CN110675178A - 人群定向方法、装置、设备和存储介质 - Google Patents

Abstract

本发明提供一种人群定向方法、装置、设备和存储介质。该方法包括：获取至少两个用户属性对应的用户历史转化行为数据；所述用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据；根据所述用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率；根据各个所述用户属性对应的用户属性转化率和行业平均转化率，从至少两个所述用户属性中筛选出正向属性。本发明实施例实现了根据用户历史转化行为数据，识别出行业转化率高的用户属性，即筛选出对行业有稳定的正向提升的正向属性，进一步可以实现按不同用户属性对广告进行差异化投放。

Description

人群定向方法、装置、设备和存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种人群定向方法、装置、设备和存储介质。

背景技术

目前，进行互联网广告投放时大都使用人群定向技术了解不同用户感兴趣的广告，从而向用户更精确地展示对应的广告。人群定向技术是通过对用户行为数据的分析，找出潜在目标客户的共同行为特征，选择适当的媒体将广告投放给具有共同行为特征的受众。

相关技术中，一般是基于关键词标签和自然聚类的受众行为分析，其中关键词标签为通过用户行为得到的关键词标签，该方案中并没有体现用户的各维度属性信息，比如性别、年龄和兴趣偏好等，人群定向投放的准确率不够高。

发明内容

本发明提供一种人群定向方法、装置、设备和存储介质，以实现根据用户历史转化行为数据，识别出行业转化率高的用户属性。

第一方面，本发明提供一种人群定向方法，包括：

获取至少两个用户属性对应的用户历史转化行为数据；所述用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据；

根据所述用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率；

根据各个所述用户属性对应的用户属性转化率和行业平均转化率，从至少两个所述用户属性中筛选出正向属性。

第二方面，本发明提供一种人群定向装置，包括：

获取模块，用于获取至少两个用户属性对应的用户历史转化行为数据；所述用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据；

处理模块，用于根据所述用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率；

所述处理模块，还用于根据各个所述用户属性对应的用户属性转化率和行业平均转化率，从至少两个所述用户属性中筛选出正向属性。

第三方面，本发明提供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，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法。

第四方面，本发明提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的方法。

本发明实施例提供的人群定向方法、装置、设备和存储介质，获取至少两个用户属性对应的用户历史转化行为数据；所述用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据；根据所述用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率；根据各个所述用户属性对应的用户属性转化率和行业平均转化率，从至少两个所述用户属性中筛选出正向属性，实现了根据用户历史转化行为数据，识别出行业转化率高的用户属性，即筛选出对行业有稳定的正向提升的正向属性，进一步可以实现按不同用户属性对广告进行差异化投放。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本发明提供的人群定向方法一实施例的流程示意图；

图2是本发明提供的人群定向方法另一实施例的流程示意图；

图3是本发明提供的人群定向装置一实施例的结构示意图；

图4是本发明提供的电子设备一实施例的结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本发明的说明书和权利要求书及所述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

首先对本发明所涉及的名词和应用场景进行介绍：

转化行为：用户在点击了广告后，发生打电话、咨询、下载、表单提交等行为；

转化率：实际发生转化的用户数量/点击广告的用户数量即为转化率，分为行业平均转化率、用户属性转化率；

召回率：各个用户属性对应行业的实际发生转化的用户数量/该行业整体的转化用户数量；

行业：在互联网上投放广告的客户行业划分，比如医疗、教育、旅游等行业；

用户属性：用户的性别、年龄和兴趣偏好等；兴趣偏好例如娱乐、体育、护肤、面膜等。

本发明实施例的方法，应用于在互联网上投放广告时，对用户进行人群定向，即找出具有共同行为特征的人群，进行定向投放，根据用户在广告上的转化行为表现，识别出行业转化率高的用户属性及用户属性的组合，供广告主进行针对性的出价，从而提升广告投资回报率(ROI)。

需要说明的是本发明实施例的方法还可以针对其他领域进行用户行为分析，不限于广告领域。

图1是本发明提供的人群定向方法一实施例的流程示意图。如图1所示，本实施例提供的方法，包括：

步骤101、获取至少两个用户属性对应的用户历史转化行为数据；用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据。

具体的，首先可以基于用户历史转化行为数据和用户画像数据，建立用户属性与用户历史转化行为数据的对应关系，即不同的用户属性与用户历史转化行为数据的对应关系。

其中，用户画像数据包括多个用户属性。

进一步的，还可以建立用户属性与行业的对应关系(该步骤可以在步骤101之后、步骤102之前执行)，即一个用户属性可能对应多个行业，一个行业也可能对应多个用户属性。

获取多个用户属性对应的用户历史转化行为数据，用户历史转化行为数据包括用户在点击广告后产生的转化行为的数据，例如咨询、下载等转化行为，何时咨询、咨询情况、用户基本信息、广告所属的行业等数据。

步骤102、根据用户历史转化行为数据，分别计算各个用户属性对应的用户属性转化率和各个用户属性对应行业的行业平均转化率。

具体的，根据获取到的各个用户属性对应的用户历史转化行为数据，计算各个用户属性对应的用户属性转化率，以及各个用户属性对应各个行业的行业平均转化率。

可选的，计算各个所述用户属性对应的用户属性转化率，包括：

将各个所述用户属性对应的转化用户数量除以点击用户数量，得到各个所述用户属性对应的用户属性转化率。

转化用户数量即为该用户属性对应的发生转化行为的用户数量。点击用户数量即为该用户属性对应的点击广告的用户数量。

可选的，计算各个所述用户属性对应行业的行业平均转化率，包括：

将各个所述用户属性对应行业的转化用户数量除以点击用户数量，得到各个所述用户属性对应行业的行业平均转化率。

具体的，行业的转化用户数量为该行业内发生转化行为的用户数量。行业的点击用户数量即为该行业内的点击广告的用户数量。

步骤103、根据各个用户属性对应的用户属性转化率和行业平均转化率，从至少两个用户属性中筛选出正向属性。

具体的，根据计算出的用户属性对应的用户属性转化率和行业平均转化率，从至少两个用户属性中筛选出正向属性。

正向属性即为对行业有稳定的正向提升的属性，即用户属性转化率高于该用户属性对应的行业的行业平均转化率的用户属性。

由于用户历史转化行为数据收集难度较大，各行业的数据稀疏程度不同，可以采取单天转化行为数据或多天转化行为数据累计的方式，计算各个用户属性对应的用户属性转化率和各个用户属性对应行业的行业平均转化率，能够有效的避免数据的波动和更新性问题。具体的，在计算用户属性转化率和行业平均转化率时，采用的用户历史转化行为数据可以是单天的，也可以是多天累计的。

本实施例的方法，获取至少两个用户属性对应的用户历史转化行为数据；所述用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据；根据所述用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率；根据各个所述用户属性对应的用户属性转化率和行业平均转化率，从至少两个所述用户属性中筛选出正向属性，实现了根据用户历史转化行为数据，识别出行业转化率高的用户属性，即筛选出对行业有稳定的正向提升的正向属性，进一步可以实现按不同用户属性对广告进行差异化投放。

在上述实施例的基础上，可选的，步骤103具体可以通过如下方式实现：

根据所述用户历史转化行为数据确定各个所述用户属性对应的召回率；

若所述用户属性对应的召回率大于预设的召回率阈值，将所述用户属性作为初始的正向属性；

根据所述初始的正向属性对应的用户属性转化率和行业平均转化率，确定所述初始的正向属性对应的属性粒度转化率提升；

根据所述初始的正向属性对应的属性粒度转化率提升，从所述初始的正向属性中筛选出正向属性。

进一步的，确定各个所述用户属性对应的召回率，具体可以通过如下方式实现：

将各个所述用户属性对应行业的转化用户数量除以所述行业的转化用户数量，得到各个所述用户属性对应的召回率。

具体的，根据用户历史转化行为数据，确定各个用户属性对应的找回率。用户属性对应的召回率，根据用户属性对应的行业的转化用户数量，以及该行业整体的转化用户数量得到。

首先，根据用户属性对应的召回率，筛选出一部分初始的正向属性，即将用户属性对应的召回率大于预设的召回率阈值的用户属性作为初始的正向属性。

然后，根据初始的正向属性对应的属性粒度转化率提升，从初始的正向属性中筛选出正向属性。

例如，单天的初始的正向属性对应的属性粒度转化率提升大于某个阈值，或者是在一定时间内均大于某个阈值，即可以计算连续多天的属性粒度转化率提升，若均大于某个阈值，则作为最终的正向属性。

其中，确定所述初始的正向属性对应的属性粒度转化率提升，包括：

将所述初始的正向属性对应的用户属性转化率除以所述初始的正向属性对应行业的行业平均转化率减一，得到所述属性粒度转化率提升。

进一步的，根据所述初始的正向属性对应的属性粒度转化率提升，从所述初始的正向属性中筛选出正向属性，具体可以通过如下方式实现：

在预设的时间窗口内，将所述属性粒度转化率提升均大于预设阈值对应的初始的正向属性，作为正向属性；或，

在预设的时间窗口内，将连续增长的属性粒度转化率提升对应的初始的正向属性，作为正向属性。

具体的，在预设的时间窗口内，可以根据属性粒度转化率提升的分布情况，筛选正向属性。

时间窗口长度例如为一个月，一周等。

可以将稳步增长的属性粒度转化率提升对应的初始的正向属性，作为正向属性，或者可以将时间窗口内属性粒度转化率提升均大于预设阈值对应的初始的正向属性，作为正向属性，从而筛选出对行业有稳定的正向提升的用户属性。

上述具体实施方式中，采取单天属性粒度转化率提升和多天属性粒度转化率提升累计提取属性相结合的方式，在时间跨度上采取数据滑动窗口的方式，有效的避免了数据的波动和更新性问题。

进一步的，为了对筛选出的正向属性进行评估，步骤103之后还可以进行如下操作：

根据筛选出的正向属性在预设周期内的用户属性转化率，确定所述正向属性的准确率。

进一步的，为了对筛选出的正向属性进行评估，步骤103之后还可以进行如下操作：

根据所述正向属性对应的行业个数以及行业总数，确定覆盖率。

具体的，在筛选出正向属性后，可以连续监测一段时间内的用户属性转化率，若用户属性转化率降低或者低于行业平均转化率，则可以将该正向属性从正向属性集合中删除，或，继续保留观察一段时间。正向属性集合包括筛选出的多个正向属性。从时间、行业和用户属性粒度对准确率进行评估。

进一步，还可以根据正向属性对应的行业个数以及行业总数，确定覆盖率，覆盖率即为该正向属性对应的行业对于整个行业分类的覆盖率。

上述具体实施方式中，实现了对筛选出的正向属性的评估。

进一步的，如图2所示，首先，获取用户历史转化行为数据、用户画像数据，从用户画像数据中得到用户属性。

其次，确定属性粒度转化率提升、召回率，筛选正向属性；其中，为了避免数据的波动性，引入多天合并数据进行平滑处理，即用户属性转化率和行业平均转化率均可以采用多天用户历史转化行为数据得到，属性粒度转化率提升、召回率也可以采用多天的用户属性转化率和行业平均转化率得到。

进一步的，在筛选正向属性时，可以采用属性粒度转化率提升、召回率筛选，也可以采取多天的属性粒度转化率提升、召回率进行筛选；

然后，将筛选出的正向属性作为行业高转化率属性进行推荐。

最后，可以对筛选出的正向属性进行评估，例如评估准确率和覆盖率。

图3为本发明提供的人群定向装置一实施例的结构图，如图3所示，本实施例的人群定向装置，包括：

获取模块301，用于获取至少两个用户属性对应的用户历史转化行为数据；所述用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据；

处理模块302，用于根据所述用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率；

所述处理模块302，还用于根据各个所述用户属性对应的用户属性转化率和行业平均转化率，从至少两个所述用户属性中筛选出正向属性。

可选的，所述处理模块302，具体用于：

根据所述用户历史转化行为数据确定各个所述用户属性对应的召回率；

若所述用户属性对应的召回率大于预设的召回率阈值，将所述用户属性作为初始的正向属性；

根据所述初始的正向属性对应的用户属性转化率和行业平均转化率，确定所述初始的正向属性对应的属性粒度转化率提升；

根据所述初始的正向属性对应的属性粒度转化率提升，从所述初始的正向属性中筛选出正向属性。

可选的，所述处理模块302，具体用于：

将各个所述用户属性对应的转化用户数量除以点击用户数量，得到各个所述用户属性对应的用户属性转化率。

可选的，所述处理模块302，具体用于：

将各个所述用户属性对应行业的转化用户数量除以点击用户数量，得到各个所述用户属性对应行业的行业平均转化率。

可选的，所述处理模块302，具体用于：

将各个所述用户属性对应行业的转化用户数量除以所述行业的转化用户数量，得到各个所述用户属性对应的召回率。

可选的，所述处理模块302，具体用于：

将所述初始的正向属性对应的用户属性转化率除以所述初始的正向属性对应行业的行业平均转化率减一，得到所述属性粒度转化率提升。

可选的，所述处理模块302，还用于：

建立用户属性与用户历史转化行为数据的对应关系；

建立用户属性与行业的对应关系。

可选的，所述处理模块302，具体用于：

根据多天累计的各个用户属性对应的用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率。

可选的，所述处理模块302，具体用于：

在预设的时间窗口内，将所述属性粒度转化率提升均大于预设阈值对应的初始的正向属性，作为正向属性；或，

在预设的时间窗口内，将连续增长的属性粒度转化率提升对应的初始的正向属性，作为正向属性。

可选的，所述处理模块302，还用于：

根据筛选出的正向属性在预设周期内的用户属性转化率，确定所述正向属性的准确率。

可选的，所述处理模块302，还用于：

根据所述正向属性对应的行业个数以及行业总数，确定覆盖率。

本实施例的装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图4为本发明提供的电子设备实施例的结构图，如图4所示，该电子设备包括：

处理器401，以及，用于存储处理器401的可执行指令的存储器402。

可选的，还可以包括显示屏幕，例如可以用于显示广告。

其中，处理器401配置为经由执行所述可执行指令来执行前述方法实施例中对应的方法，其具体实施过程可以参见前述方法实施例，此处不再赘述。

本发明实施例中还提供一种计算机可读存储介质，其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前述方法实施例中对应的方法，其具体实施过程可以参见前述方法实施例，其实现原理和技术效果类似，此处不再赘述。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (20)

1.一种人群定向方法，其特征在于，包括：

获取至少两个用户属性对应的用户历史转化行为数据；所述用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据；

根据所述用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率；

根据各个所述用户属性对应的用户属性转化率和行业平均转化率，从至少两个所述用户属性中筛选出正向属性。

2.根据权利要求1所述的方法，其特征在于，所述从至少两个所述用户属性中筛选出正向属性，包括：

根据所述用户历史转化行为数据确定各个所述用户属性对应的召回率；

若所述用户属性对应的召回率大于预设的召回率阈值，将所述用户属性作为初始的正向属性；

根据所述初始的正向属性对应的用户属性转化率和行业平均转化率，确定所述初始的正向属性对应的属性粒度转化率提升；

根据所述初始的正向属性对应的属性粒度转化率提升，从所述初始的正向属性中筛选出正向属性。

3.根据权利要求1或2所述的方法，其特征在于，计算各个所述用户属性对应的用户属性转化率，包括：

将各个所述用户属性对应的转化用户数量除以点击用户数量，得到各个所述用户属性对应的用户属性转化率。

4.根据权利要求1或2所述的方法，其特征在于，计算各个所述用户属性对应行业的行业平均转化率，包括：

将各个所述用户属性对应行业的转化用户数量除以点击用户数量，得到各个所述用户属性对应行业的行业平均转化率。

5.根据权利要求2所述的方法，其特征在于，所述确定各个所述用户属性对应的召回率，包括：

将各个所述用户属性对应行业的转化用户数量除以所述行业的转化用户数量，得到各个所述用户属性对应的召回率。

6.根据权利要求2所述的方法，其特征在于，所述确定所述初始的正向属性对应的属性粒度转化率提升，包括：

将所述初始的正向属性对应的用户属性转化率除以所述初始的正向属性对应行业的行业平均转化率减一，得到所述属性粒度转化率提升。

7.根据权利要求1或2所述的方法，其特征在于，所述获取至少两个用户属性对应的用户历史转化行为数据之前，还包括：

建立用户属性与用户历史转化行为数据的对应关系；

建立用户属性与行业的对应关系。

8.根据权利要求1或2所述的方法，其特征在于，所述计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率，包括：

根据多天累计的各个用户属性对应的用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率。

9.根据权利要求2所述的方法，其特征在于，所述根据所述初始的正向属性对应的属性粒度转化率提升，从所述初始的正向属性中筛选出正向属性，包括：

在预设的时间窗口内，将所述属性粒度转化率提升均大于预设阈值对应的初始的正向属性，作为正向属性；或，

在预设的时间窗口内，将连续增长的属性粒度转化率提升对应的初始的正向属性，作为正向属性。

10.根据权利要求1或2所述的方法，其特征在于，所述从至少两个所述用户属性中筛选出正向属性之后，还包括：

根据筛选出的正向属性在预设周期内的用户属性转化率，确定所述正向属性的准确率。

11.根据权利要求1或2所述的方法，其特征在于，所述从至少两个所述用户属性中筛选出正向属性之后，还包括：

根据所述正向属性对应的行业个数以及行业总数，确定覆盖率。

12.一种人群定向装置，其特征在于，包括：

获取模块，用于获取至少两个用户属性对应的用户历史转化行为数据；所述用户历史转化行为数据包括不同用户在点击了广告后产生的转化行为的数据；

处理模块，用于根据所述用户历史转化行为数据，分别计算各个所述用户属性对应的用户属性转化率和各个所述用户属性对应行业的行业平均转化率；

所述处理模块，还用于根据各个所述用户属性对应的用户属性转化率和行业平均转化率，从至少两个所述用户属性中筛选出正向属性。

13.根据权利要求12所述的装置，其特征在于，所述处理模块，具体用于：

根据所述用户历史转化行为数据确定各个所述用户属性对应的召回率；

若所述用户属性对应的召回率大于预设的召回率阈值，将所述用户属性作为初始的正向属性；

根据所述初始的正向属性对应的用户属性转化率和行业平均转化率，确定所述初始的正向属性对应的属性粒度转化率提升；

根据所述初始的正向属性对应的属性粒度转化率提升，从所述初始的正向属性中筛选出正向属性。

14.根据权利要求12或13所述的装置，其特征在于，所述处理模块，具体用于：

将各个所述用户属性对应的转化用户数量除以点击用户数量，得到各个所述用户属性对应的用户属性转化率。

15.根据权利要求12或13所述的装置，其特征在于，所述处理模块，具体用于：

将各个所述用户属性对应行业的转化用户数量除以点击用户数量，得到各个所述用户属性对应行业的行业平均转化率。

16.根据权利要求13所述的装置，其特征在于，所述处理模块，具体用于：

将各个所述用户属性对应行业的转化用户数量除以所述行业的转化用户数量，得到各个所述用户属性对应的召回率。

17.根据权利要求13所述的装置，其特征在于，所述处理模块，具体用于：

将所述初始的正向属性对应的用户属性转化率除以所述初始的正向属性对应行业的行业平均转化率减一，得到所述属性粒度转化率提升。

18.根据权利要求12或13所述的装置，其特征在于，所述处理模块，具体用于：

在预设的时间窗口内，将所述属性粒度转化率提升均大于预设阈值对应的初始的正向属性，作为正向属性；或，

在预设的时间窗口内，将连续增长的属性粒度转化率提升对应的初始的正向属性，作为正向属性。

19.一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，所述计算机程序被处理器执行时实现权利要求1-11任一项所述的方法。

20.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-11任一项所述的方法。

Images