JP5872435B2 - リコメンデーション生成システム、装置、及び方法 - Google Patents

リコメンデーション生成システム、装置、及び方法 Download PDF

Info

Publication number
JP5872435B2
JP5872435B2 JP2012224336A JP2012224336A JP5872435B2 JP 5872435 B2 JP5872435 B2 JP 5872435B2 JP 2012224336 A JP2012224336 A JP 2012224336A JP 2012224336 A JP2012224336 A JP 2012224336A JP 5872435 B2 JP5872435 B2 JP 5872435B2
Authority
JP
Japan
Prior art keywords
recommendation
module
recommendations
user
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2012224336A
Other languages
English (en)
Other versions
JP2013058213A (ja
JP2013058213A5 (ja
Inventor
ヒュー・オドノーグ
シーン・コリガン
シェイン・クロウィー
アンドリュー・ペガム
カート・デイビッド・リリーホワイト
Original Assignee
キシアム・テクノロジーズ・リミテッド
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 キシアム・テクノロジーズ・リミテッド filed Critical キシアム・テクノロジーズ・リミテッド
Publication of JP2013058213A publication Critical patent/JP2013058213A/ja
Publication of JP2013058213A5 publication Critical patent/JP2013058213A5/ja
Application granted granted Critical
Publication of JP5872435B2 publication Critical patent/JP5872435B2/ja
Expired - Fee Related 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M7/00—Arrangements for interconnection between switching centres
    • H04M7/0024—Services and arrangements where telephone services are combined with data services
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2203/00—Aspects of automatic or semi-automatic exchanges
    • H04M2203/65—Aspects of automatic or semi-automatic exchanges related to applications where calls are combined with other types of communication
    • H04M2203/655—Combination of telephone service and social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Description

３５Ｕ．Ｓ．Ｃ．§１１９に基づく優先権の主張
本特許出願は、“RECOMMENDATION GENERATION SYSTEMS, APPARATUS, AND METHODS”（リコメンデーション生成システム、装置、及び方法）という題名を有し、ここの譲受人に譲渡され、ここにおいて参照されることによって明示でここに組み入れられている仮特許出願番号６０／９９７，５７０（出願日：２００７年１０月４日）に対する優先権を主張するものである。
本開示は、モバイル動作環境に関するものである。本開示は、より具体的には、モバイルデバイスキャリアのユーザへのリコメンデーション（ｒｅｃｏｍｍｅｎｄａｔｉｏｎ）を生成する改良された方法を提供することに関するものである。
今日の遠距離通信産業においてはモバイルオペレータ又はモバイルデバイスキャリアが主要な役割を果たしている。当初は、該モバイルオペレータは、加入者基盤を拡大することによって収入を生み出すことに注力していた。しかしながら、現在では、幾つかの諸国においては、市場がほぼ飽和点に達しているため加入者基盤を拡大する範囲が非常に限定的になっていることが理解されるであろう。その結果、モバイルオペレータは、各自の収入を増大させることを目的として加入者に対して付加価値を提供することに拡大してきている。
増大した収入を生み出す１つの手段は、着信音、壁紙、ジャバゲーム等のプレミアムサービスをユーザに販売することである。これらのサービスは、モバイルオペレータ自身によって、又は該サービスを提供するためにモバイルオペレータと共同で事業を営む事業主体によって提供することができる。これらのサービスは、料金の支払いに応じてユーザのモバイルデバイスにダウンロードできるようにすることが可能である。
潜在的売上高の最大化、等の多くの利益は、ユーザにとって最も興味があると思われるコンテンツ又はサービスをこれらのユーザに推奨及び販売促進することに基づいて発生する。
以下は、１つ以上の側面についての基本的な理解を可能にすることを目的としてこれらの側面の単純化された概要を示すものである。この発明の概要は、すべての企図される側面を広範囲にわたって概説したものではなく、さらに全側面の主要な又は極めて重要な要素を特定すること及びいずれかの又はすべての側面の適用範囲を詳細に説明することのいずれも意図されていない。以下の説明の唯一の目的は、後述される発明を実施するための形態の準備段階として１つ以上の側面の幾つかの概念を単純な形で提示することである
上記の目的及び関連する目的を完遂させるために、前記１つ以上の側面は、以下において説明され、請求項において特に強調される特徴を備える。以下の説明及び添付図面は、前記１つ以上の側面のうちの一定の例示的側面を詳述するものである。しかしながら、これらの側面は、様々な側面の原理を採用することができる様々な方法のうちのほんのわずかを示すにすぎず、前記説明される側面は、これらのすべての側面及びその同等の側面を含むことが意図される。
一側面において、モバイルデバイスのユーザのためのリコメンデーションを生成するための方法が提供され、前記ユーザは、サービスプロバイダと関連づけられる。リコメンデーションの要求が受信される。前記ユーザと関連づけられたデータ及び前記ユーザが入手可能なコンテンツに関するデータが前記サービスプロバイダから取り出される。前記取り出されたユーザデータの分析に基づいてリコメンデーションリストが生成され、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される。
他の側面においては、命令を有するコンピュータによって読み取り可能な記憶媒体を有するコンピュータプログラム製品が提供される。少なくとも１つの命令は、リコメンデーションの要求を入手することをコンピュータに行わせる。少なくとも１つの命令は、前記ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータを前記サービスプロバイダから取り出すことをコンピュータに行わせる。少なくとも１つの命令は、前記取り出されたデータの分析に基づいてリコメンデーションリストを生成することをコンピュータに行わせ、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される。
追加の側面においては、モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムが提供され、前記ユーザは、サービスプロバイダと関連づけられる。リコメンデーションの要求を入手するための手段が提供される。前記ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータを前記サービスプロバイダから取り出すための手段が提供される。前記取り出されたデータの分析に基づいてリコメンデーションリストを生成するための手段が提供され、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される。
他の追加の側面においては、モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムが提供され、前記ユーザは、サービスプロバイダと関連づけられる。プロフィールモジュールは、前記ユーザと関連づけられたデータを格納及び処理する。カタログモジュールは、前記ユーザが入手可能なコンテンツを格納及び処理する。決定モジュールは、前記プロフィールモジュール及び前記カタログモジュールと通信し、前記プロフィールモジュール及びカタログモジュールから取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成し、前記リコメンデーションは、複数の個々のリコメンダモジュールによって生成される。
さらなる側面においては、方法は、モバイルデバイスのユーザのための販売促進物（ｐｒｏｍｏｔｉｏｎｓ）を生成することを提供する。対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスされる。前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションが生成され及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成する。フィルタリング制限を適用することによって部分組のリコメンデーションが選択される。前記部分組のリコメンデーションは、前記複数のモバイルデバイスの少なくとも１つの部分組に送信される。
他のさらなる側面においては、少なくとも１つのプロセッサが、モバイルデバイスのユーザのための販売促進物を生成する。第１のモジュールは、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスする。第２のモジュールは、前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成する。第３のモジュールは、フィルタリング制限を適用することによって部分組のリコメンデーションを選択する。第４のモジュールは、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信する。
さらなる追加の側面においては、コンピュータプログラム製品は、モバイルデバイスのユーザのための販売促進物を生成する。コンピュータによって読み取り可能な記憶媒体は、命令を備える。前記コンピュータによって読み取り可能な記憶媒体は、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスすることをコンピュータに行わせるための少なくとも１つの命令を含む。前記コンピュータによって読み取り可能な記憶媒体は、前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成すること及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成することを前記コンピュータに行わせるための少なくとも１つの命令をさらに含む。前記コンピュータによって読み取り可能な記憶媒体には、フィルタリング制限を適用することによって部分組のリコメンデーションを選択することを前記コンピュータに行わせるための少なくとも１つの命令がさらに含まれる。前記コンピュータによって読み取り可能な記憶媒体は、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信することを前記コンピュータに行わせるための少なくとも１つの命令をさらに含む。
さらに他の追加の側面においては、装置は、モバイルデバイスのユーザのための販売促進物を生成する。対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスするための手段が提供される。前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成するための及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成するための手段が提供される。フィルタリング制限を適用することによって部分組のリコメンデーションを選択するための手段が提供される。前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信するための手段が提供される。
さらなる側面においては、装置は、モバイルデバイスのユーザのための販売促進物を生成する。プロフィール格納用構成要素は、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データを含む。プロフィール及びリコメンデーションシステムは、アクセスされた属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、アクセスされた行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、フィルタリング制限を適用することによって部分組のリコメンデーションを選択する。ネットワーク通信モジュールは、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信する。
一側面による、移動通信ネットワークのプロファイリング及びリコメンデーションシステムのブロック図である。 一側面による、プロファイリング及び推奨する方法のタイミング図である。 一側面による、この開示のプロフィール及びリコメンデーションシステムを組み入れた無線通信システム例を示すブロック図である。 他の側面による、プロフィール及びリコメンデーションシステムとインタフェースするモバイルオペレータと関連づけられた構成要素のより詳細な図を示したプロフィール及びリコメンデーションシステムのブロック図である。 外部のネットワークエンティティと対話するプロファイリングのための方法に関するタイミング図である。 一側面による、プロファイリング及びリコメンデーションシステムによって生成されたカテゴリページと無線デバイスの例示的対話のための方法に関するタイミング図である。 一側面による、加入者の使用及び興味について詳細に理解することによってコンテンツのターゲットを正確に特定するための方法の流れ図である。 一側面による、カタログモジュールの主構成要素のブロック図を示す。 一側面による、プロフィールモジュールの主構成要素のブロック図を示す。 一側面による、決定モジュールにおけるリコメンデーション生成プロセスの４つの段階を示す略図及びリコメンデーションを生成するための方法の流れ図である。 さらに他の側面による、リコメンデーションを生成するための主動作を要約する方法の流れ図を示す。 さらに他の側面による、図１０の方法の副動作の方法の流れ図を示す。 さらに他の側面による、図１１の方法に関わる副動作の方法の流れ図を示す。 一側面による、リコメンダモジュールと決定コントローラとの間の関係のブロック図を示す。 一側面による、リコメンダ処理のための方法の流れ図を示す。 他の側面による、決定リコメンダにおける様々な機能呼び出しの略図例を示した図である。 一側面による、決定モジュールの主構成要素のブロック図を示す。 一側面による、ネットワークリコメンダの主構成要素のブロック図を示す。 一側面による、ネットワークリコメンデーションに関する流れ図を示す。 一側面による、決定モジュールが幾つかの異なる技法を用いてどのようにして性能要求を満たすかを示す略図である。 一側面による、販売促進モジュールの主構成要素のブロック図を示す。 他の側面による、販売促進モジュールによって実行される方法の流れ図を示す。 さらに他の側面による、図４のプロフィール及びリコメンデーションシステムのさらなるモジュールの詳細を示した図である。 一側面による、プロフィール及びリコメンデーションの方法の少なくとも一部を実行するための計算プラットフォームの流れ図を示す。 一側面による、プロフィール及びリコメンデーションの方法を実行するためのモジュールを有するネットワークデバイスを示した図である。
この開示の様々な側面が以下においてさらに説明される。ここにおける教示は非常に様々な形態で具現化できること及びここにおいて開示されるあらゆる特定の構造又は機能は単なる代表例であるにすぎないことが明確なはずである。ここにおける教示に基づき、当業者は、ここにおいて開示される側面はその他の側面と独立して実装できること及びこれらの側面のうちの２つ以上を様々な方法で結合できることを理解すべきである。例えば、ここにおいて説明される側面のうちのあらゆる数の側面を用いて装置を実装することができ又は方法を実践することができる。さらに、装置は、ここにおいて説明される側面のうちの１つ以上の側面に加えたその他の構造、機能、又は構造と機能又は前記側面以外の構造、機能、又は構造と機能を用いて実装することができ又は該方法を実践できる。一例として、ここにおいて説明される方法、デバイス、システム、装置の多くは、移動通信環境においてダイナミックモバイルクーポンを提供することに関して説明される。当業者は、その他の通信環境に対しても同様の技法を適用可能であることを理解すべきである。
この開示において用いられる“コンテンツ”という用語は、デバイス上で提供、処理、又は実行することができるあらゆるタイプのアプリケーション、マルチメディアファイル、画像ファイル、エクセキュータブル、プログラム、ウェブページ、スクリプト、ドキュメント、プレゼンテーション、メッセージ、データ、メタデータ、又はその他のあらゆるタイプのメディア又は情報について説明するために用いられる。
この開示において用いられる“構成要素”、“システム”、“モジュール”、等の用語は、ハードウェア、ソフトウェア、実行中のソフトウェア、ファームウェア、ミドルウェア、マイクロコード、又はその組み合わせ、のいずれであるかにかかわらず、コンピュータに関連するエンティティを指すことが意図される。例えば、構成要素は、限定されずに、プロセッサ上で実行中のプロセス、プロセッサ、オブジェクト、エクセキュータブル、実行スレッド、プログラム、又はコンピュータであることができる。プロセス又は実行スレッド内には１つ以上の構成要素が常駐することができ、構成要素は、１つのコンピュータ上に局在化する及び／又は２つ以上のコンピュータ間で分散させることができる。さらに、これらの構成要素は、様々なデータ構造が格納されている様々なコンピュータによって読み取り可能な媒体から実行可能である。これらの構成要素は、ローカル又は遠隔プロセスによって、例えば１つ以上のデータパケット（例えば、ローカルシステム又は分散型システム内の他の構成要素と対話中の又はインターネット等のネットワークを通じて信号を用いてその他のシステムと対話中の構成要素からのデータ）を有する信号に従って通信することができる。さらに、当業者によって理解されるように、ここにおいて説明されるシステムの構成要素は、それに関して説明される様々な側面、目標、利点、等を達成するのを容易にするために再配置すること又は追加の構成要素によって補完することができ、さらに、所定の図において示される精密な構成に限定されない。
さらに、ここにおいて開示される側面と関係させて説明される様々な例示的な論理、論理ブロック、モジュール、及び回路は、ここにおいて説明される機能を果たすように設計された汎用プロセッサ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、その他のプログラミング可能な論理デバイス、ディスクリートゲートロジック、ディスクリートトランジスタロジック、ディスクリートハードウェア構成要素、又はそのあらゆる適切な組合せ、とともに実装又は実行することが可能である。汎用プロセッサはマイクロプロセッサであることができるが、代替として、従来のどのようなプロセッサ、コントローラ、マイクロコントローラ、又はステートマシンであってもよい。プロセッサは、計算装置の組合せ、例えば、ＤＳＰと、１つのマイクロプロセッサとの組合せ、複数のマイクロプロセッサとの組合せ、ＤＳＰコアと関連する１つ以上のマイクロプロセッサとの組合せ、又はその他のあらゆる適切な構成との組合せ、として実装することも可能である。さらに、少なくとも１つのプロセッサは、ここにおいて説明される動作又は行動のうちの１つ以上を実行するために動作可能な１つ以上のモジュールを備えることが可能である。
さらに、ここにおいては、様々な側面がモバイルデバイスと関係させて説明される。モバイルデバイスは、システム、加入者ユニット、加入者局、移動局、モバイル、モバイルデバイス、セルラーデバイス、マルチモードデバイス、遠隔局、遠隔端末、アクセス端末、ユーザ端末、ユーザーエージェント、ユーザーデバイス、ユーザ装置、等と呼ぶことも可能である。加入者局は、携帯電話、コードレスフォン、セッション開始プロトコル（ＳＩＰ）フォン、ワイヤレスローカルループ（ＷＬＬ）局、パーソナルデジタルアシスタント（ＰＤＡ）、無線接続能力を有するハンドヘルドデバイス、又は無線モデム又は処理デバイスとの無線通信を容易にする同様の機構（ｍｅｃｈａｎｉｓｍ）に接続されたその他の処理デバイスであることができる。
さらに、ここにおいて説明される様々な側面又は特徴は、標準的なプログラミング又はエンジニアリング技法を用いて製造方法、製造装置、又は製造品として実装することができる。さらに、ここにおいて開示される側面と関係させて説明される方法又はアルゴリズムの動作又は行動は、直接ハードウェア内に、プロセッサによって実行されるソフトウェアモジュール内に、又はこれらの２つの組み合わせ内において具現化することが可能である。さらに、幾つかの側面においては、方法又はアルゴリズムの動作又は行動は、コンピュータプログラム製品内に組み入れることが可能な機械によって読み取り可能な媒体又はコンピュータによって読み取り可能な媒体上において符号又は命令の少なくとも１つの組として又は符号又は命令の組み合わせとして常駐可能である。さらに、ここにおいて用いられる“製造品”という表現は、コンピュータによって読み取り可能なデバイス、キャリヤ、又は媒体からアクセス可能なコンピュータプログラムを包含することが意図される。例えば、コンピュータによって読み取り可能な媒体は、限定されることなしに、磁気記憶装置（例えば、ハードディスク、フロッピー（登録商標）ディスク、磁気ストリップ）と、光学ディスク（例えば、コンパクトディスク（ＣＤ）、デジタルバーサタイルディスク（ＤＶＤ））と、スマートカードと、フラッシュメモリデバイス（例えば、カード、スティック、キードライブ）と、を含むことができる。さらに、ここにおいて説明される様々な記憶媒体は、情報を格納するための１つ以上のデバイス及び／又はその他の機械によって読み取り可能な媒体を表すことができる。“機械によって読み取り可能な媒体”という表現は、限定されることなしに、命令、又はデータを格納、内蔵、又は搬送することができる無線チャネル及び様々なその他の媒体を含むことができる。
上記に加えて、“典型的な”という表現は、ここでは、１つの例、事例、又は実例を意味するために用いられる。ここにおいて“典型的な”として説明されるいずれの側面又は設計も、その他の側面又は設計よりも好ましい又は有利であるとは必ずしも解釈すべきではない。むしろ、典型的という表現の使用は、概念を具体的に提示することが意図される。さらに、この出願及び添付される請求項において用いられる表現“又は”は、排他的“又は”ではなく包含的“又は”を意味することが意図される。すなわち、その他の規定がない限り、又は文脈から明らかでない限り、“Ｘは、Ａ又はＢを採用する”は、自然の包含的置換のうちのいずれかを意味することが意図される。すなわち、この例においては、ＸはＡを採用することが可能である、又はＸはＢを採用することが可能である、又はＸはＡ及びＢの両方を採用することが可能であり、従って、“Ｘは、Ａ又はＢを採用する”という文は、上記の事例のうちのいずれにおいても満たされる。さらに、この出願及び添付される請求項において用いられる冠詞“ａ”又は“ａｎ”は、概して、その他の規定がない限り又は単数形であることが示されることが文脈から明らかでない限り、“１つ以上”を意味すると解釈されるべきである。
ここにおいて用いられる“推論する”又は“推論”という表現は、概して、システム、環境、又はユーザの状態をイベント又はデータを介して取得された一組の観察事項から推量するか又は推論するプロセスを指す。推論は、特定の状況又は行動を識別するために採用することができるか、又は例えば状態に関する確率分布を生成することができる。推論は、確率論的、すなわち、データ及びイベントの考慮に基づいた対象状態に関する確率分布の計算であることができる。推論は、より高いレベルのイベントを一組のイベント又はデータから組み立てるために採用される技法を指すこともできる。該推論の結果として、新しいイベント又は行動が一組の観察されたイベント又は格納されたイベントデータから構築されることになり、これらのイベントが時間的に接近した形で相互に関連しているかどうか、及びこれらのイベント及びデータが１つ又は幾つかのイベント及びデータ源からのものであるかどうかを問わない。
図１を参照して、これらの側面は、無線通信ネットワーク１４のモバイルオペレータ１２及びコンテンツプロバイダ１６として説明されるそのビジネスパートナーが、コンテンツ及びサービスの取り込み（ｕｐｔａｋｅ）を、加入者２０のモバイルデバイス１８として示される加入者基盤に対して事前に促進するのを可能にするプロフィール及びリコメンデーションシステム１０を提供する。一例においては、これは、モバイルデバイス１８への配信を目的として特定の加入者２０を対象として個別に好適化されたリコメンデーションリスト２１を生成することによって達成される。これらのリコメンデーションは、モバイルオペレータと関連づけられたポータルにおいて表示すること、又は例えばモバイルメッセージ送信によってモバイルデバイスに配信することが可能である。
一側面により、格納されたプロフィールデータ２２は、属性データ２４又は行動データ２６を備える。属性リコメンダ２８及び行動リコメンダ３０として説明される対応する複数のリコメンダが、各々のデータ２４、２６を、コンテンツ３６のカタログインデックス３４のコンテンツ特徴相互参照３２と関連づける。リコメンダ２８、３０のからの暫定的リコメンデーションは、信頼度重み付け用構成要素３８によって割り当てられた信頼度レベルを有する。例えば、弱い又は強い関連性を決定することができる。他の例として、属性又は行動は、限られた出来事の推論的分析を通じて関連性が弱いと決定することができ又は明示の入力又は繰り返される行動を通じて関連性が強いと決定することができる。重みが付けられた暫定的リコメンデーションは、ソート用構成要素４０によってソートすることができる。
ソート前又はソート後において、フィルタリング用構成要素４２は、不適切なリコメンデーションを回避するための除外４４を実装する。除外は、４６において示されるように加入者２０によって明示で指定する、例えば、拒否可能な一定のカテゴリのリコメンデーションを制限する、ことができる。除外は、４８において示されるように、モバイルオペレータ１２によって指定する、例えばコンテンツ（例えば、ＭＰ３メディアプレイヤを有するモバイルデバイスに適する音声ファイル）に適した計算プラットフォームターゲットを指定する、ことができる。除外は、５０において示されるように、プロフィールデータ２２から導き出す、例えば、本来であれば再度推奨されることになるコンテンツの購入又は加入者２０によって繰り返し無視されるリコメンデーションを追跡することも可能である。除外は、デバイス又はソフトウェアのコンフィギュレーション適合性情報５２を提供することによって、モバイルオペレータ１２であることができるコンテンツプロバイダ１６から引き出すことも可能である。それにより、推奨されたコンテンツを成功裏に使用できないモバイルデバイス１８が除外される。
リコメンデーションは、加入者にとって最も興味があると思われるコンテンツ及びサービスを決定するために、モバイルオペレータが利用可能な加入者情報をオファーされるコンテンツ及びサービスと関係させて分析することによって生成される。特に、プロフィール及びリコメンデーションシステム１０は、個人メンバー又はグループメンバーとしての属性又は行動の評価に基づいて加入者２０が最も購入しやすいと決定されている時間にリコメンデーションを加入者２０に配信することも可能にする。プロフィール及びリコメンデーションシステムは、特定のコンテンツ又はサービスを加入者基盤に対して積極的に販売促進するのが望まれるときに販売促進物を生成するために好適である。
図２において、一側面による、モバイルデバイスにおいてオファーするためのコンテンツのプロファイリングされたリコメンデーションに関する方法５０が示される。ブロック５２において、入手可能なコンテンツがカタログ化されて特徴が説明される。ブロック５４において、ユーザ属性及び行動データが維持される。ブロック５６において、以前に属性が決定されたユーザとのピアツーピア（Ｐ２Ｐ）関係に基づいて該属性を有するユーザに関する関連づけを行うことができる。この間接的な関連づけは、明示の又は直接的な情報から行われる関連づけよりも低い重みを有することができる。ブロック５８において、ユーザは、グループ、例えば明示の入会、グループのためのポータルへの頻繁なアクセス、等と関連づけることができる。この関連づけられたグループは、特に関連づけられたユーザに関して不十分なデータが受信されている場合において、関連づけられたユーザに関して用いることが可能な属性及び行動データを有することが可能である。ブロック６０において、リコメンデーションの要求が受信される。ブロック６２において、加入者のための品目又は品目の対象となる加入者を入手するためのリコメンデーションの要求が各々の属性データごとに生成される。ブロック６４において、加入者のための品目又は品目の対象となる加入者を入手するためのリコメンデーションの要求が各々の行動データごとに生成される。リコメンデーションは、信頼度レベルを各々に割り当てることによって重みが付けられる（ブロック６６）。重みが付けられたリコメンデーションは、最高の部分組が配信できるようにソートされる（ブロック６７）。除外、例えば、以前の購入、追跡された以前のオファー、ユーザ設定（制限）、オペレータの指図、デバイス適合性／コンフィギュレーション、等にアクセスされる（ブロック６８）。ブロック７０において、適用可能な除外にアクセスすることによってリコメンデーションがフィルタリングされる。ブロック７２において、フィルタリング及びソートされたリコメンデーションが、モバイルデバイスでの提示を目的として送信される。ブロック７４において、リコメンデーションの提示及びユーザによる選択に関する確認が受信される。このデータを用いて追跡が更新される（ブロック７６）。
今度は図３を参照して、一側面により、この開示のプロフィール及びリコメンデーションシステム１０１を組み込んだ典型的無線通信システム１００を示すブロック図が提供される。無線通信システム１００は、無線ネットワーク１０３を通じて基地局コントローラ（ＢＳＣ）１０４と通信する１つ以上の無線デバイス１０２を含むことができる。無線デバイス１０２は、あらゆる適切なタイプであることができ、例えば、ハンドヘルドＰＣ、ＰＤＡ、又は携帯電話を含む。基地局コントローラ１０４は、モバイルオペレータの通信インフラストラクチャ、例えばワイヤレスアプリケーションプロトコル（ＷＡＰ）ゲートウェイ１０５として示される無線ゲートウェイ、マルチメディアメッセージ交換センター（ＭＭＳＣ）１０６、及びショートメッセージ交換センター（ＳＭＳＣ）１０７と通信する。モバイルオペレータのシステムは、ポータルとして機能するように構成されたサーバ１０８も含む。
一例においては、この開示のプロフィール及びリコメンデーションシステム１０１は、モバイルオペレータの通信インフラストラクチャと通信可能な形でリンクされる。一例においては、プロフィール及びリコメンデーションシステムは、以下においてさらに詳細に説明されるように、加入者基盤の統一図及び高度プロファイリング、及びインテリジェントリコメンデーションを提供することによって、モバイルオペレータ及び関連づけられたビジネスパートナーがサービスの取り込みを事前に促進するのを可能にする。
一側面により、図４は、この開示のモバイルオペレータ２０２及びプロフィール及びリコメンデーションシステム１０１と関連づけられた一定の構成要素間での対話を示したプロフィール及びリコメンデーションネットワーク２００の典型的ブロック図を示す。これらのシステムは、モバイルオペレータの通信インフラストラクチャ２０６内において直接統合することができ、又は代替として、モバイルオペレータと関連づけられたビジネスパートナーのシステムの一部であることができる。インフラストラクチャ２０６は、サービス及びコンテンツ情報用構成要素２０８と、加入者プロフィール情報ソース２１０と、管理者２１３によって用いられるリコメンデーションアプリケーション２１２と、を含むことが可能である。プロフィール及びリコメンデーションシステム１０１は、コンテンツ配信システム２１４とインタフェースし、コンテンツ配信システム２１４は、ＷＡＰゲートウェイ１０５と、ショートメッセージサービスセンター（ＳＭＳＣ）１０７と、マルチメディアメッセージ送信サービスセンター（ＭＭＳＣ）１０６と、を備えることが可能であり、及び無線デバイス１０２と通信する。コンテンツ配信システム２１４は、ＷＡＰゲートウェイ１０５、ＳＭＳＣ１０７、ＭＭＳＣ１０６等のネットワークシステムへの接続を介してコンテンツ配信能力を提供する。これは、プロフィール及びリコメンデーションシステム１０１がコンテンツ配信システム２１４と通信中の無線デバイス１０２のユーザ又は加入者２２２に対してあらゆるタイプのモバイルコンテンツ又はサービスを配信すること及び受信することを可能にする。この能力は、（例えば、ＳＭＳ、ＭＭＳ、ＷＡＰ Ｐｕｓｈ、等を介して）販売促進情報を配信するためにプロフィール及びリコメンデーションシステム１０１が用いられる場合及びプロフィール及びリコメンデーションシステム１０１がコンテンツ配信完遂（例えば、和音着信音、壁紙、ゲーム、等）に関する責任を有する場合に実装可能である。
サービス及びコンテンツ情報用構成要素２０８は、プロフィール及びリコメンデーションシステム１０１が通信可能である外部プラットフォーム、例えば付加価値サービス（ＶＡＳ）又はポータル２２６、を備えることができる。一例においては、ＶＡＳプラットフォーム２２６との統合は、１つ以上の無線デバイス１０２のモバイル加入者２２２が入手可能なコンテンツの完全なカタログの作成を容易にすることができる。これは、プロフィール及びリコメンデーションシステム１０１がモバイルオペレータ又はそのパートナーによってオファーされた入手可能なコンテンツ又はサービスをよりインテリジェントに小売りするのを可能にする。ポータル２２６との統合は、ポータル２２６を用いるユーザ又は加入者２２２へのターゲットを特定した販売促進物の配信を可能にし、及びのちに加入者プロフィール情報ソース２１０から参照するためにこれらのユーザ又は加入者の行動に関する情報用構成要素２２８の取得（ｃａｐｔｕｒｅ）を可能にする。一例においては、加入者プロフィール情報２２８は、呼データ、性別、誕生日、以前の購入履歴、興味あり又は興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の位置、電話する頻度又はその他のメタデータのうちの１つ以上を含む。
図４は、一側面による、プロフィール及びリコメンデーションシステム１０１の例示的主構成要素の詳細をさらに示す。これらは、カタログモジュール２３０と、プロフィールモジュール２３２と、決定モジュール２３４と、販売促進モジュール２３６と、を含む。これらのモジュールの各々が以下おいてさらに詳細に説明される。カタログモジュール２３０は、プロフィール及びリコメンデーションシステム１０１を大量のコンテンツ又はサービス用のセントラルカタログとして利用するのを可能にする。このようにして、入手可能なコンテンツ／サービスのより詳細な全体像をその他のシステム（例えば、ポータル）に提供することができ、それにより、コンテンツ小売りプロセスのより良い管理を可能にする。
一例により、集中された場所においてモバイルオペレータによって維持されるオペレータカタログ２３８は、オペレータによって提供される音声、データ、及びその他のサービスの完全なカタログを含むことができる。一例においては、カタログモジュール２３０は、モバイルオペレータのセントラルカタログ２３８において定義される商品ＩＤコード及び構造２４０を維持することが可能である。
使用上は、図５Ａにおいて示されるように、一例においては、プロファイリング及び推奨のための方法３００が、加入者プロフィール情報ソース３０２として示される外部のネットワークエンティティと対話する。他方、加入者プロフィール情報は、モバイルオペレータの既存の課金システム３０４及び顧客関係管理（ＣＲＭ）システム３０６と通信する。プロフィール及びリコメンデーションシステム３０８は、ユーザ又は加入者無線デバイス３１２へのコンテンツ配信に関する責任を有するときに課金統合を行う。
図５Ｂにおいて示される他の側面においては、方法３５８は、無線デバイス３６０がプロフィール及びリコメンデーションシステム３６４によって生成されたカテゴリページ上のリコメンデーションを受信するために無線ゲートウェイ３６２にアクセスするのを示す。３６６において示されるように、無線デバイス３６０は、カテゴリページの閲覧を無線ゲートウェイ３６２に要求し、無線ゲートウェイ３６２は、３６８において示されるように、リコメンデーションの要求をプロフィール及びリコメンデーションシステム３６４に転送する。リコメンデーションは、３７０において示されるように、生成されて無線ゲートウェイ３６２に返信され、無線ゲートウェイ３６２は、３７２において示されるように、無線デバイス３６０においてカテゴリページ上にリコメンデーションを表示する。ユーザがカテゴリページにおいて推奨品目を選択するときに、３７４において示されるようにこの選択が無線ゲートウェイ３６２に通信される。無線ゲートウェイ３６２は、３７６において示されるようにブラウジング活動のフィードバックをプロフィール及びリコメンデーションシステム３６４に提供する。無線デバイス３６０のユーザは、３７８において示されるように無線ゲートウェイ３６２に通信されるカテゴリページの追加閲覧を要求することが可能である。３８０において示されるように、無線ゲートウェイ３６２は、カテゴリページに追加（ｐｏｐｕｌａｔｅ）するためのリコメンデーションを要求し、３８２において示されるように、最新のブラウジング活動を反映したカテゴリページのための新しいリコメンデーション、例えば、購入された又は指定されたスレショルド回数よりも多くオファーされた品目の削除又は選択された推奨品目に関連する品目の追加、によって応答される。
図５Ａを再度参照し、プロフィール及びリコメンデーションシステム３０８は、特定顧客課金システム３０４へのアプリケーションプログラミングインタフェース（ＡＰＩ）として１つの範囲の課金シナリオをサポートすることができる。無線デバイス３１２は、３２０において示されるようにリアルタイム情報要求を課金システム３０４に送信し、リアルタイムの残高照会を行うこと、購入イベント、例えば新規加入、を通知すること、及び販売促進用残高を利用することを可能にする（例えば、加入者は、新規契約の最初の３ヶ月間は、１ヶ月に２つのゲームを無料でダウンロードすることができる）。課金システム３０４は、３２４において示されるように、情報又はトランザクション確認を無線デバイス３１２に返信する。プロフィール及びリコメンデーションシステム３０８によって行われるこのＡＰＩがリアルタイムの性質を有することは、前払い加入者の残高が有効に管理されて収入漏れが最小化されるのを保証する。
一例により、ブロック３２８において示されるように、プロフィール及びリコメンデーションシステム３０８は、課金目的で呼データ記録（ＣＤＲ）を生成する際に料金コードを用いることができ、これらの呼データ記録（ＣＤＲ）は、３３０において示されるように課金システム３０４に送信される。これらのコードは、ユーザによって定義され、コンテンツソースからの全コンテンツと関連づけることができる。一側面においては、このインタフェースによって複数のＣＤＲフォーマットの出力をサポートすることも可能である。基本料金コード情報に加えて、加入者の請求書に含めることが可能な実際のコンテンツに関する記述も含むことができる。それは、ゼロ又は特別のレーティングを有する販売促進情報用課金タグを管理することも可能である。一実装により、ブロック３３２において示されるように、プロフィール及びリコメンデーションシステム３０８は、実際のコンテンツ及びコンテンツを配信するために用いられる帯域幅に関する価格設定をモバイルオペレータが区別するのに役立つ決済データを処理することも可能であり、３３４において示されるように課金システム３０４に送信される。それは、モバイルオペレータがコンテンツプロバイダに対して負う金額を報告するために卸売価格と小売価格を区別することもできる。
プロフィール及びリコメンデーションシステム３０８は、複数のエージェントがプロフィールモジュール２３２（図４）又はカタログモジュール２３０（図４）内にデータを送り込むのを可能にするためにさらに動作可能である。例えば、１つのエージェント３３６が３３８において示されるようにＣＲＭシステム３０６からユーザ又は加入者属性情報を受信するように及び他のエージェント３４０が３４２に示されるように課金システム３０４からユーザ又は加入者購入履歴を受信するように構成することが可能である。
リコメンデーションアプリケーション２１２は、プロフィール及びリコメンデーションシステム３０８が外部のアプリケーションとインタフェースできるようにするための手段を提供するために動作し、その外部のアプリケーションを通じて、プロフィール及びリコメンデーションシステム３０８の全側面、例えば販売促進、カタログ及びコンテンツの管理、を管理することが可能である。一側面においては、これは、管理者が利用可能なウェブに基づくユーザインタフェース（示されていない）であることができ、管理者は、モバイルオペレータの社員又は関連づけられたビジネスパートナー、例えばコンテンツパートナー、であることができる。このリコメンデーションアプリケーション３４４の多くの特徴は、以下においてプロフィール及びリコメンデーションシステム３０８の様々なモジュールを参照して説明されたときに理解されるであろう。
設定可能な期間において、３４６に示されるように、コンテンツカタログのバージョンが管理されたコピーをセントラルカタログ格納場所３４８にエクスポートすることができる。一側面により、ブロック３５０においてプロフィール及びリコメンデーションシステム３０８がセントラル商品カタログ内のコンテンツに関するデータを維持することは、３５２において示されるように、プロフィール及びリコメンデーションシステム３０８がカタログモジュール２３０のＸＭＬフォーマットをセントラルカタログ格納場所３４８にエクスポートするのを可能にする。このようにして、一例により、全詳細事項が保存され、コンテンツの再インデキシングに関する問題は生じない。
図６を参照して、一実装により、ユーザ又は加入者をプロファイリングするための方法４００は、（プロフィールモジュール２３２（図４）を通じて構築された）加入者の使用と興味及び詳細コンテンツカタログについて詳しく理解することを通じて容易になる。この詳細コンテンツカタログは、メタデータの定義を通じて可能になる。一例においては、カタログモジュール２３０（図４）は、モバイルオペレータ及び関連づけられたビジネスパートナー全体において入手可能な全コンテンツ又はサービスの一覧を作成するために動作する（ブロック４０２）。さらに、カタログモジュール３２０は、各デバイスによってサポートされるコンテンツ又はサービスを識別するために動作することができる（ブロック４０４）。カタログモジュール３２０は、コンテンツとサービスとの間の関係をさらに識別するために動作することができる（ブロック４０６）。さらに、カタログモジュールは、加入者セグメントを各コンテンツ又はサービスと関連づけるために動作することができる（ブロック４０８）。カタログモジュール２３０は、各コンテンツ又はサービスがいずれの加入者セグメントに当てはまるか、コンテンツ又はサービス間の関係、及びいずれのデバイスがコンテンツ又はサービス及び使用情報をサポートするかに関する詳細なターゲット特定情報（ブロック４１０）を結合するためにさらに動作する。
一例により、カタログモジュール２３０は、基本となる一組のメタデータ定義を提供し（ブロック４１２）及び個々のコンテンツ又はサービスに関する追加の無限の範囲のメタデータを定義する（ブロック４１４）。コンテンツ又はサービス品目に関して定義されるメタデータ要素の範囲が広いほど、コンテンツ又はサービスを（資産グループに）分類することに関して及び多様な興味を有するユーザ又は加入者にコンテンツ又はサービスをマッピングすることに関して選択肢が多くなる。１つの制限しない例により、このメタデータは、特に、データ量、価格設定情報（小売り及び決済）。アダルト対象コンテンツ、販売促進タグ、コンテンツの場所（ローカルで又は遠隔において格納）を指定することができる。
カタログモジュール２３０は、コンテンツ又はサービスメタデータが格納されている状況において、又はコンテンツ又はサービス自体（例えば、着信音、壁紙、等）の一部又は全部を追加で格納する場合に実装可能である。後者の場合は、ローカルで格納されているコンテンツに関する管理及び配信を行うために動作するコンテンツモジュールを配備することもできる（ブロック４１６）。コンテンツ自体は格納されない１つの典型的配備においては、カタログモジュール２３０は、コンテンツを見つけることができる場所への１つ以上のリンクを維持するために動作する（ブロック４１８）。いずれの場合も、コンテンツメタデータのタイムリーで正確な格納（ｐｏｐｕｌａｔｉｏｎ）は、プロフィール及びリコメンデーションシステム１０１のモジュール（図４）が有効に機能するのを可能にする。
図７は、一側面による、カタログモジュール２３０の主構成要素のブロック図を示す。これらは、コンテンツグループ分類モジュール５０１と、検索モジュール５０２と、コンテンツ管理モジュール５０３と、コンテンツデータベースモジュール５０４と、コンテンツ取り込みモジュール５０５と、を備える。これらのモジュールの各々のモジュールの機能が以下においてさらに詳細に説明される。
一側面においては、コンテンツグループ分類モジュール５０１は、資産グループ分類をポータルに提供することができる。資産グループ分類は、コンテンツのテーマ及びユーザ又は加入者の料金及びモバイルデバイス能力専用のページを構築するのを可能にする。カタログモジュール２３０は、複数のソース（例えば、フイルム、単一の資産グループ、等）からのすべてのコンテンツ又はサービスを自動的に統合することができる。他の例においては、ブリトニー・スピアーズの着信音が属する女性のポップ歌手に関する資産グループが存在することができる。さらに、同じ着信音が属するブリトニー・スピアーズに関する資産グループが存在することも可能であり、他方、同じ着信音が上位１０の着信音に関する資産グループに属することも可能である。資産グループの構築は、メタデータに関するグループ分類、及び１つのコンテンツが属する資産グループの範囲に基づく。一側面においては、コンテンツグループ分類モジュール５０１によるコンテンツ品目に関する資産グループの構築は、そのコンテンツ品目に関して定義されたメタデータタグ数によって制限することができる。
一側面により、検索モジュール５０２は、キーワードに基づくコンテンツ検索能力を提供する組み込み式検索エンジンを提供する。このエンジンは、コンテンツメタデータから検索インデックスを構築することによって機能する。検索を行うことができる正確なメタデータフィールドを構成することが可能である。例えば、検索モジュール５０２は、アーティスト、タイトル等の共通して用いられる検索フィールド及びコスト等のその他のフィールドを用いた検索を可能にする。検索インデックスは、設定可能な期間においてカタログデータから更新される。
一側面においては、モバイルデバイスの能力は、コンテンツのカテゴリとそのコンテンツをサポートするデバイスとの間における抽象的マッピングである。例えば、“ＭＭＳ３０Ｋ”のデバイス能力は、ＭＭＳメッセージを３０Ｋｂ限度までサポートするデバイスを追跡するために用いることが可能である。一実装においては、プロフィール及びリコメンデーションシステム１０１は、いずれのデバイス１０２がこの能力をサポートし、いずれのコンテンツ品目がこの能力を要求するかを追跡するために動作することができる。これで、特定のデバイスによってサポートされるコンテンツに関して検索モジュール５０２によってカタログモジュール２３０に照会することが可能である。一例においては、後者は、ポータルによって達成可能である。このようにして、ユーザ又は加入者には、それぞれのモバイルデバイスと適合しないコンテンツはオファーされない。さらに、“ＭＭＳ １００Ｋ”のデバイス能力が存在することも可能である。一例においては、デバイスは、両方の能力を有することが可能であり、最も適切な能力、この場合は１００Ｋバージョン、を優先することができる。一側面により、コンテンツ情報は、コンテンツ取り込みモジュール５０５によって取り出される。特定のユーザ又は加入者に関して情報を取り出し中であるときには、プロフィール及びリコメンデーションシステム１０１は、そのユーザ又は加入者のデバイスにとって最も適切なコンテンツを返信する。
プロフィール及びリコメンデーションシステム１０１は、プロフィールモジュール２３２とともに配備されたときには、一定のカテゴリ内においていずれのコンテンツが最も人気があるかを追跡することができる。この情報は、“上位１０のゲーム”又は“上位１０のアーケードゲーム”等のカテゴリの生成のためにポータルに報告することが可能である。プロフィールモジュール２３２から使用情報を入手できない場合は、カタログモジュール２３０は、明示で指定されたコンテンツ人気度ランクを有することができる。これは、この情報を有する外部システムから入手することが可能であり、又は管理者２１３によって手作業で設定することが可能である。一例においては、カタログモジュール２３０のコンテンツは、コンテンツデータベースモジュール５０４に追加される。これは、入手可能なコンテンツ又はサービスの取り出しに関して、カタログモジュール２３０とサービス及びコンテンツ情報ブロック２０８（例えば、ポータル、等）との間の通信によって格納することができる。リコメンデーションアプリケーション２１２は、権限を付与されたユーザ（例えば、コンテンツプロバイダ）の形態の管理者２１３が、コンテンツプロバイダがコンテンツ管理モジュール５０３との通信によってカタログモジュール２３０に加えるコンテンツと関連づけられたメタデータを管理することを可能にする。一例により、コンテンツ更新の大量アップロードを可能にするＸＭＬ ＡＰＩも提供される。管理者２１３は、これらのインタフェースを通じて、コンテンツに関する情報、例えば、コンテンツの格納場所（例えば、ローカル、遠隔、等）、コンテンツプロバイダがコンテンツに関して請求する価格、等、を構築することができる。一例により、コンテンツプロバイダは、コンテンツプロバイダがモバイルオペレータ、ユーザ又は加入者へのコンテンツ又はサービスの料金を進んで割り引するための割引方法をコンテンツプロバイダが指定するのを可能にする基本的な販売促進物を構築することも可能である。インタフェースは、コンテンツの使用法及びコンテンツの配信状態、そして加入者の活動に関するリアルタイムの統計を提供することも可能である。
カタログデータをコンテンツデータベースモジュール５０４にアップロードするときには、一例においては、カタログゾーンを指定することが可能である。指定された場合は、カタログゾーンは、カタログデータを異なるパーティションに分割するために用いられる。一例においては、カタログゾーンは、コンテンツの特定のサブセクションのためのリコメンデーションが返信されるようにコンテンツ品目を異なるエリア内に分割するために用いることが可能である。例えば、すべての音楽コンテンツソースにカタログゾーン“音楽”を割り当て、すべてのゲームコンテンツソースにカタログゾーン“ゲーム”を与えることが可能である。リコメンデーションを要求するときには、推奨された品目のみがそのカタログゾーンから返信されるようにするために特定のカタログゾーンを指定可能である（すなわち、“音楽”のカタログゾーンを指定することによって音楽に関するリコメンデーションのみを入手し又は“ゲーム”のカタログゾーンを指定することによってゲームに関するリコメンデーションのみを入手する）。一例においては、カタログゾーンを指定しないことは、全カタログゾーン（例えば、この例においては、“ゲーム”及び“音楽”）からリコメンデーションを返信することになる。
引き続き図４を参照して、プロフィールモジュール２３２は、例えば販売促進物及びサービスのターゲットを１対１で特定するのを可能にするために、ユーザ又は加入者のオンラインでの行動、セグメント化、興味、可能性のある支出パターン、デバイス、誕生日、記念日、ピークの使用期間、等をプロファイリングするためのアクティブな機構を提供する。プロフィールモジュール２３２は、決定モジュール２３４がそのインテリジェントなリコメンデーションを行うために要求されるデータを提供する。一例においては、プロフィールモジュール２３２に含まれるデータがより豊富であるほど及びより適切であるほど、リコメンデーションがより良くなる。
他の側面においては、図８において、プロフィールモジュール２３２の主構成要素のブロック図は、プロフィールデータベースモジュール６０１と、プロフィール管理モジュール６０２と、プロフィールグループ分類モジュール６０３と、プロフィール取り込みモジュール６０４と、を備える。以下においてこれらのモジュールの各々のモジュールの機能がさらに詳細に説明される。
一例により、デフォルト時には、プロフィールモジュール２３２は、実際の加入者属性（例えば、前払い又は後払い）及び購入履歴情報の両方の点で、ユーザ又は加入者に関する最も共通する詳細事項のうちの多くを取得するために要求されるメタデータを含むことが可能である。プロフィールモジュール２３２は、特定のニーズを満たすためにデフォルト加入者プロフィールデータモデルを簡単に拡大させる能力をさらに提供することができる。
引き続き図４及び図８を参照して、一例においては、管理者２１３は、プロフィール管理モジュール６０２と通信するリコメンデーションアプリケーション２１２によって、新しいメタデータフィールド、各々のデータタイプ、これらの新しいメタデータフィールドが自由な書式であるか又は固定リストからのフィールドであるか、及びこれらの新しいメタデータフィールドが必須のフィールドであるかどうかを定義することができる。これで、新しいメタデータは、プロフィールグループ、決定、プロフィールデータインポート及びエクスポート等のエリアにおいてデフォルトメタデータと同じように利用することができる。このようにして、管理者２１３は、管理者２１３が希望するシステムの使用方法及び既存のメタデータを有する外部システムからプロフィールデータをインポート／エクスポートするプロセスにより良く適するようにプロフィール情報を好適化することができる。
図８を特に参照して、プロフィールグループ分類モジュール６０３は、プロフィールデータベースモジュール６０１に格納された情報に基づいてプロフィールグループを生成及び管理する機能をさらに提供する。一例においては、これらのグループは、共通の属性又は購入行動を有するユーザ又は加入者を備える。一例においては、グループは、次の機構のうちの１つ以上によって構築することが可能である。すなわち、（Ａ）加入者プロフィール情報ソース、例えばＣＲＭシステム、からユーザ又は加入者リストをインポートする。これは、手作業によるファイルインポートプロセスであることができ又は接続モジュールを介して自動化することができる、（Ｂ）特定のプロフィールメタデータ（例えば、全員が男性、前払い加入者、等）別にユーザ又は加入者をカテゴリ分類する、（Ｃ）システムの過去の使用を分析する（例えば、特定の１つのコンテンツ又は特定のカテゴリのコンテンツを購入したことがある、又は購入したことがない加入者）、及び（Ｄ）所有するデバイスのタイプ（例えば、ＭＭＳ対応デバイス、等）別に加入者をカテゴリ分類する。一例により、グループは、特定の期間に関して静的に定義することができ（例えば、２００４年１２月にゲームを購入したユーザ又は加入者、等）又は動的であることができる（例えば、先月に着信音を購入していないユーザ又は加入者、等）。
引き続き図４を参照して、一例においては、プロフィールグループは次の方法で役立つことが可能である。すなわち、（Ａ）加入者がポータルサイトを訪れたときにいずれの加入者が特定のバナー広告を見るはずであるかを決定するために販売促進モジュール２３６がプロフィールグループを用いることができるオンライン販売促進。例えば、ＳＭＳアラート及びＭＭＳ対応モバイルデバイス１０２を有する全加入者を含む加入者グループを構築することが可能である。これは、これらのユーザ又は加入者２２２がポータルサイト２２６を次回に訪れたときにこれらのユーザ又は加入者２２２にＭＭＳアラートサービスをオファーするために用いられる、（Ｂ）販売促進モジュール２３６が、いずれのユーザ又は加入者２２２に対してＳＭＳ、ＭＭＳ、ＷＡＰ Ｐｕｓｈ、等を介してアウトバウンド販売促進物を送信すべきかを決定するためにプロフィールグループを用いることができるアウトバウンド販売促進。例えば、“ＦＩＦＡ２００４”を購入したことがある全ユーザ又は加入者２２２を含む加入者グループを構築することが可能である。これは、“ＦＩＦＡ２００５”に関するアウトバウンド販売促進を実行するために用いられる、（Ｃ）集中型システム（例えば、ＣＲＭ又はデータ倉庫、等の加入者プロフィール情報ソース２１０）を更新するためにプロフィールグループの詳細を外部システムにエクスポートすることができ、従って、統合された加入者データベース（示されていない）を維持するプロセスを援助することが可能である、及び（Ｄ）プロフィールグループは、対象グループを実行するために販売促進キャンペーンと関係させて用いることができ、新しい販売促進物又はサービスに関する情報を受け取るユーザ又は加入者２２２を選択することが可能である。一例においては、販売促進モジュール２３６は、ユーザ又は加入者の選択又は除外を自動的に管理するために動作する。
一例においては、１人の加入者ごとの接触回数のカウント及びユーザ又は加入者によって好まれる接触方法を維持することも可能である。一例により、後者は、規制上の理由で又はモバイルオペレータの顧客接触方針に基づいて要求されることがある。これは、特定の時間枠内に広範囲の興味を有するユーザ又は加入者に対して大量の販売促進物が送りつけられないようにするために用いることができる。好まれる接触方法を記録することは、積極的な応答を引き出すことが最も可能であると思われる方法でユーザ又は加入者に販売促進物が向けられるようにすることが可能である。
一側面により、プロフィールモジュール２３２の機能のうちの１つは、要求されたときに、のちにプロフィール取り込みモジュール６０４によって取り出すためにユーザ又は加入者属性及びその購入履歴をプロフィールデータベースモジュール６０１内に効率的に格納することである。一例においては、格納機構は、高性能のデータ更新及びデータアクセスを可能にする方法で大量のデータを格納することが可能であるように構成される。一側面においては、プロフィールデータを含む全プラットフォームデータの格納用のオラクルリレーショナルデータベースを用いることが可能である。他の例においては、ネイティブのオラクル接続ＡＰＩ（例えば、ジャバデータベース接続（ＪＤＢＣ）、オラクルコールインタフェース（ＯＣＩ）、等）を用いる専用の、ただし軽量の、データアクセス層がデータベースに効率的に接続する。一例においては、複数のデータベース接続を通じて動作を実行する、準備された構造化照会言語（ＳＱＬ）ステートメントを用いる、及びインテリジェントデータキャッシング、等の技法を用いることも可能である。データアクセス層は、プラットフォームのその他の部分からの特定の格納機構をカプセル化し、プロフィール機能を構築するためのクリーンなレベルを提供することができる。
さらに、一例においては、プロフィールモジュール２３２の拡張可能なメタデータの特徴は、プロフィールデータベースモジュール６０１がこれらのメタデータ定義及びその関連づけられた値を管理可能であることを要求する場合がある。この能力は、あらゆるシステムエンティティを用いて新しいメタデータ属性を定義するのを可能にするメタデータログライブラリを介して提供することができる。一例においては、後者は、プロフィールモジュール２３２及びカタログモジュール２３０と関係させて用いられる。
一側面により、プロフィールデータは、外部システム（例えば、加入者プロフィール及び情報ソースブロック）から又はプロフィール及びリコメンデーションシステム１０１によって構築された情報から入手することができる。外部システムからのデータは、接続モジュール（図４に示されていない）を介してプロフィールデータベースモジュール６０１内に送り込むことができる。一側面においては、データは、ユーザ又は加入者属性と関連することができ及び入手可能な場合は使用情報を含むことができる。
一実装においては、プロフィール及びリコメンデーションシステム１０１がプロフィール情報を独立して格納できる度合いは、配備されているモジュール及びこれらのモジュールが用いられている方法に依存することができる。例えば、コンテンツモジュールが一定のコンテンツ又はサービスを配信するために用いられる場合は、これらのサービスに関する使用情報をプロフィールデータベースモジュール６０１内に自動的に記録することができる。サービス及びコンテンツ情報ブロックがユーザ又は加入者の購入をプロフィール及びリコメンデーションシステム１０１に報告するような形でプロフィール及びリコメンデーションシステム１０１（図４）がサービス及びコンテンツ情報用構成要素２０８（例えば、ポータル２２６、等）と一体化されている場合は、該情報を記録することもできる。
一例においては、プロフィールデータをプロフィールデータベースモジュール６０１にアップロードするときには、そのデータにプロフィールゾーンを割り当てることが可能である。指定された場合は、一例により、プロフィールゾーンは、ユーザ又は加入者のトランザクションデータを異なるパーティションに分割するために用いることができる。一例により、プロフィールゾーンは、特定のパーティションからのデータを用いてリコメンデーションが行われるように加入者トランザクションを異なるパーティションに分割するために用いることができる。例えば、２つのオペレータ（例えば、モバイルバーチャルネットワークオペレータ（ＭＶＮＯ）からのトランザクションデータがシステムにアップロードされた場合は、各オペレータからのトランザクションに異なるプロフィールゾーン値を与えることができる。
図９を参照して、一例により、リコメンデーション生成方法７００は、総合データ生成を含む準備（ブロック７０２）を行うオフライン段階Ｉを有する場合が説明される。次の３つのリアルタイムプロセスは、個人に関する選択を行う（ブロック７０４）段階ＩＩを含む。段階ＩＩＩは、洞察に基づくマーケティングのための重み付けを行う（ブロック７０６）。段階ＩＶは、規則に基づく提示のためのフィルタリングを行う（ブロック７０８）。
引き続き図４及び８を参照して、段階Ｉ“準備”処理中に、決定モジュール２３４は、各プロフィールゾーンに関するデータを個々に生成し、及び全データを結合するデフォルトゾーンに関するデータを生成する。リコメンデーションを要求するときには、要求されたプロフィールゾーンは、ユーザインタフェース（ＵＩ）において選択すること又はＡＰＩ呼び出し時に指定することができる。プロフィール取り込みモジュール６０４によってリコメンデーションを要求するときにプロフィールゾーンが指定されない場合は、デフォルトゾーンからのデータを用いることが可能である。
決定モジュール２３４は、ユーザ又は加入者に最良のオファーを推奨するために用いられる。一実装により、後者は、販売促進モジュール２３６と異なり、管理者２１３最良オファー選択機構は、固定された数の予め定義された販売促進物及び幾つかの予め決められたプロフィールグループを用いる。決定モジュール２３４を用いる一例により、手作業によるコンフィギュレーションなしに自動的に最適なオファーを生成することが可能である。
引き続き図４を参照して、決定モジュール２３４、及び加入者及び入手可能なコンテンツとデータサービスの統一図を利用することにより、個々のユーザ又は加入者に対する最適なコンテンツ又はサービスの直接的なインテリジェントなマッチングを行ことができ、使用中の無線デバイス１０２、ユーザ又は加入者に関する人口統計学的数字、以前の購入行動、ユーザ又は加入者の以前の購入行動とその他の類似の加入者の購買習性との関連性、利用可能資金、等の要因を考慮することができる。このユニークで広範な決定基準は、ユーザ又は加入者２２２に対して該当するコンテンツのみがオファー又は提示されるのを保証する。
決定モジュール２３４は、リコメンデーションを生成するためにカタログモジュール２３０から入手可能な商品情報をプロフィールモジュール２３２から入手可能な加入者情報とともにさらに利用する。一側面により、これらのモジュールが入手可能な情報が多いほど、より良いリコメンデーションを決定モジュール２３４によって生成することができる。
一側面により、決定モジュール２３４は、適切で、興味深く、タイムリーなコンテンツ又はサービス及び販売促進物をユーザ又は加入者２２２に提示するためにカタログモジュール２３０及びプロフィールモジュール２３２によって収集された実質的にすべての情報を利用する。従って、決定モジュール２３４は、ユーザ又は加入者２２２がモバイルオペレータのコンテンツ又はサービスを用いるごとに実質的に自動的にモバイルオペレータが販売機会を確実に最大化することを可能にする自己学習能力を提供する。
１つ以上の限定しない側面においては、決定モジュール２３４は、幾つかの使用ケースを有する。すなわち、（Ａ）加入者がポータルにアクセスし、プロフィール及びリコメンデーションシステム１０１が最適な販売促進物を提案するように依頼されたときにおける加入者のための（販売促進モジュール２３６によって定義された場合における）最良の販売促進物の選択、（Ｂ）１つのコンテンツが明示で生成された販売促進物によって選択される代わりにおける、ユーザ又は加入者のための（カタログモジュール２３０に格納された）コンテンツ又はサービスの選択。後者は、適切に記載されたカタログを入手可能であるときに管理者２１３が販売促進物を明示で生成する必要性をなくす、（Ｃ）販売促進物のターゲットとして特定すべき最良のユーザ又は加入者の選択。後者は、アウトバウンド販売促進のためにユーザ又は加入者のターゲットリストを選択するときに行われる。一例においては、決定モジュール２３４は、販売促進に対して積極的に応答すると決定モジュール２３４が最低の確実度を持って決定するユーザ又は加入者を特定することが可能である、（Ｄ）ユーザ又は加入者のグループに対して行うべき最良のオファーの選択であり、ここで、オファーされるべきコンテンツ又はサービスは、特定の販売促進物ではなくカタログモジュール２３０から選択される。一例においては、決定モジュール２３４は、ユーザ又は加入者２２２の特定されたグループから開始して、各ユーザ又は加入者２２２にオファーすべき最良のコンテンツ品目又はサービスをカタログモジュール２３０から特定し、肯定的な応答を導き出す確率が指定された最低値よりも高いコンテンツ品目を選択する、（Ｅ）既に購入済みの品目に基づいたコンテンツ又はサービスのクロスセリング。決定モジュール２３４は、加入者の最後の購入に関する情報を用いて、そのユーザ又は加入者２２２に同じく推奨されるべき他のコンテンツ品目又はサービスを識別することが可能である。コンテンツ又はサービスは、購入後すぐにポータルにおいて又は自動化されたアウトバウンド販売促進を介してユーザ又は加入者２２２に推奨することができる。
図９をさらに参照して、一側面により、決定モジュールにおけるリコメンデーション生成方法７００の４つの段階を示した概略図が提供される。４つの段階は、段階Ｉ−準備７０２、段階ＩＩ−選択７０４、段階ＩＩＩ−重み付け７０６、及び段階ＩＶ−フィルタリング７０８である。
段階Ｉ（方法７００の準備部分７０２）中には、プロフィール及びリコメンデーションシステム１０１及びその関連づけられたビジネスパートナー内に蓄積されたデータが検討され（ブロック７１０）、一般的行動傾向、関連性、及びパターンが算定される（ブロック７１２）。一例においては、段階Ｉ準備方法７０２において、個々のレベルとは対照的に、総合レベルでのデータ蓄積が行われる（ブロック７１４）。段階Ｉ準備方法７０２は、オフライン／バックグラウンドプロセスにおいて定期的に実行することができる（ブロック７１６）。段階Ｉ７０２が実行される頻度は、データが更新される頻度に依存することができる。各決定リコメンダ（アルゴリズム）は自己の準備段階を有するため、決定リコメンダは、各リコメンダに合った頻度で実行するように好適化することができる。以下において、各決定リコメンダに関する追加情報が図１３乃至１６に関して提供される。１つの説明例により、それぞれのデータベースへの出力が行われる（ブロック７１８）。他の例により、データは、入力項目が引き出されたプロフィールモジュール及びカタログモジュール、それぞれ２３２及び２３０、内に蓄積することができる。当業者は、異なる側面においてはその他の適切なソースからデータを蓄積可能であることを理解すべきである。
方法７００の段階ＩＩ選択部分７０４中には、決定モジュール２３４は、個人に関する特定の情報（例えば、人口統計上の数字、過去の購入、選好、等）にアクセスすることが可能であり（ブロック７２０）、決定モジュールリコメンデーションアルゴリズムは、個々のユーザ又は加入者のためのリコメンデーションを選択する（ブロック７２２）。一例においては、決定モジュール２３４は、信頼度レベルによって順序が設定されたリコメンデーションから成る大きな（深い）リストを生成することが可能である（ブロック７２４）。
段階ＩＩＩ重み付け方法７０６中において、決定モジュール２３４は、ユーザ又は加入者に推奨される尤度の点で優先順位が設定される／解除されるべき品目を指定する能力を管理者２１３、コンテンツプロバイダ、又はモバイルオペレータに提供することができる（ブロック７２８）。１つの典型的使用例においては、特定の時点（例えば、クリスマス）に一定のコンテンツ又はサービスを販売促進すること又は一定の主要アーティストを販売促進するのが望ましいことがある（ブロック７３０）。段階ＩＩＩ７０６中には、次の段階に進む前に加入者のリコメンデーションリストの順序を変更するために重み付け情報が用いられる（ブロック７３２）。
段階ＩＶ−フィルタリング７０８中において、決定モジュール２３４は、段階ＩＩにおいて生成されたリコメンデーションリストを取り出し、過去の購入及びデバイス適合性に基づいてフィルタリングすることができ（ブロック７３３）、呼び出し側アプリケーションにおいてその結果が特定のコンテキストにとってより特定の結果になるようにする（ブロック７３４）。例えば、特定のアーティスト、コンテンツタイプ、ジャンル、又はコストに関するリコメンデーションのみを返信するのが望ましいことがある（ブロック７３６）。さらに、ユーザ又は加入者に対して既に一定の回数だけ推奨されている品目をフィルタリングして除外することも可能である（ブロック７３８）。一例により、フィルタリング基準は、ブロック７３４の前に生じることが説明されているＡＰＩ呼び出しの一部として呼び出し側アプリケーションによって規定される（ブロック７４０）。後続ブロック７３８として示されるように、システム全体のフィルタリング基準、例えば、いずれかの個人に対していずれかの品目を推奨すべき最大回数、を規定し（ブロック７４１）、その後に、加入者へのリコメンデーションのオファー数を将来カウントするためにリコメンデーションの追跡を更新するようにすることができる（ブロック７４２）。
一側面により、段階Ｉ７０２は個々の加入者レベルでは機能しない一方で、段階ＩＩ７０４、ＩＩＩ７０６、及びＩＶ７０８は、個々の加入者のデータを用いてターゲットが特定されたリコメンデーションを生成するため、段階ＩＩ７０４、ＩＩＩ７０６、及びＩＶ７０８は、個々の加入者レベルで機能する。すなわち、図８において示されるように、個々のユーザ又は加入者のプロフィールデータ７５２と、ユーザ又は加入者属性（例えば、年齢、セグメント、等）７５４と、ユーザ又は加入者の履歴情報（例えば、購入、等）とを備える格納されたプロフィールデータ７５０が利用される。プロフィールデータ７５０は、ユーザ／加入者入力／フィードバック７５８を備えることも可能である。さらに、決定モジュール２３４は、選好フィルタ７６０として示されるように、一定の特定加入者情報を利用して結果を自動的にフィルタリングすることができる。一例により、典型的フィルタ７６０は次のとおりである。すなわち、（Ａ）加入者のモバイルデバイスのメーカー及びモデル７６２−該情報が指定されたときには、決定モジュールは、加入者のデバイスにおいて動作可能なコンテンツ又はサービスのみが推奨されるように動作する、（Ｂ）以前の購入のブロック７６４−決定モジュール２３４は、加入者が既に購入済みである品目がその加入者に推奨されないように動作する、（Ｃ）以前の否定的なフィードバック７６６−決定モジュール２３４は、加入者が否定的なフィードバック／ランキング情報を既に与えている品目がその加入者に推奨されないようにするために動作する、（Ｄ）制限されたコンテンツ７６８−品目が制限品目であることを表示可能であり、該品目は加入者が該コンテンツ（例えば、アダルト用コンテンツ）を受信することを明示で選択していないかぎり該品目を推奨すべきでないことを意味する。決定モジュール２３４は、リコメンデーションを生成するときにリアルタイム情報を用いることが可能であることに注目すべきである。例えば、ユーザ又は加入者がポータルにおいて品目を購入するかブラウズする場合は、このことは、そのユーザ又は加入者に提示されるリコメンデーションに対して直ちに影響を及ぼすことが可能である。該例においては、該リアルタイムイベントは、プロフィールモジュール２３２ＡＰＩを介してではなく該当するＡＰＩ呼び出しを介してプロフィール及びリコメンデーションシステム１０１に供給することができる。代替として、プロフィールＡＰＩは、購入情報を送信することのみを目的として用いることができる。
図１０は、一側面による、リコメンデーションを生成するためのプロセスフロー内における主動作を要約する方法８００を示す。８０２において、外部（呼び出し側）アプリケーションが、加入者のためのリコメンデーションをプロフィール及びリコメンデーションシステムに対して要求し、これは、コンテキスト又はその他のパラメータを渡すことを含むことができる。８０４において、特定の加入者と関連づけられた（以前に図９に関して説明された）準備段階中に蓄積されたデータが取り出される。８０６において、決定モジュールが、取り出されたデータに基づいて加入者のための複数のリコメンデーションを生成する。８０８において、加入者のための最終的リコメンデーションリストを提供するために、８０６において生成されたリコメンデーションが精選される。８１０において、この最終的リコメンデーションリストが外部のアプリケーションに返信される。一例においては、外部のアプリケーションは、オンラインで、ポータルを介して、アウトバウンドで、ＳＭＳ、ＭＭＳ、ＷＡＰプッシュメッセージを介して、又はいずれかの適切な機構を介してユーザ又は加入者への配信のための生成されたリコメンデーションをユーザ又は加入者のモバイルデバイスに渡すことができる。
図１１を参照して、一例により、図１０のプロセスフローの動作８０４乃至８０８の副動作をさらに含むプロセスフローを示す。９０２において、ユーザ又は加入者と関連づけられたデータモジュールからのデータが取り出され、ここで、データモジュールは、ユーザ又は加入者に関連する格納されたデータの定期検査から構築された。９０４において、このデータは、複数のリコメンデーションアルゴリズム内に入力され、これらのリコメンデーションアルゴリズムの各々は、加入者のためのリコメンデーションをリアルタイムで算定する。その結果得られたリコメンデーションが結合されて深いリコメンデーションリストが形成される。９０６において、深いリコメンデーションリストは、信頼度レベルによって順序が設定される。９０８において、リコメンデーションリストは、重み付け規則に基づいて順位が変更される。９１０において、順序が変更されたリストに対してさらなる処理が行われて最終的リコメンデーションリストが生成される。
図１２は、一実装による、図１１の動作９１０に係る副動作のプロセスフローを示す。１００２において、重み付きリコメンデーションリストがフィルタリングされ、（段階ＩＶにおいて上述されるように）リコメンデーションを要求している外部アプリケーションのコンテキストにより近いリストにされる。１００４において、ユーザ又は加入者によって以前に購入されたことがあるコンテンツ又はサービスに関するリコメンデーションがフィルタリングされたリストから除外される。１００６において、ユーザ又は加入者のモバイルデバイスと適合しないリコメンデーションも除外される。このことは、特定のユーザ又は加入者に関する最終リストを確立する。図１２の動作１００２、１００４、及び１００６の順序は互換可能であることが注目されるべきである。以前に示され及び説明されたように、フィルタリングは、制限されたコンテンツ及び既に非常に多い回数だけ推奨されている品目もさらに包含することができる。
上述されるように、一例により、決定モジュール２３４は、可能な限り実質的に最良のリコメンデーションを生成するために異なるアルゴリズムの組み合わせを用いることができる。複数のアルゴリズムを用いることは、決定モジュール２３４が入手可能なデータの品質及び数量に関して実質的に最適な技法を利用するのを可能にする。このようにして、決定モジュール２３４は、ほとんどすべてのシナリオにおいて適切なリコメンデーションを生成することができる。
一例においては、リコメンデーションを生成するために用いられるアルゴリズムは、決定コントローラ（ここでは、“決定リコメンダ”とも呼ばれる）によって制御される。例えば、一実装においては、決定コントローラは、リコメンデーションを生成するために５つの異なるアルゴリズムを用いるように構成することができる。これを行う際には、決定コントローラは、指定された順序で該当するサブルーチンを呼び出し、その後に生成されたリコメンデーションをソートするために動作する。
一例により、決定コントローラは、一定の期限内にリコメンデーションを返信するように構成することができる。例えば、決定コントローラに対して、特定のユーザ又は加入者のためのリコメンデーションを５０ミリ秒以内に生成するように要求することができる。一例においては、決定コントローラは、リコメンデーションの生成がこの例においては５０ミリ秒よりもかかっている場合はリコメンデーション生成プロセスを停止させるように構成することができる。許容された時間内に生成されたリコメンデーションは返信される。
一例により、図１３は、一側面による、関連づけ（関連づけ規則アルゴリズム）、比較（類似性アルゴリズム）、グループ分類（プロファイリングアルゴリズム）、追跡（人気コンテンツアルゴリズム）、及びネットワーク化（ソーシャルネットワーク化アルゴリズム）リコメンダアルゴリズムモジュール１１０４、１１０６、１１０８、１１１０、及び１１１２（ここでは、総じて“リコメンダモジュール１１１４”と呼ばれる）と決定コントローラ１１１６との間における関係のブロック図を示す。図１３に示される例においてわかるように、リコメンダモジュールである関連づけ、比較、グループ分類、追跡、及びネットワークリコメンダモジュール１１０４、１１０６、１１０８、１１１０、及び１１１２の各々は、取り出された加入者データを入力項目とし、これらのデータを処理してリコメンデーションリスト１１１８を生成する。各リストは、決定コントローラ１１１６に入力され、決定コントローラ１１１６はその結果を処理して最終的リコメンデーションリストを出力する。
一例においては、リコメンダモジュール１１１４は、データの前処理１１２２を含むことができる。前処理されたデータは、リコメンデーション生成時に用いることができる。この前処理段階は、毎日特定の時間に実行する、連続的に実行される、オフラインで１回実行される、等のように構成することができる。一例においては、この前処理段階は、データをクレンズ（ｃｌｅａｎｓｅ）、処理、及び構造化して、個々のリコメンデーション発見時間中に素早く及び正確に用いることができるフォーマットにする。
一例においては、リコメンダモジュール１１１４は、リコメンダモジュール１１１４の各々が推奨された品目に関してどの程度の信頼度を有するかを示す決定信頼度レベル（１乃至５）１１２４を返信するように構成することができる。一例においては、“５”の信頼度レベルで戻された品目は、非常に良いリコメンデーションであるとみなされ、信頼度レベル“１”を有するリコメンデーションは、不良リコメンデーションであるとみなされる。一実装により、リコメンダモジュール１１１４の各々は、内部点数である信頼度値をさらに有するように構成することができる。各リコメンデーションに関して、リコメンダモジュール１１１４は、この内部点数／信頼度値を用いて正規化された決定信頼度レベルを生成することができる。決定コントローラ１１１６は、リコメンダモジュール１１１４の各々によって返信された信頼度レベルを使用し、重み付け用構成要素１１２６、フィルタリング用構成要素１１２８、及びソート用構成要素１１３０を用いることによって各々のリコメンデーションをソートすることができる。
一例により、関連づけ、比較、グループ分類、追跡、及びネットワークリコメンダ１１０４、１１０６、１１０８、１１１０、及び１１１２は、以下において示されるように、機能Ａ、Ｂ、及びＣを提供する能力を有することができる。
図１４を参照して、リコメンダ処理方法１１４０は、機能Ａ、Ｂ、及びＣを提供することによって決定をサポートする。機能Ａは、ブロック１１４１において適用可能であると決定された加入者のための品目を見つけ出すことに関する。一例においては、リコメンデーションの要求を受信することとして説明されるが、リコメンダモジュール１１１４の各々は、個人の推奨された品目のリストを返信する機能を有するように構成することができる（ブロック１１４２）。機能呼び出しは、リコメンデーションパラメータの受信として説明されるが、制限することなしに、最低信頼度レベル、リコメンデーション数、等を含む幾つかのパラメータを採用することができる（ブロック１１４４）。結果は、信頼度レベルによって順序を設定することができる（ブロック１１４６）。一例においては、推奨される品目は、（モバイルデバイスに関する情報が提供されている場合は）その個人のモバイルデバイスと適合可能であるように構成され、個人によって購入済みの品目は含まない（ブロック１１４８）。
図１５に示されるように決定コントローラ１１１６内のこの個々のリコメンデーション機能１２００に関する典型的プロセスフローは、ポータルＡＰＩ１２０２が、ｇｅｔＲｅｃｏｍｍｅｎｄａｔｉｏｎｓ呼び出しを用いて決定アクセスマネージャ（ＤＡＭ）１２０４を呼び出し及びユーザ又は加入者、最大リコメンデーション数、最低信頼度レベル、カタログゾーン、プロフィールゾーン、モバイルデバイス、カスタム属性含有フィルタ、等を指定することを含むことができる。ＤＡＭ１２０４は、決定コントローラ１１１６を呼び出してユーザ／加入者識別、リコメンデーション数、最低信頼度レベル、カタログゾーン、プロフィールゾーン、モバイルデバイス、カスタム属性含有フィルタ、等を渡すことができる。決定コントローラ１１１６は、加入者情報、リコメンデーション数、及び最低信頼度レベルを用いてリコメンダモジュール１１１４の各々を呼び出す。その後、リコメンダモジュール１１１４の各々は、自己のリコメンデーションが既に推奨品目リストに存在済みでなく及び最低信頼度よりも上に定義されている場合にこれらのリコメンデーションを推奨品目リストに加える。次に、決定コントローラ１１１６は、リストをソートし、カタログゾーン、制限コンテンツ、デバイス及カスタム属性含有フィルタ、等によってリストをフィルタリングする。一例においては、要求された“リコメンデーション数”のみがＤＡＭ１２０４に返信される。引き続き、ＤＡＭ１２０４は、例えばリスト内の全コンテンツ品目をｘｍｌに変換して呼者に返信することができる。
図１４に戻り、方法１１４０は、ブロック１１４９において適用可能であると決定された、所定の品目の対象となる加入者（所定の品目を推奨すべき最良の加入者）を見つけ出すことに関する機能Ｂをさらにサポートする。すなわち、リコメンダモジュール１１１４の各々は、品目が推奨されるべきユーザ又は加入者のリストを返信する機能を有するように構成される（ブロック１１５０）。一例においては、呼び出しは、最低信頼度等の幾つかのパラメータを要する（ブロック１１５２）。結果は、信頼度レベルによって順序が設定される（ブロック１１５４）。次に、推奨された加入者は、デバイスの適合性に従ってフィルタリングされる（ブロック１１５６）。
一例においては、決定コントローラ１１１６内における図１５に示されるこの機能に関するプロセスフローは、グラフィカルユーザインタフェース（ＧＵＩ）１２０６がｇｅｔＳｕｂｓｃｒｉｂｅｒｓＦｏｒＩｔｅｍ呼び出しを用いて決定コントローラ１１１６を呼び出すことと、品目、最大加入者数、最低信頼度、カタログゾーン、プロフィールゾーン、等を指定すること、とを含む。決定コントローラ１１１６は、ユーザ又は加入者の数、品目、最低信頼度レベル、カタログゾーン及びプロフィールゾーンを用いてリコメンダモジュール１１１４の各々を呼び出す。追跡リコメンダ１１１０以外のリコメンダモジュール１１１４の各々は、加入者が推奨加入者リストにまだ存在しない場合はその加入者をリストに加えることができる。全リコメンダモジュール１１１４を呼び出し後は、リストがソートされ、要求された“加入者数”のみがＧＵＩ１２０６に返信される。
図１４に戻り、方法１１４０は、ブロック１１５７において適用可能であるとして説明される購入後に関する機能Ｃをさらに提供する。すなわち、リコメンダモジュール１１１４の各々は、加入者が購入済みである以前の品目に基づいて加入者のための推奨されるコンテンツ又はサービスを返信する機能を含むように構成することができる（ブロック１１５８）。１つの例示的実装においては、購入後リコメンデーションは、購入されたばかりの品目に基づくリコメンデーション、例えば、通常はいっしょに購入される付属品又は消耗品の提案、である。呼び出しは、品目、最低信頼度レベル、リコメンデーション数、等を含む幾つかのパラメータを採用することができる（ブロック１１６０）。結果は、信頼度レベルによって順序を設定することができる（ブロック１１６２）。推奨される品目は、個人のモバイルデバイス（提供された場合）と適合可能になり、個人によって既に購入済みでないことになる（ブロック１１６４）。
一例により、決定コントローラ１１１６内の図１５に示されるこの機能に関するプロセスフローは、ポータルＡＰＩ１２０２によるｇｅｔＰｏｓｔＰｕｒｃｈａｓｅＲｅｃｏｍｍｅｎｄａｔｉｏｎｓ呼び出しを用いたＤＡＭ１２０４の呼び出しと、既に購入済みの品目、ユーザ又は加入者、最大リコメンデーション数、最低信頼度レベル、カタログゾーン、プロフィールゾーン、モバイルデバイス、カスタム属性含有フィルタ、等を指定することとを含むことができる。ＤＡＭ１２０４は、購入された品目、加入者、リコメンデーション数、最低信頼度レベル、カタログゾーン、プロフィールゾーン、モバイルデバイス、カスタム属性含有フィルタ、等を用いて決定コントローラ１１１６を呼び出す。決定コントローラ１１１６は、既に購入された品目、加入者、リコメンデーション数、最低信頼度レベル、等によってリコメンダモジュール１１１４の各々を呼び出す。
リコメンダモジュール１１１４の各々は、リコメンデーションがまだリコメンデーションリスト内に存在しておらず及び最低信頼度レベルを上回る場合に推奨品目リストにリコメンデーションを加える。次に、決定コントローラ１１１６は、リストをソートしてカタログゾーン、制限品目、デバイス及びカスタム属性含有フィルタによってリストをフィルタリングし、要求された“リコメンデーション数”のみがＤＡＭ１２０４に返信される。その後は、ＤＡＭ１２０４は、例えば、リスト内の全コンテンツ品目をｘｍｌに変換して呼者に返信することができる。
一例により、ポータルＡＰＩ１２０２は、外部システムが決定モジュール２３４から結果を取り出すことができる機構である。一実装においては、ポータルＡＰＩ１２０２は、次の３つの主目的、すなわち、（Ａ）加入者のリコメンデーションを取り出す、（Ｂ）加入者の販売促進物を取り出す、及び（Ｃ）人気コンテンツに関する情報を取り出す、を有する。同様に、プロフィールＡＰＩは、第４の目的（Ｄ）一定の情報（例えば、購入）をリアルタイムでプロフィール及びリコメンデーションシステム１０１に供給する、を実行することができる。
図１５では、関連づけリコメンダ１１０４が品目関連づけアクセサ（ａｃｃｅｓｓｏｒ）１２０８に流れることも示される。比較／類似性リコメンダ１１０６は、比較アクセサ１２０８に流れる。グループ分類リコメンダ１１０８は、グループ購入履歴アクセサ１２１２及びグループ分類メンバーアクセサ（示されていない）にも流れる。追跡リコメンダ１１１０は、追跡アクセサ１２１４に流れる。ネットワークリコメンダ１１１２は、加入者ネットワーク履歴アクセサ１２１６に流れる。
図１３の例において示されるように、典型的プロフィール及びリコメンデーションシステム１０１は、関連づけリコメンダ１１０４と、比較リコメンダ１１０６と、グループ分類リコメンダ１１０８と、追跡リコメンダ１１１０と、ネットワークリコメンダ１１１２と、を含むことができる。
図１６は、関連づけリコメンダ１１０４と、比較／類似性リコメンダ１１０６と、グループ分類リコメンダ１１０８と、ネットワークリコメンダ１１１２と、追跡リコメンダ１１１０と、を備えるリコメンダモジュール１１１４のプロセスフローと関連づけられた主パラメータを含む決定モジュール２３４のより詳細なブロック図を示す。これらのリコメンダの各々のリコメンダの概要が以下に示される。
関連づけ（関連づけ規則）リコメンダ１１０４−一例により、関連づけリコメンダ１１０４は、履歴トランザクションデータに関するバスケット分析を行うための高度な関連づけ規則技法を用いる。関連づけ規則データマイニングは、購入履歴データにおけるパターンを抽出するために用いられる技法である。例えば、スーパーの買い物かご例において、関連づけ規則マイニングは、顧客の買い物かご内の品目の組み合わせを検討することによって、スーパー内の販売用の全品目間での同時購入関係、例えば“パンを購入した多くの人は牛乳も購入した”を見つけ出す。関連づけ規則は、この関係を１つの数学的確率として正確に把握することができる。スーパーの持ち主は、このようなすべての対になった品目に関する全確率を研究し、同時に購入される見込みである品目を棚に並べて置くことによって戦略的な配置をすることが可能である。この場合のアイデアは、履歴的トランザクションデータを用いて将来の購入行動に影響を与えるようにすることである。
例えば、コンテンツ、サービス、又は商品（例えば、ダウンロード品、着信音、等）のあらゆる集合に関して、トランザクション（例えば、スーパー内の“買い物かご”）のデータベースが提供される場合は、品目間における関連づけ規則に関するマイニングを行うことが可能である。関連づけ規則は、ユーザ、加入者、又は顧客が既に購入済みである商品に基づいて将来コンテンツ、サービス、又は商品をユーザ、加入者、又は顧客にインテリジェントに推奨するのを可能にする。さらに、一例においては、関連づけ規則は、品目の対間の単純な関係よりも複雑なパターン、例えば“パンの購入は、牛乳の購入尤度が高いことを意味する”、をさらに見つけ出すことが可能である。より具体的には、一例においては、関連づけ規則は、品目セットをひとつにリンクすることができる。品目セットは、１つ以上の品目の集まりであることができる。例えば、Ａ及びＢが２つの（相互にまとまりのない）品目セットである場合は、“Ａが既に存在する場合にトランザクションにおいてＢが存在する尤度はどれだけであるか”という質問をすることが可能である。後者は、“Ａ=>Ｂ”で表される関連づけ規則を設定する。決定モジュール２３４内に組み込まれた関連づけリコメンダ１１０４は、複数のレベルの関連づけ、例えば、“ＡＢ=>Ｃ，ＡＢＣ=>Ｄ”、最大レベル５“ＡＢＣＤ=>Ｅ”の生成を提供することが可能である（すなわち、ある人が品目Ａ、Ｂ、Ｃ、及びＤを購入した場合に同じ人が品目Ｅを購入する確率はいくつであるか）。
一例においては、デフォルト構成では、３つの品目、すなわち、ある人が品目Ａ、Ｂを購入した場合にその人が品目Ｃを購入する確率、に設定することができる。この設定は、ほとんどの施設にとって十分な深さであることが可能である。
一実装により、以下の表１において示されるように、関連づけ規則の強度を測定するために２つのメトリックを定義することができる。
Figure 0005872435
一例においては、デフォルトにより、決定モジュール２３４内の関連づけリコメンダ１１０４は、総トランザクション（買い物かご）数を２つ以上の品目を購入している一意の加入者の数として算定する。この値は設定可能である。
一例においては、表１に示されるメトリックを百分率で表すために１００が乗じられる。サポートは、全体的データベース内のトランザクションにおいて品目セットがいっしょに生じる頻度を測定し、信頼度は、Ａを含むトランザクションにおいてＢが現れる頻度を測定する。関連づけ規則は、これらの両方のメトリックにおける強度によって定量化される。
可能性のあるすべての品目セット間において生じる可能性があるすべての関連づけ規則を算定することは、計算上のコストが非常に高い作業になる可能性がある。一例においては、該制限を防止するために、いわゆる頻繁な品目セットのみが注目され、関連づけアルゴリズムは、関連づけ規則を算定するための高度に最適化された方法を提供することが可能である。一実装においては、関連づけアルゴリズムは、品目の関連づけを生成するためにトランザクションの加入者履歴データベーステーブルからのトランザクションを用いることが可能である。一例においては、関連づけを生成するために行動タイプ“購入”のみを有するトランザクションのみを用いることができる。該例においては、リコメンデーションを生成するときには“購入”の行動タイプのみを用いることができる。
一例においては、行動タイプ、購入、好き、嫌い、加入者（ＳＵＢ）、非加入者（ＵＮＳＵＢ）、及び非購入を用いることができる。リコメンデーション生成の際に後者の行動タイプを使用するときには、表２に示される典型的なデフォルト重みを用いることができる。
Figure 0005872435
例えば、“購入”トランザクションは、好きトランザクションよりも関連性が高いとみなすことができる。しかしながら、デフォルト重み値はオーパ−ライド可能であることが注記されなければならない。
リコメンデーションを生成時には、決定モジュール２３４は、プロフィールＡＰＩ／インタフェースデータ取り込み用構成要素１３０５を介して取り出された加入者の過去のトランザクション１３０４を検索して１つの品目ごとの重みを合計することができる。 この情報は、関連づけ規則のあらゆる該当する組み合わせを検索するために用いることができる。その結果は、適宜重みを付けてソートすることができる。
加入者のための品目を見つけ出すための関連づけリコメンダ１１０４における機能呼び出しの典型的流れは、関連づけモジュール１１０４の関連づけリコメンダ（ＡｓｓｏｃｉａｔｅＲｅｃｏｍｍｅｎｄｅｒ）が、加入者が購入済みの品目を入手することと、コンテンツ関連づけモジュール１３０６において組み合わせの品目セットを構築することとを含む、その後は、関連づけリコメンダは、各品目セットに関する最低のサポートと信頼度を有する関連づけを探し、各品目が返すべき推奨される関連づけの数を指定する。関連づけリコメンダは、照会を構築し、品目関連づけストア（例えば、ＤＢテーブル、等）から 品目の関連づけを入手し、関連づけサポート及び信頼度が最低を上回ることを確認する。その後は、全体的信頼度レベルによって順序が設定された幾つかのリコメンデーションが生成される。
一例においては、関連づけリコメンダは、各品目セットに関する品目関連づけテーブルから結果を入手することができる。関連づけリコメンダは、フィルタリングプロセス１３１１を用いることによってこれらの品目が加入者によって既に購入済みでないことを確認することができ、フィルタリングプロセス１３１１は、デバイス適合性とメタデータフィルタリング、アクセスデバイス情報１３１３を考慮に入れることもできる。その後、関連づけリコメンダは、これらの品目をリストに追加し、重み付け規則１３０９に従って重み付けプロセス１３０７を用いて信頼度レベルを適用する。これで、リコメンデーションが決定リコメンダ２３４に返信される。
品目を推奨する対象となる加入者を得るための関連づけリコメンダ１１０４内における機能呼び出しの典型的流れにおいて、関連づけリコメンダ１１０４の関連づけリコメンダ（ＡｓｓｏｃｉａｔｅＲｅｃｏｍｍｅｎｄｅｒ）は、品目、最低信頼度レベル、カタログゾーン、プロフィールゾーン、及び返信されるべき加入者数を取り出す。次に、関連づけリコメンダは、ターゲット品目、返信すべき加入者数、及び最低信頼度レベルを用いて品目関連づけストア（例えば、ＤＢテーブル、等）に照会し、ターゲット品目を含む関連づけ内の品目を購入済みであるがその品目はまだ購入していない全ユーザ又は加入者を探索し、さらにこれらのユーザ又は加入者がその品目をサポート可能なモバイルデバイスを有することを確認する。
購入後に関する関連づけリコメンダ１１０４内における機能呼び出しの典型的流れは、関連づけリコメンダ１１０４の関連づけリコメンダが特定の品目を用いてターゲット品目を含む品目セットを生成することを含む。次に、関連づけリコメンダは、各品目セットに関する最低信頼度及びサポートを用いて品目関連づけストア（例えば、ＤＢテーブル、等）に照会し、（例えば、設定可能なプロパティを用いて）返信すべきリコメンデーション数を指定する。次に、全体的信頼度レベルによって順序が設定されたリコメンデーションの数が返信される。関連づけリコメンダは、これらの品目がユーザ又は加入者によって既に購入済みでないことを確認し、これらの品目をリストに加え、重み付けを適用し、デバイスの適合性を検証し、その結果を決定リコメンダ２３４に返信する。
比較リコメンダ１１０６−一例において、比較リコメンダ１１０６の目的は、コンテンツメタデータ１３２７に基づいて異なるコンテンツ品目間の関係を算定することであり、インタフェースデータ取り込みを行うカタログＡＰＩ１３２９から入力を受信する。一例により、比較リコメンダ１１０６は、新品目（すなわち、モバイルオペレータ又はその関連づけられたビジネスシステムに加えられた、誰によってもまだ購入されていない新品目）に関するコールドスタート問題を解決するのに役立つことができる。一例においては、いずれの加入者もこの新品目を購入したことがなく及びその品目はいずれの加入者購入履歴内にも存在しないため、関連づけリコメンダ１１０４は、該新品目に関する相関関係を見つけ出すことができない場合がある。
該状況においては、比較リコメンダ１１０６は、特定の品目に類似する品目を見つけ出し、該品目に関して、該品目の推奨対象となる加入者を見つけ出すことができる。一例においては、比較リコメンダ１１０６は、アーティスト、タイトル、含まれるコンテンツのソース名、及び発行者等のメタデータを用いて品目を比較し、コンテンツ類似性の集合１３１０を形成する。比較のために用いるためにあらゆるカスタム属性をコンフィギュレーション可能であることも当業者によって注目されなければならない。一例においては、後者は、コンテンツカスタム属性生成プロセス中に達成される。
メタデータを比較するときには、一例においては、比較リコメンダ１１０６は、これらのメタデータが属性を比較する上でどの程度重要であるかを決定するために１つのメタデータの重みを用いることができる。重み値は、例えば、１乃至５であることができ、１が最低値及び５が最高値である。例えば、カスタム属性は、１の重みを有することができる“価格カテゴリ”と呼ぶことができ、ジャンルの重みは５の値を有することができ、２つの品目のジャンルの類似性が価格の類似性よりも重要であることを示す。
一例においては、比較リコメンダ１１０６は、メタデータ値を比較可能な２つの機構を有することが可能である。第１の機構は、直接的な大文字小文字に影響されないストリング比較を用いることができる。第２の機構は、ファジーなストリングマッチング技法を用いることができる。第２の機構は、同じ又は類似の値、例えば“ＦＩＦＡ２００４”及び“ＦＩＦＡ２００５”、を表す値を比較するときに適切である。一例においては、コンマによって分離されたサブストリングから成るストリングを比較可能にするモードも提供される。
１つの典型的側面においては、加入者のための品目を推奨するための比較アルゴリズム１１０６における機能呼び出しプロセスフローにおける主動作の概要は、比較リコメンダ１１０６の類似性リコメンダ（ＳｉｍｉｌａｒｉｔｙＲｅｃｏｍｍｅｎｄｅｒ）が、加入者が購入済みである品目を入手することを含む、次に、類似性リコメンダは、各購入された品目に関する最低信頼度レベルを用いて品目類似性ストア（例えば、ＤＢテーブル、等）に照会し、設定可能なプロパティを用いて各購入された品目が返信すべき類似品目数を指定する。その後、類似性スコアによって順序が設定された類似品目が返信される。一例においては、類似性リコメンダは、各々のユーザによって購入された品目に関する類似品目を入手し、その結果が加入者によって既に購入済みでないことを確認する。次に、類似性リコメンダは、これらの品目をリストに加え、信頼度レベルを各々に適用する。これで、リコメンデーションが決定リコメンダ２３４に返信される。
１つの典型的側面により、品目を推奨する対象となる加入者を推奨するための比較アルゴリズム１１０６における機能呼び出しプロセスフローにおける主動作の概要は、比較リコメンダ１１０６の類似性リコメンダにその品目が渡されることと、設定可能なプロパティによって指定された返信すべき最大加入者数を指定すること、とを含む。
その後、類似性リコメンダは、類似品目を探索し、ターゲット品目は購入したことがないが類似品目のうちの１つ以上を購入したことがある加入者を見つけ出す。その後、類似性リコメンダは、ユーザをリストに加え、信頼度スコアによってソートし、信頼度レベルを各々に適用する。これで、“加入者数”が決定リコメンダ２３４に返信される。
グループ分類リコメンダ１１０８−一例においては、グループ分類リコメンダ１１０８は、指定された加入者グループによって購入された（すなわち、加入者グループ行動１３２４）最も人気のある品目を算定するために実装される。一側面においては、このリコメンダ１１０８は、特定の加入者に関する履歴情報（購入、好き、嫌い、等）が多くない又はまったくない場合における加入者コールドスタート問題を解決するのに特に役立つ。しかしながら、該状況においても、役立つ加入者メタデータ又は人口統計情報を入手可能であり、それに基づいてリコメンデーションを行うことができる。例えば、特定の加入者が男性の後払いビジネスユーザであることがわかっている場合は、この情報は、その他の類似の人口統計上の加入者が好むコンテンツ又はサービスを推奨するために用いることができる。
ユーザ又は加入者のためのリコメンデーションを生成時には、グループ分類リコメンダ１１０８は、最初に、ユーザ又は加入者が属するユーザグループ又は加入者グループ（すなわち、プロフィールグループメンバー１３１６）を決定し、それらのグループに関する最も人気のあるコンテンツ品目を取り出す。グループ分類は、プロフィールグループ生成プロセス１３１８によって供給され、プロフィールグループ生成プロセス１３１８は、特に追跡記録のない新メンバーに関する加入者属性及びトランザクション１３０４をサポートし、さらにプロフィールグループメンバー１３１６をサポートする。該品目は、さらにフィルタリングされ（例えば、ユーザ又は加入者によって既に購入済みの品目は除外される）、信頼度レベルによってソートされて返信される。他の例においては、品目の対象となる加入者を推奨するときには、グループリコメンダ１１０８は、特定のコンテンツ品目はいずれの加入者グループにおいて人気があるかを決定することができ、これらのグループ１３１６のメンバーを取り出す。次に、これらのグループのメンバーがフィルタリングされ、信頼度レベルによってソートされて返信される。
一例により、加入者のための品目を推奨するためのグループ分類リコメンダ１１０８における機能（ｆｕｎｃｔｉｏｎ）呼び出しプロセスフローにおける主動作の概要は、グループ分類リコメンダ１１０８が、加入者が購入したことがある品目を入手することと、その加入者がメンバーであるグループ１３１６を入手すること、とを含むことができる。次に、グループ分類リコメンダ１１０８は、任意選択でプロフィールゾーンを用いて及び（設定可能なプロパティを用いて）返信されるべき品目数を指定することによって、各グループに関する最も購入された品目をストレージ（例えば、ＤＢテーブル、等）から取り出す。その後、購入頻度によって順序が設定された品目の数が返信される。グループ分類リコメンダは、これらがユーザによって既に購入済みでないことを確認し、これらの品目をリストに加え、信頼度スコアを適用する。これで、リコメンデーションがソートされて決定リコメンダ２３４に返信される。
１つの典型的側面においては、品目を推奨する対象となる加入者に関するグループリコメンダ１１０８における機能呼び出しプロセスフローにおける主動作の概要は、グループリコメンダ１１０８が、その品目に関してデータストア（例えば、ＤＢテーブル、等）を参照してその品目が設定可能な回数だけ購入されたことがある全グループを入手することを含む。各グループに関して、グループ分類リコメンダは、この品目を購入しておらず及びこの品目をサポートするデバイスを有するユーザ又は加入者を入手する。グループ分類リコメンダ１１０８は、最低信頼度レベルを上回る場合はこれらの加入者を加入者リストに追加し、制限されたコンテンツが各加入者に関して許容可能であるかどうかを確認する。
図１７は、一側面による、ネットワークリコメンダ１１１２の主構成要素のブロック図を示す。それは、呼データ記録モジュール１４０２と、ネットワークビルダモジュール１４０４と、ネットワーククリーニングモジュール１４０６と、重み付けモジュール１４０８と、加入者関係識別モジュール１４１０と、ネットワークリコメンダモジュール１４１２と、を含む。以下においてこれらのモジュールがさらに詳細に説明される。一例においては、ネットワークリコメンダ１１１２は、ネットワークビルダプロセス１３２１によって取り込まれたピアツーピア（Ｐ２Ｐ）通信データ１３２０（例えば、呼、ＳＭＳデータ、等）を用いてＰ２Ｐ（ピアツーピア）ネットワーク１３２２を構築する。これらのネットワーク１３２２は、ローカルネットワーク１３２２のメンバーの行動に基づいてユーザのためのリコメンデーションを生成するために用いることができる。一例においては、ネットワークリコメンダ１１１２は、モバイルデバイス使用法（会話中、ＳＭＳ、ＭＭＳ、３Ｇ、等）に基づく呼データ記録（ＣＤＲ）を使用し、各々のモバイルデバイスを用いて通信する対のユーザ間におけるリンクのネットワークを構築する。このソーシャルネットワーク１３２２は、彼の／彼女のローカルネットワーク内の個人の購入行動について研究するためにこれらの個人のネットワークリンクをポーリングすることによって人々に品目を推奨するために（又はその逆の目的のために）用いることができる。
引き続き図１７を参照して、一側面により、ネットワークリコメンダ１１１２は、少なくとも３つのモジュール、特に、ネットワークビルダ１４０４、ネットワーククリーナ１４０６、及びネットワークリコメンダ（ＮｅｔｗｏｒｋＲｅｃｏｍｍｅｎｄｅｒ）アルゴリズム１４１２、から成る。
図１８を参照して、一側面によるネットワーク推奨のための方法１４２０が描かれる。一例においては、ネットワークビルダ１４０４は、呼データ記録モジュール１４０２からＣＤＲリストを入力として選択し、ここでＣＤＲは、単に、２つのモバイルデバイス間の通信を取得するデータラインである（ブロック１４２２）。典型的ＣＤＲは、“ＣＡＬＬＥＲ＿ＮＵＭＢＥＲ， ＲＥＣＥＩＶＥＲ＿ＮＵＭＢＥＲ， ＣＡＬＬ＿ＴＹＰＥ， ＣＡＬＬ＿ＴＩＭＥ， ＣＡＬＬ＿ＤＵＲＡＴＩＯＮ， ＣＡＬＬ＿ＣＯＳＴ”であることができる。ユーティリティは、着信ＣＤＲにおいて１つ以上の“フィルタ”を設定するように構成することができる。一側面においては、フィルタは、ＣＤＲが合格しなければならない規則のリストである。一例においては、フィルタは、次のことを検証する。すなわち、（Ａ）呼者及び受信者の番号が指定された接頭辞及び最小／最大長を有する（ブロック１４２４）、（Ｂ）呼が指定されたタイプ（音声、ＳＭＳ、ＭＭＳ、映像、等）を有する（ブロック１４２６）、（Ｃ）音声呼が指定された最小／最大の継続時間内である（ブロック１４２８）、（Ｄ）ＣＤＲがカレンダ内の指定された開始／終了日間に存在する、及び（Ｅ）ＣＤＲの時間が指定された時刻間に存在する（ブロック１４３２）。ＣＤＲの曜日もフィルタリングされる（ブロック１４３３）。
該フィルタの各組は、別個のネットワークを定義することも可能である。例えば、１つの該ネットワークは、月曜日乃至金曜日午前８時乃至午後６時の通信を表すＣＤＲを取得することができる−すなわち、ビジネスネットワークである。金曜日午後６時乃至月曜日午前２時のＣＤＲを取得する他のネットワークは、ソーシャルネットワークである。
一例においては、いずれのデータ記録も、フィルタを通り、“ネットワークサマリ”テーブルに送られ、一例においては、Ｐ２Ｐリンクは単一の行（ｒｏｗ）として格納されて総計される（ブロック１４３４）。すなわち、呼者Ａから受信者ＢへのＣＤＲが着信した場合は、テーブルにおいてＡ乃至Ｂに関する既存の行の有無が確認される。行が既に存在する場合は、その行は、新ＣＤＲ内の情報によって更新される。そうでない場合は、ＣＤＲは新行として挿入される。このようにして、最終的ネットワークサマリテーブルの各ラインは、２人の間での全通信活動を表す。
一例により、これらのネットワークの各々にダイレクションされるように構成され（ブロック１４３６）、リンク“Ａ---→Ｂ”はリンク“Ｂ---→Ａ”と異なるとみなされる。従って、ＡからＢへの、及びＢからＡへの通信に関してＣＤＲが存在する場合は、各々は、ネットワークサマリテーブル内の異なる行内に入れられる。一例においては、フィルタは、ＸＭＬファイルにおいて設定及び構成することが可能であり、例えば“ＲａｗＲｅｃｏｒｄＦｉｌｔｅｒｓ．ｘｍｌ”と呼ぶことができる。
一例においては、ネットワークサマリテーブルは、一定量のノイズ、例えば、列車の時刻表、天候、ニュースアラート、タクシー運転手、等の自動化されたサービス、を含む。該データは、リコメンデーションの観点からは有用ではなく、従って、ネットワークリコメンダ１１１２は、クリーニングモジュール１４０６を用いて該データをネットワークサマリテーブルから削除するように設計される（ブロック１４３８）。一側面により、ネットワークビルダモジュール１４０４において構築された各ネットワークに関して、そのネットワークのみをクリーニングするために動作する別個のフィルタを構築することが可能である。フィルタは、例えば、呼者が有するのを許容することが可能な最大／最小の出通信数を指定することができる（ブロック１４４０）。従って、これらのスレショルドに違反する呼者は、ネットワークサマリから削除される。
一例においては、ネットワークサマリテーブルがクリーニングされた時点で、ネットワークリコメンダ１１１２は、重み付けモジュール１４０８によって各関係（すなわち、テーブル内の行）に重み（又は強度）を割り当てるように構成される（ブロック１４４２）。これは、彼／又は彼女の“最良の”友人（すなわち、最強の重みを有する友人）を識別するために個人のリンクをランク付けできるようにするためである（ブロック１４４４）。一例においては、これらのフィルタは、ＸＭＬファイル、例えば“ＮｅｔｗｏｒｋＳｕｍｍａｒｙＴａｂｌｅＣｌｅａｎｅｒ．ｘｍｌ．”、において設定及び構成することができる。
ネットワークサマリテーブルが構築されてクリーニングされた時点で、ネットワークリコメンダ１１１２は、加入者に推奨すべき品目を見つけ出すために又は品目を強く勧めることができる対象となる加入者を見つけ出すために用いることができる（ブロック１４４６）。一例においては、所定の加入者に関して、その加入者の“隣人”（彼／彼女に直接リンクされた人々）、そしてその隣人、以下同様、が、加入者関係識別モジュール１４１０によって識別される（ここでは、“分離度”又は単に度と呼ばれる）（ブロック１４４８）。従って、ある個人から２度離れている人は、その個人がリンクされている誰かにリンクされた個人（すなわち、友人の友人）を指す。一例においては、これらの人々の中で最も人気がある品目が加入者のためのリコメンデーションを形成する。
ネットワークリコメンダ１１１２は、加入者から最大で５度離れた人々を検討するように構成することができる。ネットワークリコメンダ１１１２は、対ごとの重み付けが一定の強度を上回る分離度内の人々のみを含むようにさらに構成することが可能である（ブロック１４５０）。この場合は、重み付けスレショルドが高いほど関係が親密になる。
一例により、ネットワークリコメンダ１１１２は、購入履歴を有する加入者に品目を推奨するために用いることができる。該シナリオにおいては、加入者の購入履歴は、加入者のためのリコメンデーションを生成し及び既に購入済みの品目を除外するために用いることができる（ブロック１４５２）。
１つの典型的側面においては、ネットワークリコメンダ１１１２内における機能呼び出しのプロセスフローにおける主動作の概要は、決定コントローラ１１１６が、加入者が購入したことがある品目を入手することを含み、それらをネットワークリコメンダ１１１２のネットワークリコメンダ（ＮｅｔｗｏｒｋＲｅｃｏｍｍｅｎｄｅｒ）１４１２に渡す。一例においては、ネットワークリコメンダ１４１２は、渡されたスレショルドを用いて、加入者のローカルネットワークにおいてどれだけの度を探索すべきかを算定する。
一例においては、ネットワークリコメンダ１４１２は、指定された分離度内にある加入者のローカルネットワークのメンバーによって購入された品目の有無に関してそのローカルネットワークを探索し、指定されたスレショルドを上回る重みを有するＰ２Ｐリンクのみをたどり及び指定された及び設定可能な最少数の購入を行っているメンバーのみをポーリングする。次に、ネットワークリコメンダ１４１２は、各品目がターゲット加入者によって既に購入済みでないことを確認し、これらの品目をリストに加え、信頼度レベルを各々に適用する。これで、リコメンデーションが決定モジュール１１１６に返信される。
他の典型的側面においては、品目を推奨する対象となる加入者を見つけ出すためのネットワークリコメンダ１１１２内における機能呼び出しプロセスフローにおける主動作の概要は、所定の品目を用いることと、その品目を既に購入済みである人々を見つけ出すこと、とを含む。次に、これらの人々の各人の隣人がその品目に関するターゲットになる。顕著なことに、一定のスレショルドよりも高い重みを有し及び幾つかの分離度内にある隣人のみを考慮できることを明記することができる。各ローカルネットワーク内において、所定の品目を購入していない人々を識別することができ、そして、これらの人々のうちで、購入回数が最低の設定可能レベルを超える人々のみがリコメンデーションターゲットとして追加される。
図１６に戻り、追跡リコメンダ１１１０が説明される。一例においては、追跡リコメンダ１１１０は、最も共通して用いられるコンテンツ又はサービスをモニタリング及び記録するために、すなわち、全体的な傾向追跡１３３０を提供するために用いることができる。この情報は、最も人気のある品目に基づいてリコメンデーションを返信するために用いられる。一例においては、追跡リコメンダ１１１０は、人気品目のターゲットを加入者に特定するために用いることができる。一例においては、追跡リコメンダ１１１０からの結果は、他のアルゴリズムが、ターゲットがより特定されたリコメンデーションを提供できないときに（すなわち、加入者コールドスタート状況のときに）用いることができる。追跡リコメンダ１１１０は、指定された期間中にカタログ内の最も人気があるコンテンツを検索するためにさらに用いることができる。このタイプのリコメンデーションの例は、“ホットなもの”のリストをポータルユーザに表示することである。一例においては、追跡リコメンダ１１１０は、加入者履歴テーブル内のトランザクションデータから構築される追跡コンテンツ品目テーブルを用いる。一例においては、追跡コンテンツ品目テーブルを生成する前に、履歴的トランザクションを検討する時間を指定することができる。
１つの典型的側面においては、加入者のための品目を推奨するための追跡リコメンダ１１１０内における機能呼び出しのプロセスフローにおける主動作の概要は、追跡リコメンダ（ＴｒａｃｋＲｅｃｏｍｍｅｎｄｅｒ）が、加入者のデバイスによってサポートされており及び以前に加入者によって購入されたことがない最も人気のある品目を入手することを含む。次に、追跡リコメンダは、プロフィールゾーンを使用し、設定可能なプロパティを用いて返信されるべき品目数を指定する。追跡リコメンダは、照会を構築し、追跡コンテンツ品目テーブルから品目を入手し、各品目のカウントによって順序が設定された品目の指定数を戻す。その後、追跡リコメンダは、制限コンテンツを確認し、加入者又はユーザによって購入済みでないコンテンツを入手し、リストに品目を追加し、信頼度レベルを適用する。これで、リコメンデーションが決定コントローラ１１１６に返信される。
さらなる典型的側面においては、この開示のプロフィール及びリコメンデーションシステム１０１は、ベストセラーリコメンダを用いることが可能である。
しかしながら、一側面により、ベストセラーリコメンダは、リコメンダ１１１４から分離されており、むしろ独立型モジュールと呼ぶことができる。一例においては、後者は、決定リコメンダクラスアーキテクチャ外のベストセラーリコメンダを定義する符号レベルにおいて反映される。一側面においては、リコメンダ１１１４は、加入者のための品目、又は他の品目のための品目を見つけ出すことが狙いである一方で、ベストセラーリコメンダは、統計ツールであるとさらにみなすことができる。
ベストセラーリコメンダは、１つの単純例においては、ユーザが加入者履歴トランザクションテーブルから最も人気のあるコンテンツを検索するのを可能にし、ユーザの行動（購入／好き／嫌い／閲覧、等）及び期間（過去の時間、例えば最後の１時間、最後の１２時間、最後の日、最後の週、等から成る設定可能な集合）に基づいて検索する。１つの任意選択的側面においては、加入者をベストセラーリコメンダ内に渡すことは、返信対象となる品目に関して２つの追加の効果を有する。すなわち、（Ａ）加入者によって購入済みの品目が隠される、又は（Ｂ）該当する場合は、制限された品目が加入者から隠される。
一例においては、加入者が渡されたときに、機能的には、ベストセラーリコメンダは、追跡リコメンダ１１１０と非常に同じように動作することができる。一例においては、ベストセラーリコメンダは、購入以外の行動を検討することが可能である。さらに、追跡リコメンダ１１１０と同様に、ベストセラーリコメンダデータは、追跡リコメンダデータとともに追跡コンテンツ品目テーブル内に格納し、同じフォーマットを共有することができる。一例においては、ベストセラーデータ生成を設定することは、許容可能期間のコンマで区切られたリストを備える単一のプロパティを追加することから成ることができる。例えば、プロパティ“１Ｈ，７Ｈ，１Ｄ，７Ｄ、９９９Ｄ”は、５つの異なる期間（１時間、７時間、１日、７日、９９９日）を示し、ベストセラーリコメンダは時間的に戻って検索することが可能である。準備段階は、加入者履歴トランザクションデータテーブルを上記のプロパティにおいて指定された時間に分割し、この情報を追跡リコメンダデータとともに追跡コンテンツ品目テーブル内に格納することができる。追跡によって指定された時間がベストセラーリコメンダによって指定された時間のうちの１つである場合は、その期間に関するデータ生成は、１回だけ発生することができる。
一例においては、ベストセラーリコメンダは、ＡＰＩ呼び出しＧｅｔＴｏｐＣｏｎｔｅｎｔＢｙＴｉｍｅＡｎｄＡｃｔｉｏｎのみとして利用可能である。一側面においては、シンプルオブジェクトアクセスプロトコル（ＳＯＡＰ）パラメータ、例えば、行動（購入／閲覧／好き、等）、又はコンマで区切られた行動リスト、及び期間（例えば、１２時間又は７日、等）は必須であることができる。
決定呼び出しに与えられるパラメータは、リコメンデーション生成機構を提供することが理解されるであろう。それらは、ビジネス規則を決定リコメンダへの入力／決定リコメンダからの出力と結合し、加入者に与えられる最終的なリコメンデーションを生成する。これらのパラメータは、決定リコメンダからの出力をさらに制限する。
一例においては、パラメータを指定することは、提供されたＡＰＩ呼び出しパラメータを介して達成される。さらに、システム全体のグローバルパラメータデフォルト値も指定可能である。一側面により、決定モジュールＡＰＩパラメータは、次の能力を提供するために用いることができる。すなわち、（Ａ）リコメンダ選択、（Ｂ）リコメンダコンフィギュレーション決定がリコメンデーションを行うために何を用いるかを正確に選択するために用いられる規則、（Ｃ）入力判定基準、（Ｄ）加入者及びコンテンツフィルタリング判定基準はパラメータとして決定モジュールに渡され、これらは、入手可能なプロフィール及びカタログデータを検討するときに用いられる、（Ｅ）結果問い合わせ、及び（Ｆ）決定モジュールからの出力が検討され、良好なリコメンデーションが見つけ出されているかどうかが決定される。決定モジュール２３４は、決定モジュール２３４が行う各リコメンデーションに関する１つのレベルの確実度値を信頼度レベルとして返信する。規則は、達成されない場合は他の又は異なるリコメンダが試みられることになる許容可能な最低レベルの確実度を規定することができる。
例えば、一側面により、決定呼び出しが行われ、カタログモジュール内の入手可能コンテンツからの加入者へのリコメンデーションの返信を要求する。決定モジュールは、リコメンデーション、ただし低レベルの確実度のリコメンデーション、を持って戻ることができる。この状況においては、リコメンデーションは無視することができ、管理者２１３が販売促進を熱望する特定の（一定の）コンテンツ品目をデフォルトにすることができる。
他の例は、クロスセリングのためのコンテンツ品目が要求される例である。決定モジュール２３４は、最も明確な又は最も共通する選択肢でない可能性があるコンテンツ又はサービスを推奨することができる。後者は、加入者にとってほとんど価値がないリコメンデーションを行う（例えば、加入者が直近のリリースを購入したばかりであるときに特定のアーティストの最後のヒット曲を推奨する）ことを回避するために用いることができる。
一例により、管理者２１３が特定のタイプのリコメンデーションを行うことができる加入者を指定するのを可能にするための加入者フィルタリングを用いることができる。これは、特定の加入者に関するリコメンデーション（例えば、ポータル上で示されるオンラインリコメンデーション）を生成するときに用いられる。例えば、リコメンデーションの提示を特定のタイプのデバイス又は属性を有する加入者（例えば、後払いの高額支出者）に制限する決定規則を生成することができる。
他の例においては、加入者フィルタリングは、リコメンデーションが生成されるべき加入者の部分組を予め選択するために用いることができる。これは、この規則に基づいてアウトバウンド販売促進を生成するときに用いられる。例えば、管理者２１３は、リコメンデーションアプリケーション２１２のユーザインタフェースを介して加入者フィルタリング判定基準を指定することができ、それは、リストから属性を選択すること及び単純なＯＲ論理を実行することを可能にする（例えば、ＭＭＳデバイス、及び前払い、後払い、青年、等）。
コンテンツフィルタリングに関して、コンテンツフィルタリングは、推奨されるコンテンツのタイプを精選することができる。例えば、管理者２１３は、ＭＭＳコンテンツ品目を推奨するだけの規則を生成することが可能である。従って、一例においては、リコメンデーションを取り出すことと関連づけられたＡＰＩは、返信されるべきリコメンデーションのタイプに関する一定の判定基準（例えば、音楽トラックのジャンル、等）を指定する能力も有する。これは、呼び出し側アプリケーションによる大きな制御を可能にする一方で、ユーザ経験の変更は、ＡＰＩ呼び出しを行うアプリケーションの再符号化を要求することがある。後者を回避するために、プロフィール及びリコメンデーションシステム１０１は、リコメンデーションプロフィールを提供することができる。リコメンデーションプロフィールは、（図４に示される）リコメンデーションアプリケーションブロック２１２のユーザインタフェースを介して生成することができ、管理者２１３がリコメンデーションＡＰＩ呼び出しの全パラメータに関する値を指定するのを可能にする。呼び出し側アプリケーションは、個々のパラメータに関する値を指定する代わりに、このリコメンデーションプロフィールを参照する。決定モジュール２３４は、プロフィールからのパラメータ値を追加する。これで、リコメンデーションプロフィールは、管理者２１３が符号の再開発を必要とせずにユーザ経験を変更するのを可能にする。
一例により、決定モジュール２３４がサービスを提供可能な応答時間が重要になることがある。応答時間判定基準は、１０秒又は１００秒又はミリ秒単位で測定することができ、１秒間に数百の要求に応じる。一例においては、性能に影響を及ぼす可能性がある要因は、使用されるリコメンダ数及び対象となるデータ量である可能性がある。
一側面により、図１９は、決定モジュール２３４がウェブコンテナ１５０２を用いてこれらの性能要求をどのようにして満たすかを示す概略図である。一例においては、性能要求を満たすために幾つかの異なる技法、例えば、キャッシュサブシステム１５０４におけるキャッシング及びデータベース１５０８へのデータベースアクセス、を用いることができる。決定モジュール２３４は、一側面により、性能を向上させるために頻繁にアクセスされるデータのインテリジェントキャッシングを用いることが可能である。キャッシングされたデータ要素の量及び寿命は、入手可能なデータ量及び利用可能なハードウェア資源に好適であるように制御することができる。他の側面により、キャッシングが配備されていない場合は、決定モジュール２３４は、例えばデータを取り出すために微調整されたＳＱＬ及びＪＤＢＣを用いることができる。すべてのＳＱＬ及びデータベーススキーマオブジェクトは、最大の性能及びスケーラビリティを提供するように設計される。
決定モジュール２３４内のキャッシング機構は、頻繁にアクセスされるデータの異なるタイプを格納するために幾つかの異なるキャッシュ１５１２を利用することができる。最も共通して用いられるキャッシュは、加入者履歴に関する情報、カスタム属性を含む品目データ、及び段階Ｉ中に異なるアルゴリズムによって生成されるデータ（例えば、品目関連づけデータ、類似性比較、ネットワーク、等）を保持するキャッシュである。
データアクセス層１５１８は、決定モジュール２３４のその他の構成要素からのデータローディングを抽象化（ａｂｓｔｒａｃｔ）するために用いられる。１つのデータの要求が行われると、データアクセス層１５１８は、最初にキャッシングサブシステムを検査し、そのデータが既にローディングされているかどうかを確認する。データが既にローディングされている場合は、データが返信される。データがローディングされていない場合は、データアクセス層１５１８は、データベースからデータをローディングし、そのデータを返信する前にキャッシュ内に挿入する。キャッシングサブシステム１５０４は、旧データ又は未使用データのパージングを管理する。一例においては、キャッシングサブシステム１５０４は、１つのデータの最後のアクセス時間及び全体的キャッシュサイズの両方を用いて何がパージングされるべきかを決定する。
一例においては、決定モジュール２３４内における１つの考慮事項は、図９に関して既述されている段階Ｉデータ準備を行うために要求される時間量である。このプロセスはユーザ経験に対して同じ影響を有さない一方で、非合理的なハードウェア資源は要求されないこと、及びこのプロセスは合理的な時間内に完了することが可能であることに注目すべきである。一例においては、可能な場合は、１５２２において説明される段階Ｉ分析は、増分的な形で行われる（すなわち、新データを処理してその新データを既存の結果と結合させる）。
図２０を参照して、一例により、販売促進モジュール２３６の主構成要素が説明される。図４に関して説明されるように、一例においては、販売促進モジュール２３６は、顧客による取り込み及びコミットを増大させるために、関係するアウトバウンド販売促進物を生成し及びウェブポータル上での動的コンテンツページの作成をサポートする能力を提供する。販売促進モジュール２３６は、販売促進管理モジュール１６０２と、販売促進フィードバックモジュール１６０４と、販売促進物生成モジュール１６０６と、販売促進物取り出しモジュール１６０８と、販売促進物配信モジュール１６１０と、を備える。以下においてこれらの各々のモジュールの機能がより詳細に説明される。
図４及び２０を参照して、一例においては、販売促進において、管理者２１３は、特定の品目に関する幾つかのキャンペーンを生成する。例えば、販売促進物は、企業が人々に紹介しようと試みている一定の品目に関して生成することができる。これは、販売促進物生成モジュール１６０６及び販売促進管理モジュール１６０２と通信するリコメンデーションアプリケーション２１２を介して管理者２１３によって、自動的に、又は以下において説明されるように、行うことができる（図４）。
一例においては、プロフィール及びリコメンデーションシステム１０１は、個々の加入者のための最も該当する販売促進物及びこれらの販売促進物を配信する上で最も適切な時間を決定することができる。これらの販売促進を対話形式にすることで、モバイルオペレータは、加入者が購入を行う機会を最大化することができる。例えば、モバイルオペレータがモバイルオペレータポータルのスーウォーズセクションを構築することを欲する場合は、プロフィール及びリコメンデーションシステム１０１は、手作業による介入なしにポータルの単一のページ又はセクションにおいてすべての該コンテンツ及びサービス（例えば、着信音、スクリーンセーバー、デスクトップ、トレーラ、映画レビュー、ゲーム、チケットサービス、等）をグループに分けることができる。該例においては、加入者又はユーザに対して適用可能なコンテンツ及びサービスのみ及びそのモバイルデバイス能力が表示されることに注目しなければならない。
さらに、一例により、ユーザ又は加入者のオンラインでの行動がプロファイリングされ、これらのユーザ又は加入者の購買習慣、及び販売促進の成功及び行われたオファーの一覧が生成される。この情報はすべて、新たなオファーを販売促進するための最良の方法及び最良の時刻／曜日を定義するために用いることができる。このようにして、販売促進物は、統計上の最高の成功機会を有するときに及び加入者が応答する可能性が最も高いチャネルを通じてユーザ又は加入者に配信される。例えば、加入者が平日の午後５時半乃至午後６時半に５つ以上のピアツーピアメッセージを送信する場合は、このパターンは識別可能であり、その加入者に関する販売促進用の窓として用いることができる。十中八九、加入者は、電車又はバスで通勤していると思われ、さらに友人との情報交換及び夜の娯楽のセットアップのためにその時間を用いていると思われ、これらの加入者に販売促進する上で最良の時間である。
販売促進モジュール２３６は、オンライン機構及びアウトバウンド機構の両方を介してコンテンツサービスの使用を推進するインテリジェントな自動化された手段を提供することによって、複数のチャネルを介してターゲットが特定された販売促進物を生成するのを可能にすることもできる。販売促進物は、販売促進物配信モジュール１６１０を介して配信される。一例においては、オンライン機構は、モバイルオペレータの有線又は無線のポータルを訪れる加入者のために利用される販売促進である。アウトバウンド販売促進は、ＳＭＳ、ＭＭＳ、ＷＡＰプッシュ、等の機構を介してユーザ又は加入者に送信される販売促進である。
一例においては、オンライン販売促進は、販売促進物取り出しモジュール１６０８とサービス及びコンテンツ情報用構成要素２０８との間での通信によって容易にされ、コンテンツ情報用構成要素２０８は、一例においてはポータル２２６を備える。一例においては、この統合は、ポータルアプリケーションズプログラミングインタフェース、ポータルが販売促進物取り出しモジュール１６０８から情報（例えば、特定の加入者のための最良の販売促進物、等）を取り出すこと及び販売促進フィードバックモジュール１６０４を介して使用情報（例えば、加入者が販売促進物に興味を示している、等）を返信することを可能にするＳＯＡＰに基づくＡＰＩ、を介して行われる。販売促進モジュール２３６は、ポータルと協力して、いずれの加入者がポータルを訪れたことがあるか、いずれの販売促進物が閲覧されているか、及びいずれがクリックスルーに結び付いているかを追跡することができる。使用例は、ポータルが販売促進物取り出しモジュール１６０８を介して特定の加入者のための最良の広告の詳細を要求するときの例である。販売促進モジュール２３６は、広告（テキスト、画像、リンク、等を含む）の詳細を返信する。ポータルは、この広告をサイト上の該当位置に提示する。
ポータルＡＰＩがポータルに情報を提供することに加えて、ポータルも、プロフィールフィードバックモジュール１６０４によって販売促進モジュール２３６に情報をフィードバックすることができる。これは、販売促進モジュール２３６が加入者の行動についてより多くのことを学習してより有効に機能するのを可能にする。これの例は、加入者がポータルを訪れたことを報告することと、結果的に購入に至った販売促進物と、購入に至らなかった販売促進物と、を含む。販売促進モジュール２３６はこの情報を認識しているため、販売促進モジュール２３６は、キャンペーンの有効性に関する報告を提供することが可能である。
一側面により、異なるタイプのオンライン販売促進を販売促進モジュール２３６によって行うことができ、これらの各々は、ポータルをナビゲートするときターゲットが特定された販売促進物を加入者に提示するための異なる方法を提供する。以下は、典型的なオンライン販売促進物である。
バナー広告：これらは、ユーザ又は加入者によって閲覧及び選択することができるポータル上に置かれた、ターゲットが特定された広告である。加入者によって選択されたときに、販売促進の詳細が加入者に示され、加入者は、希望する場合は購入に進むことができる。一例においては、バナー広告は、グラフィック広告である。バナー広告は、ポータルの該当箇所に販売促進物を示すのを可能にする表示範囲を用いて定義することも可能である（例えば、金融ニュースセクションとは対照的に着信音セクションにおいて着信音の販売促進物を示す）。
購入後広告：これらは、購入に引き続いて加入者に示される広告である。クロスセリングされるコンテンツは、プロフィール及びリコメンデーションシステム管理者２１３によってコンフィギュレーションすることができ又は決定モジュール２３４によって自動的に生成することができる。
バンドル：個々のコンテンツ又はサービスを１つのグループにまとめて割引価格での購入を加入者にオファーすることができる。バンドリングされた情報は、販売促進モジュール２３６においてソートされ、ポータルがそれを取り出すことができる。加入者がバンドルを購入するときには、ポータルは、プロフィール及びリコメンデーションシステムと共同で成就を管理する。一例においては、販売促進モジュール２３６は、将来用いるためにバンドル購入を記録する。
ターゲット特定メニューリンク：これらは、ポータルメニュー構造内に置かれるリンクであり、該当するコンテンツ又はサービスを加入者にオファーすることができるポータルエリアに加入者を導くためにターゲットが特定される。これらのリンクをその他の静的な又はパーソナル化されたリンクと関連させて置くことは、ポータル管理システムによって制御される。
アウトバウンド販売促進は、以下のようなアウトバウンドブロードキャスト及び幾つかのインバウンド通信機構に基づく。すなわち、
ブロードキャスト：加入者グループに対する販売促進ブロードキャストを、販売促進管理モジュール１６０２によって生成することができる。ブロードキャストメッセージは、ＳＭＳ、ＭＭＳ、又はＷＡＰプッシュメッセージであることができ、新しいコンテンツ及びサービスを販売促進する際に役立つことができる。
ＳＭＳに基づくキャンペーン：ＳＭＳの場合は、一例においては、販売促進モジュール２３６は、加入者コンテンツ／セッション情報を自動的に管理する。管理者２１３は、販売促進管理モジュール１６０２との通信を通じて、加入者が会話を通じて進むために与えるべきメッセージテキストを指定する（より強力なマッチングを提供するために正規の表現がサポートされる）。不正確なメッセージを取得し及びコンテキストの影響を受けるヘルプメッセージを返信するためのデフォルトの包括的な文を追加することができる。
ＷＡＰに基づくキャンペーン：ＷＡＰチャネルを使用するときには、管理者２１３は、モバイルデバイス上に表示される個々のページを指定することができる。これらのページは、テキスト、画像、データ入力フィールド（入力されたデータは変数で格納される）、外部ＷＡＰへのリンク、等を含むことができる。
一例においては、ブロードキャストは、販売促進物配信モジュール１６１０によってＷＡＰプッシュメッセージとして配信することができ、加入者によって起動されたときにこれらの加入者を販売促進物のオンラインバージョンに導く。これは、次の３つの方法で提供される。すなわち、（Ａ）ＷＡＰプッシュメッセージに含まれるリンクが、販売促進物に関する情報を入手可能である他のシステム（例えば、ポータル、等）を指し示す。これは、ポータル上の新しいサービスを加入者に認識させるための理想的な仕組みであることができる、（Ｂ）応答した加入者の詳細事項が記録され、他のシステム（例えば、ポータル、等）に再指向される。これは、加入者による応答のリアルタイム追跡が要求されるときに役立つことができる。販売促進モジュール２３６は、総応答者数を示したリアルタイムのオンライン報告を提供する、及び（Ｃ）リンクが、販売促進の詳細事項を含むページを指し示す。一例においては、管理者２１３は、販売促進物生成モジュール１６０６と通信するWhat You See IS What You Get（ＷＹＳＩＷＹＧ）（あなたが見る物が、あなたが得る物です）エディタを介して販売促進ページを生成することができる。販売促進モジュール２３６は、画像を含む販売促進情報を、モバイルデバイスハイパーテキストマークアップ言語（ＨＴＭＬ）、ワイヤレスマークアップ言語（ＷＭＬ）、拡張可能ハイパーテキストマークアップ言語（ＸＨＴＭＬ）に提供することができる。加入者は、販売促進モジュール２３６から直接販売促進情報を閲覧可能であり、画像及び外部ポータルへのリンクを含むことができる。このソリューションは、販売促進物（例えば、チラシ、等）を通信するため及びより詳細な情報又は購入対話への進行リンクを提供するために単一のＷＡＰデッキを使用可能であるときに利用することができる。この選択肢は、モバイルオペレータのポータルを更新する必要なしでの素早い販売促進物の生成を可能にする。
一例においては、アウトバウンド販売促進物の一部は、加入者が販売促進をフォローアップするためのインバウンド通信機構を提供することである。販売促進モジュール２３６は、次の機構を提供する。
興味グループ：加入者は、（例えば、ＳＭＳを介して）単純なキーワードを用いて応答することによって特定の販売促進物又はトピックへの自己の興味を登録することができる。販売促進モジュール２３６は、加入者がいずれの品目に興味があることを示しているかを自動的に追跡し、この情報を将来用いるために格納することができる。これは、加入者に基づくマーケティング機構、例えばロイヤルティグループ又はコミュニティ、を構築する上での理想的な手法を提供することができる。
対話方式キャンペーン：販売促進モジュール２３６は、会話スクリプト作成アプリケーション（ＣＳＡ）の使用を通じて販売促進物生成モジュール１６０６によってより複雑なキャンペーン及び対話方式のサービスの生成をサポートするために動作する。ＣＳＡは、管理者がＣＳＡ画面上においてコンポーネント又は呼び出された文をドラッグアンドドロップするのを可能にすることによってこれらの会話スクリプトを生成し及び加入者がキャンペーンに参加したときにたどることができる様々な会話経路を生成するためにこれらをひとつにリンクするためのグラフィックな方法を提供する。
一例においては、キャンペーンを簡単に試験及び実証することを可能にする統合されたシミュレータを提供することができる。強力なキャンペーンサービス生成環境を提供することに加えて、会話エンジンは、１秒当たり何百もの加入者との対話に合わせてスケーラブルな非常に高い性能を提供することが可能である。
一例においては、アウトバウンド販売促進の実行は、例えば外部ＣＲＭ又はマーケティング自動化システム、例えばジョージア州アルファレッタのＩｎｆｏｒ Ｇｌｏｂａｌ Ｓｏｌｕｔｉｏｎｓ ＧｍｂＨ（インフォ・グローバル・ソリューションズＧｍｂＨ）、マサチューセッツ州ウォルサムのＵｎｉｃａ Ｃｏｒｐｏｒａｔｉｏｎ（ユニカ・コーポレーション）、又はカリフォルニア州クペルチノのＣｈｏｒｄｉａｎｔ Ｓｏｆｔｗａｒｅ，Ｉｎｃ（チョーディアント・ソフトウェア株式会社）のＥｐｉｐｈａｎｙ、を備えるときに、加入者プロフィール情報ソース２１０を介して実行することが可能である。この統合は、ブロードキャストの生成と同じように単純であることが可能であり、又は結果がＣＲＭ又はマーケティングシステム内にフィードバックされる完全な特徴を備えた対話型キャンペーンの生成にまで拡大することが可能である。一例においては、この統合は、販売促進のグループ及びブロードキャスト管理ＡＰＩを介して提供される。
販売促進モジュール２３６は、プロフィールグループの生成によって、ターゲットが特定された販売促進を達成させることも可能にする。これらのリストは、プロフィール及びリコメンデーションシステムによってインポートすること又は累積された加入者使用情報を用いて生成することができる。
販売促進モジュール２３６は、単独で、又はプロフィールモジュール２３２と、カタログモジュール２３０と、決定モジュール２３４とを含むプロフィール及びリコメンダシステムのその他のモジュールと関係させて配備することができる。単独で配備された場合は、販売促進モジュール２３６は、販売促進物生成モジュール１６０６によって指定された加入者へのターゲットが特定された販売促進物を素早く生成及び実行する能力を管理者に提供する。販売促進モジュール２３６は、プロフィールモジュール２３２、カタログモジュール２３０、及び決定モジュール２３４と関係させて用いられた場合は、より高い成功率を達成させることになるターゲットがより特定された、自動化された、精巧な販売促進物を提供する能力を有する。これが可能な理由は、販売促進モジュール２３６は、その他のプロフィール及びリコメンデーションモジュールと組み合わせて用いられたときには、決定能力を利用してオンライン加入者のためにより良い販売促進物の選択を提供することが可能なためである。決定モジュール２３４の場合は、プロフィールモジュール２３２及カタログモジュール２３０内の情報を利用してターゲット加入者に対する可能な限り最良の販売促進物に到達する規則及びアルゴリズムが用いられる。提案されたアウトバウンド販売促進物も自動的に算定されてユーザに提示される。決定モジュール２３４は、生成された販売促進物を選択し、アウトバウンド方式においていずれの加入者をターゲットとして特定すべきかを決定することができる。カタログモジュール２３０内に格納された情報から自動販売促進物生成も提供することができる。その他のプロフィール及びリコメンデーションシステム構成要素が存在しない一例においては、管理者２１３は販売促進することを希望するコンテンツ／サービスを手作業で特定する必要がある。しかしながら、決定モジュール２３４が用いられるときには、決定モジュール２３４は、カタログモジュール及びプロフィールモジュール、それぞれ２３２及び２３４、内に格納された情報から直接リコメンデーション（例えば、購入後、アウトバウンドブロードキャスト、等）を自動的に生成することができる。
販売促進は、対象となるコンテンツ又はサービスに関する割引価格をしばしば含むことが可能である。販売促進モジュール２３６は、この割引料金情報を販売促進の実行中に用いるために提供することによって、管理者がコンテンツ料金を予め定めるのを可能にする。課金統合がどのように達成されるかに依存して、この販売促進料金情報は、販売促進モジュール２３６から直接課金システムに渡すこと、又はポータルに渡してそこから課金システムに渡すことができる。販売促進モジュール２３６は、ウェブに基づく管理上の特徴も管理者に提供し、販売促進管理モジュール１６０２とインタフェースすることによって、数多くの同時ブロードキャストを有効に管理する能力を提供することができ、及び、１日当たりに何百万件ものメッセージを配信するために簡単に規模を拡大することができる。これらの特徴は次を含むことができる。すなわち、（Ａ）量、スロットリング（ｔｈｒｏｔｔｌｉｎｇ）、時間、等のブロードキャストに関する特定の詳細事項に基づくカスタム化可能な権限付与プロセス、（Ｂ）ブロードキャスト制限時間（例えば、月曜日から金曜日までの午前９時乃至午後５時）で、必要な場合は管理者が無効化することができる、（Ｃ）ネットワークガイドラインに従った生成されたメッセージのスロットリング、（Ｄ）現在実行中の又は将来のブロードキャストの毎日及び毎週の閲覧、（Ｅ）１日当たりに送信可能なメッセージ数の制限−これは、ネットワークによって設定される要件であることができる、（Ｆ）長時間のブロードキャストに関するリアルタイムの報告及び管理。報告は、完了されたブロードキャストの割合及び推定終了時間を示す。管理者は、ブロードキャストを簡単に休止、再開、及び停止することができる、及び（Ｇ）ブロードキャストを毎日、毎週、及び毎月繰り返す。
販売促進モジュール２３６によって提供される自動化は非常に高度であることに起因して、より少ない数の大きな一般的販売促進とは対照的に数多くのより小さい（ターゲットがより特定された）販売促進を実行することが可能である。さらに、販売促進モジュール２３６は、ブロードキャストの定義を特定の加入者に合わせて好適化するのを可能にする。例えば、加入者が一定の期間内に受信すべきブロードキャスト数、加入者がブロードキャストを受信するはずの時刻、及び加入者の好まれる接触機構（例えば、ＳＭＳ、ＭＭＳ、等）を管理することが可能である。
一例においては、販売促進モジュール２３６は、ブロードキャスト又はフォローアップチャネルの一部としてユニークなクーポンを生成して配布することも可能である。これらは、割引、クレジット、贈り物、商品、等の一定の利益を償還するために用いることができる。
一側面により、加入者に合わせてコンテンツを好適化するためにブロードキャストのテキストにおいて変数を用いることもできる。これらの変数は、管理者２１３、外部システム、又は加入者自身によって設定可能な加入者専用の値である。例えば、加入者の氏名又は残高をブロードキャスト内に含めることができる。ロイヤルティポイントを実装するために変数を用いることもでき、加入者はキャンペーンに応答するごとにポイントを累積することになる。変数値は、ＸＭＬ ＡＰＩを介して外部システムによってアクセス可能である。
一例においては、販売促進モジュール２３６は、販売促進の成功（又は失敗）に関するリアルタイムの報告を提供することもできる。それは、特定の販売促進物を閲覧した、興味を示した、応答した、又は拒否した加入者数に関する統計値を提供することができる。これらの結果をリアルタイムで見ることができることは、定期的に実行されるイベントは将来の有効性を確保するために直ちに修正できること、成功したイベントは再実行できること、及び成功しないイベントは除去できることを意味する。
一側面により、販売促進物は、リコメンデーションと同様の方法でポータルＡＰＩを介してアクセスすることができる。ポータルＡＰＩは、販売促進物を要求すること及び販売促進物に関連するユーザイベント（例えば、クリックスルー）をプロフィール及びリコメンデーションシステム内にフィードバックすることを目的として幾つかのＡＰＩを提供する。他の例においては、販売促進物は、ＳＭＳ、ＭＭＳ、ＷＡＰプッシュ、等を介してのアウトバウンド販売促進物を生成することを目的としてリコメンデーションアプリケーションブロック２１２のユーザインタフェースと販売促進管理モジュール１６０２との間の通信を介してアクセスすることができる。この場合は、販売促進物配信モジュール１６１０は、アウトバウンド販売促進物を実際に配信するために又はターゲット加入者の電話番号のリストを単に生成するために用いることができる。ターゲット加入者リストを生成するときには、加入者数及び要求される最低信頼度レベルの両方を指定することが可能である。これは、特定の品目のターゲットとして特定すべき上位１０万人の加入者を一定の最低の信頼度を持って生成する等のことを行うことが可能であることを意味する。
一実装により、販売促進物生成モジュール１６０６による販売促進物の生成は、３つの段階、第１段階（一般的詳細）、第２段階（ターゲット加入者）、及び第３段階（配信）を含むことができる。
第１段階においては、管理者２１３は、販売促進に関する幾つかの一般的な詳細事項を指定し、（Ａ）氏名及び説明、（Ｂ）販売促進のタイプ（例えば、バナー広告、ＷＡＰリンク、バンドル、クロスセリング、等）、（Ｃ）重み−販売促進物の重みは、２つ以上の候補の販売促進物が存在する場合に加入者のための最良の販売促進物を選択するときに用いられる。例えば、同じプロフィールグループを指定する２つの販売促進物が存在する場合は、重みを用いてこのグループ内の加入者のための正確な販売促進物を決定する、（Ｄ）オファー品目−これは、カタログモジュール２３０からの特定のコンテンツ（例えば、パック・マック・ジャバ・ゲーム、等）、又はカタログモジュール２３０から選択されたコンテンツのカテゴリ（例えば、和音ロック着信音）であることができる、（Ｅ）外部システムをホストとするコンテンツ品目へのリンク（例えば、ビジネスヘッドライン）、（Ｆ）適用範囲−販売促進の適用範囲は、この販売促進物が該当するエリアを特定し、例えば、ポータルの着信音の箇所において示されるべきであることを指定する着信音の適用範囲を有する販売促進物を生成することができる。
第２段階中には、管理者２１３は、この販売促進物の対象となるターゲット加入者を特定する機構を指定するように要請される。ターゲットグループは、販売促進物を提示することができる対象となる加入者を指定する。３つの選択肢例が存在する。すなわち、
選択肢Ａ。 グローバル−加入者が販売促進物を既に一定の回数だけ閲覧済みでないか又は販売促進品目を購入済みでない限りにおいて、ターゲットがグローバルに特定される販売促進物をあらゆる加入者に示すことができる。グローバルな販売促進は、その他のターゲットがより特定された販売促進よりも小さい重みを有することができる。
選択肢Ｂ。 プロフィールグループ−管理者２１３は、販売促進物を入手可能な１つ以上のプロフィールグループを指定することも可能である。これらのグループは、プロフィールモジュール２３２内にインポートされた加入者電話番号のリストであることができ、又は記録された加入者の活動又は属性からプロフィールモジュール２３２によって生成することができる。
選択肢Ｃ。 決定。特定の販売促進物を加入者に示すべきかどうかを決定するために決定モジュール２３４が利用されるときには、決定モジュール２３４は、最初にその個人のためのリコメンデーションの拡大リストを決定し、その販売促進物内に含まれる品目とこのリストを比較する。販売促進物内のいずれかの品目がそのユーザのリコメンデーションリストに存在しており及び加入者が販売促進物内のいずれの品目も既に購入済みでない場合は、その販売促進物は加入者に示される資格を有する。このターゲット特定機構が選択された場合は、この販売促進物が加入者に表示する資格を有するようにするために有するべきである最低信頼度レベルを選択することが可能である。
第３段階においては、管理者２１３は、販売促進物を加入者に提示するために用いられる販売促進用カタログ（ｃｏｌｌａｔｅｒａｌ）を指定する。これは、オンライン販売促進用カタログ及びアウトバウンド販売促進用カタログに分けることができる。オンライン販売促進用カタログにおいては、管理者２１３はポータルにおいて表示されるウェブ及びＷＡＰに基づくテキスト又はグラフィックスを提供するように促される。一例においては、概略的販売促進用カタログ及び詳細な販売促進用カタログの両方が指定される。最初に概要情報が加入者に示され、加入者が販売促進物に関してより多くの情報を要求した時点で詳細情報が示される。このタイプの販売促進用カタログは、ポータルＡＰＩを介してポータルが入手可能であるようにされる。アウトバウンド販売促進用カタログにおいては、管理者２１３は、使用することを希望する異なるアウトバウンド機構に関する販売促進用カタログを供給するように構成される。管理者２１３は、ＳＭＳ、ＭＭＳ、ＷＡＰプッシュ、等のコンテンツを指定することが可能である。この情報は、アウトバウンド販売促進を実行するときに販売促進物配信モジュール１６１０によって用いられる。
図２１は、販売促進モジュール２３６内における典型的プロセスフロー１７００の流れ図を示す。１７０２において、管理者によって生成された販売促進物のリストが取り出される。１７０４において、加入者のためにリコメンデーションが生成される。１７０６において、例えばマッチの有無を確認することによって、販売促進物が加入者のためのリコメンデーションと比較される。１７０８において、リコメンデーションリスト内に存在するが加入者によって既に購入済みでない販売促進物が決定される（一例においては、前回の処理がこの確認を余分にすることがある）。１７１０において、この販売促進物リストが外部のアプリケーションに渡される。外部のアプリケーションは、オンラインで、ウェブポータルを介して、又はアウトバウンドで、ＳＭＳ、ＭＭＳ、ＷＡＰプッシュ、等のメッセージを介して加入者に配信するためのこれらの販売促進物をこれらの加入者のモバイルデバイスに渡すことができる。
プロフィール及びリコメンデーションシステムの上記のモジュールに加えて、一例により、プロフィール及びリコメンデーションネットワーク１８００においては、プロフィール及びリコメンデーションモジュール１８０１は、追加のモジュールを含むことができる。図２２は、一側面により、プロフィール及びリコメンデーションシステムの図４の上記の構成要素の詳細を、コンテンツモジュール１８０４及び接続モジュール１８０２とともに示す。
コンテンツモジュール１８０４は、１つの範囲のコンテンツ及びサービスに関するコンテンツ管理及び配信能力を提供する。接続モジュール１８０２は、ＳＭＳ、ＭＭＳ、ＷＡＰ、及びダウンロード可能なコンテンツの配信を可能にする。一例により、すべての工業規格ネットワーク接続性プロトコル及び配信プロトコルがサポートされる。コンテンツモジュール１８０４は、コンテンツ又はサービスに関する料金を請求するための加入者プロフィール情報ソース２１０、例えば課金、と統合するために動作することができる。さらに、コンテンツモジュール１８０４は、様々なプロトコルを介して前払いシステム及び後払いシステムと統合することができる。コンテンツモジュール１８０４は、ウェブ又はＷＡＰポータルにおいて入手可能なコンテンツ又はサービス（例えば、タイトル、アーティスト、プレビュー、等）を示すために及びコンテンツ又はサービスの配信をトリガするためにサービス及びコンテンツ情報ブロック２０８と統合することも可能である。
一例においては、コンテンツモジュール１８０４は、あらゆるコンテンツタイプをローカルで格納、管理、及び配信する能力を提供する。コンテンツ及び情報は、例えばウェブインタフェースを介してセキュリティが確保された形で格納及び管理することができ、及びキャリヤ等級のダウンロード、アラート、及びオンデマンドコンテンツサーバを介して配信することができる。
プロフィール及びリコメンデーションシステムは、外部ソースからのコンテンツの自動的な受信及び収集のための様々な機構をさらにサポートすることができる。プラットフォームは、ＨＴＴＰ／ＸＭＬ又はファイル転送プロトコル（ＦＴＰ）／ＸＭＬの形式のコンテンツ供給を外部ソースから受信するように構成することができ、コンテンツプロバイダ専用のコンテンツ統合機構を実装するための枠組を提供する。一側面により、プロフィール及びリコメンデーションシステムは、ＲＳＳ等の外部ソースから事前にコンテンツを取り出すことも可能である。一例においては、プロフィール及びリコメンデーションシステムコンテンツ提出ＡＰＩは、ＨＴＴＰにおいて定義されたＸＭＬフォーマットを用いてコンテンツを管理するためにコンテンツプロバイダによって用いることが可能である。
コンテンツモジュール１８０４は、要求されることがあるコンテンツタイプ妥当性確認に依存して、アクティブ又は非アクティブな更新を提供するようにさらに構成することができる。管理者２１３は、各タイプのコンテンツに関して要求される権限付与のタイプを提供することができる。一例においては、信頼されるコンテンツは自動的に妥当性を確認することができ、その他のタイプのコンテンツは、管理者２１３又はモバイルオペレータのコンテンツマネージャからの承認を要求することができる。
さらに、コンテンツモジュール１８０４は、加入に基づくアラートの生成と管理及びＳＭＳ、ＭＭＳ、又はその他のコンテンツタイプの配信をサポートすることができる。加入者は、自己の興味専用のパーソナル化されたアラートのスケジュールを生成することができ、ベアラ（例えば、ＳＭＳ対ＭＭＳ、等）、配信時刻、言語、時間帯、等のパラメータを定義することが可能である。コンテンツモジュール１８０４のアラートモジュールは、モバイルオペレータの要求に合わせてスケーリングし、コンテンツ又はサービスのタイムリーな配信をすることが可能である。
一例により、コンテンツダウンロードモジュールは、制限することなしに、ジャバ、着信音、壁紙、等を含むあらゆるダウンロード可能なタイプのコンテンツに関してダウンロードサーバを提供する。一例においては、コンテンツダウンロードモジュールは、次の特徴を提供する。すなわち、（Ａ）ジャバアプリケーション（例えば、ゲーム、等）、ジャバアーカイブ（ＪＡＲ）又はジャバアプリケーション開発（ＪＡＤ）フォーマット（２段階ダウンロード）の配信、（Ｂ）各ダウンロードには一意のＵＲＬを割り当てることができ及び自己のトークンＩＤを有することができる、（Ｃ）ＪＡＲダウンロードの動的場所を指定するためにＪＡＤファイルが書き直される、（Ｄ）ダウンロードの再試行を設定可能な期間だけ又は設定可能な試行数だけ許容可能である、（Ｅ）デジタル著作権管理（ＤＲＭ）をダウンロードされたコンテンツに対して適用することができる、（Ｆ）ダウンロードは、ＷＡＰプッシュを介して又はＷＡＰポータルから直接開始することができる、及び（Ｇ）ユーザ活動の検索に関するＣＳＲインタフェースは、モバイル加入者統合サービスデジタルネットワーク番号（ＭＳＩＳＤＮ）に基づき、要求される場合はダウンロードを再送信する能力を有する。
モジュールは、成功裏のダウンロード及びダウンロードされたコンテンツの正確な課金を保証するために実質上すべての可能な基準及び技法を用いるように構成することができる。これは、ダウンロードの異なる段階が生じたときにダウンロードサーバが外部システムに通知するのを可能にするダウンロード通知ＡＰＩを含むことができる。これらの通知は、いずれの時点においてもダウンロードを停止するために、又は課金イベントを生成するために用いることができる。
一例により、接続モジュール１８０２は、デジタル著作権管理（ＤＲＭ）能力を有するように構成することができ、プラットフォーム管理者又はコンテンツプロバイダによって定義された選択的コンテンツに対してオープンモバイルアライアンス（ＯＭＡ）ＤＲＭｖ１フォワードロック、結合配信及び分離配信を適用する能力を提供する。
一側面においては、接続モジュール１８０２は、非常に様々なコンテンツフォーマットとコーデックとの間のトランスコーディングをサポートするように構成可能なトランスコーディングエンジンを含む。さらに、トランスコーディングエンジンは、マルチメディアコンテンツを配信すること専用に試験されて調整された自己のデバイスプロフィールデータベースを提供するように構成することが可能である。
一側面により、接続モジュール１８０２は、次のように３つのコンテンツ配信シナリオを処理することができる。
シナリオ１。要求に応じた情報：このシナリオにおいては、サービス及びコンテンツの要求は、それらのサービス又はコンテンツの要求を該当するコンテンツソースにマッピングし、現在のコンテンツ又はサービスをそのソースから取り出し、そしてそれを加入者に返信することによって処理される。
シナリオ２。スケジュールが設定された配信：スケジュールが設定された配信は、システム管理者２１３によって指定された固定された配信スケジュールに基づくこと又は加入者によって定義されたスケジュールに基づくことができる。この状況においては、コンテンツ又はサービスは、スケジュールにおいて指定された時間に取り出されて加入者に配信される。
シナリオ３。スケジュールが設定されない配信：スケジュールが設定されないコンテンツ又はサービスの配信は、外部イベントを介して手作業で又は自動的にトリガすることができる。この状況においては、コンテンツ又はサービスは、コンテンツソース又はサービスソースから加入者に対して勧められる。
コンテンツモジュール１８０４は、提供されたポータルＡＰＩを介して既存のポータルと統合することが可能であり、又は既存のストアフロントを交換中である状況においては、コンテンツモジュール１８０４は、モバイルオペレータの要求に合わせてカスタム化することができるストアフロントを提供することができる。コンテンツモジュールは、“追加設定なしの”（ｏｕｔ−ｏｆ−ｔｈｅ−ｂｏｘ）ストアフロントをさらに提供し、モバイルオペレータが複数のストアフロント及び複数の配信チャネルにわたってコンテンツ又はサービスを商品化するのを可能にする。このデフォルトストアフロントは、特定のモバイルオペレータの機能及びブランドに関する要求を満たすようにカスタム化することが可能である。
一例おいては、ストアフロントは、プロフィール及びリコメンデーションシステムの残りの部分と予め統合されているため、ストアフロントは、全体的なシステムの特徴を最良の形で利用することができる。一側面により、ストアフロントは、モバイルオペレータが、（Ａ）包括的な範囲のサービスを加入者にオファーすること、（Ｂ）新しいサービスを販売促進すること、（Ｃ）コンテンツバンドルに関するオファーを生成すること、（Ｄ）加入者がコンテンツサービスを購入する及び申し込むための“ユーザにやさしい”インタフェースを提供すること、（Ｅ）ストアフロントのマーケットセグメント専用のバージョンを表示すること、及び（Ｆ）新しい／人気のあるサービスを販売促進するための上位１０のリストを作成することを可能にすることができる。
さらに、ストアフロントは、加入者が（Ａ）オファーされている全範囲のコンテンツサービス（全サービス又はマーケットセグメントにおいて入手可能なサービス）を閲覧すること、（Ｂ）コンテンツサービス（例えば、ゲーム、着信音、等）を購入すること、（Ｃ）コンテンツサービス（例えば、アラート、等）を申し込むこと、（Ｄ）コンテンツサービスの申し込みを管理すること、及び（Ｅ）自己のコンテンツ配信スケジュールを指定することを可能にすることができる。
コンテンツ又はサービスが異なるチャネルを通じて販売されることになる状況においては、プロフィール及びリコメンデーションシステムは、複数のストアフロントで構成することができる。例えば、モバイルオペレータは、複数のブランド又は再販者を通じてコンテンツ又はサービスをマーケティングすることができる。一例においては、カスタム化されたストアフロントを各チャネルに関してサポートすることが可能である。
コンテンツモジュール１８０４は、コンテンツを格納及び管理するためのセキュリティが確保された、信頼できる、監査された機構を提供するようにさらに構成することができる。一例においては、セキュリティは、ＳＳＬ及びユーザ名／パスワード認証を介して提供される。一例により、コンテンツへのアクセスを隔離し、それにより、自己のコンテンツにアクセスすることにコンテンツプロバイダを制限することができる。コンテンツ審査及び認証は、プラットフォーム管理者２１３によって又は外部のコンテンツ所有者によって行うことができる。
一側面においては、プロバイダによってオファーされたコンテンツのタイプをユーザ又は加入者のデバイスの能力と合致する最適フォーマットで配信できるようにするためにインテリジェントコンテンツ選択を用いることができる。デバイス能力をデバイス及びコンテンツ又はサービス品目にマッピングすることによって、いずれのサービス又はコンテンツを配信すべきかに関する決定をプロフィール及びリコメンデーションシステムによって行うことができる。デバイスが幾つかのデバイス能力を有する場合は、プロフィール及びリコメンデーションシステムは、重み付けシステムを用いて配信するのに最も適切なコンテンツを決定することが可能である。
引き続き図２２を参照して、一例においては、カタログモジュール及びプロフィールモジュール、それぞれ２３０及び２３２、に関するデータは、接続モジュール１８０２を介してシステム（例えば、課金、ＣＲＭ、付加価値サービス（ＶＡＳ）プラットフォーム（例えば、アラートプラットフォーム、等））からインポートすることができる。一側面においては、接続モジュール１８０２は、プロフィールモジュール２３２及びカタログモジュール２３０のための情報のプロフィール及びリコメンデーションシステム内へのインポート及びプロフィール及びリコメンデーションシステムからのエクスポートを単純化及び自動化する方法を提供する。
図２３を参照して、請求される主題の様々な側面を実装するための典型的環境１９００は、コンピュータ１９１２を含む。コンピュータ１９１２は、処理ユニット１９１４と、システムメモリ１９１６と、システムバス１９１８と、を含む。システムバス１９１８は、限定されることなしにシステムメモリ１９１６を含むシステム構成要素を処理ユニット１９１４に結合する。処理ユニット１９１４は、様々な利用可能なプロセッサのうちのいずれでもよい。デュアルマイクロプロセッサ及びその他のマルチプロセッサアーキテクチャも処理ユニット１９１４として採用することができる。
システムバス１９１８は、限定されることなしに、インダストリアルスタンダードアーキテクチャ（ＩＳＡ）、マイクロチャネルアーキテクチャ（ＭＳＡ）、拡張ＩＳＡ（ＥＩＳＡ）、インテリジェントドライブエレクトロニクス（ＩＤＥ）、ＶＥＳＡローカルバス（ＶＬＢ）、周辺機器コンポーネント相互接続（ＰＣＩ）、カードバス、ユニバーサルシリアルバス（ＵＳＢ）、アドバンストグラフィックスポート（ＡＧＰ）、パーソナルコンピュータメモリカード国際協会バス（ＰＣＭＣＩＡ）、ファイヤワイヤ（ＩＥＥＥ １３９４）、及びスモールコンピュータシステムインタフェース（ＳＣＳＩ）を含む様々な利用可能バスアーキテクチャを用いたメモリバス又はメモリコントローラ、周辺バス又は外部バス、及び／又はローカルバスを含む幾つかのタイプのバス構造のうちのいずれかであることができる。
システムメモリ１９１６は、揮発性メモリ１９２０と、非揮発性メモリ１９２２と、を含む。基本入力／出力システム（ＢＩＯＳ）は、例えば立ち上がり中にコンピュータ１９１２内の要素間で情報を転送するための基本的ルーチンを含み、非揮発性メモリ１９２２内に格納される。一例として、及び制限することなしに、非揮発性メモリ１９２２は、読み取り専用メモリ（ＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、電気的プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、又はフラッシュメモリを含むことができる。揮発性メモリ１９２０は、外部のキャッシュメモリとして機能するランダムアクセスメモリ（ＲＡＭ）を含む。一例として及び制限することなしに、ＲＡＭは、スタティックＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、同期ＤＲＡＭ（ＳＤＲＡＭ）、ダブルデータレートＳＤＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、エンハンストＳＤＲＡＭ（ＥＳＤＲＡＭ）、シンクリンクＤＲＡＭ（ＳＬＤＲＡＭ）、ランバスダイレクトＲＡＭ（ＲＤＲＡＭ）、ダイレクトランバスダイナミックＲＡＭ（ＤＲＤＲＡＭ）、及びランバスダイナミックＲＡＭ（ＲＤＲＡＭ）、等の様々な形態で入手可能である。
コンピュータ１９１２は、取り外し可能／取り外し不能、揮発性／非揮発性のコンピュータ記憶媒体も含む。図２３は、例えば、ディスクストレージ１９２４を示す。ディスクストレージ１９２４は、限定されることなしに、磁気ディスクドライブ、フロッピーディスクドライブ、テープドライブ、ジャズドライブ、ズィップドライブ、ＬＳ−１００ドライブ、フラッシュメモリカード、又はメモリスティック等のデバイスを含む。さらに、ディスクストレージ１９２４は、限定されることなしに、コンパクトディスクＲＯＭデバイス（ＣＤ−ＲＯＭ）、ＣＤ記録可能ドライブ（ＣＤ−Ｒドライブ）、ＣＤ再書き込み可能ドライブ（ＣＤ−ＲＷドライブ）又はデジタルバーサタイルディスクＲＯＭドライブ（ＤＶＤ−ＲＯＭ）等の光学ディスクドライブを含むその他の記憶媒体と別個に又は組み合わせて記憶媒体を含むことができる。システムバス１９１８へのディスクストレージデバイス１９２４の接続を容易にすることを目的として、インタフェース１９２６、等の取り外し可能な又は取り外し不能のインタフェースが典型的に用いられる。
図２３は、適切な動作環境１９００において説明されるユーザと基本的コンピュータ資源との間の仲介者として働くソフトウェアを示すことが理解されるべきである。該ソフトウェアは、オペレーティングシステム１９２８を含む。オペレーティングシステム１９２８は、ディスクストレージ１９２４に格納することができ、コンピュータシステム１９１２の資源を制御及び割り当てる働きをする。システムアプリケーション１９３０は、システムメモリ１９１６又はディスクストレージ１９２４のいずれかに格納されたプログラムモジュール１９３２及びプログラムデータ１９３４を通じてオペレーティングシステム１９２８による資源管理を利用する。請求される主題は、様々なオペレーティングシステム又はオペレーティングシステムの組み合わせとともに実装可能であることが理解されるべきである。
ユーザは、入力デバイス１９３６を通じてコンピュータ１９１２にコマンド又は情報を入力する。入力デバイス１９３６は、限定されることなしに、マウス、トラックボール、スタイラス、タッチバッド、キーボード、マイク、ジョイスティック、ゲームパッド、衛星アンテナ、スキャナ、ＴＶチューナカード、デジタルカメラ、デジタルビデオカメラ、ウェブカメラ、等の指示デバイスを含む。これらの及びその他の入力デバイスは、インタフェースポート１９３８を介してシステムバス１９１８を通じて処理ユニット１９１４に接続する。インタフェースポート１９３８は、例えば、シリアルポートと、パラレルポートと、ゲームポートと、ユニバーサルシリアルバス（ＵＳＢ）と、を含む。出力デバイス１９４０は、同じタイプのポートの一部を入力デバイス１９３６として用いる。従って、例えば、ＵＳＢポートは、コンピュータ１９１２に入力を提供するため及びコンピュータ１９１２から出力デバイス１９４０に情報を出力するために用いることができる。出力アダプタ１９４２は、特殊なアダプタを要求する幾つかの出力デバイス１９４０、例えばその他の出力デバイス１９４０の中のモニタ、スピーカ、及びプリンタ、が存在することを示すために提供される。出力アダプタ１９４２は、一例として及び制限することなしに、出力デバイス１９４０とシステムバス１９１８との間の接続手段を提供するビデオカード及びサウンドカードを含む。その他のデバイス及び／又はデバイスのシステムはリモートコンピュータ１９４４、等の入力能力及び出力能力の両方を提供することが注目されるべきである。
コンピュータ１９１２は、リモートコンピュータ１９４４、等の１つ以上のリモートコンピュータへの論理的接続を用いるネットワーク化された環境において動作することが可能である。リモートコンピュータ１９４４は、パーソナルコンピュータ、サーバ、ルータ、ネットワークＰＣ、ワークステーション、マイクロプロセッサに基づく機器、ピアデバイス又はその他の共通のネットワークノード、等であることができ、典型的には、コンピュータ１９１２に関して説明される要素のうちの多く又は全部を含む。説明を簡潔にすることを目的として、メモリ記憶デバイス１９４６のみがリモートコンピュータ１９４４とともに示される。リモートコンピュータ１９４４は、ネットワークインタフェース１９４８を通じてコンピュータ１９１２と論理的に接続され、通信接続１９５０を介して物理的に接続される。ネットワークインタフェース１９４８は、有線及び／又は無線通信ネットワーク、例えば、ローカルエリアネットワーク（ＬＡＮ）及びワイドエリアネットワーク（ＷＡＮ）を含む。ＬＡＮ技術は、ファイバ分散型データインタフェース（ＦＤＤＩ）、銅分散型データインタフェース（ＣＤＤＩ）、イーサネット（登録商標）、トークンリング、等を含む。ＷＡＮ技術は、限定されることなしに、ポイントツーポイントリンクと、総合サービスデジタルネットワーク（ＩＳＤＮ）及びその変形等の回線交換ネットワークと、パケット交換ネットワークと、デジタル加入者ライン（ＤＳＬ）と、を含む。
通信接続１９５０は、ネットワークインタフェース１９４８をバス１９１８に接続するために採用されたハードウェア／ソフトウェアを意味する。通信接続１９５０は、明確化することを目的としてコンピュータ１９１２内に存在する状態が示されているが、コンピュータ１９１２の外部に存在することも可能である。ネットワークインタフェース１９４８への接続のために必要なハードウェア／ソフトウェアは、典型的目的のためのみにおいて、内部及び外部の技術、例えば、正規の電話等級のモデムと、ケーブルモデムと、ＤＳＬモデムと、ＩＳＤＮアダプタと、イーサネットカードとを含むモデム、を含む。
図２４において、ネットワークデバイス２４００は、無線デバイスのユーザをプロファイリングしてコンテンツを推奨するためのここにおいて説明される方法を実行することを１つ以上のプロセッサ２４０４に行わせるための手段を備えるコンピュータによって読み取り可能な記憶媒体２４０２を含む。該手段は、ソフトウェアコードの組、ファームウェア、ハードウェアモジュールの実装、又はその組み合わせであることができる。ネットワーク通信モジュール２４０６は、無線デバイスにリコメンデーションを送信するのを容易にし、これは、例示的実装においては、モバイルオペレータ（図２４に示されない）との通信による。１つの例示的側面においては、モジュール２４０８は、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスする。モジュール２４１０は、属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成する。モジュール２４１２は、フィルタリング制限を適用することによって部分組のリコメンデーションを選択する。モジュール２４１４は、複数のモバイルデバイスの少なくとも部分組に部分組のリコメンデーションを送信する。
一例においては、プロフィールモジュール及びカタログモジュール、それぞれ２３２及び２３０、は、データ転送のためにＨＴＴＰ／ＸＭＬに基づくＡＰＩを提供することができる。これらのＡＰＩは（ウェブに基づくＵＩと共同で）配備
（例えば、初期段階における配備、等）のデータ交換要件を満たすことが可能である。一例においては、より複雑な統合を要求するデータ交換もサポートすることができる。一例においては、接続モジュール１８０２は、様々な異なるトランスポート機構を用いて異なるフォーマットでコンテンツをインポート及びエクスポートするための機構を提供することが可能なデータ交換エージェントの使用を通じてデータ交換を処理する。接続モジュール１８０２は、自己のデータ表示手段を有する外部システムもサポートすることが可能である。例えば、該外部システムは、外部システムがどのようにしてデータを配信又は受信することが可能であるかに関する特定の要件／能力を有することができる。さらに、外部システムは、オンライン又はオフライン（バッチ）トランスポートに関して異なるトランスポート機構を用いることができる。例えば、オンライン機構に関してはハイパーテキストトランスファプロトコル（ＨＴＴＰ）、シンプルオブジェクトアクセスプロトコル（ＳＯＡＰ）、コンテンツに基づく取り出しアーキテクチャ（ＣＯＢＲＡ）、遠隔方法呼び出し（ＲＭＩ）、等を用いることができ、オフライン機構に関してはＦＴＰ及びメッセージ待ち行列を用いることができる。接続モジュール１８０２のトランスポート層は、複数のコンフィギュラブルトランスポートをサポートする。
一例においては、トランスポート層は次の責任を有する。すなわち、（Ａ）該当するプロトコルを介してのデータ取り出し。これは、ＦＴＰを介してファイルを取り出して開くこと、又はＨＴＴＰを介してＸＭＬ符号化データを受信することを含むことができる、（Ｂ）構成された符号器へのデータのストリーミング。性能を向上させるために複数の符号器インスタンス（ｉｎｓｔａｎｃｅ）に同時にデータを渡すことが可能である、（Ｃ）データのアーカイブ保存。任意選択で、処理されたデータを将来の参照のために格納する、及び（Ｄ）各トランスポータは、符号器と関連づけられ、符号器を用いて、受信されたデータを処理するための１つ以上のインスタンスを生成することが可能である。各統合ポイントに関して複数のトランスポータをコンフィギュレーションすることができる。
一例においては、接続モジュール１８０２は、外部システムのフォーマットからプロフィールモジュール２３２又はカタログモジュール２３０によって許容可能なフォーマットに又はその逆にデータを変換するために符号器を用いることができる。符号器は、実装専用データフォーマットを認識しており、このフォーマットをプロフィール及びリコメンデーションシステムによって要求されるフォーマットに変換する方法を知っている。一例においては、符号器の主責任は次の通りであることができる。すなわち、（Ａ）トランスポートエージェントからの入力を受信する、（Ｂ）受信されたデータの妥当性を確認し、必要な場合は例外報告を生成する。例外報告は、フォーマット化が不良又は不完全であるデータの記録を含む、（Ｃ）一側面においては、不要な又は希望されないデータを含まないデータを受信するのが困難なことがある。後者のシナリオにおいては、廃棄されるべきデータ要素を決定するための符号器フィルタが用いられる、（Ｄ）プロフィールモジュール又はカタログモジュール、それぞれ２３２及び２３０、からのデータの挿入、更新及び削除、及び（Ｅ）符号化活動の詳細ログを提供する。一例においては、実行する際には、符号器は、プロフィールモジュール及びカタログモジュール、それぞれ２３２及び２３０、内に既に含まれるデータへの完全なアクセス権を有する。これは、符号器が新品目をインポートする前に既存のデータを検査するのを可能にする。
一側面により、プロフィール及びリコメンデーションシステムは、共通のデータフォーマットのための一定のデフォルト符号器を提供する。新しい又は特定の顧客のデータフォーマットを実装する新符号器を簡単に開発することができる。一例においては、符号器は、ジャバで書くことができる。これは、顧客又はインテグレータが精通する強固な、高性能の工業規格言語を用いて新符号器を書くことも可能にする。
一例においては、プロフィール及びリコメンデーションシステムのポータルＡＰＩは、コンテンツプロバイダウェブサイト、ウェブポータル、又はその他のエンドユーザシステムにプロフィール及びリコメンデーションシステムのプロフィール及びカタログ情報へのアクセス権を与えるＳＯＡＰに基づくシステムである。一例においては、ポータルＡＰＩは、次のために用いることができる。すなわち、（Ａ）販売促進モジュール２３６によって定義された、ターゲットが特定された販売促進物（例えば、バナー広告、等）を提供する、（Ｂ）カタログモジュール２３０内に保持される情報からポータルを介して入手可能なコンテンツ（例えば、壁紙、着信音、等）を加える、（Ｃ）カタログモジュール２３０内に保持されるメタデータから検索機能を提供する、（Ｄ）プロフィールモジュール２３２内に保持される情報からカスタム化された情報を提供する、及び（Ｅ）ポータルにおいて生じるイベント（例えば、加入者による訪問、広告のクリック、コンテンツ品目の購入、等）を用いてプロフィール及びリコメンデーションシステムを更新する。
この開示の幾つかの展開は、主に、販売促進とポータルの統合能力と結合されたセントラルカタログに関してこの開示を利用することが理解されるべきである。このシナリオにおいては、コンテンツ及びサービスに関する完全で最新の情報を用いてカタログモジュール２３０を維持するということを強調することができる。販売促進モジュール及び決定モジュール、それぞれ２３６及び２３４、は、取り込みを増加させるために可能な限り利用することができる。このシナリオにおいては、ポータルの統合を、通常の販売促進の側面（バナー広告、等）から、ポータルが入手可能なコンテンツ又はサービスについて知っていることの一部又は全部をカタログモジュール２３０から取り出すことにまで拡大することが可能である。他の展開は、この開示を販売促進及び配信能力のために利用することに焦点を合わせることができる。選択されたソリューションは、顧客の要求に依存し、さらに経時で発展することができる。
１つ以上の側面において、この開示のプロフィール及びリコメンデーションシステムは、キャリヤ級の性能、信頼性、及びスケーラビリティを提供する共通の基本的アーキテクチャ上において配備することができる。このアーキテクチャは、ネットワーク配信インフラストラクチャ、ＣＲＭ、課金及びその他のＢＳＳシステムに対して一貫した統合ポイントを提供することも可能である。さらに、共通のアーキテクチャは、様々な能力に基づいて構築された複数のソリューションを高度にモジュール化されたコンフィギュラブルな方法でサポートすることが可能である。
一例により、プロフィール及びリコメンデーションシステムは、異なるハードウェアにおいて配備することができ、限定することなしに、Ｓｏｌａｒｉｓ、ＨＰ−ＵＸ、Ｌｉｎｕｘ（登録商標）、及びＷｉｎｄｏｗｓ（登録商標）を実行するハードウェアを含む。一側面においては、プロフィール及びリコメンデーションシステムは、３層に分割することができ、これらの３層の各々は、モバイルオペレータの配備基準及び性能要求に依存して共有の又は異なるハードウェアにおいて配備することが可能である。一例においては、データ格納及びデータ格納の管理のためにＯｒａｃｌｅデータベースを用いることができる。
一例により、プロフィール及びリコメンデーションシステムのアーキテクチャは、大量モバイルオペレータによって要求される最高レベルの性能を提供するために動作することが可能である。決定モジュール２３４は、広範なプロフィール及びカタログ情報のデータベースから大量の、リアルタイムのリコメンデーション生成を提供する。販売促進モジュール２３６は、大量のオンライン及びアウトバウンド販売促進物を配信し、コンテンツモジュール１８０４は、大量のコンテンツを管理及び配信することができる。
一例においては、プロフィール及びリコメンデーションシステムは、冗長な配備をさらに提供し、それにより実質的に１つの故障ポイントもないことを保証することができる。このようにして、すべての収入を生み出すサービスの高い入手性を保証することができる。プロフィール及びリコメンデーションシステム１０１は、（Ａ）各ソフトウェアコンポーネントの機能をバックアップサーバに移行させることができるホット待機コンフィギュレーション、（Ｂ）組み込まれた冗長なハードウェア構成要素を有するサーバの利用、（Ｃ）すべてのインタフェースポイントにおける負荷バランサ、（Ｄ）スループットが高く及び利用可能性が高いデータベースへのアクセスを提供するＯｒａｃｌｅ９ｉデータベース技術、及び（Ｅ）シンプルネットワーク管理プロトコル（ＳＮＭＰ）モニタリング及びアラート、シンプルメールトランスファプロトコル（ＳＭＴＰ）アラートの使用を通じてキャリヤ級の信頼性及び入手性を提供することも可能であり、既存のネットワーク管理プラットフォームとの統合を可能にする。
プロフィール及びリコメンデーションシステムは、対費用効果が高く及び柔軟な形で処理資源を利用することで顧客の現在の及び予測される性能要求を満たす強力なスケーラビリティに関する任意選択肢をさらに提供することができる。１つ以上の例においては、アーキテクチャの全構成要素は、マルチスレッド化すること及び複数のＣＰＵサーバを最大限に利用するように設計することが可能である。利用可能な資源に依存して、一側面により、システムは、スレッド及びデータベース接続等の処理要素に対して完全な制御を可能にするように適宜構成することができる。ホスト内においてスケーラビリティを提供することに加えて、プロフィール及びリコメンデーションシステムは、幾つかのノードにわたってスケーリングすることが可能であり、システム性能のほぼ直線的な向上を提供する新ノードを追加することが可能である。
さらに、１つ以上の側面により、プロフィール及びリコメンデーションシステムは、システムをその他のアプリケーションと簡単に統合させるのを可能にする様々なＡＰＩを提供することができる。１つの制限しない例においては、該ＡＰＩは、ＸＭＬ／ＳＯＡＰ、ＲＭＩ、ＪＤＢＣ、等を含む。新しい又は既存のビジネスロジックを異なるモジュールの処理フロー内に挿入するのを可能にする多くの統合ポイントも提供することができる。
さらに、一例により、プロフィール及びリコメンデーションシステムは、プラットフォームの動作及びシステムのワークフローの全側面の直観的なウェブに基づく管理及び提供を行うことができる。システムは、基本プラットフォームの管理及び各々のモジュールの管理のためのインタフェースをさらに提供することができる。
さらに、プロフィール及びリコメンデーションシステムは、ＨＰＯｐｅｎｖｉｅｗ等の管理システムとのＳＮＭＰの統合を提供することができる。システムは、全システム構成要素に関する詳細なログファイルを提供することもでき、ログレベルは、１つの構成要素ごとに設定可能である。１つ以上の側面において、ログレベルは、リアルタイムで変更することができる。
さらに、プロフィール及びリコメンデーションシステムは、様々なネットワーク接続性プロトコル（例えば、ショートメッセージピアツーピアプロトコル（ＳＭＰＰ）、コンピュータインタフェースメッセージ配信（ＣＩＭＤ）、ユニバーサルコンピュータプロトコル（ＵＣＰ）、ＥＡＩＦ、ＭＭ７、ＭＭ１、パスワード認証プロトコル（ＰＡＰ）、及びオーバーザエア（ＯＴＡ）、をサポートすることができる。一例においては、プラットフォームは、無限の数のネットワーク配信ポイントに同時に接続すること及び複雑なコンテンツルーティングを行うことができる。
プロフィール及びリコメンデーションシステムは、２つ以上のモバイルオペレータ又は幾つかの子会社を有するモバイルオペレータのユーザ又は加入者に対するコンテンツ又はサービスの配信をサポートするように構成可能であることが注目されるべきである。
さらに、プロフィール及びリコメンデーションシステムは、対象となるプロトコルに該当するＳＳＬ、ＶＰＮ、ソースアドレス妥当性確認、及びユーザ／パスワード妥当性確認を適宜用いることを通じて全外部インタフェースにおけるアクセス制御をサポートすることによって、コンテンツプロバイダピークメッセージ出力及びセキュリティ管理を用いた帯域幅制御によってネットワーク管理を提供することができる。
プロフィール及びリコメンデーションシステムは、アプリケーション及びメッセージ送信センターからシステム内にメッセージが入る速度を調整する（ｔｈｒｏｔｔｌｅ）ためにさらに用いることが可能である。さらに、それは、一定のアプリケーショントラフィックに優先権が与えられるようにするために用いることが可能である。
さらに、１つ以上の側面により、プロフィール及びリコメンデーションシステムは、報告の生成又は顧客サービスの照会のために該当するシステムデータを取得（ｃａｐｔｕｒｅ）する責任を有する報告機能を提供することができる。システムは、完全な監査トレールを生成するために要求されるトラフィックの実質的にすべての詳細事項を取得することが可能である。管理ウェブサイトを通じて様々な報告を入手可能である。一側面においては、入手可能な報告のタイプは、展開されるソリューションに依存することができる。一例においては、デフォルト時には、異なる構成要素が様々な最も共通して用いられる組み込み式報告を備えることができる。しかしながら、プロフィール及びリコメンデーションシステムは、生成されるべき追加の特定の顧客に関する報告を提供する。一例においては、埋め込まれた報告ツールを用いることができる。この手法により、高度なＧＵＩツールを用いて希望されるカスタム報告を生成すること及びその報告をプロフィール及びリコメンデーションウェブサイトから簡単に入手可能であるようにすることができる。ウェブサイトからは、（テキスト又はグラフィック形式の）要約情報を閲覧すること及び詳細情報をＣＳＶフォーマットでダウンロードすることが可能である。一例においては、報告は、すべてのサービスの使用及び販売促進から得られたウェブに基づくインタフェース統計値とプリセットされたトリガに関するアラート能力とを含む管理ダッシュボードを含むことができる。
報告は、リアルタイムダッシュボードも含むことができ、それは、全サーバの現在の健全性、すべてのアクティブなサーバの現在の状態、１つのサービスごとのトランザクション数に関する傾向情報、コンテンツプロバイダ別のトランザクション量の傾向情報、加入者タイプ別の上位１０の現在のリコメンデーション、１つのリコメンデーションごとの応答、等の情報を提供することが可能である。
１つ以上の側面により、この開示のプロフィール及びリコメンデーションシステムは、統一された閲覧、高度なプロファイリング、及びインテリジェントなリコメンデーションを提供することによってコンテンツ又はサービスの取り込みを事前に促進するために、モバイルオペレータがサービスの複雑な組み合わせと多様な加入者基盤を有するのを援助することが可能である。その能力は、モバイルチャネル全体におけるすべてのコンテンツ又はサービスの積極的な小売りにおける現在の制約（例えば、複数の異種のシステムからのコンテンツサービスをどのようにして相互に販売促進すべきか、個々の加入者の人口統計上の数字に基づいてこれらの個々の加入者に対してどのようにして販売すべきか、入手可能な資金及び使用パターン、販売機会を失わずにデバイス及び加入者に適用可能なサービスを合致させることによってユーザの経験をどのようにして向上させるか、ターゲットが絞られた販売促進をどのようにして自動化すべきか、等）をモバイルオペレータが克服するのを可能にすることができる。
この開示のプロフィール及びリコメンデーションシステムは、例えば、（Ａ）モバイルオペレータが利用可能な販売機会を最大化し、（Ｂ）スタッフに関する最小限のオーバーヘッドでコンテンツ及びサービスの販売促進を自動化し、（Ｃ）モバイルオペレータの現在のコンテンツ及びデータプラットフォームへの既存の投資を最大化し、モバイルオペレータがコンテンツプロバイダとの間で有する全関係を向上させ、（Ｄ）保持を向上させ及び加入者のコミットを生み出し、（Ｅ）より高いマージン（例えば、少なくとも３倍）を積極的に推進することによってデータＡＲＰＵを増大させ、及び（Ｆ）複雑さを低減させるモバイルオペレータのためのエンドツーエンド小売り環境を提供することによって上述されるすべての課題を克服することが可能である。
ここにおいて説明されることの変形、変更、及びその他の実装は、請求される開示の精神及び適用範囲から逸脱することなしに当業者によって行われるであろう。従って、この開示は、前記の例示的説明によってではなく、以下の請求項の精神及び適用範囲によって定義されるべきである。
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
［Ｃ１］
モバイルデバイスのユーザのためのリコメンデーションを生成するための方法であって、前記モバイルデバイスは、サービスプロバイダと関連づけられ、
リコメンデーションの要求を入手することと、
ユーザと関連づけられたデータ及びモバイルデバイスのために入手可能なコンテンツに関するデータをサービスプロバイダから取り出すことと、
前記取り出されたデータの分析に基づいて複数のリコメンデーションを生成することであって、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成されることと、
フィルタリング制限に基づいて前記生成された複数のリコメンデーションの部分組を選択すること、とを備える、方法。
［Ｃ２］
前記ユーザによってアクセス可能なユーザインタフェースに前記生成されたリコメンデーションを配信することをさらに備えるＣ１に記載の方法。
［Ｃ３］
前記選択された部分組のリコメンデーションを前記配信することは、前記サービスプロバイダと関連づけられたポータルに前記選択された部分組のリコメンデーションを配信することをさらに備えるＣ２に記載の方法。
［Ｃ４］
前記ポータルのうちの選択された部分とユーザとの対話を検出することと、
前記複数のリコメンデーションを有する前記選択された部分の側面と関連づけられた前記フィルタリング制限を定義することと、
前記ポータルの異なる部分へのユーザアクセスに応答して前記部分組のリコメンデーションを選択的に表示すること、とをさらに備えるＣ３に記載の方法。
［Ｃ５］
前記ユーザによってアクセス可能な前記ユーザインタフェースに前記生成されたリコメンデーションを前記配信することは、モバイルデバイスに前記リコメンデーションを配信することをさらに備えるＣ２に記載の方法。
［Ｃ６］
前記モバイルデバイスに前記配信することは、前記サービスプロバイダと関連づけられたポータルへのワイヤレスアプリケーションプロトコル（ＷＡＰ）プッシュメッセージを介するＣ５に記載の方法。
［Ｃ７］
前記モバイルデバイスに前記配信することは、ショートメッセージサービス（ＳＭＳ）メッセージを介するＣ５に記載の方法。
［Ｃ８］
前記モバイルデバイスに前記配信することは、前記モバイルデバイス上に表示されるマルチメディアメッセージ送信サービス（ＭＭＳ）メッセージを介するＣ５に記載の方法。
［Ｃ９］
前記複数のリコメンデーションを前記生成することは、
リコメンデーションを生成するために前記異なるリコメンデーション技法の各々に取り出されたデータを提供することであって、生成された各リコメンデーションは、関連づけられた信頼度レベルを有することと、
前記リコメンデーション技法の各々からの前記リコメンデーションを信頼度レベル順に結合すること、とをさらに備えるＣ１に記載の方法。
［Ｃ１０］
ユーザによって定義された重みに基づいて前記リコメンデーションの順序を変更することと、
前記順序が変更されたリコメンデーションをフィルタリングすること、とをさらに備えるＣ９に記載の方法。
［Ｃ１１］
特定の制限を含む前記リコメンデーションの要求を受信することと、
前記特定の制限に従ってフィルタリングすることによって前記順序が変更されたリコメンデーションをフィルタリングすること、とをさらに備えるＣ１０に記載の方法。
［Ｃ１２］
前記順序が変更されたリコメンデーションを前記フィルタリングすることは、前記ユーザによって以前に入手されたことがある又は前記ユーザに対して一定回数だけ既に提示済みであるリコメンデーションを除外することをさらに備えるＣ１０に記載の方法。
［Ｃ１３］
前記順序が変更されたリコメンデーションを前記フィルタリングすることは、モバイルデバイスと適合できないリコメンデーションを除外することをさらに備えるＣ１０に記載の方法。
［Ｃ１４］
前記異なるリコメンデーション技法から入手された前記信頼度レベルを正規化することをさらに備えるＣ９に記載の方法。
［Ｃ１５］
前記複数のリコメンデーション技法は、関連づけリコメンダ、比較リコメンダ、グループ分類リコメンダ、追跡リコメンダ、又はネットワークリコメンダから成るグループから選択されるＣ１に記載の方法。
［Ｃ１６］
前記ネットワークリコメンダは、
ターゲットユーザのローカルネットワーク内のユーザリストから複数の人を選択することであって、前記複数の人は、指定された分離度数の内にあることと、
前記選択された複数の人によって以前に入手されたことがある人気のあるコンテンツを決定することと、
前記決定されたサービスプロバイダ及び人気のあるコンテンツに基づいてリコメンデーションを生成すること、とをさらに備えるＣ１５に記載の方法。
［Ｃ１７］
前記複数の人を選択することは、高い重み付け値と関連づけられた前記ユーザを前記ターゲットユーザの前記ローカルネットワークから識別することをさらに備えるＣ１６に記載の方法。
［Ｃ１８］
前記重み付け値は、
前記ユーザに関する１対１の移動通信データを前記サービスプロバイダから取り出し、 前記１対１の移動通信データをフィルタリングして希望されない通信データを除外し、及び
前記フィルタリングされた１対１の全通信の各々に重み付け値を割り当てることによって割り当てられ、前記割り当てられた値は、１対１の通信活動の数量及びタイプに比例するＣ１７に記載の方法。
［Ｃ１９］
前記１対１の通信データを前記フィルタリングすることは、
希望されないソースから通信データを除外することをさらに備えるＣ１８に記載の方法。
［Ｃ２０］
前記希望されないソースは、各々の一意の電話番号によって識別されるＣ１９に記載の方法。
［Ｃ２１］
前記１対１の通信を前記フィルタリングすることは、通信のタイプ又は継続時間に起因して希望されない通信データを除外することをさらに備えるＣ１８に記載の方法。
［Ｃ２２］
前記フィルタリングすることは、通信時間又は通信日に起因して希望されない通信データを除外することをさらに備えるＣ１８に記載の方法。
［Ｃ２３］
前記１対１の移動通信データは、音声呼、ショートメッセージサービス（ＳＭＳ）メッセージ、マルチメディアメッセージ送信サービス（ＭＭＳ）メッセージ、又は移動通信方法のうちの１つ以上をさらに備えるＣ１８に記載の方法。
［Ｃ２４］
前記関連づけリコメンダは、
サービスプロバイダから取り出されたユーザの行動データから関連づけ規則を確立することと、
前記確立された関連づけ規則に基づいてリコメンデーションを生成すること、とをさらに備えるＣ１５に記載の方法。
［Ｃ２５］
前記比較リコメンダは、
コンテンツメタデータを利用する前記ユーザが入手可能な類似のコンテンツデータ間のリンクを構築することと、
前記構築されたリンクに基づいてリコメンデーションを生成すること、とをさらに備えるＣ１５に記載の方法。
［Ｃ２６］
前記追跡リコメンダは、
全コンテンツデータの順位を確立するためにユーザ活動歴を決定することであって、コンテンツデータは、人気度によって順位が付けられることと、
前記順位付けに基づいてリコメンデーションを生成すること、とを備えるＣ１５に記載の方法。
［Ｃ２７］
ユーザの前記活動は、設定可能な期間におけるコンテンツ購入、格付け、又はユーザによるその他の興味の表示を備えるＣ２６に記載の方法。
［Ｃ２８］
前記ユーザと関連づけられた前記データは、呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータのうちの１つ以上の選択を備えるＣ１に記載の方法。
［Ｃ２９］
リコメンデーションを生成するときに前記関連づけられたユーザデータを最新の状態に維持することをさらに備えるＣ２８に記載の方法。
［Ｃ３０］
リコメンデーションの前記要求は、サービスプロバイダと関連づけられたポータルから入手されるＣ１に記載の方法。
［Ｃ３１］
前記リコメンデーションは、前記ユーザ経験をそらさないようにするためにリアルタイムで生成されるＣ１に記載の方法。
［Ｃ３２］
リコメンデーションは、２００ミリ秒未満の時間で生成されるＣ１に記載の方法。
［Ｃ３３］
モバイルデバイスのユーザのための販売促進物を生成するための方法であって、前記ユーザは、サービスプロバイダと関連づけられ、
サービスプロバイダから販売促進物リストを入手することと、
ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータを前記サービスプロバイダから取り出すことと、
前記取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成することであって、前記リコメンデーションは、複数の個々のリコメンデーション技法によって生成されることと、
前記取り出された販売促進物の部分組を配信用に選択することであって、取り出された販売促進物の前記部分組は、前記リコメンデーションリスト内の前記リコメンデーションと共通しており及び前記ユーザによって既に入手済みでない販売促進物を含むこと、とを備える、方法。
［Ｃ３４］
コンピュータプログラム製品であって、
リコメンデーションの要求を入手することをコンピュータに行わせるための少なくとも１つの命令と、
ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータを前記サービスプロバイダから取り出すことを前記コンピュータに行わせるための少なくとも１つの命令と、
前記取り出されたデータの分析に基づいてリコメンデーションリストを生成することを前記コンピュータに行わせるための少なくとも１つの命令であって、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される少なくとも１つの命令と、を備えるコンピュータによって読み取り可能な記憶媒体を備える、コンピュータプログラム製品。
［Ｃ３５］
モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムであって、前記ユーザは、サービスプロバイダと関連づけられ、
リコメンデーションの要求を入手するための手段と、
ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータをサービスプロバイダから取り出すための手段と、
前記取り出されたデータの分析に基づいてリコメンデーションリストを生成するための手段あって、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される手段と、を備える、システム。
［Ｃ３６］
モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムであって、前記ユーザは、サービスプロバイダと関連づけられ、
前記ユーザと関連づけられたデータを格納及び処理するためのプロフィールモジュールと、
前記ユーザが入手可能なコンテンツを格納及び処理するためカタログモジュールと、 前記プロフィールモジュール及び前記カタログモジュールと通信する決定モジュールであって、前記プロフィールモジュール及びカタログモジュールから取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成するために用いられる決定モジュールと、を備え、前記リコメンデーションは、複数の個々のリコメンダモジュールによって生成される、システム。
［Ｃ３７］
前記決定モジュールは、関連づけリコメンダと、比較リコメンダと、グループ分類リコメンダと、追跡リコメンダと、ネットワークリコメンダとを含むＣ３６に記載のシステム。
［Ｃ３８］
前記ネットワークリコメンダは、
呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、を備えるＣ３７に記載のシステム。
［Ｃ３９］
前記プロフィールモジュールは、プロフィールデータベースモジュールと、プロフィール管理モジュールと、プロフィールグループ分類モジュールと、プロフィール取り込みモジュールと、を備えるＣ３６に記載のシステム。
［Ｃ４０］
前記カタログモジュールは、コンテンツグループ分類モジュールと、検索モジュールと、コンテンツ管理モジュールと、コンテンツデータベースモジュールと、コンテンツ取り込みモジュールと、を備えるＣ３６に記載のシステム。
［Ｃ４１］
モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムであって、前記ユーザは、サービスプロバイダと関連づけられ、
前記ユーザと関連づけられたデータを格納及び処理するためのプロフィールモジュールと、
前記ユーザが入手可能なコンテンツを格納及び処理するためのカタログモジュールと、 前記プロフィールモジュール及び前記カタログモジュールと通信する決定モジュールであって、前記プロフィールモジュール及びカタログモジュールから取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成するために用いられ、前記リコメンデーションは、複数の個々のリコメンダモジュールによって生成される決定モジュールと、
前記リコメンデーションを前記サービスプロバイダの販売促進物データベースと比較するための及び前記比較に基づいて販売促進物リストを生成するための販売促進モジュールと、を備える、システム。
［Ｃ４２］
前記販売促進モジュールは、販売促進管理モジュールと、販売促進フィードバックモジュールと、販売促進物生成モジュールと、販売促進物取り出しモジュールと、販売促進物配信モジュールと、をさらに備えるＣ４１に記載のシステム。
［Ｃ４３］
モバイルデバイスのユーザのためのリコメンデーションを生成するための方法であって、
対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスすることと、
前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成することと、
フィルタリング制限を適用することによって部分組のリコメンデーションを選択することと、
前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信すること、とを備える、方法。
［Ｃ４４］
選択されたコンテンツ品目を対象とする推奨ユーザの要求を受信することをさらに備えるＣ４３に記載の方法。
［Ｃ４５］
除外制限にアクセスすることによってフィルタリング制限を適用することをさらに備えるＣ４３に記載の方法。
［Ｃ４６］
選択されたユーザに対する選択されたコンテンツ品目のオファー数を追跡することによって前記除外制限にアクセスすることと、
スレショルドに達したことに応答して前記選択されたユーザに対する前記選択されたコンテンツ品目のさらなるオファーを除外すること、とをさらに備えるＣ４５に記載の方法。
［Ｃ４７］
選択されたユーザに関するカテゴリ制限を受信することによって除外制限にアクセスすることをさらに備えるＣ４５に記載の方法。
［Ｃ４８］
選択されたコンテンツ品目が以前に選択済みであること及び選択されたユーザの選択されたモバイルデバイスによって受信されたことがあることを決定することによって除外制限にアクセスすることをさらに備えるＣ４５に記載の方法。
［Ｃ４９］
前記以前に選択されたコンテンツ品目と関連づけられたリコメンデーションのためのコンテンツ品目を識別することをさらに備えるＣ４８に記載の方法。
［Ｃ５０］
選択されたコンテンツ品目に関する選択された無線デバイスのデバイス適合性を決定することによって除外制限にアクセスすることをさらに備えるＣ４５に記載の方法。
［Ｃ５１］
選択されたコンテンツ品目の複数のリコメンデーションの信頼度レベルを決定することによってフィルタリング制限を適用し及び前記信頼度レベルに従って重み付け係数を適用することによって部分組のリコメンデーションを選択することをさらに備えるＣ４３に記載の方法。
［Ｃ５２］
前記信頼度レベルに従って前記複数のリコメンデーションをソートすることをさらに備えるＣ５１に記載の方法。
［Ｃ５３］
ユーザと提示されたリコメンデーションのオファーとの対話に基づいて無線デバイスの選択されたユーザに関する行動データを直ちに更新することをさらに備えるＣ４３に記載の方法。
［Ｃ５４］
無線デバイスの選択されたユーザをユーザグループと関連づけることと、前記グループとの関連づけに基づいてリコメンデーションを選択すること、とをさらに備えるＣ４３に記載の方法。
［Ｃ５５］
呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータから成る属性データ及び行動データにアクセスすることをさらに備えるＣ５４に記載の方法。
［Ｃ５６］
モバイルデバイスのユーザのためのリコメンデーションを生成するための少なくとも１つのプロセッサであって、
対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスするための第１のモジュールと、
前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成するための第２のモジュールと、
フィルタリング制限を適用することによって部分組のリコメンデーションを選択するための第３のモジュールと、
前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信するための第４のモジュールと、を備える、少なくとも１つのプロセッサ。
［Ｃ５７］
モバイルデバイスのユーザのためのリコメンデーションを生成するためのコンピュータプログラム製品であって、
対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスすることをコンピュータに行わせるための少なくとも１つの命令と、
前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成することを前記コンピュータに行わせるための少なくとも１つの命令と、
フィルタリング制限を適用することによって部分組のリコメンデーションを選択することを前記コンピュータに行わせるための少なくとも１つの命令と、
前記複数のモバイルデバイスの少なくとも部分組に前記部分組のリコメンデーションを送信することを前記コンピュータに行わせるための少なくとも１つの命令と、を備えるコンピュータによって読み取り可能な記憶媒体を備える、コンピュータプログラム製品。
［Ｃ５８］
モバイルデバイスのユーザのためのリコメンデーションを生成するための装置であって、
対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスするための手段と、
前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成するための手段と、
フィルタリング制限を適用することによって部分組のリコメンデーションを選択するための手段と、
前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信するための手段と、を備える、装置。
［Ｃ５９］
モバイルデバイスのユーザのためのリコメンデーションを生成するための装置であって、
対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データを含むプロフィール格納用構成要素と、
アクセスされた属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、アクセスされた行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、及びフィルタリング制限を適用することによって部分組のリコメンデーションを選択するためのプロフィール及びリコメンデーションシステムと、
前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信するためのネットワーク通信モジュールと、を備える、装置。
［Ｃ６０］
選択されたコンテンツ品目を対象とする推奨ユーザの要求を受信するための前記ネットワーク通信モジュールをさらに備えるＣ５９に記載の装置。
［Ｃ６１］
除外制限にアクセスすることによってフィルタリング制限を適用するために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ６０に記載の装置。
［Ｃ６２］
選択されたユーザへの選択されたコンテンツ品目のオファー数を追跡し、及び
スレショルドに達したことに応答して前記選択されたユーザへの前記選択された品目のさらなるオファーを除外することによって除外制限にアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ６１に記載の装置。
［Ｃ６３］
選択されたユーザに関するカテゴリ制限を受信することによって除外制限にアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ６１に記載の装置。
［Ｃ６４］
選択されたコンテンツ品目が以前に選択されたことがあり及び選択されたユーザの選択されたモバイルデバイスによって受信されたことがあることを決定することによって除外制限にアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ６１に記載の装置。
［Ｃ６５］
前記以前に選択されたコンテンツ品目と関連づけられたリコメンデーションのためのコンテンツ品目を識別するために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ６４に記載の装置。
［Ｃ６６］
選択されたコンテンツ品目に関する選択された無線デバイスのデバイス適合性を決定することによって除外制限にアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ６１に記載の装置。
［Ｃ６７］
選択されたコンテンツ品目の複数のリコメンデーションの信頼度レベルを決定することによってフィルタリング制限を適用し及び前記信頼度レベルに従って重み付け係数を適用することによって部分組のリコメンデーションを選択するために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ５９に記載の装置。
［Ｃ６８］
前記重み付け係数に従って前記複数のリコメンデーションをソートするために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ６７に記載の装置。
［Ｃ６９］
ユーザと提示されたリコメンデーションのオファーとの対話に基づいて無線デバイスの選択されたユーザに関する行動データを直ちに更新するために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ５９に記載の装置。
［Ｃ７０］
無線デバイスの選択されたユーザをユーザグループと関連づけ及び前記グループ関連づけに基づいてリコメンデーションを選択するために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ５９に記載の装置。
［Ｃ７１］
呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータから成る属性データ及び行動データにアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備えるＣ５９に記載の装置。

Claims (79)

  1. モバイルデバイスのユーザのためのリコメンデーションを生成するための方法であって、前記モバイルデバイスは、サービスプロバイダと関連づけられ、
    リコメンデーションデバイスによって、リコメンデーションの要求を入手することと、
    前記リコメンデーションデバイスによって、前記ユーザと関連づけられたデータ及び前記モバイルデバイスのために入手可能なコンテンツに関するデータを前記サービスプロバイダから取り出すことと、
    前記リコメンデーションデバイスによって、前記取り出されたデータの分析に基づいて複数のリコメンデーションを生成することと、ここにおいて、前記複数のリコメンデーションから成る第１グループは、第１タイプのリコメンデーション技法によって生成され、前記複数のリコメンデーションから成る第２のグループは、異なる第２タイプのリコメンデーション技法によって生成される、
    前記リコメンデーションデバイスによって、少なくとも１つのフィルタリング制限に基づいて前記複数のリコメンデーションの部分組を選択することと、
    を備え、
    前記第１タイプ及び前記異なる第２タイプのリコメンデーション技法のうちの少なくとも１つは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    ターゲットユーザのローカルネットワーク内のユーザリストから複数の人を選択することと、前記複数の人は、指定された分離度数の内にある、
    前記選択された複数の人によって以前に入手されたことがある人気のあるコンテンツを決定することと、
    前記サービスプロバイダ及び前記人気のあるコンテンツに基づいてリコメンデーションを生成することと、
    を備える、方法。
  2. 前記ユーザによってアクセス可能なユーザインタフェースに前記複数のリコメンデーションの前記選択された部分組を配信することをさらに備える請求項１に記載の方法。
  3. 前記複数のリコメンデーションの前記選択された部分組を前記配信することは、前記サービスプロバイダと関連づけられたポータルに前記複数のリコメンデーションの前記選択された部分組を配信することをさらに備える請求項２に記載の方法。
  4. 前記ユーザによってアクセス可能な前記ユーザインタフェースに前記複数のリコメンデーションの前記選択された部分組を前記配信することは、前記モバイルデバイスに前記複数のリコメンデーションの前記選択された部分組を配信することをさらに備える請求項２に記載の方法。
  5. 前記モバイルデバイスに前記配信することは、前記サービスプロバイダと関連づけられたポータルへのワイヤレスアプリケーションプロトコル（ＷＡＰ）プッシュメッセージを介する請求項４に記載の方法。
  6. 前記モバイルデバイスに前記配信することは、ショートメッセージサービス（ＳＭＳ）メッセージを介する請求項４に記載の方法。
  7. 前記モバイルデバイスに前記配信することは、前記モバイルデバイス上に表示されるマルチメディアメッセージ送信サービス（ＭＭＳ）メッセージを介する請求項４に記載の方法。
  8. 前記複数のリコメンデーションを前記生成することは、
    前記複数のリコメンデーションから成る第１及び第２グループを生成するために前記第１タイプ及び前記異なる第２タイプのリコメンデーション技法の各々に、前記取り出されたデータを提供することと、各生成されたリコメンデーションは、関連づけられた信頼度レベルを有する、
    前記第１タイプ及び前記異なる第２タイプのリコメンデーション技法の各々からの前記の複数のリコメンデーションから成る第１及び第２グループを信頼度レベル順に結合することと、
    をさらに備える請求項１に記載の方法。
  9. ユーザによって定義された重みに基づいて前記結合されたリコメンデーションの順序を変更することと、
    前記順序が変更されたリコメンデーションをフィルタリングすることと、
    をさらに備える請求項８に記載の方法。
  10. 特定の制限を含む前記リコメンデーションの要求を受信することと、
    前記特定の制限に従ってフィルタリングすることによって前記順序が変更されたリコメンデーションをフィルタリングすることと、
    をさらに備える請求項９に記載の方法。
  11. 前記順序が変更されたリコメンデーションを前記フィルタリングすることは、前記ユーザによって以前に入手されたことがある又は前記ユーザに対して一定回数だけ既に提示済みであるリコメンデーションを除外することをさらに備える請求項９に記載の方法。
  12. 前記順序が変更されたリコメンデーションを前記フィルタリングすることは、前記モバイルデバイスと適合できないリコメンデーションを除外することをさらに備える請求項９に記載の方法。
  13. 前記第１タイプ及び前記異なる第２タイプのリコメンデーション技法から入手された信頼度レベルを正規化することをさらに備える請求項８に記載の方法。
  14. 前記第１タイプ又は前記異なる第２タイプのリコメンデーション技法のうちの少なくとも１つは、関連づけリコメンダ、比較リコメンダ、グループ分類リコメンダ、追跡リコメンダ、又は前記ネットワークリコメンダのうちの少なくとも１つを含むグループから選択される請求項１に記載の方法。
  15. 前記複数の人を選択することは、高い重み付け値と関連づけられたユーザを前記ターゲットユーザの前記ローカルネットワークから識別することをさらに備える請求項１４に記載の方法。
  16. 重み付け値は、
    前記ユーザに関する１対１の移動通信データを前記サービスプロバイダから取り出し、
    前記１対１の移動通信データをフィルタリングして希望されない通信データを除外し、及び
    前記フィルタリングされた１対１の通信データの各々に重み付け値を割り当てることによって割り当てられ、前記割り当てられた重み付け値は、１対１の通信活動の数量及びタイプに比例する請求項１５に記載の方法。
  17. 前記１対１の通信データを前記フィルタリングすることは、
    希望されないソースから通信データを除外することをさらに備える請求項１６に記載の方法。
  18. 前記希望されないソースは、各々の一意の電話番号によって識別される請求項１７に記載の方法。
  19. 前記１対１の通信データを前記フィルタリングすることは、通信のタイプ又は継続時間に起因して希望されない通信データを除外することをさらに備える請求項１６に記載の方法。
  20. 前記１対１の通信データをフィルタリングすることは、通信時間又は通信日に起因して希望されない通信データを除外することをさらに備える請求項１６に記載の方法。
  21. 前記１対１の通信データは、音声呼、ショートメッセージサービス（ＳＭＳ）メッセージ、マルチメディアメッセージ送信サービス（ＭＭＳ）メッセージ、又は移動通信方法のうちの１つ以上をさらに備える請求項１６に記載の方法。
  22. 前記関連づけリコメンダは、
    前記サービスプロバイダから取り出されたユーザの行動データから関連づけ規則を確立することと、
    前記確立された関連づけ規則に基づいてリコメンデーションを生成することと、
    をさらに備える請求項１４に記載の方法。
  23. 前記比較リコメンダは、
    コンテンツメタデータを利用する前記ユーザが入手可能な類似のコンテンツデータ間のリンクを構築することと、
    前記構築されたリンクに基づいてリコメンデーションを生成することと、
    をさらに備える請求項１４に記載の方法。
  24. 前記追跡リコメンダは、
    全コンテンツデータの順位を確立するためにユーザの活動歴を決定することであって、コンテンツデータは、人気度によって順位が付けられることと、
    前記順位付けに基づいてリコメンデーションを生成することと、
    を備える請求項１４に記載の方法。
  25. 前記ユーザの活動は、設定可能な期間におけるコンテンツ購入、格付け、又はユーザによるその他の興味の表示を備える請求項２４に記載の方法。
  26. 前記ユーザと関連づけられた前記データは、呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータのうちの１つ以上の選択を備える請求項１に記載の方法。
  27. リコメンデーションを生成するときに前記ユーザに関連づけられる前記データを最新の状態に維持することをさらに備える請求項２６に記載の方法。
  28. リコメンデーションの前記要求は、前記サービスプロバイダと関連づけられたポータルから入手される請求項１に記載の方法。
  29. 前記複数のリコメンデーションから成る第１及び第２グループは、前記ユーザの経験を損なわないようにするためにリアルタイムで生成される請求項１に記載の方法。
  30. リコメンデーションは、２００ミリ秒未満の時間で生成される請求項１に記載の方法。
  31. モバイルデバイスのユーザのための販売促進物を生成するための方法であって、前記ユーザは、サービスプロバイダと関連づけられ、
    リコメンデーションデバイスによって、前記サービスプロバイダから販売促進物リストを取り出すことと、
    前記リコメンデーションデバイスによって、前記ユーザと関連づけられたデータ及び前記ユーザが入手可能なコンテンツに関するデータを前記サービスプロバイダから取り出すことと、
    前記リコメンデーションデバイスによって、前記取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成することと、ここにおいて、前記リコメンデーションリストの第１グループは、第１タイプのリコメンデーション技法によって生成され、前記リコメンデーションリストの第２グループは、異なる第２タイプのリコメンデーション技法によって生成され、
    前記リコメンデーションデバイスによって、前記取り出された販売促進物の部分組を配信用に選択することと、前記取り出された販売促進物の前記部分組は、前記リコメンデーションリスト内のリコメンデーションと共通しておりかつ前記ユーザによって既に入手済みでない販売促進物を含む、
    を備え、
    前記第１タイプ及び前記異なる第２タイプのリコメンデーション技法のうちの少なくとも１つは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    ターゲットユーザのローカルネットワーク内のユーザリストから複数の人を選択することと、前記複数の人は、指定された分離度数の内にある、
    前記選択された複数の人によって以前に入手されたことがある人気のあるコンテンツを決定することと、
    前記サービスプロバイダ及び前記人気のあるコンテンツに基づいてリコメンデーションを生成することと、
    を備える、方法。
  32. リコメンデーションの要求を入手することをリコメンデーションデバイスに行わせるための少なくとも１つの命令と、
    ユーザと関連づけられたデータ及び前記ユーザが入手可能なコンテンツに関するデータをサービスプロバイダから取り出すことを前記リコメンデーションデバイスに行わせるための少なくとも１つの命令と、
    前記取り出されたデータの分析に基づいてリコメンデーションリストを生成することを前記リコメンデーションデバイスに行わせるための少なくとも１つの命令と、ここにおいて、前記リコメンデーションリストの第１グループは、第１タイプのリコメンデーション技法によって生成され、前記リコメンデーションリストの第２グループは、異なる第２タイプのリコメンデーション技法によって生成される、
    を備え、
    前記第１タイプ及び前記異なる第２タイプのリコメンデーション技法のうちの少なくとも１つは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    ターゲットユーザのローカルネットワーク内のユーザリストから複数の人を選択することと、前記複数の人は、指定された分離度数の内にあることと、
    前記選択された複数の人によって以前に入手されたことがある人気のあるコンテンツを決定することと、
    前記サービスプロバイダ及び前記人気のあるコンテンツに基づいてリコメンデーションを生成することと、
    を備える、非一時的なコンピュータによって読み取り可能な記憶媒体。
  33. モバイルデバイスのユーザのためのリコメンデーションを生成するためのリコメンデーションデバイスであって、前記ユーザは、サービスプロバイダと関連づけられ、
    リコメンデーションの要求を入手するための手段と、
    前記ユーザと関連づけられたデータ及び前記ユーザが入手可能なコンテンツに関するデータを前記サービスプロバイダから取り出すための手段と、
    前記取り出されたデータの分析に基づいてリコメンデーションリストを生成するための手段と、ここにおいて、前記リコメンデーションリストの第１グループは、第１タイプのリコメンデーション技法によって生成され、前記リコメンデーションリストの第２グループは、異なる第２タイプのリコメンデーション技法によって生成される、
    を備え、
    前記第１タイプ及び前記異なる第２タイプのリコメンデーション技法のうちの少なくとも１つは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    ターゲットユーザのローカルネットワーク内のユーザリストから複数の人を選択することと、前記複数の人は、指定された分離度数の内にある、
    前記選択された複数の人によって以前に入手されたことがある人気のあるコンテンツを決定することと、
    前記サービスプロバイダ及び前記人気のあるコンテンツに基づいてリコメンデーションを生成することと、
    を備える、リコメンデーションデバイス。
  34. モバイルデバイスのユーザのためのリコメンデーションを生成するためのリコメンデーションデバイスであって、前記ユーザは、サービスプロバイダと関連づけられ、
    前記ユーザと関連づけられたデータを格納及び処理するように構成されたプロフィールモジュールと、
    前記ユーザが入手可能なコンテンツを格納及び処理するように構成されたカタログモジュールと、
    前記プロフィールモジュール及び前記カタログモジュールと通信する決定モジュールと、前記決定モジュールは、前記プロフィールモジュール及び前記カタログモジュールから取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成するように構成される、
    を備え、
    前記リコメンデーションリストの第１グループは、第１のリコメンデーションモジュールによって生成され、前記リコメンデーションリストの第２グループは、異なる第２のリコメンデーションモジュールによって生成され、各リコメンデーションモジュールは、異なるタイプのリコメンデーション技法を採用し、
    前記第１のリコメンデーションモジュール又は前記異なる第２のリコメンデーションモジュールは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、
    を備える、リコメンデーションデバイス。
  35. 前記第１のリコメンデーションモジュール又は前記異なる第２のリコメンデーションモジュールは、関連づけリコメンダ、比較リコメンダ、グループ分類リコメンダ、追跡リコメンダ、又は前記ネットワークリコメンダのうちの少なくとも１つを含むグループから選択される、請求項３４に記載のリコメンデーションデバイス。
  36. 前記プロフィールモジュールは、プロフィールデータベースモジュールと、プロフィール管理モジュールと、プロフィールグループ分類モジュールと、プロフィール取り込みモジュールと、を備える請求項３４に記載のリコメンデーションデバイス。
  37. 前記カタログモジュールは、コンテンツグループ分類モジュールと、検索モジュールと、コンテンツ管理モジュールと、コンテンツデータベースモジュールと、コンテンツ取り込みモジュールと、を備える請求項３４に記載のリコメンデーションデバイス。
  38. モバイルデバイスのユーザのためのリコメンデーションを生成するためのリコメンデーションデバイスであって、前記ユーザは、サービスプロバイダと関連づけられ、
    前記ユーザと関連づけられたデータを格納及び処理するように構成されたプロフィールモジュールと、
    前記ユーザが入手可能なコンテンツを格納及び処理するように構成されたカタログモジュールと、
    前記プロフィールモジュール及び前記カタログモジュールと通信する決定モジュールと、前記決定モジュールは、前記プロフィールモジュール及び前記カタログモジュールから取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成するように構成され、ここにおいて、前記リコメンデーションリストの第１グループは、第１のリコメンデーションモジュールによって生成され、前記リコメンデーションリストの第２グループは、異なる第２のリコメンデーションモジュールによって生成される、
    前記リコメンデーションリストを前記サービスプロバイダの販売促進物データベースと比較し、前記比較に基づいて販売促進物リストを生成するように構成された販売促進モジュールと、
    を備え、
    前記販売促進物リストは、前記リコメンデーションリスト内のリコメンデーションと共通しておりかつ前記ユーザによって既に入手済みでない販売促進物を含み、
    前記第１のリコメンデーションモジュール又は前記異なる第２のリコメンデーションモジュールは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、
    を備える、リコメンデーションデバイス。
  39. 前記販売促進モジュールは、販売促進管理モジュールと、販売促進フィードバックモジュールと、販売促進物生成モジュールと、販売促進物取り出しモジュールと、販売促進物配信モジュールと、
    をさらに備える請求項３８に記載のリコメンデーションデバイス。
  40. モバイルデバイスのユーザのためのリコメンデーションを生成するための方法であって、
    リコメンデーションデバイスによって、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスすることと、
    前記リコメンデーションデバイスによって、前記属性データに基づいてオファーすべきコンテンツのための複数のリコメンデーションを生成することと、前記行動データに基づいてオファーすべきコンテンツのための別の複数のリコメンデーションを生成することと、
    前記リコメンデーションデバイスによって、フィルタリング制限を適用することによってリコメンデーションの部分組を選択することと、
    前記リコメンデーションデバイスによって、前記複数のモバイルデバイスの少なくとも１つの部分組に、前記リコメンデーションの部分組を送信することと、
    を備え、
    前記リコメンデーションデバイスは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、
    を備える、方法。
  41. 選択されたコンテンツ品目を対象とする推奨ユーザの要求を受信することをさらに備える請求項４０に記載の方法。
  42. 除外制限にアクセスすることによって前記フィルタリング制限を適用することをさらに備える請求項４０に記載の方法。
  43. 選択されたユーザに対する選択されたコンテンツ品目のオファー数を追跡することと、
    スレショルドに達したことに応答して前記選択されたユーザに対する前記選択されたコンテンツ品目のさらなるオファーを除外することと、
    によって前記除外制限にアクセスすることをさらに備える請求項４２に記載の方法。
  44. 選択されたユーザに関するカテゴリ制限を受信することによって前記除外制限にアクセスすることをさらに備える請求項４２に記載の方法。
  45. 選択されたコンテンツ品目が以前に選択済みであること及び選択されたユーザの選択されたモバイルデバイスによって受信されたことがあることを決定することによって前記除外制限にアクセスすることをさらに備える請求項４２に記載の方法。
  46. 前記以前に選択されたコンテンツ品目と関連づけられたリコメンデーションのためのコンテンツ品目を識別することをさらに備える請求項４５に記載の方法。
  47. 選択されたコンテンツ品目に関する選択された無線デバイスのデバイス適合性を決定することによって前記除外制限にアクセスすることをさらに備える請求項４２に記載の方法。
  48. 前記フィルタリング制限を適用することによって前記リコメンデーションの部分組を選択することは、選択されたコンテンツ品目の複数のリコメンデーションの信頼度レベルを決定すること及び前記信頼度レベルに従って重み付け係数を適用することを備える請求項４０に記載の方法。
  49. 前記信頼度レベルに従って前記複数のリコメンデーションをソートすることをさらに備える請求項４８に記載の方法。
  50. ユーザと提示されたリコメンデーションのオファーとの対話に基づいて無線デバイスの選択されたユーザに関する行動データを直ちに更新することをさらに備える請求項４０に記載の方法。
  51. 無線デバイスの選択されたユーザをユーザグループと関連づけることと、前記グループの関連づけに基づいてリコメンデーションを選択することとをさらに備える請求項４０に記載の方法。
  52. 呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータから成る属性データ及び行動データにアクセスすることをさらに備える請求項５１に記載の方法。
  53. 前記別の複数のリコメンデーションは、前記複数のリコメンデーションと共通した少なくとも１つのリコメンデーションを含む請求項４０に記載の方法。
  54. 前記別の複数のリコメンデーションは、前記複数のリコメンデーションとは異なるリコメンデーションを含む請求項４０に記載の方法。
  55. モバイルデバイスのユーザのためのリコメンデーションを生成するための少なくとも１つのプロセッサであって、
    対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスするように構成された第１のモジュールと、
    前記属性データに基づいてオファーすべきコンテンツのための複数のリコメンデーションを生成し、前記行動データに基づいてオファーすべきコンテンツのための別の複数のリコメンデーションを生成するように構成された第２のモジュールと、
    フィルタリング制限を適用することによってリコメンデーションの部分組を選択するように構成された第３のモジュールと、
    前記複数のモバイルデバイスの少なくとも１つの部分組に、前記リコメンデーションの部分組を送信するように構成された第４のモジュールと、
    を備え、
    前記第２のモジュールはネットワークリコメンダを含み、前記ネットワークリコメンダは、
    呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、
    を備える、少なくとも１つのプロセッサ。
  56. 実行されるとモバイルデバイスのユーザのためのリコメンデーションを生成する格納された諸命令を含む、非一時的なコンピュータによって読み取り可能な記憶媒体であって、前記諸命令は、
    対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスすることをリコメンデーションデバイスに行わせるための少なくとも１つの命令と、
    前記属性データに基づいてオファーすべきコンテンツのための複数のリコメンデーションを生成し、前記行動データに基づいてオファーすべきコンテンツのための別の複数のリコメンデーションを生成することを前記リコメンデーションデバイスに行わせるための少なくとも１つの命令と、
    フィルタリング制限を適用することによってリコメンデーションの部分組を選択することを前記リコメンデーションデバイスに行わせるための少なくとも１つの命令と、
    前記複数のモバイルデバイスの少なくとも１つの部分組に、前記リコメンデーションの部分組を送信することを前記リコメンデーションデバイスに行わせるための少なくとも１つの命令と、
    を備え、
    前記リコメンデーションデバイスは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、
    を備える、非一時的なコンピュータによって読み取り可能な記憶媒体。
  57. モバイルデバイスのユーザのためのリコメンデーションを生成するためのリコメンデーションデバイスであって、
    対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスするための手段と、
    前記属性データに基づいてオファーすべきコンテンツのための複数のリコメンデーションを生成し、前記行動データに基づいてオファーすべきコンテンツのための別の複数のリコメンデーションを生成するための手段と、
    フィルタリング制限を適用することによってリコメンデーションの部分組を選択するための手段と、
    前記複数のモバイルデバイスの少なくとも１つの部分組に、前記リコメンデーションの部分組を送信するための手段と、
    を備え、
    前記複数のリコメンデーションおよび前記別の複数のリコメンデーションを生成するための前記手段は、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、
    を備える、リコメンデーションデバイス。
  58. モバイルデバイスのユーザのためのリコメンデーションを生成するためのリコメンデーションデバイスであって、
    対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データを含むプロフィール格納用構成要素と、
    アクセスされた属性データに基づいてオファーすべきコンテンツのための複数のリコメンデーションを生成し、アクセスされた行動データに基づいてオファーすべきコンテンツのための別の複数のリコメンデーションを生成し、フィルタリング制限を適用することによってリコメンデーションの部分組を選択するように構成されたプロフィール及びリコメンデーションシステムと、
    前記複数のモバイルデバイスの少なくとも１つの部分組に前記リコメンデーションの部分組を送信するように構成されたネットワーク通信モジュールと、
    を備え、
    前記プロフィール及びリコメンデーションシステムは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、
    を備える、リコメンデーションデバイス。
  59. 前記ネットワーク通信モジュールは、選択されたコンテンツ品目を対象とする推奨ユーザの要求を受信するようにさらに構成される請求項５８に記載のリコメンデーションデバイス。
  60. 前記プロフィール及びリコメンデーションシステムは、除外制限にアクセスすることによって前記フィルタリング制限を適用するようにさらに構成される請求項５９に記載のリコメンデーションデバイス。
  61. 前記プロフィール及びリコメンデーションシステムは、
    選択されたユーザへの選択されたコンテンツ品目のオファー数を追跡することと、
    スレショルドに達したことに応答して前記選択されたユーザへの前記選択されたコンテンツ品目のさらなるオファーを除外することと、
    によって、前記除外制限にアクセスするようにさらに構成される請求項６０に記載のリコメンデーションデバイス。
  62. 前記プロフィール及びリコメンデーションシステムは、選択されたユーザに関するカテゴリ制限を受信することによって前記除外制限にアクセスするようにさらに構成される請求項６０に記載のリコメンデーションデバイス。
  63. 前記プロフィール及びリコメンデーションシステムは、選択されたコンテンツ品目が以前に選択されたことがあり及び選択されたユーザの選択されたモバイルデバイスによって受信されたことがあることを決定することによって前記除外制限にアクセスするようにさらに構成される請求項６０に記載のリコメンデーションデバイス。
  64. 前記プロフィール及びリコメンデーションシステムは、前記以前に選択されたコンテンツ品目と関連づけられたリコメンデーションのためのコンテンツ品目を識別するようにさらに構成される請求項６３に記載のリコメンデーションデバイス。
  65. 前記プロフィール及びリコメンデーションシステムは、選択されたコンテンツ品目に関する選択された無線デバイスのデバイス適合性を決定することによって前記除外制限にアクセスするようにさらに構成される請求項６０に記載のリコメンデーションデバイス。
  66. 前記プロフィール及びリコメンデーションシステムは、選択されたコンテンツ品目の複数のリコメンデーションの信頼度レベルを決定することによって前記フィルタリング制限を適用し、前記信頼度レベルに従って重み付け係数を適用することによって前記リコメンデーションの部分組を選択するようにさらに構成される請求項５８に記載のリコメンデーションデバイス。
  67. 前記プロフィール及びリコメンデーションシステムは、前記重み付け係数に従って前記複数のリコメンデーションをソートするようにさらに構成される請求項６６に記載のリコメンデーションデバイス。
  68. 前記プロフィール及びリコメンデーションシステムは、ユーザと提示されたリコメンデーションのオファーとの対話に基づいて無線デバイスの選択されたユーザに関する行動データを直ちに更新するようにさらに構成される請求項５８に記載のリコメンデーションデバイス。
  69. 前記プロフィール及びリコメンデーションシステムは、無線デバイスの選択されたユーザをユーザグループと関連づけ、前記グループの関連づけに基づいてリコメンデーションを選択するようにさらに構成される請求項５８に記載のリコメンデーションデバイス。
  70. 前記プロフィール及びリコメンデーションシステムは、呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータから成る属性データ及び行動データにアクセスするようにさらに構成される請求項５８に記載のリコメンデーションデバイス。
  71. リコメンデーションを生成するための方法であって、
    リコメンデーションデバイスによって、モバイルデバイスのために入手可能なコンテンツに関するデータ及び前記モバイルデバイスのユーザと関連づけられたデータを取り出すことと、
    前記リコメンデーションデバイスによって、前記取り出されたデータの分析に基づいて複数のリコメンデーションを生成することと、前記複数のリコメンデーションは、第１タイプのリコメンデーション技法によって生成される前記複数のリコメンデーションから成る第１グループと、前記第１タイプのリコメンデーション技法とは異なる第２タイプのリコメンデーション技法によって生成される前記複数のリコメンデーションから成る第２グループとを含み、
    前記リコメンデーションデバイスによって、１つ又は複数のリコメンデーションを生成するために前記複数のリコメンデーションをフィルタリングすることと、
    を備え、
    前記第１タイプ及び異なる第２タイプのリコメンデーション技法のうちの少なくとも１つは、ネットワークリコメンダを含み、前記ネットワークリコメンダは、
    ターゲットユーザのローカルネットワーク内のユーザリストから複数の人を選択することと、前記複数の人は、指定された分離度数の内にある、
    前記選択された複数の人によって以前に入手されたことがある人気のあるコンテンツを決定することと、
    サービスプロバイダ及び前記人気のあるコンテンツに基づいてリコメンデーションを生成することと、
    を備える、方法。
  72. 前記１つ又は複数のリコメンデーションは、前記複数のリコメンデーションから成る第１グループからの少なくとも１つのリコメンデーション又は前記複数のリコメンデーションから成る第２グループからの少なくとも１つのリコメンデーションを含む、請求項７１に記載の方法。
  73. 前記複数のリコメンデーションを前記フィルタリングすることは、
    前記複数のリコメンデーションから成る前記第１グループ及び前記第２グループを生成するために、前記第１タイプのリコメンデーション技法と前記異なる第２タイプのリコメンデーション技法のそれぞれに、前記取り出されたデータを提供することと、各生成されたリコメンデーションは、関連づけられた信頼度レベルを有する、
    前記複数のリコメンデーションから成る前記第１グループ及び前記第２グループを信頼度レベル順に結合することと、
    を備える、請求項７１に記載の方法。
  74. 前記複数のリコメンデーションを前記フィルタリングすることは、
    前記モバイルデバイスの前記ユーザと関連づけられた複数のユーザから成るソーシャルネットワークを生成することと、
    前記ソーシャルネットワークの複数のメンバーの行動データに基づいて、複数のリコメンデーションを生成することと、
    をさらに備える請求項７１に記載の方法。
  75. 前記ソーシャルネットワークを前記生成することは、
    それらの各モバイルデバイスを用いて互いに通信する複数のユーザから成る複数の対の間の複数のリンクから成るネットワークを構築することによって、前記ソーシャルネットワークを生成すること備える、請求項７４に記載の方法。
  76. 複数のユーザから成る複数の対の間の前記複数のリンクは、呼データ記録に基づいて識別される請求項７５に記載の方法。
  77. 前記ソーシャルネットワークを前記生成することは、
    ネットワークサマリテーブルを生成することを備え、ここにおいて、前記ネットワークサマリテーブルの各行は、前記複数のユーザの対の間のリンクを表し、前記複数のユーザのペアの間の通信の総数を含む、請求項７４に記載の方法。
  78. 最大閾値よりも高い又は最小閾値よりも低い前記１つ又は複数のリンクのための通信の前記各総数に基づいて、前記ネットワークサマリテーブルから１つ又は複数のリンクを除去すること、をさらに備える、請求項７７に記載の方法。
  79. 前記ネットワークサマリテーブル内の各行に重みを割り当てることと、各重みは前記各複数のユーザの対の間の関係の強度を示す、請求項７７に記載の方法。
JP2012224336A 2007-10-04 2012-10-09 リコメンデーション生成システム、装置、及び方法 Expired - Fee Related JP5872435B2 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US99757007P 2007-10-04 2007-10-04
US60/997,570 2007-10-04
US12/237,864 US20090163183A1 (en) 2007-10-04 2008-09-25 Recommendation generation systems, apparatus and methods
US12/237,864 2008-09-25

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2010528043A Division JP5166539B2 (ja) 2007-10-04 2008-09-26 リコメンデーション生成システム、装置、及び方法

Publications (3)

Publication Number Publication Date
JP2013058213A JP2013058213A (ja) 2013-03-28
JP2013058213A5 JP2013058213A5 (ja) 2013-06-13
JP5872435B2 true JP5872435B2 (ja) 2016-03-01

Family

ID=40526919

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2010528043A Expired - Fee Related JP5166539B2 (ja) 2007-10-04 2008-09-26 リコメンデーション生成システム、装置、及び方法
JP2012224336A Expired - Fee Related JP5872435B2 (ja) 2007-10-04 2012-10-09 リコメンデーション生成システム、装置、及び方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2010528043A Expired - Fee Related JP5166539B2 (ja) 2007-10-04 2008-09-26 リコメンデーション生成システム、装置、及び方法

Country Status (9)

Country Link
US (1) US20090163183A1 (ja)
EP (1) EP2195733A4 (ja)
JP (2) JP5166539B2 (ja)
KR (4) KR20160038902A (ja)
CN (1) CN101828167B (ja)
BR (1) BRPI0818425A8 (ja)
CA (1) CA2700015C (ja)
RU (1) RU2451986C2 (ja)
WO (1) WO2009045899A2 (ja)

Families Citing this family (340)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7707255B2 (en) 2003-07-01 2010-04-27 Microsoft Corporation Automatic grouping of electronic mail
US7995735B2 (en) 2004-04-15 2011-08-09 Chad Vos Method and apparatus for managing customer data
US7703036B2 (en) 2004-08-16 2010-04-20 Microsoft Corporation User interface for displaying selectable software functionality controls that are relevant to a selected object
US8255828B2 (en) 2004-08-16 2012-08-28 Microsoft Corporation Command user interface for displaying selectable software functionality controls
US8146016B2 (en) 2004-08-16 2012-03-27 Microsoft Corporation User interface for displaying a gallery of formatting options applicable to a selected object
US8239882B2 (en) 2005-08-30 2012-08-07 Microsoft Corporation Markup based extensibility for user interfaces
US8627222B2 (en) 2005-09-12 2014-01-07 Microsoft Corporation Expanded search and find user interface
US9166823B2 (en) * 2005-09-21 2015-10-20 U Owe Me, Inc. Generation of a context-enriched message including a message component and a contextual attribute
US8489132B2 (en) * 2005-09-21 2013-07-16 Buckyball Mobile Inc. Context-enriched microblog posting
US8509827B2 (en) * 2005-09-21 2013-08-13 Buckyball Mobile Inc. Methods and apparatus of context-data acquisition and ranking
US9042921B2 (en) * 2005-09-21 2015-05-26 Buckyball Mobile Inc. Association of context data with a voice-message component
US8275399B2 (en) * 2005-09-21 2012-09-25 Buckyball Mobile Inc. Dynamic context-data tag cloud
US8509826B2 (en) * 2005-09-21 2013-08-13 Buckyball Mobile Inc Biosensor measurements included in the association of context data with a text message
US9727989B2 (en) 2006-06-01 2017-08-08 Microsoft Technology Licensing, Llc Modifying and formatting a chart using pictorially provided chart elements
US8484578B2 (en) 2007-06-29 2013-07-09 Microsoft Corporation Communication between a document editor in-space user interface and a document editor out-space user interface
US8762880B2 (en) 2007-06-29 2014-06-24 Microsoft Corporation Exposing non-authoring features through document status information in an out-space user interface
US9215217B2 (en) 2008-12-05 2015-12-15 Suhayya Abu-Hakima and Kenneth E. Grigg Auto-discovery of diverse communications devices for alert broadcasting
US8051057B2 (en) * 2007-12-06 2011-11-01 Suhayya Abu-Hakima Processing of network content and services for mobile or fixed devices
US9338597B2 (en) 2007-12-06 2016-05-10 Suhayya Abu-Hakima Alert broadcasting to unconfigured communications devices
US8306503B2 (en) * 2008-01-08 2012-11-06 Global Alert Network, Inc. Mobile alerting network
US20090233633A1 (en) * 2008-01-08 2009-09-17 Mobile Traffic Network, Inc. Mobile alerting network
US8099113B2 (en) 2008-01-08 2012-01-17 Global Alert Network, Inc. Passive traffic alert and communication system
US8301112B2 (en) * 2008-01-08 2012-10-30 Global Alert Network, Inc. Mobile alerting network
US8126479B2 (en) 2008-01-08 2012-02-28 Global Alert Network, Inc. Mobile alerting network
US7904530B2 (en) * 2008-01-29 2011-03-08 Palo Alto Research Center Incorporated Method and apparatus for automatically incorporating hypothetical context information into recommendation queries
US9588781B2 (en) 2008-03-31 2017-03-07 Microsoft Technology Licensing, Llc Associating command surfaces with multiple active components
US20090253416A1 (en) * 2008-04-04 2009-10-08 Samsung Electronics Co. Ltd. Method and system for providing user defined bundle in a mobile broadcast system
US9665850B2 (en) 2008-06-20 2017-05-30 Microsoft Technology Licensing, Llc Synchronized conversation-centric message list and message reading pane
US10068251B1 (en) * 2008-06-26 2018-09-04 Amazon Technologies, Inc. System and method for generating predictions based on wireless commerce transactions
US8606651B2 (en) * 2008-09-05 2013-12-10 Sony Corporation Generation of home network use recommendations based on collected metadata of prior connected items
US20100088246A1 (en) * 2008-10-02 2010-04-08 Lim Michael Z System for, and method of, managing a social network
US20100093324A1 (en) * 2008-10-15 2010-04-15 Sony Ericsson Mobile Communications Ab Subscription Based Content Discovery
US9477672B2 (en) 2009-12-02 2016-10-25 Gartner, Inc. Implicit profile for use with recommendation engine and/or question router
US8166016B2 (en) * 2008-12-19 2012-04-24 Yahoo! Inc. System and method for automated service recommendations
EP2382780A1 (en) * 2009-01-01 2011-11-02 Orca Interactive Ltd. Adaptive blending of recommendation engines
US20100235443A1 (en) * 2009-03-10 2010-09-16 Tero Antero Laiho Method and apparatus of providing a locket service for content sharing
US8799353B2 (en) 2009-03-30 2014-08-05 Josef Larsson Scope-based extensibility for control surfaces
CA2700030C (en) 2009-04-16 2019-11-05 Accenture Global Services Gmbh Touchpoint customization system
US9049543B2 (en) * 2009-04-29 2015-06-02 Blackberry Limited Method and apparatus for location notification using location context information
US20100287031A1 (en) * 2009-05-07 2010-11-11 Mckenna Charles Method, Apparatus, System, and Computer Program for Selecting Replacement User Devices
US20100306672A1 (en) * 2009-06-01 2010-12-02 Sony Computer Entertainment America Inc. Method and apparatus for matching users in multi-user computer simulations
US20100318425A1 (en) * 2009-06-12 2010-12-16 Meherzad Ratan Karanjia System and method for providing a personalized shopping assistant for online computer users
US20110010640A1 (en) * 2009-07-10 2011-01-13 Novell, Inc. Intelligent co-browsing and co-editing
US11144969B2 (en) * 2009-07-28 2021-10-12 Comcast Cable Communications, Llc Search result content sequencing
US12014410B2 (en) 2009-07-28 2024-06-18 Comcast Cable Communications, Llc Content storage management
WO2011032069A2 (en) * 2009-09-14 2011-03-17 Envio Networks Inc. Context enhanced marketing of content and targeted advertising to mobile device users
US20110125783A1 (en) 2009-11-19 2011-05-26 Whale Peter Apparatus and method of adaptive questioning and recommending
EP2507757A1 (en) * 2009-11-30 2012-10-10 Nokia Corp. Apparatus and method for determining a decision recommendation in a network
IL202686A (en) * 2009-12-10 2016-06-30 Verint Systems Ltd A system and method for analyzing relationships by law engines
US20110145051A1 (en) * 2009-12-13 2011-06-16 AisleBuyer LLC Systems and methods for suggesting products for purchase from a retail establishment using a mobile device
US8489131B2 (en) * 2009-12-21 2013-07-16 Buckyball Mobile Inc. Smart device configured to determine higher-order context data
JP2011145742A (ja) * 2010-01-12 2011-07-28 Sony Corp 情報処理装置、情報処理方法、およびプログラム
US20110179057A1 (en) * 2010-01-18 2011-07-21 Microsoft Corporation Database engine throttling
US10102278B2 (en) * 2010-02-03 2018-10-16 Gartner, Inc. Methods and systems for modifying a user profile for a recommendation algorithm and making recommendations based on user interactions with items
US9729352B1 (en) * 2010-02-08 2017-08-08 Google Inc. Assisting participation in a social network
US20110202406A1 (en) * 2010-02-16 2011-08-18 Nokia Corporation Method and apparatus for distributing items using a social graph
JP2011175362A (ja) * 2010-02-23 2011-09-08 Sony Corp 情報処理装置、重要度算出方法及びプログラム
US8832099B2 (en) * 2010-03-09 2014-09-09 Yahoo! Inc. User specific feed recommendations
US8255274B2 (en) * 2010-03-15 2012-08-28 Verizon Patent And Licensing, Inc. Integrated qualification and monitoring for customer promotions
US20110264519A1 (en) * 2010-04-26 2011-10-27 Webjuice, LLC Social behavioral targeting of advertisements in a social networking environment
US20110264528A1 (en) 2010-04-26 2011-10-27 Whale Peter Contextual recommendations through proposed actions
CN102236669B (zh) * 2010-04-30 2014-09-24 腾讯科技（深圳）有限公司 推荐列表的生成方法和装置、媒体服务器、客户端及方法
US20110276394A1 (en) * 2010-05-05 2011-11-10 Positioniq, Inc. Automated Targeted Information System
US8782138B2 (en) * 2010-05-10 2014-07-15 Marko Anderson Predictive data objects
WO2011148377A1 (en) * 2010-05-27 2011-12-01 Varonis Systems, Inc. Data tagging
US10296596B2 (en) 2010-05-27 2019-05-21 Varonis Systems, Inc. Data tagging
US8302014B2 (en) * 2010-06-11 2012-10-30 Microsoft Corporation Merging modifications to user interface components while preserving user customizations
US9626696B2 (en) * 2010-06-17 2017-04-18 Microsoft Technology Licensing, Llc Techniques to verify location for location based services
US8862108B2 (en) 2010-07-30 2014-10-14 Lg Electronics Inc. Mobile terminal and method for recommending call counterpart
WO2012030859A2 (en) * 2010-09-01 2012-03-08 Google Inc. Joining multiple user lists
JP5589685B2 (ja) * 2010-09-06 2014-09-17 ソニー株式会社 情報処理装置および方法、並びにプログラム
US10210160B2 (en) * 2010-09-07 2019-02-19 Opentv, Inc. Collecting data from different sources
US9699503B2 (en) * 2010-09-07 2017-07-04 Opentv, Inc. Smart playlist
US8949871B2 (en) 2010-09-08 2015-02-03 Opentv, Inc. Smart media selection based on viewer user presence
US20120064820A1 (en) * 2010-09-09 2012-03-15 Bemmel Jeroen Van Method and apparatus for targeted communications
WO2012034105A2 (en) * 2010-09-10 2012-03-15 Turnkey Intelligence, Llc Systems and methods for generating prospect scores for sales leads, spending capacity scores for sales leads, and retention scores for renewal of existing customers
CN102402757A (zh) * 2010-09-15 2012-04-04 阿里巴巴集团控股有限公司 信息提供方法及装置、综合关联度确定方法及装置
CN101951549A (zh) * 2010-09-15 2011-01-19 中兴通讯股份有限公司 实现动态处理应用的方法、移动终端及应用服务器
CA2751308A1 (en) * 2010-09-27 2012-03-27 Research In Motion Limited Communications system for generating recommendations and related methods
US20120078684A1 (en) * 2010-09-28 2012-03-29 Giuliano Maciocci Apparatus and method for representing a level of interest in an available item
US9134873B2 (en) * 2010-09-28 2015-09-15 Qualcomm Incorporated Apparatus and methods for presenting interaction information
US20120078706A1 (en) * 2010-09-28 2012-03-29 Openwave Systems Inc. Location prediction protocol (lpp)
US9203969B2 (en) * 2010-10-26 2015-12-01 Vonage Network, Llc Systems and methods for integrating information from voice over internet protocol systems and social networking systems
US9044675B2 (en) * 2010-11-17 2015-06-02 Sony Computer Entertainment Inc. Automated video game rating
US9154564B2 (en) 2010-11-18 2015-10-06 Qualcomm Incorporated Interacting with a subscriber to a social networking service based on passive behavior of the subscriber
US20120143718A1 (en) * 2010-12-03 2012-06-07 Choicestream, Inc. Optimization of a web-based recommendation system
US20120144022A1 (en) * 2010-12-07 2012-06-07 Microsoft Corporation Content recommendation through consumer-defined authorities
US8787882B2 (en) * 2010-12-09 2014-07-22 Alcatel Lucent Resource profile adjustment for pre-fetching of assets to user equipment
KR101763642B1 (ko) 2010-12-09 2017-08-14 삼성전자 주식회사 선호도 기반의 컨텐츠 제공 방법 및 시스템
US8700644B1 (en) * 2010-12-13 2014-04-15 Sure To Meet, LLC Computerized matching and introduction systems and methods
JP2012159975A (ja) * 2011-01-31 2012-08-23 Sony Corp 情報処理装置および方法、並びにプログラム
EP2672443A4 (en) * 2011-02-04 2014-11-12 Rakuten Inc INFORMATION SUPPLY DEVICE
US20110145041A1 (en) * 2011-02-15 2011-06-16 InnovatioNet System for communication between users and global media-communication network
US8452797B1 (en) * 2011-03-09 2013-05-28 Amazon Technologies, Inc. Personalized recommendations based on item usage
US8468164B1 (en) * 2011-03-09 2013-06-18 Amazon Technologies, Inc. Personalized recommendations based on related users
KR20120114444A (ko) * 2011-03-28 2012-10-17 삼성전자주식회사 사용자 구매 정보 관리 및 제공 방법과 그 장치
US9870376B2 (en) * 2011-04-01 2018-01-16 Excalibur Ip, Llc Method and system for concept summarization
US8549433B2 (en) * 2011-04-08 2013-10-01 Nokia Corporation Method and apparatus for providing a user interface in association with a recommender service
US20120272156A1 (en) * 2011-04-22 2012-10-25 Kerger Kameron N Leveraging context to present content on a communication device
US20140223575A1 (en) * 2011-04-25 2014-08-07 Alcatel Lucent Privacy protection in recommendation services
US9529417B2 (en) 2011-04-28 2016-12-27 Facebook, Inc. Performing selected operations using low power-consuming processors on user devices
US8825842B2 (en) * 2011-04-28 2014-09-02 Facebook, Inc. Managing notifications pushed to user devices
US20120284069A1 (en) * 2011-05-04 2012-11-08 Sony Corporation Method for optimizing parameters in a recommendation system
CN102769780B (zh) * 2011-05-05 2017-08-01 北京四达时代软件技术股份有限公司 一种数字电视数据推送方法及装置
WO2012154838A2 (en) * 2011-05-09 2012-11-15 Google Inc. Generating application recommendations based on user installed applications
EP2710465A1 (en) 2011-05-09 2014-03-26 Google, Inc. Identifying applications of interest based on application market log data
WO2012154856A1 (en) 2011-05-09 2012-11-15 Google Inc. Identifying applications of interest based on application metadata
CN103930871B (zh) 2011-05-09 2019-07-09 谷歌有限责任公司 基于安装历史给移动设备推荐应用
US20120302270A1 (en) * 2011-05-25 2012-11-29 Nokia Corporation Method and apparatus for providing content providers for recommendation services
US9129225B2 (en) 2011-05-25 2015-09-08 Nokia Technologies Oy Method and apparatus for providing rule-based recommendations
KR101311520B1 (ko) * 2011-06-15 2013-09-25 주식회사 케이티 인앱 서비스를 제공하는 사용자 단말 및 인앱 서비스 서버 장치
KR101311511B1 (ko) * 2011-06-17 2013-09-25 주식회사 케이티 인앱 추천 시스템 및 사용자 단말
CN103636255B (zh) * 2011-06-29 2018-03-02 奇卡有限公司 用于调整提供到移动设备的数据带宽的量的系统和方法
US20130013459A1 (en) * 2011-07-07 2013-01-10 hi5 Networks, Inc. Dynamic pricing of online content
US20130185291A1 (en) * 2011-07-12 2013-07-18 Mat Tyndall Online rating and feedback system
WO2013013161A1 (en) * 2011-07-20 2013-01-24 Ebay Inc. Real-time location-aware recommendations
JP5044035B1 (ja) * 2011-07-29 2012-10-10 楽天株式会社 情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体
US9208155B2 (en) 2011-09-09 2015-12-08 Rovi Technologies Corporation Adaptive recommendation system
US8428622B1 (en) 2011-09-23 2013-04-23 Cellco Partnership Location based recommendation method for mobile station content
US20130080592A1 (en) * 2011-09-23 2013-03-28 Robin Budd Recommender system for a content server based on security group membership
US20130080513A1 (en) * 2011-09-28 2013-03-28 Jeremy Debate Multi-party communication sessions via broadcast notification network
US9047606B2 (en) * 2011-09-29 2015-06-02 Hewlett-Packard Development Company, L.P. Social and contextual recommendations
US8798363B2 (en) 2011-09-30 2014-08-05 Ebay Inc. Extraction of image feature data from images
US8971842B2 (en) * 2011-10-12 2015-03-03 Verizon Patent And Licensing Inc. Enterprise mobile application store
US9253282B2 (en) * 2011-10-18 2016-02-02 Qualcomm Incorporated Method and apparatus for generating, using, or updating an enriched user profile
US10719840B2 (en) * 2011-10-24 2020-07-21 Transform Sr Brands Llc Systems and methods for distributing customizable and shareable tiered offers
EP2777008A4 (en) 2011-11-11 2015-09-02 Wetpaint Com Inc DYNAMIC GAME BOOK: EXPERIMENTAL PLATFORM FOR SOCIAL NETWORKS
MX356063B (es) 2011-11-18 2018-05-14 Sirius Xm Radio Inc Sistemas y metodos que implementan la transicion gradual, los intersticiales y otros efectos corriente abajo.
US9779736B2 (en) 2011-11-18 2017-10-03 Sirius Xm Radio Inc. Systems and methods for implementing efficient cross-fading between compressed audio streams
US8463295B1 (en) * 2011-12-07 2013-06-11 Ebay Inc. Systems and methods for generating location-based group recommendations
US9384330B2 (en) * 2011-12-09 2016-07-05 Verizon Patent And Licensing Inc. Providing user attributes to complete an online transaction
US20130166416A1 (en) * 2011-12-21 2013-06-27 Peter Eberlein Dynamic catalogs on mobile wireless devices
GB2497793A (en) * 2011-12-21 2013-06-26 Ninian Solutions Ltd Pre-emptive caching of potentially relevant content from a collaborative workspace at a client device
KR101895536B1 (ko) * 2011-12-29 2018-10-25 삼성전자주식회사 어플리케이션 사용에 따른 어플리케이션 추천 서버 및 단말, 그리고 어플리케이션 추천 방법
KR101347448B1 (ko) * 2012-02-02 2014-01-03 김상준 펫 통합관리 서비스 제공방법
US9197512B2 (en) * 2012-02-17 2015-11-24 Wetpaint.Com, Inc. Optimizing content production based upon distribution channel metrics
MX343807B (es) 2012-03-06 2016-11-24 Sirius Xm Radio Inc Sistemas y métodos para el mapeo de atributos de audio.
US10186002B2 (en) 2012-03-21 2019-01-22 Sony Interactive Entertainment LLC Apparatus and method for matching users to groups for online communities and computer simulations
US10130872B2 (en) 2012-03-21 2018-11-20 Sony Interactive Entertainment LLC Apparatus and method for matching groups to users for online communities and computer simulations
US10204351B2 (en) * 2012-04-24 2019-02-12 Blue Kai, Inc. Profile noise anonymity for mobile users
US20130325637A1 (en) * 2012-06-05 2013-12-05 Hubin Jiang System and method for conducting marketing and commerce
US9891790B2 (en) 2012-06-05 2018-02-13 Hubin Jiang Systems and methods for web-based product/content fusion management functions and user interaction therewith
US8923888B2 (en) 2012-06-15 2014-12-30 Cellco Partnership Local content recommendations
US9652776B2 (en) 2012-06-18 2017-05-16 Greg Olsen Visual representations of recurring revenue management system data and predictions
US20140122176A1 (en) 2012-06-18 2014-05-01 ServiceSource International, Inc. Predictive model of recurring revenue opportunities
US8429103B1 (en) 2012-06-22 2013-04-23 Google Inc. Native machine learning service for user adaptation on a mobile platform
US8510238B1 (en) 2012-06-22 2013-08-13 Google, Inc. Method to predict session duration on mobile devices using native machine learning
US8886576B1 (en) 2012-06-22 2014-11-11 Google Inc. Automatic label suggestions for albums based on machine learning
US20130346195A1 (en) * 2012-06-26 2013-12-26 Digital Turbine, Inc. Method and system for recommending content
US9922360B2 (en) * 2012-06-26 2018-03-20 Here Global B.V. Recommendations system
EP2680209A1 (en) * 2012-06-29 2014-01-01 Axel Springer Digital TV Guide GmbH Device and method for automatic generation of a recommendation
US9152220B2 (en) * 2012-06-29 2015-10-06 International Business Machines Corporation Incremental preparation of videos for delivery
EP2682910A1 (en) * 2012-07-06 2014-01-08 Axel Springer Digital TV Guide GmbH Device and method for automatic filter adjustment
KR101429744B1 (ko) * 2012-07-25 2014-08-13 에이든 정일 조 사용자가 원하는 조건에 해당하는 추천기사를 제공하는 방법 및 시스템
US10218751B2 (en) * 2012-08-07 2019-02-26 Paypal, Inc. Social sharing system
US9280789B2 (en) 2012-08-17 2016-03-08 Google Inc. Recommending native applications
CN102819607B (zh) * 2012-08-21 2016-03-23 小米科技有限责任公司 一种推荐用户的方法和装置
US9065752B2 (en) * 2012-08-23 2015-06-23 International Business Machines Corporation Dynamic service class upgrades in data networks
KR20140027011A (ko) * 2012-08-24 2014-03-06 삼성전자주식회사 친구 추천 방법 및 이를 위한 서버 및 단말
WO2014030962A1 (en) 2012-08-24 2014-02-27 Samsung Electronics Co., Ltd. Method of recommending friends, and server and terminal therefor
CA2883298A1 (en) * 2012-08-27 2014-03-06 Opera Solutions, Llc System and method for combining multiple recommender systems
CN104685523B (zh) * 2012-08-27 2019-03-05 蓝凯股份有限公司 用于移动用户的简档噪声匿名性
US20140090033A1 (en) * 2012-09-21 2014-03-27 Amazon Technologies, Inc. Context Aware Content Distribution
US9377933B2 (en) * 2012-09-24 2016-06-28 Facebook, Inc. Displaying social networking system entity information via a timeline interface
US9129296B2 (en) * 2012-10-12 2015-09-08 Adobe Systems Incorporated Augmenting recommendation algorithms based on similarity between electronic content
CN103729387A (zh) * 2012-10-16 2014-04-16 北京糯米网科技发展有限公司 数据推送方法及装置
CN102905233A (zh) * 2012-10-25 2013-01-30 北京小米科技有限责任公司 一种终端功能推荐的方法及装置
EP2725810A1 (en) 2012-10-25 2014-04-30 Axel Springer Digital TV Guide GmbH Method for efficiently compiling media content items for a media-on-demand platform
US9641631B2 (en) * 2012-11-14 2017-05-02 Cellular South, Inc. Dba C Spire Wireless Integrated personalized content recommendation and management system and method
CN103810216B (zh) * 2012-11-15 2018-08-10 北京京东尚科信息技术有限公司 物品显示标识排序方法及服务器
US20140143086A1 (en) * 2012-11-16 2014-05-22 Cellco Partnership D/B/A Verizon Wireless Customized recommendations based on customer information
EA201201626A1 (ru) * 2012-11-30 2014-06-30 Антон Викторович СОЛОДИКОВ Способ продвижения контента
US9762698B2 (en) 2012-12-14 2017-09-12 Google Inc. Computer application promotion
US9928047B2 (en) 2012-12-18 2018-03-27 Digital Turbine, Inc. System and method for providing application programs to devices
CN103873530B (zh) * 2012-12-18 2017-07-11 北京裕丰大通科技有限公司 多渠道信息反馈的信息推荐方法
US9928048B2 (en) 2012-12-18 2018-03-27 Digital Turbine, Inc. System and method for providing application programs to devices
CN104871197A (zh) * 2012-12-21 2015-08-26 Sca卫生用品公司 用于辅助定位和选择存储位置中的期望物品的系统和方法
US20140181652A1 (en) * 2012-12-21 2014-06-26 Timothy A. Stanke Contextual and Personalized Help
US10129596B2 (en) * 2013-01-21 2018-11-13 Netflix, Inc. Adaptive row selection
TWI499289B (zh) * 2013-01-25 2015-09-01 Wistron Corp 媒體內容推薦方法及媒體播放系統
US9892026B2 (en) * 2013-02-01 2018-02-13 Ab Initio Technology Llc Data records selection
KR102111769B1 (ko) * 2013-02-08 2020-06-08 삼성전자주식회사 추천 패널 제공 방법 및 이를 위한 디바이스, 추천 아이템 제공 방법 및 이를 위한 서버
WO2014123328A1 (en) * 2013-02-08 2014-08-14 Samsung Electronics Co., Ltd. Method and device for providing recommendation panel, and method and server for providing recommendation item
US20140244386A1 (en) * 2013-02-26 2014-08-28 Facebook, Inc. Targeting advertisements to logged out users of an online system
US20140249898A1 (en) * 2013-02-27 2014-09-04 Meredith Leigh Ostoich Sponsorship platform systems and methods
US20140250105A1 (en) * 2013-03-04 2014-09-04 Google Inc. Reliable content recommendations
US10600011B2 (en) * 2013-03-05 2020-03-24 Gartner, Inc. Methods and systems for improving engagement with a recommendation engine that recommends items, peers, and services
US20140278907A1 (en) * 2013-03-13 2014-09-18 Microsoft Corporation Rewarding User Generated Content
US10430856B2 (en) 2013-03-26 2019-10-01 Paymentus Corporation Systems and methods for marketplace catalogue population
CN107665447B (zh) * 2013-04-01 2021-02-19 联想(北京)有限公司 信息处理方法和信息处理设备
US9277262B2 (en) * 2013-04-05 2016-03-01 Disney Enterprises, Inc. Content orchestration for assembly of customized content streams
CN103198385A (zh) * 2013-04-12 2013-07-10 江苏圆坤科技发展有限公司 一种交互式旅游信息管理系统
US20140337160A1 (en) * 2013-05-09 2014-11-13 Microsoft Corporation Considering social information in generating recommendations
CN104217334A (zh) * 2013-06-05 2014-12-17 北京京东尚科信息技术有限公司 一种产品信息推荐方法、装置和系统
US9491601B2 (en) 2013-06-10 2016-11-08 Intel Corporation Dynamic visual profiles
US9195703B1 (en) * 2013-06-27 2015-11-24 Google Inc. Providing context-relevant information to users
CN104252496A (zh) 2013-06-28 2014-12-31 国际商业机器公司 用于提供资源访问的方法和系统
US20150039549A1 (en) * 2013-07-30 2015-02-05 Reccosend LLC System and method for computerized recommendation delivery, tracking, and prioritization
US20150073931A1 (en) * 2013-09-06 2015-03-12 Microsoft Corporation Feature selection for recommender systems
US20150074131A1 (en) * 2013-09-09 2015-03-12 Mobitv, Inc. Leveraging social trends to identify relevant content
US10080060B2 (en) 2013-09-10 2018-09-18 Opentv, Inc. Systems and methods of displaying content
WO2015041648A1 (en) * 2013-09-19 2015-03-26 Hewlett-Packard Development Company, L.P. Application menu modification recommendations
US9326026B2 (en) 2013-10-31 2016-04-26 At&T Intellectual Property I, Lp Method and apparatus for content distribution over a network
US9485543B2 (en) 2013-11-12 2016-11-01 Google Inc. Methods, systems, and media for presenting suggestions of media content
US9552395B2 (en) * 2013-11-13 2017-01-24 Google Inc. Methods, systems, and media for presenting recommended media content items
WO2015074079A1 (en) * 2013-11-18 2015-05-21 ServiceSource International, Inc. User task focus and guidance for recurring revenue asset management
US9201931B2 (en) * 2013-12-02 2015-12-01 Qbase, LLC Method for obtaining search suggestions from fuzzy score matching and population frequencies
US9355152B2 (en) 2013-12-02 2016-05-31 Qbase, LLC Non-exclusionary search within in-memory databases
WO2015084289A1 (ru) * 2013-12-03 2015-06-11 Олэксандр Мыколайовыч ГУДКОВ Система обработки информации при заказе товаров и/или услуг
CN104735117A (zh) * 2013-12-24 2015-06-24 腾讯科技（北京）有限公司 一种信息处理方法、装置和系统
WO2015113240A1 (en) * 2014-01-29 2015-08-06 Nokia Technologies Oy Method, apparatus and system for content recommendation
CN103763693B (zh) * 2014-02-10 2017-04-05 中国联合网络通信集团有限公司 运营商业务推荐方法和运营商业务推荐装置
US20150248690A1 (en) * 2014-03-03 2015-09-03 International Business Machines Corporation Cost Optimization for Bundled Licenses
US10157411B1 (en) * 2014-03-13 2018-12-18 Amazon Technologies, Inc. Recommendation system that relies on RFM segmentation
WO2015139119A1 (en) * 2014-03-19 2015-09-24 Verosource Solutions Inc. System and method for validating data source input from a crowd sourcing platform
US10015770B2 (en) * 2014-03-24 2018-07-03 International Business Machines Corporation Social proximity networks for mobile phones
US9799081B1 (en) * 2014-03-31 2017-10-24 Google Inc. Content recommendation platform
RU2595531C2 (ru) 2014-04-21 2016-08-27 Общество С Ограниченной Ответственностью "Яндекс" Способ и система генерирования определения слова на основе множественных источников
CN105096151A (zh) * 2014-05-15 2015-11-25 中国移动通信集团公司 信息推荐方法及装置、服务器
US11210338B2 (en) 2014-05-29 2021-12-28 Sirius Xm Radio Inc. Systems, methods and apparatus for generating music recommendations based on combining song and user influencers with channel rule characterizations
CN105224349B (zh) * 2014-06-12 2022-03-11 小米科技有限责任公司 应用程序的删除提示方法和装置
WO2015188885A1 (en) * 2014-06-13 2015-12-17 Nec Europe Ltd. Method and system for determining a recommendation for content
US10043205B2 (en) 2014-06-30 2018-08-07 Microsoft Technology Licensing, Llc Lead recommendations
RU2634218C2 (ru) * 2014-07-24 2017-10-24 Общество С Ограниченной Ответственностью "Яндекс" Способ определения последовательности просмотра веб-страниц и сервер, используемый в нем
CN104155917A (zh) * 2014-07-29 2014-11-19 南通理工学院 一种数控机床的控制系统及控制方法
US10242380B2 (en) 2014-08-28 2019-03-26 Adhark, Inc. Systems and methods for determining an agility rating indicating a responsiveness of an author to recommended aspects for future content, actions, or behavior
RU2589356C2 (ru) * 2014-09-15 2016-07-10 ООО НПФ "Беркут" Способ аутентификации абонентов сотовой сети оператора
US10192583B2 (en) 2014-10-10 2019-01-29 Samsung Electronics Co., Ltd. Video editing using contextual data and content discovery using clusters
US11488086B2 (en) 2014-10-13 2022-11-01 ServiceSource International, Inc. User interface and underlying data analytics for customer success management
US10050912B2 (en) * 2014-10-27 2018-08-14 At&T Intellectual Property I, L.P. Subscription-based media push service
KR20160051983A (ko) * 2014-10-30 2016-05-12 현대자동차주식회사 차량의 음악 추천 시스템 및 그 방법
US10025863B2 (en) 2014-10-31 2018-07-17 Oath Inc. Recommending contents using a base profile
US9667808B2 (en) * 2014-12-18 2017-05-30 Facebook, Inc. Techniques for contextual mobile data access
KR102283894B1 (ko) * 2015-01-27 2021-08-02 엘지전자 주식회사 이동단말기 및 그 제어방법
CN104808498A (zh) * 2015-02-16 2015-07-29 联想(北京)有限公司 一种信息处理方法、电子设备及系统
US20160285937A1 (en) * 2015-03-24 2016-09-29 Spotify Ab Playback of streamed media content
US10956957B2 (en) * 2015-03-25 2021-03-23 Facebook, Inc. Techniques for automated messaging
EP3079116A1 (en) * 2015-04-10 2016-10-12 Tata Consultancy Services Limited System and method for generating recommendations
US9918346B2 (en) * 2015-04-17 2018-03-13 Barracuda Networks, Inc. System for connecting, securing and managing network devices with a dedicated private virtual network
US10303350B2 (en) 2015-05-20 2019-05-28 Hubin Jiang Systems and methods for generating online documents
WO2016189905A1 (ja) * 2015-05-27 2016-12-01 ソニー株式会社 情報処理装置、情報処理方法及びプログラム
US10909575B2 (en) 2015-06-25 2021-02-02 Salesforce.Com, Inc. Account recommendations for user account sets
US10715626B2 (en) 2015-06-26 2020-07-14 Salesforce.Com, Inc. Account routing to user account sets
US20160379266A1 (en) * 2015-06-29 2016-12-29 Salesforce.Com, Inc. Prioritizing accounts in user account sets
US10361936B2 (en) * 2015-08-19 2019-07-23 Google Llc Filtering content based on user mobile network and data-plan
US10467285B2 (en) * 2015-08-21 2019-11-05 Ford Global Technologies, Llc Radio-station-recommendation system and method
RU2632131C2 (ru) 2015-08-28 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для создания рекомендуемого списка содержимого
RU2632100C2 (ru) 2015-09-28 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер создания рекомендованного набора элементов
RU2629638C2 (ru) * 2015-09-28 2017-08-30 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер создания рекомендуемого набора элементов для пользователя
EP3147804A1 (en) * 2015-09-28 2017-03-29 Yandex Europe AG Method and apparatus for generating a recommended set of items for a user
CN105320767A (zh) * 2015-10-28 2016-02-10 浪潮(北京)电子信息产业有限公司 一种数据库的审计方法及系统
CN106815216A (zh) * 2015-11-30 2017-06-09 北京云莱坞文化传媒有限公司 一种故事筛选及精准展现的方法和装置
US20180012283A1 (en) * 2016-07-06 2018-01-11 Ebay Inc. Sensor based product recommendations
CN105516332A (zh) * 2015-12-23 2016-04-20 中山大学深圳研究院 一种基于地理位置和时间的应用推荐方法和系统
CN105634992B (zh) * 2015-12-29 2019-01-11 网宿科技股份有限公司 Cdn平台自适应带宽控制方法和系统
EP4123552A1 (en) * 2016-03-04 2023-01-25 Findmine Methods, systems, and media for providing information based on grouping information
US9659068B1 (en) 2016-03-15 2017-05-23 Spotify Ab Methods and systems for providing media recommendations based on implicit user behavior
US11393007B2 (en) * 2016-03-31 2022-07-19 Under Armour, Inc. Methods and apparatus for enhanced product recommendations
RU2632144C1 (ru) 2016-05-12 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Компьютерный способ создания интерфейса рекомендации контента
CN105959374B (zh) * 2016-05-12 2019-05-03 腾讯科技（深圳）有限公司 一种数据推荐方法及其设备
WO2017209362A1 (ko) * 2016-05-30 2017-12-07 에스케이테크엑스 주식회사 단말간 데이터 이체 시 백업 데이터를 이용한 추천 컨텐츠 제공 장치 및 이를 이용한 방법
US10708664B2 (en) * 2016-06-21 2020-07-07 Rovi Guides, Inc. Methods and systems for recommending to a first user media assets for inclusion in a playlist for a second user based on the second user's viewing activity
CN107545450A (zh) * 2016-06-27 2018-01-05 百度在线网络技术（北京）有限公司 一种交易信息推送方法和装置
CN107590148B (zh) * 2016-07-07 2023-05-05 三六零科技集团有限公司 一种推广信息的推送方法和系统
RU2632132C1 (ru) 2016-07-07 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для создания рекомендаций содержимого в системе рекомендаций
RU2636702C1 (ru) 2016-07-07 2017-11-27 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций
US10810627B2 (en) * 2016-08-10 2020-10-20 Facebook, Inc. Informative advertisements on hobby and strong interests feature space
US10831641B2 (en) * 2016-09-08 2020-11-10 At&T Intellectual Property I, L.P. Method and apparatus for determining a performance impact by a software upgrade of a mobile user endpoint device
CN107968955B (zh) * 2016-10-18 2020-11-06 北京众纳鑫海网络技术有限公司 用于推送计算机视频桌面的背景视频的方法及装置
US11681942B2 (en) 2016-10-27 2023-06-20 Dropbox, Inc. Providing intelligent file name suggestions
US10691684B2 (en) * 2016-11-01 2020-06-23 BloomReach, Inc. Structured search queries
US9852377B1 (en) * 2016-11-10 2017-12-26 Dropbox, Inc. Providing intelligent storage location suggestions
CN106777228A (zh) * 2016-12-26 2017-05-31 北京金山安全软件有限公司 一种消息推送方法、装置及电子设备
US10776824B2 (en) 2017-01-03 2020-09-15 Rovi Guides, Inc. Systems and methods for recommending electronic devices based on user purchase habits
US20180189856A1 (en) * 2017-01-03 2018-07-05 Rovi Guides, Inc. Systems and methods for recommending an electronic device to a user based on a user's device profile
USD882600S1 (en) 2017-01-13 2020-04-28 Yandex Europe Ag Display screen with graphical user interface
CN108287857B (zh) * 2017-02-13 2021-02-26 腾讯科技（深圳）有限公司 表情图片推荐方法及装置
WO2018145577A1 (zh) * 2017-02-08 2018-08-16 腾讯科技（深圳）有限公司 表情推荐方法和装置
US10607242B1 (en) 2017-02-14 2020-03-31 Patreon, Inc. Generation of subscription recommendations for content creators
US10621532B1 (en) 2017-02-14 2020-04-14 Patreon, Inc. Generation of engagement and support recommendations for content creators
US10423638B2 (en) 2017-04-27 2019-09-24 Google Llc Cloud inference system
CN109587565A (zh) * 2017-09-29 2019-04-05 北京国双科技有限公司 一种收视数据的统计方法及装置
CN107958381A (zh) * 2017-11-01 2018-04-24 北京小米移动软件有限公司 商品处理方法及装置
JP7270615B2 (ja) 2017-12-22 2023-05-10 グーグル エルエルシー 電子リストユーザインターフェース
CN108345630B (zh) * 2017-12-27 2019-12-03 北京字节跳动网络技术有限公司 数字内容推送的方法、装置、智能终端及可读存储介质
CN108446351B (zh) * 2018-03-08 2022-03-22 携程计算机技术（上海）有限公司 Ota平台的基于用户偏好的酒店筛选方法及系统
CN108648031B (zh) * 2018-03-28 2022-01-18 苏州千照信息科技有限公司 产品推荐方法及装置
US10356042B1 (en) * 2018-05-09 2019-07-16 Roderick Mackenzie-Smith Automated contacts book
US10848592B2 (en) * 2018-05-18 2020-11-24 Sony Interactive Entertainment LLC Personalizing user experience in a gaming network
WO2019236751A1 (en) * 2018-06-06 2019-12-12 Devito Daniel Apparatus and method for polling applications
CN110874737B (zh) * 2018-09-03 2024-06-18 京东科技控股股份有限公司 支付方式推荐方法、装置、电子设备、存储介质
RU2720899C2 (ru) 2018-09-14 2020-05-14 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации
RU2720952C2 (ru) 2018-09-14 2020-05-15 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для создания рекомендации цифрового содержимого
RU2714594C1 (ru) 2018-09-14 2020-02-18 Общество С Ограниченной Ответственностью "Яндекс" Способ и система определения параметра релевантность для элементов содержимого
RU2725659C2 (ru) 2018-10-08 2020-07-03 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для оценивания данных о взаимодействиях пользователь-элемент
RU2731335C2 (ru) 2018-10-09 2020-09-01 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для формирования рекомендаций цифрового контента
US11983666B2 (en) * 2019-04-05 2024-05-14 Trulla, LLC Pharmaceutical procurement and inventory management
RU2710830C1 (ru) * 2019-04-30 2020-01-14 Федеральное государственное образовательное бюджетное учреждение высшего образования "Финансовый университет при Правительстве Российской Федерации" (Финансовый университет) Способ автоматизированного обеспечения рекомендаций по принятию инвестиционно значимых решений на рынке цифровых активов и устройство для его осуществления
CN110413169B (zh) * 2019-07-24 2021-11-23 北京小米移动软件有限公司 一种信息展示方法、装置及介质
CN112347399A (zh) * 2019-08-08 2021-02-09 武汉东湖大数据交易中心股份有限公司 一种基于大数据的智能推荐系统
KR102140325B1 (ko) * 2019-08-29 2020-07-31 유한회사 엘민벤처스 블록체인 기반의 팩트체킹과 검색 기능이 있는 컨텐츠 관리 방법 및 그 시스템
US11188966B1 (en) * 2019-09-06 2021-11-30 Coupa Software Incorporated Catalog enablement data for supplier systems based on community activities
RU2757406C1 (ru) * 2019-09-09 2021-10-15 Общество С Ограниченной Ответственностью «Яндекс» Способ и система для обеспечения уровня сервиса при рекламе элемента контента
CN110795582A (zh) * 2019-10-31 2020-02-14 京东方科技集团股份有限公司 一种图像推荐方法、系统、终端设备及服务器
KR102365910B1 (ko) * 2019-12-31 2022-02-22 가톨릭관동대학교산학협력단 속성 값 품질 지수를 이용한 데이터 프로파일링 방법 및 데이터 프로파일링 시스템
US12026749B2 (en) * 2020-01-06 2024-07-02 Capital One Services, Llc Content optimization on a social media platform based on third-party data
KR20210095431A (ko) * 2020-01-23 2021-08-02 삼성전자주식회사 전자 장치 및 그 제어 방법
US11328796B1 (en) 2020-02-25 2022-05-10 Vignet Incorporated Techniques for selecting cohorts for decentralized clinical trials for pharmaceutical research
US11270330B1 (en) 2020-02-26 2022-03-08 Patreon, Inc. Systems and methods to determine tax classification of benefits offered to subscribers of a membership platform
US11386377B1 (en) 2020-03-17 2022-07-12 Patreon, Inc. Systems and methods to recommend price of benefit items offered through a membership platform
US11790391B1 (en) 2020-03-17 2023-10-17 Patreon, Inc. Systems and methods to recommend benefit types of benefit items to offer within a membership platform
US12131347B2 (en) 2020-05-14 2024-10-29 Zmbizi App Llc Context-aware systems and methods for selecting smartphone applications/services and awarding reward tokens
US11328314B2 (en) 2020-05-14 2022-05-10 Zmbizi App Llc Context-aware systems and methods for selecting smartphone applications/services and awarding reward points
US11461216B1 (en) 2020-05-18 2022-10-04 Vignet Incorporated Monitoring and improving data collection using digital health technology
US11605038B1 (en) 2020-05-18 2023-03-14 Vignet Incorporated Selecting digital health technology to achieve data collection compliance in clinical trials
CN112131454B (zh) * 2020-08-26 2024-10-15 汉海信息技术(上海)有限公司 火车出行用户信息推送的方法、装置及服务器
CN113763086A (zh) * 2020-09-23 2021-12-07 北京沃东天骏信息技术有限公司 信息推荐方法及装置
CN112288512B (zh) * 2020-10-09 2024-07-16 北京三快在线科技有限公司 信息处理方法、装置、电子设备及可读存储介质
CN112528125A (zh) * 2020-12-23 2021-03-19 北京明略软件系统有限公司 避免内容重复推荐的方法、装置、电子设备及存储介质
CN116685991A (zh) * 2021-01-21 2023-09-01 三菱电机株式会社 信息处理装置、信息处理方法和信息处理程序
US11361846B1 (en) 2021-02-03 2022-06-14 Vignet Incorporated Systems and methods for customizing monitoring programs involving remote devices
US11789837B1 (en) 2021-02-03 2023-10-17 Vignet Incorporated Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial
US11521714B1 (en) 2021-02-03 2022-12-06 Vignet Incorporated Increasing diversity of participants in health research using adaptive methods
US11296971B1 (en) 2021-02-03 2022-04-05 Vignet Incorporated Managing and adapting monitoring programs
US11196656B1 (en) 2021-02-03 2021-12-07 Vignet Incorporated Improving diversity in cohorts for health research
US11316941B1 (en) 2021-02-03 2022-04-26 Vignet Incorporated Remotely managing and adapting monitoring programs using machine learning predictions
CN113009839B (zh) * 2021-02-18 2023-07-21 青岛海尔科技有限公司 场景推荐方法和装置、存储介质及电子设备
JPWO2022195652A1 (ja) * 2021-03-15 2022-09-22
US20240193126A1 (en) * 2021-04-23 2024-06-13 Hewlett-Packard Development Company, L.P. File recommendation based on recorded event data and file data associations
US11368735B1 (en) 2021-05-18 2022-06-21 Patreon, Inc. Systems and methods to facilitate quality control of benefit items created for subscribers of a membership platform
US11715126B1 (en) 2021-06-07 2023-08-01 Patreon, Inc. Systems and methods to process payments for subscribership within a membership platform
US20230017951A1 (en) * 2021-07-06 2023-01-19 Samsung Electronics Co., Ltd. Artificial intelligence-based multi-goal-aware device sampling
US20230033490A1 (en) * 2021-07-28 2023-02-02 Bolt Financial, Inc. One-Click Transactions With Product Recommendations in Post-Purchase Interfaces
US11675860B1 (en) 2021-07-28 2023-06-13 Patreon, Inc. Systems and methods to generate creator page recommendations for content creators
CN113779421A (zh) * 2021-08-13 2021-12-10 咪咕数字传媒有限公司 关联推荐方法、装置、设备及计算机可读存储介质
US20230245196A1 (en) * 2022-01-28 2023-08-03 Walmart Apollo, Llc Systems and methods for generating a consideration intent classification for an event
WO2024019476A1 (ko) * 2022-07-19 2024-01-25 주식회사 뮤즈라이브 컨텐츠 재생용 대체 앨범 생성 방법
KR20240079882A (ko) 2022-11-29 2024-06-05 서울대학교산학협력단 아이템 번들 추천 장치 및 방법
CN117217710B (zh) * 2023-10-19 2024-07-02 深圳市金文网络科技有限公司 一种虚拟商品与快捷服务的智能化管理方法及系统
KR102648239B1 (ko) * 2023-12-29 2024-03-18 (주)아이러브아트 개인의 예술작품에 대한 거래 및 리셀 거래를 지원하고, 가상 갤러리를 제공하는 시스템 및 그 제어 방법

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7016864B1 (en) * 1999-04-09 2006-03-21 Dell Usa, L.P. Interactive upsell advisor method and apparatus for internet applications
WO2001006398A2 (en) * 1999-07-16 2001-01-25 Agentarts, Inc. Methods and system for generating automated alternative content recommendations
US7461058B1 (en) * 1999-09-24 2008-12-02 Thalveg Data Flow Llc Optimized rule based constraints for collaborative filtering systems
JP2001236405A (ja) * 2000-02-24 2001-08-31 Sumisho Computer Systems Corp 販売促進支援装置および方法、記録媒体
US7249058B2 (en) * 2001-11-13 2007-07-24 International Business Machines Corporation Method of promoting strategic documents by bias ranking of search results
US9374451B2 (en) * 2002-02-04 2016-06-21 Nokia Technologies Oy System and method for multimodal short-cuts to digital services
US20050215236A1 (en) * 2002-03-28 2005-09-29 Andreas Myka Providing information for mobile users
CA2496278A1 (en) * 2002-08-19 2004-02-26 Jayendu Patel Statistical personalized recommendation system
US20040153373A1 (en) * 2003-01-31 2004-08-05 Docomo Communications Laboratories Usa, Inc. Method and system for pushing services to mobile devices in smart environments using a context-aware recommender
US7840448B2 (en) * 2003-05-07 2010-11-23 Cbs Interactive Inc. System and method for automatically generating a narrative product summary
US7089594B2 (en) * 2003-07-21 2006-08-08 July Systems, Inc. Application rights management in a mobile environment
US7526458B2 (en) * 2003-11-28 2009-04-28 Manyworlds, Inc. Adaptive recommendations systems
JP4279659B2 (ja) * 2003-12-16 2009-06-17 株式会社エヌ・ティ・ティ・ドコモ 通信システム、端末装置、サーバ及び通信方法
US7240353B2 (en) * 2004-11-24 2007-07-03 General Electric Company Functionality recommendation system
JP4492354B2 (ja) * 2005-01-07 2010-06-30 ソニー株式会社 情報処理装置および方法、並びにプログラム
US7752077B2 (en) * 2005-01-21 2010-07-06 Amazon Technologies, Inc. Method and system for automated comparison of items
US20080215429A1 (en) * 2005-11-01 2008-09-04 Jorey Ramer Using a mobile communication facility for offline ad searching
JP2007249307A (ja) * 2006-03-13 2007-09-27 Fuji Xerox Co Ltd コミュニケーションスタイル分析方法および装置
US8250012B1 (en) * 2007-03-30 2012-08-21 Amazon Technologies, Inc. Evaluating recommendations by determining user actions, and performance values pertaining to lists of recommendations
JP5178040B2 (ja) * 2007-04-23 2013-04-10 株式会社タイトー 携帯端末における自動ユーザ嗜好収集システムおよび該システムに用いるサーバ装置
US20090131152A1 (en) * 2007-11-19 2009-05-21 Verizon Data Services Inc. Method and system for performance tracking to modify content presented by a set-top box

Also Published As

Publication number Publication date
KR20120080638A (ko) 2012-07-17
BRPI0818425A8 (pt) 2017-12-12
BRPI0818425A2 (pt) 2017-10-03
JP2011511968A (ja) 2011-04-14
KR20100089841A (ko) 2010-08-12
RU2010117390A (ru) 2011-11-10
WO2009045899A2 (en) 2009-04-09
KR20160038902A (ko) 2016-04-07
RU2451986C2 (ru) 2012-05-27
WO2009045899A3 (en) 2009-05-22
CA2700015C (en) 2016-09-06
CN101828167A (zh) 2010-09-08
EP2195733A4 (en) 2011-09-28
EP2195733A2 (en) 2010-06-16
JP2013058213A (ja) 2013-03-28
US20090163183A1 (en) 2009-06-25
CA2700015A1 (en) 2009-04-09
JP5166539B2 (ja) 2013-03-21
CN101828167B (zh) 2016-04-20
KR20140062486A (ko) 2014-05-23

Similar Documents

Publication Publication Date Title
JP5872435B2 (ja) リコメンデーション生成システム、装置、及び方法
US11488179B2 (en) Method and apparatus for selecting advertising
US11070935B2 (en) Devices for conducting social network operations
US8260725B2 (en) Method of conducting operations for a social network application including notification list generation with offer hyperlinks according to notification rules
US8677463B2 (en) System and method for managing multiple sub accounts within a subcriber main account in a data distribution system
US8352980B2 (en) System and method for single sign on targeted advertising
US20130013404A1 (en) System and method for distribution of digital offers
JP2010531626A (ja) モバイルコンテンツの一部に関連するコンテキストデータ及び挙動データに基づくモバイル通信設備へのコンテンツの提供
WO2013023295A1 (en) System and method for real-time prioritized marketing
TWI845407B (zh) 資訊更新方法、伺服器及電腦可讀取媒體
US20120289209A1 (en) Method of conducting operations for a social network application including activity list generation
US20120289208A1 (en) Method of conducting operations for a social network application including activity list generation
US20240249315A1 (en) Recommendation campaigns based on predicted short-term user behavior and predicted long-term user behavior

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130425

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20131210

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140310

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140313

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140512

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140515

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140610

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150106

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20150406

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150507

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: 20151215

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160113

R150 Certificate of patent or registration of utility model

Ref document number: 5872435

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

LAPS Cancellation because of no payment of annual fees