[发明专利]使用机器学习的实时在线旅行者细分的方法和系统

说明书

一种用于实时在线旅行者细分的计算机实现的方法包括访问至少一个离线数据存储库，该离线数据存储库包含多个可单独区分的旅行者的先前旅行预订的记录。对于从离线数据存储库中选择的记录的训练集中的每条记录，计算包括多个特征的对应值的特征向量。使用计算出的特征向量和与训练集中的记录对应的关联标签来训练机器学习分类器。处理器被配置为执行机器学习分类器，该机器学习分类器接收包括与在线上下文中的未识别用户对应的多个特征的值的特征向量。处理器执行机器学习分类器以确定未识别用户是预定旅行者类别的成员还是非成员的估计。

技术领域

本发明涉及用于对在线用户进行分类的机器学习模型的应用。特别地，本发明的实施例使用在旅行搜索、信息和预订系统的特定在线上下文中关于每个用户可能可用的有限信息，将未识别的用户实时地分类为一个或多个类别或细分。本发明可以应用于在线广告系统中，例如以选择最适合呈现给用户的广告，和/或确定针对呈现给用户的广告的观看或点击的适当的竞价价格。

背景技术

在线(例如，基于web、移动或应用内)广告与传统媒体中的广告不同之处在于其个性化受众定向的程度。例如，虽然广播媒体广告(诸如电视广告)旨在达到由广泛特性(诸如年龄组、社会经济状态和/或一般兴趣)所定义的目标人群，但是在线广告旨在到达对其呈现的产品、服务或信息具有特定兴趣的个人。

高度个性化受众定向技术已导致了特定于在线广告的商业模型的发展。例如，现在对于提供新闻、汇总信息和其它特定用户感兴趣的内容的网站来说，托管第三方广告作为产生收入的手段已经很常见。这些网站上出现的广告的广告主可以基于观看机会或曝光(通常如以“每千次曝光费用”(又名CPM)来计量)、基于每次点击费用(CPC)或根据某种其它性能计量来向运营商付款。放置在要呈现给个人用户的网页上的广告的实际选择可以至少部分地基于竞价处理，其中愿意支付更高CPM、CPC或其它费用计量的广告主更可能将其广告呈现给用户。

根据一种常见的模型，“广告交换平台”促进了竞价处理。广告交换是这样的技术平台，其实现允许广告主和网站以及其它在线内容的发布者经常通过实时拍卖来买卖广告空间的数字市场。著名的广告交换平台包括DoubleClick^TM(由Google^TM拥有)、AppNexus^TM、Microsoft^TM Ad Exchange^TM和OpenX^TM。

广告交换维护“广告曝光”池。发布者将其广告曝光(例如，嵌入在服务于用户的网页内的可用广告位)贡献到池中。然后，买家可以对他们想要购买的曝光竞价。竞价决策通常基于诸如广告所服务于的用户的先前行为、一天中的时间、设备类型、广告位置等信息而实时做出。在实践中，这些竞价决策本身必须非常迅速地做出，例如，使用通常称为需求方平台(DSP)的技术平台在最多几十毫秒内做出。由于广告主通过广告交换购买曝光会产生实际费用，因此DSP中部署的用于评估用户的潜在“价值”以便做出竞价决策的技术和算法的性能可能具有重大的业务影响。

广告主通常在其自己的数据库中具有有关其顾客/客户的重要信息。例如，旅行预订服务的供应商将基于单个客户具有关于旅行的频率、持续时间、等级、出发地和目的地等特性的信息。这些信息可以一起用于定义旅行者类别或市场细分，诸如“常旅行者”、“公务旅行者”、“豪华旅行者”、“经济旅行者”、“冒险旅行者”等等。相应地，如果可以利用旅行预订服务提供商的数据库内的特定客户识别经由广告交换呈现的在线用户，那么将可以选择高度针对该用户的已知旅行兴趣和偏好和/或他们已知的市场细分的广告，并让提供商的DSP积极竞价来投放这些高价值广告。

但是，在实践中，经由广告交换可获得的用户信息不足以唯一地识别单个用户。因此，虽然广告主可能具有在其自己的数据库内单独区分其顾客/客户的能力，但是在线用户一般必须被视为未识别的。简而言之，广告主的离线顾客数据和在线用户信息之间缺少链接。