KR101324909B1 - 터치포인트 커스터마이제이션 시스템 - Google Patents

터치포인트 커스터마이제이션 시스템 Download PDF

Info

Publication number
KR101324909B1
KR101324909B1 KR1020100035561A KR20100035561A KR101324909B1 KR 101324909 B1 KR101324909 B1 KR 101324909B1 KR 1020100035561 A KR1020100035561 A KR 1020100035561A KR 20100035561 A KR20100035561 A KR 20100035561A KR 101324909 B1 KR101324909 B1 KR 101324909B1
Authority
KR
South Korea
Prior art keywords
user
content action
action
touchpoint
candidate content
Prior art date
Application number
KR1020100035561A
Other languages
English (en)
Other versions
KR20100114860A (ko
Inventor
아나톨리 로이트맨
매튜 시먼스
Original Assignee
액센츄어 글로벌 서비시즈 리미티드
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 액센츄어 글로벌 서비시즈 리미티드 filed Critical 액센츄어 글로벌 서비시즈 리미티드
Publication of KR20100114860A publication Critical patent/KR20100114860A/ko
Application granted granted Critical
Publication of KR101324909B1 publication Critical patent/KR101324909B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0243—Comparative campaigns

Landscapes

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

Abstract

영업 목표를 달성하기 위한, 현재 터치포인트에서의 터치포인트 컨텐트 액션 커스터마이징을 위한 시스템은 사용자 터치포인트 데이터 캡쳐 유닛 및 컨텐트 액션 최적화 엔진을 포함한다. 컨텐트 액션 최적화 엔진은 컨텐트 액션 메타데이터에 기초하여 현재 터치포인트에 관한 다수의 후보 컨텐트 액션을 선택하고, 사용자가 속하는 사용자 그룹에 기초하여 다수의 후보 컨텐트 액션의 각각에 대하여 관찰된 사용자 행위에 관한 관찰된 성공률을 결정하며, 최고의 관찰된 성공률을 갖는 영업 목표를 달성하기 위하여 현재 터치포인트에서의 이행을 위한 다수의 후보 컨텐트 액션 중 커스터마이징된 컨텐트 액션을 결정하도록 구성된다.

Description

터치포인트 커스터마이제이션 시스템{TOUCHPOINT CUSTOMIZATION SYSTEM}
[우선권]
본 출원은, 그 전체로서 참조에 의하여 편입되는, 2009년 4월 16일에 출원된 미국임시특허출원 제61/169,892호(발명의 명칭: "Digital Platform")에 대한 우선권을 주장한다.
본 발명은 터치포인트 커스터마이제이션 시스템에 관한 것이다.
인터넷은 일반 소비자에게 점점 더 인기를 끌고 있으며, 인터넷 상의 웹 페이지들은 광고에 영향력 있는 매체로 간주되고 있다. 웹 페이지들 상에서의 광고는 고정된 인라인(inline) 이미지들로서 웹 페이지들에 직접 링크되는 반면, 좀 더 유연한 시스템들은 광고 선택 및 배치의 분리는 허용하지만, 무작위 선택 메커니즘만을 제공한다. 일반적으로 광고주들에 의해 구현되는 많은 방법들은 너무 단순해서 웹 페이지 광고에서 이용가능한 즉각적인(just-in-time) 선택 및 전달 프로세스를 이용할 수가 없다. 비록 통상의 필터링 기술들이 광고의 대상을 정확하게 해주지만, 어떤 광고를 누구를 대상으로 할지를 선택하는 작업은 주로 광고주에게 맡겨진다. 이는 무수한 통계 자료들 및 인구학적 연구들에 의존해야 하는 광고주 측에 있어 더 많은 노력을 요구한다.
본 발명의 목적은 터치포인트 커스터마이제이션 시스템을 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 영업 목표를 달성하기 위한, 현재 터치포인트에서의 터치포인트 컨텐트 액션 커스터마이징을 위한 시스템으로서, 사용자 데이터를 수신하고 - 상기 사용자 데이터는 상기 현재 터치포인트를 방문하는 사용자에 대한 사용자 속성을 포함함 - 상기 사용자의 상기 사용자 속성에 기초하여 상기 사용자가 속하는 사용자 그룹을 결정하도록 구성되는 사용자 터치포인트 데이터 캡쳐 유닛, 및 컨텐트 액션 메타데이터에 기초하여 상기 영업 목표 및 상기 현재 터치포인트에 대하여 컨텐트 액션 저장소로부터 다수의 후보 컨텐트 액션을 선택하고 - 상기 컨텐트 액션 메타데이터는 상기 컨텐트 액션이 사용되는 상기 영업 목표 및 상기 컨텐트 액션이 사용되는 상기 터치 포인트를 묘사함 - , 상기 사용자가 속하는 사용자 그룹에 기초하여 상기 다수의 후보 컨텐트 액션의 각각에 대하여 관찰된 사용자 행위에 관한 관찰된 성공률을 결정하며, 최고의 관찰된 성공률을 갖는 영업 목표를 달성하기 위하여 상기 현재 터치포인트에서의 이행을 위한 상기 다수의 후보 컨텐트 액션 중 커스터마이징된 컨텐트 액션을 결정하도록 구성되는 컨텐트 액션 최적화 엔진을 포함하는 시스템이 제공된다.
본 발명의 다른 태양에 따르면, 영업 목표를 달성하기 위한, 현재 터치포인트에서의 터치포인트 컨텐트 액션 커스터마이징을 위한 방법으로서, 상기 현재 터치포인트를 방문하는 사용자에 대한 사용자 속성을 포함하는 사용자 데이터를 수신하는 단계, 상기 사용자의 상기 사용자 속성에 기초하여 상기 사용자가 속하는 사용자 그룹을 결정하는 단계, 프로세서를 이용하여, 컨텐트 액션 메타데이터에 기초하여 상기 영업 목표 및 상기 현재 터치포인트에 대하여 컨텐트 액션 저장소로부터 다수의 후보 컨텐트 액션을 선택하는 단계 - 상기 컨텐트 액션 메타데이터는 상기 컨텐트 액션이 사용되는 상기 영업 목표 및 상기 컨텐트 액션이 사용되는 상기 터치 포인트를 묘사함 - , 상기 사용자가 속하는 사용자 그룹에 기초하여 상기 다수의 후보 컨텐트 액션의 각각에 대하여 관찰된 사용자 행위에 관한 관찰된 성공률을 결정하는 단계, 및 최고의 관찰된 성공률을 갖는 영업 목표를 달성하기 위하여 상기 현재 터치포인트에서의 이행을 위한 상기 다수의 후보 컨텐트 액션 중 커스터마이징된 컨텐트 액션을 결정하는 단계를 포함하는 방법이 제공된다.
본 발명의 또 다른 태양에 따르면, 영업 목표를 달성하기 위한, 현재 터치포인트에서의 터치포인트 컨텐트 액션 커스터마이징을 위한 컴퓨터 실행 가능한 프로그램이 저장된 컴퓨터 판독 가능한 매체로서, 실행될 때, 상기 컴퓨터 실행 가능한 프로그램은 컴퓨터 시스템이, 상기 현재 터치포인트를 방문하는 사용자에 대한 사용자 속성을 포함하는 사용자 데이터를 수신하고, 상기 사용자의 상기 사용자 속성에 기초하여 상기 사용자가 속하는 사용자 그룹을 결정하며, 컨텐트 액션 메타데이터에 기초하여 상기 영업 목표 및 상기 현재 터치포인트에 대하여 컨텐트 액션 저장소로부터 다수의 후보 컨텐트 액션을 선택하고 - 상기 컨텐트 액션 메타데이터는 상기 컨텐트 액션이 사용되는 상기 영업 목표 및 상기 컨텐트 액션이 사용되는 상기 터치 포인트를 묘사함 - , 상기 사용자가 속하는 사용자 그룹에 기초하여 상기 다수의 후보 컨텐트 액션의 각각에 대하여 관찰된 사용자 행위에 관한 관찰된 성공률을 결정하며, 그리고 최고의 관찰된 성공률을 갖는 영업 목표를 달성하기 위하여 상기 현재 터치포인트에서의 이행을 위한 상기 다수의 후보 컨텐트 액션 중 커스터마이징된 컨텐트 액션을 결정하도록 하는 컴퓨터 판독 가능한 매체가 제공된다.
본 발명에 의하면, 신규한 터치포인트 커스터마이제이션 시스템을 구현할 수 있게 되는 효과가 달성된다.
본 발명의 실시예들은 아래의 도면들을 참조하여 아래의 설명에서 상세히 설명될 것이다.
도 1은 일 실시예에 따른 터치포인트 컨텐트 액션 커스터마이징을 위한 시스템을 예시한다;
도 2a는 일 실시예에 따른 후보 컨텐트 액션들을 결정하는 일 예를 예시한다;
도 2b는 일 실시예에 따른 커스터마이징된 컨텐트 액션을 결정하는 일 예를 예시한다;
도 2c는 일 실시예에 따른 커스터마이징된 컨텐트 액션을 결정하는 추가 예를 예시한다;
도 3은 일 실시예에 따른 트리 구조를 예시한다;
도 4는 일 실시예에 따른 터치포인트 컨텐트 액션 커스터마이징을 위한 방법을 예시한다;
도 5는 일 실시예에 따른 컴퓨터 시스템의 블록도를 예시한다.
단순성 및 예시 목적을 위하여, 본 실시예의 원리는 주로 그 예를 참조하여 설명된다. 다음의 설명에서, 본 실시예를 확실하게 이해시키기 위하여 여러 특정 세부사항이 제시된다. 그러나, 본 기술 분야에서 통상의 지식을 가진 자에게는 본 실시예가 이러한 특정 세부사항에 국한되지 않고 실시될 수 있음이 명백할 것이다. 몇 가지 경우에, 본 실시예를 불필요하게 모호하게 하지 않기 위하여, 공지된 방법 및 구성은 상세히 설명되지 않는다. 또한, 실시예들은 서로 다양하게 결합되어 사용될 수 있다.
1. 개요
본 발명의 실시예에 따르면, 커스터마이징된 단-대-단(end-to-end) 사용자 경험을 위해 사용자가 방문하는 다수의 터치포인트들(touchpoints)에서 커스터마이징된 컨텐트 액션들이 사용자에게 제공된다. 커스터마이징된 컨텐트 액션은 제시되는 컨텐트 및/또는 실행되는 액션이다. 컨텐트 또는 액션은 사용자 및 이들의 이전 상호작용 및 다른 정보에 기초하여 커스터마이징된다. 커스터마이징된 컨텐트 액션의 예들은 전술, 전략, 세미나(seminar), 버튼(button), 제품 프레젠테이션(presentation) 또는 데모(demonstration), 제품 카탈로그, 제품 가격, 제품에 대한 정보, 소셜 미디어 피스(social media piece), 사용자에게 추가 정보로서 제시되는 자주 행해지는 질문 등을 포함할 수 있다.
본 명세서에서 사용되는 바와 같은 "터치포인트"는 특정 채널 내의 사용자와 엔티티(entity) 간의 특정 상호작용이다. 엔티티는 회사, 다른 사용자, 또는 어떤 다른 유형의 엔티티일 수 있다. 채널은 하나 이상의 터치포인트들을 제공하기 위한 매체이다. 채널들의 예들은 인터넷, TV, 라디오 등을 포함한다. 채널이 인터넷인 경우, 터치포인트들의 예들은 웹 페이지 또는 사용자가 상호작용하는 웹 페이지의 일부일 수 있다.
각각의 터치포인트에서 사용자에게 제공되는 커스터마이징된 컨텐트 액션은 바라는 결과에 의해 주도되는 동적 최적화(dynamic desired-outcome driven optimization)를 기반으로 한다. 따라서, 시스템은 영업 목표와 같이 바라는 결과에 의해 주도되는 커스터마이징된 컨텐트 액션을 사용자가 방문하는 각 터치포인트에서 사용자에게 동적으로 제시한다. 영업 목표는 사용자에게 특정 제품을 판매하는 것, 사용자가 특정 서비스에 가입하도록 안내하는 것 등을 포함할 수 있다. 따라서, 사용자는 영업 목표를 달성하기 위해 커스터마이징된 단-대-단 사용자 경험에서 각각이 커스터마이징된 컨텐트 액션을 갖는 다양한 터치포인트들을 통해 이동된다(funneled). 시스템은 커스터마이징된 사용자 디스플레이를 사용자에게 제공하는 개선된 자동 컨텐트 액션 선택 프로세스를 제공한다.
2. 시스템
도 1은 본 발명의 실시예에 따른 컨텐트 액션 커스터마이징을 위한 시스템(100)을 예시한다. 도면에 도시된 바와 같이, 시스템(100)은 사용자 터치포인트 데이터 캡쳐 유닛(140), 사용자 터치포인트 데이터베이스(150), 컨텐트 액션 최적화 엔진(160), 컨텐트 액션 저장소(170), 및 컨텐트 액션 최적화 모델(180)을 포함한다. 도 1에 도시된 시스템(100)은 추가의 컴포넌트들을 포함할 수 있고, 본 명세서에서 설명되는 상기 컴포넌트들의 일부는 시스템(100)의 범위로부터 일탈하지 않고 제거 및/또는 변경될 수 있음을 이해하여야 한다.
사용자(110a 내지 110n)는 특정 채널(115)의 터치포인트(120a 내지 120n)에 액세스한다. 예를 들어, 채널(115)은 인터넷이고, 터치포인트(120a 내지 120n)는 웹 사이트 터치포인트들이다. 사용자(110a 내지 110n)는 컴퓨터, 랩탑 컴퓨터(laptop), 셀룰러 전화기, 개인 휴대 정보 단말기(PDA) 등과 같은, 인터넷에 연결된 최종 사용자 장치를 통해 웹 사이트 터치포인트(120a 내지 120n)에 액세스할 수 있다. 일 실시예에 따르면, 사용자(110a 내지 110n)가 웹 사이트 터치포인트(120a 내지 120n)에 액세스하면, 시스템(100)은 사용자 데이터(130)를 캡쳐한다. 예를 들어, 사용자 터치포인트 데이터 캡쳐 유닛(140)은 사용자(110a)가 액세스하거나 방문하는 하나 이상의 터치포인트(120a 내지 120n) 각각에서 사용자 데이터(130)를 캡쳐한다. 사용자 터치포인트 데이터 캡쳐 유닛(140)은 터치포인트(120a 내지 120n)에 내장된 HTML 또는 자바 스크립트(Javascript)로부터, 사용자 장치에서 실행하는 에이전트로부터, 사용자 정보를 수집하는 제3자 소스 등으로부터 사용자 데이터(130)를 캡쳐할 수 있다. 캡쳐된 사용자 데이터(130)는 사용자가 이미 방문한 터치포인트(120a 내지 120n)에서의 상호작용의 진행에 관한 이력 데이터(historical data), 사용자에 의해 취해지는 액션들, 및 성별, 지리적 위치, 구매 습관 등과 같은 사용자 속성을 포함할 수 있다.
도 1에 도시된 바와 같이, 사용자 터치포인트 데이터 캡쳐 유닛(140)은 캡쳐된 사용자 데이터(130)를 사용자 터치포인트 데이터베이스(150)에 저장한다. 또한, 컨텐트 액션 최적화 엔진(160)은 사용자 터치포인트 데이터베이스(150)로부터의 사용자 데이터(130) 및 컨텐트 액션 저장소(170)로부터의 후보 컨텐트 액션들(160)을 수신하는 것으로 도시된다. 또한, 컨텐트 액션 최적화 엔진(160)은 영업 목표(190)를 수신하는 것으로 도시된다. 아래에서 더 상세히 설명되는 바와 같이, 컨텐트 액션 최적화 엔진(160)은 사용자 데이터(130)뿐만 아니라 컨텐트 액션 최적화 모델(180) 및 영업 목표(190)를 사용하여 사용자(110a)가 방문하는 터치포인트(120a 내지 120n) 각각에 대해 커스터마이징된 컨텐트 액션(198)을 결정하도록 전반적으로 구성된다.
컨텐트 액션 최적화 모델(180)은 특정 터치포인트(120a 내지 120n)에서 특정한 사용자 속성을 갖는 유형 또는 세그먼트(segment)의 사용자들에게 제시된 다양한 컨텐트 액션들에 응답한 결과적인 사용자 행위와 관련된 이력 정보를 포함한다. 일 예에서, 컨텐트 액션 최적화 모델(180)은 속성에 의해 그룹화된 사용자 데이터, 방문한 터치포인트들, 이들 터치포인트들에서 제시된 컨텐트 액션들 및 관찰된 사용자 행위를 포함한다. 예를 들어, 하나의 그룹은 40세 및 50세 사이의 아시아 여성을 포함할 수 있다. 그 그룹에 대하여 관찰된 사용자 행위는, 어떤 터치포인트에서 어떤 컨텐트 액션이 그 여성들에게 제시된 시간의 55%에 이들이 150달러가 넘는 가격의 핸드백을 구매하였다는 것을 포함할 수 있다. 따라서, 컨텐트 액션 최적화 모델(180)은 상이한 터치포인트들에 대해 다수의 상이한 사용자들의 그룹들에 대한 다수의 상이한 유형의 관찰된 행위를 포함할 수 있고, 이와 같이 관찰된 행위는 각종 터치포인트들 및 사용자들에 대한 행위를 추정 또는 예측하는데 사용될 수 있다. 그러므로, 일 실시예에 따르면, 컨텐트 액션 최적화 모델(180)은 관찰된 사용자 행위의 분석에 기초하여 및/또는 외부 데이터 소스에 의해 제공되는 이력 데이터의 분석에 기초하여 생성될 수 있다.
일반적으로 말하면, 회사는 달성하려고 하는 영업 목표(190)를 컨텐트 액션 최적화 엔진(160)에 입력할 수 있다. 예를 들어, 영업 목표(190)는 특정 제품을 사용자에게 판매하는 것, 사용자가 특정 서비스에 가입하도록 안내하는 것, 또는 어떤 다른 희망하는 영업 결과를 포함할 수 있다.
입력들, 예를 들어, 컨텐트 액션 최적화 모델(180), 사용자 데이터(130) 및 영업 목표(190)에 기초하여, 컨텐트 액션 최적화 엔진(160)은 특정 터치포인트(120a)에서 이행할 커스터마이징된 컨텐트 액션(198)을 동적으로 결정하도록 구성된다. 예를 들어, 각종 전술, 전략, 세미나, 버튼, 제품 프레젠테이션 또는 데모, 제품 카탈로그, 제품 가격, 제품에 대한 정보, 소셜 미디어 피스, 자주 행해지는 질문 등을 포함할 수 있는 다수의 컨텐트 액션들이 컨텐트 액션 저장소(170)에 저장된다.
컨텐트 액션 저장소(170)는 또한 각 컨텐트 액션을 확인하고 각 컨텐트 액션을 묘사하며 각 컨텐트 액션이 어떻게 사용되는지를 묘사하는, 각 컨텐트 액션과 연관된 메타데이터(metadata)를 포함한다. 메타데이터는 또한 디스크립터(descriptor)나 교육 비디오 등의 형태일 수 있는 컨텐트 액션의 사용상의 제약을 묘사하는, 각 컨텐트 액션에 대한 제한을 포함한다. 이러한 제한은 어느 터치포인트에서 컨텐트 액션이 이행될 수 있는지와 어느 영업 목표에 대해서 컨텐트 액션이 사용될 수 있는지를 묘사할 수 있다. 예를 들어, 특정 컨텐트 액션은 특정 터치포인트 또는 특정 인구 세그먼트에 대해서만 사용될 수 있다. 일 실시예에 따르면, 컨텐트 액션들은 컨텐트 액션 메타데이터에 기초하여 대응하는 영업 목표들 및 터치포인트들에 따라 그룹화된다.
컨텐트 액션 최적화 엔진(160)은 어느 커스터마이징된 컨텐트 액션을 특정 터치포인트에서 이행할 것인가를 결정한다. 예를 들어, 사용자(110a)는 인터넷상의 웹 페이지를 포함하는 특정 터치포인트(120a)에 액세스한다. 사용자(110a)에 대한 터치포인트(120a)에서 이행할 커스터마이징된 컨텐트 액션(198)을 결정하기 위해, 컨텐트 액션 최적화 엔진(160)은 컨텐트 액션 저장소(170)로부터 후보 컨텐트 액션들(195)을 검색(retrieve)한다. 소정 사례에서, 컨텐트 액션 최적화 엔진(160)이 단일 후보 컨텐트 액션(195)을 검색하는 것을 주목하여야 한다. 후보 컨텐트 액션들(195)은 사용자(110a)가 방문 중인 특정 터치포인트(120a) 뿐만 아니라 컨텐트 액션이 사용될 영업 목표(190)에 기초하여 검색된다. 따라서, 후보 컨텐트 액션들(195)은 컨텐트 액션 저장소(170) 내의 컨텐트 액션들의 메타데이터에 기초하여 검색된다.
일 예에서, 컨텐트 액션들에 대한 메타데이터는 현재 터치포인트 정보와 비교되어 사용자가 후보 컨텐트 액션들(195)을 선택하도록 한다. 예를 들어, 도 2a에 도시된 바와 같이, 컨텐트 액션 저장소(170)는 테이블(210)에 열거된 컨텐트 액션들을 포함한다. 테이블(210)에 도시된 바와 같이, 사용자가 터치포인트(120a)에 있고 영업 목표(190)가 영업 목표 1이기 때문에, 컨텐트 액션들(A, B, 및 C)은 후보 컨텐트 액션들(195)로서 검색된다. 보다 상세히 말하면, 컨텐트 액션들(A, B, 및 C)은 컨텐트 액션들(A, B, 및 C)에 대한 메타데이터에 포함된 정보에 기초하여 후보 컨텐트 액션들(195)로서 선택되고 검색될 수 있다. 이와 반대로, 컨텐트 액션들(D-J)에 대한 메타데이터는 터치포인트(120a)에 대해 사용되지 않거나 영업 목표 1에 해당하지 않는 것으로서 컨텐트 액션들(D-J)을 묘사한다.
컨텐트 액션 저장소(170)로부터 후보 컨텐트 액션들(195)이 검색되면, 컨텐트 액션 최적화 엔진(160)은 후보 컨텐트 액션들(195) 중 하나를 터치포인트(120a)에서 이행될 커스터마이징된 컨텐트 액션(198)으로서 선택할 수 있다. 일 실시예에서, 커스터마이징된 컨텐트 액션(198)은 영업 목표 1을 달성할 가능성이 가장 큰 후보 컨텐트 액션이다. 일 예에서, 커스터마이징된 컨텐트 액션(198)을 결정하기 위해, 컨텐트 액션 최적화 엔진(160)은 사용자 데이터(130)에 저장된 사용자(110a)에 대한 사용자 속성들을 최적화 모델(180) 내의 사용자 그룹 데이터와 매칭(match)시킴으로써 사용자(110a)가 속하는 사용자 그룹을 확인한다. 예를 들어, 컨텐트 액션 최적화 모델(180)은 사용자 그룹들에 의해 그룹화되는 데이터를 포함한다. 각각의 사용자 그룹은 사용자 속성들과 매칭될 수 있는 속성들의 대응하는 집합을 갖는다. 최적화 모델(180) 내의 사용자 그룹 각각은 방문한 터치포인트, 그 터치포인트에서 제시되는 컨텐트 액션 및 관찰된 사용자 행위를 포함하는 연관된 카테고리들을 가질 수 있다. 그 다음, 사용자(110a)가 속하는 사용자 그룹에 기초하여, 컨텐트 액션 최적화 엔진(160)은 결정된 사용자 그룹 내의 후보 컨텐트 액션들(195) 각각을 확인한다. 사용자 그룹 내의 확인된 컨텐트 액션들과 연관된 데이터는 영업 목표를 달성할 때 관찰된 성공률을 포함한다. 또한, 컨텐트 액션 최적화 엔진(160)은 컨텐트 액션 최적화 모델(180) 내의 확인된 컨텐트 액션들 각각과 연관된 데이터를 분석하고, 영업 목표를 달성할 때 관찰된 성공률의 최고 비율을 갖는 후보 컨텐트 액션을 터치포인트(120a)에서 사용자(110a)에 대하여 이행할 커스터마이징된 컨텐트 액션(198)으로서 선택할 수 있다. 다른 일 실시예에 따르면, 컨텐트 액션 최적화 엔진(160)은 상이한 가중(weighting) 방식들을 사용하여 커스터마이징된 컨텐트 액션(198)을 선택한다.
도 2b는 40 내지 50세 연령 범위 내의 아시아 여성으로서 도시된 단일 사용자 그룹(221)에 대한 컨텐트 액션 최적화 모델(180)에 포함된 정보의 일 예를 예시한다. 예를 들어, 사용자(110a)에 대한 캡쳐된 사용자 데이터(130) 내의 사용자 속성들은 컨텐트 액션 최적화 모델(180) 내의 사용자 그룹들과 비교된다. 만일 사용자(110a)가 44세의 아시아 여성이면, 컨텐트 액션 최적화 엔진(160)은 40 내지 50세 사이의 아시아 여성의 사용자 그룹(221)에 대한 컨텐트 액션 최적화 모델(180) 내의 데이터의 부분집합을 사용한다. 사용자 그룹(221)은 컨텐트 액션 최적화 모델(180) 내의 사용자 그룹 데이터 부분집합의 일부이고, 도 2b의 테이블(220)에 도시된 바와 같이 여러 터치포인트들에 대한 컨텐트 액션들 및 각각의 컨텐트 액션에 대한 영업 목표(190)를 달성하는 비율들을 포함한다. 컨텐트 액션 최적화 모델(180) 내의 데이터의 부분집합에 따라서, 컨텐트 액션 A는 관찰된 행위 비율이 50%이고, 컨텐트 액션 B는 관찰된 행위 비율이 20%이며, 컨텐트 액션 C는 관찰된 행위 비율이 30% 이다. 그러므로, 후보 컨텐트 액션들(195) 중 관찰된 행위 비율이 가장 높은 확인된 컨텐트 액션은 50%의 컨텐트 액션 A이며, 따라서 컨텐트 액션 A가 도 2c에 도시된 바와 같이 커스터마이징된 컨텐트 액션(198)이 된다. 그 다음, 커스터마이징된 컨텐트 액션(198)이 사용자(110a)에 대한 터치포인트(120a)에서 이행된다.
그 다음에 사용자(110a)에 대한 사용자 데이터(130)는 터치포인트(120a)에서 이행된 커스터마이징된 컨텐트 액션(198)에 관한 데이터로 갱신되며, 사용자 데이터(130)는 사용자 터치포인트 데이터베이스(150)에 다시 저장된다.
그 다음에 사용자(110a)는 다음 터치포인트(120b)로 진행할 수 있다. 터치포인트(120b)에서, 사용자(110a)에 대하여 터치포인트(120b)에서 이행할 새로운 커스터마이징된 컨텐트 액션은 전술한 동일 단계들에 기초하여, 즉, 사용자(110a)가 방문한 각각의 터치포인트에서 사전에 어느 컨텐트 액션이 제시되었는지를 포함하는 캡쳐된 사용자 데이터(130)와 함께 저장된 추가 데이터에 기초하여 결정되며, 영업 목표(190)를 달성할 때까지 계속된다. 따라서, 사용자(110a)는 영업 목표(190)가 달성될 때까지 영업 목표(190)의 달성을 목표로 하는 각각의 터치포인트에 커스터마이징된 컨텐트 액션이 제시된 다수의 터치포인트들(120a 내지 120n)을 통해 이동된다.
일 실시예에 따르면, 후보 컨텐트 액션들(195)은 트리 구조의 브랜치들이다. 각각의 터치포인트에서 최근에 방문한 터치포인트 데이터 및 사용자 속성들을 포함하는 갱신된 사용자 데이터가 캡쳐되므로, 각각의 터치포인트에서 새로운 트리 구조의 후보 컨텐트 액션들(195)이 형성된다. 예를 들어, 도 3의 터치포인트(120a)에서, 3개의 브랜치들이 310, 320, 330으로 도시된다. 각각의 브랜치(310, 320, 및 330)는 전술한 바와 같은 사용자 속성들에 기초하여 결정된 동일한 사용자 그룹에 대응한다. 각각의 브랜치(310, 320, 및 330)는 또한 컨텐트 액션 서브 브랜치들이 속하는 영업 목표에 기초하여 서로 구별된다. 예를 들어, 각각의 브랜치(310, 320, 및 330)에 대해, 다양한 후보 컨텐트 액션들(195)(A 내지 Z)이 도시된다. 브랜치(310)로서 열거된 영업 목표 1 및 사용자 그룹(221)의 경우, 컨텐트 액션들(A, B, 및 C)은 각각 서브 브랜치들(340, 350, 및 360)로서 도시된다. 각각의 컨텐트 액션 서브 브랜치(340, 350, 및 360)에 대해 관찰된 사용자 행위 및 관찰된 사용자 행위 성공률이 도시된다. 예를 들어, 컨텐트 액션 서브 브랜치(340)의 경우, "관찰된 사용자 행위(Observed User Behavior)"는 "지갑 구매(Buy Purse)"이고, "비율"은 "50%"이다. 따라서, 340으로서 열거된 컨텐트 액션 A가 터치포인트(120a)에서 이행되는 시간의 50%에 사용자 그룹(221) 내의 사용자가 지갑을 구매한다. 따라서, 각각의 터치포인트에 형성된 트리 구조는 사용자 속성들, 최근에 방문한 터치포인트, 최근에 제시된 컨텐트 액션, 컨텐트 액션 메타데이터 등에 따라서 변경된다. 또한, 사용자는 영업 목표가 달성될 때까지 영업 목표의 달성을 목표로 하는 각각의 터치포인트에서 새로운 트리 구조가 형성되는 다수의 터치포인트들을 통해 이동된다.
3. 방법
도 4는, 일 실시예에 따라, 터치포인트에서의 컨텐트 액션 커스터마이징을 위한 방법의 순서도(400)이다. 도 4에 나타난 방법(400)은 추가적인 단계를 포함할 수 있으며, 여기에 설명된 단계들 중 몇몇은 방법(400)의 범위로부터 일탈하지 않고 제거 및/또는 변경될 수 있는 것으로 이해되어야 한다. 또한, 방법(400)은 예를 들어 도 1과 관련하여 앞서 설명한 시스템(100)에 의하여 이행될 수 있으나, 다른 시스템들에 의해서도 실시될 수 있다.
단계 410에서, 시스템(100)은 영업 목표(190)의 입력을 수신한다. 영업 목표는 어떠한 회사로부터 수신된 영업 목표일 수 있다. 예를 들어, 영업 목표는 제품 또는 서비스를 판매하는 것일 수 있다.
단계 420에서, 시스템(100)은 터치포인트에 방문하는 사용자의 사용자 데이터를 캡쳐한다. 시스템(100)은 터치포인트에 내장된 HTML 또는 자바 스크립트로부터, 사용자 장치에서 실행하는 에이전트로부터, 사용자 정보를 수집하는 제3자 소스 등으로부터 사용자 데이터를 캡쳐할 수 있다. 캡처된 사용자 데이터는 사용자가 이미 방문한 터치포인트에서의 상호작용의 진행에 관한 이력 데이터, 사용자에 의해 취해지는 액션들, 및 성별, 지리적 위치, 구매 습관 등과 같은 사용자 속성을 포함할 수 있다. 또한, 아래에서 더 설명되는 바와 같이, 캡쳐된 사용자 데이터는 사용자 터치포인트 데이터베이스에 저장되며 시스템(100)을 위한 입력으로서 이용될 수 있다.
단계 430에서, 시스템(100)은 일 이상의 후보 컨텐트 액션(195)을 선택하고 검색한다. 시스템(100), 캡쳐된 사용자 데이터 및 입력 영업 목표와 관련하여 위에서 설명된 바와 같은 컨텐트 액션 최적화 모델(180)에 기초하여, 시스템(100)은 다수의 컨텐트 액션으로부터의 후보 컨텐트 액션이 컨텐트 액션 저장소(170)에 저장되는 것을 동적으로 결정한다. 다수의 컨텐트 액션은 전술, 전략, 세미나, 버튼, 제품 프레젠테이션 또는 데모, 제품 카탈로그, 제품 가격, 제품에 대한 정보, 소셜 미디어 피스, 자주 행해지는 질문 등을 포함할 수 있다. 컨텐트 액션 저장소(170)는 또한 각 컨텐트 액션을 확인하고 각 컨텐트 액션을 묘사하며 각 컨텐트 액션이 어떻게 사용되는지를 묘사하는, 각 컨텐트 액션과 연관된 메타데이터를 포함한다. 컨텐트 액션 저장소(170)는 컨텐트 액션의 사용에 대한 제약을 묘사하는 각 컨텐트 액션에 대한 제한을 더 포함하며, 이는 디스크립터나 교육 비디오 등의 형태일 수 있다. 이러한 제한은 어느 터치포인트에서 컨텐트 액션이 이행될 수 있는지와 어느 영업 목표에 대하여 컨텐트 액션이 사용될 수 있는지를 묘사할 수 있다. 예를 들어, 특정 컨텐트 액션은 특정 터치포인트 또는 특정 인구 세그먼트에 대해서만 사용될 수 있다. 컨텐트 액션 저장소 내의 컨텐트 액션은 컨텐트 액션 메타데이터에 기초하여 대응하는 영업 목표들 및 터치포인트들에 따라 그룹화된다. 후보 컨텐트 액션은 사용자가 현재 방문 중인 터치포인트에 기초하여, 그리고 컨텐트 액션이 이용될 수 있는 영업 목표에 기초하여 검색된다. 따라서, 후보 컨텐트 액션은 컨텐트 액션 저장소 내의 컨텐트 액션의 메타데이터에 기초하여 검색된다.
단계 440에서, 컨텐트 액션 저장소로부터 후보 컨텐트 액션이 검색되면, 시스템(100)은 터치포인트에서 이행될 커스터마이징된 컨텐트 액션을 선택한다. 일 실시예에서, 커스터마이징된 컨텐트 액션은 영업 목표를 달성할 가능성이 가장 큰 후보 컨텐트 액션이다. 예를 들어, 커스터마이징된 컨텐트 액션을 결정하기 위해, 컨텐트 액션 최적화 엔진(160)은 사용자 데이터에 저장된 사용자에 대한 사용자 속성들을 최적화 모델(180) 내의 사용자 그룹 데이터와 매칭시킴으로써 사용자가 속한 사용자 그룹을 확인한다. 그 다음에, 사용자가 속하는 사용자 그룹에 기초하여, 시스템(100)은 결정된 사용자 그룹 내의 후보 컨텐트 액션들 각각을 확인한다. 시스템(100)은 컨텐트 액션 최적화 모델 내의 확인된 컨텐트 액션들 각각과 연관된 데이터를 분석하는데, 사용자 그룹 내의 확인된 컨텐트 액션들과 연관된 데이터는 영업 목표를 달성할 때 관찰된 성공률을 포함한다. 시스템(100)은 영업 목표에 대한 관찰된 성공률의 최고 비율을 갖는 후보 컨텐트 액션을 터치포인트에서 사용자에 대하여 이행할 커스터마이징된 컨텐트 액션으로서 선택할 수 있다.
단계 450에서, 결정된 커스터마이징된 컨텐트 액션은 터치포인트에서 이행된다.
단계 460에서, 영업 목표가 달성되었는지 여부에 대한 결정이 이루어진다. 터치포인트에서 이행된 커스터마이징된 컨텐트 액션이 영업 목표와 균등한 관찰된 행위를 산출한다면, 과정은 방법(400)이 종료되는 단계 470으로 이동한다. 그러나 터치포인트에서 이행된 커스터마이징된 컨텐트 액션이 영업 목표와 균등한 관찰된 행위를 산출하지 않는다면, 사용자는 다음 터치포인트로 이동하며, 과정은 단계 420에서 다시 시작한다. 단계 470에서는, 영업 목표가 달성되었는지 여부와 관계없이, 캡쳐된 사용자 데이터는 단계 450에서 이행되었던 커스터마이징된 컨텐트 액션에 관한 데이터로 갱신된다. 사용자 데이터는 다시 저장된다.
도 5는 창조적인 시장 시스템(100)에 대한 하드웨어 플랫폼으로 사용될만한 컴퓨터 시스템(500)을 보여준다. 컴퓨터 시스템(500)은 하드웨어 저장 장치인 하나 이상의 컴퓨터 판독 가능한 저장 장치에 저장된 소프트웨어로서 구체화될 수 있는 것으로 본 명세서에서 설명되는 하나 이상의 단계, 방법 및 기능을 실행하기 위한 플랫폼으로서 사용될 수 있다.
컴퓨터 시스템(500)은 본 명세서에서 설명되는 방법들, 기능들 및 다른 단계들 중 일부 또는 전부를 수행하는 소프트웨어 명령어들을 구현하거나 실행시킬 수 있는 프로세서(502) 또는 프로세싱 회로를 포함한다. 프로세서(502)로부터의 명령 및 데이터는 통신 버스(504)를 통하여 통신된다. 컴퓨터 시스템(500)은 또한 프로세서에 대한 소프트웨어 및 데이터가 실행 시간 동안 상주할 수 있는, 랜덤 액세스 메모리(RAM)와 같은, 컴퓨터 판독 가능한 저장 장치(503)를 포함한다. 저장 장치(503)는 또한 비휘발성 데이터 저장소를 포함할 수 있다. 컴퓨터 시스템(500)은 네트워크에 연결하기 위한 네트워크 인터페이스(505)를 포함할 수 있다. 본 기술 분야의 당업자에게는 컴퓨터 시스템(500)에 다른 알려진 전자 구성요소가 추가되거나 대체될 수 있음이 명백할 것이다.
본 실시예는 예를 참조하여 설명되었지만, 본 기술 분야의 당업자라면 청구된 실시예의 범위로부터 일탈하지 않고 설명된 실시예에 대하여 다양한 변경을 행할 수 있을 것이다. 더욱이, 본 명세서에서 설명된 실시예는, 어떤 컨텐트 액션이 바람직하지 않은지, 가장 많은 온라인 트래픽을 수신하는 어떤 컨텐트 액션을 이행할지 등을 결정하는 데에 사용될 수 있다.
100: 시스템
110a, 110n: 사용자
115: 채널
120a: 터치포인트
120n: 터치포인트
130: 사용자 데이터
140: 사용자 터치포인트 데이터 캡쳐 유닛
150: 사용자 터치포인트 데이터베이스
160: 컨텐트 액션 최적화 엔진
170: 컨텐트 액션 저장소
180: 컨텐트 액션 최적화 모델
190: 영업 목표
195: 후보 컨텐트 액션
198: 커스터마이징된 컨텐트 액션

Claims (26)

  1. 영업 목표를 달성하기 위한, 터치포인트 커스터마이징을 위한 시스템으로서,
    사용자 데이터를 수신하고 - 상기 사용자 데이터는 채널에서 다수의 터치포인트 중의 현재 터치포인트를 방문하는 사용자에 대한 사용자 속성을 포함함 - 상기 사용자의 상기 사용자 속성과 컨텐트 액션에 응답한 결과적인 사용자 행위와 관련된 이력 정보에 기초하여 상기 사용자가 속하는 사용자 그룹을 결정하는 사용자 터치포인트 데이터 캡쳐 유닛, 및
    상기 채널에서 상기 사용자에 의하여 액세스된, 상기 다수의 터치포인트의 이전 터치포인트와 상기 이전 터치포인트에서 상기 사용자에게 제공된 커스터마이징된 컨텐트 액션을 결정하고, 상기 현재 터치포인트를 커스터마이징하여 달성되도록 동작가능한 다수의 영업 목표를 결정하고, 상기 사용자 속성에 기초하여 각각의 상기 영업 목표에 대하여 컨텐트 액션 저장소로부터 상기 현재 터치포인트에 대한 다수의 후보 컨텐트 액션의 트리 구조를 생성하고 - 상기 트리 구조는 상기 현재 터치포인트에서 생성된 다수의 브랜치를 포함하고, 각각의 브랜치는 상기 다수의 영업 목표 중 서로 다른 하나와 대응되고, 각각의 브랜치는 상기 브랜치의 상기 영업 목표 및 상기 사용자 속성으로부터 결정되는 사용자 그룹에 대한 후보 컨텐트 액션을 포함하고, 상기 후보 컨텐트 액션은 상기 현재 터치포인트에서의 상기 후보 컨텐트 액션을 관리하여 상기 각각의 영업 목표 및 상기 사용자 그룹의 이전 행위에 기초하여 상기 현재 터치포인트에서의 상기 후보 컨텐트 액션을 관리한 결과로서 관찰된 사용자 행위가 수행되는지를 예상하는 예상치를 달성하는 것으로 기인하여 동작가능한 상기 관찰된 사용자 행위를 포함함 - , 상기 다수의 영업 목표중 하나의 선택을 결정하고, 상기 선택된 영업 목표에 대응하는 상기 브랜치로부터 상기 후보 컨텐트 액션을 확인하고, 상기 관찰된 사용자 행위 및 상기 선택된 후보 컨텐트 액션에 대한 상기 예상치에 기초하여 상기 확인된 브랜치에서 하나의 후보 컨텐트 액션을 선택하고, 상기 선택된 후보 컨텐트 액션과 함께 상기 현재 터치포인트를 커스터마이징하고 - 상기 선택된 후보 컨텐트 액션은, 상기 선택된 영업 목표를 달성하는 데 있어서, 상기 확인된 브랜치에서의 상기 후보 컨텐트 액션의, 상기 예상치에 기초한 최고의 관찰된 성공률을 가짐 - , 상기 커스터마이징된 현재 터치포인트를 사용자에게 나타내는 컨텐트 액션 최적화 엔진
    을 포함하는 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 컨텐트 액션 최적화 엔진은 상기 현재 터치포인트에서 상기 커스터마이징된 컨텐트 액션을 이행하는 것에 응답하여 사용자 행위를 기록하는 시스템.
  4. 제3항에 있어서,
    상기 컨텐트 액션 최적화 엔진은 상기 영업 목표를 상기 기록된 사용자 행위와 비교하여 상기 영업 목표가 달성되었는지 여부를 결정하는 시스템.
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 컨텐트 액션은 전술, 전략, 세미나(seminar), 버튼(button), 제품 프레젠테이션 또는 데모, 제품 카탈로그, 제품 가격, 제품에 대한 정보, 소셜 미디어 피스(social media piece) 및 자주 행해지는 질문의 집합 중 적어도 하나를 포함하는 시스템.
  8. 제1항에 있어서,
    상기 컨텐트 액션 저장소는 상기 후보 컨텐트 액션 각각에 대한 컨텐트 액션 메타데이터를 저장하고, 상기 컨텐트 액션 메타데이터는 상기 후보 컨텐트 액션을 확인하고 상기 후보 컨텐트 액션을 묘사하며 상기 후보 컨텐트 액션이 어떻게 사용되는지를 묘사하며, 상기 컨텐트 액션 최적화 엔진은 각각의 후보 컨텐트 액션에 대한 상기 메타데이터에 기초하여 각각의 브랜치에 대한 상기 후보 컨텐트 액션을 선택하는 시스템.
  9. 삭제
  10. 영업 목표를 달성하기 위한, 터치포인트 컨텐트 액션 커스터마이징을 위한 방법으로서,
    하드웨어 프로세서에 의하여, 채널에서 다수의 터치 포인트 중의 현재 터치포인트를 방문하는 사용자에 대한 사용자 속성을 포함하는 사용자 데이터를 수신하는 단계,
    상기 하드웨어 프로세서에 의하여, 상기 사용자의 상기 사용자 속성과 결과적인 사용자 행위와 관련된 이력 정보에 기초하여 상기 사용자가 속하는 사용자 그룹을 결정하는 단계,
    상기 채널에서 상기 사용자에 의하여 액세스된, 상기 다수의 터치포인트의 이전 터치포인트와 상기 이전 터치포인트에서 상기 사용자에게 제공된 커스터마이징된 컨텐트 액션을 결정하는 단계,
    상기 하드웨어 프로세서에 의하여,상기 현재 터치포인트를 커스터마이징하여 달성되도록 동작가능한 다수의 영업 목표를 결정하는 단계,
    상기 하드웨어 프로세서에 의하여, 상기 사용자 속성에 기초하여 각각의 상기 영업 목표에 대하여 컨텐트 액션 저장소로부터 상기 현재 터치포인트에 대한 다수의 후보 컨텐트 액션의 트리 구조를 생성하는 단계 - 상기 트리 구조는 상기 현재 터치포인트에서 생성된 다수의 브랜치를 포함하고, 각각의 브랜치는 상기 다수의 영업 목표 중 서로 다른 하나와 대응되고, 각각의 브랜치는 상기 브랜치의 상기 영업 목표 및 상기 사용자 속성으로부터 결정되는 사용자 그룹에 대한 후보 컨텐트 액션을 포함하고, 상기 후보 컨텐트 액션은 상기 현재 터치포인트에서의 상기 후보 컨텐트 액션을 관리하여 상기 각각의 영업 목표 및 상기 사용자 그룹의 이전 행위에 기초하여 상기 현재 터치포인트에서의 상기 후보 컨텐트 액션을 관리한 결과로서 관찰된 사용자 행위가 수행되는지를 예상하는 예상치를 달성하는 것으로 인하여 동작가능한 상기 관찰된 사용자 행위를 포함함 -
    상기 하드웨어 프로세서에 의하여,상기 다수의 영업 목표중 하나의 선택을 결정하는 단계,
    상기 하드웨어 프로세서에 의하여,상기 선택된 영업 목표에 대응하는 상기 브랜치로부터 상기 후보 컨텐트 액션을 확인하는 단계,
    상기 하드웨어 프로세서에 의하여,상기 관찰된 사용자 행위 및 상기 선택된 후보 컨텐트 액션에 대한 상기 예상치에 기초하여 상기 확인된 브랜치에서 하나의 후보 컨텐트 액션을 선택하는 단계,
    상기 하드웨어 프로세서를 이용하여, 선택된 컨텐트 액션과 함께 상기 현재 터치포인트를 커스터마이징하는 단계 - 상기 선택된 컨텐트 액션은, 상기 선택된 영업 목표를 달성하는 데 있어서, 상기 확인된 브랜치에서의 상기 후보 컨텐트 액션의, 상기 예상치에 기초한 최고의 관찰된 성공률을 가짐 - 및,
    상기 커스터마이징된 현재 터치포인트를 사용자에게 나타내는 단계
    를 포함하는 방법.
  11. 삭제
  12. 제10항에 있어서,
    상기 하드웨어 프로세서를 이용하여, 상기 현재 터치포인트에서 상기 커스터마이징된 컨텐트 액션을 이행하는 것에 응답하여 상기 사용자 행위를 기록하는 단계,
    상기 하드웨어 프로세서를 이용하여, 상기 기록된 사용자 행위가 상기 영업 목표를 달성하였는지 여부를 결정하는 단계, 및
    상기 영업 목표가 달성되지 않았다고 결정되면, 상기 선택 단계, 상기 관찰된 성공률을 결정하는 단계 및 상기 커스터마이징된 컨텐트 액션을 결정하는 단계를 반복하는 단계
    를 더 포함하는 방법.
  13. 삭제
  14. 제10항에 있어서,
    상기 컨텐트 액션은 전술, 전략, 세미나, 버튼, 제품 프레젠테이션 또는 데모, 제품 카탈로그, 제품 가격, 제품에 대한 정보, 소셜 미디어 피스 및 자주 행해지는 질문의 집합 중 적어도 하나를 포함하는 방법.
  15. 제10항에 있어서,
    상기 컨텐트 액션 저장소는 상기 후보 컨텐트 액션 각각에 대한 컨텐트 액션 메타데이터를 저장하고, 상기 컨텐트 액션 메타데이터는 상기 후보 컨텐트 액션의 사용에 대한 제한을 확인하고, 각각의 브랜치에 대한 상기 후보 컨텐트 액션을 선택하는데 사용되는 방법.
  16. 영업 목표를 달성하기 위한, 터치포인트 커스터마이징을 위한 컴퓨터 실행 가능한 프로그램이 저장된 컴퓨터 판독 가능한 매체로서, 실행될 때, 상기 컴퓨터 실행 가능한 프로그램은 컴퓨터 시스템이,
    채널에서 다수의 터치 포인트 중의 현재 터치포인트를 방문하는 사용자에 대한 사용자 속성을 포함하는 사용자 데이터를 수신하고,
    상기 사용자의 상기 사용자 속성과 컨텐트 액션에 응답한 결과적인 사용자 행위와 관련된 이력 정보에 기초하여 상기 사용자가 속하는 사용자 그룹을 결정하며,
    상기 채널에서 상기 사용자에 의하여 액세스한, 상기 다수의 터치포인트 중의 이전 터치포인트와 상기 이전 터치포인트에서 사용자에게 제공된 커스터마이징된 컨텐트 액션을 결정하며,
    상기 현재 터치포인트를 커스터마이징하여 달성되도록 동작가능한 다수의 영업 목표를 결정하며,
    상기 사용자 속성에 기초하여 각각의 상기 영업 목표에 대하여 컨텐트 액션 저장소로부터 상기 현재 터치포인트에 대한 다수의 후보 컨텐트 액션의 트리 구조를 생성하고 - 상기 트리 구조는 상기 현재 터치포인트에서 생성된 다수의 브랜치를 포함하고, 각각의 브랜치는 상기 다수의 영업 목표 중 서로 다른 하나와 대응되고, 각각의 브랜치는 상기 브랜치의 상기 영업 목표 및 상기 사용자 속성으로부터 결정되는 사용자 그룹에 대한 후보 컨텐트 액션을 포함하고, 상기 후보 컨텐트 액션은 상기 현재 터치포인트에서의 상기 후보 컨텐트 액션을 관리하여 상기 각각의 영업 목표 및 상기 사용자 그룹의 이전 행위에 기초하여 상기 현재 터치포인트에서의 상기 후보 컨텐트 액션을 관리한 결과로서 관찰된 사용자 행위가 수행되는지를 예상하는 예상치를 달성하는 것으로 기인하여 동작가능한 상기 관찰된 사용자 행위를 포함함 - ,
    상기 다수의 영업 목표중 하나의 선택을 결정하며,
    상기 선택된 영업 목표에 대응하는 상기 브랜치로부터 상기 후보 컨텐트 액션을 확인하고,
    상기 관찰된 사용자 행위 및 상기 선택된 후보 컨텐트 액션에 대한 상기 예상치에 기초하여 상기 확인된 브랜치에서 하나의 상기 후보 컨텐트 액션을 선택하고,
    상기 선택된 후보 컨텐트 액션과 함께 상기 현재 터치포인트를 커스터마이징하고 - 상기 선택된 후보 컨텐트 액션은, 상기 선택된 영업 목표를 달성하는데 있어서, 상기 확인된 브랜치에서의 상기 후보 컨텐트 액션의, 상기 예상치에 기초한 최고의 관찰된 성공률을 가짐 - , 그리고
    상기 커스터마이징된 현재 터치포인트를 사용자에게 나타내도록
    하는 컴퓨터 판독 가능한 매체.
  17. 삭제
  18. 삭제
  19. 제16항에 있어서,
    상기 컴퓨터 실행 가능한 프로그램은 상기 컴퓨터 시스템이,
    상기 커스터마이징된 현재 터치포인트를 이행하는 것에 응답하여 사용자 행위를 기록하고,
    상기 기록된 사용자 행위가 상기 영업 목표를 달성하였는지 여부를 결정하며,
    상기 영업 목표가 달성되지 않았다고 결정되면, 상기 선택, 상기 관찰된 성공률의 결정 및 상기 현재 터치포인트의 커스터마이징을 반복하는 것
    이 더 수행되도록 하는 컴퓨터 판독 가능한 매체.
  20. 제16항에 있어서,
    상기 컨텐트 액션은 전술, 전략, 세미나, 버튼, 제품 프레젠테이션 또는 데모, 제품 카탈로그, 제품 가격, 제품에 대한 정보, 소셜 미디어 피스 및 자주 행해지는 질문의 집합 중 적어도 하나를 포함하는 컴퓨터 판독 가능한 매체.
  21. 제1항에 있어서,
    상기 이력 정보는 사용자 그룹으로 그룹화된 데이터를 포함하고 - 각 사용자 그룹은 속성들의 대응하는 집합과 방문한 터치포인트, 컨텐트 액션 및 관찰된 사용자 행위를 포함하는 연관된 카테고리들을 가짐 - , 사용자 그룹 내의 컨텐트 액션과 연관된 상기 이력 정보는 상기 영업 목표를 달성하는 관찰된 성공률을 포함하며,
    상기 사용자 터치포인트 데이터 캡쳐 유닛은 상기 사용자의 상기 사용자 속성을 상기 이력 정보 내의 속성들의 대응하는 집합과 매칭시킴으로써 상기 사용자가 속하는 상기 사용자 그룹을 결정하도록 구성되고,
    상기 컨텐트 액션 최적화 엔진은 상기 사용자 그룹 내의 컨텐트 액션에 관하여 상기 영업 목표를 달성하는 상기 관찰된 성공률에 해당하는 상기 이력 정보에 기초하여 상기 다수의 후보 컨텐트 액션의 각각에 관한 관찰된 사용자 행위에 관하여 상기 관찰된 성공률을 결정하는
    시스템.
  22. 제10항에 있어서,
    상기 이력 정보는 사용자 그룹으로 그룹화된 데이터를 포함하고 - 각 사용자 그룹은 속성들의 대응하는 집합과 방문한 터치포인트, 컨텐트 액션 및 관찰된 사용자 행위를 포함하는 연관된 카테고리들을 가짐 - , 사용자 그룹 내의 컨텐트 액션과 연관된 상기 이력 정보는 상기 영업 목표를 달성하는 관찰된 성공률을 포함하며,
    상기 사용자가 속하는 사용자 그룹을 결정하는 단계는 상기 사용자의 상기 사용자 속성을 상기 이력 정보 내의 속성들의 대응하는 집합과 매칭시키는 단계를 포함하고,
    상기 다수의 후보 컨텐트 액션의 각각에 관한 관찰된 사용자 행위에 관하여 관찰된 성공률을 결정하는 단계는 상기 사용자 그룹 내의 컨텐트 액션에 관하여 상기 영업 목표를 달성하는 상기 관찰된 성공률에 해당하는 상기 이력 정보를 분석하는 단계를 포함하는
    방법.
  23. 제16항에 있어서,
    상기 이력 정보는 사용자 그룹으로 그룹화된 데이터를 포함하고 - 각 사용자 그룹은 속성들의 대응하는 집합과 방문한 터치포인트, 컨텐트 액션 및 관찰된 사용자 행위를 포함하는 연관된 카테고리들을 가짐 - , 사용자 그룹 내의 컨텐트 액션과 연관된 상기 이력 정보는 상기 영업 목표를 달성하는 관찰된 성공률을 포함하며,
    상기 사용자가 속하는 사용자 그룹을 결정하는 것은 상기 사용자의 상기 사용자 속성을 상기 이력 정보 내의 속성들의 대응하는 집합과 매칭시키는 것을 포함하고,
    상기 다수의 후보 컨텐트 액션의 각각에 관한 관찰된 사용자 행위에 관하여 관찰된 성공률을 결정하는 것은 상기 사용자 그룹 내의 컨텐트 액션에 관하여 상기 영업 목표를 달성하는 상기 관찰된 성공률에 해당하는 상기 이력 정보를 분석하는 것을 포함하는
    컴퓨터 판독 가능한 매체.
  24. 제1항에 있어서,
    상기 트리 구조에서 상기 사용자가 최근에 방문한 터치포인트를 설명하는 상기 트리 구조 상을 상기 사용자가 이동하면, 상기 후보 컨텐트 액션을 포함하는 상기 트리 구조에서의 브랜치들이 변경되는
    시스템.
  25. 제10항에 있어서,
    상기 트리 구조에서 상기 사용자가 최근에 방문한 터치포인트를 설명하는 상기 트리 구조 상을 상기 사용자가 이동하면, 상기 후보 컨텐트 액션을 포함하는 상기 트리 구조에서의 브랜치들을 변경하는 단계를 포함하는
    방법.
  26. 제16항에 있어서,
    상기 컴퓨터 실행 가능한 프로그램은,
    상기 트리 구조에서 상기 사용자가 최근에 방문한 터치포인트를 설명하는 상기 트리 구조 상을 상기 사용자가 이동하면, 상기 후보 컨텐트 액션을 포함하는 상기 트리 구조에서의 브랜치들이 변경되는
    컴퓨터 판독 가능한 매체.
KR1020100035561A 2009-04-16 2010-04-16 터치포인트 커스터마이제이션 시스템 KR101324909B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16989209P 2009-04-16 2009-04-16
US61/169,892 2009-04-16

Publications (2)

Publication Number Publication Date
KR20100114860A KR20100114860A (ko) 2010-10-26
KR101324909B1 true KR101324909B1 (ko) 2013-11-04

Family

ID=42973475

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020100035557A KR101233859B1 (ko) 2009-04-16 2010-04-16 웹 사이트 가속기
KR1020100035561A KR101324909B1 (ko) 2009-04-16 2010-04-16 터치포인트 커스터마이제이션 시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020100035557A KR101233859B1 (ko) 2009-04-16 2010-04-16 웹 사이트 가속기

Country Status (8)

Country Link
US (3) US20120030009A1 (ko)
EP (2) EP2242017A1 (ko)
JP (3) JP2010250827A (ko)
KR (2) KR101233859B1 (ko)
CN (2) CN101937545B (ko)
AU (2) AU2010201495B2 (ko)
CA (3) CA2700030C (ko)
WO (1) WO2010121132A1 (ko)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11046784B2 (en) 2006-03-31 2021-06-29 Chugai Seiyaku Kabushiki Kaisha Methods for controlling blood pharmacokinetics of antibodies
MX369784B (es) 2007-09-26 2019-11-21 Chugai Pharmaceutical Co Ltd Metodo de modificacion del punto isoelectrico de anticuerpos mediante la sustitucion de aminoacidos en region de determinacion de complementariedad (cdr).
US8321533B2 (en) * 2009-08-03 2012-11-27 Limelight Networks, Inc. Systems and methods thereto for acceleration of web pages access using next page optimization, caching and pre-fetching techniques
US9058402B2 (en) 2012-05-29 2015-06-16 Limelight Networks, Inc. Chronological-progression access prioritization
US8346784B1 (en) 2012-05-29 2013-01-01 Limelight Networks, Inc. Java script reductor
US8495171B1 (en) 2012-05-29 2013-07-23 Limelight Networks, Inc. Indiscriminate virtual containers for prioritized content-object distribution
TWI667346B (zh) 2010-03-30 2019-08-01 中外製藥股份有限公司 促進抗原消失之具有經修飾的FcRn親和力之抗體
CN102404281B (zh) * 2010-09-09 2014-08-13 北京神州绿盟信息安全科技股份有限公司 一种网站扫描设备和方法
RU2658504C9 (ru) 2010-11-30 2018-08-21 Чугаи Сейяку Кабусики Кайся Антигенсвязывающая молекула, способная многократно связываться с множеством антигенных молекул
KR20230005405A (ko) 2011-02-25 2023-01-09 추가이 세이야쿠 가부시키가이샤 ＦｃγＲＩＩｂ 특이적 Ｆｃ 항체
AU2012233313C1 (en) 2011-03-30 2017-08-03 Chugai Seiyaku Kabushiki Kaisha Method for altering plasma retention and immunogenicity of antigen-binding molecule
CN102769634B (zh) * 2011-05-03 2016-08-17 腾讯科技（北京）有限公司 一种web在线信息管理方法及系统
US9098600B2 (en) 2011-09-14 2015-08-04 International Business Machines Corporation Deriving dynamic consumer defined product attributes from input queries
EP2762493B1 (en) 2011-09-30 2021-06-09 Chugai Seiyaku Kabushiki Kaisha Antigen-binding molecule promoting disappearance of antigens having plurality of biological activities
TW201817744A (zh) 2011-09-30 2018-05-16 日商中外製藥股份有限公司 具有促進抗原清除之ＦｃＲｎ結合域的治療性抗原結合分子
US8195799B1 (en) 2011-10-26 2012-06-05 SHTC Holdings LLC Smart test article optimizer
RU2739792C1 (ru) 2011-11-30 2020-12-28 Чугаи Сейяку Кабусики Кайся Содержащий лекарственное средство переносчик в клетку для формирования иммунного комплекса
US9372836B2 (en) 2012-03-30 2016-06-21 Qualcomm Incorporated HTML5 I-frame extension
KR20210084688A (ko) 2012-08-24 2021-07-07 추가이 세이야쿠 가부시키가이샤 ＦｃγＲＩＩｂ 특이적 Ｆｃ영역 개변체
US9361393B2 (en) * 2013-03-15 2016-06-07 Paypal, Inc. User interface overlay application
US20140280677A1 (en) * 2013-03-15 2014-09-18 Limelight Networks, Inc. Two-file preloading for browser-based web acceleration
WO2014163101A1 (ja) 2013-04-02 2014-10-09 中外製薬株式会社 Ｆｃ領域改変体
CN103164268B (zh) 2013-04-02 2016-04-20 北京奇虎科技有限公司 系统优化方法及装置
US9015348B2 (en) 2013-07-19 2015-04-21 Limelight Networks, Inc. Dynamically selecting between acceleration techniques based on content request attributes
US10990924B2 (en) 2013-08-30 2021-04-27 Messagepoint Inc. System and method for variant content management
US10222937B2 (en) 2013-09-19 2019-03-05 Messagepoint Inc. System and method for variant content navigation
CN105094755A (zh) * 2014-04-25 2015-11-25 国际商业机器公司 用于呈现web页面中的web元素的方法和装置
US9772829B2 (en) * 2014-09-09 2017-09-26 Liveperson, Inc. Dynamic code management
US10462156B2 (en) * 2014-09-24 2019-10-29 Mcafee, Llc Determining a reputation of data using a data visa
US10922713B2 (en) * 2017-01-03 2021-02-16 Facebook, Inc. Dynamic creative optimization rule engine for effective content delivery
CA3062865A1 (en) * 2017-05-19 2018-11-22 Liveramp, Inc. Distributed node cluster for establishing a digital touchpoint across multiple devices on a digital communications network

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007328496A (ja) * 2006-06-07 2007-12-20 Yuichi Isobe 情報検索システム、情報検索方法、情報検索プログラム及びそのプログラムを記録した記録媒体
KR20080031058A (ko) * 2005-07-29 2008-04-07 야후! 인크. 광고 캠페인 정보에 관해 광고주에 의해 정의되는 그룹들을표시하는 사용자 인터페이스를 생성 및 제공하기 위한시스템 및 방법
KR20080043764A (ko) * 2005-06-28 2008-05-19 초이스스트림, 인코포레이티드 타게팅 광고용 통계 시스템에 관한 방법 및 장치

Family Cites Families (101)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6029195A (en) * 1994-11-29 2000-02-22 Herz; Frederick S. M. System for customized electronic identification of desirable objects
US5758257A (en) * 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US5704017A (en) * 1996-02-16 1997-12-30 Microsoft Corporation Collaborative filtering utilizing a belief network
US5790426A (en) * 1996-04-30 1998-08-04 Athenium L.L.C. Automated collaborative filtering system
US6014638A (en) * 1996-05-29 2000-01-11 America Online, Inc. System for customizing computer displays in accordance with user preferences
US6236978B1 (en) 1997-11-14 2001-05-22 New York University System and method for dynamic profiling of users in one-to-one applications
US6338067B1 (en) * 1998-09-01 2002-01-08 Sector Data, Llc. Product/service hierarchy database for market competition and investment analysis
US6266649B1 (en) * 1998-09-18 2001-07-24 Amazon.Com, Inc. Collaborative recommendations using item-to-item similarity mappings
US6448980B1 (en) * 1998-10-09 2002-09-10 International Business Machines Corporation Personalizing rich media presentations based on user response to the presentation
JP3389948B2 (ja) * 1998-11-27 2003-03-24 日本電気株式会社 表示広告選択システム
WO2000058878A2 (en) * 1999-03-26 2000-10-05 Koninklijke Philips Electronics N.V. Evolving advertisements via an evolutionary algorithm
US6907566B1 (en) 1999-04-02 2005-06-14 Overture Services, Inc. Method and system for optimum placement of advertisements on a webpage
US6615247B1 (en) 1999-07-01 2003-09-02 Micron Technology, Inc. System and method for customizing requested web page based on information such as previous location visited by customer and search term used by customer
US7925610B2 (en) 1999-09-22 2011-04-12 Google Inc. Determining a meaning of a knowledge item using document-based information
WO2001027831A1 (en) * 1999-10-08 2001-04-19 Motorola Inc. Remotely configurable multimedia entertainment and information system with real-time auctioning of advertisement space
JP3597104B2 (ja) * 2000-03-14 2004-12-02 九州日本電気ソフトウェア株式会社 電子カタログ自動収集システム
US20020054089A1 (en) * 2000-03-14 2002-05-09 Nicholas Donald L. Method of selecting content for a user
JP4443719B2 (ja) * 2000-03-31 2010-03-31 株式会社プラザクリエイト 広告情報提供システム
JP4620830B2 (ja) * 2000-04-26 2011-01-26 株式会社 ボルテージ 広告配信決定方法および配信最適化システム
JP2001351014A (ja) * 2000-06-06 2001-12-21 Valueflash Japan Inc 通信ネットワーク上で情報を配信するための方法、通信ネットワーク上でサーバからユーザへ情報をリンクする方法及びマルチメディア媒体
JP4522543B2 (ja) * 2000-06-15 2010-08-11 株式会社 ボルテージ 広告配信管理サーバ
JP2004504674A (ja) 2000-07-18 2004-02-12 ヤフー！　インコーポレイテッド 売り切れ広告インベントリの代わりに別の広告インベントリを選択させるシステム及び方法
US7346858B1 (en) * 2000-07-24 2008-03-18 The Hive Group Computer hierarchical display of multiple data characteristics
WO2002013035A1 (en) * 2000-08-07 2002-02-14 Active Data Exchange, Inc. Syndication methodology to dynamically place digital assets on non-related web sites
US6895406B2 (en) * 2000-08-25 2005-05-17 Seaseer R&D, Llc Dynamic personalization method of creating personalized user profiles for searching a database of information
US6477575B1 (en) * 2000-09-12 2002-11-05 Capital One Financial Corporation System and method for performing dynamic Web marketing and advertising
WO2002037334A1 (en) * 2000-10-30 2002-05-10 Elias Arts Corporation System and method for performing content experience management
US7313622B2 (en) * 2000-11-08 2007-12-25 [X+1] Solutions, Inc. Online system and method for dynamic segmentation and content presentation
US6718315B1 (en) * 2000-12-18 2004-04-06 Microsoft Corporation System and method for approximating probabilities using a decision tree
US6944679B2 (en) * 2000-12-22 2005-09-13 Microsoft Corp. Context-aware systems and methods, location-aware systems and methods, context-aware vehicles and methods of operating the same, and location-aware vehicles and methods of operating the same
US20020111852A1 (en) * 2001-01-16 2002-08-15 Levine Robyn R. Business offering content delivery
US7343317B2 (en) 2001-01-18 2008-03-11 Nokia Corporation Real-time wireless e-coupon (promotion) definition based on available segment
US7669212B2 (en) 2001-02-02 2010-02-23 Opentv, Inc. Service platform suite management system
US20020138331A1 (en) * 2001-02-05 2002-09-26 Hosea Devin F. Method and system for web page personalization
US20020133392A1 (en) * 2001-02-22 2002-09-19 Angel Mark A. Distributed customer relationship management systems and methods
US7735013B2 (en) * 2001-03-16 2010-06-08 International Business Machines Corporation Method and apparatus for tailoring content of information delivered over the internet
US20020173971A1 (en) * 2001-03-28 2002-11-21 Stirpe Paul Alan System, method and application of ontology driven inferencing-based personalization systems
US20030154180A1 (en) * 2002-02-13 2003-08-14 Case Simon J. Profile management system
US6757678B2 (en) * 2001-04-12 2004-06-29 International Business Machines Corporation Generalized method and system of merging and pruning of data trees
AU2002252678B2 (en) 2001-04-16 2008-05-01 Oracle International Corporation System and method for web-based personalization and ecommerce management
US20030217333A1 (en) * 2001-04-16 2003-11-20 Greg Smith System and method for rules-based web scenarios and campaigns
DE10154656A1 (de) * 2001-05-10 2002-11-21 Ibm System und Verfahren für Empfehlungen von Artikeln
JP2002366569A (ja) 2001-06-06 2002-12-20 Sony Corp 広告選択システム及び広告選択方法、並びに記憶媒体
US20050193335A1 (en) * 2001-06-22 2005-09-01 International Business Machines Corporation Method and system for personalized content conditioning
JP2003122787A (ja) * 2001-10-12 2003-04-25 Nippon Television Network Corp 広告配信最適化システム及びその方法
JP2003132086A (ja) 2001-10-26 2003-05-09 Megafusion Corp ウェブページ動的生成システム
US20030090513A1 (en) * 2001-11-09 2003-05-15 Narendran Ramakrishnan Information personalization by partial evaluation
US6954901B1 (en) * 2001-12-13 2005-10-11 Oracle International Corporation Method and system for tracking a user flow of web pages of a web site to enable efficient updating of the hyperlinks of the web site
US20030128236A1 (en) * 2002-01-10 2003-07-10 Chen Meng Chang Method and system for a self-adaptive personal view agent
JP2003216608A (ja) * 2002-01-23 2003-07-31 Sony Corp 情報収集／分析方法及びシステム
US20030149623A1 (en) * 2002-02-06 2003-08-07 Chen Timothy Tianyi Method and apparatus for targeted marketing
JP2003256707A (ja) * 2002-03-06 2003-09-12 Mitsubishi Electric Corp モバイルマーケティングシステムのマーケティングセンタ装置
US8352499B2 (en) * 2003-06-02 2013-01-08 Google Inc. Serving advertisements using user request information and user information
US9235849B2 (en) * 2003-12-31 2016-01-12 Google Inc. Generating user information for use in targeted advertising
US20030208399A1 (en) * 2002-05-03 2003-11-06 Jayanta Basak Personalized product recommendation
US20030212619A1 (en) 2002-05-10 2003-11-13 Vivek Jain Targeting customers
US7321887B2 (en) * 2002-09-30 2008-01-22 Sap Aktiengesellschaft Enriching information streams with contextual content
EP1552501A4 (en) * 2002-06-12 2009-07-01 Jena Jordahl TOOLS FOR STORAGE, EXTRACTION, HANDLING AND VISUALIZATION OF DATA, PROVIDING MULTIPLE VIEWPOINTS OF HIERARCHICAL PERCEIVES
JP4408635B2 (ja) * 2002-06-27 2010-02-03 ナヴィゲイション テクノロジーズ コーポレイション 経路情報と共に位置に基づく広告を提供する方法
JP2004062446A (ja) 2002-07-26 2004-02-26 Ibm Japan Ltd 情報収集システム、アプリケーションサーバ、情報収集方法、およびプログラム
JP2004070504A (ja) * 2002-08-02 2004-03-04 Hewlett Packard Co <Hp> 個人プロファイル情報に基づく情報検索方法及びシステム
US7617122B2 (en) * 2002-08-28 2009-11-10 International Business Machines Corporation Targeted online marketing
CN1485775A (zh) * 2002-09-27 2004-03-31 英业达股份有限公司 树形结构节点数据显示处理系统与方法
US7349890B1 (en) * 2002-11-27 2008-03-25 Vignette Corporation System and method for dynamically applying content management rules
US7729946B2 (en) * 2003-01-24 2010-06-01 Massive Incorporated Online game advertising system
US20040167796A1 (en) 2003-02-21 2004-08-26 Arteis, Inc. Systems and methods for network-based design review
US7792828B2 (en) * 2003-06-25 2010-09-07 Jericho Systems Corporation Method and system for selecting content items to be presented to a viewer
JP4825669B2 (ja) * 2003-07-30 2011-11-30 グーグル・インク 文書の意味を決定して文書とコンテンツを一致させる方法及びシステム
US8170912B2 (en) 2003-11-25 2012-05-01 Carhamm Ltd., Llc Database structure and front end
US20050289005A1 (en) 2004-05-18 2005-12-29 Ferber John B Systems and methods of achieving optimal advertising
JP2006011676A (ja) 2004-06-24 2006-01-12 Kido Insatsusho:Kk 電子広告配信システム
JP4880962B2 (ja) * 2004-09-27 2012-02-22 ヤフー株式会社 広告コンテンツ配信比率算出プログラム、広告コンテンツ配信比率算出方法、広告コンテンツ配信比率算出システム、コンテンツ配信制御システム、広告コンテンツ配信制御システム、広告コンテンツ配信制御方法および広告コンテンツ配信制御プログラム
US20060095377A1 (en) * 2004-10-29 2006-05-04 Young Jill D Method and apparatus for scraping information from a website
US7249708B2 (en) * 2005-02-04 2007-07-31 The Procter & Gamble Company Household management systems and methods
KR20060100785A (ko) * 2005-03-18 2006-09-21 구성진 웹사이트 제공 시스템 및 제공 방법
EP1869583A1 (en) * 2005-03-29 2007-12-26 British Telecommunications Public Limited Company Content adaptation
US20060224447A1 (en) 2005-03-31 2006-10-05 Ross Koningstein Automated offer management using audience segment information
EP1897045A2 (en) * 2005-04-26 2008-03-12 Governing Dynamics Inc. A method of digital good placement in a dynamic, real time environment
US20060282283A1 (en) 2005-06-13 2006-12-14 Monahan Brian F Media network
US20080109306A1 (en) * 2005-06-15 2008-05-08 Maigret Robert J Media marketplaces
US9558498B2 (en) 2005-07-29 2017-01-31 Excalibur Ip, Llc System and method for advertisement management
US7809731B2 (en) 2005-07-29 2010-10-05 Yahoo! Inc. System and method for reordering a result set copyright notice
US20070061195A1 (en) 2005-09-13 2007-03-15 Yahoo! Inc. Framework for selecting and delivering advertisements over a network based on combined short-term and long-term user behavioral interests
US9432468B2 (en) * 2005-09-14 2016-08-30 Liveperson, Inc. System and method for design and dynamic generation of a web page
US20100070566A1 (en) 2005-12-29 2010-03-18 Jean-Jacques Vandewalle System and Method for Deploying Customised Web Applications
US7814116B2 (en) 2006-03-16 2010-10-12 Hauser Eduardo A Method and system for creating customized news digests
JP4875911B2 (ja) * 2006-03-20 2012-02-15 ニフティ株式会社 コンテンツ特定方法及び装置
US20070265905A1 (en) * 2006-05-10 2007-11-15 Microsoft Corporation Agent for discovering relevant content
CN101071424B (zh) 2006-06-23 2010-08-25 腾讯科技（深圳）有限公司 一种个性化信息推送系统和方法
US20080005098A1 (en) * 2006-06-30 2008-01-03 Holt Alexander W System for using business value of performance metrics to adaptively select web content
CN100456298C (zh) * 2006-07-12 2009-01-28 百度在线网络技术（北京）有限公司 广告信息检索系统及广告信息检索方法
US11715067B2 (en) * 2006-07-28 2023-08-01 Messagepoint Inc. System and method for customer touchpoint management
JP2008094045A (ja) 2006-10-16 2008-04-24 Ricoh Co Ltd 画像形成装置、サーバおよびプログラム
US20080103795A1 (en) * 2006-10-25 2008-05-01 Microsoft Corporation Lightweight and heavyweight interfaces to federated advertising marketplace
US9405830B2 (en) * 2007-02-28 2016-08-02 Aol Inc. Personalization techniques using image clouds
JP2008225791A (ja) * 2007-03-12 2008-09-25 Nomura Research Institute Ltd コンテンツ配信システム
US7941740B2 (en) * 2007-07-10 2011-05-10 Yahoo! Inc. Automatically fetching web content with user assistance
US8332258B1 (en) * 2007-08-03 2012-12-11 At&T Mobility Ii Llc Business to business dynamic pricing system
US8392246B2 (en) * 2007-08-30 2013-03-05 Google Inc. Advertiser ad review
US20090163183A1 (en) * 2007-10-04 2009-06-25 O'donoghue Hugh Recommendation generation systems, apparatus and methods
US8850362B1 (en) * 2007-11-30 2014-09-30 Amazon Technologies, Inc. Multi-layered hierarchical browsing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080043764A (ko) * 2005-06-28 2008-05-19 초이스스트림, 인코포레이티드 타게팅 광고용 통계 시스템에 관한 방법 및 장치
KR20080031058A (ko) * 2005-07-29 2008-04-07 야후! 인크. 광고 캠페인 정보에 관해 광고주에 의해 정의되는 그룹들을표시하는 사용자 인터페이스를 생성 및 제공하기 위한시스템 및 방법
JP2007328496A (ja) * 2006-06-07 2007-12-20 Yuichi Isobe 情報検索システム、情報検索方法、情報検索プログラム及びそのプログラムを記録した記録媒体

Also Published As

Publication number Publication date
WO2010121132A1 (en) 2010-10-21
AU2010201518B2 (en) 2012-08-16
CN101937446A (zh) 2011-01-05
CA2700030A1 (en) 2010-10-16
CA2700775C (en) 2016-10-18
EP2242017A1 (en) 2010-10-20
JP2010250830A (ja) 2010-11-04
KR101233859B1 (ko) 2013-02-15
JP2014199684A (ja) 2014-10-23
US20100269050A1 (en) 2010-10-21
AU2010201495B2 (en) 2012-04-12
CA2758805A1 (en) 2010-10-21
CA2700775A1 (en) 2010-10-16
CN101937446B (zh) 2015-07-15
CN101937545B (zh) 2016-01-20
KR20100114859A (ko) 2010-10-26
US9449326B2 (en) 2016-09-20
CA2700030C (en) 2019-11-05
AU2010201495A1 (en) 2010-11-04
AU2010201518A1 (en) 2010-11-04
AU2010236248A1 (en) 2011-11-03
KR20100114860A (ko) 2010-10-26
JP5460437B2 (ja) 2014-04-02
JP2010250827A (ja) 2010-11-04
US20100268731A1 (en) 2010-10-21
CN101937545A (zh) 2011-01-05
EP2242016A1 (en) 2010-10-20
US20120030009A1 (en) 2012-02-02
JP5961666B2 (ja) 2016-08-02

Similar Documents

Publication Publication Date Title
KR101324909B1 (ko) 터치포인트 커스터마이제이션 시스템
US8799814B1 (en) Automated targeting of content components
CN106021586B (zh) 一种信息处理方法及服务器
US8538811B2 (en) Method and apparatus for social network marketing with advocate referral
US8560390B2 (en) Method and apparatus for social network marketing with brand referral
US8554623B2 (en) Method and apparatus for social network marketing with consumer referral
US9420319B1 (en) Recommendation and purchase options for recommemded products based on associations between a user and consumed digital content
US20180005271A1 (en) Information processing method, server, and computer storage medium
US20140236708A1 (en) Methods and apparatus for a predictive advertising engine
US20150235275A1 (en) Cross-device profile data management and targeting
US8725559B1 (en) Attribute based advertisement categorization
US20150235258A1 (en) Cross-device reporting and analytics
US20120158502A1 (en) Prioritizing advertisements based on user engagement
WO2011142486A1 (ja) 広告表示ｕｉおよび広告システム
US20090281884A1 (en) System and process for receiving boosting recommendations for use in providing personalized advertisements to retail customers
Yuan et al. Sequential selection of correlated ads by pomdps
CN105528459B (zh) 一种信息处理方法、服务器及终端
US8732271B1 (en) Sponsored message network based on community preferences
US20210272155A1 (en) Method for modeling digital advertisement consumption
US20090198553A1 (en) System and process for generating a user model for use in providing personalized advertisements to retail customers
JP2022531410A (ja) デジタル人類学及び民族誌学システム
US20230195798A1 (en) Utility based inquiry selection in a streaming data pipeline
US20160148271A1 (en) Personalized Marketing Based on Sequence Mining
US20090198556A1 (en) System and process for selecting personalized non-competitive electronic advertising
CN114996553A (zh) 一种动态视频封面生成方法

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
E902 Notification of reason for refusal
N231 Notification of change of applicant
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160929

Year of fee payment: 4