TWI595433B - 線上系統中廣告與內容之品質評分 - Google Patents

線上系統中廣告與內容之品質評分 Download PDF

Info

Publication number
TWI595433B
TWI595433B TW103120461A TW103120461A TWI595433B TW I595433 B TWI595433 B TW I595433B TW 103120461 A TW103120461 A TW 103120461A TW 103120461 A TW103120461 A TW 103120461A TW I595433 B TWI595433 B TW I595433B
Authority
TW
Taiwan
Prior art keywords
content
user
score
advertisement
item
Prior art date
Application number
TW103120461A
Other languages
English (en)
Other versions
TW201513020A (zh
Inventor
布諾 佛南德茲 魯易斯
博哈卡 克里斯納木爾帝
珍 馬克 蘭格易斯
阿沛 古普塔
阿哈朗 拉維
Original Assignee
伊克斯卡萊柏智慧財產有限責任公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 伊克斯卡萊柏智慧財產有限責任公司 filed Critical 伊克斯卡萊柏智慧財產有限責任公司
Publication of TW201513020A publication Critical patent/TW201513020A/zh
Application granted granted Critical
Publication of TWI595433B publication Critical patent/TWI595433B/zh

Links

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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0246—Traffic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • 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
    • G06Q30/0273—Determination of fees for advertising

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Description

線上系統中廣告與內容之品質評分
本申請案一般是關於資料處理系統。更特定而言，本申請案是關於用於在線上一起顯示創收資訊(例如廣告)與非創收資訊(例如內容)之系統與方法。
線上廣告已經成為可供廣告主對潛在顧客與客戶廣告貨品與服務相關資訊的一種相當普遍方式。廣告主可利用線上供應者(例如雅虎公司)的網際網路存取設施來實施一廣告活動。線上供應者係提供服務以連接廣告主與正存取線上資源(例如搜尋引擎以及新聞及資訊網址)之使用者。廣告主的廣告(「ads」)係被提供給使用者，以通知及吸引使用者的注意。
某些線上供應商係於一網頁上提供含有內容與其他資訊之信息流。該網頁係由使用者在裝置上進行存取，例如桌上型電腦、可攜式電腦(例如膝上型電腦)、以及手持裝置(例如平板電腦與智慧型手機)、或是媒體裝置(例如電視)等。在裝置顯示器上受觀看時，信息流係以顯示在網頁下方之一連串項目的方式(例如一個項目接著另一個項目)顯現於網頁上。在某些情況中，在特定事件(例如經過一段特定時間、滾動滑 鼠、或點擊空白鍵)下，會以新的內容在頁面頂部或底部更新該信息流。
廣告項目(在本文中也稱為「信息流廣告」)係插置到內容信息流中，增加了序列中的項目。信息流廣告係經格式化，以視覺性地匹配周圍的內容信息流，進以呈現原生信息流。或者是，信息流廣告係經格式化以與周圍的內容信息流互補，以更能吸引目光。
信息流變得更常見於線上呈現的原因，有部分是因為它們為網站設計者與廣告主提供了增加之彈性。如果不使用信息流在網頁上呈現資料，則網頁必須具有預先定義的片段。只有具有特定大小、形狀或內容的特定資訊類型可以以預先定義的片段來呈現。信息流則可包含任何數量、大小與形狀的內容。在藉由移除與切換至一不同視覺格式或觀點相關聯的認知開銷(cognitive overhead)來處理與不同的內容或廣告項目相關聯的資訊時，信息流也降低了觀看者的認知負荷。
需要管理一信息流中的內容與廣告流，以接著管理與線上供應商互動之使用者與廣告主的經驗。透過比較傳統系統及參照圖式所示之在本申請案其餘部分中所提出的某些發明構想，發明所屬領域之技術人士將可明顯瞭解傳統與習知方式的其他限制和缺點。
根據本文所揭露之系統、產品與方法，一線上供應商可控制使用者可於網頁上觀看之內容信息流中的信息流廣告的位置、數量、以及空間與時間頻率。該信息流可被視為一統一市集，其中創收項目與非創收項目(例如分別為廣告項目與內容項目)兩者皆可競爭以供顯現於信息流中。計分、排序與標價技術可進行所有項目的相稱處理(無論是否為該線 上供應商產生收益)。在決定內容項目與廣告項目要如何在一信息流中呈現時，內容項目與廣告項目之其他商業規則則為線上供應商提供了進一步的自由度。
分類的一種態樣是關於要呈現給一使用者的內容項目。發展一品質分數以對一使用者或一部分使用者反映出一內容項目的相對品質與可取用性。內容項目之品質分數係用以決定一內容之出價金額，其接著用以決定該內容項目之一排序分數。舉例而言，在一具體實施例中，該內容項目之一品質分數係使用作為對儲存有廣告項目出價金額之列表的索引，其中廣告項目係與內容項目競爭以取得相同使用者的注意。廣告項目之出價係用以自動計算一內容項目之出價。利用內容項目之出價與稱為點擊能力之測度和稱為滿意度之測度作結合，即可得到該內容項目之一排序分數。
在另一具體實施例中，該內容項目之品質分數是該內容項目的普及度以及使用者和內容項目之間親和性(affinity)的函數。可利用相似內容項目的普及度以及由使用者與先前內容項目互動所記錄之使用者歷史興趣來決定一單一內容項目之普及度。藉由使一內容項目與使用者所指定之使用者設定檔的參數相關聯、或是基於使用者對於內容項目的過去互動，即可決定親和性。
對於線上供應商而言，控制信息流中廣告的位置、數量與頻率係有助於以線上供應商的網站來管理使用者與廣告主的經驗。提供過多的廣告會導致使用者有較不滿意的經驗；提供過少的廣告則會降低或消除廣告主對網站的參與。為使用者選擇最適合的內容項目與廣告項目係可保持使用者對網址的參與，並且確保使用者將回到該網址。使用者參與度係 接著驅動了將信息流廣告放置在網站上的廣告主的信心與參與。本發明一般係描述了一種統一市集，其中由一線上供應商所呈現的每一個資訊項目(包括從創收廣告到已付費內容)都會被評分、根據顯性或隱性出價而標價、以及排序，以供顯現於一單一格式(例如信息流)中。
100‧‧‧線上資訊系統
102‧‧‧帳戶伺服器
104‧‧‧帳戶資料庫
106‧‧‧搜尋引擎
108‧‧‧廣告伺服器
110‧‧‧廣告資料庫
112‧‧‧內容伺服器
114‧‧‧內容資料庫
116‧‧‧排序引擎
120‧‧‧網路
122‧‧‧廣告主裝置
124‧‧‧使用者裝置
126‧‧‧膝上型電腦
128‧‧‧智慧型電話
202‧‧‧顯示廣告
204‧‧‧行動網路裝置顯示畫面
206‧‧‧行動應用顯示畫面
208‧‧‧個人電腦顯示畫面
212‧‧‧文字
214‧‧‧影像
216‧‧‧邊界
222a‧‧‧廣告項目
222b‧‧‧廣告項目
222c‧‧‧廣告項目
224a‧‧‧信息流
224b‧‧‧信息流
224c‧‧‧信息流
226a‧‧‧內容項目
226b‧‧‧內容項目
226c‧‧‧內容項目
228a‧‧‧內容項目
228b‧‧‧內容項目
228c‧‧‧內容項目
230b‧‧‧內容項目
230c‧‧‧內容項目
232b‧‧‧內容項目
232c‧‧‧內容項目
234b‧‧‧內容項目
234c‧‧‧內容項目
300-320‧‧‧步驟
402-420‧‧‧步驟
第一圖為一例示線上資訊系統的方塊圖；第二圖為一實例，其說明了經過修改以供顯示於一信息流顯示畫面中之顯示廣告；第三圖是一流程圖，其說明了一種用於在一線上資訊系統中排序及顯示廣告項目與內容項目信息流的具體實施例；以及第四圖為一例示流程，用於根據利用點擊能力和點擊後滿意度分數所計算之一品質分數於一串流媒體饋入中顯示內容。
現將參照如附圖式，於下文中更完整說明本發明之標的，其中圖式係形成本文的一部分，且其係藉由例示說明而例示說明特定的例示具體實施例。然而，本文標的係可具現為各種不同的形式，且因此所涵蓋之主張之標的係應用於解釋，而不限制於本文所提出的任何例示具體實施例；例示具體實施例係僅提出作為例示說明之用。同樣地，其意指所主張或涵蓋之標的的一個合理廣泛範圍。其中重要的是，舉例而言，本文標的係具現為方法、裝置、構件或系統。因此，以下詳細說明並不用於限制所主張之範疇。
在整份說明書與申請專利範圍中，用語具有在上下文中所提 示或暗示、超過其明確說明之細微意義。同樣地，用語「在一具體實施例中」用於本文中時，並不一定要指相同的具體實施例，且用語「在另一具體實施例中」在用於本文中時，也不一定是指不同的具體實施例。舉例而言，本意是希望所主張之標的可包含例示具體實施例在整體上或部分上之組合。
一般而言，可至少部分從在上下文中的使用來理解術語。舉例而言，在本文中所使用的像是「及」、「或」、或「及/或」等用語可包含各種意義，其係至少部分根據使用這類用語之上下文而定。一般而言，若使用「或」來關聯一列表，例如A、B或C，則指此處是作為包含性意義A、B與C，以及專用性意義A、B或C。此外，用語「一或多個」在本文中至少部分基於上下文而用以描述具有單數形式的任何特徵、結構或特性，或是複數形式的特徵、結構或特性之組合。同樣地，例如「一」或「該」等用語也是至少部分根據上下文而被理解為傳達單數形式用法或傳達複數形式用法。此外，用語「基於」係理解為不一定是要傳達一組專門的因子，而又是可存在未必加以描述說明的其他因子，其係至少部分根據上下文而定。
一線上資訊系統係將廣告主的廣告放置在終端使用者可用的內容服務內，例如網頁、行動應用程式(「apps」)、TV apps、或是其他音訊或視頻內容服務。廣告係與其他內容一起提供。其他內容可包括文字、圖形、音訊、視頻、或對這類內容的連結之任意組合。廣告在傳統上是根據各種標準來加以選擇，包括廣告主所指定的那些標準。廣告主傳統上定義了一廣告活動，以控制如何及何時產生使用者可用的廣告及指明那些廣告的內容。
信息流在線上呈現中變得常見，因為他們為產生信息流之內容項目的內容供應者、產生信息流之廣告項目的廣告主、以及結合內容項目與廣告項目以產生信息流的線上供應者提供了彈性。信息流可允許在信息流中包含任何數量、大小與形狀的內容項目與廣告項目。藉由相關性或藉由任何適當參數來分類信息流的元素。藉由移除與切換至一不同視覺格式或觀點相關聯的認知開銷，信息流也降低了在處理與內容或廣告的不同項目相關聯之資訊時對於觀看者之認知負荷。
信息流可被視為是一統一市集，其中內容項目與廣告項目係競爭以置於或包含於該信息流中。市集中的參與者為贊助或提供廣告項目的廣告主、以及贊助或提供內容項目的內容供應者。信息流與市集係由一線上供應者(例如雅虎公司)所主導或管理。線上供應者也將其本身產品與服務之廣告或其本身內容項目提供至信息流。
廣告主與線上供應者的設備互動，以產生或提供線上廣告。線上廣告包含儲存在與廣告主識別及一或多個出價量量相關之一資料庫或其他記憶體中的廣告內容。廣告內容包括文字或圖形或這兩者、以及對一登陸頁面的連結(在點擊該連結時，使用者的瀏覽器會重新導向至該頁面)。出價量量代表廣告主在屬於該廣告的一事件下所將付出的金額大小。該事件可為使用者對於該廣告的印象或觀看該廣告、觀看該廣告的使用者點進該廣告或對該廣告的其他選擇、或是在觀看該廣告之後的一動作(例如提供信用卡資訊或電子郵件地址)。出價量量係用於以下述方式來決定信息流中的廣告位置。線上廣告可包含其他資料及包含定義了如何將廣告出現在信息流中之資料。
內容項目包含關於使用者感興趣之一主題的資訊。此資訊可包括對另一網頁(其提供與該主題有關的更多資訊及與該主題有關的資訊概要)的連結。在某些具體實施例中，一內容供應者係使一出價量與一內容項目相關聯。類似於廣告之出價量，一內容項目之出價量係基於印象、點進、或其他動作而定。同時，出價量係用於以下述方式來決定內容項目在信息流中的位置。或者是，可使用一軟體式出價代理來代表內容項目自動出價。
內容項目與廣告項目在包含於信息流中具有競爭關係。對於在信息流中槽位(slot)之競爭係可利用廣義第二價格(GSP)拍賣機制來清除。在一GSP拍賣中，最高的出價者會得到第一槽位，第二最高出價者得到第二槽位(依此類推)。然而，最高的出價者接著支付第二最高出價者之價格出價。這與一贊助搜尋市集類似，雖然在贊助搜尋中出價為不同的表達，且在一贊助搜尋市集中之競爭係僅在於廣告之間。
在一具體實施例中，一廣告主提供目標述語、廣告片段以及出價。在某些具體實施例中，廣告主可提供跨越多個三元組(targeting triple)之預算，稱為目標三元組。目標述語可基於廣告主感興趣的任何市場區隔類型，在一實例中，包括人口市場、基於性別或年齡之市場區隔、基於使用者設定檔資訊之行為區隔、或地理性市場。出價為每一點擊成本(CPC)出價、每一印象成本(CPM)出價、或每一動作成本(CPA)出價。線上供應者可選擇不支援所有市集中的所有出價類型。
可讓廣告主進行出價者係大幅決定其出價行為。對於管理統一市集之線上供應者而言，在允許廣告主為非常特定的目標出價與允許廣 告主為更廣泛目標出價之間係存在有權衡關係。
比起少數廣告主的清淡市場，線上供應者會喜歡有許多競爭廣告主的豐厚市場。市場越豐厚，對於線上供應上而言就有越高的可能可增加收益。然而，許多廣告主都非常注重特定類型的使用者。這些窄小範圍的使用者可能會在市集外，除非他們被允許可更集中地出價。廣泛目標降低了廣告主所能衍生的平均值，因為他們的廣告會顯示給對其產品不感興趣的使用者。較低的期望值導致較低的出價。
這些權衡中有一部分可藉由為效能進行標價、藉由利用絕佳的評分演算法、以及藉由避免在信息流中顯現低相關性廣告而得以緩解。為效能標價係意味僅在使用者回應一廣告時收費。廣告主只有在使用者轉換(例如藉由為一產品或服務付費)時才會想要付費。然而，定義或追蹤轉換、以及估算轉換速率是難以可靠地進行的，因此市集操作者會想要藉由點擊(其較易於追蹤和估算)來收費。每一點擊之收費會帶來挑戰。舉例而言，使用者的點擊並不會全部都轉換為廣告主之販售。在有過多不產生轉換的點擊時，即導致該廣告之低品質分數。
廣泛的目標需要精確的評分方法來維持良好的使用者與廣告主經驗。評分是對一廣告或內容項目指定一評價之處理流程，該評價可用於決定哪一個項目應該被包含在信息流中。此一精確評分需要線上供應者不僅要審視廣告片段，也要審視登陸頁面的內容。在某些具體實施例中，廣告係包含其他資訊，例如自動收集或由廣告主人手動提供之元資料，其係作為對評分功能之訊號。
廣泛的目標也會增加CPC廣告標價之難度。在標價廣告時， 重要的是要區別一關鍵字與一搜尋項目之匹配品質與廣告品質。線上操作者會選擇針對不佳的品質匹配來給予廣告主折扣，這是進行匹配之線上市集操作者的責任。線上操作者可選擇為不佳品質廣告(這是廣告主的責任)收取費用。
現將說明一例示系統，其中說明及描述了廣告項目與內容項目之統一市集的態樣。其他的細節與依情況而定之具體實施例將提供於相關圖式中。
第一圖為線上資訊系統100的方塊圖。在第一圖的例示具體實施例中之線上資訊系統100包括一帳戶伺服器102、一帳戶資料庫104、一搜尋引擎106、一廣告(ad)伺服器108、一廣告資料庫110、一內容資料庫114、一內容伺服器112與一排序引擎116。線上資訊系統100係可由一或多個廣告主裝置(例如使用者裝置122)及由一或多個使用者裝置(例如使用者裝置124)於網路120上存取。在此一線上資訊系統的各種實例中，使用者係於網路120上搜尋及從來源處取得內容，或從內容資料庫114取得內容。廣告主可提供廣告以供置放於網頁上及供於網路上通訊發送至使用者裝置(例如使用者裝置124)。在一實例中之線上資訊系統係由一線上供應者(例如雅虎公司)進行佈署及操作。
帳戶伺服器102儲存了廣告主之帳戶資訊。帳戶伺服器102與帳戶資料庫104資料通訊。帳戶資訊可包含與每一個各別廣告主相關聯的一或多個資料庫記錄。藉由該帳戶管理伺服器102，係可儲存、維持、更新與讀取來自帳戶資料庫104的任何適當資訊。實例包括廣告主識別資訊、廣告主安全性資訊(例如密碼與其他安全認證)、以及帳戶餘額資訊。
帳戶伺服器102係可使用任何適當裝置來實施。帳戶管理伺服器102可實施為一單一伺服器、複數個伺服器、或該領域中習知的任何其他類型的計算裝置。較佳的是，對帳戶伺服器102的存取係透過防火牆(未示)來完成，其可保護帳戶管理程式與帳戶資訊避免受外部竄改。可經由提升標準通訊協定(例如安全性HTTP或安全資料傳輸層)來提供其他的安全性。
帳戶伺服器102提供一廣告主前端以簡化廣告主的帳戶資訊之存取程序。廣告主前端係一程式、應用程式或軟體子程式，其係形成一使用者介面。在一特定具體實施例中，廣告主前端係可存取為有一或多個網頁之一網站，正在存取的一廣告主係可在一廣告主裝置(例如廣告主裝置122)上觀看。廣告主係利用廣告主前端來觀看與編輯帳戶資料與廣告資料。在編輯廣告資料之後，該帳戶資料係可接著被存到帳戶資料庫104。
搜尋引擎106可為一電腦系統、一或多個伺服器、或該領域中所習知的任何其他計算裝置。或者是，搜尋引擎106係儲存在一電腦可讀取儲存媒介上的一電腦程式、指令、或軟體編碼，其係於一單一伺服器、複數個伺服器、或該領域中習知的任何其他類型之計算裝置的處理器上運行。舉例而言，可由使用者裝置(例如由一使用者於網路120上操作之使用者裝置124)存取搜尋引擎106。使用者裝置124對搜尋引擎106傳送一使用者查詢。搜尋引擎106使用任何適當協定或演算法來定位匹配資訊，並將資訊返送至使用者裝置124。搜尋引擎106係設計為可幫助使用者找出位於網際網路或一內部網路上之資訊。在一特定實例中，搜尋引擎106也於網路102上對使用者裝置124提供具有內容之一網頁，該內容包括搜尋結果、與一使 用者請求的上下文匹配之資訊、對其他網路目標或資訊之連結、及正在操作使用者裝置124之使用者關注的資訊檔案，以及經選擇以對使用者顯示之內容項目與廣告項目之信息流。
搜尋引擎106可使一裝置(例如使用者裝置124或任何其他客戶裝置)利用一搜尋查詢來搜尋有興趣的檔案。一般而言，一客戶裝置係經由一或多個伺服器、或直接於網路120上存取搜尋引擎106。舉例而言，在一例示具體實施例中，搜尋引擎106係包括一網路爬蟲組件、一索引器組件、一索引儲存組件、一搜索組件、一排序組件、一高速緩存器、一設定檔儲存組件、一登錄組件、一設定檔生成器、以及一或多個應用程序介面(APIs)。舉例而言，搜尋引擎106係例如經由一組分散式伺服器而佈署為分散方式。可於網路中複製組件，例如為了備用或較佳存取。
廣告伺服器108係運作以對使用者裝置(例如使用者裝置124)供應廣告。廣告包括定義了使用者裝置的使用者所感興趣的廣告資訊之資料。廣告包括文字資料、圖形資料、影像資料、視頻資料或音訊資料。廣告可進一步包括定義了對提供資料之其他網路資源的一或多個連結之資料。其他位置可為網際網路上的其他位置、由廣告主所操作之一內部網路上的其他位置、或任何存取點。
對於線上資訊供應者而言，廣告係顯示在至少部分基於一或多個搜尋項目之一使用者定義搜尋所產生的網頁上。若顯示的廣告與一或多個使用者的興趣有關，則廣告即對使用者、廣告主、或網頁入口有助益。因此，已經發展出各種技術來推測使用者興趣、使用者意圖、或是後續對使用者標定相關的廣告。
有一種呈現目標廣告的方式包括應用人口特性(例如年齡、收入、性別、職業等)來預測使用者行為，例如藉由分組。可至少部分基於預測的使用者行為來對目標大眾中的使用者呈現廣告。
另一種方式包括設定檔特性廣告標定。在此方式中，係產生一使用者所專有的使用者設定檔，以模型化使用者行為，例如藉由通過網址或網站的網路來追蹤使用者的路徑，並且至少部分根據最終傳送的頁面或廣告來編譯設定檔。舉例而言，例如為使用者之購買識別一相關性。藉由對特定使用者標定出內容或廣告，可使用已識別之相關性來標定可能的買家。
還有另一種方式包括根據使用者所請求之網頁的內容來進行標定。廣告係放置在一網頁上、或與其他和廣告主題有關的內容關聯。內容與廣告之間的關係是以任何適當方式來決定。舉例而言，藉由分析一特定網頁中所呈現的內容，即可確認其整體主題。此外，已經發展出可適合使用者正在觀看的文章的特定片段之廣告顯示技術。因此，可藉由匹配廣告中與網頁中的關鍵字及/或用語來選擇廣告。一種例示系統與方法係揭露於2013年3月15日所申請的待審美國專利申請號13/836,052中，其名稱為「使用者設定檔與大眾購買之大眾片段的有效匹配」。此申請案係藉此引用形式而整體併入本文。
廣告伺服器108包括運作以格式化廣告資料而供傳送至使用者裝置之邏輯與資料。廣告伺服器108與廣告資料庫110資料通訊。廣告資料庫110係儲存資訊，該資訊包含了定義要供應至使用者裝置的廣告之資料。此廣告資料係由另一資料處理裝置或由一廣告主儲存在廣告資料庫110 中。廣告資料可包括定義了廣告創作與各別廣告之出價量的資料。
舉例而言，廣告資料係經格式化為一廣告項目，其係包含在要提供至一使用者裝置的內容項目與廣告項目之一信息流中。已格式化的廣告項目係由外觀、大小、形狀、文字格式、圖形格式與所含資訊所指定，其全部都已標準化以為信息流中所有的廣告項目提供一致的樣子。至少某些廣告項目會具有相關的出價量，且被視為創收項目。廣告伺服器108接著對其他網路裝置(例如排序引擎116)提供廣告項目。
另外，廣告伺服器108係與網路120資料通訊。廣告伺服器108係以網路120傳送廣告資料與其他資訊至裝置。此一資訊包括傳送至一使用者裝置的廣告資料。此一資訊也包括與一廣告主裝置(例如廣告主裝置122)通訊之廣告資料與其他資訊。操作一廣告主裝置的廣告主可以網路存取該廣告伺服器108，以存取包含廣告資料之資訊。此存取係包括開發廣告創作、編輯廣告資料、刪除廣告資料、設定及調整出價量及其他活動。
廣告伺服器108係提供一廣告主前端以簡化一廣告主之廣告資料存取程序。廣告主前端係一程式、應用程式或軟體子程式，其係形成一使用者介面。在一特定具體實施例中，廣告主前端係可存取為有一或多個網頁之一網址，正在存取的一廣告主係可在廣告主裝置上觀看。廣告主係利用廣告主前端來觀看與編輯廣告資料。在編輯廣告資料之後，該廣告資料係可接著被存到廣告資料庫110，以供後續傳送廣告至一使用者裝置。
廣告伺服器108可為一電腦系統、一或多個伺服器、或該領域中所習知的任何其他計算裝置。或者是，廣告伺服器108係儲存在一電腦可讀取儲存媒介上的一電腦程式、指令、及/或軟體編碼，其係於一單一伺 服器、複數個伺服器、或該領域中習知的任何其他類型之計算裝置的處理器上運行。
內容伺服器112係與內容資料庫114、廣告伺服器108、以及排序引擎116資料通訊。內容伺服器112係自內容資料庫114或自網路120上可進行存取的另一位置處存取關於內容項目之資訊。內容伺服器112係於網路120上對裝置傳送定義內容項目與其他資訊之資料。此一資訊可包括要傳送至一使用者裝置的內容資料。此一資訊也包括與操作一內容供應者裝置的一內容供應者所通訊之內容資料與其他資訊。操作一內容供應者裝置的一內容供應者係可於網路120上存取內容伺服器112，以存取包括內容資料之資訊。此一存取可包括開發內容項目、編輯內容項目、刪除內容項目、設定與調整出價量、以及其他活動。
內容伺服器112係提供一內容供應者前端，以簡化一內容供應者的內容資料存取程序。內容供應者前端係一程式、應用程式或軟體子程式，其係形成一使用者介面。在一特定具體實施例中，內容供應者前端係可存取為有一或多個網頁之一網站，正在存取的一內容供應者係可在內容供應者裝置上觀看。內容供應者係利用該內容供應者前端來觀看與編輯內容資料。在編輯內容資料之後，該內容資料係可接著被存到內容資料庫114，以供後續傳送至一使用者裝置。
內容伺服器112包括運作以格式化內容資料與其他資訊而供傳送至使用者裝置之邏輯與資料。舉例而言，內容資料係經格式化為一內容項目，其可包含於內容項目與廣告項目之一信息流中而被提供至一使用者裝置。已格式化之內容項目係由外觀、大小、形狀、文字格式、圖形格 式與所含資訊所指定，其全部都已標準化以為信息流中所有的內容項目提供一致的樣子。在某些具體實施例中，內容項目具有一關聯的出價量，其係用於排序或將內容項目放置在對使用者裝置呈現的項目信息流中。在其他具體實施例中，內容項目不包括一出價量，或是該出價量並不用於排序內容項目。這些內容項目係被視為是非創收項目。內容伺服器112係接著提供內容項目至其他網路裝置，例如廣告伺服器108與排序引擎116。
排序引擎116係與廣告伺服器108、廣告資料庫110、內容伺服器112及內容資料庫114資料通訊。排序引擎116係配置以識別要包含在要提供至一使用者裝置(例如使用者裝置124)之內容項目與廣告項目信息流中的項目。排序引擎116係因此而配置以決定哪些廣告項目及哪些內容項目適格被包含在信息流中，並且對該信息流中的各別廣告項目與各別內容項目進行評分及排序。
在一具體實施例中，排序引擎116係配置以利用自廣告資料庫110所擷取之出價量來為複數個廣告項目中的每一個廣告項目都計算一排序分數。排序引擎116係進一步配置以利用得自內容資料庫114的出價量而為複數個內容項目中的每一個內容項目都計算一排序分數。在決定排序分數時，排序引擎116可使用從廣告伺服器108、廣告資料庫110、內容伺服器112與內容資料庫114、以及帳戶資料庫104可知的其他資訊。下文將說明包含排序引擎之線上資訊系統100的例示運作的其他具體實施例與其他細節。
帳戶伺服器102、搜尋引擎106、廣告伺服器108、內容伺服器112、以及排序引擎114係可實施為任何適當的計算裝置。計算裝置係可 發送或接收訊號(例如經由有線或無線網路)，或可處理或儲存訊號(例如處理或儲存於記憶體中而為物理記憶狀態)，且因此可運作作為一伺服器。因此，可運作作為一伺服器的裝置係包括(僅作為例示)：專用機架固定式伺服器、桌上型電腦、膝上型電腦、機上盒、結合各種特徵功能之整合裝置(例如有前述裝置的兩種或更多功能)等。
伺服器在配置與功能上可有廣泛變化，但一般而言，一伺服器可包括一或多個中央處理單元與記憶體。伺服器也包含一或多個大容量儲存裝置、一或多個電源供應器、一或多個有線或無線網路介面、一或多個輸入/輸出介面、或一或多個操作系統，例如Windows Server、Mac OS X、Unix、Linux、FreeBSD等。
帳戶伺服器102、搜尋引擎106、廣告伺服器108、內容伺服器112以及排序引擎116係實施為線上伺服器系統，或可與線上伺服器系統通訊。線上伺服器系統係包括一裝置，其包括可經由網路提供內容至另一裝置之配置，包含回應於所接收之頁面觀看請求。舉例而言，線上伺服器系統係主導一網站，例如一社交網站，其實例可包括、但不限於：Flicker、Twitter、Facebook、LinkedIn、或個人使用者網站(例如部落格、影音部落格、線上約會網站等)。線上伺服器系統也主導各種其他網站，包括但不限於商業網站、教育網站、字典網站、百科全書網站、維基、金融網站、政府網站等。
線上伺服器系統係進一步提供各種服務，其包括但不限於網頁服務、第三方服務、音訊服務、視頻服務、電子郵件服務、即時發訊(IM)服務、SMS服務、MMS服務、FTP服務、語音通話(VOIP)服務、日期服 務、相片服務等。內容的實例包括文字、影像、音訊、視頻等，其係被處理為具有物理訊號的形式，舉例而言，例如電氣訊號，或是可以例如物理狀態儲存於記憶體中。可運作作為一線上伺服器系統的裝置的實例包括桌上型電腦、多處理器系統、微處理器類型或可程式化消耗性電子產品等。線上伺服器系統可不與廣告伺服器108、內容伺服器112或排序引擎116為共有關係或受其控制。
網路120係包括任何的資料通訊網路或網路組合。網路可耦接裝置，使得通訊可於例如一伺服器與一客戶裝置或其他類型裝置之間交換，包括在經由例如一無線網路而耦接之無線裝置之間。網路也可包含大容量儲存器，舉例而言，例如網路附加儲存器(NAS)、儲存器區域網路(SAN)、或其他形式的電腦或機器可讀取媒介。網路可包含網際網路、一或多個區域網路(LANs)、一或多個廣域網路(WANs)、連接線路形式連接、無線類型連接、或其任意組合。同樣的，次網路(例如可應用不同架構、或可順應不同協定或與其相容者)係可於一較大網路(例如網路120)中互操作。舉例而言，各種類型的裝置係可用以提供不同架構或協定之互操作能力。作為一例示實例，一路由器係提供其他單獨的和獨立的LANs間之連結。舉例而言，一通訊連結或通道係包含類比式電話線(例如扭線對、同軸纜線、完全或部分數位線路(包含T1、T2、T3或T4型線路)、整合式服務數位網路(ISDNs)、數位用戶線路(DSLs)、無線連結(包括衛星連結)、或該領域中具有通常技藝之人所習知的其他通訊連結或通道。此外，一計算裝置或其他相關電子裝置係可遠端地耦接至一網路，舉例而言，例如經由電話線路或連結。
廣告主裝置122包括於網路120上存取線上資訊系統100的任何資料處理裝置。廣告主裝置122係運作以於網路120上與帳戶伺服器102、搜尋引擎106、廣告伺服器108、排序引擎116、內容伺服器及其他資料處理系統互動。舉例而言，廣告主裝置122係實施一網路瀏覽器，以觀看網頁並提交使用者請求。廣告主裝置122係傳送資料至線上資訊系統100，包括定義網頁與其他資訊之資料。廣告主裝置122係自線上資訊系統100接收通訊，包括定義網頁與廣告創作之資料。
在某些具體實施例中，內容供應者係利用內容供應者裝置來存取線上資訊系統100，內容供應者裝置在結構與功能上一般是與廣告主裝置類似。舉例而言，內容供應者裝置提供對內容資料庫114中內容資料之存取。
使用者裝置124包含於網路120上存取線上資訊系統100的任何資料處理裝置。使用者裝置124係運作以於網路120上與搜尋引擎106互動。舉例而言，使用者裝置124係實施一網路瀏覽器，以觀看網頁並提交使用者請求。操作使用者裝置124的一使用者係鍵入一搜尋請求，並將該搜尋請求傳送至線上資訊系統100。搜尋請求係由搜尋引擎加以處理，且搜尋結果係返送至使用者裝置124。在其他實例中，使用者裝置124的使用者係自線上資訊處理系統100請求資料，例如一資訊頁面。資料則是提供於另一環境中，例如一原生行動應用程式、TV應用程式、或一音訊應用程式。線上資訊處理系統100係提供資料或將瀏覽器重新導向至另一網站。此外，廣告伺服器從廣告資料庫110選擇廣告，並且將定義廣告之資料包含於對使用者裝置124之提供資料中。
在於線上資訊系統100上存取資訊時，廣告主裝置122與使用者裝置124係運作為一客戶裝置。客戶裝置(例如廣告主裝置122與使用者裝置124)係包括可發送或接收訊號之一計算裝置，例如經由一有線或無線網路。舉例而言，一客戶裝置可包括一桌上型電腦或一可攜式裝置，例如行動電話、智慧型電話、顯示呼叫器、無線射頻(RF)裝置、紅外線(IR)裝置、個人數位助理(PDA)、手持電腦、平板電腦、膝上型電腦、機上盒、可穿戴式電腦、結合有各種特徵功能之整合裝置(例如前述裝置之特徵功能)等。在第一圖的實例中，膝上型電腦126與智慧型電話128係運作為一廣告主裝置或一使用者裝置。
客戶裝置在能力或特徵功能上可有所變化。所主張之標的係意欲涵蓋廣泛範圍之可能變化例。舉例而言，行動電話可包含數字小鍵盤或有限功能性之顯示器(例如單色液晶顯示器)以顯示文字。然而，相較之下，作為另一實例，一網路啟動之客戶端裝置可包括一或多個實體或虛擬鍵盤、大容量儲存器、一或多個加速計、一或多個陀螺儀、全球定位系統(GPS)或其他位置識別類型之功能、或具有高度功能性之顯示器(舉例而言，例如觸控感應式彩色2D或3D顯示器)。例如廣告主裝置122與使用者裝置124之客戶裝置可包括或可執行各種操作系統，包括個人電腦操作系統(例如Windows、iOS、或Linux)或是行動操作系統(例如iOS、Android、或Windows Mobile)等。客戶裝置可包括或可執行各種可能的應用程式，例如可啟動與其他裝置之通訊的客戶軟體應用程式，例如可傳送一或多個訊息，如經由電子郵件、短訊息服務(SMS)、或多媒體訊息服務(MMS)，包括經由網路，例如社交網路，包括例如Facebook、LinkedIn、Twitter、Flickr、 或Google+，在此僅提供一些可能實例。一客戶裝置也可包括或執行一應用程式以傳送內容，舉例而言，例如文字內容、多媒體內容等。客戶裝置也可包括或執行一應用程式，以執行各種可能任務，例如瀏覽、搜尋、播放各種內容形式(包括本地儲存或串流式影音、或遊戲)。前述內容係用以說明所主張之標的意欲包含廣泛範圍之可能特徵或能力。
第二圖說明顯示在已選擇的使用者裝置上之內容項目與數據項目信息流。在第二圖中，一顯示廣告202係描述為顯示在各種顯示畫面上，包括行動網路裝置顯示畫面204、行動應用顯示畫面206與個人電腦顯示畫面208。行動網路裝置顯示畫面204係顯示於一行動手持裝置(例如一智慧型電話)的顯示螢幕上。行動應用顯示畫面206係顯示於一可攜式裝置(例如一平板電腦)的顯示螢幕上。個人電腦顯示畫面208係顯示於個人電腦(PC)的顯示螢幕上。
第二圖中所示之顯示廣告202係經格式化以顯示於一使用者裝置上、但不作為信息流的一部分，用以描述此一顯示廣告的內容實例。顯示廣告202包括文字212、圖形影像214與一已知邊界216。顯示廣告202係由一廣告主開發，以供置於發送至一使用者所操作之使用者裝置的一網頁上。顯示廣告202可置放在網頁上各種位置中。然而，已知邊界216與顯示廣告的形狀必須要與網頁上的一可用空間匹配。若可用空間具有錯誤的形狀或大小，則顯示廣告202即無法使用。
為了克服這些需求與限制，顯示廣告202係經重新格式化、或者是交替地格式化以被包含於內容項目與廣告項目之一信息流中，包括併有顯示廣告202的內容之一信息流廣告。
在這些實例中，顯示廣告係顯示為信息流224a、224b與224c的一部分。這些信息流224a、224b與224c包括一系列的項目，舉例而言，其一個項目後接著另一個項目地顯示於在行動網路裝置顯示器204、行動應用顯示器206與個人電腦顯示器208上觀看的網頁下方。信息流224a、224b與224c可包含任何類型的項目。在所述實例中，信息流224a、224b與224c包括內容項目與廣告項目。舉例而言，信息流224a包括內容項目226a、228a以及廣告項目222a；信息流224b包括內容項目226b、228b、230b、232b、234b以及廣告項目222b；而信息流224c包括內容項目226c、228c、230c、232c、234c以及廣告項目222c。每一個信息流224a、224b與224c可包括任何數量的內容項目與廣告項目。在一具體實施例中，信息流224a、224b與224c係配置以對使用者顯現為一無盡序列之項目，因此當顯示有其中一個信息流224a、224b、224c的使用者裝置的使用者捲動顯示畫面時，貌似無盡序列的項目就會出現在所顯示的信息流中。
置於任何一個信息流224a、224b、224c中的內容項目可包括新聞項目、商業相關項目、運動相關項目等。此外，除了文字或圖形內容以外，任何信息流的內容項目也可包括其他資料，例如音訊與視頻資料或應用程式。每一內容項目可包括文字、圖形、其他資料、以及對其他資訊的連結。點擊或以其他方式選擇該連結便會將使用者裝置上的瀏覽器重新導向至稱之為一登陸頁面之網頁，其含有其他的資訊。
像是廣告項目222a、222b、與222c等之信息流廣告會被插入內容信息流中，補充了相關項目序列，為終端使用者提供更為無接縫的經驗。類似於內容項目，廣告項目可包括文字或圖形內容、以及其他資料(例 如音訊與視頻資料或應用程式)。每一個廣告項目222a、222b與222c都包括文字、圖形、其他資料、以及對其他資訊的連結。點擊或以其他方式選擇該連結便會將使用者裝置上的瀏覽器重新導向至稱之為一登陸頁面之網頁。
前述例示信息流224a、224b、224c係顯示為分別具有一單一可視廣告項目222a、222b、222c，然在項目信息流中係可包含任何數量的廣告項目。傳統上，已經知道將廣告項目置放在固定的位置處。舉例而言，在一傳統系統中，已知將廣告項目置於信息流中從上方數來第三個項目處、信息流中第十六個項目處、以及在信息流中之後的每第十三個項目處。亦即，在傳統系統中，廣告是位於信息流中的預先定義的槽位中。在所有條件下，對於所有使用者而言，廣告的槽位區分是相同的。就此而言，廣告與內容項目在信息流中為互補。若一內容項目未置於信息流中一指定槽位處，則一廣告即置於該槽位中。
根據所述具體實施例的一種態樣，廣告在信息流中的槽位區分是動態進行的。在信息流中的任何槽位受到廣告項目與內容項目之間的競爭。為每一個各別項目都決定一分數，廣告項目與內容項目之分數係相稱產生，因此廣告項目與內容項目係對彼此而排序，且此排序是用以填充該信息流。用於排序廣告項目與內容項目之技術係於下文中更詳細說明。
第三圖是一流程圖，其說明了用於在一線上資訊系統中排序與顯示廣告項目和內容項目之信息流的方法的一具體實施例。第三圖的方法係藉由例如第一圖所示之線上資訊系統100的元件來進行，包括帳戶伺服器102、搜尋引擎106、廣告伺服器108、內容伺服器112、以及排序引擎116。 在其他具體實施例中，也包含其他組件來執行第三圖的方法，且第三圖的方法中所說明之部分步驟係經省略或重新排序，不同的步驟也可增加或被取代。
該方法開始於方塊300。在方塊302，該方法係於一迴圈中等待接收一頁面觀看請求。頁面觀看請求係於一網路(例如第一圖的網路120)上接收之一資料通訊。該資料通訊包括指定欲觀看網頁的資料。舉例而言，網頁觀看請求係指定一線上供應者(例如Yahoo！)之統一資源定位符(URL)，包括URL yahoo.com。所請求之網頁為全部或部分填有包含至少兩種不同類型的項目之信息流之網頁。在本文所示實例中，在信息流中所包含之項目的類型為內容項目與廣告項目，通常是如第二圖的例示具體實施例所示。然而，在其他具體實施例中，其他類型的項目也可提供於一信息流中，而且項目類型或項目類別係可根據任何便利或有用的標準來加以選擇。舉例而言，除如第二圖所示之以內容項目與廣告項目來填充信息流之外，也可以內容的運動相關項目與內容的新聞相關項目來填充信息流。在另一實例中，除了只有兩種類型的項目(例如內容項目與廣告項目)被一起評分與排序以外，也可以對兩個以上的項目進行評分與排序，包括內容項目、CPC廣告項目、以及CPM廣告項目。第三圖所示方法係可延伸至最廣範疇的組合。
在已經接收到一頁面觀看請求之後，在方塊304，廣告項目與內容項目係經鑑別，使得僅有已鑑別適格條件的項目作為進一步處理的標的。在一實例中，針對適格條件所選擇之項目係包含在第一圖所示之線上資訊系統100的廣告資料庫110與內容資料庫114中。
鑑別係以任何適當基礎、利用任何適當輸入而進行。舉例而言，廣告項目與內容項目係根據一使用者(該頁面觀看請求即接收自該使用者)之識別資訊來加以鑑別。若線上資訊系統已經儲存了關於已識別的使用者的興趣與喜好之資訊，則使用該資訊來鑑別適格的廣告項目與內容項目。同時，若廣告主已經指定目標限制(例如性別、年齡與地區)，則這些限制係應用至關於該使用者之已知資訊，以鑑別適格的廣告項目與內容項目。在此之外，若頁面請求包括指定了使用者裝置的裝置類型或平台之資訊，例如智慧型電話、或平板或桌上型電腦，則該平台資訊係用以鑑別適格的廣告項目與內容項目，以進行進一步處理。某些內容供應者會限制內容項目，他們將根據平台資訊而發送至特定平台、或將內容項目格式化為一特定格式。同樣地，某些廣告主係僅引導特定廣告項目至桌上型電腦或平板電腦。一旦內容項目與廣告項目已經被鑑別，處理即繼續至方塊306。
在方塊306，為每一個廣告項目計算一點擊能力分數，並為每一個內容項目計算一點擊能力分數。點擊能力是指一特定廣告項目或內容項目比平均廣告項目或內容項目多了多少點擊之一測度。在一實例中，點擊能力是針對所有使用者接收之一廣告項目或內容項目的點擊數和針對所有使用者接收之印象數或觀看一廣告數、以及所有使用者之廣告項目或內容項目之點進率(Click Through Rate,CTR)的函數。點擊能力與位置無關。
點進率係定義為點擊與一廣告項目或內容項目接收之印象的比例。點進率是利用儲存資料(例如關於線上資訊系統中廣告的效能之 統計資料)而動態地決定。舉例而言，每一次一廣告主顯示或觀看一特定廣告項目或一特定內容項目時，便增加代表該項目之觀看或印象的一資料項目。同樣地，每一次一使用者點擊或以其他方式選擇一特定廣告項目或一特定內容項目時，便增加代表該項目之點擊或點進的一資料項目。資料項目係儲存在一廣告資料庫、一內容資料庫、或任何其他合適的儲存裝置中，例如第一圖的廣告資料庫110與內容資料庫114。同樣地，舉例而言，由第一圖的廣告伺服器108、內容伺服器112或排序引擎116進行數學處理。
在一實例中，點進率CTR係定義為：
其中C i,t 表示在一特定位置i處經過一段時間t所接收的一廣告項目或一內容項目的點進數。時間t表示一段離散的時間增量，其寬度可加以變化。一般而言，每一個t增量是對應於秒數或分鐘數。位置i是指在信息流中的位置，其中i=1是代表第一個槽位，i=2為第二個槽位等。在一具體實施例中，V i,t 代表在一特定位置i處經過一段時間t之廣告項目或內容項目的觀看數或印象數。在另一具體實施例中，V i,t 代表在時間為t下在一位置i處的點擊數與跳過數的總和。位置i之跳過是在一使用者點擊在位置i下的位置中之一項目時進行計數，或是由一係數加以調整以記錄一分數計數值(fractional count)。舉例而言，若一使用者點擊i=4，則位置i=1、2、3便在同時間下增加了跳過計數值，而位置i=4則增加其點擊計數值。具有伽馬係數(γ)的指數項係指定了衰減率，其中廣告項目的衰減率一般會比內容項目長。指數引入了時間相關性，因此，若在過去最近有發生例如點擊或 觀看之事件，則給予該事件比較舊事件更高的權重。
在一具體實施例中，根據一特定項目j在位置i與時間t+1下的點進率對相同項目j在相同位置i與立即在前時間增量下之參考點進率(refCTR)和點擊能力的週期性比較，亦即藉由繪製refCTR(i)*clickability(j,t)對CTR(i,j,t+1)之關係，計算或調整伽馬係數(γ)；其中refCTR及點擊能力函數將進一步於下文說明。在另一具體實施例中，是藉由對誤差值求和之後最小化來計算伽馬係數(γ)：γ=ΣV i,t [refCTR(i)* clickability(j,t)-CTR(i,j,t+1)]2
為了計算點進率，針對廣告項目與內容項目假設下列分解式：CTR(廣告/內容，使用者，位置，配置)=點擊能力(廣告/位置，使用者)* refCTR(位置，配置)。
因此，可針對一特定點廣告項目或內容項目、特定使用者、在信息流中的特定位置、以及特定的裝置配置指定點進率CTR。裝置配置的實例包括一手持裝置、一平板電腦與一桌上型電腦。也可同時容許其他配置與技術，且其可用以特徵化CTR或其他使用者資料。點擊能力和點進率之間的關係係由一參考曲線(refCTR)來說明，其隨內容項目或廣告項目在信息流中的位置以及使用者裝置配置而變化。點擊能力係因而明確地表示為一種與位置無關之CTR。
作為推論，refCTR表示一使用者將點擊一特定位置i處之一特定廣告項目或一特定內容項目的概率，其與對特定廣告或內容項目的可 取(或不可取)點進率的任何影響都無關。refCTR可藉由運作一隨機存儲桶來加以計算，其表示在所有位置上的隨機廣告項目或內容項目之點進率，其具有與在主要存儲桶中相同的廣告/內容比例。
一廣告項目或內容項目之點擊能力值是被希望無關於位置的。點擊能力消除了一內容項目或一廣告項目的信息流中位置之任何影響，且反關注於內容項目或廣告項目的品質。
返參第三圖的步驟306，因此可使用下列一般關係式來計算信息流中的項目i之點擊能力分數(Clickability(i))：
然而，在某些具體實施例中，需要估計或測量專屬特定使用者或特定市場區段之項目點擊能力，其係被供以一任意索引標籤j。在這類具體實施例中，是根據特定的使用者或市場區段j來計算點擊能力(Clickability(i,j))：
因此，在各種具體實施例中，為決定點擊能力，可加總所有位置上之點擊，並將其除以在所有位置處的觀看或印象數與refCTR之乘積。
在某些具體實施例中，係引入了個人化作為一額外因子，其有助於一特定項目(item)、使用者/區段(user/segment)、位置(position)及裝置配置(configuration)之整體點進率： CTR(ad/content,user/segment,position,config)=refCTR(position,configuration)* Clickability(ad/content,user/segment)* Affinity(ad/content,user/segment)
對於內容項目而言，使用者與內容之間的親和性是利用所觀察到的此使用者對具有類似內容特徵(舉例而言，具有利用對上下文或已知內容分類進行相似度演算法分析而決定的相似度)之內容項目的點擊數而從歷史資料估計、以所觀察到的來自參考使用者區段之點擊數進行標準化而得。在一具體實施例中，這是利用樸素貝葉斯估算法(Naive Bayes approximation)來完成。可使用許多個月數的使用者歷史資料來可靠地估算內容項目之此親和性。
對於廣告項目而言，使用者和廣告之間的親和性則更難從歷史資料來估算。使用者對於一廣告產品或服務之購買意圖可能不如使用者對一內容項目(例如新聞故事)之一般興趣般長久。因此，一較短的歷史窗係用於廣告項目。導入使用伽馬係數(γ)之指數變化來調整計算過品質之時間窗。廣告項目之歷史資料也傾向於更為稀疏。在某些具體實施例中，係使用搜尋歷史設定檔、郵件、或其他應用程式活動來擴充使用者行為庫。無論資料來源為何，一旦收集到資料，即可藉由在一高維度向量空間(其由一現有內容網路或分類內的已認可特徵所定義)中提出使用者資料與項目兩者而計算一親和性分數。這類提出的說明係提供於待審的美國專利申請號13/839,169(其名稱為「內容個人化之多相排序方法與系統」)與13/837,357(其名稱為「經由將第三方興趣映射至通用興趣空間之使用者設定方法與系統」)中，這兩者皆以引用形式而整體併入本文。
在方塊306處針對每一個廣告項目與每一個內容項目計算點擊能力之後，在方塊308，為每一個廣告項目與每一個內容項目計算一滿意度分數。滿意度也稱為點擊後滿意度，且其係由使用者已與該廣告項目或內容項目互動之後的使用者滿意度的部分量測所定義。點擊能力一般僅測量一使用者對於一廣告項目或一內容項目之點擊傾向。滿意度係基於使用者的整體經驗而對使用者返回到該線上供應者或市集的可能性指定一數值。在一實例中，滿意度係設定為介於0與1之間之數值，其中1是代表使用者完全的滿意度及返回意願，而0代表使用者完全的不滿意且再也不想要返回之一已失去的使用者。
在某些實例中，可利用轉換數據而估算一廣告項目之滿意度。然而，這類資料係相對稀少，且可能無法在整個廣告項目上可靠地加以比較。在另一實例中，駐留時間係作為一滿意度測度。駐留時間是表示一使用者在點擊一廣告項目之後觀看一點擊廣告、或在點擊一內容項目之後觀看內容的時間量。在因資料不足而產生估算不可靠性的某些具體實施例中，內容項目、廣告項目、或這兩者之滿意度係被設定為一常數值(例如1.0)。
在其他具體實施例中，普及度之一額外因子係包含於CTR模型中：CTR(ad/content,user/segment,position,config)=refCTR(position,configuration)* Clickability(ad/content,user/segment)* Affinity(ad/content,user/segment)* Popularity(ad/content,user/segment)
普及度分數反映了在一時間窗內一特定項目中的一整體興趣量測。舉例而言，普及度分數是根據在一時間窗內廣告或內容之最高點進率的簡單排序而加以計算。接著以反映了普及度對整體CTR之相關重要性的一係數來常態化及調整該排序。
在方塊310，計算每一個內容項目的出價量。對於廣告項目而言，一出價量係由廣告主所設定，並且儲存在例如廣告資料庫中，廣告資料庫中具有定義廣告之剩餘資料。對於要一起進行排序以包含於信息流中的內容項目與廣告項目而言，必須存在有內容項目對一廣告項目的出價量之類比。在某些具體實施例中，當內容供應者參與在該統一市集中時，其係提供一出價量。然而在其他具體實施例中，則不存在內容出價。一自動方法會產生出價而允許內容項目與廣告項目一起排序，直到發佈者與與其他內容供應者明確出價以於信息流中置放其內容項目為止。在另外的具體實施例中，內容出價係反映了支付給與一線上供應者合夥之內容貢獻者的實際金額。
在此呈現用於決定內容出價的一個實例。對於每一個使用者或使用者區段而言，係建構了下表1。此處的使用者區段可基於使用者的目標設定檔(亦即廣告主可出價之使用者區段組合)。亦即，若一特定使用者的資料是不可得的，則可在基於使用者區段之一聚集程度下得到表列之資料。
表1儲存了內容品質分數與對廣告之歷史出價的百分位值。這些百分位未經印象加權。因此，品質分數的百分位分佈是在整個獨特內容項目的集合上，恰如出價的分佈是在獨特廣告的集合上。百分位分數係藉由選擇廣告資料庫中所有內容項目而取得，其係針對使用者、排序、已選擇內容項目而經品質分數所鑑別。接著根據第十百分位、第二十百分位等來區隔已排序的、已選擇的項目。也可以使用其他技術。因此，該表係將內容之品質分數轉譯為內容之出價。以此方式，對於內容項目與廣告項目而言，品質分數與出價資料會是獨立的。內容之品質分數與廣告之出價資料是成對的或相關的，其僅基於相對百分位而定。
在統一市集的其他具體實施例中，廣告與內容會是成對的、相關的、或以其他方式進行同步化。舉例而言，廣告與內容是根據類似的標的而加以包裹，以配合該包裹之一估算的整體點擊能力，其係經校正以保留終端使用者經驗的品質。
在一具體實施例中，鍵入表1中的品質分數為點擊能力和點擊後滿意度的函數。以下結合第四圖來說明計算品質分數的一種技術。資料的歷史週期是限制為「d」天(其中「d」是一外部參數)。表1的最右行 係進行了歷史出價的轉換。可使用之一例示出價量轉換函數如下：
其中m (0...M)，其中M為一輸入參數。數值m<1對內容項目有利，而數值m>1則對廣告項目有利。一般而言，m的值係接近於1。線上供應者可每天更新表1中的資料。
在已經為信息流選擇內容項目之後，在一頁面觀看事件下，第三圖之例示方法的步驟310係包括利用品質分數qc作為對該表之一關鍵而從該表中查找每一個內容項目。若找到qc之條列，則從第三行查找對應的出價ba。若未找到qc，則找出表中條列之一立即最高分數，指定為qc h。然後找出表中與qc h、ba對應的出價。接著可計算轉換歷史出價為b c =k* f[b a ]，其中k是一外部參數。
因此，內容項目之出價係利用一廣告項目之出價來決定。此技術係僅為例示，但其係確保為內容項目自動決定之出價係與廣告項目之出價相稱，並確保每一個內容項目都會得到一獨特出價。對於排序內容項目以包含於信息流中而言，這些益處是重要的。此外，一內容項目之出價係與其品質分數成比例。因此，只有具有高品質分數的高品質廣告項目將升至信息流的頂部，且在同時，具有低品質分數之內容項目將不會取代高品質廣告項目。由於內容出價係與品質分數成比例，其可反映長期使用者價值以及立即的短期收益兩者。再另外，該內容出價係與使用者的貨幣價值成比例，因為可以安全地假設使用者的出價反映了使用者的價值。最後， 所述技術是自適應的。亦即，隨著對廣告項目之出價增加，對內容項目之出價也會增加。在一定程度上，這將促使廣告主出價更高。
外部參數k與m可以任何適當方式加以選擇。在一實例中，參數是選擇為使得在大部分時間下，內容項目會得到信息流中的頂部槽位，而廣告項目穿插著內容項目、但不聚集在一起。同時，在一最初啟動階段之後，市集應可達到某個程度的穩定性。這暗示了廣告主應可不需要固定增加其對於其廣告項目之出價來保持其槽位。此規則的一個例外是在市集正在成長且有新的廣告主正進入市集的時候。
在方塊312，為每一個廣告項目及為每一個內容項目計算一排序分數。對於內容項目而言，在一具體實施例中，排序-分數c=bc*cc*sc
其中，bc是針對內容項目所計算之出價，cc為內容項目之點擊能力，而sc為內容項目之滿意度分數。對於廣告項目而言，在一具體實施例中，排序-分數=ba*ca*sa
其中，ba是針對廣告項目之廣告主指定出價，ca為廣告項目之點擊能力，而sa為廣告項目之滿意度分數。
在於方塊312處計算排序分數之後，在方塊314，利用其計算之排序分數來分類廣告項目與內容項目。因為排序分數已經利用類似的數值來計算，因此排序分數會是相稱的，且會可靠地交錯。分類的結果為廣告項目與內容項目的一混摻樣板。
在分類步驟之後，該混摻樣板係用以填入信息流。然而，在 某些具體實施例中，較佳是基於多樣性來處理該混摻樣板，方塊316。多樣性係應用至內容，以避免將過多的類似內容項目放置為靠近彼此。一個實例是關於彼此排序接近的相同主題的新文章。只有內容項目會受到多樣性處理影響，且其將導致某些內容項目排序下降。
多樣性演算法的一個實例首先包括，以排序-分數(bc*cc*sc)來排列內容項目，使得位置1是對應於最高的分數。其次，比較在位置2-N中的內容項目(其中N的範圍是200-300)與位置1中的內容項目。第三，若在位置2-N中的任何項目與位置1中的項目的任何特徵匹配，則對該項目的排序分數乘上一多樣性分數，例如在範圍[0-1]中之數值，視特徵類型而定。第四，利用以對位置1中內容項目罰(penalized)以多樣性之新的排序分數來分類位置2-N中的內容項目。第五，為位置3-N中的內容項目重複進行步驟二至步驟四，與位置2中的內容項目比較。且第六，重複步驟5中的為位置3-N中的項目進行重複之步驟，例如重複至少20次。
除了進行內容項目多樣性處理以外，也可在分類步驟之後對廣告項目施用特定規則，舉例而言，在一具體實施例中，規則可被用作護欄，其避免廣告項目被置放在信息流中的槽位1與2。若在分類程序之後一廣告項目是在前兩個位置中的任一個，則自動將該廣告項目移到一較低位置，例如槽位3。在另一具體實施例中，係建立一規則以於信息流中每一個廣告項目之間保持至少有九個內容項目。如果在兩個廣告項目之間發生少於九個內容項目，則自動將較低排序之廣告項目移到一更低位置。也可為這些規則選擇其他數值，也可建立其他規則。
在方塊318，為廣告項目與內容項目計算標價。標價是指回 應於一使用者選擇一廣告項目(例如藉由點進)，與該廣告項目相關聯的廣告主帳戶會被收取的金額。同樣地，一內容項目之標價是指回應於一使用者選擇一內容項目(例如藉由點進該內容項目)，與該內容項目相關聯之一發佈者或內容供應者的帳戶會被收取的金額。
在一具體實施例中，係於方塊318中採用一種被稱為「廣義第二價格(GSP)」之規則。在此規則下，若一使用者點擊、或以其他方式選擇一廣告項目，則與該廣告項目相關聯的廣告主將被收取一筆與贏得該位置所需之最小出價相等的費用。具體而言，令i表示考慮之一廣告項目a，並令i+1為恰在廣告項目a下方的位置中的內容項目或廣告項目。接著，若點擊的話，則與該廣告項目a相關聯之廣告主會被收取的價格將是，項目i之一特定保留價格r i 、以及在i+1處的項目之出價、點擊能力與滿意度的乘積對在i處的項目之點擊能力與滿意度的乘積之商數中的最大值：
價格p i 總是小於原始出價b；因為bi+1*ci+1*si+1<bi*ci*si。價格p i 也具有讓廣告主後續不會後悔之所需特性。亦即，若該廣告主已選擇小於bi之一出價，則該廣告主將仍贏得相同槽位。只要廣告主的出價大於p i ，這都是成立的。如果對廣告主收取出價金額bi，則事後該廣告主會後悔沒有以p i 再加上1分錢進行出價。相反的，若是我們一開始向廣告主收取p i ，則會降低猜測系統之動機，且會增加廣告主滿意度。然而，廣告主仍需要檢驗一不同槽位是否會是一更佳匹配。建議進行週期性的出價調整。
在某些具體實施例中，廣告項目與內容項目僅接受每一點擊 成本(CPC)出價。然而在其他具體實施例中，也會接受每一印象成本(CPM)出價。當CPM出價被接受時，需要對槽位進行所需出價分配，以將具有較高期待收益的廣告放置在較高的槽位，其中假設置於槽位k中的一CPC廣告a具有期待收益為ba*ca*refCTR(k)。當所有的出價都為CPC出價時，此分配目標即可藉由根據ba*ca對廣告項目進行簡單分類而達成，這是因為refCTR(k)係與廣告無關，且因而可省略。這使得出價分配的計算變得相對快速與直接。
在另一方面，CPM廣告的收益在任何方式上都與其點擊能力或其槽位無關。廣告主付其出價，無論該廣告是在何時顯示。根據出價量(或出價量乘以點擊能力)來簡單地分類CPC與CPM出價將不再滿足在信息流中得到較高位置之高收益出價的特性。
然而，下列方式可用以一次性地於槽位上結合地排序這兩種廣告項目類型，仍滿足上述收益需求，且在計算上不會變慢。因此，在允許供應CPM與CPC廣告兩者時不需要有任何技術限制。
所提演算法係如下所述：輸入：
1.已分類的CPC樣板(以出價x點擊能力為順序)，x1>x2>...>xn
2. refCTRs(位置相關，ad無關)a1>a2>...
3.已分類的CPM樣板(以出價為順序)y>Y2>...>Ym
對於每一個槽位k(從最高的槽位開始，1)，令X為尚未指定之最高排序的CPC廣告項目
令Y為尚未指定之最高排序的CPM廣告項目
若X*ak>Y，則指定X至槽位k，否則指定Y至槽位k。
也可改變標價技術以包含CPM廣告。對於一CPM廣告而言，價格係設定為(出價*下方CPM廣告項目或內容項目的點擊能力或下方廣告的CPM)。對於一CPC廣告而言，若下方廣告項目為CPC，則價格係設定為(出價*下方廣告項目或內容項目的點擊能力)/(CPC廣告項目的點擊能力)；或是若下方廣告為CPM，則價格係設定為(出價/下方廣告項目的refCTR)/(CPC廣告項目的點擊能力)。
此技術滿足上述之收益排序需求。運轉時間與延時係不受影響，因為分類時間是此處的主要因子，且即使是針對僅有CPC之出價，也會進行分類。
在第四圖中所說明的是一種用於根據一品質分數來顯示一串流媒體饋入中的內容之例示程序。同時也說明了一種用於決定該品質分數之例示程序。在一實例中，一電子裝置(例如一行動裝置)的使用者可正在觀看一串流媒體饋入中的內容(例如新聞文章)。內容(例如新聞文章)可與饋入中的廣告交錯，如第二圖中的例示說明。舉例而言，該使用者可觀看一新聞文章，且當該文章在被觀看時、或被觀看之後，該使用者可請求下一篇文章；然而，在下一篇文章之前，一廣告會出現在饋入中。一般而言，廣告與文章出現在該饋入中的順序會是任意的、或是由一因子(例如一品質分數)來決定。
在一實例中，線上資訊系統100的排序引擎116係實施一品質評分系統(QSS)，其運作係示意地繪示於第四圖中。排序引擎116的處理 器係與儲存在例如廣告資料庫110與內容資料庫114中的資料共同運作，以執行QSS的下述資料處理操作。
QSS接收要由QSS評分的資訊(在第四圖中被指定為當前內容402)，例如一廣告或一文章。經由一網路(例如網際網路)接收來自一內容來源的當前內容402。QSS包括一介面，例如一光學或電氣收發器，其係配置以接收定義來自一串流媒體饋入或任何其他線上饋入類型之當前內容402的資料。該內容來源可為廣告或多媒體內容的任何來源，例如是主導配置以饋入線上內容之內容的伺服器網路。
一旦接收到串流媒體饋入中的當前內容，例如經由QSS的介面，在404，通訊耦接至該介面的QSS的一處理器會決定或配置以決定一第一概率，其係一使用者將選擇要與該串流媒體饋入中的當前內容的項目互動之概率。在一實例中，當前內容的項目係如本文中所描述與說明之一廣告項目或一內容項目，例如關於第二圖所說明者。
關於在404處之第一概率的決定，選擇與當前廣告或文章互動係包括點擊廣告或文章、或是點擊對一廣告或文章的超連結。此外，此選擇可包括對廣告或文章所產生的手勢，或是對於對一廣告或文章之一超連結所產生的手勢。
如前所述，第一概率係基於資料406，其係對應於與一使用者與類似於當前內容之內容的先前互動及/或優先性相關的當前內容項目的特徵。互動及/或優先性係得自一資料庫(例如資料庫408)中所儲存的使用者設定檔。舉例而言，該使用者設定檔可包含與關於觀看串流媒體內容之使用者相關聯的參數，且資料406係由該處理器自QSS的資料庫408所接收。
一旦接收到當前內容，該處理器係決定或配置以決定一第二概率410，其係使用者將選擇要與串流媒體饋入中的內容(一般而言，例如一廣告或一文章)互動之一概率。資料412，其係用於作為輸入以決定第二概率412，係由該處理器自QSS的資料庫408所接收。
該處理器也決定或配置以決定當前內容的一親和性分數。在414處，該親和性分數是第一決定概率與第二決定概率之間的一關係。舉例而言，該關係可由一比例或其他類型之數值分數來表示。同時，親和性分數係表示一使用者與一當前內容項目之間的相關性，其基於與使用者相關之使用者設定檔參數匹配的當前內容項目之特徵。
親和性分數係與一串流媒體饋入中的當前內容項目的配置無關。舉例而言，該親和性分數係與一串流媒體饋入的當前內容項目的位置無關。換言之，該親和性分數並不考慮當前內容項目相對於該串流媒體饋入中其他內容的出現順序。
在饋入的一實例中，當前內容項目係一第一內容項目(例如一廣告)，而一第二內容項目係一文章(例如一新聞文章)。在此例中，第一與第二內容項目可包括類別上類似的標的，且親和性分數的決定可包括根據第一內容項目的親和性分數來決定第二內容項目的親和性分數。在此一實例中，標的在類別上的相似性可藉由匹配內嵌於第一與第二內容項目中的元資料元素而加以識別。匹配的元資料元素包括一內容分類及/或相關性與一網路內容供應者所提供之一系列網頁中一網頁的匹配類別。在一實例中，一網路內容供應者所提供之一系列網頁中的該網頁係一線上百科全書或字典登入口，例如一維基百科登入口。
在饋入的另一實例中，親和性分數的決定可包括於使用者的一裝置(例如一行動裝置)與當前內容之間決定一親和性分數。舉例而言，在使用者裝置與當前內容之間的此一親和性分數可基於當前內容中的文字與該行動裝置的一當前地理位置。此一親和性分數也可基於該行動裝置的任何其他屬性(例如與該裝置相關的電信服務載具)及基於當前內容的任何其他屬性(例如當前內容的視頻元素)。
在此一另一實例中，處理器係根據裝置的使用者將選擇觀看當前內容項目之一概率而決定或配置以決定該第一概率，基於與使用者的裝置及/或使用者相關設定檔參數匹配之當前內容項目的特徵。關於該第二概率，處理器係根據使用該裝置的一使用者將選擇觀看一內容項目(其一般是在串流式媒體饋入中)的概率而決定。最後，該處理器係根據第一決定概率與第二決定概率之間的關係而決定或配置以決定該親和性分數。
在另外一個實例中，處理器係決定、或配置以利用一機器學習技術來決定第一至第二概率。舉例而言，處理器係利用一提升決策樹或另一種形式的人工智慧來決定第一或第二概率。
該處理器也識別或配置以識別和與先前內容互動後滿意度相應的資料416，例如關於先前所觀看、類別上匹配於當前內容之廣告或文章的互動後滿意度之資料。資料416接著導出一互動後滿意度分數。類別上的匹配包括藉由內容分類及/或與一網路內容供應者(例如一線上百科或字典的供應者)所提供之一網頁或一系列網頁的關聯性來進行匹配。資料416也包括與關於目前內容或類似內容有關的發文，包含社交媒體發文。資料416也包括關於對內容或類似內容、或對該內容之連結的滑鼠點擊之資料。 同時，資料416可以包括與該內容的觀看、觀看該內容的長度、註冊或訂閱以觀看該內容、與其他使用者分享該內容的量、以及經由使用者本身內容而連結至該內容等有關的資料。
根據親和性分數以及互動後滿意度資料416或互動後滿意度分數，該處理器係決定或配置以於418決定品質分數。舉例而言，藉由計算親和性分數與互動後滿意度分數之一乘積來決定該品質分數。
一旦決定品質分數，該處理器即使用該分數作為顯示目前內容及/或配置關於饋入之目前內容之基礎，例如目前內容相對於該饋入中的其他內容的顯示次序。舉例而言，該品質分數亦被顯示或用於為系統管理者產生報告。
從前述說明可知，本發明為一線上供應者提供了用以控制一內容信息流中信息流廣告的位置、數量與密度之技術，其中該內容信息流係可由一使用者於一網頁上觀看。該信息流係被視為一統一市集，其中內容項目與廣告項目係競爭以包含在該信息流中。評分與排序技術可允許內容項目與廣告項目兩者有相稱的排序。內容項目與廣告項目之其他商業規則係進一步控制信息流中內容項目與廣告項目的相對位置。
所揭露之方法與系統係部分於一伺服器、一客戶裝置、一雲端計算環境中實施，部分於一伺服器中且部分於一客戶裝置中實施、或於伺服器、雲端計算裝置與客戶裝置之組合中實施。
因此前述詳細說明係視為例示、而非限制之用，且要理解是以下述申請專利範圍(包括其所有等效例)來定義本發明之精神與範疇。
100‧‧‧線上資訊系統
102‧‧‧帳戶伺服器
104‧‧‧帳戶資料庫
106‧‧‧搜尋引擎
108‧‧‧廣告伺服器
110‧‧‧廣告資料庫
112‧‧‧內容伺服器
114‧‧‧內容資料庫
116‧‧‧排序引擎
120‧‧‧網路
122‧‧‧廣告主裝置
124‧‧‧使用者裝置
126‧‧‧膝上型電腦
128‧‧‧智慧型電話

Claims (14)

  1. 一種用於決定一串流媒體饋入中的一內容項目之一品質分數之系統，包含；一處理器；記憶體，該記憶體係通訊耦接至該處理器，該記憶體包括可由該處理器執行之指令，進以：決定一使用者與一當前內容項目之間的一親和性分數，其是基於匹配於與該使用者相關聯之使用者設定檔參數的該當前內容項目之特徵，其中該親和性分數的決定進一步包含：決定一第一概率之指令，該第一概率為該使用者將選擇與一串流媒體饋入中的該當前內容項目進行互動之一概率；決定一第二概率之指令，該第二概率為該使用者一般將選擇與該串流媒體饋入中的一內容項目進行互動之一概率，其中該第一決定概率與該第二決定概率之間的一關係為一比例；以及根據該第一決定概率與該第二決定概率之間的該關係來決定該親和性分數之指令；識別對於一先前內容項目之互動後滿意度，其中該先前內容項目在分類上係匹配於該當前內容項目；根據該親和性分數與該互動後滿意度決定一品質分數；以及一顯示器，其通訊耦接至該處理器，該顯示器係配置以顯示該品質分數。
  2. 如申請專利範圍第1項所述之系統，其中所述根據該親和性分數與該 互動後滿意度決定該品質分數之指令包括下述指令，進以：根據已識別的互動後滿意度導出一互動後滿意度分數；及藉由計算該親和性分數與該互動後滿意度分數的一乘積來決定該品質分數。
  3. 如申請專利範圍第1項所述之系統，其中該親和性分數係與在一串流媒體饋入中的該當前內容項目的位置無關。
  4. 如申請專利範圍第1項所述之系統，其中該親和性分數與在一串流媒體饋入中的該當前內容項目的配置無關。
  5. 如申請專利範圍第1項所述之系統，其中該記憶體包括可由該處理器執行以根據該親和性分數、該互動後滿意度及一普及度分數決定該品質分數之指令。
  6. 如申請專利範圍第5項所述之系統，其中該普及度分數是基於在一時間窗內該當前內容項目之一點進率。
  7. 如申請專利範圍第1項所述之系統，其中該當前內容項目係一廣告，且其中該當前內容項目係一第一內容項目，其中一第二內容項目係一文章，其中該第一與該第二內容項目包含在分類上類似的標的，且其中所述用以決定該親和性分數之指令包括用以根據該第一內容項目的該親和性分數決定該第二內容項目的一親和性分數之指令。
  8. 如申請專利範圍第7項所述之系統，其中該標的在類別上的相似性是藉由匹配嵌於該第一與該第二內容項目中的元資料元素來加以識別，且其中所述匹配元資料元素是一內容分類的類別。
  9. 如申請專利範圍第7項所述之系統，其中該標的在類別上的相似性是 藉由匹配嵌於該第一與該第二內容項目中的元資料元素來加以識別，且其中所述匹配元資料元素是與一網頁內容供應者所提供了一系列網頁中之一網頁的相關性。
  10. 如申請專利範圍第9項所述之系統，其中該網頁是一線上百科全書或字典入口。
  11. 一種用於決定一串流媒體饋入中的一廣告或文章之一品質分數的系統，其包含：一處理器；及記憶體，該記憶體係通訊耦接至該處理器，該記憶體包括可由該處理器執行之指令，進以：決定一第一概率，該第一概率為該使用者將選擇與一串流媒體饋入中的一當前廣告或文章進行互動之一概率，其是基於和與該使用者相關聯之使用者設定檔參數匹配的該當前廣告或文章之特徵；決定一第二概率，該第二概率為該使用者一般將選擇與該串流媒體饋入中的一廣告或文章進行互動之一概率，其中該第一決定概率與該第二決定概率之間的一關係為一比例；以及決定該當前廣告或文章的一親和性分數，其中該親和性分數是該第一決定概率與該第二決定概率之間的該關係；識別對於一先前廣告或文章的互動後滿意度，其中該先前廣告或文章係於分類上匹配於該當前廣告或文章；及根據該親和性分數與該互動後滿意度決定一品質分數。
  12. 如申請專利範圍第11項所述之系統，其中所述用以根據該親和性分數 與該互動後滿意度決定該品質分數之指令係包括用以藉由計算該親和性分數與該互動後滿意度之一乘積來決定該品質分數之指令。
  13. 如申請專利範圍第11項所述之系統，其中選擇與該當前廣告或文章互動係包括點擊該當前廣告或文章、或點擊對該當前廣告或文章之一超連結。
  14. 如申請專利範圍第11項所述之系統，其中選擇與該當前廣告或文章互動係包括對當前廣告或文章產生的一手勢、或對於對該當前廣告或文章之一超連結產生的一手勢。
TW103120461A 2013-07-01 2014-06-13 線上系統中廣告與內容之品質評分 TWI595433B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US13/932,655 US9460451B2 (en) 2013-07-01 2013-07-01 Quality scoring system for advertisements and content in an online system

Publications (2)

Publication Number Publication Date
TW201513020A TW201513020A (zh) 2015-04-01
TWI595433B true TWI595433B (zh) 2017-08-11

Family

ID=49679327

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103120461A TWI595433B (zh) 2013-07-01 2014-06-13 線上系統中廣告與內容之品質評分

Country Status (6)

Country Link
US (2) US9460451B2 (zh)
EP (1) EP2821950A1 (zh)
JP (1) JP5899275B2 (zh)
CN (1) CN104281961B (zh)
HK (1) HK1202962A1 (zh)
TW (1) TWI595433B (zh)

Families Citing this family (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US10304081B1 (en) * 2013-08-01 2019-05-28 Outbrain Inc. Yielding content recommendations based on serving by probabilistic grade proportions
US20150066593A1 (en) * 2013-08-30 2015-03-05 Google Inc. Determining a precision factor for a content selection parameter value
US20150074728A1 (en) * 2013-09-10 2015-03-12 Opentv, Inc. Systems and methods of displaying content
US10080060B2 (en) 2013-09-10 2018-09-18 Opentv, Inc. Systems and methods of displaying content
US10275795B1 (en) * 2013-10-16 2019-04-30 Outbrain Inc. System and method for ranking, allocation and pricing of content recommendations
US10134053B2 (en) 2013-11-19 2018-11-20 Excalibur Ip, Llc User engagement-based contextually-dependent automated pricing for non-guaranteed delivery
US10832281B1 (en) * 2013-12-20 2020-11-10 Groupon, Inc. Systems, apparatus, and methods for providing promotions based on consumer interactions
US10521824B1 (en) * 2014-01-02 2019-12-31 Outbrain Inc. System and method for personalized content recommendations
US10165069B2 (en) * 2014-03-18 2018-12-25 Outbrain Inc. Provisioning personalized content recommendations
US10528981B2 (en) * 2014-07-18 2020-01-07 Facebook, Inc. Expansion of targeting criteria using an advertisement performance metric to maintain revenue
US10318983B2 (en) 2014-07-18 2019-06-11 Facebook, Inc. Expansion of targeting criteria based on advertisement performance
US10528982B2 (en) * 2014-09-12 2020-01-07 Facebook, Inc. Determining a prompt for performing an action presented to a user in association with video data
JP6236412B2 (ja) * 2014-09-30 2017-11-22 富士フイルム株式会社 波長変換部材、バックライトユニット、液晶表示装置、量子ドット含有重合性組成物、および波長変換部材の製造方法
US9560150B2 (en) * 2015-02-06 2017-01-31 Facebook, Inc. Adaptive selection of social context for display to a viewing user
US9912768B1 (en) * 2015-04-30 2018-03-06 Nativo, Inc. Measuring content consumption
US11087356B2 (en) * 2015-08-24 2021-08-10 Google Llc Dynamically varying remarketing based on evolving user interests
US10390102B2 (en) * 2015-10-21 2019-08-20 International Business Machines Corporation System and method for selecting commercial advertisements
CN105447724B (zh) * 2015-12-15 2022-04-05 腾讯科技（深圳）有限公司 内容项推荐方法及装置
US10140256B2 (en) * 2016-03-01 2018-11-27 Google Llc Location specific content visualization formatting
US10475094B2 (en) * 2016-03-24 2019-11-12 Walmart Apollo, Llc Systems and methods for search result comparison
US20170308927A1 (en) * 2016-04-20 2017-10-26 Disney Enterprises, Inc. Systems and methods for identifying content segments to promote via an online platform
US10075556B2 (en) 2016-04-20 2018-09-11 Disney Enterprises, Inc. Systems and methods for selecting a portion of a content segment to distribute via on online platform
TWI594200B (zh) * 2016-06-08 2017-08-01 Univ Southern Taiwan Sci & Tec 智慧型廣告傳單管理暨應用系統
JP6981411B2 (ja) * 2016-07-06 2021-12-15 ソニーグループ株式会社 情報処理装置および方法
US20180011854A1 (en) * 2016-07-07 2018-01-11 Yahoo Holdings, Inc. Method and system for ranking content items based on user engagement signals
US10101820B2 (en) 2016-07-21 2018-10-16 International Business Machines Corporation Automated learning and gesture based interest processing
US10909579B1 (en) * 2016-08-01 2021-02-02 Amazon Technologies, Inc. Detecting viewability and delivering content using viewability metrics
US10871879B2 (en) * 2016-09-30 2020-12-22 Facebook, Inc. Systems and methods for providing feed page updates in a social networking system
US11232482B2 (en) * 2016-11-01 2022-01-25 Meta Platforms, Inc. Selecting one or more components to be included in a content item optimized for an online system user
US10846751B2 (en) * 2016-11-01 2020-11-24 Facebook, Inc. Generating data to predict user affinity for a component to be included in a content item optimized for an online system user
US11257019B2 (en) * 2017-02-28 2022-02-22 Verizon Media Inc. Method and system for search provider selection based on performance scores with respect to each search query
US20180253759A1 (en) * 2017-03-02 2018-09-06 Microsoft Technology Licensing, Llc Leveraging usage data of an online resource when estimating future user interaction with the online resource
US10943265B2 (en) * 2017-03-14 2021-03-09 At&T Intellectual Property I, L.P. Targeted user digital embedded advertising
US10039047B1 (en) * 2017-04-25 2018-07-31 Jana Mobile, Inc. Reliably communicating information associated with mobile device accounts
US20180328530A1 (en) * 2017-05-10 2018-11-15 Kent Weisenberg Inverted Filament Winder for Pipeline Rehabilitation
US20190005547A1 (en) * 2017-06-30 2019-01-03 Facebook, Inc. Advertiser prediction system
US11170288B2 (en) * 2017-08-03 2021-11-09 Facebook, Inc. Systems and methods for predicting qualitative ratings for advertisements based on machine learning
TWI626847B (zh) * 2017-08-28 2018-06-11 中華電信股份有限公司 個人化影音資料評分綜合加權資訊之系統與方法
US10827037B2 (en) * 2017-09-30 2020-11-03 Microsoft Technology Licensing, Llc Server to server interaction in content item selection events
US20190108557A1 (en) * 2017-10-06 2019-04-11 Facebook, Inc. Selecting items for presentation via dynamic sponsored content
CN107767175A (zh) * 2017-10-19 2018-03-06 厦门美柚信息科技有限公司 一种基于信息点击率的信息投放处理方法及装置
US20190130444A1 (en) * 2017-11-02 2019-05-02 Facebook, Inc. Modeling content item quality using weighted rankings
US11157980B2 (en) 2017-12-28 2021-10-26 International Business Machines Corporation Building and matching electronic user profiles using machine learning
US11176486B2 (en) 2017-12-28 2021-11-16 International Business Machines Corporation Building and matching electronic standards profiles using machine learning
US20190205901A1 (en) * 2017-12-29 2019-07-04 Facebook, Inc. Dynamic creation of content items for distribution in an online system by combining content components
CN108416631A (zh) * 2018-03-26 2018-08-17 康体佳智能科技（深圳）有限公司 一种适用充电终端或用电终端的广告推广抵扣交易方法
US11210363B1 (en) * 2018-04-26 2021-12-28 Meta Platforms, Inc. Managing prefetching of content from third party websites by client devices based on prediction of user interactions
US10832275B2 (en) * 2018-05-25 2020-11-10 At&T Intellectual Property I, L.P. System for management of requirements-based advertisements
US10949896B2 (en) * 2018-07-30 2021-03-16 Facebook, Inc. Distribution of embedded content items by an online system
US11301718B2 (en) * 2018-12-28 2022-04-12 Vizit Labs, Inc. Systems, methods, and storage media for training a machine learning model
US10467504B1 (en) 2019-02-08 2019-11-05 Adhark, Inc. Systems, methods, and storage media for evaluating digital images
US11531840B2 (en) * 2019-02-08 2022-12-20 Vizit Labs, Inc. Systems, methods, and storage media for training a model for image evaluation
US11468478B2 (en) 2019-04-22 2022-10-11 Consumable, Inc. Real-time video ad evaluation
CN113785540B (zh) * 2019-05-06 2023-07-07 谷歌有限责任公司 使用机器学习提名方生成内容宣传的方法、介质和系统
US11562401B2 (en) 2019-06-27 2023-01-24 Walmart Apollo, Llc Methods and apparatus for automatically providing digital advertisements
US11763349B2 (en) * 2019-06-27 2023-09-19 Walmart Apollo, Llc Methods and apparatus for automatically providing digital advertisements
US11704600B2 (en) * 2019-06-27 2023-07-18 Microsoft Technology Licensing, Llc Multistage feed ranking system with methodology providing scalable multi-objective model approximation
US11216867B2 (en) * 2020-05-01 2022-01-04 Meta Platforms, Inc. Arranging information describing items within a page maintained in an online system based on an interaction with a link to the page
US11790030B2 (en) * 2020-06-04 2023-10-17 Promoted.ai, Inc. Creating an effective product using an attribute solver
US11210596B1 (en) 2020-11-06 2021-12-28 issuerPixel Inc. a Nevada C. Corp Self-building hierarchically indexed multimedia database
US11647238B2 (en) 2020-11-09 2023-05-09 Meta Platforms, Inc. Generation and delivery of content via remote rendering and data streaming
US20220198476A1 (en) * 2020-12-23 2022-06-23 Shr Jin Wei Systems for identifying the ability of users to forecast popularity of various content items
US11776016B2 (en) 2022-01-28 2023-10-03 Walmart Apollo, Llc Systems and methods for determining user personas for a user
WO2023201167A2 (en) * 2022-03-22 2023-10-19 Edge Video B.V. Multimedia content management and packaging distributed ledger system and method of operation thereof
US11766614B1 (en) 2022-05-20 2023-09-26 Pj Hammer Corporation Utilizing mobile device capabilities to keep a user engaged with a mobile application

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070156514A1 (en) * 2005-12-30 2007-07-05 Daniel Wright Estimating ad quality from observed user behavior
US20070156887A1 (en) * 2005-12-30 2007-07-05 Daniel Wright Predicting ad quality
US20090106096A1 (en) * 2007-10-22 2009-04-23 Steven Horowitz Online Advertisement Delivery Based on User Feedback
TW200923718A (en) * 2007-08-16 2009-06-01 Yahoo Inc Page modules and states
US20090327032A1 (en) * 2008-06-26 2009-12-31 Microsoft Corporation Quality based pricing and ranking for online ads
US20100185689A1 (en) * 2009-01-20 2010-07-22 Microsoft Corporation Enhancing Keyword Advertising Using Wikipedia Semantics
US7814085B1 (en) * 2004-02-26 2010-10-12 Google Inc. System and method for determining a composite score for categorized search results
US20120022952A1 (en) * 2010-07-21 2012-01-26 Ozgur Cetin Using Linear and Log-Linear Model Combinations for Estimating Probabilities of Events
US20120158494A1 (en) * 2010-12-17 2012-06-21 Google Inc. Promoting content from an activity stream
US20130124344A1 (en) * 2011-11-14 2013-05-16 Venkateswarlu Kolluri Method and system for determining user likelihood to select an advertisement prior to display
US20130159110A1 (en) * 2011-12-14 2013-06-20 Giridhar Rajaram Targeting users of a social networking system based on interest intensity

Family Cites Families (96)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6264560B1 (en) 1996-01-19 2001-07-24 Sheldon F. Goldberg Method and system for playing games on a network
US6078866A (en) 1998-09-14 2000-06-20 Searchup, Inc. Internet site searching and listing service based on monetary ranking of site listings
US6907566B1 (en) 1999-04-02 2005-06-14 Overture Services, Inc. Method and system for optimum placement of advertisements on a webpage
US6269361B1 (en) 1999-05-28 2001-07-31 Goto.Com System and method for influencing a position on a search result list generated by a computer network search engine
US7231358B2 (en) 1999-05-28 2007-06-12 Overture Services, Inc. Automatic flight management in an online marketplace
US7225182B2 (en) 1999-05-28 2007-05-29 Overture Services, Inc. Recommending search terms using collaborative filtering and web spidering
US7035812B2 (en) 1999-05-28 2006-04-25 Overture Services, Inc. System and method for enabling multi-element bidding for influencing a position on a search result list generated by a computer network search engine
US7065500B2 (en) 1999-05-28 2006-06-20 Overture Services, Inc. Automatic advertiser notification for a system for providing place and price protection in a search result list generated by a computer network search engine
US7062510B1 (en) 1999-12-02 2006-06-13 Prime Research Alliance E., Inc. Consumer profiling and advertisement selection system
US7299194B1 (en) 2000-02-22 2007-11-20 International Business Machines Corporation Method and system for researching sales effects of advertising using association analysis
US20010044758A1 (en) 2000-03-30 2001-11-22 Iqbal Talib Methods and systems for enabling efficient search and retrieval of products from an electronic product catalog
AU6494701A (en) 2000-05-24 2001-12-03 Match Craft Inc Online media exchange
US7774715B1 (en) 2000-06-23 2010-08-10 Ecomsystems, Inc. System and method for computer-created advertisements
US7478089B2 (en) 2003-10-29 2009-01-13 Kontera Technologies, Inc. System and method for real-time web page context analysis for the real-time insertion of textual markup objects and dynamic content
US7076479B1 (en) 2001-08-03 2006-07-11 Overture Services, Inc. Search engine account monitoring
EP1449138A4 (en) 2001-11-01 2009-08-26 Thomson Licensing SYSTEM AND METHOD FOR SPECIFIC TARGETED ADVERTISEMENT REINSERTION FOR INTERNET USERS
US20030101126A1 (en) 2001-11-13 2003-05-29 Cheung Dominic Dough-Ming Position bidding in a pay for placement database search system
US6826572B2 (en) 2001-11-13 2004-11-30 Overture Services, Inc. System and method allowing advertisers to manage search listings in a pay for placement search system using grouping
US7162480B2 (en) 2001-12-26 2007-01-09 Sbc Technology Resources, Inc. Usage-based adaptable taxonomy
US8560493B2 (en) 2003-10-01 2013-10-15 Google Inc. Determining and/or using end user local time information in an ad system
US7136875B2 (en) 2002-09-24 2006-11-14 Google, Inc. Serving advertisements based on content
US7716161B2 (en) 2002-09-24 2010-05-11 Google, Inc, Methods and apparatus for serving relevant advertisements
US7454409B2 (en) 2002-04-01 2008-11-18 Overture Services, Inc. Displaying paid search listings in proportion to advertiser spending
US9946788B2 (en) 2002-07-23 2018-04-17 Oath Inc. System and method for automated mapping of keywords and key phrases to documents
DK1543456T3 (da) 2002-09-17 2008-01-07 Mobiqa Ltd Optimerede meddelelser, der indeholder stregkodeinformation, til moblie modtageapparater
GB0303176D0 (en) 2003-02-12 2003-03-19 Video Networks Ltd A system for capture and selective playback of broadcast programmes
US20040186769A1 (en) 2003-03-21 2004-09-23 Mangold Bernard P. System and method of modifying the price paid by an advertiser in a search result list
US20050033771A1 (en) 2003-04-30 2005-02-10 Schmitter Thomas A. Contextual advertising system
US7647299B2 (en) 2003-06-30 2010-01-12 Google, Inc. Serving advertisements using a search of advertiser web information
US20050028188A1 (en) 2003-08-01 2005-02-03 Latona Richard Edward System and method for determining advertising effectiveness
US20050033641A1 (en) 2003-08-05 2005-02-10 Vikas Jha System, method and computer program product for presenting directed advertising to a user via a network
US20050165638A1 (en) 2004-01-22 2005-07-28 Buckeye Cablevision, Inc. Cable system customized advertising
US20050187818A1 (en) 2004-02-20 2005-08-25 Zito David D. Computerized advertising offer exchange
US20050261994A1 (en) 2004-04-19 2005-11-24 Mystorecredit, Inc. Systems and methods for inserting active sale listings as advertisements into a pending buyer presentation
US20050267872A1 (en) 2004-06-01 2005-12-01 Yaron Galai System and method for automated mapping of items to documents
KR20060023684A (ko) 2004-09-10 2006-03-15 드림아이 커뮤니케이션즈(주) 인터넷을 이용한 광고제공시스템 및 방법
US20060105841A1 (en) 2004-11-18 2006-05-18 Double Fusion Ltd. Dynamic advertising system for interactive games
US20060111971A1 (en) 2004-11-24 2006-05-25 Microsoft Corporation System and method for on-line and off-line advertising in content delivered to a display screen
US7428533B2 (en) 2004-12-06 2008-09-23 Yahoo! Inc. Automatic generation of taxonomies for categorizing queries and search query processing using taxonomies
EP1861800A1 (en) 2005-03-09 2007-12-05 Medio Systems, Inc. Method and system of bidding for advertisement placement on computing devices
KR100786795B1 (ko) 2005-03-25 2007-12-18 주식회사 다음커뮤니케이션 인터넷 광고 서비스 시스템 및 방법
US8468048B2 (en) 2005-04-22 2013-06-18 Google Inc. Suggesting targeting information for ads, such as websites and/or categories of websites for example
US20060287920A1 (en) 2005-06-01 2006-12-21 Carl Perkins Method and system for contextual advertisement delivery
US20070005002A1 (en) 2005-06-30 2007-01-04 Intuitive Surgical Inc. Robotic surgical instruments for irrigation, aspiration, and blowing
US7739708B2 (en) 2005-07-29 2010-06-15 Yahoo! Inc. System and method for revenue based advertisement placement
US7912755B2 (en) 2005-09-23 2011-03-22 Pronto, Inc. Method and system for identifying product-related information on a web page
US20070143186A1 (en) 2005-12-19 2007-06-21 Jeff Apple Systems, apparatuses, methods, and computer program products for optimizing allocation of an advertising budget that maximizes sales and/or profits and enabling advertisers to buy media online
US20070174255A1 (en) 2005-12-22 2007-07-26 Entrieva, Inc. Analyzing content to determine context and serving relevant content based on the context
RU2417113C2 (ru) 2005-12-27 2011-04-27 Мэссив Инкорпорейтед Представление потокового видео, например, в среде видеоигр или мобильных устройств
US8849858B2 (en) 2005-12-29 2014-09-30 Nextlabs, Inc. Analyzing activity data of an information management system
US7827060B2 (en) * 2005-12-30 2010-11-02 Google Inc. Using estimated ad qualities for ad filtering, ranking and promotion
US8326686B2 (en) 2006-03-30 2012-12-04 Google Inc. Automatically generating ads and ad-serving index
DE102006022198B4 (de) 2006-05-12 2008-08-21 Lts Lohmann Therapie-Systeme Ag Beutel-Sammelpackung
US9386327B2 (en) 2006-05-24 2016-07-05 Time Warner Cable Enterprises Llc Secondary content insertion apparatus and methods
US20090112724A1 (en) 2006-05-26 2009-04-30 Internet Channel21 Co., Ltd. Method and equipment for exposing an advertisement using application
US8413182B2 (en) 2006-08-04 2013-04-02 Aol Inc. Mechanism for rendering advertising objects into featured content
US7774360B2 (en) 2006-09-08 2010-08-10 Microsoft Corporation Building bridges for web query classification
US7882046B1 (en) 2006-11-10 2011-02-01 Amazon Technologies, Inc. Providing ad information using plural content providers
US8515809B2 (en) * 2006-12-12 2013-08-20 International Business Machines Corporation Dynamic modification of advertisements displayed in response to a search engine query
KR20080102437A (ko) 2007-01-16 2008-11-26 주식회사 디코시스 전자출판물을 이용한 광고 방법 및 시스템
US20080201218A1 (en) 2007-02-20 2008-08-21 Andrei Zary Broder Methods of dynamically creating personalized internet advertisements based on content
US20080249852A1 (en) 2007-04-03 2008-10-09 Yahoo! Inc. Systems and methods for creating advertisements
US20080306819A1 (en) * 2007-06-08 2008-12-11 Yahoo! Inc. System and method for shaping relevance scores for position auctions
KR20090010567A (ko) 2007-07-24 2009-01-30 김상갑 인터넷을 이용한 엘이디 전광판의 맞춤식 광고 시스템
WO2009020570A1 (en) 2007-08-03 2009-02-12 Rovrr, Inc. System for electronic commerce
US8799068B2 (en) * 2007-11-05 2014-08-05 Facebook, Inc. Social advertisements and other informational messages on a social networking website, and advertising model for same
US8117067B2 (en) 2008-06-13 2012-02-14 Google Inc. Achieving advertising campaign goals
US8544039B2 (en) 2008-09-02 2013-09-24 At&T Intellectual Property I, L.P. Method and apparatus for distributing consumer advertisements
TWI375177B (en) * 2008-09-10 2012-10-21 Univ Nat Taiwan System and method for inserting advertising content
US20100070288A1 (en) 2008-09-15 2010-03-18 Jitendra Nath Pandey Method and System for Efficiently Transforming Online Ad Creatives Using Dynamically Compiled Templates
US7941340B2 (en) 2008-09-30 2011-05-10 Yahoo! Inc. Decompilation used to generate dynamic data driven advertisements
KR101021400B1 (ko) 2009-02-10 2011-03-14 엔에이치엔비즈니스플랫폼 주식회사 무료로 등록된 데이터의 가치를 결정하는 시스템 및 방법
KR20110003211A (ko) 2009-07-03 2011-01-11 주식회사 케이티 광고가 결합된 콘텐츠를 제공하는 홈 네트워크 시스템 및 그 방법
US20110029384A1 (en) 2009-07-30 2011-02-03 Yahoo! Inc. System and method for dynamic targeting advertisement based on content-in-view
US20110054960A1 (en) 2009-08-25 2011-03-03 Yahoo! Inc., A Delaware Corporation Dynamic web page creation
US20110119125A1 (en) 2009-11-17 2011-05-19 Javangula Pradeep S Method and system for one tag trafficking in display advertising to achieve personalized ad experiences at scale
CA2784006A1 (en) * 2009-12-23 2011-06-30 Facebook, Inc. Selection and presentation of related social networking system content and advertisements
US20110218861A1 (en) 2010-03-08 2011-09-08 Pelamourgues Lionel V Transform for Display of Advertisements on a Variety of Different Mobile Handheld Devices
KR101207568B1 (ko) 2010-03-16 2012-12-03 (주)월드게이트 온라인 광고중개시스템 및 이를 이용한 온라인 광고중개방법
US10255608B2 (en) 2010-05-05 2019-04-09 Excalibur Ip, Llc Bid landscape tool
JP2012068901A (ja) 2010-09-24 2012-04-05 Accelia Inc Ｗｅｂページに関する情報を提供するためのサーバ装置、システム、プログラムおよび方法
US20120109739A1 (en) * 2010-10-29 2012-05-03 Yahoo! Inc. Article and advertisement correlation in online advertising
US20120116872A1 (en) 2010-11-05 2012-05-10 At&T Intellectual Property I, L.P. Selecting Advertisements from One or More Databases for Sending to a Publisher
US20120150630A1 (en) 2010-12-10 2012-06-14 At&T Intellectual Property I, L.P. Selecting and ranking advertisements from one or more databases using advertiser budget information
US8694362B2 (en) 2011-03-17 2014-04-08 DataPop, Inc. Taxonomy based targeted search advertising
US20140067552A1 (en) * 2012-02-28 2014-03-06 Minds + Machines Online advertising scoring
US20130238449A1 (en) 2012-03-09 2013-09-12 Microsoft Corporation Polymorphic Advertisements
US20140223318A1 (en) * 2013-02-05 2014-08-07 Drew Pefferle System and method for aggregating online images and managing image streams
US20140324599A1 (en) 2013-04-29 2014-10-30 Yahoo! Inc. System and method for booking an online advertising campaign
US20140324604A1 (en) 2013-04-29 2014-10-30 Yahoo! Inc. System and method for producing proposed online advertisements from pre-existing advertising creatives
US8788338B1 (en) 2013-07-01 2014-07-22 Yahoo! Inc. Unified marketplace for advertisements and content in an online system
US10134053B2 (en) 2013-11-19 2018-11-20 Excalibur Ip, Llc User engagement-based contextually-dependent automated pricing for non-guaranteed delivery
US20150186939A1 (en) 2014-01-02 2015-07-02 Yahoo! Inc. Systems and Methods for Search Results Targeting
US20150248712A1 (en) 2014-02-28 2015-09-03 Yahoo! Inc. Systems and methods for providing mobile advertisements
EP3117339A4 (en) 2014-03-10 2017-07-19 Excalibur IP, LLC Systems and methods for keyword suggestion
US20150278877A1 (en) 2014-04-01 2015-10-01 Yahoo! Inc. User Engagement-Based Contextually-Dependent Automated Reserve Price for Non-Guaranteed Delivery Advertising Auction

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7814085B1 (en) * 2004-02-26 2010-10-12 Google Inc. System and method for determining a composite score for categorized search results
US20070156514A1 (en) * 2005-12-30 2007-07-05 Daniel Wright Estimating ad quality from observed user behavior
US20070156887A1 (en) * 2005-12-30 2007-07-05 Daniel Wright Predicting ad quality
TW200923718A (en) * 2007-08-16 2009-06-01 Yahoo Inc Page modules and states
US20090106096A1 (en) * 2007-10-22 2009-04-23 Steven Horowitz Online Advertisement Delivery Based on User Feedback
US20090327032A1 (en) * 2008-06-26 2009-12-31 Microsoft Corporation Quality based pricing and ranking for online ads
US20100185689A1 (en) * 2009-01-20 2010-07-22 Microsoft Corporation Enhancing Keyword Advertising Using Wikipedia Semantics
US20120022952A1 (en) * 2010-07-21 2012-01-26 Ozgur Cetin Using Linear and Log-Linear Model Combinations for Estimating Probabilities of Events
US20120158494A1 (en) * 2010-12-17 2012-06-21 Google Inc. Promoting content from an activity stream
US20130124344A1 (en) * 2011-11-14 2013-05-16 Venkateswarlu Kolluri Method and system for determining user likelihood to select an advertisement prior to display
US20130159110A1 (en) * 2011-12-14 2013-06-20 Giridhar Rajaram Targeting users of a social networking system based on interest intensity

Also Published As

Publication number Publication date
CN104281961A (zh) 2015-01-14
US9460451B2 (en) 2016-10-04
HK1202962A1 (zh) 2015-10-09
EP2821950A1 (en) 2015-01-07
JP2015028774A (ja) 2015-02-12
JP5899275B2 (ja) 2016-04-06
US20170024761A1 (en) 2017-01-26
US20150006280A1 (en) 2015-01-01
CN104281961B (zh) 2018-07-06
TW201513020A (zh) 2015-04-01

Similar Documents

Publication Publication Date Title
TWI595433B (zh) 線上系統中廣告與內容之品質評分
TWI509548B (zh) 線上系統中廣告與內容之統一市場的系統與方法
US10134053B2 (en) User engagement-based contextually-dependent automated pricing for non-guaranteed delivery
CN105431875B (zh) 搜索引擎营销优化器
JP5618404B2 (ja) 情報提供装置、情報提供方法、情報提供プログラム、及び情報提供プログラムが記録された記録媒体
US20170098236A1 (en) Exploration of real-time advertising decisions
US20140188593A1 (en) Selecting an advertisement for a traffic source
US20150356627A1 (en) Social media enabled advertising
US20150278877A1 (en) User Engagement-Based Contextually-Dependent Automated Reserve Price for Non-Guaranteed Delivery Advertising Auction
US8645199B1 (en) Using application characteristics for ad pricing
US20150178790A1 (en) User Engagement-Based Dynamic Reserve Price for Non-Guaranteed Delivery Advertising Auction
KR20060117332A (ko) 전자 문서에 광고하기 위한 컴퓨터 구현 방법 및 장치, 및광고자가 모핑 광고에 대한 입력을 제공할 수 있게 해주는컴퓨터 구현 방법 및 인터페이스
WO2012040113A2 (en) Ad wallet
US20130006758A1 (en) User feedback-based selection of online advertisements using normalized cost modifiers
US20210382952A1 (en) Web content organization and presentation techniques
US11321741B2 (en) Using a machine-learned model to personalize content item density
KR102211269B1 (ko) 스크롤 가능한 광고 유닛에서의 광고의 뷰-기반 가격결정
JP5751686B2 (ja) 情報提供装置、情報提供方法、情報提供プログラム、及び情報提供プログラムが記録された記録媒体
US20150242886A1 (en) Ad impression availability and associated adjustment values
US20170085672A1 (en) Commercial-Interest-Weighted User Profiles
Popper Bringing It All Together in a Framework of Sponsored Search