[发明专利]贡献增量机器学习模型

权利要求书

1.一种方法，包括：

通过一个或多个计算设备创建模型，所述模型表示用户属性、内容暴露和指定目标动作的执行水平之间的关系；

获得有机暴露数据，所述有机暴露数据指定在指定时间内在特定用户执行指定目标动作之前所述特定用户经历的一个或多个有机暴露，其中，所述有机暴露既不是对指定类型的数字分量的暴露，也不是所述指定目标动作的执行；

获得第三方暴露数据，所述第三方暴露数据指定在指定时间段内指定类型的数字分量对所述特定用户的第三方暴露，其中，对于每个第三方暴露，所述第三方暴露数据包括指定何时发生第三方暴露的暴露时间；

使用所述模型确定在所述特定用户执行了指定目标动作时的动作时间可归因于每个第三方暴露的增量执行水平；

通过所述一个或多个计算设备，基于归因于所述特定用户被暴露的至少一些数字分量的第三方暴露的增量执行水平，修改所述至少一些数字分量的传输标准。

2.根据权利要求1所述的方法，还包括：

执行消融实验以获得未暴露于一组特定的数字分量的一组对照用户的一组对照结果，所述对照结果针对该组对照用户中的每个特定对照用户指定该特定对照用户是否执行了指定动作；

收集未包括在该组对照用户中的一组暴露用户的暴露结果，该暴露结果针对该组暴露用户中的每个暴露用户指定暴露用户是否执行了指定动作。

3.根据权利要求2所述的方法，其中：

创建所述模型包括利用机器学习框架，使用用户属性、每个特定对照用户的对照结果以及每个暴露用户的暴露结果来创建所述模型。

4.根据权利要求1所述的方法，其中，确定可归因于每个第三方暴露的增量执行水平包括：

对于每个第三方暴露：

确定所述第三方暴露的暴露时间与发生指定目标动作时的动作时间之间的差；

基于所述第三方暴露的暴露时间与发生指定目标动作时的动作时间之间的差，确定在所述动作时间剩余的来自第三方暴露的执行水平贡献的残余量；和

将执行水平的该残余量归因于第三方暴露。

5.根据权利要求4所述的方法，还包括：

对于每个不同类型的第三方暴露，确定衰减函数，所述衰减函数指定随时间变化而剩余的执行水平贡献的衰减率；和

对于每个第三方暴露，基于所述衰减函数以及第三方暴露的暴露时间与动作时间之间的差，确定在动作时间剩余的来自第三方暴露的执行水平贡献的残余量。

6.根据权利要求1所述的方法，其中，修改至少一些数字分量的传输标准包括与归因于特定数字分量的第三方暴露的增量执行水平的大小成比例地调整所述特定数字分量的传输标准。

7.根据权利要求6所述的方法，其中，调整所述传输标准包括禁用具有小于归因于特定传输标准的第三方暴露的增量执行水平的指定大小的所述特定传输标准。

8.一种系统，包括：

存储一个或多个评估规则的数据存储；和

一个或多个数据处理器，所述一个或多个数据处理器被配置为与所述一个或多个评估规则交互，并执行操作，所述操作包括：

创建模型，所述模型表示用户属性、内容暴露和指定目标动作的执行水平之间的关系；

获得有机暴露数据，所述有机暴露数据指定在指定时间内在特定用户执行指定目标动作之前所述特定用户经历的一个或多个有机暴露，其中，所述有机暴露既不是对指定类型的数字分量的暴露，也不是所述指定目标动作的执行；

获得第三方暴露数据，所述第三方暴露数据指定在指定时间段内指定类型的数字分量对所述特定用户的第三方暴露，其中，对于每个第三方暴露，所述第三方暴露数据包括指定何时发生第三方暴露的暴露时间；

使用所述模型确定在所述特定用户执行了指定目标动作时的动作时间可归因于每个第三方暴露的增量执行水平；

通过一个或多个计算设备，基于归因于所述特定用户被暴露的至少一些数字分量的第三方暴露的增量执行水平，修改所述至少一些数字分量的传输标准。