KR101167139B1

KR101167139B1 - 조사 시행 시스템 및 방법

Info

Publication number: KR101167139B1
Application number: KR20110056395A
Authority: KR
Inventors: 조셉 앤소니 카사나로; 크리스토퍼 로렌스 밀스
Original assignee: 피알케이엘8, 인코포레이티드
Priority date: 2011-06-10
Filing date: 2011-06-10
Publication date: 2012-08-07
Also published as: US20130204665A1; US8965780B2; US12236444B2; US20120316921A1; US11080729B2; US20210357960A1; US20160162916A1; US9262768B2

Abstract

클라이언트 장치, 서버, 및 어드레스로 불러낼 수 있는 URIs를 포함하는 선호도 결정 시스템으로서, 클라이언트 장치 및 서버는 전자 네트워크를 통해 커뮤니케이션하고, 상기 URIs 의 컨텐츠는 상기 네트워크를 통해 회수할 수 있으며, 서버는 자동적으로 등급을 수신받아 저장하고, URIs를 트래킹하고, 등급을 사용하여 URIs에 대한 선호도 모델을 생성하고, 상기 선호도 모델을 사용하여 URIs를 제안하고, 저장된 등급은 등급화된 아이템 URI와 연관된 적어도 하나의 기록, 유일한 식별자를 구비하는 등급 평가자, 등급 평가자에 의해 제공되는 적어도 하나의 등급값 및 등급의 부분 집합을 생성하기 위한 적어도 하나의 메타 데이터를 포함한다. 키메라 선호도 벡터를 자동적으로 생성하는 방법이 제공된다. 방법은 사용될 등급화된 아이템(rated items)의 데이터 집합의 다중도(multiplicity)를 식별하고, 데이터 집합을 자동적으로 조합하여 조합된 데이터 집합을 생성하고, 등급의 충돌을 자동적을 식별하고, 자동적으로 등급의 충돌을 처리하여 상기 조합된 데이터 집합의 처리된 데이터 부분 집합을 생성하고, 그리고 처리된 데이터 부분 집합에 기초하여 키메라 선호도 벡터를 생성하는 것을 포함하는 키메라 선호도 벡터를 자동적으로 생성한다.

Description

조사 시행 시스템 및 방법 {SURVEY ADMINISTRATION SYSTEM AND METHODS}

본 발명은 사용자 선호도(preferences)를 결정하는 온라인 조사에 관한 것이다.

종래의 조사 시행은 전화, 하이브리드 방법(예: TV, 라디오, 인터넷 생방송 등을 통해서 아이템을 전달하거나 전화 또는 SMS를 사용해서 반응을 제공하는 방법), 자가 시행 메일, 자가 시행 브라우저를 통한 웹 어플리케이션 등을 사용하여 개인적으로 접근하여 시행하는 방법이다.

현재의 접근법 및 방법의 약점은 비용, 속도, 복잡성, 사이코그래픽 데이터의 불충분성, 보상의 비효율성, 저작권/상표 침해, 사회 네트워크 도입의 결여 및 이동 장치 최적화의 결여 등을 포함한다.

종래의 조사 접근법은 조사를 디자인하고 누구를 타겟으로 할지를 결정할 전문가를 요구하고, 기존의 응답자 풀과의 계약을 필요로 하거나 충분한 응답자를 얻기 위해서 응답자를 모집하는 노력을 해야 하는 등 매우 비싸다. 현재의 방법을 통할 경우, 시행 비용이 요구되는 응답자의 수에 비례하여 여전히 증가한다.

개인적인 시행은 접촉하는 잠재적인 응답자 별로 높은 비용을 필요로 한다. 전화 및 하이브리드 방법은 접촉하는 잠재적인 응답자 별 비용은 싼 경향이 있으나 잠재적인 응답자를 실질적인 응답자로 전환하는 비율이 낮다. 반면, 자기-시행 방법은 개인적인 시행, 전화 및 하이브리드 방법보다 접촉하는 잠재적인 응답자 별 비용이 실질적으로 낮은 경향이 있으나, 이 방법 또한 실질적으로 낮은 전환율을 가지고 있어서, 훨씬 더 많은 잠재적인 응답자와 접촉해야 실질적으로 충분한 응답율을 얻어낼 수 있다.

개인적인 모집은 느리기는 하나 다른 방법과 비교할 때 접촉하는 잠재적인 응답자로부터 상대적으로 높은 응답율을 가진다. 전화 모집은 또한 매우 느리고 조사의 완결을 위해서는 다수의 잠재적인 응답자와 접촉해야 한다.

모든 형태의 자기 시행은 모든 잠재적인 응답자로부터 낮은 응답율을 나타내며, 시행을 완성해야 할 응답자가 응답을 완성하는데 예상치 못한 지연이 발생하는 경향이 있다.

조사 디자인이 복잡하고 어려울 때, 전문가의 도움을 필요로 한다. 그러나, 비록 조사 디자인이 단순하다 할지라도 상기 방법들이 실질적으로 한쪽으로 기운 응답을 얻어내지 않도록 조사를 시행하기 위해서는 도메인-특이적인(domain specific) 전문가를 필요로 한다. 방송 매체 및 전자 네트워크를 통해서 자기 시행 조사를 전달하는 방법은 조사 디자인 또는 분석과는 관련 없는 기술적인 전문가를 필요로 할 수 있다.

대부분의 조사에서는 인구 통계학적인 데이터가 요구된다. 반면 몇몇 조사는 각 시행되는 조사의 일부로서 인구통계학적인 데이터를 여전히 수집한다. 몇몇 새로 나온 조사 시행 방법은 응답자로부터 얻어진 인구통계학적인 데이터를 보존한다. 만약 응답자의 데이터가 보존된다면, 미래의 다른 추가적인 조사를 할 때 이를 다시 물어볼 필요가 없다. 따라서, 조사를 시행하는데 필요한 시간이 감소될 수 있으며, 기존 조사와 중첩된 응답자들의 응답율을 증가시킬 수 있다.

과거의 응답자에 대해 저장된 인구통계학적인 데이터는 선매된 인구통계학적인 타게팅으로 인해 미래의 조사에 모집 노력의 효율을 증가시킬 수 있다. 예를 들면, 이미 진행된 조사에서 그들의 인구통계학적인 데이터들이 모두 잘 제공된 잠재적인 응답자는 추가적인 모집 노력을 할 필요가 없다.

인구통계학적인 데이터로 인해, 나이, 성별, 민족, 위치, 교육, 직업 및 수입등을 포함하는 기본적인 명부(canon)가 존재한다. 일단 이들 모든 데이터가 수집되면, 응답자에 대해서 보다 더 자세한 인구통계학적인 정보를 저장하는 순 이익은 감소한다. 이들 인구통계학적인 상세 내용은 특정 조사에서는 유용할 수 있으나, 미래의 조사를 위한 응답자의 모집 또는 분석에는 광범위하게 유용하지 않을 수 있다.

사이코그래픽 - 또는 IAO(관심(Interests), 활동(Activities) 및 의견(Opinions)) - 데이터는 종종 조사의 일부로서 수집된다. 그러나, 매우 타이트하게 집중된 영역에 대해 시행되는 조사에 특이적으로 수집된다. 응답자의 IAO 데이터는 이들 조사의 분석에 사용되나, 미래의 참조를 위하여 응답자의 응답에 연관된 방식으로 저장되지 않는다. 따라서, IAO 데이터는 단편적인 사건(episodic), 즉 단일 조사의 맥락하에서 수집되고 사용된 데이터로 여겨진다. 이와 같은 부작위적인 태도(omission)는 과거의 응답이 미래의 조사에서 (사이코그래픽 타겟팅) 모집 및/또는 (질문을 반복하지 않고 과거의 의견을 연결시키는) 분석에 도움을 주는 보조 기구로 사용되는 것을 방해한다.

인구통계학적인 데이터와 달리, 사이코그래픽 데이터는 보다 더 광범위하게 유용한데 특히 모집 타겟팅에 보다 유용하다. 사이코그래픽 데이터 수집의 일반적인 제한은 긴 조사로 인해 낮은 응답율을 보인다는 점이다.

종래의 보상은 비역동적이고 잠재적으로 편향된 경향이 있다. 보상은 모집과정에서- 조사의 시행 전에 알려져야 잠재적인 응답자가 조사에 참여할지 여부를 선택하도록 영향을 미칠 수 있다. 조사에 참여하도록 하는 보상은 일반적이고(예., 현금과 등가의 AmEx 선물 카드등) 균일해야 한다. 보상이 비일반적인 경우(즉 - 특정 브랜드의 아이템 또는 서비스인 경우), 선물의 브랜드 또는 관련 브랜드에 따라 조사를 받겠다고 동의하는 사람 및 그들이 가지고 있는 의견에 영향을 미칠 수 있으므로 조사가 편향될 위험이 있다. 보상이 불균일할 경우, 관리 감독된 시행 방법을 위해서는 보다 풍부한 경험을 가진 조사 시행자가 요구되고 현재의 하이브리드 및 자기-시행 방법을 위해서는 보다 복잡한 자동화 시스템이 요구되기 때문에 시행의 역학이 보다 복잡해지고 현재의 방법을 사용할 경우 개인당 비용이 증가한다.

그러나, 균일한 보상은 잠재적인 또는 실제적인 응답자를 목표로 하는 기준과 비교하여 인센티브를 조절할 수 있는 기회를 상실하도록 한다. 쉽게 모집 가능한 인구통계는 참여에 대해서 낮은 가치의 보상을 제공하여 전체 시행 비용을 낮출 수 있다. 모집이 어려운 인구통계는 참여에 대해서 보다 높은 가치의 보상을 제공하여 응답율을 높일 수 있다. 주요한 인구통계학적, 사이코그래픽, 또는 사회 네트워크 특성을 가진 응답자(예., 친구가 많거나, 링크을 공유하는 경향이 크거나, 특정 기구를 좋아하는 등의 특성)에게는 조사 시행 전에 참여에 대한 추가의 보상으로서 보너스가 주어질 수 있거나 조사를 완료한 후에 추가의 보상으로서 보너스를 주어 브랜드 또는 기관에 대한 그들의 인식을 향상시킬 수 있다. 조건적인 보너스 보상은 조사의 완료 후에 바로 행해지는 추가적인 단계를 밟기 위한 인센티브로서 제공될 수 있다. 이들 방법은 실질적으로 타겟으로 하는 브랜드 프로모션 메시지를 위장하는 방법으로서 조사가 사용될 수 있도록 한다.

조사를 구성할 때 상표 및 저작권의 제한으로 인해 브랜드 특이적 이미지 또는 용어의 사용이 제한될 수 있다. 이들 컨텐츠를 허락없이 인쇄된 조사에 사용할 경우 권리자로부터 반대에 부딪칠 수 있다. 이와 같은 컨텐츠를 웹 페이지에 사용하는 것은 제한은 포함된 방법 및 이 방법이 원래 제공된 컨텐츠의 정황을 어떻게 변형시켰느냐에 따라 일반적으로 세가지 카테고리로 나뉜다. 링크(Linking)(즉, 원래의 형태를 외부 컨텐츠로 디스플레이하도록 트리거하는 하이퍼텍스트 링크를 제공하는 카테고리)는 일반적으로 허가 없이 허용되는 방식이다. 프레임화(Framing)(즉, 웹 페이지 내에 외부 컨텐츠를 포함하여 일반적인 브라우저가 페이지 컨텐츠와 외부 컨텐츠를 동시에 보여주는 카테고리)는 덜 명확하게 허용되는데, 어떤 법원은 판결은 프레임화는 이들 과정이 허락받지 않고 연결된 사이트를 변경했기 때문에 저작권의 침해라고 했다.(Futuredontics Inc. v. Applied Anagramic Inc.. 45 U.S.P.Q. 2d a005 (CD. Cal. 1998)). 인라인화(Inlining)(즉, 외부 컨텐츠를 주어진 페이지와 혼합된 다른 웹 페이지에 집적 포함시키는 카테고리)는 프레임화보다 더 침해 가능성이 높은 것으로 여겨지는데 그 이유는 정황(context)이 원래 사이트에서 사용되는 형태로부터 명료하게 변형되었기 때문이다. 따라서, 외부의 권리 보호되는 컨텐츠를 웹 조사에 프레임화 또는 인라인화하는 것은 권리자로부터 반대에 부딪칠 가능성이 가능성이 있다. 예컨대, 응답을 수집하기 위하여 웹 페이지 UI 요소(버튼, 필드 등)을 사용하는 웹 기반 조사 시행 기구는, 조사 아이템이 상표 또는 저작권을 가진 이미지 또는 문장을 프레임화 또는 인라인화하여 포함할 경우 반대에 부딪칠 가능성이 있다. 그러나, 외부 사이트와의 링크를 포함하는 인쇄 또는 웹의 형태로 조사를 제공하여, 권리 보호된 컨텐츠가 원래의 형태로 보여지도록 하면, 이는 사전 동의를 필요로 하지 않으며 반대에 부딪치지도 않는다. 반면 침해를 하지 않도록 하기 위한 노력은 조사를 보다 지루하도록 하고, 응답자가 URLs을 엔터하고 외부 컨텐츠와 그들의 응답이 수집되는 페이지 사이에서 클릭을 하면서 왔다 갔다 해야 한다.

이들을 종합적으로 고려할 때, 선행 한정들은 인쇄 또는 웹 기반 조사를 구성하여 경쟁 브랜드의 아이콘, 웹 사이트 또는 슬로건에 대한 응답을 수집하는 것은 잠재적으로 반대에 부딪치거나 심하게 지루할 수 있다.

현재의 조사 시행 시스템은 사회적인 네트워크 및 미디어 도구를 사용할 수 있음에도 사용하지 않는다. 현재의 접근법 대부분은 이들 도구를 전혀 쓰지 않는다. 게다가 인구통계학적인 정보의 수집 및/또는 확인을 단순화하고 자동화하기 위하여, 추가적인 사이코그래픽 데이터(호불호, 공유된 링크)뿐만 아니라 사회적 그래픽 데이터(개인적 및 사업적 관계)를 수집할 수 있다. 이들 추가적인 정보는 잠재적인 응답자를 보다 정확하게 타겟팅하고, 만약 그들이 납득이 된다면 다른 사람들이 조사에 응하도록 납득시킬 수 있는 테스트메이커를 식별하고, 모집에 보다 더 강력한 영향을 미칠 수 있는 사람에게 보상금을 주어 장려하는데 사용될 수 있다. 현재의 접근법은 이러한 일련의 일들을 전혀 하지 않고 있다.

현재의 조사 시행 시스템은 이동 장치를 통해 조사에 참여하도록 최적화되어 있지 않다. 반면, 방송 미디어(라디오, TV)의 조합을 채용하여 응답자가 응답을 보낼 수 있는 응답자의 휴대전화 및/또는 문자 메시지 전달 장치로 질문을 전송하는 방법이 개시되어 있으나, 이 방법은 모든 응답자들이 동시에 질문을 보거나 들어야 할 것으로 요구하는 제한으로 인하여 잠재적인 응답자 풀을 극적으로 제한한다.

다른 개시된 이동 조사 시행 방법은 질문을 보내고 응답자가 그들의 응답을 회신하는 것이 전적으로 문자 메시지에 의존한다. 그러나, 조사를 문자 메시지로 전달할 수 있는 질문으로 한정하는 것은 이미지를 포함하는 질문은 할 수 없는 등 매우 제한적이다.

몇몇 웹-기반 자기 시행 분석은 웹에서 이용가능한 이동 장치에서 실시될 수 있으나, 이들 장치에 공통적인 작은 형성 인자(form factor) 및 제한된 사용자 입력 방법으로 인해 이들 조사가 실질적으로 보다 지루하도록 하고, 이들 이동 사용자들에 대한 조사의 응답율이 보다 더 작아지도록 한다.

많은 이동 장치들이 "푸시 알림(push notifications)" (예, 이메일, 문자 메시지, 알람)을 수신할 수 있으나, 이와 같은 알림은 현재의 조사 시행 시스템에서 타겟 사용자가 그들이 관심이 있어서 참여할 만한 새로운 조사를 인지할 수 있도록 하는데 사용되지 않고 있다.

협업 필터링(Collaborative Filtering, CF)는 다수의 에이전트, 관점, 데이터 소오스 등의 협업을 포함하는 기술을 사용하여 정보 또는 패턴을 필터링하는 프로세스이다. 협업 필터링의 적용은 일반적으로 매우 많은 데이터 집합을 포함한다. 협업 필터링 방법은 광물 탐사, 넓은 영역 또는 다수의 센서에 대한 대한 환경 센싱 등과 같은 센싱 및 모니터링 데이터; 다수의 재정적인 소오스를 집적하는 재정 서비스 시설과 같은 재정 데이터; 또는 사용자 데이터에 집중된 전자 커머스 및 웹 2.0 어플리케이션 등을 포함하는 서로 다른 종류의 데이터에 적용될 수 있다.

협업 필터링은 다수의 사용자의 기호 정보를 수집(협업)함으로써 사용자의 기호에 대하여 자동적인 예측을 생성(필터링)하는 방법이다. CF 접근법의 기본적인 가정은 과거에 동의했던 사람은 미래에도 다시 동의하는 경향이 있다는 것이다. 예를 들면, 텔레비전 기호에 대한 협업 필터링 또는 제안 시스템은 주어진 사용자 기호(호불호)의 일부 리스트로부터 어떤 TV 쇼를 사용자들이 좋아할지를 예측할 수 있다. 이들 예측은 사용자에 특이적이며 다수의 사용자로부터 수집한 정보를 사용한다. 이 방법은 예를 들면, 투표 수에 근거하여, 각 아이템의 기호에 대한 (비특이적인) 평균 점수를 제공하는 단순한 접근법과는 다르다.

인자 분석(Factor Analysis, FA)는 경쟁 접근법과 비교할 때 예측을 제시하기 위해서 보다 적은 계산을 필요로 하는 선호도 모델을 수립하는 접근법이다. 인자 분석은 인자라고 불리우는 잠재적으로 적은 수의 비관찰된 변수를 사용하여 관찰된 변수들의 변이성을 기술하기 위한 통계적인 방법이다. 다시 말하면, 예를 들면 셋 또는 네개의 관찰된 변수가 하나의 비관찰된 변수 또는 감소된 수의 비관찰된 변수의 변이에 영향을 미칠 수 있다. 인자 분석은 비관찰된 잠재된 변수에 대한 응답의 연결 변수를 찾는다. 관찰된 변수는 잠재적인 인자들과 오차(error)의 선형 조합으로 모델화될 수 있다. 관찰된 변수 사이의 상호 의존성에 대하여 얻어진 정보는 이후 데이터 집합의 변수의 집합을 감소하는데 사용될 수 있다. 인자 분석은 심리 측정학에서 기원한 것으로 행동 과학, 사회 과학, 마케팅, 제품 관리, 운영 연구 및 다량의 데이터를 다루는 기타 다른 응용 과학에 사용된다.

인자 분석은 협업 필터링과 함께 사용자 선호도 모델 및 벡터를 생성하는데 사용된 적이 있다(Collaborative Filtering with Privacy via Factor Analysis by John Canny. url: www.cs.berkeley.edul-jfcrniender/sigir.pdf 참고).

사용자 선호도를 결정하는 온라인 조사를 제공한다.

정황적으로 특이적인 선호도를 결정하는 온라인 시스템을 제공한다.

자동적으로 키메라(chimeric) 선호도 벡터를 생성하는 방법을 제공한다.

새로운 시장 지위에 맞는 컨텐츠(new market position content)를 식별하는 방법을 제공한다.

본 발명의 가장 광범위한 실시예는 선호도를 결정하는 시스템에 관한 것이다. 상기 시스템은 클라이언트, 서버, 어드레스로 불러낼수 있는 URIs 및 등급 데이터베이스를 포함한다. 등급 데이터 베이스는 등급화된 아이템, 등급 평가자, 적어도 하나의 등급 및 적어도 하나의 메타데이터를 포함한다.

본 발명의 광범위한 다른 실시예는 키메라 선호도 벡터를 생성하는 방법에 관한 것이다. 상기 방법은 선호도를 결정하는 시스템을 제공하고; 사용될 등급화된 아이템(rated items)의 데이터 집합의 다중도(multiplicity)를 식별하고; 상기 데이터 집합을 자동적으로 조합하여 조합된 데이터 집합을 생성하고; 특정 아이템이 하나의 조합된 데이터 집합보다 더 많이 등급화된 경우 등급의 충돌을 자동적으로 식별하고; 자동적으로 등급의 충돌을 해결하여 상기 조합된 데이터 집합의 처리된 데이터 부분 집합을 생성하고; 그리고 상기 처리된 데이터 부분 집합에 기초하여 키메라 선호도 벡터를 생성하는 것을 포함한다.

본 발명의 상기 측면들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참고하면 본 발명이 속하는 기술분야에서 통상의 지식을 가진자에게 명확해질 것이며, 이들 실시예들은 청구된 발명을 지지한다.

저비용으로 빨리 조사를 시행할 수 있다. 사이코그래픽 데이터 및 사회 네트워크를 도입하여 조사를 시행할 수 있다. 저작권/상표 침해 문제가 발생할 소지가 거의 없다. 이동 장치에 최적화된 조사를 시행할 수 있다.

도 1은 본 발명에 따른 컨텐츠 브라우징 인터페이스(content browsing interface)를 나타내는 사용자 그래픽 인터페이스의 예시도이다.
도 2는 본 발명에 따른 컨텐츠 브라우징 인터페이스를 나타내는 사용자 그래픽 인터페이스의 다른 예시도이다.
도 3은 본 발명에 따른 조사 피드백 조절 세트의 예시도이다.
도 4는 본 발명에 따른 조사 피드백 조절 세트의 다른 예시도이다.
도 5는 본 발명에 따른 조사 피드백 조절 세트의 또 다른 예시도이다.
도 6은 본 발명에 따른 조사 피드백 조절 세트의 또 다른 예시도이다.
도 7은 본 발명에 따른 쿠폰 시행 인터페이스의 사용자 그래픽 인터페이스의 예시도이다.
도 8은 본 발명에 따른 쿠폰 시행 인터페이스의 사용자 그래픽 인터페이스의 다른 예시도이다.
도 9는 본 발명에 따른 쿠폰 시행 인터페이스의 사용자 그래픽 인터페이스의 또 다른 예시도이다.
도 10은 본 발명에 따른 쿠폰 인터페이스의 예시도이다.
도 11은 본 발명에 따른 무드 시행 인터페이스의 예시도이다.
도 12는 본 발명에 따른 조사 인터페이스의 사용자 그래픽 인터페이스이다.
도 13은 본 발명의 실시예에 따른 시스템의 개략적인 다이아그램이다.
도 14는 본 발명의 다른 실시예에 따른 시스템의 개략적인 다이아그램이다.

이하 도면을 참조하여 본 발명의 실시예들을 설명할 것이나, 본 발명의 실시예들은 본 발명의 개시가 완전하도록 하기 위한 것이며 본 발명은 이들 실시예들에 한정되는 것은 아니다.

본 발명은 사용자 선호도를 결정하고, 사이코그래픽(psychographic) 선호도에 근거하여 사용자를 식별하고, 상기 선호도에 근거하여 사용자에게 아이템을 제공하는 시스템 및 방법을 제공한다.

본 발명의 상세한 설명에서, 등급화될 수 있는 엔티티(entity)는 아이템(item)으로 지칭하고, 반면에 아이템에 등급을 적용하는 엔티티는 등급 평가자(rater)로 지칭한다. 본 발명에서 사용되는 협업 필터링(CF) 시스템은 예측된 선호도에 근거하여 사용자에게 제안을 하기 위한 방법으로 여러 형태의 선호도 모델을 사용한다. 본 발명은 선호도 모델을 생성하기 위하여 인자 분석(FA)을 사용한다. FA는 경쟁하는(competing) 협업 필터링 접근법에 비해 보다 적은 횟수의 계산으로 선호도 모델을 수립할 수 있는 접근법이다. 선호도 모델은 관찰된 데이터(컨텐츠 등급)를 등급 평가자가 등급화되지 않은 아이템을 다른 아이템에 비해 선호할 가능성을 예측하는데 사용한다.

n-차원 FA에 기반한 선호도 모델은 n개의 분리된 차원으로 선호도를 측정한다. 주어진 모델에서 차원의 수 (n)은 전체 모델에 적용된다. 따라서, 만약 n이 10이라면, 모델은 각 등급 평가자 및 각 아이템을 10 차원 값으로 특징지운다. 인자는 n차원 FA 모델에서 차원이다.

아이템 인자는 n차원 FA 모델에서 아이템을 특징 지우는 차원 측정값(dimensional measurements) 이다. 등급 평가자 인자는 n차원 FA 모델에서 등급 평가자를 특징 지우는 차원 측정값(dimensional measurements) 이다.

선호도 벡터는 n차원 FA 기반 선호도 모델에서, 등급의 집합으로부터 유도되고, 아이템에 대한 선호도를 특징 지우는 n차원 측정값의 집합이다. 선호도 벡터는 동일 아이템에 대해 하나 이상의 등급을 포함하지 않는 등급의 비공집합(non-empty set) 어느 것을 위해서라도 계산될 수 있다.

전체 등급 평가자 선호도 벡터는 그 등급 평가자에 의해 적용되는 모델의 모든 등급을 사용하여 계산된다.

무드 선호도 벡터는 등급 평가자에 의해 적용되는 등급의 부분집합을 사용하여 계산되고 특징적인 등급 평가자 상태(위치, 시각, 날짜, 요일, 사용자 특이적 "무드" 등)와 관련지어 표시된다. 등급의 부분 집합을 구비함으로써 등급 평가자가 아이템에 대해서 충돌하는 등급을 가지도록 하고 서로 다른 정황하에서 서로 다른 선호도를 구술할 수 있도록 한다.

브랜드 선호도 벡터는 브랜드 매니저, 제품 매니저 또는 브랜드 광고 회사와 같은 등급 평가자가 브랜드 선호도를 대표하는 컨텐츠에 등급을 매긴 경우의 선호도 벡터이다. 다른 등급 평가자와 마찬가지로 브랜드는 무드를 가질 수 있다.

사용자 선호도 벡터는 등급 평가자가 컨텐츠 제공 시스템의 특정 사용자인 경우의 선호도 벡터이다. 다른 등급 평가자와 마찬가지로 사용자는 무드를 가질 수 있다.

채택된 선호도 벡터는 엔티티의 등급에 기초하지 않은 엔티티에 의해 사용된 선호도 벡터이다.

키메라 선호도 벡터는 서로 다른 등급 평가자 및/또는 무드의 서로 연관된 등급의 조합으로부터 계산된 선호도 벡터이다.

인기 있는 선호도 벡터는 자주 채택되는 선호도 벡터이다.

"자주 채택되는" 사용자는 채택된 선호도 벡터를 종종 사용하는 사용자이다.

본 발명은 인자 분석을 사용하여 사용자에 대한 선호도 모델을 수립한다. 모델은 예측된 선호도에 근거하여 사용자에게 제안하는 것을 포함하는 다양한 방식으로 사용될 수 있다. 사용자는 컨텐츠에 등급을 매겨 등급화된 컨텐츠의 데이터 집합을 생성하고, 시스템은 이를 사용하여 선호도 모델을 생성하고, 선호도 모델은 각 사용자에 대한 선호도 벡터를 생성하는데 사용된다. 본 발명은 무드와 키메라 벡터를 생성하는 것을 제공한다는 점에 있어서 선행 기술과 차이가 있다. 키메라 벡터는 먼저 키메라 벡터를 생성하는데 사용될 등급화된 아이템의 사용자 데이터 집합의 다중도를 식별함으로써 생성된다. 일단 식별되면, 데이터 집합은 자동적으로 조합되어 조합된 데이터 집합을 생성한다; 등급의 충돌이 있는 아이템은 자동적으로 식별되고 처리되어 조합된 데이터 집합의 처리된 데이터 부분 집합이 생성된다. 이어서, 처리된 데이터 부분 집합에 근거하여 키메라 벡터가 생성된다.

등급 충돌이 있는 아이템을 처리하는 방법은, 하나의 등급을 사용하는 반면 다른 충돌 등급을 무시하는 방법, 모든 충돌 등급을 무시하는 방법, 충돌 등급의 중앙값(median)을 구하는 방법, 충돌 등급의 평균(mean)을 구하는 방법, 서로 다르게 등급화된 아이템을 매우 싫어하는 아이템으로 전환하는 방법(선호도의 차이가 두드러진 컨텐츠를 제거하기 위한 방법임) 등을 포함한다.

등급의 어떠한 집합도 등급 평가자에 의한 아이템의 선호도를 예측하는데 사용될 수 있다. 특정 정황과 연관된 등급의 집합은 그 정황 하에서 아이템의 선호도를 예측한다. 등급 정황은 등급 평가자에 의해 적용되는 모든 등급을 포함하거나(전체 등급 평가자 선호도 벡터를 생성), 특정 무드하에서 등급 평가자에 의해 적용되는 등급만을 포함(무드 선호도 벡터를 생성)한다. 등급 평가자는 사람 또는 브랜드일 수 있다. 브랜드의 경우 무드가 생성될 수 있으며 실질적인 등급은 브랜드를 책임지는 누군가, 예컨대 제품 매니저, 브랜드 매니저 또는 광고 매니저에 의해 적용된다. 아이템과 관련된 등급의 집합은 아이템 정황을 생성하고, 아이템 정황은 등급 평가자 또는 평가자의 무드가 그 아이템을 좋아할지 또는 싫어할지를 예측하는데 사용될 수 있다. 또한, 등급의 두 개의 집합은 이들이 얼마나 잘 매치되는지-즉 각각의 벡터로부터 만들어진 예측이 얼마나 잘 매치되는지를 보기 위해 채택될 수 있다.

이하 설명되는 방법에서, 데이터 집합의 적어도 하나는 등급화된 아이템의 부분 집합일 수 있다. 또한, 적어도 하나의 데이터 집합은 등급 평가자 및 등급화된 아이템의 등급의 적어도 하나의 데이터 집합에 의해 만들어질 수 있다. 게다가 등급화된 아이템은 회사 광고 엔티티 또는 브랜드일 수 있다. 따라서, 본 발명은 다양한 용도의 키메라 벡터를 생성하는데 사용될 수 있다. 예를 들면, 키메라 벡터는 브랜드, 시장의 지위, 캐릭터, 제품, 배우, 유명인, 저명인사, 정치인, 리더 등에 대해서 생성될 수 있다.

구체적으로, 본 발명은 비즈니스 또는 비즈니스 제품 또는 서비스에 대하여 새롭고, 목표로 하는 시장의 지위에 대한 벡터를 생성하는데 사용될 수 있다. 이 방법은 현재의 시장 지위에 대한 등급화된 아이템의 데이터 집합을 표시하고; 타겟 시장의 지위에 대한 등급화된 아이템의 데이터 집합을 표시하고; 자동적으로 데이터 집합을 조합하고; 등급의 충돌을 식별하고; 충돌을 처리하고 자동적으로 조합된 데이터 집합의 처리된 데이터 부분 집합을 생성하고; 처리된 데이터 집합으로부터 자동적으로 새로운 시장 지위 벡터를 생성하고; 그리고 자동적으로 컨텐츠 아이템을 식별하여 사용자 및 기존의 시장 지위로부터 새로운 시장 지위로 전이가 일어나는 동안 새로운 시장 지위를 채택하기 위하여 제안된 컨텐츠 아이템을 수신할 가능성이 있는 사용자에게 컨텐츠 아이템을 제안하는 것을 포함한다.

조합된 데이터 집합은 처리된 데이터 부분 집합을 생성하기 위하여 다양한 방법으로 처리될 수 있다. 예를 들면, 대부분 또는 모든 등급이 양성인 경우의 등급 충돌은 양성 등급으로 보유할 수 있다. 대부분 또는 모든 등급이 음성인 경우의 등급 충돌은 음성 등급으로 보유할 수 있다. 등급이 심하게 불일치할 경우 등급 충돌은 음성 등급으로 처리하여 등급화된 아이템 및 이와 유사한 아이템이 선호되는 컨텐츠로 제공되지 않도록 할 수 있다.

본 발명은 선호도를 조사하고, 선호도 모델을 생성하고, 바람직한 제안을 결정하는 시스템을 포함한다. 시스템은 사용자로부터 선호도 등급을 수신하여 이를 서버로 보내는 클라이언트 장치, 선호도 모델링 소프트웨어 및 등급 데이터베이스를 호스팅하는 서버, 및 어드레스로 불러낼 수 있는 URIs를 포함한다. 클라이언트 장치 및 서버는 네트워크를 통해 커뮤니케이션하고 URIs의 컨텐츠는 네트워크를 통해 회수할 수 있다.

클라이언트 UI는 사용자로부터 피드백을 제공하기 위한 선택 가능한 피드백 조절을 포함하고; 서버는 자동적으로 클라이언트로부터 등급을 수신받아 저장하고, URIs를 트래킹하고, 선호도 등급을 사용하여 URIs에 대한 선호도 모델을 생성하고, 선호도 모델을 사용하여 사용자에게 URIs를 제안한다. 클라이언트에 의해 생성된 모든 등급은 선호도 모델에 사용 가능하다.

클라이언트 UI의 예가 도 1에 예시되어 있다. 클라이언트 UI(100)은 사이드바의 형태로 예시되어 있으며 조사 컨텐츠(105)와 분리되어 있다. 그러나 컨텐츠의 상부 또는 바닥과 같은 곳에 배열되는 것도 가능하며, 자유롭게 떠 다니는 것도 가능하다. UI는 무드를 선택 또는 생성할 수 있는 무드 버튼(110); 상태 아이콘(120)(별 형태로 예시되어 있음); "제안 컨텐츠" 버튼 (130); 공유/코멘트 버튼(140);"좋음" 버튼(150); 및 "싫음" 버튼(160)을 포함한다. 채널 선택 조절부(170)를 선택적으로 포함할 수 있다. 채널 선택 조절부(170)는 사용자가 제안이 특정 관심 영역(채널)로 제한되도록 표시할 수 있다. 바람직하기로는, 조절부(170)는 다양한 방법(예, 클릭, 누름 및 정지, 오른쪽 클릭 또는 다중 터치 가능한 장치에서 다른 누름과 조합된 누름)으로 사용되어서 사용자에게 연관된 선택권(options)을 줄 수 있다. UI의 다른 예가 도 2에 예시되어 있다. 이 실시예에서, "$" 버튼(175)이 UI를 쿠폰 모드로 진행시키고 있다. "기어" 버튼(160)은 모드 선택을 포함하는 모드 선택 또는 일반적인 페이지 조절을 진행시킨다. "상방향 화살표" 버튼(180)은 브라우저 모드에서 상부 바(bar)를 나타내는 비녀장(toggle)이다.

등급 데이터 베이스의 기록은 등급화된 아이템 URI 및/또는 연관된 아이템 URIs의 집합에 대한 등급, 유일한 식별자를 구비하는 등급 평가자, 등급화된 아이템에 대해서 등급 평가자에 의해 제공된 적어도 하나의 등급값, 및 등급의 부분 집합을 생성하기 위한 적어도 하나의 메타 데이터를 포함한다. 예를 들면, 등급을 적어도 하나의 메타 데이터가 무드 부분 집합을 정의하고 무드 부분 집합이 무드 선호도 벡터를 생성하는데 사용될 수 있는 특정 값의 범위 내로 등급을 한정한다. 무드 선호도 벡터는 자동적으로 적용된 등급 메타 데이터(클라이언트 장치 형태, 위치, 시각, 날짜, 요일, 월, 계절 등) 및/또는 선택된 "무드"와 같이 사용자 특이적 메타 데이터에 의해 정의된 등급의 부분 집합에 근거한 벡터를 포함한다.

바람직하기로는, 피드백 조절은 URIs에 의해 정의되고 서버에 의해 역동적으로 할당된 디스플레이된 컨텐츠와 독립적이다. 조사 컨텐츠를 디스플레이하는 경우, 예를 들면, 조사 창시자는 어떤 피드백 조절이 조사의 각 아이템과 디스플레이될 수 있는가를 선택할 수 있다. 따라서, 클라이언트는 컨텐츠와 독립적인 피드백 조절을 포함할 수 있으며, 피드백 조절은 질문의 컨텐츠에 가장 적합하도록 역동적으로 변형가능하다.

본 발명은 본 발명에서 사용하고 상술한 시스템 및 방법을 생성하여 완성시키고, 인센티브를 지급하고, 목표로 하는 컨텐츠를 전달하고 의견 조사를 하는 시스템, 특히 이동 장치 사용자의 응답율을 최대화할 수 있도록 최적화된 조사 시행 시스템을 더 포함한다.

본 발명에 따른 시스템은 기존의 널리 사용된 하드웨어, 운영 시스템, 소프트웨어 배포 시스템 및 데이터 네트워크를 사용하여 작동한다. 시스템 어플리케이션은 바람직하기로는 인터넷 또는 이와 유사한 네트워크를 통해 접근가능하다.

접촉하는 잠재적인 응답자별 비용은 웹-기반, 자기 시행 조사와 유사할 것이다. 그러나, 응답자의 지위, 인구통계, 사이코그래픽, 및 사회적 그래픽 기준에 근거한 실질적으로 향상된 타겟팅으로 인해 응답율 또한 향상시킬 수 있다. 이와 같은 조합은 비용과 분석에 충분한 결과를 얻어내는 시간을 감소시킬 수 있다.

본 시스템은 템플릿을 제공하고 조사 컨텐츠를 제공하는 URLs을 사용함으로써 조사의 생성을 단순화한다. 순차적인 결정 트리/채택적인 조사 형태를 포함하여 조사 아이템의 순서에 따라 서로 다른 형태의 조사에 템플릿이 제공된다. 조사 디자이너는 문자 또는 URLs을 입력하여 조사 아이템을 정의하고 몇몇 이용가능한 피드백 조절 집합, 예를 들면 버튼 또는 슬라이더; [참, 거짓]; [좋음, 의견없음, 싫음]; [-2, -1, 0, +1, +2]; [A, B, C, D, E]; 등을 선택하여 템플릿을 채워넣는다. 예시적인 조절 집합들이 도 3,4,5 및 6에 예시되어 있다. 도 3은 조사 디자이너가 단순한 "좋음" 또는 "싫음" 응답을 원하는 경우 조사 모드의 예를 예시한다. "종료" 버튼은 조사를 종료시킨다. "다음" 버튼은 현재의 응답을 저장하고 다른 조사 아이템으로 이동한다. 도 4는 조사 디자이너가 응답자가 다중으로 제공된 선택, 예컨대 "A", "B", "C", "D", and "E"로 라벨링된 선택을 선택하기를 원하는 경우 아이템에 대한 조사 모드의 예를 예시한다. 도 5는 조사 디자이너가 슬라이더 UI 조절을 이용하여 두 개의 극단 사이에서 응답자의 반응을 측정하기 원하는 경우의 조사 모드의 예를 예시한다. 이 경우 양쪽 극단은 각각 "동의하지 않음"과 "동의함"이나, 이는 조사 디자이너에 의해 조정될 수 있다. 도 6은 조사 디자이너가 응답자가 0 내지 5개의 별 등급을 사용하여 컨텐츠 등급을 매기는 것을 원하는 경우의 조사 모드의 예를 예시한다.

상표 또는 저작물을 포함하는 컨텐츠를 나타내는 URLs이 상표 또는 저작물을 포함하는 컨텐츠를 완전하고 변형없이 보여줄 수 있기 때문에 권리자로부터의 반대에 부딪치는 위험 등이 실질적으로 감소된 상태로 사용될 수 있다.

시스템은 매우 간단하며, 셀프 서비스가 가능하며 자동화된 도구를 제공하고;(인구통계, 사이코그래픽, 위치, 및 사회 그래픽 데이터에 근거하여) 특정 특징을 구비하는 요구되는 다수의 응답자를 선택하고;일단 실행하면 충분한 응답이 수집될 분석을 선택하고; 예측된 조사 시행 비용 및/또는 예상되는 조사 시간을 디스플레이하고 선택사항이 변경되면 이를 업데이트하고; 비용을 지급하고 목표로 하는 조사의 시행을 개시하고; 전체 및 타겟 그룹의 수집된 응답자의 수를 포함하여, 조사가 시행되는 과정을 모니터링함으로써 조사 시행을 단순화한다. 시스템은 남아있는 업무를 관리하여, 조사를 시행하기 위해서 일반적으로 요구되는 기술적 또는 도메인 특이적 전문가의 필요성을 제거한다.

본 발명은 전체 화면의 데스크 컴퓨터 및 노트북에서 실행할 수 있으나, 바람직하기로는 스마트폰, 넷북 및 태블릿 등과 같은 이동 장치에서 사용할 수 있도록 최적화될 수 있다. 제안을 만들 때 현재의 장치 및 네트워크 제한이 고려되어야 한다. 사용가능하다면, 현재의 지위 또한 제안을 만들 때 고려되어야 한다. UI는 기능(functionality)에 접근할 때 요구되는 사용자 입력을 최소화할 수 있도록 디자인되고 구조화된다.

사용자는 시스템을 사용하여 제안을 받아들이고 컨텐츠에 등급을 매김으로써, 자발적으로 시스템의 사이코그래픽 프로파일- 그들이 무엇을 좋아하고 무엇을 싫어하는지에 대한 데이터를 제출하여 데이터를 축적하고 이를 향상시킨다. 시스템은 장기적인 데이터를 유지하여 사이코그래픽 프로파일을 향상시킨다. 동일 시스템은 사용자가 무엇을 좋아하는지에 근거하여 타겟 조사 및 프로모션을 하는데 사용될 수 있다. 사이코그래픽 모델은 어떤 컨텐츠를 사용자가 더 즐길지를 예측하는 것을 도와주고, 뱃놀이에 관심이 있는 사용자에 배에 대한 조사를 제안하는 것과 같이 타겟 조사를 돕는데도 사용될 수 있다.

본 시스템은 인구통계, 사이코그래픽, 위치 및 사회 그래픽 데이터를 추가하기 위해 보상을 제공할 뿐만 아니라 포인트-기반 보상 프로그램 형태로 조사를 실시할 수 있다. 인구통계학적 상세(나이, 성별, 우편번호 등)를 추가하거나; 사회 네트워크 또는 사회 미디어 서비스 등에 연결하거나; 제안된 컨텐츠를 보거나; 컨텐츠에 등급을 매기거나; 조사를 받는 등 유용한 데이터로 사용자의 프로파일을 구축하고 확장하는데 유용한 어떠한 일을 할 경우에 보상(포인트)이 주어진다.

포인트는 가시적인 상태 표지(예-사용자와 연관된 "레벨" 아이콘)를 결정한다. 보다 많은 포인트를 얻음으로써 사용자는 보다 높은 "레벨" 및/또는 인상적인 "레벨"을 가질 수 있다. 이는 사용자가 원하는 행동을 할 경우 그들에게 보상이 주어지는 게임의 정황으로 시스템에 참여하도록 장려한다. 도 1에 예시되어 있는 바와 같이, 아이콘(120)의 상태가 별이다. 사용자가 보다 많은 아이템을 등급화함에 따라 별은 점점 더 커지고 및/또는 은색, 금색, 백금색 등으로 점진적으로 색이 변한다.

포인트는 조사에 참여한 것에 대한 일반적인 보상으로서 주어진다. 한편, 일반적인 보상으로서, 포인트는 쉽게 역동적으로 조정될 수 있다. 매우 잘 대표화된 타겟 그룹내의 잠재적인 응답자에게는 보상으로써 보다 작은 포인트가 제공될 수 있다. 그다지 잘 대표화되지 않은 타겟 그룹내의 잠재적인 응답자에게는 보다 많은 포인트가 제공될 수 있다.

본 시스템은 쿠폰을 사용함으로써 축적된 포인트를 실 생활의 이득으로 변환시키는 방법을 제공한다. 몇몇 "기본(standard)" 쿠폰은 고정 포인트 이상의 모든 사용자가 사용가능하다. 다른 "보너스" 쿠폰은 보다 역동적일 수 있다. 예를 들면, 쿠폰 또는 추가 포인트는 특정 기준(인구통계, 사이코그래픽, 또는 사회 그래픽 특징을 가지고 있는 사용자 또는 특정 조사를 완성한 사용자)을 만족시킨 사용자만 사용 가능하도록 만들거나; 쿠폰, 다른 보상 또는 동기 부여 장치를 특정 기준(상기와 동일)에 따라 사용 가능한 포인트의 양에 따라 차별화하거나; 및/또는 쿠폰, 다른 보상 또는 동기 부여 장치를 브랜드 프로모션 노력의 일환으로 매우 적은 또는 포인트가 없는 타겟 사용자에게 보다 적극적으로 제공하는 방법 등이 있을 수 있다. 이들은 다양한 인자에 근거하여 발행될 수 있는데, 예를 들면, 사용자의 사이코그래픽 또는 인구통계학적 데이터, 이들의 사회 그래픽 특징, 어떤 조사에 참여했는지 및/또는 조사의 결과가 무엇이었는지 등에 근거해서 발생될 수 있다.

따라서, 등급 평가자에게 타겟화된 동기 부여 장치를 제공하는 방법은: 선호도 구동 제안(preference-driven offerings)을 제공하는 시스템을 제공하는 것으로, 시스템은 클라이언트 장치, 서버, 어드레스로 불러낼 수 있는 URIs를 포함하고, 상기 클라이언트 장치 및 서버는 전자 네트워크를 통해 커뮤니케이션하고, 상기 URIs 의 컨텐츠는 상기 네트워크를 통해 회수할 수 있으며, 상기 클라이언트 장치는 사용자로부터 피드백을 제공하기 위한 선택 가능한 피드백 조절(controls)을 포함하고, 상기 서버는 자동적으로 등급을 수신받아 저장하고, 상기 URIs를 트래킹하고, 상기 등급을 사용하여 상기 URIs에 대한 선호도 모델을 생성하고, 상기 선호도 모델을 사용하여 URIs를 제안하고, 상기 저장된 등급은 등급화된 아이템 URI와 연관된 적어도 하나의 기록, 유일한 식별자를 구비하는 등급 평가자, 상기 등급 평가자에 의해 제공되는 적어도 하나의 등급값 및 등급의 부분 집합을 생성하기 위한 적어도 하나의 메타 데이터를 포함하고, 그리고, 상기 모든 등급은 상기 선호도 모델에서 이용가능한 시스템을 제공하고; 선호도 벡터로 제1 등급 평가자를 식별하고; 선호도 벡터의 등급 평가자의 선호도 벡터와 동기 부여 장치의 적어도 하나의 아이템의 선호도 벡터를 비교하고; 등급 평가자에 의해 가장 선호될 만한 후보 아이템을 식별하고; 적어도 하나의 동기 부여 장치를 후보 아이템의 등급 평가자에게 푸시하여(pushing) 줌으로써 등급 평가자에게 동기 부여 장치를 더하여 주는 방법을 제공한다.

사용자에게 그들이 관심이 있을 만한 조사 및/또는 보상이 제공되는 조사에 대해서 주의를 줄 수 있다.

본 발명에 따른 푸시(push) 조사의 일례로서, 새로운 제품에 대한 수용가능성을 결정하고자 하는 브랜드 매니저는 먼저 상기 브랜드를 좋아하는 사용자의 사이코그래픽 프로파일을 결정한다. 이어서, 브랜드 매니저는 사용자에게 동기를 부여할만한 동기 부여 장치 및/또는 특정 무드에서 이와 같은 프로파일에 매치되는 사용자를 결정하고, 새로운 제품에 대한 사용자 선호도를 결정하기 위한 조사 디자인을 생성한다. 이어서 조사 시행자는 상기 브랜드를 선호하는 사용자에게 조사 및 동기 부여 장치를 푸시한다.

쿠폰, 보상 및 동기 부여 장치는 다양한 방법으로 현금화 될 수 있다. 예를 들면, 쿠폰은 프린트하여 판매처에서 받아들여질 수 있으며; 이동 장치로 직접 전달되어 그 장치에 저장된 쿠폰은 판매처에서 이동 장치의 디스플레이로부터 스캔되거나 이메일 또는 팩스로 전달될 수 있다.

쿠폰은 유일하게 식별되며, 본 발명에 따른 시스템은 상업적인 쿠폰이 합법적으로 발행된 것이고 이전에 사용되지 않은 것인지 체크할 수 있는 도구를 제공한다. 본 시스템은 또한 상인이 발행한 사용자 IDs와 쿠폰을 연관시킴으로써 기존에 존재하던 고객 보상 프로그램과 통합시킬 수 있다. 이들 IDs는 쿠폰에 스캔가능한 코드로 추가되거나 쿠폰 확인 도구에 의해 자동적으로 발송될 수 있다. 도 7은 본 발명에 따른 예시적인 사용자 쿠폰 인터페이스(200)를 예시한다. 쿠폰은 국부적인 장치에 이들을 디스플레이하기 위해서 네트워크 접속을 필요로 하지 않는 방식으로 저장되어서 판매처에서 네트워크가 사용가능하지 않더라도 장치에 직접 디스플레이될 수 있도록 한다. 쿠폰은 무드 트리(mood tree)(210)로 표시되어 있는 바와 같이, 무드에 따라 미래에 회수가능한 방식으로 저장될 수 있다. 쿠폰(220)은 유일한 식별자(230)와 바람직하기로는 유효 기간 만료일(240)을 포함한다. 인터페이스는 쿠폰 보기(250), 쿠폰 인쇄(260) 및 쿠폰 삭제(270) 등의 버튼을 포함한다.

쿠폰 인터페이스의 다른 예가 도 8에 예시되어 있다. 도 8은 연관된 유효 쿠폰을 포함하는 무드 리스트를 예시한다. "종료" 버튼은 브라우징 모드로 돌아가도록 한다. 리스트의 무드를 선택하면, 도 9에 예시되어 있는 바와 같이, 연관된 쿠폰이 보여진다.

도 9는 사용자의 "홈" 무드와 연관된 3개의 쿠폰을 예시한다. "홈" 버튼은 (도 8에 예시되어 있는 바와 같이) 쿠폰의 무드 리스트로 돌아가도록 한다. 종료 버트는 쿠폰 모드를 종료시키고 브라우징 모드로 돌아가도록 한다. "편집" 버튼은 사용자가 쿠폰의 순서를 변경하거나 및/또는 이들을 리스트로부터 삭제할 수 있도록 한다. 쿠폰 리스트 입력(entry)을 클릭하면 도 10에 예시되어 있는 바와 같이 쿠폰 자체가 보여진다.

도 10은 실제 쿠폰을 예시한다. "쿠폰" 버튼은 이전 화면(쿠폰 리스트 화면)으로 돌아가도록 한다. "종료" 버튼은 브라우징 모드로 돌아가도록 한다. "사용된 것으로 표시" 버튼은 판매처에서 쿠폰이 사용된 경우 사용된다. 쿠폰 비녀장(toggles)의 어디를 클릭하더라도 현재 화면상에 조절 바 및 버튼이 보여진다.

본 발명은 바람직하게는 사회적인 네트워크 시스템(Social Networking Systems)과 통합될 수 있다. 이와 같은 통합은 사회적인 네트워크 시스템 또는 최소한의 UI 상호작용을 가지는 이메일과 같은 커뮤니케이션 시스템을 통해 연결된 어떤 또는 모든 친구 및 팔로워와 컨텐츠를 공유하는 것이 가능하도록 하는 장점이 있다. 예를 들면, 본 발명의 바람직한 실시예는 사용자가 하나의 버튼("공유" 버튼)을 누르고 코멘트를 입력하고 이어서 하나의 버튼("OK" 버튼)을 누름으로써 그들의 페이스북 및 트위터 계정에 입력된 코멘트와 함께 컨텐츠를 올릴 수 있다.

본 발명의 바람직한 실시예는 또한 사용자가 그들의 친구와 공유한 컨텐츠가 무엇인지 및 그들의 친구가 사용자와 잠재적인 컨텐츠의 소오스로서 제안하기 위해서 무엇을 공유하였는지에 대한 정보를, 사용자가 보다 더 선호할만한 아이템에 대한 선택을 조정하기 위한 데이터로서 그리고 사용자가 이미 본 컨텐츠를 제안하는 것을 생략하기 위한 필터로서 사용할 수 있다. 예를 들면, 사용자가 현재의 시스템과는 독립적으로 페이스북에서 아이템을 공유했다면, 그들은 이미 그 아이템을 본 것이므로 이를 제안하는 것은 중복적인 것이다. 다른 예로는 시스템이 사용자가 좋아할 것이라 예측하였으나 아직은 보여주지 않은 아이템을, 만약 세명의 친구가 모두 이미 제안했다면, 시스템은 사용자의 친구들이 전혀 제안하지 않은 아이템보다 상기 아이템을 덜 보여주게 될 것이다.

본 발명의 바람직한 실시예는 또한 "사회적 그래프" 데이터를 사용하여 컨텐츠 제안 및 조사의 타겟팅 목적으로 특정 컨텐츠에 접근하고 사용자의 프로파일에 추가하는 것이 가능하도록 한다. 접근 가능의 일예를 들면 페이스북 계정을 통해 시스템에 연결된 사용자 및 특정 페이스북 페이지의 "팬"인 사용자에 가능한 컨텐츠 "채널"을 만들 수 있다. 사회적 그래프 메트릭스에 근거한 타겟팅은 1000 명 이상의 팔로워를 가지는 트위터 계정을 가지는 사용자에게 가능한 조사를 만들수 있다.

본 발명은 컨텐츠 개발, 등급 및 공유 서비스를 제공한다. 본 발명은 사용자의 기호 및 과거의 컨텐트 등급화(호불호) 등에 기초하여 사용자에게 컨텐츠를 제안한다. 등급 컨텐츠(제안된 또는 발견된)는 컨텐츠 제안의 질 및 개성화를 향상시키는 반면 시스템의 사용자에 대한 사이코그래픽 프로파일을 구축하고 향상시킨다. 다중으로 연결된 사회적 네트워크를 통한 컨텐츠 공유는 최소한의 UI 상호작용을 통해 가능할 수 있으며, 공유를 통해 사용자들이 컨텐츠를 발견하는게 보다 쉽도록 하며 시스템 내에서의 사용자의 인구통계 및 사회적 그래픽 데이터를 구축하고 향상시킨다. 조사는 시스템이 제안할 수 있는 콘텐츠의 일종이며, 특정 사용자가 사용할 수 있는 조사는 항상 사용 가능한 조사 채널을 통해 접근 가능하다.

본 발명은 컨텐츠 채널로 조직화된 컨텐츠의 부분 집합을 제공한다. 이들 컨텐츠 채널 부분 집합은 시스템에 추가되어서 시스템에 의해 역동적으로 할당될 수 있거나, 시스템의 시행자에 의해 추가 및 할당되어질 수 있다. 이들 컨텐츠 채널은 메인 레벨 또는 서브 레벨에서 조절 버튼으로 나타내어질 수 있으며 주 조절 버튼 또는 서브 레벨 조절 버튼을 통해 사용자에 의해 선택될 수 있다. 컨텐츠 채널은 웹 컨텐츠, 이미지, 비디오 및 브랜드 컨텐츠, 프로모션 물품, 인센티브 등을 포함하는 동기 부여 장치를 포함하는 어떠한 URI를 포함할 수 있다.

본 발명은 사용자가 서로 다른 종류의 컨텐츠(예-사용자는 "홈" 및 "직장" 무드를 가질 수 있다)를 선호할 수 있다는 것을 나타내기 위해 사용자가 서로 다른 "무드"를 가지는 것을 가능하게 한다. 도 11은 사용자가 사용가능한 무드의 리스트를 예시한다. 리스트 상의 하나의 무드를 클릭하면 무드가 선택되고 현재 사용하고 있는 선택된 무드에서 브라우징 무드로 돌아가도록 한다. "새로운 무드" 버튼은 리스트에 새로운 무드를 추가할 수 있다.

이들 무드는 컨텐츠를 제안할 때 고려되어서, 사용자가 어떤 컨텐츠에 대한 그들의 선호도가 정황-특이적 차이가 있음을 나타낼 수 있도록 할 수 있다. 이들 무드는 서로 다른 조건에서의 서로 다른 선호도로 인해 등급 충돌이 생기는 것을 방지할 수 있다.

무드 및 과거의 등급 이외에 사용자 장치 및 네트워크의 한계를 고려하여 제안이 만들어질 수 있다. (예를 들면, 플래쉬 비디오는 iOS 장치에는 제공되지 않거나 비디오 컨텐츠는 3G 네트워크 연결이 없는 장치에는 제공되지 않는다)

제안은 사용자에 의해 선택된 채널과 연관된 컨텐츠로 좁혀질 수 있다-즉, 컨텐츠의 부분 집합은 공통 소오스(브랜드 채널)로부터, 기능적으로 연결된 채널("쿠폰" 채널)로부터 또는 주제와 관련된 채널("스포츠" 채널)로부터 올 수 있다. 몇몇 채널은 항상 사용가능하나 다른 채널은 특정 조건이 충족될 때 사용가능하다. 특정 인구 통계학적 프로파일을 구비하거나, 특정 조사를 완료했거나, 페이스북의 특정 조직의 팬이라거나 하는 것이 상기 특정 조건의 예가 될 수 있다. 컨텐츠 창조자, 라이브러리 및 배포자는 채널을 후원할 수 있는데, 이 채널은 스폰서에 의해 선택된 아이템의 부분 집합을 포함할 수 있다. 채널은 일시적이고 조사 또는 프로모션 기간 중에서 한시적으로 연결될 수 있다. 채널은 예를 들면 서로 다른 인구통계 및 사이코그래픽 특성을 가지는 사용자별로 서로 다른 컨텐츠의 부분 집합을 가지는 채널을 제공하는 방식으로 역동적으로 타겟팅될 수 있다. 채널의 행동 및 채널 컨텐츠에 적용된 등급을 관찰하면 기호 기반 그룹 - 브랜드의 "광팬(superfans)"을 식별하는데 도움을 줄 수 있다.

본 발명은 조사의 시행을 위한 UI를 최적화하며, 특히 스페이스가 보다 제한적이고 UI 상호작용이 보다 지루해지기 쉬운 이동 장치에서 조사의 시행을 위한 UI를 최적화하는 특별한 조사 모드를 구비한다. UI 요소는 사용자가 새로운 컨텐츠를 로드할 수 있도록 하거나 조사 모드 동안 네비게이션이 감춰지거나 불활성화되도록 할 수 있다. 이는 새로운 컨텐츠를 제안하는 요소, 채널로부터 컨텐츠를 제안하는 요소, 이전 페이지로 돌아가도록 하는 요소, 및 URL이 로딩되도록 특정하는 요소를 포함한다. 이들 요소들은 덜 제어되고 잠재적으로 조사 아이템이 부적절하게 노출되도록 할 수 있다. 불활성화 또는 감춰진 UI 요소를 대신하는 것은 두 개의 버튼인데, 하나는 다음이고 하나는 종료이다. 이 버튼은 응답자가 조사를 끝낼 때까지 조사를 정해진 순서대로 진행할 수 있도록 한다. 기본적인 좋음 및 싫음 버튼보다 더 넓은 범위의 응답이 가능하도록 하는 UI 요소가 추가될 수 있다. 이들은 사용 가능한 조사 응답 형태 중에서 다양하게 조절될 수 있는데: 좋음 및 싫음 버튼과 같은 버튼("참" 및 "거짓" 응답에 사용될 수 있음); 좋음과 싫음 사이에서 슬라이딩하며 이동하는 다중 위치 슬라이더; 라벨로 나타내어진 버튼의 집합("A", "B","C", "D", "E"); 응답을 등록하기 위한 UI 요소 및 설문 조사 탐색을 위한 UI 요소는 클라이언트 어플리케이션의 일부이며 컨텐츠 창(pane)에 보여진 웹 페이지의 일부가 아니다.

예시적인 조사 UI가 도 12에 예시되어 있다. 이 조사 UI(300)에서 컨텐츠 윈도우(105)는 조사 컨텐츠를 나타낸다. 이어서 등급 평가자는 슬라이더(320)를 사용하되, "+" 방향으로 슬라이더를 이동시키면 보다 선호하는 등급을 "-" 방향으로 슬라이더를 이동시키면 덜 선호하는 등급을 표시하도록 하여 컨텐츠를 등급화한다. 일단 컨텐츠가 등급화되면, 등급 평가자는 다음 컨텐츠 버튼(330)을 선택한다. 조사의 진행 정도는 진도 바(340) 및 숫자 인덱스(350)에 표시된다. 등급 평가자가 조사를 일찍 종료하고자 하면 "종료" 버튼을 선택한다.

본 발명은 시장 조사자가 조사를 구축하고, 타겟화하고 시행하는 도구를 제공한다. 시장 조사자는 현재 진행 중인 조사의 진행 정도를 모니터하고; 현재 진행 중인 조사의 타겟 기준을 조절하고; 과거 조사의 결과 및 분석 내용을 검토하고; 새로운 조사를 생성, 타겟화 및 개시하도록 하는 도구를 제공하는 조사 시행 어플리케이션에 로그인한다.

각 조사 모니터 페이지는 전체 및 타겟 그룹으로부터 나온 응답자의 수를 디스플레이하고, 재 타겟화 페이지에 대한 링크를 제공하여 진행 중인 조사에 대한 타겟화를 조절할 수 있도록 한다.

각 완료된 조사는 최종 결과가 디스플레이되는 재검토 페이지를 포함한다. 조사에 대하여 수집된 응답에 기초하여 수행되고 요청된 분석 결과를 포함하는 페이지에 대한 링크도 제공된다.

새로운 조사를 생성하고 타겟화하는 것은 간단하고 템플릿에 기반한 자기 서비스 인터페이스를 통해 관리된다. 시장 조사자는 "신규 조사" 버튼을 클릭함으로서 시작한다. 이어서 요구되는 인구통계, 지위 또는 사회 그래프 관련 기준을 특정함으로써 관심 대상인 응답자를 정의하는 타겟화 페이지로 이동한다. 이 페이지로부터 사이코그래픽 프로파일을 사용하여 조사를 타겟화하는 것이 가능하도록 하는 링크를 클릭할 수 있다. 표적 사이코그래픽 프로파일은 소망하는 응답자가 좋아하거나 싫어할 컨텐츠 (URLs)을 선택함으로써 정의될 수 있다. 어떠한 선호도 프로파일(예: 사용자 프로파일, 사용자 무드 프로파일, 브랜드 프로파일, 브랜드 무드 프로파일 등)도 견본 프로파일로 사용될 수 있는데, 이는 조사가 견본의 프로파일과 유사한 프로파일을 가지는 잠재적인 응답자를 타겟으로 한다는 것을 의미한다(즉, 타겟 사용자는 유사한 컨텐츠를 좋아하거나 싫어한다). 특히, 타겟 사이코그래픽 프로파일이 다중 조사에서 사용될 가능성이 있는 경우, 견본 사용자의 사용은 URLs의 수집을 특정하는 것이 일반적으로 빠르고 쉽도록 한다.

일단 타겟화가 완료되면, 시장 조사자는 조사 생성 페이지로 나아간다. 여기서 조사 템플릿을 선택하고, 이어서 조사 아이템을 기입한다. 템플릿은 채택적인 또는 "응답 트리" 조사 뿐만 아니라 순차적인 조사(즉- 모든 응답자가 동일한 순서에 따라 동일한 아이템을 갖는 경우)에 모두 사용 가능하다. 아이템은 문자, HTML 프레그먼트(fragments)로 채워질 수도 있고 URL로 제공될 수도 있다. 문자 아이템은 제공된 문자를 포함하는 최소한으로 포맷화된 웹 페이지로서 응답자에게 보여질 것이다. HTML 프레그먼트는 최소한으로 포맷화된 띠지 페이지(wrapper page)에 <div> 요소가 포함된 형태로 응답자에게 보여질 것이다. URL에 의해 특정된 컨텐츠는 사용자에게, 응답자가 손을 사용하여 브라우저를 통해 URL에 들어간 경우 또는 그들의 브라우저가 그 URL에 의해 특정된 컨텐츠를 로딩하도록 브라우저를 이동시키는 하이퍼텍스트 링크를 클릭한 경우와 완전히 같이, 완전하고 변형되지 않은 상태로 보여질 것이다. 소망하는 길이의 조사를 구성하기 위해 필요로 하는 양만큼 아이템은 추가 또는 제거될 수 있다.

조사의 타겟화 및 구조화가 완료된 후에, 시장 조사자는 타겟으로 하는 보상을 특정하는 선택권을 가진다. 표적으로 하는 보상은 조사가 정보를 수집하고 고도로 타겟화된 브랜드 프로모션 효과를 얻는 두 가지 목적을 달성할 수 있도록 한다. 타겟화된 보상은 외부 보상 프로그램 또는 기구에 URLs을 연결함으로써 특정될 수 있다. 타겟화된 보상은 달러 가치로 환산한 포인트(예: 포인트당 $10)로서 특정될 수 있다. 타겟화된 보상은 조사가 끝난 후에 특정화된 프로파일 기준을 가지고, 보상으로서 조사 전에 제공된 포인트 이상의, 보너스 형태로 응답자에게 주어질 수 있다. 타겟화된 보상은 소망하는 조사 응답자를 타겟화하기 위하여 보다 광범위하게 사용된 기준과 동일한 기준으로 타겟화할 수 있다. 이 경우 타겟화된 보상 페이지는 조사의 기본적인 (재) 타겟화 페이지와 매우 유사해 보일 수 있다. 그러나, 타겟화된 보상은 조사 전체에 의해 타겟화된 응답자의 부분 집합을 일반적으로 타겟으로 할 것이다.

타겟화 및 조사 구조화가 완료되고 선택적인 보상의 타겟화가 정의되거나 뛰어넘은 후에, 시장 조사자는 지급 페이지에 도달한다. 여기서 생성하고 타겟화한 조사를 시행할 경우의 비용이 보여진다. 이 때, 비용을 지불하고 조사를 개시하거나, 조사의 상세 내용을 수정하거나 후에 수정 또는 사용을 위하여 저장하는 선택권이 주어진다.

도 13에 예시되어 있는 바와 같이, 시스템(400)은 처리 유닛(411)을 구비하는 서버(410)를 포함한다. 서버(410)는 네트워크(450)를 통해 커뮤니케이션할 수 있도록 구조화되고 커플링된다. 서버는 사용자가 서버로부터 멀리 떨어져 위치한 클라이언트 컴퓨터 장치(440)를 사용하여 네트워크를 통해 서버와 연결할 수 있도록 한다. 게다가, 시스템은 멀리 떨어진 다수의 클라이언트 장치(460, 470)를 위해 동작할 수도 있다. 사용자는 컴퓨터, PDA, 이동전화, 스마트 전하, 랩탑 컴퓨터, 넷북, 터미널과 같은 이동 통신 장치, 또는 네트워크 연결에 적합한 어떠한 종류의 클라이언트 장치와 같은 사용자 장치를 사용하여 네트워크(450)를 통해 연결될 수 있다. 또한, 클라이언트/서버 구조 대신에 대체가능한 구조가 사용될 수도 있다. 예를 들면, 실질적으로 서버는 중심의 데이터 저장부에 연결된 부하가 조절된 서버의 클러스터이거나 데이터 저장부는 서버의 클러스터이거나 구름 기반 데이터 저장 서비스일 수 있다. 다른 방식으로는 서버 및 데이터 저장부는 인트라넷을 위한 서버로 작용하는 단일 네트워크로 연결된 PC에 존재할 수도 있다. 네트워크(450)는 인터넷, 인트라넷, 또는 정보 및/또는 통신의 검색, 획득 및/또는 사용에 적절한 네트워크일 수 있다.

본 발명의 시스템은 서버(410) 내에 설치되어 운영되는 운영 시스템(412)을 포함하는데, 운영 시스템(412)는 서버(410)가 네트워크(450)를 통해서 멀리 분포되어 있는 사용자 장치와 통신할 수 있도록 한다. 운영 시스템은 네트워크 통신에 적절한 어떠한 시스템이라도 가능하다.

메모리(420)는 서버(410)와 연결된다. 메모리(420)는 서버(410)와 일체형일 수도 있고 서버의 외부에 존재하면서 연결될 수도 있다. 인자 분석 소프트웨어 프로그램, 등급 데이터 베이스(424), 및 선호도 모델(426)이 메모리(420)에 저장된다. 선택적으로, 인자 분석 모델링을 다루는 소프트웨어는 데이터베이스를 포함하는 서버에 연결되어 서버에서 운영될 수도 있다. 인자 분석 모델링은 또한, 트리거와 db 스크립트를 사용하여, 데이터 베이스 내에서 온전히 수행될 수도 있다.

본 발명의 예시적인 실시예에 따르면, 인자 분석 프로그램은 사용자 입력으로부터 유도된 정보를 사용하여 선호도 모델 및 등급 데이터 베이스를 유지하는 컴퓨터 실행 가능 코드이다. 선택적으로 프로그램의 일부 또는 프로그램 전체가 사용자 컴퓨터 장치(440)에 설치될 수도 있다.

사용자는 클라이언트 장치(440)로부터 네트워크(450)를 통하여 서버(410)에 연결될 수 있다. 본 발명의 예시적인 실시예에 따르면, 클라이언트 장치(440)는 이동 클라이언트 장치이다. 클라이언트 장치(440)는 모뎀, 이더넷 카드 등을 통해 네트워크(450)에 연결된다. 처리 유닛(444)은 메모리(446)과 연결될 수 있다. 클라이언트 장치(440)는 마우스, 키보드, 프린터 및 처리 유닛(444)에 연결된 기타 장치와 같은 하나 이상의 입력/출력 장치(448)를 포함한다. 디스플레이(449, 469, 479)는 사용자 그래픽 인터페이스를 제공하기 위해서 각각의 처리 유닛에 연결될 수 있다.

클라이언트 장치(440)는 클라이언트 장치(440)가 네트워크(450)를 통해 서버(410)와 연결될 수 있도록 하는 드라이버와 같은 명령 프로그램(447)을 포함할 수 있다.

시스템을 사용하는 방법은, 사용자가 메모리(420)에 정보를 입력하면, 서버(410)가 선호도 모델 및 등급 데이터 베이스를 생성하거나 업데이트한다.

본 발명의 다른 실시예가 도 14에 개략적으로 도시되어 있다. 도 14에 예시되어 있는 바와 같이, 시스템은 아파치 HTTPd 서비스(Apache HTTPd service) (512)를 경유해서 네트워크(450)를 통해 이동 클라이언트(541), 데스크탑 클라이언트(512), 광고자/조사자(543), 분석 소비자(544) 및 자주적인 대리인(545) 등과 같은 클라이언트 장치와 연결되는 어플리케이션 서버(511)를 포함한다.

데이터 베이스 서버(425)는 스크립트(427)을 실행시키는 데이터 베이스(424)를 호스트한다.

어플리케이션 서버(511)는 클라이언트 어플리케이션(510), 분석 어플리케이션(515), 광고/조사 관리 어플리케이션(520), 및 대리인 서비스 어플리케이션(525) 이 담긴 서브렛 컨테이너(500)를 포함한다. 서버는 서로 통신하는 비즈니스 모델 대상 어플리케이션(530), 로그인 어플리케이션(535) 및 파일 시스템(540)을 더 포함한다. 비즈니스 모델 대상 어플리케이션은 하이버네이트(Hibernate 546) 및 JDBC 어플리케이션(547)을 통해 데이터 베이스와 통신한다. 바람직하기로는 서브렛 컨테이너 어플리케이션, 비즈니스 모델 대상 어플리케이션, 로그인 어플리케이션 및 하이버네이트/JDBC는 JAVA 플랫폼(550)에서 동작한다.

이상에서 본 발명의 바람직한 실시예들에 대하여 상세하게 설명하였지만 본 발명의 권리 범위는 이에 한정되는 것은 아니고 다음의 청구 범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리 범위에 속하는 것이다.

100: 클라이언트 UI 105: 조사 컨텐츠
110: 무드 버튼 120: 상태 아이콘
130: 제안 컨텐츠 버튼 140: 공유/코멘트 버튼
150: 좋음 버튼 160: 싫음 버튼
170: 채널 선택 조절부

Claims

클라이언트 장치, 서버, 및 어드레스로 불러낼 수 있는 URIs를 포함하는 선호도 결정 시스템으로서,
상기 클라이언트 장치 및 서버는 전자 네트워크를 통해 커뮤니케이션하고 상기 URIs 의 컨텐츠는 상기 네트워크를 통해 회수할 수 있으며,
상기 클라이언트 장치는 사용자로부터 피드백을 제공하기 위한 선택 가능한 피드백 조절(controls)을 포함하고,
상기 서버는 자동적으로 등급을 수신받아 저장하고, 상기 URIs를 트래킹하고, 상기 등급을 사용하여 상기 URIs에 대한 선호도 모델을 생성하고, 상기 선호도 모델을 사용하여 URIs를 제안하고,
상기 저장된 등급은 등급화된 아이템 URI와 연관된 하나 이상의 기록, 유일한 식별자를 구비하는 등급 평가자, 상기 등급 평가자에 의해 제공되는 하나 이상의 등급값, 및 등급의 부분 집합을 생성하기 위한 것으로서 무드(mood)를 포함하는 하나 이상의 메타 데이터를 포함하고, 그리고,
상기 모든 등급은 상기 선호도 모델에서 이용가능한, 선호도 결정 시스템.
제1항에 있어서,
상기 피드백 조절은 디스플레이된 URIs와 독립적인, 선호도 결정 시스템.
제1항에 있어서,
상기 피드백 조절은 서버에서 이용가능한 기준에 근거하여 서버에 의해 동적으로 할당 가능한, 선호도 결정 시스템.
제2항에 있어서,
상기 피드백 조절은 서버에서 이용가능한 기준에 근거하여 서버에 의해 동적으로 할당 가능한,
선호도 결정 시스템.
제1항에 있어서,
상기 피드백 조절은 아이템에 대한 조사 창조자의 선택된 피드백 조절 집합에 근거하여 서버에 의해 동적으로 할당 가능한,
선호도 결정 시스템.
제2항에 있어서,
상기 피드백 조절은 아이템에 대한 조사 창조자의 선택된 피드백 조절 집합에 근거하여 서버에 의해 동적으로 할당 가능한, 선호도 결정 시스템.
복수의 등급 평가자의 등급(rating)으로부터 계산되는 선호도 벡터를 자동적으로 생성하는 방법에 있어서,
서버가 복수의 등급 평가자로부터 아이템에 대한 등급 및 무드(mood)를 획득하는 단계로서, 상기 서버는 전자 네트워크를 통해 클라이언트 장치와 커뮤니케이션하고, 상기 서버는 상기 전자 네트워크를 통해 어드레스로 불러낼 수 있는 URIs를 검색하고, 상기 서버는 상기 클라이언트 장치로부터 자동적으로 등급을 수신받아 저장하고 상기 URIs를 트래킹하고, 상기 서버는 상기 등급을 사용하여 상기 URIs에 대한 선호도 모델을 생성하고 상기 선호도 모델을 사용하여 URIs를 제안하고, 상기 저장된 등급은 등급화된 아이템 URI와 연관된 하나 이상의 기록, 유일한 식별자를 구비하는 등급 평가자, 상기 등급 평가자에 의해 제공되는 하나 이상의 등급값 및 등급의 부분 집합을 생성하기 위한 것으로서 무드를 포함하는 하나 이상의 메타 데이터를 포함하고, 그리고, 상기 모든 등급은 상기 선호도 모델에서 이용가능한, 아이템에 대한 등급 및 무드(mood)를 획득하는 단계;
상기 서버가, 사용되는 아이템에 대한 등급의 복수 개 집합을 식별하는 단계;
상기 서버가 상기 등급의 복수 개 집합을 자동적으로 조합하여 조합된 데이터 집합을 생성하는 단계;
상기 서버가 등급의 충돌을 자동적으로 식별하는 단계;
상기 서버가 자동적으로 등급의 충돌을 처리하여 상기 조합된 데이터 집합의 처리된 데이터 부분 집합을 생성하는 단계; 그리고
상가 서버가 상기 처리된 데이터 부분 집합에 기초하여 선호도 벡터를 생성하는 단계
를 포함하는 선호도 벡터를 자동적으로 생성하는 방법.
제7항에 있어서,
상기 자동적으로 등급의 충돌을 처리하는 것은,
선호되는 집합으로부터의 등급은 유지하고 다른 집합의 충돌 등급은 버리는 처리, 충돌 등급의 중앙값(median)을 유지하는 처리, 모든 충돌 등급을 제거하는 처리, 충돌 등급의 평균을 구하여 평균값(mean)을 유지하는 처리, 서로 불일치하는 충돌 등급을 가지는 아이템에 음의 가중치를 주는 처리 및 이들의 조합으로 이루어진 그룹에서 선택된, 선호도 벡터를 자동적으로 생성하는 방법.
제7항에 있어서,
상기 적어도 하나의 데이터 집합은 상기 등급화된 아이템의 데이터 집합의 부분 집합인, 선호도 벡터를 자동적으로 생성하는 방법.
제7항에 있어서,
상기 적어도 하나의 집합은 등급 평가자에 대한 집합이고, 상기 적어도 하나의 집합은 등급화된 아이템에 대한 집합인, 선호도 벡터를 자동적으로 생성하는 방법.
제7항에 있어서,
상기 등급 평가자는 브랜드인, 선호도 벡터를 자동적으로 생성하는 방법.
제7항에 있어서,
상기 등급 평가자는 캐릭터, 배우, 유명인, 정치인 및 리더로 이루어진 그룹에서 선택된 어느 하나인, 선호도 벡터를 자동적으로 생성하는 방법.
새로운 시장 지위(new market position)에 대한 컨텐츠를 식별하는 방법에 있어서,
서버가 복수의 등급 평가자로부터 아이템의 등급 및 무드를 획득하는 단계로서, 상기 서버는 전자 네트워크를 통해 클라이언트 장치와 커뮤니케이션하고, 상기 서버는 상기 전자 네트워크를 통해 어드레스로 불러낼 수 있는 URIs를 검색하고, 상기 서버는 상기 클라이언트 장치로부터 자동적으로 등급을 수신받아 저장하고 상기 URIs를 트래킹하며, 상기 서버는 상기 등급을 사용하여 상기 URIs에 대한 선호도 모델을 생성하고 상기 선호도 모델을 사용하여 URIs를 제안하며, 상기 저장된 등급은 등급화된 아이템 URI와 연관된 적어도 하나의 기록, 유일한 식별자를 구비하는 등급 평가자, 상기 등급 평가자에 의해 제공되는 적어도 하나의 등급값 및 등급의 부분 집합을 생성하기 위한 것으로서 무드를 포함하는 하나 이상의 메타 데이터를 포함하고, 그리고, 상기 모든 등급은 상기 선호도 모델에서 이용가능한, 아이템의 등급 및 무드를 획득하는 단계;
상기 서버가 현재 시장 지위에 대해 등급화된 아이템의 등급 집합을 나타내는 단계;
상기 서버가 표적 시장 지위에 대해 등급화된 아이템의 등급 집합을 나타내는 단계;
상기 서버가 상기 등급 집합들을 자동적으로 조합하여 조합된 데이터 집합을 생성하는 단계;
상기 서버가 등급의 충돌이 발생하는 아이템을 식별하는 단계;
상기 서버가 등급의 충돌을 자동적으로 처리하여 상기 조합된 데이터 집합의 처리된 데이터 부분 집합을 생성하는 단계;
상기 서버가 상기 처리된 데이터 부분 집합으로부터 새로운 시장 지위 벡터를 자동적으로 생성하는 단계; 그리고,
상기 서버가, 상기 현재 시장 지위로부터 새로운 시장 지위로 전이되기 위한 아이템을 자동적으로 식별하여 사용자에게 식별된 아이템을 제안하는 단계
를 포함하는 새로운 시장 지위에 대하여 컨텐츠를 식별하는 방법.
제13항에 있어서,
상기 식별된 제안 아이템을 수용한 사용자를 자동적으로 식별하는 단계를 더 포함하는 새로운 시장 지위에 대하여 컨텐츠를 식별하는 방법.
제13항에 있어서, 상기 등급의 충돌을 자동적으로 처리하는 것은,
선호되는 집합으로부터의 등급은 유지하고 다른 집합의 충돌 등급은 버리는 처리, 충돌 등급의 중앙값(median)을 유지하는 처리, 모든 충돌 등급을 제거하는 처리, 충돌 등급의 평균을 구하여 평균값(mean)을 유지하는 처리, 서로 불일치하는 충돌 등급을 가지는 아이템에 음의 가중치를 주는 처리 및 이들의 조합으로 이루어진 그룹에서 선택된 적어도 하나인, 새로운 시장 지위에 대하여 컨텐츠를 식별하는 방법.
등급 평가자에게 동기 부여 장치를 제공하는 방법에 있어서,
서버가 복수의 등급 평가자로부터 아이템에 대한 등급 및 무드를 획득하는 단계로서, 상기 서버는 전자 네트워크를 통해 클라이언트 장치와 커뮤니케이션하고, 상기 서버는 상기 전자 네트워크를 통해 어드레스로 불러낼 수 있는 URIs를 검색하고, 상기 서버는 상기 클라이언트 장치로부터 자동적으로 등급을 수신받아 저장하고 상기 URIs를 트래킹하고, 상기 서버는 상기 등급을 사용하여 상기 URIs에 대한 선호도 모델을 생성하고 상기 선호도 모델을 사용하여 URIs를 제안하고, 상기 저장된 등급은 등급화된 아이템 URI와 연관된 하나 이상의 기록, 유일한 식별자를 구비하는 등급 평가자, 상기 등급 평가자에 의해 제공되는 하나 이상의 등급값 및 등급의 부분 집합을 생성하기 위한 것으로서 무드를 포함하는 하나 이상의 메타 데이터를 포함하고, 그리고, 상기 모든 등급은 상기 선호도 모델에서 이용가능한, 아이템에 대한 등급 및 무드를 획득하는 단계;
상기 서버가 선호도 벡터로 제1 등급 평가자를 식별하는 단계;
상기 서버가 선호도 벡터의 등급 평가자의 선호도 벡터와 동기 부여 장치의 적어도 하나의 아이템의 선호도 벡터를 비교하는 단계;
상기 서버가 충돌이 발생하지 않는 아이템을 식별하는 단계; 그리고
상기 서버가 충돌이 발생하지 않는 아이템에 적어도 하나의 동기 부여 장치를 푸시하여 등급 평가자에 동기 부여 장치를 푸시하는 단계
를 포함하는 등급 평가자에게 동기 부여 장치를 제공하는 방법.
제16항에 있어서,
상기 동기 부여 장치는 쿠폰인, 등급 평가자에게 동기 부여 장치를 제공하는 방법.