TW200923817A - Monetizing rich media advertising interaction - Google Patents

Description

200923817 九、發明說明： 【發明所屬之技術領域】 本發明係關於一種用於貨幣化豐富性媒體廣告互 動之系統及方法，更特別地係，用以將使用者與豐富性 媒體廣告的互動轉換成品牌效應模型。 田 【先前技術】 、使用線上豐富性媒體廣告（例如在網際網路上）已快 ，，增加。豐富性媒體廣告從事及娛樂的能力（提高能力 /、該使用者互動）使其對品牌廣告商是很有效果。豐富 ，體廣告係賴更有效，且提供豐富性廣告比提供•田 二性廣告給廣告商與發行人有更高的價值。例如:、當J 富Ζ幅廣告(bannerads)時’豐富性媒:廣 ;;=^牌廣告商有更佳的品牌提升;⑵對高 每點擊率；及⑶對發行人有明顯較高 ^Cost Per Thousand^)(^ ^^ + 線上廣告已經由豐富性媒體廣告技術引入二 型還是】後但：線上廣告之形式周邊的商業與貨幣化模 值，且是一廣主|然使用者與該廣告互動被認為很有價 品牌效應的^效應的指標，但是將使用者互動轉換成 豐富性媒體廣：購=及模型已大部分不存在。該 式靜態標題廣舊 Click”）與每次杆母人點擎賈用（CPC, Cost Per 型。對發行人二動的費用（CPA，“C〇St Per —，，)模 用者互動的價值^ = 幣化模型（雖然隱性地解釋使 、）徒么、-人佳化值。由於沒有模型將豐富性 200923817 - 媒體曝露與使用者互動轉換成品牌效應，所以廣告活動 亦不能夠有效率地被最佳化。此外，沒有此測量法使銷 - 售人員難以對該指定的目標以最佳方式分配廣告費預 . 算。 【發明内容】 藉由以下介紹，下面描述的具體實施例包括用於貨 幣化豐富性媒體廣告互動之系統及方法，更特別地係， 用於將使用者與豐富性媒體廣告的互動轉換成品牌效 ^ 應模型。 在第一態樣中，係揭示一用於計算互動式豐富性媒 體廣告之品牌指標(BI, “Brand Index”)之方法，其包括： 藉由一處理器之決定，將一豐富性媒體廣告之廣告曝露 及有關使用者與豐富性媒體廣告的互動加以分類儲存 至記憶體中的一組資料桶；分配在記憶體中的一資料桶 加權給每一分類的資料桶；及計算每一資料桶的一資料 桶品牌指標(BBI, “Bucket Brand Index”），其中豐富性媒 體廣告的活動包括複數個BBIs。該方法進一步包括：藉 ‘ 由加總每一資料桶之加權乘以每一個別資料桶的BBI， 計算複數個BBIs之一加權總和，以產生該活動的整體 品牌指標（BI);及以該豐富性媒體廣告貨幣化值之表 示，該活動之BI與一廣告商或發行人進行溝通。 在一第二態樣中，係揭示一用於計算互動式豐富性 - 媒體廣告之品牌指標（BI)之方法，其係產生一品牌效應 模型。該方法包括藉由一處理器，將一豐富性媒體廣告 之廣告曝露分類成在記憶體中的資料桶之一類型，且對 於資料桶的每一類型係：分配一加權給在記憶體中儲存 200923817 - 的資料桶中收集的複數個資料類型之每一者；分配在記 憶體中的一分數給在資料桶中收集的該等資料類型之 • 每一者；追蹤每一資料類型的發生頻率；及以該分配的 _ 加權、該分配的分數、與該追蹤的頻率，以計算該資料 桶的一資料桶品牌指標(BBI)。該方法進一步包括：分配 一資料桶加權給在記憶體中儲存的資料桶之每一類 型；藉由加總每一資料桶之加權乘以每一個別資料桶的 BBI，計算資料桶的複數個BBIs，以產生一廣告活動之 整體品牌指標(BI);及當該豐富性媒體廣告的貨幣化值 f 之表示時，該活動之BI與一廣告商或發行人進行溝通。 在一第三態樣中，係揭示一用於計算互動式豐富性 媒體廣告之品牌指標（BI)之方法，其包括：將一豐富性 媒體廣告之廣告曝露分類成在記憶體中的資料桶之一 類型，且對於資料桶之每一類型而言，一處理器係··將 複數個資料類型（屯，d2, ..，dm)收集在記憶體中儲存的資 料桶；及以複數個資料類型的函數圩山，d2, ..，dm)，表達 一資料桶品牌指標(BBI)，其中該函數於所有非負值與有 限(d)值為有限、非負值與實數。該方法進一步包括：分 1 配一資料桶加權給在記憶體中儲存的資料桶之每一類 型；藉由加總每一資料桶之加權乘以每一個別資料桶的 BBI，計算資料桶的複數個BBIs之加權總和，以產生一 廣告活動之整體品牌指標（BI);及當該豐富性媒體廣告 的貨幣化值之表示時，該活動之BI與一廣告商或發行 人進行溝通。 i 在一第四態樣中，係揭示一用於計算互動式豐富性 媒體廣告之品牌指標（BI)之方法，其包括：將複數個豐 富性媒體廣告的一些者之廣告曝露加以分類儲存至記 200923817 憶體中的資料桶的第一類型，及對於資料桶之每一第一 類型而言，一處理器係：分配一加權給在資料桶中收集 的複數個資料類型之每一者；分配一分數給在資料桶中 收集的該等資料類型之每一者；追蹤每一資料類型的發 生頻率；及以該分配之加權、該分配之分數、與該追蹤 之頻率的乘積，計算資料桶的資料桶品牌指標(BBI)。該 方法進一步包括：將複數個豐富性媒體廣告的其餘部分 之廣告曝露加以分類儲存至記憶體中的資料桶之第二 類型；及對於資料桶之每一第二類型而言，該處理器 係：收集複數個資料類型（山，d2, ..，dm)在記憶體中儲存 的資料桶，及以複數個貢料類型的函數f(di, A, .., dm) 5 表達一資料桶品牌指標(BBI)，其中該函數於所有非負值 與有限（d)值為有限、非負值與實數。該方法進一步包 括：分配一資料桶加權給在記憶體中儲存的資料桶的第 一與第二類型之每一者；藉由加總每一資料桶之加權乘 以每一個別資料桶的BBI，計算第一與第二資料桶的複 數個BBIs之加權總和，以產生一廣告活動之整體品牌 指標（BI);及當該豐富性媒體廣告的貨幣化值之表示 時，該活動之BI與一廣告商或發行人進行溝通。 在閱讀下列圖式及詳細描述之後，熟諳此項技術人 士應可明白其他系統、方法、特徵及優點。所有這類額 外系統、方法、特徵及優點包括在此描述中，且是在本 發明之範疇内，並受到文後申請專利範圍的保護。 【實施方式】 在下列描述中，程式、軟體模組、使用者選擇、網 路處理、資料庫查詢、資料庫結構等之許多特殊細節提 200923817 供對在此揭示的系統及方法的不同旦體 瞭解。然而’該揭示之系統及方法5使用里:：的完全 、fir:戈可在沒有'❹個特殊4:以ϊ 顯示或詳細描述。此外，描述之特色、乍亚未 二^個具體實施例中以任何適當方式加以組合徵^ ^的圖式中描述及說明的具體實施例之 種不同配置加以配置及設計。 千此以各 热悉此項技術者應可瞭解，關於揭示的 戶:述之方法的步驟或動作的順序可改變。因此，：弋 中發生的任何順序(例如流程圖或實施方式)只是用二 明’而不是表示必要的順序。 ；° 件加==實施例之數個態樣係以軟體模組或組 ==罟:在此=用’―軟體模組或組件包括在 路if ϊί 系統匯流排或有線或無線網 m f子彳"賴送的任何_之電腦指令或電腦可 盯，„、。一軟體模組可例如包括電腦指令 塊，其可如同一常式、程式、物件= 定抽構成’以執〜 不同具體實施例中’―特定的軟體模組可包括 中：’該不同指令係儲存於-記憶體之不同位置 地，-ίΓ同指令可共时施上賴組之魏。更確切 /·又^可包括H令或許多指令，且其可分散 :體二式之中的數個不同程式碼區段，並可跨數個記 施 在此核％中’讀係透過-通信網路所鏈結的一遠 10 200923817 端處理裝置加以勃轩。产八& 組可位f ^域狀魏+，《模 建立二=告 者關於品牌提升的互動與塑-吏用f f動可基於使用 中，描述這些寬廣的分類，且提出一模型以將 廣=品牌效應。任何提出的品牌效應模型 而要，、有效证及廣泛可被接受之某些特性。這些特性將 在下面描述。注意’這些特性之中的—雜性在其目標 中是矛盾的，且因此需要加以平衡。 二二致悔—.使用此模型所測量的品牌效應應該符合目 剷在產業使用的廣泛接受方法。例如，基於該模型的測 量應該完全相互有關係，且最佳地係，具有用於測定品 牌提升的使用者取樣與調查法。 1_S_:該模型應該易瞭解，例如，對於該模型產生 作為該品牌效應測量的一單一數值是有用的。

jt算複雜唐·當應用於大量的曝光與相關的互動資 料時’該模型不應該過份地膨脹計算。 息許比較:只要來自每個廣告活動的必須資料可 用’該模型應該允許任何廣告的品牌效應之比較。此允 許在廣告活動之間的最佳化。 邀對指標：為了允許貨幣化基於品牌效應，該模型 應該提供效應的絕對指標。一旦建立此指標，豐富性媒 體廣告活動可基於該指標進行銷售，而不是每千次曝光 成本(CPM)模型。 贫明使用者互動的轡化：該模型應該說明有關豐富 性媒體廣告的使用者互動之廣泛變化。事實上，應該易 11 200923817 於合併新的互動類型，最佳地係，基本上不必改變該模 ^。此意謂該等互動需要在一組普通類型上一般化。同 日寸，使用者互動的一般化不應該減低在互動類型之間的 值與差，其會導致模型無效。 ^第一圖為一示例性豐富性媒體廣告互動與最佳化 系統100之圖式，其包括一活動管理伺服器104與一廣 告網站伺服态1〇8(以下稱為「廣告伺服器1〇8」）。活動 管理伺服器104與廣告伺服器1〇8係在一網路11〇上與 出版内谷網頁12G的發行人或所有權的網站伺服器116 進行溝，。其亦在該網路上，透過每—用戶端124的網 頁劇覽器128以與用戶端電腦124(以下稱為「用戶端 124」）進行溝通。用戶端124係透過網路11〇以與發行 人網站飼服器116進行溝通’用以下載具有該等發行人 所出版内谷的網頁120。同時，發行人網站伺服器12〇 係與活動官理伺服器1〇4和廣告伺服器1〇8進行溝通， 以基於該科行人或所㈣的至少廣告活動，將適當的 廣告内容載入網頁120。注意’網路u〇可包括一區 ‘網路(LAN，“Local Area Netw〇rk”）、一廣域網路(wan， Wide Area Network )、網際網路或全球資訊網 “World Wide Web”)或其他類型網路。 ’ 活動官理舰$刚進-步包括或與記憶體儲 2及-資料桶資料庫134進行溝通。熟悉 1 二戈分散在多個儲存裝置，包括分』二3二:王中= :::知的一處理器(未在圖顯示)，用以執行軟:或I 他可執仃的程式碼，以實施在此揭示的方法。最後::玄 12 200923817 廣告伺服器108包括或與一追蹤資料庫140進行溝通， 該廣告伺服器108與追蹤資料庫140共同協力幫助活動 管理伺服器104追蹤與一廣告活動有關的不同參數，例 如所使用不同豐富性媒體廣告存取的頻率，其參數亦視 為使用者互動的類型。熟悉此項技術人士亦應明白資料 桶資料庫134與追蹤資料庫140可直接鏈結，或在一些 具體實施例中，可為相同實體資料庫。同時注意，活動 管理伺服器104與廣告伺服器108亦可直接彼此溝通、 在網路110上溝通、或可整合在一單一伺服器。 追蹤資料庫140亦可儲存關於瀏覽及用戶端124使 用者與豐富性媒體廣告互動的資訊，包括（但是不限 於）：點選、下載、列印（例如一優待券或禮物卡）、曝露 一廣告的特定層、使用一滑鼠在該廣告上移動以擴展一 廣告、播放及/或暫停聲音或視訊傳輸。此類型資訊(稍 後稱為「資料類型」）可透過追蹤該使用者與不同豐富性 媒體廣告的直接互動加以獲得，且可根據一發行人或一 廣告商的廣告活動的重要性或相關性以分配一分數給 該互動。因此，例如，一下載或購買可得到一高分數， 例如9或10,且使用滑鼠動作以擴展一廣告或曝露廣告 層可得到一較低分數，例如從1至3。使用該分數發展 豐富性媒體廣告的貨幣化模型將在下面描述。 第二圖為描述第一圖的資料桶資料庫134的内容之 圖式。本發明係提出一模型，用以計算作為廣告曝露及 不同用戶端124使用者互動的函數之部分的品牌指標 (BI)。該模型係藉由將廣告曝露與互動加以分類成一組 資料桶144加以工作，該組貧料桶係儲存在貨料桶貧料 庫134。每一資料桶係分配一加權（W，“Weight”）。互動 13 200923817 - 與曝露資料係整個收集在這些資料桶，並計算了一資料 桶品牌指標(BBI)。該整體品牌指標(BI)係例如藉由計算 • 的BBIs之加權總和加以計算。在此方程式 , 中，BI為活動的整體品牌指標，BBI;為第i資料桶144 的資料桶品牌指標，且Wi為與第i資料桶144有關的加 權。 每次曝光的品牌指標（BII, “Brand Index-per-Impression”)可藉由將BI除以曝光數加以計 算。計算BBI的方法則取決於在資料桶144中所收集之 貢料特徵。從經驗貧料得知更多’用於計算不同貧料桶 類型的BBI之新方案將發展。目前的略述係用於可個別 執行計算BBI之兩方案、及一第三方案，其中兩方案係 在其執行中加以混合，其中在這些因素之中，這些方案 之一者的選擇係取決於在一豐富性媒體廣告活動中的 資料類型。 如將在此說明模型的特定方案中的進一步說明，每 一資料桶144亦可包括豐富性媒體的不同資料類型，包 括（但是不限於）：曝露時間、曝露廣告層數量、.gif照片、 動晝視訊、浮動廣告、可擴展的廣告、和廣告的總互動 時間、總互動次數、填寫一問卷或其他表格或投票、列 印一優待券、或下載產品資訊。每一資料類型的一加權 (Wj)與一品牌分數(Dj)，及一存取頻率(Nj)係根據分類而 於在每一資料桶144中的每一資料類型及相關加以追 - 蹤。 第三A圖和第三B圖係描述資料桶資料庫134的進 一步内容之圖解例，其中第三A圖顯示在資料桶品牌指 標（BBI)與一資料桶144的追蹤參數之間的一線性關 14 200923817 係且第—B圖係顯示基於在資料桶144中眘料猫刑ΑΑ 相同之一非線性闕係。 44甲貝枓類型的 牌指標I方二圖:：5，型方案係類似用於計算整體品

貝料桶144中收集的每-資料類型係 ，严定分數(Dj)與一加權(Wj)， ;二=J 笞。m“科數(Dj)之加權總和加以計 ^声祐ϋ Μ料類型的資料發生多次(例如，一特定 f ::被客戶端124使用者開啟多次)，該分數(Dj)只單 生次羞，或，㈣射 J =類型有關的加權，為第j資料類型的品 牌刀數，且Nj為第j資料類型的發生次數。

=三B圖中’該模型處理方案係基於一生產函 數’其W遍係使用在經濟學’用於總結將因數轉 — ，定商品之處理。在此情況中的ΒβΙ函數係以下列的— 般式子表達：Μ卜d2,…，dm)。該BBI係取決於在 貝料桶144中收集的一連串資料類$，且通常將隨著時 間產生報酬遞減。這些資料類型係以變數山、屯、...、 dm表示。 該函數的特徵包括f(d)於所有非負值與有限d值為 有限、非負數、實數值與單一值。一函數f(〇, 〇, .·，〇)係 ，於0，或換句話說，沒有廣告曝露且沒有使用者互動 係表示零品牌指標。若d>= d’，則f( d)>= f( d，），或單調 性’即是，一曝露或互動的增加不會減少BBI。或者， 十於 BBI - f (di，如，..，dm)而言，dBBI/ddi = f\ > 0，其中 對於所有資料類型輸入而言，i = 1,2, 該3扭函 數係亦假設具有該生產函數的「準凹性，即 15 200923817 d2BBI/ddi2 = fH < 0，其中 i = 1，.·，m，即是一減少邊際 指標。關係在於廣告曝露與互動性的每一額外單元將會 增加該BBI，但是越來越小增量。 使用者（或用戶端124)互動與曝露資料桶可遵循下 列豐富性媒體曝露與互動資料的廣義分類。注意，下面 的資料類型係對應至在第二圖中列出的資料類型，且只 是該資料類型的示例性，一資料桶144可包括，為了要 建構一豐富性媒體廣告活動的模型。 曝露資料桶: BBI模型：報酬遞減(非線性） 資料類型：曝露時間、曝露層的數量 廣告格式與媒體類型資料桶: BBI模型：線性 資料類型：Gif、視訊、浮動、與可擴展 互動資料桶· BBI模型：報酬遞減（非線性） 資料類型：總互動時間、總互動次數 轉變資料桶= BBI模型：線性 資料類型：填寫一問卷、表格或投票、列印優待券、 下載產品資訊。 第三C圖為在第三A圖和第三B圖中使用的方法 的組合之範例，以決定每一資料桶的BBIs。依據該「資 料類型」攔，注意，「線性」係對應至上面列出的這些 資料類型，且係對應至第三A圖之用於決定BBI之方 法。此外，「山、d2、..、dm」係表示例如在第三B圖的 一（非線性）生產函數係用來計算BBI。第三C圖如此表 16 200923817 - τ腦能基於在資料桶資料庫134中混合的資料類型， 在相同活動巾以不同方式加以計算。然*，該品牌指標 . (^1)仍然上面相同的描述，例如該等個另|J資料才甬144之 每一者的每一 BBU之加權總和，或。 第四圖為藉由計算一互動式豐富性媒體廣告活動 的品牌指標（BI)用於貨幣化豐富性媒體廣告的示例性方 法之流程圖。如圖所示，在步驟4〇4，在藉由一處理哭 決定，該方法將一豐富性媒體廣告之廣告曝露、及相^ 使用者124與豐虽性媒體廣告的互動加以分類成在資料 庫134中儲存的一組資料桶144。在步驟4〇8，一資料 桶加權係在資料庫134中分配給每一分類的資料桶 1_44。在步驟412，一資料桶品牌指標(BBI)係對於每一 育料桶144加以計算，其中該豐富性媒體廣告的活動包 含複數個BBIs。該等複數個BBI加權總和BBIs係在步 驟416加以計算，藉由每一資料桶144乘以每一個別資 料桶144的BBI之加權的總和’以產生該活動的整體口' 牌指標(BI)。在少驟420，以該豐富性媒體廣告的貨幣= , 值之表示，該活動之BI與一廣告商或發行人進行溝通。 第五圖為藉由計算一互動式豐富性媒體廣告活動 的品牌指標（BI)用於貨幣化豐富性媒體廣告的進一步示 例性方法之流程圖。在步驟504，該方法係將一豐富性 媒體廣告之廣告曝露分類成在資料庫134中儲存二J料 桶144之一類蜇，且對於該貢料桶144的每一類型而 言，一處理器町執行下列步驟。在步驟508 , —加權係 分配給在資料桶144中收集的每一資料類型。在步驟 512，係於資料桶144中分配一分數給在資料庫134中 收集的每一資料類变。在步驟516，每一資料類型的發 17 200923817 - 生頻率係被追蹤。在步驟520，一資料桶品牌指標(BBI) 係藉由將分配的加權乘以分配的分數乘以在每一資料 • 桶144中的追蹤頻率而加以計算。一旦這些步驟於每一 資料桶144執行，在步驟524，一資料桶加權然後分配 給在資料庫134中儲存的資料桶144之每一類型，且在 步驟528,該廣告活動之品牌指標(BI)係藉由資料桶加權 乘以每一資料桶144的個別BBI之總和而加以計算，例 如複數個BBIs的加權總合。在步驟532，以該豐富性媒 〆 體廣告的貨幣化值之表示，該活動之BI與一廣告商或 f 發行人進行溝通。亦參見第二圖和第三A圖。 第六圖為藉由計算一互動式豐富性媒體廣告活動 的品牌指標(BI)用於貨幣化豐富性媒體廣告的另一方法 之流程圖。在步驟604，該方法係將一豐富性媒體廣告 的曝露廣告分類成在資料庫134中儲存的資料桶144之 一類型，且對於該資料桶144的每一類型而言，一處理 器係執行下列步驟。在步驟608，複數個資料類型（山、 d2、..、dm)係收集在資料桶144。在步驟612，該資料桶 f 品牌指標(BBI)係以複數個資料類型^^、(^、..、^的函 I . 數加以表示，其中該函數於所有非負值與有限(d)為有 限、非負值與實數。一旦這些步驟於資料桶144的每一 類型加以執行，在步驟616，一資料桶加權係分配給在 資料庫134中儲存的資料桶144之每一類型，且在步驟 62 0，一品牌指標(BI)係藉由加總該資料桶加權乘以每一 資料桶144的個別BBI而加以計算。在步驟624，該活 動之BI係與廣告商或發行人進行溝通，以表示該豐富 性媒體廣告的貨幣化值。亦參見第二圖和第三B圖。 18 200923817 斤一^意，在第五圖和第六圖中揭示的方法之步驟(如 弟二C圖的描述）可組合，因為Bm在資料桶 * 的=桶144之任〆者中能以—線性或—非線性方式加 以計异，在此之後，該整個BI如同在步驟524和528 或步驟616和620中加以計算。 熟悉此項技術人士明白的不同修改、變更及變化能 以揭示的方法及系統的配置、運算、與細節達成。具體 實施例可包括不同步驟’其能以—般目的或特別目的電 腦（或其他電子裝置）執行的機器執行指令加以呈體實 施。或者，該等步驟可由包含執行步驟的特定邏&的硬 體組件、或藉由硬體、軟體、及/或韌體的任何組合加以 執行。 具體實施例亦可如同一電腦程式產品加以提供，其 包括一電腦可讀媒體，其具有在本身儲存的指令，其^ 用來程式化一電腦（或其他電子裝置）以執行在此描述的 處理。電腦可讀媒體包括（但是不限於）適於儲存電子指 令的軟碟、光碟、CD-ROM、DVD-ROM、ROM、RAM、 EPROM、EEPROM、磁或光學卡、傳播媒體或其他類型 的媒體/電腦可讀媒體。例如，藉著經由一通訊鏈結（例 如，網路連線)在一載波或其他傳播媒體中具體實施的資 料信號’用於執行描述處理之指令可從一遠端的電腦（例 如，一伺服器）傳送給一請求電腦（例如，一用戶端;)。 【圖式簡單說明】 可參考下列圖式及描述而更佳瞭解。在圖式中的組 件不必然依比例繪出，而是強調說明本發明的原理。而 200923817 且，在圖式中，在不同圖式中，相同參考數字係表示對 應的部件。 第一圖為一示例性豐富性媒體廣告互動與最佳化 系統之圖式，其包括一活動管理伺服器與一廣告網頁伺 服器。 第二圖係描述第一圖的描述第一圖的資料桶資料 庫之内容。 第三A圖和第三B圖為描述資料桶資料庫的進一步 内容之圖解範例，其中第三A圖顯示在資料桶品牌指標 (BBI)與一資料桶跟蹤參數之間的一線性關係；及第三B 圖係顯示基於在資料桶中的資料類型的相同之間的一 非線性關係。 第三C圖為在第三A圖與第三B圖中，用來決定 每一資料桶的BBIs的方法之組合之圖解範例。 第四圖為藉由計算一互動式豐富性媒體廣告活動 之品牌指標，以貨幣化豐富性媒體廣告之示例性方法之 流程圖。 第五圖為藉由計算一互動式豐富性媒體廣告活動 之品牌指標，以貨幣化豐富性媒體廣告的一進一步示例 性方法之流程圖。 第六圖為藉由計算一互動式豐富性媒體廣告活動 之品牌指標，以貨幣化豐富性媒體廣告的另一方法之流 程圖。 【主要元件符號說明】 100---豐富性媒體廣告互動與最佳化系統 104---活動管理伺服器 20 200923817 108 -110 -116 -120 -124 -128 -130 -134--136 -140 -144 - -廣告網站伺服器 -網路 -發行人或所有權網站伺服器 -内容網頁 -用戶端 -網頁瀏覽器 _記憶體儲存器 -資料桶貧料庫 -處理糸統 -追縱貢料庫 育料插 21

Claims (1)

1. 200923817 十、申請專利範圍： 1. 一種用於計算互動式豐富性媒體廣告之品牌指標(BI) 之方法，其包含： 藉由一處理器之決定，將一豐富性媒體廣告之廣 告曝露及相關使用者與該豐富性媒體廣告的互動加 以分類儲存至記憶體中的一組資料桶； 分配在記憶體中一資料桶加權給每一分類的資 料桶； 、 計算每一資料桶的一資料桶品牌指標(BBI)，其 中該豐富性媒體廣告之活動包含複數個BBI ; 藉由加總每一資料桶之加權乘以每一個別資料 桶的BBI，計算該複數個BBIs之加權總和，以產生 該活動之一整體品牌指標(BI);及 當該豐富性媒體廣告的貨幣化值之表示時，該活 動之BI係與一廣告商和發行人進行溝通。 2. 如申請專利範圍第1項之方法，其中為決定BI之一 線性方法，以計算每一資料桶之BBI係包含： 分配一加權給在資料桶中收集的複數個資料類 型之每一者； 分配一分數給在該資料桶中收集的該等資料類 型之每一者； 追蹤每一資料類型的發生之頻率；及 以該分配的加權、該分配的分數、與該追蹤的頻 率之乘積，計算該資料桶之一資料桶品牌指標(B BI)。 3. 如申請專利範圍第1項之方法，其中為決定BI之一 非線性方法，以計算每一資料桶之BBI係包含： 收集複數個資料類型（山、(12、..、dm)在資料桶中； 22 200923817 及 以該複數個資料類型之函數代山、〇12、..、dm)，表 達一資料桶品牌指標（BBI)，其中該函數於所有非負 值與有限值(d)為有限、非負值與實數。 4. 如申請專利範圍第1項之方法，其進一步包含： 以BI與許多曝光之比率，計算每次曝光的品牌 指標(BII)。 5. 如申請專利範圍第1項之方法，其中該BI與一廣告 商之溝通包含該BI與一廣告伺服器的溝通。 6. —種用於計算互動式豐富性媒體廣告之品牌指標(BI) 之方法，其包含： 藉由一處理器，將一豐富性媒體廣告之廣告曝露 分類儲存至記憶體中的資料桶之一類型，而對於該資 料桶之每一類型係： 分配一加權給在資料桶中收集的複數個資料 類型之每一者； 分配在記憶體中的分數給在該資料桶中收集 的該等資料類型之每一者； 追蹤每一資料類型的發生之頻率；及 以該分配的加權、該分配的分數、與該追蹤 的頻率，以計鼻資料桶的一資料桶品牌指標 (BBI)； 分配一資料桶加權給在記憶體中儲存的資料桶 之每一類型； 藉由加總每一資料桶之加權乘以每一個別資料 桶的BBI，計算該等資料桶的複數個BBIs之一加權 總和，以產生一廣告活動之整體品牌指標(BI);及 23 923817 當該豐富性媒體廣告的 7 動之BI與一廣告商或的、常化值之表示時，該活 如申請專·圍第6項之仃方人^亍溝通。 藉由將m除以曝光其進—步包含： 牌指標(ΒΠ)。 、尤-人數’以計算每次曝光之品 如申睛專利範圍第6項之方 — 9 含廣告格式與多媒體之至小二“中該貧料桶類型包 類型包含g i f、視訊、浮動而且其中該等資料 如申請專利範圍第6項之去、=展之至少-者。 包含轉換，而且其中哕篝次^、、中該貧料桶類型係 問卷、一表格、V:4貝桶類型包含來自填寫- 10 工载生產資訊的資至:自4印-優待券、及來自 之3於:g動式豐富性媒體廣告之品牌指綱 記憶廣告曝露分類至儲存於 類型而言:類型，而對於該資料桶的每- 令；收集複數個資料類型(di'd2 ..、dm)在資料桶 以—複數個資料類型的函數脱，d2, ..，dm)，表 ί^ i牌指標(刪)，其中該函數於所有非 負值，、有限⑷值為有限、非負值與實數； 之每資料桶加權給在記憶體中儲存的資料桶 —f料桶之加權乘以每—個別 :ϊ!βΙ ’計算資料桶的複數個職之加權總和， 產生一廣告活動之整體品牌指標(ΒΙ);及 24 200923817 當該豐富性媒體廣告的貨幣化值之表示時，該活 動之BI與一廣告商或發行人進行溝通。 11. 如申請專利範圍第10項之方法，其進一步包含： 藉由BI除以曝光的數量，計算每次曝光的品牌 指標(BII)。 12. 如申請專利範圍第10項之方法，其中若d>= d'，則 f( d)>= f( d'). 13. 如申請專利範圍第10項之方法，其中對於 d2, ..，dm)而言，dBBI/ddi = fi > 0，而對於所有資料類 型輸入而言，i=l,2,...,m。 14. 如申請專利範圍第13項之方法，其中對所有i = 1， 2，…，in 而 g，d BBI/ddf = & < 0。 15. 如申請專利範圍第10項之方法，其中該資料桶類型 包含曝露，而且其中該等資料類型包含曝露時間與曝 露的許多層之至少一者。 16. 如申請專利範圍第10項之方法，其中該資料桶類型 包含互動，而且其中該等資料類型包含總互動時間與 總曝光數之至少一者。 17. —種用於計算互動式豐富性媒體廣告之品牌指標(BI) 之方法，其包含： 藉由一處理器，將該複數個豐富性媒體廣告之一 些豐富性媒體廣告之廣告曝露分類儲存至記憶體中 的資料桶之第一類型，且對於該資料桶的每一第一類 型係： 分配一加權給在資料桶中收集的複數個資料 類型之每一者； 分配一分數給在該資料桶中收集的該等資料 25 200923817 類型之每一者； 追蹤每一資料類型的發生頻率；及 以該分配的加權、該分配的分數、與該追蹤 的頻率之乘積，計算該資料桶的資料桶品牌指標 (BBI);及 將複數個豐富性媒體廣告之其餘部分之廣告曝 露分類儲存至記憶體中的資料桶之第二類型，且對於 該資料桶的每一第二類型而言，該處理器係： 收集複數個資料類型（屯、d2、..、dm)在記憶體 中儲存的貢料桶，及 以複數個資料類型的函數代山，d2, ..，dm)，表 達一資料桶品牌指標(BBI)，其中該函數於所有非 負值與有限(d)值為有限、非負值與實數； 分配一資料桶加權給在記憶體中儲存的資料桶 的第一與第二類型之每一者； 藉由加總每一資料桶之加權乘以每一個別資料 桶的BBI，計算第一與第二資料桶的複數個BBIs之 加權總和，以產生一廣告活動之整體品牌指標(BI); 及 當該豐富性媒體廣告的貨幣化值之表示時，該活 動之BI與一廣告商或發行人進行溝通。 18. 如申請專利範圍第17項之方法，其中該第一資料桶 類型包含廣告格式與多媒體之至少一者，而且其中該 等資料類型包含gif、視訊、浮動、與可擴展之至少 之一者。 19. 如申請專利範圍第17項之方法，其中該第一資料桶 類型包含轉換，而且其中該等資料類型包含來自填寫 26 200923817 一問卷、一表格、一士丄 20. 21. 22. 自下載產品資訊的資::至1列印-優待券、及來 如申請專利範圍第17項之方法， 類型包含曝露，而且其中、中&一貞科桶 與曝露的許多層之至'少一‘、。貝;’型包含曝露時間 類kit圍第17項之方法，其中該第二資料桶 時間與^絲錄㈣類㈣含總互動 ^申請專利範㈣17項之方法，其中該_ 該m與-廣告之溝通，= 理I該m與—發行人之溝通係包含該B 理伺服器之溝通。 /古動官 27