KR20140059286A - 소셜 네트워킹 시스템을 통해 전파되는 통신의 효과 인식 - Google Patents

소셜 네트워킹 시스템을 통해 전파되는 통신의 효과 인식 Download PDF

Info

Publication number
KR20140059286A
KR20140059286A KR1020147009022A KR20147009022A KR20140059286A KR 20140059286 A KR20140059286 A KR 20140059286A KR 1020147009022 A KR1020147009022 A KR 1020147009022A KR 20147009022 A KR20147009022 A KR 20147009022A KR 20140059286 A KR20140059286 A KR 20140059286A
Authority
KR
South Korea
Prior art keywords
user
social networking
networking system
label
users
Prior art date
Application number
KR1020147009022A
Other languages
English (en)
Other versions
KR101923066B1 (ko
Inventor
야나카 리야너즈
네빌 바우어스
알도 아이븐 킹
아미 보라
데이비드 그로스베이서
원루이 자오
Original Assignee
페이스북, 인크.
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 페이스북, 인크. filed Critical 페이스북, 인크.
Publication of KR20140059286A publication Critical patent/KR20140059286A/ko
Application granted granted Critical
Publication of KR101923066B1 publication Critical patent/KR101923066B1/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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G06Q30/0277—Online advertisement
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

소셜 네트워킹 시스템의 사용자들로 전파되는 컨텐츠 통신의 효과는 소셜 네트워킹 시스템에 의해 추적되고 측정될 수 있다. 사용자에 의해 수행되는 행위 이전에 시간 구간 내에 사용자에게 제시되는 컨텐츠의 식별자가 그 행위와 관련된 제1 라벨 객체에 기록된다. 사용자에 의해 수행된 행위는 다른 사용자들에게 제시되도록 새로운 컨텐츠를 생성한다. 새로운 컨텐츠와 제1 라벨 객체의 식별자는 새로운 컨텐츠를 열람한 이후 다른 사용자들에 의해 수행된 행위와 관련된 새로운 라벨 객체에 기록된다. 다양한 지표는 전파성, 도달을 포함하는 소셜 네트워킹 시스템의 사용자들에 의해 수행되는 행위와 관련된 라벨 객체를 분석하고 특정 컨텐츠 아이템을 공유하는 사용자들을 식별하여 결정될 수 있다.

Description

소셜 네트워킹 시스템을 통해 전파되는 통신의 효과 인식{UNDERSTANDING EFFECTS OF A COMMUNICATION PROPAGATED THROUGH A SOCIAL NETWORKING SYSTEM}
본 발명은 일반적으로 소셜 네트워킹 시스템에 관한 것이며, 특히 소셜 네트워킹 시스템에서 통신의 효과를 추적하는 것에 관한 것이다.
고속도로의 측면에 있는 광고판 및 텔레비전과 라디오상의 일반 광고로부터, 종래의 디스플레이 광고자들은 광고 노출의 후속 효과(downstream effects)를 측정할 방법이 없었다. 이런 정보는 광고자들이 가령 더 많은 전환과 같이 더 나은 후속 효과를 낳는 광고들에 그들의 광고 예산을 소비할 수 있도록 하는데 유용할 수 있다. 대신에, 이런 광고 매체의 전략은 고객에게 가능한 한 많은 브랜드 노출이 쇄도하도록 하는 것이었다. 이는 광고 지출의 낭비로 이어진다.
온라인 디스플레이 광고는 사용자의 브라우저의 쿠키의 추적으로 잠재 고객의 추적을 가능하게 하기 때문에 종래의 디스플레이 광고에 비해 개선되었다. 예컨대, 사용자가 초기 웹 검색으로부터 인터넷을 브라우징하기 때문에, 추적 쿠키는 가령 광고를 통한 클릭 또는 스폰서 검색 결과와 같이 사용자에게 디스플레이되는 광고 및 사용자에 의해 직접 취해진 행위에 대한 정보를 기록할 수 있다. 그러나, 이런 클릭에 의한 행동을 추적하는 방법은 무엇이 사용자가 클릭을 하도록 만들었는지에 대해 제한된 관점을 제공한다. 그 행위는 단지 사용자가 클릭을 했던 광고에 기인할 수 있을 뿐이다. 가령 제시된 광고의 컨텐츠에 관한 웹사이트의 방문과 같은 다른 행위들은 그 광고로 인한 것이 아닐 수 있다.
최근 수년간, 소셜 네트워킹 시스템의 사용자들은 그들의 관심사를 공유해왔고, 사진의 공유, 실시간 상태 업데이터 및 소셜 게임의 실행에 의해 소셜 네트워킹 시스템의 다른 사용자들과 관계를 맺어왔다. 소셜 네트워킹 시스템의 다른 사용자들과 공유되는 새로운 기사, 비디오, 사진 및 게임 성취에 대한 정보와 같이, 사용자들로부터 수집된 정보의 양은 막대하다. 소셜 네트워킹 시스템에 게시되는 특정 컨텐츠는 사용자가 소셜 네트워킹 시스템의 다른 사용자들과 컨텐츠를 공유할 가능성이 더 커진다는 점에서 "전파적(viral)"이게 될 수 있다. 소셜 네트워킹 시스템은 컨텐츠 아이템의 "전파성(virality)"뿐만 아니라 광고자가 소셜 미디어 광고 캠페인을 설계하는데 유용할 수 있는 다른 지표(metrics)를 측정하는 도구가 부족했다.
특히, 소셜 네트워킹 시스템은 사용자로의 컨텐츠 노출의 효과를 추적할 수 없었다. 가령 사용자들이 브랜드 페이지에 참여하고 외부 웹사이트로 클릭하며 브랜드와 관련된 물리적 위치에 체크인하는 것과 같이, 후속 효과를 결정하는 메커니즘이 창출되지 못했다. 광고자뿐만 아니라 소셜 네트워킹 시스템의 관리자는 타겟팅 기준에 대한 사용자에게 제시되는 컨텐츠의 후속 효과를 인지하고 사용자와 더 관련이 있는 컨텐츠를 제공하는 것으로 이익을 얻을 수 있다.
소셜 네트워킹 시스템의 사용자들로 전파되는 컨텐츠 통신의 효과는 소셜 네트워킹 시스템에 의해 추적되고 측정될 수 있다. 사용자에 의해 수행되는 행위 이전에 시간 구간 내에 사용자에게 제시되는 컨텐츠의 식별자가 그 행위와 관련된 제1 라벨 객체에 기록된다. 사용자에 의해 수행된 행위는 다른 사용자들에게 제시되도록 새로운 컨텐츠를 생성한다. 새로운 컨텐츠와 제1 라벨 객체의 식별자는 새로운 컨텐츠를 열람한 이후 다른 사용자들에 의해 수행된 행위와 관련된 새로운 라벨 객체에 기록된다. 다양한 지표는 전파성, 도달을 포함하는 소셜 네트워킹 시스템의 사용자들에 의해 수행되는 행위와 관련된 라벨 객체를 분석하고 특정 컨텐츠 아이템을 공유하는 사용자들을 식별하여 결정될 수 있다.
본 발명의 내용 중에 포함되어 있다.
도 1a는 본 발명의 한 실시예에 따라 소셜 네트워킹 시스템에서 전파되는 컨텐츠 노출을 추적하는 프로세스를 도시하는 블록 다이어그램이다.
도 1b는 본 발명의 한 실시예에 따라 소셜 네트워킹 시스템의 사용자에 의해 수행된 행위가 컨텐츠 노출에 기인하는 프로세스를 도시하는 블록 다이어그램이다.
도 2는 본 발명의 한 실시예에 따라 소셜 네트워킹 시스템의 블록 다이어그램을 보여주는, 소셜 네트워킹 시스템에서 전파되는 통신의 효과를 추적하는 시스템의 네트워크 다이어그램이다.
도 3은 본 발명의 한 실시예에 따라 행위 이전에 사용자에게 제공되는 컨텐츠와 소셜 네트워킹 시스템의 사용자에 의해 수행된 행위를 라벨링하는 프로세스의 흐름도이다.
도 4는 본 발명의 한 실시예에 따라 소셜 네트워킹 시스템의 사용자에 의해 수행된 행위가 행위 전에 사용자에게 미리 제공되는 컨텐츠 아이템에 기인하는 프로세스의 흐름도이다.
도 5는 본 발명의 한 실시예에 따라 소셜 네트워킹 시스템에서 컨텐츠의 지표와 사용자를 결정하기 위한 다양한 모듈을 포함하는 지표 분석 모듈을 도시하는 블록 다이어그램이다.
도면들은 단지 예로써 본 발명의 다양한 실시예들을 도시한다. 당업자는 하기의 설명을 통해 본 명세서에 나타난 구성 및 방법의 대안적인 실시예들이 본 명세서에 기술된 본 발명의 원리에서 벗어남이 없이 이용될 수 있음을 용이하게 인식할 것이다.
개요
소셜 네트워킹 시스템은 사용자에게 시스템의 다른 사용자들과 통신하고 상호작용할 수 있는 능력을 제공한다. 사용시, 사용자는 소셜 네트워킹 시스템에 가입한 후, 사용자가 연결되기를 원하는 다수의 다른 사용자들과의 연결을 추가한다. 소셜 네트워킹 시스템의 사용자들은 사용자 프로필로서 저장되는 그들을 설명하는 정보를 제공할 수 있다. 예컨대, 사용자들은 그들의 연령, 성별, 지리적 위치, 학력, 경력 등을 제공할 수 있다. 사용자에 의해 제공되는 정보는 사용자에게 정보를 겨냥하는데 소셜 네트워킹 시스템에 의해 사용될 수 있다. 예컨대, 소셜 네트워킹 시스템은 사용자에게 소셜 그룹, 이벤트, 공유 컨텐츠 아이템 및 잠재적인 친구를 추천할 수 있다. 또한, 소셜 네트워킹 시스템은 사용자에게 광고를 겨냥하는데 사용자 프로필 정보를 사용할 수 있어서, 오직 관련 있는 광고만이 사용자에게 전달되도록 보장한다. 관련 있는 광고는 광고를 무시할 가능성이 있는 사용자에게 감소하는 자원을 낭비하기보다는 광고 지출이 의도한 청중에게 이르도록 보장한다.
사용자에 의해 제공되는 선언형 정보 이외에, 소셜 네트워킹 시스템은 또한 소셜 네트워킹 시스템상의 사용자의 행위를 기록할 수 있다. 이런 행위는 다른 사용자들과의 통신, 사진 공유하기, 가령 소셜 게임 애플리케이션과 같이 소셜 네트워킹 시스템에서 동작하는 애플리케이션과의 상호작용, 여론조사에 응답하기, 관심사 추가하기 및 직원 네트워크에 가입하기를 포함한다. 또한, 소셜 네트워킹 시스템은 그 사용자에 의해 접속되는 외부 웹사이트 데이터를 캡처할 수 있다. 이런 외부 웹사이트 데이터는 종종 방문되는 웹사이트, 선택되는 링크 및 다른 브라우징 데이터를 포함할 수 있다. 사용자의 행동을 기초로 다른 것들보다 특정 사용자와 애플리케이션에 대한 더 강한 관심과 같이, 사용자에 대한 정보는 소셜 네트워킹 시스템에 의해 분석 및 기계 학습을 통해 이런 기록된 행위로부터 생성될 수 있다.
소셜 그래프는 소셜 네트워킹 시스템에 저장된 에지에 의해 연결되는 노드를 포함한다. 노드는 사용자 및 가령 컨셉과 엔티티를 포함하는 웹페이지와 같은 소셜 네트워킹 시스템의 객체를 포함하며, 에지는 노드를 연결한다. 에지는 가령 사용자가 "아메리카 컵(America's Cup)"에 대하여 또 다른 사용자에 의해 공유된 뉴스 기사에 관한 관심을 표현할 때와 같이, 2개의 노드 사이의 특정한 상호작용을 표현한다. 소셜 그래프는 노드 및 상호작용을 표현한 에지에 정보를 저장하여, 소셜 네트워킹 시스템의 사용자들 사이의 상호작용뿐만 아니라 소셜 네트워킹 시스템의 사용자와 객체 사이의 상호작용을 기록할 수 있다. 커스텀 그래프 객체 타입 및 그래프 행위 타입은 그래프 객체와 그래프 행위의 속성을 정의하도록 제3의 개발자뿐만 아니라 소셜 네트워킹 시스템의 관리자에 의해 정의될 수 있다. 예컨대, 영화에 대한 그래프 객체는 가령 제목, 배우, 감독, 프로듀서, 연도 등과 같이 몇몇의 정의된 객체 특성을 가질 수 있다. "구매"와 같은 그래프 행위는 소셜 네트워킹 시스템의 외부 웹사이트상의 제3의 개발자가 소셜 네트워킹 시스템의 사용자들에 의해 수행된 커스텀 행위를 보고하는데 사용될 수 있다. 이런 방식으로, 소셜 그래프는 "오픈"될 수 있어서, 제3의 개발자가 외부 웹사이트에서 커스텀 그래프 객체와 행위를 생성하고 사용할 수 있도록 한다.
제3의 개발자는 소셜 네트워킹 시스템의 사용자들이 소셜 네트워킹 시스템의 외부 웹사이트에 호스팅되는 웹페이지에 대한 관심을 표현할 수 있도록 할 수 있다. 이런 웹페이지는 위젯, 소셜 플러그인, 프로그램 가능 로직이나 코드 스니핏(snippet)을 iFrame와 같은 웹페이지에 삽입한 결과로서 소셜 네트워킹 시스템에서 페이지 객체로 표현될 수 있다. 웹페이지에 삽입될 수 있는 임의의 컨셉은 이런 방식으로 소셜 네트워킹 시스템상의 소셜 그래프에서 노드가 될 수 있다. 그 결과, 사용자는 가령 "저스틴 비버(Justin Bieber)"와 같은 키워드나 키워드 문구와 관련되는 소셜 네트워킹 시스템 외부의 많은 객체와 상호작용할 수 있다. 객체와의 각각의 상호작용은 에지로서 소셜 네트워킹 시스템에 의해 기록될 수 있다. 제3의 개발자가 커스텀 객체 타입과 커스텀 행위 타입을 정의할 수 있도록 하는 방법이 본 명세서에 참조로 통합되고 - 출원되며 발명의 명칭이 "소셜 네트워킹 시스템상의 구조화된 객체 및 행위(Structured Objects and Actions on a Social Networking System)"인 미국특허출원 No.XX/YYY,YYY에 더 기술된다.
가령 사진, 비디오, 문자형 상태 업데이트, 웹사이트로의 링크 및 소셜 네트워킹 시스템 내외에서의 사용자 행위와 같은, 사용자 생성 컨텐츠는 소셜 네트워킹 시스템의 다른 사용자들과 함께 사용자에 의해 공유될 수 있다. 그 결과, 특정한 컨텐츠 아이템은 소셜 네트워킹 시스템의 사용자들 중에서 반복하여 공유될 수 있다. 이런 "전파적인(viral)" 컨텐츠 아이템은 임의의 타입의 사용자 생성 컨텐츠뿐만 아니라 소셜 네트워킹 시스템의 사용자에 의해 공유되는 광고를 포함할 수 있다. 컨텐츠 아이템은 사용자가 다른 컨텐츠 아이템보다 그 컨텐츠 아이템을 공유할 가능성이 더 커진다는 점에서 "전파적"이게 될 수 있다. 일실시예로, 컨텐츠 아이템의 "전파성(virality)"은 소정의 시간 구간에 다른 컨텐츠 아이템들과 비교하여 컨텐츠 아이템이 사용자에게 얼마나 자주 노출되었는지의 정도로서 결정될 수 있다. 통상적으로, 컨텐츠 아이템의 전파성은 컨텐츠 아이템의 분배 및 소정의 시간 구간 내에 퍼지는 컨텐츠의 패턴을 관찰하여 결정될 수 있다.
소셜 네트워킹 시스템에서 사용자와 페이지 사이의 연결을 생성하고, 소셜 네트워킹 시스템의 다른 사용자들과 컨텐츠 아이템을 공유하며, 컨텐츠 아이템에 대해 코멘트하는 결과로 이어지도록 소셜 네트워킹 시스템상의 페이지를 "좋아요(liking)" 하는 것과 같이컨텐츠 아이템은 사용자가 소셜 네트워킹 시스템 내에 객체에서 특정 행위를 수행하도록 장려할 수 있다. 소셜 네트워킹 시스템의 사용자에 의해 수행되는 각각의 행위는 소셜 네트워킹 시스템상의 새로운 컨텐츠 아이템으로서 게재될 수 있다. 이런 새로운 컨텐츠 아이템은 그 컨텐츠 아이템이 사용자에 의해 수행되는 행위를 설명한다는 점에서 "소식들"로서 기술될 수 있다. 그 결과, 소셜 네트워킹 시스템의 사용자에 의해 수행된 행위는 그 행위를 수행하기 전에 사용자에게 제시되는 컨텐츠 아이템에 기인할 수 있다. 종래의 미디어에서는, 가령 신발에 대한 광고와 같이 사용자에게 제시되었던 컨텐츠에 대한 행위의 기인(attribution)이 판단될 수 없었다. 그러나, 소셜 네트워킹 시스템은 행위 전에 사용자에게 제시되는 컨텐츠 아이템의 식별자와 행위를 라벨링함으로써 행위가 광고와 같은 특정 컨텐츠 아이템에 기인할 수 있는지를 이제 결정할 수 있다.
상당한 자원이 소셜 네트워킹 시스템상의 사용자 행위의 원인(causation)을 추적하여 수집된 많은 양의 데이터를 조직화하는데 쓰여져야 한다. 예컨대, 수억만의 사용자들을 갖는 소셜 네트워킹 시스템은 그 사용자들에 대한 대량의 정보를 수집하고 추론한다. 확장성의 문제 및 효율적으로 소비하는 계산 자원의 문제를 다루기 위해, 소셜 네트워킹 시스템은 대량의 데이터베이스를 처리하기 위한 효율적인 메커니즘을 이용할 수 있다.
사용자가 어떻게 특정 행위를 수행하도록 영향을 받았는지 그리고 어떤 컨텐츠 아이템이 그 사용자에게 제시되었는지에 대한 신뢰성 있는 정보는, 일실시예로 광고의 가격을 결정하는데 이런 정보가 사용될 수 있기 때문에, 소셜 네트워킹 시스템의 관리자에게 가치가 있다. 예컨대, 광고의 가격결정은 하향 사용자(downstream users)로 행해진 노출의 수에 기초한 지표(metric)에 따라 다를 수 있다. 다른 지표들은 사용자가 광고와 상호작용하고, 광고와 관련된 위치로 체크인하며, 광고와 관련된 소셜 네트워킹 시스템상의 페이지에 대한 관심을 표현할 개연성과 같이, 사용자에게 제시된 컨텐츠 아이템 노출에 관해 수집된 정보로부터 결정될 수 있다. 이런 개연성은 사용자에 의해 수행된 행위 이전에 사용자에게 제시된 컨텐츠 아이템을 추적하여 수집된 데이터를 기초로 결정될 수 있다. 이런 정보는 가령 브랜드와의 결합을 증가시키고 사용자를 광고에 관련된 물리적 위치로 이동시키는 것과 같이, 효과적인 노출이 어떻게 유익한 결과를 가져오는지에 대한 더 나은 이해를 광고자에게 제공한다.
가령 소셜 네트워킹 시스템상에 게시된 광고 또는 컨텐츠 아이템과 같이, 어느 컨텐츠 노출이 사용자 행위를 야기했는지에 대한 기인이 다양한 방법으로 결정될 수 있다. 일실시예로, 사용자 행위와 관련이 있는 사용자에게 행해진 가장 최근의 노출이 사용자 행위에 대해 원인이 되는 컨텐츠 아이템 노출일 수 있다. 또 다른 실시예로, 행위를 수행하는 사용자로 연결되는 사용자에게 행해진 처음의 노출이 사용자 행위를 야기한 컨텐츠 아이템 노출로서 기인될 수 있다. 기계 학습, 발견적 분석(heuristics analysis) 및 통계적 분석이 컨텐츠 노출에 대해 사용자 행위의 원인을 귀속시키는데 사용될 수 있다.
도 1a는 일실시예로 소셜 네트워킹 시스템에서 전파되는 컨텐츠 노출을 추적하기 위한 프로세스의 블록 다이어그램을 도시한다. 이 다이어그램에서, 가령 페이지 게시물(102)과 같은 통신의 후속 효과가 도시된다. 소셜 네트워킹 시스템(100)의 사용자들은 하나 이상의 객체와 관련되는 소셜 네트워킹 시스템(100)을 사용하여 행위를 취할 수 있다. 사진 앨범에 코멘트하기, 사용자 간의 통신하기, 음악가의 팬이 되기 및 캘린더에 이벤트 추가하기를 포함하는 많은 다른 타입의 상호작용이 소셜 네트워킹 시스템에서 발생할 수 있다. 또한, 사용자는 소셜 네트워킹 시스템(100)에서 광고뿐만 아니라 소셜 네트워킹 시스템(100)에서 동작하는 애플리케이션과 함께 행위를 수행할 수 있다. 이런 행위는 피드(104), 페이지 담벼락(106) 및 스폰서 소식(124)을 포함하는 서로 다른 통신 채널을 통해 소셜 네트워킹 시스템(100) 내 통신으로서 게재될 수 있다. 컨텐츠 노출의 총 도달(total reach)을 계산하도록 컨텐츠 노출을 추적하기 위한 목적상, 이런 컨텐츠 노출은 광고자에 의해 지불되기 때문에 스폰서 소식과의 상호작용은 용이하게 산출된다. 피드(104)와 페이지 담벼락(106)을 통해 제시되는 통신은 사용자가 사용자 행위를 포함한 컨텐츠 아이템을 다른 사용자들과 공유할 수 있도록 해주는 유기적 분배점(organic distribution points)을 표현한다.
제1 통신의 생성에서, 이 통신 채널을 통해 소통되는 페이지 게시물(102)은 사용자(110)가 페이지 게시물(102)과 관련된 페이지로 이전에 연결되었는지 여부 또는 사용자(110)가 그 페이지와 관련된 페이지 담벼락(106)을 별도로 브라우징했는지 여부에 따라 사용자(110)에게 도달할 수 있다. 페이지 게시물(102)을 열람한 이후, 사용자(110)는 가령 페이지 게시물(102)에 대해 코멘트하기, 다른 사용자들과 페이지 게시물(102)을 공유하기, 페이지 게시물(102)과 관련된 페이지에 대해 관심을 표현하기, 페이지 게시물(102)과 관련된 페이지와 관련되는 커스텀 행위를 수행하기, 페이지 게시물(102) 내 링크를 클릭하기, 페이지 게시물(102)과 관련된 위치로 체크인하기 및 심지어 페이지 게시물(102)과 관계없는 행위를 수행하기 등과 같은, 사용자 행위(108)를 수행할 수 있다. 사용자(110)에 의해 수행되는 사용자 행위(108)의 타입에 관계없이, 소셜 네트워킹 시스템(100)은 사용자 행위(108) 이전에 사용자(110)에게 제공되었던 컨텐츠의 식별자를 추적할 수 있다. 여기서, 추적된 컨텐츠는 페이지 게시물(102)을 포함한다. 추적된 컨텐츠는 사용자 행위(108)와 관련된 라벨로서 저장될 수 있다.
제2 통신의 생성에서, 사용자(110)에 의해 수행되는 사용자 행위(108)는 피드(112), 사용자(110)와 관련된 프로필(114) 및 스폰서 소식(126)을 포함하는 다양한 통신 채널로 게재될 수 있다. 피드(112)는 사용자(110)에 의해 행해진 통신을 포함하는 통신 스트림을 포함한다. 예컨대, 사용자(110)와 연결된 한 사용자(118)는 사용자(118)가 사용자(110)와 연결되기 때문에 피드(112)에서 컨텐츠 아이템으로서 사용자 행위(108)를 수신할 수 있다. 사용자(110)와 관련된 프로필(114)은 소셜 네트워킹 시스템(100)에서 사용자(110)에 의해 행해진 통신을 포함할 수 있다. 또 다른 예로, 사용자(118)는 사용자(110)와 연결되지 않을 수 있고, 소셜 네트워킹 시스템(100)에서 공중 이용가능한 정보를 브라우징하여 사용자(110)와 관련된 프로필(114)에서 사용자 행위(108)를 열람할 수 있다. 제1 통신의 생성은 제2 통신의 생성에 영향을 준다. 즉, 페이지 게시물(102)은 이후 사용자(118)에게로 통신되었던 사용자 행위(108)를 야기한다.
이후, 사용자(118)는 가령 사용자 행위(108)에 코멘트하기, 사용자 행위(108)를 공유하기 및 사용자 행위(108)에 대한 관심을 표현하기와 같은, 사용자 행위(116)를 수행할 수 있다. 소셜 네트워킹 시스템(100)은 사용자 행위(116) 이전에 사용자(118)에게 제공되었던 컨텐츠의 식별자를 다시 추적할 수 있다. 여기서, 추적된 컨텐츠는 사용자 행위(108)를 포함한다. 사용자 행위(116)와 관련되는 추적된 컨텐츠는 사용자 행위(108) 및 사용자 행위(108)와 관련된 라벨을 포함한다. 이런 추적된 컨텐츠는 사용자 행위(116)와 관련된 라벨에 저장된다.
제3 통신의 생성에서, 사용자 행위(116)는 피드(120), 사용자(118)와 관련된 프로필(122)에서 통신으로서 그리고 소셜 네트워킹 시스템(100)의 스폰서 소식으로서 게재될 수 있다. 사용자(130)는 컨텐츠 노출로서 사용자 행위(116)를 열람할 수 있고, 이후 사용자 행위(116)와 관련될 수 있거나 관련되지 않을 수 있는 사용자 행위(132)를 수행할 수 있다. 소셜 네트워킹 시스템(100)은 사용자 행위(132) 이전에 사용자(130)에게 제공되는 컨텐츠를 추적할 수 있다. 이런 추적된 컨텐츠는 사용자 행위(116)뿐만 아니라 사용자 행위(116)와 관련된 라벨을 포함하며, 사용자 행위(132)와 관련된 라벨에 저장된다.
사용자 행위와 관련된 라벨의 참조적 성질(referential nature) 때문에, 제1 생성, 제2 생성 및 제3 생성에서 사용자 행위에 대한 추적된 컨텐츠는 제3 통신의 생성에서 발생한 사용자 행위(132)가 제1 통신의 생성에서의 페이지 게시물(102)에 기인할 수 있도록 접근될 수 있다. 따라서, 사용자 행위(132)에 대한 기인 프로세스(attribution process)에서, 페이지 게시물(102)은 사용자 행위(132)를 야기하는 컨텐츠 노출로서 나타날 수 있다. 도 1a는 각각의 통신의 생성에 대한 한 명의 사용자만을 도시하지만, 수백만의 사용자를 포함하는 소셜 네트워킹 시스템은 각각의 생성에서 수백 또는 심지어 수천의 사용자를 가질 수 있다. 추가로, 사용자 행위와 관련된 라벨은 사용자 행위가 수행되기 전 기결정된 시간 구간 내의 컨텐츠 노출을 포함할 수 있다. 시간 구간은 행위의 타입에 따라 변할 수 있다. 예컨대, 특정 위치로의 체크인은 체크인의 24시간 내에 제공되었던 추적된 컨텐츠를 포함할 수 있는 반면, 소셜 네트워킹 시스템상의 페이지에 대해 표현된 관심은 표현된 관심의 한 주 내에 제공되었던 추적된 컨텐츠를 포함할 수 있다.
도 1a가 소셜 네트워킹 시스템에서 통신의 후속 효과를 도시하는 한편, 도 1b는 일실시예로 소셜 네트워킹 시스템이 어떻게 후속 사용자 행위를 야기하는 컨텐츠 노출을 추적할 수 있는지를 도시한다. 제1 컨텐츠 아이템(134)은 소셜 네트워킹 시스템(100)에 의해 게재될 수 있다. 예컨대, 소셜 네트워킹 시스템(100)에서 페이지의 관리자는 체크인에 의해 사용자에게 지역 가게의 무료 아이스크림을 알려주는 특별 홍보를 게시할 수 있다. 사용자 A(138)는 소셜 네트워킹 시스템(100)상의 통신 채널에서 유기적 분배점을 통해, 가령 소셜 네트워킹 시스템(100)의 페이지에서의 홍보와 같은, 제1 컨텐츠 아이템(134)을 열람(136)할 수 있다. 이후, 사용자 A(138)는 소셜 네트워킹 시스템(100)에서 제1 객체(142)에 대해 행위를 수행(140)한다. 제1 객체(142)에 대해 사용자 A(138)에 의해 수행된 행위(140)는 예컨대 사용자 A(138)가 홍보와 관련된 페이지에 대한 관심을 표현하는 것일 수 있다.
행위(140)의 수행은 소셜 네트워킹 시스템(100)에서 제2 컨텐츠 아이템(144)을 생성한다. 추가로, 소셜 네트워킹 시스템(100)은 수행된 행위(140)와 관련된 제1 라벨 객체(146) 또는 사용자 A(138)와 제1 객체(142) 사이에서 생성된 에지를 생성한다. 수행된 행위(140)와 관련된 제1 라벨 객체(146)는 행위(140)의 수행 이전에 사용자 A에 대한 컨텐츠 노출을 포함한다. 여기서, 제1 라벨 객체(146)는 제1 컨텐츠 아이템(134)의 열람(136)을 포함한다. 일실시예로, 제1 라벨 객체(146)는 열람(136)의 타임 스탬프와 제1 컨텐츠 아이템(134)에 대한 식별 정보를 포함한다.
제2 컨텐츠 아이템(144)은 소셜 네트워킹 시스템(100)에서 다른 사용자들에 의해 열람될 수 있다. 도 1a를 참조하면, 제2 컨텐츠 아이템(144)은 제2 통신의 생성으로 소셜 네트워킹 시스템(100)의 다른 사용자들로 통신될 수 있다. 사용자 B(150)는 제2 컨텐츠 아이템(144)을 열람(152)할 수 있다. 추가로, 사용자 B(150)는 제3 컨텐츠 아이템(148)을 열람(152)할 수 있다. 이런 컨텐츠 노출 이후, 사용자 B(150)는 제2 객체(158)에 대해 행위를 수행(156)한다. 소셜 네트워킹 시스템(100)은 제2 객체(158)에서 사용자 B(150)에 의해 행위(156)의 수행과 관련하여 제2 라벨 객체(160)를 생성한다. 제2 라벨 객체(160)는 사용자 B(150)가 행위(156) 이전에 열람한 제2 컨텐츠 아이템(144)과 제3 컨텐츠 아이템(148)에 대한 정보를 포함한다. 제2 컨텐츠 아이템(144)이 제1 라벨 객체(146)와 관련되는 수행된 행위(140)로부터 생성되었기 때문에, 제2 라벨 객체(160)도 또한 제1 라벨 객체(146)를 포함한다.
아이스크림 홍보에 관한 상기 예를 다시 살펴보면, 사용자 B(150)는 아이스크림 홍보와 관련된 페이지에 대한 사용자 A(138)의 표현된 관심을 열람할 수 있다. 추가로, 사용자 B(150)는 또한 공원에서 맑은 날을 즐기는 친구로부터 상태 업데이트를 열람할 수 있다. 이후, 사용자 B는 지역 아이스크림 가게로 체크인을 수행하여 직접 아이스크림 홍보를 이행할 수 있다. 사용자 B(150)에 의한 물리적 위치로의 체크인 행위는 제2 객체(158)에서 수행되는 행위(156)에 해당한다.
기인 프로세스는 제2 객체(158)에서 사용자 B(150)에 의해 수행되는 행위(156)를 야기할 수 있는 소셜 네트워킹 시스템(100)상에 제공된 컨텐츠 아이템을 분석할 수 있다. 이런 컨텐츠 아이템을 식별하기 위해, 기인 프로세스는 수행된 행위(156)와 관련된 제2 라벨 객체(160)를 사용한다. 상술한 바와 같이, 제2 라벨 객체(160)는 제1 라벨 객체(146)를 포함한다. 라벨 객체의 참조적 성질로 인해, 제1 라벨 객체(146) 내의 정보는 기인 프로세스에 의해 접근될 수 있고, 제1 컨텐츠 아이템(134)은 수행된 행위(156)의 원인이 되는 잠재적인 컨텐츠 아이템으로서 식별될 수 있다. 따라서, 기인 프로세스는 이후에 사용자 A(138)의 제1 컨텐츠 아이템(134)의 열람(136)이 사용자 B(150)가 제2 객체(158)에 대해 행위(156)를 수행하도록 야기한 제1 노출이었음을 결정할 수 있다. 그 결과, 이 예에서, 소셜 네트워킹 시스템(100)의 관리자는 사용자 B의 아이스크림 가게로의 체크인을 사용자 A에 의해 열람되었던 무료 아이스크림 가게를 홍보하는 아이스크림 가게와 관련된 페이지의 게시물에 따른 결과로 볼 수 있다.
도 1b에 도시된 바와 같이, 소셜 네트워킹 시스템(100)에서 객체 사이의 연결 또는 노드 사이의 에지는 사용자가 객체에 대해 행위를 수행할 때 형성될 수 있다. 도 1b에 도시되지 않았지만, 에지 객체는 소셜 네트워킹 시스템(100)에서 사용자들의 연결들에 대한 정보를 저장한다. 이런 정보는 담벼락 게시물, 사진에 대한 코멘트, 지리적 장소 및 사진에서의 태그를 포함하는 소셜 네트워킹 시스템(100)에서의 다른 객체들과 사용자 사이의 상호작용을 포함할 수 있다. 라벨 객체는 객체에 대해 수행된 행위의 결과로서 생성된 에지 객체와 관련될 수 있다. 일실시예로, 에지 객체는 가령 친밀감 점수와 같이 노드 사이의 연결의 세기에 대한 정보를 포함한다. 사용자가 특정 객체에 대해 높은 친밀감 점수를 가진다면, 소셜 네트워킹 시스템(100)은 사용자가 그 객체와 크게 상호작용함을 인식한다. 일실시예로, 높은 친밀감 점수를 가지는 에지 객체와 관련된 라벨 객체는 사용자 행위의 기인을 결정하는데 가중될 수 있다.
사용자 행위의 기인은 컨텐츠 아이템을 선택하는 규칙 및 가중 인자(weighted factors)를 포함하는 점수화 모델을 사용하여 결정될 수 있다. 일실시예로, 가장 최근에 클릭되었던 컨텐츠 아이템이 이후의 사용자 행위에 기인한다. 또 다른 실시예로, 처음에 열람되었던 컨텐츠 아이템이 이후의 사용자 행위에 기인한다. 가령 컨텐츠 아이템을 공유하는 사용자의 가능성을 측정하는 전파성 지표(virality metric), 컨텐츠 아이템을 열람한 사람의 수를 측정하는 도달 지표(reach metric), 컨텐츠 아이템의 전환의 수를 측정하는 전환 지표(conversion metric) 및 특정 객체와 함께 에지를 생성한 사용자의 수를 측정하는 스토리텔러 지표(storyteller metric)와 같은 다양한 지표가 소셜 네트워킹 시스템(100)의 사용자들에 의해 수행된 행위와 관련된 라벨 객체에 추적된 정보를 기초로 결정될 수 있다.
시스템 구조
도 2는 본 발명의 한 실시예에 따라, 소셜 네트워킹 시스템에서 전파되는 통신의 효과를 추적하는데 적합한 시스템 환경을 도시하는 블록 다이어그램이다. 이 시스템 환경은 하나 이상의 사용자 장치(202), 소셜 네트워킹 시스템(100), 네트워크(204) 및 하나 이상의 외부 웹사이트(216)를 포함한다. 대안의 구성으로, 다른 모듈 및/또는 추가 모듈이 시스템에 포함될 수 있다.
사용자 장치(202)는 사용자 입력을 수신할 수 있고 네트워크(204)를 통해 데이터를 전송 및 수신할 수 있는 하나 이상의 컴퓨팅 장치를 포함한다. 일실시예로, 사용자 장치(202)는 예컨대 마이크로소프트 윈도우-호환 운영 시스템(OS), 애플 OS X 및/또는 리눅스 배포판을 실행하는 종래의 컴퓨터 시스템이다. 또 다른 실시예로, 사용자 장치(202)는 가령 개인용 정보단말기(PDA), 모바일폰, 스마트폰 등과 같이, 컴퓨팅 기능을 갖는 장치일 수 있다. 사용자 장치(202)는 네트워크(204)를 통해 통신하도록 구성된다. 사용자 장치(202)는 예컨대 사용자 장치(202)의 사용자가 소셜 네트워킹 시스템(100)과 상호작용할 수 있도록 하는 브라우저 애플리케이션과 같은 애플리케이션을 실행할 수 있다. 또 다른 실시예로, 사용자 장치(202)는, 가령 iOS 4 및 ANDROID와 같이, 사용자 장치(202)의 네이티브 운영 시스템에서 실행하는 애플리케이션 프로그래밍 인터페이스(API)를 통해 소셜 네트워킹 시스템(100)과 상호작용한다.
일실시예로, 네트워크(204)는 표준 통신 기술 및/또는 프로토콜을 사용한다. 따라서, 네트워크(204)는 가령 이더넷, 802.11, WiMAX(worldwide interoperability for microwave access), 3G, 4G, CDMA, DSL(digital subscriber line) 등과 같은 기술을 사용하는 링크를 포함할 수 있다. 마찬가지로, 네트워크(204)에서 사용되는 네트워킹 프로토콜은 MPLS(multiprotocol label switching), TCP/IP(transmission control protocol/Internet protocol), UDP(User Datagram Protocol), HTTP(hypertext transport protocol), SMTP(simple mail transfer protocol) 및 FTP(file transfer protocol)를 포함할 수 있다. 네트워크(204)에서 교환되는 데이터는 하이퍼텍스트 마크업 언어(HTML)와 확장형 마크업 언어(XML)를 포함하는 기술 및/또는 포맷을 사용하여 표현될 수 있다. 또한, 링크의 전부 또는 일부는 가령 SSL(secure socket layer), TLS(transport layer security) 및 IPsec(Internet Protocol security)와 같은 종래의 암호화 기술을 사용하여 암호화될 수 있다.
도 2는 소셜 네트워킹 시스템(100)의 블록 다이어그램을 포함한다. 소셜 네트워킹 시스템(100)은 사용자 프로필 스토어(206), 웹 서버(208), 행위 로거(210), 컨텐츠 스토어(212), 에지 스토어(214), 라벨 스토어(230), 원인 추적 모듈(causation tracking module)(218), 지표 분석 모듈(220), 기인 모듈(attribution module)(222), 통계 분석 모듈(224), 발견적 분석 모듈(226) 및 기계 학습 모듈(228)을 포함한다. 다른 실시예로, 소셜 네트워킹 시스템(100)은 다양한 애플리케이션을 위한 추가 모듈, 보다 적은 모듈 또는 다른 모듈을 포함할 수 있다. 가령 네트워크 인터페이스, 보안 기능, 부하 균형기, 장애복구 서버, 관리와 네트워크 동작 콘솔 등과 같은 종래의 구성요소들은 시스템의 세부사항을 모호하게 하지 않도록 도시되지 않는다.
웹 서버(208)는 네트워크(204)를 통해 소셜 네트워킹 시스템(100)을 하나 이상의 사용자 장치(202)로 연결한다; 웹 서버(208)는 웹페이지뿐만 아니라 가령 Java, Flash, XML 등과 같이 다른 웹-관련 컨텐츠를 제공한다. 웹 서버(208)는, 예컨대 인스턴트 메시지, 큐잉된 메시지(예컨대, 이메일), 텍스트와 SMS(단문 메시지 서비스) 메시지 또는 임의의 다른 적절한 메시징 기술을 사용하여 송신되는 메시지와 같은, 소셜 네트워킹 시스템(100)과 사용자 장치(202) 사이의 메시지를 수신하고 라우팅하는 기능을 제공할 수 있다. 사용자는 웹 서버(208)로의 요청을 송신하여, 예컨대 컨텐츠 스토어(212)에 저장된 이미지나 비디오와 같은 정보를 업로드할 수 있다. 추가로, 웹 서버(208)는 가령 iOS, ANDROID, webOS 및 RIM과 같은 네이티브 사용자 장치 운영 시스템으로 직접 데이터를 송신하는 API 기능을 제공할 수 있다.
라벨 객체는 소셜 네트워킹 시스템(100)에서 원인 추적 모듈(218)에 의해 생성된다. 이런 라벨 객체는 라벨 스토어(230)에 저장된다. 기인 모듈(222)은 소셜 네트워킹 시스템(100)의 행위 로거(210)에 의해 기록되는 사용자 행위와 관련된 라벨 객체를 분석하여 사용자 행위에 대한 기인을 결정한다. 사용자 행위는 에지 스토어(214)에 에지 객체로서 저장된다. 기인 모듈(222)은 사용자 행위에 대한 에지 객체와 관련된 라벨 객체로 식별된 컨텐츠 아이템 객체를 기초로 사용자 행위에 대한 기인을 결정할 수 있다. 지표 분석 모듈(220)은 통계 분석 모듈(224), 발견적 분석 모듈(226) 및 기계 학습 모듈(228)과 함께, 소셜 네트워킹 시스템(100) 내의 라벨 객체, 사용자 프로필 객체 및 컨텐츠 객체의 분석에 기초한 지표를 결정할 수 있다.
행위 로거(210)는 소셜 네트워킹 시스템(100)에서 및/또는 소셜 네트워킹 시스템 외부에서 사용자 행위에 대한 웹 서버(208)로부터 통신을 수신할 수 있다. 행위 로거(210)는 사용자 행위를 추적하는 사용자 행위에 대한 정보로 행위 로그를 채운다. 이런 행위는 예컨대 다른 사용자와의 연결을 추가하기, 메시지를 다른 사용자에게 송신하기, 이미지를 업로드하기, 다른 사용자로부터의 메시지를 읽기, 다른 사용자와 관련된 컨텐츠를 열람하기, 또 다른 사용자에 의해 게시된 이벤트에 참여하기 등을 포함할 수 있다. 또한, 다른 객체들과 연관하여 설명되는 다수의 행위가 특정 사용자로 겨냥되며, 그래서 이런 행위들은 또한 그 사용자와 관련된다.
행위 로그는 소셜 네트워킹 시스템(100)이 소셜 네트워킹 시스템(100)상의 사용자 행위뿐만 아니라 소셜 네트워킹 시스템(100)으로 다시 정보를 통신하는 외부 웹사이트를 추적하는데 사용될 수 있다. 상술한 바와 같이, 사용자는 게시물에 코멘트하기, 링크를 공유하기 및 모바일 장치를 통해 물리적 위치로 체크인하기를 포함하는 소셜 네트워킹 시스템(100)상의 다양한 객체와 상호작용할 수 있다. 또한, 행위 로그는 외부 웹사이트상의 사용자 행위를 포함할 수 있다. 예컨대, 할인 가격으로 비싼 신발을 주로 판매하는 전자상거래 웹사이트는 전자상거래 웹사이트가 사용자를 식별할 수 있게 하는 웹사이트 플러그-인을 통해 소셜 네트워킹 시스템(100)의 사용자를 인식할 수 있다. 소셜 네트워킹 시스템(100)의 사용자는 고유하게 식별가능하기 때문에, 이런 비싼 신발 판매자와 같은 전자상거래 웹사이트는 사용자가 웹사이트를 방문할 때 이런 사용자에 대한 정보를 사용할 수 있다. 행위 로그는 열람 이력, 클릭되었던 광고, 구매 활동 및 구입 패턴을 포함하는 이런 사용자에 대한 데이터를 기록한다.
사용자 계정 정보 및 사용자에 대한 다른 관련 정보는 사용자 프로필 스토어(206)에 저장된다. 가령 경력, 학력, 성별, 취미나 기호, 위치 등과 같이, 인명 정보, 인구학적 정보 및 다른 타입의 설명적 정보를 포함하는 사용자 프로필 스토어(206)에 저장된 사용자 프로필 정보는 소셜 네트워킹 시스템(100)의 사용자들을 설명한다. 또한, 사용자 프로필은 예컨대 이미지나 비디오와 같이 사용자에 의해 제공되는 다른 정보를 저장할 수 있다. 특정 실시예로, 사용자의 이미지는 이미지에서 디스플레이되는 소셜 네트워킹 시스템(100)의 사용자들의 식별 정보와 함께 태깅될 수 있다. 사용자 프로필 스토어(206)는 가령 연령, 성별, 관심사, 지리적 위치, 이메일 주소, 신용카드 정보 및 다른 개인 정보와 같이, 소셜 네트워킹 시스템(100)의 사용자에 대한 프로필 정보를 관리한다. 또한, 사용자 프로필 스토어(206)는 행위 로그에 저장되고 컨텐츠 스토어(212)의 객체에 대해 수행된 행위에 대한 참조를 관리한다.
에지 스토어(214)는 사용자와 소셜 네트워킹 시스템(100)상의 다른 객체 사이의 연결을 설명하는 정보를 저장한다. 일부의 에지는 사용자에 의해 정의될 수 있어서, 사용자가 다른 사용자들과의 관계를 지정할 수 있도록 해준다. 예컨대, 사용자는 가령 친구, 직장동료, 파트너 등과 같은 사용자의 실생활 관계에 상응하는 다른 사용자들과의 에지를 생성할 수 있다. 다른 에지는 사용자가 가령 소셜 네트워킹 시스템상의 페이지에 대한 관심을 표현하고, 소셜 네트워킹 시스템의 다른 사용자들과 링크를 공유하며, 소셜 네트워킹 시스템의 다른 사용자들에 의해 행해진 게시물에 코멘트하는 것과 같이 소셜 네트워킹 시스템(100)에서 객체와 상호작용할 때 생성된다. 에지 스토어(214)는 가령 객체, 관심사 및 다른 사용자들에 대한 친밀감 점수와 같은 에지에 대한 정보를 포함하는 에지 객체를 저장한다.
원인 추적 모듈(218)은 사용자 행위에 대한 에지 객체와 관련된 라벨 객체를 생성한다. 라벨 객체는 도 1a 및 1b에 도시된 바와 같이 행위 이전의 시간 구간 내에 행위를 수행하는 사용자에게 제시되었던 컨텐츠 아이템 객체에 대한 식별자를 포함한다. 원인 추적 모듈(218)은 일실시예로 서로 다른 타입의 행위에 대해 다른 시간 구간을 이용할 수 있다. 예컨대, 한 주의 시간 구간은 사용자 장치(202)에 의해 생성된 지리적 위치에서의 체크인 이벤트를 위해 사용될 수 있는 한편, 24시간의 시간 구간은 소셜 네트워킹 시스템(100)의 또 다른 사용자에 의해 공유된 광고의 사용자 장치(202)에 의한 클릭(click-through)을 위해 사용될 수 있다.
새로운 라벨 객체를 생성함에 있어서, 원인 추적 모듈(218)은 또한 사용자에게 제시되는 컨텐츠 아이템 객체와 관련되는 에지 객체에 관한 다른 라벨 객체를 포함한다. 그 결과, 이전의 컨텐츠 아이템 객체가 이전의 사용자 행위의 결과로서 생성되고 사용자가 새로운 라벨 객체와 관련된 행위를 수행하기 전에 사용자에게 이전의 컨텐츠 아이템 객체가 제시된다면, 이전의 사용자 행위와 관련된 예전 라벨 객체는 원인 추적 모듈(218)에 의해 새로운 라벨 객체에 포함된다.
지표 분석 모듈(220)은 원인 추적 모듈(218)에 의해 생성되는 라벨 객체에 의해 수집된 정보를 사용하여 다양한 지표를 결정할 수 있다. 소셜 네트워킹 시스템(100)은 지표 분석 모듈(220)을 사용하여 광고자에게 광고에 대해 더 높거나 할인된 가격결정 모델을 보장할 수 있는 지표 정보를 제공할 수 있다. 이런 지표는 전파성 지표, 도달 지표, 참여 지표, 전환 지표, 위치 지표 및 스토리텔러 지표를 포함할 수 있다. 전파성 지표는 컨텐츠 아이템이 얼마나 신속히 소셜 네트워킹 시스템 전반으로 배포되었는지에 대한 측정, 시간에 따른 컨텐츠 아이템의 복제율(replication rate), 컨텐츠 아이템의 전파율 및 단일 광고 캠페인에서 다수의 컨텐츠 아이템의 전파성 지표의 비교를 포함할 수 있다. 도달 지표는 컨텐츠 아이템에 대하여 그 컨텐츠 아이템을 열람한 고유 사용자의 수를 근사로 계산하여 결정될 수 있다. 이런 도달 지표는 인구통계, 지리적 위치, 사용자 행위의 타입, 사용자의 관심사 및 다른 사용자 특성을 기초로 나눠질 수 있다. 참여 지표(engagment metrics)는 사용자에 의해 공유된 컨텐츠 아이템의 전파성에 기초한 소셜 네트워킹 시스템과의 사용자 참여 레벨, 컨텐츠 아이템과 상호작용하는 연결된 사용자를 기초로 사용자가 컨텐츠 아이템과 상호작용하는데 얼마나 영향을 받았는지 그리고 얼마나 자주 사용자가 고-전파성의 컨텐츠 아이템과 반복하여 상호작용했는지를 포함하는, 사용자 행위와 관련된 라벨 객체로부터 수집된 원인 추적 정보를 기초로 결정될 수 있다.
전환 지표는 외부 웹사이트에서 거래를 완료한 사용자를 표시하는 외부 웹사이트로부터 수집된 정보를 기초로 결정될 수 있다. 지표는 외부 웹사이트의 전환이 소셜 네트워킹 시스템(100)의 광고에서 기인한 것으로 하여 결정될 수 있다. 위치 지표는 얼마나 많은 사용자가 광고와 관련된 물리적 위치에서 체크인 이벤트를 수행하도록 영향을 받을 수 있었는지를, 어느 컨텐츠 아이템이 사용자가 체크인 이벤트를 수행하도록 야기할 수 있었는지를, 그리고 사용자가 소셜 네트워킹 시스템(100)에서 체크인 기능을 적극 사용하는 지리적 위치를 추적하여 결정될 수 있다. 스토리텔러 지표는 소셜 네트워킹 시스템(100)에서 객체와 함께 에지를 생성했던 사용자에 대한 정보를 제공한다. 따라서, 광고에 대한 에지를 생성했던 사용자의 수가 스토리텔러 지표로서 광고자에게 제공될 수 있다.
기인 모듈(222)은 점수화 모델에서 여러 규칙과 가중 인자를 사용하여 사용자 행위에 기인하기 위한 컨텐츠 아이템을 선택할 수 있다. 일실시예로, 소셜 네트워킹 시스템(100)의 관리자는 사용자 행위에 대한 기인을 결정하는데 광고의 가장 최근의 클릭에 큰 가중치를 부여할 수 있다. 또 다른 실시예로, 사용자 행위와 관련이 있는 컨텐츠 아이템의 제1 노출이 기인으로 선택될 수 있다. 사용자 행위와의 컨텐츠 아이템의 관련성은 관련성의 확률을 산출하는 통계 분석 모듈(224)을 사용하여 결정될 수 있다. 또 다른 실시예로, 점수화 모델은 사용자 행위에 기인하기 위한 후보 컨텐츠 아이템을 점수화하는데 사용될 수 있다. 컨텐츠 아이템의 관련성, 컨텐츠 아이템의 오래됨 및 컨텐츠 아이템이 이전의 사용자 행위와 관련이 있는지 여부와 같은 인자들이 기인을 위한 최상의 컨텐츠 아이템을 선택하도록 점수화 모델에서 가중될 수 있다. 가중치는 소셜 네트워킹 시스템(100)의 관리자에 의해 초기에 할당될 수 있고, 기계 학습의 피드백과 결과를 기초로 시간이 지남에 따라 조절될 수 있다. 또한, 회귀 분석(regression analysis)이 일실시예로 점수화 모델에서 가중치를 최적화하는데 사용될 수 있다.
통계 분석 모듈(224)은 소셜 네트워킹 시스템(100)에서 다른 모듈과 함께 사용자 행위의 원인을 추적하는데 사용될 수 있다. 예컨대, 통계 분석은 기인 모듈(222)과 함께 사용자 행위와 컨텐츠 아이템의 관련성을 기초로 기인의 확률을 결정하는데 사용될 수 있다. 또한, 통계 분석은 지표 분석 모듈(220)과 함께 유사한 컨텐츠 아이템에 대해 수집된 이전의 정보를 기초로 컨텐츠 아이템에 대하여 사용자에 의한 전환, 참여 및 체크인 이벤트의 확률을 결정하는데 사용될 수 있다.
발견적 분석 모듈(226)은 소셜 네트워킹 시스템의 모듈들이 객체, 사용자 및 행동 패턴의 특성을 분석하는데 사용될 수 있다. 예컨대, 컨텐츠 아이템의 인기도(popularity)의 발견적 분석은 컨텐츠 아이템이 열람되었던 횟수를 기초로 그 컨텐츠 아이템이 기인을 위해 선택되어야 하는지를 결정하는데 사용될 수 있다. 또한, 발견적 분석은, 가령 소셜 네트워킹 시스템(100)상의 행위와 외부 웹사이트(216)상의 행위를 서로 연관시키는 것과 같이, 소셜 네트워킹 시스템(100)에 의해 추적된 정보에 대한 다양한 지표의 근사치를 계산하는데 사용될 수 있다. 예컨대, 사용자가 이후에 클릭한 브리트니 스피어스(Britney Spears) 콘서트 티켓을 획득하는 특정 컨텐츠를 홍보하는 한 광고가 소셜 네트워킹 시스템(100)에서 제1 사용자에게 제공될 수 있다. 클릭(click-through)은 브리트니 스피어스와 관련된 소셜 네트워킹 시스템(100)상의 페이지로 제1 사용자를 안내할 수 있다. 이후, 제1 사용자는 그 페이지에 대한 관심을 표현하고 그 페이지에 컨텐츠 아이템을 생성할 수 있다. 이후, 컨텐츠 아이템은 그 페이지에 대한 관심을 또한 표현했던 소셜 네트워킹 시스템상의 다른 사용자들과 공유될 수 있다.
이후, 제1 사용자는 외부 웹사이트(216)로의 링크를 따라 브리트니 스피어스 콘서트 티켓 증정 행사로 입장할 수 있다. 일실시예로, 외부 웹사이트(216)상의 추적 픽셀은 제1 사용자가 외부 웹사이트(216)상의 행사에 입장한 정보를 소셜 네트워킹 시스템(100)에 제공할 수 있다. 발견적 분석 모듈(226)과 함께, 기인 모듈(222)은 이후 소외 행동(offsite behavior), 즉 외부 웹사이트(216)상의 티켓 증정 행사로의 입장을 소셜 네트워킹 시스템(100)에서 제1 사용자에게 제공된 광고에서 기인한 것으로 판단할 수 있다. 제2 사용자는 소셜 네트워킹 시스템(100)상의 페이지에서 제1 사용자에 의해 생성된 컨텐츠 아이템을 열람할 수 있다. 그 결과, 제2 사용자의 행사로의 입장은 제1 사용자에 의해 생성된 게시물로 인한 것일 수 있고 그 게시물은 제1 사용자에게 제공된 그 광고로 인한 것일 수 있기 때문에, 제2 사용자는 발견적 분석 모듈(226)과 함께 지표 분석 모듈(220)에 의해 소셜 네트워킹 시스템(100)에서 제1 사용자에게 본래 제공된 광고에 의해 도달되었던 사용자로서 계산될 수 있다. 따라서, 발견적 분석 모듈(226)은 소셜 네트워킹 시스템(100)이 소셜 네트워킹 시스템(100)상의 사용자 행동과 외부 웹사이트(216)상의 소셜 네트워킹 시스템(100) 외부의 사용자 행동 사이의 점들을 연결할 수 있도록 할 수 있다.
일실시예로, 제3의 개발자는 커스텀 행위 타입과 커스텀 객체 타입을 사용하여 소셜 네트워킹 시스템(100) 외부의 웹사이트에서 커스텀 객체에 대해 사용자가 수행한 커스텀 행위를 보고할 수 있다. 예컨대, 전자상거래 소매상은 사용자가 "책" 객체에 대해 "구매" 행위를 수행했다고 소셜 네트워킹 시스템(100)으로 보고할 수 있다. 전자상거래 소매상에 관한 소셜 네트워킹 시스템상의 엔티티와 관련된 사용자에 의해 열람되거나 상호작용되었던 컨텐츠 아이템이 있다면, 그 행위는 발견적 분석 모듈(226)과 함께 기인 모듈(222)을 통해 그 컨텐츠 아이템에 기인한 것일 수 있다. 이런 방식으로, 커스텀 행위 타입과 커스텀 객체 타입을 사용하여 소셜 네트워킹 시스템(100)에 의해 캡처된 소외 행동은 소내 행동(onsite behavior)에 기인한 것일 수 있다.
기계 학습 모듈(228)은, 소셜 네트워킹 시스템(100)의 다른 모듈들과 함께, 수신된 정보를 기초로 다양한 모델을 훈련하는데 사용될 수 있다. 일실시예로, 기계 학습은 컨텐츠 아이템으로 인한 사용자 행위의 기인이 사용자 피드백을 사용하여 올바른 것이었는지 결정하는데 사용될 수 있다. 또 다른 실시예로, 기계 학습은 점수화 모델의 사용을 기초로 기인 모듈(222)에 대하여 점수화 모델의 가중치를 최적화하는데 사용될 수 있다. 또 다른 실시예로, 소셜 네트워킹 시스템(100)은 후보 컨텐츠 아이템의 기인 확률(probabilities of attribution)을 결정하는 모델을 보유하기 위해, 기계 학습 알고리즘을 사용하여 타겟팅된 광고의 전환율을 분석한다.
라벨을 사용한 원인 추적( Causation Tracking Using Labels )
도 3은 본 발명의 한 실시예에 따라, 행위 이전에 사용자에게 제공되는 컨텐츠와 함께 소셜 네트워킹 시스템의 사용자에 의해 수행된 행위를 라벨링하는 프로세스를 나타내는 흐름도 다이어그램을 도시한다. 일실시예로, 도 3에 도시된 단계는 원인 추적 모듈(218)에 의해 수행된다. 행위를 수행하는 사용자에 응답하여, 새로운 에지가 생성된다(302). 새로운 에지는 에지 스토어(214)에 에지 객체로서 저장될 수 있다. 일실시예로, 새로운 에지는 실시간으로 행위가 사용자에 의해 수행된 후 즉시 생성(302)될 수 있다. 또 다른 실시예로, 새로운 에지는 행위 로거(210)에 의해 채워진 행위 로그를 분석하는 일괄 프로세스의 일부로서 생성(302)될 수 있다.
새로운 에지가 생성(302)된 후, 시간 구간 내에 사용자에게 제시되는 노출이 식별(304)된다. 노출은 가령 상태 업데이트, 사진, 비디오, 링크, 게임 성취과 같은 애플리케이션 생성 통신 및 광고와 같이 소셜 네트워킹 시스템(100)에서 제공되는 컨텐츠 아이템을 포함할 수 있다. 일실시예로, 시간 구간은 모든 타입의 행위에 대한 기결정된 시간의 길이이다. 또 다른 실시예로, 시간 구간은 행위의 타입에 따라 변할 수 있다. 예컨대, 실세계의 지리적 위치에서 체크인 이벤트는 일주일 간의 시간 구간을 가질 수 있는 반면, 컨텐츠 아이템에 대한 클릭은 24시간 구간을 가질 수 있다.
노출이 식별(304)된 후, 식별된 노출과 관련되는 이전에 생성된 에지가 식별된다(306). 예컨대, 사용자에 의해 열람되었던 컨텐츠 아이템은 가령 다른 사용자의 담벼락에 게시물을 기록하는 사용자, 다른 사용자에 의해 공유된 링크에 사용자에 의해 이루어진 코멘트, 게임에서 사용자에 의해 획득된 성취를 나타내는 컨텐츠 아이템을 게시한 게임 애플리케이션 등과 같이, 소셜 네트워킹 시스템(100)에서 객체에 대해 수행된 행위의 결과로서 생성될 수 있다. 가령 광고 및 페이지 게시물과 같은 다른 컨텐츠 아이템이 노출과 관련된 에지를 가지지 않을 수 있다. 일실시예로, 에지는 식별된 노출에서 컨텐츠 객체의 식별자를 사용하여 에지 스토어(214)를 검색함으로써 식별될 수 있다. 또 다른 실시예로, 에지는 노출로서 식별되었던 식별된 컨텐츠 객체와 관련된 에지를 컨텐츠 스토어(212)에서 검색하여 식별될 수 있다.
일단 이전에 생성된 에지가 식별(306)되면, 이전에 생성된 라벨은 각각의 이전에 식별된 에지에 대하여 식별(308)된다. 이전에 생성된 에지와 관련되는 이전에 생성된 라벨은 라벨 스토어(230)에 저장된 라벨 객체로부터 식별(308)될 수 있다. 이후, 새로운 라벨은 라벨 객체로서 새롭게 생성된 에지에 대하여 생성(310)되고 라벨 스토어(230)에 저장된다. 새로운 라벨은 식별된 노출과 관련하여 식별되는 이전에 생성된 에지와 관련하여 식별되는 이전에 생성된 라벨뿐만 아니라 식별된 노출을 포함한다.
소셜 네트워킹 시스템에서 제공되는 컨텐츠 아이템에 기인한 사용자 행위
도 4는 본 발명의 한 실시예에 따라 소셜 네트워킹 시스템의 사용자에 의해 수행된 행위가 행위 전에 사용자에게 미리 제공되는 컨텐츠 아이템에 기인하는 프로세스의 흐름도이다. 일실시예로, 컨텐츠 아이템으로 인한 행위에 대한 요청이 기인 모듈(222)에 의해 수신(402)된다. 또 다른 실시예로, 기인에 대한 요청이 네트워크(204)를 통해 외부 시스템으로부터 소셜 네트워킹 시스템(100)에 의해 수신(402)된다. 컨텐츠 아이템은 광고, 페이지 게시물, 상태 업데이트, 공유 링크 등을 포함할 수 있다. 일실시예로, 이런 요청은 컨텐츠 아이템의 식별자를 포함할 수 있다.
컨텐츠 아이템을 식별하는 제1 라벨 세트는 컨텐츠 아이템의 식별자를 포함하는 라벨 객체를 라벨 스토어(230)에서 검색하여 수집(402)된다. 예컨대, shoedazzle.com에 대한 광고는 기인에 대해 요청 중인 컨텐츠 아이템일 수 있다. 기인 모듈(222)은 shoedazzle.com에 대한 광고의 식별자에 대하여 라벨 스토어(230)를 질의한다. 질의의 결과는 행위가 수행된 후 기록되었던 노출로서 광고의 식별자를 가지는 라벨 객체를 포함한다.
제1 라벨 세트를 식별하는 제2 라벨 세트는 제1 라벨 세트에서 라벨을 참조하는 라벨 객체를 라벨 스토어(230)에서 검색하여 수집(404)된다. 계속하여 상기 예에서, shoedazzle.com에 대한 광고의 식별자를 포함하는 제1 라벨 객체 세트가 라벨 스토어(230)에서 검색될 수 있다. 검색의 결과는 제2 라벨 객체 세트를 포함하는데, 제2 라벨 객체 세트의 각 라벨 객체는 제1 라벨 객체 세트에 포함되는 적어도 하나의 라벨 객체를 포함한다. 소셜 네트워킹 시스템(100)의 사용자인 제인(Jane)이 shoedazzle.com에 대한 광고를 열람했고 이후 그 광고를 클릭하여 shoedazzle.com에 대한 페이지가 제인에게 제시되었다고 가정하자. 이후, 제인은 그 페이지에 대한 관심을 표현한 후 소셜 네트워킹 시스템(100)에서 제인과 연결되는 다른 사용자들과 그 페이지를 공유할 수 있다. 소셜 네트워킹 시스템(100)에서 제인과 연결된 사용자인 키스(Keith)는 shoedazzle.com에 대해 공유된 페이지를 열람할 수 있고 그 페이지에 대한 관심을 표현할 수도 있다. 이 예에서, 제1 라벨 객체 세트는 광고에 대한 제인의 클릭, 그 페이지에 대한 제인의 관심 표현 및 소셜 네트워킹 시스템(100)에서 제인과 연결된 사용자들과의 제인의 페이지 공유를 포함하는 제인의 행동에 의해 생성될 수 있었다. 제2 라벨 객체 세트는 그 페이지에 대한 키스의 관심 표현에 대한 라벨 객체를 포함하는데, 이는 그 페이지에 대한 키스의 관심 표현에 대한 라벨 객체가 소셜 네트워킹 시스템(100)에서 제인과 연결된 사용자들과의 제인의 페이지 공유에 대한 라벨 객체를 포함하기 때문이다.
이후, 제2 라벨 세트를 식별하는 제3 라벨 세트는 제2 라벨 세트에서 라벨을 참조하는 라벨 객체를 라벨 스토어(230)에서 검색하여 수집(406)될 수 있다. 검색의 결과는 제3 라벨 객체 세트를 포함하는데, 제3 라벨 객체 세트의 각 라벨 객체는 제2 라벨 객체 세트에 포함된 적어도 하나의 라벨 객체를 포함한다. 일실시예로, 더 이상 라벨이 수집될 수 없을 때까지 이 방식으로 라벨이 수집된다. 또 다른 실시예로, 소셜 네트워킹 시스템(100)은 수집되는 라벨의 수에 제한을 가할 수 있다. 또 다른 실시예로, 소셜 네트워킹 시스템(100)은 기결정된 수의 라벨 세트를 수집할 수 있다. 계속하여 상기 예에서, 그 페이지에 대한 키스의 관심 표현에 대한 라벨 객체로의 참조는 라벨 스토어(230)에서 질의된다. 이 예에서, 제3 라벨 세트는 빈 세트(empty set)이다.
다음으로, 제1, 제2 및 제3 라벨 세트에서 라벨과 관련된 에지는 제1, 제2 및 제3 라벨 세트에서 라벨 객체와 관련되는 에지 객체를 에지 스토어로부터 검색하여 수집(408)된다. 에지 객체는 소셜 네트워킹 시스템(100)뿐만 아니라 외부 웹사이트(216)에서 객체에 대해 행위를 수행하는 사용자를 표현하는 에지에 대한 정보를 포함한다. 에지는, 가령 상태 업데이트 게시하기, 사진 태그하기, 비디오 업로드하기, 링크 공유하기, 애플리케이션 설치하기, 페이지에 대한 관심 표현하기, 코멘트에 대한 관심 표현하기 등과 같이, 소셜 네트워킹 시스템(100)에서 수행될 수 있는 임의의 행위를 표현할 수 있다. 또한, 에지는 음악 듣기, 뉴스 기사 읽기 또는 게임 실행하기와 같이 외부 웹사이트에서 수행되었던 커스텀 행위를 표현할 수 있다. 대안의 실시예로, 제1 라벨 세트에서 라벨과 관련된 에지는 제1 라벨 세트에서 라벨 객체와 관련되는 에지 객체를 에지 스토어로부터 검색하여 수집(408)된다.
컨텐츠 아이템으로 인한 행위는 제1, 제2 및 제3 라벨 세트의 라벨들에 포함된 정보 및 수집된 에지들을 기초로 결정(410)될 수 있다. 라벨들에 포함된 정보 및 수집된 에지들은 컨텐츠 아이템의 식별자, 에지와 관련된 행위를 수행하는 사용자들의 사용자 식별자 및 행위가 수행되었던 객체들의 객체 식별자를 포함한다. 이런 정보로부터, 기인 모듈(222)은 기인 기준을 만족하는 행위를 결정할 수 있다. 이런 기준은, 가령 게시중인 컨텐츠 아이템의 한 주 내에 수행된 지리적 위치에서 체크인 이벤트 및 게시중인 컨텐츠 아이템의 24시간 내에 수행된 상태 업데이트에서 페이지의 언급과 같이, 행위가 행위의 타입과 관련된 시간 구간 내에서 수행되었는지 여부를 포함할 수 있다. 다른 기준은 행위가 이미 다른 컨텐츠 아이템에 기인되는지 여부, 컨텐츠 아이템이 행위를 수행하는 사용자에 의해 최근 클릭되었는지 여부 및 컨텐츠 아이템이 행위를 수행하는 사용자에 의해 처음 열람되었는지 여부를 포함할 수 있다. 소셜 네트워킹 시스템에서 딜(deal)을 거래하기, 컨텐츠 아이템을 공유하기 뿐만 아니라 책 읽기, 음악 듣기 및 마라톤 뛰기와 같은 커스텀 행위 타입과 같이, 다양한 타입의 행위가 기인 기준을 만족할 수 있다. 일실시예로, 컨텐츠 아이템에 기인한 행위는 컨텐츠 아이템의 생성과 관련된 엔티티가 또한 전환을 나타내는 객체와 관련이 있는지 여부를 기초로 결정(410)될 수 있다.
각 행위에 대한 컨텐츠 아이템의 기인은 소셜 네트워킹 시스템(100)에 저장(412)된다. 일실시예로, 기인은 그 행위에 대한 관련 에지에 저장(412)된다. 또 다른 실시예로, 컨텐츠 객체는 컨텐츠 객체 내 필드가 컨텐츠 아이템으로 인한 결정된 행위의 정보를 포함하도록 컨텐츠 아이템을 위한 컨텐츠 스토어(212)에 저장(412)된다.
소셜 네트워킹 시스템에서 추적된 컨텐츠에 관한 지표의 제공
도 5는 일실시예로 더 상세한 지표 분석 모듈(220)의 상위-계층 블록 다이어그램이다. 지표 분석 모듈(220)은 전파성 지표 모듈(500), 도달 지표 모듈(502), 참여 지표 모듈(504), 전환 지표 모듈(506), 위치 지표 모듈(508) 및 스토리텔러 지표 모듈(510)을 포함한다. 이런 모듈들은 서로 함께, 별도로 또는 소셜 네트워킹 시스템의 다른 모듈들과 함께 추적된 컨텐츠에 대한 지표를 제공하도록 수행할 수 있다.
전파성 지표 모듈(500)은 라벨 스토어(230)에서 생성된 라벨 객체로부터 정보를 수집하고 전파성 지표를 제공한다. 전파성 지표의 한 타입은 전파율(virality rate)을 포함할 수 있다. 일실시예로, 전파율은 한 생성의 도달 대 이전 생성의 도달의 비율로서 측정될 수 있다. 도달은 컨텐츠 아이템을 열람했던 사용자의 수로서 정의될 수 있다. 세대(generation)는 전파성 감염(viral infection)의 일단계에서의 사용자들의 그룹으로 정의될 수 있다. 예컨대, 광고는 제1 사용자 세대에 의한 열람을 위해 소셜 네트워킹 시스템(100)에 제공될 수 있다. 이후, 제1 사용자 세대는 제2 사용자 세대와 공유되는 광고에 관한 행위를 수행할 수 있다. 도 1a를 참조하면, 제1 사용자 세대는 피드(104) 또는 페이지 담벼락(106)을 통해 사용자(110)에게 제공되는 페이지 게시물(102)과 같은 제1 통신 세대를 수신했다. 제2 사용자 세대는 사용자(110)에 의해 수행되고 피드(112) 또는 프로필(114)을 통해 사용자(118)에게 제공되는 사용자 행위(108)와 같은 제2 통신 세대를 수신했다. 피드(104) 또는 페이지 담벼락(106)을 통해 통신되는 페이지 게시물(102)인 제1 통신 세대의 도달은 페이지 게시물(102)을 열람한 사용자의 수이다. 이런 도달은 사용자(110)를 포함한다. 피드(112) 또는 프로필(114)을 통해 통신되는 사용자 행위(108)인 제2 통신 세대의 도달은 사용자 행위(108)를 열람한 사용자의 수이다. 이런 도달은 사용자(118)를 포함한다. 또 다른 실시예로, 전파율은 제1 세대의 도달에 대한 모든 세대의 총 도달의 비율로서 측정될 수 있다. 그 결과, 소셜 네트워킹 시스템(100)은 전파성 광고 캠페인의 효과를 추적하기 위해 컨텐츠 아이템의 전파율을 광고자에게 제공할 수 있다.
도달 지표 모듈(502)은 소셜 네트워킹 시스템(100)에서 통신 세대들에서 컨텐츠 아이템의 도달을 측정한다. 도달 지표 모듈(502)은 컨텐츠 아이템에 대한 사용자 행위의 기인을 결정하는 기인 모듈(222)과 함께 컨텐츠 아이템의 도달을 측정할 수 있다. 예컨대, shoedazzle.com에 대한 광고는 광고의 도달이 shoedazzle.com와 관련된 페이지에 대한 관심을 표현한 사용자의 수, shoedazzle.com에서 구매를 한 사용자의 수, shoedazzle.com로의 링크를 공유한 사용자의 수, shoedazzle.com와 관련된 페이지를 언급하는 사용자의 프로필에 게시물을 만든 사용자의 수 등을 포함할 수 있도록, 심층적인 여러 세대의 총 도달을 가질 수 있다. 도달은 행위의 타입에 따라 세분될 수 있거나, 통신 세대에 의해 제공될 수 있거나, 기인한 사용자 행위에 따라 도달된 사용자의 총 수로서 제공될 수 있다.
참여 지표 모듈(504)은 라벨 스토어(230)에서 생성된 라벨 객체로부터 추가된 정보를 갖는 컨텐츠 아이템과의 사용자 참여를 측정한다. 일실시예로, 참여 지표 모듈(504)은 사용자에 의해 공유된 컨텐츠 아이템의 수뿐만 아니라 이런 컨텐츠 아이템의 전파성을 기초로 소셜 네트워킹 시스템(100)과의 사용자의 참여를 측정할 수 있다. 참여 지표 모듈(504)은 다른 사용자들이 가령 현재 이벤트에 대한 뉴스 기사, 사회적으로 열띤 외부 웹사이트상의 논평 등과 같은 전파성의 컨텐츠 아이템에 관하여 행위를 수행하도록 영향을 주는 사용자를 분석할 수 있다. 게다가, 라벨 객체에서 추적된 정보는 참여 지표 모듈(504)이, 가령 컨텐츠 아이템을 공유하고, 컨텐츠 아이템에 코멘트하며, 컨텐츠 아이템에 대한 관심을 표현하고, 컨텐츠 아이템 내 코멘트에 대한 관심을 표현하는 등과 같이 얼마나 자주 사용자가 고-전파성의 컨텐츠 아이템과 반복하여 상호작용했는지를 기초로 소셜 네트워킹 시스템(100)에서 사용자 참여의 효과를 결정할 수 있도록 할 수 있다.
전환 지표 모듈(506)은 라벨 객체에서 수집된 정보뿐만 아니라 사용자 행동에 관하여 외부 웹사이트(216)로부터 수신된 정보를 분석할 수 있다. 종래의 전환 추적은 가령 shoedazzle.com에 대한 광고를 열람한 사용자가 신발을 구매하는 외부 웹사이트(216)로 향하는 것과 같이, 한 레벨 깊이의 전환만을 추적할 수 있었다. 라벨 스토어(230)에서 라벨 객체를 사용하여 소셜 네트워킹 시스템(100)에 의해 수집된 정보와 함께, 외부 웹사이트(216)에서의 전환은 여러 통신 세대에 걸쳐 소셜 네트워킹 시스템(100)상의 광고, 상태 업데이트, 비디오 컨텐츠 및 다른 컨텐츠 아이템으로 인한 것일 수 있다. 추가로, 전환 지표 모듈(506)은, 가령 외부 웹사이트에서 반복 전환하는 사용자들을 식별하고 전환으로 이끄는 사용자 행위와 컨텐츠 아이템의 경로를 추적하는 것과 같이, 소셜 네트워킹 시스템의 관리자뿐만 아니라 광고자에게 중요한 정보일 수 있는 다른 전환 지표를 결정할 수 있다.
위치 지표 모듈(508)은 소셜 네트워킹 시스템(100) 내 위치-기반 사용자 행위뿐만 아니라, GPS 기술로 달리기 운동을 맵핑하는 모바일 애플리케이션, 소셜 네트워킹 시스템(100)과 별도로 체크인을 가능하게 하는 애플리케이션 및 운행 방향을 제공하는 맵핑 애플리케이션과 같이, 소셜 네트워킹 시스템(100) 외부에서 수행된 행위를 분석한다. 위치 지표 모듈(508)은 사용자들이 소셜 네트워킹 시스템상의 물리적 위치에서 체크인 이벤트를 생성하게 하는 광고 및/또는 컨텐츠 아이템을 식별하는 것과 같이, 유용한 위치-기반 지표를 제공할 수 있다. 또한, 외부 웹사이트(216)로부터의 정보를 사용하여, 위치 지표 모듈(508)은 라벨 스토어(230)에 저장된 라벨 객체에서 수집된 정보를 기초로 외부 웹사이트(216)상의 물리적 위치에서 체크인 이벤트가 소셜 네트워킹 시스템(100)상의 컨텐츠 아이템과 광고에 기인한 것으로 판단할 수 있다.
일실시예로, 소셜 네트워킹 시스템에서 상태 업데이트로서 게시된 여행 계획과 장소의 사진은 위치 지표 모듈(508)을 사용하는 여행-관련 비즈니스에 의한 소셜 네트워킹 시스템상의 광고 및 페이지 게시물에 기인할 수 있다. 위치 지표 모듈(508)은 여행을 나타내는 키워드에 대한 상태 메시지를 분석할 수 있고, 소셜 네트워킹 시스템(100)상에 게시된 사진에 내장되는 지리적 좌표를 분석할 수 있다. 예컨대, 중국에서의 사진과 만리장성에 대한 상태 업데이트를 게시한 사용자는 다른 사용자들이 소셜 네트워킹 시스템(100)상의 중국에 대한 관광 페이지를 방문하도록 영향을 줄 수 있다.
스토리텔러 지표 모듈(510)은 소셜 네트워킹 시스템(100)의 사용자에 대한 정보를 분석하고, 라벨 스토어(230)에 저장된 라벨 객체에서 수집된 정보를 기초로 그 사용자에 대한 지표를 제공한다. 하나의 스토리텔러 지표는 소셜 네트워킹 시스템상의 컨텐츠 아이템 객체를 가진 에지를 생성한 사용자의 수를 제공할 수 있다. 예컨대, 가령 shoedazzle.com과 같은 웹사이트로의 링크를 공유한 사용자의 수가 스토리텔러 지표 모듈(510)에 의해 결정될 수 있다. 다른 스토리텔러 지표는 가령 소셜 네트워킹 시스템(100)상의 페이지에 의해 만들어진 비디오 게시물을 공유하는 사용자에 대한 인구학적 정보, 뉴스 기사에 코멘트한 관심사로 나눠진 사용자들 등과 같이 소셜 네트워킹 시스템(100)에서 객체에 대한 행위를 수행하는 사용자에 관한 다른 정보를 포함할 수 있다.
추적된 통신에 기초한 광고에 대한 가격결정 모델
소셜 네트워킹 시스템의 관리자는 소셜 네트워킹 시스템에서 통신들을 추적하여 수집된 정보를 기초로 광고에 대한 다양한 가격결정 모델을 생성할 수 있다. 일실시예로, 도달 지표는 도달된 사용자의 총 수를 기초로 광고의 가격을 결정하는데 사용될 수 있다. 또 다른 실시예로, 다양한 가격결정 구조가, 가령 뉴스피드 분배, 미니-뉴스피드 분배, 프로필, 페이지, 그룹, 애플리케이션 및 플랫폼 애플리케이션을 포함하는 유기적 분배점을 통해 도달된 사용자들과 같이, 도달된 서로 다른 세그먼트의 사용자에 대하여 구현될 수 있다. 또 다른 실시예로, 사용자가 광고와 상호작용할 가능성이 높음을 의미하는 1보다 큰 전파율이 사용자가 광고와 상호작용할 가능성이 낮음을 의미하는 1 미만의 전파율보다 더 높은 가격결정 구조로 상관하도록 하는 광고의 전파율을 기초로, 광고의 가격결정은 시간에 따라 변할 수 있다. 또 하나의 실시예로, 전환 추적에 대한 정보는 소셜 네트워킹 시스템이 광고 전달을 최적화하는데 사용될 수 있다. 이는 예컨대 다른 유사한 사용자들보다 더 빈번히 광고로 전환하는 타겟팅 사용자들에 의해 달성될 수 있다. 추적 전환을 기초로 광고 전달을 최적화함으로써, 이런 타입의 타겟팅 최적화에 대한 가격결정이 증가될 수 있다.
요약
본 발명의 실시예들의 상술한 설명은 예시의 목적으로 제시되었다; 이는 하나도 빠뜨리는 것 없이 철저하려고 하거나 정확히 개시된 형태로 발명을 제한하려는 의도는 아니다. 당업자는 상술한 명세서의 관점에서 많은 변형과 변경이 가능함을 이해할 수 있다.
본 명세서의 일부분은 정보에 관한 동작들의 알고리즘과 기호 표시의 관점에서 본 발명의 실시예를 기술한다. 이들 알고리즘의 설명 및 표시는 발명의 요지를 다른 당업자에게 효율적으로 전달하기 위해 데이터 프로세스 기술분야에서 당업자에 의해 널리 사용된다. 기능적, 계산적 또는 논리적으로 기술되는 이들 동작은 컴퓨터 프로그램 또는 균등한 전기 회로, 마이크로코드 등에 의해 구현됨을 이해해야 한다. 게다가, 일반성을 잃지 않고, 동작들의 배치를 모듈들로 나타내는 것이 또한 간편하다는 점은 때때로 입증되었다. 기술된 동작들 및 그와 관련된 모듈들은 소프트웨어, 펌웨어, 하드웨어 또는 이들의 임의의 조합으로 이용될 수 있다.
본 명세서에 기술된 임의의 단계들, 동작들 또는 프로세스들은 하나 이상의 하드웨어 모듈들 또는 소프트웨어 모듈들 단독으로, 또는 다른 장치들과의 조합으로 수행되거나 구현될 수 있다. 일실시예로, 소프트웨어 모듈은 컴퓨터 프로그램 코드를 포함하는 컴퓨터-판독가능한 매체를 구비하는 컴퓨터 프로그램 제품으로 구현되며, 이런 컴퓨터 프로그램 코드는 기술된 임의의 또는 모든 단계들, 동작들 또는 프로세스들을 수행하기 위한 컴퓨터 프로세서에 의해 실행될 수 있다.
또한, 본 발명의 실시예들은 본 명세서의 동작들을 수행하기 위한 장치에 관한 것일 수 있다. 이런 장치는 필요한 목적을 위해 특히 구성될 수 있고/있거나, 컴퓨터에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화되거나 재구성되는 범용 컴퓨팅 디바이스를 포함할 수 있다. 이런 컴퓨터 프로그램은 컴퓨터 시스템 버스로 연결될 수 있는, 비일시적 및 유형의(tangible) 컴퓨터 판독가능한 저장 매체 또는 전자식 명령어를 저장하는데 적합한 임의의 종류의 매체에 저장될 수 있다. 게다가, 명세서에 언급되는 임의의 컴퓨팅 시스템은 단일 프로세서를 포함할 수 있거나, 컴퓨팅 능력을 증가시키기 위해 다중 프로세서 설계를 이용하는 아키텍처일 수 있다.
또한, 본 발명의 실시예들은 본 명세서에 기술된 컴퓨팅 프로세스로 제조된 제품에 관한 것일 수 있다. 이런 제품은 컴퓨팅 프로세스의 결과로 생성된 정보를 포함할 수 있는데, 여기서 정보는 비일시적 및 유형의 컴퓨터 판독가능한 저장 매체에 저장되며, 본 명세서에 기술된 컴퓨터 프로그램 제품 또는 다른 데이터 조합의 임의의 실시예를 포함할 수 있다.
마지막으로, 본 명세서에서 사용된 언어는 원칙적으로 읽기 쉬운 지침상의 목적으로 선택되었으며, 발명의 요지를 상세히 기술하거나 제한하려고 선택된 것은 아닐 수 있다. 따라서, 본 발명의 기술범위는 본 명세서에 의해서가 아니라 본 명세서를 기초로 출원된 임의의 청구범위들에 의해 한정되는 것으로 의도된다. 그래서, 본 발명의 실시예들에 관한 설명은 하기의 청구범위에 제시된 본 발명의 기술범위의 예시가 되나, 이에 제한되지 않아야 한다.

Claims (20)

  1. 행위를 수행하는 사용자에 대한 추적 정보를 각각 포함하는 라벨 객체들의 스토어를 관리하는 단계;
    라벨 객체들의 스토어 내 고유 라벨 객체와 각각 관련되고 소셜 네트워킹 시스템의 사용자에 의해 수행된 행위에 대한 정보를 각각 포함하는 에지 객체들의 스토어를 관리하는 단계;
    선택된 컨텐츠 노출로 인한 사용자 행위의 요청을 수신하는 단계;
    라벨 객체들의 스토어로부터 제1 라벨 객체 세트를 검색하는 단계;
    라벨 객체들의 스토어로부터 제2 라벨 객체 세트를 검색하는 단계;
    라벨 객체들의 스토어로부터 제3 라벨 객체 세트를 검색하는 단계;
    제1 라벨 객체 세트, 제2 라벨 객체 세트 및 제3 라벨 객체 세트 중 검색된 라벨 객체와 관련된 에지 객체를 에지 객체들의 스토어로부터 검색하는 단계;
    제1 라벨 객체 세트, 제2 라벨 객체 세트 및 제3 라벨 객체 세트 중 검색된 라벨 객체 내 정보 및 검색된 에지 객체에 포함된 정보를 기초로, 각각의 검색된 에지 객체에 포함되는 행위의 속성을 결정하는 단계; 및
    소셜 네트워킹 시스템에 선택된 컨텐츠 노출에 대한 속성을 저장하는 단계를 포함하며,
    상기 추적 정보는 행위를 수행하기 전 사용자에게 이루어진 적어도 하나의 컨텐츠 노출을 포함하고,
    제1 라벨 객체 세트의 라벨 객체는 선택된 컨텐츠 노출을 포함하는 추적 정보를 각각 포함하며,
    제2 라벨 객체 세트의 라벨 객체는 제1 라벨 객체 세트의 적어도 하나의 라벨 객체를 각각 포함하고,
    제3 라벨 객체 세트의 라벨 객체는 제2 라벨 객체 세트의 적어도 하나의 라벨 객체를 각각 포함하는 방법.
  2. 제 1 항에 있어서,
    선택된 컨텐츠 노출은 소셜 네트워킹 시스템의 사용자에게 디스플레이되는 광고를 포함하는 방법.
  3. 제 1 항에 있어서,
    선택된 컨텐츠 노출은 소셜 네트워킹 시스템의 페이지에서 관심을 표시했던 복수의 사용자에게 디스플레이되는 소셜 네트워킹 시스템의 페이지에 의한 컨텐츠 아이템 게시물을 포함하는 방법.
  4. 제 1 항에 있어서,
    선택된 컨텐츠 노출은 소셜 네트워킹 시스템에서 사용자와 연결되는 복수의 다른 사용자에게 디스플레이되는 소셜 네트워킹 시스템의 사용자에 의한 컨텐츠 아이템 게시물을 포함하는 방법.
  5. 제 1 항에 있어서,
    제1 라벨 객체 세트, 제2 라벨 객체 세트 및 제3 라벨 객체 세트 중 검색된 라벨 객체 내 정보 및 검색된 에지 객체에 포함된 정보를 기초로, 각각의 검색된 에지 객체에 포함되는 행위의 속성을 결정하는 단계는:
    기결정된 규칙 및 가중 인자를 기초로 속성 점수화 모델(attribution scoring model)을 정의하는 단계;
    제1 라벨 객체 세트, 제2 라벨 객체 세트 및 제3 라벨 객체 세트 중 검색된 라벨 객체 내 정보 및 검색된 에지 객체에 포함된 정보를 기초로, 각각의 검색된 에지 객체에 대한 점수를 결정하는 단계; 및
    검색된 에지 객체에 대한 점수를 기초로, 각각의 검색된 에지 객체에 포함된 행위의 속성을 결정하는 단계를 더 포함하는 방법.
  6. 소셜 네트워킹 시스템의 객체에서 사용자에 의해 수행되는 행위에 대한 정보를 수신하는 단계;
    행위 전에 기결정된 시간 구간 내에 사용자에게 제공되는 소셜 네트워킹 시스템의 객체와 연결된 적어도 하나의 광고를 수집하는 단계;
    행위 전에 기결정된 시간 구간 내에 사용자에게 제공되고 객체와 연결되는 복수의 광고에 응답하여, 속성 점수화 모델을 기초로 복수의 광고 중 한 광고를 선택하는 단계;
    선택된 광고의 효과로서 소셜 네트워킹 시스템의 객체에서 사용자에 의해 수행된 행위를 결정하는 단계; 및
    소셜 네트워킹 시스템에서 디스플레이하기 위해 선택된 광고의 효과를 제공하는 단계를 포함하는 방법.
  7. 제 6 항에 있어서,
    소셜 네트워킹 시스템의 객체에서 사용자에 의해 수행된 행위는 소셜 네트워킹 시스템의 한 페이지에 대한 관심을 표현하는 것을 포함하는 방법.
  8. 제 6 항에 있어서,
    소셜 네트워킹 시스템의 객체에서 사용자에 의해 수행된 행위는 소셜 네트워킹 시스템에 애플리케이션을 설치하는 것을 포함하는 방법.
  9. 제 6 항에 있어서,
    소셜 네트워킹 시스템의 객체에서 사용자에 의해 수행된 행위는 커스텀 오픈 그래프(custom open graph) 행위를 수행하는 것을 포함하는 방법.
  10. 제 6 항에 있어서,
    소셜 네트워킹 시스템의 객체에서 사용자에 의해 수행된 행위는 객체로 표현된 물리적 위치로 체크인하는 것을 포함하는 방법.
  11. 제 6 항에 있어서,
    소셜 네트워킹 시스템의 객체에서 사용자에 의해 수행된 행위는 소셜 네트워킹 시스템에서 또 다른 사용자와 상호작용하는 것을 포함하는 방법.
  12. 제 6 항에 있어서,
    소셜 네트워킹 시스템의 객체에서 사용자에 의해 수행된 행위는 소셜 네트워킹 시스템의 다른 사용자들에 의한 열람에 대한 컨텐츠를 생성하는 것을 포함하는 방법.
  13. 제 6 항에 있어서,
    속성 점수화 모델을 기초로 복수의 광고 중 한 광고를 선택하는 단계는:
    기결정된 규칙 및 가중 인자를 기초로 속성 점수화 모델을 정의하는 단계;
    복수의 광고의 특성을 기초로 복수의 광고의 각각에 대한 점수를 결정하는 단계; 및
    복수의 광고의 점수를 기초로 복수의 광고 중 광고를 선택하는 단계를 더 포함하는 방법.
  14. 소셜 네트워킹 시스템의 사용자들에게 광고를 제공하는 복수의 분배점을 사용하는 단계;
    제1 통신 세대는 제2 통신 세대를 야기하는 복수의 통신 세대로서 사용자들에게 제공되는 광고를 추적하는 단계;
    광고에 대한 추적 지표(tracking metrics)를 생성하는 단계; 및
    추적 지표를 기초로 광고에 대한 가격 모델을 생성하는 단계를 포함하며,
    광고를 추적하는 단계는 제1 통신 세대와 관련하여 제2 통신 세대를 기록하는 단계를 더 포함하는 방법.
  15. 제 14 항에 있어서,
    추적 지표는 소셜 네트워킹 시스템에서 광고의 복제율을 측정하는 광고에 대한 전파성 지표(virality metrics)를 포함하는 방법.
  16. 제 14 항에 있어서,
    추적 지표는 소셜 네트워킹 시스템에서 복수의 통신 세대로 광고에 의해 영향을 받은 사용자의 수를 계산하는 광고에 대한 도달 지표(reach metrics)를 포함하는 방법.
  17. 제 14 항에 있어서,
    추적 지표는 광고의 결과로서 복수의 통신 세대로 소셜 네트워킹 시스템에서 사용자들의 참여 레벨(engagement levels)을 계산하는 광고에 대한 참여 지표(engagement metrics)를 포함하는 방법.
  18. 제 14 항에 있어서,
    추적 지표는 복수의 통신 세대로 광고에 대한 사용자들의 전환율을 결정하는 광고에 대한 전환 지표(conversion metrics)를 포함하는 방법.
  19. 제 14 항에 있어서,
    추적 지표는 복수의 통신 세대로 물리적 위치에서 체크인 이벤트를 생성하도록 사용자들이 어떻게 광고에 영향을 받았는지에 대한 정보를 제공하는 광고에 대한 위치 지표(location metrics)를 포함하는 방법.
  20. 제 14 항에 있어서,
    추적 지표는 소셜 네트워킹 시스템에서 광고에 관한 컨텐츠를 발행한 사용자들을 식별하는 광고에 대한 스토리텔러 지표(storyteller metrics)를 포함하는 방법.
KR1020147009022A 2011-09-09 2012-08-08 소셜 네트워킹 시스템을 통해 전파되는 통신의 효과 인식 KR101923066B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/229,515 US20130066711A1 (en) 2011-09-09 2011-09-09 Understanding Effects of a Communication Propagated Through a Social Networking System
US13/229,515 2011-09-09
PCT/US2012/050033 WO2013036343A1 (en) 2011-09-09 2012-08-08 Understanding effects of a communication propagated through a social networking system

Publications (2)

Publication Number Publication Date
KR20140059286A true KR20140059286A (ko) 2014-05-15
KR101923066B1 KR101923066B1 (ko) 2018-11-28

Family

ID=47830668

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147009022A KR101923066B1 (ko) 2011-09-09 2012-08-08 소셜 네트워킹 시스템을 통해 전파되는 통신의 효과 인식

Country Status (10)

Country Link
US (1) US20130066711A1 (ko)
EP (1) EP2754121A4 (ko)
JP (1) JP6067713B2 (ko)
KR (1) KR101923066B1 (ko)
CN (1) CN103918001B (ko)
AU (1) AU2012304850B2 (ko)
BR (1) BR112014005503A2 (ko)
CA (1) CA2848714A1 (ko)
MX (1) MX348768B (ko)
WO (1) WO2013036343A1 (ko)

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9324112B2 (en) 2010-11-09 2016-04-26 Microsoft Technology Licensing, Llc Ranking authors in social media systems
US20120197881A1 (en) 2010-11-23 2012-08-02 Allen Blue Segmentation of professional network update data
US9286619B2 (en) 2010-12-27 2016-03-15 Microsoft Technology Licensing, Llc System and method for generating social summaries
US8949239B2 (en) 2011-01-20 2015-02-03 Linkedin Corporation Methods and systems for utilizing activity data with clustered events
US9229900B2 (en) * 2011-01-20 2016-01-05 Linkedin Corporation Techniques for ascribing social attributes to content
US9172762B2 (en) 2011-01-20 2015-10-27 Linkedin Corporation Methods and systems for recommending a context based on content interaction
US9430439B2 (en) 2011-09-09 2016-08-30 Facebook, Inc. Visualizing reach of posted content in a social networking system
US20130231977A1 (en) * 2012-02-06 2013-09-05 Kenshoo Ltd. System, method and computer program product for attributing a value associated with a series of user interactions to individual interactions in the series
US20140067552A1 (en) * 2012-02-28 2014-03-06 Minds + Machines Online advertising scoring
US9218630B2 (en) * 2012-03-22 2015-12-22 Microsoft Technology Licensing, Llc Identifying influential users of a social networking service
US9183562B2 (en) * 2012-06-08 2015-11-10 Visual Iq, Inc. Method and system for determining touchpoint attribution
US20170300959A9 (en) * 2012-06-08 2017-10-19 Anto Chittilappilly Method, computer readable medium and system for determining true scores for a plurality of touchpoint encounters
US9276757B1 (en) * 2012-07-13 2016-03-01 Google Inc. Generating viral metrics
US9626692B2 (en) * 2012-10-08 2017-04-18 Facebook, Inc. On-line advertising with social pay
US9935910B2 (en) 2012-12-21 2018-04-03 Google Llc Recipient location aware notifications in response to related posts
US20140180792A1 (en) * 2012-12-21 2014-06-26 Barclays Bank Plc Mobile commerce business system and method for sharing merchant content and creating a customer index
US9547697B2 (en) * 2012-12-21 2017-01-17 Google Inc. Aggregating interactions for content items
US9294576B2 (en) 2013-01-02 2016-03-22 Microsoft Technology Licensing, Llc Social media impact assessment
WO2014149323A1 (en) * 2013-03-15 2014-09-25 Inside, Inc. Systems, devices, articles and methods for tracking and/or incentivizing user referral actions
US11216841B1 (en) * 2013-03-15 2022-01-04 Twitter, Inc. Real time messaging platform
US8732015B1 (en) * 2013-05-30 2014-05-20 Unified Social, Inc. Social media pricing engine
US9414219B2 (en) 2013-06-19 2016-08-09 Facebook, Inc. Detecting carriers for mobile devices
US9292884B2 (en) 2013-07-10 2016-03-22 Facebook, Inc. Network-aware product rollout in online social networks
US20150100415A1 (en) * 2013-10-09 2015-04-09 Facebook, Inc. Position Discount Model Of Content Presented To Online System Users
US9852439B2 (en) 2013-12-05 2017-12-26 Google Llc Methods and systems for measuring conversion probabilities of paths for an attribution model
US9628551B2 (en) * 2014-06-18 2017-04-18 International Business Machines Corporation Enabling digital asset reuse through dynamically curated shared personal collections with eminence propagation
EP2996361A1 (en) * 2014-09-10 2016-03-16 YouMe.im ltd Method and system for secure messaging in social network
JP6114773B2 (ja) * 2015-03-19 2017-04-12 ヤフー株式会社 情報処理装置及び方法
US9703541B2 (en) * 2015-04-28 2017-07-11 Google Inc. Entity action suggestion on a mobile device
US10360585B2 (en) 2015-05-13 2019-07-23 Brainfall.com, Inc. Modification of advertising campaigns based on virality
US9830613B2 (en) 2015-05-13 2017-11-28 Brainfall.com, Inc. Systems and methods for tracking virality of media content
US9959550B2 (en) 2015-05-13 2018-05-01 Brainfall.com, Inc. Time-based tracking of social lift
JP2017033441A (ja) * 2015-08-05 2017-02-09 株式会社エージェンテック デジタルコンテンツ提供システム
US10515122B2 (en) 2015-11-12 2019-12-24 Simply Measured, Inc. Token stream processor and matching system
US10607254B1 (en) * 2016-02-16 2020-03-31 Google Llc Attribution modeling using withheld or near impressions
US9681265B1 (en) 2016-06-28 2017-06-13 Snap Inc. System to track engagement of media items
US20180047061A1 (en) * 2016-08-11 2018-02-15 International Business Machines Corporation Social message promotion enhancement
US10187344B2 (en) 2016-10-03 2019-01-22 HYP3R Inc Social media influence of geographic locations
US10003662B1 (en) * 2017-03-01 2018-06-19 Two Degrees, Inc. Adaptable broker for location based second degree social networking
US20180253759A1 (en) * 2017-03-02 2018-09-06 Microsoft Technology Licensing, Llc Leveraging usage data of an online resource when estimating future user interaction with the online resource
JP6360218B2 (ja) * 2017-03-16 2018-07-18 ヤフー株式会社 情報処理装置及び方法
US11720924B2 (en) 2017-04-05 2023-08-08 Cinarra Systems, Inc. Systems and methods for cookieless opt-out of device specific targeting
US10650157B2 (en) * 2017-04-30 2020-05-12 Microsoft Technology Licensing, Llc Securing virtual execution environments
US11053836B1 (en) 2019-12-30 2021-07-06 Brunswick Corporation Marine drives having integrated exhaust and steering fluid cooling apparatus
US11352115B1 (en) 2019-12-30 2022-06-07 Brunswick Corporation Marine drives having exhaust manifold with longitudinally offset inlet ports

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004171042A (ja) * 2002-11-15 2004-06-17 Hitachi Ltd 広告流通経路分析方法及びその実施システム並びにその処理プログラム
JP2008257512A (ja) * 2007-04-05 2008-10-23 Hitachi Ltd 情報提供装置およびプログラム
JP2008305258A (ja) * 2007-06-08 2008-12-18 Nec Mobiling Ltd ユーザの評価方法、ユーザ評価システム及びプログラム

Family Cites Families (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001050416A2 (en) * 2000-01-03 2001-07-12 Amova.Com Automatic personalized media creation system
US7720707B1 (en) * 2000-01-07 2010-05-18 Home Producers Network, Llc Method and system for compiling a consumer-based electronic database, searchable according to individual internet user-defined micro-demographics
US7426557B2 (en) * 2004-05-14 2008-09-16 International Business Machines Corporation System, method, and service for inducing a pattern of communication among various parties
US20080140506A1 (en) * 2006-12-08 2008-06-12 The Procter & Gamble Corporation Systems and methods for the identification, recruitment, and enrollment of influential members of social groups
US8219134B2 (en) * 2006-12-13 2012-07-10 Quickplay Media Inc. Seamlessly switching among unicast, multicast, and broadcast mobile media content
JP2008176570A (ja) * 2007-01-18 2008-07-31 Ntt Docomo Inc 配信システム、口コミ情報管理サーバ、配信サーバ、ユーザ端末及び配信方法
US8055664B2 (en) * 2007-05-01 2011-11-08 Google Inc. Inferring user interests
CN101802787A (zh) * 2007-08-20 2010-08-11 费斯布克公司 在社交网络中确定广告目标
US20100257054A1 (en) * 2007-08-27 2010-10-07 Cornell University Method and system for efficient and expressive advertising auctions
US20090182589A1 (en) * 2007-11-05 2009-07-16 Kendall Timothy A Communicating Information in a Social Networking Website About Activities from Another Domain
US8799068B2 (en) * 2007-11-05 2014-08-05 Facebook, Inc. Social advertisements and other informational messages on a social networking website, and advertising model for same
US20100332312A1 (en) * 2009-06-30 2010-12-30 Theresa Klinger System and method for analyzing endorsement networks
US20090171760A1 (en) * 2007-12-31 2009-07-02 Nokia Corporation Systems and Methods for Facilitating Electronic Commerce
US8255396B2 (en) * 2008-02-25 2012-08-28 Atigeo Llc Electronic profile development, storage, use, and systems therefor
US20090228296A1 (en) * 2008-03-04 2009-09-10 Collarity, Inc. Optimization of social distribution networks
US8307066B2 (en) * 2008-06-06 2012-11-06 International Business Machines Corporation Automated digital media content filtration based on relationship monitoring
US7991650B2 (en) * 2008-08-12 2011-08-02 Amazon Technologies, Inc. System for obtaining recommendations from multiple recommenders
US20100070876A1 (en) * 2008-09-18 2010-03-18 Pictela, Inc. Self-Replicating Rich Media Interface
US20100235218A1 (en) * 2008-09-29 2010-09-16 Avaya Inc. Pre-qualified or history-based customer service
US20100185507A1 (en) * 2009-01-20 2010-07-22 Lance Tokuda Method and system for generating an advertisement with customized content
US20100205057A1 (en) * 2009-02-06 2010-08-12 Rodney Hook Privacy-sensitive methods, systems, and media for targeting online advertisements using brand affinity modeling
CA2659538A1 (en) * 2009-03-30 2010-09-30 Acquisio Inc. System and method for managing and optimizing advertising networks
US8768313B2 (en) * 2009-08-17 2014-07-01 Digimarc Corporation Methods and systems for image or audio recognition processing
US9047612B2 (en) * 2009-09-11 2015-06-02 Oracle International Corporation Systems and methods for managing content associated with multiple brand categories within a social media system
US8615442B1 (en) * 2009-12-15 2013-12-24 Project Rover, Inc. Personalized content delivery system
US20130232263A1 (en) * 2009-12-18 2013-09-05 Morningside Analytics System and method for classifying a contagious phenomenon propagating on a network
AU2010330720B2 (en) * 2009-12-18 2014-08-28 Graphika Technologies, Inc. System and method for attentive clustering and related analytics and visualizations
US20110202270A1 (en) * 2010-02-03 2011-08-18 Sharma Sridar G Delivery of advertisments over broadcasts to receivers with upstream connection and the associated compensation models
US20110208822A1 (en) * 2010-02-22 2011-08-25 Yogesh Chunilal Rathod Method and system for customized, contextual, dynamic and unified communication, zero click advertisement and prospective customers search engine
US20120059713A1 (en) * 2010-08-27 2012-03-08 Adchemy, Inc. Matching Advertisers and Users Based on Their Respective Intents
US20130014144A1 (en) * 2011-07-06 2013-01-10 Manish Bhatia User impression media analytics platform methods
US8543460B2 (en) * 2010-11-11 2013-09-24 Teaneck Enterprises, Llc Serving ad requests using user generated photo ads
US20120150630A1 (en) * 2010-12-10 2012-06-14 At&T Intellectual Property I, L.P. Selecting and ranking advertisements from one or more databases using advertiser budget information
US9497154B2 (en) * 2010-12-13 2016-11-15 Facebook, Inc. Measuring social network-based interaction with web content external to a social networking system
US20120158499A1 (en) * 2010-12-21 2012-06-21 Google Inc. Providing Advertisements on a Social Network
US8630398B2 (en) * 2010-12-23 2014-01-14 Google Inc. Integration of carriers with social networks
US20120209920A1 (en) * 2011-02-10 2012-08-16 Microsoft Corporation Social influencers discovery
US20120290373A1 (en) * 2011-05-12 2012-11-15 Ignite Media Solutions, Llc Apparatus and method for marketing-based dynamic attribution
US8897344B2 (en) * 2011-05-31 2014-11-25 Facebook, Inc. Establishing communication
US8292743B1 (en) * 2011-06-30 2012-10-23 Zynga Inc. Changing virtual items based on location-based actions
US9530167B2 (en) * 2011-08-12 2016-12-27 Facebook, Inc. Coefficients attribution for different objects based on natural language processing
US9208511B2 (en) * 2011-08-22 2015-12-08 Simple Rules, Inc. System and method for location-based recommendations
US20130066706A1 (en) * 2011-09-09 2013-03-14 c/o Facebook, Inc. Tracking Effects of an Ad Impression on Other Activity in a Social Networking System

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004171042A (ja) * 2002-11-15 2004-06-17 Hitachi Ltd 広告流通経路分析方法及びその実施システム並びにその処理プログラム
JP2008257512A (ja) * 2007-04-05 2008-10-23 Hitachi Ltd 情報提供装置およびプログラム
JP2008305258A (ja) * 2007-06-08 2008-12-18 Nec Mobiling Ltd ユーザの評価方法、ユーザ評価システム及びプログラム

Also Published As

Publication number Publication date
US20130066711A1 (en) 2013-03-14
CN103918001A (zh) 2014-07-09
BR112014005503A2 (pt) 2017-06-13
EP2754121A4 (en) 2015-06-24
CA2848714A1 (en) 2013-03-14
EP2754121A1 (en) 2014-07-16
CN103918001B (zh) 2020-04-03
JP2014531649A (ja) 2014-11-27
WO2013036343A1 (en) 2013-03-14
MX2014002789A (es) 2014-10-17
KR101923066B1 (ko) 2018-11-28
JP6067713B2 (ja) 2017-01-25
AU2012304850B2 (en) 2017-09-28
MX348768B (es) 2017-06-28
AU2012304850A1 (en) 2014-03-27

Similar Documents

Publication Publication Date Title
KR101923066B1 (ko) 소셜 네트워킹 시스템을 통해 전파되는 통신의 효과 인식
US11295350B1 (en) Targeting items to a user of a social networking system based on a predicted event for the user
US20130066706A1 (en) Tracking Effects of an Ad Impression on Other Activity in a Social Networking System
JP5911432B2 (ja) ソーシャル・ネットワーク・システムにおける別のドメインからの活動についての情報の通信
KR102104256B1 (ko) 소셜 네트워킹 시스템에서 스폰서 광고의 순위화 및 가격결정
US10783547B2 (en) Approximating unique advertisement impressions on a social networking system
US9536249B2 (en) Measuring inline ad performance for third-party ad serving
US9324093B2 (en) Measuring the effects of social sharing on online content and advertising
US8583471B1 (en) Inferring household income for users of a social networking system
US10248975B2 (en) Providing advertisement content via an advertisement proxy server
US20120059713A1 (en) Matching Advertisers and Users Based on Their Respective Intents
US20150088644A1 (en) Predicting User Interactions With Objects Associated With Advertisements On An Online System
WO2013130578A1 (en) Monetizing images in publishing networks
US20150100415A1 (en) Position Discount Model Of Content Presented To Online System Users
US10937053B1 (en) Framework for evaluating targeting models
US20180121953A1 (en) Selecting one or more components to be included in a content item optimized for an online system user
US10706442B2 (en) Behavior-based custom audiences generation
US20170032424A1 (en) System and method for contextual video advertisement serving in guaranteed display advertising
US20130275223A1 (en) Future ad targeting
US20160267526A1 (en) Multi-touch attribution
US20140172550A1 (en) Engagement-based dynamic payment amounts for ppc (pay-per-click) advertisements
US20180336598A1 (en) Iterative content targeting
US10963921B2 (en) Presenting content to an online system user assigned to a stage of a classification scheme and determining a value associated with an advancement of the user to a succeeding stage
KR102211269B1 (ko) 스크롤 가능한 광고 유닛에서의 광고의 뷰-기반 가격결정
US20130275218A1 (en) Location-based wish list

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant