CN110782291A - 广告投放用户确定方法及装置、存储介质及电子装置 - Google Patents

Abstract

本发明实施例涉及一种广告投放用户确定方法及装置、存储介质及电子装置。其中，该方法包括：通过获取广告投放的历史数据，历史数据包括推送数据、曝光数据以及点击数据；关联推送数据、曝光数据以及点击数据，以得到广告数据样本；根据广告数据样本确定广告投放用户。本发明解决了由于相关技术中基于频次的统计方式造成的统计结果不准确的技术问题。

Description

广告投放用户确定方法及装置、存储介质及电子装置

技术领域

本发明涉及广告投放领域，具体涉及一种广告投放用户确定方法及装置、存储介质及电子装置。

背景技术

目前而言，传统的广告推荐算法都是基于统计的方式基于目标人群TA得分、频次以及数据管理平台DMP来进行用户的曝光，来实现对用户的频次控制和对用户进行曝光，而这种曝光完全是基于频次统计方式，其中，并没有使用到用户曾经的一些记录，从而导致对用户的曝光造成一定的误差和用户点击的一些不确定性。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种广告投放用户确定方法及装置、存储介质及电子装置，以至少解决由于相关技术中基于频次的统计方式造成的统计结果不准确的技术问题。

根据本发明实施例的一个方面，提供了一种广告投放用户确定方法，包括：获取广告投放的历史数据，所述历史数据包括推送数据、曝光数据以及点击数据；关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本；根据所述广告数据样本确定广告投放用户。

进一步地，关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本包括：关联所述推送数据以及所述曝光数据；提取广告投放的目标用户的特征字段；根据所述特征字段关联所述曝光数据与所述点击数据，以得到所述广告数据样本，其中，所述广告数据样本包括正样本数据和负样本数据。

进一步地，所述正样本数据为点击过投放广告的用户，所述负样本数据为曝光未点击过投放广告的用户。

进一步地，在根据所述特征字段关联所述曝光数据与所述点击数据之后，还包括：对所述广告数据样本进行清洗以及数据缺失值补充；对所述广告数据样本中的连续数据进行标准化处理；对所述广告数据样本中的分类数据进行数值化处理。

进一步地，根据所述广告数据样本确定广告投放用户包括：根据所述广告数据样本以及预测神经网络确定广告投放用户，其中，所述预测神经网络是根据所述广告数据样本训练得到的。

进一步地，根据所述广告数据样本以及预测神经网络确定广告投放用户包括：获取预设模型；将所述广告数据样本按照预审比例分为第一数据样本、第二数据样本以及第三数据样本；根据所述第一数据样本对所述预设模型进行训练，得到所述预测神经网络模型；根据所述第二数据样本对所述预测神经网络模型进行验证；根据所述第三数据样本与所述预测神经网络模型确定广告投放用户。

根据本发明实施例的另一方面，还提供了一种广告投放用户确定装置，包括：获取单元，用于获取广告投放的历史数据，所述历史数据包括推送数据、曝光数据以及点击数据；关联单元，用于关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本；确定单元，用于根据所述广告数据样本以及预测神经网络模型确定广告投放用户，其中，所述预测神经网络是根据所述广告数据样本训练得到的。

进一步地，所述关联单元包括：第一关联模块，用于关联所述推送数据以及所述曝光数据；提取模块，用于提取广告投放的目标用户的特征字段；第二关联模块，用于根据所述特征字段关联所述曝光数据与所述点击数据，以得到所述广告数据样本，其中，所述广告数据样本包括正样本数据和负样本数据。

进一步地，所述正样本数据为点击过投放广告的用户，所述负样本数据为曝光未点击过投放广告的用户。

根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行如上所述的广告投放用户确定方法。

根据本发明实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器通过所述计算机程序执行如上所述的广告投放用户确定方法。

在本发明实施例中，通过获取广告投放的历史数据，历史数据包括推送数据、曝光数据以及点击数据；关联推送数据、曝光数据以及点击数据，以得到广告数据样本；根据广告数据样本确定广告投放用户，提高了预测广告投放用户结果的准确性，进而提高了投放广告的用户点击率，解决了由于相关技术中基于频次的统计方式造成的统计结果不准确的技术问题。

附图说明

为了更清楚地说明本发明实施例的技术方案，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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的一种可选的广告投放用户确定方法的示意图；

图2是根据本发明实施例的一种可选的广告投放用户确定装置的示意图。

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、完整地描述，显然，所描述的实施例是本发明的一部分实施例，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的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。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

实施例1

根据本发明实施例，提供了一种广告投放用户确定方法，如图1所示，该方法包括：

S102，获取广告投放的历史数据，历史数据包括推送数据、曝光数据以及点击数据；

S104，关联推送数据、曝光数据以及点击数据，以得到广告数据样本；

S106，根据广告数据样本确定广告投放用户。

在本实施例中，广告投放的历史数据中包括推送数据、曝光数据以及点击数据。推送数据中包括广告投放的过程中，将广告投放的用户特征、用户数量等；曝光数据包括投放广告的曝光数量、曝光时长以及曝光频率等数据；点击数据包括点击投放广告的用户数量、用户特征等。

在本实施例中，收集相应广告主投放广告的历史数据，关联历史数据中的曝光数据、推送数据以及点击数据，将推送数据和曝光数据进行关联，获取二者关联得到的关联数据，然后将关联数据再与点击数据进行关联得到广告数据样本。例如，获取推送数据的推送用户和曝光数据中的曝光用户，进行推送用户和曝光用户关联，提取曝光用户的特征字段，将关联出的曝光用户和点击数据中的点击数据进行关联，得到广告数据样本。广告数据样本中根据预设规则进行分类，例如点击过投放广告的用户为正样本，投放广告曝光但未点击的用户为负样本。

在得到广告数据样本以后，对广告数据样本进行处理，例如对广告数据样本进行清洗、缺省值补充等，然后基于处理后的广告数据样本来确定广告投放用户，广告投放用户是投放目标广告的目标人群。其中，可以根据处理后的广告数据样本来训练一个神经网络模型，然后基于训练好的神经网络模型来确定广告投放用户，以进行广告投放。

需要说明的是，通过本实施例，获取广告投放的历史数据，关联历史数据中的推送数据、曝光数据以及点击数据，以得到广告数据样本；根据广告数据样本确定广告投放用户。提高了预测广告投放用户结果的准确性，进而提高了投放广告的用户点击率，解决了由于相关技术中仅基于频次的统计方式造成的统计结果不准确的技术问题。

可选地，在本实施例中，关联推送数据、曝光数据以及点击数据，以得到广告数据样本包括但不限于：关联推送数据以及曝光数据；提取广告投放的目标用户的特征字段；根据特征字段关联曝光数据与点击数据，以得到广告数据样本，其中，广告数据样本包括正样本数据和负样本数据。

在具体的应用场景中，收集相应广告主投放广告的历史数据，针对历史数据中的曝光数据和推送数据，将推送数据的推送用户和曝光数据中的曝光用户，进行推送用户和曝光用户关联，提取投放广告的目标用户的特征字段，目标用户指的是投放的广告得到曝光的用户。然后根据特征字段将关联出的目标用户和点击用户进行相关联，得到广告数据样本，增加特征点击过的用户为正样本数据，投放广告得到曝光但未点击的用户为负样本数据。

可选地，在本实施例中，正样本数据为点击过投放广告的用户，负样本数据为曝光未点击过投放广告的用户。将点击过投放广告的用户设置为正样本，将曝光但未点击过投放广告的用户设置为负样本，通过设置广告数据样本中的正样本与负样本，作为广告投放用户确定过程中，样本数据对神经网络模型算法过程中的正反馈与负反馈。

可选地，在本实施例中，在根据特征字段关联曝光数据与点击数据之后，还包括但不限于：对广告数据样本进行清洗以及数据缺失值补充；对广告数据样本中的连续数据进行标准化处理；对所述广告数据样本中的分类数据进行数值化处理。

具体的，对广告数据样本中的样本数据进行数据的清洗和处理，缺省值补充等数据处理工作，例如，点击用户浏览广告所使用的网络为缺省值，可以按照预设规则补充为3G/4G/WIFI网络等；然后对样本数据中的连续数据进行标准化处理，例如，标明连续数据的批次、时间等；然后对广告数据样本中的分类数据进行LabelEncoder编码，生成相应的码表，完成样本的数值化。

可选地，在本实施例中，根据广告数据样本确定广告投放用户包括但不限于：根据广告数据样本以及预测神经网络确定广告投放用户，其中，预测神经网络是根据广告数据样本训练得到的。

具体的，在本实施例中，根据经过处理的广告数据样本来训练一个预测神经网络模型，根据预测神经网络模型以及广告数据样本确定广告投放用户。

可选地，在本实施例中，根据广告数据样本以及预测神经网络确定广告投放用户包括但不限于：获取预设模型；将广告数据样本按照预审比例分为第一数据样本、第二数据样本以及第三数据样本；根据第一数据样本对预设模型进行训练，得到预测神经网络模型；根据第二数据样本对预测神经网络模型进行验证；根据第三数据样本与预测神经网络模型确定广告投放用户。

在具体的应用场景中，预设模型包括但不限于逻辑回归模型、GBDT+逻辑回归模型、FM模型、FFM模型、DeepFM模型、DeepFFM模型等，将处理完成的广告数据样本中的样本数据按照6:2:2的比例划分为三部分数据进行训练、验证和预测，最终根据预测的AUC指标、KS洛伦曲线以及混淆矩阵等验证模型的指标，使用KS曲线来判断出需要选择的阈值。例如第一数据样本、第二数据样本以及第三数据样本，其中，第一数据样本用于对预设模型进行训练，用于确定预测神经网络模型的网络参数，然后根据第二数据样本对预测神经网络模型进行验证，然后将第三数据赝本输入至预测神经网络模型，根据预测神经网络的输出来确定广告投放用户。其中，KS曲线中KS值越大，表示模型能够将正负样本客户区分开的程度越大，筛选的精度更高。

通过本发明实施例，获取广告投放的历史数据，关联历史数据中的推送数据、曝光数据以及点击数据，以得到广告数据样本；根据广告数据样本确定广告投放用户。提高了预测广告投放用户结果的准确性，进而提高了投放广告的用户点击率，进而解决了由于相关技术中基于频次的统计方式造成的统计结果不准确的技术问题。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。

实施例2

根据本发明实施例，还提供了一种用于实施上述广告投放用户确定的广告投放用户确定装置，如图2所示，该装置包括：

1)获取单元20，用于获取广告投放的历史数据，所述历史数据包括推送数据、曝光数据以及点击数据；

2)关联单元22，用于关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本；

3)确定单元24，用于根据所述广告数据样本确定广告投放用户。

可选地，在本实施例中，所述关联单元22包括：

1)第一关联模块，用于关联所述推送数据以及所述曝光数据；

2)提取模块，用于提取广告投放的目标用户的特征字段；

3)第二关联模块，用于根据所述特征字段关联所述曝光数据与所述点击数据，以得到所述广告数据样本，其中，所述广告数据样本包括正样本数据和负样本数据。

可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。

实施例3

根据本发明实施例，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行如上所述的广告投放用户确定方法：

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：

S1，获取广告投放的历史数据，所述历史数据包括推送数据、曝光数据以及点击数据；

S2，关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本；

S3，根据所述广告数据样本确定广告投放用户。

可选地，存储介质还被设置为存储用于执行上述实施例1中的方法中所包括的步骤的程序代码，本实施例中对此不再赘述。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。

实施例4

本发明的实施例还提供了一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器通过所述计算机程序执行如上所述的广告投放用户确定方法。

可选地，在本实施例中，存储器被设置为存储用于执行以下步骤的程序代码：

S1，获取广告投放的历史数据，所述历史数据包括推送数据、曝光数据以及点击数据；

S2，关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本；

S3，根据所述广告数据样本确定广告投放用户。

可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的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，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、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步骤。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种广告投放用户确定方法，其特征在于，包括：

获取广告投放的历史数据，所述历史数据包括推送数据、曝光数据以及点击数据；

关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本；

根据所述广告数据样本确定广告投放用户。

2.根据权利要求1所述的方法，其特征在于，关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本包括：

关联所述推送数据以及所述曝光数据；

提取广告投放的目标用户的特征字段；

根据所述特征字段关联所述曝光数据与所述点击数据，以得到所述广告数据样本，其中，所述广告数据样本包括正样本数据和负样本数据。

3.根据权利要求2所述的方法，其特征在于，所述正样本数据为点击过投放广告的用户，所述负样本数据为曝光未点击过投放广告的用户。

4.根据权利要求2或3所述的方法，其特征在于，在根据所述特征字段关联所述曝光数据与所述点击数据之后，还包括：

对所述广告数据样本进行清洗以及数据缺失值补充；

对所述广告数据样本中的连续数据进行标准化处理；

对所述广告数据样本中的分类数据进行数值化处理。

5.根据权利要求1所述的方法，其特征在于，根据所述广告数据样本确定广告投放用户包括：

根据所述广告数据样本以及预测神经网络确定广告投放用户，其中，所述预测神经网络是根据所述广告数据样本训练得到的。

6.根据权利要求5所述的方法，其特征在于，根据所述广告数据样本以及预测神经网络确定广告投放用户包括：

获取预设模型；

将所述广告数据样本按照预审比例分为第一数据样本、第二数据样本以及第三数据样本；

根据所述第一数据样本对所述预设模型进行训练，得到所述预测神经网络模型；

根据所述第二数据样本对所述预测神经网络模型进行验证；

根据所述第三数据样本与所述预测神经网络模型确定广告投放用户。

7.一种广告投放用户确定装置，其特征在于，包括：

获取单元，用于获取广告投放的历史数据，所述历史数据包括推送数据、曝光数据以及点击数据；

关联单元，用于关联所述推送数据、所述曝光数据以及所述点击数据，以得到广告数据样本；

确定单元，用于根据所述广告数据样本以及预测神经网络模型确定广告投放用户，其中，所述预测神经网络是根据所述广告数据样本训练得到的。

8.根据权利要求7所述的装置，其特征在于，所述关联单元包括：

第一关联模块，用于关联所述推送数据以及所述曝光数据；

提取模块，用于提取广告投放的目标用户的特征字段；

第二关联模块，用于根据所述特征字段关联所述曝光数据与所述点击数据，以得到所述广告数据样本，其中，所述广告数据样本包括正样本数据和负样本数据。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至6任一项中所述的广告投放用户确定方法。

10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行所述权利要求1至6任一项中所述的广告投放用户确定方法。

Images