en) 2012-10-31
BR112012015614A2 (pt) 2017-05-02
EP2517164A4 (en) 2014-10-15
CN108280679A (zh) 2018-07-13
WO2011078932A1 (en) 2011-06-30
US20110119278A1 (en) 2011-05-19
CN102667843A (zh) 2012-09-12

Similar Documents

Publication Publication Date Title
JP5642196B2 (ja) 製品およびブランドを販売促進するために対象となるコンテンツをウエブサイト訪問者に配信する方法および装置
JP2014523216A (ja) 対象となるコンテンツをテレビジョン視聴者に配信する方法および装置
JP6062935B2 (ja) ターゲットを絞ったコンテンツを配信する方法及び装置
Eisend A meta-analysis of gender roles in advertising
US20090292587A1 (en) Cross-media interactivity metrics
JP5479595B2 (ja) ウェブサイトビジターにターゲットを絞ったコンテンツを配信する方法および装置
WO2006058274A2 (en) Systems and processes for use in media and/or market research
US20200410511A1 (en) Method and apparatus for delivering targeted content to website visitors to promote products and brands
EP4290892A2 (en) Methods, platforms and systems for paying persons for use of their personal intelligence profile data
Salvation et al. The role of social media marketing and product involvement on consumers' purchase intentions of smartphones
Tarigan et al. Influence Of Celebrity Endorser And Brand Image On Purchase Decision Of Erigo Products:(Study on Erigo consumers in Medan City)
Park et al. Power of earned advertising on social network services: A case study of friend tagging on Facebook
Everett Para-social Purchasing: The Power of YouTube Influencers on Their Audience
Al-Hajri et al. Social Media Attitude as a Predictor of Social Media Advertisement Engagement
GHAR Assessing the Impact of Internet Advertising on Consumer Behaviour
Koski The impact of culture on the decision-making process of Nigerians vs Finns
Ayogu et al. Influence of Internet Advertising Features on Online Shopping Habits Among Undergraduate Students in South-East Nigerian Universities
Nyange The Impacts of Digital Marketing on Brand Awareness: Consumers Perspectives on Sportswear Industry.
Mbiti Influence of internet advertising on purchase of mobile phones among university of Nairobi students
Aday Identifying the benefits and risks associated with flash sale websites and their potential implications for return customers
Pashupati et al. Advertising practitioner perceptions of HDTV advertising: A diffusion of innovations perspective
Stach Political Advertising on Social Media: The Impact on Young People’s Political Behavior and Attitudes
Van der Linde The impact of complimentary advertising strategies on sponsored search advertisement
Kivioja Efficiency of International Degree Programmes' Marketing
Babiera et al. THE INFLUENCE OF YOUTUBE ADVERTISEMENT ON BUYING PREFERENCES OF BSBA STUDENTS IN SLSU

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20131022

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20131022

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20140227

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140307

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140609

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140616

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140707

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140714

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140807

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140814

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140905

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: 20140930

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20141028

R150 Certificate of patent or registration of utility model

Ref document number: 5642196

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

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