基于用户设置阈值自动购买数字愿望列表内容的制作方法

基于用户设置阈值自动购买数字愿望列表内容


背景技术：

1.1.技术领域
2.本公开总体涉及用于填充和获取在线游戏网络内的游戏和游戏相关项目的系统和方法。
3.2.相关技术的描述
4.许多在线游戏平台为用户提供通过在线商店和市场购买游戏、游戏资产或其他项目以在游戏环境中使用的机会。由于这些商品的数字性质，因此这些项目的需求和定价可能会随着时间而变化。此外，游戏设计者和零售商可能希望为某些项目提供限时折扣，这可以通过电子邮件或其他通信形式进行广告宣传。然而，这些广告的折扣或限时交易可能会在大量电子邮件中错过。


技术实现要素：

5.在一个方面，提供了一种用于自动购买数字媒体和数字资产的方法。所述方法可以包括要求至少一个用户提供预选的产品列表。所述方法还可以包括使用机器学习算法或模型生成推荐的附加产品列表，其中机器学习算法包括协同过滤算法、基于内容的过滤、期望内容模型、个性化视频游戏排名器或基于知识的推荐系统中的一者。所述方法还可以包括将推荐的附加产品列表添加到至少一个用户的预选列表以向至少一个用户提供增强的兴趣列表。所述方法还可以包括要求至少一个用户基于增强的兴趣列表来确立用于自动购买的参数。所述方法还可以包括基于一种或多种产品的价格满足参数而自动购买一种或多种产品。
6.在另一方面，提供了一种用于自动购买数字媒体的系统。所述系统可以包括一个或多个处理器和存储有指令的非暂时性计算机可读介质。指令在由一个或多个处理器执行时可以使处理器执行操作，所述操作可以包括要求至少一个用户提供预选的产品列表。所述操作还可以包括使用机器学习算法生成推荐的附加产品列表，其中机器学习算法包括协同过滤算法、基于内容的过滤、期望内容模型、个性化视频游戏排名器或基于知识的推荐系统中的一者。所述操作还可以包括将推荐的附加产品列表添加到至少一个用户的预选列表以向至少一个用户提供增强的兴趣列表。所述操作还可以包括要求至少一个用户基于增强的兴趣列表来确立用于自动购买的参数并且基于一种或多种产品的价格满足参数而自动购买一种或多种产品。
7.在另一方面，非暂时性计算机可读介质可以包括指令。当由计算系统执行时，指令可以使计算系统执行操作，所述操作可以包括要求至少一个用户提供预选的产品列表。所述操作还可以包括使用机器学习算法生成推荐的附加产品列表，其中机器学习算法包括协同过滤算法、基于内容的过滤、期望内容模型、个性化视频游戏排名器或基于知识的推荐系统中的一者。所述操作还可以包括将推荐的附加产品列表添加到至少一个用户的预选列表以向至少一个用户提供增强的兴趣列表。所述操作还可以包括要求至少一个用户基于增强的兴趣列表来确立用于自动购买的参数并且基于一种或多种产品的价格满足参数而自动
购买一种或多种产品。
8.附加的实施方案和特征在随后的描述中部分地阐述，并且在检查说明书后，对于本领域技术人员将变得显而易见，或者可以通过所公开主题的实践来了解。可通过参考说明书的其余部分和构成本公开的一部分的附图来实现对本公开的性质和优点的进一步理解。
附图说明
9.参考以下附图和数据图表将更充分地理解说明书，所述附图和数据图表被呈现为本公开的各种实施方案并且不应被解释为对本公开范围的完整叙述，其中：
10.图1示出了用于自动购买数字媒体的系统的示例性网络环境；
11.图2是可以在图1的系统的上下文中使用的示例性用户装置；
12.图3是根据所公开技术的一些方面的图1的示例性主机服务器的框图；
13.图4是示出根据所公开技术的一些方面的图3的用于推荐产品的示例性机器学习模块的框图；并且
14.图5是示出根据所公开技术的一些方面的用于自动购买产品(例如视频游戏)的示例性方法的流程图。
具体实施方式
15.通过结合下文描述的附图参考以下详细描述，可以理解本公开。注意，为了说明清楚起见，各种附图中的某些元件可能未按比例绘制。
16.正如背景中所讨论的，广告的折扣或限时交易可能会在大量电子邮件中错过。因此，希望提供一种用户可以借以在用户定义的阈值或低于用户定义的阈值时自动购买商品或服务的系统和方法。
17.本公开涉及用于在在线游戏网络环境中提供、填充和获取数字资产或数字媒体的系统和方法。在各个方面，要获取的数字资产或数字媒体可以由用户预先选择。在另一方面，可以基于用户的社交网络和其他在线活动通过机器学习来识别要获取的数字资产或数字媒体。
18.本公开描述了用于基于用户的增强兴趣产品列表自动购买数字媒体或数字资产或相关项目的方法和系统。本公开包括通过使用各种机器学习算法创建附加产品列表来更新产品列表。
19.图1示出了用于基于用户设置阈值自动购买愿望列表上的数字媒体的网络系统或网络环境100。网络系统100可以包括内容服务器110，其提供存储在主机数据库180中的流式内容(例如，视频游戏)，该流式内容用于使用一个或多个内容服务器应用程序接口(api)170在线分发视频游戏。网络系统100还可以包括内容递送主机服务器140、公共网络150、一个或多个用户装置160以及一个或多个数据源服务器190。主机数据库180可以存储视频游戏。主机服务器140可以从主机数据库180检索数据。
20.内容服务器110可以维持和提供可用于流式传输的游戏内容。此类游戏内容可以包括但不限于完整游戏、游戏试玩、游戏相关图像、游戏相关音频文件或其他游戏资产。内容服务器110可以与任何内容提供商相关联，诸如但不限于通过网络系统100使其内容对用
户可用的或等。在各个方面，获取如本文所用的游戏内容还可以包括观看或播放流式传输或下载到一个或多个用户装置的视频游戏内容。
21.从内容服务器110获取的内容可以通过内容服务器api 170提供，其允许各种类型的内容服务器110通过公共网络150进行通信。内容服务器api 170可以专用于提供流式内容的内容服务器110的特定语言、操作系统、协议等。在包括多个不同类型的内容服务器110的网络系统100中，同样可能有对应数量的内容服务器api 170。
22.因此，内容服务器api 170有利于每个用户装置160直接或间接访问由内容服务器110托管的内容。关于所访问内容的附加信息(诸如元数据)也可以由内容服务器api 170提供给用户装置160。如以下所描述，附加信息(即，元数据)可以是可用于提供关于流式传输到用户装置160的内容的细节。最后，与所访问内容相关联的附加服务(诸如聊天服务、评分和配置文件)可以经由内容服务器api 170从内容服务器110提供给用户装置160。
23.内容服务器api 170可以由内容递送主机服务器140访问。内容递送主机服务器140可以提供与游戏流有关的资源和文件，所述资源和文件包括关于用户装置160的促销图像和服务配置。内容递送主机服务器140还可由请求流式传输或订阅特定内容的用户装置160调用。
24.内容服务器api 170可以由主机服务器api 170访问，以便获得关于用户装置160的可用游戏内容的信息。如下所述，关于内容的附加信息可以包括描述可用内容(例如，按作者、标题、流派)的元数据。该信息还可以包括存储内容的位置(例如，url、文件服务器)，使得用户装置可以继续从内容服务器110检索内容。此外，主机服务器api 170可以包括用于实现允许不同用户装置160处的用户彼此交互的功能(例如，聊天)的指令或图形用户界面。主机服务器api 170可以使用这样的指令来向用户装置160提供某些功能。
25.主机服务器api 170可以负责与不同的内容服务器110通信，以便向用户装置160提供游戏内容。主机服务器api 170可以执行指令，例如，用于识别游戏内容的格式并将游戏内容格式化为在用户装置160上可玩。这种格式化可以包括识别与每个内容相关联的元数据，然后使用各种不同类型的转换技术，使得可以在用户装置160上呈现和显示在内容服务器110以一种格式存储的数据，这可能需要不同的格式。这样，不同格式的游戏内容可以经由主机服务器api 170提供给用户装置160并使其与用户装置160兼容。
26.公共网络150有利于来自内容服务器110和主机服务器140的流式游戏与多个用户装置160的通信。公共网络150还可以包括一个或多个专用网络，诸如局域网(lan)、广域网(wan)或公共/专用网络的网络，诸如互联网。互联网是由互连的计算机和服务器组成的广泛的网络，其允许通过网络服务提供商连接的用户装置之间传输并且交换互联网协议(ip)数据。网络服务提供商的示例包括公共交换电话网、有线服务提供商、数字用户线路(dsl)服务的提供商、卫星服务提供商或任何互联网服务提供商。
27.用户装置160可以是多种不同类型的计算装置中的一种或多种。例如，用户装置160可以是任何数量的不同的游戏控制台、移动装置、膝上型计算机和台式计算机。此类用户装置160还可被配置来从其他存储介质访问数据，所述其他存储介质诸如但不限于在下载的服务的情况下可为适当的存储卡或磁盘驱动器。此类用户装置160可包括标准硬件计算部件，诸如但不限于网络和媒体接口、非暂时性计算机可读存储装置(存储器)和用于执行可存储在存储器中的指令的处理器。这些用户装置160还可使用多种不同的操作系统(例
如，ios、android)、应用程序或计算语言(例如，c++、javascript)来运行。示例性用户装置160在本文中关于图2详细描述。
28.图2是可以在图1的系统的上下文中用于查看流式游戏等功能的示例性计算装置200。计算装置200可以对应于图1的用户装置160和/或数据源服务器190并且可以包括台式机、膝上型计算机、平板计算机、移动装置、控制台游戏系统等。计算装置200是用户可以用来促进执行本公开的与视频游戏或数字媒体和相关项目的自动购买有关的特征的装置。特别地，计算装置200允许用户在任何位置和时间远程观看流式游戏。
29.计算装置200可以包括如图2所示的各种元件。应注意的是，所述元件是示例性的，并且其他方面可以结合比所示元件更多或更少的元件。参考图2，计算装置200包括主存储器202、中央处理单元(cpu)204、至少一个向量单元206、图形处理单元208、输入/输出(i/o)处理器210、i/o处理器存储器212、控制器接口214、存储卡216、通用串行总线(usb)接口218和ieee接口220、用于连接跟踪装置224的辅助(aux)接口222，但是可以利用其他总线标准和接口。计算装置200还包括操作系统只读存储器(os rom)226、声音处理单元228、光盘控制单元230和硬盘驱动器232，它们经由总线234连接到i/o处理器210。计算装置200还包括至少一个跟踪装置224。
30.跟踪装置224可以是包括眼睛跟踪能力的相机。相机可以被集成到计算装置200中或者作为外围装置附接到该计算装置。根据各个方面，典型的眼睛跟踪装置可以使用从眼睛反射并且由相机或光学传感器感测的红外非准直光。然后分析信息以从反射的变化中提取眼睛转动。基于相机的跟踪器聚焦于一只或两只眼睛，并且在用户观看某种类型的刺激时记录眼睛的移动。基于相机的眼睛跟踪器利用瞳孔的中心和光来产生角膜反射(cr)。瞳孔中心与cr之间的向量可用于计算表面或凝视方向上的注视点。在使用眼睛跟踪器之前，可能需要用户的简单校准程序。
31.在其他方面，更灵敏的跟踪器可以使用来自角膜正面和眼睛晶状体背面的反射作为随时间推移进行跟踪的特征。还在其他方面，甚至更灵敏的跟踪器也会对来自眼睛内部的特征(包括视网膜血管)进行成像，并随着眼睛转动而跟随这些特征。大多数眼睛跟踪装置可以使用至少30hz的采样率，但是50/60hz是最常见的。一些跟踪装置可以以高达240hz来运行，这是捕获非常快速的眼睛移动的细节所必需的。前述描述了可以根据本公开使用的示例性眼睛跟踪技术。在各个方面，可以使用本领域技术人员能够应用的任何已知的眼睛注视跟踪技术。
32.作为替代，测距相机可与本公开一起使用以捕获用户做出的手势并且能够进行面部辨识。测距相机通常用于捕获和解释特定手势，这允许对娱乐系统进行免提控制。此技术可使用红外投影仪、相机、深度传感器和微芯片来跟踪对象和个体在三维中的移动。此用户装置还可采用基于图像的三维重建的变型。
33.跟踪装置224可以包括传声器，所述传声器集成到捕获语音数据的计算装置200中或者作为外围装置附接到该计算装置。传声器可进行声源定位和/或环境噪声抑制。传声器可用于从用户接收口头指令，以在计算装置200上调度、检索和显示内容。
34.替代地，跟踪装置224可以是计算装置200的控制器。当指向在娱乐系统的控制台附近、附接到或集成到所述控制台中的传感器中的led时，控制器可使用内置的加速度计和红外检测的组合来感测其在3d空间中的位置。这种设计允许用户用身体姿态以及按钮按压
来控制计算装置200的功能。控制器使用允许在短距离(例如，30英尺)进行数据交换的无线技术连接到计算装置200。控制器可另外包括“隆隆声”特征(即，在游戏中的某些点期间控制器的摇动)和/或内部扬声器。
35.控制器可以另外或替代地被设计为使用遥控器中的传感器来捕获生物特征读数，以记录包括例如皮肤水分、心律和肌肉运动的数据。此外，在各个方面，可以使用适合测量和/或捕捉用户的运动、面部表情和/或任何其他身体或生理状态的任何技术。
36.如上所述，计算装置200可以是电子游戏控制台。替代地，计算装置200可以被实现为通用计算机、机顶盒或手持游戏装置。此外，类似的用户装置可包含更多或更少的操作部件。
37.cpu 204、向量单元206、图形处理单元208和i/o处理器210通过系统总线236进行通信。此外，cpu 204通过专用总线238与主存储器202通信，而向量单元206和图形处理单元208可通过专用总线240通信。cpu 204执行存储在os rom 226和主存储器202中的程序。主存储器202可包含预存储的程序以及使用光盘控制单元230通过i/o处理器210从cd-rom、dvd-rom或其他光盘(未示出)传送的程序。i/o处理器210主要控制计算装置200的各种装置(包括cpu 204、向量单元206、图形处理单元208和控制器接口214)之间的数据交换。
38.图形处理单元208执行从cpu 204和向量单元206接收的图形指令以产生图像以供在显示装置(未示出)上显示。例如，向量单元206可将对象从三维坐标转换成二维坐标，并且将二维坐标发送到图形处理单元208。此外，声音处理单元230执行指令以产生声音信号，所述声音信号被输出到音频装置(诸如扬声器(未示出))。
39.计算装置200的用户经由控制器接口214向cpu 204提供指令。例如，用户可指示cpu 204在存储卡216上存储某些信息，或者指示计算装置200执行一些指定动作。与控制器接口214相关联的示例性控制器可包括触摸屏、键盘和游戏控制器。
40.其他装置可以经由usb接口218、ieee接口220和aux接口222连接到计算装置200。具体地说，包括相机或传感器的跟踪装置224可以经由aux接口222连接到计算装置200，而控制器可以经由usb接口218连接。在一些方面，vr头戴装置或相关硬件装备可以经由一个或多个计算接口通信地耦合到计算装置200。用于实现增强现实(ar)体验的硬件和相关软件可以类似地经由一个或多个计算接口耦合到计算装置200。
41.图3是可以在图1的系统的上下文中使用的示例性主机服务器140的框图。主机服务器140可以包括多个不同的特征，所述特征进一步促进视频游戏或数字媒体和相关游戏资产的自动购买。如图3所示，主机服务器140可以包括存储器300、一个或多个处理器305、主机服务器应用程序接口(api)140、游戏内容存储和缓冲器310、机器学习模块315、参数模块325、预选列表模块320、增强兴趣列表模块330、营销模块335、购买模块340、社交参与模块345和通信接口350。
42.根据一个方面，主机应用程序接口(api)170允许主机管理包括但不限于游戏流的数据如何分发给远程用户。使用api 170，管理员(例如，开发者、游戏平台提供商、流式游戏聚合器)可以定制和修改主机服务器如何关于从内容服务器110检索什么数据、如何将游戏流呈现给用户装置而操作。
43.在各个方面，游戏内容存储和缓冲器310可以用于临时存储流式游戏，直到它可以被处理并分发给用户。在各种示例中，游戏存储和缓冲器是主机服务器140的物理内存存储
装置。
44.根据一个方面，机器学习模块315推荐要添加到预选列表的项目。例如，机器学习模块315可以基于用户已知的社交网络和/或用户过去的活动以及与网络系统100和主机服务器140的交互来推荐要添加到预选列表的项目。机器学习模块315还可以基于用户的未知或被动社交网络(基于位置、人口统计数据等)来建议要添加到预选列表的项目(例如，数字媒体或数字资产)。例如，用户可能具有游戏兴趣和与没有活跃社交网络联系的其他人的其他共性。
45.在另一方面，机器学习模块315可以基于用户的购买历史来识别或设置和制定建议的阈值。在这方面，用户可以根据需要修改阈值。阈值，无论是由机器学习模块确定还是由用户修改，都可以在参数模块325中使用。
46.在其他方面，机器学习模块315可以基于团购动态推荐附加产品。机器学习模块可以促进传统游戏中的玩游戏或购买。机器学习模块315可以帮助识别可能彼此不认识但在他们的愿望列表或预选列表上具有相同项目的多个用户。机器学习模块315可以推荐识别的用户预订打折的视频游戏或产品，这也创建了可以延长传统游戏寿命的新游戏社区。当传统游戏的寿命增加时，可能会有更多机会将传统游戏出售给的特定玩家群体。
47.预选列表模块320可以包括用户提供的预选的产品列表。这些产品可以包括游戏、数字媒体以及与游戏或数字媒体相关联的部件等。在各个方面，由预选列表模块存储的数据可用于进一步训练机器学习模块315。此外，预选列表模块可以通过机器学习模块315的输出来修改，以便进一步识别和添加与用户预选的内容密切相关的游戏内容。例如，用户可以识别由预选列表模块320组织和存储的特定游戏或感兴趣的特定游戏资产。在该示例中，预选列表模块320可以与本文描述的一个或多个其他模块一起工作，以识别由用户选择的另一游戏内容(例如，同一类别的更强大的武器或更高分辨率的游戏资产)，并且增强或更新预选项目列表。
48.根据各个方面，参数模块325可用于确立用于自动购买来自用户的愿望列表或预选列表上的产品的参数或阈值。例如，参数可以包括一种或多种产品的折扣率和最高价格。参数模块325可以确立自动购买参数或阈值，诸如折扣百分比、出售的类似项目的数量、购买该产品的朋友的数量。参数可以具有阈值，该阈值可以是基于百分比的，例如20％或35％的折扣。参数模块325可以已经设置自动购买的最高价格。自动购买后可能无法退款。
49.主机服务器还包括增强兴趣列表模块330，其可以包括产品的预选列表和基于用于用户之一的机器学习模块315的相应推荐的附加产品列表的组合。在各个方面，由预选列表模块存储的数据可用于进一步训练机器学习模块315。此外，预选列表模块可以通过机器学习模块315的输出来修改，以便进一步识别和添加与用户预选的内容密切相关的游戏内容。例如，用户可以识别由预选列表模块320组织和存储的特定游戏或感兴趣的特定游戏资产。在该示例中，预选列表模块320可以与本文描述的一个或多个其他模块一起工作，以识别由用户选择的另一游戏内容(例如，同一类别的更强大的武器或更高分辨率的游戏资产)，并且增强或更新预选项目列表。
50.根据至少一个方面，营销模块335可用于向用户发送各种营销信息。例如，营销模块335可以周期性地向至少一个用户发送使用户查看增强的兴趣列表的提醒。营销模块335还可以周期性地向用户发送增强的兴趣列表上的产品的价格差异的亮点。营销模块335还
可以周期性地向用户发送购买增强的兴趣列表上的产品捆绑包的建议价格。营销模块335还可以基于用户的购买历史向用户提供产品折扣。
51.在其他方面，营销模块335还可以基于用户数据和市场情报提供折扣。营销模块335可以周期性地(例如每月)向用户发送用户查看或更新愿望列表的提醒。营销模块335可以周期性地(例如每月)向用户发送购买捆绑包的报价或建议价格阈值。营销模块335可以周期性地(例如每月)向用户发送价格差异的亮点。营销模块335还可以向用户提供购买游戏内容捆绑包的激励。举例来说，捆绑购买可以包括以低于单独购买内容项目的价格购买可能与或可能不与同一游戏相关的多个游戏内容项目。
52.在各个其他方面，营销模块335可以提供众筹销售，即如果有一定数量的用户购买产品，则产品的价格下降到一定数量的金额。例如，如果“n”个用户购买了一种产品，那么游戏内容的价格就会降低到特定的金额，或者可以提供百分比折扣。在一个方面，降价可以与参与销售的用户数量成比例。在另一方面，仅当购买者的数量超过由游戏内容制作者确定的阈值时，才可以进行降价。
53.在一个方面，营销模块335可以向潜在用户或使用机器学习模块315识别的社交关系发送报价，其中折扣可能不是用户恰好希望的(例如，25％的折扣)。如果用户保证在一个时间窗口内购买五次，报价可能是用户可以享受25％的折扣。
54.同样地，至少从商业角度来看，对于游戏内容制作者来说，该报价仍可能在可接受的利润范围内盈利。可能很难证明花费100美元是合理的，但对于一组用户或买家来说，每次花费25美元可能更容易，但在时间窗口内的四个不同时间。该出售可以创建一个新的社交网络，这可以打开新的社交联系。反过来，社交联系可以促进团购压力，尤其是当一名玩家可能会因购买新游戏或游戏资产而被迫升级时。
55.主机服务器140还包括购买模块340，其可以自动补充用户的虚拟支付钱包或从用户的信用卡中收取费用。根据一个方面，购买模块340还可以为用户的预选列表或更新后列表上的期望项目设置或识别单独的或专用的支付选项。替代地，购买模块可以经由支出限制来限制可用资金量来购买游戏内容。
56.根据各个方面，社交参与模块345促进和鼓励在用户装置160处进一步参与游戏流和用户之间的社交交互。在各个方面，社交参与模块345可以促进用户组之间的社交交互。例如，社交参与模块345可以在游戏流的用户之间生成视频聊天。在另一方面，社交参与模块345可以促进用户之间使用聊天、电子邮件、视频聊天或任何其他合适的通信方式进行通信。
57.在一个方面，通信接口350促进图1的系统的各种特征之间的通信。例如，这将促进信息从内容服务器110到主机服务器140以及从主机服务器到用户装置160的传输。
58.图4是示出根据所公开技术的一些方面的用于推荐产品的示例性机器学习模块315的框图。机器学习模块315可以使用机器学习模型或算法来为用户创建推荐列表，包括协同过滤算法、基于内容的过滤、期望内容模型、个性化视频游戏排名器或基于知识的推荐系统中的一者。
59.如图4所示，机器学习模型406从数据源服务器190接收用户数据402。用户数据可以包括用户的购买历史、用户的社交网络、用户的位置和人口统计数据等。机器学习模型406还从数据源服务器190接收产品数据404。产品数据可以包括产品的价格、折扣、销量等。
机器学习模型406将推荐的产品列表输出到推荐列表模块408，推荐列表模块包括用户可能感兴趣的推荐列表。
60.在一些方面，期望内容模型可以从用户的在线活动中获取事件以推荐视频游戏、数字媒体或数字资产的一小部分。期望内容的识别是确定内容推荐的第一阶段。给定一个查询，机器学习算法会生成一组相关的期望内容。有两种常见的候选生成方法，包括基于内容的过滤和协同过滤。
61.在一些方面，协同过滤算法可以识别购买相似项目的用户以便推荐产品。协同过滤同时使用过去或现在的查询与购买或以其他方式选择的项目之间的相似性来提供推荐。例如，如果用户a与用户b相似，并且用户b喜欢视频游戏1，那么机器学习算法可以向用户a推荐视频游戏内容1(即使用户a没有玩过或看过与视频游戏内容1类似的游戏内容)。
62.在一些方面，基于内容的过滤算法可以基于用户的购买历史、评级或反馈等来推荐项目。基于内容的过滤使用项目之间的相似性来推荐与用户喜欢的项目相似的项目。例如，如果用户a玩视频游戏a，则系统可以向该用户推荐与游戏a类似的视频游戏。
63.在一些方面，基于知识的推荐系统可以分析用户查询中的每一次查询以推荐项目或产品的组合。基于知识的推荐系统是基于关于项目分类、用户偏好和推荐标准(即，应该在哪个上下文中推荐哪个项目)的知识。这些系统适用于无法应用诸如协同过滤和基于内容的过滤等替代方法的场景。
64.在一些方面，个性化视频游戏排名器可以以个性化的方式为每个用户对来自整个数据库的最佳匹配进行排名。例如，个性化视频游戏排名器可以基于用户偏好或用户装备对最可能的最佳匹配进行排名，而不管游戏内容类型如何。
65.图5是示出根据所公开技术的一些方面的用于自动购买产品的示例性方法500的流程图。方法500可体现为非暂时性计算机可读存储介质中的可执行指令，所述非暂时性计算机可读存储介质包括但不限于cd、dvd或诸如硬盘驱动器的非易失性存储器。存储介质的指令可由处理器(或多个处理器)执行，以致使托管或以其他方式访问存储介质的计算装置的各种硬件部件执行或辅助执行所述方法。在图5中识别的步骤(和其次序)是示例性的，并且可包括所述步骤的各种替代方案、等同物或派生物，包括但不限于执行所述步骤的次序。
66.尽管示例方法500描绘了特定的操作顺序，但是可以在不脱离本公开的范围的情况下改变该顺序。例如，所描绘的一些操作可以并行执行或以不实质影响方法500的功能的不同顺序执行。在其他示例中，实现方法500的示例装置或系统的不同部件可以基本上同时或以特定顺序执行功能。
67.根据一些示例，方法500可以包括在框510要求至少一个用户提供预选的产品列表。例如，图1中所示的主机服务器140可以查询用户装置160处的至少一个用户或查询用户配置文件以获得预选的产品列表。
68.根据一些示例，该方法包括在框520使用机器学习算法生成推荐的附加产品列表。例如，图3和图4中所示的机器学习模块315可以使用机器学习算法生成推荐的附加产品列表。机器学习算法可以包括协同过滤算法、基于内容的过滤、期望内容模型、个性化视频游戏排名器或基于知识的推荐系统中的一者。
69.根据一些示例，方法500可以包括在框530将推荐的附加产品列表添加到至少一个用户的预选列表以向至少一个用户提供增强的兴趣列表。例如，图1中所示的主机服务器
140可以将推荐的附加产品列表添加到用户装置160处的至少一个用户的预选列表，以向至少一个用户提供增强的兴趣列表。增强的兴趣列表可以存储在如图2所示的增强兴趣列表模块330中。
70.在一些变型中，使用机器学习算法基于至少一个用户的社交网络进行推荐来推荐附加产品，该至少一个用户的社交网络可以从数据源服务器190获得。
71.在一些变型中，使用机器学习算法基于至少一个用户的位置和人口统计数据进行推荐来推荐附加产品，该至少一个用户的位置和人口统计可以从数据源服务器190获得。
72.在一些变型中，增强的兴趣列表可以包括游戏、数字媒体以及与游戏或数字媒体相关联的部件的列表。
73.根据一些示例，方法500可以包括在框540要求至少一个用户基于增强的兴趣列表来确立用于自动购买的参数。例如，图1中所示的主机服务器140可以要求至少一个用户基于增强的兴趣列表来确立自动购买的参数。这些参数可以存储在如图2所示的参数模块325中。在一些变型中，所述参数可以包括增强的兴趣列表上的一种或多种产品的折扣率和最高价格。
74.根据一些示例，方法500可以包括，在框550，当一种或多种产品的价格满足参数时自动购买一种或多种产品。例如，图1中所示的主机服务器140可以在一种或多种产品的价格满足参数时自动购买增强的兴趣列表上的一种或多种产品。产品的价格为产品数据，其可从数据源服务器190获得。具体地，主机服务器140包括购买模块340，用于执行对存储在如图2所示的增强兴趣列表模块330中的增强的兴趣列表上的视频游戏或数字媒体的自动购买。
75.在一些变型中，方法500还可以包括周期性地向至少一个用户发送使至少一个用户查看增强的兴趣列表的提醒。
76.在一些变型中，方法500还可以包括周期性地向至少一个用户发送关于增强的兴趣列表上的一种或多种产品的价格差异的亮点。
77.在一些变型中，方法500还可以包括周期性地向至少一个用户发送购买增强的兴趣列表上的产品捆绑包的建议价格。
78.在一些变型中，方法500还可以包括基于至少一个用户的购买历史向至少一个用户提供一种或多种产品的折扣。
79.出于说明和描述的目的，已呈现了本文技术的前述详细描述。并不意图穷举或将技术限制为所公开的精确形式。鉴于上述教导，许多修改和变化是可能的。所描述的方面被选择以便最好地解释本技术的原理及其实际应用，从而使本领域其他技术人员在各种方面中最好地利用本技术并且进行各种修改来适合于特定的预期用途。意图由权利要求来限定本技术的范围。