СИСТЕМЫ, УСТРОЙСТВА И СПОСОБЫ ИСПОЛЬЗОВАНИЯ КОНТЕКСТНОЙ ИНФОРМАЦИИ Российский патент 2015 года по МПК G06Q30/02 H04W4/00 

Уровень техники

Быстрое развитие беспроводных устройств и их улучшенные возможности позволяют пользователям осуществлять связь и получать огромное количество информации, и при этом пользователи имеют высокую мобильность. Пользователи таких устройств способны собирать в большом объеме контекстную информацию об окружающей обстановке, своем взаимодействии и о самих себе с помощью различных платформ. Эти платформы включают в себя, но этим не ограничены, мобильные устройства связи/вычисления (например, PDA (ПЦП), телефоны, МШ (МИУ)), стационарные или портативные вычислительные устройства (переносные и настольные компьютеры) и службы и платформы для облачных вычислений. Как необработанный контекст, так и профили, извлеченные из данного контекста, имеют потенциально высокое значение для пользователя, если пользователь может правильно ими управлять и использовать данную информацию совместно с поставщиком услуг. Поставщики услуг могут использовать данную информацию для лучшей адаптации предложений для пользователя, лучшего понимания пользователя или для представления предмета или услуги каким-либо новым способом и последующей их продажи (т.е. получения денег).

Пользователя потенциально удерживают преимущества, получаемые посредством лучшего обслуживания или посредством специфических стимулов. Способность пользователя получать выгоду от данного контекста ограничена следующими особенностями: не существует автоматического способа совместного использования, объединения или интегрирования контекста между платформами, используемыми одним и тем же пользователем; не существует автоматического и/или стандартного способа для совместного использования контекста пользователем и поставщиком услуг; не существует простого механизма управления доступом к контексту.

Информация о местоположении, такая как координаты GPS, название улицы и номер дома или название фирмы, полезна для навигации. В других применениях могут лучше подходить семантические метки, такие как "мой дом", "дом друга", "мой офис", "мой спортзал".

При покупках в интернет-магазине пользователь обычно взаимодействует с интерфейсом на основе web-технологий, просматривая списки товаров и осуществляя поиск. Поиск может быть сделан для комбинации категории товара, названия торговой марки или особых характеристик товара (например, номера модели). Как сам по себе поиск, так и просмотренные страницы (просмотренные сайты и содержание конкретных страниц) обеспечивают понимание заинтересованности пользователя в рынке тех или иных товаров.

Таким образом, существует острая необходимость в системе, устройстве и способе, способных собирать, аккумулировать, манипулировать, управлять и использовать контекстную информацию.

Краткое описание чертежей

Предмет изобретения подробно обозначен и отчетливо заявлен в заключительной части описания изобретения. Однако изобретение в отношении общей организации и принципов работы, а также предметов, признаков и преимуществ изобретения будет лучше понятно из нижеследующего описания при его прочтении с использованием сопроводительных чертежей, на которых:

фиг.1 отображает конструктивные блоки вариантов осуществления настоящего изобретения;

фиг.2 отображает кластеризацию и нанесение на карту согласно вариантам осуществления настоящего изобретения;

фиг.3 отображает идентификацию и повышение уровня согласно вариантам осуществления настоящего изобретения;

фиг.4 отображает товар с его характеристиками и информацию о просмотре/покупке или информацию/историю нахождения данного товара пользователем согласно вариантам осуществления настоящего изобретения.

Необходимо заметить, что для простоты и ясности понимания, элементы, показанные на фигурах, не обязательно изображены в масштабе. Например, размеры некоторых элементов чрезмерно увеличены относительно других элементов для четкости понимания. Кроме того, где это уместно, номера ссылочных позиций повторяются среди фигур для обозначения соответствующих или аналогичных элементов.

Осуществление изобретения

В нижеследующем подробном описании изложено множество специфических деталей для обеспечения лучшего понимания изобретения. Однако специалисты в данной области техники должны понимать, что настоящее изобретение может быть осуществлено на практике без этих специфических деталей. Другими словами, хорошо известные способы, процедуры, компоненты и схемы не описаны подробно, чтобы не затруднять понимание изобретения.

Несмотря на то что изобретение не ограничено в этом отношении, использование терминов "обработка", "вычисление", "расчет", "определение", "установка", "проверка" и т.п. может относиться к обработке/работе компьютера, компьютерной платформы, компьютерной системы или другого электронного устройства, которые манипулируют и/или преобразуют данные, представленные физическими (например, электронными) величинами в компьютерных регистрах и/или памяти, в другие данные, также представленные физическими величинами в компьютерных регистрах и/или памяти или на другом носителе данных, который может хранить инструкции для выполнения работы/обработки.

Несмотря на то что изобретение не ограничено в этом отношении, термины "множество" и "одно множество", используемые в данном документе, могут включать в себя, например, "многочисленный" или "два или более". Термины "множества" и "одно множество" могут быть использованы в данном документе для описания двух или более компонентов, устройств, элементов, блоков, параметров и т.п. Например, "множество станций" может включать в себя две или более станций.

Как было описано выше, пользователи способны все больше и больше получать контекстную информацию об окружающей обстановке, своем взаимодействии и о самих себе с помощью различных платформ. Эти платформы включают в себя, но этим не ограничены, мобильные устройства связи/вычисления (например, PDA (ПЦП), телефоны, MID (МИУ)), стационарные или портативные вычислительные устройства (переносные и настольные компьютеры)) и службы и платформы для облачных вычислений. Как необработанный контекст, так и профили, извлеченные из данного контекста, имеют потенциально высокое значение для пользователя, если пользователь может правильно ими управлять и использовать данную информацию совместно с поставщиком услуг. В вариантах осуществления настоящего изобретения предложена платформа, которая является платформой для связи и усвоения информации.

В вариантах осуществления настоящего изобретения могут быть использованы эвристики, основанные на базе данных общедоступных сведений, для перевода местоположения, отслеживаемого в течение времени и объединенного с другими частями простого контекста, например днем недели или временем дня, в семантическое местоположение посредством базовых стандартных блоков, обозначенных как 100 на фиг.1, на которой показаны следующие стандартные блоки: опознавания 105, понимания 110, профилирования и рекомендации 115 и визуализации 120. Как показано на фиг.1, блок 105 опознавания включает в себя сбор данных 125 GPS и информацию 130 близости, подаваемые в данные 197. Блок 110 понимания включает в себя повышение 145 уровня, идентификацию 150, нанесение 155 на карту местоположения и кластеризацию 160, так же как и классификацию 170 и идентификацию 175. Блок 115 профилирования и рекомендации включает в себя профилирование 180, рекомендацию 185 и совместное использование 190 информации. GUR (ГИП) 195 служит примером блока 120 визуализации.

Например, если координаты 125 GPS показывают то, что человек находится, в общем, в одном и том же местоположении каждый день начиная с полуночи и до некоторого времени утра, мы можем предположить, что данное местоположение является домом. В большинстве случаев, такое предположение не может быть легко получено и/или проверено с использованием общедоступных данных, однако человеческие знания говорят нам, что оно является верным с высокой долей вероятности.

Варианты осуществления настоящего изобретения обеспечивают создание интерфейса, в котором такие эвристики могут быть созданы и идентифицированы. Отслеживаемые данные координат 125 GPS, получаемые постоянно на протяжении всего дня пользователя, сначала могут быть кластеризированы 160 для представления, в общем, одного местоположения, затем они могут быть нанесены 155 на карту для определения интересуемых местоположений, после чего выполняют дополнительную идентификацию с использованием общедоступной информации и человеческих знаний 150 и повышение уровня 145 до названия улицы и номера дома или названия фирмы, затем выполняют семантическую интерпретацию (понимание 110) в одной или нескольких категориях или классификацию 170 (дом, работа, покупка товаров, развлечение, поездка и т.п.) в совокупности с интерпретацией близости 175 (например, кто рядом?, члены семьи, коллеги и др.). Последний этап использует эвристики, такие как: (1) если пользователь проводит большинство вечеров в одном и том же местоположении, это, возможно, дом, (2) если пользователь проводит большую часть рабочего времени в одном и том же местоположении, это, возможно, его работа, (3) если пользователь находится с коллегой в ресторане, это, возможно, обеденный перерыв, (4) если пользователь находится в аэропорту с членами своей семьи, это, возможно, отпуск. Этот этап является важным, поскольку нанесение на карту с использованием наборов координат 125 GPS для определения названия фирмы или адреса может привести к множеству ложных положительных и отрицательных выводов. Таким образом, в вариантах осуществления настоящего изобретения определяют типичные пользовательские шаблоны и интересы, текущую деятельность и цели, жизненные события и специфические стечения обстоятельств для дачи рекомендаций или предоставления информации о продаваемых товарах. Шаблоны могут включать в себя: как часто пользователь предпочитает посещать магазины, в магазины каких типов он ходит, где он предпочитает принимать пищу, как он развлекается, как часто посещает спортзал, и другие подобные человеческие интересы. Жизненные события могут включать в себя свадьбу, рождение ребенка, отпуск, покупку нового дома или другие важные события в жизни. Эти шаблоны и жизненные события могут быть установлены в соответствии с тем, куда пользователь ходит в течение одного или более дней и какие люди находятся рядом с ним.

В течение некоторого времени мобильное устройство может отслеживать, возможно, через GPS, местоположения, которые посетил пользователь, что, в общих чертах, показано ссылочной позицией 200 на фиг.2 и 300 на фиг.3. На фиг.2 показана кластеризация и нанесение на карту согласно вариантам осуществления настоящего изобретения, что включает в себя начало работы 210 с текстовым файлом регистрации координат GPS; и если пользователь остается на месте (например, больше 10 минут в периметре одного местоположения), то кластеризацию и анализ 220 местоположения и идентификацию 230 близлежащих мест с использованием служб определения местоположения, например, но изобретение ими не ограничено, Microsoft® MapPoint® или Google Maps®. Пример смартфона или PDA и т.п., обозначенный ссылочной позицией 240, не подразумевает ограничение настоящего изобретения каким-либо конкретным устройством связи и усвоения информации.

На фиг.3 ссылочной позицией 300 отмечены, в общем виде, идентификация и повышение уровня в течение дня пользователя согласно вариантам осуществления настоящего изобретения, которые могут использовать общедоступные справочники, которые не идентифицируют жилые районы и другие общие места. На этапе 320 строится эвристика, которая может использовать множество входной информации для идентификации местоположений (например, место, где пользователь находился ночью, скорее всего его дом), так же как и использовать дни недели, предыдущее поведение, календарную информацию или даже ввод от пользователя и его ответную реакцию для идентификации дневного шаблона - это является всего лишь примерами данных, которые могут быть учтены при построении эвристики. Опять же, ссылочная позиция 330, на которой показан пример смартфона или PDA и т.п., не подразумевает ограничение настоящего изобретения каким-либо конкретным устройством связи и усвоения информации. Как показано на фиг.3, каждый день месяца может быть разбит на промежутки времени, в течение которых пользователь занят определенной деятельностью, например, принятие пищи, передвижение (hwy), деятельность по дому, деятельность на рабочем месте или развлечения.

Знание общих предпочтений при посещении магазинов или привычек пользователя является ключевой информацией для целевой рекламы. Варианты осуществления, приведенные в данном документе, могут использовать поведение при просмотре интернет-сайтов для определения товаров, которые пользователь заинтересован приобрести, и его обычное поведение при посещении магазинов.

Как было описано выше, при покупках в интернет-магазине пользователь обычно взаимодействует с интерфейсом на основе web-технологий, просматривая списки товаров и осуществляя поиск. Поиск может быть сделан для комбинации категории товара, названия торговой марки или особых характеристик товара (например, номера модели). Как сам по себе поиск, так и просмотренные страницы (просмотренные сайты и содержание конкретных страниц) обеспечивают понимание заинтересованности пользователя в рынке тех или иных товаров. Например, если пользователь ищет конкретный номер модели товара на сайтах нескольких продавцов в течение короткого промежутка времени, это, скорее всего, указывает на то, что пользователь заинтересован в конкретном товаре. Если пользователь последовательно ищет разные модели в одной и той же категории, это может указывать на заинтересованность в товарах некоторой категории, а не в конкретном товаре (таким образом, мы можем повысить уровень заинтересованности от конкретного товара до более широкой категории). Если пользователь ищет товары некоторой категории и торговую марку, это может означать, что пользователь предпочитает некоторую торговую марку. Если пользователь кладет товары в электронную корзину на нескольких сайтах, возможно, для проверки цены товаров и стоимости их доставки, то пользователь очень близок к совершению покупки. Вышеприведенные примеры могут быть расширены для идентификации некоторых характеристик покупателя: какой тип товаров пользователь обычно приобретает (например, одежду или электронику), каким торговым маркам отдает предпочтение, каким продавцам отдает предпочтение (на каких сайтах пользователь совершает фактические покупки), импульсивность (сколько пользователь тратит времени и сколько делает поисковых запросов перед приобретением) и его экономность (как часто выбирается вариант с наименьшей ценой, включающей доставку).

Несмотря на то что изобретение не ограничено в этом отношении, варианты осуществления настоящего изобретения могут быть встроены в средство просмотра веб-страниц в сети Интернет, например являться дополнительным программным модулем для FireFox®. В таком варианте осуществления дополнительный программный модуль просматривает загружаемые веб-страницы и анализирует URL, текст страницы и cookies, связанные с каждой загружаемой веб-страницей.

Данный модуль может также анализировать отдельные страницы для определения, присутствуют ли в них результаты поиска или они являются веб-страницами с описанием товаров, на основе известных шаблонов веб-страниц. Поисковые формы могут быть распознаны на различных сайтах продавцов (упомянуты ниже), а также на google.com, shopper.com, wikipedia.com и yahoo.com. Система использует известные форматы URL, структуру страницы и шаблоны текста. Система отслеживает, сколько раз был произведен поиск, и круг сайтов, на которых был произведен поиск.

В вариантах осуществления настоящего изобретения могут быть распознаны просмотры товара на сайтах продавцов, таких как amazon.com, homedepot.com, bedbathandbeyond.com, bestbuy.com, google.com и target.com, но изобретение не ограничено в этом отношении. Подробности о товаре (показанные в общих чертах и обозначенные ссылочной позицией 400 на фиг.4) могут быть собраны с веб-страниц (используя известные форматы URL, структуру страницы и шаблоны текста), а дополнительная информация может быть получена от общедоступных веб-служб, таких как Amazon Web Service и аналогичной базы данных BestBuy, содержащих подробные описания, идентификаторы и информацию о категориях для огромного количества продаваемых товаров. Пока пользователь просматривает информацию о продукте через типичный веб-интерфейс, показанный ссылочной позицией 400 на фиг.4, система может отследить множество товаров 410, которые пользователь просмотрел в течение некоторого времени. Для каждого товара система может отследить ключевую информацию, такую как описание товара, категория, производитель, номер модели и код UPC, что позволяет устанавливать соотношение для множественных просмотров одного и того же товара. Система может предположить, что два товара являются одинаковыми, если большая часть доступной информации о товаре совпадает с данной записью. Для каждой записи о товаре, система может поддерживать список сайтов, на которых пользователь просматривал информацию 440 о товаре, включающую в себя идентификацию товара продавцов, дату последнего посещения данного продавца, количество просмотров данного товара у данного продавца, количество раз, когда пользовать активно взаимодействовал с веб-страницей товара (сколько раз пользователь ее выбирал и прокручивал данную страницу), а также количество раз, когда товар был помещен в виртуальную корзину. Система может отслеживать некоторые поисковые запросы 430, характеристики которых включают в себя сайты, на которых был сделан запрос (как на сайтах продавцов, так и в поисковых системах), сколько раз был сделан поисковый запрос и дату последнего поиска. Система также может отслеживать список всех посещенных сайтов, который включает в себя количество посещений и дату последнего посещения каждого сайта. Дополнительно, система может идентифицировать пользователя с использованием веб-страницы и cookies и, таким образом, соотнести 450 поисковые запросы и просмотры товаров с некоторым конкретным пользователем. Идентификация текущего пользователя может быть сделана в начале, при проверке cookies, представляющих имена зарегистрированных на веб-сайте пользователей, или интерактивно, наблюдая за тем, как пользователь аутентифицирует себя на некотором веб-сайте.

При отслеживании вышеописанной информации, система может попытаться угадать, вычислить или каким-либо другим образом определить, в приобретении какого товара пользователь активно заинтересован. В данном варианте осуществления это может быть выполнено оценкой показателей для каждого товара в соответствии с нижеследующей формулой:

$$score=A^d\left(W_p{V}_p+W_a{V}_a+W_M\left(M-1\right)+W_{c}C+{\displaystyle \sum _{searches}{W}_s{S}_i}\right)$$

где А является коэффициентом срока действия (например, 0.9),

d обозначает количество дней, прошедшее после последнего просмотра данного товара,

V_p обозначает общее количество просмотренных страниц с данным товаром для всех продавцов,

W_p обозначает числовой весовой коэффициент для посмотренных страниц,

V_a обозначает количество активных просмотренных страниц с данным товаром для всех продавцов,

W_a обозначает числовой весовой коэффициент для активных посмотренных страниц,

М обозначает количество продавцов, у которых данный товар был просмотрен,

W_M обозначает числовой весовой коэффициент для количества продавцов,

С обозначает количество раз, когда товар был помещен корзину у всех продавцов,

W_C обозначает числовой весовой коэффициент для добавления товара в корзину,

S_i является количеством слов, используемых в поисковом запросе, сделанном на итерации i и совпадающем с метаданными данного товара,

W_s обозначает числовой весовой коэффициент для совпадения метаданных.

Список с оценкой каждого из товаров обозначен ссылочной позицией 410. Поскольку список отсортирован в убывающем порядке, то можно предположить, что товары, находящиеся в самом верху списка, могут быть товарами, в которых заинтересован пользователь.

Система также может использовать собранную информацию для определения, какие категории товаров пользователь обычно покупает, и набор наиболее часто посещаемых продавцов. Система может также определить типичный пользовательский шаблон покупки, например как долго (в терминах времени и количества просмотренных информационных ресурсов) пользователь просматривает товары перед совершением покупки. Вся вышеописанная информация может быть использована для дачи рекомендации в виде предложения, относящегося к соответствующим товарам, категориям товаров или продавцам.

Как было описано выше, персональное пользовательское устройство может определить интересы пользователя по приобретению товара. Данные интересы могут представлять цель пользователя. В некоторых случаях, цель может иметь временную последовательность. Например, подарок должен быть приобретен перед днем рождения близкого человека. В других случаях, временная последовательность может не являться окончательной. До тех пор пока цель является активной, она является частью профиля пользователя и могут быть даны рекомендации для помощи пользователю в достижении данной цели. Факт приобретения товара может представлять собой достижение цели, что снижает интерес пользователя к получению дальнейших рекомендаций относительно данной цели. Однако другие цели могут быть выведены в качестве результата. Например: купить другой подарок в следующем году, не забыть осенью смазать новые лыжи, обновить гарантию на следующий год, В вариантах осуществления настоящего изобретения данные цели могут быть добавлены к профилю пользователя для дачи дополнительных рекомендаций. Достижение цели может быть идентифицировано посредством различных результатов контекстного ввода: местоположение (обращение внимания на то, что пользователь переместился в пункт назначения для совершения конкретной покупки), отслеживание активности при посещении интернет-магазинов, счета по кредитным картам, транзакции оплаты по телефону (например, но этим не ограничено, оплату инициирует телефонное устройство и окончательная оплата производится через счет за телефон).

В вариантах осуществления настоящего изобретения активность может быть разбита на функциональные подгруппы, которые могут быть полезны для создания рекомендаций, поскольку часть активности может быть приятной, в то время как другая неприятной. Оценка всей активности не может адекватно отразить данные нюансы. Идентификация данных функциональных подгрупп может быть выполнена с использованием различных датчиков и получаемого от них контекста. Затем может быть создана и оценена последовательность этих функциональных подгрупп в соответствии с состоянием пользователя во время активности каждой функциональной подгруппы. Например, когда пользователь пошел в кинотеатр и не происходит разбиения активности, он может оценить свои впечатления на 3 балла. Однако мы можем разбить активность на разные части, т.е. парковку на стоянке кинотеатра, покупку билетов в кассе, приобретение воздушной кукурузы и освежающих напитков в буфете, вход в кинозал, просмотр фильма и, возможно, посещение туалета. В результате, каждая из этих функциональных подгрупп получит разную оценку, и, соответственно, в будущих рекомендациях может быть предложен другой кинотеатр, если очередь в буфет слишком длинная и автостоянка является слишком тесной и плохо освещенной, и, в то же время, фильм того же самого режиссера может быть лучшим выбором для рекомендации, если пользователю понравился просмотренный фильм. Поскольку функциональная подгруппа имеет свой собственный контекст, оценка будет влиять на данный контекст и не оказывать влияния, положительного или отрицательного, на другой контекст.

В вариантах осуществления настоящего изобретения цель может быть определена на основе активности пользователя или другого контекста. В то время как мы можем приписать все такие цели пользователю (владельцу устройства), пользователь часто выполняет задачи, относящиеся к другим людям (например, посещение магазина с другом, приобретение подарка, поездка за товаром для кого-то другого). Такое приписывание всех действий к интересам и профилю пользователя загрязняет профиль пользователя. Вместо этого, в вариантах осуществления настоящего изобретения могут быть использованы ориентиры для определения, относится ли цель к пользователю или кому-то другому. Например, если мужчина посетил парфюмерный магазин за несколько дней до годовщины своей свадьбы, мы можем предположить, что он покупает подарок своей жене. Если мужчина находится в магазине женской одежды со своей девушкой, мы можем предположить, что он пришел, чтобы составить ей компанию, а не за покупками. Результатом является сегментированный профиль. Основной сегмент относится непосредственно к пользователю. Другие сегменты относятся к другой активности или другим людям, которые имеют отношение к пользователю.

Несмотря на то что некоторые признаки настоящего изобретения были проиллюстрированы и описаны в данном документе, специалисты в данной области техники могут предложить множество модификаций, замен, изменений и аналогов. Таким образом, необходимо понимать, что прилагаемая формула изобретения предназначена для охвата всех таких модификаций и изменений, которые соответствуют идее изобретения.

Изобретение относится к компьютерной технике. Технический результат - возможность объединения контекстной информации в семантическую информацию о местоположении пользователя. Способ определения товара, интересующего пользователя в качестве объекта приобретения, содержит этапы, на которых: определяют с помощью компьютерного устройства поведение пользователя при просмотре веб-страниц, основываясь, по меньшей мере частично, на мониторинге множества веб-страниц, к которым осуществлялся доступ через сеть посредством интерфейса, и анализе по меньшей мере одного из унифицированного указателя ресурса (URL), текста страницы или cookies, связанных с каждой из множества веб-страниц; отслеживают с помощью компьютерного устройства набор сайтов, на которых осуществлялся поисковой запрос; отслеживают с помощью компьютерного устройства количество выполнений по меньшей мере одного поискового запроса на одном или более из указанных отслеживаемых сайтов; определяют с помощью компьютерного устройства один или более товаров, интересующих указанного пользователя в качестве объекта приобретения, основываясь, по меньшей мере частично, на количестве выполнений по меньшей мере одного поискового запроса, и определяют с помощью компьютерного устройства покупательские предпочтения указанного пользователя, основываясь, по меньшей мере частично, на поведении пользователя при просмотре веб-страниц и времени, прошедшем между первым поисковым запросом из по меньшей мере одного поискового запроса и покупкой. 4 н. и 26 з.п. ф-лы, 4 ил.

1. Способ определения товара, интересующего пользователя в качестве объекта приобретения, содержащий этапы, на которых:
определяют с помощью компьютерного устройства поведение пользователя при просмотре веб-страниц, основываясь, по меньшей мере частично, на мониторинге множества веб-страниц, к которым осуществлялся доступ через сеть посредством интерфейса, и анализе по меньшей мере одного из унифицированного указателя ресурса (URL), текста страницы или cookies, связанных с каждой из множества веб-страниц;
отслеживают с помощью компьютерного устройства набор сайтов, на которых осуществлялся поисковый запрос;
отслеживают с помощью компьютерного устройства количество выполнений по меньшей мере одного поискового запроса на одном или более из указанных отслеживаемых сайтов;
определяют с помощью компьютерного устройства один или более товаров, интересующих указанного пользователя в качестве объекта приобретения, основываясь, по меньшей мере частично, на количестве выполнений по меньшей мере одного поискового запроса, и
определяют с помощью компьютерного устройства покупательские предпочтения указанного пользователя, основываясь, по меньшей мере частично, на поведении пользователя при просмотре веб-страниц и времени, прошедшем между первым поисковым запросом из по меньшей мере одного поискового запроса и покупкой.

2. Способ по п.1, дополнительно содержащий этапы, на которых отслеживают с помощью компьютерного устройства, в течение времени, набор посещенных доменов и анализируют отдельные страницы для определения, представляют ли указанные отдельные страницы результат поиска или веб-страницы с описанием товара, на основании известных шаблонов веб-страниц.

3. Способ по п.2, дополнительно содержащий этапы, на которых используют известные форматы URL, структуры страницы и текстовые шаблоны, идентифицируют с помощью компьютерного устройства просмотры товара на сайтах продавцов и получают с помощью компьютерного устройства веб-страницы, содержащие подробности о товаре, и дополнительную информацию от общедоступных систем веб-узлов.

4. Способ по п.3, дополнительно содержащий этапы, на которых: отслеживают с помощью компьютерного устройства набор сайтов, на которых был просмотрен товар, и отслеживают с помощью компьютерного устройства, для каждого сайта, количество посещений пользователем на указанном сайте описания указанного товара, дату последнего посещения, количество активных посещений, во время которых пользователь взаимодействовал со страницей на указанном сайте посредством прокрутки или щелчков, и количества добавлений товара в виртуальную корзину продавца.

5. Способ по п.1, дополнительно содержащий этап, на котором идентифицируют с помощью компьютерного устройства учетные данные пользователя от веб-страниц и cookies для соотнесения поиска и просмотров страниц с товарами с конкретным пользователем.

6. Способ по п.1, дополнительно содержащий этап, на котором вычисляют с помощью компьютерного устройства оценку товара из одного или более товаров на основе взвешенной суммы, содержащей один или более показателей, ассоциированных с общим количеством просмотров веб-страниц продукта, количеством активных просмотров веб-страниц продукта, количеством из одного или более продавцов ассоциированных с продуктом, количеством помещений товара в корзину для одного или более продавцов и совпадениями метаданных для продуктов в поиске, при этом указанная оценка, указывающая интерес указанного пользователя в качестве объекта приобретения, определяется в соответствии с нижеприведенной формулой:

где A - коэффициент срока действия,
d - количество дней, прошедшее с момента последнего просмотра указанного товара,
V_p - общее количество просмотров страниц с указанным товаром для всех из одного или более продавцов,
W_p - числовой весовой коэффициент для просмотров страниц,
V_a - количество активных просмотров страниц с указанным товаром для всех из одного или более продавцов,
W_a - числовой весовой коэффициент для активных просмотров страниц,
M - количество продавцов из одного или более продавцов, у которых данный товар был просмотрен,
W_M - числовой весовой коэффициент для количества продавцов M,
C - количество помещений товара в корзину для всех из одного или более продавцов,
W_c - числовой весовой коэффициент добавления товара в корзину,
S_i - количество слов, используемых в i-м поисковом запросе, совпадающем с метаданными, ассоциированными с веб-страницей указанного товара, и
W_s - числовой весовой коэффициент для совпадений метаданных, ассоциированных с i-м поиском.

7. Способ по п.4, дополнительно содержащий этап, на котором определяют с помощью компьютерного устройства рекомендацию, содержащую предложения, относящиеся к одному или более товарам или одному или более продавцам, основываясь, по меньшей мере частично, на категории продуктов и наборе продавцов, ассоциированных с указанным пользователем.

8. Способ определения заинтересованности пользователя в конкретном товаре и распознавания общих предпочтений и привычек пользователя во время совершения покупок, содержащий этапы, на которых:
идентифицируют с помощью компьютерного устройства заинтересованность в приобретении пользователем, посредством оценки показателей товара на основе одного или более из общего количества просмотров веб-страниц с указанным товаром, активных просмотров веб-страниц с указанным товаром, количества из одного или более продавцов, ассоциированных с указанным товаром, количества помещений товара в корзину у одного или более продавцов или сравнения метаданных указанного товара при осуществлении поисков; и
представляют, с помощью компьютерного устройства, одну заинтересованность в приобретении, выбранную из указанных идентифицированных заинтересованностей в приобретении, в качестве цели пользователя;
определяют срок достижения цели пользователя, основываясь, по меньшей мере частично, на информации события, ассоциированного с указанным пользователем; и
определяют достижение цели пользователя, основываясь, по меньшей мере частично, на определенном сроке, посредством различных контекстных вводов, выбранных из одного или более из местоположений; отслеживания активности покупок в интернет-магазине; счетов по кредитным картам или транзакций по телефону.

9. Способ по п.8, дополнительно содержащий этапы, на которых с помощью компьютерного устройства:
разбивают действия, предпринимаемые пользователем, на разные подгруппы действий;
создают последовательности указанных разных подгрупп действий;
побуждают указанного пользователя к оценке по меньшей мере одной подгруппы действий; и
предоставляют рекомендации указанному пользователю, основываясь, по меньшей мере частично, на указанной оценке по меньшей мере одной подгруппы действий; при этом
этап разбиения содержит подэтап на котором осуществляют идентификацию разных подгрупп действий с использованием датчиков разных типов и контекста, получаемого от указанных датчиков.

10. Способ по п.8, дополнительно содержащий этапы, на которых определяют с помощью компьютерного устройства контекстные ключи для определения отношения указанной цели пользователя к пользователю или кому-либо другому и создают с помощью компьютерного устройства профиль, разбитый на основной сегмент, относящийся непосредственно к пользователю, и другие сегменты, относящиеся к другим людям или действиям, относящимся к указанному пользователю.

11. Энергонезависимый машиночитаемый носитель информации, кодированный выполняемыми компьютером командами, вызывающими выполнение, при обращении к ним, электронным компьютерным устройством этапов, на которых:
определяют поведение пользователя при просмотре веб-страниц, основываясь, по меньшей мере частично, на мониторинге множества веб-страниц, к которым осуществлялся доступ через сеть посредством интерфейса, и анализе по меньшей мере одного из унифицированного указателя ресурса (URL), текста страницы или cookies, связанных с каждой из множества веб-страниц;
отслеживают набор сайтов, на которых осуществлялся поисковый запрос;
отслеживают количество выполнений по меньшей мере одного поискового запроса на одном или более из указанных отслеживаемых сайтов;
определяют один или более товаров, интересующих указанного пользователя в качестве объекта приобретения, основываясь, по меньшей мере частично, на количестве выполнений по меньшей мере одного поискового запроса, и
определяют покупательские предпочтения указанного пользователя, основываясь, по меньшей мере частично, на поведении пользователя при просмотре веб-страниц и времени, прошедшем между первым поисковым запросом из по меньшей мере одного поискового запроса и покупкой.

12. Энергонезависимый машиночитаемый носитель информации по п.11, содержащий команды, вызывающие выполнение этапов, на которых отслеживают, в течение времени, набор посещенных доменов и анализируют отдельные страницы для определения, представляют ли указанные отдельные страницы результат поиска или веб-страницы с описанием товара, на основании известных шаблонов веб-страниц.

13. Энергонезависимый машиночитаемый носитель информации по п.12, содержащий команды, вызывающие выполнение этапов, на которых используют известные форматы URL, структуры страницы и текстовые шаблоны, отслеживают количество осуществленных поисков и набор сайтов, на которых был произведен поиск, идентифицируют просмотры товара на сайтах продавцов и получают веб-страницы, содержащие подробности о товаре, и дополнительную информацию от систем веб-услуг.

14. Энергонезависимый машиночитаемый носитель информации по п.13, содержащий команды, вызывающие выполнение этапов, на которых отслеживают набор сайтов, на которых был просмотрен товар, и отслеживают для каждого сайта количество помещений пользователем страницы с описанием указанного товара, дату последнего посещения, количество активных посещений, при которых пользователь взаимодействовал со страницей на указанном сайте посредством прокрутки содержания или щелчков, и количества добавлений товара в виртуальную корзину продавца.

15. Энергонезависимый машиночитаемый носитель информации по п.11, содержащий команды, вызывающие выполнение этапов, на которых: идентифицируют учетные данные пользователя на основании веб-страниц и cookies для соотнесения поиска и просмотров страниц с описанием товара с конкретным пользователем.

16. Энергонезависимый машиночитаемый носитель информации по п.11, содержащий команды, вызывающие выполнение этапов, на которых вычисляют оценку товара из одного или более товаров на основе взвешенной суммы, содержащей один или более показателей ассоциированных с общим количеством просмотров веб-страниц продукта, активными просмотрами веб-страниц продукта, количеством из одного или более продавцов, ассоциированных с продуктом, количеством помещений товара в корзину для одного или более продавцов и совпадениями метаданных для продуктов в поиске, при этом указанная оценка, указывающая интерес указанного пользователя в качестве объекта приобретения, определяется в соответствии с нижеприведенной формулой:

где A - коэффициент срока действия,
d - количество дней, прошедшее с момента последнего просмотра указанного товара,
V_p - общее количество просмотров страниц с указанным товаром для всех из одного или более продавцов,
W_p - числовой весовой коэффициент посмотренных страниц,
V_a - количество активных просмотров страниц с указанным товаром для всех из одного или более продавцов,
W_a - числовой весовой коэффициент для активных просмотров страниц,
M - количество продавцов из одного или более продавцов, у которых указанный товар был просмотрен,
W_M - числовой весовой коэффициент для количества продавцов M,
C - количество помещений товара в корзину для всех из одного или множества продавцов,
W_c - числовой весовой коэффициент добавления товара в корзину,
S_i - количество слов, используемых в i-м поисковом запросе, совпадающем с метаданными, ассоциированными с веб-страницей указанного товара, и
W_s - числовой весовой коэффициент для совпадений метаданных, ассоциированных с i-м поиском.

17. Энергонезависимый машиночитаемый носитель информации по п.16, содержащий команды, вызывающие выполнение этапов, на которых определяют рекомендацию, содержащую предложения, относящиеся к одному или более товарам или одному или более продавцам, основываясь, по меньшей мере частично, на категории продуктов и наборе продавцов, ассоциированных с указанным пользователем.

18. Энергонезависимый машиночитаемый носитель информации по п.11, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых: идентифицируют заинтересованность пользователя в приобретении конкретного товара и представляют указанную заинтересованность в качестве цели пользователя, при этом указанная цель имеет срок, и определяют достижение цели посредством различных контекстных вводов, выбираемых из группы, состоящей из: местоположения отслеживания активности покупок в интернет-магазине; счетов по кредитным картам или транзакций оплаты по телефону.

19. Энергонезависимый машиночитаемый носитель информации по п.11, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых создают рекомендации, посредством разбиения действий на разные подгруппы действий, при этом идентифицируют указанные разные подгруппы действий с использованием датчиков разных типов и получаемого контекста от датчиков, и создают и оценивают последовательность указанных разных подгрупп в соответствии с состоянием пользователя во время каждого из указанных подгрупп действий.

20. Энергонезависимый машиночитаемый носитель информации по п.9, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых: используют контекстные ключи для определения отношения цели к пользователю или кому-либо другому и создают профиль, разбитый на основной сегмент, относящийся непосредственно к пользователю, и другие сегменты, относящиеся к другим людям или действиям, относящимся к указанному пользователю.

21. Система определения товара, интересующего пользователя в качестве объекта приобретения, содержащая:
память для хранения команд; и
электронное компьютерное устройство, выполненное с возможностью функционирования в соответствии с командами и содержащее платформу связи и усвоения информации, выполненную с возможностью
осуществления доступа к информации о поведении при просмотре веб-страниц множества пользователей, определенной на основе наблюдения множества веб-страниц, к которым осуществлялся доступ через сеть посредством интерфейса, и анализа по меньшей мере одного из унифицированного указателя ресурса (URL), текста страницы или cookies, связанных с каждой из указанного множества веб-страниц; и
отслеживания набора сайтов, на которых осуществлялся поисковый запрос;
отслеживания количества выполнений по меньшей мере одного поискового запроса на одном или более из указанных отслеживаемых сайтов;
определения одного или более товаров, интересующих указанного пользователя в качестве объекта приобретения, основываясь, по меньшей мере частично, на количестве выполнений по меньшей мере одного поискового запроса, и
определения покупательских предпочтений указанного пользователя, основываясь, по меньшей мере частично, на поведении пользователя при просмотре веб-страниц и времени, прошедшем между первым поисковым запросом из по меньшей мере одного поискового запроса и покупкой.

22. Система по п.21, в которой платформа выполнена с возможностью отслеживания, в течение времени, набора посещенных доменов и анализа отдельных веб-страниц для определения, представляют ли указанные отдельные страницы результат поиска или веб-страницы с описанием товара, на основании известных шаблонов веб-страниц.

23. Система по п.22, в которой платформа дополнительно выполнена с возможностью использования известных форматов URL, структур страницы и текстовых шаблонов для отслеживания количества осуществленных поисков и набора сайтов, осуществления поиска, идентификации просмотров товара на сайтах продавцов и получения веб-страниц, содержащих подробности о товаре и дополнительную информацию от систем веб-услуг.

24. Система по п.23, в которой платформа дополнительно выполнена с возможностью отслеживания набора сайтов, на которых был просмотрен товар, и отслеживания для каждого сайта из набора сайтов количества посещений пользователем на указанном сайте описания указанного товара, даты последнего посещения, количества активных посещений, во время которых пользователь взаимодействовал со страницей на указанном сайте посредством прокрутки содержания или щелчков, и количества добавлений товара в виртуальную корзину продавца.

25. Система по п.21, в которой платформа дополнительно выполнена с возможностью соотнесения поиска и просмотров страниц с товарами с конкретным пользователем на основе учетных данных пользователя от веб-страниц и cookies.

26. Система по п.21, в которой платформа дополнительно выполнена с возможностью вычисления оценки товара на основе взвешенной суммы, содержащей один или более показателей, ассоциированных с общим количеством просмотров веб-страниц продукта, активными просмотрами веб-страниц продукта, количеством из одного или более продавцов, ассоциированных с продуктом, количеством помещений товара в корзину для одного или более продавцов и совпадениями метаданных для продуктов в поиске, при этом указанная оценка, указывающая интерес указанного пользователя в качестве объекта приобретения, определяется в соответствии с нижеприведенной формулой:

где A - коэффициент срока действия,
d - количество дней, прошедшее с момента последнего просмотра указанного товара,
V_p - общее количество просмотров страниц с указанным товаром для всех из одного или более продавцов,
W_p - числовой весовой коэффициент посмотренных страниц,
V_a - количество активных просмотров страниц с указанным товаром для всех из одного или более продавцов,
W_a - числовой весовой коэффициент для активных просмотров страниц,
M - количество продавцов из одного или более продавцов, у которых указанный товар был просмотрен,
W_M - числовой весовой коэффициент для количества продавцов M,
C - количество помещений товара в корзину для всех из одного или множества продавцов,
W_c - числовой весовой коэффициент добавления товара в корзину,
S_i - количество слов, используемых в i-м поисковом запросе, совпадающем с метаданными, ассоциированными с веб-страницей указанного товара, и
W_s - числовой весовой коэффициент для совпадения метаданных, ассоциированных с i-м поиском.

27. Система по п.26, в которой платформа дополнительно выполнена с возможностью использования собранной информации для определения категорий товаров, обычно приобретаемых пользователем, и набора часто посещаемых продавцов для дачи рекомендаций в форме предложений, относящихся к соответствующим товарам или продавцам.

28. Система по п.21, в которой платформа дополнительно выполнена с возможностью идентификации заинтересованности пользователя в приобретении конкретного товара и представления указанной заинтересованности в качестве цели пользователя, при этом указанная цель имеет срок, а достижение цели определяется посредством различных контекстных вводов, выбираемых из группы, состоящей из местоположения; отслеживания активности покупок в интернет-магазине; счетов по кредитным картам или транзакций по телефону.

29. Система по п.21, в которой платформа выполнена с возможностью создания рекомендаций посредством разбиения действий на разные подгруппы действий, при этом идентификация разных подгрупп действий выполняется с использованием датчиков разных типов и получаемого контекста от датчиков, и с возможностью создания и оценки последовательности указанных разных подгрупп действий в соответствии с состоянием пользователя во время каждой из указанных разных подгрупп действий.

30. Система по п.9, в которой платформа дополнительно выполнена с возможностью использования контекстных ключей для определения отношения цели к пользователю или кому-либо другому и создания профиля, разбитого на основной сегмент, относящийся непосредственно к пользователю, и другие сегменты, относящиеся к другим людям или действиям, относящимся к указанному пользователю.