CN106570718A - 信息的投放方法及投放系统 - Google Patents
信息的投放方法及投放系统 Download PDFInfo
- Publication number
- CN106570718A CN106570718A CN201510672814.4A CN201510672814A CN106570718A CN 106570718 A CN106570718 A CN 106570718A CN 201510672814 A CN201510672814 A CN 201510672814A CN 106570718 A CN106570718 A CN 106570718A
- Authority
- CN
- China
- Prior art keywords
- crowd
- distinguishing characteristics
- candidate
- information
- seed
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种信息的投放方法及投放系统,包括:获取信息所对应产品的种子人群;通过分析模型对所述种子人群进行分析,以产生多个区别特征及区别特征的权重;基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群;分别统计所述候选人群的整体点击率、和/或交易历史数据;根据所述整体点击率、和/或交易历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。本发明通过对种子人群进行分析以扩展产生候选人群,不仅提高了信息投放的精准度,还可以平衡人群精度与人群规模之间的冲突。
Description
技术领域
本发明属于信息匹配领域,尤其涉及一种信息投放方法及投放系统。
背景技术
信息的投放,通常是通过一定形式的媒体,公开而广泛地向公众传递信息。通常采用广告、微博、或新闻等形式。
以广告形式为例,广告的定向投放,有很多种投放策略,比如:按地区(如非连锁的餐馆会选择市级电视台)投放、按时间段投放(如黄金时段)、按视频所属频道投放、按关键字(用户曾检索或购买过类似的产品)投放、按视频组(多个指定视频或由指定剧集组成的视频组)投放、或剧场轮播(在指定时间、频道的剧场中投放)等。
广告主对广告定向投放策略的选择,一般是基于对观看人群或实际购买人群的精度与规模的倾向程度。比如:如果期望小规模投放,则对精度要求比较高,比如:专业的医疗、化工器材的广告。如果期望大规模投放,则对精度要求比较低,比如:数码产品、食品等。
然而,上述定向投放对广告观看人群或者实际购买人群的定位并不够精准,导致不能有效提高广告的投放效果。且人群精度与人群规模之间永远是矛盾的,广告的定向投放在人群精度与规模之间很难选择一个平衡点。人群精度过高会导致错失部分目标人群,规模过大造成服务器减轻负载过高、投放费用过高等问题。
发明内容
有鉴于此,本发明实施例的目的在于提供一种信息投放方法及投放系统,可以解决现有技术中信息投放的人群定位不够精准、规模与精度之间难平衡的技术问题。
为解决上述技术问题,本发明实施例提供了以下技术方案:
一种信息的投放方法,包括:
选择信息所对应产品的种子人群;
通过分析模型对所述种子人群进行分析,以产生多个区别特征及区别特征的权重;
基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群;
分别统计所述候选人群的整体点击率、和/或交易历史数据;以及
根据所述整体点击率、和/或交易历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。
为解决上述技术问题,本发明实施例提供了以下技术方案:
一种信息的投放系统,其特征在于,包括:
选择模块,用于选择信息所对应产品的种子人群;
特征模块,连接于所述选择模块,用于通过分析模型对所述种子人群进行分析,以产生多个区别特征及区别特征的权重;
候选模块,连接于所述选择模块和所述特征模块,用于基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群;
历史模块,连接于所述候选模块,用于分别统计所述候选人群的整体点击率、和/或交易历史数据;以及
投放模块,连接于所述历史模块和所述候选模块,用于根据所述整体点击率、和/或交易历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。
相对于现有技术,本发明实施例的信息投放方法及投放系统,通过对种子人群进行分析以扩展产生候选人群,不仅提高了信息投放的精准度,还可以平衡人群精度与人群规模之间的冲突。
附图说明
图1是本发明实施例提供的信息投放方法及投放系统的应用环境示意图;
图2是本发明实施例一提供的信息投放方法的工作流程示意图;
图3是本发明实施例二提供的信息投放系统的基础模块示意图;
图4是本发明实施例二提供的信息投放系统的细化模块示意图。
具体实施方式
请参照附图中的图式,其中相同的组件符号代表相同的组件,本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所示例的本发明的具体实施例,其不应被视为限制本发明未在此详述的其它具体实施例。
本发明原理以上述文字来说明,其并不代表为一种限制,本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。本发明的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行操作。
请参阅图1,为本发明实施例中提供的信息投放方法及投放系统的应用环境示意图。所述应用环境,包括信息投放平台10、交易平台20、数据库30、以及信息投放系统40。
可以理解的是:信息投放平台10,是指用于投放信息的具体平台,主要指通过网络进行显示的视频信息,可以从后台记录所述视频信息的播放次数、点击率等数据。
交易平台20,用于记录信息播放次数和交易价值之间的关系、用户的交易记录等数据。
数据库30,用于存储信息所对应产品的种子人群。所述种子人群的相关数据来源于信息投放平台10、和/或交易平台20。
其中,所述种子人群,是指购买过、或通过点击等方式关注过相关产品或服务的客户所构成的群体。比如:某品牌车的种子人群,包括:购买过某品牌车的群体、关注过某品牌车的群体、或购买及关注过同等价位的车的群体,即该产品的客户或潜在客户。
信息投放系统40,连接于所述数据库30、和信息投放平台10,用于从所述数据库30中获取种子人群,并对种子人群进行分析以扩展产生候选人群,并将所述候选人群发送给所述投放平台进行信息的播放。
具体而言,所述信息投放系统40,用于:选择信息所对应产品的种子人群;
通过分析模型对所述种子人群进行分析,以产生多个区别特征及区别特征的权重;基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群;分别统计所述候选人群的整体点击率、和/或交易价值的历史数据;根据所述历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。
本案可应用于基于网络的广告播放场景中。请参照以下实施例,实施例一侧重于信息投放方法,实施例二侧重于信息投放系统。可以理解的是:虽然各实施例的侧重不同,但其设计思想是一致的。且,在某个实施例中没有详述的部分,可以参见说明书全文的详细描述,不再赘述。
实施例一
请参阅图2,所示为本发明实施例中信息投放方法的工作流程示意图。
所述信息的投放方法,用于对种子人群进行扩展,以确定信息投放人群。所述信息投放方法,包括:
在步骤S201中,获取信息所对应产品的种子人群。具体包括:
(1)确定需要进行投放的信息所对应的产品。其中,所述产品包括商品和/或服务;
(2)从至少一个数据库中读取对产品感兴趣的用户,得到种子人群。其中感兴趣,包括对所述信息的点击、和/或对所述产品的交易。所述数据库的数据来源包括:信息主上传、和/或通过在交易平台中获取。
可以理解的是,在本步骤中,可以选择种子人群的全部或随机选择一指定规模的种子人群。
在步骤S202中,通过对所述种子人群的通用特征进行分析,以产生所述分析模型。
可以理解的是,对某品牌车的种子人群进行分析时,种子人群是实实在在的人,而分析后产生的分析模型,则是由种子人群的多个特征和特征对应的比例所抽象而成的特征集合,如:
种子人群{爱好户外旅游,90%;已婚已育,78%;关注时事新闻,75%;爱好音乐,69%;等等}
非种子人群{爱好户外旅游,11%;已婚已育,32%;关注时事新闻,25%;爱好音乐,72%;等等}。
上述步骤具体包括:
(1)针对所述通用特征设计一组二分类问题;
可以理解的是,所述二分类问题,也就是问题的答案只有两种类别(0,1)的问题。例如:(阳性/阴性)、(有病/没病)、(垃圾邮件/非垃圾邮件)、或(敌军/非敌军)。
(2)选择种子人群根据所述二分类问题进行分析,以生成正例样本;
(3)选择非种子人群根据所述二分类问题进行分析,以生成负例样本;
可以理解的是,所述正例样本和负例样本,就是让下述逻辑回归模型学习的两个目标值:对某信息、产品感兴趣或不感兴趣。
(4)选择一逻辑回归模型对所述正例样本和所述负例样本进行分析,以生成所述分析模型。
可以理解的是,所述逻辑回归(Logistic Regression,LR)模型,具有技术成熟、通用性好、及高纬扩展性别优异的优势。可以理解的是,选择其他逻辑的模型如决策树(Decision Tree,DT)、支持向量机(Support Vector Machine,SVM)亦可,此处仅为举例,不做限定。
在步骤S203中,对所述种子人群进行分析,以产生多个区别特征及区别特征的权重。
上述步骤具体包括:
(1)通过分析模型对种子人群和非种子人群进行对比分析;
(2)提取所述种子人群与所述非种子人群中结果不同的通用特征,作为区别特征,其中,所述区别特征的数量为至少一个;
对于所述结果不同的通用特征的理解,以经常购买某产品的人群为例,种子人群和非种子人群大都爱好音乐,种子人群大都爱好户外旅游,但非种子人群大都不爱户外旅游。则户外旅游就属于结果不同的区别特征。
(3)将所述区别特征代入所述分析模型,以生成所述区别特征的权重。
在步骤S204中,基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群。
上述步骤具体包括:
(1)设置分段规则;
为了便于理解所述分段规则,示例如下:将一组指定人群进行初步划分,包括取值在【0~0.5)的人群默认为非目标人群,取值在【0.5~1】的人群默认为目标人群,并在【0.5~1】之间设置5个分段区间,包括:【0.5~1】、【0.6~1】、【0.7~1】、【0.8~1】、以及【0.9~1】。其中每个区间对应不同的候选人规模。
(2)基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以生成扩展人群;
扩展的具体方法包括:依据各区别特征进行扩展、将主要区别特征进行扩展、以及将比例之和超半数的区别特征进行扩展、根据区别特征对应的权重计算得到的每个账户对应的总权重进行扩展等。
仍以购车的种子人群为例,假设其区别特征及权重为:户外旅游,权重0.5;已婚已育,权重0.3;关注时事新闻,权重0.2。那么在扩展时,可以将指定人群中,具有以下特征的人群作为种子人群进行扩展:所有喜欢户外旅游、已婚已育、或关注时事新闻的人群;所有喜欢户外旅游、已婚已育、且关注时事新闻的人群;或者所有喜欢户外旅游的人群。或者,确定每个区别特征的权重后,可以对指定人群中每个账户所具有的区别特征的权重进行求和,得到每个账户的总权重,即可以将账户中的特征向量分别与对应的区别特征的权重相乘,并将各乘积相加,即可得到指定人群中每个账户的总权重。
(3)依据所述分段规则对所述扩展人群进行划分,以形成所述多个候选人群,其中所述多个候选人群的规模依次递减。
在步骤S205中,分别统计所述候选人群的整体点击率、和/或交易历史数据。
上述步骤具体包括:
(1)选择至少一个交易平台、和/或信息投放平台作为交易数据库;
(2)从所述交易数据库中分别统计所述候选人群的整体点击率。
可以理解的是,所述整体点击率,是指点击率的历史数据之和,其中所述历史数据的统计时段可以根据需要选取,如:一周、一个月、或从某一产品/服务上线至今、从某一信息推广后一个月等。所述点击率,可以由信息主提供、和/或通过在交易平台中获取。
(3)从所述交易数据库中分别统计所述候选人的交易历史数据。
可以理解的是,所述交易历史数据,是指所述产品或服务的历史交易之和,比如交易的数量、和/或交易的价值等。其中,所述历史时段可以根据需要选取,交易数据可以由信息主提供、和/或通过在交易平台中获取。
在步骤S206中,根据所述整体点击率、和/或交易历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。
具体而言,所述确定信息投放人群的步骤包括:
(1)从所述整体点击率、和/或交易历史数据中筛选出所述候选人群的特征的人群的联系方式列表,以形成信息投放人群;以及
(2)根据所述联系方式列表,将预设的信息内容对所述信息投放人群进行定向投放。
本发明实施例的信息投放方法,通过对种子人群进行分析以扩展产生候选人群,提高了信息投放的精准度,还可以通过分段区间平衡人群精度与人群规模之间的冲突,即不会错失目标人群,又可以减轻服务器负载。
实施例二
请同时参阅图3和图4,所示分别为本发明实施例所提供的信息投放系统的基础模块和细化模块示意图。
参阅图3,概而言之,所述信息的投放系统40,包括:获取模块41、特征模块42、候选模块43、历史模块44、以及投放模块45。
所述获取模块41,用于获取信息所对应产品的种子人群。其中,所述产品包括商品和/或服务。
所述特征模块42,连接于所述获取模块41,用于对所述种子人群进行分析,以产生多个区别特征及区别特征的权重。
所述候选模块43,连接于所述获取模块41和所述特征模块42,用于基于所述多个区别特征值及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群。
所述历史模块44,连接于所述候选模块43,用于分别统计所述候选人群的整体点击率、和/或交易历史数据。
所述投放模块45,连接于所述历史模块44和所述候选模块43,用于根据所述历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。
请参阅图4,详而言之,所述信息的投放系统50,包括:获取模块41、特征模块42、候选模块43、历史模块44、投放模块45、以及模型模块51。可以理解的是,图4中与图3相同的模块标号不变。
所述获取模块41,用于获取信息所对应产品的种子人群。所述获取模块41具体包括:产品子模块411、和读取子模块412。
其中,所述产品子模块411,用于确定需要进行投放的信息所对应的产品。
所述读取子模块412,用于从至少一个数据库中读取对产品感兴趣的用户,得到种子人群,其中感兴趣,包括对所述信息的点击、和/或对所述产品或服务的交易,其中,数据库的数据来源包括:信息主上传、和/或通过在交易平台中获取。
所述模型模块51,连接于所述获取模块41,用于通过对所述种子人群的通用特征进行分析,以产生分析模型。所述模型模块51具体包括:问题子模块511、正例样本子模块512、负例样本子模块513、以及模型子模块514。
其中,所述问题子模块511,用于针对所述通用特征设计一组二分类问题。
可以理解的是,所述通用特征的生成,包括:
(1)挑选基础特征。从QQ群兴趣分类类目、微信公众号兴趣分类类目、信息商业兴趣分类类目、手机APP分类类目等各大社交平台数据源中,按用户覆盖率优先原则一次性挑选出若干特征,考虑到后续会对基础特征进行交叉,特征空间会迅速膨胀,所以基础特征数量建议少于1千个;从人口统计学特征里选择覆盖率、准确率最高的年龄、性别,其中年龄是自然数,为使得二分类模型对用户年龄特征的利用率达到最大化,要对用户年龄划分成9个分段成员,性别分为男性/女性/未知3个成员;以及
(2)构造通用特征。将基础特征与最具区分度的人口统计学特征(年龄、性别)做交叉构造成哑变量,例如基础特征“SUV车型感兴趣”与年龄段、性别交叉得出27个哑变量(1x9x3),依次类推,1000个基础特征与年龄段、性别交叉则得出2.7万个特征哑变量;最后将10亿大盘用户按此做法构造出一个10亿乘2.7万的哑变量矩阵所组成的全局通用特征数据。所述正例样本子模块512,用于选择种子人群根据所述二分类问题进行分析,以生成正例样本。
可以理解的是,所述正例样本的生成,是将种子人群特征从全局通用特征里裁剪出来即可,特征不需人工挑选,在全局通用特征里全选择即可。
所述负例样本子模块513,用于选择非种子人群根据所述二分类问题进行分析,以生成负例样本。
可以理解的是,非种子人群是在10亿大盘用户中剔除种子人群后,随即抽样出跟种子人群数量均等的人群,再从全局特征里裁剪出所有特征。此时种子人群、非种子人群特征向量已经就绪。
所述模型子模块514,用于选择一逻辑回归模型对所述正例样本和所述负例样本进行分析,以生成所述分析模型。所述特征模块42,连接于所述获取模块41和模型模块51,用于通过分析模型对所述种子人群进行分析,以产生多个区别特征及区别特征的权重。所述特征模块42具体包括:分析子模块421、特征子模块422、以及权重子模块423。
其中,所述分析子模块421,用于通过分析模型对种子人群和非种子人群进行对比分析。
所述特征子模块422,用于提取所述种子人群与所述非种子人群中结果不同的通用特征,作为区别特征,其中,所述区别特征的数量为至少一个。
可以理解的是,所述区别特征,是指开将正例样本与负例样本进行区分的特征。以购车人群为例,其正例样本的特征是爱旅游、喜欢音乐、网游账号的等级低;负例样本的特征是不爱旅游、喜欢音乐、网游账号的等级高。则,其中有区分度的特征包括:旅游、网游账号的等级;无区分度的特征包括:音乐。
所述权重子模块423,用于将所述区别特征代入所述分析模型,以生成所述区别特征的权重。
所述候选模块43,连接于所述获取模块41和所述特征模块42,用于基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群。所述候选模块43具体包括:规则子模块431、扩展子模块432、以及划分子模块433。
其中,所述规则子模块431,用于设置分段规则。
比如,根据上述训练结果输出的特征权重,对国内超10亿的待评估人群的全局特征进行计算,以概率为0.5-1之间的用户按每0.1区间划分为5个段,为例,即产生5个候选扩展人群:0.5-1人群、0.6-1人群、0.7-1人群、0.8-1人群、0。9-1人群,此时5个候选人群的规模呈递减趋势。
所述扩展子模块432,用于基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以生成扩展人群。
所述划分子模块433,用于依据所述分段规则对所述扩展人群进行划分,以形成所述多个候选人群,其中所述多个候选人群的规模依次递减。
所述历史模块44,连接于所述候选模块43,用于分别统计所述候选人群的整体点击率、和/或交易历史数据。所述历史模块44具体包括:数据库选择子模块441、点击率子模块442、和/或交易子模块443。
数据库选择子模块441,用于选择至少一个交易平台、和/或信息投放平台作为交易数据库。
点击率子模块442,用于从所述交易数据库中分别统计所述候选人群的整体点击率。
交易子模块443,用于从所述交易数据库中分别统计所述候选人的交易历史数据。
所述投放模块45,连接于所述历史模块44和所述候选模块43,用于根据所述整体点击率、和/或交易历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。
参考上述各个候选人群所对应的历史信息效果数据,从中选择出与当前扩展人群投放场景预期的点击率与交易价值匹配的其中一个候选人群,并确定人群的规模。
本发明实施例的信息投放系统的投放效果,以表1为例进行说明。可见,A客户的X品牌电脑的扩展人群案例中,依据某个候选扩展人群的历史点击率,选择出扩展人群的扩展规模,然后对扩展人群进行定向投放实验,实验结果表明扩展人群的点击率较投放平台整体点击率约提升93%,符合选择候选扩展人群的预期。
表1 X品牌平板电脑的广告投放效果
本发明实施例的信息投放系统,通过对种子人群扩展可帮助信息主找到与需求信息受众(定义为种子人群)具有类似特征的潜在消费者,可以将有限的线下CRM(客户关系管理)中的用户数据或特定高精度的标签数据进行估计预测,可借助用户的线上行为特征找到更大的一个目标群体,其原理是对用户线上行为特征数据进行学习归纳,然后使用LR(逻辑回归)、DT(决策树)、SVM(支持向量机)等分类模型对全量线上用户进行估计预测,本发明提出依据扩展用户的历史信息效果表现,包括点击率、交易价值等作为评估ROI(Returnon investment,投资回报率)的重要参考指标,可以按信息投放最大效益原则给出扩展人群的预期规模。
本发明实施例的信息投放系统,通过对种子人群进行分析以扩展产生候选人群,不仅提高了信息投放的精准度,还可以平衡人群精度与人群规模之间的冲突。
本发明实施例提供的信息投放方法及投放系统属于同一构思,其具体实现过程详见说明书全文,此处不再赘述。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,因此本发明的保护范围以权利要求界定的范围为准。
Claims (14)
1.一种信息的投放方法,其特征在于,包括:
获取信息所对应产品的种子人群;
对所述种子人群进行分析,以产生多个区别特征及区别特征的权重;
基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群;
分别统计所述候选人群的整体点击率、和/或交易历史数据;以及
根据所述整体点击率、和/或交易历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。
2.如权利要求1所述的投放方法,其特征在于,基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群,具体包括:
设置分段规则;
基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以生成扩展人群;以及
依据所述分段规则对所述扩展人群进行划分,以形成所述多个候选人群,其中所述多个候选人群的规模依次递减。
3.如权利要求1所述的投放方法,其特征在于,获取信息所对应产品的种子人群,具体包括:
确定需要进行投放的信息所对应的产品;
从至少一个数据库中读取对产品感兴趣的用户,得到种子人群,其中感兴趣,包括对所述信息的点击、和/或对所述产品的交易。
4.如权利要求1所述的投放方法,其特征在于,对所述种子人群进行分析,以产生多个区别特征及区别特征的权重之前还包括:
通过对所述种子人群的通用特征进行分析,以产生所述分析模型。
5.如权利要求4所述的投放方法,其特征在于,通过对所述种子人群的通用特征进行分析,以产生所述分析模型,具体包括:
针对所述通用特征设计一组二分类问题;
选择种子人群根据所述二分类问题进行分析,以生成正例样本;
选择非种子人群根据所述二分类问题进行分析,以生成负例样本;以及
选择一逻辑回归模型对所述正例样本和所述负例样本进行分析,以生成所述分析模型。
6.如权利要求1至5任一项所述的投放方法,其特征在于,对所述种子人群进行分析,以产生多个区别特征及区别特征的权重,具体包括:
通过分析模型对种子人群和非种子人群进行对比分析;
提取所述种子人群与所述非种子人群中结果不同的通用特征,作为区别特征,其中,所述区别特征的数量为至少一个;以及
将所述区别特征代入所述分析模型,以生成所述区别特征的权重。
7.如权利要求1所述的投放方法,其特征在于,分别统计所述候选人群的整体点击率、和/或交易历史数据,具体包括:
选择至少一个交易平台、和/或信息投放平台作为交易数据库;
从所述交易数据库中分别统计所述候选人群的整体点击率;和/或
从所述交易数据库中分别统计所述候选人的交易历史数据。
8.一种信息的投放系统,其特征在于,包括:
选择模块,用于选择信息所对应产品的种子人群;
特征模块,连接于所述选择模块,用于对所述种子人群进行分析,以产生多个区别特征及区别特征的权重;
候选模块,连接于所述选择模块和所述特征模块,用于基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以形成多个候选人群;
历史模块,连接于所述候选模块,用于分别统计所述候选人群的整体点击率、和/或交易历史数据;以及
投放模块,连接于所述历史模块和所述候选模块,用于根据所述整体点击率、和/或交易历史数据从所述候选人群中确定信息投放人群,以便进行信息的投放。
9.如权利要求8所述的投放系统,其特征在于,所述候选模块,具体包括:
规则子模块,用于设置分段规则;
扩展子模块,用于基于所述多个区别特征及区别特征的权重对所述种子人群进行扩展,以生成扩展人群;以及
划分子模块,用于依据所述分段规则对所述扩展人群进行划分,以形成所述多个候选人群,其中所述多个候选人群的规模依次递减。
10.如权利要求8所述的投放系统,其特征在于,选择模块,具体包括:
产品子模块,用于确定需要进行投放的信息所对应的产品;
读取子模块,用于从至少一个数据库中读取对产品感兴趣的用户,得到种子人群,其中感兴趣,包括对所述信息的点击、和/或对所述产品的交易。
11.如权利要求8所述的投放系统,其特征在于,还包括:
模型模块,连接于所述选择模块,用于通过对所述种子人群的通用特征进行分析,以产生所述分析模型。
12.如权利要求11所述的投放系统,其特征在于,所述模型模块,具体包括:
问题子模块,用于针对所述通用特征设计一组二分类问题;
正例样本子模块,用于选择种子人群根据所述二分类问题进行分析,以生成正例样本;
负例样本子模块,用于选择非种子人群根据所述二分类问题进行分析,以生成负例样本;以及
模型子模块,用于选择一逻辑回归模型对所述正例样本和所述负例样本进行分析,以生成所述分析模型。
13.如权利要求8至12任一项所述的投放系统,其特征在于,所述特征模块,具体包括:
分析子模块,用于通过分析模型对种子人群和非种子人群进行对比分析;
特征子模块,用于提取所述种子人群与所述非种子人群中结果不同的通用特征,作为区别特征,其中,所述区别特征的数量为至少一个;以及
权重子模块,用于将所述区别特征代入所述分析模型,以生成所述区别特征的权重。
14.如权利要求8所述的投放系统,其特征在于,所述历史模块,具体包括:
数据库选择子模块,用于选择至少一个交易平台、和/或信息投放平台作为交易数据库;
点击率子模块,用于从所述交易数据库中分别统计所述候选人群的整体点击率;和/或
交易子模块,用于从所述交易数据库中分别统计所述候选人的交易历史数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510672814.4A CN106570718B (zh) | 2015-10-13 | 2015-10-13 | 信息的投放方法及投放系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510672814.4A CN106570718B (zh) | 2015-10-13 | 2015-10-13 | 信息的投放方法及投放系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106570718A true CN106570718A (zh) | 2017-04-19 |
CN106570718B CN106570718B (zh) | 2020-06-19 |
Family
ID=58508626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510672814.4A Active CN106570718B (zh) | 2015-10-13 | 2015-10-13 | 信息的投放方法及投放系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570718B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107613022A (zh) * | 2017-10-20 | 2018-01-19 | 广州优视网络科技有限公司 | 内容推送方法、装置及计算机设备 |
CN109285034A (zh) * | 2018-09-19 | 2019-01-29 | 阿里巴巴集团控股有限公司 | 一种向人群投放业务的方法和装置 |
CN109559151A (zh) * | 2018-10-24 | 2019-04-02 | 口碑(上海)信息技术有限公司 | 一种引流商品识别方法、装置以及电子设备 |
CN109819015A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 基于用户画像的信息推送方法、装置、设备及存储介质 |
CN109961310A (zh) * | 2017-12-26 | 2019-07-02 | 北京奇虎科技有限公司 | 广告投放方法、服务器和计算机可读存储介质 |
WO2020043001A1 (zh) * | 2018-08-27 | 2020-03-05 | 阿里巴巴集团控股有限公司 | 广告投放方法、确定推广人群的方法、服务器和客户端 |
CN111460299A (zh) * | 2020-03-31 | 2020-07-28 | 北京深演智能科技股份有限公司 | 信息投放方法及装置 |
CN111681048A (zh) * | 2020-06-02 | 2020-09-18 | 北京深演智能科技股份有限公司 | 测试产品的方法和装置 |
CN111681057A (zh) * | 2020-06-11 | 2020-09-18 | 北京深演智能科技股份有限公司 | 信息投放的媒体资源的处理方法及装置 |
CN112053184A (zh) * | 2020-08-20 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 推广信息投放方法、装置、电子设备以及存储介质 |
CN112737918A (zh) * | 2019-10-28 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 即时通讯系统中的群发消息处理方法、装置 |
CN112967100A (zh) * | 2021-04-02 | 2021-06-15 | 杭州网易云音乐科技有限公司 | 相似人群扩展方法、装置、计算设备以及介质 |
CN113536131A (zh) * | 2021-07-27 | 2021-10-22 | 拉扎斯网络科技(上海)有限公司 | 一种数据处理方法和装置,存储介质和电子设备 |
US11301884B2 (en) * | 2017-01-06 | 2022-04-12 | Tencent Technology (Shenzhen) Company Limited | Seed population diffusion method, device, information delivery system and storage medium |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070079333A1 (en) * | 2005-10-04 | 2007-04-05 | Matsatoshi Murakami | Information processing method using electronic guide information and apparatus thereof |
US20100114654A1 (en) * | 2008-10-31 | 2010-05-06 | Hewlett-Packard Development Company, L.P. | Learning user purchase intent from user-centric data |
CN102073956A (zh) * | 2009-11-19 | 2011-05-25 | 深圳市腾讯计算机系统有限公司 | 一种基于数据挖掘的定向广告投放方法、系统和设备 |
CN102737327A (zh) * | 2011-03-31 | 2012-10-17 | 国际商业机器公司 | 一种划分客户群集的计算机实现的方法和系统 |
CN103166988A (zh) * | 2011-12-13 | 2013-06-19 | 深圳市腾讯计算机系统有限公司 | 一种sns社区中用户群划分的方法及装置 |
US8612306B1 (en) * | 2009-07-29 | 2013-12-17 | Google Inc. | Method, system, and storage device for recommending products utilizing category attributes |
CN103914559A (zh) * | 2014-04-14 | 2014-07-09 | 小米科技有限责任公司 | 筛选网络用户的方法及装置 |
US20140379519A1 (en) * | 2013-06-25 | 2014-12-25 | Texas Instruments Incorporated | E-commerce cross-sampling product recommender based on statistics |
-
2015
- 2015-10-13 CN CN201510672814.4A patent/CN106570718B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070079333A1 (en) * | 2005-10-04 | 2007-04-05 | Matsatoshi Murakami | Information processing method using electronic guide information and apparatus thereof |
US20100114654A1 (en) * | 2008-10-31 | 2010-05-06 | Hewlett-Packard Development Company, L.P. | Learning user purchase intent from user-centric data |
US8612306B1 (en) * | 2009-07-29 | 2013-12-17 | Google Inc. | Method, system, and storage device for recommending products utilizing category attributes |
CN102073956A (zh) * | 2009-11-19 | 2011-05-25 | 深圳市腾讯计算机系统有限公司 | 一种基于数据挖掘的定向广告投放方法、系统和设备 |
CN102737327A (zh) * | 2011-03-31 | 2012-10-17 | 国际商业机器公司 | 一种划分客户群集的计算机实现的方法和系统 |
CN103166988A (zh) * | 2011-12-13 | 2013-06-19 | 深圳市腾讯计算机系统有限公司 | 一种sns社区中用户群划分的方法及装置 |
US20140379519A1 (en) * | 2013-06-25 | 2014-12-25 | Texas Instruments Incorporated | E-commerce cross-sampling product recommender based on statistics |
CN103914559A (zh) * | 2014-04-14 | 2014-07-09 | 小米科技有限责任公司 | 筛选网络用户的方法及装置 |
Non-Patent Citations (3)
Title |
---|
刘平峰等: "基于用户兴趣图谱的个性化推荐系统设计", 《武汉理工大学学报(信息与管理工程版)》 * |
朱保华: "基于用户特征和用户兴趣的推荐计算", 《软件导刊》 * |
陈天昊: "互联网电影推荐方法的研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11301884B2 (en) * | 2017-01-06 | 2022-04-12 | Tencent Technology (Shenzhen) Company Limited | Seed population diffusion method, device, information delivery system and storage medium |
CN107613022B (zh) * | 2017-10-20 | 2020-10-16 | 阿里巴巴(中国)有限公司 | 内容推送方法、装置及计算机设备 |
CN107613022A (zh) * | 2017-10-20 | 2018-01-19 | 广州优视网络科技有限公司 | 内容推送方法、装置及计算机设备 |
CN109961310A (zh) * | 2017-12-26 | 2019-07-02 | 北京奇虎科技有限公司 | 广告投放方法、服务器和计算机可读存储介质 |
WO2020043001A1 (zh) * | 2018-08-27 | 2020-03-05 | 阿里巴巴集团控股有限公司 | 广告投放方法、确定推广人群的方法、服务器和客户端 |
CN109285034A (zh) * | 2018-09-19 | 2019-01-29 | 阿里巴巴集团控股有限公司 | 一种向人群投放业务的方法和装置 |
CN109285034B (zh) * | 2018-09-19 | 2021-11-09 | 创新先进技术有限公司 | 一种向人群投放业务的方法和装置 |
CN109559151A (zh) * | 2018-10-24 | 2019-04-02 | 口碑(上海)信息技术有限公司 | 一种引流商品识别方法、装置以及电子设备 |
CN109819015A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 基于用户画像的信息推送方法、装置、设备及存储介质 |
CN109819015B (zh) * | 2018-12-14 | 2022-08-19 | 深圳壹账通智能科技有限公司 | 基于用户画像的信息推送方法、装置、设备及存储介质 |
CN112737918A (zh) * | 2019-10-28 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 即时通讯系统中的群发消息处理方法、装置 |
CN112737918B (zh) * | 2019-10-28 | 2022-05-13 | 腾讯科技(深圳)有限公司 | 即时通讯系统中的群发消息处理方法、装置 |
CN111460299A (zh) * | 2020-03-31 | 2020-07-28 | 北京深演智能科技股份有限公司 | 信息投放方法及装置 |
CN111681048A (zh) * | 2020-06-02 | 2020-09-18 | 北京深演智能科技股份有限公司 | 测试产品的方法和装置 |
CN111681057A (zh) * | 2020-06-11 | 2020-09-18 | 北京深演智能科技股份有限公司 | 信息投放的媒体资源的处理方法及装置 |
CN112053184A (zh) * | 2020-08-20 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 推广信息投放方法、装置、电子设备以及存储介质 |
CN112053184B (zh) * | 2020-08-20 | 2024-01-30 | 腾讯科技(深圳)有限公司 | 推广信息投放方法、装置、电子设备以及存储介质 |
CN112967100A (zh) * | 2021-04-02 | 2021-06-15 | 杭州网易云音乐科技有限公司 | 相似人群扩展方法、装置、计算设备以及介质 |
CN112967100B (zh) * | 2021-04-02 | 2024-03-15 | 杭州网易云音乐科技有限公司 | 相似人群扩展方法、装置、计算设备以及介质 |
CN113536131A (zh) * | 2021-07-27 | 2021-10-22 | 拉扎斯网络科技(上海)有限公司 | 一种数据处理方法和装置,存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106570718B (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570718A (zh) | 信息的投放方法及投放系统 | |
CN106651546B (zh) | 一种面向智慧社区的电子商务信息推荐方法 | |
CN103309866B (zh) | 生成推荐结果的方法和装置 | |
US8732015B1 (en) | Social media pricing engine | |
CN107332910B (zh) | 信息推送方法和装置 | |
CA2808096C (en) | Digital consumer data model and customer analytic record | |
WO2018040069A1 (zh) | 信息推荐系统及方法 | |
CN104756504A (zh) | 估计使用社交媒体的用户的人口统计数据的方法和设备 | |
CN102073956A (zh) | 一种基于数据挖掘的定向广告投放方法、系统和设备 | |
CN109409928A (zh) | 一种素材推荐方法、装置、存储介质、终端 | |
CN105608125B (zh) | 一种信息处理方法及服务器 | |
Bakher Naseri et al. | The diffusion of online shopping in Australia: Comparing the Bass, Logistic and Gompertz growth models | |
WO2020147429A1 (zh) | 广告数据生成 | |
US20110251889A1 (en) | Inventory clustering | |
CN115131101A (zh) | 一种保险产品个性化智能推荐系统 | |
CN103700004A (zh) | 一种微博广告服务信息推送方法及装置 | |
Tseng et al. | An integrated model for analyzing the development of the 4G telecommunications market in Taiwan | |
CN110968670B (zh) | 一种流行商品的属性获取方法、装置、设备及存储介质 | |
CN109658195B (zh) | 一种商品展示决策方法 | |
CN111861542A (zh) | 投放广告的方法、装置、终端和非临时性计算机可读存储介质 | |
CN110020118B (zh) | 一种计算用户之间相似度的方法及装置 | |
Horváth et al. | The Impact of Influencers on Consumers’ Purchasing Decisions When Shopping Online | |
CN108109042A (zh) | 业务优惠信息推送方法及装置 | |
Joshi et al. | Enhancing customer experience using business intelligence tools with specific emphasis on the Indian DTH industry | |
TW202312060A (zh) | 以用戶短期特徵預測用戶是否屬於價值用戶群的預測裝置、方法與儲存該方法的儲存媒介 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |