KR20170104144A - 온라인 시스템의 사용자를 위한 위치 내역에 기반하여 사용자의 위치 및 움직임 예측 - Google Patents
온라인 시스템의 사용자를 위한 위치 내역에 기반하여 사용자의 위치 및 움직임 예측 Download PDFInfo
- Publication number
- KR20170104144A KR20170104144A KR1020177021152A KR20177021152A KR20170104144A KR 20170104144 A KR20170104144 A KR 20170104144A KR 1020177021152 A KR1020177021152 A KR 1020177021152A KR 20177021152 A KR20177021152 A KR 20177021152A KR 20170104144 A KR20170104144 A KR 20170104144A
- Authority
- KR
- South Korea
- Prior art keywords
- location
- user
- locations
- processor
- chain
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
온라인 시스템은 온라인 시스템의 사용자가 사용하는 복수의 사용자 장치로부터 위치 정보를 수신한다. 위치 정보는 각 사용자 장치가 위치했던 복수의 상이한 위치를 식별한다. 위치 정보에서 온라인 시스템의 복수의 사용자 각각이 방문한 복수의 위치 체인이 추출된다. 온라인 시스템은 위치 체인에 기반하여 하나 이상의 위치 쌍을 생성하는데, 각 위치 쌍은 제1 위치 및, 만약 사용자가 제1 위치에 있으면 이동할 확률이 높은 제2 위치를 포함한다. 위치 쌍은 다양한 응용에 사용될 수 있는데, 위치에 기반하여 사용자에게 광고하고 사용자의 이동에 대한 통찰력을 제공하는 등이다.
Description
본 명세서는 일반적으로 위치 서비스에 관한 것이고, 특히 온라인 시스템의 사용자의 세트의 이전 위치 및 이동 패턴의 상호관련성에 기반하여 사용자의 위치를 예측하는 것에 관한 것이다.
비즈니스는 종종 그 고객의 행동을 사용하여 고객에게 제공되는 서비스에 영향을 준다. 특히, 비즈니스는 고객이 이전에 있었던 곳을 결정하고 고객이 미래에 있을 곳을 예측함으로써 주어진 위치의 고객에 대한 가치 있는 통찰력을 획득한다. 예를 들어, 고객이 미래에 어디에 있을지를 예측함으로써, 비즈니스는 비즈니스와 연관된 위치를 통한 고객의 흐름을 예측하거나, 고객에게 광고나 홍보를 타게팅하거나, 특정 위치에서 고객 서비스의 수요를 예측할 수 있다. 하지만, 비즈니스가 고객이 이전에 방문했던 위치를 결정하는 것은 어렵다. 따라서, 비즈니스가 고객에게 서비스를 제공하기 위하여 정확하게 고객의 미래 위치를 예측하는 것은 어렵다.
본 발명의 내용 중에 포함되어 있다.
온라인 시스템은 온라인 시스템의 사용자가 방문했던 위치 쌍의 상호관련성을 결정한다. 온라인 시스템은 온라인 시스템의 사용자가 사용하는 복수의 사용자 장치로부터 위치 정보를 수신하는데, 각 사용자 장치가 위치했던 복수의 상이한 위치를 식별한다. 온라인 시스템은 위치 정보를 사용하여 사용자가 방문했던 위치와 각 위치에서 사용자가 소비한 시간을 결정하는데, 만약 사용자의 사용자 장치가 그 위치에서 적어도 임계 기간의 시간 동안 위치했다면 사용자가 위치를 방문한 것으로 결정될 수 있다. 위치 정보를 사용하여, 온라인 시스템은 온라인 시스템의 사용자가 복수의 방문한 위치의 체인을 추출한다. 각 체인은 사용자가 방문한 위치의 순차 리스트이고, 유사한 타입의 하나 이상의 위치를 포함할 수 있다(사용자가 방문한 도시 리스트, 사용자가 방문한 가게 리스트 또는 사용자가 방문한 건물 내 영역 리스트와 같이). 위치 체인에 기반하여, 온라인 시스템은 하나 이상의 위치 쌍을 생성한다. 만약 위치 쌍이 시간상 너무 멀리 떨어져 방문됐다면(예컨대, 임계 시간 이상), 시스템은 그 쌍을 무시할 수 있다. 각 위치 쌍은 제1 위치 및, 만약 사용자가 제1 위치에 있다면 사용자가 이동할 확률이 높은 제2 위치를 포함한다. 위치 예측은 제2 위치 전에 제1 위치가 방문됐을 때만 제2 위치를 예측하도록 순서화될 수 있거나, 제2 위치 전 또는 후에 제1 위치가 방문됐다면 제2 위치를 예측하도록 비순서화될 수 있다.
위치 예측은 다양한 애플리케이션을 위해 사용될 수 있다. 예를 들어, 온라인 시스템은 위치 쌍에 기반하여 사용자에게 표시하기 위해 광고를 선택한다. 예를 들어, 만약 사용자가 쌍 중 한 위치에 위치한다면, 온라인 시스템은 쌍 중 다른 위치와 연관된 광고를 선택한다. 위치 예측은 또한 광고자에게 떠오를 수 있는데, 그 광고를 위한 타게팅 기준을 만들기 위해 사용될 수 있다(예컨대, 관련된 비즈니스 사업장에 대한 후속 방문과 높은 상호관련이 있는 특정 위치에 있는 사용자에게 광고 타게팅). 온라인 시스템은 추가적으로 또는 대안적으로 위치 쌍에 대한 정보를 위치와 연관된 엔티티에게 전송하여 엔티티가 엔티티의 위치와 쌍을 이루는 하나 이상의 다른 위치에 기반하여 사업 또는 마케팅 결정을 내릴 수 있게 한다. 예를 들어, 만약 위치가 백화점 내의 영역이면, 매장 관리자는 현재 고객 위치에 기반하여 고객 서비스에 대한 미래 수요를 예측할 수 있다.
본 발명의 내용 중에 포함되어 있다.
도 1은 본 발명의 일실시예에 따른 소셜 네트워킹 시스템이 동작하는 시스템 환경의 블록도이다.
도 2a는 본 발명의 일실시예에 따른 소셜 네트워킹 시스템의 블록도이다.
도 2b는 소셜 네트워킹 시스템이 방문한 위치의 예시를 도시한다.
도 3은 본 발명의 일실시예에 따른 위치 쌍을 만드는 프로세스를 도시하는 흐름도이다.
도면들은 단지 예로서 본 발명의 다양한 실시예들을 도시한다. 통상의 기술자는 후술할 설명으로부터 본 명세서에 설명되는 구조 및 방법의 대안적인 실시예가 본 명세서에 설명되는 발명의 원리로부터 벗어나지 않고 채용될 수 있음을 용이하게 인식할 것이다.
도 2a는 본 발명의 일실시예에 따른 소셜 네트워킹 시스템의 블록도이다.
도 2b는 소셜 네트워킹 시스템이 방문한 위치의 예시를 도시한다.
도 3은 본 발명의 일실시예에 따른 위치 쌍을 만드는 프로세스를 도시하는 흐름도이다.
도면들은 단지 예로서 본 발명의 다양한 실시예들을 도시한다. 통상의 기술자는 후술할 설명으로부터 본 명세서에 설명되는 구조 및 방법의 대안적인 실시예가 본 명세서에 설명되는 발명의 원리로부터 벗어나지 않고 채용될 수 있음을 용이하게 인식할 것이다.
시스템 구조
도 1은 온라인 시스템(140)을 위한 시스템 환경(100)의 고수준 블록도이다. 도 1에 도시된 시스템 환경(100)은 하나 이상의 클라이언트 장치(110), 네트워크(120), 하나 이상의 제3자 시스템(130) 및 온라인 시스템(140)을 포함한다. 대안의 구성으로, 다른 구성요소 및/또는 추가 구성요소는 시스템 환경(100)에 포함될 수 있다. 본 명세서에 서술되는 실시예는 소셜 네트워킹 시스템이 아닌 온라인 시스템에 적응될 수 있다.
클라이언트 장치(110)는 사용자 입력을 수신할 수 있고 네트워크(120)를 통해 데이터를 전송 및/또는 수신할 수 있는 하나 이상의 컴퓨팅 장치이다. 일실시예에서, 클라이언트 장치(110)는 데스크탑이나 랩탑 컴퓨터와 같은 종래의 컴퓨터 시스템이다. 대안적으로, 클라이언트 장치(110)는 가령 개인용 정보단말기(PDA), 모바일폰, 스마트폰이나 다른 적절한 장치와 같이, 컴퓨팅 기능을 갖는 장치일 수 있다. 클라이언트 장치(110)는 네트워크(120)를 통해 통신하도록 구성된다. 일실시예로, 클라이언트 장치(110)는 클라이언트 장치(110)의 사용자가 온라인 시스템(140)과 상호작용할 수 있게 하는 애플리케이션을 실행한다. 예컨대, 클라이언트 장치(110)는 네트워크(120)를 통해 클라이언트 장치(110)와 온라인 시스템(140) 사이의 상호작용을 가능하게 하는 브라우저 애플리케이션을 실행한다. 또 다른 실시예로, 클라이언트 장치(110)는, 가령 iOS® 및 ANDROIDTM와 같이, 클라이언트 장치(110)의 네이티브 운영 시스템에서 실행하는 응용 프로그래밍 인터페이스(API)를 통해 온라인 시스템(140)과 상호작용한다. 일부 실시예에서, 클라이언트 장치(110)는 위치 추적 기능을 포함하고, 글로벌 포지셔닝, IP 주소, 근처 셀룰러 타워의 삼각 측정 또는 임의의 다른 메커니즘에 기반하여 장치의 위치를 식별할 수 있다. 일실시예에서, 클라이언트 장치(110)의 사용자는 장치의 위치 추적을 비활성화하거나 참여하지 않을 수 있고, 클라이언트 장치(110)는 장치의 위치를 추적하지 않을 것이다. 다른 경우에, 클라이언트 장치(110)는 만약 사용자가 위치 추적에 참여하는 경우에만 위치를 추적할 것이다.
클라이언트 장치(110)는 유선 및 무선 통신 시스템 모두를 사용하여 근거리 네트워크 및/또는 광역 네트워크의 임의의 조합을 포함할 수 있는 네트워크(120)를 통해 통신하도록 구성된다. 일실시예로, 네트워크(120)는 표준 통신 기술 및/또는 프로토콜을 사용한다. 예를 들어, 네트워크(120)는 가령 이더넷, 802.1, WiMAX(worldwide interoperability for microwave access), 3G, 4G, CDMA, DSL(digital subscriber line) 등과 같은 기술을 사용하는 통신 링크를 포함한다. 네트워크(120)를 통한 통신을 위해 사용되는 네트워킹 프로토콜의 예시는 MPLS(multiprotocol label switching), TCP/IP(transmission control protocol/Internet protocol), HTTP(hypertext transport protocol), SMTP(simple mail transfer protocol) 및 FTP(file transfer protocol)를 포함한다. 네트워크(120)에서 교환되는 데이터는 임의의 적절한 포맷, 예컨대 하이퍼텍스트 마크업 언어(HTML)와 확장형 마크업 언어(XML)를 사용하여 표현될 수 있다. 일부 실시예로, 네트워크(120)의 통신 링크의 전부 또는 일부는 임의의 적절한 기술 또는 기법을 사용하여 암호화될 수 있다.
하나 이상의 제3자 시스템(130)은 온라인 시스템(140)과 통신하기 위해 네트워크(120)에 연결될 수 있는데, 도 2a와 관련하여 자세히 후술된다. 일실시예에서, 제3자 시스템(130)은 클라이언트 장치에서 실행되는 애플리케이션에서 사용되기 위하여 클라이언트 장치(110)에서 실행되기 위한 애플리케이션을 설명하는 정보를 통신하거나 데이터를 클라이언트 장치(110)로 통신하는 애플리케이션 제공자이다. 다른 실시예에서, 제3자 시스템(130)은 클라이언트 장치(110)를 통해 표시되기 위한 컨텐츠 또는 다른 정보를 제공한다. 제3자 웹사이트(130)는 또한 정보, 예컨대 광고, 컨텐츠 또는 제3자 웹사이트(130)에서 제공되는 애플리케이션에 관한 정보를 온라인 시스템(140)과 통신할 수 있다. 일실시예에서, 다른 제3자 시스템(130)은 온라인 시스템(140)의 사용자가 방문할 수 있는 물리적 위치를 가지는 엔티티와 연관된다.
온라인 시스템(140)으로서 동작하는 시스템의 예시는 소셜 네트워킹 시스템이다. 도 2a는 소셜 네트워킹 기능을 포함하는 온라인 시스템(140)의 아키텍처의 블록도의 예시이다. 도 2a에 도시된 온라인 시스템(140)은 사용자 프로필 스토어(205), 컨텐츠 스토어(210), 행위 로거(215), 행위 로그(220), 에지 스토어(225), 광고 스토어(230), 인증 서버(235), 위치 모듈(240), 위치 스토어(245), 위치 쌍 모듈(250), 광고 타게팅 모듈(255) 및 웹 서버(260)를 포함한다. 다른 실시예로, 온라인 시스템(140)은 다양한 애플리케이션용 추가 구성요소, 더 적은 구성요소 또는 다른 구성요소를 포함할 수 있다. 가령 네트워크 인터페이스, 보안 기능, 부하 균형기, 장애복구 서버, 관리와 네트워크 동작 콘솔 등과 같은 종래의 구성요소들은 시스템 구조의 세부사항을 모호하게 하지 않도록 도시되지 않는다.
온라인 시스템(140)의 각각의 사용자는 사용자 프로필 스토어(205)에 저장되는 사용자 프로필과 관련된다. 사용자 프로필은 사용자에 의해 명시적으로 공유되었던 사용자에 대한 선언형 정보를 포함하며, 온라인 시스템(140)에 의해 추론된 프로필 정보를 또한 포함할 수 있다. 일실시예에서, 사용자 프로필은 복수의 데이터 필드를 포함하는데, 각각은 온라인 시스템(140)의 사용자에 대응하는 하나 이상의 속성을 설명한다. 사용자 프로필에 저장된 정보의 예는 가령 경력, 학력, 성별, 취미나 기호, 위치 등과 같은 인명정보, 인구학적 정보 및 다른 타입의 설명적 정보를 포함한다. 또한, 사용자 프로필은 예컨대 이미지 또는 비디오와 같이 사용자에 의해 제공된 다른 정보를 저장할 수 있다. 특정 실시예에서, 사용자의 이미지는 이미지에 디스플레이되는 온라인 시스템(140) 사용자의 식별 정보로 태그될 수 있다. 또한, 사용자 프로필 스토어(205) 내 사용자 프로필은 행위 로그(220)에 저장되고 컨텐츠 스토어(210) 내 컨텐츠 아이템에 대해 수행되었던 해당 사용자에 의한 행위에 대한 언급을 관리할 수 있다. 나아가, 사용자 프로필 스토어(205)의 사용자 프로필은 대응하는 사용자가 방문한 물리적 위치의 식별자도 저장할 수 있다.
사용자 프로필 스토어(205) 내 사용자 프로필이 개인들과 빈번히 관련되어 개인들이 온라인 시스템(140)을 통해 서로 상호작용을 할 수 있게 해주지만, 사용자 프로필은 또한 가령 사업체 또는 기관과 같은 엔티티에 대하여 저장될 수 있다. 이것은 엔티티가 다른 소셜 네트워킹 시스템 사용자와 연결되고 컨텐츠를 교환하기 위한 존재를 확립할 수 있게 한다. 엔티티는 그 자체, 그 제품에 대한 정보를 게시할 수 있거나, 엔티티의 사용자 프로필과 관련된 브랜드 페이지를 사용하여 소셜 네트워킹 시스템의 사용자들에게 다른 정보를 제공할 수 있다. 소셜 네트워킹 시스템의 다른 사용자들은 브랜드 페이지에 게시된 정보를 수신하거나 브랜드 페이지로부터 정보를 수신하도록 브랜드 페이지와 연결할 수 있다. 브랜드 페이지와 관련된 사용자 프로필은 사용자에게 배경이나 엔티티에 대한 정보형 데이터를 제공하는 엔티티 그 자체에 대한 정보를 포함할 수 있다.
컨텐츠 스토어(210)는 다양한 타입의 컨텐츠를 표현하는 각 객체를 저장한다. 객체로 표현되는 컨텐츠의 예는 페이지 게시물, 상태 업데이트, 사진, 비디오, 링크, 공유된 컨텐츠 아이템, 게임 애플리케이션 성취, 로컬 비즈니스에서의 체크인 이벤트, 브랜드 페이지 또는 임의의 다른 타입의 컨텐츠를 포함한다. 소셜 네트워킹 시스템 사용자는 컨텐츠 스토어(210)에 의해 저장되는 객체, 가령 상태 업데이트, 소셜 네트워킹 시스템에서 다른 객체와 관련되는 사용자가 태그한 사진, 이벤트, 그룹 또는 애플리케이션을 생성할 수 있다. 일부의 실시예로, 객체는 제3자 애플리케이션 또는 온라인 시스템(140)에서 분리된 제3자 애플리케이션으로부터 수신된다. 일실시예에서, 컨텐츠 스토어(210)은 컨텐츠의 단일 부분들(pieces) 또는 컨텐츠 "아이템"을 나타낸다. 따라서, 온라인 시스템(140)의 사용자는 텍스트 및 다양한 타입의 미디어의 컨텐츠 아이템을 게시함으로써 다양한 통신 채널을 통해 서로 통신하도록 독려된다. 이는 서로 간의 사용자의 상호작용의 양을 증가시키고 온라인 시스템(140) 내에서 사용자가 상호작용하는 빈도를 증가시킨다.
행위 로거(215)는 온라인 시스템(140)의 내부 및/또는 외부에서 사용자 행위에 대한 통신을 수신하며, 사용자 행위에 대한 정보로 행위 로그(220)를 채운다. 행위의 예시는 다른 사용자와의 연결관계를 추가하기, 메시지를 다른 사용자에게 송신하기, 이미지를 업로드하기, 다른 사용자로부터의 메시지를 읽기, 다른 사용자와 관련된 컨텐츠를 열람하기, 다른 사용자가 게시한 이벤트에 참여하기, 그 외 다른 것을 포함한다. 또한, 다수의 행위가 객체 및 하나 이상의 특정 사용자와 연관되며, 그래서 이런 행위들은 또한 그 사용자와 관련되고 이런 행위는 행위 로그(220)에 저장된다.
행위 로그(220)는 온라인 시스템(140)뿐 아니라 온라인 시스템(140)과 정보를 통신하는 제3자 시스템(130)에서의 사용자 행위를 추적하는데 온라인 시스템(140)에 의해 사용될 수 있다. 사용자는 온라인 시스템(140)에서 다양한 객체와 상호작용할 수 있고, 이들 상호작용을 설명하는 정보는 행위 로그(210)에 저장된다. 객체와의 상호작용의 예시는 다음을 포함한다: 게시물에 대해 코멘트하기, 링크를 공유하기, 및 모바일 장치를 통해 물리적 위치로 체크인하기, 컨텐츠 아이템에 액세스하기 및 임의의 다른 상호작용. 행위 로그(220)에 포함되는 온라인 시스템(140) 상의 객체와의 상호작용의 추가적인 예는 다음을 포함한다: 사진 앨범에 대해 코멘트하기, 사용자와 통신하기, 객체와 연결을 확립하기, 캘린더의 이벤트에 참가하기, 그룹에 가입하기, 이벤트를 생성하기, 애플리케이션을 승인하기, 애플리케이션을 사용하기, 객체에 호감을 표현하기(객체를 "좋아요"하기) 및 거래를 체결하기. 추가로, 행위 로그(220)는 온라인 시스템(140)뿐 아니라 온라인 시스템(140)에서 동작하는 다른 애플리케이션에서 광고와 사용자의 상호작용을 기록할 수 있다. 일부의 실시예로, 행위 로그(220)로부터의 데이터는 사용자의 관심사나 기호를 추론하는데 사용되며, 사용자의 사용자 프로필에 포함된 관심사를 증가시키고 사용자 기호의 더 완전한 이해를 가능하게 한다.
또한, 행위 로그(220)는 제3자 시스템(130), 예컨대 외부 웹사이트에서 행해진 사용자 행위를 저장하고, 온라인 시스템(140)과 통신할 수 있다. 예컨대, 주로 스포츠 장비를 할인가로 판매하는 전자상거래 웹사이트는 전자상거래 웹사이트가 온라인 시스템(140)의 사용자를 식별할 수 있게 하는 소셜 플러그-인을 통해 온라인 시스템(140)의 사용자를 인식할 수 있다. 소셜 네트워킹 시스템(140)의 사용자는 고유하게 식별가능하기 때문에, 가령 이런 스포츠 장비 소매상과 같은 전자상거래 웹사이트는 사용자와 연관을 위해 온라인 시스템(140) 외부의 사용자 행위에 대한 정보를 온라인 시스템(140)과 통신할 수 있다. 따라서, 행위 로그(220)는 웹페이지 열람 이력, 참여하였던 광고, 이루어진 구매 및 쇼핑과 구입의 다른 패턴을 포함하는 사용자가 제3자 시스템(130)에서 수행한 행위에 대한 정보를 기록할 수 있다.
일실시예로 에지 스토어(225)는 사용자와 온라인 시스템(140) 상의 다른 객체 간의 연결을 설명하는 정보를 에지로서 저장한다. 일부의 에지는 사용자에 의해 정의될 수 있어서, 사용자가 다른 사용자들과의 관계를 명시할 수 있도록 해준다. 예컨대, 사용자는 가령 친구, 직장동료, 파트너 등과 같은 사용자의 실생활 관계에 상응하는 다른 사용자들과의 에지를 생성할 수 있다. 다른 에지는 사용자가 가령 소셜 네트워킹 시스템상의 페이지에 대한 관심을 표현하고, 소셜 네트워킹 시스템의 다른 사용자들과 링크를 공유하며, 소셜 네트워킹 시스템의 다른 사용자들에 의해 행해진 게시물에 코멘트하는 것과 같이 온라인 시스템(140)에서 객체와 상호작용할 때 생성된다.
일실시예에서, 에지는 각각이 사용자간 상호작용, 사용자와 객체간 상호작용 또는 객체간 상호작용의 특징을 나타내는 다양한 특성을 포함할 수 있다. 예를 들어, 에지에 포함된 특성은 두 사용자간 상호작용의 비율, 두 사용자가 서로와 얼마나 최근에 상호작용했는지, 한 사용자에 의해 객체에 대해 검색된 정보의 비율 또는 양 또는 한 사용자에 의해 객체에 대해 게시된 코멘트의 수 및 타입을 설명한다. 또한 특성은 특정 객체 또는 사용자를 설명하는 정보를 나타낼 수 있다. 예를 들어, 특성은 사용자가 특정 주제에 대해 가지는 흥미의 정도, 사용자가 온라인 시스템(140)에 로그인하는 비율 또는 사용자에 대한 인구통계학적 정보를 설명하는 정보를 나타낼 수 있다. 각 특성은 원 객체 또는 사용자, 대상 객체 또는 사용자 및 특성값과 연관될 수 있다. 특성은 원 객체 또는 사용자, 대상 객체 또는 사용자 또는 소스 객체 또는 사용자와 대상 객체 또는 사용자간의 상호작용을 설명하는 값에 기반한 표현으로 명시될 수 있다; 따라서, 에지는 하나 이상의 특성 표현으로 표현될 수 있다.
에지 스토어(225)는 또한 가령 객체, 관심사 및 다른 사용자들에 대한 친밀성 점수와 같이 에지에 관한 정보를 저장한다. 친밀성 점수 또는 "친밀도"는 사용자에 의해 수행된 행위에 기초하여 사용자의 객체, 관심사 및 온라인 시스템(140)의 다른 사용자에 대한 친밀도를 근사화하여 시간에 따라 온라인 시스템(140)에 의해 계산될 수 있다. 사용자의 친밀도는 사용자에 의해 수행된 행위에 기초하여 온라인 시스템(140)의 객체, 관심사, 및 다른 사용자에 대한 사용자의 친밀도를 근사화하여 시간에 따라 온라인 시스템(140)에 의해 계산될 수 있다. 친밀성의 계산은 본 명세서에 전체로서 참조로 각각 통합되고 2010년 12월 23일자로 출원된 미국특허출원 제12/978,265호, 2012년 11월 30일에 출원된 미국특허출원 제13/690,254호, 2012년 11월30일에 출원된 미국특허출원 제13/689,969호 및 2012년 11월 30일에 출원된 미국특허출원 제13/690,088호에 더 기술된다. 일실시예로, 사용자와 특정 객체 사이의 다수의 상호작용은 에지 스토어(225) 내 하나의 에지로 저장될 수 있다. 대안적으로, 사용자와 특정 객체간 각 상호작용은 분리된 에지로 저장될 수 있다. 일부의 실시예로, 사용자 사이의 연결은 사용자 프로필 스토어(205)에 저장될 수 있거나, 사용자 프로필 스토어(205)는 사용자 사이의 연결을 결정하도록 에지 스토어(225)에 접근할 수 있다.
하나 이상의 광고 요청이 광고 스토어(230)에 포함된다. 광고 요청은 광고 컨텐츠와 입찰 액수를 포함한다. 광고 컨텐츠는 텍스트, 이미지, 오디오, 비디오, 또는 사용자에게 제시되는 임의의 다른 적절한 데이터이다. 다양한 실시예로, 광고 컨텐츠는 또한, 광고가 액세스될 때 사용자가 향하게 되는 네트워크 주소를 특정하는 랜딩 페이지를 포함한다. 입찰 금액은 광고자에 의해 광고와 연관되고 만약 광고가 사용자에게 표시되거나, 만약 광고가 사용자 상호작용을 수신하거나, 다른 임의의 적절한 조건에 기반하여 광고자에 의해 온라인 시스템(140)에게 제공되는 금전적 보상과 같은 기대값을 결정하는데 사용된다. 예를 들어, 입찰 금액은 만약 광고가 디스플레이되면 온라인 시스템(140)이 광고자로부터 받는 금액을 명시하고 기대값은 입찰 금액에 광고가 접근될 확률을 곱함으로써 결정된다.
추가로, 광고 요청은 광고자에 의해 특정되는 하나 이상의 타겟팅 기준을 포함할 수 있다. 광고 요청에 포함된 타게팅 기준은 타게팅 기준과 연관된 광고 요청의 광고 컨텐츠가 표시될 자격이 있는 사용자의 하나 이상의 특성을 명시한다. 예를 들어, 광고 기준은 적어도 하나의 타게팅 기준을 만족하는 사용자 프로필 정보, 에지 또는 행위를 가지는 사용자를 식별하기 위하여 사용자와 연관된 사용자 프로필, 에지 및/또는 행위의 필드에 적용되는 필터이다. 따라서, 타겟팅 기준은 광고주가 특정한 타겟팅 기준과 일치하는 사용자의 그룹을 식별하여, 사용자의 그룹에게 컨텐츠의 다음 분배를 단순화할 수 있게 한다.
일실시예에서, 타게팅 기준은 행위 또는 사용자와 온라인 시스템(140)의 다른 사용자나 객체 간의 연결의 타입을 명시할 수 있다. 타겟팅 기준은 사용자와 객체 간에 온라인 시스템(140) 외부, 예컨대 제3자 시스템(130)에서 수행된 상호작용을 또한, 특정할 수 있다. 예를 들어, 타겟팅 기준은 특정 행위, 예컨대 다른 사용자에게 메시지 전송, 애플리케이션 사용, 그룹 가입, 그룹 탈퇴, 이벤트 참가, 이벤트 설명 생성, 온라인 마켓플레이스를 사용한 제품 또는 서비스의 구매 또는 리뷰, 제3자 시스템(130)으로부터의 정보 요청 또는 다른 임의의 적절한 행위를 취한 사용자를 식별한다. 타겟팅 기준 내에 행위를 포함시키는 것은 광고주가 광고 요청으로부터의 컨텐츠가 표시될 수 있는 사용자를 더 걸러낼 수 있게 한다. 다른 예로서, 타겟팅 기준은 다른 사용자 또는 객체와 연결을 가지거나 다른 사용자 또는 객체와 특정한 타입의 연결을 가지는 사용자를 식별할 수 있다. 나아가, 타게팅 기준은 사용자가 방문한 위치도 명시할 수 있다. 예를 들어, 타게팅 기준은 방문자가 위치하거나 위치했던 도시, 건물 또는 방을 식별한다.
인증 서버(235)는 온라인 시스템(140)의 사용자의 하나 이상의 사생활 설정을 강제한다. 사용자의 사생활 설정은 어떻게 사용자와 연관된 특정 정보가 공유될 수 있고, 사용자 프로필 스토어(205) 내의 사용자의 사용자 프로필에 저장되거나 인증 서버(235)에 저장되고 사용자 프로필과 연관될 수 있다. 일실시예에서, 사생활 설정은 사용자와 연관된 특정 정보를 명시하고 명시된 정보가 공유될 수 있는 엔티티 또는 엔티티들을 식별한다. 정보가 공유될 수 있는 엔티티의 예시는 다른 사용자, 애플리케이션, 제3자 시스템(130) 또는 잠재적으로 정보를 접근할 수 있는 임의의 엔티티를 포함할 수 있다. 사용자에 의해 공유될 수 있는 정보의 예시는 가령, 프로필 사진과 같은 프로필 정보, 사용자와 연관된 전화번호, 사용자의 연결, 연결을 추가하기, 사용자의 프로필 정보를 변경하기와 같은 사용자에 의해 행해진 행위, 사용자가 방문한 위치 등을 포함한다.
개인정보 설정 명세가 상이한 레벨의 입상도(granularity)에서 제공될 수 있다. 일실시예에서, 사생활 설정은 다른 사용자와 공유될 특정 정보를 식별할 수 있다. 예를 들어, 사생활 설정은 직장 전화번호나 관련 정보의 특정 세트, 예컨대 프로필 사진, 집 전화번호 및 상태를 포함하는 개인 정보를 식별한다. 대안적으로, 사생활 설정은 사용자와 연관된 모든 정보에 적용할 수 있다. 특정 정보에 접근할 수 있는 엔티티의 세트의 명시는 또한 다양한 수준의 세분화로 명시될 수 있다. 정보가 공유될 수 있는 다양한 세트의 엔티티는 예컨대, 사용자와 연결된 모든 사용자, 사용자와 연결된 사용자의 세트, 사용자와 연결된 사용자와 연결된 추가 사용자, 모든 애플리케이션, 모든 제3자 시스템(130), 특정 제3자 시스템(130) 또는 모든 외부 시스템을 포함할 수 있다.
일실시예는 엔티티의 열거를 사용하여 식별된 정보에 접근이 허용된 엔티티를 명시하거나 상이한 엔티티에게 표시되는 정보의 타입의 식별한다. 예를 들어, 사용자는 다른 사용자와 통신되거나 특정 사용자 그룹에게 통신되는 행위의 타입을 명시할 수 있다. 대안적으로, 사용자는 행위의 타입이나 다른 사용자에게 발행 또는 표시되지 않는 다른 정보를 명시할 수 있다.
인증 서버(235)는 사용자와 연관된 특정 정보가 사용자의 친구, 제3자 시스템(130) 및/또는 다른 애플리케이션이나 엔티티에 의해 접근될 수 있는지 여부를 결정하는 로직을 포함한다. 예를 들어, 제3자 시스템(130)과 연관된 URL(uniform resource locator)에 대한 사용자의 코멘트에 접근을 시도하는 제3자 시스템(130)은 인증 서버(235)로부터 인증을 얻어 사용자와 연관된 정보에 접근해야 한다. 사용자의 사생활 설정에 기반하여, 인증 서버(235)는 다른 사용자, 제3자 시스템(130), 애플리케이션 또는 다른 엔티티가 사용자에 의해 행해진 행위에 대한 정보를 포함하여 사용자와 연관된 정보에 접근이 허용되는지 여부를 결정한다. 예를 들어, 인증 서버(235)는 사용자의 사생활 설정을 사용하여 제3자 시스템(130)과 연관된 URL에 대한 사용자의 코멘트가 제3자 시스템(130)에 표시될 수 있는지 또는 다른 사용자에게 표시될 수 있는지 여부를 결정한다. 이것은 사용자의 사생활 설정이 다른 사용자 또는 다른 엔티티가 사용자의 행위에 대한 데이터 또는 사용자와 연관된 다른 데이터를 수신하도록 허용되는지 명시할 수 있게 한다.
위치 모듈(240)은 클라이언트 장치(110)의 위치를 결정하고 사용자의 사용자 프로필에 위치를 저장한다. 만약 클라이언트 장치(110)의 사용자가 위치 추적은 선택하면, 위치 모듈(240)은 클라이언트 장치(110)가 결정한 위치에 접근하여 장치의 현재 위치를 결정한다. 일실시예에서, 위치 모듈(240)은 클라이언트 장치(110)의 위치를 주기적으로(예컨대, 15분마다) 샘플링하고 사용자의 사용자 프로필에 위치를 저장한다. 위치 모듈(240)은 장치의 위치를 예컨대, GPS, IP 주소 및 휴대 전화 기지국 삼각 측량을 포함하여 클라이언트 장치(110)의 임의의 위치 감지 기능에서 검색한다.
일실시예에서, 위치 모듈(240)은 클라이언트 장치(110)로부터 수신한 로우 위치 데이터를 사용자가 방문한 것으로 결정되는 엔티티나 관심 객체로 변환하도록 구성된다. 예를 들어, 위치 모듈(240)은 지도 데이터에 접근하여 역 지오코딩에 의해 클라이언트 장치(110)로부터 수신한 위치에 대응하는 주소를 식별할 수 있다. 주소는 도로 주소, 도시, 카운티, 주 및/또는 국가를 포함할 수 있다. 위치 모듈(240)은 주소의 엔티티의 이름도 식별할 수 있다. 예를 들어, 위치 모듈(240)은 클라이언트 장치(110)의 사용자가 방문한 주소를 매장의 주소로 식별하고, 주소의 매장의 이름을 결정한다. 건물 내의 위치(예컨대, 백화점 내의 매장)에 대하여, 위치 모듈(240)은 클라이언트 장치(110)에 의해 수신된 위치를 건물 내의 위치로 변환하는, 건물과 연관된 엔티티에 의하여 제공되는 지도에 접근할 수 있다. 그러므로, 위치 모듈(240)은 도시, 건물 및 건물 내 위치를 포함하여 다양한 상이한 입상도로 사용자가 방문한 위치를 정의할 수 있다. 나아가, 로우 위치 데이터를 엔티티 또는 관심 객체로 변환함으로써, 위치 모듈(240)은 동일한 위치에서 수집된 클라이언트 장치(110)의 위치의 샘플을 집계한다.
동일 위치에서 수집된 샘플의 수에 기반하여, 위치 모듈(240)은 사용자가 그 위치에서 소비한 시간을 결정할 수 있다. 일실시예에서, 위치 모듈(240)은 위치 스토어(245)에 타임 스탬프, 위치에서 소비한 시간 및 사용자의 사용자 식별자와 연관시켜 사용자가 방문한 위치를 저장한다(주소, 클라이언트 장치(110)에서 수신한 로우 위치 데이터 또는 양자 모두로).
위치 쌍 모듈(250)은 온라인 시스템(140)의 복수의 사용자로부터 집계한 위치 데이터를 사용하여 위치 간의 쌍을 생성한다. 일실시예에서, 만약 위치 쌍 모듈(250)이 사용자가 제1 위치에 위치하는 경우 사용자가 제2 위치로 이동할 높은 확률이 존재한다고 결정한다면 제1 위치 및 제2 위치가 쌍을 이룬다. 쌍을 생성하기 위하여, 위치 쌍 모듈(250)은 사용자의 위치 내역으로부터 온라인 시스템(140)의 복수의 사용자 각각이 방문한 위치 체인을 추출한다. 각 위치 체인은 온라인 시스템(140)의 사용자가 방문한 일련의 위치를 나타내고, 사용자가 방문한 둘 이상의 위치를 포함한다. 위치 체인은 사용자가 방문한 둘 이상의 도시나 사용자가 방문한 둘 이상의 빌딩(예컨대, 매장)과 같이 동일한 타입의 위치를 포함할 수 있다. 위치 쌍 모듈(250)은 동일한 로우 위치 데이터에 대응하는 복수의 위치 체인을 추출할 수 있다. 예를 들어, 만약 사용자가 도시 A의 공항에서 도시 B의 공항으로 날아간다면, 위치 쌍 모듈(250)은 도시 A의 공항과 도시 B의 공항을 포함하는 위치 체인을 추출하고, 도시 A와 도시 B를 포함하는 다른 위치 체인을 추출할 수 있다.
일실시예에서, 위치 쌍 모듈(250)은 사용자가 임계 기간보다 길게 위치했던 위치를 선택하고 만약 사용자가 두 위치를 임계 기간 이하로 방문했다면 동일 체인에 두 위치를 배치한다. 일실시예에서, 위치를 체인에 포함시킬지 여부를 결정하기 위한 임계 기간은 체인의 위치의 타입에 따라 조정된다. 도시와 같이 더 큰 위치에 대하여, 위치를 체인에 포함시키기 위한 임계치는 건물과 같이 더 작은 위치보다 길 수 있다. 예를 들어, 위치 모듈(240)은 만약 사용자가 도시에 적어도 12시간 위치했다면 사용자가 도시를 방문했다고 결정한다. 그러므로, 만약 사용자가 도시에 12시간보다 적게 위치했다면(예컨대, 만약 사용자가 두 다른 도시를 비행하며 도시에서 두 시간의 경유를 가진다면), 위치 모듈(240)은 위치 체인에 도시를 포함시키지 않는다. 반면, 더 작은 위치에 대해 체인에 위치를 포함시키기 위한 임계치는 더 작은 기간일 수 있다. 예를 들어, 위치 쌍 모듈(250)은 만약 사용자가 방이나 영역에 적어도 5분 위치했다면 사용자가 건물 내의 방이나 영역을 방문했다고 결정하지만, 만약 사용자가 방이나 영역에 더 짧은 기간 동안 있었다면(예컨대, 만약 사용자가 다른 방에 가기 위해 그 방을 지나쳤다면) 위치 체인에 방을 포함시키지 않는다.
유사하게, 동일 체인에 두 위치를 포함시킬지 여부를 결정하기 위한 임계치는 상이한 타입의 위치에 대해 조정될 수 있다. 서로 더 가까운 위치의 경우, 위치 쌍 모듈(250)은 두 위치 간의 경과 시간에 대해 더 멀리 떨어진 위치보다 낮은 임계치를 설정한다. 예를 들어, 위치 쌍 모듈(250)은 만약 사용자가 두 도시를 서로 하루 이내에 방문했다면 체인에 두 도시를 포함시킨다. 다른 예로서, 위치 쌍 모듈(250)은 만약 사용자가 두 매장을 서로 3시간 이내에 방문했다면, 체인에 두 매장을 포함시키지만, 만약 사용자가 두 매장을 다음날 방문한다면 체인에 매장을 포함시키지 않는다.
위치 쌍 모듈(250)은 온라인 시스템(140)의 복수의 사용자가 방문한 위치 체인을 집계한다. 일실시예에서, 위치 쌍 모듈(250)은 위치 체인을 필터링하여 특정 타입의 위치 또는 동일 엔티티와 연계된 위치를 포함하는 체인을 선택한다. 예를 들어, 위치 쌍 모듈(250)은 위치 체인을 필터링하여 지정된 도시 내 또는 지정된 지리적 영역 내의 매장에 대응하는 위치를 포함하는 체인을 선택한다. 다른 예로서, 위치 쌍 모듈(250)은 위치 체인을 필터링하여 테마 파크의 놀이기구와 같은 동일 엔티티와 연계된 위치를 포함하는 체인을 선택한다. 또 다른 예로서, 위치 쌍 모듈(250)은 백화점 내의 매장이나 카지노 내의 영역과 같은 특정 건물 내의 위치를 포함하는 체인을 선택한다. 또 다른 예로서, 위치 쌍 모듈(250)은 도시에 대응하는 위치를 포함하는 체인을 선택한다. 위치 쌍 모듈(250)은 대안적으로 위치의 다른 파라미터에 기반하여 위치를 필터링할 수 있다.
일실시예에서, 위치 쌍 모듈(250)은 추가로 또는 대안적으로 위치 체인을 사용자의 인구통계(예컨대 연령, 성별 또는 사용자의 수입)로 필터링하고, 유사한 인구통계적 그룹에 속하는 사용자가 방문한 위치 체인을 집계한다. 위치 모듈(240)은 작년과 같이 유사한 기간 내에 방문한 위치 체인도 집계할 수 있다. 다른 실시예에서, 위치 쌍 모듈(250)은 사용자가 여행중인지 여부와 같이 사용자가 위치를 방문하는 컨텍스트로 위치 체인을 필터링한다. 예를 들어, 위치 쌍 모듈(250)은 위치 체인을 필터링하여 영역에 거주하는(즉, 주기적으로 위치하는) 사용자와 대조적으로 영역을 방문하는 사용자가 방문하는, 주어진 지리적 영역(예컨대, 도시)의 위치를 선택한다. 이 경우, 위치 쌍 모듈(250)은 위치 체인을 필러팅하여 최근 적어도 임계 거리를 여행했거나 더 자주 체인의 위치에서 적어도 임계 거리 떨어져 위치하는 사용자와 연관된 체인을 선택할 수 있다. 사용자의 다른 특성이 위치 체인을 필터링하는데 사용될 수 있다.
온라인 시스템(140)의 사용자가 방문한 집계된 위치 체인에 기반하여, 위치 쌍 모듈(250)은 만약 사용자가 쌍의 제1 위치를 방문했다면 제2 위치로 이동할 가능성이 높은 위치 쌍을 식별한다. 즉, 위치 쌍 모듈(250)은 사용자가 제1 위치를 방문한 경우 제2 위치를 방문할 조건부 확률을 결정한다. 일실시예에서, 위치 쌍 모듈(250)은 각 위치 체인을 마르코프 체인으로 모델링하는데, 사용자가 체인의 위치를 방문할 확률은 체인의 위치에 바로 선행하는 위치에만 의존한다. 만약 조건부 확률이 임계치보다 크다면, 위치 쌍 모듈(250)은 제2 위치를 제1 위치와 짝짓는다.
일반적으로, 위치 쌍 모듈(250)은 온라인 시스템(140)의 사용자가 방문한 위치 체인의 세트의 위치의 발생 횟수에 기반하여 위치를 짝짓는다. 일부 실시예에서, 위치 쌍 모듈(250)은 지지도(support)와 신뢰도(confidence)와 같은 하나 이상의 연관 규칙을 사용하여 사용자가 제1 위치를 방문한 경우 사용자가 제2 위치를 방문할 조건부 확률을 결정한다. 위치 A가 주어지면, 위치 모듈(240)은 위치 A를 포함하는 체인의 비율을 결정함으로써 집계된 위치 체인에서 위치 A에 대한 지지도를 결정한다. 유사하게, 위치 A와 B가 주어지면, 위치 모듈(240)은 위치 A와 위치 B 모두를 포함하는 체인의 비율을 결정함으로써 집계된 위치 체인에서 양 위치에 대한 지지도를 결정한다. 위치 쌍 모듈(250)은 집계된 위치 체인에서 위치 A와 B에 대한 지지도(즉, 위치 A와 위치 B 모두를 포함하는 위치 체인의 비율)를 계산하고 A와 B의 합집합에 대한 지지도를 집계된 체인에서 위치 A의 지지도로 나눔으로써 위치 A와 B 간의 쌍에 대한 신뢰도를 결정한다. 일실시예에서, 위치 쌍 모듈(250)은 만약 A와 B의 신뢰도가 임계치보다 크면 위치 A와 B를 짝짓는다. 대안적으로, 위치 쌍 모듈(250)은 위치 A를 포함하는 위치 체인의 세트에서 위치 B에 대한 지지도를 결정하고, 만약 A를 포함하는 B에 대한 지지도가 임계치보다 크다면 위치 A와 B를 짝짓는다. 다른 연관 규칙이 위치들 간의 쌍을 결정하는데 추가로 또는 대안적으로 사용될 수 있다.
두 위치의 지지도와 신뢰도를 결정하는데 사용되는 위치 체인의 집계된 세트는 온라인 시스템(140)의 사용자의 위치 내역에서 추출된 위치 체인의 전체 세트일 수 있거나, 체인의 필터링된 세트일 수 있다. 상술한 바와 같이, 위치 쌍 모듈(250)은 위치 체인을 필터링하여 특정 특성을 가지는 사용자와 연관되거나 특정 특성을 가지는 위치를 포함하는 체인 세트를 선택할 수 있다. 사용자의 인구통계적 특성이나 위치의 특성으로 위치 체인을 필터링한 후, 위치 쌍 모듈(250)은 필터링된 세트에서 위치의 발생 횟수에 기반하여 위치들 간의 연관을 결정한다. 그러므로, 위치 쌍 모듈(250)은 위치들 간의 복수의 쌍을 결정할 수 있는데, 각 쌍은 위치나 위치를 방문한 사용자의 특성과 연관된다. 예를 들어, 특정 사용자 인구통계적 특성과 연관된 위치 쌍에 대하여, 쌍은 제1 위치 및, 만약 인구통계적 특성을 가지는 사용자가 제1 위치에 있다면 이동할 확률이 높은 제2 위치를 포함한다.
위치 쌍 모듈(250)이 생성한 위치 간의 쌍은 순서화 또는 비순서화된 쌍일 수 있다. 예를 들어, 위치 쌍 모듈(250)의 일실시예는 온라인 시스템(140)의 사용자가 위치 A를 방문한 후 위치 B를 방문할 제1 확률을 결정하고, 사용자가 위치 B를 방문한 후 위치 A를 방문할 제2 확률을 결정한다. 이 경우, 위치 쌍 모듈(250)은 위치 A 후 위치 B를 포함하는 집계된 위치 체인의 비율 및 위치 B 후 위치 A를 포함하는 집계된 위치 체인의 비율을 결정한다. 다른 실시예에서, 위치 쌍 모듈(250)은 발생하는 순서와 상관 없이 동일 체인에서 위치 A 및 B가 발생하는 단일 확률을 결정한다. 이 경우, 위치 쌍 모듈(250)은 어떤 순서든 위치 A와 B 모두를 포함하는 집계된 체인의 비율을 결정할 수 있다.
나아가, 위치 쌍 모듈(250)은 동일 체인에서 두 위치의 임의의 발생을 사용하여 쌍을 결정하거나, 바로 연속적인 위치만을 고려하여 쌍을 결정할 수 있다. 예를 들어, 만약 위치 체인이 순서대로 위치 A, C 및 B를 포함하면, 위치 쌍 모듈(250)은 위치 A와 B가 연속으로 방문되지 않았기 때문에 위치 A 및 B의 발생으로 체인을 카운트하지 않을 수 있다. 다른 실시예에서, 위치 쌍 모듈(250)은 만약 사용자가 위치 A 및 B를 임계 기간 내에 방문했다면 위치 A와 B를 포함하는 것으로 위치 체인을 카운트한다(위치 A와 B 사이에 위치 C를 방문함에도 불구하고).
도 2b는 온라인 시스템(140)의 두 사용자가 방문한 위치의 예시를 도시한다. 도 2b의 예시에서, 사용자 1은 순서대로 위치 A, B 및 C뿐만 아니라 다른 위치를 방문했다. 사용자 2는 순서대로 위치 B, A 및 C뿐만 아니라 다른 위치를 방문했다. 따라서, 위치 쌍 모듈(250)은 사용자 1의 위치 내역에서 체인 {A, B, ..., C}를 추출하고 사용자 2의 위치 내역에서 체인 {B, A, ..., C}를 추출한다. 체인에 포함되도록 선택된 위치는 위치의 크기, 사용자 1과 2의 인구통계 또는 다른 요인으로 필터링될 수 있다. 일실시예에서, 위치 쌍 모듈(250)은 추출된 체인에서 각 위치의 존재에 기반하여 위치 A와 B, B와 C, A와 C를 짝짓는다. 다른 실시예에서, 위치 쌍 모듈(250)은 위치 A와 B를 두 사용자가 연이어 방문한 위치로 짝짓지만, 각 사용자가 위치 C를 방문하기 전 다른 위치를 방문했기 때문에 위치 C를 위치 A나 B에 짝짓지 않는다.
광고 타게팅 모듈(255)은 위치 쌍 모듈(250)이 생성한 위치 쌍에 기반하여 광고를 선택하여 온라인 시스템(140)의 사용자에게 전송한다. 예를 들어, 만약 사용자가 쌍의 제1 위치에 위치한다면, 광고 타게팅 모듈(255)은 사용자에게 쌍의 제2 위치에 대한 광고를 전송한다. 대안적으로, 광고 타게팅 모듈(255)은 만약 사용자가 이전에 제1 위치를 방문한 적이 있다면 사용자에게 쌍의 제2 위치에 대한 광고를 전송할 수 있다. 다른 예시에서, 광고 타게팅 모듈(255)은 만약 사용자가 쌍의 위치 중 하나를 방문했다면 사용자에게 표시하기 위하여 쌍의 두 위치에 대한 그룹 쿠폰을 선택할 수 있다. 또 다른 예시에서, 광고 타게팅 모듈(255)은 쌍의 제1 위치를 방문한 사용자에 대해 광고를 타게팅하는 광고주에게 쌍의 제2 위치를 방문한 사용자에 대해서도 타게팅할 것을 추천한다.
일실시예에서, 만약 위치 쌍 모듈(250)이 상이한 사용자 특성과 연관된 쌍을 생성했다면, 광고 타게팅 모듈(255)은 또한 사용자의 특성을 사용하여 사용자를 위한 광고를 선택한다. 예를 들어, 위치 쌍 모듈(250)이 특정 인구통계적 특성과 연관된 위치 쌍을 결정했다면, 광고 타게팅 모듈(255)은 사용자의 인구통계적 특성을 식별하고, 사용자의 인구통계적 특성과 연관된 하나 이상의 위치 쌍을 결정하고, 결정된 쌍을 이용해 사용자에게 표시하기 위해 광고를 선택한다. 일실시예에서, 선택된 광고는 웹 서버(260)에 의해 사용자에게 제공된다.
웹 서버(260)는 네트워크(120)를 통해 온라인 시스템(140)을 하나 이상의 클라이언트 장치(110)뿐 아니라 하나 이상의 제3자 시스템(130)으로 링크한다. 웹 서버(140)는 웹페이지뿐만 아니라 가령 JAVA®, FLASH®, XML 등과 같이 다른 웹-관련 컨텐츠를 제공한다. 웹 서버(260)는, 예컨대 인스턴트 메시지, 큐잉된 메시지(예컨대, 이메일), 텍스트 메시지, SMS(단문 메시지 서비스) 메시지 또는 임의의 다른 적절한 메시징 기술을 사용하여 송신되는 메시지와 같은, 온라인 시스템(140)과 클라이언트 장치(110) 사이의 메시지를 수신하고 라우팅할 수 있다. 사용자는 웹 서버(260)로의 요청을 송신하여, 예컨대 컨텐츠 스토어(210)에 저장된 (이미지나 비디오)와 같은 정보를 업로드할 수 있다. 추가로, 웹 서버(260)는 가령 IOS®, ANDROIDTM, WEBOS® 또는 RIM®과 같은 네이티브 클라이언트 장치 운영 시스템으로 직접 데이터를 송신하는 API 기능을 제공할 수 있다.
일실시예에서, 웹 서버(260)는 위치 쌍에 대한 정보를 위치와 연관된 시스템(예컨대, 제3자 시스템(130))으로 전송한다. 예를 들어, 웹 서버(260)는 위치에 위치와 짝지어진 다른 위치의 식별자를 전송한다. 공통 엔티티와 연관된 위치(백화점 내의 매장과 같은)에 대해, 웹 서버(260)는 엔티티에 짝지어진 위치들의 식별자를 전송할 수 있다. 엔티티는 쌍을 사용하여 판매할 상품 선택, 엔티티의 위치의 효율적인 레이아웃 결정 또는 엔티티의 광고 캠페인 통지와 같은 사업 또는 마케팅 결정을 내릴 수 있다.
위치 쌍에
기반한
광고
타게팅
도 3은 위치 쌍에 기반하여 사용자에게 광고를 타게팅하는 프로세스의 일실시예를 도시하는 흐름도이다. 일실시예에서, 프로세스의 단계들은 온라인 시스템(140)에 의해 수행된다. 프로세스의 다른 실시예는 상이하거나 적거나 추가적인 단계를 포함하거나, 다른 순서로 단계들을 수행할 수 있다.
온라인 시스템(140)은 온라인 시스템(140)의 사용자에 의해 사용되는 복수의 사용자 장치(110)로부터 위치 내역을 수신한다(302). 만약 사용자가 위치 추적에 동의했다면, 온라인 시스템(140)은 주기적으로 사용자의 사용자 장치(110)의 위치(사용자 장치(110)가 사용하는 임의의 다양한 위치 센서가 감지한)를 수신하고, 사용자의 프로필에 위치를 저장한다. 일실시예에서, 온라인 시스템(140)은 샘플링된 위치 데이터를 통합하고 각 샘플에 위치한 엔티티나 객체를 식별한다. 그러므로 온라인 시스템(140)은 사용자 장치(110)이 위치했던 위치의 리스트를 생성하고, 샘플의 타임 스탬프에 기반하여 장치가 각 위치에 얼마나 오래 위치했는지 결정한다.
온라인 시스템(140)은 위치 내역에서 사용자가 방문한 위치 체인을 추출한다(304). 위치 체인은 사용자가 방문한 위치의 순차적 리스트이고, 유사한 타입의 하나 이상의 위치를 포함할 수 있다. 일실시예에서, 온라인 시스템(140)은 임계 기간 이내에 온라인 시스템의 사용자가 방문한 하나 이상의 위치를 식별하고, 사용자가 방문한 위치의 체인으로 하나 이상의 위치를 추출한다. 사용자는 만약 사용자의 장치가 적어도 임계 시간 동안 그 위치에 있었다면 특정 위치에 위치한 것으로 결정될 수 있다.
위치 체인에 기반하여, 온라인 시스템(140)은 위치 간의 쌍을 생성한다(306). 만약 제1 위치를 방문한 사용자가 제2 위치로 이동할 높은 확률이 존재한다면 두 위치가 짝지어진다. 일실시예에서, 온라인 시스템(140)은 복수의 위치 체인의 두 위치의 발생 횟수에 기반하여 두 위치 간의 연관을 결정한다. 예를 들어, 만약 사용자들이 공통적으로 특정한 체육관을 방문한 후 특정한 식료품점을 방문한다면, 온라인 시스템(140)은 체육관을 방문한 사용자는 식료품점도 방문할 높은 확률이 있다고 결정할 수 있다. 온라인 시스템(140)은 위치 타입, 위치 체인과 연관된 사용자의 인구통계 또는 사용자가 체인의 위치를 방문한 컨텍스트, 다양한 인자에 기반하여 위치 체인을 필터링할 수 있고, 필터링된 위치 체인의 세트에서의 두 위치의 발생을 사용하여 사용자가 두 위치를 방문할 확률을 결정할 수 있다.
온라인 시스템은 위치 쌍에 기반하여 하나 이상의 위치 예측을 출력한다. 일실시예에서, 온라인 시스템(140)은 위치간의 쌍을 사용하여 사용자에게 표시하기 위한 광고를 선택하고(308), 선택된 광고를 사용자에게 전송한다(310). 일실시예에서, 만약 위치 A가 위치 B와 짝지어진다면, 온라인 시스템(140)은 현재 위치 A에 위치한 사용자에게 위치 B에 대한 광고를 표시한다(또는 그 반대). 예를 들어, 만약 온라인 시스템(140)이 특정 식료품점을 특정 체육관과 짝짓는다면, 온라인 시스템(140)은 체육관에 있는 사용자에게 식료품점에 대한 광고를 표시할 수 있다. 대안적으로, 만약 사용자가 전에 체육관을 방문한 적이 있다면, 온라인 시스템(140)은 사용자에게 식료품점에 대한 광고를 표시할 수 있다. 다른 실시예에서, 온라인 시스템(140)은 위치 쌍에 대한 광고를 사용자에게 전송한다. 예를 들어, 만약 온라인 시스템(140)이 (예컨대, 광고의 타게팅 기준에 기반하여) 사용자에게 표시하기 위해 위치 A에 대한 광고를 선택한다면, 온라인 시스템(140)은 위치 A와 짝지어진 위치 B에 대한 광고도 사용자에게 전송한다. 이 예시에서, 만약 온라인 시스템(140)이 도시 A의 호텔에 대한 광고를 선택하고(예컨대, 사용자가 도시 A로 여행을 계획 중인 것으로 결정됐기 때문에), 그리고 도시 A가 도시 B에 짝지어진다면, 온라인 시스템(140)은 사용자에게 표시하기 위해 도시 B에 대한 광고도 선택한다. 다른 예로서, 온라인 시스템(140)은 사용자에게 위치 A와 B에 대한 공동 쿠폰을 전송한다. 이 예시에서, 만약 백화점의 두 매장이 짝지어진다면, 온라인 시스템(140)은 두 매장에서 유효한 쿠폰을 선택하여 사용자에게 전송할 수 있다. 또 다른 예시에서, 온라인 시스템(140)은 쌍의 제1 위치를 방문한 사용자에 대해 광고를 타게팅하는 광고주에게 쌍의 제2 위치를 방문한 사용자에 대해서도 광고를 타게팅할 것을 추천한다. 이 예시에서, 만약 레스토랑과 영화관이 짝지어진다면, 온라인 시스템(140)은 영화관에 방문한 사용자에 대해 광고를 타게팅하는 광고자에게 레스토랑에 방문한 사용자에 대해서도 광고를 타게팅할 것을 추천한다.
일실시예에서, 온라인 시스템(140)은 위치 쌍에 대한 정보를 위치와 연관된 엔티티에게 (예컨대, 제3자 시스템(130)을 통해) 전송한다(312). 엔티티는 위치 쌍을 사용하여 마케팅 전략을 알리고, 광고 타게팅 명세를 생성하는 등을 할 수 있다. 예를 들어, 온라인 시스템(140)은 백화점에게 백화점을 방문한 온라인 시스템(140)의 사용자가 방문한 위치 쌍에 대한 정보를 제공할 수 있다. 위치 쌍은 백화점에게 고객이 매장을 어떻게 이동하는지(예컨대, 가정용품 매장을 방문한 후 신발 매장을 방문)에 대한 정보를 제공하고, 백화점이 매장이나 고객에게 판매하는 제품의 레이아웃을 향상시킬 수 있게 한다.
요약
본 발명의 실시예들의 상술한 설명은 예시의 목적으로 제시된 것으로, 배타적이거나 개시된 정확한 형태들로 본 발명을 제한하고자 하는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 상기 개시로부터 다양한 변형 및 변경이 가능함을 인식할 수 있을 것이다.
본 명세서의 몇몇 부분들은 알고리즘 또는 정보에 대한 동작의 기호적 표현으로 본 발명의 실시예들을 설명한다. 이러한 알고리즘적 설명이나 표현은 본 기술분야에서 통상의 지식을 가진 자들에게 효과적으로 그들의 작업의 실체를 전달하기 위하여 데이터 프로세싱 기술분야에서 통상의 지식을 가진 자에 의하여 공통적으로 사용되는 것이다. 기능적으로, 계산적으로 또는 논리적으로 설명되고 있는 이들 동작은 컴퓨터 프로그램 또는 등가의 전기 회로, 마이크로 코드 등에 의해 구현되는 것으로 이해된다. 또한, 종종 이러한 동작의 배열은 일반성의 손실 없이 모듈로 언급될 수 있는 것으로 확인된다. 기술된 동작 및 그와 관련된 모듈들은 소프트웨어, 펌웨어, 하드웨어 또는 이들의 임의의 결합으로 구현될 수 있을 것이다.
본 명세서에 기술된 임의의 단계들, 동작들 또는 프로세스들은 하나 이상의 하드웨어 또는 소프트웨어 모듈들에 의해 또는 이들과 다른 장치들의 결합에 의해 수행되거나 구현될 수 있다. 일실시예에서, 소프트웨어 모듈은 기술된 단계들, 동작들 또는 프로세스들 일부 또는 전부를 수행하기 위하여 컴퓨터 프로세서에 의해 실행될 수 있는 컴퓨터 프로그램 코드를 포함하는 컴퓨터 판독가능한 매체를 포함하는 컴퓨터 프로그램 제품으로 구현된다.
본 발명에 기술된 실시예들은 또한 본 명세서의 동작들을 수행하기 위한 장치와 관련될 수 있다. 이 장치는 요청된 목적을 위하여 구체적으로 구성될 수 있고/있거나 컴퓨터에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화되거나 재구성되는 범용 컴퓨팅 장치를 포함할 수 있다. 이런 컴퓨터 프로그램은 비-일시적 유형(tangible)의 컴퓨터 판독가능한 저장 매체나 컴퓨터 시스템 버스에 결합될 수 있는 전자 명령어를 저장하기에 적절한 임의의 타입의 매체에 저장될 수 있다. 게다가, 본 명세서에서 언급된 임의의 컴퓨팅 시스템들은 단일 프로세서를 포함할 수 있거나, 증가한 컴퓨팅 능력을 위해 다중 프로세서 설계를 채용한 구조일 수 있다.
또한, 본 발명의 실시예들은 본 명세서에 기술된 컴퓨팅 프로세스에 의해 생산된 제품에 관한 것일 수 있다. 이런 제품은 컴퓨팅 프로세스의 처리 결과인 정보를 포함할 수 있으며, 여기서 정보는 비-일시적, 유형의 컴퓨터 판독가능한 저장 매체에 저장되고 본 명세서에 개시된 컴퓨터 프로그램 제품 또는 다른 데이터 조합의 임의의 실시예를 포함할 수 있다.
마지막으로, 본 명세서에서 사용된 언어는 원칙적으로 읽기 쉬운 지침상의 목적으로 선택되었으며, 발명의 요지를 상세히 설명하거나 제한하려고 선택된 것은 아닐 수 있다. 따라서, 본 발명의 범위는, 본 발명의 상세한 설명에 의해 제한되는 것이 아니며, 본 출원이 기초로 하는 제출되는 청구범위에 의해 정의되는 것으로 의도되었다. 따라서, 본 발명의 실시예들의 개시는 설명을 위한 것이며, 본 발명의 범위를 제한하고자 하는 것이 아니다. 본 발명의 범위는 이하의 청구범위에 개시된다.
Claims (18)
- 온라인 시스템의 사용자가 사용하는 복수의 사용자 장치로부터 위치 정보를 수신하는 단계;
위치 정보에서 온라인 시스템의 복수의 사용자 각각이 방문한 복수의 위치 체인을 추출하는 단계;
위치 체인에 기반하여 하나 이상의 위치 쌍을 생성하는 단계; 및
위치 쌍에 기반하여 하나 이상의 위치 예측을 출력하는 단계를 포함하고,
위치 정보는 각 사용자 장치가 위치했던 복수의 상이한 위치를 식별하고,
각 위치 쌍은 추출된 위치 체인의 제1 위치 및 제2 위치 간의 상호관련성에 기반하여 선택된 제1 위치 및 제2 위치를 포함하는 방법. - 청구항 1에 있어서,
복수의 위치 체인을 추출하는 단계는:
임계 기간 내에 온라인 시스템의 사용자가 방문한 하나 이상의 위치를 식별하는 단계; 및
하나 이상의 위치를 사용자가 방문한 위치 체인으로 추출하는 단계를 포함하는 방법. - 청구항 2에 있어서,
사용자가 방문한 하나 이상의 위치를 식별하는 단계는 적어도 임계 시간 동안 사용자가 위치했던 하나 이상의 위치를 식별하는 단계를 포함하는 방법. - 청구항 1에 있어서,
하나 이상의 위치 쌍을 생성하는 단계는:
복수의 추출된 위치 체인의 두 위치의 발생 횟수에 기반하여 두 위치 간의 연관을 결정하는 단계; 및
연관이 임계치보다 큰 것에 응답하여 두 위치를 짝짓는 단계를 포함하는 방법. - 청구항 4에 있어서,
복수의 사용자의 하나 이상의 인구통계적 특성에 기반하여 추출된 위치 체인을 필터링하는 단계를 더 포함하고,
생성하는 단계는 필터링된 위치 체인에만 기반하는 방법. - 청구항 4에 있어서,
대응하는 사용자가 각 체인의 위치를 방문한 컨텍스트에 기반하여 추출된 위치를 필터링하는 단계를 더 포함하고,
생성하는 단계는 필터링된 위치 체인에만 기반하는 방법. - 청구항 1에 있어서,
사용자에게 표시하기 위해 광고를 선택하는 단계는:
사용자가 위치 쌍의 위치 중 하나에 위치하는데 응답하여, 사용자에게 표시하기 위해 위치 쌍 중 다른 위치에 대한 광고를 선택하는 단계를 포함하는 방법. - 청구항 1에 있어서,
사용자에게 표시하기 위해 광고를 선택하는 단계는:
사용자가 이전에 위치 쌍의 위치 중 하나를 방문했다고 결정하는 단계; 및
결정에 응답하여, 사용자에게 표시하기 위해 위치 쌍 중 다른 위치에 대한 광고를 선택하는 단계를 포함하는 방법. - 청구항 1에 있어서,
사용자에게 표시하기 위해 광고를 선택하는 단계는:
사용자에게 표시하기 위해 위치 쌍의 제1 위치 및 제2 위치를 광고하는 광고를 선택하는 단계를 포함하는 방법. - 인코딩된 명령어를 가지는 비일시적 컴퓨터 판독가능한 저장 매체를 포함하는 컴퓨터 프로그램 제품으로서, 명령어는 프로세서에 의해 실행될 때, 프로세서로 하여금:
온라인 시스템의 사용자가 사용하는 복수의 사용자 장치로부터 위치 정보를 수신하고;
위치 정보에서 온라인 시스템의 복수의 사용자 각각이 방문한 복수의 위치 체인을 추출하고;
위치 체인에 기반하여 하나 이상의 위치 쌍을 생성하고; 및
위치 쌍에 기반하여 하나 이상의 위치 예측을 출력하도록 야기하고,
위치 정보는 각 사용자 장치가 위치했던 복수의 상이한 위치를 식별하고,
각 위치 쌍은 추출된 위치 체인의 제1 위치 및 제2 위치 간의 상호관련성에 기반하여 선택된 제1 위치 및 제2 위치를 포함하는 컴퓨터 프로그램 제품. - 청구항 10에 있어서,
프로세서로 하여금 복수의 위치 체인을 추출하도록 야기하는 명령어는 프로세서에 의해 실행될 때 프로세서로 하여금:
임계 기간 내에 온라인 시스템의 사용자가 방문한 하나 이상의 위치를 식별하고; 및
하나 이상의 위치를 사용자가 방문한 위치 체인으로 추출하도록 야기하는 명령어를 포함하는 컴퓨터 프로그램 제품. - 청구항 11에 있어서,
프로세서로 하여금 사용자가 방문한 하나 이상의 위치를 식별하도록 야기하는 명령어는 프로세서에 의해 실행될 때 프로세서로 하여금 적어도 임계 시간 동안 사용자가 위치했던 하나 이상의 위치를 식별하도록 야기하는 명령어를 포함하는 컴퓨터 프로그램 제품. - 청구항 10에 있어서,
프로세서로 하여금 하나 이상의 위치 쌍을 생성하도록 야기하는 명령어는 프로세서에 의해 실행될 때 프로세서로 하여금:
복수의 추출된 위치 체인의 두 위치의 발생 횟수에 기반하여 두 위치 간의 연관을 결정하고; 및
연관이 임계치보다 큰 것에 응답하여 두 위치를 짝짓도록 야기하는 명령어를 포함하는 컴퓨터 프로그램 제품. - 청구항 13에 있어서,
프로세서에 의해 실행될 때 프로세서로 하여금:
복수의 사용자의 하나 이상의 인구통계적 특성에 기반하여 추출된 위치 체인을 필터링하도록 야기하는 명령어를 더 포함하고,
프로세서는 필터링된 위치 체인에만 기반하여 하나 이상의 위치 쌍을 생성하는 컴퓨터 프로그램 제품. - 청구항 13에 있어서,
프로세서에 의해 실행될 때 프로세서로 하여금:
대응하는 사용자가 각 체인의 위치를 방문한 컨텍스트에 기반하여 추출된 위치를 필터링하는 야기하는 명령어를 더 포함하고,
프로세서는 필터링된 위치 체인에만 기반하여 하나 이상의 위치 쌍을 생성하는 컴퓨터 프로그램 제품. - 청구항 10에 있어서,
프로세서로 하여금 사용자에게 표시하기 위해 광고를 선택하도록 야기하는 명령어는 프로세서에 의해 실행될 때 프로세서로 하여금:
사용자가 위치 쌍의 위치 중 하나에 위치하는데 응답하여, 사용자에게 표시하기 위해 위치 쌍 중 다른 위치에 대한 광고를 선택하도록 야기하는 명령어를 포함하는 컴퓨터 프로그램 제품. - 청구항 10에 있어서,
프로세서로 하여금 사용자에게 표시하기 위해 광고를 선택하도록 야기하는 명령어는 프로세서에 의해 실행될 때 프로세서로 하여금:
사용자가 이전에 위치 쌍의 위치 중 하나를 방문했다고 결정하고; 및
결정에 응답하여, 사용자에게 표시하기 위해 위치 쌍 중 다른 위치에 대한 광고를 선택하도록 야기하는 명령어를 포함하는 컴퓨터 프로그램 제품. - 청구항 10에 있어서,
프로세서로 하여금 사용자에게 표시하기 위해 광고를 선택하도록 야기하는 명령어는 프로세서에 의해 실행될 때 프로세서로 하여금:
사용자에게 표시하기 위해 위치 쌍의 제1 위치 및 제2 위치를 광고하는 광고를 선택하도록 야기하는 명령어를 포함하는 컴퓨터 프로그램 제품.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/586,306 US10078852B2 (en) | 2014-12-30 | 2014-12-30 | Predicting locations and movements of users based on historical locations for users of an online system |
US14/586,306 | 2014-12-30 | ||
PCT/US2015/067942 WO2016109589A1 (en) | 2014-12-30 | 2015-12-29 | Predicting locations and movements of users based on historical locations for users of an online system |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170104144A true KR20170104144A (ko) | 2017-09-14 |
KR102005743B1 KR102005743B1 (ko) | 2019-07-31 |
Family
ID=56164725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020177021152A KR102005743B1 (ko) | 2014-12-30 | 2015-12-29 | 온라인 시스템의 사용자를 위한 위치 내역에 기반하여 사용자의 위치 및 움직임 예측 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10078852B2 (ko) |
JP (1) | JP6629330B2 (ko) |
KR (1) | KR102005743B1 (ko) |
AU (1) | AU2015374148A1 (ko) |
CA (1) | CA2971737C (ko) |
IL (1) | IL253095B (ko) |
WO (1) | WO2016109589A1 (ko) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10909464B2 (en) * | 2015-04-29 | 2021-02-02 | Microsoft Technology Licensing, Llc | Semantic locations prediction |
US20190090197A1 (en) * | 2015-04-29 | 2019-03-21 | Microsoft Technology Licensing, Llc | Saving battery life with inferred location |
US10089363B2 (en) * | 2015-10-15 | 2018-10-02 | At&T Intellectual Property I, L.P. | Method and apparatus for identifying users who know each other |
US11481690B2 (en) * | 2016-09-16 | 2022-10-25 | Foursquare Labs, Inc. | Venue detection |
US20180158125A1 (en) * | 2016-12-05 | 2018-06-07 | Mark Hennings | Strain products finder |
US10740794B2 (en) | 2017-02-15 | 2020-08-11 | Microsoft Technology Licensing, Llc | Personalized identification of visit start |
US10511692B2 (en) * | 2017-06-22 | 2019-12-17 | Bank Of America Corporation | Data transmission to a networked resource based on contextual information |
US10313480B2 (en) | 2017-06-22 | 2019-06-04 | Bank Of America Corporation | Data transmission between networked resources |
US10524165B2 (en) | 2017-06-22 | 2019-12-31 | Bank Of America Corporation | Dynamic utilization of alternative resources based on token association |
JP2019032771A (ja) * | 2017-08-09 | 2019-02-28 | ヤフー株式会社 | 予測装置、予測方法、及び予測プログラム |
JP6984423B2 (ja) * | 2018-01-11 | 2021-12-22 | トヨタ自動車株式会社 | 行先情報検索装置、プログラム及び行先情報検索システム |
CN116010041A (zh) * | 2021-10-21 | 2023-04-25 | 伊姆西Ip控股有限责任公司 | 用于调度导览资源的方法、设备和计算机程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8073460B1 (en) * | 2007-03-08 | 2011-12-06 | Amazon Technologies, Inc. | System and method for providing advertisement based on mobile device travel patterns |
KR20120134634A (ko) * | 2011-06-03 | 2012-12-12 | 한국과학기술원 | 광고 제공 방법, 이를 구현하는 프로그램을 기록한 컴퓨터 판독 가능기록 매체 및 광고 제공 시스템 |
KR20130092272A (ko) * | 2012-02-10 | 2013-08-20 | 서울대학교산학협력단 | 스마트 단말을 이용한 사용자의 이동 경로 실시간 예측 방법 및 그 시스템 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8024112B2 (en) | 2005-09-29 | 2011-09-20 | Microsoft Corporation | Methods for predicting destinations from partial trajectories employing open-and closed-world modeling methods |
US20090197582A1 (en) | 2008-02-01 | 2009-08-06 | Lewis Robert C | Platform for mobile advertising and microtargeting of promotions |
US8719198B2 (en) * | 2010-05-04 | 2014-05-06 | Microsoft Corporation | Collaborative location and activity recommendations |
US9043296B2 (en) * | 2010-07-30 | 2015-05-26 | Microsoft Technology Licensing, Llc | System of providing suggestions based on accessible and contextual information |
US8504062B2 (en) * | 2010-11-01 | 2013-08-06 | Wavemarket, Inc. | System and method for aggregating and associating mobile device location data |
US20120130817A1 (en) * | 2010-11-20 | 2012-05-24 | Robert Bousaleh | Method for Delivery of Relevant Consumer Content Based on Consumer Journey Patterns |
US20130246175A1 (en) * | 2011-12-05 | 2013-09-19 | Qualcomm Labs, Inc. | Selectively presenting advertisements to a customer of a service based on a place movement pattern profile |
JP5895518B2 (ja) * | 2011-12-27 | 2016-03-30 | 富士通株式会社 | 交通要所登録方法,交通要所登録プログラムおよび交通要所登録装置 |
KR20130089907A (ko) | 2012-01-11 | 2013-08-13 | 삼성전자주식회사 | 사용자 상황에 따라 광고를 제공하는 이동 단말 및 방법 |
US8768876B2 (en) * | 2012-02-24 | 2014-07-01 | Placed, Inc. | Inference pipeline system and method |
WO2014000141A1 (en) * | 2012-06-25 | 2014-01-03 | Nokia Corporation | Method and apparatus for providing transportation based recommender system |
US11493347B2 (en) * | 2013-03-12 | 2022-11-08 | Verizon Patent And Licensing Inc. | Using historical location data to improve estimates of location |
-
2014
- 2014-12-30 US US14/586,306 patent/US10078852B2/en active Active
-
2015
- 2015-12-29 AU AU2015374148A patent/AU2015374148A1/en not_active Abandoned
- 2015-12-29 JP JP2017535031A patent/JP6629330B2/ja active Active
- 2015-12-29 KR KR1020177021152A patent/KR102005743B1/ko active IP Right Grant
- 2015-12-29 WO PCT/US2015/067942 patent/WO2016109589A1/en active Application Filing
- 2015-12-29 CA CA2971737A patent/CA2971737C/en not_active Expired - Fee Related
-
2017
- 2017-06-22 IL IL253095A patent/IL253095B/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8073460B1 (en) * | 2007-03-08 | 2011-12-06 | Amazon Technologies, Inc. | System and method for providing advertisement based on mobile device travel patterns |
KR20120134634A (ko) * | 2011-06-03 | 2012-12-12 | 한국과학기술원 | 광고 제공 방법, 이를 구현하는 프로그램을 기록한 컴퓨터 판독 가능기록 매체 및 광고 제공 시스템 |
KR20130092272A (ko) * | 2012-02-10 | 2013-08-20 | 서울대학교산학협력단 | 스마트 단말을 이용한 사용자의 이동 경로 실시간 예측 방법 및 그 시스템 |
Also Published As
Publication number | Publication date |
---|---|
IL253095B (en) | 2019-05-30 |
US20160189228A1 (en) | 2016-06-30 |
AU2015374148A1 (en) | 2017-07-13 |
JP6629330B2 (ja) | 2020-01-15 |
JP2018500693A (ja) | 2018-01-11 |
CA2971737C (en) | 2020-01-21 |
CA2971737A1 (en) | 2016-07-07 |
WO2016109589A1 (en) | 2016-07-07 |
KR102005743B1 (ko) | 2019-07-31 |
IL253095A0 (en) | 2017-08-31 |
US10078852B2 (en) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102005743B1 (ko) | 온라인 시스템의 사용자를 위한 위치 내역에 기반하여 사용자의 위치 및 움직임 예측 | |
KR101724524B1 (ko) | 소셜 네트워킹 시스템 내 객체의 영향력을 결정하는 방법 | |
JP6441941B2 (ja) | オンライン・システム上での広告に関連付けられているオブジェクトとのユーザ対話の予測 | |
US20150356570A1 (en) | Predicting interactions of social networking system users with applications | |
US20150332313A1 (en) | Objective Prediction of an Ad Creative Based on Feature Scores | |
WO2015038297A1 (en) | Sentiment polarity for users of a social networking system | |
KR102300159B1 (ko) | 광고 타입 및 배치에 기초한 광고 선택 및 가격결정 | |
KR20160068772A (ko) | 소셜 네트워킹 시스템 사용자에게 제시되는 광고에 대한 최저 경매 가격의 조정 | |
CA2864304A1 (en) | Targeting advertisements to groups of social networking system users | |
US10706442B2 (en) | Behavior-based custom audiences generation | |
US20160371722A1 (en) | Estimating Foot Traffic Lift in Response to An Advertisement Campaign at an Online System | |
JP6660375B2 (ja) | オンライン・システムのユーザに対して提示されるコンテンツに基づく代替コンテンツの選択 | |
KR20180095550A (ko) | 사용자와 컨텐츠 아이템의 상호작용에 기반하여 순서대로 컨텐츠 아이템을 온라인 시스템 사용자에게 제시하기 | |
US20160140670A1 (en) | Ranking applications for recommendation to social networking system users | |
US20180218286A1 (en) | Generating models to measure performance of content presented to a plurality of identifiable and non-identifiable individuals | |
KR20170054415A (ko) | 비디오 데이터와 연관하여 사용자에게 표시되는 행위를 수행하기 위한 유도 결정 | |
US20150039524A1 (en) | Detecting And Responding To Sentiment-Based Communications About A Business On A Social Networking System | |
US10402836B2 (en) | System and method for selecting geographic regions for presentation of content based on characteristics of online system users in different geographic regions | |
US20160117724A1 (en) | Estimating radius of a target area for serving an advertisement | |
US20150012336A1 (en) | Assessing impact of communications between social networking system users on a brand | |
US20180053218A1 (en) | Targeting optimization by blocking advertisements for already performed conversion events | |
US10366406B2 (en) | Estimating the reach performance of an advertising campaign | |
US20160125469A1 (en) | Selection of a group of content items for presentation to an online system user based on content item characteristics and user attributes | |
US20190139094A1 (en) | Presenting content to an online system user assigned to a stage of a classification scheme and determining a value associated with an advancement of the user to a succeeding stage | |
US10863316B1 (en) | Predicting a physical location of an online system user from multiple candidate physical locations based on a geographic location of a client device associated with the user |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
AMND | Amendment | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
GRNT | Written decision to grant |