JP7130560B2 - コンテンツを効果的に配信するための動的クリエイティブの最適化 - Google Patents

コンテンツを効果的に配信するための動的クリエイティブの最適化 Download PDF

Info

Publication number
JP7130560B2
JP7130560B2 JP2018563157A JP2018563157A JP7130560B2 JP 7130560 B2 JP7130560 B2 JP 7130560B2 JP 2018563157 A JP2018563157 A JP 2018563157A JP 2018563157 A JP2018563157 A JP 2018563157A JP 7130560 B2 JP7130560 B2 JP 7130560B2
Authority
JP
Japan
Prior art keywords
creative
creatives
user
content item
features
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018563157A
Other languages
English (en)
Other versions
JP2019527395A (ja
Inventor
プラディプ クルカルニ、アディティア
サミュエル ガブロフスキー、アヴィ
チャン、ジュールン
シャンウェン ゼン、ジョージ
Original Assignee
メタ プラットフォームズ， インク．
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 メタ プラットフォームズ， インク． filed Critical メタ プラットフォームズ， インク．
Publication of JP2019527395A publication Critical patent/JP2019527395A/ja
Application granted granted Critical
Publication of JP7130560B2 publication Critical patent/JP7130560B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

この開示は、概してオンラインコンテンツ配信に関し、より詳しくはターゲット視聴者のための個々のコンテンツコンポーネントのセットからコンテンツアイテムを動的に制作することに関する。
コンテンツプロバイダは、オンラインシステム内の特定の視聴者を対象としたコンテンツを制作し、ユーザは、そのオンラインシステムから受信したコンテンツと対話する。ソーシャルネットワーキングシステムなどのオンラインシステムの出現に伴い、コンテンツプロバイダは、オンラインシステムのユーザ間の繋がりを増大させるオンラインシステム内での効果的なスポンサードコンテンツを作成するためにますますオンラインシステムに依存するようになっている。例えば、オンラインシステムは、コンテンツプロバイダにより提供されるスポンサードコンテンツをオンラインシステムのユーザに提示した後、提示されたコンテンツとユーザが対話する頻度を追跡してコンテンツの統計を計算する。これらの統計は、数多くのコンテンツキャンペーンで求められ、キャンペーンの各コンテンツアイテムの有効性を測定するのに役立ち得る。コンテンツプロバイダは、これらの統計に基づいて、効果の乏しいコンテンツアイテムを編集したり、または非常に効果的に実行されるコンテンツアイテムを選択して表示させたりすることができる。
現在、コンテンツプロバイダは、可能な限り最良のコンテンツアイテムを制作してオンラインシステムの各ユーザに配信するようにするコンテンツキャンペーンを開催するなど、オンラインシステム上で大規模なコンテンツキャンペーンを実行する際の課題に直面している。例えば、現在の解決策は、コンテンツプロバイダは予め構築されたコンテンツアイテムをオンラインシステムのユーザに提示することのみ可能である。オンラインシステムは予め構築されたコンテンツアイテムの実績を追跡することはできるが、コンテンツアイテムの特定のコンポーネント（テキスト、画像、動画など）の実績についてコンテンツプロバイダに提供されるフィードバックはゼロであるかまたはごく僅かである。コンテンツプロバイダは、コンテンツアイテムのどのコンポーネントがその対象者やターゲット視聴者に対してうまく機能しなかったかを理解するために「コンテンツアイテムの内部を見る」ことはできない。
ソーシャルネットワーキングシステムなどのオンラインシステムは、動的に最適化されたコンテンツをオンラインシステムのユーザに提示する。各スポンサードコンテンツ（「コンテンツ」または「コンテンツアイテム」とも称す）は、多くの様々なタイプのコンポーネントクリエイティブ（「クリエイティブ」とも称す）を有する。例えば、様々なタイプのクリエイティブとして、画像、動画、テキスト本文、コール・トゥ・アクション・タイプ（例えば、アプリケーションをインストールする、アプリケーションを再生するなど）、タイトル、記述、ユニバーサルリソースロケータ（ＵＲＬ）、キャプションなどが挙げられる。オンラインシステムの動的クリエイティブ最適化（ＤＣＯ）モジュールは、コンテンツ広告プロバイダなどの多数のコンポーネントクリエイティブをＤＣＯシステムのユーザから受信し、そのクリエイティブをスポンサードコンテンツアイテムに組み込む。ＤＣＯモジュールは、コンポーネントクリエイティブをスポンサードコンテンツアイテムにどのように含めるべきかを記述した制約またはルールをコンテンツプロバイダから受信することができる。ＤＣＯモジュールは、ユーザ（またはユーザを含むターゲット視聴者）にスポンサードコンテンツアイテムを提示する機会がある毎に、クリエイティブのタイプ毎に最適なクリエイティブを選択する。例えば、複数の画像クリエイティブ候補から最適な画像クリエイティブが選択される。この選択は、そのタイプのコンポーネントクリエイティブを動的に最適化するようにトレーニングされたコンポーネントモデルに基づいて行われる。ＤＣＯモジュールは、その選択されたクリエイティブをスポンサードコンテンツに組み込む。これにより、コンポーネントクリエイティブの最適な構築結果がユーザ（またはユーザを含む視聴者）に提示される。オンラインシステムの各ユーザには、ユーザの情報およびコンポーネントクリエイティブを記述した情報に基づいて動的に選択された多数のコンポーネントクリエイティブを有するスポンサードコンテンツアイテムが提示される。従って、オンラインシステムの様々なユーザには、その視聴者またはそのユーザに対してそれぞれ最適に選択された様々なコンポーネントクリエイティブからなる様々なスポンサードコンテンツが提供される。
本発明の一実施形態による動的クリエイティブ最適化モジュールを含むオンラインシステムのシステム環境を示す図。 本発明の一実施形態による動的クリエイティブ最適化モジュールを示すブロック図。 本発明の一実施形態によるＤＣＯモジュールによって選択された複数のクリエイティブを有するコンテンツアイテムを示す図。 本発明の一実施形態による動的クリエイティブ最適化を使用してスポンサードコンテンツを構築するためのフローチャート。
図面は、例示のみを目的として様々な実施形態を示している。当業者であれば、本明細書に記載された本発明の原理から逸脱することなく、本明細書に例示される構成および方法の代替実施形態を使用できることを容易に認識し得る。
［システム環境の概要］
図１は、ターゲット視聴者用の個々のコンポーネントクリエイティブのセットからコンテンツアイテムを動的に作成するための動的クリエイティブ最適化（ＤＣＯ）モジュール２００を含むシステム環境１００の一実施形態を示す図である。図１に示されるように、システム環境１００は、ネットワーク１２０を介して接続された、１つまたは複数のクライアントデバイス１１０と、コンテンツプロバイダシステム１４０と、オンラインシステム１３０とを含む。なお、図１では簡略化のために２つのクライアントデバイス１１０と１つのコンテンツプロバイダシステム１４０を示しているが、任意の数（例えば数百万）のエンティティを含むことができる。各クライアントデバイス１１０は、ユーザが１つのオンラインシステム１３０に対する入力を与えることができるユーザインタフェース１１２を備える。代替構成では、異なるおよび／または追加のエンティティをシステム環境１００に含めることもできる。
クライアントデバイス１１０はコンピューティングデバイスであり、ユーザインタフェース１１２を介してユーザ入力を受信可能であるとともに、ネットワーク１２０を介してデータを送信および／または受信可能である。クライアントデバイス１１０は、例えば、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ（パッド）、携帯電話、パーソナルデジタルアシスタント（ＰＤＡ）、ゲームデバイス、またはコンピューティング機能およびデータ通信能力を含む任意の他の電子デバイスを含む。クライアントデバイス１１０のユーザは、オンラインシステム１３０にアクセスし、オンラインシステム１３０によってまたはコンテンツプロバイダシステム１４０によって提供されるコンテンツと対話する。例えば、ユーザはコンテンツを取得して閲覧しそのコンテンツに関するコメントを掲示することによってまたは他のユーザにコンテンツを推薦することによってコンテンツに対するアフィニティを示すことができる。あるいは、ユーザは、コンテンツにフラグを立てることによってまたはコンテンツウインドウを閉じるか隠すことによってそのコンテンツを好まないことを示し、それによってユーザがそのコンテンツに興味がないことを示すことができる。
ネットワーク１２０は、１つまたは複数のクライアントデバイス１１０、オンラインシステム１３０、および／または１つまたは複数のコンテンツプロバイダシステム１４０の間における通信を容易にする。ネットワーク１２０は、イントラネット、エクストラネット、またはインターネットなどの任意の有線または無線ローカルエリアネットワーク（ＬＡＮ）および／またはワイドエリアネットワーク（ＷＡＮ）とすることができる。様々な実施形態において、ネットワーク１２０は、標準的な通信技術および／またはプロトコルを使用する。ネットワーク１２０によって使用される技術は、例えば、イーサネット（登録商標）、８０２．１１、３Ｇ、４Ｇ、８０２．１６、または任意の他の適切な通信技術を含む。ネットワーク１２０は、無線、有線、または無線と有線を組み合わせた通信技術を使用することができる。ネットワーク１２０によって使用されるプロトコルは、例えば、伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）、ハイパーテキストトランスポートプロトコル（ＨＴＴＰ）、単純メール転送プロトコル（ＳＭＴＰ）、ファイル転送プロトコル（ＴＣＰ）、または任意の他の適切な通信プロトコルを含む。
コンテンツプロバイダシステム１４０は、オンラインシステム１３０と対話するためにコンテンツプロバイダによって使用される。この対話は、例えば、コンテンツを提供すること、コンテンツのコンポーネントを提供すること、コンテンツおよびコンポーネントに関する情報を提供することを含む。図１に示す実施形態では、コンテンツプロバイダシステム１４０は、クライアントアプリケーション１４２およびコンテンツアイテム１４４を有する。コンテンツプロバイダシステム１４０は、オンラインシステム１３０のアプリケーションプログラミングインタフェース（ＡＰＩ）を使用してオンラインシステム１３０と対話する。クライアントアプリケーション１４２は、コンテンツプロバイダシステム１４０に関連付けられたユーザがオンラインシステム１３０と対話することを可能にする。クライアントアプリケーション１４２は、クライアントデバイス１１０のユーザインタフェースとは異なるユーザインタフェースを提示することができる。
コンテンツプロバイダシステム１４０は、１つまたは複数のコンテンツアイテム１４４および／またはコンテンツアイテム１４４に含めるべきコンポーネントクリエイティブをオンラインシステム１３０に提供する。コンテンツアイテム１４４は、広告主によってスポンサーされた広告などのスポンサードコンテンツとすることができる。コンテンツアイテム１４４は、多数のコンポーネントクリエイティブ（「クリエイティブ」とも称す）の組み合わせである。従って、各コンポーネントクリエイティブは、ターゲットユーザに提示されるコンテンツアイテム１４４の一部であり、あるタイプを有するものである。クリエイティブのタイプは、例えば、画像、動画、コンテンツアイテムの主メッセージを表す本文、コール・トゥ・アクション・タイプ（例えば、すぐに買い物をする（shop_now）、もっと学ぶ（learn_more）など）、コンテンツアイテムの短い見出しを表すタイトル、コンテンツアイテムの副メッセージを表す記述、ＵＲＬ、および対応するＵＲＬのテキストを表すキャプションを含む。一実施形態では、コンテンツプロバイダシステム１４０は、ターゲットユーザに提示するための所定のクリエイティブのセットを有するコンテンツアイテム１４４、例えば｛画像Ａ、タイトルＡ、本文Ｂ｝をオンラインシステム１３０に提供する。別の実施形態では、コンテンツプロバイダシステム１４０はクリエイティブのセットをオンラインシステム１３０に提供し、オンラインシステム１３０は、コンテンツアイテム１４４内でどのクリエイティブを使用してターゲットユーザに配信するかを動的に決定する。例えば、コンテンツプロバイダシステム１４０は、以下の異なるタイプのクリエイティブを有するセット、すなわち、
｛
画像：｛画像Ａ、画像Ｂ、画像Ｃ｝
タイトル：｛タイトルＡ、タイトルＢ、タイトルＣ｝
本文：｛本文Ａ、本文Ｂ、本文Ｃ｝
｝
のセットでコンテンツアイテム１４４を提供し得る。
オンラインシステム１３０は、ネットワーク１２０を介してコンテンツプロバイダシステム１４０および／または１つまたは複数のクライアントデバイス１１０と通信する。一実施形態では、オンラインシステム１３０は、所定のクリエイティブのセットを有するコンテンツアイテム１４４を受信する。別の実施形態では、オンラインシステム１３０は、クリエイティブのセットを受信して、コンテンツアイテム１４４の提示要求を受信したときにそのクリエイティブのセットからコンテンツアイテム１４４を動的に作成する。そして、オンラインシステム１３０は、コンテンツアイテム１４４をそのターゲット視聴者に配信する。簡略化のために、所定のクリエイティブのセットを有するコンテンツアイテム１４４を「構築前コンテンツアイテム」と称し、動的に構築されるコンテンツアイテム１４４を「ＤＣＯコンテンツアイテム」と称す。
ターゲットユーザにＤＣＯコンテンツアイテムを提供するために、オンラインシステム１３０は、トレーニングされたコンポーネントモデルを適用する。各コンポーネントモデルは、コンテンツアイテム１４４内の特定のタイプのクリエイティブに関連付けられる。例えば、画像モデルはコンテンツアイテム１４４内の画像クリエイティブに適用される。各クリエイティブがその対応するトレーニングコンポーネントモデルに適用されることで、ターゲットユーザの情報も考慮して予測スコアが生成される。オンラインシステム１３０は、クリエイティブの各カテゴリの中から最高予測スコアを有するクリエイティブを選択し、選択された各タイプのクリエイティブを組み合わせてターゲットユーザのＤＣＯコンテンツアイテムを作成する。したがって、異なる２人の視聴者には、異なるクリエイティブの組み合わせからなる異なるＤＣＯコンテンツアイテムが提供される。オンラインシステム１３０は、コンテンツアイテム１４４でどのクリエイティブを使用してターゲットユーザに配信するかを動的に決定し、上述したサンプル例を用いると、オンラインシステム１３０は、ターゲットユーザ（例えば、ユーザ１）には｛画像Ｂ、テキストＢ、本文Ｂ｝を含むコンテンツアイテム１４４を配信し、異なるユーザ（例えば、ユーザ２）には｛画像Ｃ、テキストＡ、本文Ｃ｝を含むコンテンツアイテム１４４を配信する。動的に構築するコンテンツアイテムについては、以下で図２を参照して説明する。
次に、図３を参照すると、図３は、本発明の一実施形態による、ＤＣＯモジュール２００によって選択された複数のクリエイティブを含む構築コンテンツアイテム３００を示す図である。コンテンツプロバイダシステム１４０は、タイトル１（３１２）およびタイトル２（３１４）の２つのタイトルと、要素１（３２２）および要素２（３２４）の２つの画像要素と、すぐにインストールする（INSTALL_NOW）（３３２）およびすぐにプレイする（PLAY_NOW）（３３４）の２つのコール・トゥ・アクション・タイプと、記述１（３４２）および記述２（３４４）の２つの記述とを含むクリエイティブ３０５のセットをオンラインシステム１３０に提供する。オンラインシステム１３０は、ターゲットユーザ用のコンテンツアイテム３００に含めるべき各タイプのクリエイティブを動的に決定する。例えば、オンラインシステム１３０は、２つのタイトル候補３１２，３１４からタイトル３１０（すなわち、「ヘアドライヤーを見つけられるかな？クリックしてすぐにプレイして！」）を選択し、２つの画像候補３２２，３２４から画像３２０を選択し、２つのコール・フォー・アクション・タイプ候補３３２，３３４からコール・フォー・アクション・タイプ３３０（すなわち、「すぐにインストールする」）を選択し、２つの記述候補３４２，３４４から記述３４０（すなわち、「新たなゲーム」）を選択する。
図１に戻ると、オンラインシステム１３０はさらに、ユーザ同士が互いに繋がり（例えば、友好タイプの関係、フォロワータイプの関係など）を確立することを可能にする。一実施形態では、オンラインシステム１３０は、オンラインシステム１３０のユーザを記述したユーザアカウントおよび／またはユーザプロファイルを記憶する。ユーザプロファイルはユーザアカウントに関連付けられており、ユーザを記述した情報、例えば、人口統計情報（例えば、性別情報）や略歴データ（例えば、関心情報）などを含む。ユーザプロファイルの情報、ユーザ間の繋がり、および任意の他の適切な情報を使用して、オンラインシステム１３０は、エッジによって相互接続されたノードのソーシャルグラフを維持する。ソーシャルグラフ内の各ノードは、オンラインシステム１３０に関連付けられたオブジェクトであり、オンラインシステム１３０に関連付けられた別のオブジェクトに影響を及ぼし得るおよび／またはそれによって影響を受け得るオブジェクトを表す。ソーシャルグラフ内の２つのノード間のエッジは、２つのノード間の特定の種類の繋がりを表す。エッジは、オンラインシステム１３０の特定のユーザが、スポンサードコンテンツに関連付けられた特定の主題に関心を示したことを示し得る。例えば、ユーザプロファイルは、ユーザの以前のアクティビティを定義するエッジに関連付けられ得る。ユーザの以前のアクティビティは、これらに限定されるものではないが、様々なウェブページへの訪問、ウェブページの検索、ウェブページへのコメント記入、ウェブページの共有、コンテンツアイテムへのいいね！の表明、コンテンツアイテムへのコメント記入、コンテンツアイテムの共有、グループへの参加、イベントへの出席、場所のチェック、およびユーザに提示された広告によって宣伝された製品の購入などを含む。
一実施形態では、オンラインシステム１３０は、ユーザによって実行されるアクションを記述したストーリーを生成するためにエッジを使用し得る。ストーリーは、オンラインシステム１３０を介してユーザに接続された１人または複数人の追加のユーザに通信される。例えば、オンラインシステム１３０は、第１ユーザ（例えば、友人）に提示されたスポンサードコンテンツアイテムにより宣伝された新たなゲームまたはアプリケーションにいいね！を表明しているその第１ユーザに関するストーリーを追加ユーザに提示し得る。追加ユーザがその提示されたストーリーとの対話を選択することで、オンラインシステム１３０によって維持されたソーシャルグラフ内に追加ユーザとそのストーリーの主題との間のエッジを生成することができる。オンラインシステム１３０は、このエッジを記憶し得る。このエッジは、将来の時点でオンラインシステム１３０がその追加のユーザの好みと十分に一致し得るコンポーネントを識別しようとする際に検索され得る。
様々な実施形態では、オンラインシステム１３０は、コンテンツプロバイダシステム１４０から１つまたは複数のコンテンツアイテム１４４を受信することに加えて、１つまたは複数の広告リクエストも受信し得る。様々な実施形態では、広告要求は、その広告がアクセスされた際にユーザが導かれるネットワークアドレスを指定するランディングページを含む。また、広告主からの広告要求は、広告に関連付けられた入札額を含む。この入札額は、広告がユーザに提示された場合、広告がユーザの対話を受信した場合、または任意の他の適切な条件に基づいて、オンラインシステム１３０に広告主から提供される金銭的な補償などの期待値を決定するために使用される。例えば、入札額は、広告が表示された場合にオンラインシステム１３０が広告主から受け取る金額を指定し、この入札額にその広告がアクセスされる確率を掛けることによって期待値が決定される。
［動的クリエイティブ最適化（ＤＣＯ）］
一実施形態では、オンラインシステム１３０は、ターゲットユーザ用のコンテンツアイテムに含めるべきクリエイティブを動的に選択する動的クリエイティブ最適化モジュール２００を有する。図２は、本発明の一実施形態による図１に示すＤＣＯモジュール２００のブロック図である。ＤＣＯモジュール２００は、広告主などのコンテンツプロバイダからクリエイティブのセットを受信し、ユーザ（またはユーザを含むターゲット視聴者）用のコンテンツアイテムを動的に作成する。動的に作成されたコンテンツアイテムは、そのユーザに対して選択されたクリエイティブの最適な組み合わせを含む。ＤＣＯモジュール２００は、異なる視聴者に対して同じクリエイティブのセットを提示する場合には、その異なる視聴者に対して選択された最適なクリエイティブからなる異なるコンテンツアイテムを作成し得る。ＤＣＯモジュール２００は、クリエイティブのタイプ毎にクリエイティブモデルをトレーニングする。トレーニングされたクリエイティブモデルは、そのクリエイティブと、ターゲットユーザ（またはユーザを含むターゲット視聴者）に関する情報とを入力として受け取る。トレーニングされたクリエイティブモデルは、そのクリエイティブについての予測スコアを生成する。ＤＣＯモジュール２００はさらに、クリエイティブを選択して組み合わせる際に、様々な条件または制約を記述したルールのセットを適用し得る。
図２に示す実施形態では、ＤＣＯモジュール２００は、クリエイティブ特徴抽出モジュール２０５、クリエイティブモデルトレーニングモジュール２１０、クリエイティブ分析モジュール２２０、クリエイティブランク付けモジュール２２５、クリエイティブアセンブリモジュール２３０、クリエイティブルールモジュール２３５、クリエイティブ特徴ストア２４０、トレーニングデータストア２４５、およびクリエイティブルールストア２５０を含む。代替構成では、ＤＣＯモジュール２００には、より少ない、異なる、および／または追加のエンティティが含まれ得る。例えば、ＤＣＯモジュール２００には、オンラインシステム１３０のユーザを記述した特徴ベクタを記憶するためのユーザ特徴ストアが含まれ得る。
クリエイティブ特徴抽出モジュール２０５は、コンテンツプロバイダから、コンテンツプロバイダシステム１４０およびネットワーク１２０を介してコンテンツアイテムのクリエイティブを受信する。クリエイティブ特徴抽出モジュール２０５は、各クリエイティブの特徴を抽出し、その抽出したクリエイティブ特徴を、クリエイティブ特徴ストア２４０のクリエイティブ特徴ベクタに格納する。一実施形態では、クリエイティブ特徴抽出モジュール２０５は、クリエイティブの各タイプに関連付けられた特定の特徴を抽出する。例えば、記述、コール・トゥ・アクション・タイプ、キャプションおよび本文テキストなどのテキストクリエイティブの場合、クリエイティブ特徴抽出モジュール２０５は、当業者に既知のテキスト分析方法を使用してそのクリエイティブから個々の単語およびテキスト文字列を抽出する。図３に示すようなコンテンツアイテム３００のタイトルテキスト３１０を例にとると、クリエイティブ特徴抽出モジュール２０５は、「ヘアドライヤー」や「プレイ」などのタイトルテキストに含まれている個々の単語を抽出する。また、個々の単語からなるテキスト文字列は、追加の抽出特徴を生成するために連結され得る（例えば、「ヘアドライヤーを見つける」や「プレイをクリックする」など）。さらに、抽出特徴は、クリエイティブのテキストコンポーネントに関連付けられたフォントサイズ、フォント色、および単語の数を含み得る。
クリエイティブ特徴抽出モジュール２０５は、画像のドミナントカラー、画像の背景カラー、画像のサイズ（例えば、画像の幅や長さ）、画像の皮膚ブロブ（blob）の総数などの画像特徴に関連付けられた様々な画像特徴を抽出する。一実施形態では、クリエイティブ特徴抽出モジュール２０５は、エッジ検出、ブロブ抽出、ヒストグラム解析、画素強度フィルタリング、勾配フィルタリング、またはスケール不変特徴変換などの画像処理アルゴリズムを用いて、画像の視覚的特徴を抽出する。あるいは、クリエイティブ特徴抽出モジュール２０５は、画像特徴抽出モデルを適用して画像の視覚的特徴を抽出する。この抽出モデルは、非同期確率的勾配降下法や、トレーニング画像の大きなコーパスをクラスタリングするための様々な分散バッチ最適化法を用いてトレーニングされる。
また、クリエイティブ特徴抽出モジュール２０５は、画像クリエイティブに関連付けられた視覚画像に加えて、画像に関連付けられたテキスト（例えば、画像のテキストキャプション）および他の関連情報（例えば画像クリエイティブ内の特徴の位置）を抽出し得る。例えば、図３では、クリエイティブの中心にある蜘蛛の位置が特徴として記憶され得る。同様に、クリエイティブ特徴抽出モジュール２０５は、他のタイプのコンポーネント、例えば動画の特徴を、動画に対する映像処理などの適切な特徴抽出方法を適用することによって抽出する。
クリエイティブモデルトレーニングモジュール２１０は、トレーニングデータストア２４５に記憶されたトレーニングデータを使用してクリエイティブのタイプ毎のクリエイティブモデルを継続的にトレーニングする。例えば、クリエイティブモデルトレーニングモジュール２１０は、画像クリエイティブの画像モデル、動画クリエイティブの動画モデル、タイトルクリエイティブのタイトルモデル、本文クリエイティブの本文モデル、コール・フォー・アクション・タイプクリエイティブのコール・フォー・アクション・タイプモデル、およびキャプションクリエイティブのキャプションモデルをトレーニングする。トレーニングされた各コンポーネントモデルは、ターゲットユーザ用のコンテンツアイテムに含めるべき各クリエイティブ候補の予測スコアを生成するように構成されている。言い換えれば、トレーニングされた各モデルは、ターゲットユーザ情報とクリエイティブ情報とを受け取り、ターゲットユーザがそのクリエイティブを有するコンテンツアイテムをどの程度クリックする可能性があるかを反映するスコアを生成する。ターゲットユーザ情報は、年齢、性別、人口統計グループ、社会経済的地位、個人的関心、社会的繋がりなどの複数のユーザ特徴（例えば、ユーザプロファイルから得られる数千の特徴およびユーザに関連する他の情報）によって表される。クリエイティブ情報は、画像の幅、高さ、画像の緑色成分について最も頻繁に生じる画素値などの複数のクリエイティブ特徴（例えば、クリエイティブから得られる数百の特徴）によって表される。
例えば、トレーニング画像モデルは、ユーザが画像Ａを有するコンテンツアイテムをどの程度クリックするかについて、
画像モデル（画像Ａ、ユーザ）→０．５０
と予測するように構成されている。ここで、０．５０は予測スコアである。
同様に、トレーニング画像モデルは、別の画像Ｂに適用することができ、ユーザが画像Ｂを有するコンテンツアイテムをどの程度クリックするかについて、
画像モデル（画像Ａ、ユーザ）→０．５５
と予測し得る。ここで、０．５５は予測スコアである。
一実施形態では、クリエイティブモデルトレーニングモジュール２１０は、ニューラルネットワークやナイーブベイズ（naive Bayes）などの１つ以上の機械学習アルゴリズム、およびトレーニングデータストア２４５に記憶されているトレーニングデータを用いるサポートベクタマシンを使用してクリエイティブモデルをトレーニングする。トレーニングデータストア２４５は、クリエイティブモデルトレーニングモジュール２１０がクリエイティブモデルをトレーニングするための様々なデータを記憶する。トレーニングデータは、例えば、以前に提示されたクリエイティブまたは構築クリエイティブのコンテンツアイテムのクリック率（ＣＴＲ）またはインプレッション率などの過去の広告キャンペーンの統計を含む。また、トレーニングデータストア２４５は、例えば、年齢、性別、人口統計グループ、社会経済的状態など、様々なタイプのターゲット視聴者のユーザ情報を記述したトレーニングデータを記憶する。
一実施形態では、異なるクリエイティブモデルがユーザ情報に基づいてトレーニングされる。例えば、クリエイティブモデルトレーニングモジュール２１０は、１８～２５歳の男性のグループが他のタイプの車よりもスポーツカーを含む画像クリエイティブとの対話をより好むことを示すトレーニングサンプルに応答して、同じ年齢グループの男性ユーザに対してはミニバンの画像クリエイティブよりもスポーツカーを示す画像クリエイティブについてより高い予測スコアを生成するように画像クリエイティブモデルをトレーニングする。
一実施形態では、オンラインシステム１３０のユーザによってコミットされたユーザアクションに基づいて異なるクリエイティブモデルが異なるターゲット視聴者に対してトレーニングされる。例えば、ユーザがゴールデンステートウォリアーズ（登録商標）の勝利について多数の肯定的な投稿をそのユーザのユーザプロファイル上に有し得る場合、オンラインシステム１３０は、そのユーザとゴールデンステートウォリアーズとの間のエッジを記憶する。クリエイティブモデルトレーニングモジュール２１０は、様々なクリエイティブモデルをトレーニングして、ゴールデンステートウォリアーズに関連するクリエイティブのより高い予測スコアを生成する。実行時、オンラインシステム１３０は、ウォリアーズのロゴの画像を描写する画像クリエイティブをコンテンツプロバイダシステム１４０から受け取る。クリエイティブ特徴抽出モジュール２０５は、ウォリアーズに関連する画像特徴を抽出し得る。ウォリアーズのロゴの画像クリエイティブは、クリエイティブモデルトレーニングモジュール２１０によってトレーニングされた画像モデルによって、そのユーザに関して高くスコア付けされる。
クリエイティブ分析モジュール２２０は、コンテンツアイテムの個々のクリエイティブの抽出特徴をクリエイティブ特徴ストア２４０から取得するとともに、そのコンテンツアイテムのターゲットユーザのユーザ特徴をユーザ特徴ストアまたはユーザプロファイルから取得し、各特徴を特徴値にマッピングする。一実施形態では、クリエイティブ分析モジュール２２０は、クリエイティブ特徴およびユーザ特徴を配列（「特徴ベクタ」とも呼ばれる）として編成する。各特徴は、識別名と特徴名を有する（例えば、｛特徴１：年齢｝）。例えば、幅と高さによって記述された画像クリエイティブおよび年齢と性別によって定義されたターゲット視聴者についての特徴ベクタは、
｛
特徴１：年齢
特徴２：性別
特徴３：画像の幅
特徴４：画像の高さ
｝
で示される。この例の特徴ベクタは４つの異なる特徴（ユーザについての２つの特徴と、画像クリエイティブについての２つの特徴）を示しているが、当業者は他の例ではユーザおよび画像クリエイティブに関連付けられた数千もの追加の特徴が存在し得ることを理解し得る。
クリエイティブ分析モジュール２２０は、コンテンツアイテムに関連付けられた特徴ベクタ内の各特徴を、ターゲットユーザ情報とコンテンツアイテムのクリエイティブ情報とに基づく特徴値にマッピングする。各特徴値は、予め規定された値の範囲を有する。例えば、性別は、１（男性の場合）または０（女性の場合）によって表すことができる。ＲＧＢ（赤－緑－青）の色空間で各色の画素が８ビットによって表されるカラー画像の場合、赤、緑、または青の成分についてカラー画像のより頻繁な画素値を表す特徴は１～２５５の間の特徴値を有する。幅（６４０画素）と高さ（４８０画素）によって記述された画像クリエイティブおよび年齢（２９歳）と性別（男性：１で表される）によって定義されたターゲット視聴者の特徴ベクタを例にとると、クリエイティブ分析モジュール２２０は、特徴ベクタを［２９，１，６４０，４８０］などの特徴値の配列に変換する。クリエイティブ分析モジュール２２０は、特徴ベクタおよびそれに対応する特徴値の配列（各特徴値は特徴ベクタ内の特徴に対応する）をクリエイティブ特徴ストア２４０に記憶する。
クリエイティブランク付けモジュール２２５は、コンテンツアイテム内に含まれ得る各クリエイティブ候補をランク付けする。一実施形態では、クリエイティブランク付けモジュール２２５は、トレーニングされたクリエイティブモデルを、対応するタイプの各クリエイティブ候補に適用する。例えば、クリエイティブランク付けモジュール２２５は、トレーニングされた画像クリエイティブモデルを各画像クリエイティブ候補に適用して、所与のターゲットユーザに対する画像クリエイティブ候補の予測スコアを生成する。同様に、クリエイティブランク付けモジュール２２５は、トレーニングされたタイトルクリエイティブモデルを各タイトルクリエイティブ候補に適用して、所与のターゲットユーザに対するタイトルクリエイティブ候補の予測スコアを生成する。この予測スコアを使用して、クリエイティブランク付けモジュール２２５は、クリエイティブのタイプ毎にクリエイティブ候補をランク付けし、同じタイプのすべてのクリエイティブ候補の中で最高予測スコアを有する最適クリエイティブを選択する。例えば、コンテンツプロバイダシステム１４０が、ターゲットユーザについて考慮すべきコンテンツアイテムとして、画像Ａ、画像Ｂの２つの画像と、タイトルＡ、タイトルＢ、タイトルＣの３つのタイトルをオンラインシステム１３０に提供すると仮定する。クリエイティブランク付けモジュール２２５は、画像クリエイティブモデル（例えば、画像モデル）を２つの画像の各々に適用して、各画像の予測スコアを生成する。同様に、クリエイティブランク付けモジュール２２５は、タイトルクリエイティブモデル（例えば、タイトルモデル）を３つのタイトルの各々に適用して、各タイトルの予測スコアを生成する。これらの予測ランクに基づいて、クリエイティブランク付けモジュール２２５は、２つの画像クリエイティブ候補から最高予測スコアを有する画像を選択するとともに、３つのタイトルクリエイティブ候補から最高予測スコアを有するタイトルを選択する。クリエイティブランク付けモジュール２２５の動作について上記の例を使用した場合の擬似コードの例は、以下の通り、
｛
画像モデル（画像Ａ、ユーザ）＝０．５０；
画像モデル（画像Ｂ、ユーザ）＝０．５５；／／ユーザについて画像Ｂを選択する
タイトルモデル（タイトルＡ、ユーザ）＝０．３０；
タイトルモデル（タイトルＢ、ユーザ）＝０．３５；
タイトルモデル（タイトルＣ、ユーザ）＝０．４０；／／ユーザについてタイトルＣを選択する
｝
となる。
クリエイティブアセンブリモジュール２３０は、コンテンツアイテムのうちの選択された最適クリエイティブを取得する。この際、各々選択されたクリエイティブは、ターゲットユーザについて同じクリエイティブのタイプを持つ複数のクリエイティブのうち最高予測スコアを有するものであり、クリエイティブアセンブリモジュール２３０は、そのターゲットユーザに表示すべきＤＣＯコンテンツアイテム内にその選択されたクリエイティブを完全に組み込む。クリエイティブアセンブリモジュール２３０は、コンテンツアイテムに関連付けられたクリエイティブの異なる組み合わせからなるＤＣＯコンテンツアイテムを異なるターゲットユーザ毎に構築する。クリエイティブアセンブリモジュール２３０は、オンラインシステム１３０のコンテンツ入札モジュールなどの他のモジュール（図示略）にターゲットユーザのＤＣＯコンテンツアイテムをさらなる処理のために提供する。オンラインシステム１３０のコンテンツ入札モジュールは、ターゲットユーザのコンテンツアイテムの要求に応答して、そのターゲットユーザのＤＣＯコンテンツアイテムを含むすべてのコンテンツアイテム候補を、様々な評価ファクタ（例えば、各コンテンツアイテムの年齢や、そのコンテンツアイテムが以前に表示されたかどうかなど）に基づいて評価し、その特定の時点におけるターゲットユーザの最良のコンテンツアイテムを選択する。
いくつかの実施形態では、クリエイティブアセンブリモジュール２３０はさらに、完全に構築されたＤＣＯコンテンツアイテムの有効性を反映するクリエイティブスコアを計算する。一実施形態では、このクリエイティブスコアは単に、ＤＣＯコンテンツアイテムに含まれている個々のクリエイティブの予測スコアに基づいた平均予測スコアとすることができる。いくつかの実施形態では、ＤＣＯコンテンツアイテムのクリエイティブスコアは、ＤＣＯコンテンツアイテム内の個々のクリエイティブの予測スコアの加重平均であり、この場合、各クリエイティブの予測スコアにはクリエイティブのタイプに応じた異なる重み付けが付与され得る。一実施形態では、この重み付けは、ＤＣＯコンテンツアイテムが対象とする集団グループに基づいて決定され得る。いくつかの実施形態では、ＤＣＯコンテンツアイテムのクリエイティブスコアは、そのターゲットユーザによる一定期間にわたるＤＣＯコンテンツアイテムの過去のクリック数に基づいて計算される。
いくつかの実施形態では、クリエイティブアセンブリモジュール２３０は、コンテンツアイテムのクリエイティブを、そのコンテンツアイテムに関連付けられている適用可能なルールまたは制約を考慮しながら構築する。ルールはコンテンツプロバイダによって提供される。このルールは、コンテンツアイテムのクリエイティブをＤＣＯコンテンツアイテムにどのように組み込むべきかを記述したものである。一実施形態では、クリエイティブルールモジュール２３５は、コンテンツアイテムに関連付けられたルールをコンテンツプロバイダから受け取り、受け取ったルールをクリエイティブルールストア２５０に記憶する。クリエイティブルールモジュール２３５は、コンテンツアイテムのクリエイティブを構築するための適用可能なルールを選択し、その選択したルールをクリエイティブアセンブリモジュール２３０に提供する。
一実施形態では、ＤＣＯコンテンツアイテムを作成するための各ルールは、条件、演算子、および、１つまたは複数のクリエイティブに対して実行され得るアクションの種類を含む。条件パラメータは、ＤＣＯコンテンツアイテムに含めるべき１つまたは複数のクリエイティブに対してどの種類のアクションをいつ適用すべきかを規定する。条件の例としては、ブーリアン式、文字列、整数型（整数値を表す）などが挙げられ、演算子の例としては、不一致、一致、より大きい、より小さい、論理ＡＮＤ、論理ＯＲなどが挙げられる。クリエイティブに適用可能なアクションの例としては、グループ、ミューテックス、昇格、降格、テンプレートなどが挙げられる。
［動的クリエイティブ最適化を使用したクリエイティブの構築］
図４は、本発明の一実施形態による、動的クリエイティブ最適化を使用してターゲットユーザのコンテンツアイテムを構築するための処理４００のフローチャートを示す。最初に、ＤＣＯモジュール２００は、コンテンツアイテムの複数のクリエイティブをコンテンツプロバイダ１４０から受信する（４０５）。また、ＤＣＯモジュール２００は、ターゲットユーザを記述した情報を受信する（４１０）。ＤＣＯモジュール２００は、各クリエイティブに関連付けられたクリエイティブ特徴を抽出する（４１５）。例えば、クリエイティブが画像クリエイティブである場合、画像クリエイティブ内に存在する目立つ色や背景色などの特徴が画像クリエイティブから抽出される。個々の各クリエイティブの抽出特徴は、クリエイティブ特徴ストア２４０に記憶される。また、ＤＣＯモジュール２００は、ターゲットユーザを記述したユーザ特徴、例えば、性別、年齢、人口統計的情報、個人的関心、および任意の他の関連する特徴をユーザ情報から抽出する。
ＤＣＯモジュール２００は、クリエイティブ特徴を分析する（４２０）。例えば、ＤＣＯモジュール２００は、抽出特徴を特徴ベクタに追加し、その特徴ベクタ内の特徴を特徴値にマッピングする。ＤＣＯモジュール２００は、トレーニングデータストア２４５から取得した様々なトレーニングデータを使用して、１つまたは複数のクリエイティブモデルをトレーニングする。各クリエイティブのタイプは、対応するクリエイティブモデルを有する。例えば、画像クリエイティブは画像モデルを有し、タイトルクリエイティブはタイトルモデルを有する。ＤＣＯモジュール２００は、各々受信したクリエイティブに対し、各クリエイティブのタイプに応じたトレーニングクリエイティブモデルを適用し（４２５）、ターゲットユーザがそのクリエイティブを有するＤＣＯコンテンツアイテムと対話する可能性が予測されることを表す予測スコアを生成する（４３０）。ＤＣＯモジュール２００は、同じタイプのクリエイティブ、例えばコンテンツプロバイダから受信したすべての画像クリエイティブを、そのクリエイティブの予測スコアに基づいてランク付けする（４３５）。ＤＣＯモジュール２００は、クリエイティブのタイプ毎にクリエイティブを選択する（４４０）。この際、各々選択されたクリエイティブは、同じタイプのすべてのクリエイティブの中で最高予測スコアを有する。ＤＣＯモジュール２００は、ターゲットユーザに対して、選択されたクリエイティブからなるＤＣＯコンテンツアイテムを生成する（４４５）。コンテンツアイテムの異なるターゲットユーザは、コンテンツプロバイダシステム１４０によって提供された同じクリエイティブのセットから選択された異なるクリエイティブからなるＤＣＯコンテンツアイテムを受信することができる。
［総括］
上述した本発明の実施形態の説明は例示のために提示されるものであり、包括的であることや、開示された厳密な形態に本発明を限定することを意図したものではない。当業者であれば、上記開示に照らして多くの変更および変形が可能であることを理解し得る。
本明細書のいくつかの部分は、情報に対する動作アルゴリズムおよび記号表現に関して本発明の実施形態を記述する。これらのアルゴリズム記述および表現は、データ処理技術の当業者によって、その仕事内容を他の当業者に効果的に伝えるために一般的に使用される。これらの動作は、機能的、計算的、または論理的に記述されているが、コンピュータプログラムまたは等価な電気回路やマイクロコードなどによって実現されることが理解される。さらに、これらの動作についての構成を、一般性を失うことなくモジュールと呼ぶことが便利である場合があることも分かっている。記載された動作およびそれらに関連するモジュールは、ソフトウェア、ファームウェア、ハードウェア、またはそれらの任意の組み合わせで実現され得る。
本明細書に記載の任意のステップ、動作、または処理は、単独でまたは他のデバイスと組み合わせて、１つまたは複数のハードウェアモジュールまたはソフトウェアモジュールによって実行または実装され得る。一実施形態では、ソフトウェアモジュールは、上述したステップ、動作、または処理のいずれかまたはすべてを実行するコンピュータプロセッサによって実行可能なコンピュータプログラムコードを含むコンピュータ可読媒体を備えたコンピュータプログラム製品で実現される。
また、本発明の実施形態は、本明細書に記載された動作を実行するための装置に関連し得る。この装置は、必要な目的のために特別に構成され得るものであり、および／またはコンピュータに記憶されたコンピュータプログラムによって選択的に起動または再構成された汎用コンピューティングデバイスを含み得るものである。このようなコンピュータプログラムは、有形の非一時的なコンピュータ可読記憶媒体または電子的命令を記憶するのに適した任意の種類の媒体に記憶することができ、これらの媒体はコンピュータシステムバスに結合され得る。さらに、本明細書で言及する任意のコンピューティングシステムは、単一のプロセッサを含むものでもよいし、またはコンピューティング能力を向上するために複数のプロセッサ設計を採用するアーキテクチャであってもよい。
また、本発明の実施形態は、本明細書に記載された演算処理によって生成される製品に関連し得る。このような製品は演算処理によって得られる情報を含む。この情報は、有形の非一時的なコンピュータ可読記憶媒体に記憶され、任意の実施形態のコンピュータプログラム製品または本明細書に記載される他のデータの組み合わせを含み得る。
最後に、本明細書で使用されている言語は、主に読みやすさと説明の目的のために選択されており、本発明の主題を描写または制限するように選択されていない場合がある。このため、本発明の範囲は、この詳細な説明によって限定されるものではなく、本明細書に基づく出願における任意の請求項によって限定されることが意図される。従って、本発明の実施形態の開示は、請求項に記載されている本発明の範囲を例示するものであり、限定するものではない。

Claims (18)

  1. コンピュータで実行される方法であって、
    コンピュータデバイスが、複数のターゲットユーザに提示するコンテンツアイテム内に含める複数のクリエイティブをコンテンツプロバイダから受信することであって、タイプおよび複数のクリエイティブ特徴を各々有する前記複数のクリエイティブを受信すること、
    前記コンピュータデバイスが、前記複数のターゲットユーザのうちのターゲットユーザに対して前記コンテンツアイテムを提示する機会を識別することであって、ターゲットユーザは１つまたは複数のユーザ特徴によって記述されている、前記コンテンツアイテムを提示する機会を識別すること、
    前記複数のクリエイティブの各クリエイティブについて、
    前記コンピュータデバイスが、該クリエイティブに関連付けられた前記複数のクリエイティブ特徴を取得すること、
    前記コンピュータデバイスが、ソーシャルネットワーキングシステムにおける前記複数のターゲットユーザのユーザプロファイルから得られるユーザ特徴でトレーニングされたトレーニングクリエイティブモデルを、該クリエイティブに関連付けられた前記複数のクリエイティブ特徴と前記ターゲットユーザの１つまたは複数のユーザ特徴とに基づいて、該クリエイティブに適用すること、および
    前記コンピュータデバイスが、前記ターゲットユーザが該クリエイティブを含むコンテンツアイテムと対話する可能性を反映した該クリエイティブの予測スコアを、前記トレーニングクリエイティブモデルの適用に基づいて生成すること、
    前記コンピュータデバイスが、前記複数のクリエイティブのうちのクリエイティブのサブセットをそのサブセット内のクリエイティブの前記予測スコアに基づきランク付けすることであって、前記サブセット内の各クリエイティブが同じタイプを有する、前記クリエイティブのサブセットをランク付けすること、
    前記コンピュータデバイスが、前記ランク付けに基づいてクリエイティブのタイプ毎に最適なクリエイティブを選択すること、
    前記コンピュータデバイスが、前記コンテンツアイテムに関連付けられた１つまたは複数のルールまたは制約にアクセスすること、ならびに
    前記コンピュータデバイスが、前記コンテンツアイテムに関連付けられた前記１つまたは複数のルールまたは制約にしたがって、クリエイティブのタイプ毎に選択された前記最適なクリエイティブを組み合わせることにより、前記ターゲットユーザのための前記コンテンツアイテムを構築すること、
    を備える方法。
  2. 前記クリエイティブのタイプは、画像、動画、タイトル、本文、コール・フォー・アクション・タイプ、ユニバーサルリソースリンク（ＵＲＬ）、記述、およびキャプションのうちの１つを含む、請求項１に記載の方法。
  3. 前記コンピュータデバイスが、前記複数のクリエイティブの各々から前記複数のクリエイティブ特徴を抽出すること、および
    前記コンピュータデバイスが、抽出された前記複数のクリエイティブ特徴と前記ターゲットユーザの１つまたは複数のユーザ特徴を分析すること、
    をさらに備える請求項１に記載の方法。
  4. 抽出された前記複数のクリエイティブ特徴と前記１つまたは複数のユーザ特徴を分析することが、
    前記複数のクリエイティブ特徴と前記１つまたは複数のユーザ特徴を特徴ベクタに格納することであって、前記特徴ベクタ内の各特徴が識別名を有する、前記複数のクリエイティブ特徴と前記１つまたは複数のユーザ特徴を特徴ベクタに格納すること、および
    前記特徴ベクタ内の各特徴を特徴値にマッピングすること、
    を含む、請求項３に記載の方法。
  5. 前記コンピュータデバイスが、ソーシャルネットワーキングシステムのユーザプロファイルから得られる前記ユーザ特徴を含むトレーニングデータのコーパスに基づいて、前記複数のクリエイティブの各々のタイプについての少なくとも１つのクリエイティブモデルをトレーニングすること、および
    前記コンピュータデバイスが、トレーニングクリエイティブモデルを、前記トレーニングクリエイティブモデルがトレーニングされたクリエイティブのタイプに一致するタイプを有する各クリエイティブに適用すること、
    をさらに備える請求項１に記載の方法。
  6. 前記コンピュータデバイスが、前記コンテンツアイテムに関連付けられた複数のルールを適用することであって、前記複数のルールの各々が、条件と、前記複数のクリエイティブのうち前記条件が満たされている１つまたは複数のクリエイティブに対する動作を記述したものである、前記複数のルールを適用すること、
    前記コンピュータデバイスが、前記複数のルールの適用に基づいて前記クリエイティブを選択すること、および
    前記コンピュータデバイスが、前記クリエイティブの選択に基づいて前記コンテンツアイテムを作成すること、
    をさらに備える請求項１に記載の方法。
  7. 前記ランク付けに基づいてクリエイティブのタイプ毎に最適なクリエイティブを選択することは、同じタイプの２つ以上のクリエイティブの中から最高予測スコアを有するクリエイティブを選択することを含む、請求項１に記載の方法。
  8. 前記コンピュータデバイスが、構築された前記コンテンツアイテムを前記ターゲットユーザに提示すること、および
    前記コンピュータデバイスが、前記コンテンツアイテムに対するターゲットユーザの対話を監視すること、
    をさらに備える請求項１に記載の方法。
  9. 前記コンピュータデバイスが、監視された前記ターゲットユーザの対話に基づいて、構築された前記コンテンツアイテムのクリエイティブスコアを計算することをさらに備える請求項８に記載の方法。
  10. コンピュータプログラム命令を備える非一時的コンピュータ可読記憶媒体であって、前記コンピュータプログラム命令がコンピュータデバイスのプロセッサによって実行されたとき、前記プロセッサが、
    ターゲットユーザに提示するコンテンツアイテム内に含める複数のクリエイティブをコンテンツプロバイダから受信することであって、タイプおよび複数のクリエイティブ特徴を各々有する前記複数のクリエイティブを受信すること、
    １つまたは複数のユーザ特徴によって記述された前記ターゲットユーザに対して前記コンテンツアイテムを提示する機会を識別すること、
    前記複数のクリエイティブの各クリエイティブについて、
    該クリエイティブに関連付けられた前記複数のクリエイティブ特徴を取得すること、
    ソーシャルネットワーキングシステムにおけるターゲットユーザのユーザプロファイルから得られるユーザ特徴でトレーニングされたトレーニングクリエイティブモデルを、該クリエイティブに関連付けられた前記複数のクリエイティブ特徴と前記ターゲットユーザの１つまたは複数のユーザ特徴とに基づいて、該クリエイティブに適用すること、および
    前記ターゲットユーザが該クリエイティブを含むコンテンツアイテムと対話する可能性を反映した該クリエイティブの予測スコアを、前記トレーニングクリエイティブモデルの適用に基づいて生成すること、
    前記複数のクリエイティブのうちのクリエイティブのサブセットをそのサブセット内のクリエイティブの前記予測スコアに基づきランク付けすることであって、前記サブセット内の各クリエイティブが同じタイプを有する、前記クリエイティブのサブセットをランク付けすること、
    前記ランク付けに基づいてクリエイティブのタイプ毎に最適なクリエイティブを選択すること、
    前記コンテンツアイテムに関連付けられた１つまたは複数のルールまたは制約にアクセスすること、ならびに
    前記コンテンツアイテムに関連付けられた前記１つまたは複数のルールまたは制約にしたがって、クリエイティブのタイプ毎に選択された前記最適なクリエイティブを組み合わせることにより、前記ターゲットユーザのための前記コンテンツアイテムを構築すること、
    を含むステップを実行する、非一時的コンピュータ可読記憶媒体。
  11. 前記クリエイティブのタイプは、画像、動画、タイトル、本文、コール・フォー・アクション・タイプ、ユニバーサルリソースリンク（ＵＲＬ）、記述、およびキャプションのうちの１つを含む、請求項１０に記載の非一時的コンピュータ可読記憶媒体。
  12. 前記複数のクリエイティブの各々から前記複数のクリエイティブ特徴を抽出すること、および
    抽出された前記複数のクリエイティブ特徴と前記ターゲットユーザの１つまたは複数のユーザ特徴を分析すること、
    を実行するためのコンピュータプログラム命令をさらに備える請求項１０に記載の非一時的コンピュータ可読記憶媒体。
  13. 抽出された前記複数のクリエイティブ特徴と前記１つまたは複数のユーザ特徴を分析することが、
    前記複数のクリエイティブ特徴と前記１つまたは複数のユーザ特徴を特徴ベクタに格納することであって、前記特徴ベクタ内の各特徴が識別名を有する、前記複数のクリエイティブ特徴と前記１つまたは複数のユーザ特徴を特徴ベクタに格納すること、および
    前記特徴ベクタ内の各特徴を特徴値にマッピングすること、
    を含む、請求項１２に記載の非一時的コンピュータ可読記憶媒体。
  14. ソーシャルネットワーキングシステムのユーザプロファイルから得られるユーザ特徴を含むトレーニングデータのコーパスに基づいて、前記複数のクリエイティブの各々のタイプについての少なくとも１つのクリエイティブモデルをトレーニングすること、および
    トレーニングクリエイティブモデルを、前記トレーニングクリエイティブモデルがトレーニングされたクリエイティブのタイプに一致するタイプを有する各クリエイティブに適用すること、
    を実行するためのコンピュータプログラム命令をさらに備える請求項１０に記載の非一時的コンピュータ可読記憶媒体。
  15. 前記コンテンツアイテムに関連付けられた複数のルールを適用することであって、前記複数のルールの各々が、条件と、前記複数のクリエイティブのうち前記条件が満たされている１つまたは複数のクリエイティブに対する動作を記述したものである、前記複数のルールを適用すること、
    前記複数のルールの適用に基づいて前記クリエイティブを選択すること、および
    前記クリエイティブの選択に基づいて前記コンテンツアイテムを作成すること、
    を実行するためのコンピュータプログラム命令をさらに備える請求項１０に記載の非一時的コンピュータ可読記憶媒体。
  16. 前記ランク付けに基づいてクリエイティブのタイプ毎に最適なクリエイティブを選択することは、同じタイプの２つ以上のクリエイティブの中から最高予測スコアを有するクリエイティブを選択することを含む、請求項１０に記載の非一時的コンピュータ可読記憶媒体。
  17. 構築された前記コンテンツアイテムを前記ターゲットユーザに提示すること、および
    前記コンテンツアイテムに対するターゲットユーザの対話を監視すること、
    を実行するためのコンピュータプログラム命令をさらに備える請求項１０に記載の非一時的コンピュータ可読記憶媒体。
  18. 監視された前記ターゲットユーザの対話に基づいて、構築された前記コンテンツアイテムのクリエイティブスコアを計算することを実行するためのコンピュータプログラム命令をさらに備える請求項１７に記載の非一時的コンピュータ可読記憶媒体。
JP2018563157A 2016-06-30 2017-06-15 コンテンツを効果的に配信するための動的クリエイティブの最適化 Active JP7130560B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/199,386 US10685070B2 (en) 2016-06-30 2016-06-30 Dynamic creative optimization for effectively delivering content
US15/199,386 2016-06-30
PCT/US2017/037776 WO2018005119A1 (en) 2016-06-30 2017-06-15 Dynamic creative optimization for effectively delivering content

Publications (2)

Publication Number Publication Date
JP2019527395A JP2019527395A (ja) 2019-09-26
JP7130560B2 true JP7130560B2 (ja) 2022-09-05

Family

ID=60786304

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018563157A Active JP7130560B2 (ja) 2016-06-30 2017-06-15 コンテンツを効果的に配信するための動的クリエイティブの最適化

Country Status (7)

Country Link
US (1) US10685070B2 (ja)
JP (1) JP7130560B2 (ja)
KR (1) KR20190015333A (ja)
AU (1) AU2017289914A1 (ja)
CA (1) CA3025010A1 (ja)
IL (1) IL263186A (ja)
WO (1) WO2018005119A1 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10922713B2 (en) 2017-01-03 2021-02-16 Facebook, Inc. Dynamic creative optimization rule engine for effective content delivery
US11551257B2 (en) 2017-10-12 2023-01-10 Adobe Inc. Digital media environment for analysis of audience segments in a digital marketing campaign
US11544743B2 (en) 2017-10-16 2023-01-03 Adobe Inc. Digital content control based on shared machine learning properties
US10795647B2 (en) 2017-10-16 2020-10-06 Adobe, Inc. Application digital content control using an embedded machine learning module
US10991012B2 (en) * 2017-11-01 2021-04-27 Adobe Inc. Creative brief-based content creation
US20190205901A1 (en) * 2017-12-29 2019-07-04 Facebook, Inc. Dynamic creation of content items for distribution in an online system by combining content components
US10943178B1 (en) * 2018-01-31 2021-03-09 Facebook, Inc. Accounting for organically occurring interactions with content when selecting content items for presenstation to users of an online system
US10602207B2 (en) * 2018-08-03 2020-03-24 Facebook, Inc. Neural network based content distribution in an online system
US11290406B1 (en) * 2020-01-05 2022-03-29 Meta Platforms, Inc. Selecting an optimal combination of portions of a content item to be presented within a user interface of an online messaging application in association with information identifying a set of message threads
JP7362506B2 (ja) * 2020-02-21 2023-10-17 シャープ株式会社 コンテンツ作成装置及びコンテンツ作成方法
US20210375023A1 (en) * 2020-06-01 2021-12-02 Nvidia Corporation Content animation using one or more neural networks
US11829239B2 (en) 2021-11-17 2023-11-28 Adobe Inc. Managing machine learning model reconstruction
CN117745048B (zh) * 2023-12-11 2024-07-26 广州小白信息技术有限公司 一种人工智能辅助的创意流程管理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030105589A1 (en) 2001-11-30 2003-06-05 Wen-Yin Liu Media agent
WO2011105487A1 (ja) 2010-02-25 2011-09-01 Ｆｒｉｎｇｅ８１株式会社 広告画像配信のためのサーバ装置およびプログラム
US20150332313A1 (en) 2014-05-16 2015-11-19 Facebook. Inc. Objective Prediction of an Ad Creative Based on Feature Scores

Family Cites Families (115)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6356903B1 (en) 1998-12-30 2002-03-12 American Management Systems, Inc. Content management system
US20030191816A1 (en) 2000-01-11 2003-10-09 Spoovy, Llc System and method for creating and delivering customized multimedia communications
US8285590B2 (en) 2000-06-23 2012-10-09 Ecomsystems, Inc. Systems and methods for computer-created advertisements
US20020194215A1 (en) 2000-10-31 2002-12-19 Christian Cantrell Advertising application services system and method
US7016963B1 (en) 2001-06-29 2006-03-21 Glow Designs, Llc Content management and transformation system for digital content
US20030076350A1 (en) 2001-10-23 2003-04-24 Toshiba America Information Systems, Inc Interface for content development
US20040111432A1 (en) * 2002-12-10 2004-06-10 International Business Machines Corporation Apparatus and methods for semantic representation and retrieval of multimedia content
US7124149B2 (en) * 2002-12-13 2006-10-17 International Business Machines Corporation Method and apparatus for content representation and retrieval in concept model space
JP4145805B2 (ja) 2003-03-17 2008-09-03 セイコーエプソン株式会社 テンプレート生成システム、レイアウトシステム、テンプレート生成プログラム、レイアウトプログラムおよびテンプレート生成方法並びにレイアウト方法
WO2005045607A2 (en) 2003-10-15 2005-05-19 Market Hardware, Inc. Integrated marketing portal for businesses
US20100100442A1 (en) 2003-12-03 2010-04-22 Cbs Interactive, Inc. Methods and Systems for Programmably Generating Electronic Aggregate Creatives for Display on an Electronic Network
US9449109B1 (en) 2004-04-29 2016-09-20 Eversitas, LLC Visualizing, sharing and monetizing multimedia content
US7302451B2 (en) * 2004-05-07 2007-11-27 Mitsubishi Electric Research Laboratories, Inc. Feature identification of events in multimedia
JP2008502983A (ja) 2004-06-17 2008-01-31 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 性格属性を使うパーソナル化したサマリー
US8103546B1 (en) 2004-08-16 2012-01-24 Lightningcast Llc Advertising content delivery
US8090612B2 (en) 2005-07-19 2012-01-03 Hewlett-Packard Development Company, L.P. Producing marketing items for a marketing campaign
US20070027901A1 (en) 2005-08-01 2007-02-01 John Chan Method and System for Developing and Managing A Computer-Based Marketing Campaign
US20070050253A1 (en) 2005-08-29 2007-03-01 Microsoft Corporation Automatically generating content for presenting in a preview pane for ADS
US20070050372A1 (en) 2005-08-31 2007-03-01 Convergent Media Systems Systems and methods for creating, managing and publishing advertisements
US8560385B2 (en) 2005-09-02 2013-10-15 Bees & Pollen Ltd. Advertising and incentives over a social network
US11004090B2 (en) 2005-12-24 2021-05-11 Rich Media Club, Llc System and method for creation, distribution and tracking of advertising via electronic networks
US20070156382A1 (en) 2005-12-29 2007-07-05 Graham James L Ii Systems and methods for designing experiments
US7827060B2 (en) 2005-12-30 2010-11-02 Google Inc. Using estimated ad qualities for ad filtering, ranking and promotion
US8065184B2 (en) 2005-12-30 2011-11-22 Google Inc. Estimating ad quality from observed user behavior
US20070260520A1 (en) 2006-01-18 2007-11-08 Teracent Corporation System, method and computer program product for selecting internet-based advertising
JP4577847B2 (ja) 2006-06-30 2010-11-10 インターナショナル・ビジネス・マシーンズ・コーポレーション コンテンツを作成するためのオーサリング・システム、ソフトウェア、および方法
US7813561B2 (en) * 2006-08-14 2010-10-12 Microsoft Corporation Automatic classification of objects within images
US20080052140A1 (en) 2006-08-24 2008-02-28 Trueffect, Inc. Distributed media planning and advertising campaign management
US8688522B2 (en) 2006-09-06 2014-04-01 Mediamath, Inc. System and method for dynamic online advertisement creation and management
US7657504B2 (en) * 2006-10-10 2010-02-02 Microsoft Corporation User interface for displaying images of sights
US20080184287A1 (en) 2006-11-06 2008-07-31 Ken Lipscomb System and method for creating a customized video advertisement
US7882045B1 (en) 2006-11-10 2011-02-01 Amazon Technologies, Inc. Providing ad information using machine learning selection paradigms
US20080117448A1 (en) 2006-11-17 2008-05-22 Money Mailer, Llc Template-based art creation and information management system for advertising
US20080249855A1 (en) 2007-04-04 2008-10-09 Yahoo! Inc. System for generating advertising creatives
US20180300745A1 (en) 2007-08-16 2018-10-18 Google Inc. Advertising
US20090055725A1 (en) 2007-08-23 2009-02-26 Google Inc. System and Method for Generating Creatives Using Composite Templates
KR100996682B1 (ko) 2007-11-30 2010-11-25 주식회사 모션클라우드 리치 콘텐트 제작 시스템 및 그 방법과 그 방법에 대한컴퓨터 프로그램을 저장한 기록매체
US20090187477A1 (en) 2008-01-18 2009-07-23 Bardin Ariel H Universal Ad Creative
US20120072272A1 (en) 2008-03-10 2012-03-22 Hulu Llc Method and apparatus for saving or bookmarking advertisements for later viewing
WO2012047673A1 (en) 2010-09-27 2012-04-12 Hulu Llc Method and apparatus for providing a user-editable playlist of advertisements
US8463053B1 (en) * 2008-08-08 2013-06-11 The Research Foundation Of State University Of New York Enhanced max margin learning on multimodal data mining in a multimedia database
US20100083129A1 (en) 2008-09-29 2010-04-01 Sumit Mishra User Interface for Internet Advertisement
US8738436B2 (en) * 2008-09-30 2014-05-27 Yahoo! Inc. Click through rate prediction system and method
US20100211621A1 (en) 2009-02-19 2010-08-19 Yahoo! Inc. Web-based organization of online advertising content
US10445781B2 (en) 2009-03-06 2019-10-15 Xandr Inc. Advertising platform user data store management
US8401899B1 (en) 2009-06-15 2013-03-19 Adchemy, Inc. Grouping user features based on performance measures
US9760910B1 (en) 2009-07-01 2017-09-12 Quantifind, Inc. Automated advertising agency apparatuses, methods and systems
KR101816113B1 (ko) 2009-07-16 2018-01-08 블루핀 랩스, 인코포레이티드 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체
US8806331B2 (en) 2009-07-20 2014-08-12 Interactive Memories, Inc. System and methods for creating and editing photo-based projects on a digital network
US20110055025A1 (en) 2009-08-26 2011-03-03 Steve Krol Component-Based Network-Delivered Advertising
US8131786B1 (en) * 2009-11-23 2012-03-06 Google Inc. Training scoring models optimized for highly-ranked results
US20140279016A1 (en) 2010-03-07 2014-09-18 Sailthru, Inc. Behavioral tracking system and method in support of high-engagement communications
US9002895B2 (en) 2010-06-29 2015-04-07 Vibrant Media, Inc. Systems and methods for providing modular configurable creative units for delivery via intext advertising
US20120011003A1 (en) 2010-07-07 2012-01-12 Google Inc. Review of Advertisements
US20120030014A1 (en) 2010-07-29 2012-02-02 Google, Inc. Automatic Ad Creative Generation
US8538896B2 (en) * 2010-08-31 2013-09-17 Xerox Corporation Retrieval systems and methods employing probabilistic cross-media relevance feedback
US20130198636A1 (en) 2010-09-01 2013-08-01 Pilot.Is Llc Dynamic Content Presentations
US8533225B2 (en) 2010-09-27 2013-09-10 Google Inc. Representing and processing inter-slot constraints on component selection for dynamic ads
US8584166B2 (en) 2011-05-11 2013-11-12 Verizon Patent And Licensing Inc. Probabilistic-based content recommender
US8977629B2 (en) * 2011-05-24 2015-03-10 Ebay Inc. Image-based popularity prediction
US8862741B1 (en) * 2011-06-23 2014-10-14 Amazon Technologies, Inc. Layered machine images
US20130013425A1 (en) 2011-07-05 2013-01-10 Marchex, Inc. Method and system for automatically generating advertising creatives
US9292361B1 (en) 2011-08-19 2016-03-22 Google Inc. Application program interface script caching and batching
US9727880B2 (en) * 2011-10-25 2017-08-08 Microsoft Technology Licensing, Llc Predicting user responses
US20130117107A1 (en) 2011-11-05 2013-05-09 Jon C. Evans System and method for building advertisements from imported data
US9147129B2 (en) * 2011-11-18 2015-09-29 Honeywell International Inc. Score fusion and training data recycling for video classification
US9230212B2 (en) * 2012-02-02 2016-01-05 Peel Technologies, Inc. Content based recommendation system
US10659422B2 (en) 2012-04-30 2020-05-19 Brightedge Technologies, Inc. Content management systems
US20130339155A1 (en) 2012-06-15 2013-12-19 Gface Gmbh User advertisement space
US20140096026A1 (en) 2012-09-28 2014-04-03 Interactive Memories, Inc. Methods for Establishing Simulated Force Dynamics Between Two or More Digital Assets Displayed in an Electronic Interface
US20140108128A1 (en) 2012-10-12 2014-04-17 Chetan Patel Dynamic content item creation
US20140114746A1 (en) 2012-10-19 2014-04-24 Adobe Systems Incorporated Selection of Creatives Based on Performance Analysis and Predictive Modeling
US9336316B2 (en) * 2012-11-05 2016-05-10 Microsoft Technology Licensing, Llc Image URL-based junk detection
US20140136935A1 (en) 2012-11-13 2014-05-15 Cas Designs Group, Lp Dba Kaleidoscope Digital media management system and methods of use
US9317812B2 (en) * 2012-11-30 2016-04-19 Facebook, Inc. Customized predictors for user actions in an online system
US20140156416A1 (en) 2012-12-03 2014-06-05 Google Inc. Previewing, approving and testing online content
US20140207585A1 (en) 2013-01-23 2014-07-24 Facebook, Inc. Simplified creation of advertisements for a social networking system
US20140214529A1 (en) 2013-01-28 2014-07-31 Facebook, Inc. Goal-based creation of advertisements for a social networking system
US10650066B2 (en) 2013-01-31 2020-05-12 Google Llc Enhancing sitelinks with creative content
WO2014138210A1 (en) 2013-03-07 2014-09-12 Elateral, Inc. Template metadata
US20140281928A1 (en) 2013-03-12 2014-09-18 Sap Portals Israel Ltd. Content-driven layout
US20140278958A1 (en) 2013-03-15 2014-09-18 Adchemy, Inc. Enriched Knowledge Base For Advertising
US9781490B2 (en) 2013-03-15 2017-10-03 Samir B. Makhlouf System and method for engagement and distribution of media content
US20140282076A1 (en) 2013-03-15 2014-09-18 Fisher Printing, Inc. Online Proofing
US9326043B2 (en) 2013-03-15 2016-04-26 Samir B. Makhlouf System and method for engagement and distribution of media content
US9135292B1 (en) 2013-04-08 2015-09-15 Google Inc. Selecting a template for a content item
JP2014215685A (ja) 2013-04-23 2014-11-17 株式会社Ｎｔｔドコモ レコメンドサーバおよびレコメンドコンテンツ決定方法
US20140324604A1 (en) 2013-04-29 2014-10-30 Yahoo! Inc. System and method for producing proposed online advertisements from pre-existing advertising creatives
US10423977B1 (en) 2013-06-28 2019-09-24 Groupon, Inc. Method and apparatus for generating an electronic communication
US10387902B1 (en) 2013-06-28 2019-08-20 Groupon, Inc. Method and apparatus for generating an electronic communication
US20150073922A1 (en) 2013-09-06 2015-03-12 MaxPoint Interactive, Inc. System and Method for Generating Customized Advertisement Creatives
US20150206171A1 (en) 2014-01-21 2015-07-23 Facebook, Inc. Validating Components Of An Advertisement For Consistency With An Objective Of The Advertisement
US9461936B2 (en) 2014-02-14 2016-10-04 Google Inc. Methods and systems for providing an actionable object within a third-party content slot of an information resource of a content publisher
US20150234542A1 (en) 2014-02-14 2015-08-20 Google Inc. Methods and systems for automatically resizing a creative based on dimensions of a content slot
US9965567B2 (en) 2014-02-28 2018-05-08 Cbs Interactive Inc. Adaptive content management system for multiple platforms
EP3139331A4 (en) 2014-05-20 2017-03-08 Huawei Technologies Co. Ltd. Advertisement template configuration method, server and system
US9605972B2 (en) 2014-06-25 2017-03-28 International Business Machines Corporation Mapping preferred locations using multiple arrows
WO2015196469A1 (en) 2014-06-27 2015-12-30 Google Inc. Automated creative extension selection for content performance optimization
CN107004205B (zh) 2014-07-01 2020-12-08 谷歌有限责任公司 向广告主建议用于在线内容项的创意类型的系统和方法
US20160042409A1 (en) 2014-08-08 2016-02-11 Jani Gyllenberg Content creation and management for electronic advertising displays
WO2016024987A1 (en) 2014-08-15 2016-02-18 Hewlett-Packard Development Company, L.P. Web-intrinsic interactive documents
US9536011B1 (en) 2014-08-18 2017-01-03 Google Inc. Applying string matching algorithms to finding ad unit availability interval
US11151614B2 (en) 2014-09-26 2021-10-19 Comcast Cable Communications, Llc Advertisements blended with user's digital content
US20160092405A1 (en) 2014-09-30 2016-03-31 Microsoft Technology Licensing, Llc Intent Based Authoring
US10296546B2 (en) * 2014-11-24 2019-05-21 Adobe Inc. Automatic aggregation of online user profiles
US20180060921A1 (en) 2015-03-11 2018-03-01 Google Inc. Augmenting visible content of ad creatives based on documents associated with linked to destinations
US20160307237A1 (en) 2015-04-15 2016-10-20 Quixey, Inc. Accessing Advertised Application States From A Current Application State
US20160364770A1 (en) 2015-05-29 2016-12-15 Nanigans, Inc. System for high volume data analytic integration and channel-independent advertisement generation
US10380227B2 (en) 2015-06-07 2019-08-13 Apple Inc. Generating layout for content presentation structures
US10255618B2 (en) 2015-12-21 2019-04-09 Samsung Electronics Co., Ltd. Deep link advertisements
TWM532079U (zh) 2016-07-22 2016-11-11 宏正自動科技股份有限公司 編輯預覽影像之系統及相關裝置
US20180040029A1 (en) * 2016-08-03 2018-02-08 Facebook, Inc. Creative score for online content
US10572908B2 (en) * 2017-01-03 2020-02-25 Facebook, Inc. Preview of content items for dynamic creative optimization
US10922713B2 (en) 2017-01-03 2021-02-16 Facebook, Inc. Dynamic creative optimization rule engine for effective content delivery
US20180189074A1 (en) 2017-01-03 2018-07-05 Facebook, Inc. Postview of content items for dynamic creative optimization

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030105589A1 (en) 2001-11-30 2003-06-05 Wen-Yin Liu Media agent
WO2011105487A1 (ja) 2010-02-25 2011-09-01 Ｆｒｉｎｇｅ８１株式会社 広告画像配信のためのサーバ装置およびプログラム
US20150332313A1 (en) 2014-05-16 2015-11-19 Facebook. Inc. Objective Prediction of an Ad Creative Based on Feature Scores

Also Published As

Publication number Publication date
IL263186A (en) 2018-12-31
US20180004847A1 (en) 2018-01-04
US10685070B2 (en) 2020-06-16
CA3025010A1 (en) 2018-01-04
AU2017289914A1 (en) 2018-12-13
JP2019527395A (ja) 2019-09-26
WO2018005119A1 (en) 2018-01-04
KR20190015333A (ko) 2019-02-13

Similar Documents

Publication Publication Date Title
JP7130560B2 (ja) コンテンツを効果的に配信するための動的クリエイティブの最適化
US10572908B2 (en) Preview of content items for dynamic creative optimization
US10922713B2 (en) Dynamic creative optimization rule engine for effective content delivery
US20180189074A1 (en) Postview of content items for dynamic creative optimization
US10769444B2 (en) Object detection from visual search queries
US20130346182A1 (en) Multimedia features for click prediction of new advertisements
JP6821149B2 (ja) 広告配信のための動画使用情報処理
WO2018166288A1 (zh) 信息呈现方法和装置
US11367150B2 (en) Demographic-based targeting of electronic media content items
EP4105822A1 (en) Video ingestion framework for visual search platform
US8725559B1 (en) Attribute based advertisement categorization
US20140172545A1 (en) Learned negative targeting features for ads based on negative feedback from users
JP5328934B2 (ja) 動画像関連広告を提供する方法およびその装置
US20110238503A1 (en) System and method for personalized dynamic web content based on photographic data
US20140172544A1 (en) Using negative feedback about advertisements to serve advertisements
US10599981B2 (en) System and method for estimating audience interest
US9449231B2 (en) Computerized systems and methods for generating models for identifying thumbnail images to promote videos
US10922722B2 (en) System and method for contextual video advertisement serving in guaranteed display advertising
EP2891995A1 (en) Systems and methods for search results targeting
US10839313B2 (en) Identity prediction for unknown users of an online system
US20180040035A1 (en) Automated Audience Selection Using Labeled Content Campaign Characteristics
US20190205901A1 (en) Dynamic creation of content items for distribution in an online system by combining content components
WO2022247666A1 (zh) 一种内容的处理方法、装置、计算机设备和存储介质
US20180239790A1 (en) Provision device, provision method and non-transitory computer readable storage medium
Allaymoun et al. Business intelligence model to analyze social network advertising

Legal Events

Date Code Title Description
RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20190517

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200421

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210601

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210831

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220104

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220401

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: 20220802

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220824

R150 Certificate of patent or registration of utility model

Ref document number: 7130560

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150