KR101853043B1 - 정밀 제어들로 컨텐츠 선택 - Google Patents

정밀 제어들로 컨텐츠 선택 Download PDF

Info

Publication number
KR101853043B1
KR101853043B1 KR1020167008365A KR20167008365A KR101853043B1 KR 101853043 B1 KR101853043 B1 KR 101853043B1 KR 1020167008365 A KR1020167008365 A KR 1020167008365A KR 20167008365 A KR20167008365 A KR 20167008365A KR 101853043 B1 KR101853043 B1 KR 101853043B1
Authority
KR
South Korea
Prior art keywords
content
content selection
selection parameter
device identifier
precision
Prior art date
Application number
KR1020167008365A
Other languages
English (en)
Other versions
KR20160049543A (ko
Inventor
롱 게
용 쉥
아서 아선션
조나단 마이클 프라프시크
이밍 리
Original Assignee
구글 엘엘씨
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 구글 엘엘씨 filed Critical 구글 엘엘씨
Publication of KR20160049543A publication Critical patent/KR20160049543A/ko
Application granted granted Critical
Publication of KR101853043B1 publication Critical patent/KR101853043B1/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
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0244—Optimization
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0267—Wireless devices
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Abstract

정밀 제어들로 컨텐츠 선택을 위한 시스템들 및 방법들은 컨텐츠 제공자에 의해 특정된 정황도와 컨텐츠 선택 파라미터 값을 수신하는 것을 포함한다. 디바이스 식별자에 대한 컨텐츠 선택 파라미터 값은 예측 모델을 사용하여 예측된다. 정밀 팩터는 예측된 컨텐츠 선택 파라미터 값과 관련된다. 제공자로부터의 컨텐츠는 예측된 선택 파라미터 값과 디바이스 식별자에 대한 정밀 팩터와 컨텐츠 제공자에 의해 특정된 정밀도와 선택 파라미터 값과의 비교에비교에된다.

Description

정밀 제어들로 컨텐츠 선택{CONTENT SELECTION WITH PRECISION CONTROLS}
온라인 컨텐츠는 다양한 제1-파티(first-party) 또는 서드-파티(third-party) 소스들로부터 수신된다. 일반적으로, 제1-파티 컨텐츠는 사용자의 디바이스에 의해 요청되거나 또는 디스플레이되는 주된 온라인 컨텐츠를 지칭한다. 예를 들면, 제1-파티 컨텐츠는 디바이스에서 실행되는 클라이언트 또는 단독형 어플리케이션(예를 들면, 비디오 게임, 채팅 프로그램 등)에 의해 요청된 웹페이지이다. 이와 대조적으로, 서드-파티 컨텐츠는 제1-파티 컨텐츠와 함께 제공되는 추가적인 컨텐츠를 지칭한다. 예를 들면, 서드-파티 컨텐츠는 요청된 웹페이지와 함께(예를 들면, 검색 엔진으로부터의 검색 결과 페이지, 온라인 기사를 포함하는 웹페이지, 소셜 네트워킹 서비스의 웹페이지 등) 또는 단독형 어플리케이션 내에(예를 들면, 게임 내 광고) 나타나는 공익 광고 또는 광고이다. 더 일반적으로, 제1-파티 컨텐츠 제공자는 다른 컨텐츠 제공자(즉, 서드-파티 컨텐츠 제공자)로 하여금 제1-파티 컨텐츠 제공자의 컨텐츠와 함께 컨텐츠를 제공하게 하는 임의의 컨텐츠 제공자이다.
정밀 제어들로 컨텐츠 선택을 위한 시스템들 및 방법들의 구현예들이 본 명세서에 개시된다. 일 구현예는, 디바이스에 의한 제시를 위해 컨텐츠를 선택하는 방법이다. 상기 방법은 하나 이상의 프로세서들에 의해, 디바이스 식별자들의 세트와 관련된 온라인 액션들에 기초하여 컨텐츠 선택 파라미터의 값들을 추정하는 예측 모델(predictive model)을 생성하는 단계를 포함한다. 또한 상기 방법은 상기 하나 이상의 프로세서들에서, 상기 디바이스를 나타내는 디바이스 식별자와 관련된 온라인 액션들을 표시하는 데이터를 수신하는 단계를 포함한다. 상기 방법은 상기 하나 이상의 프로세서들에 의해, 상기 예측 모델과 상기 디바이스 식별자와 관련된 온라인 액션들을 표시하는 상기 데이터를 사용하여 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값을 결정하는 단계를 더 포함한다. 또한 상기 방법은 상기 하나 이상의 프로세서들에 의해, 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 정밀 팩터(precision factor)를 결정하는 단계를 포함한다. 상기 방법은 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 값 및 정밀도를 수신하는 단계를 추가적으로 포함한다. 상기 방법은 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터의 상기 값과 상기 예측된 값과의 비교에 부분적으로 기초하여, 그리고 상기 컨텐츠 제공자에 의해 특정된 상기 정밀도와 상기 예측된 값과 관련된 상기 정밀 팩터와의 비교에 부분적으로 기초하여 상기 디바이스에 의한 제시를 위한 상기 컨텐츠 제공자의 컨텐츠를 선택하는 단계를 더 포함한다.
다른 구현예는 디바이스에 의한 제시를 위한 컨텐츠를 선택하기 위한 시스템이다. 상기 시스템은 디바이스 식별자들의 세트와 관련된 온라인 액션들에 기초하여 컨텐츠 선택 파라미터의 값들을 추정하는 예측 모델을 생성하도록 구성된 하나 이상의 프로세서들을 포함한다. 또한 상기 하나 이상의 프로세서들은 상기 디바이스를 나타내는 디바이스 식별자와 관련된 온라인 액션들을 표시하는 데이터를 수신하도록 구성된다. 상기 하나 이상의 프로세서들은 상기 예측 모델과 상기 디바이스 식별자와 관련된 온라인 액션들을 표시하는 상기 데이터를 사용하여 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값을 결정하도록 추가적으로 구성된다. 상기 하나 이상의 프로세서들은 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 정밀 팩터(precision factor)를 결정하도록 더 구성된다. 또한 상기 하나 이상의 프로세서들은 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 값 및 정밀도를 수신하도록 구성된다. 상기 하나 이상의 프로세서들은 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터의 상기 값과 상기 예측된 값과의 비교에 부분적으로 기초하여, 그리고 상기 컨텐츠 제공자에 의해 특정된 상기 정밀도와 상기 예측된 값과 관련된 상기 정밀 팩터와의 비교에 부분적으로 기초하여 상기 디바이스에 의한 제시를 위한 상기 컨텐츠 제공자의 컨텐츠를 선택하도록 추가적으로 구성된다.
추가적 구현예는 기계 명령들이 저장된 컴퓨터-판독가능 저장 매체로서, 상기 명령들은 프로세서에 의해 실행가능하며, 상기 프로세서로 하여금 동작들을 수행하게 한다. 상기 동작들은 디바이스 식별자들의 세트와 관련된 온라인 액션들에 기초하여 컨텐츠 선택 파라미터의 값들을 추정하는 예측 모델을 생성하는 동작을 포함한다. 또한 상기 동작들은 상기 디바이스를 나타내는 디바이스 식별자와 관련된 온라인 액션들을 표시하는 데이터를 수신하는 동작을 포함한다. 상기 동작들은 상기 예측 모델과 상기 디바이스 식별자와 관련된 온라인 액션들을 표시하는 상기 데이터를 사용하여 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값을 결정하는 동작을 더 포함한다. 또한 상기 동작들은 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 정밀 팩터(precision factor)를 결정하는 동작을 포함한다. 상기 동작들은 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 값 및 정밀도를 수신하는 동작을 더 포함한다. 또한 동작들은 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터의 상기 값과 상기 예측된 값과의 비교에 부분적으로 기초하여, 그리고 상기 컨텐츠 제공자에 의해 특정된 상기 정밀도와 상기 예측된 값과 관련된 상기 정밀 팩터와의 비교에 부분적으로 기초하여 상기 디바이스에 의한 제시를 위한 상기 컨텐츠 제공자의 컨텐츠를 선택하는 동작을 포함한다.
이들 구현예들은 본 발명의 범위를 제한하거나 정의하기 위해 언급되지 않았으며, 본 발명의 이해를 돕기 위해 본 발명의 구현예의 예시를 제공하기 위해 언급되었다. 특정 구현예들은 하나 이상의 다음 이점들을 실현하기 위해 개발되었다.
하나 이상의 구현예들의 세부사항들이 첨부하는 도면들과 이하의 설명에 기재된다. 본 발명의 다른 구성들, 양태들 및 이점들은 설명, 도면들 및 청구항들로부터 분명해질 것이다.
도 1은 서드-파티 컨텐츠가 제1-파티 컨텐츠와 함께 제시되기 위해 선택되는 컴퓨터 시스템의 구현예의 블록 다이어그램이다.
도 2는 제1-파티 웹페이지를 내장된 서드-파티 컨텐츠와 함께 보여주는 전자적 디스플레이의 일 구현예의 도시이다.
도 3은 정밀 제어들을 사용하여 서드-파티 컨텐츠를 선택하기 위한 프로세스의 일 구현예이서 취해진 단계들의 흐름도이다.
도 4는 컨텐츠 선택 파라미터들을 예측하기 위해 생성된 모델의 일 구현예의 도시이다.
도 5는 디바이스 식별자에 대한 컨텐츠 선택 파라미터들을 예측하는데 사용되는 도 4의 예측 모델의 일 구현예의 도시이다.
도 6은 도 1의 컨텐츠 선택 서비스의 일 구현예의 블록 다이어그램이다.
도7는 서드-파티 컨텐츠 제공자로 하여금 컨텐츠 선택 파라미터들을 정밀 제어들로 특정하게 하기 하도록 구성되는 인터페이스의 일 구현예의 도시이다.
다양한 도면들에서 동일한 참조 번호들 및 기호들은 동일한 엘리먼트를 표시한다.
본 발명의 다양한 양태들에 따르면, 제1-파티 컨텐츠 제공자는 컨텐츠 선택 서비스로 하여금 어떤 서드-파티 컨텐츠가 제1-파티 제공자의 컨텐츠와 함께 제공될지 결정하게 한다. 그렇게 하는 대신에, 제1-파티 컨텐츠 제공자는 서드-파티 컨텐츠 제공자들로부터 컨텐츠 선택 서비스에 의해 수집된 임의의 수입들의 부분을 받는다. 예를 들면, 웹사이트 운영자는 서드-파티 광고들이 웹사이트의 페이지들 상의 배치를 위해 컨텐츠 선택 서비스에 의해 선택되게 한다. 그 후, 컨텐츠 선택 서비스는 웹사이트에 컨텐츠를 배치하는 서드-파티 컨텐츠 제공자들에게 일정 금액을 과금하고, 이 금액의 퍼센티지를 제1-파티 컨텐츠 제공자에게 분배한다.
컨텐츠 선택 서비스는 서드-파티 컨텐츠의 선택이 서드-파티 컨텐츠 제공자에 의해 특정된 컨텐츠 선택 파라미터들의 임의의 수에 기초하도록 구성된다. 예를 들면, 서드-파티 광고주는 어떤 디바이스들이 광고주로부터 광고들을 수신할지 제어하기 위해 컨텐츠 선택 파라미터들을 사용한다. 컨텐츠 선택 파라미터들은 서드-파티 컨텐츠를 수신할 적격이 있는 디바이스들의 타입들(예를 들면, 디바이스가 데스크톱 디바이스, 모바일 디바이스, 타블렛 디바이스 등인지 여부에 기초하여) 또는 디바이스들의 구성(예를 들면, 디바이스의 운영체제, 하드웨어 구성 등)을 제어하는 파라미터들과 같은 임의의 타입이다. 추가로, 컨텐츠 선택 파라미터들은 서드-파티 컨텐츠가 함께 제시될 제1-파티 컨텐츠를 제어한다. 예를 들면, 일부 컨텐츠 선택 파라미터들은 검색 키워드들(예를 들면, 만약 서드-파티 컨텐츠가 검색 결과들과 함께 제시되는 경우), 주제별 카테고리들(예를 들면, 만약 서드-파티 컨텐츠가 제1-파티 웹사이트들 또는 제1-파티 어플리케이션들에서 제시되는 경우) 또는 제1-파티 컨텐츠의 다른 특징들에 대응한다. 일부 경우들에서, 서드-파티 컨텐츠 제공자는 서드-파티 컨텐츠가 함께 제시될 특정 제1-파티 웹사이트들 또는 어플리케이션들을 특정할 수 있다.
컨텐츠 선택 서비스는 사용자의 특징들(예를 들면, 사용자의 소셜 네트워크에 관한 정보, 소셜 액션들 또는 활동들, 사용자의 선호들, 사용자의 현재 위치, 사용자의 인구통계 등)에 대응하는 컨텐츠 선택 파라미터들을 사용하게 한다. 상기 경우들에서, 시스템은 사용자의 프라이버시를 보장하기 위해 추가적인 단계들을 밟는다. 예를 들면, 사용자에게 어떤 프로그램들 또는 구성들이 사용자에 관한 정보를 수집할지, 수집될 정보의 타입들, 및/또는 서드-파티 컨텐츠가 컨텐츠 선택 서비스에 의해 어떻게 선택되고 사용자에게 제시될지를 제어하기 위한 기회가 제공된다. 디바이스 식별자와 같은 일정 데이터는 그것이 저장되거나 사용되기 전에 하나 이상의 방식들로 익명화되어, 개인적으로 식별가능한 정보는 서드-파티 컨텐츠를 선택하기 위해 컨텐츠 선택 서비스에 의해 사용되는 컨텐츠 선택 파라미터들을 생성할 때 제거된다. 예를 들면, 디바이스 식별자는 익명화되어 디바이스 식별자에 대응하는 사용자에 관한 개인적으로 식별가능한 정보는 디바이스 식별자로부터 컨텐츠 선택 서비스에 의해 결정되지 않는다. 다른 예시에서, 사용자의 지리적 위치는 위가 정보가 획득된 곳에서 일반화되어(도시, 우편번호, 주 레벨로와 같이), 사용자의 정확한 위치가 결정될 수 없게 된다. 따라서, 디바이스의 사용자는 그 또는 그녀에 관한 정보가 어떻게 수집되고 컨텐츠 선택 서비스에 의해 사용될지에 관한 제어를 가진다.
컨텐츠 선택 서비스는 사용자의 프라이버시를 보장하는 조치들을 여전히 취하면서 사용자에 관한 컨텐츠 선택 파라미터 값들을 예측한다. 다시 말해서, 컨텐츠 선택 서비스는 사용자에 관한 개인적으로 식별가능한 정보를 사용하지 않으나, 그럼에도 어떤 컨텐츠가 사용자의 디바이스에 의한 제시를 위해 선택될지 제어하기 위해 사용자의 특징들을 예상하도록 시도한다. 예를 들면, 컨텐츠 선택 서비스는 어떤 서드-파티 컨텐츠가 사용자의 디바이스에 의한 제시를 위해 선택될 적격이 있는지 제어하기 위해 사용자의 예상된 나이 또는 성별에 대응하는 선택 파라미터 값들을 사용한다. 일부 경우들에서, 서비스는 서로 다른 파라미터들을 단일의 컨텐츠 선택 파라미터로 조합되도록 구성된다. 예를 들면, 컨텐츠 선택 서비스는 예측된 나이 및 성별의 조합에 대응하는 값을 가지는 컨텐츠 선택 파라미터를 사용한다. 또한 일부 구현예들에서, 컨텐츠 선택 서비스는 임의의 예측된 컨텐츠 선택 파라미터 값들과 관련된 정밀 팩터들을 결정한다. 정밀 팩터들은 예측된 컨텐츠 선택 파라미터 값들에 대한 신뢰도를 나타낸다. 예를 들면, 예상된 컨텐츠 선택 파라미터 값은 80%의 관련 정밀도를 가지며, 이는 사용자의 실제 특징이 컨텐츠 선택 파라미터의 예상된 값과 일치할 80% 확률을 표시한다.
일부 구현예들에서, 컨텐츠 선택 서비스는 서드-파티 컨텐츠 제공자로 하여금 컨텐츠 선택 파라미터를 사용할 때 정밀 팩터를 특정하게 하도록 구성된다. 예를 들면, 서드-파티 컨텐츠 제공자는 24세 내지 34세의 나이 범위 또는 여성의 성별에 대응하는 컨텐츠 선택 파라미터 값을 85%의 정밀도로 특정한다. 정밀도가 증가함에 따라, 제공자로부터 컨텐츠를 수신할 적격이 있는 디바이스들의 풀은 감소한다. 반대로, 정밀도를 낮추는 것은 제공자의 컨텐츠에 대한 잠재적 시청자를 증가시킨다. 따라서, 서로 다른 서드-파티 컨텐츠 제공자들은 제공자의 목표들에 따라 동일한 컨텐츠 선택 파라미터 값에 대해 서로 다른 정밀 팩터들을 사용한다.
도 1을 참조하면, 기술된 구현예에 따르는 컴퓨터 시스템(100)의 블록 다이어그램이 도시된다. 시스템(100)은 네트워크(106)를 통해 다른 컴퓨팅 디바이스들과 통신하는 클라이언트 디바이스(102)를 포함한다. 클라이언트 디바이스(102)는 네트워크(106)를 통해 다른 디바이스들로부터 컨텐츠를 검색하기 위해 웹브라우저 또는 다른 어플리케이션(예를 들면, 비디오 게임, 메신저 프로그램, 미디어 플레이어, 소셜 네트워킹 어플리케이션 등)을 실행한다. 예를 들면, 클라이언트 디바이스(102)는 임의의 수의 컨텐츠 소스들(108, 110)(예를 들면, n번째 컨텐츠 소스를 중에 제1 컨텐츠 소스)과 통신한다. 컨텐츠 소스들(108, 110)은 웹페이지 데이터 및 이미지들, 비디오 및 오디오와 같은 다른 컨텐츠를 클라이언트 디바이스(102)에 제공한다. 또한, 컴퓨터 시스템(100)은 클라이언트 디바이스(102)에 제공될 서드-파티 컨텐츠를 선택하도록 구성된 컨텐츠 선택 서비스(104)를 포함한다. 예를 들면, 컨텐츠 소스(108)는 제1-파티 웹페이지를 클라이언트 디바이스(102)에 제공하며, 제1-파티 웹페이지는 컨텐츠 선택 서비스(104)에 의해 선택된 추가적인 서드-파티 컨텐츠를 포함한다.
네트워크(106)는 클라이언트 디바이스(102), 컨텐츠 소스들(108, 110) 및 컨텐츠 선택 서비스(104) 사이의 정보를 릴레이하는 임의의 형태의 컴퓨터 네트워크이다. 예를 들면, 네트워크(106)는 인터넷 및/또는 근거리 네트워크(LAN), 광역 네트워크(WAN), 셀룰러 네트워크, 위성 네트워크와 같은 다른 타입들의 데이터 네트워크들을 포함한다. 또한 네트워크(106)는 네트워크(106) 내에서 데이터를 수신하고 및/또는 전송하도록 구성된 임의의 수의 컴퓨팅 디바이스들(예를 들면, 컴퓨터, 서버들, 라우터들, 네트워크 스위치들 등)을 포함한다. 네트워크(106)는 임의의 수의 유선 및/또는 무선 연결들을 더 포함한다. 예를 들면, 클라이언트 디바이스(102)는 네트워크(106)에서 다른 컴퓨팅 디바이스들과 유선으로 연결된(예를 들면, 광섬유 케이블, CAT5 케이블 등을 통해) 트랜스시버로 무선으로(예를 들면, WiFi, 셀룰러, 라디오 등을 통해) 통신한다.
클라이언트 디바이스(102)는 네트워크(106)를 통해 통신하도록 구성된 임의의 수의 서로 다른 타입들의 사용자 전자 디바이스들이다(예를 들면, 랩톱 컴퓨터, 데스크톱 컴퓨터, 타블렛 컴퓨터, 스마트폰, 디지털 비디오 레코더, 텔레비전용 셋톱박스, 비디오 게임 콘솔, 그것들의 조합 등). 일부 구현예들에서, 클라이언트 디바이스(102)의 타입은 모바일 디바이스, (예를 들면, 정적이도록 의도되거나 또는 근거리 네트워크를 통해 네트워크(106)에 주로 엑세스하도록 구성된) 데스크톱 디바이스, 또는 다른 카테고리의 전자 디바이스들(예를 들면, 타블렛 디바이스들은 제3 카테고리 등)로 카테고리화된다. 클라이언트 디바이스(102)는 프로세서(112) 및 메모리(114)를 포함하도록 도시되었다. 메모리(114)는 프로세서(112)에 의해 실행될 때, 프로세서(112)로 하여금 본 명세서에 기술된 하나 이상의 동작들을 수행하게 하는 기계 명령들을 저장한다. 프로세서(112)는 마이크로프로세서, ASIC, FPGA 등 또는 그것들의 조합들을 포함한다. 메모리(114)는 프로세서(112)에 프로그램 명령들을 제공할 수 있는 전자적, 광학적, 자기적 또는 임의의 기타 저장 또는 전송 디바이스를 포함하나 그에 제한되지 않는다. 메모리(114)는 플로피 디스크, CD-ROM, DVD, 자기 디스크, 메모리칩, ROM, RAM, EEPROM, EPROM, 플래시 메모리, 광학 미디어 또는 그로부터 프로세서(112)가 명령들을 판독할 수 있는 임의의 기타 적절한 메모리를 포함한다. 명령들은 임의의 적절한 컴퓨터 프로그래밍 언어로부터의 코드를 포함한다.
클라이언트 디바이스(102)는 하나 이상의 사용자 인터페이스 디바이스들을 포함한다. 사용자 인터페이스는 임의의 전자 디바이스이며, 이는 감각적 정보(예를 들면 디스플레이에 시각화, 하나 이상의 소리들, 촉각적 피드백 등)를 생성함으로써 데이터를 사용자에게 전달하고, 사용자로부터 수신된 감각적 정보를 전자적 신호들로 변환한다(예를 들면, 키보드, 마우스, 포인팅 디바이스, 터치 스크린 디스플레이, 마이크 등). 다양한 구현예들에 따르면, 하나 이상의 사용자 인터페이스 디바이스들은 클라이언트 디바이스(102)의 하우징 내부에 있거나(예를 들면, 빌트인 디스플레이, 마이크 등) 또는 클라이언트 디바이스(102)의 하우징 외부에 있다(예를 들면, 클라이언트 디바이스(102)에 연결된 모니터, 클라이언트 디바이스(102)에 연결된 스피커 등). 예를 들면, 클라이언트 디바이스(102)는 전자적 디스플레이(116)를 포함하며, 이는 컨텐츠 소스들(108, 110) 및/또는 컨텐츠 선택 서비스(104)로부터 수신된 웹페이지들 및 다른 데이터를 디스플레이한다. 다양한 구현예들에서, 디스플레이(116)는 프로세서(112) 및/또는 메모리(114)의 하우징과 동일한 하우징의 내부 또는 외부에 위치된다. 예를 들면, 디스플레이(116)는 컴퓨터 모니터, 텔레비전 세트와 같은 외부 디스플레이 또는 임의의 기타 단독형의 전자적 디스플레이이다. 다른 예시들에서, 디스플레이(116)는 랩톱 컴퓨터, 모바일 디바이스 또는 통합된 디스플레이를 가지는 기타 형태의 컴퓨팅 디바이스의 하우징에 통합된다.
컨텐츠 소스들(108, 110)은 네트워크(106)에 연결된 하나 이상의 전자적 디바이스들이며, 컨텐츠 소스들(108, 110)은 컨텐츠를 네트워크(106)에 연결된 디바이스들에 제공한다. 예를 들면, 컨텐츠 소스들(108, 110)은 컴퓨터 서버들(예를 들면, FTP서버들, 파일 공유 서버들, 웹 서버들 등) 또는 서버들의 조합들(예를 들면, 데이터 센터들, 클라우드 컴퓨팅 플랫폼들 등)이다. 컨텐츠는 웹페이지 데이터, 미디어 파일들, 검색 결과들, 다른 형태들의 전자적 문서들 및 클라이언트 디바이스(102)에 의해 실행 가능한 어플리케이션들을 포함하나, 그에 제한되지 않는다. 예를 들면, 컨텐츠 소스(108)는 온라인 검색 엔진이며, 이는 검색 쿼리에 응답하여 검색 결과 데이터를 클라이언트 디바이스(102)에 제공한다. 다른 예시에서, 컨텐츠 소스(110)는 제1-파티 웹서버이며, 이는 웹페이지에 대한 요청에 응답하여 웹페이지 데이터를 클라이언트 디바이스(102)에 제공한다. 클라이언트 디바이스(102)와 유사하게, 컨텐츠 소스들(108, 110)은 프로세서들(122, 126) 및 프로세서들(122, 126)에 의해 실행 가능한 프로그램 명령들을 저장하는 메모리들(124, 128)을 각각 포함한다. 예를 들면, 컨텐츠 소스(108)의 프로세싱 회로는 웹서버 소프트웨어, FTP 서비스 소프트웨어 및 컨텐츠 소스(108)로 하여금 네트워크(106)를 통해 컨텐츠를 제공하게 하는 다른 타입들의 소프트웨어와 같은 명령들을 포함한다.
다양한 구현예들에 따르면, 컨텐츠 소스들(108, 110)은 하나 이상의 컨텐츠 태그들을 포함하는 제1-파티 웹페이지 데이터를 클라이언트 디바이스(102)에 제공한다. 일반적으로 컨텐츠 태그는 서드-파티 컨텐츠를 제1-파티 웹페이지에 포함시키는 액션과 관련된 임의의 웹페이지 코드의 조각을 지칭한다. 예를 들면, 컨텐츠 태그는 서드-파티 컨텐츠에 대한 웹페이지 상의 슬롯, 페이지 밖의 서드-파티 컨텐츠에 대한 슬롯(예를 들면, 삽입형 슬롯(interstitial slot)), 서드-파티 컨텐츠가 비동기식으로 또는 동기식으로 로딩되어야 하는지 여부, 서드-파티 컨텐츠의 로딩이 웹페이지 상에서 사용할 수 비활성화되어야 하는지 여부, 성공적이지 않게 로딩된 서드-파티 컨텐츠가 리프레시되어야 하는지 여부, 서드-파티 컨텐츠를 제공하는 컨텐츠 소스의 네트워크 위치(예를 들면, 컨텐츠 소스들(108, 110), 컨텐츠 선택 서비스(104) 등), 서드-파티 컨텐츠에 클릭하는 것과 관련된 네트워크 위치(예를 들면, URL), 서드-파티 컨텐츠가 디스플레이에 어떻게 렌더링되는지, 클라이언트 디바이스(102)로 하여금 브라우저 쿠키를 설정하게 하는 명령(예를 들면, 이미지 요청을 통해 쿠키를 설정하는 픽셀 태그를 통해), 서드-파티 컨텐츠를 검색하는데 사용되는 하나 이상의 키워드들, 및 서드-파티 컨텐츠를 제1-파티 웹페이지에 제공하는 것과 관련된 다른 기능들을 정의한다. 예를 들면, 컨텐츠 소스(108)는 제1-파티 웹페이지 데이터를 클라이언트 디바이스(102)에 서비스하고, 클라이언트 디바이스(102)로 하여금 서드-파티 컨텐츠를 컨텐츠 선택 서비스(104)로부터 검색하게 한다. 다른 구현예에서, 컨텐츠는 컨텐츠 선택 서비스(104)에 의해 선택되고 클라이언트 디바이스(102)로 보내지는 제1-파티 웹페이지의 일부로서 컨텐츠 소스(108)에 의해 제공된다. 추가적 예시에서, 컨텐츠 선택 서비스(104)는 클라이언트 디바이스(102)로 하여금 메모리(114) 또는 컨텐츠 소스들(108, 110)과 같은 특정 위치로부터 서드-파티 컨텐츠를 검색하게 한다.
또한 컨텐츠 선택 서비스(104)는 네트워크(106)에 연결된 하나 이상의 전자적 디바이스들이다. 컨텐츠 선택 서비스(104)는 컴퓨터 서버(예를 들면, FTP 서버들, 파일 공유 서버들, 웹 서버들 등) 또는 서버들의 조합(예를 들면 데이터 센터, 클라우드 컴퓨팅 플랫폼 등)이다. 컨텐츠 선택 서비스(104)는 프로세서(118) 및 프로세서(118)에 의해 실행 가능한 프로그램 명령들을 저장하는 메모리(120)를 포함한다. 컨텐츠 선택 서비스(104)가 컴퓨팅 디바이스들의 조합인 경우들에서, 프로세서(118)는 디바이스들의 집합적 프로세서들을 나타내고, 메모리(120)는 디바이스들의 집합적 메모리들을 나타낸다.
컨텐츠 선택 서비스(104)는 클라이언트 디바이스(102)에 의한 제시를 위해 서드-파티 컨텐츠를 선택하도록 구성된다. 일 구현예에서, 선택된 서드-파티 컨텐츠는 컨텐츠 선택 서비스(104)에 의해 네트워크(106)를 통해 클라이언트 디바이스(102)에 제공된다. 예를 들면, 컨텐츠 소스(110)는 서드-파티 컨텐츠를 컨텐츠 선택 서비스(104)에 업로드한다. 그 후, 컨텐츠 선택 서비스(104)는 서드-파티 컨텐츠를 컨텐츠 소스(108)에 의해 제공된 제1-파티 컨텐츠와 함께 제시될 클라이언트 디바이스(102)에 제공한다. 다른 구현예들에서, 컨텐츠 선택 서비스(104)는 명령을 클라이언트 디바이스(102)에 제공하며, 명령은 클라이언트 디바이스(102)로 하여금 선택된 서드-파티 컨텐츠를 (예를 들면, 클라이언트 디바이스(102)의 메모리(114)로부터, 컨텐츠 소스(110)으로부터 등) 검색하게 한다. 예를 들면, 컨텐츠 선택 디바이스(104)는 클라이언트 디바이스(102)에 의해 방문되고 있는 제1-파티 웹페이지의 일부로서 또는 클라이언트 디바이스(102)에 의해 실행되고 있는 제1-파티 어플리케이션 내에서(예를 들면, 게임, 메신저 어플리케이션 등 내에서) 제공될 서드-파티 컨텐츠를 선택한다.
일부 구현예들에서, 컨텐츠 선택 서비스(104)는 클라이언트 디바이스(102)에 대한 디바이스 식별자와 관련된 데이터에 기초하여 컨텐츠를 선택하도록 구성된다. 일반적으로, 디바이스 식별자는 컨텐츠 선택 서비스(104)에 의해 선택된 컨텐츠를 검색하는 디바이스 또는 소프트웨어를 나타내는데 사용되는 임의의 형태의 데이터를 지칭한다. 일부 구현예들에서, 디바이스 식별자는 하나 이상의 다른 디바이스 식별자들과 관련된다(예를 들면, 모바일 디바이스에 대한 디바이스 식별자, 홈 컴퓨터에 대한 디바이스 식별자 등). 디바이스 식별자들은 쿠키들, 디바이스 시리얼 번호들, 사용자 프로필 데이터 또는 네트워크 주소들을 포함하나, 그에 제한되지 않는다. 예를 들면, 클라이언트 디바이스(102) 상의 쿠키 세트는 컨텐츠 선택 서비스(104)에 대해 클라이언트 디바이스(102)를 식별하는데 사용된다. 컨텐츠 선택 서비스(104)는 어떤 타입들의 컨텐츠가 클라이언트 디바이스(102)에 의한 제시에 적격이 있는지 제어하는 컨텐츠 선택 파라미터 값들로서 클라이언트 디바이스(102)에 대한 디바이스 식별자와 관련된 임의의 형태의 데이터를 사용한다. 예를 들면, 디바이스 식별자와 관련된 데이터는 디바이스의 타입, 디바이스의 구성, 클라이언트 디바이스(102)가 일정한 서드-파티 컨텐츠를 수신할 적격이 있는지 여부를 제어하는데 사용될 수 있는 임의의 기타 그러한 정보를 표시한다.
컨텐츠 선택 서비스(104)는 클라이언트 디바이스(102)의 사용자와 관련될 가능성이 있는 서드-파티 컨텐츠를 선택하기 위해 예측된 사용자 특징들을 사용한다. 일부 구현예들에서, 클라이언트 디바이스(102)에 대한 디바이스 식별자와 관련된 데이터는 클라이언트 디바이스(102)의 사용자의 특징들을 예측하기 위해 컨텐츠 선택 서비스(104)에 의해 사용된다. 또한, 컨텐츠 선택 서비스(104)는 클라이언트 디바이스(102)의 사용자로 하여금, 사용자에 관한 어떤 타입들의 정보가 컨텐츠 선택 서비스(104)에 의해 수집될 것인지, 컨텐츠 선택 서비스(104)가 정보를 어떻게 사용할 것인지, 및/또는 컨텐츠 선택 서비스(104)가 클라이언트 디바이스(102)에 의한 제시를 위한 서드-파티 컨텐츠를 어떻게 선택할 것인지를 제어하게 함으로써 사용자의 프라이버시를 보호하도록 구성된다. 또한 클라이언트 디바이스(102)에 대한 디바이스 식별자는 컨텐츠 선택 서비스(104)에 의해 익명화되어, 클라이언트 디바이스(102)의 사용자에 관한 개인적으로 식별 가능한 정보가 클라이언트 디바이스(102)를 나타내는 디바이스 식별자를 분석함으로써 결정될 수 없게 한다.
일 구현예에서, 컨텐츠 선택 서비스(104)는 디바이스 식별자와 관련된 온라인 액션들을 표시하는 데이터를 수신한다. 컨텐츠 태그가 클라이언트 디바이스(102)로 하여금 컨텐츠 선택 서비스(104)로부터 컨텐츠를 요청하게 하는 구현예들에서, 상기 요청은 클라이언트 디바이스(102)에 대한 디바이스 식별자 및/또는 추가적인 정보(예를 들면, 로딩되고 있는 웹페이지, 참조 웹페이지 등)를 포함한다. 예를 들면, 컨텐츠 선택 서비스(104)는 클라이언트 디바이스(102)에 제공된 서드-파티 컨텐츠가 인터페이스 디바이스를 사용하여 선택되었는지 여부에 관한 이력 데이터를 수신하고 저장한다(예를 들면, 클라이언트 디바이스(102)의 사용자가 서드-파티 하이퍼링크, 서드-파티 이미지 등을 클릭함). 컨텐츠 선택 서비스(104)는 상기 데이터를 디바이스 식별자와 관련된 온라인 이벤트들의 이력을 기록하기 위해 저장한다. 일부 경우들에서 클라이언트 디바이스(102)는 이력 데이터를 컨텐츠 선택 서비스(104)에 컨텐츠 태그를 먼저 실행하지 않고 제공한다. 예를 들면, 클라이언트 디바이스(102)는 이력 데이터를 컨텐츠 선택 서비스(104)에 주기적으로 보내거나, 사용자 인터페이스 디바이스로부터 명령을 수신하는 것에 응답하여 보낸다. 일부 구현예들에서, 컨텐츠 선택 서비스(104)는 컨텐츠 소스들(108, 110)로부터 이력 데이터를 수신한다. 예를 들면, 컨텐츠 소스(108)는 클라이언트 디바이스(102)와의 웹 트랜잭션들에 관한 이력 데이터를 저장하고, 상기 이력 데이터를 컨텐츠 선택 서비스(104)에 제공한다.
컨텐츠 선택 서비스(104)는 클라이언트 디바이스(102)의 사용자의 관심인 하나 이상의 주제들을 식별하기 위해 온라인 액션들을 표시하는 데이터를 분석한다. 예를 들면, 컨텐츠 선택 서비스(104)는 웹페이지의 하나 이상의 주제들을 결정하기 위해 컨텐츠 소스(108)로부터의 웹페이지 상의 텍스트 및/또는 이미지 분석을 수행한다. 일부 구현예들에서, 주제는 컨텐츠 선택 서비스(104)에 의해 사용되는 미리 정의된 관심 카테고리에 대응한다. 예를 들면, 골프 주제에 전념한 웹페이지는 스포츠 관심 카테고리 하에 분류된다. 일부 경우들에서, 컨텐츠 선택 서비스(104)에 의해 사용된 관심 카테고리들은 분류학을 따른다(예를 들면, 관심 카테고리는 더 넓은 관심 카테고리 하에 분류된다). 예를 들면, 골프의 관심 카테고리는 /스포츠/골프, /스포츠/ 개인 스포츠/골프 또는 임의의 기타 계층적 카테고리이다. 유사하게, 컨텐츠 선택 서비스(104)는 웹페이지에 대한 하나 이상의 주제적 카테고리들을 식별하기 위해 클라이언트 디바이스(102)에 의해 엑세스된 제1-파티 웹페이지의 컨텐츠를 분석한다. 예를 들면, 컨텐츠 선택 서비스(104)는 웹페이지가 /스포츠/골프의 주제적 카테고리에 전념되었다는 것을 결정하기 위해 웹페이지 상의 텍스트 또는 이미 인식을 사용한다.
컨텐츠 선택 서비스(104)는 카테고리가 디바이스 식별자와 관련될지 여부를 결정하기 위해 관심 또는 제품 카테고리에 하나 이상의 가중치들을 적용한다. 예를 들면, 컨텐츠 선택 서비스(104)는 디바이스 식별자와 관련된 제품 또는 관심 카테고리들의 수에 대한 최대 한계를 둔다. 그 후 가장 높은 가중치들을 가지는 카테고리들의 최고 n-수는 특정 디바이스 식별자와 관련될 컨텐츠 선택 서비스(104)에 의해 선택된다. 카테고리 가중치는 예를 들면, 카테고리에 관한 디바이스 식별자에 의해 방문한 웹페이지들의 수, 방문시 카테고리의 주제가 방문한 웹페이지에서 얼마나 자주 언급되었는지, 또는 카테고리에 관한 디바이스 식별자에 의해 수행된 임의의 온라인 액션들에 기초한다. 예를 들면, 더 최근에 방문한 웹페이지들의 주제들은 더 과거에 방문한 웹페이지들 보다 더 높은 가중치를 받는다. 또한 카테고리들은 웹페이지 방문들이 발생한 시간 기간들에 의해 세분화된다 예를 들면, 관심 또는 제품 카테고리들은 디바이스 식별자가 상기 카테고리에 관한 웹페이지에 언제 방문했는지에 기초하여 장기, 단기 및 현재 카테고리들로 세분화된다.
일부 구현예들에서, 컨텐츠 선택 서비스(104)는 디바이스 식별자를 컨텐츠 선택 파라미터 값과 관련시키기 위해 예측 모델을 사용한다. 예측 모델은 다른 디바이스 식별자들에 대해 알려진 파라미터 값들에 부분적으로 기초한다. 예를 들면, 특정 웹사이트에 대한 방문자들의 적어도 일부가 사용자에 관한 정보를 포함하는 상기 웹사이트의 계정들에 로그인한다고 가정한다. 상기 정보는 상기 웹사이트를 또한 방문하는 다른 사용자들의 특징들을 예측하기 위해 예측 모델에서 사용된다(예를 들면, 웹사이트에 대해 로그인한 평균적 방문자가 남성이면, 웹사이트에 대한 다른 방문자 또한 남성일 가능성이 크다). 또한 일 구현예에서, 예측 모델은 예측된 파라미터 값과 관련된 하나 이상의 정밀 팩터들을 생성한다. 예를 들면, 모델은 80%의 신뢰도로 디바이스 식별자에 의해 표현되는 사용자 남성이라는 것을 예측한다. 일부 경우들에서, 모델은 디바이스 식별자에 대한 다수의 파라미터 값들을 예측한다. 예를 들면, 모델은 디바이스 식별자에 의해 표현되는 사용자는 75%의 정밀도로 24세에서 34세 사이의 나이이고, 98%의 정밀도로 18세 이상의 나이라고 예측한다. 따라서, 오버랩(overlap)되는 컨텐츠 선택 파라미터 값들의 서로 다른 그룹핑(grouping)은 서로 다른 정밀 팩터들을 결과로 한다.
컨텐츠 선택 서비스(104)는 어떤 서드-파티 컨텐츠가 클라이언트 디바이스(102)에 제공될 것인지 결정하기 위해 서드-파티 컨텐츠 제공자들 사이에 컨텐츠 경매를 수행하도록 구성된다. 예를 들면, 컨텐츠 선택 서비스(104)는 컨텐츠 소스들(108, 110) 중 하나로부터 제1-파티 컨텐츠를 요청하거나 또는 제1-파티 어플리케이션을 실행하는 클라이언트 디바이스(102)에 응답하여 실시간 컨텐츠 경매를 수행한다. 컨텐츠 선택 서비스(104)는 경매의 낙찰자를 결정하기 위해 임의의 수의 팩터들을 사용한다. 예를 들면, 컨텐츠 경매의 낙찰자는 서드-파티 제공자들의 입찰 및/도는 서드-파티 제공자의 컨텐츠에 대한 품질 점수에 부분적으로 기초한다(예를 들면, 클라이언트 디바이스(102)의 사용자가 컨텐츠에 클릭할 가능성이 얼마나 있는지의 측정치). 다시 말해서, 일부 구현예들에서는, 반드시 가장 높은 입찰자가 컨텐츠 선택 서비스(104)에 의해 수행되는 컨텐츠 경매의 낙찰자는 아니다.
컨텐츠 선택 서비스(104)는 어떻게 그리고 언제 제공자가 컨텐츠 경매들에 참여할지 제어하기 위해 서드-파티 컨텐츠 제공자들로 하여금 캠페인들 또는 다른 그룹핑들(예를 들면, 광고 그룹)을 생성하게 한다. 캠페인은 최대 입찰 금액, 최소 입찰 금액, 목표 입찰 금액 또는 하나 이상의 예산 금액들(예를 들면, 일별 예산, 주별 예산, 전체 예산 등)과 같은 임의의 수의 입찰-관련 파라미터들을 포함한다. 일부 경우들에서, 입찰 금액은 서드-파티 제공자가 클라이언트 디바이스(102)에 제시되는 그들의 컨텐츠에 대한 대가로 지불할 의향이 있는 금액에 대응한다. 다시 말해서, 입찰 금액은 임프레션 당 단가(Cost per Impression) 또는 1000번 임프레션 당 단가(Cost per thousand impressions, CPM) 기반이다. 추가 경우들에서, 입찰 금액은 클라이언트 디바이스에 제시되는 서드-파티 컨텐츠에 응답하여 수행되는 특정 액션에 대응한다. 예를 들면, 입찰 금액은 서드-파티 컨텐츠 제공자가 그들의 컨텐츠가 클라이언트 디바이스에서 클릭되어, 그에 의해 클라이언트 디바이스가 상기 제공자의 웹페이지로 리다이렉팅(redirecting)되면, 지불할 의향이 있는 화폐 금액이다. 다시 말해서, 입찰 금액은 클릭 당 단가(Cost per Click, CPC) 입찰 금액이다. 다른 예시에서, 입찰 금액은 클라이언트 디바이스(102)의 사용자가 구매를 하는 것과 같이 서드-파티 제공자의 웹사이트에서 수행되는 액션에 대응한다. 상기 입찰은 일반적으로 실적 당 단가(Cost per Acquisition, CPA) 또는 컨버젼 당 단가(Cost per conversion)로 지칭된다.
또한, 컨텐츠 선택 서비스(104)를 통해 생성된 캠페인은 컨텐츠 경매에서 서드-파티 제공자를 위해서 언제 입찰이 이루어질지 제어하는 컨텐츠 선택 파라미터들을 사용한다. 만약 서드-파티 컨텐츠가 검색 엔진으로부터의 검색 결과들과 함께 제시될 때, 예를 들면, 선택 파라미터들은 하나 이상의 검색 키워드들의 세트들을 포함한다. 예를 들면, 서드-파티 컨텐츠 제공자는 “캘리포니아의 골프 리조트”에 대한 검색 쿼리가 검색 엔진에 보내지는 컨텐츠 경매들에만 참여한다. 다른 파라미터들은 디바이스 식별자의 이력 데이터를 사용하여 식별된 주제(예를 들면, 디바이스 식별자에 의해 방문한 웹페이지들 또는 다른 온라인 액션들에 기초하여), 서드-파티 컨텐츠가 제시될 웹페이지 또는 다른 제1파티 컨텐츠의 주제, 컨텐츠를 제시할 클라이언트 디바이스의 지리적 위치, 검색 쿼리의 일부로서 특정된 지리적 위치 또는 예측된 사용자 특징들에 기초하여 언제 서드-파티 컨텐츠를 위한 입찰이 이루어질 것인지 제어한다. 일부 경우들에서, 선택 파라미터는 서드-파티 컨텐츠가 제시될 특정 웹페이지, 웹사이트 또는 웹사이트들의 그룹을 지정한다. 예를 들면, 골프 장비를 판매하는 광고주는 그들이 특정 온라인 신문의 스포츠 페이지에 광고를 배치하기 원한다는 것을 특정한다.
이제 도 2를 참조하면, 도시는 예시적 제1-파티 웹페이지(206)를 디스플레이하는 전자적 디스플레이(116)를 도시한다. 전자적 디스플레이(116)는 시각적 표시가 전자적 디스플레이(116)에 디스플레이되게 하는 프로세서(112)와의 전자적 통신 내에 있다. 도시된 바와 같이, 프로세서(112)는 네트워크(106)를 통해 클라이언트 디바이스(102)에 의해 수신된 컨텐츠의 표시를 디스플레이하기 위해 클라이언트 디바이스(102)의 메모리에 저장된 웹 브라우저(200)를 실행한다. 다른 구현예들에서, 클라이언트 디바이스(102)에 의해 실행되는 다른 어플리케이션은 웹 브라우저(200)와 관련하여 기술된 기능의 일부 또는 전부를 통합한다(예를 들면, 비디오 게임, 채팅 어플리케이션 등).
웹 브라우저(200)는 입력 디바이스(예를 들면, 포인팅 디바이스, 키보드, 터치 스크린 등)으로부터 필드(202)를 통해 URL(Uniform resource Locator)의 입력을 수신함으로써 동작한다. 프로세서(112)는 입력된 URL에 대응하는 네트워크 주소를 가지는 컨텐츠 소스로부터 데이터를 요청하기 위해 입력된 URL을 사용한다. 다시 말해서, 클라이언트 디바이스(102)는 입력된 URL에서 엑세스 가능한 제1파티 컨텐츠를 요청한다. 상기 요청에 응답하여, 컨텐츠 소스는 웹페이지 데이터 및/또는 다른 데이터를 클라이언트 디바이스(102)에 리턴한다. 웹 브라우저(200)는 리턴된 데이터를 분석하고, 시각적 표시로 하여금 상기 데이터에 기초하여 전자적 디스플레이(116)에 의해 디스플레이되게 한다.
일반적으로, 웹페이지 데이터는 텍스트, 하이퍼링크들, 레이아웃 정보 및 제1-파티 웹페이지(206)의 시각적 레이아웃에 대한 프레임워크를 제공하기 위해 사용되는 다른 데이터를 포함한다. 일부 구현예들에서, 웹페이지 데이터는 HTML(Hypertext Markup Language), XHTML(extensible HTML), XML(extensible Markup Language) 또는 임의의 기타 마크업 언어와 같은 마크업 언어로 작성된 웹페이지 코드의 하나 이상의 파일들이다. 웹페이지 데이터는 표시가 텍스트(208)와 같이 제1-파티 웹페이지(206) 어디에 나타날지 특정하는 데이터를 포함한다. 또한, 일부 구현예들에서, 웹페이지 데이터는 제1-파티 웹페이지(206)에 디스플레이되는 추가적 표시를 검색하기 위해 웹브라우저(200)에 사용되는 추가적 URL 정보를 포함한다.
웹브라우저(200)는 제1-파티 웹페이지(206)과 관련된 다수의 탐색적 제어들을 포함한다. 예를 들면, 웹브라우저(200)는 입력들(204)(예를 들면, 뒤로가기 버튼, 앞으로 가기 버튼 등)을 통해 명령들을 수신함에 응답하여 웹페이지들 사이에 앞뒤로 탐색하도록 구성된다. 또한 웹브라우저(200)는 하나 이상의 스크롤 바들(220)을 포함하며, 이는 현재 화면 밖에 있는 제1-파티 웹페이지(206)의 부분들을 디스플레이하는데 사용된다. 예를 들면, 제1-파티 웹페이지(206)는 전자적 디스플레이(116) 보다 크게 포맷팅될 수 있다. 상기 경우에, 하나 이상의 스크롤 바들(220)이 전자적 디스플레이(116)에서 제1-파티 웹페이지(206)의 수직적 및/또는 수평적 위치를 변경하는데 사용된다.
제1-파티 웹페이지(206)는 하나 이상의 주제들에 전념한다. 예를 들면, 제1-파티 웹페이지(206)는 메인주 프리포트에 대한 지역 날씨 예보에 전념한다. 일부 구현예들에서, 컨텐츠 선택 서비스(104)와 같은 컨텐츠 선택 서버는 하나 이상의 주제들을 식별하기 위해 제1-파티 웹페이지(206)의 컨텐츠들을 분석한다. 예를 들면, 컨텐츠 선택 서비스(104)는 제1-파티 웹페이지(206)를 날씨 예보들에 전념하고 있는 것으로 식별하기 위해 텍스트(208) 및/또는 이미지들(210 내지 216)을 분석한다. 일부 구현예들에서, 제1-파티 웹페이지(206)에 대한 웹페이지 데이터는 주제를 식별하는 메타데이터를 포함한다.
다양한 구현예들에서, 컨텐츠 선택 서비스(104)는 제1-파티 웹페이지(206)에(예를 들면, 내장된 이미지 또는 비디오 등) 또는 제1-파티 웹페이지(206)와 함께(예를 들면, 팝업창 또는 탭 등) 제시된 컨텐츠의 일부를 선택한다. 예를 들면, 컨텐츠 선택 서비스(104)는 서드-파티 컨텐츠(218)가 웹페이지(206)에 포함되도록 선택한다. 일부 구현예들에서, 하나 이상의 컨텐츠 태그들이 서드-파티 컨텐츠(218)의 위치에 배치된 컨텐츠 필드를 정의하는 웹페이지(206)의 코드에 내장된다. 다른 컨텐츠 태그는 제1-파티 웹페이지(206)가 로딩될 때, 웹 브라우저(200)로 하여금 컨텐츠 선택 서비스(104)로부터 추가적인 컨텐츠를 요청하게 한다. 상기 요청은 하나 이상의 키워드들, 클라이언트 디바이스(102)에 대한 식별자 또는 클라이언트 디바이스(102)에 제공될 컨텐츠를 선택하기 위해 컨텐츠 선택 서비스(104)에 의해 사용되는 다른 데이터를 포함한다. 응답으로, 컨텐츠 선택 서비스(104)는 제1-파티 웹페이지(206)에서 제시하기 위한 서드-파티 컨텐츠(218)를 선택한다.
일부 구현예들에서, 컨텐츠 선택 서비스(104)는 컨텐츠 경매를 수행함으로써 서드-파티 컨텐츠(218)(예를 들면, 광고)를 선택한다. 또한 컨텐츠 선택 서비스(104)는 제공자들에 의해 사용된 컨텐츠 선택 파라미터들의 값들에 부분적으로 기초하여 어떤 서드-파티 컨텐츠 제공자들이 경매에서 이기는지 결정한다. 예를 들면, 단지 웹페이지(206)의 컨텐츠와 일치하는 주제를 특정한 컨텐츠 제공자들, 웹페이지(206)에 엑세스하는 디바이스 식별자의 관심 카테고리, 또는 구체적인 웹페이지(206)만이 컨텐츠 경매에서 이긴다. 다른 예시에서, 단지 클라이언트 디바이스(102)의 디바이스 식별자와 관련된 예측된 사용자 특징을 특정한 컨텐츠 제공자들만 상기 경매에 참여한다. 이들 서드-파티 컨텐츠 제공자들에 대한 입찰 파라미터들에 기초하여, 컨텐츠 선택 서비스(104)는 경매의 낙찰자를 결정하기 위해 그들의 입찰 금액들, 품질 점수들 및/또는 다른 값들을 비교하고, 웹페이지(206)에서 제시하기 위한 서드-파티 컨텐츠(218)를 선택한다.
일부 구현예들에서, 컨텐츠 선택 서비스(104)는 서드-파티 컨텐츠(218)를 직접적으로 클라이언트 디바이스(102)에 제공한다. 다른 구현예들에서, 컨텐츠 선택 서비스(104)는 클라이언트 디바이스(102)로 하여금 서드-파티 컨텐츠(218)를 검색하게 하는 명령을 클라이언트 디바이스(102)에 보낸다. 예를 들면, 상기 명령은 만약 서드-파티 컨텐츠(218)가 메모리(114)에 이미 저장된 경우 클라이언트 디바이스(102)로 하여금 로컬 메모리로부터 또는 네크워킹되는 컨텐츠 소스로부터 서드-파티 컨텐츠(218)을 검색하게 한다. 이 방식에서, 임의의 수의 서로 다른 조각들의 컨텐츠가 제1-파티 웹페이지(206) 상의 서드-파티 컨텐츠(218)의 위치에 배치된다. 다시 말해서, 제1-파티 웹페이지(206)를 방문하는 제1 사용자에게 서드-파티 컨텐츠(218)가 제시되고, 제1-파티 웹페이지(206)를 방문하는 제2 사용자에게는 서로 다른 컨텐츠가 제시된다. 다른 형태들의 컨텐츠(예를 들면, 이미지, 텍스트, 오디오 파일, 비디오 파일 등)도 제1-파티 웹페이지(206)와 함께 디스플레이하기 위해 서드-파티 컨텐츠(218)를 선택하는 것과 유사한 방식으로 컨텐츠 선택 서비스(104)에 의해 선택된다. 추가적 구현예들에서, 컨텐츠 선택 서비스(104)에 의해 선택된 컨텐츠는 제1-파티 웹페이지(206)의 외부에 디스플레이된다. 예를 들면, 컨텐츠 선택 서비스(104)에 의해 선택된 컨텐츠는 웹브라우저(200)의 별개의 창 또는 탭으로 디스플레이되거나, 다른 소프트웨어 어플리케이션(예를 들면, 텍스트 편집기, 미디어 플레이어 등)을 통해 제시되거나 또는 추후 사용을 위해 클라이언트 디바이스(102)에 다운로드된다.
서드-파티 컨텐츠(218)는 인터렉티브 컨텐츠이다. 다시 말해서, 클라이언트 디바이스(102)의 사용자는 인터페이스 디바이스를 통해 서드-파티 컨텐츠(218)와 인터렉팅한다. 예를 들면, 서드-파티 컨텐츠(218)는 클릭가능하고(예를 들면, 마우스, 터치스크린 등을 통해) 서드-파티 컨텐츠 제공자의 랜딩 웹페이지(landing webpage)에 핫링크(hotlink)된다. 다양한 구현예들에서, 웹페이지(206), 서드-파티 컨텐츠(218) 및/또는 랜딩 웹페이지는 클라이언트 디바이스(102)로 하여금 컨텐츠 선택 서비스(104)에 대한 및/또는 컨텐츠 소스(108)에 대한 서드-파티 컨텐츠(218)와의 컨텐츠 인터렉션을 보고하게 하도록 구성된다. 일 구현예에서, 웹페이지(206) 및 랜딩 웹페이지는 픽셀 태그들을 포함하며, 이는 컨텐츠 선택 서비스(104)로 하여금 클라이언트 디바이스(102)에 쿠키를 설정하게 하고, 랜딩 웹페이지가 로딩될 때, 클라이언트 디바이스(102)로 하여금 쿠키를 컨텐츠 선택 서비스(104)에 다시 보고하게 한다. 다른 구현예에서, 클라이언트 디바이스(102)가 컨텐츠 소스(108)의 계정에 로그인하고, 랜딩 웹페이지가 클라이언트 디바이스(102)로 하여금 클라이언트 디바이스(102)의 사용자가 서드-파티 컨텐츠(218)를 클릭했고 서드-파티 컨텐츠 제공자의 핫링크된 웹페이지로 리다이렉팅되었다는 것을 보고하게 하는 코드를 포함한다고 가정한다. 그 후, 컨텐츠 소스(108)는 기록된 데이터를 컨텐츠 선택 서비스(104)에 제공한다. 따라서, 컨텐츠 선택 서비스(104)는 컨텐츠가 제시된 사용자들에 의한 서드-파티 컨텐츠(218)과의 인터렉션들에 관한 데이터를 수신한다. 만약 사용자 또한 컨텐츠 소스(108)의 계정에 로그인 한 경우, 컨텐츠 선택 서비스(104) 또한 상기 컨텐츠 인터렉션을 상기 계정과 연계시킨다.
이제 도 3을 참조하면, 정밀 제어들을 사용하여 컨텐츠를 선택하기 위한 프로세서(300)의 일 구현예에서 취해진 단계들의 흐름도가 도시되었다. 프로세서(300)는 일반적으로 예측 모델을 생성하는 단계(단계(302)), 디바이스 식별자에 대한 온라인 액션들을 수신하는 단계(단계(304)), 예측된 컨텐츠 선택 파라미터 값을 결정하는 단계(단계(306)), 예측된 파라미터 값에 대한 정밀 팩터를 결정하는 단계(단계(308)), 컨텐츠 제공자에 의해 특정된 정밀 팩터 및 값을 수신하는 단계(단계(310)) 및 예측되고 특정된 파라미터 값들 및 정밀 팩터들에 기초하여 디바이스에 대한 컨텐츠를 선택하는 단계(단계(312))를 포함한다. 프로세스(300)는 저장된 기계 명령들을 실행하는 하나 이상의 컴퓨팅 디바이스들에 의해 구현된다. 예를 들면, 프로세서(300)는 도 1에 도시된 컨텐츠 선택 서비스(104)에 의해 구현된다. 일반적으로, 프로세스(300)는 서드-파티 컨텐츠 제공자로 하여금 어떤 디바이스 식별자들이 특정된 컨텐츠 선택 파라미터 값 및 정밀 팩터에 기초하여 제공자로부터 컨텐츠를 수신할 적격이 있는지 제어하게 한다.
도 3의 구현예를 참조하면, 프로세스(300)는 예측 모델을 생성하는 단계(단계(302))를 포함한다. 예측 모델은 컨텐츠 선택 파라미터 값들이 알려진 디바이스 식별자들의 온라인 액션들에 기초하여 생성된다. 온라인 액션들은 온라인 컨텐츠와 관련하여 디바이스에 의해 수행되는 임의의 형태의 액션이다(예를 들면, 웹사이트 방문하기, 일정 컨텐츠 클릭하기, 일정 미디어 파일 플레이하기, 특정 상품 또는 서비스를 구매하기 등). 일부 경우들에서, 알려진 컨텐츠 선택 파라미터 값들은 상기 온라인 액션들과 관련된 계정들 또는 사용자 프로필들로부터 검색된다. 예를 들면, 일부 사용자들은 그들 자신에 대한 정보를 일정 웹사이트에 엑세스하기 위해 사용된 계정의 일부로서 제공한다. 이들 사용자들의 신원들을 보호하기 위해, 사용자들은 개인적으로 식별가능한 정보를 포함하지 않는 디바이스 식별자들에 의해 표현된다. 추가적 경우들에서, 알려진 컨텐츠 선택 파라미터 값들은 제1-파티 컨텐츠 제공자에 의해 합산되어 컨텐츠 선택 서비스에게 보고된다.
알려진 파라미터 값들 및 그들의 관련된 온라인 액션들에 기초하여, 예측 모델은 디바이스 식별자과 관련된 온라인 액션들을 사용하여 디바이스 식별자에 대한 하나 이상의 컨텐츠 선택 파라미터 값들을 예측한다. 예를 들면, 특정 세트의 웹사이트들을 방문하는 디바이스 식별자에 기초하여, 예측 모델은 하나 이상의 컨텐츠 선택 파라미터 값들을 예측한다. 일부 경우들에서, 다수의 ‘버킷들’이 값들의 범위들과 같은 선택 파라미터 값들에 대한 예측 모델에 의해 사용된다. 또한 예측 모델은 디바이스 식별자에 대해 예측된 임의의 컨텐츠 선택 파라미터 값과 관련된 정밀 팩터를 결정한다. 일반적으로, 정밀 팩터는 예측된 선택 파라미터 값에서 신뢰도를 나타낸다. 예를 들면, 만약 특정 웹사이트에 대한 방문자들의 51%가 알려진 파라미터 값을 가지고 방문자들의 49%가 서로 다른 값을 가지면, 상기 웹사이트에 대한 다른 방문자는 낮은 신뢰도의 제1 파라미터 값을 가지는 것으로 예측된다. 그러나, 만약 방문자들의 95%가 제1 파라미터 값을 가지면, 상기 웹사이트에 대한 다른 방문자도 또한 높은 신뢰도로 이 값을 가지는 것으로 예측된다.
도 3의 구현예들을 참조하면, 프로세스(300)는 디바이스 식별자에 대한 온라인 액션들을 표시하는 데이터를 수신하는 단계를 포함한다(단계(304)). 디바이스 식별자는 쿠키, UDID(Unique Device Identifier), 하드웨어 및/또는 소프트웨어 기반 시리얼 또는 그와 유사한 것과 같이 컨텐츠 선택 서비스에 대해 디바이스를 식별하는데 사용된 임의의 형택의 식별자이다. 디바이스 식별자에 의해 수행된 온라인 액션들을 표시하는 데이터는 특정 웹페이지 또는 웹사이트 방문하기, 일정 서드-파티 컨텐츠와 인터렉션하기(예를 들면, 광고를 클릭하기), 일정 미디어 컨텐츠를 플레이하기, 온라인 구매하기, 일정 소프트웨어 다운로드하기, 연락처 리스트 또는 온라인 서비스에 대해 등록하기 등을 포함하나, 그에 제한되지 않는다.
도 3의 구현예를 참조하면, 프로세스(300)는 디바이스 식별자에 대한 예측된 컨텐츠 선택 파라미터 값을 결정하는 단계를 포함한다(단계(306)). 디바이스 식별자와 관련된 온라인 액션들을 예측 모델에 대한 입력들로서 사용하여, 하나 이상의 컨텐츠 선택 파라미터 값들이 디바이스 식별자에 대해 상기 모델에 의해 예측된다. 예를 들면, 모델은 디바이스 식별자에 대한 하나 이상의 컨텐츠 선택 파라미터 값들을 예측하기 위해 디바이스 식별자의 웹사이트 방문들, 플레이된 컨텐츠 등을 분석한다. 일부 경우들에서, 다수의 오버랩되는 컨텐츠 선택 파라미터 값들은 예를 들면, 오버랩되는 값들의 범위들과 같이 예측된다.
도 3의 구현예를 참조하면, 프로세스(300)는 디바이스 식별자에 대해 예측된 하나 이상의 컨텐츠 선택 파라미터 값들에 대한 정밀 팩터를 결정하는 단계를 포함한다(단계(308)). 정밀 팩터는 디바이스 식별자에 대해 예측된 파라미터 값들의 전부 또는 일부에 대해 예측 모델에 의해 생성된다. 일반적으로, 정밀 팩터는 예측된 컨텐츠 선택 파라미터 값이 정확하다는 확률을 나타낸다. 예를 들면, 디바이스 식별자에 대한 한 예측된 파라미터 값은 75%의 정밀 팩터를 가지며, 다른 예측된 파라미터 값은 95%의 정밀 팩터를 가진다.
도 3의 구현예를 계속 참조하면, 프로세스(300)는 서드-파티 컨텐츠 제공자에 의해 특정된 정밀 팩터 및 컨텐츠 선택 파라미터 값을 수신하는 단계를 포함한다(단계(310)). 특정된 파라미터 값 및 정밀 팩터는 서드-파티 컨텐츠의 특정 조각, 서드-파티 컨텐츠의 그룹핑(예를 들면, 광고 그룹), 캠페인 등과 관련되고, 또는 컨텐츠 선택 서비스와 제공자의 계정에 대한 글로벌 레벨에 설정된다. 특정된 정밀 팩터는 일정 컨텐츠 선택 파라미터들에 대해 요구되거나 또는 컨텐츠 제공자에 의해 선택적으로 특정된다. 예를 들면, 서드-파티 컨텐츠 제공자는 선택 서비스에 의해 예측된 바에 따라, 일정 광고가 특정 파라미터 값을 가지고 제공자에 의해 특정된 정밀 팩터와 동일하거나 더 큰 정밀 팩터를 가지는 디바이스 식별자들에게만 제시될 것을 특정한다.
도 3의 구현예를 계속 참조하면, 프로세스(300)는 예측되고 선택된 컨텐츠 선택 파라미터들 및 정밀 팩터들을 비교함으로써 디바이스에 대한 컨텐츠를 선택하는 단계를 포함한다(단계(312)). 만약 단계(306)에서 디바이스 식별자에 대해 예측된 컨텐츠 선택 파라미터 값이 서드-파티 컨텐츠 제공자에 의해 특정된 컨텐츠 선택 파라미터 값과 일치하면, 일반적으로 디바이스 식별자는 제공자로부터 컨텐츠를 수신할 적격이 있다. 또한 만약 정밀 팩터가 제공자에 의해 특정되었으면, 디바이스 식별자에 대해 예측된 팩터는 식별자가 실제로 컨텐츠를 수신할 적격이 있는지 여부를 결정하기 위해 제공자에 의해 특정된 정밀 팩터와 비교된다. 일부 경우들에서, 컨텐츠 선택 서비스는 정밀 팩터를 명시적으로 특정하지 않는 컨텐츠 제공자를 위해서 최소 정밀 팩터 임계치를 여전히 적용한다.
이제 도 4를 참조하면, 도시(400)는 컨텐츠 선택 파라미터들을 예측하기 위해 생성된 모델의 일 구현예를 도시한다. 도시된 바와 같이, 다양한 데이터가 디바이스 식별자에 대한 하나 이상의 컨텐츠 선택 파라미터 값들을 예측하도록 구성된 예측 모델(416)을 생성하는데 사용된다. 일 구현예에서, 알려진 파라미터 값들(402 내지 404)(예를 들면, 제1부터 제n번째 파라미터 값들의 세트)은 임의의 수의 디바이스 식별자들(406 내지 408)과 관련된다. 알려진 파라미터 값들(402 내지 404)은 계정들 또는 온라인 프로필들을 통해 제공된 정보, 온라인 서베이들에 대한 응답(예를 들면, 주어진 웹페이지에 대한 방문자는 짧은 서베이를 완성하도록 질문받는다), 또는 디바이스 식별자들(410 내지 412)에 대응하는 사용자들에 의해 스스로 보고된 임의의 기타 데이터에 기초한다. 또한 알려진 파라미터 값들(402 내지 404)은 특정 웹페이지 또는 웹사이트에 대한 방문들, 특정 비디오 시청하기, 온라인 구매하기 또는 온라인 액션의 임의의 기타 형태와 같은 온라인 액션들(410 내지 412)과 관련된다. 일부 경우들에서, 예측 모델(416)은 컨텐츠 선택 서비스에 대한 제1-파티 컨텐츠 제공자에 의해 제공된 데이터를 사용하여 생성된다. 또한 예측 모델(416)은 예를 들면, 제1-파티 컨텐츠 제공자로부터 보고된 데이터를 사용하여, 디바이스 식별자들(406 내지 408)의 사용하지 않고 생성된다.
알려진 파라미터 값들(402 내지 404) 및 온라인 액션들(410 내지 412)은 임의의 시간 기간 및/또는 임의의 수의 서로 다른 소스들로부터 유래한다. 예를 들면, 예측 모델(416)은 최신, 단기(예를들면, 지난 몇 시간 내, 지난 며칠 내 등) 또는 장기(예를 들면, 30일 이전 내 등) 온라인 액션들(410 내지 412)을 사용하여 생성된다. 다른 예시에서, 예측 모델(416)은 컨텐츠 선택 서비스에 의해 직접적으로 관찰된 데이터 또는 제1-파티 컨텐츠의 소비자들에 관한 제1-파티 컨텐츠 제공자로부터 수신된 데이터를 사용한다. 일부 구현예들에서, 온라인 액션들(410 내지 412)은 컨텐츠 구성들과 같은 디바이스 식별자들(406 내지 408)에 의해 엑세스된 컨텐츠를 표시하는 데이터를 포함한다. 컨텐츠 구성들은 방문한 웹페이지의 도메인, 단어 클러스터들 또는 방문한 웹페이지에 나타나는 단어들의 기타 그룹핑 또는 이와 유사한 것이다. 예를 들면, 알려진 파라미터 값들(402 내지 404)과 관련된 방문한 웹페이지에 나타나는 단어들의 특정 그룹핑은 단어들의 동일한 그룹핑을 사용하는 다른 웹페이지의 방문자들에 대한 파라미터 값들을 예측하기 위해 예측 모델(416)에 의해 사용된다.
임의의 형태의 기계 학습 또는 통계적 기법이 예측 모델(416)을 생성하는데 사용된다. 일 구현예에서, 예측 모델(416)은 알려진 파라미터 값들(402 내지 404) 및 온라인 액션들(410 내지 412)를 사용하여 트레이닝된 로지스틱 회귀 모델(logistic regression model)이다. 다른 형태들의 모델들은 베이시안 모델들(Bayesian models), 신경 네트워크들(neural networks), 신뢰구간들을 사용하는 통계적 모델들, 및 이와 유사한 것들을 포함하나, 그에 제한되지 않는다.
이제 도 5를 참조하면, 도시(500)는 디바이스 식별자(502)에 대한 컨텐츠 선택 파라미터들을 예측하는데 사용된 도 4의 예측 모델(416)의 도시이다. 도시된 바와 같이, 디바이스 식별자(502)와 관련된 온라인 액션들(504)은 하나 이상의 예측된 파라미터 값들(506)을 결정하기 위해 예측 모델(416)에 대한 입력으로서 사용된다. 예측된 파라미터 값들(506)은 디바이스 식별자(502)가 서드-파티 컨텐츠의 특정 조각을 수신할 적격이 있는지 여부를 결정하기 위해 컨텐츠 선택 서비스에 의해 사용된 임의의 세트의 파라미터에 대한 값들이다. 일 구현예에서, 예측된 파라미터 값들(506)은 연이은 또는 오버랩된 범위들의 값들이다. 예를 들면, 예측된 파라미터 값들(506)은 18세 이상 남성들, 18세 내지 34세 삼성들 등에 대응한다. 임의의 수의 범위들 또는 값들의 조합들은 예측된 파라미터 값들(506)에 포함된다.
또한 일 구현예에서, 예측 모델(416)은 상기 예측된 파라미터 값들(506)과 관련된 정밀 팩터들을 생성한다. 일반적으로, 정밀 팩터들(508)은 각각의 예측된 파라미터 값들(506)이 디바이스 식별자(502)에 대한 파라미터 값들을 정확하게 예측할 가능성을 나타낸다. 예를 들면, 디바이스 식별자가 85% 정밀도로 특정 파라미터 값과 관련되면, 예측된 값이 정확할 85%의 확률이 있다.
이제 도 6을 참조하면, 블록 다이어그램은 도 1의 컨텐츠 선택 서비스의 일 구현예의 도시이다. 도시된 구현예에서, 컨텐츠 선택 서비스(104)의 메모리(120)는 데이터 및 명령들을 저장하며, 프로세서(118)에 의해 실행될 때, 컨텐츠 선택 서비스(104)로 하여금 컨텐츠 선택 파라미터들과 함께 정밀 제어들을 사용하게 한다. 예를 들면, 서드-파티 컨텐츠 제공자는 어떤 디바이스 식별자들이 제공자로부터 컨텐츠를 수신할 적격이 있는지 제어하기 위해 컨텐츠 선택 서비스(104)에 의해 사용되는 특정된 컨텐츠 선택 파라미터 값에 대한 원하는 레벨의 정밀도를 특정한다.
메모리(120)는 디바이스 식별자와 관련된 라벨들(602)을 포함한다. 라벨들(602)은 플래그들, 데이터 값들 또는 디바이스 식별자에 대한 예측된 파라미터 값들(604)의 사용을 오버라이드(override)하는 유사한 것이다. 일부 경우들에서, 라벨들(602)은 특정 컨텐츠 선택 파라미터를 디바이스 식별자와 관련하여 사용되는 것으로부터 사용할 수 없게 한다. 예를 들면, 라벨들(602)에서 옵트-아웃(opt-out) 파라미터 값은 컨텐츠 선택 서비스(104)가 디바이스 식별자에 대한 컨텐츠를 선택하기 위해 일정 선택 파라미터들을 사용하는 것을 방지한다. 또한, 라벨들(602)은 사용자에 의해 명시적으로 특정된 컨텐츠 선택 파라미터 값들과 같은 옵트-인(opt-in) 데이터를 포함한다. 예를 들면, 사용자에게 컨텐츠 선택 서비스(104)에 그 또는 그녀 자신에 관한 정보를 제공할 기회가 주어지며, 따라서 관련 컨텐츠가 사용자에게 제시되기 위해 선택된다.
메모리(102)에서 예측된 파라미터 값들(604)은 디바이스 식별자에 대해 하나 이상의 예측 모델들에 의해 생성된 임의의 컨텐츠 선택 값들이다. 일부 경우들에서, 서로 다른 예측 모델들이 파라미터 값들(604)을 생성하기 위해 데이터의 서로 다른 세트들에 사용된다. 예를 들면, 한 모델은 파라미터 값들(604)을 생성하기 위해 디바이스 식별자와 관련된 온라인 액션들의 장기 이력을 사용하는 반면 다른 모델은 단기 이력을 사용한다. 또한 예측된 파라미터 값들(604)은 단기 이력 데이터를 사용하여 예측된 값들의 최종 n-수와 같이 디바이스 식별자에 대해 이전에 예측된 값들을 포함한다. 추가적 예시에서, 예측된 파라미터 값들(604)은 문서 기반 예측 모델에 의해 생성되며, 상기 문서 기반 예측 모델은 파라미터 값들을 예측하기 위해 디바이스 식별자에 의해 방문된 현재 웹페이지의 컨텐츠를 분석한다. 또한 예측된 파라미터 값들(604)의 일부는 제1-파티 컨텐츠 제공자, 소셜 네트워킹 서비스, 미디어 공유 서비스 또는 이와 유사한 것과 같이, 다른 소스들로부터 수신된다. 파라미터 값들(604)을 예측하는데 사용된 모델들은 파라미터 값들(604)을 생성하기 위해 오프라인 데이터(예를 들면, 주기적 배치 작업의 일부로서) 및/또는 온라인 데이터(예를 들면, 사용자의 현재 액션들에 기초하여)를 사용한다. 정밀 팩터들(606)이 예측된 파라미터 값들(604)과 관련되며, 정밀 팩터들(606)은 예측된 파라미터 값들(604)이 맞을 가능성을 나타낸다.
메모리(120)는 디바이스 식별자에 대한 프로필(610)을 생성하도록 구성된 결정자(arbiter)(608)를 포함한다. 프로필(610)은 디바이스 식별자에 대해 예측된 컨텐츠 선택 파라미터 값들의 집합이다. 일 구현예에서, 결정자(608)는 프로필(610)에서 선택 파라미터 값들을 정의하기 위해, 만약 존재한다면, 라벨들(602)를 사용한다. 예를 들면, 결정자(608)는 임의의 예측된 파라미터 값들(604)에 관하여 옵트-인 기반으로 사용자에 의해 명시적으로 특정된 인구통계학을 사용한다. 만약 라벨이 특정 컨텐츠 선택 파라미터에 대한 디바이스 식별자와 관련되지 않으면, 결정자(608)는 서로 다른 예측된 파라미터 값들(604)에 대해 가중치들을 적용한다. 예를 들면, 결정자(608)는 단기 데이터를 사용하여 예측된 값보다 장기 데이터를 사용하여 예측된 파라미터 값에 더 높은 가중치를 준다. 가중치들을 사용하여, 결정자(608)는 최종적 선택 파라미터 값들 및 프로필(610)에 포함하기 위한 대응 정밀 팩터들을 결정한다. 추가적 구현예에서, 결정자(608)는 사용자-특정 파라미터 값과 시스템에 의해 예측된 가중치를 준 파라미터 값들을 비교함으로써 사용자-특정 파라미터 값이 맞는지 여부를 확인하도록 구성된다. 예를 들면, 사용자가 컨텐츠 선택 파라미터에 대한 값을 명시적으로 특정하지만, 사용자에 관한 예측된 값이 전부 또는 일부가 높은 정밀도의 사용자 특정 값과 모순된다고 가정한다. 상기 경우에서, 결정자(608)는 사용자 특정 값이 잘못되었을 수 있으므로(예를 들면, 사용자들이 동일한 디바이스 식별자를 공유함, 사용자가 실수로 잘못된 값을 특정함 등), 사용자 특정 값 대신에 예측된 값들 중 하나를 대신 사용한다.
일부 구현예들에서, 메모리(120)는 파라미터 값들의 서브셋(614)을 결정하도록 구성된 예측 추출기(prediction extractor)(612)를 포함한다. 예측 추출기(612)는 어떤 파라미터 값들이 서브셋(614)에 포함될 것인지 결정하기 위해 프로필(610)의 정밀 팩터들에 대해 하나 이상의 최소 임계치들을 적용한다. 예를 들면, 예측 추출기(612)는 프로필(610)에서 60%이상의 대응 정밀 팩터를 가지는 컨텐츠 선택 파라미터 값들만 포함한다. 일 구현예에서, 예측 추출기(612)는 서브셋(614)에 포함하기 위해 최소 임계치를 만족하는 파라미터 값들의 가장 좁은 범위를 결정하도록 구성된다. 예를 들면, 만약 18세 내지 44세 및 18세 내지 34세의 나이 범위들 둘 다 최소 임계치를 만족하는 정밀 팩터들을 가진다면, 예측 추출기(612)는 서브셋(614)에 18세 내지 34세의 나이 범위를 포함하며, 이는 그것이 18세 내지 44세의 나이범위보다 더 작은 범위를 가지기 때문이다. 예측 추출기(612)에 의해 사용되는 최소 정밀 임계치는 컨텐츠 선택 서비스(104)에 의해 전역적으로(globally) 도입되며, 일정 컨텐츠 선택 파라미터에 대해 특정되며, 또는 임의의 기타 방식으로 다양화된다.
메모리(120)는 서브셋(614)에서 컨텐츠 선택 파라미터 값들에 기초하여 서드-파티 컨텐츠를 검색하도록 구성된 컨텐츠 검색기(616)를 포함한다. 예를 들면, 서브셋(614)이 95%의 정밀 팩터로 18세 이상의 나이 그룹 및 80%의 정밀 팩터로 24세 내지 34세 나이 그룹에 대응하는 파라미터 값들을 포함한다고 가정한다. 양 선택 파라미터 값들이 최소 임계치 이상의 정밀 팩터들을 가지므로(예를 들면, 예측 추출기에 의해 결정된 바와 같이), 이들 값들은 18세 이상 및/또는 24세 내지 34세 나이 범위 그룹이 관련된 서드-파티 컨텐츠를 식별하기 위해 컨텐츠 검색기(616)에 의해 사용된다. 다시 말해서, 52세 내지 64세의 나이 그룹과 관련된 서드-파티 컨텐츠는 만약 이 그룹이 서브셋(614)에 포함되어 있지 않으면, 컨텐츠 검색기(616)에 의해 배제된다. 서브셋(614)에서 컨텐츠 선택 파라미터 값들을 가지는 서드-파티 컨텐츠를 우선 식별함으로써, 잠재적으로 선택을 위한 적격이 있는 모든 서드-파티 컨텐츠가 평가된다.
메모리(120)는 컨텐츠 검색기(616)에 의해 생성된 결과들에 대해 서드-파티 컨텐츠 제공자들에 의해 특정된 정밀 팩터들을 적용하도록 구성된 정밀 필터(618)를 포함한다. 예를 들면, 서드-파티 컨텐츠 제공자는 광고가 95%의 정밀도로 특정 컨텐츠 선택 파라미터 값에 기초하여 보내질 것이며, 서브셋(614)에서 대응 파라미터 값은 단지 85%의 정밀도를 가진다는 것을 특정한다고 가정한다. 상기 경우에서, 컨텐츠 검색기(616)는 제공자로부터 서드-파티 컨텐츠를 선택을 위해 잠재적으로 적격이 있는 것으로 초기적으로 식별한다. 그러나, 제공자가 디바이스 식별자에 대해 예측된 것보다 높은 정밀도를 특정하였으므로, 제공자의 컨텐츠는 디바이스 식별자에 대한 선택으로부터 배제된다. 일 구현예에서, 정밀 팩터가 특정되지 않은 임의의 서드-파티 컨텐츠는 정밀 필터(618)에 의해 적격이 있는 컨텐츠(620)에 포함된다. 유사하게, 서브셋(614)에서 디바이스 식별자에 대한 정밀도가 동일하거나 더 큰 특정 정밀도를 가지는 임의의 서드-파티 컨텐츠는 적격이 있는 컨텐츠(620)에 포함된다. 따라서, 적격이 있는 컨텐츠(620)는 디바이스 식별자의 프로필에 있고, 제공자들이 받아들일 수 있는 정밀도의 레벨을 가지는 컨텐츠 선택 파라미터 값을 사용하는 제공자들로부터의 서드-파티 컨텐츠의 조각들만을 포함한다.
컨텐츠 선택 서비스(104)는 임의의 수의 방식들로 적격이 있는 컨텐츠(620) 가운데로부터 디바이스에 제시하기 위한 서드-파티 컨텐츠를 선택한다. 일부 경우들에서, 컨텐츠 선택 서비스(104)는 적격이 있는 컨텐츠(620) 내의 어떤 컨텐츠가 디바이스 식별자에 제시하기 위해 실제 선택되는지 결정하기 위해 대응 서드-파티 컨텐츠 제공자들 가운데에서 경매를 수행한다. 상기 경매는 컨텐츠 제공자들, 컨텐츠와 관련된 하나 이상의 품질 점수들(예를 들면, 사용자가 서드-파티 컨텐츠에 클릭할 가능성이 있는지 등) 또는 그것들의 조합들에 의한 입찰들에 기초한다.
이제 도 7을 참조하면, 서드-파티 컨텐츠 제공자로 하여금 컨텐츠 선택 파라미터들을 정밀 제어들과 함께 특정하게 하도록 구성된 인터페이스(700)의 일 구현예의 도시가 도시된다. 도시된 구현예에서, 서드-파티 컨텐츠 제공자는 모자들을 판매하는 온라인 소매상이라고 가정한다. 인터페이스(700)는 소매상으로 하여금 광고 캠페인을 설정하게 하고 컨텐츠 선택 파라미터들을 캠페인과 함께 사용하게 하는 인터페이스 구성의 일부이다. 컨텐츠 선택 파라미터들의 특정된 값들에 기초하여, 컨텐츠 선택 서비스는 제공자의 컨텐츠가 일정 디바이스 식별자들에 대해 제시하기 위해 적격이 있는지 없는지 여부를 결정한다.
인터페이스(700)는 특정된 컨텐츠 선택 파라미터 값들을 수신하도록 구성된 임의의 수의 입력들(702 내지 712)을 포함한다. 입력(702)은 하나 이상의 세트들의 디스플레이 키워드들을 수신한다. 만약 임의의 디스플레이 키워드들이 특정되면, 캠페인과 관련된 서드-파티 컨텐츠는 특정된 키워드들을 사용하는 웹사이트들에서 제시하기 위해서만 적격이 있다. 예를 들면, 만약 컨텐츠 제공자가 키워드들 “자동차 보험”을 특정하면, 제공자의 광고는 동일하거나 유사한 키워드들을 사용하는 웹사이트들에서 제기하기 위해서만 적격이 있다. 입력(704)은 서드-파티 컨텐츠를 제시할 적격이 있는 특정 웹사이트들, 웹페이지들 등을 나타내는 하나 이상의 배치 값들을 수신한다. 예를 들면, 입력(704)은 특정 제1-파티 웹사이트에 대한 광고들의 현출을 제한하기 위해 캠페인에서 사용된다. 입력(706)은 제1-파티 컨텐츠의 주제 카테고리들을 수신한다. 임의의 상기 카테고리들이 특정되면, 컨텐츠 선택 서비스는 일치하는 주제를 가지는 제1-파티 컨텐츠에 대한 서드-파티 컨텐츠의 제시를 제한한다. 입력(708)은 하나 이상의 특정된 관심 카테고리들을 수신한다. 만약 특정 디바이스 식별자가 일치하는 관심 카테고리와 관련되면, 제공자의 컨텐츠를 수신할 적격이 있다. 예를 들면, 광고주는 그 또는 그녀가 골프에 관심 있는 사용자들에게 광고들을 보내기를 원한다는 것을 특정한다.
입력(710)은 임의의 기타 특정 컨텐츠 선택 파라미터 값을 수신하고 입력(712)은 값에 대한 원하는 레벨의 정밀도를 수신한다. 예를 들면, 입력(710)에서 특정된 값과 일치하는 예측된 선택 값을 가지는 디바이스 식별자들만 캠페인과 관련된 컨텐츠를 수신한다. 유사하게, 입력(712)에서 특정된 정밀 팩터와 동일하거나 더 큰 정밀도의 예측된 값을 가지는 디바이스 식별자들만 제공자의 컨텐츠를 수신할 적격이 있다. 예를 들면, 만약 제공자가 입력(712)를 통해 95%의 정밀도를 특정하면, 입력(710)에서 95% 또는 그 이상의 레벨의 정밀도로 예측된 선택 파라미터 값을 가지는 디바이스 식별자만이 제공자의 컨텐츠를 잠재적으로 수신한다.
추가적 구현예들에서, 입력(712)은 슬라이더 바 또는 임의의 기타 형태의 그래픽 입력 메커니즘이다. 예를 들면, 인터페이스(700)는 컨텐츠 선택 파라미터의 서로 다른 값들에 대한 커버리지 대 정밀도의 균형을 도시하는 차트를 포함한다. 상기 경우에서, 입력(712)은 인터페이스(700)의 동작기로 하여금 주어진 컨텐츠 선택 파라미터 값에 대해 원하는 정밀도를 선택하게 하는 슬라이더 바에 대응한다. 다른 구현예에서, 인터페이스(700)는 서드-파티 컨텐츠 제공자로 하여금 정확한 사용자가 제공자들의 컨텐츠에 노출되는 때마다 그 또는 그녀가 얼마나 많은 돈을 지출할 의향이 있는지를 특정하게 하기 위한 입력을 포함한다. 수신된 금액에 기초하여, 시스템은 수신된 금액을 컨텐츠 제공자를 위해 적절한 정밀도로 변환한다.
본 발명의 구현예들 및 본 명세서에 기술된 동작들은 본 명세서에 개시된 구조들과 그들의 구조적 균등물들을 포함하는 디지털 전자 회로 또는 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어 또는 그들 중 하나 이상의 조합들에서 구현된다. 본 명세서에 기술된 본 발명의 구현예들은 하나 이상의 컴퓨터 프로그램들로서 구현된다. 즉, 데이터 프로세싱 장치에 의한 실행을 위한 또는 데이터 프로세싱 장치의 동작을 제어하기 위한 하나 이상의 컴퓨터 저장 매체에 인코딩된 컴퓨터 프로그램 명령들의 하나 이상의 모듈들. 대안적으로 또는 추가로, 컴퓨터 프로그램 명령들은 인공적으로 생성된 전파 신호 예를 들면, 데이터 프로세싱 장치에 의한 실행을 위한 적절한 수신기 장치에 전송하기 위한 정보를 인코딩하기 위해 생성된 기계-생성 전기적, 광학적 또는 전자기적 신호에 인코딩된다. 컴퓨터 저장 매체는 컴퓨터 판독가능 저장 디바이스, 컴퓨터 판독가능 저장 기판, 랜덤 또는 시리얼 엑세스 메모리 어레이 또는 디바이스, 또는 그들의 하나 이상의 조합이거나 그에 포함된다. 게다가, 컴퓨터 저장 매체가 전파 신호가 아니면, 컴퓨터 저장 매체는 인공적으로 생성된 전파 신호에 인코딩된 컴퓨터 프로그램 명령들의 소스 또는 목적지이다. 또한 컴퓨터 저장 매체는 하나 이상의 분리된 컴포넌트들 또는 미디어이거나 그에 포함된다(예를 들면, 다수의 CD들, 디스크들 또는 기타 저장 디바이스들). 따라서, 컴퓨터 저장 매체는 유형적이다.
본 명세서에 기술된 동작들은 하나 이상의 컴퓨터 판독가능 저장 디바이스들에 저장되거나 또는 다른 소스들로부터 수신된 데이터에서 데이터 프로세싱 장치에 의해 수행되는 동작들로서 구현된다.
용어 “클라이언트” 또는 “서버”는 데이터를 프로세싱하기 위한 모든 종류들의 장치들, 디바이스들, 및 기계들을 포함하며, 예시로서 프로그래머블 프로세서, 컴퓨터, 시스템 온 칩, 전술한 것들 중 다수의 것들 또는 조합들을 포함한다. 장치는 전용 논리 회로 예를 들면, FPGA(field programmable gate array) 또는 ASIC(application-specific integrated circuit)를 포함한다. 또한 장치는 하드웨어에 더하여, 코드를 포함하며, 코드는 문제되는 컴퓨터 프로그램에 대한 실행환경을 생성한다. 예를 들면, 프로세서 펌웨어, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제, 크로스-플랫폼 런타임 환경, 가상 머신, 또는 그들의 하나 이상의 조합을 구성하는 코드. 장치 및 실행 환경은 웹 서비스들, 분산 컴퓨팅 및 그리드 컴퓨팅 인프라들과 같은 다양한 서로 다른 컴퓨팅 모델 인프라를 실현한다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 또는 코드로도 알려짐)은 임의의 형태의 프로그래밍 언어로 작성되며, 컴파일된 또는 인터프리트된 언어들, 선언적 또는 절차적 언어들을 포함하며, 이는 단독형 프로그램으로서 또는 모듈, 컴포넌트, 서브루틴, 오브젝트 또는 컴퓨팅 환경에서 사용하기 위해 적절한 기타 유닛으로서를 포함하는 임의의 형태로 배치된다. 컴퓨터 프로그램은 파일 시스템에서 파일에 대응하지만, 필수적이지는 않다. 프로그램은 다른 프로그램들 또는 데이터를 보유하는 파일의 일부(예를 들면, 마크업 언어 문서에 저장된 하나 이상의 스크립트들)에, 문제되는 프로그램 전용의 단일 파일에, 또는 다수의 조화된 파일들에(예를 들면, 하나 이상의 모듈들, 서브-프로그램들 도는 코드의 부분들을 저장하는 파일들)에 저장된다. 컴퓨터 프로그램은 하나의 컴퓨터 또는 다수의 컴퓨터들에서 실행되도록 배치되며, 상기 컴퓨터들은 하나의 사이트 또는 다수의 사이트들에 서로 분산되어 위치되며 통신 네트워크에 의해 상호 연결된다.
본 명세서에 기술된 프로세스들 및 논리 흐름들은 입력 데이터 및 생성 출력을 작동함으로써 액션들을 수행하기 위해 하나 이상의 컴퓨터 프로그램들을 실행하는 하나 이상의 프로그래머블 프로세서들에 의해 수행된다. 또한 프로세스들 및 논리 흐름들은 전용 논리 회로, 예를 들면, FPGA 또는 ASIC에 의해 수행되고, 장치들 또한 FPGA 또는 ASIC로서 구현된다.
컴퓨터 프로그램의 실행을 위해 적절한 프로세서들은 예시로서, 범용및 전용 마이크로프로세서들 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 명령들 및 데이터를 리드-온리 메모리 또는 랜덤 엑세스 메모리 또는 둘 다로부터 수신할 것이다. 컴퓨터의 기본적 엘리먼트들은 명령들에 따라 액션들을 수행하기 위한 프로세서 및 명령들 및 데이터를 저장하기 위한 하나 이상의 메모리 디바이스들이다. 또한 일반적으로, 컴퓨터는 데이터를 저장하기 위해 하나 이상의 대형 저장 디바이스들 예를 들면, 자기적, 자기-광학 디스크들 또는 광학 디스크들을 포함하거나, 이들로부터 데이터를 수신하거나 또는 이들에게 데이터를 전송하거나 또는 둘 다를 위해 동작적으로 연결된다. 그러나 컴퓨터는 상기 디바이스를 반드시 가질 필요는 없다. 게다가, 컴퓨터는 다른 디바이스 몇 가지만 말하자면, 예를 들면, 모바일 전화, PDA, 모바일 오디오 또는 비디오 플레이어, 게임 콘솔, GPS 수신기 또는 이동식 저장 디바이스(예를 들면, USB 플래시 드라이브)에 내장될 수 있다. 컴퓨터 프로그램 명령들 및 데이터를 저장하기 위해 적절한 디바이스들은 모든 형태들의 비휘발성 메모리, 미디어 및 메모리 디바이스들을 포함하며, 예시로서 반도체 메모리 디바이스들 예를 들면, EPROM, EEPROM, 및 플래시 드라이브 디바이스들; 자기 디스크들 예를 들면, 내장 하드 디스크들 또는 이동식 디스크들; 자기-광학 디스크들 및 CD-ROM 및 DVD-ROM 디스크들을 포함한다. 프로세서 및 메모리는 전용 논리 회로에 의해 공급되거나 그에 통합된다.
사용자와의 인터렉션을 제공하기 위해, 본 명세서에 기술된 본 발명의 구현예들은 디스플레이 디바이스 예를 들면, CRT(Cathode ray tube), LCD(Liquid crystal Display), OLED(Organic light emitting diode), TFT(Thin-Film Transistor), 플라스마, 기타 플렉시블 구성 또는 사용자에게 정보를 디스플레이하기 위한 임의의 기타 모니터; 사용자가 컴퓨터에 입력을 제공할 수 있는 키보드, 포인팅 디바이스 예를 들면, 마우스, 트랙볼 등 또는 터치 스크린, 터치 패드 등을 가지는 컴퓨터에서 구현된다. 다른 종류들의 디바이스들도 사용자와의 인터렉션을 제공하기 위해 사용될 수 있다; 예를 들면, 사용자에게 제공된 피드백은 임의의 형태의 감각적 피드백 예를 들면, 시각적 피드백, 청각적 피드백 또는 촉각적 피드백이고; 사용자로부터의 입력은 음향적, 음성, 또는 촉각적 입력을 포함하는 임의의 형태로 수신될 수 있다. 추가로, 컴퓨터는 사용자에 의해 사용되는 디바이스에 문서들을 보내고 그로부터 문서들을 수신함으로써, 예를 들면, 웹 브라우저로부터 수신된 요청들에 응답하여 사용자의 클라이언트 디바이스에서 웹페이지들을 웹 브라우저에 보냄으로써 사용자와 인터렉션한다.
본 명세서에 기술된 본 발명의 구현예들은 백-엔드 컴포넌트(예를 들면, 데이터 서버로서)를 포함하는 또는 미들웨어 컴포넌트(예를 들면, 어플리케이션 서버)를 포함하는, 또는 프론트-엔드 컴포넌트(예를 들면, 그래픽 사용자 인터페이스 또는 사용자가 본 명세서에 기술된 본 발명의 구현예와 인터렉션할 수 있는 웹브라우저를 가지는 클라이언트 컴퓨터)를 포함하는 컴퓨팅 시스템 또는 하나 이상의 상기 백-엔드, 미들웨어 또는 프론트-엔드 컴포넌트들의 임의의 조합에서 구현된다. 시스템의 컴포넌트들은 디지털 데이터 통신 예를 들면, 통신 네트워크의 임의의 형태 또는 매체에 의해 상호 연결된다. 통신 네트워크들의 예시들은 근거리 네트워크(“LAN”), 광역 네트워크(“WAN”), 인터-네트워크(예를 들면, 인터넷) 및 피어-투-피어(peer-to-peer) 네트워크들(예를 들면, 애드혹(adhoc) 피어-투-피어 네트워크들)을 포함한다.
본 명세서에 개시된 구성들은 더 전통적인 텔레비전 프로그래밍 소스들(예를 들면, 케이블, 위성, 공중파 또는 기타 신호들을 통해 수신되는)과 함께 인터넷 연결을 통합하도록 구성된 프로세싱 회로를 포함하는 스마트 텔레비전 모듈(또는 연결된 텔레비전 모듈, 하이브리드 텔레비전 모듈 등)에서 구현된다. 스마트 텔레비전 모듈은 텔레비전 세트에 물리적으로 통합되거나 또는 셋톱박스 또는 기타 디지털 미디어 플레이어, 게임 콘솔, 호텔 텔레비전 시스템 및 기타 동반 디바이스와 같은 별개의 디바이스를 포함한다. 스마트 텔레비전 모듈은 시청자들로 하여금 웹 상에서, 지역 케이블 TV 채널에서, 위성 TV 채널에서 또는 로컬 하드 드라이브에 저장된 것에서 비디오들, 영화들, 사진들 및 기타 컨텐츠를 검색하고 발견하게 하도록 구성된다. 셋톱박스(STB) 또는 셋톱유닛(STU)은 튜너를 포함하는 정보 기기 디바이스를 포함하며, 텔레비전 세트 및 신호의 외부 소스에 연결하며, 신호를 컨텐츠로 변환하여 그 후 컨텐츠가 텔레비전 스크린 또는 기타 디스플레이 디바이스에 디스플레이된다. 스마트 텔레비전 모듈은 웹 브라우저, 복수의 스트리밍 미디어 서비스들, 연결된 케이블 또는 위성 미디어 소스, 기타 웹 “채널들”등과 같은 복수의 서로 다른 어플리케이션들에 대한 아이콘들을 포함하는 홈 스크린 또는 상위 레벨 스크린을 제공하도록 구성된다. 스마트 텔레비전 모듈은 전자적 프로그래밍 가이드를 사용자에게 제공하도록 더 구성된다. 스마트 텔레비전 모듈에 대한 동반 어플리케이션은 모바일 컴퓨팅 디바이스에서 사용자에게 사용가능한 프로그램들에 관한 추가적인 정보를 제공하는 등을 위해, 사용자로 하여금 스마트 텔레비전 모듈을 제어하게 하기 위해 작동할 수 있다. 대안적인 실시예들에서, 구성들은 랩톱 컴퓨터 또는 기타 퍼스널 컴퓨터, 스마트폰, 기타 모바일 폰, 핸드헬드 컴퓨터, 타블렛 PC 또는 기타 컴퓨팅 디바이스에서 구현된다.
본 명세서가 많은 특정 구현예의 세부사항들을 포함하고 있지만, 이들은 발명들 또는 청구된 것의 범위에 관한 제한들로서 고려되어서는 아니되며, 오히려 특정 발명들의 특정 구현예들에 특정된 구성들의 설명들로서 고려되어야 한다. 또한 별개의 구현예들의 맥락에서 본 명세서에 기술된 일정 구성들은 조합으로 단일 구현예로 구현될 수 있다. 또한 반대로, 단일 구현예의 맥락에서 기술된 다양한 구성들은 다수의 구현예들에서 별개로 또는 임의의 적절한 서브컴비네이션으로 구현될 수 있다. 게다가, 비록 구성들이 일정 조합들로 동작하는 것으로 상기 기술되었지만, 그리고 그와 같이 초기적으로 청구되었지만, 일부 경우들에서, 청구된 조합으로부터 하나 이상의 구성들이 상기 조합으로부터 수행될 수 있고, 청구된 조합은 서브컴비네이션 또는 서브컴비네이션의 변화를 안내할 수 있다.
유사하게, 동작들이 도면에서 특정 순서로 도시되었지만, 원하는 결과들을 달성하기 위해 상기 동작들이 도시된 특정 순서로 또는 순차적 순서로 수행되어야 한다거나 모든 도시된 동작들이 수행되어야 한다는 것 요구하는 것으로 이해되어서는 아니된다. 일정 환경들에서, 멀티태스팅 및 병렬 프로세싱은 이점이 있다. 게다가, 상기 기술된 구현예들에서 다양한 시스템 컴포넌트들의 분리는 상기 분리가 모든 구현예들에서 상기 분리가 요구되는 것으로서 이해되어서는 아니되며, 기술된 프로그램 컴포넌트들 및 시스템들은 일반적으로 단일의 소프트웨어 제품에 통합되거나 다수의 소프트웨어 제품들에 패키징될 수 있다는 것이 이해되어야 한다.
따라서, 본 발명의 특정 구현예들이 기술되었다. 다른 구현예들은 후속하는 청구항들의 범위 내에 있다. 일부 경우들에서, 청구항들에 기재된 액션들은 다른 순서로 수행될 수 있고, 여전히 원하는 결과들을 달성한다. 추가로, 첨부 도면들에 도시된 프로세스들은 원하는 결과들을 달성하기 위해 도시된 특정 순서 또는 순차적 순서를 필수적으로 요구되지 않는다. 일정 구현예들에서, 멀티태스킹 또는 병렬 프로세싱이 활용된다.

Claims (20)

  1. 디바이스에 의한 제시를 위해 컨텐츠를 선택하는 방법으로서,
    하나 이상의 프로세서들에 의해, 디바이스 식별자들의 세트와 관련된 온라인 액션들에 기초하여 컨텐츠 선택 파라미터의 값들을 추정(estimate)하는 예측 모델(predictive model)을 생성하는 단계;
    상기 하나 이상의 프로세서들에서, 상기 디바이스를 나타내는 디바이스 식별자와 관련된 온라인 액션들을 표시하는 데이터를 수신하는 단계;
    상기 하나 이상의 프로세서들에 의해, 상기 예측 모델과 상기 디바이스 식별자와 관련된 온라인 액션들을 표시하는 상기 데이터를 사용하여 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값을 결정하는 단계;
    상기 하나 이상의 프로세서들에 의해, 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 정밀 팩터(precision factor)를 결정하는 단계;
    컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 특정된 값 및 특정된 정밀도(degree of precision)를 수신하는 단계;
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터의 상기 특정된 값 간의 제1 비교를 수행하는 단계;
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 상기 컨텐츠 선택 파라미터에 대한 상기 특정된 값 간의 매치를 상기 제1 비교의 결과로서 결정하는 단계;
    상기 예측된 값과 상기 특정된 값 간의 상기 매치에 응답하여, 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 상기 정밀 팩터와 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 상기 특정된 정밀도 간의 제2 비교를 수행하는 단계;
    상기 예측된 값과 관련된 상기 정밀 팩터가 상기 특정된 정밀도를 만족함을 상기 제2 비교의 결과로서 결정하는 단계; 그리고
    상기 제2 비교의 결과에 응답하여, 상기 디바이스에 의한 제시를 위한 상기 컨텐츠 제공자의 컨텐츠를 선택하는 단계를 포함하는 것을 특징으로 하는 방법.
  2. 청구항 1에 있어서,
    상기 예측 모델을 생성하는 단계는
    상기 컨텐츠 선택 파라미터에 대한 값들을 결정하기 위해 상기 디바이스 식별자들의 세트에 대한 계정 데이터를 분석하는 단계를 포함하는 것을 특징으로 하는 방법.
  3. 청구항 2에 있어서,
    서로 다른 나이 범위들을 나타내기 위해 상기 컨텐츠 선택 파라미터에 대한 상기 값들을 사용하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  4. 청구항 3에 있어서,
    서로 다른 정밀 팩터들을 상기 디바이스 식별자에 대한 상기 서로 다른 나이 범위들과 관련시키는 단계를 더 포함하며, 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값은 상기 가장 높은 관련된 정밀 팩터를 가지는 상기 나이 범위에 대응하는 것을 특징으로 하는 방법.
  5. 청구항 1에 있어서,
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값을 결정하는 단계는 상기 디바이스 식별자와 관련된 예측된 성별을 결정하는 단계를 포함하는 것을 특징으로 하는 방법.
  6. 청구항 1에 있어서,
    상기 디바이스 식별자에 대한 컨텐츠 선택 파라미터 값들의 서브셋을 생성하기 위해 글로벌 임계 정밀 팩터를 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값에 적용하는 단계; 그리고
    상기 디바이스 식별자에 대한 컨텐츠 선택 파라미터 값들의 상기 서브셋에 기초하여 선택을 위해 적격한 서드-파티 컨텐츠를 식별하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  7. 청구항 3에 있어서,
    서로 다른 성별 및 나이 범위 조합들을 나타내기 위해 상기 컨텐츠 선택 파라미터에 대한 상기 값들을 사용하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  8. 디바이스에 의한 제시를 위해 컨텐츠를 선택하기 위한 시스템으로서, 하나 이상의 프로세서들을 포함하며, 상기 하나 이상의 프로세서들은:
    디바이스 식별자들의 세트와 관련된 온라인 액션들에 기초하여 컨텐츠 선택 파라미터의 값들을 추정하는 예측 모델을 생성하고;
    상기 디바이스를 나타내는 디바이스 식별자와 관련된 온라인 액션들을 표시하는 데이터를 수신하고;
    상기 예측 모델과 상기 디바이스 식별자와 관련된 온라인 액션들을 표시하는 상기 데이터를 사용하여 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값을 결정하고;
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 정밀 팩터(precision factor)를 결정하고;
    컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 특정된 값 및 특정된 정밀도를 수신하고;
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터의 상기 특정된 값 간의 제1 비교를 수행하고;
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 상기 컨텐츠 선택 파라미터에 대한 상기 특정된 값 간의 매치를 상기 제1 비교의 결과로서 결정하고;
    상기 예측된 값과 상기 특정된 값 간의 상기 매치에 응답하여, 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 상기 정밀 팩터와 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 상기 특정된 정밀도 간의 제2 비교를 수행하고;
    상기 예측된 값과 관련된 상기 정밀 팩터가 상기 특정된 정밀도를 만족함을 상기 제2 비교의 결과로서 결정하고; 그리고
    상기 제2 비교의 결과에 응답하여, 상기 디바이스에 의한 제시를 위한 상기 컨텐츠 제공자의 컨텐츠를 선택하도록 구성되는 것을 특징으로 하는 시스템.
  9. 청구항 8에 있어서,
    상기 예측 모델은 상기 컨텐츠 선택 파라미터에 대한 값들을 결정하기 위해 상기 디바이스 식별자들의 세트에 대한 계정 데이터를 분석함으로써 생성되는 것을 특징으로 하는 시스템.
  10. 청구항 9에 있어서,
    상기 하나 이상의 프로세서들은 서로 다른 나이 범위들을 나타내기 위해 상기 컨텐츠 선택 파라미터에 대한 상기 값들을 사용하도록 더 구성되는 것을 특징으로 하는 시스템.
  11. 청구항 10에 있어서,
    상기 하나 이상의 프로세서들은 서로 다른 정밀 팩터들을 상기 디바이스 식별자에 대한 상기 서로 다른 나이 범위들과 관련시키도록 더 구성되며, 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값은 상기 가장 높은 관련된 정밀 팩터를 가지는 상기 나이 범위에 대응하는 것을 특징으로 하는 시스템.
  12. 청구항 8에 있어서,
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값은 상기 디바이스 식별자와 관련된 예측된 성별을 결정함으로써 결정되는 것을 특징으로 하는 시스템.
  13. 청구항 8에 있어서,
    상기 하나 이상의 프로세서들은 상기 디바이스 식별자에 대한 컨텐츠 선택 파라미터 값들의 서브셋을 생성하기 위해 글로벌 임계 정밀 팩터를 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값에 적용하고; 그리고
    상기 디바이스 식별자에 대한 컨텐츠 선택 파라미터 값들의 상기 서브셋에 기초하여 선택을 위한 적격이 있는 서드-파티 컨텐츠를 식별하도록 더 구성되는 것을 특징으로 하는 시스템.
  14. 청구항 8에 있어서,
    상기 하나 이상의 프로세서들은 상기 컨텐츠 선택 파라미터의 사용자-특정 값의 정확성을 결정하도록 더 구성되는 것을 특징으로 하는 시스템.
  15. 기계 명령들이 저장된 컴퓨터-판독가능 저장 매체로서, 상기 명령들은 프로세서에 의해 실행가능하며, 상기 프로세서로 하여금:
    디바이스 식별자들의 세트와 관련된 온라인 액션들에 기초하여 컨텐츠 선택 파라미터의 값들을 추정하는 예측 모델을 생성하는 동작;
    상기 디바이스를 나타내는 디바이스 식별자와 관련된 온라인 액션들을 표시하는 데이터를 수신하는 동작;
    상기 예측 모델과 상기 디바이스 식별자와 관련된 온라인 액션들을 표시하는 상기 데이터를 사용하여 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값을 결정하는 동작;
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 정밀 팩터(precision factor)를 결정하는 동작;
    컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 특정된 값 및 특정된 정밀도를 수신하는 동작;
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터의 상기 특정된 값 간의 제1 비교를 수행하는 동작;
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 상기 컨텐츠 선택 파라미터에 대한 상기 특정된 값 간의 매치를 상기 제1 비교의 결과로서 결정하는 동작;
    상기 예측된 값과 상기 특정된 값 간의 상기 매치에 응답하여, 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값과 관련된 상기 정밀 팩터와 상기 컨텐츠 제공자에 의해 특정된 상기 컨텐츠 선택 파라미터에 대한 상기 특정된 정밀도 간의 제2 비교를 수행하는 동작;
    상기 예측된 값과 관련된 상기 정밀 팩터가 상기 특정된 정밀도를 만족함을 상기 제2 비교의 결과로서 결정하는 동작; 그리고
    상기 제2 비교의 결과에 응답하여, 상기 디바이스에 의한 제시를 위한 상기 컨텐츠 제공자의 컨텐츠를 선택하는 동작을 포함하는 동작들을 수행하게 하는 것을 특징으로 하는 컴퓨터-판독가능 저장 매체.
  16. 청구항 15에 있어서,
    상기 예측 모델은 상기 컨텐츠 선택 파라미터에 대한 값들을 결정하기 위해 상기 디바이스 식별자들의 세트에 대한 계정 데이터를 분석함으로써 생성되는 것을 특징으로 하는 컴퓨터-판독가능 저장 매체.
  17. 청구항 16에 있어서,
    서로 다른 나이 범위들을 나타내기 위해 상기 컨텐츠 선택 파라미터에 대한 상기 값들을 사용하는 동작을 더 포함하는 것을 특징으로 하는 컴퓨터-판독가능 저장 매체.
  18. 청구항 17에 있어서,
    서로 다른 정밀 팩터들을 상기 디바이스 식별자에 대한 상기 서로 다른 나이 범위들과 관련시키는 동작을 더 포함하며, 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값은 상기 가장 높은 관련된 정밀 팩터를 가지는 상기 나이 범위에 대응하는 것을 특징으로 하는 컴퓨터-판독가능 저장 매체.
  19. 청구항 15에 있어서,
    상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 예측된 값은 상기 디바이스 식별자와 관련된 예측된 성별을 결정함으로써 결정되는 것을 특징으로 하는 컴퓨터-판독가능 저장 매체.
  20. 청구항 15에 있어서,
    상기 디바이스 식별자에 대한 컨텐츠 선택 파라미터 값들의 서브셋을 생성하기 위해 글로벌 임계 정밀 팩터를 상기 디바이스 식별자에 대한 상기 컨텐츠 선택 파라미터의 상기 예측된 값에 적용하는 동작; 그리고
    상기 디바이스 식별자에 대한 컨텐츠 선택 파라미터 값들의 상기 서브셋에 기초하여 선택을 위한 적격이 있는 서드-파티 컨텐츠를 식별하는 동작을 더 포함하는 것을 특징으로 하는 컴퓨터-판독가능 저장 매체.
KR1020167008365A 2013-08-30 2013-08-30 정밀 제어들로 컨텐츠 선택 KR101853043B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2013/082620 WO2015027442A1 (en) 2013-08-30 2013-08-30 Content selection with precision controls

Publications (2)

Publication Number Publication Date
KR20160049543A KR20160049543A (ko) 2016-05-09
KR101853043B1 true KR101853043B1 (ko) 2018-04-27

Family

ID=52584526

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167008365A KR101853043B1 (ko) 2013-08-30 2013-08-30 정밀 제어들로 컨텐츠 선택

Country Status (6)

Country Link
US (1) US20150066630A1 (ko)
EP (1) EP3039552A4 (ko)
JP (1) JP6267344B2 (ko)
KR (1) KR101853043B1 (ko)
CN (1) CN105493057B (ko)
WO (1) WO2015027442A1 (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9588675B2 (en) 2013-03-15 2017-03-07 Google Inc. Document scale and position optimization
US9280749B1 (en) * 2013-10-08 2016-03-08 Google Inc. Determining an attribute of an online user using user device data
US10607255B1 (en) * 2013-12-17 2020-03-31 Amazon Technologies, Inc. Product detail page advertising
US20150248216A1 (en) * 2014-02-28 2015-09-03 Microsoft Corporation Information interface generation and/or population
WO2016002133A1 (ja) * 2014-06-30 2016-01-07 日本電気株式会社 予測システムおよび予測方法
US10542380B2 (en) * 2015-01-30 2020-01-21 Bby Solutions, Inc. Beacon-based media network
US10282745B2 (en) * 2015-05-14 2019-05-07 Google Llc System and method for isolated simulations for accurate predictions of counterfactual events
US10055390B2 (en) * 2015-11-18 2018-08-21 Google Llc Simulated hyperlinks on a mobile device based on user intent and a centered selection of text
US20180012264A1 (en) * 2016-07-08 2018-01-11 Facebook, Inc. Custom features for third party systems
US10282792B2 (en) 2016-11-30 2019-05-07 Facebook, Inc. Joint modeling of user and content feature vector data based on third party source data
US10165064B2 (en) 2017-01-11 2018-12-25 Google Llc Data packet transmission optimization of data used for content item selection
US20180253759A1 (en) * 2017-03-02 2018-09-06 Microsoft Technology Licensing, Llc Leveraging usage data of an online resource when estimating future user interaction with the online resource
BR112019019430A2 (pt) * 2017-04-06 2020-04-14 Inscape Data Inc sistema, método e produto de programa de computador
US11645277B2 (en) * 2017-12-11 2023-05-09 Google Llc Generating and/or utilizing a machine learning model in response to a search request
US11334928B2 (en) * 2018-04-23 2022-05-17 Microsoft Technology Licensing, Llc Capturing company page quality
US10752076B2 (en) 2018-06-07 2020-08-25 Beijingwest Industries Co., Ltd. Hydraulic damper with a compression stop assembly
US11887114B2 (en) * 2020-04-03 2024-01-30 Nbcuniversal Media, Llc Systems and methods for pulsing content

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070073681A1 (en) * 2001-11-02 2007-03-29 Xerox Corporation. User Profile Classification By Web Usage Analysis

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5948061A (en) * 1996-10-29 1999-09-07 Double Click, Inc. Method of delivery, targeting, and measuring advertising over networks
ES2261527T3 (es) * 2001-01-09 2006-11-16 Metabyte Networks, Inc. Sistema, procedimiento y aplicacion de software para publicidad dirigida mediante una agrupacion de modelos de comportamiento, y preferencias de programacion basadas en grupos de modelos de comportamiento.
US7590691B2 (en) * 2005-10-07 2009-09-15 Google Inc. Indirect subscriptions to top N lists of content feeds
JP5034279B2 (ja) * 2006-03-15 2012-09-26 富士通株式会社 属性推定プログラムおよび属性情報提供システム
EP2074502A4 (en) * 2006-09-28 2010-11-10 Google Inc USER CONTENT FEATURE INTERFACE
JP4808207B2 (ja) * 2007-12-11 2011-11-02 ヤフー株式会社 広告配信装置、広告配信方法、広告配信プログラム及び広告入札方法
US9916611B2 (en) * 2008-04-01 2018-03-13 Certona Corporation System and method for collecting and targeting visitor behavior
US8306857B2 (en) * 2008-04-04 2012-11-06 Google Inc. Dynamic content selection and delivery
US20100161385A1 (en) * 2008-12-19 2010-06-24 Nxn Tech, Llc Method and System for Content Based Demographics Prediction for Websites
US8655695B1 (en) * 2010-05-07 2014-02-18 Aol Advertising Inc. Systems and methods for generating expanded user segments
US8370330B2 (en) * 2010-05-28 2013-02-05 Apple Inc. Predicting content and context performance based on performance history of users
CN102637170A (zh) * 2011-02-10 2012-08-15 北京百度网讯科技有限公司 一种问题推送方法及系统
US20140149204A1 (en) * 2011-08-30 2014-05-29 Mediamind Technologies Ltd. System and method for advertising verification based on users' demographics
CN102663026B (zh) * 2012-03-22 2015-09-23 浙江盘石信息技术股份有限公司 一种定向投放网络广告的实现方法
CN103177380A (zh) * 2013-02-26 2013-06-26 北京集奥聚合科技有限公司 结合用户群与预投放的广告投放效果的优化方法和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070073681A1 (en) * 2001-11-02 2007-03-29 Xerox Corporation. User Profile Classification By Web Usage Analysis

Also Published As

Publication number Publication date
EP3039552A4 (en) 2017-02-08
CN105493057A (zh) 2016-04-13
US20150066630A1 (en) 2015-03-05
JP6267344B2 (ja) 2018-01-24
EP3039552A1 (en) 2016-07-06
WO2015027442A1 (en) 2015-03-05
JP2016534457A (ja) 2016-11-04
KR20160049543A (ko) 2016-05-09
CN105493057B (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
KR101853043B1 (ko) 정밀 제어들로 컨텐츠 선택
US10630794B2 (en) Multi computing device network based conversion determination based on computer network traffic
US11244359B2 (en) Location-based bid modifiers
US20150066593A1 (en) Determining a precision factor for a content selection parameter value
US20130138506A1 (en) Estimating user demographics
CN107832409B (zh) 访问基于位置的内容
US8527526B1 (en) Selecting a list of network user identifiers based on long-term and short-term history data
US8874144B1 (en) Selecting location-based content
US9626691B2 (en) Determining a bid modifier value to maximize a return on investment in a hybrid campaign
US20170323230A1 (en) Evaluating keyword performance
US11798009B1 (en) Providing online content
US20140222587A1 (en) Bid adjustment suggestions based on device type
US10500490B1 (en) Using game data for providing content items
US20140095325A1 (en) Optimizing monetization with brand impact scoring
US8886575B1 (en) Selecting an algorithm for identifying similar user identifiers based on predicted click-through-rate
US9786014B2 (en) Earnings alerts
AU2017261552A1 (en) Accessing location-based content

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant