CN101960479A

CN101960479A - 利用拥护者推介的社交网络促销的方法和设备

Info

Publication number: CN101960479A
Application number: CN2009801076113A
Authority: CN
Inventors: 克里斯多佛·威廉·希金斯; 马克·戴维斯; 约瑟夫·欧’苏利凡
Original assignee: Yahoo Inc
Current assignee: Yahoo Inc
Priority date: 2008-03-03
Filing date: 2009-02-19
Publication date: 2011-01-26
Also published as: WO2009111166A2; KR20100123894A; KR101240122B1; WO2009111166A3; EP2248088A4; US8538811B2; TW200951858A; TWI498836B; EP2248088A2; US20090222304A1

Abstract

服务提供者利用对消费者、行为、品牌、可消费商品、登广告者和拥护者的表征来确定可消费商品、消费者与拥护者之间的三向匹配，而促进了交互式网络上对商品、品牌或服务的消费。匹配方法通过对个人化拥护的估计语境值进行最大化来确定一个或多个拥护者。此外，服务提供者捕捉每个匹配中的个人化拥护的值，并且以各种促销激励的形式将该值分配出去。

Description

利用拥护者推介的社交网络促销的方法和设备

技术领域

本公开一般地涉及具有对品牌消费品的个人化拥护(advocacy)的在线促销系统(online marketing system)。

背景技术

因特网已变成商品和服务的市场，提供了低价位的广阔选择。尽管有这些优点，一些消费者还是更喜欢在场销售的个人化体验，并且保留了对所谓的“实体(brick and mortar)”商店的忠诚。零售者(retailer)、服务提供者和登广告者(advertiser)寻找着在因特网上促销商品的改进方法。

研究已标明，一些消费者更喜欢通过对熟悉所出售的商品、品牌或服务的人的访问而提供的促销努力，并且更可能受这些促销努力的影响。在实体商店中，消费者更喜欢提供了个别化服务、值得信任的知识、优良的支持和对优质商品的容易的接近机会的零售者。一些消费者更喜欢个人的交互的社交体验。消费者还受他们的社交对方的消费偏好的很重影响。

也许最强有力的那种广告是所谓的“口碑(word-of-mouth)”广告。在通常的口碑广告中，潜在消费者受与该消费者有社交连接的产品拥护者(advocate)的影响。拥护对于产品供应者或登广告者来说是有价值的服务。此时，没有简单的方式来评估这拥护的值，并且没有基础结构(infrastructure)来支持产品的拥护、提供消费者-拥护者-品牌的匹配服务、以及提供拥护的激励。此外，在此时，对于消费品登广告者或供应者而言，不存在因为促进了消费者与消费拥护者之间的通信而给网络运营者(operator)报酬的方法。

发明内容

服务提供者通过对消费者、消费行为、品牌、消费品、登广告者和拥护者进行表征来确定可消费商品、消费者与拥护者之间的三向匹配，从而促进了交互式网络上对商品、品牌或服务的消费。匹配方法输入对于匹配而言的三方之中的两个：消费者和可消费商品，并且通过对个人化拥护的估计语境值进行最大化来确定一个或多个拥护者。此外，服务提供者捕捉每个匹配中的个人化拥护的值，并且以各种促销激励的形式将该值分配出去。

附图说明

图1是示例主干设备的框图。

图2示出通常的消费者到拥护者的漏斗。

图3示出三向匹配。

图4示出示例匹配值估计器。

图5示出用于匹配方法的示例流程图。

图6示出示例评价单元。

图7是示例计算机服务器系统的框图。

图8是自适应值估计器的替代实施例的上一半。

图9是该替代实施例的下一半。

具体实施方式

本发明的一种可能用途是计算地捕捉、支持和货币化(monetize)口碑广告，为资助者(sponsor)提供利用个人化拥护者来向预期的消费者传送可信的促销消息的方式。具体地，本发明聚焦于在交互式网络上的个人化促销活动中管理和定位产品拥护者的系统。

网络用户通常操作物理装置，例如电话、文本报信机(textmessenger)、蜂窝电话、智能电话、个人数字助理、联网的音乐/视频播放器、个人计算机、或公共终端，来访问因特网上的促销信息，利用若干应用程序来消费网络内容。因特网消费者通常能够访问在线可得的过多信息。数字信息消费者觉察到通过各种形式的媒体对象而在网络上传送的信息，上述媒体对象包括文本、图标、话音、化身(avatar)、音频记录、图片、动画、视频、交互式小部件(widget)以及其他视听信息。媒体对象或网页的源代码可包含元数据以及脚本语言的一个或多个实例。ECMAScript是ECMA-262规范中由瑞士Geneva的ECMA International标准化的脚本编程语言。JavaScript和Jscript是EMCAScript标准的最常见的实现方式。“JavaScript”是加州圣克拉拉市的太阳微系统公司的注册商标；技术在Mountain View，CA的Mozilla Foundation的许可之下被进一步发展和实现。“JScript”是来自华盛顿州雷蒙德的微软公司的ECMAScript实现方式。JavaScript和Jscript经常被用于客户端侧的交互式web应用。

当消费者访问网页时，脚本函数可与网页的文档对象模型(DOM)进行交互，以执行一个或多个任务。脚本还可用来在页面已加载之后向远程服务器产生服务请求。这些请求可获得新的信息或数据，以及加载或运行额外的应用，例如媒体对象播放器、内容观看器(viewer)、应用插件或软件代码。脚本代码可与基础页面的DOM归并，以使得一个或多个额外媒体对象被显示在页面上或者以另外的方式被呈现在页面上。可替代地，脚本代码可为(一个或多个)额外媒体对象启动一个或多个额外页面或者其他的呈现。当脚本代码被嵌进HTML文档中并且随后被客户端应用访问时，客户端应用可检索并且执行脚本。在可选地利用嵌入代码中所指定的参数值的情况下，脚本可启动对一个或多个远程服务器的服务请求，以便检索和呈现增强页面的基础内容的一个或多个媒体对象。例如，当被执行时，脚本可访问本地存储的用户偏好或者与浏览器“cookies”的使用相关地存储的用户属性，并且在动态生成的服务请求中包含一个或多个用户属性。

这里描述的发明是主干促销系统(backbone marketing system)，用于支持对促销信息的增强的消费者访问，该促销信息优选地是由消费者的社交对方提供的。下面的实施例及其各方面结合系统、设备和方法而被描述和例示，这些系统、设备和方法意味着在范围中是示例性的和例示的，而非限制性的。

下面的描述陈述了许多细节以提供对本发明的各种方面的透彻理解。然而，本领域的技术人员将会清楚，可在没有这些具体细节的情况下实践本发明。在其他实例中，用于处理数据的算法以及算法操作的符号表示是由本领域的技术人员用来向本领域的其他技术人员最有效地传递他们工作的实质内容的手段。这里所使用的算法是产生希望的结果的操作的序列，所述操作需要对物理量的物理操纵。通常，虽然不一定是必需的，这些量采用了电信号的序列的形式，其中电信号表示要存储、传送、组合、比较和以另外的方式操纵的二进制数。

本发明还涉及用于执行这里的操作的设备。此设备可为了所需要的目的而被专门地构建，或者它可包括由一个或多个计算机程序选择性激活的一个或多个通用计算机以得到需要的结果。这样的计算机程序可存储在任何合适的计算机可读存储介质中。计算机可读存储介质包括用于以诸如通用计算机之类的机器可使用的形式来存储或传输信息的任何机制。

这里呈现的算法和显示内在地不涉及任何具体的计算机或其他设备。可根据这里的教导来使用各种通用系统，并且构建更专门的设备来执行算法操作可证明是方便的。各种的这些系统的所需要的结构可从下面的描述中显现出来。此外，不参考任何具体的编程语言来描述本发明。本领域的技术人员将会认识到，各种编程语言可用来实现这里所描述的本发明的教导。

说明书通过首先描述人群匹配(PeopleMatch)主干系统的框图来阐述框架，该系统操作用于识别消费者、有品牌的消费品与拥护者之间的最佳匹配。第二，描述所使用的匹配算法的示例。在每个匹配中，各种预期的拥护者被考虑，并且他们的促销值以依赖语境的方式被估计，以便确定最佳匹配。描述了各种示例促销和匹配语境。第三，一个或多个最佳前景的集合被用在促销活动中，其中用户的实际值被确定和分配。所分配的值的一部分提供了各种促销激励来扩展人群匹配促销系统。第四，可替代实施例示范了基于原始属性的自适应匹配算法。

A.系统主干设备

图1是示例主干系统的框图。各种剖析功能(profiling function)是由元件101-105执行的，元件101-105包括用户剖析器(profiler)101、拥护者剖析器102、行为剖析器103、登广告者/发布者(publisher)剖析器104、以及消费品品牌、产品或服务(BPS)剖析器105。各种剖析器可通过网络130上的服务请求来直接访问，或者可通过剖析器应用程序接口(API)100来间接访问。剖析器API 100可用来修改或访问任何的剖析器101-105的功能。系统的一个可能用途是为匹配服务提供网络服务器。各种匹配功能是由主服务器121-125执行的，主服务器121-125包括BPS服务器121、前景服务器122、拥护者服务器123、消费者服务器124和影响者(influencer)服务器125。服务器API 120可用来访问或修改任何的第三方服务器121-125的功能。

A1.用户剖析

在系统中，将通常的用户设想为品牌、产品、服务或其他消费品的潜在消费者是方便的，但是如下面进一步描述的，用户还可有资格作为拥护者或作为专家，这在下面进一步讨论。虽然可匿名地使用系统，但是在优选实施例中，用户具有各种显式地限定的或者隐式地导出的属性的简档(profile)，上述属性包括与社交交互和消费习惯有关的一个或多个属性。在一个实施例中，用户注册并且在注册时可选地完成显式用户简档。在另一实施例中，用户简档是从外部服务提供者获得的。在替代的或另一个实施例中，例如通过传递如上所述的用户cookie，而在主干服务请求中供应用户的属性。在替代的或额外的实施例中，用户属性是通过在线活动而学习的。网络使用中所学习的用户的属性还在用户剖析器101中被追踪，被存储在用户简档106的数据库中，并且在一个实施例中如下面进一步描述地被自适应地修改。

数据库106中的用户简档包括用户属性以及与用户的社交偏好有关的一个或多个等级(rating)，例如用户的人口统计群组、社交连接、以及与各种属性相关联的相对等级。在一个实施例中，属性等级在规模上从负一到正一，正一表示等级持有者与属性完全地对准，并且负一表示等级持有者与属性完全地不对准。为了例示，示例属性可以是“男性购买习惯”。完全适合与属性相关联的式样的用户会具有正一的相关联等级，而完全适合相反式样(“女性购买习惯”)的用户会具有负一的“男性购买习惯”等级。显示了男性和女性购买习惯的混合的用户，会被评级(rate)在负一与正一之间的某处。

用户简档还可包括对品牌、产品或服务(BPS)的消费兴趣的一个或多个被评级的属性，与BPS的(一个或多个)现有关系的被评级的属性，以及关于BPS的被评级的知识。用户简档还可包括与用户通信的一个或多个方法，以及在多于一个方法的情况下的、通信方法的相对优先级。在一个实施例中，用户简档被划分成社交的、时间的、空间的和语义的等级。在一个实施例中，用户简档包含一个或多个个人化的用户消费等级。在优选实施例中，每个用户被指定了唯一的标识符以与对数据库106中的各种用户属性的访问相关联。

A2.群组剖析

在另一实施例中，可形成具有一个或多个共同属性的一组或多组用户。用户的属性可包括对用户的群组的标示，以及用于每个这样的群组的、用户与群组对准的等级。例如，两个用户群组可以是“男性”和“女性”。此外，可以以从个人关联到局部群组关联到全局关联的进展来层次地组织两个或更多个用户群组。为了例示，用户可被地理地分类在各种群组中，包括城市群组、县群组、州群组、国家群组、洲群组和用户的整个群组。在一个实施例中，用户具有用于一个或多个地理群组的相关联等级。还可将等级表征(characterize)为个人等级、局部等级或全局等级。例如，用户可以是美国加利福尼亚州奥克兰的市民。用户等级可被分解成作为美国公民的用户的全局观点，被作为加利福尼亚州人的用户的更局部化观点所修改，进一步被作为奥克兰的市民的用户的局部观点所影响，并且被用户的个人对准所精细化(refine)。在一个实施例中，各种语境中的每个群组的经平均的统计响应被制表并且作为等级存储在用户数据库106中，并且与群组相关联的一个或多个等级如下面进一步描述地被自适应地确定。例如，“男性群组”中的用户组的消费习惯可被统计地分析，以确定平均群组消费习惯。

A3.拥护者剖析

在系统中，拥护者是预先取得资格并且被监控的用户子集。如这里所使用的，拥护者可进一步分类成两个或更多个类别。拥护者类别包括非货币激励的拥护者和货币激励的专家。此外，一些拥护者进一步有资格作为专家。如上所述，通过促销系统，用户可以可选地选择参与，并且可进一步取得BPS的拥护者的资格。在一个实施例中，利用与一般BPS拥护者的拥护的值相关的非货币激励来推动一般BPS拥护者。在另一实施例中，用户可以可选地选择参与，并且可进一步取得BPS的专家拥护者的资格。在一个实施例中，利用与专家BPS拥护者的拥护的值相关的货币激励来进一步推动专家BPS拥护者。在优选实施例中，拥护者具有各种显式地限定的或者隐式地导出的属性的简档，上述属性包括与社交交互和拥护技能有关的一个或多个属性。在网络或系统的使用中所学习的拥护者的属性还在拥护者剖析器102中被追踪，被存储在拥护者简档107的数据库中，并且在一个实施例中如下所述地被自适应地修改。在优选实施例中，每个拥护者被指定了用来访问数据库107中的拥护者属性的唯一标识符。

在另一实施例中，来自消费者动作的反馈、外部的产品供应者、登广告者和/或其他销售者也被自适应地用来修改拥护者简档。拥护者简档还可包括一个或多个个人属性，例如拥护者人口统计状况、拥护者社交连接、对于拥护而言的用户群组的集合、以及与不同的人口统计群组相关联的相对对准和普及等级。拥护者简档还可包括与品牌、产品或服务(BPS)的现有关系或连接的一个或多个被评级的属性，以及与关于BPS的知识相关的一个或多个被评级的属性。在一个实施例中，拥护者数据库107包括指示了与拥护者通信的方法的一个或多个属性以及/或者一个或多个通信可用性状况指示符。

在一个实施例中，拥护者简档包含一个或多个类型的拥护者促销分数。在另一实施例中，拥护者被细分成若干拥护者分类类型。例如，购买了产品的用户可取得产品消费者拥护者的资格，而满足更高的产品供应者的准则的用户可取得品牌拥护者的资格。拥护者分类类型的集合还可包括一个或多个专家类别。专家可进一步分类为有薪金的专家、激励的专家或自己推动的专家。有薪金的专家可以是例如制造者的代表。如下面进一步描述的，推动激励的专家行动起来以实现某些非货币的激励。自己推动的专家不接收有形激励，但是可接收诸如被改进的拥护等级之类的无形激励。拥护者的每个类型可具有它自身的资格标准以及更新由拥护者剖析器102应用的拥护者等级的方法。

A3.品牌剖析

可消费的商品的数据库110由BPS剖析器105确定和更新。可消费的商品通常是产品、品牌或服务，但可以是能被销售的任何东西，包括对进一步促销材料的引用，例如制造者的网站。系统表征并且存储可消费BPS的一个或多个属性，例如BPS的通常购买循环的特征描述(characterization)、BPS的竞争产品、平均BPS消费者的人口统计状况、BPS促销目标等。

A4.行为剖析

对假设产品的示例购买循环被描绘为图2中的漏斗。对此产品的良好的购买循环可包含各种可识别的阶段，通常从一般进展到具体。在此示例中，从第一次查询到销售的阶段数目被例示为四，但是这仅仅出于例示目的并且不作为限制。对于特定的可消费商品，可识别的阶段的实际数目可以是更小的或更大的。此外，一个或多个被识别的阶段可被进一步细分或者可与另一被识别的阶段组合。在此示例中，消费者获取与一般化市场调查200中的可得产品有关的信息，缩小到获取少数竞争产品201的促销材料，进行比较采购(comparison-shop)以聚焦于一个或多个具体的品牌产品202，并且在产品销售203中进行购买。消费者还可决定参加以变为产品拥护者204，并且最终变为产品专家205。如上所述，拥护者和/或专家的类别还可被细分和表征。例如，喜爱所购买的产品的消费者可取得“产品使用拥护者”的资格，而还显示了关于竞争产品的知识的消费者可取得“产品比较拥护者”的资格。

行为剖析器可被看作将与潜在消费相关的{何人、何物、何地、如何、何时}的集合的已知成员进行组合，以便评估消费者兴趣、消费的可能性、以及在购买情况下的购买时间线中的位置。在通常的评价中，已知的用户是会进行消费的预期的何人，受会拥护消费的社交相关人的影响。产品、品牌或服务是消费者预期会消费的何物，以及用于BPS的促销消息。最佳拥护者、促销消息或产品部分地取决于消费者在何地，这既是就用户或请求的物理位置而言的，又是就诸如当前网页、域、网络或服务提供者之类的网络位置而言的，并且最佳拥护者、促销消息或产品包括诸如显示装置、通信装置等之类的装置明细(specifics)。行为剖析器103估计要如何进行购买，以及如何最佳地接近消费者。行为剖析器103还分析浏览请求以估计在所估计的用户修改的产品购买循环中要何时进行购买。通过在行为剖析器103中监控用户的各种浏览和其他在线活动、以及自适应地修改行为数据库108，消费者的未来消费习惯可被预测，特别是当消费者开始着手大宗购买(major purchase)的时候。来自行为剖析器103的结果被存储在数据库108中。

在通常的漏斗形行为的每个阶段，消费者查询的宽度减小，消费者从更一般的向更具体的移动焦点，并且越少的消费者有在循环中进展的资格，从而缩小到越小的流。注意，对诸如汽车之类的长期资产的通常购买循环很不同于对像自动开罐器那样的短期便利品的购买循环。在一个实施例中，行为剖析器通过将BPS划分成类别来说明这些不同，并且在每个类别和促销语境中表征购买循环的各种阶段。

A5.产品、品牌或服务的具体剖析

BPS剖析器105输入或学习对于每个一般和具体类型的BPS而言不同购买阶段的特征描述，并且在数据库110中存储通过BPS标识符索引到的各种购买循环的特征描述。在一个实施例中，类似的产品在诸如示例类别“车险”之类的类别中被群组在一起。可替代地，从第三方获得对于各种产品或类别而言的产品购买循环的特征描述。此外，个别的消费者可将个别化购买习惯存储在数据库106中，个别化购买习惯不同于通常的购买循环。消费者动作被与各种消费阶段式样相比较地监控和评估，以预测行为剖析器103中的购买循环中的位置。在一个实施例中，行为剖析器103还利用BPS剖析器105和用户剖析器101的输出来修改购买时间框估计，以便组合106中存储的消费者的个人化购买习惯、110中存储的BPS的通常购买循环以及108中存储的所检测的消费者动作，从而精细化对消费者的购买意图和时间框的预测。

A6.登广告者和发布者剖析

登广告者或销售者最终试图识别出朝向购买去的消费者，并且试图将消费者引导至所广告的产品。然而，登广告者的中间促销目标可显著地变化，并且具有不同促销材料和方法的不同登广告者愿意为不同目标的实现支付不同的费用。登广告者和广告活动的一个或多个属性被在登广告者剖析器104中确定并且被存储在数据库109中。在一个实施例中，对执行每个促销目标的测量值也被存储在数据库109中。在一个实施例中，促销消息也存储在数据库109中。可替代地，对执行每个促销目标的测量值可在帐户管理器127中被确定或维持、或者从登广告者、供应者或外部记帐服务提供者来获得，并且被存储在数据库126中。在一个实施例中，登广告者剖析器104还可确定要存储在登广告者简档数据库109中的、登广告者的一个或多个相对优先级。在一个实施例中，登广告者简档还包含当前网络状况的一个或多个等级，当前网络状况例如货币化目标、内容义务、网络业务量状况或趋势、以及所希望的用户体验。

公布者的属性还可影响对于适当的消费者、产品、拥护者、专家和促销材料的选择。通常，登广告者把某些发布作为目标，并且潜在发布者的属性可存储在登广告者简档数据库109中。可替代地，发布者剖析器(未示出)表征并且更新发布者数据库(未示出)中所存储的发布者的属性。发布者数据库可包含与发布者义务、发布者目标的执行、发布者促销材料、发布者网络状况、有资格的发布者的拥护者和专家等相关的一个或多个属性。

A7.数据库匹配

在各种实施例中，执行搜索以确定在BPS、消费者和拥护者之间进行的最佳三向(three-way)匹配的集合。通过搜索一个或多个数据库以确定具有被良好地加权的属性的简档。在一个实施例中，数据库匹配器111从语境评价器(context evaluator)114接收包括了一个或多个加权函数以及对要搜索的一个或多个数据库的标识的服务请求。响应地，数据库匹配器111确定并且提供对最佳匹配的识别。

A8.通信管理器

在各种实施例中，消费者与拥护者之间的直接的“一次点击(one-click)”通信经常产生最成功的三向促销匹配。在示例实施例中，在网页上，接近促销消息显示对拥护者的表示。通过使用诸如计算机鼠标之类的计算机的点选装置，感兴趣的消费者能够移动屏幕光标以将它放置在拥护者的表示之上。在一个实施例中，拥护者的表示被编排(instrument)以便规定：鼠标按钮的单次点击启动由通信管理器112实现的、在消费者与拥护者之间的通信。在另一实施例中，通信管理器112访问用户剖析器106的数据库和拥护者剖析器107的数据库，以确定适合于双方的通信的默认或优选方法。在通常实现方式中，通信的默认方法是借助因特网协议话音(VoIP)的，但是通信可通过任何方便的方法来建立，这些方法包括通过即时消息接发的通信、文本即时消息接发、视听即时消息接发、直接电话拨号、短消息服务(SMS)协议、或者电子邮件通信中的一个或多个。在优选实施例中，通信管理器使每一方能在希望的情况下保持通信匿名性。通过这样的通信完成的通信活动和消费活动被记录在数据库113中。

A9.帐户管理器

系统被设计为促进产品的促销和消费。帐户管理器127追踪匹配和促销活动以及相关联的消费活动，并且将活动的日志存储在数据库126中。在一个实施例中，帐户管理器还确定具有如下面进一步描述的被提供的拥护的促销的增强值。在另一实施例中，帐户管理器更新客户端帐户、给各种系统消费者开帐单、维持各种帐户应收款项、并且确定收入流的分配。在一个实施例中，应收款项流的一部分专用于提供各种促销激励，包括对专家的支付以及对拥护者的非货币激励，这在下面进一步描述。

A10.服务器API

如以上所指示的，促销系统提供了在消费者，品牌、产品或服务(BPS)与拥护者之间的一个或多个三向匹配。在系统的通常使用中，对于三向匹配而言三方中的两个被提供，并且促销系统服务器提供了对一个或多个第三方的识别。在一个实施例中，可通过服务器应用程序接口(API)120来获得第三方。服务器API 100可用来访问或修改任何第三方服务器121-125的功能，上述服务器包括BPS服务器121、前景服务器122、拥护者服务器123、消费者服务器124和影响者服务器125中的一个或多个。

A11.BPS服务器

BPS服务器被用来搜索和访问诸如被销售的品牌、产品或服务(BPS)之类的可消费商品的一个或多个属性。在BPS服务器121的通常使用中，对于一对用户的识别在服务请求中被提供，并且BPS服务器121利用对如下的一个或多个品牌、产品或服务的识别来进行响应，这些品牌、产品或服务可能从具有个人化拥护的促销中受益。如上所述，就具体的BPS而言，消费者可取得拥护者的资格或者还取得专家的资格。为了产生成功的匹配，用户中的至少一个必须取得BPS拥护者或专家的资格。

当每个用户都有资格充当一个或多个产品的拥护者时，出现了这样的问题：哪个用户应当被视作拥护者，并且哪个应当被视作消费者。在一个实施例中，到BPS服务器的服务请求包括了对要视作拥护者的用户的识别，并且在有资格被所述用户拥护的所有品牌、产品和服务之中执行搜索以找到就其他消费用户而言可能提供最大促销利益的BPS。在替代或扩充(augment)的实施例中，每个用户都被视作潜在的拥护者，并且为作为拥护者的任一用户而在所有有资格的品牌、产品和服务之中执行搜索以找到可能向其他消费用户提供最大促销利益的BPS。在替代实施例中，服务请求响应识别了BPS和要被认作拥护者的用户。

对于消费者、拥护者和BPS的每个预期匹配，都利用语境评价器114、数据库匹配器111以及各种数据库106-110、113和126来确定对匹配值的估计，这在下面进一步讨论。与各种匹配相关联的匹配值被排序，并且具有最高匹配值的一个或多个匹配被认为是最佳的。

A12.拥护者服务器

拥护者服务器用来搜索和访问促销拥护者的一个或多个属性。在拥护者服务器123的通常使用中，对消费者和BPS的识别在服务请求中被提供，并且拥护者服务器123通过提供对于可能成功促进BPS的消费的一个或多个拥护者的识别，来作出响应。对于消费者、拥护者和BPS的每个预期匹配，都利用语境评价器114、数据库匹配器111以及各种数据库106-110、113和126来确定对匹配值的估计，这在下面进一步讨论。与各种匹配相关联的匹配值被排序，并且具有最高匹配值的一个或多个匹配被认为是最佳的。

A13.消费者服务器

消费者服务器用来搜索和访问消费者的一个或多个属性。在消费者服务器124的通常使用中，对拥护者和BPS的识别在服务请求中被提供，并且消费者服务器124通过提供对于可能被BPS的个人化拥护所推动的一个或多个消费者的识别，来作出响应。对于消费者、拥护者和BPS的每个预期匹配，都利用语境评价器114、数据库匹配器111以及各种数据库106-110、113和126来确定对匹配值的估计，这在下面进一步讨论。与各种匹配相关联的匹配值被排序，并且具有最高匹配值的一个或多个匹配被认为是最佳的。

A14.前景服务器

在前景服务器124的通常使用中，对拥护者和BPS的识别在服务请求中被提供，并且前景服务器124通过提供对于可能被推动而考虑消费BPS的一个或多个用户的识别，来作出响应。对于前景、拥护者和BPS的每个匹配，都确定对匹配值的估计。与各种匹配相关联的匹配值被排序，并且具有最高匹配值的一个或多个匹配被认为是最佳的。

A15.影响者服务器

在影响者服务器125的通常使用中，对BPS的识别在服务请求中被提供，并且影响者服务器125通过提供对于可能被推动而考虑消费BPS的一组或多组用户的识别、以及对于就每个群组来说可能影响群组的一个或多个拥护者的识别，来作出响应。对于群组、拥护者和BPS的每个预期匹配，都确定对匹配值的估计。与各种匹配相关联的匹配值被排序，并且具有最高匹配值的一个或多个匹配被认为是最佳的。

在计算机网络术语的语境中，服务器有时被称为虚拟服务器。虚拟服务器在物理上是连接至网络的一个或多个服务器系统，并且支持电路执行用于处理数据的应用程序。可通过如下的方法来存储数据：该方法例如通过将数据存储在“数据库”中来促进高效的处理，其中“数据库”由通过其中包含的各种形式的数据之间的关系来组织的数据的聚集所组成。当虚拟服务器由多于一个的计算机服务器系统所组成时，计算机服务器系统的集合被层次地互连，以便执行作为中央控制之下的几个服务器的组合功能的高级功能。

功能上，虚拟服务器执行低级CPU命令的序列以完成用于处理数据的指令。虚拟服务器通常接受指令并且执行许多“客户端”的命令。指令可包括但不限于用于存储或检索数据的，用于修改、验证或擦除数据的或者用于重新组织数据的指令。虚拟服务器还可启动用于其他网络附接装置的指令。例如，虚拟的“音乐服务器”可维持数据库以安置音乐作品的库。音乐服务器可从若干客户端接收存储新歌或检索老歌的命令。此外，音乐服务器可发送命令给网络上的其他装置，例如用于将音乐数据库散布在诸如“爵士服务器”、“hip-hop服务器”、“古典服务器”等之类的各种辅助性服务器之中，用于将付费用户请求注册在“开帐单服务器”中，用于在“注册服务器”中验证用户的识别、偏好和访问特权，等等。音乐服务器因此还可以是其他服务器的客户端。本领域的从业者将会意识到，虚拟服务器和客户端是被软件指令控制的抽象的交互式装置，它们的交互协议可被灵活地定义。这里所使用的“客户端”可包括处理信息和程序以及发出命令的功能。类似地，这里所使用的虚拟服务器可包括启动对用户和其他服务器的命令以及对指令作出响应的功能。

类似地，数据库不应当理解为单个的物理的数据聚集。如这里所使用的，数据库是抽象的数据聚集，并且可被分布在一个或多个物理位置上。所述数据可被物理地存储在单个或多个服务器内，存储在(一个或多个)附接的物理装置、(一个或多个)网络附接的装置、或(一个或多个)用户装置之内。类似地，应用程序不应当理解为单个的物理的命令聚集。如这里所使用的，应用程序是抽象的CPU命令的聚集，它可在单个或多个服务器内、在(一个或多个)附接的物理装置内、在(一个或多个)网络附接的装置内、或者在(一个或多个)用户装置内，全部地或部分地被物理地执行。

B.语境匹配

图3描绘了在被标示为用户A的用户300，被标示为用户B、拥护者B或专家B的、充当拥护者的第二用户301，与被标示为BPS C的消费品之间的预期三向匹配。在通常的环境中，消费品是引起用户A的注意的品牌、产品或服务。匹配的三方中的每一个都具备属性的集合，所述集合分别被标示为属性(A)、属性(B)和属性(C)并且被存储在数据库106、107和110中。一些或所有的属性可被显式地限定，而一些属性可被隐式地或概率性地确定。

在优选实现方式中，匹配系统通过估计反映了三向匹配中的成对关系的实质量的集合，来进行操作。例如，在优选实施例中，用户A和拥护者B具有基于经历、兴趣和价值的一些共同性的社交关系。社交关系可被表征为具有图3中被标示为“知识”的客观或事实的成分，以及被标示为“连接”的主观或情绪的成分。为了表示示例关系可以不是自反的(reflexive)，用户A对拥护者B的知识被标示为知识(A，B)，而拥护者B对用户A的知识被标示为知识(B，A)。类似地，用户A到拥护者B的连接被标示为连接(A，B)，而拥护者B到用户A的连接被标示为连接(B，A)，等等。所估计的实质量以依赖语境的方式被进一步组合，以确定总体的匹配分数或匹配值。

为了估计A与B之间的社交关系的强度，社交强度函数组合了实质的估计量。在优选实现方式中，实质社交强度量包括对社交知识和社交连接的估计。在一个实现方式中，每个实质量在规模上从负一到正一地被评级、被指定了在规模上从负一到正一的加权因子，并且社交强度被确定为被评级的因子的积的加权和。在优选实施例中，确定和存储在将促销语境和购买循环的阶段进行组合的情况下的、每个语境的加权因子的集合。例如，在一般化市场调查中，消费者通常给事实收集更大的权重，而在靠近拥护者的潜在销售中，消费者通常将更大的权重给予与拥护者的关系的无形的情绪方面，例如对拥护者的信任。消费者焦点的这种改变是通过使用如下的加权因子的集合来反映的：该集合将较大的权重给予较早购买循环中的知识，并且将较大的权重给予稍后购买循环中的连接。

在替代实施例中，A和B的每个属性被量化。属性然后被划分成影响实质估计量的群组。例如，社交强度可被进一步表征为具有两个成分，反映潜在共同知识的属性和反映潜在共同连接的属性。通过将A和B的共同知识属性相关联，计算出共同知识分数。通过将A和B的共同连接属性相关联，计算出共同连接分数。通过组合成分分数来计算社交强度。在一个实现方式中，社交强度是成分分数的和。在替代实现方式中，实质估计量被设想为占据了正交维度，并且社交强度是欧氏距离(或者“L2范数”)，它被计算为正交的实质估计量分数的平方和。

在优选实施例中，利用加权因子、差异、平方距离和相关性的组合，来组合A和B的属性。属性被量化并且被划分成影响实质估计量的群组。一般地，当用户A和拥护者B具有高度相关的属性时，他们具有更多的共同之处。加权因子可用来忽略不希望的属性或者对不希望的属性进行负加权。然而，在一些促销努力中，可能希望用户A和拥护者B具有一些在量化值中有大差异的属性，例如他们的表征产品知识的那些。例如，在购买循环的一般化市场调查阶段中，可能希望拥护者具有比用户大得多的对BPS的知识，而将要进行购买的有见识的消费者可能更喜欢具有类似的对产品的知识的拥护者。用于较早购买循环阶段的示例知识分数(Ks)是

Ks＝知识(B，C)一知识(A，C)。

如果重要的仅仅是知识的差异的幅度，则示例知识分数是

Ks＝{知识(B，C)一知识(A，C)}²。

用于稍后购买循环阶段的示例知识分数是

Ks＝知识(B，C)*知识(A，C)。

此外，如上所述，分数被加权以说明促销语境。在一个实施例中，促销联系被分类为直接联系或间接联系。例如，消费者可为了产品摩托车而访问由条幅广告(banner advertisement)所组成的促销材料。条幅广告可伴随以经编排的对拥护者的表示，这提供了到所表示的拥护者的直接通信联系。

可替代地，条幅广告可伴随以用于请求到拥护者的间接联系的链接。当语境类别包括直接联系的一个或多个方法时，拥护者简档包括与直接联系语境中的拥护者的预期促销值相关的一个或多个属性。直接和间接的促销联系还可被分类，并且拥护者属性可相应地被扩展为说明消费者启动的联系和系统辅助的联系中的不同响应。

在替代或扩充实施例中，促销联系被分类为显式的、隐式的或概率性的。例如，条幅广告可伴随以单个显式的拥护者参考，例如具体的有名拥护者的表示。可替代地，条幅广告可伴随以单个隐式的拥护者参考，例如标注着“服务技术员”的另外的匿名拥护者的表示。当语境类别包括显式(隐式)联系的一个或多个手段时，拥护者简档包括与显式(隐式)语境中的拥护者的预期促销值相关的一个或多个属性。概率性联系的示例是当条幅广告伴随着竞争拥护者的两个或更多个表示时，它们中的任一个都可被消费者选择。各个拥护者的预期促销值是(a)拥护者被消费者选中的概率和(b)在被选中的情况下拥护者的预期促销值的积。当语境类别包括概率性联系的一个或多个手段时，拥护者简档包括与概率性语境中的拥护者的预期促销值相关的一个或多个属性。

图4示出了示例匹配值估计器。在图4中，输入是用户A、用户B和BPS C的属性，以及针对促销活动的语境和购买循环的阶段的规则集合(RuleSet)标识符。规则集合标识符索引过滤规则和分数组合权重的表403。过滤规则控制过滤器p(A)、q(B)和r(C)。在一个实现方式中，过滤器r(C)衡量并且量化BPS C的属性，以确定哪些被正量化、哪些被负量化、以及哪些在过滤器r(C)的输出处被忽略。类似地，过滤器q(B)确定拥护者B的属性的加权，并且过滤器p(A)确定用户A的属性的加权。用户A的属性在分数单元407中被组合，拥护者B的属性在分数单元408中被组合，并且BPS C的属性在分数单元409中被组合。

单元404评价用户A与拥护者B之间的成对关系的实质估计量。两个或更多个实质量被估计，被标示为

{f_i(A，B)}

其中实质量指数i等于1、2等等。两个或更多个实质量包括社交知识分数和社交连接分数。

单元405评价用户A与BPS C之间的成对关系的实质估计量。两个或更多个实质量被估计，被标示为

{g_i(A，B)}

其中实质量指数i等于1、2等等。两个或更多个实质量包括产品知识分数和产品购买行为分数。

单元406评价拥护者B与BPS C之间的成对关系的实质估计量。两个或更多个实质量被估计，被标示为

{h_i(A，B)}

其中实质量指数i等于1、2等等。两个或更多个实质量包括产品知识分数和产品连接分数。

计分单元407-409和成对评价器单元404-406的输出处的各种分数被乘以比例缩放单元410中被标示为w1-w9的加权因子。比例缩放因子是从响应于所识别的规则集合的表403获得的。被加权的分数在加法器411中被组合以创建匹配值输出，其中较大的匹配值输出指示了具有较大预期促销值的三向匹配。

C.拥护者匹配

本发明所考虑的匹配估计器的一种可能用途是在确定最佳拥护者的集合方面。图5中示出了拥护者选择算法的示例流程图，其中假设匹配的两方：消费用户A和消费对象BPS C被固定，并且对这两方而言的最佳拥护者的集合是要确定的。

流程图由若干顺序的步骤所组成。匹配处理在步骤500中开始。在步骤501中，消费用户标识符(ID)、消费对象ID、登广告者ID(如果有的话)、发布者ID(如果有的话)以及语境ID在步骤501中被输入以进行处理。在步骤502中，标识符被用来对数据库106-110进行索引以获得与匹配相关的各方的属性。在步骤503中，被匹配的拥护者的列表被初始化为空列表，列表成员计数为零。

步骤504-506是用来处理拥护者的数据库的重复循环。在优选实施例中，数据库110中通过BPS C索引到的项包括对于BPS C而言有资格的拥护者的列表。在这样的实施例中，对于BPS C而言有资格拥护者的列表在步骤505中与数据库107中的可得拥护者的列表作比较。如果对于BPS C而言有资格拥护者的列表未被包括在数据库110中，则在步骤505中可得拥护者的列表被检查以看是否有任何拥护者有资格作为BPS C的拥护者。如果存在可得的并且有资格的未被处理的拥护者，则该未被处理的拥护者在步骤506中被处理。在步骤506中，潜在的可得且有资格的拥护者被处理以确定匹配值分数，并且拥护者标识符和相关联的匹配值分数被添加到匹配列表中。步骤504和505被重复以看是否存在另一未被处理的有资格且可得的拥护者，并且如果是这样的话则继续对(一个或多个)拥护者的计分和添加。循环继续直到所有有资格和可得的拥护者被穷尽，在此时步骤505进至步骤507。

在步骤507中，检查列表中匹配的数目。如果列表成员的计数为零，则没有拥护者在搜索中被找到，错误消息在步骤508中被生成，并且处理在步骤513中终止。否则，匹配列表是不空的，并且在步骤509中根据匹配值来排序匹配拥护者的列表。步骤510确定被排序的列表要如何被进一步地处理。在“阈值模式”中，匹配值超过阈值T的所有匹配在步骤511中被识别为最佳拥护者，并且处理在步骤513中终止。否则，假设多达N个最佳拥护者是所希望的，其中N是正整数。在此模式中，被匹配的列表中的头N个计分拥护者在步骤512中被识别，并且处理在步骤513中终止。

D.确定实际的和被增加的拥护值

先前的章节讨论了为三向匹配找到最佳拥护者的示例方法。在此节中，确定三向匹配中的实际的和被增加的拥护值。图6是用于反映确定这些量的方法的示例信号流程图。图6的被增加的值输出还被用来在可替代实施例中提供自适应匹配，这在下面进一步讨论。如下面进一步讨论的，可通过在时间上分散的若干子处理来确定图6中所确定的量。假设图6的每个处理框操作为具有输入的独立处理，这些输入在必要的情况下被加上标签以维持所指示的信号流的完整性和时间对齐。

在图6中，假设消费拥护A和感兴趣的BPS C被输入至促销系统。在框601中，确定具有有资格匹配分数的最佳拥护者B。此拥护者可被确定为图5的示例匹配处理的匹配列表的成员。在可替代实施例中，用户B的拥护者标识符是由各方之一或者第三方的代表供应的。在框602中，估计在具有和没有额外拥护的情况下的促销材料的促销值。在优选实施例中，图4的“匹配值”输出表示具有拥护者B的拥护的促销材料的预期货币值。来自框602的“匹配值”输出在必要的情况下(未示出)被衡量以表示此预期货币值。

在框602中，没有拥护的促销材料的预期值也被估计或确定。在通常环境中，促销材料是放在网页内的广告。在一个实施例中，通过重复地运行没有附随拥护的广告、追踪与广告相关的商业活动、并且积累对平均经济值的测量值，来确定没有拥护的广告的值。例如，产品制造者可以愿意向服务提供者为每次对条幅广告的点击支付十分钱。服务提供者编排广告以记录和说明对广告的每个点击，并且确定在没有拥护的情况下每个被放置的广告的平均值。在替代或扩充的实施例中，利用对于类似产品类别和类似语境中的类似广告的统计，服务提供者估计没有拥护的一个或多个广告的值。没有拥护的促销材料的值在框602的输出处被标示为“没有值(WithoutValue)”。

在框603中，存在着检查，以便看看是否由于具有拥护的预期促销值的增加而存在提供拥护的理由。如果否，则在没有拥护的情况下放置促销材料，并且不需要对拥护值的进一步处理。

如果存在促销值中的预期增加，则促销材料被扩充以向消费用户A提供作为促销拥护者的用户B。在框603中，如上所述，促销材料被优选地编排以支持到拥护者B的一次点击通信访问。在框604中，向帐户管理器127注册拥护契约协定的条款。帐户管理器127追踪与具有拥护的广告相关的所有商业活动，并且追踪相关联的动作的实际促销值。当促销活动对于所编排的促销材料而言已经结束时，所积累的实际促销值被框605输出作为“真实值(RealValue)”。

框606通过从真实值减去没有值来计算拥护的被增加的值。针对真实值而给登广告客户端开帐单。被增加的值(AddedValue)表示由拥护生成的被增加的收入流。此被增加的值可用于提供拥护激励、拥护成本、服务提供者成本、以及对于提供拥护的合理的服务提供者利润。框607向拥护资助者指定拥护的成本，并且划分拥护收入以提供拥护流利润和激励。在优选实施例中，货币激励保留给专家拥护者，并且其他拥护者接收非货币的激励。

E.匹配系统的自适应实施例

图8和图9表示以上的B节的匹配系统的可替代实施例的上一半和下一半。在B节中，假设可通过首先确定反映了两向关系的实质成分的若干中间量、并且其次将这些成份组合成匹配值(MatchValue)分数，来确定匹配的估计值。图8-9表示如下的可替代途径：它从原始属性直接估计匹配值分数，而不用确定中间量。

当对于匹配而言三方中的两个是已知的时候，已知各方的关系被固定，并且关系的预先存在的值是在没有拥护匹配系统的情况下实现的。预期第三方的值通过第三方与已知各方中的每一个的关系而被实质地确定。当要确定的第三方是拥护者时，消费者与产品的关系确定了拥护者匹配的一部分语境，但是不从一个预期拥护者改变至下一个预期拥护者。忽略预先存在的关系后，通过评价拥护者到产品的关系以及拥护者到消费用户的关系，来执行对拥护者的优化搜索。如所表征的产品购买循环中的用户动作的行为简档中所反映的，取决于消费用户与产品的当前关系、而以依赖语境的方式来执行评价。

在图8中示出了优化的拥护者处理器的上一半。在图8中，BPS C、拥护者B和用户A的原始属性被输入至归类和量化框804-806。属性被归类成N个类别，其中N是正整数，并且被组织和编入索引，以使得用户A的第i个属性与用户B的第i个属性相同，等等。在一个实施例中，每个属性都反映了该方的潜在质量，并且属性被正量化以反映该方具备属性的概率。在更可能该方不具备属性的情况下，属性可被负量化。例如，如果用户的被指明的属性是用户喜爱的颜色为红色，则量化值0.80可反映用户的喜爱颜色为红色的80％的概率。另一方面，量化值-0.70可反映用户的喜爱颜色是诸如蓝色之类的不同颜色的70％的概率。就对红色的偏好而言两个用户之间的相似性可被当做两个用户的被量化方属性的积。

在图8中，任一方的各种属性可通过对该方的被量化属性进行加权，而被强调、去强调(de-emphasize)、忽略或者拒绝。利用从语境确定的规则集合来索引过滤权重的三个表801-803，过滤器807-809分别提供C、B和A的量化属性的被修改的加权。过滤权重确定了促销语境所需要的属性强调或去强调。

BPS C的N个被加权的属性被标示为x[1]到x[N]，拥护者B的N个被加权的属性被标示为x[2N+1]到x[3N]，并且用户A的N个被加权的属性被标示为x[4N+1]到x[5N]。BPS C的被加权属性还与拥护者B的被加权属性相关联，以产生被标示为x[N+1]到x[2N]的、B与C的关系的N个相关属性。关联是由乘法器单元810输出的。类似地，用户A的被加权属性还与拥护者B的被加权属性相关联，以产生由乘法器单元811输出的、被标示为x[3N+1]到x[4N]的、A与B的关系的N个相关属性。图8的5N个输出在图9中被进一步处理。

在图9中，拥护的估计值被确定为图8的5N个输出的加权和。抽头权重(tap weight)w[1]到w[5N]是取决于促销语境的。复用器904具有作为输入的、抽头权重的L个不同集合以及选择控制输入，每个集合中有5N个抽头权重。输入抽头权重的示例集合被标示为901-903。904的输出是由“语境选择(ContextSelection)”输入确定的权重集合，“语境选择”输入选择L个抽头权重集合中的一个作为w[1]到w[5N]。在乘法器单元905中，每个抽头权重w[i]都乘以图8的相应第i个输出，x[i]。加法器906将乘法器的输出相加以输出拥护的被估计的值。在一个实施例中，被估计的值输出可用作对图4的匹配值输出的替代。

在该实施例的另一扩充中，系统使抽头权重适应于对所预测的拥护值进行精细化，从而更好地追踪实际值。回想起在图6中，输出的被增加的值反映了由所提供的拥护实现的额外值。图6的这个被增加的值输出被输入至图9的框907，框907确定被估计的值(EstimatedValue)与被增加的值之间的差。差值，“误差”，归因于估计误差和随机系统扰动。在乘法器908中，用一个较小的量，ε(epsilon)，来比例缩放该误差。单元909和910是用于抽头权重w[1]和w[5N]的示例适应单元。类似的适应单元被设置用于每个抽头权重。在乘法器911-912中进行估计的时候，乘法器908的输出与到估计值过滤器的输入相关联。为了对齐适应单元的输入，量x[1]到x[5N]可能不得不被存储，以用于在被增加的值已被确定之后的后来处理。乘法器911-912的输出是对抽头权重w[1]或w[5N]的小调整。对抽头权重w[1]的调整是在加法器913中实现的，而对抽头权重w[5N]的调整是在加法器914中实现的。

如果消费者-拥护者关系的属性被设想为向促销决定贡献了主观的、基于情绪的成分，则图8-9的适应性提供了明显的优点。发展了与拥护者的关系的消费者可能基于与拥护者的促销联系的积累结果来改变拥护者评价的主观成分。自适应系统学习给予各种属性的随时间变化的权重，并且因此调整它们。

F.示例服务器系统

如以上所指示的，下面讨论的图4、5和6的一个或多个处理以及图8-9的一个或多个处理可由专门的信号处理硬件来执行，或者可利用实现了软件步骤的序列的通用计算机来执行。处理可结合对用户的计算机系统(“客户端”系统)执行的一个或多个步骤、以及对服务提供者的计算机系统(“服务器”系统)执行的一个或多个步骤。这里描述的服务器和客户端系统可通过各种计算机系统和体系结构来实现。图7示出了通用计算机系统的示例性实施例中的合适组件。示例性实施例仅是合适组件的一个示例，并且不希望对本发明的使用或功能的范围提出任何限制。组件的配置不应当被理解为具有与计算机系统的示例性实施例中所示出的组件中的任何一个或组合有关的任何依赖或需求。本发明可结合许多其他的通用或专用计算机系统环境或配置来操作。

可在由计算机执行的、诸如程序模块之类的计算机可执行指令的一般语境中描述本发明。一般地，程序模块包括例程、程序、对象、组件、数据结构等，它们执行特定的任务或实现特定的抽象数据类型。还可在分布式计算环境中实践本发明，在该环境中任务是由通过通信网络链接的远程处理装置来执行的。在分布式计算环境中，程序模块可位于本地和/或远程的计算机存储介质中，该介质包括存储器存储设备。

参考图7，用于实现本发明的示例性系统可包括通用计算机系统700。计算机系统700访问指向这里描述的若干功能的一个或多个应用和外围驱动器。计算机系统700的组件可包括但不限于CPU或中央处理单元702、系统存储器708和系统总线722，系统总线722将包括系统存储器708的各种系统组件耦合至处理单元702。如本领域的技术人员所使用的，信号“总线”指服务共同功能的多个数字信号线。系统总线722可以是任何的几个类型的总线结构，包括利用了任何的各种总线体系结构的存储器总线、外围总线和局部总线。作为示例，并且不加限制地，这样的体系结构包括工业标准体系结构(ISA)总线、增强的ISA(EISA)总线、微通道体系结构(MCA)总线、视频电子标准协会局域(VLB)总线、外围组件互连(PCI)总线、PCl-Express总线(PCI-X)以及加速图形端口(AGP)总线。

操作系统管理计算机系统700的操作，包括去往应用(未示出)的数据输入以及来自应用(未示出)的数据输出。操作系统提供了系统上执行的应用与系统的组件之间的接口。根据本发明的一个实施例，操作系统是从Redmond，Wash的Microsoft Corporation可得的Windows

95/98/NT/XP/Vista/Mobile操作系统。然而，本发明可结合其他合适的操作系统来使用，例如从Cupertino，Calif.的Apple Computer Inc.可得的OS-X

操作系统、UNIX

操作系统、或者LINUX操作系统。

计算机系统700可包括各种计算机可读介质。计算机可读介质可以是如下的任何合适的介质：该介质可被计算机系统700访问，并且包括易失性和非易失性介质。例如，计算机可读介质可包括以用于存储信息的任何方法或技术来实现的易失性和非易失性计算机存储介质，上述信息例如计算机可读指令、数据结构、程序模块或其他数据。计算机存储介质包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、电可擦可编程ROM(EEPROM)、闪存或其他存储器技术，光盘ROM(CD-ROM)、数字通用光盘(DVD)或其他光学盘存储装置，磁带盒、磁带、硬磁盘存储装置或其他磁存储设备，软盘存储设备，磁的软磁盘，或者可用来存储所希望的信息并且可被计算机系统700访问的任何其他介质。

通信介质还可在诸如载波或其他输送机制之类的经调制的数据信号中实施机器可读的指令、数据结构、程序模块或其他数据，并且包括任何信息传送介质。术语“经调制的数据信号”意思是如下的信号：该信号使一个或多个它的特性以在信号中编码信息的方式被设置或改变。例如，通信介质包括诸如有线网络或直接连线连接之类的有线介质，以及诸如声音、RF、红外、蜂窝网络和其他无线介质之类的无线介质。

系统存储器708包括诸如只读存储器(ROM)706和随机存取存储器(RAM)705之类的易失性和/或非易失性存储器形式的计算机存储介质。包含基本例程的基本输入/输出系统707(BIOS)通常被存储在ROM 706和诸如闪存之类的其他非易失性存储装置中，基本例程例如在启动期间帮助在计算机系统700内的元件之间传送信息。此外，系统存储器708可包含操作系统709、应用程序712、其他可执行代码710和程序数据711中的一些或全部。存储器708通常包含对于CPU 702来说可立即访问的和/或当前正被CPU 702操作的数据和/或程序模块。可选地，CPU可包含高速缓冲存储器单元701以用于临时地本地地存储指令、数据或计算机地址。

计算机系统700还可包括其他可拆卸/不可拆卸的、易失性/非易失性的计算机存储介质。仅作为示例而不作为限制，图7示出了大容量存储单元713和存储设备721，大容量存储单元713从具有不可拆卸、非易失性磁介质的一个或多个磁盘驱动器读出或者向上述一个或多个磁盘驱动器写入，存储设备721可以是从诸如光盘或磁盘之类的可拆卸、非易失性存储介质730读出或者向上述存储介质730写入的光盘驱动器或磁盘驱动器。可用在示例性计算机系统700中的其他计算机存储介质包括可拆卸的或不可拆卸的介质以及易失性或非易失性存储装置。存储介质包括但不限于磁带盒、闪存卡、数字通用光盘、数字视频带、固态RAM、固态ROM等等。大容量存储装置713和存储设备721可直接地连接至系统总线722，或者替代地可通过诸如针对大容量存储装置713而示出的存储控制器714之类的接口来连接。存储设备可通过诸如722之类的一般计算机总线而接口到计算机系统700，或者可通过存储优化的总线而与存储控制器互连，存储优化的总线例如小计算机系统接口(SCSI)总线、ANSI ATA/ATAPI总线、Ultra ATA总线、火线(IEEE 1394)总线或者串行ATA(SATA)总线。

以上所讨论的并且在图7中示出的存储设备以及它们相关联的计算机存储介质提供了对计算机可读指令、可执行代码、数据结构、程序模块以及用于计算机系统700的其他数据的存储。例如，大容量存储装置713被示为存储操作系统709、应用程序712、其他可执行代码710和程序数据711。如前所述，713中的数据和计算机指令可被传送至系统存储器708，以方便来自处理器702的立即的CPU访问。可替代地，处理器702可通过直接与大容量存储装置713交互，来访问所存储的指令和数据。此外，大容量存储装置可以替代地被提供以网络附接的存储设备(未示出)，它是通过网络接口715来访问的。

用户可通过网络接口715或通过诸如键盘、指向装置之类的输入装置727，来将命令和信息输入进计算机系统700，指向装置一般被称为鼠标、跟踪球、触摸垫板、控制器、电子数字化器、麦克风、音频输入接口或视频输入接口。其他输入装置可包括操纵杆、游戏垫、卫星碟形天线、扫描仪等。这些和其他的输入装置经常通过耦合至系统总线的输入接口718而连接到CPU 702，但是可通过诸如并行端口、游戏端口或通用串行总线(USB)之类的其他接口和总线结构来连接。显示器726或其他类型的视频装置也可经由诸如图形控制器716和视频接口717之类的接口而连接至系统总线722。此外，诸如头戴式耳机、扬声器或打印机之类的输出装置728可通过输出接口719等连接至系统总线722。

计算机系统700可利用网络130而在联网环境中操作，网络130可操作地连接至诸如远程计算机725之类的一个或多个远程计算机。远程计算机725可以是终端、个人计算机、服务器、路由器、网络PC、对等装置或其他的普通网络节点，并且通常包括相对于计算机系统700而在以上描述的很多的或所有的元件。图7中描绘的网络130可包括局域网(LAN)、广域网(WAN)或其他类型的网络。这样的联网环境在办公室、企业宽度的计算机网络、内联网和因特网中是平常的。在联网环境中，可执行代码和应用程序可存储在远程计算机中。作为示例而不作为限制，图7将远程可执行代码724示为驻留在远程计算机725上。将会被认识到的是，所示的网络连接是示例性的，并且可使用在计算机之间建立通信链接的其他方法。

总的来说，这些元件希望表示计算机系统的广阔类别，包括但不限于基于以下系列的一个或多个成员以及任何其他合适的处理器的通用计算机系统：由加州圣克拉拉市的英特尔公司制造的CPU系列，由加州桑尼维尔市的Advanced Micro Devices(AMD)，Inc.制造的CPU系列，或者最初由Advanced RISC Machines，Ltd.设计的ARM CPU系列。当然，其他实现方式是可以的。例如，这里描述的服务器功能可由通过底板通信的多个服务器子系统来实现。

计算机系统700的各种组件可被重新布置、删除或扩充。例如，系统总线722可被实现为互连了计算机系统的各种子系统的多个总线。此外，计算机系统700可例如通过增加直接存储器访问单元(未示出)以使一个或多个组件能更高效地访问系统存储器708，而在现有组件之间包含额外的信号总线或互连。

如所示出的，高速缓存1和CPU1被一起包装为被称为“处理器核”的、具有处理器CPU1的“处理器模块”702。可替代地，702、704中包含的高速缓冲存储器701、703可以是系统总线上分开的组件。此外，本发明的某些实施例可既不需要也不包括所有以上的组件。例如，一些实施例可包括更小数目的CPU、更小数目的网络端口、更小数目的存储设备、或者更小数目的输入输出接口。此外，计算机系统700可包括额外的组件，例如一个或多个诸如704之类的额外的中央处理单元、存储设备、存储器或接口。此外，计算机系统700的一个或多个组件可被组合成专门的片上系统(SOC)以促进系统集成。在组件数是很关键的一些计算机系统环境中，整个计算机系统可被集成在一个或多个超大规模集成(VLSI)电路中。

如上所述，在一个实现方式中，这里所描述的一个或多个物理服务器或客户端系统的操作被实现为由计算机系统700执行的一系列软件例程。每个软件例程都包括要由诸如CPU 702之类的、计算机系统中的一个或多个组件执行的多个机器指令或系列的机器指令。最初，系列的指令可被存储在诸如大容量存储装置713之类的存储设备上。然而，系列的指令可存储在EEPROM、闪存器件(flash device)、或DVD上。此外，系列的指令不需要被本地地存储，并且可经由网络接口715从网络上的远程计算机725或服务器接收。

虽然以上已讨论了若干示例性方面和实施例，但是本领域的技术人员将会意识到对它们的某些修改、置换、添加和子组合。因此希望所附权利要求书和此后引进的权利要求被理解为包括在它们真正的精神和范围内的所有这样的修改、置换、添加和子组合。

Claims

1.一种通过网络提供促销拥护的方法，所述方法包括：

访问数据存储装置以获得网络用户的一个或多个属性、所述用户感兴趣的对象的一个或多个属性、以及所述对象的消费的一个或多个拥护者的一个或多个属性；

对于所述对象的消费的所述一个或多个拥护者中的每一个，确定对所述拥护者与所述对象之间的关系的值的测量值，该关系被表示为知识，以及

对所述拥护者与所述网络用户之间的关系的值的测量值，该关系被表示为连接；

组合知识和连接的测量值以估计对于所述对象的消费的每个拥护者而言促销拥护的净值；

利用所估计的促销拥护的净值来对拥护者进行排序；以及

实现所述网络用户与具有最大净促销值的一个或多个拥护者之间的通信。

2.根据权利要求1所述的方法，其中促进所述网络用户与一个或多个拥护者之间的通信还包括，向所述网络用户提供对促销消息的编排，以便建立拥护者与所述网络用户之间的双向通信链接，所述双向通信链接是通过单个网络用户接口动作发起的。

3.根据权利要求2所述的方法，其中所述双向通信链接还包括以下一个或多个：因特网协议话音(VoIP)呼叫、电话呼叫、蜂窝电话呼叫、智能电话呼叫、即时消息接发会话、电子邮件通信、短消息服务(SMS)协议消息、文本消息、或者邮件消息。

4.根据权利要求1所述的方法，其中确定所述知识和所述连接的测量值还包括：

将一个或多个属性划分成群组：一个与知识相关的群组和一个与连接相关的群组，

对每个群组中的属性进行量化；

确定每个群组中的每个属性的值；

组合针对与知识相关的群组确定的值，以计算组合知识测量值；以及

组合针对与连接相关的群组确定的值，以计算组合连接测量值。

5.根据权利要求4所述的方法，其中确定群组中的表征A方与B方之间的关系的每个属性的值还包括以下各项中的一个或多个：(a)将A方的属性的量化值与B方的相应属性的量化值相关联，(b)确定A方的属性的量化值与B方的相应属性的量化值之间的差，(c)确定A方的属性的量化值与B方的相应属性的量化值之间的欧氏距离，(d)确定A方的属性的量化值的幅度，以及(e)确定B方的属性的量化值的幅度。

6.根据权利要求4所述的方法，其中组合针对与特点相关的群组确定的值还包括以下各项中的一个或多个：(a)计算与特点相关的群组中的属性的确定值中的每个的加权线性组合，(b)计算与特点相关的群组中的属性的确定值中的每个的加权和，以及(c)计算与特点相关的群组中的属性的确定值中的每个的平方加权和。

7.一种用于通过网络提供促销拥护的设备，所述设备包括存储器、一个或多个中央处理单元、以及一个或多个处理器指令的集合，当被处理单元中的一个或多个执行时，所述指令操作用于：

利用所估计的促销拥护的净值来对拥护者进行排序；以及

8.根据权利要求7所述的设备，其中实现所述网络用户与一个或多个拥护者之间的通信还包括向所述网络用户提供对促销消息的编排，以便建立拥护者与所述网络用户之间的双向通信链接，所述双向通信链接是通过单个网络用户接口动作发起的。

9.根据权利要求8所述的设备，其中所述双向通信链接还包括以下一个或多个：因特网协议话音(VoIP)呼叫、电话呼叫、蜂窝电话呼叫、智能电话呼叫、即时消息接发会话、电子邮件通信、短消息服务(SMS)协议消息、文本消息、或者邮件消息。

10.根据权利要求7所述的设备，其中确定所述知识和所述连接的测量值还包括：

将一个或多个属性划分成群组，一个与知识相关的群组和一个与连接相关的群组，

对每个群组中的属性进行量化；

确定每个群组中的每个属性的值；

11.根据权利要求10所述的设备，其中确定群组中的表征A方与B方之间的关系的每个属性的值还包括以下各项中的一个或多个：(a)将A方的属性的量化值与B方的相应属性的量化值相关联，(b)确定A方的属性的量化值与B方的相应属性的量化值之间的差，(c)确定A方的属性的量化值与B方的相应属性的量化值之间的欧氏距离，(d)确定A方的属性的量化值的幅度，以及(e)确定B方的属性的量化值的幅度。

12.根据权利要求10所述的设备，其中组合针对与特点相关的群组确定的值还包括以下各项中的一个或多个：(a)计算与特点相关的群组中的属性的确定值中的每个的加权线性组合，(b)计算与特点相关的群组中的属性的确定值中的每个的加权和，以及(c)计算与特点相关的群组中的属性的确定值中的每个的平方加权和。

13.一种用于通过网络捕捉和分配促销拥护的值的方法，所述方法包括：

访问数据存储装置以获得网络用户的一个或多个属性、所述用户感兴趣的对象的一个或多个属性、以及所述对象的消费的拥护者的一个或多个属性；

提供对于所述对象的一个或多个促销消息的编排，以追踪与所述拥护者相关的商业活动；

确定所述对象的消费的促销拥护的净值；

从一个或多个促销资助者收集对促销拥护的净值的测量值；以及

分配所述收集以提供拥护促销激励、拥护系统成本和拥护系统提供者利润。

14.根据权利要求13所述的方法，其中提供对于所述对象的一个或多个促销消息的编排以追踪与所述拥护者相关的商业活动还包括以下各项中的一个或多个：将所述一个或多个促销消息与和所述拥护者通信的一个或多个手段相链接，实现所述拥护者与所述网络用户之间的基于网络的通信，记录与所述拥护者和所述网络用户之间的通信相关的任何商业活动，以及计算任何所述商业活动的市场值。

15.根据权利要求13所述的方法，其中确定所述对象的消费的促销拥护的净值还包括

计算与所述拥护者的拥护相关联的一个或多个促销消息的总商业值；

估计在没有所述拥护者的拥护的情况下的一个或多个促销消息的总商业值；以及

将所述净值确定为在具有拥护的情况下所计算的总商业值与在没有拥护的情况下所估计的总商业值之间的差。

16.一种用于通过网络捕捉和分配促销拥护的值的设备，所述设备包括存储器、一个或多个中央处理单元、以及一个或多个处理器指令的集合，当被处理单元中的一个或多个执行时，所述指令操作用于：

确定所述对象的消费的促销拥护的净值；

17.根据权利要求16所述的设备，其中提供对于所述对象的一个或多个促销消息的编排以追踪与所述拥护者相关的商业活动还包括以下各项中的一个或多个：将所述一个或多个促销消息与和所述拥护者通信的一个或多个手段相链接，实现所述拥护者与所述网络用户之间的基于网络的通信，记录与所述拥护者和所述网络用户之间的通信相关的任何商业活动，以及计算任何所述商业活动的市场值。

18.根据权利要求16所述的设备，其中确定所述对象的消费的促销拥护的净值还包括

19.一种通过网络提供促销拥护的方法，所述方法包括：

访问数据存储装置以获得网络用户的一个或多个属性、所述用户感兴趣的对象的一个或多个属性、以及所述对象的消费的一个或多个拥护者的一个或多个属性；以及

对于所述一个或多个拥护者中的每一个，

对于一个或多个属性中的每一个，当与在拥护者、所述网络用户与所述对象之间的关系中的促销值有关时，确定该属性的值的测量值，并且

将一个或多个测量值中的每一个线性地组合成与拥护者相关的促销拥护的估计净值；

利用促销拥护的所述估计净值来对拥护者进行排序；以及

20.根据权利要求19所述的方法，其中对于每个属性当其与在拥护者、所述网络用户与所述对象之间的关系中的促销值有关时，确定该属性的值的测量值还包括对所述网络用户、拥护者和所述对象的一个或多个属性中的每一个进行量化，并且对量化的属性进行计分。

21.根据权利要求20所述的方法，其中对量化的属性进行计分还包括以下各项中的一个或多个：(a)将拥护者的属性的量化值与所述网络用户的相应属性的量化值相关联，(b)将拥护者的属性的量化值与所述对象的相应属性的量化值相关联，(c)确定拥护者的属性的量化值与所述网络用户的相应属性的量化值之间的差，(d)确定拥护者的属性的量化值与所述对象的相应属性的量化值之间的差，(e)确定拥护者的属性的量化值与所述网络用户的相应属性的量化值之间的欧氏距离，(f)确定拥护者的属性的量化值与所述对象的相应属性的量化值之间的欧氏距离，(g)确定拥护者的属性的量化值的幅度，(h)确定所述网络用户的属性的量化值的幅度，以及(i)确定所述对象的属性的量化值的幅度。

22.根据权利要求19所述的方法，其中将一个或多个测量值中的每一个线性组合成与拥护者相关的促销拥护的估计净值还包括

对于属性的值的每个测量值，当属性与在拥护者、所述网络用户与所述对象之间的关系中的促销值有关时，计算包括测量值和抽头权重的积的贡献；以及

对于属性的值的每个测量值积累所述贡献，以获得总的估计净值。

23.根据权利要求22所述的方法，其中线性组合还包括

追踪与拥护者相关的所提供的促销拥护的实际净值；

确定所述估计净值与所述实际净值之间的差以获得误差值；

将所述误差值与属性的值的每个测量值相关联以获得调整量；

通过比例缩放所述调整量来确定抽头权重的调整。