CN108965360A - 一种推荐数据处理方法及服务器、计算机存储介质 - Google Patents

Abstract

本发明公开了一种推荐数据处理方法及服务器、计算机存储介质，其中，所述方法包括：获取第一数据；获取第二数据；根据所述第一数据和所述第二数据的融合处理得到与用户属性相关的第三数据；接收至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度；从所述查询请求中解析出所述维度信息，根据所述维度信息对由所述第一数据和所述第三数据构成的数据集合进行数据筛选，得到待处理数据；对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标；根据所述第一决策指标得到推荐数据；发送所述推荐数据。

Description

一种推荐数据处理方法及服务器、计算机存储介质

技术领域

本发明涉及数据处理技术，尤其涉及一种推荐数据处理方法及服务器、计算机存储介质。

背景技术

随着互联网技术的发展，智能终端的大量普及，数据分享越来越便捷，比如，用户通过社交网站或者社交应用就可以便携地进行数据分享。移动互联网时代的数据分享比传统的互联网时代更加方便。

在数据爆炸的当今，一切都在与时间赛跑，用户需要的不仅是大量数据的分享，更需要从大量数据中高效、快捷的得到符合用户需求的精准推荐数据。一种处理方式为：服务器通过对用户数据的大数据分析，为用户反馈符合用户需求的精准推荐数据，从而，服务器通过发送推荐数据来达到为用户精准推荐数据的目的，以加速数据的传播。

目前的大数据分析中，更侧重于哪一个推荐数据在用户侧得到更多响应来决策是否继续为用户发送该推荐数据，或者，分析或改进推荐数据本身，以便得到用户的更多响应等等，然而，这些分析所基于的指标，以广告信息为例，是从流量维度或广告信息本身的维度所进行的单一维度分析，并不能达到上述精准推荐数据的目的，可见，对于发送推荐数据的现有决策存在不足。然而，相关技术中，对于该不足之处，尚无有效解决方案。

发明内容

有鉴于此，本发明实施例提供了一种推荐数据处理方法及服务器、计算机存储介质，至少解决了现有技术存在的问题。

本发明实施例的一种推荐数据处理方法，所述方法包括：

获取第一数据；

获取第二数据；

根据所述第一数据和所述第二数据的融合处理得到与用户属性相关的第三数据；

接收至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度；

从所述查询请求中解析出所述维度信息，根据所述维度信息对由所述第一数据和所述第三数据构成的数据集合进行数据筛选，得到待处理数据；

对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标；

根据所述第一决策指标得到推荐数据；

发送所述推荐数据。

上述方案中，所述方法还包括：

获取每一个终端上报的第一决策指标；

根据所述每一个终端上报的第一决策指标之和得到第一参考值；

根据所述第一参考值得到第一决策均值；

当终端上报的第一决策指标低于所述第一决策均值的指定比例时，将所述终端确定为目标终端。

上述方案中，所述方法还包括：

对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第二决策指标；

获取每一个终端上报的第二决策指标；

根据所述每一个终端上报的第二决策指标之和得到第二参考值；

根据所述第二参考值得到第二决策均值；

当终端上报的第二决策指标低于所述第二决策均值的指定比例时，将所述终端确定为目标终端。

上述方案中，所述方法还包括：

收集所述目标终端针对所述推荐数据的反馈响应；

对所述反馈响应进行分析，根据得到的分析结果生成数据推荐策略；

根据所述数据推荐策略更新所述推荐数据。

上述方案中，所述方法还包括：

进行异动分析，得到所述第一决策指标在两个不同时间点波动的波动原因，将所述波动原因作为第一决策参数；

根据所述第一决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

上述方案中，所述方法还包括：

进行因子分析，得到所述第一决策指标受其他决策指标变化所产生的影响因素，将所述影响因素作为第二决策参数；

根据所述第二决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

上述方案中，所述方法还包括：

进行影响度分析，得到所述第一决策指标在指定时间点的形成原因，将所述形成原因作为第三决策参数；

根据所述第三决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

上述方案中，所述方法还包括：

进行趋势分析，得到第一决策指标在指定时间段内持续波动的波动原因，将所述波动原因作为第四决策参数；

根据所述第四决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

本发明实施例的一种服务器，所述服务器包括：

第一获取单元，用于获取第一数据；

第二获取单元，用于获取第二数据；

融合单元，用于根据所述第一数据和所述第二数据的融合处理得到与用户属性相关的第三数据；

接收单元，用于接收至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度；

筛选单元，用于从所述查询请求中解析出所述维度信息，根据所述维度信息对由所述第一数据和所述第三数据构成的数据集合进行数据筛选，得到待处理数据；

第一数据分析单元，用于对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标；

数据获得单元，用于根据所述第一决策指标得到推荐数据；

发送单元，用于发送所述推荐数据。

上述方案中，所述服务器还包括：

第三获取单元，用于获取每一个终端上报的第一决策指标；

第一参考值运算单元，用于根据所述每一个终端上报的第一决策指标之和得到第一参考值；

第一均值运算单元，用于根据所述第一参考值得到第一决策均值；

目标确定单元，用于当终端上报的第一决策指标低于所述第一决策均值的指定比例时，将所述终端确定为目标终端。

上述方案中，所述服务器还包括：

第二数据分析单元，用于对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第二决策指标；

第四获取单元，用于获取每一个终端上报的第二决策指标；

第二参考值运算单元，用于根据所述每一个终端上报的第二决策指标之和得到第二参考值；

第二均值运算单元，用于根据所述第二参考值得到第二决策均值；

目标确定单元，用于当终端上报的第二决策指标低于所述第二决策均值的指定比例时，将所述终端确定为目标终端。

上述方案中，所述服务器还包括：

收集单元，用于收集所述目标终端针对所述推荐数据的反馈响应；

策略生成单元，用于对所述反馈响应进行分析，根据得到的分析结果生成数据推荐策略；

更新单元，用于根据所述数据推荐策略更新所述推荐数据。

上述方案中，所述服务器还包括：

第一决策单元，用于：

进行异动分析，得到所述第一决策指标在两个不同时间点波动的波动原因，将所述波动原因作为第一决策参数；

根据所述第一决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

上述方案中，所述服务器还包括：

第二决策单元，用于：

进行因子分析，得到所述第一决策指标受其他决策指标变化所产生的影响因素，将所述影响因素作为第二决策参数；

根据所述第二决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

上述方案中，所述服务器还包括：

第三决策单元，用于：

进行影响度分析，得到所述第一决策指标在指定时间点的形成原因，将所述形成原因作为第三决策参数；

根据所述第三决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

上述方案中，所述服务器还包括：

第四决策单元，用于：

进行趋势分析，得到第一决策指标在指定时间段内持续波动的波动原因，将所述波动原因作为第四决策参数；

根据所述第四决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

本发明实施例的一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如上述方案任一项所述方法的步骤。

本发明实施例的一种服务器，所述服务器包括：

存储器，用于存储能够在处理器上运行的计算机程序；

处理器，用于运行所述计算机程序时，执行如上述方案任一项所述方法的步骤。

本发明实施例的推荐数据处理方法，包括：获取第一数据；获取第二数据；根据所述第一数据和所述第二数据的融合处理得到与用户属性相关的第三数据；接收至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度；从所述查询请求中解析出所述维度信息，根据所述维度信息对由所述第一数据和所述第三数据构成的数据集合进行数据筛选，得到待处理数据；对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标；根据所述第一决策指标得到推荐数据；发送所述推荐数据。

采用本发明实施例，服务器通过多个数据的融合得到与用户属性相关的数据，以便能根据用户属性的维度来全面衡量发送哪些推荐数据给终端。服务器接收的多个查询请求中的每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度，可见，相应于数据的用户维度考虑，在对数据的查询请求中也包含了用户维度。从所述查询请求中解析出所述维度信息，根据所述维度信息进行数据筛选，得到待处理数据后，对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标，以根据所述第一决策指标得到推荐数据，达到精准推荐数据的目的，最终，服务器将所述推荐数据发送给终端进行显示。

附图说明

图1为本发明实施例中进行数据交互的各方硬件实体的示意图；

图2为本发明实施例一方法的实现流程示意图；

图3为本发明实施例一系统架构的示意图；

图4为本发明实施例一服务器的硬件架构示意图；

图5为应用本发明实施例的查询页面示意图；

图6为应用本发明实施例的展示页面示意图；

图7为本发明实施例的一个数据透视平台进行数据分析的示意图；

图8为本发明实施例的另一个数据透视平台进行数据分析的示意图；

图9为本发明实施例的单片索引的详细构造图；

图10为本发明实施例的数据存储架构图。

具体实施方式

下面结合附图对技术方案的实施作进一步的详细描述。

现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明实施例的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。

在下面的详细说明中，陈述了众多的具体细节，以便彻底理解本发明。不过，对于本领域的普通技术人员来说，显然可在没有这些具体细节的情况下实践本发明。在其他情况下，没有详细说明公开的公知方法、过程、组件、电路和网络，以避免不必要地使实施例的各个方面模糊不清。

另外，本文中尽管多次采用术语“第一”、“第二”等来描述各种元件(或各种阈值或各种应用或各种指令或各种操作)等，不过这些元件(或阈值或应用或指令或操作)不应受这些术语的限制。这些术语只是用于区分一个元件(或阈值或应用或指令或操作)和另一个元件(或阈值或应用或指令或操作)。例如，第一操作可以被称为第二操作，第二操作也可以被称为第一操作，而不脱离本发明的范围，第一操作和第二操作都是操作，只是二者并不是相同的操作而已。

本发明实施例中的步骤并不一定是按照所描述的步骤顺序进行处理，可以按照需求有选择的将步骤打乱重排，或者删除实施例中的步骤，或者增加实施例中的步骤，本发明实施例中的步骤描述只是可选的顺序组合，并不代表本发明实施例的所有步骤顺序组合，实施例中的步骤顺序不能认为是对本发明的限制。

本发明实施例中的术语“和/或”指的是包括相关联的列举项目中的一个或多个的任何和全部的可能组合。还要说明的是：当用在本说明书中时，“包括/包含”指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在，但是不排除一个或多个其他特征、整数、步骤、操作、元件和/或组件和/或它们的组群的存在或添加。

本发明实施例的智能终端(如移动终端)可以以各种形式来实施。例如，本发明实施例中描述的移动终端可以包括诸如移动电话、智能电话、笔记本电脑、数值广播接收器、个人数值助理(PDA，Personal Digital Assistant)、平板电脑(PAD)、便携式多媒体播放器(PMP，Portable Media Player)、导航装置等等的移动终端以及诸如数值TV、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。

图1为本发明实施例中进行数据交互的各方硬件实体的示意图，图1中包括：终端1、服务器2。终端1可以由多个终端，如终端11至终端14组成，通过无线或有线方式与服务器2进行信息交互。在一个具体场景中，服务器2可以为竞价广告系统中的指标透视平台的一个具体实现，图1中的服务器个数仅仅起指代作用，并不限制服务器的个数。

用户需要的不仅是大量数据的分享，更需要从大量数据中高效、快捷的得到符合用户需求的精准推荐数据。一种处理方式为：服务器通过对用户数据的大数据分析，得出用户需求，以便反馈符合用户需求的精准推荐数据，收集用户得到推荐数据后的实际响应处理结果，继续对该实际处理结果进行分析，以改进或优化推荐效果，从而，服务器通过发送推荐信息和收集用户响应，达到为用户精准推荐数据的目的，以加速数据的传播。

比如，服务器可以基于用户的当前地理位置为用户反馈精准的推荐数据，即基于用户上报的当前地理位置数据为用户推荐与该当前地理位置数据相关的至少一个推荐信息，如当前地理位置附近的就餐情况、停车情况、电影排期数据等，比如，还可以收集用户的响应得到用户需求为就餐，那么，就只筛选就餐情况并再次推荐给用户。

本发明实施例并不限于上述应用场景。

又如，在一个广告信息投放的场景中，目前，发送推荐信息的现有决策中，决策分析所基于的指标，以广告信息为例，是从流量维度和广告信息本身的维度所进行的分析，并不能达到为用户精准推荐数据的目的。对用户自身的需求，尤其是不同用户对同一个信息的需求分析、特定用户(如蓝海用户)的需求等，并没有加入发送推荐信息的决策中。其中，蓝海用户指：低千人成本(CPM)人群或低填充率人群，比如，蓝海用户的示例包括：1)针对低CPM人群而言，蓝海用户指平均CPM比CPM均值低20％以上的用户。CPM指：广告数据每投放给一千人所花费的平均成本；2)针对低填充率人群而言，蓝海用户指平均填充率比整体填充率均值低20％以上的用户。填充率指：广告数据的返回数/广告数据的请求数。填充率低，说明很多时候，服务器能收到终端发起的针对广告数据的请求，但是，并没有广告数据返回，也就是说，广告主很少把广告数据投到所请求的该广告位或者该目标人群，导致在对这种情况或人群的大数据分析存在数据缺失，从而，无法达到为用户精准推荐数据的目前，也就是说，目前的大数据分析中，对于发送推荐信息的现有决策存在不足。

本文中，“透视”，是指对数据进行分析，不做赘述。

本发明实施例的一个具体实现中，实现上述大数据分析，可以通过指标透视平台来实现，该指标透视平台可以通过由多个服务器分别执行的功能模块或集成于一个服务器中的多个功能模块来实现。

本发明实施例中，上述指标透视平台是为了改进发送推荐信息的决策，目的是为广告主找到最合适的广告数据投放策略以优化整体广告数据的投放效果。该指标透视平台仅仅是整个大数据分析(如广告信息推荐系统)中的一个处理节点。按照上述发送推荐信息的现有决策来看，通过该指标透视平台，是侧重于从流量和广告的维度对广告数据投放给用户后得到的实际响应(如广告数据转化效果)进行的分析，更多的是基于“流量×广告”的维度来展示广告数据的投放效果，缺乏“用户”角度的分析。而通过“用户”角度的分析，可以分析广告数据在不同用户人群上投放效果的差异化，也就是说，是对广告指标从用户视角进行的透视，来帮助查看各个流量上的广告数据在不同用户人群的推荐和/或投放效果，以帮助各个流量寻找适合自己用户的广告主。据此来改进或优化广告数据的推荐和/或投放效果，可以更好的实现推荐数据的定向投放。

本发明实施例中，可以通过上述指标透视平台对用户画像进行分析。用户画像指：从不同的人群属性维度对广告投放的曝光转化指标进行透视。也就是说，该指标透视平台更侧重于“用户”角度的指标分析。当然，该指标透视平台也可以对多个指标进行分析，不限于该“用户”角度的指标分析，还可以包括对流量维度的指标和广告维度的指标进行分析。具体的，上述指标透视平台也可以称为广告效果查询和透视平台。基于该指标透视平台可以实现的功能包括：1)查询各个流量上的广告数据在不同用户人群的投放效果数据；2)通过将不同用户人群的CPM和填充率与大盘均值进行比较，以找到CPM和填充率低于大盘均值20％的蓝海用户人群。3)根据蓝海用户人群的特点，有效指导各个流量合理引入相应行业的广告主。4)对单条广告数据的曝光转化效果进行透视，为优化广告数据的定向投放提供建议，改进或优化发送推荐信息的现有决策，以达到为用户精准推荐信息的目的，相应的，也可以为广告主如何选择广告数据，及将哪些广告数据有针对性的推送给特定目标用户(如蓝海用户人群)提供技术支持。

如图1所示，由服务器执行的处理逻辑10，包括：S1、获取原始数据，如以日志的形式的原始日志；S2、获取用户画像数据；S3、根据原始数据和用户画像数据用户画像数据融合得到与用户属性相关的融合数据；S4、服务器接收终端发送的至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度，从所述查询请求中解析出所述维度信息，根据所述维度信息对该融合数据进行数据筛选，得到待处理数据；S5、对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的CPM，根据CPM得到推荐数据，发送推荐数据给终端。

上述图1的例子只是实现本发明实施例的一个系统架构实例，本发明实施例并不限于上述图1所述的系统结构，基于上述图1所述的系统架构，提出本发明方法各个实施例。

本发明实施例的推荐数据处理方法，如图2所示，包括：获取第一数据(101)。第一数据的一个实例为浏览量数据(简称为流量数据)，将其作为本发明实施例数据分析中的原始数据。可以将原始数据以日志的形式实现，即为原始日志。原始日志包括：曝光日志、点击日志、转化日志、请求日志等。终端发起的查询请求在查询页面中实现。查询页面中包括至少三个指标维度的查询，如流量维度，广告维度及用户属性的维度。其中，从查询请求中得到包含用户维度的数据，如用户属性数据，可以对用户属性数据进行分析，得到用户画像数据。进一步，对用户画像数据的分析是从不同的人群属性维度对广告投放的曝光转化指标进行透视。

本发明实施例的推荐数据处理方法，还包括：获取第二数据(102)。第二数据的一个实例为由用户画像数据，包括如年龄、性别、学历、职业、婚恋及地域等用户基础属性，除此之外，还包括：人物兴趣类数据和行为类标签数据。其中，兴趣类数据，表征人群对广告主商品/服务产生的兴趣，比如教育、金融、汽车等。行为类数据由两种行为构成，1)针对应用(app)的行为，是表征用户对哪种类型的app有哪种偏好行为，比如安装、付费、活跃等；2)针对电商的购物行为，是表征用户在电商购物中的偏好行为，比如对某种类目的产品有浏览、想买、买过等行为。

本发明实施例的推荐数据处理方法，还包括：根据所述第一数据和所述第二数据的融合处理得到与用户属性相关的第三数据(103)。该第三数据的一个实例为：将原始数据和用户画像数据融合后得到的融合数据。除了第一数据(如流量数据)、第二数据(如用户画像数据)、第三数据(流量数据与用户画像融合得到的融合数据，也称为与用户属性相关的数据，本发明实施例中还可以包括除了实验数据。每一个大型的广告流量平台的更新迭代都是由不同的新特性或新策略推动形成的，而每一个特性或策略的全量上线都需要经过实验验证过程。为了支持对广告位和年龄段等细粒度的流量/用户画像数据的查看，本发明实施例引入了实验ID数据，使得服务器可以查看实验维度下的各个维度数据，同时也可以查看实验效果波动是由什么维度的数据带来的。

本发明实施例中，由于集成了各种维度数据，为了提高处理效率，可以对上述数据采用分布式存储方式，具体为分布式存储列式数据库，对该数据库按照每天的数据为单位，分别建立对应的索引，形成具有单片索引的数据库，这样，后续收到服务器用于数据处理及数据分析请求，提取数据时可以采用索引来识别所请求的数据，进一步提高处理效率。筛选特定的维度后，会按维度展开广告投放在该维度上的不同人群的数据，用于查看和分析不同人群的投放转化效果。

本发明实施例中的数据，为多维度的数据，至少包括：流量维度、时间维度和用户维度。一个实例为：数据由请求日志、曝光日志、点击日志、转化日志这4类透视数据，即待服务器处理分析的4类数据组成时，对于5个维度，如时间维度、流量维度、广告维度、实验维度、用户维度等。在查询页面新增用户维度，与用户属性相关。本发明实施例中，包括：原始数据(如广告数据)，融合数据(如与用户维度相关的数据)，及试验数据(属于抽样1％测量数据，目的是为了分析什么维度所导致投放效果的波动。

本发明实施例中，还可以将所述第一数据和所述第三数据构成用于生成数据推荐决策的数据源，所述数据源中的数据具备多个维度，为用户筛选特定的维度后，会按照维度来展开广告投放在该维度上的不同人群的目标数据，用于通过所述目标数据来查看和分析不同人群的投放转化效果。

本发明实施例的推荐数据处理方法，还包括：接收至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度(104)。本发明实施例中，在查询页面中输入查询请求，该查询请求包括：分析类请求和非分析类请求，对于分析类请求，服务器需要对其进行分析，分析的目的是：看为什么广告效果会出现波动；而对于非分析类请求，服务器只是将从非分析类请求中得到的数据存储入数据库中，不需要进行针对性的数据处理和数据分析。其中，对于分析类请求，服务器对其进行分析的过程中，根据上述实施例中的第一数据、第二数据和/或第三数据来计算曝光率，具体的，可以针对特殊用户，如蓝海用户的分析结果计算得到曝光率，由于蓝海用户在所有用户中属于具备数据推荐潜力的用户，因此，通过计算蓝海用户的曝光率，能够更精准的进行推荐数据的投放。最终，根据计算得到的结果为用户的查询请求反馈精准的推荐数据，将推荐数据传输到视图层，经过前端展示编码，将结果展示给用户。

本发明实施例中，计算曝光率的目的是：一是查询各个流量上的广告在不同人群的投放效果数据。二是通过将不同人群的CPM和填充率和大盘均值进行比较，找到CPM和填充率低于大盘均值20％的蓝海人群。根据蓝海人群特点，有效指导各个流量合理引入相应行业的广告主。三是对单条广告的曝光转化效果进行透视，为广告投放优化定向提供建议。对应的，1)了解特定流量/广告主的用户画像；2)发现蓝海用户；3)按人群透视转化率。

从所述查询请求中解析出所述维度信息，根据所述维度信息对由所述第一数据和所述第三数据构成的数据集合进行数据筛选，得到待处理数据。此时，服务器是执行数据处理功能。

本发明实施例的推荐数据处理方法，还包括：对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标(105)。此时，服务器是执行数据分析功能。

本发明实施例中，针对数据分析而言，具体是计算该第一决策指标，如CPM，CPM指千人成本，是广告数据每投放给一千人所花费的平均成本。即：服务器会按照终端请求的维度信息展开广告数据投放在该维度上的不同人群的数据，用于查看和分析各个流量上的广告数据在不同用户人群的投放转化效果，该投放转化效果可以用CPM进行表示。

本发明实施例的推荐数据处理方法，还包括：根据所述第一决策指标得到推荐数据，发送所述推荐数据给终端(106)。

本发明实施例中，获取每一个终端上报的第一决策指标(如CPM)，根据所述每一个终端上报的第一决策指标之和得到第一参考值。根据所述第一参考值和终端个数，可以得到第一决策均值。当终端上报的第一决策指标低于所述第一决策均值的指定比例(该比例可以为百分比，如大盘均值的20％)时，将所述终端确定为目标终端。

本发明实施例中，目标终端为所述目标终端发送推荐数据，与上述实施例的区别在于，不是对所有用户进行分析，由于目标终端对应具备潜力的目标人群(如蓝海用户人群)，因此，将推荐数据发送给该目标终端后收集其上报的反馈，可以更好的对推荐决策进行优化。

本发明实施例中，目标终端，对应蓝海用户人群所在的终端，所述蓝海用户人群指：CPM低于大盘均值20％的用户。通过将不同人群的CPM与大盘均值进行比较，找到CPM低于大盘均值20％的蓝海用户人群，进而根据蓝海用户人群的特点，可以有效指导各个流量合理引入相应行业的广告主。

本发明实施例中，对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第二决策指标，获取每一个终端上报的第二决策指标(如填充率)。根据所述每一个终端上报的第二决策指标之和得到第二参考值，根据所述第二参考值和终端个数，可以得到第二决策均值。当终端上报的第二决策指标低于所述第二决策均值的指定比例(该比例可以为百分比，如大盘均值的20％)时，将所述终端确定为目标终端。

本发明实施例中，目标终端为所述目标终端发送推荐数据，与上述实施例的区别在于，不是对所有用户进行分析，由于目标终端对应具备潜力的目标人群((如蓝海用户人群))，因此，将推荐数据发送给该目标终端后收集其上报的反馈，可以更好的对推荐决策进行优化。

本发明实施例中，目标终端，对应蓝海用户人群所在的终端，所述蓝海用户人群指：填充率低于大盘均值20％的用户。通过将不同人群的或填充率与大盘均值进行比较，找到填充率低于大盘均值20％的蓝海用户人群，进而根据蓝海用户人群的特点，可以有效指导各个流量合理引入相应行业的广告主。

本发明实施例中，收集所述目标终端针对所述推荐数据的反馈响应，对所述反馈响应进行分析，根据得到的分析结果生成数据推荐策略。根据所述数据推荐策略更新所述推荐数据，发送所述推荐数据给所有用户或者目标用户(如蓝海用户人群)。还可以对单条广告的曝光转化效果进行透视，为广告投放优化定向提供建议。

本发明实施例中，本发明实施例中，还包括：异动分析、因子分析、影响度分析、趋势分析，不同的分析算法，其最终目的都是一样的，都是计算待处理数据的曝光率。具体的，1)进行异动分析时，得到所述第一决策指标在两个不同时间点波动的波动原因，将所述波动原因作为第一决策参数，根据所述第一决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。比如，异动分析的一个例子为：分析某个指标在两个不同时间点的波动原因，比如一个广告位昨天的CPM为40元，前天的CPM为30元，分析昨天比前天下降10元的原因。2)进行因子分析时，得到所述第一决策指标受其他决策指标变化所产生的影响因素，将所述影响因素作为第二决策参数，根据所述第二决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。比如，因子分析的一个例子为：分析某个指标的变化受哪些其他指标变化的影响。比如，激活成本＝cpc/激活率，因子分析可以分析激活成本的上升究竟是cpc上升，还是激活率下降引起的。3)进行影响度分析时，得到所述第一决策指标在指定时间点的形成原因，将所述形成原因作为第三决策参数，根据所述第三决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。比如，影响度分析的一个例子为：分析某个指标在某个特定时间点的形成原因，比如一个广告位在2016年12月10日的CPM为35元的原因。4)进行趋势分析时，得到第一决策指标在指定时间段内持续波动的波动原因，将所述波动原因作为第四决策参数，根据所述第四决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。比如，趋势分析的一个例子为：分析某个指标在一段时间内持续波动的原因，比如一个广告位的CPM从上个月到这个月一直在下跌，分析在这段时间内持续下跌的原因。

本发明实施例的推荐数据处理系统，如图3所示，包括终端31和服务器32。终端31在查询页面输入查询信息，发起至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度。服务器32通过以下具体模块对查询请求进行响应，以发送推荐数据给终端31。具体的，服务器32包括：包括：第一获取单元321，用于获取第一数据；第二获取单元322，用于获取第二数据；融合单元323，用于根据所述第一数据和所述第二数据的融合处理得到与用户属性相关的第三数据；接收单元324，用于接收至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度；筛选单元325，用于从所述查询请求中解析出所述维度信息，根据所述维度信息对由所述第一数据和所述第三数据构成的数据集合进行数据筛选，得到待处理数据；第一数据分析单元326，用于对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标；数据获得单元327，用于根据所述第一决策指标得到推荐数据；发送单元328，用于发送所述推荐数据。

以推荐信息为广告信息为例，本发明实施例中，通过“用户”角度的分析，可以分析广告数据在不同用户人群上投放效果的差异化，也就是说，是对广告指标从用户视角进行的透视，来帮助查看各个流量上的广告数据在不同用户人群的推荐和/或投放效果，以帮助各个流量寻找适合自己用户的广告主。据此来改进或优化广告数据的推荐和/或投放效果，可以更好的实现推荐数据的定向投放。

本发明实施例中，所述服务器还包括：第三获取单元，用于获取每一个终端上报的第一决策指标；第一参考值运算单元，用于根据所述每一个终端上报的第一决策指标之和得到第一参考值；第一均值运算单元，用于根据所述第一参考值得到第一决策均值；目标确定单元，用于当终端上报的第一决策指标低于所述第一决策均值的指定比例时，将所述终端确定为目标终端。

本发明实施例中，所述服务器还包括：第二数据分析单元，用于对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第二决策指标；第四获取单元，用于获取每一个终端上报的第二决策指标；第二参考值运算单元，用于根据所述每一个终端上报的第二决策指标之和得到第二参考值；第二均值运算单元，用于根据所述第二参考值得到第二决策均值；目标确定单元，用于当终端上报的第二决策指标低于所述第二决策均值的指定比例时，将所述终端确定为目标终端。

本发明实施例中，所述服务器还包括：收集单元，用于收集所述目标终端针对所述推荐数据的反馈响应；策略生成单元，用于对所述反馈响应进行分析，根据得到的分析结果生成数据推荐策略；更新单元，用于根据所述数据推荐策略更新所述推荐数据。

本发明实施例中，所述服务器还包括如下多个决策单元。

第一决策单元，用于：进行异动分析，得到所述第一决策指标在两个不同时间点波动的波动原因，将所述波动原因作为第一决策参数；根据所述第一决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

第二决策单元，用于：进行因子分析，得到所述第一决策指标受其他决策指标变化所产生的影响因素，将所述影响因素作为第二决策参数；根据所述第二决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

第三决策单元，用于：进行影响度分析，得到所述第一决策指标在指定时间点的形成原因，将所述形成原因作为第三决策参数；根据所述第三决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

第四决策单元，用于：进行趋势分析，得到第一决策指标在指定时间段内持续波动的波动原因，将所述波动原因作为第四决策参数；根据所述第四决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

本发明实施例的计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述各个实施例中推荐数据处理方法的步骤。

本发明实施例的服务器，所述服务器包括：存储器，用于存储能够在处理器上运行的计算机程序；处理器，用于运行所述计算机程序时，执行上述各个实施例中推荐数据处理方法的步骤。

发明实施例的一种服务器，如图4所示，所述服务器包括：存储器61，用于存储能够在处理器上运行的计算机程序；处理器62，用于运行所述计算机程序时，执行如上述实施例中推荐数据处理方法的步骤。所述服务器还可以包括：外部通信接口63，外部通信接口63用于与终端等外设进行信息交互，具体如服务器接收至少一个查询信息，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度。服务器通过对查询请求进行响应，以发送推荐数据给终端。所述服务器还可以包括：内部通信接口64，所述内部通信接口64具体可以是PCI总线等总线接口。

这里需要指出的是：以上涉及终端和服务器项的描述，与上述方法描述是类似的，同方法的有益效果描述，不做赘述。对于本发明终端和服务器实施例中未披露的技术细节，请参照本发明方法流程描述的实施例所描述内容。

以一个现实应用场景为例对本发明实施例阐述如下：

以推荐数据为广告信息为例，本发明实施例的指标透视平台作为竞价广告系统中的一个处理节点，除了指标查询功能，还具备指标透视功能，通过对广告指标从用户视角进行透视，来分析广告在不同人群上的投放转化效果差异，以帮助查看各个流量上的广告在不同人群的投放效果，从而帮助各个流量寻找适合自己用户的广告主，以及帮助优化特定广告的定向。基于该竞价广告系统的指标透视平台具备广告效果查询和透视功能，该平台的功能包括：1、查询各个流量上的广告在不同人群的投放效果数据。2、通过将不同人群的CPM和填充率和大盘均值进行比较，找到CPM和填充率低于大盘均值20％的蓝海人群。根据蓝海人群特点，有效指导各个流量合理引入相应行业的广告主。3、对单条广告的曝光转化效果进行透视，为广告投放优化定向提供建议。

本发明实施例中，为了实现上述功能，需要了解特定流量/广告主的用户画像；需要发现蓝海用户；需要按人群透视转化率。

本发明实施例中，查询页面的用户界面(UI)如图5所示，包括至少一个维度的指标，如时间维度、流量维度及用户维度。其中，用户维度以A1进行标识。增加了用户维度后，上述指标透视平台可以对特定用户的数据进行收集及分析。展示页面UI如图6所示，指标透视平台可以得到曝光数、点击数、CPM等信息，可以据此分析推荐及显示于终端的广告信息的投放效果。

一、一种数据透视平台所处理的数据分析过程，如图7所示，该平台所收集的数据包括：曝光日志、点击日志、转化日志这三种数据类型，将这三种数据类型聚合后得到聚合日志。可以将聚合日志存储于数据库中，根据用户的查询请求，该平台将请求的数据返给给终端进行前端展示。

二、又一种基于竞价广告系统的数据透视平台，如本发明实施例中的指标透视平台，如图8所示。该平台所收集的数据包括：根据原始日志等得到的聚合日志，及将原始日志等与用户维度融合后得到的用户相关日志。可以将聚合日志和用户相关日志以分布式存储的方式存储于数据库中。该平台从数据库提取上述聚合日志和用户相关日志，以进行数据处理和数据分析，得到符合用户需求的目标数据，平台将该目标数据返给给终端进行前端展示。

上述两个平台的区别在于：1)相比于第一种数据透视平台，第二种基于竞价广告系统的数据透视平台，是将第一种数据透视平台中单一的4种原始日志与用户画像数据做融合后，将得到的用户相关日志存储至社交广告平台的海量数据存储引擎(pivot engine)中，这样，就能提供广告数据和用户画像数据所有维度的数据查询；2)相比于第一种数据透视平台，第二种基于竞价广告系统的数据透视平台，增加了后端服务器，通过该后端服务器负责提供数据处理和数据分析功能，从而提高处理效率。

三、基于竞价广告系统的数据透视平台中，其数据存储方式分为两种，第一种数据为原始数据、第二种数据为原始数据和大数据分析过程中所挖掘的用户画像类数据融合而得。原始数据以日志形式存在，可以称为原始日志，原始日志为社交广告平台部的综合浏览量(pageview)日志。原始日志由4种子日志组成，分别为请求、曝光、点击、转化日志。目前，用户画像类数据包括：人物基础属性，例如年龄、性别、学历、职业、婚恋及地域等。

本发明实施例中，用户画像类数据除了包括上述所有的基础属性外，还包含经大数据分析所挖掘的用户维度数据，如人物兴趣类数据和行为类标签数据。其中，人物兴趣类数据，表征人群对广告主商品/服务产生的兴趣，比如教育、金融、汽车等，人物兴趣类数据，也可以称为用户的商业兴趣数据。而行为类数据由两种行为构成，第一种为app行为，表征用户对哪种类型的app有哪种偏好行为，比如安装、付费、活跃等；第二种行为为电商购物行为，表征用户在电商购物中的偏好行为，比如对某种类目的产品有浏览、想买、买过等行为。

除了广告画像数据和流量数据，相比其他数据透视平台，我们还增加了一类数据：实验数据。每一个大型的广告流量平台的更新迭代都是由不同的新特性或新策略推动形成的，而每一个特性或策略的全量上线都需要经过实验验证过程。广点通有自己的实验平台，但是不支持广告位和年龄段等细粒度的流量/画像数据查看，本发明将实验ID数据引入，使得平台可以查看实验维度下的各个维度数据，同时也可以查看实验效果波动是由什么维度的数据带来的。

综上得知，本发明实施例是一个集成了各种维度数据的大数据透视平台。单天的数据记录接近30亿条，数据量级接近900G，为了存储数据，我们使用广点通的分布式存储列式数据库。对于单天数据，我们将其分为200片索引，单片接近4.5G，使用10台数据存储，每台机器单天存储20片索引，当前保持的数据量为3个月，如图9所示为单片索引的详细构造图，包括4个透视数据(请求日志、曝光日志、点击日志、转化日志)和5个维度(时间维度、流量维度、实验维度、日志维度和用户画像维度)。如图10所示为数据存储架构图，以分布式存储方式对数据进行存储，并以索引作为数据的标识。

四、用户画像数据查询

采用分布式存储的两种数据库可以理解成一个汇总表，这个表由指标和维度两类数据组成。

指标是广告平台常见指标，其中包括CPM、CPC、CTR、转化率、曝光UV、点击UV等。根据指标的计算方式，可以将指标分为两种类型：1)单一指标：只做聚合的指标，比如消耗、曝光等；2)复合指标：由两个单一指标相除组成的指标，比如CPM＝消耗/曝光。

维度数据分为5种，分别为时间、流量、广告、实验、用户维度。流量维度和为广告投放的位置相关；广告维度和广告数据相关，其中包含了广告自身数据和广告所属的广告主数据；用户维度数据和广告定向到的人群相关。如表1所示为5种维度分别包含的维度数据：

表1

根据上述表1筛选特定的维度后，会按维度展开广告投放在该维度上的不同人群的数据，用于查看和分析不同人群的投放转化效果。一个具体的查询流程包括如下内容：

步骤301、每天自动从原始数据层提取前一天新生成的数据，生成冷备数据，存储在数据存储层供以后的查询使用，减少每次查询的重复计算。

步骤302、用户输入时间维度、流量维度、广告维度、用户维度的需要查询的维度值。

步骤303、后台收到用户的输入，从数据存储层提取数据，在计算层进行计算。

步骤304、后台计算结果传输到视图层，经过前端展示编码，将结果展示给用户。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (15)

1.一种推荐数据处理方法，其特征在于，所述方法包括：

获取第一数据；

获取第二数据；

根据所述第一数据和所述第二数据的融合处理得到与用户属性相关的第三数据；

接收至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度；

从所述查询请求中解析出所述维度信息，根据所述维度信息对由所述第一数据和所述第三数据构成的数据集合进行数据筛选，得到待处理数据；

对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标；

根据所述第一决策指标得到推荐数据；

发送所述推荐数据。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取每一个终端上报的第一决策指标；

根据所述每一个终端上报的第一决策指标之和得到第一参考值；

根据所述第一参考值得到第一决策均值；

当终端上报的第一决策指标低于所述第一决策均值的指定比例时，将所述终端确定为目标终端。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第二决策指标；

获取每一个终端上报的第二决策指标；

根据所述每一个终端上报的第二决策指标之和得到第二参考值；

根据所述第二参考值得到第二决策均值；

当终端上报的第二决策指标低于所述第二决策均值的指定比例时，将所述终端确定为目标终端。

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

收集所述目标终端针对所述推荐数据的反馈响应；

对所述反馈响应进行分析，根据得到的分析结果生成数据推荐策略；

根据所述数据推荐策略更新所述推荐数据。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

进行异动分析，得到所述第一决策指标在两个不同时间点波动的波动原因，将所述波动原因作为第一决策参数；

根据所述第一决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

6.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

进行因子分析，得到所述第一决策指标受其他决策指标变化所产生的影响因素，将所述影响因素作为第二决策参数；

根据所述第二决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

7.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

进行影响度分析，得到所述第一决策指标在指定时间点的形成原因，将所述形成原因作为第三决策参数；

根据所述第三决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

8.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

进行趋势分析，得到第一决策指标在指定时间段内持续波动的波动原因，将所述波动原因作为第四决策参数；

根据所述第四决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

9.一种服务器，其特征在于，所述服务器包括：

第一获取单元，用于获取第一数据；

第二获取单元，用于获取第二数据；

融合单元，用于根据所述第一数据和所述第二数据的融合处理得到与用户属性相关的第三数据；

接收单元，用于接收至少一个查询请求，每一个查询请求包含至少一个维度的维度信息，所述维度信息包含用户维度；

筛选单元，用于从所述查询请求中解析出所述维度信息，根据所述维度信息对由所述第一数据和所述第三数据构成的数据集合进行数据筛选，得到待处理数据；

第一数据分析单元，用于对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第一决策指标；

数据获得单元，用于根据所述第一决策指标得到推荐数据；

发送单元，用于发送所述推荐数据。

10.根据权利要求9所述的服务器，其特征在于，所述服务器还包括：

第三获取单元，用于获取每一个终端上报的第一决策指标；

第一参考值运算单元，用于根据所述每一个终端上报的第一决策指标之和得到第一参考值；

第一均值运算单元，用于根据所述第一参考值得到第一决策均值；

目标确定单元，用于当终端上报的第一决策指标低于所述第一决策均值的指定比例时，将所述终端确定为目标终端。

11.根据权利要求9所述的服务器，其特征在于，所述服务器还包括：

第二数据分析单元，用于对所述待处理数据进行分析，得到同一个数据在不同终端显示时所上报的第二决策指标；

第四获取单元，用于获取每一个终端上报的第二决策指标；

第二参考值运算单元，用于根据所述每一个终端上报的第二决策指标之和得到第二参考值；

第二均值运算单元，用于根据所述第二参考值得到第二决策均值；

目标确定单元，用于当终端上报的第二决策指标低于所述第二决策均值的指定比例时，将所述终端确定为目标终端。

12.根据权利要求10或11所述的服务器，其特征在于，所述服务器还包括：

收集单元，用于收集所述目标终端针对所述推荐数据的反馈响应；

策略生成单元，用于对所述反馈响应进行分析，根据得到的分析结果生成数据推荐策略；

更新单元，用于根据所述数据推荐策略更新所述推荐数据。

13.根据权利要求9至11任一项所述的服务器，其特征在于，所述服务器还包括：

第一决策单元，用于：

进行异动分析，得到所述第一决策指标在两个不同时间点波动的波动原因，将所述波动原因作为第一决策参数；

根据所述第一决策参数，生成或更新用于所述推荐数据发送的数据推荐策略。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。

15.一种服务器，其特征在于，所述服务器包括：

存储器，用于存储能够在处理器上运行的计算机程序；

处理器，用于运行所述计算机程序时，

执行如权利要求1至8任一项所述方法的步骤。