Способ сбора и обработки данных с измерением эффективности рекламных материалов и рекламных кампаний для автоматизированного подбора онлайн рекламных площадок с целью размещения рекламных материалов.

Авторы патента:

Нетылько Сергей Владимирович (RU)

G06Q30/02 - Вычисление; счет (счетные устройства для подсчета очков при играх A63B 71/06,A63D 15/20,A63F 1/18; комбинации счетных устройств с пишущими приспособлениями B43K 29/08)

Владельцы патента RU 2774604:

Общество с ограниченной ответственностью «ВанГА» (RU)

Изобретение относится к области электротехники, информационных технологий и вычислительной техники. Технический результат заключается в автоматизированной настройке размещения рекламных материалов компаний на рекламных площадках. Предлагается способ и система автоматизированной настройки размещения рекламных материалов компаний на рекламных площадках, на которых осуществляется предъявление рекламных материалов, с изменением настроек размещения рекламных материалов и рекламных кампаний и предъявлением рекламных материалов рекламных кампаний с измененными настройками пользователям. 2 н. и 12 з.п. ф-лы, 8 ил., 11 табл.

ОБЛАСТЬ ТЕХНИКИ

Изобретение относится к области электротехники и информационных технологий и вычислительной техники, и, в частности, к способам и системам сбора и обработки данных с измерением эффективности размещения онлайн рекламных материалов с изменением настроек рекламных материалов и рекламных кампаний и предъявлением рекламных материалов с измененными настройками предъявления пользователям, в том числе к способам управления системами автоматизированных настройки рекламных материалов, рекламных кампаний, размещения рекламных материалов, подбора онлайн рекламных площадок с целью размещения рекламных материалов.

УРОВЕНЬ ТЕХНИКИ

В настоящее время способ ранжирования одного или нескольких рекламных объявлений (см. US7739708B2, опубл. 15.06.2010, «System and method for revenue based advertisement placement»), , включающий: получение поискового запроса, включающего один или несколько условий поиска; получение набора результатов, содержащего одно или несколько рекламных объявлений в ответ на поисковый запрос; для одного или нескольких рекламных объявлений, составляющих результирующий набор, вычисление оценки кликабельности; для одного или нескольких рекламных объявлений вычисление ожидаемого дохода для данного рекламного объявления с использованием оценки кликабельности данного рекламного объявления и указания дохода, связанного с данным рекламным объявлением, указание дохода, включая ожидаемый доход от предложения; заказ одного или нескольких рекламных объявлений в соответствии с ожидаемым доходом от одной или нескольких рекламных объявлений; и вычисление фактического значения цены по меньшей мере для одного из рекламных объявлений с использованием алгоритма «bubble popping», при этом фактическая цена представляет собой цену, которую данный рекламодатель заплатит за сохранение данной позиции в заказе одного или нескольких рекламных объявлений по меньшей мере для одного из рекламные объявления в наборе результатов.

Недостатками такого решения являются по меньшей мере недостаточно эффективное использование вычислительных ресурсов, в том числе для определения эффективности размещения онлайн рекламных материалов с повышением эффективности рекламных кампаний и размещения рекламных материалов с внесением изменений в настройки рекламных кампаний и размещения рекламных материалов и с использованием измененных настроек рекламных кампаний и размещения рекламных материалов, и повышении скорости, недостаточная эффективность определения эффективности рекламных кампаний, рекламных площадок, размещения рекламных материалов, недостаточный объем собираемой информации для эффективного определения эффективности рекламных кампаний, рекламных площадок, размещения рекламных материалов, недостаточная эффективность управления рекламными материалами, рекламными кампаниями.

Также известен известен способ измерения эффективности размещения онлайн рекламы и/или таргетированной рекламы (см. RU2659475C1, опубл. 02.07.2018, "СПОСОБ ИЗМЕРЕНИЯ ЭФФЕКТИВНОСТИ РАЗМЕЩЕНИЯ ОНЛАЙН РЕКЛАМНЫХ КАМПАНИЙ (ВАРИАНТЫ)"), в котором последовательно осуществляют в офлайн режиме по меньшей мере одним регистрирующим устройством, сбор и распознавание офлайн данных, находящихся в зоне рекламируемой локации или локации с рекламируемым товаром мобильных и/или носимых устройств по меньшей мере по одному из офлайн идентификаторов каждого из указанных устройств, включающих, по меньшей мере, MAC-адрес wifi, образующих массив офлайн данных локации; передают массив офлайн данных локации в хранилище данных, где осуществляют регистрацию и маркировку офлайн данных локации, по меньшей мере, по наименованию локации и времени регистрации каждого устройства в локации, сопоставляют полученный за предустановленный период времени массив офлайн данных локации, с массивом онлайн данных мобильных и носимых устройств платформы размещения онлайн рекламы, содержащими по меньшей мере один распознанный онлайн идентификатор мобильных и/или носимых устройств, на которых осуществлен показ рекламы онлайн, осуществляют выявление в локации мобильных и/или носимых устройств, на которых был осуществлен показ рекламы онлайн, путем сопоставления массивов офлайн данных локации и онлайн данных платформы размещения рекламы онлайн и выявлению в них по меньшей мере одной пары соответствия офлайн и онлайн идентификаторов мобильного и/или носимого устройства за предустановленный период времени, а измерение эффективности размещения онлайн рекламы и/или таргетированной рекламы осуществляют путем вычисления показателя конверсии из онлайна в офлайн, как отношение массива выявленных в локации мобильных и/или носимых устройств, на которых был осуществлен показ рекламы онлайн к общему массиву мобильных и/или носимых устройств, на которых был осуществлен показ рекламы онлайн.

Также известен способ размещения рекламно-информационных материалов на IT-устройствах (см. RU2617556C2, опубл. 25.04.2017, "СПОСОБ РАЗМЕЩЕНИЯ И ПРЕДСТАВЛЕНИЯ РЕКЛАМНО-ИНФОРМАЦИОННЫХ МАТЕРИАЛОВ НА IT-УСТРОЙСТВАХ"), заключающийся в создании информационно-справочной системы, включающей по меньшей мере одну коммутационную подсистему, подготовке рекламного пространства участниками проекта, рекламодателями, рекламными агентствами, собственниками IT-устройств, оператором web- сайта, создании оператором web- сайта в коммутационной подсистеме разделов общего пользования для пользователей системы и личных виртуальных кабинетов поставщиков рекламно-информационных материалов , регистрации IT-устройств в общем информационном поле с заданными параметрами, размещении рекламно -информационных материалов в общем информационном поле коммутационной подсистемы, подготовке и разрешении на представление рекламно-информационных материалов на IT-устройствах, выбранных поставщиками рекламно-информационных материалов , оператором коммутационной подсистемы, отличающийся тем, что IT-устройства извлекают рекламно-информационные материалы , размещенные поставщиками в коммутационной подсистеме в виде отдельных информационных блоков, сохраняют их на IT-устройствах, предоставляют пользователя при отсутствии соединения с сетью Интернет, а при обычном режиме пользователи IT-устройств осуществляют связь с поставщиками рекламно-информационных материалов, которые самостоятельно выбирают вид связи с пользователем с помощью коммуникационной подсистемы.

Предлагаемое изобретение позволяет преодолеть, по крайней мере, часть вышеуказанных недостатков или все указанные недостатки, а также реализовать преимущества настоящего изобретения, как описано в рамках настоящего изобретения.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Техническим результатом, достигаемым предлагаемым изобретением, является автоматизированная настройка размещения рекламных материалов компаний на рекламных площадках.

Согласно одному из вариантов реализации, предлагается способ измерения эффективности размещения онлайн рекламных материалов и рекламных площадок, на которых осуществляется предъявление рекламных материалов, с изменением настроек размещения рекламных материалов и рекламных кампаний и предъявлением рекламных материалов рекламных кампаний с измененными настройками пользователям, в котором: осуществляется получение данных статистики сервером получения, обработки данных и формирования результатов обработки по меньшей мере с одного сервера сервисов сбора, хранения и обработки статистических данных пользователей с использованием программного интерфейса приложения API, предоставляемого такими сервисами, где получаемые данные статистики содержат по меньшей мере связанные с пользователями, размещением и предъявлением рекламных материалов и размещаемыми рекламными материалами данные, полученные по меньшей мере в результате взаимодействия пользователей с элементами, включая рекламные материалы, веб-сайтов, а также полученные в результате предъявления рекламных материалов данные, включающие информацию по меньшей мере о реакциях пользователя на предъявляемые рекламные материалы, выражаемых в совершении действий пользователем с использованием по меньшей мере одного вычислительного устройства пользователя и являющиеся откликом пользователя на рекламные материалы, включая регистрируемые и передаваемые по меньшей мере одним вычислительным устройством и передаваемые на серверы сервисов сбора, хранения и обработки статистических данных пользователей и/или формируемые серверами сервисов сбора, хранения и обработки статистических данных пользователей; осуществляется сохранение полученных данных статистики, по меньшей мере, в одну базу данных статистических данных сервером получения, обработки данных и формирования результатов обработки; осуществляется формирование первой выборки данных сервером получения, обработки данных и формирования результатов обработки из данных статистики, хранящихся в базе данных статистических данных для формирования набора данных показателей эффективности рекламных кампаний, где каждая формируемая выборка содержит данные статистики для каждого из пользователей по каждой из рекламных кампаний, созданных, настроенных и запущенных пользователем с использованием сервиса размещения рекламных материалов на рекламных площадках, содержащих по меньшей мере веб-страницу для размещения рекламных материалов, в рамках рекламных кампаний, включая уникальное имя пользователя, название рекламной кампании, идентификатор площадки размещения рекламных материалов в формате унифицированного указателя ресурса веб-сайта, количество предъявлений рекламных материалов, количество взаимодействий пользователей с предъявляемыми рекламными материалами, стоимость размещения рекламных материалов, название группы рекламных материалов, объединяющее рекламные материалы в рамках одной кампании, причем формирование выборки данных осуществляется по двум и более предустановленным параметрам, где такими параметрами является уникальное имя пользователя, название рекламной кампании, идентификатор площадки размещения рекламных материалов, принадлежность группе рекламных объявлений по названию группы; осуществляется формирование из данных статистики, хранящихся в базе данных статистических данных второй выборки данных сервером получения, обработки данных и формирования результатов обработки, которая содержит данные статистики для каждого из пользователей по каждой из рекламных кампаний, созданных, настроенных и запущенных пользователем с использованием сервиса размещения рекламных материалов на рекламных площадках по стоимости привлеченных с помощью рекламного объявления клиентов рекламных кампаний, включая дату и время посещения веб-страницы, на которой размещен рекламный материал, осуществлялось ли посещение веб-сайта без использования взаимодействия пользователем с размещенными рекламными материалами, количество целевых клиентов, на которых направлено предъявление рекламных материалов, количество предустановленных целей рекламных кампаний за одно посещение веб-сайта пользователем, стоимость для каждой предустановленной цели каждой рекламной кампании за одно посещение веб-сайта пользователем, стоимость посещения веб-сайта пользователем, название рекламной кампании, описание категории для рекомендации, уникальное имя пользователя; осуществляется формирование набора данных показателей эффективности рекламных кампаний из данных первой выборки данных и данных второй выборки данных, посредством формирования многомерного массива данных, измерениями которого являются дни недели, часы и названия рекламных площадок, содержащего данные по каждому из пользователей для предустановленного интервала времени, для которого сформирован многомерный массив данных и к которому относятся данные показателей эффективности рекламных кампаний, и содержащего данные о последовательности действий пользователей от момента предъявления рекламных материалов, взаимодействий пользователей с предъявляемыми рекламными материалами для перехода на рекламируемые веб-сайты, до совершения целевых действий на веб-сайтах пользователями, заданных заданием параметров рекламных кампаний сервиса размещения рекламных материалов параметрами предъявления рекламных материалов, выполненного с возможностью задания параметров предъявления рекламных материалов; в сформированном многомерном массиве данных в пределах предустановленного интервала времени сервером получения, обработки данных и формирования результатов обработки: выявляется по меньшей мере один временной интервал предъявления рекламного материала, заданный параметрами предъявления рекламных объявлений сервиса размещения рекламных материалов, для каждого рекламного материала, принадлежащего соответствующей рекламной кампании, в пределах которого взаимодействия пользователей с предъявляемым рекламным материалом не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и выявляются неэффективные рекламные площадки, на которых значение вероятности взаимодействия пользователя с рекламным материалом на веб-сайте рекламной площадки в такой заданный временной интервал предъявления рекламного материала меньше заданного значения, где вероятность взаимодействия пользователя вычисляется, как отношение количества взаимодействий пользователя с рекламным материалом к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки, или значение вероятности достижения заданной цели в настойках рекламной кампании меньше заданного значения, где вероятность достижения заданной цели вычисляется, как отношение количества достижений заданной цели к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки; сервером получения, обработки данных и формирования результатов обработки осуществляется: формирование списка рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и формирование списка неэффективных рекламных площадок; сервером получения, обработки данных и формирования результатов обработки осуществляется формирование набора значений параметров рекламных площадок, содержащего значения для отключения рекламных площадок из списка неэффективных рекламных площадок, и набора значений параметров предъявления рекламных материалов для сервисов размещения рекламных материалов для прекращения предъявления рекламных материалов, содержащихся в списке рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и осуществляется передача таких наборов данных по меньшей мере на один из серверов сервисов размещения рекламных материалов; по меньшей мере одним из серверов сервисов размещения рекламных материалов осуществляется применение значений, содержащихся в наборе значений параметров предъявления рекламных материалов, и осуществляется применение значений параметров рекламных площадок, содержащих значения для исключения рекламных площадок из списка неэффективных рекламных площадок для прекращения предъявления на них рекламных материалов; осуществляется размещение с предъявлением по меньшей мере одного рекламного материала на по меньшей мере одной рекламной площадке по меньшей мере одним сервером сервисов размещения рекламных материалов с измененными значениями настроек параметров для рекламных материалов и рекламных площадок с запуском по меньшей мере одной рекламной кампании.

В одном из частных вариантов реализации статистические данные, получаемые сервером получения, обработки данных и формирования результатов обработки, включают параметры взаимодействия пользователей, содержащие по меньшей мере время нахождения на веб-странице и/или частоту посещения веб-сайтов, и/или проявление интереса товару, категориям товаров, и/или используемых пользователем вычислительных устройств данные с таких вычислительных устройств, содержащие по меньшей мере информацию о совершении покупок, идентификаторы вычислительного устройства, в сети Интернет, в сервисах, приложениях, и/или регистрационные данные в них, а также данные по меньшей мере с кассовых аппаратов и/или камер, и/или систем распознавания лиц, и/или звукозаписывающих устройств, и/или систем контроля доступа, и/или средств отслеживания местоположения пользователя, а также данные из личных кабинетов сервисов сбора, хранения и обработки статистических данных пользователей и данные об эффективности рекламных каналов, кампаний и ключевых слов, скоринг, конверсии от предъявления рекламных материалов, расходах, показах и взаимодействиях пользователя с веб-ссылками, целевой аудитории, бюджете рекламной кампании, источниках звонков, их даты, время, ключевые слова, в том числе полученные после распознавания и анализа речи пользователя.

В одном из частных вариантов реализации осуществляется актуализация данных, содержащихся в первой выборке данных и второй выборке данных, посредством отправки запросов сервером получения, обработки данных и формирования результатов обработки на по меньшей мере один из серверов сервисов сбора, хранения и обработки статистических данных пользователей и получения от него запрошенных данных посредством сопоставления и обновления данных по меньшей мере о времени посещения пользователем веб-сайта, продолжительности посещения веб-сайта, названии рекламной площадки, принадлежности к рекламной кампании, идентификаторах счетчиков в формате программного кода, осуществляющего сбор статистических данных на веб-сайте, с проверкой корректности и актуальности статистических данных, для каждого пользователя.

В одном из частных вариантов реализации параметрами посещения пользователями веб-сайтов являются время нахождения пользователя на веб-странице, частота посещения пользователями веб-страницы, проявление интереса к определенному товару или категориям товаров, а также данные, регистрируемые и обрабатываемые кассовыми аппаратами, системами контроля доступа, отслеживания местоположения пользователя.

В одном из частных вариантов реализации связанные с размещением рекламных материалов данные включают данные об эффективности рекламных каналов, рекламных кампаний и ключевые слова, скоринг, конверсии от предъявления рекламных материалов, расходах, показах и взаимодействиях пользователя с веб-ссылками, целевой аудитории, бюджете рекламной кампании, источниках звонков, их даты, время, ключевые слова, в том числе полученные после распознавания и анализа речи пользователя.

В одном из частных вариантов реализации при сохранении данных в базу данных статистических данных осуществляется проверка сохраняемых данных на валидность типов данных с использованием преобразования значения одного типа данных в другое или определения типа переменной.

В одном из частных вариантов реализации осуществляется предъявление пользователю списка рекламных площадок для отключения и набора значений параметров рекламных площадок и значений для отключения рекламных площадок из списка неэффективных рекламных площадок, и прекращения предъявления рекламных материалов и список рекламных материалов для прекращения предъявления и набора значений параметров предъявления рекламных материалов для прекращения предъявления рекламных материалов, содержащихся в списке рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом.

В одном из частных вариантов реализации сервисами сбора, хранения и обработки статистических данных пользователей являются сервисы контекстной рекламы на веб-страницах или сервисы оценки посещаемости веб-сайтов и анализа поведения пользователей.

В одном из частных вариантов реализации данные на сервисы сбора, хранения и обработки статистических данных пользователей передаются с серверов сервисов контекстной рекламы на веб-страницах или серверов сервисов оценки посещаемости веб-сайтов и анализа поведения пользователей.

В одном из частных вариантов реализации набор данных показателей эффективности рекламных кампаний из данных первой выборки данных и данных второй выборки данных, содержит данные о поведенческих изменениях в действиях пользователей.

В одном из частных вариантов реализации после отключения рекламных площадок из списка неэффективных рекламных площадок для связанных с ними рекламных материалов задаются другие рекламные площадки, после выявления в сформированном многомерном массиве данных в пределах предустановленного интервала времени эффективных рекламных площадок, на которых значение вероятности взаимодействия пользователя с рекламным материалом на веб-сайте рекламной площадке в такой заданный временной интервал предъявления рекламного материала максимально, где вероятность взаимодействия пользователя вычисляется, как отношение количества взаимодействий пользователя с рекламным материалом к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки, или значение вероятности достижения заданной цели в настойках рекламной кампании максимально, где вероятность достижения заданной цели вычисляется, как отношение количества достижений заданной цели к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки.

Согласно другому варианту реализации, предлагается система для сбора данных для измерения эффективности размещения онлайн рекламных материалов и рекламных площадок, на которых осуществляется предъявление рекламных материалов, с изменением настроек размещения рекламных материалов и рекламных кампаний и предъявлением рекламных материалов рекламных кампаний с измененными настройками пользователям, которая содержит: по меньшей мере один сервер по меньшей мере одного сервиса сбора, хранения и обработки статистических данных, выполненный с возможностью регистрации, сбора, получения, передачи, хранения и/или обработки данных, полученных в результате по меньшей мере совершения действий пользователями или действия, регистрируемые и обрабатываемыми электронными вычислительными устройствами, и выполненный с возможностью передачи данных по меньшей мере в блок получения статистики; блок получения статистики, выполненный с возможностью получения данных от серверов сервисов сбора, хранения и обработки статистических данных с использованием API, причем создается по меньшей мере одна таблица, в которую сохраняются данные блоком хранения данных, полученные из соответствующего API, и с возможностью передачи их в блок управления и организации; блок задач, выполненный с возможностью управления задачами в очереди и распределением нагрузки с использованием блока очереди задач и выполнения задач по расписанию, включающих задачи на получение статистики из внешних источников через API, и получения сообщений задач от отправителя и передачу их адресату, где отправителем и получателем сообщений является блок очереди задач, с формированием запросов на получение данных статистики по заданным параметрам за выбранные интервалы времени, где задача формируется блоком задач в формате вызова функции; блок очереди задач, выполненный с возможностью формирования очереди задач и управления расписаниями задач с использованием системы асинхронной передачи сообщений и выполненный с возможностью по расписанию выбора из очереди задач, которые должны быть выполнены в конкретный момент времени и именно запускаются в указанное для них время, а также выполненный с возможностью запуска программ по сбору, обработке и представлению пользователю данных, и включает по меньшей мере один исполнитель, обеспечивающий поток выполнения кода и выделение ресурсов и изолированной среды в памяти и конкурентное выполнение нескольких задач одновременно; блок управления и администрирования, выполненный с возможностью управлять задачами по сбору данных их анализа, включая создание и редактирование задач по расписанию с настройкой расписания пользователю с использованием интерфейса пользователя; блок управления и организации выполненный с возможностью получения данных от других блоков и распределения их между другими блоками и обеспечением разграничения функционала каждого из блоков посредством средств для обмена данными с использованием протокола и интерфейса передачи данных с другими блоками; базу данных статистики, выполненную с возможностью получения данных из блока получения статистики и блока получения статистики и выполненной с возможностью хранения данных статистики, данных первой выборки данных, данных второй выборки данных, данных наборов данных показателей эффективности рекламных кампаний, сформированных списков рекламных материалов с временными интервалами, списков неэффективных рекламных площадок, данных наборов значений параметров рекламных площадок; предиктивный блок, выполненный с возможностью формирования первой выборки данных из данных статистики, хранящихся в базе данных статистики для формирования набора данных показателей эффективности рекламных кампаний, где каждая формируемая выборка содержит данные статистики для каждого из пользователей по каждой из рекламных кампаний, созданных, настроенных и запущенных пользователем с использованием сервиса размещения рекламных материалов на рекламных площадках, содержащих по меньшей мере веб-страницу для размещения рекламных материалов, в рамках рекламных кампаний, включая уникальное имя пользователя, название рекламной кампании, идентификатор площадки размещения рекламных материалов в формате унифицированного указателя ресурса веб-сайта, количество предъявлений рекламных материалов, количество взаимодействий пользователей с предъявляемыми рекламными материалами, стоимость размещения рекламных материалов, название группы рекламных материалов, объединяющее рекламные материалы в рамках одной кампании, причем формирование выборки данных осуществляется по двум и более предустановленным параметрам, где такими параметрами является уникальное имя пользователя, название рекламной кампании, идентификатор площадки размещения рекламных материалов, принадлежность группе рекламных объявлений по названию группы, и выполненный с возможностью формирования из данных статистики, хранящихся в базе данных статистики второй выборки данных, которая содержит данные статистики для каждого из пользователей по каждой из рекламных кампаний, созданных, настроенных и запущенных пользователем с использованием сервиса размещения рекламных материалов на рекламных площадках по стоимости привлеченных с помощью рекламного объявления клиентов рекламных кампаний, включая дату и время посещения веб-страницы, на которой размещен рекламный материал, осуществлялось ли посещение веб-сайта без использования взаимодействия пользователем с размещенными рекламными материалами, количество целевых клиентов, на которых направлено предъявление рекламных материалов, количество предустановленных целей рекламных кампаний за одно посещение веб-сайта пользователем, стоимость для каждой предустановленной цели каждой рекламной кампании за одно посещение веб-сайта пользователем, стоимость посещения веб-сайта пользователем, название рекламной кампании, описание категории для рекомендации, уникальное имя пользователя, и выполненный с возможностью формирования набора данных показателей эффективности рекламных кампаний из данных первой выборки данных и данных второй выборки данных, посредством формирования многомерного массива данных, измерениями которого являются дни недели, часы и названия рекламных площадок, содержащего данные по каждому из пользователей для предустановленного интервала времени, для которого сформирован многомерный массив данных и к которому относятся данные показателей эффективности рекламных кампаний, и содержащего данные о последовательности действий пользователей от момента предъявления рекламных материалов, взаимодействий пользователей с предъявляемыми рекламными материалами для перехода на рекламируемые веб-сайты, до совершения целевых действий на веб-сайтах пользователями, заданных заданием параметров рекламных кампаний сервиса размещения рекламных материалов параметрами предъявления рекламных материалов, выполненного с возможностью задания параметров предъявления рекламных материалов, причем в сформированном многомерном массиве данных в пределах предустановленного интервала времени: выявляется по меньшей мере один временной интервал предъявления рекламного материала, заданный параметрами предъявления рекламных объявлений сервиса размещения рекламных материалов, для каждого рекламного материала, принадлежащего соответствующей рекламной кампании, в пределах которого взаимодействия пользователей с предъявляемым рекламным материалом не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и выявляются неэффективные рекламные площадки, на которых значение вероятности взаимодействия пользователя с рекламным материалом на веб-сайте рекламной площадки в такой заданный временной интервал предъявления рекламного материала меньше заданного значения, где вероятность взаимодействия пользователя вычисляется, как отношение количества взаимодействий пользователя с рекламным материалом к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки, или значение вероятности достижения заданной цели в настойках рекламной кампании меньше заданного значения, где вероятность достижения заданной цели вычисляется, как отношение количества достижений заданной цели к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки, а также выполненный с возможностью формирования списка рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и формирования списка неэффективных рекламных площадок, и с возможностью формирования набора значений параметров рекламных площадок, содержащего значения для отключения рекламных площадок из списка неэффективных рекламных площадок, и набора значений параметров предъявления рекламных материалов для сервисов размещения рекламных материалов для прекращения предъявления рекламных материалов, содержащихся в списке рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и осуществляется передача таких наборов данных по меньшей мере на один из серверов сервисов размещения рекламных материалов; блок автоматизированного управления рекламными кампаниями, выполненный с возможностью создания и передачи запросов к API по меньшей мере одного сервиса размещения рекламных материалов по меньшей мере одного сервера на корректировку настроек рекламных кампаний с использованием значений, содержащихся в наборе значений параметров предъявления рекламных материалов, и значений параметров рекламных площадок, содержащих значения для исключения рекламных площадок из списка неэффективных рекламных площадок для прекращения предъявления на них рекламных материалов; по меньшей мере один сервер по меньшей мере одного сервиса размещения рекламных материалов, выполненного с возможностью получения значений, содержащихся в наборе значений параметров предъявления рекламных материалов, и значений параметров рекламных площадок, содержащих значения для исключения рекламных площадок из списка неэффективных рекламных площадок для прекращения предъявления на них рекламных материалов и применения значений, содержащихся в наборе значений параметров предъявления рекламных материалов, и осуществляется применение значений параметров рекламных площадок, содержащих значения для исключения рекламных площадок из списка неэффективных рекламных площадок для прекращения предъявления на них рекламных материалов, а также выполненного с возможностью размещения с предъявлением по меньшей мере одного рекламного материала на по меньшей мере одной рекламной площадке с измененными значениями настроек параметров для рекламных материалов и рекламных площадок с запуском по меньшей мере одной рекламной кампании.

В одном из частных вариантов реализации в предлагаемой системе собираемыми, получаемыми, передаваемыми, хранимыми и/или обрабатываемыми данными являются посещение пользователями веб-сайтов, взаимодействие пользователей с веб-сайтами и элементами веб-сайтов, веб-ссылками, рекламными материалами, параметры взаимодействия пользователей с ними, включающими по меньшей мере время нахождения пользователя на веб-странице, частоту посещения веб-сайтов, проявление интереса к рекламируемым объектам, параметры используемых пользователями вычислительных устройств, и регистрируемые вычислительными устройствами пользователя параметры, данные об эффективности рекламных каналов, рекламных кампаний, ключевых слов, скоринг, конверсии от предъявления рекламных материалов, расходах, показах и взаимодействиях пользователя, целевой аудитории, бюджете рекламной кампании, источниках звонков, их даты, время, ключевые слова.

В одном из частных вариантов реализации в предлагаемой системе блок задач является брокером сообщений, использующим открытый протокол для передачи сообщений между компонентами системы.

В одном из частных вариантов реализации в предлагаемой системе блок управления и администрирования и блок управления и организации выполнены с возможностью формирования учетных данных пользователей, включающих по меньшей мере токены, идентификаторы пользователей.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

ФИГ. 1 иллюстрирует примерный вариант общей схемы системы, реализующей настоящее изобретение, согласно одному из вариантов осуществления настоящего изобретения;

ФИГ. 2 иллюстрирует один из вариантов функционирования системы, реализующей настоящее изобретение, согласно одному из вариантов осуществления настоящего изобретения;

ФИГ. 3 иллюстрирует один из вариантов получения, обработки и сохранения данных блоком получения статистики, согласно одному из вариантов осуществления настоящего изобретения;

ФИГ. 4 иллюстрирует примерный вариант блок-схемы функционирования предиктивного блока, согласно одному из вариантов реализации настоящего изобретения;

ФИГ. 5 иллюстрирует примерный вариант блок-схемы функционирования блока подключения внешних систем, согласно одному из осуществлений настоящего изобретения;

ФИГ. 6 иллюстрирует еще один примерный вариант общей схемы системы, реализующей настоящее изобретение, согласно одному из вариантов осуществления настоящего изобретения;

ФИГ. 7 иллюстрирует блок-схему примерного варианта осуществления настоящего изобретения;

ФИГ. 8 иллюстрирует пример компьютерной системы общего назначения.

ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ

Объекты и признаки настоящего изобретения, способы для достижения этих объектов и признаков станут очевидными посредством отсылки к примерным вариантам осуществления. Однако настоящее изобретение не ограничивается примерными вариантами осуществления, раскрытыми ниже, оно может воплощаться в различных видах. Сущность, приведенная в описании, является ничем иным, как конкретными деталями, обеспеченными для помощи специалисту в области техники в исчерпывающем понимании изобретения, и настоящее изобретение определяется только в объеме приложенной формулы.

Используемые в настоящем описании изобретения термины «модуль», «компонент», «элемент», «часть», «блок», «составная часть» и подобные используются для обозначения компьютерных сущностей, которые могут являться аппаратным обеспечением, например, устройством или частью устройства, в частности, включающим, по крайней мере, один процессор, микроконтроллер и т. д., или программным обеспечением, например, компьютерной программой, «прошивкой» (от англ. firmware) и т. д., позволяющим аппаратному обеспечению вычислительной системы выполнять вычисления или функции управления, являющиеся комбинацией инструкций и данных.

На ФИГ. 1 показан примерный вариант общей схемы системы, реализующей настоящее изобретение, согласно одному из вариантов осуществления настоящего изобретения.

Изобретение относится к области информационных технологий и вычислительной техники позволят и может использоваться для управления онлайн и/или таргетированными рекламными материалами (в частном случае, рекламно-информационным контентом) с возможностью оценки эффективности размещения онлайн рекламных материалов и рекламных площадок, на которых осуществляется предъявление рекламных материалов, с изменением настроек размещения рекламных материалов и рекламных кампаний и предъявлением рекламных материалов рекламных кампаний с измененными настройками пользователям.

Настоящее изобретение позволяет и может быть использовано для количественного и/или качественного определения эффективности размещения рекламных материалов и эффективности проведения рекламных кампаний, а также для планирования деталей рекламных кампаний с использованием результатов, полученных при реализации настоящего изобретения.

Настоящее изобретение также позволяет и может быть использовано для сбора данных для вычисления эффективности размещения рекламных материалов, рекламных площадок, на которых размещаются рекламные материалы, проводимых рекламных кампаний, где рекламные материалы предъявляются пользователям в том числе в рамках рекламных кампаний и рекламируют объекты.

Настоящее изобретение также позволяет и может использоваться для сокращения времени получения информации о размещаемых рекламных материалах, рекламных кампаниях и рекламных площадках, а также позволяет подбирать наиболее эффективные рекламные кампании, рекламные площадки и рекламные материалы.

Настоящее изобретение также обеспечивает управление системой сбора, в частности, автоматизированного, информации для сбора данных, управления рекламными материалами, рекламными кампаниями и определения эффективности размещения онлайн рекламных материалов с повышением эффективности рекламных кампаний и размещения рекламных материалов с внесением изменений в настройки рекламных кампаний и размещения рекламных материалов и с использованием измененных настроек рекламных кампаний и размещения рекламных материалов.

Настоящее изобретение позволяет по меньшей мере повысить точность определения (измерения, вычисления) эффективности рекламных материалов, рекламных площадок и рекламных кампаний, повысить эффективность использования вычислительных ресурсов (использующихся в настоящем изобретении) для определения эффективности размещения онлайн рекламных материалов, рекламных площадок и рекламных кампаний, сократить время получения информации для определения эффективности размещения онлайн рекламных материалов, рекламных площадок и рекламных кампаний, а также повысить достоверность обработки данных, в том числе данных по меньшей мере по рекламным материалам, рекламным площадкам и рекламным кампаниям, пользователям, а также по меньшей мере по данных, используемых для определения эффективности рекламных материалов, рекламных площадок и рекламных кампаний, и позволяет в автоматизированном (или полуавтоматизированном) режиме управлять по меньшей мере рекламными кампаниями, размещением рекламных материалов, выбирать рекламные площадки для размещения рекламных материалов с использованием настроек параметров, сформированных в процессе анализа эффективности рекламных материалов, рекламных площадок и рекламных кампаний, а также упрощает навигацию по массиву данных о рекламных материалах, рекламных площадках, рекламных кампаний и их эффективности.

Настоящее изобретение позволяет по меньшей мере обеспечить возможность пользователям, в том числе рекламодателям, включая компании и организации, эффективнее управлять рекламными материалами, рекламными кампаниями, размещать рекламные кампании и рекламные материалы в интернете (онлайн), а также оперативно корректировать и управлять изменениями по меньшей мере рекламной кампании, повысить прозрачность расходов на рекламные кампании, с возможностью отслеживания эффективности рекламных материалов, рекламных кампаний, рекламных площадок в динамике процесса их осуществления.

Система, реализующая способ (или, по крайней мере, одну часть способа), описываемый в рамках настоящего изобретения, примерный вариант которой изображен на ФИГ. 1, содержит серверы сервисов сбора, хранения и обработки статистических данных пользователей 144. Серверы сервисов сбора, хранения и обработки статистических данных пользователей 144, например, серверы таких сервисов (систем, платформ), как Яндекс.Метрика 105 (ФИГ. 6), Яндекс.Директ 106 (ФИГ. 6), Calltouch 107 (ФИГ. 6), Comagic 108 (ФИГ. 6), Smartcallback 109 (ФИГ. 6), Google Ads 111 (ФИГ. 6), Google Analytics 112 (ФИГ. 6), осуществляют сбор, хранение и/или обработку данных пользователей, полученных в результате совершения действий такими пользователями, в том числе с использованием электронных вычислительных устройств (например, посещение сайтов в сети Интернет, взаимодействие с сайтами и элементами сайтов, например, веб-ссылками, рекламными материалами и т.д., включая параметры взаимодействия пользователя с ними, например, время нахождения на веб-странице, частота посещения тех или иных сайтов, проявление интересов к тем или иным товарам и категориям товаров, используемые пользователем вычислительные устройства, совершаемые покупки и т.д.) или действия, регистрируемые и обрабатываемыми электронными вычислительными устройствами, например, кассовыми аппаратами, камерами, системами распознавания лиц, звукозаписывающими устройствами, системами контроля доступа, отслеживания местоположения пользователя и т.д.

Так, например, серверы сервисов сбора, хранения и обработки статистических данных пользователей 144 могут осуществлять получение, обработку и хранение таких данных как данные об эффективности рекламных каналов, кампаний и ключевых слов, скоринг, конверсии от предъявлений рекламы (рекламных материалов), расходах, показах и кликах (взаимодействиях пользователя), целевой аудитории, бюджете рекламной кампании, источниках звонков, их даты, время, ключевые слова, в том числе полученные после обработки, например, преобразования (в частности, распознавания) и анализа речи пользователя и т.д.

Показанная на ФИГ. 1 система также включает сервер получения, обработки данных и формирования результатов обработки 133, осуществляющий получение данных, по крайней мере, с серверов сервисов сбора, хранения и обработки статистических данных пользователей 144, из баз данных (177, 155) блок хранения данных 166, с серверов CRM-систем (от англ. CRM - Customer Relationship Management, система управления взаимоотношениями с клиентами) 113, и передачу в них данных, как описано в рамках настоящего изобретения. Также, сервер получения, обработки данных и формирования результатов обработки 133 осуществляет обработку полученных данных (с других серверов, сервисов, из базы данных (БД) статистики 177, базы данных сервера 155 и других источников данных, как описано в рамках настоящего изобретения), а также обработанных ранее и сохраненных, например, в базах данных блока хранения данных 166.

Сервер получения, обработки данных и формирования результатов обработки 133 осуществляет передачу обработанных данных, по крайней мере, в одну базу данных (БД), по крайней мере, одного блока хранения данных 166.

В базе данных статистики 177 хранятся, по крайней мере, данные, полученные от блока получения статистики 122 для дальнейшей обработки сервером получения, обработки данных и формирования результатов обработки 133. Так, в базе данных статистики 177 могут храниться данные статистики, полученной блоком получения статистики 122 с использованием различных API. Так, для каждого коннектора (которые более подробно описаны далее) API может быть создана отдельная таблица, в которую осуществляется сохранение (средствами базы данных статистики 177 и/или сервера получения, обработки данных и формирования результатов обработки 133 и т.д.) статистика, полученная из соответствующего API. В частном случае для связи с базой данных статистики 177, в частности, для записи или чтения данных средствами предъявления результатов 115 и/или сервером получения, обработки данных и формирования результатов обработки 133, могут использоваться средства (например, утилита, приложение и т.д.) для отправки (передачи) HTTP-запросов, причем такой запрос отправляется на IP-адрес сервера, на котором развернута база данных с авторизацией, которая осуществляется с использованием учетных данных (например, логин/пароль и т.д.), в частности, сохраненных в базе данных сервера 155. В частном случае упомянутый запрос является SQL-запросом, в частности, стандартный SQL-запрос, например, «SELECT * FROM datatable». Так, сервер получения, обработки данных и формирования результатов обработки 133 осуществляет сохранение данных (в частности, «сырых» - необработанных данных), полученных (в том числе, через блок управления и организации 101) из блока получения статистики 122, а также осуществляет сохранение данных, полученных (в том числе, через блок управления и организации 101) из предиктивного блока 102 и являющихся результатом обработки данных предиктивным блоком 102. Упомянутым токеном может являться например, OAuth-токен (Oauth-токен), использующий открытый протокол (схему) авторизации OAuth, который позволяет предоставить третьей стороне ограниченный доступ к защищенным ресурсам пользователя без необходимости передавать ей (третьей стороне) логин и пароль, являющийся кодом (в частности, специальным кодом), разрешающем доступ к данным конкретного пользователя. Представляет собой уникальную строку идентификатора в шестнадцатеричном формате, например: "token": "ea135929105c4f29a0f5117d2960926f". Данный токен передается в строке запроса к API сторонней системы. В отличие от логина и пароля для идентификации, этот способ более безопасен, поскольку пароль не передается в открытом виде в запросе. Кроме этого, токен сложнее подобрать, а система управления токенами является более гибкой, поскольку устанавливаются ограничения по времени и по событиям — например, при смене пароля клиента для API автоматически отзывается токен. REST (от англ. Representational State Transfer — «передача состояния представления») - является архитектурным стилем взаимодействия компонентов распределённого приложения в сети. Например, взаимодействие между фронтендом и бэкендом, которые могут работать на разных вычислительных устройствах (компьютерах, «машинах») в сети. При этом взаимодействие осуществляется посредством обычных HTTP-запросов (GET или POST).

В базе данных сервера 155 хранятся, по крайней мере, полученные в результате обработки данных, в том числе в результате обработки данных предиктивным блоком 102, как описано в рамках настоящего изобретения. Так, в базе данных сервера 155 могут храниться сервисные таблицы, обеспечивающие функционирования блока управления и организации 101, учетные данные (логины, токены, идентификаторы пользователей, формируемые, например, блоком управления и администрирования 188 и/или блоком управления и организации 101, и присваиваемые пользователям соответствующими блоками), в том числе для подключения к сторонним API (от англ. application programming interface - программный интерфейс приложения, интерфейс прикладного программирования), в том числе серверам, сервисам и т.д., описываемым в рамках настоящего изобретения, причем данные могут храниться в зашифрованном виде, в том числе, с использованием безопасных алгоритмов хеширования, например, SHA-2 (англ. Secure Hash Algorithm Version 2 - безопасный алгоритм хеширования, версия 2), включая SHA-224, SHA-256, SHA-384, SHA-512, SHA-512/256, SHA-512/224.

Так, в базе данных сервера 155 осуществляется сохранение учетных данных, создаваемых пользователями с использованием блока (модуля) управления и администрирования 188, а также учетных данных из базы данных сервера 155 осуществляется передача, по крайней мере, токенов блоку получения статистики 122, в том числе для установления соединения с серверами сервисов сбора, хранения и обработки статистических данных пользователей 144 .

Система, показанная на ФИГ. 1, также включает блок хранения данных 166. Блок хранения данных 166 включает хранилище данных (Data WareHouse DWH) с использованием технологи ETL (от англ. Extract, Transform, Load - дословно «извлечение, преобразование, загрузка»).

Блок хранения данных 166 включает, по крайней мере, одну СУБД (систему управления базами данных) и программное обеспечение, например, в формате исполняемых скриптов, в частности, на языке Python и SQL для предварительной обработки и очистки данных в том числе получаемые данные статистики из блока управления и организации 101 (из коннекторов к сторонним API). При сборе данных статистики в базу данных (в частности, в базу данных статистики 177) собираются все необходимые поля по каждому рекламному объявлению. В частном случае, в основном такими содержимое таких полей содержит определенные параметры - числовые значения и/или параметры, например, в текстовом виде (формате). Упомянутые поля также могут содержать (в себе) структуру данных. Примером являются данные UTM-меток, которые могут содержать множество полей со значениями: `cid_{campaign_id}|gid_{gbid}|adid_{ad_id}|phid_{phrase_id}|placement_{source}|device_type_{device_type}|retargeting_id_{retargeting_id}`. Набор этих полей может меняться в зависимости от настроек рекламных кампаний и объявлений. Такие поля (их значение, как в приведенном примере) нуждаются в очистке, поскольку осуществляется парсинг (от англ. parsing - синтаксический анализ, разбор) значения в строковом виде для формирования в виде структуры «ключ:значение» (key:value). Также собирается поле с ключевыми словами, которое содержит также и минус-слова, которые исключаются из поиска: «недвижимость в Москве -промышленная -аукцион» - вся фраза получается из API только целиком, при этом минус-слова отбрасываются, поскольку в частном случае они не используются для дальнейшей обработки и предъявления, в том числе в формате отчетов.

Блок хранения данных 166 осуществляет предварительную очистку и проверку на валидность типов данных. Как описано в рамках настоящего изобретения данные статистики получаются из API и хранятся, например, в столбцах со строковым форматом или форматом даты. В частном случае данные могут передаваться в столбец с неким id (в частном случае, id представлены десятичными числами, в частности, все id) и при отсутствии значения могут быть переданы символы «-» или «--». При агрегации (в том числе при обработке) данных может возникнуть (быть получена) ошибка типа данных, поскольку ожидается, что будет получено число или ноль. Для исключения таких ситуаций осуществляется проверка (валидатором, модулем валидации) на валидность типов данных одним из известных способов с использованием одного из известных алгоритмов, например, с использованием преобразования значения одного типа в другое (например, текстового в числовое), определения типа переменной и т.д. Очищенные данные средствами блока хранения данных 166 (в том числе средствами СУБД) распределяются (сохраняются) по соответствующим таблицам в базе данных статистики 177 для дальнейшего использования. Поскольку очищенные и сохраненные данные являются «сырыми», в частности, представлены как есть, а для средств предъявления результатов 115, например, средств предъявления результатов 115 (в том числе, для формирования дашбордов), в том числе реализованных BI-системами, например, Power BI, и сторонних CRM-систем (размещенных на серверах CRM-систем 113) требуются агрегированные и связанные данные из разных источников, то далее блок хранения данных 166, в частности, с использованием скриптов, агрегирует, в частности, формирует, наборы данных для конечного пользователя (клиента, потребителя), в частности, для формирования дашбордов с целью предъявления пользователю, BI-систем (от агл. Business Intelligence - набор инструментов и технологий для сбора, анализа и обработки данных) и т.д., CRM-систем и сохраняют в отдельные таблицы базы данных статистики 177. В частном случае, упомянутые наборы данных формируются для каждого клиента по площадкам (в частности, сайтам), на которых размещаются рекламные объявления. Один из примеров схемы таблицы набора данных: «Имя пользователя (клиента); Дата и время; Название площадки; URL площадки; ID (идентификатор) рекламной кампании; ID объявления; Клики; Показы; Стоимость». Таким образом блок хранения данных 166 формирует наборы данных в релевантном для пользователей представлении и объеме, в частности, могут быть сформированы «витрины данных». Так, например, формируемые наборы данных могут быть представлены в следующем формате и содержать следующие данные [{"Общее число площадок": 158166, "Все расходы": 212977579.88000005, "Пар лид-площадка": 191684.0, "Средние затраты на лид": 1111.0868923853845}, {"Площадок, по которым мало информации": 145831, "Затрат": [3898188, 1.8], "Лидов": [5362.0, 2.8], "Затрат на лид": 727.0026948899665}, {"Площадок, которые рекомендуется забанить": 7045, "Затрат": [14691808, 6.9], "Лидов": [22749.0, 11.9], "Затрат на лид": 645.8221240494089}, {"Площадок, которые можно забанить за малое число лидов": 1142, "Затрат": [3404400, 1.6], "Лидов": [2462.0, 1.3], "Затрат на лид": 1382.7783671811535}, {"Площадок, которые хорошие": 4148, "Затрат": [190983184, 89.7], "Лидов": [161111.0, 84.1], "Затрат на лид": 1185.4136811887463}, {"Расходы за последний месяц": 814051, "Расходы за последний месяц по площадкам, которые рекомендуется забанить": [136513, 16.8, "%)"], "Расходы за последний месяц по площадкам, которые мало привлекают лидов": [24982, 3.1, "%)"], "Расходы за последний месяц по хорошим площадкам": [575498, 70.7, "%)"]}].

В частном случае, блок хранения данных 166 включает, по крайней мере, одно хранилище данных, которое является средством, в частности, устройством, для хранения информации (данных) и может быть реализовано, по крайней мере, одним накопителем на жестких магнитных дисках (НЖМД/HDD, англ. hard (magnetic) disk drive), твердотельным накопителем (SSD, англ. solid-state drive), гибридным жестким диском (SSHD, англ. solid-state hybrid drive), сетью хранения данных (СХД/SAN, англ. Storage Area Network), сетевой системой хранения данных/сетевым хранилищем (NAS, англ. Network Attached Storage) и/или любым другим средством (устройством), позволяющим осуществлять, по крайней мере, запись и/или хранение данных. Данные в упомянутых хранилищах данных могут храниться в любом известном формате, например, в базе данных (БД), например, в виде, по крайней мере, одной таблицы или набора связанных или не связанных между собой таблиц базы данных. Стоит отметить, что, по крайней мере, одна упомянутая база данных может являться иерархической, объектной, объектно-ориентированной, объектно-реляционной, реляционной, сетевой и/или функциональной базой данных, каждая из которых может быть централизованной, сосредоточенной, распределённой, неоднородной, однородной, фрагментированной/секционированной, тиражированной, пространственной, временной, пространственно-временной, циклической, сверх-большой базой данных и т.д., причем для управления, создания и использования баз данных могут использоваться различные системы управления базами данных (СУБД).

Также, данные в упомянутых хранилищах данных могут храниться, по крайней мере, в одном файле, в частном случае, в виде текстового файла, либо данные могут храниться в любом, по крайней мере, одном другом известном в настоящее время формате хранения данных/информации или в формате данных, изобретенном позднее.

Блок хранения данных 166 может являться частью сервера получения, обработки данных и формирования результатов обработки 133 или может быть связано с ним любым известным проводным или беспроводным способом связи (соединения).

Стоит отметить, что компоненты (части), изображенной на ФИГ. 1 системы могут быть связаны между собой (и любыми другими компонентами, устройствами и сервисами (службами), способными получать информацию от компонентов (частей) описываемой системы и/или передавать данные в описываемые компоненты системы) посредством различных видов связи, например, посредством локальной вычислительной сети (ЛВС), сети Интернет 114, (средствами) мобильной связи, спутниковой связи и/или посредством любого другого вида или способа проводной связи (например, посредством USB-интерфейса, интерфейса стандарта RS-232/COM-порта и т.д.) и/или беспроводной связи, например, Bluetooth, Wi-Fi, мобильной сотовой связи (GSM), в том числе 3G, 4G, LTE, в частности, в диапазонах 850/900/1800/1900 MГц, спутниковой связи, транкинговой связи и каналов передачи данных со сверхнизким энергопотреблением, формирующие сложные беспроводные сети с ячеистой топологией (ZigBee) и т.д.

Стоит отметить, что, по крайней мере, одна часть описываемого в рамках настоящего изобретения способа (или способ целиком) может осуществляться на сервере получения, обработки данных и формирования результатов обработки 133, который может являться веб-сервером или включать веб-сервер. Стоит отметить, что связь между сервером получения, обработки данных и формирования результатов обработки 133 и серверами сбора, хранения и обработки статистических данных пользователей 144, блоком хранения данных 166, серверами CRM-систем 113 может быть осуществлена посредством, по крайней мере, одного протокола передачи данных, в том числе сетевого протокола, например, TCP/IP, HTTP/HTTPs (англ. Hyper Text Transfer Protocol, протокол передачи гипертекста), FTP (англ. File Transfer Protocol, протокол передачи файлов), POP3 (англ. Post Office Protocol, стандартный протокол почтового соединения), SMTP (англ. Simple Mail Transfer Protocol, протокол, который задает набор правил для передачи почты), TELNET (протокол удаленного доступа), XMPP (от англ. Extensible Messaging and Presence Protocol - расширяемый протокол обмена сообщениями и информацией о присутствии, ранее известный как Jabber - открытый, основанный на XML, протокол для мгновенного обмена сообщениями и информацией о присутствии в режиме, близком к режиму реального времени), DTN и т.д.

Показанная на ФИГ. 1 система, в частности, сервер получения, обработки данных и формирования результатов обработки 133, также включает блок получения статистики 122, осуществляющий получение данных, передаваемых серверами сервисов сбора, хранения и обработки статистических данных пользователей 144 в том числе по запросу, отправляемому блоком (модулем) получения статистики 122, причем связь блока получения статистики 122, с серверами сервисов сбора, хранения и обработки статистических данных пользователей 144 осуществляется с использованием API, предоставляемыми такими серверами сервисов сбора, хранения и обработки статистических данных пользователей 144. Так, например, может осуществляться получение статистики (данных статистики, статистических данных) из сервиса Яндекс.Метрика 105 (ФИГ. 6), сервиса Яндекс.Директ 106 (ФИГ. 6), сервиса Calltouch 107 (ФИГ. 6), сервиса Comagic 108 (ФИГ. 6), сервиса Smartcallback 109 (ФИГ. 6), сервиса Google Ads 111 (ФИГ. 6), сервиса Google Analytics 112 (ФИГ. 6) блоком получения статистики 122 через API, в частности, из рекламных кабинетов (интерфейс, в котором пользователи могут, по крайней мере, создавать рекламные кампании) и кабинетов колл-трекингов (от англ. call-tracking - колл-трекинг, отслеживание звонков), позволяя, по крайней мере, связать количество входящих звонков с эффективностью рекламного канала, а также предоставляя дополнительную информацию о телефонных звонках. Получение статистики (данных статистики, статистических данных) может осуществляться, например, в текстовом формате, в частности, в формате JSON (от англ. JavaScript Object Notation), TSV (от англ. tab separated values - значения, разделённые табуляцией) и т.д.

Так, блок получения статистики 122 может содержать (или, в частности, может быть реализован) коннекторами (набором коннекторов) к API-интерфейсам указанных сервисов (Яндекс.Метрика 105 (ФИГ. 6), Яндекс.Директ 106 (ФИГ. 6), Calltouch 107 (ФИГ. 6), Comagic 108 (ФИГ. 6), Smartcallback 109 (ФИГ. 6), Google Ads 111 (ФИГ. 6), Google Analytics 112 (ФИГ. 6)), выполненный с возможностью добавления новых подключений (соединений). Упомянутые сервисы Яндекс.Метрика 105 (ФИГ. 6), сервиса Яндекс.Директ 106 (ФИГ. 6), сервиса Calltouch 107 (ФИГ. 6), сервиса Comagic 108 (ФИГ. 6), сервиса Smartcallback 109 (ФИГ. 6), сервиса Google Ads 111 (ФИГ. 6), сервиса Google Analytics 112 (ФИГ. 6) являются системами, в частном случае, реализованными, по крайней мере, одним сервером, в частности, функционирующие, по крайней мере, на одном сервере.

Блок получения статистики 122 позволяет получать данные, в том числе данные статистики, по крайней мере, из личных кабинетов сервисов (систем) сбора, хранения и обработки статистических данных пользователей, в частности, с соответствующих серверов сбора, хранения и обработки статистических данных пользователей 144. Один из вариантов получения, обработки и сохранения данных блоком получения статистики 122, в частности, по крайней мере, коннекторами (набором коннекторов) к API-интерфейсам указанных сервисов (Яндекс.Метрика 105 (ФИГ. 6), Яндекс.Директ 106 (ФИГ. 6), Calltouch 107 (ФИГ. 6), Comagic 108 (ФИГ. 6), Smartcallback 109 (ФИГ. 6), Google Ads 111 (ФИГ. 6), Google Analytics 112 (ФИГ. 6)), показан на ФИГ. 3.

В процессе получения данных, в том числе через (с использованием) API, может осуществляться разделение и упорядочивание данных, например, по пользователям (в частности, клиентам). Так, собираемые данные из разных сторонних API разделяются на отдельные таблицы (например, в базе данных статистики 177, в том числе средствами такой базы данных), например, для каждого источника данных используется (в том числе формируется) таблица. Данные упорядочиваются по периодам (например, по месяцам), в том числе для увеличения производительности базы данных статистики 177. В частном случае, таким образом, при выборке данных может осуществляться поиск только по кластерам (участкам таблицы, объединенным одним периодом и имеющим соответствующий индекс) таблицы данных, соответствующих выбранному временному интервалу. Так, в процессе получения данных блоком получения статистики 122 могут собираться данные по всем пользователям с дальнейшей фильтрацией сформированного списка (списка пользователей), который содержит данные, идентифицирующие пользователей (например, связанные имя и ID пользователя, например, в формате ([«Имя пользователя1», «ID пользователя1»], [«Имя пользователя2», «ID пользователя2»])), по которым осуществляется получение статистики из API. Упомянутая фильтрация может осуществляться для разделения информации, в том числе в связи с тем, что система, реализующая настоящее изобретение является многопользовательской. Таким образом, в частном случае первый пользователь (Пользователь1) не имеет доступа к данным второго пользователя (Пользователь2) и наоборот, если не предусмотрено иное. Данные фильтруются по ID (id) пользователя в системе — уникальному идентификатору.

В частном случае данные статистики могут быть получены с использованием HTTP-запросов, данные приходят в формате JSON.

Ниже приведен код тела запроса к API (в формате JSON):

«body = { /**/

"params": {

"SelectionCriteria": {

"DateFrom": "2018-01-01",

"DateTo": "2020-10-01"

"FieldNames": [

"Date",

"CampaignName",

"AdGroupName",

"AdId",

"AdNetworkType",

"AvgClickPosition",

"AvgImpressionPosition",

"Bounces",

"Impressions",

"Clicks",

"Cost",

"Placement",

"Sessions"

"ReportType": "AD_PERFORMANCE_REPORT",

"DateRangeType": "CUSTOM_DATE",

"Format": "TSV",

"IncludeVAT": "NO",

"IncludeDiscount": "NO"

}

}»,

где - «body» — тело запроса — является словарём, содержащим необходимые параметры для получения данных из API;

- «params» - словарь с параметрами запроса;

- «SelectionCriteria» — содержит критерии выборки данных, в данном случае дату начала и дату окончания периода, причем также может быть указан список ID пользователей или их кампаний, по которым осуществляется получение статистики, причем, в частном случае, по умолчанию статистика собирается для всех пользователей и их кампаний, имеющихся в личном кабинете рекламной платформы.

- «FieldNames» – список полей, которые необходимо получить, где:

- «Date» – дата кампании,

- «CampaignName» – название кампании,

- «AdGroupName» – название группы объявлений,

- «AdId» – ID объявления,

- «AdNetworkType» – тип рекламной площадки,

- «AvgClickPosition» – средняя величина кликов,

- «AvgImpressionPosition» – средняя величина показов,

- «Bounces» – количество отказов,

- «Impressions» – количество показов,

- «Clicks» – количество кликов,

- «Cost» - стоимость,

- «Placement» – площадка размещения объявления,

- «Sessions» – количество сессий;

- «ReportType» – тип отчета в API рекламной платформы;

- «DateRangeType» – тип интервала дат, причем могут быть использованы автоматические интервалы, например, AUTO (автоматически) или LAST_7_DAYS (последние семь дней);

- «Format» – формат данных получаемых из API (TSV, CSV);

- «IncludeVAT» – включать налог на добавленную стоимость (НДC), да/нет;

- «IncludeDiscount» – включать скидку (да/нет).

Описываемая система (примерный вариант которой показан на ФИГ. 1), реализующая настоящее изобретение, также включает предиктивный блок 102, который осуществляет обработку собранных статистических данных, сохраненных в базе данных статистики 177 с формированием набора данных, включающего, по крайней мере, данные прогнозируемой эффективности рекламных площадок, в том числе выбранных пользователем рекламных площадок, причем данные могут быть сохранены в формате таблиц(ы), графика (графиков), отчета (отчетов), содержащих таблицы и графики, как описано в рамках настоящего изобретения. Так, предиктивный блок 102 в процессе обработки (анализа) формирует набор данных, в том числе в формате, по крайней мере, одного отчета, из полученных данных от блока управления и организации 101, в том числе из предварительно выбранных (отобранных) для обработки предиктивным блоком 102. Предварительный выбор (отбор) данных для обработки предиктивным блоком 102 может осуществляться предиктивным блоком 102 или блоком управления и организации 101. Примерный вариант блок-схемы функционирования предиктивного блока 102 показан на ФИГ. 4.

Показанная на ФИГ. 1 система, в частности, сервер получения, обработки данных и формирования результатов обработки 133, также включает блок (модуль) автоматизированного управления рекламными кампаниями 118, который (в автоматизированном или полуавтоматическом, и/или пользователем с использованием такого блока (модуля) осуществляет запуск рекламной кампании с использованием полученных параметров от блока управления и организации 101, как описано в рамках настоящего изобретения. Блок автоматизированного управления рекламными кампаниями 118 взаимодействует с предиктивным блоком 102, через который получает отчеты по эффективности рекламных кампаний, и использует данные этих отчетов для автоматической настройки рекламных кампаний в личных кабинетах рекламных платформ, через API управления.

В частном случае в блок управления и организации 101 (который в частном случае функционирует как контроллер) передаются данные и распределяются между другими блоками системы, реализующей настоящее изобретение, примерный вариант которой показан на ФИГ. 1. В частном случае предиктивный блок 102 взаимодействует с блоком автоматизированного управления рекламными кампаниями 118 через блок управления и организации 101, в частности, через него блок автоматизированного управления рекламными кампаниями 118 получает наборы данных, например, в формате отчетов, из предиктивного блока 102, что в частном случае позволяет разграничить функционал блоков системы, примерный вариант которой показан на ФИГ. 1, например, предиктивный блок 102 в частном случае осуществляет прогнозирование (в частном случае, только прогнозирование), блок автоматизированного управления рекламными кампаниями 118 осуществляет управление рекламными кампаниями (в частном случае, только управление рекламными кампаниями), в том числе (и в частности), отправкой запросов к API на обновление параметров (настроек) рекламных кампаний, как описано в рамках настоящего изобретения и т.д., и в частном случае обусловлено разграничением обязанностей блоков системы, примерный вариант которой показан на ФИГ. 1.

После получения предиктивным блоком 102 данных (например, в формате отчета) блок управления и организации 101 формирует (создает) задание для блока автоматизированного управления рекламными кампаниями 118_,отправив в него данные из наборов данных (в частности, отчета). Далее, блок автоматизированного управления рекламными кампаниями 118 отправляет соответствующий запрос к API по меньшей мере одного сервиса, например, сервиса размещения (предъявления и управления) рекламных материалов по меньшей мере одного сервера (например, сервера сервиса размещения рекламных материалов) на корректировку настроек рекламных кампаний.

В частном случае параметры для рекламных кампаний делятся на несколько видов. Один из них — это время работы рекламной кампании, т.е. по каким дням недели и в какое время суток будет предъявляться рекламное объявление, а значит и расходоваться бюджет. Следующий вид параметров - на каких площадках размещается реклама (рекламные материалы). По умолчанию, например, рекламная сеть Яндекса или Google Ads представляют собой множество веб-сайтов, подключенных к рекламной сети, и размещенные объявления предъявляются на всех без исключения веб-сайтах. В результате работы предиктивного блока 102 формируется параметр эффективности по каждому веб-сайту, который используется для отключения размещения на тех веб-сайтах, где отдача будет неоправданно дорогой или не будет приносить лидов.

Показанная на ФИГ. 1 система, в частности, сервер получения, обработки данных и формирования результатов обработки 133, также включает блок управления и организации 101, который объединяет описываемые блоки (в частности, может включать описываемые блоки), которые осуществляют сбор данных из источников API и передают, по крайней мере, в одну базу данных, планировщики задач, которые отвечают за расписание выполняемых регулярно алгоритмов, например, алгоритма (алгоритмов) сбора данных, осуществляющего получение данных из API и сохранение их в базу данных статистики 177, выполненных в формате исполняемых скриптов, предиктивный блок 102, который, по крайней мере, осуществляет выборку данных и осуществляет обработку выбранных данных с использованием аналитического алгоритма, средства (в частности, блок, модуль) предъявления результатов 115, в частности, статистических данных (статистики) осуществляющих построение диаграмм с использованием данных, полученных в результате работы предиктивного блока 102, а также включает панель управления пользователя («админку»), с использованием которой может осуществляться управление заданиями по сбору и обработке данных, управление расписаниями задач, а редактирование учетных данных для подключения к сервисам сбора, хранения и обработки статистических данных пользователей, например, Яндекс.Метрика 105 (ФИГ. 6), Яндекс.Директ 106 (ФИГ. 6), Calltouch 107 (ФИГ. 6), Comagic 108 (ФИГ. 6), Smartcallback 109 (ФИГ. 6), Google Ads 111 (ФИГ. 6), Google Analytics 112 (ФИГ. 6). Упомянутый аналитический алгоритм может являться или может быть основан на математической модели потока событий с переменной интенсивностью, улучшенная и автоматизированная с помощью инструментов, например, DataScience - программных библиотек, поддерживающих многомерные массивы (включая матрицы) и высокоуровневые математические функция, предназначенные для работы с многомерными массивами и предоставляющих реализации вычислительных алгоритмов (в виде функций и операторов), оптимизированных для работы с многомерными массивами, в частности, с выполнением алгоритмов, которые могут быть выражены в виде последовательности операций над массивами (матрицами) и реализованы с использованием таких программных библиотек, например, NumPy, и программных библиотек для обработки и анализа данных, предоставляющих специальные структуры данных и операции для манипулирования числовыми таблицами и временными рядами, например, Pandas на языке Python, причем работа Pandas с данными строится поверх библиотеки NumPy, являющейся инструментом более низкого уровня.

В частном случае блок управления и организации 101 может включать, по крайней мере, один блок и/или может включать средства для обмена данными (по одному из известных протоколов и интерфейсов передачи данных) с другими блоками, например, предиктивным блоком 102, блоком получения статистики 122 и т.д., а также другими частями описываемой системы, например, блоком хранения данных 166, серверами CRM-систем 113, в том числе с использованием блока подключения внешних систем 103, и другими. Блок управления и организации 101 может включать средства для веб-приложений, например, фреймворк для веб-приложений, такой, как, например, Django (Джанго), или являться таким фреймворком. Упомянутые средства для веб-приложений могут включать (или использовать) шаблон проектирования MVC (от англ. Model-View-Controller - «Модель-Представление-Контроллер», «Модель-Вид-Контроллер»), являющийся схемой разделения данных приложения, пользовательского интерфейса и управляющей логики на три отдельных компонента: модель, представление и контроллер. Также, блок управления и организации 101 может являться (или может включать, в частности, содержать) сайт, использующий упомянутые средства для веб-приложений, например, может являться веб-сайтом на фреймворке, например, веб-сайтом на Django, причем веб-сайт (сайт) может функционировать с использованием (в частности, может быть создан из) одного или нескольких приложений, которые могут являться отчуждаемыми и подключаемыми. Обработчики URL (от англ. Uniform Resource Locator - унифицированный указатель ресурса) блока управления и организации 101 могут конфигурируются с использованием регулярных выражений, в том числе явно. Взаимодействие блока управления и организации 101 может осуществляться с использованием технологии программирования, связывающей базы данных с концепциями объектно-ориентированных языков программирования, создавая виртуальную объектную базу данных, например, с использованием технологии ORM (от англ. Object Role Model - модель ролей объекта).

Показанная на ФИГ. 1 система, в частности, сервер получения, обработки данных и формирования результатов обработки 133, также может включать блок задач (брокер задач, сообщений) 120, осуществляющий управление задачами в очереди, в частности, порядком выполнения, и распределением нагрузки с использованием блока очереди задач 104, в частности, осуществляет выполнение задач по расписанию, например, получение статистики из внешних источников через API. В частном случае блок задач 120 может являться брокером сообщений с использованием стандарта AMQP (от англ. Advanced Message Queuing Protocol - открытый протокол для передачи сообщений между компонентами системы), например, использовать технологию RabbitMQ. Блок задач 120, являющийся, в частности, брокером сообщений, осуществляет получение сообщений (что необходимо сделать) от отправителя и передачу их адресату, где отправителем и получателем сообщений является блок очереди задач 104, выполненный с возможностью создания заданий и расписания выполнения этих заданий (в частности, может быть реализован функционал создания заданий и функционал расписания выполнений таких заданий). Таким образом, может быть сформирован запрос на получение данных статистики по определенным клиентам за выбранные интервалы времени, например, автоматически или пользователем в панели управления пользователя («админке»). В результате упомянутого запроса блок очереди задач создает задание на выполнение соответствующего участка кода и отправляет его в очередь блока задач 120. Далее блок очереди задач 104 осуществляется по расписанию выбор из очереди тех задач, которые должны быть выполнены в конкретный момент времени и именно они «стартуют» (запускаются) в указанное для них время. В частном случае, за счет того, что все задания попадают сначала в очередь, нет ситуации, когда одновременно запускаются все задачи вне зависимости от свободных ресурсов, каждое задание запускается только в нужный момент. При высокой загрузке осуществляется отложенный запуск после освобождения необходимых для выполнения ресурсов.

Блок очереди задач 104 осуществляет формирование очереди задач и управление расписаниями задач, например, с использованием системы асинхронной передачи сообщений и может быть реализован, например, с использованием технологии Celery («distributed task queue»). Блок очереди задач 104 в частном случае может представлять собой (являться) блоком распределенной, в частности, асинхронной, очереди заданий (в частном случае являться распределенной асинхронной очередью заданий (в том числе модулем обработки, выполнения и т.д. распределенной асинхронной очереди заданий). Блок очереди задач 104 осуществляет запуск скриптов (например, различные алгоритмы по сбору, обработке и представлению пользователю данных), которые могут работать асинхронно (параллельно) или синхронно (последовательно). Блок очереди задач 104 включает (содержит), по крайней мере, один исполнитель (Worker), обеспечивающий поток выполнения кода и выделение ресурсов и изолированной среды в памяти (в частности, в оперативной памяти) сервера получения, обработки данных и формирования результатов обработки 133 (или по крайней мере, одного его блока, например, блока очереди задач) для него. Worker может обеспечивать конкурентное выполнение нескольких задач одновременно. Блок очереди задач выполнен с возможностью распределенного выполнения на нескольких серверах, периодических заданий (замена cron, частным случаем которого является crond, используемый в системах Red Hat Linux), повторного выполнения задания в случае если вызвано исключение, ограничения количества заданий в единицу времени, распределения заданий между worker'ами (которых может быть множество, в частности больше одного), мониторинга выполнения заданий — в частности, может отслеживаться в реальном времени статус выполнения задания (в частности, запроса), например, пользователю может предъявляться (в частности, отображаться) статус выполнения задания (в частности, запроса). В сочетании (в частности, совместно) с блоком задач 120 формируется автоматизированная система по управлению всеми заданиями внутри системы, примерный вариант которой показан на ФИГ. 1. Так, блок задач 120 и блок очереди задач 104 могут формировать автоматизированную подсистему для управления описываемыми заданиями (в частности, запросами).

Сервер получения, обработки данных и формирования результатов обработки 133, также может включать блок (модуль) управления и администрирования 188, который может являться частью блока управления и организации 101 или может быть связан с ним, причем блок (модуль) управления и администрирования включает интерфейс пользователя, в частности, графический интерфейс пользователя. Блок управления и администрирования 188 позволяет пользователю с использованием интерфейса пользователя, по крайней мере, управлять задачами по сбору данных их анализа, например, создавать и редактировать задачи по расписанию, настраивать расписания.

Для предъявления результатов, по крайней мере, одному пользователю, в том числе для получения отчетов, вывода результатов, в том числе на веб-сайте, передачи, сохранения обработанных данных в файл, например, в файл отчета, в том числе с диаграммами, может использоваться личный кабинет пользователя, который может содержать средства (модуль, блок, устройство, в том числе вычислительное устройство с установленным программным обеспечением, например, сервер, персональный компьютер и т.д.) предъявления результатов 115 или являться средствами предъявления результатов 115, включающим, по крайней мере, предъявление (в частном случае, хранение) с данными, являющимися, по крайней мере, результатами обработки данных предиктивным блоком 102, включая, но не ограничиваясь, показатели (основные показатели) в результирующих данных, в частности, показатели эффективности рекламных площадок, выраженных в количественном выражении в полях: «Клики», «Стоимость», «Показы», «Лиды» (привлечённые с помощью рекламного объявления клиенты), «Достигнутые цели» (Goals), которые формируют эффективность (значение эффективности) в зависимости от времени - за определенные промежутки времени (например, часы, дни, месяцы), в частности, отображают картину эффективности с течением времени, и с возможностью их загрузки (скачивания), сохранения и т.д. пользователем, в том числе в формате цифровых сущностей, например, документа отчета, в том числе в формате файла (например, в формате таблиц, текстовых форматах, формате изображений и т.д., в том числе в формате xlsx, pdf и т.д.). Средства предъявления результатов 115 могут содержать наборы данных, содержащие результаты обработки данных, по крайней мере, предиктивным блоком 102, в том числе отчеты (включая отчеты в реальном времени), включающие показатели и группы показателей. Средства предъявления результатов 115 могут осуществлять формирование и предъявление наборов в формате цифровых сущностей, например, дашбордов (информационных панелей, инфопанелей, от англ. dashboard). Средства предъявления результатов 115 также могут получать данные из блока хранения данных 166 и/или из блока управления и организации 101 и, по крайней мере, визуализировать представления получаемых массивов данных, а также обрабатывать полученные данные и хранить полученные данные и результаты обработки. Средства предъявления результатов 115 могут включать аналитическую панель с интерфейсом для интерактивного взаимодействия с показателями, в том числе изменяющимися в течение времени. В частном случае средства предъявления результатов 115 могут размещаться, по крайней мере, на одном сервере, например на сервере предъявления рекламных материалов, в котором осуществляется настройка предъявления рекламных кампаний и предъявления рекламных материалов. Так, средства предъявления результатов 115 соединяются (устанавливается соединение) с базой данных статистики 177 по протоколу HTTP, для авторизации чего могут быть использованы логин и пароль учетной записи (хранящиеся в БД данных сервера 155) с правами только на чтение таблиц с данными статистики. Так, данные, в частности, данные для формирования (в частности, построения) дашбордов, графиков, диаграмм, получаются (агрегируются) средствами предъявления результатов 115 посредством отправки (передачи) в блок хранения данных 166 SQL-запросов. Пример SQL-запроса:

SELECT

Placement,

CampaignName,

Date,

Bounces,

Impressions,

Clicks,

Cost,

Sessions

FROM directdata.

Результат приведенного выше запроса показан в Таблице 1 ниже.

Таблица 1

Login	Place-ment	Campaign-Name	Date	Bounces	Impres-sions	Clicks	Cost	Ses-sions
tektanow	site. name	konkurenty_n	2020-01-18 00:00:00	0	10	5	99.65	5

, где

- Login - логин клиента агентства, состоит из названия латинскими буквами, например bigtimemoscow;

- Placement - площадка размещения объявления;

- CampaignName - название кампании;

- Date - дата кампании;

- Bounces - количество отказов;

- Impressions - количество показов;

- Clicks - количество кликов;

- Cost - стоимость;

- Sessions - количество сессий.

Также, показанная на ФИГ. 1 система может включать блок подключения внешних систем 103, который используется, по крайней мере, блоком управления и организации 101 и средствами предъявления результатов 115, для обмена данными с серверами CRM-систем 113, а также может использоваться для обмена данными со средствами предъявления результатов 115, в частности, может использоваться для подключения сторонних систем, таких, как CRM-системы, систем формирующих дашборды и т.д.. Блок подключения внешних систем 103 выполнен с возможностью предоставления сторонним системам возможности подключаться к серверу получения, обработки данных и формирования результатов обработки 133 (устанавливать с ним связь для обмена данными) и, по крайней мере, получать данные статистики (как до обработки, так и после обработки, в том числе первичной обработки), а также данные результата обработки данных предиктивным блоком 102, в частности осуществляющим, по крайней мере, выполнение предиктивного алгоритма. Упомянутое подключение может осуществляться с использованием токена (генерируемого, например, по стандарту Oauth, в частности, также, как и в сторонних API, и также представляет собой строку уникального идентификатора, например, в шестнадцатеричном формате), например, с использованием протокола (схемы) авторизации, в том числе открытого, позволяющего предоставить серверам CRM-систем 113 (в том числе CRM-системам и пользователям CRM-систем) доступ, в том числе ограниченный доступ, к ресурсам, в том числе, защищенным ресурсам (данным), в том числе данным результата обработки данных предиктивным блоком 102, данным статистики, в том числе без передачи серверам CRM-систем 113 учетных данных, например, логина и пароля. Так, подключение может осуществляться по протоколу OAuth с использованием упомянутого токена.

В частном случае блок подключения внешних систем 103 может использовать REST API, в частности, может являться приложением REST API, реализованным, например, с использованием Django REST Framework (фреймворк) и позволяет создавать API-интерфейсы для подключений через HTTP-запросы (формат данных - JSON) сторонних сервисов к серверу получения, обработки данных и формирования результатов обработки 133.

Средства предъявления результатов 115, например, формирующие дашборды, в том числе использующие технологию Power BI или являющиеся в частном случае приложениями Power BI, подключаются к серверу получения, обработки данных и формирования результатов обработки 133 с использованием блока подключения внешних систем 103, агрегируя данные, хранящиеся в таблицах базы данных статистики 177.Агрегация данных может осуществляться с использованием SQL-запросов, отправляемых средствами предъявления результатов 115. Подключение средств предъявления результатов 115 может осуществляться посредством HTTP-запросов, а данные в средства предъявления результатов 115 могут передаваться в виде строк в формате CSV (от англ. Comma-Separated Values - значения, разделённые запятыми).

Серверы CRM-систем 113 (в частности, CRM-системы), а также средства предъявления результатов 115 могут подключаться к серверу получения, обработки данных и формирования результатов обработки 133 через блок подключения внешних систем 103 посредством HTTP-запросов, авторизуются при помощи токена и получают наборы данных статистики в формате JSON, ограниченные уровнем доступа конкретного токена.

В хранилище данных серверов CRM-систем 113 осуществляется хранение передаваемых блоком подключения внешних систем 103 данных, по крайней мере, сервера получения, обработки данных и формирования результатов обработки 133, например, сервисных таблиц, обеспечивающие работу, по крайней мере, блока управления и организации (в частном случае, фреймворка Django) 101, учетных данных (логинов, токенов, ID (уникальных идентификаторов) пользователей) для подключения к сторонним API, причем данных хранятся в зашифрованном виде.

На ФИГ. 2 показан один из вариантов функционирования одного из вариантов системы, реализующей настоящее изобретение, согласно одному из вариантов осуществления настоящего изобретения.

В шаге 210 осуществляется получение данных статистики сервером получения, обработки данных и формирования результатов обработки 133, в частности, блоком получения статистики 122 с дальнейшей передачей, по крайней мере, в блок управления и организации 101, с серверов сервисов сбора, хранения и обработки статистических данных пользователей 144. Так, в частном случае осуществляется сбор данных статистики из систем аналитики (в частности, из личных кабинетов систем) с использованием коннекторов к соответствующим API, предоставляемым такими системами, реализованных в блоке подключения внешних систем 103 и/или в блоке управления и организации 101, и осуществляется получение статистики по рекламным кампаниям из нескольких источников, формируемая блоком подключения внешних систем 103 и/или блоком управления и организации 101 в наборы данных статистики, в частности, по рекламным кампаниям, по крайней мере, из одного источника данных статистики.

В шаге 215 блоком получения статистики 122, в том числе через блок управления и организации 101 (с использованием средств блока управления и организации 101), осуществляется передача полученных данных, по крайней мере, в одну базу данных, в частности, в базу данных статистики 177, с их сохранением, по крайней мере, в базе данных статистики 177, которая в частном случае содержит множество таблиц, например, по одной таблице для каждой сторонней системы аналитики, в частности, CRM-системы.

В шаге 220 предиктивным блоком 102 осуществляется формирование выборки данных, в том числе для предиктивного анализа (предиктивной обработки, по крайней мере, предиктивным блоком 102) и формирования обработанных наборов данных, в том числе для формирования цифровых сущностей, например, отчетов, содержащих такие данные. Упомянутая формируемая выборка данных содержит данные статистики по рекламным кампаниям, в том числе значения таких полей (представлены поля), как название рекламной кампании, логин клиента, площадка размещения рекламы (url веб-сайта), показы, клики, стоимость, название группы объявлений (объединяет объявления в рамках одной кампании как правило по названию площадки и дате размещения объявления), причем формирование выборки данных осуществляется по нескольких параметрам (в том числе сразу по нескольким параметрам): клиент, рекламная кампания, площадка размещения, принадлежность группе рекламных объявлений.

В шаге 225 предиктивным блоком 102 осуществляется формирование выборки данных для формирования цифровых сущностей, например, дашбордов, которая содержит данные статистики по стоимости привлечения лидов (достижения целей рекламных кампаний), в том числе значения таких полей (представлена полями), как дата/время визита, свойство визита (является ли визит прямым заходом на веб-сайт), количество целевых клиентов, количество лидов за визит, стоимость лида, стоимость визита, название рекламной кампании, описание категории для рекомендации, логин пользователя (клиента). Указанные данные группируются по визитам, лидам и дням, т.е. формируется набор данных (с формированием картины того) о том, сколько оригинальных визитов и лидов было, например, в каждый день недели.

В шаге 235 предиктивным блоком 102 осуществляется формирование наборов данных, в том числе в формате цифровых сущностей, например, в формате отчета, которые могут содержать, по крайней мере, показатели эффективности рекламных площадок при размещении на них рекламных объявлений (материалов) и рекомендации по дальнейшему использованию (применению), а также параметры (настройки), в том числе рекомендуемые, рекламных кампаний. В частном случае осуществляется формирование отчета в виде показателей эффективности, который содержит рекомендации по применению и необходимые настройки рекламных кампаний. Так, рекомендации формируются, например, в виде (в формате) отчета, состоящего из данных, например, в формате таблиц, с количественными показателями по стоимости, кликам и показам, диаграмм, показывающих поведенческие изменения в зависимости от времени суток, дней недели, а также в виде типовых рекомендаций (и/или инструкций, например, по крайней мере, для одного блока, модуля системы, показанной на ФИГ. 1, для выполнения, в том числе в автоматизированном режиме) по оптимизации рекламной кампании, в том числе посредством исключения размещения на тех площадках, которые приносят мало сделок или вообще не приносят и сосредоточении бюджета на площадках, приносящих больше всего лидов. Рекламные компании содержат множество настроек (параметров), например, параметры настройки показа объявлений в определенное время суток и по определённым дням недели.

Так, например, параметры (настройки) передаются командой серверу API сервиса контекстной рекламы на веб-страницах (например, Яндекс.Директ), например, в формате словаря, который может включать в себя, по крайней мере, следующие параметры или их часть:

- Id - идентификатор кампании, параметры которой требуется изменить;

- Name - название кампании (в частном случае, до 255 символов);

- StartDate - дата начала показов объявлений, например, в формате YYYY-MM-DD и в частном случае не меньше текущей даты;

В частном случае показы рекламных объявлений начинаются в 00:00 по московскому времени (независимо от значения параметра TimeZone). На время начала показов влияют настройки временного таргетинга (параметр TimeTargeting).

Показы объявлений возможны при условии, что хотя бы одно объявление принято модерацией и внесены средства на кампанию или на общий счет. В частном случае является необязательным параметром;

- EndDate - дата окончания показов объявлений (например, в формате YYYY-MM-DD). В частном случае показы объявлений прекращаются в 24:00 по московскому времени (независимо от значения параметра TimeZone). В частном случае является необязательным параметром;

- TimeZone - часовой пояс в месте нахождения рекламодателя. Справочник часовых поясов может быть получен с помощью метода Dictionaries.get. Значение по умолчанию Europe/Moscow;

- DailyBudget - настройки дневного бюджета кампании. В частном случае, управление дневным бюджетом доступно, если в кампании выбрана ручная стратегия показа, в противном случае при попытке задать дневной бюджет возвращается ошибка. В частном случае является необязательным параметром;

- "ExcludedSites": { /* массив (список) строк*/

"Items": [(строка), ... ] /* перечисляются домены площадок, подлежащих отключению */

}

Массив мест показа, где не нужно показывать объявления:

- доменные имена сайтов;

- идентификаторы мобильных приложений (bundle ID для iOS, package name для Android);

- наименования внешних сетей (SSP). Список наименований можно получить с помощью метода Dictionaries.get.

В частном случае, не более 1000 элементов в массиве и не более 255 символов в каждом элементе массива. В частном случае является одним из ключевых параметров, в него передается список площадок, которые нужно исключить из показа объявлений;

- "TimeTargeting": {

"Schedule": { /* Массив чисел */

"Items": [(число), ... ]

"ConsiderWorkingWeekends": ( "YES" | "NO" ), /* required */

}

, где "TimeTargeting" - Настройки временного таргетинга и почасовой корректировки ставок;

- "Schedule" - настройки временного таргетинга и почасовой корректировки ставок. В частном случае не более 7 элементов в массиве.

Каждый элемент массива содержит в частном случае 25 чисел, разделенных запятыми. Первое число - номер дня недели: от 1 (понедельник) до 7 (воскресенье). Следующие 24 числа - последовательность коэффициентов к ставке для показа объявлений в соответствующие часы. Коэффициенты указываются в процентах от 0 до 200, значение должно быть кратно 10. Коэффициент 0 означает, что объявления в этот час не показываются. Пример элемента массива: 1, 0, 0, 50, 50, 100, 100, 150, 200, 200, 150, 100, 100, 80, 70, 100, 100, 100, 50, 50, 40, 30, 0, 0, 0

Таким образом, в числовом виде передаются параметры с точностью до часа в сутках - при значении нулевом значении в указанном часе объявление не показывается, соответственно, бюджет не расходуется “впустую” в неэффективное время.

- ConsiderWorkingWeekends – определяет (задает) менять ли расписание показов при переносе рабочего дня на субботу или воскресенье. Например, если рабочий день перенесен с понедельника на субботу, при значении «YES» в рабочую субботу пойдут показы по расписанию понедельника, а в нерабочий понедельник, — по расписанию субботы.

Таким образом, в рекламной кампании может быть исключен перечень рекламных площадок, как неэффективных в плане привлечения лидов (совершения сделок).

В шаге 240 средствами предъявления результатов 115 осуществляется предъявление, по крайней мере, одного набора данных (пользователю), например, в форме отчета в виде диаграмм на веб-сайте с возможностью сохранить (в том числе выгрузить) отчет, средствами предъявления результатов 115. Так, может осуществляться отображение данных отчета (в реальном времени) пользователю, например, в виде диаграмм, по крайней мере, на одной странице веб-сайта с возможностью выгрузить отчет в виде, по крайней мере, одного текстового, графического и т.д. файла pdf, xlsx. Так, что пользователи могут отслеживать в реальном времени данные по рекламным материалам, площадкам и т.д., а также после внесенных изменений в настройки параметров рекламных площадок, предъявления рекламных материалов и т.д.

В шаге 245 блоком управления и организации 101 осуществляется передача данных, в том числе параметров (настроек), в том числе параметров рекламных кампаний, в блок автоматизированного управления рекламными кампаниями 118, например, в формате JSON. Так, в частном случае, блок автоматизированного управления рекламными кампаниями 118 взаимодействует с предиктивным блоком 102, через который получает отчеты по эффективности рекламных кампаний, и использует данные этих отчетов для автоматической настройки рекламных кампаний в личных кабинетах рекламных платформ, через API управления.

В шаге 250 блоком автоматизированного управления рекламными кампаниями 118 осуществляется запуск рекламной кампании с использованием полученных параметров, в частности, скорректированных параметров. Так, параметры для рекламных кампаний делятся на несколько видов. Один из них - это время работы рекламной кампании, т.е. по каким дням недели и в какое время суток будет предъявляться рекламное объявление, а значит и расходоваться бюджет. Следующий вид параметров - это на каких площадках размещается реклама (рекламные материалы). По умолчанию, например, рекламная сеть Яндекса или Google Ads представляют собой множество веб-сайтов, подключенных к рекламной сети, и размещенные объявления предъявляются на всех без исключения веб-сайтах. В результате работы предиктивного блока 102 формируется параметр эффективности по каждому веб-сайту, который используется для отключения размещения на тех веб-сайтах, где отдача (эффективность) будет неоправданно дорогой или не будет приносить лидов.

В случае, если в результате работы предиктивного блока 102 получен список веб-сайтов (доменов, площадок) для отключения, срабатывает проверка - т.е. наличие списка является триггером для отправки запроса на обновление соответствующих рекламных кампаний. В этом случае, формируется запрос на обновление соответствующих рекламных кампаний (тех, объявления которых размещаются на указанных площадках). Отключение площадок происходит в рамках этого запроса обновления выборочно, т.е. согласно списка и временных интервалов, все остальные площадки остаются неизменными и участвуют в показе объявлений, с использованием указанных выше параметров для отключения.

Далее приведен общий вид запроса для управления рекламными кампаниями через API. Используется метод “update” (обновить) для внесения изменений в настройки кампаний.

curl \

-H 'Authorization: Bearer ТОКЕН' \

-H 'Client-Login: ЛОГИН_КЛИЕНТА' \

-d '{ "method": "update",

"params": {

"Campaigns": [{ (Список рекламных кампаний)

"Id": ИДЕНТИФИКАТОР_КАМПАНИИ,

"Name": НАЗВАНИЕ_КАМПАНИИ,

"StartDate": ДАТА НАЧАЛА,

"EndDate": ДАТА ОКОНЧАНИЯ,

"TimeZone": ЧАСОВОЙ ПОЯС,

"DailyBudget": ДНЕВНОЙ БЮДЖЕТ,

"ExcludedSites": { /* массив (список) строк*/

"Items": [(строка), ... ] /* перечисляются домены площадок, подлежащих отключению */

"TimeTargeting": {

"Schedule": { /* Массив чисел */

"Items": [(число), ... ]

"ConsiderWorkingWeekends": ( "YES" | "NO" )

}

}]

}

}'https://api.direct.yandex.com/json/v5/campaigns

Предиктивный блок 102 осуществляет обработку данных статистики, сохраненных в базе данных статистики (БД данных статистики) 177, с использованием предиктивного алгоритма формируя, по крайней мере, один набор данных, содержащий данные прогнозируемой эффективности выбранных (пользователем) рекламных площадок, например, в формате сформированного отчета с таблицами и графиками прогнозируемой эффективности выбранных рекламных площадок. Так, упомянутый предиктивный блок 102 (в том числе с использованием предиктивного алгоритма) получает (в том числе по запросу) данные из таблицы базы данных статистики 177, переданные в нее ранее из API, по параметрам, например: количеству информации по площадке (ненулевое количество кликов и стоимости кликов), отношение числа лидов к количеству визитов (влияние площадки на вовлеченность аудитории), процент ненулевых по времени заходов (число отказов как показатель соответствия площадки тематике сайта), процент потерянных кликов (когда был визит и переход по рекламе, но клик не зафиксирован в статистике). Далее предиктивный блок 102 осуществляет проверку данных с сервера системы (сервиса) контекстной рекламы на веб-страницах (например, Яндекс.Директ, который в настоящем изобретении используется в качестве примера сервиса контекстной рекламы на веб-страницах) и с сервера сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика, который в настоящем изобретении используется в качестве примера сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей), например, проверяются (в частности, сверяются) такие данные, в частности, параметры, как время визита, продолжительность, рекламная площадка, принадлежность к рекламной кампании, а данные рекламных кампаний получаются с сервера сервиса контекстной рекламы на веб-страницах (например, Яндекс.Директ), на который передаются данные, в частности, статистика с сервера сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика), в том числе (но не ограничиваясь) информация об id счетчика, который собирает статистику на сайте, причем по такому полю может быть сверена корректность и актуальность статистики, поскольку информация обновляется постоянно (с заданной, в частности, настроенной, периодичностью, например, один раз в одну или несколько секунд, одну или несколько минут и т.д.) и, в частности, передается между упомянутыми сервисами (например, из Яндекс.Метрики в Яндекс.Директ) не мгновенно, для чего, в частном случае, осуществляется такая проверка, сверяются id визитов, рекламных кампаний и площадок для формирования информации по конкретному пользователю (клиенту), например, время посещения сайта (когда пришёл на сайт), откуда, какие действия совершал, возвращался ли повторно и откуда возвращался, например, с рекламных материалов или был осуществлен "прямой" заход на сайт и т.д., поскольку сервер сервиса контекстной рекламы на веб-страницах (например, Яндекс.Директ) отправляет суммарные данные, например, сумму расходов за день, сумму кликов за день и сумму сессий пользователей (клиентов) за день. В результате упомянутого сравнения формируется набор данных, в частности, объединенная статистика, с сервера сервиса контекстной рекламы на веб-страницах (например, Яндекс.Директ), дополненный данными, в частности, статистикой, с сервера сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика).

Далее предиктивным блоком 102 статистика с сервера сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика) сводится к дням по оригинальным визитам и лидам, где упомянутое сведение включает объединение нескольких таблиц с данными статистики по нескольким общим полям. Так, например, после объединения Таблицы 5, Таблицы 6, Таблицы 7, Таблицы 8 формируются таблицы объединенных данных (Таблица 9, Таблица 10 и Таблица 11). Далее предиктивным блоком 102 осуществляется подключение данных с сервера сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика), в частности, осуществляется подключение статистики визитов с сервера сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика), в частности, приведенные в Таблице 5, Таблице 6, Таблице 7, Таблице 8, к данным с сервера системы (сервиса) контекстной рекламы на веб-страницах (например, Яндекс.Директ), в частности, данные статистики объединяются по общим полям: Кампания, Площадка, как показано в Таблице 10 и Таблице 11.

Далее из этих данных (объединенных по общим полям) предиктивным блоком 102 при помощи операций реляционной алгебры (выборка, произведение, объединение, пересечение, соединение, вычитание), например, реализованных в библиотеке pandas, формируется многомерный массив данных - датафрейм (DataFrame) - в котором измерениями являются дни недели, часы и площадки. Датафрейм формируется для дальнейшей сортировки площадок и временных интервалов по категориям, согласно описанию ниже, из него формируются Таблица 9, Таблица 10, Таблица 11. Такой массив сложно представить в виде таблицы, однако существующие средства, например, инструменты Pandas, позволяют трансформировать и декомпозировать данные, в том числе данные статистики, а также производить математические операции, без потерь производительности.

Предикативный блок 102 осуществляет выборку данных статистики по текущему пользователю (в частности, формирует выборку данных) по заданным (определенным) временным интервалам, причем временные интервалы могут быть заданы пользователем в интерфейсе личного кабинета, например, с использованием известного (общепринятого) элемента - датапикера (от англ. Datepicker), который позволяет выбрать интервал (период) между двумя датами. Временные интервалы могут быть практически любыми (день, неделя, десять, двадцать дней, месяц год и т.д.), в частности, из доступных в датапикере.

Упомянутые интервалы времени передаются в задачу в виде параметров начала ("start_date") и окончания периода ("end_date"). Так, задача формируется блоком задач 120 в виде (формате) вызова функции, например, реализованной на языке Python. Сама функция (ее код) получается блоком задач 120 из блока управления и организации 101. Например, в функции function(start_date, end_date) в качестве параметров передаются начальная дата и конечная дата периода, за который нужно получить данные статистики. Данные статистики, сохраненные в базе данных статистики (БД данных статистики) 177, содержат информацию о визитах на сайт, "кликах" (взаимодействиях) по рекламным объявлениям (выборе рекламных объявлений пользователем, средствами вычислительных устройств с использованием программного обеспечения и т.д., например, скриптов), стоимости каждого "клика" (от англ. сlick) в результате работы рекламной кампании (в течение (продолжение) периода времени, когда рекламная кампания является активной, в частности, объявления, которые к ней относятся, отображаются (предъявляются) пользователям веб-сайтов со всеми сопутствующими событиями, такими, как, например, клики, расходы бюджета за клики и т.д.; периодом времени является период с момента активации (включения) рекламной кампании в личном кабинете до момента получения данных статистики, в случае, когда рекламная кампания все еще активна, или до момента остановки рекламной кампании - в таком случае, эта дата будет предшествовать дате получения данных из API), а также другие параметры, такие как, например, процент скликивания (от англ. bounces), а также другие параметры, связанные напрямую с перечисленными и являющиеся относительными показателями между ними. Упомянутый показатель процент скликивания получается из API и высчитывается на стороне рекламной платформы.

В процессе обработки данных предиктивным блоком 102 используются данные сразу из нескольких источников, причем источниками являются API сервисов (Яндекс.Метрика 105 (ФИГ. 6), Яндекс.Директ 106 (ФИГ. 6), Google Ads 111 (ФИГ. 6), Google Analytics 112 (ФИГ. 6), коллтрекингов Calltouch 107 (ФИГ. 6), Comagic 108 (ФИГ. 6), Smartcallback 109 (ФИГ. 6)). Данные во всех источниках могут являться данными одного типа, причем разницу могут составлять лишь названия полей. В коллтрекингах добавляется номер телефона, поскольку он может являться меткой (своего рода меткой), как, например, при переходе по ссылке, utm-метки несут информацию, откуда пользователь перешёл на сайт, так и номер телефона помогает идентифицировать пользователей (в частности, отделять одного пользователя от другого). Полученные данные сопоставляются по уникальным идентификаторам. Сопоставление данных может осуществляться посредством поиска похожих (в частности, идентичных) идентификаторов в сопоставляемых таблицах данных. Далее, при нахождении совпадения, столбцы этих таблиц добавляются в одну результирующую таблицу. В частном случае сопоставление может осуществляться с использованием методов JOIN (например, при использовании Pandas), аналогичных соответствующим методам в запросах SQL. В частном случае сопоставление может осуществляться с использованием запросов SQL. Данные статистики (статистика) из колл-трекингов объединяются (соединяются, "склеиваются") со статистикой из Яндекс.Метрика 105 (ФИГ. 6), Яндекс.Директ 106 (ФИГ. 6) по уникальным идентификаторам (ID) рекламных кампаний, ID счетчиков на веб-сайтах. Для отслеживания активности (в частности, любой активности) на веб-сайте, на веб-сайт может быть добавлен (установлен) программный компонент, например, скрипт, являющийся счетчиком, который передаёт данные рекламному сервису (например, Яндекс.Метрика).

Статистика Яндекс.Метрика 105 (ФИГ. 6) "склеивается" со статистикой из Яндекс.Директ по utm-меткам, в частности по ClientId. Так, находятся совпадения по полю id кампании, например, в Яндекс.Директ, и такому же полю в utm-метке Яндекс.Метрика. Упомянутый ClientId добавляется в таблицу данных, например, Яндекс.Директ, при сборе данных статистики, и используется для разграничения данных между несколькими пользователями системы, примерный вариант которой приведен на ФИГ. 1, и соответствует текущему пользователю (по сути, означает текущего пользователя). В коллтрекингах utm-метки содержат идентификатор(ы) рекламной кампании. С использованием упомянутых идентификаторов осуществляется поиск совпадений в данных, например, Яндекс.Директ и Яндекс.Метрика, далее эти данные объединяются по совпадающему идентификатору.

В частном случае, в процессе обработки (анализа) данных предиктивным блоком 102 используются два взаимодополняющих способа:

1. настройка временных интервалов демонстрации рекламных материалов (объявлений, рекламных объявления), в частности осуществляется нахождение (вычисление) таких временных интервалов, в течение которых привлечение лидов по каждой кампании Яндекс.Директ 106 (ФИГ. 6) маловероятно. Временные интервалы проверяются на количество кликов и достигнутых целей. В процессе обработки данных, отслеживается последовательность действий пользователя: увидел рекламное объявление, затем перешёл по нему на веб-сайт, далее совершил целевое действие (достиг цели, поставленной в настройках рекламной кампании, например, нажал кнопку «Купить» или кнопку «Позвонить мне»). Таким образом, те временные интервалы, в которые клики не приводили к достижению целей, можно избежать (в частности, могут быть исключены из обработки). В эти интервалы вероятность получить лиды (пользователей, достигших цели) меньше остальных интервалов, которые приносят максимум лидов при сравнимых или меньших затратах. Таким образом может быть снижен рекламный бюджет (или полностью можно избежать расхода рекламного бюджета) на клики, не приводящие к достижению целей (совершению целевых действий на сайте), путем ограничения временных интервалов.

2. настройка списков используемых рекламных площадок (настройка списков рекламных площадок), которые подделывают переходы с объявлений, и являются неэффективными площадками, в частности, осуществляется обнаружение (поиск) рекламных площадок, подделывающих переходы с объявлений, и неэффективных площадок, с формированием списка. Согласно анализу и изучению собранных данных статистики эмпирическим путем вычислена закономерность (по заданному количеству клиентов агентства, например, по всем клиентам или их части, например, по 200 клиентам, причем количество может меняться с ростом клиентов), что не позднее, чем после 235 просмотров (объявления), первый визит (на веб-сайт) происходит с вероятностью 86 %. Таким образом, осуществляется отсеивание (исключение) тех площадок, которые набрали более 235 просмотров и ни одного визита. В числе таких площадок могут быть и те, которые умышленно подделывают переходы. Кроме того, в числе таких неэффективных площадок могут быть те, которые не приносят нужного числа просмотров, а следовательно и дальнейших визитов. В частном случае указанное значение в 235 просмотров может быть изменено, в частности, настроено, например, уменьшено или увеличено (пользователем или с использованием средств описываемой системы, в том числе на основе осуществляемого анализа данных, в том числе включающих, по крайней мере, количество просмотров и количество визитов) в том числе для достижения более высоких показателей.

Входными данными являются: интервал исследования, передаваемый в виде параметров (например, с 2018-01-01 по 2019-04-25), адрес веб-сайта (в частности, визит является нахождением пользователя на одном конкретном сайте), количество визитов, полученных из Яндекс.Директ, объем затраченных на рекламную кампанию средств (вычисляемых посредством суммирования значения столбца «Cost» в данных статистики по соответствующей кампании), число целевых ClientID, по которым совершена сделка (где сделкой является целевое действие, совершенное пользователем, в данном случае, клиентом веб-сайта, например, нажал кнопку «заказать» на веб-сайте. Упомянутые входные данные (в частности, параметры), могут использоваться для формирования объединенного массива данных (далее - "ОМД" или в формулах - "df"), объединенных из разных (различных) источников. По целевым ClientID объединяются данные из Яндекс.Директ и Яндекс.Метрики путем формирования поля по общим значениям, вычисляемым по формуле: CampaignName + Placement + Date.

Так, в частном случае определяются настройки кампаний, например, Яндекс.Директ, позволяющие экономить рекламные бюджеты без уменьшения объемов привлекаемых лидов.

Так, входная информация связывается по идентификаторам, адресам электронной почты, номерам телефонов в единую историю посетителя, причем прослеживаются как прямые лиды, то есть, совершившие целевое действие в текущем визите, так и отложенные лиды, которые совершали целевое действие позже в другом временном интервале. В частном случае, для исключения временных интервалов отбираются только те временные интервалы, в которых не только за всю предыдущую историю не оказывалось ни одного лида (прямого или отложенного), но и вероятность появления лида в эти моменты после расчетов оказывалась минимальной. Описываемое изобретение позволяет проследить весь путь лида с помощью данных, получаемых, по крайней мере, с сервером CRM-систем, с формированием цепочки преобразований от момента "клика" до целевого звонка, осуществляя точную проверку качества лида и точное определение, какое именно рекламное объявление какой рекламной системы привлекло клиента. Точность проверки качества лида определяется точным совпадением клика и последующего целевого звонка (принадлежностью к одному и тому же пользователю и одной и той же цепочке преобразований) даже при отсутствии некоторых данных статистики. Например, пользователь совершает клик и переход, при этом сам клик учитывается не сразу или вообще не учитывается (например, из-за технических проблем сервиса, например, Яндекс.Метрика, Яндекс.Директ и т.д.), при этом он переходит на веб-сайт, осуществляет (делает) целевой звонок и становится лидом и вся эта последовательность отслеживается посредством объединению данных из разных источников. Например, в utm-метке может быть не указана рекламная кампания, но при этом присутствует время, id клиента, площадка, по которым осуществляется сопоставление, по какой именно рекламной кампании осуществлялись (происходили) действия из указанной цепочки.

Также, описываемое изобретение (средствами, по крайней мере, предиктивного блока 102) осуществляет отслеживание сложных случаев, когда, например, с пользователем (посетителем веб-сайта, веб-страницы), перешедшим по рекламе из сервиса, например, Яндекс.Директ 106 (ФИГ. 6), не удается оперативно связаться, но он сам звонит в компанию, опережая звонок оператора на следующее утро. В таком случае оператор, принявший звонок (или автоматическая система автоматически определяет, в том числе с использованием средств распознавания, анализа и т.д. голоса, голосовых сообщений и т.д., средств и способов опроса пользователей с использованием обратной связи пользователей, например, посредством выбора одного из вариантов ответа посредством ввода цифр, сообщений с использованием клавиатуры в том числе цифровой, в частности, виртуальной, и т.д.), указывает, к какой рекламной кампании он относится, таким образом, всё равно происходит (осуществляется) идентификация звонка и его принадлежность.

Таблица 2

	Число визитов Яндекс.Директ	Объем затрат за весь интервал	Число целевых ClientID
Веб-сайт 1	721693	37101372	11309
Веб-сайт 2	543068	29575132	6917
Веб-сайт 3	354588	25983006	2911

В Таблице 2 приведен пример входных данных за заданный (установленный, выбранный, определенный) интервал исследования (например, с 2018-01-01 по 2019-04-25).

В процессе упомянутого (первого) способа настройки временных интервалов демонстрации рекламных материалов осуществляется по каждой кампании определение таких настроек интервалов демонстрации объявлений, что вероятность прихода лида остается прежней, исключаются интервалы, когда по объявлениям осуществлялись лишние клики. Упомянутая неизменность вероятности прихода лида в частном случае достигается за счет того, что для показа объявлений выбираются именно те временные интервалы (по времени суток, по дням недели), в которые интенсивность целевых кликов, которые затем превратились в лиды, была выше. Таким образом, статистически, в эти интервалы времени сохраняется вероятность получения лидов. В остальные интервалы времени вероятность гораздо меньше, поскольку в них попадают единичные клики, которые не принесли лидов, а если даже принесли, то их несоизмеримо меньше в сравнении с затраченными средствами рекламного бюджета - доли процента, которыми фактически можно пренебречь, в том числе в рамках оптимизации расходов.

Интервал времени активности рекламной кампании (времени показа объявлений и, соответственно, расхода бюджета) ограничивается рекомендуемыми днями/часами. Рекомендации формируются в наборы данных (в том числе формируются в отчете), пример которых (в частности, отчета) приведен далее (первое в каждом абзаце - это название кампании на латинице):

brend_poisk_mmo

Рассматриваемый интервал от 2018-01-03 до 2019-04-26

Затраты за интервал 4121504.78

Средние затраты в месяц 260319.55

Ограничения лучше не применять;

locaciya_vc_poisk_mmo

Рассматриваемый интервал от 2018-01-03 до 2019-04-26

Затраты за интервал 384285.93

Средние затраты в месяц 29527.96

Время показа лучше ограничить с 9:00 по 21:59

Вероятная экономия в месяц 3653.03 ( 12.37 % );

zhk_lesnoe_poisk_mmo

Рассматриваемый интервал от 2018-01-03 до 2019-04-26

Затраты за интервал 563116.02

Средние затраты в месяц 35498.73

Время показа лучше ограничить с 9:00 по 21:59

Вероятная экономия в месяц 1058.08 ( 2.98 % );

retargeting_poisk_mmo

Рассматриваемый интервал от 2018-01-01 до 2019-04-26

Затраты за интервал 10727720.91

Средние затраты в месяц 688763.29

Время показа лучше ограничить с 9:00 по 21:59

Вероятная экономия в месяц 3949.09 ( 0.57 % )}}}.

Результатом осуществления являются показатели средней экономии в месяц и экономии за весь период, в частности Экономия в месяц = затраты в месяц / затраты в месяц после оптимизации, в % (т.е. экономия в месяц в процентах равна отношению затрат в месяц к затратам в месяц после оптимизации); Экономия за весь период = затраты за весь период / затраты после оптимизации за весь период, в % (т.е. Экономия за весь период в процентах равна отношению затрат за весь период к затратам после оптимизации за весь период).. Данный способ использует математическую модель потока событий с переменной интенсивностью, улучшенная и автоматизированная с использованием средств DataScience (англ. наука о данных, наука о работе с данными).

Так, как описано выше могут быть использованы математические модели потока событий с переменной интенсивностью, улучшенная и автоматизированная с помощью инструментов, например, DataScience, с использованием алгоритмов, которые могут быть выражены в виде последовательности операций над массивами (матрицами) и реализованы с использованием таких программных библиотек, например, NumPy, и программных библиотек для обработки и анализа данных, предоставляющих специальные структуры данных и операции для манипулирования числовыми таблицами и временными рядами, например, Pandas, причем при помощи программных библиотек для обработки и анализа данных, предоставляющих специальные структуры данных и операции для манипулирования числовыми таблицами и временными рядами, например, Pandas, могут осуществляться операции реляционной алгебры над массивами (таблицами) данных - выборка, произведение, объединение, пересечение, соединение, вычитание, например:

def df = self.df.groupby(['CampaignName', 'Placement']).agg({target: 'sum', 'Leads': 'sum'})

df = df[df['Leads'] > 0]

df['enum_delta'] = df[target] / df['Leads'].

Таблица 3

	Средняя экономия в месяц	В процентах от расхода	Экономия за весь период	В процентах от расхода
веб-сайт 1	155209	5.46 %	2025741	5.46 %
веб-сайт 2	150616	6.08 %	1578168	5.33 %
веб-сайт 3	235974	17.91 %	2494368	9.6 %

В Таблице 3 приведен пример вычисленной экономии: средняя экономия в месяц (Экономия в месяц = затраты в месяц / затраты в месяц после оптимизации, в численном выражении; т.е. Экономия в месяц равна отношению затрат в месяц к затратам в месяц после оптимизации), средняя экономия в месяц в процентах от расхода (Экономия в месяц = затраты в месяц / затраты в месяц после оптимизации, в %; т.е. экономия в месяц равна отношению затрат в месяц к затратам в месяц после оптимизации), экономия за весь период (Экономия за весь период = затраты за весь период / затраты после оптимизации за весь период, в численном выражении; т.е. Экономия за весь период равна отношению затрат за весь период к затратам после оптимизации за весь период), экономия за весь период в процентах от расхода (Экономия за весь период = затраты за весь период / затраты после оптимизации за весь период, в %; т.е. Экономия за весь период равна отношению затрат за весь период к затратам после оптимизации за весь период).

Способ (второй) настройки списков рекламных площадок. В частном случае не все рекламные площадки, входящие в сеть рекламных площадок рекламных сетей, например, рекламной сети Яндекс, одинаково эффективны для каждого веб-сайта. Кроме того, существуют площадки, которые "накручивают" клики по объявлениям с использованием программ-роботов, способных выполнять цели в Яндекс.Метрика 105 и заполнять формы обратной связи.

В частном случае объединение данных, по крайней мере, с одного сервиса, например, с Яндекс.Директ 106 (ФИГ. 6), с "сырыми" данными другого сервиса, например, Яндекс.Метрика 105, и с данными других сервисов, например, сервисов (систем) трекинга (Smartcallback 109, ФИГ. 6 и Comagic 108, ФИГ. 6), может быть использована система из четырех шкал, по которым осуществляется вычисление (в частном случае, оценка) качества рекламной площадки:

1. Затраты на привлечение лида (['Средние затраты на лид'] = ['Все расходы'] / ['Лиды'], т.е. Средние затраты на лид равны отношению Всех расходов к Лидам),

2. Техническое доверие к площадке (df['Техническое доверие'] = (df['Clicks'] - df['Visits']) / df['Clicks'], т.е. Техническое доверие равно отношению разности Количества Кликов и Количества Визитов к Количеству кликов), 3. Соответствие площадки рекламируемому веб-сайту (df['Соответствие Сайту'] = 1 - df['Bounces'] / df['Clicks'], где Bounces - отказы, Clicks - количество кликов), т.е. Соответствие Сайту равно отношению разности единицы и отказов к кликам), 4. Скорость привлечения лидов (df['Привлечение Лидов'] = df['UniqueLeads'] / df['Sessions'], где UniqueLeads - количество уникальных лидов, Sessions - количество сессий, т.е. Привлечение Лидов вычисляется как отношение количества уникальных лидов к количеству сессий).

Данные шкалы используются для разделения рекламных площадок (всех используемых рекламных площадок) на семь видов (типов):

A. Рекламные площадки, работа (в частности, взаимодействие рекламной кампании с площадкой - показ объявлений) с которыми на данный момент не дала четкого представления об их качестве (где качество рекламной площадки определяется приведенными выше четырьмя шкалами). Данный тип присваивается рекламной площадке при условии количество кликов меньшее чем коэффициент который находится по формуле: Среднее значение суммы кликов разделенную на сумму лидов - df[Сумма кликов (среднее)] = df['Clicks сред.'] / df['Leads сред.'].

В. Рекламные площадки, которые привлекают крайне мало лидов. Данный тип присваивается рекламной площадке при условиях: Рекламная компания не соответствует типу А. Для рекламной кампании не определена стоимость лида которая определяется по формуле: B_costs / B_leads, где B_costs - затраты за весь временной интервал, B_leads - количество лидов за весь временной интервал, т.е. стоимость лида равна отношению затрат за весь временной интервал к количеству лидов за весь временной интервал.

С. Рекламные площадки, которые, вероятно, подделывают переходы, что вычисляется отношением лидов к кликам. «Вероятно», поскольку под такое же отношение могут попадать площадки с техническими недостатками, на вероятность также влияют временные сбои на площадке. В расчетах (вычислениях) принимает участие параметр “Техническое доверие”, который вычисляется по формуле: (Клики - Визиты) / Клики, т.е. значение технического доверия равно отношению разницы кликов и визитов к кликам. Данный тип присваивается тем рекламный кампаниям (РК) которым не были присвоены типы А и В. И вычисляется по формуле Т < Tmean - Tstd, где Т - Техническое доверие текущей рекламной кампании, Tmean - среднее значение параметра “Техническое доверие” по всем РК, Tstd - стандартное отклонение параметра “Техническое доверие” по всем РК.

D. Рекламные площадки, с чрезмерной стоимостью привлечения. Данный тип присваивается рекламной площадке при условиях: Параметр “Стоимость Лида” меньше или равен максимальной точке диапазона. Этот диапазон содержит процент распределения из функции scipy.stats.lognorm.interval(), для которого входными данными являются: функция scipy.stats.lognorm.fit() от значения Стоимости Лида в ОМД, не вошедших в типы A, B и C.

Е. Неплохие рекламные площадки, но с большим числом нецелевых кликов, в частности, при количестве кликов в несколько раз превышающее количество целей (визитов) - в два и более раз. Площадки позволяют получать лидов, что является целью рекламных кампаний. Данный тип присваивается рекламной площадке при условиях: Параметр “Привлечение лидов” меньше или равен максимальной точки диапазона. Этот диапазон содержит процент распределения из функции scipy.stats.lognorm.interval(), для которого входными данными являются: функция scipy.stats.lognorm.fit() от значения Привлечение лидов в ОМД, не вошедших в типы A, B, C и D., но с большим числом нецелевых кликов.

F. Площадки с очень большим числом отказов (показателем отказов, Bounces), в частности, количество визитов (сессий), в течение которых была просмотрена только одна страница, не совершено никаких действий (кликов, открытий формы регистрации, нажатий кнопок). Данный тип присваивается рекламной площадке при условиях: Параметр “Соответствие Сайту” меньше или равен максимальному значению из диапазона. Этот диапазон содержит процент распределения из функции scipy.stats.lognorm.interval(), для которого входными данными являются: функция scipy.stats.lognorm.fit() от значения Соответствие Сайту в ОМД, не вошедших в типы A, B, C, D и Е.

G. Хорошие площадки. В данную категорию попадают площадки, прошедшие фильтрацию по всем предыдущим (перечисленным выше) категориям.

Далее, осуществляется задание параметров рекламной кампании, в частности, настройка рекламных кампаний, в том числе в зависимости от целей пользователя, с исключением размещения рекламных материалов на рекламных площадках, относящихся к одному из перечисленных видов, в автоматизированном режиме или полуавтоматизированном режиме, в том числе пользователем, средствами, по крайней мере, одной части или блока системы, примерный вариант которой приведен на ФИГ. 1, например, блоком автоматизированного управления рекламными кампаниями 118 и с использованием блока управления и организации 101, причем блок автоматизированного управления рекламными кампаниями 118 отвечает, по крайней мере, за создание запроса для API в требуемом (нужном) формате и в частном случае формирует такой запрос, а блок управления и организации 101 отвечает, по крайней мере, за выполнение такого запроса (в частности, выполняет такой запрос), в частности, отправку данных в API рекламной платформы (сервиса). Упомянутыми целями могут являться количество просмотров, посещение страниц, клик на email, клик на телефон, JavaScript-событие, составная цель (сочетает в себе перечисленные выше типы целей, в частном случае кроме клика на телефон и email). В настройках рекламных кампаний, в зависимости от выбранной цели, указывается ее значение в количественном выражении или в денежном. Например, при выборе одновременно цены клика равной 20.82 и цены цели 41.65 - означает, что за два клика выполнялась хотя бы одна цель.

Так, например, может осуществляться вычисление рекомендуемых к исключению рекламных площадок (из списка), на которых может осуществляться размещение рекламных материалов, с отключением таких рекламных площадок. Так, в частном случае такими рекомендуемыми к исключению могут являться рекламные площадки видов «С» и «D».

После вычисления (оценив) затраты на лид, также могут быть отключены (с использованием параметров, например, посредством маркировки, в частности, отметив, соответствующие типы рекламных площадок) рекламные площадки вида «Е» и «F», чтобы за счет этих средств дополнительно финансировать вид «G» (в частности, для перемещения средств на рекламные площадки таких видов).

Таблица 4

	C и D
	Средняя экономия в месяц	В процентах от расхода	Экономия за весь период	В процентах от расхода
веб-сайт 1	20915	0.74 %	908072	2.45 %
веб-сайт 2	33578	1.35 %	849672	2.87 %
веб-сайт 3	64001	4.86 %	2387940	9.19 %
	Е и F
	Средняя экономия в месяц	В процентах от расхода	Экономия за весь период	В процентах от расхода
веб-сайт 1	40131	1.41 %	1306551	3.52 %
веб-сайт 2	249034	10.05 %	3199814	10.82 %
веб-сайт 3	519293	39.41 %	8081540	31.1 %

В Таблице 4 представлена экономия денежных средств, достигаемая за счет отключения рекламных площадок.

Предиктивный блок 102 осуществляет формирование набора данных, например, в формате отчета, и сохраняет в базу данных статистики 177 для дальнейшего использования, в том числе обработки, предъявления и т.д., как описано в рамках настоящего изобретения. Так, использование (применение и т.д.) может осуществляться в ручном режиме (по крайней мере, одним блоком) и в автоматическом (автоматизированном) режиме или полуатоматическом (полуавтоматизированном) режиме.

Так, в ручном режиме осуществляется создание (пользователем) запроса в личном кабинете с указанием требуемого периода и логинов пользователей, по которым осуществляется (нужно) сформировать указанные наборы данных, в частности, отчет.

В автоматическом режиме блоком получения статистики 122 осуществляется сбор статистики по расписанию для последующей выборки данных (для отчета) с заданной пользователем периодичностью, например, ежедневно, один раз в неделю и т.д. Составление (создание, формирование) набора данных (отчета) в автоматическом режиме (в котором собираются все доступные рекламному агентству и серверу получения, обработки данных и формирования результатов обработки 133, данные) осуществляется аналогично ручному режиму (в котором указываются, в частности, пользователем, какие именно данные статистики требуется получить из API), за исключением того, что для формирования набора данных используются уже собранные данные и пользователю средствами описываемой системы, например, в личном кабинете (пользователя), предлагается выбрать из выпадающего списка нужные логины и выбрать даты начала и окончания доступного периода.

В частном случае, пользователь, например, при осуществлении (например, аналитиком агентства и/или средствами описываемой системы в автоматическом режиме, и/или аналитиком агентства с использованием предоставляемых описываемой системой средств) формирования медиаплана для клиента, формируется набор данных, например, в формате таблицы, эффективности той или иной рекламной кампании по всем рекламным площадкам, в том числе по всем рекламным площадкам, с основными показателями, такими как, например, показатель экономии в месяц от расхода рекламного бюджета, показатель экономии за весь период рекламной кампании.

В частном случае, формируемый, по крайней мере, один набор данных, являющийся результатом предиктивного анализа (в частности, осуществляемого с использованием алгоритма) предиктивным блоком 102, формируется (специалистами агентства и/или средствами описываемой системы в автоматическом режиме, и/или аналитиком агентства с использованием предоставляемых описываемой системой средств) медиаплан, уже с максимально эффективными временными интервалами, бюджетами и настройками рекламных кампаний.

На ФИГ. 3 показан один из вариантов получения, обработки и сохранения данных блоком получения статистики 122, согласно одному из вариантов осуществления настоящего изобретения.

В шаге 310 блоком управления и организации 101 осуществляется запуск задания по сбору данных.

В шаге 315 блоком получения статистики 122 осуществляется получение данных из БД данных сервера 155, в частности, учетных данных для подключения к API: логин, токен, причем блок получения статистики 122 получает передаваемые БД данных сервера 155 данные в зашифрованном виде и осуществляет их дешифровку. Так, учетными данными для подключения к сервисам, передающим данные на сервер получения, обработки данных и формирования результатов обработки 133, а также учетными данными внешних систем (в том числе и CRM-систем) являются логины, идентификаторы, токены, которые хранятся, по крайней мере, в одной БД (базе данных), в частности, в БД данных сервера 155. Для их использования, по крайней мере, сервером получения, обработки данных и формирования результатов обработки 133, в том числе для подключения при сборе данных, при подключении сторонних систем к серверу получения, обработки данных и формирования результатов обработки 133, такие учетные данные получаются (передаются), по крайней мере, в одной БД (базе данных), в частности, в БД данных сервера 155, дешифруются и передаются в запросах, либо же сверяются с полученными данными, например, от внешних систем и CRM на валидность, как описано в рамках настоящего изобретения.

В шаге 320 блоком получения статистики 122 осуществляется передача запроса. Так, блок получения статистики 122 отправляет запрос, в частности, HTTP-запрос к API (серверов сервисов сбора, хранения и обработки статистических данных пользователей 144), например, с использованием встроенного в Python модуля "requests". В запросе передается токен доступа для авторизации, а также параметры выборки данных:

- временной интервал, в частности, интервал времени, за который осуществляется (производится) выборка данных, в частности, собирается статистика именно в выбранном интервале времени;

- наименование необходимых полей статистики (например: «Cost», «Clicks», «Impressions», «CampaignName»), причем необходимыми полями являются поля, определяющие параметры рекламной кампании: идентификатор, название кампании, клики, стоимость, показы;

- параметры агрегации, например, такие как: формат получаемых данных - CSV, TSV; включение в стоимость НДС или скидки.

В шаге 325 блок получения статистики 122 осуществляет проверку, был ли получен ответ с данными. Так, в зависимости от ответа блок получения статистики 122 повторяет запрос или завершает работу с сохранением данных.

Если в шаге 325 блоком получения статистики 122 установлено, что ответ с данными не получен, то в шаге 330 осуществляется сохранение статусов в БД данных сервера 155. В частности, если после заданного (пользователем, администратором системы и т.д., например, в личном кабинете) количества попыток, например, после пяти попыток, не был получен ответ с данными от API (серверов сервисов сбора, хранения и обработки статистических данных пользователей 144), то задание по сбору данных завершается и блок получения статистики 122 передает полученные от API (серверов сервисов сбора, хранения и обработки статистических данных пользователей 144) HTTP-статусы (например, «403» - доступ запрещён, «405» - метод не поддерживается, «500» - внутренняя ошибка сервера, «503» - сервис недоступен) в БД данных сервера 155, например, в формате в виде "логов" (от англ. log - журнал), например, в формате файла регистрации, в одном из текстовых форматов данных, например, формате JSON.

Если в шаге 325 установлено, что ответ с данными получен, то в шаге 333 блок получения статистики 122 проверяет, получен верный (заранее заданный) код ответа или нет. В случае если один из серверов сервисов сбора, хранения и обработки статистических данных пользователей 144 присылает ответ, отличный от кода «200», соответствующего успешному запросу, например, из-за внутреннего сбоя, временных неполадок сети, отложенного возвращения ответа, когда набор данных (отчет) формируется оффлайн и на формирование требуется время, то осуществляется возврат к шагу 310 через заранее заданный промежуток времени, например, приложение блок получения статистики 122 ожидает три минуты, после этого пытается отправить запрос снова.

Если в шаге 333 установлена успешность запроса (получен верный код, в частности, код HTTP-ответа, "200"), то в шаге 335 блок получения статистики 122 получает данные, передаваемые серверами сервисов сбора, хранения и обработки статистических данных пользователей 144, в одном из текстовых форматов, например, в формате JSON или TSV(CSV), в зависимости от типа API, и осуществляется (блоком получения статистики 122 и/или средствами БД статистики 177) передача и сохранение данных в средствами БД статистики 177.

На ФИГ. 4 показан примерный вариант блок-схемы функционирования предиктивного блока 102, согласно одному из вариантов реализации настоящего изобретения.

В шаге 410 предиктивным блоком 102 осуществляется запуск задания по анализу данных и составлению прогноза, причем в качестве параметров задания передаются (на вход в функцию анализа данных (в виде параметров), которая выполняется в рамках задания) даты начала и окончания периода.

В шаге 415 предиктивным блоком 102 осуществляется получение данных из БД статистики 177. Так, предиктивным блоком 102 из БД статистики 177 запрашиваются данные статистики, собранные из сторонних API (сырые данные), в частности, с серверов сервисов сбора, хранения и обработки статистических данных пользователей 144. В частном случае, данные статистики из каждого коннектора API хранятся в отдельной таблице и для анализа данные получают одновременно из нескольких таблиц.

В шаге 420 предиктивным блоком 102 осуществляется сопоставление данных и объединение в массив данных. Данные, полученные из БД статистики 177, сопоставляются по общим полям: ClientID (идентификатор клиента, в частности, в числовом или десятичном виде), date (дата), siteID (идентификатор площадки, в частности, веб-сайта), campaign (рекламная кампания) и объединяются в набор данных, в частности, в массив данных, для обработки, как описано далее, причем в процессе сопоставление осуществляется сопоставление данных Яндекс.Директ и Яндекс.Метрика путем формирования поля (ind3) по общим значениям, вычисляемым по формуле: CampaignName + Placement + Date.

Пример данных из Яндекс.Директ приведен в Таблице 5 и Таблице 6.

Пример данных из Яндекс.Метрика приведен в Таблице 7 и Таблице 8..

Пример данных (результатов) сопоставления приведен в Таблице 9.

Пример объединенного массива данных приведен в Таблице 10 и Таблице 11.

Таблица 5, Данные из Яндекс.Директ, Часть 1.

CampaignName	login	task_id	Placement	Date	Bounces	Impressions	Clicks
autotargeting_poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	go.mail.ru	2020-01-11 00:00:00	0.0	1269.0	36.0
autotargeting_poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	go.mail.ru	2020-01-12 00:00:00	0.0	1314.0	18.0
autotargeting_poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	go.mail.ru	2020-01-13 00:00:00	0.0	594.0	36.0
autotargeting_poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	Яндекс	2020-01-03 00:00:00	0.0	1305.0	27.0
autotargeting_poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	Яндекс	2020-01-04 00:00:00	9.0	7785.0	108.0

где

- CampaignName - название кампании;

- login - логин клиента агентства, состоит из названия латинскими буквами, например bigtimemoscow;

- Task_id - идентификатор текущей выполняемой задачи внутри системы, примерный вариант которой показан на ФИГ. 1, или ее части, например, внутри сервера получения, обработки данных и формирования результатов обработки 133 и может использоваться для разделения отчетов, в том числе для каждого отчета (набора данных) может быть сформирован и присвоен такой собственный уникальный идентификатор;

- Placement - площадка размещения объявления;

- Date - дата кампании;

- Bounces - количество отказов;

- Impressions - количество показов;

- Clicks - количество кликов;

- Cost - стоимость;

- Sessions - количество сессий;

- ind – поле, составленное из CampaignName и Date (значение, сформированное из данных из «CampaignName» и «Date»):

- ind2 - поле, составленное из Placement и Date (значение, сформированное из данных из «Placement» и «Date»):

- Created_at - дата создания;

- ind3 - поле, составленное из CampaignName, Placement и Date (значение, сформированное из данных из «CampaignName», «Placement» и «Date»).

Таблица 6, Данные из Яндекс.Директ, Часть 2.

CampaignName	Cost	Sessions	ind	ind2	Created_at	ind3
autotargeting_poisk_mmo	5822.549999999998	27.0	autotargeting_poisk_mmo 2020-01-11	go.mail.ru 2020-01-11	2020-12-29 11:44:57	autotargeting_poisk_mmo_go.mail.ru 2020-01-11
autotargeting_poisk_mmo	2212.47	18.0	autotargeting_poisk_mmo 2020-01-12	go.mail.ru 2020-01-12	2020-12-29 11:44:57	autotargeting_poisk_mmo_go.mail.ru 2020-01-12
autotargeting_poisk_mmo	4972.230000000001	36.0	autotargeting_poisk_mmo 2020-01-13	go.mail.ru 2020-01-13	2020-12-29 11:44:57	autotargeting_poisk_mmo_go.mail.ru 2020-01-13
autotargeting_poisk_mmo	5675.4000000000015	9.0	autotargeting_poisk_mmo 2020-01-03	Яндекс 2020-01-03	2020-12-29 11:44:57	autotargeting_poisk_mmo_Яндекс 2020-01-03
autotargeting_poisk_mmo	17871.300000000007	99.0	autotargeting_poisk_mmo 2020-01-04	Яндекс 2020-01-04	2020-12-29 11:44:57	autotargeting_poisk_mmo_Яндекс 2020-01-04

где

- CampaignName - название кампании;

- login - логин клиента агентства, состоит из названия латинскими буквами, например bigtimemoscow;

- Placement - площадка размещения объявления;

- Date - дата кампании;

- Bounces - количество отказов;

- Impressions - количество показов;

- Clicks - количество кликов;

- Cost - стоимость;

- Sessions - количество сессий;

- ind - поле, составленное из CampaignName и Date (значение, сформированное из данных из «CampaignName» и «Date»);

- ind2 - поле, составленное из Placement и Date (значение, сформированное из данных из «Placement» и «Date»);

- Created_at - дата создания;

- ind3 - поле, составленное из CampaignName, Placement и Date (значение, сформированное из данных из «CampaignName», «Placement» и «Date»).

Таблица 7. Данные из Яндекс. Метрика, Часть1.

visitID	Date	isNew User	visit Duration	login	task_id	clientID	goalsID	AdId	Campaign Name	Placement	isDirect
1.813653	2020-01-06 10:17:29	0	51	bigtime moscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	1.5726006 907982566e+18	[]	8519607862	brand_ poisk_mmo	Яндекс	1
1.813653	2020-01-06 10:17:29	0	51	bigtime moscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	1.5726006 907982566e+18	[]	8519607862	brand_ poisk_mmo	Яндекс	1
1.813653	2020-01-06 10:17:29	0		bigtime moscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	1.5726006 907982566e+18	[]	8519607862	brand_ poisk_mmo	Яндекс	1
1.813653	2020-01-06 10:17:29	0	51	bigtime moscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	1.5726006 907982566e+18	[]	8519607862	brand_ poisk_mmo	Яндекс	1
1.813653	2020-01-06 10:17:29	0	51	bigtime moscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	1.5726006 907982566e+18	[]	8519607862	brand_ poisk_mmo	Яндекс	1

где

- visitID – уникальный идентификатор визита пользователя в сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика);

- Date - дата кампании;

- isNewUser - является ли визит первым визитом посетителя (может являться булевой переменной, например, «Да» или «Нет», «1» или «0» и т.д.);

- visitDuration – продолжительность визита (пребывания на сайте);

- login - логин клиента агентства, состоит из названия латинскими буквами, например bigtimemoscow;

- task_id - идентификатор текущей выполняемой задачи внутри системы, примерный вариант которой показан на ФИГ. 1, или ее части, например, внутри сервера получения, обработки данных и формирования результатов обработки 133 и может использоваться для разделения отчетов, в том числе для каждого отчета (набора данных) может быть сформирован и присвоен такой собственный уникальный идентификатор;

- clientID - идентификатор клиента;

- goalsID - идентификатор достигаемой цели в сервисе оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика). Целью может являться, например: просмотр пользователем трех страниц на сайте. Такого вида цель может быть задана в настройках рекламной кампании, например, в рекламном кабинете, в частности, в автоматическом режиме или пользователем, в частности, специалистом, ведущим рекламную кампанию, и ей присваивается уникальный идентификатор;

- AdId - ID объявления;

- CampaignName - название кампании;

- Placement - площадка размещения объявления;

- isDirect - показывает, что это был прямой заход на сайт или заход с рекламного объявления;

- ind - поле, составленное из CampaignName и Date (значение, сформированное из данных из «CampaignName» и «Date»);

- ind2 - поле, составленное из Placement и Date (значение, сформированное из данных из «Placement» и «Date»);

- isGoal – целевой это визит или нет (в бинарном виде – «0» или «1»);

- isGoalClient - целевой это клиент или нет (в бинарном виде – «0» или «1»);

- isDirectOriginalVisit - является ли визит уникальным прямым заходом с рекламного объявления;

- isBounce - означает отказ, т.е. после перехода с рекламного объявления на сайт пользователь сразу же закрыл страницу, не совершив никаких действий;

- lastAdvEngine - последняя рекламная платформа, с которой был осуществлен переход пользователя на сайт;

- created_at - дата создания;

- ind3 - поле, составленное из CampaignName, Placement и Date (значение, сформированное из данных из «CampaignName», «Placement» и «Date»).

Таблица 8. Данные из Яндекс. Метрика, Часть2.

visitID	ind	ind2	isGoal	isGoal Client	isDirect OriginalVisit	isBounce	lastAdv Engine	created_at	ind3
1.813653	brand_poisk_mmo_ 2020_01_06	Яндекс_2020 _01_06	0	1	1	0	ya_direct	2020-12-29 11:44:57	brand_poisk_mmo_Яндекс_2020_01_06
1.813653	brand_poisk_mmo_ 2020_01_06	Яндекс_2020 _01_06	0	1	0	0	ya_direct	2020-12-29 11:44:57	brand_poisk_mmo_Яндекс_2020_01_06
1.813653	brand_poisk_mmo_ 2020_01_06	Яндекс_2020 _01_06	0	1	0	0	ya_direct	2020-12-29 11:44:57	brand_poisk_mmo_Яндекс_2020_01_06
1.813653	brand_poisk_mmo_ 2020_01_06	Яндекс_2020 _01_06	0	1	0	0	ya_direct	2020-12-29 11:44:57	brand_poisk_mmo_Яндекс_2020_01_06
1.813653	brand_poisk_mmo_ 2020_01_06	Яндекс_2020 _01_06	0	1	0	0	ya_direct	2020-12-29 11:44:57	brand_poisk_mmo_Яндекс_2020_01_06

где

- visitID - уникальный идентификатор визита пользователя в сервиса оценки посещаемости веб-сайтов и анализа поведения пользователей (например, Яндекс.Метрика);

- Date - дата кампании;

- isNewUser – является ли визит первым визитом посетителя (может являться булевой переменной, например, «Да» или «Нет», «1» или «0» и т.д.);

- visitDuration - продолжительность визита (пребывания на сайте);

- login - логин клиента агентства, состоит из названия латинскими буквами, например bigtimemoscow;

- clientID - идентификатор клиента;

- AdId - ID объявления;

- CampaignName - название кампании;

- Placement - площадка размещения объявления;

- isDirect - показывает, что это был прямой заход на сайт или заход с рекламного объявления;

- ind - поле, составленное из CampaignName и Date (значение, сформированное из данных из «CampaignName» и «Date»);

- ind2 - поле, составленное из Placement и Date (значение, сформированное из данных из «Placement» и «Date»);

- isGoal - целевой это визит или нет (в бинарном виде – «0» или «1»);

- isGoalClient - целевой это клиент или нет (в бинарном виде – «0» или «1»);

- isDirectOriginalVisit - является ли визит уникальным прямым заходом с рекламного объявления;

- lastAdvEngine - последняя рекламная платформа, с которой был осуществлен переход пользователя на сайт;

- created_at - дата создания;

- ind3 - поле, составленное из CampaignName, Placement и Date (значение, сформированное из данных из «CampaignName», «Placement» и «Date»).

Таблица 9, Данные сопоставления.

ind3	Leads
autotargeting_retargeting_poisk_mmo_Яндекс_2020_01_09	1
autotargeting_retargeting_poisk_mmo_Яндекс_2020_01_16	1
brand_poisk_mmo__2020-01-20	2
brand_poisk_mmo__2020-01-30	2
brand_poisk_mmo_Яндекс_2020-01-06	1

, где

- ind3 – поле, составленное из CampaignName, Placement и Date (значение, сформированное из данных из «CampaignName», «Placement» и «Date»);

- Leads – лиды.

Таблица 10. Объединенный массив данных, Часть. 1.

CampaignName	login	task_id	Placement	Date	Bounces	Impressions	Clicks
autotargeting_ poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	Яндекс	2020-01-09 00:00:00	72.0	12762.0	180.0
autotargeting_ poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	Яндекс	2020-01-16 00:00:00	54.0	11259.0	234.0
brand_poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	Яндекс	2020-01-06 00:00:00	0.0	153.0	63.0
brand_poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	Яндекс	2020-01-10 00:00:00	9.0	378.0	378.0
brand_poisk_mmo	bigtimemoscow	3b7f0ac9-b062-4203-9e5d-1d2cdbba4516	Яндекс	2020-01-13 00:00:00	27.0	531.0	531.0

Таблица 11. Объединенный массив данных, Часть. 2.

CampaignName	Cost	Sessions	ind	ind2	created_at	ind3	Leads
autotargeting_poisk _mmo	35149.41	270.0	autotargeting_poisk_ mmo_2020-01-09	Яндекс_2020-01-09	2020-12-29 11:44:57	autotargeting_poisk_mmo_ Яндекс_2020-01-09	1.0
autotargeting_poisk _mmo	37583.28	243.0	autotargeting_poisk_ mmo_2020-01-16	Яндекс_2020-01-16	2020-12-29 11:44:57	autotargeting_poisk_mmo_ Яндекс_2020-01-16	1.0
brand_poisk _mmo	3596.1299999999987	63.0	brand_poisk_mmo_ 2020-01-06	Яндекс_2020-01-06	2020-12-29 11:44:57	brand_poisk_mmo_Яндекс_ 2020-01-06	1.0
brand_poisk _mmo	35394.390000000014	369.0	brand_poisk_mmo_ 2020-01-10	Яндекс_2020-01-10	2020-12-29 11:44:57	brand_poisk_mmo_Яндекс_ 2020-01-10	2.0
brand_poisk _mmo	35675.099999999984	531.0	brand_poisk_mmo_ 2020-01-13	Яндекс_2020-01-13	2020-12-29 11:44:57	brand_poisk_mmo_Яндекс_ 2020-01-13	1.0

В шаге 425 предиктивным блоком 102 осуществляется нахождение (вычисление) оптимальных площадок и временных интервалов максимальной эффективности (результат вычислений). Так, предиктивный блок 102 посредством группировки данных в ОМД по имени кампании (CampaignName) и по площадке (Placement), с при этом суммируются клики и лиды, с дальнейшим вычислением отношения кликов к лидам и вычислением среднего значения этого отношения (в частности, с использованием математического алгоритма) вычисляет оптимальные площадки для размещения рекламы (которые могут принести максимальное количество лидов - т.е. покупателей), а также интервалы времени, в которые данные площадки будут максимально эффективны и таким образом позволят, по крайней мере, сэкономить часть рекламного бюджета.

В шаге 430 при наличии успешного запроса к API, например, при получении кода "200" от API, осуществляется получение предиктивным блоком 102 данных (являющихся результатом работы алгоритма (алгоритмов) в предиктивном блоке 102, т.е. выраженные в числовом виде количественные показатели по рекламным площадкам, на которых планируется размещать объявления), например, в одном из текстовых форматах данных, в частности, в формате JSON или TSV (SVC), в зависимости от API (серверов сервисов сбора, хранения и обработки статистических данных пользователей 144).

В шаге 435 осуществляется сохранение данных в БД статистики 177 предиктивным блоком 102 и/или средствами БД статистики 177 (средствами СУБД).

На ФИГ. 5 показан примерный вариант блок-схемы функционирования блока подключения внешних систем 103, согласно одному из осуществлений настоящего изобретения.

В шаге 510 осуществляется получение блоком подключения внешних систем 103 запроса (от внешнего клиента, в частности, по крайней мере, от одного сервера CRM-систем 113, именно он подключается к блоку подключения внешних систем 103, который в частном случае может являться API или содержать) на получение данных статистики, в частности, осуществляется получение HTTP-запрос на получение данных статистики, по крайней мере, от одного из серверов сервисов сбора, хранения и обработки статистических данных пользователей 144. Так, в шаге 515 осуществляется сверка (сравнение) токена, полученного от одного из серверов сервисов сбора, хранения и обработки статистических данных пользователей 144, с сохраненными учетными данными с предоставлением доступа согласно уровня доступа к данным и предоставляется доступ (пользователю к данным пользователя, причем, в частном случае пользователем может являться компания с множеством пользователей со своей иерархией и в соответствии с такой иерархией используется структура доступов, включающая уровни доступа, где, чем ниже сотрудник в иерархической структуре, тем меньше данных ему доступно в рамках личного кабинета пользователя, т.е. в частности, компании (компании-клиента)) согласно уровню доступа к данным. Так, блок подключения внешних систем 103 отправляет запрос блоку управления и организации 101, который обращается непосредственно в БД данных сервера 155, ищет в ней соответствие и валидность токена и возвращает ответ в блок подключения внешних систем 103. Блок подключения внешних систем 103 (и/или блок управления и организации 101) осуществляет проверку, прошел ли токен валидацию, в частности, токен, передаваемый от одного из серверов сервисов сбора, хранения и обработки статистических данных пользователей 144, сверяется с имеющимися в БД статистики 177 учетными данными и предоставляется доступ пользователю (и в частности, средствам предъявления результатов 115) согласно уровню доступа к данным (данным собираемой статистики, в частности к данным (в частном случае ко всем данным), которые относятся к текущему пользователю от момента получения данных из API до предоставления результатов, причем такие данные хранятся в БД статистики 177 и по мере прохождения их через процедуры очистки, трансформации с использованием по крайней мере предиктивного блока 102, такие данные или, по крайней мере, их часть перемещаются через соответствующие таблицы, на которые в частном случае разделена упомянутая БД для её эффективной работы) с использованием структуры доступов, включающей уровни доступа, в зависимости от иерархии компании с множеством пользователей, где, чем ниже сотрудник в иерархической структуре, тем меньше данных ему доступно в рамках личного кабинета пользователя, т.е. в частности, компании, а механизмом, обеспечивающим разграничение прав доступа к данным (какие данные конкретный пользователь может просматривать) в частном случае является фильтрация по идентификатору пользователя (который в частном случае присутствует во всех таблицах данных с момента сбора до предоставления результатов).

Если в шаге 515 было установлено, что токен не прошел валидацию, то в шаге 520 осуществляется передача в CRM соответствующее сообщение об ошибке с указанием причины отказа в доступе (в этом случае, осуществляется устранение отказа в доступе, в том числе в случае ошибки соответствующие специалисты принимают меры по устранению ошибки или обращаются к разработчикам за помощью в решении проблемы, так, например, при прекращении действия токена, являющимся частным случаем одним из защитных механизмом системы, токен может быть получен, в том числе сформирован, заново и может быть продолжено функционирование системы, в том числе осуществляется устранение причины ошибки, в том числе по сообщению об ошибке, например, со стороны CRM), в частности, на соответствующий сервер сервисов сбора, хранения и обработки статистических данных пользователей 144 возвращается сообщение о зафиксированной ошибке (в частности, код ошибки).

Если в шаге 515 было установлено, что токен прошел валидацию, то в шаге 525 блоком подключения внешних систем 103 осуществляется отправка запроса в блок управления и организации 101 на выборку данных. В частном случае блок подключения внешних систем 103 (модуль API), реализованный при помощи Django REST, обращается к блоку управления и организации 101 с запросом на выборку данных.

В шаге 530 блок управления и организации 101 агрегирует данные из БД статистики 177 и передает (возвращает их) в ответ на запрос агрегированных данных статистики, например, в формате JSON, в блок подключения внешних систем 103.

В шаге 535 блок подключения внешних систем 103 передает агрегированные данные статистики в ответ на запрос данных статистики соответствующему (с которого был получен запрос) серверу сервисов сбора, хранения и обработки статистических данных пользователей 144.

Система, реализующая способ (или, по крайней мере, одну часть способа), описываемый в рамках настоящего изобретения, примерный вариант которой изображен на ФИГ. 1, содержит серверы сервисов сбора, хранения и обработки статистических данных пользователей 144, связанные, по крайней мере, с сервером получения, обработки данных и формирования результатов обработки 133, в том числе с использованием сети Интернет 114. Серверы сервисов сбора, хранения и обработки статистических данных пользователей 144, например, серверы таких сервисов (систем, платформ), как Яндекс.Метрика 105 (ФИГ. 6), Яндекс.Директ 106 (ФИГ. 6), Calltouch 107 (ФИГ. 6), Comagic 108 (ФИГ. 6), Smartcallback 109 (ФИГ. 6), Google Ads 111 (ФИГ. 6), Google Analytics 112 (ФИГ. 6), осуществляют сбор, хранение и/или обработку данных пользователей, полученных в результате совершения действий такими пользователями, в том числе с использованием электронных вычислительных устройств (например, посещение сайтов в сети Интернет, взаимодействие с сайтами и элементами сайтов, например, веб-ссылками, рекламными материалами и т.д., включая параметры взаимодействия пользователя с ними, например, время нахождения на веб-странице, частота посещения тех или иных сайтов, проявление интересов к тем или иным товарам и категориям товаров, используемые пользователем вычислительные устройства, совершаемые покупки и т.д.) или действия, регистрируемые и обрабатываемыми электронными вычислительными устройствами, например, кассовыми аппаратами, камерами, системами распознавания лиц, звукозаписывающими устройствами, системами контроля доступа, отслеживания местоположения пользователя и т.д., как описано в рамках настоящего изобретения.

ФИГ. 7 иллюстрирует блок-схему примерного варианта осуществления настоящего изобретения.

В шаге 701 сервером получения, обработки данных и формирования результатов обработки 133 осуществляется получение данных статистики по меньшей мере с одного из серверов сервисов сбора, хранения и обработки статистических данных пользователей 144 с использованием программного интерфейса приложения API, предоставляемого такими сервисами, где получаемые данные статистики содержат по меньшей мере связанные с пользователями, размещением и предъявлением рекламных материалов и размещаемыми рекламными материалами данные, полученные по меньшей мере в результате взаимодействия пользователей с элементами, включая рекламные материалы, веб-сайтов, а также полученные в результате предъявления рекламных материалов данные, включающие информацию по меньшей мере о реакциях пользователя на предъявляемые рекламные материалы, выражаемых в совершении действий пользователем с использованием по меньшей мере одного вычислительного устройства пользователя и являющиеся откликом пользователя на рекламные материалы, включая регистрируемые и передаваемые по меньшей мере одним вычислительным устройством и передаваемые на серверы сервисов сбора, хранения и обработки статистических данных пользователей 144 и/или формируемые серверами сервисов сбора, хранения и обработки статистических данных пользователей 144.

Статистические данные, получаемые сервером получения, обработки данных и формирования результатов обработки 133, могут включать параметры взаимодействия пользователей, содержащие по меньшей мере время нахождения на веб-странице и/или частоту посещения веб-сайтов, и/или проявление интереса товару, категориям товаров, и/или используемых пользователем вычислительных устройств данные с таких вычислительных устройств, содержащие по меньшей мере информацию о совершении покупок, идентификаторы вычислительного устройства, в сети Интернет, в сервисах, приложениях, и/или регистрационные данные в них, а также данные по меньшей мере с кассовых аппаратов и/или камер, и/или систем распознавания лиц, и/или звукозаписывающих устройств, и/или систем контроля доступа, и/или средств отслеживания местоположения пользователя, а также данные из личных кабинетов сервисов сбора, хранения и обработки статистических данных пользователей и данные об эффективности рекламных каналов, кампаний и ключевых слов, скоринг, конверсии от предъявления рекламных материалов, расходах, показах и взаимодействиях пользователя с веб-ссылками, целевой аудитории, бюджете рекламной кампании, источниках звонков, их даты, время, ключевые слова, в том числе полученные после распознавания и анализа речи пользователя.

Связанными с размещением рекламных материалов данными могут являться данные об эффективности рекламных каналов, рекламных кампаний и ключевые слова, скоринг, конверсии от предъявления рекламных материалов, расходах, показах и взаимодействиях пользователя с веб-ссылками, целевой аудитории, бюджете рекламной кампании, источниках звонков, их даты, время, ключевые слова, в том числе полученные после распознавания и анализа речи пользователя.

В шаге 702 сервером получения, обработки данных и формирования результатов обработки 133 осуществляется сохранение полученных данных статистики, по меньшей мере, в одну базу данных статистики 177.

При сохранении данных в базу данных статистики 177 может осуществляться осуществляется проверка сохраняемых данных на валидность типов данных с использованием преобразования значения одного типа данных в другое или определения типа переменной.

В шаге 703 сервером получения, обработки данных и формирования результатов обработки 133 осуществляется формирование первой выборки данных из данных статистики, хранящихся в базе данных статистики 177 для формирования набора данных показателей эффективности рекламных кампаний, где каждая формируемая выборка содержит данные статистики для каждого из пользователей по каждой из рекламных кампаний, созданных, настроенных и запущенных пользователем с использованием сервиса размещения рекламных материалов на рекламных площадках, содержащих по меньшей мере веб-страницу для размещения рекламных материалов, в рамках рекламных кампаний, включая уникальное имя пользователя, название рекламной кампании, идентификатор площадки размещения рекламных материалов в формате унифицированного указателя ресурса веб-сайта, количество предъявлений рекламных материалов, количество взаимодействий пользователей с предъявляемыми рекламными материалами, стоимость размещения рекламных материалов, название группы рекламных материалов, объединяющее рекламные материалы в рамках одной кампании, причем формирование выборки данных осуществляется по двум и более предустановленным параметрам, где такими параметрами является уникальное имя пользователя, название рекламной кампании, идентификатор площадки размещения рекламных материалов, принадлежность группе рекламных объявлений по названию группы.

В шаге 704 сервером получения, обработки данных и формирования результатов обработки 133 осуществляется формирование из данных статистики, хранящихся в базе данных статистики 177 второй выборки данных, которая содержит данные статистики для каждого из пользователей по каждой из рекламных кампаний, созданных, настроенных и запущенных пользователем с использованием сервиса размещения рекламных материалов на рекламных площадках по стоимости привлеченных с помощью рекламного объявления клиентов рекламных кампаний, включая дату и время посещения веб-страницы, на которой размещен рекламный материал, осуществлялось ли посещение веб-сайта без использования взаимодействия пользователем с размещенными рекламными материалами, количество целевых клиентов, на которых направлено предъявление рекламных материалов, количество предустановленных целей рекламных кампаний за одно посещение веб-сайта пользователем, стоимость для каждой предустановленной цели каждой рекламной кампании за одно посещение веб-сайта пользователем, стоимость посещения веб-сайта пользователем, название рекламной кампании, описание категории для рекомендации, уникальное имя пользователя.

В частном случае осуществляется актуализация данных, содержащихся в первой выборке данных и второй выборке данных, посредством отправки запросов сервером получения, обработки данных и формирования результатов обработки 133 на по меньшей мере один из серверов сервисов сбора, хранения и обработки статистических данных пользователей и получения от него запрошенных данных посредством сопоставления и обновления данных по меньшей мере о времени посещения пользователем веб-сайта, продолжительности посещения веб-сайта, названии рекламной площадки, принадлежности к рекламной кампании, идентификаторах счетчиков в формате программного кода, осуществляющего сбор статистических данных на веб-сайте, с проверкой корректности и актуальности статистических данных, для каждого пользователя.

Также, актуализация данных может осуществляться перед формированием первой выборки данных и второй выборки данных, в частности, после получения данных, сохраненных в базе данных статистики 177.

Параметрами посещения пользователями веб-сайтов (и в частности, веб-страниц) могут являться время нахождения пользователя на веб-странице, частота посещения пользователями веб-страницы, проявление интереса к определенному товару или категориям товаров, а также данные, регистрируемые и обрабатываемые кассовыми аппаратами, системами контроля доступа, отслеживания местоположения пользователя.

В шаге 705 сервером получения, обработки данных и формирования результатов обработки 133 осуществляется формирование набора данных показателей эффективности рекламных кампаний из данных первой выборки данных и данных второй выборки данных, посредством формирования многомерного массива данных, измерениями которого являются дни недели, часы и названия рекламных площадок, содержащего данные по каждому из пользователей для предустановленного интервала времени, для которого сформирован многомерный массив данных и к которому относятся данные показателей эффективности рекламных кампаний, и содержащего данные о последовательности действий пользователей от момента предъявления рекламных материалов, взаимодействий пользователей с предъявляемыми рекламными материалами для перехода на рекламируемые веб-сайты, до совершения целевых действий на веб-сайтах пользователями, заданных заданием параметров рекламных кампаний сервиса размещения рекламных материалов параметрами предъявления рекламных материалов, выполненного с возможностью задания параметров предъявления рекламных материалов.

В частном случае сформированный набор данных показателей эффективности рекламных кампаний из данных первой выборки данных и данных второй выборки данных, содержит данные о поведенческих изменениях в действиях пользователей.

В шаге 706 в сформированном многомерном массиве данных в пределах предустановленного интервала времени сервером получения, обработки данных и формирования результатов обработки 133:

- выявляется по меньшей мере один временной интервал предъявления рекламного материала, заданный параметрами предъявления рекламных объявлений сервиса размещения рекламных материалов, для каждого рекламного материала, принадлежащего соответствующей рекламной кампании, в пределах которого взаимодействия пользователей с предъявляемым рекламным материалом не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и

- выявляются неэффективные рекламные площадки, на которых значение вероятности взаимодействия пользователя с рекламным материалом на веб-сайте рекламной площадки в такой заданный временной интервал предъявления рекламного материала меньше заданного значения, где вероятность взаимодействия пользователя вычисляется, как отношение количества взаимодействий пользователя с рекламным материалом к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки, или значение вероятности достижения заданной цели в настойках рекламной кампании меньше заданного значения, где вероятность достижения заданной цели вычисляется, как отношение количества достижений заданной цели к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки.

В шаге 707 сервером получения, обработки данных и формирования результатов обработки 133 осуществляется:

- формирование списка рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и

-формирование списка неэффективных рекламных площадок.

В шаге 708 сервером получения, обработки данных и формирования результатов обработки 133 осуществляется формирование набора значений параметров рекламных площадок, содержащего значения для отключения рекламных площадок из списка неэффективных рекламных площадок, и набора значений параметров предъявления рекламных материалов для сервисов размещения рекламных материалов для прекращения предъявления рекламных материалов, содержащихся в списке рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом, и осуществляется передача таких наборов данных по меньшей мере на один из серверов сервисов размещения рекламных материалов.

В шаге 709 по меньшей мере одним из серверов сервисов размещения рекламных материалов осуществляется применение значений, содержащихся в наборе значений параметров предъявления рекламных материалов, и осуществляется применение значений параметров рекламных площадок, содержащих значения для исключения рекламных площадок из списка неэффективных рекламных площадок для прекращения предъявления на них рекламных материалов.

В шаге 710 осуществляется размещение с предъявлением по меньшей мере одного рекламного материала на по меньшей мере одной рекламной площадке по меньшей мере одним сервером сервисов размещения рекламных материалов с измененными значениями настроек параметров для рекламных материалов и рекламных площадок с запуском по меньшей мере одной рекламной кампании.

В частном случае, после отключения рекламных площадок из списка неэффективных рекламных площадок для связанных с ними рекламных материалов задаются другие рекламные площадки, после выявления в сформированном многомерном массиве данных в пределах предустановленного интервала времени эффективных рекламных площадок, на которых значение вероятности взаимодействия пользователя с рекламным материалом на веб-сайте рекламной площадке в такой заданный временной интервал предъявления рекламного материала максимально, где вероятность взаимодействия пользователя вычисляется, как отношение количества взаимодействий пользователя с рекламным материалом к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки, или значение вероятности достижения заданной цели в настойках рекламной кампании максимально, где вероятность достижения заданной цели вычисляется, как отношение количества достижений заданной цели к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки.

В частном случае осуществляется предъявление пользователю списка рекламных площадок для отключения и набора значений параметров рекламных площадок и значений для отключения рекламных площадок из списка неэффективных рекламных площадок, и прекращения предъявления рекламных материалов и список рекламных материалов для прекращения предъявления и набора значений параметров предъявления рекламных материалов для прекращения предъявления рекламных материалов, содержащихся в списке рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом.

Сервисами сбора, хранения и обработки статистических данных пользователей могут являться сервисы контекстной рекламы на веб-страницах или сервисы оценки посещаемости веб-сайтов и анализа поведения пользователей.

Данные на сервисы сбора, хранения и обработки статистических данных пользователей могут быть переданы с серверов сервисов контекстной рекламы на веб-страницах или серверов сервисов оценки посещаемости веб-сайтов и анализа поведения пользователей.

На ФИГ. 8 показан пример компьютерной системы общего назначения, которая включает в себя многоцелевое вычислительное устройство в виде компьютера 20 или сервера, или блока (модуля) описываемой в настоящем изобретении системы, включающего в себя процессор 21, системную память 22 и системную шину 23, которая связывает различные системные компоненты, включая системную память с процессором 21.

Системная шина 23 может быть любого из различных типов структур шин, включающих шину памяти или контроллер памяти, периферийную шину и локальную шину, использующую любую из множества архитектур шин. Системная память включает постоянное запоминающее устройство (ПЗУ) 24 и оперативное запоминающее устройство (ОЗУ) 25. В ПЗУ 24 хранится базовая система ввода/вывода 26 (БИОС), состоящая из основных подпрограмм, которые помогают обмениваться информацией между элементами внутри компьютера 20, например, в момент запуска.

Компьютер 20 также может включать в себя накопитель 27 на жестком диске для чтения с и записи на жесткий диск, не показан, накопитель 28 на магнитных дисках для чтения с или записи на съёмный магнитный диск 29, и накопитель 30 на оптическом диске для чтения с или записи на съёмный оптический диск 31 такой, как компакт-диск, цифровой видео-диск и другие оптические средства. Накопитель 27 на жестком диске, накопитель 28 на магнитных дисках и накопитель 30 на оптических дисках соединены с системной шиной 23 посредством, соответственно, интерфейса 32 накопителя на жестком диске, интерфейса 33 накопителя на магнитных дисках и интерфейса 34 оптического накопителя. Накопители и их соответствующие читаемые компьютером средства обеспечивают энергонезависимое хранение читаемых компьютером инструкций, структур данных, программных модулей и других данных для компьютера 20.

Хотя описанная здесь типичная конфигурация использует жесткий диск, съёмный магнитный диск 29 и съёмный оптический диск 31, специалист примет во внимание, что в типичной операционной среде могут также быть использованы другие типы читаемых компьютером средств, которые могут хранить данные, которые доступны с помощью компьютера, такие как магнитные кассеты, карты флеш-памяти, цифровые видеодиски, картриджи Бернулли, оперативные запоминающие устройства (ОЗУ), постоянные запоминающие устройства (ПЗУ) и т.п.

Различные программные модули, включая операционную систему 35, могут быть сохранены на жёстком диске, магнитном диске 29, оптическом диске 31, ПЗУ 24 или ОЗУ 25. Компьютер 20 включает в себя файловую систему 36, связанную с операционной системой 35 или включенную в нее, одно или более программное приложение 37, другие программные модули 38 и программные данные 39. Пользователь может вводить команды и информацию в компьютер 20 при помощи устройств ввода, таких как клавиатура 40 и указательное устройство 42. Другие устройства ввода (не показаны) могут включать в себя микрофон, джойстик, геймпад, спутниковую антенну, сканер или любое другое.

Эти и другие устройства ввода соединены с процессором 21 часто посредством интерфейса 46 последовательного порта, который связан с системной шиной, но могут быть соединены посредством других интерфейсов, таких как параллельный порт, игровой порт или универсальная последовательная шина (УПШ). Монитор 47 или другой тип устройства визуального отображения также соединен с системной шиной 23 посредством интерфейса, например, видеоадаптера 48. В дополнение к монитору 47, персональные компьютеры обычно включают в себя другие периферийные устройства вывода (не показано), такие как динамики и принтеры.

Компьютер 20 может работать в сетевом окружении посредством логических соединений к одному или нескольким удаленным компьютерам 49. Удаленный компьютер (или компьютеры) 49 может представлять собой другой компьютер, сервер, роутер, сетевой ПК, пиринговое устройство или другой узел единой сети, а также обычно включает в себя большинство или все элементы, описанные выше, в отношении компьютера 20, хотя показано только устройство хранения информации 50. Логические соединения включают в себя локальную сеть (ЛВС) 51 и глобальную компьютерную сеть (ГКC) 52. С использованием хост-адаптера 55 может быть подключено внешнее или удаленное устройство хранения (данных) 57. Такие сетевые окружения обычно распространены в учреждениях, корпоративных компьютерных сетях, Интернете.

Компьютер 20, используемый в сетевом окружении ЛВС, соединяется с локальной сетью 51 посредством сетевого интерфейса или адаптера 53. Компьютер 20, используемый в сетевом окружении ГКС, обычно использует модем 54 или другие средства для установления связи с глобальной компьютерной сетью 52, такой как Интернет.

Модем 54, который может быть внутренним или внешним, соединен с системной шиной 23 посредством интерфейса 46 последовательного порта. В сетевом окружении программные модули или их части, описанные применительно к компьютеру 20, могут храниться на удаленном устройстве хранения информации. Надо принять во внимание, что показанные сетевые соединения являются типичными, и для установления коммуникационной связи между компьютерами могут быть использованы другие средства.

В заключение следует отметить, что приведенные в описании сведения являются примерами, которые не ограничивают объем настоящего изобретения, определенного формулой. Специалисту в данной области становится понятным, что могут существовать и другие варианты осуществления настоящего изобретения, согласующиеся с сущностью и объемом настоящего изобретения.

1. Способ автоматизированной настройки размещения рекламных материалов компаний на рекламных площадках, в котором:

осуществляют сервером сервиса сбора, хранения и обработки статистических данных пользователей сбор, хранение и обработку статистических данных пользователей, полученных в результате совершения действий пользователями, с использованием электронных вычислительных устройств, заключающиеся в посещении сайтов в сети Интернет, взаимодействия с сайтами и элементами сайтов: с веб-ссылками, рекламными материалами, включая такие параметры взаимодействия пользователя с ними, как: уникальное имя пользователя, время нахождения на веб-странице, частота посещения сайтов, проявление интересов к товарам и категориям товаров, используемые пользователем вычислительные устройства, совершаемые покупки, а также действия, регистрируемые и обрабатываемые кассовыми аппаратами, камерами, системами распознавания лиц, звукозаписывающими устройствами, системами контроля доступа, отслеживания местоположения пользователя;

при этом указанные сбор, хранение и обработка статистических данных включает в себя определение ключевых слов, полученных в том числе на основании распознавания и анализа речи пользователя расходов, показов и кликов пользователя, целевой аудитории, источников звонков, даты, времени;

обрабатывают полученные данные сервером получения, обработки данных и формирования результатов обработки с сервера сервиса сбора, хранения и обработки статистических данных пользователей, из базы данных статистики, из базы данных сервера, а также используют обработанные ранее и сохраненные данные в базах данных блока хранения, где

при этом обработка статистических данных представляет собой:

- выявление, по меньшей мере одного, временного интервала предъявления рекламного материала, заданного параметрами предъявления рекламных объявлений сервиса размещения рекламных материалов, для каждого рекламного материала, принадлежащего соответствующей рекламной кампании, в пределах которого взаимодействия пользователей с предъявляемым рекламным материалом не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом;

- выявление рекламных площадок, на которых значение вероятности взаимодействия пользователя с рекламным материалом на веб-сайте рекламной площадки в такой заданный временной интервал предъявления рекламного материала меньше заданного значения, где вероятность взаимодействия пользователя вычисляется, как отношение количества взаимодействий пользователя с рекламным материалом к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки, или значение вероятности достижения заданной цели в настройках рекламной кампании меньше заданного значения, где вероятность достижения заданной цели вычисляется как отношение количества достижений заданной цели к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки;

формируют при помощи предиктивного блока сервера получения, обработки данных и формирования результатов обработки, по крайней мере, один набор данных, содержащий данные прогнозируемой эффективности выбранных рекламных площадок на основании статистических данных и проведенной обработки статистических данных, которые включают в себя настройку временных интервалов демонстрации рекламных материалов и настройку списков рекламных площадок, которые являются неэффективными площадками;

осуществляют сервером получения, обработки данных и формирования результатов обработки передачу по меньшей мере на один из серверов сервисов размещения рекламных материалов набора данных с прогнозируемыми данными, а также значений настроек временных интервалов демонстрации рекламных материалов и значений настроек списков рекламных площадок, которые являются неэффективными площадками;

применяют значения содержащихся в наборе данных, значения временных интервалов демонстрации рекламных материалов, а также значений настроек для исключения рекламных площадок из списка неэффективных рекламных площадок для прекращения предъявления на них рекламных материалов.

2. Способ по п. 1, в котором статистические данные, получаемые сервером получения, обработки данных и формирования результатов обработки, включают параметры взаимодействия пользователей, содержащие по меньшей мере время нахождения на веб-странице и/или частоту посещения веб-сайтов, и/или проявление интереса товару, категориям товаров, и/или используемых пользователем вычислительных устройств данные с таких вычислительных устройств, содержащие по меньшей мере информацию о совершении покупок, идентификаторы вычислительного устройства, в сети Интернет, в сервисах, приложениях, и/или регистрационные данные в них, а также данные по меньшей мере с кассовых аппаратов и/или камер, и/или систем распознавания лиц, и/или звукозаписывающих устройств, и/или систем контроля доступа, и/или средств отслеживания местоположения пользователя, а также данные из личных кабинетов сервисов сбора, хранения и обработки статистических данных пользователей и данные об эффективности рекламных каналов, кампаний и ключевых слов, скоринг, конверсии от предъявления рекламных материалов, расходах, показах и взаимодействиях пользователя с веб-ссылками, целевой аудитории, бюджете рекламной кампании, источниках звонков, их даты, время, ключевые слова, в том числе полученные после распознавания и анализа речи пользователя.

3. Способ по п. 1, в котором осуществляется актуализация данных, содержащихся в первой выборке данных и второй выборке данных, посредством отправки запросов сервером получения, обработки данных и формирования результатов обработки на по меньшей мере один из серверов сервисов сбора, хранения и обработки статистических данных пользователей и получения от него запрошенных данных посредством сопоставления и обновления данных по меньшей мере о времени посещения пользователем веб-сайта, продолжительности посещения веб-сайта, названии рекламной площадки, принадлежности к рекламной кампании, идентификаторах счетчиков в формате программного кода, осуществляющего сбор статистических данных на веб-сайте, с проверкой корректности и актуальности статистических данных, для каждого пользователя.

4. Способ по п. 1, в котором параметрами посещения пользователями веб-сайтов являются время нахождения пользователя на веб-странице, частота посещения пользователями веб-страницы, проявление интереса к определенному товару или категориям товаров, а также данные, регистрируемые и обрабатываемые кассовыми аппаратами, системами контроля доступа, отслеживания местоположения пользователя.

5. Способ по п. 1, в котором связанные с размещением рекламных материалов данные включают данные об эффективности рекламных каналов, рекламных кампаний и ключевые слова, скоринг, конверсии от предъявления рекламных материалов, расходах, показах и взаимодействиях пользователя с веб-ссылками, целевой аудитории, бюджете рекламной кампании, источниках звонков, их даты, время, ключевые слова, в том числе полученные после распознавания и анализа речи пользователя.

6. Способ по п. 1, в котором при сохранении данных в базу данных статистических данных осуществляется проверка сохраняемых данных на валидность типов данных с использованием преобразования значения одного типа данных в другое или определения типа переменной.

7. Способ по п. 1, в котором осуществляется предъявление пользователю списка рекламных площадок для отключения и набора значений параметров рекламных площадок и значений для отключения рекламных площадок из списка неэффективных рекламных площадок, и прекращения предъявления рекламных материалов и список рекламных материалов для прекращения предъявления и набора значений параметров предъявления рекламных материалов для прекращения предъявления рекламных материалов, содержащихся в списке рекламных материалов с заданными установленными временными интервалами предъявления рекламных материалов для каждой рекламной кампании, для которых выявлены временные интервалы предъявления рекламного материала, в пределах которых взаимодействия пользователей с предъявляемым рекламным не приводили к достижению предустановленных целей рекламных кампаний или в течение которого пользователь не взаимодействовал с предъявляемым рекламным материалом.

8. Способ по п. 1, в котором сервисами сбора, хранения и обработки статистических данных пользователей являются сервисы контекстной рекламы на веб-страницах или сервисы оценки посещаемости веб-сайтов и анализа поведения пользователей.

9. Способ по п. 1, в котором данные на сервисы сбора, хранения и обработки статистических данных пользователей передаются с серверов сервисов контекстной рекламы на веб-страницах или серверов сервисов оценки посещаемости веб-сайтов и анализа поведения пользователей.

10. Способ по п. 1, в котором набор данных показателей эффективности рекламных кампаний из данных первой выборки данных и данных второй выборки данных, содержит данные о поведенческих изменениях в действиях пользователей.

11. Способ по п. 1, в котором после отключения рекламных площадок из списка неэффективных рекламных площадок для связанных с ними рекламных материалов задаются другие рекламные площадки, после выявления в сформированном многомерном массиве данных в пределах предустановленного интервала времени эффективных рекламных площадок, на которых значение вероятности взаимодействия пользователя с рекламным материалом на веб-сайте рекламной площадке в такой заданный временной интервал предъявления рекламного материала максимально, где вероятность взаимодействия пользователя вычисляется, как отношение количества взаимодействий пользователя с рекламным материалом к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки, или значение вероятности достижения заданной цели в настройках рекламной кампании максимально, где вероятность достижения заданной цели вычисляется как отношение количества достижений заданной цели к общему количеству предъявлений рекламных материалов на веб-сайтах для каждой рекламной площадки.

12. Система автоматизированной настройки размещения рекламных материалов компаний на рекламных площадках, которая содержит:

- по меньшей мере один сервер по меньшей мере одного сервиса сбора, хранения и обработки статистических данных,

- сервер получения, обработки данных и формирования результатов обработки, включающий в себя: блок получения статистики, блок задач, блок очереди задач, блок управления и администрирования, блок управления и организации, предикативный блок, блок автоматизированного управления рекламными кампаниями,

- базу данных статистики,

- по меньшей мере один сервер по меньшей мере одного сервиса размещения рекламных материалов,

при этом система автоматизированной настройки размещения рекламных материалов компаний на рекламных площадках выполнена с возможностью осуществления способа по любому из пп. 1-11.

13. Система по п. 12, в которой блок задач является брокером сообщений, использующим открытый протокол для передачи сообщений между компонентами системы.

14. Система по п. 12, в которой блок управления и администрирования и блок управления и организации выполнены с возможностью формирования учетных данных пользователей, включающих по меньшей мере токены, идентификаторы пользователей.

Изобретение относится к области вычислительной техники для защиты и аутентификации документов. Технический результат заключается в повышении точности и надежности определения (распознавания) факта предъявления цифровой копии документа в виде пересъемки экрана.

Интеллектуальное устройство для продвижения товаров на полке // 2773863

Изобретение относится к интеллектуальному устройству для продвижения товаров, выставляемых на полках супермаркетов, аптек, автозаправочных станций, хозяйственных и строительных магазинов и т.д. Технический результат - упрощение конструкции.

Способ распознавания цифровых образов протезными системами // 2773618

Способ относится к технологиям распознавания цифровых образов и может быть реализован в зрительных протезных системах. Технический результат заключается в обеспечении возможности восприятия и распознавания окружающего пространства пользователем протезной системы.

Система автоматизации обмена кодами маркировки // 2773429

Изобретение относится к области распределенных систем обработки данных и может найти свое применение в качестве инструмента взаимодействия между участниками оборота товаров, в том числе международного и их контрагентов, таких как поставщики услуг преобразования кодов маркировки в средства идентификации и зарубежных производственных площадок.

Способ обработки изображений, способ и устройство обучения // 2773420

Изобретение относится к области вычислительных технологий, а именно к средствам обработки изображения. Технический результат заключается в повышении точности обработки изображений.

Способ декодирования вставки с внутренней обработкой // 2773353

Изобретение относится к области формирования кода вставки с внутренним рисунком, выполненным путем механической обработки. Техническим результатом заявленного решения является возможность формирования кода вставок, изготовленных любым способом.

Способ, система и носитель хранения для вычисления длительности прохождения поезда через тоннель // 2773332

Изобретение относится к вычислительной технике, а именно к определению времени прохождения поезда через тоннель. Технический результат заключается в повышении точности определения времени движения поезда в тоннеле.

Способ и устройство для определения позы человека, устройство и носитель данных // 2773232

Изобретение относится к технологиям определения позы человека. Техническим результатом является повышение точности определения позы человека.

Способ определения запасов стволовой древесины с использованием данных воздушной беспилотной съемки // 2773144

Изобретение относится к технике лесной таксации, которая осуществляется при помощи данных, полученных с беспилотных летательных аппаратов (БПЛА). Сущность заявленного решения заключается в выполнении фотосъёмки БПЛА с целью формирования банка данных снимков и последующей их фотограмметрической обработки в рамках создания цифровой модели древесного полога (ЦМДП).

Система, устройство и способ для осуществления доступа к совместно используемой инфраструктуре // 2773049

Изобретение относится к системам предоставления доступа к совместно используемой инфраструктуре. Технический результат заключается в обеспечении возможности быстрого масштабирования базы данных идентификаторов местоположения.

Способы и системы идентификации полей в документе // 2774653

Изобретение относится к области компьютерной техники и может быть использовано для обнаружения полей на изображениях документов. Техническим результатом является определение точности разметки пользователем полей в документах. Способ содержит получение набора данных для обучения, содержащего несколько документов, причем каждый из нескольких документов соотносится с несколькими размеченными пользователем полями; для данного поля из нескольких размеченных пользователем полей в данном документе из нескольких документов, установление того, повторяется ли в одном или нескольких дополнительных документах существующая в данном документе конкретная комбинация относительных положений одного или нескольких дополнительных размеченных пользователем полей относительно данного поля; указание неправильности выделения данного поля, если установлено, что конкретная комбинация не повторяется в любых дополнительных документах; установление наличия в двух или более других документах другой комбинации относительных положений дополнительных одного или нескольких полей, размеченных пользователем, относительно данного поля, если установлено, что конкретная комбинация повторяется в одном или нескольких дополнительных документах, причем указание данного поля как размеченного правильно, если установлено, что другая комбинация не существует в двух или более других документах; указание данного поля как размеченного противоречиво, если установлено, что данная комбинация существует в двух или более других документах. 9 ил.