CN110415010A - 一种互联网广告投放系统、方法及其应用系统 - Google Patents

Abstract

本发明涉及一种互联网广告投放系统、方法及其应用系统。所述投放系统包括：投放计划模块，经配置用于根据用户画像数据和历史投放数据形成投放计划，其中所述投放计划至少包括一组广告素材、广告面向用户的定向数据和计划配置数据；广告计划模块，经配置用于生成广告计划，所述广告计划包括广告素材和广告描述信息，所述广告描述信息至少部分基于广告面向用户的定向数据；以及投放管理模块，经配置用于根据所述计划配置数据向广告投放平台输出所述的广告计划。本发明通过衡量多项因素，筛选出与广告客体匹配度最高的具体受众和性价比较高的广告投放平台，精准地获取用户，实现了对用户的低成本吸引、高可靠留存。

Description

一种互联网广告投放系统、方法及其应用系统

技术领域

本发明涉及一种互联网广告技术领域，特别地涉及一种互联网广告投放系统、方法及其应用系统。

背景技术

随着互联网生态环境的逐渐完善和人们对互联网广告的认可程度的增强，互联网广告行业迅速崛起。能够更深入地结合消费者需求，高效、精准地投放广告一直是广告主(指广告的发布者)的目标。

在互联网广告领域，常用的广告投放方式是：由广告代理商代替广告主在某些广告投放平台(如某些提供广告展示平台的互联网广告媒体)投放广告。虽然采用广告代理商可以为广告主节省了很多广告投放的工作，但是由于广告投放平台和广告主的信息不对称，广告代理商无法快速了解广告受众的喜好，因而无法有针对性地创建在广告投放平台展示的广告。广告投放平台也不能有针对性地发布广告，无法精准快速地为广告主吸引用户。

当然，广告主也可以选择自己来投放广告。然而，这就需要广告主完成从创建投放计划、设置广告到设置创意等一系列的工作。在广告投放后，还要进行投放管理，如查看数据、修改出价、创意等。工作不但繁琐，而且耗时耗力。

发明内容

针对现有技术中存在的技术问题，本发明提出了一种互联网广告投放系统、方法及其应用系统，用于实现广告的智能投放和管理。

为解决上述技术问题，本发明提供了一种互联网广告投放系统，包括：

投放计划模块，经配置用于根据用户画像数据和历史投放数据形成投放计划，其中所述投放计划至少包括一组广告素材、广告面向用户的定向数据和计划配置数据；

广告计划模块，经配置用于生成广告计划，所述广告计划包括广告素材和广告描述信息，所述广告描述信息至少部分基于广告面向用户的定向数据；以及

投放管理模块，经配置用于根据所述计划配置数据向广告投放平台输出所述的广告计划。

本发明还提供了一种互联网广告投放方法，包括：

根据用户画像数据和历史投放数据形成投放计划，其中所述投放计划至少包括一组广告素材数据、广告面向用户的定向数据和计划配置数据；

根据所述投放计划生成广告计划，所述广告计划包括广告素材和广告描述信息，所述广告描述信息至少部分基于广告面向用户的定向数据；以及

根据所述计划配置数据向广告投放平台输出所述的广告计划。

本发明还提供了一种互联网广告投放系统的应用系统，包括：

前述的广告投放系统，经配置用于向一个或多个广告投放平台输出广告计划；

投放效果分析系统，经配置用于根据新增用户数据获得所述广告计划的效果数据；以及

用户画像生成系统，经配置用于利用从广告投放系统获取的新增用户对应的投放计划中的面向用户定向数据、采集到的用户静态数据和采集到的用户行为数据中一者或多者，形成所述新增用户的画像数据。

本发明提供的互联网广告投放系统通过衡量多项因素，自动地筛选出与广告客体(广告中宣传的内容，如具体的商品)匹配度最高的具体受众和性价比较高的广告投放平台，可以精准地获取广告客体的用户，再通过匹配的内容承接，实现了对用户的低成本吸引、高可靠留存。本发明可自动生成广告投放计划，并根据投放效果自动调整投放计划，如调整出价、调整定向用户、调整广告创意等，实现了广告的智能化投放，解决了广告主在投放广告时耗时耗力的问题。

附图说明

下面，将结合附图对本发明的优选实施方式进行进一步详细的说明，其中：

图1是根据本发明的一个实施例的互联网广告投放系统的应用系统原理结构示意；

图2是根据本发明的一个实施例的互联网广告投放系统的原理结构示意；

图3是根据本发明的一个实施例的互联网广告投放方法的流程图；以及

图4是根据本发明的一个实施例的调整广告投放计划的方法流程图。

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、完整地描述，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。

在以下的详细描述中，可以参看作为本申请一部分用来说明本申请的特定实施例的各个说明书附图。在附图中，相似的附图标记在不同图式中描述大体上类似的组件。本申请的各个特定实施例在以下进行了足够详细的描述，使得具备本领域相关知识和技术的普通技术人员能够实施本申请的技术方案。应当理解，还可以利用其它实施例或者对本申请的实施例进行结构、逻辑或者电性的改变。

图1为根据本发明一个实施例的互联网广告投放系统的应用系统原理结构示意图。如图1所示，所述应用系统包括互联网广告投放系统1、广告中宣传的应用3(如某个APP)、用户画像生成系统4、内容推荐系统5和投放分析系统6。其中，还包括各种数据库，如用户画像数据库71、历史投放数据库72、投放效果数据库73和模型数据库74。

参见图1，广告投放系统1采用某种算法，如LR(Logistic Regression,逻辑回归)、RF(Random Forest，随机森林)、GBDT Gradient Boosting Decision Tree，梯度提升树)等，以模型数据库74中的学习集数据进行学习得到机器学习模型，将其存储在模型数据库74中。其中，根据算法不同可以有多种多样的机器学习模型。广告投放系统1以用户画像数据库71和历史投放数据库72中的数据作为模型的数据源，通过机器学习模型的计算，得到一个投放计划，进而生成可以输出给广告投放平台2的广告计划。在一个投放计划实施时，将所述投放计划记录在历史投放数据库72中。

当广告投放系统1的数据源发生更新时，广告投放系统1根据更新的数据源更新机器学习模型，进而更新投放计划，或者原机器学习模型以更新的数据源重新计算得到新的投放计划。在当前广告计划的投放时间到达时，向平台输出根据新的投放计划得到的新的广告计划。通过上述两种方式可以不断地完善广告计划，进而逐步提高广告投放平台2的效率和新用户的转化率。

广告投放平台2按照所述广告计划，如在某个时段、某个广告位，在其平台上展示相应的广告。当广告投放平台2的用户通过浏览所述广告而转化为应用3的新增用户时，一方面，用户画像生成系统4分别从广告投放系统1的投放计划和广告投放平台2获取新增用户的部分用户数据作为所述新增用户的画像数据。例如，从投放计划中获取广告面向用户定向数据，如性别、年龄、设备环境等；从广告投放平台2中获取新增用户的基本信息，如性别、所在城市等，将这些作为新增用户的画像数据存储到用户画像数据库。随着所述新增用户在应用3上的活动，用户画像生成系统4采集所述新增用户的基础特性数据和行为数据。例如，当应用3为阅读型APP时，采集到的基础特性数据例如为阅读文章的起止时间、时长、文章类型等；采集到的用户行为数据例如为参与活动的积极程度、成为某个组织或活动的会员的可能性、阅读爱好等。从而根据这些数据不断地完善所述新增用户的画像数据。另一方面，内容推荐系统5从广告投放系统1的投放计划和广告投放平台2获取新增用户的部分用户数据，以此作为预测基础，向所述新增用户推荐其可能喜欢的内容，并且，随着所述新增用户的画像数据的不断完善，完善向所述新增用户推荐的内容，因而提高了用户的留存。

投放分析系统6根据应用3的新增用户情况，确定投放计划的投放效果。例如，根据应用3的新增用户的来源确定其来自的投放计划，通过统计来自一个投放计划的新增用户的数量可以确定所述投放计划的真正转化率，并将计算得到的投放计划的转化率存储在投放效果数据库73中。

图2是根据本发明的一个实施例的互联网广告投放系统的原理结构示意。所述广告投放系统1具体包括投放计划模块11、广告计划生成模块12和投放管理模块13。

如图2所示，所述投放计划模块11经配置用于根据用户画像数据和历史投放数据获取投放计划，所述投放计划包括一组相匹配的广告素材、广告面向用户的定向数据、广告费用数据和计划配置数据。具体地，所述投放计划模块11经进一步配置包括：学习模型单元111和优化控制单元112。其中，所述学习模型单元111通过第一数据接口与用户画像数据库71相连接，通过第二数据接口与历史投放数据库相连接，以用户画像数据和历史投放数据作为机器学习模型的输入数据源，经过所述机器学习模型的计算获取所述投放计划。所述投放计划包括一组相互匹配的广告素材、广告面向用户的定向数据、广告费用数据和计划配置数据。例如，所述机器学习模型通过算法可以确定某一类型的用户的广告素材应是什么、定价为多少、如何投放等一组数据。在本发明中，将这组数据称为投放计划。

所述的机器学习模型可以是根据算法学习生成后存储在模型数据库74中的模型。所述学习模型单元111通过第四数据接口与模型数据库74相连接，从中选出一个机器学习模型来使用，并可以随时更新或更换。所述优化控制单元112通过第三数据接口与投放效果数据库73相连接，从中获得所述投放计划的效果数据，将其与参考数据进行对比，根据对比结果获取优化参数，并将其发送给所述学习模型单元112。所述学习模型单元112按照所述优化参数优化所述机器学习模型或更换所述学习模型。

在以上的说明中，为了清楚地说明广告投放系统1与外围各种数据库的连接关系，在描述中，广告投放系统1分别通过不同的数据接口与相应的数据库进行连接用于接收或发送数据，但是，这并不意味着广告投放系统1一定要设置这么多数量的数据接口。在具体的应用中，可以根据数据库的设置和数据存取的控制时序灵活采用适量的数据接口。

所述广告计划生成模块12经配置根据所述投放计划生成广告计划，所述广告计划包括广告素材和广告描述信息。例如，所述广告素材包括广告样式、广告创意和广告落地页地址。其中，广告样式适应于展示时的广告位，如横版或竖版。广告创意与样式相适应，其具体为展示时的内容，如图片、文字、动图或短视频等。本发明可以自动提供符合用户定向数据的广告创意和广告落地页，从而提高了广告点击率和转化率。广告描述信息中记录了向广告投放平台2提供的数据，如本广告的面向用户定向数据，如性别、年龄、城市；广告展示时间，即广告推出的时间，如一天当中的某个时段；广告位置，如首屏广告位、次屏广告位或详情页广告位等。本发明通过向广告投放平台2发送与本广告计划相关的用户定向数据，可以帮助广告投放平台2更加精准地确定本广告的面向用户，并且，通过设置的广告展示时间来控制广告投放的成本。另外，广告描述信息中还可以包括该广告计划的ID，用于标识所述广告计划。广告描述信息中还可以包括定价数据，如预算、出价等。其中，预算可以为每天的预算或每周的预算。出价可以根据广告的性质、广告投放平台2的类型等采用合适的出价方式，常用的可以是：按CPM(Cost Per Thousand Impression，每千人成本)出价，即只要向足够量级的用户展示了广告主的内容，广告主就为此付费；按CPC(Cost Per Click，每点击成本)出价，即根据广告被点击的次数计费；按CPA(Cost Per Action，每行动成本)出价，即按投放实际效果计价，所述的行动成本可以是电话咨询，即一个客户咨询电话所需费用；表单提交，即用户提交一次个人信息所需费用；单次下载成本，即APP被下载一次所需要的费用；也可以是按OCPC(Optimized Cost Per Click，以目标转化为优化方式的点击出价)出价。广告描述信息中还可以包括要求广告投放平台采集并回传的数据，如广告展示次数、点击次数、现金消耗等数据，可用于投放效果分析系统分析所述投放计划的投放效果使用。在另一个实施例中，广告描述信息中还可以包括投放时间，所述投放时间用于限定所述广告计划在广告投放平台的广告展示有效时间，例如10天、1周等。广告投放平台在开始展示广告时计时，当广告在广告投放平台的展示有效时间到达所述投放时间时，停止所述广告在广告投放平台的展示。

所述投放管理模块13经配置用于根据投放计划中的计划配置数据向广告投放平台输出所述的广告计划。其中，所述计划配置数据包括投放目的、转化目标、投放时间和广告投放平台。所述投放目的用于投放计划模块11的优化控制单元112与所述投放计划的效果数据进行比较。例如，所述投放目的为用户转化率为10％，而所述投放计划的效果数据是转化率为15％，说明所述投放计划的相关数据合理，并取得了好的效果。相反，如果所述投放计划的效果数据低于10％，如5％，则说明所述投放计划需要调整，优化控制单元112将需要调整的指令及优化参数，如调价、调整创意等参数，发送给所述学习模型单元111，学习模型单元111或者更新学习模型，或者更换学习模型，或者根据更新的数据源计算得到新的投放计划。所述投放时间用于限定所述广告计划在相应广告投放平台的广告展示有效时间，例如10天、1周等。所述转化目标为用于确定所述广告计划的面向用户成功转化的参数，例如点击、激活、下载等参数，为投放效果分析系统分析所述投放计划的投放效果提供依据。

在一个实施例中，所述投放管理模块13将所述广告计划生成模块12生成的广告计划输出给所述的广告投放平台2时计时，在达到投放时间时，所述广告计划完成投放，根据效果数据，或者继续投放，或者更新后投放。当投放计划模块11更新了投放计划时，广告计划生成模块12根据更新的投放计划生成新的广告计划。所述投放管理模块13按照新的投放计划向广告投放平台2输出新的广告计划。在一个实施例中，广告投放平台2提供广告投放API，所述投放管理模块13通过调用所述广告投放API，将广告计划输出给所述的广告投放平台2。

本发明提供的互联网广告投放系统通过衡量多项因素，从而筛选出与广告客体匹配度最高的具体受众和性价比较高的广告投放平台，可以精准地获取广告客体的用户，并通过匹配的内容承接，实现了对用户的低成本吸引、高可靠留存。本发明自动生成广告投放计划，并根据投放效果自动调整投放计划，如调整出价、调整定向用户、调整广告创意等，实现了自动化、智能化投放，因而为广告主减少了工作量、释放了人力。

图3为根据本发明一个实施例的互联网广告投放方法的流程图。所述方法包括：

步骤S1,根据用户画像数据和历史投放数据获取投放计划，所述投放计划包括一组相匹配的广告素材、广告面向用户的定向数据、广告费用数据和计划配置数据等。具体地，从模型数据库74中选取一个机器学习模型，以用户画像数据库71和历史投放数据库72中的数据作为模型的数据源，通过机器学习模型的计算，得到相互匹配的广告素材、广告面向用户的定向数据、广告费用数据和计划配置数据。例如，所述机器学习模型通过算法可以确定某一类型的用户的广告素材应是什么、定价为多少、如何投放等一组数据。在本发明中，将这组数据称为投放计划。在一个实施例中，一个投放计划中的部分数据如表1所示。

表1

步骤S2，根据所述投放计划生成广告计划，所述广告计划包括广告素材和广告描述信息，用于输出给广告投放平台，如前述表格中的今日头条。其中，广告素材包括广告样式、广告创意和广告落地页地址，广告创意与广告样式相适应，其具体为展示时的内容，如图片、文字、动图或短视频等。所述内容可以为处理好后存储在动态素材库中的内容，在生成计划时，可以直接调用。在一个实施例中，为了便于在素材库中查找到符合作品样式、创意等要求的素材，可以在素材的名称中包括创意、样式，甚至可以包括投放平台。广告描述信息中记录了向广告投放平台2提供的数据，如本广告计划的用户定向数据；广告展示时间；广告位等信息，从而为广告投放平台提供了其在投放时所需要的针对本广告更为精准的数据，在一个实施例中，还可以在广告描述信息中包括要求广告投放平台采集并回传的数据，如广告展示次数、点击次数、现金消耗等数据，用于提供给投放效果分析系统来分析所述投放计划的投放效果。

步骤S3,根据投放计划中的计划配置数据向广告投放平台输出所述的广告计划。具体地，可通过调用广告投放平台提供的广告投放API，将广告计划输出给所述的广告投放平台，完成所述广告计划的自动投放。

在针对广告主的某个商品投放广告的过程中，为了获得更好的投放效果，本发明可以对所述商品的广告投放计划自动调整与优化。具体地，优化投放计划的流程的实施例如图4所示：

步骤S10，在一个投放计划的投放时间达到了计划中规定的投放时间时，获取所述投放计划的效果数据。如图1所示，投放分析系统6根据应用3的新增用户情况，确定投放计划的投放效果。如投放分析系统6从广告投放系统1的投放计划中获取转化目标，如“激活”，根据新增用户对广告客体激活与否，计算用户转化率，并将其存储在投放效果数据库73中。从投放效果数据库73中可以查询得到所述投放计划的效果数据。

步骤S11，判断获取所述投放计划时使用的机器学习模型是否为已验证过的模型，如果机器学习模型没有经过验证，则在步骤S12a从模型数据库74中获取校验集数据，以校验集数据作为参考数据；如果机器学习模型已经过验证，则在步骤S12b从所述投放计划中的计划配置数据获取投放目的参数—转化率，以所述转化率作为参考数据。在一个实施例中，如果在创建的机器学习模型经过验证后才可以上线使用时，则不需要如本步骤的判断，直接将效果数据与计划中的目的参数进行对比即可。而另一些实施例中，一个机器学习模型在创建后，需要通过上线的实际效果来进行调整、优化，因而，使用处于此阶段的机器学习模型的投放计划，对应该机器学习模型有一个配套的验证集数据，用于验证所述机器学习模型的计算效果。

步骤S13，对比所述投放计划的效果数据与参考数据。

步骤S14，判断二者之间的差距是否在预定范围内，如果二者之间的差距在预定范围内，则认为不需要对原投放计划进行调整，结束当前的调整流程。如果二者之间的差距超出了预定范围内，则需要进行调整。例如，转化率的差值预定范围为2％，所述2％为可接受范围，如果效果数据的值与参考数据的差值在此范围内，说明当前的投放计划合适，不需要进行调整，结束流程，如果二者的差值大于2％，说明或者投放计划的参考数据设置不当，或者投放计划设置不当，或者用于计算投放计划的机器模型不合理。

步骤S15,判断效果数据的值是否大于参考数据的值，如果效果数据的值过于大于参考数据的值，说明所述参考数据设置不当，需要调整参考数据，例如，在步骤S16,调整投放计划中的投放目的参数值。如果参考数据的值大于效果数据，说明当前投放计划没有取得预置效果，则在步骤S17，或者调整机器学习模型的模型参数，优化模型，或者在步骤S18利用原机器学习模型重新计算来获取新的投放计划，如在新的投放计划中改变广告创意、更换广告落地页，改变广告展示时间等。

步骤S18,以用户画像数据和历史投放数据作为机器学习模型的数据源，经过机器学习模型的计算获取新的投放计划，结束所述调整优化流程。

以上过程在广告的投放过程中会根据投放效果数据、用户画像数据的更新而不断进行，进而可以最大限度的保持最佳的投放计划。

随着广告的投放，根据所述投放计划而获得的用户越来越多，用户画像数据生成系统2不断地积累新用户画像数据，并更新用户画像数据库71。历史投放数据库72中也会不断新增投放计划数据。也就是说，用来获得广告投放计划的数据源发生了变化，此时，既可以根据当前变化的数据源更新机器学习模型，并由更新后的机器学习模型得到新的广告投放计划，也可以由原机器学习模型重新计算而得到新的广告投放计划。

当广告投放计划发生变化后，重新生成新的广告计划，调用广告投放平台的API向其输出新的广告计划。

本发明通过衡量广告投放过程中的多项影响因素，由机器学习模型筛选出一组相互匹配的投放数据，既为广告投放平台的精准投放提供了参考数据，也从广告本身为广告客体用户匹配了具有吸引力的广告创意。通过设置展示时间可以控制广告投放的成本，通过对新用户的内容承接，实现了对用户的低成本吸引、高可靠留存。本发明实现了广告投放计划的自动生成与投放，并根据效果数据智能化地调整，为广告主减少了工作量、释放了人力。

上述实施例仅供说明本发明之用，而并非是对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明范围的情况下，还可以做出各种变化和变型，因此，所有等同的技术方案也应属于本发明公开的范畴。

Claims (20)

1.一种互联网广告投放系统，其中包括：

投放计划模块，经配置用于根据用户画像数据和历史投放数据形成投放计划，所述投放计划至少包括一组广告素材、广告面向用户的定向数据和计划配置数据；

广告计划模块，经配置用于生成广告计划，所述广告计划包括广告素材和广告描述信息，所述广告描述信息至少部分基于广告面向用户的定向数据；以及

投放管理模块，经配置用于根据所述计划配置数据向广告投放平台输出所述的广告计划。

2.根据权利要求1所述的系统，其中，所述投放计划模块经进一步配置包括：学习模型单元，其经配置以用户画像数据和历史投放数据作为机器学习的数据源，利用机器学习模型获取所述投放计划。

3.根据权利要求2所述的系统，其中，所述投放计划模块还进一步包括：优化控制单元，经配置用于根据所述投放计划的效果数据与参考数据的对比结果获取优化参数；所述学习模型单元按照所述优化参数优化或更换所述机器学习模型。

4.根据权利要求2所述的系统，其中，所述学习模型单元经进一步配置用于响应于所述用户画像数据和/或历史投放数据的更新，利用更新后的数据源获得新的投放计划。

5.根据权利要求3所述的系统，其中，所述参考数据为机器学习模型的校验集数据或所述投放计划中的计划配置数据。

6.根据权利要求5所述的系统，其中，所述计划配置数据包括投放目的、转化目标、投放时间和广告投放平台。

7.根据权利要求1或6所述的系统，其中，所述广告投放平台为多个并行的广告投放平台。

8.根据权利要求1所述的系统，其中，所述广告描述信息进一步包括广告素材、广告展示时间、广告位置中的一者或多者。

9.根据权利要求1或8所述的系统，其中，所述广告素材包括广告样式、广告创意和广告落地页地址。

10.一种互联网广告投放方法，其中包括：

根据用户画像数据和历史投放数据形成投放计划，所述投放计划至少包括一组广告素材数据、广告面向用户的定向数据和计划配置数据；

根据所述投放计划生成广告计划，所述广告计划包括广告素材和广告描述信息，所述广告描述信息至少部分基于广告面向用户的定向数据；以及

根据所述计划配置数据向广告投放平台输出所述的广告计划。

11.根据权利要求10所述的方法，其中，形成投放计划的步骤进一步包括：以用户画像数据和历史投放数据作为机器学习的数据源，利用机器学习模型获得所述投放计划。

12.根据权利要求11所述的方法，其中，进一步包括：采用算法，根据学习集数据经过学习得到所述的机器学习模型。

13.根据权利要求11或12所述的方法，其中，进一步包括：

根据所述投放计划的效果数据与参考数据的对比结果获取优化参数；和

按照所述优化参数优化或更换所述机器学习模型。

14.根据权利要求11所述的方法，其中，进一步包括：

当用户画像数据和/或历史投放数据发生更新后，利用更新后的数据源获得新的投放计划。

15.根据权利要求10所述的方法，其中，所述广告描述信息至少包括广告素材、广告面向用户的定向数据、广告展示时间和广告位置。

16.一种互联网广告投放系统的应用系统，其中包括：

权利要求1-9任一所述的广告投放系统，经配置用于向一个或多个广告投放平台输出广告计划；

投放效果分析系统，经配置用于根据新增用户数据获得所述广告计划的效果数据；以及

用户画像生成系统，经配置用于利用从广告投放系统获取的与新增用户对应的投放计划中的面向用户定向数据、采集到的用户静态数据和采集到的用户行为数据中一者或多者，形成所述新增用户的画像数据。

17.根据权利要求16所述的系统，其中，进一步还包括：

历史投放数据库，经配置用于存储历史广告投放计划；以及

模型数据库，经配置用于存储机器学习模型及学习集数据和校验集数据。

18.根据权利要求16所述的系统，其中，所述用户画像生成系统根据所述新增用户的所述画像数据更新用户画像数据库，所述广告投放系统利用所述新增用户的所述画像数据更新机器学习模型或其数据源。

19.根据权利要求16所述的系统，其中，还包括素材库，用于向所述广告投放系统提供广告素材。

20.根据权利要求16所述的系统，其中，还包括内容推荐系统，经配置用于基于所述新增用户的所述画像数据向新增用户推荐应用内容。