专利名称：用于选择定向广告的系统和方法
技术领域：
本发明总体上涉及定向广告(targeted advertising)，更具体地说，涉及用于选择定向广告的方法和设备。
背景技术：
产品制造商和广告商试图通过影响目标消费者群体(target consumer segments)的行为来增加针对他们的产品的需求。使用调查研究来收集与消费者的态度和偏好相关的信息。无论是直接观察到的还是通过调查研究收集到的行为信息都可用于预测需求。制造商试图通过使用广告策略来影响消费者的偏好，以增加需求。制造商试图通过针对特定的消费者群体来优化其广告支出，这些消费者群体对制造商而言意味着通过提升消费者认知度(awareness)来影响消费者行为的高机会。因为消费者的态度和偏好在不断地改变，所以制造商必须持续监测态度和偏好以预测需求，并且通过广告来继续影响消费者的偏好。
图1是基于机会度量(opportunity metric)向不同的家庭提供单独定向广告的示例系统的框图。图2是参照图1描述的有线提供商的前端系统的示例实现的更详细的框图。图3A是例示在图1和图2所例示的示例系统中可能出现的示例数据流的框图。图;3B例示产品的广告相对于家庭的示例广告饱和特性。图4是例示针对多个家庭和产品的示例每周购买的表格。图5是例示针对多种产品的分群体的每个家庭示例预期每周购买的表格。图6是例示针对多个家庭和多个广告的示例广告日志的表格。图7是表示可以被执行以选择定向广告进行显示的示例机器可读指令的流程图。图8是表示可以被执行以针对家庭确定一个或更多个机会度量的示例机器可读指令的流程图。图9是表示可以被执行以选择广告来传送(delivery)到家庭的示例机器可读指令的流程图。图10是表示可以被执行以确定家庭对所显示的广告的媒体响应的示例机器可读指令的流程图。图11是示例处理器系统的图示，可以使用该示例处理器系统来执行图7、图8、图 9和图10的示例指令，以实现图1和图2的示例系统。
具体实施例方式虽然除了其它组件以外，本文描述的示例系统包括在硬件上执行的软件，但是这种描述仅是例示性的而不应当被认为是限制。例如，可以设想能够只在专用硬件中、只在软件中、只在固件中或者硬件、固件和/或软件的一些组合中具体实现任何或所有所公开的硬件和/或软件组件。有线提供商通常向广告商出售广播广告时间。定向广告是通过将广告设置在可能受影响而购买该广告产品的特定类型消费者(例如，特定的人口群体)可能看到该广告的时间和地点来执行广告的方法。广告商通常通过使用定向广告来希望增加他们的广告的效
果ο当考虑在广告上花费多少钱时，广告商将考虑到该广告的覆盖范围(reach)(艮口， 在指定的时间段内观看该广告的观众或家庭的数量)和显示该广告的频率。随着广告覆盖范围增加，更多的消费者可以观看到该广告，并且可能受影响而购买产品的消费者的数量增加。然而，随着广告频率增加，随着时间的过去广告会失去效果。具体地说，给消费者重复显示广告倾向于随着每次额外的显示降低该广告的效果。因而，将花费在显示“陈旧的” 广告上的额外资源花费在其它(非陈旧的)广告上可能会更好。这里描述的示例系统和方法对于有效地选择和显示定向到个人和/或家庭的广告是有用的。在一些示例中，基于关于产品针对家庭产生的机会度量，选择广告来显示给该家庭。可以选择不同的广告来经由例如安装在不同的家庭的机顶盒传送到各个家庭。示例系统和方法还考虑对特定家庭额外显示特定广告的可能的效果(例如，基于多个先前显示和表示显示的频率与效果之间的(多个)关系的历史数据)并且还基于所预计的效果来调整针对家庭的广告选择。通过如这里所描述的控制单独定向广告的选择，内容提供商可以增加通过出售广告空间所产生的收益并且可以提高由广告商花费的广告的效果。这里描述的示例系统和方法基于关于产品的高度个性化(individualized)和动态的机会度量或分数来针对单独的家庭传送选择广告。以前的系统利用代理方法来度量购买，诸如，例如测量电视节目观众来估计(approximate)购买产品的家庭的数量和类型。但是这些方法由于单独的家庭的购买而不能很好地适应。相反，这里所公开的示例系统和方法能够向特定家庭呈现最有效的广告，因为当该家庭随着时间调节其购买习惯时，所选择的广告也改变。示例系统和方法调节机会计算的速度可以与消费者进行他们的购买以及响应于广告的速度保持同步。如这里所使用的，关于广告的家庭饱和度是指针对将来显示广告的广告效果。饱和度可以限于时间段，超过了该时间段，该家庭的饱和度可以重置，或者可以无限期地持续。当家庭被认为拥有“到达的”饱和度时，将来的广告呈现通常相对于先前的呈现具有经降低的效果。图1是基于机会度量向不同的家庭A 102和B 104提供单独定向广告的示例系统 100的框图。示例系统100包括诸如有线电视公司的内容提供商106以向多个家庭A102和 B 104传送节目和广告。家庭A 102和B 104配备有耦接到电视机112和114的相应机顶盒108和110。内容提供商106可以通过多个频道来经由前端系统107广播节目，机顶盒 108和110可以调谐到该多个频道来接收广播节目。另外地或另选地，内容提供商106可以提供节目和/或广告的库或目录，可以选择这些节目和/或广告以用于应要求传送至机顶盒108或110中的任一个或两者。所调谐的或所传送的节目被显示在相应的电视机112和 114上。可以另选地或另外地通过个人计算机监视器等来实现该电视机。在示例系统100中，内容提供商106向一个或更多个广告商出售一个或更多个频道中的每一个上的时间。内容提供商106可以同意向机顶盒108和110(因而向电视机112 和114)广播特定的广告以用于向消费者进行显示。广告商试图通过以下步骤来提高他们的广告支出的效果a)增加收看他们的广告的观众的数量；和/或b)花费广告资源以使得被设计为将该广告的曝光集中在更可能购买正被广告的产品的消费者群体上。基于给定的广告将影响一定比例的人购买产品的理论，广告商可以通过增加观看广告的观众来增加被该广告影响的人数。然而，通过将广告的曝光集中在比普通公众更可能受影响的特定类别或群体的人上(例如，因为他们对该产品更感兴趣)，每个单元的广告资源可以影响相对更大数量的人来购买该正被广告的产品。传统地，已经通过广泛的人口学和/或地理学群体来对消费者进行分组或分类。已经使用调查、商店会员卡和其它数据收集方法来辅助广告商确定何时何地设置广告。然而，这些方法依赖于地理人口统计数据到购买习惯的大量泛化(massive generalization).结果，这些先前的方法在一些情况下可能仅产生名义上的统计改进。相反，图1的示例系统100包括机会计算器118来针对单独的家庭A 102和B 104确定机会度量。基于针对各个单独的家庭A 102和B 104的购买数据120和122以及所预期的购买数据124，机会度量表示一个家庭表现给特定产品的广告商的机会。家庭购买数据120和122标识由各个示例家庭A 102和B 104进行的购买。例如， 可以通过使用用于识别和/或记录购买的购买记录装置(例如，调查对象组(panel)跟踪中使用的尼尔森HomeScan 装置)的自我报告购买、和/或任何其它报告方法和/或报告方法的组合来将购买数据120和122提供给机会计算器118。可以经由填写调查和/或保持手工和/或电子的购买日志来进行自我报告。另一个收集家庭的购买数据的示例方法可包括收集购物积分卡数据。很多零售商店目前向自愿提供个人信息的人发行购物积分卡。个人信息可以包括以下项中的任何一个或更多个此人的地址、此人的个人或家庭的人口统计、此人的个人偏好和/或任何其它自愿提供的个人数据。每当购物积分卡的携带者在发行零售商处进行购买时，该购物积分卡就被扫描，并且所购买的物品(item)会被记录并归到该购物积分卡的携带者。作为购物积分卡所提供的个人信息和监测功能的交换，该零售商向该卡的携带者提供购买折扣。该零售商然后可以使用所收集到的购买数据来识别模式或者执行其它数据操作来获得有用的购物数据。正如以下更详细地描述的，可以通过协同过滤器1 来确定所预期的购买，该协同过滤器1 基于家庭A 102和B 104所被分类到的(多个)群体和那些(多个)群体通常购买的东西来确定预期家庭A 102和B 104(例如，每天，每周，每月，每年)可能要消费的产品的数量。机会计算器118通过确定预期各个家庭A 102和B 104要购买(例如，图 1中的预期购买124)的给定产品的数量与反映在购买数据120和122中的家庭A 102和 B 104实际购买的该产品的数量之间的差别来生成机会度量。可向内容提供商106提供该机会度量，以使得内容提供商106能够选择最适合(例如，有效的)的广告来传送给家庭A 102 和 B 104。为了评估不同物品之间的关系，可以利用不同商品和/或品牌之间的购买关系来填充和/或更新协同过滤器126。例如，可以通过执行消费者群体和行为的市场研究的研究服务或代理来维护该协同过滤器126。
图2是用来实现参照图1所述的内容提供商106的前端系统107的示例前端系统 200的更详细的框图。可以使用前端系统200来基于一个或更多个机会度量针对单独的家庭(例如，家庭A 102和B 104)选择和显示广告。为了清楚和简洁，图2的以下说明将参照前端系统200考虑图1中的家庭A 102的示例。该示例前端系统200包括广告选择器202， 以选择用于经由媒体传送器204传送到家庭的广告。例如，可经由有线广播系统来实现该媒体传送器204。在所例示的示例中，该媒体传送器204与多个用户机顶盒(例如，图1中的机顶盒108和110)进行通信。该广告选择器202配置有广告数据库206，该广告选择器202可从该广告数据库 206选择与一个或更多个产品相关联的广告。一个或更多个广告商(例如，图1的广告商 116)可将这些广告提供给该广告数据库206，这些广告商希望使得他们的(多个)产品广告针对具有与正被广告的(多个)产品相对应的高机会度量的家庭。广告选择器202接收多个输入以确定应当被传送到特定家庭的广告。例如，该广告选择器202从家庭选择器208接收家庭A 102的选择。该家庭的该选择使广告选择器 202专注于家庭A102，该家庭的该选择被认为用于单独广告传送。如上所述，该广告选择器 202接收针对一个或更多个产品的机会度量。由于该(多个)机会度量是特定于单独的家庭的，所以该广告选择器202考虑与由家庭选择器208选择的家庭相对应的(多个)机会度量。在所例示的示例中，该广告选择器202还从广告/节目关联器210接收节目关联信息。该广告/节目关联器210识别广告数据库206中的适于当前显示给家庭A 102的节目的产品广告。例如，如果广告数据库中的第一广告和第二广告对应于针对家庭A 102的相等的或相似的(多个)机会度量，则该广告/节目关联器210可以识别该第一广告与家庭中正观看的节目之间的关联，这使得该广告选择器202选择该第一广告用于传送。例如， 如果在家庭A 102中正观看少年儿童节目，则该广告/节目关联器210可以指示针对谷类食品的第一广告比针对咖啡的第二广告具有与节目更适合的关联。在这种情况下，该广告选择器202可以重视该关联，并选择针对谷类食品的广告。示例广告选择器202还从媒体响应评估器212接收针对家庭A 102的广告响应数据。该媒体响应评估器212监控被显示给家庭A 102的广告(例如，从广告选择器202发送到媒体传送器204的广告和/或在正常的节目和广告过程期间发送到家庭A102的广告)， 并且向该广告选择器202报告正被考虑的广告是否已经被显示给家庭A102而足以导致该广告相对于家庭A 102失去效果。例如，当该广告选择器202向媒体传送器204发送所选择的广告以用于传送到家庭A 102时，所选择的广告(或者，另选地，识别该广告的元数据) 也被发送到媒体响应评估器212。该媒体响应评估器212使用一个或更多个营销混合模型或饱和度算法来确定该广告是否已经被经常呈现给家庭A 102而足以降低该广告在将来呈现时的效果。作为该媒体响应评估器212的操作的示例，假设广告选择器202正考虑两个广告 用于传送到家庭A 102的针对产品X的一个广告和针对产品Y的一个广告。与产品X相关联的针对家庭A 102的机会度量比与产品Y相关联的机会度量高。但是，与产品X相关联的广告已经被显示给家庭A 102许多次，而与产品Y相关联的广告还没有被显示给家庭A 102。结果，该媒体响应评估器212确定针对产品X的广告的效果被降低了，因为家庭A 102已经对于通过该广告呈现的信息饱和了。相反，针对产品Y的广告的效果仍然相对高(假定针对产品Y的较低的机会度量)。所计算的显示各个广告的效果然后可以与向广告商收取的显示其广告的价格相关联。在操作中，示例前端系统200接收针对多个家庭被个性化的(多个)机会度量。家庭选择器208选择要由广告选择器202考虑的多个家庭中的一个。该广告选择器202接收 (例如，请求、从存储器检索等)与所选择的家庭相关联的(多个)机会度量。该广告选择器202评估配置了机会度量的产品，并确定该家庭是否已经对该(多个)产品中的任一个的广告饱和。可以从媒体响应评估器212请求饱和信息，该媒体响应评估器212确定该家庭对于(多个)潜在广告的饱和度和/或将来的媒体响应。该媒体响应评估器212可以对来自广告选择器202的请求执行评估和/或已经存储了预先准备的评估。对于那些已经达到饱和的(多个)广告，广告选择器202施加处罚。广告选择器202从定价数据库214加载定价结构、定价特性或定价框架，并基于广告的(多个)机会度量和饱和度来确定哪些(多个)广告由于该(多个)广告将会有效的可能性而可以向广告商要求最高的价格。该广告选择器202将所选择的(多个)广告提供给媒体传送器204，该媒体传送器204从地址数据库216确定与所选择的家庭相关联的机顶盒的地址，并在合适的时间将该(多个)广告传送到该地址。该(多个)广告还被提供给媒体响应评估器212，以确定所选择的家庭对于所选择的(多个)广告的进一步呈现的响应。图3A是例示在图1和图2所例示的示例系统中可能出现的示例数据流的框图。 图3A所例示的示例数据流显示了家庭A 102、内容提供商106、机顶盒108和110以及广告商116之间的数据交换。虽然在图3A中例示了示例家庭A 102，但是可以对于另外的家庭 (例如，家庭B 104)以相似或相同的方式使用该示例数据交换。图3A的数据流300还详述了图2的示例前端系统200内的广告选择器202、媒体传送器204、广告数据库206、家庭选择器208、广告/节目关联器210、媒体响应评估器212、定价数据库214以及地址数据库 216之间的数据交换。为了清楚和简洁，图3A的示例数据流300将是指选择(多个)广告来传送给图1 的家庭A 102，而不考虑家庭B 104。但是，这里所描述的示例可以扩展到包括任意数量的家庭。图1的示例家庭A 102与购买数据302(例如，在给定时间段期间由该家庭购买的产品和数量等)以及地理人口统计数据304(例如，该家庭的地理位置、该家庭的人员数量、 儿童数量、该家庭中的人员的年龄等)相关联。可以通过例如由家庭A 102进行的自我报告和/或在家庭A 102中实施的监测技术来提供该购买数据302和地理人口统计数据304。 可以附加地或另选地通过使用与由家庭A 102的成员携带的购物积分卡相关联的购物积分卡数据来提供该购买数据302。基于该购买数据302和地理人口统计数据304，家庭A 102符合一个消费者群体。 将该消费者群体的成员标识为其它营销研究的一部分，并且随着时间跟踪他们的购买。消费者群体数据306可以被发展和/或更新以反映例如新产品提供、购买趋势和/或成员特性的改变。另外，在不同的销售点收集零售商购买调查对象组数据308。在一些示例中，从尽可能多的零售商或其它销售点收集零售商购买调查对象组数据308。另外地或另选地，
8从数据处理设备接收零售商购买调查对象组数据308，该数据处理设备已经从多个零售商 (例如，一个或更多个地理区域中的一组零售商)收集、聚合和/或处理了购买数据。可以对所处理的购买数据进行过滤以提供对于确定家庭A102和/或该群体的预期购买特别有用的数据。来自家庭A 102的购买数据302和地理人口统计数据304、相关消费者群体数据 306以及相关零售商购买调查对象组数据308被输入到协同过滤器126中。提供给协同过滤器126的购买数据302可以包括产品标识符和每个时间段的数量。所例示的示例中的地理人口统计数据304包括足够的地理人口统计信息以将家庭A 102放入一个消费者群体。 所例示的示例中的示例消费者群体数据306至少提供由家庭A 102购买的产品的群体购买信息。该消费者群体数据306可以另外地针对家庭A 102所符合的消费者群体提供可获得的产品购买信息。该零售商购买调查对象组数据308提供例示经常被一起购买的产品的组合的销售清单。协同过滤器1 接收来自家庭A 102的购买数据302和地理人口统计数据304、 消费者群体数据306以及零售商购买调查对象组数据308，并基于所接收到的信息来针对一个或更多个产品确定一个或更多个机会度量。例如，购买数据302包括由家庭A 102每周购买的产品X(例如，产品的品牌)的数量。该地理人口统计数据304使得协同过滤器 126(或一些其它分类装置)能够基于将家庭A 102设置到群体(例如，群体N)中来产生针对家庭A 102的购买预期。除了地理人口统计数据以外，可以基于诸如购买数据302的其它数据将家庭A 102设置到群体N中。消费者群体数据306提供群体N中的家庭进行的一个或更多个产品(包括产品 X)的典型(例如，平均)每周购买。因而，协同过滤器1 可以确定家庭A 102购买的量是低于还是高于群体N的典型的每周购买。零售商购买调查对象组数据308使得协同过滤器1 能够评估经常被一起购买的产品的组合和数量，这些产品的组合和数量然后可被应用到购买数据302，以基于该家庭对产品X的购买和与群体N相关联的历史购买趋势来确定该家庭可能感兴趣的任何其它产品。与已知的协同过滤器不同，该示例协同过滤器1 不假设当产品被购买时，该产品不再需要被再次购买(或者足够长时间不需要购买该产品以至于假设不期望进一步的购买)。当推荐一次购买通常就足够的媒体、玩具、消费者电子设备、书和/或其它耐用性商品和/或物品时，基于对这些用品的先前购买，这种假设可能是适当的。相反，图3A的协同过滤器1 基于诸如食品、清洁用品、个人卫生用品和/或以一定规律购买和消费的其它可消费用品的大量购买(volumetric purchase)来确定经推荐的或高机会的用品。但是，该协同过滤器126还可以确定或说明(account for)通常很少被购买的产品。协同过滤器1 基于家庭A 102的购买数据302和相关群体N的历史购买趋势来确定可以是家庭A 102当前购买的产品的期望的替代和/或补充的用品。协同过滤器126 通过确定家庭A 102的群体(例如，N)来确定以下项该群体N中的家庭通常购买的产品 X的数量；如果家庭A购买的数量低于该通常购买的数量，则家庭A 102基于它的群体所应当购买的产品X的额外数量；以及该群体N中的家庭所购买的而家庭A 102尚未购买或已购买(under-purchase)的相似产品和数量。协同过滤器1 还基于零售商购买调查对象组数据308来确定与该群体N中的家庭所经常购买的产品X相似或不同的其它产品。在一些示例中，零售商购买调查对象组数据308至少部分用于确定消费者群体数据306。协同过滤器1 针对被识别为具有与家庭A 102相关联的机会的各个产品(例如，产品X、B、C和D)输出一个或更多个机会度量312。产品X的机会度量基于家庭A的购买数据302、家庭A所处的群体N和所选择的群体N中的家庭对产品X、该产品的替代和/ 或该产品的补充的一般购买。例如，假设家庭A 102每周购买36罐软饮料D，群体N中的家庭每周平均购买M 罐软饮料X和M罐软饮料D。另外，假设家庭A 102每周购买0盎司薯片B，并且群体N中的成员每周平均购买16盎司薯片B。在本示例的情况下，协同过滤器1 确定激发家庭 A 102增加对软饮料D的购买的机会很低，因为家庭A 102当前购买的软饮料D比群体N通常购买的软饮料D多。相反，软饮料X的机会很高，因为与每周M罐软饮料X的平均值相比，家庭A 102没有购买软饮料X。因此，对家庭A 102做软饮料X的广告很可能影响家庭 A 102增加对软饮料X的购买。另外，协同过滤器1 确定薯片B的机会很高，因为群体 N中的家庭每周平均购买16盎司薯片B，而家庭A当前不购买薯片。因而，薯片B的广告有相对更高的可能性来影响家庭A 102增加对薯片B的购买。如果需要，可以利用经由例如反映用户偏好、饮食习惯、健康状况、过敏症等的调查所收集的用户特定数据来补充购买数据。协同过滤器126可以将该补充数据作为因素考虑。由图1的机会计算器118产生的(多个)机会度量312被输入到图2的广告选择器202。除了该(多个)机会度量312以外，广告选择器202还接收定价信息314 (例如，来自图2的定价数据库214)、广告/节目关联316(例如，来自图2的广告/节目关联器210)、 广告318 (例如，来自图2的广告数据库206)和来自广告响应监测器320 (例如，来自图2 的媒体响应评估器21 的家庭饱和信息(例如，饱和度量)。在针对家庭A 102传送(多个)机会度量312时明确地或隐含地识别家庭A 102的选择(例如，来自图2的家庭选择器 208)。虽然(多个)示例机会度量312在图3A中被示作分数，但是可以用任何合适的方式来表示或测量该(多个)机会度量312。例如，可以按照归一化分数或总分、货币金额 (例如，美元/年)、产品单位(例如，盎司/年)或者任何其它合适的单位或分数来表示家庭A102的相对于产品的机会度量。例如，定价信息314可以包括基于特定产品的(多个)机会度量的功能 (function)、基于广告的客户和/或量的定价结构、或者其它定价结构、特性和/或因素。在一些示例中，定价信息314包括基于与所广告的产品和特定家庭或多个家庭相关联的(多个)机会度量来增加将特定广告传送到该特定家庭或多个家庭的价格的功能。在一些示例广告定价模型中，媒体提供商(例如，图2中的媒体提供商200)与广告商(例如，广告商116)签订合同，以提供具有确定数量的观众的广告。可以使用例如覆盖范围和频率数来计算观众的数量。广告曝光的确定测量(例如，总收视点(gross ratings point))可以认为向人群中的每个人显示广告一次相当于向该人群中的一半人显示该广告两次。在一些示例中，媒体提供商200可为了反映针对广告商116的经改进的广告机会的价格溢价(premium)而同意将具有指定覆盖范围和频率的广告提供给具有最小机会度量的家庭。广告商116可以确定为了针对具有高机会度量的较少家庭而不是针对更多的普通观众，该溢价是可接受的，甚至是廉价的(bargain)。然而，基于机会度量的许多不同的广告定价方法和模型是可以获得的，并且被认为在这里描述的示例的范围之内。可以很容易地修改定价方法和模型，以提高媒体提供商200和广告商116这两者的收入。在一些示例中，媒体提供商200可以针对一种类型的产品而不是针对特定的品牌来确定机会度量。例如，可乐是一种类型的产品，而可口可乐 和百事可乐⑧是特定的品牌。 为了增加收入，媒体提供商200可以针对优先对具有可乐的最高机会度量的家庭投放广告的覆盖范围和频率协议从不同可乐的制造商征求报价。例如，广告/节目关联316可以包括广告商确认为能更好地识别广告产品的广播节目。例如，广告/节目关联316可以包括早餐谷类食品C与由早餐谷类食品C的广告商或制造商所指定的儿童节目之间的关联。这些关联可以被存储在表中，并且可以基于来自广告商、广播公司和/或内容创建者的数据和/或请求来手动地输入。广告318至少包括具有由协同过滤器1 提供的机会度量的产品的广告。在一些示例中，广告318包括可以针对相同的产品被显示给家庭的多个不同的广告(例如，一个广告的变型或完全不同的广告)。因而，广告选择器202可以向家庭A 102显示相同产品的不同广告，从而降低家庭A 102对产品的广告的饱和度。通过改变产品的广告，广告选择器 202可以通过保持广告混合体的高效果来保持被发送到家庭A 102的广告混合体的更高的收入。广告响应监测器320监测发送到家庭A 102的广告。广告响应监测器320可以仅监测家庭A，并且/或者是监测发送到感兴趣的地理区域中的节目观看者的广播广告的更大部件的一部分。可以按照任何方式识别广播广告，例如通过读取嵌入在广播广告中(或者，与广播广告一起广播)的识别码。广告响应监测器320基于发送到家庭A 102的广告来确定家庭A 102的对于一个或更多个广告的饱和度量。随着向家庭A102显示特定广告的次数的增加，广告响应监测器320确定该广告的递增效果随着附加的显示而减少(即， 总体效果增加得更慢)。因而，当广告318已经被显示了足够的次数时，示例广告响应监测器320提供惩罚以应用到可能被广告选择器202选择的特定广告318。另外，具有不同人口统计状况的消费者会倾向于具有不同的广告响应特性，或者广告响应监测器320所使用的广告响应特性可以随着时间而改变。因此，可以由例如擅长于消费者行为的消费者研究服务或代理来提供和/或更新广告响应监测器320。随着显示广告318的次数增加为超过饱和点，广告响应监测器320增加惩罚。然而，在一些示例中，可以从第一次显示到第二次和/或第三(和/或更多)次显示减少该惩罚，然后在第三次(或后来的)显示之后增加该惩罚。一个或更多个饱和特性324为广告响应监测器320提供模型以施加该惩罚。图:3B中例示了这种饱和特性的示例。因而，当具有与家庭A 102相关的中至高范围的机会度量的产品广告可足够高以至于克服这些惩罚， 进而在广告318已经被足够频繁地显示之后继续被显示时，广告318的价格将被提供更高价格的另一个广告超过，因为预期该另一个广告展示更高的广告效果。当广告选择器202已经接收到定价信息314、广告/节目关联316、广告318和来自广告响应监测器320的(多个)饱和度量时，广告选择器202选择用于传送和/或显示给家庭A 102的广告(例如，经由图1中的机顶盒108和电视机112)。将所选择的广告和该广告的目的地(例如，家庭A 102)提供给媒体传送器204。媒体传送器204还接收与家庭A 102中的机顶盒108相对应的家庭地址信息322。该地址信息可以包括例如媒体访问
11控制(MAC)地址、互联网协议(IP)地址、或者任何其它类型的网络层或唯一识别家庭A 102 的机顶盒108的其它类型的地址。媒体传送器204在合适的时间(例如，在被内容提供商 200出售的时间范围之前不久)将所选择的广告发送给家庭A 102中的机顶盒108。媒体传送器204还可以负责向家庭102和104广播(例如，向大部分的可能观众) 节目和/或广告。媒体传送器204除了向家庭A 102提供所选择的广告(例如，针对家庭单独选择的广告)和广播广告(例如，不是针对家庭单独选择的广告)以外，还向广告响应监测器320提供和/或识别所选择的广告和广播广告。如上所述，媒体响应监测器320监测显示给家庭A 102的广告，并且向广告选择器202提供家庭饱和信息(例如，饱和度量) 来选择用于传送给家庭A 102的将来的广告。因而，广告响应监测器320使用所识别的广告来更新该饱和度量或水平。提供给机顶盒108和/或显示给家庭A 102的广告还可以通过家庭A 102的广告驱动购买来反馈到广告选择器。例如，当广告激励了先前具有高的机会度量的产品X的购买时，协同过滤器1 可以确定除非家庭A 102改变了群体或者与该群体相关联的行为数据随着时间(例如，季节性地)发生改变，否则家庭A 102针对产品X的机会度量减少，因为预期家庭A 102购买的产品X的数量已经稳定达相应的时间段。结果，产品X的广告变得不太有效，可以以更高的效果进而以更高的价格向家庭A 102投放新产品的广告。可以由任何一方或更多方来执行图3A所例示的示例数据流。在一些示例中，图1 中的有线媒体提供商或其它媒体提供商(例如，内容提供商106)可以至少实现广告选择器202、媒体传送器204和广告响应监测器320，以向家庭传送媒体和广告，并将对家庭饱和的响应保持在高等级上。在一些示例中，媒体研究组织可以收集和/或处理购买数据302、 地理人口统计数据304、消费者群体数据306、零售商购买数据308，并且/或者实现协同过滤器1 来生成机会度量。该媒体研究组织然后向内容提供商提供所述机会度量，以选择和传送广告。在一些示例中，媒体研究组织可以另外地提供和/或更新(多个)饱和特性 324，以改进广告的选择。虽然可以由任何一方或更多方来实现数据流，但是上述示例可以调节(leverage)现有的专门技术和关系，以改进对广告商和消费者的服务。图;3B例示了产品X的广告相对于示例家庭A 102的示例广告饱和特性324。横轴表示向家庭A 102显示该广告的次数。纵轴表示家庭A 102将展现出响应或行为(例如， 购买所广告的产品)的预期可能性。如图3B所例示，相比其它显示(例如，在第一次显示与第二次显示之间，在第四次显示与第五次显示之间等)，响应的预期可能性在第二次显示与第三次显示之间更快地增加。可以将示例饱和特性3 提供给例如广告响应监测器320，以针对产品X和家庭A 102确定饱和度量。广告响应监测器320确定向家庭A 102显示该广告的次数，并生成饱和度量(例如，惩罚)。广告响应监测器320向广告选择器202提供该饱和度量，该广告选择器202可以将该饱和度量应用(例如减去，乘以等)到相对应的机会度量上，以生成净效果度量(net effectiveness metric)。依赖于已经向示例家庭A 102显示各个广告的次数， 同一个产品X的不同广告可以具有不同的净效果度量。然后，广告选择器202可以通过例如将该净效果度量与阈值进行比较来选择用于传送到家庭A 102的广告。在一些示例中， 通过与广告商的协议来确定该阈值。然而，该净效果度量可用于识别用于以任何合适的方式来传送的广告。
根据示例饱和特性324，广告响应监测器320可以使得家庭A 102对该广告的饱和度量在已经向家庭A 102显示该广告五次以后比在已经向家庭A 102显示该广告两次以后更高。然而，根据饱和特性324，已经向家庭A 102显示该广告一次以后的饱和度量与已经向家庭A 102显示该广告五次以后的饱和度量会非常相似。可以通过式y = l+eA+Bf来表示示例饱和特性324，其中，y是响应的预期可能性，f 是向家庭显示广告的频率，而A和B是由例如媒体研究组织根据经验所确定的变量。虽然图;3B中例示了示例饱和特性324，但是可以另外地和/或另选地通过例如数学算法、查找表或任何其它合适的表示方法来表示饱和特性324。而且，饱和特性3M可以根据家庭、群体和/或产品组合而不同。图4是例示按群体的每个家庭的示例预期每周购买的表400。示例表400可以表示图3A中的消费者群体数据306，例如，群体N、Q、R、S和T。表400包括了多个产品(包括啤酒Z、薯片B、面包H、面包J和牛奶M)的预期购买。协同过滤器1 可以使用表400提供的预期购买来针对属于群体N、Q、R、S和/或T的家庭确定与产品Z、B、H、J和/或M相关的机会度量。示例产品参照物Z、B、H、J和M是表示性的，并通常可以利用相对应的产品的品牌名称和/或诸如产品的UPC或SKU的其它标识符来代替。图5是例示按产品的针对多个家庭的示例每周购买的表500。示例表500可以被提供给协同过滤器126，并可以用于与示例表400相结合以确定表400中列出的家庭1-5的关于所列出的产品的机会度量。示例表500还包括各个家庭1-5基于相似的购买和/或地理人口统计信息所落入的群体。为了针对家庭1-5生成机会度量，协同过滤器1 将示例每周(或者其它时间段) 购买表500中多个相应产品中的每一个的购买与预期购买表400的适当群体行中找到的对应产品的预期购买进行比较。例如，协同过滤器126将群体N中的家庭1对薯片B的每周购买与预期购买表400中的群体N中的家庭对薯片B的预期每周购买进行比较。如果该每周购买与相对应的预期购买相似或者相同，则与该产品相对应的示例机会度量将较低。相反，如果该产品的每周购买比预期购买低，则该产品的与该家庭相关的机会度量将较高。图6是例示多个家庭和多个广告的示例广告日志的表600。可以通过图2的示例媒体响应评估器212来维护示例表600，以评估不同的家庭1-5在适当时间的媒体响应。在示例表600中，广告1和广告2表示在不直接在内容提供商106的控制之下的定期节目和广告时间期间显示给多个家庭1-5中的每一个的广播广告。相反，示例广告3除了作为定期广播节目的一部分而被显示给所有家庭1-5以外，还利用这里公开的(多个)示例系统和/或(多个)方法来针对家庭1和4。其余的广告4-11是在内容提供商106所拥有的广告时间期间显示给单独的家庭1-5的定向广告，并且不作为全体(blanket)广告活动的一部分来进行显示。任何数量的广告和/或家庭可以由媒体响应评估器212存储在示例表 600中，并用于评估对显示给家庭的广告的媒体响应。当根据示例表600来评估媒体响应时，媒体响应评估器212认为在给定广告的三次显示之后开始饱和。然而，可以使用任何以统计方式确定的或另外确定的显示次数。因而，在图6的示例中，当媒体响应评估器212评估要被传送到家庭4的广告时，媒体响应评估器212对广告1、2和9施加惩罚。虽然已经在图1、图2和/或图3A中例示了实现系统100和前端系统107的示例方法，但是可以按照任何其它的方式来组合、划分、重新设置、省略、去除和/或实现图1、图 2和/或图3A中例示的一个或更多个元件、处理和/或装置。而且，示例机顶盒108和/或 110、示例内容提供商106、示例前端系统107、示例机会计算器118、示例协同过滤器126、示例广告选择器202、示例媒体传送器204、示例广告数据库206、示例家庭选择器208、示例广告/节目选择器210、示例媒体响应评估器212、示例定价数据库214、示例地址数据库216 和/或(更一般地说)示例系统100可以通过硬件、软件、固件和/或硬件、软件和/或固件的任何组合来实现。因而，例如，示例机顶盒108和/或110、示例内容提供商106、示例前端系统107、示例机会计算器118、示例协同过滤器126、示例广告选择器202、示例媒体传送器204、示例广告数据库206、示例家庭选择器208、示例广告/节目选择器210、示例媒体响应评估器212、示例定价数据库214、示例地址数据库216和/或(更一般地说)示例系统100中的任何一个可以通过一个或更多个电路、可编程处理器、专用集成电路(ASIC)、可编程逻辑器件(PLD)和/或现场可编程逻辑器件(FPLD)等来实现。当阅读所附权利要求中的任何一个以覆盖纯软件和/或固件实现时，示例机顶盒108和/或110、示例内容提供商 106、示例前端系统107、示例机会计算器118、示例协同过滤器126、示例广告选择器202、示例媒体传送器204、示例广告数据库206、示例家庭选择器208、示例广告/节目选择器210、 示例媒体响应评估器212、示例定价数据库214和/或示例地址数据库216中的至少一个在这里被明确地定义，以包括诸如存储器、DVD、CD等存储软件和/或固件的有形介质。而且，除了图1、图2和/或图3所例示的那些以外，或者取代图1、图2和/或图3所例示的那些，示例系统100还可以包括一个或更多个元件、处理和/或装置，并且/或者可以包括任意或全部所例示的元件、处理和装置中的一个以上的元件、处理和装置。图7是表示示例机器可读指令700的流程图，可以执行该示例机器可读指令700 来实现图1-3A的示例系统100。可以通过例如图11中的处理器1102来执行示例指令700 以实现图2所例示的前端系统200，从而将定向广告传送至单独的家庭。在一些示例中，可以针对为各个家庭(将对该各个家庭选择并传送定向广告)来独立地执行指令700。示例指令700通过针对家庭(例如，图1中的家庭A 102或家庭B 104)确定一个或更多个产品的一个或更多个机会度量而开始(块70 。以下将参照图8来更详细地描述实现块702的示例处理。前端系统200(例如，经由图2的广告选择器202)至少基于产品的与广告相关联的机会度量来选择用于显示或展示给家庭的广告(块704)。广告的选择还可以基于定价结构、广告/节目关联和/或家庭的与不同广告相关的饱和特性。以下将参照图9来更详细地描述用于实现块704的示例处理。前端系统200(例如，经由图2的媒体传送器204)向家庭传送所选择的广告(块706)。媒体传送器204可以在内容提供商106所拥有的时隙 (time slot)期间传送所选择的广告。在一些示例中，媒体传送器204接收与机顶盒(例如，图1的家庭A 102中的机顶盒108)相对应的地址，并将广告传送到该地址。前端系统200(例如，经由图2的媒体响应评估器212)然后确定家庭对该广告的的媒体响应(块708)。例如，媒体响应评估器212可以确定所传送广告的将来的显示很可能会表现出下降的效果，因为该家庭已经对该广告饱和。以下将参照图9来更详细地描述用于实现块708的示例处理。媒体响应评估器212然后将媒体响应反馈给广告选择器 202 (块710)。广告选择器202可以在选择用于传送给家庭的将来的广告时使用该媒体响应(例如，块704的将来的重复)。图8是表示示例机器可读指令800的流程图，可以执行该示例机器可读指令800 来针对家庭确定一个或更多个机会度量。可以通过例如图11的处理器1102来执行该示例指令800以实现图3A中的协同过滤器1 和/或图7中的块702。示例协同过滤器1 从家庭(例如，图3A中的家庭A 102)接收购买信息(例如， 图3A中的购买信息302)和地理人口统计信息(例如，图3A中的地理人口统计信息304) (块80 。协同过滤器1 还从一个或更多个零售调查对象组接收购买和地理人口统计数据(块804)。在一些示例中，可以通过接收代表感兴趣的地理区域中的多个零售商的经聚合和/或经处理的购物积分卡购买数据来实现块804。通过接收所聚合的数据，示例协同过滤器1 可以接收特定于家庭A 102所属的群体和/或地理区域的数据。协同过滤器126 基于购买信息302和地理人口统计信息304来确定家庭A 102所属的群体(块806)。在一些示例中，基于购买信息302、地理人口统计信息304和/或从零售调查对象组接收到的数据来确定这些群体。另选地，可以通过外部的提供商来预先确定这些群体。协同过滤器 126可以使用另外的和/或另选的数据来确定家庭群体。协同过滤器1 然后识别可以计算机会度量的产品(块808)。被协同过滤器1 所识别的产品可以包括家庭A 102所购买的产品和/或对这些产品的补充。例如，协同过滤器1 可以基于来自不同销售点的购买数据确定家庭A 102所购买的特定产品具有普及的替代物和/或补充产品。例如，协同过滤器126可以基于销售点数据来确定购买特定品牌的薯片的购买者也倾向于购买特定品牌或风味的薯片蘸料(chip dip)来作为补充用品。类似地，协同过滤器1 可以确定购买特定谷类食品和糖果的组合的购买者也倾向于购买特定品牌的经调味的混合饮料。协同过滤器1 选择块808中识别的多个产品中的一个来针对家庭A 102确定该产品的机会度量(块810)。协同过滤器1 基于销售点数据和家庭A 102的群体来针对家庭A 102和/或家庭A 102所属的群体确定所选择的产品的预期和/或平均购买(块 812)。协同过滤器1 基于所选择的产品的预期和/或平均购买以及家庭A 102对所选择的产品的当前购买来针对所选择的家庭A 102中的所选择的产品确定机会度量(块814)。 该机会度量基于家庭A 102的预期购买(例如，每周)与家庭A 102的实际购买之间的差已升。协同过滤器1 然后确定是否存在必须生成机会度量的另外的经识别的产品(块 816)。如果存在另外的产品(块816)，则控制返回到块810以选择另外的经识别的产品。 重复块810-816以确定块808中所识别的产品的(多个)机会度量。当不存在要生成机会度量的更多产品时(块816)，控制返回到图7的块704。图9是表示示例机器可读指令900的流程图，可以执行该示例机器可读指令900 来选择用于传送到家庭的广告。可以通过例如图11的处理器1102来执行该示例指令900， 以实现图2的广告选择器202和/或图7的块704。广告选择器202首先选择家庭，并接收针对家庭A 102(例如，图1的家庭A 102) 的机会度量信息(块902)。可以基于从例如协同过滤器1 接收到的机会度量信息来选择家庭A 102。广告选择器202根据与家庭A 102相关联的机会度量来选择第一产品(块 904)。例如，广告选择器202可以选择相对于家庭A 102具有最高机会度量的产品或可以从被提供有机会度量的产品的列表中随机选择产品。广告选择器202然后确定与所选择的产品相关联的机会度量是否大于阈值(块 906)。如果该机会度量不大于该阈值(块906)，则控制返回到块904以选择另一产品。如果所选择的产品的机会度量大于该阈值(块906)，则广告选择器202选择与所选择的产品相关联的广告(块908)。例如，广告选择器202可以从图2的广告数据库206中选择与产品相关联的广告。在一些示例中，广告数据库206包括与特定产品相关联的多个广告，并且如以下所解释的，广告选择器202在这些广告中进行挑选。广告选择器202确定家庭A 102针对所选择的广告的饱和度(块910)。例如，广告选择器202可能先前已经接收到所选择的广告已呈现给家庭A 102的次数的计数或其它指示。可以利用这里所公开的系统和方法对向家庭A 102呈现的广告进行计数，以作为普通广播广告和/或定向广告的结果。因而，图1的系统100优选地包括监测家庭中的媒体曝光的观众测量系统，以对通过普通广播的广告曝光进行计数。这种观众测量系统可以是诸如尼尔森LLC公司所采用的系统的任何类型的系统，以产生电视收视率和/或执行广告广播监测(例如，Monitor-Plus 系统)。基于针对家庭A 102收集的数据和/或当家庭A 102不被观众测量系统直接监测时针对家庭A 102的推断(extrapolation)，广告选择器202针对所选择的广告确定净效果度量以表示家庭A 102的饱和度(块912)。例如，如果使用离散饱和度级别，则广告选择器 202可以使用所选择的广告已被显示(或者估计已被显示)给家庭A 102的次数以及在饱和开始前广告必须被显示给家庭A 102的次数的函数来对该广告施加惩罚(例如，从相对应的产品机会度量中减去饱和度量)。如果该广告使用二元(binary)饱和级别，则广告选择器202可以对家庭A 102已经对其饱和的广告施加高惩罚(例如，取消)，并且不对家庭 A 102没有对其饱和的广告施加惩罚。可以通过从所讨论的产品的对应机会度量中减去与惩罚相关联的值来施加惩罚。广告选择器202在确定饱和度量和净效果度量之后，确定净效果度量(即，通过惩罚修改的机会度量)是否足够高，以使得广告能够克服家庭A 102的饱和(块914)。例如， 广告选择器202可以确定该广告的净效果度量是否是针对家庭A 102所计算的最高的净效果度量。如果产品的机会在家庭A 102仍然足够高，则尽管已经将所选择的广告向家庭A 102呈现多次，但是净效果度量足够高并且所选择的广告仍然可以影响购买决定。广告选择器202在确定该净效果度量之后，针对所选择的产品确定是否存在可被选择的其它广告(块914)。在一些示例中，针对所选择产品的第一广告可能在家庭A102已经达到饱和，但是针对所选择的产品的第二广告还没有达到饱和。如果存在针对所选择的产品可用的其它广告(块914)，则控制返回到块908，以选择针对所选择产品的另一广告。 相反，如果不存在可用的其它广告(块914)，则广告选择器202确定是否存在机会度量可用的其它产品(块916)。在块916中，如果不存在其它产品，则广告选择器202基于净效果度量以及一个或更多个阈值来为媒体传送器204识别针对产品的广告，以传送给所选择的家庭A102 (块 918)。例如，广告选择器202可以识别净效果度量比阈值大的一个或更多个广告。相反， 如果一个或更多个广告的净效果度量比该阈值小，则这些广告不会被识别为适于传送给家庭A 102。在一些示例中，该阈值基于覆盖范围、广告商所期望的效果的下限和/或可在广告协议中限定的其它因素。当广告选择器202已经针对所选择的家庭A 102识别了广告时 (块918)，指令900可以结束并且控制返回到图7中的块706。图10是表示示例机器可读指令1000的流程图，可以执行该示例机器可读指令 1000来确定家庭对所传送的广告的媒体响应。可以通过例如图11中的处理器1102来执行示例指令1000，以实现图2中的媒体响应评估器212。媒体响应评估器212接收来自例如媒体研究组织或其它媒体响应特性提供商的媒体响应特性(块1002)。在一些示例中，通过统计模型来确定媒体响应特性，该统计模型将广告每次显示的效果描述为向给定人员呈现广告的次数的特性。在一些模型中，随着将广告显示给家庭的次数的增加，每次附加的显示的效果减小(例如，f(n) 1/n，其中f(n) 是下一次呈现的效果，而η是呈现的总次数)并且/或者该广告的所有呈现的整体效果变得平淡(例如，t(n) log(n)，其中t(n)是所有呈现的整体效果，而η是呈现的总次数)。然而，在诸如图3Β中的示例广告饱和特性3Μ的一些其它模型中，效果f (η)类似(resemble) S形状的曲线，其中最大的效果位于广告的第一次呈现之后。在一些示例中，媒体响应评估器212根据家庭A 102的变化的购买、呈现给家庭A 102的广告、家庭A 102的群体、和/或家庭A 102的群体的媒体响应特性来推断(deduce) 家庭A 102的媒体响应特性。例如，一些家庭可以比平均值更容易地对广告进行响应，并且可以比平均值更快速地对于给定的广告饱和。因而，需要避免对这些家庭频繁地重复广告， 并且新广告可以潜在地要求比所重复的广告高的呈现价格。相反，一些家庭与平均值相比不太倾向于对于任何给定的广告饱和。在这样情况下，与通常的家庭相比，媒体响应评估器 212可以针对相同次数的呈现较少地惩罚广告。媒体响应评估器212接收被传送给家庭A 102的广告的标识(块1004)。例如，可以经由广告在特定的时间被传送到家庭A 102的元数据来通知媒体响应评估器212。媒体响应评估器212确定广告在测量时间段内(例如，一天、一周、两周、一个月等)已经被显示给家庭A 102的次数(块1006)。媒体响应评估器212基于广告已被显示(例如，包括最近的显示)的次数和媒体响应特性来确定家庭A102对广告的未来显示的媒体响应值(块 1008)。广告选择器202可以存储这些媒体响应值，以用于未来参考。在一些示例中，当广告选择器202基于具有高机会度量的产品来选择广告用于潜在的传送时，媒体响应评估器 212仅根据需要确定家庭媒体响应。在这样的示例中，媒体响应评估器212发送未来的响应至广告选择器202。当媒体响应评估器212已经预测了该未来的响应时，示例指令1000结束并且控制返回到图7中的块710。图11是示例处理器系统1100的图示，该示例处理器系统1100可用于执行图7_10 中所描述的示例机器可读指令700、800、900和/或1000，还可用于实现图1-3A中的系统 100和图2所描述的前端系统200。示例处理器系统1100包括具有相关联的存储器(例如，随机存取存储器(RAM) 1104、只读存储器(ROM) 1106和闪存1108)的处理器1102。处理器1102与诸如其它组件可接口连接到的总线1112的接口进行通信。在所例示的示例中， 接口连接到总线1112的组件包括输入装置1114、显示装置1116、大容量存储装置1118、可移动存储装置驱动器1120和网络适配器1122。可移动存储设备驱动器1120可以包括诸如磁介质或光学介质的相关联的可移动存储介质11对。网络适配器1122可将处理器系统 1100连接到外部网络1126.
示例处理器系统1100可以是例如台式个人计算机、笔记本计算机、工作站或者任何其它计算装置。处理器1102可以是任何类型的逻辑器件，诸如来自lntel penthim 微处理器系列、Intel Itanium 微处理器系列，和/或Intel XScale 处理器系列的微处理器。与处理器1102通信的存储器1104、1106和1108可以是任何合适的存储器装置，并可以被调节大小以适合系统1100的存储需求。具体地说，闪存1108可以是在逐块的基础上存取和擦除的非易失性存储器。可以使用键盘、鼠标、触摸屏、跟踪板、条形码扫描仪或者任何其它使得用户能够向处理器1102提供信息的装置来实现输入装置1114。显示装置1116可以是例如液晶显示器(IXD)监视器、阴极射线管(CRT)监视器或者任何其它作为处理器1102与用户之间的接口的合适的装置。显示装置1116包括将显示屏接口连接至处理器1102所需要的任何其它的硬件。大容量存储装置1118可以是例如硬盘驱动器或任何其它可被处理器1102读取的磁、光学或固态介质。可移动存储装置驱动器1120可以是例如光学驱动器，诸如可记录压缩光盘 (⑶-R)驱动器、可擦写压缩光盘(⑶-RW)驱动器、数字通用光盘(DVD)驱动器或任何其他的光学驱动器。例如，可替代地，它可以是磁介质驱动器和/或固态通用串行总线(USB)存储驱动器。可移动存储介质IlM与可移动存储设备驱动器1120相匹配，因为介质IlM被选择用来和驱动器1120 —起操作。例如，如果可移动存储设备驱动器1120是光学驱动器， 则可移动存储介质IlM可以是⑶-R盘、⑶-RW盘、DVD盘或任何其他合适的光盘。另一方面，如果可移动存储设备驱动器1120是磁介质设备，则可移动存储介质IlM可以是例如磁盘或任何其他合适的磁存储介质。网络适配器1122可以是例如以太网适配器、无线局域网(LAN)适配器、电话调制解调器或者任何其它使得处理器系统1100能够通过网络与一个或更多个其它处理器系统进行通信的装置。外部网络11 可以是LAN、广域网(WAN)、无线网络或者能够与处理器系统1100进行通信的任何类型的网络。示例网络可以包括互联网、企业内部互联网 (intranet)和/或点对点(ad hoc)网络。虽然本专利公开了包括在硬件上执行的软件或固件的示例系统，但是，应当指出的是，这些系统仅仅是例示性的而不应当被认为是限制性的。例如，可以设想能够只在硬件中、只在软件中、只在固件中或者在硬件、固件和/或软件的一些组合中实现这些硬件和软件组件中的任何一个或者全部。因此，虽然以上说明书描述了示例系统、方法和产品，但是这些示例不是实现这些系统、方法和产品的唯一方式。因此，尽管本文已经描述了特定的示例方法、设备和产品，但是本专利的覆盖范围不限于此。相反，本专利覆盖按照字面意思或在同等原则(doctrine of equivalents)下清楚地落在权利要求的范围以内的所有方法、 设备和产品。本专利是2010年6月17日提交的美国临时申请No. 61/355，882的非临时申请， 在此通过弓丨用将其全部内容并入本文。
权利要求
1.一种选择定向广告的方法，该方法包括以下步骤识别与第一产品相对应的广告；识别针对所述广告的饱和度量；基于所述饱和度量和机会度量来确定净效果度量，所述机会度量包括家庭对所述第一产品的预期消费与所述家庭对所述第一产品的实际消费之间的差异；以及当所述净效果度量大于阈值时，经由媒体传输来将所述广告传送给所述家庭。
2.根据权利要求1所述的方法，该方法还包括以下步骤针对所述家庭确定所述机会度量。
3.根据权利要求2所述的方法，其中，所述机会度量基于所述家庭对与所述第一产品类似的类似产品的消费，并且基于所述第一产品的所述预期消费。
4.根据权利要求2所述的方法，其中，所述机会度量基于针对所述家庭的地理数据或人口数据中的至少一个，并且还基于针对所述家庭的经确定的群体。
5.根据权利要求4所述的方法，其中，所述第一产品的所述预期消费基于所述群体。
6.根据权利要求1所述的方法，其中，传送所述广告的步骤包括以下步骤将所述广告传送到与所述家庭相关联的机顶盒。
7.根据权利要求6所述的方法，其中，传送所述广告的步骤包括以下步骤查找与所述机顶盒相对应的机顶盒地址。
8.根据权利要求1所述的方法，其中，基于一个或更多个时隙或者当前在所述家庭中显示的节目来识别所述广告。
9.一种选择定向广告的系统，该系统包括媒体响应评估器，其用于确定家庭对于广告的饱和度量；广告选择器，其用于接收机会度量，该机会度量包括所述家庭对第一产品的预期消费与所述家庭对所述第一产品的实际消费之间的差异，并且该广告选择器用于基于与所述广告相关联的所述机会度量和所述饱和度量来选择用于传送到所述家庭的广告；以及媒体传送器，其用于在净效果度量大于阈值时将所述广告到媒体呈现装置。
10.根据权利要求9所述的系统，该系统还包括机会计算器，该机会计算器用于识别所述家庭对第二产品的第二消费，基于所述第二产品的所述第二消费来确定所述第一产品的所述预期消费，并且基于所述第二消费和所述预期消费来生成所述机会度量。
11.根据权利要求10所述的系统，其中，所述机会计算器通过以下步骤来确定所述机会度量基于针对所述家庭的地理数据或人口数据中的至少一个来确定所述家庭的群体。
12.根据权利要求9所述的系统，该系统还包括广告/节目关联器，该广告/节目关联器用于生成所述广告与节目之间的关联，所述广告选择器基于所述广告与所述节目的所述关联来选择所述广告。
13.根据权利要求9所述的系统，其中，所述媒体响应评估器基于所述广告已经被呈现给所述家庭的次数来确定所述饱和度量。
14.根据权利要求9所述的系统，其中，所述广告选择器从与所述第一产品相关联的多个广告中选择所述广告。
15.一种包括机器可存取指令的产品，当执行所述机器可存取指令时，使得机器执行以下步骤识别与所述第一产品相对应的广告； 识别针对所述广告的饱和度量；基于所述饱和度量和机会度量来确定净效果度量，所述机会度量包括所述家庭对第一产品的预期消费与所述家庭对所述第一产品的实际消费之间的差异；以及当所述净效果度量大于阈值时，经由媒体传输来将所述广告传送给所述家庭。
16.根据权利要求15所述的产品，其中，所述指令还使得所述机器确定针对家庭的机会度量。
17.根据权利要求16所述的产品，其中，所述机会度量基于所述家庭对与所述第一产品类似的类似产品的消费，并且基于所述第一产品的所述预期消费。
18.根据权利要求16所述的产品，其中，所述机会度量基于针对所述家庭的地理数据或人口数据中的至少一个，并且还基于针对所述家庭的经确定的群体。
19.根据权利要求18所述的产品，其中，所述第一产品的所述预期消费基于所述群体。
20.根据权利要求15所述的产品，其中，传送所述广告的步骤包括以下步骤将所述广告传送到与所述家庭相关联的机顶盒。
21.根据权利要求20所述的产品，其中，传送所述广告的步骤包括以下步骤查找与所述机顶盒相对应的机顶盒地址。
22.根据权利要求15所述的产品，其中，基于一个或更多个时隙或者当前在所述家庭中显示的节目来识别所述广告。
全文摘要
用于选择定向广告的系统和方法。公开了选择用于显示的定向广告的系统和方法。选择用于显示的定向广告的一种示例方法包括以下步骤识别与第一产品相对应的广告；识别针对所述广告的饱和度量；基于机会度量和所述饱和度量来确定净效果度量，所述机会度量基于所述家庭对第一产品的预期消费与所述家庭对所述第一产品的实际消费之间的差异；以及当所述净效果度量大于阈值时，经由媒体传输来将所述广告传送给所述家庭。
文档编号H04N21/2668GK102291608SQ20111022499
公开日2011年12月21日 申请日期2011年6月17日 优先权日2010年6月17日
发明者M·泽诺尔 申请人:尼尔森(美国)有限公司