Использование содержимого страницы для решения задачи точного подбора рекламы

Использование содержимого страницы для решения задачи точного подбора рекламы

Иллюстрации

Показать все

Реферат

Настоящее изобретение относится к сенсорным устройствам и, в частности, к нацеленной продвигаемой информации на основе пользовательских целей для устройств с сенсорными экранами.

Для навигации по веб-сайтам используется широкий спектр гиперссылок или активных элементов. Данные элементы позволяют пользователю перемещаться с одной страницы на другую. В то время как гиперссылки или активные элементы могут быть найдены почти на всех веб-страницах, статистика показывает, что около 80% гиперссылок остаются не нажатыми (выбранными) пользователями. Другими словами, большая часть усилий и времени, затраченного веб-разработчиками в плане отображения страниц, становится мусором.

Кроме того, с точки зрения пользователя обычные гиперссылки и другие элементы, используемые для навигации по сайту, являются "слепыми" (т.е. пользователь никогда не знает, с чем он столкнется, перейдя по гиперссылке). Несмотря на тот факт, что для генерирования предпросмотров существует большое количество библиотек, только часть веб-сайтов реализует некоторые (обычно минимальное количество) предпросмотры страниц, отображающих то, что находится за определенной ссылкой. Однако такая технология может быть реализована для страниц, находящихся внутри сайта. Все внешние ссылки остаются «слепыми» для пользователя. Данная проблема становится еще более критичной для мобильных или сенсорных устройств, на которых открытие (отображение) страницы отнимает больше времени.

Современные поисковые "движки", такие как Google^™ и Yahoo^™ способны строить/создавать детализированные предпросмотры, однако они работают только на первом уровне распространения. Другими словами, как только пользователь выбирает определенный сайт со ссылками, то он уже не может знать, что скрыто за этими ссылками.

Еще одной проблемой является использование рекламы на мобильных устройствах. Google показывает рекламу в результатах поиска. Когда пользователь вводит поисковые запросы, то Google показывает некоторое количество рекламы вместе с результатами поиска. Другая реклама основывается на содержимом (контенте) страницы, на данных пользователя и геолокации. Данная реклама не является эффективной, поскольку она не направлена на цели пользователя (или его предпочтения). Например, ни содержимое страницы, просматриваемое пользователем, ни детализированный профиль пользователя, не может помочь определить, что пользователь голоден или, что он хочет отправиться в отпуск.

Кроме того, рекламные баннеры занимают место на экране устройства и раздражают пользователя. СМИ и новостные ресурсы теряют доходы от пользователей. Порой, содержание может соответствовать некоторым целям и желаниям пользователей, однако далее пользователь обращается к Google для поиска детальной информации, относящейся к данному содержанию. Таким образом, доход от рекламы поступает Google’y или другому поисковому движку, а не новостному ресурсу. Монетизация содержания/контента на мобильных устройствах находится на еще более низком уровне.

Таким образом, требуется система, обеспечивающая предпросмотры для всех ссылок. Такая система требует дополнительных финансовых вложений, которые могут быть компенсированы за счет эффективной целевой рекламы. Таким образом, необходимо создать систему, обеспечивающую предпросмотры для всех ссылок экономически-эффективным путем.

Прилагаемые чертежи включены для обеспечения дальнейшего понимания изобретения и составляют часть описания, иллюстрируют варианты осуществления изобретения и вместе с описанием служат для объяснения принципов изобретения.

На рисунках:

ФИГ.1 иллюстрирует ссылку на веб-странице с автоматически сгенерированным предпросмотром и рекламный баннер;

ФИГ.2 иллюстрирует обработку содержания с использованием технологии обработки естественного языка;

ФИГ.3 иллюстрирует активное управление при помощи рекламных баннеров применимо к данному изобретению;

ФИГ.4 иллюстрирует системную архитектуру;

ФИГ.5 иллюстрирует диаграмму метода для целевой рекламы;

ФИГ.6 иллюстрирует то, как пожелания и ассоциации пользователя зависят от цели пользователя применимо к определенному продукту или услуге;

ФИГ.7 иллюстрирует блок-схему способа точного подбора рекламы;

ФИГ.8 иллюстрирует блок-схему примера мобильного устройства, которое может быть использовано в данном изобретении;

ФИГ.9 иллюстрирует блок-схему примерной реализации мобильного устройства.

ФИГ.10 иллюстрирует примерную схему компьютерной системы, которая может быть использована для реализации изобретения.

Касательно данного изобретения представлены способ и система для нацеленной рекламной информации (рекламного объекта) (например, части изображения, видео, анимации, текста, трехмерной модели или других визуальных представлений) на сенсорных устройствах (т.е. мобильных устройствах, смартфонах, десктопах, нет-буках, портативных компьютерах, телевизорах, игровых консолях и т.д.

С одной стороны, визуальный предпросмотр страницы генерируется автоматически на базе шаблонов предпросмотра, которые выбираются определенного дизайна страницы. Например, страница, описывающая продукт, содержит большое изображение продукта, в то время как страница со статьей содержит большой заголовок (заглавие) статьи. Такие специфические свойства страниц используются для автоматического генерирования детального информативного предпросмотра. Основываясь на содержании страницы в предпросмотре акцент ставится на более важной части содержания, а менее важная часть - опускается.

Шаблон предпросмотра может быть сгенерирован автоматически (разработчиком) в виде части дизайна веб-страницы. Альтернативно, шаблон предпросмотра генерируется автоматически. Более значимые части содержания определяются на базе анализа областей веб-страницы (текст, шрифты, изображения и т.д.). Генерируется предопределенный макет шаблона предпросмотра, описывающий наиболее важные части.

Визуальный предпросмотр веб-страницы может отображать визуальное представление на базе шаблонов для рекламируемых объектов, например, рекламных баннеров, описании продуктов или услуг, рейтинга продуктов, отзывов и т.д. Другими словами, предпросмотр веб-страницы содержит сгенерированные данные. Пример ссылки на веб-странице с автоматически сгенерированным предпросмотром и рекламным баннером приведен на ФИГ.1.

Предпросмотр может быть предопределен на базе свойств страницы (тип страницы, заголовок, размер экрана, тип устройства и т.д.). Веб-страница может иметь встроенный специальный тег (признак), определяющий тип предпросмотра, который необходимо сгенерировать для веб-страницы. Например, тег может показывать такие типы предпросмотра, как "изображение + заголовок", "только заголовок", "только изображение" и т.д.

Тип предпросмотра используется для функции генерирования предпросмотра. Когда пользователь выбирает гиперссылку, система вызывает специальную функцию java-скрипт, которая генерирует предпросмотр и рекламные баннеры для страницы, на которую ведет гиперссылка. Функция генерирования предпросмотра использует параметры генерирования предпросмотра и рекламного баннера, такие как размер, положение экрана, автоматический поворот, тип устройства, браузер и т.д. Критичным параметром является тип предпросмотра.

В соответствии с данным изобретением система может отображать один или несколько рекламных баннеров, связанных с контекстом страницы, на которую ведет ссылка. Кроме того, рекламные баннеры могут быть выбраны в зависимости от пола пользователя, геолокационных данных, истории пользователя, статистики медиасайтов, раздела сайта, метаданных страницы и т.д. Таким образом, предпросмотры страниц автоматически генерируются для всех ссылок, расположенных на веб-странице. Основанные на контексте рекламные баннеры автоматически генерируются и прикрепляются к предпросмотрам страниц. Далее сканируется код страницы, после чего для каждой гиперссылки добавляется вызов функции Интерфейса Программирования Приложений (ИПП) с предопределенными параметрами или другие типы активных элементов управления, которые инициируют переход к различным контентам.

Специалистам в данной области техники стоит принять во внимание, что для предлагаемого метода генерирования предпросмотра страниц не требуется дополнительного пространства памяти, поскольку предпросмотр генерируется "на лету". Сам контент страницы остается нетронутым, поскольку после активирования ИПП, структура и внешний вид страницы не изменяется. Рекламные баннеры и предпросмотры не видны на оригинальной странице до тех пор, пока не будут активированы пользователем путем указания на гиперссылку. Рекламные баннеры и предпросмотры отображаются в верхней части веб-страницы в отдельном окне и закрываются как только будет выбрана гиперссылка.

Как только предпросмотры и реклама автоматически сгенерирована, пользователю может быть показана дополнительная реклама. Каждый раз, когда пользователь просматривает предпросмотр, он может увидеть другой рекламный баннер. Гиперссылки становятся более привлекательными для пользователей, поскольку гиперссылки не являются "слепыми" и дают пользователю представление о том, что за ними находится, без перехода с текущей страницы. Кроме того, интересные предпросмотры привлекают внимание пользователя к рекламному баннеру. Это особенно полезно для мобильных устройств и устройств с сенсорным экраном, где пользователи часто не хотят переходить (или выбирать контент, например, используя джойстик, трекбол и т.д.) по рекламным ссылкам в связи с ограничениями ширины пропускания (низкой скоростью передачи данных).

Пользователи могут уведомить систему о своей заинтересованности в определенной части контента при помощи, например, инфракрасной камеры, инфракрасного сенсора, видеокамеры, где сенсорный датчик (интегрированное или внешнее устройство бесконтактного сенсорного типа) заменяет работу с физическим сенсорным экраном и распознает жесты пользователя и ассоциирует их с контекстом на экране; микрофона, например, Siri-подобной модели (сенсор с модулем обратной связи с поддержкой распознавания речи, который может быть встроенным или внешним) пользователь указывает часть контекста и действие с ним посредством голосовых команд; кинестетического датчика - пользователь использует джойстик, манипулятор "мышь" или надеваемых сенсоров (специальные очки); датчика движения глаз - пользователь использует устройство, например, Google-очки или специальную камеру, которая способна распознавать положение глаз, часть контекста, на который смотрит пользователь, и команды (например, дважды моргнуть) для "активации" данного изобретения.

В соответствии с одним из примеров применения изобретения, предпросмотр автоматически генерируется для всех ссылок, расположенных на веб-странице. Движок генерирования сканирует веб-страницы, распознает гиперссылки и добавляет специальный код для каждой гиперссылки. Данный код вызывает специальную функцию ИПП. Таким образом, оригинальный код веб-страницы автоматически модифицируется. В одном из примеров применения изобретения форма/вид предпросмотра может быть определена дизайнером веб-страниц.

В соответствии с другим из примеров применения изобретения, реализуется требуемая динамическая реклама, основанная на контенте. Любой тип контента (например, видео, аудио, текст и т.д.) обладает тенденцией притягивать внимание или увеличивать желание людей просмотреть контент. Существует прямая взаимосвязь между контентом и желаниями пользователей. Такая взаимосвязь используется для целевой рекламы. Для нацеливания пользователя может быть использована любая часть контента (контекста), которая вызывает определенные ассоциации или желания.

Стоит заметить, что когда реклама релевантна/уместна сточки зрения желаний и ожиданий пользователя, то пользователем она больше не рассматривается как реклама, наоборот, пользователь воспринимает точно подобранную рекламу как полезную информацию. В соответствии с одним из примеров применения изобретения, пользователю предоставляется возможность явно указать часть контента (например, параграф внутри текста или название продукта), которая вызывает некий интерес (или желание). Набор целей пользователя (пожеланий) реализован в виде набора метаданных, которые автоматически генерируются для данного контента. Система определяет наиболее подходящие метаданные для конкретного пользователя, далее происходит анализ всего контента. Когда пользователь выбирает небольшую часть контента, щелкнув на ней кнопкой манипулятора "мышь", то генерируются метаданные, отражающие данную часть, и используются для нацеливания пользователя на рекламу. Для этого система распознает части предложений, части речи, значение слов и т.д. при помощи методов NLP (Natural Language Processing).

Учитывая тот факт, что на NLP обработку может потребоваться довольно значительное время (в зависимости от размера контента), то задержки могут повлиять на удобство работы с системой. Метаданные контента могут быть предварительно сгенерированы и закешированы для последующего использования.

Таким образом, пользователю показывается высокорелевантная требуемая реклама, где реклама предоставляется в ответ на прямой запрос от клиента (в отличие от принудительного режима), и реклама предоставляется в качестве рекомендаций, а не простой рекламы. Такая реклама намного эффективней случайно отображаемой статичной рекламы или мигающих баннеров. Другими словами, пользователь указывает конкретную часть контента и явно указывает на то, что он хочет увидеть. Данный способ имеет явные преимущества по сравнению с рекламой Google^™, которая требует от пользователя перейти в поисковую систему Google^™ и ввести поисковую строку. Это крайне критично для мобильных устройств.

Специалистам в данной области техники стоит принять во внимание, что требуемая реклама полезна для мобильных устройств с экранами небольших размеров. Постоянно отображаемые рекламные баннеры занимают пространство экрана и требуют изменения оригинального контента. В соответствии с одним из примеров применения изобретения, в качестве рекламы используется выделенный пользователем контекст (т.е. объект, такой как предложение или часть предложения, часть изображения, абзац статьи, фрагмент видеоизображения, изображение, трехмерная модель и т.д.), взамен одного поискового термина/слова вырванного из контекста.

Таким образом, в соответствии с одним из примеров применения изобретения, нерелевантная реклама полностью устранена. Взамен баннеров, которые занимают место на экране, отображается требуемая реклама. Реклама отображается в соответствии с явно выбранной пользователем части контента. Таким образом, реклама отображает только релевантную информацию на основе части контента в отличие от некоторых общих объявлений на основе всего контента.

Зная набор вызванных пожеланий контентом, реклама может быть сгенерирована и показана. Например, гостиница - бронирование, отзывы; ресторан - меню, зарезервировать стол; продукт - купить, отзывы и т.д. В соответствии с одним из примеров применения изобретения при помощи технологии Обработки естественного языка автоматически генерируется список ключевых объектов и соответствующих им категорий.

Например, если в статье обсуждается горнолыжный курорт, и пользователь выбрал на часть текста, описывающую один из курортных отелей, то существует большая вероятность того, что пользователь хочет узнать несколько больше о данном отеле, заказать в нем номер или купить билеты на подъемник и т.д. Однако если пользователь выберет новые лыжи, то, скорее всего, он хочет посмотреть отзывы о них и узнать, где он может купить или взять их в аренду. Для реализации данного сценария система использует предопределенную ассоциативную модель (модель взаимосвязей), которая определяет список возможных действий для каждого типа объектов. Ассоциативная модель развивается (эволюционирует) на базе отзывов пользователей (т.е. действий пользователя). Ассоциативная модель может быть скорректирована на основе собранной статистики и исследований рынка.

В случае, когда выбранная пользователем часть контента является комплексной и содержит несколько потенциальных целей и пожеланий, то процесс визуализации рекламы выполняется в два шага. На первом этапе система определяет пожелания пользователя. На втором этапе генерируется реклама на базе данных из первого шага и предоставляется пользователю. На первом этапе пользователю предоставляется список (слова и пиктограммы) возможных целей. Пользователя спрашивают, что более интересно ему в данный момент. Далее пользователь выбирает одну или несколько целей. Эти данные используются на втором этапе и пользователю предоставляется релевантная выбранным целям реклама.

Стоит отметить, что NLP технология (технология обработки естественного языка) позволяет автоматически анализировать часть текста (выбранного пользователем), а также распознавать заложенное в тексте содержание. Кроме того, NLP распознает основные типы объектов (организацию, человека, географический объект, количество/величину, деньги/валюту, процент, компанию, данные и т.д., причем список является расширяемым, а также использует метаданные и дополнительные целевые данные (т.е., например, время, данные о географическом местоположении, персональные данные, организации и т.д.). Описанный выше процесс изображен на ФИГ.2.

Как дополнительный вариант использования изобретения, вместо поискового запроса, основанного на явном выборе пользователя, могут быть использованы контент (содержание) и связанные метаданные. Данные метаданные представляют собой набор формализованных особенностей, которые извлекаются из смысловой нагрузки содержания. Метаданные представлены в виде машиночитаемого языка и могут включать ключевые слова, биграммы, n-граммы, распознанные именованные сущности, предполагаемые категории, а также определенные автором категории и теги, связанные с частотным реаспределением, т.е. все то, что может быть использовано для определения релевантности рекламы.

Как дополнительный вариант использования изобретения, весь экран (или его часть) может быть преобразован в одну активную ссылку, взамен использования большого количества гиперссылок, большую часть из которых не выбирают. Это позволяет избежать постоянного нахождения рекламы и баннеров на небольшом экране. Кроме того, пользователю может быть показано неограниченное количество рекламных баннеров, поскольку баннеры появляются по запросу и не занимают место на экране.

Как дополнительный вариант использования изобретения, для нацеленной рекламы может быть использована любая часть любой текстового контента. Система может отображать пользователям несколько рекламных баннеров на основе контекста ссылки. В приведенном примере для дополнительных операций экранный интерфейс может использовать управление (панели, поля ввода/редактирования, кнопки, установку флажков и т.д.). Пользователь может переопределить запрос путем использования списка выбора вариантов. Например, система способна предоставить кнопки "Я разочарован" или "Я не это ищу ", что означает, что пользователь недоволен рекламным предложением. Также, система может предоставить способ выбрать ближайшую (или приближенную) рекламу к потребности пользователю, но которая не в полной мере подходит ему. Это предоставляет клиенту возможность оценить рекламу прямо на сайте при помощи таких кнопок как "нравится", "не нравится" и т.д., после чего данная информация может быть использована в качестве обратной связи с рекламодателем, целевого направления рекламы и вознаграждения пользователя. Данное изобретение также обеспечивает пользователя эффектом "геймификации", т.е. усиливает взаимодействие клиентов с рекламой и вовлекает такие внутренние мотиваторы, как чувство независимости и контроля. Активное управление рекламными баннерами описано на ФИГ.3.

Как дополнительный вариант использования изобретения, нацеленная реклама, выводимая по запросу, (являясь видимой только временно, в отличие от принудительных постоянных баннеров) не требует "постоянного места " и не разрушает оригинальный контент страницы. Пользователю может быть представлено большее количество рекламы, что увеличивает эффект рекламы. Реклама не раздражает пользователя (или, как минимум, доставляет меньше неудобств пользователю, по сравнению с обычными типами рекламы), поскольку реклама генерируется на базе предпочтений пользователя. Реклама ориентирована на определенного пользователя на основе семантического анализа (как вариант без отслеживания действий пользователя). Также, обеспечивается обратная связь от пользовательского контента. Клиенты могут выбрать часть контента, которая определенным образом стимулирует их ощущения, что обеспечивает дополнительную обратную связь о качестве контента. Клиенты могут напрямую указать медиаресурсу "это интересно" и "это не интересно". История выбора (кликов) и анализ выбранных частей контента позволяет распознать шаблоны, которые могут помочь сделать контент более привлекательным. Реклама, которая получает больше всего отрицательных отзывов за период времени Т, автоматически исключается из процесса отображения, о чем будет уведомлен соответствующий рекламодатель. Для положительных и отрицательных отзывов может иметь место несколько уровней уведомлений о качестве рекламы с предопределенными действиями.

В качестве дополнительного варианта использования изобретения генерируется список вариантов действий для предопределенных запросов пользователя. Например, пользователь может выбрать "Возможно, Монтевидео не самое знойное очарование Буэнос-Айреса, но здесь находится множество милых кафе, в которых вы можете посидеть с кортадо (эспрессо с молоком) и с медиалуной (круассаном) и наблюдать за миром". В данном предложении существуют четыре потенциальных цели: "Буэнос-Айрес", "милые кафе", "кортадо (эспрессо с молоком)", "медиалуна (круассан)". Все эти варианты отображаются пользователю для того, чтобы удовлетворить его запросу.

В рамках примера для данного изобретения система убирает все гиперссылки и превращает все содержимое/контент в одну активную ссылку. Система использует ассоциативную модель, описывающую возможные пожелания и действия, которые могут быть осуществлены пользователем на основе содержания объекта. Другими словами, ассоциативная модель показывает пользователю действия, если объект интересен пользователю. Например, ассоциацией к "отелю" может являться "бронирование номеров", к "ресторану" - "зарезервировать стол" и т.д.

В данном варианте применения изобретения для целевой рекламы используется NLP-метод. Например, NLP распознает, что объектом в выбранном контенте является "ресторан". Далее генерируется список ассоциаций (возможные выполняемые пользователем действия, если его интересует ресторан). Такими действиями могут быть "заказать стол", "почитать отзывы", "сравнить с другими местами" и т.д. Далее пользователю показываются компании, предоставляющие такие услуги.

Например, если объектом является новая машина, то список ассоциаций может включать "поиск диллера", "возможность тест-драйва", "поиск ссуды на новый автомобиль" и т.д. Таким образом генерируется предлагающая такие услуги реклама и показывается пользователю. Архитектура системы показана на ФИГ.4. Система включает рекламный сервер 440. Рекламный сервер 440 обрабатывает контент, хранит и выбирает рекламу. Специальные рекламные библиотеки 430 и 450 интегрированы с рекламным сервером 440 наряду с медиаресурсами и приложениями.

Рекламные библиотеки 430 и 450 обеспечивают отображение рекламы и обрабатывают реакцию пользователя на рекламу. Например, пользователь может выбрать баннер, проигнорировать его, запросить перенациливание рекламы или выразить свое недовольство рекламой. Рекламные библиотеки 430 и 450 разработаны для работы с мобильными устройствами 460 и медиасайтами 410. В данном варианте применения изобретения контент хранится на удаленном медиасервере 420 и является доступным для медиаприложений на мобильных устройствах 460 или для медиасайтов 410. Системная интеграция с медиасервером 420 осуществляется за счет рекламных библиотек 430 и 450. Анализ контента/содержания производится на медиасервере 420, так что вычислительная нагрузка на клиентов 410 и 460 является минимальной.

В данном варианте применения изобретения реклама хранится на рекламном сервере 440. Рекламный сервер 440 доступен посредством универсальных портов управления 470, которые доступны мобильным устройствам 460 и медиасайтам 410. После того как пользователь выбирает часть контента, NLP-модуль определяет объекты внутри текста, классифицирует объекты и определяет связи между объектами. В результате пожелания (желания) пользователя становятся привязаны к предложениям и абзацам текста. По статистике, до 80% слов используются в качестве соединительных элементов и не отражают пожелания пользователя. Таким образом, объектов, которые действительно относятся к пожеланиям пользователя, гораздо меньше.

Далее создается ассоциативная модель с матрицей. Ассоциативная матрица определяет связи между объектами и пожеланиями/желаниями/предпочтениями пользователя, вызванными данными объектами. Ассоциативная матрица также определяет границы данных отношений. Другими словами, определяются отношения между объектом-пожеланием и ограничениями приложений. Например, пол, время года, общественные мероприятия и т.д. являются важными ограничениями для поведения и пожеланий людей. Стоит обратить внимание, что ассоциации базируются на различных факторах и, главным образом, на типе объекта. Например, объект "гостиница" обладает одним набором ассоциаций, объект "ресторан" - другим, а объект "автомобиль" обладает еще одним набором ассоциаций. Ассоциативная матрица наследует некоторые признаки из концепции "график заинтересованности" и расширяет их путем применения некоторых новых вариантов (опций). Например, для распознавания слов в контенте может быть использована классификация поведения игроков в компьютерные игры Эми Джо Кима (конкурировать, исследовать, сотрудничать, высказываться), которые (слова) связаны с каждым типом поведения (например, слова "разрабатывать, создавать, строить" связаны с "нарочным" настроением), а также связывают настроение пользователя с услугами и деятельностью, которые подходят для определенного настроения. Пирамида Маслова может быть использована для определения приоритетности передаваемых пожеланий. Также могут быть использованы связи между услугами и продуктами категорий рекламы (которые основаны на статистической популярности классификации ресурсов, например, как социальный Интернет-сервис Pinterest). Классификация по внешним мотиваторам (статус, доступ, мощность, материал) и внутренним мотиваторам (компетентность, самостоятельность, связанность) также может быть применена к содержанию и классификации рекламы.

Список целей рекламы создается на базе ассоциации. Ассоциативная модель формируется на основе социологических и статистических данных. Ассоциативная модель постоянно обновляется в процессе развертывания системы. Поскольку контент определяет и стимулирует пожелания (желания) пользователя, контент может быть проанализирован при помощи NLP единожды. Далее может быть создана универсальная модель пожеланий пользователя путем применения NLP к ассоциативной матрице. Реклама может быть классифицирована в зависимости от ее связи с пожеланиями пользователя, а не в зависимости от классификации продуктов/услуг. В дополнение к ключевым словам (например, таким как бренд, продукт или название услуги) каждый объект в контенте может быть ассоциативно связан с несколькими возможными действиями, которые могут быть выполнены над объектом, т.е. "купить", "забронировать", "заказать", "послушать", "посмотреть" и т.д. Также каждый объект может быть ассоциативно связан с неким видом пожеланий, например "безопасность", "голод", "жажда", "любопытство", "любовь" и т.д. Также контент может содержать другие ключевые слова, например, "построить", "выиграть", "нравиться", "собрать" и т.д. Все это может помочь определить текущее состояние клиента для подбора лучшей целевой рекламы.

В рамках данного изобретения путем применения доступных о каждом пользователе данных (геолокационные данные, персональные данные, часовой пояс, тип устройства пользователя и т.д.) должны быть определены релевантные данные. Таким образом, после того как модель будет создана для определенного контента, она может быть применена для всех пользователей. Это экономит большое количество рекламных ресурсов. В рамках данного изобретения пользователь может переопределить свой выбор в любой момент. Привлечение пользователя в получение рекламы устраняет негативный эффект обычной рекламы, навязанной пользователю. Ряд уточняющих вопросов заданных пользователю сведен к минимуму и служит лишь в целях уточнения пожеланий и целей пользователя.

В рамках данного изобретения при помощи данных, связанных с конкретным пользователем (геолокационные данные, персональные данные, часовой пояс, тип устройства пользователя и т.д.), уничтожаются тупиковые рекламные цепочки. Реклама считается тупиковой, если приложение конфликтует как минимум с одним известным параметром пользователя, таким как, например, возраст, пол, местоположение и т.д. Например, это позволяет избежать показа мужчинам рекламы женской косметики. Для того чтобы результаты были более релевантными для клиентов и мене раздражающими, могут быть использованы "минусующие" фильтры, которые исключают некоторые результаты в зависимости от данных о географическом местоположении, времени и поле. Целью является распознание обычного, типичного поведения пользователя и исключение очевидных объектов из результатов, о которых пользователь уже знает. Например, для типичного поведения в рабочее время показа даже релевантной рекламы местных ресторанов недалеко от пользователя можно избежать, а показывать только специальные предложения, если они есть. В нерабочее время в отличие от рабочего времени может быть показана реклама относящаяся к посещению магазинов/развлечениям/веселому времяпрепровождению. Если было установлено, что пользователь находится в отпуске или не дома, то акцент может быть сделан на местные объекты, обладающие высоким рейтингом среди туристов.

На ФИГ.5 представлена блок-схема способа точного подбора рекламы согласно данному изобретению. В шаге 510 медиаресурс добавляет новый контент. В шаге 520 на рекламный сервер загружаются контент и метаданные. В шаге 530 контент анализируется NLP для определения целей (пожеланий) пользователя. Далее, если в шаге 540 было установлено, что пользователь выбрал часть текста на странице, то часть контента и связанные с ним метаданные (т.е. цели пользователя) идентифицируются в шаге 550. Если в шаге 540 было установлено, что пользователь нажал на гиперссылку, то в шаге 555 генерируется предпросмотр страницы, на которую ссылается гиперссылка.

Если в шаге 560 идентифицировано более одной потенциальной цели пользователя, то все потенциальные цели отображаются в шаге 565, чтобы он мог выбрать одну из них; в противном случае в шаге 570 выбирается рекламный баннер. Рекламный баннер отображается в шаге 575, и процесс заканчивается в шаге 595. После того как в шаге 555 был создан предпросмотр, в шаге 580 выбирается дополнительный баннер(ы). Далее в шаге 590 пользователю показывается рекламный баннер, и процесс завершается в шаге 595.

Стоит обратить внимание, что на первоначальной стадии процесса определяется область выбранная пользователем. Система обрабатывает ошибки пользователя, вызванные неверным положением пальца пользователя на небольшом экране путем аппроксимации точки касания с несколькими "вымышленными" точками прикосновения со случайным сдвигом [0-Х]. В рамках данного изобретения минимальной целевой областью является предложение. Если прикосновение пальцем затрагивает более одного предложения, то система автоматически включает в себя весь параграф. Если прикосновение произошло между параграфами, то для анализа при помощи NLP включаются оба предложения. В случае с устройствами с большими экранами или на которых текст отображается с большим увеличением, то также учитывается позиция внутри предложения.

В рамках данного изобретения для точного нацеливания рекламы используются медиаресурсы, относящиеся к ресурсам и контенту (специализация ресурсов; каталог ресурсов, в котором представлен контент; история поведения пользователя на ресурсе и т.д.). Например, некоторые определенные каталоги, которые используются в нацеливании рекламы, привлекают определенную аудиторию, например, "финансовые рынки", "банковские новости", "путешествие", "технические новости ", "бизнес-школы", "малый бизнес", "оборудование", "разработка", "садоводство", "недвижимость", "автомобили". Стоит обратить внимание, что для более точного подбора рекламы не требуется более подробной информации о персональных данных пользователя и не требуется отслеживание действий пользователя.

На ФИГ.6 показано как ассоциации и пожелания пользователя зависят от цели пользователя, обращенной к определенному товару или услуге. Если пользователь намеревается использовать продукт сам, то он использует один процесс принятия решения. Однако, если пользователь заинтересован в продукте (или услуге) для кого-нибудь еще, то он использует другой процесс принятия решения. В отличие от традиционного "нацеливания рекламы по возрастному признаку" (например, не показывать женскую одежду или косметику мужчине, и наоборот) в настоящем изобретении может быть использована предыдущая история взаимодействия с рекламными материалами, которая не обязательно отражает личные интересы самомго пользователя (возможно, пользователь ищет подарок для друга, и ему самому не интересна данная вещь). Другими словами, как только он совершает покупку и дарит ее кому-нибудь, то это не значит, что она или подобный продукт интересны ему самому.

На ФИГ.7 представлена блок-схема способа точного подбора рекламы в соответствии с представленным изобретением. В шаге 710 распознается часть выбранного пользователем контента. В шаге 720 определяются метаданные (цели), связанные с выбранной частью контента. Далее в шаге 730 применяются метаданные всего контента. Такими метаданными может быть контекст контента. В шаге 740 накладываются дополнительные ограничения (пол, местонахождение, тип устройства и т.д.).

Если в шаге 750 определено более одной цели пользователя, то в шаге 760 пользователю отображаются для выбора возможных целей, и процесс переходит к шагу 770. В противном случае в шаге 770 к цели применяется ассоциативная модель (матрица). Далее в шаге 780 на цели пользователя накладываются ограничения (геолокационные данные, пол, часовой пояс, тип устройства пользователя, веб-сайт и т.д.). Далее в шаге 790 ищется наиболее актуальная реклама. Например, когда человек выбрал предложение с описанием ресторана и играющей этой ночью в данном ресторане музыкальной группой, в первом шаге алгоритма необходимо выбрать между "едой" и "музыкой", и после того, как клиент выберет "еду", и окажется, что ресторан находится в другой географической точке, отличной от местоположения пользователя (например, пользователь находится в США, а ресторан во Франции), то нет смысла предлагать данному человеку забронировать стол в данном ресторане, а есть смысл предложить ему местный ресторан с той же кухней.

ФИГ.8 представляет собой блок-схему мобильного устройства 59, к которому может быть применимо данное изобретение. Мобильным устройством 59 может быть, например, карманный персональный компьютер, сотовый телефон, сетевое устройство, камера, смартфон, мобильный телефон на базе EGPRS, сетевая базовая станция, медиаплеер, навигационное устройство, устройство для работы с электронной почтой, игровая консоль или комбинация двух и более таких устройств или других устройств обработки данных.