KR20140062486A - 추천안 생성 시스템들, 장치들 및 방법들 - Google Patents
추천안 생성 시스템들, 장치들 및 방법들 Download PDFInfo
- Publication number
- KR20140062486A KR20140062486A KR1020147007028A KR20147007028A KR20140062486A KR 20140062486 A KR20140062486 A KR 20140062486A KR 1020147007028 A KR1020147007028 A KR 1020147007028A KR 20147007028 A KR20147007028 A KR 20147007028A KR 20140062486 A KR20140062486 A KR 20140062486A
- Authority
- KR
- South Korea
- Prior art keywords
- recommendations
- module
- user
- recommendation
- generating
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 218
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000001737 promoting effect Effects 0.000 claims description 68
- 238000004891 communication Methods 0.000 claims description 48
- 238000001914 filtration Methods 0.000 claims description 42
- 238000012384 transportation and delivery Methods 0.000 claims description 37
- 238000007726 management method Methods 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 27
- 230000015572 biosynthetic process Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 230000007717 exclusion Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000037406 food intake Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 230000014509 gene expression Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 7
- 238000010295 mobile communication Methods 0.000 claims description 4
- 206010021703 Indifference Diseases 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000000052 comparative effect Effects 0.000 claims 1
- 238000000926 separation method Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 39
- 238000010586 diagram Methods 0.000 description 34
- 230000006399 behavior Effects 0.000 description 31
- 230000007246 mechanism Effects 0.000 description 30
- 230000006870 function Effects 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 23
- 230000009471 action Effects 0.000 description 15
- 230000010354 integration Effects 0.000 description 14
- 239000008186 active pharmaceutical agent Substances 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 11
- 239000003795 chemical substances by application Substances 0.000 description 7
- 238000002360 preparation method Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 235000008429 bread Nutrition 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008093 supporting effect Effects 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 241001147388 Uncia Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013474 audit trail Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M7/00—Arrangements for interconnection between switching centres
- H04M7/0024—Services and arrangements where telephone services are combined with data services
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/65—Aspects of automatic or semi-automatic exchanges related to applications where calls are combined with other types of communication
- H04M2203/655—Combination of telephone service and social networking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computer Networks & Wireless Communication (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
모바일 디바이스의 사용자를 위한 추천안들을 생성하기 위한 방법이 제공된다. 상기 사용자는 서비스 제공자와 연관된다. 추천안에 대한 요청이 획득된다. 상기 사용자와 연관된 데이터 및 상기 사용자에 대해 이용가능한 컨텐트에 관한 데이터는 상기 서비스 제공자로부터 리트리브된다. 추천안들의 리스트가 리트리브된 사용자 데이터의 분석에 기초하여 생성된다. 추천안들은 복수 개의 상이한 추천 기술들에 의해 생성된다.
Description
본 특허출원은 2007년 10월 4일자로 출원되어 본원의 양수인에게 양도된 가출원 제60/997,570호 RECOMMENDATION GENERATION SYSTEMS, APPARATUS, AND METHODS에 대한 우선권을 주장하며, 이에 의에 상기 가출원은 본 명세서에 참조에 의해 명시적으로 편입된다.
본 발명은 모바일 운영 환경에 관한 것이고, 보다 상세하게 모바일 디바이스 캐리어의 사용자들에게 추천안(recommendation)들을 생성하는 개선된 방법을 제공하는 것에 관한 것이다.
모바일 운영자(mobile operator)들 또는 모바일 디바이스 캐리어들은 오늘날 통신 산업에서 주요한 부분을 맡는다. 처음에, 그러한 모바일 운영자들은 그들의 가입자 기반을 증가시킴으로써 수입을 생성하는데 노력을 집중하였다. 그러나, 시장이 포화 지점에 가까이 도달함에 따라, 몇몇 국가들에서 가입자 기반을 증가시키는 것에 대한 범위는 이제 매우 제한되었음이 인식될 것이다. 그 결과, 모바일 운영자들은 그들의 수입을 증가시키기 위하여 가입자들에게 부가가치 서비스(value added service)들을 제공하는 쪽으로 진출하고 있다.
증가된 수입을 생성하는 한 가지 수단은 벨소리(ringtone), 바탕화면(wallpaper), 자바 게임(Java game)들 등과 같이, 사용자들에게로의 프리미엄 서비스들의 판매를 통해서이다. 이러한 서비스들은 모바일 운영자들 스스로에 의해 제공되거나, 또는 그러한 서비스들을 제공하기 위해 모바일 운영자들과 협력하여 운영될 수 있는 사업체들에 의해 제공될 수 있다. 상기 서비스들은 요금의 지불 시 사용자의 모바일 디바이스로의 다운로드를 위해 이용가능할 수 있다.
판매를 위한 잠재적인 소득을 최대화하는 것과 같은 다수의 이점들은 사용자들에게 가장 관심대상일 것 같은 컨텐트(content) 또는 서비스들을 사용자들에게 추천 및 프로모팅할 때 발생한다.
이하는 하나 이상의 양상들에 대한 기본 이해를 제공하기 위하여 그러한 양상들의 간략화된 요약을 제시한다. 이러한 요약은 고려되는 모든 양상들의 광범위한 개관은 아니고, 모든 양상들의 핵심적인 또는 중요한 엘리먼트들을 식별해주거나 임의의 또는 모든 양상들의 범위를 제한하고자 의도된 것도 아니다. 그것의 유일한 목적은 이후에 제시되는 보다 상세한 설명에 대한 도입부로서 간략화된 형태로 하나 이상의 양상들에 대한 소정 개념들을 제시하고자 함이다.
전술한 그리고 관련된 목적들을 달성하기 위하여, 하나 이상의 양상들은 이하에서 기술되고 특히 청구항들에서 지적된 특징들을 포함한다. 이하의 설명 및 첨부된 도면들은 하나 이상의 양상들의 특정 예시적인 양상들을 상세히 기술한다. 그러나, 이러한 양상들은 여러 다양한 양상들의 원리가 채택될 수 있는 여러 다양한 방식을 중 단지 몇 가지만을 나타내고, 기술된 양상들은 그러한 모든 양상들 및 이들의 균등물들을 포함하도록 의도된다.
일 양상에서, 모바일 디바이스의 사용자를 위한 추천안들을 생성하기 위한 방법이 제공되고, 상기 사용자는 서비스 제공자와 연관된다. 추천안에 대한 요청이 획득된다. 사용자와 연관된 데이터 및 사용자에게 이용가능한 컨텐트에 대한 데이터가 서비스 제공자로부터 리트리브(retrieve)된다. 추천안들의 리스트가 리트리브된 사용자 데이터의 분석에 기초하여 생성되고, 추천안들은 복수 개의 상이한 추천 기술들에 의해 생성된다.
또 다른 양상에서, 명령들을 가진 컴퓨터-판독가능 저장 매체를 포함하는 컴퓨터 프로그램 물건(computer program product)이 제공된다. 적어도 하나의 명령은 컴퓨터로 하여금 추천안에 대한 요청을 획득하게 한다. 적어도 하나의 명령은 컴퓨터로 하여금 서비스 제공자로부터 사용자와 연관된 데이터 및 사용자에게 이용가능한 컨텐트에 대한 데이터를 리트리브하게 한다. 적어도 하나의 명령은 컴퓨터로 하여금 리트리브된 사용자 데이터의 분석에 기초하여 추천안들의 리스트를 생성하게 하고, 여기서, 추천안들은 복수 개의 상이한 추천 기술들에 의해 생성된다.
부가적인 양상에서, 모바일 디바이스의 사용자를 위해 추천안들을 생성하기 위한 시스템이 제공되고, 상기 사용자는 서비스 제공자와 연관된다. 추천안에 대한 요청을 획득하기 위한 수단이 제공된다. 서비스 제공자로부터 사용자와 연관된 데이터 및 사용자에게 이용가능한 컨텐트에 대한 데이터를 리트리브하기 위한 수단이 제공된다. 리트리브된 사용자 데이터의 분석에 기초하여 추천안들의 리스트를 생성하기 위한 수단이 제공되고, 여기서, 추천안들은 복수 개의 상이한 추천 기술들에 의해 생성된다.
또 다른 부가적인 양상에서, 모바일 디바이스의 사용자를 위해 추천안들을 생성하기 위한 시스템이 제공되고, 상기 사용자는 서비스 제공자와 연관된다. 프로파이 모듈(profile module)은 사용자와 연관된 데이터를 저장하고 프로세싱한다. 카탈로그 모듈(catalogue module)은 사용자에게 이용가능한 컨텐트를 저장하고 프로세싱한다. 프로파일 모듈 및 카탈로그 모듈과 통신하고 있는 결정 모듈은 프로파일 모듈 및 카탈로그 모듈로부터 리트리브된 데이터의 분석에 의해 사용자에 대한 추천안들의 리스트를 생성하고, 추천안들은 복수 개의 개별 추천기 모듈들에 의해 생성된다.
부가 양상에서, 일 방법은 모바일 디바이스의 사용자를 위한 프로모션(promotion)들의 생성을 제공한다. 속성 데이터(attribute data) 및 거동 데이터(behavior data)가 대응하는 복수 개의 모바일 장치들의 복수의 사용자들을 대하여 액세스된다. 추천안들은 속성 데이터에 기초하여 오퍼(offer)할 컨텐트에 대하여 생성되고, 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들이 생성된다. 추천안들의 서브세트는 필터링 제약(filtering constraint)을 적용함으로써 선택된다. 추천안들의 서브세트는 적어도 복수 개의 모바일 디바이스들의 서브세트로 송신된다.
또 다른 추가 양상에서, 적어도 하나의 프로세서는 모바일 디바이스의 사용자를 위한 프로모션들을 생성한다. 제 1 모듈은 대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터에 액세스한다. 제 2 모듈은 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고, 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성한다. 제 3 모듈은 필터링 제약을 적용함으로써 추천안들의 서브세트를 선택한다. 제 4 모듈은 적어도 복수 개의 모바일 디바이스들의 서브세트로 추천안들의 서브세트를 송신한다.
추가의 부가적인 양상에서, 컴퓨터 프로그램 물건은 모바일 디바이스의 사용자를 위한 프로모션들을 생성한다. 컴퓨터-판독가능 저장 매체는 명령들을 포함한다. 상기 컴퓨터-판독가능 저장 매체는 컴퓨터로 하여금 대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터에 액세스하게 하기 위한 적어도 하나의 명령을 포함한다. 상기 컴퓨터 판독가능 저장 매체는 상기 컴퓨터로 하여금 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고, 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하게 하기 위한 적어도 하나의 명령을 더 포함한다. 상기 컴퓨터 판독가능 저장 매체에는 상기 컴퓨터로 하여금 필터링 제약을 적용함으로써 추천안들의 서브세트를 선택하게 하기 위한 적어도 하나의 명령이 더 포함된다. 상기 컴퓨터 판독가능 저장 매체는 상기 컴퓨터로 하여금 적어도 복수 개의 모바일 디바이스들의 서브세트로 추천안들의 서브세트를 송신하게 하기 위한 적어도 하나의 명령을 더 포함한다.
또 다른 부가적인 양상에서, 일 장치는 모바일 디바이스의 사용자를 위한 프로모션들을 생성한다. 대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터에 액세스하기 위한 수단이 제공된다. 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하기 위한 수단이 제공된다. 필터링 제약을 적용함으로써 추천안들의 서브세트를 선택하기 위한 수단이 제공된다. 적어도 복수 개의 모바일 디바이스들의 서브세트로 추천안들의 서브세트를 송신하기 위한 수단이 제공된다.
부가 양상에서, 일 장치는 모바일 디바이스의 사용자를 위한 프로모션들을 생성한다. 프로파일 저장 컴포넌트는 대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터를 포함한다. 프로파일 및 추천 시스템은 액세스된 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고 액세스된 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하며, 필터링 제약을 적용함으로써 추천안들의 서브세트를 선택한다. 네트워크 통신 모듈은 적어도 복수 개의 모바일 디바이스들의 서브세트로 추천안들의 서브세트를 송신한다.
도 1은 일 양상에 따른, 모바일 통신 네트워크의 프로파일링 및 추천 시스템의 블록 다이어그램이다.
도 2는 일 양상에 따른, 프로파일링 및 추천 방법의 타이밍 다이어그램이다.
도 3은 일 양상에 따른, 본 명세서의 프로파일 및 추천 시스템을 통합하는 예시적인 무선 통신 시스템을 보여주는 블록 다이어그램이다.
도 4는 또 다른 양상에 따른, 프로파일 및 추천 시스템과 인터페이싱하는 모바일 운영자와 연관된 프로파일 및 추천 시스템의 컴포넌트들에 대한 보다 상세한 뷰를 도시하는 프로파일 및 추천 시스템의 블록 다이어그램을 도시한다.
도 5a는 외부 네트워크 엔티티들과 상호작용하는 프로파일링을 위한 방법에 대한 타이밍 다이어그램이다.
도 5b는 일 양상에 따른, 프로파일링 및 추천 시스템에 의해 생성된 카테고리 페이지와의 무선 디바이스의 예시적인 상호작용에 대한 방법에 관한 타이밍 다이어그램이다.
도 6은 일 양상에 따른, 가입자들의 사용 및 관심의 상세한 이해에 의한 정확한 컨텐트 타겟팅을 위한 방법의 플로우도이다.
도 7은 일 양상에 따른 카탈로그 모듈의 주 컴포넌트들의 블록 다이어그램을 보여준다.
도 8은 일 양상에 따른 프로파일 모듈의 주 컴포넌트들의 블록 다이어그램을 보여준다.
도 9는 일 양상에 따른, 추천안들을 생성하기 위한 방법의 플로우도와 함께, 결정 모듈에서의 추천안 생성 프로세스의 4가지 상(phase)을 보여주는 개략적인 다이어그램이다.
도 10은 또 다른 양상에 따른, 추천안들을 생성하기 위한 주요 동작들을 요약하는 방법의 플로우도를 도시한다.
도 11은 또 다른 양상에 따른, 도 10의 방법의 하위-동작들의 방법에 대한 플로우도를 도시한다.
도 12는 또 다른 양상에 따른, 도 11의 방법에 수반된 하위-동작들의 방법에 대한 플로우도를 도시한다.
도 13은 일 양상에 따른, 추천기 모듈들과 결정 제어기 간의 관계에 대한 블록 다이어그램을 보여준다.
도 14는 일 양상에 따른, 추천기 프로세싱을 위한 방법의 플로우도를 보여준다.
도 15는 또 다른 양상에 따른, 결정 추천기에서의 여러 다양한 기능 호(function call)들의 예시적인 다이어그램을 보여준다.
도 16은 일 양상에 따른, 결정 모듈의 주 컴포넌트들의 블록 다이어그램을 도시한다.
도 17은 일 양상에 따른, 네트워크 추천기의 주 컴포넌트들의 블록 다이어그램을 보여준다.
도 18은 일 양상에 따른, 네트워크 추천을 위한 플로우도를 도시한다.
도 19는 일 양상에 따른, 결정 모듈이 다수의 상이한 기술들을 사용하여 어떻게 성능 요구조건들을 만족시키는지를 도시하는 다이어그램이다.
도 20은 일 양상에 따른, 프로모션 모듈의 주 컴포넌트들의 블록 다이어그램을 보여준다.
도 21은 또 다른 양상에 따른, 프로모션 모듈에 의해 수행된 방법의 플로우도를 보여준다.
도 22는 또 다른 양상에 따른, 도 4의 프로파일 및 추천 시스템의 보다 많은 모듈들을 보여준다.
도 23은 일 양상에 따른, 프로파일 및 추천의 방법에 대한 적어도 일 부분을 수행하기 위한 컴퓨팅 플랫폼의 플로우도를 도시한다.
도 24는 일 양상에 따른, 프로파일 및 추천의 방법을 수행하기 위한 모듈들을 갖는 네트워크 디바이스를 도시한다.
도 2는 일 양상에 따른, 프로파일링 및 추천 방법의 타이밍 다이어그램이다.
도 3은 일 양상에 따른, 본 명세서의 프로파일 및 추천 시스템을 통합하는 예시적인 무선 통신 시스템을 보여주는 블록 다이어그램이다.
도 4는 또 다른 양상에 따른, 프로파일 및 추천 시스템과 인터페이싱하는 모바일 운영자와 연관된 프로파일 및 추천 시스템의 컴포넌트들에 대한 보다 상세한 뷰를 도시하는 프로파일 및 추천 시스템의 블록 다이어그램을 도시한다.
도 5a는 외부 네트워크 엔티티들과 상호작용하는 프로파일링을 위한 방법에 대한 타이밍 다이어그램이다.
도 5b는 일 양상에 따른, 프로파일링 및 추천 시스템에 의해 생성된 카테고리 페이지와의 무선 디바이스의 예시적인 상호작용에 대한 방법에 관한 타이밍 다이어그램이다.
도 6은 일 양상에 따른, 가입자들의 사용 및 관심의 상세한 이해에 의한 정확한 컨텐트 타겟팅을 위한 방법의 플로우도이다.
도 7은 일 양상에 따른 카탈로그 모듈의 주 컴포넌트들의 블록 다이어그램을 보여준다.
도 8은 일 양상에 따른 프로파일 모듈의 주 컴포넌트들의 블록 다이어그램을 보여준다.
도 9는 일 양상에 따른, 추천안들을 생성하기 위한 방법의 플로우도와 함께, 결정 모듈에서의 추천안 생성 프로세스의 4가지 상(phase)을 보여주는 개략적인 다이어그램이다.
도 10은 또 다른 양상에 따른, 추천안들을 생성하기 위한 주요 동작들을 요약하는 방법의 플로우도를 도시한다.
도 11은 또 다른 양상에 따른, 도 10의 방법의 하위-동작들의 방법에 대한 플로우도를 도시한다.
도 12는 또 다른 양상에 따른, 도 11의 방법에 수반된 하위-동작들의 방법에 대한 플로우도를 도시한다.
도 13은 일 양상에 따른, 추천기 모듈들과 결정 제어기 간의 관계에 대한 블록 다이어그램을 보여준다.
도 14는 일 양상에 따른, 추천기 프로세싱을 위한 방법의 플로우도를 보여준다.
도 15는 또 다른 양상에 따른, 결정 추천기에서의 여러 다양한 기능 호(function call)들의 예시적인 다이어그램을 보여준다.
도 16은 일 양상에 따른, 결정 모듈의 주 컴포넌트들의 블록 다이어그램을 도시한다.
도 17은 일 양상에 따른, 네트워크 추천기의 주 컴포넌트들의 블록 다이어그램을 보여준다.
도 18은 일 양상에 따른, 네트워크 추천을 위한 플로우도를 도시한다.
도 19는 일 양상에 따른, 결정 모듈이 다수의 상이한 기술들을 사용하여 어떻게 성능 요구조건들을 만족시키는지를 도시하는 다이어그램이다.
도 20은 일 양상에 따른, 프로모션 모듈의 주 컴포넌트들의 블록 다이어그램을 보여준다.
도 21은 또 다른 양상에 따른, 프로모션 모듈에 의해 수행된 방법의 플로우도를 보여준다.
도 22는 또 다른 양상에 따른, 도 4의 프로파일 및 추천 시스템의 보다 많은 모듈들을 보여준다.
도 23은 일 양상에 따른, 프로파일 및 추천의 방법에 대한 적어도 일 부분을 수행하기 위한 컴퓨팅 플랫폼의 플로우도를 도시한다.
도 24는 일 양상에 따른, 프로파일 및 추천의 방법을 수행하기 위한 모듈들을 갖는 네트워크 디바이스를 도시한다.
본 명세서의 여러 다양한 양상들이 이하에서 더 기술된다. 본 명세서의 교시는 광범위한 여러 형태들로 구현될 수 있고 본 명세서에 개시된 임의의 특정 구조 또는 기능은 단지 대표적일 뿐이라는 점이 명백하다. 본 명세서의 교시들에 기초하여, 당업자는 본 명세서에 개시된 양상은 다른 양상들과 독립적으로 구현될 수 있고 이러한 양상들 중 2 이상은 여러 다양한 방식들로 조합될 수 있음을 이해하여야 한다. 예를 들어, 본 명세서에 기술된 임의 개수의 양상들을 사용하여 일 장치가 구현될 수 있거나 일 방법이 실시될 수 있다. 부가하여, 본 명세서에서 기술된 하나 이상의 양상들에 부가하여, 또는 이들 외부 다른 구조 또는 기능을 사용하여 일 장치가 구현될 수 있거나 일 방법이 실시될 수 있다. 일 예로서, 본 명세서에서 기술된 다수의 방법들, 디바이스들, 시스템들 및 장치들이 모바일 통신 환경에서 동적 모바일 쿠폰(dynamic mobile coupon)들을 제공하는 맥락에서 기술된다. 당업자는 유사한 기술들이 다른 통신 환경들에도 마찬가지로 적용될 수 있음을 이해하여야 한다.
본 명세서에서 사용되는 바와 같이, 용어 "컨텐트"는 임의 타입의 애플리케이션, 멀티미디어 파일, 이미지 파일, 실행가능자(executable), 프로그램, 웹 페이지, 스크립트, 문서, 프리젠테이션, 메시지, 데이터, 메타-데이터, 또는 디바이스 상에서 행해지거나, 프로세싱되거나 또는 실행될 수 있는 임의의 다른 타입의 미디어 또는 정보를 기술하기 위해 사용된다.
본 명세서에서 사용되는 바와 같이, 용어들 "컴포넌트", "시스템", "모듈" 및 이와 유사한 것은 컴퓨터-관련 엔티티, 하드웨어나 소프트웨어, 실행 중 소프트웨어, 펌웨어, 미들웨어, 마이크로코드, 또는 이들의 임의 조합을 지칭하도록 의도된다. 예를 들어, 컴포넌트는 프로세서 상에서 실행되고 있는 프로세스, 프로세서, 객체, 실행가능자, 실행 스레드(thread of execution), 프로그램 또는 컴퓨터일 수 있으나, 이에 제한되는 것은 아니다. 하나 이상의 컴포넌트들이 프로세스 또는 실행 스레드 내에 상주할 수 있고, 컴포넌트는 하나의 컴퓨터 상에 국한되거나 2 이상의 컴퓨터들 간에 분배될 수 있다. 부가하여, 이러한 컴포넌트들은 거기에 저장된 여러 다양한 데이터 구조들을 갖는 여러 다양한 컴퓨터 판독가능 매체들로부터 실행될 수 있다. 상기 컴포넌트들은 예컨대, 하나 이상의 데이터 패킷들(예를 들어, 로컬 시스템 내, 분배된 시스템 내, 또는 네트워크에 걸친 또 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터)을 갖는 신호에 따라 로컬 또는 원격 프로세스들에 의해 통신할 수 있다. 부가적으로, 당업자에 의해 이해되는 바와 같이, 본 명세서에 기술된 시스템들의 컴포넌트들은 그들과 관련하여 기술된 여러 다양한 양상들, 목표들, 이점들 등을 달성하는 것을 촉진하기 위하여 부가적인 컴포넌트들에 의해 재배열 또는 보충될 수 있고, 주어진 도면에 기술된 정확한 구성들로 제한되는 것은 아니다.
부가적으로, 본 명세서에 개시된 양상들과 관련하여 기술된 여러 다양한 예시적인 로직들, 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, 디지털 신호 프로세서(DSP), 주문형 집적 회로(ASIC), 현장 프로그래밍가능 게이트 어레이(FPGA) 또는 다른 프로그래밍가능 로직 디바이스, 이산 게이트 또는 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본 명세서에 기술된 기능들을 수행하도록 설계된 이들의 임의의 적합한 조합으로 구현되거나 수행될 수 있다. 범용 프로세서는 마이크로프로세서일 수 있으나, 대안예에서, 범용 프로세서는 임의의 통상적인 프로세서, 제어기, 마이크로컨트롤러, 또는 상태 머신일 수 있다. 프로세서는 또한 컴퓨팅 디바이스들의 조합, 예를 들어, DSP 및 마이크로프로세서의 조합, 복수 개의 마이크로프로세서들, DSP 코어와 결합된 하나 이상의 마이크로프로세서들, 또는 임의의 다른 적합한 구성으로서 구현될 수 있다. 부가적으로, 적어도 하나의 프로세서는 본 명세서에서 기술된 동작들 또는 액션(action)들 중 하나 이상을 수행하도록 동작가능한 하나 이상의 모듈들을 포함할 수 있다.
부가하여, 여러 다양한 양상들이 모바일 디바이스과 관련하여 본 명세서에서 기술된다. 모바일 디바이스는 또한 시스템, 가입자 유닛, 가입자국, 이동국, 모바일, 모바일 디바이스, 셀룰러 디바이스, 멀티-모드 디바이스, 원격국, 원격 단말, 액세스 단말, 사용자 단말, 사용자 에이전트, 사용자 디바이스, 또는 사용자 장비, 또는 이와 유사한 것으로 불릴 수 있다. 가입자국은 휴대폰, 코드리스 전화, 세션 개시 프로토콜(SIP) 폰, 무선 로컬 루프(WLL) 국, 개인용 휴대 단말(PDA), 무선 접속 능력을 갖는 핸드헬드 디바이스, 또는 무선 모뎀 또는 프로세싱 디바이스와의 무선 통신을 촉진하는 유사한 메커니즘에 접속된 다른 프로세싱 디바이스일 수 있다.
더욱이, 본 명세서에서 기술된 여러 다양한 양상들 또는 특징들은 표준 프로그래밍 또는 엔지니어링 기술들을 사용하는 방법, 장치 또는 제조물로서 구현될 수 있다. 부가하여, 본 명세서에서 개시된 양상들과 관련하여 기술된 방법 또는 알고리즘의 동작들 또는 액션들은 헤드웨어에 직접, 프로세서에 의해 실행되는 소프트웨어 모듈에, 또는 이들 둘의 조합에 구현될 수 있다. 부가적으로, 소정 양상들에서, 방법 또는 알고리즘의 동작들 또는 액션들은 코드들 또는 명령들 중 적어도 하나 또는 이들의 임의 조합 또는 이들의 세트로서, 컴퓨터 프로그램 물건 내에 통합될 수 있는 기계-판독가능 매체 또는 컴퓨터 판독가능 매체 상에 상주할 수 있다. 부가하여, 본 명세서에서 사용되는 용어 "제조물"은 임의의 컴퓨터-판독가능 디바이스, 캐리어 또는 매체로부터 액세스가능한 컴퓨터 프로그램을 포괄하는 것으로 의도된다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 디바이스들(예를 들어, 하드 디스크, 플로피 디스크, 자기 스트림들 등), 광학 디스크들(예를 들어, 컴팩트 디스트(CD), 디지털 다기능 디스크(DVD), 등), 스마트 카드들, 및 플래시 메모리 디바이스들(예를 들어, 카드, 스틱, 키 드라이브 등)을 포함할 수 있으나, 이에 제한되는 것은 아니다. 부가적으로, 본 명세서에서 기술된 여러 다양한 저장 매체들은 정보를 저장하기 위한 하나 이상의 디바이스들 또는 다른 기계-판독가능 매체들을 나타낼 수 있다. 용어 "기계-판독가능 매체"는 무선 채널들 및 명령 또는 데이터를 저장, 포함 또는 운반할 수 있는 여러 다른 매체들을 포함할 수 있으나, 이에 제한되는 것은 아니다.
전술한 것에 부가하여, 단어 "예시적인"은 본 명세서에서 일 예, 경우 또는 실례로서 역할하는 것을 의미하기 위해 사용된다. "예시적인"으로서 본 명세서에서 기술된 임의의 양상 또는 설계는 반드시 다른 양상들 또는 설계들보다 선호되거나 유리한 것으로 해석될 필요는 없다. 오히려, 상기 단어 "예시적인"의 사용은 구체적인 방식으로 개념들을 제시하고자 의도된다. 부가하여, 본원 및 첨부된 청구범위에서 사용되는 바와 같이, 용어 "또는"은 배타적인 "또는"보다는 오히려 포함적인 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥 상 명확하지 않다면, "X가 A 또는 B를 채택한다"는 당연한 포함적인 변환들 중 임의의 것을 의미하는 것으로 의도된다. 즉, 이러한 예에서, X는 A를 채택할 수 있거나, X는 B를 채택할 수 있거나, 또는 X는 A와 B 양자 모두를 채택할 수 있고, 그리하여 문장 "X는 A 또는 B를 채택한다"는 전술한 경우들 중 임의의 것 하에서 만족된다. 부가하여, 본원 및 첨부된 청구범위에서 사용되는 바와 같은 관사들 "일(a 및 an) ~"은 단수 형태로 지시되도록 달리 특정되거나 문맥 상 명확하지 않다면 일반적으로 "하나 이상"을 의미하는 것으로 해석되어야 한다.
본 명세서에서 사용되는 바와 같이, "추론하다" 또는 "추론"에 대한 용어들은 일반적으로 이벤트들 또는 데이터를 통해 포착된 관찰들의 세트로부터 시스템, 환경, 또는 사용자의 상태들을 추리하거나 추론하는 프로세스를 지칭한다. 추론은 특정 컨텍스트(context) 또는 액션(action)을 식별하기 위해 채택될 수 있거나, 예을 들어, 상태들에 대한 확률 분포를 생성할 수 있다. 추론은 확률적일 수 있고, ― 즉, 데이터 및 이벤트들의 고려에 기초한 관심 상태들에 대한 확률 분포의 계산일 수 있다. 추론은 또한 이벤트들 또는 데이터의 세트로부터 더 높은-레벨 이벤트들을 구성하기 위해 채택되는 기술들을 지칭할 수 있다. 그러한 추론은 이벤트들을 가까운 시간 근접성으로 상관되든 그렇지 않든, 그리고 이벤트들 및 데이터가 하나의 이벤트 및 데이터 소스로부터 나오든 여러 이벤트 및 데이터 소스들로부터 나오든, 관찰된 이벤트들 또는 저장된 이벤트들의 세트로부터 새로운 이벤트들 또는 액션들의 구성을 야기한다.
도 1을 참조하여, 본 양상들은 프로파일 및 추천 시스템(10)을 제공하고, 상기 프로파일 및 추천 시스템(10)은 무선 통신 네트워크(14)의 모바일 운영자들(12) 및 컨텐트 제공자(16)로서 도시된 그들의 사업 파트너들이 가입자(20)의 모바일 디바이스(18)로서 도시된, 그들의 가입자 베이스로의 컨텐트 및 서비스들의 습득(uptake)을 선행적으로(proactively) 프로모팅(promote)할 수 있게 한다. 일 예에서, 이것은 그들의 모바이 디바이스(18)로의 전달을 위해 특정 가입자(20)에 대해 맞추어진 추천안들의 리스트(21)의 생성에 의해 달성된다. 추천안들은 예를 들어, 모바일 운영자와 연관된 포털 상에서 디스플레이될 수 있거나, 또는 모바일 메시징에 의해 모바일 디바이스로 전달될 수 있다.
일 양상에 따르면, 저장된 프로파일 데이터(22)는 속성 데이터(attribute data)(24) 또는 거동 데이터(behavior data)(26)를 포함한다. 속성 추천기(28) 및 거동 추천기(30)로서 도시된, 대응하는 복수 개의 추천기(recommender)들은 각각의 데이터(24, 26)를 컨텐트(36)의 카탈로그 인덱스(34)의 컨텐트 특성화 상호 참조(content characterization cross reference)(32)와 연관시킨다. 추천기들(28, 30)로부터의 예비 추천안(preliminary recommendation)들은 신뢰 가중 컴포넌트(38)에 의해 할당된 신뢰도 레벨(confidence level)을 갖는다. 예를 들어, 약하거나 강한 연관이 결정될 수 있다. 또 다른 예로서, 속성 또는 거동은 제한된 발생들의 추론 분석을 통해 약하게 결정되거나, 명시적인 입력들 또는 반복된 거동들을 통해 강하게 결정될 수 있다. 그 다음 가중된 예비 추천안들은 소팅 컴포넌트(sorting component)(40)에 의해 소팅될 수 있다.
소팅 이전에 또는 소팅에 후속하여, 필터링 컴포넌트(42)는 부적절한 추천을 회피하기 위하여 배제(exclusion)(44)를 구현한다. 배제들은 반대가 나올 수 있는 추천안들의 특정 카테고리들을 제한하는 것과 같이, 46에서 도시된 바와 같이 가입자(20)에 의해 명시적으로 특정될 수 있다. 배제들은 컨텐트에 적합한 컴퓨팅 플랫폼 타겟들(예를 들어, MP3 미디어 플레이어를 가진 모바일 디바이스에 적합한 오디오 파일들)을 특정하는 것과 같이, 48에서 도시된 바와 같이 모바일 운영자(12)에 의해 특정될 수 있다. 배제들은 또한 컨텐트의 구매들 또는 가입자(20)에 의해 반복적으로 무시된 추천안들의 트랙킹과 같이, 50에서 도시된 프로파일 데이터(22)로부터 도출될 수 있다. 배제들은 또한 디바이스 또는 소프트웨어 구성 호환성 정보(52)를 제공함으로써, 모바일 운영자(12)일 수 있는 컨텐트 제공자들(16)로부터 도출될 수 있다. 그에 의하여, 추전된 컨텐트를 성공적으로 사용할 수 없는 모바일 디바이스들(18)이 배제된다.
추천안들은 가입자에게 가장 관심사일 것 같은 컨텐트 및 서비스들을 결정하기 위하여, 오퍼된 컨텐트 및 서비스들과 함께 모바일 운영자에게 이용가능한 가입자 정보의 분석에 의해 생성된다. 특히, 프로파일 및 추천 시스템(10)은 또한 개별 또는 그룹 멤버로서 속성 또는 거동 평가(assessment)에 기초하여 가입자(20)가 가장 기꺼이 구매할 때인 것으로 결정된 시점들에서 추천안들이 가입자(20)에게 전달될 수 있게 한다. 프로파일 및 추천 시스템은 또한 가입자 베이스로 특정 컨텐트 또는 서비스를 적극적으로 장려하도록 요구될 때, 프로모션들을 생성하도록 적응된다.
도 2에서, 일 양상에 따른, 모바일 디바이스 상에서 오퍼하기 위한 컨텐트의 프로파일링된 추천안들에 대한 방법(50)이 도시된다. 블록(52)에서, 이용가능한 컨텐트가 카탈로그에 수록되고 특성화된다. 블록(54)에서, 사용자 속성들 및 거동 데이터가 유지된다. 블록(56)에서, 이전에 속성이 결정된 해당 사용자와의 피어-투-피어(P2P) 관계에 기초하여 연관이 속성과 사용자에 대하여 이루어질 수 있다. 이러한 간접적인 연관은 명시된 또는 직접적인 정보로부터 이루어진 연관보다 더 낮은 가중을 가질 수 있다. 블록(58)에서, 사용자는 명시적인 등록들, 그룹에 대한 포털의 빈번한 액세스 등과 같이 그룹과 연관될 수 있다. 이러한 연관된 그룹은 특히, 연관된 사용자에 특정되어 불충분한 데이터가 수신된 경우들에서, 연관된 사용자에 대해 그 다음 사용될 수 있는 속성 및 거동 데이터를 가질 수 있다. 블록(60)에서, 추천안들에 대한 요청이 수신된다. 블록(62)에서, 가입자에 대한 아이템(item) 또는 아이템에 대한 가입자들을 획득하라는 추천안 요청들이 속성 데이터 별로 생성된다. 블록(64)에서, 가입자에 대한 아이템 또는 아이템에 대한 가입자들을 획득하라는 추천안 요청들이 거동 데이터 별로 생성된다. 추천안들은 신뢰도 레벨을 각각에 할당함으로써 가중된다(블록(66)). 가중된 추천안들은 최고의 서브세트가 전달될 수 있도록 소팅된다(블록(67)). 선매(prior purchase), 트랙킹된 사전 오퍼(offer)들, 사용자 세팅들(제한들), 운영자 명령들, 디바이스 호환성/구성, 등과 같이 배제들이 액세스된다(블록(68)). 블록(70)에서, 적용가능한 배제에 액세스함으로써 추천안들이 필터링된다. 블록(72)에서, 필터링되고 소팅된 추천안들이 모바일 디바이스 상에 제시하기 위해 전송된다. 블록(74)에서, 추천안들의 제시 및 임의의 사용자 선택의 확인(confirmation)이 수신된다. 이러한 데이터를 사용하여, 트랙킹이 업데이트된다(블록(76)).
이제 도 3을 참조하면, 일 양상에 따라, 본 명세서의 프로파일 및 추천 시스템(101)을 통합하는 예시적인 무선 통신 시스템(100)을 보여주는 블록 다이어그램이 제공된다. 무선 통신 시스템(100)은 무선 네트워크(103) 상에서 기지국 제어기(BSC)(104)와 통신하는 하나 이상의 무선 디바이스들(102)을 포함할 수 있다. 무선 디바이스들(102)은 예를 들어, 핸드헬드 PC, PDA, 또는 모바일 폰을 포함하여, 임의의 적합한 타입으로 이루어질 수 있다. 차례로 기지국 제어기(104)는 예를 들어, 무선 애플리케이션 프로토콜(Wireless Application Protocol; WAP) 게이트웨이(105)로서 도시된 무선 게이트웨이, 멀티미디어 메시지 교환 센터(MMSC)(106), 및 단문 메시지 교환 센터(SMSC)(107)와 같은 모바일 운영자의 통신 인프라구조(infrastructure)와 통신한다. 모바일 운영자의 시스템들은 또한 포털로서 작용하도록 구성된 서버(108)를 포함한다.
일 경우에서, 본 명세서의 프로파일 및 추천 시스템(101)은 모바일 운영자의 통신 인프라구조와 통신가능하게 링크된다. 일 예에서, 프로파일 및 추천 시스템은 이하에서 더 상세히 설명되는 바와 같이, 모바일 운영자 및 연관된 사업 파트너들이 그들의 가입자 베이스의 통일된 뷰(view) 및 개선된 프로파일링, 그리고 지능적인 추천안들을 제공함으로써 서비스들의 습득을 선행적으로 프로모팅할 수 있게 한다.
일 양상에 따라, 도 4는 모바일 운영자(202)와 연관된 특정 컴포넌트들과 본 명세서의 프로파일 및 추천 시스템(101) 간의 상호작용들을 보여주는 프로파일 및 추천 네트워크(200)의 예시적인 블록 다이어그램을 보여준다. 이러한 시스템들은 직접 모바일 운영자의 통신 인프라구조(206)에 통합될 수 있거나, 대안적으로 모바일 운영자와 연관된 사업 파트너의 시스템의 일부일 수 있다. 인프라구조(206)는 서비스들 및 컨텐트 정보 컴포넌트(208), 가입자 프로파일 정보 소스(210), 및 관리자(213)에 의해 사용된 추천 애플리케이션(212)을 포함할 수 있다. 프로파일 및 추천 시스템(101)은 컨텐트 전달 시스템(214)과 인터페이싱하고, 컨텐트 전달 시스템(214)은 WAP 게이트웨이(105), 단문 메시지 서비스 센터(SMSC)(107), 및 멀티미디어 메시징 서비스 센터(MMSC)(106)를 포함할 수 있으며 차례로 무선 디바이스들(102)과 통신한다. 컨텐트 전달 시스템(214)은 WAP 게이트웨이들(105), SMSC들(107), MMSC들(106)과 같은 네트워크 시스템들로의 접속을 통하여 컨텐트 전달 능력을 제공한다. 이것은 프로파일 및 추천 시스템(101)이 임의 타입의 모바일 컨텐트 또는 서비스를 컨텐트 전달 시스템(214)과 통신하는 무선 디바이스들(102)의 사용자들 또는 가입자들(222)에게 전달 및 수신할 수 있게 한다. 이러한 능력은 프로파일 및 추천 시스템(101)이 (예를 들어, SMS, MMS, WAP 푸시(Push) 등을 통하여) 프로모션 정보를 전달하기 위해 사용되는 경우, 그리고 프로파일 및 추천 시스템(101)이 컨텐트 전달 이행에 책임이 있는 경우(예를 들어, 다음 벨소리(polyphonic ringtone), 바탕화면, 게임들 등), 구현될 수 있다.
*서비스들 및 컨텐트 정보 컴포넌트(208)는 프로파일 및 추천 시스템(101)이 함께 통신할 수 있는 부가가치 서비스들(Value Added Services; VAS) 또는 포털(226)과 같은 외부 플랫폼들을 포함할 수 있다. 일 예에서, VAS 플랫폼들(226)과의 통합은 하나 이상의 무선 디바이스들(102)의 모바일 가입자(222)에게 이용가능한 컨텐트의 완전한 카탈로그의 형성을 촉진할 수 있다. 이것은 프로파일 및 추천 시스템(101)이 모바일 운영자 또는 그것의 파트너들에 의한 오퍼 상에서 이용가능한 컨텐트 또는 서비스들을 보다 지능적으로 소매(retail)할 수 있게 한다. 포털(226)로의 통합은 포털(226)을 사용하는 해당 사용자들 또는 가입자들(222)로의 타겟팅된 프로모션들의 전달을 가능하게 하고, 가입자 프로파일 정보 소스(210)로부터의 이후의 참조를 위하여 그들의 거동에 관하여 정보 컴포넌트(228)의 포착을 가능하게 한다. 하나의 경우에서, 가입자 프로파일 정보(228)는 하나 이상의 콜 데이터(call data); 성별; 생일; 선매; 관심 또는 무관심의 표현들; 소비 패턴; 모바일 디바이스 타입, 현재의 지리적 위치, 콜 빈도 또는 다른 메타데이터를 포함한다.
도 4는 일 양상에 따른 프로파일 및 추천 시스템(101)의 예시적인 주 컴포넌트들의 세부사항들을 더 제공한다. 이것들은 카탈로그 모듈(230), 프로파일 모듈(232), 결정 모듈(234) 및 프로모팅 모듈(236)을 포함한다. 이러한 모듈들 각각은 이하에서 더 상세히 기술될 것이다. 카탈로그 모듈(230)은 프로파일 및 추천 시스템(101)이 다량의 컨텐트 또는 서비스들을 위한 중앙 카탈로그로서 이용될 수 있게 한다. 이러한 방식으로, 이용가능한 컨텐트/서비스들의 보다 상세한 묘사가 다른 시스템들(예를 들어, 포털 등)에 제공될 수 있고, 그리하여 컨텐트 소매 프로세스의 더 나은 관리를 가능하게 한다.
일 예에 따라, 중앙집중화된 위치에서의 모바일 운영자에 의해 유지된 운영자 카탈로그(238)는 음성, 데이터 및 운영자에 의해 제공된 다른 서비스들의 완전한 카탈로그를 포함할 수 있다. 하나의 경우에서, 카탈로그 모듈(230)은 모바일 운영자의 중앙 카탈로그(238)에 정의된 제품 ID 코드들 및 구조들(240)을 유지할 수 있다.
사용에 있어, 도 5a에 도시된 바와 같이, 하나의 예에서, 프로파일링 및 추천을 위한 방법(300)은 가입자 프로파일 정보 소스(302)로서 도시된 외부 네트워크 엔티티들과 상호작용한다. 차례로, 가입자 프로파일 정보는 모바일 운영자의 기존 빌링(billing) 시스템(304)과 고객 관계 관리(Customer Relationship Management; CRM) 시스템(306)과 통신한다. 프로파일 및 추천 시스템(308)은 사용자 또는 가입자 무선 디바이스(312)로의 컨텐트 전달에 책임이 있을 때 빌링 통합을 수행한다.
도 5b에 도시된 또 다른 양상에서, 방법(358)은 프로파일 및 추천 시스템(364)에 의해 생성된 카테고리 페이지 상에서 추천안들을 수신하기 위해 무선 게이트웨이(362)에 액세스하는 무선 디바이스(360)를 도시한다. 366에 도시된 바와 같이, 무선 디바이스(360)는 무선 게이트웨이(362)로부터 카테고리 페이지를 보도록 요청하고, 상기 무선 게이트웨이(362)는 차례로 368에 도시된 바와 같이, 추천안들에 대한 요청을 프로파일 및 추천 시스템(364)으로 포워딩한다. 추천안들은 생성되어, 370에서 도시된 바와 같이, 무선 게이트웨이(362)로 반환되고, 무선 게이트웨이(362)는 차례로 372에서 도시된 바와 같이, 무선 디바이스(360) 상에서 카테고리 페이지 상에 추천안들을 디스플레이한다. 사용자가 카테고리 페이지 상의 추천된 아이템을 선택할 때, 이러한 선택은 374에 도시된 바와 같이 무선 게이트웨이(362)로 통신된다. 무선 게이트웨이(362)는 376에서 도시된 바와 같이 프로파일 및 추천 시스템(364)으로 브라우징 활동(browing activity)의 피드백을 제공한다. 무선 디바이스(360)의 사용자는 무선 게이트웨이(362)로 통신되는 378에서 도시된 바와 같은 카테고리 페이지의 부가적인 뷰를 요청할 수 있다. 380에서 도시된 바와 같이, 무선 게이트웨이(362)는 카테고리 페이지를 파퓰레이팅(populate)하기 위해 추천안들을 요청하고, 이것은 차례로 382에서 도시된 바와 같이, 특정된 임계치보다 더 많이 이미 구매되거니 오퍼된 아이템을 제거하거나 선택된 추천 아이템에 관한 아이템을 부가하는 것과 같이, 최근의 브라우징 활동을 반영하는 카테고리 페이지에 대한 새로운 추천안들로 응답한다.
다시 도 5a를 참조하면, 프로파일 및 추천 시스템(308)은 고객-특정 빌링 시스템들(304)에 대한 애플리케이션 프로그래밍 인터페이스(application programming interface; API)로서 빌링 시나리오들의 범위를 지원할 수 있다. 무선 디바이스(312)는 빌링 시스템(304)으로 320에 도시된 바와 같이 실시간 정보에 대한 요청을 전송하여, 실시간 계정잔액(balance) 질의들이 수행될 수 있게 하고, 새로운 가입과 같은 구매 이벤트들이 통지될 수 있게 하며, 프로모션 계정잔액들이 이용될 수 한다(예를 들어, 새로운 계약의 첫 번째 3달 동안, 가입자가 한 달에 2개의 게임들을 무료로 다운로드할 수 있는 등). 그리하여, 빌링 시스템(304)은 324에서 도시된 바와 같이, 정보 또는 거래 체크을 무선 디바이스(312)로 반환한다. 프로파일 및 추천 시스템(308)에 의해 수행된 이러한 API의 실시간 성질은 선불 가입자들의 계정잔액들이 효과적으로 관리되고 수입 누설이 최소화됨을 보장한다.
일 예를 따라, 블록(328)에서 도시된 바와 같이, 프로파일 및 추천 시스템(308)은 빌링 목적들을 위한 콜 데이터 레코드(Call Data Record; CDR)들의 생성에 요금표 코드(tariff code)들을 사용할 수 있고, CDR들은 330에서 도시된 바와 같이 빌링 시스템(304)로 송신된다. 이러한 코드들은 사용자-정의되고, 컨텐트 소르로부터의 모든 컨텐트와 연관될 수 있다. 일 양상에서, 다수의 CDR 포맷 출력들은 또한 이러한 인터페이스에 의해 지원될 수 있다. 기본적은 요금표 코드 정보에 부가하여, 그것은 또한 가입자의 청구서(bill) 상에 포함될 수 있는 실제 컨텐트의 기술(description)들을 포함할 수 있다. 그것은 또한 제로 또는 특별한 등급(rating)을 갖는 프로모션 정보에 대한 빌링 태그(billing tag)들을 관리할 수 있다. 일 구현예에 따르면, 블록(332)에 도시된 바와 같이, 프로파일 및 추천 시스템(308)은 또한 모바일 운영자가 실제 컨텐트에 대한 프라이싱 대 컨텐트를 전달하기 위해 사용된 대역폭 간의 구별을 돕기 위해 정산 데이터(settlement data)를 처리할 수 있고, 이것은 334에서 도시된 바와 같이 빌링 시스템(304)으로 송신된다. 그것은 또한 모바일 운영자가 얼마나 많이 컨텐트 제공자에게 지불할 의무가 있는지에 대하여 리포팅하도록 도매가와 소매가 간에 구별할 수 있다.
프로파일 및 추천 시스템(308)은 다수의 에이전트들이 프로파일 모듈(232)(도 4) 또는 카탈로그 모듈(230)(도 4)로 데이터를 공급할 수 있게 하도록 더 동작가능하다. 예를 들어, 빌링 시스템(304)으로부터 342에서 도시된 바와 같이 사용자 또는 가입자 구매 이력을 수신하기 위해, 338에서 도시된 자와 같이 하나의 에이전트(336)가 CRM 시스템(306) 및 또 다른 에이전트(340)로부터 사용자 또는 가입자 속성 정보를 수신하도록 구성하는 것이 가능하다.
추천 애플리케이션(212)은 프로파일 및 추천 시스템(308)이 외부 애플리케이션과 인터페이스할 수 있는 수단을 제공하도록 동작하고, 외부 애플리케이션을 통해 예를 들어, 프로모션의 카달로그 및 컨텐트 관리와 같이, 프로파일 및 추천 시스템(308)의 모든 양상들이 관리될 수 있다. 일 양상에서, 이것은 관리자들에게 이용가능한 웹 기반 사용자 인터페이스(미도시)일 수 있고, 관리자들은 모바일 운영자의 고용인들이거나 그것의 연관된 사업 파트너들, 예컨대, 그것의 컨텐트 파트너들일 수 있다. 이러한 추천 애플리케이션(344)의 다수의 특징들은 이하에서 프로파일 및 추천 시스템(308)의 여러 다양한 모듈들을 참조하여 기술될 때 이해될 것이다.
구성가능한 시간 주기들에서, 346에 도시된 바와 같이, 컨텐트 카탈로그의 버전-제어된 사본(version-controlled copy)은 중앙 카탈로그 위치(348)에 수출될 수 있다. 일 양상에 따라, 블록(350)에서 중앙 제품 카탈로그에 컨텐트에 관한 데이터를 유지하는 프로파일 및 추천 시스템(308)은 352에서 도시된 바와 같이 프로파일 및 추천 시스템(308)이 카탈로그 모듈(230)의 XML 포맷을 중앙 카탈로그 위치(348)로 수출할 수 있게 한다. 이러한 방식으로, 일 예에 따라, 모든 세부사항들이 보존되고 컨텐트의 재-인덱싱에 관한 어떠한 이슈들도 일어나지 않을 수 있다.
도 6을 참조하면, 일 구현예에 따라, 사용자들 또는 가입자들을 프로파일링하기 위한 방법(400)은 가입자들의 사용 및 관심들의 상세한 이해(프로파일 모듈(232)을 통해 구축(도 4)) 및 상세한 컨텐트 카탈로그를 통해 촉진된다. 이러한 상세한 컨텐트 카탈로그는 메타데이터의 정의를 통해 가능해진다. 일 예에서, 카탈로그 모듈(230)(도 4)은 모바일 운영자들 및 연관된 사업 파트너들에 걸쳐 이용가능한 모든 컨텐트 또는 서비스들의 단일 뷰를 형성하도록 동작한다(블록(402)). 부가적으로, 카탈로그 모듈(320)은 각각의 디바이스에 의해 지원되는 컨텐트 또는 서비스들을 식별하도록 동작할 수 있다(블록(404)). 카탈로그 모듈(320)은 컨텐트와 서비스들 간의 관계를 더 식별하도록 동작할 수 있다(블록(406)). 부가적으로, 카탈로그 모듈은 가입자 세그먼트들을 각각의 컨텐트 또는 서비스와 연관시키도록 동작할 수 있다(블록(408)). 카탈로그 모듈(230)은 각각의 컨텐트 또는 서비스가 어떤 가입자 세그먼트들에 적용될지, 컨텐트 또는 서비스 간의 관계들, 그리고 어떤 디바이스들이 컨텐트 또는 서비스 및 사용 정보를 지원하는지에 관한 상세한 타겟팅 정보를 조합하도록 더 동작한다(블록(410)).
일 예에 따르면, 카탈로그 모듈(230)은 메타데이터 정의들의 기초 세트를 제공하고, 컨텐트 또는 서비스의 각각의 개별 피스(piece)에 대한 메타데이터의 부가적인 무제한 범위를 정의한다(블록(414)). 컨텐트 또는 서비스 아이템들에 대해 정의된 메타데이터 엘리먼트들의 범위가 더 클수록, 컨텐트 또는 서비스들을 (자산 그룹(asset group)들로) 그룹핑하는 관점에서, 그리고 컨텐트 또는 서비스들을 다양한 관심사들을 가진 사용자들 또는 가입자들로 맵핑하기 위한 더 많은 옵션들이 존재한다. 하나의 비-제한적인 예에 따라, 이러한 메타데이터는 다른 것들 가운데, 데이터 볼륨, 프라이싱 정보(소매 및 정산), 성인 컨텐트, 프로모션 태그들, 컨텐트의 위치(근거리에 또는 원거리에 저장) 등을 특정할 수 있다.
카탈로그 모듈(230)은 컨텐트 또는 서비스 메타데이터가 저장되거나, 그것이 부가적으로 컨텐트 또는 서비스 자체(예를 들어, 벨소리들, 배경화면들 등)의 일부 또는 전부를 저장하는 상황들에서 구현될 수 있다. 후자의 경우에, 근거리에 저장된 컨텐트에 대한 관리 및 전달을 수행하도록 동작하는 컨텐트 모듈이 또한 활용될 수있다(블록(416)). 컨텐트 그 자체가 저장되지 않는 한 가지 예시적인 활용예에서, 카탈로그 모듈(230)은 컨텐트가 발견될 수 있는 곳에 대한 하나 이상의 링크들을 유지하도록 동작한다(블록(418)). 어느 경우든, 컨텐트 메타데이터의 적시의 정확한 파퓰레이션(population)은 프로파일 및 추천 시스템(101)의 모듈들(도 4)이 효과적으로 기능할 수 있게 한다.
도 7은 일 양상에 따라 카탈로그 모듈(230)의 주 컴포넌트들의 블록 다이어그램을 보여준다. 이들은 컨텐트 그룹핑 모듈(501), 검색 모듈(502), 컨텐트 관리 모듈(503), 컨텐트 데이터베이스 모듈(504), 및 컨텐트 섭취 모듈(content ingestion module)(505)을 포함한다. 이러한 모듈들 각각의 기능은 이하에서 더 상세히 설명된다.
일 양상에서, 컨텐트 그룹핑 모듈(501)은 포털에 자산 그룹핑을 제공할 수 있다. 자산 그룹핑은 컨텐트 테마 및 사용자 또는 가입자의 요금표 및 모바일 디바이스 능력들에 특정된 페이지들이 구축될 수 있게 한다. 카탈로그 모듈(230)은 다수의 소스들로부터의 모든 컨텐트 또는 서비스들(예를 들어, 단일 자산 그룹으로서, 필름 등)을 자동으로 병합할 수 있다. 또 다른 예에서, 브리트니 스피어스 벨소리가 속하는 여성 팝 아티스트들에 대한 자산 그룹이 존재할 수 있다. 또한 동일한 벨소리가 속하는 브리트니 스피어스에 대한 자산 그룹이 존재할 수도 있는 반면, 동일한 벨소리는 또한 상위 10 벨소리들에 대한 자산 그룹에 속할 수 있다. 자산 그룹들의 형성은 메타데이터을 중심으로 한 그룹핑, 및 한 피스의 컨텐트가 속하는 자산 그룹들의 범위에 기초한다. 일 양상에서, 컨텐트 그룹핑 모듈(501)에 의한 컨텐트 아이템에 대한 자산 그룹들의 형성은 컨텐트 아이템에 대해 정의된 메타데이터 태그들의 개수에 의해 제한될 수 있다.
일 양상에 따르면, 검색 모듈(502)은 키워드들에 기초하여 컨텐트 검색 능력을 제공하는 내장(built-in) 검색 엔진을 제공한다. 상기 엔진은 컨텐트 메타데이터로부터 검색 인덱스를 구축함으로써 동작한다. 검색이 수행될 수 있는 정확한 메타데이터 필드들을 구성하는 것이 가능하다. 예를 들어, 검색 모듈(502)은 아티스트 및 제목과 같이 통상적으로 사용되는 검색 필드들 및 비용과 같은 다른 필드들을 사용하여 검색을 가능하게 한다. 검색 인덱스는 카탈로그 데이터로부터 구성가능한 기간들에서 업데이트된다.
일 양상에서, 모바일 디바이스 능력은 컨텐트의 카테로그와 상기 컨텐트를 지원하는 디바이스들 간의 추상적인 맵핑(abstract mapping)이다. 예를 들어, "MMS 30K"의 디바이스 능력은 30 Kb 제한치로 MMS 메시지들을 지원하는 디바이스들을 트랙킹하기 위해 사용될 수 있다. 일 구현예에서, 프로파일 및 추천 시스템(101)은 어떤 디바이스들(102)이 이러한 능력을 지원하는지, 그리고 컨텐트 중 어떤 아이템들이 이러한 능력을 요구하는지를 트랙킹하도록 동작할 수 있다. 그 다음, 특정 디바이스에 의해 지원되는 컨텐트에 대한 검색 모듈(502)을 사용하여 카탈로그 모듈(230)에 질의하는 것이 가능하다. 하나의 경우에서, 후자는 포털에 의해 성취될 수 있다. 이러한 방식으로, 사용자 또는 가입자들은 그들의 모바일 디바이스들과 호환되지 않는 컨텐트에 대해 오퍼를 받지 않는다. 부가하여, "MMS 100K"의 디바이스 능력이 또한 존재할 수 있다. 하나의 경우에서, 디바이스는 양쪽 능력들을 가질 수 있고, 우선순위는 가장 적합한 능력, 이 경우, 100K 버전에 주어질 수 있다. 일 양상에 따라, 컨텐트 정보는 컨텐트 섭취 모듈(505)을 사용하여 리트리브(retrieve)된다. 특정 사용자 또는 가입자에 대하여 정보가 리트리브될 때, 프로파일 및 추천 시스템(101)은 해당 사용자 또는 가입자의 디바이스에 대해 가장 적합한 컨텐트를 반환할 것이다.
프로파일 모듈(232)과 활용될 때, 프로파일 및 추천 시스템(101)은 특정 카테고리들 내에서 어떤 컨텐트가 가장 인기있는지를 트랙킹할 수 있다. 그 다음, 이러한 정보는 "상위 10 게임들" 또는 "상위 10 아케이드 게임들"과 같은 카테고리들에 대한 형성을 위한 포털로 리포팅될 수 있다. 만약 사용 정보가 프로파일 모듈(232)로부터 이용가능하지 않다면, 카탈로그 모듈(230)은 명시적으로 특정된 컨텐트 인기도 순위를 가질 수 있다. 이것은 이러한 정보를 갖는 외부 시스템으로부터일 수 있거나, 관리자(213)에 의해 수동으로 설정될 수 있다. 한 경우에서, 카테고리 모듈(230)의 컨텐츠는 컨텐트 데이터베이스 모듈(504)에 저장된다. 이것은 이용가능한 컨텐트 또는 서비스들의 리트리브를 위하여 카탈로그 모듈(230)과 서비스들 및 컨텐트 정보 블록(208)(예를 들어, 포털 등) 간의 통신에 의해 파퓰레이팅될 수 있다. 추천 애플리케이션(212)은 인가된 사용자들(예를 들어, 컨텐트 제공자들)의 형태의 관리자(213)로 하여금 컨텐트 제공자가 컨텐트 관리 모듈(503)과 통신하여 카탈로그 모듈(230)에 부가하는 컨텐트와 연관된 메타데이터를 관리할 수 있게 한다. 일 예에 따라, 컨텐트 업데이트들의 대량 업로딩(bulk uploading)을 허용하는 XML API가 또한 제공된다. 이러한 인터페이스들을 통하여, 관리자(213)는 컨텐트가 어디에 저장되는지(예를 들어, 근거리에 또는 원거리에 등), 컨텐트 제공자가 상기 컨텐트에 대해 어떤 가격을 청구할 것인지 등과 같은, 컨텐트에 관한 정보를 구축할 수 있다. 일 예에 따르면, 컨텐트 제공자는 또한 컨텐트 제공자로 하여금 컨텐트 제공자가 모바일 운영자, 사용자들 또는 가입자들에게로의 컨텐트 또는 서비스를 할인할 의향이 있는 방식들을 특정할 수 있게 하는 기본 프로모션들을 구축할 수 있다. 상기 인터페이스는 컨텐트 사용에 대한 실시간 통계치들, 및 컨텐트 전달 상태, 그리고 가입자 활동을 더 제공할 수 있다.
일 예에서, 컨텐트 데이터베이스 모듈(504)로 카탈로그 데이터를 업로딩할 때, 카탈로그 존(zone)을 특정하는 것이 가능하다. 만약 카탈로그 존(들)이 특정된다면, 카달로그 존(들)은 카탈로그 데이터를 상이한 파티션들로 세그먼트하기 위해 사용된다. 일 예에서, 카탈로그 존은 추천안들이 컨텐트의 특정 서브섹션에 대해 반환되도록 컨텐트 아이템들을 상이한 영역들로 나누기 위해 사용될 수 있다. 예를 들어, 모든 음악 컨텐트 소스들은 카탈로그 존 "음악"을 제공받을 수 있고, 모든 게임 컨텐트 소스들은 카탈로그 존 "게임"을 제공받을 수 있다. 추천안을 요청할 때, 특정 카탈로그 존은 카탈로그 존으로부터 단지 추천된 아이템들만을 반환하기 위해(즉, "음악"의 카탈로그 존을 특정함으로써 단지 음악 추천안들만을 얻거나, "게임"의 카탈로그 존을 특정함으로써 단지 게임 추천안들만을 얻기 위해) 특정될 수 있다. 하나의 예에서, 아무런 카탈로그 존도 특정하지 않는 것은 모든 카탈로그 존들로부터의 추천안들(예를 들어, 이 예에서, "게임" 및 "음악")을 반환할 것이다.
계속하여 도 4를 참조하면, 프로파일 모듈(232)은 프로모션들 및 서비스들의 일-대-일 타겟팅을 가능하게 하기 위하여 사용자들의 또는 가입자들의 온라인 거동, 세그먼테이션, 관심사들, 가능성 있는 소비 패턴, 디바이스, 생일, 기념일, 피크 사용 기간들 등을 프로파일링하기 위한 액티브 메커니즘을 제공한다. 프로파일 모듈(232)은 그것의 지능적인 추천안들을 만들기 위해 결정 모듈(234)을 위해 요구되는 데이터를 제공한다. 하나의 경우에서, 프로파일 모듈(232)에 포함된 데이터가 더 풍부하고 더 관련성이 있을수록, 추천안들이 더 양호하다.
또 다른 양상에서, 도 8에서 프로파일 모듈(232)의 주 컴포넌트들의 블록 다이어그램은 프로파일 데이터베이스 모듈(601), 프로파일 관리 모듈(602), 프로파일 그룹핑 모듈(603) 및 프로파일 섭취 모듈(604)을 포함한다. 이러한 모듈들 각각의 기능은 이하에서 더 상세히 설명될 것이다.
일 예에 따르면, 디폴트로, 프로파일 모듈(232)은 실제 가입자 속성들(예를 들어, 선불 또는 후불) 및 구매 이력 정보 양자 모두의 관점에서 가장 통상적인 사용자 또는 가입자 세부사항들 중 다수를 포착하도록 요구된 메타데이터를 포함할 수 있다. 프로파일 모듈(232)은 부가적으로 특정 니즈를 만족시키기 위해 디폴트 가입자 프로파일 데이터를 용이하게 확장할 수 있는 능력을 제공할 수 있다.
계속하여 도 4 및 도 8을 참조하면, 하나의 예에서, 프로파일 관리 모듈(602)과 통신하고 있는 추천 애플리케이션(212)을 사용하여, 관리자(213)는 새로운 메타데이터 필드들, 각각의 데이터 타입, 새로운 메타데이터 필드들이 자유 형태인지 아니면 고정된 리스트로부터 나온 것인지, 그리고 새로운 메타데이터 필드들이 강제적인 것인지 여부를 정의할 수 있다. 그 다음 새로운 메타데이터는 프로파일 그룹들, 결정, 프로파일 데이터 수입(import) 및 수출(export)과 같은 영역들에서 디폴트 메타데이터와 동일한 방식으로 이용될 수 있다. 이러한 방식으로, 관리자(213)는 관리자(213)가 사전에 존재하는 메타데이터를 갖는 외부 시스템들로부터 프로파일 데이터를 수입/수출하는 시스템 및 프로세스를 사용하기를 원하는 방식에 더 잘 맞도록 프로파일 정보를 맞출 수 있다.
특히 도 8을 참조하면, 프로파일 그룹핑 모듈(603)은 프로파일 데이터베이스 모듈(601)에 저장된 정보에 기초하여 프로파일 그룹들을 형성 및 관리할 능력들 더 제공한다. 한 가지 예에서, 이러한 그룹들은 통상의 속성들 또는 구매 거동을 가진 사용자들 또는 가입자들로 구성된다. 하나의 예에서, 그룹들은 이하의 메커니즘들 둥 하나 이상에 의해 형성될 수 있다: (A) CRM 시스템과 같은 가입자 프로파일 정보 소스로부터 사용자 또는 가입자 리스트들을 수입. 이것은 수동(manual) 파일 수입 프로세스이거나 접속 모듈을 통해 자동화될 수 있다; (B) 프로파일 메타데이터의 특정 피스(들)에 의해 사용자들 또는 가입자들을 카테고리화(예를 들어, 모든 남성, 선불 가입자들, 등); (C) 상기 시스템의 과거 사용 분석(예를 들어, 컨텐트의 특정 피스 또는 카테고리를 구매하거나, 구매하지 않은 가입자들 등); 그리고 (D) 가입자들이 갖는 디바이스의 타입들에 의해 가입자들을 카테고리화(예를 들어, MMS 가능 디바이스들 등). 일 예에 따르며, 그룹들은 특정 시간 기간 동안 통계적으로 정의될 수 있거나(예를 들어, 2004년 12월에 게임을 구매한 사용자들 또는 가입자들, 등), 동적일 수 있다(예를 들어, 지난 달에 벨소리를 구매하지 않은 사용자들 또는 가입자들, 등).
계속하여 도 4를 참조하면, 하나의 예에서, 프로파일 그룹들은 이하의 방식들에서 유용할 수 있다: (A) 온라인 프로모션들, 여기서, 프로모팅 모듈(236)은 가입자가 포털을 방문할 때 어떤 가입자들이 특정 배너를 보아야 하는지 결정하기 위해 프로파일 그룹들을 사용할 수 있다. 예를 들어, SMS 경보들 및 MMS 가능 모바일 디바이스(102)를 갖는 모든 가입자들을 포함하는 가입자 그룹이 형성될 수 있다. 이것은 사용자 또는 가입자(222)가 다음에 포털(226)을 방문할 때 이러한 사용자들 또는 가입자들(222)에게 MMS 경보 서비스들을 오퍼하기 위해 사용될 것이다; (B) 아웃바운드(outbound) 프로모션들, 여기서, 프로모팅 모듈(236)은 어떤 사용자들 또는 가입자들(222)에게 SMS, MMS, WAP Push 등을 통한 아웃바운드 프로모션이 전송되어야 하는지 결정하기 위해 프로파일 그룹들을 사용할 수 있다. 예를 들어, "FIFA 2004"를 구매한 모든 사용자들 또는 가입자들(222)을 포함하는 가입자 그룹이 형성될 수 있다. 이것은 "FIFA 2005"에 대한 아웃바운드 프로모션을 시행하기 위해 사용될 것이다; (C) 프로파일 그룹들의 세부사항들은 중앙집중식 시스템(예를 들어, CRM 또는 데이터 웨어하우스(data warehouse) 등과 같은 가입자 프로파일 정보 소스(210))을 업데이트하기 위해 외부 시스템으로 수출될 수 있고, 그리하여 병합된 가입자 데이터베이스(미도시)를 유지하는 프로세스를 보조할 수 있다; (D) 프로파일 그룹들은 사용자들 또는 가입자들(222)이 새로운 프로모션들 또는 서비스들에 관한 정보를 수신하기 위해 가입-결정될 수 있는 관심 그룹들을 운영하기 위해 프로모팅 캠페인들과 함께 사용될 수 있다. 일 예에서, 프로모팅 모듈(236)은 사용자 또는 가입자 가입-결정 및 가입-탈퇴를 자동으로 관리하도록 동작할 것이다.
일 예에서, 가입자 당 접촉 횟수의 카운트 및 사용자 또는 가입자의 선호 접촉 방법을 유지하는 것이 또한 가능할 수 있다. 일 예에 따라, 후자는 규제 이유들로 또는 모바일 운영자의 고객 접촉 정책 하에서 요구될 수 있다. 그것은 특정 시간 프레임들에서 넓은 관심사들의 범위를 가진 사용자들 또는 가입자들에게 프로모션들을 퍼붓지 않음을 보장하기 위해 사용될 수 있다. 선호 접촉 방법을 레코딩하는 것은 프로모션들이 가장 긍정적인 응답을 끌어낼 가능성이 높은 방식으로 사용자 또는 가입자에게 안내될 것임을 보장할 수 있다.
일 양상에 따라, 프로파일 모듈(232)의 기능들 중 하나는, 요구될 때 프로파일 섭취 모듈(604)에 의한 이후의 리트리브를 위한 프로파일 데이터베이스 모듈(601) 내 사용자 또는 가입자 속성들 및 그들의 구매 이력의 효율적인 저장이다. 하나의 경우에서, 저장 메커니즘은 고성능 데이터 업데이트들 및 데이터 액세스를 가능하게 하는 방식으로 다량의 데이터를 저장할 수 있도록 구성된다. 일 양상에서, 프로파일 데이터를 포함한, 모든 플랫폼 데이터의 저장을 위한 오라클(Oracle) 관계 데이터베이스가 사용될 수 있다. 또 다른 예에서, 네이티브 오라클 접속성 API들(예를 들어, 자바 데이터베이스 접속성(Java Database Connectivity; JDBC), 오라클 콜 인터페이스(Oracle Call Interface; OCI), 등)을 사용하는 전용의, 그러나 경량의 데이터 액세스 층은 효율적인 방식으로 데이터베이스에 접속된다. 하나의 경우에서, 준비된 구조화 질의 언어(Structured Query Language; SQL) 명령문들을 사용한 다수의 데이터베이스 접속들을 통해 동작들을 실행시키는 것과 같은 기술들, 및 지능형 데이터 캐싱(caching)이 또한 사용될 수 있다. 데이터 액세스 층은 프로파일 기능을 구축할 청정 수준(clean level)을 제공하여, 플랫폼의 다른 부분들로부터 특정 저장 매커니즘들을 캡슐화할 수 있다.
부가하여, 일 예에서, 프로파일 모듈(232)의 확장가능 메타데이터 특징은 프로파일 데이터베이스 모듈(601)이 이러한 메타데이터 정의들 및 그들의 연관된 값들을 관리할 수 있을 것을 요구할 수 있다. 이러한 능력은 임의의 시스템 엔티티로 새로운 메타데이터 속성들을 정의하는 것을 허용하는 메타데이터 태그 라이브러리를 통해 제공될 수 있다. 하나의 예에서, 후자는 프로파일 모듈(232) 및 카탈로그 모듈(230)과 결합하여 사용된다.
*하나의 양상에 따라, 프로파일 데이터는 외부 시스템들(예를 들어, 가입자 프로파일 및 정보 소스 블록)로부터, 또는 프로파일 및 추천 시스템(101)에 의해 구축된 정보로부터 발생할 수 있다. 외부 시스템들로부터의 데이터는 접속 모듈(도 4에 미도시)을 통해 프로파일 데이터베이스 모듈(601)로 공급될 수 있다. 하나의 양상에서, 데이터는 사용자 또는 가입자 속성들에 관련될 수 있고, 이용가능한 경우 사용 정보를 포함할 수 있다.
하나의 구현예에서, 프로파일 및 추천 시스템(101)이 독립적으로 프로파일 정보를 파퓰레이팅할 수 있는 정도는 활용된 모듈들 및 상기 모듈들이 사용된 방식에 의존할 수 있다. 예를 들어, 만약 컨텐트 모듈이 특정 컨텐트 또는 서비스들을 전달하기 위해 사용된다면, 이러한 서비스들에 대한 사용 정보는 프로파일 데이터베이스 모듈(601)에 자동으로 레코딩될 수 있다. 만약 서비스들 및 컨텐트 정보 블록이 프로파일 및 추천 시스템(101)에 사용자 또는 가입자 구매들을 리포팅하는 방식으로 프로파일 및 추천 시스템(101)(도 4)이 서비스들 및 컨텐트 정보 컴포넌트(208)(예를 들어, 포털(226) 등)에 통합된다면, 그러한 정보 또한 레코딩될 수 있다.
하나의 예에서, 프로파일 데이터베이스 모듈(601)로 프로파일 데이터를 업로딩할 때, 프로파일 존을 상기 데이터에 할당하는 것이 가능할 수 있다. 특정된다면, 하나의 예에 따라, 프로파일 존(들)은 사용자 또는 가입자 거래 데이터를 상이한 파티션들로 세그먼트하기 위해 사용될 수 있다. 하나의 경우에 따르면, 프로파일 존은 추천들이 특정 파티션으로부터의 데이터를 사용하여 이루어지도록 가입자 트랜잭션(transaction)들을 상이한 파티션들로 나누기 위해 사용될 수 있다. 예를 들어, 2개의 운영자들(예를 들어, 모바일 가상 네트워크 운영자(Mobile Virtual Network Operator; MVNO)들)로부터의 트랜잭션 데이터가 상기 시스템으로 업로딩되었다면, 각각의 운영자로부터의 트랜잭션들에는 상이한 프로파일 존 값들이 제공될 수 있다.
도 9를 참조하면, 하나의 양상에 따라, 추천안 생성을 위한 방법(700)이 집합(aggregate) 데이터 생성을 포함한 준비를 수행하는 오프라인 단계(phase) I(블록(702))을 갖는 것으로서 도시된다. 뒤따르는 3개의 실시간 프로세스들은 개별로 선택을 수행하는 단계 Ⅱ(블록(704))를 포함한다. 단계 Ⅲ은 직관력 기반 마켓팅(insight driven marketing)에 대한 가중을 수행한다(블록(706)). 단계 Ⅳ는 규칙 기반 프리젠테이션(rules driven presentation)에 대한 필터링을 수행한다(블록(708)).
계속하여 도 4 및 도 8을 참조하면, 단계 I "준비" 프로세싱 동안, 결정 모듈(234)은 개별적으로 각각의 프로파일 존에 대한 데이터, 및 모든 데이터를 결합할 디폴트 존을 생성할 것이다. 추천안들을 요청할 때, 요구된 프로파일 존이 사용자 인터페이스(UI) 상에서 선택되거나, API 콜 상에서 특정될 수 있다. 만약 프로파일 섭취 모듈(604)을 사용하여 추천안을 요청할 때 프로파일 존이 특정되지 않는다면, 디폴트 존으로부터의 데이터가 사용될 수 있다.
결정 모듈(234)은 사용자들 또는 가입자들에 대한 최선의 오퍼를 추천하기 위해 사용된다. 하나의 구현예에 따르면, 후자는 프로모팅 모듈과 상이한데, 여기서, 관리자(213) 최선 오퍼 선택 메커니즘은 고정된 개수의 사전 정의된 프로모션들 및 다수의 사전-결정된 프로파일 그룹들을 사용한다. 일 예에 따르면, 결정 모듈(234)을 사용하여, 수동 구성없이 가장 적절한 오퍼를 자동으로 생성하는 것이 가능하다.
계속하여 도 4를 참조하면, 결정 모듈(234), 및 가입자 및 이용가능한 컨텐트와 데이터 서비스들의 통일된 뷰를 사용함으로써, 개별 사용자 또는 가입자로의 가장 관련된 컨텐트 또는 서비스의 직접적인 지능형 매치가 사용되고 있는 무선 디바이스(102), 사용자 또는 가입자 인구 통계치들, 이전의 구매 거동, 사용자 또는 가입자의 이전 구매 거동이 다른 유사한 가입자들의 구입 습관들과 관련되는 방식, 이용가능한 펀드들 등과 같은 요소들을 고려하여 이루어질 수 있다. 이러한 고유하고 넓은 범위의 결정 기준들은 단지 관련성 있는 컨텐트만이 사용자 또는 가입자(222)에게 오퍼되거나 제시됨을 보장한다.
결정 모듈(234)은 추천안들을 생성하기 위해 프로파일 모듈(232)로부터 이용가능한 가입자 정보와 함께 카탈로그 모듈(230)로부터 이용가능한 제품 정보를 더 이용한다. 일 양상에 따르면, 이러한 모듈들에 이용가능하게 이루어진 정보가 더 많을수록, 결정 모듈(234)에 의해 이루어질 수 있는 추천안들이 더 양호해진다.
일 양상에 따라, 결정 모듈(234)은 사용자들 또는 가입자들(222)에게 관련성 있는, 관심있고 시기적절한 컨텐트 또는 서비스들 및 프로모션들을 제시하기 위하여 카탈로그 모듈(230) 및 프로파일 모듈(232)에 의해 수집된 실질적으로 모든 정보를 이용한다. 따라서 결정 모듈(234)은 모바일 운영자들로 하여금 사용자 또는 가입자(222)가 모바일 운영자의 컨텐트 또는 서비스들을 사용할 때마다 모바일 운영자들이 판매 기회들을 실질적으로 자동으로 최대화할 수 있음을 보장할 수 있도록 하는 자가-학습 능력(self-learning capability)들을 가져온다.
하나 이상의 비제한적인 양상들에서, 결정 모듈(234)은 다수의 사용 경우들을 갖는다: (A) 가입자가 포털에 액세스하고 프로파일 및 추천 시스템(101)이 가장 적절한 프로모션을 제안하도록 요구될 때 가입자에 대한 최선의 프로모션(프로모팅 모듈(236)에 의해 정의됨) 선택; (B) 명시적으로 형성된 프로모션에 의해 선택되고 있는 컨텐트의 피스 대신에, 사용자 또는 가입자에 대한 컨텐트 또는 서비스(카탈로그 모듈(230)에 저장됨)의 선택. 후자는 잘-파퓰레이팅된 카탈로그가 이용가능할 때 명시적으로 프로모션들을 생성하기 위해 관리자(213)에 대한 요구조건을 제거한다; (C) 프로모션으로 타겟팅할 최선의 사용자들 또는 가입자들 선택. 후자는 아웃바운드 프로모션을 위해 사용자들 또는 가입자들의 타겟 리스트를 선택할 때 수행된다. 일 예에서, 결정 모듈(234)은 최소 정도의 확실성으로 결정 모듈(234)이 프로모션에 긍정적으로 반응할 것으로 결정한 사용자들 또는 가입자들을 식별한다; (D) 사용자들 또는 가입자들의 그룹에 할 최선의 오퍼 선택, 여기서, 오퍼될 컨텐트 또는 서비스는 특정 프로모션보다 오히려 카탈로그 모듈(230)로부터 선택된다. 하나의 경우에서, 사용자들 또는 가입자들(222)의 식별된 그룹으로 시작하여, 결정 모듈(234)은 특정된 최소치를 넘는 긍정적인 반응을 끌어낼 확률을 가진 컨텐트 아이템들을 선택하여 카탈로그 모듈(230)로부터 각각의 사용자 또는 가입자(222)에게 오퍼할 최선의 컨텐트 아이템 또는 서비스를 식별한다; (E) 이미 구매한 아이템들에 기초한 컨텐트 또는 서비스의 교차-판매. 결정 모듈(234)은 사용자 또는 가입자(222)에게 또한 추천되어야 하는 또 다른 컨텐트 아이템 또는 서비스를 식별하기 위해 가입자의 최종 구매에 관한 정보를 사용할 수 있다. 상기 컨텐트 또는 서비스는 구매가 이루어진 직후에 자동화된 아웃바운드 프로모션을 통해 또는 포털 상에서 사용자 또는 가입자(222)에게 추천될 수 있다.
도 9를 더 참조하면, 결정 모듈에서의 추천안 생성 방법(700)의 4 단계들을 도시하는 개략적인 다이어그램이 하나의 양상에 따라 제공된다. 4 단계는 단계 I― 준비(702), 단계 Ⅱ ― 선택(704), 단계 Ⅲ ― 가중(706), 및 단계 Ⅳ ― 필터링(708)이다.
단계 I(방법(700)의 준비 부분(702)) 동안, 프로파일 및 추천 시스템(101) 내에 축적된 데이터 및 그것의 연관된 사업 파트너들이 조사되고(블록(710)), 일반적인 거동 트렌드들, 연관들 및 패턴들이 계산된다(블록(712)). 하나의 예에서, 단계 I 준비 방법(702)에서, 데이터 축적은 개별 레벨(블록(714))과 반대인 집합 레벨에서 수행된다. 단계 I 준비 방법(702)은 오프라인/백그라운드 프로세스에서 주기적으로 수행될 수 있다(블록(716)). 단계 I(702)가 수행되는 빈도는 데이터가 얼마나 자주 업데이트되는지에 의존할 수 있다. 각각의 결정 추천기(decision recommender)(알고리즘)가 자신 고유의 준비 단계를 가짐에 따라, 결정 추천기들은 각각의 추천기에 적합한 빈도들로 실행하도록 맞추어질 수 있다. 각각의 결정 추천기에 대한 부가적인 정보가 도 13 내지 도 16에 관련하여 이하에서 제공된다. 하나의 예시적인 예에 따르면, 그들 고유의 데이터베이스로 출력이 이루어진다(블록(718)). 또 다른 예에 따르면, 데이터는 각각 프로파일 및 카탈로그 모듈들(232 및 230) 내에서 축적될 수 있고, 상기 프로파일 및 카탈로그 모듈들(232 및 230)로부터 입력들이 또한 도출되었다. 당업자는 상이한 양상에서 데이터가 임의의 다른 적합한 소스로부터 축적될 수 있음을 이해하여야 한다.
방법(700)의 단계 Ⅱ 선택 부분(704) 동안, 결정 모듈(234)은 개인에 관한 특정 정보(예를 들어, 통계치, 과거 구매들, 선호도들 등)에 액세스할 수 있고(블록(720)), 결정 모듈 추천 알고리즘들은 개별 사용자 또는 가입자에 대하여 추천안들을 선택한다(블록(722)). 하나의 경우에서, 결정 모듈(234)은 신뢰도 레벨에 의해 배열된 추천안들의 대형(심도 있는) 리스트를 생성할 수 있다(블록(724)).
단계 Ⅲ 가중 방법(706) 동안, 결정 모듈(234)은 사용자 또는 가입자에게 추천할 가능성의 관점에서 우선순위화/탈-우선순위화되어야 하는 아이템들을 특정할 능력을 관리자(213), 컨텐트 제공자, 또는 모바일 운영자에게 제공할 수 있다. 한 가지 예시적인 사용 경우에서, 특별한 시점들(예를 들어, 크리스마스)에서 특정 컨텐트 또는 서비스를 프로모팅하거나 특정 핵심 아티스트들을 프로모팅하는 것이 바람직할 수 있다(블록(730)). 단계 Ⅲ(706) 동안, 가중 정보가 다음 단계로 진행하기 이전에 가입자의 추천안 리스트를 재배열하기 위해 사용된다(블록(732)).
단계 Ⅳ ― 필터링(708) 동안, 결정 모듈(234)은 단계 Ⅱ에서 생성된 추천안들의 리스트를 취하고, 과거 구매들 및 디바이스 호환성에 기초하여 필터링할 수 있고(블록(733)), 그 결과를 콜 애플리케이션(calling application) 상의 특정 컨텍스트에 더 특정되게 한다(블록(734)). 예를 들어, 특정 아티스트, 컨텐트 타입, 장르 또는 비용에 대한 추천안들만을 반환하는 것이 바람직할 수 있다(블록(736)). 특정 횟수로 사용자 또는 가입자에게 이미 추천되었었던 아이템들을 필터링하여 제거하는 것이 또한 가능하다(블록(738)). 하나의 예에 따라, 필터링 기준들은 API 호의 일부로서 콜 애플리케이션에 의해 특정되고(블록(740)), 이것은 블록(734) 이전에 일어나는 것으로 도시된다. 블록(738)을 뒤따르는 것으로 도시된 바와 같이, 임의의 개인이 임의의 아이템을 추천받아야 하는 최대 횟수와 같은, 시스템 전반(system wide)의 필터링 기준들을 특정하는 것이 가능하고(블록(741)), 그 다음 가입자에게로의 추천안의 오퍼링들에 대한 장래 카운트들을 위하여 추천안들의 트랙킹을 업데이트하는 것이 수반된다(블록(742)).
일 양상에 따라, 단계 I(702)는 개별 가입자 레벨에서 동작하지 않는 반면, 단계 Ⅱ(704), 단계 Ⅲ(706), 및 단계 Ⅳ(708)가 타겟팅된 추천안들을 생성하기 위해 개별 가입자의 데이터를 이용하기 때문에 단계 Ⅱ(704), 단계 Ⅲ(706), 및 단계 Ⅳ(708)은 개별 가입자 레벨에서 동작한다. 즉, 개별 사용자 또는 가입자의 프로파일 데이터(752), 사용자 또는 가입자 속성들(예를 들어, 연령, 세그먼트, 등)(754), 및 사용자 또는 가입자의 이력 정보(예를 들어, 구매들, 등)(756)를 포함하는 저장된 프로파일 데이터(750)가 도 8에 도시된 바와 같이 이용된다. 프로파일 데이터(750)는 또한 사용자/가입자 입력들/피드백(758)을 포함할 수 있다. 부가하여, 결정 모듈(234)은 결과들을 자동으로 필터링하기 위해 선호도 필터들(760)로서 도시된, 일정한 가입자 특정 정보를 이용할 수 있다. 일 예에 따라, 예시적인 필터들(760)은: (A) 가입자의 모바일 디바이스 메이커(make) 및 모델(762) ― 그러한 정보가 특정될 때, 결정 모듈은 가입자의 디바이스 상에서 동작할 수 있는 컨텐트 또는 서비스만이 추천될 것을 보장하도록 동작함; (B) 이전 구매들의 차단(764) ― 결정 모듈(234)은 가입자가 이미 구매하였던 아이템은 가입자에게 추천되지 않을 것임을 보장하도록 동작함; (C) 이전의 부정적인 피드백(766) ― 결정 모듈(234)은 가입자가 이미 부정적인 피드백/순위 정보를 제공하였던 아이템은 가입자에게 추천되지 않을 것임을 보장하도록 동작함; (D) 제한된 컨텐트(768) ― 아이템들은 제한된 것으로서 마킹될 수 있는데, 그러한 아이템들은 가입자가 명시적으로 그러한 컨텐트(예를 들어, 성인 컨텐트 등)를 수신하도록 선택하지 않았다면 추천되지 않아야 함을 의미한다. 결정 모듈(234)은 추천안들을 생성할 때 실시간 정보를 사용할 수 있음이 주목되어야 한다. 예를 들어, 만약 사용자 또는 가입자가 포털 상에서 한 아이템을 구매하거나 브라우징한다면, 이것은 즉시 해당 사용자 또는 가입자에게 제시된 추천안들에 영향을 미칠 수 있다. 그러한 예에서, 그러한 실시간 이벤트들은 프로파일 모듈(232) API를 통해서보다는 오히려 관련성 있는 API 호를 통해 프로파일 및 추천 시스템(101)에 공급될 수 있다. 대안적으로, 프로파일 API는 구매 정보를 전송하기 위해서만 사용될 수 있다.
도 10은 하나의 양상에 따라, 추천안들을 생성하기 위한 프로세스 플로우에서의 주요 동작들을 요약하는 방법(800)을 보여준다. 802에서, 외부 (콜) 애플리케이션은 전달되고 있는 컨텍스트 또는 다른 파라미터들을 수반할 수 있는, 프로파일 및 추천 시스템으로부터의 가입자에 대한 추천안을 요청한다. 804에서, 특정 가입자와 연관된 준비 단계(이전에 도 9와 관련하여 설명됨) 동안 축적된 데이터가 리트리브된다. 806에서, 결정 모듈은 리트리브된 데이터에 기초하여 가입자에 대한 복수 개의 추천안들을 생성한다. 808에서는, 806에서 생성된 추천안들이 가입자에 대한 추천안들의 최종 리스트를 제공하기 위해 개량된다. 810에서, 추천안들의 이러한 최종 리스트는 외부 애플리케이션으로 반환된다. 하나의 경우에서, 외부 애플리케이션은 그 다음 포털을 통한 온라인으로, 또는 SMS, MMS, WAP 푸시 메시지, 또는 사용자 또는 가입자의 모바일 디바이스로의 임의의 적절한 메커니즘을 통해 아웃바운드로 사용자 또는 가입자에게 전달하기 위한 생성된 추천안들을 전달할 수 있다.
도 11을 참조하면, 일 예에 따라, 도 10의 프로세스 플로우의 동작들(804 내지 808)의 하위-동작들을 더 포함하는 프로세스 플로우가 도시된다. 902에서, 사용자 또는 가입자와 연관된 데이터 모듈로부터의 데이터가 리트리브되고, 여기서 데이터 모듈은 사용자 또는 가입자에 관한 저장된 데이터의 주기적 검사로부터 구축되었다. 904에서, 이러한 데이터는 다수의 추천 알고리즘들로 입력되고, 각각의 추천 알고리즘은 가입자에 대하여 실시간으로 추천안들을 계산한다. 결과로 나오는 추천안들은 추천안들의 심도 있는 리스트를 형성하도록 조합된다. 906에서, 추천안들의 심도 있는 리스트는 신뢰도 레벨에 의해 배열된다. 908에서, 추천안 리스트는 가중 규칙들에 기초하여 재배열된다. 910에서, 추가 프로세싱이 추천안들의 최종 리스트를 생성하기 위해 재배열된 리스트 상에서 수행된다.
도 12는 하나의 구현예에 따라, 도 11의 동작(910)에 관여된 하위-동작들의 프로세스 플로우를 보여준다. 1002에서, 가중된 추천안 리스트는 상기 리스트를, 추천안들을 요청하였던 외부 애플리케이션의 컨텍스트에 더 특정되게 만들도록 필터링된다(이전에 단계 Ⅳ에서 설명된 바와 같이). 1004에서, 사용자 또는 가입자에 의해 이전에 구매되었던 컨텐트 또는 서비스에 대한 해당 추천안들은 필터링된 리스트로부터 제거된다. 1006에서, 사용자 또는 가입자의 모바일 디바이스와 호환되지 않는 해당 추천안들 또한 제거된다. 이것은 특정 사용자 또는 가입자에 대한 최종 리스트를 확립한다. 도 12의 동작들(1002, 1004 및 1006)의 순서는 상호교환될 수 있음이 주목되어야 한다. 이전에 도시되고 설명된 바와 같이, 필터링은 이미 너무 많은 횟수로 추천된, 제한된 컨텐트 및 아이템들을 더 포함할 수 있다.
이전에 언급된 바와 같이, 하나의 예에 따라, 결정 모듈(234)은 실질적으로 최선의 가능한 추천안들을 생성하기 위해 상이한 알고리즘들의 조합을 사용할 수 있다. 다수의 알고리즘을 사용하는 것은 결정 모듈(234)로 하여금 이용가능한 데이터의 품질 및 양에 대하여 실질적으로 가장 적절한 기술들을 이용할 수 있게 한다. 이러한 방식으로, 결정 모듈(234)은 거의 어떠한 시나리오에서든 적합한 추천안을 생성할 수 있다.
하나의 예에서, 추천안들을 생성하기 위해 사용된 알고리즘들은 결정 제어기(본 명세서에서는 "결정 추천기"로도 지칭됨)에 의해 제어된다. 예를 들어, 하나의 구현예에서, 결정 제어기는 추천안들을 생성하기 위해 5가지의 상이한 알고리즘들을 사용하도록 구성될 수 있다. 이를 행함에 있어, 결정 제어기는 적절한 서브 루틴들을 특정된 순서로 콜하고 그 다음 생성된 추천안들을 소팅하도록 동작한다.
하나의 예에 따르면, 결정 제어기는 특정 시간 제한 내에서 추천안들을 반환하도록 구성될 수 있다. 예를 들어, 결정 제어기는 50 밀리초 내에서 특정 사용자 또는 가입자에 대한 추천안들을 생성하도록 요구될 수 있다. 하나의 경우에서, 결정 제어기는 이러한 예에서 추천안을 생성하는 것이 50 밀리초보다 더 오래 걸렸다면 추천안 생성 프로세스를 중지하도록 구성될 수 있다. 허용된 시간 내에서 생성된 추천안들이 반환될 것이다.
하나의 예에 따라, 도 13은 일 양상에 따른 연관(연관 규칙들 알고리즘), 비교(유사성 알고리즘), 그룹(프로파일링 알고리즘), 트랙킹(인기있는 컨텐트 알고리즘), 및 네트워크(소셜 네트워킹(social networking) 알고리즘) 추천기 알고리즘 모듈들(1104, 1106, 1108, 1110 및 1112)(집합하여 본 명세서에서 "추천기 모듈들(1114)"로 지칭됨)과 결정 제어기(1116) 간의 관계에 대한 블록 다이어그램을 보여준다. 도 13에 도시된 예에서 알 수 있듯이, 각각의 추천기 모듈들, 연관, 비교, 그룹, 트랙킹 및 네트워크 추천기 모듈들(1104, 1106, 1108, 1110 및 1112)은 리트리브된 가입자 데이터를 입력으로서 받아들이고, 추천안들의 리스트(1118)를 생성하기 위해 데이터를 프로세싱한다. 그 다음 각각의 리스트는 결정 제어기(1116)에 입력되고, 결정 제어기(1116)는 추천안들의 최종 리스트(1120)를 출력하도록 결과들을 프로세싱한다.
하나의 예에서, 추천기 모듈들(1114)은 데이터의 소정의 사전-프로세싱(preprocessing)(1122)을 수반할 수 있다. 그 다음 사전-프로세싱된 데이터는 추천안 생성 시간에서 사용될 수 있다. 이러한 사전-프로세싱 단은 매일 특정 시점들에서 실행되도록, 계속하여 실행되도록, 오프라인으로 한 번 실행되도록 등으로 구성될 수 있다. 하나의 경우에서, 이러한 사전-프로세싱 단은 데이터를 일 포맷으로 정화하고, 프로세싱하고 구조화하며, 여기서 상기 포맷은 개별적인 추천안 발견 시간 동안에 신속하게 그리고 정확하게 사용될 수 있다.
하나의 경우에서, 추천기 모듈들(1114)은 결정 신뢰도 레벨(예를 들어, 1부터 5까지)을 반환하도록 구성될 수 있고, 상기 결정 신뢰도 레벨은 추천기 모듈들(114) 각각이 추천된 아이템에서 얼마나 많은 신뢰도를 갖는지를 표시한다. 하나의 예에서, 신뢰도 레벨 "5"로 반환된 아이템은 매우 양호한 추천안으로 고려되는 반면, 신뢰도 레벨 "1"을 가진 추천안은 불량한 추천안으로 고려된다. 하나의 구현예에 따르면, 각각의 추천기 모듈들(1114)은 내부 점수, 신뢰도 값을 더 갖도록 구성될 수 있다. 각각의 추천안에 대하여, 추천기 모듈(1114)은 정규화된 결정 신뢰도 레벨을 생성하기 위하여 이러한 내부 점수/신뢰도 값을 사용할 수 있다. 결정 제어기(1116)는 가중 컴포넌트(1126), 필터링 컴포넌트(1128), 및 소팅 컴포넌트(1130)를 사용하여 각각의 추천안들을 소팅하기 위하여 각각의 추천기 모듈들(1114)에 의해 반환된 신뢰도 레벨을 사용할 수 있다.
하나의 예에 따르면, 연관, 비교, 그룹, 트랙킹 및 네트워크 추천기들(1104, 1106, 1108, 1110 및 1112)은 이하에서 제공되는 바와 같이 기능들 A, B 및 C를 제공할 능력을 가질 수 있다:
도 14를 참조하며, 추천기 프로세싱 방법(1140)은 기능들 A, B 및 C를 제공함으로써 결정 형성을 지원한다. 기능 A는 블록(1141)에서 적용가능한 것으로 결정된 가입자에 대한 아이템들을 발견하는 것에 상관된다: 하나의 예에서, 각각의 추천기 모듈들(1114)은 추천안들에 대한 요청을 수신하는 것으로 도시된 바와 같이(블록(1142)), 개인의 추천된 아이템들의 리스트를 반환할 기능을 갖도록 구성된다. 상기 기능 콜은 추천 파라미터들을 수신하는 것으로서 도시된 바와 같이(블록(1144)), 제한들 없이, 최소 신뢰도 레벨, 추천안들의 개수 등을 포함한 여러 파라미터들을 취할 수 있다. 그 다음 결과들은 신뢰도 레벨에 의해 배열될 수 있다(블록(1146)). 하나의 경우에서, 추천된 아이템들은 개인의 모바일 디바이스와 호환될 수 있도록 구성되고(만약 모바일 디바이스 관련 정보가 제공되었다면), 개인에 의해 이미 구매된 아이템을 포함하지 않을 것이다(블록(1148)).
도 15에 도시된 바와 같이 결정 제어기(1116)에서의 이러한 개별 추천 기능(1200)에 대한 예시적인 프로세스 플로우는, getRecommendations 콜을 갖고 사용자 또는 가입자, 추천안들의 최대 개수, 최소 신뢰도 레벨, 카탈로그 및 프로파일 존들, 모바일 디바이스, 사용자지정(custom) 속성들 포함 필터 등을 특정하는 결정 액세스 매니저(Decision Access Manager; DAM)(1204)를 콜하는 포털 API(1202)를 포함할 수 있다. DAM(1204)은 그 다음 사용자/가입자 식별, 추천안들의 개수, 최소 신뢰도 레벨, 카탈로그 및 프로파일 존들, 모바일 디바이스, 사용자지정 속성들 포함 필터 등을 전달하면서 결정 제어기(1116)를 콜할 수 있다. 결정 제어기(1116)는 가입자 정보, 추천안들의 개수, 및 최소 신뢰도 레벨으로 각각의 추천기 모듈들(1114)을 콜한다. 그 이후에, 각각의 추천기 모듈들(1114)은 그것의 추천안들이 추천된 아이템들의 리스트에 이미 존재하지 않는다면 그러한 추천안들을 추천된 아이템들의 리스트에 부가하고, 최소 신뢰도를 초과하도록 정의된다. 결정 제어기(1116)는 그 다음 상기 리스트를 소팅하고, 카탈로그 존, 제한된 컨텐트, 디바이스 및 사용자지정 속성들 포함 필터 등에 의해 상기 리스트를 필터링한다. 하나의 경우에서, 단지 요청된 "추천안들의 개수"만이 DAM(1204)으로 반환된다. 후속적으로, DAM(1204)은 예를 들어, 상기 리스트의 모든 컨텐트 아이템들을 xml로 변환하여 호출자에게 반환할 수 있다.
도 14로 되돌아가면, 방법(1140)은 블록(1149)에서 적용가능한 것으로 결정된 바와 같이 아이템에 대한 가입자들(주어진 아이템을 추천할 최선의 가입자들)을 발견하는 것에 상관된다: 각각의 추천기 모듈들(1114)은 아이템이 추천되어야 하는 사용자들 또는 가입자들의 리스트를 반환할 기능을 갖도록 구성된다(블록(1150)). 하나의 예에서, 콜은 최소 신뢰도 등과 같은 여러 파라미터들을 취한다(블록(1152)). 결과들은 신뢰도 레벨에 의해 배열된다(블록(1154)). 그리하여, 추천된 가입자들이 디바이스 호환성에 따라 필터링된다(블록(1156)).
하나의 예에서, 결정 제어기(1116)에서의 도 15에 도시된 이러한 기능을 위한 프로세스 플로우는, getSubscriberForItem 콜을 사용하고 아이템, 최대 수의 가입자들, 최소 신뢰도, 카탈로그 및 프로파일 존들 등을 특정하는 결정 제어기(1116)를 콜하는 그래픽 사용자 인터페이스(GUI)(1206)를 포함한다. 결정 제어기(1116)는 사용자들 또는 가입자들의 수, 아이템, 최소 신뢰도 레벨, 카탈로그 존 및 프로파일 존으로 각각의 추천기 모듈들(1114)을 콜한다. 트랙 추천기(1110)를 제외한 각각의 추천기 모듈들(1114)은 만약 가입자가 추천된 가입자들의 리스트에 이미 존재하지 않는다면 추천된 가입자들을 추천된 가입자들의 리스트에 부가할 수 있다. 모든 추천기 모듈들(1114)을 콜한 이후에, 리스트는 소팅되고, 단지 요청된 "가입자들의 수"만이 GUI(1206)에 반환된다.
도 14로 되돌아가면, 방법(1140)은 블록(1157)에서 적용가능한 것으로서 도시된, 구매 이후(post purchase)에 관한 기능 C를 더 제공한다: 각각의 추천기 모듈들(1114)은 가입자가 구입한 이전의 아이템에 기초하여 가입자에 대한 추천된 컨텐트 또는 서비스 아이템들을 반환할 기능(블록(1158))을 포함하도록 구성될 수 있다. 하나의 예시적인 구현예에서, 사후 구매 추천은 보통 함께 구매되는 부속물들 또는 소모품들을 제안하는 것과 같이, 방금 구매된 아이템에 기초한 추천이다. 콜은 아이템, 최소 신뢰도 레벨, 추천안들의 개수 등을 포함한 여러 파라미터들을 받아들일 수 있다(블록(1160)). 결과들은 신뢰도 레벨에 의해 배열될 수 있다(블록(1162)). 추천된 아이템들은 개인의 모바일 디바이스(만약 제공된다면)과 호환가능할 것이고, 개인에 의해 이미 구매된 적 없었을 것이다(블록(1164)).
하나의 예에 따라, 결정 제어기(1116)에서의 도 15에 도시된 이러한 기능에 대한 프로세스 플로우는, getPostPurchaseRecommendations 콜을 갖고 이미 구입된 아이템들, 사용자 또는 가입자, 추천안들의 최대 개수, 최소 신뢰도 레벨, 카탈로그 및 프로파일 존들, 모바일 디바이스, 사용자지정 속성들 포함 필터 등을 특정하는 DAM(1204)에 대한 포털 API(1202) 콜을 포함할 수 있다. DAM(1204)은 구입한 아이템, 가입자, 추천안들의 개수, 최소 신뢰도 레벨, 카탈로그 및 프로파일 존들, 모바일 디바이스, 사용자지정 속성들 포함 필터 등으로 결정 제어기(1116)를 콜한다. 결정 제어기(1116)는 이미 구입한 아이템들, 가입자, 추천안들의 개수, 및 최소 신뢰도 레벨 등으로 각각의 추천기 모듈들(1114)을 콜한다.
각각의 추천기 모듈들(1114)은, 그것의 추천안들이 추천된 아이템들의 리스트에 이미 존재하지 않고 최소 신뢰도 레벨을 초과하면 그러한 추천안들을 추천된 아이템들의 리스트에 부가한다. 결정 제어기(1116)는 그 다음 상기 리스트를 소팅하고, 카탈로그 존, 제한된 컨텐트, 디바이스 및 사용자지정 속성들 포함 필터 등에 의해 상기 리스트를 필터링하며, 단지 요청된 "추천안들의 개수"만이 DAM(1204)으로 반환된다. 그 후에, DAM(1204)은 예를 들어, 상기 리스트의 모든 컨텐트 아이템들을 xml로 변환할 수 있고 호출자에게 반환한다.
일 예에 따르면, 포털 API(1202)는 외부 시스템들이 그것에 의해 결정 모듈(234)로부터의 결과들을 리트리브할 수 있게 해주는 메커니즘이다. 하나의 구현예에서, 포털 API(1202)는 3가지 주요 목적들을 갖는다: (A) 가입자의 추천안(들) 리트리브; (B) 가입자의 프로모션(들) 리트리브; 및 (C) 인기있는 컨텐트에 대한 정보 리트리브. 유사하게, 프로파일 API는 4번째 목적, (D) 실시간으로 프로파일 및 추천 시스템(101)으로 일정한 정보(예를 들어, 구매들) 공급을 수행할 수 있다.
도 15에 또한 도시된 바와 같이, 연관 추천기(1104)는 아이템 연관 액세서(Accessor)(1208)로 이어진다. 비교/유사성 추천기(1106)는 비교 액세서(1210)로 이어진다. 그룹 추천기(1108)는 그룹 구매 이력 액세서(1212) 및 그룹 멤버쉽 액세서(미도시)로 이어진다. 트랙 추천기(1110)는 트랙 액세서(1214)로 이어진다. 네트워크 추천기(1112)는 가입자 네트워크 이력 액세서(1216)로 이어진다.
도 13의 도시된 예에 나타난 바와 같이, 예시적인 프로파일 및 추천 시스템(101)은 연관 추천기(1104), 비교 추천기(1106), 그룹 추천기(1108), 트랙 추천기(1110), 및 네트워크 추천기(1112)를 포함할 수 있다.
도 16은 연관 추천기(1104), 비교/유사성 추천기(1106), 그룹 추천기(1108), 트랙 추천기(1110), 및 네트워크 추천기(1112)를 포함하는 추천기 모듈들(1114)의 프로세스 플로우과 연관된, 주요 파라미터들을 포함하는 결정 모듈(234)의 보다 상세한 블록 다이어그램을 보여준다. 각각의 추천기들에 대한 요약이 이하에 제공된다:
연관(연관 규칙들) 추천기(1104) - 하나의 예에 따라, 연관 추천기(1104)는 트랜잭션 이력 데이터에 대한 바구니 분석(basket analysis)을 수행하기 위해 진보된 연관 규칙을 사용한다. 연관 규칙 데이터 마이닝(mining)은 구매 이력 데이터에서 패턴들을 추출하기 위해 사용된 기술이다. 예를 들어, 슈퍼마켓 쇼핑 바구니 예에서, 연관 규칙 마이닝은 고객 쇼핑 바구니들에 나타나는 아이템들의 조합들을 조사함으로써, 예를 들어, ― "빵을 구입한 다수의 사람들은 또한 우유를 구입하였다"와 같은 슈퍼마켓에서의 판매를 위한 모든 아이템들 간의 공동-구매 관계들을 발견할 것이다. 연관 규칙은 수학적인 확률로서 이러한 관계를 정화가게 포착할 수 있다. 그 다음 슈퍼마켓 주인은 모든 이러한 아이템들의 쌍들에 대한 모든 확률들을 연구하여, 공동-구매할 것 같은 아이템들을 나란히 배치함으로써 전략적으로 선반들을 쌓아올릴 수 있다. 그러한 아이디어는 장래의 구매 거동에 영향을 주기 위해 트랜잭션 이력 데이터를 사용하는 것이다.
예를 들어, 컨텐트, 서비스, 또는 제품들(예를 들어, 다운로드들, 벨소리들 등)의 임의의 집합에 대하여, 만약 트랜잭션들(예를 들어, 슈퍼마켓 예에서 "쇼핑 바구니들")의 데이터베이스가 제공된다면, 아이템들 간의 연관 규칙들을 마이닝하는 것이 가능하다. 연관 규칙들은 사용자들, 가입자들, 또는 고객들이 이미 구매한 제품들에 기초하여, 장래에 사용자들, 가입자들, 고객들에게 컨텐츠, 서비스들, 또는 제품들의 지능적인 추천을 가능하게 한다. 더욱이, 하나의 예에서, 연관 규칙들은 "빵의 구매는 우유 구매의 높은 가능성을 암시한다"와 같은 아이템들의 쌍들 간의 단순한 관계들보다 더 복잡한 패턴들을 더 발견할 수 있다. 보다 상세히, 하나의 예에서, 연관 규칙들은 아이템세트들을 함께 링크할 수 있다. 아이템세트는 하나 이상의 아이템들의 그룹일 수 있다. 예를 들어, 만약 A 및 B가 임의의 2개의 (해체된) 아이템세트들이라면, "A가 이미 존재한다면, B가 트랜잭션에서 존재할 가능성은 무엇인가"에 관하여 질문을 할 수 있다. 후자는 "A ⇒ B"에 의해 표기하는 연관 규칙을 설정한다. 결정 모듈(234) 내에 통합된 연관 추천기(1104)는 최대 레벨 5, "ABCD ⇒ E"로 다중 레벨 연관들, 예를 들어, "AB ⇒ C, ABC ⇒ D"의 생성을 제공할 수 있다(즉, 누군가 아이템들 A, B, C 및 D를 사면, 동일한 사람이 아이템 E를 살 확률은 무엇인가).
하나의 예에서, 디폴트 구성은 3개의 아이템들로, 즉, 누군가 아이템들 A, B를 산다면, 그 사람이 아이템 C를 살 확률은 무엇인가로 설정될 수 있다. 이것은 대부분의 설치들에 대해 충분한 심도일 수 있다.
하나의 구현예에 따르면, 연관 규칙의 강도를 측정하기 위하여, 2개의 메트릭(metric)들이 이하의 표 1에서 제공되는 바와 같이 정의될 수 있다:
A 및 B를 포함하는 트랜잭션들의 수 지원(A⇒B)=P(A ∪ B) = ------------------------------------- 트랜잭션들의 총 수 A 및 B를 포함하는 트랜잭션들의 수 신뢰도(A⇒B)=P(B|A) = ------------------------------------- A를 포함하는 트랜잭션들의 수 |
하나의 예에서, 디폴트로, 결정 모듈(234) 내 연관 추천기(1104)는 2 이상의 아이템들을 구매한 고유한 가입자들의 수로서 트랜잭션들(바구니들)의 총 수를 계산한다. 이러한 값은 구성가능(configurable)하다.
하나의 예에서, 표 1에 도시된 메트릭들은 메트릭들을 퍼센티지로 표현하기 위해 100이 곱해진다. 지원(support)은 얼마나 자주 아이템세트들이 총 데이터베이스에서의 트랜잭션들에서 함께 일어나는지를 측정하고, 신뢰도는 얼마나 자주 B가 A를 포함하는 트랜잭션들에서 나타나는지를 측정한다. 연관 규칙은 이러한 메트릭들 양자 모두에서의 그것의 강도에 의해 정량화된다.
모든 가능한 아이템세트들 간의 모든 가능한 연관 규칙들을 계산하는 것은 계산적으로 매우 값 비싼 태스크(task)일 수 있다. 하나의 예에서, 그러한 제한들을 방지하기 위하여, 주목(attention)이 소위 빈번한 아이템세트들로 제한되고, 연관 알고리즘은 연관 규칙들을 계산할 매우 최적화된 방식을 제공할 수 있다. 하나의 구현예에 따라, 연관 알고리즘은 아이템 연관들을 생성하기 위해 트랜잭션들의 가입자이력(SubscriberHistory) 데이터베이스 표로부터의 트랜잭션들을 사용할 수 있다. 하나의 경우에서, 단지 액션 타입 "BUY"를 가진 트랜잭션들만이 연관들을 생성하기 위해 사용될 수 있다. 그러한 예에서, 단지 'BUY' 액션 타입들만이 추천안을 생성할 때 사용될 수 있다.
하나의 예에서, 액션 타입들 BUY, LIKE, DISLIKE, SUB, UNSUB 및 NOT_PURCHASED가 사용될 수 있다. 추천안 생성에서 후자의 액션 타입들을 사용할 때, 표 2에 도시된 예시적인 디폴트 가중치들이 사용될 수 있다:
트랜잭션 타입 | 가중 |
BUY | 100 |
LIKE | 20 |
DISLIKE | -20 |
SUB | 10 |
UNSUB | -10 |
NOT_PURCHASED | 0 |
예를 들어, "BUY" 트랜잭션은 LIKE 트랜잭션보다 더 상관성이 있는 것으로 고려될 수 있다. 그러나, 디폴트 가중치 값들은 번복될 수 있음이 주의되어야 한다.
추천안을 생성할 때, 결정 모듈(234)은 프로파일 API/인터페이스 데이터 섭취 컴포넌트(1305)를 경유하여 리트리브된 가입자의 과거 트랜잭션들(1309)을 조회할 수 있고, 아이템 당 가중치들을 모을 수 있다. 그 다음 이러한 정보는 연관 규칙들의 모든 관련성 있는 조합들을 조회하기 위해 사용될 수 있다. 그 다음 결과들은 그에 따라 가중되거나 소팅될 수 있다.
가입자에 대한 아이템들을 발견하기 위한 연관 추천기(1104)에서의 기능 콜들의 예시적인 플로우는 가입자가 구입한 아이템들을 얻어 컨텐트 연관 모듈(1306)에 상기 조합들의 아이템세트들을 구축하는 연관 모듈(1104)의 연관추천기(AssociationRecommender)를 포함한다. 그 이후에, 연관추천기는 각각의 아이템세트가 반환하여야 하는 추천된 연관들의 개수를 특정하여, 각각의 아이템세트에 대한 최소 지원 및 신뢰도를 가진 연관들을 찾는다. 연관추천기는 질의를 구성하고, 연관 지원 및 신뢰도가 최소치를 초과하는지 체크하여 아이템연관 스토어(itemassociations store)(예를 들어, DB 표 등)로부터 아이템 연관들을 얻는다. 그 후에, 전체 신뢰도 레벨에 의해 배열된 다수의 추천안들이 생성될 것이다.
하나의 예에서, 연관추천기는 각각의 아이템세트에 대하여 아이템연관 표로부터 결과들을 얻을 수 있다. 그 다음 연관추천기는 아이템들이 디바이스 호환성 및 메타데이터 필터링을 요인으로 고려할 수 있는 필터링 프로세스(1311)를 사용하고 디바이스 정보(1313)에 액세스함으로써 가입자에 의해 이미 구입되지 않았음을 체크할 수 있다. 그 후에, 연관추천기는 상기 아이템들을 리스트에 부가할 수 있고, 가중 규칙들(1309)에 따라 가중 프로세스(1307)를 사용하여 신뢰도 레벨을 적용한다. 그 다음 추천안들은 결정 추천기(234)로 반환된다.
아이템을 추천할 가입자들을 획득하기 위한 연관 추천기(1104)에서의 기능 콜들의 예시적인 플로우에서, 연관 추천기(1104)의 연관추천기는 아이템, 최소 신뢰도 레벨, 카탈로그 및 프로파일 존들, 및 반환되어야 하는 가입자들의 수를 받아들인다. 그 다음, 연관추천기는, 타겟 아이템을 포함하는 연관들에서의 아이템들을 구입하였으나 해당 아이템을 구입하지 않은 모든 사용자들 또는 가입자들을 추구하고 사용자들 또는 가입자들이 아이템을 지원할 수 있는 모바일 디바이스를 갖고 있음을 더 보장하면서. 아이템연관 스토어(예를 들어, DB 표, 등)에 타겟 아이템, 반환할 가입자들의 수, 및 최소 신뢰도 레벨을 질의할 수 있다.
구매 이후(post purchase)를 위한 연관 추천기(1104)에서의 기능 콜들의 예시적인 플로우는 연관 추천기(1104)의 연관추천기가 타겟 아이템을 포함하는 아이템세트를 형성하기 위해 특정 아이템을 사용하는 것을 포함한다. 그 다음, 연관추천기는 반환할 추천안들의 개수를 특정하면서(예를 들어, 구성가능한 속성 등을 사용하여), 아이템연관 스토어(예를 들어, DB 표, 등)에 각각의 아이템세트에 대한 최소 신뢰도 및 지원을 질의한다. 그 다음, 전체 신뢰도 레벨에 의해 배열된 다수의 추천안들이 반환된다. 연관추천기는 아이템들이 이미 사용자 또는 가입자에 의해 구입되지 않았음을 체크하고, 상기 아이템들을 리스트에 부가하며, 가중을 적용하고, 디바이스 호환성을 검증하고, 그 다음 결정 추천기(234)로 결과들을 반환한다.
비교 추천기(1106) - 하나의 예에서, 비교 추천기(1106)의 목적은 인터페이스 데이터 섭취를 수행하는 카탈로그 API(1329)로부터 입력들을 수신하는 컨텐트 메타데이터(1327)에 기초하여 컨텐트의 상이한 아이템들 간의 관계를 계산하기 위한 것이다. 하나의 예에 따라, 비교 추천기(1106)는 새로운 아이템(즉, 아직 어느 누구에 의해서도 구입되지 않은, 모바일 운영자 또는 연관된 사업 시스템에 부가된 새로운 아이템)에 대한 초기 추천 문제(cold start problem)를 해결하는 것을 보조할 수 있다. 하나의 경우에서, 연관 추천기(1104)는 새로운 아이템에 대한 어떠한 상관들도 발견할 수 없는데, 그 이유는 어떠한 가입자도 이러한 아이템을 구입한 적이 없고 상기 아이템은 가입자들의 이력들 중 어느 것에도 나타나지 않기 때문이다.
그러한 상황에서, 비교 추천기(1106)는 특정 아이템과 유사한 아이템들을 발견하고, 그 다음 그러한 아이템들에 대하여 그러한 아이템들을 추천받았을 가입자들을 발견할 수 있다. 하나의 경우에서, 비교 추천기(1106)는 컨텐트 유사성 수집물들(1310)을 형성하기 위하여 아티스트, 제목, 포함하는 컨텐트 소스의 명칭 및 공표자와 같은 메타데이터를 사용하여 아이템들을 비교한다. 임의의 사용자지정 속성들 또한 비교에 사용되도록 구성될 수 있음이 당업자에 의해 주목되어야 한다. 하나의 예에서, 후자는 컨텐트 사용자지정 속성 형성 프로세서 동안에 달성된다.
메타데이터를 비교할 때, 하나의 예에서, 비교 추천기(1106)는 메타데이터의 피스가 속성들을 비교함에 있어 얼마나 중요한지를 결정하기 위하여 메타데이터의 피스의 가중치를 사용할 수 있다. 가중치 값들은 예를 들어, 1 내지 5일 수 있고, 1은 최저 값이고 5는 최고 값이다. 예를 들어, 사용자지정 속성에 1의 가중을 가질 수 있는 "가격 카테고리"를 콜될 수 있는 동안, 장르 중 하나는 5의 값을 가질 수 있고, 2 아이템들의 장르들의 유사성은 그들의 가격들의 유사성보다 더 현저함을 나타낸다.
이러한 예에서, 비교 추천기(1106)는 그것이 메타데이터 값들을 비교할 수 있게 해주는 2개의 메커니즘들을 가질 수 있다. 제 1 메커니즘은 직설적 케이스 무감각 스트링 비교(straightforward case insensitive string comparison)를 사용할 수 있다. 제 2 메커니즘은 퍼지(fuzzy) 스트링 매칭 기술을 사용할 수 있다. 제 2 메커니즘은 동일하거나 유사한 값, 예를 들어, "FIFA 2004" 및 "FIFA 2005"를 표현하는 값들을 비교할 때 적절하다. 하나의 예에서, 비교될 콤마 분리된 서브스트링들로 구성된 스트링들을 허용하는 모드가 또한 제공된다.
하나의 예시적인 양상에서, 가입자에 대한 아이템들을 추천하기 위한 비교 알고리즘(1106)에서의 기능 콜들의 프로세스 플로우에서의 주요 동작들에 대한 요약은 비교 추천기(1106)의 유사성추천기(SimilarityRecommender)가 가입자가 구입한 아이템들을 얻는 것을 포함한다. 그 다음, 유사성추천기는, 각각의 구입된 아이템이 구성가능한 속성을 사용하여 반환하여야 하는 유사한 아이템들의 개수를 특정하여, 아이템유사성 스토어(예를 들어, DB 표)에 각각의 구입된 아이템에 대한 최소의 신뢰도 레벨을 질의한다. 그 후에, 유사성 점수에 의해 배열된 유사한 아이템들이 반환된다. 하나의 예에서, 유사성추천기는 각각의 사용자 구입 아이템에 대하여 유사한 아이템들을 얻고, 그 결과들이 이미 가입자에 의해 구입되지 않음을 체크한다. 그 다음 유사성추천기는 상기 아이템들을 리스트에 부가하고, 각각에 신뢰도 레벨을 적용한다. 그 다음 추천안들은 결정 추천기(234)에 반환된다.
예시적인 양상에 따라, 아이템을 추천할 가입자들을 추천하기 위한 비교 알고리즘(1106)에서의 기능 콜들의 프로세스 플로우에서의 주요 동작들에 대한 요약은, 비교 추천기(1106)의 유사성추천기가 아이템을 전달받고 구성가능한 속성에 의해 특정된 반환할 가입자들의 최대 수를 특정하는 것을 포함한다.
그 후에, 유사성추천기는 유사한 아이템들에 대하여 검색하고, 타겟 아이템을 구입하지 않았으나 하나 이상의 유사한 아이템들을 구입한 적이 있는 가입자들을 발견한다. 그 후에, 유사성추천기는, 신뢰도 점수에 의해 소팅하고 각각에 신뢰도 레벨을 적용하여 상기 사용자들을 리스트에 추가한다. 그 다음, "가입자들의 수"는 결정 추천기(234)에 반환된다.
그룹 추천기(1108) - 하나의 예에서, 그룹 추천기(1108)는 특정된 가입자 그룹들(즉, 가입자 그룹 거동(1324))에 의해 구매된 것으로, 가장 인기있는 아이템들을 계산하도록 구현된다. 하나의 양상에서, 이러한 추천기(1108)는 특히 가입자 초기 추천 문제를 해결하는데 유용한데, 여기서, 특정 가입자에 대하여 많은 이력 정보(구매들, 기호들, 혐오들 등)가 존재하지 않거나 어떠한 이력 정보도 존재하지 않을 수 있다. 그러나, 그러한 상황에서조차, 유용한 가입자 메타-데이터 또는 인구통계학적 정보가 이용가능할 수 있고, 이에 기초하여 추천안들이 구성될 수 있다. 예를 들어, 특정 가입자가 남성 후불 비지니스 사용자임이 알려져 있다면, 이러한 정보는 다른 유사한 인구 통계학적 가입자들이 좋아하는 컨텐트 또는 서비스들을 추천하기 위해 사용될 수 있다.
사용자 또는 가입자에 대한 추천안들을 생성할 때, 그룹 추천기(1108)는 먼저 사용자 또는 가입자가 속하는 사용자 또는 가입자 그룹들(즉, 프로파일 그룹 멤버십(1316))을 결정하고, 그 다음 그러한 그룹들에 가장 인기있는 컨텐트 아이템들을 리트리브한다. 그룹핑은, 특히 트랙 레코드 없이 새로운 멤버들에 대한 가입자 속성들 및 트랜잭션들(1304)을 지원하고 프로파일 그룹 멤버들(1316)을 지원하는 프로파일 그룹 형성 프로세스(1318)에 의해 공급될 수 있다. 그 다음 그러한 아이템들은 더 필터링되고(예를 들어, 사용자 또는 가입자에 의해 이미 구매된 아이템들이 제거되는 등), 신뢰도 레벨에 의해 소팅되고 반환된다. 또 다른 예에서, 아이템에 대한 가입자들을 추천할 때, 그룹 추천기(1108)는 컨텐트의 특정 아이템이 어떤 가입자 그룹들에게 인기가 있는지 결정할 수 있고, 이러한 그룹들의 멤버들(1316)을 리트리브한다. 그 다음 상기 그룹들의 멤버들이 필터링되고, 신뢰도 레벨에 의해 소팅되고 반환된다.
하나의 예에 따르면, 가입자에 대한 아이템들을 추천할 그룹 추천기(1108)에서의 기능 콜들의 프로세스 플로우 내 주요 동작들의 요약은 그룹 추천기(1108)가 가입자가 구매한 아이템들을 얻고 가입자가 멤버(1316)로 속해 있는 그룹들을 얻는 것을 포함할 수 있다. 그 다음, 그룹추천기(1108)는 선택적으로 프로파일 존을 사용하고 (구성가능한 속성을 사용하여) 반환되어야 하는 아이템들의 개수, 각각의 그룹에 대해 가장 많이 구매된 아이템들을 특정하여 저장장치(예를 들어, DB 표, 등)로부터 리트리브한다. 그 다음, 구매 빈도에 의해 배열된 아이템들의 개수가 반환된다. 그룹추천기는 그것들이 사용자에 의해 이미 구입되지 않았는지 체크하고, 상기 아이템들을 리스트에 부가하며, 신뢰도 점수를 적용한다. 그 다음 추천안들이 소팅되어 결정 추천기(234)로 반환된다.
하나의 예시적인 양상에서, 아이템을 추천할 가입자들에 대한 그룹 추천기(1108)에서의 기능 콜들의 프로세스 플로우의 주요 동작들의 요약은 그룹추천기(1108)가 아이템이 구성가능한 횟수로 구매되었던 모든 그룹들을 얻기 위해 아이템에 대한 데이터 저장(예를 들어, DB 표 등)에게 컨설팅을 구하는 것을 포함한다. 각각의 그룹에 대하여, 그룹 추천기는 이러한 아이템을 구입하지 않고 이러한 아이템을 지원하는 디바이스를 가진 사용자들 또는 가입자들을 얻는다. 그룹추천기(1108)는 최소 신뢰도 레벨을 초과한다면 이러한 가입자들을 가입자들의 리스트에 더 부가할 수 있고, 제한된 컨텐트가 각각의 가입자에 대하여 허용가능한지 아닌지를 체크한다.
도 17은 하나의 양상에 따라, 네트워크 추천기(1112)의 주 컴포넌트들의 블록 다이어그램을 보여준다. 그것은 콜 데이터 레코드 모듈(1402), 네트워크 구축기 모듈(network builder module)(1404), 네트워크 클리닝 모듈(1406), 가중 모듈(1408), 가입자 관계 식별자 모듈(1410), 및 네트워크추천기 모듈(1412)을 포함한다. 이러한 모듈들은 이하에서 더 상세히 기술될 것이다. 하나의 예에서, 네트워크 추천기(1112)는 P2P(피어-투-피어) 네트워크들(1322)을 형성하기 위하여 네트워크 구축기 프로세스(1321)에 의해 섭취된 피어-투-피어(P2P) 통신 데이터(1320)(예를 들어, 콜, SMS 데이터 등)를 사용한다. 그 다음 이러한 네트워크들(1322)은 로컬 네트워크(1322)의 멤버들의 거동에 기초하여 사용자에 대한 추천안들을 생성하기 위하여 사용될 수 있다. 하나의 예에서, 네트워크 추천기(1112)는 각각의 모바일 디바이스들을 사용하여 통신하는 사용자들의 쌍들 간의 링크들의 네트워크를 구축하기 위해 모바일 디바이스 사용(대화, SMS, MMS, 3G, 등)에 기초하여 콜 데이터 레코드(CDR)들을 사용한다. 그 다음 이러한 소셜 네트워크(1322)는 로컬 네트워크 내 해당 개인들의 구매 거동을 연구하기 위하여 개인의 네트워크 링크들을 폴링(poll)함으로써 아이템들을 사람들에게(또는 그 역으로) 추천하기 위해 사용될 수 있다.
계속하여 도 17을 참조하면, 하나의 양상에 따라, 네트워크 추천기(1112)는 적어도 3개의 모듈들, 특히, 네트워크 구축기(1404), 네트워크 클리너(1406), 및 네트워크추천기 알고리즘들(1412)로 구성된다.
도 18을 참조하면, 네트워크 추천을 위한 방법(1420)이 하나의 양상에 따라 도시된다. 하나의 예에서, 네트워크 구축기(1404)는 입력으로서 콜 데이터 레코드 모듈(1402)로부터 CDR들의 리스트를 받아들이고, 이 경우, CDR은 단순히 2개의 모바일 디바이스들 간의 통신을 포착하는 데이터의 라인이다(블록(1422)). 예시적인 CDR은 "CALLER_NUMBER, RECEIVER_NUMBER, CALL_TYPE, CALL_TIME, CALL_DURATION, CALL_COST"일 수 있다. 유틸리티(utility)는 유입 CDR들 상에 하나 이상의 "필터들"을 셋업하도록 구성될 수 있다. 하나의 양상에서, 필터는 CDR들이 통과하여야 하는 규칙들의 리스트이다. 하나의 예에서, 필터는 이하를 검증한다: (A) 호출자 및 수신자 번호들은 특정된 프리픽스(prefix)들 및 최소/최대 길이를 가짐(블록(1424)); (B) 콜은 특정된 타입(음성, SMS, MMS, 비디오 등)을 가짐(블록(1426)); (C) 음성 콜들은 특정된 최소/최대 지속기간 내에 있음(블록(1428)); (D) CDR은 달력의 특정된 시작/종료 날짜 사이에 해당함(블록(1430)); 및 (E) CDR의 시간은 특정된 매일의 시간들 사이에 해당함(블록(1432)). CDR의 한 주 중 요일 또한 필터링된다(블록(1433)).
그러한 필터들의 각각의 세트는 별개의 네트워크를 정의할 수 있다. 예를 들어, 하나의 그러한 네트워크는 월요일에서 금요일까지, 8am-6pm로부터의 통신들을 표현하는 CDR들을 포착할 수 있다 ― 즉, 비지니스 네트워크. 금요일 6pm부터 월요일 2am까지의 CDR들을 포착하는 또 다른 네트워크는 소셜 네트워크일 것이다.
하나의 예에서, 필터들을 통과하는 임의의 데이터 레코드들은 "네트워크 요약(Network Summary)" 표로 전송되고, 여기서, 하나의 경우에서, P2P 링크들은 단일 행으로서 저장되어 밀집된다(블록(1434)). 즉, 만약 호출자 A로부터 수신자 B로의 CDR이 들어오면, 표는 A 대 B에 대한 기존 행에 대해 체크된다. 만약 행이 이미 존재한다면, 행은 새로운 CDR에서의 정보로 업데이트된다. 그렇지 않으면, CDR은 새로운 행으로서 삽입된다. 이러한 방식으로, 최종 네트워크 요약 표의 각각의 라인은 2 사람 간의 전체 통신 활동을 표현한다.
하나의 예에 따라, 이러한 네트워크들 각각은 지향되도록 구성되고(블록(1436)), 이는 링크 "A ---→ B"가 링크 "B ---→ A"와 상이한 것으로 간주됨을 의미한다. 그러한 것으로서, 만약 CDR들이 A부터 B로의, 그리고 B로부터 A로의 통신에 대해 존재한다면, 각각은 네트워크 요약 표의 상이한 행에 있을 것이다. 하나의 예에서, 필터들은 XML 파일에 셋업되어 구성될 수 있고, 이것은 예를 들어, "RawRecordFilters.xml"로 불릴 수 있다.
하나의 경우에서, 네트워크 요약 표는 일정한 양의 잡음, 예를 들어, 기차 시간표들, 날씨, 뉴스 경보들, 택시 운전기사들 등과 같은 자동화된 서비스들을 포함할 것이다. 그러한 데이터는 추천안들의 관점에서 유용하지 않고, 그래서 네트워크 추천기(1112)는 클리닝 모듈(1406)을 사용하여 네트워크 요약 표로부터 그러한 데이터를 제거하도록 설계된다(블록(1438)). 하나의 양상에 따라, 네트워크구축기 모듈(1404)에서 형성된 각각의 네트워크에 대하여, 해당 네트워크만을 클리닝하도록 동작하는 별개의 필터가 형성될 수 있다. 필터는 예를 들어, 임의의 호출자가 갖도록 허용될 수 있는 유출 통신들의 최대/최소 개수를 특정할 수 있다(블록(1440)). 그리하여, 이러한 임계치들을 위반하는 호출자들은 네트워크 요약으로부터 제거된다.
하나의 예에서, 일단 네트워크 요약 표가 클리닝되었으면, 네트워크 추천기(1112)는 가중 모듈(1408)을 사용하여 각각의 관계(즉, 상기 표의 행)에 가중(또는 강도)을 할당하도록 구성된다(블록(1442)). 이것은 개인의 "가장 친한" 친구들(즉, 가장 높은 가중들을 갖는 사람들)을 식별하기 위하여 개인의 링크들이 순위 매겨질 수 있도록 한다(블록(1444)). 하나의 예에서, 이러한 필터들은 XML 파일로, 예를 들어, "NetworkSummaryTableCleaner.xml"로 셋업 및 구성될 수 있다.
일단 네트워크 요약 표가 구축 및 클리닝되면, 네트워크 추천기(1112)는 가입자에게 추천할 아이템들을 발견하거나 아이템이 푸싱될 수 있는 가입자들을 발견하기 위해 사용될 수 있다(블록(1446)). 하나의 예에서, 주어진 가입자에 대하여, 가입자의 "이웃들"(그/그녀에게 직접 링크된 사람들), 그 다음 그들의 이웃들, 등이 가입자 관계 식별자 모듈(1410)에 의해 식별된다(본 명세서에서 "분리 촌수(degree)들" 또는 그냥 촌수들로서 지칭됨)(블록(1448)). 그리하여, 개인으로부터 2촌 떨어진 사람은 개인이 링크된 누군가에 링크된 개인을 지칭한다(즉, 친구의 친구). 하나의 경우에서, 이러한 사람들 간에 가장 인기있는 아이템들은 가입자에 대한 추천안들을 형성한다.
네트워크 추천기(1112)는 가입자로부터 5촌까지 떨어진 사람들을 조사하도록 구성될 수 있다. 네트워크 추천기(1112)는 특정 강도를 넘는 쌍 방식 가중(pair wise weighting)을 갖는 분리 촌수들 내의 사람들만을 포함하도록 더 구성될 수 있다. 이러한 경우에, 가중 임계치가 더 높을수록, 관계들은 더 가까워진다.
하나의 예에 따라, 네트워크 추천기(1112)는 구매 이력을 갖는 가입자에게 아이템들을 추천하기 위해 사용될 수 있다. 그러한 시나리오에서, 가입자의 구매 이력은 가입자에 대한 추천안들을 생성하고 이미 구매된 아이템들을 배제하기 위해 사용될 수 있다(블록1452)).
*하나의 예시적인 양상에서, 네트워크 추천기(1112) 내의 기능 콜들의 프로세스 플로우 내 주요 동작들의 요약은 결정 제어기(1116)가 구매했던 아이템들을 얻어 그것들을 네트워크 추천기(1112)의 네트워크추천기(1412)로 전달하는 것을 포함한다. 하나의 예에서, 전달된 임계치를 사용하여, 네트워크추천기(1412)는 가입자의 로컬 네트워크에서 얼마나 많은 촌수들이 검색될지를 계산한다.
하나의 예에서, 네트워크추천기(1412)는 특정된 분리 촌수들 내의 로컬 네트워크의 멤버들에 의해 구매된 아이템들에 대하여 가입자의 로컬 네트워커를 검색하고, 특정된 임계치를 넘는 가중치를 가진 P2P 링크들만을 추종하며, 특정된 그리고 구성가능한 최소 개수의 구매들을 한 해당 멤버들만을 폴링한다. 네트워크추천기(1412)는 그 다음 각각의 아이템들이 타겟 가입자에 의해 이미 구입되지 않음을 체크하여 상기 아이템들을 리스트에 추가하고, 각각에 신뢰도 레벨을 적용한다. 그 다음 추천안들이 결정 제어기(1116)로 반환된다.
또 다른 예시적인 양상에서, 추천할 가입자들을 발견할 네트워크 추천기(1112) 내의 기능 콜들의 프로세스 플로우 내 주요 동작들의 요약은 주어진 아이템을 사용하여 그것을 이미 구입한 사람들을 발견하는 것이다. 그 다음, 이러한 사람들의 각각의 이웃들은 상기 아이템에 대한 우리의 타겟들이 된다. 명백히, 일정한 임계치를 넘는 가중치를 갖고 어느 분리 촌수들 내에 있는 이웃들만이 고려될 수 있음이 특정될 수 있다. 각각의 로컬 네트워크 내에서, 주어진 아이템을 구입하지 않은 사람들이 식별될 수 있고, 그런 사람들 중에서, 최소 구성가능한 레벨을 초과하는 구매들의 횟수를 갖는 사람들만이 추천을 위한 타겟들로서 부가된다.
도 16으로 되돌아가면, 트랙 추천기(1110)가 기술된다. 하나의 예에서, 트랙 추천기(1110)가 가장 흔히 사용된 컨텐트 또는 서비스들을 모니터링하고 레코드하기 위해 사용될 수 있고, 즉, 전체 트렌드 트랙킹(1330)을 제공한다. 그 다음 이러한 정보가 가장 인기있는 아이템들에 기초하여 추천안을 반환하기 위해 사용된다. 하나의 예에서, 트랙 추천기(1110)가 가입자에게 인기있는 아이템들을 타겟팅하기 위해 사용될 수 있다. 하나의 예에서, 트랙 추천기(1110)로부터의 결과들은 또 다른 알고리즘이 보다 타겟팅된 추천안을 제공할 수 없을 때(예를 들어, 가입자 초기 추천 상황) 사용될 수 있다. 트랙 추천기(1110)는 특정된 시간 기간 동안 카탈로그에서 가장 인기있는 컨텐트를 조회하기 위해 더 사용될 수 있다. 이러한 타입의 추천의 예는 포털 사용자들에게 "화제 만발(what's hot)" 리스트를 디스플레이하는 것일 것이다. 하나의 예에서, 트랙 추천기(1110)는 가입자이력(SubscriberHistory) 표에서의 트랜잭션 데이터로부터 구축된 트랙컨텐트아이템(TrackContentItem) 표를 사용한다. 하나의 예에서, 트랙컨텐트아이템 표를 생성하기 이전에, 트랜잭션 이력을 조사할 시간 기간이 특정될 수 있다.
예시적인 양상에서, 가입자에 대한 아이템들을 추천하기 위한 트랙 추천기(1110)에서의 기능 콜들의 프로세스 플로우에서의 주요 동작들의 요약은 트랙추천기가 가입자의 디바이스에 의해 지원되나 가입자에 의해 이전에 구매되지 않은 가장 인기있는 아이템들을 얻는 것을 포함한다. 그 다음, 트랙추천기는 프로파일 존을 사용하고, 구성가능한 속성을 사용하여 반환되어야 하는 아이템들의 개수를 특정한다. 트랙추천기는 질의(query)를 구성하고 각 아이템의 카운트에 의해 배열된 특정 개수의 아이템들을 반환하는 트랙컨텐트아이템 표로부터 아이템들을 얻는다. 그 후에, 트랙추천기는 제한된컨텐트(RestrictedContent), 가입자 또는 사용자에 의해 이미 구입되지 않은 컨텐트를 체크하고, 상기 아이템들을 리스트에 부가하며, 신뢰도 레벨을 적용한다. 그 다음 추천안들은 결정 제어기(1116)로 반환된다.
부가의 예시적인 양상에서, 본 명세서의 프로파일 및 추천 시스템(101)은 베스트셀러 추천기를 사용할 수 있다.
그러나, 하나의 양상에 따라, 베스트셀러 추천기는 추천기들(1114)과 별개이고, 오히려 자립형 모듈로서 언급될 수 있다. 하나의 예에서, 후자는 결정 추천기 클래스 아키텍처 외부에서 베스트셀러 추천기를 정의하는 코드 레벨에서 반영된다. 하나의 양상에서, 추천기들(1114)은 가입자에 대한 아이템들, 또는 또 다른 아이템에 대한 아이템들을 발견하는 것을 목표하는 반면, 베스트셀러 추천기는 부가적으로 통계학 툴로서 고려될 수 있다.
베스트셀러 추천기는 사용자가 하나의 단순한 예에서 사용자 액션들(BUY/LIKE/DISLIKE/VIEWED 등) 및 시간 주기(과거 시간들, 예를 들어, 지난 시간, 지난 12 시간, 지난 날, 지난 주, 등의 구성가능한 집합)에 의해 검색하면서, 트랜잭션들의 가입자 이력 표로부터 가장 인기있는 컨텐트를 조회할 수 있게 동작한다. 선택적인 양상에서, 베스트셀러 추천기에 가입자를 전달하는 것은 반환되고 있는 아이템들 상에 2가지 부가적인 효과들을 가질 수 있다: (A) 가입자에 의해 이미 구매된 아이템들은 숨겨짐; 또는 (B) 적절하다면, 제한된 아이템들이 가입자로부터 숨겨짐.
하나의 예에서, 가입자가 전달될 때, 기능적으로, 베스트셀러 추천기는 트랙 추천기(1110)와 매우 유사하게 동작할 수 있다. 하나의 예에서, 베스트셀러 추천기는 구매가 아닌 다른 액션들을 조사할 수 있다. 부가적으로, 트랙 추천기(1110)와 유사하게, 베스트셀러 추천기 데이터는 트랙 추천기 데이터와 나란히 트랙컨텐트아이템 표에 저장될 수 있고, 동일한 포맷을 공유할 수 있다. 하나의 예에서, 베스트셀러 데이터 생성을 셋업하는 것은 허용가능한 시간 기간들의 콤마 분리된 리스트를 포함하는 단일 특성을 부가하는 것으로 구성될 수 있다. 예를 들어, 특성 "1H,7H,1D,7D,999D"는 베스트셀러 추천기가 시간 상 거꾸로 검색할 수 있는 5가지 상이한 시간 기간들(1시간, 7시간, 1일, 7일, 999일)을 나타낸다. 준비 단계는 트랜잭션 데이터의 가입자 이력 표를 상기 특성에서 특정된 시간 기간들로 슬라이싱하여 이러한 정보를 트랙 추천기 데이터와 나란히 트랙컨텐트아이템 표에 저장할 것이다. 만약 트랙에 의해 특정된 시간 기간이 베스트셀러 추천기에 의해 특정된 시간 기간들 중 하나이면, 해당 기간에 대한 데이터 생성이 단 한 번 일어날 수 있다.
*하나의 예에서, 베스트셀러 추천기는 API 콜 GetTopContentByTimeAndAction으로서만 이용가능할 수 있다. 하나의 양상에서, 액션(BUT/VIEWED/LIKE 등)과 같은 단순 객체 액세스 프로토콜(Simple Object Access Protocol; SOAP), 또는 액션들의 콤마 분리된 리스트, 및 시간 기간(예를 들어, 12H 또는 7D 등)는 의무적일 수 있다.
결정 콜로 주어진 파라미터들이 추천안 생성을 위한 메커니즘을 제공한다는 것이 이해될 것이다. 그들은 가입자에게 주어질 최종 추천안을 생성하기 위해 비지니스 규칙들을 결정 추천기들로의/로부터의 입력 및 출력과 결합한다. 파라미터들은 결정 추천기들로부터의 출력을 더 적격으로 수정한다.
하나의 예에서, 파라미터들을 특정하는 것은 제공된 API 콜 파라미터들을 통해 달성된다. 부가하여, 시스템 전반의 글로벌 파라미터 디폴트들이 또한 특정될 수 있다. 하나의 양상에 따라, 결정 모듈 API 파라미터들은 이하의 능력들을 제공하도록 사용될 수 있다: (A) 추천기 선택; (B) 정확히 어떤 추천기(들) 구성들 결정이 그것의 추천들을 수행하도록 사용될 것인지 선택하기 위해 사용된 규칙들; (C) 입력 기준들; (D) 가입자 및 컨텐트 필터링 기준들이 결정 모듈에 파라미터들로서 전달됨. 이러한 것들은 그 다음 이용가능한 프로파일 및 카탈로그 데이터를 조사할 때 사용됨; (E) 결과 문의(interrogation); 및 (F) 양호한 추천안이 발견되었는지 결정하기 위해 결정 모듈로부터의 출력이 조사됨. 결정 모듈(234)은 결정 모듈(234)이 만든 각각의 추천안에 대한 확실성 값의 정도를 신뢰도 레벨로서 반환할 것이다. 규칙은 허용가능한 최소 정도의 확실성을 특정할 수 있고, 이것은 상기 허용가능한 최소 정도의 확실성이 달성되지 않는다면, 또 다른, 또는 상이한 추천기가 시도되게 할 수 있다.
예를 들어, 하나의 양상에 따라, 카탈로그 모듈 내 이용가능한 컨텐트로부터 가입자에게로의 추천안 반환을 요청하면서, 결정 콜이 이루어진다. 결정 모듈은 추천안으로, 그러나 낮은 정도의 확실성으로 반환될 수 있다. 이러한 상황에서, 추천안이 무시될 수 있고, 관리자(213)가 프로모팅하기 열망하는 컨텐트의 특정된(고정된) 아이템으로 디폴트될 수 있다.
또 다른 예는 컨텐트의 아이템이 교차-판매를 위해 요구되는 경우이다. 결정 모듈(234)은 가장 자명하거나 통상적인 선택이 아닐 수 있는 컨텐트 또는 서비스를 추천할 수 있다. 후자는 가입자에게 거의 가치가 없는 추천들을 하는 것을 피하기 위해 사용될 수 있다(예를 들어, 가입자가 특정 아티스트의 가장 최근의 발매물을 막 구입하였을 때 상기 아티스트의 마지막 히트물을 추천하는 것).
하나의 예에 따라, 가입자 필터링이 관리자(213)로 하여금 특정 타입의 추천이 이루어질 수 있는 가입자들을 특정할 수 있게 하기 위해 사용될 수 있다. 이것은 특정 가입자에 대한 추천안(예를 들어, 포털 상에 나타난 온라인 추천안 등)을 형성할 때 사용된다. 예를 들어, 특정 타입의 디바이스 또는 속성(예를 들어, 후불, 고비용 지출자 등)을 가진 가입자들에 대한 추천안들의 프리젠테이션을 제한하는 결정 규칙이 형성될 수 있다.
또 다른 예에서, 가입자 필터링은 추천안들이 생성되어야 하는 대상의 가입자들의 서브세트를 예비-선택하기 위해 사용될 수 있다. 이것은 이러한 규칙에 기초하여 아웃바운드 프로모션을 형성할 때 사용된다. 예를 들어, 관리자(213)는 사용자들이 리스트로부터 속성들을 선택할 수 있게 허용하고 단순물 또는 로직을 수행하는 추천 애플리케이션(212)의 사용자 인터페이스를 경유하여 가입자 필터링 기준들을 특정할 수 있다(예를 들어, MMS 디바이스 및 후불, 선불, 또는 청소년 등).
컨텐트 필터링에 관하여, 컨텐트 필터링은 추천될 컨텐트의 타입들을 개량할 수 있다. 예를 들어, 가입자(213)는 단지 MMS 컨텐트의 아이템만을 추천할 규칙을 형성할 수 있다. 따라서, 하나의 예에서, 추천안들을 리트리브하는 것과 연관된 API들은 또한 반환되어야 하는 추천안의 타입(예를 들어, 음악 트랙의 장르, 등)에 관하여 일정한 기준들을 특정할 능력을 갖는다. 이것은 콜 애플리케이션에게 굉장한 제어를 허용하는 반면, 그것은 사용자 경험에 대한 변화들이 API 콜을 만드는 애플리케이션의 재-코딩을 요구할 수 있음을 의미할 수 있다. 후자를 회피하기 위하여, 프로파일 및 추천 시스템(101)은 추천 프로파일들을 제공할 수 있다. 추천 프로파일들은 추천 애플리케이션 블록(212)(도 4에 도시)의 사용자 인터페이스를 경유하여 형성될 수 있고, 관리자(213)로 하여금 추천 API 콜의 모든 파라미터들에 대한 값들을 특정할 수 있게 허용한다. 그 다음 콜 애플리케이션은 개별 파라미터들에 대한 값들을 특정하는 것 대신에, 이러한 추천 프로파일을 참조한다. 결정 모듈(234)은 그 다음 프로파일로부터 파라미터 값들을 파퓰레이팅할 것이다. 그리하여 추천 프로파일들은 관리자(213)가 코드 재개발을 필요로 하지 않으면서 사용자 경험을 변경할 수 있게 한다.
하나의 예에 따라, 결정 모듈(234)이 서비스할 수 있는 응답 시간은 중요할 수 있다. 응답 시간 기준들은 초 당 수백 개의 요청들을 서비스하면서, 밀리세컨드들의 10s 또는 100s에서 측정될 수 있다. 하나의 예에서, 성능에 영향을 미칠 수 있는 요소들은 사용된 추천기들의 개수 및 해당 데이터의 볼륨일 수 있다.
하나의 양상에 따라, 도 19는 결정 모듈(234)이 어떻게 웹 컨테이너(1502)로 이러한 성능 요구조건들을 만족시키는지를 예시하는 다이어그램이다. 하나의 예에서, 캐시 서브시스템(1504)에서의 캐싱 및 데이터베이스(1508)로의 데이터베이스 액세스와 같은 다수의 상이한 기술들이 성능 요구조건들을 만족시키도록 사용될 수 있다. 결정 모듈(234)은 하나의 양상에 따라, 성능을 향상시키기 위해 자주 액세스된 데이터의 지능형 캐싱을 사용할 수 있다. 캐싱된 데이터 엘리먼트들의 볼륨 및 수명은 이용가능한 양의 데이터 및 이용가능한 하드웨어 자원들을 적합하게 하도록 제어될 수 있다. 또 다른 양상에 따라, 캐싱이 적절하지 않으면, 결정 모듈(234)은 예를 들어, 데이터를 리트리브하기 위해 미세 튜닝된 SQL 및 JDBC를 사용할 수 있다. 모든 SQL 및 데이터베이스 스키마 객체들은 최대 성능 및 스케일러빌리티(scalability)를 제공하도록 설계된다.
결정 모듈(234) 내의 캐싱 메커니즘은 상이한 타입들의 빈번히 액세스된 데이터의 저장을 위하여 다수의 상이한 캐시들(1512)을 이용할 수 있다. 가장 통상적으로 사용된 캐시들은 가입자 이력에 대한 정보, 사용자지정 속성들을 포함한 아이템 데이터, 및 단계 I 동안에 상이한 알고리즘들에 의해 생성된 데이터(예를 들어, 아이템 연관 데이터, 유사성 비교들, 네트워크들 등)를 유지하는 캐시들이다.
데이터 액세스 층(1518)은 결정 모듈(234)의 다른 컴포넌트들로부터 데이터 로딩을 추출하기 위해 사용된다. 데이터의 아이템에 대한 요청이 이루어질 때, 데이터 액세스 층(1518)은 먼저 데이터가 이미 로딩되는지 여부를 알아보기 위해 캐싱 서브시스템을 체크한다. 만약 데이터가 이미 로딩되었다면, 데이터가 반환된다. 만약 데이터가 로딩되지 않았다면, 데이터 액세스 층(1518)은 데이터베이스로부터 데이터를 로딩하고 데이터를 반환하기 전에 그것을 캐시 안으로 삽입한다. 캐싱 서브시스템(1504)은 오래되거나 미사용된 데이터의 정화를 관리한다. 하나의 예에서, 캐싱 서브시스템(1504)은 무엇이 정화되어야 하는지를 결정하기 위해 데이터 아이템의 마지막 액세스 시간 및 전체 캐시 크기 양자 모두를 사용한다.
하나의 예에서, 결정 모듈(234) 내의 고려는 도 9에 관련하여 이전에 개괄된 단계 I 데이터 준비를 수행하기 위해 요구된 시간의 양이다. 이러한 프로세스는 사용자 경험에 동일한 영향을 갖지 않는 반면, 불합리한 하드웨어 자원들이 요구되지 않고, 프로세스가 합리적인 시간 기간 내에 완료될 수 있음을 주목하여야 한다. 하나의 경우에서, 가능한 경우, 1522에 도시된 단계 1 분석은 증분 방식(incremental fashion)으로 수행된다(즉, 새로운 데이터 프로세싱 및 새로운 데이터를 기존의 결과들과 조합).
도 20을 참조하면, 하나의 예에 따라, 프로모팅 모듈(236)의 주 컴포넌트들이 도시된다. 도 4에 관련하여 기술된 바와 같이, 하나의 예에서, 프로모팅 모듈(236)은 고객 습득 및 개입(commitment)을 증가시키기 위하여, 관여된 아웃바운드 프로모션들을 형성하고 웹 포털 상에서 동적(dynamic) 컨텐트 페이지들의 형성을 지원할 수 있는 능력을 제공한다. 프로모팅 모듈(236)은 프로모션 관리 모듈(1602), 프로모션 피드백 모듈(1604), 프로모션 형성 모듈(1606), 프로모션 리트리브 모듈(1608) 및 프로모션 전달 모듈(1610)을 포함한다. 이러한 모듈들 각각의 기능은 이하에서 더 상세히 설명될 것이다.
도 4 및 도 20을 참조하여, 하나의 예에서, 프로모션에서, 관리자(213)는 특정 아이템들 둘레에 다수의 캠페인들을 형성한다. 예를 들어, 프로모션은 회사가 사람들에게 소개하려고 시도하고 있는 일정한 아이템들 둘레에 형성될 수 있다. 이것은 프로모션 형성 모듈(1606) 및 프로모션 관리 모듈들(1602)과 통신하고 있는 추천 애플리케이션(212)(도 4)을 통해 관리자(213)에 의해 자동으로 또는 이하에서 설명되는 바와 같이 수행될 수 있다.
하나의 예에서, 프로파일 및 추천 시스템(101)은 개별 가입자에 대해 가장 관련성있는 프로모션들 및 그것들을 전달할 가장 적절한 시간을 결정할 수 있다. 프로모션들을 상호작용하게 만듦으로써, 모바일 운영자는 가입자들이 구매할 기회를 최대화시킬 수 있다. 예를 들어, 모바일 운영자가 모바일 운영자의 포털의 스타워즈(Star Wars) 섹션을 구축하기를 원한다면, 프로파일 및 추천 시스템(101)은 어떠한 수동 개입도 없이 포털의 단일 페이지 또는 섹션 상에 그러한 모든 컨텐트 및 서비스들(예를 들어, 벨소리들, 화면보호기들, 데스크탑들, 트레일러들, 필름 리뷰들, 게임들, 티켓 서비스들 등)을 그룹핑할 수 있다. 그러한 예에서, 가입자 또는 사용자에게 적용가능한 컨텐트 및 서비스들 및 그들의 모바일 디바이스 능력들만이 디스플레이된다.
부가하여, 하나의 예에 따르면, 사용자들 또는 가입자들의 구입 습관들 및 그들에게 이루어진 프로모션들 및 오퍼들의 성공의 뷰를 구축하여 사용자들 또는 가입자들의 온라인 거동이 프로파일링된다. 그 다음 이러한 모든 정보는 새로운 오퍼를 프로모팅할 최적 방법 및 하루/한 중 중 최적 시간을 정의하기 위해 사용될 수 있다. 이러한 방식으로, 프로모션은 그것이 가장 높은 통계적인 성공 가능성을 가질 때 가입자가 가장 응답할 것 같은 채널을 통해 사용자 또는 가입자에게 전달된다. 예를 들어, 가입자가 주중에서 5:30 내지 6:30 PM 사이에서 5개 이상의 피어-투-피어 메시지들을 전송한다면, 이러한 패턴은 인식될 수 있고, 해당 가입자에 대한 프로모션 윈도우로서 사용될 수 있다. 모든 확률에서, 가입자는 기차 또는 버스로 직장으로부터 집으로 통근하고 있을 수 있고, 친구들과 어울리고 저녁 오락을 짜는 시간, 그들에게 프로모팅할 완벽한 시간을 사용하고 있을 수 있다.
프로모팅 모듈(236)은 온라인 및 아웃바운드 메커니즘들 양자 모두를 통하여 컨텐트 서비스들의 사용을 추진(drive)하는 것의 지능형 자동화 수단을 제공함으로써 다수의 채널들을 통해 타겟팅된 프로모션들을 형성하는 것을 더 가능하게 할 수 있다. 프로모션들은 프로모션 전달 모듈(1610)을 통해 전달된다. 하나의 예에서, 온라인 메커니즘은 모바일 운영자의 유선 또는 무선 포털을 방문하는 가입자들에 대해 이용되는 프로모션이다. 아웃바운드 프로모션은 SMS, MMS, WAP 푸시 등과 같은 메커니즘을 통해 사용자들 또는 가입자들에게 전송되는 프로모션이다.
하나의 예에서, 온라인 프로모션들은 프로모션 리트리브 모듈(1608)과 서비스 및 컨텐트 정보 컴포넌트(208) 간의 통신에 의해 촉진되고, 상기 서비스 및 컨텐트 정보 컴포넌트(208)는 하나의 예에서 포털(226)을 포함한다. 하나의 예에서, 이러한 통합은 포털 애플리케이션 프로그래밍 인터페이스, 포털로 하여금 프로모션 리트리브 모듈(1608)로부터의 정보(예를 들어, 특정 가입자에 대한 최적 프로모션들 등)를 리트리브하게 하고 프로모션 피드백 모듈(1604)을 통하여 사용 정보(예를 들어, 가입자가 프로모션에 관심을 표현했던 것 등)를 반환하게 하는 SOAP 기반 API를 통해 수행된다. 포털과 협력하여, 프로모팅 모듈(236)은 어떤 가입자들이 포털을 방문하였는지, 어떤 프로모션들이 일람(view)되었는지, 그리고 어떤 것이 클릭을 야기하였는지 트랙킹할 수 있다. 하나의 예시적인 사용은 포털이 프로모션 리트리브 모듈(1608)을 통해 특정 가입자에 대한 최적 광고의 세부사항을 요청할 때이다. 프로모팅 모듈(236)은 광고(텍스트, 이미지, 링크들 등 포함)의 세부사항들을 반환할 것이다. 그 다음 포털은 사이트 상의 적절한 위치에 이러한 광고를 제시할 것이다.
포털에 정보를 제공하는 포털 API에 부가하여, 포털은 또한 프로파일 피드백 모듈(1604)을 사용하여 프로모팅 모듈(236)에 정보를 피드백할 수 있다. 이것은 프로모팅 모듈(236)이 가입자들의 거동들에 관해 더 학습하여 더 효과적으로 작업할 수 있게 한다. 이것의 예들은 가입자가 포털을 방문하였음을 리포팅하는 것, 및 구매를 야기한 프로모션들과 구매를 야기하지 못한 프로모션들을 포함한다. 프로모팅 모듈(236)은 이러한 정보를 알고 있기 때문에, 프로모팅 모듈(236)은 캠페인 유효성에 관한 리포팅들을 제공할 수 있다.
하나의 양상에 따라, 상이한 타입들의 온라인 프로모션들이 프로모팅 모듈(236)에 의해 수행될 수 있고, 각각의 프로모팅 모듈은 가입자들이 포털을 네비게이팅할 때 가입자들에게 타겟팅된 프로모션을 제시할 상이한 방식들을 제공할 수 있다. 이하는 예시적인 온라인 프로모션들이다:
배너 광고들: 이것들은 포털 상에서 사용자 또는 가입자에 의해 일람되고 선택될 수 있는 곳에 배치되는 타겟팅된 광고들이다. 가입자에 의해 선택될 때, 가입자에게 프로모션의 세부사항들이 보여지고, 바람직하다면, 가입자는 그 다음 구매로 진행할 수 있다. 하나의 예에서, 배너 광고들은 그래픽 광고들이다. 배너 광고들은 또한 프로모션들이 포털의 관련 부분들에 보여지도록 허용하는 디스플레이 범위로 정의될 수 있다(예를 들어, 금융 뉴스 섹션과 대조적으로 벨소리 섹션 내 벨소리 프로모션을 보여주면서 등).
구매 이후(post-purchase) 광고: 이것들은 구매 다음에 가입자들에게 보여지는 광고들이다. 교차-판매되고 있는 컨텐트는 프로파일 및 추천 시스템 관리자(213)에 의해 구성될 수 있거나 결정 모듈(234)에 의해 자동으로 생성될 수 있다.
번들(bundle)들: 컨텐트 또는 서비스들의 개별 피스들은 함께 그룹핑될 수 있고 할인된 비율로 구매를 위한 가입자들에게 제공될 수 있다. 번들링된 정보는 포털이 그것을 리트리브할 수 있는 프로모팅 모듈(236)에서 소팅된다. 가입자가 번들을 구매할 때, 포털은 프로파일 및 추천 시스템과 결합하여 실행을 제어한다. 하나의 예에서, 프로모팅 모듈(236)은 미래의 사용을 위해 번들 구매들을 레코딩한다.
타겟팅된 메뉴 링크들: 이것들은 포털 메뉴 구조 내에 존재하고 가입자에게 관련성 있는 컨텐트 또는 서비스들을 제공할 수 있는 포털의 영역들로 가입자들을 데려가도록 타겟팅된 링크들이다. 다른 정적인 또는 개인화된 링크들에 관련한 이러한 링크들의 배치는 포털 관리 시스템에 의해 제어된다.
아웃바운드 프로모션들은 이하와 같이 아웃바운드 브로드캐스트들 및 다수의 인바운드 통신 메커니즘들에 기초한다:
브로드캐스트들: 가입자들의 그룹들로의 프로모션 브로드캐스트들은 프로모션 관리 모듈(1602)을 사용하여 형성될 수 있다. 브로드캐스트 메시지는 SMS, MMS, 또는 WAP 푸시 메시지일 수 있고, 새로운 컨텐트 및 서비스들을 프로모팅하는 것에 유용할 수 있다.
SMS 기반 캠페인들: SMS에 대하여, 하나의 예에서, 프로모팅 모듈(236)은 가입자 컨텐트/세션 정보를 자동으로 관리한다. 관리자(213)는 프로모션 관리 모듈(1602)과의 통신을 통해 가입자들이 대화를 통해 진행하기 위해 주어야 하는 메시지 텍스트를 특정할 수 있다(규칙적인 표현들은 보다 강력한 매칭을 제공하도록 지원됨). 디폴트 캐치-올 문장(default catch-all statement)들이 부정확한 메시지들을 포착하여 상황에 맞는 도움 메시지(context sensitive help message)를 반환하도록 부가될 수 있다.
WAP 기반 캠페인들: WAP 채널을 사용할 때, 관리자(213)는 모바일 디바이스 상에서 디스플레이될 개별 페이지들을 특정할 수 있다. 이러한 페이지들은 텍스트, 이미지들, 데이터 엔트리 필드들(입력된 데이터는 변수들로 저장됨), 외부 WAP 페이지들에 대한 링크들 등을 포함할 수 있다.
하나의 예에서, 브로드캐스트들은 가입자들에 의해 활성화될 때 가입자들을 프로모션의 온라인 버전으로 안내할 WAP 푸시 메시지들로서 프로모션 전달 모듈(1610)을 사용하여 전달될 수 있다. 이것은 이하의 3가지 방식들로 제공된다: (A) WAP 푸시 메시지들에 포함된 링크는 프로모션에 관한 정보가 이용가능한 또 다른 시스템(예를 들어, 포털 등)을 가리킨다. 이것은 가입자들이 포털 상의 새로운 서비스를 알게 하기 위한 이상적인 메커니즘일 수 있다; (B) 응답하는 가입자들의 세부사항들이 레코딩되고, 그것들은 또 다른 시스템(예를 들어, 포털 등)으로 재지향된다. 이것은 가입자 응답들의 실시간 트랙킹이 요구될 때 유용할 수 있다. 그 다음 프로모팅 모듈(236)은 총 응답자들의 수를 보여주는 실시간 온라인 리포트들을 제공한다; (C) 링크는 프로모션의 세부사항들을 포함하는 페이지를 가리킨다. 하나의 예에서, 관리자(213)는 프로모션 형성 모듈(1606)과 통신하고 있는 What You See IS What You Get(WYSIWYG) 에디터를 통해 프로모션 페이지를 형성할 수 있다. 프로모팅 모듈(236)은 이미지들을 포함한 프로모션 정보를 모바일 디바이스 하이퍼 텍스트 마크-업 언어(Hyper Text Mark-Up Language; HTML), 무선 마크-업 언어(Wireless Mark-UP Language; WML), 확장형 하이퍼 텍스트 마크-업 언어(Extensible Hyper Text Mark-Up Language; XHTML)가 되게 할 수 있다. 가입자는 프로모팅 모듈(236)로부터 직접 프로모션 정보를 일람할 수 있고; 이미지들 및 외부 포털들로의 링크들이 포함될 수 있다. 이러한 해결책은 단일 WAP 데크(deck)가 프로모션(예를 들어, 광고지 등과 같은)을 통신하고 더 많은 세부 정보 또는 구매 다이얼로그로의 온워드 링크(onward link)를 제공할 수 있을 때 이용될 수 있다. 이러한 옵션은 모바일 운영자의 포털을 업데이트할 필요성 없이 프로모션들의 신속한 형성을 허용한다.
하나의 예에서, 아웃바운드 프로모션들의 일부는 프로모션 상에서 추종할 가입자들에 대한 인바운드 통신 메커니즘을 제공하는 것이다. 프로모팅 모듈(236)은 이하의 메커니즘들을 제공한다:
관심 그룹들: 가입자들은 단순한 키워드로 응답함으로써(예를 들어, SMS 등을 통하여) 특정 프로모션 또는 토픽에서의 그들의 관심을 등록(register)할 수 있다. 프로모팅 모듈(236)은 가입자들이 어떤 아이템들에 관심을 표현하였는지 자동으로 트랙킹할 수 있고, 이러한 정보를 장래의 사용을 위해 저장할 수 있다. 이것은 충성도 그룹(loyalty group)들 또는 커뮤니티들과 같은 가입자-기반 마켓팅 메커니즘들을 구축하는 것에 대한 이상적인 접근법을 제공할 수 있다.
상호작용 캠페인: 프로모팅 모듈(236)은 그것의 대화 스크립팅 애플리케이션(Conversation Scripting Application; CSA)의 사용을 통해 프로모션 형성 모듈(1606)을 사용하여 더 복잡한 캠페인들 및 상호작용 서비스들의 형성을 지원하도록 동작한다. CSA는 관리자들이 CSA 스크린 상의 컴포넌트들 또는 콜된 명령문(statement)들을 드래그(drag)하고 드롭(drop)하는 것을 허용함으로써, 그리고 가입자들이 캠페인에 참가할 때 따라갈 수 있는 여러 다양한 대화 경로들을 형성하기 위해 이것들을 함께 링크함으로써 이러한 대화 스크립트들을 형성하는 것의 그래픽 방식을 제공한다.
하나의 예에서, 캠페인들이 쉽게 테스트되고 실물로 설명(demonstrate)될 수 있게 허용하는 통합된 시뮬레이터들이 제공될 수 있다. 강력한 캠페인 서비스 형성 환경을 제공하는 것에 부가하여, 대화 엔진은 초 당 수백 개의 가입자 상호작용들로 스케일링될 수 있는 매우 높은 성능을 제공할 수 있다.
하나의 예에서, 아웃바운드 프로모션들의 실행이 매사추세츠 주, 월썸의 Unica Corporation, 캘리포니아 주, 쿠퍼티노, 조지아 주, 알파레타, Infor Global Solutions GmbH 사의 Chordian Software 사의 Epiphany와 같은 외부 CRM 또는 마켓팅 자동화 시스템을 포함할 때 가입자 프로파일 정보 소스(210)를 통해 수행될 수 있다. 이러한 통합은 브로드캐스트들의 형성만큼 단순할 수 있거나, CRM 또는 마켓팅 시스템으로 다시 공급되는 결과들을 가진, 모든 특성을 갖춘 상호작용 캠페인들의 형성으로 확장될 수 있다. 하나의 예에서, 이러한 통합은 프로모팅의 그룹 및 브로드캐스트 관리 API를 통해 제공된다.
프로모팅 모듈(236)은 또한 프로파일 그룹들의 형성에 의해 타겟팅된 프로모션들이 달성될 수 있게 한다. 이러한 리스트들은 프로파일 및 추천 시스템에 의해 수입되거나, 축적된 가입자 사용 정보를 사용하여 프로파일 및 추천 시스템에 의해 생성될 수 있다.
프로모팅 모듈(236)은 단독으로 또는 프로파일 모듈(232), 카탈로그 모듈(230), 및 결정 모듈(234)을 포함한 프로파일 및 추천 시스템의 다른 모듈들과 함께 배치(deploy)될 수 있다. 단독으로 배치되면, 프로모팅 모듈(236)은 프로모션 형성 모듈(1606)을 사용하여 특정된 가입자들에게 타겟팅된 프로모션들을 재빨리 형성하고 실행할 수 있는 능력을 관리자들에게 제공한다. 만약 프로파일 모듈(232), 카탈로그 모듈(230), 및 결정 모듈(234)과 함께 사용된다면, 프로모팅 모듈(236)은 더 높은 성공 비율을 달성할 보다 타겟팅되고 자동화되고 정교한 프로모션들을 제공할 능력을 갖는다. 이것은 다른 프로파일 및 추천 모듈들과 결합하여 사용될 때, 프로모팅 모듈(236)이 온라인 가입자들을 위해 더 나은 프로모션을 제공하기 위해 결정의 파워를 레버리지(leverage)할 수 있기 때문에 가능하다. 결정 모듈(234)을 이용하여, 타겟 가입자들에 대한 최상의 가능한 프로모션에 도달하기 위해 프로파일 모듈(232) 및 카탈로그 모듈(230)에서의 정보를 레버리지하는 규칙들 및 알고리즘들이 사용된다. 제안된 아웃바운드 프로모션들이 또한 자동으로 계산되어 사용자에게 제시된다. 결정 모듈(234)은 형성된 프로모션들을 받아들일 수 있고, 어떤 가입자들이 아웃바운드 방식으로 타겟팅되어야 하는지 결정할 수 있다. 자동 프로모션 형성은 또한 카탈로그 모듈(230)에 저장된 정보로부터 제공될 수 있다. 하나의 예에서, 나머지 프로파일 및 추천 시스템 컴포넌트들 없이, 관리자213)가 그들이 프로모팅하기 원하는 컨텐트/서비스들을 수동으로 식별하는 것이 필요하다. 그러나, 결정 모듈(234)이 사용될 때, 결정 모듈(234)은 각각 카탈로그 모듈(232) 및 프로파일 모듈(234)에 저장된 정보로부터 직접 자동으로 추천안들(예를 들어, 구매 이후, 아웃바운드 브로드캐스트들 등)을 생성할 수 있다.
프로모션은 종종 당해의 컨텐트 또는 서비스에 대한 할인된 가격을 포함할 수 있다. 프로모팅 모듈(236)은 프로모션의 실행 동안의 사용을 위해 이러한 할인된 요금표 정보를 제공함으로써, 관리자들에게 콘텐트에 대하여 사전-요금결정(pre-rate)할 수 있게 허용한다. 어떻게 빌링 통합을 달성하는지에 따라, 이러한 프로모션 요금표 정보는 프로모팅 모듈(236)로부터 빌링 시스템으로 직접 전달되거나 그것으로부터 포털로, 그리고 빌링으로 전달될 수 있다. 프로모팅 모듈(236)은 또한 관리자들에게 웹-기반 관리 특징ㄷㄹ을 제공하고, 관리자들은 프로모션 관리 모듈(1602)과 인터페이싱함으로써, 다수의 동시 브로드캐스트들을 효과적으로 관리할 능력을 제공할 수 있고, 하루 당 수 백만 개의 메시지들을 전달하도록 쉽게 스케일링될 수 있다. 이러한 특징들은 이하를 포함할 수 있다: (A) 볼륨, 쓰로틀링(throttling), 시간 등과 같은 특정 브로드캐스트 세부사항들에 기초한, 맞춤식 허가 프로세스(customizable authorization process); (B) 요구되는 경우, 관리자 오버라이드(override)를 갖는 브로드캐스트 제한 주기들(예를 들어, 월요일부터 금요일까지 9:00 a.m 내지 5:00 p.m); (C) 네트워크 가이드라인들로의 생성된 메시지의 쓰로틀링; (D) 실행 중인 또는 미래의 브로드캐스트들의 일간 및 주간 뷰; (E) 하루 당 전송될 수 있는 메시지들의 수에 대한 제한 ― 이것은 네트워크에 의해 적소에 놓이는 요구조건일 수 있음; (F) 오래-실행 중인 브로드캐스트들에 대한 실시간 리포팅 및 제어. 리포트들은 완료된 브로드캐스트들의 퍼센티지 및 추정된 마감 시간을 보여준다. 관리자들은 브로드캐스트를 쉽게 일시정지, 재개 및 중지할 수 있는 능력을 갖는다; (G) 매일, 주마다 그리고 월마다 브로드캐스트들을 되풀이.
프로모팅 모듈(236)에 의해 제공된 높은 정도의 자동화 때문에, 적은 수의 대형 일반 프로모션들과 반대로 많은 수의 더 적은(보다 타겟팅된) 프로모션들을 수행하는 것이 가능함이 주목되어야 한다. 부가하여, 프로모팅 모듈(236)은 브로드캐스트 정의들이 특정 가입자에 맞추어질 수 있게 한다. 예를 들어, 가입자가 일정한 기간 내에 수신하여야 하는 브로드캐스트들의 수, 가입자들이 브로드캐스트들을 수신하여야 하는 하루 중의 시간, 및 가입자들의 선호 접촉 메커니즘(예를 들어, SMS, MMS 등)을 제어하는 것이 가능하다.
하나의 예에서, 프로모팅 모듈(236)은 또한 브로드캐스트 또는 추정 채널(follow up channel)의 일부로서 고유한 쿠폰들을 생성하여 전달할 수 있다. 이것들은 할인들, 신용도들, 선물들 또는 상품 등과 같은 일정한 이익들을 이행하기 위해 사용될 수 있다.
하나의 양상에 따라, 변수들이 또한 그것의 컨텐츠를 가입자들에게 맞추기 위하여 브로드캐스트의 텍스트에 사용될 수 있다. 이러한 변수들은 관리자(213), 외부 시스템들 또는 가입자 자신들에 의해 셋업될 수 있는 가입자 특정 값들이다. 예를 들어, 브로드캐스트에 가입자의 이름 또는 잔고를 포함하는 것이 가능하다. 변수들은 또한 충성도 포인트들을 구현하기 위해 사용될 수 있고, 여기서 가입자는 그들이 캠페인들에 응답할 때 포인트들을 쌓는다. 변수 값들은 XML API를 통해 외부 시스템에 액세스가능할 수 있다.
하나의 예에서, 프로모팅 모듈(236)은 또한 프로모션들의 성공(또는 실패)에 대한 실시간 리포트들을 제공할 수 있다. 그것은 특정 프로모션을 일람하거나 그것에 대한 관심을 표현하거나, 그것에 응답하거나 그것을 거부한 가입자들의 수에 대한 통계치들을 제공할 수 있다. 실시간으로 이러한 결과들을 볼 수 있는 능력은 정기적으로 실행되는 이벤트들이 그들의 미래 효과를 보장하기 위해 즉시 수정될 수 있고, 성공적인 이벤트들이 재실행될 수 있고, 성공적이지 않은 것들이 폐기될 수 있음을 의미한다.
하나의 양상에 따라, 프로모션들이 추천안들과 유사한 방식으로 포털 API를 경유하여 액세스될 수 있다. 포털 API는 프로모션을 요청하고 프로모션 관련 사용자 이벤트들(예를 들어, 클릭)을 프로파일 및 추천 시스템으로 다시 공급할 목적으로 여러 API들을 제공한다. 또 다른 예에서, 프로모션들은 SMS, MMS WAP 푸시 등을 통해 아웃바운드 프로모션을 생성할 목적으로 추천 애플리케이션 블록(212)의 사용자 인터페이스 및 프로모션 관리 모듈(1602) 사이의 통신을 통해 액세스될 수 있다. 이러한 경우에, 프로모팅 전달 모듈(1610)은 실제로 아웃바운드 프로모션을 전달하거나 단순히 타겟 가입자 전화번호들의 리스트를 생성하기 위해 사용될 수 있다. 가입자들의 타겟 리스트를 생성할 때, 가입자들의 수 및 요구된 최소 신뢰도 레벨 양자 모두를 특정하는 것이 가능하다. 이것은 일정한 최소 정도의 신뢰도로 특정 아이템에 의해 타겟팅되어야 하는 상위 100,000 가입자들을 생성하는 것과 같은 그러한 것들을 행하는 것이 가능하다.
하나의 구현예에 따라, 프로모션 형성 모듈(1606)을 사용한 프로모션 형성은 3가지 단계들, 제 1 단계(일반적인 세부사항들), 제 2 단계(타겟 가입자들), 및 제 3 단계(전달)를 수반할 수 있다.
제 1 단계에서, 관리자(213)는 이하를 포함한 프로모션에 관한 소정의 일반적인 세부사항들을 특정한다: (A) 이름 및 기술(description); (B) 프로모션의 타입(예를 들어, 배너 광고, WAP 링크, 번들, 교차-판매 등); (C) 가중치 ― 프로모션의 가중치는 하나 보다 많은 수의 후보 프로모션이 존재하는 경우 가입자에 대한 최상의 프로모션을 선택할 때 사용된다. 예를 들어, 만약 동일한 프로파일 그룹들을 특정하는 2개의 프로모션이 존재한다면, 가중치는 이러한 그룹 내 가입자에 대한 정확한 프로모션을 결정하기 위해 사용될 것이다; (D) 오퍼 상의 아이템 ― 이것은 카탈로그 모듈(230)로부터의 컨텐트(예를 들어, 팩 만 자바 게임(Pac Man Java Game) 등)의 특정 피스, 또는 카탈로그 모듈(230)로부터 선택된 컨텐트(예를 들어, 다음(Pholyphonic) 락 벨소리 등)의 카테고리일 수 있다; (E) 외부 시스템 상에서 호스팅된 컨텐트의 아이템으로의 링크(예를 들어, 비지니스 헤드라인들); (F) 범위 ― 프로모션의 범위는 이러한 프로모션이 적절한 영역을 식별하고, 예를 들어, 프로모션은 그것이 포털의 벨소리 부분 상에 나타나야 함을 특정하는 벨소리의 범위로 형성될 수 있다.
제 2 단계 동안, 관리자(213)는 이러한 프로모션에 대한 타겟 가입자들을 식별하는 메커니즘을 특정하도록 요구된다. 타겟 그룹은 프로모션들이 제시될 수 있는 가입자들을 특정한다. 3가지 예시적인 옵션들이 존재한다:
*옵션 A. 글로벌 - 글로벌로 타겟팅된 프로모션들은 아마도 가입자들이 이미 특정 횟수 상기 프로모션을 이미 보지 않았거나 프로모션 아이템을 이미 구매하지 않은 한 임의의 가입자에게 보여질 수 있다. 글로벌 프로모션들은 다른 더 타겟팅된 것들보다 더 낮은 가중을 가질 수 있다.
옵션 B. 프로파일 그룹(들) - 관리자(213)는 또한 프로모션이 이용가능할 하나 이상의 프로파일 그룹들을 특정할 수 있다. 이러한 그룹들은 프로파일 모듈(232)로 수입된 가입자 전화번호들의 리스트들일 수 있거나, 레코딩된 가입자 활동 또는 속성들로부터 프로파일 모듈(232)에 의해 형성될 수 있다;
옵션 C. 결정. 결정 모듈(234)이 특정 프로모션이 가입자에게 보여져야 하는지를 결정하기 위해 이용될 때, 결정 모듈(234)은 먼저 해당 개인에 대한 추천안들의 광범위한 리스트를 결정하고, 그 다음 이러한 리스트를 해당 프로모션 내에 포함된 아이템들과 비교한다. 만약 프로모션 내의 임의의 아이템이 사용자의 추천안 리스트 상에 있고 가입자가 상기 프로모션 내 임의의 아이템을 이미 구매하지 않았다면, 해당 프로모션이 가입자에게 보여지는 것이 바람직하다. 만약 이러한 타겟팅 메커니즘이 선택되면, 그 다음 가입자에게 디스플레이하기에 적당한 이러한 프로모션에 대하여 결정이 가져야 하는 최소 신뢰도 레벨을 선택하는 것이 가능하다.
제 3 단계에서, 관리자(213)는 가입자에게 프로모션을 제시하기 위해 사용할 부수물(collateral)을 특정한다. 이것은 온라인 및 아웃바운드 부수물로 분할될 수 있다. 온라인 부수물에서, 관리자(213)는 포털 상에서 디스플레이될 웹 및 WAP 기반 텍스트 또는 그래픽들을 제공하도록 자극된다. 하나의 예에서, 요약 및 상세한 부수물 양자 모두 특정된다. 요약 정보는 먼저 가입자들에게 보여지고, 상세한 정보는 일단 가입자가 프로모션 상에서 더 많은 정보를 요청하는 경우 보여준다. 이러한 타입의 부수물은 포털 API를 통해 포털에 이용가능하게 된다. 아웃바운드 부수물에서, 관리자(213)는 그들이 사용하기 원하는 상이한 아웃바운드 메커니즘에 대하여 부수물을 지원하도록 구성된다. 관리자(213)는 SMS, MMS, WAP 푸시 등 컨텐트를 특정할 수 있다. 그 다음 이러한 정보는 아웃바운드 프로모션을 실행할 때 프로모션 전달 모듈(1610)에 의해 사용될 것이다.
도 21은 프로모팅 모듈(236)에서의 예시적인 프로세스 플로우(1700)의 흐름도를 보여준다. 1702에서, 관리자에 의해 형성된 프로모션들의 리스트가 리트리브된다. 1704에서, 추천안들이 가입자에 대하여 생성된다. 1706에서, 프로모션들이 예컨대, 매치에 대해 체크함으로써 가입자에 대한 추천안들과 비교된다. 1708에서, 추천안 리스트에 있으나 가입자에 의해 이미 구매되지 않은 프로모션들이 결정된다(하나의 예에서, 이전의 프로세싱은 이러한 체크가 불필요하게 할 수 있다). 1710에서, 이러한 프로모션들의 리스트가 외부 애플리케이션으로 전달된다. 그 다음, 외부 애플리케이션은 웹 포털을 통해 온라인으로, 또는 SMS, MMS, WAP 푸시 등을 통하여 아웃바운드로, 가입자에게 그들의 모바일 디바이스로 메시지를 전달하기 위하여 이러한 프로모션들을 전달할 수 있다.
프로파일 및 추천 시스템의 전술한 모듈들에 부가하여, 하나의 예에 따라, 프로파일 및 추천 네트워크(1800)에서, 프로파일 및 추천 모듈(1801)은 부가적인 모듈들을 포함할 수 있다. 도 22는 하나의 양상에 따라 컨텐트 모듈(1804) 및 접속 모듈(1802)과 함께 프로파일 및 추천 시스템의 도 4의 전술한 컴포넌트들을 상세히 도시한다.
컨텐트 모듈(1804)은 일정 범위의 컨텐트 또는 서비스들에 대하여 컨텐트 관리 및 전달 능력을 제공한다. 접속 모듈(1802)은 SMS, MMS, WAP의 전달 및 다운로드 가능한 컨텐트를 가능하게 한다. 하나의 예에 따라, 모든 산업 표준 네트워크 접속성 및 전달 프로토콜들이 지원된다. 컨텐트 모듈(1804)은 컨텐트 또는 서비스들에 대한 요금청구를 위하여 빌링과 같은 가입자 프로파일 정보 소스(210)와 통합되도록 동작할 수 있다. 부가하여, 컨텐트 모듈(1804)은 여러 다양한 프로토콜들을 통해 선불 및 후불 시스템들과 통합될 수 있다. 컨텐트 모듈(1804)은 또한 웹 또는 WAP 포털들 상에 이용가능한 컨텐트 또는 서비스들(예를 들어, 제목, 아티스트, 프리뷰(preview)들 등)을 보여주기 위하여 그리고 컨텐트 또는 서비스들의 전달을 트리거하기 위하여 서비스들 및 컨텐트 정보 블록(208)과 통합될 수 있다.
*하나의 예에서, 컨텐트 모듈(1804)은 임의의 컨텐트 타입을 로컬 방식으로 저장, 관리 및 전달할 수 있는 능력을 제공한다. 컨텐트 및 정보는 웹 인터페이스를 통하여 안전하게 저장 및 관리될 수 있고, 캐리어-그레이드(carrier-grade) 다운로드, 경보, 및 주문형(on-demand) 컨텐트 서버들을 통해 전달될 수 있다.
프로파일 및 추천 시스템은 외부 소스들로부터 컨텐트의 자동 수용(acceptance) 및 수집을 위한 여러 다양한 메커니즘들을 더 지원할 수 있다. 플랫폼은 외부 소스들로부터 HTTP/XML 또는 파일 전달 프로토콜(File Transfer Protocol; FTP)/XML의 형태로의 컨텐트 공급들을 수용하고, 컨텐트 통합을 위하여 컨텐트 제공자 특정 메커니즘들을 구현하기 위한 체제(framework)를 제공하도록 구성될 수 있다. 하나의 양상에 따라, 프로파일 및 추천 시스템은 또한 RSS와 같은 외부 소스들로부터 컨텐트를 선행적으로 리트리브할 수 있다. 하나의 예에서, 프로파일 및 추천 시스템 컨텐트 제출 API는 HTTP에 대하여 정의된 XML 포맷을 사용하여 컨텐트 제공자들의 컨텐트를 관리하기 위해 컨텐트 제공자들에 의해 사용될 수 있다.
컨텐트 모듈(1804)은 요구될 수 있는 컨텐트 유효성검증(validation)의 타입에 의존하여, 액티브 또는 인액티브(inactive) 업데이트를 제공하도록 더 구성될 수 있다. 관리자(213)는 컨텐트의 각 타입에 대해 요구된 인가 타입을 공급할 수 있다. 하나의 예에서, 신뢰되는 컨텐트는 자동으로 유효성검증될 수 있는 반면, 컨텐트의 다른 타입들은 관리자(213) 또는 모바일 운영자의 컨텐트 매니저로부터의 승인을 요구할 수 있다.
부가하여, 컨텐트 모듈(1804)은 SMS, MMS 또는 다른 컨텐트 타입들을 전달할 뿐만 아니라, 가입자 기반 경보들의 형성 및 관리를 지원할 수 있다. 가입자들은 베어러(예를 들어, SMS v MMS 등), 하루 중 시간의 전달, 언어, 시간대 등과 같은 파라미터들을 정의할 수 있는 능력으로 그들의 관심사들에 특정된 개인화된 경보들의 스케줄을 형성할 수 있다. 컨텐트 모듈(1804)의 경보 모듈은 컨텐트 또는 서비스들의 제시간 전달을 제공하여, 모바일 운영자들의 요구조건들로 스케일링할 능력을 갖는다.
하나의 예에 따라, 컨텐트 다운로드 모듈은 제한들 없이, 자바, 벨소리들, 바탕화면들 등을 포함한 컨텐트의 모든 다운로드 가능한 타입들에 대하여 다운로드 서버를 제공한다. 하나의 예에서, 컨텐트 다운로드 모듈은 이하의 특징들을 제공한다: (A) 자바 애플리케이션들(예를 들어, 게임들 등), 자바 아카이브(Java Archive; JAR) 또는 자바 애플리케이션 확장(Java Application Development; JAD) 포맷(2 단계 다운로드)의 전달; (B) 각각의 다운로드는 고유한 URL을 할당받을 수 있고 그것의 고유한 토큰(token) ID를 가질 수 있음; (C) JAD 파일은 JAR 다운로드의 동적 위치를 특정하도록 재기록됨; (D) 다운로드 재시도들은 구성가능한 시간 기간 또는 시도들의 횟수에 대해 허용될 수 있음; (E) 디지털 저작권 관리(DRM)는 다운로딩된 컨텐트에 적용될 수 있음; (F) 다운로드는 WAP 푸시를 통하여 또는 WAP 포털로부터 직접 개시될 수 있음; 그리고 (G) 사용자 활동 조회를 위한 CSR 인터페이스는 요구되는 경우 다운로드를 재전송할 능력으로, 모바일 가입자 통합 서비스 디지털 네트워크 번호(Mobile Subscriber Integrated Services Digital Network Number; MSISDN)에 기초함.
모듈은 성공적인 다운로드 및 다운로드된 컨텐트의 정확한 빌링을 보장하기 위하여 실질적으로 모든 가능한 표준들 및 기술들을 사용하도록 구성될 수 있다. 이것은 상이한 단계들의 다운로드가 일어날 때 다운로드 서버가 외부 시스템에 통지할 수 있게 하는 다운로드 통지 API를 포함할 수 있다. 이러한 통지들은 임의의 시점에서 다운로드를 중지하거나 빌링 이벤트들을 생성하기 위하여 사용될 수 있다.
하나의 예에 따라, 접속 모듈(1802)은 디지털 저작권 관리(DRM) 능력을 갖도록 구성될 수 있고, 디지털 저작권 관리(DRM) 능력은 플랫폼 관리자 또는 컨텐트 제공자들에 의해 정의되는 대로, 오픈 모바일 얼라이언스(Open Mobile Alliance; OMA) DRM v1 포워드 락(Forward Lock), 조합된 전달(Combined Delivery) 및 별개의 전달(Separate Delivery)을 선택적 컨텐트에 적용할 능력을 제공한다.
하나의 양상에서, 접속 모듈(1802)은 여러 광범위한 범위의 다양한 컨텐트 포맷들 및 코덱들 간의 트랜스코딩(transcoding)을 지원하도록 구성될 수 있는 트랜스코딩 엔진을 포함한다. 부가하여, 트랜스코딩 엔진은 멀티미디어 컨텐트를 전달할 목적으로 특정하여 테스팅되고 튜닝된 자신 고유의 프로파일 데이터베이스를 제공하도록 구성될 수 있다.
하나의 양상에 따라, 접속 모듈(1802)은 이하와 같이 3가지 컨텐트 전달 시나리오들을 다룰 수 있다:
시나리오 1. 주문형 정보: 이러한 시나리오에서, 서비스들 또는 컨텐트 요청들은 해당 소스로부터 현재의 컨텐트 또는 서비스를 리트리브하고 그것을 가입자에게 반환하여, 서비스들 또는 컨텐트 요청들을 관련성 있는 컨텐트 소스로 맵핑함으로써 처리될 수 있다;
시나리오 2. 스케줄링된 전달: 스케줄링된 전달은 시스템 관리자(213)에 의해 특정된 고정된 전달 스케줄 또는 가입자 정의된 스케줄에 기초할 수 있다. 이러한 상황에서, 컨텐트 또는 서비스들은 리트리브되어 가입자들의 스케쥴에서 특정된 시간들에서 가입자들에게 전달된다;
시나리오 3. 스케줄링되지 않은 전달: 스케줄링되지 않은 컨텐트 또는 서비스들의전달은 외부 이벤트를 통해 수동으로 또는 자동으로 트리거될 수 있다. 이러한 상황에서, 컨텐트 또는 서비스는 컨텐트 또는 서비스 소스로부터 가입자들에게 푸싱된다.
컨텐트 모듈(1804)은 제공된 포털 API를 통해 기존의 포털에 통합될 수 있거나, 기존의 스토어프론트(storefront)가 대체되고 있는 상황들에서, 컨텐트 모듈(1804)은 모바일 운영자의 요구조건들에 맞추어질 수 있는 스토어프론트를 제공할 수 있다. 컨텐트 모듈은 "바로-사용가능한(out-of-the-box)" 스토어프론트를 더 제공하고, 이것은 모바일 운영자들이 다수의 스토어프론트들 및 다수의 전달 채널들을 가로질러 컨텐트 또는 서비스들을 거래할 수 있게 한다. 이러한 디폴트 스토어프론트는 특정 모바일 운영자의 기능 및 브랜딩(branding) 요구조건들을 만족시키도록 커스터마이징될 수 있다.
하나의 예에서, 스토어프론트는 프로파일 및 추천 시스템의 나머지에 사전-통합되었기 때문에, 스토어프론트는 전체의 시스템 특징들을 가장 잘 사용할 수 있다. 하나의 양상에 따라, 스토어프론트는 모바일 운영자로 하여금: (A) 가입자들에게 포괄적인 범위의 서비스들을 오퍼하고; (B) 신규한 서비스들을 프로모팅하며; (C) 컨텐트 번들들 둘레의 오퍼들을 형성하고; (D) 구매하고 컨텐트 서비스들을 가입할 가입자들에 대한 "사용자-친화성" 인터페이스를 제공하며; (E) 스토어프론트의 마켓 세그먼트-특정 버전들을 디스플레이하며; (F) 신규한/인기있는 서비스들을 프로모팅할 상위-10 리스트들을 형성하게 할 수 있다.
부가적으로, 스토어프론트는 가입자로 하여금: (A) 오퍼에 대한 완전한 범위의 컨텐트 서비스들(모든 서비스들 또는 그들의 마켓 세그먼트에서 이용가능한 서비스들)을 일람하고; (B) 컨텐트 서비스들(예를 들어, 게임들, 벨소리들 등)을 구매하며; (C) 컨텐트 서비스들(예를 들어, 경보들 등)에 가입하고; (D) 컨텐트 서비스들에 대한 그들의 가입들을 관리하고; 그리고 (E) 컨텐트의 전달을 위한 그들 고유의 스케줄을 특정할 수 있게 한다.
컨텐트 또는 서비스가 상이한 채널들 상에서 판매될 상황에서, 프로파일 및 추천 시스템은 다수의 스토어프론트들로 구성될 수 있다. 예를 들어, 모바일 운영자는 다수의 브랜드들 또는 재판매자들을 통해 그것의 컨텐트 또는 서비스들을 매매할 수 있다. 하나의 예에서, 커스터마이징된 스토어프론트는 각각의 채널에 대해 지원될 수 있다.
컨텐트 모듈(1804)은 컨텐트를 저장하고 관리하는 것의 안전하고 신뢰성 있으며 감사받는(audited) 메커니즘을 제공하도록 더 구성될 수 있다. 하나의 경우에서, 보안성은 SSL 및 사용자이름/비밀번호 인증을 통해 제공된다. 하나의 예에 따라, 컨텐트에 대한 액세스는 차별되고, 그리하여 컨텐트 제공자들을 그들 고유의 컨텐트에 액세스하는 것으로 제한한다. 컨텐트 리뷰 및 권한부여는 플랫폼 관리자(213)에 의해 또는 외부 컨텐트 소유자들에 의해 수행될 수 있다.
하나의 양상에서, 지능형 컨텐트 선택은 제공자들에 의해 오퍼된 컨텐트의 타입이 사용자 또는 가입자의 디바이스의 능력들과 매칭되는 최적 포맷으로 전달될 수 있음을 보장하기 위해 사용될 수 있다. 디바이스 능력들을 디바이스들 및 컨텐트 또는 서비스 아이템들로 맵핑함으로써, 어떤 서비스 또는 컨텐트의 피스가 전달될 것인지에 관하여 결정이 프로파일 및 추천 시스템에 의해 이루어질 수 있다. 디바이스가 다수의 디바이스 능력들을 갖는 경우, 프로파일 및 추천 시스템은 전달할 가장 적절한 컨텐트를 결정하기 위하여 가중의 시스템을 사용할 수 있다.
계속하여 도 22를 참조하면, 하나의 예에서, 카탈로그 모듈(230) 및 프로파일 모듈(232)에 대한 데이터는 대응하여 접속 모듈(1802)을 경유하여 시스템들(예를 들어, 빌링, CRM, 부가가치서비스들(VAS) 플랫폼들(예를 들어, 경보 플랫폼 등) 등)로부터 수입될 수 있다. 하나의 양상에서, 접속 모듈(1802)은 프로파일 및 추천 시스템으로의, 그리고 프로파일 및 추천 시스템에서의 프로파일 모듈(232) 및 카탈로그 모듈(230)에 대한 정보의 수입 및 수출을 단순화하고 자동화하는 방법을 제공한다.
도 23을 참조하여, 청구된 대상의 여러 양상들을 구현하기 위한 예시적인 환경(1900)은 컴퓨터(1912)를 포함한다. 컴퓨터(1912)는 프로세싱 유닛(1914), 시스템 메모리(1916) 및 시스템 버스(1918)를 포함한다. 시스템 버스(1918)는 프로세싱 유닛(1914)으로의 시스템 메모리(1916)을 포함하여(그러나 이에 제한되지 않음) 시스템 컴포넌트들을 결합한다. 프로세싱 유닛(1914)은 여러 다양한 이용가능한 프로세서들 중 임의의 것일 수 있다. 듀얼 마이크로프로세서들 및 다른 멀티프로세서 아키텍처가 또한 프로세싱 유닛(1914)으로서 채택될 수 있다.
시스템 버스(1918)는 산업형 표준 아키텍처(Industrial Standard Architecture; ISA), 마이크로-채널 아키텍처(Micro-Channel Architecture: MSA), 확장형 ISA(EISA), 지능형 구동 전자장치(Intelligent Drive Electronics; IDE), VESA 로컬 버스(VLB), 주변 컴포넌트 상호접속(Peripheral Component Interconnect; PCI), 카드 버스, 범용 직렬 버스(USB), 진보된 그래픽 포트(Advanced Graphics Port; AGP), 개인용 컴퓨터 메모리 카드 국제 연합 버스(Personal Computer Memory Card International Association bus; PCMCIA), 파이어와이어(IEEE 1394), 및 소형 컴퓨터 시스템 인터페이스(Small Computer Systems Interface; SCSI)를 포함한(그러나 이에 제한되지 않음) 임의의 여러 다양한 이용가능한 버스 아키텍처들을 사용하는 메모리 버스 또는 메모리 제어기, 주변 버스 또는 외부 버스 및/또는 로컬 버스를 포함한 임의의 여러 타입들의 버스 구조(들)일 수 있다.
시스템 메모리(1916)는 휘발성 메모리(1920) 및 비휘발성 메모리(1922)를 포함한다. 예컨대, 시동 동안에 컴퓨터(1912) 내의 엘리먼트들 간에 정보를 전달할 기본 루틴들을 포함하는 기본 입출력 시스템(BIOS)은 비휘발성 메모리(1922)에 저장된다. 제한이 아닌 예시의 방식으로, 비휘발성 메모리(1922)는 판독 전용 메모리(ROM), 프로그래밍 가능 ROM(PROM), 전기적 프로그래밍 가능 ROM(EPROM), 전기적 소거 가능 프로그래밍 가능 ROM(EEPROM), 또는 플래시 메모리를 포함할 수 있다. 휘발성 메모리(1920)는 외부 캐시 메모리로서 동작하는 랜덤 액세스 메모리(RAM)을 포함한다. 제한이 아닌 예시의 방식으로, RAM은 정적 RAM(SRAM), 동적 RAM(DRAM), 동기 DRAM(SDRAM), 더블 데이터 레이트 SDRAM(DDR SDRAM), 인핸스드 SDRAM(ESDRAM), 싱크링크 DRAM(SLDRAM), 램버스 다이렉트 RAM(RDRAM), 다이렉트 램버스 동적 RAM(DRDRAM), 및 램버스 동적 RAM(RDRAM)과 같은 다수의 형태들로 이용가능하다.
컴퓨터(1912)는 또한 착탈식/비착탈식, 휘발성/비휘발성 컴퓨터 저장 매체를 포함한다. 도 23은 예를 들어, 디스크 저장장치(1924)를 예시한다. 디스크 저장장치(1924)는 자기 디스크 드라이브, 플로피 디스크 드라이브, 테이프 드라이브, 자즈(Jaz) 드라이브, 집(ZIP) 드라이브, LS-100 드라이브, 플래시 메모리 카드, 또는 메모리 스택을 포함하나, 이에 제한되지 않는다. 부가하여, 디스크 저장장치(1924)는 컴팩트 디스크 ROM 디바이스(CD-ROM), CD 레코딩가능 드라이브(CD-R Drive), CD 재기록가능 드라이브(CD-RW Drive) 또는 디지털 다기능 디스크 ROM 드라이브(DVD-ROM)와 같은 광학 디스크 드라이브를 포함한(그러나 이에 제한되지 않음) 다른 저장 매체와 별개의 또는 상기 다른 저장 매체와 조합된 저장 매체를 포함할 수 있다. 시스템 버스(1918)로의 디스크 저장 디바이스들(1924)들의 접속을 촉진하기 위하여, 인터페이스(1926)와 같은 착탈식 또는 비착탈식 인터페이스가 전형적으로 사용된다.
도 23은 적합한 동작 환경(1900)에서 기술된 사용자들과 기본 컴퓨터 자원들 간의 중개자로서 동작하는 소프트웨어를 기술한다. 그러한 소프트웨어는 운영 시스템(1928)을 포함한다. 디스크 저장장치(1924) 상에 저장될 수 있는 운영 시스템(1928)은 컴퓨터 시스템(1912)의 자원들을 제어하고 할당하도록 동작한다. 시스템 애플리케이션들(1930)은 시스템 메모리(1916) 내에 또는 디스크 저장장치(1924) 상에 저장된 프로그램 모듈들(1932) 및 프로그램 데이터(1934)를 통해 운영 시스템(1928)에 의한 자원들의 관리의 이점을 취한다. 청구 대상은 여러 다양한 운영 시스템들 또는 운영 시스템들의 조합들로 구현될 수 있음이 이해되어야 한다.
사용자는 입력 디바이스(들)(1936)를 통해 컴퓨터(1912)로 커맨드(command)들 또는 정보를 입력한다. 입력 디바이스들(1936)은 마우스와 같은 포인팅 디바이스, 트랙볼, 스틸러스, 터치 패드, 키보드, 마이크로폰, 조이스틱, 게임 패드, 위성 접시, 스캐너, TV 튜너 카드, 디지털 카메라, 디지털 비디오 카메라, 웹 카메라 및 이와 유사한 것을 포함하나, 이에 제한되지 않는다. 이러한 그리고 다른 입력 디바이스들은 인터페이스 포트(들)(1938)를 경유하여 시스템 버스(1918)를 통해 프로세싱 유닛(1914)에 접속된다. 인터페이스 포트(들)(1938)은 예를 들어, 직렬 포트, 병렬 포트, 게임 포트, 및 범용 직렬 버스(USB)를 포함한다. 출력 디바이스(들)(1940)는 입력 디바이스(들)(1936)와 동일한 타입의 포트들 중 소정의 것을 사용한다. 그리하여, 예를 들어, USB 포트는 컴퓨터(1912)로의 입력을 제공하고 컴퓨터(1912)로부터 출력 디바이스(1940)로 정보를 출력하기 위해 사용될 수 있다. 출력 어댑터(1942)는 특별한 어댑터들을 요구하는 다른 출력 디바이스들(1940) 가운데, 모니터들, 스피커들 및 프린터들과 같은 소정의 출력 디바이스들(1940)이 존재함을 예시하도록 제공된다. 출력 어댑터들(1942)은 제한이 아닌 예의 방식으로, 출력 디바이스(1940)와 시스템 버스(1918) 간에 접속의 수단을 제공하는 비디오 및 사운드 카드들을 포함한다. 다른 디바이스들 및/또는 디바이스들의 시스템들이 원격 컴퓨터(들)(1944)과 같이 입력 및 출력 능력 양자 모두를 제공함이 주목되어야 한다.
컴퓨터(1912)는 원격 컴퓨터(들)(1944)와 같이 하나 이상의 원격 컴퓨터들로의 논리 접속들을 사용하는 네트워킹된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1944)는 개인용 컴퓨터, 서버, 라우터, 네트워크 PC, 워크스테이션, 마이크로프로세서 기반 어플라이언스, 피어 디바이스 또는 다른 공통 네트워크 노드 및 이와 유사한 것일 수 있고, 전형적으로 컴퓨터(1912)에 관해 기술된 다수의 또는 모든 엘리먼트들을 포함한다. 간결함을 위하여, 단지 메모리 저장장치(1946)만이 원격 컴퓨터(들)(1944)로 예시된다. 원격 컴퓨터(들)(1944)은 네트워크 인터페이스(1948)를 통해 컴퓨터(1912)에 논리적으로 접속되고, 그 다음 통신 접속(1950)을 통해 물리적으로 접속된다. 네트워크 인터페이스(1948)는 로컬-영역 네트워크들(LAN) 및 광역 네트워크(WAN)와 같은 유선 및/또는 무선 통신 네트워크들을 망라한다. LAN 기술들은 광섬유 분산 데이터 인터페이스(Fiber Distributed Data Interface; FDDI), 구리선 분산 데이터 인터페이스(Copper Distributed Data Interface; CDDI), 이더넷, 토큰 링(Token Ring) 및 이와 유사한 것을 포함한다. WAN 기술들은 점-대-점 링크들, 종합 서비스 디지털 네트워크(ISDN) 및 그에 대한 변형물들과 같은 회선 교환 네트워크들, 패킷 교환 네트워크들, 및 디지털 가입자 라인들(DSL)을 포함하나, 이에 제한되지는 않는다.
통신 접속(들)(1950)은 네트워크 인터페이스(1948)를 버스(1918)에 접속하기 위해 채택된 하드웨어/소프트웨어를 지칭한다. 통신 접속(1950)이 도시의 명확성을 위하여 컴퓨터(1912) 내로 도시된 반면, 그것은 또한 컴퓨터(1912) 외부에 있을 수 있다. 네트워크 인터페이스(1948)로의 접속에 필요한 하드웨어/소프트웨어는 단지 예시의 목적으로, 일상적인 전화 등급 모뎀들, 케이블 모뎀들 및 DSL 모뎀들을 포함한 모뎀들, ISDN 어댑터들, 및 이더넷 카드들과 같은 내부 및 외부 기술들을 포함한다.
도 24에서, 네트워크 디바이스(2400)는 하나 이상의 프로세서들(2404)로 하여금 무선 디바이스들의 사용자들에게 컨텐트를 프로파일링하고 추천하기 위하여 본 명세서에 기술된 방법들을 수행하게 하기 위한 수단을 포함하는 컴퓨터-판독가능 저장 매체(2402)를 포함한다. 그러한 수단은 소프트웨어 코드의 세트들, 펌웨어, 하드웨어 모듈 구현들, 또는 이들의 조합일 수 있다. 네트워크 통신 모듈(2406)은, 예시적인 구현예에서 모바일 운영자와의 통신(도 24에는 미도시)에 의해, 무선 디바이스들로 추천안들을 송신하는 것을 촉진한다. 예시적인 양상에서, 모듈(2408)은 대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대하여 속성 데이터 및 거동 데이터에 액세스한다. 모듈(2410)은 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고 거동 데이터에 기초하여 오퍼할 컨텐트에 대하여 추천안들을 생성한다. 모듈(2412)은 필터링 제약을 적용함으로써 추천안들의 서브세트를 선택한다. 모듈(2412)은 추천안들의 서브세트를 적어도 복수 개의 모바일 디바이스들의 서브세트로 송신한다.
하나의 경우에서, 프로파일 모듈(232) 및 카탈로그 모듈(230)은 대응하여 데이터의 전달을 위한 HTTP/XML-기반 API들을 제공할 수 있다. 이러한 API들(웹 기반 UI와 함께)은 디폴로이먼트(deployment)(예를 들어, 이른 단계들에서의 전개 등)의 데이터 교환 요구조건들을 충족시킬 수 있다. 하나의 경우에서, 더 복잡한 통합을 요구하는 데이터 교환들이 또한 지원될 수 있다. 하나의 예에서, 접속 모듈들(1802)은 여러 다양한 상이한 전송 메커니즘들을 사용하여 상이한 포맷들로 컨텐트를 수입 및 수출하기 위한 메커니즘들을 제공할 수 있는 데이터 교환 에이전트들의 사용을 통하여 데이터 교환들을 처리한다. 접속 모듈(1802)은 또한 데이터를 표현하는 그들 고유의 수단을 갖는 외부 시스템들을 지원할 수 있다. 예를 들어, 그러한 외부 시스템은 외부 시스템들이 어떻게 데이터를 분배 또는 수용하는지에 관하여 특정 요구조건들/능력들을 가질 수 있다. 부가적으로, 외부 시스템들은 온라인 또는 오프라인(배치(batch)) 운송을 위하여 상이한 운송 메커니즘들을 사용할 수 있다. 예를 들어, 하이퍼텍스트 전달 프로토콜(HTTP), 단순 객체 액세스 프로토콜(SOAP), 컨텐트-기반 리트리브 아키텍처(COntent-Based Retrieval Architecture; COBRA), 원격 방법 표시(Remote Method Indication; RMI) 등은 온라인 메커니즘들을 위해 사용될 수 있는 반면; FTP 및 메시지 큐(Message Queue)들은 오프라인 메커니즘들을 위해 사용될 수 있다. 접속 모듈(1802)의 전송 층들은 다수의 구성가능한 전송들을 지원한다.
하나의 예에서, 운송 층은 이하에 책임이 있다: (A) 적절한 프로토콜을 통한 데이터의 리트리브. 이것은 FTP를 통해 파일을 리트리브하여 그것을 개방하는 것 또는 HTTP를 통해 XML 인코딩된 데이터를 수용하는 것을 수반할 수 있다; (B) 데이터를 구성된 인코더들로 스트리밍. 성능을 개선하기 위해 데이터를 다수의 인코더 인스턴스들로 동시에 전달하는 것이 가능하다; (C) 데이터 아카이브. 선택적으로 미래의 참조를 위해 프로세싱된 데이터를 저장함; (D) 각각의 전송기는 인코더와 연관되고, 인코더를 사용하여 그것은 수신된 데이터를 프로세싱할 하나 이상의 인스턴스들을 형성할 수 있음. 다수의 전송기들은 각각의 통합 지점에 대해 구성될 수 있다.
하나의 예에서, 접속 모듈(1802)은 데이터를 외부 시스템의 포맷로부터 프로파일 모듈(232) 또는 카탈로그 모듈(230)에 의해 허용가능한 포맷으로, 그리고 그 역으로 번역(translate)하기 위해 인코더들을 사용할 수 있다. 인코더들은 구현 특정 데이터 포맷을 인식하고 이러한 포맷으로부터 프로파일 및 추천 시스템에 의해 요구되는 포맷으로 어떻게 번역할지를 인지한다. 하나의 예에서, 인코더들의 주요 책임들은 이하와 같다: (A) 전송 에이전트로부터 입력을 수용; (B) 수신된 데이터를 유효성검증하고 필요한 경우 예외 리포트들을 생성. 예외 리포트들은 불량하게 포맷팅되거나 불완전한 데이터의 레코드들을 포함한다; (C) 하나의 양상에서, 불필요하거나 원치 않는 데이터를 포함하지 않는 데이터를 수신하는 것이 어려울 수 있다. 이러한 후자의 시나리오에서, 인코더 필터들은 폐기되어야 하는 데이터 엘리먼트들을 결정하기 위해 사용된다; (D) 프로파일 모듈(232) 및 카탈로그 모듈(230)로부터 데이터를 업데이트 또는 삭제; (E) 인코딩 활동의 상세한 로깅(logging)을 제공. 하나의 예에서, 실행 인코더들은 대응하여 프로파일 모듈(232) 및 카탈로그 모듈(230) 내에 이미 포함된 데이터로의 완전한 액세스를 갖는다. 이것은 인코더들이 새로운 아이템을 수입하기 이전에 기존의 데이터에 대하여 체크할 수 있게 한다.
하나의 양상에 따라, 프로파일 및 추천 시스템은 공통 데이터 포맷(common data format)들을 위하여 일정한 디폴트 인코더들을 제공한다. 새로운 또는 고객 특정 데이터 포맷을 구현하는 새로운 인코더들이 쉽게 개발될 수 있다. 하나의 예에서, 인코더들은 자바로 작성될 수 있다. 이것은 또한 고객들 또는 통합자들로 하여금 그들이 친숙한, 강건한 고성능 산업 표준 언어를 사용하여 새로운 인코더들을 작성할 수 있게 허용한다.
하나의 예에서, 프로파일 및 추천 시스템의 포털 API는 컨텐트 제공자 웹사이트들, 웹 포털들 또는 다른 최종-사용자 시스템들에게 프로파일 및 추천 시스템의 프로파일 및 카탈로그 정보로의 액세스를 제공하는 SOAP-기반 시스템이다. 하나의 예에서, 포털 API는 이하를 위해 사용될 수 있다: (A) 프로모팅 모듈(236)에 의해 정의된 바와 같이 타겟팅된 프로모션들(예를 들어, 배너 광고들 등)을 제공; (B) 카탈로그 모듈(230)에서 유지된 정보(예를 들어, 바탕화면들, 벨소리들 등)로부터 포털을 통해 이용가능한 컨텐트를 파퓰레이팅; (C) 카탈로그 모듈(230)에서 유지된 메타데이터로부터 검색 기능을 제공; (D) 프로파일 모듈(232)에서 유지된 정보로부터 커스터마이징된 정보 제공; 및 (E) 포털 상에서 일어나는 이벤트들(예를 들어, 가입자 방문, 광고 상에서의 클릭, 컨텐트의 아이템 구매 등)로 프로파일 및 추천 시스템 업데이트.
본 명세서의 소정 전개들은 일차적으로, 프로모션 및 포털 통합 능력과 결합된 그것의 중심 카탈로그를 위하여 개시내용을 이용할 것임이 이해될 것이다. 이러한 시나리오에서, 컨텐트 및 서비스들에 관하여 완전한 최신 정보로 카탈로그 모듈(230)을 유지하는 것이 강조될 수 있다. 프로모팅 모듈(236) 및 결정 모듈(234)은 대응하여 가능한 많이 습득을 증가시키기 위해 이용될 수 있다. 이러한 시나리오에서, 포털 통합을 보통의 프로모션 양상들(배너 광고들 등)로부터 포털이 카탈로그 모듈(230)로부터 이용가능한 컨텐트 또는 서비스들에 관하여 그것이 알고 있는 것 중 일부 또는 전부를 받아들이는 것으로 확장하는 것이 가능하다. 또 다른 전개는 본 명세서를 그것의 프로모션 및 전달 능력에 이용하는 것에 초점이 맞추어질 수 있다. 선택된 해결책은 고객들의 요구조건들에 의존할 것이고 시간에 걸쳐 진화할 수 있다.
하나 이상의 양상들에서, 본 명세서의 프로파일 및 추천 시스템은 캐리어-그레이드 성능, 신뢰성, 및 스케일러빌리티를 전달하는 통상의 기저 아키텍처 상에서 전개될 수 있다. 상기 아키텍처는 또한 통합의 일관성 있는 포인트를 네트워크 전달 인프라구조, CRM, 빌링 및 다른 BSS 시스템들에 제공할 수 있다. 부가하여, 통상의 아키텍처는 고도의 모듈식 및 구성가능한 방식으로 여러 다양한 능력들로부터 구축된 다수의 해결책들을 지원할 수 있다.
하나의 예에 따라, 프로파일 및 추천 시스템은 제한됨 없이, Solaris, HP-UX, Linux 및 Windows를 실행하는 것들을 포함한 상이한 하드웨어 상에서 전개될 수 있다. 하나의 양상에서, 프로파일 및 추천 시스템은 3개의 층으로 나누어질 수 있고, 각각의 층은 모바일 운영자의 전개(deployment) 표준들 및 성능 요구조건들에 의존하여 공유 또는 상이한 하드웨어 상에서 전개될 수 있다. 하나의 예에서, 오라클(Oracle) 데이터베이스는 데이터 저장 및 데이터 저장 관리를 위해 사용될 수 있다.
*하나의 예에 따라, 프로파일 및 추천 시스템의 아키텍처는 하이(high) 볼륨 모바일 운영자들에 의해 요구된 성능의 최고 레벨을 제공하도록 동작할 수 있다. 결정 모듈(234)은 프로파일 및 카탈로그 정보의 광범위 데이터베이스로부터 하이 볼륨, 실시간 추천안 생성을 제공한다. 프로모팅 모듈(236)은 하이 볼륨 온라인 및 아웃바운드 프로모션들을 전달할 수 있고, 컨텐트 모듈(1804)은 컨텐트의 대량 볼륨들을 관리 및 전달할 수 있다.
하나의 예에서, 프로파일 및 추천 시스템은 여분 전개를 더 제공할 수 있고, 그리하여 실질적으로 어떠한 단일 실패 포인트도 없음을 보장한다. 이러한 방식으로, 모든 수입-생성 서비스들의 높은 이용가능성이 보장될 수 있다. 프로파일 및 추천 시스템(101)은 또한 이하의 사용을 통해 캐리어-그레이드 신뢰성 및 이용가능성을 제공할 수 있다: (A) 각각의 소프트웨어 컴포넌트의 기능이 백업 서버로 이동할 수 있는 상시 대기(hot standby) 구성; (B) 내장된 여분 하드웨어 컴포넌트들을 구비한 서버들의 이용; (C) 모든 인터페이스 포인트들에서의 부하 밸런서(load balancer)들; (D) 높은 처리량 및 높은 이용가능성 데이터데이스 액세스를 제공하는 오라클 9i 데이터베이스 기술; 및 (E) 기존의 네트워크 관리 플랫폼들과의 통합을 허용하는, 단순 네트워크 관리 프로토콜(Simple Network Management Protocol; SNMP) 모니터링 및 경보들, 및 단순 메일 전달 프로토콜(Simple Mail Transfer Protocol; SMTP).
프로파일 및 추천 시스템은 프로세싱 자원들의 비용-효율적이고 유연성 있는 이용으로 고객의 현재 및 예측 성능 요구조건들을 만족시키는 강력한 스케일러빌리티 옵션들을 더 제공할 수 있다. 하나 또는 그 이상의 예에서, 아키텍처의 모든 컴포넌트들은 멀티-스레드(multi-threaded)일 수 있고 다수의 CPU 서버들을 최대 이용하게 하도록 설계될 수 있다. 이용가능한 자원들에 의존하여, 하나의 양상에 따라, 상기 시스템은 스레드들 및 데이터베이스 접속들로서 상기 프로세싱 엘리먼트들에 대한 완전한 제어를 제공하면서, 적절히 구성될 수 있다. 호스트 내에서 스케일러빌리티를 제공하는 것에 부가하여, 프로파일 및 추천 시스템은 시스템 성능의 거의 선형인 증가를 위한 새로운 노드들의 부가와 함께 여러 노드들에 걸쳐 스케일링될 수 있다.
부가적으로, 하나 이상의 양상들에 따라, 프로파일 및 추천 시스템은 상기 시스템이 다른 애플리케이션들과 쉽게 통합되게 할 수 있는 여러 다양한 API들을 제공할 수 있다. 하나의 비제한적인 예에서, 그러한 API는 XML/SOAP, RMI, JDBC 등을 포함한다. 또한 새로운 또는 기존의 비지니스 로직이 상이한 모듈들의 프로세싱 플로우들 내로 삽입될 수 있게 하는 다수의 통합 포인트들이 제공될 수 있다.
부가하여, 하나의 예에 따라, 프로파일 및 추천 시스템은 직관적 웹-기반 관리 및 모든 양상들의 플랫폼 동작 및 시스템 작업플로우의 공급을 제공할 수 있다. 상기 시스템은 각각의 모듈들의 관리를 위한 인터페이스들 및 베이스 플랫폼 관리를 더 제공할 수 있다.
부가적으로, 프로파일 및 추천 시스템은 HP Openview와 같은 관리 시스템들과의 SNMP 통합을 제공할 수 있다. 상기 시스템은 또한 모든 시스템 컴포넌트들에 대한 상세한 로그 파일들을 제공할 수 있고; 로그 레벨은 컴포넌트 당 구성가능하다. 하나 이상의 양상들에서, 로그 레벨은 실시간으로 변경될 수 있다.
부가하여, 프로파일 및 추천 시스템은 여러 다양한 네트워크 접속 프로토콜들(예를 들어, 단문 메시지 피어-투-피어 프로토콜(Short Message Peer-to-Peer Protocol; SMPP), 메시지 분배로의 컴퓨터 인터페이스(Computer Interface to Message Distribution; CIMD), 범용 컴퓨터 프로토콜(Universal Computer Protocol; UCP), EAIF, MM7, MM1, 비밀번호 인증 프로토콜(Password Authentical Protoco; PAP), 및 오버-더-에어(OTA))을 지원할 수 있다. 하나의 예에서, 플랫폼은 동시에 제한되지 않은 개수의 네트워크 전달 포인트들에 접속되고 복잡한 컨텐트 라우팅을 수행할 수 있다.
프로파일 및 추천 시스템은 하나보다 많은 수의 모바일 운영자 또는 다수의 자회사들을 가진 모바일 운영자의 사용자들 또는 가입자들로의 컨텐트 또는 서비스의 전달을 지원하도록 구성될 수 있다.
부가적으로, 프로파일 및 추천 시스템은 당해의 프로토콜에 적절한 SSL, VPN, 소스-어드레스 유효성검증, 및 사용자/비밀번호 유효성검증의 사용을 통해 모든 외부 인터페이스들에 대한 액세스 제어를 지원함으로써 컨텐트 제공자 피크 메시지 출력 및 보안 관리를 사용하는 대역폭 제어에 의해 네트워크 관리를 제공할 수 있다.
프로파일 및 추천 시스템은 메시지들이 애플리케이션들로부터의 시스템 및 메시징 센터들에 입력될 수 있는 레이트를 감속(throttle)하기 위해 더 사용될 수 있다. 부가하여, 그것은 특정 애플리케이션 트래픽에 우선순위가 주어짐을 보장하기 위해 사용될 수 있다.
더욱이, 하나 이상의 양상들에 따라, 프로파일 및 추천 시스템은 리포트 생성 또는 고객 서비스 질의들을 위해 관련있는 시스템 데이터를 포착하는데 책임이 있는 리포팅 기능을 제공할 수 있다. 상기 시스템은 완전한 감사 추적을 생성하는데 요구되는 트래픽의 실질적으로 모든 세부사항들을 포착할 수 있다. 여러 다양한 리포트들이 관리 웹사이트를 통해 이용가능할 수 있다. 하나의 양상에서, 이용가능한 리포트들의 타입들은 전개된 해결책에 의존할 수 있다. 하나의 예에서, 디폴트로, 상이한 컴포넌트들이 여러 다양한 가장 통상적으로 사용된 내장 리포트들을 안출할 수 있다. 그러나, 프로파일 및 추천 시스템은 형성될 부가의 고객 특정 리포트들을 제공한다. 하나의 예에서, 임베딩된 리포팅 툴이 사용될 수 있다. 이러한 접근법으로, 진보된 GUI로 목적하는 맞춤형 리포트를 형성하고 프로파일 및 추천 웹사이트로부터 쉽게 이용가능한 리포트를 갖는 것이 가능하다. 웹사이트로부터, 요약 정보(텍스트 또는 그래픽 형태로)를 일람하고 CSV 포맷으로 상세한 정보를 다운로드할 수 있는 것이 가능하다. 하나의 예에서, 리포팅은 모든 서비스 사용 및 프로모션들로부터의 웹 기반 인터페이스 통계치들 및 사전설정된 트리거들에 대한 경보 능력을 포함하는, 관리 계기판을 포함할 수 있다.
리포팅은 또한 실시간 계기판을 포함할 수 있고, 상기 실시간 계기판은 모든 서버들의 현재 헬스(health) 상태, 모든 액티브 서버들의 현재 상태, 서비스 당 트랜잭션들의 수에 관한 트렌드 정보, 컨텐트 제공자에 의한 트랜잭션 볼륨의 트렌드 정보, 가입자 타입, 추천안 당 응답 등에 의한 상위 10 현재 추천안들과 같은 정보를 제공할 수 있다.
하나 이상의 양상들에 따라, 본 명세서의 프로파일 및 추천 시스템은 통일화된 뷰, 진보된 프로파일링 및 지능적인 추천안들을 제공함으로써 컨텐트 또는 서비스들의 습득을 선행적으로 프로모팅하도록 서비스들의 복잡한 혼합 및 다양한 가입자 베이스를 가진 모바일 운영자들을 도울 수 있다. 그것의 능력들은 모바일 운영자들이 모바일 채널에 걸쳐 그들의 모든 컨텐트 또는 서비스들을 능동적으로 소매하는데 있어서의 현재 제한들을 극복할 수 있게 한다(예를 들어, 다수의 이종의 시스템들로부터의 컨텐트 서비스들을 어떻게 상호-프로모팅할지, 가입자들의 인계 통계, 이용가능한 펀드들 및 사용 패턴들에 기초하여 어떻게 개별 가입자들에게 판매할지, 어떻게 판매할 기회를 놓치지 않으면서 디바이스 및 가입자에게 적용가능한 서비스들을 매칭함으로써 사용자 경험을 개선할지, 어떻게 정확히 타겟팅된 프로모션들을 자동화할지 등).
본 명세서의 프로파일 및 추천 시스템은 예를 들어 이하와 같은 모바일 운영자들에 대한 종단 간(end-to-end) 소매 환경을 제공함으로써 전술한 모든 이슈들을 극복할 수 있다: (A) 모바일 운영자에게 이용가능한 판매 기회들 최대화; (B) 최소의 스태프 경비로 컨텐트 및 서비스들의 프로모션을 자동화; (C) 모바일 운영자들의 현재의 컨텐트 및 데이터 플랫폼들에서의 기존 투자 최대화; 모바일 운영자가 컨텐트 제공자들과 갖는 모든 관계들을 향상; (D) 보유력 개선 및 가입자 참여 형성; (E) 더 높은 마진(예를 들어, 적어도 3배)을 능동적으로 추진함으로써 데이터 ARPU를 증가; 및 (F) 복잡성 감소.
본 명세서에서 기술된 것의 변형예들, 수정예들 및 다른 구현예들이 청구된 바와 같이 본 명세서의 사상 및 범위를 벗어나지 않으면서 당업자들에게 일어날 것이다. 따라서, 본 명세서는 전술한 예시적인 설명에 의해 정의되는 것이 아니라, 대신에 이하의 청구항들의 사상 및 범위에 의해 정의된다.
Claims (71)
- 모바일 디바이스의 사용자를 위한 추천안들을 생성하기 위한 방법으로서,
상기 모바일 디바이스는 서비스 제공자와 연관되고,
상기 방법은:
추천안들에 대한 요청을 획득하는 단계;
서비스 제공자로부터 사용자와 연관된 데이터 및 모바일 디바이스에 대해 이용가능한 컨텐트에 관한 데이터를 리트리브(retrieve)하는 단계;
상기 리트리브된 데이터의 분석에 기초하여 복수 개의 추천안들을 생성하는 단계 ― 상기 추천안들은 복수 개의 상이한 추천 기술들에 의해 생성됨 ―; 및
필터링 제약(filtering constraint)들에 기초하여 상기 생성된 복수 개의 추천안들의 서브세트를 선택하는 단계;
를 포함하는,
추천안들을 생성하기 위한 방법. - 제1항에 있어서,
상기 사용자에 의해 액세스가능한 사용자 인터페이스로 상기 생성된 추천안들을 전달하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제2항에 있어서,
상기 선택된 추천안들의 서브세트를 전달하는 단계는 상기 서비스 제공자와 연관된 포털로 상기 선택된 추천안들의 서브세트를 전달하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제3항에 있어서,
상기 포털의 선택된 부분과의 사용자 상호작용(interaction)을 검출하는 단계;
상기 복수 개의 추천안들을 가진 상기 선택된 부분의 양상(aspect)에 연관된 것으로서 상기 필터링 제약들을 정의하는 단계; 및
상기 포털의 상이한 부분들의 사용자 액세스에 응답하여, 상기 추천안들의 서브세트를 선택적으로 디스플레이하는 단계;
를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제2항에 있어서,
상기 사용자에 의해 액세스가능한 상기 사용자 인터페이스로 상기 생성된 추천안들을 전달하는 단계는 모바일 디바이스로 상기 추천안들을 전달하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제5항에 있어서,
상기 모바일 디바이스로 전달하는 단계는 상기 서비스 제공자와 연관된 포털로의 무선 애플리케이션 프로토콜(WAP) 푸시 메시지를 통해 이루어지는,
추천안들을 생성하기 위한 방법. - 제5항에 있어서,
상기 모바일 디바이스로 전달하는 단계는 단문 메시지 서비스(SMS) 메시지를 통해 이루어지는,
추천안들을 생성하기 위한 방법. - 제5항에 있어서,
상기 모바일 디바이스로 전달하는 단계는 상기 모바일 디바이스 상에 디스플레이되는 멀티미디어 메시징 서비스(MMS) 메시지를 통해 이루어지는,
추천안들을 생성하기 위한 방법. - 제1항에 있어서,
상기 복수 개의 추천안들을 생성하는 단계는:
추천안들을 생성하기 위해 상기 상이한 추천 기술들 각각에 리트리브된 데이터를 제공하는 단계 ― 생성된 각각의 추천안은 연관된 신뢰도 레벨을 가짐 ―; 및
신뢰도 레벨의 순서로 상기 추천안 기술들 각각으로부터의 상기 추천안들을 결합하는 단계;
를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제9항에 있어서,
사용자 정의된 가중치들에 기초하여 상기 추천안들을 재배열(reorder)하는 단계;
상기 재배열된 추천안들을 필터링하는 단계;
를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제10항에 있어서,
특정 제약을 포함하는 상기 추천안에 대한 요청을 수신하는 단계; 및
상기 특정 제약에 따라 필터링함으로써 상기 재배열된 추천안들을 필터링하는 단계;
를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제10항에 있어서,
상기 재배열된 추천안들을 필터링하는 단계는 상기 사용자에 의해 이전에 이용되거나 이미 일정한 횟수로 상기 사용자에게 제시된 추천안을 제거하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제10항에 있어서,
상기 재배열된 추천안들을 필터링하는 단계는 모바일 디바이스와 호환되지 않는 추천안을 제거하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제9항에 있어서,
상기 상이한 추천 기술들로부터 획득된 상기 신뢰도 레벨들을 정규화(normalize)하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제1항에 있어서,
상기 복수 개의 추천 기술들은 연관 추천기, 비교 추천기, 그룹 추천기, 트랙 추천기 또는 네트워크 추천기로 구성된 그룹으로부터 선택되는,
추천안들을 생성하기 위한 방법. - 제15항에 있어서,
상기 네트워크 추천기는:
타겟 사용자의 로컬 네트워크 내 사용자들의 리스트로부터 복수의 사람들을 선택하는 것;
상기 선택된 복수의 사람들에 의해 이전에 이용된 인기있는 컨텐트를 결정하는 것 ― 상기 복수의 사람들은 특정된 수의 분리 촌수(degree of separation)들 내에 있음 ―; 및
상기 결정된 서비스 제공자 및 인기있는 컨텐트에 기초하여 추천안들을 생성하는 것;
을 더 포함하는,
추천안들을 생성하기 위한 방법. - 제16항에 있어서,
상기 복수의 사람들을 선택하는 것은 높은 가중치 값들과 연관된 상기 타겟 사용자의 로컬 네트워크로부터 상기 사용자들을 식별하는 것을 더 포함하는,
추천안들을 생성하기 위한 방법. - 제17항에 있어서,
상기 가중치 값들은:
상기 서비스 제공자로부터 상기 사용자에 대한 사람-대-사람 모바일 통신 데이터를 리트리브하는 단계;
원치 않는 통신 데이터를 제거하기 위하여 상기 사람-대-사람 통신 데이터를 필터링하는 단계; 및
상기 필터링된 사람 대 사람 집합(aggregate) 통신들 각각에 가중치 값을 할당하는 단계 ― 상기 할당된 값은 사람-대-사람 통신 활동의 양 및 타입에 비례함―;
를 포함하는,
추천안들을 생성하기 위한 방법. - 제18항에 있어서,
상기 사람-대-사람 통신 데이터를 필터링하는 단계는:
원치 않는 소스들로부터의 통신 데이터를 제거하는 단계;
를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제19항에 있어서,
상기 원치 않는 소스들은 각각의 고유한 전화번호들에 의해 식별되는,
추천안들을 생성하기 위한 방법. - 제18항에 있어서,
상기 사람-대-사람 통신을 필터링하는 단계는 통신의 타입 또는 지속기간으로 인하여 원치 않는 통신 데이터를 제거하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제18항에 있어서,
상기 필터링하는 단계는 통신의 시간 또는 날짜로 인하여 원치 않는 통신 데이터를 제거하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제18항에 있어서,
상기 사람-대-사람 모바일 통신 데이터는 음성 호출들, 단문 메시지 서비스(SMS) 메시지들, 멀티미디어 메시징 서비스(MMS) 메시지들, 또는 모바일 통신 방법 중 하나 이상을 더 포함하는,
추천안들을 생성하기 위한 방법. - 제15항에 있어서,
상기 연관 추천기는:
서비스 제공자로부터 리트리브된 사용자의 거동 데이터로부터 연관 규칙들을 구축하는 단계; 및
상기 구축된 연관 규칙들에 기초하여 추천안들을 생성하는 단계;
를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제15항에 있어서,
상기 비교 추천기는:
컨텐트 메타데이터를 사용하는 상기 사용자에게 이용가능한 유사한 컨텐트 데이터 간에 링크들을 구축하는 것; 및
상기 구축된 링크들에 기초하여 추천안들을 생성하는 것;
을 더 포함하는,
추천안들을 생성하기 위한 방법. - 제15항에 있어서,
상기 트랙 추천기는:
모든 컨텐트 데이터의 순위를 구축하기 위하여 사용자들 활동들의 이력을 결정하는 것 ― 컨텐트 데이터는 인기도에 의해 순위가 정해짐 ―; 및
상기 순위에 기초하여 추천안들을 생성하는 것;
을 포함하는,
추천안들을 생성하기 위한 방법. - 제26항에 있어서,
상기 사용자들의 활동은 구성가능한(configurable) 시간 기간에 걸친 컨텐트 구매들, 등급들, 또는 관심의 다른 사용자 표현들을 포함하는,
추천안들을 생성하기 위한 방법. - 제1항에 있어서,
상기 사용자와 연관된 데이터는 하나 이상의 호출 데이터의 선택, 생일, 성별, 선매(prior purchase)들, 관심의 표현들, 무관심의 표현들, 소비 패턴, 모바일 디바이스 타입, 현재의 지리적 위치, 호출 빈도, 또는 다른 사용자 메타데이터를 포함하는,
추천안들을 생성하기 위한 방법. - 제28항에 있어서,
추천안을 생성할 때, 최근의 상기 연관된 사용자 데이터를 유지하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제1항에 있어서,
상기 추천안에 대한 요청은 서비스 제공자와 연관된 포털로부터 획득되는,
추천안들을 생성하기 위한 방법. - 제1항에 있어서,
상기 추천안들은 상기 사용자 경험으로부터 빗나가지 않기 위하여 실시간으로 생성되는,
추천안들을 생성하기 위한 방법. - 제1항에 있어서,
추천안들은 200 밀리초 미만의 시간의 기간에서 생성되는,
추천안들을 생성하기 위한 방법. - 모바일 디바이스의 사용자를 위한 프로모션(promotion)들을 생성하기 위한 방법으로서,
상기 사용자는 서비스 제공자와 연관되고,
상기 방법은:
서비스 제공자로부터 프로모션들의 리스트를 리트리브하는 단계;
상기 서비스 제공자로부터 사용자와 연관된 데이터 및 상기 사용자에게 이용가능한 상기 컨텐트에 관한 데이터를 리트리브하는 단계;
상기 리트리브된 데이터의 분석에 의해 상기 사용자에 대한 추천안들의 리스트를 생성하는 단계 ― 상기 추천안들은 복수 개의 개별 추천 기술들에 의해 생성됨 ―; 및
전달을 위하여 상기 리트리브된 프로모션들의 서브세트를 선택하는 단계 ― 상기 리트리브된 프로모션들의 서브세트는, 상기 추천안 리스트에서의 상기 추천안들과 공통이고 상기 사용자에 의해 이미 이용된 적 없는 프로모션들을 포함함 ―;
를 포함하는,
프로모션들을 생성하기 위한 방법. - 컴퓨터-판독가능 저장 매체를 포함하는 컴퓨터 프로그램 물건으로서,
상기 컴퓨터-판독가능 저장 매체는,
컴퓨터로 하여금 추천안에 대한 요청을 획득하게 하기 위한 적어도 하나의 명령;
상기 컴퓨터로 하여금 상기 서비스 제공자로부터 사용자와 연관된 데이터 및 상기 사용자에게 이용가능한 컨텐트에 관한 데이터를 리트리브하게 하기 위한 적어도 하나의 명령; 및
상기 컴퓨터로 하여금 상기 리트리브된 데이터의 분석에 기초하여 추천안들의 리스트를 생성하게 하기 위한 적어도 하나의 명령 ― 상기 추천안들은 복수 개의 상이한 추천 기술들에 의해 생성됨 ―;
을 포함하는,
컴퓨터 프로그램 물건. - 모바일 디바이스의 사용자를 위하여 추천안들을 생성하기 위한 시스템으로서,
상기 사용자는 서비스 제공자와 연관되고,
상기 시스템은:
추천안에 대한 요청을 획득하기 위한 수단:
상기 서비스 제공자로부터 사용자와 연관된 데이터 및 상기 사용자에게 이용가능한 컨텐트에 관한 데이터를 리트리브하기 위한 수단; 및
상기 리트리브된 데이터의 분석에 기초하여 추천안들의 리스트를 생성하기 위한 수단 ― 상기 추천안들은 복수 개의 상이한 추천 기술들에 의해 생성됨 ―;
을 포함하는,
추천안들을 생성하기 위한 시스템. - 모바일 디바이스의 사용자를 위하여 추천안들을 생성하기 위한 시스템으로서,
상기 사용자는 서비스 제공자와 연관되고,
상기 시스템은:
상기 사용자와 연관된 데이터를 저장하고 프로세싱하기 위한 프로파일 모듈;
상기 사용자에게 이용가능한 컨텐트를 저장하고 프로세싱하기 위한 카탈로그 모듈; 및
상기 프로파일 모듈 및 상기 카탈로그 모듈과 통신하고 있는 결정 모듈;
을 포함하고,
상기 결정 모듈은 상기 프로파일 모듈 및 상기 카탈로그 모듈로부터 리트리브된 데이터의 분석에 의해 상기 사용자를 위한 추천안들의 리스트를 생성하기 위해 사용되고, 상기 추천안들은 복수 개의 개별 추천기 모듈들에 의해 생성되는,
추천안들을 생성하기 위한 시스템. - 제36항에 있어서,
상기 결정 모듈은 연관 추천기, 비교 추천기, 그룹 추천기, 트랙 추천기, 및 네트워크 추천기를 포함하는,
추천안들을 생성하기 위한 시스템. - 제37항에 있어서,
상기 네트워크 추천기는:
호출 데이터 레코드 모듈, 네트워크 구축기 모듈, 네트워크 클리닝 모듈, 가중 모듈, 관계 식별자 모듈, 및 네트워크 추천기 모듈을 포함하는,
추천안들을 생성하기 위한 시스템. - 제36항에 있어서,
상기 프로파일 모듈은:
프로파일 데이터베이스 모듈, 프로파일 관리 모듈, 프로파일 그룹핑 모듈, 및 프로파일 섭취(ingestion) 모듈을 포함하는,
추천안들을 생성하기 위한 시스템. - 제36항에 있어서,
상기 카탈로그 모듈은:
컨텐트 그룹핑 모듈, 검색 모듈, 컨텐트 관리 모듈, 컨텐트 데이터베이스 모듈, 및 컨텐트 섭취 모듈을 포함하는,
추천안들을 생성하기 위한 시스템. - 모바일 디바이스의 사용자를 위하여 추천안들을 생성하기 위한 시스템으로서,
상기 사용자는 서비스 제공자와 연관되고,
상기 시스템은:
상기 사용자와 연관된 데이터를 저장하고 프로세싱하기 위한 프로파일 모듈;
상기 사용자에게 이용가능한 컨텐트를 저장하고 프로세싱하기 위한 카탈로그 모듈;
상기 프로파일 모듈 및 상기 카탈로그 모듈과 통신하고 있는 결정 모듈 ― 상기 결정 모듈은 상기 프로파일 모듈 및 상기 카탈로그 모듈로부터 리트리브된 데이터의 분석에 의해 상기 사용자를 위한 추천안들의 리스트를 생성하기 위해 사용되고, 상기 추천안들은 복수 개의 개별 추천기 모듈들에 의해 생성됨 ―; 및
상기 추천안들을 상기 서비스 제공자의 프로모션들의 데이터베이스와 비교하고, 상기 비교에 기초하여 프로모션들의 리스트를 생성하기 위한 프로모팅 모듈(promote module);
을 포함하는,
추천안들을 생성하기 위한 시스템. - 제41항에 있어서,
상기 프로모팅 모듈은:
프로모션 관리 모듈, 프로모션 피드백 모듈, 프로모션 형성 모듈, 프로모션 리트리브 모듈, 및 프로모션 전달 모듈을 더 포함하는,
추천안들을 생성하기 위한 시스템. - 모바일 디바이스의 사용자를 위한 추천안들을 생성하기 위한 방법으로서,
대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터(behavior data)에 액세스하는 단계;
상기 속성 데이터에 기초하여 오퍼(offer)할 컨텐트에 대한 추천안들을 생성하고 상기 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하는 단계;
필터링 제약을 적용함으로써 추천안들의 서브세트를 선택하는 단계; 및
상기 추천안들의 서브세트를 적어도 상기 복수 개의 모바일 디바이스들의 서브세트로 송신하는 단계;
를 포함하는,
추천안들을 생성하기 위한 방법. - 제43항에 있어서,
선택된 컨텐트 아이템에 대해 추천된 사용자들에 대한 요청을 수신하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제43항에 있어서,
배제 제약(exclusion constraint)에 액세스함으로써 필터링 제약을 적용하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제45항에 있어서,
선택된 사용자로의 선택된 컨텐트 아이템의 오퍼링들(offering)의 횟수를 트랙킹하는 단계; 및
임계치에 도달하는 것에 응답하여 상기 선택된 사용자에게로의 상기 선택된 컨텐트 아이템의 추가 오퍼링들을 배제하는 단계;
에 의해 상기 배제 제약에 액세스하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제45항에 있어서,
선택된 사용자에 대한 카테고리 제한을 수신함으로써 배제 제약에 액세스하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제45항에 있어서,
선택된 컨텐트 아이템이 선택된 사용자의 선택된 모바일 디바이스에 의해 이전에 선택되었고 수신되었음을 결정함으로써 배제 제약에 액세스하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제48항에 있어서,
상기 이전에 선택된 컨텐트 아이템과 연관된 추천을 위한 컨텐트 아이템을 식별하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제45항에 있어서,
선택된 컨텐트 아이템에 대한 선택된 무선 디바이스의 디바이스 호환성을 결정함으로써 배제 제약에 액세스하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제43항에 있어서,
선택된 컨텐트 아이템들의 복수 개의 추천안들의 신뢰도 레벨을 결정하고 상기 신뢰도 레벨에 따라 가중 계수(weighting factor)를 적용함으로써 필터링 제약을 적용함에 의해 추천안들의 서브세트를 선택하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제51항에 있어서,
상기 신뢰도 레벨에 따라 상기 복수 개의 추천안들을 소팅(sorting)하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제43항에 있어서,
제시된 추천안들의 오퍼링들과의 사용자 상호작용에 기초하여 무선 디바이스의 선택된 사용자에 대한 거동 데이터를 즉시 업데이트하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제43항에 있어서,
무선 디바이스의 선택된 사용자와 사용자들의 그룹을 연관시키는 단계 및 그룹 연관에 기초하여 추천안들을 선택하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 제54항에 있어서,
호출 데이터, 생일, 성별, 선매, 관심의 표현들, 무관심의 표현들, 소비 패턴, 모바일 디바이스 타입, 현재의 지리적 위치, 호출 빈도, 또는 다른 사용자 메타데이터로 구성된 속성 데이터 및 거동 데이터에 액세스하는 단계를 더 포함하는,
추천안들을 생성하기 위한 방법. - 모바일 디바이스의 사용자를 위한 추천안들을 생성하기 위한 적어도 하나의 프로세서로서,
대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터에 액세스하기 위한 제 1 모듈;
상기 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고 상기 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하기 위한 제 2 모듈;
필터링 제약을 적용함으로써 추천안들의 서브세트를 선택하기 위한 제 3 모듈; 및
상기 추천안들의 서브세트를 적어도 상기 복수 개의 모바일 디바이스들의 서브세트로 송신하기 위한 제 4 모듈;
을 포함하는,
프로세서. - 모바일 디바이스의 사용자를 위한 추천안들을 생성하기 위한 컴퓨터 프로그램 물건으로서,
컴퓨터-판독가능 저장 매체를 포함하고,
상기 컴퓨터-판독가능 저장 매체는,
컴퓨터로 하여금 대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터에 액세스하게 하기 위한 적어도 하나의 명령;
상기 컴퓨터로 하여금 상기 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고 상기 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하게 하기 위한 적어도 하나의 명령;
상기 컴퓨터로 하여금 필터링 제약을 적용함으로써 추천안들의 서브세트를 선택하게 하기 위한 적어도 하나의 명령; 및
상기 컴퓨터로 하여금 상기 추천안들의 서브세트를 적어도 상기 복수 개의 모바일 디바이스들의 서브세트로 송신하게 하기 위한 적어도 하나의 명령;
을 포함하는,
컴퓨터 프로그램 물건. - 모바일 디바이스의 사용자를 위한 추천안들을 생성하기 위한 장치로서,
대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터에 액세스하기 위한 수단;
상기 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고 상기 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하기 위한 수단;
필터링 제약을 적용함으로써 추천안들의 서브세트를 선택하기 위한 수단; 및
상기 추천안들의 서브세트를 적어도 상기 복수 개의 모바일 디바이스들의 서브세트로 송신하기 위한 수단;
을 포함하는,
추천안들을 생성하기 위한 장치. - 모바일 디바이스의 사용자를 위한 추천안들을 생성하기 위한 장치로서,
대응하는 복수 개의 모바일 디바이스들의 복수의 사용자들에 대한 속성 데이터 및 거동 데이터를 포함하는 프로파일 저장 컴포넌트;
액세스된 속성 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하고 액세스된 거동 데이터에 기초하여 오퍼할 컨텐트에 대한 추천안들을 생성하며, 필터링 제약을 적용함으로써 추천안들의 서브세트를 선택하기 위한 프로파일 및 추천 시스템; 및
상기 추천안들의 서브세트를 적어도 상기 복수 개의 모바일 디바이스들의 서브세트로 송신하기 위한 네트워크 통신 모듈;
을 포함하는,
추천안들을 생성하기 위한 장치. - 제59항에 있어서,
선택된 컨텐트 아이템에 대해 추천된 사용자들에 대한 요청을 수신하기 위한 상기 네트워크 통신 모듈을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제60항에 있어서,
배제 제약에 액세스함으로써 필터링 제약을 적용하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제61항에 있어서,
선택된 사용자로의 선택된 컨텐트 아이템의 오퍼링들의 횟수를 트랙킹함으로써; 그리고
임계치에 도달하는 것에 응답하여 상기 선택된 사용자로의 상기 선택된 컨텐트 아이템의 추가 오퍼링들을 배제함으로써;
배제 제약에 액세스하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제61항에 있어서,
선택된 사용자에 대한 카테고리 제한을 수신함으로써 배제 제약에 액세스하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제61항에 있어서,
선택된 컨텐트 아이템이 선택된 사용자의 선택된 모바일 디바이스에 의해 이전에 선택되었고 수신되었음을 결정함으로써 배제 제약에 액세스하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제64항에 있어서,
상기 이전에 선택된 컨텐트 아이템과 연관된 추천을 위한 컨텐트 아이템을 식별하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제61항에 있어서,
선택된 컨텐트 아이템에 대한 선택된 무선 디바이스의 디바이스 호환성을 결정함으로써 배제 제약에 액세스하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제59항에 있어서,
선택된 컨텐트 아이템들의 복수 개의 추천안들의 신뢰도 레벨을 결정하고 상기 신뢰도 레벨에 따라 가중 계수를 적용함으로써 필터링 제약을 적용함에 의해 추천안들의 서브세트를 선택하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제67항에 있어서,
상기 가중 계수에 따라 상기 복수 개의 추천안들을 소팅하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제59항에 있어서,
제시된 추천안들의 오퍼링들과의 사용자 상호작용에 기초하여 무선 디바이스의 선택된 사용자에 대한 거동 데이터를 즉시 업데이트하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제59항에 있어서,
무선 디바이스의 선택된 사용자와 사용자들의 그룹을 연관시키고 그룹 연관에 기초하여 추천안들을 선택하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는,
추천안들을 생성하기 위한 장치. - 제59항에 있어서,
호출 데이터, 생일, 성별, 선매, 관심의 표현들, 무관심의 표현들, 소비 패턴, 모바일 디바이스 타입, 현재의 지리적 위치, 호출 빈도, 또는 다른 사용자 메타데이터로 구성된 속성 데이터 및 거동 데이터에 액세스하기 위한 상기 프로파일 및 추천 시스템을 더 포함하는, 추천안들을 생성하기 위한 장치.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US99757007P | 2007-10-04 | 2007-10-04 | |
US60/997,570 | 2007-10-04 | ||
US12/237,864 US20090163183A1 (en) | 2007-10-04 | 2008-09-25 | Recommendation generation systems, apparatus and methods |
US12/237,864 | 2008-09-25 | ||
PCT/US2008/077869 WO2009045899A2 (en) | 2007-10-04 | 2008-09-26 | Recommendation generation systems, apparatus, and methods |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020127013294A Division KR20120080638A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020167007488A Division KR20160038902A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20140062486A true KR20140062486A (ko) | 2014-05-23 |
Family
ID=40526919
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020127013294A KR20120080638A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
KR1020167007488A KR20160038902A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
KR1020147007028A KR20140062486A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
KR1020107009913A KR20100089841A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020127013294A KR20120080638A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
KR1020167007488A KR20160038902A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020107009913A KR20100089841A (ko) | 2007-10-04 | 2008-09-26 | 추천안 생성 시스템들, 장치들 및 방법들 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20090163183A1 (ko) |
EP (1) | EP2195733A4 (ko) |
JP (2) | JP5166539B2 (ko) |
KR (4) | KR20120080638A (ko) |
CN (1) | CN101828167B (ko) |
BR (1) | BRPI0818425A8 (ko) |
CA (1) | CA2700015C (ko) |
RU (1) | RU2451986C2 (ko) |
WO (1) | WO2009045899A2 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024019476A1 (ko) * | 2022-07-19 | 2024-01-25 | 주식회사 뮤즈라이브 | 컨텐츠 재생용 대체 앨범 생성 방법 |
Families Citing this family (335)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7707255B2 (en) | 2003-07-01 | 2010-04-27 | Microsoft Corporation | Automatic grouping of electronic mail |
US7995735B2 (en) | 2004-04-15 | 2011-08-09 | Chad Vos | Method and apparatus for managing customer data |
US8255828B2 (en) | 2004-08-16 | 2012-08-28 | Microsoft Corporation | Command user interface for displaying selectable software functionality controls |
US8146016B2 (en) | 2004-08-16 | 2012-03-27 | Microsoft Corporation | User interface for displaying a gallery of formatting options applicable to a selected object |
US7703036B2 (en) | 2004-08-16 | 2010-04-20 | Microsoft Corporation | User interface for displaying selectable software functionality controls that are relevant to a selected object |
US8239882B2 (en) | 2005-08-30 | 2012-08-07 | Microsoft Corporation | Markup based extensibility for user interfaces |
US8627222B2 (en) | 2005-09-12 | 2014-01-07 | Microsoft Corporation | Expanded search and find user interface |
US9166823B2 (en) * | 2005-09-21 | 2015-10-20 | U Owe Me, Inc. | Generation of a context-enriched message including a message component and a contextual attribute |
US8489132B2 (en) * | 2005-09-21 | 2013-07-16 | Buckyball Mobile Inc. | Context-enriched microblog posting |
US8509827B2 (en) * | 2005-09-21 | 2013-08-13 | Buckyball Mobile Inc. | Methods and apparatus of context-data acquisition and ranking |
US9042921B2 (en) * | 2005-09-21 | 2015-05-26 | Buckyball Mobile Inc. | Association of context data with a voice-message component |
US8509826B2 (en) * | 2005-09-21 | 2013-08-13 | Buckyball Mobile Inc | Biosensor measurements included in the association of context data with a text message |
US8275399B2 (en) * | 2005-09-21 | 2012-09-25 | Buckyball Mobile Inc. | Dynamic context-data tag cloud |
US9727989B2 (en) | 2006-06-01 | 2017-08-08 | Microsoft Technology Licensing, Llc | Modifying and formatting a chart using pictorially provided chart elements |
US8484578B2 (en) | 2007-06-29 | 2013-07-09 | Microsoft Corporation | Communication between a document editor in-space user interface and a document editor out-space user interface |
US8762880B2 (en) | 2007-06-29 | 2014-06-24 | Microsoft Corporation | Exposing non-authoring features through document status information in an out-space user interface |
US8051057B2 (en) * | 2007-12-06 | 2011-11-01 | Suhayya Abu-Hakima | Processing of network content and services for mobile or fixed devices |
US9215217B2 (en) | 2008-12-05 | 2015-12-15 | Suhayya Abu-Hakima and Kenneth E. Grigg | Auto-discovery of diverse communications devices for alert broadcasting |
US9338597B2 (en) | 2007-12-06 | 2016-05-10 | Suhayya Abu-Hakima | Alert broadcasting to unconfigured communications devices |
US8301112B2 (en) * | 2008-01-08 | 2012-10-30 | Global Alert Network, Inc. | Mobile alerting network |
US8126479B2 (en) | 2008-01-08 | 2012-02-28 | Global Alert Network, Inc. | Mobile alerting network |
US8306503B2 (en) * | 2008-01-08 | 2012-11-06 | Global Alert Network, Inc. | Mobile alerting network |
US8099113B2 (en) | 2008-01-08 | 2012-01-17 | Global Alert Network, Inc. | Passive traffic alert and communication system |
US20090233633A1 (en) * | 2008-01-08 | 2009-09-17 | Mobile Traffic Network, Inc. | Mobile alerting network |
US7904530B2 (en) * | 2008-01-29 | 2011-03-08 | Palo Alto Research Center Incorporated | Method and apparatus for automatically incorporating hypothetical context information into recommendation queries |
US9588781B2 (en) | 2008-03-31 | 2017-03-07 | Microsoft Technology Licensing, Llc | Associating command surfaces with multiple active components |
US20090253416A1 (en) * | 2008-04-04 | 2009-10-08 | Samsung Electronics Co. Ltd. | Method and system for providing user defined bundle in a mobile broadcast system |
US9665850B2 (en) | 2008-06-20 | 2017-05-30 | Microsoft Technology Licensing, Llc | Synchronized conversation-centric message list and message reading pane |
US10068251B1 (en) * | 2008-06-26 | 2018-09-04 | Amazon Technologies, Inc. | System and method for generating predictions based on wireless commerce transactions |
US8606651B2 (en) * | 2008-09-05 | 2013-12-10 | Sony Corporation | Generation of home network use recommendations based on collected metadata of prior connected items |
US20100088246A1 (en) * | 2008-10-02 | 2010-04-08 | Lim Michael Z | System for, and method of, managing a social network |
US20100093324A1 (en) * | 2008-10-15 | 2010-04-15 | Sony Ericsson Mobile Communications Ab | Subscription Based Content Discovery |
US9477672B2 (en) | 2009-12-02 | 2016-10-25 | Gartner, Inc. | Implicit profile for use with recommendation engine and/or question router |
US8166016B2 (en) * | 2008-12-19 | 2012-04-24 | Yahoo! Inc. | System and method for automated service recommendations |
WO2010076780A1 (en) * | 2009-01-01 | 2010-07-08 | Orca Interactive Ltd. | Adaptive blending of recommendation engines |
US20100235443A1 (en) * | 2009-03-10 | 2010-09-16 | Tero Antero Laiho | Method and apparatus of providing a locket service for content sharing |
US8799353B2 (en) | 2009-03-30 | 2014-08-05 | Josef Larsson | Scope-based extensibility for control surfaces |
CA2700030C (en) | 2009-04-16 | 2019-11-05 | Accenture Global Services Gmbh | Touchpoint customization system |
US9049543B2 (en) * | 2009-04-29 | 2015-06-02 | Blackberry Limited | Method and apparatus for location notification using location context information |
US20100287031A1 (en) * | 2009-05-07 | 2010-11-11 | Mckenna Charles | Method, Apparatus, System, and Computer Program for Selecting Replacement User Devices |
US20100306672A1 (en) * | 2009-06-01 | 2010-12-02 | Sony Computer Entertainment America Inc. | Method and apparatus for matching users in multi-user computer simulations |
US20100318425A1 (en) * | 2009-06-12 | 2010-12-16 | Meherzad Ratan Karanjia | System and method for providing a personalized shopping assistant for online computer users |
US20110010635A1 (en) * | 2009-07-10 | 2011-01-13 | Novell, Inc. | Unified editable inbox |
US12014410B2 (en) | 2009-07-28 | 2024-06-18 | Comcast Cable Communications, Llc | Content storage management |
US11144969B2 (en) * | 2009-07-28 | 2021-10-12 | Comcast Cable Communications, Llc | Search result content sequencing |
WO2011032069A2 (en) * | 2009-09-14 | 2011-03-17 | Envio Networks Inc. | Context enhanced marketing of content and targeted advertising to mobile device users |
US20110125783A1 (en) | 2009-11-19 | 2011-05-26 | Whale Peter | Apparatus and method of adaptive questioning and recommending |
US20120221600A1 (en) * | 2009-11-30 | 2012-08-30 | Nokia Corporation | Apparatus and Method for Determining a Decision Recommendation in a Network |
IL202686A (en) * | 2009-12-10 | 2016-06-30 | Verint Systems Ltd | A system and method for analyzing relationships by law engines |
US8396758B2 (en) * | 2009-12-13 | 2013-03-12 | Intuit Inc. | Systems and methods for confirming purchases of products from a retail establishment using a mobile device |
US8489131B2 (en) * | 2009-12-21 | 2013-07-16 | Buckyball Mobile Inc. | Smart device configured to determine higher-order context data |
JP2011145742A (ja) * | 2010-01-12 | 2011-07-28 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
US20110179057A1 (en) * | 2010-01-18 | 2011-07-21 | Microsoft Corporation | Database engine throttling |
US10102278B2 (en) * | 2010-02-03 | 2018-10-16 | Gartner, Inc. | Methods and systems for modifying a user profile for a recommendation algorithm and making recommendations based on user interactions with items |
US9729352B1 (en) * | 2010-02-08 | 2017-08-08 | Google Inc. | Assisting participation in a social network |
US20110202406A1 (en) * | 2010-02-16 | 2011-08-18 | Nokia Corporation | Method and apparatus for distributing items using a social graph |
JP2011175362A (ja) * | 2010-02-23 | 2011-09-08 | Sony Corp | 情報処理装置、重要度算出方法及びプログラム |
US8832099B2 (en) * | 2010-03-09 | 2014-09-09 | Yahoo! Inc. | User specific feed recommendations |
US8255274B2 (en) * | 2010-03-15 | 2012-08-28 | Verizon Patent And Licensing, Inc. | Integrated qualification and monitoring for customer promotions |
US20110264528A1 (en) | 2010-04-26 | 2011-10-27 | Whale Peter | Contextual recommendations through proposed actions |
US20110264519A1 (en) * | 2010-04-26 | 2011-10-27 | Webjuice, LLC | Social behavioral targeting of advertisements in a social networking environment |
CN102236669B (zh) * | 2010-04-30 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 推荐列表的生成方法和装置、媒体服务器、客户端及方法 |
US20110276394A1 (en) * | 2010-05-05 | 2011-11-10 | Positioniq, Inc. | Automated Targeted Information System |
US8782138B2 (en) * | 2010-05-10 | 2014-07-15 | Marko Anderson | Predictive data objects |
US10296596B2 (en) | 2010-05-27 | 2019-05-21 | Varonis Systems, Inc. | Data tagging |
WO2011148377A1 (en) * | 2010-05-27 | 2011-12-01 | Varonis Systems, Inc. | Data tagging |
US8302014B2 (en) * | 2010-06-11 | 2012-10-30 | Microsoft Corporation | Merging modifications to user interface components while preserving user customizations |
US9626696B2 (en) * | 2010-06-17 | 2017-04-18 | Microsoft Technology Licensing, Llc | Techniques to verify location for location based services |
WO2012015092A1 (ko) * | 2010-07-30 | 2012-02-02 | 엘지전자 주식회사 | 이동 단말기 및 그 발신 상대 추천 방법 |
AU2011296102B2 (en) | 2010-09-01 | 2015-07-16 | Google Llc | Joining multiple user lists |
JP5589685B2 (ja) * | 2010-09-06 | 2014-09-17 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
US9699503B2 (en) | 2010-09-07 | 2017-07-04 | Opentv, Inc. | Smart playlist |
US10210160B2 (en) * | 2010-09-07 | 2019-02-19 | Opentv, Inc. | Collecting data from different sources |
US8949871B2 (en) | 2010-09-08 | 2015-02-03 | Opentv, Inc. | Smart media selection based on viewer user presence |
US20120064820A1 (en) * | 2010-09-09 | 2012-03-15 | Bemmel Jeroen Van | Method and apparatus for targeted communications |
WO2012034105A2 (en) * | 2010-09-10 | 2012-03-15 | Turnkey Intelligence, Llc | Systems and methods for generating prospect scores for sales leads, spending capacity scores for sales leads, and retention scores for renewal of existing customers |
CN101951549A (zh) * | 2010-09-15 | 2011-01-19 | 中兴通讯股份有限公司 | 实现动态处理应用的方法、移动终端及应用服务器 |
CN102402757A (zh) * | 2010-09-15 | 2012-04-04 | 阿里巴巴集团控股有限公司 | 信息提供方法及装置、综合关联度确定方法及装置 |
US9134873B2 (en) | 2010-09-28 | 2015-09-15 | Qualcomm Incorporated | Apparatus and methods for presenting interaction information |
US20120078706A1 (en) * | 2010-09-28 | 2012-03-29 | Openwave Systems Inc. | Location prediction protocol (lpp) |
US20120078684A1 (en) * | 2010-09-28 | 2012-03-29 | Giuliano Maciocci | Apparatus and method for representing a level of interest in an available item |
US20120099717A1 (en) * | 2010-10-26 | 2012-04-26 | Geoffrey Langos | Systems and methods for integrating information from voice over internet protocol systems and social networking systems |
US9044675B2 (en) * | 2010-11-17 | 2015-06-02 | Sony Computer Entertainment Inc. | Automated video game rating |
US9154564B2 (en) | 2010-11-18 | 2015-10-06 | Qualcomm Incorporated | Interacting with a subscriber to a social networking service based on passive behavior of the subscriber |
US20120143718A1 (en) * | 2010-12-03 | 2012-06-07 | Choicestream, Inc. | Optimization of a web-based recommendation system |
US20120144022A1 (en) * | 2010-12-07 | 2012-06-07 | Microsoft Corporation | Content recommendation through consumer-defined authorities |
US8787882B2 (en) * | 2010-12-09 | 2014-07-22 | Alcatel Lucent | Resource profile adjustment for pre-fetching of assets to user equipment |
KR101763642B1 (ko) | 2010-12-09 | 2017-08-14 | 삼성전자 주식회사 | 선호도 기반의 컨텐츠 제공 방법 및 시스템 |
US8700644B1 (en) * | 2010-12-13 | 2014-04-15 | Sure To Meet, LLC | Computerized matching and introduction systems and methods |
JP2012159975A (ja) * | 2011-01-31 | 2012-08-23 | Sony Corp | 情報処理装置および方法、並びにプログラム |
CA2825113C (en) * | 2011-02-04 | 2015-01-27 | Rakuten, Inc. | Information supply device |
US20110145041A1 (en) * | 2011-02-15 | 2011-06-16 | InnovatioNet | System for communication between users and global media-communication network |
US8452797B1 (en) * | 2011-03-09 | 2013-05-28 | Amazon Technologies, Inc. | Personalized recommendations based on item usage |
US8468164B1 (en) | 2011-03-09 | 2013-06-18 | Amazon Technologies, Inc. | Personalized recommendations based on related users |
KR20120114444A (ko) * | 2011-03-28 | 2012-10-17 | 삼성전자주식회사 | 사용자 구매 정보 관리 및 제공 방법과 그 장치 |
US9870376B2 (en) * | 2011-04-01 | 2018-01-16 | Excalibur Ip, Llc | Method and system for concept summarization |
US8549433B2 (en) | 2011-04-08 | 2013-10-01 | Nokia Corporation | Method and apparatus for providing a user interface in association with a recommender service |
US20120272156A1 (en) * | 2011-04-22 | 2012-10-25 | Kerger Kameron N | Leveraging context to present content on a communication device |
US20140223575A1 (en) * | 2011-04-25 | 2014-08-07 | Alcatel Lucent | Privacy protection in recommendation services |
US8825842B2 (en) * | 2011-04-28 | 2014-09-02 | Facebook, Inc. | Managing notifications pushed to user devices |
US9529417B2 (en) | 2011-04-28 | 2016-12-27 | Facebook, Inc. | Performing selected operations using low power-consuming processors on user devices |
US20120284069A1 (en) * | 2011-05-04 | 2012-11-08 | Sony Corporation | Method for optimizing parameters in a recommendation system |
CN102769780B (zh) * | 2011-05-05 | 2017-08-01 | 北京四达时代软件技术股份有限公司 | 一种数字电视数据推送方法及装置 |
WO2012154856A1 (en) | 2011-05-09 | 2012-11-15 | Google Inc. | Identifying applications of interest based on application metadata |
EP2710487A4 (en) | 2011-05-09 | 2015-06-17 | Google Inc | GENERATING APPLICATION RECOMMENDATIONS BASED ON USER INSTALLED APPLICATIONS |
WO2012154843A1 (en) | 2011-05-09 | 2012-11-15 | Google Inc. | Identifying applications of interest based on application market log data |
CN103930871B (zh) | 2011-05-09 | 2019-07-09 | 谷歌有限责任公司 | 基于安装历史给移动设备推荐应用 |
US9129225B2 (en) | 2011-05-25 | 2015-09-08 | Nokia Technologies Oy | Method and apparatus for providing rule-based recommendations |
US20120302270A1 (en) * | 2011-05-25 | 2012-11-29 | Nokia Corporation | Method and apparatus for providing content providers for recommendation services |
KR101311520B1 (ko) * | 2011-06-15 | 2013-09-25 | 주식회사 케이티 | 인앱 서비스를 제공하는 사용자 단말 및 인앱 서비스 서버 장치 |
KR101311511B1 (ko) * | 2011-06-17 | 2013-09-25 | 주식회사 케이티 | 인앱 추천 시스템 및 사용자 단말 |
CN103636255B (zh) * | 2011-06-29 | 2018-03-02 | 奇卡有限公司 | 用于调整提供到移动设备的数据带宽的量的系统和方法 |
US20130013459A1 (en) * | 2011-07-07 | 2013-01-10 | hi5 Networks, Inc. | Dynamic pricing of online content |
US20130185291A1 (en) * | 2011-07-12 | 2013-07-18 | Mat Tyndall | Online rating and feedback system |
CN109597945B (zh) * | 2011-07-20 | 2023-05-02 | 电子湾有限公司 | 用于产生位置感知推荐的方法 |
JP5044035B1 (ja) * | 2011-07-29 | 2012-10-10 | 楽天株式会社 | 情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 |
US9208155B2 (en) | 2011-09-09 | 2015-12-08 | Rovi Technologies Corporation | Adaptive recommendation system |
US20130080592A1 (en) * | 2011-09-23 | 2013-03-28 | Robin Budd | Recommender system for a content server based on security group membership |
US8428622B1 (en) | 2011-09-23 | 2013-04-23 | Cellco Partnership | Location based recommendation method for mobile station content |
US20130080513A1 (en) * | 2011-09-28 | 2013-03-28 | Jeremy Debate | Multi-party communication sessions via broadcast notification network |
US9047606B2 (en) * | 2011-09-29 | 2015-06-02 | Hewlett-Packard Development Company, L.P. | Social and contextual recommendations |
US20130085893A1 (en) * | 2011-09-30 | 2013-04-04 | Ebay Inc. | Acquisition and use of query images with image feature data |
US8971842B2 (en) * | 2011-10-12 | 2015-03-03 | Verizon Patent And Licensing Inc. | Enterprise mobile application store |
US20130246595A1 (en) * | 2011-10-18 | 2013-09-19 | Hugh O'Donoghue | Method and apparatus for using an organizational structure for generating, using, or updating an enriched user profile |
US10719840B2 (en) * | 2011-10-24 | 2020-07-21 | Transform Sr Brands Llc | Systems and methods for distributing customizable and shareable tiered offers |
US8612375B2 (en) | 2011-11-11 | 2013-12-17 | Wetpaint.Com, Inc. | Dynamic playbook: experimentation platform for social networks |
CA2855845A1 (en) | 2011-11-18 | 2013-05-23 | Sirius Xm Radio Inc. | Systems and methods for implementing cross-fading, interstitials and other effects downstream |
US8463295B1 (en) * | 2011-12-07 | 2013-06-11 | Ebay Inc. | Systems and methods for generating location-based group recommendations |
US9384330B2 (en) * | 2011-12-09 | 2016-07-05 | Verizon Patent And Licensing Inc. | Providing user attributes to complete an online transaction |
US20130166416A1 (en) * | 2011-12-21 | 2013-06-27 | Peter Eberlein | Dynamic catalogs on mobile wireless devices |
GB2497793A (en) * | 2011-12-21 | 2013-06-26 | Ninian Solutions Ltd | Pre-emptive caching of potentially relevant content from a collaborative workspace at a client device |
KR101895536B1 (ko) * | 2011-12-29 | 2018-10-25 | 삼성전자주식회사 | 어플리케이션 사용에 따른 어플리케이션 추천 서버 및 단말, 그리고 어플리케이션 추천 방법 |
KR101347448B1 (ko) * | 2012-02-02 | 2014-01-03 | 김상준 | 펫 통합관리 서비스 제공방법 |
US9197512B2 (en) * | 2012-02-17 | 2015-11-24 | Wetpaint.Com, Inc. | Optimizing content production based upon distribution channel metrics |
US20150309844A1 (en) | 2012-03-06 | 2015-10-29 | Sirius Xm Radio Inc. | Systems and Methods for Audio Attribute Mapping |
US10130872B2 (en) | 2012-03-21 | 2018-11-20 | Sony Interactive Entertainment LLC | Apparatus and method for matching groups to users for online communities and computer simulations |
US10186002B2 (en) | 2012-03-21 | 2019-01-22 | Sony Interactive Entertainment LLC | Apparatus and method for matching users to groups for online communities and computer simulations |
CA2870865C (en) | 2012-04-17 | 2020-08-18 | Sirius Xm Radio Inc. | Server side crossfading for progressive download media |
US10204351B2 (en) * | 2012-04-24 | 2019-02-12 | Blue Kai, Inc. | Profile noise anonymity for mobile users |
US20130325637A1 (en) * | 2012-06-05 | 2013-12-05 | Hubin Jiang | System and method for conducting marketing and commerce |
US9891790B2 (en) | 2012-06-05 | 2018-02-13 | Hubin Jiang | Systems and methods for web-based product/content fusion management functions and user interaction therewith |
US8923888B2 (en) | 2012-06-15 | 2014-12-30 | Cellco Partnership | Local content recommendations |
US9652776B2 (en) | 2012-06-18 | 2017-05-16 | Greg Olsen | Visual representations of recurring revenue management system data and predictions |
US10430435B2 (en) | 2012-06-18 | 2019-10-01 | ServiceSource International, Inc. | Provenance tracking and quality analysis for revenue asset management data |
US8510238B1 (en) | 2012-06-22 | 2013-08-13 | Google, Inc. | Method to predict session duration on mobile devices using native machine learning |
US8429103B1 (en) | 2012-06-22 | 2013-04-23 | Google Inc. | Native machine learning service for user adaptation on a mobile platform |
US8886576B1 (en) | 2012-06-22 | 2014-11-11 | Google Inc. | Automatic label suggestions for albums based on machine learning |
US9922360B2 (en) * | 2012-06-26 | 2018-03-20 | Here Global B.V. | Recommendations system |
US20130346195A1 (en) * | 2012-06-26 | 2013-12-26 | Digital Turbine, Inc. | Method and system for recommending content |
EP2680209A1 (en) * | 2012-06-29 | 2014-01-01 | Axel Springer Digital TV Guide GmbH | Device and method for automatic generation of a recommendation |
US9152220B2 (en) * | 2012-06-29 | 2015-10-06 | International Business Machines Corporation | Incremental preparation of videos for delivery |
EP2682910A1 (en) | 2012-07-06 | 2014-01-08 | Axel Springer Digital TV Guide GmbH | Device and method for automatic filter adjustment |
KR101429744B1 (ko) * | 2012-07-25 | 2014-08-13 | 에이든 정일 조 | 사용자가 원하는 조건에 해당하는 추천기사를 제공하는 방법 및 시스템 |
US10218751B2 (en) * | 2012-08-07 | 2019-02-26 | Paypal, Inc. | Social sharing system |
US9280789B2 (en) | 2012-08-17 | 2016-03-08 | Google Inc. | Recommending native applications |
CN102819607B (zh) * | 2012-08-21 | 2016-03-23 | 小米科技有限责任公司 | 一种推荐用户的方法和装置 |
US9065752B2 (en) * | 2012-08-23 | 2015-06-23 | International Business Machines Corporation | Dynamic service class upgrades in data networks |
KR20140027011A (ko) * | 2012-08-24 | 2014-03-06 | 삼성전자주식회사 | 친구 추천 방법 및 이를 위한 서버 및 단말 |
WO2014030962A1 (en) | 2012-08-24 | 2014-02-27 | Samsung Electronics Co., Ltd. | Method of recommending friends, and server and terminal therefor |
GB2519901A (en) * | 2012-08-27 | 2015-05-06 | Opera Solutions Llc | System and method for combining multiple recommender systems |
EP2888705A4 (en) * | 2012-08-27 | 2016-01-27 | Blue Kai Inc | ANONYMAT OF PROFILE NOISE FOR MOBILE USERS |
US20140090033A1 (en) * | 2012-09-21 | 2014-03-27 | Amazon Technologies, Inc. | Context Aware Content Distribution |
US9377933B2 (en) * | 2012-09-24 | 2016-06-28 | Facebook, Inc. | Displaying social networking system entity information via a timeline interface |
US9129296B2 (en) * | 2012-10-12 | 2015-09-08 | Adobe Systems Incorporated | Augmenting recommendation algorithms based on similarity between electronic content |
CN103729387A (zh) * | 2012-10-16 | 2014-04-16 | 北京糯米网科技发展有限公司 | 数据推送方法及装置 |
CN102905233A (zh) * | 2012-10-25 | 2013-01-30 | 北京小米科技有限责任公司 | 一种终端功能推荐的方法及装置 |
EP2725810A1 (en) | 2012-10-25 | 2014-04-30 | Axel Springer Digital TV Guide GmbH | Method for efficiently compiling media content items for a media-on-demand platform |
US9641631B2 (en) * | 2012-11-14 | 2017-05-02 | Cellular South, Inc. Dba C Spire Wireless | Integrated personalized content recommendation and management system and method |
CN103810216B (zh) * | 2012-11-15 | 2018-08-10 | 北京京东尚科信息技术有限公司 | 物品显示标识排序方法及服务器 |
US20140143086A1 (en) * | 2012-11-16 | 2014-05-22 | Cellco Partnership D/B/A Verizon Wireless | Customized recommendations based on customer information |
EA201201626A1 (ru) * | 2012-11-30 | 2014-06-30 | Антон Викторович СОЛОДИКОВ | Способ продвижения контента |
US9762698B2 (en) | 2012-12-14 | 2017-09-12 | Google Inc. | Computer application promotion |
US9928048B2 (en) | 2012-12-18 | 2018-03-27 | Digital Turbine, Inc. | System and method for providing application programs to devices |
CN103873530B (zh) * | 2012-12-18 | 2017-07-11 | 北京裕丰大通科技有限公司 | 多渠道信息反馈的信息推荐方法 |
US9928047B2 (en) | 2012-12-18 | 2018-03-27 | Digital Turbine, Inc. | System and method for providing application programs to devices |
CA2895765A1 (en) * | 2012-12-21 | 2014-06-26 | Sca Hygiene Products Ab | System and method for assisting in locating and choosing a desired item in a storage location |
US20140181652A1 (en) * | 2012-12-21 | 2014-06-26 | Timothy A. Stanke | Contextual and Personalized Help |
US10129596B2 (en) * | 2013-01-21 | 2018-11-13 | Netflix, Inc. | Adaptive row selection |
TWI499289B (zh) * | 2013-01-25 | 2015-09-01 | Wistron Corp | 媒體內容推薦方法及媒體播放系統 |
US9892026B2 (en) * | 2013-02-01 | 2018-02-13 | Ab Initio Technology Llc | Data records selection |
KR102111769B1 (ko) * | 2013-02-08 | 2020-06-08 | 삼성전자주식회사 | 추천 패널 제공 방법 및 이를 위한 디바이스, 추천 아이템 제공 방법 및 이를 위한 서버 |
WO2014123328A1 (en) * | 2013-02-08 | 2014-08-14 | Samsung Electronics Co., Ltd. | Method and device for providing recommendation panel, and method and server for providing recommendation item |
US20140244386A1 (en) * | 2013-02-26 | 2014-08-28 | Facebook, Inc. | Targeting advertisements to logged out users of an online system |
US20140249898A1 (en) * | 2013-02-27 | 2014-09-04 | Meredith Leigh Ostoich | Sponsorship platform systems and methods |
US20140250105A1 (en) * | 2013-03-04 | 2014-09-04 | Google Inc. | Reliable content recommendations |
US10600011B2 (en) * | 2013-03-05 | 2020-03-24 | Gartner, Inc. | Methods and systems for improving engagement with a recommendation engine that recommends items, peers, and services |
US20140278907A1 (en) * | 2013-03-13 | 2014-09-18 | Microsoft Corporation | Rewarding User Generated Content |
US10430856B2 (en) * | 2013-03-26 | 2019-10-01 | Paymentus Corporation | Systems and methods for marketplace catalogue population |
CN104102328B (zh) * | 2013-04-01 | 2017-10-03 | 联想(北京)有限公司 | 信息处理方法和信息处理设备 |
US9277262B2 (en) | 2013-04-05 | 2016-03-01 | Disney Enterprises, Inc. | Content orchestration for assembly of customized content streams |
CN103198385A (zh) * | 2013-04-12 | 2013-07-10 | 江苏圆坤科技发展有限公司 | 一种交互式旅游信息管理系统 |
US20140337160A1 (en) * | 2013-05-09 | 2014-11-13 | Microsoft Corporation | Considering social information in generating recommendations |
CN104217334A (zh) * | 2013-06-05 | 2014-12-17 | 北京京东尚科信息技术有限公司 | 一种产品信息推荐方法、装置和系统 |
WO2014200453A1 (en) * | 2013-06-10 | 2014-12-18 | Intel Corporation | Dynamic visual profiles |
US9195703B1 (en) | 2013-06-27 | 2015-11-24 | Google Inc. | Providing context-relevant information to users |
CN104252496A (zh) * | 2013-06-28 | 2014-12-31 | 国际商业机器公司 | 用于提供资源访问的方法和系统 |
US20150039549A1 (en) * | 2013-07-30 | 2015-02-05 | Reccosend LLC | System and method for computerized recommendation delivery, tracking, and prioritization |
US20150073931A1 (en) * | 2013-09-06 | 2015-03-12 | Microsoft Corporation | Feature selection for recommender systems |
US20150074131A1 (en) * | 2013-09-09 | 2015-03-12 | Mobitv, Inc. | Leveraging social trends to identify relevant content |
US10080060B2 (en) | 2013-09-10 | 2018-09-18 | Opentv, Inc. | Systems and methods of displaying content |
WO2015041648A1 (en) * | 2013-09-19 | 2015-03-26 | Hewlett-Packard Development Company, L.P. | Application menu modification recommendations |
US9326026B2 (en) | 2013-10-31 | 2016-04-26 | At&T Intellectual Property I, Lp | Method and apparatus for content distribution over a network |
US9485543B2 (en) | 2013-11-12 | 2016-11-01 | Google Inc. | Methods, systems, and media for presenting suggestions of media content |
US9552395B2 (en) * | 2013-11-13 | 2017-01-24 | Google Inc. | Methods, systems, and media for presenting recommended media content items |
US10769711B2 (en) * | 2013-11-18 | 2020-09-08 | ServiceSource International, Inc. | User task focus and guidance for recurring revenue asset management |
US9355152B2 (en) | 2013-12-02 | 2016-05-31 | Qbase, LLC | Non-exclusionary search within in-memory databases |
US9201931B2 (en) * | 2013-12-02 | 2015-12-01 | Qbase, LLC | Method for obtaining search suggestions from fuzzy score matching and population frequencies |
WO2015084289A1 (ru) * | 2013-12-03 | 2015-06-11 | Олэксандр Мыколайовыч ГУДКОВ | Система обработки информации при заказе товаров и/или услуг |
CN104735117A (zh) * | 2013-12-24 | 2015-06-24 | 腾讯科技(北京)有限公司 | 一种信息处理方法、装置和系统 |
EP3100221A4 (en) * | 2014-01-29 | 2017-07-19 | Nokia Technologies OY | Method, apparatus and system for content recommendation |
CN103763693B (zh) * | 2014-02-10 | 2017-04-05 | 中国联合网络通信集团有限公司 | 运营商业务推荐方法和运营商业务推荐装置 |
US20150248690A1 (en) * | 2014-03-03 | 2015-09-03 | International Business Machines Corporation | Cost Optimization for Bundled Licenses |
US10157411B1 (en) * | 2014-03-13 | 2018-12-18 | Amazon Technologies, Inc. | Recommendation system that relies on RFM segmentation |
WO2015139119A1 (en) * | 2014-03-19 | 2015-09-24 | Verosource Solutions Inc. | System and method for validating data source input from a crowd sourcing platform |
US10015770B2 (en) * | 2014-03-24 | 2018-07-03 | International Business Machines Corporation | Social proximity networks for mobile phones |
US9799081B1 (en) * | 2014-03-31 | 2017-10-24 | Google Inc. | Content recommendation platform |
RU2595531C2 (ru) * | 2014-04-21 | 2016-08-27 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система генерирования определения слова на основе множественных источников |
CN105096151A (zh) * | 2014-05-15 | 2015-11-25 | 中国移动通信集团公司 | 信息推荐方法及装置、服务器 |
CA2950421C (en) | 2014-05-29 | 2023-10-03 | Sirius Xm Radio Inc. | Systems, methods and apparatus for generating music recommendations |
CN105224349B (zh) * | 2014-06-12 | 2022-03-11 | 小米科技有限责任公司 | 应用程序的删除提示方法和装置 |
WO2015188885A1 (en) * | 2014-06-13 | 2015-12-17 | Nec Europe Ltd. | Method and system for determining a recommendation for content |
US10043205B2 (en) | 2014-06-30 | 2018-08-07 | Microsoft Technology Licensing, Llc | Lead recommendations |
RU2634218C2 (ru) * | 2014-07-24 | 2017-10-24 | Общество С Ограниченной Ответственностью "Яндекс" | Способ определения последовательности просмотра веб-страниц и сервер, используемый в нем |
CN104155917A (zh) * | 2014-07-29 | 2014-11-19 | 南通理工学院 | 一种数控机床的控制系统及控制方法 |
US9396483B2 (en) * | 2014-08-28 | 2016-07-19 | Jehan Hamedi | Systems and methods for determining recommended aspects of future content, actions, or behavior |
RU2589356C2 (ru) * | 2014-09-15 | 2016-07-10 | ООО НПФ "Беркут" | Способ аутентификации абонентов сотовой сети оператора |
US10192583B2 (en) | 2014-10-10 | 2019-01-29 | Samsung Electronics Co., Ltd. | Video editing using contextual data and content discovery using clusters |
US11488086B2 (en) | 2014-10-13 | 2022-11-01 | ServiceSource International, Inc. | User interface and underlying data analytics for customer success management |
US10050912B2 (en) | 2014-10-27 | 2018-08-14 | At&T Intellectual Property I, L.P. | Subscription-based media push service |
KR20160051983A (ko) * | 2014-10-30 | 2016-05-12 | 현대자동차주식회사 | 차량의 음악 추천 시스템 및 그 방법 |
US10025863B2 (en) | 2014-10-31 | 2018-07-17 | Oath Inc. | Recommending contents using a base profile |
US9667808B2 (en) * | 2014-12-18 | 2017-05-30 | Facebook, Inc. | Techniques for contextual mobile data access |
KR102283894B1 (ko) * | 2015-01-27 | 2021-08-02 | 엘지전자 주식회사 | 이동단말기 및 그 제어방법 |
CN104808498A (zh) * | 2015-02-16 | 2015-07-29 | 联想(北京)有限公司 | 一种信息处理方法、电子设备及系统 |
US20160285937A1 (en) * | 2015-03-24 | 2016-09-29 | Spotify Ab | Playback of streamed media content |
US20160285816A1 (en) * | 2015-03-25 | 2016-09-29 | Facebook, Inc. | Techniques for automated determination of form responses |
EP3079116A1 (en) * | 2015-04-10 | 2016-10-12 | Tata Consultancy Services Limited | System and method for generating recommendations |
US9918346B2 (en) * | 2015-04-17 | 2018-03-13 | Barracuda Networks, Inc. | System for connecting, securing and managing network devices with a dedicated private virtual network |
US10303350B2 (en) | 2015-05-20 | 2019-05-28 | Hubin Jiang | Systems and methods for generating online documents |
WO2016189905A1 (ja) * | 2015-05-27 | 2016-12-01 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
US10909575B2 (en) | 2015-06-25 | 2021-02-02 | Salesforce.Com, Inc. | Account recommendations for user account sets |
US10715626B2 (en) | 2015-06-26 | 2020-07-14 | Salesforce.Com, Inc. | Account routing to user account sets |
US20160379266A1 (en) * | 2015-06-29 | 2016-12-29 | Salesforce.Com, Inc. | Prioritizing accounts in user account sets |
US10361936B2 (en) * | 2015-08-19 | 2019-07-23 | Google Llc | Filtering content based on user mobile network and data-plan |
US10467285B2 (en) * | 2015-08-21 | 2019-11-05 | Ford Global Technologies, Llc | Radio-station-recommendation system and method |
RU2632131C2 (ru) | 2015-08-28 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для создания рекомендуемого списка содержимого |
RU2632100C2 (ru) | 2015-09-28 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер создания рекомендованного набора элементов |
RU2629638C2 (ru) | 2015-09-28 | 2017-08-30 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер создания рекомендуемого набора элементов для пользователя |
CN105320767A (zh) * | 2015-10-28 | 2016-02-10 | 浪潮(北京)电子信息产业有限公司 | 一种数据库的审计方法及系统 |
CN106815216A (zh) * | 2015-11-30 | 2017-06-09 | 北京云莱坞文化传媒有限公司 | 一种故事筛选及精准展现的方法和装置 |
US20180012283A1 (en) * | 2016-07-06 | 2018-01-11 | Ebay Inc. | Sensor based product recommendations |
CN105516332A (zh) * | 2015-12-23 | 2016-04-20 | 中山大学深圳研究院 | 一种基于地理位置和时间的应用推荐方法和系统 |
CN105634992B (zh) * | 2015-12-29 | 2019-01-11 | 网宿科技股份有限公司 | Cdn平台自适应带宽控制方法和系统 |
EP4123552A1 (en) * | 2016-03-04 | 2023-01-25 | Findmine | Methods, systems, and media for providing information based on grouping information |
US9659068B1 (en) | 2016-03-15 | 2017-05-23 | Spotify Ab | Methods and systems for providing media recommendations based on implicit user behavior |
US11393007B2 (en) * | 2016-03-31 | 2022-07-19 | Under Armour, Inc. | Methods and apparatus for enhanced product recommendations |
RU2632144C1 (ru) | 2016-05-12 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Компьютерный способ создания интерфейса рекомендации контента |
CN105959374B (zh) * | 2016-05-12 | 2019-05-03 | 腾讯科技(深圳)有限公司 | 一种数据推荐方法及其设备 |
WO2017209362A1 (ko) * | 2016-05-30 | 2017-12-07 | 에스케이테크엑스 주식회사 | 단말간 데이터 이체 시 백업 데이터를 이용한 추천 컨텐츠 제공 장치 및 이를 이용한 방법 |
US10708664B2 (en) | 2016-06-21 | 2020-07-07 | Rovi Guides, Inc. | Methods and systems for recommending to a first user media assets for inclusion in a playlist for a second user based on the second user's viewing activity |
CN107545450A (zh) * | 2016-06-27 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 一种交易信息推送方法和装置 |
RU2636702C1 (ru) | 2016-07-07 | 2017-11-27 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций |
CN107590148B (zh) * | 2016-07-07 | 2023-05-05 | 三六零科技集团有限公司 | 一种推广信息的推送方法和系统 |
RU2632132C1 (ru) | 2016-07-07 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для создания рекомендаций содержимого в системе рекомендаций |
US10810627B2 (en) * | 2016-08-10 | 2020-10-20 | Facebook, Inc. | Informative advertisements on hobby and strong interests feature space |
US10831641B2 (en) * | 2016-09-08 | 2020-11-10 | At&T Intellectual Property I, L.P. | Method and apparatus for determining a performance impact by a software upgrade of a mobile user endpoint device |
CN107968955B (zh) * | 2016-10-18 | 2020-11-06 | 北京众纳鑫海网络技术有限公司 | 用于推送计算机视频桌面的背景视频的方法及装置 |
US11681942B2 (en) | 2016-10-27 | 2023-06-20 | Dropbox, Inc. | Providing intelligent file name suggestions |
US10691684B2 (en) * | 2016-11-01 | 2020-06-23 | BloomReach, Inc. | Structured search queries |
US9852377B1 (en) * | 2016-11-10 | 2017-12-26 | Dropbox, Inc. | Providing intelligent storage location suggestions |
CN106777228A (zh) * | 2016-12-26 | 2017-05-31 | 北京金山安全软件有限公司 | 一种消息推送方法、装置及电子设备 |
US20180189856A1 (en) * | 2017-01-03 | 2018-07-05 | Rovi Guides, Inc. | Systems and methods for recommending an electronic device to a user based on a user's device profile |
US10776824B2 (en) | 2017-01-03 | 2020-09-15 | Rovi Guides, Inc. | Systems and methods for recommending electronic devices based on user purchase habits |
USD882600S1 (en) | 2017-01-13 | 2020-04-28 | Yandex Europe Ag | Display screen with graphical user interface |
WO2018145577A1 (zh) * | 2017-02-08 | 2018-08-16 | 腾讯科技(深圳)有限公司 | 表情推荐方法和装置 |
CN108287857B (zh) * | 2017-02-13 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 表情图片推荐方法及装置 |
US10621532B1 (en) | 2017-02-14 | 2020-04-14 | Patreon, Inc. | Generation of engagement and support recommendations for content creators |
US10423638B2 (en) | 2017-04-27 | 2019-09-24 | Google Llc | Cloud inference system |
CN109587565A (zh) * | 2017-09-29 | 2019-04-05 | 北京国双科技有限公司 | 一种收视数据的统计方法及装置 |
CN107958381A (zh) * | 2017-11-01 | 2018-04-24 | 北京小米移动软件有限公司 | 商品处理方法及装置 |
JP7270615B2 (ja) | 2017-12-22 | 2023-05-10 | グーグル エルエルシー | 電子リストユーザインターフェース |
CN108345630B (zh) * | 2017-12-27 | 2019-12-03 | 北京字节跳动网络技术有限公司 | 数字内容推送的方法、装置、智能终端及可读存储介质 |
CN108446351B (zh) * | 2018-03-08 | 2022-03-22 | 携程计算机技术(上海)有限公司 | Ota平台的基于用户偏好的酒店筛选方法及系统 |
CN108648031B (zh) * | 2018-03-28 | 2022-01-18 | 苏州千照信息科技有限公司 | 产品推荐方法及装置 |
US10356042B1 (en) * | 2018-05-09 | 2019-07-16 | Roderick Mackenzie-Smith | Automated contacts book |
US10848592B2 (en) | 2018-05-18 | 2020-11-24 | Sony Interactive Entertainment LLC | Personalizing user experience in a gaming network |
WO2019236751A1 (en) * | 2018-06-06 | 2019-12-12 | Devito Daniel | Apparatus and method for polling applications |
CN110874737B (zh) * | 2018-09-03 | 2024-06-18 | 京东科技控股股份有限公司 | 支付方式推荐方法、装置、电子设备、存储介质 |
RU2714594C1 (ru) | 2018-09-14 | 2020-02-18 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система определения параметра релевантность для элементов содержимого |
RU2720952C2 (ru) | 2018-09-14 | 2020-05-15 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для создания рекомендации цифрового содержимого |
RU2720899C2 (ru) | 2018-09-14 | 2020-05-14 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации |
RU2725659C2 (ru) | 2018-10-08 | 2020-07-03 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для оценивания данных о взаимодействиях пользователь-элемент |
RU2731335C2 (ru) | 2018-10-09 | 2020-09-01 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для формирования рекомендаций цифрового контента |
US11983666B2 (en) * | 2019-04-05 | 2024-05-14 | Trulla, LLC | Pharmaceutical procurement and inventory management |
RU2710830C1 (ru) * | 2019-04-30 | 2020-01-14 | Федеральное государственное образовательное бюджетное учреждение высшего образования "Финансовый университет при Правительстве Российской Федерации" (Финансовый университет) | Способ автоматизированного обеспечения рекомендаций по принятию инвестиционно значимых решений на рынке цифровых активов и устройство для его осуществления |
CN110413169B (zh) * | 2019-07-24 | 2021-11-23 | 北京小米移动软件有限公司 | 一种信息展示方法、装置及介质 |
CN112347399A (zh) * | 2019-08-08 | 2021-02-09 | 武汉东湖大数据交易中心股份有限公司 | 一种基于大数据的智能推荐系统 |
KR102140325B1 (ko) * | 2019-08-29 | 2020-07-31 | 유한회사 엘민벤처스 | 블록체인 기반의 팩트체킹과 검색 기능이 있는 컨텐츠 관리 방법 및 그 시스템 |
US11188966B1 (en) | 2019-09-06 | 2021-11-30 | Coupa Software Incorporated | Catalog enablement data for supplier systems based on community activities |
RU2757406C1 (ru) * | 2019-09-09 | 2021-10-15 | Общество С Ограниченной Ответственностью «Яндекс» | Способ и система для обеспечения уровня сервиса при рекламе элемента контента |
CN110795582A (zh) * | 2019-10-31 | 2020-02-14 | 京东方科技集团股份有限公司 | 一种图像推荐方法、系统、终端设备及服务器 |
KR102365910B1 (ko) * | 2019-12-31 | 2022-02-22 | 가톨릭관동대학교산학협력단 | 속성 값 품질 지수를 이용한 데이터 프로파일링 방법 및 데이터 프로파일링 시스템 |
US12026749B2 (en) * | 2020-01-06 | 2024-07-02 | Capital One Services, Llc | Content optimization on a social media platform based on third-party data |
KR20210095431A (ko) * | 2020-01-23 | 2021-08-02 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
US11328796B1 (en) | 2020-02-25 | 2022-05-10 | Vignet Incorporated | Techniques for selecting cohorts for decentralized clinical trials for pharmaceutical research |
US11270330B1 (en) | 2020-02-26 | 2022-03-08 | Patreon, Inc. | Systems and methods to determine tax classification of benefits offered to subscribers of a membership platform |
US11790391B1 (en) | 2020-03-17 | 2023-10-17 | Patreon, Inc. | Systems and methods to recommend benefit types of benefit items to offer within a membership platform |
US11386377B1 (en) | 2020-03-17 | 2022-07-12 | Patreon, Inc. | Systems and methods to recommend price of benefit items offered through a membership platform |
US11328314B2 (en) | 2020-05-14 | 2022-05-10 | Zmbizi App Llc | Context-aware systems and methods for selecting smartphone applications/services and awarding reward points |
US11605038B1 (en) | 2020-05-18 | 2023-03-14 | Vignet Incorporated | Selecting digital health technology to achieve data collection compliance in clinical trials |
US11461216B1 (en) | 2020-05-18 | 2022-10-04 | Vignet Incorporated | Monitoring and improving data collection using digital health technology |
CN112131454A (zh) * | 2020-08-26 | 2020-12-25 | 汉海信息技术(上海)有限公司 | 火车出行用户信息推送的方法、装置及服务器 |
CN113763086A (zh) * | 2020-09-23 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 信息推荐方法及装置 |
CN112288512B (zh) * | 2020-10-09 | 2024-07-16 | 北京三快在线科技有限公司 | 信息处理方法、装置、电子设备及可读存储介质 |
CN112528125A (zh) * | 2020-12-23 | 2021-03-19 | 北京明略软件系统有限公司 | 避免内容重复推荐的方法、装置、电子设备及存储介质 |
JP7262688B2 (ja) * | 2021-01-21 | 2023-04-21 | 三菱電機株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
US11296971B1 (en) | 2021-02-03 | 2022-04-05 | Vignet Incorporated | Managing and adapting monitoring programs |
US11196656B1 (en) | 2021-02-03 | 2021-12-07 | Vignet Incorporated | Improving diversity in cohorts for health research |
US11789837B1 (en) | 2021-02-03 | 2023-10-17 | Vignet Incorporated | Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial |
US11361846B1 (en) | 2021-02-03 | 2022-06-14 | Vignet Incorporated | Systems and methods for customizing monitoring programs involving remote devices |
US11316941B1 (en) | 2021-02-03 | 2022-04-26 | Vignet Incorporated | Remotely managing and adapting monitoring programs using machine learning predictions |
US11521714B1 (en) | 2021-02-03 | 2022-12-06 | Vignet Incorporated | Increasing diversity of participants in health research using adaptive methods |
CN113009839B (zh) * | 2021-02-18 | 2023-07-21 | 青岛海尔科技有限公司 | 场景推荐方法和装置、存储介质及电子设备 |
WO2022195652A1 (ja) * | 2021-03-15 | 2022-09-22 | 日本電気株式会社 | 情報処理装置、推奨情報生成方法、および推奨情報生成プログラム |
US20240193126A1 (en) * | 2021-04-23 | 2024-06-13 | Hewlett-Packard Development Company, L.P. | File recommendation based on recorded event data and file data associations |
US11368735B1 (en) | 2021-05-18 | 2022-06-21 | Patreon, Inc. | Systems and methods to facilitate quality control of benefit items created for subscribers of a membership platform |
US11715126B1 (en) | 2021-06-07 | 2023-08-01 | Patreon, Inc. | Systems and methods to process payments for subscribership within a membership platform |
US20230017951A1 (en) * | 2021-07-06 | 2023-01-19 | Samsung Electronics Co., Ltd. | Artificial intelligence-based multi-goal-aware device sampling |
US20230033490A1 (en) * | 2021-07-28 | 2023-02-02 | Bolt Financial, Inc. | One-Click Transactions With Product Recommendations in Post-Purchase Interfaces |
US11675860B1 (en) | 2021-07-28 | 2023-06-13 | Patreon, Inc. | Systems and methods to generate creator page recommendations for content creators |
CN113779421A (zh) * | 2021-08-13 | 2021-12-10 | 咪咕数字传媒有限公司 | 关联推荐方法、装置、设备及计算机可读存储介质 |
US20230245196A1 (en) * | 2022-01-28 | 2023-08-03 | Walmart Apollo, Llc | Systems and methods for generating a consideration intent classification for an event |
KR20240079882A (ko) | 2022-11-29 | 2024-06-05 | 서울대학교산학협력단 | 아이템 번들 추천 장치 및 방법 |
CN117217710B (zh) * | 2023-10-19 | 2024-07-02 | 深圳市金文网络科技有限公司 | 一种虚拟商品与快捷服务的智能化管理方法及系统 |
KR102648239B1 (ko) * | 2023-12-29 | 2024-03-18 | (주)아이러브아트 | 개인의 예술작품에 대한 거래 및 리셀 거래를 지원하고, 가상 갤러리를 제공하는 시스템 및 그 제어 방법 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7016864B1 (en) * | 1999-04-09 | 2006-03-21 | Dell Usa, L.P. | Interactive upsell advisor method and apparatus for internet applications |
EP1200902A2 (en) * | 1999-07-16 | 2002-05-02 | Agentarts, Inc. | Methods and system for generating automated alternative content recommendations |
US7461058B1 (en) * | 1999-09-24 | 2008-12-02 | Thalveg Data Flow Llc | Optimized rule based constraints for collaborative filtering systems |
JP2001236405A (ja) * | 2000-02-24 | 2001-08-31 | Sumisho Computer Systems Corp | 販売促進支援装置および方法、記録媒体 |
US7249058B2 (en) * | 2001-11-13 | 2007-07-24 | International Business Machines Corporation | Method of promoting strategic documents by bias ranking of search results |
US9374451B2 (en) * | 2002-02-04 | 2016-06-21 | Nokia Technologies Oy | System and method for multimodal short-cuts to digital services |
US20050215236A1 (en) * | 2002-03-28 | 2005-09-29 | Andreas Myka | Providing information for mobile users |
CA2496278A1 (en) * | 2002-08-19 | 2004-02-26 | Jayendu Patel | Statistical personalized recommendation system |
US20040153373A1 (en) * | 2003-01-31 | 2004-08-05 | Docomo Communications Laboratories Usa, Inc. | Method and system for pushing services to mobile devices in smart environments using a context-aware recommender |
US7840448B2 (en) * | 2003-05-07 | 2010-11-23 | Cbs Interactive Inc. | System and method for automatically generating a narrative product summary |
US7089594B2 (en) * | 2003-07-21 | 2006-08-08 | July Systems, Inc. | Application rights management in a mobile environment |
US7526458B2 (en) * | 2003-11-28 | 2009-04-28 | Manyworlds, Inc. | Adaptive recommendations systems |
JP4279659B2 (ja) * | 2003-12-16 | 2009-06-17 | 株式会社エヌ・ティ・ティ・ドコモ | 通信システム、端末装置、サーバ及び通信方法 |
US7240353B2 (en) * | 2004-11-24 | 2007-07-03 | General Electric Company | Functionality recommendation system |
JP4492354B2 (ja) * | 2005-01-07 | 2010-06-30 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
US7752077B2 (en) * | 2005-01-21 | 2010-07-06 | Amazon Technologies, Inc. | Method and system for automated comparison of items |
US20080215429A1 (en) * | 2005-11-01 | 2008-09-04 | Jorey Ramer | Using a mobile communication facility for offline ad searching |
JP2007249307A (ja) * | 2006-03-13 | 2007-09-27 | Fuji Xerox Co Ltd | コミュニケーションスタイル分析方法および装置 |
US8250012B1 (en) * | 2007-03-30 | 2012-08-21 | Amazon Technologies, Inc. | Evaluating recommendations by determining user actions, and performance values pertaining to lists of recommendations |
JP5178040B2 (ja) * | 2007-04-23 | 2013-04-10 | 株式会社タイトー | 携帯端末における自動ユーザ嗜好収集システムおよび該システムに用いるサーバ装置 |
US20090131152A1 (en) * | 2007-11-19 | 2009-05-21 | Verizon Data Services Inc. | Method and system for performance tracking to modify content presented by a set-top box |
-
2008
- 2008-09-25 US US12/237,864 patent/US20090163183A1/en not_active Abandoned
- 2008-09-26 CA CA2700015A patent/CA2700015C/en not_active Expired - Fee Related
- 2008-09-26 KR KR1020127013294A patent/KR20120080638A/ko active Application Filing
- 2008-09-26 CN CN200880110125.2A patent/CN101828167B/zh not_active Expired - Fee Related
- 2008-09-26 EP EP08835954A patent/EP2195733A4/en not_active Ceased
- 2008-09-26 KR KR1020167007488A patent/KR20160038902A/ko not_active Application Discontinuation
- 2008-09-26 BR BRPI0818425A patent/BRPI0818425A8/pt not_active Application Discontinuation
- 2008-09-26 JP JP2010528043A patent/JP5166539B2/ja not_active Expired - Fee Related
- 2008-09-26 KR KR1020147007028A patent/KR20140062486A/ko not_active Application Discontinuation
- 2008-09-26 RU RU2010117390/08A patent/RU2451986C2/ru not_active IP Right Cessation
- 2008-09-26 KR KR1020107009913A patent/KR20100089841A/ko not_active Application Discontinuation
- 2008-09-26 WO PCT/US2008/077869 patent/WO2009045899A2/en active Search and Examination
-
2012
- 2012-10-09 JP JP2012224336A patent/JP5872435B2/ja not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024019476A1 (ko) * | 2022-07-19 | 2024-01-25 | 주식회사 뮤즈라이브 | 컨텐츠 재생용 대체 앨범 생성 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20100089841A (ko) | 2010-08-12 |
KR20160038902A (ko) | 2016-04-07 |
CN101828167B (zh) | 2016-04-20 |
RU2010117390A (ru) | 2011-11-10 |
EP2195733A4 (en) | 2011-09-28 |
RU2451986C2 (ru) | 2012-05-27 |
KR20120080638A (ko) | 2012-07-17 |
CN101828167A (zh) | 2010-09-08 |
BRPI0818425A2 (pt) | 2017-10-03 |
CA2700015C (en) | 2016-09-06 |
CA2700015A1 (en) | 2009-04-09 |
JP5166539B2 (ja) | 2013-03-21 |
WO2009045899A3 (en) | 2009-05-22 |
WO2009045899A2 (en) | 2009-04-09 |
US20090163183A1 (en) | 2009-06-25 |
EP2195733A2 (en) | 2010-06-16 |
JP2011511968A (ja) | 2011-04-14 |
JP5872435B2 (ja) | 2016-03-01 |
JP2013058213A (ja) | 2013-03-28 |
BRPI0818425A8 (pt) | 2017-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2700015C (en) | Recommendation generation systems, apparatus, and methods | |
US10798242B2 (en) | Call volume reduction based upon a propensity to call in connection with a reason code | |
US9471932B2 (en) | Systems and methods for enhancing user data derived from digital communications | |
US8677463B2 (en) | System and method for managing multiple sub accounts within a subcriber main account in a data distribution system | |
US8560471B2 (en) | Systems and methods for generating leads in a network by predicting properties of external nodes | |
CA2726733C (en) | Platform for communicating across multiple communication channels | |
US8260725B2 (en) | Method of conducting operations for a social network application including notification list generation with offer hyperlinks according to notification rules | |
US20090070129A1 (en) | Customer Discovery and Identification System and Method | |
US20160171542A1 (en) | Systems and Methods for Generating Keyword Targeting Data Using Information Aggregated from Multiple Information Sources | |
US20160065637A1 (en) | System and method for dynamic criteria, request-lists, event-lists, and playlists | |
US20140379746A1 (en) | System and method for providing topic cluster based updates | |
US20100057560A1 (en) | Methods and Apparatus for Individualized Content Delivery | |
JP2010531626A (ja) | モバイルコンテンツの一部に関連するコンテキストデータ及び挙動データに基づくモバイル通信設備へのコンテンツの提供 | |
US20130226657A1 (en) | Digital Consumer Data Model And Customer Analytic Record | |
EP2465085A2 (en) | Systems and methods for gererating leads in a network by predicting properties of external nodes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A107 | Divisional application of patent | ||
A201 | Request for examination | ||
AMND | Amendment | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E90F | Notification of reason for final refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
E801 | Decision on dismissal of amendment | ||
N231 | Notification of change of applicant | ||
A107 | Divisional application of patent | ||
AMND | Amendment | ||
J201 | Request for trial against refusal decision | ||
B601 | Maintenance of original decision after re-examination before a trial | ||
E801 | Decision on dismissal of amendment | ||
WITB | Written withdrawal of application | ||
J301 | Trial decision |
Free format text: TRIAL NUMBER: 2016101001701; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20160322 Effective date: 20160909 |