KR20080043764A - 타게팅 광고용 통계 시스템에 관한 방법 및 장치 - Google Patents
타게팅 광고용 통계 시스템에 관한 방법 및 장치 Download PDFInfo
- Publication number
- KR20080043764A KR20080043764A KR1020087001722A KR20087001722A KR20080043764A KR 20080043764 A KR20080043764 A KR 20080043764A KR 1020087001722 A KR1020087001722 A KR 1020087001722A KR 20087001722 A KR20087001722 A KR 20087001722A KR 20080043764 A KR20080043764 A KR 20080043764A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- advertisement
- iii
- profile
- advertisements
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 241
- 230000008685 targeting Effects 0.000 title description 12
- 238000007619 statistical method Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 181
- 238000005457 optimization Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000011867 re-evaluation Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000010187 selection method Methods 0.000 claims 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000013398 bayesian method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
시스템은 사용자와 관련된 지식에 기초한 사용자 프로파일을 조사한다. 시스템은 애플리케이션 및 애플리케이션 환경의 유형과 관련된 콘텐츠 컨텍스트 프로파일을 조사한다. 시스템은 하는 단계 복수의 속성을 포함하는 복수의 광고와 관련된 광고 프로파일을 조사한다. 이후 시스템은 사용자로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고를 조건부로 선택한다. 상기 적어도 하나의 선호 광고는 상기 사용자 프로파일, 상기 광고 프로파일 및 상기 콘텐츠 컨텍스트 프로파일의 통계학적 분석에 기초하여 선택된다.
광고 선택 프로세스, 사용자 프로파일, 콘텐츠 컨텍스트 프로파일, 광고 프로파일
Description
본 발명은 타게팅 광고용 통계 시스템에 관한 방법 및 장치에 관한 것이다.
종래의 기술은 웹사이트 상에 또는 검색 엔진을 통해 광고를 제공하며, 광고를 전기적으로 전달하는 것을 포함하는, 다양한 미디어에서 잠재적인 고객에 프리젠테이션 광고를 허용한다. 광고는, 예를 들어, 광고 배너를 통해, 웹 사이트 상에 표시될 수 있다. 광고는 스폰서 광고(sponsored advertisement)를 통하여 검색 엔진을 통해 표시될 수 있다.
종래의 검색 엔진은 검색 엔진 질의 형태(query form)로 입력된 사용자 제공 질의(즉, 키워드 또는 키워드 문(keyword phrase))에 응답하여 웹 사이트 목록(listing)을 생성한다. 그 결과물(즉, 웹사이트의 목록)은 검색 엔진의 알고리즘에 의해 결정되는 바와 같이 제일 높은 관련성(relevance)에서 제일 낮은 관련성의 순으로 나타난다. 사용자는 자신들의 선택의 목록상에서 선택한다(즉, "클릭한다").
검색 엔진 최적화 기술은 검색 엔진 결과에 있어 웹 사이트의 높은 목록을 달성하기 위해 웹 사이트상에 사용된다. 예를 들어, 요트를 파는 웹 사이트는 사용 자가 검색 엔진 질의 형태에서 "요트"의 질의를 입력할 때마다 검색 엔진 결과물의 첫번째 페이지에 나타나기를 원한다. 이는 종종 "유기적인 검색 엔진 목록(organic search engine listing)" 또는 "네츄럴 검색 엔진 목록(natural search engine listing)"으로 언급된다. 검색 엔진 결과에서의 고급 목록(즉, 중요한 목록)에 기꺼이 지불하는 광고주를 위해, 스폰서 광고가 이용가능하다. 스폰서 광고는 "유기적 검색 엔진 목록"에 따라 표시되지만, 디스플레이 상의 영역에서 "유기적 검색 엔진 목록"과 분리된다. 예를 들어, 검색 엔진에 따라, 스폰서 광고는 "유기적 검색 엔진 목록" 위에 또는 디스플레이 상의 마진(margin) 영역 내에 표시될 수 있다.
광고주는 검색 엔진에 의해 제공된 포맷 가이드라인을 따라 스폰서 광고를 생성한다. 광고는 웹사이트로의 하이퍼링크(즉, URL:Universal Resource Loctor)를 포함한다. 사용자가 스폰서 광고를 선택하는("클릭"하는) 경우 사용자가 랜드(land)하는 페이지이기 때문에 하이퍼링크에 관련된 웹사이트 페이지는 "랜딩 페이지(landing page)"로 언급된다.
광고주는 언제 그들의 스폰서 광고가 사용자 질의(즉, 키워드 또는 키워드문)에 응답하여 보이게 되는 지를 결정한다. 즉, 사용자에 의해 검색 엔진에 입력된 키워드 또는 키워드 문은 광고주의 스폰서 광고가 보이도록 잠재적으로 유발한다. 예를 들어, 요트 소매 및 수리 가게의 광고주는 사용자가 검색 엔진 질의로서 키워드 "요트"를 입력하는 경우 그들의 스폰서 광고가 보이기를 원할 수 있다. 또는,요트 소매 및 수리 가게의 광고주는 사용자가 검색 엔진 질의로서 키워드 문 " 요트 수리"를 입력하는 경우 그들의 스폰서 광고가 보이기를 원할 수 있다.
광고주는 키워드 또는 키워드 문을 선택함으로써 스폰서 광고에 대금을 지불하고, 또한 동일한 키워드 또는 키워드 문을 포함하는 사용자 질의에 대해 스폰서 광고가 보이기를 원하는 다른 광고주와 경쟁한다. 광고주는 키워드 또는 키워드 문을 포함하는 사용자 질의에 응답하여 그들의 스폰서 광고의 노출의 순위에 영향을 미치도록 서로 맞서서 입찰한다.
사용자가 키워드 또는 키워드 문을 포함하는 질의를 입력하는 경우, (광고주가 키워드 또는 키워드 문 상에 입찰하는) 스폰서 광고가 표시된다. 스폰서 광고를 표시하는 것이 '임프레션(impression)'으로 언급된다. 전형적으로, 광고주는 이와 같은 광고 임프레션에 대금을 지불하지 않는다. 그러나, 사용자가 스폰서 광고를 선택(즉, "클릭")하는 경우, 광고주는 상기 선택에 대해 청구된다. 광고주는 그가 스폰서 광고를 표시하는 것(즉, 임프레션)을 유발하였던 키워드 또는 키워드 문에 입찰하는 어떤 액수라도 대금이 청구된다. 사용자가 스폰서 광고를 클릭하는 매 시간마다, 광고주는 그 선택에 대금이 청구된다. 광고주는 사용자가 스폰서 광고를 선택(즉, 클릭)하는 경우 스폰서 광고에만 대금을 지불하기 때문에 이는 "PPC(pay per click)" 모델로서 공지되어 있다.
스폰서 광고로 잠재적인 고객을 타겟으로 하는 종래의 기술은 갖가지 결함을 겪고 있다. 특히, 스폰서 광고로 잠재적인 고객을 타겟으로 하는 종래의 기술은 스폰서 광고가 제공된 잠재적인 고객에 대해 알려진 것이 거의 없다는 점에 한계를 두고 있다. 또한 스폰서 광고를 검색 엔진을 통해 보여주고 있는 경우, 이들 광고가 특정한 잠재적인 고객에 대한 최적의 광고인지 여부를 거의 고려하지 않고, 잠재적인 고객에 의해 입력된 키워드 또는 키워드 문(KWs)은 스폰서 광고가 잠재적인 고객에게 표시되는 것을 결정한다. 광고란 용어는 타게팅에 적합한 관련 마케팅 콘텐츠 및 광고의 모든 유형을 포함할 수 있으나, 이에 제한되지 않으며, 이는 "정규 광고", "배너(banner) 광고", "스폰서 링크(sponsored link)", "판촉(promotion)" 및 "할인 가격(discount pricing)"을 포함한다.
본 발명에 개시되어 있는 실시예는 이와 같은 결함을 상당히 극복하고 사용자에 대한 선호 광고(preferred advertisement)를 선택하는 광고 선택 프로세스를 실행하는 컴퓨터 시스템을 포함하는 시스템을 제공한다. 광고 선택 프로세스는 3 가지의 구성요소를 포함한다. 광고 수용자(audience)에 있어 사용자의 선호도를 캡슐화(encapsulate)하는 사용자 프로파일러(user profiler)가 시스템의 코어(core)에 있다. 사용자 프로파일러로의 입력은 사용자의 가장 최근의 관심사를 포함하나, 이에 제한되는 것은 아니다. 이들은 최근 검색, 클릭(즉, 사용자 선택), 페이지 뷰(page view), 구매, 이전 광고 클릭 및 임프레션, 그리고 관련 개인 프로파일을 포함할 수 있다. 관련 개인 프로파일은 음악, 영화, TV, 게임, 검색(쇼핑, 비디오, 이미지 등과 같은 웹 검색) 및 소매(retail)에서 사용자의 선호도 및 취향을 포함할 수 있다. 등록 데이터(registration data)는 사용자 나이 및 성별과 같은 인구통계학적 정보(demographic information), 가구에서의 자녀의 수 및 가구 수익과 같은 사회 경제학적 정보, 그리고 현재 위치 또는 ZIP 코드와 같은 지리학적 정보 등을 포함할 수 있다. 시스템은 사용자의 광고 관련 선호도를 통합시키는 광고 선택 프로세스를 자동적으로 업데이트한다.
콘텐츠 및 컨텍스트 프로파일링 구성요소는 광고 및 스폰서 링크를 보여주는 콘텐츠를 조사한다. 예를 들어, 광고가 표시되는 콘텐츠는 웹 페이지, 검색 결과 페이지, 이동 단말기(mobile device), 콜 센터 등을 포함한다. 이들 구성요소는 또한 차, 컴퓨터 및 전자제품, 의복 등과 같은 페이지의 콘텐츠를 조사한다. 콘텐츠 및 컨텍스트 프로파일링은 관련 광고(예를 들어, 건강 및 약에 관한 웹 페이지와 비교하여, 자동차 광고는 차 및 트럭에 관한 웹 페이지 상에 더욱 관련적일 수 있다)로 광고 선택 풀(pool)을 제한하고 그리고/또는 검색 쇼핑 등을 통한 주제의 최근의 탐색과 같은, 사용자의 "현재" 필요에 대한 사용자의 선호도를 조정함으로써 광고 타게팅을 지원한다. 따라서, 판촉 광고 또는 정보 광고는 구매 과정에서 추정된 사용자의 단계에 따라 보여질 것이다.
광고 프로파일링 구성요소는 광고의 속성에 관한 조사, 수집 및 가능한 생성에 적용된다. 광고는 계획된 타겟 수용자 세그먼트를 나타내기 위해, 광고주의 광고 에이전시 또는 광고주에 의해 일반적으로, 메타 데이터(meta data)에 관련되어 있다. 예를 들어, 지난 7일 동안에 "디지털 카메라"를 검색했거나 또는 조사했었던 특정 위치에 살고 있는 18 ~ 24 세의 사람들은 지역 카메라 소매업자로 명시될 수 있다. 인터넷 설정에서, 광고는 또한 클릭-쓰루(click-through) 웹 페이지의 속성을 통해 설명될 수 있다. 예를 들어, 시스템은 남성 의류 웹 페이지로 사용자를 이끄는 광고가 현재 의류를 쇼핑하고 있는 남자들을 타겟으로 하는 것을 추정할 수 있다.
본 발명에 개시되어 있는 실시예의 애플리케이션 인터넷 광고 채널에 제한되는 것이 아님을 유의해야 한다. 웹, 다이렉트 메일, 카달로그, 소매(retail) 또는 거리 키오스크(street kiosk), 착신/발신 콜/고객 서비스 센터, 이동 단말기, TV 등과 같은 모든 광고 및 마게팅 채널에 광범위하게 적용될 수 있다.
본 발명에서 개시되어 있는 실시예는 사용자와 관련된 지식에 기초한 사용자 프로파일을 생성하는 광고 선택 프로세스를 포함한다. 광고 선택 프로세스는 또한 사용자의 광고 서비스(ad serving) 환경에 관련된 콘텐츠 컨텍스트 프로파일을 생성한다. 이때 광고 선택 프로세스는 (복수의 속성을 포함하는) 복수의 광고에 관련된 광고 프로파일을 조사한다. 이때 광고 선택 프로세스는 사용자로의 표시를 위해복수의 광고에서 적어도 하나의 선호 광고를 조건부로 선택한다. 선호 광고는 사용자 프로파일, 광고 프로파일 및 사업 최적화 메트릭(metrics) 상에 조절되는 콘텐츠 컨텍스트 프로파일의 통계적 분석에 기초하여 선택된다.
일 실시예의 예시적인 동작 동안, 사용자가 검색 엔진에 키워드 문 "케이프 코드(Cape Cod)"를 입력한다고 가정한다. 광고 선택 프로세스는 사용자에 관련된 지식에 기초하여, 사용자에 대한 사용자 프로파일을 생성한다. 사용자 프로파일은 사용자가 이전에 방문했던 웹사이트, 이전의 웹 사이트 검색, 사용자가 선택했던 광고, 구매된 제품 및 서비스 등을 포함할 수 있다. 사용자 프로파일에 기초하여, 사용자가 하나 이상의 코호트(cohort)에 할당된다. 광고 선택 프로세스는 또한 사용자가 있고 잠재적인 광고가 서비스될 현재 환경에 관련된 콘텐츠 컨텍스트 프로파일을 생성하며, 예를 들어 사용자가 "케이프 코드"에 관련된 정보를 검색하고 있고 사용자가 검색 엔진에서 탐색(navigate)하고 있는 콘텐츠 컨텍스트이다. 광고 선택 프로세스는 복수의 광고에 관련된 광고 프로파일을 조사한다. 사용자 프로파일, 콘텐츠 컨텍스트 프로파일 및 광고 프로파일을 사용하여, 광고 선택 프로세스는 사용자를 위한 선호 광고를 선택한다. 예를 들어, 사용자가 대학교 학생의 코호트에 할당된다면, 광고 선택 프로세스는 케이프 코드에서의 숙소 및/또는 케이프 코드에서의 일자리에 대한 예산을 세우는 것에 관련된 '선호' 광고를 선택할 것이다.
본 발명에 개시되어 있는 다른 실시예는 컴퓨터 장치, 워크스테이션, 포켓용 또는 랩탑 컴퓨터, 또는 본 발명에 개시되어 있는 임의의 또는 모든 방법 동작을 처리하기 위한 소프트웨어 및/또는 회로소자(예를 들어, 프로세서)로 구성된 동종의 것의 임의의 유형을 포함한다. 다시 말해서, 이와 같은 컴퓨터, 또는 데이터 통신 장치 또는 본 발명에서 설명된 바와 같이 작동하도록 프로그램되거나 또는 구성되어 있는 임의 유형의 프로세서와 같은 컴퓨터 장치는 본 발명에 개시되어 있는 실시예로 간주된다.
본 발명에 개시되어 있는 다른 실시예는 위에서 요약되고 이하 상세히 설명되는 단계 및 동작을 수행하기 위해 소프트웨어 프로그램을 포함한다. 이와 같은 실시예는 메모리 및 프로세서의 결합을 가지는 컴퓨터 장치에서 수행되는 경우, 본 발명에 개시되어 있는 동작을 수행하도록 프로세서를 프로그램하는 부호화된 컴퓨터 프로그램 로직을 포함하는 컴퓨터-판독가능 미디어를 가지는 컴퓨터 프로그램 제품을 포함한다. 이와 같은 장치는 ASIC(Application Specific Intergrated Circuit)와 같거나 하나 이상의 ROM 또는 RAM 또는 PROM에서의 펌웨어 또는 마이크로코드와 같은 광 매체(예를 들어, CD-ROM), 플로피 디스크, 하드 디스크 또는 다른 매체와 같은 컴퓨터 판독가능 매체 상에 배열되거나 또는 부호화된 소프트웨어, 코드 및/또는 다른 데이터(예를 들어, 데이터 구조)로서 전형적으로 제공된다. 소프트웨어 또는 펌웨어 또는 다른 이와 같은 구성(configuration)은 컴퓨터 장치가 본 발명에 개시되어 있는 실시예로 설명되어 있는 기술을 수행하도록 하기 위해 컴퓨터 장치상에 설치(install)될 수 있다.
본 발명에 개시되어 있는 시스템이 소프트웨어 프로그램으로, 소프트웨어 및 하드웨어로, 또는 하드웨어 단독으로 정확히 구현될 수 있다는 것이 이해되어야 한다. 본 발명에 개시되어 있는 실시예는 데이터 통신 장치 및 매사추세츠주, 캠브리지의 초이스스트림(ChoiceStream) 사에 의해 제조된 것과 같은 이와 같은 장치용 소프트웨어 시스템 및 다른 컴퓨터 장치에서 이용될 수 있다.
동일 인용 부호가 다른 도면에서 동일한 부분으로 인용하는 언급하는 첨부된 도면에 설명되어 있는 바와 같이, 전술한 내용은 본 발명에 개시되어 있는 특정 실시예들에 관한 다음의 설명으로부터 명백하게 될 것이다. 도면은 반드시 일정한 비율로 표현된 것이 아니며, 본 발명에 개시되어 있는 원리를 설명하는데 중점을 두고 있다.
도 1은 본 발명에 개시되어 있는 일 실시예에 따른, 사용자 프로파일, 광고 프로파일 및 콘텐츠 컨텍스트 프로파일(content context profile)을 포함하는, 광고 선택 프로세스의 하이-레벨(high-level) 블록도를 나타내고;
도 2는 본 발명에 개시되어 있는 일 실시예에 따른 컴퓨터 시스템의 하이-레벨 블록도를 나타내고;
도 3은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자와 관련된 지식에 기반을 둔 사용자 프로파일을 조사하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 4는 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자와 관련된 지식에 기반을 둔 사용자 프로파일을 생성하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 5는 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자에 관련된 지식에 기반을 둔 콘텐츠 컨텍스트 프로파일을 생성하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 6은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자에 관련된 지식에 기반을 둔 광고 프로파일을 생성하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 7은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자 프로파일을 조사하고 그리고 사용자를 적어도 하나의 코호트(cohort)에 할당하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 8은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자를 적어도 하나의 코어트에 할당하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 9는 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 복수의 광고와 관련된 광고 프로파일을 조사하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 10은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 일 유형의 애플리케이션 및 애플리케이션 환경과 관련된 콘텐츠 컨텍스트 프로파일 조사하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 11은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 복수의 속성(attribute)을 포함하는 복수의 광고에 관련된 광고 프로파일을 조사하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 12는 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고를 선택하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고, 상기 적어도 하나의 선호 광고는 사용자 프로파일의 통계적 분석에 기반하여 선택되며;
도 13은 본 발명에 개시되어 있는 일 실시예에 따라, 사용자가 적어도 하나의 광고를 선택할 확률을 광고 선택 프로세스가 계산하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 14는 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 적어도 하나의 광고에 사용자의 반응을 추정하는 경우 도 1의 시스템에 의해 수행 된 절차의 흐름도를 나타내고;
도 15는 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자 프로파일의 재평가(re-evaluation) 중 적어도 하나 및 사용자 프로파일의 새로운 업데이트를 수행하도록 사용자의 반응을 이용하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 16은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가, 재-프로파일(re-profile) 후, 사용자 프로파일과 관련된 지식의 상태를 업데이트하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 17은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자로부터 적어도 하나의 질의를 수신하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 18은 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 검색 질의를 평가하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고;
도 19는 본 발명에 개시되어 있는 일 실시예에 따라, 광고 선택 프로세스가 사용자로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고를 선택하는 경우 도 1의 시스템에 의해 수행된 절차의 흐름도를 나타내고, 적어도 하나의 선호 광고는 사용자 프로파일의 통계적 분석에 기반하여 선택된다.
본 발명에 개시되어 있는 실시예들은 사용자를 위해 최적 광고를 선택하는 광고 선택 프로세스를 실행하는 컴퓨터 시스템을 포함한다. 광고 선택 프로세스가 복수의 컴퓨터 시스템에서 실행할 수 있음을 유의해야 한다. 광고 선택 프로세스는 3 가지의 구성요소를 포함한다. 광고 수용자(audience)에 있어 사용자의 선호도를 캡슐화(encapsulate)하는 사용자 프로파일러(user profiler)가 시스템의 코어(core)에 있다. 사용자 프로파일러로의 입력은 사용자의 가장 최근의 관심사를 포함하나, 이에 제한되는 것은 아니다. 이들은 최근 검색, 클릭(즉, 사용자 선택), 페이지 뷰(page view), 구매, 이전 광고 클릭 및 임프레션, 그리고 관련 개인 프로파일을 포함할 수 있다. 관련 개인 프로파일은 음악, 영화, TV, 게임, 검색(쇼핑, 비디오, 이미지 등과 같은 웹 검색) 및 소매(retail)에서 사용자의 선호도 및 취향을 포함할 수 있다. 등록 데이터(registration data)는 사용자 나이 및 성별과 같은 인구통계학적 정보(demographic information), 가구에서의 자녀의 수 및 가구 수익과 같은 사회 경제학적 정보, 그리고 현재 위치 또는 ZIP 코드와 같은 지리학적 정보 등을 포함할 수 있다. 시스템은 사용자의 광고 관련 선호도를 통합시키는 광고 선택 프로세스를 자동적으로 업데이트한다.
콘텐츠 및 컨텍스트 프로파일링 구성요소는 광고 및 스폰서 링크를 보여주는 콘텐츠를 조사한다. 예를 들어, 광고가 표시되는 콘텐츠는 웹 페이지, 검색 결과 페이지, 이동 단말기, 콜 센터 등을 포함한다. 이들 구성요소는 또한 차, 컴퓨터 및 전자제품, 의복 등과 같은 페이지의 콘텐츠를 조사한다. 콘텐츠 및 컨텍스트 프로파일링은 관련 광고(예를 들어, 건강 및 약에 관한 웹 페이지와 비교하여, 자동차 광고는 차 및 트럭에 관한 웹 페이지 상에 더욱 관련적일 수 있다)로 광고 선택 풀(pool)을 제한하고 그리고/또는 검색 쇼핑 등을 통한 주제의 최근의 탐색과 같은, 사용자의 "현재" 필요에 대한 사용자의 선호도를 조정함으로써 광고 타게팅을 지원한다. 따라서, 판촉 광고 또는 정보 광고는 구매 과정에서 추정된 사용자의 단계에 따라 보여질 것이다.
광고 프로파일링 구성요소는 광고의 속성에 관한 조사, 수집 및 가능한 생성에 관련된다. 광고는 계획된 타겟 수용자 세그먼트를 나타내기 위해, 광고주의 광고 에이전시 또는 광고주에 의해 일반적으로, 메타 데이터(meta data)에 관련되어 있다. 예를 들어, 지난 7일 동안에 "디지털 카메라"를 검색했거나 또는 조사했었던 특정 위치에 살고 있는 18 ~ 24 세의 사람들은 지역 카메라 소매업자로 명시될 수 있다. 인터넷 설정에서, 광고는 또한 클릭-쓰루(click-through) 웹 페이지의 속성을 통해 설명될 수 있다. 예를 들어, 시스템은 남성 의류 웹 페이지로 사용자를 이끄는 광고가 현재 의류를 쇼핑하고 있는 남자들을 타겟으로 하는 것을 추정할 수 있다.
본 발명에 개시되어 있는 실시예의 애플리케이션 인터넷 광고 채널에 제한되는 것이 아님을 유의해야 한다. 웹, 다이렉트 메일, 카달로그, 소매(retail) 또는 거리 키오스크(street kiosk), 착신/발신 콜/고객 서비스 센터, 이동 단말기, TV 등과 같은 모든 광고 및 마게팅 채널에 광범위하게 적용될 수 있다.
본 발명에서 개시되어 있는 실시예는 사용자와 관련된 지식에 기초한 사용자 프로파일을 생성하는 광고 선택 프로세스를 포함한다. 광고 선택 프로세스는 또한 사용자의 광고 서비스(ad serving) 환경에 관련된 콘텐츠 컨텍스트 프로파일을 생 성한다. 이때 광고 선택 프로세스는 (복수의 속성을 포함하는) 복수의 광고에 관련된 광고 프로파일을 조사한다. 이때 광고 선택 프로세스는 사용자로의 표시를 위해복수의 광고에서 적어도 하나의 선호 광고를 조건부로 선택한다. 선호 광고는 사용자 프로파일, 광고 프로파일 및 사업 최적화 메트릭(metrics) 상에 조절되는 콘텐츠 컨텍스트 프로파일의 통계적 분석에 기초하여 선택된다.
도 1은 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)에 관한 하이-레벨 블록도이다. 선호 광고(125-1)는 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)의 통계적 분석에 기초하여, 광고 선택 프로세스(140-2)에 의해 선택된다. 광고 선택 프로세스(140-2)는 또한 광고 프로파일러(Ad Profiler)(151), 콘텐츠/컨텍스트 프로파일러(152) 및 사용자 프로파일러(153)로부터 입력을 받는 상태 업데이트기(State Updater)(154)를 통해 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)을 재-프로파일하고, 업데이트한다. 콘텐츠/컨텍스트 프로파일러(152)는 콘텐츠 컨텍스트 입력(163)을 받는다. 스코어러(scorer)(157), 광고 선택기(158) 및 광고 프로파일러(151)는 입력으로서 광고(162)를 수신한다. 선호 광고(125-1)는 애플리케이션 환경(159) 내의 사용자(108)에게 보여진다. 사용자의 활동(activity)(164) 그리고 사용자 정보 및 반응(165)은, 선호 광고(125-1)에 관련된 클릭 및 넌클릭(non-click)(161) 정보에 따라, 사용자 프로파일러(153)로 피드백된다. 이들 구성요소 어느 것이나 동일 컴퓨터 시스템 또는 다수의 컴퓨터 시스템상에서 실행할 수 있음을 유의해야 한다.
도 2는 광고 선택 애플리케이션(140-1) 및 프로세스(140-2)를 실행하거나, 동작하거나, 해석하거나, 작동하거나 또는 수행하는 컴퓨터 시스템(110)의 예시적인 구조를 나타내는 블록도이다. 컴퓨터 시스템(110)은 퍼스널 컴퓨터, 워크스테이션, 휴대용 컴퓨팅 장치, 콘솔(console), 랩탑, 네트워크 단말기(network terminal) 등과 같은 임의 유형의 컴퓨터 장치일 수 있다. 이 실시예에서 나타나는 바와 같이, 컴퓨터 시스템(110)은 메모리 시스템(112), 프로세서(113), 입력/출력 인터페이스(114) 및 통신 인터페이스(115)를 결합하는 데이터 버스 또는 다른 회로소자와 같은 상호접속 메커니즘(111)을 포함한다. 입력 장치(116)(예를 들어, 키보드, 마우스 등과 같은 하나 이상의 사용자/개발자 제어 장치)는 I/O 인터페이스(114)를 통해 프로세서(113)에 결합하고, 사용자(108)가 입력 명령을 제공할 수 있게 하고 광고 선택 애플리케이션(140-1) 및 프로세스(140-2)가 디스플레이(130) 상에 제공하는 그래픽 사용자 인터페이스(160)를 일반적으로 제어할 수 있게 한다. 그래픽 사용자 인터페이스(160)는 사용자(108)에게 복수의 광고 중에서 선택된 적어도 하나의 선호 광고(125-1)를 표시한다.
메모리 시스템(112)은 임의 유형의 컴퓨터 판독가능 미디어이며, 이 실시예에서는 광고 선택 애플리케이션(140-1)으로 부호화된다. 광고 선택 애플리케이션(140-1)은 본 발명에서 설명되어 있는 다른 실시예에 따라 프로세싱 기능을 지원하는 데이터 및/또는 로직 명령어(예를 들어, 메모리 안에 또는 착탈식 디스크와 같은 또다른 컴퓨터 판독가능 매체 상에 저장되어 있는 코드)와 같은 소프트웨어 코드로 구현될 수 있다. 컴퓨터 시스템(110)의 동작 동안, 프로세서(113)는 광고 선택 애플리케이션(140-1)의 로직 명령어를 착수하거나, 작동하거나, 실행하거나, 해석하거나, 그렇지 않다면 수행하기 위해 상호접속(111)을 통해 메모리 시스템(112)에 액세스한다. 이런 방식으로 광고 선택 애플리케이션(140-1)의 실행은 광고 선택 프로세스(140-2)에 프로세싱 기능을 생성한다. 다시 말해서, 광고 선택 프로세스(140-2)는 런타임(runtime)에서 컴퓨터 장치(110)에의 프로세스(113) 내에 또는 상에 실행되거나 수행되는 광고 선택 애플리케이션(140-1)(또는 전체 애플리케이션(140-1))의 런타임 인스턴스(instance)들의 하나 이상의 부분을 나타낸다.
콘텐츠 포맷 처리를 수행하기 위해 본 발명에 개시되어 있는 하이 레벨 동작을 나타내는 프로세싱 단계의 흐름도에 관하여 본 발명에 설명되어 있는 구성의 더욱 자세한 사항이 제공될 것이다.
도 3은 광고 선택 프로세스(140-2)가 사용자(108)와 관련된 지식에 기초하여 사용자 프로파일(145)을 조사하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 200에서, 광고 선택 프로세스(140-2)는 사용자(108)에 관련된 정보에 기초한 사용자 프로파일(145)을 조사한다. 사용자 프로파일(145)은 광고 수용자에 있어 사용자(108)의 선호도를 캡슐화한다. 사용자 프로파일러(145)로의 입력은 최근 검색, 클릭, 페이지뷰, 구매, 이전 광고 클릭 및 임프레션, 및 사용자(108)의 음악, 영화, TV, 게임, 웹 검색(즉, 쇼핑, 비디오, 이미지 등과 같은 일반적 및 특정 버티컬(vertical)) 및 소매와 같은 관련 개인 프로파일과 같은 최근 관심사를 포함하나, 이에 제한되지 않는다. 사용자 프로파일(145)에서의 등록 데이터는 나이 및 성별과 같은 인구통계학적 정보, 가구의 자녀 수 및 가구 수익과 같은 사회 경제학적 정보 및 현재 위치 또는 ZIP 코드와 같은 지리학적 정보 등을 포함할 수 있다. 광고 선택 프로세스(140-2)는 사용자(108)의 광고 관련 선호도를 자동적으로 업데이트한다.
단계 201에서, 광고 선택 프로세스(140-2)는 일 유형의 애플리케이션 및 애플리케이션 환경에 관련된 콘텐츠 컨텍스트 프로파일(155)을 조사한다. 콘텐츠 컨텍스트 프로파일(155)은 광고 및 스폰서 링크가 나타나있는 콘텐츠를 포획한다(capture). 예를 들어, 광고가 나타나 있는 콘텐츠는 웹 페이지, 검색 결과 페이지, 이동 단말기, 콜 센터 등을 포함한다. 프로세스는 또한 자동차, 컴퓨터, 및 전자제품, 의류 등과 같은 페이지의 콘텐츠를 포획한다. 콘텐츠 및 컨텍스트 프로파일링은 관련 광고(예를 들어, 자동차 광고는 건강 및 의약품에 대한 웹 페이지와 비교하여 자동차 및 트럭에 대한 웹 페이지에 더욱 관련될 수 있다)로 광고 선택 풀을 제한하고 및/또는 검색, 쇼핑 등을 통한 주제의 사용자의 최근 탐색을 조사하는 것과 같은 사용자(108)의 "현재" 필요에 대한 사용자(108)의 선호도를 조정하는 것에 의해 광고 타게팅을 지원한다.
단계 202에서, 광고 선택 프로세스(140-2)는 복수의 광고에 관련된 광고 프로파일을 조사한다. 복수의 광고는 복수의 속성을 포함한다. 광고는, 계획된 타겟 수용자 세그먼트를 나타내도록, 일반적으로 광고주의 광고 에이전시 또는 광고주에 의해, 메타-데이터에 관련되어 있다. 예를 들어, 최근 7일 동안에 "디지털 카메라"에 대한 온라인을 검색했었던 특정 지역에 살고 있는 18-24 살의 사람들은 지역 카 메라 소매업자로 명시될 수 있다. 예를 들어, 광고 선택 프로세스(140-2)는 남성 의류 웹 페이지로 사용자(108)를 이끄는 광고가 의류에 대해 현재 쇼핑하고 있는 남자를 향해 타겟됨을 추측할 수 있다.
단계 203에서, 광고 선택 프로세스(140-2)는 사용자(108)로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고(125-1)를 조건부로 선택한다. 선호 광고(125-1)는 사용자 프로파일(145), 광고 프로파일(150) 및 컨텐츠 컨텍스트 프로파일(155)의 통계학적 분석에 기초하고 사업 최적화 메트릭 상에서 조건으로 하도록 선택된다. 일 실시예에서, 광고 선택 프로세스(140-2)는 복수의 광고 중에서 어떤 광고도 선호 광고(125-1)의 기준(criteria)을 만족한다고 생각되지 않기 때문에 어떤 광고도 선택되지 않는다.
도 4는 광고 선택 프로세스(140-2)가 사용자(108)로의 표시를 위한 복수의 광고에서 적어도 하나의 선호 광고(125-1)를 조건부로 선택하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 204에서, 광고 선택 프로세스(140-2)는 사용자 프로파일(145)을 생성한다. 사용자 프로파일(145)은 광고 선택 프로세스(140-2)가 사용자(108) 상에 컴파일(compile)하는 정보에 기초하여 생성된다. 이 정보가 없는 경우, 광고 선택 프로세스(140-2)는 사용자(108)에 대한 가정을 수립하여 가정에 기초한, 디폴트 사용자 프로파일(145)을 생성한다.
단계 205에서, 광고 선택 프로세스(140-2)는 사용자 프로파일(145)에 관련된 지식의 상태를 초기화한다. 지식의 상태는 사용자 프로파일(145), 광고 프로파 일(150) 및 콘텐츠 컨텍스트 프로파일(155)을 조사하고, 그리고 조건부로 선호 광고(125-1)를 선택하는 단계 동안 광고 선택 프로세스(140-2)에 의해 유지된다.
단계 206에서, 광고 선택 프로세스(140-2)는 사용자 프로파일(145)을 재-프로파일한다. 실시예에서, 광고 선택 프로세스(140-2)는 더욱 정확한 사용자 프로파일(145)을 보장하고 사용자로부터 새로운 정보 및 활동을 포획하기 위해 사용자 프로파일(145)을 주기적으로 재-프로파일한다.
단계 207에서, 재-프로파일링 이후, 광고 선택 프로세스(140-2)는 사용자 프로파일(145)에 관련된 지식의 상태를 업데이트한다.
도 5는 광고 선택 프로세스(140-2)가 사용자(108)로의 표시를 위한 복수의 광고에서 적어도 하나의 선호 광고(125-1)를 조건부로 선택하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계의 연속에 관한 실시예이다.
단계 208에서, 광고 선택 프로세스(140-2)는 콘텐츠 컨텍스트 프로파일(155)을 생성한다.
단계 209에서, 광고 선택 프로세스(140-2)는 콘텐츠 컨텍스트 프로파일(155)에 관련된 지식의 상태를 초기화한다. 콘텐츠 컨텍스트 프로파일(155)에 관련된 지식의 상태는 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)을 조사하고, 그리고 조건부로 선호 광고(125-1)를 선택하는 단계 동안 광고 선택 프로세스(140-2)에 의해 유지된다
단계 210에서, 광고 선택 프로세스(140-2)는 콘텐츠 컨텍스트 프로파일(155)을 재-프로파일한다.
단계 211에서, 재-프로파일링 이후, 광고 선택 프로세스(140-2)는 콘텐츠 컨텍스트 프로파일(155)에 관련된 지식의 상태를 업데이트한다.
도 6은 광고 선택 프로세스(140-2)가 사용자(108)로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고(125-1)를 조건부로 선택하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계의 연속에 관한 실시예이다.
단계 212에서, 광고 선택 프로세스(140-2)는 광고 프로파일(150)을 생성한다.
단계 213에서, 광고 선택 프로세스(140-2)는 광고 프로파일(150)에 관련된 지식의 상태를 초기화한다. 광고 프로파일(150)에 관련된 지식의 상태는 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)을 조사하고, 그리고 조건부로 선호 광고(125-1)를 선택하는 단계 동안 광고 선택 프로세스(140-2)에 의해 유지된다
단계 214에서, 광고 선택 프로세스(140-2)는 광고 프로파일(150)을 재-프로파일한다.
단계 215에서, 재-프로파일링 이후, 광고 선택 프로세스(140-2)는 광고 프로파일(150)에 관련된 지식의 상태를 업데이트한다.
대안으로, 단계 216에서, 광고 선택 프로세스(140-2)는 선호 광고(125-1)로 사용자(108)의 반응을 추정한다. 광고 선택 프로세스(140-2)는 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)에 기초하여, 사용자(108)에게 표시하기 위해 선호 광고(125-1)를 선택하며, 선호 광고(125-1)에 사 용자(108)의 반응을 추정한다. 예를 들어, 광고 선택 프로세스(140-2)는 사용자(108)가 열람하고 있는 웹사이트 상에 선호 광고(125-1)를 표시할 수 있다. 사용자(108)는 선호 광고(125-1)를 클릭할 수 있거나, 또는 이를 무시할 수 있다.
단계 217에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나를 수행하기 위해 (선호 광고(125-1)를 표시하는 것으로) 사용자(108)의 반응을 이용한다:
ⅰ) 사용자 프로파일(145)의 재-평가.
ⅱ) 사용자 프로파일(145)에 관련된 지식의 상태, 콘텐츠 컨텍스트 프로파일(155)에 관련된 지식의 상태 및 광고 프로파일(150)에 관련된 지식의 상태의 새로운 업데이트.
ⅲ) 선호 광고(125-1)를 조건부로 선택하는 단계의 평가.
사용자 프로파일 및 디폴트
코호트로의
사용자 프로파일의 초기화
도 7은 광고 선택 프로세스(140-2)가 사용자(108)에 관련된 지식에 기초한 사용자 프로파일(145)을 조사하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 218에서, 광고 선택 프로세스(140-2)는 사용자(108)에 관련된 지식에 기초하여 사용자 프로파일(145)을 조사한다. 예를 들어, 사용자(108)에 관련된 지식은 사용자의 인터넷 활동에 기초할 수 있다.
단계 219에서, 광고 선택 프로세스(140-2)는 적어도 하나의 코호트에 사용자(108)를 할당하며, 코호트는 다음 중 적어도 하나를 포함한다:
ⅰ) 인구통계학적 코호트,
ⅱ) 지리학적 코호트,
ⅲ) 잠재 코호트(latent cohort), 및
ⅳ) 광고 선호도 코호트.
단계 220에서, 광고 선택 프로세스(140-2)는 잠재 코호트에 사용자(108)를 할당하도록 확률적(probabilistic) 코호트 선택 기술을 사용한다. 실시예에서, 광고 선택 프로세스(140-2)는 사용자(108)에 적절한 다수의 코호트에 사용자(108)를 할당한다.
예시적인 실시예에서, 다음의 공식을 사용한다:
표시법(notation):
Pr(.) = 소괄호 안의 이벤트의 확률
SL = 스폰서 링크(광고, 판촉, 쿠폰 등의 임의 유형에 대한 대용물(stand-in))
KW = 필요한 만큼 스폰서 링크 서버로부터 스폰서 링크를 불러오는(fetch)데 사용되는 키 워드
SQ = 사용자에 의해 최근에 이루어진 검색 질의의 벡터
U = 사용자의 검색 질의 상의 정보 이외의 사용자 프로파일의 벡터
c(U) = 가급적 잠재적인, U에 기초한 사용자의 코호트,
A = SL의 사용자 관련 속성(relevant-to-user)의 벡터
X = 콘텐츠 컨텍스트 속성의 벡터, 콘텐츠 컨텍스트는 링크/광고가 서비스되 고 있는 콘텐츠 컨텍스트이다.
Rev()= 클릭으로 인한 포털사이트(portal) 또는 사이트로의 수익(또는 다른 성공 결과)
X(콘텐츠 컨텍스트)는 (여행 사이트 vs 금융 사이트 vs 건강 사이트 상에서와 같이) 광고/링크가 표시되려는 애플리케이션 상의 정보뿐만 아니라 (주일, 휴일 또는 주말과 같은) 디스플레이의 날짜(date-of-display) 및 (근무 시간 또는 저녁과 같은) 디스플레이의 시간에 대한 정보, 즉, 클릭에 대한 성향에서의 변화를 예측하는 사용자의 일반적인 속성 이외의 모든 측정가능한 요인에 대한 주의를 포함한다. 예를 들어, 발렌타인데이의 준비 기간에 사용자(108)의 관심사 및 클릭 행위는 슈퍼 볼 기간과는 다를 것이다. 그리고 심야 사용은 근무 동안의 사용과는 다른 경향을 가진다.
임의 SL의 관련 속성, A는 관련된 웹 페이지/웹 사이트 URL을 분석하는 속성자(attributizer)에 의하거나 또는 링크/광고의 생성자에 의해 제공된 명백한 정보에 의해 귀속될 수 있다(impute). 속성자는 자동화 시스템일 수 있거나 휴먼 스코오러(human scorer) 또는 조합을 사용할 수 있다.
사용자의 관련 정보는 U-벡터이다. 실제로, 측정 오차는 잠재 코호트 및 베이시안 교환성(Bayesian exchangeability)을 도입함으로써 U에 대해 주소지정된다(address).
타게팅 시스템의 전형적인 준비작업(set-up)은 SL의 포트폴리오의 선택에 의 해 기대 수익을 극대화하는 것을 추구한다. 사용자를 위한 가장 양호한 단일 SL을 찾기를 추구하는 더 간단한 경우를 고려한다:
클릭 확률은 로짓 모델(logit model)(또는 프로빗(probit) 모델)로서 모형화된다.
제안된 클릭 모델
실시예
중 하나 - 잠재
코호트
클릭 모델 :
클래스/ 코호트 멤버쉽 모델( Class / cohort membership model ) : 사용자(108)의 이력(history)이 주어지면, 클래스 멤버쉽 모델은 광고 컨텍스트에 관련한 특정 잠재 코호트 c에 있는 사용자(108)의 확률을 예측한다. 다음의 다항의 로짓 클래스 멤버쉽 모델과 같은 많은 유형의 클래스 멤버쉽 모델이 존재한다:
여기서, , 는 평가되는 매개변수 벡터이고, K는 잠재 코호트의 수를 나타낸다(-- 전형적으로 타겟 스폰서 링크에 대한 초기 애플리케이션에 적절하다고 입증된 3 ~ 5 개의 잠재 코호트).
잠재 코호트가 주어진 클릭-모델 : 잠재 코호트가 주어지면, 클릭-모델은 특정한 광고를 클릭하는 확률을 예측하고 이는 다음과 같이 쓰여진다:
여기서, 이다. 예를 들어, 는 선형 매개변수(linear-in parameters) 인덱스 함수, 즉 로 지정될 수 있다. 조건부 클릭 모델의 계수는 코호트에 따라 변함을 주의한다.
2 개의 서브-모델을 결합하여, 클릭 모델은 다음과 같이 주어진다:
잠재-코호트 클릭-선택 모델의 계수는 최대 우도(maximum likelihood) 또는 베이시안 방법에 의해 평가되고, 베이시안 방법이 더욱 견고한 것으로 알려져 있다. 스폰서링크 광고(SL)의 타켓팅을 위한 잠재-코호트 조건부 로짓 모델은 서비스되는 SL 상에 관찰된 사용자-클릭(및 넌-클릭)의 데이터에서 평가된다. 클릭 데이터는 애플리케이션의 사용에 대한 유사한 컨텍스트로부터 나온다(또는 그렇지 않다면 조절된다). 실제로, SL 상의 클릭 비율은 낮을 수 있다(종종 1 % 이하); 이런 경우에, 드물게 있는 클릭-이벤트로 모든 데이터를 사용하는 것이, 말하자면 N번 관찰(observation)이, 필요한 기울기(slope) 계수의 유효한 공평한 평가를 얻도록 넌-클릭의 10N 번의 랜덤 샘플과 결합될 수 있음을 발견하였다.
사용자(108)에 대한 모델 계수의 업데이트, 즉 모델 계수의 개인화는 방식(scheme)을 업데이트하는 베이시안 모델을 통해 이루어진다.
대안으로, 단계 221에서, 광고 선택 프로세스(140-2)는 디폴트 코호트에 사용자(108)를 할당한다. 일 실시예에서, 광고 선택 프로세스(140-2)는 사용자(108)에 관련된 제한된 지식을 가지므로, 적절한 코호트에 사용자(108)를 할당할 수 없다. 광고 선택 프로세스(140-2)는 디폴트 코호트에 사용자(108)를 할당한다. 광고 선택 프로세스(140-2)가 사용자(108)에 관련된 더 많은 지식을 얻는 만큼, 광고 선택 프로세스(140-2)는 더욱 적절한 코호트 또는 코호트들에 사용자(108)를 더 잘 할당할 수 있다.
단계 222에서, 광고 선택 프로세스(140-2)는 사용자(108)를 위한 디폴트 프로파일을 상속한다. 실시예에서, 광고 선택 프로세스(140-2)는 사용자(108)를 디폴트 코호트에 할당하고, 사용자(108)에 대한 디폴트 프로파일을 상속한다.
사용자의 지식 및 사용자의 활동
도 8은 광고 선택 프로세스(140-2)가 사용자(108)를 적어도 하나의 코호트에 할당하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 233에서, 광고 선택 프로세스(140-2)는 적어도 하나의 코호트에 사용 자(108)를 할당하고, 코호트는 다음 중 적어도 하나를 포함한다:
ⅰ) 인구통계학적 코호트,
ⅱ) 지리학적 코호트,
ⅲ) 잠재 코호트, 및
ⅳ)광고 선호도 코호트.
단계 224에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나를 포함하는 사용자(108)에 관련된 지식을 평가한다:
ⅰ) 사용자(108)의 적어도 하나의 인구통계학적 특성,
ⅱ) 사용자(108)의 적어도 하나의 사회경제학적 특성,
ⅲ) 사용자(108)의 적어도 하나의 위치,
ⅳ) 적어도 하나의 사용자 평점(rating),
ⅴ) 적어도 하나의 웹 페이지 하이퍼링크 선택,
ⅵ) 적어도 하나의 웹 페이지 보기(viewing),
ⅶ) 사용자(108)에 의해 선택된 적어도 하나의 광고 임프레션,
ⅷ) 사용자(108)에 의해 선택되지 않은 적어도 하나의 광고 임프레션,
ⅸ) 적어도 하나의 최근 검색 질의, 및
ⅹ) 사용자의 적어도 하나의 최근 관심사.
단계 263에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나를 포함하는 사용자 평점을 평가한다:
ⅰ) 제품에 대한 적어도 하나의 사용자 평점(rating),
ⅱ) 오락(entertainment)에 대한 적어도 하나의 사용자 평점,
ⅲ) 영화에 대한 적어도 하나의 사용자 평점,
ⅳ) 음악에 대한 적어도 하나의 사용자 평점,
ⅴ) TV 쇼에 대한 적어도 하나의 사용자 평점, 및
ⅵ) 리치 미디어(rich media)에 대한 하나의 사용자 평점.
단계 225에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나를 포함하는 검색 질의를 평가한다:
ⅰ) 적어도 하나의 웹 검색 질의,
ⅱ) 적어도 하나의 제품 검색 질의,
ⅲ) 적어도 하나의 오락 검색 질의,
ⅳ) 적어도 하나의 영화 검색 질의,
ⅴ) 적어도 하나의 음악 검색 질의,
ⅵ) 적어도 하나의 TV 검색 질의,
ⅶ) 적어도 하나의 비디오 검색 질의,
ⅷ) 적어도 하나의 미디어 검색 질의, 및
ⅸ) 적어도 하나의 이미지 검색 질의.
대안으로, 단계 226에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나를 포함하는 사용자(108)의 최근 관심사를 평가한다:
ⅰ) 적어도 하나의 최근 검색된 질의,
ⅱ) 적어도 하나의 최근 방문 페이지,
ⅲ) 적어도 하나의 최근 선택된 광고,
ⅳ) 적어도 하나의 최근 구매된 제품,
ⅴ) 적어도 하나의 최근 사려고 검토된 제품, 및
ⅵ) 적어도 하나의 사용자(108)와 관련된 현재 위치.
광고의 유형
도 9는 광고 선택 프로세스(140-2)가 복수의 광고에 관련된 광고 프로파일을 조사하는 경우 광고 선택 프로세스(140-2)에 의해 수행된 단계에 관한 실시예이다.
단계 227에서, 광고 선택 프로세스(140-2)는 복수의 광고에 관련된 광고 프로파일을 조사한다. 복수의 광고는 복수의 속성을 포함한다.
단계 228에서, 광고 선택 프로세스(140-2)는 복수의 광고 내에 적어도 하나의 예상 광고를 조사한다. 예상 광고는 다음의 것 중 적어도 하나를 포함한다:
ⅰ) 문자 광고,
ⅱ) 배너 광고,
ⅲ) 리치 미디어 광고,
ⅳ) 마케팅 판촉
ⅴ) 쿠폰, 및
ⅵ) 제품 추천
단계 229에서, 광고 선택 프로세스(140-2)는 예상 광고의 타이틀을 조사한다. 예를 들어, 스폰서 광고는 광고의 타이틀을 포함할 수 있다. 종종, 타이틀은 광고가 사용자(108)를 유도하는(direct) 웹 페이지로 하이퍼 링크되어 있다.
단계 230에서, 광고 선택 프로세스(140-2)는 예상 광고에 관련된 URL(universal resource locator)를 조사한다. 예를 들어, 스폰서 광고는 광고에 의해 지정된 웹사이트 위치로 사용자(108)를 유도하는 하이퍼 링크를 포함한다.
단계 231에서, 광고 선택 프로세스(140-2)는 예상 광고가 사용자(108)에게 매력적이도록 예상 광고의 콘텐츠의 변경을 제안함에 있어 광고주에게 제안 및 추천을 거꾸로 제시할 수 있다. 실시예에서, 광고 선택 프로세스(140-2)는, 예를 들어, 스폰서 광고를 검사한다. 광고 선택 프로세스(140-2)는, 스폰서 광고 내의 하이퍼 링크가 사용자(108)를 유도하는 랜딩 페이지뿐만 아니라, 스폰서 광고의 타이틀, 스폰서 광고의 콘텐츠를 조사한다. 광고 선택 프로세스(140-2)는 스폰서 광고가 더 큰 결과(예를 들어, 구매하도록 사용자(108)를 유도하는 것)를 달성하도록 스폰서 광고에 변경을 제안함에 있어 광고주에 제안 및 추천을 거꾸로 제시할 수 있다.
콘텐츠
컨텍스트
프로파일의 유형 및 속성
도 10은 광고 선택 프로세스(140-2)가 애플리케이션의 유형 및 애플리케이션 환경에 관련된 콘텐츠 컨텍스트 프로파일(155)을 조사하는 경우 광고 선택 프로세스(140-2)에 의해 수행된 단계에 관한 실시예이다.
단계 232에서, 광고 선택 프로세스(140-2)는 애플리케이션의 유형 및 애플리케이션 환경에 관련된 콘텐츠 컨텍스트 프로파일(155)을 조사한다. 예를 들어, 컨 텍스트는 시각(time-of-day), 요일(day-of-week), 스폰서 광고가 서비스되는 영역의 목적 등을 포함할 수 있다.
단계 233에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나를 포함하는 콘텐츠 컨텍스트 프로파일을 생성한다:
ⅰ) 예상 광고가 나타나 있는 웹 페이지,
ⅱ) 예상 광고가 나타나 있는 휴대용 장치,
ⅲ) 예상 광고가 나타나 있는 고객 서비스 플랫폼,
ⅳ) 예상 광고가 나타나 있는 콜 센터,
ⅴ) 예상 광고가 나타나 있는 키오스크(kiosk),
ⅵ) 예상 광고가 나타나 있는 미디어 플랫폼,
ⅶ) 예상 광고가 나타나 있는 이벤트 관련된 캠페인,
ⅷ) 예상 광고가 사용자에게 나타나질 계획된 장소,
ⅸ) 복수의 웹 페이지, 및
ⅹ) 검색을 통해 발생된 복수의 웹 페이지.
단계 234에서, 광고 선택 프로세스(140-2)는 콘텐츠 컨텍스트 프로파일(155)과 관련된 적어도 하나의 속성을 조사한다. 속성은 다음 중 적어도 하나를 포함한다:
ⅰ) 예상 광고가 나타나 있는 웹 페이지의 적어도 하나의 속성,
ⅱ) 예상 광고가 나타나 있는 휴대용 장치의 적어도 하나의 속성,
ⅲ) 예상 광고가 나타나 있는 고객 서비스 플랫폼의 적어도 하나의 속성,
ⅳ) 예상 광고가 나타나 있는 콜 센터의 적어도 하나의 속성,
ⅴ) 예상 광고가 나타나 있는 키오스트의 적어도 하나의 속성,
ⅵ) 예상 광고가 나타나 있는 미디어 플랫폼의 적어도 하나의 속성,
ⅶ) 예상 광고가 나타나 있는 이벤트와 관련된 캠페인의 적어도 하나의 속성,
ⅷ) 예상 광고가 사용자(108)에 나타나질 계획된 장소의 적어도 하나의 속성,
ⅸ) 복수의 웹 페이지의 적어도 하나의 속성, 및
ⅹ) 검색으로 발생된 복수의 웹 페이지의 적어도 하나의 속성.
광고 프로파일링 및 광고 속성의 조사
도 11은 광고 선택 프로세스(140-2)가 복수의 광고에 관련된 광고 프로파일(150)을 조사하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 235에서, 광고 선택 프로세스(140-2)는 복수의 광고에 관련된 광고 프로파일(150)을 조사한다. 복수의 광고는 광고의 타이틀 등과 같은 복수의 속성을 포함한다.
단계 236에서, 광고 선택 프로세스(140-2)는 적어도 하나의 속성을 조사하고, 속성은 다음 중 적어도 하나를 포함한다:
ⅰ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 메타데이터,
ⅱ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 사운드,
ⅲ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 이미지,
ⅳ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 색상,
ⅴ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 크기,
ⅵ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 잠재 속성,
ⅶ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 광고주 지정 태그, 및
ⅷ) 광고가 사용자(108)를 유도하는 웹 페이지와 관련된 적어도 하나의 웹 페이지 속성.
대안으로, 단계 237에서, 광고 선택 프로세스(140-2)는 복수의 광고에서 적어도 하나의 광고가 사용자(108)를 유도하는 위치를 조사한다. 예를 들어, 스폰서 광고는 광고에 관련된 더 많은 정보를 포함하는 웹 페이지로 사용자(108)를 유도하는 하이퍼 링크를 포함할 수 있다.
단계 238에서, 광고 선택 프로세스(140-2)는 위치에 관한 적어도 하나의 특성을 속성화한다(attributize). 실시예에서, 광고는 웹 페이지를 가리키는, 스폰서 광고이다. 광고 선택 프로세스(140-2)는 웹 페이지를 조사하고 상기 웹 페이지의 속성을 식별한다.
단계 239에서, 광고 선택 프로세스(140-2)는 광고가 사용자(108)에게 매력적이도록 광고가 사용자(108)를 유도하는 위치의 특성의 변경을 제안함에 있어 제안 및 추천을 생성할 수 있다. 예를 들어, 광고 선택 프로세스(140-2)가 웹 페이지의 속성을 식별한 후, 광고 선택 프로세스(140-2)는 스폰서 광고의 판매를 증가하기 위해 그 웹 페이지로 변경을 추천한다. 실시예에서, 광고 선택 프로세스(140-2)는 광고가 사용자(108)에 매력적이도록 광고가 사용자(108)를 유도하는 위치의 적어도 하나의 특성의 변경을 추천한다.
최적화 메트릭에 대하여
도 12는 광고 선택 프로세스(140-2)가 사용자(108)로 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고(125-1)를 조건부로 선택하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 240에서, 광고 선택 프로세스(140-2)는 사용자(108)로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고(125-1)를 조건부로 선택한다. 선호 광고(125-1)는 사용자 프로파일(145), 광고 프로파일(150) 및 사업 최적화 메트릭에 조건이 되는 콘텐츠 컨텍스트 프로파일(155)의 통계학적 분석에 기초하여 선택된다. 실시예에서, 다음의 식이 사용된다:
표시법:
Pr(.) = 소괄호 안의 이벤트의 확률
SL = 스폰서 링크(광고, 판촉, 쿠폰 등의 임의 유형에 대한 대용물)
KW = 필요한 만큼 스폰서 링크 서버로부터 스폰서 링크를 불러오는데 사용되는 키 워드
SQ = 사용자에 의해 최근에 이루어진 검색 질의의 벡터
U = 사용자의 검색 질의 상의 정보 이외의 사용자의 프로파일의 벡터
c(U) = 가급적 잠재적인, U에 기초한 사용자의 코호트
A = SL의 사용자 속성 관련의 벡터
X = 콘텐츠 컨텍스트 속성의 벡터, 콘텐츠 컨텍스트는 링크/광고가 서비스되고 있는 콘텐츠 컨텍스트이다.
Rev()= 클릭으로 인한 포털사이트 또는 사이트로의 수익(또는 다른 성공 결과)
X(콘텐츠 컨텍스트)는 (여행 사이트 vs 금융 사이트 vs 건강 사이트 상에서와 같이) 광고/링크가 표시되려는 애플리케이션 상의 정보뿐만 아니라 (주일, 휴일 또는 주말과 같은) 디스플레이의 날짜(date-of-display) 및 (근무 시간 또는 저녁과 같은) 디스플레이의 시간에 대한 정보, 즉, 클릭에 대한 성향에서의 변화를 예측하는 사용자의 일반적인 속성 이외의 모든 측정가능한 요인에 대한 주의를 포함한다. 예를 들어, 발렌타인 데이의 준비 기간에 사용자(108)의 관심사 및 클릭 행동은 슈퍼 볼의 기간과는 다를 것이다. 그리고 심야 사용은 근무 동안의 사용과는 다른 경향을 수반한다.
임의 SL의 관련 속성, A는 관련된 웹 페이지/웹 사이트 URL을 분석하는 속성 자에 의하거나 또는 링크/광고의 생성자에 의해 제공된 명백한 정보에 의해 귀속될 수 있다. 속성자는 자동화 시스템일 수 있거나 휴먼 스코오러 또는 조합을 사용할 수 있다.
사용자의 관련 정보는 U-벡터이다. 실제로, 측정 오차는 잠재 코호트 및 베이시안 교환성을 도입함으로써 U에 대해 주소지정된다.
타게팅 시스템의 전형적인 준비작업은 SL의 포트폴리오의 선택에 의해 기대 수익을 극대화하는 것을 추구한다. 사용자를 위한 가장 양호한 단일 SL을 찾기를 추구하는 더 간단한 경우를 고려한다:
클릭 확률은 로짓 모델 (또는 프로빗 모델)로서 모형화된다.
단계 241에서, 광고 선택 프로세스(140-2)는 선호 광고(125-1)의 선택을 조건으로 하기 위해 최적화 메트릭을 사용한다.
또 다른 클릭 모델 대체
실시예
- 랜덤 계수 클릭 모델:
클릭-모델에서의 계수는 다음과 같이 지정된다:
여기서 선호도에서의 체계적인 불균질성(systematic heterogeneity)은 를 통해 야기되는 반면, 는 사용자 지정 성분을 포획한다. 따라서, 랜덤 계수 클릭 모델은 다음과 같이 얻어진다:
여기서 는 의 확률 밀도 함수이다. 클릭-모델 시스템의 매개변수는 다변수 정규(Multivariate Normal)와 같은 랜덤 계수 상의 분배 가정을 형성함으로써, 베이시안 MCMC 방법 또는 최대 우도를 사용하여 측정된다. 명료함 및 설명의 목적을 위하여, 매개변수에서의 선형성(linear-in-parameter) 사양은 클릭-모델에서 계수에 대한 공식으로 나타난다. 비선형 모델 사양은 또한 랜덤 계수 클릭 모델 시스템을 위해 사용될 수 있다. 사용자(108)에 대한 모델 계수를 업데이트하는 것, 즉 모델 계수의 개인화는 베이시안 모델 업데이트 방식을 통해 얻어진다.
실제로, 성별, 나이 및 최근 방문-지역 정보에 기초한 코호트와 같은, 코호트 차이가 발견되고, 이와 같은 사용자-지정 속성은 잠재 코호트 클릭 모델에서의 잠재 코호트 멤버쉽 모델로 입력하거나 또는 랜덤 계수 클릭 모델의 체계적 불균질성 소자로 입력한다.
광고 선택 프로세스(140-2)는 U가 불완전하게 공지되어 있는 사용자(108)를 수용하기 위해 단도직입적으로 용어를 통합하는데 적합하다. 따라서,
여기서 U1은 불완전한 프로파일이다.
단계 242에서, 광고 선택 프로세스(140-2)는 복수의 예상 사용자(108)에 의해 표시되는, 예상 광고가 복수의 예상 사용자(108)에 의해 선택되는 비율을 정의하는 클릭 쓰루 율(click through rate)을 통해 클릭을 포함하도록 최적화 메트릭을 정의한다.
대안으로, 단계 243에서, 광고 선택 프로세스(140-2)는 예상 광고가 적어도 하나의 예상 사용자(108)에 표시되는 비율에 기초하여 기대되는 광고 수익을 포함하도록 최적화 메트릭을 정의한다. 기대되는 광고 수익은 다음 중 적어도 하나를 포함한다:
ⅰ) 광고 서비스하는 엔진 수익, 및
ⅱ) 광고주 수익
사용자를 위한 가장 양호한 단일 SL을 찾도록 추구하는 (위에서 설명된) 더 간단한 경우를 고려하자.
대안으로, 단계 244에서, 광고 선택 프로세스(140-2)는 적어도 하나의 예상 광고와 관련된 적어도 하나의 속성에 가중치를 둔다. 상기 가중치는 사용자 프로파일(145)과 관련된 지식의 상태, 콘텐츠 컨텍스트 프로파일(155)과 관련된 지식의 상태 및 광고 프로파일(150)과 관련된 지식의 상태가 속성을 평가하는 양의 추정에서 생긴다.
클릭 예측(
prediction
)
도 13은 광고 선택 프로세스(140-2)가 사용자(108)로의 표시를 위해 복수의 광고에서 적어도 하나의 광고(125-1)를 조건부로 선택하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 245에서, 광고 선택 프로세스(140-2)는 사용자(108)로의 표시를 위해 복수의 광고에서 적어도 하나의 광고(125-1)를 조건부로 선택한다. 선호 광고(125-1)는 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)의 통계학적 분석에 기초하여 선택된다.
단계 246에서, 광고 선택 프로세스(140-2)는 사용자(108)가 선호 광고(125-1)를 선택할 확률을 계산한다. 확률은 다음 중 적어도 하나에 기초한다:
ⅰ) 사용자 프로파일(145),
ⅱ) 광고 프로파일(150), 및
ⅲ) 콘텐츠 컨텍스트 프로파일(155).
단계 247에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나에 기초한 클릭 예측 확률을 수식화한다:
ⅰ) 잠재 코호트 클릭 모델, 및
ⅱ) 랜덤 계수 클릭 모델.
단계 248에서, 광고 선택 프로세스(140-2)는 사용자(108)가 선호 광고(125- 1)를 선택할 확률을 계산하는데 사용되는 적어도 하나의 매개변수를 평가하기 위해 모든 프로파일에 관한 지식의 상태로부터의 이력 데이터(historical data)를 이용한다.
클릭
vs
. 넌-클릭의 식별 및 분석
도 14는 광고 선택 프로세스(140-2)가 선호 광고(125-1)로 사용자(108)의 반응을 추정(access)하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 249에서, 광고 선택 프로세스(140-2)는 선호 광고(125-1)로 사용자(108)의 반응을 추정한다. 선호 광고(125-1)는 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)의 통계학적 분석에 기초하여 복수의 광고에서 선택된다.
단계 250에서, 광고 선택 프로세스(140-2)는 사용자(108)에 의해 선택된 복수의 광고를 포함하는 사용자 선택 광고의 서브 세트(subset)를 식별한다. 예시적인 구성에서, 복수의 선호 광고(125-N)는 사용자(108)에 표시되고 사용자(108)는 이들 선호 광고(125-N)의 서브 세트를 선택한다.
단계 251에서, 광고 선택 프로세스(140-2)는 사용자(108)에 의해 선택되지 않은 복수의 광고를 포함하는 비-사용자 선택 광고(즉, "클릭된")의 서브 세트를 식별한다. 예시적인 구성에서, 복수의 선호 광고(125-N)는 사용자(108)에 표시되고 이들 사용자(108)에 의해 선택되지 않은 선호 광고(125-N)는 광고 선택 프로세 스(140-2)에 의해 식별된다.
사용자로부터의 반응에 대하여
도 15는 광고 선택 프로세스(140-2)가 사용자 프로파일(145), 광고 프로파일(150) 및 콘텐츠 컨텍스트 프로파일(155)을 재평가하고 업데이트하기 위해 사용자(108)의 반응을 이용하는 경우 광고 선택 프로세스(140-2)에 의해 수행된 단계에 관한 실시예이다.
단계 252에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나를 수행하기 위해 사용자(108)의 반응을 이용한다:
ⅰ) 사용자 프로파일(145)의 재평가,
ⅱ) 사용자 프로파일(145)에 관련된 지식의 상태, 광고 프로파일(150)에 관련된 지식의 상태 및 콘텐츠 컨텍스트 프로파일(155)에 관련된 지식의 상태의 새로운 업데이트, 및
ⅲ) 선호 광고(125-1)를 조건부로 선택하는 단계의 평가.
단계 253에서, 광고 선택 프로세스(140-2)는 선호 광고(125-1)에 대한 다음을 기반으로 하는 스코어를 추정한다:
ⅰ) 사용자(108)와 선호 광고(125-1)와의 대화(interact),
ⅱ) 사용자(108)의 활동 이력,
ⅲ) 콘텐츠 컨텍스트 프로파일(150)의 적어도 하나의 속성,
ⅳ) 광고 프로파일(155)의 적어도 하나의 속성, 및
ⅴ) 사용자(108)와 관련된 적어도 하나의 사용자 프로파일(145).
대안으로, 단계 254에서, 광고 선택 프로세스(140-2)는 선호 광고(125-1)에 관련된 적어도 하나의 속성에 속성 가중치를 할당한다.
단계 255에서, 광고 선택 프로세스(140-2)는 선호 광고(125-1)에 관련된 사용자(108)의 활동 이력을 컴파일한다. 활동 이력은 사용자가 광고를 선택하였는지 여부, 랜딩 페이지를 방문하였는지 여부, 랜딩 페이지로부터 구매를 했는지 여부 등을 포함한다.
단계 256에서, 광고 선택 프로세스(140-2)는 사용자(108)의 활동 이력에 기초하여 속성 가중치를 조절한다. 예를 들어, 사용자(108)는 웹 페이지를 3 번 방문한다. 광고 선택 프로세스(140-2)는 사용자(108)와 관련된 이 활동에 기초하여 속성 가중치를 조절한다.
모든 프로파일에 관한 지식의 상태의
업데이트
도 16은 광고 선택 프로세스(140-2)가 사용자 프로파일(145)에 관련된 지식의 상태를 업데이트하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 단계에 관한 실시예이다.
단계 257에서, 재-프로파일링 후, 광고 선택 프로세스(140-2)는 사용자 프로파일(145)에 관련된 지식의 상태를 업데이트한다.
단계 258에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나에 기초한 누적 이력을 컴파일한다:
ⅰ) 사용자(108) 선택인 복수의 광고에 관련된 이력,
ⅱ) 사용자(108) 비선택인 복수의 광고에 관련된 이력,
ⅲ) 복수의 코호트에 할당된 복수의 사용자(108)에 관련된 복수의 사용자 프로파일(145),
ⅳ) 복수의 광고 프로파일(150), 및
ⅴ) 복수의 콘텐츠 컨텍스트 프로파일(155).
대안으로, 단계 259에서, 광고 선택 프로세스(140-2)는 다음 중 적어도 하나에 기초하여 사용자 프로파일(145)을 주기적으로 업데이트한다:
ⅰ) 지정된 업데이트 빈도, 예를 들어 밤에 실행된 프로세스 및
ⅱ) 사용자 프로파일(145)의 업데이트의 과정을 유발하는 사용자(108)의 최근 활동. 예를 들어, 선호 광고(125-1)의 선택에 기초하여 구매하는 사용자(108)는 사용자 프로파일(145)의 업데이트의 과정을 유발할 수 있다.
스폰서 광고의
간적접
페칭(fetching)에
대한
질의
변경
도 17은 광고 선택 프로세스(140-2)가 사용자(108)로 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고(125-1)를 조건부로 선택하는 경우 광고 선택 프로세스(140-2)에 의해 수행되는 연속적인 단계에 관한 실시예이다.
단계 260에서, 광고 선택 프로세스(140-2)는 사용자(108)로부터 적어도 하나의 질의를 수신한다. 실시예에서, 사용자(108)는 검색 엔진으로 키워드 문(keyword phrase)을 입력한다.
단계 261에서, 광고 선택 프로세스(140-2)는 선호 광고(125-1)의 선택을 최적화하도록 질의를 변경한다. 실시예에서, 사용자(108)는, 핵심 어구, 예를 들어, 검색 엔진에 "케이프 코드(Cape Cod)"를 입력한다. 광고 선택 프로세스(140-2)는 사용자(108)에 표시하기 위해 선호 광고(125-N)의 선택을 최적화하기 위해 "케이프 코드 휴가 마사스 비녀드(Martha's Vineyard)"로 키워드문을 변경한다.
단계 262에서, 광고 선택 프로세스(140-2)는 선호 광고(125-1)의 선택의 최적화를 가져오는 질의에 필수적인 변경을 결정하기 위해 사용자(108)와 관련된 지식을 조사한다. 실시예에서, 키워드 문을 변경하기 전에, 광고 선택 프로세스(140-2)는 사용자(108)에 대한 최적화된 결과를 생성하기 위해 필수적인 변경을 결정하도록, 사용자(108)와 관련된 지식, 예를 들어, 사용자(108)의 이전 웹 활동을 조사한다.
단계 264에서, 광고 선택 프로세스(140-2)는 복수의 광고로부터의 광고의 적어도 하나의 서브세트를 선택하고, 상기 광고의 적어도 하나의 서브세트는 변화 및 다양성을 도입하기 위해 선택된 포트폴리오로서 분류되고, 상기 광고의 적어도 하나의 서브세트는 사용자 프로파일과 관련된 지식의 상태, 콘텐츠 컨텍스트 프로파일과 관련된 지식의 상태 및 광고 프로파일과 관련된 지식의 상태를 통계학적으로 분석함으로써 결정되는 복수의 다른 그룹으로부터 복수의 광고에서 적어도 하나의 광고를 포함하는 포트폴리오로서 분류된다.
포트폴리오 고려사항
타케팅 시스템은 다음의 메커니즘의 유형을 통해 나타난 스폰서 링크의 설정에서의 다양성을 유도한다:
● 핵심어의 속성에 관한 클러스터링( clustering ): 광고/스폰서 링크를 속성화하기 위해 이용되는 분류(taxonomy)가 주어지면, 속성을 다양화함으로써 스폰서 링크에서의 다양성을 도입할 수 있다. 예를 들어, 사용자에 대한 최상의 후보 키워드(KWs)가 "야구 모자", "농구" 및 "50 센트"라면, 이때 광고 선택 프로세스(140-2)는 스폰서 링크를 얻기 위해 "야구 모자" 및 "50 센트"를 이용한다. "야구 모자"가 가장 높은 값의 키워드임으로 "야구 모자" 및 "농구"가 "스포츠" 클로스터(cluster)에 속하기 때문에 광고 선택 프로세스(140-2)는 "야구" 및 "농구"를 드롭한다(drop).
● 최근 검색 질의에 관한 클러스터링: 최근 검색 질의는 검색 질의의 클러스터를 식별하기 위해 클러스터링 알고리즘을 통해 토큰처리되고(tokenized) 패스된다. 이들 클러스트는 2 가지의 목표를 서비스한다:
○ 클러스터를 스킵함으로써 스폰서 링크를 발생하도록 선택된 검색 질의에서의 다양성을 도입한다. 예를 들어, 검색 질의의 사용자의 이력이 검색 이력에서 "야구 모자", "농구" 및 "50 센트"를 가지면, 이때 광고 선택 프로세스(140-2)는 스포츠 클러스터로부터 하나만을 유지한다.
○ 특정한 지역/카테고리에서 사용자의 현재 관심사의 강도를 식별하고 이는 상기 지역에서 스폰서 링크로의 사용자의 클릭의 우도에 분명히 관련된 것이다.
다시 말해서, 광고 선택 프로세스(140-2)는 임의의 하나의 키워드 또는 키워드 문이 결과를 주도하는 것을 방지한다. 컴퓨터 시스템 및 방법이 구성을 참고하여 위에서 구체적으로 나타나 있고 설명되는 동안, 형태에 있어서의 다양한 변경 및 세부사항은 본 발명에 개시되어 있는 범위로부터 벗어나지 않고 이 안에서 이루어질 수 있음은 당업자에 의해 이해될 것이다. 따라서, 본 발명에 개시되어 있는 내용은 위에서 제공된 예시적인 구성에 의해 제한되는 것으로 의도되는 것이 아니다.
본 발명의 명세서 내에 포함되어 있음.
Claims (37)
- 사용자와 관련된 지식에 기초한 사용자 프로파일을 조사하는 단계;애플리케이션의 유형 및 애플리케이션 환경과 관련된 콘텐츠 컨텍스트 프로파일을 조사하는 단계;복수의 속성을 포함하는 복수의 광고와 관련된 광고 프로파일을 조사하는 단계;및사용자로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고를 조건부로 선택하는 단계를 포함하며, 상기 적어도 하나의 선호 광고는 상기 사용자 프로파일, 상기 광고 프로파일 및 상기 콘텐츠 컨텍스트 프로파일의 통계학적 분석에 기초하여 선택되는 적어도 하나의 광고의 선택 방법.
- 제 1 항에 있어서,상기 사용자 프로파일을 생성하는 단계;상기 사용자 프로파일과 관련된 지식의 상태를 초기화하는 단계;상기 사용자 프로파일을 재-프로파일링하는 단계; 및상기 재-프로파일링하는 단계 후, 상기 사용자 프로파일과 관련된 지식의 상태를 업데이트하는 단계를 포함하는 적어도 하나의 광고의 선택 방법.
- 제 1 항에 있어서,상기 콘텐츠 컨텍스트 프로파일을 생성하는 단계;상기 콘텐츠 컨텍스트 프로파일과 관련된 지식의 상태를 초기화하는 단계;상기 콘텐츠 컨텍스트 프로파일을 재-프로파일링하는 단계; 및상기 재-프로파일링하는 단계 후, 상기 콘텐츠 컨텍스트 프로파일과 관련된 지식의 상태를 업데이트하는 단계를 포함하는 적어도 하나의 광고의 선택 방법.
- 제 1 항에 있어서,상기 광고 프로파일을 생성하는 단계;상기 광고 프로파일과 관련된 지식의 상태를 초기화하는 단계;상기 광고 프로파일을 재-프로파일링하는 단계; 및상기 재-프로파일링하는 단계 후, 상기 광고 프로파일과 관련된 지식의 상태를 업데이트하는 단계를 포함하는 적어도 하나의 광고의 선택 방법.
- 제 1 항에 있어서,상기 적어도 하나의 선호 광고로 사용자의 반응을 추정하는 단계; 및ⅰ) 상기 사용자 프로파일의 재-평가;ⅱ) 상기 사용자 프로파일과 관련된 지식의 상태, 상기 콘텐츠 컨텍스트 프로파일과 관련된 지식의 상태 및 상기 광고 프로파일과 관련된 지식의 상태의 새로운 업데이트; 및ⅲ) 상기 적어도 하나의 선호 광고를 조건부로 선택하는 단계의 평가 중 적 어도 하나를 수행하도록 사용자의 반응을 이용하는 단계를 더 포함하는 적어도 하나의 광고의 선택 방법.
- 제 1 항에 있어서,상기 사용자와 관련된 지식에 기초한 사용자 프로파일을 조사하는 단계는:ⅰ) 인구통계학적 코호트;ⅱ) 지리학적 코호트;ⅲ) 잠재 코호트; 및ⅳ) 광고 선호도 코호트 중 적어도 하나를 포함하는 적어도 하나의 코호트에 사용자를 할당하는 단계를 포함하는 적어도 하나의 광고의 선택 방법.
- 제 6 항에 있어서,상기 적어도 하나의 코호트에 사용자를 할당하는 단계는 잠재 코호트에 사용자를 할당하기 위해 확률적 코호트 선택 기술을 사용하는 단계를 포함하는 적어도 하나의 광고의 선택 방법.
- 제 6 항에 있어서,상기 적어도 하나의 코호트에 사용자를 할당하는 단계는:디폴트 코호트에 사용자를 할당하는 단계; 및디폴트 코호트를 상속하는 단계를 포함하는 적어도 하나의 광고의 선택 방 법.
- 제 6 항에 있어서,상기 적어도 하나의 코호트에 사용자를 할당하는 단계는:ⅰ) 사용자의 적어도 하나의 인구통계학적 특성;ⅱ) 사용자의 적어도 하나의 사회경제학적 특성;ⅲ) 사용자의 적어도 하나의 위치;ⅳ) 적어도 하나의 사용자 평점;ⅴ) 적어도 하나의 웹 페이지 하이퍼링크 선택;ⅵ) 적어도 하나의 웹 페이지 보기;ⅶ) 사용자에 의해 선택된 적어도 하나의 광고 임프레션;ⅷ) 사용자에 의해 선택되지 않은 적어도 하나의 광고 임프레션;ⅸ) 적어도 하나의 최근 검색 질의; 및ⅹ) 사용자의 적어도 하나의 최근 관심사 중 적어도 하나를 포함하는 사용자와 관련된 지식을 평가하는 단계를 포함하는 적어도 하나의 광고의 선택 방법.
- 제 9 항에 있어서,상기 사용자와 관련된 지식을 평가하는 단계는:ⅰ) 적어도 하나의 웹 검색 질의;ⅱ) 적어도 하나의 제품 검색 질의;ⅲ) 적어도 하나의 오락 검색 질의;ⅳ) 적어도 하나의 영화 검색 질의;ⅴ) 적어도 하나의 음악 검색 질의;ⅵ) 적어도 하나의 TV 검색 질의;ⅶ) 적어도 하나의 비디오 검색 질의;ⅷ) 적어도 하나의 미디어 검색 질의; 및ⅸ) 적어도 하나의 이미지 검색 질의 중 적어도 하나를 포함하는 적어도 하나의 최근 검색 질의를 평가하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 9 항에 있어서,상기 사용자와 관련된 지식을 평가하는 단계는:ⅰ) 적어도 하나의 최근 검색된 질의;ⅱ) 적어도 하나의 최근 방문 페이지;ⅲ) 적어도 하나의 최근 선택된 광고;ⅳ) 적어도 하나의 최근 구매된 제품;ⅴ) 적어도 하나의 최근 사려고 검토된 제품; 및ⅵ) 적어도 하나의 사용자(108)와 관련된 현재 위치 중 적어도 하나를 포함하는 사용자의 적어도 하나의 최근 관심사를 평가하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 1 항에 있어서,상기 복수의 광고와 관련된 광고 프로파일을 조사하는 단계는 상기 복수의 광고 내에:ⅰ) 문자 광고;ⅱ) 배너 광고;ⅲ) 리치 미디어 광고;ⅳ) 마케팅 판촉;ⅴ) 쿠폰; 및ⅵ) 제품 추천 중 적어도 하나를 포함하는 적어도 하나의 예상 광고를 조사하는 적어도 하나의 광고 선택 방법.
- 제 1 항에 있어서,상기 애플리케이션의 유형 및 애플리케이션 환경과 관련된 콘텐츠 컨텍스트 프로파일을 조사하는 단계는:ⅰ) 예상 광고가 나타나 있는 웹 페이지;ⅱ) 예상 광고가 나타나 있는 휴대용 장치;ⅲ) 예상 광고가 나타나 있는 고객 서비스 플랫폼;ⅳ) 예상 광고가 나타나 있는 콜 센터;ⅴ) 예상 광고가 나타나 있는 키오스크;ⅵ) 예상 광고가 나타나 있는 미디어 플랫폼;ⅶ) 예상 광고가 나타나 있는 이벤트 관련된 캠페인;ⅷ) 예상 광고가 사용자에게 나타나질 계획된 장소;ⅸ) 복수의 웹 페이지; 및ⅹ) 검색을 통해 발생된 복수의 웹 페이지 중 적어도 하나를 포함하는 콘텐츠 컨텍스트 프로파일을 생성하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 13 항에 있어서,상기 콘텐츠 컨텍스트 프로파일을 생성하는 단계는 상기 콘텐츠 컨텍스트 프로파일과 관련된:ⅰ) 예상 광고가 나타나 있는 웹 페이지의 적어도 하나의 속성;ⅱ) 예상 광고가 나타나 있는 휴대용 장치의 적어도 하나의 속성;ⅲ) 예상 광고가 나타나 있는 고객 서비스 플랫폼의 적어도 하나의 속성;ⅳ) 예상 광고가 나타나 있는 콜 센터의 적어도 하나의 속성;ⅴ) 예상 광고가 나타나 있는 키오스트의 적어도 하나의 속성;ⅵ) 예상 광고가 나타나 있는 미디어 플랫폼의 적어도 하나의 속성;ⅶ) 예상 광고가 나타나 있는 이벤트와 관련된 캠페인의 적어도 하나의 속성;ⅷ) 예상 광고가 사용자에 나타나질 계획된 장소의 적어도 하나의 속성;ⅸ) 복수의 웹 페이지의 적어도 하나의 속성; 및ⅹ) 검색으로 발생된 복수의 웹 페이지의 적어도 하나의 속성 중 적어도 하 나를 포함하는 적어도 하나의 속성을 평가하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 1 항에 있어서,상기 복수의 광고와 관련된 광고 프로파일을 조사하는 단계는:ⅰ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 메타데이터;ⅱ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 사운드;ⅲ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 이미지;ⅳ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 색상;ⅴ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 크기;ⅵ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 잠재 속성;ⅶ) 복수의 광고 내에 적어도 하나의 예상 광고와 관련된 적어도 하나의 광고주 지정 태그; 및ⅷ) 광고가 사용자를 유도하는 웹 페이지와 관련된 적어도 하나의 웹 페이지 속성 중 적어도 하나를 포함하는 적어도 하나의 속성을 조사하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 1 항에 있어서,상기 사용자로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고를 조건부로 선택하는 단계는 적어도 하나의 선호 광고의 선택을 조건으로 하도록 최적화 메트릭을 이용하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 16 항에 있어서,상기 적어도 하나의 선호 광고의 선택을 조건으로 하도록 최적화 메트릭을 이용하는 단계는 복수의 예상 사용자로 표시되는 예상 광고가 복수의 예상 사용자에 의해 선택되는 비율을 정의하는 클릭 쓰루 율을 포함하도록 최적화 메트릭을 정의하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 16 항에 있어서,상기 적어도 하나의 선호 광고의 선택을 조건으로 하도록 최적화 메트릭을 이용하는 단계는 예상 광고가 적어도 하나의 예상 사용자에 표시되는 비율에 기초한 기대 광고 수익을 포함하도록 최적화 메트릭을 정의하는 단계를 포함하며, 상기 기대 광고 수익은:ⅰ) 광고 서비스 엔진 수익; 및ⅱ) 광고 수익 중 적어도 하나를 포함하는 적어도 하나의 광고 선택 방법.
- 제 16 항에 있어서,상기 적어도 하나의 선호 광고의 선택을 조건으로 하도록 최적화 메트릭을 이용하는 단계는 적어도 하나의 예상 광고와 관련된 적어도 하나의 속성에 가중치를 두는 단계를 포함하고, 상기 가중치는 사용자 프로파일과 관련된 지식의 상태, 콘텐츠 컨텍스트 프로파일과 관련된 지식의 상태 및 광고 프로파일과 관련된 지식의 상태가 적어도 하나의 속성을 평가하는 양의 추정으로부터 생기는 적어도 하나의 광고 선택 방법.
- 제 1 항에 있어서,상기 사용자로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고를 조건부로 선택하는 단계는 사용자가 적어도 하나의 선호 광고를 선택할 확률을 계산하는 단계를 포함하고, 상기 확률은:ⅰ) 사용자 프로파일;ⅱ) 광고 프로파일; 및ⅲ) 콘텐츠 컨텍스트 프로파일 중 적어도 하나에 기초하는 적어도 하나의 광고 선택 방법.
- 제 20 항에 있어서,상기 사용자가 적어도 하나의 선호 광고를 선택할 확률을 계산하는 단계는:ⅰ) 잠재 코호트 클릭 모델; 및ⅱ) 랜덤 계수 클릭 모델 중 적어도 하나에 기초한 확률을 수식화하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 21 항에 있어서,상기 잠재 코호트 클릭 모델 및 랜덤 계수 클릭 모델 중 적어도 하나에 기초한 확률을 수식화하는 단계는 확률을 계산하는 데 사용된 적어도 하나의 매개변수를 평가하기 위해 이력 데이터를 이용하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 5 항에 있어서,상기 적어도 하나의 선호 광고로 사용자의 반응을 추정하는 단계는:사용자에 의해 선택된 복수의 광고를 포함하는 사용자 선택 광고의 서브 세트를 식별하는 단계; 및사용자에 의해 선택되지 않은 복수의 광고를 포함하는 사용자 비선택 광고의 서브 세트를 식별하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 5 항에 있어서,상기 사용자 프로파일의 재-평가, 상기 사용자 프로파일과 관련된 지식의 상태, 상기 콘텐츠 컨텍스트 프로파일과 관련된 지식의 상태 및 상기 광고 프로파일과 관련된 지식의 상태의 새로운 업데이트, 및 상기 적어도 하나의 선호 광고를 조 건부로 선택하는 단계의 평가 중 적어도 하나를 수행하도록 사용자의 반응을 이용하는 단계는:ⅰ) 사용자와 선호 광고와의 대화;ⅱ) 사용자의 활동 이력;ⅲ) 콘텐츠 컨텍스트 프로파일의 적어도 하나의 속성;ⅳ) 광고 프로파일의 적어도 하나의 속성; 및ⅴ) 사용자와 관련된 적어도 하나의 사용자 프로파일에 기초하여, 적어도 하나의 선호 광고에 대한 스코어를 추정하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 5 항에 있어서,상기 사용자 프로파일의 재-평가, 상기 사용자 프로파일과 관련된 지식의 상태, 상기 콘텐츠 컨텍스트 프로파일과 관련된 지식의 상태 및 상기 광고 프로파일과 관련된 지식의 상태의 새로운 업데이트, 및 상기 적어도 하나의 선호 광고를 조건부로 선택하는 단계의 평가 중 적어도 하나를 수행하도록 사용자의 반응을 이용하는 단계는:적어도 하나의 선호 광고와 관련된 적어도 하나의 속성에 속성 가중치를 할당하는 단계;적어도 하나의 선호 광고와 관련된 사용자의 활동 이력을 컴파일하는 단계; 및사용자의 활동 이력에 기초한 속성 가중치를 조절하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 2 항에 있어서,상기 사용자 프로파일과 관련된 지식의 상태를 업데이트하는 단계는:ⅰ) 사용자 선택인 복수의 광고와 관련된 이력;ⅱ) 사용자 비선택인 복수의 광고와 관련된 이력;ⅲ) 복수의 코호트에 할당된 복수의 사용자와 관련된 복수의 사용자 프로파일;ⅳ) 복수의 광고 프로파일; 및ⅴ) 복수의 콘텐츠 컨텍스트 프로파일 중 적어도 하나에 기초한 누적 이력을 컴파일하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 2 항에 있어서,상기 사용자 프로파일과 관련된 지식의 상태를 업데이트하는 단계는:ⅰ) 지정된 업데이트 빈도; 및ⅱ) 사용자 프로파일의 업데이트의 과정을 유발하는 사용자의 최근 활동 중 적어도 하나에 기초한 사용자 프로파일을 주기적으로 업데이트하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 1 항에 있어서,사용자로부터 적어도 하나의 질의 형태를 수신하는 단계; 및적어도 하나의 선호 광고의 선택을 최적화하도록 적어도 하나의 질의를 변경하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 28 항에 있어서,상기 적어도 하나의 광고의 선택을 최적화하도록 적어도 하나의 질의를 변경하는 단계는 적어도 하나의 광고의 선택의 최적화를 가져오는 질의에 필수적인 변경을 결정하도록 사용자와 관련된 지식을 조사하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 1 항에 있어서,상기 복수의 광고와 관련된 광고 프로파일을 조사하는 단계는:복수의 광고에서 적어도 하나의 광고가 사용자를 유도하는 위치를 조사하는 단계; 및상기 위치의 적어도 하나의 특성을 속성화하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 30 항에 있어서,적어도 하나의 광고가 사용자에게 매력적이도록 적어도 하나의 광고가 사용 자를 유도하는 위치의 적어도 하나의 특성의 변경을 추천하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 12 항에 있어서,상기 복수의 광고 내의 적어도 하나의 예상 광고를 조사하는 단계는:적어도 하나의 예상 광고의 타이틀을 조사하는 단계; 및적어도 하나의 예상 광고와 관련된 URL을 조사하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 제 12 항에 있어서,상기 복수의 광고 내의 적어도 하나의 예상 광고를 조사하는 단계는 적어도 하나의 예상 광고가 사용자에게 매력적이도록 적어도 하나의 예상 광고의 콘텐츠의 변경을 추천하는 단계를 포함하는 적어도 하나의 광고 선택 방법.
- 메모리;프로세서;통신 인터페이스; 및상기 메모리, 상기 프로세서 및 상기 통신 인터페이스와 결합하는 상호접속 메커니즘을 포함하고,상기 메모리는 프로세서상에서 실행되는 경우:사용자와 관련된 지식에 기초한 사용자 프로파일을 조사하는 단계;애플리케이션의 유형 및 애플리케이션 환경과 관련된 콘텐츠 컨텍스트 프로파일을 조사하는 단계;복수의 속성을 포함하는 복수의 광고와 관련된 광고 프로파일을 조사하는 단계;및사용자로의 표시를 위해 복수의 광고에서, 상기 사용자 프로파일, 상기 광고 프로파일 및 상기 콘텐츠 컨텍스트 프로파일의 통계학적 분석에 기초하여 선택되는 적어도 하나의 선호 광고를 조건부로 선택하는 단계의 동작을 수행함으로써 컴퓨터 장치상에서 광고를 선택할 수 있는 광고 선택 애플리케이션으로 부호화되는 컴퓨터 장치.
- 컴퓨터 장치의 프로세스상에서 실행되는 경우 광고 선택을 제공하는 컴퓨터 프로그래밍 로직으로 부호화되는 컴퓨터 판독가능 매체에 있어서,사용자와 관련된 지식에 기초한 사용자 프로파일을 조사하기 위한 수단;애플리케이션 유형 및 애플리케이션 환경과 관련된 콘텐츠 컨텍스트 프로파일을 조사하기 위한 수단;복수의 속성을 포함하는 복수의 광고와 관련된 광고 프로파일을 조사하기 위한 수단; 및사용자로의 표시를 위해 복수의 광고에서, 상기 사용자 프로파일, 상기 광고 프로파일 및 상기 콘텐츠 컨텍스트 프로파일의 통계학적 분석에 기초하여 선택되는 적어도 하나의 선호 광고를 조건부로 선택하기 위한 수단을 포함하는 컴퓨터 판독가능 매체.
- 제 9 항에 있어서,상기 사용자와 관련된 지식을 평가하는 단계는:ⅰ) 제품에 대한 적어도 하나의 사용자 평점;ⅱ) 오락에 대한 적어도 하나의 사용자 평점;ⅲ) 영화에 대한 적어도 하나의 사용자 평점;ⅳ) 음악에 대한 적어도 하나의 사용자 평점;ⅴ) TV 쇼에 대한 적어도 하나의 사용자 평점; 및ⅵ) 리치 미디어(rich media)에 대한 하나의 사용자 평점 중 적어도 하나를 포함하는 적어도 하나의 사용자 평점을 평가하는 적어도 하나의 광고 선택 방법.
- 제 1 항에 있어서,상기 사용자로의 표시를 위해 복수의 광고에서 적어도 하나의 선호 광고를 조건부로 선택하는 단계는 복수의 광고에서 광고의 적어도 하나의 서브세트를 선택하는 단계를 포함하고, 상기 광고의 적어도 하나의 서브세트는 변화 및 다양성을 도입하기 위해 선택된 포트폴리오로서 분류되고, 상기 광고의 적어도 하나의 서브세트는 사용자 프로파일과 관련된 지식의 상태, 콘텐츠 컨텍스트 프로파일과 관련된 지식의 상태 및 광고 프로파일과 관련된 지식의 상태를 통계학적으로 분석함으 로써 결정되는 복수의 다른 그룹으로부터 복수의 광고에서 적어도 하나의 광고를 포함하는 포트폴리오로서 분류되는 적어도 하나의 광고 선택 방법.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US69466105P | 2005-06-28 | 2005-06-28 | |
US60/694,661 | 2005-06-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20080043764A true KR20080043764A (ko) | 2008-05-19 |
Family
ID=37596064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020087001722A KR20080043764A (ko) | 2005-06-28 | 2006-06-28 | 타게팅 광고용 통계 시스템에 관한 방법 및 장치 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20060294084A1 (ko) |
EP (1) | EP1896958A4 (ko) |
JP (1) | JP2008545200A (ko) |
KR (1) | KR20080043764A (ko) |
CA (1) | CA2613200A1 (ko) |
IL (1) | IL188391A0 (ko) |
WO (1) | WO2007002859A2 (ko) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101028810B1 (ko) * | 2010-05-26 | 2011-04-25 | (주) 라이브포인트 | 광고 대상 분석 장치 및 그 방법 |
KR20110112535A (ko) * | 2010-04-07 | 2011-10-13 | 한국전자통신연구원 | 영상 인지 광고 장치 및 영상 인지 광고 장치에서의 광고 콘텐츠 제공 방법 |
KR101324909B1 (ko) * | 2009-04-16 | 2013-11-04 | 액센츄어 글로벌 서비시즈 리미티드 | 터치포인트 커스터마이제이션 시스템 |
KR20140119611A (ko) * | 2013-03-27 | 2014-10-10 | 삼성전자주식회사 | 애플리케이션을 실행하는 방법 및 디바이스 |
KR20150044057A (ko) * | 2013-10-15 | 2015-04-24 | 에스케이플래닛 주식회사 | 타깃 마케팅을 제공하는 서비스 제공 장치, 그를 포함하는 타깃 마케팅 시스템, 그 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
WO2015178697A1 (ko) * | 2014-05-22 | 2015-11-26 | 주식회사 밸류포션 | 코호트 기반의 사용자 분석 플랫폼과 마케팅 플랫폼을 이용한 광고방법 및 장치 |
KR20150135081A (ko) * | 2014-05-22 | 2015-12-02 | 주식회사 밸류포션 | 코호트 기반의 사용자 분석 플랫폼과 마케팅 플랫폼을 이용한 광고방법 및 장치 |
KR20170141247A (ko) * | 2016-01-12 | 2017-12-22 | 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 | 정보 추천 방법 및 장치 |
US10534821B2 (en) | 2012-07-09 | 2020-01-14 | Facebook, Inc. | Acquiring structured user data using composer interface having input fields corresponding to acquired structured data |
US10739958B2 (en) | 2013-03-27 | 2020-08-11 | Samsung Electronics Co., Ltd. | Method and device for executing application using icon associated with application metadata |
US10824707B2 (en) | 2013-03-27 | 2020-11-03 | Samsung Electronics Co., Ltd. | Method and device for providing security content |
EP4361873A1 (en) | 2022-10-28 | 2024-05-01 | Naver Corporation | Method, system, and recording medium for expanding and utilizing data using pseudonymous association |
Families Citing this family (184)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090030779A1 (en) * | 2005-02-04 | 2009-01-29 | Preston Tollinger | Electronic coupon filtering and delivery |
WO2006084247A2 (en) * | 2005-02-04 | 2006-08-10 | Cellfire, Inc. | Delivering targeted advertising to mobile devices |
US9002725B1 (en) | 2005-04-20 | 2015-04-07 | Google Inc. | System and method for targeting information based on message content |
US20070038634A1 (en) * | 2005-08-09 | 2007-02-15 | Glover Eric J | Method for targeting World Wide Web content and advertising to a user |
US7676394B2 (en) | 2005-09-14 | 2010-03-09 | Jumptap, Inc. | Dynamic bidding and expected value |
US8364521B2 (en) | 2005-09-14 | 2013-01-29 | Jumptap, Inc. | Rendering targeted advertisement on mobile communication facilities |
US10585942B2 (en) * | 2005-09-14 | 2020-03-10 | Millennial Media Llc | Presentation of search results to mobile devices based on viewing history |
US7752209B2 (en) | 2005-09-14 | 2010-07-06 | Jumptap, Inc. | Presenting sponsored content on a mobile communication facility |
US8503995B2 (en) | 2005-09-14 | 2013-08-06 | Jumptap, Inc. | Mobile dynamic advertisement creation and placement |
US9703892B2 (en) | 2005-09-14 | 2017-07-11 | Millennial Media Llc | Predictive text completion for a mobile communication facility |
US8311888B2 (en) | 2005-09-14 | 2012-11-13 | Jumptap, Inc. | Revenue models associated with syndication of a behavioral profile using a monetization platform |
US9471925B2 (en) | 2005-09-14 | 2016-10-18 | Millennial Media Llc | Increasing mobile interactivity |
US7577665B2 (en) | 2005-09-14 | 2009-08-18 | Jumptap, Inc. | User characteristic influenced search results |
US10911894B2 (en) | 2005-09-14 | 2021-02-02 | Verizon Media Inc. | Use of dynamic content generation parameters based on previous performance of those parameters |
US10038756B2 (en) | 2005-09-14 | 2018-07-31 | Millenial Media LLC | Managing sponsored content based on device characteristics |
US8615719B2 (en) | 2005-09-14 | 2013-12-24 | Jumptap, Inc. | Managing sponsored content for delivery to mobile communication facilities |
US10592930B2 (en) | 2005-09-14 | 2020-03-17 | Millenial Media, LLC | Syndication of a behavioral profile using a monetization platform |
US8666376B2 (en) | 2005-09-14 | 2014-03-04 | Millennial Media | Location based mobile shopping affinity program |
US8832100B2 (en) | 2005-09-14 | 2014-09-09 | Millennial Media, Inc. | User transaction history influenced search results |
US8209344B2 (en) | 2005-09-14 | 2012-06-26 | Jumptap, Inc. | Embedding sponsored content in mobile applications |
US9058406B2 (en) | 2005-09-14 | 2015-06-16 | Millennial Media, Inc. | Management of multiple advertising inventories using a monetization platform |
US8238888B2 (en) | 2006-09-13 | 2012-08-07 | Jumptap, Inc. | Methods and systems for mobile coupon placement |
US7912458B2 (en) | 2005-09-14 | 2011-03-22 | Jumptap, Inc. | Interaction analysis and prioritization of mobile content |
US7769764B2 (en) * | 2005-09-14 | 2010-08-03 | Jumptap, Inc. | Mobile advertisement syndication |
US8660891B2 (en) | 2005-11-01 | 2014-02-25 | Millennial Media | Interactive mobile advertisement banners |
US7660581B2 (en) | 2005-09-14 | 2010-02-09 | Jumptap, Inc. | Managing sponsored content based on usage history |
US8819659B2 (en) | 2005-09-14 | 2014-08-26 | Millennial Media, Inc. | Mobile search service instant activation |
US9201979B2 (en) | 2005-09-14 | 2015-12-01 | Millennial Media, Inc. | Syndication of a behavioral profile associated with an availability condition using a monetization platform |
US8805339B2 (en) | 2005-09-14 | 2014-08-12 | Millennial Media, Inc. | Categorization of a mobile user profile based on browse and viewing behavior |
US20110313853A1 (en) | 2005-09-14 | 2011-12-22 | Jorey Ramer | System for targeting advertising content to a plurality of mobile communication facilities |
US8364540B2 (en) * | 2005-09-14 | 2013-01-29 | Jumptap, Inc. | Contextual targeting of content using a monetization platform |
US9076175B2 (en) | 2005-09-14 | 2015-07-07 | Millennial Media, Inc. | Mobile comparison shopping |
US8812526B2 (en) | 2005-09-14 | 2014-08-19 | Millennial Media, Inc. | Mobile content cross-inventory yield optimization |
US7702318B2 (en) | 2005-09-14 | 2010-04-20 | Jumptap, Inc. | Presentation of sponsored content based on mobile transaction event |
US8688671B2 (en) * | 2005-09-14 | 2014-04-01 | Millennial Media | Managing sponsored content based on geographic region |
US20100076994A1 (en) * | 2005-11-05 | 2010-03-25 | Adam Soroca | Using Mobile Communication Facility Device Data Within a Monetization Platform |
US8989718B2 (en) | 2005-09-14 | 2015-03-24 | Millennial Media, Inc. | Idle screen advertising |
US8433297B2 (en) | 2005-11-05 | 2013-04-30 | Jumptag, Inc. | System for targeting advertising content to a plurality of mobile communication facilities |
US8103545B2 (en) | 2005-09-14 | 2012-01-24 | Jumptap, Inc. | Managing payment for sponsored content presented to mobile communication facilities |
US8429184B2 (en) | 2005-12-05 | 2013-04-23 | Collarity Inc. | Generation of refinement terms for search queries |
US7949714B1 (en) | 2005-12-05 | 2011-05-24 | Google Inc. | System and method for targeting advertisements or other information using user geographical information |
US7756855B2 (en) * | 2006-10-11 | 2010-07-13 | Collarity, Inc. | Search phrase refinement by search term replacement |
US8903810B2 (en) | 2005-12-05 | 2014-12-02 | Collarity, Inc. | Techniques for ranking search results |
US8601004B1 (en) * | 2005-12-06 | 2013-12-03 | Google Inc. | System and method for targeting information items based on popularities of the information items |
US7571123B1 (en) * | 2006-04-21 | 2009-08-04 | Sprint Communications Company L.P. | Web services management architecture |
US20130254787A1 (en) * | 2006-05-02 | 2013-09-26 | Invidi Technologies Corporation | Method and apparatus to perform real-time audience estimation and commercial selection suitable for targeted advertising |
US8442972B2 (en) * | 2006-10-11 | 2013-05-14 | Collarity, Inc. | Negative associations for search results ranking and refinement |
US20100073202A1 (en) * | 2008-09-25 | 2010-03-25 | Mazed Mohammad A | Portable internet appliance |
US20130031104A1 (en) * | 2007-01-04 | 2013-01-31 | Choicestream, Inc | Recommendation jitter |
US20080169930A1 (en) * | 2007-01-17 | 2008-07-17 | Sony Computer Entertainment Inc. | Method and system for measuring a user's level of attention to content |
WO2008101014A1 (en) * | 2007-02-13 | 2008-08-21 | Google Inc. | Determining metrics associated with advertising specialist |
US20090112621A1 (en) * | 2007-10-30 | 2009-04-30 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational user-health testing responsive to a user interaction with advertiser-configured content |
US20090112620A1 (en) * | 2007-10-30 | 2009-04-30 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Polling for interest in computational user-health test output |
US20090112616A1 (en) * | 2007-10-30 | 2009-04-30 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Polling for interest in computational user-health test output |
US20080319276A1 (en) * | 2007-03-30 | 2008-12-25 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational user-health testing |
US8065240B2 (en) * | 2007-10-31 | 2011-11-22 | The Invention Science Fund I | Computational user-health testing responsive to a user interaction with advertiser-configured content |
US8356035B1 (en) | 2007-04-10 | 2013-01-15 | Google Inc. | Association of terms with images using image similarity |
US7904461B2 (en) | 2007-05-01 | 2011-03-08 | Google Inc. | Advertiser and user association |
US8055664B2 (en) * | 2007-05-01 | 2011-11-08 | Google Inc. | Inferring user interests |
US8639826B2 (en) * | 2007-05-07 | 2014-01-28 | Fourthwall Media, Inc. | Providing personalized resources on-demand over a broadband network to consumer device applications |
US20080294622A1 (en) * | 2007-05-25 | 2008-11-27 | Issar Amit Kanigsberg | Ontology based recommendation systems and methods |
US7734641B2 (en) | 2007-05-25 | 2010-06-08 | Peerset, Inc. | Recommendation systems and methods using interest correlation |
US20080294624A1 (en) * | 2007-05-25 | 2008-11-27 | Ontogenix, Inc. | Recommendation systems and methods using interest correlation |
US9392074B2 (en) | 2007-07-07 | 2016-07-12 | Qualcomm Incorporated | User profile generation architecture for mobile content-message targeting |
US9497286B2 (en) | 2007-07-07 | 2016-11-15 | Qualcomm Incorporated | Method and system for providing targeted information based on a user profile in a mobile environment |
KR101216694B1 (ko) * | 2007-08-29 | 2012-12-28 | 주식회사 엔톰애드 | 복수개의 인터넷 광고 제공 방법 및 장치 |
US20090063249A1 (en) * | 2007-09-04 | 2009-03-05 | Yahoo! Inc. | Adaptive Ad Server |
US20090070207A1 (en) * | 2007-09-10 | 2009-03-12 | Cellfire | Electronic coupon display system and method |
JP2009087002A (ja) * | 2007-09-28 | 2009-04-23 | Mazda Motor Corp | 市場分析支援方法 |
JP2009086998A (ja) * | 2007-09-28 | 2009-04-23 | Mazda Motor Corp | 市場分析支援方法 |
JP2009087000A (ja) * | 2007-09-28 | 2009-04-23 | Mazda Motor Corp | 市場分析支援方法 |
US20090106087A1 (en) | 2007-10-17 | 2009-04-23 | Google Inc. | Contextual auction bidding |
US7853622B1 (en) | 2007-11-01 | 2010-12-14 | Google Inc. | Video-related recommendations using link structure |
US8041082B1 (en) | 2007-11-02 | 2011-10-18 | Google Inc. | Inferring the gender of a face in an image |
US20090125517A1 (en) | 2007-11-14 | 2009-05-14 | Qualcomm Incorporated | Method and system for keyword correlation in a mobile environment |
US20090148045A1 (en) * | 2007-12-07 | 2009-06-11 | Microsoft Corporation | Applying image-based contextual advertisements to images |
US20090156955A1 (en) * | 2007-12-13 | 2009-06-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for comparing media content |
US20090164302A1 (en) * | 2007-12-20 | 2009-06-25 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for specifying a cohort-linked avatar attribute |
US8615479B2 (en) * | 2007-12-13 | 2013-12-24 | The Invention Science Fund I, Llc | Methods and systems for indicating behavior in a population cohort |
US20090157481A1 (en) * | 2007-12-13 | 2009-06-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for specifying a cohort-linked avatar attribute |
US20090157660A1 (en) * | 2007-12-13 | 2009-06-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems employing a cohort-linked avatar |
US9211077B2 (en) * | 2007-12-13 | 2015-12-15 | The Invention Science Fund I, Llc | Methods and systems for specifying an avatar |
US20090157751A1 (en) * | 2007-12-13 | 2009-06-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for specifying an avatar |
US20090157625A1 (en) * | 2007-12-13 | 2009-06-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for identifying an avatar-linked population cohort |
US20090164458A1 (en) * | 2007-12-20 | 2009-06-25 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems employing a cohort-linked avatar |
US8195593B2 (en) | 2007-12-20 | 2012-06-05 | The Invention Science Fund I | Methods and systems for indicating behavior in a population cohort |
US8069125B2 (en) * | 2007-12-13 | 2011-11-29 | The Invention Science Fund I | Methods and systems for comparing media content |
US8356004B2 (en) * | 2007-12-13 | 2013-01-15 | Searete Llc | Methods and systems for comparing media content |
US9391789B2 (en) | 2007-12-14 | 2016-07-12 | Qualcomm Incorporated | Method and system for multi-level distribution information cache management in a mobile environment |
US9418368B2 (en) * | 2007-12-20 | 2016-08-16 | Invention Science Fund I, Llc | Methods and systems for determining interest in a cohort-linked avatar |
US8150796B2 (en) * | 2007-12-20 | 2012-04-03 | The Invention Science Fund I | Methods and systems for inducing behavior in a population cohort |
US9775554B2 (en) * | 2007-12-31 | 2017-10-03 | Invention Science Fund I, Llc | Population cohort-linked avatar |
US20090198554A1 (en) * | 2008-02-01 | 2009-08-06 | David Selinger | System and process for identifying users for which non-competitive advertisements is relevant |
US20090198551A1 (en) * | 2008-02-01 | 2009-08-06 | David Selinger | System and process for selecting personalized non-competitive electronic advertising for electronic display |
US20090199233A1 (en) * | 2008-02-01 | 2009-08-06 | David Selinger | System and process for generating a selection model for use in personalized non-competitive advertising |
US20090198556A1 (en) * | 2008-02-01 | 2009-08-06 | David Selinger | System and process for selecting personalized non-competitive electronic advertising |
US20090198555A1 (en) * | 2008-02-01 | 2009-08-06 | David Selinger | System and process for providing cooperative electronic advertising |
US20090198552A1 (en) * | 2008-02-01 | 2009-08-06 | David Selinger | System and process for identifying users for which cooperative electronic advertising is relevant |
US20090198553A1 (en) * | 2008-02-01 | 2009-08-06 | David Selinger | System and process for generating a user model for use in providing personalized advertisements to retail customers |
US20090216563A1 (en) * | 2008-02-25 | 2009-08-27 | Michael Sandoval | Electronic profile development, storage, use and systems for taking action based thereon |
US20090216639A1 (en) * | 2008-02-25 | 2009-08-27 | Mark Joseph Kapczynski | Advertising selection and display based on electronic profile information |
US20090222315A1 (en) * | 2008-02-28 | 2009-09-03 | Microsoft Corporation | Selection of targeted advertisements |
US20090228327A1 (en) * | 2008-03-07 | 2009-09-10 | Microsoft Corporation | Rapid statistical inventory estimation for direct email marketing |
US9477776B2 (en) * | 2008-04-02 | 2016-10-25 | Paypal, Inc. | System and method for visualization of data |
US20130254349A1 (en) * | 2008-04-17 | 2013-09-26 | Jon Scott Zaccagnino | Systems and methods for publishing, managing and/or distributing one or more types of local digital media content to one or more digital devices |
US8364528B2 (en) * | 2008-05-06 | 2013-01-29 | Richrelevance, Inc. | System and process for improving product recommendations for use in providing personalized advertisements to retail customers |
US8583524B2 (en) * | 2008-05-06 | 2013-11-12 | Richrelevance, Inc. | System and process for improving recommendations for use in providing personalized advertisements to retail customers |
US8108329B2 (en) * | 2008-05-06 | 2012-01-31 | Richrelevance, Inc. | System and process for boosting recommendations for use in providing personalized advertisements to retail customers |
US8019642B2 (en) * | 2008-05-06 | 2011-09-13 | Richrelevance, Inc. | System and process for receiving boosting recommendations for use in providing personalized advertisements to retail customers |
US20090299817A1 (en) * | 2008-06-03 | 2009-12-03 | Qualcomm Incorporated | Marketing and advertising framework for a wireless device |
US8438178B2 (en) | 2008-06-26 | 2013-05-07 | Collarity Inc. | Interactions among online digital identities |
US7961986B1 (en) | 2008-06-30 | 2011-06-14 | Google Inc. | Ranking of images and image labels |
US8762313B2 (en) | 2008-07-25 | 2014-06-24 | Liveperson, Inc. | Method and system for creating a predictive model for targeting web-page to a surfer |
US8805844B2 (en) | 2008-08-04 | 2014-08-12 | Liveperson, Inc. | Expert search |
WO2010017647A1 (en) * | 2008-08-15 | 2010-02-18 | 9198-74 2 Quebec Inc. | Pull advertising method and system based on pull technology |
AU2009200295C1 (en) * | 2008-09-26 | 2014-11-27 | Guvera Ip Pty Ltd | An Advertising System and Method |
US20100088166A1 (en) * | 2008-10-06 | 2010-04-08 | Cellfire, Inc. | Electronic Coupons |
US9892417B2 (en) | 2008-10-29 | 2018-02-13 | Liveperson, Inc. | System and method for applying tracing tools for network locations |
US20100125507A1 (en) * | 2008-11-17 | 2010-05-20 | Escape Media Group, Inc. | Method and system for presenting sponsored content |
US20100153695A1 (en) * | 2008-12-16 | 2010-06-17 | Microsoft Corporation | Data handling preferences and policies within security policy assertion language |
US20100198685A1 (en) * | 2009-01-30 | 2010-08-05 | Microsoft Corporation | Predicting web advertisement click success by using head-to-head ratings |
US20110025816A1 (en) * | 2009-07-31 | 2011-02-03 | Microsoft Corporation | Advertising as a real-time video call |
US8306922B1 (en) | 2009-10-01 | 2012-11-06 | Google Inc. | Detecting content on a social network using links |
US8311950B1 (en) | 2009-10-01 | 2012-11-13 | Google Inc. | Detecting content on a social network using browsing patterns |
US20110099065A1 (en) * | 2009-10-26 | 2011-04-28 | Sony Corporation | System and method for broadcasting advertisements to client devices in an electronic network |
US20110125777A1 (en) * | 2009-11-25 | 2011-05-26 | At&T Intellectual Property I, L.P. | Sense and Match Advertising Content |
JP5155290B2 (ja) * | 2009-12-04 | 2013-03-06 | ヤフー株式会社 | 購買ステージ判定装置及び購買ステージ判定方法 |
US8543578B2 (en) * | 2009-12-14 | 2013-09-24 | Admantx, S.P.A. | Method and system for automatically identifying related content to an electronic text |
US8875038B2 (en) | 2010-01-19 | 2014-10-28 | Collarity, Inc. | Anchoring for content synchronization |
US8417650B2 (en) * | 2010-01-27 | 2013-04-09 | Microsoft Corporation | Event prediction in dynamic environments |
US8239265B2 (en) * | 2010-01-28 | 2012-08-07 | Microsoft Corporation | Providing contextual advertisements for electronic books |
US8689136B2 (en) * | 2010-02-03 | 2014-04-01 | Yahoo! Inc. | System and method for backend advertisement conversion |
CA2789800A1 (en) * | 2010-03-15 | 2011-09-22 | Jerome Shimizu | Methods and apparatus for integrating volumetric sales data, media consumption information, and geographic-demographic data to target advertisements |
CA2798481A1 (en) | 2010-05-06 | 2011-11-10 | Atigeo Llc | Systems, methods, and computer readable media for security in profile utilizing systems |
US20150248698A1 (en) * | 2010-06-23 | 2015-09-03 | Google Inc. | Distributing content items |
US8918465B2 (en) | 2010-12-14 | 2014-12-23 | Liveperson, Inc. | Authentication of service requests initiated from a social networking site |
US9350598B2 (en) | 2010-12-14 | 2016-05-24 | Liveperson, Inc. | Authentication of service requests using a communications initiation feature |
US9134137B2 (en) | 2010-12-17 | 2015-09-15 | Microsoft Technology Licensing, Llc | Mobile search based on predicted location |
TW201239642A (en) | 2011-03-03 | 2012-10-01 | Brightedge Technologies Inc | Optimization of social media engagement |
US20120226713A1 (en) * | 2011-03-03 | 2012-09-06 | Brightedge Technologies, Inc. | Optimizing internet campaigns |
US9235570B2 (en) | 2011-03-03 | 2016-01-12 | Brightedge Technologies, Inc. | Optimizing internet campaigns |
US8972275B2 (en) | 2011-03-03 | 2015-03-03 | Brightedge Technologies, Inc. | Optimization of social media engagement |
US9163952B2 (en) | 2011-04-15 | 2015-10-20 | Microsoft Technology Licensing, Llc | Suggestive mapping |
US20120290393A1 (en) * | 2011-05-13 | 2012-11-15 | Mobitv, Inc. | User controlled advertising preferences |
US20130006754A1 (en) * | 2011-06-30 | 2013-01-03 | Microsoft Corporation | Multi-step impression campaigns |
US20130204709A1 (en) * | 2012-02-07 | 2013-08-08 | Val KATAYEV | Method and apparatus for providing ads on websites to website visitors based on behavioral targeting |
US8805941B2 (en) | 2012-03-06 | 2014-08-12 | Liveperson, Inc. | Occasionally-connected computing interface |
US9563336B2 (en) | 2012-04-26 | 2017-02-07 | Liveperson, Inc. | Dynamic user interface customization |
US20130297636A1 (en) * | 2012-05-07 | 2013-11-07 | Google Inc. | Content Item Profiles |
US9672196B2 (en) | 2012-05-15 | 2017-06-06 | Liveperson, Inc. | Methods and systems for presenting specialized content using campaign metrics |
JP5577385B2 (ja) * | 2012-06-26 | 2014-08-20 | ヤフー株式会社 | コンテンツ配信装置 |
WO2014031696A1 (en) | 2012-08-20 | 2014-02-27 | OpenX Technologies, Inc. | System and methods for generating dynamic market pricing for use in real-time auctions |
US9721263B2 (en) * | 2012-10-26 | 2017-08-01 | Nbcuniversal Media, Llc | Continuously evolving symmetrical object profiles for online advertisement targeting |
US9270767B2 (en) | 2013-03-15 | 2016-02-23 | Yahoo! Inc. | Method and system for discovery of user unknown interests based on supplemental content |
WO2014169064A1 (en) * | 2013-04-09 | 2014-10-16 | Facebook, Inc. | Obtaining metrics for online advertising using multiple sources of user data |
US20140324578A1 (en) * | 2013-04-29 | 2014-10-30 | Yahoo! Inc. | Systems and methods for instant e-coupon distribution |
US9947019B2 (en) * | 2013-05-13 | 2018-04-17 | Nbcuniversal Media, Llc | Method and system for contextual profiling for object interactions and its application to matching symmetrical objects |
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 |
US9767187B2 (en) * | 2013-11-20 | 2017-09-19 | Google Inc. | Content recommendations based on organic keyword analysis |
US10521824B1 (en) * | 2014-01-02 | 2019-12-31 | Outbrain Inc. | System and method for personalized content recommendations |
US9973794B2 (en) | 2014-04-22 | 2018-05-15 | clypd, inc. | Demand target detection |
CA2951960A1 (en) * | 2014-06-25 | 2015-12-30 | Retailmenot, Inc. | Apparatus and method for mobile-dispatcher for offer redemption work flows |
US9818134B2 (en) | 2015-04-02 | 2017-11-14 | Vungle, Inc. | Systems and methods for dynamic ad selection of multiple ads or ad campaigns on devices |
US10204382B2 (en) | 2015-05-29 | 2019-02-12 | Intuit Inc. | Method and system for identifying users who benefit from filing itemized deductions to reduce an average time consumed for users preparing tax returns with a tax return preparation system |
WO2016196806A1 (en) | 2015-06-02 | 2016-12-08 | Liveperson, Inc. | Dynamic communication routing based on consistency weighting and routing rules |
US10460345B2 (en) * | 2015-06-18 | 2019-10-29 | International Business Machines Corporation | Content targeting with probabilistic presentation time determination |
US10169828B1 (en) | 2015-07-29 | 2019-01-01 | Intuit Inc. | Method and system for applying analytics models to a tax return preparation system to determine a likelihood of receiving earned income tax credit by a user |
US10387787B1 (en) | 2015-10-28 | 2019-08-20 | Intuit Inc. | Method and system for providing personalized user experiences to software system users |
US20170178199A1 (en) * | 2015-12-22 | 2017-06-22 | Intuit Inc. | Method and system for adaptively providing personalized marketing experiences to potential customers and users of a tax return preparation system |
CN106940703B (zh) * | 2016-01-04 | 2020-09-11 | 腾讯科技(北京)有限公司 | 推送信息粗选排序方法及装置 |
US10373064B2 (en) | 2016-01-08 | 2019-08-06 | Intuit Inc. | Method and system for adjusting analytics model characteristics to reduce uncertainty in determining users' preferences for user experience options, to support providing personalized user experiences to users with a software system |
US10861106B1 (en) | 2016-01-14 | 2020-12-08 | Intuit Inc. | Computer generated user interfaces, computerized systems and methods and articles of manufacture for personalizing standardized deduction or itemized deduction flow determinations |
US11069001B1 (en) | 2016-01-15 | 2021-07-20 | Intuit Inc. | Method and system for providing personalized user experiences in compliance with service provider business rules |
US11030631B1 (en) | 2016-01-29 | 2021-06-08 | Intuit Inc. | Method and system for generating user experience analytics models by unbiasing data samples to improve personalization of user experiences in a tax return preparation system |
US10621597B2 (en) | 2016-04-15 | 2020-04-14 | Intuit Inc. | Method and system for updating analytics models that are used to dynamically and adaptively provide personalized user experiences in a software system |
US10621677B2 (en) | 2016-04-25 | 2020-04-14 | Intuit Inc. | Method and system for applying dynamic and adaptive testing techniques to a software system to improve selection of predictive models for personalizing user experiences in the software system |
US9983859B2 (en) | 2016-04-29 | 2018-05-29 | Intuit Inc. | Method and system for developing and deploying data science transformations from a development computing environment into a production computing environment |
US10346927B1 (en) | 2016-06-06 | 2019-07-09 | Intuit Inc. | Method and system for providing a personalized user experience in a tax return preparation system based on predicted life events for a user |
CN108022144B (zh) * | 2016-10-31 | 2022-05-24 | 阿里巴巴集团控股有限公司 | 提供数据对象信息的方法及装置 |
US10943309B1 (en) | 2017-03-10 | 2021-03-09 | Intuit Inc. | System and method for providing a predicted tax refund range based on probabilistic calculation |
JP7515845B2 (ja) * | 2019-10-04 | 2024-07-16 | 株式会社コナミデジタルエンタテインメント | プログラム、ゲーム装置、ゲーム装置の制御方法及びゲームシステム |
JP2021065283A (ja) * | 2019-10-18 | 2021-04-30 | 株式会社コナミデジタルエンタテインメント | プログラム、ゲーム装置、ゲーム装置の制御方法及びゲームシステム |
KR20210143608A (ko) * | 2020-05-20 | 2021-11-29 | 삼성전자주식회사 | 컴퓨팅 장치 및 그 동작 방법 |
US11720927B2 (en) * | 2021-01-13 | 2023-08-08 | Samsung Electronics Co., Ltd. | Method and apparatus for generating user-ad matching list for online advertisement |
Family Cites Families (86)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4775935A (en) * | 1986-09-22 | 1988-10-04 | Westinghouse Electric Corp. | Video merchandising system with variable and adoptive product sequence presentation order |
US4870579A (en) * | 1987-10-01 | 1989-09-26 | Neonics, Inc. | System and method of predicting subjective reactions |
US5107419A (en) * | 1987-12-23 | 1992-04-21 | International Business Machines Corporation | Method of assigning retention and deletion criteria to electronic documents stored in an interactive information handling system |
US5167011A (en) * | 1989-02-15 | 1992-11-24 | W. H. Morris | Method for coodinating information storage and retrieval |
GB8918553D0 (en) * | 1989-08-15 | 1989-09-27 | Digital Equipment Int | Message control system |
US5321833A (en) * | 1990-08-29 | 1994-06-14 | Gte Laboratories Incorporated | Adaptive ranking system for information retrieval |
US5132900A (en) * | 1990-12-26 | 1992-07-21 | International Business Machines Corporation | Method and apparatus for limiting manipulation of documents within a multi-document relationship in a data processing system |
US5446891A (en) * | 1992-02-26 | 1995-08-29 | International Business Machines Corporation | System for adjusting hypertext links with weighed user goals and activities |
US5333266A (en) * | 1992-03-27 | 1994-07-26 | International Business Machines Corporation | Method and apparatus for message handling in computer systems |
US5819226A (en) * | 1992-09-08 | 1998-10-06 | Hnc Software Inc. | Fraud detection using predictive modeling |
US5583763A (en) * | 1993-09-09 | 1996-12-10 | Mni Interactive | Method and apparatus for recommending selections based on preferences in a multi-user system |
US5619709A (en) * | 1993-09-20 | 1997-04-08 | Hnc, Inc. | System and method of context vector generation and retrieval |
US5576954A (en) * | 1993-11-05 | 1996-11-19 | University Of Central Florida | Process for determination of text relevancy |
US5504896A (en) * | 1993-12-29 | 1996-04-02 | At&T Corp. | Method and apparatus for controlling program sources in an interactive television system using hierarchies of finite state machines |
US6202058B1 (en) * | 1994-04-25 | 2001-03-13 | Apple Computer, Inc. | System for ranking the relevance of information objects accessed by computer users |
US5724567A (en) * | 1994-04-25 | 1998-03-03 | Apple Computer, Inc. | System for directing relevance-ranked data objects to computer users |
US6460036B1 (en) * | 1994-11-29 | 2002-10-01 | Pinpoint Incorporated | System and method for providing customized electronic newspapers and target advertisements |
US5758257A (en) * | 1994-11-29 | 1998-05-26 | Herz; Frederick | System and method for scheduling broadcast of and access to video programs and other data using customer profiles |
US6029195A (en) * | 1994-11-29 | 2000-02-22 | Herz; Frederick S. M. | System for customized electronic identification of desirable objects |
US5642502A (en) * | 1994-12-06 | 1997-06-24 | University Of Central Florida | Method and system for searching for relevant documents from a text database collection, using statistical ranking, relevancy feedback and small pieces of text |
US6041311A (en) * | 1995-06-30 | 2000-03-21 | Microsoft Corporation | Method and apparatus for item recommendation using automated collaborative filtering |
US6049777A (en) * | 1995-06-30 | 2000-04-11 | Microsoft Corporation | Computer-implemented collaborative filtering based method for recommending an item to a user |
US6092049A (en) * | 1995-06-30 | 2000-07-18 | Microsoft Corporation | Method and apparatus for efficiently recommending items using automated collaborative filtering and feature-guided automated collaborative filtering |
US5794210A (en) * | 1995-12-11 | 1998-08-11 | Cybergold, Inc. | Attention brokerage |
US5867799A (en) * | 1996-04-04 | 1999-02-02 | Lang; Andrew K. | Information system and method for filtering a massive flow of information entities to meet user information classification needs |
US6308175B1 (en) * | 1996-04-04 | 2001-10-23 | Lycos, Inc. | Integrated collaborative/content-based filter structure employing selectively shared, content-based profile data to evaluate information entities in a massive information network |
US6314420B1 (en) * | 1996-04-04 | 2001-11-06 | Lycos, Inc. | Collaborative/adaptive search engine |
US5790426A (en) * | 1996-04-30 | 1998-08-04 | Athenium L.L.C. | Automated collaborative filtering system |
US6108493A (en) * | 1996-10-08 | 2000-08-22 | Regents Of The University Of Minnesota | System, method, and article of manufacture for utilizing implicit ratings in collaborative filters |
JPH10134080A (ja) * | 1996-11-01 | 1998-05-22 | Imamura Shiyunya | 訴求対象別情報発信システム |
US6078740A (en) * | 1996-11-04 | 2000-06-20 | Digital Equipment Corporation | Item selection by prediction and refinement |
US6052122A (en) * | 1997-06-13 | 2000-04-18 | Tele-Publishing, Inc. | Method and apparatus for matching registered profiles |
WO1998058334A1 (en) * | 1997-06-16 | 1998-12-23 | Doubleclick Inc. | Method and apparatus for automatic placement of advertising |
US6782370B1 (en) * | 1997-09-04 | 2004-08-24 | Cendant Publishing, Inc. | System and method for providing recommendation of goods or services based on recorded purchasing history |
US6064980A (en) * | 1998-03-17 | 2000-05-16 | Amazon.Com, Inc. | System and methods for collaborative recommendations |
WO2000008573A1 (en) * | 1998-08-04 | 2000-02-17 | Rulespace, Inc. | Method and system for deriving computer users' personal interests |
US6317722B1 (en) * | 1998-09-18 | 2001-11-13 | Amazon.Com, Inc. | Use of electronic shopping carts to generate personal recommendations |
US6266649B1 (en) * | 1998-09-18 | 2001-07-24 | Amazon.Com, Inc. | Collaborative recommendations using item-to-item similarity mappings |
US6356879B2 (en) * | 1998-10-09 | 2002-03-12 | International Business Machines Corporation | Content based method for product-peer filtering |
JP3389948B2 (ja) * | 1998-11-27 | 2003-03-24 | 日本電気株式会社 | 表示広告選択システム |
US6487541B1 (en) * | 1999-01-22 | 2002-11-26 | International Business Machines Corporation | System and method for collaborative filtering with applications to e-commerce |
US7552458B1 (en) * | 1999-03-29 | 2009-06-23 | The Directv Group, Inc. | Method and apparatus for transmission receipt and display of advertisements |
US6907566B1 (en) * | 1999-04-02 | 2005-06-14 | Overture Services, Inc. | Method and system for optimum placement of advertisements on a webpage |
US6321179B1 (en) * | 1999-06-29 | 2001-11-20 | Xerox Corporation | System and method for using noisy collaborative filtering to rank and present items |
KR100328670B1 (ko) * | 1999-07-21 | 2002-03-20 | 정만원 | 다중 추천 에이전트들을 이용하는 추천 시스템 |
US20030216961A1 (en) * | 2002-05-16 | 2003-11-20 | Douglas Barry | Personalized gaming and demographic collection method and apparatus |
US7072846B1 (en) * | 1999-11-16 | 2006-07-04 | Emergent Music Llc | Clusters for rapid artist-audience matching |
US8132219B2 (en) * | 2002-06-21 | 2012-03-06 | Tivo Inc. | Intelligent peer-to-peer system and method for collaborative suggestions and propagation of media |
CA2399502A1 (en) * | 2000-02-02 | 2001-08-09 | Worldgate Service, Inc. | System and method for transmitting and displaying targeted information |
US6539392B1 (en) * | 2000-03-29 | 2003-03-25 | Bizrate.Com | System and method for data collection, evaluation, information generation, and presentation |
US8352331B2 (en) * | 2000-05-03 | 2013-01-08 | Yahoo! Inc. | Relationship discovery engine |
FR2809209A1 (fr) * | 2000-05-19 | 2001-11-23 | France Telecom | Procede et systeme de simulation comportementale d'une pluralite de consommateurs, par simulation multi-agents |
GB0013011D0 (en) * | 2000-05-26 | 2000-07-19 | Ncr Int Inc | Method and apparatus for determining one or more statistical estimators of customer behaviour |
US6895385B1 (en) * | 2000-06-02 | 2005-05-17 | Open Ratings | Method and system for ascribing a reputation to an entity as a rater of other entities |
US7075000B2 (en) * | 2000-06-29 | 2006-07-11 | Musicgenome.Com Inc. | System and method for prediction of musical preferences |
US6801909B2 (en) * | 2000-07-21 | 2004-10-05 | Triplehop Technologies, Inc. | System and method for obtaining user preferences and providing user recommendations for unseen physical and information goods and services |
US20040054572A1 (en) * | 2000-07-27 | 2004-03-18 | Alison Oldale | Collaborative filtering |
CA2424588A1 (en) * | 2000-10-18 | 2002-04-25 | Steve Shaya | Intelligent performance-based product recommendation system |
CA2428079A1 (en) * | 2000-11-10 | 2002-07-25 | Affinnova, Inc. | Method and apparatus for dynamic, real-time market segmentation |
US20020062268A1 (en) * | 2000-11-20 | 2002-05-23 | Motoi Sato | Scheme for presenting recommended items through network based on access log and user preference |
US7440943B2 (en) * | 2000-12-22 | 2008-10-21 | Xerox Corporation | Recommender system and method |
US20020103692A1 (en) * | 2000-12-28 | 2002-08-01 | Rosenberg Sandra H. | Method and system for adaptive product recommendations based on multiple rating scales |
US6745184B1 (en) * | 2001-01-31 | 2004-06-01 | Rosetta Marketing Strategies Group | Method and system for clustering optimization and applications |
US20020147628A1 (en) * | 2001-02-16 | 2002-10-10 | Jeffrey Specter | Method and apparatus for generating recommendations for consumer preference items |
US20020173971A1 (en) * | 2001-03-28 | 2002-11-21 | Stirpe Paul Alan | System, method and application of ontology driven inferencing-based personalization systems |
WO2002084925A2 (en) * | 2001-04-11 | 2002-10-24 | Fair Isaac And Company, Inc. | Model-based and data-driven analytic support for strategy development |
US7958006B2 (en) * | 2001-04-27 | 2011-06-07 | True Choice Solutions, Inc. | System to provide consumer preference information |
KR100423750B1 (ko) * | 2001-05-12 | 2004-03-22 | 한국과학기술연구원 | 중공사 멤브레인 여과에서 막오염의 진행을 모니터링하기 위한 국부적인 흐름전위 측정장치 및 방법 |
US20030033196A1 (en) * | 2001-05-18 | 2003-02-13 | Tomlin John Anthony | Unintrusive targeted advertising on the world wide web using an entropy model |
US7389201B2 (en) * | 2001-05-30 | 2008-06-17 | Microsoft Corporation | System and process for automatically providing fast recommendations using local probability distributions |
US7469238B2 (en) * | 2001-12-11 | 2008-12-23 | Recognia Incorporated | Method of rule constrained statistical price formation recognition |
US20030126013A1 (en) * | 2001-12-28 | 2003-07-03 | Shand Mark Alexander | Viewer-targeted display system and method |
CA2470239C (en) * | 2002-03-20 | 2020-06-16 | Catalina Marketing International, Inc. | Targeted incentives based upon predicted behavior |
US7136875B2 (en) * | 2002-09-24 | 2006-11-14 | Google, Inc. | Serving advertisements based on content |
US20050021397A1 (en) * | 2003-07-22 | 2005-01-27 | Cui Yingwei Claire | Content-targeted advertising using collected user behavior data |
US9235849B2 (en) * | 2003-12-31 | 2016-01-12 | Google Inc. | Generating user information for use in targeted advertising |
US20030195793A1 (en) * | 2002-04-12 | 2003-10-16 | Vivek Jain | Automated online design and analysis of marketing research activity and data |
US7370002B2 (en) * | 2002-06-05 | 2008-05-06 | Microsoft Corporation | Modifying advertisement scores based on advertisement response probabilities |
US6834008B2 (en) * | 2002-08-02 | 2004-12-21 | Unity Semiconductor Corporation | Cross point memory array using multiple modes of operation |
WO2004021147A2 (en) * | 2002-08-30 | 2004-03-11 | Ken Hamilton | Decision analysis system and method |
US8255263B2 (en) * | 2002-09-23 | 2012-08-28 | General Motors Llc | Bayesian product recommendation engine |
US7698163B2 (en) * | 2002-11-22 | 2010-04-13 | Accenture Global Services Gmbh | Multi-dimensional segmentation for use in a customer interaction |
US8458033B2 (en) * | 2003-08-11 | 2013-06-04 | Dropbox, Inc. | Determining the relevance of offers |
US8768766B2 (en) * | 2005-03-07 | 2014-07-01 | Turn Inc. | Enhanced online advertising system |
US20060212346A1 (en) * | 2005-03-21 | 2006-09-21 | Robert Brazell | Systems and methods for message media content synchronization |
US7660581B2 (en) * | 2005-09-14 | 2010-02-09 | Jumptap, Inc. | Managing sponsored content based on usage history |
-
2006
- 2006-06-28 EP EP06785883A patent/EP1896958A4/en not_active Withdrawn
- 2006-06-28 WO PCT/US2006/025441 patent/WO2007002859A2/en active Application Filing
- 2006-06-28 US US11/477,163 patent/US20060294084A1/en not_active Abandoned
- 2006-06-28 JP JP2008519579A patent/JP2008545200A/ja active Pending
- 2006-06-28 CA CA002613200A patent/CA2613200A1/en not_active Abandoned
- 2006-06-28 KR KR1020087001722A patent/KR20080043764A/ko not_active Application Discontinuation
-
2007
- 2007-12-25 IL IL188391A patent/IL188391A0/en unknown
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101324909B1 (ko) * | 2009-04-16 | 2013-11-04 | 액센츄어 글로벌 서비시즈 리미티드 | 터치포인트 커스터마이제이션 시스템 |
KR20110112535A (ko) * | 2010-04-07 | 2011-10-13 | 한국전자통신연구원 | 영상 인지 광고 장치 및 영상 인지 광고 장치에서의 광고 콘텐츠 제공 방법 |
KR101028810B1 (ko) * | 2010-05-26 | 2011-04-25 | (주) 라이브포인트 | 광고 대상 분석 장치 및 그 방법 |
US10534821B2 (en) | 2012-07-09 | 2020-01-14 | Facebook, Inc. | Acquiring structured user data using composer interface having input fields corresponding to acquired structured data |
US10739958B2 (en) | 2013-03-27 | 2020-08-11 | Samsung Electronics Co., Ltd. | Method and device for executing application using icon associated with application metadata |
KR20140119611A (ko) * | 2013-03-27 | 2014-10-10 | 삼성전자주식회사 | 애플리케이션을 실행하는 방법 및 디바이스 |
US10824707B2 (en) | 2013-03-27 | 2020-11-03 | Samsung Electronics Co., Ltd. | Method and device for providing security content |
KR20150044057A (ko) * | 2013-10-15 | 2015-04-24 | 에스케이플래닛 주식회사 | 타깃 마케팅을 제공하는 서비스 제공 장치, 그를 포함하는 타깃 마케팅 시스템, 그 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
WO2015178697A1 (ko) * | 2014-05-22 | 2015-11-26 | 주식회사 밸류포션 | 코호트 기반의 사용자 분석 플랫폼과 마케팅 플랫폼을 이용한 광고방법 및 장치 |
KR20150135081A (ko) * | 2014-05-22 | 2015-12-02 | 주식회사 밸류포션 | 코호트 기반의 사용자 분석 플랫폼과 마케팅 플랫폼을 이용한 광고방법 및 장치 |
KR20170141247A (ko) * | 2016-01-12 | 2017-12-22 | 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 | 정보 추천 방법 및 장치 |
US11301525B2 (en) | 2016-01-12 | 2022-04-12 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for processing information |
EP4361873A1 (en) | 2022-10-28 | 2024-05-01 | Naver Corporation | Method, system, and recording medium for expanding and utilizing data using pseudonymous association |
Also Published As
Publication number | Publication date |
---|---|
CA2613200A1 (en) | 2007-01-04 |
US20060294084A1 (en) | 2006-12-28 |
WO2007002859A2 (en) | 2007-01-04 |
EP1896958A4 (en) | 2010-08-18 |
WO2007002859A3 (en) | 2007-12-21 |
JP2008545200A (ja) | 2008-12-11 |
IL188391A0 (en) | 2008-08-07 |
EP1896958A2 (en) | 2008-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20080043764A (ko) | 타게팅 광고용 통계 시스템에 관한 방법 및 장치 | |
US20200151760A1 (en) | Suggesting and/or providing targeting criteria for advertisements | |
US10275794B2 (en) | System and method of delivering content based advertising | |
US9373129B2 (en) | System and method of delivering collective content based advertising | |
US7617122B2 (en) | Targeted online marketing | |
US7424439B1 (en) | Data mining for managing marketing resources | |
US7856445B2 (en) | System and method of delivering RSS content based advertising | |
KR101282806B1 (ko) | 텍스트 광고들 및 이미지 광고들과 같은 상이한 표현 방법들 및/또는 특성들을 갖는 광고들의 제공 촉진 | |
US7668832B2 (en) | Determining and/or using location information in an ad system | |
TWI432980B (zh) | 用於贊助搜尋的動態競價 | |
JP5904766B2 (ja) | 推薦キーワードを提供するシステムおよび方法 | |
US20130332262A1 (en) | Internet marketing-advertising reporting (iMar) system | |
US20090222316A1 (en) | Method to tag advertiser campaigns to enable segmentation of underlying inventory | |
US20100088152A1 (en) | Predicting user response to advertisements | |
US20040186778A1 (en) | Systems and methods for selecting advertisements to be provided to users via a communication network | |
US20080114672A1 (en) | Method and system for bidding on advertisements | |
US20120010939A1 (en) | Social network based online advertising | |
US20110173102A1 (en) | Content sensitive point-of-sale system for interactive media | |
US20080228571A1 (en) | Automated recommendation of targeting criteria | |
KR20060083201A (ko) | 광고 시스템에서 위치 정보 결정 및/또는 사용 | |
US10275793B2 (en) | Content delivery system using natural query events | |
KR101722670B1 (ko) | 간접클릭에 기초하여 키워드를 추천하는 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |