CN109087123A - 一种基于人工智能的受众精准筛选方法 - Google Patents
一种基于人工智能的受众精准筛选方法 Download PDFInfo
- Publication number
- CN109087123A CN109087123A CN201810698015.8A CN201810698015A CN109087123A CN 109087123 A CN109087123 A CN 109087123A CN 201810698015 A CN201810698015 A CN 201810698015A CN 109087123 A CN109087123 A CN 109087123A
- Authority
- CN
- China
- Prior art keywords
- feature
- audient
- artificial intelligence
- data
- crowd
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06Q30/0254—Targeted advertisements based on statistics
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于人工智能的受众精准筛选方法,包括:建立特征词库;结合特征词库,建立人与物品相互关联的推荐模型;结合特征词库,从广告主输入的内容中解析出受众人群包的各个特征;根据解析出的各个特征,依靠推荐模型生成受众人群包;针对受众人群包生成统计分析报告。本发明能够精确定位目标受众人群,解决广告主投入大量财力进行广而告之,但收效不明显的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及利用人工智能筛选受众的方法。
背景技术
随着营销市场的不断发展,营销方式的不断丰富,为了获得更好的广告效果,广告主投入大量的人力、物力、财力对人群数据进行挖掘,希望尽可能从各个方面了解客户人群,针对不同客户进行定向广告投放。但是,由于不同数据挖掘人员的技能水平的高低,加入时期的不同,以及挖掘时的侧重点各有不同,最终挖掘到的目标受众人群往往不具有太多的相似性,最终仍然不能避免广而告之,没有针对性。最终只有尽量通过提高覆盖率来达到好的广告效果。如此,尽管耗费了大量的投入,却往往达不到广告主想要的效果。
人工智能(Artificial Intelligence),是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前,智能推荐正是人工智能能发挥巨大作用的领域,人工智能可以深入的挖掘受众的兴趣爱好,了解他们的购买习惯,预测出人们对某一款产品的兴趣度,真正做到对受众的全方位了解。因此,如何有效地利用人工智能技术实现受众筛选,是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种基于人工智能的受众精准筛选方法,能够精确定位目标受众人群,解决广告主投入大量财力进行广而告之,但收效不明显的问题。
实现上述目的的技术方案是:
一种基于人工智能的受众精准筛选方法,包括:
建立特征词库;
结合特征词库,建立人与物品相互关联的推荐模型;
结合特征词库,从广告主输入的内容中解析出受众人群包的各个特征;
根据解析出的各个特征,依靠推荐模型生成受众人群包;
针对受众人群包生成统计分析报告。
在上述的基于人工智能的受众精准筛选方法中,广告主查看统计分析报告,若符合预期,则将受众人群包发送各媒体平台;若不符合预期,选择过滤受众人群包的偏差属性,重新生成受众人群包和统计分析报告。
在上述的基于人工智能的受众精准筛选方法中,所述的建立特征词库,包括:
跟踪目标人群的活动,获取活动结果数据;
从活动结果数据中筛选获取新增特征数据;
向大数据集群中注入新增特征数据;
向大数据集群中注入历史特征数据;
计算大数据集群中各个特征的相似度,根据相似度建立各个特征之间的关联链表;
建立包含各特征以及关联链表的特征词库。
在上述的基于人工智能的受众精准筛选方法中,计算相似度是将数据特征向量化,利用向量的内积来判断数据项的关联度,越相近的数据项会得到越高的内积分;
当两个特征之间的相似度达到预定值,将该两个特征关联。
在上述的基于人工智能的受众精准筛选方法中,特征词库中设定有中英文互换机制。
在上述的基于人工智能的受众精准筛选方法中,所述的建立推荐模型,包括:
将人群数据和历史交易数据清洗匿名化以后,按照预设的客户级别存储到大数据平台中;
从大数据平台中按广告主的客户级别获取相应的数据,建立人与物品相互关联并包含相应特征的推荐模型。
在上述的基于人工智能的受众精准筛选方法中,所述的解析特征,包括:
从广告主输入的内容中抽取关键词;
对关键词利用特征词库进行扩展,获取直接以关键词命名的特征,以及与关键词关联的特征。
在上述的基于人工智能的受众精准筛选方法中,所述的抽取关键词,包括:
分析输入语句中的各个词的词性;
通过词性提取物品的关键词;
通过词性提取人群的性别、地址、年龄的关键词。
在上述的基于人工智能的受众精准筛选方法中,生成受众人群包的过程包括:
将解析出来的特征作为关键词,与推荐模型中各特征进行匹配;
当匹配程度超过预定值,在推荐模型中选定与各特征对应的人群数据、交易数据,合成受众人群包。
在上述的基于人工智能的受众精准筛选方法中,所述的统计分析报告中包含属性:受众人群的年龄、性别、地址位置、最近购买间隔、年度购买次数、年度花费、过去一年平均客单价。
本发明的有益效果是:本发明通过人工智能分析,依托大数据挖掘的功能,为广告主推荐带有相似标签的人群信息,给广告主的招新、消费者洞察等活动提供有力的支持。广告主不仅可以对现有的产品做精准的营销,也可以在推出新产品的时候,得到更多的相关人群推荐。本发明的数据处理都处于安全港中,保证广告主的数据安全。 同时,使得企业更好的了解自己的客户,更好的了解自己的产品,为企业的发展注入新的动力。
附图说明
图1是本发明的基于人工智能的受众精准筛选方法的流程图;
图2是本发明中建立特征词库的流程图;
图3是本发明中建立推荐模型的流程图;
图4是本发明中解析特征的流程图;
图5是本发明中生成受众人群包的流程图。
具体实施方式
下面将结合附图对本发明作进一步说明。
请参阅图1,本发明的基于人工智能的受众精准筛选方法,包括下列步骤:
步骤S1,建立特征词库。使用了当今流行的词向量化的人工智能技术。具体地,如图2所示,包括下列步骤:
步骤S11,跟踪目标人群的活动,获取活动结果数据。
步骤S12,从活动结果数据中筛选获取新增特征数据。
步骤S13,向大数据集群中注入新增特征数据。
步骤S14,向大数据集群中注入历史特征数据。
步骤S15,计算大数据集群中各个特征的相似度,根据相似度建立各个特征之间的关联链表。即:将数据特征向量化,利用向量的内积来判断数据项的关联度,越相近的数据项会得到越高的内积分。从而计算得到各个特征间的相似度,从而提供特征的联想功能。在拥有这样的联想功能后,系统可以基于用户的输入做相关内容的推荐,在用户即使输入用词不准确的情况下,也能得到尽可能关联度高的推荐。特征关联的条件是通过算法计算,当两个特征之间的相似度达到预定值时,即可以关联。
步骤S16,建立包含各特征以及关联链表的特征词库。可以通过技术手段为特征词库提供可视化的界面,能够让用户更多的了解特征词库的内容。特征词库中存有大量的中英文语料,设定有中英文互换机制,可以不断的进行自我学习,确保了特征词库的可用性以及合理性。
步骤S2,结合特征词库,建立人与物品相互关联的推荐模型。推荐模型属于人工智能的重要领域。具体地,如图3所示,包括步骤:
步骤S21,将人群数据和历史交易数据在数据安全岛内进行清洗、匿名化,按照预设的客户级别存储到大数据平台中。为保证数据的安全性,各个广告主之间将完全各自独立运行获取数据。
步骤S22,从大数据平台中按广告主的客户级别获取相应的数据,将这些数据存入广告主自己的数据平台中。建立人与物品相互关联并包含相应特征的推荐模型。推荐模型主要基于矩阵分解的概念,并且经过了多轮的广告活动的结果的验证与改进。
步骤S3,结合特征词库,从广告主输入的内容中解析出受众人群包的各个特征。具体地,如图4所示,包括步骤:
步骤S31,从广告主输入的内容中抽取关键词:分析输入语句中的各个词的词性,例如动词名词等;通过词性提取物品的关键词;通过词性提取人群的性别、地址、年龄的关键词。例如:输入“年龄在21-34岁对唇彩感兴趣的女性”这一内容,会提取特征“21-34岁”、“唇彩”、“女性”。
步骤S32,对关键词利用特征词库进行扩展,获取直接以关键词命名的特征,以及与关键词关联的特征。
步骤S4,根据解析出的各个特征,依靠推荐模型生成受众人群包。具体地,如图5所示,包括步骤:
步骤S41,将解析出来的特征作为关键词,进行搜索,与推荐模型中各特征进行匹配。
步骤S42,当匹配程度超过预定值,在推荐模型中选定与各特征对应的人群数据、交易数据,合成受众人群包。
步骤S5,针对受众人群包生成统计分析报告。统计分析报告中包含属性:受众人群的年龄、性别、地址位置、最近购买间隔、年度购买次数、年度花费、过去一年平均客单价。
广告主查看统计分析报告后,可以决定是否将这个人群包进行分发。广告主产看统计分析报告中的人群包属性,确认此推荐包是否在多个维度上满足其分发的预期。若不符合预期,可以选择过滤受众人群包的偏差属性,然后利用人群分析技术重新分析新的人群包,重制统计分析报告,从而得到最满足自己预期的受众人群。
广告主得到满足自己预期的受众人群包后,可以查看人群包在各个媒体平台的匹配率并且将人群包安全匿名地发送到需要的媒体方,如腾讯微博等。分发可以通过智链系统实施,使得分发可以快速安全的完成。与此同时,通过智链系统根据数据模型精准放大投放人群包,获得更广泛更有效的广告效果。智链系统是安客诚在过去几年中的重点投入,实现了安客诚与各个合作伙伴的数据的安全匹配与对接,可以极大的提高人群包的投放效率。
综上,基于长期以来在大数据技术的积累以及对人工智能方面技术方面的投入,结合已有的人工智能的项目经验以及市场对于前期推出的人工智能项目的反馈,设计出新一代的基于人工智能的受众精准筛选方法,引领中国广告市场的潮流。
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以作出各种变换或变型,因此所有等同的技术方案也应该属于本发明的范畴,应由各权利要求所限定。
Claims (10)
1.一种基于人工智能的受众精准筛选方法,其特征在于,包括:
建立特征词库;
结合特征词库,建立人与物品相互关联的推荐模型;
结合特征词库,从广告主输入的内容中解析出受众人群包的各个特征;
根据解析出的各个特征,依靠推荐模型生成受众人群包;
针对受众人群包生成统计分析报告。
2.根据权利要求1所述的基于人工智能的受众精准筛选方法,其特征在于,广告主查看统计分析报告,若符合预期,则将受众人群包发送各媒体平台;若不符合预期,选择过滤受众人群包的偏差属性,重新生成受众人群包和统计分析报告。
3.根据权利要求1或2所述的基于人工智能的受众精准筛选方法,其特征在于,所述的建立特征词库,包括:
跟踪目标人群的活动,获取活动结果数据;
从活动结果数据中筛选获取新增特征数据;
向大数据集群中注入新增特征数据;
向大数据集群中注入历史特征数据;
计算大数据集群中各个特征的相似度,根据相似度建立各个特征之间的关联链表;
建立包含各特征以及关联链表的特征词库。
4.根据权利要求3所述的基于人工智能的受众精准筛选方法,其特征在于,计算相似度是将数据特征向量化,利用向量的内积来判断数据项的关联度,越相近的数据项会得到越高的内积分;
当两个特征之间的相似度达到预定值,将该两个特征关联。
5.根据权利要求3所述的基于人工智能的受众精准筛选方法,其特征在于,特征词库中设定有中英文互换机制。
6.根据权利要求1或2所述的基于人工智能的受众精准筛选方法,其特征在于,所述的建立推荐模型,包括:
将人群数据和历史交易数据清洗匿名化以后,按照预设的客户级别存储到大数据平台中;
从大数据平台中按广告主的客户级别获取相应的数据,建立人与物品相互关联并包含相应特征的推荐模型。
7.根据权利要求3所述的基于人工智能的受众精准筛选方法,其特征在于,所述的解析特征,包括:
从广告主输入的内容中抽取关键词;
对关键词利用特征词库进行扩展,获取直接以关键词命名的特征,以及与关键词关联的特征。
8.根据权利要求7所述的基于人工智能的受众精准筛选方法,其特征在于,所述的抽取关键词,包括:
分析输入语句中的各个词的词性;
通过词性提取物品的关键词;
通过词性提取人群的性别、地址、年龄的关键词。
9.根据权利要求1或2所述的基于人工智能的受众精准筛选方法,其特征在于,生成受众人群包的过程包括:
将解析出来的特征作为关键词,与推荐模型中各特征进行匹配;
当匹配程度超过预定值,在推荐模型中选定与各特征对应的人群数据、交易数据,合成受众人群包。
10.根据权利要求1或2所述的基于人工智能的受众精准筛选方法,其特征在于,所述的统计分析报告中包含属性:受众人群的年龄、性别、地址位置、最近购买间隔、年度购买次数、年度花费、过去一年平均客单价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810698015.8A CN109087123A (zh) | 2018-06-29 | 2018-06-29 | 一种基于人工智能的受众精准筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810698015.8A CN109087123A (zh) | 2018-06-29 | 2018-06-29 | 一种基于人工智能的受众精准筛选方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109087123A true CN109087123A (zh) | 2018-12-25 |
Family
ID=64834827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810698015.8A Pending CN109087123A (zh) | 2018-06-29 | 2018-06-29 | 一种基于人工智能的受众精准筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087123A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611504A (zh) * | 2019-02-26 | 2020-09-01 | 深圳云天励飞技术有限公司 | 一种处理方法、装置、设备及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345698A (zh) * | 2013-07-09 | 2013-10-09 | 焦点科技股份有限公司 | 电子商务环境下基于云计算处理模式的个性化推荐方法 |
CN105741135A (zh) * | 2016-01-26 | 2016-07-06 | 北京百分点信息科技有限公司 | 广告投放管理方法及其系统 |
CN106095841A (zh) * | 2016-06-05 | 2016-11-09 | 西华大学 | 一种基于协同过滤的移动互联网广告推荐方法 |
CN106611344A (zh) * | 2015-10-23 | 2017-05-03 | 北京国双科技有限公司 | 挖掘潜在客户的方法及装置 |
CN107025570A (zh) * | 2017-01-05 | 2017-08-08 | 李汉洙 | 一种在影院推送广告的方法 |
CN107146112A (zh) * | 2017-05-16 | 2017-09-08 | 西华大学 | 一种移动互联网广告投放方法 |
CN107801061A (zh) * | 2016-03-28 | 2018-03-13 | 乐视控股(北京)有限公司 | 广告数据匹配方法、装置及系统 |
-
2018
- 2018-06-29 CN CN201810698015.8A patent/CN109087123A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345698A (zh) * | 2013-07-09 | 2013-10-09 | 焦点科技股份有限公司 | 电子商务环境下基于云计算处理模式的个性化推荐方法 |
CN106611344A (zh) * | 2015-10-23 | 2017-05-03 | 北京国双科技有限公司 | 挖掘潜在客户的方法及装置 |
CN105741135A (zh) * | 2016-01-26 | 2016-07-06 | 北京百分点信息科技有限公司 | 广告投放管理方法及其系统 |
CN107801061A (zh) * | 2016-03-28 | 2018-03-13 | 乐视控股(北京)有限公司 | 广告数据匹配方法、装置及系统 |
CN106095841A (zh) * | 2016-06-05 | 2016-11-09 | 西华大学 | 一种基于协同过滤的移动互联网广告推荐方法 |
CN107025570A (zh) * | 2017-01-05 | 2017-08-08 | 李汉洙 | 一种在影院推送广告的方法 |
CN107146112A (zh) * | 2017-05-16 | 2017-09-08 | 西华大学 | 一种移动互联网广告投放方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611504A (zh) * | 2019-02-26 | 2020-09-01 | 深圳云天励飞技术有限公司 | 一种处理方法、装置、设备及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thaichon et al. | Online relationship marketing: evolution and theoretical insights into online relationship marketing | |
CN103617230A (zh) | 一种基于微博的广告推荐方法及系统 | |
Bujari et al. | On using cashtags to predict companies stock trends | |
Singh et al. | Sentiment analysis of twitter user data on punjab legislative assembly election, 2017 | |
Jaman et al. | Facebook as marketing tools for organizations: Knowledge management analysis | |
Rahman et al. | Sentiment analysis using R: An approach to correlate cryptocurrency price fluctuations with change in user sentiment using machine learning | |
Quan et al. | CID: Categorical Influencer Detection on microtext-based social media | |
Nguyen et al. | Analysing online customer experience in hotel sector using dynamic topic modelling and net promoter score | |
Özeltürkay et al. | How Turkish banks benefit from social media: analyzing banks formal links | |
Roy et al. | Automated linguistic personalization of targeted marketing messages mining user-generated text on social media | |
Wang | Customer engagement on social media: an examination of NFL teams’ Instagram posts | |
KR20200080737A (ko) | 다중 접속 통합 콘텐츠 서비스 방법 및 시스템 | |
CN109087123A (zh) | 一种基于人工智能的受众精准筛选方法 | |
Amalanathan et al. | Social network user's content personalization based on emoticons | |
CN112883725A (zh) | 一种文案生成方法、装置、电子设备、存储介质 | |
Żytniewski et al. | The outcomes of the research in areas of application and impact of software agents societies to organizations so far. Examples of implementation in Polish companies | |
Agrawal et al. | Textual feedback analysis | |
Abulaish et al. | A layered approach for summarization and context learning from microblogging data | |
Mulahuwaish et al. | Topic modeling based on two-step flow theory: Application to Tweets about bitcoin | |
Saga et al. | Improvement of factor model with text information based on factor model construction process | |
CN114444961A (zh) | 直播计划生成方法、装置、电子设备及存储介质 | |
Nimesh et al. | A survey on opinion mining and sentiment analysis | |
Prakash | Big Data Led Big Monetization. | |
US20150235246A1 (en) | Cross-channel audience segmentation | |
Pribadi et al. | Analysis of Marketplace Social Media User Engagement by Topic |
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 | ||
CB02 | Change of applicant information |
Address after: 226000 Four Third Floors, 120 Zilang Road, Chongchuan District, Nantong City, Jiangsu Province Applicant after: Chain Rui Information Service (Nantong) Co., Ltd. Address before: 226000 Suyuan Industrial Park No. 5, 120 Zilang Road, Chongchuan Economic Development Zone, Nantong City, Jiangsu Province Applicant before: Ankecheng Global Information Service (Nantong) Co., Ltd. |
|
CB02 | Change of applicant information | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181225 |
|
WD01 | Invention patent application deemed withdrawn after publication |