CN109598544A - 一种媒体目标匹配方法及系统 - Google Patents
一种媒体目标匹配方法及系统 Download PDFInfo
- Publication number
- CN109598544A CN109598544A CN201811392176.0A CN201811392176A CN109598544A CN 109598544 A CN109598544 A CN 109598544A CN 201811392176 A CN201811392176 A CN 201811392176A CN 109598544 A CN109598544 A CN 109598544A
- Authority
- CN
- China
- Prior art keywords
- media
- label
- audient
- user
- object matching
- 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
- 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
- G06Q30/0277—Online advertisement
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (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)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供了一种媒体目标匹配方法及系统,所述方法包括:设置多个媒体中每个媒体的媒体标签和受众标签;根据用户点击所述媒体得到的媒体标签和受众标签,确定目标用户,并向所述目标用户推送与所述媒体标签和受众标签对应的媒体。采用该方法在机器学习算法和调参未变的情况下,增加更多的有效且高质量的特征值,将会大幅提升广告点击率预测的准确率。
Description
技术领域
本发明属于计算机技术领域,特别涉及一种媒体目标匹配方法及系统。
背景技术
在效果广告投放过程中,需要获取所有CPC(Cost Per Click,每点击成本)候选创意广告的预估点击率,在CTR(Click-Through Rate,广告点击率)预估获取的时候一般使用来访用户的人口学特征、广告自身特征、广告展示特征信息带入已经训练好的logistic(线性)回归模型中得到用户点击广告的几率。
如图1示出了现有技术中效果广告投放网络流程示意图。如图1所示用户利用能够发起广告请求的终端(例如通过手机等移动终端或台式机等固定终端)发起广告请求,通过网络(例如包括但不限于:广域网、城域网或局域网)访问广告投放机。上述终端接收到上述广告请求后,通过上述网络将广告展示曝光数据上报给日志服务器。该日志服务器将数据(例如用户标识id、浏览器或终端设备信息、请求广告位标识id、所需素材的格式和尺寸、广告展示形式等)导入到DMP(Data ManagementPlatform,数据管理平台)服务器。该DMP服务器从投放机中获取用户的用户标签(也称为用户画像)以及当前参与竞价的所有候选广告信息等,以预测特定用户在特定广告位对特定广告当特定环境下的点击概率,并向该投放机返回pCTR(Predict Click-Through Rate,广告点击率预测)。
但是因为毕竟是预估,若特征值有限或质量不高将严重影响预估的准确度。
发明内容
为了解决现有技术中对于广告点击率预估准确度不高的问题,本发明提供了一种媒体目标匹配方法及系统。
一种媒体目标匹配方法,所述方法包括:
设置多个媒体中每个媒体的媒体标签和受众标签;
根据用户点击所述媒体得到的媒体标签和受众标签,确定目标用户,并向所述目标用户推送与所述媒体标签和受众标签对应的媒体。
进一步,
获取用户点击的媒体的多个媒体标签,确定所述多个媒体标签中相同的媒体标签,并将确定的所述相同的媒体标签与所述用户关联。
进一步,
多个媒体标签中相同的媒体标签的数量和/或占比达到一定阈值时,将所述相同的媒体标签与所述用户关联。
进一步,
获取用户点击的媒体的一个或多个历史媒体标签和点击的媒体的当前媒体标签,确定相同的媒体标签,并将确定的所述相同的媒体标签与所述用户关联。
进一步,
基于所述媒体标签和受众标签设置自有监测链接。
进一步,
所述自有监测链接包括:客户端用户标识、广告位标识、创意广告标识、定向条件标识、创意广告标签标识。
进一步,
所述媒体标签包括价格、车系、车型、品牌、颜色中的一个或多个。
进一步,
获取点击一个媒体的多个用户的受众标签,确定所述多个受众标签中相同的受众标签,并将确定的相同的受众标签与所述用户点击的媒体关联。
进一步,
多个受众标签中相同受众标签的数量和/或占比达到一定阈值时,将所述相同受众标签与所述用户点击的媒体关联。
进一步,
所述受众标签包括性别、收入、位置、年龄中的一个或多个。
进一步,
获取点击媒体的用户的一个或多个历史受众标签和点击媒体的用户的当前受众标签,确定相同的受众标签,并将确定的所述相同的受众标签与所述用户点击的媒体关联。
一种媒体目标匹配系统,包括引擎、DSP、DMP,其中,
所述引擎,用于获取多个媒体中每个媒体的媒体标签和受众标签;
所述DSP,用于接收所述引擎发送的所述媒体标签和受众标签;
所述DMP,用于获取用户点击所述媒体得到的所述媒体标签和受众标签,确定目标用户,并向所述目标用户推送与所述媒体标签和受众标签对应的媒体。
进一步,
所述DSP,还用于基于所述媒体标签和受众标签设置自有监测链接。
进一步,
所述自有监测链接包括:客户端用户标识、广告位标识、创意广告标识、定向条件标识、创意广告标签标识。
进一步,
所述DSP,能够将所述自有监测链接同步给所述DMP。
进一步,
所述DMP,还用于确定所述多个媒体标签中相同的媒体标签,并将确定的所述相同的媒体标签与所述用户关联。
进一步,
所述DMP,还用于获取点击一个媒体的多个用户的受众标签,确定所述多个受众标签中相同的受众标签,并将确定的相同的受众标签与所述用户点击的媒体关联。
在机器学习算法和调参未变的情况下,增加更多的有效且高质量的特征值将会大幅提升pCTR(Predict Click-Through Rate,广告点击率预测)的预估准确率。本发明列出的就是这样两个高质量特征值的定义及生成逻辑。通过对当前用户的特征及创意广告的相互之间匹配关系,生成用户兴趣标签和创意受众标签。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
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示出了根据现有技术的效果广告投放网络流程示意图;
图2示出了根据本发明实施例的媒体目标匹配方法基本流程示意图;
图3示出了根据本发明实施例的广告投放网络流程示意图;
图4示出了根据本发明实施例的添加用户媒体标签的流程示意图;
图5示出了根据本发明实施例的添加创意受众标签的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例提出了一种媒体目标匹配方法,如图2所示,所述方法包括:设置多个媒体中每个媒体的媒体标签和受众标签;根据用户点击所述媒体得到的媒体标签和受众标签,确定目标用户,并向所述目标用户推送与所述媒体标签和受众标签对应的媒体。
本发明实施例以创意广告作为媒体为例进行示例性说明,但并非仅仅限于创意广告这一种媒体形式。
如图3示出了根据本发明实施例的效果广告投放网络流程示意图。如图3所示,用户利用手机、电脑等终端通过引擎查看页面发起效果广告请求,DSP(Demand-SidePlatform,需求方平台)系统获取用户标签。其中该用户标签也称为用户画像,其包含人口属性和兴趣偏好等,例如用户的性别:男,年龄:20~30之间,喜欢的颜色:红色等。
基于所述用户标签,DSP系统获取候选创意广告,获取CPC广告的点击率。根据广告的点击率确定创意胜出的创意广告,并将该胜出的创意广告发送给终端等系统展示页面,以在页面展示创意广告。
创意广告的展示过程中,DSP获取广告曝光的点击数据,并将获得的广告曝光的点击数据上报。本发明实施例中,可以通过系统日志或者接口方式进行收集这些点击数据,DMP可以通过主动查询或数据同步的方式访问这些点击数据。收集到各种创意广告的点击数据后,DMP系统进行数据加工,例如对广告位以及广告创意曝光次数及点击次数进行累计、计算广告位平均点击率、计算广告创意平均点击率、对一段时间内的点击次数超出正常值的数据进行清楚等。收集样本数据(例如,实际发生曝光和点击的上报数据,包括媒体及广告位信息、广告主及素材信息、胜出价格及时间等),对收集的样本追加用户兴趣标签和创意受众标签。
将追加用户兴趣标签和创意受众标签的样本数据导入到训练模型(例如,利用python库中的scikit-learn包实现的决策树模型来做的模型训练)中进行模型训练。在训练中,可以通过以下方式进行修正:
方式一:每隔预定的时间使用最新的数据重新生成一个新的模型;
方式二:将新的样本数据持续得导入上述模型中进行模型训练,让原有模型变得更加贴合实际情况。
通过上述训练并基于在CPC广告获取点击率的步骤中获取的用户信息和素材信息等形成pCTR预估模型。最后,将形成的pCTR预估模型返回到获取CPC广告的点击率。
本发明实施例中,收集样本数据后追加用户兴趣标签(或者创意广告这种媒体标签)和创意广告受众标签。
图4示出了根据本发明实施例的添加用户兴趣标签的流程示意图,如图4所示,本发明实施例中以α、β、γ、δ这4个车辆创意广告为例进行示例性说明。
对这些创意广告分别设置不同的用户兴趣标签,用户兴趣标签可以包括价格兴趣标签、车系兴趣标签和车型兴趣标签等,各个兴趣标签的设置如下表所示:
表1 兴趣标签设置表
通过上表可以看出,可以为不同的创意广告设置了相应的标签。但需要说明的是,本发明实施例以上述三个标签为例进行示例说明,并非仅仅限于上述三个标签,其他兴趣标签(例如车辆价格、车辆颜色等)均可适用于本发明。用户兴趣标签不仅可使用创意标签,也可以是投放计划、创意素材、广告主上一切可标识投放信息特征的信息。
本发明实施例基于上述兴趣标签,为上述四个车辆创意广告设置兴趣标签。上述四个车辆创意广告设置的兴趣标签可以如下表所示:
表2 创意广告兴趣标签设置表
创意广告 | 兴趣标签特征值 |
α | 1、10、21 |
β | 2、11、22 |
γ | 1、12、21 |
δ | 1、13、21 |
在为上述四个车辆创意广告分配对应的兴趣标签后,将分配的兴趣标签连同创意广告植入到引擎中。该引擎与DSP数据连接,其中本发明实施例中引擎可以向DSP请求本次请求需要获取广告的媒体、广告位、用户标识标识uid、用户ua信息等;DSP可以向该引擎返回按照广告请求的要求及竞价逻辑,并最终返回的素材结果。本发明实施例中,可以通过DSP设置自有监测链接,自有监测链接包括:客户端用户标识CID、广告位标识ID、创意广告标识ID(即上述α、β、γ、δ等创意广告的标识)、定向条件ID、创意标签ID(即上述兴趣标签特征值,其为标记到用户的创意标签ID)列表等数据。本发明实施例中,各个广告位设置对应的广告位ID,每个广告位对应有各自的素材大小、格式、广告形式、所属行业等信息,获得广告位ID即可获得上述信息;广告主在添加广告创意时可以选择该创意广告的定向投放范围,范围例如包括城市、时间段、设备、性别、年龄、意向价格区间等,每个定向投放范围可以对应一个定向条件ID,通过该定向条件ID即可确定定向投放范围,还可以做受众标签的一个分类信息。
DSP将设置的上述自有监测链接同步给DMP(Data ManagementPlatform,数据管理平台)。该DMP能够把分散的多方数据进行整合纳入统一的技术平台,并对这些数据进行标准化和细分,让用户可以把这些细分结果推向现有的互动营销环境里的平台。
在终端系统页面上出现上述α、β、γ、δ这4个车辆创意广告。本发明实施例并不限于上述四个车辆广告同时出现在同一页面中,或者以先后顺序出现了一个页面中,或者随机出现了同一页面中,或者出现在不同的页面中,只要出现了多个创意广告均可适用于本发明。
用户看到上述四个创意广告后,根据个人的喜好会点击浏览上述创意广告。本发明实施例假设一个用户A看到α、β、γ、δ这4个车辆创意广告后,只点击浏览了α、γ、δ这三个创意广告。点击浏览后,用户A的CID以及点击的α、γ、δ三个创意广告的广告位ID、创意广告α的ID及其兴趣标签(如上表2中的1、10、21)、创意广告γ的ID及其兴趣标签(如上表2中的1、12、21)、创意广告δ的ID及其兴趣标签(如上表2中的1、13、21)记录到DMP中,同时α、γ、δ三个创意广告的定向条件ID也记录到DMP中。
DMP获得上述用户A的CID、广告位ID、三个创意广告的ID、三个创意广告的定向条件ID、三个创意广告的标签ID列表等数据后,对这些数据进行分析。通过分析确定该用户A选择点击了α、γ、δ三个创意广告,然后获取α、γ、δ这三个创意广告的兴趣标签。获取α、γ、δ这三个创意广告的兴趣标签,DMP对这些兴趣标签进行分析。通过对这三个创意广告兴趣标签的分析发现,这三个创意广告具有相同的兴趣标签1、21,也就是均为低价跑车。DMP根据用户点击创意广告的行为确定占比,即确定某个创意标签id值在当前用户所点击的所有创意广告的占比信息,例如该用户点击了3次创意广告,其中有两个里面都有创意标签a,那么就代表当前用户对于这个创意标签a的占比为66.7%。本发明实施例可以设定用户点击行为的占比大于一定的占比阈值,例如大于50%(需要说明的是,本发明实施例中可以根据实际情况选用合适的值,也可以设定相同的兴趣标签达到一定的数量,例如达到3个)的“底价”、“跑车”两个标签为用户的兴趣标签。最后将这两个相同的兴趣标签同用户A进行绑定,即将兴趣标签1、21与用户A关联。
本发明实施例中,还可以考虑用户之前点击创意广告的历史数据,将历史数据与本次点击相结合来进行上述绑定。即,DMP中存储了用户A历史点击创意广告的兴趣标签,在用户A本次点击之后,将记录的历史兴趣标签与本次点击获得的兴趣标签统一进行上述分析。这种方式的优点在于,综合考虑用户的历史兴趣,并能够根据现在点击的数据进行相应地调整。
本发明实施例中,还可以通过加权的方式提高创意广告的推送效率。若下次用户A再点击浏览创意标签包含“底价”、“跑车”标签创意广告时,生成的预估模型将会对该创意广告针对用户A进行额外的加权,最终达到让当前用户A感兴趣的创意广告胜出、最终提升点击率的目的。
本发明实施例中,将创意广告与目标用户匹配的示例中,还增加了一种创意受众标签,以标记不同的目标用户,对浏览创意广告的分别设置不同的创意受众标签。示例性地,所述创意受众标签可以包括性别标签、收入标签、地理标签等。本发明实施例中可以为不同的标签设置对应的值及其含义,创意受众标签如下表所示:
表3 创意受众标签设置表
通过上表可以看出,为不同的受众设置了相应的标签。但需要说明的是,本发明实施例以上述三个创意受众标签为例进行示例说明,并非仅仅限于上述三个创意受众标签,其他创意受众标签(例如年龄等)均可适用于本发明。
图5示出了根据本发明实施例的添加创意受众标签的流程示意图,如图5所示,本发明实施例中以A、B、C、D这四个用户作为创意受众为例进行示例性说明。
用户A、B、C、D的创意受众标签通过引擎发送该DSP,示例性地,用户A、B、C、D的创意受众标签如下表所示:
表4 创意受众标签设置表
受众用户 | 创意受众特征值 |
A | 3、14、23 |
B | 4、15、23 |
C | 3、16、24 |
D | 3、14、25 |
在为上述四个用户分配对应的创意受众标签后,将分配的创意受众标签植入到引擎中。该引擎与DSP(Demand-Side Platform,需求方平台)数据连接。可以通过DSP设置自有监测链接,自有监测链接包括:用户CID、广告位ID、素材ID(例如,广告创意中所使用的图片或文字等信息的id标识)、定向条件ID等数据。DSP将设置的上述自有监测链接同步给DMP。DSP将收到的上述用户的创意受众标签等数据发送给DMP进行记录。
本发明实施例中,假设创意广告α被用户A、C、D这三个用户查看。由于广告创意α是针对男性定向的,而用户B的性别属性是女,所以在用户B发起广告请求时无法通过是筛选,因此,用户B因为性别不匹配无法胜出。根据上述表4,用户A、C、D这三个用户分别有性别标签“男”,收入标签“20-30万、40-50万”、地理位置标签“天津、上海”。
假设浏览了创意广告α的A、C、D三个用户中的用户A、D通过引擎点击了该创意广告α。用户A、D对创意广告α进行点击的数据发送给DMP。上述点击的数据包括用户CID、广告位ID、素材ID、定向条件ID。
DMP获得用户A、D对创意广告α进行点击的上述数据后,对用户A、D的创意受众标签进行分析,确定所有创意受众标签的共性。本发明实施例中,用户A、D创意受众标签的共性为均是男性、收入在20-30万之间。DMP按照用点击该创意广告的用户的创意受众标签个数占比大于50%这一阈值,即受众用户有三个创意受众标签,而有两个创意受众标签相同(“男”、“20~30w”两个标签),则相同的创意受众标签占比为66.7%。本发明实施例中,上述阈值可以根据实际情况确定,也可以设定创意受众标签个数大于一定阈值。最后将这两个标签(“男”、“20~30w”两个标签)与创意广告α进行绑定实现关联。
与兴趣标签相似,在本发明实施例中还可以考虑用户之前的历史数据,例如考虑A之前的历史数据,基于之前的历史数据确定标签的共性。
同样,还可以通过加权的方式提高创意广告的推送效率。本发明实施例中,还可以基于后续的点击进行处理。例如若下次创意广告α再被一个包含“男性”、“20~30w”标签的用户看见时,生成的决策树预估模型将会对该创意进行额外的加权,最终达到让某个创意广告被与之前点击用户相似人群所看见,最终提升点击率的目的。图5示出了一种设定点击率阈值为3%的示例,3%的点击率阈值设定后,可以获取点击率超过3%的用户A、C、D。通过上述处理后,能够有效地增加点击率。
本发明实施例的这种创意受众标签不仅可利用用户人口属性,也可以使用平台内行为操作的数据统计数据及以此通过建模生成的其它新的特征值和标签。
本发明实施例中,在机器学习算法和调参未变的情况,通过增加这两个能提现广告请求用户与创意广告相关性的特征标签,可有效提升pCTR的预估准确率。最终保证CPC广告收益的提升。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (17)
1.一种媒体目标匹配方法,所述方法包括:
设置多个媒体中每个媒体的媒体标签和受众标签;
根据用户点击所述媒体得到的媒体标签和受众标签,确定目标用户,并向所述目标用户推送与所述媒体标签和受众标签对应的媒体。
2.根据权利要求1所述的媒体目标匹配方法,其中,
获取用户点击的媒体的多个媒体标签,确定所述多个媒体标签中相同的媒体标签,并将确定的所述相同的媒体标签与所述用户关联。
3.根据权利要求2所述的媒体目标匹配方法,其中,
多个媒体标签中相同的媒体标签的数量和/或占比达到一定阈值时,将所述相同的媒体标签与所述用户关联。
4.根据权利要求2所述的媒体目标匹配方法,其中,
获取用户点击的媒体的一个或多个历史媒体标签和点击的媒体的当前媒体标签,确定相同的媒体标签,并将确定的所述相同的媒体标签与所述用户关联。
5.根据权利要求1所述的媒体目标匹配方法,所述方法还包括,
基于所述媒体标签和受众标签设置自有监测链接。
6.根据权利要求5所述的媒体目标匹配方法,其中,
所述自有监测链接包括:客户端用户标识、广告位标识、创意广告标识、定向条件标识、创意广告标签标识。
7.根据权利要1-6任一所述的媒体目标匹配方法,其中,
所述媒体标签包括价格、车系、车型、品牌、颜色中的一个或多个。
8.根据权利要求1所述的媒体目标匹配方法,其中,
获取点击一个媒体的多个用户的受众标签,确定所述多个受众标签中相同的受众标签,并将确定的相同的受众标签与所述用户点击的媒体关联。
9.根据权利要求8所述的媒体目标匹配方法,其中,
多个受众标签中相同受众标签的数量和/或占比达到一定阈值时,将所述相同受众标签与所述用户点击的媒体关联。
10.根据权利要求1、8或9所述的媒体目标匹配方法,其中,
所述受众标签包括性别、收入、位置、年龄中的一个或多个。
11.根据权利要求8所述的媒体目标匹配方法,其中,
获取点击媒体的用户的一个或多个历史受众标签和点击媒体的用户的当前受众标签,确定相同的受众标签,并将确定的所述相同的受众标签与所述用户点击的媒体关联。
12.一种媒体目标匹配系统,包括引擎、DSP、DMP,其中,
所述引擎,用于获取多个媒体中每个媒体的媒体标签和受众标签;
所述DSP,用于接收所述引擎发送的所述媒体标签和受众标签;
所述DMP,用于获取用户点击所述媒体得到的所述媒体标签和受众标签,确定目标用户,并向所述目标用户推送与所述媒体标签和受众标签对应的媒体。
13.根据权利要求12所述的媒体目标匹配系统,其中,
所述DSP,还用于基于所述媒体标签和受众标签设置自有监测链接。
14.根据权利要求13所述的媒体目标匹配系统,其中,
所述自有监测链接包括:客户端用户标识、广告位标识、创意广告标识、定向条件标识、创意广告标签标识。
15.根据权利要求13或14所述的媒体目标匹配系统,其中,
所述DSP,能够将所述自有监测链接同步给所述DMP。
16.根据权利要求12所述的媒体目标匹配系统,其中,
所述DMP,还用于确定所述多个媒体标签中相同的媒体标签,并将确定的所述相同的媒体标签与所述用户关联。
17.根据权利要求12所述的媒体目标匹配系统,其中,
所述DMP,还用于获取点击一个媒体的多个用户的受众标签,确定所述多个受众标签中相同的受众标签,并将确定的相同的受众标签与所述用户点击的媒体关联。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811392176.0A CN109598544A (zh) | 2018-11-21 | 2018-11-21 | 一种媒体目标匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811392176.0A CN109598544A (zh) | 2018-11-21 | 2018-11-21 | 一种媒体目标匹配方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109598544A true CN109598544A (zh) | 2019-04-09 |
Family
ID=65960193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811392176.0A Pending CN109598544A (zh) | 2018-11-21 | 2018-11-21 | 一种媒体目标匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598544A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110515904A (zh) * | 2019-08-13 | 2019-11-29 | 北京达佳互联信息技术有限公司 | 媒体文件的质量预测模型训练方法、质量预测方法及装置 |
CN111815064A (zh) * | 2020-07-21 | 2020-10-23 | 上海数鸣人工智能科技有限公司 | 一种针对用户金融产品需求进行分类和预测的方法 |
CN111932315A (zh) * | 2020-09-02 | 2020-11-13 | 上海优扬新媒信息技术有限公司 | 数据展示的方法及装置、电子设备及计算机可读存储介质 |
CN112016962A (zh) * | 2020-08-26 | 2020-12-01 | 北京字节跳动网络技术有限公司 | 推送方法、装置、电子设备和计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100211466A1 (en) * | 2007-04-06 | 2010-08-19 | Steven Clarke-Martin | System and method for displaying contextual advertisements with media |
CN104965890A (zh) * | 2015-06-17 | 2015-10-07 | 深圳市腾讯计算机系统有限公司 | 广告推荐的方法和装置 |
CN105550903A (zh) * | 2015-12-25 | 2016-05-04 | 腾讯科技(深圳)有限公司 | 目标用户确定方法及装置 |
CN107742221A (zh) * | 2016-08-23 | 2018-02-27 | 腾讯科技(深圳)有限公司 | 一种推广信息的处理方法、装置和系统 |
CN108230050A (zh) * | 2018-02-12 | 2018-06-29 | 北京搜狐新媒体信息技术有限公司 | 广告投放方法及系统 |
-
2018
- 2018-11-21 CN CN201811392176.0A patent/CN109598544A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100211466A1 (en) * | 2007-04-06 | 2010-08-19 | Steven Clarke-Martin | System and method for displaying contextual advertisements with media |
CN104965890A (zh) * | 2015-06-17 | 2015-10-07 | 深圳市腾讯计算机系统有限公司 | 广告推荐的方法和装置 |
CN105550903A (zh) * | 2015-12-25 | 2016-05-04 | 腾讯科技(深圳)有限公司 | 目标用户确定方法及装置 |
CN107742221A (zh) * | 2016-08-23 | 2018-02-27 | 腾讯科技(深圳)有限公司 | 一种推广信息的处理方法、装置和系统 |
CN108230050A (zh) * | 2018-02-12 | 2018-06-29 | 北京搜狐新媒体信息技术有限公司 | 广告投放方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110515904A (zh) * | 2019-08-13 | 2019-11-29 | 北京达佳互联信息技术有限公司 | 媒体文件的质量预测模型训练方法、质量预测方法及装置 |
CN110515904B (zh) * | 2019-08-13 | 2022-04-29 | 北京达佳互联信息技术有限公司 | 媒体文件的质量预测模型训练方法、质量预测方法及装置 |
CN111815064A (zh) * | 2020-07-21 | 2020-10-23 | 上海数鸣人工智能科技有限公司 | 一种针对用户金融产品需求进行分类和预测的方法 |
CN112016962A (zh) * | 2020-08-26 | 2020-12-01 | 北京字节跳动网络技术有限公司 | 推送方法、装置、电子设备和计算机可读存储介质 |
CN111932315A (zh) * | 2020-09-02 | 2020-11-13 | 上海优扬新媒信息技术有限公司 | 数据展示的方法及装置、电子设备及计算机可读存储介质 |
CN111932315B (zh) * | 2020-09-02 | 2023-10-24 | 度小满科技(北京)有限公司 | 数据展示的方法及装置、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598544A (zh) | 一种媒体目标匹配方法及系统 | |
CN103136695B (zh) | 媒体投放价值分析方法及其系统 | |
US10037543B2 (en) | Estimating conversion rate in display advertising from past performance data | |
CN109711885A (zh) | 激励视频广告智能投放方法 | |
US8799062B1 (en) | System for improving shape-based targeting by using interest level data | |
CN106997549A (zh) | 一种广告信息的推送方法及系统 | |
CN106408329A (zh) | 广告访客找回方法及广告投放系统 | |
US20130211909A1 (en) | Server device and advertisment image distribution and program | |
US20170046734A1 (en) | Enhancing touchpoint attribution accuracy using offline data onboarding | |
CN104412563A (zh) | 用于在线广告的方法和系统 | |
CN105160545A (zh) | 投放信息样式确定方法及装置 | |
US20150019324A1 (en) | System and method for centralized advertisements serving and verification | |
CN103166976B (zh) | 一种互联网安全的同步跨域身份标识映射方法 | |
EP2577589A1 (en) | Method of and system for determining contextually relevant advertisements to be provided to a web page | |
US10275793B2 (en) | Content delivery system using natural query events | |
US8296180B1 (en) | System for improving shape-based targeting by using interest level data | |
CN109598543A (zh) | 一种从多种维度条件中获取结果的方法及系统 | |
KR101966596B1 (ko) | Sns 기반 컨텐츠 가공형 마케팅 제공 시스템 및 그 방법 | |
US20140149204A1 (en) | System and method for advertising verification based on users' demographics | |
CN116362810B (zh) | 广告投放效果评估方法 | |
CN109544271A (zh) | 一种交易管理系统 | |
CN112862544A (zh) | 对象信息的获取方法、装置以及存储介质 | |
CN112101979A (zh) | 广告推送方法及其推送系统 | |
KR20200133300A (ko) | 소셜미디어 기반 콘텐츠 가공형 마케팅 제공 시스템 및 그 방법 | |
CN114155004A (zh) | 客户管理方法及装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200520 Address after: Room 323605, building 5, yard 1, Futong East Street, Chaoyang District, Beijing 100020 Applicant after: Youxuan (Beijing) Information Technology Co.,Ltd. Address before: 200131 Shanghai futesz Pudong New Area Free Trade Zone No. 211 North Road, room 368, 302 parts Applicant before: YOUGU (SHANGHAI) INFORMATION TECHNOLOGY CO.,LTD. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190409 |
|
RJ01 | Rejection of invention patent application after publication |