KR20070092733A - 성과 팩토링과 수익 할당을 통한 오디언스 매칭 네트워크 - Google Patents

Abstract

성과 기반의 오디언스 멤버로의 콘텐츠 전송이 개시된다. 오디언스 멤버 정보 수집 도메인들의 네트워크는 오디언스 멤버들에 대한 정보를 제공한다. 프로파일된 오디언스 멤버는 네트워크 세그먼트에 속할 수 있다. 프로파일된 오디언스 멤버로의 광고 전송은 네트워크 세그먼트의 멤버쉽과 성과 기준을 기초로 조절된다. 성과 기준은 수익을 극대화하는 것처럼, 발행자에게 이익을 주도록 구성될 수 있다. 또한, 오디언스 멤버들을 타겟팅하는데 사용되는 데이터의 수집을 기초로 수익을 할당하는 것이 제공된다.

Description

성과 팩토링과 수익 할당을 통한 오디언스 매칭 네트워크{AUDIENCE MATCHING NETWORK WITH PERFORMANCE FACTORING AND REVENUE ALLOCATION}

본 출원은 2004년 11월 5일자로 제출된 미국 특허 출원번호 10/981,733호, "Audience Targeting System with Segment Management"의 일부 연속출원이며, 이는 2003년 8월 1일자로 제출된 미국 가특허 출원번호 60/491,521호의 35 USC§119 하에서 장점을 청구하는, 2003년 9월 25일자 제출된 미국 특허 출원번호 10/669,791호, "System and Method for Segmenting and Targeting Audience Members"의 일부 연속출원이다. 이들 출원들의 전체 내용들은 참조로 본 발명에 포함된다.

본 발명은 일반적으로 오디언스 타겟팅(audience targeting)에 관한 것으로서, 보다 구체적으로는 오디언스를 광고와 같은 전달가능한 콘텐츠와 매칭시키는 것에 관한 것이다.

타겟 마케팅은 소비자들에게 영향을 미치는 유효한 방법으로 오랫동안 알려져 있다. 소비자가 제공자(provider)로부터 적절한 콘텐츠(광고 등) 만을 수신할 때, 소비자는 특정 제공자를 후원하고, 구매하며, 제공자의 소비자 "뷰(view)"를 한정하는데 도움을 줄 수 있는 부가적인 개인 정보를 제공하는 것으로 보인다. 따라서, 타겟 마케팅은 소비자에 보다 초점을 맞춘 소비자와의 보다 강건한 상호작용 을 유도할 수 있다. 이것은 증가된 수익을 생성함으로써 제공자에 보다 이익이 되는 상호작용을 유도할 수 있다.

소비자를 효과적으로 타겟팅하기 위해, 마케팅 시스템들은 다양한 온라인 및 오프라인 소스들로부터 수신된 소비자 정보와 작용하는 것이 바람직할 수 있다. 이러한 소스들은 가입된 웹사이트들의 네트워크 내의 다중 웹 특성들 뿐만 아니라 데이터베이스들 및 서버들을 포함할 수 있다. 더욱이, 소비자 정보는 다양한 포맷들로 다양한 소스들로부터 수집될 수 있다. 또한, 마케팅 시스템들은 콘텐츠를 사용자에게 실제로 전달하는 시스템들과 상호작용하는 것이 바람직할 수 있다. 요약하면, 효과적인 마케팅 시스템은 사용자와 접속되는 채널들의 수 또는 타입과 무관하게 특정 사용자의 특성들과 선호도들을 고려할 수 있다.

그러나, 일부 공지된 시스템들은 단지 단일 소스로부터 정보(예, 소비자에 의해 제공되는 등록 정보)를 수신하도록 적응된다. 다른 시스템들은 다중 소스들로부터 정보를 수신할 수 있지만, 동일한 소비자와 관련된 정보를 유용하게 조합할 수 없고, 이를 필요한 콘텐츠 전송 시스템에 유용하게 전달할 수 없다. 따라서, 콘텐츠를 소비자에게 전달하는 하부 시스템들을 포함하는 다양한 소스들로부터의 데이터와 통합되고 축적되는 콘텐츠를 전달하기 위한 시스템 및 방법을 갖는 것이 바람직할 수 있다.

타겟 콘텐츠를 소비자들에게 전달하기 위한 공지된 시스템들은 각각의 특정 소비자와의 상호작용의 값을 고려함이 없이, 가장 많은 수의 소비자들에 도달하는데에 초점이 맞추어진다. 예를 들어, 일부 시스템들은 각각이 동일한 메거 진(magazine)에 가입된다는 사실을 기반으로, 소비자들의 그룹의 각 멤버에게 "타겟(targeted)" 콘텐츠를 전달할 수 있다. 그러나, 이러한 시스템들은 예를 들어, 메거진에 가입과 더불어, 그룹의 단지 일부만이 온라인 구매할 수 있다는 것을 고려하지 않는다. "귀중한(valuable)" 소비자들을 인식 및 차별화하는 것에 대한 이러한 실패는 콘텐츠 제공자에 대한 수익 손실을 유발할 수 있다. 또한, 많은 저평가 소비자들에게로의 콘텐츠 전송은 귀중한 시스템 자원들을 소비할 수 있다. 따라서, 제공자와 소비자 사이의 관계의 가치를 최대화하기 위해, 적절한 사용자에게 적절한 콘텐츠를 전송하는 수단을 갖는 것이 바람직할 수 있다.

콘텐츠 전송 시스템들의 다른 문제점은 타겟팅이 기초로 하는 정보가 급속히 진부(stale)해질 수 있다는 것이다. 특정 특성들을 갖는 것으로 가정된 오디언스 멤버는 콘텐츠가 전달되는 시간만큼 이러한 특성들을 더 이상 갖지 않을 수 있다. 새로운 잠재적인 오디언스 멤버들이 타겟 그룹의 결정 이후 이용가능하게 될 수도 있다. 오디언스 멤버 특성들의 유동성과 처리될 정보의 고용량은 잘 조절된 오디언스들을 타겟팅하려고 추구하는 시스템들에게 어려움을 준다. 또한, 시스템이 위치하는 특정 도메인에 의해 권한 식별되는 바와 같은 콘텐츠 전송 만을 수행하는, 콘텐츠 전송 시스템들은 종종 근시안적(myopic)이다. 이것은 다른 도메인들의 활동들의 올바른 평가(appreciation)를 방해한다.

콘텐츠 전송 시스템들, 특히 정보를 수집하고 콘텐츠를 인터넷 상의 특정 오디언스 멤버들로 전달하려고 추구하는 콘텐츠 전송 시스템들의 또 다른 문제점은 오디언스 멤버들의 오류 ID에 대한 가능성이다. 예를 들어, 일부 시스템들은 오디 언스 멤버를 고유하게 식별하기 위해 쿠키들을 이용할 수 있다. 이것은 주어진 사람이 몇가지 컴퓨터들을 사용할 수 있고 이에 따라 몇가지 쿠키들을 생성할 수 있기 때문에 잠재적인 문제점들을 나타낸다. 소프트웨어 및 브라우저 유지 활동들은 또한 쿠키들의 제거를 촉진시킬 수 있다. 이러한 다양한 팩터들은 불필요하고 때로는 에러가 있는 프로파일들의 확산을 촉진시킬 수 있다.

또한, 발행자들(publishers)이 수익이 최대화도록 광고들을 제공하거나, 제3자의 제공자들에 의한 광고들의 적절한 제공을 포함하는 것은 어렵다. 마지막으로, 광고들의 제공에 관련된 활동들에 대한 크레디트(credit)의 할당 및 상응하는 수익은 부적절하게 유지된다.

본 발명은 오디언스 멤버들로의 광고들과 같은 콘텐츠의 전송을 조절(accommodating)한다.

일 실시예에서, 오디언스 멤버로의 콘텐츠의 전송을 기반으로 하는 성과(performance)는 오디언스 멤버 정보 수집 도메인들에 상응하는 오디언스 세그먼트들을 관리하는 단계, 상기 오디언스 멤버 정보 수집 도메인들의 네트워크에서 수집된 프로파일 데이터에 해당하는 속성들의 세트를 갖는 오디언스 멤버들을 포함하는 네트워크 세그먼트의 멤버가 프로파일된 오디언스 멤버라는 것을 결정하는 단계, 및 상기 네트워크 세그먼트의 멤버쉽 및 성과 기준을 기초로 상기 프로파일된 오디언스 멤버에게로의 광고의 전송을 조절하는 단계를 포함한다.

상기 성과 기준은 발행자(publisher)에게 이익을 주도록 구성될 수 있고, 발행자에 대한 수익을 극대화하도록 추구될 수 있다. 예를 들어, 광고의 전송을 조절하는 단계는 발행자에게 가장 높은 이용가능한 지불을 한 광고를 선택하는 단계를 포함할 수 있다.

광고들의 배치는 잠재적으로 전송가능한 광고들에 상응하는 전송 기준의 세트를 발행자로부터 수신하는 단계, 및 현재 전송 측정치들과 전송 기준의 세트의 비교를 기초로 상기 발행자에게 가장 높은 이용가능한 지불을 한 광고를 선택하는 단계를 추가로 포함할 수 있다.

다른 실시예는 제 3 자에 의해 제공되는 광고 목록(advertisment inventory)의 전송을 최적화한다. 제 3 자에 의해 제공되는 광고 목록의 전송을 최적화하는 것은 제 3 자의 광고 제공 기능과 연계하여 네트워크 세그먼트에서 멤버쉽에 관한 정보를 제공하는 단계를 포함할 수 있다.

본 발명의 또 다른 실시예는 광고에 응답하는 것과 같이, 목표된 습성(behavior)과 결부된 오디언스 멤버들에 대한 데이터 프로파일들의 검사를 통해, 네트워크 세그먼트 규정을 제공한다.

본 발명의 또 다른 실시예는 콘텐츠의 전송에 상응하는 수익을 오디언스 멤버에게 할당하는 것을 지원하고, 오디언스 멤버 정보 수집 도메인들의 네트워크에 상응하는 오디언스 세그먼트들을 관리하는 단계, 상기 오디언스 멤버 정보 수집 도메인들의 네트워크에서 수집된 프로파일 데이터에 상응하는 속성들의 세트를 가진 오디언스 멤버들을 포함하는 네트워크 세그먼트의 멤버가 프로파일된 오디언스 멤버인지를 결정하는 단계, 상기 네트워크 세그먼트의 멤버쉽을 기초로 상기 프로파일된 오디언스 멤버로의 광고 전송을 조절하는 단계, 및 상기 정보 수집에서 데이터 제공자로서의 참여를 기초로 상기 광고의 전송에 상응하는 수익을 할당하는 단계를 포함할 수 있다.

본 발명은 비지니스 프로세스, 컴퓨터 구현 방법들, 컴퓨터 프로그램 제품들, 컴퓨터 시스템들 및 네트워크들, 사용자 인터페이스들, 애플리케이션 프로그래밍 인터페이스들 등을 포함하는 다양한 형태들로 구현될 수 있다.

본 발명의 이러한 상세하고 구체적인 특징들 및 다른 상세하고 구체적인 특징들은 첨부된 도면들을 참조로 이하의 상세한 설명에서 보다 완전히 개시된다.

도 1은 콘텐츠를 오디언스 멤버에게 전송하기 위한 시스템의 일 예를 도시하는 블럭도이다.

도 2는 콘텐츠를 오디언스 멤버에게 전송하는 일 예를 도시하는 흐름도이다.

도 3은 오디언스 멤버 프로파일들을 생성하는 일 예를 도시하는 흐름도이다.

도 4는 고유 식별자를 이용하여 오디언스 멤버에 의해 방문된 웹사이트 페이지들을 추적하는 일 예를 도시하는 흐름도이다.

도 5는 타겟 콘텐츠의 수신을 위해 오디언스 멤버들을 세그먼트들로 그룹화하는 일 예를 도시하는 흐름도이다.

도 6은 타겟 콘텐츠를 세그먼트의 오디언스 멤버들에게 유도하는 일 예를 도시하는 흐름도이다.

도 7은 콘텐츠를 오디언스 멤버에게 전송하기 위한 시스템의 다른 예를 도시 하는 블럭도이다.

도 8은 세그먼트 관리를 포함하는 오디언스 타겟팅 시스템의 일 예를 도시하는 블럭도이다.

도 9A-9B는 각각 특정 추출기(900)의 일 예를 도시하는 블럭도, 및 프로파일 데이터를 추출하기 위한 모델을 예시하는 개념도이다.

도 10A-10B는 세그먼트 관리 아키텍쳐 및 상응하는 세그먼트들의 계산의 일 예를 도시하는 개념도들이다.

도 11A-11B는 세그먼트들을 관리 및 형성하기 위해 데이터 테이블들을 처리하는 일 예를 도시하는 개념도이다.

도 12는 프로파일 동기화를 포함하는 오디언스 타겟팅 시스템의 일 예를 도시하는 블럭도이다.

도 13은 프로파일 동기화를 위한 프로세스의 일 예를 도시하는 흐름도이다.

도 14A-14B는 본 발명에 따라 오디언스를 전달가능한 콘텐츠에 매칭시키기 위한 네트워크의 일 예를 도시하는 개념도들이다.

도 15는 본 발명에 따른 오디언스 매칭 네트워크 시스템의 일 예를 도시하는 블럭도이다.

도 16A-16B는 본 발명에 따라 오디언스 멤버들을 전달가능한 콘텐츠에 매칭시키기 위한 컴퓨터 구현되는 프로세스의 일 예를 도시하는 이벤트 도면들이다.

도 17은 본 발명의 다른 실시예에 따른 광고 수익 및 성과 관리를 포함하는 오디언스 매칭 네트워크 시스템의 일 예를 도시하는 블럭도이다.

도 18은 본 발명의 실시예에 따른 수익 및 성과 관리와 함께 광고들을 전송하는 일 예를 도시하는 흐름도이다.

도 19는 본 발명의 다른 실시예에 따른 범용 프로파일 동기화(UPS)를 포함하는 오디언스 매칭 네트워크 시스템의 일 예를 도시하는 블럭도이다.

도 20은 UPS를 위한 프로세스의 일 예를 도시하는 흐름도이다.

이하의 상세한 설명에서, 설명을 위해, 흐름도들 및 시스템 구성들과 같은 많은 세부사항들이 본 발명의 하나 이상의 실시예들의 이해를 제공하기 위해 설명된다. 그러나, 이러한 특정한 세부사항들이 본 발명을 실시하기 위해 요구되지 않는다는 것은 통상의 당업자에게 명백할 것이다.

콘텐츠를 오디언스 멤버에게 전송하기 위한 시스템(10)의 일 실시예는 도 1에 도시된다. 시스템(10)은 추출기(extractor) 프로그램(122)을 호스팅하는 제 1 서버(120)를 포함한다. 제 1 서버(120)는 하나 이상의 오프라인 데이터베이스들(110), 및 하나 이상의 외부 콘텐츠 서버들(160)에 동작가능하게 접속된다. 오프라인 데이터베이스들(110)과 외부 콘텐츠 서버들(160)은 또한 하나 이상의 웹서버들(170)에 동작가능하게 접속된다. 웹서버들(170)은 종래의 방식으로 웹사이트 페이지들을 오디언스 멤버 컴퓨터(180)에게 제공할 수 있다. 웹서버들(170)은 또한 제 2 서버(150)에 위치된 타겟팅 엔진 프로그램(152)에 동작가능하게 접속된다. 제 1 및 제 2 서버(120, 150)는 오디언스 멤버 프로파일 데이터를 저장하기 위한 데이터베이스(132)(데이터 저장소로 지칭됨)를 포함하는 제 3 서버(130)에 동작가 능하게 접속될 수 있다. 본 발명의 몇몇 실시예들에서, 제 1, 제 2 및/또는 제 3 서버(120, 150, 130)는 동일한 서버로서 작용할 수 있다. 제어 콘솔(140)은 제 3 서버(130)에 동작가능하게 접속될 수 있다.

도 2는 콘텐츠를 오디언스 멤버에 전송하기 위한 일 예를 도시하는 흐름도이다. 이는 3개의 주요 단계들을 포함할 수 있다: 데이터 수집 및 프로파일 생성; 오디언스 세분화 및 분석; 및 외부 시스템들로의 인터페이스. 데이터 수집 및 프로파일 생성 동안, 오프라인 데이터 소스들(110)은 개인들(오디언스 멤버들로 지칭됨)에 관련된 프로파일 데이터를 수집하기 위해 검색된다. 이러한 프로파일 데이터는 데이터 저장소(132)에 저장된다. 오디언스 세분화 및 분석 동안, 오디언스 멤버들에 대한 프로파일 데이터는 오디언스 멤버들을 세그먼트들로 카테고리화하는데 사용된다. 예를 들어, 프로파일 데이터는 특정 오디언스 멤버가 골프 메거진에 가입하고, 이에 따라 골프에 일부 관심을 가지고 있다는 것을 나타낼 수 있다. 그 다음, 이러한 오디언스 멤버는 골프에 관심이 있는 오디언스 멤버들의 세그먼트(즉, 그룹)에 포함될 수 있다. 외부 시스템들로의 인터페이스 단계 동안, 타겟팅 엔진(152)은 타겟팅되는 외부 콘텐츠를 상기 세그먼트의 오디언스 멤버들로 유도하기 위해 세그먼트의 오디언스 멤버의 연관성(inclusion)을 이용할 수 있다. 상기 제시된 예를 계속하면, "골프" 세그먼트의 오디언스 멤버들은 결과적으로 이들에게 전송된 골프 관련 콘텐츠를 가질 수 있다.

도 2를 계속 참조하면, 데이터 수집 및 프로파일 생성은 오프라인 데이터베이스(110), 추출기 프로그램(122), 및 데이터 저장소(132)를 포함할 수 있다. 개 별 오디언스 멤버들에 대한 초기 프로파일 정보는 추출기 프로그램(122)에 의해 등록 데이터베이스(112) 및 가입 데이터베이스(114)와 같은 이용가능한 데이터베이스들로부터 수집될 수 있다. 등록 및 가입 데이터베이스들(112, 114)은 이에 제한됨이 없이, 예를 들어 인터넷, 메거진, 신문, 뉴스레터, 케이블, 전화, 또는 무선 서비스를 포함하는 임의의 형태의 서비스에 등록 또는 가입한 오디언스 멤버의 결과로서 수집되는 오디언스 멤버 프로파일 데이터를 포함할 수 있다. 이러한 등록 및 가입 데이터베이스들은 예를 들어, 이름, 성, 나이, 생일, 집 주소 및 직장 주소, 전화 번호들, 신용카드 및 충전카드 정보, 결혼 여부, 수입 수준, 자녀 수 및 자녀 나이, 직업 경력, 취미, 최근 구매들, 교육 상태, 관심사, 선호도 등과 같은 광범위한 프로파일 정보를 포함할 수 있다.

추출기(122)는 데이터의 세트 내로부터 오디언스 멤버 프로파일 데이터를 파싱(parsing) 및 식별하는데 사용되는 프로그램이다. 추출기(122)는 Java, Perl, C++, C#, SQL, 또는 임의의 다른 유사한 프로그래밍 언어를 이용하여 구성될 수 있다. 추출기(122)는 서버(120), 또는 다수의 서버들에 위치될 수 있다. 추출기(122)는 오디언스 멤버에 대한 프로파일을 생성하는데 사용될 수 있는 프로파일 데이터의 소스(들)와 포맷(들), 및 수집되는 프로파일 데이터의 카테고리들을 결정하는 추출 규칙들(rules)의 세트에 의해 제어될 수 있다. 추출 규칙들은 불필요한 데이터를 제거하면서, 하나의 형태의 데이터를 보다 표준화된 형태로 변환하는데 사용되는 일련의 텍스트 규칙들을 포함할 수 있다(문자열(string) 매칭 또는 정규 표현들과 같은 매칭 유틸리티들을 이용하여). 추출 규칙들은 예를 들어, "if string contains 'A' then output result 'B'(문자열이 'A'를 포함하면, 결과 'B'를 출력한다)"와 같은 구문을 포함할 수 있다.

추출기(122)는 데이터 저장소(132)로 지칭되는 데이터베이스(132)에 동작가능하게 접속된다. 데이터 저장소(132)는 제 2 서버(130)에 제공될 수 있고, 오디언스 멤버들에 관련된 프로파일 및 세그먼트 유사성 데이터를 저장하는데 사용될 수 있다. 추출기(122)는 데이터 저장소(132)에서 프로파일 및 세그먼트 유사성 데이터를 반복적으로 업데이트할 수 있다. 새로운 또는 수정된 프로파일 데이터가 오프라인 데이터베이스(110)로부터 이용가능하게 됨에 따라, 추출기(122)는 오디언스 멤버에 대한 프로파일 데이터를 수정할 수 있다. 추출기(122)는 또한 방문한 웹사이트 페이지들, 수행된 웹 검색들, 및 오디언스 멤버에 의해 수신된 이메일들을 나타내는 프로파일 데이터를 오디언스 멤버 컴퓨터(180) 및/또는 타겟팅 엔진(152)으로부터 직접 수신할 수 있다.

도 3은 오디언스 멤버 프로파일들을 생성하는 일 예를 도시하는 흐름도이다. 도 3에 도시된 단계들은 추출기(122)가 오디언스 멤버에 의해 방문된 온라인 웹사이트 페이지들을 나타내는 프로파일 데이터를 획득하는 방법을 도시한다. 단계 210에서, 추출기는 개별 오디언스 멤버들에 관련된 프로파일 데이터에 대해, 등록 및 가입 데이터베이스들과 같은 오프라인 데이터베이스들을 검색한다. 오프라인 데이터베이스들의 검색은 콘솔(140)로부터 수신된 명령어에 의해 개시될 수 있다. 예를 들어, 명령어는 뉴욕 타임즈 지에 가입한 모든 오디언스 멤버들에 대한 프로파일 데이터를 수집하도록 주어질 수 있다. 이러한 명령어는 추출기(122)가 뉴욕 타임즈 지에 대한 가입 데이터베이스에 대한 액세스를 갖는 것을 필요로 한다.

추출 규칙들은 수집되는 프로파일 데이터를 결정한다. 단계 212에서, 오프라인 소스들로부터 추출된 프로파일 데이터가 데이터 저장소에 저장될 수 있다. 특정 오디언스 멤버와 연관된 프로파일 데이터를 결정할 필요가 있을 수 있기 때문에, 추출기는 단계 214에서 프로파일 데이터에 고유 식별자를 할당할 수 있다. 고유 식별자는 수치, 알파벳, 영숫자, 또는 하나의 오디언스 멤버를 식별하는데 사용될 수 있는 다른 문자들의 열일 수 있다.

단계 216에서, 고유 식별자는 오디언스 멤버에 의해 방문된 콘텐츠를 식별하는데 사용될 수 있다. 고유 식별자는 오디언스 멤버에 의해 방문된 각각의 웹사이트 페이지와 관련된 도메인 쿠키에 고유 식별자를 포함함으로써 사용될 수 있다. 각각의 이러한 도메인 쿠키들은 오디언스 멤버와 관련된 컴퓨터에 저장될 수 있고, 고유 식별자와 관련되는 오디언스 멤버에 의해 방문된 각각의 특정 웹사이트 페이지를 식별하는데 사용될 수 있다. 단계 218에서, 추출기는 오디언스 멤버의 컴퓨터에 저장된 도메인 쿠키들을 결정할 수 있다. 이러한 도메인 쿠키들은 특정 오디언스 멤버를 식별하는 고유 식별자를 포함하기 때문에, 추출기는 쿠키들과 연관되는 웹사이트 페이지들을 방문한 오디언스 멤버를 반영하기 위해 특정 오디언스 멤버에 대한 프로파일 데이터를 수정하도록 이러한 쿠키들을 이용할 수 있다. 웹사이트 페이지들을 방문하는 오디언스 멤버의 결과로서 발생하는 프로파일 데이터 업데이트들을 오프라인 데이터베이스들로부터 획득된 프로파일 데이터와 결합함으로써, 오디언스 멤버에 대한 오프라인 및 온라인 습성 및 특성을 반영하는 프로파일 데이터의 완성 세트가 오디언스 멤버에 대해 수집될 수 있다.

오디언스 멤버의 온라인 히스토리를 추적하는 것은 시스템이 오디언스 멤버를 고유하게 식별할 수 있어야 하는 것을 요구한다. 이러한 추적은 오디언스 멤버가 방문한 네트워크에서 각 오디언스 멤버에 대한 고유 식별자를 웹사이트 페이지들과 결합함으로써 달성될 수 있다.

다수의 관련 웹사이트 페이지들과 연관된 각각의 도메인 쿠키들에 고유 식별자를 제공하는 방법이 도 4에 도시된다. 오디언스 멤버에 의해 방문된 웹사이트 페이지들과 연관되는 각각의 도메인 쿠키들은 관련된 웹사이트 페이지 도메인들 중 하나를 제 1(primary) 웹사이트 도메인으로서 지정함으로써 고유 식별자를 포함하도록 수정될 수 있다. 고유 식별자를 갖는 제 1 도메인 쿠키는 제 1 웹사이트 도메인에 대해 형성된다. 일반적으로, 네트워크는 이러한 목적을 위해 사용될 수 있는 도메인을 이미 갖고 있을 것이다. 만약 갖고 있지 않으면, 네트워크의 도메인들 중 하나가 제 1 도메인으로 지정될 수 있다.

도 4를 참조하면, 오디언스 멤버 브라우저(300)는 네트워크 내의 사이트, www.domain1.com310으로부터 웹사이트 페이지를 요청함으로써 단계 340의 프로세스를 개시한다. www.domain1.com310으로 유도(direct)되는 웹사이트 페이지 요청에 응답하여, 단계 342에서 te.domain1.com의 타겟팅 엔진(152)을 참조할 수 있는 이미지 태그를 갖는 브라우저(300)로 페이지가 리턴된다. 단계 344에서, 이미지 요청은 브라우저(300)로부터 타겟팅 엔진(152)으로 전송된다. 고유 식별자가 요청에 포함되지 않으면, 단계 346에서, te.primarydomain.com로서 참조되는 타겟팅 엔 진(152)에 대한 브라우저(300)로 재유도(redirect)가 전송된다. 재유도는 단계 344에서 te.domain1.com의 원래 타겟팅 엔진 참조에 대한 참조를 포함한다. 예를 들어, 재유도는 http://te.primarydomain.com/blank.gif?te.domain1.com일 수 있다. 단계 348에서, 브라우저(300)는 이러한 재유도 요청을 te.primarydomain.com으로 전송할 수 있다. 이러한 요청에 응답하여, 단계 350에서 오디언스 멤버에 대한 고유 식별자를 포함하는 primarydomain.com 쿠키는 브라우저(300)에 할당된다. 단계 352에서, te.domain1.com으로의 브라우저(300)의 제 2 재유도가 이루어지고, 제 1 도메인 쿠키에서 설정된 바와 같은 동일한 고유 식별자를 포함할 수 있다. 예를 들어, 재유도는 http://te.domain1.com/blank.gif?tid=7dha6wlk9927sha일 수 있다. 단계 354에서, 재유도 요청은 primarydomain.com 쿠키와 동일한 고유 식별자를 갖는 domain1.com 쿠키 및 원래 요청된 이미지로 리턴된다.

도 4에 도시된 프로세스가 종료된 이후, www.domain2.com과 같이, 네트워크의 다른 웹사이트로의 오디언스 멤버 방문은 te.domain2.com에서 이미지에 대한 요청을 초래할 수 있다. 타겟팅 엔진(152)이 이미지 요청 이후 고유 식별자를 갖는 domain2.com 쿠키를 검출하지 않으면, 타겟팅 엔진(152)은 쿠키에 대해 primarydomain.com에 대한 요청을 재유도할 수 있다. primarydomain.com에 대한 이러한 요청에 응답하여, primarydomain.com 쿠키가 판독되고, primarydomain.com 쿠키에 포함된 고유 식별자를 포함하는 브라우저(300)로 재유도가 재전송된다. primarydomain.com 쿠키의 고유 식별자는 이전에 설정된 것과 동일하다. 그 다음, 요청된 이미지는 primarydomain.com 쿠키와 동일한 고유 식별자를 가질 수 있는 domain2.com 쿠키와 함께 브라우저(300)로 전송될 수 있다. 도메인 쿠키에 고유 식별자를 제공하는 이러한 프로세스는 새로운 웹사이트가 타겟팅 엔진의 관점으로부터 네트워크의 다른 웹사이트들에 관련된다면, 제 1 시간 동안 오디언스 멤버가 새로운 웹사이트 페이지를 방문할 때마다 수행된다.

타겟팅 엔진(152)은 Apache 및 데이터베이스에 대한 개별 서버들 및 대안적인 소프트웨어를 이용하여 다양하게 달성될 수 있지만, 타겟팅 엔진(152)은 공유 서버의 MySQL 데이터베이스를 이용하여 Apache에서 실행되는 독립형 웹서버일 수 있다. 타겟팅 엔진(152)은 하나 이상의 세그먼트 식별자들을 포함할 수 있는 부가적인 쿠키의 설정을 유도할 수 있다. 그 다음, 이러한 쿠키들은 예를 들어, 광고(ad) 서버, 이메일 서버, 스트리밍 미디어 서버, 및/또는 웹 콘텐츠 서버와 같은 다른 서버들에 의해 이용되어, 쿠키의 하나 이상의 세그먼트들을 기초로 타겟 콘텐츠를 특정 오디언스 멤버로 전송할 수 있다.

도 2를 다시 참조하면, 오디언스 세분화 및 분석 단계는 데이터 저장소(132)에 의해 수행될 수 있다. 데이터 저장소(132)는 공통 프로파일 특성들을 기초로 특정 오디언스 멤버를 하나 이상의 세그먼트들로 할당할 수 있다. 오디언스 멤버들의 세그먼트는 시스템 사용자(광고주와 같은)가 동일 콘텐츠를 전송하고자 하는 오디언스 멤버들의 그룹으로서 규정될 수 있다. 예를 들어, 전술한 예로 돌아가면, 오디언스 멤버들의 세그먼트는 특정 골프 광고를 수신하기 위해 시스템 사용자가 선택하는 모든 오디언스 멤버들로서 규정될 수 있다. 이러한 광고 수신을 위한 오디언스 멤버들의 선택은 프로파일 데이터의 하나 이상의 오디언스 멤버 특성들을 기초로 할 수 있다.

오디언스 멤버를 세그먼트와 연관시키는 방법은 도 5에 도시된다. 단계 220에서, 세그먼트의 연관성을 위해 자격을 갖춘 오디언스 멤버들의 프로파일 데이터 속성 값들은 세그먼트 규칙들의 세트로 규정될 수 있다. 세그먼트 규칙들은 콘솔(140)을 이용하여 선택될 수 있다. 임의의 수 및/또는 범위의 프로파일 데이터 속성 값들은 세그먼트에 대한 조건을 제어하는데 사용될 수 있다. 단계 222에서, 데이터 저장소(132)는 오디언스 세그먼트에 대해 자격있는 오디언스 멤버들을 결정하기 위해 프로파일 데이터를 검색할 수 있다. 이러한 검색은 시스템 사용자의 요청에서 수행될 수 있고, 원한다면, 일간(daily)과 같이, 루틴 기반으로 수행될 수 있다. 이러한 방식으로, 오디언스 세그먼트의 멤버쉽이 현재까지 유지될 수 있다. 단계 224에서, 데이터 저장소(132)는 특정 세그먼트에 포함되는 오디언스 멤버들을 나타내기 위해 세그먼트 유사성 데이터를 저장할 수 있다. 세그먼트 유사성 데이터는 오디언스 멤버가 하나 보다 많은 세그먼트에 있다는 것을 나타낼 수 있다는 것을 고려한다. 세그먼트 유사성 데이터는 오디언스 프로파일의 습성 및 특성들을 기초로 규칙들의 세트에 의해 규정된다. 세그먼트 유사성 데이터를 규정하는 규칙들의 세트가 식별되면, 세그먼트 식별자는 규칙들의 특정 세트에 할당된다. 그 다음, 이러한 세그먼트 식별자는 타겟팅 엔진(152)에 의해 이전에 할당된 오디언스 고유 식별자와 함께 타겟팅 엔진(152)로 전송된다. 단계 226에서, 오디언스 멤버가 네트워크의 웹사이트 페이지를 요청했다고 타겟팅 엔진(152)에 통지되면, 타겟팅 엔진은 오디언스 멤버의 컴퓨터에 세그먼트-타겟팅 쿠키를 저장한다. 세그먼트 -타겟팅 쿠키는 오디언스 멤버가 포함되는 세그먼트들을 식별하는 세그먼트 식별자를 포함한다. 오디언스 멤버 컴퓨터에 세그먼트-타겟팅 쿠키를 저장하는 방법은 도 6과 연계하여 이하에 추가로 상세히 기술된다.

오디언스 멤버들에 대한 프로파일 데이터는 세그먼트들을 형성하도록 수동으로 분석될 수도 있다. 도 2를 다시 참조하면, 타겟팅 엔진(152)과 데이터 저장소(132)를 호스팅하는 서버 또는 서버들은 콘솔(140)에 동작가능하게 접속될 수 있다. 콘솔(140)은 프로파일 정보를 수집하기 위한 규칙들을 설정하고, 오디언스 멤버 프로파일 데이터, 오디언스 멤버 세그먼트 유사성 데이터, 및 오디언스 멤버 인터넷 활동을 나타내는 리포트들을 생성 및 보기 위해, 데이터 저장소에 프로파일 데이터를 초기에 채우는데 사용되는 오프라인 데이터베이스들을 지정하도록 사용될 수 있다.

세그먼트 유사성 데이터를 기초로 오디언스 멤버에 타겟 콘텐츠를 전송하는 방법은 도 6에 도시된다. 도 6을 참조하면, 오디언스 멤버는 단계 230에서 관련 웹사이트들의 네트워크에서 웹사이트 페이지를 요청한다. 단계 232에서 웹사이트 페이지 요청이 타겟팅 엔진에 통지된다. 웹사이트 페이지에 대한 오디언스 멤버 요청에 응답하여, 단계 234에서, 타겟팅 엔진은 요청된 웹사이트 페이지와 연관된 도메인 쿠키가 오디언스 멤버에 대한 고유 식별자를 포함하는지 여부를 결정한다. 고유 식별자가 식별되지 않으면, 타겟팅 엔진은 도 4와 연계하여 기술되는 것처럼 고유 식별자를 가진 웹사이트 도메인 쿠키를 제공할 것이다. 웹사이트 도메인 쿠키에 고유 식별자가 제공되면, 단계 236에서, 타겟팅 엔진은 세그먼트-타겟팅 쿠키 가 데이터 저장소의 오디언스 멤버와 이미 연관되는지 여부를 결정할 수 있다. 세그먼트-타겟팅 쿠키는 오디언스 멤버가 속하는 세그먼트(들)을 나타내는 세그먼트 식별자를 포함할 수 있다. 세그먼트 유사성 데이터가 오디언스 멤버에 대한 데이터 저장소에 저장되면, 세그먼트-타겟팅 쿠키가 생성되고, 단계 238에서 적절한 세그먼트 식별자를 가진 오디언스 멤버 컴퓨터에 저장된다. 단계 240에서, 오디언스 멤버 컴퓨터에 저장된 세그먼트-타겟팅 쿠키의 세그먼트 식별자를 기초로 콘텐츠가 오디언스 멤버에 전송될 수 있다.

세그먼트-타겟팅 쿠키가 단계 236에서 식별되지 않으면, 타겟팅 엔진은 오디언스 멤버와 연관된 임의의 세그먼트 유사성 데이터에 대해 데이터 저장소에 질의할 수 있다. 세그먼트 유사성 데이터가 오디언스 멤버에 대해 저장되지 않으면, 디폴트 세그먼트-타겟팅 쿠키가 오디언스 멤버 컴퓨터에 저장될 수 있다. 디폴트 세그먼트-타겟팅 쿠키는 예를 들어, 1일과 같이, 일부 고정된 시간 주기 이후 자동적으로 소멸(expire)될 수 있다.

세그먼트-타겟팅 쿠키가 오디언스 멤버 컴퓨터에 저장되면, 타겟팅 엔진은 오디언스 멤버에 대한 새로운 세그먼트 유사성 데이터로 세그먼트-타겟팅 쿠키를 주기적으로 업데이트할 수 있다. 업데이트는 고정된 간격들에서, 및/또는 오디언스 멤버에 대한 프로파일 데이터에 대한 수정들에 응답하여, 자동적으로 발생할 수 있다.

오디언스 멤버 컴퓨터에 저장되고 있는 세그먼트-타겟팅 쿠키의 결과로서 광범위한 콘텐츠가 오디언스 멤버에 제공될 수 있다. 도 2를 다시 참조하면, 콘텐츠 는 이에 제한됨이 없이, 웹사이트 페이지 광고들, 팝업 광고들, 이메일들 등을 포함할 수 있다.

본 발명의 시스템(10)은 다수의 디지털 매체들에 대해 콘텐츠를 오디언스 멤버로 전송하기 위해 오디언스 멤버들을 세분화 및 타겟팅하도록 적응된다. 디지털 매체들은 이종(heterogeneous)일 수 있고, 이에 제한됨이 없이, 웹사이트 네트워크, 케이블 시스템, 넌-웹 기반 인터넷 네트워크, 휴대전화 또는 RF 네트워크와 같은 무선 통신 시스템, 및/또는 오디언스 멤버를 디지털 콘텐츠와 인터페이싱하기 위한 수단이 고유하게 어드레스될 수 있는 임의의 디지털 매체를 포함할 수 있다. 디지털 매체는 아직 개발되지 않은 다른 소비자 기술들을 포함할 수 있다는 것을 고려한다.

오디언스 멤버로 콘텐츠를 전송하기 위한 시스템의 다른 예를 도시하는 블럭도이다. 시스템은 디지털 케이블 네트워크(400)를 포함한다. 디지털 케이블 네트워크(400)는 오디언스 멤버를 디지털 콘텐츠와 인터페이싱하기 위한 수단으로서 고유하게 어드레스가능한 케이블 셋톱박스(480)를 갖는 홈 TV를 포함할 수 있다. 디지털 케이블 네트워크(400)는 셋톱박스(480)로 세그먼트-타겟팅 콘텐츠를 전송하기 위한 케이블 헤드-엔드(head-end)(450)를 추가로 포함할 수 있다. 통상의 당업자에게 명백한 것처럼, 헤드-엔드(450)는 예를 들어, 위성 수신 안테나와 같이, 디지털 신호를 프로그래밍 프로세서(460)로부터 수신하기 위한 수단을 포함할 수 있다.프로그래밍 프로세서(460)는 오디언스 멤버로 전달될 콘텐츠를 프로그래밍하고, 적절한 디지털 신호를 헤드-엔드(450)로 제공한다. 프로그래밍 프로세서(460)는 예 를 들어, 오디언스 멤버에 관련된 가입 데이터를 저장할 수 있는 케이블 회사 데이터베이스(430)와 통신할 수 있다. 데이터는 케이블 네트워크(400) 내에 오디언스 멤버의 고유 식별자를 포함할 수 있다. 프로그래밍 프로세서(460)는 케이블 네트워크/인터넷 브릿지(440)를 통해 본 발명의 시스템(10)과 인터페이스할 수 있다. 전술한 것처럼, 시스템(10)은 오디언스 멤버 프로파일을 포함할 수 있다.

디지털 케이블 네트워크(400)는 웹서버(470)에 의해 제공되고 인터넷을 통해 오디언스 멤버에 의해 액세스가능한 케이블 회사 웹사이트를 추가로 포함할 수 있다. 오디언스 멤버는 예를 들어, 영화를 주문하고, 수리 주문을 요청하며, 케이블 서비스의 레벨을 변경하는 것과 같은 서비스를 요청하기 위해, 웹사이트(470)에 액세스할 수 있다. 오디언스 멤버는 오디언스 멤버의 케이블 네트워크 식별자를 제공함으로써 웹사이트(470)에 액세스할 수 있다.

도 7의 시스템은 다수의 디지털 매체들에 대해 오디언스 멤버로 콘텐츠를 전송하기 위해 다음과 같이 동작될 수 있다. 오디언스 멤버는 웹서버(170)에 의해 제공되는 웹사이트를 방문할 수 있다. 웹서버(170)는 오디언스 멤버로부터 콘텐츠에 대한 요청을 수신할 수 있고, 종래의 방식으로 오디언스 멤버 컴퓨터(180)에 웹사이트 페이지들을 제공할 수 있다. 웹사이트(170)는 케이블 네트워크(400) 및 웹사이트(470)의 소유자에 의해 소유 또는 가맹될 수 있다. 오디언스 멤버는 네트워크 내에서 웹사이트(170)와 관련된 다른 사이트들을 방문할 수 있다. 필요하다면, 웹사이트 네트워크에 관련된 고유 오디언스 멤버 식별자가 오디언스 멤버에 할당되고, 도 3 및 도 4와 연계하여 실질적으로 상술된 것처럼, 프로파일 데이터가 수집 및 저장된다. 오디언스 멤버는 도 5와 연계하여 실질적으로 상술된 것처럼 세그먼트 규칙들의 세트에 의해 규정되는 오디언스 세그먼트와 연관될 수 있다.

오디언스 멤버는 케이블 네트워크(400) 내에서 오디언스 멤버의 고유 식별자를 제공하는 동시에, 케이블 회사로부터의 서비스를 요청하기 위해 웹사이트(470)를 방문할 수 있다. 프로그래밍 프로세서(460)는 오디언스 멤버의 웹 네트워크 식별자를 판독할 수 있고, 오디언스 멤버의 케이블 네트워크 식별자를 상기 식별자와 연관시킬 수 있다. 그 다음, 프로그래밍 프로세서(460)는 브릿지(440)를 통해 시스템(10)에 액세스할 수 있고, 웹 네트워크 식별자를 이용하여 특정 오디언스 멤버에 관련된 세그먼트 유사성 데이터에 액세스한다. 오디언스 세그먼트 유사성 데이터를 기초로, 프로그래밍 프로세서(460)는 케이블 네트워크(400) 내에서 오디언스 세그먼트에 대한 프로그래밍 규칙들을 규정한다. 그 다음, 적절한 디지털 신호가 케이블 헤드-엔드(450)로 전송되고, 헤드-엔드(450)는 셋톱박스(480)와 오디언스 멤버의 홈 TV를 통해 오디언스 멤버 타겟 콘텐츠를 전송한다. 네트워크(400) 내의 오디언스 멤버의 선호도 및 습성은 시스템(10) 내에서 멤버의 프로파일을 업데이트하는데 사용될 수도 있다. 이러한 방식으로, 오디언스 멤버의 선호도 및 습성 데이터가 다수의 매체들에 대해 공통 프로파일로 동기화되고, 이러한 매체들을 통해 오디언스 멤버로 전송되는 콘텐츠는 프로파일의 특성들을 기초로 커스트마이징(customized)될 수 있다.

도 8은 타겟팅 엔진(TE)(810), 추출기(Extractor)(820), 세그먼트 관리기(SM)(830), 및 데이터 저장소(850)를 포함하는 오디언스 타겟팅 시스템(800)의 일 실시예를 도시하는 블럭도이다.

오디언스 타겟팅 시스템(800) 및 그 컴포넌트들은 논의의 용이함을 위해 집합적으로 도시된다. 이전에 기술된 것처럼, 다양한 컴포넌트들과 해당 기능은 예를 들어 컴포넌트들의 하나 이상의 기능에 할당되는 상이한 서버들에 의해, 목표된다면 개별적으로 및 독립적으로 제공될 수 있다.

오디언스 타겟팅 시스템(800)의 기능은 이전에 명명된 것들 및 다른 것들과 같은 임의의 종래의 처리 시스템에서 실행될 수 있는 소프트웨어에 의해 제공되는 것이 바람직하다. 이와 관련하여, 오디언스 타겟팅 시스템(800)은 프로세서와 메모리를 포함하는 컴퓨터 시스템의 컴포넌트일 수 있다. 하나의 모듈형 분류가 도시되지만, 기술된 기능은 더 크고, 더 적은 및/또는 상이한 명칭의 컴포넌트들에 의해 제공될 수 있다는 것을 이해해야 한다. 소프트웨어 실시예가 기술되지만, 오디언스 타겟팅 시스템(800)은 하드웨어 또는 펌웨어로서, 또는 소프트웨어, 하드웨어, 및/또는 펌웨어의 임의의 조합으로서 제공될 수도 있다.

이전에 기술된 것처럼, 오디언스 세그먼트들은 예를 들어 주기 기반으로, 다양하게 계산될 수 있다. 오디언스 세그먼트 계산을 조절하기 위한 한가지 모델은 배치 처리 모델(batch processing model)이다. 예를 들어, 24시간 간격들에서, 오디언스 타겟팅 시스템(800)은 이전 배치 처리 이후에 발견된 임의의 새롭게 추출된 데이터 뿐만 아니라, 이전에 추출된 데이터를 기초로 하는 모든 필요한 오디언스 세그먼트들의 재계산을 프롬프트(prompt)할 수 있다. 이러한 모델은 많은 애플리케이션들과 특정 타입의 추출가능 데이터(예, 등록 소스들로부터의 데이터, 검사들 및 제3자 데이터)에 대해 유용하지만, 이것이 항상 최상의 구현 모델은 아니다. 배치 처리 모델의 한가지 문제는 특히, 오디언스 세그먼트들이 이전에 추출된 데이터 뿐만 아니라 새롭게 추출된 데이터를 기초로 재계산된다는 점에서, 컴퓨터의 사용상 고비용이 될 수 있다는 것이다. 다른 문제는 특정 데이터 소스들이 배치 처리 간격에 의해 명령되는 것보다 더 빈번하게 동작되어야 하는 데이터를 포함할 수 있다는 것이다. 배치 처리 대안이 본 발명의 실시예들에 적용가능하지만, 도 8에 도시된 오디언스 타겟팅 시스템(800)의 예는 연속 처리 모델로서 지칭되는 것을 조절한다.

데이터의 정규적인 마이닝(regular mining) 및 추출기(820)로의 데이터 전송은 이하에서 도 9와 연계하여 추가로 기술되는 "도크 및 셔틀(dock and shuttle)" 데이터 추출로서 지칭되는 것에 의해 지원될 수 있다. 세그먼트 관리기(830) 및 해당 아키텍쳐는 이하에서 도 10A-10B과 연계하여 추가로 기술된다. 증분적인 데이터를 기초로 하는 오디언스 세그먼트들의 재계산, 및 오디언스 세그먼트들을 관리 및 생성하기 위한 처리 데이터 테이블들은 도 11A-11B와 연계하여 추가로 기술된다. 각각의 이러한 특징들은 이하에서 도 11A-11B 내지 도 17과 연계하여 기술되는 본 발명의 오디언스 매칭 네트워크 실시예들과 함께 제공될 수 있다.

도 8을 참조하면, 오디언스 타겟팅 시스템(800)은 오디언스 멤버들의 타겟팅 뿐만 아니라, 다중 지점들에 대한 데이터의 수집 및 조정을 포함한다. 이와 관련하여, 특정 오디언스를 타겟팅하기 원하는 사용자는 관심있는 오디언스 세그먼트들을 규정한다. 오디언스 세그먼트들은 특성 및 습성 데이터를 포함할 수 있는 사용 자 프로파일 데이터에 상관된다. 특성 데이터는 종종 등록 데이터에서 발견되고, 나이, 성, ZIP 코드, 및 가계 수입과 같은 특성들을 포함한다. 한편, 습성들은 사이트에서 보여지는 섹션들(예, 스포츠, 엔터테인먼트, 헬스), 보여지는 광고들(예, 저당율, 알레르기 치료), 레퍼러들(referrers)(예, AOL, Yahoo), 사이트 방문 시간(시간 지점 또는 범위), 및 사이트 방문 빈도와 같은, 속성들을 포함할 수 있다. 오디언스 세그먼트들은 이러한 사용자 프로파일 데이터를 기초로 규정될 수 있다. 차례로, 오디언스 세그먼트들은 분석, 리포팅 및 관련 세그먼트들의 오디언스 멤버들의 타겟팅을 위해 추출되는 정보를 위한 기초를 형성한다.

오디언스 타겟팅은 웹 애플리케이션들에 제한되지 않는다. 예를 들어, 프로파일 데이터는 보여지는 프로그램들, 보여지는 시간 등과 같은 행동 속성들, 및 TV 셋톱박스를 포함하는 애플리케이션들의 가입자 ID들 등과 같은 특성 속성들을 포함할 수 있다.

TE(810)은 개별 오디언스 멤버들에 해당하는 고유 식별자들을 할당 및 조정하기 위한 수단을 제공한다. 이전에 기술된 것처럼, 오디언스 멤버가 제 1 시간 동안 페이지에 로깅하면, TE(810)는 이들의 브라우저에 고유 식별자를 포함하는 쿠키를 배치한다. 오디언스 멤버가 사이트로 리턴할 때마다, 고유 식별자는 TE(810)로 재전송된다. 고유 식별자를 기초로, 오디언스 타겟팅 시스템은 광고들, 이메일 등과 같은 타겟 콘텐츠를 오디언스 멤버들 컴퓨터 또는 다른 관련 장치로 전송하기 위해 사용될 수 있는 세그먼트 쿠키를 설정할 수 있다. TE(810)는 또한 이러한 활동의 로그들을 생성할 수 있다. 고유 식별자는 프로파일 식별자(PRID)로서 지칭될 수 있다.

추출기(900)의 다른 예는 각각 추출기(900)의 일 실시예를 도시하는 블럭도, 및 프로파일 데이터를 추출하기 위한 모델을 예시하는 개념도인 도 9A-9B를 참조로 추가로 기술된다. 도크(dock) 및 셔틀(shuttle)과 같은 특정 용어들은 이러한 실시예를 개념적으로 도시하는데 유용하기 때문에 사용되지만, 다양한 대안적인 전문용어가 동일한 기능들을 수행하는 엘리먼트들에 대해 사용될 수 있다.

추출기(900)는 셔틀(902), 도크(904) 및 추출 모듈(906)을 포함한다. 이와 같이 구성된 추출기(900)의 기능은 다른 엘리먼트들을 또한 참조하는 도 9B를 동시에 참조하여 최상으로 이해된다. 셔틀(902)은 데이터 소스에 위치하는 코드일 수 있다. 그 목적은 로컬 데이터를 국부적으로 마이닝하고, 이를 추출기(보다 구체적으로는, 추출기의 도크(904))로 전송하는 것이다. 일 실시예에서, 셔틀(902)은 박스들을 어셈블링함으로써 이를 달성한다. 도크(904)는 박스들을 수신하고, 충분한 박스들이 이용가능할 때(타임아웃이 발생할 때), 박스들로부터 팔레트(pallet)(908)를 생성한다. 추출기는 이러한 팔레트들(908)에서 동작한다. 신뢰성있게 이를 달성하기 위해, 셔트들(902)이 소스 데이터가 위치한 곳을 인지하는 것이 유용하다. 이전에 언급된 배치(batch) 처리 실시예들에 대해, 로그 파일들이 "롤(roll)"하고 소비자에 의해 보존되는 상황을 셔틀이 처리하는 것도 유용하다. 이와 관련하여, 종래의 로그 파일 생성 엘리먼트들(예, Apache)에 의해 제공되는 것과 같이, 셔틀(902)은 로그 데이터와 인터페이스한다.

웹사이트 방문자들로부터 정보의 수집을 보조하기 위해 데이터 에이전 트(agent)가 사용될 수도 있다. 이것은 어떤 데이터 수집이 이루어지는지와 연계하여 페이지들에 부가되는 코드의 형태로 제공될 수 있다. 코드는 연산될 필요가 있는 함수들과 변수들을 각각 식별하는 함수 호출부들 및 헤더를 가질 수 있고, 모든 변수들이 수집되는 것을 보장한다. 데이터 에이전트는 TE에 의한 처리 및 수신을 위해 적합한 로그 라인들을 생성하도록 컨피규어(configure)될 수 있다. 파라미터들의 예들은 데이터 에이전트의 버전, 페이지 레퍼러, 페이지 URL, 시간 정보, 및 PRID를 포함한다. 프로파일 동가화와 연계하여 이하에서 기술되는 것처럼, REGID 파라미터 또한 제공될 수 있다. 기술되는 것처럼 PRID와의 연계와 더불어, 쿠키는 동일한 방식으로 오디언스 멤버에 대한 고유 REGID를 기술할 수 있다. 다른 "쿠키 리스트"(CLIST) 파라미터는 캡쳐되어야 하는 쿠키들의 리스트를 식별하는데 사용될 수 있다.

도크(904)는 팔레트들의 처리 및 오더링(ordering)을 관리하는 추출기의 수신 영역이다. 셔틀(902)로부터의 데이터는 박스들로서 참조되는 것으로 그룹화될 수 있다. 일반적으로, 박스는 단일 이벤트를 포함하지만, 몇몇 경우들(예, OAS 로그들)에서, 단일 기록은 몇가지 이벤트들을 포함할 수 있다. 이벤트는 소스 서버 상에서 시간 태그된 사용자 동작일 수 있다. 이벤트들의 예들은 웹페이지 뷰, 광고 감상 등을 포함할 수 있다. 팔레트(908)는 박스들의 수집일 수 있고, 전형적으로 데이터 소스로부터 마이닝되고 추출기 도크(906)로 전송하기 위해 패키징되는 데이터의 수집이다.

다양한 데이터 소스들이 이러한 모델에 의해 지원될 수 있지만, 일 실시예에 서 웹 로그 데이터가 데이터 소스이다. 셔틀(902)은 로그 파일 또는 파이프로부터의 데이터를 처리하는 영속 C++ 애플리케이션일 수 있다. 동작개시 시에, 셔틀(902)은 현재 로그 파일(또는 파이프)를 검색하고 판독을 위해 이를 개방한다. 또한, 셔틀(902)은 처리를 위해 팔레트들(908)을 추출 모델(906)로 전달할 수 있도록 하기 위해 도크(904)로의 커넥션을 형성한다.

셔틀(902)은 복구될 수 없는 에러 또는 외부 단말기 신호가 발생할 때까지 영속 루프에서 데이터를 처리하도록 컨피규어될 수 있다. 처리 루프 동안, 셔틀(902)은 소스로부터 이용가능한 아이템들(로그 라인들)의 컨피규어가능한 수까지 판독하고 이들을 박스로 패키징한다. 최대 수의 아이템들 보다 이용가능한 아이템들이 더 많은 경우 또는 아이템들의 총 크기가 최대 박스 크기보다 더 큰 경우, 여분의 라인들이 오프플로우 버퍼(overflow buffer)에 기록되고, 생성되는 다음 박스에 먼저 삽입된다.

박스가 생성되면, 셔틀(902)은 검증 목적을 위해 박스의 크기 표시와 함께, 박스를 도크(904)에 전송한다. 추출 모듈(906)은 박스를 수신 및 검증하고, 셔틀(902)이 존재하는 박스를 드롭하고 처리 루프를 반복하기 전에 허용 신호에 응답한다.

하나 보다 많은 셔틀(902)은 동일한 데이터 소스를 모두 제공하는 다중 머신들(예, 로드 밸런서(load balancer)를 통해 단일 도메인에 응답하는 다중 웹서버들)을 허용하기 위해 주어진 도크에 접속될 수 있다. 주어진 도크에서 상이한 셔트들(902)로부터의 데이터가 베이들(bays)로 분류된다. 이러한 베이들은 주어진 셔틀로부터 주어진 데이터 소스에 대한 처리되지 않은 데이터를 포함한다.

추출 모듈(908)은 각각의 데이터 소스 타입을 처리하도록 컨피규어되는 것이 바람직하고, 각각의 상이한 데이터 소스 타입에 대해 서브-모듈들을 포함할 수 있다(예, 각각의 OAS, W3C, IIS 등에 대해 하나).

마지막으로, 추출 모듈(906)은 도크(904)로부터 팔레트들로서 데이터를 처리하기 위해 응답가능하고, 최종 임포트 처리를 위해 데이터 저장소(850)로의 전송을 획득하는 출력을 생성하기 위해 응답가능하다. 기본적으로, 추출 모듈(908) 컴포넌트는 이전에 언급된 추출기의 실시예(도 1-도 7)와 연계하여 기술된 것처럼 추출을 수행한다. 처리된 데이터는 프로파일 데이터로서 참조될 수 있다. 일 실시예에서, 프로파일 데이터는 조직화될 수 있고, 이에 따라 이하에서 추가로 기술되는 팩트(fact) 테이블들로서 제공될 수 있다.

세그먼트 관리 실시예는 도 8을 참조로 추가로 기술되며, 도 8은 콘솔 관리 모듈(834), 새로운 세그먼트 계산 모듈(838)과 세그먼트 재계산 모듈(840)을 포함하는 세그먼트 생성 모듈(836), 및 리포팅 모듈(842)을 포함하는 세그먼트 조직 모듈(832)을 포함하는 세그먼트 관리기(830)를 도시한다.

세그먼트 관리기(830)는 특성 및 행동 정보를 기초로 오디언스 멤버들에 해당하는 세그먼트들의 관리 및 규정을 포함한다. 세그먼트들은 조정가능한(scalable) 세그먼트 관리를 허용하고 세그먼트들의 증분적인 재계산을 조절하는 계층적 로직 트리 기반 아키텍쳐에 따라 구성된다.

세그먼트 조직 모듈(832)은 이러한 아키텍쳐에 따라 오디언스 세그먼트들의 사용자-정의를 용이하게 한다. 사용자들이 동일 로직 아키텍쳐에 따라 세그먼트들을 정의하고 컨피규어할 수 있도록 인터페이스들을 제공하는 콘솔 관리기(834)와 연계하여 동작된다. 이러한 인터페이스들은 이하의 아키텍쳐의 설명시 추가로 이해되는 새로운 세그먼트들을 형성하기 위해 세그먼트들의 조합들 및 세그먼트들을 나타내는 패널의 형태일 수 있다.

세그먼트 생성 모듈(836)은 규정된 오디언스 세그먼트들을 기초로 적절한 오디언스 멤버들을 포함하는 세그먼트들을 생성한다. 새로운 세그먼트 계산 모듈(838)은 새로운 세그먼트들을 계산하고, 세그먼트 재계산 모듈(840)은 현존하는 세그먼트들을 계산하며, 특히 증분 데이터를 취하고 이러한 세그먼트들을 재계산하므로, 새로운 데이터가 도달하는 새로운 각각의 시간인 것처럼 세그먼트를 완전히 계산할 필요성을 없앨 수 있다.

세그먼트 생성 모듈(836)은 세그먼트들을 연속적으로 처리하도록 컨피규어될 수 있다(예, 윈도우즈 서비스로서). 각각의 패스에 대해, 세그먼트 생성 모듈(836)은 상기 패스에서 처리되어야 하는 세그먼트들을 결정하기 위해, 세그먼트들을 분류하는 데이터베이스 저장소(850)의 테이블을 판독한다. 세그먼트들과 연관된 타입 식별자는 세그먼트들이 새롭게 계산되어야 하는지 여부, 이에 따라 세그먼트 계산 모듈(838)로 패스되어야 하는지 여부, 또는 증분적으로 이에 따라 세그먼트 재계산 모듈(840)로 패스되어야 하는지 여부를 나타낼 수 있다.

마지막으로, 리포팅 모듈(842)은 세그먼트 조직 모듈(832) 및 세그먼트 생성 모듈(836)과 통신하고 커스트마이징가능한 리포트들을 생성한다. 설계자는 원하는 바대로 리포팅 옵션들을 자유롭게 구성한다. 리포트의 일 예는 세그먼트를 규정하는 섹션 습성 외부의 섹션들에서 오디언스 세그먼트의 습성에 대해 리포트하는 "공지된 오디언스 인사이드/아웃사이드(Known Audience Inside/Outside)" 리포트이다. 예를 들어, 뉴스 섹션의 뷰어들상에서 Inside/Outside 리포트는 뉴스 내부에서 오디언스 멤버들 습성을 나타내고, 이를 사이트의 모든 다른 섹션들과 비교한다. 이것은 사이트의 다른 부분들에서 귀중한 습성을 타겟팅하는데 사용될 수 있다. 리포트의 다른 예는 "도달도 및 도달횟수 리포트(Reach and Frequency Report)"이고, 하나 이상의 광고 캠페인들에 대한 도달도(총 오디언스) 및 도달횟수(보여진 횟수)를 리포팅한다. 리포팅 모듈(842)은 이에 제한됨이 없이, 캘리포니아 산호세의 Business Objects SA에 의해 제공되는 바와 같은 Crystal Reports를 포함하는 종래의 리포팅 툴들을 구현할 수 있다.

도 10A-10B는 세그먼트 관리 아키텍쳐(1000(a-b))의 일 예 및 본 발명의 다른 실시예에 따른 세그먼트들의 상응하는 계산을 도시하는 개념도들이다. 상기에서 소개된 바와 같이, 프로파일 데이터는 오디언스 멤버들과 상관되는 속성들을 포함하고, 광고들 및/또는 다른 콘텐츠로 오디언스 멤버들을 타겟팅하는데 사용되는 오디언스 세그먼트 규정들의 기초이다.

프로파일 데이터는 하나 이상의 속성들을 갖는 "팩트들"로서 구성될 수도 있다. 예를 들어, "나이" 팩트는 하나의 속성인, 나이를 가질 수 있다. 그러나, "ID" 팩트는 사이트에서 등록을 고유하게 식별하는 PRID 또는 등록 식별자(REGID)와 같은 몇가지 속성들을 가질 수 있다. "섹션" 팩트는 그 섹션, 상위 레벨 섹션 (즉, 섹션이 뉴스/국제/정치이면, 상위 레벨 섹션은 뉴스임), 제 2 레벨 섹션(/뉴스/국제), 사이트(상기 섹션이 속하는 사이트), 및 전체 경로(사이트+섹션)에 대한, 속성들을 포함할 수 있다.

프로파일 데이터 및 프로파일 데이터를 포함하는 개별 속성들은 행동이 발생하는 사이트를 기술하는, (1) 특성들(예, 나이, 성, 가계 수입); (2) 습성들(예, 페이지 뷰, 광고 클릭); (3) PRID; 또는 (4) 비지니스 유닛 ID로서 분류될 수 있다.

속성들은 또한 계산의 용이함을 위해 테이블들에 규정될 수 있는 치수들 또는 값들을 갖도록 기술될 수 있다. 더욱이, 속성들은 이들이 단일 또는 다중 값들인지 여부를 기초로 추가로 규정될 수 있다. 예를 들어, 나이, 성, HHI는 오디언스 멤버가 단일 값만을 갖는 특성들이다(예, 오디언스 멤버는 남성 및 여성 둘 다일 수는 없다). 반대로, 습성들은 오디언스 멤버당 다중 값들을 갖고, 일부 특성들(예, 이메일 뉴스레터 가입들) 또한 다중 값들을 갖는다.

계층적 아키텍쳐는 오디언스 세그먼트들의 멤버쉽의 효율적인 계산을 용이하게 한다. 특정 세그먼트들에 속하는 오디언스 멤버들의 리스트들은 유지될 수 있다. 이러한 멤버쉽 리스트들은 의존적인(예, 차일드(child)) 오디언스 세그먼트들의 멤버쉽을 결정하도록 논리적으로 조합될 수 있다.

나타낸 것처럼, 세그먼트 관리 아키텍쳐(1000a)는 본 예에서 제공되는 것처럼, 일련의 속성 세그먼트들, 즉 섹션(1002), 성(1004), 및 가계 수입(HHI)(1006)을 포함한다. 베이스 세그먼트들은 관련 속성 세그먼트들(1002-1006)에 상관되는 특정 값들을 가진 속성들을 갖는다. 임의의 수의 속성들에 대한 베이스 세그먼트들이 제공될 수 있다(예, 다른 습성들, 다른 섹션들; 다른 성, 다른 HHI). 도시된 세그먼트들은 "뉴스 방문(Visited News)"(1010), "남성"(1012), "HHI>$100K"(1014)이다. 이들 각각은 분리되고 개별적인 세그먼트들로서 고려될 수 있다. 그러나, 이러한 세그먼트들은 이들로부터 의존하는 새로운 세그먼트들을 생성하기 위해 논리적으로 조합될 수도 있다. 예를 들어, "뉴스를 방문한 남성들(Males who have Visited News)"(1020) 세그먼트는 남성들(1012)과 마지막 뉴스 방문(1010) 세그먼트들의 논리 조합을 포함한다. 또한, 세그먼트들의 계층에서 제 3 레벨은 "HHI>$100K를 갖는 뉴스를 방문한 남성"(1030)으로서 규정될 수 있고, 이는 이전에 기술된 세그먼트(1020)와 베이스 세그먼트(1014)(HHI>$100K)의 논리적 조합을 포함한다. 이러한 방식으로, 시스템은 다양하게 세그먼트들을 구성할 수 있고, 이와 동일한 구성은 콘솔 관리기(834)에 의한 세그먼트들의 규정을 통해 사용자를 가이드하기 위한 기초로서 사용될 수 있다. 특히, 사용자가 복잡한 세그먼트를 직접 규정하는 예들이 있을 수 있고, 여기서 시스템은 이에 따라 세그먼트들의 계산 및 재계산을 용이하게 하기 위해, 베이스 및 임의의 삽입 세그먼트들을 자동으로 생성한다.

도시의 용이함을 위해, 논리 "AND" 연산이 기술되며, 기본적으로 2개의 페어런트(parent) 세그먼트들의 교집합(intersection)을 제공한다. 세그먼트 관리기(830)는 하나의 페어런트로부터 입력들(entries)을 삽입시키는 "EXISTS"; 2개의 페어런트들의 집합으로부터 입력들을 삽입시키는 "OR"; 및 "exclusive AND"와 "exclusive OR"를 포함하는 다양한 부가적인 논리 연산들 또는 설정 표현들을 지원한다. 특정 기준에 일치되는 주어진 페어런트 세그먼트로부터 입력들을 삽입시키는 것과 같은 속성 표현들이 사용될 수도 있다.

세그먼트들의 개선된 구성을 제공하는 것과 더불어, 세그먼트 관리 아키텍쳐(1000a)는 세그먼트의 전체 계산을 요구함이 없이, 증분적인 프로파일 데이터가 처리되는 세그먼트 모집단(population)의 적절한 유지를 용이하게 한다. 즉, 누적된 데이터 세트에 그 규정을 적용하는 것을 기초로 세그먼트를 계산하는 대신에, 새로운 정보를 포함하는 제한된 처리를 통해, 현존하는 세그먼트로 새로운 정보의 삽입이 포함된다. 이를 조절하기 위해, 입력(entry) 및 출력(exit) 규칙들이 구현된다. "입력"은 증분 데이터를 기초로 특정 세그먼트로 오디언스 멤버들의 삽입에 해당하고, "출력(exit)"은 세그먼트로부터 오디언스 멤버들의 제거에 해당한다. 입력들은 기본적으로 현재 기준을 충족시키는 것으로 검색된 오디언스 멤버들이지만, 이전에 계산된 세그먼트와 아직 연관되지 않는다. 출력들은 그 반대이다 - 출력들은 더 이상 기준을 충족시키지 않는 것으로 검색된 오디언스 멤버들이다.

도 10B는 세그먼트 관리 아키텍쳐(1000b)에 대한 입력 및 출력(1032) 기능을 도시한다. 전술한 것처럼, 추출기는 다양한 속성들을 식별하는 프로파일 데이터로 데이터 저장소를 연속적으로 채운다. 나타낸 것처럼, 성 속성 세그먼트(1004')는 증분 프로파일 데이터에 응답하여 생성된다. 이것은 일반적으로 증분 프로파일 데이터 내의 속성 세그먼트 "성"에서 규정된 속성들을 갖는 오디언스 멤버들을 나타낸다. 이들 중에 이전에 기술된 "남성" 세그먼트(1012)가 있다. 이와 관련하여, 입력 및 출력 멤버쉽 리스트들이 형성된다. 구체적으로는, 증분 프로파일 데이터에서 남성으로서 식별되는 모든 오디언스 멤버들은 남성 세그먼트(1012)에 대한 입력 멤버쉽으로 제공된다. 유사하게, 관련 속성을 갖지 않는("남성이 아님"으로서 지칭될 수 있음) 모든 이러한 오디언스 멤버들은 남성 세그먼트(1012)에 대한 출력 멤버쉽 리스트로 제공된다. 그 다음, 출력 및 입력 규칙들은 세그먼트에 대한 적절한 업데이트를 조절하는 방법을 결정하는데 사용된다. 입력은 남성에 대한 입력 멤버쉽 리스트의 멤버쉽 리스트와 남성 세그먼트(1012)의 현존하는 멤버쉽의 결합을 취함으로써 조절될 수 있다. 출력은 출력 멤버쉽 리스트에 리스트된 오디언스 멤버들을 남성 세그먼트(1012)의 현존하는 멤버쉽으로부터 제거함으로써 조절될 수 있다(물론, 실제적인 제거는 재계산 이전에 존재하는 것들에 대해서만 적용가능하다).

논의의 용이함을 위해, 성(gender)에 관련되는 증분 프로파일 데이터에 초점이 맞추어지지만, 출력 및 입력의 원리는 이에 제함됨이 없이 뉴스 방문, HHI 및 다른 것들을 포함하는 임의의 세그먼트에 적용할 수 있다.

또한, 재계산을 기초로 하는 증분 프로파일 데이터는 계층을 통해 전파된다. 이것은 세그먼트들의 논리적 관계들에 의존하는 출력 및 입력 규칙들에 따라 다양하게 재배치될 수 있다. 뉴스를 방문한 남성들(1020)과 같은 AND 연산으로 인한 의존적(차일드) 세그먼트에 대해, "남성" 세그먼트에 대해 전술한 입력 및 출력 멤버쉽 리스트들을 "뉴스를 방문한 남성들" 세그먼트(1020)에 유사한 방식으로 반복 적용하는 것을 포함할 수 있다. 즉, "남성"에 대한 입력 멤버쉽 리스트는 "뉴스를 방문한 남성들" 세그먼트(1020)에 부가되고, 출력 멤버쉽 리스트가 제거된다. 대안적으로, 남성(1012) 및 뉴스 방문(1010) 베이스 세그먼트들은 이들의 각 입력 및 출력 멤버쉽 리스트들로 재계산된 다음, 뉴스를 방문한 남성들 세그먼트(1030)가 남성(1012) 및 뉴스 방문(1010)의 업데이트 버전들의 교집합을 기초로 계산될 수 있다.

목표된다면, 의존적인 세그먼트의 재계산은 업데이트된 페어런트 세그먼트들을 기초로 하는 계산을 기반으로 할 수도 있다. 구체적으로는, 입력 및 출력(1032) 기능은 그 다음 사용될 수 있는 베이스 세그먼트들에 적용될 수 있다.

도 11A는 본 발명의 다른 실시예에 따라 세그먼트들을 계산 및 관리하기 위해 데이터 테이블들을 처리(1100)하는 일 예를 도시하는 개념도이다. 도시된 처리는 도 10A-10B의 예에 규정되는 세그먼트들과 상관된다. 기술되는 것처럼, 추출기는 많은 오디언스 멤버들에 대한 정보를 수집하도록 동작되고, 데이터 저장소에 이러한 정보를 제공한다. 그 정보는 개별 오디언스 멤버들에 해당하는 속성들이 식별될 수 있도록 구성될 수 있다. 따라서, 도시된 팩트 테이블들(1102a-1102d)은 정보를 구성하기 위한 바람직한 기술이다. 일 실시예에서, 팩트 테이블의 각각의 팩트는 그 고유 식별자(PRID)를 이용하는 오디언스 멤버와 연관된다. 팩트 테이블은 특정 속성에 대해 모든 사용자들에 관련된 모든 팩트들을 포함한다. 따라서, 섹션 팩트들, 나이 팩트 테이블, 성 팩트 테이블 등을 모두 포함하는 섹션 팩트 테이블이 있다. 테이블의 각 행은 단지 한명의 오디언스 멤버(보다 구체적으로는, 하나의 PRID)와 연관되는 데이터의 조각(piece)(특성 또는 습성)을 나타낸다.

기술된 것처럼, 속성들은 오디언스 멤버가 특정 섹션(뉴스, 스포츠 등)을 방문한 횟수와 같은 습성 뿐만 아니라, 나이 및 성과 같은 특성들을 포함할 수 있다. 종종, 속성은 정보의 다중 조각들에서 검색에 의해 결정될 수 있다. 따라서, 성은 성="남성"인지 여부의 간단한 결정일 수 있지만, 오디언스 멤버가 특정 섹션을 몇번 방문했는지와 같은 빈도 정보를 포함하는 속성은 오디언스 멤버에 대한 팩트 테이블에서 입력들의 수의 카운팅을 포함할 수 있다. 이러한 카운팅은 특정 시간 주기 내에 속하는 입력들로 제한될 수도 있다.

팩트 테이블의 기능을 제공하기 위해 정보의 상이한 구성을 포함하는 다양한 대안들이 이용될 수 있다. 예를 들어, 시스템은 고유 PRID에 의해 식별되는 사용자에 대한 속성들의 리스팅을 제공하는 테이블을 선택적으로 구성할 수 있다. 이것은 PRID들에 의해 식별되는 고유 오디언스 멤버들에 각각 해당하는 다수의 팩트 테이블들을 형성한다.

이전에 기술된 것처럼, 세그먼트 관리기는 데이터 저장소에 저장된 정보에 액세스하고, 특정 오디언스 세그먼트들을 검색하는 사용자에 의해 입력되는 것들과 같은 세그먼트 규정들을 유지한다. 주어진 세그먼트는 오디언스 멤버들이 주어진 세그먼트에 대한 속성을 갖는 것을 결정함으로써 계산된다. 본 발명의 이러한 실시예에 따라, 계층적 로직 트리 기반의 세그먼트 아키텍쳐 및 속성들과의 오디언스 멤버 식별자들의 연관성은 세그먼트들의 매우 효율적인 계산(및 재계산)을 조절한다.

처리(1104)의 제 1 레벨은 베이스 세그먼트들을 계산하는데 사용될 수 있다. 이것은 베이스 세그먼트에 대한 속성을 식별한 다음, 그 속성을 가진 오디언스 멤버들을 결정(또는 보다 구체적으로는 PRID들의 리스팅)함으로써 수행된다. 세그먼트 1.1은 "뉴스 방문" 세그먼트이다(도 10A 참조). 본 예에서, 세그먼트 관리기는 팩트 테이블들을 검사하고 이러한 속성을 포함하는 팩트 테이블들에 대해 PRID들을 수집한다. 세그먼트 테이블(1106a)에 나타낸 것처럼, 이것은 PRID들 1, 2, 4, 6 및 7이 주어진 속성을 갖는다고 결정하게 할 수 있다. 세그먼트 테이블의 PRID들의 리스팅은 주어진 속성/세그먼트에 대한 "멤버쉽 리스트"로서 지칭될 수도 있다. 세그먼트에 수백만의 멤버들이 있을 수 있고, 제한된 리스팅들이 도시의 용이함을 위해 사용된다.

세그먼트들은 이들을 식별하는 단어들과 구문들 대신에, 식별자들(SEGIDs)에 의해 식별될 수도 있다. 따라서, 식별자들 SEGID_x.x와 기술된 PRID들의 연관성은 계산 목적을 위해 속성을 가진 오디언스 멤버들을 효율적으로 식별한다. 각각의 세그먼트는 이러한 방식으로 구성될 수 있다.

본 예에서, 세그먼트 1.2는 속성 "남성"에 상관될 수 있다. 오디언스 멤버 PRID₁은 남성으로서 식별되고, 세그먼트 1.2에 대한 세그먼트 테이블에 리스트되지만, 여성으로서 식별되는 PRID₂는 아니다. 세그먼트 1.3(HHI>$100K)에 대한 테이블(1106c)은 이러한 PRID들 둘다를 포함한다. 또한, 각각의 세그먼트들에 대한 세그먼트 테이블들은 x 베이스 레벨 세그먼트들(1106a-1106d)에 대해 제공될 수 있다.

그 다음, 다음 레벨의 세그먼트들이 베이스 세그먼트들로부터 계산될 수 있다. 본 발명의 이러한 실시예는 현존하는 세그먼트 테이블들에 대한 다양한 부울 연산들의 적용을 통해 세그먼트들의 추가적인 레벨들의 효율적인 결정을 조절한다. 예를 들어, 세그먼트 2.1은 "뉴스 방문" AND "남성"으로서 규정될 수 있다. 이것은 2개의 세그먼트 테이블들(1106a, 1106b)에서 PRIDs의 교집합을 결정함으로써 조절된다. 도시된 것처럼, 2개의 베이스 테이블들에 이러한 식별자들이 나타나기 때문에, 세그먼트 2.1에 대한 세그먼트 테이블(1110a)은 PRID₁, PRID₄, 및 PRID₆를 포함한다. 따라서, 테이블(1110a)은 뉴스를 방문한 남성들에 대한 오디언스 멤버 식별자들을 리스트한다. 다시 한번, 임의의 수의 세그먼트들이 세그먼트 2.1 내지 2.y(1110a-b)에 대한 테이블들로 나타낸, 이러한 레벨에서 계산(1108)될 수 있다.

또 다른 추가적인 계산(1110)은 다음 레벨의 세그먼트들의 결정을 조절한다. 세그먼트 3.1("HHI>$100K를 갖는 뉴스를 방문한 남성들")은 세그먼트 2.1(뉴스를 방문한 남성들) 및 세그먼트 1.3(HHI>$100K)의 조합과 상관된다. 또한, 논리 AND는 관련 세그먼트 테이블들의 교집합을 구현하고, 이는 세그먼트 테이블(1114a)당 세그먼트 3.1에 속하는 것으로서 PRID₁ 및 PRID₄를 리스팅한다. 임의의 수의 z 세그먼트들이 계산(1112)될 수 있다(세그먼트 테이블들(1114a-b)).

세그먼트 테이블들은 그 각각의 세그먼트들에 대한 멤버쉽 리스트들이고, 이에 따라, 이전에 기술된 것처럼 증분 프로파일 데이터의 수신시 세그먼트 재계산에 응답하여 업데이트될 수 있다. 도 11B는 증분 데이터의 수신을 기초로 재계산에 응답하여 세그먼트 테이블들이 업데이트되는 방법을 도시한다. 여기서, 입력 및 출력은 멤버쉽 리스트들을 포함하는 테이블들, 또는 입력 테이블들 및 출력 테이블들에 의해 조절된다. 이전에 기술된 것처럼, 증분 프로파일 데이터(팩트 테이블들(1102a'-d')로서 각각 지칭됨)가 수신되고, 입력 및 출력 테이블들이 이러한 데이터를 기초로 형성된다. 도 11B는 입력 및 출력 테이블들의 정보가 세그먼트들을 재계산하기 위해 어떻게 유용한지를 도시한다. "남성" 세그먼트 1.2에 대한 입력 테이블은 PRID₇을 포함하고, 동일한 세그먼트에 대한 출력 테이블은 PRID₄를 포함하는 것으로 가정한다. 출력 테이블의 애플리케이션은 PRID₄가 "남성" 세그먼트 1.2로부터 제거되도록 프롬프트한다(교차-해칭(cross-hatching)으로 지칭됨). 입력 테이블의 애플리케이션은 PRID₇이 세그먼트에 부가되도록 한다("입력(entry)"로 지칭됨). 의존적인 세그먼트들의 멤버쉽은 또한 이전에 기술된 로직에 따라 업데이트된다. 즉, PRID₄가 더 이상 남성 세그먼트 1.2의 멤버가 아니기 때문에, 의존적인 "뉴스를 방문한 남성들" 세그먼트 2.1로부터도 제거된다. 의존성 PRID₄의 다음 레벨로 계속하면 세그먼트 3.1로부터 제거되지만, 세그먼트 3.1이 세그먼트 2.1 및 세그먼트 1.3의 AND 조합이기 때문에 PRID₇은 부가되지 않고, PRID₇은 세그먼트 1.3에 없다.

상이한 논리 조합들이 재계산시 입력 및 출력의 상이한 애플리케이션을 프로픔트한다는 것을 유의한다. 세그먼트 2.1은 세그먼트 1.1 및 세그먼트 1.2의 논리 AND이고; 만약 이러한 세그먼트들의 논리 OR 조합이라면, PRID₄는 세그먼트 1.1로부터 제거되지 않는 한 제거되지 않는다.

본 발명의 다른 실시예는 프로파일 동기화를 제공한다. 사람들은 가정용 컴퓨터, 오피스 컴퓨터, 몰 키오스크(mall kiosk) 등과 같은 다양한 컴퓨터들에 일(day) 및 주(week)에 걸쳐 액세스할 수 있다.

전술한 것처럼, PRIDs은 고유 오디언스 멤버들에 관한 데이터를 식별 및 수집하는데 사용되는 고유 식별자들이다. 이와 관련하여, 웹사이트에 대한 새로운 방문자(예, 오피스 컴퓨터를 이용하는 여성)가 인카운트(encountered)되면, 다음 이용가능한 PRID(예, PRID_A)와 연관된다. 방문자의 브라우저와 연계하여 구현되는 쿠키들은 특정 PRID_A를 포함하고, 그 방문자에 대한 프로파일 데이터를 수집하는데 사용된다. 나중에, 동일한 사람이 가정용 컴퓨터를 이용하여 상기 웹사이트에 방문할 수 있다. 가정용 컴퓨터가 사이트에 액세스하는데 사용되지 않는다고 가정하면, 그녀가 동일한 사람이라고 인식하지 않으며, 새로운 고유 PRID(PRID_B)가 생성되고 컴퓨터로부터 그녀의 습성 및 특성들과 연관된다. 따라서, 오디언스 타겟팅 시스템에 알리지 않으면서, 실제로 동일한 사람에 해당하는 2개의 개별 세트들의 프로파일 데이터가 있다.

또한, 사람이 웹사이트에 액세스하는 다른 컴퓨터(예, 몰 키오스크)를 이용할 수 있고, 또 다른 고유 PRID_C가 발행(issue)될 수 있다. 이것은 2개의 방법들에 서 문제가 된다. 먼저, 동일한 사람에 해당하는 횔동에 대한 제 2 개별 PRID를 생성한다. 또한, 몰 키오스크(또는 가정용 및 오피스 컴퓨터들)는 다수의 사람들에 의해 사용될 수 있다. 다수의 상이한 사람이 컴퓨터를 이용하고 다양한 습성과 연계되지만, PRID_C로서 추적될 것이다.

또 다른 문제는 쿠키들의 잠재적 제거이다. 본 예를 계속하면, 이러한 오디언스 멤버가 오피스 컴퓨터의 쿠키들을 제거하면, PRID_A와의 상관도가 분실되고, 다음 웹사이트 방문시 새로운 방문자로서 인식될 것이며, 그 오피스 컴퓨터와 연관하여 PRID_D의 발행을 프롬프팅한다. 이것은 PRID_D와 연관된 세그먼트들이 PRID_A와 연계하여 이전에 수집된 정보를 반영하지 않기 때문에 문제가 된다. 또한, PRID_A는 본질적으로 소멸된 PRID가 되지만, 여전히 시스템에 의해 소모적으로 처리될 것이다.

도 12는 본 발명의 다른 실시예에 따른 프로파일 동기화(1260)를 포함하는 오디언스 타겟팅 시스템의 일 예를 도시하는 블럭도이다. 프로파일 동기화는 이러한 조건들과 연관된 문제들을 다양하게 수정 및 경감시킨다. 일 실시예에서, PRID는 오디언스 멤버를 고유하게 식별하는 시스템 기반 식별자이다. 또한, 권한 식별자(예, 등록 식별자)는 프로파일된 오디언스 멤버와 연관하여 분류 및 유지된다. 권한 식별자는 일부 수집된 프로파일 데이터와 연계하여 식별될 수 있다. 권한 식별자들과 PRID들 사이의 연관도들의 유지는 수집된 데이터에서 PRID의 부재에도 불구하고, 이러한 수집된 프로파일 데이터가 특정 오디언스 멤버와 적절히 연관되도 록 한다. 또한, 이러한 기능은 특징 오디언스 멤버에 의해 다수의 쿠키 기반 식별자들의 잠재적 생성을 조절한다. 내부 식별자로서 참조될 수도 있는 시스템 식별자(PRID)와 대조적으로, 이러한 쿠키 기반 식별자들은 외부 식별자들(XIDs)의 예들이다. 하나 이상의 XIDs을 가진 각각의 프로파일된 오디언스 멤버의 PRID 사이의 연관도들의 유지는 특정 오디언스 멤버와 연관하여 다수의 외부(예, 쿠키 기반) 식별자들의 관리를 허용한다.

프로파일 동기화의 보다 상세한 논의로 돌아가기 이전에, 프로파일 동기화를 구현하지 않는 오디언스 타겟팅의 실시예들에서, XID는 오디언스 멤버 프로파일 관리 목적을 위해 본질적으로 PRID와 동등하게 처리될 수 있다는 것을 유의한다. 또한, 쿠키 기반 XID들이 기술되지만, 넌-웹 서비스의 사용과 상관되는 것들처럼 다른 외부 식별자들이 구현될 수도 있다는 것을 유의한다.

오디언스 타겟팅 시스템(1200)은 TE(1210), 추출기(1220), 세그먼트 관리기(1230), 및 데이터 저장소(1250)를 포함한다. 이러한 엘리먼트들은 이전에 기술된 오디언스 타겟팅 시스템(800, 도 8)에서 공통으로 명명된 엘리먼트들과 유사하고, 프로파일 동기화 실시예와 관련하여 반복될 필요는 없다.

이전에 기술된 시스템에서처럼, 오디언스 타겟팅 시스템(1200)과 그 컴포넌트들은 공동으로 도시되지만, 목표된다면 개별적으로 및 분리되어 제공될 수 있다. 프로파일 동기화 모듈(1260)의 기능은 임의의 종래의 처리 시스템에서 실행될 수 있는 소프트웨어에 의해 제공되는 것이 바람직하다. 이와 관련하여, 오디언스 타겟팅 시스템(1200)(또는 임의의 서브-모듈)은 프로세서와 메모리를 포함하는 컴퓨 터 시스템의 컴포넌트일 수 있다. 하나의 모듈형 분류가 도시되지만, 기술된 기능은 더 크고, 더 작고 및/또는 상이한 명칭의 컴포넌트들로 제공될 수 있다는 것을 이해해야 한다. 소프트웨어 컴포넌트가 기술되지만, 기능은 히드웨어 또는 펌웨어, 또는 소프트웨어, 하드웨어 및/또는 펌웨어의 임의의 조합으로서 제공될 수도 있다.

프로파일 동기화 모듈(1260)은 ID 관리 모듈(1262), 권한(authoritative) ID 인식 모듈(1264), 및 프로파일 식별자들(PRIDs)(1268), REGIDs(1270)과 XIDs(1272)을 저장하는 ID 저장 모듈(1266)을 포함한다.

프로파일 동기화는 오디언스 멤버들, 및 이들이 연관될 수 있는 잠재적인 다수의 식별자들이 권한 식별자(ID)와 연관될 수 있다는 인식을 의미한다. 권한 ID는 오디언스 멤버와 연관된 프로파일 데이터 뿐만 아니라, 다수의 식별자들을 관리하는데 사용된다. 일 실시예에서, 권한 ID는 사용자 웹사이트에 대한 등록(예, 로그인 크리덴셜들, REGID)과 연관된다. 예를 들어, 웹사이트는 사이트의 특정 엘리먼트들의 사용에 대한 등록 및 로그인을 요구할 수 있는 뉴욕 타임즈지 웹사이트일 수 있다.

프로파일 동기화 모듈(1260)은 다수의 XID들을 생성함에 따라 오디언스 멤버들을 고유하게 식별하기 위해 PRID들을 구현한다. 이와 관련하여, PRID들은 시스템 레벨로서 간주될 수 있거나, 보다 구체적으로는 오디언스 타겟팅 시스템(1200) 레벨 고유 식별자들, 및 오디언스 멤버 머신 레벨 기반 고유 식별자들로서 XID들로 간주될 수 있다.

프로파일 동기화 기능을 조절하기 위해, ID 저장 모듈(1266)은 PRID들(1268), REGID들(1270), 및 XID들(1272)을 포함하는 다양한 ID 정보를 저장한다. ID 관리 모듈(1262)은 다양한 ID 정보간의 관계들의 발행을 구성한다. 이는 시스템에서 이들을 고유하게 식별하는 것으로서 특정 사용자에 대한 PRID를 연관시킴으로써 제공된다. 이러한 정보는 오디언스 멤버가 시스템에 의해 인식된 첫번째 날과 같이, 다른 특성 정보와 함께 저장될 수 있다. 테이블들 등은 프로파일 동기화를 이용하여 오디언스 멤버에 상관되는 XID들, 및 권한 ID 인식 모듈(1264)과 연계하여 오디언스 멤버들의 인식을 수용하도록 REGID에 오디언스 멤버의 PRID를 상관시키는데 사용될 수도 있고, 이는 권한 ID의 존재를 결정하며, 해당 고유 ID들의 적절한 발행을 보장하기 위해 ID 관리 모듈(1262)과 통신한다.

프로파일 동기화 모듈(1260)의 기능은 프로파일 동기화를 위한 프로세스(1300)의 일 예를 도시하는 도 13의 흐름도를 참조로 추가로 기술된다.

프로파일 동기화 기능의 지원에서, 새로운 고유 XID는 웹사이트에 대한 첫번째 방문자와 연관(1302)된다. 등록이 세션에 대해 적용가능하면, REGID 또한 연관된다. 이러한 기능들은 페이지들의 정규 브라우징 동안 제공되고, 전술한 것처럼 데이터 에이전트에 의해 촉진된다. 또한, 기술된 방식으로, 데이터 저장소에 오디언스 멤버들에 해당하는 프로파일 데이터가 차지된다. 따라서, 고유 REGID들은 또한 고유 XID들과 함께 프로파일 데이터의 각 세트들에 연관된다.

프로파일 데이터는 이전에 기술된 방식으로 데이터 저장소로부터 검색(1304)될 수 있다. 팩트 테이블들을 이용하는 실시예들에서, 이는 XID 및 REGID 둘다를 식별하는 입력들이 리스트 속성들과 연관되어 제공된다는 것을 의미한다. 팩트 테이블은 본 예에서 특히 XID_P로 지칭되는, 적어도 XID를 포함한다. REGID가 팩트 테이블에 포함되는지 여부에 대해 제 1 결정(1306)이 이루어진다. 기술된 것처럼, REGID는 권한 ID로서 사용된다. 그 부재시, 시스템은 팩트 테이블과 PRID를 연관시키려고 시도함으로써 데이터를 처리하도록 한다. 기술된 것처럼, XID들의 리스트는 각각의 PRID와 연관되어 유지된다. 이러한 정보는 특정 XID(XID_P로 지칭됨)가 발견되는지 여부를 알기 위해 검사된다. 만약 발견되면, 적어도 하나의 PRID에 맵핑된다. XID가 다수의 PRID들에 맵핑되는 것이 가능할 수 있다. 그 경우, 시스템은 랜덤 PRID를 선택할 수 있고, 발견된 첫번째 PRID를 선택하거나, 임의의 알고리즘을 이용하여 하나의 PRID를 선택할 수 있다. 팩트 테이블들은 이러한 기능을 제공하도록 다양하게 구성될 수 있다는 것을 유의해야 한다. 이러한 일 예에서, 상이한 속성들(섹션, 나이, 성, 레퍼러 등)은 특정 값이 PRID를 통해 특정 프로파일에 연관되는 상이한 테이블을 각각 가질 수 있다.

프로파일 동기화와 함께, PRID는 세분화(segmenting)의 목적을 위해 오디언스 멤버들을 고유하게 식별한다. 따라서, 특정 PRID가 특정 XID_P와 연관된다고 결정(1308)하면, 그 특정 PRID에 팩트 테이블의 속성들을 연관시키면서 세그먼트들이 계산(1310)된다. PRID가 XID_P와 연관된다고 결정되지 않으면(1318), 새로운 PRID_Q가 발행(1312)된다. 이와 연계하여, XID_P는 PRID_Q에 맵핑되고, 이에 따라 세그먼트 들이 계산된다.

REGID가 팩트 테이블에 존재한다고 결정되면(1306), 이는 권한 ID로서 간주된다. 이것은 시스템이 특정 REGID를 인지하는 첫번재 순간(instance)일 수 있고, 그 경우 PRID가 REGID(1316)에 할당(PRID_R로 지정됨) 및 맵핑된다.

특정 REGID와 연관되는 PRID가 이미 있다고 결정되면(1314)(즉, REGID를 인지하는 첫번째 순간이 아님), 특정 PRID(오디언스 멤버에 대한 고유 PRID 넘버)가 팩트 테이블 속성들 및 해당 세그먼트들에 연관된다. 부가적으로, 만약 그러한 경우가 아니라면, XID_P는 시스템이 특정 PRID에 연관되는 XID 넘버들의 리스트에 포함된다(1318).

목표된다면, 세그먼트 관리기는 XID 리스트를 이용하여 오디언스 멤버에 대한 세그먼트들을 분리시킬 수도 있다. 예를 들어, 특정 오디언스 멤버가 이들의 고유 PRID와 연관된 2개의 XID들을 가질 수 있다. 하나의 XID는 가정용 컴퓨터에 해당할 수 있고, 다른 XID는 직업용 컴퓨터에 해당할 수 있다. 시스템이 그가 동일한 사람이고 두 개의 컴퓨터들로부터의 모든 활동들이 고유 PRID 하에서 공통으로 세분될 수 있다고 결정하면(전술한 것처럼 권한 ID와의 커넥션을 통해), PRID와 연관된 XID들의 리스팅은 시스템이 목표시 개별 세그먼트들을 생성할 수 있도록 한다. 이것은 사실상, 몇몇 예들에서 오디언스 멤버가 컴퓨터 사용 및 목표된 광고 노출에 의해 개별 가정 및 오피스 인물일 수 있기 때문에, 오디언스 타겟팅 시스템의 특정 사용자들에게 바람직할 수 있다.

도 14A-14B는 본 발명의 일 실시예에 따른 오디언스 매칭 네트워크(1420)의 일 예를 도시하는 개념도들이다. 이전에 기술된 오디언스 타겟팅 시스템들은 오디언스 세그먼트들의 규정, 프로파일 데이터의 수집, 및 이러한 세그먼트들에서 멤버쉽의 상응하는 결정, 및 이러한 세그먼트들 내에 속하는 오디언스 멤버들로 콘텐츠의 전송을 조절한다. 다수의 오디언스 타겟팅 시스템들(ATS)(1440, 1442, 1444)은 세그먼트들의 규정 및 콘텐츠 전송 프로세스가 수행되는 도메인들에 각각 대응될 수 있다. 특히, ATS(1440)는 "a.com"에 대응될 수 있고, ATS(1442)는 "b.com"에 대응될 수 있으며, ATS(1444)는 "c.com"에 대응될 수 있다. 즉, a.com의 방문자들은 이전에 상세히 기술된 것처럼, 오디언스 타겟팅 시스템(여기서, ATS(1440))의 기능을 통해, a.com 도메인의 웹페이지들 중에서 이들이 서핑함에 따라 광고에 타겟팅될 수 있는 오디언스 멤버들이다.

일 실시예에 따라, 본 발명은 오디언스를 전송가능한 콘텐츠와 매칭시키기 위한 네트워크를 제공하며, 상기 네트워크는 오디언스 매칭 네트워크(AMN)(1420)로서 지칭될 수 있다. AMN(1420)은 광고주들이 큰 사이즈의 규정된 오디언스 세그먼트들에 도달하기 위해 인구 통계학적(demographic) 데이터와 조합하여, 습성 타겟팅을 이용할 수 있도록 허용하는 오디언스-중심 네트워크이다. 바람직하게는, 인구 통계학적 데이터는 비-개인용 데이터이다. 몇몇 실시예들에서, 오디언스 멤버 동의(consent), 계약 및/또는 법적 요구조건들에 의해 제한되는 바와 같이, 개인용 데이터가 사용될 수 있다.

오디언스 멤버들에 대한 프로파일 데이터는 오디언스 타겟팅 기능(예, ATS(1440-1444))을 갖는 많은 사이트들에 대해 수집될 수 있다. 각각의 이러한 사이트들은 이들 각각의 도메인들의 멤버들에게 잠재적인 세그먼트들 및 이러한 세그먼트들의 모집합을 제공한다. 또한, 이러한 도메인들은 "로컬" 도메인들로서 지칭될 수도 있다. 예를 들어, 이러한 도메인들은 개별 발행자들에 각각 대응될 수 있다. 공지된 것처럼, 발행자들은 온라인 광고들을 페이지들에 디스플레이할 수 있고, 광고주들은 전형적으로 이러한 광고들을 배치하는 발행자들에게 돈을 지불한다.

AMN(1420)은 사이트들의 전체 네트워크에 공통인 도메인(예, audiencematchingnetwork.net 또는 amn.net)을 갖고, 네트워크 도메인으로서 지칭될 수 있다. AMN(1420)은 ATS(1440-1444)에 의해 각각 차지되는 다양한 세그먼트들을 포함하는 네트워크 레벨 세그먼트들을 관장(preside)한다. 따라서, AMN(1420)은 네트워크에 공동으로 걸친 속성들, 및 그렇치 않으면 개별 사이트들에 의해 식별될 수 있는 속성들을 기초로, 세그먼트들을 구성 및 관리할 수 있다.

도 14A를 계속 참조하면, 개별 ATS는 세그먼트들을 규정하고, 관련 도메인에서 오디언스 멤버들에 대한 프로파일 데이터를 수집할 수 있다. 예를 들어, ATS(1440)는 PRID₁₂₃으로서 지칭되는 고유 식별자에서, a.com 오디언스 멤버 "123"을 고유하게 프로파일할 수 있다.

도시된 예에서, "여행자(Traveler)" 세그먼트는 예를 들어 도메인에서 여행-관련 페이지를 방문함으로써, 여행에 관심이 있는 것으로 결정된 오디언스 멤버들 에 상관될 수 있다. a.com 도메인의 이러한 특정 세그먼트는 세그먼트 #100으로서 지정 및 관리된다. PRID₁₂₃에서 관리되는 오디언스 멤버는 세그먼트 #100의 멤버("여행자")로 결정된다.

본 예는 단지 예시적인 것이라는 것을 유의해야 한다. 관련 발명들의 세그먼트 관리 특징들 및 ATS와 연계하여 전술한 것처럼, 세그먼트들은 이에 제한됨이 없이, 성, 방문한 섹션, HHI 및 그 밖에 것들을 포함하는 특성 및 습성 속성들에 따라 다양하게 규정될 수 있다. 또한, 데이터 수집은 세그먼트 데이터로 제한되지 않을 수 있고, 발행자가 AMN(1420)이 수집하도록 허용하는 임의의 데이터 지점들일 수 있다는 것을 유의해야 한다.

도 14A를 참조하면, b.com 도메인에서, ATS(1442)는 "비지니스" 세그먼트 #200을 규정하고, 도메인 내에서 프로파일 데이터의 수집을 통해, PRID₄₅₆으로서 b.com에서 고유하게 식별된 오디언스 멤버가 세그먼트의 멤버라고 결정한다. 또한, c.com 도메인에서, ATS(1444)는 다른 세그먼트 #300를 규정하고, 고유하게 식별된 오디언스 멤버 PRID₇₈₉가 그 세그먼트의 멤버라는 것을 결정한다.

각각의 이러한 오디언스 멤버들은 각각의 도메인들 내에서 콘텐츠의 전달을 위해 타겟팅될 수 있다. 본 발명의 다른 실시예에 따라, AMN(1420)은 상이한 도메인들에서 고유하게 프로파일된 오디언스 멤버가 사실상 동일한 오디언스 멤버라고 인식할 수 있고, 이러한 오디언스 멤버가 로컬 도메인들에서 수집된 정보를 기초로 복잡한 세그먼트의 멤버라고 결정하기 위해, 네트워크의 많은 도메인들에 공동으로 걸치는 세그먼트들을 조합(assemble)할 수 있다.

AMN(1420)은 네트워크 레벨에서 오디언스 멤버들의 고유 ID를 관리하고 세그먼트 멤버쉽을 결정하기 위해, 네트워크 PRID(NPRID)로서 지칭되는 고유 식별자를 사용한다. AMN(1420)은 또한 네트워크 레벨 세그먼트들을 관리한다. 예를 들어, "비지니스 여행자(Business Traveler)" 세그먼트는 AMN(1420)에 의해 세그먼트 #5000으로서 관리될 수 있고, 네트워크의 하나 이상의 도메인들에 각각 규정된 세그먼트들(#100, #200)에 맵핑될 수 있다. "비지니스 여행자" 세그먼트 #5000은 논의의 용이함을 위해 도시되고, AMN(1420)이 네트워크의 개별 로컬 도메인들에 규정된 세그먼트들의 조합으로 인한 "복잡한" 세그먼트들을 규정하는 방법을 나타내기 위해 도시된다.

"비지니스 여행자" 세그먼트는 다양하게 계산될 수 있지만, 바람직하게는 계층적으로 구성된 개별 네트워크 레벨의 "비지니스" 및 "여행" 세그먼트들을 포함할 수 있다. 이러한 베이스 레벨 세그먼트들을 조합하는 보다 상위 레벨 세그먼트들및 베이스 레벨 세그먼트들 내에서 멤버쉽의 결정은 세그먼트들의 이러한 구성을 통해 달성될 수 있다. 또한, 멤버쉽 테이블들은 네트워크 레벨에서 NPRID 식별자들을 이용하는 세그먼트 멤버쉽을 계산 및 재계산하는데 사용될 수 있다.

로컬 및 네트워크 도메인들에 대해 상이한 세그먼트 식별자들을 갖는 것에 대한 대안으로서, 네트워크 및 로컬 도메인들에 범용인 세그먼트 규정 수단을 갖는 것이 보다 효율적일 수 있다. 이러한 수단은 "글로벌" 세그먼트 식별자들을 이용한다. 따라서, 예를 들어, a.com ATS 및 AMN(1420)은 "여행"으로서 세그먼트 #100 을 규정할 수 있다. 이것은 세그먼트들의 맵핑을 방지한다. 다른 대안으로서, 로컬 도메인들은 네트워크 도메인으로의 통로에 대한 습성 및 특성 정보를 수집할 수 있다. 그 다음, 네트워크 도메인은 콘텐츠의 타겟팅 전송이 기초로 하는 습성 및 특성 정보를 집합적으로 가진다. 네트워크 설계자는 목표된 바와 같이 시스템을 자유롭게 형성한다.

NPRID는 오디언스 멤버가 네트워크의 개별 도메인들 중 임의의 하나로 형성되는 제 1 시간에 할당될 수 있고, 네트워크의 다른 도메인들의 사이트들로 미래에 방문한다하더라도, 미래의 방문들을 위해 프로파일된 오디언스 멤버를 인식하도록 AMN(1420)에 의해 쿠키 정보가 사용될 수 있다. 구체적으로는, 특정 오디언스 멤버가 a.com을 방문한다고 가정하고, 이 방문이 네트워크의 임의의 사이트의 처음이라고 가정한다. 이와 연계하여, 특정 오디언스 멤버는 ATS(1440)에 의해 PRID₁₂₃에 할당될 수 있다. ATS(1440)(또는 보다 구체적으로는, ATS(1440)와 연관되는 데이터 에이전트)는 특정 오디언스 멤버들의 브라우저를 AMN(1420)으로 유도하고, 고유 NPRID(예, NRID₁₀₁₁₁₂)를 특정 오디언스 멤버에 할당한다. 이와 연계하여, 특정 오디언스 멤버 브라우저에는 특정 오디언스 멤버를 a.com의 PRID₁₂₃로서 및 amn.net의 NPRID₁₀₁₁₁₂로서 식별하는 쿠키 정보가 제공될 수 있다. 순차적으로, 오디언스 멤버가 b.com을 방문할 수 있고, ATS(1442)에 의해 PRID₄₅₆에 할당될 수 있다. 그러나, 브라우저가 AMN(1420)으로 유도될 때, AMN(1420)은 쿠키 정보를 기초로 오디언스 멤버 NPRID₁₀₁₁₁₂를 식별하고 새로운 넘버를 할당하지 않는다. 그러나, AMN(1420)은 NPRID에 해당하는 PRID들의 리스팅을 유지할 수 있다. 쿠키 정보는 다양하게 구성될 수 있다. 일 예는 로컬 도메인에 해당하는 로컬 쿠키 및 네트워크 도메인에 해당하는 네트워크 쿠키를 이용한다.

NPRID는 네트워크 세그먼트 멤버쉽 및 다른 네트워크 프로파일 데이터 값들을 관리하는데 사용된다. 따라서, 예를 들어, NPRID₁₀₁₁₁₂는 네트워크 레벨의 "비지니스" 및 "여행" 세그먼트들에 대해 멤버쉽 리스팅(예, 테이블들)에 나타난다. 이러한 세그먼트들의 조합은 멤버로서 NPRID₁₀₁₁₁₂를 갖는 "비지니스 여행자" 세그먼트를 제공한다. 또한, 세그먼트 멤버쉽의 결정 및 데이터의 수집과 연계하여, AMN(1420)은 ATS의 타겟팅 엔진처럼, 임의의 수집된 네트워크 프로파일 데이터를 기초로 특정 오디언스 멤버가 속하는 세그먼트들을 식별하는 세그먼트 쿠키들을 설정할 수 있는 타겟팅 엔진을 포함한다. 이러한 예에서, 세그먼트 쿠키들은 amn.net 도메인에 설정된다.

도 14A는 다른 것들 중에서 오디언스 매칭 네트워크의 멤버들에 대한 데이터 수집 규칙을 도시한다. AMN(1420)과 연계하여 제공되는 다른 규칙은 도 14B에 도시된 "광고 제공(Ad Serving)" 규칙이다. 데이터 수집이 오디언스 매칭 네트워크의 부분인 포멀한(formal) 파트너들에 의해 수행될 수 있지만, 오디언스 매칭 네트워크에서 사이트들을 방문한 오디언스 멤버들에 대한 광고들의 제공은 이러한 포멀한 파트너들로 제한될 필요는 없다. "넌-파트너 사이트(Non-Partner Site)" d.com(1460)은 오디언스 매칭 네트워크 광고들을 제공하지만 데이터를 수집하지 않는 광고 제공 사이트의 일 예를 나타낸다. 물론, 파트너 사이트들에 광고 제공 규칙이 채워질 수도 있다.

넌-파트너 사이트들이 AMN 광고들을 제공하도록 허용하는 것과 더불어, AMN(1420)은 오디언스 멤버가 타겟팅될 수 있는 네트워크 세그먼트 쿠키에 현재 임의의 값들을 갖는지 여부의 표시를 포함한다. 상기 표시는 Y/N 값을 갖는 AMN 쿠키(AMNC)의 형태일 수 있고, 여기서 "Y"는 값들이 존재한다는 것을 나타내며 "N"은 그렇치 않은 경우를 나타낸다.

광고들의 제공은 다음과 같을 수 있다. 누군가가 AMN 광고 제공 사이트(1460)를 방문(1480)한다("d.com" 도메인에서). AMN 광고 제공 사이트는 방문자에 의해 요청되는 페이지들과 연계하여 광고들을 제공하기 위해 광고 서버(d.com에 대한 광고 서버)를 포함할 것이며, 이에 따라 방문자의 브라우저는 d.com 광고 서버(1484)로 재유도(1482)된다. 방문자의 브라우저와 연계하여 AMNC가 "Y"로 설정되는지 여부에 대한 초기 결정이 이루어진다. 이것이 그 경우가 아니면(또는 AMNC Y/N이 완전히 부재하면), d.com 광고 서버는 종래의 방식으로 방문자의 브라우저에 넌-AMN-네트워크 광고들을 제공한다. 그러나, AMNC가 "Y"로 설정되면, 브라우저는 amn.net 도메인(1488)에서 광고 서버로 재유도(1486)된다. 거기서, 방문자는 NPRID₁₀₁₁₁₂로 인식되고, NPRID₁₀₁₁₁₂가 멤버인 세그먼트들에 대해 적절한 광고들이 제공(1490)된다.

도 15는 타겟팅 엔진(TE)(1510), 추출기(1520), 세그먼트 관리기(1530), 오디언스 멤버 관리(1540), 콘텐츠 전송 및 관리(1550), 및 데이터 저장소(1560) 모듈들을 포함하는 AMN 시스템(1500)의 일 실시예를 도시하는 블럭도이다.

AMN 시스템(1500) 및 그 컴포넌트들은 논의의 용이함을 위해 집합적으로 도시된다. 다양한 컴포넌트들과 해당 기능은 예를 들어 하나 이상의 컴포넌트들의 기능에 할당된 상이한 서버들 또는 에이전트들에 의해서, 목표된다면 개별적으로 및 분리되게 제공될 수 있다.

AMN 시스템(1500)의 기능은 이전에 명명된 또는 그 밖에 것들과 같은 임의의 종래의 처리 시스템에서 실행될 수 있는 소프트웨어에 의해 제공되는 것이 바람직하다. 이와 관련하여, AMN 시스템(1500) 또는 그 개별적인 엘리먼트들은 프로세서 및 메모리를 포함하는 컴퓨터 시스템의 컴포넌트일 수 있다. 하나의 모듈형 분류가 도시되지만, 기술된 기능은 더 크고, 더 작고 및/또는 상이한 명칭의 컴포넌트들로 제공될 수 있다는 것을 이해해야 한다. 소프트웨어 실시예가 기술되지만, AMN 시스템(1500)은 하드웨어 또는 펌웨어, 또는 소프트웨어, 하드웨어 및/또는 펌웨어의 임의의 조합으로서 제공될 수도 있다.

ATS에서 이전에 기술된 유사한 컴포넌트와 함께, TE(1510)는 데이터의 수집과 연계하여 개별 오디언스 멤버들에 해당하는 고유 식별자들의 할당과 조정, 및 이러한 데이터의 수집을 지원하기 위한 쿠키들의 설정, 및 최종적으로 오디언스 멤버들로의 타겟 콘텐츠 전송을 조절한다.

AMN 시스템(1500)과 함께, 오디언스 멤버가 도메인의 제 1 시간 동안 페이지 에 로그하면, TE(1510)는 고유 식별자를 포함하는 쿠키를 브라우저에 배치한다. ATS에 대한 TE와 대조적으로, 도메인은 다양한 파트너 사이트들의 로컬 도메인들을 포함하는 오디언스 매칭 네트워크이다. 따라서, 네트워크에 대한 고유 식별자는 임의의 파트너 사이트에 대한 임의의 페이지를 방문한 제 1 시간에 설정된다.

이러한 네트워크 레벨 고유 식별자는 상술한 것처럼 NPRID로서 지칭된다. 개별 로컬 사이트들이 이전에 기술된 PRID를 통해 프로파일을 관리할 수 있지만, AMN 시스템(1500)은 NPRID를 통해 오디언스 멤버 네트워크 폭을 고유하게 식별한다. 이전에 할당된 NPRID를 가진 특정 오디언스 멤버가 임의의 파트너 사이트(예, 도 14A-14B의 a.com, b.com 또는 c.com)로 리턴할 때마다, 고유 NPRID는 TE(1510)로 재전송된다. 오디언스 멤버를 식별하기 위한 기초로서 NPRID를 이용하면, AMN 시스템(1510)은 오디언스 멤버의 장치로의 타겟 콘텐츠의 전송을 위해 후속적으로 사용되는 네트워크 레벨 세그먼트 쿠키를 설정할 수 있다. TE(1510)는 성과와 수익 결정을 위해 유용한, 이러한 활동의 로그들을 생성할 수도 있다.

NPRID들의 발행은 네트워크 프로파일 모듈(NPM)(1542) 및 참가 검증 모듈(1544)을 포함하는 오디언스 멤버 관리 모듈(1540)과 연계하여 제공될 수 있다. NPM(1542)은 NPRIDs의 발행을 관리하고 각각의 고유 NPRID에 해당하는 PRID들의 리스트들을 포함한다. 또한, 세그먼트 관리기(1530)과 통신할 수 있고, 이에 따라 NPRID에 의해 규정된 오디언스 멤버가 속하는 세그먼트들의 리스트들을 포함한다.

참가 검증 모듈(1544)은 AMNC의 설정을 포함하는 AMNC 값의 관리를 조절하고, AMNC 설정을 변경시킨다. AMNC는 해당 오디언스 멤버가 타겟팅될 수 있는 값 들을 갖는지 여부에 대한 표시를 조절한다.

AMN 시스템(1500)을 위한 추출기(1520)는 로컬 도메인 이외의 네트워크 도메인에서 기능하는, ATS를 위한 추출기(도 8의 엘리먼트(820))와 유사하다.

특히, AMN 시스템(1500)의 추출기(1520)는 유사하게, 수행되는 데이터 수집과 연계하여 페이지들에 부가되는 코드 형태로 제공되는, 웹사이트 방문자들로부터 정보의 수집을 보조하는데 사용되는 데이터 에이전트를 사용한다. 데이터 에이전트는 로컬 도메인들에 해당하는, 네트워크 컴포넌트 및 몇몇 로컬 컴포넌트을 갖는 것으로서 고려될 수 있다. 주요한 차이점은 로컬 데이터 에이전트 컴포넌트가 로컬 도메인내에서 데이터를 전송하는 반면에, 네트워크 데이터 에이전트는 네트워크 도메인내에서 데이터를 전송한다는 것이다. 이전에 기술된 데이터 에이전트과 함께, 코드는 연산될 필요가 있는 변수들과 함수들을 각각 식별하고 모든 변수들이 수집되었다는 것을 보장하는 함수 호출 부분들 및 헤더를 가질 수 있다. 데이터 에이전트는 TE에 의해 처리 및 수신을 위해 적합한 로그 라인들을 생성하도록 컨피규어될 수도 있다. 파라미터들의 예들은 데이터 에이전트의 버전, 페이지 레퍼러, 페이지 URL, 시간 정보 및 NPRID를 포함한다. 더욱이, 데이터 에이전트는 AMN에서 참가를 결정하기 위해 기술된 AMNC 값에 관련된 쿠키들의 설정을 수행하는데 사용될 수 있다.

세그먼트 관리기(1530)는 ATS 세그먼트 관리기(830, 도 8)와 연계하여 기술된 바와 같은 것이 바람직하고, 이에 따라 유사하게 세그먼트 구성, 콘솔 관리, 계산 및 재계산에 의한 세그먼트 생성, 및 리포팅 모듈들을 포함하며, 이들이 다시 기술될 필요는 없다. 중요한 것은, 세그먼트 관리기(1530)가 특성 및 습성 정보를 기초로 오디언스 멤버들에 해당하는 세그먼트들의 관리 및 규정을 조절하는 것이다. 세그먼트들은 조정가능한 세그먼트 관리를 허용하고 세그먼트들의 증분적인 재계산을 조절하는 계층적 논리 트리 기반 아키텍쳐에 따라 구성될 수 있다. 멤버쉽 리스트들은 동일한 방식으로 처리되는 출력 및 입력에서 세그먼트들의 계산 및 재계산과 함께, 오디언스 멤버들이 어떤 세그먼트들의 부분인지를 결정하는데 사용될 수 있다. ATS 세그먼트 관리기와 AMN 세그먼트 관리기(1530) 사이의 중요한 차이점은, 세그먼트들에서 멤버쉽을 결정하기 위한 기초로서 PRID를 사용하는 대신에, 세그먼트 관리기(1530)가 기술된 NPRID를 사용한다는 것이다. 상술한 것처럼, 세그먼트 관리기(1530)는 ATS 세그먼트들을 네트워크 세그먼트들에 맵핑할 수 있다. 선택적으로, 로컬 도메인들의 ATS는 단지 특성 및 습성 정보를 세그먼트 관리기(1530)에 제공할 수 있고, 세그먼트 관리기(1530)는 정보를 수집하고 목표된 임의의 방식으로 세그먼트들의 모집합과 규정을 관리한다.

콘텐츠 전송 및 관리 모듈(CDMM)(1550)은 어떤 광고들(또는 다른 콘텐츠)이 어떤 네트워크 레벨 오디언스 세그먼트들에 전달될 것인지를 결정할 수 있다. 본 발명의 이러한 실시예의 관점에서, 이것은 단지 어떤 광고가 어떤 세그먼트에 해당하는지의 식별일 수 있다. 이러한 기능 및 해당 정보는 네트워크에서 사이트들의 방문자들에게 광고들을 효율적으로 제공하기 위한 AMN 광고 서버로 익스포트(export)될 수 있다.

세그먼트들에 대한 광고들의 연관성을 식별하는 것과 더불어, CDMM(1550)은 AMN 오디언스 세그먼트들에서 광고주들 입찰에 의한 입찰 프로세스를 관리할 수 있다. 또한, CDMM(1550)은 오디언스 세그먼트들과 해당 회계(accounting)의 관리를 기초로 수익 및 성과를 제공할 수 있다. 이러한 실시예들은 이하의 도 17 등과 연계하여 추가로 기술된다.

최종적으로, 데이터 저장소(1560)는 이전에 기술된 것처럼, 다양한 프로파일 데이터로 채워지고 다양한 프로파일 데이터를 저장하지만, 이는 네트워크 레벨에서는 이루어진다.

도 16A-16B는 본 발명에 따라 오디언스 멤버들을 전송가능한 콘텐츠에 매칭시키기 위한 컴퓨터 구현 프로세스(1600)의 일 예를 도시하는 이벤트 도면들이다. AMN 시스템의 기술된 컴포넌트들은 프로세스(1600)의 추가적인 이해를 제공하기 위해 분리된다. a.com과 b.com 도메인들에 대해, 사이트 및 광고 서버는 세그먼트 관리기와 ATS의 타겟팅 엔진 컴포넌트들로서 도시된다. amn.net 도메인에 대해, AMN 광고 서버, AMN 타겟팅 엔진 및 AMN 세그먼트 관리기가 도시된다.

프로세스는 방문자(aka 오디언스 멤버)가 사이트 A로부터 페이지를 요청(1602)함으로써 개시된다. 본 예에서, 오디언스 멤버는 PRID₁₂₃과 이전에 결합되고 할당되며, 요청된 페이지는 여행과 관련되거나, 여행에 현재 관심이 있음을 나타내는 것으로 가정된 페이지들 중에 있다. 따라서, 도메인에 대한 데이터 에이전트는 세그먼트 관리기 A로 통신이 전송(1604)될 수 있도록 하고, PRID₁₂₃을 갖는 오디언스 멤버가 관련 페이지를 요청했음을 나타낸다. 이것은 단지 세그먼트 관리기 에 제공될 수 있는 다양한 습성 및 특성 정보의 일 예이다. 응답시, 세그먼트 관리기 A는 수신된 프로파일 데이터를 처리(1606)하고, 세그먼트 #100으로 지칭되는 여행 세그먼트에 오디언스 멤버 PRID₁₂₃을 포함시킨다.

세그먼트 정보는 타겟팅 엔진 A로 통과(1608)된다. 방문자의 브라우저는 타겟팅 엔진 A를 호출(1610)하도록 프롬프팅되고, 타겟팅 엔진 A는 PRID를 수신하며 세그먼트가 PRID에 해당하는지 결정(1612)한 다음, 세그먼트에 대한 참조를 포함하도록 로컬 쿠키를 설정(1614)한다. 여기서, PRID₁₂₃은 a.com 도메인에서 세그먼트 #100과 연관되므로, 이에 따라 타겟팅 엔진 A가 동작된다. 오디언스 멤버에 의해 방문된 페이지 상의 데이터 에이전트 코드는 호출(1610)을 개시할 수 있다. 이러한 범주에서, 전술한 데이터를 생성하는 페이지에 후속하는 임의의 페이지가 있다.

또한, AMN 데이터 에이전트는 AMN 타겟팅 엔진에 정보를 제공(1616)하기 위해 방문자의 브라우저를 프롬프팅한다. 본 예에 대해, 오디언스 멤버는 AMN 시스템에 의해 이전에 식별되었고 이에 따라 이미 NPRID₁₀₁₁₁₂로 할당되었다고 가정된다. a.com 세그먼트 #100에서 오디언스 멤버의 포함은 제공된 정보 중에 있고, 이는 a.com 세그먼트 #100을 세그먼트 #4000으로서 지칭된 여행자에 대한 AMN 세그먼트에 맵핑(1620)한다. 이전에 기술된 맵핑은 선택사항이기 때문에, 맵핑 또는 로컬 세그먼트 규정들을 요구하지 않는 습성 및 특성 정보의 네트워크 구성과 로컬 수집의 다른 형태들이 사용될 수 있다.

마지막으로, AMN 세그먼트 관리기는 AMN 타겟팅 엔진으로 다시 리포팅(1624) 되고, 구체적으로는 NPRID₁₀₁₁₁₂는 네트워크 세그먼트 #4000의 멤버이다. 그 다음, AMN 타겟팅 엔진은 2개의 쿠키들을 설정(1626)한다. 로컬(a.com) 쿠키는 AMNC=Y라는 식별을 포함하도록 설정되고, (AMN) 네트워크 쿠키는 오디언스 멤버 NPRID₁₀₁₁₁₂가 네트워크 세그먼트 #4000(및 오디언스 멤버가 속하는 임의의 다른 네트워크 세그먼트들)의 멤버라는 것을 나타내도록 설정된다.

사이트 A 방문과 연계하여, 오디언스 멤버 브라우저는 광고들(이들은 현재 방문 페이지를 차지하는 광고들일 수 있음)을 위해 a.com 도메인 광고 서버 A로 유도된다. 이와 연계하여, 광고 서버 A는 AMNC 네트워크 광고가 제공되어야 하는지를 그러한 경우를 나타내는 "Y" 값과 함께 AMNC가 나타내도록 설정되는지 여부를 질의(1630)하도록 컨피규어된다. AMNC가 이를 나타낸다고 가정하면, 광고 서버 A는 방문자의 브라우저를 AMN 광고 서버로 재유도(1632)한다. (AMNC=N이면, 광고 서버 A는 단순히 로컬 광고를 제공한다).

네트워크 쿠키의 이전에 기술된 설정은 세그먼트 #4000의 멤버쉽 뿐만 아니라 NPRID₁₀₁₁₁₂로서 오디언스 멤버의 식별을 포함하고, 이에 따라 이러한 정보는 네트워크 광고를 획득하는 것과 연계하여 AMN 광고 서버로 전송(1634)된다. AMN 광고 서버는 이러한 정보를 처리(1636)하고, 여행자 세그먼트에 연관된 광고를 특정 오디언스 멤버로 전송(1638)하게 한다.

도 16B와 연계하여 프로세스(1600)의 설명을 계속하면, 오디언스 멤버는 유사하게 b.com 도메인을 방문할 수 있다. 특히, "비지니스" 관심사를 제안하는 습 성과 연계하여 오디언스 멤버를 인식하는 시퀀스가 기술된다. a.com 도메인으로의 방문의 경우에서처럼, 여기서 오디언스 멤버는 비지니스에 관심을 보인 것으로서 식별된 페이지를 요청(1640)한다. 오디언스 멤버는 b.com ATS에 의해 PRID₄₅₆으로서 (다시, 이전에) 식별되고, 이에 따라 로컬 쿠키는 이러한 정보를 인식(note)한다. b.com 도메인 데이터 에이전트는 이러한 오디언스 멤버 PRID₄₅₆이 비지니스 페이지를 요청했음을 나타내는 통신이 세그먼트 관리기 B로 전송(1644)되도록 하고, 세그먼트 관리기 B는 이에 따라 정보를 처리(1646)하여, 세그먼트 #200으로 지칭된, 비지니스 세그먼트에 오디언스 멤버 PRID₄₅₆을 포함되게 한다.

세그먼트 관리기 B는 정보를 타겟팅 엔진 B로 전달(1648)한다. 다시, 방문자의 브라우저는 타겟팅 엔진 B를 호출(1650)하도록 프롬프팅되고, 타겟팅 엔진 B는 PRID를 수신하며, PRID에 해당하는 세그먼트들을 결정(1652)한 다음, 세그먼트(#200)에 참조(reference)를 포함시키기 위해 로컬 쿠키를 설정(1654)한다.

이전에 기술된 a.com으로의 방문에서처럼, AMN 데이터 에이전트는 AMN 타겟팅 엔진에 정보를 제공(1656)하도록 방문자의 브라우저를 프롬프팅한다. 오디언스 멤버는 이전에 AMN 시스템에 의해 식별되고 NPRID₁₀₁₁₁₂로 할당되었다. b.com 세그먼트 #200에 이러한 오디언스 멤버의 포함은 AMN 세그먼트 관리기로 전달(1658)되는 제공된 정보 중에 있다. 필요한 경우, AMN 세그먼트 관리기는 b.com 세그먼트 #200을 비지니스에 대한 AMN 세그먼트에 맵핑(1660)한다.

AMN 세그먼트 관리기는 로컬 세그먼트들의 조합으로 인한 세그먼트들의 멤버 쉽을 결정할 수도 있다. 여기서, "비지니스 여행자"의 멤버쉽은 a.com 도메인에서 수집된 데이터로부터 "여행자"의 멤버쉽, 및 b.com 도메인에서 수집된 데이터로부터 "비지니스"의 멤버쉽을 기초로 결정된다. 이러한 "비지니스 여행자" 세그먼트는 나타낸 것처럼 네트워크 세그먼트 #5000과 같이, 수치적으로 구성 및 관리될 수도 있다. 또한, 세그먼트와 연계하여, 세그먼트가 타겟팅가능한지 여부에 대한 결정(1662)이 이루어진다.

AMN 세그먼트 관리기는 유사하게, NPRID₁₀₁₁₁₂가 네트워크 세그먼트 #5000의 멤버라고 AMN 타겟팅 엔진에 리포팅(1664)한다. 그 다음, AMN 타겟팅 엔진은 AMNC=Y라는 식별을 포함시키도록 설정된 로컬(b.com) 쿠키, 및 오디언스 멤버 NPRID₁₀₁₁₁₂가 네트워크 세그먼트 #5000의 멤버라는 것을 나타내도록 설정된 (AMN) 네트워크 쿠키와 함께, 로컬 및 네트워크 쿠키들을 설정(1666)한다.

오디언스 멤버 브라우저는 또한 광고들을 위해 b.com 도메인 광고 서버 B로 유도(1668)된다. 광고 서버 B는 AMN 네트워크 광고가 제공되어야 한다는 것을 나타내도록 AMNC가 설정되는지 여부를 결정(1670)하도록 구성되고, 만약 그렇게 설정되면, 방문자의 브라우저를 AMN 광고 서버로 재유도(1672)한다. 세그먼트 #5000의 멤버쉽 뿐만 아니라 NPRID₁₀₁₁₁₂로서 오디언스 멤버의 식별은 네트워크 광고 획득과 연계하여 AMN 광고 서버로 전송(1674)된다. AMN 광고 서버는 이러한 정보를 처리(1676)하고, 비지니스 여행자 세그먼트에 연관된 광고를 특정 오디언스 멤버로 전송(1678)하게 한다.

다른 실시예에 따라, AMN 시스템은 광고 전송에 상응하는 수익에 대한 회계 뿐만 아니라, 콘텐츠 전송을 기초로 하는 성과를 촉진시킨다. 도 17은 광고 수익 및 성과 관리를 포함하는 AMN 시스템(1700)의 일 예를 도시하는 블럭도이다.

이전에 기술된 AMN 시스템(1500, 도 15)에서처럼, AMN 시스템(1700)은 타겟팅 엔진(TE)(1710), 추출기(1720), 세그먼트 관리기(1730), 오디언스 멤버 관리(1740), 콘텐츠 전송 및 관리(1750), 및 데이터 저장소(1770) 모듈들을 포함한다.

이하에서 나타낸 것을 제외하고, 이러한 모듈들(1710-1770)은 이전에 기술된 AMN 시스템의 유사한 모듈들과 유사하다. 또한, AMN 시스템(1700)과 그 컴포넌트들은 논의의 용이함을 위해 집합적으로 도시된다. 다양한 컴포넌트들과 해당 기능은 하나 이상의 컴포넌트들의 기능에 할당되는 상이한 서버들 또는 에이전트들에 의해서처럼, 목표된다면 개별적으로 및 분리되게 제공될 수 있다. 이전에 기술된 AMN 시스템에서처럼, 이러한 AMN 시스템(1700)의 기능은 임의의 종래의 처리 시스템에서 실행될 수 있는 소프트웨어에 의해 제공되는 것이 바람직하지만, 목표된 바와 같이 다양하게 제공 및/또는 모듈화될 수 있다.

이러한 AMN 시스템(1700)과 이전에 기술된 것과의 가장 중요한 차이점은, 배치(placement) 모듈(1752), 입찰 프로세스 모듈(1754)과, 수익 및 성과 모듈(1756)을 CDMM(1750)에 포함한다는 것이다. 배치 모듈(1752)은 이전에 기술된 것처럼, 전형적으로 AMN 광고 서버와 연계하여, 콘텐츠의 배치를 조절하기 위한 기본 기능을 제공한다.

입찰 프로세스 모듈(1754)은 광고주들에 의한 네트워크 세그먼트들의 입찰을 제공한다. AMN 네트워크의 사이트들, 또는 광고들을 배치하기 위해 AMN을 통한 파트너 사이트들을 오디언스 멤버들이 후속적으로 방문할 때, 광고들이 목표된 세그먼트에 해당하는 오디언스 멤버들에 타겟팅되는 것을 보장하도록 돕기 위해, 광고주들은 이용가능한 세그먼트들에서 입찰한다. AMN 광고 서버는 그 성과 목표들을 이미 달성하지 못하고, 실행 날짜들(run dates)을 경과하지 않았으며, 발행자 배제 규칙(publisher exclusion rule)에 의해 제외되지 않는, 세그먼트에 대해 가장 높은 입찰로 광고를 선택하도록 프롬프팅되는 것이 바람직하다. 오디언스 멤버는 하나 보다 많은 세그먼트의 부분일 수 있으므로, 이러한 프로세스는 다중 세그먼트 타겟들에 대해 발생한다. 상기 프로세스는 광고들의 랭킹을 제공할 수도 있다. 페이지들은 종종 광고들을 위한 다중 위치들을 포함하고, 하나 보다 많은 세그먼트의 멤버쉽 및 주어진 세그먼트에 대한 광고들의 랭킹은 어떤 광고들이 페이지에 배치되는지에 기여할 수 있다. 광고들을 배치하기 위한 알고리즘은 목표된 바와 같이 다양하게 변경될 수 있다. 예를 들어, 가장 높지 않은 입찰 광고들의 랜덤화된 입력은 광고들이 배치되도록 허용하는데 사용될 수 있고, 이는 이러한 광고가 주어진 세그먼트에서 리딩 퍼포머(leading performer)라고 결정하게 할 수 있다.

수익 및 성과 모듈(1756)은 배치 성과 모듈(1758), 정보 영향 결정(IID) 모듈(1760), 수익 공유 모듈(1762), 및 동적 세분화 모듈(1764)을 포함한다.

수익 및 성과 모듈(1756)을 보다 상세히 기술하기 이전에, AMN 시스템에 의한 수익 및 성과 관리에 의한 광고들을 전송하는 개요를 제공하는 흐름도인 도 18 을 참조한다. 이전에 보다 상세히 기술된 것처럼, 정보 수집 도메인들의 네트워크를 포함하는 웹사이트들에 대한 방문자들인 오디언스 멤버들에 해당하는 정보가 수집(1802)된다. 그 다음, 수집된 정보를 기초로, 오디언스 멤버가 네트워크 세그먼트의 멤버라는 것이 결정(1804)된다. 이것은 오디언스 멤버 프로파일 데이터가 네트워크 세그먼트에 의해 규정되는 속성들을 입증한다는 결정을 포함한다. 오디언스 멤버가 네트워크 세그먼트에 속한다는 인식을 기반으로, 광고의 전송이 조절(1806)된다. 전술한 것처럼, 이것은 네트워크 세그먼트에서 오디언스 멤버의 멤버쉽을 기초로 한다. 또한, 수익 및 성과 모듈(1756)과 연계하여 이하에서 추가로 기술되는 성과 기준을 기초로 하는 것이 바람직하다. 일 실시예에서, 성과 기준은 광고의 배치에 상응하게 발행자에게 이익을 주도록 구성된다. 마지막으로, 수익은 정보의 수집에서 데이터 제공자로서 참여를 기초로 광고의 전송에 상응하는 수익이 할당(1808)될 수도 있다.

도 17을 참조하면, 배치 성과 모듈(1758)은 일반적으로 다양한 기준을 기초로 어떤 광고들이 전달되는지를 결정하지만, 배치 결정들에서 발행자(웹사이트) 수익을 극대화시키는 것이 바람직하다. 수익 공유 모델(1764)은 당사자가 제공하는 규칙에 따라 관련 활동들 및 광고 배치에 관련된 수익의 공유를 할당한다. 정보 영향 결정 모듈(1760)은 수익 공유 모듈(1762)과 연계하여 동작하고, 특히, 얼마나 최근 정보가 수집되었는지에 관하여 다양하고 상이한 정보의 조각들이 갖는 영향을 형성함으로써 수익의 할당을 돕는다. 동적 세분화 모듈(1764)은 이러한 세그먼트들과 연계하여 배치된 광고들로부터 수율(yield) 및 수익을 극대화하기 위해 세그 먼트들의 생성을 조절한다.

전술한 것처럼 광고주의 목표된 타겟 오디언스 및 습성을 기초로 네트워크-규정된 세그먼트들에 속하는 오디언스 멤버들로 광고들을 전송하는 것과 더불어, 배치 성과 모듈(1758)은 현존하는 제 3 자 네트워크로부터 광고들의 전송을 최적화한다. 예를 들어, 발행자는 제 3 자 광고 수집자(ad aggregator) 또는 최적화 장치(Google, Overture, Kanoodle, Advertising.com 등과 같은)에 의해 현재 제공되는 모든 목록의 전송을 최적화하고자 할 수 있다.

이와 관련하여, AMN 네트워크는 발행자 파트너들에 대한 게이트웨이로서 작용하고, 수익을 극대화하고 목록 계약들(inventory commitments)을 충족시키는 것을 포함하는 기준의 세트를 기초로 주어진 페이지/위치에 대해 정확한 광고를 선택하는 배치 성과 모듈(1758)을 통해, 발행자의 페이지들에 광고들의 요청들을 프록시(proxying)한다.

발행자에게 수익을 극대화하기 위한 2가지 예들은 1) 발행자가 가장 많은 돈을 지불한 그러한 광고들(감상 모델(impression model))을 가능한 광고들의 풀(pool)에서 선택하는 것을 포함하고, 및 2) 제 3 자 네트워크들에 현재 이용가능하지 않은 부가적인 습성 타겟팅 기준을 제공함으로써 임의의 주어진 광고에 대해 클릭을 생성하는 가능성을 증가시키는 것을 포함한다.

제 1 예에서, 발행자는 그 감상 목표들 및 잠재적인 광고 전송들/네트워크들 각각에 대한 CPM(cost per thousand)을 AMN 시스템에 제공한다. 그 다음, 배치 성과 모듈(1758)은 AMN 광고 서버가 현재 전송 측정치들(예, 주어진 캠페인에 대해 이전에 전달된 감상들의 수, CPM)을 기초로, 발행자에게 가장 많은 수익을 제공할 광고를 선택하도록 유도하기 위해 정보를 이용한다. 이러한 배치는 각각의 캠페인이 광고주 또는 네트워크가 감상들에 대해 돈을 지불하지 않는 최대 감상 목표를 갖기 때문에, 모든 예에서 가장 높은 CPM을 가진 광고를 단순히 제공하는 방법으로 개선된다.

제 2 예에서, AMN 광고 서버는 방문자의 이용가능한 세그먼트 가입을 갖고, 캠페인들의 타겟 기준을 기초로, 방문자로부터 가장 클릭을 생성할 것 같은 광고들을 선택할 수 있으며, 이에 따라 소위 클릭당 지불(pay-per-click) 캠페인들에 대한 수익을 극대화할 수 있다. 이 경우 클릭 가능성은 많은 방법들로 결정될 수 있다. 일 예는 오디언스 멤버의 클릭 히스토리를 평가하고, 과거에 클릭한 광고들이 무엇인지를 찾는 것이다. 다른 예는 타겟 세그먼트 또는 다른 세그먼트들에 대해 가장 높은 클릭율을 갖는 광고들을 찾는 것이다. 또한, 순수하게 가장 클릭될 것 같은 광고들을 결정하는 대신에, 광고의 값을 결정하기 위해 클릭 당 가격(price per click)/감상 당 클릭들(clicks/per impression)의 피드백 루프가 있을 수 있다.

이들은 배치 성과 모듈(1758)을 통한 AMN 시스템에 의해 수행될 수 있는 최적화의 2가지 예들이다. 발행자들과 광고주들은 목표된 바와 같이 광고 전송 기회들에 적용하기 위한 정보의 다양한 타입들을 제공할 수 있다.

IID 모듈(1760)은 정보가 오디언스 멤버의 습성에 미치는 영향을 결정한다. 본 발명의 이러한 실시예에 따라, 모든 데이터가 오디언스 멤버의 습성에 영향을 주는데 동일한 값을 갖도록 가정되는 것은 아니다. 예를 들어, 몇몇 데이터는 한가지 타입의 습성(예, 자동차 구매)에 영향을 주는데 보다 귀중할 수 있고, 다른 데이터는 다른 타입의 습성(예, 여행자)에 대해 보다 귀중할 수 있다. IID 모듈(1760)은 데이터의 상이한 조각들이 특정 세그먼트의 효율성에 미치는 상대적 영향을 평가한다. 그 다음, 이러한 효율성 측정들은 오디언스 멤버에 제공될 광고의 우선순위를 결정하기 위해 사용될 수 있고(즉, 오디언스 멤버에 의해 가장 클릭될 것 같은 광고들을 제공함으로써 수익을 극대화하기 위해), 이하에서 수익 공유 모듈(1762)에 대해 기술되는 것처럼 데이터 제공자들에 대한 수익의 분배를 결정하기 위해 사용될 수 있다.

개별 데이터 포인트들이 세그먼트의 전체 효율성에 미치는 영향을 결정할 수 있는 다양한 팩터들이 시스템 설계자에 의해 목표된 바와 같이 구성될 수 있다. 팩터들의 예들은 유사한 데이터 값들을 가진 세그먼트들에 대해 최신성, 빈도, 상관 분석, 데이터 반감기(half-life) 분석(이하에서 기술됨), 순위(primacy)(데이터 값을 제공하는 첫번째 사이트), 및 집중도(intensity)(빈도와 유사하지만 단위 시간당 빈도로서 측정됨)를 포함한다.

데이터 반감기 분석은 어떤 지점에서 데이터 값의 효율성이 반으로 감소되었는지를 결정하기 위해, 시간에 대한 데이터 값들의 전체 효율성의 분석이 수행되는 프로세스를 지칭한다. 예를 들어, 자동차 구매 습성은 소비자가 조사한 다음 구매하거나 구매 프로세스를 포기하기 때문에, 90일 미만 동안 관련된다는 것이 공지되어 있다. 일 실시예에서, 이것은 특정 데이터 값들을 포함하고 이러한 정보를 제 공되는 데이터의 시기(age)와 상관시키는 세그먼트들에서 타겟팅되는 광고들에 대한 클릭-처리율을 검사함으로써 통계적으로 결정된다. 이것은 시간에 대해 효율성이 감소되는 곡선을 생성하는데 사용된다. 그 다음, 이러한 반감기 분석은 그 데이터 값을 포함하는 세그먼트를 평가할 때 특정 데이터 값에 영향을 미치는데 사용된다.

또한, 데이터 제공자 측정치들은 전체 효율성 평가에서 특정 데이터 포인트가 갖는 값에 영향을 줄 수도 있다. 예를 들어, cars.com 또는 Edmunds는 USAToday.com 또는 Dallas Morning News 웹사이트의 유사한 콘텐츠보다 자동차 구매자 관심의 더 신뢰할 수 있는 표시로 고려될 수 있다.

마지막으로, 모든 데이터 값들의 동일한 가중(weighting)에 대한 추가적인 개선은 세그먼트의 데이터의 효율성을 결정하는데 주어진 세그먼트의 일부인 오디언스 값을 고려한다. 이것은 세그먼트에 의해 습성을 분석함으로써 제공된다. 포함되는 오디언스가 광고들을 클릭하려는 의향을 나타낸 오디언스 멤버들의 높은 비율을 갖는다면, 이러한 정보는 세그먼트의 효율성 프로파일을 추가로 개선하는데 사용될 수 있다. 본 카테고리의 다른 측정치들은 주어진 세그먼트의 오디언스 멤버들이 일부인 세그먼트들의 평균 개수의 분석을 포함한다. 이것은 보다 "포인트들을 터치"하게 하고, 이에 따라 관련 광고들을 나타내는 기회들을 유도하는, 이러한 오디언스에 대한 데이터의 다양성 때문에, 보다 귀중한 오디언스를 나타낼 수 있다.

수익 공유 모델(1762)은 광고들의 전송의 관련 참여자들 중에서 수익의 할당 을 조절한다. 일반적으로, 수익 공유 모델(1762)은 2개 이상의 파트너들에 의해 광고 배치로 생성되는 수익을 분할하는데 동의하는 산업상 표준 관례들에서 형성된다.

한가지 경우, 이것은 타겟팅된 오디언스 멤버에 대한 데이터를 제공하고 이에 따라 수익 공유 배치에서 "데이터 제공자"로서 참조될 수 있는 발행자의 개입을 포함한다. 데이터 제공자는 데이터 제공자에 의해 제공되는 타겟팅된 전송에 사용된 데이터의 조각을 기초로 보상받는다. 예를 들어, 오디언스 멤버가 네트워크 세그먼트 "비지니스 여행자"로 분류되고 데이터가 상술한 예와 일치되게 제공되면, a.com 및 b.com은 이들이 클릭을 초래한 세그먼트에 포함된 데이터의 1/2에 각각 기여했기 때문에, 비지니스 여행자가 광고를 클릭할 때 데이터 제공자 수익을 분할한다. 또한, 오디언스 제공자(클릭된 광고를 제공한 발행자 파트너)는 일정 퍼센티지의 수익을 받을 것이다.

수익 공유 모듈(1762)은 또한 IID 모듈(1760)에 관해 기술된 것처럼, 오디언스 값 측정치들과 데이터 값을 수익 공유 배치에 적용한다. 이것은 오디언스 멤버에 기여하는 데이터 제공자들, 또는 수익의 데이터 제공자 부분의 보다 높은 퍼센티지를 갖도록 오디언스 멤버의 성공적인 변환(즉, 클릭 이벤트)에 보다 영향을 준 데이터 값에 대한 보상을 조절한다.

마지막으로, 수익 공유 모듈(1762)은 IID 모듈(1760)에 의해 제공되는 정보와 일치되는 데이터 제공자 값 측정치들을 결정할 수도 있다. 이러한 시나리오에서, 데이터 제공자 사이트의 특성 또는 브랜드는 브랜드 마켓 인지도 또는 데이터 제공자 콘텐츠의 권위의 값을 기초로, 더 높거나 더 낮은 할당의 데이터 제공자 수익 공유를 초래할 것이다.

동적 세분화 모듈(1764)은 상관 분석을 기초로 세그먼트들을 생성한다. 이것은 약식으로 "people like this" 방법(approach)으로서 지칭될 수 있다. 이것은 광고주가 목표된 행위 또는 일련의 행위들을 식별하도록 하고, 목표된 행위(구매, 판촉 사이트의 방문 등)를 나타내는 페이지들(사이트상 또는 그 외)을 태그하도록 한다. 목표된 행위를 하는 방문자들의 히스토리 상 습성을 기초로, 동적 세분화 모듈(1764)은 목표된 습성을 갖는 방문자들의 프로파일들을 모든 다른 프로파일들과 상관시켜서, 목표된 행위를 하지 않지만 목표된 행위를 한 그러한 프로파일들과의 밀접한 유사성(close affinity)을 나타내는 방문자들을 찾는다. 결과적으로, AMN 광고 서버는 행위를 아직 취하진 않았지만 이러한 사용자들이 목표된 행위를 할 거라는 높은 정도의 가능성을 가진, 방문자들에게 판촉 광고를 타겟팅하도록 지시될 수 있다.

도 19는 본 발명의 다른 실시예에 따른 범용 프로파일 동기화(UPS)를 포함하는 AMN 시스템(1900)의 일 예를 도시하는 블럭도이다. AMN 시스템(1900)은 타겟팅 엔진(1910), 추출기(1919), 세그먼트 관리기(1930), CDMM(1950), 및 데이터 저장소(1960)를 포함한다. 각각의 이러한 모듈들은 도 15의 AMN 시스템(1500)과 연계하여 기술되었고, 본 발명의 본 실시예와 연계하여 다시 기술될 필요는 없다. 도 15의 시스템과 대조적으로, AMN 시스템(1900)의 오디언스 멤버 관리 모듈(1940)은 범용 프로파일 동기화(UPS) 모듈(1946)을 포함하도록 업데이트된다.

쿠키 차단 기술들은 온라인 발행자들에 대해 증대되는 문제가 되었다. 이러한 기술에 대해 특히 많은 적법한 사용들이 있지만, 대부분의 구현예들은 대부분의 사용자들이 차단하길 원하는 문제가 있는 애드웨어(adware) 및 스파이웨어(spyware)에 영향을 줄 뿐만 아니라, 대부분의 온라인 발행자들이 이들의 비지니스 및 소비자에 대한 이들의 관계를 관리하기 위해 의존하는 양호한 상태의 관리 쿠키들에도 영향을 주는 과도하게 넓은 방법이다.

ATS의 범주에서 프로파일 동기화와 연계하여 전술한 것처럼, 발행자들은 예를 들어 등록 로그인 크리덴셜들(credentials)과 같이, 주어진 오디언스 멤버에 대한 권한 식별자로서 사용될 수 있는 정보를 전형적으로 포함한다. 발행자는 또한 그 프라이버시 정책의 의무들을 적용하기 위해, 오디언스 멤버들의 프라이버시를 보호하는데에도 관심을 갖는다. UPS 모듈(1946)을 포함시키도록 구성되는 AMN 시스템은 쿠키 차단 기술들과 연관된 문제들을 극복하는데 도움을 줄 수 있는 로버스트(robust) 네트워크 프로파일을 제공하기 위해, 네트워크의 집합적 정보와 함께 권한 식별자들을 구현한다. 즉, 오디언스 멤버는 쿠키들이 제거된 이후, 또는 오디언스 멤버가 상이한 클라이언트 머신으로 이동한다 하더라도 이들의 데이터와 재접속될 수 있다.

이것은 네트워크 내에서 일부 또는 모든 발행자들에 대해 공유될 수 있는 글로벌의 비-개인적으로(non-personally) 식별가능한 소비자 데이터에 대한 클리어링 하우스(clearing house) 뿐만 아니라, 사이트 특정 데이터에 대한 단일 명령 소스를 생성함으로써 발행자 및 소비자에 대한 소비자 프로파일 관리 프로세스를 현저 히 간소화시킨다.

UPS 기능은 2개의 주요한 요구사항들을 구현한다 - 발생자 사이트에서 익명의 프로파일에 연관된 특정 데이터 포인트들의 수집, 및 네트워크 내의 임의의 사이트를 방문할 때 신뢰가능하게 방문자를 식별하기 위한 네트워크 메커니즘.

네트워크의 각 발행자에 대해, 이것은 방문자가 사이트에서 콘텐츠를 소비하고 있을 때 식별된 데이터 포인트들을 캡쳐하는 발행자들 도메인(들)의 범주 내의 코드를 수반한다. 이전에 기술된 것처럼, AMN 시스템 데이터 에이전트는 콘텐츠 도메인에서 세그먼트 쿠키로부터 로컬 세그먼트 가입을 캡쳐하고, 그 정보를 AMN 타겟팅 엔진으로 다시 전송한다. UPS 기능과 함께, 각각의 발행자가 캡쳐에 대해 인증한 데이터 포인트들이 무엇인지 및 어디서 그 데이터를 검색하는지를 인식하기 위해, 데이터 에이전트는 추가로 인수(argument)된다. 콘텐츠 페이지들 내에서 HTML 태그들을 통한 발행자들 콘텐츠 전송 엔진은 이러한 데이터를 데이터 에이전트로 명백하게 전달한다. 이와 같이 구성되는 데이터 에이전트는 UPS 데이터 에이전트(UPSDA)로서 지칭된다.

UPSDA가 데이터를 캡쳐하면, UPS 데이터 수집 엔진(UPSDCE)으로 데이터를 재전송한다. UPSDCE는 기술된 타겟팅 엔진(ATS 및 AMN 시스템들에 대해)과 유사하다. 그러나, UPSDCE는 데이터 포인트들을 즉시 캡쳐하고, 이들을 오디언스 멤버의 프로파일과 연관된 로컬 데이터베이스에 저장한다.

바람직하게는, UPSDCE는 개별 발행자의 로컬 프로파일(PRID) 이외에, 글로벌 프로파일(NPRID)에 대한 데이터의 연관성을 허용하기 위해, 오디언스 매칭 네트워 크의 제공자에 의해 소유되고 관리되는 도메인내에 위치된다. 데이터는 또한 상이한 발행자들 데이터를 적절히 상호-혼합(co-mingling)함으로써 오디언스 멤버의 프라이버시가 유지되는 것을 보장하기 위해, 수집된 데이터가 어떤 발행자에 속하는지를 명확히 식별한다. 또한, 네트워크 내의 데이터를 공유하기 위한 특정한 협정들이 존재하지 않는 한, 다른 발행자들과 이러한 데이터를 공유하지 않음으로써 각각의 발행자의 자산들(assets)이 보호된다.

데이터 무결성(integrity)을 적절히 유지하기 위해, 네트워크 내에서 방문자를 신뢰가능하게 식별하는 것이 유용하다. 이를 달성하기 위한 많은 상이한 방법들이 있다. 한가지 방법은 방문자를 재식별하기 위해 등록 및 로그인을 요구하는 발행자들을 이용하는 것이다. 다른 방법은 방문자에 대한 권한 식별자를 저장하기 위해 클라이언트측 브라우저 플러그-인 기술을 이용하는 것이다. 이러한 기술들 각각 또는 둘다는 방문자의 권한 식별을 보조하는데 이용될 수 있다.

방문자가 식별되면, 로그인 크리덴셜들은 네트워크 레포지토리(repository)(즉, UPSDCE에 의해 이전에 수집된 데이터 세트)에서 방문자를 검색하는데 사용될 수 있고, 쿠키 값들의 현재 설정을 상기 레포지토리와 비교할 수 있다. 쿠키들이 현재 설정되어 있지 않거나, 데이터 값들이 일치하지 않으면, 방문자의 쿠키들은 프로파일 쿠키 데이터를 반영하도록 업데이트된다.

네트워크 식별이 모든 사이트들에 대한 방문자를 위한 프로파일 데이터로의 키로서 작용할 수 있기 때문에, 네트워크 내의 모든 사이트들에 대해 이러한 방문자를 신뢰가능하게 식별하기 위해, 네트워크에 대한 방문자는 단지 신뢰가능하게 식별될 필요가 있다.

추가적인 서비스는 선택(opt-in) 특정 정보에 대한 발행자의 의향을 기초로 및 발행자와 네트워크 프라이버시 정책들에 부합되게, 네트워크에 대해 제한된 익명의 프로파일 데이터를 공유하는 능력이다.

마지막으로, 현재 값 및 정확한 값을 보장하기 위해 방문자가 보는 각각의 페이지에서 데이터가 업데이트되고, 그 중 다수가 사이트의 방문자 세션 동안 변경될 것이다.

도 20은 적절히 컨피규어된 AMN 시스템에 의해 구현되는 바와 같은 UPS에 대한 프로세스의 일 예를 도시하는 흐름도이다. 프로세스(2000)는 일반적으로 콘텐츠의 전송을 위해 타겟팅되는 오디언스 멤버들의 프로파일들 및 유지와 연계하여 발생한다. 기술된 것처럼, 이는 오디언스 멤버 수집 도메인들로서 지칭될 수 있는 로컬 도메인들의 네트워크에 해당하는 다수의 오디언스 멤버들에 대해 프로파일 데이터를 수신하는 단계(2002)를 포함한다. 주어진 오디언스 멤버는 다양한 로컬 도메인들에서 수집되는 정보를 기초로 프로파일 데이터의 연관된 세트를 갖는다. NPRID는 프로파일 데이터의 세트와 프로파일된 오디언스 멤버 사이의 연관성을 유지(2004)하는데 사용된다. 본 발명의 이러한 실시예에 따라, NPRID는 정보 수집 도메인들의 네트워크에서 프로파일된 오디언스 멤버에 대한 프로파일 데이터의 수집을 용이하게 하는 정보의 세트에 관련(2006)된다. 이러한 정보는 이전에 네트워크 쿠키 및 로컬 쿠키들로서 지칭된, 네트워크 및 다양한 로컬 도메인들에서 데이터의 수집과 연계하여 사용되는 쿠키 관련 정보인 것이 바람직하다. 또한, NPRID 는 프로파일된 오디언스 멤버에 대해 이전에 식별된 권한 ID와 연관된다.

네트워크내의 임의의 사이트에 대한 방문과 연계하여, 권한 ID가 수신(2008)된다. 이러한 정보는 NPRID의 부재시 수신될 수 있다. 권한 ID는 활동과 연계하여 프로파일된 오디언스 멤버를 식별하고, 프로파일된 오디언스 멤버를 NPRID에 상관시키는데 사용(2010)된다. 차례로, NPRID는 기술된 것처럼 쿠키 관련 정보와 연관된다. 이는 현재 활동과 결부된 쿠키 정보와 NPRID와 관련하여 저장된 것과의 비교(2012)를 허용한다. 이러한 정보는 쿠키들이 과거 프로파일링(profiling)과 현재 브라우징(browsing) 활동 사이에서 제거되었다 하더라도, 또는 오디언스 멤버가 상이한 머신을 사용하더라도(원한다면), 오디언스 멤버의 브라우저와 관련하여 쿠키 정보를 업데이트(2014)하는데 사용될 수 있다. 물론, 이러한 업데이트는 특정 오디언스 멤버에 대해 이전에 형성된 쿠키 정보를 복구하는 것을 포함할 수 있다.

따라서, 본 발명의 실시예들은 오디언스 매칭 네트워크 및 관련 특징들을 제공한다. 본 발명은 그 특정 실시예들을 참조로 매우 상세히 기술되었지만, 본 발명은 본 발명의 사상 또는 범주를 벗어남이 없이, 다양하게 실시될 수 있다. 따라서, 이하의 청구범위는 임의의 방식으로 본 발명에 포함된 실시예들의 설명을 제한해서는 안된다.

Claims (22)

1. 성과(performance) 기반의 오디언스 멤버(audience member)로의 콘텐츠 전송을 위한 컴퓨터 구현 방법으로서,

   오디언스 멤버 정보 수집 도메인들의 네트워크에 상응하는 오디언스 세그먼트들을 관리하는 단계;

   상기 오디언스 멤버 정보 수집 도메인들의 네트워크에서 수집된 프로파일 데이터에 상응하는 속성들(attributes)의 세트를 갖는 오디언스 멤버들을 포함하는 네트워크 세그먼트의 멤버가 프로파일된 오디언스 멤버인지를 결정하는 단계; 및

   상기 네트워크 세그먼트의 멤버쉽(membership), 및 광고가 배치된 콘텐츠의 발행자(publisher)에게 이익을 주도록 구성된 성과 기준을 기초로, 상기 프로파일된 오디언스 멤버로의 광고 전송을 조절(accommodate)하는 단계

   를 포함하는 컴퓨터 구현 방법.
2. 제 1 항에 있어서,

   상기 성과 기준은 상기 발행자에 대한 수익을 극대화시키는 것을 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
3. 제 2 항에 있어서,

   상기 광고 전송을 조절하는 단계는 상기 발행자에게 가장 많은 이용가능한 지불(highest available payment)을 한 광고를 선택하는 단계를 포함하는 것을 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
4. 제 1 항에 있어서,

   잠재적으로 전송가능한 광고들에 상응하는 전송 기준의 세트를 상기 발행자로부터 수신하는 단계; 및

   현재 전송 측정치들과 상기 전송 기준의 세트의 비교를 기초로, 상기 발행자에게 가장 많은 이용가능한 지불을 한 광고를 선택하는 단계를 더 포함하는 것을 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
5. 제 1 항에 있어서,

   제 3 자에 의해 제공되는 광고 목록(inventory)의 전송을 최적화하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
6. 제 5 항에 있어서,

   상기 제 3 자에 의해 제공되는 광고 목록의 전송을 최적화하는 단계는 상기 제 3 자의 광고 제공 기능과 연계하여 상기 네트워크 세그먼트의 멤버쉽에 관한 정보를 제공하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
7. 제 1 항에 있어서,

   상기 네트워크 세그먼트는 목표된 습성(desired behavior)과 결부된 오디언스 멤버들에 대한 데이터 프로파일을 검사함으로써 규정되는 것을 특징으로 하는 컴퓨터 구현 방법.
8. 성과 기반의 오디언스 멤버로의 콘텐츠 전송을 위한 장치로서,

   오디언스 멤버 정보 수집 도메인들의 네트워크에 상응하는 오디언스 세그먼트들을 관리하기 위한 수단;

   상기 오디언스 멤버 정보 수집 도메인들의 네트워크에서 수집된 프로파일 데이터에 상응하는 속성들의 세트를 갖는 오디언스 멤버들을 포함하는 네트워크 세그먼트의 멤버가 프로파일된 오디언스 멤버인지를 결정하기 위한 수단; 및

   상기 네트워크 세그먼트의 멤버쉽, 및 광고가 배치된 콘텐츠의 발행자에게 이익을 주도록 구성된 성과 기준을 기초로, 상기 프로파일된 오디언스 멤버로의 광고 전송을 조절하기 위한 수단

   을 포함하는 오디언스 멤버로의 콘텐츠 전송 장치.
9. 제 8 항에 있어서,

   상기 성과 기준은 상기 발행자에 대한 수익을 극대화시키는 것을 포함하는 것을 특징으로 하는 오디언스 멤버로의 콘텐츠 전송 장치.
10. 제 9 항에 있어서,

    상기 광고 전송을 조절하는 것은 상기 발행자에게 가장 많은 이용가능한 지불을 한 광고를 선택하는 것을 포함하는 것을 특징으로 하는 오디언스 멤버로의 콘텐츠 전송 장치.
11. 제 8 항에 있어서,

    잠재적으로 전송가능한 광고들에 상응하는 전송 기준의 세트를 상기 발행자로부터 수신하기 위한 수단; 및

    현재 전송 측정치들과 상기 전송 기준의 세트의 비교를 기초로, 상기 발행자에게 가장 많은 이용가능한 지불을 한 광고를 선택하기 위한 수단을 더 포함하는 것을 포함하는 것을 특징으로 하는 오디언스 멤버로의 콘텐츠 전송 장치.
12. 제 8 항에 있어서,

    제 3 자에 의해 제공되는 광고 목록의 전송을 최적화하는 것은 더 포함하는 것을 특징으로 하는 오디언스 멤버로의 콘텐츠 전송 장치.
13. 제 12 항에 있어서,

    상기 제 3 자에 의해 제공되는 광고 목록의 전송을 최적화하는 것은 상기 제 3 자의 광고 제공 기능과 연계하여 상기 네트워크 세그먼트의 멤버쉽에 관한 정보를 제공하는 것을 포함하는 것을 특징으로 하는 오디언스 멤버로의 콘텐츠 전송 장치.
14. 제 8 항에 있어서,

    상기 네트워크 세그먼트는 목표된 습성과 결부된 오디언스 멤버들에 대한 데이터 프로파일들을 검사함으로써 규정되는 것을 특징으로 하는 오디언스 멤버로의 콘텐츠 전송 장치.
15. 콘텐츠 전송에 상응하는 수익을 오디언스 멤버에게 할당하기 위한 컴퓨터 구현 방법으로서,

    오디언스 멤버 정보 수집 도메인들의 네트워크에 상응하는 오디언스 세그먼트들을 관리하는 단계;

    상기 오디언스 멤버 정보 수집 도메인들의 네트워크에서 수집된 프로파일 데이터에 상응하는 속성들의 세트를 갖는 오디언스 멤버들을 포함하는 네트워크 세그먼트의 멤버가 프로파일된 오디언스 멤버인지를 결정하는 단계;

    상기 네트워크 세그먼트의 멤버쉽을 기초로 상기 프로파일된 오디언스 멤버로의 광고 전송을 조절하는 단계; 및

    정보 수집에서 데이터 제공자로서의 참여를 기초로 상기 광고 전송에 상응하는 수익을 할당하는 단계

    를 포함하는 컴퓨터 구현 방법.
16. 제 15 항에 있어서,

    상기 오디언스 멤버 정보 수집 도메인들의 네트워크는 제 1 도메인, 및 상기 제 1 도메인과 분리된 제 2 도메인을 포함하고, 상기 속성들의 세트는 상기 제 1 도메인에서 상기 프로파일된 오디언스 멤버에 의한 활동과 연관하여 수집된 정보를 기반으로 하는 제 1 속성, 및 상기 제 2 도메인에서 상기 프로파일된 오디언스 멤버에 의한 활동과 연관하여 수집된 정보를 기반으로 하는 제 2 속성을 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
17. 제 16 항에 있어서,

    상기 수익을 할당하는 단계는 상기 제 1 속성을 제공하기 위한 제 1 데이터 제공자의 참여, 및 상기 제 2 속성을 제공하기 위한 제 2 데이터 제공자의 참여를 평가하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
18. 제 15 항에 있어서,

    정보가 오디언스 멤버 습성에 미친다고 가정된 영향을 결정하는 단계; 및

    상기 광고 전송에 상응하는 수익을 할당함에 있어서 상기 영향을 평가하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
19. 제 18 항에 있어서,

    상기 영향을 결정하는 단계는 상기 정보의 수집과 연관된 팩터들의 세트의 검사를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
20. 제 19 항에 있어서,

    상기 팩터들의 세트는 최신성(recency), 빈도(frequency) 및 순위(primacy)를 포함하는 그룹에서 선택된 적어도 하나의 팩터를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
21. 제 19 항에 있어서,

    상기 팩터들의 세트는 반감기(half-life) 분석을 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
22. 제 19 항에 있어서,

    상기 팩터들의 세트는 최신성, 빈도, 세그먼트 상관성, 반감기 분석, 순위, 및 집중도(intensity)를 포함하는 그룹에서 선택된 적어도 하나의 팩터를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.

Images