KR20140043937A - 광고판 관객 그룹의 경로를 식별하고 그 경로에 기반하여 광고 콘텐츠를 제공하기 위한 시스템 및 방법 - Google Patents

광고판 관객 그룹의 경로를 식별하고 그 경로에 기반하여 광고 콘텐츠를 제공하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20140043937A
KR20140043937A KR1020147003232A KR20147003232A KR20140043937A KR 20140043937 A KR20140043937 A KR 20140043937A KR 1020147003232 A KR1020147003232 A KR 1020147003232A KR 20147003232 A KR20147003232 A KR 20147003232A KR 20140043937 A KR20140043937 A KR 20140043937A
Authority
KR
South Korea
Prior art keywords
interest
group
standard
billboard
point
Prior art date
Application number
KR1020147003232A
Other languages
English (en)
Other versions
KR101612640B1 (ko
Inventor
아제이 사시야나스
시야가라잔 난다고팔
Original Assignee
알까뗄 루슨트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 알까뗄 루슨트 filed Critical 알까뗄 루슨트
Publication of KR20140043937A publication Critical patent/KR20140043937A/ko
Application granted granted Critical
Publication of KR101612640B1 publication Critical patent/KR101612640B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location

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 Transfer Between Computers (AREA)

Abstract

각각의 관심 지점에 대응하는 복수의 맵핑이 생성된다. 각각의 맵핑은 대응하는 관심 지점에서 검출된 적어도 하나의 그룹과 상기 적어도 하나의 그룹의 각각의 그룹이 대응하는 관심 지점에서 검출된 시간을 나타낸다. 복수의 맵핑중 선택된 맵핑에서 나타나는 한 세트의 하나 이상의 그룹에 대응하는 표준적 표시가 정의된다. 표준적 표시와 연관된 경로는 복수의 맵핑을 기반으로 결정되며, 경로는 표준적 표시가 검출된 복수의 제2 관심 지점과, 표준적 표시가 복수의 제2 관심 지점 내의 각각의 관심 지점에서 검출된 때를 나타내는 시간 정보를 정의한다. 관심 지점은 광고판과 연관된 장소를 포함할 수 있다.

Description

광고판 관객 그룹의 경로를 식별하고 그 경로에 기반하여 광고 콘텐츠를 제공하기 위한 시스템 및 방법{SYSTEM AND METHOD FOR IDENTIFYING A PATH OF A BILLBOARD AUDIENCE GROUP AND PROVIDING ADVERTISING CONTENT BASED ON THE PATH}
본 출원은 2011년 8월 9일자 출원된 미국 가출원 제61/521,407호의 우선권을 주장하며, 이 가출원은 참조문헌으로 인용된다.
본 출원은 일반적으로는 마케팅을 목적으로 하는 대상 그룹(target group)을 식별 및 추적하기 위한 시스템 및 방법에 관한 것으로서, 특히, 광고판 관객 그룹(billboard audience group)의 경로를 식별하고 그 경로에 기반하여 광고 콘텐츠를 제공하기 위한 시스템 및 방법에 관한 것이다.
광고판(billboard)은 통상 사용되는 광고의 형태이다. 광고판은 길을 따라서, 쇼핑 몰에서, 빌딩 변에서, 그리고 다른 많은 환경에서 사용된다. 광고 기술이 더 복잡해지고, 대상 관객에 대한 지식이 늘어나고 점점 더 정교화됨에 따라서, 광고주는 갈수록 더 광고판을 선택적으로 배치해서 대상 관객에게 도달할 수 있게 한다. 이에 더해서, 최근의 기술에 의하면, 오늘 첫 시점에서는 첫째 광고를 보여주고 오늘의 두번째 시점에서는 두번째 광고를 보여줄 수 있는 광고판을 배치하는 것이 가능하다.
광고판이 점점 대상을 겨낭하여 관객을 선택하게 되고, 이에 더해서 광고판들이 그들 끼리 상호작용하도록 하는 기술을 포함하게 됨에 따라서, 대상 관객이라는 개념은 움직이는 그리고 다중 시점에서 다중 광고판의 정면에 존재하는 자유롭게 이동하는 역동적인 실체(free flowing dynamic entity)라는 사실이 점차 더욱 분명해지고 있다. 효율을 달성하고 수익을 극대화하기 위해서, 광고판 또는 광고판의 네트워크가 대상 관객의 이동을 식별하고 반응하도록 하는 시스템 및 방법이 필요하다. 더욱이, 개인 사생활을 침해하지 않고도 대상 그룹을 추적하고 감시할 수 있는 시스템 및 방법이 필요하다.
여러 실시예들에서, 하나 이상의 관심 지점의 정면 또는 인근의 대상 관객 또는 그룹의 존재를 검출하기 위한 시스템 및 방법이 제공된다. 관심 지점 사이에서 대상 관객의 이동 또는 경로가 결정된다. 예를 들어, 대상 관객은 광고판 네트워크 내의 여러 광고판 정면에서 각각의 시간 간격으로 검출될 수 있으며, 광고판들 사이에서 대상 관객의 경로가 결정될 수 있다. 하나 이상의 시간 간격 동안에 특정 관심 지점에서 하나의 그룹을 식별하기 위해서, 그 그룹의 표준적인 표시(standard representation)의 개념이 정의된다. 다중 관심 지점에서 하나의 그룹의 표준적 표시를 식별하기 위해서, 표준적 발생(standard occurrence)의 개념이 정의된다. 하나의 경로는 다중 관심의 지점에서 표준적 발생들을 시간순으로 배열함으로서 식별된다. 하나의 경로는 선택된 그룹이 시간 경과에 따라 이동하고 다중 관심 지점을 통과하는 것을 표시한다.
일 실시예에 따르면, 각각의 관심 지점에 대응하는 복수의 맵핑이 생성된다. 각각의 맵핑은 대응하는 관심 지점에서 검출된 적어도 하나의 관심 그룹 및 각각의 그룹이 상기 대응하는 관심 지점에서 검출되는 때의 각각의 시간을 나타낸다. 상기 복수의 맵핑중 선택된 맵핑에서 나타나는 한 세트의 하나 이상의 그룹에 대응하는 표준적 표시가 정의된다. 상기 표준적 표시에 연관된 경로는 상기 복수의 맵핑을 기반으로 하여 결정되며, 상기 경로는 상기 표준적 표시가 검출된 복수의 제2 관심 지점 및 상기 복수의 제2 관심 지점 내의 각각의 관심 지점에서 상기 표준적 표시가 검출되는 때를 나타내는 시간 정보를 정의한다. 일 실시예에서, 적어도 하나의 관심 지점은 광고판과 연관된 장소를 포함한다.
일 실시예에서, 상기 세트의 하나 이상의 그룹은 상기 복수의 맵핑 중 선택된 맵핑에 대응하는 특정 관심 지점과 연관된 영역에서 검출된다.
다른 실시예에서, 상기 세트의 하나 이상의 그룹의 교집합이 결정되며, 상기 교차로 주변의 확률적인 확장이 결정되며, 상기 표준적 표시는 상기 교집합 및 확률론적 확장에 기반하여 정의된다.
또 다른 실시예에서, 상기 표준적 표시와 연관된 어레이가 상기 복수의 맵핑에 기반하여 생성된다. 상기 어레이는 각각의 관심 지점을 각각의 시간에 연관시키는 하나 이상의 좌표의 세트를 포함하며, 상기 어레이는 상기 복수의 맵핑 내에서, 상기 표준적 표시의 복수의 표준적 발생을 식별함으로써, 그리고 각각의 상기 식별된 복수의 표준적 발생마다, 상기 각각의 표준적 발생과 연관된 시간 및 관심 지점을 나타내는 한 세트의 좌표를 발생함으로써 생성된다.
또 다른 실시예에서, 상기 표준적 표시의 표준적 발생은 P 확률론적인 완화 집중된 교집합을 식별함으로써 식별된다.
또 다른 실시예에서, 하나 이상의 광고는 상기 결정된 경로를 기반으로 하나 이상의 선택된 관심 지점에서 디스플레이(display)된다.
본 개시 내용의 전술한 그리고 다른 장점들은 이하의 상세한 설명 및 첨부된 도면을 참조하여 당업자에게 쉽게 이해될 수 있을 것이다.
도 1은 지리적 지역에 배치된 광고판의 네트워크를 도시한 도면이다.
도 2는 일 실시예에 따라서 여러 복수의 광고판 및 각각의 복수의 광고판 내의 각각의 광고판 중심지를 도시한 도면이다.
도 3은 지리적 지역 내의 광고판의 네트워크와 광고판들 사이의 거리를 도시한 도면이다.
도 4는 일 실시예에 따른 통신 시스템을 도시한 도면이다.
도 5a는 일 실시예에 따른 관객 검출기의 구성요소를 도시한 도면이다.
도 5b는 일 실시예에 따른 관객 분석 서비스의 구성요소를 도시한 도면이다.
도 6은 일 실시예에 따라 하나의 그룹과 연관된 경로를 결정하는 방법의 흐름도이다.
도 7은 일 실시예에 따른 맵핑을 도시한 도면이다.
도 8은 일 실시예에 따라 그룹에 후속하는 경로를 도시한 도면이다.
도 9는 일 실시예에 따라 두개의 히스토그램의 분석을 도시한 도면이다.
도 10은 일 실시예에 따라 전체적으로 정리된 그룹에서 M-모달 분포를 N-모달 분포로 감소시키는 것을 도시한 도면이다.
도 11은 본 발명의 소정 실시예를 구현하는데 사용될 수 있는 컴퓨터를 도시한 도면이다.
광고판이 점점 대상을 겨낭하여 관객을 선택하게 되고, 이에 더해서 광고판들을 그들 끼리 상호작용하도록 하는 기술을 포함하게 됨에 따라서, 대상 관객이라는 개념은 움직이는 그리고 다중 시점에서 다중 광고판의 정면에 존재하는 자유롭게 이동하는 역동적인 개체(free flowing dynamic entity)라는 사실이 점차 더욱 분명해지고 있다. 효율을 달성하고 수익을 극대화하기 위해서, 광고판 또는 광고판의 네트워크가 대상 관객의 이동을 식별하고 반응하도록 하는 시스템 및 방법이 필요하다.
일 실시예에 따르면, 대상 관객의 이동 또는 경로가 식별되며, 광고는 그 경로를 기반으로 선택적으로 배치된다.
여러 통계적인 파라미터를 할당하고 그 노드 밀도를 측정함으로써, 통계적인 방식으로 대상 관객의 이동을 포착하는 것이 가능하다. 이러한 노드 밀도의 통계적인 측정은 다중 광고판 전반에서의 "흐름" 또는 "이동"이라는 개념을 야기시킨다. 그 수익을 극대화시키는 광고판은 이러한 통계적인 측정에 의해서 표현되는 이동에 대해서 반응해야 할 것이다.
이러한 통계적인 양 및 "흐르" 거나 "이동하는" 기능에 대한 이러한 개념은 더욱 표적 광고(targeted advertisement)를 선택하고 디스플레이(display)하는데 유용하다. 그러한 이동을 측정하는 시스템은 또한 어떤 광고가 가장 높은 판매를 이루는지에 대해서 광고판 소유주에게 제안하는 서비스를 제공할 수 있다. 그러면 광고판 소유주는 광고가 디스플레이되는 하루 중 시간대 및 광고가 게시되는 장소 기초해서 브랜드(brands)에 과금할 수 있다.
예를 들어, 광고판 장소(A)에서 오후 4: 15에 게시된 광고는 $6 CPM (cost per mille)밖에 가져다 주지 않지만, 동일한 장소에서 오후 4:45에 게시하면 $12 CPM을 가져다주기도 하고, 장소(A)에서 200 야드 떨어진 장소(B)에서는 $15 CPM을 가져다줄 수도 있다. 광고판 소유주는 브랜드 소유주에게 상이한 장소에서 그리고 상이한 시간대에, 동일 광고에 대해서 상이한 비용을 과금할 수 있는데, 그 이유는 본원에서 설명된 방법 및 시스템의 결과로서 광고판 소유주가 어떤 광고판이 상표 소유주에게 더 많은 판매를 가져다줄 수 있을 것 같은지를 결정할 수도 있기 때문이다.
본원의 설명에서, 어떤 특징이 관찰되는 때, 특히, 언제 그러한 특징이 역동적인지 그리고 언제 그러한 특징 자체를 변경해야 하는지를 결정하는데 유용한 구성이 기술된다.
현재의 광고판 시스템은 한 장소에서 또 다른 장소로 이동하는 대상 관객을 식별할 수 없다. 현재의 시스템은 시간, 계절 등의 변화와 관련된 변화를 벗어나서 광고판의 정면에서의 이동과 관련된 정보를 수집하지 못한다. 현재의 시스템은 대상 관객의 변화나 이동에 관한 정보를 수집하지 못한다. 본원에서 사용되는 광고판 시스템이라는 용어는 하나 또는 복수의 광고판의 네트워크로서, 하나 이상의 대상으로 하는 그룹에서 선택된 광고를 디스플레이하기 위한 조정된 방식으로 사용될 수 있는 광고판을 의미한다.
광고는 광고판 시스템이 다중 시점에 다수의 장소에 있는 이동하는 대상 또는 그룹을 식별할 수 있다면 자연히 목표를 더 달성할 수 있다. 일 실시예에 따르면, 어떤 관객의 프로파일이 여러 지리적 장소에서 모니터되고 추적되며, 그 대상 관객을 겨냥한 선택된 광고가 식별된 이동을 기반하여 디스플레이될 수 있다. 일례로, 광고판 시스템은 단순히 어떤 브랜드를 강화할 수 있으며, 또 다른 예에서, 광고판 시스템은 어떤 광고의 주제를 속행할 수 있으며, 또 다른 예에서, 광고판 시스템은 대상 관객이 이제까지 따라온 경로 어딘가에서 대상 관객이 보지 못한 광고를 디스플레이할 수 있다.
따라서, 광고판 시스템에서의 광고는 이제 개인의 사생활을 침해하지 않고도, 지리적 장소에서, 광고판에서, 그리고 심지어는 디스플레이 매체 전반에서 관객을 추종할 수 있다. 이것은 단지 그룹 메트릭스(group metrics)만이 추종되기 때문에 가능하며, 개인들은 문제가 되지 않기 때문에 가능하다.
일 실시예에 따르면, 특정 광고판 정면의 대상 관객, 또는 그룹이 검출 및 정의된다. 이 그룹은 자신이 하나의 지형(넓은 영역)을 따라서 이동함에 따라서 모니터되며, 그러한 그룹에 의해서 취해진 경로가 결정된다. 여러 시간대에 동일한 광고판 정면에 다중 그룹이 있을 수 있으며, 각각의 그룹은 다른 그룹과는 독립적으로 (지형 내에서) 하나의 광고판에서 다른 광고판으로 이동할 수 있다. 본원에 기술된 시스템 및 방법은 이러한 여러 그룹이 쫓아온 여러 경로를 결정할 수 있으며, 또한 이러한 그룹이 무엇인지 결정할 수 있다.
하나의 그룹은, 그 그룹 내 사람들 수 및 그 그룹 내 사람들 유형이 변할 수 있듯이, 고정된 개인들의 집합이 아님을 알 수 있다. 더욱이, 개인들은 하루 종일 동일 그룹내에서 이동하지 않는다. 본원에 기술된 시스템 및 방법은 그룹을 확률론적 시각으로 보는 것이 유리한데, 여기서 하나의 그룹은 개인들 자신이 아니고 그 그룹을 포함하는 여러 개인들의 속성에 의해서 정의된다. 느슨한 개인들의 집합은 그들의 공통 속성이 어떤 교차 가능성 이상이면 사전에 정의된 그룹에 속하는 것으로 분류될 수 있다.
일단 그룹이 그러한 방식으로 정의되면, 주어진 장소(예를 들면, 광고판 장소)에서 그러한 그룹을 찾을 확률이 측정될 수 있다. 여러 그룹의 확률 밀도 함수(probability density function)는 시간과 공간의 변동으로서 정의될 수 있다. 주어진 장소 및 주어진 시간에서의 확률이 둘 이상의 상이한 시간들 전체에서 하나보다 많은 장소에서 그러한 모든 그룹의 정규화된 임계치보다 크면, 그러한 그룹이 그러한 시간 간격 내에서 한 장소에서 다른 장소로 이동했다고 결정될 수 있다.
각각의 그룹의 경로가 결정된 이후, 광고는 이전 광고 캠페인을 강화하거나 상이한 광고 캠페인을 디스플레이하기 위해서 그 경로와 연관된 특정 광고판에서 디스플레이될 수 있다. 그룹의 정의가 평균 가처분 소득, 연령 그룹, 성별 등과 같은 변수나 속성을 포함하면, 특정 광고판의 광고는 그러한 그룹이 존재하는 시간 동안에 디스플레이하는데 최적인 선택된 키워드를 기반으로 하여 선택될 수 있다. 이것은 자동으로 하나의 전체 지형에 배치된 다중 광고판들 끼리의 교집합의 확률을 확대시킨다.
일부의 광고판은 컴퓨터나 소정의 지능 레벨을 제공하는 다른 유형의 프로세서를 포함할 수 있다. 그러한 지능형 광고판들은 개인들 및 그룹의 이동에 관한 정보를 수집 및 이용할 수 있으며, 사전 정의된 정적인 품질에 의해서가 아니라 각각의 광고 캠페인에 의해서 영향을 받는 방식으로 협동할 수 있다. 그러한 광고는 더 높은 전환율(higher rate of conversion)(브랜드 당 더 높은 매상)을 가질 것으로 예상된다.
일 실시예에 따르면, 하나 이상의 그룹을 식별하고 그룹의 경로를 결정하는 개선된 방법 및 시스템이 제공된다. 이러한 방법들을 수행하는 데 사용되는 수학적 개념 및 알고리즘이 이하에 설명된다.
본원에서 시스템 및 방법이 광고판 시스템과 관련하여 기술되지만, 본원에 기술된 이러한 시스템 및 방법은 다른 환경에서도 구현될 수 있다. 예를 들어, 본원에 기술된 시스템 및 방법은 패턴 인식, 영상 인식 및 컴퓨터 시각장치와 같은 분야는 물론이고, 단백질 구조의 연구 및 식별, 사회 또는 사회경제적 그룹의 연구, 및 암 세포 연구에서 사용될 수 있다.
그룹 또는 대상 관객의 정의
일 실시예에 따르면, 하나의 그룹은 관심 지점의 정면에 있는 복수의 사람들 중에서, 또는 관심 지점의 인근 또는 정면을 지나는 복수의 사람들 중에서 검출된다. 일 실시예에서, 관심 지점은 광고판과 연관된 장소이다. 하나의 그룹의 확률론적 개념이 사용된다. 본원에 사용된 바와같이, 그룹이라는 용어는 일부 공간 또는 시간적인 관계를 갖는 동일한 일련의 특징들을 갖는 개인들의 집합을 의미한다. 일 실시예에서, 광고판에 부착된 그룹 검출기는 개인들 및/또는 특징들을 검출하기 위해서 구성된 센서를 포함하며, 소정의 그룹 또는 일련의 사람들을 검출 및 식별하기 위한 센서에 의해서 획득된 데이터를 분석하도록 구성된 센서를 포함할 수 있다. 이러한 일련의 유형이 여러 시간 간격들(그룹의 표준적 표시(standard representation)를 이용함)에 걸쳐 그리고 공간 내 여러 장소(대응하는 표준적 발생(standard occurrence)을 이용함)에 걸쳐 존재하는 것으로 결정되면, 이 그룹은 여러 시간 간격들에 걸쳐 그리고 여러 장소에 존재하는 것으로 간주된다.
특징의 일례는 소정 연령 계층대의 사람들로서, 아마도 동일한 수입 계층에 속하고, 게이밍 시스템 및 전자 장치에 친근감을 나타내는 계층대의 사람들이다. 특정 시간에 하나의 광고판에서 관찰된 특징이 이후 얼마 지나지 않아서 또 다른 시간에 인근의 광고판 정면에서 관찰될 때, 그리고 만일 양쪽의 광고판에서 관찰된 특징과 연관된 개인들이 어느 정도의 확신(또는 확률(probability))으로 교차하면, 그 특징을 가진 그룹이 식별된다.
흐름 또는 경로의 정의
그룹이 하나의 관심 지점(예를 들면, 광고판 장소들)에서 다른 관심 지점으로 이동함에 따라서, 그 그룹은 경로를 따라간다. 경로라는 용어는 본원에서 흐름이라는 용어와 상호교환해서 사용된다. 본원에 기술된 시스템 및 방법은 지리적 지역에서 관찰되는 여러 그룹의 여러 흐름을 결정하는데 사용된다.
도 1은 지리? 지역내에 위치한 광고판들(1, 2, ..., 7)의 네트워크(100)와, 여러 관찰된 그룹에 대한 지역에 존재하는 여러 경로를 도시한다. 본원에 사용된 바와같이, "광고판의 네트워크"라는 용어는 복수의 광고판을 의미하며, 광고판들 중 일부 또는 전부는 선택된 그룹에게 광고를 디스플레이하는데 사용된다.
일 실시예에서, 하나의 지리적 지역이 복수의 광고판을 포함할 수 있으므로, 중심이 되는 광고판들의 집합은 단일의 가상 광고판 또는 아마도 대표 광고판으로 표시된다. 예를 들어, 대형 몰의 한 구획내 모든 광고판은 하나의 대표 광고판으로 표시될 수 있다. 그러한 대표 광고판은 본원에서는 광고판 중심지(billboard epicenter)라고 명명한다. 도 2는 여러 복수의 광고판(21-A, 21-B) 등과, 복수의 광고판 각각 내의 각각의 광고판 중심지를 도시한다. 그래서, 광고판(1)은 복수의 광고판 중 광고판 중심지(21-A)이며, 광고판(2)은 복수의 광고판 중 광고판 중심지(21-B)가 되는 식이다. 광고판 중심지(1, 2,..., 7)는 도 1의 광고판(1, 2,...,7)에 대응한다.
일반적으로, 어느 하나의 그룹은, 상당한 양의 시간이 주어지면, 하나의 광고판에서 다른 광고판으로 이동할 수 있다. 그러므로, 광고판은 서로간에 접근성(accessibility)의 면에서 한정되는 것은 아니다. 그러나, 개인들은 일반적으로 하나 이상의 중간 광고판들을 지나친 다음에야 또다른 광고판의 정면에 도달한다.
한 지역내의 한 세트의 광고판은 완전히 연결된 그래프를 형성하는 것으로 고려될 수 있다. 그러나, 실제로 그래프는 완전히 연결되어 있지 않다. 일 실시예에 따르면, 한 세트의 광고판이 완전히 연결된 그래프처럼 보이며, 소정 거리(예를 들어, x kms) 보다 먼 그래프의 선택된 모서리는 잘려진다. 따라서 어느 완전히 연결된 광고판(또는 지리적 지역내의 어느 광고판들의 집합)의 그래프는 그래프가 잘려지는 거리(예를 들어, x kms)를 임의로 선택함으로써 완전히 연결되지 않는 그래프처럼 보일 수도 있다.
도 3은 지리적 지역 내의 광고판의 네트워크(100) 및 광고판들 사이의 거리를 도시한다. 도 3은 일부 사례에서, 소정의 중간 광고판을 통과하지 않고는 네트워크 내의 제1 광고판으로부터 소정의 다른 광고판들로 이동하는 것이 불가능하다는 사실을 예시한다.
일 실시예에 따르면, 하나 이상의 그룹이 네트워크(100) 내의 하나 이상의 광고판들의 인근에서 또는 근방에서 (예를 들어, 하나 이상의 광고판들의 선정된 반경내의, 정면에서) 검출되며, 그 그룹의 경로가 결정된다. 여러 실시예에서, 네트워크(100) 내의 하나 이상의 광고판이 몰, 버스 정류장, 지역 지하철 역, 사무실 단지, 주거지 등에 배치될 수 있다.
도 4는 일 실시예에 따른 통신 시스템(400)을 도시한다. 통신 시스템(400)은 네트워크(405), 관객 분석 서비스(430) 및 복수의 관객 검출기(452-1, 452-2, 452-3,...,452-7)를 포함한다. 각각의 관객 검출기(452)는 각각의 광고판과 연관되며 각각의 광고판에 연결될 수 있다. 그러므로, 예시된 실시예에서, 관객 검출기(452-1)는 광고판(1)과 연관 및 연결되며 관객 검출기(452-2)는 광고판(2)과 연관 및 연결되는 등의 방식이다.
도 4의 예시적인 실시예에서, 네트워크(405)는 인터넷이다. 다른 실시예에서, 네트워크(405)는, 예를 들어, 인트라넷, 근거리 통신 네트워크(LAN), 광역 통신 네트워크(WAN), 무선 네트워크, 파이버 채널-기반 스토리지 영역 네트워크(Fibre Channel-based storage area network (SAN)), 또는 이더넷과 같은 하나 이상의 다수의 상이한 유형의 네트워크를 포함할 수 있다. 다른 네트워크들이 사용될 수도 있다. 대안으로, 네트워크(405)는 상이한 유형의 네트워크들의 조합을 포함할 수 있다.
편의상, 이하의 설명에서, "관객 검출기(452)"라는 용어는 관객 검출기(452-1, 452-2,...,452-7) 중에서 어느 하나를 일컷는 것으로 사용된다. 따라서, 본원에서 "관객 검출기(452)"에 관한 설명은 관객 검출기(452-1, 452-2,...,452-7) 중에서 어느 하나에 동일하게 적용된다.
특정 광고판에 연관된 관객 검출기(452)는 광고판의 근방에 있거나 근방을 지나가는, 또는 광고판에 가까이에(예를 들면, 선정된 반경 내의 정면에) 있는 개인들에 관한 관객 정보를 획득할 수 있는 장치를 포함한다. 예를 들어, 관객 검출기(452-1)는 광고판(1)에 부착된 컴퓨터 또는 다른 프로세서 포함할 수 있으며, 관객 검출기(452-2)는 광고판(2)에 부착된 컴퓨터 또는 다른 프로세서를 포함할 수 있는 방식이다. 도 5a는 일 실시예에 따른 관객 검출기(452)의 구성요소를 도시한다. 관객 검출기(452)는 그룹 분석(561), 네트워크 인터페이스(563), 메모리(565), 서비스(569), 및 관객 인터페이스(567)를 포함한다.
관객 인터페이스(567)는 광고판의 정면에 있는 개인들에 관한 정보를 획득할 수 있는 장치 또는 메카니즘을 포함한다. 예를 들어, 관객 인터페이스(567)는 영상을 포착할 수 있는 영상 시스템을 포함할 수 있다. 또 다른 실시예에서, 관객 인터페이스(567)는 광고판의 정면을 지나는 개인들의 대화를 검출하기 위해 마이크를 포함할 수 있다. 또 다른 실시예에서, 관객 인터페이스(567)는 광고판의 정면을 지나는 개인의 휴대 전화로 부터 데이터를 수신하도록 구성된 안테나를 포함할 수 있다. 관객 인터페이스(567)는 관객 데이터를 그룹 분석(561)에 전송한다.
그룹 분석(561)은 관객 인터페이스(57)로부터 광고판의 정면에 존재하는 개인들에 관한 관객 데이터를 수신하며, 관객 데이터를 분석하여 광고판 정면에 존재하고 있던 개인들 및/또는 그룹을 식별한다. 그룹 분석(561)은 최종 관객 정보를 네트워크(405)를 통해서 관객 분석 서비스(430)로 전송한다.
서비스(569)는 광고판 정면을 지나는 개인들에게 제공될 수 있는 서비스를 포함한다. 예를 들어, 서비스(569)는 개인이 휴대 전화를 통해서 전자 쿠폰을 받을 수 있도록 하는 전자 쿠폰 애플리케이션, 개인이 온라인 게임을 할 수 있도록 하는 게임 애플리케이션 등을 포함할 수 있다.
그룹 분석(561) 및 서비스(569)는, 예를 들면, 소프트웨어 및/또는 하드웨어를 포함할 수 있다.
네트워크 인터페이스(563)는 관객 검출기(452)가 네트워크(405)를 통해서 통신하도록 하는 장치 또는 메카니즘을 포함한다. 메모리(565)는 관객 검출기(452)의 여러 구성요소에 의해서 사용되어 데이터를 저장한다.
일 실시예에서, 특정 광고판과 연관된 관객 검출기(452)는 광고판의 정면에 존재하는 개인과 상호작용할 수 있다. 예를 들어, 관객 검출기(452)는 개인의 휴대 전화기가 쿠폰 제안을 표시하도록 하거나, 또는 게임을 하도록 하는 제안을 표시하도록 할 수 있다. 개인이 하나의 옵션을 선택할 때, 관객 검출기(452)는 전자 쿠폰을 휴대 전화기로 전송하거나 또는 개인이 소정의 게임을 하도록 할 수 있다. 그러한 상호작용 동안에, 관객 검출기는 휴대 전화기로부터 부가적인 정보를 획득하고 그에 따라서 개인의 이름, 전화 번호, 성별, 나이, 주소 등과 같은 개인에 대한 부가적인 정보를 수집할 수 있다. 관객 검출기(452)는, 무료 와이파이(free WiFi) 또는 불루투스와 같이, 자신이 제공하는 서비스를 통해서 관객 정보를 획득할 수 있으며, 개인들과 상호작용하는 동안에 그 서비스를 이용하여 그룹을 검출할 수 있다.
때때로, 각각의 관객 검출기(452)는 연관된 광고판의 정면을 지나간 한명 이상의 개인들에 관한 데이터를 포함하는 관객 정보를 관객 분석 서비스(430)에 전송한다.
다른 실시예들에서, 관객 검출기(452)는 여러 등급의 지능 및 분석 능력을 가질 수 있다. 예를 들어, 관객 검출기(452)는 영상 분석 기능, 음성 인식 기능 등을 포함할 수 있다. 일 실시예에서, 관객 검출기(452)는 관객 인터페이스(567)에 의해서 포착된 관객 데이터를 분석하여 특정 광고판 정면에서 얼마나 많은 사람들이 검출되었는지, 어떤 그룹이 특정 광고판에 있었는지 등을 결정할 수 있으며, (어떤 그룹이 검출되었는지 그리고 그룹이 검출된 시간을 표시하는) 분석 결과를 관객 분석 서비스(430)에 전송할 수 있다. 예를 들어, 관객 검출기(452)는 관객 데이터의 분석을 생성하여 제1 특징(예를 들면, 25 내지 30세)을 갖는 개인들이 광고판 정면에서 검출된 회수와 그들이 검출된 시간, 제2 특징(예를 들면, 여성)을 갖는 개인들이 광고판 정면에서 검출된 회수와 그들이 검출된 시간을 나타낸다. 또 다른 실시예에서, 관객 검출기(452)는 분석 능력이 거의 또는 전혀 없을 수 있으며, 관객 인터페이스(567)에 의해서 포착된 관객 데이터를 관객 분석 서비스(430)에 직접 전송하며, 관객 분석 서비스(430)는 데이터를 분석하여 어떤 그룹이 특정 광고판에 존재했는지 결정한다.
도 5b는 일 실시예에 따른 관객 분석 서비스(430)의 구성요소를 도시한다. 관객 분석 서비스(430)는 관객 정보 분석(525), 네트워크 인터페이스(527) 및 메모리(535)를 포함한다.
관객 정보 분석(525)은 관객 검출기(452)로부터의 관객 정보를 포함할 수 있는 데이터를 수신하며, 메모리(535) 내 (관객 정보 데이터베이스(580))에 정보를 저장한다. 관객 정보 분석(525)은 관객 정보를 분석하며, 필요하다면, 어느 그룹이 네트워크(100)내의 각각의 광고판에 있었는지 그리고 어떤 시간에 있었는지를 결정한다. 예를 들어, 관객 정보 분석(525)은, 특정 그룹이 오전 11시에 광고판(3)의 정면에 있었으며 특정 일자의 오후 3시에 광고판(5)의 정면에서 검출되었음을 결정할 수 있다.
네트워크 인터페이스(527)는 관객 분석 서비스(430)가 네트워크(405)를 통해 통신할 수 있도록 하는 장치 또는 메카니즘을 포함한다.
일 실시예에 따르면, 관객 분석 서비스(430)는 관객 검출기(452)로부터 정보를 수신하고 하나 이상의 그룹이 따라간 경로를 결정하기 위해서 본원에서 설명된 원리 및 방법을 적용한다. 관객 분석 서비스(430)는 부가적으로 결정된 경로를 기반으로 도 1에 도시된 광고판(1, 2,3,...,7)에서 디스플레이된 광고를 제어할 수 있다. 도 6은 일 실시예에 따라서 표준적 표시와 연관된 경로를 결정하는 방법의 흐름도이다.
단계(610)에서, 각각의 관심 지점에 대응하는 복수의 맵핑이 생성된다. 각각의 맵핑은 대응하는 관심 지점에서 검출된 적어도 하나의 그룹과 그룹 중에서 각각의 그룹이 대응하는 관심 지점에서 검출된 각각의 때를 나타낸다. 전술한 바와같이, 관객 분석 서비스(430)는 관객 검출기(452)로부터 관객 데이터를 수신하고 데이터베이스(580)에 관객 데이터를 저장한다. 일 실시예에서, 관객 데이터는 각각의 24 시간 주기로 저장 및/또는 분석된다.
관객 정보 분석(525)은 데이터베이스(580) 내 데이터를 분석하여 각각의 광고판 정면에 있었던 그룹을 식별한다. 그 데이터에 기반하여, 관객 정보 분석(525)은 복수의 매트릭스 또는 맵핑을 생성한다.
단계(620)에서, 복수의 맵핑 중 선택된 하나의 맵핑에서 나타나는 일련의 하나 이상의 그룹에 대응하는 표준적 표시가 정의된다. 관객 정보 분석(525)은 각각의 맵핑을 검사하고 선택된 맵핑과 연관된 표준적 표시를 정의한다.
단계(630)에서, 표준적 표시와 연관된 경로는 복수의 맵핑을 기반으로 결정된다. 이 경로는 표준적 표시가 검출되는 복수의 제2 관심 지점과 복수의 제2 관심 지점 내 각각의 관심 지점에서 표준적 표시가 검출되는 때를 나타내는 시간 정보를 정의한다. 관객 정보 분석(525)은 복수의 맴핑을 기반으로 하여 단계(620)에서 정의된 표준적 표시와 연관된 경로를 결정한다.
표준적 표시의 경로가 결정된 후에, 광고가 선택되고 그 경로에 기반하여 선택된 광고판들에 디스플레이될 수 있다. 예를 들어, 특정 광고는 그룹이 제1 광고판의 정면에 있을 것으로 예상될 때 그 경로에 있는 제1 광고판에서 디스플레이될 수 있으며, 그 그룹이 제2 광고판의 정면에 있을 것으로 예상될 때 그 경로에 있는 제2 광고판에서 디스플레이될 수 있다. 대안으로, 제1 광고판은, 그룹이 제1 광고판의 정면에 있을 것으로 예상되는 때에 경로에 있는 제1 광고판에서 디스플레이될 수 있으며, 그 그룹이 제2 광고판의 정면에 있을 것으로 예상되는 때에 경로에 있는 제2 광고판에서 디스플레이될 수 있다. 경로를 기반으로 하는 다른 마케팅 전력이 구현될 수도 있다.
일 실시예에서, 최적의 광고 및 그 광고를 디스플레이할 최적의 시간은 경로 정보를 기반으로, 특정 광고판에 대해서 결정될 수 있다. 또 다른 실시예에서는, 특정 광고 캠페인과 관련하여, 하나 이상의 최적의 광고 및 각각의 광고를 디스플레이할 최적의 시간은 경로 정보를 기반으로 하여 광고판의 네트워크에 속한 복수의 광고판에 대해서 결정될 수 있다. 또 다른 실시예에서, 특정 대상 그룹을 향한 일련의 조정된 광고가, 경로 정보를 기반으로, 광고판의 네트워크에 속한 선택된 광고판에서 선택된 시간에 디스플레이될 수 있다.
이하, 단계(610, 620 및 630)를 수행하기 위한 방법 및 시스템이 더 설명된다.
본원에서 사용된 바와같이, 그룹이라는 용어는 특정한 특성을 공유하는 가능한 개인들의 그룹을 의미한다. 이 실시예에서, 특징 및 그룹은 선험적으로 정의된다. 예를 들어, 클라이언트는 다음의 그룹, 즉, (1) 18세와 30세 사이의 여성; (2) 약 $200,000의 수입을 갖는 개인들; 및 (3) 온라인 컴퓨터 게임을 하는 개인들의 그룹 내의 개인들의 이동에 관한 정보를 요청할 수 있다. 이러한 특징 및 그룹은 단지 예시적인 것이며 어느 방식으로 제한하는 것으로 해석되지 않는다. 어느 특징(들) 및 그룹(들)이 정의될 수 있다.
제1 그룹이 제1 시간에 제1 광고판 정면에 있었으며 제2 그룹이 또 다른 시간에 제2 광고판의 정면에 있었다고 결정된 것을 가정한다. 각각의 광고판 정면에 있는 그룹이 동일한 그룹인지 아니면 다른지, 또는 단지 약간만 다른지를 결정하는 것이 유용하다. 이러한 문제에 대한 한가지 접근법은 두 그룹에서 "교집합(intersection)을 설정한다"라는 표준적 개념을 수행하는 것이고, 이들 두 그룹이 그룹 특징에서 완전히 일치하면, 이 두 그룹은 실질적으로 하나이며 동일하다. 그러나, 대부분의 실제 세계의 시나리오는 완전히 일치하지 않는다. 그리고, 본원에서 설명된 바와같이, 한 그룹의 확률론적 개념의 사용은 완전한 교집합의 결정을 배제한다.
대신에, 그룹 중 한 그룹의 "본질(essence)"의 개념을 형성하고 이어서 이 "본질"이 다른 그룹에 존재하는지를 결정하는 것이 유용하다. 만약 그렇다면, 각각의 그룹의 동일한 본질이 각각의 광고판의 정면에 존재하는 것으로 결정될 수 있다. 또한, 그러한 결정은 모든 감시 및 추적이 이러한 그룹의 본질에만 요구될 뿐이고 모든 그룹에서는 요구되지 않는다는 결론에 이르게 된다.
본원에서 그룹의 "표준적 표시"로 알려진, 한 그룹의 "본질"을 결정하는데 사용되는 기술은 새롭고 신규의 구성이다. 표준적 표시는 소정의 일련의 특성들을 만족하는 두 그룹의 교집합 주변에서의 확률론적 확장(probabilistic growth)이다. 그 교집합이 작으면, 각각의 그룹의 구성원을 받아들임으로써 바람직하게 확장될 수 있다. 각각의 그룹으로부터 받아들인 구성원들은 어떤 수학적인 요건들을 따르는 것이 분명하다. 또한 각각의 그룹으로부터 동일한 구성원을 받아들이는 데는 아무 제한이 없다는 것을 주목하여야 한다. 일단 이것이 수행되면, 획득된 최종 세트 또는 그룹은 표준적 표시이며, 그래서 이 표준적 표시는 해당 그룹의 본질을 형성하는 매우 가능성 있는 한 세트의 구성원들이다.
예를 들어, 그룹 A, B 및 C가 있고, 또한 표준적 표시가 R이면, R은 잘 규정된 확률을 가진 A, B 및 C의 본질을 포착하는 그러한 그룹이다.
그러한 정의 및 구성은 유용한데, 그 이유는 A, B 및 C와 같은 그룹이 그들의 구성원들이 나중에 또는 또 다른 장소에서 또 다른 그룹의 특징을 쉽게 보여줄 수 있다는 점에서 모두 역동적이기 때문이다. 다시 말해서, A와 같은 그룹의 구성원들, 특히 A의 분류에 간신히 드는 구성원들은 또 다른 시간 및 장소에서 그룹 B의 특성을 매우 쉽게 보여줄 수 있다. 그래서, 표준적 표시는 다음과 같은 질문, 즉, 두 그룹을 단지 한 그룹과 대체할 필요가 있다면, 대체의 본질이 무엇인지, 그리고 그것이 무엇과 같은지에 대한 질문에 대답하는데 사용되는 구성이다.
표준적 표시에 대한 상세한 수학적 설명은 본 명세서의 "수학적 설명" 부분에서 제공된다.
본원에서 사용되는 또 다른 구성은 표준적 발생이라 부르고, 이는 표준적 표시의 정의에 대한 제한을 약간 완화시킴으로써 구해진다. 표준적 발생은 다음의 질문, 즉, 주어진 그룹에서 확률이 높은 특징들의 규정된 세트를 관찰하는 것이 가능한지에 대한 질문에 대답하는데 요구되는 구성이다. 또는, 다시 말해서, 한 그룹의 본질이 확률이 같을 또 다른 그룹에서 관찰되었는지에 대한 질문에 대답하는데 요구되는 구성이다.
표준적 발생에 대한 상세한 수학적 설명이 본 명세서의 "수학적 설명" 부분에서 제공된다.
방법에 대한 개념적 설명
다음은, 일 실시예에 따라서, 개념 수준에서, 그룹을 식별하고, 그룹의 표준적 표시를 식별하고, 그룹이 따라가는 경로를 결정하는 단계를 설명한다.
모든 광고판에서, 어떤 특징들이 우세한지, 그리고 만일 그렇다면, 그 특징들이 여러 시간 간격 동안에 나타나는지 또는 단지 일순간의 측정 동안에 나타나는지에 대한 결정이 이루어진다.
여기서는 표준적 표시가 유용하게 사용되는데, 왜냐하면 그룹 자체가 그룹의 표준적 표시와 대체될 수 있기 때문이다. 이어서 표준적 표시는 여러 시간 간격 동안에 우세한 것으로 구성될 수 있다.
일부 사전정의된 그룹 또는 특징들의 개수, 즉, 이것들의 K를 검사하는 것이 바람직하다고 가정해 본다. 이것들은 이벤트의 실시간 측정치이므로, 이벤트는 1 시간의 시간 간격으로 분류되고, 그러므로 하루의 측정치에 대해서는 24개의 그러한 시간 간격이 있을 것이 또한 주목된다.
일단 광고판에서 K개의 가장 우세한 그룹이 결정되었다면, 표준적 발생의 개념은 만일 이들 그룹이 다른 곳에서도 (즉, 다른 광고판의 정면에서) 관찰되었는지를 결정하는데 사용된다. 만일 그렇다면, 광고판 장소는 소정 그룹이 관찰되는 시간 순서로 정렬된다. 그러므로, 각각의 관심 그룹마다, 순서가 정해진 광고판의 수집 또는 일련의 광고판이 획득된다. 다해서 K개의 그러한 그룹이 있으므로, K개의 그처럼 순서가 정해진 일련의 광고판이 획득된다.
각각의 순서가 정해진 일련의 광고판 내에서는, 이들이 시간상으로 순서가 정해지므로, 동일 시간 값을 갖는 여러 광고판이 있을 수 있다. 동일 시간 값을 갖는 광고판들은 서로간의 거리에 의해서 재분류된다. 이제, 하나의 지리적 영역내에 있는 광고판들의 모음 전체에서 한 그룹의 경로 또는 흐름이 획득된다. K개의 그러한 경로가 있을 것임이 주목된다.
단계 1 : 여러 시간 간격 't' 동안에 광고판 중심지의 분포(distribution)를 결정한다. 양호한 t 값은 1 시간 또는 그 이상이다. 분포는 개개인의 광고판과의 상호작용의 개수를 카운트함으로써 결정된다. 이 카운트는 상호작용의 시간에 광고판의 소정 반경 내에 있는 사람들의 수를 포함할 수도 있다.
A(t1) 및 A(t2)는 간격 t1 및 t2 등에서의 분포를 표시한다고 가정한다.
이제, A(t1), A(t2),..., A(tN)이 최고 K개의 유니모달 분포(unimodal distribution)의 조합으로서 분해된다. 이것은, 충분히 큰 K에 대해서 데이터를 아주 많이 손실하지 않고도 가능하다. K 값은 검사되고 있는 "대상 그룹"의 성향 또는 종류를 표시한다.
A(t1) = i=1,...K U(Ai t1)
A(t2) = i=1,...K U(Ai t2)....., A(tN) = i=1,...K U(Ai tN)
단계 2 : (재조합 단계) : 이제 다음과 같이 정의되는, 소위 "재조합(Recombination)"이라는 방법이 수행된다.
A(t1) 및 A(t2)의 여러 모드들의 조합인 A, 즉, 구성요소 (A1 t1, A2 t1,...,AK t1, A1 t2, A2 t2, ..., AK t2)를 갖는 A로 시작한다. 이제, A의 구성요소들을 가로 좌표를 따라서 순서를 정한다. 즉,
A = (A1 t1, A1 t2,A2 t1, A2 t2,.., AK t1 , AK t2)
만약 인접 쌍이 존재하면, 모든 인접 쌍 (A1 t1 및 A1 t2)을 그의 "표준적 표시"로 대체하는데, 말하자면, Ψ(p, A1 t1, A1 t2)로 대체한다. 그렇지 않으면, 그대로 둔다. Ψ(p)은 아래와 같이 정의된다.
이 과정의 끝에서, 분포 A가 획득되는데, 이는 최대 2K 모드를 갖는다. 이제, 이 분포 A를 K-프룬(K-prune)하면, "두 분포의 재조합"인 분포 A'가 남는다. 이 단계는 정리 3(본 명세서의 "수학적 설명" 부분에서 기술됨)을 적용하여 수행될 수 있다.
단계 3 : ( 마킹 단계) : A'을 최대 K개의 구성요소(K-모달이므로)의 조합으로서 보면, 여러 구성요소의 시간 간격을 줄인다. 시간 간격에 의해서 인덱스되며, 그 값들이 구성요소들인, 어레이가 구성된다. 예를 들어, 네개의 특징들(K=4)을 따르기 위해서, A(t1) 및 A(t2)가 다음과 같이 주어진다.
A(t1)= A1 t1, A2 t1,A3 t1, A4 t1
그리고 A(t2)=A1 t2, A2 t2,A3 t2,A4 t2
단계(3)을 완성하면, 다음을 획득할 수 있다. 즉,
A'= A1 t1, A'2 t1, t2, A3 t2, A4 t1
하나의 어레이가 획득되는데, 이 역시 본원에서는 도 7 에 도시된 것과 같이 맵핑 또는 매트릭스로서 표현된다. 맵핑(700)은 시간 간격 t1, t2,...tN에 각각 대응하는 컬럼(730-1, 730-2,...,730-N)을 포함한다.
이 예에서, (A2 t1 및 A2 t2의 "표준적 표시"인) 구성요소 A2'가 발생되므로, 그것은 두개의 시간 간격에 대비하여 표시됨을 알 수 있다.
단계 4(전파 단계): A(t2)와 A(t3) 사이에서 단계3을 반복하고, 유사하게 시간 간격에 대비하여 구성요소를 줄여서 이차원 어레이로 만든다(단계 3). 만일 특정 셀이 "표준적 표시"에 의해서 더 일찍 표시되었으면, 표시되어야 할 새로운 값은 동일한 값 또는 새로운 "표준적 표시"가 되거나, 아니면 공백으로 된다. 새로운 값이 공백이거나 동일한 값이면, 표시하지 않는다. 그 외에, 그 새로운 값이 또 다른 "표준적 표시"이면, 셀 및 또한 그 로우의 모든 요소들을, 간격 t1으로 부터, 그 특정 간격까지 모두 표시한다.
예를 들어, A(t2)와 A(t3)의 재조합 이후, 컬럼 t2 이하의 A2'가 공백으로 표시된다고 되어 있으면, 표시는 생략된다. 그러나, A2'가 새로운 "표준적 표시" A2"로 표시된다고 되어 있으면, A2'를 컬럼 t1 이하의 A2"로 역시 교체한다.
그 다음, A(tn-1)과 A(tn) 까지의 A(3)와 A(4) 사이 등에서 이 절차를 반복한다. 마지막으로 A(tn)과 A(t1) 사이의 절차를 반복한다. 프로그램적으로 다음과 같다.
A(tn + 1) = A(t1);
for (i = 2... N+1){
A' =Recombination of A(ti) & A(ti+1)
Mark down the time intervals in A' in columns ti & ti +1.
}
적어도 연속하는 두개의 시간 간격에서 발생하는 경우에만 본질적으로 하나의 특징이 표시되는것이 주목된다.
단계4의 끝에서, (각각의 시간 간격에 대한) 구성요소의 매트릭스는 각각의 광고판 중심지에 대해서 획득된다. 다시 말해서, 각각의 광고판 중심지는 하나의 구성요소 매트릭스를 갖는다.
단계 5: 촛점 'f'라고 불리우는 임의의 또는 선정된 광고판 중심지가 선택된다. K개의 임의의 고유 셀들이 그의 대응하는 매트릭스로부터 선택된다. 예를 들어, 양호한 선택은 고유 셀들이 K개의 가장 큰 크기가 되도록 선택하는 것이다. 만일 M < K 인 고유의 구성요소가 있으면, K-M이 f의 다음으로 가장 가까운 것으로부터 선택되는 식이다. 이들 K개의 셀들은 K 촛점 구성요소, 또는 간단히 촛점 구성요소라고 부른다. 근본적으로, 이들 촛점 구성요소의 경로가 추종되는 또는 추적되는데, 이는 이들 촛점 구성요소는 경로가 획득되게 하는 특징이기 때문이다.
K개의 기설정된 구성요소가 또한 선택될 수 있다. 그럼에도 불구하고, 단계 5의 끝에서, 따라가는 대상 그룹 또는 특징이라고 지칭하는 K개의 구성요소가 획득된다.
단계 6: 주어진 그래프에서 V개의 광고판 중심지가 있다고 가정하면, K개의 촛점 구성요소 각각 마다, 구성요소 매트릭스의 어느 셀에서 표준적 발생이 일어나는지를 결정한다. 표준적 발생이 일어난다면, 시간 간격(또는 컬럼 수)을 표시하고 또한 중심지 id를 표시한다. 프로그램적으로 다음과 같다.
For (i = 1 through K of focal component){
For (j = 1 through V of component matrices){
If there exists a "Standard Occurrence" of component i with any cell
of matrix J; then
Insert the tuple (column number of that cell in matrix j, epicenter j)
into array P[i].
}
}
단계 6의 끝에서, 어레이 P[I] 내지 P[K]가 획득된다. 예를 들어:
P[3] = (t1, 4), (t11, 3), (t5, 6), (t4, 1), (t4, 7), (t5, 5), (t5, 2)
이들 어레이 각각은 추종되고 있는 각각의 특징(촛점 구성요소)이 따라가는 경로의 표시임을 알 수 있다.
단계 7: 튜플(tuple)의 제1 원소 상의 모든 P[i], 즉, 시간 간격을 분류한다. 전술한 예를 이용하여, 다음과 같은 경로가 획득된다.
P[3] = (t1, 4), (t4, 1), (t4, 7), (t5, 6), (t5, 5), (t5, 2), (t11, 3)
단계 8: 단계 7 이후, P[i]의 N개 항목들 - 항목들은 동일 시간 값을 가지며, 인덱스 j+1 내지 j+N을 점유함 - 이 있다면, 이 항목들을 재정렬 또는 순서를 정해서 이들 N 항목중 첫번째 것이 j+1로 인덱스된 항목에 가장 근접하며 이들 N 항목중 마지막 것이 j+N+1로 인덱스된 항목에 가장 근접하도록 한다. ("근접한"의 정의는 광고판들 사이의 거리를 지칭한다).
이제 j로 인덱스된 항목에 가장 근접한 j+1로 인덱스된 항목이 획득되며, j+N+1로 인덱스된 항목에 가장 근접한 j+N으로 인덱스된 항목이 획득된다.
이것은, 인덱스 j+2 및 J+N-1에 대해서 유사하게 반복되며, 이는 모든 N 항목이 이러한 방식으로 순서가 정해질 때까지 반복된다.
단계 8의 끝에서, 전술한 예를 이용하여, 다음의 경로가 획득된다.
P[3] = (t1, 4), (t4, 7), (t4, 1), (t5, 2), (t5, 6), (t5, 5), (t11, 3)
광고판(7)은 광고판(4)에 가장 근접하고 광고판(1)은 광고판(2)에 가장 근접해 있음을 알 수 있다.
이것은 제 시간에 제3의 촛점 구성요소에 의해서 취해진 경로를 나타낸다.
도 8은 일 실시예에 따라서 전술한 예에서 정의된 경로 P[3](800)를 도시한다. 그룹은 (박스(891)로 도시된 바와같이) 동일 시간 간격에서 광고판(7) 및 광고판(1)에서 검출되며, (박스(892)로 도시된 바와같이) 동일한 시간 간격에서 광고판(2) 및 광고판(6)에서 검출된다.
전술한 예에서, 지리적 영역 내의 광고판의 집합에서 한 그룹의 경로 또는 흐름이 도시된다. 그러한 K개의 경로가 획득되며, 그 각각은 전술한 방식으로 계산된다.
그러므로, 예시된 예에서, 특정 그룹은, 전술한 경로에 따라서, 광고판(4)에서 광고판(3)으로 이동한다. 이러한 특정 그룹은 어떤 특징을 가지며, 따라서, 광고는 하루가 진행됨에 따라서, 경로를 따라서 선택된 시간에 디스플레이될 수 있다. 또한, 하나의 광고판은 광고판(4)에서 디스플레이되고, 광고판(7) 및 광고판(1)에서 반복될 수 있으며, 어떤 다른 관련된 광고가 광고판(2, 6, 5 및 3)에서 디스플레이될 수 있다. 그러므로, 하나 이상의 광고는, 전술한 방식으로 결정된 경로에 기반하여 광고판의 네트워크 중에서 선택된 하나 이상의 광고판에서 디스플레이될 수 있다.
더욱이, 디스플레이된 광고에 대해 최상의 전환율을 도출하는 경로를 따라서 키워드가 지정될 수 있다. 예를 들어, 광고판(4)에서는 "신발" 및 "음료"와 같은 키워드가 양호한 전환율을 나타내는 반면에, 광고판(5)에서는, 최상의 키워드가 "양말", "테니스" 및 "축구"가 될 수 있다.
수학적 설명
다음의 설명은 표준적 표시 및 표준적 발생을 포함하는 어떤 개념에 대한 수학적 설명을 제시한다.
두 세트 A & B의 "P 확률론적 교집합(P probabilistic intersection)"은 Ψ(p, A, B)로 표시되며, 여기서 A, B는 A & B의 교집합을 나타낸다. 세트 A & B가 암시적일 때, 기호 Ψ가 사용된다.
Ψ(p)는 다음과 같이 정의된다. 즉, Ψ(p)는 A 및 B내의 원소로 구성되며, 다음을 만족시킨다. 즉,
1. A,B ⊆ Ψ(p) ⊆ (A U B) ..............(1)
2. Ψ(p)는 볼록하다(convex).............(2)
3. △가 면적이나 체적 함수를 나타낸다고 하면,
△(Ψ(p)) = (2-p)△(A.B)..................(3)
4. A.B 및 Ψ(p) 사이의 마하라노비스 거리(mahalanobis distance)는 불확실성에 의해서 한계가 정해지는데, 즉,
Dm = (CA .B - CΨ )TS-1(CA .B -CΨ ) ≤ (1-p)....(4)
여기서 CA .B는 A.B의 중심을 나타내는 벡터이며, CΨ는 Ψ(p)의 중심을 나타내는 벡터이며, S-1은 공분산 매트릭스이다.
p=1 일 때, Ψ(p)= A.B 이다.
따라서, 두 히스토그램의 100% 확률 또는 "1 확률 교집합(1 Probability Intersection)"은 교집합의 전통적인 개념이다.
또한, 일반적으로 다음과 같음을 주목하자.
a) A & B는 두가지 분포일 수 있거나 또는 '확률 공간(probability spaces)'이 될 수 있으며,
b) A 및 B의 개념은 X1, X2, ..., XN으로 표시되는 유한한 일련의 분포로 확장될 수 있다. 그러면, Ψ(p,i=N ∏i=1 (Xi))는 이러한 N 분포의 "P 확률론적 교집합"이다.
c) A & B는 다차원 공간을 점유할 수 있다.
도 9는 일 실시예에 따라 두 히스토그램의 분석을 도시한다. 특히, 도 9는 제1 히스토그램(A) 및 제2 히스토그램(B), 두 히스토그램의 완전한 교집합(910) 형태 및 두개의 히스토그램의 "P 확률론적 교집합"(925)의 형태를 도시한다.
변동( Variations ):
1) 만약 전술한 정의의 조건(4)이 완화되어 (마하라노비스 거리 대신에) 유클리디안 거리만을 의미한다면, 다음과 같은 교차는 "P 확률론적 완화 집중된 교집합(P probabilistic relaxed centered Intersection)"이라고 지칭된다. 그래서, 조건 4는 다음과 대체된다. 즉,
DE = [(CA .B - CΨ).(CA .B - CΨ)]1/2≤ (1-p) .......(4a)
2) 조건 4가 완전히 제거될 때, Ψ(p)는 "P 확률론적 비집중 교집합(P probabilistic uncentered Intersection)"라고 지칭된다.
3) 어느 "P 확률론적 비집중 교집합"에서, 만일
A∏(Ψ(p) - A.B) = Max i-1...n [Ai,∏(Ψ(p) - A.B)] ....(4b) 이면,
Ψ(p)는 "P 확률론적 A-바이어스된 교집합"이라고 지칭되며, "바이어스의 정도(degree of the bias)"는 다음의 비율로 표현된다. 즉,
θ = △(A∏Ψ(p))/△(Ψ(p))...............(4c)
방정식(4b) 및 4(c)를 부분 미분 및/또는 가우스 적분으로서 표현하는 것이 유리하다. 왜냐하면 그러한 방법, 최대화 및 바이어스 정도가 더 효과적으로 포착되기 때문이다.
모든 "P 확률론적 비집중 교집합" 마다 분포 X에 대해서 바이어스 θ의 정도가 어느 정도 주어진 "P 확률론적 X-바이어스된 교집합(P probabilistic X-biased Intersection)"임을 알 수 있다.
4) 어느 "P 확률론적 비집중 교집합"에서는 다음과 같이 놓는다.
△m = Max(△(A), △(B),...) ...........(4d)
그러면, (0 < Φ < 1)이 되는 몇몇 임의의 Φ의 경우,
△(Ψ(p))/△m ≥Φ 이면,
Ψ(p)는 "P 확률론적 대표 교집합(P probabilistic representative Intersection)"라고 한다.
비율 Φ은 "표시 정도(degree of representation)"로 알려진다.
Φ의 특정 값이 주어지면, "P 확률론적 대표 교집합"을 찾는 것이 보장되지 않는다. 반면에, 모든 Ψ(p)에 대해서, 값 Φ가 있으며, 아무리 작아도, 그에 대해서 Ψ(p)는 정도 Φ의 "P 확률론적 대표 교집합"이다.
특별한 사례 1
"P 확률론적 비집중 교집합" Ψ(p)가 P = 0.75 및 Φ = 0.5이 되도록 존재하면, Ψ(p)는 두 분포의 "표준적 표시"라고 지칭된다.
특별한 사례 2
"P 확률론적 교집합" Ψ(p)가 P = 0.75 및 Φ = 0.33이 되도록 존재하면, Ψ(p)는 "표준적 발생"이라고 지칭된다.
직관적 설명( Intuitive Explanation ):
"P 확률론적 교집합"은 확률 요인 P 내에서 A.B의 최우도(maximum likelihood)를 찾는 영역이다. 많은 현실 세계의 시나리오에서, 그룹은 역동적이며, 하나의 그룹의 주변부에 있는 원소들은 또 다른 그룹의 특징들을 얻을 수 있다. 그러한 다이너미즘(dynamism)의 예는 다음과 같다. 즉,
1) 하나의 연령 그룹에서 일부 사람들(특히 경계에 가까운 사람들)은 또 다른 연령 그룹의 특징을 행동하거나 얻을 수 있을 것 같다.
2) 바이러스는 어떤 조건 하에서 변할 수 있는 단백질 구조임이 알려져 있다. 구조적으로 이러한 다이너미즘이 주어지면, 어떤 일련의 특징들을 디스플레이하는 주어진 단백질 구조는 어느 정도의 확률을 가지고 또 다른 일련의 특징을 양호하게 행동하거나 나타내기 시작할 수 있다.
3) 하나의 사회 또는 사회-경제 그룹의 회원들, 특히 주변의 사람들이 또 다른 사회-경제 그룹의 특징을 나타내기 시작할 수 있다.
4) 세포가 통제불능으로 재생하기 시작할 때, 이것은 암을 유발한다. 암이 악성이 될 때 한 영역 내의 정상적으로 건강한 세포, 또는 특정 조직의 건강한 세포 및 일부 공지된 특징을 디스플레이하는 것은 암이 될 수 있다.
5) 패턴 인식, 영상 인식 및 컴퓨터 비젼에서, 전체적으로 문자, 이미지 및 항목 마다 확률 분포가 있다. 하나의 분포 내의 일부 항목은 또 다른 분포 내에서 비-제로 발생 확률을 갖는다. 대부분의 인식 알고리즘은 "가우스 가중 히스토그램 교차"(Gaussian Weighted Histogram Intersection GWHI) 또는 알고리즘 기반의 "히스토그램 교집합"(HI)를 이용한다. "P 확률론적 교집합"은 더 효과적으로 모든 가능한 인식 리스트를 포착한다.
현실 세계의 시나리오가 역동적이므로, 특정한 일련의 특징들의 효과적인 감시, 추적 또는 대상화는 정밀도 및 전체를 효과적으로 다루기 위해서 이러한 특징의 "P 확률론적 교집합"의 개념을 요구한다.
그래서, "P 확률론적 교집합"은 그 경계를 넘은 일련의 특징들의 확산 척도이다. 대안으로, Ψ(p)는 다수의 사전정의된 특징을 나타낼 때 하나의 그룹의 경향의 척도로서 보일 수 있다.
변동이 교집합의 여러 특징을 결정하는, 조건 4에 대한 더 상세한 설명은 후술된다.
조건 4는 "P 확률 교집합"이 전통적인 교집합 개념에 집중되어야 한다는 사실을 언급하고 있음을 알 수 있다. 그러나, 그 중심이 반드시 일치할 필요는 없지만, "P 확률론적 교집합"이 요구되는 확률 요인에 의해서 경계가 이루어져야 한다는 점에서 역할이 주어진다. 그러므로, 해당하는 두 중심 사이의 거리는 확률 P로 표시해야 한다. 데카르트 좌표계에서, 거리의 개념은 보통은 유클리디안이지만, 유클리디안 거리는 두 분포의 확률 밀도를 고려하지 않는다. 이러한 거리가 표준적 편차 또는 해당하는 두 분포의 변동에 의해서 정규화되기 위해서는, "마하라노비스 거리(mahalanobis distance)"의 개념이 사용된다.
집중성( Centeredness )
"P 확률론적 교집합"의 "집중성"에 기준이 없을 때, Ψ(p)는 다른 분포에 비해 하나의 주어진 분포로부터 더 많은 원소들이 있을 수 있다는 사실을 감안하게 된다. 따라서, "비집중된" Ψ(p)은 다른 분포에 비해 하나의 분포를 향해서 더 많이 바이어스된다. 이러한 바이어스는 어떤 특성들이 어떤 다른 특성들보다 더 중요할 수 있는 것과 같처럼 실제 삶의 시나리오를 나타낸다.
특별한 사례들
확률 분포를 다룰 때, 소정 신뢰도를 가진 모든 개별 분포의 특징들을 포착하는 지역을 찾는 것이 요구될 때가 많다. 그러한 지역을 찾을 수 있으면, 이러한 특별 지역은 그러한 개별 분포들에서 자신을 나타낼 것이 요구될 수 있다. 다시 말해서, 이러한 특별 지역은 이러한 모든 분포와 모든 실제적인 목적의 전형이며, 그래서 명명된 "표준적 표시"는 이러한 다수의 분포를 대체할 수 있다. 이러한 표준적 표시의 특징을 감시하고, 추적하고 추종하는 것은 개별 분포를 추적하는 것 보다 용이하고 또한 더 효과적이다.
추적하는 동안에, Ψ(p)의 집중성에서 더 엄격한 규칙이 사용되지만, 그 Φ 값은 완화된다. 이것은 정상적인 서브그룹의 개념으로부터 나온다. 정상적인 서브그룹중 적어도 하나가 존재하면 하나의 이벤트가 발생한 것이다.
정리 1(간격-통합( Interval - merging ))
가로좌표의 원소들이 어떤 관계 'R'에서 "전체적으로 순서가 정해진 그룹" G를 형성하는, 데카르트 좌표에서 다중-모달 분포가 주어지면, 새로운 가로좌표 G'(또한 전체적으로 순서가 정해진 그룹)에서 분포의 모드 수를 줄이는 것이 가능하여, G와 G' 사이에 주관적 이체동형(Subjective Homomorphism)이 존재한다.
증명: 전체적으로 순서가 정해진 그룹에서 어느 M-모달 분포가 어떤 1 ≤ N < M 에서 N-모달 분포로 줄어들 수 있음을 증명하는 것이 필요하다.
이것이 사실이라는 것을 보여주는 간략한 건설적인 증명이 제공된다. 이러한 과정은 모달 병합(modal merging) 또는 간격 병합(Interval merging)이라고 일컬어 질 수도 있다.
1) 숫자 J >1을 선택한다 (보통은 1, 5 또는 2로 시작한다).
2) 분포를 변경하여 새로운 가로좌표 간격이 J* 원래의 간격 크기가 되도록 한다.
3) 새로운 분포가 형태상 감소되지 않으면, J를 더 높은 값으로 하여(보통은 0.5씩 증가시킴) 단계(2)를 반복한다.
나머지 증명은 쉽게 이어지는데, 이는 당업자에게 자명한 것이다.
도 10 은 일 실시예에 따라 전체적으로 순서가 정해진 그룹에서 M-모달 분포(1090)를 N-모달 분포(1030)로 줄이는 것을 도시한다.
정의 : 분포 프루닝( Distribution Pruning )
M-모달 분포 A 및 정수 K가 (1 ≤ K < M)으로 주어지면, A의 "K-프룬드 분포(K-Pruned Distribution)"는 A'⊆ A가 되고 A'은 K-모달이 되도록 주어진다.
이 정의에서는 두 분포가 동일 가로좌표 상에 놓일 것이 요구되며, 따라서 간격-병합이 사용될 수 없다.
정리 2: 어떤 (1 ≤ K < M)에 대해서, 모든 M-모달 분포는 K-프룬드가 될 수 있다.
증명: 분포 A가 M-모달이라고 가정한다. 이것은 A가 M 유니모달 분포(구성요소)의 조합으로서 표시될 수 있음을 의미한다. 어떤 구성요소는 임의로 탈락되어, 현재 M 구성요소보다 적은 조합인 A의 서브세트를 남기거나, 또는 K-모달을 남긴다.
"P 확률론적 대표 교집합"의 정의로부터, 적어도 하나의 임의의 분포 A'가 존재하는 것이 명백하며, 따라서 A'는 K-프룬드가 되며, 정도 Φ의 "P 확률 대표 교집합"이 되어, (Φ > 0)이 된다.
정리 3: 2K-모달의 K-프룬드 분포를 찾는 것이 가능하며, K-프룬드 분포는 "표준적 표시" (Φ ≥ 0.5)가 된다.
X를 2K 유니모달 분포(구성요소)의 집합으로 구성하면, 이 구성요소는 영역(또는 크기)가 증가하는 순서로 정렬될 수 있다. 가장 큰 크기로부터 시작하면, 각각의 구성요소는 분포 Y에 가산된다. 이러한 단계는 가장 큰 K 구성요소가 가산될 때 까지 반복된다. 결과는 Y⊆X를 만족하는 분포 Y이고, K-모달이며, (Φ ≥ 0.5) 이다. Y가 서브세트이므로 "P 확률 대표 교집합"이며, 따라서 "표준적 표시"이다.
여러 실시예에서, 도 6에 기술된 방법을 포함하여, 본원에 기술된 방법의 단계들은 이미 기술되거나 또는 도시된 특정 순서와는 다른 순서로 수행될 수 있다. 다른 실시예들에서, 다른 단계들이 제공될 수 있거나 또는 전술한 방법들로부터 단계들이 제거될 수도 있다.
본원에 기술된 시스템들, 장치 및 방법들은 디지털 회로를 이용하거나, 공지된 컴퓨터 프로세서, 메모리 장치, 저장 장치, 컴퓨터 소프트웨어, 및 기타 구성요소를 이용한 하나 이상의 컴퓨터를 이용하여 구현될 수 있다. 전형적으로, 컴퓨터는 명령을 실행하는 프로세서 및 명령 및 데이터를 저장하기위한 하나 이상의 메모리를 포함한다. 컴퓨터는 또한 하나 이상의 자기 디스크, 내장 하드 디스크 및 착탈식 디스크, 자기-광 디스크, 광 디스크 등과 같은 하나 이상의 대규모 저장 장치를 포함하거나 또는 결합될 수 있다.
본원에 기술된 시스템들, 장치, 및 방법들은 클라이언트-서버 관계로 동작하는 컴퓨터들을 사용하여 구현될 수 있다. 전형적으로, 그러한 시스템에서, 클라이언트 컴퓨터는 서브 컴퓨터와는 원거리로 배치되며 네트워크를 통해서 상호작용한다. 클라이언트-서버 관계는 개별 클라이언트 및 서버 컴퓨터에서 동작하는 컴퓨터 프로그램에 의해서 정의 및 제어될 수 있다.
본원에 설명된 시스템, 장치 및 방법들은 네트워크-기반 클라우드 컴퓨팅 시스템 내에서 사용될 수 있다. 그러한 네트워크-기반 클라우드 컴퓨팅 시스템에서, 네트워크에 접속되는 서버 또는 또 다른 프로세서는 네트워크를 통해서 하나 이상의 클라이언트 컴퓨터와 통신한다. 클라이언트 컴퓨터는, 예를 들어, 클라이언트 컴퓨터에서 상주 및 동작하는 네트워크 브라우저 어플리케이션을 통해서 서버와 통신할 수 있다. 클라이언트 컴퓨터는 서버에 데이터를 저장하며 네트워크를 통해서 데이터에 액세스할 수 있다. 클라이언트 컴퓨터는 데이터 요청 또는 온라인 서비스 요청을 네트워크를 통해서 서버에 전송할 수 있다. 서버는 요청된 서비스를 수행하고 데이터를 클라이언트 컴퓨터(들)에 제공할 수 있다. 서버는 또한 클라이언트 컴퓨터가 특정 기능, 예를 들면, 계산을 수행하고, 특정 데이터를 스크린에 표시하는 등의 기능을 수행하도록 적응된 데이터를 전송할 수 있다. 예를 들어, 서버는 도 6의 단계들 중 하나 이상의 단계를 포함하여, 본원에 기술된 하나 이상의 방법 단계들을 클라이언트 컴퓨터가 수행하도록 적응된 요청을 전송할 수 있다. 도 6의 단계들 중 하나 이상의 단계를 포함하여, 본원에 기술된 방법들의 소정 단계들은 서버에 의해서 또는 네트워크-기반 클라우드-컴퓨팅 시스템의 또 다른 프로세서에 의해서 수행될 수 있다. 도 6의 단계들 중 하나 이상의 단계를 포함하여, 본원에 기술된 하나 이상의 방법 단계들은 네트워크-기반 클라우드 컴퓨팅 시스템이 클라이언트 컴퓨터에 의해서 수행될 수 있다. 도 6의 단계들 중 하나 이상의 단계들을 포함하여, 본원에 기술된 방법들의 소정 단계들은 서버에 의해서 및/또는 네트워크-기반 클라우드 컴퓨팅 시스템의 클라이언트 컴퓨터에 의해서, 임의의 조합으로, 수행될 수 있다.
본원에 기술된 시스템들, 장치, 및 방법들은, 프로그래머블 프로세서에 의해서 실행되도록, 비일시적(non-transitory) 머신-판독 저장 장치와 같은, 정보 캐리어에서 유형적으로 구성되는 컴퓨터 프로그램을 이용하여 구현될 수 있으며, 도 6의 하나 이상의 단계들을 포함하여, 본원에 기술된 방법 단계들은 그러한 프로세서에 의해서 실행가능한 하나 이상의 컴퓨터 프로그램을 이용하여 이행될 수 있다. 컴퓨터 프로그램은 어떤 동작을 수행하거나 어떤 결과를 가져오기 위해서 컴퓨터에서 직접 또는 간접적으로 사용될 수 있는 일련의 컴퓨터 프로그램 명령이다. 컴퓨터 프로그램은 컴파일 또는 해석된 언어를 포함하여 프로그래밍 언어의 어느 형태로도 기록될 수 있으며, 스탠드-얼론 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서 사용하기에 적합한 기타 장치로서 포함하여, 임의의 형태로서 효율적으로 사용될 수 있다.
본원에 기술된 시스템들, 장치 및 방법들을 이행하는데 사용될 수 있는 예시적인 컴퓨터의 하이-레벨 블록도가 도 11 에 도시된다. 컴퓨터(1100)는 데이터 저장 장치(1102) 및 메모리(1103)에 동작가능하게 결합되는 프로세서(1101)을 포함한다. 프로세서(1101)는 그러한 동작을 정의하는 컴퓨터 프로그램 명령을 실행함으로써 컴퓨터(1100)의 전체 동작을 제어한다. 컴퓨터 프로그램 명령은 데이터 저장 장치(1102) 또는 다른 컴퓨터 판독 매체에 저장될 수 있으며, 컴퓨터 프로그램 명령의 실행이 요구될 때 메모리(1103)에 적재될 수 있다. 따라서, 도 6의 방법 단계들은 메모리(1103) 및/또는 데이터 저장 장치(1102)에 저장된 컴퓨터 프로그램 명령에 의해서 정의될 수 있으며 컴퓨터 프로그램 명령을 실행하는 프로세서(1101)에 의해서 제어될 수 있다. 예를 들어, 컴퓨터 프로그램 명령은 당업자에 의해서 프로그램된 컴퓨터 실행 코드로서 이행되어 도 6의 방법 단계들에 의해서 정의된 알고리즘을 수행할 수 있다. 따라서, 컴퓨터 프로그램 명령을 실행함으로써, 프로세서(1101)는 도 6의 방법 단계들에 의해 정의된 알고리즘을 실행한다. 컴퓨터(1100)는 또한 네트워크를 통해서 다른 장치와 통신하기 위해서 하나 이상의 네트워크 인터페이스(1104)를 포함한다. 컴퓨터(1100)는 또한 컴퓨터(1100)와 사용자 인터페이스를 가능하게 하는 하나 이상의 입력/출력 장치들(1105)(예를 들면, 디스플레이, 키보드, 마우스, 스피커, 버튼 등)을 포함한다.
프로세서(1101)는 범용 및 특수 목적의 마이크로프로세서를 포함할 수 있으며, 단일 프로세서이거나 컴퓨터(1100)의 다중 프로세서 중 하나가 될 수 있다. 프로세서(1101)는, 예를 들면, 하나 이상의 중앙 처리 유닛(CPU)를 포함할 수 있다. 프로세서(1101), 데이터 저장 장치(1102), 및/또는 메모리(1103)는 하나 이상의 주문형 반도체(ASIC) 및/또는 하나 이상의 현장 프로그래머블 게이트 리스트(Field Programmable Gate Lists FPGA))을 포함하거나, 이들에 의해서 보충되거나, 또는 통합될 수 있다.
데이터 저장 장치(1102) 및 메모리(1103)는 각각 유형의 비일시적 컴퓨터 판독 저장 매체를 포함한다. 데이터 저장 장치(1102) 및 메모리(1103)는 각기 다이나믹 랜덤 액세스 메모리(DRAM), 스태틱 랜덤 액세스 메모리(SRAM), 더블 데이터 레이트 싱크로너스 다이나믹 랜덤 액세스 메모리(DDR RAM), 또는 기타 랜덤 액세스 솔리드 스테이트 메모리 장치와 같은 고속 랜덤 액세스 메모리를 포함할 수 있으며, 하나 이상의 자기 디스크 저장 장치와 같은, 내장 하드 디스크 및 착탈형 디스크, 자기-광 디스크 저장 장치, 광 디스크 저장 장치, 플래시 메모리 장치, 반도체 메모리 장치와 같은 소거 프로그램 가능 리드-온리 메모리(EPROM), 전기적 소거 프로그램 가능 리드-온리 메모리(EEPROM), 컴팩트 디스크 리드-온리 메모리(CD-ROM), 디지털 다기능 디스크 리드-온리 메모리(DVD-ROM) 디스크와 같은 비-휘발성 메모리, 또는 기타 비-휘발성 반도체 저장 장치를 포함할 수 있다.
입력/출력 장치(1105)는 프린터, 스캐너, 디스플레이 스크린 등의 주변장치를 포함할 수 있다. 예를 들어, 입력/출력 장치(1105)는 정보를 사용자에게 디스플레이하기 위한 음극선관(CRT) 또는 액정 디스플레이(LCD)와 같은 디스플레이 장치, 키보드, 및 사용자가 컴퓨터(1100)에 입력시킬 수 있는 마우스 또는 트랙볼과 같은 포인팅 장치를 포함할 수 있다.
관객 분석 서비스(430), 관객 검출기(452) 및 그 구성요소를 비롯하여, 그룹 분석(561), 메모리(565), 관객 인터페이스(567), 서비스(569), 네트워크 인터페이스(563), 관객 정보 분석(525), 네트워크 인터페이스(572), 및 메모리(535)를 포함하는, 본원에서 설명된 시스템들 및 장치 중 하나 또는 전부는 컴퓨터(1100)와 같은 컴퓨터를 이용하여 수행될 수 있다.
당업자라면 실제 컴퓨터 또는 컴퓨터 시스템의 구현예는 다른 구조를 가질 수도 있고 또한 다른 구성요소를 포함할 수 있으며, 아울러 도 11은 예시된 목적으로 그러한 컴퓨터의 구성요소의 일부를 하이 레벨로 표현하고 있음을 인식할 것이다.
전술한 상세한 설명은 모든 면에서 예시적이지 제한을 위한 것은 아닌 것으로 이해되어야 하며, 본원에 개시된 발명의 범위는 상세한 설명으로부터 결정되어서는 안 되며, 특허법이 허용하는 한 가장 넓게 해석하여 특허청구범위로부터 결정되어야 한다. 본원에 도시되고 기술된 실시예는 단지 본 발명의 원리를 예시하기 위한 것이며 당업자라면 발명의 범주 및 사상으로부터 벗어남이 없이 여러 변형이 가능함을 알 수 있다. 당업자라면 발명의 범주 및 사상에서 벗어나지 않고도 여러 다른 특징의 조합을 구현할 수 있다.

Claims (10)

  1. 각각의 관심 지점에 대응하는 복수의 맵핑을 생성하는 단계 - 각각의 맵핑은, 대응하는 관심 지점에서 검출된 적어도 하나의 그룹, 및 각각의 그룹이 상기 대응하는 관심 지점에서 검출되었을 때의 각각의 시간을 나타냄 -와,
    상기 복수의 맵핑 중 선택된 맵핑에서 나타나는 하나 이상의 그룹의 세트에 대응하는 표준적 표시(standard representation)를 정의하는 단계와,
    상기 복수의 맵핑에 기초하여 상기 표준적 표시와 연관된 경로를 결정하는 단계 - 상기 경로는, 상기 표준적 표시가 검출되는 복수의 제2 관심 지점, 및 상기 표준적 표시가 상기 복수의 제2 관심 지점 내 각각의 관심 지점에서 검출되었을 때를 나타내는 시간 정보를 정의함 - 를 포함하는
    방법.
  2. 제1항에 있어서,
    적어도 하나의 관심 지점은 광고판과 연관된 장소를 포함하는
    방법.
  3. 제1항에 있어서,
    상기 복수의 맵핑 중 상기 선택된 맵핑에 대응하는 특정 관심 지점과 연관된 영역에서 상기 하나 이상의 그룹의 세트를 검출하는 단계를 더 포함하는
    방법.
  4. 제3항에 있어서,
    상기 복수의 맵핑 중 상기 선택된 맵핑에서 나타나는 하나 이상의 그룹의 세트에 대응하는 표준적 표시를 정의하는 단계는,
    상기 하나 이상의 그룹의 세트의 교집합(intersection)을 결정하는 단계와,
    상기 교집합 주변의 확률론적 확장(probabilistic growth)을 결정하는 단계와,
    상기 교집합 및 상기 확률론적 확장에 기초하여 상기 표준적 표시를 정의하는 단계를 더 포함하는
    방법.
  5. 제4항에 있어서,
    상기 표준적 표시와 연관된 경로를 결정하는 단계는,
    상기 복수의 맵핑에 기초하여, 상기 표준적 표시와 연관된 어레이를 생성하는 단계를 더 포함하며,
    상기 어레이는 각각의 관심 지점을 각각의 시간에 연관시키는 하나 이상의 좌표의 세트를 포함하고,
    상기 어레이는, 복수의 맵핑 내에서 상기 표준적 표시의 복수의 표준적 발생(standard occurrence)을 식별하고, 각각의 상기 식별된 복수의 표준적 발생에 대해, 각각의 표준적 발생과 연관된 관심 지점 및 시간을 나타내는 좌표의 세트를 생성함으로써 생성되는
    방법.
  6. 제5항에 있어서,
    상기 표준적 표시의 표준적 발생은 복수의 관심 지점에서 검출된 상기 하나 이상의 그룹의 세트의 표시를 포함하는
    방법.
  7. 제5항에 있어서,
    상기 표준적 표시의 표준적 발생을 식별하는 것은,
    P 확률론적 완화 집중된 교집합(P probabilistic relaxed centered intersection)을 식별하는 것을 더 포함하는
    방법.
  8. 제7항에 있어서,
    관심 지점 사이의 거리에 기초하여 상기 복수의 제2 관심 지점을 순서화하는 단계를 더 포함하는
    방법.
  9. 제1항에 있어서,
    상기 결정된 경로에 기초하여, 하나 이상의 선택된 관심 지점에서 하나 이상의 광고를 디스플레이하는 단계를 더 포함하는
    방법.
  10. 시스템으로서,
    각각의 관심 지점에 연관된 복수의 그룹 검출기와,
    프로세서를 포함하고,
    각각의 그룹 검출기는,
    상기 연관된 관심 지점에 인접한 그룹의 존재를 검출하고,
    하나 이상의 그룹의 존재에 관련된 정보를 전송하도록 구성되고,
    상기 프로세서는,
    상기 복수의 그룹 검출기로부터 상기 정보를 수신하고,
    상기 정보에 기초하여, 각각의 관심 지점에 대응하는 복수의 맵핑을 생성 - 각각의 맵핑은, 대응하는 관심 지점에서 검출된 적어도 하나의 그룹, 및 상기 적어도 하나의 그룹의 각각의 그룹이 상기 대응하는 관심 지점에서 검출되었을 때의 각각의 시간을 나타냄 - 하고,
    상기 복수의 맵핑 중 선택된 맵핑에서 나타나는 하나 이상의 그룹의 세트에 대응하는 표준적 표시를 정의하고,
    상기 복수의 맵핑에 기초하여, 상기 표준적 표시에 연관된 경로를 결정 - 상기 경로는, 상기 표준적 표시가 검출된 복수의 제2 관심 지점, 및 상기 표준적 표시가 상기 복수의 제2 관심 지점 내 각각의 관심 지점에서 검출되었을 때를 나타내는 시간 정보를 정의함 - 하도록 구성되는
    시스템.
KR1020147003232A 2011-08-09 2012-07-17 광고판 관객 그룹의 경로를 식별하고 그 경로에 기반하여 광고 콘텐츠를 제공하기 위한 시스템 및 방법 KR101612640B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161521407P 2011-08-09 2011-08-09
US61/521,407 2011-08-09
US13/538,155 US20130041753A1 (en) 2011-08-09 2012-06-29 System and Method for Identifying a Path of a Billboard Audience Group and Providing Advertising Content Based on the Path
US13/538,155 2012-06-29
PCT/US2012/046984 WO2013022561A1 (en) 2011-08-09 2012-07-17 System and method for identifying a path of a billboard audience group and providing advertising content based on the path

Publications (2)

Publication Number Publication Date
KR20140043937A true KR20140043937A (ko) 2014-04-11
KR101612640B1 KR101612640B1 (ko) 2016-04-15

Family

ID=46614611

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147003232A KR101612640B1 (ko) 2011-08-09 2012-07-17 광고판 관객 그룹의 경로를 식별하고 그 경로에 기반하여 광고 콘텐츠를 제공하기 위한 시스템 및 방법

Country Status (6)

Country Link
US (1) US20130041753A1 (ko)
EP (1) EP2742476A4 (ko)
JP (1) JP5925317B2 (ko)
KR (1) KR101612640B1 (ko)
CN (1) CN103875014A (ko)
WO (1) WO2013022561A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10783555B2 (en) 2013-11-22 2020-09-22 At&T Intellectual Property I, L.P. Targeting media delivery to a mobile audience
JP5940579B2 (ja) * 2014-03-20 2016-06-29 ヤフー株式会社 移動制御装置、移動制御方法及び移動制御システム
US10565620B1 (en) * 2014-05-21 2020-02-18 Vistar Media Inc. Audience matching system for serving advertisements to displays
US20160307227A1 (en) * 2015-04-14 2016-10-20 Ebay Inc. Passing observer sensitive publication systems
US10769660B2 (en) 2016-09-09 2020-09-08 International Business Machines Corporation Determining advertisement content based on cluster density within dynamic visibility fence
US11790401B2 (en) * 2017-04-10 2023-10-17 BoardActive Corporation Platform for location and time based advertising
DE102020107064B3 (de) * 2020-03-14 2021-06-17 Audi Aktiengesellschaft Verfahren zum Koordinieren von mindestens zwei Anzeigevorrichtungen unterschiedlicher Kraftfahrzeuge, Koordiniereinrichtung, Servereinrichtung, und Kraftfahrzeug
DE102020107063A1 (de) 2020-03-14 2021-09-16 Audi Aktiengesellschaft Verfahren zum Koordinieren von mindestens zwei Anzeigevorrichtungen unterschiedlicher Kraftfahrzeuge, Koordiniereinrichtung, und Kraftfahrzeug

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030046158A1 (en) * 2001-09-04 2003-03-06 Kratky Jan Joseph Method and system for enhancing mobile advertisement targeting with virtual roadside billboards
US7257570B2 (en) * 2003-11-13 2007-08-14 Yahoo! Inc. Geographical location extraction
GB2410359A (en) 2004-01-23 2005-07-27 Sony Uk Ltd Display
US7930204B1 (en) * 2006-07-25 2011-04-19 Videomining Corporation Method and system for narrowcasting based on automatic analysis of customer behavior in a retail store
US8073460B1 (en) * 2007-03-08 2011-12-06 Amazon Technologies, Inc. System and method for providing advertisement based on mobile device travel patterns
KR101136730B1 (ko) 2007-12-08 2012-04-19 에스케이플래닛 주식회사 광고 방법 및 그 ｓｎｓ 광고시스템
US20090254416A1 (en) * 2008-04-08 2009-10-08 Yahoo! Inc. Method and system for presenting advertisements targeted at passersby
US20090319166A1 (en) * 2008-06-20 2009-12-24 Microsoft Corporation Mobile computing services based on devices with dynamic direction information
CN101339721B (zh) * 2008-08-11 2011-06-22 张挺 分时投放的广告牌系统
US8108778B2 (en) * 2008-09-30 2012-01-31 Yahoo! Inc. System and method for context enhanced mapping within a user interface
JP2010218177A (ja) * 2009-03-17 2010-09-30 Sanyo Electric Co Ltd 動体識別装置および動線検知システム
JP5292185B2 (ja) * 2009-05-26 2013-09-18 日本電信電話株式会社 ディジタルサイネージコンテンツ提示スケジュール作成方法及び装置及びプログラム
JP2011008571A (ja) * 2009-06-26 2011-01-13 Shunkosha:Kk 通行人流動データ生成装置、コンテンツ配信制御装置、通行人流動データ生成方法及びコンテンツ配信制御方法
US8335990B2 (en) * 2009-08-18 2012-12-18 Nokia Corporation Method and apparatus for grouping points-of-interest on a map
US8756010B2 (en) * 2009-10-12 2014-06-17 Qualcomm Incorporated Method and apparatus for identification of points of interest within a predefined area
US20120150654A1 (en) * 2010-12-08 2012-06-14 Alcatel-Lucent Usa Inc. Method And Apparatus For Interactive Media Control
CN102129644A (zh) * 2011-03-08 2011-07-20 北京理工大学 一种具有受众特性感知与统计功能的智能广告系统
US20120259706A1 (en) * 2011-04-05 2012-10-11 GM Global Technology Operations LLC Vehicle navigation system and method

Also Published As

Publication number Publication date
CN103875014A (zh) 2014-06-18
KR101612640B1 (ko) 2016-04-15
EP2742476A4 (en) 2015-11-25
US20130041753A1 (en) 2013-02-14
EP2742476A1 (en) 2014-06-18
JP5925317B2 (ja) 2016-05-25
WO2013022561A1 (en) 2013-02-14
JP2014527668A (ja) 2014-10-16

Similar Documents

Publication Publication Date Title
US11625755B1 (en) Determining targeting information based on a predictive targeting model
KR101612640B1 (ko) 광고판 관객 그룹의 경로를 식별하고 그 경로에 기반하여 광고 콘텐츠를 제공하기 위한 시스템 및 방법
US11270324B2 (en) Location-based analytic platform and methods
US11238473B2 (en) Inferring consumer affinities based on shopping behaviors with unsupervised machine learning models
US10592914B2 (en) Device-dwell graphs
US10455363B2 (en) Systems and methods for using geo-blocks and geo-fences to discover lookalike mobile devices
US9589048B2 (en) Geolocation data analytics on multi-group populations of user computing devices
US10318973B2 (en) Probabilistic cross-device place visitation rate measurement at scale
US10423973B2 (en) Analyzing consumer behavior based on location visitation
US10235683B2 (en) Analyzing mobile-device location histories to characterize consumer behavior
US20190182621A1 (en) Privacy-sensitive methods, systems, and media for geo-social targeting
US8620624B2 (en) Event identification in sensor analytics
US20130060639A1 (en) Methods and Systems for Providing Mobile Advertising Using Data Networks Based On Groupings Associated with Internet-Connectable Devices
US11741494B2 (en) Conducting multivariate experiments
US20090024546A1 (en) System, method and apparatus for predictive modeling of spatially distributed data for location based commercial services
US11856258B2 (en) Systems and methods for spatial and temporal experimentation on content effectiveness
US20120310737A1 (en) Method for providing advertisement, computer-readable medium including program for performing the method and advertisement providing system
US11520677B1 (en) Real-time Iot device reliability and maintenance system and method
WO2019075120A1 (en) SYSTEMS AND METHODS FOR USING GEOBLOCS AND GEOBARRIERS TO DISCOVER SIMILAR MOBILE DEVICES
Basiri et al. The impact of biases in the crowdsourced trajectories on the output of data mining processes
US20130211906A1 (en) Measuring and Utilizing The Effect of Social Sharing In Online Advertising
Gallagher Market Basket Analysis with Shortened Web Link Click Data

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee