CN108777701B - 一种确定信息受众的方法及装置 - Google Patents
一种确定信息受众的方法及装置 Download PDFInfo
- Publication number
- CN108777701B CN108777701B CN201810372348.1A CN201810372348A CN108777701B CN 108777701 B CN108777701 B CN 108777701B CN 201810372348 A CN201810372348 A CN 201810372348A CN 108777701 B CN108777701 B CN 108777701B
- Authority
- CN
- China
- Prior art keywords
- information
- determining
- audience
- target audience
- category
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种确定信息受众的方法及装置,所述方法包括:确定第一信息提供方提供的推送信息;根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,所述特征参数包括:行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种;确定预设历史时段内所述目标受众类别覆盖的受众;根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众。该方法和装置可以降低确定出的目标受众之间的差异,进而可以提高推送信息的转化率。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种确定信息受众的方法及装置。
背景技术
随着互联网技术的飞速发展,通过互联网向受众推送信息的情况已非常常见。例如,随着社交网络的快速发展,由广告主出资,由广告平台提供受众资源并通过社交网络信息流把广告信息投放给目标受众的场景已屡见不鲜。
目前,信息推送平台(例如广告平台)在接收到信息提供方(例如广告主)的信息推送请求后,常根据用户的互动行为、属性或标签确定信息受众(例如广告受众)。
然而,对于信息受众来说,其虽然被按照自身发布的状态信息和所在地域等打上了具体标签,但是具有相同标签的受众之间的关注点仍然可能存在不小的差异,导致信息推送平台基于标签确定的信息受众,对接收到的推送信息的转化率较低,达不到信息提供方的预期。
发明内容
本申请实施例提供一种确定信息受众的方法及装置,以解决现有的信息受众确定方法确定出的信息受众对应的转化率低的技术问题。
第一方面,本申请实施例提供一种确定信息受众的方法,所述方法包括:
确定第一信息提供方提供的推送信息;
根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,所述特征参数包括:行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种;
确定预设历史时段内所述目标受众类别覆盖的受众;
根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众。
第二方面,本申请实施例还提供一种确定信息受众的装置,所述装置包括:
第一确定模块,用于确定第一信息提供方提供的推送信息;
第二确定模块,用于根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,所述特征参数包括:行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种;
第三确定模块,用于确定预设历史时段内所述目标受众类别覆盖的受众;
第四确定模块,用于根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众。
第三方面,本申请实施例还提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的方法的步骤。
本申请实施例采用的上述至少一个技术方案,能够确定第一信息提供方提供的推送信息;根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,所述特征参数包括:行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种;确定预设历史时段内所述目标受众类别覆盖的受众;根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众。而不是依赖标签确定目标受众,因此可以降低确定出的目标受众之间的差异,进而可以提高推送信息的转化率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的确定信息受众的方法的一种流程示意图。
图2为本申请实施例提供的神经网络模型的原理示意图。
图3为本申请实施例提供的确定信息受众的方法的另一种流程示意图。
图4为本申请实施例提供的确定推荐数量的一种展示界面示意图。
图5为本申请实施例提供的确定信息受众的装置的一种结构示意图。
图6为本申请实施例提供的确定信息受众的装置的另一种结构示意图。
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了解决现有的信息受众确定方法确定出的信息受众对应的转化率低的技术问题,本申请实施例提供了一种确定信息受众的方法和装置,下面分别进行说明。
下面先对本申请实施例提供的一种确定信息受众的方法进行说明。
需要说明的是,实施本申请实施例提供的一种确定信息受众的方法及装置的执行主体,可以是执行该方法的客户端对应的服务器,具体可以是确定信息受众的客户端的服务器上的一个信息推送平台,例如,微博客户端的服务器上的广告推送平台。本申请实施例对实施上述方法及装置的具体实施主体不做限定。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,本申请实施例提供的一种确定信息受众的方法,可以包括如下步骤:
步骤101、确定第一信息提供方提供的推送信息。
信息提供方,可以是需要通过信息推送平台推送信息的用户,例如需要通过广告平台推送广告的广告主,其中,广告就是推送信息的一个例子,广告平台就是信息推送平台的一个例子。
具体来说,当第一信息提供方为广告主,推送信息为广告时,由广告主向广告平台付费,由广告平台提供受众资源,并将广告推送给目标受众的过程称为广告投放。其中,目标受众,也可以称为目标顾客、目标群体或目标客群。由于广告主通过广告平台向目标受众投放广告,通常是为了完成特定的市场营销活动,因此,目标受众,也可以是一个市场营销活动所面向的目标人口群体。
为了便于描述,在本申请实施例中,信息提供方和受众可以统称为信息推送平台的用户。
在实际应用中,第一信息提供方可以在信息平台上选择推送信息模版(如广告创意,具体如微博博文),并在所选择的推送信息模版中编辑信息内容,最终生成推送信息(如广告主在微博上编辑的一条博文)。
步骤102、根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别。
上述特征参数可以包括但不限于:行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种。
受众类别,可以是事先根据受众的上述特征参数划分得到的用户类别。
其中,行业领域,可以是用户(信息提供方或受众)所属的或感兴趣的行业领域,例如,计算机领域、通信领域、金融领域等等,或者根据实际情况划分的更细致的行业领域。用户感兴趣的行业领域具体可以根据该用户已发布或已推送的历史信息,以及被该用户关注的其他用户已发布或已推送的历史信息来确定。例如,若一个用户常常发布或关注关于理财产品的信息,则可以将理财金融领域确定为该用户感兴趣的行业领域。
在一个更为详细的例子中,如果第一信息提供方为广告主,可以通过如下方式确定第一信息提供方感兴趣的行业领域:获取第一信息提供方发布的博文信息,并对获取的博文信息进行分词处理并提取特征;选取第一信息提供方发布的一部分博文,进行人工分类并打上相应行业领域的标签(label),作为训练样本,训练得到多项逻辑斯特回归(softmax regression)构造分类模型;然后将分词处理结果和提取出的特征输入训练出的分类模型中,最终实现对第一信息提供方感兴趣的行业领域的划分。
在上述确定第一信息提供方感兴趣的行业领域的例子中,假设共有k个行业领域,那么第一信息提供方隶属于第j个行业领域的概率的计算公式(也即上述多项逻辑斯特回归构造分类模型)可以为:
其中,y=j表示第一信息提供方隶属于第j个行业领域,x为输入向量(具体为分词结果和提取的特征),θ为训练得出的n维参数向量,θT表示对θ进行转置运算,i=1,2,…,n。
在实际应用中,将概率最大的行业领域确定为第一信息提供方感兴趣的行业领域。在训练得出上述多项逻辑斯特回归构造分类模型的过程中,可以利用梯度下降法计算出θj,从而得出该模型的表达式。
相应的,在第一个例子中,如果上述参数包括行业领域,则上述步骤102具体可以包括:将与所述第一信息提供方所属的行业领域相同的受众类别,确定为所述目标受众类别。
网络社交关系,一般是指用户在使用社交网络服务时,因相互关注而构成的相互依存和相互联系的网络社交关系。相应的,可以通过对第一信息提供方的网络社交关系的挖掘,确定出所述目标受众类别。例如,对于一个第一信息提供方,可以通过找到该第一信息提供方的粉丝的粉丝(二度关系)来确定所述目标受众类别。
具体的,在第二个例子中,如果所述特征参数包括网络社交关系,则上述步骤102可以包括如下子步骤:
子步骤1、确定关注所述第一信息提供方的用户构成的第一集合,也即确定关注所述第一信息提供方的粉丝构成的集合A。
子步骤2、确定关注所述第一集合中用户的用户构成的第二集合,也即确定关注所述第一信息提供方的粉丝的粉丝构成的集合B。
子步骤3、确定所述第一集合在所述第二集合中的余集,也即确定第一信息提供方的非粉丝二度关系集合C,且C=B-A。
子步骤4、根据第二预设模型,估计所述余集中的用户在未来登录信息推送平台的概率,也即估计集合C中的用户在未来某一天可能登录信息推送平台的概率。
在一种具体实施方式中,子步骤4可以使用极限学习机来预测集合C中的用户在未来登录信息推送平台的概率。其中,极限学习机具体采用神经网络模型来预测,但不使用梯度下降算法来求取神经网络模型中各层的相关参数,而是使用广义逆矩阵来求取。具体如图2所示,神经网络模型可以包括输入层21、隐藏层22和输出层23,输入层21输入的是过去n天(例如30天)内C集合中的用户是否登录信息推送平台的登录向量xj,隐藏层22对登录向量xj进行编码,则在输出层23中可以输出用户在第n+m天(例如第31天)的登录概率oj,其中m为大于或等于零的整数。在图2中,L为隐藏层22中的节点数,i=1,2,…,L,αi 代表输入层21到隐藏层22的权重,βi 代表隐藏层22到输出层23的权重。
子步骤5、将所述余集中所述概率满足第二预设条件的用户类别,确定为所述目标受众类别。
其中,第二预设条件可以根据实际需要进行设定,例如第二预设条件可以是所述概率大于50%或60%,等等。例如,可以将集合C中在第n+1天的登录概率大于50%的用户类别确定为所述目标受众类别。
在第三个例子中,如果所述特征参数包括已推送的历史信息的受众类别,则上述步骤102具体可以包括:将所述第一信息提供方已推送的历史信息对应的受众类别,确定为所述目标受众类别。例如,广告平台可以将广告主的历史投放的广告对应的受众类别,确定为所述目标受众类别。
虽然,上文中通过三个例子说明了分别根据行业领域、网络社交关系和已推送的历史信息的受众类别,单独确定能够对所述推送信息产生转化的目标受众类别的情况。但在实际应用中,可以根据行业领域、网络社交关系和已推送的历史信息的受众类别这三个特征参数中任意两个参数或三个参数的结合,确定所述目标受众类别,并且在具体实现时,既可以将根据每一特征参数确定出的受众类别的交集作为最终的目标受众类别,也可以将根据每一特征参数确定出的受众类别的并集作为最终的目标受众类别。
需要说明的是,实际应用中可能存在这样两种情况:一种是,第一信息提供方是没有在所述信息推送平台上推送过推送信息的新信息提供方(例如,没有广告创意购买记录的新广告主);另一种是,第一信息提供方是在所述信息推送平台上推送过推送信息的老信息提供方(例如,有广告创意购买记录的复购广告主)。
对于前者来说,由于不存在与之对应的已推送的历史信息,进而其特征参数中也不会包括已推送的历史信息的受众类别,因此,可以通过行业领域和网络社交关系中的至少一种,挖掘能够对步骤101中确定出的所述推送信息产生转化的目标受众类别。
而对于后者来说,由于存在与之对应的已推送的历史信息,进而其特征参数中可以包括已推送的历史信息的受众类别,因此,可以通过行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种,挖掘能够对步骤101中确定出的所述推送信息产生转化的目标受众类别。
步骤103、确定预设历史时段内所述目标受众类别覆盖的受众。
预设历史时间段可以人为设定,例如可以是过去的一个月或几个月,等等。
例如,广告平台可以提供过去一个月内目标受众类别覆盖的受众(用户或人群)总量及标识信息,其中受众标识信息可以是受众ID或用户名,等等。
步骤104、根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众。
例如,可以将所述目标受众类别覆盖的所有受众或部分受众,确定为接收所述推送信息的目标受众。相应的,在确定出目标受众之后,信息推送平台可以将所述推送信息投放至目标受众的信息流中。
本申请实施例提供的一种确定信息受众的方法,由于可以根据所述第一信息提供方的特征参数,确定能够对推送信息产生转化的目标受众类别;确定预设历史时段内所述目标受众类别覆盖的受众;并根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众。而不是依赖受众的标签确定目标受众,因此可以降低确定出的目标受众之间的差异,进而可以提高推送信息的转化率。
此外,由于不需要依赖受众的标签确定目标受众,进而也可以免去为受众确定标签的冗杂工作量,这不仅减轻了信息推送平台的计算负担,还使得更快捷的选择出目标受众,提升了用户体验。
可选地,在另一个实施例中,如图3所示,在上述步骤104之前,本实施例提供的一种确定信息受众的方法还可以包括:
步骤105、按照预设方式确定所述目标受众的推荐数量。
在此基础上,上述步骤104具体可以包括:根据所述目标受众类别覆盖的受众信息和所述推荐数量,确定所述目标受众。例如,可以根据所述推荐数量,从所述目标受众类别覆盖的全部受众中,选择出与所述推荐数量相当的受众作为所述目标受众。
在一个更为具体的实施方式中,所述根据所述目标受众类别覆盖的受众信息和所述推荐数量,确定所述目标受众,可以包括:向所述第一信息提供方展示所述目标受众类别覆盖的受众总量和所述推荐数量;接收所述第一信息提供方输入的目标数量,所述目标数量是依据所述受众总量和所述推荐数量确定的;根据所述目标受众类别覆盖的受众信息和所述目标数量,确定所述目标受众。
例如,可以通过图4所示的弹窗(也可以是其他形式,并非局限于弹窗)向第一信息提供方展示一定时间内最有可能对推送信息产生转化的受众的数量范围(图4中的输入范围0-81950),其中81950就是所述目标受众类别覆盖的受众总量,同时向用户展示根据预设方式确定出的推荐数量24000(图4中的输入框中显示的默认输入值);第一信息提供方可以根据显示的输入范围0-81950以及推荐数量24000,通过输入框或通过拖动滑动条中的按钮输入目标数量;信息推送平台在接收到第一信息提供方输入的目标数量后,可以从所述目标受众类别覆盖的受众中选择出所述目标数量的受众作为所述目标受众。
在一个更为具体的例子中,上述“根据所述目标受众类别覆盖的受众信息和所述目标数量,确定所述目标受众”可以包括:根据预设点击率估计模型,估计所述目标受众类别覆盖的受众点击所述推送信息的点击率;从所述目标受众类别覆盖的受众中,选出点击率满足第一预设条件的所述目标数量的受众作为所述目标受众。
其中,第一预设条件,例如可以是点击率大于预设值,或者可以是点击率的排名大于预设名次,等等。
例如,当第一信息提供方为广告主,推送信息为广告时,可以根据广告点击率(Click Through Rate,CTR)估计模型预估目标受众类别覆盖的受众点击所述推送信息的点击率。其中,CTR估计模型(也即预设点击率估计模型)可以是梯度提升决策树(GradientBoost Decision Tree,GBDT)、logistic回归分析(Logistic Regression,LR)或GBDT+LR。
具体的,假设当前受众刷新信息流(feed流)后,根据用户id、广告主id和广告id,针对每一受众(目标受众类别覆盖的受众)对待投放的广告进行CTR估计,并根据估计CTR结果,按CTR从大到小的顺序对受众进行排序,将排序在前的受众确定为目标受众,并将广告投放给所述目标受众。
在步骤105中,预设方式可以包括但不限于下列两种方式中的至少一种:
第一种,根据第二信息提供方已推送的历史信息对应的受众数量,确定所述目标受众的推荐数量,所述第二信息提供方为与所述第一信息提供方相似的信息提供方;或者,第二种,根据所述第一信息提供方已推送的历史信息对应的受众数量,确定所述目标受众的推荐数量。
对于上述第二种方式,在一个具体实施方式中,可以直接第一信息提供方已推送的历史信息对应的受众数量,确定为所述目标受众的推荐数量。
下面以一个例子,对上述第一种方式中,确定与所述第一信息提供方相似的第二信息提供方的过程进行说明。也即,本实施例提供的确定信息受众的方法还可以包括如下步骤:根据第一预设模型确定表征所述第一信息提供方的第一特征向量;根据所述第一预设模型,确定表征关注所述第一信息提供方的信息提供方的第二特征向量;根据所述第一特征向量和所述第二特征向量的余弦距离,确定与所述第一信息提供方相似的所述第二信息提供方。更为具体的,可以将所述余弦距离符合第三预设条件的第二信息提供方,确定为与所述第一信息提供方相似的信息提供方。
其中,第一预设模型,例如可以是word2vec模型。第三预设条件,例如可以是余弦距离小于预设阈值,或者可以是余弦距离的排名大于预设名次,等等。
以确定与第一广告主相似的第二广告主为例来说,对于第一广告主,存在一个该第一广告主关注的其他广告主的列表,可以利用word2vec模型确定出第一广告主的向量表达,记为第一特征向量,并利用word2vec模型确定出所述列表中各广告主的向量表达,记为第二特征向量;然后利用预设公式计算出所述列表中各广告主对应的第二特征向量与所述第一特征向量的余弦距离;最后根据余弦距离的大小,确定出所述列表中与第一广告主相似的第二广告主,可以理解,与第一广告主相似的第二广告主的数量可以是一个也可以是多个,例如,可以从所述列表中选出余弦距离相对较小的50个广告主作为与第一广告主相似的第二广告主。
上述预设公式可以为:
在本实施例中,由于可以在确定接收所述推送信息的目标受众之前,根据预设方式确定出所述目标受众的推荐数量,进而使得确定出的目标受众更符合第一信息提供方的预期,提高了第一信息提供方法通过信息推送平台推送信息的效率和使用体验。
相应于上述方法实施例,本申请实施例还提供了一种确定信息受众的装置,下面进行介绍。
如图5所示,本申请实施例提供的一种确定信息受众的装置,可以包括:
第一确定模块501,用于确定第一信息提供方提供的推送信息.
第二确定模块502,用于根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,所述特征参数包括:行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种。
在一个例子中,如果所述特征参数包括行业领域,则所述第二确定模块502,具体用于将与所述第一信息提供方所属的行业领域相同的受众类别,确定为所述目标受众类别。
在另一个例子中,如果所述特征参数包括网络社交关系,所述第二确定模块502可以包括:第一集合确定子模块、第二集合确定子模块、第三集合确定子模块、登录概率估计子模块和受众类别确定子模块。
第一集合确定子模块,用于确定关注所述第一信息提供方的用户构成的第一集合。
第二集合确定子模块,用于确定关注所述第一集合中用户的用户构成的第二集合。
第三集合确定子模块,用于确定所述第一集合在所述第二集合中的余集;
登录概率估计子模块,用于根据第二预设模型,估计所述余集中的用户在未来登录信息推送平台的概率。
受众类别确定子模块,用于将所述余集中所述概率满足第二预设条件的用户类别,确定为所述目标受众类别。
在又一个例子中,如果所述特征参数包括已推送的历史信息的受众类别,则所述第二确定模块502,具体用于将所述第一信息提供方已推送的历史信息对应的受众类别,确定为所述目标受众类别。
第三确定模块503,用于确定预设历史时段内所述目标受众类别覆盖的受众。
第四确定模块504,用于根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众。
本实施例提供的一种确定信息受众的装置,由于可以根据所述第一信息提供方的特征参数,确定能够对推送信息产生转化的目标受众类别;确定预设历史时段内所述目标受众类别覆盖的受众;并根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众。而不是依赖受众的标签确定目标受众,因此可以降低确定出的目标受众之间的差异,进而可以提高推送信息的转化率。
此外,由于不需要依赖受众的标签确定目标受众,进而也可以免去为受众确定标签的冗杂工作量,这不仅减轻了信息推送平台的计算负担,还使得更快捷的选择出目标受众,提升了用户体验。
可选地,在另一个实施例中,如图6所示,本申请实施例提供的一种确定信息受众的装置,还可以包括:推荐数量确定模块505,用于在所述确定接收所述推送信息的目标受众之前,按照预设方式确定所述目标受众的推荐数量。
在此基础上,所述第四确定模块504,用于根据所述目标受众类别覆盖的受众信息和所述推荐数量,确定所述目标受众。
可选地,所述第四确定模块具体可以包括:
展示子模块,用于向所述第一信息提供方展示所述目标受众类别覆盖的受众总量和所述推荐数量;
接收子模块,用于接收所述第一信息提供方输入的目标数量,所述目标数量是依据所述总量和所述推荐数量确定的;
确定子模块,用于根据所述目标受众类别覆盖的受众信息和所述目标数量,确定所述目标受众。
可选地,所述确定子模块,具体可以用于:根据预设点击率估计模型,估计所述目标受众类别覆盖的受众点击所述推送信息的点击率;从所述目标受众类别覆盖的受众中,选出点击率满足第一预设条件的所述目标数量的受众作为所述目标受众。
可选地,所述预设方式包括下列方式中的至少一种:根据第二信息提供方已推送的历史信息对应的受众数量,确定所述目标受众的推荐数量,所述第二信息提供方为与所述第一信息提供方相似的信息提供方;或者,根据所述第一信息提供方已推送的历史信息对应的受众数量,确定所述目标受众的推荐数量。
可选地,本申请实施例提供的一种确定信息受众的装置,还可以包括:
第一特征向量确定模块,用于根据第一预设模型确定表征所述第一信息提供方的第一特征向量;
第二特征向量确定模块,用于根据所述第一预设模型,确定表征关注所述第一信息提供方的信息提供方的第二特征向量;
信息提供方确定模块,用于根据所述第一特征向量和所述第二特征向量的余弦距离,确定与所述第一信息提供方相似的所述第二信息提供方。
在本实施例中,由于可以在确定接收所述推送信息的目标受众之前,根据预设方式确定出所述目标受众的推荐数量,进而使得确定出的目标受众更符合第一信息提供方的预期,提高了第一信息提供方法通过信息推送平台推送信息的效率和使用体验。
需要说明的是,由于装置实施例执行的内容与方法实施例类似,因此,本文对装置实施例部分描述的较为简略,相关之处请参见方法实施例部分。
图7示出了是本申请实施例提供的一种电子设备的结构示意图。请参考图7,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成确定信息受众的装置。处理器,执行存储器所存放的程序,并具体用于执行本申请实施例提供的确定信息受众的方法。
上述如本申请图7所示实施例揭示的确定信息受众的装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图7所示实施例中确定信息受众的装置执行的方法,并具体用于执行本申请实施例提供的确定信息受众的方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,本申请中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (14)
1.一种确定信息受众的方法,其特征在于,所述方法包括:
确定第一信息提供方提供的推送信息;
根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,所述特征参数包括:行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种;
确定预设历史时段内所述目标受众类别覆盖的受众;
根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众;
其中,在所述确定接收所述推送信息的目标受众之前,所述方法还包括:按照预设方式确定所述目标受众的推荐数量;
其中,所述根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众,具体包括:根据所述目标受众类别覆盖的受众信息和所述推荐数量,确定所述目标受众;
所述预设方式包括下列方式中的至少一种:根据第二信息提供方已推送的历史信息对应的受众数量,确定所述目标受众的推荐数量,所述第二信息提供方为与所述第一信息提供方相似的信息提供方;或者,根据所述第一信息提供方已推送的历史信息对应的受众数量,确定所述目标受众的推荐数量;
所述方法还包括:
根据第一预设模型确定表征所述第一信息提供方的第一特征向量;
根据所述第一预设模型,确定表征关注所述第一信息提供方的信息提供方的第二特征向量;
根据所述第一特征向量和所述第二特征向量的余弦距离,确定与所述第一信息提供方相似的所述第二信息提供方。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标受众类别覆盖的受众信息和所述推荐数量,确定所述目标受众,具体包括:
向所述第一信息提供方展示所述目标受众类别覆盖的受众总量和所述推荐数量;
接收所述第一信息提供方输入的目标数量,所述目标数量是依据所述受众总量和所述推荐数量确定的;
根据所述目标受众类别覆盖的受众信息和所述目标数量,确定所述目标受众。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标受众类别覆盖的受众信息和所述目标数量,确定所述目标受众,包括:
根据预设点击率估计模型,估计所述目标受众类别覆盖的受众点击所述推送信息的点击率;
从所述目标受众类别覆盖的受众中,选出点击率满足第一预设条件的所述目标数量的受众作为所述目标受众。
4.根据权利要求1-3任一项所述的方法,其特征在于,如果所述特征参数包括行业领域,以及
所述根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,包括:
将与所述第一信息提供方所属的行业领域相同的受众类别,确定为所述目标受众类别。
5.根据权利要求1-3任一项所述的方法,其特征在于,如果所述特征参数包括网络社交关系,以及
所述根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,包括:
确定关注所述第一信息提供方的用户构成的第一集合;
确定关注所述第一集合中用户的用户构成的第二集合;
确定所述第一集合在所述第二集合中的余集;
根据第二预设模型,估计所述余集中的用户在未来登录信息推送平台的概率;
将所述余集中所述概率满足第二预设条件的用户类别,确定为所述目标受众类别。
6.根据权利要求1-3任一项所述的方法,如果所述特征参数包括已推送的历史信息的受众类别,以及
所述根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,包括:
将所述第一信息提供方已推送的历史信息对应的受众类别,确定为所述目标受众类别。
7.一种确定信息受众的装置,其特征在于,所述装置包括:
第一确定模块,用于确定第一信息提供方提供的推送信息;
第二确定模块,用于根据所述第一信息提供方的特征参数,确定能够对所述推送信息产生转化的目标受众类别,所述特征参数包括:行业领域、网络社交关系以及已推送的历史信息的受众类别中的至少一种;
第三确定模块,用于确定预设历史时段内所述目标受众类别覆盖的受众;
第四确定模块,用于根据所述目标受众类别覆盖的受众信息,确定接收所述推送信息的目标受众;
其中,推荐数量确定模块,用于在所述确定接收所述推送信息的目标受众之前,按照预设方式确定所述目标受众的推荐数量;
其中,所述第四确定模块,具体用于根据所述目标受众类别覆盖的受众信息和所述推荐数量,确定所述目标受众;
所述预设方式包括下列方式中的至少一种:根据第二信息提供方已推送的历史信息对应的受众数量,确定所述目标受众的推荐数量,所述第二信息提供方为与所述第一信息提供方相似的信息提供方;或者,根据所述第一信息提供方已推送的历史信息对应的受众数量,确定所述目标受众的推荐数量;
第一特征向量确定模块,用于根据第一预设模型确定表征所述第一信息提供方的第一特征向量;
第二特征向量确定模块,用于根据所述第一预设模型,确定表征关注所述第一信息提供方的信息提供方的第二特征向量;
信息提供方确定模块,用于根据所述第一特征向量和所述第二特征向量的余弦距离,确定与所述第一信息提供方相似的所述第二信息提供方。
8.根据权利要求7所述的装置,其特征在于,所述第四确定模块包括:
展示子模块,用于向所述第一信息提供方展示所述目标受众类别覆盖的受众总量和所述推荐数量;
接收子模块,用于接收所述第一信息提供方输入的目标数量,所述目标数量是依据所述受众总量和所述推荐数量确定的;
确定子模块,用于根据所述目标受众类别覆盖的受众信息和所述目标数量,确定所述目标受众。
9.根据权利要求8所述的装置,其特征在于,所述确定子模块,具体用于:
根据预设点击率估计模型,估计所述目标受众类别覆盖的受众点击所述推送信息的点击率;
从所述目标受众类别覆盖的受众中,选出点击率满足第一预设条件的所述目标数量的受众作为所述目标受众。
10.根据权利要求7-9任一项所述的装置,其特征在于,如果所述特征参数包括行业领域,
所述第二确定模块,具体用于将与所述第一信息提供方所属的行业领域相同的受众类别,确定为所述目标受众类别。
11.根据权利要求7-9任一项所述的装置,其特征在于,如果所述特征参数包括网络社交关系,所述第二确定模块包括:
第一集合确定子模块,用于确定关注所述第一信息提供方的用户构成的第一集合;
第二集合确定子模块,用于确定关注所述第一集合中用户的用户构成的第二集合;
第三集合确定子模块,用于确定所述第一集合在所述第二集合中的余集;
登录概率估计子模块,用于根据第二预设模型,估计所述余集中的用户在未来登录信息推送平台的概率;
受众类别确定子模块,用于将所述余集中所述概率满足第二预设条件的用户类别,确定为所述目标受众类别。
12.根据权利要求7-9任一项所述的装置,其特征在于,如果所述特征参数包括已推送的历史信息的受众类别,
所述第二确定模块,具体用于将所述第一信息提供方已推送的历史信息对应的受众类别,确定为所述目标受众类别。
13.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810372348.1A CN108777701B (zh) | 2018-04-24 | 2018-04-24 | 一种确定信息受众的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810372348.1A CN108777701B (zh) | 2018-04-24 | 2018-04-24 | 一种确定信息受众的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108777701A CN108777701A (zh) | 2018-11-09 |
CN108777701B true CN108777701B (zh) | 2022-01-25 |
Family
ID=64026694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810372348.1A Active CN108777701B (zh) | 2018-04-24 | 2018-04-24 | 一种确定信息受众的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108777701B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110175295B (zh) * | 2019-06-21 | 2021-05-04 | 卓尔智联(武汉)研究院有限公司 | 广告位推荐方法、电子设备及计算机可读存储介质 |
CN110322294B (zh) * | 2019-07-08 | 2022-05-17 | 秒针信息技术有限公司 | 一种受众数量的确定方法、装置、电子设备及存储介质 |
CN110909069B (zh) * | 2019-11-11 | 2022-03-01 | 口碑(上海)信息技术有限公司 | 用户分层数据的展示方法及装置 |
CN111382363B (zh) * | 2020-03-13 | 2023-12-19 | 北京悠易网际科技发展有限公司 | 受众扩展方法、装置及设备 |
CN111680032B (zh) * | 2020-04-28 | 2024-02-13 | 奇富数科(上海)科技有限公司 | 一种处理信息发送任务的方法、装置和电子设备 |
CN113744066B (zh) * | 2021-09-01 | 2024-04-02 | 杭州隆埠科技有限公司 | 信息推送方法及装置 |
CN113794649B (zh) * | 2021-11-15 | 2022-02-22 | 浙江口碑网络技术有限公司 | 一种信息流量分配方法及装置、存储介质、计算设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2013006440A1 (en) * | 2011-07-01 | 2013-01-10 | Dataxu, Inc. | Creation and usage of synthetic user identifiers within an advertisement placement facility |
CN106412644A (zh) * | 2016-09-19 | 2017-02-15 | 北京喂呦科技有限公司 | 一种基于智能电视播放器的广告精准投放方法及系统 |
CN107545451A (zh) * | 2016-06-27 | 2018-01-05 | 腾讯科技(深圳)有限公司 | 一种广告推送方法及装置 |
CN107947951A (zh) * | 2017-12-21 | 2018-04-20 | 广东欧珀移动通信有限公司 | 用户群组推荐方法、装置及存储介质和服务器 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN106355449B (zh) * | 2016-08-31 | 2021-09-07 | 腾讯科技(深圳)有限公司 | 用户选取方法和装置 |
CN106886918A (zh) * | 2017-02-06 | 2017-06-23 | 中国联合网络通信集团有限公司 | 一种目标用户的确定方法、装置及系统 |
-
2018
- 2018-04-24 CN CN201810372348.1A patent/CN108777701B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2013006440A1 (en) * | 2011-07-01 | 2013-01-10 | Dataxu, Inc. | Creation and usage of synthetic user identifiers within an advertisement placement facility |
CN107545451A (zh) * | 2016-06-27 | 2018-01-05 | 腾讯科技(深圳)有限公司 | 一种广告推送方法及装置 |
CN106412644A (zh) * | 2016-09-19 | 2017-02-15 | 北京喂呦科技有限公司 | 一种基于智能电视播放器的广告精准投放方法及系统 |
CN107947951A (zh) * | 2017-12-21 | 2018-04-20 | 广东欧珀移动通信有限公司 | 用户群组推荐方法、装置及存储介质和服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN108777701A (zh) | 2018-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108777701B (zh) | 一种确定信息受众的方法及装置 | |
CN111178970B (zh) | 广告投放的方法及装置、电子设备和计算机可读存储介质 | |
CN108665329B (zh) | 一种基于用户浏览行为的商品推荐方法 | |
US8655695B1 (en) | Systems and methods for generating expanded user segments | |
CN105989004B (zh) | 一种信息投放的预处理方法和装置 | |
WO2017190610A1 (zh) | 目标用户定向方法、装置和计算机存储介质 | |
CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
US20160132935A1 (en) | Systems, methods, and apparatus for flexible extension of an audience segment | |
US20080288347A1 (en) | Advertising keyword selection based on real-time data | |
US20100228558A1 (en) | Aggregate Content-Based Advertising | |
US20190303980A1 (en) | Training and utilizing multi-phase learning models to provide digital content to client devices in a real-time digital bidding environment | |
CN108153791A (zh) | 一种资源推荐方法和相关装置 | |
US8719096B2 (en) | System and method for generating a maximum utility slate of advertisements for online advertisement auctions | |
WO2022151923A1 (zh) | 一种商品文案处理方法、装置、电子设备、介质和程序 | |
CN110515904B (zh) | 媒体文件的质量预测模型训练方法、质量预测方法及装置 | |
CN111798280A (zh) | 多媒体信息推荐方法、装置和设备及存储介质 | |
US20230316106A1 (en) | Method and apparatus for training content recommendation model, device, and storage medium | |
US20190050890A1 (en) | Video dotting placement analysis system, analysis method and storage medium | |
CN113761348A (zh) | 一种信息推荐方法、装置、电子设备和存储介质 | |
CN116862592A (zh) | 一种基于用户行为的sop私域营销信息自动推送方法 | |
CN115860870A (zh) | 一种商品推荐方法、系统、装置及可读介质 | |
CN114331495A (zh) | 多媒体数据处理方法、装置、设备及存储介质 | |
KR20220082603A (ko) | 광고 전략을 생성하기 위한 광고 방법 및 장치 | |
CN111582901B (zh) | 一种展示链接效果的量化方法、装置、系统及存储介质 | |
CN108875014B (zh) | 基于大数据与人工智能的精准项目推荐方法和机器人系统 |
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 |