JP2014523028A - マルチステップインプレッションキャンペーン - Google Patents

Abstract

コンピュータ化された広告システム及び方法について、様々な実施形態を説明する。本システムは、ターゲットユーザプロファイルを複数のコンピューティングデバイスに関連付けるように構成されたインプレッションキャンペーンエンジンを含む広告サーバを含む。広告サーバは、複数のトリガを含むマルチステップインプレッションプランを広告主から受信するようにも構成される。各トリガは、複数のデバイスのうちの少なくとも１つに供給される異なる広告に関連付けられる。本システムは、インプレッションプランにしたがって、センサから推論を行ったこと又は第１のトリガを検出したことに応答して、第１の広告を第１のデバイスに供給し、第２の推論又は第２のトリガを検出したことに応答して、第２の広告を第２のデバイスに供給するように構成される、広告供給エンジンも含む。マシン学習から展開される予測モデルを使用して、学習ベースのマルチステップインプレッションプランを展開することができる。

Description

本発明は、マルチステップインプレッションキャンペーンに関する。

一個人が、デスクトップコンピュータ、ノートブックコンピュータ、タブレットコンピュータ、モバイル通信デバイス、対話型テレビ、ゲームシステムなどの複数のコンピューティングデバイスを使用することがある。広告主は、個人のコンピューティングデバイスから広告要求を受信すると、そのコンピューティングデバイスに広告に供給する、広告キャンペーンを設計することがある。広告は、一部の例として例えば、ユーザから受信した検索クエリ、広告が表示されるウェブページ内に含まれるコンテキストのキーワード、又は電子商取引におけるユーザのトランザクション履歴に基づいて、デバイスのユーザをターゲットとする。現在のオンラインの広告技術の１つの欠点は、ユーザに対して同じ広告が何度も１つ又は複数のデバイスにおいて提示されることである。これは、ユーザが広告を無視することにつながり、それにより広告キャンペーンの有効性が低減する。再びユーザの注意を引きつけるために、広告主は、第２の異なる広告をユーザに表示することを望むことがある。しかしながら、現在の広告技術を使用すると、広告主は、第２の広告キャンペーンを実装しなければならず、その結果、第２の広告が全てのユーザに対して表示されることとなる。これにより、多くのユーザは、第１の広告キャンペーンの期間中に第１の広告を供給しているウェブサイトにアクセスしなかった場合、その第１の広告を失うことになる可能性がある。広告が順番に提示される場合、第１の広告を失ったユーザは、後の広告を十分に理解しない可能性がある。その結果、この手法で供給される広告の効果は小さくなることがある。

上記問題に対処するために、マルチステップ広告キャンペーンのためのコンピュータ化された広告システム及び方法を提供する。本システムは、広告キャンペーンエンジンを含む広告サーバを備える。広告キャンペーンエンジンは、ターゲットユーザプロファイルを複数のコンピューティングデバイスに関連付けるように構成される。広告キャンペーンエンジンは、マルチステップ広告プランを広告主から受信するようにも構成され、広告プランは、ターゲットユーザプロファイルに関する複数の異なるトリガを含む。このトリガの各々は、ターゲットユーザプロファイルに関して、複数のデバイスの少なくとも１つに供給される異なる広告に関連付けられる。

本システムは、広告供給エンジンも含むことができる。広告供給エンジンは、ターゲットユーザプロファイルに関連付けられた第１のトリガを検出することに応答して、広告プランにしたがって、第１の広告を、ターゲットユーザプロファイルに関連付けられた第１のデバイスに供給するように構成される。広告供給エンジンは、ターゲットユーザプロファイルに関連付けられた第２のトリガを検出したことに応答して、広告プランにしたがって、第２の広告を、ターゲットユーザプロファイルに関連付けられた第２のデバイスに供給するようにも構成される。

この発明の概要は、以下の発明の詳細な説明においてさらに説明される概念の選択を簡略化した形で紹介するのに提供される。この発明の概要は、特許請求される主題の主要な特徴又は本質的特徴を特定するようには意図されておらず、また特許請求される主題の範囲を限定するのに用いられるようにも意図されていない。さらに、特許請求される主題は、本開示の任意の部分において示されるいずれかの欠点又は全ての欠点を解決する実装に限定されない。

本開示の実施形態にかかるコンピュータ化された広告システムの概略図を示す。 本開示の実施形態にしたがって広告プランを実装するための方法を示すフローチャートの概略図である。 図２のフローチャートの続きを示す図である。 図１のコンピュータ化された広告システムの使用ケースを示す概略図である。 図２におけるマシン学習のデータを集約するステップを遂行するための例示的な方法を示す詳細なフローチャートである。

図１は、コンピュータ化された広告システム１００の概略図を示す。コンピュータ化された広告システム１００は、広告サーバ１０２、広告供給エンジン１０４及び広告キャンペーンエンジン１０６を含む。以下の説明において、広告供給エンジン１０４及び広告キャンペーンエンジン１０６は、広告サーバ１０２上で動作するものとして説明される。サーバ１０２を、所望により、サーバファーム内に一緒に配置するか、複数の異なる位置に分散することができる、１つ又は複数の協調サーバとして実装することができることが認識されよう。

広告サーバ１０２は、複数のコンピューティングデバイス１０３とネットワーク１０８を介して通信することができる。一例において、コンピューティングデバイス１０３は、デスクトップコンピューティングデバイス１１０、ラップトップ若しくはノードブックコンピュータなどのモバイルコンピューティングデバイス１１２、モバイル通信デバイス１１４、又は他の適切なタイプのコンピューティングデバイスの形をとることができる。他の適切なコンピューティングデバイスには、限定ではないが、タブレットコンピュータ、家庭用娯楽コンピュータ、対話型テレビ、ゲームシステム、ナビゲーションシステム、ポータブルメディアプレイヤなどが含まれる。さらに、ネットワーク１０８は、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）、有線ネットワーク、無線ネットワーク、パーソナルエリアネットワーク、又はこれらの組み合わせの形をとることができ、インターネットを含んでもよい。

コンピューティングデバイス１０３の各々は、同じユーザによって所有及び／又は使用されることがある。ユーザは、これらのデバイスを様々な機能に用いて、ネットワーク１０８を介して様々なサービスにアクセスすることができる。そのようなサービスには、限定ではないが、検索サービス、電子メールサービス、電子商取引サービス、ドキュメントサーバサービス、ウェブアプリケーションなどが含まれる。ユーザが、これらのサービスにネットワーク１０８を介してアクセスすると、サービス間ユーザプロファイルが時間とともに生成される。ユーザプロファイルは、例えば、人口学的情報、製品、サービス及びアプリケーションの好み、エンターテイメントの関心、ネットワークユーザＩＤ、デバイス情報、位置情報、位置軌道情報、位置における滞在（dwell）と一時停止（pause）に関する情報などを含むことができる。ユーザプロファイルは、検索アクティビティなどを通じてユーザが関心を表し、又は暗示した製品及びサービスに関連する情報、並びに、ユーザの以前の購入履歴に関連する情報及び／又は統計を含むこともできる。ユーザの以前の購入履歴に関連する情報及び／又は統計は、特定の製品又はサービスに関する以前の広告に対するユーザの応答、例えば、クリックスルーの割合、購入割合、閲覧した割合、サービスに関与するか製品を購入する証拠を提供する位置における一時停止などを含む。ネットワーク１０８にわたる複数のユーザのユーザプロファイルを、ユーザプロファイルデータベース１１６に格納することができる。

広告主は、ターゲットユーザプロファイルを対象とするプランとして、マルチステップ販売促進キャンペーンを実装したいことがある。広告主に関連付けられた販売者クライアント１２０は、ターゲットユーザプロファイルを対象とするマルチステップ広告プラン１１８を、広告キャンペーンエンジン１０６に配信するように構成される広告入力インタフェース１２２を含む。広告キャンペーンエンジン１０６は、ターゲットユーザプロファイルを、同一ユーザによって所有及び／又は使用される複数のコンピューティングデバイスに関連付けるように構成される。一例において、広告キャンペーンエンジン１０６は、ターゲットユーザプロファイルを、それぞれターゲットユーザプロファイルに合致するユーザによって所有及び／又は使用される、デスクトップコンピューティングデバイス１１０（デバイス１）、モバイルコンピューティングデバイス１１２（デバイス２）及びモバイル通信デバイス１１４（デバイス３）に関連付ける。

マルチステップ広告プラン１１８は、ターゲットユーザプロファイルに関する複数の異なるトリガを含む。このトリガの各々は、デスクトップコンピューティングデバイス１１０、モバイルコンピューティングデバイス１１２及び／又はモバイル通信デバイス１１４などの、コンピューティングデバイス１０３のうちの少なくとも１つに供給される異なる広告に関連付けられる。以下でより詳細に説明されるように、トリガは、異なる広告が、調整された方法で同じデバイス又は異なるデバイスに配信されるように、順番に配置される。

広告プラン１１８にしたがって供給される広告を、デスクトップコンピューティングデバイス１１０、モバイルコンピューティングデバイス１１２及び／又はモバイル通信デバイス１１４を含む、異なるコンピューティングデバイス１０３上に、異なるメディアフォーマットで表示することができる。このようなフォーマットには、限定ではないが、オーディオ、ビデオ、イメージ、テキスト及びアニメーションが含まれる。

広告プラン１１８は、１２４に示される広告１などの第１の広告を、デスクトップコンピューティングデバイス１１０（デバイス１）などの第１のコンピュータに配信する第１のステップを含む。広告１は、広告供給エンジン１０４が、デスクトップコンピューティングデバイス１１０から第１の広告要求１２６を受信し、ターゲットユーザプロファイルに関連付けられた１つ又は複数のトリガを検出すると、広告供給エンジン１０４によって配信される。第１の広告要求１２６は、ユーザが、デスクトップコンピューティングデバイスにおいてネットワーク１０８を介して、例えばアプリケーションを起動すること、ウェブサービスにアクセスすること、ウェブページをロードすること、検索クエリを送信することなどのアクティビティに関与するとき、デスクトップコンピューティングデバイス１１０によって送信される。第１の広告要求１２６は、デスクトップコンピューティングデバイス１１０のユーザに関連する情報も含む。そのような情報には、限定ではないが、ネットワークユーザＩＤ、位置情報、デバイスタイプ情報、キーワード情報などが含まれる。

ターゲットユーザプロファイルに関連付けられる１つ又は複数のトリガは、時間及び／又は日付トリガを含むことができる。一例として、広告プラン１１８における第１のステップは、花屋Ａなどのビジネス用のテキスト広告の形式の広告１を、デスクトップコンピューティングデバイス１１０（デバイス１）に配信することを含むことができる。広告供給エンジン１０４が、母の日の３０日以内に第１の広告要求を受信すると、広告プラン１１８における第１のステップの第１のトリガ（トリガ１）が満たされる。時刻若しくは１日のうちの時間ウィンドウ、及びこれらの組み合わせなどを含む、多くの他の時間フレーム及び日付範囲を、時間及び／又は日付トリガとして使用することもできる。別の例において、広告プラン１１８における第１のステップに対する１つ又は複数の追加のトリガに、広告要求１２６が、「花」、「花屋」、「母の日」、「母」又は「贈り物」という検索キーワードを含むことを必要とすることを含めることもできる。

広告プラン１１８における第２のステップは、第２のトリガ（トリガ２）を含み、１２８に示される第２の広告２を、異なるメディアフォーマットでモバイルコンピューティングデバイス１１２（デバイス２）に送信することを含むことができる。例えば、広告２は、花屋Ａによって提供された母の日のブーケを示すビデオの形式とすることができる。第２のトリガは、以下のパラメータが合致しているときに満たされる。すなわち、１）デスクトップコンピューティングデバイス１１０が、広告１の少なくとも３回のインプレッションを表示すること、２）ユーザが、花屋Ａのウェブサイトに訪問していないこと、である。広告供給エンジン１０４が第２の広告要求１３０をモバイルコンピューティングデバイス１１２から受信し、第２のトリガが満たされていることを検出すると、広告供給エンジン１０４は、広告２をモバイルコンピューティングデバイスに供給する。

マルチステップ広告プランの諸ステップにおいて多くの他のトリガの変形を用いることができることが認識されよう。一例において、トリガは、位置認識コンピューティングデバイスの位置に関連する地理的トリガとすることができる。位置認識コンピューティングデバイスは、その位置を、ＧＰＳ、Ｗｉ−Ｆｉ及び／又は携帯電話の基地局の無線信号のうちの１つ又は複数を感知することによって、或いは他の位置感知モダリティを使用することによって決定することができる。１つの使用ケースの例において、位置認識スマートフォンのユーザは、友達を迎えに空港にいる。このユーザは、自身のスマートフォンでブラウザを起動して、エアラインのウェブサイトにナビゲートし、友達のフライトのステータスをチェックすることができる。スマートフォンは、空港でのユーザの現在の位置を含む広告要求を広告供給エンジンに送信する。これに応答して、広告供給エンジンは、空港内にあるコーヒー店の無料飲料のクーポンを含むテキスト広告を、スマートフォンに送信する。

別の例において、トリガは、ユーザに関連する履歴データ、同時性データ（ｃｏｎｔｅｍｐｏｒａｎｅｏｕｓ ｄａｔａ）又は予測データに関連付けられた挙動トリガである。ユーザに関連する履歴データは、限定ではないが、位置認識デバイスによって提供される以前の位置データ及びルートデータ、購入履歴及び習慣、検索履歴、ブラウジング履歴などを含むことができる。例として、フローズンヨーグルト店によって展開される広告キャンペーンにおける挙動トリガは、ターゲットユーザが、最近３ヶ月以内にフローズンヨーグルト店に訪問したことを必要とする。ターゲットユーザは、位置データ及び対応する日付／時間データを含む位置認識デバイスを有し、位置データ及び対応する日付／時間データは、そのデバイスが、米国のいずれかの町のメインストリート１００番地に、以前の８回の金曜日の夜のうち６回、平均で一回３０分の間置かれていたことを示している。フローズンヨーグルト店Ｂは、米国のいずれかの町のメインストリート１００番地にある。したがって、この位置及び日付／時間データを含むユーザのデバイスから広告要求を受信すると、この挙動トリガが検出され、満足していると判断される。

ユーザに関連する同時性データは、限定ではないが、ユーザの１つ又は複数のアクティビティ、或いはコンテキストを示唆するデータを含むことができる。例として、ユーザは、ユーザのモバイルコンピューティングデバイスにおいてメディアプレイヤアプリケーションを起動して、バンド：ブルーグラス１によるアルバムをクラウドベースの音楽サービスからストリーミングし始めることができる。マンドリン製作者によって展開される広告キャンペーンにおける挙動トリガは、ユーザが現在、バンド：ブルーグラス１の音楽が属しているブルーグラスのジャンル内の音楽を聴いていることを必要とする。ユーザのデバイスから、ユーザが現在ブルーグラス１による音楽をストリーミングしているとの情報を含む広告要求を受信すると、この挙動トリガが検出され、満足していると判断される。

ユーザに関連する予測データは、限定ではないが、ユーザの将来のアクティビティ、位置、コンテキストなどを示唆するデータを含むことができる。例として、ユーザは、クラウドベースのカレンダアプリケーションに、自身のスマートフォンを介して、次の金曜日の午後７時のダウンタウンコンサートホールでのブルーグラス１のコンサートの予定を入力することができる。レストランＸによって展開される広告キャンペーンに挙動トリガは、ユーザが、次の２週間の午後５時から９時の間に計画され、かつレストランＸの半径１／２マイル内で起こるアクティビティを有することを必要とする。ダウンタウンコンサートホールは、レストランＸから２ブロック内にある。したがって、今度の予定／コンサートに関する情報を含む広告要求をユーザのデバイスから受信すると、この挙動トリガが検出され、満足していると判断される。予測データは、挙動トリガが検出され、満たされたかどうかを決定するのに審査される、履歴データ及び／又は同時性データを含むか、使用することもできることが認識されよう。

図１への参照を続けると、コンピュータ化された広告システム１００は、オプティマイザ１４０を含むこともできる。オプティマイザ１４０は、マルチステップ広告プラン１１８を、そのプランの有効性の指標に基づいて修正するように構成される。有効性の指標は、マルチステップ広告プラン１１８に含まれる１つ又は複数の目標の達成のレベルに関連することがある。限定ではないが、目標には、ある広告主からユーザが行った購入、広告主の小売ストアへの訪問、広告主からの１つ又は複数の広告のクリックスルー、指定の数の広告インプレッションの閲覧などが含まれる。マルチステップ広告プラン１１８に対して、目標は、広告１ １２４、広告２ １２８に対するユーザの応答に関してユーザから受信された、収集応答情報に関連することがある。例えば、有効性の指標は、ユーザが、ある製品を宣伝している広告１及び広告２をクリックスルーした後に、その宣伝された製品を購入したかどうか、とすることができる。オプティマイザ１４０は、モバイルコンピューティングデバイス１１４からの応答情報１４３など、コンピューティングデバイス１０３の１つ又は複数から収集応答情報を受信することができる。

一例において、マルチステップ広告プラン１１８の有効性の指標が達成されない場合、オプティマイザ１４０は、修正された広告プラン１４２を作成するように構成される。修正された広告プラン１４２を、マルチステップ広告プラン１１８に対する拡張又は修正と考えることができ、或いは同一ユーザを対象とする新たな広告プランと考えることができることが認識されよう。修正された広告プラン１２を作成する際に、オプティマイザは、広告１及び／又は広告２を修正して、１４４に示される広告３を作成することができる。別の例において、広告３は、オプティマイザ１４０によって選択又は作成された新たな広告とすることができる。オプティマイザ１４０は、マルチステップ広告プラン１１８の第１のトリガ（トリガ１）又は第２のトリガ（トリガ２）を修正して、第３のトリガ（トリガ３）を作成するように構成することもできる。別の例において、トリガ３は、修正された広告プラン１４２において用いられる新たなトリガとすることができる。オプティマイザ１４０は、人口学的情報、及びマルチステップ広告プラン１１８の実行中に収集されたデータなどの追加のユーザプロファイル情報を使用して、収集された広告プラン１４２を作成することもできる。そのようなデータには、例えば、マルチステップ広告プラン１１８において供給される、広告１ １２４及び広告２ １２８に対するユーザの応答が含まれる。オプティマイザ１４０は、修正された広告プラン１４２を、広告を受信することとなるコンピューティングデバイス１０３のタイプに少なくとも部分的に基づいて作成することもできる。例えば、特にユーザ及びデバイス１１４が動作するコンテキストにおいて、視覚的広告は、ラップトップコンピューティングデバイス１１２に対して望ましく、一方、モバイル通信デバイス１１４にはオーディオ広告が望ましい。

一例において、修正された広告プラン１４２における第１のステップは、広告１ １２４に花屋Ａからの母の日のブーケの２５％オフのクーポンを加えた、修正されたテキストの形式の広告３ １４４を配信することを含む。デスクトップコンピューティングデバイス１１０、ラップトップコンピューティングデバイス１１２及びモバイル通信デバイス１１４に関連付けられたユーザのターゲットユーザプロファイルを参照することによって、オプティマイザ１４０は、ユーザが、モバイル通信デバイス１１４（デバイス３）を他の２つのコンピューティングデバイスよりもかなり頻繁に使用していると決定することができる。オプティマイザ１４０は次いで、モバイル通信デバイス１１４から第３の広告要求１４６を受信し、かつ第３のトリガ（トリガ３）が満たされていることを検出すると、広告供給エンジン１０４に広告３をモバイル通信デバイス１１４に送信させるように、修正された広告プラン１４２を設計することができる。

修正された広告プラン１４２における第２のステップは、第４のトリガ（トリガ４）を含むことができ、１４８に示される広告４を、モバイル通信デバイス１１４（デバイス３）に送信することを含むことができる。広告４は、広告１、広告２及び広告３について上述したのと同様の手法で供給されることができることが理解されよう。一例において、広告４は、広告３から修正されたテキストの形式とすることができ、ファンタスティックフラワーによって提供された母の日のブーケの５０％オフを提供する、改定されたクーポンを含むことができる。第４のトリガ（トリガ４）は、以下のパラメータに合致するときに満たされる。すなわち、１）モバイル通信デバイス１１４が、広告３の少なくとも３回のインプレッションを表示していることと、２）ユーザが、広告３に含まれるクーポンを使用していないことである。

コンピュータ化された広告システム１００は、アグリゲータ１５０を含むこともできる。アグリゲータ１５０は、プランの最適化に使用することができる予測モデルを構築することを目的とする、データ中心の統計分析において使用するためのデータを集約するように構成される。マシン学習手順には、限定ではないが、ベイズ情報基準（又は近似）などの指標を使用してスコアリングされるモデル空間におけるベイズ構造検索、サポートベクトルマシン、ガウスプロセス、並びに１つ又は複数の特徴選択方法と組み合わされる論理回帰モデルを含む様々な形式の回帰を含み、これらのマシン学習手順を用いて、異なる集団に対して、異なる種類の次のシングルアクションの有効性、及びより長い一連のアクションの有効性のモデルを構築することができる。このようなモデルを、推論される不確実性の下で個人及び集団に対する異なる順序のコスト及び利益に重み付けをし、集約されたデータに基づくマルチステップ広告プラン１５２の最適化を目的とする、より大きな決定分析において使用することができる。

マシン学習では、様々な種類のインプレッションプランの測定された成功及び失敗など、異なる結果の例を用いて、成功及び失敗の可能性、又はインプレッションプランを設計するのに有用な他の結果の可能性を予測することができる、分類子を構築することができる。学習ベースのマルチステップ広告プラン１５２の展開において、アグリゲータ１５０は、経時的な複数の広告プランの測定された性能を示す集約データを含む、集約広告プランデータベース１５４にアクセスすることができる。このような集約データは、広告キャンペーンエンジン１０６によって実装された広告プラン及び／又は他の広告プランからのデータを含むことができる。

さらに、アクティブ感知及び学習方法を用いて、それぞれ、自動的に、制限されたリソース及び／又はプライバシーの考慮の下、感知及びデータ収集を割り当て及び誘導することができる。アクティブ感知では、情報の期待値は、学習予測モデルによって作成される推論、及び既に観測された証拠に基づいて計算される。この情報の期待値を使用して、超高感度（ｅｘｔｒａ−ｓｅｎｓｉｎｇ）或いはユーザの集団（ｕｓｅｒ ｐｏｐｕｌａｔｉｏｎ）の１又は複数のユーザの明白は関与（ｅｎｇａｇｅｍｅｎｔ）を介して、未観測の情報の値を学習しようとする値を計算する。アクティブ学習では、予測モデルの拡張に関する情報の期待値を使用して、予測モデルの性能を強化することを約束する集団のうちの１又は複数の人々の感知又は明白な関与を介して新たなデータの収集を誘導する。リアルタイムのアクティブ感知ポリシーと、長期的なアクティブ学習ポリシーとの双方を使用して、インプレッションプランを強化することができる。

一例において、広告キャンペーンエンジン１０６は、花屋Ａから、ターゲットユーザプロファイルと、母の日のブーケを宣伝する、１５８で示される広告５と１６０で示される広告６とを含む広告プランを受信する。集約広告プランデータベース１５４からの集約データを使用して、アグリゲータ１５０は、広告５ １５８と広告６ １６０とをモバイル通信デバイス１１４に配信する、ターゲットユーザプロファイルに関するマシン学習ベースのマルチステップ広告プラン１５２を展開することができる。学習ベースのマルチステップ広告プラン１５２は、協調的な手法で広告５及び広告６を順番に配信するように配置されるトリガ５及びトリガ６を含むことができる。

図１の参照を続けると、上述のコンピュータ化された広告システム１００は、ターゲットユーザプロファイルに関連付けられた単一のコンピューティングデバイスを対象とするマルチステップ広告プランを実装するように構成されることもある。一例において、マルチステップ広告プラン１１８は、広告供給エンジン１０４に、広告１ １２４と広告２ １２８との双方をデスクトップコンピューティングデバイス１１０（デバイス１）に供給させるように設計される。上述の機能性を使用して、オプティマイザ１４０は、単一のコンピューティングデバイスを対象とするマルチステップ広告プラン１１８を、プランの有効性の指標に基づいて修正するように構成される。一例において、オプティマイザ１４０は、デスクトップコンピューティングデバイス１１０に供給される広告１及び／又は広告２を修正することができる。別の例において、オプティマイザ１４０は、第１のトリガ１及び／又は第２のトリガ２を修正して、第３のトリガ３及び第４のトリガ４を作成することができる。さらに別の例において、オプティマイザ１４０は、第３のトリガ３を検出したことに応答して、広告供給エンジン１０４に、広告３をデスクトップコンピューティングデバイス１１０に対して供給させることができる。オプティマイザ１４０は、第４のトリガを検出したことに応答して、広告供給エンジン１０４に、広告４をデスクトップコンピューティングデバイス１１０に対して供給させることもできる。

図２は、本開示の一実施形態にしたがって広告プランを実装する方法２００を図示している。方法２００の以下の説明は、上述し、図１に示されたコンピュータ化された広告システム１００のソフトウェア及びハードウェアコンポーネントを参照しながら提供される。方法２００は、他の適切なハードウェア及びソフトウェアコンポーネントを使用する他のコンテキストにおいて実行することもできることが認識されよう。

２０２において、方法は、ターゲットユーザプロファイルを、デスクトップコンピューティングデバイス１１０、モバイルコンピューティングデバイス１１２及び／又はモバイル通信デバイス１１４などの複数のコンピューティングデバイスに関連付けることを含む。２０４において、方法は、ターゲットユーザプロファイルに関するマルチステップ広告プラン１１８を受信することを含む。マルチステップ広告プラン１１８は、ターゲットユーザプロファイルに関して、順番に配置される複数の異なるトリガを含む。トリガの各々は、デスクトップコンピューティングデバイス１１０、モバイルコンピューティングデバイス１１２及び／又はモバイル通信デバイス１１４に供給すべき異なる広告に関連付けられる。

一例において、上記トリガの少なくとも１つは、上述の地理的トリガとすることができる。別の例において、上記トリガの少なくとも１つは、上述の時間及び／又は日付トリガとすることができる。さらに別の例において、上記トリガの少なくとも１つは、上述の履歴データ、同時性データ及び／又は予測データを含む、挙動トリガとすることができる。

２０６において、方法は、オプションで、他の広告プランから収集された、マシン学習のデータを集約するステップを含むことができる。２０８において、方法は、次いで、学習ベースのマルチステップ広告プランを、集約されたデータに基づいて展開することを含むことができる。方法は、次いで２１０に進み、広告の要求を広告主から受信する。上記したように、この要求は、コンピューティングデバイス１１０、モバイルコンピューティングデバイス１１２及び／又はモバイル通信デバイス１１４のうちの少なくとも１つの位置を含むこともできる。

別の例において、ターゲットユーザプロファイルに関するマルチステップ広告プラン１１８を２０４において受信した後、方法は、直接２１０に進み、広告の要求を受信することができる。次に、２１２において、方法は、トリガ１など、ターゲットユーザプロファイルに関連付けられた第１のトリガを検出することを含む。２１４において、方法は、広告プランにしたがって、広告１などの第１の広告を、デスクトップコンピューティングデバイス１１０など、ターゲットユーザプロファイルに関連付けられた第１のデバイスに供給することを含む。

次に図３を参照する。図３は、図２のフローチャートの続きである。２１６において、方法は、トリガ２など、ターゲットユーザプロファイルに関連付けられる第２のトリガを検出することを含む。２１８において、方法は、広告プランにしたがって、広告２ １２８などの第２の広告を、モバイルコンピューティングデバイス１１２など、ターゲットユーザプロファイルに関連付けられた第２のデバイスに供給することを含む。

２２０において、方法はオプションで、マルチステップ広告プラン１１８を、該プランの有効性の指標に基づいて修正することを含むことができる。上述のように、マルチステップ広告プラン１１８を修正することにより、修正された広告プラン１４２を作成することができる。２２２において、方法は、トリガ３など、ターゲットユーザプロファイルに関連付けられた第３のトリガを検出することを含む。２２４において、方法は、広告３などの第３の広告を、モバイル通信デバイス１１４など、ターゲットユーザプロファイルに関連付けられた第３のコンピューティングデバイスに供給することを含む。

方法２００に関して説明した機能及び処理は、コンピュータ化された広告システムに関して上述したように遂行され得ることが認識されよう。

次に図４を参照して、コンピュータ化された広告１００の例示的な使用ケースのシナリオを説明する。この使用ケースにおいて、第１のカップコーヒーの店４０２が、家４０４に住む潜在的な顧客のジャックを対象とするマルチステップ広告キャンペーンを、コンピュータ化された広告システム１００に提供する。複数のコンピューティングデバイスを介したジャックのネットワークリソースの使用を通じて、ジャックは、平日の朝はほぼ一貫して午前７時から午前７時４５分の間に同じルート４０６で銀行ビル４０８に対応する位置に赴くと決定される。また、ジャックは普段、このルート４０６沿いで、４１０で示されるコーヒー店Ａの住所に対応する位置で止まると決定される。この情報を、例えば、ＧＰＳ追跡機能を含み、及びジャックがネットワークへのこの情報の共有をオプトインした、ジャックのスマートフォンから収集することができる。

４０２に示されるコーヒー店Ｂは、ジャックが、朝の通勤を変えて、銀行ビル４０８への異なるルート４１２をとることを望む可能性がある。ルート４１２では、ジャックはそのままコーヒー店Ａを過ぎることになるが、ルート４０６よりも１／２マイル長くかかる。コーヒー店Ｂの広告キャンペーンは、マルチステップ広告キャンペーンにしたがって、第１の広告４１４をジャックの家４０４にあるジャックのデスクトップコンピュータに送信するようにプログラムされる。第１の広告は、テキストとともに、コーヒー店４０２の位置をハイライトした地図を含む。

デスクトップコンピュータが、第１の広告の少なくとも５インプレッションを表示し、ジャックがコーヒー店Ｂに訪問していないと提示すると、広告キャンペーンは、第２の広告４１６を、地理的な位置決めツールを通じてジャックが通常銀行ビル４０８内で使用していると判断された、ジャックのノートブックコンピュータに送信することができる。第２の広告４１６は、コーヒー店Ｂの飲み物の１．００ドル割引のクーポンを含むテキストである。さらに、第２の広告は、ルート４１２に沿ってジャックの家４０４からコーヒー店Ｂを過ぎて大銀行のビル４０８に向かう、運転方向（ｄｒｉｖｉｎｇ ｄｉｒｅｃｔｉｏｎ）を提供するようにカスタマイズすることができる。

ジャックのノートブックコンピュータが、第２の広告４１６の少なくとも３インプレッションを表示し、ジャックが１．００ドル割引のクーポンを引き換えていないことを提示すると、広告キャンペーンは、第３の広告４１８を、ジャックが大銀行のビル４０８に向かう通勤でいつも車４２０の中で持っている、ジャックのスマートフォンに送信することができる。第３の広告は、コーヒー店Ｂのコマーシャルソングを再生する音声とともに、コーヒー店Ｂ４０２の飲み物無料のクーポンを含むテキスト広告である。さらに、第３の広告４１８は、平日の午前７時から午前７時４５分の間、そのスマートフォンが信号４２２の位置で３秒以上動かないときに（これは、ジャックの車４２０が信号４２２で停止していることを示唆する）、スマートフォンに配信されるように設計されることができる。第３の広告４１８はさらに、信号４２２からルート４１２に沿ってコーヒー店Ｂを過ぎて銀行ビル４０８に向かう運転方向を提供するようにカスタマイズされる。この手法において、ジャックには、コーヒー店Ｂに道筋を切り替えるのにちょうど良い時である、との動機が与えられる。

図５に移ると、図２のステップ２０６に関して上述したような、他の広告プランから収集されるマシン学習のデータを集約するための一例示的な方法が示されている。５０２において、方法は、ユーザの集団にわたるマルチステップ広告プランの実装から、データを集約することを含む。５０４において、方法は、マシン学習手順を適用することを含む。上記で検討したように、５０４において適用されるマシン学習手順は、これらに限定されないが、ベイズ情報基準（又は近似）などの指標を使用してスコアリングされるモデル空間にわたるベイズ構造検索、サポートベクトルマシン、ガウスプロセス、並びに１つ又は複数の特徴選択方法と結合される論理回帰モデルを含む様々な回帰形式などを含むことができる。５０４におけるマシン学習手順には、５０６に示されるように、集約されたデータに対して静的な分析を実行することと、５０８に示されるように、マルチステップ広告プランの予測モデルを構築することとを含めることができる。予測モデルは、観測情報（ｏｂｓｅｒｖｅｄ ｉｎｆｏｒｍａｔｉｏｎ）及び推論情報（ｉｎｆｅｒｒｅｄ ｉｎｆｏｒｍａｔｉｏｎ）の現在の状態に基づく、１つ又は複数の将来のアクションの成功の推定確率を含むことができる。

マシン学習手順を適用することはさらに、５１０に示されるように、アクティブ学習ポリシーを実装することを含むことができる。このアクティブ学習ポリシーによって、新たなタイプの情報の期待値を使用して、追加のデバイスリソース、並びに／或いはユーザ集団のうちの１又は複数のユーザの明白な関与を用いることにより新たなタイプのデータの収集を含むように予測モデルを修正することができる。５１２において、マシン学習手順は、上述のように、予測モデルを、モバイル通信デバイスのアクティブ感知モジュールから受信した出力に基づいて修正することを含むことができる。

ステップ５０２〜５１２は、予測モデルのトレーニング段階であり、上述の広告サーバ１０２のアグリゲータなど、典型的にはサーバにおいて実行されるプログラムによって実装されることが認識されよう。以下のステップ５１４〜５２４は、方法のランタイム段階であり、このランタイム段階では、マシン学習手順により出力される予測モデルが、モバイルコンピューティングデバイスにおいて実行される。

５１４において、方法は、上述のモバイル通信デバイスなどのモバイル通信デバイスにおいて、予測モデルのランタイムアプリケーションを実装することを含む。５１６において、方法は、デバイスリソースの第１のセットを使用して、観測情報を収集することを含む。本明細書において「観測情報」は、ＧＰＳ、プロセッサ、メモリ、アプリケーション、プライバシー制約を受けるユーザデータ又は他の格納されたデータ若しくはモバイル通信デバイス上のセンタから感知されたデータなど、デバイスリソースから検出される情報を包含することが認識されよう。したがって、観測データの一例は、モバイル通信デバイス上のＧＰＳ部によって検出されたＧＰＳ位置である。

５１８において、方法は、予測モデルを、観測情報及び推論情報の現在の状態に基づいて適用し、モデルに対する観測及び推論によって認識される現在の情報の期待値を計算する。本明細書において、「推論情報」は、予測モデル及び観測情報に基づいて推論される情報を包含するように意図される。

予測モデルは、広告プランの展開の通知を助ける追加の情報を発見するのに、追加のデバイスリソースを充てるべきかどうかに関する決定を積極的に行うように構成された、アクティブ感知コンポーネントを含むことが理解されよう。５２０に示されるように、方法は、ランタイムにおいて実装される予測モデルのアクティブ感知コンポーネントを介して、追加のデバイスリソース或いはユーザ集団の１又は複数の明示的な関与の利用を介して、未観測の推論情報（ｕｎｏｂｓｅｒｖｅｄ ｉｎｆｅｒｒｅｄ ｉｎｆｏｒｍａｔｉｏｎ）の値を学習しようとする値（ｖａｌｕｅ ｏｆ ｓｅｅｋｉｎｇ ｔｏ ｌｅａｒｎ）を計算することを含む。「関与（ｅｎｇａｇｅｍｅｎｔ）」は、プライバシーの規制を受けるか、広告プランが実装された製品を購入するなどの特定のアクションにユーザが関与するかどうかをユーザに尋ねることとなる、モバイル通信デバイスの現在のＧＰＳ座標などのデータの使用を認証するためのユーザの明示的なクエリを意味することが理解されよう。

５２２において、学習しようとする値が、所定の閾値、又はプログラムにより決定された閾値を超える場合、次いで方法は、追加のデバイスリソースを使用して、モバイル通信デバイス上のデータを観測するか、ユーザ集団の１又は複数に関与することを含む。５２４において、ステップ５１６及び５２２からの観測情報は、適用可能であれば、サーバ１０２のデータアグリゲータに出力され、ステップ５１２において上述したようにアクティブ感知出力に基づいて予測モデルを修正するのに使用される。

この手法において、集約されたデータに基づいてマシン学習から展開された予測モデルを、上述のステップ２０８における、改善された有効性を有する学習ベースのマルチステップ広告プランを展開するのに使用することができる。

上述のシステム及び方法を用いて、広告を、ユーザに関連付けられた複数のコンピューティングデバイスに配信するマルチステップ広告キャンペーンを設計及び／又は実装することができることが理解されよう。上述のシステム及び方法を利用して、広告キャンペーンを、そのキャンペーンの有効性のリアルタイムの指標に基づいて修正することもできる。

本明細書で説明された構成及び／又はアプローチは性質上例示であり、様々な変形形態も可能であるので、これらの特定の実施形態又は実施例は、限定的な意味に解釈されるべきではないことを理解されたい。本明細書で説明される特定のルーチン及び方法は、任意の数の処理方針の１つ又は複数を表してもよい。したがって、図示される様々な動作は、図示される順序で実行してもよく、他の順序で実行しても、並列に実行しても、又は一部の場合には省略してもよい。システム及び方法を、複数の広告が配信されるマルチステップ広告プランを参照して説明したが、これらのシステム及び方法を使用してクーポンキャンペーンや情報キャンペーンなどの販売促進キャンペーンを実装してもよいことが認識されよう。本明細書で使用されるとき、「広告」という用語は、広く、これらの様々な広告のタイプを包含するように意図される。さらに、インプレッションプラン及び広告プランという用語は、本明細書において交換可能に使用されることが理解されよう。

本開示の主題は、様々なプロセス、システム及び構成の全ての新規かつ非容易な組み合わせ及び副次的な組み合わせ、並びに本明細書に開示された他の特徴、機能、動作、及び／又はプロパティ、並びにそのいずれか及び全ての均等物を含む。

Claims (10)

1. ターゲットユーザプロファイルを複数のコンピューティングデバイスに関連付けるように構成され、及び広告主からマルチステップ広告プランを受信するように構成された、広告キャンペーンエンジンを含む広告サーバであって、前記広告プランが前記ターゲットユーザプロファイルに関する複数の異なるトリガを含み、前記ターゲットユーザプロファイルに関して前記複数のコンピューティングデバイスのうちの少なくとも１つに供給される異なる広告に各トリガが関連付けられる、広告サーバと；
   前記ターゲットプロファイルに関連付けられる第１のトリガを検出したことに応答して、前記広告プランにしたがって、第１の広告を、前記ターゲットユーザプロファイルに関連付けられる第１のデバイスに供給し、
   前記ターゲットプロファイルに関連付けられる第２のトリガを検出したことに応答して、前記広告プランにしたがって、第２の広告を、前記ターゲットユーザプロファイルに関連付けられる第２のデバイスに供給する
   ように構成された広告供給エンジンと；
   を備えた、コンピュータ化された広告システム。
2. 前記複数の異なるトリガは、順番に配置される、請求項１に記載のコンピュータ化された広告システム。
3. 前記複数の異なるトリガのうちの少なくとも１つは、地理的トリガであり、前記第１のデバイスと前記第２のデバイスとのうちの少なくとも１つは、位置認識であり、広告を要求するときに、デバイスの位置を前記広告サーバに送信するように構成される、請求項１に記載のコンピュータ化された広告システム。
4. 前記複数の異なるトリガのうちの少なくとも１つは、時間及び／又は日付トリガである、請求項１に記載のコンピュータ化された広告システム。
5. 前記複数の異なるトリガのうちの少なくとも１つは、挙動トリガである、請求項１に記載のコンピュータ化された広告システム。
6. 前記挙動トリガは、履歴データ、同時性データ及び予測データからなるグループから選択されるデータを含む、請求項５に記載のコンピュータ化された広告システム。
7. 広告プランを実装するための方法であって、
   ターゲットユーザプロファイルを複数のコンピューティングデバイスに関連付けるステップと、
   順番に配置された前記ターゲットユーザプロファイルに関する複数の異なるトリガを含むマルチステップ広告プランを、広告主から受信するステップであって、前記ターゲットユーザプロファイルに関して前記複数のコンピューティングデバイスのうちの少なくとも１つの供給される異なる広告に前記複数の異なるトリガの各々が関連付けられる、ステップと、
   前記ターゲットユーザプロファイルに関連付けられる第１のトリガを検出するステップと、
   前記広告プランにしたがって、第１の広告を、前記ターゲットプロファイルに関連付けられる第１のデバイスに供給するステップと、
   前記ターゲットユーザプロファイルに関連付けられる第２のトリガを検出するステップと、
   前記広告プランにしたがって、第２の広告を、前記ターゲットプロファイルに関連付けられる第２のデバイスに供給するステップと
   を含む、方法。
8. 前記マルチステップ広告プランを、前記マルチステップ広告プランの有効性の指標に基づいて修正するステップと、
   他の広告プランから収集されたマシン学習を集約するステップと、
   学習ベースのマルチステップ広告プランを前記マシン学習に基づいて展開するステップと
   をさらに含む、請求項７に記載の方法。
9. 前記マシン学習を集約するステップは、
   ユーザの集団にわたるマルチステップ広告プランの実装からデータを集約するステップと、
   前記集約されたデータに対して静的な分析を実行することと、
   マルチステップ広告プランの予測モデルを構築することであって、観測情報及び推論情報の現在の状態に基づく１つ又は複数の将来のアクションの成功の予想確率を含む、予測モデルを構築することと
   を含む、マシン学習手順を適用するステップと
   のうちの少なくとも一部によって遂行される、請求項８に記載の方法。
10. マシン学習手順を適用することはさらに、
    アクティブ学習ポリシーを実装することを含み、当該アクティブ学習ポリシーによって、新しいタイプの情報の期待値を、追加のデバイスリソースを利用及び／又は前記ユーザの集団のうちの１又は複数のユーザの明示的な関与を利用することによって、前記新しいタイプのデータの収集を含むように予測モデルを修正するのに使用し、
    前記予測モデルは、ランタイムにおいて、未観測の推論情報の値を学習しようとする値を、追加のデバイスリソースの利用、或いは前記ユーザの集団のうちの１又は複数のユーザの明示的な関与の利用を介して計算し、前記学習しようとする値が、所定の閾値又はプログラムにより決定される閾値を超える場合、前記追加のデバイスリソースを利用してモバイル通信デバイス上のデータを観測するか、前記ユーザの集団の１又は複数のユーザと関与するように構成される、アクティブ感知コンポーネントを含み、
    前記方法は、前記予測モデルを、前記モバイル通信デバイスのアクティブ感知モジュールから受信した出力に基づいて修正することをさらに含む、請求項９に記載の方法。
    
    
    

Images