CN107330717A - 广告投放方法和系统 - Google Patents

Abstract

本发明实施例提供一种广告投放方法和系统，按照品类形式对目标人群进行预加载，根据从用户到品类的索引、从品类到目标单元的索引实时进行广告投放。本发明实施例的一种广告投放方法，包括：创建广告单元并指定广告单元关联的商品编码，将商品编码映射为品类；生成所述品类对应的目标人群，将每个品类的所述目标人群预先加载至从用户到品类的索引；根据所述广告单元关联的商品编码以及所述商品编码映射的品类生成从品类到广告单元的索引；获取用户信息并加以解析，根据解析获得的信息以及所述从用户到品类的索引查找得到所述用户对应的品类，然后根据所述从品类到广告单元的索引查找得到所述品类对应的广告单元，播放所述广告单元。

Description

广告投放方法和系统

技术领域

本发明涉及计算机领域，尤其涉及一种广告投放方法和系统。

背景技术

在数字营销领域，广告主通过向目标人群定向投放广告，促进转化，提升收益。在广告投放过程中，投放生效的时延和目标人群的选择对于广告投放的效果有直接影响。其中，广告投放生效的时延为广告主从选定目标人群到广告曝光的时间，投放生效的时延越短，广告的效果越理想。目标人群是广告主想要进行广告投放的所有用户，即广告曝光的对象，有的目标人群适合用于已购买用户的再营销过程，适合于为广告主激活老用户；有的目标人群适合用于促进用户转化，适合于为广告主在短期内提升收益；有的目标人群适合用于获取新用户，提升广告主的品牌知名度，选定的目标人群越精准，广告的效果越理想。

现有的广告投放方案分为以下几个步骤：

(1)广告主创建广告单元；

(2)广告主为广告单元确定目标人群的选定方法；

(3)广告投放系统根据广告主选定的方法，抽取出目标人群；

(4)广告投放系统通过添加从用户到目标人群的索引、从目标人群至广告单元的索引的方式，将目标人群加载在线上的从用户到目标人群的索引中；

(5)广告单元正式生效。

现有的目标人群的选定有两种方式：一种基于购买用户选定目标人群：将一段时间内购买过广告主指定商品的用户选定为目标人群；另一种基于浏览用户选定系统人群：将一段时间内浏览过广告主指定商品的用户选定为目标人群。

现有技术中通过给目标人群设置ID(Identification，唯一标识)的形式将目标人群加载至线上索引。具体加载过程为：广告主选定目标人群的属性(包括年龄、地域、性别、品牌、类目)后，广告投放系统会给目标人群分配一个唯一的ID，在后续的目标人群挖掘、索引加载以及线上播放广告时，均以该ID作为标识。这种加载方式会产生目标人群的冗余。例如，广告主A要对三星手机进行广告投放，广告投放系统创建了目标人群001。然后，广告主B同样要对三星手机进行广告投放，广告投放系统同样要为广告主B创建目标人群002。这两个目标人群是完全一样的，但由于目标人群以ID来实现加载，广告投放系统会把两个完全一样的目标人群同时加载到线上。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

(1)现有技术中从准备好目标人群到加载至线上的广告索引的频率是每天更新一次，即准备好的目标人群第二天才能生效，不能满足广告主实时投放广告的需求。

(2)现有技术中通过给目标人群设置ID的形式将目标人群加载至线上索引，该种方式会产生大量冗余数据，浪费索引资源。

(3)基于购买用户选定目标人群，实际上是一种面向老用户的再营销行为。基于浏览用户选定目标人群，由于这部分人群对广告主的品牌有了一定的认识，并且已经对广告主的商品进行了浏览，对这部分人进行广告投放，主要目的是提高他们的转化率。这两种方式选出的目标人群均不能为广告主带来新用户，不能满足广告主的拉新需求。

发明内容

有鉴于此，本发明实施例提供一种广告投放方法和系统，按照品类形式对目标人群进行预先加载，并根据从用户到品类的索引、从品类到目标单元的索引实时进行广告投放。

为实现上述目的，根据本发明实施例的一个方面，提供了一种广告投放方法。

本发明实施例的一种广告投放方法，包括：创建广告单元并指定所述广告单元关联的商品编码，将所述商品编码映射为品类；生成所述品类对应的目标人群，将每个品类的所述目标人群预先加载至从用户到品类的索引；根据所述广告单元关联的商品编码以及所述商品编码映射的品类生成从品类到广告单元的索引；获取用户信息并加以解析，根据解析获得的信息以及所述从用户到品类的索引查找得到所述用户对应的品类，然后根据所述从品类到广告单元的索引查找得到所述品类对应的广告单元，播放所述广告单元。

可选地，生成所述品类对应的目标人群，包括：从用户行为日志中抽取出用户ID和商品编码，将抽取出的所述用户ID和所述商品编码转化为用户行为序列；计算所述用户行为序列中任意两个商品编码之间的相似性，根据所述商品编码的相似性得到品类的相似性；根据所述品类的相似性构建品类关联网络，将所述品类关联网络与每个品类的行为数据相关联；根据关联行为数据后的品类关联网络计算每个品类的相似品类的意购人群，将本品类的所有相似品类的意购人群与本品类的意购人群做差集运算得到本品类的目标人群。

可选地，从用户行为日志中抽取出用户ID和商品编码，将抽取出的所述用户ID和所述商品编码转化为用户行为序列，包括：从用户行为日志中按时间顺序抽取出用户ID和商品编码，将属于同一用户的所有商品编码按时间先后顺序排列得到用户行为序列。

可选地，计算所述用户行为序列中任意两个商品编码之间的相似性，包括：利用Word2Vec模型将商品编码转化为向量，计算两个向量的相似性，将向量的相似性作为两个商品编码之间的相似性。

可选地，根据所述商品编码的相似性得到品类的相似性，包括：使用频繁项集的方式得到所述用户行为序列中任意两个商品编码之间的相似性。

可选地，根据所述商品编码的相似性得到品类的相似性，包括：如果两个品类各自包含的商品编码中至少有一对商品编码为相似商品编码，则这两个品类为相似品类；否则，两个品类不是相似品类。

可选地，所述品类关联网络为品类关联表或者品类关联图；根据所述品类的相似性构建品类关联图，包括：在各相似品类之间构建一条连边形成品类关联图。

可选地，所述行为数据包括购买数据、浏览数据、加购数据、收藏数据和点击数据。

可选地，所述方法还包括：根据有效品类进行索引资源的动态配置，根据动态配置结果调整每个品类对应的目标人群；所述有效品类为预设时间内有过广告投放行为的广告单元对应的品类。

可选地，根据有效品类进行索引资源的动态配置，包括：根据广告投放行为，从全部品类中抽取出有效品类和无效品类；所述无效品类为预设时间内没有广告投放行为的广告单元对应的品类；将所述有效品类在全部索引资源的占用率配置为P％，将所述无效品类在全部索引资源的占用率配置为1-P％；所述P为50～100之间的自然数。

为实现上述目的，根据本发明实施例的另一方面，提供了一种广告投放系统。

本发明实施例的一种广告投放系统，包括：关联映射模块，用于创建广告单元并指定所述广告单元关联的商品编码，将所述商品编码映射为品类；预加载模块，用于生成所述品类对应的目标人群，将每个品类的所述目标人群预先加载至从用户到品类的索引；索引生成模块，用于根据所述广告单元关联的商品编码以及所述商品编码映射的品类生成从品类到广告单元的索引；广告播放模块，获取用户信息并加以解析，根据解析获得的信息以及所述从用户到品类的索引查找得到所述用户对应的品类，然后根据所述从品类到广告单元的索引查找得到所述品类对应的广告单元，播放所述广告单元。

可选地，所述预加载模块，还用于：从用户行为日志中抽取出用户ID和商品编码，将抽取出的所述用户ID和所述商品编码转化为用户行为序列；计算所述用户行为序列中任意两个商品编码之间的相似性，根据所述商品编码的相似性得到品类的相似性；根据所述品类的相似性构建品类关联网络，将所述品类关联网络与每个品类的行为数据相关联；根据关联行为数据后的品类关联网络计算每个品类的相似品类的意购人群，将本品类的所有相似品类的意购人群与本品类的意购人群做差集运算得到本品类的目标人群。

可选地，所述预加载模块，还用于：从用户行为日志中按时间顺序抽取出用户ID和商品编码，将属于同一用户的所有商品编码按时间先后顺序排列得到用户行为序列。

可选地，所述预加载模块，还用于：利用Word2Vec模型将商品编码转化为向量，计算两个向量的相似性，将向量的相似性作为两个商品编码之间的相似性。

可选地，所述预加载模块，还用于：使用频繁项集的方式得到所述用户行为序列中任意两个商品编码之间的相似性。

可选地，所述预加载模块，还用于：如果两个品类各自包含的商品编码中至少有一对商品编码为相似商品编码，则这两个品类为相似品类；否则，两个品类不是相似品类。

可选地，所述品类关联网络为品类关联表或者品类关联图；所述预加载模块，还用于：在各相似品类之间构建一条连边形成品类关联图。

可选地，所述行为数据包括购买数据、浏览数据、加购数据、收藏数据和点击数据。

可选地，所述系统还包括：索引资源动态配置模块，用于根据有效品类进行索引资源的动态配置，根据动态配置结果调整每个品类对应的目标人群；所述有效品类为预设时间内有过广告投放行为的广告单元对应的品类。

可选地，所述索引资源动态配置模块，还用于：根据广告投放行为，从全部品类中抽取出有效品类和无效品类；所述无效品类为预设时间内没有广告投放行为的广告单元对应的品类；将所述有效品类在全部索引资源的占用率配置为P％，将所述无效品类在全部索引资源的占用率配置为1-P％；所述P为50～100之间的自然数。

为实现上述目的，根据本发明实施例的再一方面，提供了一种电子设备。

本发明实施例的一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的一种广告投放方法。

为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读介质。

本发明实施例的一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种广告投放方法。

上述发明中的一个实施例具有如下优点或有益效果：通过按照品类形式对目标人群进行预先加载，并根据从用户到品类的索引、从品类到目标单元的索引的方式，避免了索引资源的冗余浪费，实现了广告的实时投放。通过商品编码(SKU，Stock Keeping Unit)的相似性得到相似品类，再将每个品类的相似品类的行为人群并与本品类的行为人群做差集运算得到本品类的拉新人群(以拉新为目的的目标人群)，满足了广告主的拉新需求，帮助广告主提升品牌效益，提升长期受益。通过将各相似品类抽象为品类关联图来获取拉新人群，避免数据的冗余存储，大量节约存储资源。将拉新人群的挖掘与索引过程解耦，实现了广告的实时投放。通过动态配置有效品类和无效品类对索引资源的占用率，动态调整目标人群，能够在实时投放的同时，提升有效品类的曝光量。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的广告投放方法的主要步骤的示意图；

图2是根据本发明实施例的拉新人群生成方法的主要步骤的示意图；

图3是根据本发明实施例的基于图结构生成拉新人群的流程图；

图4是根据本发明实施例的图结构的品类关联网络的结构示意图；

图5是根据本发明实施例的图结构的品类购买网络的结构示意图；

图6是根据本发明实施例的基于表结构生成拉新人群的主要流程示意图；

图7是根据本发明实施例的索引资源动态配置的示意图；

图8是根据本发明实施例的广告投放系统的主要模块的示意图；

图9是根据本发明实施例的广告投放系统的内部组成框图；

图10是本发明实施例可以应用于其中的示例性系统架构图；

图11是适用于来实现本发明实施例的电子设备的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的广告投放方法的主要步骤的示意图。如图1所示，本发明实施例的广告投放方法，主要包括如下步骤：

步骤S101：创建广告单元并指定所述广告单元关联的商品编码，将所述商品编码映射为品类。广告主通过广告投放系统创建广告单元，并指定各广告单元关联的SKU信息，用于指定将广告投放到哪个SKU对应的商品上。品类是指品牌+类目，比如三星手机，三星是品牌，手机是类目；一个品类中包含多个SKU。

步骤S102：生成所述品类对应的目标人群，将每个品类的所述目标人群预先加载至从用户到品类的索引。广告投放系统每天生成所有品类的目标人群，并按品类的形式预先加载目标人群。采用预先加载的方式能够支持广告主的实时投放需求。从用户到品类的索引每天更新一次，能够保证全部品类一直处于线上的加载状态，不论广告主对任何品类进行投放，该品类的目标人群均能够直接生效。索引的目的是快速定位，“从用户到品类的索引”是通过用户快速查找用户所涉及的品类。

步骤S103：根据所述广告单元关联的商品编码以及所述商品编码映射的品类生成从品类到广告单元的索引。从品类到广告单元的索引的更新频率在分钟级，这种更新频率能够满足广告主的实时投放需求。

步骤S104：获取用户信息并加以解析，根据解析获得的信息以及所述从用户到品类的索引查找得到所述用户对应的品类，然后根据所述从品类到广告单元的索引查找得到所述品类对应的广告单元，播放所述广告单元。用户正常访问客户端，广告投放系统会获取用户信息并解析，根据解析获得的信息通过从用户到品类的索引查找得到品类，然后通过从品类到广告单元的索引查找得到广告单元后，向用户播放广告单元。其中，用户信息包括用户的识别码、用户的Cookie(储存在用户本地终端上的数据)等。

其中，在生成品类对应的目标人群时，本发明的实施例提出了一种满足广告主拉新需求的目标人群即拉新人群的生成方法。

图2是根据本发明实施例的拉新人群生成方法的主要步骤的示意图。如图2所示，本发明实施例的拉新人群的生成主要包括如下步骤：

步骤S201：从用户行为日志中抽取出用户ID和商品编码，将抽取出的所述用户ID和所述商品编码转化为用户行为序列。从浏览日志、购买日志、收藏日志、加购日志等用户行为日志中按时间顺序抽取出用户在SKU粒度的行为日志，该日志中包括用户ID、SKU以及时间。将抽取出的行为日志按照时间顺序和用户ID进行归纳简约得到用户行为序列。归纳简约的过程为：按照用户ID和时间先后，在行为日志中将属于同一用户的所有SKU抽取出来。

步骤S202：计算所述用户行为序列中任意两个商品编码之间的相似性，根据所述商品编码的相似性得到品类的相似性。可以使用Word2Vec(Word to Vector，是谷歌推出自然语言处理工具，通过分析文本，将单词用向量来表示)模型或者频繁项集的方式计算SKU之间的相似性。若两个品类各自包含的SKU之间，至少有一对SKU形成相似SKU对，则这两个品类构成相似品类。比如，品类A包含SKU1和SKU3，品类B包含SKU2，如果SKU1和SKU2构成相似SKU对，则品类A和品类B构成相似品类。

步骤S203：根据所述品类的相似性构建品类关联网络，将所述品类关联网络与每个品类的行为数据相关联。品类关联网络可以为图结构也可以为表结构。图结构的构建方式为：将每个品类作为一个节点，相似的品类之间构建一条连边形成品类关联图，利用这种方式，相似品类相互构成邻居关系，具体见图4。表结构的品类关联网络(即品类关联表)见图6中的表1。在品类关联网络中为每个品类关联行为数据，行为数据是能体现用户有意向购买的数据，包括购买数据、浏览数据、加购数据、收藏数据和点击数据等。

步骤S204：根据关联行为数据后的品类关联网络计算每个品类的相似品类的意购人群，将本品类的所有相似品类的意购人群与本品类的意购人群做差集运算得到本品类的目标人群。以获取拉新人群为例进行说明：对应图结构的品类关联网络，计算每个品类的相似品类的意购人群相当于为每个节点收集其所有一跳邻居的信息。对应表结构的品类关联网络，将品类关联表和品类行为数据相联接(join)得到相似品类意购人群。将收集到的相似品类意购人群与本节点的意购人群作差集运算(subtract)得到本品类的拉新人群。

其中，获取SKU相似性的一种实施例可以为：利用Word2Vec模型计算SKU相似性，具体实现：原理是利用Word2Vec模型将单词转化为向量形式，用向量的相似性代表单词的相似性。类比这种方式，在计算SKU的相似性时，可以将每个SKU看作一个单词，将一个用户对SKU的一系列行为序列看作一个文档，通过Word2Vec模型将SKU训练为一个向量。例如：用户在网站上对于商品的浏览、购买、收藏等行为是带有时间顺序的，通过一个时间窗口将用户的这些行为切割为具有时间和行为关联的一系列行为序列。每个行为序列由SKU构成，则每个SKU可以被看成一个单词，每一份行为序列则对应一个文档，通过对SKU进行向量化表示，计算两个SKU之间的相似性。

其中，获取SKU相似性的另一种实施例可以为：利用频繁项集的方式获取SKU相似性，具体实现：通过查看浏览日志可以得出在一天之内，哪些SKU的组合是经常被用户同时浏览的，那么这些SKU组合就构成了频繁出现的项。比如，在一天之内，用户经常同时浏览SKU1、SKU2和SKU 3，那么SKU1、SKU2和SKU 3这三个SKU组成的组合就是一个频繁出现的项。所有频繁出现的项构成的集合就是频繁项集。通过频繁项集可以得到直接得到相似的SKU。

图3是根据本发明实施例的基于图结构生成拉新人群的流程图。如图3所示，本发明实施例的基于图结构生成拉新人群的过程包括：

(1)从用户行为日志中按时间顺序抽取出各用户以及用户对应的SKU，将属于同一用户的SKU按时间属性抽取出来得到用户行为序列。本发明实施例的用户行为日志的表示方式为(以用户1为例)：User1，SKU1。用户行为序列的表示方式为(以用户1为例)：User 1：SKU1，SKU2，SKU3…。

(2)利用Word2Vec模型挖掘SKU之间的相似性。相似SKU的表示方式为(以SKU1和SKU2构成相似SKU为例)：

(3)抽取相似品类：如果两个品类各自包含的SKU中，至少有一对为相似SKU，则这两个品类为相似品类。相似品类的表示方式为(以品类A和品类B构成相似品类为例)：

(4)根据相似品类构建图结构的品类关联网络。图结构的品类关联网络的表示形式如图4所示。

(5)将品类关联网络与购买数据相关联得到图结构的品类购买网络。图结构的品类购买网络如图5所示。

(6)计算每个品类的相似品类的意购人群，将每个品类的相似品类的意购人群与本品类的意购人群做差集得到本品类的拉新人群。各品类的拉新人群的表示方式为(以品类A为例)：品类A：User 1，User 2，User 3…。

(7)将每个品类的拉新人群加载至线上从用户到品类的索引。从用户到品类的索引的表示方式为(以用户1为例)：User 1：品类A，品类C。

图4是根据本发明实施例的图结构的品类关联网络的结构示意图。如图4所示，相似品类之间通过线相连接。以品类G为例，它的相似品类包括了品类E和品类F。

图5是根据本发明实施例的图结构的品类购买网络的结构示意图。如图5所示，以行为数据就是购买数据为例，将图结构的品类关联网络中的每个节点与购买与该节点购买数据进行关联形成品类购买网络。品类G的一跳邻居为(E，F)，则品类E和品类F的购买人群都将作为品类G的相似品类的意购人群。那么，品类G对应的拉新人群为：品类E和品类F的购买人群的并集与品类G的购买人群进行差集运算得到品类G的拉新人群。

图6是根据本发明实施例的基于表结构生成拉新人群的主要流程示意图。如图6所示，以品类E、品类F和品类G为例进行说明，表1为表结构的品类关联网络，表2为表结构的品类购买网络，表3为相似品类购买人群，表4为各品类的拉新人群。根据品类的相似性构建如表1形式的品类关联网络，将表1和表2进行联接(join)得到表3。将表3与表2作差集运算(subtract)得到表4，至此得到各品类的拉新人群。但是该过程由于会生成表3这样的冗余数据，其耗费的存储资源比基于图结构的多。

在将生成的每个品类的目标人群加载至线上索引时，会出现某个品类并没有广告主进行投放的情况，在这种情况下，这些品类的目标人群会占用有广告主投放的品类的索引资源(该索引资源指从用户到品类的索引)，导致有些品类的曝光量不高。出现这种情况的原因是系统为每个用户的分配的索引资源的总量受限，即每个用户同时所归属的不同品类的数量是有上限的。例如，每个用户最多属于30个品类。此时，若某用户的所属的30个品类中大部分品类没有广告主投放，那么该用户有很大的概率不会被受到广告曝光。也就是说，用户对应的没有广告投放的品类会减少该用户的曝光机会。从宏观来看，没有广告投放的品类会影响有广告投放的品类的曝光量。

基于上述原因，本发明的广告投放方法进一步增加了根据有效品类进行索引资源的动态配置的过程。

图7是根据本发明实施例的索引资源动态配置的示意图。如图7所示，根据有效品类进行索引资源的动态配置的过程包括以下步骤：

(1)根据广告投放行为，从全部品类中抽取出有效品类和无效品类。所述有效品类为预设时间内有过广告投放行为的广告单元对应的品类，所述无效品类为预设时间内没有广告投放行为的广告单元对应的品类。

(2)将所述有效品类在全部索引资源的占用率配置为P％，将所述无效品类在全部索引资源的占用率配置为(1-P％)；所述P为50～100之间的自然数。一般来说，大量的品类并没有任何广告主投放，根据幂律法则，P可设置在80以上。比如，通过上述拉新人群的生成过程得出某用户属于100个品类，但是系统限定每个用户最多属于30个品类，且这100个品类中的大部分品类在设定期限内没有广告主投放广告，剩下小部分品类有广告主投放广告。将有效品类占索引资源总量的比例设为90％，无效品类占10％，则按照该比例将该品类的拉新人群进行调整，将调整后的每个品类的拉新人群加载至从用户到品类的索引。在进行从用户到品类的索引时，索引到的该用户对应的品类信息为：有效品类为27个、无效品类为3个，后续向该用户进行广告投放时，投放27个有效品类和3个无效品类的广告。

该种方式通过增大有效品类的数量，提高了有广告主投放的品类的曝光量。在实际系统中上线后，各产品线上使用本发明提出的拉新人群来投放广告的广告主持续提升，且使用拉新人群进行广告投放后商品的点击率远高于传统的方式获取的目标人群。

通过本发明实施例的广告投放方法可以看出，通过按照品类形式对目标人群进行预先加载，并根据从用户到品类的索引、从品类到目标单元的索引的方式，避免了索引资源的冗余浪费，实现了广告的实时投放。通过SKU的相似性得到相似品类，再将每个品类的相似品类的行为人群并与本品类的行为人群做差集运算得到本品类的拉新人群，满足了广告主的拉新需求，帮助广告主提升品牌效益，提升长期受益。通过将各相似品类抽象为品类关联图来获取拉新人群，避免数据的冗余存储，大量节约存储资源。将拉新人群的挖掘与索引过程解耦，实现了广告的实时投放。通过动态配置有效品类和无效品类对索引资源的占用率，动态调整目标人群，能够在实时投放的同时，提升有效品类的曝光量。

图8是根据本发明实施例的广告投放系统的主要模块的示意图。如图8所示，本发明实施例的广告投放系统800主要包括：

关联映射模块801，用于创建广告单元并指定所述广告单元关联的商品编码，将所述商品编码映射为品类。广告主通过广告投放系统创建广告单元，指定各广告单元关联的SKU，并将SKU映射为品类。关联映射完成后通知索引生成模块生成从品类到广告单元的索引。

预加载模块802，用于生成所述品类对应的目标人群，将每个品类的所述目标人群预先加载至从用户到品类的索引。每天生成所有品类的目标人群，并按品类的形式将从用户到品类的索引预先加载到索引模块的人群索引。

索引生成模块803，用于根据所述广告单元关联的商品编码以及所述商品编码映射的品类生成从品类到广告单元的索引。该模块维护两个索引——人群索引和单元索引(从品类到广告单元的索引)。人群索引每天更新一次，能够保证全部品类一直处于线上的加载状态，不论广告主对任何品类进行投放，该品类的目标人群均能够直接生效。单元索引的更新频率在分钟级，这种更新频率能够满足广告主的实时投放需求。

广告播放模块804，获取用户信息并加以解析，根据解析获得的信息以及所述从用户到品类的索引查找得到所述用户对应的品类，然后根据所述从品类到广告单元的索引查找得到所述品类对应的广告单元，播放所述广告单元。用户正常访问客户端，将解析获得的信息发送至索引模块以请求索引生成模块反馈对应的广告单元信息(即广告播放模块向索引生成模块请求的过程)，索引生成模块根据收到的信息通过人群索引查找得到对应的品类，然后通过单元索引查找得到对应的广告单元，将广告单元发送至广告播放模块(即索引生成模块向广告播放模块召回的过程)。

图9是根据本发明实施例的广告投放系统的内部组成框图。如图9所示，本发明实施例的广告投放系统包括关联映射模块、预加载模块。索引生成模块和广告播放模块。预加载模块每天生成所有品类对应的目标人群，并将从用户到品类的索引加载到线上索引模块。当广告主投放广告时，索引模块会及时生成从品类到广告单元的索引(耗时在5分钟以内)，两个索引加载完毕后，广告投放即可生效。

另外，为生成拉新人群本发明实施例的预加载模块802可进一步包括抽取转化模块、相似性计算模块、构建关联模块和拉新人群计算模块。

抽取转化模块，用于从用户行为日志中抽取出用户ID和商品编码，将抽取出的所述用户ID和所述商品编码转化为用户行为序列。

相似性计算模块，用于计算所述用户行为序列中任意两个商品编码之间的相似性，根据所述商品编码的相似性得到品类的相似性。获取SKU相似性的一种实施例可以为：利用Word2Vec模型将商品编码转化为向量，计算两个向量的相似性，将向量的相似性作为两个商品编码之间的相似性。获取SKU相似性的另一种实施例可以为：利用频繁项集的方式找出哪些SKU是频繁出现的项，由这些频繁出现的项得到相似SKU。

构建关联模块，用于根据所述品类的相似性构建品类关联网络，将所述品类关联网络与每个品类的行为数据相关联。品类关联网络为品类关联表或者品类关联图。

拉新人群计算模块，用于根据关联行为数据后的品类关联网络计算每个品类的相似品类的意购人群，将本品类的所有相似品类的意购人群与本品类的意购人群做差集运算得到本品类的目标人群。行为数据包括购买数据、浏览数据、加购数据、收藏数据和点击数据。

另外，本发明实施例的广告投放系统还可以包括索引资源动态配置模块，根据广告投放行为，从全部品类中抽取出有效品类和无效品类，将有效品类在全部索引资源的占用率配置为P％，将无效品类在全部索引资源的占用率配置为1-P％。P可设置在80以上。

从以上描述可以看出，通过按照品类形式对目标人群进行预先加载，并根据从用户到品类的索引、从品类到目标单元的索引的方式，避免了索引资源的冗余浪费，实现了广告的实时投放。通过SKU的相似性得到相似品类，再将每个品类的相似品类的行为人群并与本品类的行为人群做差集运算得到本品类的拉新人群，满足了广告主的拉新需求，帮助广告主提升品牌效益，提升长期受益。通过将各相似品类抽象为品类关联图来获取拉新人群，避免数据的冗余存储，大量节约存储资源。将拉新人群的挖掘与索引过程解耦，实现了广告的实时投放。通过动态配置有效品类和无效品类对索引资源的占用率，动态调整目标人群，能够在实时投放的同时，提升有效品类的曝光量。

图10示出了可以应用本发明实施例的广告投放方法或广告投放系统的示例性系统架构100。

如图10所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本申请实施例所提供的广告投放方法一般由服务器105执行，相应地，广告投放系统一般设置于服务器105中。

应该理解，图10中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

根据本发明的实施例，本发明还提供了一种电子设备和一种计算机可读介质。

本发明的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的一种广告投放方法。

本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种广告投放方法。

下面参考图11，其示出了适用于来实现本发明实施例的电子设备的计算机系统110的结构示意图。图11示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图11所示，计算机系统110包括中央处理单元(CPU)111，其可以根据存储在只读存储器(ROM)112中的程序或者从存储部分118加载到随机访问存储器(RAM)113中的程序而执行各种适当的动作和处理。在RAM 113中，还存储有计算机系统110操作所需的各种程序和数据。CPU 111、ROM 112以及RAM 113通过总线114彼此相连。输入/输出(I/O)接口115也连接至总线114。

以下部件连接至I/O接口115：包括键盘、鼠标等的输入部分116；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分117；包括硬盘等的存储部分118；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分119。通信部分119经由诸如因特网的网络执行通信处理。驱动器120也根据需要连接至I/O接口115。可拆卸介质121，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器120上，以便于从其上读出的计算机程序根据需要被安装入存储部分118。

特别地，根据本发明公开的实施例，上文主要步骤图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行主要步骤图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分119从网络上被下载和安装，和/或从可拆卸介质121被安装。在该计算机程序被中央处理单元(CPU)111执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括关联映射模块、预加载模块、索引生成模块和广告播放模块。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，关联映射模块还可以被描述为“创建广告单元并指定所述广告单元关联的商品编码，将所述商品编码映射为品类的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：创建广告单元并指定所述广告单元关联的商品编码，将所述商品编码映射为品类；生成所述品类对应的目标人群，将每个品类的所述目标人群预先加载至从用户到品类的索引；根据所述广告单元关联的商品编码以及所述商品编码映射的品类生成从品类到广告单元的索引；获取用户信息并加以解析，根据解析获得的信息以及所述从用户到品类的索引查找得到所述用户对应的品类，然后根据所述从品类到广告单元的索引查找得到所述品类对应的广告单元，播放所述广告单元。

根据本发明的技术方案，通过按照品类形式对目标人群进行预先加载，并根据从用户到品类的索引、从品类到目标单元的索引的方式，避免了索引资源的冗余浪费，实现了广告的实时投放。通过SKU的相似性得到相似品类，再将每个品类的相似品类的行为人群并与本品类的行为人群做差集运算得到本品类的拉新人群，满足了广告主的拉新需求，帮助广告主提升品牌效益，提升长期受益。通过将各相似品类抽象为品类关联图来获取拉新人群，避免数据的冗余存储，大量节约存储资源。将拉新人群的挖掘与索引过程解耦，实现了广告的实时投放。通过动态配置有效品类和无效品类对索引资源的占用率，动态调整目标人群，能够在实时投放的同时，提升有效品类的曝光量。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (22)

1.一种广告投放方法，其特征在于，包括：

创建广告单元并指定所述广告单元关联的商品编码，将所述商品编码映射为品类；

生成所述品类对应的目标人群，将每个品类的所述目标人群预先加载至从用户到品类的索引；

根据所述广告单元关联的商品编码以及所述商品编码映射的品类生成从品类到广告单元的索引；

获取用户信息并加以解析，根据解析获得的信息以及所述从用户到品类的索引查找得到所述用户对应的品类，然后根据所述从品类到广告单元的索引查找得到所述品类对应的广告单元，播放所述广告单元。

2.根据权利要求1所述的方法，其特征在于，生成所述品类对应的目标人群，包括：

从用户行为日志中抽取出用户ID和商品编码，将抽取出的所述用户ID和所述商品编码转化为用户行为序列；

计算所述用户行为序列中任意两个商品编码之间的相似性，根据所述商品编码的相似性得到品类的相似性；

根据所述品类的相似性构建品类关联网络，将所述品类关联网络与每个品类的行为数据相关联；

根据关联行为数据后的品类关联网络计算每个品类的相似品类的意购人群，将本品类的所有相似品类的意购人群与本品类的意购人群做差集运算得到本品类的目标人群。

3.根据权利要求2所述的方法，其特征在于，从用户行为日志中抽取出用户ID和商品编码，将抽取出的所述用户ID和所述商品编码转化为用户行为序列，包括：从用户行为日志中按时间顺序抽取出用户ID和商品编码，将属于同一用户的所有商品编码按时间先后顺序排列得到用户行为序列。

4.根据权利要求2所述的方法，其特征在于，计算所述用户行为序列中任意两个商品编码之间的相似性，包括：利用Word2Vec模型将商品编码转化为向量，计算两个向量的相似性，将向量的相似性作为两个商品编码之间的相似性。

5.根据权利要求2所述的方法，其特征在于，根据所述商品编码的相似性得到品类的相似性，包括：使用频繁项集的方式得到所述用户行为序列中任意两个商品编码之间的相似性。

6.根据权利要求2所述的方法，其特征在于，根据所述商品编码的相似性得到品类的相似性，包括：如果两个品类各自包含的商品编码中至少有一对商品编码为相似商品编码，则这两个品类为相似品类；否则，两个品类不是相似品类。

7.根据权利要求2所述的方法，其特征在于，所述品类关联网络为品类关联表或者品类关联图；根据所述品类的相似性构建品类关联图，包括：在各相似品类之间构建一条连边形成品类关联图。

8.根据权利要求2所述的方法，其特征在于，所述行为数据包括购买数据、浏览数据、加购数据、收藏数据和点击数据。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据有效品类进行索引资源的动态配置，根据动态配置结果调整每个品类对应的目标人群；所述有效品类为预设时间内有过广告投放行为的广告单元对应的品类。

10.根据权利要求9所述的方法，其特征在于，根据有效品类进行索引资源的动态配置，包括：

根据广告投放行为，从全部品类中抽取出有效品类和无效品类；所述无效品类为预设时间内没有广告投放行为的广告单元对应的品类；

将所述有效品类在全部索引资源的占用率配置为P％，将所述无效品类在全部索引资源的占用率配置为1-P％；所述P为50～100之间的自然数。

11.一种广告投放系统，其特征在于，包括：

关联映射模块，用于创建广告单元并指定所述广告单元关联的商品编码，将所述商品编码映射为品类；

预加载模块，用于生成所述品类对应的目标人群，将每个品类的所述目标人群预先加载至从用户到品类的索引；

索引生成模块，用于根据所述广告单元关联的商品编码以及所述商品编码映射的品类生成从品类到广告单元的索引；

广告播放模块，获取用户信息并加以解析，根据解析获得的信息以及所述从用户到品类的索引查找得到所述用户对应的品类，然后根据所述从品类到广告单元的索引查找得到所述品类对应的广告单元，播放所述广告单元。

12.根据权利要求11所述的系统，其特征在于，所述预加载模块，还用于：

从用户行为日志中抽取出用户ID和商品编码，将抽取出的所述用户ID和所述商品编码转化为用户行为序列；

计算所述用户行为序列中任意两个商品编码之间的相似性，根据所述商品编码的相似性得到品类的相似性；

根据所述品类的相似性构建品类关联网络，将所述品类关联网络与每个品类的行为数据相关联；

根据关联行为数据后的品类关联网络计算每个品类的相似品类的意购人群，将本品类的所有相似品类的意购人群与本品类的意购人群做差集运算得到本品类的目标人群。

13.根据权利要求12所述的系统，其特征在于，所述预加载模块，还用于：从用户行为日志中按时间顺序抽取出用户ID和商品编码，将属于同一用户的所有商品编码按时间先后顺序排列得到用户行为序列。

14.根据权利要求12所述的系统，其特征在于，所述预加载模块，还用于：利用Word2Vec模型将商品编码转化为向量，计算两个向量的相似性，将向量的相似性作为两个商品编码之间的相似性。

15.根据权利要求12所述的系统，其特征在于，所述预加载模块，还用于：使用频繁项集的方式得到所述用户行为序列中任意两个商品编码之间的相似性。

16.根据权利要求12所述的系统，其特征在于，所述预加载模块，还用于：如果两个品类各自包含的商品编码中至少有一对商品编码为相似商品编码，则这两个品类为相似品类；否则，两个品类不是相似品类。

17.根据权利要求12所述的系统，其特征在于，所述品类关联网络为品类关联表或者品类关联图；所述预加载模块，还用于：在各相似品类之间构建一条连边形成品类关联图。

18.根据权利要求12所述的系统，其特征在于，所述行为数据包括购买数据、浏览数据、加购数据、收藏数据和点击数据。

19.根据权利要求11所述的系统，其特征在于，所述系统还包括：索引资源动态配置模块，用于根据有效品类进行索引资源的动态配置，根据动态配置结果调整每个品类对应的目标人群；所述有效品类为预设时间内有过广告投放行为的广告单元对应的品类。

20.根据权利要求19所述的系统，其特征在于，所述索引资源动态配置模块，还用于：

根据广告投放行为，从全部品类中抽取出有效品类和无效品类；所述无效品类为预设时间内没有广告投放行为的广告单元对应的品类；

将所述有效品类在全部索引资源的占用率配置为P％，将所述无效品类在全部索引资源的占用率配置为1-P％；所述P为50～100之间的自然数。

21.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。

22.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。