CN102999497B - 一种媒体信息位推荐方法及系统 - Google Patents
一种媒体信息位推荐方法及系统 Download PDFInfo
- Publication number
- CN102999497B CN102999497B CN201110266957.7A CN201110266957A CN102999497B CN 102999497 B CN102999497 B CN 102999497B CN 201110266957 A CN201110266957 A CN 201110266957A CN 102999497 B CN102999497 B CN 102999497B
- Authority
- CN
- China
- Prior art keywords
- media information
- channel
- msub
- mrow
- industry
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 230000009897 systematic effect Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种媒体信息位推荐方法,包括:根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数;根据所述计算的推荐指数向用户推荐媒体信息位。本发明还相应地公开了一种媒体信息位推荐系统。本发明不依赖人工经验进行媒体信息位推荐,所以能够实现系统化的媒体信息位推荐,提高媒体信息位推荐效率以及媒体信息投放效果。
Description
技术领域
本发明涉及媒体信息发布技术,尤其涉及一种媒体信息位推荐方法及系统。
背景技术
在针对某种客户产品做媒体信息排期的过程中,一般会遇到两个问题:一是客户产品的媒体信息是否适合投放在某个媒体信息位上;二是某个媒体信息位的效果是否足够好,是否能覆盖客户所期望的目标人群。
现有技术中,一般采用简单的人工分类方法,比如汽车产品的媒体信息就投放到汽车频道,女性产品的媒体信息就投放到女性频道等,可以看出,目前媒体信息位与客户产品的媒体信息之间的匹配关系尚停留在人工经验阶段,媒体信息位推荐效率较低,且媒体信息投放效果不佳。
另外,目前对于传统媒介很难获取到详细、精确的目标人群数据,而对于互联网上的媒体信息投放,由于缺乏系统化的研究指导,在做排期的时候很多媒介人员要么仅仅根据曝光量和点击量的高低来选取媒体信息位,要么根据自己投放经验来选取媒体信息位,但是,仅仅根据曝光量或者点击量无法体现出客户的目标人群特点,而现有的人工经验方法不具有系统性,无法大面积使用,并且,不同人员的经验会有不同,无法给出一个统一标准。
发明内容
有鉴于此,本发明的主要目的在于提供一种媒体信息位推荐方法及系统,能够实现系统化的媒体信息位推荐,提高媒体信息位推荐效率以及媒体信息投放效果。
为达到上述目的,本发明的技术方案是这样实现的:
一种媒体信息位推荐方法,包括:
根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数;
根据所述计算的推荐指数向用户推荐媒体信息位。
客户产品所属行业与频道的匹配度通过特征匹配函数表征,所述特征匹配函数为:
其中,fi,j表示行业Ii的产品在频道Lj上的投放次数,∑Lj表示频道Lj上的轮播总和,N为总的行业个数,nj为频道Lj投放的产品所属的行业个数。
媒体信息位所覆盖的目标人群属性由年龄、性别、地区和场景构成。
所述计算媒体信息位的推荐指数为:根据推荐指数函数R=W1×M+W2×L计算推荐指数,其中,所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重,M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名,L为媒体信息位上客户目标人群数排名。
所述根据计算的推荐指数向用户推荐媒体信息位为:将媒体信息位按照推荐指数由高到低进行排序,展示给用户。
一种媒体信息位推荐系统,包括:推荐指数计算单元、媒体信息位推荐单元;其中,
所述推荐指数计算单元,用于根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数;
所述媒体信息位推荐单元,用于根据推荐指数计算单元计算的推荐指数向用户推荐媒体信息位。
客户产品所属行业与频道的匹配度通过特征匹配函数表征,所述特征匹配函数为:
其中,fi,j表示行业Ii的产品在频道Lj上的投放次数,∑Lj表示频道Lj上的轮播总和,N为总的行业个数,nj为频道Lj投放的产品所属的行业个数。
媒体信息位所覆盖的目标人群属性由年龄、性别、地区和场景构成。
所述推荐指数计算单元计算媒体信息位的推荐指数为:根据推荐指数函数R=W1×M+W2×L计算推荐指数,其中,所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重,M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名,L为媒体信息位上客户目标人群数排名。
所述媒体信息位推荐单元根据计算的推荐指数向用户推荐媒体信息位为:将媒体信息位按照推荐指数由高到低进行排序,展示给用户。
本发明媒体信息位推荐方法及系统,根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数;根据所述计算的推荐指数向用户推荐媒体信息位。本发明不依赖人工经验进行媒体信息位推荐,所以能够实现系统化的媒体信息位推荐,提高媒体信息位推荐效率以及媒体信息投放效果。
附图说明
图1为本发明媒体信息位推荐方法流程示意图;
图2为本发明实施例一种客户需求输入界面示意图;
图3为本发明实施例一种用户展示界面示意图。
具体实施方式
本发明的基本思想是:根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数;根据所述计算的推荐指数向用户推荐媒体信息位。
图1为本发明媒体信息位推荐方法流程示意图,如图1所示,该方法包括:
步骤101:根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数。
步骤102:根据所述计算的推荐指数向用户推荐媒体信息位。
这里,具体可以将媒体信息位按照推荐指数由高到低进行排序,展示给用户。
本发明中,可以用特征匹配函数表征客户产品与媒体信息位的匹配程度,具体可以根据历史投放数据来建立该函数。
如果单纯利用客户产品的历史投放数据来计算,会存在数据稀疏性的缺点,因而我们首先将客户产品与媒体信息位的匹配度,近似等价为该客户产品所属行业与媒体信息位所属频道的匹配度。
该特征匹配函数必须满足以下条件:
1)历史上与该客户产品相同行业的产品在某频道上的投放次数越多,则客户产品所属行业与该频道越匹配。
2)某频道上投放的其他行业的产品个数越多,则该频道与该客户产品所属行业匹配度越低。换言之,在一个频道上投放的产品越平均则该频道对行业的匹配度就越低。
为方便描述,先定义如下符号:
设I={I1,I2,I3......In}为产品所属行业集合;L={L1,L2,L3,......LM-1,LM}为频道集合。
行业Ii的产品在Lj的投放频次定义为:
其中,fi,j表示行业Ii的产品在频道Lj上的投放次数,∑Lj表示频道Lj上的轮播总和,即该频道上所有广告位的轮播之和。
Ii的产品在Lj的投放次数的逆定义为:
其中,N为总的行业个数。nj为频道Lj投放的产品所属的行业个数。
所以,可以定义特征匹配函数为:
本发明中,在计算媒体信息位所覆盖的目标人群时,可以设人群属性由以下几个变量构成:z1(年龄)、z2(性别)、z3(地区)、z4(场景);
设向量Z=(z1,z2,z3,z4);
X1=客户目标人群带来的单轮播曝光=Φ(Z);
X2=客户目标人群带来的单轮播点击=Ψ(Z)
很显然,目标人群共有Z1×Z2×Z3×Z4种组合。为了方便线上实时化的实施,我们在线下预先计算好所有组合情况。
根据以上分析,如果某个媒体信息位所属频道的匹配度越高,同时覆盖的目标人群越多则就越是我们所希望推荐的。因此,步骤101中,可以构建推荐指数函数如下:
R=W1×M+W2×L (4)
其中,W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重,M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名,L为媒体信息位上客户目标人群数排名。
本发明提出的算法可以针对任何媒体、任何平台,下面通过具体实施例对本发明的方案作进一步说明。
1)离线建立行业与媒体信息位的特征矩阵。为方便计算,我们去掉公式(3)中的分母∑Lj,即采取特征函数:
考虑到媒体信息产品的季节变化,可以利用一年的历史投放数据来根据上面的特征函数公式来建立一个如下的特征矩阵:
其中,n为频道个数,m为行业个数。
2)如果客户产品属于Ii(汽车行业),则则选取W矩阵第i行的(wi,1,wi,2,......win)共n个元素,对其从大到小排序。
3)离线计算媒体信息位所覆盖的目标人群各种组合。
4)根据客户需求计算媒体信息位的推荐指数。
这里,客户需求可以包括以下一项或多项:本次投放所针对产品的行业、投放目的、所期望的目标用户,客户需求一般通过交互界面输入系统,例如,可以通过图2所示的界面输入。
针对媒体信息位Lj,可以按照如下方法计算推荐指数(以30个媒体信息位为例):
1,对于媒体信息位L(i),假设对应的频道为S(j),在行业与频道的匹配矩阵W中排序为R(s),行业频道匹配值Fmatch值为M(j)
2,对于媒体信息位L(i),按照效果函数,其排序为R(1)
3,将M(j)分段考虑,在300以上的,计算推荐值:X=0.6*R(s)+0.4R(1)
在100~300之间的,计算推荐值:X=0.5R(s)+0.5R(1)
在100以下的,计算推荐值:X=0.4R(s)+0.6R(1)
4,利用公式计算推荐指数Y=10-(10-6)/30*X,X归一化到Xmin~Xmax之间(6~10)之间。
5)利用推荐指数从高到低进行排序,展现给客户,例如,展现给用户的界面可以如图3所示。
需要说明的是,所述效果函数即为目标人群数。因为目标人群数分为点击目标人群数和曝光目标人群数。在使用的时候,需要根据客户的需求,也就是在图2界面上的投放目的是按曝光还是按点击,来决定究竟是用点击目标人群数,还是曝光目标人群数。
需要说明的是,在计算客户产品行业与频道的匹配度时,行业Ii在Lj的投放频次可以直接定义为fi,j,(即去掉分母常量);Ii在Lj的投放次数的逆可以直接定义为(即去掉分子常量),这些最终的表现都是非常相似的。
本发明还相应地提出一种媒体信息位推荐系统,包括:推荐指数计算单元、媒体信息位推荐单元;其中,
所述推荐指数计算单元,用于根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数;
所述媒体信息位推荐单元,用于根据推荐指数计算单元计算的推荐指数向用户推荐媒体信息位。
客户产品所属行业与频道的匹配度通过特征匹配函数表征,所述特征匹配函数为:
其中,fi,j表示行业Ii的产品在频道Lj上的投放次数,∑Lj表示频道Lj上的轮播总和,N为总的行业个数。nj为频道Lj投放的产品所属的行业个数。
媒体信息位所覆盖的目标人群属性由年龄、性别、地区和场景构成。
所述推荐指数计算单元计算媒体信息位的推荐指数为:根据推荐指数函数R=W1×M+W2×L计算推荐指数,其中,所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重,M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名,L为媒体信息位上客户目标人群数排名。
所述媒体信息位推荐单元根据计算的推荐指数向用户推荐媒体信息位为:将媒体信息位按照推荐指数由高到低进行排序,展示给用户。
可以看出,本发明在考察历史投放经验的基础上,建立起特征匹配函数。利用该函数来统一描述频道与客户产品的匹配程度。然后根据历史投放数据来得到媒体信息位所覆盖的目标人群。最后利用匹配度和目标人群计算出推荐指数。按照推荐指数的大小来推荐出前N个媒体信息位(N可以根据客户需求设定)。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (8)
1.一种媒体信息位推荐方法,其特征在于,该方法包括:
根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数;其中,客户产品所属行业与频道的匹配度通过特征匹配函数表征,所述特征匹配函数是根据历史投放数据而建立的;
将媒体信息位按照推荐指数由高到低进行排序,并按照推荐指数的大小推荐出前N个媒体信息位,N根据客户需求设定。
2.根据权利要求1所述的方法,其特征在于,所述特征匹配函数为:
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>&Sigma;L</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mfrac>
<mi>N</mi>
<msub>
<mi>n</mi>
<mi>j</mi>
</msub>
</mfrac>
</mrow>
其中,fi,j表示行业Ii的产品在频道Lj上的投放次数,ΣLj表示频道Lj上的轮播总和,N为总的行业个数,nj为频道Lj投放的产品所属的行业个数。
3.根据权利要求1所述的方法,其特征在于,媒体信息位所覆盖的目标人群属性由年龄、性别、地区和场景构成。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述计算媒体信息位的推荐指数为:根据推荐指数函数R=W1×M+W2×L计算推荐指数,其中,所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重,M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名,L为媒体信息位上客户目标人群数排名。
5.一种媒体信息位推荐系统,其特征在于,该系统包括:推荐指数计算单元、媒体信息位推荐单元;其中,
所述推荐指数计算单元,用于根据客户产品所属行业与频道的匹配度,以及各媒体信息位所覆盖的目标人群,计算媒体信息位的推荐指数;其中,客户产品所属行业与频道的匹配度通过特征匹配函数表征,所述特征匹配函数是根据历史投放数据而建立的;
所述媒体信息位推荐单元,用于将媒体信息位按照推荐指数由高到低进行排序,并按照推荐指数的大小推荐出前N个媒体信息位,其中,N根据客户需求设定。
6.根据权利要求5所述的系统,其特征在于,所述特征匹配函数为:
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>&Sigma;L</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mfrac>
<mi>N</mi>
<msub>
<mi>n</mi>
<mi>j</mi>
</msub>
</mfrac>
</mrow>
其中,fi,j表示行业Ii的产品在频道Lj上的投放次数,ΣLj表示频道Lj上的轮播总和,N为总的行业个数,nj为频道Lj投放的产品所属的行业个数。
7.根据权利要求5所述的系统,其特征在于,媒体信息位所覆盖的目标人群属性由年龄、性别、地区和场景构成。
8.根据权利要求5至7任一项所述的系统,其特征在于,所述推荐指数计算单元计算媒体信息位的推荐指数为:根据推荐指数函数R=W1×M+W2×L计算推荐指数,其中,所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重,M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名,L为媒体信息位上客户目标人群数排名。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110266957.7A CN102999497B (zh) | 2011-09-09 | 2011-09-09 | 一种媒体信息位推荐方法及系统 |
US14/117,568 US20140156393A1 (en) | 2011-09-09 | 2012-07-11 | Method and system for recommending media information post |
PCT/CN2012/078511 WO2013034027A1 (zh) | 2011-09-09 | 2012-07-11 | 一种媒体信息位推荐方法及系统 |
AP2014007395A AP2014007395A0 (en) | 2011-09-09 | 2012-07-11 | Method and system for recommending media information post |
ZA2013/09437A ZA201309437B (en) | 2011-09-09 | 2013-12-13 | Method and system for recommending media information post |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110266957.7A CN102999497B (zh) | 2011-09-09 | 2011-09-09 | 一种媒体信息位推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102999497A CN102999497A (zh) | 2013-03-27 |
CN102999497B true CN102999497B (zh) | 2017-11-14 |
Family
ID=47831505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110266957.7A Active CN102999497B (zh) | 2011-09-09 | 2011-09-09 | 一种媒体信息位推荐方法及系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20140156393A1 (zh) |
CN (1) | CN102999497B (zh) |
AP (1) | AP2014007395A0 (zh) |
WO (1) | WO2013034027A1 (zh) |
ZA (1) | ZA201309437B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204087A (zh) * | 2015-05-06 | 2016-12-07 | 北京派择网络科技有限公司 | 用于选择广告媒体的方法和装置 |
CN105245922A (zh) * | 2015-09-30 | 2016-01-13 | 北京酷云互动科技有限公司 | 一种获取品牌与节目的关联度的方法及系统 |
CN106682013A (zh) * | 2015-11-09 | 2017-05-17 | 阿里巴巴集团控股有限公司 | 用于数据推送的方法和设备 |
CN108319612A (zh) * | 2017-01-17 | 2018-07-24 | 百度在线网络技术(北京)有限公司 | 受众媒体推荐方法和系统 |
CN107045693A (zh) * | 2017-05-05 | 2017-08-15 | 北京媒立方传媒科技有限公司 | 媒体特征确定、媒体推荐方法及装置 |
CN111612578A (zh) * | 2020-05-15 | 2020-09-01 | 众能联合数字技术有限公司 | 一种利用多属性分析的用于工程机械租赁场景工程数据推荐方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101022353A (zh) * | 2006-10-10 | 2007-08-22 | 鲍东山 | 定向流媒体广告插播系统 |
CN101770480A (zh) * | 2008-12-29 | 2010-07-07 | 北京搜狗科技发展有限公司 | 一种频道的生成方法、装置和一种广告投放方法及系统 |
CN102110265A (zh) * | 2009-12-23 | 2011-06-29 | 深圳市腾讯计算机系统有限公司 | 一种预估网络广告效果的方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8417568B2 (en) * | 2006-02-15 | 2013-04-09 | Microsoft Corporation | Generation of contextual image-containing advertisements |
WO2009110253A1 (ja) * | 2008-03-06 | 2009-09-11 | 日本電気株式会社 | 情報推薦システム、情報推薦サーバ装置および情報推薦方法 |
CN102110269A (zh) * | 2011-02-25 | 2011-06-29 | 中兴通讯股份有限公司 | 广告投放方法及系统 |
-
2011
- 2011-09-09 CN CN201110266957.7A patent/CN102999497B/zh active Active
-
2012
- 2012-07-11 AP AP2014007395A patent/AP2014007395A0/xx unknown
- 2012-07-11 US US14/117,568 patent/US20140156393A1/en not_active Abandoned
- 2012-07-11 WO PCT/CN2012/078511 patent/WO2013034027A1/zh active Application Filing
-
2013
- 2013-12-13 ZA ZA2013/09437A patent/ZA201309437B/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101022353A (zh) * | 2006-10-10 | 2007-08-22 | 鲍东山 | 定向流媒体广告插播系统 |
CN101770480A (zh) * | 2008-12-29 | 2010-07-07 | 北京搜狗科技发展有限公司 | 一种频道的生成方法、装置和一种广告投放方法及系统 |
CN102110265A (zh) * | 2009-12-23 | 2011-06-29 | 深圳市腾讯计算机系统有限公司 | 一种预估网络广告效果的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
ZA201309437B (en) | 2015-04-29 |
WO2013034027A1 (zh) | 2013-03-14 |
CN102999497A (zh) | 2013-03-27 |
US20140156393A1 (en) | 2014-06-05 |
AP2014007395A0 (en) | 2014-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102999497B (zh) | 一种媒体信息位推荐方法及系统 | |
Lazuardi et al. | Relationship of Location, Price, and Promotion to Interest in Buying Gordyn at Soni Interior House | |
Solihin et al. | The Influence of Brand Image and Atmosphere Store on Purchase Decision for Samsung Brand Smartphone with Buying Intervention as Intervening Variables | |
CN110222272B (zh) | 一种潜在客户挖掘与推荐方法 | |
Azhar et al. | The role of marketing mix and service quality on tourist satisfaction and loyalty at Samosir | |
CN103412948B (zh) | 基于聚类的协同过滤的商品推荐方法及系统 | |
Miller et al. | How should consumers’ willingness to pay be measured? An empirical comparison of state-of-the-art approaches | |
CN106485562B (zh) | 一种基于用户历史行为的商品信息推荐方法及系统 | |
CN106570718A (zh) | 信息的投放方法及投放系统 | |
CN107590675B (zh) | 一种基于大数据的用户购物行为识别方法、储存设备及移动终端 | |
CN111062757A (zh) | 基于多路径寻优匹配的信息推荐方法及系统 | |
CN108921602B (zh) | 一种基于集成神经网络的用户购买行为预测方法 | |
CN108369674B (zh) | 使用目标聚类方法对具有混合属性类型的客户进行细分的系统和方法 | |
CN107133315A (zh) | 一种基于语义分析的智能媒介推荐方法 | |
US20170316442A1 (en) | Increase choice shares with personalized incentives using social media data | |
CN115131101A (zh) | 一种保险产品个性化智能推荐系统 | |
CN113449818B (zh) | 一种基于用户行为特征的优惠券额度动态调节方法 | |
Venkatesan et al. | Marketing analytics: essential tools for data-driven decisions | |
CN106682875A (zh) | 一种基于数据分析处理技术的营销活动奖品供应商推荐方法 | |
Alroaia et al. | Representing a combination algorithm (AHP and Kano) in order to priority effective factors on customer needs in e-banking: The case of Bank-e-Saderat of Tehran Province | |
Zeng | Hedonic imputation with tree-based decision approaches | |
CN109272373B (zh) | 一种基于计算机的品牌推荐方法 | |
Fader et al. | Incorporating time-invariant covariates into the Pareto/NBD and BG/NBD models | |
US20140278581A1 (en) | Zip rator | |
Ezeh et al. | Factors influencing the choice of commercial bank among transport workers in Anambra state Nigeria |
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 |