TWI654877B

TWI654877B - 個人化廣告媒合方法及廣告媒合裝置

Info

Publication number: TWI654877B
Application number: TW107103602A
Authority: TW
Inventors: 郭金喜
Original assignee: 中華電信股份有限公司
Priority date: 2018-02-01
Filing date: 2018-02-01
Publication date: 2019-03-21
Also published as: TW201935933A

Abstract

本發明提供一種隨選視訊及頻道系統中的個人化廣告媒合方法及廣告媒合裝置。前述方法包括：從廣告資料庫中的多個待播廣告取出廣告，並相應地取得廣告的詮釋資料；詮釋資料經轉換獲得特徵資料；基於特徵資料從使用者資料庫中找出與特徵資料相關的使用者及使用者的廣告清單，並新增廣告至廣告清單中，其中使用者的特徵資料可經由分析使用者在隨選視訊及頻道系統的觀看行為記錄得到；透過廣告清單與節目表之關聯分析，可以將廣告配置至某一節目中播出。亦即，本方法可將某廣告配置至某使用者可能觀看的某節目中，以達到個人化廣告的目的。

Description

個人化廣告媒合方法及廣告媒合裝置

本發明是有關於一種個人化廣告媒合方法及廣告媒合裝置，且特別是有關於一種隨選視訊及頻道系統中的個人化廣告媒合方法及廣告媒合裝置。

傳統的廣告系統，除廣告主指定播出時段外，其餘大致係以人工方式依廣告費用及節目熱門程度決定廣告播出時段。這些加諸於使用者的廣告，並不見得是使用者所想要看到的，因此，對於使用者而言，不僅是種垃圾訊息，也可能會造成視覺上的困擾。

有鑑於此，本發明提出一種隨選視訊及頻道系統中的個人化廣告媒合方法及廣告媒合裝置，其可以自動方式並考量廣告曝光數將適當的廣告配置於適當時段給適當的收視觀眾，從而增加收視觀眾對於廣告的收看興趣。藉此，可有助於廣告營收及相關的商品販售等相關服務的開展及營收。

本發明提供一種隨選視訊及頻道系統中的個人化廣告媒合方法，包括：從一廣告資料庫中的多個待播廣告取出一第一廣告，並相應地取得第一廣告的詮釋資料；該前述詮釋資料經一轉換獲得該一特徵資料；基於前述特徵資料從一使用者資料庫中找出與前述特徵資料相關的一第一使用者及第一使用者的一廣告清單，並新增第一廣告至廣告清單中，其中使用者的特徵資料可經由分析使用者在隨選視訊及頻道系統的觀看行為記錄得到；透過該廣告清單與節目表之關聯分析，可以將該廣告配置至某一節目中播出。亦即，經由本方法可以將某一廣告配置至某一使用者可能觀看的某一節目中，以達到個人化廣告的目的。

本發明提供一種隨選視訊及頻道系統中的廣告媒合裝置，包括儲存電路及處理器。儲存電路儲存多個模組。處理器連接儲存電路並存取前述模組以執行下列步驟：從一廣告資料庫中的多個待播廣告取出一第一廣告，並相應地取得第一廣告的詮釋資料；該前述詮釋資料經一轉換獲得該一特徵資料；基於前述特徵資料從一使用者資料庫中找出與前述特徵資料相關的一第一使用者及第一使用者的一廣告清單，並新增第一廣告至廣告清單中，其中廣告清單包括對應於第一使用者的多個第一待播廣告；分析第一使用者在隨選視訊及頻道系統的觀看行為記錄；以及依據觀看行為記錄將前述第一待播廣告分配予第一使用者觀看。

基於上述，本發明提出的隨選視訊系統及頻道中的個人化廣告媒合方法及其裝置可分析各待播廣告的詮釋資料，並進而將各待播廣告分配予與其詮釋資料相關的使用者觀看。藉此，可讓使用者在使用隨選視訊及頻道系統時觀看到較符合自身喜好的廣告，從而提升廣告的效益。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式做詳細說明如下。

圖1是依據本發明之一實施例繪示的廣告媒合裝置的示意圖。在本實施例中，廣告媒合裝置100包括儲存電路110、收發器電路120及處理器130。廣告媒合裝置100例如可設置於電信服務業者維護的隨選視訊及頻道系統(例如隨選視訊系統(video on-demand，VOD)系統及網際網路電視(Internet Protocol Television，IPTV)系統等)上，並可用於決定多個影音串流終端設備（未繪示）的廣告派送及廣告媒合策略，其中各影音串流終端設備例如是佈建於多個使用者家中或類似場所中的MOD機上盒、IPTV裝置及/或OTT（over-the-top）裝置，但本發明可不限於此。

儲存電路110例如是記憶體、硬碟或是其他任何可用於儲存資料的元件，而可用以記錄多個程式碼或模組。處理器120耦接儲存電路110。處理器120例如是一般用途處理器、特殊用途處理器、傳統的處理器、數位訊號處理器、多個微處理器(microprocessor)、一個或多個結合數位訊號處理器核心的微處理器、控制器、微控制器、特殊應用集成電路(Application Specific Integrated Circuit，ASIC)、場可程式閘陣列電路(Field Programmable Gate Array，FPGA)、任何其他種類的積體電路、狀態機、基於進階精簡指令集機器(Advanced RISC Machine，ARM)的處理器以及類似品。

圖2是依據本發明之一實施例繪示的隨選視訊及頻道系統中的個人化廣告媒合方法流程圖。本實施例的方法可由圖1的廣告媒合裝置100執行，以下即搭配圖1所示的元件來說明本方法各步驟的細節。

首先，在步驟S210中，處理器120從廣告資料庫中的多個待播廣告取出第一廣告，並相應地取得第一廣告的詮釋資料。在一實施例中，廣告資料庫中的待播廣告例如是由各個廣告主委託隨選視訊及頻道系統的服務業者播放的廣告，或是由政府機關所託播的廣告，但可不限於此。在其他實施例中，各待播廣告的詮釋資料可另存於一廣告詮釋資料庫中，且各詮釋資料例如可由相關人員自行依待播廣告的內容編輯，或是由其他機器學習的演算法自動地從待播廣告的內容分析而得，但可不限於此。此外，各筆詮釋資料的內容亦可用不同的形式呈現。舉例而言，假設某待播廣告的內容係有關於婚姻，則其相應的詮釋資料例如可包括「婚姻」、「愛情」及「情愛」等，經轉換可產生特徵資料如「婚」、「姻」、「婚姻」、「愛」、「情」、「愛情」、「情愛」等，但可不限於此。也就是說，各筆詮釋資料可以是一完整的詞語，也可以是一完整詞語中的部分內容。

接著，在步驟S220中，處理器120基於第一廣告的詮釋資料，從一使用者資料庫中找出與前述詮釋資料轉換後之特徵資料相關的第一使用者及第一使用者的廣告清單，並新增第一廣告至廣告清單中。前述廣告清單包括對應於第一使用者的多個第一待播廣告，亦即被認為是與第一使用者相關，且之後欲播送予第一使用者觀看的廣告，但可不限於此。

在一實施例中，使用者資料庫包括多個使用者及各使用者觀賞隨選視訊及頻道系統的多個喜好。基於此，處理器120可計算第一廣告的特徵資料與各使用者的多個喜好之間的相似度。並且，當一特定使用者的喜好與第一廣告的特徵資料之間的相似度高於預設門檻值時，處理器120可定義此特定使用者為與第一廣告的特徵資料相關的第一使用者，並取得第一使用者的廣告清單。

各使用者的喜好可表徵為完整的詞語，例如「愛情」、「婚姻」、「家庭」等，但可不限於此。此外，第一使用者的廣告清單例如可包括已分配予第一使用者的數個待播廣告，而依據前述教示可知，此廣告清單中的待播廣告皆與第一使用者相關，亦即其個別的特徵資料與第一使用者的喜好之間的相似度皆高於預設門檻值。

在一實施例中，各使用者的喜好可由各使用者過往的觀賞行為學習而得。舉例而言，在一初始階段（即，對於各使用者的喜好一無所知的階段），處理器120可先取得當下的廣告資料庫中的各待播廣告的詮釋資料。接著，處理器120可查詢節目表，並取得各節目的詮釋資料。之後，處理器120可將各節目的特徵資料與各待播廣告的特徵資料進行比對。若某節目的特徵資料與某待播廣告的特徵資料之間的相似度夠高時，處理器120即可將此待播廣告安排在此節目的廣告時段中播放。在將各待播廣告安插於各節目的廣告時段之後，處理器120可觀察某使用者是否確實觀看過某些廣告及節目。若是，則處理器120可將這些廣告及節目的詮釋資料作為此使用者的喜好記錄於前述使用者資料庫中。

應了解的是，由於詮釋資料的形式一般較為片段及瑣碎，因而不易於用來進行比對。基於此，在另一實施例中，處理器120在執行步驟S220時可先將第一廣告的詮釋資料分類為多個廣告特徵，再計算這些廣告特徵與各使用者的多個喜好之間的相似度。

舉先前的例子而言，假設某待播廣告的內容係有關於婚姻，則其相應的詮釋資料例如可包括「婚」、「姻」、「婚姻」、「愛」、「情」、「愛情」、「情愛」等，如果只在文字層次比對，可能會失之太細，為達到較高一層次的概念層次比對，處理器120，例如可相應地將這些詮釋資料分類為「婚姻」及「愛情」等類別。接著，當一特定使用者的喜好與第一廣告的類別之間的相似度高於預設門檻值時，處理器120可定義此特定使用者為與第一廣告的特徵資料相關的第一使用者，並取得第一使用者的廣告清單，也就是，將類別視為廣告特徵的一部分。藉此，可令前述相似度的計算更為準確及合理，從而提升後續廣告媒合的適切性。

此外，在前述初始階段時，處理器120亦可先將各待播廣告及各節目的詮釋資料先分別分類為多個廣告特徵及節目特徵，之後再進行相似度的計算，從而讓各待播廣告可分配至與其更為相關的節目時段中播放，其細節在此不再贅述。

在找出第一使用者及其廣告清單之後，處理器120可接續進行步驟S230以查詢第一使用者在隨選視訊及頻道系統的觀看行為記錄，並在步驟S240中依據觀看行為記錄將前述第一待播廣告分配予第一使用者觀看。觀看行為記錄例如包括第一使用者在隨選視訊及頻道系統觀賞過的多個節目、多個觀賞時段、觀賞週期及觀賞頻率等，但可不限於此。

在一實施例中，處理器120可依據觀看行為記錄從節目表找出對應於該第一使用者的待播節目，其中待播節目的時段中包括多個廣告時段。前述對應於第一使用者的待播節目例如是第一使用者曾觀看過的節目的續集、曾觀看過的節目之同時段節目及/或某些特定時段的節目，或類似節目等，但可不限於此。之後，處理器120可將第一待播廣告配置於待播節目的廣告時段中。

如此一來，當第一使用者依其習慣觀看隨選視訊及頻道系統上的節目時，即可在此節目的廣告時段中看到較符合自身喜好的廣告。藉此，可增加第一使用者觀賞廣告的興趣，從而有助於改善廣告的營收及相關的商品販售情形。

在一實施例中，由於各第一待播廣告不一定能夠剛好填滿待播節目的廣告時段，使得各廣告時段中可能出現閒置時段，因此處理器120可在閒置時段配置一或多則靜態廣告供第一使用者觀看，以更為完全地利用廣告時段。

在其他實施例中，為了增加第一待播廣告與待播節目的匹配性，以期讓第一使用者可在各待播節目的廣告時段中看到性質相似的廣告，處理器120可先分析待播節目的多個節目詮釋資料，依據待播廣告詮釋資料，找出第一、第二等待播廣告順序，其中第二待播廣告的詮釋資料與待播節目的節目詮釋資料之間的相似度高於預設門檻值。接著，處理器120可將第二廣告配置於待播節目的廣告時段中。

如此一來，當第一使用者在觀看球賽的節目時，即可在此節目的廣告時段看到相關的廣告，例如運動用品、運動飲料等。或者，當第一使用者在觀看美食的節目時，即可在此節目的廣告時段看到餐廳、旅遊等相關的廣告，但可不限於此。

藉此，可進一步增加第一使用者觀看廣告的意願，從而提升廣告的效益。

應了解的是，即便所播放的廣告符合第一使用者的喜好，但若同一廣告被過於頻繁地播放，反而可能導致第一使用者的反感。因此，在一實施例中，處理器120可取得該第一使用者在預設時間區間（例如一週、一個月或其他設計者所設定的時間長度）內的平均廣告觀看率，再基於平均廣告觀看率決定第二廣告在廣告時段中的播放次數，其中此播放次數小於待播節目的最多廣告播放次數。

另外，在第一使用者觀看過第一待播廣告中的某一廣告後，處理器120可依據此廣告的詮釋資料更新第一使用者的喜好。具體而言，當此廣告的詮釋資料中存在某些未對應於第一使用者喜好的詮釋資料時，處理器120可相應地將這些詮釋資料新增為此使用者的喜好並記錄於前述使用者資料庫中；對於之前的喜好，也可以更新其權重，依據時間長短予以適當加權。藉由此種學習行為，可令往後針對第一使用者的廣告媒合策略更為完善。

為令以上說明更易於理解，以下特舉一具體例子輔以說明。假設目前有三個使用者，分別為小英、小明與小美，其個別在隨選視訊系統上的部分觀看行為記錄如下： <TABLE border="1" borderColor="#000000" width="85%"><TBODY><tr><td> 使用者 </td><td> 曾觀賞過的節目 </td><td> 節目特徵 </td></tr><tr><td> 小英 </td><td> 歡樂頌2 </td><td> 女性、職場、愛情、家庭、鄰居、閨蜜、人情味 </td></tr><tr><td> </td><td> 太陽的後裔 </td><td> 特戰隊、軍人、醫生、愛情 </td></tr><tr><td> </td><td> 派遣女醫X </td><td> 醫生、醫院、外科、開刀、人力派遣 </td></tr><tr><td> </td><td> 北上廣依然相信愛情 </td><td> 婚禮、愛情、矛盾、辦公室、爭鬥 </td></tr><tr><td> 小明 </td><td> 高爾夫球公開賽 </td><td> 高爾夫球、職業、獎金、果嶺、推桿、曾雅妮 </td></tr><tr><td> </td><td> 中華職棒賽事 </td><td> 中華職棒、CPBL、棒球、例行賽、全壘打、台灣 </td></tr><tr><td> </td><td> MLB美國職棒大聯盟 </td><td> MLB、美國職棒、大聯盟、雷射肩、轟垮 </td></tr><tr><td> </td><td> NBA籃球賽 </td><td> NBA、籃球、大三元、後衛、三分球 </td></tr><tr><td> 小美 </td><td> 吃遍中國 </td><td> 吃貨、美食、味蕾、私房菜、美酒 </td></tr><tr><td> </td><td> 發現北緯30度II </td><td> 教堂、服飾、酒莊、大峽谷、化石、健行 </td></tr><tr><td> </td><td> 大陸尋奇 </td><td> 古蹟、人文、習俗、美景、古鎮 </td></tr><tr><td> </td><td> 街頭頑猴 </td><td> 猴子、手勢、生態、餵食、地盤 </td></tr></TBODY></TABLE>表1

基於各使用者曾觀賞過節目的節目特徵如表1所示，可得出各使用者的喜好。請參照圖3，其例如是依據小美的喜好繪示的直方圖，其例如是依據各節目特徵整合而得的圖表，其中各直方圖的高度可對應於使用者各喜好的喜愛程度。從圖3可看出，小美最偏好觀看以「生態」做為節目特徵的節目，而「美景」次之。

在一實施例中，圖3的直方圖亦可由節目的詮釋資料整合而得，以下輔以圖4A、圖4B及圖4C進行說明，其中圖4A是小明曾觀賞過的節目的一部分將詮釋資料轉換為特徵資料的直方圖，圖4B是小明曾觀賞過的節目的另一部分將詮釋資料轉換為特徵資料的直方圖，而圖4C是由圖4A及圖4B分類而得的節目特徵直方圖。由圖4A及圖4B可看出，其呈現的將詮釋資料轉換的特徵資料較為片段且不完整（例如「大」、「三」、「大三」、「三元」等），而透過先前實施例教示將詮釋資料分類至節目特徵的操作，可將圖4A及圖4B彚整為圖4C所呈現的態樣。舉例而言，「MLB」、「NBA」、「大三元」、「職棒」、「聯盟」等詮釋資料可皆被分類至「運動」的節目特徵。

由圖4C可知，小明的喜好即大致包括「運動」、「美食」、「風景」、「人文」、「生態」與「其他」。同樣地，小英及小美的喜好亦可基於上述教示而得知並化為類似的直方圖，其細節在此不再贅述。

基於此，本發明的廣告媒合裝置100即可依據前述教示來分配廣告予上述使用者觀看。

在一實施例中，處理器120可採用下式(1)來計算第一廣告將詮釋轉換過的特徵資料與一特定使用者的多個喜好之間的相似度。 (1) 其中為由第一廣告的廣告特徵所形成的向量，而為由前述特定使用者的喜好所形成的向量，而為前述相似度。當大於某預設門檻值（其可由操作者依需求而微調）時，處理器120即可判定第一廣告與此特定使用者相關，並可相應地將第一廣告新增至此特定使用者的廣告清單中。

此外，本發明提到的各種相似度（例如廣告與節目之間的相似度）計算方式亦可參照式(1)的原理進行計算，在此不再贅述。

在其他實施例中，處理器120可從觀看行為記錄得知每個使用者在一預設時間區間（例如一週）內的平均收看時間，而若某一廣告必須播放N次，而與廣告相關的某一使用者集合為，則播放給這些使用者的次數可如下式(2)所示計算而得。 (2)

在另一實施例中，鑑於現今社群通訊工具相當發達，資訊的傳輸與分享相當便利與快速。所以，使用者可能因為朋友的分享或推荐而觀看某些原先不見得感到興趣的節目，因此，其觀看節目的類型會有所變化，導致觀看喜好也會跟著改變。因應這種變化，再加上將使用者觀看節目的時間長短納入考量，當定期分析使用者節目瀏覽紀錄後，使用者喜好的權重可採用下式(3)及(4)來更新： (3) (4) 其中，是使用者喜好中的第i個關鍵詞的第j個更新，其計算方式係以距離計算當日之時間長短為基準，並以日計算。是指第i個關鍵詞的更新總數，係第i個關鍵詞的權重，係第i個關鍵詞的正規化權重。因此，使用者喜好可以因應使用者觀賞節目的變遷而有所改變。

在一實施例中，假設現有一廣告欲提供予小英、小明及小美觀看，而此廣告的廣告特徵例如包括「台灣」、「風景」、「人文」、「古蹟」、「天燈」、「蜂炮」、「健行」及「人情味」。基於前述實施例教示的相似度計算方式，可得出此廣告的廣告特徵與小英、小明及小美的喜好之間的相似度分別例如是0.1、0.3及0.6。

在此情況下，處理器120可判定這些相似度皆高於某預設門檻值（例如0.3），因而可將小明及小美皆認定為與前述廣告相關的使用者，並可將前述廣告新增至小明及小美的廣告清單中，以期擇日播放予小明及小美觀賞。

在一實施例中，處理器120可基於以上計算出的相似度而調整前述廣告播放予小明及小美觀看的次數。舉例而言，處理器120可在一段時間（例如一週）內讓小英看1次廣告(低於門檻值，但可設定讓使用者觀看的次數如一次)，小明看2次廣告，而小美看4次廣告。

在廣告播放後，可再透過分析使用者瀏覽資料，發現小英沒有觀賞，小明有2次觀賞，而小美有3次觀賞（這所指的觀賞指使用者至少觀看廣告一段時間（例如10秒）以上）。藉此，處理器120可再相應地依據廣告特徵來更新各使用者的喜好。以小明為例，處理器120例如可調整圖4C中與此廣告的廣告特徵相關喜好的直方圖高度，但本發明可不限於此。

綜上所述，本發明提出的隨選視訊及頻道系統中的個人化廣告媒合方法及其裝置可在使用者依其習慣觀看隨選視訊及頻道系統上的節目時，在此節目的廣告時段中看到較符合自身喜好的廣告。藉此，可增加使用者觀賞廣告的興趣，從而有助於改善廣告的營收及相關的商品販售情形。並且，本發明還可將廣告配置於性質相似節目的廣告時段中播出，從而進一步增加使用者觀看廣告的意願，並提升廣告的效益。此外，本發明另可依據使用者觀看廣告的行為而學習使用者的喜好，從而可令往後針對使用者的廣告媒合策略更為完善。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100‧‧‧廣告媒合裝置

110‧‧‧儲存電路

120‧‧‧處理器

S210~S240‧‧‧步驟

圖1是依據本發明之一實施例繪示的廣告媒合裝置的示意圖。圖2是依據本發明之一實施例繪示的隨選視訊及頻道系統中的個人化廣告媒合方法流程圖。圖3是依據使用者的喜好繪示的直方圖。圖4A是使用者曾觀賞過的節目的一部分詮釋資料的直方圖。圖4B是使用者曾觀賞過的節目的另一部分詮釋資料的直方圖。圖4C是由圖4A及圖4B分類而得的節目特徵直方圖。

Claims

一種隨選視訊及頻道系統中的個人化廣告媒合方法，包括：從一廣告資料庫中的多個待播廣告取出一第一廣告，並相應地取得該第一廣告的多個詮釋資料；基於該些詮釋資料從一使用者資料庫中找出與該些詮釋資料相關的一第一使用者及該第一使用者的一廣告清單，並新增該第一廣告至該廣告清單中，其中該廣告清單包括對應於該第一使用者的多個第一待播廣告，其中該使用者資料庫包括多個使用者及各該使用者觀賞該隨選視訊及頻道系統的多個喜好；分析該第一使用者在該隨選視訊及頻道系統的多個觀看行為記錄；以及依據該觀看行為記錄將該第一待播廣告分配予該第一使用者觀看，其中基於該些詮釋資料從該使用者資料庫中找出與該些詮釋資料相關的該第一使用者及該第一使用者的該廣告清單的步驟包括：將該些詮釋資料分類為多個廣告特徵；計算該些廣告特徵與該些使用者之一者的該些喜好之間的一相似度；以及當該相似度高於一預設門檻值時，定義該些使用者為與該些詮釋資料相關的該第一使用者，並取得該第一使用者的該廣告清單。
如申請專利範圍第1項所述的方法，其中該觀看行為記錄包括該第一使用者在該隨選視訊及頻道系統觀賞過的多個節目、多個觀賞時段、一觀賞週期及一觀賞頻率，且依據該觀看行為記錄將該些第一待播廣告分配予該第一使用者觀看的步驟包括：依據該觀看行為記錄從一節目表找出對應於該第一使用者的一待播節目，其中該待播節目的時段中包括多個廣告時段；以及將該些第一待播廣告配置於該些廣告時段中。
如申請專利範圍第2項所述的方法，其中當各該廣告時段中存在一閒置時段時，更包括在該閒置時段配置一靜態廣告。
如申請專利範圍第2項所述的方法，其中將該些第一待播廣告配置於該些廣告時段中的步驟包括：分析該待播節目的節目詮釋資料；依據各該第一待播廣告的該些詮釋資料從該些第一待播廣告中找出一第二待播廣告，其中該第二待播廣告的該些詮釋資料與該些節目詮釋資料之間的一相似度高於一預設門檻值；以及將該第二廣告配置於該些廣告時段的至少其中之一中。
如申請專利範圍第4項所述的方法，其中將該第二廣告配置於該些廣告時段的至少其中之一中的步驟包括：取得該第一使用者在一預設時間區間內的一平均廣告觀看率；基於該平均廣告觀看率決定該第二廣告在該些廣告時段中的一播放次數，其中該播放次數小於該待播節目的一最多廣告播放次數。
如申請專利範圍第1項所述的方法，該使用者資料庫包括多個使用者及各該使用者觀賞該隨選視訊及頻道系統的多個喜好，且所述方法更包括：在該第一使用者觀看過該些第一待播廣告後，依據該廣告的該些詮釋資料更新該第一使用者的該些喜好。
一種隨選視訊系統中的廣告媒合裝置，包括：一儲存電路，儲存多個模組；一處理器，連接該儲存電路並存取該些模組以執行下列步驟：從一廣告資料庫中的多個待播廣告取出一第一廣告，並相應地取得該第一廣告的多個詮釋資料；基於該些詮釋資料從一使用者資料庫中找出與該些詮釋資料相關的一第一使用者及該第一使用者的一廣告清單，並新增該第一廣告至該廣告清單中，其中該廣告清單包括對應於該第一使用者的多個第一待播廣告，其中該使用者資料庫包括多個使用者及各該使用者觀賞該隨選視訊及頻道系統的多個喜好；查詢該第一使用者在該隨選視訊及頻道系統的一觀看行為記錄；以及依據該觀看行為記錄將該些第一待播廣告分配予該第一使用者觀看，其中基於該些詮釋資料從該使用者資料庫中找出與該些詮釋資料相關的該第一使用者及該第一使用者的該廣告清單的步驟包括：將該些詮釋資料分類為多個廣告特徵；計算該些廣告特徵與該些使用者之一者的該些喜好之間的一相似度；以及當該相似度高於一預設門檻值時，定義該些使用者為與該些詮釋資料相關的該第一使用者，並取得該第一使用者的該廣告清單。