[发明专利]基于机器学习的网页界面生成与测试系统

说明书

简而言之，所公开的技术提供了所谓的机器学习转换优化(MLCO)系统，其使用演化计算来有效地识别搜索空间中的最成功的网页设计，而无需测试所述搜索空间中的所有可能的网页设计。所述搜索空间是根据营销人员提供的网页设计来定义的。具有单个网页或多个网页的网站漏斗被表示为基因组。基因组识别所述漏斗的不同维度和维度值。所述基因组经受演化操作，如初始化、测试、竞争和生育，以识别表现良好的亲本基因组和可能表现良好的后代基因组。每个网页都仅在有可能决定它是否有希望(即，它是应作为下一代的亲本还是应被丢弃)的方面进行测试。

相关申请的交叉引用

本申请要求于2016年1月5日提交的美国临时专利申请62/275,058“AUTOMATEDCONVERSION OPTIMIZATION SYSTEM AND METHOD USING MACHINE LEARNING”(代理人案卷号GNFN 3301-1)的权益。该优先权临时申请据此以引用方式并入；

本申请要求于2016年1月5日提交的美国临时专利申请62/275,074“AUTOMATEDSEGMENTATION/PERSONALIZATION CONVERSION OPTIMIZATION USING MACHINE LEARNING”(代理人案卷号GNFN 3302-1)的权益。该优先权临时申请据此以引用方式并入；

本申请以引用方式并入有与本文同时提交的、标题为“MACHINE LEARNING BASEDWEBINTERFACE PRODUCTION AND DEPLOYMENT SYSTEM”的美国非临时专利申请(代理人案卷号GNFN 3301-3)；

本申请以引用方式并入有与本文同时提交的、标题为“WEBINTERFACE GENERATIONAND TESTING USING ARTIFICIAL NEURAL NETWORKS”的美国非临时专利申请(代理人案卷号GNFN 3302-2)；以及

本申请以引用方式并入有与本文同时提交的、标题为“WEBINTERFACE PRODUCTIONAND DEPLOYMENT USING ARTIFICIAL NEURAL NETWORKS”的美国非临时专利申请(代理人案卷号GNFN 3302-3)。

技术领域

所公开的技术总体上涉及使用人工智能来进行网页界面生成和测试，且具体来说涉及使用演化计算来提供所谓的机器学习转换优化(MLCO)解决方案。

背景技术

本节中讨论的主题不应仅仅因为在本节中提及而被认为是现有技术。类似地，在本节中提到的或者与作为背景提供的主题相关联的问题不应被认为是先前在现有技术中已经认识到的。本节中的主题仅表示不同的方法，这些方法本身也可以对应于所要求保护的技术的实现方式。

所公开的技术提供了所谓的机器学习转换优化(MLCO)系统，其使用演化计算来有效地识别搜索空间中的最成功的网页设计，而无需测试搜索空间中的所有可能的网页设计。所述搜索空间是根据营销人员提供的网页设计来定义的。具有单个网页或多个网页的网站漏斗(funnel)被表示为基因组。基因组识别所述漏斗的不同维度和维度值。所述基因组经受演化操作，如初始化、测试、竞争和生育，以识别表现良好的亲本基因组和可能表现良好的后代基因组。每个网页都仅在有可能决定它是否有希望(即，它是应作为下一代的亲本还是应被丢弃)的方面进行测试。

在网站上运行受控实验的常用方法包括复杂的转换优化解决方案。转换优化包括同时测试网页和页面元素的多种组合和变体。例如，可以提供两个替代图像，加上两个替代标题，加上两个替代复制文本，总共二十七种可能的组合(包括原始控制版本)。因此，转换优化引入了一组相当复杂的排列和组合，需要对所述排列和组合进行分析以确定真正吸引用户的页面元素的最有效组合。