发明内容
为了解决现有的广告投放方法无法有针对性的对广告内容进行筛选,以及对有效用户进行广告投放,导致广告投放效果难以满足不同用户的投放需求的技术问题,本申请提供了一种广告推荐方法、装置、终端设备及存储介质。
第一方面,本申请提供了一种广告推荐方法,所述方法包括以下步骤:
获取目标广告终端的目标地理位置;
根据所述目标地理位置,确定所述目标广告终端对应的目标线上用户;
获取所述目标线上用户的用户特征;
获取所述目标地理位置的地理特征;
基于所述用户特征和所述地理特征,生成所述目标地理位置的目标地理图像;
利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容。
结合第一方面,在第一方面第一种可能的实施方式中,所述根据所述目标地理位置,确定所述目标广告终端对应的目标线上用户包括:
根据所述所述目标地理位置,确定所述目标广告终端的覆盖范围;
获取线上用户的IP地址;
根据所述线上用户的IP地址以及所述目标广告终端的覆盖范围,确定所述覆盖范围内的所述IP地址对应的线上用户,以作为所述目标线上用户。
结合第一方面,在第一方面第二种可能的实施方式中,所述用户特征包括用户图像和/或历史行为数据,所述获取所述目标线上用户的用户特征,包括:
采集所述目标线上用户的用户信息;
利用所述用户信息,构建所述用户图像;
和/或,
统计所述目标线上用户在预设历史时间段内的历史行为数据,其中,所述历史行为数据包括所述目标线上用户针对每种商品进行购买操作所生成的历史购买数据,以及所述目标线上用户针对每种商品进行浏览操作所生成的历史浏览数据。
结合第一方面,在第一方面第三种可能的实施方式中,所述特征信息包括以下一种或多种:
用户身份信息、历史行为信息和行为预测信息。
结合第一方面,在第一方面第四种可能的实施方式中,所述用户特征还包括行为预测数据,所述行为预测数据通过以下公式表示:
其中,表示所述目标广告终端的覆盖范围内的目标线上用户浏览某个商品的期望值;m表示所述目标广告终端的个数;c表示目标线上用户浏览的商品;所述目标线上用户的序列表示为{u1,u2,...,un};/>表示目标线上用户ui对商品c的浏览概率,i的取值范围为(1,n);根据训练后的概率函数f,计算得到预设时间段内m个目标线上用户对k个商品的浏览概率/>最后计算得到目标线上用户ui对商品c的浏览概率/>
概率函数f通过以下公式表示:
f=fθ(ui,cj)
其中,(ui,cj)为训练样本,向量ui表示目标线上用户,向量cj表示目标线上用户浏览的商品,f表示概率函数,θ表示f的参数;当目标线上用户ui对商品cj有浏览行为时,将训练样本(ui,cj)的标签y取值为1,否则取值为0;
通过神经网络对概率函数f进行学习,记录概率函数f的损失函数L(y,fθ(ui,cj)),损失函数用于表示通过概率函数f计算出的浏览概率与实际的训练样本(ui,cj)的标签y取值之间的差异;
通过以下公式对概率函数f的参数θ进行调整,使得损失函数的取值最小:
结合第一方面,在第一方面第四种可能的实施方式中,所述利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容,包括:
利用所述目标地理图像,将所述历史行为数据或所述行为预测数据进行排序;
按照排序结果由高到低的顺序,从所述历史行为数据或所述行为预测数据中确定待推荐的广告内容。
第二方面,本申请提供了一种广告推荐装置,所述装置包括:
地理位置获取单元,用于获取目标广告终端的目标地理位置;
目标用户确定单元,用于根据所述目标地理位置,确定所述目标广告终端对应的目标线上用户;
用户特征获取单元,用于获取所述目标线上用户的用户特征;
地理特征获取单元,用于获取所述目标地理位置的地理特征;
地理图像生成单元,用于基于所述用户特征和所述地理特征,生成所述目标地理位置的目标地理图像;以及
广告内容确定单元,用于利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容。
结合第二方面,在第二方面第一种可能的实施方式中,所述目标用户确定单元,包括:
覆盖范围确定子单元,用于根据所述所述目标地理位置,确定所述目标广告终端的覆盖范围;
IP地址获取子单元,用于获取线上用户的IP地址;
目标用户确定子单元,用于根据所述线上用户的IP地址以及所述目标广告终端的覆盖范围,确定所述覆盖范围内的所述IP地址对应的线上用户,以作为所述目标线上用户。
结合第二方面,在第二方面第二种可能的实施方式中,所述用户特征包括用户图像和/或历史行为数据,所述用户特征获取单元,包括:
用户信息采集子单元,用于采集所述目标线上用户的用户信息;
用户图像构建子单元,用于利用所述用户信息,构建所述用户图像;
统计子单元,用于统计所述目标线上用户在预设历史时间段内的历史行为数据,其中,所述历史行为数据包括所述目标线上用户针对每种商品进行购买操作所生成的历史购买数据,以及所述目标线上用户针对每种商品进行浏览操作所生成的历史浏览数据。
第三方面,本申请提供了一种终端设备,所述终端设备包括:至少一个处理器、存储器、至少一个网络接口和用户接口;
所述至少一个处理器、存储器、至少一个网络接口和用户接口通过总线系统耦合在一起;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如第一方面所述的广告推荐方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质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如第一方面所述的广告推荐方法的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本申请实施例提供的一种广告推荐方法、装置、终端设备及存储介质,该广告推荐方法包括以下步骤:获取目标广告终端的目标地理位置;根据所述目标地理位置,确定所述目标广告终端对应的目标线上用户;获取所述目标线上用户的用户特征;获取所述目标地理位置的地理特征;基于所述用户特征和所述地理特征,生成所述目标地理位置的目标地理图像;利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容。
本申请实施例,通过对传统的线下广告媒体进行数字化处理,融合了线上的用户数据和线下的广告终端的地理数据,从多个维度全方面的解析目标广告终端的地理位置,从而为媒体主的各项决策提供有力的支撑,实现了有针对性的对广告内容进行筛选,以及精准的实现对有效用户进行广告投放,提高广告投放效果,以满足不同广告内容的投放需求。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
图1为本申请实施例提供的一种广告推荐方法的流程示意图,该方法具体包括以下步骤:
S101、获取目标广告终端的目标地理位置。
线下的广告媒体主通过在广告投放系统进行账号注册,录入资质信息以及各个预设广告终端的预设地理位置,预设地理位置包括但不限于预设广告终端所在的城市信息、预设广告终端的终端类型(例如,包括电子屏、电梯屏、框架屏等)、预设广告终端所在位置的经纬度等信息。
在广告媒体主录入资质信息后,本申请实施例还包括对用户录入的资质信息和预设广告终端的预设地理位置进行审核,如果审核通过则广告媒体主可以继续进行下一步操作,如果审核不通过,则广告媒体主无法进行下一步操作,从而可以保证系统安全和系统信息的有效性,拒绝非法用户的访问。
广告媒体主从多个预设广告终端中选出的即将用于投放广告的终端即为目标广告终端,目标广告终端的地理位置即为目标地理位置。
S102、根据所述目标地理位置,确定所述目标广告终端对应的目标线上用户。
S103、获取所述目标线上用户的用户特征。
可选的,所述用户特征包括用户图像和/或历史行为数据,所述获取所述目标线上用户的用户特征,包括:
采集所述目标线上用户的用户信息;
利用所述用户信息,构建所述用户图像;
和/或,
统计所述目标线上用户在预设历史时间段内的历史行为数据,其中,所述历史行为数据包括所述目标线上用户针对每种商品进行购买操作所生成的历史购买数据,以及所述目标线上用户针对每种商品进行浏览操作所生成的历史浏览数据。
可选的,所述用户特征还包括行为预测数据,所述行为预测数据通过以下公式表示:
其中,表示所述目标广告终端的覆盖范围内的目标线上用户浏览某个商品的期望值;m表示所述目标广告终端的个数;c表示目标线上用户浏览的商品;所述目标线上用户的序列表示为{u1,u2,...,un};/>表示目标线上用户ui对商品c的浏览概率,i的取值范围为(1,n);根据训练后的概率函数f,计算得到预设时间段内m个目标线上用户对k个商品的浏览概率/>最后计算得到目标线上用户ui对商品c的浏览概率/>
概率函数f通过以下公式表示:
f=fθ(ui,cj)
其中,(ui,cj)为训练样本,向量ui表示目标线上用户,向量cj表示目标线上用户浏览的商品,f表示概率函数,θ表示f的参数;当目标线上用户ui对商品cj有浏览行为时,将训练样本(ui,cj)的标签y取值为1,否则取值为0;
通过逻辑回归、GBDT梯度下降树、神经网络对概率函数f进行学习,记录概率函数f的损失函数L(y,fθ(ui,cj)),损失函数用于表示通过概率函数f计算出的浏览概率与实际的训练样本(ui,cj)的标签y取值之间的差异;
通过以下公式对概率函数f的参数θ进行调整,使得损失函数的取值最小:
损失函数的取值表征f计算出的浏览概率与实际的标签y取值之间的差异,差异越小说明f越接近真实。
可选的,可以采用逻辑回归、GBDT、神经网络等机器学习方法来得到行为预测信息,不同的学习方法对应不同的概率函数f和损失函数L,它们的共同点是均通过学习调整参数θ,从而使得损失函数L的值最小。
例如,用户图像包括:男性/女性的人数/占比,购买力级别的人数/占比,已婚未婚的人数/占比,不同年龄段的人数/占比等信息;又如,历史行为数据包括:目标广告终端的覆盖范围内的覆盖人群(将所有常驻地位于一个目标广告终端的覆盖范围内的人群定义为该目标广告终端的覆盖人群,常驻地包括但不限于居住地或者工作地)在过去一段时间内(如,30分钟或者1小时等,本申请实施例对此不做限定)的历史行为统计(包括历史浏览行为、历史购买行为等),如购买苹果手机的人数、浏览500-600元男士衬衫的人数等;再如,行为预测数据为基于神经网络,对目标广告终端的覆盖范围内的覆盖人群在未来一段时间内的比较感兴趣的行为数据进行预测,如未来一周可能购买可口可乐的人数等。上述举例仅用于说明本申请实施例,对此不做限定。
S104、获取所述目标地理位置的地理特征。
可选的,目标地理位置的地理特征包括目标地理位置的场景类型,场景类型例如包括:学校、写字楼、住宅和公路等。
S105、基于所述用户特征和所述地理特征,生成所述目标地理位置的目标地理图像。
S106、利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容。
当广告媒体主重新登陆账号时,若广告媒体主录入的资质信息审核通过,即可选择某个位置或者某个区域,查看该位置或区域中的目标广告终端的目标地理图像,利用目标地理图像进行智能分析并生成相应的报告,根据报告内容来确定目标广告终端对应的的待推荐的广告内容。
本申请实施例,通过对传统的线下广告媒体进行数字化处理,融合了线上的用户数据和线下的广告终端的地理数据,从多个维度全方面的解析目标广告终端的地理位置,从而为媒体主的各项决策提供有力的支撑,实现了有针对性的对广告内容进行筛选,以及精准的实现对有效用户进行广告投放,提高广告投放效果,以满足不同广告内容的投放需求。
为了便于理解本申请实施例,下面采用具体的实施例进行描述。
可选的,本申请实施例在图1所示实施例的基础上还提供了一种广告推荐方法,如图2所示,该方法包括以下步骤:
S201、获取目标广告终端的目标地理位置。
S202、根据所述所述目标地理位置,确定所述目标广告终端的覆盖范围。
S203、获取线上用户的IP地址。
S204、根据所述线上用户的IP地址以及所述目标广告终端的覆盖范围,确定所述覆盖范围内的所述IP地址对应的线上用户,以作为所述目标线上用户。
例如,覆盖范围可以通过以该目标广告终端为中心,将距离该目标广告终端为1KM以内的地区设定为覆盖范围,本申请实施例不局限于此,还可以根据实际需要调整覆盖范围。
S205、获取所述目标线上用户的用户特征。
S206、获取所述目标地理位置的地理特征。
S207、基于所述用户特征和所述地理特征,生成所述目标地理位置的目标地理图像。
S208、利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容。
可选的,所述利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容,包括:
利用所述目标地理图像,将所述历史行为数据或所述行为预测数据进行排序;
按照排序结果由高到低的顺序,从所述历史行为数据或所述行为预测数据中确定待推荐的广告内容。
本申请实施例通过将用户的历史行为数据或所述行为预测数据进行排序,按照排序的顺序确定待推荐的广告内容,可以更精准的命中用户的兴趣点,提高广告内容的投放精准度,还可以进一步提高广告收益。
可选的,利用目标地理图像进行智能分析并生成相应的报告的报告内容主要包括纵向和横向两个方面的对比,纵向对比是指将该目标广告终端的覆盖范围内的覆盖人群的各项数据进行排序,例如,按照由高到低的顺序筛选出排名前10的数据进行展示,例如,筛选出的排名前10的数据包括在覆盖人群中浏览比例最高的10种商品类型;或者是在所有男性用户中,浏览比例最高的10种剃须刀等。
横向对比是指覆盖人群中的占比与目标广告终端所在城市的整体进行对比,例如,在北京市的某个目标广告终端的覆盖范围内的覆盖人群中,飞天茅台的浏览比例为2%,而在整个北京市内,该比例为0.6%。根据两种类型的对比数据,分别为广告媒体主给出建议进行投放的广告类型,从多个维度进行比对,可以进一步提高广告内容的投放的精准度。
如图3所示,本申请实施例还提供了一种广告推荐装置,所述装置包括:
地理位置获取单元31,用于获取目标广告终端的目标地理位置;
目标用户确定单元32,用于根据所述目标地理位置,确定所述目标广告终端对应的目标线上用户;
用户特征获取单元33,用于获取所述目标线上用户的用户特征;
地理特征获取单元34,用于获取所述目标地理位置的地理特征;
地理图像生成单元35,用于基于所述用户特征和所述地理特征,生成所述目标地理位置的目标地理图像;以及
广告内容确定单元36,用于利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容。。
可选的,所述目标用户确定单元32,包括:
覆盖范围确定子单元(图中未示出),用于根据所述所述目标地理位置,确定所述目标广告终端的覆盖范围;
IP地址获取子单元(图中未示出),用于获取线上用户的IP地址;
目标用户确定子单元(图中未示出),用于根据所述线上用户的IP地址以及所述目标广告终端的覆盖范围,确定所述覆盖范围内的所述IP地址对应的线上用户,以作为所述目标线上用户。
可选的,所述用户特征包括用户图像和/或历史行为数据,所述用户特征获取单元33,包括:
用户信息采集子单元(图中未示出),用于采集所述目标线上用户的用户信息;
用户图像构建子单元(图中未示出),用于利用所述用户信息,构建所述用户图像;
统计子单元(图中未示出),用于统计所述目标线上用户在预设历史时间段内的历史行为数据,其中,所述历史行为数据包括所述目标线上用户针对每种商品进行购买操作所生成的历史购买数据,以及所述目标线上用户针对每种商品进行浏览操作所生成的历史浏览数据。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质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如各方法实施例所述的步骤,例如包括:
获取目标广告终端的目标地理位置;
根据所述目标地理位置,确定所述目标广告终端对应的目标线上用户;
获取所述目标线上用户的用户特征;
获取所述目标地理位置的地理特征;
基于所述用户特征和所述地理特征,生成所述目标地理位置的目标地理图像;
利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容。
图4是本发明另一个实施例提供的终端设备的结构示意图。图4所示的终端设备400包括:至少一个处理器401、存储器402、至少一个网络接口404和其他用户接口403。终端设备400中的各个组件通过总线系统405耦合在一起。可理解,总线系统405用于实现这些组件之间的连接通信。总线系统405除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图4中将各种总线都标为总线系统405。
其中,用户接口403可以包括显示器、键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。
可以理解,本发明实施例中的存储器402可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本文描述的存储器402旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器402存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统4021和应用程序4022。
其中,操作系统4021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序4022,包含各种应用程序,例如媒体播放器(Media Player)、浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序4022中。
在本发明实施例中,通过调用存储器402存储的程序或指令,具体的,可以是应用程序4022中存储的程序或指令,处理器401用于执行各方法实施例所提供的方法步骤,例如包括:
获取目标广告终端的目标地理位置;
根据所述目标地理位置,确定所述目标广告终端对应的目标线上用户;
获取所述目标线上用户的用户特征;
获取所述目标地理位置的地理特征;
基于所述用户特征和所述地理特征,生成所述目标地理位置的目标地理图像;
利用所述目标地理图像,确定与所述目标广告终端对应的待推荐的广告内容。
上述本发明实施例揭示的方法可以应用于处理器401中,或者由处理器401实现。处理器401可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器402,处理器401读取存储器402中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。