CN111899049A - 广告投放方法、装置及设备 - Google Patents
广告投放方法、装置及设备 Download PDFInfo
- Publication number
- CN111899049A CN111899049A CN202010718848.3A CN202010718848A CN111899049A CN 111899049 A CN111899049 A CN 111899049A CN 202010718848 A CN202010718848 A CN 202010718848A CN 111899049 A CN111899049 A CN 111899049A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- seed
- user
- target
- user group
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 21
- 238000002716 delivery method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 6
- 230000008685 targeting Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001632422 Radiola linoides Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
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
本申请实施例公开了一种广告投放方法,所述方法包括:确定待投放广告对应的第一种子用户群;确定与所述待投放广告相似的目标广告;利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。本申请实施例提供的方法,解决了待投放广告的种子用户数量不足导致目标用户确定不准确的技术问题。
Description
技术领域
本申请实施例涉及信息处理技术领域,尤其涉及一种广告投放方法、装置及设备。
背景技术
互联网广告相比传统广告可以实现精准的人群定向,即可以将特定的广告展示给特定的人群,以提高广告费用的转化率。
相似访客定向算法(Look-alike Targeting)是一种可以实现人群定向的算法,该算法可以确定出的广告要投放的目标用户。但该算法需要足够数量的种子用户为基础,确定出的目标用户才准确,而很多情况下,已有的种子用户数量往往不足。
发明内容
为克服相关技术中存在的问题,本申请实施例提供了一种广告投放方法、装置及设备。
根据本申请实施例的第一方面,提供一种广告投放方法,包括:
确定待投放广告对应的第一种子用户群;
确定与所述待投放广告相似的目标广告;
利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;
根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。
根据本申请实施例的第二方面,提供一种广告投放装置,包括:
第一确定模块,用于确定待投放广告对应的第一种子用户群,确定与所述待投放广告相似的目标广告,从所述目标广告对应的第二种子用户群中确定目标种子用户;
扩充模块,用于利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;
第二确定模块,用于根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。
根据本申请实施例的第三方面,提供一种广告投放设备,包括:处理器与存储有计算机程序的存储器;
所述处理器在执行所述计算机程序时实现以下步骤:
确定待投放广告对应的第一种子用户群;
确定与所述待投放广告相似的目标广告;
利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;
根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例第一方面提供的各种广告投放方法。
本申请提供的技术方案可以包括以下有益效果:
本申请实施例提供的广告投放方法,在待投放广告的种子用户数量不足时,可以利用与待投放广告相似的目标广告的种子用户对待投放广告的种子用户进行扩充,使待投放广告的种子用户数量增加,如此,基于足够数量的种子用户确定出的目标用户能够更准确,从而能够将待投放广告投放给真正感兴趣的用户,提高广告费用的转化率。
附图说明
此处的附图被并入说明书中并构成本申请实施例的一部分,示出了符合本申请实施例的实施例,并与说明书一起用于解释本申请实施例的原理。
图1是本申请实施例提供的一种广告投放方法的流程图。
图2是本申请实施例提供的一种广告投放装置的结构示意图。
图3是本申请实施例提供的一种广告投放设备的结构示意图。
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申请实施例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、本申请实施例的一些方面相一致的装置和方法的例子。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
互联网广告可以实现精准的人群定向,从而比传统广告有更大的优势。所谓人群定向,是指通过挖掘用户的历史行为数据来进行广告的精确投放,从而实现将特定的广告展示给特定的人群,提高广告费用的转化率(即投入的广告费用转化为收入的比例)。
相似访客定向算法(Look-alike Targeting)是一种可以实现人群定向的算法,其可以利用广告主提供的第一方数据,基于第一方数据中的种子用户,拓展出和种子用户相似的用户群体,该拓展出的用户群体将有较大可能成为广告主的客户。
虽然相似访客定向算法能够确定出广告要投放的目标用户,但所找到的目标用户是否准确,有赖于广告主所提供的种子用户的数量。当种子用户的数量不足时,相似访客定向算法所确定出的目标用户将不准确,即向该目标用户投放广告并不能达到“投其所好”或“投其所需”的效果,从而无法提高广告费用的转化率。
为解决种子用户数量不足而导致确定的目标用户不准确的问题,本申请实施例提供了一种广告投放方法,可以参见图1,图1是本申请实施例提供的广告投放方法的流程图,该方法包括以下步骤:
S101、确定待投放广告对应的第一种子用户群。
S102、确定与该待投放广告相似的目标广告。
S103、利用该目标广告对应的第二种子用户群对第一种子用户群进行扩充。
S104、根据扩充后的第一种子用户群,确定该待投放广告对应的目标用户,以便向该目标用户投放该待投放广告。
需要说明的是,本申请文件所提及的广告,可以是某种产品的售卖广告,也可以是某种活动的推广广告,还可以是其他形式的广告,在此不做限制。
每个广告可以有其对应的种子用户,而该广告对应的所有种子用户的集合可以是一个种子用户群。所谓种子用户,可以是曾表现出对广告感兴趣或对广告对应的产品/活动感兴趣的用户,但具体用户的何种行为表征用户对广告具有偏好,可以根据实际设定的定义不同而不同。比如,若投放广告的目的是希望该广告对应的产品能够有更高的曝光率,即用户只需要点击该广告进行查看即可,则可以设定种子用户为曾点击过该广告的用户。又比如,若投放广告的目的是希望该广告对应的产品能够更多的被购买,则可以设定种子用户为曾购买过该广告对应的产品的用户。当然,以上仅为一些例子,还有其他种子用户的定义方式。
可以理解的,本申请实施例所提及的用户在实际工程中可以对应用户信息或用户数据,即一个用户对应有一个用户信息。用户信息可以包括用户ID、用户属性等多种信息,在一种实施方式中,用户信息也可以是用户画像,用户画像可以为该用户的多个标签的集合。
在步骤S101中,可以根据设定的种子用户条件对广告主提供的原始用户数据进行筛选,从而确定待投放广告对应的第一种子用户群。
在确定第一种子用户群后,可以确定该第一种子用户群的种子用户数量是否大于或等于预设的数量阈值。预设的数量阈值可以根据相似访客定向算法的需要的种子用户数量进行设定。若第一种子用户群的种子用户数量小于该数量阈值,则可以认为待投放广告的种子用户数量不足,此时,若直接利用相似访客定向算法根据该第一种子用户群进行目标用户的选取,则选取出的目标用户并不准确,即对该待投放广告实际并不感兴趣,转化为客户的概率很低。
对于种子用户数量不足的问题,在多种情况可能出现。在一种情况中,可以是广告处于冷启动状态,比如该广告对应的产品或活动是全新的,没有历史数据。在另一种情况中,也可以是种子用户的定义比较苛刻导致的种子用户数量不足。当然,还可以是应用领域本身数据量较小,比如,在一种教育类APP中,购买课程的用户相对较少,若种子用户设定为购买了课程A(课程A可以是任一课程)的用户,则将面临种子用户数量不足的问题。
为此,本申请实施例提供的方法采取了对种子用户进行扩充的方案。具体的,在步骤S102中,可以确定与待投放广告相似的目标广告,目标广告可以只有一个,但也可以有多个。在步骤S103中,可以利用该目标广告对应的第二种子用户群对待投放广告的第一种子用户群进行扩充,以增加待投放广告的种子用户数量。
虽然目标广告与待投放广告并不完全相同,但由于两者相似,因此两者的种子用户群体可以具有一定的共通性,比如,在一个例子中,待投放广告是可以作文课程的推荐广告,目标广告可以是阅读理解课程的推荐广告。
在确定与待投放广告相似的目标广告时,有多种可以实现的方式。在一种实施方式中,可以提取不同广告的特征,将提取出的特征通过特定的编码方式进行数值化,再可根据特定的相似度算法计算出其他广告与待投放广告的相似度,从而可以从相似度最高的广告中确定出一个或多个目标广告。在另一种实施方式中,可以在前期通过分类方法对各个广告进行分类,则在确定与待投放广告相似的目标广告时,可以先确定待投放广告所属的目标类别,再将同属该目标类别的广告确定为目标广告。
举个例子,比如在教育类APP中,每个广告可以对应一种课程,为增加课程A的种子用户数量(若定义种子用户为购买了课程的用户),可以先确定课程A所属的类别,比如课程A可以是作文课程,则其所属的类别可以是作文(在实际应用中可以通过标签的方式来表示),则可以将作文类别下的其它课程作为与课程A的相似课程,从而可以利用其它课程的种子用户对课程A的种子用户数量进行扩充。
在一种实施方式中,广告所属的类别可以有多个,比如课程A可以属于作文的小类,属于语文的中类,属于学科的大类。而目标类别可以是多个类别中的最小类别,同属该最小类别的其他广告可以是目标广告。
当本申请实施例所提出的广告投放方法应用在课程推荐广告的投放时,该方法可以达到更好的效果。由于广告的效果与多种因素相关,比如产品定价、广告创意等因素都会有影响广告效果,所以,即便是售卖同一产品的两个广告也可以有很大的差异。并且,这些因素往往难以量化(用数值进行评价),导致在确定与待投放广告相似的目标广告时具有较大的难度。
但在课程推荐的场景中,由于能够入选到该教育类APP的课程均经过了相同标准的审核,因此课程与课程之间的质量差异不大。对于同属一个标签下的课程,比如作文课程A与作文课程B,两课程之间的差距则更小,购买了课程A的用户与购买了课程B的用户有很高的共通性,因此,将课程B的种子用户作为课程A的种子用户的扩充是十分合适的,不会引入过多的噪音数据。
在确定目标广告之后,可以从目标广告对应的第二种子用户群中选取指定数量个种子用户作为第一种子用户群的扩充。而在具体选取用于扩充的种子用户时,也可以有多种方式。比如,在一种实施方式中,可以随机或按照用户序号从第二种子用户群中进行选取。又比如,在另一种实施方式中,可以从第二种子用户群中选取与第一种子用户群中的种子用户最相似的指定数量个种子用户。
关于与第一种子用户群中的种子用户最相似的种子用户,也可以通过相似度算法进行确定。具体而言,可以先对每个用户的用户信息进行数值化。用户信息可以包括年龄、性别、教育程度等标签,这些标签可以通过特定的编码方式量化为数值,从而可以根据特定的相似度算法计算出用户与用户之间的相似度。
比如,可以通过聚类算法来计算用户之间的相似度。在对每个用户的用户信息进行数值化后,每个用户信息可以表示为一个多维数据,每一维度可以对应一个特征或标签,从而可以计算用户与用户之间的距离,根据距离的远近来确定两者之间的相似度。在从第二种子用户群中选取种子用户时,可以通过聚类算法,将距离第一种子用户群中的种子用户最近的指定数量个种子用户扩充至第一种子用户群。
第一种子用户群在经过扩充后,其中的种子用户数量将满足相似访客定向算法的要求,从而可以利用相似访客定向算法确定待投放广告对应的目标用户。目标用户是被认为有较大可能购买广告对应的产品或参加广告对应的活动的用户,这些用户可以从候选用户群中进行选取。
候选用户群可以是候选用户的集合。在一种实施方式中,候选用户群可以是全量用户,比如可以是APP的全体注册用户,或者服务器实名认证的全体用户。但考虑到全量用户的数量过于庞大,从全量用户中选取目标用户需要耗费大量的计算资源,也不必要,在另一种实施方式中,可以设定一些条件对全量用户进行筛选,比如可以筛选出在过去的指定时间内(比如过去7天内)的活跃用户作为候选用户群。活跃用户可以是在线用户,也可以是发表过评论的用户,具体可以根据实际需求进行设定。
对于候选用户群,也可以设定一些条件进行过滤,比如若目标是增加购买待投放广告对应的产品的用户数量,则可以通过分析用户信息,筛选出在过去指定时间内已点击过待投放广告但仍不购买该待投放广告对应的产品的用户,对该部分用户进行滤除;又或者,可以筛选出在过去指定时间内已试用过待投放广告对应的产品但仍不购买该产品的用户,对该部分用户进行滤除。这些滤除的用户由于在近期内对待投放广告对应的产品已有了解,但却仍不购买,可以认为其购买该产品的概率很低,因此可以排除。
从候选用户群中选取目标用户时,在一种实施方式中,可以针对候选用户群中的每个候选用户,计算候选用户与第一种子用户群整体的目标相似度,进而,可以根据每个候选用户对应的目标相似度,确定待投放广告对应的目标用户。
候选用户与第一种子用户群整体的目标相似度可以利用该候选用户与第一种子用户群中的每一个种子用户的个体相似度进行计算。对于个体相似度的计算,可以先选定用户信息中的目标特征,这些目标特征可以根据实际应用的需要进行选取,比如在教育类APP的应用中,目标特征可以包括学段、年纪、省份、兴趣爱好、用户与指定栏目的交互信息等一种或多种。
在选定目标特征后,可以为每个特征确定相应的权重值,该权重值用于表征该特征在确定目标用户时贡献度或重要性。在一种实施方式中,不同特征对应的权重值可以由运营人员依据自己的经验进行设定。在另一种实施方式中,可以通过特征选择算法确定不同特征对应的权重值。
可以举一个例子,在该例子中,特征选择算法可以采用非迭代算法,该特征选择算法与线性模型或其他复杂模型相比,在用户信息稀疏时具有更好的性能,具体的公式表达如下:
其中,特征权重矩阵A为一个对角矩阵,Aij=0,i≠j,1≤i,j≤L,L为用户特征数,Ajj是特征j对应的权重值。表示种子用户中拥有特征j的比例,表示候选用户中拥有特征j的比例,S表示扩充后的第一种子用户群,U表示候选用户群,用户i的特征为fi。
计算出的权重值对运营人员也有一定参考价值,运营人员也可以根据自身业务经验对权重值进行调整。通过为不同的特征确定不同的权重值,可以忽略一些不重要的特征,从而有利于目标用户的准确抓取。
在确定不同特征对应的权重值后,可以通过相似度算法来度量候选用户与第一种子用户群中的各个种子用户间的个体相似度。具体的,可以将从用户信息中选取的特征进行离散化,离散化后的特征可以进行one-hot编码,进一步的,可以利用编码后的特征与特征对应的权重值,采用杰卡德相似度(Jaccard Similarity)计算出候选用户对应的个体相似度。具体的计算公式如下:
其中,fuj表示候选用户u的特征j,fij表示种子用户i的特征j,Ajj是特征j对应的权重值,sim(fu,fi)表示候选用户u与种子用户i之间的个体相似度。
在利用该候选用户对应的各个个体相似度计算候选用户与第一种子用户群整体的目标相似度时,可以有多种计算方式。在一种实施方式中,可以将候选用户对应的各个个体相似度中的最大相似度确定为目标相似度。在一种实施方式中,可以将候选用户对应的各个个体相似度中的最小相似度确定为目标相似度。在一种实施方式中,还可以将候选用户对应的各个个体相似度的平均值确定为目标相似度。
若将候选用户对应的各个个体相似度的平均值确定为目标相似度,目标相似度的计算公式表示如下:
其中,sim(u,S)表示候选用户u与扩充后的第一种子用户群S整体的目标相似度,其余参数在前文中已有说明,在此不再赘述。
根据确定出的候选用户与第一种子用户群整体的目标相似度,可以筛选出指定数量个目标用户。比如,可以将候选用户按目标相似度进行排序,序号位于前面的指定数量个候选用户确定为目标用户。又比如,也可以直接设定目标相似度高于某一特定阈值的候选用户为目标用户。
进一步的,考虑到特定的广告通常只有在特定的时间投放,若在该特定的时间内用户没有上线,则该广告实际并没有真正投放给用户,用户并没有看到该广告。以某教育类APP为例,该APP中的课程推荐广告通常在周二和周四才以弹窗的形式弹出给用户,若用户在周二和周四没有打开APP,则无法看到该课程推荐广告。
基于上述考虑,在确定目标用户时,可以根据扩充后的第一种子用户群以及用户的日活跃概率进行确定。日活跃概率可以是用户在特定日的活跃概率,比如,在前述例子中,活跃概率可以是用户在周二登录APP的概率。日活跃概率在实际中可以作为用户信息中的一个标签或一个特征,其可以根据用户的用户信息及用户的历史行为数据预测得到的。具体预测时,可以预先训练一个预测模型(如二分类模型),通过预测模型预测出用户在特定日(如次日)的活跃概率。
在利用日活跃概率确定目标用户时,一种实施方式是,日活跃概率可以用于对候选用户对应的目标相似度进行修正。具体的,日活跃概率可以是一个0-1之间的数值,通过该数值与计算出的候选用户对应的目标相似度进行乘法运算,可以得到修正后的目标相似度。修正过程可以参考以下公式:
sim(u,S)=sim(u,S)×pu
其中,pu为候选用户u对应的日活跃概率,通过该pu与目标相似度sim(u,S)相乘来实现对目标相似度sim(u,S)的修正。
进一步的,基于该修正后的目标相似度,可以选取出考虑了日活跃概率的目标用户,以尽可能的避免广告投放出去却未被用户看到的情况。
而在另一种实施方式中,也可以通过与用户进行交互,接受用户设定的广告推送时间,在设定的广告推送时间对该用户进行广告投放。还可以设定广告投放条件,比如检测到用户上线后再向用户投放广告。
在确定目标用户后,目标用户可以以列表或其他数据形式存储在服务器中,从而,在应用阶段,当用户登录客户端,客户端可以将该用户的身份标识发送给服务器,服务器在接收到该身份标识后,可以查阅目标用户对应的列表,以确定该用户是否是目标用户,若是,则可以向该用户推送待投放广告,若否,可以不推送广告,或者推送其他的比如默认的广告。
以上为对本申请实施例提供的广告投放方法的详细说明。本申请实施例提供的广告投放方法,在待投放广告的种子用户数量不足时,可以利用与待投放广告相似的目标广告的种子用户对待投放广告的种子用户进行扩充,使待投放广告的种子用户数量增加,如此,基于足够数量的种子用户确定出的目标用户能够更准确,从而能够将待投放广告投放给真正感兴趣的用户,提高广告费用的转化率。
下面请参见图2,图2是本申请实施例提供的广告投放装置的结构示意图。该广告投放装置包括:
第一确定模块210,用于确定待投放广告对应的第一种子用户群,确定与所述待投放广告相似的目标广告,从所述目标广告对应的第二种子用户群中确定目标种子用户;
扩充模块220,用于利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;
第二确定模块230,用于根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。
可选的,所述第一确定模块还用于,确定所述待投放广告所属的目标类别;将同属所述目标类别的广告确定为目标广告。
可选的,所述扩充模块还用于,从所述目标广告对应的第二种子用户群中,将与所述第一种子用户群中的种子用户最相似的指定数量个种子用户扩充至所述第一种子用户群。
可选的,所述扩充模块还用于,通过聚类算法,将距离所述第一种子用户群中的种子用户最近的指定数量个种子用户扩充至所述第一种子用户群。
可选的,所述第二确定模块还用于,根据扩充后的所述第一种子用户群以及用户的日活跃概率,确定所述待投放广告对应的目标用户。
可选的,所述日活跃概率是基于用户信息及用户的历史行为数据预测得到的。
可选的,所述第二确定模块还用于,获取候选用户群,针对所述候选用户群中每个候选用户,计算所述候选用户与所述第一种子用户群整体的目标相似度;根据每个候选用户对应的所述目标相似度,确定所述待投放广告对应的目标用户。
可选的,所述第二确定模块还用于,计算所述候选用户与所述第一种子用户群中各个种子用户的个体相似度;将各个所述个体相似度的平均值作为所述候选用户对应的所述目标相似度。
可选的,所述候选用户群包括全量用户或在过去的指定时间内的活跃用户。
以上的本申请实施例提供的广告投放装置的各种实施方式,其具体实现可以参见本申请实施例提供的广告投放方法的相应说明,在此不再赘述。
本申请实施例提供的广告投放装置,在待投放广告的种子用户数量不足时,可以利用与待投放广告相似的目标广告的种子用户对待投放广告的种子用户进行扩充,使待投放广告的种子用户数量增加,如此,基于足够数量的种子用户确定出的目标用户能够更准确,从而能够将待投放广告投放给真正感兴趣的用户,提高广告费用的转化率。
下面请参见图3,图3是本申请实施例提供的广告投放设备的结构示意图。该广告投放设备包括:处理器310与存储有计算机程序的存储器320;
所述处理器在执行所述计算机程序时实现以下步骤:
确定待投放广告对应的第一种子用户群;
确定与所述待投放广告相似的目标广告;
利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;
根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。
可选的,所述处理器还用于,确定所述待投放广告所属的目标类别;将同属所述目标类别的广告确定为目标广告。
可选的,所述处理器还用于,从所述目标广告对应的第二种子用户群中,将与所述第一种子用户群中的种子用户最相似的指定数量个种子用户扩充至所述第一种子用户群。
可选的,所述处理器还用于,通过聚类算法,将距离所述第一种子用户群中的种子用户最近的指定数量个种子用户扩充至所述第一种子用户群。
可选的,所述处理器还用于,根据扩充后的所述第一种子用户群以及用户的日活跃概率,确定所述待投放广告对应的目标用户。
可选的,所述日活跃概率是基于用户信息及用户的历史行为数据预测得到的。
可选的,所述处理器还用于,获取候选用户群,针对所述候选用户群中每个候选用户,计算所述候选用户与所述第一种子用户群整体的目标相似度;
根据每个候选用户对应的所述目标相似度,确定所述待投放广告对应的目标用户。
可选的,所述处理器还用于,计算所述候选用户与所述第一种子用户群中各个种子用户的个体相似度;
将各个所述个体相似度的平均值作为所述候选用户对应的所述目标相似度。
可选的,所述处理器还用于,所述候选用户群包括全量用户或在过去的指定时间内的活跃用户。
以上的本申请实施例提供的广告投放设备的各种实施方式,其具体实现可以参见本申请实施例提供的广告投放方法的相应说明,在此不再赘述。
本申请实施例提供的广告投放设备,在待投放广告的种子用户数量不足时,可以利用与待投放广告相似的目标广告的种子用户对待投放广告的种子用户进行扩充,使待投放广告的种子用户数量增加,如此,基于足够数量的种子用户确定出的目标用户能够更准确,从而能够将待投放广告投放给真正感兴趣的用户,提高广告费用的转化率。
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存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例提供任一种实施方式下的广告投放方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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申请实施例方案的目的。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。
上述对本申请实施例特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上实施例中提供的技术特征,只要不存在冲突或矛盾,本领域技术人员可以根据实际情况对各个技术特征进行组合,从而构成各种不同的实施例。而本申请文件限于篇幅,未对各种不同的实施例展开说明,但可以理解的是,各种不同的实施例也属于本申请实施例公开的范围。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本申请实施例的其它实施方案。本申请实施例旨在涵盖本申请实施例的任何变型、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申请实施例的一般性原理并包括本申请实施例未申请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,本申请实施例的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请实施例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。本申请实施例的范围仅由所附的权利要求来限制。
以上所述仅为本申请实施例的较佳实施例而已,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请实施例保护的范围之内。
Claims (12)
1.一种广告投放方法,其特征在于,包括:
确定待投放广告对应的第一种子用户群;
确定与所述待投放广告相似的目标广告;
利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;
根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。
2.根据权利要求1所述的广告投放方法,其特征在于,所述确定与所述待投放广告相似的目标广告,包括:
确定所述待投放广告所属的目标类别;
将同属所述目标类别的广告确定为目标广告。
3.根据权利要求1所述的广告投放方法,其特征在于,所述利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充,包括:
从所述目标广告对应的第二种子用户群中,将与所述第一种子用户群中的种子用户最相似的指定数量个种子用户扩充至所述第一种子用户群。
4.根据权利要求3所述的广告投放方法,其特征在于,所述将与所述第一种子用户群中的种子用户最相似的指定数量个种子用户扩充至所述第一种子用户群,包括:
通过聚类算法,将距离所述第一种子用户群中的种子用户最近的指定数量个种子用户扩充至所述第一种子用户群。
5.根据权利要求1所述的广告投放方法,其特征在于,所述根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,包括:
根据扩充后的所述第一种子用户群以及用户的日活跃概率,确定所述待投放广告对应的目标用户。
6.根据权利要求5所述的广告投放方法,其特征在于,所述日活跃概率是基于用户信息及用户的历史行为数据预测得到的。
7.根据权利要求1所述的广告投放方法,其特征在于,所述根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,包括:
获取候选用户群,针对所述候选用户群中每个候选用户,计算所述候选用户与所述第一种子用户群整体的目标相似度;
根据每个候选用户对应的所述目标相似度,确定所述待投放广告对应的目标用户。
8.根据权利要求7所述的广告投放方法,其特征在于,所述计算所述候选用户与所述第一种子用户群整体的目标相似度,包括:
计算所述候选用户与所述第一种子用户群中各个种子用户的个体相似度;
将各个所述个体相似度的平均值作为所述候选用户对应的所述目标相似度。
9.根据权利要求7所述的广告投放方法,其特征在于,所述候选用户群包括全量用户或在过去的指定时间内的活跃用户。
10.一种广告投放装置,其特征在于,包括:
第一确定模块,用于确定待投放广告对应的第一种子用户群,确定与所述待投放广告相似的目标广告,从所述目标广告对应的第二种子用户群中确定目标种子用户;
扩充模块,用于利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;
第二确定模块,用于根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。
11.一种广告投放设备,其特征在于,包括:处理器与存储有计算机程序的存储器;
所述处理器在执行所述计算机程序时实现以下步骤:
确定待投放广告对应的第一种子用户群;
确定与所述待投放广告相似的目标广告;
利用所述目标广告对应的第二种子用户群对所述第一种子用户群进行扩充;
根据扩充后的所述第一种子用户群,确定所述待投放广告对应的目标用户,以便向所述目标用户投放所述待投放广告。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-9任一项所述的广告投放方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010718848.3A CN111899049A (zh) | 2020-07-23 | 2020-07-23 | 广告投放方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010718848.3A CN111899049A (zh) | 2020-07-23 | 2020-07-23 | 广告投放方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111899049A true CN111899049A (zh) | 2020-11-06 |
Family
ID=73190632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010718848.3A Pending CN111899049A (zh) | 2020-07-23 | 2020-07-23 | 广告投放方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899049A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114004659A (zh) * | 2021-11-05 | 2022-02-01 | 北京库睿科技有限公司 | 多媒体内容的投放方法、装置、计算机设备和介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105869021A (zh) * | 2016-04-05 | 2016-08-17 | 乐视控股(北京)有限公司 | 互联网广告投放方法、装置 |
US20170111461A1 (en) * | 2015-10-15 | 2017-04-20 | Triad Retail Media, LLC | Apparatus and method for generating dynamic similarity audiences |
CN107103057A (zh) * | 2017-04-13 | 2017-08-29 | 腾讯科技(深圳)有限公司 | 一种资源推送方法及装置 |
CN107862558A (zh) * | 2017-12-11 | 2018-03-30 | 中国南方航空股份有限公司 | 自助式用户群扩展方法 |
CN108109004A (zh) * | 2017-12-18 | 2018-06-01 | 北京三快在线科技有限公司 | 相似人群扩展方法、装置及电子设备 |
CN108269122A (zh) * | 2017-12-29 | 2018-07-10 | 广东神马搜索科技有限公司 | 广告的相似度处理方法和装置 |
CN108833458A (zh) * | 2018-04-02 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 一种应用推荐方法、装置、介质及设备 |
CN109801100A (zh) * | 2018-12-26 | 2019-05-24 | 北京达佳互联信息技术有限公司 | 广告投放方法、装置和计算机可读存储介质 |
CN109801091A (zh) * | 2017-11-16 | 2019-05-24 | 腾讯科技(深圳)有限公司 | 目标用户群体定位方法、装置、计算机设备和存储介质 |
CN110097395A (zh) * | 2019-03-27 | 2019-08-06 | 平安科技(深圳)有限公司 | 定向广告投放方法、装置及计算机可读存储介质 |
CN110210899A (zh) * | 2019-05-23 | 2019-09-06 | 中国银行股份有限公司 | 基于广告相似性的广告推送方法、装置和设备 |
CN110458220A (zh) * | 2019-07-31 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 人群定向方法、装置、服务器及存储介质 |
CN110866766A (zh) * | 2018-08-27 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 广告投放方法、确定推广人群的方法、服务器和客户端 |
CN111080361A (zh) * | 2019-12-16 | 2020-04-28 | 上海风秩科技有限公司 | 一种广告投放方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-07-23 CN CN202010718848.3A patent/CN111899049A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170111461A1 (en) * | 2015-10-15 | 2017-04-20 | Triad Retail Media, LLC | Apparatus and method for generating dynamic similarity audiences |
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 |
CN105869021A (zh) * | 2016-04-05 | 2016-08-17 | 乐视控股(北京)有限公司 | 互联网广告投放方法、装置 |
CN107103057A (zh) * | 2017-04-13 | 2017-08-29 | 腾讯科技(深圳)有限公司 | 一种资源推送方法及装置 |
CN109801091A (zh) * | 2017-11-16 | 2019-05-24 | 腾讯科技(深圳)有限公司 | 目标用户群体定位方法、装置、计算机设备和存储介质 |
CN107862558A (zh) * | 2017-12-11 | 2018-03-30 | 中国南方航空股份有限公司 | 自助式用户群扩展方法 |
CN108109004A (zh) * | 2017-12-18 | 2018-06-01 | 北京三快在线科技有限公司 | 相似人群扩展方法、装置及电子设备 |
CN108269122A (zh) * | 2017-12-29 | 2018-07-10 | 广东神马搜索科技有限公司 | 广告的相似度处理方法和装置 |
CN108833458A (zh) * | 2018-04-02 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 一种应用推荐方法、装置、介质及设备 |
CN110866766A (zh) * | 2018-08-27 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 广告投放方法、确定推广人群的方法、服务器和客户端 |
CN109801100A (zh) * | 2018-12-26 | 2019-05-24 | 北京达佳互联信息技术有限公司 | 广告投放方法、装置和计算机可读存储介质 |
CN110097395A (zh) * | 2019-03-27 | 2019-08-06 | 平安科技(深圳)有限公司 | 定向广告投放方法、装置及计算机可读存储介质 |
CN110210899A (zh) * | 2019-05-23 | 2019-09-06 | 中国银行股份有限公司 | 基于广告相似性的广告推送方法、装置和设备 |
CN110458220A (zh) * | 2019-07-31 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 人群定向方法、装置、服务器及存储介质 |
CN111080361A (zh) * | 2019-12-16 | 2020-04-28 | 上海风秩科技有限公司 | 一种广告投放方法、装置、电子设备及可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114004659A (zh) * | 2021-11-05 | 2022-02-01 | 北京库睿科技有限公司 | 多媒体内容的投放方法、装置、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111538912B (zh) | 内容推荐方法、装置、设备及可读存储介质 | |
CN105550903B (zh) | 目标用户确定方法及装置 | |
US8738436B2 (en) | Click through rate prediction system and method | |
US7594189B1 (en) | Systems and methods for statistically selecting content items to be used in a dynamically-generated display | |
CN111178981A (zh) | 一种广告投放方法、装置、计算机设备及存储介质 | |
US20140278973A1 (en) | System and method for audience targeting | |
CN113473187A (zh) | 广告投放的跨屏优化 | |
JP2015097094A (ja) | リアルタイム広告入札に対して競争評価モデルを使用するための学習システム | |
CN108777701B (zh) | 一种确定信息受众的方法及装置 | |
US20210241314A1 (en) | Method and system for optimizing user grouping for advertisement | |
CN111095330B (zh) | 用于预测在线用户交互的机器学习方法和系统 | |
CN111210258A (zh) | 广告投放方法、装置、电子设备及可读存储介质 | |
CN109949089B (zh) | 一种确定展示率的方法、装置及终端 | |
CN111160983A (zh) | 广告投放效果的评估方法、装置、计算机设备及存储介质 | |
CN111429161B (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
US20110251889A1 (en) | Inventory clustering | |
CN110689402A (zh) | 推荐商家的方法、装置、电子设备及可读存储介质 | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
TWM624658U (zh) | 以用戶短期特徵預測用戶是否屬於價值用戶群的預測裝置 | |
CN116739665A (zh) | 信息投放方法、装置、电子设备及存储介质 | |
CN111899049A (zh) | 广告投放方法、装置及设备 | |
CN111260416B (zh) | 用于确定对象的关联用户的方法及装置 | |
CN113159809B (zh) | 对象处理方法、装置、电子设备及计算机可读存储介质 | |
US20210365994A1 (en) | System and Method for Predicting an Anticipated Transaction | |
CN113724044A (zh) | 基于用户画像的商品推荐、装置、计算机设备和存储介质 |
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 |