CN104541513A - 确定在线媒体呈现的收视率信息的方法和设备 - Google Patents

确定在线媒体呈现的收视率信息的方法和设备 Download PDF

Info

Publication number
CN104541513A
CN104541513A CN201480001437.5A CN201480001437A CN104541513A CN 104541513 A CN104541513 A CN 104541513A CN 201480001437 A CN201480001437 A CN 201480001437A CN 104541513 A CN104541513 A CN 104541513A
Authority
CN
China
Prior art keywords
impression
media
message
partner
terminal device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480001437.5A
Other languages
English (en)
Other versions
CN104541513B (zh
Inventor
S·J·斯普莱恩
K·K·盖纳
G·R·纳拉辛哈
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nielsen Co US LLC
Original Assignee
Nielsen Co US LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nielsen Co US LLC filed Critical Nielsen Co US LLC
Priority to CN201810757343.0A priority Critical patent/CN108960926B/zh
Publication of CN104541513A publication Critical patent/CN104541513A/zh
Application granted granted Critical
Publication of CN104541513B publication Critical patent/CN104541513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25883—Management of end-user data being end-user demographical data, e.g. age, family status or address
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data

Abstract

公开了确定在线媒体呈现的收视率信息的方法和设备。示例方法包括以下步骤：接收与客户端装置处的媒体的呈现对应的pingback消息；基于所述pingback消息确定所述客户端装置处呈现的所述媒体的部分；获得与所述客户端装置关联的人口统计信息；以及基于所述pingback消息和所述人口统计信息来确定与所述媒体的所述部分的呈现关联的人口统计特性。

Description

确定在线媒体呈现的收视率信息的方法和设备
相关申请的交叉引用
本专利要求2013年9月12日提交的美国非临时专利申请No.14/025,575和2013年4月30日提交的美国临时专利申请No.61/817,829的优先权。美国非临时专利申请No.14/025,575和美国临时专利申请No.61/817,829整体以引用方式并入。
技术领域
本公开总体上涉及监测媒体，更具体地讲，涉及确定在线媒体呈现的收视率(rating)信息的方法和设备。
背景技术
传统上，受众(audience)测量实体基于注册的小组(panel)成员来确定媒体节目的受众参与水平。即，受众测量实体将同意被监测的人招募到小组中。然后受众测量实体监测那些小组成员以确定那些小组成员所接触的媒体节目(例如，电视节目或者无线电广播节目、电影、DVD等)。这样，受众测量实体可基于收集的媒体测量数据确定不同媒体内容的曝光(exposure)措施。
这些年来，监测用户对互联网资源(例如，网页、广告和/或其它内容)的访问的技术已显著演进。一些已知系统主要通过服务器日志来执行这种监测。具体地讲，在互联网上提供内容服务的实体可使用已知技术来在其服务器处记录(log)针对其内容接收到的请求的数量。
附图说明
图1描绘了可用于利用分布式人口统计信息确定广告观众的示例系统。
图2描绘了可用于基于不同的网络服务提供商的用户账户记录上分布的人口统计信息将媒体曝光率测量与用户人口统计信息关联的示例系统。
图3是客户端应用可将印象(impressions)报告给能够访问该客户端应用的用户的人口统计信息的服务器的示例方式的通信流程图。
图4描绘了收视率实体印象表的示例，该表示出监测的用户的印象的量。
图5描绘了由数据库所有者(database proprietor)生成的示例每媒体周期宣传活动层面年龄/性别和印象组成表。
图6描绘了由收视率实体生成的另一示例每媒体周期宣传活动层面年龄/性别和印象组成表。
图7描绘了基于图5和图6的组成表的示例每媒体周期组合的宣传活动层面年龄/性别和印象组成表。
图8描绘了基于图5-7的每媒体周期组成表示出印象的示例年龄/性别印象分布表。
图9是代表可被执行以标识归功于印象的人口统计数据的示例机器可读指令的流程图。
图10是代表可被客户端装置执行以将信标请求路由至网络服务提供商以记录印象的示例机器可读指令的流程图。
图11是代表可被小组成员监测系统执行以记录印象和/或将信标请求重定向至网络服务提供商以记录印象的示例机器可读指令的流程图。
图12是代表可被执行以动态地指定向其请求可归功于印象的人口统计数据的优选网络服务提供商的示例机器可读指令的流程图。
图13描绘了可用于基于一个或更多个数据库所有者所收集的人口统计信息确定广告曝光率的示例系统。
图14是代表可被执行以在中介(intermediary)处处理重定向的请求的示例机器可读指令的流程图。
图15是代表可被客户端装置执行以将信标请求发送给印象监测器和数据库所有者的示例机器可读指令的流程图。
图16是代表可被小组成员监测系统执行以记录信标请求和/或基于信标请求和人口统计信息计算收视率信息的示例机器可读指令的流程图。
图17描绘了用于针对用户ID和媒体ID记录印象的示例印象日志。
图18是可用于执行图9、图10、图11、图12、图14、图15和/或图16的示例指令以实现本文所述的示例设备和系统的示例处理器系统。
具体实施方式
这些年来，监测用户对诸如网页、广告和/或其它媒体(例如，音频、视频、交互内容等)的互联网资源的访问的技术已显著演进。在过去，这种监测主要通过服务器日志来进行。具体地讲，在互联网上提供内容服务的实体将在其服务器处记录针对其内容接收到的请求的数量。由于多个原因，基于服务器日志进行互联网使用调查存在问题。例如，服务器日志可能直接或者经由僵尸(zombie)程序而被纂改，这些僵尸程序重复地向服务器请求内容从而增加服务器日志计数。其次，内容通常被检索一次，缓存在本地，然后从本地缓存来重复地观看，在重复观看时不涉及服务器。服务器日志无法跟踪这些缓存内容的观看。因此，服务器日志易于发生过计数问题和计数不全问题二者。
Blumenau的美国专利6,108,637中公开的发明从根本上改变了执行互联网监测的方式，并且克服了上述服务器侧日志监测技术的局限。例如，Blumenau公开了一种技术，其中，利用信标指令来标记将要跟踪的互联网内容。具体地讲，监测指令与将要跟踪的内容的HTML关联。当客户端请求内容时，内容和信标指令二者被下载到客户端。因此，每当内容被访问时(无论从服务器还是从缓存)，信标指令均被执行。
信标指令使得反映关于对内容的访问的信息的监测数据被从下载该内容的客户端发送给监测实体。通常，监测实体是受众测量实体，该受众测量实体不向客户端提供内容，是提供准确使用统计的可信第三方(例如，尼尔森有限责任公司(NielsenCompany，LLC))。有利地，由于信标指令与内容关联并且每当内容被访问时被客户端应用执行，所以监测信息被提供给受众测量公司，而不管客户端是不是受众测量公司的小组成员。
然而，重要的是将人口统计数据链接到监测信息。为了解决这一问题，受众测量公司建立了同意提供其人口统计信息并且同意其互联网浏览活动被监测的用户小组。当个人加入该小组时，他们向受众测量公司提供关于其身份和人口统计数据(例如，性别、人种、收入、家庭地址、职业等)的详细信息。受众测量实体在小组成员客户端装置上设定网络跟踪信息(cookie)，其使得受众测量实体每当小组成员访问被标记内容时能够标识小组成员，因此将监测信息发送给受众测量实体。
由于从被标记页提供监测信息的大多数客户端不是小组成员并且因此对于受众测量实体而言是未知的，所以有必要使用统计方法来将基于针对小组成员收集的数据的人口统计信息归于针对被标记内容提供数据的较大用户人群。然而，受众测量实体的小组规模与一般用户人群相比仍很小。因此，提出了这样的问题：如何在确保小组的人口统计数据准确的同时增加小组规模。
存在在互联网上运营的许多数据库所有者。这些数据库所有者向大量订户提供服务。作为提供服务的交换，订户向所有者注册。作为此注册的一部分，订户提供详细的人口统计信息。这些数据库所有者的示例包括社交网络提供商(例如，Facebook、Myspace等)。这些数据库所有者在其订户的装置上设定cookie，以使得数据库所有者能够在用户访问他们的网站时识别用户。
互联网协议使得cookie在其设定的域(例如，互联网域、域名等)之外不可访问。因此，amazon.com域中设定的cookie对于amazon.com域中的服务器而言可访问，但是对于该域之外的服务器不可访问。因此，尽管受众测量实体可能发现访问由数据库所有者设定的cookie是有利的，但他们无法这样做。
鉴于此，受众测量公司想要借助数据库所有者的现有数据库来收集更广泛的互联网使用和人口统计数据。然而，为实现此目的，受众测量实体面临多个问题。例如，提出了这样的问题：如何访问数据库所有者的数据而不损害订户、小组成员或所跟踪的内容的所有者的隐私。另一问题是在阻止受众测量实体访问由数据库所有者设定的cookie的互联网协议所强加的技术限制的情况下，如何访问该数据。本文所公开的示例方法、设备和产品通过扩展信标处理以涵盖合作的数据库所有者并且利用这些合作者作为临时数据收集者来解决这些问题。
本文所公开的示例方法、设备和/或产品如下实现这一任务：通过将访问被标记内容的客户端(可能不是受众成员小组的成员，因此对于受众成员实体而言可能未知)从受众测量实体重定向(redirect)至与受众成员实体合作的数据库所有者(例如，社交网站)，来对来自客户端的信标请求作出响应。重定向在访问被标记内容的客户端与数据库所有者之间发起通信会话。数据库所有者(例如，Facebook)可访问其在客户端上设定的任何cookie，从而基于数据库所有者的内部记录来标识客户端。如果客户端是数据库所有者的订户，则数据库所有者将内容印象与客户端的人口统计数据关联地记录，随后将日志转发给受众测量公司。如果客户端不是数据库所有者的订户，则数据库所有者将客户端重定向至受众测量公司。然后受众测量公司可将客户端重定向至与受众测量实体合作的不同的第二数据库所有者。然后该第二所有者可如上所述尝试标识客户端。这种将客户端从数据库所有者重定向至数据库所有者的处理可执行任何次数，直至客户端被标识并且内容曝光被记录，或者直至联系了所有合作者也没有成功标识客户端。重定向全部自动发生，因此客户端的用户未参与各种通信会话，甚至可能不知道它们的发生。
合作的数据库所有者将其日志和人口统计信息提供给受众测量实体，然后受众测量实体将收集的数据编译成准确地标识访问被标记内容的人的人口统计数据的统计报告。由于参照远超传统受众测量小组中的人数的庞大的用户数据库进行客户端的标识，所以从这一处理得到的数据极其准确、可靠和详细。
显著的是，由于受众测量实体仍是数据收集处理的第一站(例如，从客户端接收通过信标指令产生的请求)，所以受众测量实体能够模糊记录的内容访问的来源以及来自数据库所有者的内容本身的身份(从而保护内容来源的隐私)，而不会损害数据库所有者记录其订户的印象的能力。另外，遵循了互联网安全cookie协议，因为仅访问给定cookie的服务器与设定该cookie的互联网域(例如，Facebook.com)关联。
本文所述的示例方法、设备和产品可用于利用分布于互联网上的不同数据库(例如，不同的网站拥有者、服务提供商等)上的人口统计信息来确定内容印象、广告印象、内容曝光率和/或广告曝光率。本文所公开的示例方法、设备和产品不仅能够使互联网广告曝光率与人口统计数据更准确地相关，而是还有效地使小组规模和组成超过参与受众测量实体和/或收视率实体的小组的人扩展至其它互联网数据库(例如，诸如Facebook、Twitter、Google等的社交媒体网站的数据库)中注册的人。这种扩展有效地借助收视率实体的内容标记能力和非收视率实体(例如，社交媒体和其它网站)的数据库的使用，来创建庞大的人口统计数据准确的小组，从而得到诸如广告和/或节目的互联网内容的曝光率的准确、可靠的测量。
在本文所公开的所示示例中，依照在线总收视点来测量广告曝光率。总收视点(GRP)是传统上电视收视率背景下所使用的受众大小的测量单位。其用于测量对一个或更多个节目、广告或商业广告的曝光，而不涉及相同广告对个人的多个曝光。就电视(TV)广告而言，一个GRP等于1％的TV住户。尽管GRP传统上用作电视观众的度量，但本文所公开的示例方法、设备和产品针对在线广告开发在线GRP以提供可用在整个互联网上的标准化度量以准确地反映在线广告曝光率。这些标准化在线GRP测量可使得广告商更加确信他们的在线广告花销很值得。其还可方便诸如TV广告和在线广告的观众的跨媒体比较。由于本文所公开的示例方法、设备和/或产品将观众测量与用户的对应人口统计数据关联，所以通过本文所公开的示例方法、设备和/或产品收集的信息还可由广告商用来标识他们的广告所覆盖(reach)的市场和/或定位未来广告的特定市场。
传统上，受众测量实体(本文中也称作“收视率实体”)基于注册的小组成员来确定广告和媒体节目的人口覆盖。即，受众测量实体将同意被监测的人招募到小组中。在招募期间，受众测量实体从招募的人接收人口统计信息，从而随后可在那些小组成员的广告/媒体曝光率与不同人口统计市场之间进行相关。与受众测量实体仅依赖于他们自己的小组成员数据来收集基于人口统计数据的受众测量的传统技术不同，本文所公开的示例方法、设备和/或产品使得受众测量实体能够与基于用户注册模型来运营的其他实体共享人口统计信息。如本文所使用的，用户注册模型是用户通过创建账户并提供关于自己的人口统计相关信息来订购那些实体的服务的模型。共享与数据库所有者的注册用户关联的人口统计信息使得受众测量实体能够从外部来源(例如，数据库所有者)利用基本上可靠的人口统计信息扩展或补充他们的小组数据，从而扩展其基于人口统计数据的受众测量的覆盖范围、准确度和/或完整性。这种访问还使得受众测量实体能够监测原本没有加入受众测量小组的人。具有标识一组个人的人口统计数据的数据库的任何实体可与受众测量实体协作。这些实体可被称作“数据库所有者”，包括诸如Facebook、Google、Yahoo！、MSN、Twitter、Apple iTunes、Experian等的实体。
本文所公开的示例方法、设备和/或产品可通过受众测量实体(例如，关注对广告、内容和/或任何其它媒体的受众曝光率的测量或跟踪的任何实体)来实现，所述受众测量实体与任何数量的数据库所有者(例如，在线网络服务提供商)协作以开发在线GRP。这些数据库所有者/在线网络服务提供商可以是社交网站(例如，Facebook、Twitter、MySpace等)、多服务站点(例如，Yahoo！、Google、Experian等)、在线零售商站点(例如，Amazon.com、Buy.com等)和/或保持用户注册记录的任何其它网络服务站点。
为了增加测量的观众准确地归功于正确的人口统计数据的可能性，本文所公开的示例方法、设备和/或产品使用受众测量实体的记录中的人口统计信息以及保持具有其账户的用户的记录或配置文件的一个或更多个数据库所有者(例如，网络服务提供商)处的人口统计信息。这样，本文所公开的示例方法、设备和/或产品可用于利用来自一个或更多个不同的数据库所有者(例如，网络服务提供商)的人口统计信息来补充收视率实体(例如，收集媒体曝光率测量和/或人口统计数据的诸如尼尔森公司(美国伊利诺伊州绍姆堡)的受众测量公司)所保持的人口统计信息。
使用来自不同数据来源的人口统计信息(例如，来自受众测量公司的小组的高质量人口统计信息和/或网络服务提供商的注册用户数据)为在线和离线广告宣传活动二者改进了度量的报告有效性。本文所公开的示例技术使用在线注册数据来标识用户的人口统计数据，并且使用服务器印象计数、标记(也称作信标)和/或其它技术来跟踪可归功于那些用户的印象数量。诸如社交网站(例如，Facebook)和多服务提供商(例如，Yahoo！、Google、Experian等)的在线网络服务提供商(本文中共同地和个别地称作在线数据库所有者)保持经由用户注册处理收集的详细的人口统计信息(例如，年龄、性别、地理位置、人种、收入水平、教育程度、宗教信仰等)。如本文所使用的，印象被定义为家庭或个人接触媒体(例如，广告、内容、一组广告和/或内容集合)的事件。在互联网广告中，印象数量或者印象计数是媒体(例如，内容、广告和/或广告宣传活动)被网络人群访问的总次数(例如，媒体被访问的次数)。如本文所使用的，人口统计印象被定义为与接触媒体的人的特性(例如，人口统计特性)关联的印象。
本文所公开的示例方法、设备和/或产品还能够以并行的方式报告TV GRP和在线GRP。例如，本文所公开的计数使得广告商能够报告被TV和/或在线广告个别地和/或共同地覆盖的各个人和用户的数量。
本文所公开的示例方法、设备和/或产品还收集映射到互联网上的各种位置处的人口统计数据的印象。例如，受众测量实体收集其小组的印象数据，并且自动招募一个或更多个在线人口统计数据所有者收集其订户的印象数据。通过将这些收集的印象数据组合，然后受众测量实体可针对不同的广告宣传活动产生人口统计印象数据和GRP度量。可使这些GRP度量与覆盖的特定人口统计细分和/或市场相关或者说关联。
本文所公开的示例方法和设备针对在一段时间内呈现的媒体(例如，视频或音频)确定受众人口统计数据。由于并非开始观看视频的所有用户均将观看整个视频，例如，经由互联网呈现的30分钟视频的第一分钟的受众人口统计数据可能不同于该视频的第25分钟的受众人口统计数据。
本文所公开的示例方法和设备通过在网络浏览器加载媒体时向客户端计算装置上执行的客户端应用(例如，网络浏览器、应用等)提供指令来测量在一段时间内发生的媒体的人口统计数据。在一些示例中，所述指令使得网络浏览器按照规则和/或不规则的间隔(例如，每分钟、每30秒、每2分钟等)将请求(例如，pingback消息)发送给印象监测服务器。示例印象监测服务器标识来自网络浏览器的请求，并且与一个或更多个数据库所有者组合，使媒体的印象信息与网络浏览器的用户的人口统计数据匹配。
在示例中，用户从网站发布者加载网页，其中该网页对应于特定的60分钟视频。作为示例网页的一部分或者除了示例网页以外，发布者提供信标指令和/或使得网络浏览器向信标服务器发出pingback消息。当通过示例网络浏览器加载信标指令时，信标指令使得网络浏览器按照指定的间隔(例如，每分钟一次)向印象监测服务器发出pingback消息(例如，HTTP请求、ping)。示例信标指令(或者来自例如印象监测服务器或数据库所有者的重定向消息)还使得网络浏览器向收集和/或保持关于用户的人口统计信息的一个或更多个数据库所有者发出pingback消息。数据库所有者发送关于与网络浏览器关联的用户的人口统计信息以便于与印象监测服务器所确定的印象组合。如果用户在视频结束之前关闭包含视频的网页，则信标指令停止，网络浏览器停止向印象监测服务器发出pingback消息。通过确定接收的pingback消息的数量和/或内容，示例印象监测器可确定用户观看特定长度的视频。
本文所公开的的示例方法和设备使网络浏览器处的媒体的印象和/或持续印象(例如，从一组记录的印象推导的一段时间的印象信息)(例如，用户经由网络浏览器接触的媒体中的一段时间)匹配经由数据库所有者收集的人口统计信息。通过使印象和/或持续印象匹配人口统计数据，本文所公开的示例方法和设备确定视频的每分钟(或者每时段，其中所述时段可以是任何时间长度)受众(例如，第一分钟的受众、第二分钟的受众等)的人口统计印象特性。
在一些示例中，网页使得用户能够跳到视频的特定部分(例如，拾取他们早前停止的地方)。在检测到跳转请求时，示例信标指令使得网络浏览器向印象监测服务器发出请求，该请求包括作出跳转请求的时间以及相对于用户所跳转至的视频的时间。在接收到该请求时，示例印象监测服务器确定用户观看媒体的时间。因此，例如，印象监测服务器可确定用户观看视频的后15分钟，而不是视频的前15分钟，或者确定用户观看视频的间断部分或子集。
本文所公开的示例方法、设备和产品被描述为使用cookie来在客户端装置上本地存储信息和/或将这些存储的信息提供给另一方或装置。然而，本文所公开的示例方法、设备和产品可另外地或另选地利用cookie的替代物来存储和/或通信信息。这些替代物的示例包括网络存储、文档对象模型(DOM)存储、本地共享对象(也称作“Flash cookies”)、媒体标识符(例如，iOS广告ID)、用户标识符(例如，苹果(Apple)用户ID、iCloud用户ID、安卓(Android)用户ID)和/或设备标识符(Apple设备ID、Android设备ID、设备序列号、媒体访问控制(MAC)地址等)。
图1描绘了可用于基于一个或更多个数据库所有者所收集的人口统计信息确定媒体曝光率(例如，对内容和/或广告的曝光率)的示例系统100。本文中使用“分布式人口统计信息”来表示从至少两个来源获得的人口统计信息，其中至少一个来源是数据库所有者(例如，在线网络服务提供商)。在所示的示例中，内容提供商和/或广告商经由互联网104向访问网站和/或在线电视服务(例如，网络TV、互联网协议TV(IPTV)等)的用户分发广告102。广告102可另外地或另选地通过广播电视服务分发给传统非互联网型(例如，RF、地面或卫星)电视机并且利用本文所述的技术和/或其它技术来针对观众进行监测。网站、电影、电视和/或其它节目在本文中通常称作内容。广告通常随内容分发。传统上，向受众提供内容几乎没有成本，因为其得到付款使他们的广告随内容分发的广告商的赞助。
在所示的示例中，广告102可形成一个或更多个广告宣传活动，并且利用标识关联的广告宣传活动(例如，宣传活动ID)、创建类型ID(例如，标识基于Flash的广告、横幅广告、豪华型广告等)、源ID(例如，标识广告发布者)和设置ID(例如，标识广告在屏幕上的物理设置)的标识码(例如，元数据)来编码。广告102还被标记或编码以包括由在例如互联网上访问广告102的网络浏览器执行的计算机可执行信标指令(例如，Java、Javascript或者任何其它计算机语言或脚本)。计算机可执行信标指令可另外地或另选地与将要监测的内容关联。因此，尽管本公开频繁地在跟踪广告的领域谈及，其不限于跟踪任何特定类型的媒体。相反，其可用于跟踪网络中的任何类型或形式的内容或广告。不管跟踪的内容的类型如何，信标指令的执行均使得网络浏览器将一个或更多个印象请求(例如，本文中称作信标请求)发送给指定的服务器(例如，受众测量实体)。信标请求可被实现为HTTP请求。然而，尽管发送的HTML请求标识网页或者将要下载的其它资源，信标请求包括受众测量信息(例如，广告宣传活动标识、内容标识符、用户标识信息、时间戳和/或媒体中的跳转位置)作为其有效载荷。信标请求所指向的服务器被编程以记录信标请求的受众测量数据作为印象(例如，根据利用信标指令标记的媒体的本质，广告和/或内容印象)。例如，对于静态类型的媒体(例如横幅广告)，印象可包括单个印象计数。相比之下，对于动态类型的媒体(例如，音频、视频和/或交互媒体)，持续印象可包括与媒体的全部或部分(例如，子集)所对应的一个或更多个时间段关联的印象。
在一些示例实现方式中，利用这些信标指令标记的广告可随基于互联网的媒体内容(包括例如网页、流视频、流音频、IPTV内容等)一起分发并用于收集基于人口统计数据的印象数据。如上所述，本文所公开的方法、设备和/或产品不限于广告监测，而是可适于任何类型的内容监测(例如，网页、电影、电视节目等)。可用于实现这些信标指令的示例技术公开于Blumenau的美国专利6,108,637中，该专利整体以引用方式并入本文。
尽管示例方法、设备和/或产品在本文中被描述为使用由网络浏览器执行的信标指令来将信标请求发送给指定的印象收集服务器，但示例方法、设备和/或产品可另外地利用装置内置统计系统来收集数据，该系统本地地收集网络浏览信息而不依赖于利用信标指令编码或标记的内容或广告。在这些示例中，随后可如本文所公开的基于用户ID将本地收集的网络浏览行为与用户人口统计数据相关。
图1的示例系统100包括收视率实体子系统106、合作者数据库所有者子系统108(在此示例中通过社交网络服务提供商来实现)、其他合作数据库所有者(例如，网络服务提供商)子系统110以及非合作数据库所有者(例如，网络服务提供商)子系统112。在所示的示例中，收视率实体子系统106和合作的数据库所有者子系统108、110对应于同意共享人口统计信息并且响应于重定向的信标请求捕获印象(如下所述)的合作企业实体。合作企业实体可参与以有利地使其相应的人口统计信息的准确性和/或完整性得以确认和/或增加。合作企业实体还参与报告在其网站上发生的印象。在所示的示例中，其他合作数据库所有者子系统110包括与合作数据库所有者子系统108类似或相同的组件、软件、硬件和/或处理，以收集并记录印象(例如，广告和/或内容印象)并将人口统计信息与记录的这些印象关联。
非合作数据库所有者子系统112对应于没有参与共享人口统计信息的企业实体。然而，本文所公开的技术跟踪可归功于非合作数据库所有者子系统112的印象(例如，广告印象和/或内容印象)，并且在一些情况下，非合作数据库所有者子系统112中的一个或更多个也报告可归功于不同印象的唯一用户ID(UUID)。唯一用户ID可用于利用合作企业实体(例如，收视率实体子系统106和/或数据库所有者子系统108、110)所保持的人口统计信息来标识人口统计数据。
图1的示例的数据库所有者子系统108通过社交网络所有者(例如，Facebook)来实现。然而，作为替代，数据库所有者子系统108可由任何其他类型的实体(例如，为台式/固定计算机用户和/或移动装置用户提供服务的网络服务实体)来运营。在所示的示例中，数据库所有者子系统108处于第一互联网域中，合作数据库所有者子系统110和/或非合作数据库所有者子系统112处于第二、第三、第四等互联网域中。
在图1所示的示例中，跟踪的内容和/或广告102被呈现给TV和/或PC(计算机)小组成员114和全在线(online only)小组成员116。小组成员114和116是拥有和/或运营收视率实体子系统106的收视率实体(例如，受众测量公司)所保持的小组中注册的用户。在图1的示例中，TV和PC小组成员114包括针对TV和/或计算机上的内容和/或广告102的曝光率进行监测的用户和/或家庭。全在线小组成员116包括针对在工作或家中时经由在线来源的曝光率(例如，内容曝光率和/或广告曝光率)进行监测的用户。在一些示例实现方式中，TV和/或PC小组成员114可以是以家为中心的用户(例如，家庭主妇、学生、青少年、儿童等)，而全在线小组成员116可以是以工作为中心的用户，其通常经由办公室计算机或移动装置(例如，移动电话、智能电话、膝上型计算机、平板计算机等)连接到提供工作的互联网服务。
为了收集通过客户端装置(例如，计算机、移动电话、智能电话膝上型计算机、平板计算机、TV等)处的记录仪(meter)产生的曝光率测量(例如，内容印象和/或广告印象)，收视率实体子系统106包括执行收集和加载处理的收视率实体收集器117和加载器118。收视率实体收集器117和加载器118收集经由小组成员114和116获得的曝光率测量并将收集的曝光率测量存储在收视率实体数据库120中。然后收视率实体子系统106基于业务规则122处理并过滤曝光率测量，并且将处理的曝光率测量组织成TV&PC汇总表124、在线家中(H)汇总表126和在线工作(W)汇总表128。在所示的示例中，汇总表124、126和128被发送给GRP报告生成器130，其生成一个或更多个GRP报告131以出售或者以其它方式提供给广告商、发布者、制造商、内容提供商和/或关于这种市场调查的任何其他实体。
在图1所示的示例中，收视率实体子系统106设置有印象监测器132，其被配置为跟踪与客户端装置(例如，在诸如个人计算机、平板计算机、膝上型计算机或笔记本计算机、移动装置、游戏机、智能电视、互联网家电和/或任何其它连接互联网的计算装置的计算装置上执行的网络浏览器、诸如从“应用商店”下载的应用的应用或“app”或者任何其它类型的客户端装置)所呈现的内容和/或广告(无论从远程网络服务器接收还是从客户端装置的本地缓存接收)对应的曝光量(例如，内容印象和/或广告印象)。在一些示例实现方式中，印象监测器132可利用尼尔森公司所拥有并运营的SiteCensus系统来实现。在所示的示例中，当客户端装置呈现内容和/或广告时，利用印象监测器132所跟踪的cookie(例如，通用唯一标识符(UUID))来收集与曝光量关联的用户的身份。由于互联网安全协议，印象监测器132可仅收集其自己的域中设定的cookie。因此，例如，如果印象监测器132在“Nielsen.com”域中运行，则它仅可收集由Nielsen.com服务器设定的cookie。因此，当印象监测器132接收到来自给定客户端的信标请求时，印象监测器132仅能访问由例如Nielsen.com域中的服务器在该客户端上设定的cookie。为了克服这一局限，所示的示例的印象监测器132被结构化为将信标请求转发给与受众测量实体合作的一个或更多个数据库所有者。那些一个或更多个合作者可识别其域(例如，Facebook.com)中设定的cookie，因此与识别的cookie所关联的订户关联地记录印象。此处理在下面进一步说明。
在所示的示例中，收视率实体子系统106包括收视率实体cookie收集器134，其从印象监测器132收集cookie信息(例如，用户ID信息)以及与cookie关联的内容ID和/或广告ID，并且将收集的信息发送给GRP报告生成器130。同样，由印象监测器132收集的cookie是由在受众测量实体的域中运行的服务器设定的那些cookie。在一些示例中，收视率实体cookie收集器134被配置为从印象监测器132收集记录的印象(例如，基于cookie信息和广告或内容ID)并将记录的印象提供给GRP报告生成器130。
下面结合图2和图3描述与客户端装置和合作者站点结合的印象监测器132的操作。具体地讲，图2和图3描绘了印象监测器132如何能够收集用户身份并跟踪那些用户接触的内容和/或广告的曝光量。收集的数据可用于确定关于(例如)广告宣传活动的有效性的信息。
为了示例的目的，以下示例涉及社交网络提供商(例如，Facebook)作为数据库所有者。在所示的示例中，数据库所有者子系统108包括服务器138，其存储用户注册信息，执行网络服务器处理以向社交网络的订户提供网页(可能但非必须包括一个或更多个广告)，跟踪用户活动，并且跟踪账户特性。在账户创建期间，数据库所有者子系统108要求用户提供人口统计信息(例如，年龄、性别、地理位置、毕业年份、群关联量和/或任何其它个人或人口统计信息)。为了自动标识再次访问社交网络实体的网页的用户，服务器138在客户端装置(例如，注册用户的计算机/或移动装置，其中一些可以是受众测量实体的小组成员114和116和/或可不是受众测量实体小组成员)上设定cookie。Cookie可用于标识用户以跟踪用户对社交网络实体的网页的访问，根据用户的偏好显示那些网页等。由数据库所有者子系统108设定的cookie还可用于收集“域特定”用户活动。如本文所使用的，“域特定”用户活动是发生在单个实体的域内的用户互联网活动。域特定用户活动还可被称作“域内活动”。社交网络实体可收集域内活动，例如各个注册用户所访问的网页的数量(例如，社交网络域的网页，诸如其它社交网络会员页或者其它域内页)和/或用于这种访问的装置的类型(例如，移动(例如，智能电话)或固定(例如，台式计算机)装置)。服务器138还被配置为跟踪账户特性，例如各个注册用户所保持的社会联系(例如，朋友)的量、各个注册用户所张贴的照片的量、各个注册用户所发送或接收的消息的量和/或用户账户的任何其它特性。
数据库所有者子系统108包括数据库所有者(DP)收集器139和DP加载器140，其收集用户注册数据(例如，人口统计数据)、域内用户活动数据、域间用户活动数据(稍后说明)和账户特性数据。收集的信息被存储在数据库所有者数据库142中。数据库所有者子系统108利用业务规则144处理收集的数据以创建DP汇总表146。
在所示的示例中，其他合作数据库所有者子系统110可与受众测量实体共享与数据库所有者子系统108所共享的信息相似类型的信息。这样，如果不是社交网络服务提供商的注册用户的人是一个或更多个其他合作数据库所有者子系统110的注册用户，则可从那些网络服务提供商(例如，Yahoo！、Google、Experian等)收集他们的人口统计信息。本文所公开的示例方法、设备和/或产品有利地使用在整个网站域上人口统计信息的这种协作或共享，以增加受众测量实体可用的人口统计信息的准确性和/或完整性。通过以与标识用户所接触的内容和/或广告102的信息组合的方式使用共享的人口统计数据，本文所公开的示例方法、设备和/或产品生成更准确的依据人口统计的曝光率结果，从而能够针对在线广告确定有意义且一致的GRP。
随着系统100扩展，更多合作参与者(例如，类似合作数据库所有者子系统110)可加入以共享进一步分布的人口统计信息和广告观众信息以用于生成GRP。
为了保护用户隐私，本文所述的示例方法、设备和/或产品由各个参与合作者或实体(例如，子系统106、108、110)使用双加密技术，以使得在参与合作者或实体之间共享人口统计和/或观众信息时不透露用户身份。这样，用户隐私不会由于人口统计信息的共享而受到损害，因为接收人口统计信息的实体无法标识与接收的人口统计信息关联的个人，除非那些个人已经通过(例如)预先加入接收实体(例如，受众测量实体)的小组或服务而同意允许访问他们的信息。如果个人已经在接收方的数据库中，则接收方将能够标识个人而不管加密。然而，个人已经同意处于接收方的数据库中，因此同意允许访问他们的人口统计数据并且行为信息预先已经接收。
图2描绘了可用于基于不同的数据库所有者(例如，网络服务提供商)的用户账户记录上分布的人口统计信息将曝光率测量与用户人口统计信息关联的示例系统200。示例系统200使得图1的收视率实体子系统106能够针对各个信标请求(例如，来自客户端的请求，该客户端执行与包含标识媒体的数据的被标记媒体(例如，广告或内容)关联的标签以使得实体能够记录曝光率或印象)定位最适合的合作者(例如，图1的数据库所有者子系统108和/或图1的其他合作数据库所有者子系统110之一)。在一些示例中，示例系统200使用规则和机器学习分类器(例如，基于经验数据的演化集)来确定可能具有触发信标请求的用户的人口统计信息的相对最合适的合作者。可基于发布者层面、宣传活动/发布者层面或者用户层面来应用规则。在一些示例中，不采用机器学习，作为替代，按照一些有序方式联系合作者(例如，Facebook、Myspace、然后Yahoo！等)，直至标识出与信标请求关联的用户或者排除所有合作者而没有标识。
收视率实体子系统106从所有可用的合作者接收并编译印象数据。收视率实体子系统106可基于提供数据的合作者的总覆盖范围和人口统计数据质量来对印象数据进行加权。例如，收视率实体子系统106可就合作者的人口统计数据的准确性参考历史数据以向该合作者所提供的记录的数据指派权重。
对于在发布者层面应用的规则，定义一组规则和分类器，其允许收视率实体子系统106为特定发布者(例如，图1的广告或内容102中的一个或更多个的发布者)选择最适当的合作者。例如，收视率实体子系统106可使用发布者和合作者网络服务提供商的人口统计数据组合来选择最可能具有适当用户基础(例如，可能访问对应发布者的内容的注册用户)的合作者。
对于在宣传活动层面应用的规则，例如发布者具有基于用户人口统计数据选择广告宣传活动的能力，可在发布者/宣传活动层面定义目标合作者站点。例如，如果广告宣传活动以年龄在18岁和25岁之间的男性为目标，则收视率实体子系统106可使用此信息来将请求定向至在该性别/年龄群内最可能具有最大覆盖的合作者(例如，维持体育网站等的数据库所有者)。
对于在用户层面(或cookie层面)应用的规则，收视率实体子系统106可动态地选择优选合作者以基于(例如)(1)从合作者接收的反馈(例如，指示小组成员用户ID不匹配合作者站点的注册用户或者指示合作者站点没有足够数量的注册用户的反馈)和/或(2)用户行为(例如，用户浏览行为可指示特定用户不可能具有特定合作者站点的注册账户)来标识客户端并记录印象。在图2所示的示例中，可使用规则来指定何时利用发布者(或发布者宣传活动)层面合作者目标撤销用户层面优选合作者。
详细地转向图2，用户装置202表示由图1的小组成员114和116中的一个或更多个使用的客户端装置。如图2的示例中所示，用户装置202可与图1的印象监测器132交换通信。在所示的示例中，合作者A 206可以是图1的数据库所有者子系统108，合作者B 208可以是图1的其他合作数据库所有者子系统110之一。小组收集平台210包含图1的收视率实体数据库120以收集广告和/或内容曝光率数据(例如，印象数据或内容印象数据)。临时收集平台可能设置在合作者A 206和合作者B 208站点处以存储记录的印象，至少直至数据被传送给受众测量实体。
所示的示例的用户装置202执行指向显示媒体102(例如，音频、视频、交互媒体、流媒体等)的主机网站(host website)(例如，www.acme.com)的客户端应用212。利用标识符信息(例如，媒体ID、创建类型ID、设置ID、发布者来源URL等)和信标指令213来标记媒体102(例如，广告和/或内容)。示例信标指令213使得客户端应用212向信标服务器215请求重复的pingback指令214(本文中也称作pingback指令)。示例客户端应用212将包括媒体102的标识的请求发送给信标服务器215，该信标服务器215生成重复的pingback指令214并返回给示例小组成员客户端装置202。在一些示例中，随被标记媒体102接收的信标指令213包括重复的pingback指令214。
当重复的pingback指令214被用户客户端装置202执行时，重复的pingback指令214使得用户客户端装置202将信标请求(例如，按照指定的间隔)发送给重复的pingback指令214中指定的远程服务器。在所示的示例中，指定的服务器是受众测量实体的服务器(即，印象监测器132处的服务器)。重复的pingback指令214可利用Javascript或者可经由客户端应用(例如，网络浏览器)执行的任何其它类型的指令或脚本来实现，包括(例如)Java、HTML等。应该注意的是，被标记网页和/或广告被小组成员客户端装置和非小组成员客户端装置按照相同的方式处理。在两种系统中，重复的pingback指令214均结合被标记媒体102的下载来接收，并且使得从下载被标记媒体102的客户端(例如，用户客户端装置202)发送对受众测量实体的信标请求。在标号203处示出非小组成员客户端装置。尽管客户端装置203不是小组成员114、116，但是印象监测器132可按照印象监测器132与用户客户端装置202(与小组成员114、116之一关联)交互的相同方式来与客户端203交互。如图2所示，非小组成员客户端装置203也基于在非小组成员客户端装置203上下载并呈现的被标记内容发送信标请求215。结果，在以下描述中，用户客户端装置202和非小组成员客户端装置203通常被称为“客户端装置”。
在一些示例中，客户端应用212确定在发送第一pingback之前是否达到印象认定期(qualification period)(例如，最小观看期)。印象认定期(例如，最小观看时间段)的持续时间(例如，长度)可基于(例如)被标记媒体的特性(例如，被标记媒体的长度、被标记媒体的预期观看者的人口统计数据等)和/或媒体发布者的偏好或要求(例如，发布者在媒体的特定长度被观看完之前不考虑被标记媒体有效地提供印象)来配置。
在所示的示例中，客户端应用212存储一个或更多个合作者cookie 216以及小组成员监测器cookie 218。各个合作者cookie 216对应于相应的合作者(例如，合作者A 206和B 208)并且仅可由相应合作者用来标识用户客户端装置202的用户。小组成员监测器cookie 218是由印象监测器132设定的cookie并且为印象监测器132标识用户客户端装置202的用户。当客户端装置的用户首次访问对应合作者(例如，合作者A 206和B 208之一)的网站时和/或当客户端装置的用户向合作者注册(例如，建立Facebook账户)时，在用户客户端装置202中创建、设定或者以其它方式初始化各个合作者cookie 216。如果用户具有对应合作者的注册账户，则在对应合作者的记录中将用户的用户ID(例如，电子邮件地址或其它值)映射至对应合作者cookie 216。当客户端(例如，小组成员客户端装置或非小组成员客户端装置)针对小组进行注册时和/或当客户端处理被标记媒体(例如，内容或广告)时，创建小组成员监测器cookie218。当用户注册成为小组成员并在收视率实体的记录中被映射至用户的用户ID(例如，电子邮件地址或其它值)时，可设定用户客户端装置202的小组成员监测器cookie218。尽管非小组成员客户端装置203不是小组成员，但当非小组成员客户端装置203处理被标记媒体时，在非小组成员客户端装置203中创建类似于小组成员监测器cookie 218的小组成员监测器cookie。这样，即使非小组成员客户端装置203的用户没有在小组中注册并且运营印象监测器132的收视率实体将没有非小组成员客户端装置203的用户的人口统计数据，印象监测器132也可收集与非小组成员客户端装置203关联的印象(例如，广告印象)。
在一些示例中，客户端应用212还可包括合作者优先顺序cookie 220，其由印象监测器132设定、调节和/或控制并且包括合作者206和208(和/或其他数据库所有者)的优先列表，该优先列表指示信标请求和/或pingback消息应该被发送给合作者206、208和/或其他数据库所有者的顺序。例如，如果合作者A 206指示客户端装置202、203的用户不是合作者A 206的注册用户，则印象监测器132可指定客户端装置202、203应该首先基于重复的pingback指令214的执行将信标请求和/或pingback消息发送给合作者A 206，然后发送给合作者B 208。这样，客户端装置202、203可使用重复的pingback指令214结合合作者优先顺序cookie 220的优先列表来将初始信标请求和/或pingback消息发送给初始合作者和/或其他初始数据库所有者，并且将一个或更多个重定向的信标请求和/或pingback消息发送给一个或更多个次等合作者和/或其他数据库所有者，直至合作者206和208和/或其他数据库所有者之一确认用户客户端装置202的用户是该合作者或其他数据库所有者的服务的注册用户并且能够记录印象(例如，媒体印象等)并提供该用户的人口统计信息(例如，存储在图1的数据库所有者数据库142中的人口统计信息)，或者直至所有合作者均已尝试但未成功匹配。在其它示例中，合作者优先顺序cookie 220可被省略，信标指令213和/或重复的pingback指令214可被配置为使得客户端装置202、203将信标请求和/或pingback消息无条件地发送给所有可用合作者和/或其他数据库所有者，以使得所有合作者和/或其他数据库所有者均有机会记录印象。在其它示例中，重复的pingback指令214可被配置为使得客户端装置202、203按照将重定向的信标请求发送给一个或更多个合作者和/或其他数据库所有者的顺序来从印象监测器132接收指令。
在使用cookie的替代物(例如，网络存储、文档对象模型(DOM)存储、本地共享对象(也称作“Flash cookies”)、媒体标识符(例如，iOS广告ID)、用户标识符(例如，Apple用户ID、iCloud用户ID、Android用户ID)和/或设备标识符(Apple设备ID、Android设备ID、设备序列号、媒体访问控制(MAC)地址等)的一些示例中，示例客户端装置202、203、示例信标指令214、示例合作者206、208和/或示例印象监测器132使得客户端装置202、203存储替代数据和/或使用替代格式存储数据。例如，如果示例系统200利用网络存储或DOM存储，则示例信标指令214包括脚本(例如，Javascript)以使得客户端装置202、203存储诸如唯一设备标识符的信息和/或将存储的诸如唯一设备标识符的信息发送给印象监测器132。由于本地共享对象类似于cookie，所以示例信标指令214、示例合作者206、208、示例印象监测器132和/或示例系统200可按照与上面利用cookie描述的方式类似的方式来实现。在使用媒体标识符、用户ID和/或设备标识符的示例中，示例信标指令214可包括指令以使得客户端装置202、203将客户端装置202、203的唯一媒体标识符、用户ID和/或设备标识符发送给示例印象监测器132。示例印象监测器132和/或示例合作者206和/或208可使用非cookie标识符来记录印象信息和/或确定与客户端装置关联的人口统计信息。
为了监测浏览行为或者跟踪合作者cookie 216的活动，用户客户端装置202设置有网络客户端记录仪222。另外，用户客户端装置202设置有HTTP请求日志224，在该HTTP请求日志224中网络客户端记录仪222可与客户端记录仪222的记录仪ID、源自用户客户端装置202的用户ID、信标请求时间戳(例如，指示用户客户端装置202何时发送信标请求(例如图3的信标请求304和308)的时间戳)、显示广告的网站的统一资源定位符(URL)、广告宣传活动ID和/或pingback消息关联地存储或记录HTTP请求。在所示的示例中，网络客户端记录仪222将合作者cookie 216和小组成员监测器cookie 218的用户ID与各个记录的HTTP请求关联地存储在HTTP请求日志224中。在一些示例中，HTTP请求日志224可另外地或另选地存储其它类型的请求，例如文件传输协议(FTP)请求和/或任何其它互联网协议请求。所示的示例的网络客户端记录仪222可将这些网络浏览行为或活动数据与相应用户ID关联地从HTTP请求日志224传送给小组收集平台210。在一些示例中，网络客户端记录仪222还可有利地用于记录未标记的内容或广告的印象。与被标记广告和/或被标记内容(其包括信标指令213和/或重复的pingback指令214使得信标请求被发送给印象监测器132(和/或一个或更多个合作者206、208和/或其他数据库所有者)，印象监测器132标识被标记内容的印象以发送给受众测量实体以便于记录)不同，未标记的内容和/或广告没有这些信标指令213和/或重复的pingback指令214来给予印象监测器132机会记录印象。在这些情况下，可使用通过网络客户端记录仪222记录的HTTP请求来标识由客户端应用212呈现在用户客户端装置202上的未标记的内容或广告。
在所示的示例中，印象监测器132设置有用户ID比较器228、规则/机器学习(ML)引擎230、HTTP服务器232和发布者/宣传活动/用户目标数据库234。所示的示例的用户ID比较器228被设置为标识来自作为小组成员114、116的用户的信标请求。在所示的示例中，HTTP服务器232是通信接口，印象监测器132经由HTTP服务器232来与客户端装置202、203交换信息(例如，信标请求、pingback消息、信标响应、确认、失败状态消息等)。所示的示例的规则/ML引擎230和发布者/宣传活动/用户目标数据库234使得印象监测器132能够为从客户端装置202、203接收的各个印象请求(或信标请求和/或pingback消息)选择“最适合”合作者(例如，合作者206或208之一)。“最适合”合作者是最有可能具有发送印象请求的客户端装置202、203的用户的人口统计数据的合作者。规则/ML引擎230是基于存储在发布者/宣传活动/用户目标数据库234中的演化经验数据产生的一组规则和机器学习分类器。在所示的示例中，可在发布者层面、发布者/宣传活动层面或用户层面应用规则。另外，合作者可基于其总覆盖和人口统计数据质量来进行加权。
为了在广告宣传活动的发布者层面选择合作者(例如，合作者206和208)，规则/ML引擎230包含允许印象监测器132为特定广告宣传活动发布者选择“最适合”合作者的规则和分类器。例如，印象监测系统132可使用发布者和合作者的目标人口统计数据组成的指示(例如，存储在发布者/宣传活动/用户目标数据库234中)来选择最有可能具有请求印象的客户端装置202、203的用户的人口统计信息的合作者(例如，合作者206、208之一)。
为了在宣传活动层面选择合作者(例如，合作者206和208)(例如，发布者具有基于用户人口统计数据来选择广告宣传活动的能力)，所示的示例的规则/ML引擎230用于指定发布者/宣传活动层面的目标合作者。例如，如果发布者/宣传活动/用户目标数据库234存储有指示特定广告宣传活动以年龄在18至25岁的男性为目标的信息，则规则/ML引擎230使用此信息来指示信标请求重定向和/或pingback消息重定向至最有可能在此性别/年龄群内具有最大覆盖范围的合作者。
为了在cookie层面选择合作者(例如，合作者206和208)，印象监测器132基于从合作者接收的反馈更新目标合作者站点。这种反馈可指示不对应于或者对应于合作者的注册用户的用户ID。在一些示例中，印象监测器132还可基于用户行为来更新目标合作者站点。例如，这种用户行为可从与小组成员监测器cookie(例如，小组成员监测器cookie 218)所关联的浏览活动对应的cookie点击流数据的分析来推导。在所示的示例中，印象监测器132使用这种cookie点击流数据通过确定浏览行为更具指示性的年龄和性别来确定特定合作者的年龄/性别偏差。这样，所示的示例的印象监测器132可更新特定用户或客户端装置202、203的目标或优选合作者。在一些示例中，规则/ML引擎230指定何时用发布者或发布者/宣传活动层面优选的目标合作者撤销用户层面优选的目标合作者。例如，当用户层面优选的目标合作者发送多个指示它没有与客户端装置202、203对应的注册用户(例如，客户端装置202、203上的不同用户开始使用在其合作者cookie 216中具有不同用户ID的不同应用)时，这种规则可指定用户层面优选的目标合作者的撤销。
在所示的示例中，印象监测器132基于从客户端装置(例如，客户端装置202、203)接收的信标请求(例如，图3的信标请求304)将印象(例如，广告印象、内容印象等)记录在每独立用户媒体印象表235中。在所示的示例中，每独立用户媒体印象表235将从cookie(例如，小组成员监测器cookie 218)获得的唯一用户ID与每日总印象(包括媒体印象时间(例如，从客户端装置202、203接收到信标请求的时间)和宣传活动/媒体ID)关联地存储。例如，宣传活动ID可用于一些类型的媒体(例如，静态广告)，而媒体ID可用于其它类型的媒体(例如，具有持续时间的动态媒体)。在一些示例中，每独立用户媒体印象表235包括媒体ID和宣传活动ID信息二者。这样，对于各个宣传活动/媒体ID，印象监测器132记录归功于特定用户或客户端装置202、203的对媒体的全部和/或部分的每日总印象。可针对特定用户ID和宣传活动/媒体ID对示例媒体印象进行压缩以在媒体印象表235中获得与该用户ID和宣传活动/媒体ID的印象的描述对应的条目。
所示的示例的合作者206和208中的每一个采用HTTP服务器236和240以及用户ID比较器238和242。在所示的示例中，HTTP服务器236和240是通信接口，它们相应的合作者206和208经由HTTP服务器236和240来与客户端装置202、203交换信息(例如，信标请求、信标响应、确认、失败状态消息等)。用户ID比较器238和242被配置为将从客户端装置202、203接收的用户cookie与其记录中的cookie进行比较，以标识客户端装置202、203(如果可能的话)。这样，用户ID比较器238和242可用于确定用户客户端装置202的用户是否具有合作者206和208的注册账户。如果有，则合作者206和208可记录归功于那些用户的印象并且将那些印象与标识的用户的人口统计数据(例如，存储在图1的数据库所有者数据库142中的人口统计数据)关联。图2的示例合作者206、208在客户端装置202、203处的媒体印象期间接收到多个信标请求。示例合作者206、208可按照与媒体印象表235类似的方式针对标识的用户和媒体(例如，随信标请求提供的媒体标识符)将多个信标请求压缩成单个印象。
在所示的示例中，小组收集平台210用于标识合作者206、208的注册用户(也是小组成员114、116)。然后小组收集平台210可使用此信息来交叉参考由收视率实体子系统106针对小组成员114、116存储的人口统计信息与由合作者206和208针对其注册用户存储的人口统计信息。收视率实体子系统106可利用这种交叉参考基于收视率实体子系统106所收集的小组成员114和116的人口统计信息来确定合作者206和208所收集的人口统计信息的准确性。
在一些示例中，小组收集平台210的示例收集器117从用户客户端装置202收集网络浏览活动信息。在这些示例中，示例收集器117请求来自用户客户端装置202的HTTP请求日志224的记录的数据以及由其它小组成员客户端装置(未示出)收集的记录的数据。另外，收集器117从印象监测器132收集印象监测器132所跟踪的小组成员客户端装置中设定的小组成员用户ID。另外，收集器117从一个或更多个合作者(例如，合作者206和208)收集合作者所跟踪的小组成员和非小组成员客户端装置中设定的合作者用户ID。在一些示例中，为了遵守合作者206、208的隐私协定，收集器117和/或数据库所有者206、208可使用散列技术(例如，双重散列技术)来将数据库所有者cookie ID散列化。
在一些示例中，小组收集平台210的加载器118分析并排列接收的小组成员用户ID和合作者用户ID。在所示的示例中，加载器118分析从小组成员客户端装置(例如，从用户客户端装置202的HTTP请求日志224)接收的记录的数据以标识与合作者用户ID(例如，合作者cookie 216)关联的小组成员用户ID(例如，小组成员监测器cookie 218)。这样，加载器118可标识哪些小组成员(例如，小组成员114和116中的一些)也是合作者206和208(例如，图1的将注册用户的人口统计信息存储在数据库所有者数据库142中的数据库所有者子系统108)中的一个或更多个的注册用户。在一些示例中，小组收集平台210运行以验证印象监测器132所收集的印象的准确性。在这样的一些示例中，加载器118从HTTP请求日志224过滤记录的与印象监测器132所记录的小组成员的印象相关的HTTP信标请求，并且标识HTTP请求日志224处记录的没有印象监测器132所记录的对应印象的HTTP信标请求。这样，小组收集平台210可提供印象监测器132的不准确印象记录的指示和/或提供由网络客户端记录仪222记录的印象以填补被印象监测器132错过的小组成员114、116的印象数据。
在所示的示例中，加载器118将交叠用户存储在基于印象的小组人口统计数据表250中。在所示的示例中，交叠用户是指既是小组成员114、116也是合作者A 206的注册用户(表示为用户P(A))和/或合作者B 208的注册用户(表示为用户P(B))的用户。(尽管仅示出两个合作者(A和B)，这是为了说明简便，表250中可表示任何数量的合作者。所示的示例的基于印象的小组人口统计数据表250被示出为存储记录仪ID(例如，网络客户端记录仪222和其它客户端装置的网络客户端记录仪的ID)、用户ID(例如，与小组成员监测器cookie 218和其它小组成员客户端装置的小组成员监测器cookie对应的诸如用户姓名、电子邮件地址等的字母数字标识符)、信标请求时间戳(例如，指示何时用户客户端装置202和/或其它小组成员客户端装置发送信标请求(例如，图3的信标请求304和308)的时间戳)、访问的网站(例如，显示广告的网站)的统一资源定位符(URL)以及广告宣传活动ID。另外，所示的示例的加载器118将不与小组成员用户ID交叠的合作者用户ID存储在合作者A(P(A))cookie表252和合作者B(P(B))cookie表254中。
在一些示例中，印象监测器132和/或收视率实体基于印象中呈现的媒体的类型划分(例如，过滤)印象信息和/或人口统计印象信息。例如，印象监测器132可确定印象包括作为第一媒体类型的一个或更多个广告以及作为第二媒体类型的节目内容。通过基于印象中呈现的媒体类型划分印象，示例印象监测器132和/或收视率实体可仅针对第一媒体类型和/或仅针对第二媒体类型(和/或仅针对印象中呈现的其它媒体类型)确定收视率信息。例如，示例印象监测器132和/或收视率实体可在计算第二媒体类型的观看量(例如，内容或节目观看)时忽略观看第一媒体类型(例如，广告)所花费的时间，和/或可在计算第一媒体类型的观看量时忽略观看第二媒体类型所花费的时间。在其它示例中，pingback指令214提供媒体中的时间范围的指示，印象监测器132将该时间范围与包括媒体中的不同媒体类型的时间范围的媒体数据库进行交叉参考。
在一些示例中，pingback指令214使得pingback请求304、308包括媒体类型(例如，广告、内容等)的指示以方便媒体的划分或过滤。示例pingback指令214可包括属于该媒体类型的媒体中的时间范围的指示和/或辨别正呈现的媒体的类型的其它指令(例如，码读取指令、签名匹配指令或者执行其它类型的媒体ID数据收集和/或媒体分类的指令)。
下面结合图3的通信流程图以及图10、图11和图12的流程图描述由示例系统200执行的示例处理。
尽管图1和图2例示了实现收视率实体子系统106的示例方式，图1所示的元件、处理和/或装置中的一个或更多个可被组合、划分、重新布置、省略、消除和/或以任何其它方式实现。另外，示例印象监测器132、示例规则/ML引擎230、示例HTTP服务器通信接口232、示例发布者/宣传活动/用户目标数据库232、示例GRP报告生成器130、示例小组收集平台210、示例收集器117、示例加载器118、示例收视率实体数据库120和/或更一般地，图1和图2的示例收视率实体子系统106可通过硬件、软件、固件和/或硬件、软件和/或固件的任何组合来实现。因此，例如，示例印象监测器132、示例规则/ML引擎230、示例HTTP服务器通信接口232、示例发布者/宣传活动/用户目标数据库232、示例GRP报告生成器130、示例小组收集平台210、示例收集器117、示例加载器118、示例收视率实体数据库120和/或更一般地，示例收视率实体子系统106中的任一个可通过一个或更多个模拟或数字电路、逻辑电路、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)来实现。当阅读本专利的任何设备或系统权利要求涵盖纯软件和/或固件实现方式时，示例印象监测器132、示例规则/ML引擎230、示例HTTP服务器通信接口232、示例发布者/宣传活动/用户目标数据库232、示例GRP报告生成器130、示例小组收集平台210、示例收集器117、示例加载器118和/或示例收视率实体数据库120中的至少一个由此被明确地限定为包括存储软件和/或固件的有形计算机可读存储装置或存储盘，例如内存、数字多功能盘(DVD)、紧凑盘(CD)、蓝光盘等。另外，除了图1和图2所示那些以外或者代替图1和图2所示那些，图1和图2的示例收视率实体子系统106可包括一个或更多个元件、处理和/或装置，和/或可包括所示的元件、处理和装置中的任一个或全部中的一个以上元件、处理和装置。
转向图3，示例通信流程图示出图2的示例系统200记录通过客户端(例如，客户端202、203)的印象的示例方式。图3所示的示例一系列事件发生在客户端202、203访问被标记媒体(例如，被标记广告、被标记内容等)时。因此，图3的事件开始于客户端向服务器发送对媒体的HTTP请求时，在此示例中，所述媒体被标记以向收视率实体转发印象。在图3所示的示例中，客户端202、203的客户端应用212从发布者(例如，发布者302)接收请求的媒体(例如，被标记媒体102，可为广告和/或内容)。将理解，客户端202、203常常请求包含感兴趣的媒体的网页(例如，www.weather.com)，并且请求的网页包含在网页内下载并呈现的媒体。广告可来自不同于原始请求的内容的服务器。因此，图3的请求的媒体102包含信标指令213，该信标指令213使得客户端202、203请求重复的pingback指令214(例如，向信标服务器215)作为呈现客户端202、203原始请求的网页的处理的一部分。示例客户端应用212基于信标指令213向信标服务器215发送请求，信标服务器215返回重复的pingback指令214。
为了以下说明的目的，假设广告102用信标指令214标记。示例信标指令214使得客户端202或203的客户端应用212在被标记广告被访问时向印象监测器132发送信标请求304。在一些示例中，信标指令214使得客户端应用212向信标服务器215请求并接收pingback指令214。在所示的示例中，客户端应用212利用向(例如)第一互联网域处的印象监测器132的URL寻址的HTTP请求来发送信标请求304和/或pingback消息。信标请求304和/或pingback消息包括与媒体102关联的宣传活动ID、媒体ID、创建类型ID和/或设置ID。另外，示例信标请求304和/或pingback消息包括文档引用方(document referrer)(例如，www.acme.com)、印象的时间戳以及发布者站点ID(例如，广告发布者302的URL http：//my.advertiser.com)。另外，如果客户端202或203的客户端应用212包含小组成员监测器cookie 218，则信标请求304和/或pingback消息将包括小组成员监测器cookie 218。在其它示例实现方式中，在响应于(例如)印象监测器132接收到信标请求304和/或pingback消息，客户端202或203接收到由印象监测器132的服务器发送的请求之前，可不传递cookie 218。示例客户端应用212按照通过信标指令213和/或重复的pingback指令214确定的间隔来发送附加的信标请求304和/或pingback消息。例如，信标指令213和/或重复的pingback指令214可使得客户端应用212在客户端应用212中加载和/或播放媒体102的同时每分钟(或者其它时间周期)发送信标请求。
在一些示例中，信标指令213和/或重复的pingback指令214还使得客户端应用212响应于特定事件(例如，用户操纵和/或与媒体102的交互)而发送信标请求304。例如，信标指令213和/或重复的pingback指令214可使得客户端应用212在用户跳转至媒体102中的位置(例如，媒体102内的特定时间)时发送信标请求304和/或pingback消息。例如，用户可能希望在用户先前停止观看媒体的位置(例如，距视频开始10：00分钟等)处恢复视频的回放。在一些其它示例中，用户可能希望跳过媒体的一部分(例如，跳过当前播放的歌曲)。示例信标指令213和/或重复的pingback指令214使得客户端应用212将媒体102中用户跳转至的时间、跳过请求和/或另一用户交互包括在信标请求304和/或pingback消息中。
响应于接收到信标请求304和/或pingback消息，印象监测器132通过记录媒体ID信息(以及任何其它相关标识信息)、时间戳和/或信标请求304和/或pingback消息中所包含的任何其它信息(例如，跳转时间、跳过请求等)来记录印象。在所示的示例中，印象监测器132记录印象而不管信标请求304和/或pingback消息是否指示与小组成员(例如，图1的小组成员114和116之一)的用户ID匹配的用户ID(例如，基于小组成员监测器cookie 218)。然而，如果用户ID(例如，小组成员监测器cookie 218)与由收视率实体子系统106设定并因此存储在收视率实体子系统106的记录中的小组成员(例如，图1的小组成员114和116之一)的用户ID匹配，则记录的印象将对应于印象监测器132的小组成员。如果用户ID没有对应于印象监测器132的小组成员，则印象监测器132将仍受益于记录印象，即使它将不具有针对信标请求304和/或pingback消息中反映的印象的用户ID记录(因此，对应人口统计数据)。当没有接收到针对媒体ID和特定客户端装置202、203的信标请求304和/或pingback消息达阈值时间时，示例印象监测器132基于针对媒体ID从客户端装置202、203接收的记录的印象(例如，基于信标请求304和/或pingback消息)为媒体生成持续印象。示例持续印象包括基于记录的印象(例如，基于邻接回放、在媒体内跳转、暂停媒体、跳过媒体的部分等)由客户端装置202、203呈现的估计的时间。
在图3所示的示例中，为了利用合作者站点处的人口统计数据比较或补充印象监测器132的小组成员人口统计数据(例如，为了准确性或完整性)和/或为了使得合作者站点能够尝试标识客户端和/或记录印象，印象监测器132向客户端202、203的客户端应用212返回信标响应消息306(例如，第一信标响应)，该响应消息包括HTTP302重定向消息和(例如)第二互联网域处的参与合作者的URL。在所示的示例中，HTTP 302重定向消息指示客户端202、203的客户端应用212将第二pingback消息308发送给特定合作者(例如，合作者A 206或B 208)之一。在其它示例中，代替使用HTTP 302重定向消息，可利用(例如)iframe源指令(例如，<iframe src＝“”>)或者可指示客户端应用将随后的信标请求和/或pingback消息(例如，第二信标请求和/或pingback消息308)发送给合作者的任何其它指令来实现重定向。在所示的示例中，印象监测器132利用其规则/ML引擎230(图2)基于(例如)经验数据确定信标响应306中指定的合作者，所述经验数据指示哪一合作者应该最有可能具有用户ID的人口统计数据，因此为优选的。在其它示例中，在第一重定向消息中总是标识同一合作者，当第一合作者没有记录印象时该合作者总是将客户端202、203重定向至同一第二合作者。换言之，定义并遵循合作者的设定层次，使得合作者按照相同的预定顺序按照“菊花链”连接在一起，而不是尝试猜测最有可能的数据库所有者来标识未知的客户端203。
在将信标响应306发送给客户端202、203的客户端应用之前，所示的示例的印象监测器132利用仅可被印象监测器132辨别的对应于广告发布者302的修改的站点ID(例如，替代站点ID)来取代广告发布者302的站点ID(例如，URL)。在一些示例实现方式中，印象监测器132还可利用仅可被印象监测器132辨别的对应于主机网站的另一修改的站点ID(例如，替代站点ID)来取代主机网站ID(例如，www.acme.com)。这样，相对于合作者掩蔽广告和/或主机内容的来源。在所示的示例中，印象监测器132保持发布者ID映射表310，该表将广告发布者的原始站点ID与由印象监测器132创建的修改的(或替代)站点ID映射，以从合作者站点模糊或隐藏广告发布者标识符。在一些示例中，印象监测器132还将主机网站ID与修改的主机网站ID关联地存储在映射表中。另外，印象监测器132将pingback消息304中接收的信息和修改的站点ID全部加密，以防止任何拦截方将信息解码。所示的示例的印象监测器132将信标响应306中的加密的信息发送给客户端应用212。在所示的示例中，印象监测器132使用加密，该加密可被HTTP 302重定向中指定的选择的合作者站点解密。
在一些示例中，印象监测器132还将URL抓取(scrape)指令320发送给客户端装置202、302。在这些示例中，URL抓取指令320使得客户端装置202、203“抓取”与被标记广告102关联的网页或网站的URL。例如，客户端装置202、203可通过读取客户端应用212的URL地址栏处呈现或显示的文本来执行网页URL的抓取。然后客户端装置202、203将抓取的URL 322发送给印象监测器132。在所示的示例中，抓取的URL 322指示由客户端装置202、203的用户访问并且显示被标记广告102的主机网站(例如，http：//www.acme.com)。在所示的示例中，被标记广告102经由具有URL“my.advertiser.com”的广告iFrame来显示，其对应于在一个或更多个主机网站上提供被标记广告102的广告网络(例如，发布者302)。然而，在所示的示例中，抓取的URL 322中指示的主机网站为“www.acme.com”，其对应于客户端装置202、203的用户所访问的网站。
在发布者是广告商从其购买广告空间/时间的广告网络的情况下，URL抓取特别有用。在这些情况下，广告网络从用户所访问的经由iFrame显示广告的主机网站的子集(例如，www.caranddriver.com、www.espn.com、www.allrecipes.com等)动态地选择。然而，广告网络无法在任何特定时间均确定地预言将显示广告的主机网站。另外，呈现被标记广告102的广告iFrame的URL可能无法用于标识由客户端应用212呈现的主机网站的主题(例如，在图3的示例中，www.acme.com)。因此，印象监测器132无法知道广告iFrame正显示被标记广告102的主机网站。
主机网站的URL(例如，www.caranddriver.com、www.espn.com、www.allrecipes.com等)可用于确定客户端装置202、203的用户的主题兴趣(例如，汽车、体育、烹饪等)。在一些示例中，受众测量实体可使用主机网站URL以与用户/小组成员人口统计数据相关，并且基于更大人群的人口统计数据和主题兴趣并且基于记录有印象的用户/小组成员的人口统计数据和主题兴趣对更大人群的记录的印象进行插值。因此，在所示的示例中，当印象监测器132未接收到主机网站URL或者说无法基于信标请求和/或pingback消息304标识主机网站URL时，印象监测器132将URL抓取指令320发送给客户端装置202、203以接收抓取的URL 322。在所示的示例中，如果印象监测器132可基于信标请求和/或pingback消息304标识主机网站URL，则印象监测器132不向客户端装置202、203发送URL抓取指令320，从而节约网络和计算机带宽和资源。
响应于接收到信标响应306，客户端202、203的客户端应用将信标请求308和/或pingback消息发送给指定的合作者站点(在所示的示例中是合作者A206(例如，第二互联网域))。信标请求308和/或pingback消息包括来自信标响应306的加密的参数。合作者A206(例如，Facebook)将加密的参数解密并且确定客户端装置202、203是否匹配由合作者A 206提供的服务的注册用户。这种确定涉及请求客户端202、203传递其所存储的由合作者A 206设定的任何cookie(例如，图2的合作者cookie 216之一)并且尝试将接收的cookie与存储在合作者A 206的记录中的cookie匹配。如果发现匹配，则合作者A 206肯定地标识客户端202、203。因此，合作者A 206站点记录与标识的客户端的人口统计信息关联的印象。此日志(包括不可检测的源标识符)随后被提供给收视率实体以便于处理成GRP(如下面所讨论的)。在合作者A206无法在其记录中标识客户端202、203(例如，无匹配cookie)的情况下，合作者A 206不记录印象。
在一些示例实现方式中，如果用户ID不匹配合作者A 206的注册用户，则合作者A 206可返回包括失败或不匹配状态的信标响应312(例如，第二信标响应)，或者可根本不响应，从而终止图3的处理。然而，在所示的示例中，如果合作者A 206无法标识客户端202、203，则合作者A206在信标响应312(例如，第二信标响应)中将第二HTTP 302重定向消息返回给客户端202、203。例如，如果合作者A站点206具有逻辑(例如，类似于图2的规则/ML引擎230)以指定可能具有用户ID的人口统计数据的另一合作者(例如，合作者B 208或任何其它合作者)，则信标响应312可包括HTTP 302重定向(或者导致重定向的通信的任何其它合适的指令)以及另一合作者(例如，第三互联网域处)的URL。另选地，在上述菊花链方法中，合作者A站点206每当它无法标识客户端202、203时可总是重定向至相同的下一合作者或数据库所有者(例如，第三互联网域处的合作者B 208或者第三互联网域处的图1的非合作数据库所有者子系统110)。当重定向时，所示的示例的合作者A站点206利用加密来将ID、时间戳、引用方等参数加密，所述加密可被下一指定的合作者解码。
作为进一步的替代，如果合作者A站点206没有逻辑来选择可能具有用户ID的人口统计数据的下一最合适的合作者并且无法有效地通过存储重定向至合作者实体的指令来以菊花链方式连接至下一合作者，则信标响应312可利用失败或不匹配状态将客户端202、203重定向至印象监测器132。这样，印象监测器132可使用其规则/ML引擎230来选择客户端202、203的客户端应用应该向其发送信标请求和/或pingback消息的下一最合适的合作者(或者，如果没有提供这种逻辑，则仅在层次(例如，固定的)列表中选择下一合作者)。在所示的示例中，印象监测器132选择合作者B站点208，并且客户端202、203的客户端应用将信标请求和/或pingback消息发送给合作者B站点208，使得按照可被合作者B站点208解密的方式将参数加密。然后合作者B站点208尝试基于其自己的内部数据库标识客户端202、203。如果从客户端202、203获得的cookie匹配合作者B 208的记录中的cookie，则合作者B 208肯定地标识客户端202、203并且记录与客户端202、203的人口统计数据关联的印象，以便于稍后提供给印象监测器132。在合作者B 208无法标识客户端202、203的情况下，合作者B 208可使用失败通知或进一步HTTP 302重定向的相同处理来向另一下一合作者站点提供机会以标识客户端，按照类似方式以此类推，直至合作者站点标识出客户端202、203并记录印象为止，直至所有合作者站点均已耗尽而没有标识出客户端为止，或者直至预定数量的合作者站点未能标识客户端202、203为止。
利用图3所示的处理，可针对媒体逐分钟地将印象(例如，媒体印象等)映射至对应人口统计数据。另外，即使当印象未通过与受众测量实体(例如，图1的收视率实体子系统106)关联的小组成员而被触发时，也可将印象映射至对应人口统计数据。在印象收集或合并处理期间，收视率实体的小组收集平台210可收集由(1)印象监测器132和(2)任何参与合作者(例如，合作者206、208)记录的分布式印象，并且确定媒体的各个部分的人口统计数据。结果，本文所公开的示例方法和设备传送在线节目宣传活动的综合类TV可比较昨夜度量，提供类似的昨夜受众数据(包括在线观看的TV节目的唯一受众、流计数以及年龄和性别覆盖)，并且为节目内容和关联的广告宣传活动提供在线和TV受众的更全面的查看。示例方法和设备提供视频的持续加权和TV可比较收视率的报告。利用本文所公开的示例方法和设备收集的数据覆盖更大的人群，具有比此前可能的人口统计信息更丰富的人口统计信息。因此，通过如上所述合并分布式数据库的资源，可生成准确、一致且有意义的在线GRP。图2和图3的示例结构基于无关方(例如，尼尔森和Facebook)之间分布的大量组合的人口统计数据数据库生成在线GRP。最终结果看起来就像归功于记录的印象的用户是由受众测量实体的注册用户形成的大的虚拟小组的一部分，因为可跟踪参与合作者站点的选择，就像他们是受众测量实体小组114、116的成员。这是在没有违反互联网的cookie隐私协议的情况下实现的。
周期性地或非周期性地，经由小组收集平台210将由合作者(例如，合作者206、208)收集的印象数据提供给收视率实体。如上所述，一些用户ID可能不匹配印象监测器132的小组成员，但是可匹配一个或更多个合作者站点的注册用户。在组合来自图1的收视率实体子系统106以及合作者子系统108和110的人口统计数据和印象数据的数据收集和合并处理期间，由一个或更多个合作者记录的一些印象的用户ID可匹配由印象监测器132记录的印象的用户ID，而其它用户ID(很可能很多其它用户ID)将不匹配。在一些示例实现方式中，收视率实体子系统106可使用来自合作者站点所提供的匹配用户ID日志的基于人口统计数据的印象来访问和/或改进它自己的人口统计数据的准确性(如果需要的话)。对于与不匹配用户ID日志关联的基于人口统计数据的印象，收视率实体子系统106可使用印象(例如，广告印象、内容印象等)来推导基于人口统计数据的在线GRP，即使这些印象不与收视率实体子系统106的小组成员关联。示例收视率实体将印象的人口统计数据应用于基于pingback消息和对应印象信息被确定为在客户端装置处呈现的媒体部分。
如上面简要提及的，本文所公开的示例方法、设备和/或产品可被配置为在不同的实体之间(例如，在收视率实体子系统106与数据库所有者子系统108之间)共享人口统计信息(例如，账户记录或注册信息)时保护用户隐私。在一些示例实现方式中，可基于各个参与合作者或实体(例如，子系统106、108、110)相应的秘密密钥使用双重加密技术。例如，收视率实体子系统106可利用它的秘密密钥加密它的用户ID(例如，电子邮件地址)，数据库所有者子系统108可利用它的秘密密钥加密它的用户ID。然后对于各个用户ID，将相应人口统计信息与用户ID的加密版本关联。然后各个实体利用加密的用户ID交换其人口统计数据列表。由于实体均不知道其他人的秘密密钥，所以他们无法将用户ID解码，因此用户ID保持私密。然后各个实体继续利用其相应的密钥执行各个加密的用户ID的第二加密。各个二次加密的(或双重加密的)用户ID(UID)将为E1(E2(UID))和E2(E1(UID))的形式，其中E1表示使用收视率实体子系统106的秘密密钥的加密，E2表示使用数据库所有者子系统108的秘密密钥的加密。在交换加密的规则下，可基于E1(E2(UID))＝E2(E1(UID))比较加密的用户ID。因此，存在于两个数据库中的用户ID的加密在双重加密完成之后将匹配。这样，可比较小组成员的用户记录与数据库所有者的用户记录之间的匹配(例如，注册的社交网络用户的标识符)，而无需合作者实体彼此透露用户ID。
收视率实体子系统106基于由图1的印象监测器132收集的印象和cookie数据以及由合作者站点记录的印象执行每日印象和UUID(cookie)整合。在所示的示例中，收视率实体子系统106可基于由图1的收视率实体cookie收集器134收集的cookie信息以及由合作者站点提供给小组收集平台210的日志执行每日印象和UUID(cookie)整合。图4描绘了示例收视率实体印象表400，该表示出对监测的用户的印象的量。可针对广告印象、内容印象或其它印象中的一个或更多个编译类似的表。在所示的示例中，由收视率实体子系统106针对广告宣传活动(例如，图1的广告102中的一个或更多个)生成收视率实体印象表400以确定各个用户每日印象的频率。
为了跟踪每独立用户每日的印象的频率，收视率实体印象表400设置有频率列402。频率1指示广告宣传活动中的广告每日向唯一用户曝光一次，而频率4指示相同广告宣传活动中的一个或更多个广告每日向唯一用户曝光四次。为了跟踪印象所归功于的唯一用户的量，收视率印象表400设置有UUID列404。UUID列404中的值100,000指示100,000个唯一用户。因此，收视率实体印象表400的第一条目指示100,000个唯一用户(即，UUID＝100,000)在一天接触特定一个广告102一次(即，频率＝1)。
为了基于曝光频率和UUID跟踪印象，收视率实体印象表400设置有印象列406。存储在印象列406中的各个印象计数通过将存储在频率列402中的对应频率值与存储在UUID列404中的对应UUID相乘来确定。例如，在收视率实体印象表400的第二条目中，频率值2乘以200,000个唯一用户，从而确定400,000个印象归功于特定一个广告102。
转向图5，在所示的示例中，合作者206、208的合作数据库所有者子系统108、110中的每一个每日生成数据库所有者广告宣传活动层面年龄/性别和印象组成表500并报告给收视率实体子系统106的GRP报告生成器130。可针对内容和/或其它媒体生成类似的表。另外地或另选地，广告以外的媒体可被添加到表500。在所示的示例中，如图5所示，合作者206、208按照年龄和性别组成将印象分布列成表。例如，参照图1，合作数据库所有者子系统108的数据库所有者数据库142存储合作者A 206的注册用户的记录的印象和对应人口统计信息，所示的示例的数据库所有者子系统108利用规则144处理印象和对应人口统计信息以生成DP汇总表146，包括数据库所有者广告宣传活动层面年龄/性别和印象组成表500。
年龄/性别和印象组成表500设置有年龄/性别列502、印象列504、频率列506、印象组成列508和时间段或媒体部分(例如，子集)列510。所示的示例的年龄/性别列502指示不同的年龄/性别人口统计群体。所示的示例的印象列504存储指示对应年龄/性别人口统计群体对特定一个广告102(图1)的总印象的值。所示的示例的频率列506存储指示每用户接触对印象列504中的印象做出贡献的那一个广告102的频率的值。所示的示例的印象组成列508存储各个年龄/性别人口统计群体的印象的百分比。示例时间段列510指定收视率所适用于的媒体的部分或子集。例如，表500所表示的媒体的第30分钟的印象不同于媒体的第1分钟的印象。
在一些示例中，数据库所有者子系统108、110可在将数据库所有者宣传活动层面年龄/性别和印象组成表中的基于印象的人口统计信息的最终结果列成表之前，对其人口统计信息执行人口统计准确性分析和调节处理。这样做是为了解决在线受众测量处理面临的问题：注册用户向在线数据所有者(例如，合作者206和208)表示自己的方式并非必然真实(例如，可信和/或准确)。在一些情况下，对借助这些在线数据库所有者处的账户注册来确定受众的人口统计属性的在线测量的示例方法如果依赖于注册用户在数据库所有者站点处注册账户期间自我报告个人/人口统计信息，则可导致不准确的人口统计-曝光率结果。用户为何在注册数据库所有者服务时报告错误或不准确的人口统计信息可能有众多原因。用于在数据库所有者站点(例如，社交媒体站点)处收集人口统计信息的自我报告注册处理没有方便确定自我报告的人口统计信息的真实性。为了分析并调节不准确的人口统计信息，收视率实体子系统106和数据库所有者子系统108、110可使用提交于2011年8月12日的名称为“Methods andApparatus to Analyze and Adjust Demographic Information(分析并调节人口统计信息的方法和设备)”的序列号为13/209,292的美国专利申请中所公开的示例方法、系统、设备和/或产品，该专利申请整体以引用方式并入本文。
转向图6，在所示的示例中，收视率实体子系统106每日生成小组成员广告宣传活动层面年龄/性别和印象组成表600。可针对内容和/或其它媒体生成类似的表。另外地或另选地，广告以外的媒体可被增加到表600。如图6所示，按照如上面结合图5描述的相同方式，示例收视率实体子系统106按照年龄和性别组成将印象分布列成表。如图6所示，小组成员广告宣传活动层面年龄/性别和印象组成表600也包括年龄/性别列602、印象列604、频率列606、印象组成列608和时间段或媒体部分列610。在图6所示的示例中，基于PC和TV小组成员114以及在线小组成员116计算印象。
在创建图5和图6的宣传活动层面年龄/性别和印象组成表500和600之后，收视率实体子系统106创建图7所示的组合的宣传活动层面年龄/性别和印象组成表700。具体地讲，收视率实体子系统106将来自图5和图6的印象组成列508和608的印象组成百分比组合，以(例如)逐分钟地比较收视率实体小组成员和社交网络用户之间的年龄/性别印象分布差异。
如图7所示，组合的宣传活动层面年龄/性别和印象组成表700包括误差加权列702，其存储指示收视率实体小组成员和数据库所有者的用户(例如，社交网络用户)的印象组成之间的差异的均方误差(MSE)。可利用下式4确定加权MSE。
式4
加权MSE＝(α*IC(RE)+(1-α)IC(DP))
在上式4中，加权变量(α)表示MSE(SN)/MSE(RE)之比或者对与其MSE成反比的组成进行加权的一些其它函数。如式4所示，将加权变量(α)乘以收视率实体的印象组成(IC(RE))以生成收视率实体加权印象组成(α*IC(RE))。然后将数据库所有者(例如，社交网络)的印象组成(IC(DP))乘以一与加权变量(α)之差，以确定数据库所有者加权印象组成((1-α)IC(DP))。
在所示的示例中，收视率实体子系统106可通过对MSE的分布进行加权来对印象组成之差进行平滑或校正。MSE值对由小样本容量导致的数据中的样本容量变化或波动负责。示例表700还可包括媒体的其它时间段(例如，2、3、4分钟等)的印象信息。
转向图8，收视率实体子系统106在年龄/性别印象分布表800中确定覆盖和误差校正的印象组成。年龄/性别印象分布表800包括年龄/性别列802、印象列804、频率列806、覆盖列808、印象组成列810和时间段或媒体部分列812。印象列804存储与收视率实体子系统106(例如，基于通过网络客户端记录仪222记录的印象的印象监测器132和/或小组收集平台210)所跟踪的印象对应的误差加权印象值。具体地讲，通过将来自图7的误差加权列702的加权MSE值与来自图6的印象列604的对应印象值相乘来推导印象列804中的值。
频率列806存储由数据库所有者子系统108跟踪的印象的频率。印象的频率从图5的数据库所有者宣传活动层面年龄/性别和印象组成表500的频率列506输入频率列806中。对于表500中缺少的年龄/性别群，从图6的收视率实体宣传活动层面年龄/性别和印象组成表600取频率值。例如，数据库所有者宣传活动层面年龄/性别和印象组成表500没有小于12(＜12)年龄/性别群。因此，从收视率实体宣传活动层面年龄/性别和印象组成表600取频率值3。
覆盖列808存储表示一个或更多个内容和/或广告102(图1)对各个年龄/性别群的覆盖的覆盖值。通过将来自印象列804的各个印象值除以来自频率列806的对应频率值来确定覆盖值。印象组成列810存储指示每年龄/性别群的印象的百分比的值。在所示的示例中，频率列806中的最终总频率等于总印象除以总覆盖。示例表800还可包括媒体的其它时间段(例如，2、3、4分钟等)的印象信息。
时间段或媒体部分列812指示媒体的时间段或部分或子集(例如，第一分钟、第二分钟、第一个30秒、第二个30秒、第一个1/10媒体、第二个1/10媒体等)。示例表800可按照时间段列812来组织，可针对各个人口统计群体(例如，年龄/性别群体)测量媒体中的各个时间段。因此，示例收视率实体子系统106生成表800以描述媒体的逐分钟受众(或者逐周期受众，其中所述周期可以是任何时间长度或百分比)特性。
代表实现示例收视率实体子系统106的示例机器可读指令的流程图示出于图9、图10、图11、图12和图14-16中。在此示例中，机器可读指令包括用于由处理器(例如，下面结合图18讨论的示例处理器平台1800中所示的处理器1812)执行的程序。所述程序可在与处理器1812关联的有形计算机可读存储介质(例如，CD-ROM、软盘、硬盘驱动器、数字多功能盘(DVD)、蓝光盘或内存)上存储的软件中具体实现，但是整个程序和/或其部分可另选地由处理器1812以外的装置执行和/或在固件或专用硬件中具体实现。另外，尽管示例程序参照图9、图10、图11、图12和图14-16中所示的流程图进行描述，但可另选地使用实现示例收视率实体子系统106的许多其它方法。例如，方框的执行顺序可改变和/或描述的一些方框可被改变、消除或组合。
如上所述，图9、图10、图11、图12和图14-16的示例处理可利用存储在有形计算机可读存储介质(例如，硬盘驱动器、闪存、只读存储器(ROM)、紧凑盘(CD)、数字多功能盘(DVD)、缓存、随机存取存储器(RAM)和/或将信息存储达任何持续时间(例如，扩展时间段、永久地、为简短实例、为临时缓冲和/或为缓存信息)的任何其它存储装置或存储盘)上的编码指令(例如，计算机和/或机器可读指令)来实现。如本文所使用的，术语有形计算机可读存储介质被明确定义为包括任何类型的计算机可读存储装置和/或存储盘，并且不包括传播信号且不包括传输介质。如本文所使用的，“有形计算机可读存储介质”和“有形机器可读存储介质”可互换使用。另外地或另选地，图9、图10、图11、图12和图14-16的示例处理可利用存储在非瞬时性计算机和/或机器可读介质(例如，硬盘驱动器、闪存、只读存储器、紧凑盘、数字多功能盘、缓存、随机存取存储器和/或将信息存储达任何持续时间(例如，扩展时间段、永久地、为简短实例、为临时缓冲和/或为缓存信息)的任何其它存储装置或存储盘)上的编码指令(例如，计算机和/或机器可读指令)来实现。如本文所使用的，术语非瞬时性计算机可读介质被明确定义为包括任何类型的计算机可读装置和/或存储盘，并且不包括传播信号且不包括传输介质。如本文所使用的，当短语“至少”用作权利要求前序部分中的过渡词语时，就像术语“包括”为开放式的一样，它也是开放式的。
具体地转向图9，图1的收视率实体子系统106可执行所描绘的处理以从合作者收集人口统计数据和印象数据并且评估准确性和/或调节其小组成员114、116自己的人口统计数据。图9的示例处理收集一个或更多个合作者(例如，图2和图3的合作者206和208)的与收视率实体子系统106的小组成员(例如，图1的小组成员114和116)交叠的注册用户的人口统计数据和印象数据以及来自合作者站点的与作为收视率实体子系统106的非注册小组成员的用户对应的人口统计数据和印象数据。将收集的数据与收视率实体处收集的其它数据组合，以确定在线GRP。图9的示例处理结合图1的示例系统100和图2的示例系统200来描述。
最初，GRP报告生成器130(图1)从印象监测器132接收每独立用户印象235(图2)(方框902)。GRP报告生成器130从一个或更多个合作者接收基于印象的聚合人口统计数据(例如，图5的合作者宣传活动层面年龄/性别和印象组成表500)(方框904)。在所示的示例中，GRP报告生成器130没有接收合作者206、208的注册用户的用户ID。相反，合作者206、208去除用户ID并且将基于印象的人口统计数据聚合在人口统计桶(bucket)层面(例如，年龄在13-18岁的男性、年龄在13-18岁的女性等)的合作者宣传活动层面年龄/性别和印象组成表500中。然而，对于合作者206、208还将用户ID发送给GRP报告生成器130的情况，这些用户ID按照基于(例如)上述双重加密技术加密的格式来交换。
对于印象监测器132修改站点ID并且在信标响应306中发送修改的站点ID的示例，合作者基于那些修改的站点ID记录印象。在这些示例中，在方框904从合作者收集的印象是由合作者针对修改的站点ID记录的印象。当收视率实体子系统106接收到带有修改的站点ID的印象时，GRP报告生成器130标识从合作者接收的印象的站点ID(方框906)。例如，GRP报告生成器130使用由印象监测系统132在信标接收和响应处理(例如，上面结合图3讨论的)期间生成的站点ID映射310(图3)来标识与从合作者接收的印象中的修改的站点ID对应的实际站点ID。
GRP报告生成器130从小组收集平台210接收每小组成员基于印象的人口统计数据(例如，图2的基于印象的小组人口统计数据表250)(方框908)。在所示的示例中，如图2的基于印象的小组人口统计数据表250所示，每小组成员基于印象的人口统计数据是与小组成员114、116(图1)的相应用户ID关联地记录的印象。
GRP报告生成器130去除在方框908处从小组收集平台210接收的每小组成员基于印象的小组人口统计数据250与在方框902处从印象监测器132接收的每独立用户印象235之间的重复印象(方框910)。这样，由印象监测器132和网络客户端记录仪222(图2)二者记录的重复印象将不会使GRP生成器130所生成的GRP偏离。另外，通过利用来自小组收集平台210的每小组成员基于印象的小组人口统计数据250以及来自印象监测器132的每独立用户印象235，GRP生成器130受益于来自冗余系统(例如，印象监测器132和网络客户端记录仪222)的印象。这样，如果系统之一(例如，印象监测器132或网络客户端记录仪222之一)错过一个或更多个印象，则可从另一系统(例如，印象监测器132或网络客户端记录仪222中的另一个)的记录的印象获得这些印象的记录。
GRP报告生成器130生成基于印象的小组人口统计数据250的聚合(方框912)。例如，GRP报告生成器130将基于印象的小组人口统计数据250聚合至人口统计桶层面(例如，年龄在13-18岁的男性、年龄在13-18岁的女性等)以生成图6的小组成员广告宣传活动层面年龄/性别和印象组成表600。
在一些示例中，GRP报告生成器130不使用来自小组收集平台210的每小组成员基于印象的小组人口统计数据。在这些情况下，收视率实体子系统106不依赖于网络客户端记录仪(例如，图2的网络客户端记录仪222)来使用图9的示例处理确定GRP。相反在这些情况下，GRP报告生成器130基于在方框902处从印象监测器132接收的每独立用户印象235来确定小组成员的印象，并且使用结果来在方框912处聚合基于印象的小组人口统计数据。例如，如上面结合图2讨论的，每独立用户印象表235存储与总印象和宣传活动ID关联的小组成员用户ID。因此，GRP报告生成器130可基于每独立用户印象235来确定小组成员的印象，而不使用网络客户端记录仪222所收集的基于印象的小组人口统计数据250。
GRP报告生成器130将来自合作者206、208(在方框904处接收)和小组成员114、116(在方框912处生成)自己的人口统计数据的基于印象的聚合人口统计数据与接收的人口统计数据组合(方框914)。例如，所示的示例的GRP报告生成器130组合基于印象的聚合人口统计数据以形成图7的组合的宣传活动层面年龄/性别和印象组成表700。
GRP报告生成器130确定方框914的基于印象的人口统计数据的分布(方框916)。在所示的示例中，GRP报告生成器130将基于印象的人口统计数据的分布存储在图8的年龄/性别印象分布表800中。另外，GRP报告生成器130以基于印象的人口统计数据为基础生成在线GRP(方框918)。在所示的示例中，GRP报告生成器130使用GRP来创建一个或更多个GRP报告131。在一些示例中，收视率实体子系统106向关注这种市场调查的广告商、发布者、内容提供商、制造商和/或任何其他实体销售或者说提供GRP报告131。然后图9的示例处理结束。
现在转向图10，所描绘的示例流程图可由客户端装置202、203(图2和图3)执行以将信标请求(例如，图3的信标请求304、308)路由至网络服务提供商以记录基于人口统计数据的印象。最初，客户端装置202、203接收被标记内容和/或被标记广告102(方框1002)，并且将信标请求304发送给印象监测器132(方框1004)以给予印象监测器132(例如，在第一互联网域处)机会来记录客户端装置202、203的印象。客户端装置202、203基于等待来自印象监测器132的响应的时间开始定时器(方框1006)。
如果超时(timeout)还未到期(方框1008)，则客户端装置202、203确定它是否从印象监测器132(例如，经由图3的信标响应306)接收到重定向消息(方框1010)。如果客户端装置202、203还未接收到重定向消息(方框1010)，则控制返回到方框1008。控制留在方框1008和1010处，直至：(1)超时到期，在这种情况下控制进行至方框1016；或者(2)客户端装置202、203接收到重定向消息。
如果在方框1010处客户端装置202、203接收到重定向消息，则客户端装置202、203将信标请求308发送给重定向消息中指定的合作者(方框1012)以给予该合作者机会来记录客户端装置202、203的印象。在针对特定被标记广告(例如，被标记广告102)的方框1012的第一实例期间，重定向消息中指定的合作者(或者在一些示例中，非合作数据库所有者110)对应于第二互联网域。在同一被标记广告的方框1012的后续实例期间，由于信标请求被重定向至其他合作者或非合作数据库所有者，这些其他合作者或非合作数据库所有者对应于第三、第四、第五等等互联网域。在一些示例中，如下面结合图13描述的，重定向消息可指定与合作者和/或客户端装置202、203关联的中介(例如，中介服务器或子域服务器)基于重定向消息将信标请求308发送给中介。
客户端装置202、203确定是否尝试将另一信标请求发送给另一合作者(方框1014)。例如，客户端装置202、203可被配置为并行地发送特定数量的信标请求(例如，大体上同时将信标请求发送给两个或更多个合作者，而不是将一个信标请求发送给第二互联网域处的第一合作者，等待答复，然后将另一信标请求发送给第三互联网域处的第二合作者，等待答复等)和/或等待在方框1012处从客户端装置202、203向其发送信标请求的当前合作者返回的重定向消息。如果客户端装置202、203确定它应该尝试将另一信标请求发送给另一合作者(方框1014)，则控制返回到方框1006。
如果客户端装置202、203确定它不应该尝试将另一信标请求发送给另一合作者(方框1014)或者在超时到期之后(方框1008)，客户端装置202、203确定它是否接收到URL抓取指令320(图3)(方框1016)。如果客户端装置202、203没有接收到URL抓取指令320(方框1016)，则控制进行至方框1022。否则，客户端装置202、203抓取由客户端应用212呈现的主机网站的URL(方框1018)，所述主机网站显示有被标记内容和/或广告102或者大量生成被标记内容和/或广告102(例如，弹出窗口)。客户端装置202、203将抓取的URL 322发送给印象监测器132(方框1020)，然后控制进行至方框1022，在方框1022处客户端装置202、203确定是否结束图10的示例处理。例如，如果客户端装置202、203被关闭或者置于待机模式，或者如果其客户端应用212(图2和图3)被关闭，则客户端装置202、203结束图10的示例处理。如果示例处理没有结束，则控制返回到方框1002以接收另一内容和/或被标记广告。否则，图10的示例处理结束。
在一些示例中，可从图10的示例处理省略来自印象监测器132的实时重定向消息，在这种情况下印象监测器132不向客户端装置202、203发送重定向指令。相反，客户端装置202、203参考其合作者优先顺序cookie 220来确定它应该向其发送重定向的合作者(例如，合作者206和208)以及这些重定向的顺序。在一些示例中，客户端装置202、203基本上同时地将重定向发送给合作者优先顺序cookie 220中所列的所有合作者(例如，逐一地，但是连续不断地，而无需等待答复)。在这样的一些示例中，方框1010被省略，并且在方框1012处，客户端装置202、203基于合作者优先顺序cookie 220向下一合作者发送重定向。在一些这样的示例中，方框1006和1008也可被省略，或者方框1006和1008可被保留以向印象监测器132提供时间来在方框1016处提供URL抓取指令320。
返回图11，示例流程图可由印象监测器132(图2和图3)执行以记录印象和/或将信标请求重定向至网络服务提供商(例如，数据库所有者)以记录印象。最初，印象监测器132等待直至它接收到信标请求(例如，图3的信标请求304)(方框1102)。所示的示例的印象监测器132经由图2的HTTP服务器232接收信标请求。当印象监测器132接收到信标请求时(方框1102)，确定是否从客户端装置202、203接收到cookie(例如，图2的小组成员监测器cookie 218)(方框1104)。例如，如果在客户端装置202、203中预先设定小组成员监测器cookie 218，则由客户端装置202、203发送给小组成员监测系统的信标请求将包括cookie。
如果印象监测器132在方框1104处确定它未在信标请求中接收到cookie(例如，在客户端装置202、203中未预先设定cookie)，则印象监测器132在客户端装置202、203中设定cookie(例如，小组成员监测器cookie 218)(方框1106)。例如，印象监测器132可使用HTTP服务器232来将响应发回给客户端装置202、203，以“设定”新cookie(例如，小组成员监测器cookie 218)。
在设定cookie(方框1106)之后或者如果印象监测器132在信标请求中接收到cookie(方框1104)，印象监测器132记录印象(方框1108)。所示的示例的印象监测器132将印象记录到图2的每独立用户印象表235中。如上所述，印象监测器132记录印象，而不管信标请求是否对应于与小组成员(例如，图1的小组成员114和116之一)的用户ID匹配的用户ID。然而，如果用户ID比较器228(图2)确定用户ID(例如，小组成员监测器cookie 218)匹配由收视率实体子系统106设定并因此存储在收视率实体子系统106的记录中的小组成员(例如，图1的小组成员114和116之一)的用户ID，则记录的印象将对应于印象监测器132的小组成员。对于用户ID匹配小组成员的用户ID的这些示例，所示的示例的印象监测器132将小组成员标识符随印象记录到每独立用户印象表235中，并且随后，受众测量实体基于小组成员标识符将对应小组成员(例如，小组成员114、116中的对应一个)的已知人口统计数据与记录的印象关联。小组成员人口统计数据(例如，图6的年龄/性别列602)与记录的印象数据之间的这种关联示出于图6的小组成员广告宣传活动层面年龄/性别和印象组成表600中。如果用户ID比较器228(图2)确定用户ID不对应于小组成员114、116，则即使它没有信标请求304中反映的印象的用户ID记录(因此，对应人口统计数据)，印象监测器132将仍受益于记录印象(例如，广告印象或内容印象)。
印象监测器132选择下一合作者(方框1110)。例如，印象监测器132可使用规则/ML引擎230(图2)来对于初始重定向依据规则/ML引擎230(图2)随机或者基于合作者206和208的有序列表或排序选择图2和图3的合作者206或208之一，并且在方框1110的后续执行期间针对后续重定向选择合作者206或208中的另一个。
印象监测器132将包括HTTP 302重定向(或者导致重定向的通信的任何其它合适的指令)的信标响应(例如，信标响应306)发送给客户端装置202、203以将信标请求(例如，图3的信标请求308)转发给下一合作者(例如，图2的合作者A206)(方框1112)并且开始定时器(方框1114)。所示的示例的印象监测器132使用HTTP服务器232来发送信标响应306。在所示的示例中，印象监测器132发送HTTP 302重定向(或者导致重定向的通信的任何其它合适的指令)至少一次，以至少允许合作者站点(例如，图2和图3的合作者206或208之一)也记录相同广告(或内容)的印象。然而，在其它示例实现方式中，印象监测器132可包括规则(例如，作为图2的规则/ML引擎230的一部分)以将一些信标请求排除在重定向之外。方框1114处设定的定时器用于等待来自下一合作者的指示下一合作者没有在其记录中找到客户端装置202、203的匹配的失败状态消息形式的实时反馈。
如果超时还未到期(方框1116)，则印象监测器132确定它是否接收到失败状态消息(方框1118)。控制留在方框1116和1118处，直至：(1)超时到期，在这种情况下控制进行至方框1102以接收另一信标请求；或者(2)印象监测器132接收到失败状态消息。
如果印象监测器132接收到失败状态消息(方框1118)，则印象监测器132确定是否存在信标请求应该被发送至的另一合作者(方框1120)以提供另一机会来记录印象。印象监测器132可基于使用图2的规则/ML引擎230的智能选择处理或者基于合作者的固定层次来选择下一合作者。如果印象监测器132确定存在信标请求应该被发送至的另一合作者，则控制返回到方框1110。否则，图11的示例处理结束。
在一些示例中，可从图11的示例处理省略来自合作者的实时反馈，并且印象监测器132不向客户端装置202、203发送重定向指令。相反，客户端装置202、203参考其合作者优先顺序cookie 220来确定它应该向其发送重定向的合作者(例如，合作者206和208)以及这些重定向的顺序。在一些示例中，客户端装置202、203同时地将重定向发送给合作者优先顺序cookie 220中所列的所有合作者。在这样的一些示例中，方框1110、1114、1116、1118和1120被省略，并且在方框1112处，印象监测器132向客户端装置202、203发送确认响应，而不发送下一合作者重定向。
现在转向图12，示例流程图可被执行以利用图10和图11的示例重定向信标请求处理动态地指定向其请求记录印象的优选网络服务提供商(或有效合作者)。图12的示例处理结合图2的示例系统200来描述。与特定发布者站点(例如，图3的发布者302)所传送的内容和/或广告关联的初始印象触发信标指令214(图2)(和/或其它装置处的信标指令)以请求优选合作者记录印象(方框1202)。在示出的该示例中，优选合作者最初为合作者A站点206(图2和图3)。印象监测器132(图1、图2和图3)从优选合作者206接收非匹配用户ID上的反馈(方框1204)。规则/ML引擎230(图2)基于在方框1204处接收的反馈来更新非匹配用户ID的优选合作者(方框1206)。在一些示例中，在方框1206的操作期间，印象监测器132还更新图2的合作者优先顺序cookie 220中的优选合作者的合作者优先顺序。后续印象触发信标指令214(和/或其它装置202、203处的信标指令)以特定地基于各个用户ID向相应不同的优选合作者发送记录印象的请求(方框1208)。即，小组成员监测器cookie 218和/或合作者cookie 216中的一些用户ID可与一个优选合作者关联，而由于方框1206处的操作，其它用户ID现在与不同的优选合作者关联。然后图12的示例处理结束。
图13描绘了可用于基于一个或更多个数据库所有者所收集的信息确定媒体(例如，内容和/或广告)曝光率的示例系统1300。示例系统1300是图2和图3所示的系统200和300的另一示例，其中中介1308、1312被设置在客户端装置1304与合作者1310、1314之间。本领域普通技术人员将理解，图2和图3的描述以及图8-12的对应流程图适用于包括中介1308、1312的系统1300。
根据所示的示例，发布者1302将广告或其它媒体内容发送给客户端装置1304。发布者1302可以是结合图3描述的发布者302。客户端装置1304可以是结合图2和图3描述的小组成员客户端装置202或非小组成员装置203或者任何其它客户端装置。广告或其它媒体内容包括如上所述指示客户端装置向印象监测器1306发送请求的信标。
印象监测器1306可以是结合图1-3描述的印象监测器132。所示的示例的印象监测器1306从客户端装置1304接收信标请求并将重定向消息发送给客户端装置1304以指示客户端将请求发送给中介A 1308、中介B 1312或者任何其它系统(例如，另一中介、合作者等)中的一个或更多个。印象监测器1306还从中介A 1308和中介B1312中的一个或更多个接收关于合作者cookie的信息。
在一些示例中，印象监测器1306可向重定向消息中插入由印象监测器1306建立并且标识客户端装置1304和/或其用户的客户端标识符。例如，客户端标识符可以是存储在由印象监测器1306或任何其它实体设定在客户端处的cookie中的标识符、由印象监测器1306或任何其它实体指派的标识符等。客户端标识符可以是唯一标识符、准唯一标识符等。在一些示例中，客户端标识符可被加密、模糊或变化以防止中介1308、1312或合作者1310、1314对标识符的跟踪。根据所示的示例，客户端标识符被包括在给客户端装置1304的重定向消息中以使得客户端装置1304在客户端装置1304遵循重定向消息时将客户端标识符发送给中介1308、1312。例如，客户端标识符可被包括在重定向消息中所包括的URL中以使得客户端装置1304将客户端标识符发送给中介1308、1312作为响应于重定向消息而发送的请求的参数。
所示的示例的中介1308、1312从客户端装置1304接收重定向的信标请求，并将关于该请求的信息发送给合作者1310、1314。可使得示例中介1308、1312在内容传送网络(例如，内容传送网络的一个或更多个服务器)上可用，以确保客户端可快速地发送请求而不会导致来自发布者1302的内容的访问中的显著中断。
在本文所公开的示例中，域(例如，“partnerA.com”)中设定的cookie可被与设定有该cookie的域(例如，根域“partnerA.com”)对应的子域(例如，“intermediary.partnerA.com”)的服务器访问。在一些示例中，反过来也是如此：子域(例如，“intermediary.partnerA.com”)中设定的cookie可被与设定有该cookie的子域(例如，“intermediary.partnerA.com”)对应的根域(例如，根域“partnerA.com”)的服务器访问。如本文所使用的，术语域(例如，互联网域、域名等)包括根域(例如，“domain.com”)和子域(例如，“a.domain.com”、“b.domain.com”、“c.d.domain.com”等)。
为了使得示例中介1308、1312能够接收分别与合作者1310、1314关联的cookie信息，合作者1310、1314的子域被指派给中介1308、1312。例如，合作者A 1310可在与合作者A 1310的域关联的域名系统中向子域注册与中介A 1308关联的互联网地址。另选地，子域可按照任何其它方式与中介关联。在这些示例中，当客户端1304向中介A 1308发送请求时，将针对合作者A 1310的域名设定的cookie从客户端装置1304发送给指派有与合作者A 1310的域关联的子域名的中介A 1308。
示例中介1308、1312将包括宣传活动ID和接收的cookie信息的信标请求信息分别发送给合作者1310、1314。此信息可被存储在中介1308、1312处以使得它可被批量发送给合作者1310、1314。例如，接收的信息可在一天将结束时、一周将结束时、接收到阈值量的信息之后等发送。另选地，所述信息可在收到时立即被发送。宣传活动ID可被加密、模糊、变化等以防止合作者1310、1314识别宣传活动ID所对应于的内容或者以其它方式保护内容的标识。宣传活动ID信息的查找表可被存储在印象监测器1306处以使得从合作者1310、1314接收的印象信息可与内容相关。
所示的示例的中介1308、1312还将合作者cookie的可用性的指示发送给印象监测器1306。例如，当在中介A 1308处接收到重定向的信标请求时，中介A 1308确定重定向的信标请求是否包括合作者A 1310的cookie。当接收到合作者A 1310的cookie时中介A 1308向印象监测器1306发送通知。另选地，中介1308、1312可发送关于合作者cookie的可用性的信息而不管是否接收到cookie。在印象监测器1306将客户端标识符包括在重定向消息中并且在中介1308、1312处接收到客户端标识符的情况下，中介1308、1312可包括客户端标识符与关于发送给印象监测器1306的合作者cookie的信息。印象监测器1306可使用关于合作者cookie的存在的信息来确定如何重定向未来的信标请求。例如，印象监测器1306可选择不将客户端重定向至与已确定客户端没有cookie的合作者1310、1314关联的中介1308、1312。在一些示例中，考虑到cookie过期和设定新cookie(例如，最近在合作者之一处登陆或注册)，关于特定客户端是否具有与合作者关联的cookie的信息可被周期性地刷新。
中介1308、1312可通过与内容统计实体(例如，提供印象监测器1306的内容统计实体)关联的服务器来实现。另选地，中介1308、1312可通过分别与合作者1310、1314关联的服务器来实现。在其它示例中，所述中介可由诸如内容传送网络的第三方来提供。
在一些示例中，中介1308、1312被提供用于防止合作者1310、1314与客户端装置1304之间的直接连接，防止来自重定向的信标请求的一些信息被发送给合作者1310、1314(例如，防止REFERRER_URL被发送给合作者1310、1314)，减少与重定向的信标请求关联的合作者1310、1314处的网络业务量，和/或向印象监测器1306发送是否通过客户端装置1304提供合作者cookie的实时或接近实时的指示。
在一些示例中，中介1308、1312受合作者1310、1314的信任以防止机密数据被发送给印象监测器1306。例如，中介1308、1312可在将信息发送给印象监测器1306之前去除存储在合作者cookie中的标识符。
合作者1310、1314从中介1308、1312接收包括宣传活动ID和cookie信息的信标请求信息。合作者1310、1314基于cookie信息确定客户端装置1304的用户的身份和人口统计数据。示例合作者1310、1314基于确定的与印象关联的人口统计数据跟踪宣传活动ID的印象。基于跟踪的印象，示例合作者1310、1314生成报告(先前描述)。所述报告可被发送给印象监测器1306、发布者1302、供应发布者1302所提供的广告的广告商、媒体内容中心或者关注所述报告的其他人或实体。
图14是代表可被执行以在中介处处理重定向的请求的示例机器可读指令的流程图。图14的示例处理结合示例中介A 1308来描述。方框中的一些或全部可另外地或另选地由图13的示例中介B 1312、合作者1310、1314中的一个或更多个或者由结合图1-3描述的其他合作者执行。
根据所示的示例，中介A 1308从客户端装置1304接收重定向的信标请求(方框1402)。中介A 1308确定客户端装置1304是否在重定向的信标请求中发送与合作者A 1310关联的cookie(方框1404)。例如，当作为合作者A 1310的子域的域名被指派给中介A 1308时，客户端装置1304将合作者A 1310所设定的cookie发送给中介A 1308。
当重定向的信标请求不包括与合作者A 1310关联的cookie时(方框1404)，控制进行至方框1412(在下面描述)。当重定向的信标请求包括与合作者A 1310关联的cookie时(方框1404)，中介A 1308通知印象监测器1306存在cookie(方框1406)。所述通知可另外包括与重定向的信标请求关联的信息(例如，来源URL、宣传活动ID等)、客户端的标识符等。根据所示的示例，中介A 1308存储包括在重定向的信标请求中的宣传活动ID和合作者cookie信息(方框1408)。中介A 1308可另外地存储与重定向的信标请求关联的其它信息(例如，来源URL、引用方ID等)。
然后示例中介A 1308确定存储的信息是否应该被发送给合作者A 1310(方框1408)。例如，中介A 1308可确定信息应该被立即发送，可确定接收到阈值量的信息，可确定应该基于一天中的时刻来发送信息等。当中介A 1308确定信息不应该被发送时(方框1408)，控制进行至方框1412。当中介A 1308确定信息应该被发送时(方框1408)，中介A 1308将存储的信息发送给合作者A 1310。存储的信息可包括与单个请求关联的信息、与来自单个客户端的多个请求关联的信息、与来自多个客户端的多个请求关联的信息等。
根据所示的示例，然后中介A 1308确定客户端装置1304是否应该联系下一中介和/或合作者(方框1412)。当没有接收到与合作者A 1310关联的cookie时，示例中介A 1308确定应该联系下一合作者。另选地，每当接收到与合作者cookie等关联的重定向的信标请求时中介A 1308可确定应该联系下一合作者。
当中介A 1308确定应该联系下一合作者(例如，中介B 1314)时(方框1412)，中介A 1308将信标重定向消息发送给客户端装置1304，该消息指示客户端装置1304应该向中介B 1312发送请求。在发送重定向消息(方框1414)之后或者当中介A 1308确定不应该联系下一合作者(方框1412)时，图14的示例处理结束。
尽管图14的示例描述了各个中介1308、1312选择性地或自动地发送依次标识下一中介1308、1312的重定向消息的方法，但是也可实现其它方法。例如，来自印象监测器1306的重定向消息可标识多个中介1308、1312。在这种情况下，重定向消息可指示客户端装置1304顺序地向各个中介1308、1312(或子集)发送请求，可指示客户端装置1304并行地向各个中介1308、1312发送请求(例如，使用支持并行执行的请求的JavaScript指令)等。
尽管结合中介A描述了图14的示例，但是图14的方框中的一些或全部可由中介B 1312、合作者1310、1314中的一个或更多个、本文所述的任何其他合作者或者任何其他实体或系统来执行。另外地或另选地，图14(或者本文所述的任何其它指令)的多个实例可在任何数量的位置处并行地执行。
现在转向图15，所描绘的示例流程图可由客户端装置202、203(图2和图3)执行以将pingback消息(例如，图3的pingback消息304、308)发送给印象监测器和数据库所有者。
图3的示例客户端装置202接收被标记媒体(例如，包括被标记媒体102的网页)(方框1502)。示例客户端应用212请求重复的pingback指令214(例如，基于信标指令213向图3的信标服务器215请求)(方框1504)。示例客户端应用212接收重复的pingback指令(例如，图3的重复的pingback指令214)(方框1506)。
示例客户端应用212确定是否达到了阈值(例如，最小观看期)(方框1507)。例如，重复的pingback指令214可要求在发送第一pingback之前存在最小观看时间段(例如，印象认定期)。在没有达到最小观看期时，控制继续循环至方框1507。最小观看时间段可基于(例如)被标记媒体的特性(例如，被标记媒体的长度、被标记媒体的预期观看者的人口统计数据等)和/或媒体发布者的偏好或要求(例如，发布者在媒体的特定长度被观看完之前不考虑被标记媒体有效地提供印象)来配置。
当达到最小观看期时(方框1507)，示例客户端应用212将pingback消息(例如，图3的pingback消息306)发送给印象监测器(例如，图3的印象监测器132)(方框1508)。示例pingback消息包括与收视率实体对应的cookie(例如，用户ID)、媒体的标识符(例如，媒体ID)、时间戳和/或事件(如果适用的话)。示例客户端应用212还将pingback消息(例如，图3的pingback消息308)发送给数据库所有者(例如，图3的合作者A206、合作者B 208)(方框1510)。示例pingback消息308包括与数据库所有者对应的cookie(例如，用户ID)、媒体ID和/或时间戳。
示例客户端应用212开始定时器(例如，倒计时定时器)。示例定时器提供便于客户端应用212发送pingback消息的间隔时间。在一些示例中，客户端应用212针对给印象监测器132和给数据库所有者206、208的pingback消息具有不同的定时器。在一些示例中，印象服务器将客户端应用212重定向至数据库所有者，因此仅采用一个定时器(即，定时器触发对印象服务器的请求，该请求导致重定向至数据库所有者)。示例客户端应用212确定定时器是否到期(方框1514)。如果定时器未到期(方框1514)，则示例客户端应用212确定是否发生媒体事件(方框1516)。示例媒体事件包括暂停媒体、跳转至媒体中的位置和/或跳过媒体的部分。如果发生媒体事件(方框1516)和/或如果定时器到期(方框1514)，则控制返回到方框1508以发送pingback消息。
如果未发生媒体事件(方框1516)并且定时器未到期(方框1514)，则示例客户端应用212确定媒体是否被关闭(方框1518)。例如，当用户停止媒体、导航至不同的媒体和/或关闭呈现媒体的应用(例如，浏览器窗口和/或标签)时，媒体可被关闭。如果媒体未被关闭(方框1518)，则控制返回到方框1514。当媒体被关闭时(方框1518)，图15的示例指令结束。
转向图16，示例流程图可由印象监测器132(图2和图3)执行以记录pingback(例如，pingback消息)和/或基于pingback消息和人口统计信息计算收视率信息。示例客户端应用212设定看门狗定时器(方框1602)。示例看门狗定时器确定何时在没有pingback消息的情况下过去了足够长的时间，使得可从接收的pingback消息计算印象。印象监测器132等待直至它接收到pingback消息(例如，图3的pingback消息304)(方框1604)。所示的示例的印象监测器132经由图2的HTTP服务器232接收pingback消息。当印象监测器132接收到pingback消息时(方框1604)，它确定是否从客户端装置202、203接收到cookie(例如，图2的小组成员监测器cookie 218)(方框1606)。例如，如果在客户端装置202、203中预先设定小组成员监测器cookie218，则由客户端装置202、203发送给小组成员监测系统的pingback消息将包括cookie。
如果印象监测器132在方框1606处确定它没有在pingback消息中接收到cookie(例如，没有在客户端装置202、203中预先设定cookie)，则印象监测器132在客户端装置202、203中设定cookie(例如，小组成员监测器cookie 218)(方框1608)。例如，印象监测器132可使用HTTP服务器232向客户端装置202、203发回响应以“设定”新cookie(例如，小组成员监测器cookie 218)。
在设定cookie(方框1608)之后或者如果印象监测器132在pingback消息中接收到cookie(方框1606)，则印象监测器132记录pingback消息(方框1610)。所示的示例的印象监测器132将pingback消息记录在图2的媒体印象表235中。如上所述，印象监测器132记录pingback消息而不管pingback消息是否对应于与小组成员(例如，图1的小组成员164和166之一)的用户ID匹配的用户ID。然而，如果用户ID比较器228(图2)确定用户ID(例如，小组成员监测器cookie 218)与由收视率实体子系统106设定并因此存储在收视率实体子系统106的记录中的小组成员(例如，图1的小组成员164和166之一)的用户ID匹配，则记录的pingback消息将对应于印象监测器132的小组成员。对于用户ID匹配小组成员的用户ID的这些示例，所示的示例的印象监测器132将小组成员标识符随pingback消息记录在媒体印象表235中，并且随后，受众测量实体基于小组成员标识符将对应小组成员(例如，小组成员164、166中的对应一个)的已知人口统计数据与记录的pingback消息关联。小组成员人口统计数据(例如，图6的年龄/性别列602)与记录的印象数据之间的这种关联示出于图6的小组成员广告宣传活动层面年龄/性别和印象组成表600中。如果用户ID比较器228(图2)确定用户ID不对应于小组成员164、166，则即使它没有pingback消息304中反映的印象的用户ID记录(因此，对应人口统计数据)，印象监测器132将仍受益于记录pingback消息(例如，媒体印象)。在记录pingback消息(方框1610)之后，控制返回到方框1602以重置看门狗定时器。
当未接收到pingback消息时(方框1604)，示例印象监测器132确定看门狗定时器是否到期(方框1612)。如果看门狗定时器未到期(方框1612)，则控制返回到方框1604以确定是否接收到pingback消息。
当看门狗定时器到期时(方框1612)，示例印象监测器132从pingback消息计算印象(方框1614)。例如，图3的印象监测器132基于pingback消息中的信息(包括任何跳转或其它事件)确定呈现给用户的媒体部分以及邻接观看部分(例如，按照指定的间隔从顺序pingback消息确定)。
示例印象监测器132和/或收视率实体将印象与来自数据库所有者(例如，图3的合作者A206、B 208)的人口统计信息组合(方框1616)。
示例印象监测器132和/或收视率实体基于持续印象中呈现的媒体的类型来划分印象信息(例如，持续印象信息)(方框1618)。例如，印象监测器132可确定持续印象与作为第一媒体类型的一个或更多个广告关联并且与作为第二媒体类型的节目内容关联。通过基于持续印象中呈现的媒体类型划分与持续印象关联的时间段，示例印象监测器132和/或收视率实体可确定针对单独的媒体类型的单独的收视率信息。另外地和/或另选地，示例印象监测器132和/或示例收视率实体可针对关注媒体类型(例如，仅第一媒体类型、仅第二媒体类型、仅针对持续印象中呈现的附加媒体类型和/或两种或更多种媒体类型的任何组合)确定收视率信息。例如，示例印象监测器132和/或收视率实体可在计算第二媒体类型的观看量(例如，内容或节目观看)时忽略观看第一媒体类型(例如，广告)所花费的时间，和/或可在计算第一媒体类型的观看量时忽略观看第二媒体类型所花费的时间。
所得的划分和/或未划分的持续印象信息包括在客户端装置处呈现的部分以及与客户端装置关联的人口统计数据。示例印象监测器132和/或收视率实体基于持续印象和人口统计信息针对媒体部分(和/或媒体部分的媒体类型)计算人口统计特性(方框1620)。例如，印象监测器132可针对媒体中的第一媒体类型确定第一人口统计特性，并且针对媒体中的第二媒体类型确定第二人口统计特性。在一些示例中，印象监测器132和/或收视率实体利用持续印象和人口统计信息结合呈现该媒体的其它装置的持续印象和人口统计信息计算粒状逐分钟收视率信息(例如，唯一受众和对应人口统计群体)。
图17描绘了针对用户ID和媒体ID记录印象的示例印象日志1700。图17的示例印象日志1700针对接收的pingback消息记录了时间戳、媒体ID、用户ID和事件。示例时间戳指示生成pingback消息的时间。在图17的示例印象日志1700中，条目按照时间戳顺序排列。示例条目基于用户ID和媒体ID分组。如果对应pingback消息中提供这种信息，则示例条目还指定事件。示例印象监测器132和/或收视率实体确定示例日志中的条目对应于媒体的一个持续印象。示例印象监测器132还确定持续印象没有应用于媒体的特定部分(例如，特定分钟)(例如，回放一分40秒之后，回放跳至媒体的4分30秒标记处，意指从1分41秒至4分29秒的时间段被跳过)。结果，在跳过的部分的收视率中不包括与用户ID对应的持续印象和人口统计数据。
图18是可用于实现本文所公开的示例设备、方法、产品和/或系统的示例处理器系统1810的框图。如图18所示，处理器系统1810包括连接到互连总线1814的处理器1812。处理器1812可以是任何合适的处理器、处理单元或微处理器。尽管图18中未示出，系统1810可以是多处理器系统，因此可包括与处理器1812相同或相似并且以通信方式连接至互连总线1814的一个或更多个附加处理器。
图18的处理器1812连接至芯片组1818，该芯片组1818包括存储器控制器1820和输入/输出(I/O)控制器1822。芯片组提供I/O和存储器管理功能以及可被连接至芯片组1818的一个或更多个处理器访问或使用的多个通用和/或专用寄存器、定时器等。存储器控制器1820执行使得处理器1812(或者如果存在多个处理器的情况下，多个处理器)能够访问系统存储器1824、大容量存储器1825和/或光学介质1827的功能。
通常，系统存储器1824可包括任何期望类型的易失性和/或非易失性存储器，例如，静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、闪存、只读存储器(ROM)等。大容量存储器1825可包括任何期望类型的大容量存储装置，包括硬盘驱动器、光学装置、磁带存储装置等。光学介质1827可包括任何期望类型的光学介质，例如数字多功能盘(DVD)、紧凑盘(CD)或蓝光盘。图9-12和图14-16中的任一个的指令可被存储在由系统存储器1824、大容量存储装置1825和/或任何其它介质代表的任何有形介质上。
I/O控制器1822执行使得处理器1812能够经由I/O总线1832与外围输入/输出(I/O)装置1826和1828以及网络接口1830通信的功能。I/O装置1826和1828可以是任何期望类型的I/O装置，例如键盘、视频显示器或监视器、鼠标等。例如，网络接口1830可以是使得处理器系统1810能够与另一处理器系统通信的以太网装置、异步传输模式(ATM)装置、802.11装置、数字订户线(DSL)调制解调器、有线调制解调器、蜂窝调制解调器等。
尽管图18中存储器控制器1820和I/O控制器1822被示出为芯片组1818内的单独的功能块，由这些块执行的功能可被集成在单个半导体电路内或者可利用两个或更多个单独的集成电路来实现。
尽管以上公开了使用cookie来将标识信息从客户端发送至服务器，但是可使用将标识信息从客户端发送至服务器或其它装置的任何其它系统。例如，通过本文所公开的任何cookie提供的标识信息或者任何其它信息可通过Adobe客户端标识符、存储在HTML5数据库中的标识信息等来提供。本文所述的方法和设备不限于采用cookie的实现方式。
美国专利No.8,370,489整体以引用方式并入本文。
尽管以上公开了包括(除了其它组件以外)在硬件上执行的固件和/或软件的示例方法、设备、系统和产品，但是应当注意的是，这些方法、设备、系统和产品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、只在固件中、只在软件中或者在硬件、固件和/或软件的任何组合中具体实现这些硬件、固件和/或软件组件中的任何一个或者全部。因此，尽管以下描述了示例方法、设备、系统和产品，但是这些示例不是实现这些方法、设备、系统和产品的唯一方式。
尽管本文公开了特定的示例方法、设备、系统和产品，但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下清楚地落入权利要求的范围内的所有方法、设备、系统和产品。

Claims (27)

1.一种方法，该方法包括以下步骤：
在一个时间段内接收多个消息，所述消息对应于客户端装置处的媒体的呈现；
利用逻辑电路基于所述消息确定所述客户端装置处呈现的所述媒体的部分；
获得与所述客户端装置关联的人口统计信息；以及
利用所述逻辑电路基于所述消息和所述人口统计信息来确定与所述媒体的所述部分的呈现关联的人口统计特性。
2.根据权利要求1所述的方法，其中，获得所述人口统计信息的步骤是基于存储在所述客户端装置处的cookie的，所述消息包括所述cookie。
3.根据权利要求1所述的方法，该方法还包括以下步骤：向所述客户端装置发送重定向消息以使得所述客户端装置向数据库所有者发送消息，所述人口统计信息是从所述数据库所有者获得的。
4.根据权利要求1所述的方法，其中，所述媒体包括第一媒体类型和第二媒体类型，所述媒体的所述部分包括所述第一媒体类型的媒体，并且确定与所述媒体的所述部分关联的人口统计特性的步骤包括以下步骤：确定仅与所述第一媒体类型关联的人口统计特性。
5.根据权利要求1所述的方法，其中，所述多个消息中的至少一个消息包括以所述媒体中的指定点为基准的时间，所述方法还包括以下步骤：基于所述时间并且基于所述多个消息中的至少一个消息来确定针对所述媒体的所述部分的印象。
6.根据权利要求1所述的方法，其中，按照指定的间隔接收所述多个消息中的消息，并且所述方法还包括针对所述媒体的离散间隔确定收视率信息，所述指定的间隔是基于所述离散间隔的长度的。
7.根据权利要求6所述的方法，其中，所述收视率信息包括所述媒体的指定部分以及人口统计群体。
8.根据权利要求1所述的方法，该方法还包括以下步骤：确定包括所述媒体的多个部分的逐周期人口统计特性的收视率信息。
9.根据权利要求1所述的方法，其中，接收所述消息的步骤包括按照间隔接收所述消息，所述消息标识所述媒体以及与所述间隔关联的时间或持续时间中的至少一个。
10.根据权利要求1所述的方法，其中，所述媒体包括第一媒体类型和第二媒体类型，并且确定所述媒体的所述部分的人口统计特性的步骤包括以下步骤：针对所述第一媒体类型确定第一人口统计特性并且针对所述第二媒体类型确定第二人口统计特性。
11.一种设备，该设备包括：
通信接口，该通信接口：
在一个时间段内接收多个消息，所述消息对应于媒体的呈现；并且
从数据库所有者接收与客户端装置关联的人口统计信息；以及
印象监测器，该印象监测器基于所述消息来确定与所述客户端装置处呈现的所述媒体的部分关联的人口统计特性。
12.根据权利要求10所述的设备，其中，所述印象监测器基于所述消息和所述人口统计信息来确定所述媒体的所述部分的收视率信息。
13.根据权利要求10所述的设备，其中，所述通信接口基于cookie获得所述人口统计信息，所述消息是从所述客户端装置接收的并且包括所述cookie。
14.根据权利要求10所述的设备，该设备还包括用于选择所述数据库所有者的规则引擎，所述通信接口将重定向消息发送给所述客户端装置以使得所述客户端装置向所述数据库所有者发送请求，所述人口统计信息是从所述数据库所有者获得的。
15.根据权利要求10所述的设备，其中，所述媒体包括第一媒体类型和第二媒体类型，并且确定所述媒体的所述部分的人口统计特性包括针对所述第一媒体类型确定第一人口统计特性并且针对所述第二媒体类型确定第二人口统计特性。
16.根据权利要求10所述的设备，其中，所述多个消息中的至少一个消息包括以所述媒体中的指定点为基准的时间，所述印象监测器基于所述时间并且基于所述多个消息中的至少一个附加消息来确定与所述客户端装置对应的所述媒体的至少所述部分的印象。
17.根据权利要求10所述的设备，其中，所述通信接口按照指定的间隔接收所述消息，所述印象监测器针对所述媒体的离散间隔确定收视率信息，所述指定的间隔是基于所述离散间隔的长度的。
18.根据权利要求10所述的设备，其中，所述印象监测器确定包括所述媒体的指定部分以及人口统计群体在内的收视率信息。
19.根据权利要求10所述的设备，其中，所述媒体包括第一媒体类型和第二媒体类型，并且确定所述媒体的所述部分的人口统计特性包括仅针对所述第一媒体类型确定人口统计特性。
20.一种包括计算机可读指令的有形计算机可读存储介质，所述指令在被执行时使得逻辑电路至少：
在一个时间段内标识多个消息，所述消息对应于客户端装置处的媒体的呈现；
基于所述消息确定所述客户端装置处呈现的所述媒体的部分；以及
基于所述消息以及与所述客户端装置关联的人口统计信息来确定与所述媒体的所述部分的呈现关联的人口统计特性。
21.根据权利要求18所述的存储介质，所述指令使得所述逻辑电路将重定向消息发送给所述客户端装置以使得所述客户端装置向所述数据库所有者发送消息，所述人口统计信息是从所述数据库所有者获得的。
22.根据权利要求18所述的存储介质，其中，所述媒体包括第一媒体类型和第二媒体类型，并且确定与所述媒体的所述部分关联的人口统计特性包括确定仅与所述第一媒体类型关联的人口统计特性。
23.根据权利要求18所述的存储介质，其中，所述多个消息中的至少一个消息包括以所述媒体中的指定点为基准的时间，所述指令还使得所述逻辑电路基于所述时间并且基于所述多个消息中的至少一个附加消息来确定与所述客户端装置对应的所述媒体的所述部分的印象。
24.根据权利要求18所述的存储介质，其中，所述多个消息中的消息是按照指定的间隔接收的，所述指令使得所述逻辑电路针对所述媒体的离散间隔确定收视率信息，所述指定的间隔是基于所述离散间隔的长度的。
25.根据权利要求23所述的存储介质，其中，所述指令还使得所述逻辑电路确定包括所述媒体的指定部分以及人口统计群体在内的收视率信息。
26.根据权利要求18所述的存储介质，其中，基于存储在所述客户端装置处的cookie获得人口统计信息，所述消息包括所述cookie。
27.根据权利要求18所述的存储介质，其中，所述媒体包括第一媒体类型和第二媒体类型，并且确定所述媒体的所述部分的人口统计特性包括针对所述第一媒体类型确定第一人口统计特性并且针对所述第二媒体类型确定第二人口统计特性。
CN201480001437.5A 2013-04-30 2014-04-28 确定在线媒体呈现的收视率信息的方法和设备 Active CN104541513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810757343.0A CN108960926B (zh) 2013-04-30 2014-04-28 计算机存储介质、媒体呈现监测方法和受众测量实体系统

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361817829P 2013-04-30 2013-04-30
US61/817,829 2013-04-30
US14/025,575 2013-09-12
US14/025,575 US9519914B2 (en) 2013-04-30 2013-09-12 Methods and apparatus to determine ratings information for online media presentations
PCT/US2014/035683 WO2014179218A1 (en) 2013-04-30 2014-04-28 Methods and apparatus to determine ratings information for online media presentations

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201810757343.0A Division CN108960926B (zh) 2013-04-30 2014-04-28 计算机存储介质、媒体呈现监测方法和受众测量实体系统

Publications (2)

Publication Number Publication Date
CN104541513A true CN104541513A (zh) 2015-04-22
CN104541513B CN104541513B (zh) 2018-07-20

Family

ID=51790033

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201810757343.0A Active CN108960926B (zh) 2013-04-30 2014-04-28 计算机存储介质、媒体呈现监测方法和受众测量实体系统
CN201480001437.5A Active CN104541513B (zh) 2013-04-30 2014-04-28 确定在线媒体呈现的收视率信息的方法和设备

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201810757343.0A Active CN108960926B (zh) 2013-04-30 2014-04-28 计算机存储介质、媒体呈现监测方法和受众测量实体系统

Country Status (11)

Country Link
US (7) US9519914B2 (zh)
EP (1) EP2992680A4 (zh)
JP (1) JP6191972B2 (zh)
KR (1) KR101753179B1 (zh)
CN (2) CN108960926B (zh)
AU (1) AU2014260163B2 (zh)
BR (1) BR112014030215A2 (zh)
CA (1) CA2875434C (zh)
DE (1) DE202014011622U1 (zh)
HK (1) HK1208298A1 (zh)
WO (1) WO2014179218A1 (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9215288B2 (en) 2012-06-11 2015-12-15 The Nielsen Company (Us), Llc Methods and apparatus to share online media impressions data
US9237138B2 (en) 2013-12-31 2016-01-12 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US9313294B2 (en) 2013-08-12 2016-04-12 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
CN106101832A (zh) * 2016-07-19 2016-11-09 东软集团股份有限公司 用于评价互联网媒体的指标的计算方法和装置
US9519914B2 (en) 2013-04-30 2016-12-13 The Nielsen Company (Us), Llc Methods and apparatus to determine ratings information for online media presentations
US9838754B2 (en) 2015-09-01 2017-12-05 The Nielsen Company (Us), Llc On-site measurement of over the top media
US9852163B2 (en) 2013-12-30 2017-12-26 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US9912482B2 (en) 2012-08-30 2018-03-06 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
CN107911721A (zh) * 2017-12-01 2018-04-13 北京蓝水科技文化有限公司 一种互联网影视作品的量化评价指标确定方法及系统
US10045082B2 (en) 2015-07-02 2018-08-07 The Nielsen Company (Us), Llc Methods and apparatus to correct errors in audience measurements for media accessed using over-the-top devices
CN108595513A (zh) * 2018-03-23 2018-09-28 北京奇艺世纪科技有限公司 一种视频搜索作弊处理方法及装置
US10205994B2 (en) 2015-12-17 2019-02-12 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
CN109587563A (zh) * 2017-09-29 2019-04-05 北京国双科技有限公司 收视波动异常的报警方法及装置
US10270673B1 (en) 2016-01-27 2019-04-23 The Nielsen Company (Us), Llc Methods and apparatus for estimating total unique audiences
US10311464B2 (en) 2014-07-17 2019-06-04 The Nielsen Company (Us), Llc Methods and apparatus to determine impressions corresponding to market segments
US10380633B2 (en) 2015-07-02 2019-08-13 The Nielsen Company (Us), Llc Methods and apparatus to generate corrected online audience measurement data
US10803475B2 (en) 2014-03-13 2020-10-13 The Nielsen Company (Us), Llc Methods and apparatus to compensate for server-generated errors in database proprietor impression data due to misattribution and/or non-coverage
US11068927B2 (en) 2014-01-06 2021-07-20 The Nielsen Company (Us), Llc Methods and apparatus to correct audience measurement data
US11321623B2 (en) 2016-06-29 2022-05-03 The Nielsen Company (Us), Llc Methods and apparatus to determine a conditional probability based on audience member probability distributions for media audience measurement

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103119565B (zh) 2010-09-22 2016-05-11 尼尔森（美国）有限公司 利用分布式人口统计信息确定印象的方法和装置
CN106156363B (zh) 2011-03-18 2019-08-09 尼尔森（美国）有限公司 确定媒体印象的方法和装置
US9697533B2 (en) 2013-04-17 2017-07-04 The Nielsen Company (Us), Llc Methods and apparatus to monitor media presentations
US10068246B2 (en) 2013-07-12 2018-09-04 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
US9332035B2 (en) 2013-10-10 2016-05-03 The Nielsen Company (Us), Llc Methods and apparatus to measure exposure to streaming media
US10956947B2 (en) 2013-12-23 2021-03-23 The Nielsen Company (Us), Llc Methods and apparatus to measure media using media object characteristics
US20150193816A1 (en) 2014-01-06 2015-07-09 The Nielsen Company (Us), Llc Methods and apparatus to correct misattributions of media impressions
US9953330B2 (en) 2014-03-13 2018-04-24 The Nielsen Company (Us), Llc Methods, apparatus and computer readable media to generate electronic mobile measurement census data
US10878457B2 (en) 2014-08-21 2020-12-29 Oracle International Corporation Tunable statistical IDs
US20160063539A1 (en) 2014-08-29 2016-03-03 The Nielsen Company (Us), Llc Methods and apparatus to associate transactions with media impressions
US9402111B2 (en) 2014-09-17 2016-07-26 Ispot.Tv, Inc. Television audience measurement method and apparatus
US10602236B2 (en) 2014-09-17 2020-03-24 Ispot.Tv, Inc. Unique content sequence identification method and apparatus
US10949507B2 (en) * 2014-10-17 2021-03-16 Vulpecula, Llc. Methods, systems, and computer program products for web browsing
US20160148232A1 (en) * 2014-11-21 2016-05-26 The Nielsen Company (Us), Llc Using hashed media identifiers to determine audience measurement data including demographic data from third party providers
US20160189182A1 (en) 2014-12-31 2016-06-30 The Nielsen Company (Us), Llc Methods and apparatus to correct age misattribution in media impressions
JP5931242B1 (ja) * 2015-03-20 2016-06-08 ヤフー株式会社 端末装置、情報送信方法、及び情報送信プログラム
US10680731B2 (en) 2015-09-05 2020-06-09 The Nielsen Company (Us), Llc Methods and apparatus to facilitate local time-based digital audio measurement
KR20170050159A (ko) * 2015-10-29 2017-05-11 에스케이플래닛 주식회사 비콘 신호를 활용한 컨텐츠 제공 방법 및 장치
CN105282177A (zh) * 2015-11-16 2016-01-27 上海晶赞科技发展有限公司 一种受众数据安全可控传输方法
US10929877B2 (en) * 2016-04-12 2021-02-23 Verizon Digital Media Services Inc. Media playback ping
KR101913306B1 (ko) * 2017-03-06 2018-10-30 주식회사 애드오피 광고 리포팅 서비스 제공 방법 및 광고 리포팅 서비스 제공 장치
CN108664493B (zh) * 2017-03-29 2021-09-03 北京京东尚科信息技术有限公司 统计url是否有效的方法、装置、电子设备和存储介质
JP6633244B2 (ja) * 2017-08-15 2020-01-22 グーグル エルエルシー マルチキャストを使用するストリーミング帯域幅の最適化された利用
CN107861984B (zh) * 2017-10-10 2020-02-07 武汉斗鱼网络科技有限公司 一种获取活动入口状态的方法、存储介质、设备及系统
US11057659B2 (en) * 2017-10-13 2021-07-06 Comscore, Inc. Deterministic household assignment model
US20200151758A1 (en) * 2018-11-09 2020-05-14 The Nielsen Company (Us), Llc Methods, systems, articles of manufacture and apparatus to determine component lifts from overlapping stimuli
US10805690B2 (en) 2018-12-04 2020-10-13 The Nielsen Company (Us), Llc Methods and apparatus to identify media presentations by analyzing network traffic
US10915598B2 (en) * 2019-03-29 2021-02-09 Microsoft Technology Licensing, Llc Generating HTML content to cache based on a member identifier and a template when there is no cached HTML content associated with a campaign and serving the cached HTML content
US11516277B2 (en) 2019-09-14 2022-11-29 Oracle International Corporation Script-based techniques for coordinating content selection across devices
US11153392B2 (en) 2019-12-03 2021-10-19 The Nielsen Company (Us), Llc Methods and apparatus for session building from ping-level data
US11553054B2 (en) * 2020-04-30 2023-01-10 The Nielsen Company (Us), Llc Measurement of internet media consumption
US11582183B2 (en) 2020-06-30 2023-02-14 The Nielsen Company (Us), Llc Methods and apparatus to perform network-based monitoring of media accesses

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110041062A1 (en) * 2009-08-12 2011-02-17 Singer Howard M Systems, Methods, and Media for Coordinating the Presentation of Media with an Event
US20110131596A1 (en) * 2009-12-01 2011-06-02 International Business Machines Corporation Video stream measurement method and system
WO2012040371A1 (en) * 2010-09-22 2012-03-29 The Nielsen Company (Us), Llc. Methods and apparatus to determine impressions using distributed demographic information
CN102740140A (zh) * 2011-04-01 2012-10-17 尼尔森（美国）有限公司 用于估计媒体内容的当地市场观众的方法、设备及制造品

Family Cites Families (273)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2176639B (en) 1985-05-31 1988-11-23 Mars Inc Data acquisition system
JP3400068B2 (ja) 1994-03-18 2003-04-28 富士通株式会社 レスポンス金額予測システム
CA2119970A1 (en) 1994-03-25 1995-09-26 Michael A. Lyons Program monitoring system
US5594934A (en) 1994-09-21 1997-01-14 A.C. Nielsen Company Real time correlation meter
US5758257A (en) 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
WO1996028904A1 (en) 1995-03-16 1996-09-19 Bell Atlantic Network Services, Inc. Simulcasting digital video programs for broadcast and interactive services
US5675510A (en) 1995-06-07 1997-10-07 Pc Meter L.P. Computer use meter and analyzer
US8574074B2 (en) 2005-09-30 2013-11-05 Sony Computer Entertainment America Llc Advertising impression determination
US5848396A (en) 1996-04-26 1998-12-08 Freedom Of Information, Inc. Method and apparatus for determining behavioral profile of a computer user
US5832520A (en) 1996-07-03 1998-11-03 Miller, Call, Plauck And Miller Automatic file differencing and updating system
US6108637A (en) 1996-09-03 2000-08-22 Nielsen Media Research, Inc. Content display monitor
US5870740A (en) 1996-09-30 1999-02-09 Apple Computer, Inc. System and method for improving the ranking of information retrieval results for short queries
US5948061A (en) 1996-10-29 1999-09-07 Double Click, Inc. Method of delivery, targeting, and measuring advertising over networks
US6052730A (en) 1997-01-10 2000-04-18 The Board Of Trustees Of The Leland Stanford Junior University Method for monitoring and/or modifying web browsing sessions
US6035339A (en) 1997-03-13 2000-03-07 At&T Corporation Network information delivery system for delivering information based on end user terminal requirements
US5796952A (en) 1997-03-21 1998-08-18 Dot Com Development, Inc. Method and apparatus for tracking client interaction with a network resource and creating client profiles and resource database
US6643696B2 (en) 1997-03-21 2003-11-04 Owen Davis Method and apparatus for tracking client interaction with a network resource and creating client profiles and resource database
US6141694A (en) 1997-09-16 2000-10-31 Webtv Networks, Inc. Determining and verifying user data
US6286140B1 (en) 1997-11-20 2001-09-04 Thomas P. Ivanyi System and method for measuring and storing information pertaining to television viewer or user behavior
US6098093A (en) 1998-03-19 2000-08-01 International Business Machines Corp. Maintaining sessions in a clustered server environment
US6279036B1 (en) * 1998-05-15 2001-08-21 International Business Machines Corporation Method and apparatus for detecting actual viewing or electronic advertisements
US20020095676A1 (en) 1998-05-15 2002-07-18 Robert A. Knee Interactive television program guide system for determining user values for demographic categories
US7240022B1 (en) 1998-05-19 2007-07-03 Mypoints.Com Inc. Demographic information gathering and incentive award system and method
US6434614B1 (en) 1998-05-29 2002-08-13 Nielsen Media Research, Inc. Tracking of internet advertisements using banner tags
US6223215B1 (en) 1998-09-22 2001-04-24 Sony Corporation Tracking a user's purchases on the internet by associating the user with an inbound source and a session identifier
US6684194B1 (en) 1998-12-03 2004-01-27 Expanse Network, Inc. Subscriber identification system
US7150030B1 (en) 1998-12-03 2006-12-12 Prime Research Alliance, Inc. Subscriber characterization system
US7949565B1 (en) 1998-12-03 2011-05-24 Prime Research Alliance E., Inc. Privacy-protected advertising system
US6457010B1 (en) 1998-12-03 2002-09-24 Expanse Networks, Inc. Client-server based subscriber characterization system
US6055573A (en) 1998-12-30 2000-04-25 Supermarkets Online, Inc. Communicating with a computer based on an updated purchase behavior classification of a particular consumer
US6460079B1 (en) 1999-03-04 2002-10-01 Nielsen Media Research, Inc. Method and system for the discovery of cookies and other client information
US6529952B1 (en) 1999-04-02 2003-03-04 Nielsen Media Research, Inc. Method and system for the collection of cookies and other information from a panel
US6721713B1 (en) 1999-05-27 2004-04-13 Andersen Consulting Llp Business alliance identification in a web architecture framework
US7523191B1 (en) 2000-06-02 2009-04-21 Yahoo! Inc. System and method for monitoring user interaction with web pages
US6102406A (en) 1999-06-07 2000-08-15 Steven A. Miles Internet-based advertising scheme employing scavenger hunt metaphor
US6606657B1 (en) * 1999-06-22 2003-08-12 Comverse, Ltd. System and method for processing and presenting internet usage information
US7010497B1 (en) 1999-07-08 2006-03-07 Dynamiclogic, Inc. System and method for evaluating and/or monitoring effectiveness of on-line advertising
AUPQ206399A0 (en) 1999-08-06 1999-08-26 Imr Worldwide Pty Ltd. Network user measurement system and method
US6415323B1 (en) 1999-09-03 2002-07-02 Fastforward Networks Proximity-based redirection system for robust and scalable service-node location in an internetwork
US6839680B1 (en) 1999-09-30 2005-01-04 Fujitsu Limited Internet profiling
US6704787B1 (en) 1999-12-03 2004-03-09 Intercard Payments, Inc. Date of birth authentication system and method using demographic and/or geographic data supplied by a subscriber that is verified by a third party
US6691163B1 (en) 1999-12-23 2004-02-10 Alexa Internet Use of web usage trail data to identify related links
US7146329B2 (en) 2000-01-13 2006-12-05 Erinmedia, Llc Privacy compliant multiple dataset correlation and content delivery system and methods
US6993590B1 (en) 2000-01-13 2006-01-31 Inktomi Corporation Method of creating data streams for user-specific usage data gathering systems
US7139723B2 (en) 2000-01-13 2006-11-21 Erinmedia, Llc Privacy compliant multiple dataset correlation system
WO2001052168A1 (en) 2000-01-14 2001-07-19 Matsushita Electric Industrial Company, Limited Cookie data stored on transportable recording medium
US7065503B2 (en) 2000-01-14 2006-06-20 Matsushita Electric Industrial Co., Ltd. Cookie data stored on transportable recording medium
US7260837B2 (en) 2000-03-22 2007-08-21 Comscore Networks, Inc. Systems and methods for user identification, user demographic reporting and collecting usage data usage biometrics
US7930285B2 (en) 2000-03-22 2011-04-19 Comscore, Inc. Systems for and methods of user demographic reporting usable for identifying users and collecting usage data
US7181412B1 (en) 2000-03-22 2007-02-20 Comscore Networks Inc. Systems and methods for collecting consumer data
JP2001338176A (ja) 2000-03-23 2001-12-07 Casio Comput Co Ltd 情報伝達仲介方法及びシステム
JP2001282982A (ja) 2000-03-28 2001-10-12 Hisahiro Negi Ｗｅｂマーケティングシステム
US7039699B1 (en) 2000-05-02 2006-05-02 Microsoft Corporation Tracking usage behavior in computer systems
US7962603B1 (en) 2000-06-06 2011-06-14 Nobuyoshi Morimoto System and method for identifying individual users accessing a web site
JP2001357192A (ja) 2000-06-12 2001-12-26 Toshiba Corp 顧客意識調査方法およびシステム、ならびにプログラムを記憶した記憶媒体
JP2004504674A (ja) 2000-07-18 2004-02-12 ヤフー！　インコーポレイテッド 売り切れ広告インベントリの代わりに別の広告インベントリを選択させるシステム及び方法
JP2002037980A (ja) 2000-07-24 2002-02-06 Mitsui Chemicals Inc エポキシ樹脂組成物
US7363643B2 (en) 2000-08-31 2008-04-22 Eddie Drake Real-time audience monitoring, content rating, and content enhancing
KR20020037980A (ko) 2000-11-16 2002-05-23 김형순 정보 중개 시스템
JP2002163562A (ja) 2000-11-27 2002-06-07 Dainippon Printing Co Ltd 情報配信サーバー装置
US6879960B2 (en) 2000-12-01 2005-04-12 Claritas, Inc. Method and system for using customer preferences in real time to customize a commercial transaction
US20030006911A1 (en) 2000-12-22 2003-01-09 The Cadre Group Inc. Interactive advertising system and method
JP2002223427A (ja) 2001-01-26 2002-08-09 Ntt Comware Corp 番組視聴関連情報取得方法及び番組視聴関連情報取得装置及び番組視聴関連情報取得システムならびにそのプログラム及びこのプログラムを記録した記録媒体
JP4248183B2 (ja) 2001-02-26 2009-04-02 パナソニック株式会社 クッキー処理プログラムおよび画像データ表示装置
JP2002344933A (ja) 2001-03-15 2002-11-29 Matsushita Electric Ind Co Ltd データ放送を利用した視聴情報収集システム及び方法、並びにそのシステムに用いられる放送受信端末、視聴情報サーバ、販売店端末及び視聴情報利用端末
WO2002082214A2 (en) 2001-04-06 2002-10-17 Predictive Media Corporation Method and apparatus for identifying unique client users from user behavioral data
US20030046385A1 (en) 2001-04-13 2003-03-06 Netiq Corporation, A Delaware Corporation User-side tracking of multimedia application usage within a web page
WO2002103521A1 (en) * 2001-06-19 2002-12-27 Cable & Wireless Internet Services, Inc. Real-time streaming media measurement system and method
US20030037131A1 (en) * 2001-08-17 2003-02-20 International Business Machines Corporation User information coordination across multiple domains
US7257546B2 (en) 2001-09-04 2007-08-14 Yahoo! Inc. System and method for correlating user data from a content provider and user data from an advertising provider that is stored on autonomous systems
WO2003027860A1 (fr) 2001-09-19 2003-04-03 Ntt Advertising, Inc. Systeme de distribution de contenu pour la distribution de contenu changeant dans le temps, serveur de distribution de contenu, serveur de collectes de sessions, serveur de relais de contenu, terminal d'utilisateur, procede de prise d'etat de visualisation/ecoute, procede de recommandation et procede de fourniture de conten
US6877007B1 (en) 2001-10-16 2005-04-05 Anna M. Hentzel Method and apparatus for tracking a user's interaction with a resource supplied by a server computer
US7272617B1 (en) 2001-11-30 2007-09-18 Ncr Corp. Analytic data set creation for modeling in a customer relationship management system
US7343417B2 (en) 2001-11-30 2008-03-11 Knowledge Networks, Inc. System and method for rating media information
WO2003065252A1 (en) * 2002-02-01 2003-08-07 John Fairweather System and method for managing memory
US20080189408A1 (en) * 2002-10-09 2008-08-07 David Cancel Presenting web site analytics
US20030177488A1 (en) 2002-03-12 2003-09-18 Smith Geoff S. Systems and methods for media audience measurement
US20030220901A1 (en) 2002-05-21 2003-11-27 Hewlett-Packard Development Company Interaction manager
US20040167763A1 (en) 2002-05-31 2004-08-26 Liebman Michael N Information processing method for evaluating biochemical pathway models using clinical data
US8086559B2 (en) 2002-09-24 2011-12-27 Google, Inc. Serving content-relevant advertisements with client-side device support
US7890451B2 (en) 2002-10-09 2011-02-15 Compete, Inc. Computer program product and method for refining an estimate of internet traffic
US20040088212A1 (en) * 2002-10-31 2004-05-06 Hill Clarke R. Dynamic audience analysis for computer content
US7574423B2 (en) 2003-03-20 2009-08-11 International Business Machines Corporation Partial data model exposure through client side caching
US7505958B2 (en) 2004-09-30 2009-03-17 International Business Machines Corporation Metadata management for a data abstraction model
CA2686265A1 (en) 2003-06-17 2004-12-17 Ibm Canada Limited - Ibm Canada Limitee Multiple identity management in an electronic commerce site
CN100507894C (zh) 2003-08-01 2009-07-01 塔科达有限公司 用于分段并且确定目标观众成员的系统和方法
US8464290B2 (en) 2003-08-01 2013-06-11 Tacoda, Inc. Network for matching an audience with deliverable content
US9117217B2 (en) 2003-08-01 2015-08-25 Advertising.Com Llc Audience targeting with universal profile synchronization
US7805332B2 (en) 2003-08-01 2010-09-28 AOL, Inc. System and method for segmenting and targeting audience members
US20070198327A1 (en) 2003-08-15 2007-08-23 Amir Yazdani Systems and methods for measuring, targeting, verifying, and reporting advertising impressions
WO2005024689A1 (ja) 2003-09-04 2005-03-17 Interscope Inc. 消費者の購買行動分析方法及び装置
US7152074B2 (en) 2003-09-19 2006-12-19 International Business Machines Corporation Extensible framework supporting deposit of heterogenous data sources into a target data repository
EP1680878A1 (en) 2003-10-24 2006-07-19 Telefonaktiebolaget Lm Ericsson A method and device for audience monitoring on multicast capable networks
US20050144069A1 (en) 2003-12-23 2005-06-30 Wiseman Leora R. Method and system for providing targeted graphical advertisements
US7949639B2 (en) 2004-02-20 2011-05-24 Symphonyiri Group, Inc. Attribute segments and data table bias reduction
US7792954B2 (en) 2004-04-02 2010-09-07 Webtrends, Inc. Systems and methods for tracking web activity
US20050267799A1 (en) 2004-05-10 2005-12-01 Wesley Chan System and method for enabling publishers to select preferred types of electronic documents
US7302447B2 (en) 2005-01-14 2007-11-27 International Business Machines Corporation Virtual columns
AU2005273948B2 (en) 2004-08-09 2010-02-04 The Nielsen Company (Us), Llc Methods and apparatus to monitor audio/visual content from various sources
US7546370B1 (en) 2004-08-18 2009-06-09 Google Inc. Search engine with multiple crawlers sharing cookies
US20060089754A1 (en) 2004-10-27 2006-04-27 Andrew Mortenson An installed Vehicle Personal Computing (VPC) system with touch interaction, voice interaction or sensor interaction(s) that provides access to multiple information sources and software applications such as internet connected data applications, dynamic traffic-aware navigational routing, vehicle tracking, emergency accident dispatching, business applications, office applications, music and video player(s), personal info portal, vehicle monitoring, alarm and camera security and recording.
JP2006127320A (ja) 2004-10-29 2006-05-18 Solid Technology Kk 端末属性推定装置および端末属性推定方法
JP2006127321A (ja) 2004-10-29 2006-05-18 Solid Technology Kk 端末属性後付装置および端末属性後付方法
JP4652018B2 (ja) 2004-11-04 2011-03-16 財団法人エヌエイチケイエンジニアリングサービス コンテンツ視聴装置、情報開示プログラム、視聴情報管理装置およびそのプログラム、並びに、視聴データ提供方法
US8131861B2 (en) 2005-05-20 2012-03-06 Webtrends, Inc. Method for cross-domain tracking of web site traffic
US8583827B2 (en) 2005-05-26 2013-11-12 Citrix Systems, Inc. Dynamic data optimization in data network
US7849154B2 (en) 2005-06-27 2010-12-07 M:Metrics, Inc. Acquiring, storing, and correlating profile data of cellular mobile communications system's users to events
JP4764103B2 (ja) 2005-08-18 2011-08-31 株式会社東芝 コンテンツデータ配信システム、及び情報処理装置
CN100452781C (zh) 2005-10-26 2009-01-14 华为技术有限公司 一种传送目的地用户部分不可用消息的方法
US20080086356A1 (en) 2005-12-09 2008-04-10 Steve Glassman Determining advertisements using user interest information and map-based location information
US20090030780A1 (en) 2006-01-03 2009-01-29 Ds-Iq, Inc. Measuring effectiveness of marketing campaigns presented on media devices in public places using audience exposure data
EP2011002B1 (en) 2006-03-27 2016-06-22 Nielsen Media Research, Inc. Methods and systems to meter media content presented on a wireless communication device
MX2007015979A (es) * 2006-03-31 2009-04-07 Nielsen Media Res Inc Metodos, sistemas y aparato para medicion de multiples fines.
US7941525B1 (en) 2006-04-01 2011-05-10 ClickTale, Ltd. Method and system for monitoring an activity of a user
AU2007247996B2 (en) * 2006-05-02 2012-07-12 Invidi Technologies Corporation Fuzzy logic based viewer identification
US8131763B2 (en) 2006-05-03 2012-03-06 Cellco Partnership Age verification and content filtering systems and methods
US20070271580A1 (en) 2006-05-16 2007-11-22 Bellsouth Intellectual Property Corporation Methods, Apparatus and Computer Program Products for Audience-Adaptive Control of Content Presentation Based on Sensed Audience Demographics
US20070271518A1 (en) 2006-05-16 2007-11-22 Bellsouth Intellectual Property Corporation Methods, Apparatus and Computer Program Products for Audience-Adaptive Control of Content Presentation Based on Sensed Audience Attentiveness
WO2007149341A2 (en) 2006-06-14 2007-12-27 Agent Science Technologies, Inc. System to associate a demographic to a user of an electronic system
US8151291B2 (en) 2006-06-15 2012-04-03 The Nielsen Company (Us), Llc Methods and apparatus to meter content exposure using closed caption information
US20080004958A1 (en) 2006-06-29 2008-01-03 Tony Ralph Client side counting verification testing
CN100456298C (zh) 2006-07-12 2009-01-28 百度在线网络技术（北京）有限公司 广告信息检索系统及广告信息检索方法
AU2007293092A1 (en) * 2006-09-05 2008-03-13 Innerscope Research, Inc. Method and system for determining audience response to a sensory stimulus
US8700457B2 (en) 2007-01-03 2014-04-15 William H. Bollman Mobile phone based rebate device for redemption at a point of sale terminal
CN101222348B (zh) 2007-01-10 2011-05-11 阿里巴巴集团控股有限公司 统计网站真实用户的方法及系统
US8060601B1 (en) 2007-03-07 2011-11-15 Comscore, Inc. Detecting content and user response to content
US8166076B2 (en) 2007-03-08 2012-04-24 Microsoft Corporation Digital media metadata management
KR100910517B1 (ko) 2007-03-21 2009-07-31 엔에이치엔비즈니스플랫폼 주식회사 브라우저-로그인 맵핑을 통한 타겟 인벤토리 확장 방법 및시스템
US8229458B2 (en) 2007-04-08 2012-07-24 Enhanced Geographic Llc Systems and methods to determine the name of a location visited by a user of a wireless device
US20080276179A1 (en) 2007-05-05 2008-11-06 Intapp Inc. Monitoring and Aggregating User Activities in Heterogeneous Systems
US20090217315A1 (en) * 2008-02-26 2009-08-27 Cognovision Solutions Inc. Method and system for audience measurement and targeting media
AU2008260397B2 (en) 2007-05-31 2012-08-16 The Nielsen Company (Us), Llc Methods and apparatus to model set-top box data
US8099315B2 (en) * 2007-06-05 2012-01-17 At&T Intellectual Property I, L.P. Interest profiles for audio and/or video streams
US7890592B2 (en) 2007-06-29 2011-02-15 Microsoft Corporation Processing data obtained from a presence-based system
JP2009020558A (ja) 2007-07-10 2009-01-29 Panasonic Corp セキュリティ機能付きノート型パーソナルコンピュータ
US8229780B2 (en) 2007-07-30 2012-07-24 Silvercarrot, Inc. System and method for online lead generation
US20090055241A1 (en) 2007-08-23 2009-02-26 Att Knowledge Ventures L.P. System and Method for Estimating a Qualiifed Impression Count for Advertising Data in a Communication System
US7698422B2 (en) 2007-09-10 2010-04-13 Specific Media, Inc. System and method of determining user demographic profiles of anonymous users
US20090076899A1 (en) 2007-09-14 2009-03-19 Gbodimowo Gbeminiyi A Method for analyzing, searching for, and trading targeted advertisement spaces
US7925694B2 (en) * 2007-10-19 2011-04-12 Citrix Systems, Inc. Systems and methods for managing cookies via HTTP content layer
US8073807B1 (en) 2007-11-02 2011-12-06 Google Inc Inferring demographics for website members
WO2009076617A2 (en) 2007-12-13 2009-06-18 Google Inc. Impression normalization
US20090171762A1 (en) 2008-01-02 2009-07-02 Microsoft Corporation Advertising in an Entertainment Access Service
US8180112B2 (en) 2008-01-21 2012-05-15 Eastman Kodak Company Enabling persistent recognition of individuals in images
US8769558B2 (en) * 2008-02-12 2014-07-01 Sony Computer Entertainment America Llc Discovery and analytics for episodic downloaded media
US8302120B2 (en) 2008-02-19 2012-10-30 The Nielsen Company (Us), Llc Methods and apparatus to monitor advertisement exposure
US8151194B1 (en) 2008-03-26 2012-04-03 Google Inc. Visual presentation of video usage statistics
US8112301B2 (en) 2008-04-14 2012-02-07 Tra, Inc. Using consumer purchase behavior for television targeting
WO2009146197A1 (en) 2008-04-17 2009-12-03 Arbitron Inc. Cross-media interactivity metrics
US9083853B2 (en) 2008-06-02 2015-07-14 Intent IQ, LLC Targeted television advertisements associated with online users' preferred television programs or channels
US20090307084A1 (en) 2008-06-10 2009-12-10 Integrated Media Measurement, Inc. Measuring Exposure To Media Across Multiple Media Delivery Mechanisms
US20100010866A1 (en) 2008-07-11 2010-01-14 Microsoft Corporation Advertising across social network communication pathways
US8280683B2 (en) 2008-07-17 2012-10-02 International Business Machines Corporation Probabilistic framework for the highly efficient correlation of call chains with hardware events
JP4834042B2 (ja) 2008-08-06 2011-12-07 ヤフー株式会社 ユーザ作成コンテンツ管理装置、ユーザ作成コンテンツ管理システムおよび閲覧者の嗜好調査方法
US8549163B2 (en) 2008-09-18 2013-10-01 Jonathan M. Urdan Passive parameter based demographics generation
US20100088152A1 (en) 2008-10-02 2010-04-08 Dominic Bennett Predicting user response to advertisements
US20100088373A1 (en) * 2008-10-06 2010-04-08 Jeremy Pinkham Method of Tracking & Targeting Internet Payloads based on Time Spent Actively Viewing
US20120110027A1 (en) * 2008-10-28 2012-05-03 Fernando Falcon Audience measurement system
US20100121676A1 (en) 2008-11-11 2010-05-13 Yahoo! Inc. Method and system for logging impressions of online advertisments
US8087041B2 (en) 2008-12-10 2011-12-27 Google Inc. Estimating reach and frequency of advertisements
US20100153175A1 (en) 2008-12-12 2010-06-17 At&T Intellectual Property I, L.P. Correlation of Psycho-Demographic Data and Social Network Data to Initiate an Action
US8356247B2 (en) 2008-12-16 2013-01-15 Rich Media Worldwide, Llc Content rendering control system and method
US20100161385A1 (en) 2008-12-19 2010-06-24 Nxn Tech, Llc Method and System for Content Based Demographics Prediction for Websites
GB2479113A (en) 2009-01-29 2011-09-28 Nielsen Co Methods and apparatus to measure market statistics
US20100205057A1 (en) 2009-02-06 2010-08-12 Rodney Hook Privacy-sensitive methods, systems, and media for targeting online advertisements using brand affinity modeling
KR101168705B1 (ko) 2009-02-18 2012-08-02 김기미 이동통신 단말기와 아이피 기반 정보 단말기를 이용한 맞춤, 지능형 심볼, 아이콘 인터넷 정보 검색시스템
US10445781B2 (en) 2009-03-06 2019-10-15 Xandr Inc. Advertising platform user data store management
CN101505247A (zh) 2009-03-09 2009-08-12 成都市华为赛门铁克科技有限公司 一种共享接入主机数目的检测方法和装置
KR101073112B1 (ko) 2009-03-11 2011-10-12 박상호 저작물과 광고를 공개라이센스를 이용하여 결합한 컨텐츠 관리방법 및 그 장치
US8150974B2 (en) 2009-03-17 2012-04-03 Kindsight, Inc. Character differentiation system generating session fingerprint using events associated with subscriber ID and session ID
US7882054B2 (en) 2009-03-19 2011-02-01 Gutman Levitan System for estimating audience size in a digital broadcast environment using control packets and predictions
US8266687B2 (en) 2009-03-27 2012-09-11 Sophos Plc Discovery of the use of anonymizing proxies by analysis of HTTP cookies
JP5492630B2 (ja) 2009-03-31 2014-05-14 株式会社ビデオリサーチ コンテンツ接触調査システム及びコンテンツ接触調査方法
US10008212B2 (en) * 2009-04-17 2018-06-26 The Nielsen Company (Us), Llc System and method for utilizing audio encoding for measuring media exposure with environmental masking
US20100268573A1 (en) 2009-04-17 2010-10-21 Anand Jain System and method for utilizing supplemental audio beaconing in audience measurement
US20100268540A1 (en) 2009-04-17 2010-10-21 Taymoor Arshi System and method for utilizing audio beaconing in audience measurement
US8429287B2 (en) * 2009-04-29 2013-04-23 Rangecast Technologies, Llc Network audio distribution system and method
US8990337B2 (en) * 2009-06-08 2015-03-24 Collective, Inc. Tracking advertising abandonment rates
US20100313009A1 (en) 2009-06-09 2010-12-09 Jacques Combet System and method to enable tracking of consumer behavior and activity
US20100325051A1 (en) 2009-06-22 2010-12-23 Craig Stephen Etchegoyen System and Method for Piracy Reduction in Software Activation
WO2011005155A1 (en) 2009-07-08 2011-01-13 Telefonaktiebolaget Lm Ericsson (Publ) A method and arrangements for analysing multimedia content
US9178634B2 (en) 2009-07-15 2015-11-03 Time Warner Cable Enterprises Llc Methods and apparatus for evaluating an audience in a content-based network
US20120192214A1 (en) * 2009-12-22 2012-07-26 Resonate Networks Method and apparatus for delivering targeted content to television viewers
KR101118741B1 (ko) 2009-08-31 2012-03-12 주식회사 나스미디어 인터넷 광고 시청률 제공 방법
US8504411B1 (en) 2009-09-14 2013-08-06 Aol Advertising Inc. Systems and methods for online user profiling and segmentation
US20110087519A1 (en) * 2009-10-09 2011-04-14 Visa U.S.A. Inc. Systems and Methods for Panel Enhancement with Transaction Data
US8595058B2 (en) 2009-10-15 2013-11-26 Visa U.S.A. Systems and methods to match identifiers
US8549552B2 (en) 2009-11-03 2013-10-01 The Nielsen Company (Us), Llc Methods and apparatus to monitor media exposure in vehicles
WO2011072062A2 (en) 2009-12-08 2011-06-16 Adxpose, Inc. Systems and methods for capturing and reporting metrics regarding user engagement including a canvas model
US20110153391A1 (en) * 2009-12-21 2011-06-23 Michael Tenbrock Peer-to-peer privacy panel for audience measurement
US8925024B2 (en) * 2009-12-31 2014-12-30 The Nielsen Company (Us), Llc Methods and apparatus to detect commercial advertisements associated with media presentations
US20110191184A1 (en) 2010-01-29 2011-08-04 Bank Of America Corporation Mobile location integrated merchant offer program and customer shopping
US20110246306A1 (en) 2010-01-29 2011-10-06 Bank Of America Corporation Mobile location tracking integrated merchant offer program and customer shopping
US20110191664A1 (en) 2010-02-04 2011-08-04 At&T Intellectual Property I, L.P. Systems for and methods for detecting url web tracking and consumer opt-out cookies
US20110196735A1 (en) * 2010-02-05 2011-08-11 Von Sydow Gustav System and method for measuring effectiveness of electronically presented advertizing
AU2011213606B2 (en) 2010-02-08 2014-04-17 Facebook, Inc. Communicating information in a social network system about activities from another domain
US8595789B2 (en) 2010-02-15 2013-11-26 Bank Of America Corporation Anomalous activity detection
US20120310729A1 (en) 2010-03-16 2012-12-06 Dalto John H Targeted learning in online advertising auction exchanges
CN102834842B (zh) 2010-03-23 2016-06-29 诺基亚技术有限公司 用于确定用户年龄范围的方法和装置
EP2553643A4 (en) 2010-03-31 2014-03-26 Mediamath Inc SYSTEMS AND METHOD FOR INTEGRATING A REQUIRED SIDE PLATFORM
US8626901B2 (en) 2010-04-05 2014-01-07 Comscore, Inc. Measurements based on panel and census data
US20110282730A1 (en) 2010-05-13 2011-11-17 AdChoice, Inc. System and method for selecting and implementing an internet advertising campaign
US8307006B2 (en) * 2010-06-30 2012-11-06 The Nielsen Company (Us), Llc Methods and apparatus to obtain anonymous audience measurement data from network server data for particular demographic and usage profiles
US8484511B2 (en) 2010-07-01 2013-07-09 Time Warner Cable Enterprises Llc Apparatus and methods for data collection, analysis and validation including error correction in a content delivery network
US9747605B2 (en) 2010-08-02 2017-08-29 Facebook, Inc. Measuring quality of user interaction with third party content
MX2013001160A (es) 2010-08-10 2013-03-22 Ericsson Telefon Ab L M Agregacion de informacion de distribucion demografica.
US8886773B2 (en) 2010-08-14 2014-11-11 The Nielsen Company (Us), Llc Systems, methods, and apparatus to monitor mobile internet activity
US9092797B2 (en) * 2010-09-22 2015-07-28 The Nielsen Company (Us), Llc Methods and apparatus to analyze and adjust demographic information
AU2013203898B2 (en) 2010-09-22 2015-07-02 The Nielsen Company (Us), Llc Methods and apparatus to determine impressions using distributed demographic information
US9122760B2 (en) 2010-10-12 2015-09-01 Robert Osann, Jr. User preference correlation for web-based selection
US8484241B2 (en) 2010-10-29 2013-07-09 Russell Kent Bouse Systems and methods to consolidate and communicate user profiles and modality preferences information for content delivery or interaction experiences
US8495143B2 (en) 2010-10-29 2013-07-23 Facebook, Inc. Inferring user profile attributes from social information
US8955001B2 (en) 2011-07-06 2015-02-10 Symphony Advanced Media Mobile remote media control platform apparatuses and methods
US8631122B2 (en) 2010-11-29 2014-01-14 Viralheat, Inc. Determining demographics based on user interaction
WO2012078662A1 (en) 2010-12-06 2012-06-14 Campaigngrid, Llc Electronic and network-based franking
US20120151079A1 (en) 2010-12-13 2012-06-14 Jan Besehanic Methods and apparatus to measure media exposure
US9497154B2 (en) 2010-12-13 2016-11-15 Facebook, Inc. Measuring social network-based interaction with web content external to a social networking system
US8453173B1 (en) 2010-12-13 2013-05-28 Google Inc. Estimating demographic compositions of television audiences from audience similarities
US20120158490A1 (en) 2010-12-16 2012-06-21 Yahoo! Inc. Sponsored search auction mechanism for rich media advertising
AU2011349435B2 (en) 2010-12-20 2016-08-18 The Nielsen Company (Us), Llc Methods and apparatus to determine media impressions using distributed demographic information
US8874639B2 (en) 2010-12-22 2014-10-28 Facebook, Inc. Determining advertising effectiveness outside of a social networking system
US20120173701A1 (en) 2010-12-30 2012-07-05 Arbitron Inc. Matching techniques for cross-platform monitoring and information
US20120185274A1 (en) 2011-01-14 2012-07-19 Guzihou Hu System and Method for Predicting Inner Age
US20120209920A1 (en) 2011-02-10 2012-08-16 Microsoft Corporation Social influencers discovery
US20120206331A1 (en) 2011-02-14 2012-08-16 Gandhi Sidhant D Methods and Systems for Supporting Gesture Recognition Applications across Devices
US8543454B2 (en) * 2011-02-18 2013-09-24 Bluefin Labs, Inc. Generating audience response metrics and ratings from social interest in time-based media
CN106156363B (zh) 2011-03-18 2019-08-09 尼尔森（美国）有限公司 确定媒体印象的方法和装置
US8984547B2 (en) 2011-04-11 2015-03-17 Google Inc. Estimating demographic compositions of television audiences
US20120265606A1 (en) 2011-04-14 2012-10-18 Patnode Michael L System and method for obtaining consumer information
US8315620B1 (en) 2011-05-27 2012-11-20 The Nielsen Company (Us), Llc Methods and apparatus to associate a mobile device with a panelist profile
US9282158B2 (en) * 2011-06-06 2016-03-08 Google Inc. Reducing redirects
US8560683B2 (en) 2011-06-10 2013-10-15 Google Inc. Video and site analytics
US9210208B2 (en) 2011-06-21 2015-12-08 The Nielsen Company (Us), Llc Monitoring streaming media content
US8688524B1 (en) 2011-06-28 2014-04-01 Amazon Technologies, Inc. Tracking online impressions to offline purchases
US8498491B1 (en) 2011-08-10 2013-07-30 Google Inc. Estimating age using multiple classifiers
US10783547B2 (en) 2011-08-17 2020-09-22 Facebook, Inc. Approximating unique advertisement impressions on a social networking system
US20130060629A1 (en) 2011-09-07 2013-03-07 Joshua Rangsikitpho Optimization of Content Placement
JP2013057918A (ja) * 2011-09-09 2013-03-28 Shigeto Umeda 可変長の広告を表示また、入札するシステム
WO2013039594A1 (en) * 2011-09-14 2013-03-21 Collective, Inc. System and method for targeting advertisements
US8909771B2 (en) 2011-09-15 2014-12-09 Stephan HEATH System and method for using global location information, 2D and 3D mapping, social media, and user behavior and information for a consumer feedback social media analytics platform for providing analytic measurements data of online consumer feedback for global brand products or services of past, present or future customers, users, and/or target markets
US20130080263A1 (en) * 2011-09-23 2013-03-28 Jonathan Goldman Per-view charging for video advertisements
US20130117103A1 (en) 2011-11-08 2013-05-09 Insightexpress, Llc Universal control
US20130124628A1 (en) 2011-11-15 2013-05-16 Srilal Weerasinghe Method and apparatus for providing social network based advertising with user control and privacy
WO2013078640A1 (en) 2011-11-30 2013-06-06 Google Inc. Estimating user demographics
US9331975B2 (en) 2011-12-16 2016-05-03 The Nielsen Company (Us), Llc Systems, methods, and apparatus to identify media presentation devices
WO2013112911A1 (en) 2012-01-26 2013-08-01 The Nielsen Company (Us), Llc Systems, methods, and articles of manufacture to measure online audiences
US8600796B1 (en) 2012-01-30 2013-12-03 Bazaarvoice, Inc. System, method and computer program product for identifying products associated with polarized sentiments
US20130204694A1 (en) 2012-02-07 2013-08-08 Sayso, Llc Context-Based Study Generation and Administration
US9015255B2 (en) 2012-02-14 2015-04-21 The Nielsen Company (Us), Llc Methods and apparatus to identify session users with cookie information
US8973023B1 (en) 2012-02-29 2015-03-03 The Nielsen Company (Us), Llc Methods and apparatus to determine audience duplication in cross-media campaigns
US9659105B2 (en) 2012-03-15 2017-05-23 The Nielsen Company (Us), Llc Methods and apparatus to track web browsing sessions
US9965767B2 (en) 2012-04-20 2018-05-08 Comscore, Inc. Attribution of demographics to census data
US20130325588A1 (en) 2012-06-04 2013-12-05 The Board of Trustees for the Leland Stanford, Junior, University Method and System for Measuring the Effectiveness of Search Advertising
US20130331971A1 (en) 2012-06-10 2013-12-12 Eran Bida Watermarking and using same for audience measurement
AU2013204865B2 (en) 2012-06-11 2015-07-09 The Nielsen Company (Us), Llc Methods and apparatus to share online media impressions data
US9430778B2 (en) 2012-07-30 2016-08-30 Kount Inc. Authenticating users for accurate online audience measurement
US9461876B2 (en) 2012-08-29 2016-10-04 Loci System and method for fuzzy concept mapping, voting ontology crowd sourcing, and technology prediction
AU2013204953B2 (en) 2012-08-30 2016-09-08 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
US20140108130A1 (en) 2012-10-12 2014-04-17 Google Inc. Calculating audience metrics for online campaigns
US9621446B2 (en) 2012-10-26 2017-04-11 Comscore, Inc. Combining measurements based on beacon data
US9055021B2 (en) 2012-11-30 2015-06-09 The Nielsen Company (Us), Llc Methods and apparatus to monitor impressions of social media messages
US20140279724A1 (en) 2013-03-15 2014-09-18 Turn Inc. Taxonomy configuration for page analytics and campaign creation
US20140324544A1 (en) 2013-04-26 2014-10-30 Paul Donato Methods and apparatus to determine demographic distributions of online users
US9519914B2 (en) 2013-04-30 2016-12-13 The Nielsen Company (Us), Llc Methods and apparatus to determine ratings information for online media presentations
US20140337104A1 (en) 2013-05-09 2014-11-13 Steven J. Splaine Methods and apparatus to determine impressions using distributed demographic information
US8775332B1 (en) 2013-06-13 2014-07-08 InsideSales.com, Inc. Adaptive user interfaces
US10068246B2 (en) 2013-07-12 2018-09-04 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
US9313294B2 (en) 2013-08-12 2016-04-12 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US9852163B2 (en) 2013-12-30 2017-12-26 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US9237138B2 (en) 2013-12-31 2016-01-12 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US20150193816A1 (en) 2014-01-06 2015-07-09 The Nielsen Company (Us), Llc Methods and apparatus to correct misattributions of media impressions
US8910195B1 (en) 2014-02-20 2014-12-09 Google Inc. Systems and methods for enhancing audience measurement data
EP3117385A4 (en) 2014-03-13 2017-08-02 The Nielsen Company (US), LLC Methods and apparatus to compensate impression data for misattribution and/or non-coverage by a database proprietor

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110041062A1 (en) * 2009-08-12 2011-02-17 Singer Howard M Systems, Methods, and Media for Coordinating the Presentation of Media with an Event
US20110131596A1 (en) * 2009-12-01 2011-06-02 International Business Machines Corporation Video stream measurement method and system
WO2012040371A1 (en) * 2010-09-22 2012-03-29 The Nielsen Company (Us), Llc. Methods and apparatus to determine impressions using distributed demographic information
US20120158954A1 (en) * 2010-09-22 2012-06-21 Ronan Heffernan Methods and apparatus to determine impressions using distributed demographic information
CN102740140A (zh) * 2011-04-01 2012-10-17 尼尔森（美国）有限公司 用于估计媒体内容的当地市场观众的方法、设备及制造品

Cited By (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9215288B2 (en) 2012-06-11 2015-12-15 The Nielsen Company (Us), Llc Methods and apparatus to share online media impressions data
US9912482B2 (en) 2012-08-30 2018-03-06 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US11483160B2 (en) 2012-08-30 2022-10-25 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US11870912B2 (en) 2012-08-30 2024-01-09 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US10063378B2 (en) 2012-08-30 2018-08-28 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US10778440B2 (en) 2012-08-30 2020-09-15 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US11792016B2 (en) 2012-08-30 2023-10-17 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US11669849B2 (en) 2013-04-30 2023-06-06 The Nielsen Company (Us), Llc Methods and apparatus to determine ratings information for online media presentations
US10643229B2 (en) 2013-04-30 2020-05-05 The Nielsen Company (Us), Llc Methods and apparatus to determine ratings information for online media presentations
US10937044B2 (en) 2013-04-30 2021-03-02 The Nielsen Company (Us), Llc Methods and apparatus to determine ratings information for online media presentations
US9519914B2 (en) 2013-04-30 2016-12-13 The Nielsen Company (Us), Llc Methods and apparatus to determine ratings information for online media presentations
US10192228B2 (en) 2013-04-30 2019-01-29 The Nielsen Company (Us), Llc Methods and apparatus to determine ratings information for online media presentations
US11410189B2 (en) 2013-04-30 2022-08-09 The Nielsen Company (Us), Llc Methods and apparatus to determine ratings information for online media presentations
US11222356B2 (en) 2013-08-12 2022-01-11 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US9928521B2 (en) 2013-08-12 2018-03-27 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US10552864B2 (en) 2013-08-12 2020-02-04 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US11651391B2 (en) 2013-08-12 2023-05-16 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US9313294B2 (en) 2013-08-12 2016-04-12 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US9852163B2 (en) 2013-12-30 2017-12-26 The Nielsen Company (Us), Llc Methods and apparatus to de-duplicate impression information
US11562098B2 (en) 2013-12-31 2023-01-24 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US9641336B2 (en) 2013-12-31 2017-05-02 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US10498534B2 (en) 2013-12-31 2019-12-03 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US10846430B2 (en) 2013-12-31 2020-11-24 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US9979544B2 (en) 2013-12-31 2018-05-22 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US9237138B2 (en) 2013-12-31 2016-01-12 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions and search terms
US11068927B2 (en) 2014-01-06 2021-07-20 The Nielsen Company (Us), Llc Methods and apparatus to correct audience measurement data
US11727432B2 (en) 2014-01-06 2023-08-15 The Nielsen Company (Us), Llc Methods and apparatus to correct audience measurement data
US10803475B2 (en) 2014-03-13 2020-10-13 The Nielsen Company (Us), Llc Methods and apparatus to compensate for server-generated errors in database proprietor impression data due to misattribution and/or non-coverage
US11068928B2 (en) 2014-07-17 2021-07-20 The Nielsen Company (Us), Llc Methods and apparatus to determine impressions corresponding to market segments
US10311464B2 (en) 2014-07-17 2019-06-04 The Nielsen Company (Us), Llc Methods and apparatus to determine impressions corresponding to market segments
US11259086B2 (en) 2015-07-02 2022-02-22 The Nielsen Company (Us), Llc Methods and apparatus to correct errors in audience measurements for media accessed using over the top devices
US10380633B2 (en) 2015-07-02 2019-08-13 The Nielsen Company (Us), Llc Methods and apparatus to generate corrected online audience measurement data
US11706490B2 (en) 2015-07-02 2023-07-18 The Nielsen Company (Us), Llc Methods and apparatus to correct errors in audience measurements for media accessed using over-the-top devices
US10045082B2 (en) 2015-07-02 2018-08-07 The Nielsen Company (Us), Llc Methods and apparatus to correct errors in audience measurements for media accessed using over-the-top devices
US10785537B2 (en) 2015-07-02 2020-09-22 The Nielsen Company (Us), Llc Methods and apparatus to correct errors in audience measurements for media accessed using over the top devices
US10368130B2 (en) 2015-07-02 2019-07-30 The Nielsen Company (Us), Llc Methods and apparatus to correct errors in audience measurements for media accessed using over the top devices
US11645673B2 (en) 2015-07-02 2023-05-09 The Nielsen Company (Us), Llc Methods and apparatus to generate corrected online audience measurement data
US9838754B2 (en) 2015-09-01 2017-12-05 The Nielsen Company (Us), Llc On-site measurement of over the top media
US11272249B2 (en) 2015-12-17 2022-03-08 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
US10827217B2 (en) 2015-12-17 2020-11-03 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
US11785293B2 (en) 2015-12-17 2023-10-10 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
US10205994B2 (en) 2015-12-17 2019-02-12 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
US10979324B2 (en) 2016-01-27 2021-04-13 The Nielsen Company (Us), Llc Methods and apparatus for estimating total unique audiences
US10270673B1 (en) 2016-01-27 2019-04-23 The Nielsen Company (Us), Llc Methods and apparatus for estimating total unique audiences
US11562015B2 (en) 2016-01-27 2023-01-24 The Nielsen Company (Us), Llc Methods and apparatus for estimating total unique audiences
US10536358B2 (en) 2016-01-27 2020-01-14 The Nielsen Company (Us), Llc Methods and apparatus for estimating total unique audiences
US11232148B2 (en) 2016-01-27 2022-01-25 The Nielsen Company (Us), Llc Methods and apparatus for estimating total unique audiences
US11321623B2 (en) 2016-06-29 2022-05-03 The Nielsen Company (Us), Llc Methods and apparatus to determine a conditional probability based on audience member probability distributions for media audience measurement
US11574226B2 (en) 2016-06-29 2023-02-07 The Nielsen Company (Us), Llc Methods and apparatus to determine a conditional probability based on audience member probability distributions for media audience measurement
US11880780B2 (en) 2016-06-29 2024-01-23 The Nielsen Company (Us), Llc Methods and apparatus to determine a conditional probability based on audience member probability distributions for media audience measurement
CN106101832A (zh) * 2016-07-19 2016-11-09 东软集团股份有限公司 用于评价互联网媒体的指标的计算方法和装置
CN106101832B (zh) * 2016-07-19 2020-07-03 东软集团股份有限公司 用于评价互联网媒体的指标的计算方法和装置
CN109587563A (zh) * 2017-09-29 2019-04-05 北京国双科技有限公司 收视波动异常的报警方法及装置
CN109587563B (zh) * 2017-09-29 2021-03-26 北京国双科技有限公司 收视波动异常的报警方法及装置
CN107911721A (zh) * 2017-12-01 2018-04-13 北京蓝水科技文化有限公司 一种互联网影视作品的量化评价指标确定方法及系统
CN108595513B (zh) * 2018-03-23 2021-06-22 北京奇艺世纪科技有限公司 一种视频搜索作弊处理方法及装置
CN108595513A (zh) * 2018-03-23 2018-09-28 北京奇艺世纪科技有限公司 一种视频搜索作弊处理方法及装置

Also Published As

Publication number Publication date
AU2014260163A1 (en) 2014-12-18
CA2875434C (en) 2017-05-30
US9519914B2 (en) 2016-12-13
US20230316306A1 (en) 2023-10-05
US10643229B2 (en) 2020-05-05
HK1208298A1 (zh) 2016-07-15
US10937044B2 (en) 2021-03-02
CN108960926A (zh) 2018-12-07
CN108960926B (zh) 2022-04-08
US20190122237A1 (en) 2019-04-25
KR101753179B1 (ko) 2017-07-03
WO2014179218A1 (en) 2014-11-06
CA2875434A1 (en) 2014-11-06
US11669849B2 (en) 2023-06-06
US20220335458A1 (en) 2022-10-20
EP2992680A1 (en) 2016-03-09
EP2992680A4 (en) 2016-08-24
US20200226626A1 (en) 2020-07-16
CN104541513B (zh) 2018-07-20
US20170039581A1 (en) 2017-02-09
AU2014260163B2 (en) 2016-05-05
US11410189B2 (en) 2022-08-09
DE202014011622U1 (de) 2024-01-18
US20210142344A1 (en) 2021-05-13
JP2015535353A (ja) 2015-12-10
BR112014030215A2 (pt) 2017-06-27
KR20150023344A (ko) 2015-03-05
JP6191972B2 (ja) 2017-09-06
US10192228B2 (en) 2019-01-29
US20140324545A1 (en) 2014-10-30

Similar Documents

Publication Publication Date Title
JP7071470B2 (ja) 分散された人口統計情報を使用してインプレッションを特定する方法及び装置
US11669849B2 (en) Methods and apparatus to determine ratings information for online media presentations
AU2020213400B2 (en) Methods and apparatus to determine impressions using distributed demographic information

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Splaine Steven J

Inventor after: K * K * Gaina

Inventor after: N - R - Gary

Inventor before: Splaine Steven J

Inventor before: K * K * Gaina

Inventor before: G * R * Narasinha

COR Change of bibliographic data
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1208298

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant