通用标识制造技术

通用标识图算法将跨计算装置和数字信道的标识连接到一个客户。通用标识在装置之间和所有数字信道之间移动允许营销人员以相关品牌体验来吸引客户。通用标识图算法可映射穿越多个不同标识的客户行程，允许基于整个客户行程中的行为、习惯和偏好进行深度个性化，帮助创建更全面的客户配置文件，使营销人员能够在正确的时间和通过正确的信道以相关内容来定位客户，并可使客户迅速选择退出。

General identification

The universal identification chart algorithm connects the cross computing device and the digital channel identifier to a customer. Generic markup moves between devices and all digital channels, allowing marketers to attract customers with relevant brand experience. The general identity graph algorithm can map customer trips across multiple identities, allow depth Personalization Based on behavior, habits, and preferences throughout the customer's travel, help create a more comprehensive client configuration file, so that marketers can locate customers at the right time and through the right channels. And it can make customers quickly choose to quit.

【技术实现步骤摘要】
【国外来华专利技术】通用标识相关申请的交叉引用本申请要求2015年9月18日提交的美国临时申请No.62/220，727和2016年1月29日提交的美国临时申请No.62/288，763的优先权。本申请还涉及2016年9月19日同时提交的题为“微瞬间分析”(Atty.DocketNo.216964-40001)的专利合作条约申请No.________。上述三个申请的全部内容被纳入此处作为参考。
本公开涉及使用机器学习和其他人工智能算法对数据进行分析，并将该数据传递给由所述算法识别的最终用户。
技术介绍
在此提供的背景描述是为了说明本公开的上下文。对于本背景部分中所述的范围，既未明确也未默示为针对本公开的现有技术，专利技术人的
技术实现思路
与说明的一些方面一样，不应被视为是提交时的现有技术。目前正处于赋予客户权力的时代，客户期望品牌能够相互连接以及相关，并在每一次互动中满足他们的需求。要做到这一点，领先的营销人员正在采取一种以客户为导向的方式，通过投资于数据、人才、工具和战略来改变其业务，以满足相关客户的需求。今天，许多品牌都在努力跟上数据的量、速度和多样性，以满足客户的期望。根据Gartner研究，数据的可用性导致了对数据使用的期望，以实现相关的个性化体验。仅仅收集和构造数据是不够的，必须对其采取行动。消费者期待及时、相关和无缝的品牌体验。因此，品牌必须预知和预测客户的需求、习惯、趋势和偏好，以便在正确的决策时刻与客户进行1：1的对话。随着互联经济的加速推进，数据被证明是市场营销中最有价值的货币。物联网(loT)产生的大量数据将放大问题和机会。但是，如果其他数据不能转化为有用的洞察力以告知独特的差异化的品牌体验，那么其将缺乏价值。一种被描述为“数据瘫痪”的现象使大部分数据无法使用。虽然机会是巨大的，但随着连接经济产生的数据的量、种类和速度急剧增长，数字营销变得越来越困难。从某种程度上看，存储的信息量比世界经济增长快四倍，而计算机的处理能力则增长了九倍。因此营销人员正努力克服信息超载，问题是，这使他们陷入了数据瘫痪的境地，而数据带来的好处从未得到充分实现。在某种程度上，这种情况源于缺乏正确的算法和技术组合，无法将大数据转化为可操作的智能。
技术实现思路
本内容中所描述的特征和优点和下面的详细说明并不是全部。本领域的普通技术人员根据附图，具体说明，和权利要求可容易地发现许多额外的特征和优点。另外，本内容中描述的一个或多个(或全部)特征和优点在其他实施例中可以被省略。机器智能平台提供一种摆脱数据瘫痪的方法。机器智能平台可以从数据驱动的营销转向智能营销，在智能营销中，每天的决策都由潜在的数十亿个数据点决定，而不是猜测和假设。该平台可以利用大量的结构化、半结构化和非结构化数据，可以吸收、分析和比较这些数据。机器学习算法可以基于过去发生的相似模式来提供一些可能是错误的或正确的统计性证据。用于数据分析的“微瞬间”策略可以提供进一步的洞察力。当客户消费内容、相互交流、同时进行多个对话时，营销人员面临的挑战是如何确定参与的最佳时机。在这些被称为“微瞬间”的最佳机会中，买家可能决定继续或放弃与品牌的关系。该微瞬间是实时的、意图驱动的活动，是品牌塑造客户决定和偏好的关键机会。机器智能平台可以绘制穿越装置和信道的整个客户行程图，以预测消费者希望如何与品牌进行交互，并为消费者设置个性化的每个时刻。随着数据量的增长，使用微瞬间值算法提取的情报可以从多个源中摄取和激活数据，从而提供洞察力，使我们能够挖掘出消费者行程中的微瞬间。实时识别商务可以使营销人员通过支持个别调整的商品销售、产品推荐、个性化搜索和导航来定制购物体验。机器学习可以支持针对性和动态的定价和促销的传达。算法可以实时学习购物行为，以便在发生时更新客户体验的相关性。机器学习可以释放数据量，提供高度定制的体验。在一些实施例中，机器智能平台可以使用实时客户洞察力和客户级别属性，在适当的时候确定最佳可用资产、正确的创意、消息、供应和呼叫行动。数据驱动的受众群体可以在营销人员的商务、媒介和客户参与信道中被动态创建和激活。在机器智能平台中，高频智能中心可以处理数百万信号和个性化数据流，以定制和激活跨信道的针对性通信，让营销人员与被示出最能接受信息的客户接触。这使得营销人员和品牌能够使用智能服务在提供洞察力和情报的同时为媒介、商务、CRM和客户体验提供信息。在一些实施例中，高频智能集中心可以执行实时解析，用于物联网(“IoT”)解决方案，每秒数百万次活动，穿越多个数据流的相关性，并以可预测的结果高速度处理数据流且无数据损失。此外，通用标识图算法可以帮助营销人员将穿越装置和信道的标识连接至客户。通用标识可以让营销人员无缝和安全地与装置之间和所有数字触点之间移动的品牌体验相关的客户接触。例如，在一些实施例中，通用标识图算法可以与各种数字管理平台(“DMPs”)集成，来映射穿越多个不同标识的客户行程，允许基于整个客户行程中的行为、习惯和偏好进行深度个性化，帮助创建更全面的客户配置文件，使营销人员能够在适当的时间和通过正确的信道以相关内容来定位客户，并可使客户迅速选择退出。微瞬间值算法可以使高频智能中心使用通用标识图算法在正确的时间向正确的人传递正确的信息。微瞬间是客户行程中的“触点”，用来确定行程的结束方式。微瞬间值算法可以预测客户行程中客户清楚地展示其意图的关键时刻，从而在行程中提供最引人注目的机会来吸引客户。例如，在一些实施例中，微瞬间值算法可以预测以意图驱动微瞬间吸引客户的合适时间，在正确的时间以相关的广告和/或内容来吸引客户，通过屏幕和频道连接“点”，并映射客户行程中的所有微瞬间。计算机实施系统可以创建和匹配跨多个计算机网络装置和信道的单个用户的通用标识，该系统可以包括数字营销平台服务器，包括一个或多个处理器、与一个或多个处理器耦合的存储器，以及用于创建和分析贝叶斯网络的多种模块。聚类模块可以包括存储在存储器中并可在处理器上操作的处理器可执行指令，在对应于多个客户的数据执行一个或多个聚类方法。该数据可以识别用于客户的装置和通道。回归模块可以包括存储在存储器中并可在处理器上操作的处理器可执行指令，在对应于多个客户的数据执行回归分析。多类分类模块可以包括存储在存储器中并可在处理器上操作的处理器可执行指令，以便创建用于装置和通道中的一个或多个的多类分类器，异常检测模块可以包括存储在存储器中并可在处理器上操作的处理器可执行指令，以接收对应于多个客户的数据中的数据类所对应的培训数据，并迭代装置和通道用以确定多个通用IDs的所有可能的组合。二进制分类模块可以包括存储在存储器中并可在处理器上操作的处理器可执行指令，创建二进制分类器来用于对应多个客户的数据，所述二进制分类器可标识与客户的一组装置和信道数据相匹配的通用ID。在进一步的实施例中，计算机实施的方法可基于存储在计算装置的存储器中并可在计算装置的处理器上操作的指令，从对应于多个客户的数据中创建通用ID，在一些实施例中，该方法可基于对应于多个客户的数据创建贝叶斯网络。贝叶斯网络可示出对应于多个客户的数据之间的概率关系，该方法还可以在贝叶斯网络上执行条件查询和最大查询，查询包括后验边际、证据概率、最可能的解释和最大后验假设，该方法还可以基于贝叶斯网络发现对应于多本文档来自技高网...

【技术保护点】
1.一种为跨多个计算机网络装置和信道的单个用户创建和匹配通用标识的系统，包括：数字营销平台服务器，包括一个或多个处理器、与所述一个或多个处理器耦合的存储器；聚类模块，包括存储在所述存储器中并在所述处理器上操作的处理器可执行指令，在对应于多个客户的数据上执行一个或多个聚类方法、所述数据识别用于客户的装置和信道；回归模块，包括存储在所述存储器中并在所述处理器上操作的处理器可执行指令，执行对应于所述多个客户的所述数据的回归分析；多类分类模块，包括存储在所述存储器中并在所述处理器上操作的处理器可执行指令，为所述装置和信道中的一个或多个创建多类分类器；异常检测模块，包括存储在所述存储器中并在所述处理器上操作的处理器可执行指令，接收对应于所述多个客户的数据中数据类的训练数据，并迭代所述装置和信道所有可能的组合以确定多个通用ID；以及二进制分类模块，包括存储在所述存储器中并在处理器上操作的处理器可执行指令，为对应于所述多个客户的数据创建二进制分类器，所述二进制分类器识别一个通用ID，匹配用于所述客户的所述装置和信道数据集。

【技术特征摘要】
【国外来华专利技术】2015.09.18 US 62/220,727;2016.01.29 US 62/288,7631.一种为跨多个计算机网络装置和信道的单个用户创建和匹配通用标识的系统，包括：数字营销平台服务器，包括一个或多个处理器、与所述一个或多个处理器耦合的存储器；聚类模块，包括存储在所述存储器中并在所述处理器上操作的处理器可执行指令，在对应于多个客户的数据上执行一个或多个聚类方法、所述数据识别用于客户的装置和信道；回归模块，包括存储在所述存储器中并在所述处理器上操作的处理器可执行指令，执行对应于所述多个客户的所述数据的回归分析；多类分类模块，包括存储在所述存储器中并在所述处理器上操作的处理器可执行指令，为所述装置和信道中的一个或多个创建多类分类器；异常检测模块，包括存储在所述存储器中并在所述处理器上操作的处理器可执行指令，接收对应于所述多个客户的数据中数据类的训练数据，并迭代所述装置和信道所有可能的组合以确定多个通用ID；以及二进制分类模块，包括存储在所述存储器中并在处理器上操作的处理器可执行指令，为对应于所述多个客户的数据创建二进制分类器，所述二进制分类器识别一个通用ID，匹配用于所述客户的所述装置和信道数据集。2.根据权利要求1所述的系统，其中对应于多个客户的所述数据包括第一方数据和第三方数据中的一个或多个。3.根据权利要求2所述的系统，其中所述第一方数据包括客户配置文件、偏好、习惯和行为、以及信道数据中的一个或多个，所述客户配置文件包括用于商家数字内容系统中特定商家的客户名称和帐户信息中的一个或多个，所述偏好包括客户与商家的购买历史记录、意愿列表、Cookie数据、投标请求或响应、以及客户和商家之间的社交喜好中的一个或多个，所述习惯和行为包括客户和/或商家位置、Wi-FiSSID、以及商家对客户数据进行的数据分析中的一个或多个，且所述信道数据包括客户/商家商业数据、客户关系管理CRM数据、以及社交媒体数据中的一个或多个，所述第三方数据包括应用程序市场数据和社交媒体数据中的一个或多个。4.根据权利要求3所述的系统，其中所述一个或多个聚类方法包括K-均值聚类过程。5.根据权利要求4所述的系统，其中所述回归分析包括：一个或多个回归函数，包括有序回归、神经网络回归、贝叶斯线性回归、决策森林回归和K-均值回归中的至少一个。6.根据权利要求5所述的系统，其中所述回归模块包括存储在所述存储器中并在所述处理器上操作的进一步处理器可执行指令，从对应于多个客户的所述数据中合并来自非结构化数据集的ID属性。7.根据权利要求6所述的系统，其中所述回归模块还包括存储在所述存储器中并在所述处理器上操作的进一步处理器可执行指令，确定对应于所述多个客户的所述数据的各数据源对于所述一个或多个回归函数的贡献，以便将对应于所述多个客户的所述数据中的唯一数据片与单个通用ID相匹配。8.根据权利要求7所述的系统，其中所述多类分类模块包括存储在所述存储器中并在所述处理器上操作的进一步处理器可执行指令，以预测匹配的装置和信道的一个或多个值。9.根据权利要求8所述的系统，其中所述多类分类模块还包括存储在所述存储器中并在所述处理器上操作的进一步处理器可执行指令，来执行所述指令从而在预测匹配的装置和信道的值之前，为所述数据描述的所述装置和信道中的一个或多个创建多类分类器。10.根据权利要求9所述的系统，其中所述多类分类模块还包括存储在所述存储器中并在所述处理器上操作的进一步处理器可执行指令，执行以下中的一个或多个：基于所述数据创建和穿越多类神经网络、基于所述数据创建和穿越多类决策林、以及基于所述数据创建和穿越贝叶斯网络。11.根据权利要求...

【专利技术属性】
技术研发人员：史密斯·法德里，
申请(专利权)人：MMS美国控股有限公司，
类型：发明
国别省市：美国,US