CN104408642B - 一种基于用户体验质量的广告制作方法 - Google Patents
一种基于用户体验质量的广告制作方法 Download PDFInfo
- Publication number
- CN104408642B CN104408642B CN201410596534.5A CN201410596534A CN104408642B CN 104408642 B CN104408642 B CN 104408642B CN 201410596534 A CN201410596534 A CN 201410596534A CN 104408642 B CN104408642 B CN 104408642B
- Authority
- CN
- China
- Prior art keywords
- consumer
- mrow
- msub
- qoe
- advertisement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于用户体验质量的广告制作方法,包括以下步骤:(1)分析消费者的社交网络属性特征,并将这些特征组成一个向量,使用聚类算法将消费者聚类;(2)计算每个消费者特征向量与聚类中心的距离,然后选择每类中前N个消费者作为典型消费者;(3)检测这些典型消费者观看含有不同的广告元素的广告组件时的QoE;(4)根据QoE测量结果来设计广告。本发明加强了广告的效果,发现了广告中隐藏的负面效果,提高了广告制作的效率。本方法为广告制作提供了明确的目标,避免了无聊和无效的广告,可以为广告制作商节约大量的金钱。
Description
技术领域
本发明涉及一种基于消费者体验质量(QoE)的自动广告生产方法,使用生物医学技术(功能性磁共振成像(fMRI)或脑电图(EEG))来帮助获取QoE测量结果。该方法可以向消费者提供个性化的广告并且可以达到吸引消费者的目的。是一种实现广告推送信息化、智能化、规范化、流程化的广告推送***。
背景技术
如何高效地发送广告一直困扰着广告制作人。由于制作人和消费者之间的观念差异(因为广告制作人和消费者之间对某些问题可能有完全不同的看法,或者制作人误解了消费者一些行为所代表的含义),即使广告制作商在广告上投入了大量时间和精力,但多数广告也难以引起观众注意,因此产品制作商浪费了大量的费用。
现有有些广告虽然准确地表达了自己想要表达的意思,但是由于没有深入研究消费者看到这些广告后的内心的细节变化,不能深入分析各个不同阶层消费者看到广告后的心理变化也是很多广告失败的根本原因所在。
发明技术
本发明展示了一种个性化的广告投放***,该***根据消费者所属的消费者社交群体向该消费者推送个性化的广告。该***也可根据消费者群体的QoE而自动地调整推送广告的内容。
当向一个人推销一件商品时,如果这个产品与他喜欢的东西或者他的爱好有关,那么销售就会很容易。例如,相比登山爱好者,更容易把啤酒卖给足球迷。因此如果广告商了解消费者喜欢什么的话,他只需要向消费者出售与消费者兴趣爱好有关的商品就好了,这样的广告就很有效。本发明的基本思路是通过QoE测算出消费者喜欢广告的哪一个部分,然后用测试结果指导广告制作。例如,如果用户是男性,喜欢看历史小说,听古典音乐,看电影等等……就可以做一个古代造型的漂亮影星并配有古典音乐的广告给他。随着生物医学成像的飞速发展,可以通过量化和可视化大脑相应区域的活动情况来观测一个人的情绪。因此可以通过生 物医学技术(如fMRI或EEG)来测算消费者的QoE,这类方法相比其它方法更加准确,因为它可以直接估算出大脑的反应,但此方法的缺点也很明显,那就是使用生物医学技术的花费很高。因此,不能使用生物医学技术观测每一个消费者的QoE。的解决办法是找出一些有代表性的消费者消费者。显然消费者可以由其特点被分为几个不同的小组,所以可以使用聚类算法分出这些小组,然后每个组都找一些代表用户,只需要测算这些用户的QoE,然后据此提炼出广告的要点,之后就可以针对这些小组制作有效的广告。
本发明的技术设计方法如下:
本发明展示了一种有效帮助广告制作者找出广告要点的方法。发现在社交网络中,因为某一类消费者因有相似的兴趣爱好,他们也喜欢同一类的广告元素。由此用户可以被一个含有不同标签的向量所表示,例如性别,年龄等。因此可以使用传统的数据挖掘技术来根据消费者的特点将消费者分类。然后计算每个用户与类中心的距离,设立一个阈值,由此筛选出典型消费者。这样,寻找每个小组成员的兴趣点的问题被转化成寻找典型消费者典型消费者的兴趣点的问题。
为了找到典型消费者对广告的兴趣点,根据广告的要点并使用生物医学技术(fMRI or EEG)设计出一系列任务,由此观察典型消费者脑区活动的变化,然后根据消费者脑区活动构造出测算消费者QoE的算法,然后就会得到每个类中成员的共同的兴趣点。然后根据这些共同兴趣点制作出具有高度针对性的广告,提高广告的针对性。
一种基于用户体验质量的广告制作方法,包括以下步骤:
(1)分析消费者的社交网络属性特征,并将这些特征组成一个向量,使用聚类算法将消费者聚类;
一个消费者的特征能够由一个记录他个人信息的向量Fc表示,表示为Fc={fc1,fc2,......},向量中的每一个元素都对应一个社会性标签;这些消费者的特征向量通过聚类算法来被分为M类,聚类中心可表示为Fg={fg1,fg2,......,fgM}并存储在数据服务器中;
(2)计算每个消费者特征向量与聚类中心的距离,然后选择每类中前N个消费者作为特征消费者;
这些过程描述如下:
消费者fc和聚类中心fgi之间的相似度计算方法如下:
sim(fc,fgi)=1-Dis(fc,fgi);(i=1,2,3......,M)
Dis(fc,fgi)=||afc-afgi||
Fg是通过消费者特征进行聚类后的聚类中心,||·||代表两向量之间的距离;
(3)检测这些典型消费者观看含有不同的广告元素的广告组件时的QoE;
对于每类典型消费者,随机从广告元素数据库中选出N个不同的广告元素组成的广告组件Mg={mg1,mg2,......,mgN},设计一系列任务来测试消费者的QoE;
(4)根据QoE测量结果来设计广告
得到这个N个消费者的QoE,可表示为QoEg={qoe1,qoe2,......,qoeN},如果典型消费者的QoE值大于某个阀值,就选这一主题作为设计广告的元素之一;
上述过程可被描述如下:
Mad=aMg
其中,Mad是被选中组件的列表,a是一个阀值系数;
把不同测试对象的广告兴趣点所对应的特征素材的交叉部分作为广告产品的基础,即
这里,Mt是每组的特征原料,∩是相交运算符;
从每类典型消费者得到原料列表Mt={mt1,mt2,mt3...mtN}后,就能够用这些组件设计广告了。
本发明在步骤三中,检测这些典型消费者观看含有不同的广告元素的广告组件时的QoE,检测消费者的QoE通过采用功能性磁共振成像或脑电图来获得,步骤为:
(a)设计一系列任务,这些任务包含一套广告素材,这些任务都是根据从数据库中随机选择的广告元素设计的;
(b)执行这些任务刺激消费者的大脑,同时使用基于任务的磁共振成像或脑电图,并记录脑活动状态;
(c)计算快乐和伤心的程度:
其中,Sh代表快乐感情的程度,Vha代表与快乐相关的脑区被激活的脑量数量,Vht代表快乐相关脑区的脑量总量,Vsa代表与悲伤相关的脑区被激活的脑量,Vst代表与悲伤相关的脑区脑量总量;
(d)计算QoE
技术优势
当前,绝大多数广告制作是由制作者对产品的理解而做出来的,这种广告往往花费了广告制作人大量的时间和心血,却很难获得消费者的共鸣,有时甚至会出现相反的效果。与传统的广告制作方法相比的方法有如下优点:
1)加强广告的效果:QoE可以避免盲目制作广告的发生,可以提高广告产生的效果。
2)发现隐藏的负面效果:通过QoE可以检测出典型消费者对广告的负面印象,可以帮助广告制作商及时修改广告,从而避免更大的损失。
3)提高广告制作的效率:本方法为广告制作提供了明确的目标,避免了无聊和无效的广告,可以为广告制作商节约大量的金钱。
附图说明
图1是本发明的总体框架图;
图2是基于生物医学方法的QoE检测和典型广告元素选择方法框架图。
具体实施方式
本发明的方法具体实现步骤如下:
1.1总体框架
此方法根据消费者相似的特点将他们聚类并分为不同的组,然后计算每个用户特征和组中心的距离来筛选出特征消费者。当典型消费者观看广告的片段时,就利用基于任务的生物医学技术(fMRI或EEG)测量他们的QoE,然后设立一个QoE的阈值来筛选不同组内的共同兴趣点并根据这些不同组特征制作定向广告。
本方法的整体框架如图1所示。
1.2具体细节
方法的具体细节包含以下四步:
第一步,用一个向量记录用户的特征信息,然后根据向量信息将用户分类。
第二步,找出每个聚类中前n个消费者典型消费者。
第三步,使用基于生物医学的QoE检测法检测典型消费者观看不同广告组件时的大脑活动。
第四步,根据QoE检测得到的结果找出有吸引力的广告组件,然后以此为原料设计广告。
1.2.1消费者聚类
这种方法的目的是为目标用户找到一些合适的广告画面,以此来让用户喜欢广告并接受广告想表达的一些观念。我们发现当一个消费者的QoE很高时,他就很容易接受一个广告,不过个人的QoE检测的花费是很高的。也发现这些消费者可以由其特征被分为不同的小组,在同一个模式组中,消费者对广告内容的兴趣点应该是相似的。
例如,消费者的年龄可能影响所喜欢广告的风格:年轻人喜欢轻松搞笑的风格,成年人却喜欢更真实的风格。由于相似的人群有相似的品味,相似度就显得很重要了。为了好的用户体验,相似的人很可能喜欢同一类型广告,因此应该给目标用户看到高体验度的广告。
一个消费者的特征可以由一个记录他个人信息的向量Fc表示,这个向量包含国籍,性别,年龄,社会地位等,表示为Fc={fc1,fc2,......},向量中的每一个元素都对应一个社会性标签。此向量可以很方便地通过普适计算从网络中获取;它能被用来计算消费者之间的相似度。这些消费者的特征向量可以通过常见的聚类算法如k-mean或k-median来被分为M类,聚类中心可表示为Fg={fg1,fg2,......,fgM}并存储在数据服务器中。
1.2.2典型消费者
为了找出有代表性的消费者,计算消费者特征向量之间的相似度并分类,找出每个聚类的中心,计算每个消费者特征向量与聚类中心的距离,然后选择每类中前N个消费者作为典型消费者;
这些过程描述如下:
消费者fc和聚类中心fgi之间的相似度计算方法如下:
sim(fc,fgi)=1-Dis(fc,fgi);(i=1,2,3......,M)
Dis(fc,fgi)=||afc-afgi||
Fg是通过消费者特征进行聚类后的聚类中心,||·||代表两向量之间的距离;
然后可以找出每组的N个典型消费者,使用生物医学技术(fMRI或EEG)测算这些人的QoE,然后找出每个组对广告的兴趣点。
1.2.3基于生物医学的QoE检测
这一步通过QoE检测的方法从广告元素数据库中筛选出了主要的广告元素。基于生物医学QoE检测方法的框架如图2所示。
对于每类典型消费者(数量为N),随机从广告元素数据库中选出广告元素Mg={mg1,mg2,......,mgN}。再设计一系列任务来使用MRI技术测试消费者的QoE,然后根据QoE的值筛选出有价值广告元素。如果有QoE值大于某一阈值,那么就选这个广告元素作为制作广告的原料。
举个例子,可以将一系列图片作为一个任务,这些图片包含不同的主题,包含有魅力的男性/女性,自然风光,豪华汽车等等。用常用方法进行fMRI扫描任务。然后扫描每位成员的大脑,通过记录大脑活动计算这N个消费者的QoE,可表示为QoEg={qoe1,qoe2,......,qoeN}。如果典型消费者的QoE值大于某个阀值,就选这一主题作为制作广告的元素之一。
上述过程可被描述如下:
Mad=aMg
其中,Mad是被选中组件的列表,a是一个阀值系数;
把不同测试对象的广告兴趣点所对应的特征素材的交叉部分作为广告产品的基础,即
这里,Mt是每组消费者的典型原料,∩是相交运算符;
根据典型消费者的测试得到广告组件清单Mt={mt1,mt2,mt3...mtN}后,就能够用这些组件设计广告了。
1.2.4广告设计制作
根据每类典型消费者的测试结果可以得到他们感兴趣的广告组件清单Mt={mt1,mt2,mt3...mtN},然后利用这些组件制作广告。例如,如果该列表包含豪华汽车,漂亮女孩和自然风光,而想出售的商品是可口可乐,可以设计这样的广告场景:在风景优美的郊外,一个漂亮女孩开着宝马的跑车,从远处赶来,女孩下车后拿着一罐可乐,满足地喝着可乐看着风景。
1.2.5基于生物医学技术的QoE计算
目前有许多检测消费者QoE的方法,但这些方法都不十分精确。例如,面部表情可为QoE提供信息,但所得到的信息价值不大。这是因为每个人至少都可以控制面部表情表露自己的真情实感。
根据生物医学技术的发展,由于感情的变化会反映在大脑区域的活动中,就可以定量测量和可视化情感状态。
方法详细描述如下:
(1)设计一系列fMRI测试任务,这些任务包含一系列广告素材。这些任务都是根据从数据库中随机选择的广告元素设计的;
(2)执行这些任务刺激消费者的大脑,同时使用基于任务的磁共振成像(fMRI)或脑电图(EEG),并记录脑活动状态;
(3)
计算快乐和伤心的程度:
其中,Sh代表快乐感情的程度,Vha代表与快乐相关的脑区被激活的脑量数量,Vht代表快乐相关脑区的脑量总量,Vsa代表与悲伤相关的脑区被激活的脑量,Vst代表与悲伤相关的脑区脑量总量;
(d)计算QoE
1.2.6广告元素数据库
广告元素数据库包含广告的基本元素(如服饰和场景)和各组中的记录。它可以提供消费者的组信息。这些原料广告元素设计各类布局,比如户外,食物,饮料,风景等。
Claims (2)
1.一种基于用户体验质量的广告制作方法,其特征在于,包括以下步骤:
(1)分析消费者的社交网络属性特征,并将这些特征组成一个向量,使用聚类算法将消费者聚类;
一个消费者的特征能够由一个记录他个人信息的消费者特征向量Fc表示,表示为Fc={fc1,fc2,......},向量中的每一个元素都对应一个社会性标签;这些消费者的特征向量通过聚类算法来被分为M类,聚类中心可表示为Fg={fg1,fg2,......,fgM}并存储在数据服务器中;
(2)计算每个消费者特征向量与聚类中心的距离,然后选择每类中前N个消费者作为典型消费者;
这些过程描述如下:
消费者特征向量Fc和聚类中心fgi之间的相似度计算方法如下:
Sim(Fc,fgi)=1-Dis(Fc,fgi);(i=1,2,3……,M)
Dis(Fc,fgi)=||Fc-fgi||
Fg是通过消费者特征进行聚类后的聚类中心,||·||代表两向量之间的距离;
(3)检测这些典型消费者观看含有不同的广告元素的广告组件时的QoE;
对于每类典型消费者,随机从广告元素数据库中选出N个不同的广告元素组成的广告组件Mg={mg1,mg2,......,mgN},然后设计一系列任务来测试消费者的QoE;
(4)根据QoE测量结果来设计广告
得到这个N个消费者的QoE,可表示为QoEg={qoe1,qoe2,......,qoeN},如果典型消费者的QoE值大于等于阀值Th时,就选这一主题作为设计广告的元素之一;
上述过程可被描述如下:
Mad=aMg
<mrow>
<mi>a</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
<mo>,</mo>
<mi>Q</mi>
<mi>o</mi>
<mi>E</mi>
<mo><</mo>
<mi>T</mi>
<mi>h</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
<mo>,</mo>
<mi>Q</mi>
<mi>o</mi>
<mi>E</mi>
<mo>&GreaterEqual;</mo>
<mi>T</mi>
<mi>h</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,Mad是被选中组件的列表,a是一个阀值系数;
把不同测试对象的广告兴趣点所对应的特征素材的交叉部分作为广告产品的基础,即
<mrow>
<msub>
<mi>M</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<munderover>
<mrow>
<mi></mi>
<mo>&cap;</mo>
</mrow>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>M</mi>
<mrow>
<mi>a</mi>
<mi>d</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
这里,Mt是每组消费者的典型原料,∩是相交运算符;
根据典型消费者的测试得到广告组件清单Mt={mt1,mt2,mt3...mtN}后,就能够用这些组件设计广告了。
2.根据权利要求1所述的一种基于用户体验质量的广告制作方法,其特征在于,在步骤(3)中,检测这些典型消费者观看含有不同的广告元素的广告组件时的QoE,检测消费者的QoE通过采用功能性磁共振成像或脑电图来获得,步骤为:
(a)设计一系列任务,这些任务包含一套广告素材,这些任务都是根据从数据库中随机选择的广告元素设计的;
(b)执行这些任务刺激消费者的大脑,同时使用基于任务的磁共振成像或脑电图,并记录脑活动状态;
(c)计算快乐和伤心的程度:
<mrow>
<msub>
<mi>S</mi>
<mi>h</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>V</mi>
<mrow>
<mi>h</mi>
<mi>a</mi>
</mrow>
</msub>
<msub>
<mi>V</mi>
<mrow>
<mi>h</mi>
<mi>t</mi>
</mrow>
</msub>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>S</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>V</mi>
<mrow>
<mi>s</mi>
<mi>a</mi>
</mrow>
</msub>
<msub>
<mi>V</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
</mrow>
</msub>
</mfrac>
</mrow>
其中,Sh代表快乐感情的程度,Vha代表与快乐相关的脑区被激活的脑量数量,Vht代表快乐相关脑区的脑量总量,Vsa代表与悲伤相关的脑区被激活的脑量,Vst代表与悲伤相关的脑区脑量总量;
(d)计算QoE
<mrow>
<mi>Q</mi>
<mi>o</mi>
<mi>E</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>S</mi>
<mi>h</mi>
</msub>
<msub>
<mi>S</mi>
<mi>s</mi>
</msub>
</mfrac>
<mo>.</mo>
</mrow>
2
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410596534.5A CN104408642B (zh) | 2014-10-29 | 2014-10-29 | 一种基于用户体验质量的广告制作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410596534.5A CN104408642B (zh) | 2014-10-29 | 2014-10-29 | 一种基于用户体验质量的广告制作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408642A CN104408642A (zh) | 2015-03-11 |
CN104408642B true CN104408642B (zh) | 2017-09-12 |
Family
ID=52646271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410596534.5A Active CN104408642B (zh) | 2014-10-29 | 2014-10-29 | 一种基于用户体验质量的广告制作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408642B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105536251A (zh) * | 2015-12-15 | 2016-05-04 | 云南大学 | 一种基于用户体验质量波动模型的游戏任务自动构造方法 |
JP6662644B2 (ja) * | 2016-01-18 | 2020-03-11 | 国立研究開発法人情報通信研究機構 | 視聴素材評価方法、視聴素材評価システム、及びプログラム |
CN106355449B (zh) | 2016-08-31 | 2021-09-07 | 腾讯科技(深圳)有限公司 | 用户选取方法和装置 |
CN111242654B (zh) * | 2018-11-28 | 2021-04-30 | 北京沃东天骏信息技术有限公司 | 生成广告图片的方法和*** |
CN110232595A (zh) * | 2019-06-13 | 2019-09-13 | 武汉十点半文化传播有限公司 | 一种基于网络广告的制作方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737331A (zh) * | 2010-12-02 | 2012-10-17 | 微软公司 | 根据情绪为广告确定受体 |
CN102937960A (zh) * | 2012-09-06 | 2013-02-20 | 北京邮电大学 | 突发事件热点话题的识别与评估装置和方法 |
CN103605718A (zh) * | 2013-11-15 | 2014-02-26 | 南京大学 | 一种基于hadoop的改进的物品推荐方法 |
-
2014
- 2014-10-29 CN CN201410596534.5A patent/CN104408642B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737331A (zh) * | 2010-12-02 | 2012-10-17 | 微软公司 | 根据情绪为广告确定受体 |
CN102937960A (zh) * | 2012-09-06 | 2013-02-20 | 北京邮电大学 | 突发事件热点话题的识别与评估装置和方法 |
CN103605718A (zh) * | 2013-11-15 | 2014-02-26 | 南京大学 | 一种基于hadoop的改进的物品推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104408642A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chan et al. | Neural profiling of brands: Mapping brand image in consumers’ brains with visual templates | |
Kim et al. | Involvement, satisfaction, perceived value, and revisit intention: A case study of a food festival | |
Han et al. | Signaling status with luxury goods: The role of brand prominence | |
CN104408642B (zh) | 一种基于用户体验质量的广告制作方法 | |
Funk et al. | Consumer loyalty: The meaning of attachment in the development of sport team allegiance | |
Vilnai-Yavetz et al. | A picture is worth a thousand words: segmenting consumers by facebook profile images | |
Aaker et al. | Consumer evaluations of brand extensions | |
Lane | The impact of ad repetition and ad content on consumer perceptions of incongruent extensions | |
Laverie et al. | Factors affecting fan attendance: The influence of identity salience and satisfaction | |
Kastenholz et al. | Studying factors influencing repeat visitation of cultural tourists | |
Ahmad | Benefit segmentation: a potentially useful technique of segmenting and targeting older consumers. | |
CN108073671A (zh) | 业务对象推荐方法、装置和电子设备 | |
D’Urso et al. | Bagged fuzzy clustering for fuzzy data: An application to a tourism market | |
Han et al. | Investigating customers’ shopping behaviors at airport duty-free shops: Impact of shopping flow and alternative shopping malls’ attractiveness | |
McDonald et al. | Segmenting initial fans of a new team: A taxonomy of sport early adopters | |
Kashi | Exploring consumer purchase behaviour: Foreign versus local brands | |
Foster et al. | A model who looks like me: Communicating and consuming representations of disability | |
Cheah et al. | Idolizing “My Love from the Star”: Idol attachment and fanaticism of luxury brands | |
Han et al. | Color trend analysis using machine learning with fashion collection images | |
CN109272390A (zh) | 融合评分和标签信息的个性化推荐方法 | |
Kosciolek | Consumer loyalty among fans of sports clubs: How much do they vary across disciplines? | |
Al‐Issa et al. | Masstige buyers: Profile, perceived luxury values and purchase intentions | |
Del Chiappa et al. | The role of emotions in a sport event experience | |
Moreo et al. | Food enthusiasts: A behavioral typology | |
Hawkins | Researching and marketing to consumption collectives |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220110 Address after: 650000 room 905, China Merchants Building, high tech Zone, Kunming, Yunnan Patentee after: Yunnan panoramic Yunyou Technology Co.,Ltd. Address before: 650091 Yunnan province Kunming City Lake Road No. 2 Patentee before: YUNNAN University |