專利名稱：評估用戶與廣告交互的偏好的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及web，尤其涉及web上的廣告交互。
背景技術(shù)：
廣告是主持網(wǎng)站平臺的公司的主要收入來源。如此，在每當(dāng)用戶點擊廣告時向公司進(jìn)行支付的方案下，公司知道哪些廣告對于獲得用戶點擊是最有效的是有好處的。然而， 廣告被點擊的次數(shù)受向其展示廣告的用戶的偏好所影響。如此，高或低點擊率可能更歸因于特定用戶偏好，而非廣告的總體全局有效性。

發(fā)明內(nèi)容
提供本發(fā)明內(nèi)容是為了以精簡的形式介紹將在以下詳細(xì)描述中進(jìn)一步描述的一些概念。本發(fā)明內(nèi)容不旨在標(biāo)識所要求保護(hù)的主題的關(guān)鍵特征或必要特征，也不旨在用于幫助確定所要求保護(hù)的主題的范圍。本發(fā)明的各實施例提供用于分析用戶與廣告的交互的方法。具體而言，提供了用于評估特定用戶對于與廣告的交互的偏好的方法。廣告是web平臺的主機(jī)的主要收入來源。許多廣告定價方案基于按點擊付費模型，其中，每當(dāng)用戶選定或點擊呈現(xiàn)的廣告時，廣告商就向廣告平臺主機(jī)支付商定的價格。 在用戶選定或點擊呈現(xiàn)的廣告之后，向用戶呈現(xiàn)與廣告相關(guān)聯(lián)的網(wǎng)頁。廣告定價方案也可以基于按轉(zhuǎn)換付費模型，其中，每當(dāng)用戶啟動與和廣告相關(guān)聯(lián)的網(wǎng)站的交易時，廣告商就向廣告平臺主機(jī)支付商定的價格。如此，提供可能被向其呈現(xiàn)廣告的用戶選擇的廣告符合廣告平臺主機(jī)的最大利益。為此，廣告平臺主機(jī)一般基于當(dāng)與被示出了的廣告的印象數(shù)量進(jìn)行比較時廣告被點擊的次數(shù)，來測量廣告的有效性。印象是用來指出當(dāng)廣告已經(jīng)向用戶呈現(xiàn)的術(shù)語。然后， 跟蹤每一個印象，以判斷廣告是否被點擊，如果被點擊，則是否有轉(zhuǎn)換。轉(zhuǎn)換是指所希望的與和廣告相關(guān)聯(lián)的網(wǎng)頁的交易。轉(zhuǎn)換可以表示購買商品，向網(wǎng)站進(jìn)行注冊，簽約銀行帳戶， 啟動視頻的播放，或用戶與網(wǎng)站的其他交互?？闪磉x地，轉(zhuǎn)換可以缺少交互，如當(dāng)與廣告相關(guān)聯(lián)的網(wǎng)站向用戶呈現(xiàn)一個寫著“如果您要離開此站點，請點擊此按鈕”的屏幕時。對于一個新廣告，在能夠為一個廣告計算準(zhǔn)確的p-click之前，一般要獲取成千上萬的印象。例如，當(dāng)不考慮用戶的參與度偏好時，在為一個廣告確定準(zhǔn)確的P-click之前，它可能要獲取該廣告的70，000個印象。換言之，如果評估了一個無效的廣告，在判斷該廣告無效之前，它可能需要70，000個印象。然而，在為無效廣告確定p-click的該試驗期，可以替換已經(jīng)被證明是有效的其他廣告。通過提高P-click計算的有效性，確定準(zhǔn)確的 p-click所需的印象次數(shù)可以顯著降低。例如，如果更準(zhǔn)確的p-click計算使印象的閾值數(shù)量從70，000降到7，000，那么，可以更頻繁地向用戶呈現(xiàn)在獲得用戶點擊、轉(zhuǎn)換或兩者方面被證明有效的廣告。如上文所討論的，不考慮向其呈現(xiàn)了廣告的特定用戶的參與度偏好的測量廣告的有效性的方法效率低。具體而言，這樣的方法冒著數(shù)據(jù)不是被廣告的實際有效性歪曲而是被用戶特定的偏好歪曲的危險。本發(fā)明的各方面討論了用戶參與度偏好對與廣告相關(guān)聯(lián)的有效性度量的準(zhǔn)確性的影響。具體而言，本發(fā)明的各方面討論了用戶參與度偏好對基于點擊的、基于轉(zhuǎn)換的或者基于兩者的組合的廣告有效性度量的影響。讓廣告商的廣告被最有可能由于查看了廣告而參與交易的用戶選定也是廣告商的最大利益所在。因此，廣告商一般指定它希望向其呈現(xiàn)廣告的最終用戶的人口分布。例如，女用鞋的廣告商可能要求其廣告向年齡在18-50之間的婦女呈現(xiàn)。然而，除人口統(tǒng)計影響以外，廣告商還可能希望基于與廣告交互的用戶偏好來定向廣告。例如，廣告商可能希望將廣告定向到對于與網(wǎng)頁(特別是與廣告相關(guān)聯(lián)的網(wǎng)頁)交互具有強(qiáng)烈偏好的消費者。如此，本發(fā)明的額外的方面涉及評估特定用戶對于與廣告交互的偏好。在另一示例中，目標(biāo)人口統(tǒng)計學(xué)譜內(nèi)的一些用戶，如年齡在18-50之間的婦女，如上文所討論的，可能具有對于進(jìn)行在線購物的強(qiáng)烈偏好。雖然對于進(jìn)行在線購物具有偏好的年齡在18-50之間的一些婦女可能喜愛買鞋，但是，在線鞋廣告商可能希望將其營銷資源投入于已經(jīng)進(jìn)行了至少一次在線購買的婦女。如此，本發(fā)明的更進(jìn)一步的方面涉及基于用戶對于與廣告交互的偏好來向用戶定向廣告。


下面將參考附圖詳細(xì)描述本發(fā)明的說明性實施例，在附圖中圖1是示出了適用于本發(fā)明的各實施例的示例性計算設(shè)備的框圖；圖2是示出了根據(jù)本發(fā)明的一實施例的低參與度用戶的示例性活動的示意圖；圖3是示出了根據(jù)本發(fā)明的一實施例的中等參與度用戶的示例性活動的示意圖；圖4是示出了根據(jù)本發(fā)明的一實施例的高參與度用戶的示例性活動的示意圖；圖5是示出了根據(jù)本發(fā)明的一實施例的示例性廣告交互數(shù)據(jù)的示意圖；圖6是示出了根據(jù)本發(fā)明的一實施例的示例性用戶參與度數(shù)據(jù)的示意圖；圖7是示出了根據(jù)本發(fā)明的一實施例的示例性用戶參與度水平的示意圖；圖8是示出了根據(jù)本發(fā)明的一實施例的基于用戶與多個廣告的交互來向用戶分配商業(yè)價值的方法的流程圖；圖9是示出了根據(jù)本發(fā)明的一實施例的基于用戶與廣告的交互來向用戶提供廣告的方法的流程圖；圖10是示出了根據(jù)本發(fā)明的一實施例的廣告投放拍賣的流程圖；以及圖11是示出了根據(jù)本發(fā)明的一實施例的基于用戶參與度水平來改善廣告的評估的有效性的準(zhǔn)確性的方法的流程圖。
具體實施例方式此處用具體細(xì)節(jié)描述本發(fā)明的各實施例的主題以滿足法定要求。雖然此處可以使用術(shù)語“步驟”、“框”和/或“模塊”等等來指示所使用的方法或系統(tǒng)的不同組件，但是除非而且僅當(dāng)明確描述了各個步驟的順序時，這些術(shù)語不應(yīng)該被解釋為意味著此處所公開的各步驟之間的任何特定順序。本發(fā)明的各實施例涉及用于分析用戶與廣告的交互的系統(tǒng)、方法以及計算機(jī)存儲介質(zhì)。具體而言，提供了評估特定用戶對于與廣告的交互的偏好的方法。根據(jù)本發(fā)明的各實施例，基于與已經(jīng)呈現(xiàn)給特定用戶的多個廣告相關(guān)聯(lián)的廣告交互數(shù)據(jù)，評估特定用戶對于與廣告的交互的偏好。廣告交互數(shù)據(jù)包括有關(guān)用戶如何與進(jìn)行廣告交互的信息，并一般用來評估廣告的有效性。例如，廣告平臺主機(jī)可以向多個用戶呈現(xiàn)二十個不同的廣告。為了討論，廣告可以表示為Adl-Ad20?？梢曰谏婕皬V告Adl-Ad20的廣告交互數(shù)據(jù)，評估每一個廣告Adl_Ad20 的有效性。具體而言，廣告交互數(shù)據(jù)可包括和點擊呈現(xiàn)給用戶的廣告的用戶的數(shù)量有關(guān)的信息。聚焦于用戶將點擊廣告的概率的此有效性度量被稱為“p-click”。具體而言，p-click 有效性度量表示點擊了廣告的用戶的數(shù)量與被展示該廣告的用戶的數(shù)量的比率。如上文所討論的，向用戶展示廣告的每一次都被稱為“印象”。例如，Ad5和Ad6都可以呈現(xiàn)給10，000 個用戶。如果有100個用戶點擊Ad5，則Ad5將具有的p-click。此外，如果有10個用戶點擊了 Ad6，則Ad6將具有0. 的p-click。如此，基于來自基本p-click有效性度量的結(jié)果，Ad5在參與的用戶點擊廣告時看起來比Ad6更有效。然而，使用只基于對廣告交互數(shù)據(jù)的第一遍評估的p-click有效性度量來評估廣告不能考慮特定用戶對于與廣告交互的偏好。例如，如果被展示了 Ad5的10，000個用戶的受眾中的每一個用戶都具有對廣告的平均點擊偏好5%，那么，p-click有效性度量似乎指出Ad5沒其他廣告受歡迎。此外，如果被展示了 Ad6的10，000個用戶的受眾中的每一個用戶都具有點擊0.01%廣告的平均偏好，那么，0. p-click有效性度量似乎指出Ad6 至少與其他廣告一樣受歡迎。如此，Ad6的p-click有效性度量因為被顯示給不成比例的數(shù)量的低參與度用戶而被降低，而Ad5的p-click有效性度量由于被展示Ad5的不成比例數(shù)量的高參與度用戶而虛高。如此，看出了 P-click有效性度量如何未能考慮向其展示廣告的用戶的用戶參與度偏好。因此，可以通過分析特定用戶對于與廣告交互的偏好對p-click有效性度量的計算的影響，改進(jìn)對廣告的有效性的評估。對于此分析，可以基于廣告交互數(shù)據(jù)，評估特定用戶對于與廣告的交互的偏好。如此處所使用的，廣告交互數(shù)據(jù)包括涉及用戶與廣告的交互的信息。例如，廣告交互數(shù)據(jù)可包括被展示多個廣告中的至少一個的用戶的用戶標(biāo)識符。廣告交互數(shù)據(jù)還可以包括每一個用戶與向他展示的至少一個廣告進(jìn)行交互的程度。廣告交互數(shù)據(jù)也可以包括關(guān)于向每一個用戶展示多個廣告中的至少一個廣告所處的條件的上下文信息。例如，廣告交互數(shù)據(jù)可包括向用戶呈現(xiàn)至少一個廣告的時刻，向用戶呈現(xiàn)的至少一個廣告的行業(yè)等等。通過使用此信息，可以基于向其展示多個廣告中的至少一個的多個用戶的用戶標(biāo)識符，排序廣告交互數(shù)據(jù)。然后，可以使用已排序的信息來確定特定用戶對于與廣告的交互的偏好。特定用戶與廣告進(jìn)行交互的程度可以被稱為特定用戶與廣告交互的程度。如此處所使用的，用戶參與度偏好包括用戶點擊廣告的傾向、用戶完全忽略廣告的傾向、用戶參與利用與廣告相關(guān)聯(lián)的網(wǎng)站的交易的傾向或者其任何組合。在各實施例中，用戶可能被影響， 以在線購買商品和/或服務(wù)，或者可能受在線廣告的影響，離線購買商品和/或服務(wù)。為了討論本發(fā)明的各實施例，將用戶分類為“低參與度”用戶，“中等參與度”用戶， 以及“高參與度”用戶。具體而言，一般對廣告消極的用戶被稱為“低參與度”用戶。一般點擊廣告，但是一般不參與利用與廣告相關(guān)聯(lián)的網(wǎng)頁的交易的用戶被稱為“中等參與度”用戶。此外，點擊了廣告并導(dǎo)致了利用與廣告相關(guān)聯(lián)的網(wǎng)頁的大量交易的用戶被稱為“高參與度”用戶。在各實施例中，用戶的參與度水平可以基于行業(yè)、時刻或以前的交易歷史。例如， 一個用戶可以對于汽車行業(yè)的廣告被分類為高參與度用戶，但是對于電子行業(yè)的廣告被分類為低參與度用戶。此外，可以在特定行業(yè)默認(rèn)地將用戶分類為低參與度用戶，直到用戶已經(jīng)被展示了該行業(yè)的閾值數(shù)量的廣告?？梢曰趶V告交互數(shù)據(jù)，評估用戶參與度數(shù)據(jù)。具體而言，可以基于用戶標(biāo)識符，排序與多個廣告相關(guān)聯(lián)的廣告交互數(shù)據(jù)，如上文所討論的。通過分析用戶在他們被展示的廣告的上下文內(nèi)的行為，可以得出關(guān)于用戶與廣告交互的一般用戶偏好的結(jié)論。另外，還可以基于在用戶參與度數(shù)據(jù)中所提供的上下文信息，確定用戶與廣告交互的條件特定的用戶偏好。例如，關(guān)于用戶與廣告的交互的信息可以示出用戶具有點擊10%的向他呈現(xiàn)的廣告的傾向。此外，用戶參與度數(shù)據(jù)示出了用戶點擊了 50%的與曲棍球相關(guān)聯(lián)的廣告?？闪磉x地，用戶參與度數(shù)據(jù)可以示出用戶具有點擊30%的在9pm和2am之間向他呈現(xiàn)的廣告的傾向，但是，只有4%的對于在9am和2pm之間向他呈現(xiàn)的廣告的點擊率。這些指標(biāo)，以及類似的指標(biāo)，可以基于廣告交互數(shù)據(jù)來確定，并可以洞察用戶的一般用戶參與度水平和條件特定用戶的參與度水平。一旦辨別了特定用戶對于與廣告交互的偏好，可以使用用戶參與度水平來改善諸如p-click有效性度量之類的廣告有效性評估。具體而言，可以通過調(diào)整每一個廣告的印象的數(shù)量，修改p-click有效性度量。例如，如果向包含超過閾值數(shù)量的低參與度用戶的一組用戶呈現(xiàn)廣告，則與該廣告相關(guān)聯(lián)的P-click可能會增大。具體而言，如果一個廣告被向 10，000個用戶呈現(xiàn)，其中，6，000個用戶是中等參與度用戶或高參與度用戶，而4，000個用戶是低參與度用戶，則通過將4，000乘以0. 1，4，000個低參與度用戶的印象值可能降低因子10。如此，經(jīng)調(diào)整的與廣告相關(guān)聯(lián)的總印象將等于6，000+(4, 000*0. 1) = 6，000+400 = 6，400個印象。由于與廣告相關(guān)聯(lián)的p-click基于廣告被點擊的次數(shù)除以與該廣告相關(guān)聯(lián)的印象的數(shù)量，因此，印象的數(shù)量減少，將使與該廣告相關(guān)聯(lián)的p-click有效性度量增大。類似地，如果向包含超過閾值數(shù)量的高參與度用戶的一組用戶呈現(xiàn)廣告，則與該廣告相關(guān)聯(lián)的P-click可能會降低。具體而言，如果一個廣告被向10，000個用戶呈現(xiàn)，其中，6，000個用戶是中等參與度用戶或低參與度用戶，而4，000個用戶是高參與度用戶，則通過將4，000乘以10，4，000個高參與度用戶的印象值可能增大因子10。如此，經(jīng)調(diào)整的與廣告相關(guān)聯(lián)的總印象將等于6，000+(4, 000*10) = 6，000+40, 000 = 46，000個印象。由于與廣告相關(guān)聯(lián)的P-click基于廣告被點擊的次數(shù)除以與該廣告相關(guān)聯(lián)的印象的數(shù)量，因此，印象的數(shù)量減少，將使與該廣告相關(guān)聯(lián)的p-click有效性度量降低。在本發(fā)明的更進(jìn)一步的實施例中，可以基于特定用戶對于與廣告交互的偏好，給用戶指定商業(yè)價值。給一個用戶和/或一組用戶指定的商業(yè)價值可以取決于要向用戶呈現(xiàn)的廣告的上下文。此外，給用戶指定的商業(yè)價值可以受用戶的用戶參與度水平的影響。 例如，希望最大化廣告的曝光度的公司可能發(fā)現(xiàn)低參與度用戶比高參與度用戶更有商業(yè)價值。例如，一個營銷公司可能具有一個他們愿意以最低成本向最高數(shù)量的人呈現(xiàn)的政治廣告。如此，該營銷公司可能首選將該政治廣告定向到不太可能點擊廣告的低參與度用戶，如此，最大化向其展示政治廣告的人數(shù)。可另選地，其他公司可能將高商業(yè)價值投放到可能點擊廣告并受廣告的影響以根據(jù)廣告購買產(chǎn)品的高參與度用戶。如上文所討論的，也可以基于向用戶呈現(xiàn)的廣告的類型，給用戶分配商業(yè)價值。例如，示出了相對于Mets (大都會棒球隊)廣告更偏愛Yankees (揚基棒球隊)廣告的歷史偏好的用戶可能具有關(guān)于Yankees廣告的高商業(yè)價值和關(guān)于Mets廣告的低商業(yè)價值，盡管同一個用戶可能具有對于棒球廣告的高總體商業(yè)價值。此外，用戶購買了一種類型的商品這一事實可能至少在一段時間內(nèi)實際降低用戶的關(guān)于該商品的商業(yè)價值。例如，打算買房子的用戶可能對于銷售房屋保險的保險公司具有高商業(yè)價值。但是，一旦用戶購買了房屋保險，基于大多數(shù)房屋所有者只擁有一處房屋且在可預(yù)見的將來可能不需要購買更多保險的假定，該用戶的商業(yè)價值就會縮小。另外，用戶未能購買諸如汽車之類的商品這一事實可能降低用戶的關(guān)于相關(guān)聯(lián)的商品的商業(yè)價值。例如，銷售汽車配件的公司可能愿意將低商業(yè)價值與不擁有汽車的用戶相關(guān)聯(lián)。額外的實施例提供了用于向符合閾值用戶參與度水平、商業(yè)價值或兩者的組合的用戶投放廣告的方法。如上文所討論的，可以基于每一個用戶與向他們展示的多個廣告中的至少一個的交互，給多個用戶中的每一個指定商業(yè)價值。此外，還可以基于商業(yè)價值的相似度來定義一組用戶。響應(yīng)于向特定類型的用戶投放廣告的廣告請求，可以將廣告投放給該組用戶。因此，在一個實施例中，本發(fā)明提供在其上體現(xiàn)了計算機(jī)可執(zhí)行指令的計算機(jī)存儲介質(zhì)，當(dāng)執(zhí)行時，計算機(jī)可執(zhí)行指令執(zhí)行基于用戶與多個廣告的交互向用戶指定商業(yè)價值的方法。該方法包括接收與多個廣告中的每一個相關(guān)聯(lián)的廣告交互數(shù)據(jù)?？梢曰诙鄠€用戶的用戶標(biāo)識符，排序廣告交互數(shù)據(jù)。可能已經(jīng)向多個用戶中的每一個用戶展示多個廣告中的至少一個。此外，可以給多個用戶中的每一個用戶指定商業(yè)價值。商業(yè)價值可以基于每一個用戶與向他們展示的多個廣告中的至少一個的交互。另外，還可以基于用戶的商業(yè)價值的相似度來定義一組用戶。在另一實施例中，本發(fā)明提供在其上體現(xiàn)了計算機(jī)可執(zhí)行指令的計算機(jī)存儲介質(zhì)，當(dāng)執(zhí)行時，計算機(jī)可執(zhí)行指令執(zhí)行基于用戶對于廣告的參與度向用戶投放廣告的方法。 該方法包括從廣告商那里接收向一組用戶呈現(xiàn)廣告的請求。該請求可包括對于一組用戶的每一個的預(yù)先確定的用戶參與度水平閾值。可以基于該組用戶與多個廣告的用戶交互，評估該組用戶的用戶參與度水平。此外，可以確定該組用戶的子集，其中，該子集基于評估的用戶參與度水平。具體而言，可以基于符合預(yù)先確定的用戶參與度水平閾值的用戶子集的每一個用戶來確定用戶的子集?？梢杂蓮V告商提供預(yù)先確定的用戶參與度閾值。一旦已經(jīng)確定了用戶子集，就可以向用戶子集呈現(xiàn)廣告。本發(fā)明的第三實施例提供了基于用戶參與度水平提高廣告的準(zhǔn)確性的方法。該方法包括接收基于用戶與廣告的交互來表示廣告的評估的有效性的數(shù)據(jù)?？梢栽u估與廣告進(jìn)行交互的用戶的參與度水平。具體而言，可以基于用戶的歷史參與度水平來評估用戶參與度水平。為細(xì)化對用戶參與度水平的評估，評估可以僅限于類似于所考慮的廣告的歷史廣告。一旦已經(jīng)評估了用戶參與度水平，可以基于被展示了廣告的用戶的歷史參與度來確定評估的有效性的歸一化因子。然后，可以基于確定的歸一化因子來調(diào)整評估的廣告的有效性。在描述了本發(fā)明的各實施例的概覽之后，下面將描述適于實現(xiàn)本發(fā)明的各實施例的示例性操作環(huán)境。一般地參考附圖，并首先具體參考圖1，示出了適于實現(xiàn)本發(fā)明的各實施例的示例性操作環(huán)境，并將其一般地指定為計算設(shè)備100。計算設(shè)備100只是合適的計算環(huán)境的一個示例，而非旨在對本發(fā)明的使用范圍或功能提出任何限制。計算設(shè)備100也不應(yīng)被解釋成對于所示出的模塊、組件或兩者的任一組件或其組合有任何依賴或要求。各實施例可以在各種系統(tǒng)配置中實施，包括手持式設(shè)備、消費電子產(chǎn)品、通用計算機(jī)、專用計算設(shè)備等等。各實施例也可以在其中任務(wù)由通過通信網(wǎng)絡(luò)鏈接的遠(yuǎn)程處理設(shè)備執(zhí)行的分布式計算環(huán)境中實施。繼續(xù)參考圖1，計算設(shè)備100包括直接地或間接地耦合以下設(shè)備的總線110 存儲器112、一個或多個處理器114、一個或多個呈現(xiàn)模塊116、輸入/輸出(I/O)端口 118、I/O 模塊120以及說明性電源122?？偩€110表示一個或多個總線(諸如地址總線、數(shù)據(jù)總線或其組合)。雖然為了清楚起見，利用線條示出了圖1的各個框，但是實際上，各個模塊的輪廓并不是那樣清楚，并且比喻地說來，線條更精確地將是灰色的和模糊的。例如，可以將諸如顯示設(shè)備之類的呈現(xiàn)模塊視為I/O模塊。同樣，處理器具有存儲器。本發(fā)明人認(rèn)識到這是本領(lǐng)域的特性，并重申，圖1的圖示只是例示可以結(jié)合一個或多個實施方式來使用的示例性計算設(shè)備。在諸如“工作站”、“服務(wù)器”、“膝上型計算機(jī)”、“手持式設(shè)備”等等之類的類別之間沒有區(qū)別，所有這些都在圖1的范圍內(nèi)并且都被稱作“計算機(jī)”或“計算設(shè)備”。計算設(shè)備100通常包括各種計算機(jī)可讀介質(zhì)。作為示例而非限制，計算機(jī)可讀介質(zhì)可以包括隨機(jī)存取存儲器(RAM)；只讀存儲器(ROM)；電可擦可編程序只讀存儲器 (EEPROM)；閃存或其他存儲技術(shù)；CDR0M、數(shù)字多功能盤(DVD)或其他光學(xué)或全息介質(zhì)；磁帶盒、磁帶、磁盤存儲或其他磁存儲設(shè)備，載波或可以用來編碼所需要的信息并可以被計算設(shè)備100訪問的任何其他介質(zhì)。存儲器112包括易失性和/或非易失性存儲器形式的計算機(jī)存儲介質(zhì)。存儲器可以是可移動的，不可移動的，或兩者的組合。示例性硬件設(shè)備包括固態(tài)存儲器、硬盤驅(qū)動器、 光盤驅(qū)動器等等。計算設(shè)備100包括從諸如存儲器112或I/O模塊120之類的各種實體讀取數(shù)據(jù)的一個或多個處理器。呈現(xiàn)模塊116向潛在消費者或其他設(shè)備呈現(xiàn)數(shù)據(jù)指示。示例性呈現(xiàn)模塊包括顯示設(shè)備、揚聲器、打印模塊、振動模塊等等。I/O端口 118可允許計算設(shè)備 100在邏輯上耦合到包括I/O模塊120在內(nèi)的其他設(shè)備，這些設(shè)備中的一些可以是內(nèi)置的。 說明性模塊包括話筒、操縱桿、游戲手柄、圓盤式衛(wèi)星天線、掃描儀、打印機(jī)、無線設(shè)備等等。圖2-4示出了與用戶參與廣告的不同水平相關(guān)聯(lián)的活動。如上文所討論的，用戶參與度對廣告平臺主機(jī)來說是重要的，因為由對廣告的點擊產(chǎn)生的收入是廣告平臺主機(jī)的主要收入來源。如上文所討論的，用戶參與度偏好包括用戶點擊廣告的傾向、用戶完全忽略廣告的傾向和/或用戶與和廣告相關(guān)聯(lián)的網(wǎng)站交互的傾向。另外，用戶的對于廣告的參與度偏好可以取決于向用戶呈現(xiàn)的廣告。例如，向其呈現(xiàn)了足球廣告的用戶通常幾乎總是點擊該廣告，而該用戶可能完全忽略芭蕾舞的廣告?？闪磉x地，用戶可能總是忽略一天的特定時間段(如當(dāng)用戶正在工作時)的廣告。如此，用戶參與度偏好可能是與條件和/或廣告相關(guān)的。圖2示出了根據(jù)本發(fā)明的一實施例的低參與度用戶205的示例性活動200。低參與度用戶的活動一般在用戶和向用戶呈現(xiàn)的廣告之間幾乎沒有諸如點擊或交易這樣的交互。如圖2所示，在計算屏幕210上向用戶205呈現(xiàn)廣告220、222、224、226以及228。示出了放大的屏幕215，以更好地示出廣告220-228。從放大的屏幕215可以看出，廣告220-228可能被用戶205忽略230、232、234和238。可另選地，廣告220-228可能被用戶205點擊以前進(jìn)到廣告網(wǎng)頁236。在所顯示的活動200中，用戶205忽略230、232、234以及238 了五個廣告中的四個220、222、224以及228。此外，在點擊第五個廣告226以前進(jìn)到與廣告226 相關(guān)聯(lián)的網(wǎng)站236之后，用戶205未能參與轉(zhuǎn)換頁面246上的交易。在替換實施例中，如下面所提供的，用戶205可能從與廣告220-228中的一個相關(guān)聯(lián)的網(wǎng)頁購買商品。圖3是示出了根據(jù)本發(fā)明的一實施例的中等參與度用戶305的示例性活動300。中等參與度用戶的活動一般包括用戶點擊廣告，但是，利用與廣告相關(guān)聯(lián)的網(wǎng)站進(jìn)行的交易， 即使有，也極少。如圖3所示，在計算屏幕310上向用戶305呈現(xiàn)了廣告320。示出了放大屏幕315，以更好地示出廣告320、322、324、326以及328。從放大屏幕315可以看出，廣告 320-328可能被用戶305點擊以前進(jìn)到分別與每一個廣告320、322、324、326以及328相關(guān)聯(lián)的網(wǎng)頁330、332、334、336以及338。在所顯示的活動300中，用戶305點擊了所有五個廣告320-328以前進(jìn)到網(wǎng)頁330、332、334、336以及338。然而，在五個網(wǎng)頁330、332、334、 336以及338中的四個中，用戶305未能完成交易。相反地，用戶305忽略340、342、344以及346 了五個網(wǎng)頁中的四個330、332、334以及336。此外，用戶305參與了交易，從第五個網(wǎng)頁338購買了商品。如此，用戶305 —般作為中等參與度用戶，因為用戶305 —般點擊了向他呈現(xiàn)的廣告，但是，一般沒有最終基于廣告330-338來購買商品。圖4是示出了根據(jù)本發(fā)明的一實施例的高參與度用戶405的示例性活動400。高參與度用戶的活動一般包括用戶點擊廣告，并且，還基于廣告進(jìn)行了大量購物。如圖4所示，在計算屏幕410上向用戶405呈現(xiàn)廣告420、422、424、426以及428。示出了放大的屏幕 415，以更好地示出廣告420-428。從放大屏幕415可以看出，廣告420-428可能被用戶405 點擊以前進(jìn)到分別與每一個廣告420、422、424、426以及428相關(guān)聯(lián)的網(wǎng)頁430、432、434、 436以及438。在所顯示的活動400中，用戶405點擊了所有五個廣告420-428以前進(jìn)到網(wǎng)頁430-438。此外，用戶405還基于廣告420-428，購買442、444以及448 了五個商品中的三個。盡管用戶405分別忽略440和446 了兩個網(wǎng)頁430和436，但是，60%的購買率可以被視為將用戶405視為高參與度用戶的足夠高的閾值。中等參與度用戶與高參與度用戶的不同之處在于1)由用戶作出的購物的次數(shù)， 2)構(gòu)成由中等參與度用戶以及高參與度用戶進(jìn)行的購物的閾值數(shù)量的定義。例如，在上面的圖3中，用戶在點擊的五個廣告中進(jìn)行了一次購物。盡管只進(jìn)行了一次購物，20%的購買比率可以符合將圖3中的用戶視為高參與度用戶的最小購物閾值。在替換實施例中，可以向中等參與度用戶呈現(xiàn)300個廣告，其中，用戶點擊了 20%，最終基于一個廣告進(jìn)行了購物。在此情況下，用戶點擊20%的廣告的傾向可以被視為中等參與度，用戶通過點擊廣告， 與大量廣告進(jìn)行交互。此外，如果中等參與度用戶進(jìn)行了至少一次購物，則可以將中等參與度用戶與低參與度用戶區(qū)別開來。在這一點上，區(qū)分沒有使用因特網(wǎng)購買商品的用戶和使用因特網(wǎng)進(jìn)行了至少一次購物的用戶可能是有益的。另外，基于用戶在特定行業(yè)的參與度水平來區(qū)別用戶也是有益的。具體而言，廣告商可以針對在該廣告商的行業(yè)是高參與度用戶的用戶，即使用戶在其他方面不是高參與度用戶。例如，電子廣告商可能希望針對盡管一般而言是低參與度的、但對于廣告是高參與度的用戶。如上文所討論的，可以基于廣告交互數(shù)據(jù)來評估用戶參與度水平。圖5是示出了根據(jù)本發(fā)明的一實施例的示例性廣告交互數(shù)據(jù)500。具體而言，圖5示出了詳述了用戶與廣告502、504以及506的交互的廣告交互數(shù)據(jù)500。用戶510被表示為A-F。如圖5所示， 提供了廣告502、504以及506的行業(yè)512、514以及516。具體而言，廣告502具有電子廣告的行業(yè)512 ；廣告504具有卡廣告的行業(yè)514 ；以及，廣告506具有花卉廣告的行業(yè)516。 在各實施例中，可以基于廣告的類型來過濾廣告交互數(shù)據(jù)500。此外，對于每一個廣告502、 504以及506，可以提供關(guān)于被展示了廣告的每一個用戶510如何與廣告進(jìn)行交互的信息。 具體而言，可以提供和每一個用戶是否點擊520 了每一個廣告和/或每一個用戶是否參與了利用與每一個廣告相關(guān)聯(lián)的網(wǎng)頁的轉(zhuǎn)換530有關(guān)的信息。根據(jù)本發(fā)明的各實施例，可以基于用戶標(biāo)識符排序廣告交互數(shù)據(jù)500，以生成用戶參與度數(shù)據(jù)。在圖6中示出了已經(jīng)排序以示出用戶與廣告的交互的廣告交互數(shù)據(jù)的示例。圖6 示出了根據(jù)本發(fā)明的一實施例的示例性用戶參與度數(shù)據(jù)600。具體而言，根據(jù)基于用戶標(biāo)識符對廣告交互數(shù)據(jù)500的排序來生成用戶參與度數(shù)據(jù)600。如此，用戶參與度數(shù)據(jù)600示出了用戶610對于廣告602、604以及606的用戶參與度偏好。廣告602、604以及606分別與圖5中的廣告502、504以及506相關(guān)。此外，用戶610也被表示為A-F。具體而言，用戶參與度數(shù)據(jù)600包括和每一個用戶是否點擊了 620每一個廣告和/或每一個用戶是否基于每一個廣告購買了 630商品和/或服務(wù)有關(guān)的信息。例如，示出了用戶A點擊620 了向她呈現(xiàn)的每一個廣告602、604以及606。此外， 還示出了用戶A參與了利用與廣告602和604中的每一個相關(guān)聯(lián)的網(wǎng)頁的轉(zhuǎn)換。如上文所討論的，602和604分別是電子廣告和卡廣告，而廣告606是花卉廣告?；诖诵畔?，可以得出用戶A—般而言是高參與度用戶的結(jié)論，但是，她的高參與度行為可能是行業(yè)特定的。此外，還示出了用戶B點擊620 了廣告602、604以及606中的每一個，但是，未示出該用戶基于廣告交互數(shù)據(jù)進(jìn)行任何交易。如此，可以將用戶B視為中等參與度用戶。相比之下，示出了用戶C未能點擊任何廣告。如此，可以將用戶C視為低參與度用戶。圖7是示出了根據(jù)本發(fā)明的一實施例的示例性用戶參與度水平700。用戶的用戶參與度水平700基于用戶參與度數(shù)據(jù)，諸如如圖6所示的用戶參與度數(shù)據(jù)600。具體而言，圖 7的用戶參與度水平包括低參與度用戶710、中等參與度用戶720以及高參與度用戶730。 此外，用戶710也被表示為A-F。如圖7所示，用戶C和D是低參與度用戶715。用戶C和 D兩者未能點擊向他們呈現(xiàn)的任何廣告。如此，他們沒有與廣告進(jìn)行交互，這符合低參與度用戶行為。另外，用戶B和F被表示為中等參與度用戶725。用戶B和F兩者均點擊了向他們呈現(xiàn)的至少一個廣告，但是，這兩者都沒有參與利用與廣告相關(guān)聯(lián)的網(wǎng)頁的轉(zhuǎn)換。如此， 他們與至少一個廣告進(jìn)行了交互，但是，沒有進(jìn)行交易，這符合中等參與度用戶行為。此外， 用戶A和E也被表示為高參與度用戶735。用戶A和E兩者都點擊了向他們呈現(xiàn)的每一個廣告，并且，每一個用戶都參與了利用與每一個廣告相關(guān)聯(lián)的網(wǎng)頁的交易。如此，他們與廣告了進(jìn)行交互，并進(jìn)行了交易，這符合高參與度用戶行為。圖8是示出了根據(jù)本發(fā)明的一實施例的基于用戶與多個廣告的交互來向用戶指定商業(yè)價值的方法的流程圖800。如上文所討論的，可以基于廣告交互數(shù)據(jù)來確定用戶與廣告的交互。因此，如在框810所示出的，接收與多個廣告中的每一個相關(guān)聯(lián)的廣告交互數(shù)據(jù)。為了確定用戶與多個廣告的交互，在框820，基于多個用戶的用戶標(biāo)識符，排序廣告交互數(shù)據(jù)。已經(jīng)向多個用戶中的每一個展示了多個廣告中的至少一個。在各實施例中，用戶標(biāo)識符可以與用戶的在線帳戶(諸如電子郵件帳戶或社交網(wǎng)絡(luò)帳戶)相關(guān)聯(lián)。如此，可以基于向其展示廣告的用戶的帳戶，區(qū)分向用戶顯示的廣告。也可以根據(jù)用戶的個人標(biāo)識符，存儲關(guān)于用戶與廣告的交互的信息。此外，盡管用戶標(biāo)識符也可以涉及諸如IP地址之類的一般引用標(biāo)識符，但是，通過用戶標(biāo)識符與在線帳戶的關(guān)聯(lián)， 可以從單一計算IP地址標(biāo)識符，跟蹤多個用戶偏好。如此，可以將帶有不同的單個電子郵件帳戶的四人家庭作為帶有四個不同的偏好集的四個不同用戶來分析，而不是作為具有四種不同類型的偏好的一個基于單一 IP地址的用戶。此外，可以基于社交網(wǎng)絡(luò)平臺管理員所具有的對單個帳戶用戶的偏好的訪問，跟蹤單個用戶。一旦基于用戶標(biāo)識符對廣告交互數(shù)據(jù)進(jìn)行了排序，在框830，給多個用戶中的每一個用戶指定商業(yè)價值。商業(yè)價值的指定可以基于每一個用戶與向他們展示的多個廣告中的至少一個的交互。在各實施例中，基于每一個用戶與向他們展示的多個廣告中的至少一個的交互，給多個用戶中的每一個用戶指定用戶參與度水平。然而，可以獨立于用戶參與度水平，給一個或多個用戶指定商業(yè)價值，也在本發(fā)明的各實施例的范圍內(nèi)。例如，可以基于用戶進(jìn)行了至少一次在線購物，給每一個用戶指定某一商業(yè)價值。盡管在指定用戶參與度水平時也可以考慮在線購買至少一個商品這一因素，但是，指定商業(yè)價值的標(biāo)準(zhǔn)可以不同于確定用戶參與度水平的標(biāo)準(zhǔn)。此外，商業(yè)價值可以進(jìn)一步基于可以為其指定商業(yè)價值的用戶和/或廣告活動的特征。例如，可以基于用戶的點擊廣告的偏好，指定和/或修改商業(yè)價值?？闪磉x地，用戶的在一天的特定點查看廣告的偏好可以增大該用戶在當(dāng)日的該時間段的商業(yè)價值的相對值。 一旦給多個用戶中的每一個用戶指定了商業(yè)價值，則可以基于給用戶指定的相似度來確定一組用戶。另外，一旦基于商業(yè)價值的相似度確定了一組用戶，就可以基于與該組用戶相關(guān)聯(lián)的商業(yè)價值，將廣告定向到該組用戶。圖9是示出了根據(jù)本發(fā)明的一實施例的基于用戶與廣告的交互來向用戶投放廣告的方法900的流程圖。如在框910所示出的，接收向一組用戶呈現(xiàn)廣告的請求?？梢詮膹V告商那里接收該請求。此外，該請求可以包含該組用戶必須符合的預(yù)先確定的用戶參與度閾值。可另選地，廣告商可以基于廣告平臺主機(jī)的要求在向一組用戶呈現(xiàn)廣告之前有其用戶的預(yù)先確定的用戶參與度閾值的限制，來選擇特定廣告平臺主機(jī)。預(yù)先確定的用戶參與度水平閾值可以包括最低參與度水平。可另選地，預(yù)先確定的用戶參與度水平閾值可以包括最高參與度水平。在框920，可以基于該組用戶與多個廣告的用戶交互，評估該組用戶的用戶參與度水平。此外，在框930，基于所評估的用戶參與度水平，確定該組用戶的子集， 其中，用戶的子集中的每一個用戶都符合預(yù)先確定的用戶參與度水平閾值。在各實施例中，可以使用預(yù)先確定的用戶參與度水平閾值來將廣告定向到符合閾值的用戶。例如，如果廣告商希望最大化廣告向用戶的曝光度，則廣告商可以針對具有最大預(yù)先確定的用戶參與度水平閾值的用戶。如此，廣告商可以針對具有低參與度水平的用戶， 以便少量的用戶將點擊廣告?？闪磉x地，如果廣告商希望最大化由用戶點擊廣告所產(chǎn)生的購物次數(shù)，則廣告商可以針對具有最小預(yù)先確定的用戶參與度水平閾值的用戶。如此，廣告商可以設(shè)置最小用戶參與度水平閾值，以確保被展示了廣告的用戶具有在線進(jìn)行購物的偏好。在更進(jìn)一步的實施例中，預(yù)先確定的用戶參與度水平閾值可以是條件特定的。例如，廣告商可以要求一組用戶符合廣告商的行業(yè)內(nèi)的預(yù)先確定的用戶參與度水平閾值。如此，可以從該組用戶中過濾掉一般而言對于在線產(chǎn)品可能具有強(qiáng)烈的偏好、但是對于在線購買廣告商的行業(yè)內(nèi)的產(chǎn)品缺乏強(qiáng)烈偏好的用戶。在框940，將廣告呈現(xiàn)給用戶的子集。圖10是示出了根據(jù)本發(fā)明的一實施例的廣告投放拍賣的流程圖1000。在框1010， 用戶訪問網(wǎng)頁。在替換實施例中，用戶可以啟動搜索查詢或從他的帳戶檢索電子郵件。此外，用戶還可以生成對廣告的請求。在框1020，廣告平臺接收對廣告的請求。此外，廣告平臺還標(biāo)識用戶。具體而言，廣告平臺可以基于對廣告的請求中的信息來標(biāo)識用戶。在框1030， 廣告平臺查詢數(shù)據(jù)庫，以標(biāo)識與用戶相關(guān)聯(lián)的廣告參與度度量。廣告參與度度量可包括按行業(yè)、時刻、一年中的時段等等分類的信息。在框1040，廣告平臺檢索可以向用戶呈現(xiàn)的所有廣告。例如，特定網(wǎng)頁可能具有 2，000個廣告可用于投放在該網(wǎng)頁上。另外，在框1050，廣告平臺還基于廣告標(biāo)準(zhǔn)，如廣告的報價、廣告與用戶的相關(guān)性以及與廣告相關(guān)聯(lián)的p-click有效性度量，來對廣告進(jìn)行排序。具體而言，可以根據(jù)本發(fā)明的各實施例修改P-click有效性度量。在框1060，基于由廣告商所提供的目標(biāo)標(biāo)準(zhǔn)，分析有資格投放在網(wǎng)頁上的一組廣告?？梢詫φ沼脩舳攘?，分析提供廣告的目標(biāo)受眾的人口分布的目標(biāo)標(biāo)準(zhǔn)。在框1070，廣告平臺基于用戶與廣告的交互，修改廣告的P-click有效性度量。此外，還可基于用戶與廣告的交互，修改諸如商業(yè)價值、參與度水平等等之類的用戶參與度度量。圖11是示出了根據(jù)本發(fā)明的一實施例的基于用戶參與度水平來改善廣告的所評估的效率的準(zhǔn)確性的方法的流程圖1100。如在框1110所示出的，接收基于用戶與廣告的交互來表示廣告的所評估的有效性的數(shù)據(jù)。如上文所討論的，廣告的所評估的有效性可包括 p-click有效性度量。p-click有效性度量可以基于與多個廣告相關(guān)聯(lián)的廣告交互數(shù)據(jù)，廣告交互數(shù)據(jù)可以被用來生成概述與多個廣告相關(guān)聯(lián)的用戶交互的用戶參與度數(shù)據(jù)。然而， 評估廣告有效性的方法未能考慮被展示了廣告的用戶的用戶參與度水平。為了在改善有效性因子時考慮用戶參與度水平，在框1120評估向其呈現(xiàn)廣告的用戶的參與度水平。具體而言，評估被展示了廣告的用戶的歷史用戶參與度水平。在各實施例中，可以過濾被展示了廣告的用戶的歷史用戶參與度水平，以便只包括和正在被評估的廣告類似的廣告。在更進(jìn)一步的實施例中，可以過濾歷史廣告，以聚焦于與正在評估廣告在一天的同一時刻或一年的相同時段呈現(xiàn)的廣告?；跉v史用戶參與度數(shù)據(jù)，在框1130中確定所評估的有效性的歸一化因子。例如，對于被展示了廣告的10，000個用戶的受眾，可以計算有多少用戶在歷史上是低參與度用戶。然后，可以設(shè)置低參與度用戶的閾值百分比，對于超過閾值數(shù)量的用戶的每一個用戶，調(diào)節(jié)因子將廣告有效性評估增大一個增量。此外，在框1040，調(diào)整廣告的所評估的有效性。對所評估的有效性的調(diào)整可以基于所確定的歸一化因子。在不偏離本發(fā)明的精神和范圍的情況下，所描繪的各種組件的許多不同的布局， 以及未示出的組件也是可以的。所描述的本發(fā)明的各實施例旨在是說明性的而非限制性的。不偏離其范圍的備選實施例對于本領(lǐng)域的技術(shù)人員是顯而易見的。在不偏離本發(fā)明的范圍的情況下，精通技術(shù)的人員可以開發(fā)用于實現(xiàn)如前所述的改進(jìn)的備選裝置?？梢岳斫猓承┨卣骱妥咏M合是有用的，并且可以在不參考其他特征和子組合的情況下使用，它們都在權(quán)利要求書的范圍內(nèi)。并非各種圖形中所列出的所有步驟都需要按所描述的特定的順序執(zhí)行。
權(quán)利要求
1.在其上體現(xiàn)了計算機(jī)可執(zhí)行指令的計算機(jī)存儲介質(zhì)，當(dāng)執(zhí)行時，計算機(jī)可執(zhí)行指令執(zhí)行基于用戶與多個廣告的交互向用戶指定商業(yè)價值的方法，所述方法包括接收(810)與所述多個廣告中的每一個相關(guān)聯(lián)的廣告交互數(shù)據(jù)； 基于多個用戶的用戶標(biāo)識符，排序(820)所述廣告交互數(shù)據(jù)，向每一個用戶展示了所述多個廣告中的至少一個；基于每一個用戶與向其展示的所述多個廣告中的至少一個的交互，向所述多個用戶中的每一個用戶指定(830)商業(yè)價值；以及基于所述用戶的商業(yè)價值的相似度來定義(840) —組用戶。
2.如權(quán)利要求1所述的計算機(jī)存儲介質(zhì)，其特征在于，所指定的商業(yè)價值基于所呈現(xiàn)的廣告的行業(yè)。
3.如權(quán)利要求1所述的計算機(jī)存儲介質(zhì)，其特征在于，所述方法還包括 基于所述用戶的商業(yè)價值的所述相似度，將廣告定向到所述一組用戶。
4.如權(quán)利要求1所述的計算機(jī)存儲介質(zhì)，其特征在于，所述廣告交互數(shù)據(jù)包括廣告商標(biāo)識符、向其呈現(xiàn)了至少一個廣告的用戶的用戶標(biāo)識符、響應(yīng)于廣告的呈現(xiàn)的用戶動作的指示、呈現(xiàn)廣告時的一天中的時刻以及所呈現(xiàn)的廣告的行業(yè)中的至少一項。
5.如權(quán)利要求4所述的計算機(jī)存儲介質(zhì)，其特征在于，所述方法還包括 基于向所述用戶呈現(xiàn)的所述廣告的所述行業(yè)，將廣告定向到所述一組用戶。
6.在其上體現(xiàn)了計算機(jī)可執(zhí)行指令的計算機(jī)存儲介質(zhì)，當(dāng)執(zhí)行時，計算機(jī)可執(zhí)行指令執(zhí)行基于用戶對于廣告的參與度向用戶投放廣告的方法，所述方法包括從廣告商那里接收(910)向一組用戶呈現(xiàn)廣告的請求，每一個用戶都符合預(yù)先確定的用戶參與度水平閾值；基于該組用戶與多個廣告的用戶交互，評估(920)該組用戶的用戶參與度水平； 基于所評估的用戶參與度水平，確定(930)所述一組用戶的子集，其中，所述用戶的子集中的每一個用戶都符合所述預(yù)先確定的用戶參與度水平閾值；以及向所述用戶子集呈現(xiàn)(940)所述廣告。
7.如權(quán)利要求6所述的計算機(jī)存儲介質(zhì)，其特征在于，所述一組用戶中的每一個用戶都進(jìn)行了至少一次在線購物。
8.如權(quán)利要求6所述的計算機(jī)存儲介質(zhì)，其特征在于，所述一組用戶的所述用戶交互是基于根據(jù)用戶標(biāo)識符排序的廣告交互數(shù)據(jù)確定的。
9.如權(quán)利要求6所述的計算機(jī)存儲介質(zhì)，其特征在于，所述預(yù)先確定的用戶參與度水平閾值包括最大用戶參與度活動閾值。
10.如權(quán)利要求9所述的計算機(jī)存儲介質(zhì)，其特征在于，所述方法還包括基于所述預(yù)先確定的用戶參與度水平閾值，將廣告定向到所述用戶子集，以最小化用戶對廣告的點擊次數(shù)。
11.一種基于用戶參與度水平來改善廣告的所評估的有效性的準(zhǔn)確性的方法，所述方法包括接收(1110)基于用戶與所述廣告的交互來表示廣告的所評估的有效性的數(shù)據(jù)； 基于所述用戶的歷史參與度水平，評估(1120)與所述廣告進(jìn)行交互的用戶的所述參與度水平；基于被展示了所述廣告的所述用戶的所述歷史參與度，確定(1130)所評估的有效性的歸一化因子；以及基于所確定的歸一化因子，調(diào)整(1140)所述廣告的所評估的有效性。
12.如權(quán)利要求11所述的方法，其特征在于，所述用戶的所述歷史參與度基于和所評估的廣告類似的廣告。
13.如權(quán)利要求11所述的方法，其特征在于，基于廣告交互數(shù)據(jù)，確定用戶交互。
14.如權(quán)利要求11所述的方法，其特征在于，調(diào)整所述廣告的所評估的有效性包括基于超出閾值數(shù)量的低參與度用戶的低參與度用戶的數(shù)量，提高所述廣告的所評估的有效性。
15.{0>如權(quán)利要求11所述的方法，其特征在于，調(diào)整所述廣告的所評估的有效性包括基于超出閾值數(shù)量的高參與度用戶的高參與度用戶的數(shù)量，降低所述廣告的所評估的有效性。
全文摘要
公開了評估用戶與廣告交互的偏好。本發(fā)明的各實施例涉及用于提供評估特定用戶對于與廣告交互的偏好的方法的系統(tǒng)、方法以及計算機(jī)存儲介質(zhì)。在一個實施例中，基于用戶與廣告的交互，將廣告投放給用戶。具體而言，從廣告商那里接收向符合閾值用戶參與度水平的一組用戶呈現(xiàn)廣告的請求。在評估該組用戶的用戶參與度水平之后，確定該組用戶的符合閾值用戶參與度水平的子集。然后，將廣告呈現(xiàn)給該用戶子集。
文檔編號G06F17/30GK102222300SQ20111010013
公開日2011年10月19日 申請日期2011年4月13日 優(yōu)先權(quán)日2010年4月14日
發(fā)明者M·馬科夫, P·帕特瓦, W·仲 申請人:微軟公司