KR20140038970A - 광고 지출에 관한 리턴을 갖는 다수의 속성 모델들 - Google Patents

Abstract

광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템은 프로세싱 회로를 포함하고, 상기 프로세싱 회로는 사용자 상호작용 데이터를 수신하고, 변환 이벤트가 사용자 상호작용 데이터 및 변환 기준들에 기초하여 발생하였는지를 결정하고, 사용자 상호작용 데이터에 기초하여 변환 경로 데이터를 저장하도록 구성되며, 여기서 변환 경로 데이터는 변환 이벤트 이전의 그리고 변환 이벤트를 포함하는 사용자 상호작용 데이터를 포함한다. 시스템은 복수의 서로 다른 속성 모델들을 이용하여 변환 경로에서의 채널에 변환 이벤트를 속성화한다. 속성 모델들 중 적어도 하나는 변환 경로에서의 최종 클릭에만 기초한 모델과 다른 모델이다. 시스템은 변환 경로에서의 복수의 채널들의 상대적 또는 실제 비용을 나타내는 비용 데이터를 수신하며 제 1 속성 데이터, 제 2 속성 데이터 및 비용 데이터를 포함하는 보고 데이터를 발생시킨다.

Description

광고 지출에 관한 리턴을 갖는 다수의 속성 모델들{MULTIPLE ATTRIBUTION MODELS WITH RETURN ON AD SPEND}

본 출원은 2011년 5월 27일에 출원된 미국 특허 출원 번호 제 13/117,826 호에 관한 우선권을 주장하며, 그 전체는 본원에 참조로 통합된다.

인터넷은 폭넓고 다양한 컨텐츠에 대한 액세스를 제공한다. 예를 들어, 무수한 서로 다른 주제들에 대한 이미지들, 오디오, 비디오 및 웹 페이지들이 인터넷을 통해 액세스 가능하다. 액세스 가능한 컨텐츠는 광고들을 낼 기회를 제공한다. 광고들은 웹 페이지, 이미지 또는 비디오와 같은 컨텐츠 내에 배치될 수 있거나, 컨텐츠는 광고 슬롯에 광고를 제시하는 것과 같은, 하나 또는 둘 이상의 광고들의 디스플레이를 트리거할 수 있다.

광고주들은 다양한 광고 관리 툴들을 이용하여 특정 컨텐츠 내에 어느 광고들을 디스플레이할지를 결정한다. 이들 툴들은 또한 광고주가 다양한 광고들 또는 광고 캠페인들의 성능을 트래킹(track)하게 한다. 특정 광고를 디스플레이할 때를 결정하기 위해 이용되는 파라미터들은 또한 광고 관리 툴들을 이용하여 변경될 수 있다. 사용자는 종종 변환 이벤트 이전에 하나보다 많은 마케팅 채널에 노출되거나 이러한 마케팅 채널과 상호작용한다.

속성 모델링은 마케팅 채널들에 대해 크레디트(credit)를 속성화하여 웹 사이트로 유도하며 후속적으로 변환 이벤트를 발생시키는 것의 실시이다. 속성 모델은 다수의 마케팅 채널들 사이에 변환 크레디트를 어떻게 공유시킬 것인가를 결정하는 알고리즘을 포함한다.

사용자 상호작용 데이터를 수신하고, 사용자 상호작용 데이터 및 변환 기준들에 기초하여 변환 이벤트가 발생하였는지를 결정하고, 사용자 상호작용 데이터에 기초하여 변환 경로 데이터를 저장하도록 구성된 프로세싱 회로를 포함하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템에 관한 것으로, 여기서 변환 경로 데이터는 변환 이벤트 이전의 그리고 변환 이벤트를 포함하는 사용자 상호작용 데이터를 포함한다. 시스템은 복수의 서로 다른 속성 모델들을 이용하여 변환 경로에서의 채널에 대해 변환 이벤트를 속성화한다. 속성 모델들 중 적어도 하나는 변환 경로에서의 최종 클릭에만 기초한 모델과 다른 모델이다. 시스템은 변환 경로에서의 복수의 채널들의 상대적 또는 실제 비용을 나타내는 비용 데이터를 수신하며, 제 1 속성 데이터, 제 2 속성 데이터 및 비용 데이터를 포함하는 보고 데이터를 발생시킨다.

본 명세서에 설명되는 발명의 하나 또는 둘 이상의 실시예들의 상세들은 첨부하는 도면들 및 이하의 설명에서 제시된다. 본 발명의 다른 특징들, 양상들 및 장점들은 설명, 도면들 및 청구범위로부터 명백해질 것이다.

도 1은 광고 관리 시스템이 예시적인 실시예에 따른 광고 서비스들을 관리하는 예시적인 환경의 블록도이다.
도 2는 예시적인 실시예에 따라 사용자 상호작용 로그 데이터를 집적하기 위한 프로세스의 흐름도이다.
도 3은 예시적인 실시예에 따라 사용자 상호작용 로그 데이터 집적 프로세스 동안 사용자 상호작용 데이터가 업데이트되는 것을 예시하는 블록도이다.
도 4는 예시적인 실시예에 따른, 광고 지출에 관한 리턴을 보고하기 위해 다수의 속성 모델들을 이용하는 방법을 예시하는 흐름도이다.
도 5는 예시적인 실시예에 따른 변환 경로 데이터의 예시이다.
도 6은 예시적인 실시예에 따른 최종 클릭 속성 모델의 예시이다.
도 7은 예시적인 실시예에 따른 제 1 클릭 속성 모델의 예시이다.
도 8은 예시적인 실시예에 따른 제 1 터치 속성 모델의 예시이다.
도 9는 예시적인 실시예에 따른 채널 터치 속성 모델의 예시이다.
도 10은 예시적인 실시예에 따른 최신성 속성 모델의 예시이다.
도 11은 예시적인 실시예에 따른 다수의 속성 모델 계산들의 결과들을 도시하는 예시적인 디스플레이 데이터 또는 보고 데이터의 예시이다.
도 12a는 예시적인 실시예에 따른 비용 데이터를 포함하는 다수의 속성 모델 계산들의 결과들을 도시하는 예시적인 디스플레이 데이터 또는 보고 데이터의 예시이다.
도 12b는 다른 예시적인 실시예에 따른 비용 데이터를 포함하는 다수의 속성 모델 계산들의 결과들을 도시하는 예시적인 디스플레이 데이터 또는 보고 데이터의 예시이다.
도 13은 개시된 실시예들로 이용하기 위한 예시적인 컴퓨터 시스템의 블록도이다.

하나 또는 둘 이상의 실시예들에서, 복수의 서로 다른 속성 모델들 또는 알고리즘들이 변환 경로 데이터에 적용될 수 있다. 각 모델은 변환 경로에서의 서로 다른 채널들에 크레디트를 다르게 하여 제공할 수 있다. 하나 또는 둘 이상의 실시예들에서, 각 채널에 대한 비용 데이터는 마케팅 캠페인에서의 각 채널을 이용하는 상대적인 값들에 관한 정보를 제공하기 위해 크레디트 값들을 다르게 하여 프로세싱될 수 있다. 그 후에 광고주들 또는 다른 컨텐츠 제공자들은 예를 들어, 장래의 캠페인에서의 서로 다른 채널들에 더 많은 또는 더 적은 돈을 할당함으로써, 그들의 마케팅 캠페인들을 개선하기 위해 이러한 값 정보를 이용할 수 있다.

컨텐츠 제공자들(예를 들어, 광고주들)은 컨텐츠와의 다양한 사용자 상호작용들을 개시하는 다양한 보고들을 제공받는다. 각 사용자 상호작용은 사용자 상호작용과 관련된 데이터를 포함할 수 있는 다수의 치수들을 포함할 수 있다. 사용자 상호작용들에 관한 정보를 광고주에게 제공하기 위해 보고들이 발생될 수 있다. 사용자 상호작용들은 다양한 채널들로부터의 사용자 상호작용들을 포함할 수 있다. 채널들은 사용자 상호작용의 발신 소스를 표시하는 하나의 방식이다. 사용자 상호작용들 및 채널들의 예시적인 예들은 유료 광고의 클릭킹, 웹사이트로의 직접 네비게이팅, 유기적 탐색 결과의 클릭킹, 이메일 내의 링크의 클릭킹, 참조 웹사이트로부터의 링크의 클릭킹, 소셜 네트워킹 웹사이트로부터의 링크의 클릭킹, 광고에 마우스를 갖다대는 것(mousing), 사용자가 클릭하지 않거나 아니면 이와 긍정적으로 상호작용하는 경우에 사용자에게 광고를 볼 기회를 제공하기 위해 배너 광고 또는 다른 광고의 웹 페이지 상에 디스플레이를 제공하는 것 등을 포함한다. 변환 경로들은 변환 사용자 상호작용에 선행되는 하나 또는 둘 이상의 사용자 상호작용들을 포함한다.

사용자 상호작용들은 사용자에게로의 컨텐츠의 프레젠테이션 및 사용자에게로의 컨텐츠의 프레젠테이션에 응답하여 사용자가 취하는(예를 들어, 컨텐츠의 프레젠테이션에 후속하는 컨텐츠의 선택들, 또는 컨텐츠의 프레젠테이션에 후속하는 컨텐츠의 비 선택들) 후속하는 확정 동작들 또는 비-동작들(달리 특정되지 않는 한 집합적으로 "동작들"이라 지칭됨)을 포함한다. 따라서, 사용자 상호작용은 반드시 사용자에 의한 컨텐츠의 선택(또는 다른 확정 동작)을 요구하지 않는다. 사용자 상호작용은 단지 사용자가 보거나 또는 실제로 보지 못하는 임프레션(impression) 또는 노출일 수 있다. 사용자 상호작용 데이터는 예를 들어, 광고 임프레션에 노출되는 것으로 트래킹되지만 클릭하거나 주도적으로 상호작용하지 않는 사용자에 관한 데이터를 포함하는 사용자 노출들을 포함할 수 있다.

사용자 상호작용 측정들은 타임 랙(time lag) 측정들(즉, 하나 또는 둘 이상의 특정된 사용자 상호작용들로부터 변환으로의 시간의 측정들), 경로 길이 측정들(즉, 변환들 이전에 발생한 사용자 상호작용들의 수량들), 사용자 상호작용 경로들(즉, 변환들 이전에 발생한 사용자 상호작용들의 시퀀스들), 보조 상호작용 측정들(즉, 변환 이전에 발생한 특정 사용자 상호작용들의 수량들) 및 보조된 변환 측정들(즉, 특정된 컨텐츠에 의해 보조된 변환들의 수량들) 중 하나 또는 둘 이상을 포함할 수 있다. 사용자 상호작용 데이터는 인터넷 및 많은 네트워크들에 걸친 서빙 및 트래킹 활동으로부터 수집될 수 있다. 트래킹 택들(tracking tags)이 이용될 수 있다. 사용자는 다수의 방식들로 이러한 트래킹 활동에서 탈퇴할 수 있다. 데이터는 복수의 서로 다른 속성 모델들에 대해 수집될 수 있다.

도 1은 예시적인 실시예에 따른, 광고 관리 시스템이 광고 서비스들을 관리하는 예시적인 환경의 블록도이다. 예시적인 환경(100)은 로컬 영역 네트워크(LAN), 광역 네트워크(WAN), 인터넷 또는 그들의 조합과 같은 네트워크(102)를 포함한다. 네트워크(102)는 웹사이트들(104), 사용자 디바이스들(106), 광고주들(108) 및 광고 관리 시스템(110)을 접속한다. 예시적인 환경(100)은 많은 수천개 이상의 웹사이트들(104), 사용자 디바이스들(106) 및 광고주들(108)을 포함할 수 있다.

웹사이트(104)는 도메인 네임과 관련되며 하나 또는 둘 이상의 서버들에 의해 호스팅되는 하나 또는 둘 이상의 자원들(105)을 포함한다. 예시적인 웹사이트는 텍스트, 이미지들, 멀티미디어 컨텐츠 및 스크립트들과 같은 프로그래밍 엘리먼트들을 포함할 수 있는 하이퍼텍스트 마크업 언어(hytertext markup language: HTML)로 포맷되는 웹 페이지들의 컬렉션(collection)이다.

사용자가 마케팅 채널에 노출되거나 마케팅 채널과 상호작용할 때, 채널은 사이트, 광고의 타입, 광고가 그 일부를 형성하는 광고 캠패인, (사이트 상에 페이징하는) 사이트 배치, 특정 광고 메시지, 특정 광고 이미지 또는 텍스트 및 광고 크기와 같은 마케팅 분석에 관련할 수 있는 다수의 속성들을 갖는다. 속성 모델들을 이용하여 광고의 값을 분석할 때, 이들 속성들에서의 차이들은 속성 모델을 이용하여 모든 유사한 속성들을 크레디팅(crediting)하는 것을 통해 비교될 수 있다. 따라서, 분석에 포함되는 모든 사이트들에 대해 속성화된 크레디트를 비교하기 위해 정해진 속성 모델이 이용될 수 있다; 그러나 정해진 속성 모델은 또한 분석되는 속성에 따라, 모든 캠페인들을 비교하기 위해, 또는 모든 광고 배치들을 비교하기 위해 이용될 수 있다.

자원(105)은 네트워크(102)를 통해 제공될 수 있는 어떤 데이터이다. 자원(105)은 URL(uniform resource locator)과 같은 자원(105)과 관련되는 자원 어드레스에 의해 식별될 수 있다. 자원들(105)은 몇 가지 예를 들자면, 웹 페이지들, 워드 프로세싱 문서들, PDF(portable document format) 문서들, 이미지들, 비디오, 프로그래밍 엘리먼트들, 상호작용 컨텐츠 및 피드 소스들(feed sources)을 포함할 수 있다. 자원들(105)은 (하이퍼링크들에서의 메타(meta)-정보와 같은) 임베디드(embedded) 정보 및/또는 임베디드 명령들을 포함할 수 있는, 단어들, 어구들, 이미지들 및 사운드들과 같은 컨텐츠를 포함할 수 있다. 임베디드 명령들은 웹 브라우저에서와 같이, 사용자의 디바이스 측에서 실행되는 코드를 포함할 수 있다. 코드는 JavaScript® 또는 ECMAScript®와 같은 언어들로 기록될 수 있다.

사용자 디바이스(106)는 사용자의 제어하에 있으며 네트워크(102)를 통해 자원들(105)을 요청하고 수신할 수 있는 전자 디바이스이다. 예시적인 사용자 디바이스들(106)은 퍼스널 컴퓨터들, 이동 통신 디바이스들 및 네트워크(102)를 통해 데이터를 송신하고 수신할 수 있는 다른 디바이스들을 포함한다. 사용자 디바이스(106)는 전형적으로 네트워크(102)를 통해 데이터를 송신하고 수신하는 것을 용이하게 하기 위해 웹 브라우저와 같은 사용자 애플리케이션을 포함한다.

사용자 디바이스(106)는 웹사이트(104)로부터 자원들(105)을 요청할 수 있다. 또한, 자원(105)을 나타내는 데이터가 사용자 디바이스(106)에 의한 프레젠테이션을 위해 사용자 디바이스(106)에 제공될 수 있다. 자원(105)을 나타내는 데이터는 광고들이 제시될 수 있는 사용자 디스플레이의 일부분(예를 들어, 웹 페이지의 슬롯에서의 또는 팝업 윈도우(pop-up window)의 프레젠테이션 위치) 또는 자원의 일부분을 특정하는 데이터를 포함할 수 있다. 사용자 디스플레이 또는 자원(105)의 이들 특정된 일부분들은 광고 슬롯들이라 지칭될 수 있다.

네트워크(102)를 통해 액세스 가능한 방대한 수의 자원들(105)의 탐색을 용이하게 하기 위해, 환경(100)은 웹사이트들(104) 상에 제공되는 자원들(105)을 크롤링(crawling) 및 인덱싱(indexing)함으로써 자원들(105)을 식별하는 탐색 시스템(112)을 포함할 수 있다. 자원들(105)에 관한 데이터는 데이터가 관련되는 자원(105)에 기초하여 인덱싱될 수 있다. 자원들(105)의 인덱싱된 그리고, 임의선택적으로, 캐시된(cached) 카피들은 탐색 인덱스(도시되지 않음)에 저장된다.

사용자 디바이스들(106)은 네트워크(102)를 통해 탐색 시스템(112)에 탐색 질의들을 제출할 수 있다. 이에 응답하여, 탐색 시스템(112)은 탐색 질의에 관련된 자원들(105)을 식별하기 위해 탐색 인덱스에 액세스한다. 하나의 예시적인 실시예에서, 탐색 질의는 하나 또는 둘 이상의 키워드들을 포함한다. 탐색 시스템(112)은 질의에 응답하는 자원들(105)을 식별하고, 탐색 결과들의 형태로 자원들(105)에 관한 정보를 제공하며, 탐색 결과들 페이지들에서 사용자 디바이스들(106)에 탐색 결과들을 리턴한다. 탐색 결과는 특정 탐색 질의에 응답하는 자원(105)을 식별하는 탐색 시스템(112)에 의해 발생되는 데이터를 포함할 수 있으며, 자원(105)으로의 링크를 포함할 수 있다. 예시적인 탐색 결과는 웹 페이지 타이틀, 웹 페이지(104)로부터 추출된 이미지의 일부분 또는 텍스트의 스니핏(snippet), 자원(105)의 렌더링(rendering) 및 웹 페이지(104)의 URL을 포함할 수 있다. 탐색 결과들 페이지들은 또한 광고들이 제시될 수 있는 하나 또는 둘 이상의 광고 슬롯들을 포함할 수 있다.

탐색 결과 페이지는 HTTP(HyperText Transfer Protocol) 쿠키를 설정하기 위해 사용자 디바이스(106)의 웹 브라우저에 대한 탐색 시스템(112)으로부터의 요청과 함께 송신될 수 있다. 쿠키는 예를 들어, 특정 사용자 디바이스(106) 및 특정 웹 브라우저를 나타낼 수 있다. 예를 들어, 탐색 시스템(112)은 HTTP 응답에서의 탐색 결과들 페이지를 송신함으로써 질의에 응답하는 서버를 포함한다. 이러한 HTTP 응답은 브라우저로 하여금 서버에 의해 호스팅된 사이트에 대한 또는 서버의 도메인에 대한 쿠키를 저장하게 하는 명령들(예를 들어, 설정 쿠키 명령)을 포함한다. 브라우저가 쿠키들을 지원하고 쿠키들이 인에이블되는 경우에, 동일한 서버 또는 서버의 도메인 내의 서버에 대한 모든 후속하는 페이지 요청은 쿠키를 포함할 것이다. 쿠키는 고유한 또는 반-고유한(semi-unique) 식별자를 포함하는 다양한 데이터를 저장할 수 있다. 고유한 또는 반-고유 식별자는 익명으로 될 수 있으며 사용자 이름들과 관련되지 않는다. HTTP는 상태 비보존형(stateless) 프로토콜이기 때문에, 쿠키들의 이용은 탐색 시스템(112) 또는 다른 시스템과 같은 외부 서비스가 다수의 세션들을 통해 사용자의 상태 및 특정 동작들을 트래킹하게 한다. 사용자는 예를 들어, 브라우저의 세팅들에서 쿠키들을 디스에이블링(disabling)함으로써, 사용자 동작들을 트래킹하지 않게 할 수 있다.

자원(105) 또는 탐색 결과들이 사용자 디바이스(106)에 의해 요청되거나 사용자 디바이스(106)에 제공될 때, 광고 관리 시스템(110)은 자원(105) 또는 탐색 결과들을 제공받기 위해 광고들에 대한 요청을 수신한다. 광고들에 대한 요청은 요청된 자원(105) 또는 탐색 결과들 페이지에 대해 정의되는 광고 슬롯들의 특성들을 포함할 수 있으며, 광고 관리 시스템(110)에 제공될 수 있다. 예를 들어, 광고 슬롯이 정의되는 자원(105)에 대한 레퍼런스(reference)(예를 들어, URL), 광고 슬롯의 크기, 및/또는 광고 슬롯에서의 프레젠테이션을 위해 이용가능한 매체 타입들이 광고 관리 시스템(110)에 제공될 수 있다. 유사하게, 요청된 자원(105)과 관련된 키워드들("자원 키워드들")(즉, 컨텐츠와 관련된 하나 또는 둘 이상의 단어들) 또는 탐색 결과들이 요청되는 탐색 질의는 또한 자원(105) 또는 탐색 질의에 관련된 광고들의 식별을 용이하게 하기 위해 광고 관리 시스템(110)에 제공될 수 있다.

광고들을 위한 요청에 포함되는 데이터에 기초하여, 광고 관리 시스템(110)은 요청에 응답하여 제공되기에 적격인 광고들("적격 광고들")을 선택할 수 있다. 예를 들어, 적격 광고들은 광고 슬롯들의 특성들을 매칭하며 특정된 자원 키워드들 또는 탐색 질의들에 관련된 것으로서 식별되는 특성들을 갖는 광고들을 포함할 수 있다. 일부 구현들에서, 자원 키워드들, 탐색 질의 또는 탐색 질의의 일부분들을 매칭하는 타겟팅 키워드들을 갖는 광고들이 광고 관리 시스템(110)에 의해 적격 광고들로서 선택된다.

광고 관리 시스템(110)은 자원(105) 또는 탐색 결과들 페이지의 각 광고 슬롯에 대한 적격 광고를 선택한다. 자원(105) 또는 탐색 결과들 페이지는 사용자 디바이스(106)에 의한 프레젠테이션을 위해 사용자 디바이스(106)에 의해 수신된다. 제시된 광고들과의 사용자 상호작용들을 나타내는 사용자 상호작용 데이터는 이력 데이터 스토어(119)에 저장될 수 있다. 예를 들어, 광고가 광고 서버(114)를 통해 사용자에 제시될 때, 데이터는 로그 파일(116)에 저장될 수 있다. 이러한 로그 파일(116)은 이하에 더 완전하게 설명되는 바와 같이, 이력 데이터 스토어(119)에 다른 데이터와 집합화될 수 있다. 따라서, 이력 데이터 스토어(119)는 광고 임프레션을 나타내는 데이터를 포함한다. 예를 들어, 광고의 프레젠테이션은 제시되는 광고에 대한 요청에 응답하여 저장된다. 예를 들어, 광고 요청은 쿠키를 식별하는 데이터가 요청에 응답하여 제시된 광고(들)를 식별하는 데이터와 관련하여 저장될 수 있도록, 특정 쿠키를 식별하는 데이터를 포함할 수 있다. 일부 구현들에서, 데이터는 이력 데이터 스토어(119)에 직접 저장될 수 있다.

유사하게, 사용자가 제시된 광고를 선택(즉, 클릭)할 때, 광고의 선택을 나타내는 데이터는 로그 파일(116), 쿠키 또는 이력 데이터 스토어(119)에 저장될 수 있다. 일부 구현들에서, 데이터는 광고에 의해 링크되는 웹 페이지에 대한 요청에 응답하여 저장된다. 예를 들어, 광고의 사용자 선택은 광고주에 의해(또는 광고주를 위해) 제공되는 웹 페이지의 프레젠테이션을 위한 요청을 개시할 수 있다. 요청은 사용자 디바이스에 대한 특정 쿠키를 식별하는 데이터를 포함할 수 있으며, 이러한 데이터는 광고 데이터 스토어에 저장될 수 있다.

사용자 상호작용 데이터는 사용자 상호작용들이 수행된 대응하는 사용자 디바이스를 나타내는 고유 식별자들과 관련될 수 있다. 예를 들어, 일부 구현들에서, 사용자 상호작용 데이터는 하나 또는 둘 이상의 쿠키들과 관련될 수 있다. 각 쿠키는 쿠키가 초기에 특정 사용자 디바이스(106) 상에 설정된 시간을 표시하는 초기화 시간을 특정하는 콘텐츠를 포함할 수 있다.

로그 파일들(116), 또는 이력 데이터 스토어(119)는 또한 각 광고가 사용자로의 프레젠테이션을 위해 선택된 조건들을 나타내는 데이터 및 광고들에 대한 레퍼런스들을 저장한다. 예를 들어, 이력 데이터 스토어(119)는 타겟팅 키워드들, 경매 입찰들 및 프레젠테이션을 위해 적격 광고들이 선택되는 다른 기준들을 저장할 수 있다. 추가로, 이력 데이터 스토어(119)는 각 광고에 대한 다수의 임프레션들을 특정하는 데이터를 포함할 수 있으며 각 광고에 대한 다수의 임프레션들은 예를 들어, 광고 임프레션들 및/또는 임프레션들과 관련되는 쿠키들을 야기한 키워드들을 이용하여 트래킹될 수 있다. 각 임프레션에 대한 데이터는 또한 각 임프레션 및 사용자 선택이 선택된 광고 및/또는 광고가 프레젠테이션을 위해 선택되도록 하는 타겟팅 키워드와 관련될 수 있도록(즉, 그를 참조하여 저장되고 및/또는 그에 따라 인덱싱될 수 있도록) 저장될 수 있다.

광고주들(108)은 광고 관리 시스템(110)에, 광고들의 분배를 제어하기 위해 이용되는 캠페인 파라미터들(예를 들어, 타겟팅 키워드들 및 대응하는 경매 입찰들)을 제출할 수 있다. 광고주들(108)은 캠페인 파라미터들을 이용하여 분배되는 광고들의 수행을 모니터하기 위해 광고 관리 시스템(110)을 액세스할 수 있다. 예를 들어, 광고주는 다수의 임프레션들(즉, 프레젠테이션들), 선택들(즉, 클릭들) 및 광고들에 대해 식별된 변환들을 제공하는 캠페인 성능 보고를 액세스할 수 있다. 캠페인 성능 보고는 또한 특정된 시간의 기간을 통해 광고에 대한 총 비용, 클릭-당-비용 및 다른 비용 측정들을 제공할 수 있다. 예를 들어, 광고주는 어구 매치 키워드 "하키(hockey)"를 이용하여 분배된 광고들이 1,000개의 임프레션들을 수신하였고(즉, 1,000번 제시되었고), 20번 선택(예를 들어, 클릭)되었으며, 5번의 변환들로 크레디트되었음을 특정하는 성능 보고를 액세스할 수 있다. 따라서, 어구 매치 키워드 하키는 1,000개의 임프레션들, 20번의 클릭들 및 5번의 변환들로 속성화될 수 있다.

상술한 바와 같이, 특정 컨텐츠 제공자에 제공되는 보고들은 변환 이전에 발생하는 컨텐츠와의 사용자 상호작용들을 측정하는 성능 측정들을 특정할 수 있다. 변환은 사용자가 특정된 동작을 수행할 때 발생하며, 변환 경로는 변환 및 사용자에 의한 변환 이전에 발생하는 사용자 상호작용들의 세트를 포함한다. 변환을 구성하는 것은 경우에 따라 변화할 수 있으며 다양한 방식들로 결정될 수 있다. 예를 들어, 변환은 사용자가 웹 페이지 또는 웹사이트로 지칭되는, 광고를 클릭하고, 그 후에 웹 페이지 또는 웹사이트를 떠나기 전에 거기서 구매를 완료할 때 발생할 수 있다. 다른 예로서, 변환은 사용자가 특정 웹사이트 상에 정해진 시간량보다 많은 시간을 소비할 때 발생할 수 있다. 다수의 사용자 상호작용들로부터의 데이터는 특정 웹사이트에서의 시간량을 결정하기 위해 이용될 수 있다.

변환을 구성하는 동작들은 각 광고주에 의해 특정될 수 있다. 예를 들어, 각 광고주는 변환으로서, 예를 들어, 백지(white paper)를 다운로딩하는 것, 웹사이트의 적어도 정해진 깊이까지 네비게이팅하는 것, 적어도 특정 수의 웹 페이지들을 뷰하는 것, 웹사이트 또는 웹페이지 상에서 적어도 미리 결정된 양의 시간을 소비하는 것, 상품을 구매하는 것 또는 웹사이트 상에 등록하는 것과 같은 하나 또는 둘 이상의 측정가능한/관찰가능한 사용자 동작들을 선택할 수 있다. 변환을 구성하는 다른 동작들이 또한 이용될 수 있다.

변환들(및 광고주의 웹사이트와의 상호작용들)을 트래킹하기 위해, 광고주는 광고주의 웹 페이지들에, 광고주의 웹사이트와의 사용자 상호작용들(예를 들어, 페이지 선택들, 컨텐츠 항목 선택들 및 다른 상호작용들)을 모니터하는 임베디드 명령들을 포함할 수 있으며, 변환을 구성하는 사용자 상호작용(또는 일련의 사용자 상호작용들)을 검출할 수 있다. 일부 구현들에서, 사용자가 참조하는 웹 페이지(또는 다른 자원)로부터 웹 페이지 또는 다른 자원을 액세스할 때, 그 상호작용에 대한 참조하는 웹 페이지(또는 다른 자원)는 예를 들어, 액세스되는 웹 페이지에 의해 참조되는 코드의 스니핏의 실행에 의해, 및/또는 웹 페이지를 액세스하기 위해 이용되는 URL에 기초하여 식별될 수 있다.

예를 들어, 사용자는 예를 들어, 광고주의 제휴에 의한 프로모션 공급의 일부로서, 웹 페이지 상에 제시되는 링크를 선택함으로써 광고주의 웹사이트를 액세스할 수 있다. 이러한 링크는 사용자가 네비게이팅하는 자원을 고유하게 식별하는 데이터(즉, 텍스트)를 포함하는 URL과 관련될 수 있다. 예를 들어, 링크

은 사용자가 URL에 특정되는 제휴 식별자 번호와 관련된 제휴의 웹 페이지로부터

웹 페이지로 사용자가 네비게이팅되며, 사용자가

과 관련된 프로모션 공급에 포함되는 링크의 선택에 기초하여

웹 페이지로 유도된 것을 특정한다. 이러한 상호작용(즉, 링크의 선택)에 대한 사용자 상호작용 데이터는 데이터베이스에 저장될 수 있으며, 이하에 설명된 바와 같이, 성능 보고를 용이하게 하기 위해 이용될 수 있다.

광고주에 대해 변환이 검출될 때, 변환을 나타내는 변환 데이터는 데이터 프로세싱 유닛("분석 장치")에 전송될 수 있으며, 이 프로세싱 유닛은 변환 데이터를 수신하며, 또한, 데이터 스토어에 변환 데이터를 저장한다. 이러한 변환 데이터는, 쿠키들과 관련된 사용자 상호작용 데이터가 변환과 관련될 수 있고 변환을 위한 성능 보고를 발생시키는 데 이용될 수 있도록, 사용자 상호작용을 수행하기 위해 이용된 사용자 디바이스에 대한 하나 또는 둘 이상의 쿠키들과 관련하여 저장될 수 있다.

전형적으로, 변환은, 타겟팅된 키워드를 이용하여 타켓팅되는 광고가 변환 이전에 최종 클릭된 광고인 때의 타겟팅 키워드에 기인한다. 예를 들어, 광고주 X는 키워드들 "테니스", "슈즈", 및 "브랜드-X"를 광고들과 관련시킬 수 있다. 본 예에서, 사용자는 "테니스"에 대한 제 1 탐색 질의를 제출하고, 사용자는 광고주 X의 광고를 포함하는 탐색 결과 페이지를 제시받으며, 사용자는 광고를 선택하지만, 사용자는 변환을 구성하는 동작을 취하지 않는다고 가정하자. 사용자는 후속적으로 광고주 X의 광고로 제시되는, "브랜드-X"에 대한 제 2 탐색 질의를 제출하고, 사용자는 광고주 X의 광고를 선택하며, 사용자는 변환을 구성하는 동작을 취한다고(예를 들어, 사용자는 브랜드-X 테니스 슈즈를 구매함) 더 가정한다. 본 예에서, 키워드 "브랜드-X"는 변환 이전에 선택된 최종 광고("최종 선택된 광고")가 "브랜드-X"가 매칭됨에 응답하여 제시된 광고였기 때문에 변환으로 크레디트될 것이다.

변환 이전에 최종 선택된 광고("최종 선택 크레디트")의 프레젠테이션을 야기한 키워드에 변환 크레디트를 제공하는 것은 광고 수행의 유용한 측정이지만, 이러한 측정만으로 광고주들에게 최종 선택된 광고 이전의 광고들로의 사용자 노출 및/또는 선택을 포함하는 변환 사이클의 분석을 용이하게 하는 데이터를 제공하지 못한다. 예를 들어, 최종 선택 크레디트 측정들만으로 최종 선택된 광고의 선택 이전에 사용자에 제시된 및/또는 사용자에 의해 선택된 광고들의 프레젠테이션을 통해 브랜드 또는 제품 인지도를 증가시킬 수 있는 키워드들을 특정하지 못한다. 그러나, 이들 광고들은 후속적으로 변환을 구성한 동작을 취하는 사용자에게 상당히 기여했을 수 있다.

상기 예에서, 키워드 "테니스"를 매칭하는 탐색 질의에 응답하여 제시된 광고가 변환을 구성한 동작(예를 들어, 브랜드-X 테니스 슈즈의 구매를 행함)을 취하는 사용자에게 기여했을 수 있더라도, 키워드 "테니스"는 변환에 대한 어떠한 크레디트도 제공받지 못한다. 예를 들어, 키워드 "테니스"에 응답하여 제시된 광고의 사용자 선택이 매칭될 때, 사용자는 광고주 X로부터 이용가능했던 브랜드-X 테니스 슈즈를 봤을 수 있다. 브랜드-X 테니스 슈즈에 대한 사용자의 노출에 기초하여, 사용자는 브랜드-X로부터 테니스 슈즈를 찾기 위해 탐색 질의 "브랜드-X"를 후속적으로 제출하였을 수 있다. 유사하게, 광고의 사용자의 선택에 관계없이, 키워드 "테니스"를 이용하여 타겟팅된 광고에 대한 사용자의 노출은 또한 사용자가 후속적으로 변환을 구성한 동작을 취하는데(예를 들어, 광고주 X로부터 제품을 구매함) 기여했을 수 있다. 최종 선택된 광고의 선택 이전에 발생하는 광고주의 광고들(또는 다른 컨텐츠)와의 사용자 상호작용들의 분석은 광고주의 변환 사이클을 이해하는 광고주의 능력을 강화시킬 수 있다.

변환 사이클은 사용자가 광고를 제시받을 때 시작하여 사용자가 변환을 구성하는 동작을 취할 때 종료되는 기간이다. 변환 사이클은 시간 또는 동작들에 의해 측정될 수 있고 및/또는 제약될 수 있으며 다수의 사용자 세션들에 걸쳐 있을 수 있다. 사용자 세션들은 분석을 위해 함께 그룹핑되는 사용자 상호작용들의 세트들이다. 각 사용자 세션은 특정 사용자에 의해 그리고 세션 윈도우(즉, 특정된 주기) 내에 수행된 사용자 상호작용들을 나타내는 데이터를 포함한다. 세션 윈도우는 예를 들어, 시간의 특정된 주기(예를 들어, 1시간, 1일, 또는 1개월)일 수 있거나 특정된 동작들을 이용하여 설명될 수 있다. 예를 들어, 사용자 탐색 세션은 1시간 주기를 통해 발생하고 및/또는 세션 엔딩 이벤트(예를 들어, 탐색 브라우저의 클로징) 이전에 발생하는 후속적인 동작들 및 사용자 탐색 질의들을 포함할 수 있다.

변환 사이클의 분석은 그 고객들이 변환 사이클을 통해 광고들과 상호작용하는 방법을 이해하는 광고주의 능력을 강화시킬 수 있다. 예를 들어, 광고주는 평균적으로, 광고에 대한 사용자의 제 1 노출로부터 변환까지의 시간 양이 20일인 것으로 결정하는 경우에, 광고주는 이 데이터를 이용하여 변환하기(즉, 변환을 구성하는 동작을 취하기) 이전에 대안적인 자원들을 재탐색하는데 소모하는 시간 양을 추론할 수 있다. 유사하게, 광고주는 변환을 행하는 사용자들의 다수가 특정 키워드를 이용하여 타겟되는 광고들의 프레젠테이션 후에 그렇게 행하는 것으로 결정하는 경우에, 광고주는 그 키워드를 이용하여 분배된 광고들에 소비하는 돈의 양을 증가시키기를 그리고/또는 특정 키워드를 이용하여 타겟되는 광고들의 품질을 증가시키기를 원할 수 있다.

변환 사이클의 분석을 용이하게 하는 사용자 상호작용들의 측정들은 변환 경로 성능 측정들로 지칭된다. 변환 경로 성능 측정들은 변환 사이클들의 지속기간들, 변환 사이클들 동안 발생한 사용자 상호작용들의 수들, 변환에 선행한 사용자 상호작용들의 경로들, 변환들을 선행하여 발생한 특정 사용자 상호동작들의 수들뿐 아니라, 이하에 더 상세하게 설명된 바와 같은, 변환 사이클들 동안 발생한 사용자 상호동작의 다른 측정들을 특정한다.

광고 관리 시스템(110)은 변환 사이클들 동안 컨텐츠 항목들과의 사용자 상호작용들의 측정들을 특정하는 변환 경로 성능 측정들을 결정하는 성능 분석 장치(120)를 포함한다. 성능 분석 장치(120)는 각 광고주에 대해, 광고주에 의해 제공되는 광고들과의 사용자 상호작용들을 트래킹하고, 하나 또는 둘 이상의 변환 경로 성능 측정들을 결정하며(즉, 계산하며), 변환 경로 성능 측정들 중 적어도 하나를 특정하는 성능 보고의 프레젠테이션을 야기하는 데이터를 제공한다. 성능 보고를 이용하여, 광고주는 키워드들이 최종 선택된 광고들의 프레젠테이션을 야기하였는지 여부에 관계없이, 그 키워드들의 각각이 변환들을 용이하게 하는 광고들의 프레젠테이션을 야기하는 방법을 학습할 수 있다. 차례로, 광고주는 성능 보고에 기초하여 그 광고들의 분배를 제어하는 캠페인 파라미터들을 조정할 수 있다.

성능 보고들에서의 바이어스를 감소시키기 위해 구성 옵션들이 공급될 수 있다. 구성 옵션들이 없이, 일부 성능 보고들은 짧은 변화 경로들을 향해, 바이어스될 수 있다. 예를 들어, 성능 보고는 보고를 위한 기반으로서 이용되는 데이터가 임계값 퍼센티지보다 높은 부분적 변환 경로들의 퍼센티지를 포함하는 경우에 짧은 변환 경로들을 향해 바이어스될 수 있다. 부분적 변환 경로는 사용자에 대한 모든 사용자 상호작용 데이터가 아닌 일부가 변환과 관련되는 변환 경로이다. 예를 들어, 보고를 요청한 광고주에 대한 전형적 변환 사이클의 길이보다 작은 보고 주기를 이용하여 발생되는 경우에, 부분적 변환 경로가 보고에 포함될 수 있다.

보고 주기는 보고 주기 밖의 추가적인 데이터가 보고를 발생시키기 위해 이용되지 않기 때문에 보고된 변환 사이클의 (일일 단위의(in days)) 최대 길이를 결정한다. 성능 보고는 보고 기간 이전의 사용자 상호작용들이 보고를 발생시킬 때 변환 사이클의 일부로 고려되지 않도록, 보고 기간(즉, 룩백(lookback) 윈도우)에 기초할 수 있다. 그와 같은 보고 기간은 "룩백 윈도우"로 지칭된다. 예를 들어, 30일의 룩백 윈도우로 보고를 발생시킬 때, 정해진 해의 7월 1일과 7월 31일 사이에 발생한 사용자 동작들을 나타내는 이용가능한 사용자 상호작용 데이터가 그 해의 7월 31일에 발생한 변환에 대해 이용가능할 것이다.

디폴트 룩백 윈도우(예를 들어 30(thirty)일)가 이용되는 경우에, 성능 보고는 보고와 관련된 제품에 대한 전형적인 변환 사이클 길이가 디폴트 룩백 윈도우보다 큰 경우에 짧은 변환 경로들을 향해 바이어스될 수 있다. 예를 들어, 상기 예에서, "브랜드-X" 테니스 슈즈에 대한 전형적인 변환 사이클은 새로운 자동차와 같은 더 값비싼 물건에 대한 변환 사이클에 비해 상대적으로 짧을(예를 들어, 30일) 수 있다. 새로운 자동차는 훨씬 더 긴 변환 사이클(예를 들어, 90일)을 가질 수 있다.

속성 모델은 사용자 광고 노출, 상호작용 및 변환 데이터에 기초하여 복수의 룩백 윈도우들 중 어느 것을 이용할지를 정의하고 이들 룩백 윈도우들을 수정하는 알고리즘을 포함할 수 있다. 일 예에서, 서로 다른 속성 모델들은 변환 이벤트들을 결정하기 위해 서로 다른 룩백 윈도우들을 적용할 수 있다. 변환 이벤트들을 선택하기 위한 룩백 윈도우들의 이용은 정해진 시간 주기에서의 모든 변환 이벤트들이 속성 모델 알고리즘들에 의한 프로세싱을 위해 선택되도록 가능한 한 넓게 유지될 수 있다.

서로 다른 광고주들 또는 광고주에 대한 서로 다른 물건들은 서로 다른 관련된 변환 사이클 길이들을 가질 수 있다. 예를 들어, (예를 들어, $100보다 싼) 저가의 물건들을 판매하는 광고주는 30일의 룩백 윈도우를 특정할 수 있는 한편, 더 값비싼 물건들(예를 들어, 최소한 $1000)을 판매하는 광고주는 90일의 룩백 윈도우를 특정할 수 있다.

일부 구현들에서, 광고주(108)는 날들(days)의 수를 입력함으로써 또는 특정 룩백 윈도우들의 목록(예를 들어, 30일, 60일, 90일)으로부터 룩백 윈도우를 선택함으로써와 같이, 성능 보고를 요청할 때 이용할 룩백 윈도우를 특정할 수 있다. 광고주가 그들의 성능 보고들의 룩백 윈도우를 구성하도록 하는 것은 광고주가 그들의 물건들의 변환 사이클들에 대응하는 룩백 윈도우를 고르는 것을 가능하게 한다. 룩백 윈도우 구성을 가능하게 하는 것은 또한 광고주들이 서로 다른 룩백 윈도우들로 실험하는 것을 가능하게 하며, 이는 변환율들을 향상시키는 방식들을 발견하게 할 수 있다.

다른 인자들이 부분적 변환 경로들의 보고에 기여할 수 있다. 예를 들어, 상기에 언급된 바와 같이, 보고를 위한 기반으로서 이용되는 사용자 상호작용 데이터는 사용자 상호작용들이 수행된 사용자 디바이스를 나타내는 고유 식별자들과 관련될 수 있다. 상술한 바와 같이, 고유 식별자는 쿠키로서 저장될 수 있다. 사용자가 쿠키들을 삭제하거나, 브라우저가 쿠키들을(예를 들어, 브라우저 선호 세팅에 기초하여, 브라우저가 빠져나갈 때) 삭제하거나 또는 일부 다른 소프트웨어(예를 들어, 안티-스파이웨어(anti-spyware) 소프트웨어)가 쿠키들을 삭제함으로써와 같이, 쿠키들이 사용자 디바이스들로부터 삭제될 수 있다.

쿠키들이 사용자 디바이스로부터 삭제되는 경우에, 사용자가 웹 페이지(예를 들어, 탐색 시스템(112))를 방문할 때 사용자의 디바이스 상에 새로운 쿠키가 설정될 것이다. 새로운 쿠키는 새로운 준-고유(quasi-unique) 식별자를 저장하기 위해 이용될 수 있으며, 따라서 사용자 디바이스 상에 발생하는 후속하는 사용자 상호작용 데이터는 다른 식별자와 관련될 수 있다. 따라서, 각 사용자 식별자는 다른 사용자를 나타내는 것으로 고려되기 때문에, 삭제된 쿠키들과 관련된 사용자 상호작용 데이터는 새로운 쿠키들과 관련되는 사용자 상호작용 데이터와 다른 사용자와 관련되는 것으로 식별된다.

예를 들어, 상기 예에서, "테니스"에 대한 제 1 탐색 질의가 수행된 후에 사용자가 쿠키들을 삭제하고 쿠키들이 삭제된 후에 "브랜드-X"에 대한 제 2 탐색 질의가 발생하는 것으로 가정한다. 본 예에서, 사용자에 대한 사용자 상호작용 데이터에 기초하여 계산된 성능 측정들은 바이어스를 보여줄 수 있다. 예를 들어, 2개의 사용자 상호작용들이 동일한 사용자에 의해 수행된 것으로 나타나지 않기 때문에, 제 1 탐색 질의로부터 발생하는 광고 선택은 제 2 탐색 질의로부터 발생하는 광고 선택에서와 동일한 변환 사이클의 일부로 고려되지 않으므로, 경로 길이 측정은 1로서 계산될 수 있다.

부분적 변환 경로로부터 야기되는 바이어스를 감소시키는 보고를 보기 위해, 광고주는 보고에 대한 룩백 윈도우를 특정할 수 있다. 상술한 바와 같이, 룩백 윈도우는 보고를 발생시키기 위해 이용되는 사용자 상호작용 데이터가 변환들 이전의 특정된 기간(예를 들어, 30일, 60일, 90일)에 앞선 초기화 시간들을 갖는 고유 식별자들과 관련되는 사용자 상호작용 데이터인 것으로 특정한다. 따라서, 특정된 기간 이후의 초기화 시간들을 갖는 고유 식별자들과 관련되는 사용자 상호작용 데이터에 대한 변환들은 보고를 위한 기반으로서 포함되지 않는다. 최신 초기화 시간을 갖는 고유 식별자는 고유 식별자가 나타내는 사용자 디바이스 상에 고유 식별자가 최근에 재초기화되었을 수 있음을 표시한다. 따라서, 비교적 새로운 고유 식별자와 관련된 사용자 상호작용 데이터는 부분적 변환 경로만을 나타낼 수 있다. 대안적으로, 특정된 기간 후인 초기화 시간들을 갖는 고유 식별자들과 관련되는 사용자 상호작용 데이터에 대한 변환들은 보고에 포함된다. 바이어스를 감소시키기 위해, 특정된 기간 후에 발생한 변환 경로에 포함되는 어떤 사용자 상호작용은 보고에 포함되기 이전에 변환 경로로부터 제거된다.

도 2는 예시적인 실시예에 따라 사용자 상호작용 로그 데이터를 집적하기 위한 흐름도이다. 프로세스(200)는 변환 경로들을 업데이트하고 사용자들의 업데이트된 변환 경로들에 기초하여 변환들을 결정하는 프로세스이다.

프로세스(200)는 광고 관리 시스템(110), 성능 분석 장치(120) 또는 다른 컴퓨팅 디바이스 상에 구현될 수 있다. 일 구현에서, 프로세스(200)는 컴퓨팅 디바이스에 의해 실행될 때 컴퓨팅 디바이스로 하여금 프로세스(200)의 동작들을 수행하게 하는 명령들을 포함하는 컴퓨터-판독가능한 매체 상에 인코딩된다.

상술한 바와 같이, 로그 파일들(116)은 사용자 상호작용 데이터를 포함할 수 있다. 로그 파일(116)은 프로세싱 이전에, 탐색 시스템(112)을 구현하는 것들을 포함하는, 다른 서버들로부터의 다른 로그들로부터의 사용자 상호작용 데이터와 조합될 수 있다. 프로세싱은 프로세스(200)를 구현하는 컴퓨팅 디바이스가 프로세싱을 위해 새로운 로그가 이용가능한 것으로 결정하는 것으로 시작한다(210). 예를 들어, 새로운 로그가 프로세싱을 위해 준비중임을 표시하는 통지가 컴퓨팅 디바이스에 송신될 수 있거나, 새로운 로그의 존재는 새로운 로그가 프로세싱을 위해 준비중임을 표시할 수 있다.

다음으로, 새로운 로그가 검색된다(220). 새로운 로그는 네트워크(102)를 통해 검색될 수 있다. 각 사용자에 대한 스테이트풀(stateful) 이력이 새로운 로그에 의해 표시된 사용자 활동에 기초하여 업데이트된다. 새로운 로그는 수많은 사용자들에 대한 사용자 상호작용들에 관련한 정보를 포함할 수 있다. 이력 데이터 스토어(119)는 이전에 프로세싱된 로그 파일들로부터의 사용자 상호작용 데이터를 포함한다. 사용자 상호작용 데이터가 사용자 식별자에 의해 그룹핑될 수 있으며 연대순으로 정렬될 수 있다는 점에서, 이력 데이터 스토어(119) 내에 포함되는 사용자 상호작용 데이터는 스테이트풀일 수 있다. 도 3은 예시적인 실시예에 따른 사용자 상호작용 로그 데이터 집적 프로세스(200) 동안 업데이트되는 사용자 상호작용 데이터를 도시하는 블록도이다. 비록 이력 데이터 스토어(119) 및 로그 파일들(116)이 수천의 또는 수백만의 서로 다른 사용자 식별자들과 관련된 데이터를 포함할 수 있더라도, 도 3은 4개의 예시적인 사용자 식별자들을 예시한다. 일 실시예에서, 이전에 저장된 사용자 상호작용 데이터(310)는 이력 데이터 스토어(119)에 저장된다. 예시된 바와 같이, 사용자 식별자 3과 관련된 어떠한 사용자 상호작용 데이터도 이력 데이터 스토어(119)에 이전에 저장되지 않았다.

새로운 로그는 하나 또는 둘 이상의 사용자 식별자들에 대한 사용자 상호작용 데이터를 포함할 수 있다. 사용자 상호작용 데이터는 사용자 식별자들에 의해 그룹핑될 수 있으며 그 후에 연대순으로 소팅(sort)될 수 있다(230). 열(320)은 그룹핑되고 소팅된 사용자 상호작용 데이터를 예시한다. 예시된 바와 같이, 사용자 식별자 2는 어떠한 새로운 사용자 상호작용 데이터도 포함하지 않으며, 사용자 식별자들 1, 3 및 4는 사용자 상호작용 데이터를 업데이트하였다. 예를 들어, 새로운 로그 파일은 사용자 식별자 1과 관련되는 사용자 상호작용들

및

와 관련된 사용자 상호작용 데이터를 포함한다. 그룹핑된 그리고 소팅된 사용자 상호작용 데이터는 그 후에 이력 데이터 스토어(119)에 저장된 사용자 상호작용 데이터와 병합될 수 있다(240). 사용자 식별자가 이력 데이터 스토어(119)에 이미 존재한 경우에, 새로운 사용자 상호작용 데이터는 이전의 사용자 상호작용 데이터에 추가된다. 그렇지 않으면, 새로운 사용자 상호작용 데이터는 새로운 사용자 식별자로 추가된다.

열(330)은 사용자 식별자들의 각각에 대한 업데이트된 사용자 상호작용 데이터를 예시한다. 업데이트된 사용자 상호작용 데이터에 기초하여, 사용자 상호작용들의 업데이트된 경로들의 각각에 발생된 어떤 변환들이 결정될 수 있다(250). 사용자 상호작용 경로들은 특정 광고자(108)에 관련되는 사용자 상호작용들로 제약된다. 특정 광고주(108)의 변환 상호작용들은 변환이 발생하였는지를 결정하기 위해 이용된다. 일 예로서, 사용자 상호작용들

및

는 변환 상호작용들을 나타내는 것으로 가정한다. 따라서, 변환 경로들(340 및 350)이 발견된다. 일단 발견되면, 변환 경로들은 추가적인 분석을 위해 다른 데이터 스토어 또는 이력 데이터 스토어(119)의 다른 부분에 기록될 수 있다.

각 사용자 상호작용은 사용자 상호작용과 관련된 치수들 또는 데이터의 세트를 포함한다. 치수들은 어떤 사용자 상호작용이 치수들의 서브세트에 관련된 데이터를 가질 수 있도록, 듬성듬성하게 밀집될(populated) 수 있다. 대다수의 변환 경로들은 수신된 사용자 상호작용 데이터에 기초하여 발생될 수 있다. 캠페인 또는 광고주의 배치들이 수행되는 방법에 관한 다양한 보고들은 변환 경로들에 관한 다양한 정보를 포함할 수 있다. 많은 잠재적 수의 변환 경로들이 정해지면, 보고되는 별개의(distinct) 변환 경로들의 수를 감소시키기 위해 다양한 변환 경로들이 그룹핑될 수 있다. 예시적인 실시예에서, 동일한 수의 사용자 상호작용들을 가지며 대응하는 데이터를 갖는 변환 경로들이 집합화될 수 있다.

일 실시예에서, 사용자들은 개별 사용자 상호작용들을 분류하기 위해 다양한 그룹들을 생성할 수 있다. 그룹은 특정 사용자 상호작용이 특정 그룹에 속하는지를 결정하는 하나 또는 둘 이상의 그룹 규칙들을 포함하는 그룹 정의를 포함한다. 그룹 규칙들은 사용자 상호작용의 그룹을 결정하기 위해 사용자 상호작용의 치수 데이터를 이용한다. AND, NOT, OR 등과 같은 부울 연산자들이 그룹 정의에서의 다양한 그룹 규칙들을 합치기 위해 이용될 수 있다. 각 그룹은 또한 그룹 명칭을 포함한다. 일부 실시예들에서, 그룹은 그룹 명칭을 디스플레이하기 위해 이용되는 텍스트 컬러 및/또는 배경 컬러와 같은 디스플레이 정보를 포함할 수 있지만 이들로 제한되지 않는다. 디폴트 그룹들이 또한 사용자들에게 이용가능하다. 디폴트 그룹들이 이용가능할 때, 사용자는 관련된 그룹 규칙들을 포함하여, 디폴트 그룹을 카피할 수 있으며, 그 후에 그룹 규칙들 및/또는 그룹 명칭들 중 하나 또는 둘 이상을 수정할 수 있다. 사용자 생성된 그룹들은 로컬 또는 원격 데이터베이스와 같은 데이터 스토어에 저장될 수 있다. 그룹들은 그 후에 나중의 시간에 액세스될 수 있고, 수정될 수 있으며 삭제될 수 있다.

하나 또는 둘 이상의 그룹들은 그룹핑 정의들의 정렬된 또는 순서화된 목록에서 서로 관련될 수 있다. 순서화된 목록들 내의 그룹들은 각 사용자 상호작용을 위한 그룹을 결정하기 위해 이용된다. 목록의 순서화는 특정 그룹의 우선순위를 결정한다. 사용자 상호작용은 최상위 우선순위를 갖는 매칭 그룹으로 그룹핑된다. 하위 우선순위의 매칭 그룹은 무시될 것이다.

그룹핑 정의들의 순서화된 목록을 이용하여, 각 변환 경로는 그룹 경로로 변환될 수 있다. 그룹 경로는 변환 경로의 사용자 상호작용들에 대응하는 그룹 엘리먼트들을 포함한다. 그룹 엘리먼트는 대응하는 사용자 상호작용으로부터의 데이터를 포함하거나 참조할 수 있다. 추가로, 그룹 엘리먼트는 매칭 그룹의 디스플레이 정보 및 그룹 명칭을 포함하거나 참조한다.

일 실시예에서, 변환 경로들은 매칭 그룹에 대한 레퍼런스를 사용자 상호작용들의 각각에 추가함으로써 그룹 경로들로 변환된다. 다른 실시예에서, 변환 경로들과 별개인 그룹 경로들이 생성된다. 본 실시예에서, 그룹 경로들은 변환 경로들이 저장되는 위치로부터 동일한 또는 다른 위치에 저장될 수 있다. 그룹 경로들이 구현되는 방법에도 불구하고, 그룹 경로들은 그룹 경로의 길이 및 그룹 경로를 구성하는 그룹 엘리먼트들의 그룹 명칭에 기초하여 집합화될 수 있다.

일 실시예에서, 그룹 경로들은 대응하는 변환 경로로부터의 다양한 데이터를 포함한다. 예를 들어, 변환 경로는 변환과 관련된 통화(monetary) 값을 포함할 수 있다. 그룹 경로들이 집합화됨에 따라, 집합화된 그룹 경로들과 관련된 모든 변환 경로들의 값이 또한 집합화될 수 있다. 이러한 집합화된 값은 보고에 포함될 수 있다.

이제 도 4를 참조하면, 광고 지출에 관한 리턴을 보고하기 위해 다수의 속성 모델들을 이용하는 방법을 예시하는 흐름도가 설명될 것이다. 도 4의 단계들을 구현하는 알고리즘은 광고 관리 시스템(110)(도 1), 성능 분석 장치(120) 또는 도 1에 도시된 다른 컴포넌트들 중 하나 또는 둘 이상에서 동작가능할 수 있다. 블록(402)에서, 시스템은 사용자 상호작용 데이터를 수신하도록 구성된다. 블록(404)에서, 변환 기준들이 저장되며 변환 기준들에 대한 액세스가 시스템에 제공된다. 블록(406)에서, 시스템은 변환 이벤트가 사용자 상호작용 데이터 및 변환 기준들에 기초하여 발생하였는지 여부를 결정하도록 구성된다. 변환 이벤트가 발생하였는지 여부에 관계없이, 부분적 또는 완전한 변환 경로 데이터가 블록(408)에서 저장된다.

블록(410)에서, 시스템은 블록(406)에서 검출된 하나 또는 둘 이상의 변환 이벤트들의 속성을 제공하도록 구성된다. 속성은 속성 모델 0으로 식별된 제 1 속성 모델 또는 알고리즘에 기초하여, 변환 경로에서의 하나 또는 둘 이상의 채널들에, 그리고 다양한 양들로 제공될 수 있다. 시스템은 예를 들어, 일반적인 단위들(예를 들어, 1개의 변환 이벤트의 퍼센티지), 통화 또는 다른 단위들로 표시된, 크레디트의 양을 계산함으로써 속성을 제공할 수 있다. 시스템은 메모리에서의 각 채널과 관련된 속성 데이터를 저장할 수 있다.

블록(412 및 414)에서, 시스템은 이 경우에 하나 또는 둘 이상의 추가적인 서로 다른 속성 모델들을 이용하더라도, 블록(410)에서 프로세싱되는 동일한 변환 이벤트들 중 하나 또는 둘 이상의 속성을 제공하도록 구성될 수 있다. 일부 예시적인 속성 모델들은 이하에 설명될 것이지만, 그와 같은 모델들을 제 1 클릭, 제 1 터치, 채널 터치, 최신성 또는 그의 조합들로서 포함할 수 있다. 속성 데이터의 추가적인 세트들은 블록들(412 및 414)에서 발생될 수 있으며 메모리에 저장될 수 있다. 하나의 예시적인 실시예에서, 블록들(412 및/또는 414)은 변환 경로에서의 최종 클릭에만 기초한 모델과 다른 속성 모델들을 이용할 수 있다.

하나의 예에서, 변환 기준들 그 자체들은 예를 들어, 속성 모델이 룩백 윈도우를 포함하는 경우에, 속성 모델의 일부일 수 있다. 따라서, 다수의 변환 기준들이 프로세스에서의 서로 다른 속성 모델들에 의해 필요에 따라 적용될 수 있다. 일 실시예에서, 변환 이벤트들의 선택(블록(406))은 가장 광범위한 매치 선택, 예를 들어, 이용되는 모든 속성 모델들에 대한 변환으로서 카운트하는 것을 정의하는 규칙들이어야 한다.

블록(416)에서, 시스템은 텍스트, 그래픽 또는 다른 포맷들로 서로 다른 속성 모델들의 결과들을 보고하도록 구성될 수 있으며, 그 일부 예들은 이하에 설명될 것이다.

블록(418)에서, 시스템은 특정 광고주에 대한 변환 경로에서의 복수의 서로 다른 채널들의 상대적 또는 실제 비용을 나타내는 비용 데이터를 수신하도록 구성될 수 있다. 시스템은 예를 들어, 비들, 퍼센티지들 등을 계산함으로써, 다수의 방식들 중의 어떤 방식으로 속성 데이터 세트들과 비용 데이터를 조합하도록 구성될 수 있다. 블록(420)에서, 시스템은 속성 데이터의 복수의 세트들 및 비용 데이터(예를 들어, 광고 지출에 대한 리턴 또는 ROAS)에 기초하여 보고 데이터를 발생시키도록 구성된다. 발생된 보고 데이터는 디스플레이를 위해 클라이언트 디바이스에 전송될 수 있다. 광고주는 그 후에 특정 광고 채널들을 이용하는 비용 효율성에 관하여 더 잘 아는 결정들을 행하기 위해 보고 데이터를 이용할 수 있다.

이제 도 5를 참조하면, 예시적인 실시예에 따른 변환 경로 데이터의 예시가 설명될 것이다. 예시(500)(및 다른 도면들에서의 유사한 예시들)는 클라이언트 디바이스에 전송된 보고 데이터의 일부인 그래픽 엘리먼트들을 나타낼 수 있거나 나타내지 않을 수 있다. 본 예에서, 상술한 방법들을 이용하여, 시스템들은 이 경우에, 광고주 사이트(50)에 도달하며 웹 사이트에서 구매를 행하는(그 중 어느 한쪽은 다양한 실시예들에서의 변환 이벤트일 수 있음) 변환 이벤트로 유도한 6개의 사용자 상호작용들을 포함하는 변환 경로를 저장하였다. 변환 경로에서의 각 이벤트 또는 사용자 상호작용은 특정 채널 및/또는 채널 타입을 식별할 수 있는 채널 식별자 데이터를 포함한다.

예를 들어, 채널(504)은 디스플레이 네트워크 채널이다. 디스플레이 네트워크 채널은 특정 광고 발행 네트워크에 사인하였거나 등록한 모든 웹 사이트들의 네트워크와 관련된 채널일 수 있다. 발행 네트워크는 많은 웹 사이트들 상의 특정 배치들을 구매하고 서로 다른 광고주들로부터의 많은 서로 다른 광고들을 그 배치들로 매칭하는 엔티티일 수 있다. 채널(504)의 경우에, 광고주 사이트(502) 또는 그 사이트 상의 물건에 대한 광고의 임프레션은 2011년 5월 15일 7:32:21 PM에 도시되었다.

2주 후에, 2011년 5월 30일 12:41:08 AM에서, 동일한 사용자는 제 1 채널과는 다른 제 2 채널, 즉 NY 매거진으로서 식별되는 컨텐츠-지향형 웹 사이트를 통해 광고주 사이트(502)에 대한 임프레이션을 제공받았다. 이러한 임프레션은 사용자가 웹 사이트를 방문한 때에 기록되며 나중의 이용을 위해 저장된다.

얼마 후에, 2011년 6월 11일 3:25:02 PM에서, 사용자는 제휴 블로그 채널(508)을 방문하고 광고주 사이트(502)와 관련된 링크를 클릭함으로써 채널과 상호작용한다. 제휴 채널은 웹 사이트 상의 정보의 사용자 클릭킹을 위한 크레디트 또는 보상을 획득하는 다른 클릭 트랙커(tracker) 웹 사이트 또는 가격 비교-타입 웹 사이트일 수 있다. 약 5시간 이후에, 사용자는 또 하나의 다른 채널, 웹 페이지 상의 광고 슬롯에서 광고를 도시하는 웹 페이지(510)와 상호작용한다.

그 다음날, 사용자는 탐색 엔진 채널(512)을 이용하여 탐색을 수행한다. 약 6분 후에, 변환 이벤트(514)에서 변환 이벤트가 최종적으로 검출된다. 사용자는 광고주 웹 사이트에 도달하였다.

보여지는 또는 그렇지 않으면 본 예에서 상호작용되는 광고들은 광고주 및/또는 적어도 하나의 동일한 변환 목표와 모두 관련되는, 동시에 실행되는 다수의 캠페인들로부터 또는 하나의 광고 캠페인으로부터 기인할 수 있다.

변환 이벤트가 발생하였으며, 시스템은 변환 경로에서의 하나 또는 둘 이상의 채널들 또는 이벤트들에 변환 이벤트에 대한 크레디트를 속성화하도록 구성된다.

도 6을 참조하면, 최종 클릭 속성 모델의 예시가 도시된다. 일반적으로 각 채널에 할당되는 속성 크레디트의 양을 나타내기 위해 그래프(602)가 변환 채널 예시들 상에 덮어씌워진 것을 제외하고, 예시(600)는 예시(500)와 유사하게 나타난다. 최종 클릭 모델에서, 시스템은 정해진 시간 윈도우 내에서, 변환 이벤트 이전에 변환 경로에서의 최종 클릭으로의 변환을 위한 크레디트(바(bar)(604)로 표현됨)의 모두 또는 실질적으로 모두를 제공하도록 구성된다. 시간 윈도우에서 클릭이 존재하지 않으면, 임프레션 윈도우 내에 있는 가장 가까운 디스플레이 임프레션에 크레디트를 할당한다.

도 7을 참조하면, 제 1 클릭 속성 모델이 도시된다. 예시(700)는 변환 경로 데이터 상에 제 1 클릭 속성 모델을 실행하는 효과를 도시한다. 이 경우에, 변환 경로에서의 제 1 클릭은 바(702)에 도시된 바와 같이, 크레디트의 모두 또는 실질적으로 모두에서 속성화된다. 제 1 클릭 모델은 광고주에 의해 선택된 룩백 윈도우에 의해 부분적으로 달성된다. 크레디트는 정해진 윈도우 내에 있는 변환에 가장 먼 활성(클릭) 타입 노출에 주어진다. 시간 윈도우에서 클릭이 존재하지 않는다면, 임프레션 윈도우 내에 있는 가장 멀리 떨어져 있는 디스플레이 임프레션에 크레디트를 할당한다.

도 8을 참조하면, 제 1 터치 속성 모델의 예시가 도시된다. 그것이 클릭인지, 임프레션인지 또는 다른 이벤트인지에 관계없이, 제 1 터치는 변환 경로에서의 제 1 이벤트에 크레디트의 모두 또는 실질적으로 모두를 보상한다. 이 경우에, 디스플레이 네트워크 채널은 바(802)에 의해 표시된 바와 같이, 변환에 대한 크레디트의 전부를 수여받는다. 크레디트는 룩백 윈도우 내에 있는 변환으로부터 가장 멀리 떨어진 노출에 할당된다. 다른 예에서, 제 1 터치 속성 모델은 마케팅 채널이 이 모델에 특정한 룩백 윈도우를 이용하여, 이 모델에 의해 크레디트되는 변환 이전의 가장 이른 시점을 결정하기 위해 조정될 수 있다.

도 9를 참조하면, 채널 터치 속성 모델의 예시가 도시된다. 채널 터치 모델 또는 도달 모델 크레디트들은 다수의 채널들 사이에 크레디트를 공유한다. 이 경우에, 모든 채널들은 변환에 대한 크레디트의 동일한 부분을 제공받으며, 이 경우에 크레디트의 1/5이 5개의 채널들에 제공된다. 이러한 모델에 관한 변형은 동일하게 캠페인들을 크레디트하는 것이다. 예를 들어, 캠페인 A가 변환 경로에서의 2개의 채널들을 나타내고 캠페인 B가 변환 경로에서의 하나의 채널을 나타내는 경우에, 캠페인 A 및 캠페인 B의 각각은 크레디트의 동일한 부분을 수신할 것이다. 채널은 이 모델의 캠페인 또는 매체로서의 목적들을 위해 정의될 수 있다.

도 10을 참조하면, 최신 속성 모델의 예시가 도시된다. 최신 모델은 크레디트의 상승하는 스케일에 관한 변환에 근접성을 보상한다. 이 모델은 디스플레이들에 대해서보다 클릭들에 대해 크레디트의 더 많은 가중치를 더 수여할 수 있다. 예시(1000)를 참조하면, 탐색 클릭 채널(1002)은 (바(1004)에 의해 표시된 바와 같은) 크레디트의 최대 부분을 수신한다. 크레디트의 제 1 최대 부분은 (바(1008)에 의해 표시된 바와 같은) 제휴 클릭 채널(1006)에 할당된다. 채널(1006)이 디스플레이 뷰 채널(1010)보다 변환으로부터 더 멀더라도, 채널(1006)은 클릭으로 인해 크레디트의 더 높은 부분을 수여받는다. 채널들(1012 및 1014)은 변환으로부터 가장 멀고 어떠한 클릭들과도 관련되지 않기 때문에 최저량의 크레디트를 수여받는다.

이들 속성 모델들을 계산하기 위한 알고리즘들은 예를 들어, 광고주들에 의해 조정될 수 있는 파라미터들을 포함할 수 있다. 예를 들어, 최신성 가중치는 선형이거나 지수형일 수 있다. 클릭들과 뷰들 사이의 가중치의 차이는 조정가능한 승수(multiplier)를 가질 수 있다.

일 특정 예에서, 최신 모델에서, 크레디트는 사람들이 기억하거나 정보로의 노출에 의해 영향받는 비-선형 방식을 반영하는 연속적인 지수 감소 함수를 이용하여 할당될 수 있다. 이러한 함수는 2개의 파라미터들을 가질 수 있다: 함수의 감쇠 반감기(decay half life) 및 비가공(raw) 스코어들에 곱해지는 '활성' 이벤트 타입 승수. 함수는 또한 낮은 총 스코어들을 갖는 변환들을 폐기하는 논리 테스트를 적용할 수 있다. 그와 같은 모델에 대한 예시적인 알고리즘은 이하에 제공된다:

일 실시예에서, 활성 승수는 활성 변환들의 비율을 변환들의 비율로서 계산하는 함수를 이용하여 계산될 수 있다.

의 값은 클릭들을 포함하는 변환들의 존재의 카운트이다.

의 값은 임프레션들을 포함하는 변환들의 카운트이다. 이 함수는 디스플레이 만의(display-only) 변환 경로들의 존재에 의해 지배적으로 구성된다. 분자는 모든 항들이 동일한 경우의 클릭 경로들만이 존재하는 경우에 대한 공식의 균형을 맞추기 위해 2개의

들을 포함한다. 공식은 클릭들을 향해 바이어스된다. 하나의 클릭만을 포함하는 변환들에 대해, 클릭이 존재한 경우에 임프레션이 존재하기 때문에 1의 카운트가 임프레션들에 가산될 수 있다.

상기에 도시된 등식은 임프레션들을 통한 클릭들에 대한 상위 가중치를 제공할 수 있으며, 여기서 임프레션 가중치는 100이다. 예를 들어, 이 파라미터가 200인 경우에, 클릭은 2x 임프레션 값으로 된다.

이용되는 감쇠 인자는 얼마나 빨리 고객들이 변환하는지에 기초할 수 있다. 감쇠 인자는 제 1 터치로부터 모든 변환들에 대한 변환까지의 타임 랙에 기초하여 계산될 수 있다. 그 후에 모든 변환들은 변환에 대한 누적 시간을 제공하기 위해, 제 1 터치로부터 변환까지의 랙에 의해 소팅될 수 있다. 변환 베이스의 50%에 도달하도록 시간 변환들이 정렬될 수 있고 분석될 수 있다. 이러한 50%는 변환을 달성하기 위해 가장 빠른 변환기들의 최소한 절반에 대해 요구되는 시간을 나타낸다. 미리 결정된 시간의 임계값(예를 들어, 2시간)이 이용될 수 있어, 50%에 대한 시간이 2시간보다 작은 때에, 2시간이 이용된다. 이 시간은 계산에 의한 시간 감쇠 인자에 대한 변환에 대해 "반감기(half-life)"로서 이용된다. 반감기는 다음의 등식에 도시된 바와 같이, 함수가 0.5 비가공(raw)의 비-가중된 크레디트들을 할당하는 시간 간격을 결정한다:

이는 1 반감기 후에 할당되는 0.5 크레디트를 발생시키는 감쇠 인자를 제공한다. 궁극적으로 이는 보고에서의 변환들에 의해 구동됨에 따라, 이용되는 캠페인들/매체 혼합의 타입에 본질적으로 맞춰진다.

최신 속성 모델에 대한 하나의 타당한 이유는 시간이 경과함에 따라, 마케팅 채널들에 대한 노출 또는 마케팅 채널들과의 상호작용의 영향은 기억 효과들로 인해 감소할 수 있으며, 감쇠 인자는 이것을 설명한다. 이러한 이유로 최신 모델은 '기억' 모델로서 지칭되며 곡선은 '기억' 또는 '망각' 곡선이라 지칭된다.

변환에 대한 시간은 변환에 대한 누적 시간에 대한 전체 시간들로 계산될 수 있다. 예를 들어:

변환기들의 시간 대 변환 누적 퍼센티지

본 예에서, 1시간보다 작은, 사용자들의 20%가 변환한다. 3시간 내에 사용자들의 50%가 변환하였다. 이 경우에, 3시간은 반감기로서 이용된다.

상술한 모델들 또는 함수들 중 어느 것에 대해, 시스템은 도시된 바와 같이 채널들을 스코어링 또는 크레디트하도록 구성된다. 다음에, 출력 데이터가 그룹핑되거나 누계된다. 예를 들어, 모든 노출들 또는 채널들 및 그들 각각의 스코어들이 채널에 의해 결정되는, 정해진 그룹에 대해 검토되고 합산된다. 예를 들어, 캠페인들에 주어진 크레디트는 함수에 의해 계산될 수 있으며 그 후에 모든 기록된 스코어들에 걸쳐 반복되며 그 후에 각 노출 스코어는 노출이 속하는 캠페인에 대한 실행 총계에 가산된다. 이러한 스코어 누적 프로세스는 사이트 명칭, 광고주, 크리에이티브(creative), 배치 등을 포함하는 노출과 관련된 어떤 치수에 대해 반복될 수 있다.

최종 누적 스테이지는 각 그룹핑에 대한 크레디트의 퍼센티지를 계산하는 것과 관련할 수 있다. 이러한 계산은 정해진 함수에 대해 총 크레디트를 합산하고, 그 후에 그룹들의 모두를 통해 나누는 것을 포함할 수 있다.

다른 누적 동작은 수익을 통한 인수분해를 포함할 수 있다. 시스템은 변환 당 모든 함수 스코어 총계들을 변환 값을 통해 1 및 인자로 재가중하도록 구성될 수 있다. 이러한 재가중의 결과는 각 변환의 도메인들에 대한 값들의 거리를 변경하는 것이다. 시스템은 가장 일관된 결과를 산출하기 위해 결과들의 퍼센티지 뷰를 이용하도록 구성될 수 있다. 시스템은 그 후에 정해진 치수 그룹에 의한 퍼센티지를 쓰기 위해 비교할 수 있다.

다수의 속성 알고리즘들이 동일한 사용자 상호작용들(예를 들어, 광고 노출들, 활성 클릭들, 변환 데이터 등) 및 비교된 결과들에 적용될 수 있다.

이제 도 11을 참조하면, 다수의 속성 모델 계산들의 결과들을 도시하는 예시적인 디스플레이 데이터 또는 보고 데이터의 예시가 설명될 것이다. 본 예에서, 크레디트는 "아크메 보험(Acme Insurance)"에 대한 마케팅 캠페인을 위한 복수의 변환 경로들에서의 다수의 채널들에 대해 속성화되었다. 제 1 채널(1102)은 "아크메 보험 보험" 키워드들에 대한 탐색 엔진 탐색을 나타낸다. 제 2 채널(1104)은 제휴 채널을 나타낸다. 제 3 채널(1106)은 아크메 보험 제품 A에 대한 온라인 디스플레이 캠페인을 나타낸다. 제 4 채널(1108)은 "자동차 보험" 키워드들에 대한 탐색 엔진 탐색을 나타낸다. 제 5 채널(1110)은 아크메 보험 제품 B에 대한 온라인 디스플레이 캠페인을 나타낸다.

바 그래프(bar graph)에서의 바들의 각 세트에서의 제 1(최상위) 막대는 최신 속성 모델을 이용하는 시스템에 의해 채널에 대해 속성화된 크레디트의 양을 나타낸다. 바들의 각 세트에서의 제 2 바는 최종 클릭 속성 모델을 이용하여 속성화된 크레디트의 양을 나타낸다. 제 3 바는 캠페인 채널 분배 모델을 나타낸다. 제 4 바는 제 1 클릭 속성 모델을 나타내며, 제 3 바는 제 1 터치 속성 모델을 나타낸다. 각 바는 시스템에 의해 발생되는 속성 데이터에 기초할 수 있다.

광고주는 데이터에 관한 특정 관찰들을 행할 수 있다. 예를 들어, 제 1 클릭은 화살표들(1112)에 의해 도시된 바와 같이, 채널들의 각각에 대한 최종 클릭에서와 거의 동일한 크레디트를 제공한다. 둘째로, 최신 모델은 화살표들(1114)에 의해 도시된 바와 같이, 최종 클릭 모델보다 약간 더 많은 제휴들을 보상한다. 셋째로, 디스플레이는 화살표들(1116)에 의해 도시된 바와 같이, 제 1 터치 및 채널 모델들에서의 가장 큰 존재를 갖는다. 보고 데이터 또는 디스플레이 데이터는 사이트 그룹핑, 캠페인 그룹핑, 크리에이티브 레벨 그룹핑, 배치 레벨 그룹핑 또는 다른 그룹핑들에 의해 그룹핑될 수 있다. 그룹핑들은 최대 크레디트의 100%까지 추가하여야 한다. 도면부호(1118)에 도시된 바와 같이, 이러한 데이터의 그룹핑은 캠페인에 의한 것이다. 대안적으로 그룹핑은 사이트, 사이트 배치 등일 수 있다. 본원에서 채널 또는 마케팅 채널의 용어들의 이용은 이들 레벨들 중의 어떤 레벨 상의 채널들을 지칭할 수 있다.

이제 도 12를 참조하면, 비용 데이터를 포함하는 다수의 속성 모델 계산들의 결과들을 도시하는 예시적인 디스플레이 데이터 또는 보고 데이터의 예시가 설명될 것이다. 시스템은 다수의 방식들 중의 어떤 방식으로 비용 데이터를 발생시키도록 구성될 수 있다. 비용 데이터는 리턴-온-인베스트먼트(return-on-investment) 또는 광고 지출 분석에 대한 리턴의 일부일 수 있다. 시스템은 변환 경로에서의 복수의 채널들의 상대적 또는 실제 비용을 나타내는 비용들 데이터를 수신하도록 구성될 수 있다. 분석은 상대적 또는 실제 비용을 각 채널에 주어진 크레디트와 비교하도록 구성될 수 있다. 비용 데이터는 분석된 각 채널에 대한 매체 지출 데이터를 포함할 수 있다.

본 예에서의 채널 1을 참조하면, 수신된 비용 데이터는 마케팅 캠페인의 비용의 15%로서 표시된, 바(1202)에서의 바 그래프 형태로 제시될 수 있다. 속성 데이터는 속성 모델 B를 이용하여, 채널 1이 크레디트의 25%를 수신하는 것을 바(1204)에서 표시한다. 속성 데이터는 속성 모델 A를 이용하여, 채널 1이 크레디트의 20%를 수신하는 것을 바(1206)에서 더 표시한다. 결론은 크레디트 퍼센티지가 양쪽 속성 모델 알고리즘들을 이용하여 매체 비용 퍼센티지를 초과하기 때문에, 이 채널은 비교적 비용 효율적인 채널인 것으로 나타난다는 점이 광고주 또는 시스템에 의해 도출될 수 있다.

채널 2로 돌아가면, 매체 비용은 35%이고, 모델 B는 크레디트의 30%를 할당하며 모델 A는 크레디트의 25%를 할당한다. 결론은 크레디트 퍼센티지가 양쪽 모델들에 대한 매체 비용 퍼센티지 미만이기 때문에, 이것은 비교적 값비싼 채널로 나타난다는 점이 광고주 또는 시스템에 의해 도출될 수 있다.

채널 3으로 돌아가면, 매체 비용은 25%, 모델 B는 채널 3에 대한 변환들을 위해 크레디트의 20%를 할당하며, 모델 A는 채널 3에 대한 크레디트의 30%를 할당한다. 이 경우에, 비용에 대한 크레디트 퍼센티지 관계는 모델에 의해 변화한다. 채널이 비용 효율적인지 값비싼지 여부의 결정 및 장래의 비용 결정들을 할당하는 방법은 노출 경로가 값을 만드는 방법에 대한 광고주 또는 시스템의 관점에 의존한다.

도시된 바와 같이, 시스템은 크레디트 또는 속성 데이터 및 비용 데이터에 기초하여 광고 지출 데이터에 관한 리턴을 발생시키도록 구성될 수 있다. 시스템은 비용에 의해 크레디트를 분할하도록 그리고 텍스트, 비, 바 그래프와 같은 그래픽 또는 다른 포맷들과 같은 다양한 포맷들 중의 어떤 포맷으로 사용자에게 데이터를 제시하도록 구성될 수 있다. 시스템은 서로 다른 컬러들, 하이라이팅, 언더라이닝(underlining), 볼딩(bolding), 사운드들 등을 이용하여 일부 데이터를 하이라이팅하거나 플래그하도록 더 구성될 수 있다. 예를 들어, 1보다 큰 크레디트 대 비용 비는 보고 데이터에서 효율적인 것으로(예를 들어, 그린 컬러로) 식별될 수 있는 한편, 1보다 작은 크레디트 대 비용 비는 보고 데이터에서 비효율적인 것으로(예를 들어, 레드 컬러로) 식별될 수 있다.

시스템은 마케팅 지출을 수신하고 다수의 모델들의 크레디트를 속성화하며 모델 크레디트 대 비용의 비들을 계산함으로써 광고 지출에 관한 리턴 또는 투자에 관한 리턴을 수행하도록 구성될 수 있다. 시스템은 다수의 사이트들, 다수의 캠페인들, 다수의 크리에이티브들 등을 통해 데이터를 할당하도록 구성될 수 있다.

이제 도 12b를 참조하면, 비용 데이터를 포함하는 다수의 속성 모델 계산들의 결과들을 도시하는 예시적인 디스플레이 데이터 또는 보고 데이터의 예시가 설명될 것이다. 본 예시에 이용되는 데이터는 도 12로부터의 데이터와 동일하다. 도 13에서, 비용 데이터는 컬러화된 하이라이팅과 함께, 퍼센티지들 및 비들을 포함하는 텍스트 포맷으로 제시된다. 채널 1의 경우에, 1.33의 "모델 A" 크레디트/비용의 비는 그린 텍스트로 제시되며 1.67의 "모델 B" 크레디트/비용의 비는 그린 텍스트로 제시되는데, 그 이유는 양쪽 모델들이 유효한 지출을 표시하기 때문이다. 채널 2의 경우에, 양쪽 비들은 레드 텍스트로 제시된다. 채널 3의 경우에, 1.20의 모델 A 크레디트/비용 비가 그린 텍스트로 제시되며 모델 B 크레디트/비용 비가 레드 텍스트로 제시된다. 다른 컬러들 또는 하이라이팅 옵션들이 고려된다. 비들은 시각화의 편의성을 위해 매트릭스 또는 표로 제시될 수 있다.

도 13은 사용자 상호작용 보고들, 프로세스 로그 파일들을 제공하고, 예시적인 성능 분석 장치(130)를 구현하거나, 예시적인 광고 관리 시스템(110)을 구현하기 위해 이용될 수 있는 컴퓨터 시스템(1300)의 도시를 예시한다. 컴퓨팅 시스템(1300)은 정보를 전달하기 위한 버스(1305) 또는 다른 통신 컴포넌트 및 정보를 프로세싱하기 위해 버스(1305)에 커플링된 프로세서(1310)를 포함한다. 컴퓨팅 시스템(1300)은 또한 정보 및 프로세서(1310)에 의해 실행되는 명령들을 저장하기 위해 버스(1305)에 커플링된, 랜덤 액세스 메모리(RAM) 또는 다른 동적 저장 디바이스와 같은 메인 메모리(1315)를 포함한다. 메인 메모리(1315)는 또한 프로세서(1310)에 의한 명령들의 실행 동안 위치설정 정보, 일시적 변수들 또는 다른 중간 정보를 저장하기 위해 이용될 수 있다. 컴퓨팅 시스템(1300)은 프로세서(1310)에 대한 정적 정보 및 명령들을 저장하기 위해 버스(1305)에 커플링된 판독 전용 메모리(ROM)(1310) 또는 다른 정적 저장 디바이스를 더 포함할 수 있다. 고체 상태 디바이스, 자기 디스크 또는 광학 디스크와 같은 저장 디바이스(1325)는 정보 및 명령들을 지속적으로 저장하기 위해 버스(1305)에 커플링된다.

컴퓨팅 시스템(1300)은 정보를 사용자에게 디스플레이하기 위해, 액정 디스플레이 또는 능동 매트릭스 디스플레이와 같은 디스플레이(1335)에 버스(1315)를 통해 커플링될 수 있다. 영문숫자 및 다른 키들을 포함하는 키보드와 같은 입력 디바이스(1330)는 정보 및 커맨드 선택들을 프로세서(1310)에 전달하기 위해 버스(1305)에 커플링될 수 있다. 다른 실시예에서, 입력 디바이스(1330)는 터치 스크린 디스플레이(1335)를 갖는다. 입력 디바이스(1330)는 방향 정보 및 커맨드 선택들을 프로세서에 전달하기 위해, 그리고 디스플레이(1335) 상의 커서 운동을 제어하기 위해 마우스, 트랙볼 또는 커버 방향 키들과 같은 커서 컨트롤을 포함할 수 있다.

다양한 실시예들에 따르면, 본원에 설명되는 예시적인 실시예들을 달성하는 프로세스들이 메인 메모리(1315)에 포함된 명령들의 배열을 실행하는 프로세서(1310)에 응답하여 컴퓨팅 시스템(1300)에 의해 구현될 수 있다. 그와 같은 명령들은 저장 디바이스(1325)와 같은 다른 컴퓨터-판독가능한 매체로부터 메인 메모리(1315)로 판독될 수 있다. 메인 메모리(1315)에 포함된 명령들의 배열의 실행은 컴퓨팅 시스템(1300)이 본원에 설명된 예시적인 프로세스들을 수행하게 야기한다. 멀티프로세싱 배열에서의 하나 또는 둘 이상의 프로세서들은 또한 메인 메모리(1315)에 포함된 명령들을 실행하기 위해 사용될 수 있다. 대안적인 실시예들에서, 고정 배선(hard-wired) 회로는 예시적인 실시예들을 구현하기 위해 소프트웨어 명령들 대신에 또는 소프트웨어 명령들과 조합하여 이용될 수 있다. 따라서, 실시예들은 하드웨어 회로 및 소프트웨어의 어떤 특정 조합에 제한되지 않는다.

예시적인 프로세싱 시스템이 도 13에 설명되었더라도, 본 명세서에 설명된 발명 및 기능적 동작들의 구현들은 다른 타입들의 디지털 전자 회로, 또는 본 명세서에 개시된 구조들 및 그들의 구조적 등가물들을 포함하거나 또는 그들 중 하나 또는 둘 이상의 조합들로, 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어로 구현될 수 있다.

본 명세서에 설명되는 발명 및 동작들의 실시예들은 디지털 전자 회로, 또는 본 명세서에 개시된 구조들 및 그들의 구조적 등가물들을 포함하거나 또는 그들 중 하나 또는 둘 이상의 조합들로, 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어로 구현될 수 있다. 본 명세서에 설명된 발명의 실시예들은 하나 또는 둘 이상의 컴퓨터 프로그램들, 즉 프로세싱 회로와 같은 데이터 프로세싱 장치에 의한 실행을 위해, 또는 그 장치의 동작을 제어하기 위해 하나 또는 둘 이상의 컴퓨터 저장 매체 상에 인코딩되는, 하나 또는 둘 이상의 컴퓨터 프로그램들, 즉 컴퓨터 프로그램 명령들의 하나 또는 둘 이상의 모듈들로서 구현될 수 있다. 프로세싱 회로는 마이크로프로세서, 마이크로제어기, 응용-주문형 집적 회로, 프로그램가능한 로직 등과 같이, 본원에 설명된 기능들을 수행하도록 구성되는 어떤 디지털 및/또는 아날로그 회로 컴포넌트들을 포함할 수 있다. 대안적으로 또는 추가로, 프로그램 명령들은 데이터 프로세싱 장치에 의한 실행을 위해 적합한 수신기 장치로의 전송을 위해 정보를 인코딩하도록 발생되는, 인공적으로-발생되는 전파된 신호, 예를 들어, 기계로-발생된 전기, 광학 또는 전자기 신호 상에 인코딩될 수 있다. 컴퓨터 저장 매체는 컴퓨터-판독가능한 저장 디바이스, 컴퓨터-판독가능한 저장 기판, 랜덤 또는 직렬 액세스 메모리 어레이 또는 디바이스, 또는 이들 중 하나 또는 둘 이상의 조합일 수 있거나, 이들에 포함될 수 있다. 더욱이, 컴퓨터 저장 매체는 전파된 신호가 아닌 한편, 컴퓨터 저장 매체는 인공적으로-발생된 전파된 신호에 인코딩된 컴퓨터 프로그램 명령들의 소스 또는 목적지일 수 있다. 컴퓨터 저장 매체는 또한 하나 또는 둘 이상의 별개의 컴포넌트들 또는 매체(예를 들어, 다수의 CD들, 디스크들, 또는 다른 저장 디바이스들)일 수 있거나, 이들에 포함될 수 있다. 따라서, 컴퓨터 저장 매체는 유형(tangible) 및 비-일시적일 수 있다.

본 명세서에 설명된 동작들은 하나 또는 둘 이상의 컴퓨터-판독가능한 저장 디바이스들 상에 저장된 또는 다른 소스들로부터 수신된 데이터에 관하여 데이터 프로세싱 장치에 의해 수행되는 동작들로서 구현될 수 있다.

용어 "데이터 프로세싱 장치" 또는 "컴퓨팅 디바이스"는 예시로서 프로그램가능한 프로세서, 컴퓨터, 하나의 칩 또는 다수의 칩들 상의 시스템 또는 전술한 것들의 조합들을 포함하여, 데이터를 프로세싱하기 위한 모든 종류들의 장치, 디바이스들 및 기계들을 망라한다. 장치는 특별 목적 논리 회로, 예를 들어, FPGA(필드 프로그램가능한 게이트 어레이) 또는 ASIC(응용 주문형 집적 회로)을 포함할 수 있다. 장치는 또한, 하드웨어에 더하여, 당해의 컴퓨터 프로그램에 대한 실행 환경을 생성하는 코드, 예를 들어, 프로세서 펌웨어, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 시스템, 크로스-플랫폼(cross-platform) 실행시간 환경, 가상 머신 또는 그들 중 하나 또는 둘 이상의 조합을 구성하는 코드를 포함할 수 있다. 장치 및 실행 환경은 웹 서비스들, 분산된 컴퓨팅 및 그리드 컴퓨팅 인프라구조들과 같은 다양한 서로 다른 컴퓨팅 모델 인프라구조들을 실현할 수 있다.

(또한 프로그램, 소프트웨어, 소프트웨어 애플리케이션, 스크립트 또는 코드로 알려지는) 컴퓨터 프로그램은 컴파일된 또는 번역된 언어들, 선언적 또는 절차적 언어들을 포함하는 프로그래밍 언어의 어떤 형태로 기록될 수 있으며, 자립형 프로그램으로서 또는 모듈, 컴포넌트, 서브루틴, 객체 또는 컴퓨팅 환경에 이용하기 위해 적합한 다른 유닛으로서를 포함하는 어떤 형태로 배치될 수 있다. 컴퓨터 프로그램은 파일 시스템에서의 파일에 대응할 수 있지만, 필수적인 것은 아니다. 프로그램은 논의중인 프로그램에 전용되는 단일 파일, 또는 다수의 조정된 파일들(예를 들어, 하나 또는 둘 이상의 모듈들, 서브-프로그램들 또는 코드의 일부분들을 저장하는 파일들)에서, 다른 프로그램들 또는 데이터(예를 들어, 마크업 언어 문서에 저장된 하나 또는 둘 이상의 스크립트들)를 유지하는 파일의 일부분에 저장될 수 있다. 컴퓨터 프로그램은 하나의 컴퓨터 또는 일 사이트에 위치되거나 다수의 사이트들에 걸쳐 분배되며 통신 네트워크에 의해 상호접속되는 다수의 컴퓨터들 상에 실행되도록 배치될 수 있다.

본 명세서에 설명된 프로세스들 및 논리 흐름들은 입력 데이터 상에 동작하고 출력을 발생시킴으로써 동작들을 수행하기 위해 하나 또는 둘 이상의 컴퓨터 프로그램들을 실행하는 하나 또는 둘 이상의 프로그램가능한 프로세서들에 의해 수행될 수 있다. 프로세스들 및 논리 흐름들은 또한 특별 목적 논리 회로, 예를 들어, FPGA(field programmable gate array) 또는 ASIC(application-specific integrated circuit)에 의해 수행될 수 있고, 장치는 또한 이들로서 구현될 수 있다.

컴퓨터 프로그램의 실행을 위해 적합한 프로세서들은 예시로서, 일반 및 특별 목적 마이크로프로세서들 둘 다, 및 어떤 종류의 디지털 컴퓨터의 어느 하나 또는 둘 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독-전용 메모리 또는 랜덤 액세스 메모리 또는 둘 모두로부터 명령들 및 데이터를 수신할 것이다. 컴퓨터의 필수 엘리먼트들은 명령들에 따라 동작들을 수행하기 위한 프로세서 및 명령들 및 데이터를 저장하기 위한 하나 또는 둘 이상의 메모리 디바이스들이다. 일반적으로, 컴퓨터는 또한 데이터를 저장하기 위한 하나 또는 둘 이상의 대용량 저장 디바이스들, 예를 들어, 자기, 광자기(magneto-optical) 디스크들, 광학 디스크들을 포함하거나, 또는 이들로부터 데이터를 수신하거나 데이터를 이들로 전송하거나, 또는 둘 다를 행하도록 동작가능하게 커플링될 것이다. 그러나, 컴퓨터는 그와 같은 디바이스들을 가져야만 하는 것은 아니다. 더욱이, 컴퓨터는 몇 가지 예를 들자면, 다른 디바이스, 예를 들어, 이동 전화, 개인 휴대 정보 단말(PDA), 모바일 오디오 또는 비디오 플레이어, 게임 콘솔, 위성 위치 확인 시스템(GPS) 수신기 또는 휴대용 저장 디바이스(예를 들어, 유니버설 직렬 버스(USB) 플래시 드라이브)에 임베디드될 수 있다. 컴퓨터 프로그램 명령들 및 데이터를 저장하기 위해 적합한 디바이스들은 예시로서 반도체 메모리 디바이스들, 예를 들어, EPROM, EEPROM 및 플래시 메모리 디바이스들; 자기 디스크들, 예를 들어, 내부 하드 디스크들 또는 분리성 디스크들; 광자기 디스크들; 및 CD-ROM 및 DVD-ROM 디스크들을 포함하는, 비-휘발성 메모리, 매체 및 메모리 디바이스들의 모든 형태들을 포함한다. 프로세서 및 메모리는 특별 목적 논리 회로에 의해 보완될 수 있거나, 특별 목적 논리 회로에 통합될 수 있다.

사용자와의 상호작용을 제공하기 위해, 본 명세서에 설명된 발명의 실시예들은 정보를 사용자에게 디스플레이하기 위한 디스플레이 디바이스, 예를 들어, CRT(cathode ray tube) 또는 LCD(liquid crystal display) 모니터 및 사용자가 입력을 컴퓨터에 제공할 수 있는 키보드 및 포인팅 디바이스, 예를 들어 마우스 또는 트랙볼을 갖는 컴퓨터상에 구현될 수 있다. 다른 종류들의 디바이스들이 또한 사용자와의 상호작용을 제공하기 위해 이용될 수 있다; 예를 들어, 사용자에 제공되는 피드백은 감각 피드백, 예를 들어, 시각 피드백, 청각 피드백 또는 촉각 피드백의 어떤 형태일 수 있다; 그리고 사용자로부터의 입력은 음향, 음성, 또는 촉각 입력을 포함하는 어떤 형태로 수신될 수 있다. 추가로, 컴퓨터는 사용자에 의해 이용되는 디바이스에 문서들을 송신하고 그로부터 문서들을 수신함으로써; 예를 들어, 웹 브라우저로부터 수신되는 요청들에 응답하여 사용자의 클라이언트 디바이스 상의 웹 브라우저에 웹 페이지들을 송신함으로써 사용자와 상호작용할 수 있다.

본 명세서에 설명되는 발명의 실시예들은 예를 들어, 데이터 서버로서 백-엔드(back-end) 컴포넌트를 포함하는, 또는 미들웨어 컴포넌트, 예를 들어, 애플리케이션 서버, 또는 프런트-엔드 컴포넌트, 예를 들어, 사용자가 본 명세서에 설명된 발명의 구현과 상호작용할 수 있는 웹 브라우저 또는 그래픽 사용자 인터페이스를 갖는 클라이언트 컴퓨터, 또는 하나 또는 둘 이상의 그와 같은 백-엔드, 미들웨어 또는 프런트-엔드 컴포넌트들의 어떤 조합을 포함하는 컴퓨팅 시스템에 구현될 수 있다. 시스템의 컴포넌트들은 디지털 데이터 통신의 어떤 형태 또는 매체, 예를 들어, 통신 네트워크에 의해 상호접속될 수 있다. 통신 네트워크들의 예들은 로컬 영역 네트워크("LAN") 및 광역 네트워크("WAN"), 인터-네트워크(예를 들어, 인터넷) 및 피어-투-피어(peer-to-peer) 네트워크(예를 들어, 애드 혹 피어-투-피어 네트워크들)를 포함한다.

컴퓨팅 시스템은 클라이언트들 및 서버들을 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로로부터 원격이며 전형적으로 통신 네트워크를 통해 상호작용한다. 클라이언트 및 서버의 관계는 각각의 컴퓨터들 상에 실행하며 서로 클라이언트-서버 관계를 갖는 컴퓨터 프로그램들 덕분에 발생한다. 일부 실시예들에서, 서버는 (예를 들어, 클라이언트 디바이스와 상호작용하는 사용자에 데이터를 디스플레잉하고 그로부터 사용자 입력을 수신하는 목적들을 위해) 클라이언트 디바이스에 데이터(예를 들어, HTML 페이지)를 전송한다. 클라이언트 디바이스에서 발생된 데이터(예를 들어, 사용자 상호작용의 결과)는 서버 측에서 클라이언트로부터 수신될 수 있다.

본 명세서는 많은 특정 구현 세부사항들을 포함하는 한편, 이들은 어떤 발명들 또는 청구될 수 있는 것의 범위에 대한 제한들로서 해석되어서는 안되며, 오히려 특정 발명들의 특정 실시예들에 특정된 특징들의 설명들로서 해석되어야 한다. 별개의 실시예들의 문맥으로 본 명세서에 설명되는 특정 특징들은 또한 단일 실시예로 조합하여 구현될 수 있다. 역으로, 단일 실시예의 문맥으로 설명되는 다양한 특징들은 또한 별개로 다수의 실시예들로 또는 어떤 적합한 부조합으로 구현될 수 있다. 더욱이, 특징들은 특정 조합들로 동작하는 것으로 상기에 설명될 수 있으며 심지어 초기에 그와 같이 청구되었더라도, 청구된 조합으로부터의 하나 또는 둘 이상의 특징들은 일부 경우들에서 그 조합으로부터 삭제될 수 있으며, 청구된 조합은 부조합 또는 부조합의 변형으로 유도될 수 있다.

유사하게, 동작들은 특정 순서로 도면들에 도시되는 한편, 이는 그와 같은 동작들이 도시된 특정 순서 또는 순차적 순서로 수행되는 것을, 또는 바람직한 결과들을 달성하기 위해 모든 예시된 동작들이 수행되어야 하는 것을 요구하는 것으로 이해되어서는 안 된다. 특정 환경들에서, 멀티태스킹 및 병렬 프로세싱이 유용할 수 있다. 더욱이, 상술한 실시예들에서의 다양한 시스템 컴포넌트들의 분리는 모든 실시예들에서의 그와 같은 분리를 요구하는 것으로 이해되어서는 안 되며, 설명된 프로그램 컴포넌트들 및 시스템들은 일반적으로 함께 단일 소프트웨어 물건에 집적될 수 있거나 다수의 소프트웨어 물건들에 패키징될 수 있음이 이해되어야 한다.

따라서, 본 발명의 특정 실시예들이 설명되었다. 다른 실시예들이 후속하는 청구범위의 범위 내에 있다. 일부 경우들에서, 청구범위에서 인용되는 동작들은 다른 순서로 수행될 수 있으며 여전히 바람직한 결과들을 달성할 수 있다. 추가로, 수반하는 도면들에 도시되는 프로세스들은 바람직한 결과들을 달성하기 위해 반드시 도시된 특정 순서, 또는 순차적 순서를 요구하지 않는다. 특정 구현들에서, 멀티태스킹 및 병렬 프로세싱이 유용할 수 있다.

Claims (20)

1. 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템으로서,
   상기 컴퓨터 시스템은 프로세싱 회로를 포함하고, 상기 프로세싱 회로는:
   사용자 상호작용 데이터를 수신하고, 여기서 상기 사용자 상호작용 데이터는 컨텐츠 항목들과 변환 항목들과의 사용자 상호작용을 특정하며, 여기서 변환 항목은 변환 기준들을 충족시키는 미리 결정된 사용자 동작이고;
   변환 이벤트가 상기 사용자 상호작용 데이터 및 상기 변환 기준들에 기초하여 발생하였는지를 결정하고;
   상기 사용자 상호작용 데이터에 기초하여 변환 경로 데이터를 저장하고, 여기서 상기 변환 경로 데이터는 상기 변환 이벤트 이전의 그리고 상기 변환 이벤트를 포함하는 사용자 상호작용 데이터를 포함하며;
   제 1 속성 데이터를 발생시키기 위해 제 1 속성 모델을 이용하여 변환 경로에서의 채널에 적어도 부분적으로 상기 변환 이벤트를 속성화하고;
   제 2 속성 데이터를 발생시키기 위해 상기 제 1 속성 모델과 다른 제 2 속성 모델을 이용하여 상기 변환 경로에서의 채널에 적어도 부분적으로 상기 변환 이벤트를 속성화하고, 여기서 상기 제 1 및 제 2 속성 모델들 중 적어도 하나가 상기 변환 경로에서의 최종 클릭에만 기초한 모델과 다른 모델이며;
   상기 변환 경로에서의 복수의 채널들의 상대적 또는 실제 비용을 나타내는 비용 데이터를 수신하고; 그리고
   상기 제 1 속성 데이터, 상기 제 2 속성 데이터 및 상기 비용 데이터를 포함하는 보고 데이터를 발생시키도록 구성된 것을 특징으로 하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템.
2. 제 1 항에 있어서,
   상기 제 2 속성 모델은 상기 변환 경로에서의 복수의 서로 다른 채널들에 크레디트를 할당하는 것을 특징으로 하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템.
3. 제 1 항에 있어서,
   상기 제 2 속성 모델은 임프레션(impression)에 대해서보다 클릭에 대해 더 많은 크레디트를 할당하는 것을 특징으로 하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템.
4. 제 1 항에 있어서,
   상기 제 2 속성 모델은 상기 변환 이벤트로부터 더 먼 상기 변환 경로에서의 필적하는 이벤트보다 상기 변환 이벤트에 더 가까운 상기 변환 경로에서의 이벤트에 더 많은 크레디트를 할당하는 것을 특징으로 하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템.
5. 제 1 항에 있어서,
   상기 프로세싱 회로는 상기 변환 경로에 의해 나타난 복수의 채널들에 대한 크레디트 대 비용의 비(ratio)를 계산하도록 더 구성되며, 여기서 상기 제 1 및 상기 제 2 속성 데이터 및 비용 데이터는 크레디트 대 비용의 제 1 및 제 2 비들의 형태로 보고되는 것을 특징으로 하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템.
6. 제 5 항에 있어서,
   상기 보고 데이터는 1보다 작은 비들에 대한 모습(appearance)과 다른 1을 초과하는 비들에 대한 모습을 갖는 디스플레이 데이터를 포함하는 것을 특징으로 하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템.
7. 제 1 항에 있어서,
   상기 프로세싱 회로는 상기 제 1 및 제 2 속성 모델들과 다른 제 3 속성 모델을 이용하여 상기 변환 경로에서의 채널에 적어도 부분적으로 상기 변환 이벤트를 속성화하도록 더 구성된 것을 특징으로 하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템.
8. 제 1 항에 있어서,
   상기 변환 경로에서의 상기 채널들은 제휴 웹 페이지, 유료 탐색 웹 페이지 및 광고 디스플레이 뷰(view)로 이루어지는 그룹으로부터 선택되는 것을 특징으로 하는 광고 변환 데이터에 기초하여 속성을 제공하기 위한 컴퓨터 시스템.
9. 광고 변환 데이터에 기초하여 광고 지불 데이터에 관한 리턴을 제공하기 위한 컴퓨터화된 방법으로서,
   데이터 프로세싱 회로에서 사용자 상호작용 데이터를 수신하는 단계, 여기서 상기 사용자 상호작용 데이터는 컨텐츠 항목들과 변환 항목들과의 사용자 상호작용을 특정하며, 여기서 변환 항목은 변환 기준들을 충족시키는 미리 결정된 사용자 동작이고;
   변환 이벤트가 상기 사용자 상호작용 데이터 및 상기 변환 기준들에 기초하여 발생하였는지를 결정하는 단계;
   상기 변환 이벤트로 유도하는 사용자 상호작용 데이터를 포함하는 상기 사용자 상호작용 데이터에 기초하여 변환 경로 데이터를 저장하는 단계;
   제 1 속성 데이터를 발생시키기 위해 제 1 속성 모델을 이용하여 변환 경로에서의 채널에 적어도 부분적으로 상기 변환 이벤트를 속성화하는 단계;
   제 2 속성 데이터를 발생시키기 위해 상기 제 1 속성 모델과 다른 제 2 속성 모델을 이용하여 상기 변환 경로에서의 채널에 적어도 부분적으로 상기 변환 이벤트를 속성화하는 단계;
   상기 변환 경로에서의 복수의 채널들을 통해 광고의 상대적 또는 실제 비용을 나타내는 비용 데이터를 수신하는 단계; 및
   상기 제 1 및 제 2 속성 데이터 및 상기 비용 데이터에 기초하여 디스플레이 데이터를 발생시키는 단계를 포함하며, 여기서 상기 디스플레이 데이터는 상기 변환 경로에서의 복수의 채널들에 대한 비용에 관한 리턴을 예시하는 것을 특징으로 하는 광고 변환 데이터에 기초하여 광고 지불 데이터에 관한 리턴을 제공하기 위한 컴퓨터화된 방법.
10. 제 9 항에 있어서,
    광고 캠페인을 위한 복수의 변환들로부터 데이터를 그룹핑하는 단계를 더 포함하는 것을 특징으로 하는 광고 변환 데이터에 기초하여 광고 지불 데이터에 관한 리턴을 제공하기 위한 컴퓨터화된 방법.
11. 제 9 항에 있어서,
    상기 제 1 및 제 2 속성 모델들 중 적어도 하나는 임프레션보다 클릭에 더 심하게(heavily) 가중치를 두며, 여기서 상기 제 1 및 제 2 속성 모델들 중 적어도 하나는 상기 변환 경로에서의 상기 변환 이벤트로부터 더 먼 사용자 상호작용보다는 상기 변환 이벤트에 더 가까운 사용자 상호작용에 더 심하게 가중치를 두는 것을 특징으로 하는 광고 변환 데이터에 기초하여 광고 지불 데이터에 관한 리턴을 제공하기 위한 컴퓨터화된 방법.
12. 제 9 항에 있어서,
    상기 디스플레이 데이터는 복수의 채널들 각각에 대한 상기 제 1 및 제 2 속성 모델들에 따른 속성 크레디트 및 비용 데이터를 예시하는 바 그래프 데이터(bar graph data)를 포함하는 것을 특징으로 하는 광고 변환 데이터에 기초하여 광고 지불 데이터에 관한 리턴을 제공하기 위한 컴퓨터화된 방법.
13. 제 9 항에 있어서,
    상기 디스플레이 데이터는 복수의 서로 다른 속성 모델들을 이용하여 복수의 채널들에 대한 크레디트 대 비용의 비들을 나타내는 텍스트(textual) 비 데이터를 포함하는 것을 특징으로 하는 광고 변환 데이터에 기초하여 광고 지불 데이터에 관한 리턴을 제공하기 위한 컴퓨터화된 방법.
14. 제 9 항에 있어서,
    상기 채널들 중 적어도 하나는 탐색 클릭을 나타내며 상기 채널들 중 적어도 다른 하나는 제휴 클릭을 나타내는 것을 특징으로 하는 광고 변환 데이터에 기초하여 광고 지불 데이터에 관한 리턴을 제공하기 위한 컴퓨터화된 방법.
15. 프로그램 명령들을 포함하는 컴퓨터-판독가능한 매체로서,
    상기 프로그램 명령들은 프로세싱 회로에 의해 실행될 때:
    사용자 상호작용 데이터를 수신하는 단계, 여기서 상기 사용자 상호작용 데이터는 컨텐츠 항목들과 변환 항목들과의 사용자 상호작용을 특정하며, 여기서 변환 항목은 변환 기준들을 충족시키는 미리 결정된 사용자 동작이고;
    변환 이벤트가 상기 사용자 상호작용 데이터 및 상기 변환 기준들에 기초하여 발생하였는지를 결정하는 단계;
    상기 사용자 상호작용 데이터에 기초하여 변환 경로 데이터를 저장하는 단계, 여기서 상기 변환 경로 데이터는 상기 변환 이벤트 이전의 그리고 상기 변환 이벤트를 포함하는 사용자 상호작용 데이터를 포함하며;
    제 1 속성 데이터를 발생시키기 위해 제 1 속성 모델을 이용하여 변환 경로에서의 채널에 적어도 부분적으로 상기 변환 이벤트를 속성화하는 단계;
    제 2 속성 데이터를 발생시키기 위해 상기 제 1 속성 모델과 다른 제 2 속성 모델을 이용하여 상기 변환 경로에서의 채널에 적어도 부분적으로 상기 변환 이벤트를 속성화하는 단계, 여기서 상기 제 1 및 제 2 속성 모델들 중 적어도 하나는 상기 변환 경로에서의 최종 클릭에만 기초한 모델과 다른 모델이며;
    상기 변환 경로에서의 복수의 채널들의 상대적 또는 실제 비용을 나타내는 비용 데이터를 수신하는 단계; 및
    상기 제 1 속성 데이터, 상기 제 2 속성 데이터 및 상기 비용 데이터를 포함하는 보고 데이터를 발생시키는 단계를 포함하는 기능들을 수행하는 것을 특징으로 하는 프로그램 명령들을 포함하는 컴퓨터-판독가능한 매체.
16. 제 15 항에 있어서,
    상기 제 2 속성 모델은 상기 변환 경로에서의 복수의 서로 다른 채널들에 크레디트를 할당하는 것을 특징으로 하는 프로그램 명령들을 포함하는 컴퓨터-판독가능한 매체.
17. 제 15 항에 있어서,
    상기 제 2 속성 모델은 임프레션에 대해서보다 클릭에 대해 더 많은 크레디트를 할당하는 것을 특징으로 하는 프로그램 명령들을 포함하는 컴퓨터-판독가능한 매체.
18. 제 15 항에 있어서,
    상기 제 2 속성 모델은 상기 변환 이벤트로부터 더 먼 상기 변환 경로에서의 필적하는 이벤트보다 상기 변환 이벤트에 더 가까운 상기 변환 경로에서의 이벤트에 더 많은 크레디트를 할당하는 것을 특징으로 하는 프로그램 명령들을 포함하는 컴퓨터-판독가능한 매체.
19. 제 15 항에 있어서,
    상기 프로세싱 회로는 상기 변환 경로에 의해 나타난 복수의 채널들에 대한 크레디트 대 비용의 비를 계산하도록 더 구성되며, 여기서 상기 제 1 및 상기 제 2 속성 데이터 및 비용 데이터는 크레디트 대 비용의 제 1 및 제 2 비들의 형태로 보고되는 것을 특징으로 하는 프로그램 명령들을 포함하는 컴퓨터-판독가능한 매체.
20. 제 19 항에 있어서,
    상기 보고 데이터는 1보다 작은 비들에 대한 모습과 다른 1을 초과하는 비들에 대한 모습을 갖는 디스플레이 데이터를 포함하는 것을 특징으로 하는 프로그램 명령들을 포함하는 컴퓨터-판독가능한 매체.

Images