CN105956872A - 基于人群行业的精准广告投放方法及装置 - Google Patents

Abstract

本发明是关于一种基于人群行业的精准广告投放方法及装置，其中，所述广告投放方法包括：判断广告平台用户群是否存在无明确行业标签的用户；当所述广告平台用户群存在无明确行业标签的用户时，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，得到所述无明确行业标签的用户的明确行业标签；根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告。本发明的技术方案，通过对广告用户平台数据的分析和挖掘，可以给广告平台用户群中的用户打上明确的行业标签，在广告投放时，可以根据用户的明确行业标签，给用户投放行业标签相关行业的广告，进而可以提高广告曝光率和点击率。

Description

基于人群行业的精准广告投放方法及装置

技术领域

本发明实施例涉及多媒体技术领域，尤其涉及一种基于人群行业的精准广告投放方法及装置。

背景技术

作为精准广告投放的一个分支，人群行业定向的精准广告投放技术是广告投放中人群自然属性精准广告投放的一部分。在一些社交网站或APP中，作为注册用户的一类信息，有比较明确的用户行业标签，而这些用户数据量在整个广告用户群中的比例是比较低的，简而言之就是大多数的用户行业属性是不明确的或者缺失的。

相关技术中的做法就是通过用户的互联网浏览行为去判断用户所属的行业，由于互联网浏览行为是比较弱的一种行为数据，所以训练得到的用户人群行业和真实的行业情况出入是比较大的，这也必然导致广告精准投放的效果提升的不明显。

发明内容

为克服相关技术中存在的问题，本发明实施例提供一种基于人群行业的精准广告投放方法及装置。

根据本发明实施例的第一方面，提供了一种基于人群行业的精准广告投放方法，所述广告投放方法包括：

判断广告平台用户群是否存在无明确行业标签的用户；

当所述广告平台用户群存在无明确行业标签的用户时，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，得到所述无明确行业标签的用户的明确行业标签；

根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告。

通过对广告平台用户群中的用户进行具有明确行业标签的用户和无明确行业标签的用户划分，然后根据所述具有明确行业标签的用户对所述无明确行业标签的用户进行训练，使所述广告平台用户群中的用户均具有明确的行业标签，最后根据所述广告平台用户群中用户的明确行业标签，投放相应的广告。

因此，该方法通过数据的分析和挖掘，可以给广告平台用户群中的用户打上明确的行业标签，在广告投放时，可以根据用户的明确行业标签，给用户投放行业标签相关行业的广告，进而可以提高广告曝光率和点击率。

可选地，判断广告平台用户群是否存在无明确行业标签的用户，包括：

获取第三方广告用户数据、以及所述广告平台用户群中的广告平台用户数据；

提取所述第三方广告用户数据中具有明确行业标签的用户数据作为第一用户数据；

判断所述广告平台用户数据中的用户标识能否与所述第一用户数据中的用户标识相关联；

当所述广告平台用户数据中的用户标识能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为具有明确行业标签的用户；

当所述广告平台用户数据中的用户标识不能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为无明确行业标签的用户。

通过来自广告主以及网络媒体平台的第三方广告数据，来对广告平台用户群中广告平台用户数据进行关联比对，实现对广告平台用户群进行有/无明确行业标签的用户的划分，不仅可以提高有明确行业标签的用户行业分类的准确性，还可以使广告平台用户群中具有明确行业标签的用户数量增加，进而可以减少在利用具有明确行业标签的用户对无明确行业标签的用户进行训练时的数据处理量。

可选地，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，包括：

以所述广告平台用户群中具有明确行业标签的用户为样本，运用数据挖掘算法对所述无人群行业标签的用户进行训练；

根据训练结果，对所述无明确行业标签的用户建立“用户-用户行业”对应关系的第一数据表；

根据所述第一数据表，得到所述无明确行业标签的用户的明确行业标签。

结合现有的广告用户数据的数据规模大的特点，运用数据挖掘算法对所述无人群行业标签的用户进行建模训练，通过数据的挖掘和分析，有效提高了广告平台用户群中的用户行业分类的准确性。

可选地，根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告，包括：

根据所述广告平台用户群中用户的明确行业标签，将定投人群行业的广告单和所述广告平台用户群中的用户进行关联；

根据关联结果，建立“用户-广告单-用户行业”对应关系的第二数据表；

根据所述第二数据表，向所述第二数据表中的用户投放所述广告单对应的广告。

通过将需要定投人群行业的广告单与所述广告平台用户群中的用户进行关联，建立好具有明确对应关系的第二数据表，在之后的广告投放工作中，可以直接依据已将建立好的所述第二数据表将广告单对应的广告投放给所述第二数据表中的用户，进而可以有效减少每次投放广告前的用户筛选工作，提高了广告投放的效率。

可选地，根据所述第二数据表，向所述第二数据表中的用户投放所述广告单对应的广告，包括：

根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群；

根据所述待投放用户群，向所述待投放用户群中的用户投放所述广告单对应的广告。

通过控制每个行业的广告订单项的点击量与曝光量之间的比值CTR进行目标用户的筛选，一方面可以针对不同行业的特点进行CTR值的灵活设置；另一方面可以从可选的用户中筛选出最具备潜力的用户，进而可以进一步提高广告点击率，并且还可以减少广告的投放量、降低了广告投放成本。

可选地，根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群，包括：

设定各行业对应的具有上限阈值和下限阈值的CTR阈值区间；

根据所述CTR阈值区间，从所述第二数据表中筛选出CTR值落于所述阈值区间的用户；

将筛选出的用户，作为待投放用户群。

上述方法，设置CTR阈值区间的上限阈值，所述上限值可以设置为1，这样可以排除掉异常数据的用户，进而可以提高所筛选得到的用户数据的准确性。

可选地，根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群，包括：

设定N个步长为x的CTR区间；

将所述第二数据表中用户对应的CTR散落于所述CTR区间中，计算各个所述CTR区间中包含的用户个数；

按CTR由大到小的顺序，累积各个所述CTR区间中的用户个数，直至累积的用户个数达到要投放的用户量；

将累积得到的用户，作为待投放用户群。

上述方法，通过逐步累积的方式来得到需要的待投放用户群，可以准确地根据广告订单需要选取预定用户数目的待投放用户群。

根据本发明实施例的第二方面，还提供一种基于人群行业的精准广告投放装置，所述广告投放装置包括：

用户判断模块：用于判断广告平台用户群是否存在无明确行业标签的用户；

用户行业分类模块：用于当所述广告平台用户群存在无明确行业标签的用户时，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，得到所述无明确行业标签的用户的明确行业标签；

广告投放模块：用于根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告。

可选地，所述用户判断模块包括：

用户数据获取子模块：用于获取第三方广告用户数据、以及所述广告平台用户群中的广告平台用户数据；

用户数据提取子模块：用于提取所述第三方广告用户数据中具有明确行业标签的用户数据作为第一用户数据；

用户关联判断子模块：用于判断所述广告平台用户数据中的用户标识能否与所述第一用户数据中的用户标识相关联；

有标签确认子模块：用于当所述广告平台用户数据中的用户标识能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为具有明确行业标签的用户；

无标签确认子模块：用于当所述广告平台用户数据中的用户标识不能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为无明确行业标签的用户。

可选地，所述用户行业分类模块包括：

用户训练子模块：用于以所述广告平台用户群中具有明确行业标签的用户为样本，运用数据挖掘算法对所述无明确行业标签的用户进行训练；

第一数据表建立子模块：用于根据训练结果，对所述无明确行业标签的用户建立“用户-用户行业”对应关系的第一数据表；

标签用户建立子模块：用于根据所述第一数据表，得到所述无明确行业标签的用户的明确行业标签。

可选地，所述广告投放模块包括：

广告单关联子模块：用于根据所述广告平台用户群中用户的明确行业标签，将定投人群行业的广告单和所述广告平台用户群中的用户进行关联；

第二数据表建立子模块：用于根据关联结果，建立“用户-广告单-用户行业”对应关系的第二数据表；

广告投放子模块：用于根据所述第二数据表，向所述第二数据表中的用户投放所述广告单对应的广告。

可选地，所述广告投放子模块包括：

用户筛选子模块：用于根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群；

所述广告投放子模块：还用于根据所述待投放用户群，向所述待投放用户群中的用户投放所述广告单对应的广告。

可选地，所述用户筛选子模块包括：

阈值区间设定子模块：用于设定各行业对应的具有上限阈值和下限阈值的CTR阈值区间；

第一用户计算子模块：用于根据所述CTR阈值区间，从所述第二数据表中筛选出CTR值落于所述阈值区间的用户；

第一投放用户确定子模块：用于将筛选出的用户，作为待投放用户群。

可选地，所述用户筛选子模块包括：

CTR区间设定子模块：用于设定N个步长为x的CTR区间；

第二用户计算子模块：用于将所述第二数据表中用户对应的CTR散落于所述CTR区间中，计算各个所述CTR区间中包含的用户个数；

用户累积子模块：用于按CTR由大到小的顺序，累积各个所述CTR区间中的用户个数，直至累积的用户个数达到要投放的用户量；

第二投放用户确定子模块：用于将累积得到的用户，作为待投放用户群。

本实施例提供的技术方案可以包括以下有益效果：

本发明实施例提供的该方法，通过对广告平台用户群中的用户进行具有明确行业标签的用户和有无明确行业标签的用户划分，然后根据所述具有明确行业标签的用户对所述无明确行业标签的用户进行行业分类训练，使所述广告平台用户群中的用户均具有明确的行业标签，最后根据所述广告平台用户群中用户的明确行业标签、投放相应的广告。

因此，该方法通过对广告平台用户群中的广告平台用户数据的分析和挖掘，给广告平台用户群中的用户打上明确的行业标签。这样广告投放时，可以根据广告平台用户群中用户的行业标签，向广告平台用户投放所述行业标签相关的广告，进而可以提高广告曝光率和点击率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于人群行业的精准广告投放方法的流程示意图；

图2为本发明实施例提供的另一种基于人群行业的精准广告投放方法的流程示意图；

图3为本发明实施例提供的又一种基于人群行业的精准广告投放方法的流程示意图；

图4为本发明实施例提供的又一种基于人群行业的精准广告投放方法的流程示意图；

图5为本发明实施例提供的又一种基于人群行业的精准广告投放方法的流程示意图；

图6为本发明实施例提供的一种基于人群行业的精准广告投放装置的结构示意图；

图7为本发明实施例提供的一种用户判断模块的结构示意图；

图8为本发明实施例提供的一种用户行业分类模块的结构示意图；

图9为本发明实施例提供的一种广告投放模块的结构示意图；

图10为本发明实施例提供的一种终端的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

参见图1，为本发明实施例提供的一种基于人群行业的精准广告投放方法的流程示意图，如图1所示，该广告投放方法，可以应用于视频广告投放，还可以应用于图片广告、文字广告等，该方法包括如下步骤。

S110：判断广告平台用户群是否存在无明确行业标签的用户。

在本发明实施例中，广告平台用户群可以包括视频广告平台中的用户、图片广告平台中的用户和文字广告平台中的用户中的任意一种。

在判断广告平台用户群是否存在无明确行业标签用户的过程，可以利用所述广告平台用户群中的广告用户数据，通过提取所述广告用户数据的用户行业信息，来获知广告用户是否具有明确的行业标签，其中，所述广告用户数据可以包括用户注册信息、用户行为信息、用户兴趣爱好信息以及用户社交信息等等。

进一步的，在判断所述广告平台用户群是否存在无明确行业标签的用户的过程，还可以利用如广告主以及其它网络媒体平台的第三方用户数据，来获知用户是否具有明确的行业标签。

当所述广告平台用户群存在无明确行业标签的用户时，则执行步骤S120；当所述广告平台用户群不存在有无明确行业标签的用户时，即所述广告平台用户群中的用户均具有明确的行业属性信息，则可以直接进行广告投放的相关工作。

通过对广告平台用户群中用户数据的分析，实现对广告平台用户群中用户的划分，即分为有明确行业标签的用户和有无明确行业标签的用户两类用户。

S120：根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，得到所述无明确行业标签的用户的明确行业标签。

在本发明实施例中，利用所述广告平台用户群中具有明确行业标签的用户对所述无明确行业标签的用户进行训练，可以结合传媒行业数据量大的特点，以具有明确行业标签的用户对应的用户数据为样本，利用统计分析算法，对无明确行业标签的用户对应的用户数据进行分析训练，进而可以精确预测无明确行业标签用户的行业类别。

其中，所述统计分析算法描述性统计分析、线性时间序列分析、参数贝叶斯方法或利用高级数据分析算法等等。

通过上述分析算法，可以使所述广告平台用户群中的用户均具有明确行业标签。

S130：根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告。

基于上述训练结果，可以向所述广告平台用户群中的用户进行有针对性的广告投放。

本发明实施例提供的该方法，通过对广告平台用户群中的用户划分为具有明确行业标签的用户和有无明确行业标签的用户，然后根据所述具有明确行业标签的用户对所述无明确行业标签的用户进行行业分类训练，使所述广告平台用户群中的用户均具有明确行业标签，最后再向均具有明确行业标签的广告平台用户群投放相应的广告。

因此，该方法通过对广告平台用户群中的广告平台用户数据的分析和挖掘，使广告平台用户群中的用户均具有准确的明确行业标签。这样广告投放时，可以根据广告平台用户群中用户的行业标签，向广告平台用户投放所述行业标签相关的广告，进而可以提高广告曝光率和点击率。

在本发明一实施例中，请参考图2，图2所示实施例中的步骤S110可以包括如下步骤：

S1101：获取第三方广告用户数据、以及所述广告平台用户群中的广告平台用户数据。

在本发明实施例中，所述广告平台用户数据指所述广告平台用户群所对应的用户数据；所述第三方广告用户数据可以包括有精准广告需求的广告主方的用户数据和网络媒体平台方的用户数据，所述网络媒体平台方可以包括电商、社交网站、新闻媒体等。

所述广告平台用户数据和所述第三方广告用户数据中的用户数据，可以包括用户注册信息、用户行为信息、用户兴趣爱好信息以及用户社交信息等。

通过获取第三方广告用户数据，可以提高采样数据的多样性，促进数据分析的准确性。

S1102：提取所述第三方广告用户数据中具有明确行业标签的用户数据作为第一用户数据。

通过对所述第三方广告用户数据的分析，来获得所述第三方广告用户数据中具有明确行业属性信息的用户数据作为第一用户数据。

S1103：判断所述广告平台用户数据中的用户标识能否与所述第一用户数据中的用户标识相关联。

在本发明实施例中，为了提高数据分析的准确性，可以采用ID映射cookie mapping的方式，来所述广告平台用户数据中的用户标识能否与所述第一用户数据中的用户标识相关联。

当所述广告平台用户数据中的用户标识能与所述第一用户数据中的用户标识相关联时，则执行步骤S1104；当所述广告平台用户数据中的用户标识不能与所述第一用户数据中的用户标识相关联时，则执行步骤S1105.

S1104：判定所述广告平台用户数据对应的用户为具有明确行业标签的用户。

具体的，则可以将所述广告平台用户数据对应的用户划分到有明确行业标签的用户类别中。

S1105：判定所述广告平台用户数据对应的用户为无明确行业标签的用户。

具体的，则可以将所述广告平台用户数据对应的用户划分到无明确行业标签的用户类别中。

本发明实施例提供的该方法，利用第三方广告用户数据中用明确行业标签的第一方用户数据与广告平台用户数据进行用户标识关联比对，当两者的用户标识相关联时，说明所述第一用户数据对应的用户与所述广告平台用户数据对应的用户为同一用户，由于所述第一用户数据对应的用户已具有明确行业标签，所以所述广告平台用户数据对应的用户同样也具有明确行业标签，进而实现对广告平台用户群进行有/无明确行业标签用户的划分。

通过上述划分方式，不仅可以提高有明确行业标签的用户行业分类的准确性，还可以使广告平台用户群中具有明确行业标签的用户数量增加，进而可以减少在利用具有明确行业标签的用户对无明确行业标签的用户进行训练时的数据处理量。

在本发明另一实施例中，请参考图3，图1所示实施例中的步骤S120可以包括如下步骤：

S1201：以所述广告平台用户群中具有明确行业标签的用户为样本，运用数据挖掘算法对所述无人群行业标签的用户进行训练。

结合在广告业务范畴中，数据规模大的特点，本发明实施例采用KNN(K-NearestNeighbor，k最近邻算法)分析算法来对所述无人群行业标签的用户进行训练，当然，本领域技术人员还应该知道，还可以采用其它的分类算法如支持向量机分类算法和稀疏贝叶斯分类算法等。

在具体分类运算过程包括以下步骤：

11)、以所述广告平台用户群中具有明确行业标签的用户为样本集，以所述无人群行业标签的用户为训练集。

12)、计算所述训练集中的点到样本集每个点的距离，这个距离可以是欧氏距离、余弦距离等，其中可以涉及用户的广告点击行为数据以及观影内容行为数据。

13)、取出距离小于设定的距离阈值的样本集中的点，这些点即为根据阈值环绕在测试样本点最邻近的点，其中，所述阈值可以根据用户群大小灵活设置。

14)、选出所述最邻近的点中比例最大的行业类别，那么就将所述测试样本点归入到此行业中。

本发明实施例，采用KNN算法，由于并不要求得出显式的规则，因此可具有较高的行业分类准确率。

S1202：根据训练结果，对所述无明确行业标签的用户建立“用户-用户行业”对应关系的第一数据表。

S1203：根据所述第一数据表，得到所述无明确行业标签的用户的明确行业标签。

这样，所述用户平台用户群中的用户均具备了明确的行业标签。

在本发明实施例中，结合现有的广告用户数据的数据规模大的特点，运用数据挖掘算法对所述无人群行业标签的用户进行建模训练，通过数据的挖掘和分析，有效提高了广告平台用户群中的用户行业分类的准确性。

在本发明又一实施例中，请参考图4，图1所示实施例中的步骤S130可以包括如下步骤：

S1301：根据所述广告平台用户群中用户的明确行业标签，将定投人群行业的广告单和所述广告平台用户群中的用户进行关联。

在本发明实施例中，根据所述定投人群行业的广告单的行业类别、以及所述广告平台用户群中用户的明确行业标签进行关联，例如，所述广告单为体育用品类广告，则查询所述广告平台用户群中行业标签为体育行业的用户，并建立关联。

S1302：根据关联结果，建立“用户-广告单-用户行业”对应关系的第二数据表。

S1303：根据所述第二数据表，向所述第二数据表中的用户投放所述广告单对应的广告。

本发明实施例中，依据已经建立好的所述第二数据表，则可以执行广告投放的相关工作，或者，依据所述第二数据表进行进一步的筛选工作后，再执行广告投放的相关工作。

在本发明实施例中，通过将需要定投人群行业的广告单与所述广告平台用户群中的用户进行关联，建立好具有明确对应关系的第二数据表，在之后的广告投放工作中，可以直接依据已将建立好的所述第二数据表将广告单对应的广告投放给所述第二数据表中的用户，进而可以有效减少每次投放广告前的用户筛选工作，提高了广告投放的效率。

在本发明又一实施例中，请参考图5，图4所示实施例中的步骤S1303可以包括如下步骤：

S13031：根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群。

本发明实施例中，可以通过设定CTR阈值上、下限的方式，从所述第二数据表中筛选待投放用户群；或者，采用设定离散CTR区间的方式，从所述第二数据表中筛选待投放用户群。

在设定CTR阈值上、下限的方式中，具体的可以包括：

21)、设定各行业对应的具有上限阈值和下限阈值的CTR阈值区间。

22)、根据所述CTR阈值区间，从所述第二数据表中筛选出CTR值落于所述阈值区间的用户。

23)将筛选出的用户，作为待投放用户群。

在设定CTR阈值的方式中，通过设置CTR阈值区间的上限阈值，所述上限阈值可以设置为1，例如，若点击率CTR大于1，则说明数据异常。这样可以排除掉异常数据的用户，进而可以提高所筛选得到的用户数据的准确性。

在设定离散CTR区间的方式中，具体的可以包括：

31)、设定N个步长为x的CTR区间。

32)、将所述第二数据表中用户对应的CTR散落于所述CTR区间中，计算各个所述CTR区间中包含的用户个数。

33)、按CTR由大到小的顺序，累积各个所述CTR区间中的用户个数，直至累积的用户个数达到要投放的用户量。

34)、将累积得到的用户，作为待投放用户群。

在设定离散CTR区间的方式中，通过逐步累积的方式来得到需要的待投放用户群，可以准确地根据广告订单需要选取预定用户数目的待投放用户群。

S13032：根据所述待投放用户群，向所述待投放用户群中的用户投放所述广告单对应的广告。

在本发明实施例中，通过控制每个行业的广告订单项的点击量与曝光量之间的比值CTR进行目标用户的筛选，一方面可以针对不同行业的特点进行CTR值的灵活设置；另一方面可以从可选的用户中筛选出最具备潜力的用户，进而可以进一步提高投放广告的点击率，并且还可以减少广告的投放量、降低了广告投放成本。

基于同一发明构思，本发明实施例还提供了一种基于人群行业的精准广告投放装置。请参考图6，本发明实施例提供的一种基于人群行业的精准广告投放装置的结构示意图，该广告投放装置可以应用于视频广告投放平台，还可以应用于图片广告、文字广告等平台，该广告投放装置包括：

用户判断模块61：被配置为判断广告平台用户群是否存在无明确行业标签的用户。

在本发明实施例中，广告平台用户群可以包括视频广告平台中的用户、图片广告平台中的用户和文字广告平台中的用户中的任意一种。

在判断广告平台用户群是否存在无明确行业标签用户的过程，可以利用所述广告平台用户群中的广告用户数据，通过提取所述广告用户数据的用户行业信息，来获知广告用户是否具有明确的行业标签，其中，所述广告用户数据可以包括用户注册信息、用户行为信息、用户兴趣爱好信息以及用户社交信息等等。

进一步的，在判断所述广告平台用户群是否存在无明确行业标签的用户的过程，还可以利用如广告主以及其它网络媒体平台的第三方用户数据，来获知用户是否具有明确的行业标签。

当所述广告平台用户群不存在有无明确行业标签的用户时，即所述广告平台用户群中的用户均具有明确的行业属性信息，则可以直接进行广告投放的相关工作。

通过对广告平台用户群中用户数据的分析，实现对广告平台用户群中用户的划分，即分为有明确行业标签的用户和有无明确行业标签的用户两类用户。

用户行业分类模块62：被配置为当所述广告平台用户群存在无明确行业标签的用户时，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，得到所述无明确行业标签的用户的明确行业标签。

在本发明实施例中，利用所述广告平台用户群中具有明确行业标签的用户对所述无明确行业标签的用户进行训练，可以结合传媒行业数据量大的特点，以具有明确行业标签的用户对应的用户数据为样本，利用统计分析算法，对无明确行业标签的用户对应的用户数据进行分析训练，进而可以精确预测无明确行业标签用户的行业类别。

其中，所述统计分析算法描述性统计分析、线性时间序列分析、参数贝叶斯方法或利用高级数据分析算法等等。

通过上述分析算法，可以使所述广告平台用户群中的用户均具有明确行业标签。

广告投放模块63：被配置为根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告。

基于上述训练结果，可以向所述广告平台用户群中的用户进行有针对性的广告投放。

本发明实施例提供的该装置，通过对广告平台用户群中的用户划分为具有明确行业标签的用户和有无明确行业标签的用户，然后根据所述具有明确行业标签的用户对所述无明确行业标签的用户进行行业分类训练，使所述广告平台用户群中的用户均具有明确行业标签，最后再向均具有明确行业标签的广告平台用户群投放相应的广告。

因此，该装置通过对广告平台用户群中的广告平台用户数据的分析和挖掘，使广告平台用户群中的用户均具有准确的明确行业标签。这样广告投放时，可以根据广告平台用户群中用户的行业标签，向广告平台用户投放所述行业标签相关的广告，进而可以提高广告曝光率和点击率。

在本发明实施例中，如图7所示，所述用户判断模块61包括：

用户数据获取子模块71：被配置为获取第三方广告用户数据、以及所述广告平台用户群中的广告平台用户数据。。

在本发明实施例中，所述广告平台用户数据指所述广告平台用户群所对应的用户数据；所述第三方广告用户数据可以包括有精准广告需求的广告主方的用户数据和网络媒体平台方的用户数据，所述网络媒体平台方可以包括电商、社交网站、新闻媒体等。

所述广告平台用户数据和所述第三方广告用户数据中的用户数据，可以包括用户注册信息、用户行为信息、用户兴趣爱好信息以及用户社交信息等。

通过获取第三方广告用户数据，可以提高采样数据的多样性，促进数据分析的准确性。

用户数据提取子模块72：被配置为提取所述第三方广告用户数据中具有明确行业标签的用户数据作为第一用户数据。

通过对所述第三方广告用户数据的分析，来获得所述第三方广告用户数据中具有明确行业属性信息的用户数据作为第一用户数据。

用户关联判断子模块73：被配置为判断所述广告平台用户数据中的用户标识能否与所述第一用户数据中的用户标识相关联。

在本发明实施例中，为了提高数据分析的准确性，采用标识映射cookie mapping的方式，来所述广告平台用户数据中的用户标识能否与所述第一用户数据中的用户标识相关联。。

有标签确认子模块74：被配置为当所述广告平台用户数据中的用户标识能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为具有明确行业标签的用户。

无标签确认子模块75：被配置为当所述广告平台用户数据中的用户标识不能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为无明确行业标签的用户。

利用第三方广告用户数据中用明确行业标签的第一方用户数据与广告平台用户数据进行用户标识关联比对，当两者的用户标识相关联时，说明所述第一用户数据对应的用户与所述广告平台用户数据对应的用户为同一用户，由于所述第一用户数据对应的用户已具有明确行业标签，所以所述广告平台用户数据对应的用户同样也具有明确行业标签，进而实现对广告平台用户群进行有/无明确行业标签用户的划分。

通过上述划分方式，，不仅可以提高有明确行业标签的用户行业分类的准确性，还可以使广告平台用户群中具有明确行业标签的用户数量增加，进而可以减少在利用具有明确行业标签的用户对无明确行业标签的用户进行训练时的数据处理量。

在本发明一实施例中，如图8所示，所述用户行业分类模块62包括：

用户训练子模块81：被配置为以所述广告平台用户群中具有明确行业标签的用户为样本，运用数据挖掘算法对所述无人群行业标签的用户进行训练。

结合在广告业务范畴中，数据规模大的特点，本发明实施例采用KNN(K-NearestNeighbor，k最近邻算法)分析算法来对所述无人群行业标签的用户进行训练，当然，本领域技术人员还应该知道，还可以采用其它的分类算法如支持向量机分类算法和稀疏贝叶斯分类算法等。

在具体分类运算过程包括以下步骤：

11)、以所述广告平台用户群中具有明确行业标签的用户为样本集，以所述无人群行业标签的用户为训练集。

12)、计算所述训练集中的点到样本集每个点的距离，这个距离可以是欧氏距离、余弦距离等，其中可以涉及用户的广告点击行为数据以及观影内容行为数据。

13)、取出距离小于设定的距离阈值的样本集中的点，这些点即为根据阈值环绕在测试样本点最邻近的点，其中，所述阈值可以根据用户群大小灵活设置。

14)、选出所述最邻近的点中比例最大的行业类别，那么就将所述测试样本点归入到此行业中。

本发明实施例，采用KNN算法，由于并不要求得出显式的规则，因此可具有较高的行业分类准确率。

第一数据表建立子模块82：被配置为根据训练结果，对所述无明确行业标签的用户建立“用户-用户行业”对应关系的第一数据表。

标签用户建立子模块83：被配置为根据所述第一数据表，得到所述无明确行业标签的用户的明确行业标签。

这样，所述用户平台用户群中的用户均具备了明确的行业标签。

本发明实施例提供的该装置，结合现有的广告用户数据的数据规模大的特点，运用数据挖掘算法对所述无人群行业标签的用户进行建模训练，通过数据的挖掘和分析，有效提高了广告平台用户群中的用户行业分类的准确性。

在本发明又一实施例中，如图9所示，所述广告投放模块63包括：

广告单关联子模块91：被配置为根据所述广告平台用户群中用户的明确行业标签，将定投人群行业的广告单和所述广告平台用户群中的用户进行关联。

在本发明实施例中，根据所述定投人群行业的广告单的行业类别、以及所述广告平台用户群中用户的明确行业标签进行关联，例如，所述广告单为体育用品类广告，则查询所述广告平台用户群中行业标签为体育行业的用户，并建立关联。

第二数据表建立子模块92：被配置为根据关联结果，建立“用户-广告单-用户行业”对应关系的第二数据表。

广告投放子模块93：根据所述第二数据表，向所述第二数据表中的用户投放所述广告单对应的广告。

本发明实施例中，依据已经建立好的所述第二数据表，则可以执行广告投放的相关工作，或者，依据所述第二数据表进行进一步的筛选工作后，再执行广告投放的相关工作。

本发明实施例提供的该装置，通过将需要定投人群行业的广告单与所述广告平台用户群中的用户进行关联，建立好具有明确对应关系的第二数据表，在之后的广告投放工作中，可以直接依据已将建立好的所述第二数据表将广告单对应的广告投放给所述第二数据表中的用户，进而可以有效减少每次投放广告前的用户筛选工作，提高了广告投放的效率。

在本发明又一实施例中，所述广告投放执行子模块93包括：

用户筛选子模块：被配置为根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群。

本发明实施例中，可以通过设定CTR阈值上、下限的方式，从所述第二数据表中筛选待投放用户群；或者，采用设定离散CTR区间的方式，从所述第二数据表中筛选待投放用户群。

在设定CTR阈值上、下限的方式中，具体的可以包括：

阈值区间设定子模块：被配置为设定各行业对应的具有上限阈值和下限阈值的CTR阈值区间。

第一用户计算子模块：被配置为根据所述CTR阈值区间，从所述第二数据表中筛选出CTR值落于所述阈值区间的用户。

第一投放用户确定子模块：被配置为将筛选出的用户，作为待投放用户群。

在设定CTR阈值的方式中，通过设置CTR阈值区间的上限阈值，所述上限值可以设置为1，例如，若点击率CTR大于1，则说明数据异常。这样可以排除掉异常数据的用户，进而可以提高所筛选得到的用户数据的准确性。

在设定离散CTR区间的方式中，具体的可以包括：

CTR区间设定子模块：被配置为设定N个步长为x的CTR区间；

第二用户计算子模块：被配置为将所述第二数据表中用户对应的CTR散落于所述CTR区间中，计算各个所述CTR区间中包含的用户个数；

用户累积子模块：被配置为按CTR由大到小的顺序，累积各个所述CTR区间中的用户个数，直至累积的用户个数达到要投放的用户量；

第二投放用户确定子模块：被配置为将累积得到的用户，作为待投放用户群。

在设定离散CTR区间的方式中，通过逐步累积的方式来得到需要的待投放用户群，可以准确地根据广告订单需要控制所述待投放用户群中的用户数目。

所述广告投放子模块93：还用于根据所述待投放用户群，向所述待投放用户群中的用户投放所述广告单对应的广告。

本发明实施例提供的该装置，通过控制每个行业的广告订单项的点击量与曝光量之间的比值CTR进行目标用户的筛选，一方面可以针对不同行业的特点进行CTR值的灵活设置；另一方面可以从可选的用户中筛选出最具备潜力的用户，进而可以减少广告的投放量、降低了广告投放成本。

图10是根据一示例性实施例示出的一种终端1000的框图。例如，终端1000可以是计算机，消息收发设备，游戏控制台等。

参照图10，终端1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(I/O)的接口1012，传感器组件1014，以及通信组件1016。

处理组件1002通常控制终端1000的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1002可以包括一个或多个处理器1020来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理组件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。

存储器1004被配置为存储各种类型的数据以支持在终端1000的操作。这些数据的示例包括用于在终端1000上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1004可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1006为终端1000的各种组件提供电力。电源组件1006可以包括电源管理系统，一个或多个电源，及其他与为终端1000生成、管理和分配电力相关联的组件。

多媒体组件1008包括在所述终端1000和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。

音频组件1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(MIC)，当终端1000处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。

I/O接口1012为处理组件1002和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1014包括一个或多个传感器，用于为终端1000提供各个方面的状态评估。例如，传感器组件1014可以检测到终端1000的打开/关闭状态，组件的相对定位，例如所述组件为终端1000的显示器和小键盘，传感器组件1014还可以检测终端1000或终端1000一个组件的位置改变，用户与终端1000接触的存在或不存在，终端1000方位或加速/减速和终端1000的温度变化。传感器组件1014可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1014还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1014还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1016被配置为便于终端1000和其他设备之间有线或无线方式的通信。终端1000可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1016经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1016还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RF标识)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，终端1000可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1004，上述指令可由终端1000的处理器1020执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种基于人群行业的精准广告投放方法，所述广告投放方法包括：

判断广告平台用户群是否存在无明确行业标签的用户；

当所述广告平台用户群存在无明确行业标签的用户时，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，得到所述无明确行业标签的用户的明确行业标签；

根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (14)

1.一种基于人群行业的精准广告投放方法，其特征在于，包括：

判断广告平台用户群是否存在无明确行业标签的用户；

当所述广告平台用户群存在无明确行业标签的用户时，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，得到所述无明确行业标签的用户的明确行业标签；

根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告。

2.根据权利要求1所述的基于人群行业的精准广告投放方法，其特征在于，判断广告平台用户群是否存在无明确行业标签的用户，包括：

获取第三方广告用户数据、以及所述广告平台用户群中的广告平台用户数据；

提取所述第三方广告用户数据中具有明确行业标签的用户数据作为第一用户数据；

判断所述广告平台用户数据中的用户标识能否与所述第一用户数据中的用户标识相关联；

当所述广告平台用户数据中的用户标识能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为具有明确行业标签的用户；

当所述广告平台用户数据中的用户标识不能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为无明确行业标签的用户。

3.根据权利要求1所述的基于人群行业的精准广告投放方法，其特征在于，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行训练，包括：

以所述广告平台用户群中具有明确行业标签的用户为样本，运用数据挖掘算法对所述无明确行业标签的用户进行训练；

根据训练结果，对所述无明确行业标签的用户建立“用户-用户行业”对应关系的第一数据表；

根据所述第一数据表，得到所述无明确行业标签的用户的明确行业标签。

4.根据权利要求1所述的基于人群行业的精准广告投放方法，其特征在于，根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告，包括：

根据所述广告平台用户群中用户的明确行业标签，将定投人群行业的广告单和所述广告平台用户群中的用户进行关联；

根据关联结果，建立“用户-广告单-用户行业”对应关系的第二数据表；

根据所述第二数据表，向所述第二数据表中的用户投放所述广告单对应的广告。

5.根据权利要求4所述的基于人群行业的精准广告投放方法，其特征在于，根据所述第二数据表，向所述第二数据表中的用户投放所述广告单对应的广告，包括：

根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群；

根据所述待投放用户群，向所述待投放用户群中的用户投放所述广告单对应的广告。

6.根据权利要求5所述的基于人群行业的精准广告投放方法，其特征在于，根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群，包括：

设定各行业对应的具有上限阈值和下限阈值的CTR阈值区间；

根据所述CTR阈值区间，从所述第二数据表中筛选出CTR值落于所述阈值区间的用户；

将筛选出的用户，作为待投放用户群。

7.根据权利要求5所述的基于人群行业的精准广告投放方法，其特征在于，根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群，包括：

设定N个步长为x的CTR区间；

将所述第二数据表中用户对应的CTR散落于所述CTR区间中，计算各个所述CTR区间中包含的用户个数；

按CTR由大到小的顺序，累积各个所述CTR区间中的用户个数，直至累积的用户个数达到要投放的用户量；

将累积得到的用户，作为待投放用户群。

8.一种基于人群行业的精准广告投放装置，其特征在于，包括：

用户判断模块：用于判断广告平台用户群是否存在无明确行业标签的用户；

用户行业分类模块：用于当所述广告平台用户群存在无明确行业标签的用户时，根据所述广告平台用户群中具有明确行业标签的用户，对所述无明确行业标签的用户进行 训练，得到所述无明确行业标签的用户的明确行业标签；

广告投放模块：用于根据所述广告平台用户群中用户的明确行业标签，向所述广告平台用户群中的用户投放广告。

9.根据权利要求8所述的基于人群行业的精准广告投放装置，其特征在于，所述用户判断模块包括：

用户数据获取子模块：用于获取第三方广告用户数据、以及所述广告平台用户群中的广告平台用户数据；

用户数据提取子模块：用于提取所述第三方广告用户数据中具有明确行业标签的用户数据作为第一用户数据；

用户关联判断子模块：用于判断所述广告平台用户数据中的用户标识能否与所述第一用户数据中的用户标识相关联；

有标签确认子模块：用于当所述广告平台用户数据中的用户标识能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为具有明确行业标签的用户；

无标签确认子模块：用于当所述广告平台用户数据中的用户标识不能与所述第一用户数据中的用户标识相关联时，则判定所述广告平台用户数据对应的用户为无明确行业标签的用户。

10.根据权利要求8所述的基于人群行业的精准广告投放装置，其特征在于，所述用户行业分类模块包括：

用户训练子模块：用于以所述广告平台用户群中具有明确行业标签的用户为样本，运用数据挖掘算法对所述无明确行业标签的用户进行训练；

第一数据表建立子模块：用于根据训练结果，对所述无明确行业标签的用户建立“用户-用户行业”对应关系的第一数据表；

标签用户建立子模块：用于根据所述第一数据表，得到所述无明确行业标签的用户的明确行业标签。

11.根据权利要求8所述的基于人群行业的精准广告投放装置，其特征在于，所述广告投放模块包括：

广告单关联子模块：用于根据所述广告平台用户群中用户的明确行业标签，将定投人群行业的广告单和所述广告平台用户群中的用户进行关联；

第二数据表建立子模块：用于根据关联结果，建立“用户-广告单-用户行业”对应 关系的第二数据表；

广告投放子模块：用于根据所述第二数据表，向所述第二数据表中的用户投放所述广告单对应的广告。

12.根据权利要求11所述的基于人群行业的精准广告投放装置，其特征在于，所述广告投放子模块包括：

用户筛选子模块：用于根据各行业对应的广告订单项的点击量与曝光量之间的比值CTR，从所述第二数据表中筛选待投放用户群；

所述广告投放子模块：还用于根据所述待投放用户群，向所述待投放用户群中的用户投放所述广告单对应的广告。

13.根据权利要求12所述的所述的基于人群行业的精准广告投放装置，其特征在于，所述用户筛选子模块包括：

阈值区间设定子模块：用于设定各行业对应的具有上限阈值和下限阈值的CTR阈值区间；

第一用户计算子模块：用于根据所述CTR阈值区间，从所述第二数据表中筛选出CTR值落于所述阈值区间的用户；

第一投放用户确定子模块：用于将筛选出的用户，作为待投放用户群。

14.根据权利要求12所述的所述的基于人群行业的精准广告投放装置，其特征在于，所述用户筛选子模块包括：

CTR区间设定子模块：用于设定N个步长为x的CTR区间；

第二用户计算子模块：用于将所述第二数据表中用户对应的CTR散落于所述CTR区间中，计算各个所述CTR区间中包含的用户个数；

用户累积子模块：用于按CTR由大到小的顺序，累积各个所述CTR区间中的用户个数，直至累积的用户个数达到要投放的用户量；

第二投放用户确定子模块：用于将累积得到的用户，作为待投放用户群。