CN108230051A - 一种基于标签权重算法的用户对商品关注度的确定方法 - Google Patents
一种基于标签权重算法的用户对商品关注度的确定方法 Download PDFInfo
- Publication number
- CN108230051A CN108230051A CN201810147461.XA CN201810147461A CN108230051A CN 108230051 A CN108230051 A CN 108230051A CN 201810147461 A CN201810147461 A CN 201810147461A CN 108230051 A CN108230051 A CN 108230051A
- Authority
- CN
- China
- Prior art keywords
- weight
- user
- commodity
- attention rate
- data
- 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.)
- Pending
Links
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于大数据、数据挖掘、人工智能、商业智能领域,提供了一种基于标签权重算法的用户对商品关注度的确定计算方法。获取电信、电商等用户原始数据。原始数据需要按照用户进行分组,再按照用户浏览的商品(如手机、笔记本电脑、汽车、房产等)进行分类。数据按照商品型号分组、时间排序、网址、次数分组。按照标签权重公式计算,计算用户对某种商品的关注度。标签权重=时间衰减因子×网址子权重×次数权重。根据标签权重公式计算各商品型号的关注度。最后按照关注度(标签权重)排序,确定用户对某商品型号的关注度。
Description
技术领域
本发明涉及一种基于标签权重算法的用户对商品关注度的确定方法, 属于大数据、数据挖掘、人工智能、商业智能领域。
背景技术
大数据的核心是数据蕴含的价值,如何从海量数据中挖掘从商业价值是大数据、商业智能、人工智能的关键所在。
电商为代表的行业已经在利用大数据掘金,主要是因为电商本身就拥有大量的消费者行为记录,能够依据这些数据快速了解消费者的需求。如何快速、准确地帮助顾客找到想要的商品,如何加大商品的有效曝光度,如何根据顾客的需求,向其推荐偏好的商品,如何提高顾客的活跃度,降低顾客的弃单率,核心是消费者网上消费行为数据,它已经变得越来越重要,收集并分析这些消费者数据,将帮助商家预测顾客的下一步购物行为。利用顾客留在网站上的行为轨迹数据,分析顾客浏览商品类别,可以帮助商家预测顾客需要哪类商品,并推出相应的相关商品,根据顾客询价情况,商家还可以预测顾客购买力,从而对高级顾客推荐名牌商品,对普通顾客推荐物美价廉的商品,以满足不同的顾客对商品的不同心理价位;跟踪顾客经常购物的网店,对此类数据进行分析,可以预测用户的下一次购物行为将可能发生在哪个网店。其中的核心问题,确定消费者(用户)对某种商品型号的喜好,将决定营销成败的关键。
全球大的运营商中约有超过一半的运营商正在实施大数据业务。商业应用集中在两方面,市场与精准营销与数据商业化。市场与精准营销方向包括客户画像、精准营销、实时营销和个性化推荐。其中客户画像是基础,运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据,为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签,并借助数据挖掘技术(如分类、聚类、RFM等)进行客户分群,完善客户的360度画像,帮助运营商深入了解客户行为偏好和需求特征。数据商业化方面对外(各行业的商家)提供营销洞察和精准广告投放。电信运营商分析用户线上(上网)行为大数据,给用户打标签——其中的核心标签用户关注的商品型号等、完成用户画像后。把这些数据提供给各行业的商家,各商家利用这些数据获得客户,比如提供数据给手机制造行业利用用户数据,用户的手机型号标签,帮助手机制造商精准的营销。提供数据给汽车商、4S店经销商、房地产商等,用户的商品型号标签,帮助这些行业精准的营销。
大数据在金融、电商、电信应用的基础是获得足够多用户与获得用户足够全数据。金融大数据需要对用户做精确的画像,特别是资产、信用、消费能力等方面。电商大数据建立在海量消费者网上全面的消费行为数据。所以,如何获得足够多用户与获得用户足够全数据将成为应用成功的关键。本发明针对网上用户(包括有线宽带用户与移动互联网用户)提供了一种基于标签权重算法的用户对商品关注度的确定方法,精准地为线上用户打上某种商品型号标签,解决了根据用户对某类商品的喜好进行精准营销的问题。
发明内容
针对具有线上用户行为大数据的企业或者个人,提供了一种基于标签权重算法的用户对商品关注度的确定方法,精准地为线上用户打上某种商品型号的关注度标签,并给出了对某种商品的关注度排序,更有利于精准营销,挖掘出线上用户行为大数据的内在价值。
本发明的上述技术问题主要是通过下述技术方案实现的:一种基于标签权重算法的用户对商品关注度的确定方法,该方法包括以下步骤。
步骤1:获取电信、电商等用户原始数据。如:线上电信用户通过PC或者手机浏览商品的信息,线上用户浏览电商网站上的商品信息。这些海量的线上行为原始数据,通常储存在大数据平台上,或者超大型的数据库中。
步骤2:对海量的数据按用户分组。原始数据需要按照用户进行分组,按照用户浏览的商品(如手机、笔记本电脑、汽车、房产等)进行分类。比如:研究用户对手机的关注度的时候,我们只提取出手机相关的数据,这样可以减少数据计算量。
步骤3:数据按照商品型号分组、时间排序、网址、次数分组。如:手机有很多种品牌,有华为、中兴、小米、OPPO、VIVO等。每种品牌有很多种型号,如华为有荣耀8、HUAWEInova、畅享7、Mate 10,有的价格1000元左右,有的价格超过4000元。用户可能对华为1000元左右的荣耀8感兴趣,对华为高价格手机Mate 10不敢兴趣。再按照时间排序,根据标签权重算法,根据浏览时间的远近设置不同的权重。
步骤4:通过标签权重公式计算,计算用户对某种商品的关注度。
标签权重=时间衰减因子×网址子权重×次数权重。
时间衰减因子——时间越近,权重越高。如现在是2017.12.31日。最近一个星期2017.12.24—2017.12.30的权重为1。往前一个星期2017.12.17—2017.12.23的权重为0.667。再前一个星期2017.12.10—2017.12.16的权重为0.444。再前一个星期2017.12.03—2017.12.09的权重为0.296。再往前的权重为0。
网址权重——网站PC端的权重,设置成1.0,如京东PC端、淘宝PC端、汽车类PC端、房产类PC端等。手机端的权重,设置成2,如京东、淘宝、汽车类、房产类移动端等。
次数权重——时间衰减因子相同时间段类,浏览1次权重1.0,2次权重1.5,3—5次权重2,6—10权重2.5,11—50次以上权重3,51—100次以上权重2.5,100次以上权重1.5。
步骤5:根据标签权重公式计算各商品型号的关注度。如tiger用户。
OPPO A57,浏览时间:2017.10.13,网址:京东PC端,次数:1,OPPO A57标签权重=0.444×1.0×1.0=0.444。
荣耀8 ,浏览时间:2017.12.19 ,网址:京东PC端,次数:2,另一个时间:2017.12.21,网址:淘宝移动端,次数:1,荣耀8标签权重=0.667×1.0×1.5+0.667×2.0×1.0=2.333。
红米Note4X,浏览时间:2017.12.25,网址:淘宝移动端,次数:1,另一个时间:2017.12.26,网址:淘宝移动端,次数:1,红米Note4X标签权重=1×2.0×1.5=3。
步骤6:按照关注度(标签权重)排序,红米Note4X标签权重最大,是手机类第一关注商品,荣耀是手机类第二关注商品,OPPO A57是手机类第三关注商品 。
附图说明
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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1标签权重算法确定关注度流程图。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。参照图1,一种基于标签权重算法的用户对商品关注度的确定方法,具体实施如下。
101:获取电信、电商等用户原始数据。用户的原始数据可以存放在大数据平台,或者超大型的数据库中。大数据平台可以是开源hadoop大数据平台、CDH大数据平台等。电信、电商的用户每天生产的海量数据,主要包括用户的网上行为等数据,由用户唯一识别号ID、用户的浏览内容、用户点击的时间戳ts、用户点击的url、用户特征UseAgent等组成。如:线上电信用户通过PC或者手机浏览商品的信息,线上用户浏览电商网站上的商品信息。
102:数据按用户分组。原始数据需要先按照用户进行分组,再按照用户浏览的商品(如手机、笔记本电脑、汽车、房产等)进行分类。比如:研究用户对手机的关注度的时候,只提取出用户的手机相关数据,不用关注汽车、笔记本电脑、房产等商品数据,可以减少数据计算量。
103:数据按照商品型号分组、时间排序、网址、次数分组。如:手机有很多种品牌,有华为、中兴、小米、OPPO、VIVO等。每种品牌有很多种型号,如华为有荣耀8、HUAWEI nova、畅享7、Mate 10,有的价格1000元左右,有的价格超过4000元。用户可能对华为1000元左右的荣耀8感兴趣,对华为高价格手机Mate 10不感兴趣,所以要按照手机型号进行分组。再取一段时间范围内的数据,比如最近四周,按照时间排序,根据标签权重算法,根据浏览时间的远近设置不同的权重。再按照网址类型分组,分PC端与移动端。
104:按照标签权重公式计算,计算用户对某种商品的关注度。
标签权重=时间衰减因子×网址子权重×次数权重。
时间衰减因子——时间越近,权重越高,如现在是2017.12.31日,取前四个星期的数据,最近一个星期2017.12.24—2017.12.30的权重为1,往前一个星期2017.12.17—2017.12.23的权重为0.667,再前一个星期2017.12.10—2017.12.16的权重为0.444,再前一个星期2017.12.03—2017.12.09的权重为0.296,再往前的权重为0。
网址权重——网站PC端的权重,设置成1.0,如京东PC端、淘宝PC端、汽车类PC端、房产类PC端等。手机端的权重,设置成2,如京东、淘宝、汽车类、房产类移动端等。
次数权重——时间衰减因子相同时间段类,浏览1次权重1.0,2次权重1.5,3—5次权重2,6—10权重2.5,11—50次以上权重3,51—100次以上权重2.5,100次以上权重1.5。
105:根据标签权重公式计算各商品型号的关注度,计算示例如下表。
ID | 商品型号 | 时间 | 网址 | 次数 |
Tiger | OPPO A57 | 2017.10.13 | 京东PC端 | 1 |
Tiger | 荣耀8 | 2017.12.19 | 京东PC端 | 2 |
Tiger | 荣耀8 | 2017.12.21 | 淘宝移动端 | 1 |
Tiger | 红米Note4X | 2017.12.25 | 淘宝移动端 | 1 |
Tiger | 红米Note4X | 2017.12.26 | 淘宝移动端 | 1 |
OPPO A57标签权重=0.444×1.0×1.0=0.444。
荣耀8标签权重=0.667×1.0×1.5+0.667×2.0×1.0=2.333。
红米Note4X标签权重=1×2.0×1.5=3。
106:按照关注度(标签权重)排序,红米Note4X标签权重最大,是手机类第一关注商品,荣耀是手机类第二关注商品,OPPO A57是手机类第三关注商品。
结果如下表
ID | 商品型号1 | 关注度1 | 价格1 | 商品型号2 | 关注度2 | 价格2 | 商品型号3 | 关注度3 | 价格3 |
Tiger | 红米Note4X | 3 | 1099 | 荣耀8 | 2.333 | 1699 | OPPO A57 | 0.444 | 1299 |
Claims (7)
1.一种基于标签权重算法的用户对商品关注度的确定方法,其特征在于:
获取电信、电商等用户原始数据;原始数据需要按照用户进行分组,再按照用户浏览的商品(如手机、笔记本电脑、汽车、房产等)进行分类;数据按照商品型号分组、时间排序、网址、次数分组;按照标签权重公式计算,计算用户对某种商品的关注度;标签权重=时间衰减因子×网址子权重×次数权重;根据标签权重公式计算各商品型号的关注度;最后按照关注度(标签权重)排序,确定用户对某商品型号的关注度。
2.根据权利1所述的一种基于标签权重算法的用户对商品关注度的确定方法,其特征在于,所述商品包括:手机、电脑、汽车、房产、教育服务等商品,商品包括这些,但不限于这些商品,这里不一一列举。
3.根据权利1所述的电信、电商等积累的线上用户原始数据包括:
电信、电商的用户每天生产的海量数据,主要包括用户的网上行为等数据,由用户唯一识别号ID、用户的浏览内容、用户点击的时间戳ts、用户点击的url、用户特征UseAgent等组成。
4.根据权利1所述的按照用户进行分组包括:
对海量的数据按用户分组,原始数据需要按照用户进行分组,按照用户浏览的商品(如手机、笔记本电脑、汽车、房产等)进行分类;比如:研究用户对手机的关注度的时候,我们只提取出手机相关数据,这样可以减少数据计算量。
5.根据权利1所述的数据按照商品型号分组、时间排序、网址、次数分组包括:
按照商品型号分组,如:手机有很多种品牌,有华为、中兴、小米、OPPO、VIVO等;每种品牌有很多种型号,如华为有荣耀8、HUAWEI nova、畅享7、Mate 10,有的价格1000元左右,有的价格超过4000元;用户可能对华为1000元左右的荣耀8感兴趣,对华为高价格手机Mate10不敢兴趣;再按照时间排序,根据标签权重算法,根据浏览时间的远近设置不同的权重。
6.根据权利1所述的按照标签权重公式计算,计算用户对某种商品的关注度包括:
标签权重=时间衰减因子×网址子权重×次数权重;时间衰减因子——时间越近,权重越高;如现在是2017.12.31日,最近一个星期2017.12.24~2017.12.30的权重为1,往前一个星期2017.12.17~2017.12.23的权重为0.667,再前一个星期2017.12.10~2017.12.16的权重为0.444,再前一个星期2017.12.03~2017.12.09的权重为0.296,再往前的权重为0;网址权重——网站PC端的权重,设置成1.0,如京东PC端、淘宝PC端、汽车类PC端、房产类PC端等,手机端的权重,设置成2,如京东、淘宝、汽车类、房产类移动端等;次数权重——时间衰减因子相同时间段类,浏览1次权重1.0,2次权重1.5,3~5次权重2,6~10权重2.5,11~50次以上权重3,51~100次以上权重2.5,100次以上权重1.5。
7.根据权利1所述的按照关注度(标签权重)排序包括:
根据标签权重公式计算出用户对某商品型号的关注度(标签权重),再按照关注度进行排序,等于给出了用户所关注商品型号的程度高低;如:用户Tiger关注手机商品中,红米Note4X标签权重最大,是手机类第一关注商品;荣耀是手机类第二关注商品,OPPO A57是手机类第三关注商品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810147461.XA CN108230051A (zh) | 2018-02-12 | 2018-02-12 | 一种基于标签权重算法的用户对商品关注度的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810147461.XA CN108230051A (zh) | 2018-02-12 | 2018-02-12 | 一种基于标签权重算法的用户对商品关注度的确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108230051A true CN108230051A (zh) | 2018-06-29 |
Family
ID=62661754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810147461.XA Pending CN108230051A (zh) | 2018-02-12 | 2018-02-12 | 一种基于标签权重算法的用户对商品关注度的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230051A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359244A (zh) * | 2018-10-30 | 2019-02-19 | 中国科学院计算技术研究所 | 一种个性化信息推荐方法和装置 |
CN109670078A (zh) * | 2018-12-21 | 2019-04-23 | 深圳创维数字技术有限公司 | 一种确定影视排序的方法、装置、设备及存储介质 |
CN109670017A (zh) * | 2018-12-27 | 2019-04-23 | 广州云趣信息科技有限公司 | 一种基于标签权重算法的电话营销系统 |
CN109766913A (zh) * | 2018-12-11 | 2019-05-17 | 东软集团股份有限公司 | 用户分群方法、装置、计算机可读存储介质及电子设备 |
CN109949092A (zh) * | 2019-03-18 | 2019-06-28 | 康美药业股份有限公司 | 基于商品关注度的商品推送方法、服务器及存储介质 |
CN110232600A (zh) * | 2019-06-18 | 2019-09-13 | 浙江华坤道威数据科技有限公司 | 一种基于多源异构数据分析的大屏广告定向投放系统及方法 |
CN110750717A (zh) * | 2019-09-27 | 2020-02-04 | 上海麦克风文化传媒有限公司 | 一种排序权重更新方法 |
CN111709781A (zh) * | 2020-06-15 | 2020-09-25 | 浙江点线文化传媒有限公司 | 一种广告联动推送系统 |
CN112015998A (zh) * | 2020-11-02 | 2020-12-01 | 北京值得买科技股份有限公司 | 一种基于用户画像的商品推荐方法 |
CN112330387A (zh) * | 2020-09-29 | 2021-02-05 | 重庆锐云科技有限公司 | 一种应用于看房软件的虚拟经纪人 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090886A (zh) * | 2013-12-09 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 构建用户实时画像的方法及装置 |
US20150178397A1 (en) * | 2013-12-19 | 2015-06-25 | Facebook, Inc. | Generating Card Stacks with Queries on Online Social Networks |
CN105677867A (zh) * | 2016-01-08 | 2016-06-15 | 浪潮软件集团有限公司 | 一种用户标签的生成方法和装置 |
CN106909663A (zh) * | 2017-02-27 | 2017-06-30 | 杭州泰指尚科技有限公司 | 基于标签用户品牌偏好行为预测方法及其装置 |
CN107016026A (zh) * | 2016-11-11 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 一种用户标签确定、信息推送方法和设备 |
-
2018
- 2018-02-12 CN CN201810147461.XA patent/CN108230051A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090886A (zh) * | 2013-12-09 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 构建用户实时画像的方法及装置 |
US20150178397A1 (en) * | 2013-12-19 | 2015-06-25 | Facebook, Inc. | Generating Card Stacks with Queries on Online Social Networks |
CN105677867A (zh) * | 2016-01-08 | 2016-06-15 | 浪潮软件集团有限公司 | 一种用户标签的生成方法和装置 |
CN107016026A (zh) * | 2016-11-11 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 一种用户标签确定、信息推送方法和设备 |
CN106909663A (zh) * | 2017-02-27 | 2017-06-30 | 杭州泰指尚科技有限公司 | 基于标签用户品牌偏好行为预测方法及其装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359244A (zh) * | 2018-10-30 | 2019-02-19 | 中国科学院计算技术研究所 | 一种个性化信息推荐方法和装置 |
CN109766913A (zh) * | 2018-12-11 | 2019-05-17 | 东软集团股份有限公司 | 用户分群方法、装置、计算机可读存储介质及电子设备 |
CN109670078A (zh) * | 2018-12-21 | 2019-04-23 | 深圳创维数字技术有限公司 | 一种确定影视排序的方法、装置、设备及存储介质 |
CN109670017A (zh) * | 2018-12-27 | 2019-04-23 | 广州云趣信息科技有限公司 | 一种基于标签权重算法的电话营销系统 |
CN109949092A (zh) * | 2019-03-18 | 2019-06-28 | 康美药业股份有限公司 | 基于商品关注度的商品推送方法、服务器及存储介质 |
CN110232600A (zh) * | 2019-06-18 | 2019-09-13 | 浙江华坤道威数据科技有限公司 | 一种基于多源异构数据分析的大屏广告定向投放系统及方法 |
CN110750717A (zh) * | 2019-09-27 | 2020-02-04 | 上海麦克风文化传媒有限公司 | 一种排序权重更新方法 |
CN110750717B (zh) * | 2019-09-27 | 2024-02-02 | 上海麦克风文化传媒有限公司 | 一种排序权重更新方法 |
CN111709781A (zh) * | 2020-06-15 | 2020-09-25 | 浙江点线文化传媒有限公司 | 一种广告联动推送系统 |
CN112330387A (zh) * | 2020-09-29 | 2021-02-05 | 重庆锐云科技有限公司 | 一种应用于看房软件的虚拟经纪人 |
CN112330387B (zh) * | 2020-09-29 | 2023-07-18 | 重庆锐云科技有限公司 | 一种应用于看房软件的虚拟经纪人 |
CN112015998A (zh) * | 2020-11-02 | 2020-12-01 | 北京值得买科技股份有限公司 | 一种基于用户画像的商品推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230051A (zh) | 一种基于标签权重算法的用户对商品关注度的确定方法 | |
Raghu et al. | Dynamic profiling of consumers for customized offerings over the Internet: A model and analysis | |
Bawm et al. | A Conceptual Model for effective email marketing | |
Liu et al. | Mobile commerce product recommendations based on hybrid multiple channels | |
CN105405047A (zh) | 一种基于社区o2o的数据分析系统及其实现方法 | |
TW200923817A (en) | Monetizing rich media advertising interaction | |
WO2008055217A2 (en) | Selecting advertisements based on consumer transactions | |
US10102542B2 (en) | Optimization and attribution of marketing resources | |
CN106407210A (zh) | 一种业务对象的展示方法和装置 | |
CN104572775B (zh) | 广告分类方法、装置及服务器 | |
CN109767302B (zh) | 大数据精准模型的构建方法及装置 | |
CN105335518A (zh) | 生成用户偏好信息的方法及装置 | |
JP4948573B2 (ja) | 広告課金装置及び方法 | |
CN116452261A (zh) | 一种基于跨境电商服务平台的广告投放数据处理方法 | |
CN107885784A (zh) | 提取用户特征数据的方法和装置 | |
CN111626767B (zh) | 资源数据的发放方法、装置及设备 | |
CN109190027A (zh) | 多源推荐方法、终端、服务器、计算机设备、可读介质 | |
CN108694174B (zh) | 内容投放数据的分析方法及装置 | |
CN112132634A (zh) | 虚拟馈赠资源发放方法、装置、计算机设备和存储介质 | |
CN110019774A (zh) | 标签分配方法、装置、存储介质及电子装置 | |
WO2019169990A1 (zh) | 一种为用户提供优惠券的方法和装置 | |
Liu et al. | Understanding the diffusion of mobile digital content: a growth curve modelling approach | |
CN115880077A (zh) | 基于客户标签的推荐方法及其装置、电子设备及存储介质 | |
CN106919609A (zh) | 产品信息推送方法和装置 | |
KR20200113370A (ko) | 상품 판매를 위한 유튜브 크리에이터의 방송에서 판매 예측시스템 구현방법 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180629 |
|
WD01 | Invention patent application deemed withdrawn after publication |