KR102219275B1 - 설치-후 어플리케이션 인터렉션 개선하기 - Google Patents

설치-후 어플리케이션 인터렉션 개선하기 Download PDF

Info

Publication number
KR102219275B1
KR102219275B1 KR1020197004288A KR20197004288A KR102219275B1 KR 102219275 B1 KR102219275 B1 KR 102219275B1 KR 1020197004288 A KR1020197004288 A KR 1020197004288A KR 20197004288 A KR20197004288 A KR 20197004288A KR 102219275 B1 KR102219275 B1 KR 102219275B1
Authority
KR
South Korea
Prior art keywords
user
application
post
installation
activity
Prior art date
Application number
KR1020197004288A
Other languages
English (en)
Other versions
KR20190028511A (ko
Inventor
시바니 사난
크리스토퍼 케이. 해리스
니콜라 레트케
시시 링이 히시아오
사무엘 시제 밍 레옹
비노드 쿠마 라마찬드란
안토니 차베즈
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
Priority to KR1020217004585A priority Critical patent/KR102276284B1/ko
Publication of KR20190028511A publication Critical patent/KR20190028511A/ko
Application granted granted Critical
Publication of KR102219275B1 publication Critical patent/KR102219275B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/60Software deployment
    • G06F8/61Installation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning

Abstract

방법들, 시스템들 및 장치들은 컨텐츠를 제공하는 방법을 포함하는 컴퓨터 판독가능 저장 매체에 인코딩된 컴퓨터 프로그램들을 포함한다. 설치-후 활동을 특정하는 데이터가 어플리케이션의 제공자로부터 수신된다. 서드 파티 컨텐츠를 사용자에게 제공하기 위한 기회가 식별된다. 상기 사용자의 하나 이상의 속성들 및 상기 어플리케이션에서 상기 특정된 설치-후 활동을 이전에 수행했던 사용자들의 속성들에 기초하여, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성이 결정된다. 상기 결정된 가능성에 기초하여 상기 어플리케이션을 식별하는 서드 파티 컨텐츠에 대한 선택가치가 조정되며, 상기 선택가치는 상기 가능성이 증가함에 따라 증가한다.

Description

설치-후 어플리케이션 인터렉션 개선하기
본 명세서는 어플리케이션과 관련된 컨텐츠 선택과 관련된다.
인터넷은 다양한 리소스에 대한 엑세스를 제공한다. 예를 들어, 비디오 및/또는 오디오 파일뿐만 아니라 특정한 주제 또는 특정한 뉴스 기사의 웹페이지는 인터넷을 통해 엑세스될 수 있다. 이러한 리소스들에 대한 엑세스는 서드 파티 컨텐츠가 상기 리소스들과 함께 제공될 기회를 준다. 예를 들어, 웹페이지는 컨텐츠가 제시될 수 있는 슬롯들을 포함할 수 있다.
일반적으로, 본 명세서에 기술된 발명의 일 혁신적인 양태는 방법들에서 구현될 수 있으며 상기 방법은: 하나 이상의 서버들에 의해, 어플리케이션의 제공자로부터 설치-후 활동(post-install activity)을 특정하는 데이터를 수신하는 단계; 상기 하나 이상의 서버들에 의해, 서드 파티 컨텐츠를 사용자에게 제공하기 위한 기회를 식별하는 단계; 상기 하나 이상의 서버들에 의해, 상기 사용자의 하나 이상의 속성들 및 상기 어플리케이션에서 상기 특정된 설치-후 활동을 이전에 수행했던 사용자들의 속성들에 기초하여, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 단계; 상기 하나 이상의 서버들에 의해, 상기 결정된 가능성에 기초하여 상기 어플리케이션을 식별하는 서드 파티 컨텐츠에 대한 선택가치(selection value)를 조정하는 단계, 상기 선택가치는 상기 가능성이 증가함에 따라 증가하며; 상기 하나 이상의 서버들에 의해, 조정된 선택가치에 기초하여 어플리케이션을 식별하는 상기 서드 파티 컨텐츠를 선택하는 단계; 및 상기 하나 이상의 서버들에 의해, 상기 어플리케이션을 식별하는 상기 서드 파티 컨텐츠를 상기 사용자의 클라이언트 디바이스에 배포하는 단계를 포함한다.
이들 또는 다른 실시예들은 다음 구성들 중 하나 이상을 각각 선택적으로 포함할 수 있다. 설치-후 활동을 특정하는 데이터를 수신하는 것은 수행될 수 있는 상기 어플리케이션과의 하나 이상의 사용자 인터렉션들을 특정하는 데이터를 수신하는 것을 포함할 수 있다. 설치-후 활동을 특정하는 데이터를 수신하는 것은 상기 어플리케이션의 설치에 후속하여 획득될, 지출 수준(spend level) 또는 이익 수준(profit level) 중 하나를 포함하는, 목표 이익의 수준(target level of gain)을 특정하는 데이터를 수신하는 것을 포함할 수 있다. 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 것은: 상기 어플리케이션 내의 이전 사용자 활동을 특정하는 이력적 사용자 활동 데이터에 엑세스하는 것; 상기 특정된 설치-후 활동을 수행한 사용자들의 사용자 속성들에 엑세스하는 것; 상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 제공하는 모델을 생성하는 것; 및 상기 가능성을 획득하기 위해 상기 모델을 상기 사용자의 상기 하나 이상의 속성들에 적용하는 것을 포함할 수 있다. 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 것은: 상기 어플리케이션 내에서 인터렉션을 통해 획득된 이전 이익(prior gain)을 특정하는 이력적 사용자 활동 데이터에 엑세스하는 것; 상기 어플리케이션과 인터렉션했던 사용자들의 사용자 속성들에 엑세스하는 것; 상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 어플리케이션과의 인터렉션을 통해 상기 사용자로부터 획득될 추정 이익을 제공하는 모델을 생성하는 것; 및 상기 사용자로부터 획득될 상기 추정 이익을 획득하기 위해 상기 사용자의 상기 하나 이상의 속성들에 상기 모델을 적용하는 것을 포함할 수 있다. 상기 모델은 상기 어플리케이션 내의 이전 사용자 활동을 특정하는 상기 이력적 사용자 활동 데이터에 기계 학습 시스템을 적용함으로써 및/또는 상기 어플리케이션 내에서 인터렉션을 통해 획득된 이전 이익을 특정하는 상기 이력적 사용자 활동 데이터에 기계 학습 시스템을 적용함으로써 생성될 수 있다. 상기 방법은 상기 제공자가 추적하고 있는 설치-후 활동들의 세트로 채워진 사용자 인터페이스를 상기 제공자에게 제공하는 단계를 더 포함할 수 있고, 설치-후 활동을 특정하는 데이터를 수신하는 단계는 상기 사용자 인터페이스에 제시된 상기 설치-후 활동들의 세트 중 하나 이상과의 제공자 인터렉션을 검출하는 것을 포함한다.
일반적으로, 본 명세서에 기술된 발명의 다른 양태는 컴퓨터 프로그램으로 인코딩된 비-일시적 컴퓨터 저장 매체로 구현될 수 있다. 일반적으로, 본 명세서에 기술된 발명의 일 혁신적인 양태는 방법들에서 구현될 수 있으며 상기 방법은: 하나 이상의 서버들에 의해, 어플리케이션의 제공자로부터 설치-후 활동(post-install activity)을 특정하는 데이터를 수신하는 단계; 상기 하나 이상의 서버들에 의해, 서드 파티 컨텐츠를 사용자에게 제공하기 위한 기회를 식별하는 단계; 상기 하나 이상의 서버들에 의해, 상기 사용자의 하나 이상의 속성들 및 상기 어플리케이션에서 상기 특정된 설치-후 활동을 이전에 수행했던 사용자들의 속성들에 기초하여, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 단계; 상기 하나 이상의 서버들에 의해, 상기 결정된 가능성에 기초하여 상기 어플리케이션을 식별하는 서드 파티 컨텐츠에 대한 선택가치를 조정하는 단계, 상기 선택가치는 상기 가능성이 증가함에 따라 증가하며; 상기 하나 이상의 서버들에 의해, 조정된 선택가치에 기초하여 어플리케이션을 식별하는 상기 서드 파티 컨텐츠를 선택하는 단계; 및 상기 하나 이상의 서버들에 의해, 상기 어플리케이션을 식별하는 상기 서드 파티 컨텐츠를 상기 사용자의 클라이언트 디바이스에 배포하는 단계를 포함한다.
이들 또는 다른 실시예들은 다음 구성들 중 하나 이상을 각각 선택적으로 포함할 수 있다. 설치-후 활동을 특정하는 데이터를 수신하는 것은 수행될 수 있는 상기 어플리케이션과의 하나 이상의 사용자 인터렉션들을 특정하는 데이터를 수신하는 것을 포함할 수 있다. 설치-후 활동을 특정하는 데이터를 수신하는 것은 상기 어플리케이션의 설치에 후속하여 획득될, 지출 수준(spend level) 또는 이익 수준(profit level) 중 하나를 포함하는, 목표 이익의 수준(target level of gain)을 특정하는 데이터를 수신하는 것을 포함할 수 있다. 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 것은: 상기 어플리케이션 내의 이전 사용자 활동을 특정하는 이력적 사용자 활동 데이터에 엑세스하는 것; 상기 특정된 설치-후 활동을 수행한 사용자들의 사용자 속성들에 엑세스하는 것; 상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 제공하는 모델을 생성하는 것; 및 상기 가능성을 획득하기 위해 상기 모델을 상기 사용자의 상기 하나 이상의 속성들에 적용하는 것을 포함할 수 있다. 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 것은: 상기 어플리케이션 내에서 인터렉션을 통해 획득된 이전 이익(prior gain)을 특정하는 이력적 사용자 활동 데이터에 엑세스하는 것; 상기 어플리케이션과 인터렉션했던 사용자들의 사용자 속성들에 엑세스하는 것; 상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 어플리케이션과의 인터렉션을 통해 상기 사용자로부터 획득될 추정 이익을 제공하는 모델을 생성하는 것; 및 상기 사용자로부터 획득될 상기 추정 이익을 획득하기 위해 상기 사용자의 상기 하나 이상의 속성들에 상기 모델을 적용하는 것을 포함할 수 있다. 상기 모델은 상기 어플리케이션 내의 이전 사용자 활동을 특정하는 상기 이력적 사용자 활동 데이터에 기계 학습 시스템을 적용함으로써 및/또는 상기 어플리케이션 내에서 인터렉션을 통해 획득된 이전 이익을 특정하는 상기 이력적 사용자 활동 데이터에 기계 학습 시스템을 적용함으로써 생성될 수 있다. 상기 동작들은 상기 제공자가 추적하고 있는 설치-후 활동들의 세트로 채워진 사용자 인터페이스를 상기 제공자에게 제공하는 동작을 더 포함할 수 있고, 설치-후 활동을 특정하는 데이터를 수신하는 것은 상기 사용자 인터페이스에 제시된 상기 설치-후 활동들의 세트 중 하나 이상과의 제공자 인터렉션을 검출하는 것을 포함한다.
일반적으로, 본 명세서에 기술된 발명의 다른 양태는 하나 이상의 프로세싱 디바이스들 및 하나 이상의 저장 디바이스들을 포함하는 시스템들에서 구현될 수 있다. 일반적으로, 본 명세서에 기술된 발명의 일 혁신적인 양태는 방법들에서 구현될 수 있으며 상기 방법은: 하나 이상의 서버들에 의해, 어플리케이션의 제공자로부터 설치-후 활동(post-install activity)을 특정하는 데이터를 수신하는 단계; 상기 하나 이상의 서버들에 의해, 서드 파티 컨텐츠를 사용자에게 제공하기 위한 기회를 식별하는 단계; 상기 하나 이상의 서버들에 의해, 상기 사용자의 하나 이상의 속성들 및 상기 어플리케이션에서 상기 특정된 설치-후 활동을 이전에 수행했던 사용자들의 속성들에 기초하여, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 단계; 상기 하나 이상의 서버들에 의해, 상기 결정된 가능성에 기초하여 상기 어플리케이션을 식별하는 서드 파티 컨텐츠에 대한 선택가치를 조정하는 단계, 상기 선택가치는 상기 가능성이 증가함에 따라 증가하며; 상기 하나 이상의 서버들에 의해, 조정된 선택가치에 기초하여 어플리케이션을 식별하는 상기 서드 파티 컨텐츠를 선택하는 단계; 및 상기 하나 이상의 서버들에 의해, 상기 어플리케이션을 식별하는 상기 서드 파티 컨텐츠를 상기 사용자의 클라이언트 디바이스에 배포하는 단계를 포함한다.
이들 또는 다른 실시예들은 다음 구성들 중 하나 이상을 각각 선택적으로 포함할 수 있다. 설치-후 활동을 특정하는 데이터를 수신하는 것은 수행될 수 있는 상기 어플리케이션과의 하나 이상의 사용자 인터렉션들을 특정하는 데이터를 수신하는 것을 포함할 수 있다. 설치-후 활동을 특정하는 데이터를 수신하는 것은 상기 어플리케이션의 설치에 후속하여 획득될, 지출 수준(spend level) 또는 이익 수준(profit level) 중 하나를 포함하는, 목표 이익의 수준(target level of gain)을 특정하는 데이터를 수신하는 것을 포함할 수 있다. 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 것은: 상기 어플리케이션 내의 이전 사용자 활동을 특정하는 이력적 사용자 활동 데이터에 엑세스하는 것; 상기 특정된 설치-후 활동을 수행한 사용자들의 사용자 속성들에 엑세스하는 것; 상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 제공하는 모델을 생성하는 것; 및 상기 가능성을 획득하기 위해 상기 모델을 상기 사용자의 상기 하나 이상의 속성들에 적용하는 것을 포함할 수 있다. 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 것은: 상기 어플리케이션 내에서 인터렉션을 통해 획득된 이전 이익(prior gain)을 특정하는 이력적 사용자 활동 데이터에 엑세스하는 것; 상기 어플리케이션과 인터렉션했던 사용자들의 사용자 속성들에 엑세스하는 것; 상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 어플리케이션과의 인터렉션을 통해 상기 사용자로부터 획득될 추정 이익을 제공하는 모델을 생성하는 것; 및 상기 사용자로부터 획득될 상기 추정 이익을 획득하기 위해 상기 사용자의 상기 하나 이상의 속성들에 상기 모델을 적용하는 것을 포함할 수 있다. 상기 모델은 상기 어플리케이션 내의 이전 사용자 활동을 특정하는 상기 이력적 사용자 활동 데이터에 기계 학습 시스템을 적용함으로써 및/또는 상기 어플리케이션 내에서 인터렉션을 통해 획득된 이전 이익을 특정하는 상기 이력적 사용자 활동 데이터에 기계 학습 시스템을 적용함으로써 생성될 수 있다. 상기 동작들은 상기 제공자가 추적하고 있는 설치-후 활동들의 세트로 채워진 사용자 인터페이스를 상기 제공자에게 제공하는 동작을 더 포함할 수 있고, 설치-후 활동을 특정하는 데이터를 수신하는 것은 상기 사용자 인터페이스에 제시된 상기 설치-후 활동들의 세트 중 하나 이상과의 제공자 인터렉션을 검출하는 것을 포함한다.
특정한 구현예들은 다음의 이점들 중 하나 이상을 실현할 수 있다. 어플리케이션들(“앱”)을 배포하는 어플리케이션 제공자는 예측된 다운로드 후 활동을 앱 설치/다운로드 이후 특정 인터렉션을 수행할 사용자들의 특정 유형들을 식별하기 위한 기초로서 사용할 수 있다. 기계 학습 시스템은 다운로드-후 사용자 인터렉션의 동일한 세트를 배포에 대한 기초로서 사용하여 다수의 상이한 온라인 플랫폼들(예: 검색, 비디오, 소셜 네트워크, 퍼블리셔 페이지 및/또는 스트리밍 컨텐츠 플랫폼)에 대한 어플리케이션에 대한 정보(예: 다운로드 링크) 배포를 가능하게 한다. 예를 들어, 기계 학습 시스템은 사용자의 특징들 및 특정 다운로드-후 활동을 이전에 수행했던 다른 사용자들의 특징들에 기초하여, 주어진 사용자가 특정된 다운로드-후 활동(예: 게임 어플리케이션의 일정 레벨에 도달하거나 다운로드 후 주어진 횟수만큼 어플리케이션을 활용)을 수행할 가능성을 자동으로 결정할 수 있다. 따라서, 어플리케이션들은 사용자 및 다른 사용자와 연관된 데이터의 분석에 기초하여 사용자에게 제공될 수 있다. 따라서, 사용자가 활용할 어플리케이션들이 사용자에게 제공될 수 있다. 따라서, 사용자가 사용하지 않거나 특정한 방식으로 인터렉션하지 않을 불필요한 어플리케이션들을 피할 수 있고, 그에 의해 사용자에 대한 데이터 전송을 감소시키고 뿐만 아니라 사용자가 사용하지 않는 어플리케이션들과 인터렉션하는 사용자 시간을 아낄 수 있다. 해당 사용자의 주체에 대해, 본 발명은 통계적으로 유의미한 개선을 제공할 것이다.
본 명세서에 기술된 본 발명의 하나 이상의 구현예들의 세부 사항은 첨부 도면과 아래의 설명에서 기술된다. 본 발명의 다른 구성들, 양태들 및 이점들은 설명, 도면 및 청구항으로부터 명백해질 것이다.
도 1은 서드 파티 컨텐츠를 전자 문서로 제시하기 위해 배포되는 예시적인 환경의 블록도이다.
도 2-4는 어플리케이션 제공자들의 어플리케이션들과 관련된 컨텐츠의 선택을 위한 입찰 전략들을 제공하기 위한 어플리케이션 제공자들에 대한 예시적 사용자 인터페이스를 집합적으로 도시한다.
도 5a는 서드 파티 컨텐츠를 배포하기 위한 예시적인 프로세스의 흐름도이다.
도 5b는 서드 파티 컨텐츠를 배포하는 예시적 시스템을 도시한다.
도 6은 본 명세서에 기술된 방법, 시스템 및 프로세스를 구현하는데 사용될 수 있는 예시적인 컴퓨터 시스템의 블록도이다.
다양한 도면들에서 동일한 참조 번호 및 기호는 동일한 구성요소를 표시한다.
어플리케이션의 사용자 다운로드에 이어 어플리케이션 내에서 발생하는 하나 이상의 특정 사용자 인터렉션들의 가능성에 기초하여, 컨텐츠에 대한 요청에 응답하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품이 설명된다. 예를 들어, 어플리케이션 제공자는 하나 이상의 설치-후 사용자 인터렉션들을 특정할 수 있으며, 기계 학습 시스템(예: 기계 학습을 사용하여 생성된 모델)은 특정 사용자가 다운로드된 어플리케이션 내에서 다운로드-후 사용자 인터렉션을 수행할 가능성에 관한 예측을 출력할 수 있다.
도 1은 서드 파티 컨텐츠를 전자 문서로 제시하기 위해 배포되는 예시적인 환경(100)의 블록도이다. 예시적 환경(100)은 근거리 네트워크(LAN), 광역 네트워크(WAN), 인터넷 또는 그들의 조합과 같은 네트워크(102)를 포함한다. 네트워크(102)는 전자 문서 서버들(104), 사용자 디바이스들(106), 서드 파티 컨텐츠 서버들(108) 및 서드 파티 컨텐츠 배포 시스템(110)(또한 컨텐츠 배포 시스템으로도 지칭됨)을 연결한다. 예시적 환경(100)은 많은 상이한 전자 문서 서버들(104), 사용자 디바이스들(106) 및 서드 파티 컨텐츠 서버들(108)을 포함할 수 있다. 일부 구현예에서, 환경(100)은 예를 들어, 다운로드 및/또는 사용할 수 있는 어플리케이션들(또는 "앱들")을 제공하는 어플리케이션 서버들(124)(예를 들어, 앱스토어)을 포함한다. 예를 들어, 앱들은 어플리케이션 제공자들(126)에 의해 제공될 수 있다.
사용자 디바이스(106)는 네트워크(102)를 통해 리소스들(예를 들어, 전자 문서들)을 요청하고 수신할 수 있는 전자 디바이스이다. 예시적 사용자 디바이스들(106)은 퍼스널 컴퓨터들, 모바일 통신 디바이스들 및 네트워크(102)를 통해 데이터를 송수신할 수 있는 기타 디바이스들을 포함한다. 사용자 디바이스(106)는 일반적으로 네트워크(102)를 통해 데이터의 송수신을 지원하기 위한 웹 브라우저와 같은 사용자 어플리케이션을 포함하지만, 사용자 디바이스(106)에 의해 실행되는 네이티브 어플리케이션(native application)도 네트워크(102)를 통해 데이터의 송수신을 지원할 수 있다.
전자 문서는 사용자 디바이스(106)에서 컨텐츠의 세트를 제시하는 데이터이다. 전자 문서들의 예시들은 웹페이지, 워드 프로세싱 문서, PDF(Portable Document Format) 문서, 이미지, 비디오, 검색 결과 페이지 및 피드 소스를 포함한다. 모바일, 태블릿 또는 데스크톱 컴퓨팅 디바이스에 설치된 어플리케이션과 같은 네이티브 어플리케이션들 (예를 들어, "앱들")도 전자 문서들의 예들이다. 전자 문서들은 전자 문서 서버들(104)에 의해 사용자 디바이스들(106)에 제공될 수 있다. 예를 들어, 전자 문서 서버들(104)은 퍼블리셔 웹사이트를 호스팅하는 서버들을 포함할 수 있다. 이 예시에서, 사용자 디바이스(106)는 주어진 퍼블리셔 웹페이지에 대한 요청을 개시할 수 있고, 상기 주어진 퍼블리셔 웹페이지를 호스팅하는 전자 문서 서버(104)는 사용자 디바이스(106)에서 상기 주어진 웹페이지의 제시를 개시하는 기계 실행가능 명령어들을 송신함으로써 상기 요청에 응답할 수 있다.
다른 예시에서, 전자 문서 서버들(104)은 사용자 디바이스들(106)이 앱들을 다운로드할 수 있는 앱 서버들을 포함할 수 있다. 이 예시에서, 사용자 디바이스(106)는 사용자 디바이스(106)에서 앱을 설치하는데 필요한 파일들을 다운로드하고, 그 후 상기 다운로드된 앱을 로컬에서 실행할 수 있다.
전자 문서들은 다양한 컨텐츠를 포함할 수 있다. 예를 들어, 전자 문서는 전자 문서 자체 내에 있는 및/또는 시간 경과에 따라 변하지 않는 정적 컨텐츠(예: 텍스트 또는 기타 특정 내용)을 포함할 수 있다. 또한, 전자 문서들은 시간이 지남에 따라 또는 요청 기반으로 변경될 수 있는 동적 컨텐츠를 포함할 수 있다. 예를 들어, 주어진 전자 문서의 퍼블리셔는 전자 문서의 일부를 채우기 위해 사용되는 데이터 소스를 유지할 수 있다. 이 예시에서, 주어진 전자 문서는 사용자 디바이스(106)에 의해 주어진 전자 문서가 프로세싱(예를 들어, 렌더링 또는 실행)되는 경우, 사용자 디바이스(106)로 하여금 데이터 소스로부터 컨텐츠를 요청하게 하는 태그 또는 스크립트를 포함할 수 있다. 사용자 디바이스(106)는 데이터 소스로부터 획득된 컨텐츠를 상기 주어진 전자 문서의 제시에 통합하여, 상기 데이터 소스로부터 획득된 컨텐츠를 포함하는 복합 전자 문서를 생성한다.
일부 상황에서, 주어진 전자 문서는 서드 파티 컨텐츠 배포 시스템(110)을 참조하는 서드 파티 태그 또는 서드 파티 스크립트(예를 들어, 코드의 부분)를 포함할 수 있다. 이들 상황에서, 서드 파티 태그 또는 서드 파티 스크립트는 주어진 전자 문서가 사용자 디바이스(106)에 의해 프로세싱되는 경우, 사용자 디바이스(106)에 의해 실행된다. 서드 파티 태그 또는 서드 파티 스크립트의 실행은 사용자 디바이스(106)을 구성하여, 서드 파티 컨텐츠 배포 시스템(110)에 대해 서드 파티 컨텐츠에 대한 요청(112)을 생성하며, 상기 서드 파티 컨텐츠는 네트워크(102)를 통해 전송된다. 예를 들어, 서드 파티 태그 또는 서드 파티 스크립트는 사용자 디바이스(106)로 하여금 헤더 및 페이로드 데이터를 포함하는 패킷화된 데이터 요청을 생성하게 한다. 요청(112)은 서드 파티 컨텐츠가 요청되는 서버의 이름(또는 네트워크 위치), 요청하는 디바이스(예를 들어, 사용자 디바이스(106))의 이름(또는 네트워크 위치) 및/또는 상기 요청에 응답하여 제공되는 서드 파티 컨텐츠를 선택하기 위해 서드 파티 컨텐츠 배포 시스템(110)이 사용할 수 있는 정보를 포함할 수 있다. 요청(112)은 사용자 디바이스(106)에 의해, 네트워크(102)(예를 들어, 통신 네트워크)를 통해, 서드 파티 컨텐츠 배포 시스템(110)의 서버로 전송된다.
요청(112)은 전자 문서를 특정하는 데이터 및 서드 파티 컨텐츠가 제시될 수 있는 위치들의 특성들을 포함할 수 있다. 예를 들어, 서드 파티 컨텐츠가 제시될 전자 문서(예: 웹페이지)에 대한 참조 (예: URL), 서드 파티 컨텐츠를 제시하기 위해 사용가능한 전자 문서들의 사용가능한 위치들(예: 서드 파티 컨텐츠 슬롯들), 상기 사용가능한 위치들의 크기들, 전자 문서의 제시 내에서 사용 가능한 위치들의 포지션들 및/또는 상기 위치들에서 제시하기에 적합한 미디어 유형들을 특정하는 데이터가 서드 파티 컨텐츠 배포 시스템(110)에 제공될 수 있다. 유사하게, 전자 문서에 의해 참조되는 상기 전자 문서와 연관된 키워드들("문서 키워드") 또는 엔터티들(예를 들어, 사람들, 장소들 또는 사물들)을 특정하는 데이터는 또한 상기 요청(112)에 포함되고(예를 들어, 페이로드 데이터로서), 서드 파티 컨텐츠 배포 시스템(110)에 제공되어 전자 문서와의 제시에 적합한 서드 파티 컨텐츠 아이템의 식별을 용이하게 한다.
또한, 요청들(112)은 사용자가 제공했던 정보, 요청이 제출되었던 주(state) 또는 지역을 표시하는 지리적 정보 또는 서드 파티 컨텐츠가 디스플레이될 환경에 대한 컨텍스트를 제공하는 기타 정보(예: 모바일 디바이스 또는 태블릿 디바이스와 같이 서드 파티 컨텐츠가 디스플레이될 디바이스의 유형)와 같은 기타 정보와 관련된 데이터를 포함할 수 있다. 또한, 사용자 디바이스(106)의 모델을 식별하는 정보, 사용자 디바이스(106)의 구성 또는 전자 문서가 제시되는 전자 디스플레이(예: 터치스크린 또는 데스크톱 모니터)의 크기(예: 물리적 크기 또는 해상도)와 같은 사용자 디바이스(106)의 특성들을 특정하는 데이터도 상기 요청(112)에서 제공될 수 있다. 요청들(112)은 예를 들어, 패킷화된 네트워크를 통해 전송될 수 있고, 요청들(112) 자체는 헤더 및 페이로드 데이터를 갖는 패킷화된 데이터로서 포맷팅될 수 있다. 상기 헤더는 상기 패킷의 목적지를 특정할 수 있고, 상기 페이로드 데이터는 상기 논의된 임의의 정보를 포함할 수 있다.
서드 파티 컨텐츠 배포 시스템(110)은 요청(112)의 수신 및/또는 요청(112)에 포함된 정보의 사용에 응답하여, 주어진 전자 문서와 함께 제시될 서드 파티 컨텐츠(예를 들어, 앱에 관한 정보)를 선택한다. 일부 구현예에서, 서드 파티 컨텐츠는 서드 파티 컨텐츠의 선택 지연으로 인한 오류들을 피하기 위해 1초 미만 내에 선택된다. 예를 들어, 요청(112)에 응답하여 서드 파티 컨텐츠를 제공하는데 있어서 지연은 사용자 디바이스(106)에서 페이지 로딩 오류들을 결과로 하거나 또는 사용자 디바이스(106)에서 전자 문서의 다른 부분들이 사용자에게 제시된 후에도 전자 문서의 일부가 채워지지 않은 채 남아있게 할 수 있다. 또한, 서드 파티 컨텐츠를 사용자 디바이스(106)에 제공하는데 있어서 지연이 증가함에 따라, 서드 파티 컨텐츠가 제공되는 경우 전자 문서가 사용자 디바이스(106)에서 더 이상 제공되지 않게 되어, 상기 전자 문서에 대한 사용자의 경험에 부정적인 영향을 줄 가능성이 커진다. 또한, 서드 파티 컨텐츠를 제공하는데 있어서의 지연은 서드 파티 컨텐츠가 제공되는 경우 전자 문서가 사용자 디바이스(106)에서 더 이상 제시되지 않는 다면, 서드 파티 컨텐츠의 전달의 실패를 초래할 수 있다.
일부 구현예에서, 서드 파티 컨텐츠 배포 시스템(110)은, 예를 들어, 상호연결되고, 그리고 요청들(112)에 응답하여 서드 파티 컨텐츠를 식별하고 배포하는 서버 및 다수의 컴퓨팅 디바이스들(114)의 세트를 포함하는 분산 컴퓨팅 시스템에서 구현된다. 다수의 컴퓨팅 디바이스들(114)의 세트는 수백만의 사용가능한 서드 파티 컨텐츠(3PC1-x)의 코퍼스 중에서 전자 문서에 제시되기에 적합한 서드 파티 컨텐츠의 세트를 식별하기 위해 함께 동작한다. 수백만의 사용가능한 서드 파티 컨텐츠는 예를 들어, 서드 파티 코퍼스 데이터베이스(116)에서 색인될 수 있다. 각 서드 파티 컨텐츠 색인 항목은 해당 서드 파티 컨텐츠를 참조하거나 및/또는 해당 서드 파티 컨텐츠의 배포를 조건화하는 배포 파라미터들(DP1-DPx)(예: 선택 기준)을 포함할 수 있다.
일부 구현예에서, 특정한 서드 파티 컨텐츠에 대한 배포 파라미터(예: 선택 기준)는 서드 파티 컨텐츠가 제시되기에 적합하기 위해 반드시 매칭되어야 하는(예를 들어, 전자 문서 또는 요청(112)에서 특정된 용어들과) 배포 키워드들을 포함할 수 있다. 또한, 배포 파라미터들은 서드 파티 컨텐츠가 제시되기에 적합하기 위해 요청(112)이 특정한 지리적 영역(예: 국가 또는 주)을 특정하는 정보 및/또는 요청(112)이 특정한 유형의 사용자 디바이스(예를 들어, 모바일 디바이스 또는 태블릿 디바이스)에서 유래되었음을 특정하는 정보를 포함할 것을 요구할 수 있다. 배포 파라미터는 특정한 서드 파티 컨텐츠를 배포하기 위한 선택가치를 특정할 수 있다. 선택가치는 컨텐츠 선택을 위한 임계치와 관련될 수 있거나, 예를 들어, 입찰 및/또는 예산과 관련될 수 있다.
적합한 서드 파티 컨텐츠의 식별은 다수의 컴퓨팅 디바이스들(114)의 세트 내의 컴퓨팅 디바이스들 사이에 할당되는 다수의 작업들(117a-117c)로 세분될 수 있다. 예를 들어, 다수의 컴퓨팅 디바이스들(114)의 세트 내의 상이한 컴퓨팅 디바이스들은 서드 파티 코퍼스 데이터베이스(116)의 상이한 부분을 각각 분석하여 요청(112)에 포함된 정보와 매칭되는 배포 파라미터들을 갖는 다양한 서드 파티 컨텐츠를 식별할 수 있다. 일부 구현예에서, 다수의 컴퓨팅 디바이스들(114)의 세트 내의 각 주어진 컴퓨팅 디바이스는 상이한 데이터 차원(dimension)(또는 차원들의 세트)을 분석 할 수 있고, 상기 분석의 결과들(118a-118c)을 서드 파티 컨텐츠 배포 시스템(110)으로 전달할 수 있다. 예를 들어, 세트 내의 컴퓨팅 디바이스들 각각에 의해 제공된 결과들(118a-118c)은 요청에 응답하여 배포하기에 적합한 서드 파티 컨텐츠의 서브셋 및/또는 특정 배포 파라미터들 또는 속성들을 가지는 서드 파티 컨텐츠의 서브셋을 식별할 수 있다.
서드 파티 컨텐츠 배포 시스템(110)은 다수의 컴퓨팅 디바이스들(114)의 세트로부터 수신된 결과들(118a-118c)을 집합시키고, 상기 집합된 결과들과 연관된 정보를 사용하여, 요청(112)에 응답하여 제공될 서드 파티 컨텐츠의 하나 이상의 인스턴스들을 선택한다. 예를 들어, 서드 파티 컨텐츠 배포 시스템(110)은 이하에서 더 상세히 설명되는 바와 같이, 하나 이상의 컨텐츠 평가 프로세스들의 결과에 기초하여 선택된 서드 파티 컨텐츠 세트를 선택할 수 있다. 차례로, 서드 파티 컨텐츠 배포 시스템(110)은 사용자 디바이스(106)로 하여금 선택된 서드 파티 컨텐츠 세트를 주어진 전자 문서에 통합하게 하는 응답 데이터(reply data)(120)를 생성하고 네트워크(102)를 통해 전송할 수 있어, 상기 선택된 서드 파티 컨텐츠의 세트와 상기 전자 문서의 컨텐츠가 사용자 디바이스(106)의 디스플레이에 함께 제시되도록 한다.
일부 구현예에서, 사용자 디바이스(106)는 사용자 디바이스(106)를 구성하여 하나 이상의 서드 파티 컨텐츠 서버들로부터 상기 선택된 서드 파티 컨텐츠의 세트를 획득하게 하는 응답 데이터(120)에 포함된 명령어들을 실행한다. 예를 들어, 응답 데이터(120) 내의 명령어들은 네트워크 위치(예를 들어 URL (Uniform Resource Locator)) 및 사용자 디바이스(106)가 서드 파티 컨텐츠 서버(108)에 서드 파티 요청(121)을 전송하여, 서드 파티 컨텐츠 서버(108)로부터 주어진 선택된 서드 파티 컨텐츠를 획득하게 하는 스크립트를 포함할 수 있다. 요청에 응답하여, 서드 파티 컨텐츠 서버(108)는 주어진 선택된 서드 파티 컨텐츠가 전자 문서에 통합되어 사용자 디바이스(106)에서 제시되게 하는 서드 파티 데이터(122)를 사용자 디바이스(106)에 전송할 것이다.
서드 파티 컨텐츠 배포 시스템(110)은 (예를 들어, 요청에 대응하는 데이터에 기초하여) 각각의 주어진 요청에 대해 상기 선택된 서드 파티 컨텐츠 세트를 식별하고 선택하기 위해 하나 이상의 평가 프로세스들을 활용할 수 있다. 일부 구현예에서, 평가 프로세스는 전자 문서와 함께 제시하기 위해 선택할 서드 파티 컨텐츠를 결정할 뿐만 아니라, 상기 선택된 서드 파티 컨텐츠에 동적으로 적용될(예를 들어, 요청마다(per-request basis)) 포맷팅의 유형을 결정할 것이 요구된다. 일부 구현예에서, 또한, 평가 프로세스는 적용된 포맷팅으로 제시되는 경우 선택된 서드 파티 컨텐츠의 제시를 위해 지불될 가격을 결정할 수 있다.
일부 구현예에서, 서드 파티 컨텐츠 배포 시스템(110)은 주어진 요청에 응답하여, 해당 요청에 응답하여 사용자 디바이스(106)에 반환되기에 적합하다고 간주되는 서드 파티 컨텐츠 아이템(예를 들어, 서드 파티 컨텐츠의 인스턴스들)의 세트 중에서 서드 파티 컨텐츠를 선택할 수 있다. 적합한 서드 파티 컨텐츠는 요청에서 특정된 다양한 데이터 또는 요청과 연관된 컨텍스트에 따라 요청마다 식별될 수 있다. 예를 들어, 요청은 요청된 서드 파티 컨텐츠의 허용 가능한 크기 또는 종횡비(aspect ratio)를 표시할 수 있고, 서드 파티 컨텐츠 배포 시스템(110)은 사용가능한 서드 파티 컨텐츠의 전체 세트를 상기 크기 또는 종횡비 제약 및 임의의 기타 적용가능한 제약을 만족하는 적합한 컨텐츠의 세트로 필터링할 수 있다. 그 다음, 서드 파티 컨텐츠를 선택하기 위한 평가 프로세스는 적합한 서드 파티 컨텐츠 세트에 대해서만 수행될 수 있다. 일부 예시에서, 평가 프로세스에는 서드 파티 컨텐츠 아이템들을 스코어링하고 랭킹하는 것과 관련될 수 있다. 선택된 서드 파티 컨텐츠 아이템은 스코어에 따라 가장 높게 랭킹된 아이템일 수 있다. 일부 구현예에서, 부적합한 서드 파티 컨텐츠는 컨텐츠가 스코어링되고 랭킹되기 전에 사용가능한 컨텐츠의 전체 세트로부터 제외될 수 있다. 일부 구현예에서, 부적합한 서드 파티 컨텐츠는 컨텐츠가 스코어링되고 랭킹된 후에 사용가능한 컨텐츠의 전체 세트로부터 제외될 수 있다.
도 2 내지 도 5b와 관련하여 더 설명되는 바와 같이, 서드 파티 컨텐츠 배포 시스템(110)은 어플리케이션들과 관련된 정보의 제시를 트리거링하도록 구성될 수 있다. 예를 들어, 서드 파티 컨텐츠 배포 시스템(110)은 제출된 쿼리 또는 서드 파티 컨텐츠 슬롯을 채우기 위한 요청을 수신하는 것과 같이, 서드 파티 컨텐츠를 사용자에게 제공하기 위한 기회를 수신(또는 통지를 수신)할 수 있다. 응답으로, 서드 파티 컨텐츠 배포 시스템(110)은 어플리케이션을 다운로드하기 위한 링크와 같이, 어플리케이션과 연관된 어플리케이션 정보를 제공할 수 있다.
또한, 도 2-4는 어플리케이션 제공자들이 그들의 어플리케이션들과 관련된 컨텐츠의 배포를 위한 전략들을 특정하게 하기 위한 예시적 사용자 인터페이스(200)를 집합적으로 도시한다. 예를 들어, 사용자 인터페이스(200)를 사용하여, 어플리케이션 제공자들(126)은 그들의 어플리케이션들과 관련된 서드 파티 컨텐츠의 선택을 최적화하는데 사용될 설치-후 활동들을 식별할 수 있다. 예를 들어, 어플리케이션 제공자는 특정된 설치-후 활동들 중 하나 이상을 수행할 사용자들에게 제공된 어플리케이션에 대한 정보를 원함을 특정할 수 있다.
예를 들어, 어플리케이션 제공자(126)에 제시된 경우, 사용자 인터페이스(200)는 어플리케이션 제공자가 현재 추적중인(예를 들어, 분석 시스템을 사용하여) 설치-후 활동들의 세트(202)로 채워질 수 있다. 설치-후 활동들의 추적(tracking)은 예를 들어, 앱 제공자에 의해 그들의 어플리케이션 내의 주어진 위치에 특정 코드 조각을 삽입하여, 설치-후 활동이 수행되면 코드가 사용자 디바이스에 의해 실행되고, 특정된 설치-후 활동이 어플리케이션 내에서 수행되었다는 것을 표시하는 정보를 추적(tracking) 서버에 제출하도록하여 달성될 수 있다. 사용자 인터페이스(200)는 사용자 인터페이스(200)에 제시된 하나 이상의 설치-후 활동들의 세트(202) 중 하나 이상과 어플리케이션 제공자의 인터렉션을 통하는 것과 같이, 설치-후 활동들을 특정하는 데이터를 (어플리케이션 제공자에 의한 입력을 통해) 수신할 수 있다.
사용자 인터페이스(200)는 예를 들어, 어플리케이션 제공자(126)에 의해 사용되어, 예를 들면 어플리케이션 제공자(126)에 의해 제공된 어플리케이션에 대한 전체 전환 볼륨(total conversion volume)을 최적화(예를 들어, 최대화 또는 증가)하기 위한 컨텐츠 선택 파라미터를 설정한다. 예를 들어, 사용자 인터페이스(200)는 선택가치들 및 대응하는 설치 수(또는 설치 후 액션)가 설치-당-비용(cost-per-install)의 함수로서 도시된 선택가치 지표(landscape)를 지원할 수 있다. 일부 구현예에서, 사용자 인터페이스(200)는 어플리케이션 제공자(126) 광고주에 의해 목표 CPI(cost per impression)를 선택하기 위해 사용될 수 있다.
일부 구현예에서, 사용자 인터페이스(200)는 어플리케이션 제공자(126)가 사용자의 라이프타임 값과 연관된 입력을 제출할 수 있는 구성들을 포함할 수 있다. 예를 들어, 사용자의 평생가치(lifetime value)는 어플리케이션을 다운로드 한 후 그 어플리케이션을 사용하는 사용자로부터 생성된 총 수익일 수 있다. 일부 구현예에서, 사용자 인터페이스(200)는 어플리케이션 제공자(126)가 임계치(예: 최소값)를 특정하여, 예를 들면 선택가치 금액을 변경하기 위해 사용자의 평생 가치의 추정치와 비교할 수 있다. 일부 구현예에서, 상이한 선택가치 금액은 고객의 평생가치의 상이한 범위와 연관될 수 있다. 일부 구현예에서, 상이한 선택가치 금액은 이익률(rate of gain)(예: N개월 동안의 수입 $X) 또는 투자 수익률(ROI)과 연관될 수 있다. 예를 들어, 선택가치는 이익률이 증가함에 따라 증가할 수 있다(예: 더 높은 수준의 수익이 예상될 때 더 높은 선택가치가 사용됨).
예를 들어, 어플리케이션 제공자(126)는 어플리케이션과의 설치-후 사용자 인터렉션들에 대한 컨텐츠 선택을 목표로서 최적화하도록 선택할 수 있고, 어플리케이션 제공자가 유도하는 것(driving)에 관심 있는 설치-후 사용자 인터렉션의 카테고리(또는 유형)를 선택하도록 진행할 수 있다. 일부 구현예에서, 설치-후 사용자 인터렉션 최적화를 위해, 어플리케이션 제공자는 어플리케이션 제공자가 현재 추적 중인 특정 사용자 인터렉션(예: 어플리케이션의 첫 번째 오픈)을 선택하도록 추천할 수 있다. 선택된 설치-후 사용자 인터렉션들에 따라, 상이한 선택가치 지표가 제시될 수 있고, 그에 따라 얼마나 많은 특정된 설치-후 사용자 인터렉션들이 다양한 상이한 선택가치 레벨들에서 달성될 수 있는지의 인터렉티브 시각화를 제공한다.
일부 구현예에서, 어플리케이션 제공자는 어플리케이션에 대한 정보를 배포하도록 선택하여, 예를 들면, 설치-후 활동 옵션(202a)(예:"설치만 유도(drive)")와 인터렉션함으로써 설치를 최적화할 수 있다. 대안적으로 또는 추가적으로, 어플리케이션 제공자는 설치-후 활동 옵션들(202b, 202c) 중 하나와 인터렉션함으로써 설치-후 활동을 최적화하는 방식으로 어플리케이션에 관한 정보를 배포하도록 선택할 수 있다. 예를 들어, 사용자 인터페이스(200)를 사용하는 어플리케이션 제공자(126)는 어플리케이션 제공자(126)가 특정한 어플리케이션(예: 예시_앱(203))에 관한 정보를 포함하는 서드 파티 컨텐츠를 선택하기 위해 사용하기를 원하는 전략에 따라 설치-후 활동 옵션들(202b 또는 202c) 중 하나를 선택할 수 있다. 설치-후 활동 옵션(202b)은 선택가치 전략이 특정된 인앱 액션(in-app action)을 완료할 가능성이 있는 사용자로부터 설치를 유도하기 위해 목표 설치-당-비용(target cost-per-install)(204)을 사용할 경우 선택될 수 있다. 설치-후 활동 옵션(202c)은 선택가치 전략이 가장 높은 이익을 제공할 가능성이 있는 사용자로부터 설치를 유도하기 위해 목표 설치-당-비용(204)을 사용할 경우 선택될 수 있다. 일부 구현예에서, 그래프(206)는 추정 설치-당-비용(CPI)(206b)에 대한 추정된 설치(206a)를 보여준다. 예를 들어, 데이터 포인트(207a)는 설치-후 활동 옵션(202a) 내의 현재 설정과 연관된 그래프(206)상의 위치를 식별할 수 있다.
이제 도 3을 참조하면, 설치-후 활동 옵션(202b)이 선택되면, 예를 들어 최적화를 위해 설치-후 사용자 인터렉션들(210)을 특정하는데 사용되는 제어들(209)이 제공된다. 예를 들어, 설치-후 사용자 인터렉션(210)은 앱이 설치된 후 예시_앱(203)에서 발생할 수 있는(그리고 예시_앱(203)에 특정된) 가입(예: 사용자 이름 및 패스워드의 생성), 첫번째 레벨 완료(예: 게임 또는 다른 어플리케이션의 첫번째 레벨의 완료), 소셜 네트워크 내 공유, 보석들(또는 다른 아이템들)의 인앱 구매, 제3의 게임 획득과 같은 인앱 액션을 포함할 수 있다. (예를 들어, 예시_앱(203)과 상이한) 다른 앱들은 예시_앱(203)에 적용가능한 설치-후 사용자 인터렉션들(210)의 리스트 중 0개, 전부 또는 일부를 포함하는 설치-후 사용자 인터렉션들(210)의 상이한 리스트를 가질 수 있다. 예를 들어, 선택된 사용자 인터렉션(212)은 설치-후 사용자 인터렉션들(210) 중 어느 것이 현재 선택되어 있는지를 식별할 수 있다(예를 들어, 가입 및 첫번째 레벨 완료). 이 때, 상기 선택된 사용자 인터렉션(212)에 기초하여, 어플리케이션 제공자(126)는 사용자 인터페이스(200)를 통해, 예시_앱(203)에 대한 선택가치 전략은 사용자들이 가입 및 첫번째 레벨 완료의 수행을 할 가능성에 기초하여 예시_앱(203)을 수신하는 사용자들에 대한 선택가치들을 유도하는 것이라고 표시하고 있다. 일부 구현예에서, 그래프(208)는 추정 설치-당-비용(CPI)(208b)에 대한 추정된 인앱 액션들(208a)를 보여준다. 예를 들어, 데이터 포인트(207a)는 설치-후 활동 옵션(202a) 내의 현재 설정과 연관된 그래프(208)상의 위치를 식별한다.
이제 도 4를 참조하면, 설치-후 활동 옵션(202c)이 선택되면, 예를 들어 사용자 인터렉션들(214)과 연관된 제어들(219)이 제시된다. 예를 들어, 사용자 인터렉션들(214)은 가입, 첫번째 레벨 완료, 공유, 보석 구매 및 제3 게임 획득과 같은 앱이 설치된 후 예시_앱(203)에서 발생할 수 있는 (그리고 예시_앱(203)에 특정된) 지출 관련 인앱 액션들을 포함할 수 있다. (예를 들어, 예시_앱(203)과 상이한) 다른 앱들은 예시_앱(203)에 적용가능한 사용자 인터렉션들(214)의 리스트 중 0개, 전부 또는 일부를 포함하는 사용자 인터렉션들(214)의 상이한 리스트를 가질 수 있다. 예를 들어, 선택된 사용자 인터렉션(216)은 사용자 인터렉션들(214) 중 어느 것이 현재 선택되어 있는지를 식별할 수 있다(예를 들어, 보석 구매). 선택된 사용자 인터렉션들(216)에 기초하여, 어플리케이션 제공자(126)는 예시_앱(203)에 대한 선택가치 전략은 어플리케이션에서 사용자들이 가장 많이 획득하는 보석들을 소비할 가능성에 기초하여 예시_앱(203)에 관한 정보를 사용자에게 배포하는 것임을 표시하고 있다. 일부 구현예에서, 그래프(218)는 추정 설치-당-비용(CPI)(218b)에 대한 추정된 인앱 액션들 가치(218a)를 보여준다. 예를 들어, 데이터 포인트(207c)는 설치-후 활동 옵션(202c) 내의 현재 설정과 연관된 그래프(218)상의 위치를 식별할 수 있다.
도 5a는 서드 파티 컨텐츠를 배포하기 위한 예시적인 프로세스(500)의 흐름도이다. 일부 구현예에서, 서드 파티 컨텐츠 배포 시스템(110) 및 그것이 포함하는 컴포넌트는 하나 이상의 서버들 및 하나 이상의 프로세서에 의해 실행되는 명령어들을 저장하는 메모리 디바이스를 사용하여 프로세스(500)의 단계들을 수행할 수 있다. 또한, 도 1-4 및 도 5b는 프로세스(500)의 단계들을 수행하기 위한 예시적인 구조들을 제공하는데 사용된다. 예를 들어, 도 5b의 스테이지 1-6은 각각 단계들(502-512)로 진행한다.
설치-후 활동을 특정하는 데이터는 하나 이상의 서버들에 의해 어플리케이션 제공자로부터 수신된다(502). 예시로서, (110)은 (예컨대,도 5b의 스테이지(1)에서) 설치-후 활동(520)을 특정하는 데이터를 수신할 수 있다. 데이터의 수신은 예를 들어, 어플리케이션 제공자(126)가 사용자 인터페이스(200)를 사용하여 어플리케이션 제공자(126)의 어플리케이션에 관한 컨텐츠를 배포하기 위한 선택가치 전략으로서 사용될 설치-후 활동들(202) 중 하나를 특정할 때 발생할 수 있다. 예를 들어, 어플리케이션 제공자(126)가 설치-후 활동 옵션(202b)을 선택하면, 어플리케이션 제공자(126)는 목표 설치-당-비용(204)이 적용될 설치-후 사용자 인터렉션들(210) 중 특정한 것을 선택할 수 있다. 일부 구현예에서, 설치-후 활동(520)을 특정하는 데이터와 연관된 정보는 예를 들어, 어플리케이션 제공자(126)로 하여금 모든 기존의 네트워크들/플랫폼들에 걸쳐 사용될 단일 세트의 컨텐츠 선택 파라미터들을 포함하는 단일의 캠페인을 특정하게 하는 범용 어플리케이션 캠페인(536)의 데이터 저장소에 저장될 수 있다. 예를 들어, 어플리케이션들(538)의 데이터 저장소는 동일하고 상이한 어플리케이션 제공자(126)에 대한 어플리케이션들 뿐만 아니라 어플리케이션 제공자(126)의 예시_앱(203)를 포함할 수 있다.
서드 파티 컨텐츠를 사용자에게 제공할 기회가 식별된다(504). 예를 들어, 서드 파티 컨텐츠 배포 시스템(110)은 예를 들어, 사용자(524)와 연관된 사용자 디바이스(106a)로부터 컨텐츠(522)에 대한 요청을 수신할 수 있다. 예를 들면, 컨텐츠(522)에 대한 요청(예를 들어, 도 5b의 스테이지(2)에서)은 검색 쿼리 또는 사용자 디바이스(106a)에서 제시되는 리소스의 서드 파티 컨텐츠 슬롯을 채우기 위한 컨텐츠에 대한 요청(예를 들어, 스트리밍 미디어, 웹페이지, 소셜 네트워크 페이지 또는 사용자 디바이스에서 실행되는 네이티브 어플리케이션에서)일 수 있다. 일부 구현예에서, 식별된 기회는, 예를 들어, 어플리케이션에 대한 정보(예를 들어, 어플리케이션의 다운로드를 개시하는 링크 또는 어플리케이션 다운로드 사이트에 대한 링크들을 포함)를 포함할 수 있는 서드 파티 컨텐츠(534)로부터 컨텐츠 아이템을 제공할 기회일 수 있다.
상기 사용자의 하나 이상의 속성들 및 상기 어플리케이션에서 상기 특정된 설치-후 활동을 이전에 수행했던 사용자들의 속성들에 기초하여, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성이 결정된다(506). 예를 들어, 컨텐츠 선택 엔진(526)은 (예를 들어, 도 5b의 스테이지(3)에서) 어플리케이션 제공자(126)가 사용자 인터페이스(200)에서 특정된 설치-후 활동들 중 하나와 같은 특정된 설치-후 활동을 사용자가 수행할 가능성(528)을 결정할 수 있다. 사용자가 특정된 설치-후 활동을 수행할 가능성은 기계 학습 시스템에 의해 생성된 모델을 사용자의 속성에 적용함으로써 결정될 수 있다. 사용자의 하나 이상의 속성들은 예를 들어, 사용자 디바이스에서 실행되는 운영 체제, 운영 체제 및/또는 사용자 디바이스의 버전, 컨텐츠 요청이 수신된 지리적 영역(예: 사용자 디바이스의 지리적 위치) 및/또는 컨텐츠 요청이 제출 된 사용자 디바이스의 유형을 포함할 수 있다.
기계 학습 시스템에 의해 생성된 모델은 과거에 특정된 설치-후 활동을 수행했던 사용자에 대한 정보(예: 사용자의 속성)를 입력으로 받아 들일 수 있고, 상기 입력에 기초하여 사용자가 특정된 설치-후 활동을 수행할지 여부를 예측하는 모델을 생성할 수 있다. 모델은 예를 들어, 사용자가 특정된 설치-후 활동을 수행할 것인지 예측할 때 각 속성의 중요도(예: 가중치)를 특정할 수 있다. 모델(및 다양한 속성의 중요도)은 예를 들어 선형 회귀 또는 다른 기계 학습 기법을 사용하여 생성될 수 있다.
상기 결정된 가능성(508)에 기초하여, 어플리케이션(예를 들어, 포함된 정보)을 식별하는 서드 파티 컨텐츠에 대한 선택가치가 조정된다. 일부 구현예에서, 선택가치는 가능성이 증가함에 따라 증가한다. 예를 들어, 설치-후 활동 옵션(202b 및 202c)과 같은 사용자 인터페이스(200)에서 어플리케이션 제공자(126)에 의해 제공된 선택가치 전략 및 설정들에 기초하여, 컨텐츠 선택 엔진(526)은 (예를 들어, 도 5b의 스테이지(4)에서) 예시_앱(203)과 연관된 하나 이상의 컨텐츠 아이템들에 대한 선택가치를 올리는 것과 같이, 조정된 선택가치(530)를 제공할 수 있다. 상승된 선택가치는 예를 들어, 특정된 목표 설치-당-비용(204) 평균이 달성되도록 목표 설치-당-비용(204)을 가지는 라인에 있을 수 있다.
어플리케이션을 식별하는 서드 파티 컨텐츠는 조정된 선택가치에 기초하여 선택된다(510). 예시로서, 컨텐츠 선택 엔진(526)은 (예를 들어, 도 5b의 스테이지(5)에서) 어플리케이션을 식별하는 선택된 서드 파티 컨텐츠를 선택한다(532).
어플리케이션을 식별하는 서드 파티 컨텐츠는 사용자의 클라이언트 디바이스에 배포된다(512). 예를 들어, 서드 파티 컨텐츠 배포 시스템(110)은 (예를 들어, 도 5b의 스테이지(6)에서) 컨텐츠에 대한 요청에 응답하여 어플리케이션을 식별하는 서드 파티 컨텐츠(532)를 제공할 수 있다(522).
일부 구현예들에서, 설치-후 활동을 특정하는 데이터를 수신하는 것은 수행될 수 있는 상기 어플리케이션과의 하나 이상의 사용자 인터렉션들을 특정하는 데이터를 수신하는 것을 포함할 수 있다. 예를 들어, 설치-후 활동 옵션들(202b 또는 202c)을 특정하는 것에 더하여, 어플리케이션 제공자(126)는 사용자 인터렉션들(210 또는 214) 중 특정한 것들을 선택할 수 있다. 이 경우에, 사용자 인터렉션들(210 또는 214) 중 특정한 것들을 특정하는 것은 어플리케이션 제공자(126)가 목표 설치-당-비용(204)에 따라 선택가치를 증가 시키려고 하는 특정한 사용자 인터렉션들을 나타낸다.
일부 구현예에서, 설치-후 활동을 특정하는 데이터를 수신하는 것은 평생 이익 또는 고객으로서 사용자(524)를 가짐으로써 제공되는 가치와 관련된 일부 다른 시간 기간 동안의 이익과 같이, 어플리케이션의 설치 후에 획득될 목표 이익 레벨 예를 들어, 사용자의 하나 이상의 지출 또는 지출에 의해 정의되는 이익의 레벨을 특정하는 데이터를 수신하는 것을 포함한다. 예를 들어, 사용자 인터페이스(200)는 어플리케이션 제공자(126)로 하여금 평생가치 임계값, 가치 대 비용 임계값 또는 앱(예: 예시_앱(203))을 다운로딩한 후에 사용자가 달성할 가능성과 연관된 일부 다른 가치를 식별하게 하는 하나 이상의 구성들을 포함할 수 있다.
일부 구현예에서, 사용자가 특정된 설치-후 활동을 수행할 가능성을 결정하는 것은 다음을 포함할 수 있다. 예를 들어, 이력적 사용자 활동(540)의 데이터 저장소로부터 엑세스된, 어플리케이션 내의 이전 사용자 활동을 특정하는 이력적 사용자 활동 데이터가 엑세스된다. 예를 들어, 어플리케이션 설치 전후의 사용자 인터렉션들을 포함하여 과거 사용자 활동을 분석함으로써 특정된 설치-후 활동을 수행했던 사용자들의 사용자 속성들이 엑세스된다. 상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 제공하는 모델이 생성된다. 상기 모델은 상기 가능성을 획득하기 위해 상기 사용자의 상기 하나 이상의 속성들에 적용된다. 예를 들어, 컨텐츠 선택 엔진(526)은 생성된 모델을 사용하여 사용자(524)가 어플리케이션에 대한 선택가치 전략에서 특정된 사용자 인터렉션(들)을 수행 할 가능성을 결정할 수 있다. 결과적으로, 기계 학습 시스템을 사용하여 주어진 쿼리에 대해(예를 들어, 광고를 생성하기 위한), 사용자 및 앱 조합, 사용자가 앱을 설치하고 설치-후 활동을 수행할 가능성을 예측할 수 있다. 기계 학습 시스템은 주어진 사용자와 유사한 속성을 갖는 사용자의 평생가치에 기초하여 주어진 사용자의 추정 설치-후 수명가치를 출력하는 모델을 유사하게 생성할 수 있다.
일부 구현예에서, 사용자가 특정된 설치-후 활동을 수행할 가능성을 결정하는 것은 다음을 포함한다. 어플리케이션 내의 인터렉션을 통해 획득된 이전 이익을 특정하는 이력적 사용자 활동 데이터에 엑세스된다. 어플리케이션과 인터렉션했던 사용자의 사용자 속성들에 엑세스된다. 상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 어플리케이션과의 인터렉션을 통해 상기 사용자로부터 획득될 추정 이익을 제공하는 모델이 생성된다. 상기 사용자로부터 획득될 상기 추정 이익을 획득하기 위해 상기 사용자의 상기 하나 이상의 속성들에 상기 모델이 적용된다. 또한, 예를 들어, 컨텐츠 선택 엔진(526)은 특정한 사용자들 또는 사용자들의 그룹들에 대해 발생할 수 있는 금융 이익과 연관된 정보를 결정할 수 있고, 정보는 어플리케이션들과 연관된 컨텐츠 아이템들에 대한 선택가치를 조정할 때 사용될 수 있다.
도 6은 클라이언트로서 또는 서버 또는 복수의 서버들로서, 본 명세서에 기술된 시스템들 및 방법들을 구현하는데 사용될 수 있는 예시적 컴퓨팅 디바이스들(600, 650)의 블록도이다. 컴퓨팅 디바이스(600)는 랩톱, 데스크톱, 워크 스테이션, 개인 휴대 정보 단말기, 서버, 블레이드 서버, 메인 프레임 및 다른 적절한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터들을 나타내기 위한 것이다. 컴퓨팅 디바이스(600)는 텔레비전 또는 텔레비전에 내장되거나 텔레비전에 부착된 하나 이상의 프로세서들을 가지는 다른 전자 디바이스들과 같은 임의의 기타 일반적 비-모바일 디바이스를 표현하기 위해 의도된다. 컴퓨팅 디바이스(650)는 개인 휴대 정보 단말기, 셀룰러 전화기, 스마트폰 및 다른 컴퓨팅 디바이스들과 같은 다양한 형태의 모바일 디바이스들을 나타내기 위한 것이다. 여기에 도시된 컴포넌트들, 그들의 연결 및 관계, 및 그들의 기능은 단지 예시적인 것을 의미하며, 본 명세서에 기술된 및/또는 청구된 발명의 구현을 제한하는 것을 의미하지는 않는다.
컴퓨팅 디바이스(600)는 프로세서(602), 메모리(604), 저장 디바이스(606), 메모리(604) 및 고속 확장 포트(610)에 연결되는 고속 제어기(608) 및 저속 버스(614) 및 저장 디바이스(606)에 연결되는 저속 제어기(612)를 포함한다. 컴포넌트들(602, 604, 606, 608, 610 및 612) 각각은 다양한 버스들을 사용하여 상호 연결되고, 공통 마더 보드 상에 또는 적절한 다른 방식으로 장착될 수 있다. 프로세서(602)는 메모리(604) 또는 저장 디바이스(606)에 저장된 명령어들을 포함하는, 컴퓨팅 디바이스(600) 내에서 실행하기 위한 명령어들을 프로세싱하여, 고속 제어기(608)에 연결된 디스플레이(616)와 같은 외부 입/출력 디바이스상에 GUI에 대한 그래픽 정보를 디스플레이 할 수 있다. 다른 구현예에서, 다수의 프로세서들 및/또는 다수의 버스들이 다수의 메모리들 및 다수의 유형의 메모리와 함께, 적절하게 사용될 수 있다. 또한, 다수의 컴퓨팅 디바이스들(600)은 필요한 동작의 부분들을 제공하는 각 디바이스와 연결될 수 있다(예를 들어, 서버 뱅크, 블레이드 서버 그룹 또는 멀티 프로세서 시스템).
메모리(604)는 컴퓨팅 디바이스(600) 내에 정보를 저장한다. 일 구현예에서, 메모리(604)는 컴퓨터 판독가능 매체이다. 일 구현예에서, 메모리(604)는 휘발성 메모리 유닛 또는 유닛들이다. 다른 구현예에서, 메모리(604)는 비휘발성 메모리 유닛 또는 유닛들이다.
저장 디바이스(606)는 컴퓨팅 디바이스(600)에 대한 대형 저장소를 제공할 수 있다. 일 구현예에서, 저장 디바이스(606)는 컴퓨터 판독가능 매체이다. 다양한 상이한 구현예에서, 저장 디바이스(606)는 플로피 디스크 디바이스, 하드 디스크 디바이스, 광 디스크 디바이스 또는 테이프 디바이스, 플래시 메모리 또는 다른 유사한 고체 상태 메모리 디바이스, 또는 저장 영역 네트워크 또는 다른 구성의 디바이스를 포함하는 디바이스의 어레이일 수 있다. 일 구현예에서, 컴퓨터 프로그램 제품은 정보 캐리어에 유형적으로 수록된다. 컴퓨터 프로그램 제품은 또한 실행될 때 상기 기술된 바와 같은 하나 이상의 방법을 수행하는 명령어들을 포함한다. 정보 캐리어는 메모리(604), 저장 디바이스(606) 또는 프로세서(602)상의 메모리와 같은 컴퓨터 또는 기계 판독가능 매체이다.
고속 제어기(608)는 컴퓨팅 디바이스(600)에 대한 대역폭 집중 동작들을 관리하는 반면, 저속 제어기(612)는 낮은 대역폭 집중 동작들을 관리한다. 이러한 기능들의 할당은 단지 예시적인 것이다. 일 구현예에서, 고속 제어기(608)는 메모리(704), 디스플레이(716)(예를 들어, 그래픽 프로세서 또는 가속기를 통해) 및 다양한 확장 카드(도시되지 않음)를 수용할 수 있는 고속 확장 포트(610)에 연결된다. 구현예에서, 저속 제어기(612)는 저장 디바이스(606) 및 저속 버스(614)에 결합된다. 다양한 통신 포트(예를 들어, USB, 블루투스, 이더넷, 무선 이더넷)를 포함할 수 있는 저속 버스(614)(예를 들어, 저속 확장 포트)는 키보드, 포인팅 디바이스, 스캐너와 같은 하나 이상의 입력/출력 디바이스 또는 예를 들어 네트워크 어댑터를 통해 스위치 또는 라우터와 같은 네트워킹 디바이스에 결합될 수 있다.
컴퓨팅 디바이스(600)는 도면에 도시된 바와 같이 다수의 상이한 형태로 구현될 수 있다. 예를 들어, 그것은 표준 서버(620)로서 또는 그러한 서버들의 그룹에서 다수로 구현될 수 있다. 또한, 랙 서버 시스템(624)의 일부로서 구현될 수 있다. 또한, 랩톱 컴퓨터(622)와 같은 퍼스널 컴퓨터에서 구현될 수 있다. 대안적으로, 컴퓨팅 디바이스(600)로부터의 컴포넌트들은 컴퓨팅 디바이스(650)와 같은 모바일 디바이스(도시되지 않음) 내의 다른 컴포넌트들과 결합될 수 있다. 상기 디바이스들 각각은 컴퓨팅 디바이스(600, 650) 중 하나 이상을 포함할 수 있고, 전체 시스템은 서로 통신하는 다수의 컴퓨팅 디바이스들(600, 650)로 구성될 수 있다.
컴퓨팅 디바이스(650)는 다른 여러 컴포넌트들 중에서도 특히, 프로세서(652), 메모리(664), 디스플레이(654)와 같은 입/출력 디바이스, 통신 인터페이스(666) 및 송수신기(668)를 포함한다. 디바이스(650)에는 또한 추가적 저장을 제공하기 위해 마이크로 드라이브 또는 다른 디바이스와 같은 저장 디바이스가 제공될 수 있다. 컴포넌트들(650, 652, 664, 654, 666 및 668) 각각은 다양한 버스들을 사용하여 상호 연결되고, 몇몇 컴포넌트들은 공통 마더 보드 상에 또는 적절한 다른 방식으로 장착될 수 있다.
프로세서(652)는 메모리(664)에 저장된 명령어들을 포함하는 컴퓨팅 디바이스 (650)내에서 실행하기 위해 명령어들을 프로세싱할 수 있다. 또한 프로세서는 별도의 아날로그 및 디지털 프로세서가 포함될 수 있다. 프로세서는 예를 들어 사용자 인터페이스들, 컴퓨팅 디바이스(650)에 의해 실행되는 어플리케이션 및 컴퓨팅 디바이스(650)에 의한 무선 통신과 같은 컴퓨팅 디바이스(650)의 다른 컴포넌트들의 조정을 제공할 수 있다.
프로세서(652)는 제어 인터페이스(658) 및 디스플레이(656)에 연결된 디스플레이 인터페이스(656)를 통해 사용자와 통신할 수 있다. 디스플레이(654)는 예를 들어, TFT LCD 디스플레이 또는 OLED 디스플레이 또는 기타 적절한 디스플레이 기술일 수 있다. 디스플레이 인터페이스(786)는 사용자에게 그래픽 및 다른 정보를 제공하기 위해 디스플레이(654)를 구동하기 위한 적절한 회로를 포함할 수 있다. 제어 인터페이스(658)는 사용자로부터 명령을 수신하고, 프로세서(652)에 제출하기 위해 그들을 변환할 수 있다. 추가로, 외부 인터페이스(662)는 프로세서(652)와의 통신에 제공되어 다른 디바이스들과 컴퓨팅 디바이스(650)의 근거리 통신을 가능하게 할 수 있다. 외부 인터페이스(662)는 예를 들어, 유선 통신(예를 들어, 도킹 절차를 통해) 또는 무선 통신(예를 들어, 블루투스 또는 다른 그러한 기술을 통해)을 제공할 수 있다.
메모리(664)는 컴퓨팅 디바이스(650) 내에 정보를 저장한다. 일 구현예에서, 메모리(664)는 컴퓨터 판독가능 매체이다. 일 구현예에서, 메모리(664)는 휘발성 메모리 유닛 또는 유닛들이다. 다른 구현예에서, 메모리(664)는 비휘발성 메모리 유닛 또는 유닛들이다. 또한 확장 메모리(774)는 예를 들어 SIM(subscriber identification module) 카드 인터페이스를 포함할 수 있는 확장 인터페이스(772)를 통해 컴퓨팅 디바이스(650)에 제공되고 접속될 수 있다. 상기 확장 메모리(674)는 컴퓨팅 디바이스(650)에 대해 추가 저장 공간을 제공할 수 있거나, 또는 어플리케이션들 또는 컴퓨팅 디바이스(650)에 대한 다른 정보를 저장할 수 있다. 특히, 확장 메모리(674)는 전술한 프로세스들을 수행하거나 보충하는 명령어들을 포함할 수 있으며, 또한 보안 정보를 포함할 수 있다. 따라서, 예를 들면, 확장 메모리(674)는 컴퓨팅 디바이스(650)에 대한 보안 모듈로서 제공될 수 있고, 컴퓨팅 디바이스(650)의 보안 사용을 허용하는 명령어들로 프로그래밍될 수 있다. 또한, 보안 어플리케이션들은 SIM 카드 상의 식별 정보를 해킹할 수 없는 방식으로 배치하는 것과 같이, SIM 카드들을 통해 추가 정보와 함께 제공될 수 있다.
메모리는 예를 들어, 후술되는 바와 같이, 플래시 메모리 및/또는 MRAM 메모리를 포함할 수 있다. 일 구현예에서, 컴퓨터 프로그램 제품은 정보 캐리어에 유형적으로 수록된다. 컴퓨터 프로그램 제품은 또한 실행될 때 상기 기술된 바와 같은 하나 이상의 방법을 수행하는 명령어들을 포함한다. 정보 캐리어는 메모리(664), 확장 메모리(674) 또는 프로세서(652)상의 메모리와 같은 컴퓨터 또는 기계 판독가능 매체이다.
컴퓨팅 디바이스(650)는 필요에 따라 디지털 신호 처리 회로를 포함할 수 있는 통신 인터페이스(666)를 통해 무선으로 통신할 수 있다. 통신 인터페이스(666)는 다른 것들 중에서도 GSM 보이스 콜들, SMS, EMS 또는 MMS 메시징, CDMA, TDMA, PDC, WCDMA, CDMA2000 또는 GPRS와 같은 다양한 모드들 또는 프로토콜들 하에서의 통신을 위해 제공될 수 있다. 이러한 통신은 예를 들어, 송수신기(668)(예를 들어, 무선 주파수 송수신기)를 통해 발생될 수 있다. 추가로, 블루투스, Wi-Fi 또는 다른 트랜시버(도시되지 않음)를 사용하는 것과 같은 단거리 통신이 발생될 수 있다. 또한, GPS 수신기 모듈(670)은 컴퓨팅 디바이스(650)에서 실행되는 어플리케이션에 의해 적절하게 사용될 수 있는 추가적 무선 데이터를 컴퓨팅 디바이스(650)에 제공할 수 있다.
컴퓨팅 디바이스(650)는 또한 사용자로부터 발화된 정보를 수신하고 그것을 이용가능한 디지털 정보로 변환할 수 있는 오디오 코덱(660)을 사용하여 청각적으로 통신할 수 있다. 오디오 코덱(660)은 마찬가지로, 예를 들어 컴퓨팅 디바이스(650)의 핸드셋 내의 스피커를 통하는 것과 같이, 사용자를 위한 가청 사운드를 생성할 수 있다. 이러한 사운드는 보이스 전화 콜들로부터의 사운드 포함할 수 있고, 기록된 사운드(예를 들어, 음성 메시지, 음악 파일 등)를 포함할 수 있고, 또한 컴퓨팅 디바이스(650)상에서 동작하는 어플리케이션들에 의해 생성된 사운드를 포함할 수 있다.
컴퓨팅 디바이스(650)는 도면에 도시된 바와 같이 다수의 상이한 형태로 구현될 수 있다. 예를 들면, 그것은 셀룰러 전화(680)로서 구현될 수 있다. 또한 스마트폰(682), 개인 휴대 정보 단말기(PDA), 또는 다른 모바일 디바이스의 일부로서 구현될 수 있다.
본 명세서에 기술된 시스템들 및 기법들의 다양한 구현예들은 디지털 전자 회로, 집적 회로, 특수하게 설계된 ASIC들(application specific integrated circuits), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합으로 구현될 수 있다. 이들 다양한 구현예들은 적어도 하나의 프로그래머블 프로세서를 포함하는 프로그래머블 시스템 상에서 실행가능하고 및/또는 인터프리트가능한 하나 이상의 컴퓨터 프로그램들에서의 구현예를 포함할 수 있고, 이는 전용 또는 범용일 수 있고, 저장 시스템, 적어도 하나의 입력 디바이스 및 적어도 하나의 출력 디바이스으로부터 데이터 및 명령어들을 수신하고 그에 데이터 및 명령어들을 전송하기 위해 연결될 수 있다.
이들 컴퓨터 프로그램들(프로그램, 소프트웨어, 소프트웨어 어플리케이션 또는 코드로도 알려짐)은 프로그래머블 프로세서에 대한 기계 명령어들을 포함하며, 하이레벨 절차어 및/또는 객체 지향 프로그래밍 언어 및/또는 어셈블리/기계어에서 구현될 수 있다. 기능적 프로그래밍, 논리적 프로그래밍 또는 기타 프로그래밍과 같은 다른 프로그래밍 패러다임들도 사용될 수 있다. 본 명세서에서 사용된 바와 같이, 용어 “기계 판독가능 매체”, “컴퓨터 판독가능 매체”는 기계 판독가능 신호로서 기계 명령어들을 수신하는 기계 판독가능 매체를 포함하여, 기계 명령어들 및/또는 데이터를 프로그래머블 프로세서에 제공하는데 사용되는 임의의 컴퓨터 프로그램 물, 장치 및/또는 디바이스 예를 들어, 자기 디스크, 광학 디스크, 메모리, 프로그래머블 로직 디바이스(PLD)를 지칭한다. 용어 “기계 판독가능 신호”는 기계 명령어들 및/또는 데이터를 프로그래머블 프로세서에 제공하는데 사용되는 임의의 신호를 지칭한다.
사용자와의 인터렉션을 제공하기 위해, 본 명세서에서 기술된 시스템들 및 기법들은 사용자에게 정보를 디스플레이하기 위해 예를 들어, CRT(cathode ray tube) 또는 LCD(liquid crystal display) 모니터와 같은 디스플레이 디바이스 및 사용자가 컴퓨터에 입력을 제공할 수 있는 키보드 및 포인팅 디바이스 예를 들어, 마우스 또는 트랙볼을 갖는 컴퓨터에서 구현될 수 있다. 다른 종류의 디바이스들도 사용자와의 인터렉션을 제공하는데 사용될 수 있다. 예를 들어, 사용자에게 제공되는 피드백은 시각 피드백, 청각 피드백 또는 촉각 피드백과 같은 임의의 형태의 감각적 피드백일 수 있고, 사용자로부터의 입력은 음향, 음성 또는 촉각 입력을 포함하는 임의의 형태로 수신될 수 있다.
본 명세서에서 기술된 시스템들 및 기법들은 예를 들어 데이터 서버와 같은 백엔드 컴포넌트, 어플리케이션 서버와 같은 미들웨어 컴포넌트 또는 그래픽 사용자 인터페이스를 가지는 사용자 컴퓨터 또는 사용자가 본 명세서에 기술된 시스템들 및 기법들의 구현예와 인터렉션할 수 있는 웹 브라우저와 같은 프론트엔드 컴포넌트 또는 하나 이상의 상기 백엔드, 미들웨어 또는 프론트엔드 컴포넌트들의 임의의 조합을 포함하는 컴퓨팅 시스템에서 구현될 수 있다. 시스템의 컴포넌트들은 디지털 데이터 통신의 임의의 형태 또는 매체, 예를 들어 통신 네트워크에 의해 상호연결될 수 있다. 통신 네트워크들의 예시들은 LAN(local area network), WAN(wide area network) 및 인터넷을 포함한다.
컴퓨팅 시스템은 사용자들 및 서버들을 포함할 수 있다. 사용자와 서버는 일반적으로 서로 멀리 떨어져 있으며, 일반적으로 통신 네트워크를 통해 인터렉션한다. 사용자와 서버의 관계는 각각의 컴퓨터에서 실행되고 서로 사용자-서버 관계를 갖는 컴퓨터 프로그램에 의해 발생한다.
본 명세서는 많은 특정 구현 세부내용을 포함하지만, 이들은 임의의 발명의 범위 또는 청구될 수 있는 범위에 대한 제한으로서 해석되어서는 안되며, 오히려 특정한 발명의 특정한 구현예에 특정한 구성들에 대한 설명으로 해석되어야 한다. 별개의 구현예의 맥락에서 본 명세서에서 기술되는 일정 구성들은 또한 단일 구현예에서 조합하여 구현될 수 있다. 반대로, 단일 구현예의 맥락에서 기술된 다양한 구성들은 또한 다수의 구현예에서 개별적으로 또는 임의의 적합한 서브 조합으로 구현될 수 있다. 게다가, 구성들은 일정 조합으로 동작하고 심지어 초기적으로 그렇게 청구되는 것으로서 상기에서 기술될 수 있지만, 청구된 조합으로부터의 하나 이상의 구성들은 일부 경우, 조합으로부터 제거될 수 있고, 청구된 조합은 서브 조합 또는 서브 조합의 변형으로 안내될 수 있다.
유사하게, 동작들이 특정한 순서로 도면에서 도시되었지만, 이는 상기 동작들이 도시된 특정한 순서로 또는 시계열적 순서로 수행되어야 함을 요구하는 것으로서 또는 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안된다. 특정 환경에서, 멀티태스킹과 병렬 프로세싱은 이점이 있다. 게다가, 상기 기술된 구현예에서 다양한 시스템 컴포넌트들의 분리는 모든 구현예에서 그러한 분리가 필요한 것으로서 이해되어서는 안되며, 일반적으로 기술된 프로그램 컴포넌트들 및 시스템들은 단일의 소프트웨어 제품에 함께 통합되거나 다수의 소프트웨어 제품들에 패키징될 수 있다고 이해되어야 한다.
따라서, 본 발명의 특정한 구현예들이 기술되었다. 다른 구현예들도 다음의 청구항들의 범위 내에 있다. 일부 경우에, 청구항들에서 기재된 액션들은 상이한 순서로 수행되고 여전히 원하는 결과들을 달성할 수 있다. 추가로, 첨부 도면들에 도시된 프로세스들은 원하는 결과들을 달성하기 위해 특정한 도시된 순서, 또는 시계열적 순서를 반드시 필요로 하지 않는다. 특정 구현예에서, 멀티태스킹과 병렬 프로세싱은 이점이 있다.

Claims (10)

  1. 방법으로서,
    하나 이상의 서버들에 의해, 어플리케이션의 제공자로부터, 사용자가 어플리케이션을 설치한 후 상기 사용자에 의해 수행가능한 목표 설치-후 활동(post-install activity)을 특정하는 데이터를 수신하는 단계, 상기 제공자는 사용자 인터페이스와의 인터렉션을 통해, 상기 설치-후 활동이 사용자 가입 프로세스, 상기 사용자가 상기 어플리케이션을 설치한 후 상기 사용자가 게임 어플리케이션의 특정 레벨에 도달, 소설 네트워크에 공유, 게임 아이템의 인앱 구매 중 하나 이상을 포함함을 특정하며;
    상기 하나 이상의 서버들에 의해, 상기 사용자가 상기 어플리케이션을 설치하기 전에, 사용자 디바이스로부터, 서드 파티 컨텐츠에 대한 요청을 수신하는 단계;
    상기 요청을 수신함에 응답하여, 상기 사용자가 상기 어플리케이션을 설치하기 전에, 상기 사용자에 대해 상기 어플리케이션을 식별하는 특정한 서드 파티 컨텐츠를 선택하는 단계, 상기 어플리케이션을 식별하는 상기 특정한 서드 파티 컨텐츠는 상기 어플리케이션의 다운로드를 개시하는 링크 또는 어플리케이션 다운로드 사이트에 대한 링크를 포함하는 상기 특정한 서드 파티 컨텐츠를 포함하며;
    상기 특정한 서드 파티 컨텐츠를 배포하기 위한 선택가치(selection value)를 특정하는 하나 이상의 배포 파라미터들을 식별하는 단계;
    상기 하나 이상의 서버들에 의해, 상기 설치-후 활동을 특정하는 데이터에 기초하여, 과거 사용자 활동에 기초하여 상기 어플리케이션에서 상기 특정된 설치-후 활동을 이전에 수행했던 상기 사용자가 아닌 다른 사용자들의 속성들을 식별하는 단계;
    상기 하나 이상의 서버들에 의해, (i) 상기 사용자의 하나 이상의 식별된 속성들과 (ii) 상기 어플리케이션에서 상기 특정된 설치-후 활동을 이전에 수행했던 상기 다른 사용자들의 상기 식별된 속성들 사이에 일치를 식별하는 단계;
    상기 하나 이상의 서버들에 의해, 상기 사용자가 상기 어플리케이션을 설치하기 전에, 상기 사용자의 상기 하나 이상의 식별된 속성들과 상기 다른 사용자들의 상기 식별된 속성들 사이에 식별된 일치에 기초하여, 상기 사용자가 상기 어플리케이션을 설치한 후 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 단계;
    상기 하나 이상의 서버들에 의해, 상기 사용자가 상기 어플리케이션을 설치한 후 상기 특정된 설치-후 활동을 수행할 상기 결정된 가능성에 기초하여, 상기 어플리케이션을 식별하는 상기 특정한 서드 파티 컨텐츠에 대한 선택가치(selection value)를 조정하는 단계, 상기 선택가치는 상기 가능성이 증가함에 따라 증가하며;
    상기 하나 이상의 서버들에 의해, 조정된 선택가치에 기초하여 어플리케이션을 식별하는 상기 특정한 서드 파티 컨텐츠를 선택하는 단계; 및
    상기 하나 이상의 서버들에 의해, 상기 어플리케이션을 식별하는 상기 특정한 서드 파티 컨텐츠를 상기 사용자의 클라이언트 디바이스에 배포하는 단계를 포함하는 것을 특징으로 하는 방법.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 설치-후 활동을 특정하는 데이터를 수신하는 단계는 상기 어플리케이션의 설치에 후속하여 획득될, 지출 수준(spend level) 또는 이익 수준(profit level) 중 하나를 포함하는, 목표 이익의 수준(target level of gain)을 특정하는 데이터를 수신하는 것을 포함하는 것을 특징으로 하는 방법.
  4. 청구항 1에 있어서,
    상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 단계는:
    상기 어플리케이션 내에서 이전 사용자 활동을 특정하는 이력적 사용자 활동 데이터에 엑세스하는 것;
    상기 특정된 설치-후 활동을 수행한 사용자들의 사용자 속성들에 엑세스하는 것;
    상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 사용자가 상기 특정된 설치-후 활동을 수행할 상기 가능성을 제공하는 모델을 생성하는 것; 및
    상기 가능성을 획득하기 위해 상기 모델을 상기 사용자의 상기 하나 이상의 속성들에 적용하는 것을 포함하는 것을 특징으로 하는 방법.
  5. 청구항 4에 있어서,
    상기 모델은 상기 어플리케이션 내의 이전 사용자 활동을 특정하는 상기 이력적 사용자 활동 데이터에 기계 학습 시스템을 적용함으로써 생성되는 것을 특징으로 하는 방법.
  6. 청구항 1에 있어서,
    상기 사용자가 상기 특정된 설치-후 활동을 수행할 가능성을 결정하는 단계는:
    상기 어플리케이션 내에서 인터렉션을 통해 획득된 이전 이익(prior gain)을 특정하는 이력적 사용자 활동 데이터에 액세스하는 것;
    상기 어플리케이션과 인터렉션했던 사용자들의 사용자 속성들에 액세스하는 것;
    상기 사용자에 의한 상기 어플리케이션의 설치 후에, 상기 어플리케이션과의 인터렉션을 통해 상기 사용자로부터 획득될 추정 이익을 제공하는 모델을 생성하는 것; 및
    상기 사용자로부터 획득될 상기 추정 이익을 획득하기 위해 상기 사용자의 상기 하나 이상의 속성들에 상기 모델을 적용하는 것을 포함하는 것을 특징으로 하는 방법.
  7. 청구항 6에 있어서,
    상기 모델은 상기 어플리케이션 내에서 인터렉션을 통해 획득된 이전 이익을 특정하는 상기 이력적 사용자 활동 데이터에 기계 학습 시스템을 적용함으로써 생성되는 것을 특징으로 하는 방법.
  8. 청구항 1에 있어서,
    상기 제공자가 추적하고 있는 설치-후 활동들의 세트로 채워진 사용자 인터페이스를 상기 제공자에게 제공하는 단계를 더 포함하며, 설치-후 활동을 특정하는 데이터를 수신하는 단계는 상기 사용자 인터페이스에 제시된 상기 설치-후 활동들의 세트 중 하나 이상에 대한 상기 제공자의 인터렉션을 검출하는 것을 포함하는 것을 특징으로 하는 방법.
  9. 명령어들을 포함하는 비-일시적 컴퓨터 판독가능 저장 매체에 저장된 비-일시적 컴퓨터 프로그램으로서, 상기 명령어들은 실행시 하나 이상의 프로세서들로 하여금 청구항 1, 3 내지 8 중 어느 한 항에 따른 방법을 포함하는 동작들을 수행하게 하는 것을 특징으로 하는 컴퓨터 프로그램.
  10. 시스템으로서,
    하나 이상의 프로세서들; 및
    명령어들을 포함하는 하나 이상의 메모리 요소들을 포함하며, 상기 명령어들은 실행시 상기 하나 이상의 프로세서들로 하여금 청구항 1, 3 내지 8 중 어느 한 항에 따른 방법을 포함하는 동작들을 수행하게 하는 것을 특징으로 하는 시스템.
KR1020197004288A 2016-07-18 2017-07-13 설치-후 어플리케이션 인터렉션 개선하기 KR102219275B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020217004585A KR102276284B1 (ko) 2016-07-18 2017-07-13 설치-후 어플리케이션 인터렉션 개선하기

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662363680P 2016-07-18 2016-07-18
US62/363,680 2016-07-18
US15/642,994 US10540158B2 (en) 2016-07-18 2017-07-06 Post-install application interaction
US15/642,994 2017-07-06
PCT/US2017/041876 WO2018017386A1 (en) 2016-07-18 2017-07-13 Improving post-install application interaction

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020217004585A Division KR102276284B1 (ko) 2016-07-18 2017-07-13 설치-후 어플리케이션 인터렉션 개선하기

Publications (2)

Publication Number Publication Date
KR20190028511A KR20190028511A (ko) 2019-03-18
KR102219275B1 true KR102219275B1 (ko) 2021-02-23

Family

ID=60940967

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020197004288A KR102219275B1 (ko) 2016-07-18 2017-07-13 설치-후 어플리케이션 인터렉션 개선하기
KR1020217004585A KR102276284B1 (ko) 2016-07-18 2017-07-13 설치-후 어플리케이션 인터렉션 개선하기
KR1020217021034A KR102328613B1 (ko) 2016-07-18 2017-07-13 설치-후 어플리케이션 인터렉션 개선하기

Family Applications After (2)

Application Number Title Priority Date Filing Date
KR1020217004585A KR102276284B1 (ko) 2016-07-18 2017-07-13 설치-후 어플리케이션 인터렉션 개선하기
KR1020217021034A KR102328613B1 (ko) 2016-07-18 2017-07-13 설치-후 어플리케이션 인터렉션 개선하기

Country Status (5)

Country Link
US (3) US10540158B2 (ko)
JP (1) JP2019527427A (ko)
KR (3) KR102219275B1 (ko)
CN (3) CN109791562B (ko)
WO (1) WO2018017386A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10540158B2 (en) 2016-07-18 2020-01-21 Google Llc Post-install application interaction
US11354590B2 (en) 2017-11-14 2022-06-07 Adobe Inc. Rule determination for black-box machine-learning models
US11107115B2 (en) 2018-08-07 2021-08-31 Adobe Inc. Machine-learning based multi-step engagement strategy modification
US10609434B2 (en) * 2018-08-07 2020-03-31 Adobe Inc. Machine-learning based multi-step engagement strategy generation and visualization
US10999358B2 (en) * 2018-10-31 2021-05-04 Twitter, Inc. Traffic mapping
CN111913722A (zh) * 2020-06-15 2020-11-10 北京爱接力科技发展有限公司 一种应用于机器人的第三方应用程序管理方法及装置
IL281329A (en) 2021-03-08 2022-10-01 Google Llc Measurements keep privacy through secure multi-party calculation

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8136090B2 (en) * 2006-12-21 2012-03-13 International Business Machines Corporation System and methods for applying social computing paradigm to software installation and configuration
US8612966B2 (en) * 2007-11-29 2013-12-17 Red Hat, Inc. Method and system for preparing software offerings having software application code and post-install configuration information
WO2010103877A1 (en) * 2009-03-13 2010-09-16 Ricoh Company, Ltd. Information processing apparatus, information processing method, and image forming apparatus
JP2011039909A (ja) * 2009-08-17 2011-02-24 Albert:Kk 提示情報の最適化方法及びシステム
US8180688B1 (en) 2010-09-29 2012-05-15 Amazon Technologies, Inc. Computer-readable medium, system, and method for item recommendations based on media consumption
KR20120049542A (ko) * 2010-11-09 2012-05-17 경희대학교 산학협력단 사용자의 심리적 상태를 고려한 스마트폰용 앱 자동 추천시스템
US8401522B2 (en) * 2011-02-21 2013-03-19 Carmela R. Crawford Systems, methods and apparatus for authenticating access to enterprise resources
US20120284128A1 (en) * 2011-05-06 2012-11-08 Yahoo! Inc. Order-independent approximation for order-dependent logic in display advertising
US8655730B1 (en) * 2011-09-28 2014-02-18 Amazon Technologies, Inc. Selecting advertisements based on advertising revenue model
EP2801207A1 (en) * 2012-01-06 2014-11-12 Thomson Licensing Method and system for providing dynamic advertising on a second screen based on social messages
US9922333B2 (en) * 2012-03-09 2018-03-20 Exponential Interactive, Inc. Automated multivariate behavioral prediction
EP2880614A4 (en) * 2012-07-11 2016-06-15 Char Software Inc D B A Lacalytics SYSTEM AND METHOD FOR REALIZING ANALYZES AND APPLICATION LEVEL TESTS TO ADAPT ACTIONS AND COMMUNICATIONS TO A USER'S EXPERIENCE
US9167404B1 (en) 2012-09-25 2015-10-20 Amazon Technologies, Inc. Anticipating data use in a wireless device
US20140164141A1 (en) * 2012-12-12 2014-06-12 Jonathan Arie Matus Software Application Notifications
US20140278927A1 (en) * 2013-03-14 2014-09-18 Igt System and method for attribution of mobile advertisements related to mobile applications
US10075384B2 (en) * 2013-03-15 2018-09-11 Advanced Elemental Technologies, Inc. Purposeful computing
US20150088644A1 (en) * 2013-09-23 2015-03-26 Facebook, Inc., a Delaware corporation Predicting User Interactions With Objects Associated With Advertisements On An Online System
US9390141B2 (en) * 2013-09-30 2016-07-12 Google Inc. Systems and methods for determining application installation likelihood based on probabilistic combination of subordinate methods
US9632748B2 (en) * 2014-06-24 2017-04-25 Google Inc. Device designation for audio input monitoring
US11100536B2 (en) * 2014-12-08 2021-08-24 Vungle, Inc. Systems and methods for providing advertising services to devices with a customized adaptive user experience based on adaptive algorithms
GB2549058B (en) * 2015-01-09 2020-10-28 Geoquest Systems Bv Cloud-based reservoir simulation environment
US20190050490A1 (en) * 2015-02-05 2019-02-14 Google Inc. Presenting contextual user suggestions
JP6005815B2 (ja) * 2015-08-18 2016-10-12 ヤフー株式会社 広告情報提供装置および広告情報提供方法
CN105354132B (zh) * 2015-09-25 2017-12-08 百度在线网络技术(北京)有限公司 移动应用的投放处理方法、跟踪投放渠道的方法及系统
US10540158B2 (en) 2016-07-18 2020-01-21 Google Llc Post-install application interaction
US20180218287A1 (en) * 2017-02-01 2018-08-02 Facebook, Inc. Determining performance of a machine-learning model based on aggregation of finer-grain normalized performance metrics

Also Published As

Publication number Publication date
KR102328613B1 (ko) 2021-11-18
US11003432B2 (en) 2021-05-11
KR102276284B1 (ko) 2021-07-12
US20180018155A1 (en) 2018-01-18
KR20210021120A (ko) 2021-02-24
CN109791562B (zh) 2023-11-14
KR20210088744A (ko) 2021-07-14
WO2018017386A1 (en) 2018-01-25
CN109791562A (zh) 2019-05-21
KR20190028511A (ko) 2019-03-18
CN117708413A (zh) 2024-03-15
US11249741B2 (en) 2022-02-15
JP2019527427A (ja) 2019-09-26
US10540158B2 (en) 2020-01-21
CN117708414A (zh) 2024-03-15
US20210089289A1 (en) 2021-03-25
US20200117436A1 (en) 2020-04-16

Similar Documents

Publication Publication Date Title
KR102219275B1 (ko) 설치-후 어플리케이션 인터렉션 개선하기
JP6334696B2 (ja) ハッシュタグおよびコンテンツ提示
US10958747B2 (en) Digital component transmission
US11711424B2 (en) Optimization of a multi-channel system using a feedback loop
US20230385274A1 (en) Content Item Profiles
US11367110B2 (en) Personalized mobile application re-engagement
US20200394189A1 (en) Broad match control
KR20210025296A (ko) 웹 페이지들을 제공하는 네트워크 서버 및 방법

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
A107 Divisional application of patent
GRNT Written decision to grant