CN111951041B - 一种广告投放方法、系统及互联网服务系统 - Google Patents
一种广告投放方法、系统及互联网服务系统 Download PDFInfo
- Publication number
- CN111951041B CN111951041B CN202010699113.0A CN202010699113A CN111951041B CN 111951041 B CN111951041 B CN 111951041B CN 202010699113 A CN202010699113 A CN 202010699113A CN 111951041 B CN111951041 B CN 111951041B
- Authority
- CN
- China
- Prior art keywords
- kol
- vermicelli
- key opinion
- opinion leader
- optimal
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims description 48
- 238000002716 delivery method Methods 0.000 claims description 8
- 235000010205 Cola acuminata Nutrition 0.000 claims description 5
- 244000228088 Cola acuminata Species 0.000 claims description 5
- 235000015438 Cola nitida Nutrition 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 235000012149 noodles Nutrition 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 229910052709 silver Inorganic materials 0.000 description 15
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 13
- 239000004332 silver Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 239000000843 powder Substances 0.000 description 4
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
-
- 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)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (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)
Abstract
本发明提出一种广告投放方法、系统及互联网服务系统,包括:广告投放请求数据获取步骤,用于通过一互联网服务系统获取广告投放商的服务请求;关键意见领袖kol粉丝数据获取步骤,用于对服务请求中的备选关键意见领袖kol的粉丝数据进行采样,通过拟合计算所述粉丝数据得到每一备选关键意见领袖kol的真实粉丝数及每二组备选关键意见领袖kol之间重合粉丝度;投放方案获取步骤,用于根据所述服务请求中的投放预算、每一所述备选关键意见领袖kol的真实粉丝数、备选关键意见领袖kol的报价及每二组关键意见领袖kol的粉丝重合度,计算得到最优广告投放方案。采用上述方案的广告投放方法基于合理的kol参数,既提高广告效果,又提高广告投放方案的性价比。
Description
技术领域
本发明属于广告技术领域,尤其涉及一种广告投放方法、系统及互联网服务系统。
背景技术
自媒体广告作为一种伴随着自媒体的发展壮大而被广泛使用的新广告形式,其在广告领域正占据着越来越重要的地位。而新浪微博的关键意见领袖(key opinion leader,简称kol)广告便是其中具有代表性的自媒体广告之一。随着越来越多的品牌和商家开始利用微博上的kol进行产品和服务的宣传推广,该类型广告已成为市场营销的重要手段。
商家在进行广告投放的时候,会收到多种投放方案。为了能够帮助商家在资金预算一定的情况下,实现kol广告投放的效果最优,影响的人数最大。一般情况下kol的广告报价与其粉丝数量成正比,但是有一部分kol存在买粉丝的行为,同类型的kol可能会存在重合粉丝较多的现象,当广告投放在两个粉丝重合度较高的kol时,影响到的粉丝数量会明显小于这两个kol的粉丝数量之和,因此,简单利用kol粉丝数据设计广告投放方案并不能获得其真实的广告影响效果。
现有的技术方案,如专利文献CN201510575021.0公开的一种微博意见领袖定向广告投放系统,只是考虑kol的历史微博与广告内容的匹配程度,以提高广告投放的精准度。上述方案既没有考虑kol的粉丝中真实粉丝数量所占的比例,也没有考虑到同时在多个kol处投放广告时,这些kol的粉丝重合度。这些因素都有可能导致广告投放的效果降低。
发明内容
为解决上述的技术问题,本发明提出一种广告投放方法、系统及互联网服务系统,基于kol粉丝数据挖掘其真实粉丝数量、粉丝重合度等数据,采用贪心算法获取广告投放方案,既提高广告效果,又提高广告投放方案的性价比。
本发明一方面公开了一种广告投放方法,包括:
广告投放请求数据获取步骤,用于通过一互联网服务系统获取广告投放商的服务请求,所述服务请求中包括但不限于:至少一备选kol、备选kol报价、投放预算;
kol粉丝数据获取步骤,用于对服务请求中的备选kol的粉丝数据进行采样,通过拟合计算所述粉丝数据得到每一备选kol的真实粉丝数及每二组备选kol之间重合粉丝度;
投放方案获取步骤,用于根据所述投放预算、每一所述备选kol的真实粉丝数、备选kol报价及每二组kol的粉丝重合度,利用贪心算法计算得到最优广告投放方案,从而获得广告影响人数最多且影响人数报价比最高的的方案。
进一步,所述kol粉丝数据获取步骤进一步包括:
真实粉丝数获取步骤,用于获取每一kol的粉丝数据并基于数据拟合建立一真实粉丝数模型followersReality,其中所述粉丝数据进一步包括:粉丝数量、平均评论数量及平均点赞数量;
粉丝重合度获取步骤,用于随机采样获取kol粉丝,并根据粉丝采样率、粉丝重合数计算得到每二组kol之间的粉丝重合度。
进一步,所述投放方案获取步骤进一步包括:
最优kol筛选步骤,根据kol真实粉丝数及报价计算得到kol影响人数报价比,并以影响人数报价比最高且报价不高于投放预算为最优解计算得到备选kol中的最优kol,备选kol表示为集合S,最优kol表示为集合U;
备选kol筛选步骤,基于最优kol报价以投放预算为约束条件筛选剩余kol中符合约束条件的备选kol,记为集合S'=S\U,即为取集合S和集合U的差集,若一kol的报价与最优kol报价之和高于投放预算,则删除该kol;
最优kol组合筛选步骤,基于所述集合S'并以新增影响人数报价比最高且不高于投放预算为最优解获取集合S'中的最优kol,记为集合Si,S'=S'\Si;
最优投放方案获取步骤,重复执行所述备选kol筛选步骤、最优kol组合筛选步骤直至完成集合S'中kol的筛选,得到最优投放方案,记为U'=U∪Si,即为集合U和集合Si的并集,其中,S'=S'\U,即为集合S'和集合U的差集,完成集合S'中kol的筛选时,集合S'为空集。
进一步,所述最优筛选步骤中,若所述集合U为空集,则所述投放预算过低,结束所述投放方案获取步骤;若所述集合U不为空集,则执行备选kol筛选步骤。
进一步,所述真实粉丝步骤得到的真实粉丝数模型followersReality表达式为:
followersReality=0.328×followers+205×avgComments+52×avgLikes,
其中,followers为粉丝数量,avgComments为平均评论数量,avgLikes为平均点赞数量。
进一步,所述粉丝重合度获取步骤得到的粉丝重合度N A,B表达式为:
,
其中,P a为kolA的粉丝采样率,P b为kolB的粉丝采样率,a为kolA的粉丝采样结果,b为kolB的粉丝采样结果,N a,b为a与b的粉丝重合数。
进一步,所述最优kol筛选步骤得到的集合U表示为:
,
其中,L为投放预算,|U|为集合U中kol个数,令|U|=1,f(U)为集合U中kol中真实粉丝数的并集,F(U)为集合U中kol报价之和。
进一步,所述最优kol组合筛选步骤的集合Si表示为:
,
其中,f(U∪Si)为集合U、Si中关键意见领袖kol中真实粉丝数的并集,并集是根据集合U、Si中关键意见领袖kol中真实粉丝数及集合U、Si中关键意见领袖kol中真实粉丝数中的粉丝重合度得到,f(U)为集合U中所筛选关键意见领袖kol的真实粉丝数的并集,F(Si)为集合Si中所筛选关键意见领袖kol的报价。
进一步,所述kol粉丝数据获取步骤实时爬取后储存数据至一数据库中,以便于计算时直接调用,以实现减少计算时间、快速返回广告投放方案。
第二方面,本发明公开了一种实现上述广告投放方法的系统,包括:
投放请求数据获取模块,用于通过一互联网服务系统获取广告投放商的服务请求;
kol粉丝数据获取模块,用于对服务请求中的备选kol的粉丝数据进行采样,通过拟合计算所述粉丝数据得到每一备选kol的真实粉丝数及每二组备选kol之间重合粉丝度;
投放方案获取模块,用于根据所述服务请求中的投放预算、每一所述备选kol的真实粉丝数、备选kol报价及每二组kol的粉丝重合度计算得到最优广告投放方案。
进一步,所述kol粉丝数据获取模块还包括:
真实粉丝数获取模块,用于获取每一kol的粉丝数据并基于数据拟合建立一真实粉丝数模型;
粉丝重合度获取模块,用于随机采样获取kol粉丝,并根据粉丝采样率、粉丝重合数计算得到每二组kol之间的粉丝重合度
进一步,所述投放方案获取模块还包括:
最优kol筛选模块,用于根据kol真实粉丝数及备选kol的报价计算得到kol影响人数报价比,并以影响人数报价比最高且报价不高于投放预算为最优解计算得到备选kol中的最优kol,备选kol表示为集合S,最优kol表示为集合U;
备选kol筛选模块,用于基于最优kol报价以投放预算为约束条件筛选剩余kol中符合约束条件的备选kol,记为集合S'=S\U;
最优kol组合筛选模块,用于基于所述集合S'并以新增影响人数报价比最高且不高于投放预算为最优解获取集合S'中的最优kol,记为集合Si,其中,S'=S'\U;
最优投放方案获取模块,用于重复执行所述备选kol筛选步骤、最优kol组合筛选步骤直至完成集合S'中kol的筛选,得到最优投放方案,记为U'=U∪Si。
另一方面,本发明还一种互联网服务系统,基于上述的广告投放方法,至少包括:
一客户端,通过一应用程序编程接口API获取用户的广告投放服务请求,所述服务请求中包括:至少一备选kol、备选kol报价及投放预算;
一服务端,通信连接所述客户端,用于接收所述客户端的服务请求并利用所述广告投放方法计算得到一广告投放方案,并返回广告投放方案至所述客户端。
与现有技术相比,本发明的优点和积极效果在于:
本发明使用kol的粉丝数量、平均评论数量、平均点赞次数等数据,通过分析计算估算kol真实影响人数,真实数据,以减少僵尸粉、粉丝重合等因素带来的噪声影响,降低被僵尸粉较多的kol欺骗的风险,有效提高广告投放效果;
同时本发明使用贪心算法在预算一定的情况下给出影响人数最多的广告投放方案,方便广告投放商进行方案选择,既保证计算参数的真实性,又提高方案的性价比。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例广告投放方法的优选流程示意图;
图2为本发明实施例投放方案获取步骤的优选流程示意图;
图3为本发明实施例广告投放系统的优选结构示意框图;
图4为本发明实施例互联网服务系统的结构示意框图。
其中:1、投放请求数据获取模块;2、kol粉丝数据获取模块3、投放方案获取模块;201、真实粉丝数获取模块;202、粉丝重合度获取模块;301、最优kol筛选模块;302、备选kol筛选模块;303、最优kol组合筛选模块;304、最优投放方案获取模块;4、客户端;5、服务端。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。
一方面,本发明实施例提出了一种广告投放方法,另一方面,本发明实施例提出了一种基于该广告投放方法的互联网服务系统。
图1-2所示本发明实施例广告投放方法的优选流程示意图,参考图1-2所示,本发明实施例的广告投放方法,包括:
广告投放请求数据获取步骤S1,用于通过一互联网服务系统获取广告投放商的服务请求,服务请求中包括但不限于:至少一备选kol、备选kol报价、投放预算;
kol粉丝数据获取步骤S2,用于对服务请求中的备选kol的粉丝数据进行实时数据爬取采样,通过拟合计算粉丝数据得到每一备选kol的真实粉丝数及每二组备选kol之间重合粉丝度;
投放方案获取步骤S3,用于根据所述服务请求中的投放预算、每一所述备选kol的真实粉丝数、备选kol的报价及每二组kol的粉丝重合度,利用贪心算法计算得到最优广告投放方案,从而影响人数最多且影响人数报价比最高的方案,
其中,kol粉丝数据获取步骤S2进一步包括:
真实粉丝数获取步骤S21,用于获取每一kol的粉丝数据并基于数据拟合建立一真实粉丝数模型followersReality,真实粉丝数模型followersReality表达式为:
followersReality=0.328×followers+205×avgComments+52×avgLikes,
其中粉丝数据进一步包括:粉丝数量followers、平均评论数量avgComments及平均点赞数量avgLikes;
粉丝重合度获取步骤S22,用于随机采样获取kol粉丝,并根据粉丝采样率、粉丝重合数计算得到每二组kol之间的粉丝重合度,粉丝重合度N A,B表达式如公式(1):
,(1)
其中,P a为kolA的粉丝采样率,P b为kolB的粉丝采样率,a为kolA的粉丝采样结果,b为kolB的粉丝采样结果,N a,b为a与b的粉丝重合数。
投放方案获取步骤S3进一步包括:
最优kol筛选步骤S31,根据kol真实粉丝数及报价计算得到kol影响人数报价比,具体的,求kol真实粉丝数和报价的比值,并以影响人数报价比最高且报价不高于投放预算为最优解计算得到备选kol中的最优kol,备选kol表示为集合S,最优kol表示为集合U,集合U表达式如公式(2):
,(2)
其中,L为投放预算,|U|为集合U中kol个数,令|U|=1,f(U)为集合U中kol中真实粉丝数的并集,F(U)为集合U中kol报价之和;
若集合U为空集,则投放预算过低,结束投放方案获取步骤;若集合U不为空集,则执行备选kol筛选步骤;
备选kol筛选步骤S32,基于最优kol报价以投放预算为约束条件筛选剩余kol中符合约束条件的备选kol,记为集合S'=S\U,即为取集合S和集合U的差集,若一kol的报价与最优kol报价之和高于投放预算,则删除该kol;
最优kol组合筛选步骤S33,基于集合S'并以新增影响人数报价比最高且不高于投放预算为最优解获取集合S'中的最优kol,记为集合Si,集合Si表达式如公式(3):
,(3)
其中,f(U∪Si)为集合U、Si中关键意见领袖kol中真实粉丝数的并集,并集是根据集合U、Si中关键意见领袖kol中真实粉丝数及集合U、Si中关键意见领袖kol中真实粉丝数中的粉丝重合度得到,f(U)为集合U中所筛选关键意见领袖kol的真实粉丝数的并集,F(Si)为集合Si中所筛选关键意见领袖kol的报价,S'=S'\Si。
最优投放方案获取步骤S34,重复执行备选kol筛选步骤、最优kol组合筛选步骤直至完成集合S'中kol的筛选,得到最优投放方案,记为U'=U∪Si,即为集合U和集合Si的并集,其中,S'=S'\U,即为集合S'和集合U的差集,完成集合S'中kol的筛选时,集合S'为空集。
图3为本发明实施例广告投放系统的优选结构示意框图,参考图3所示,本发明的实现上述广告投放方法的系统包括:
投放请求数据获取模块1,用于通过一互联网服务系统获取广告投放商的服务请求;
kol粉丝数据获取模块2,用于对服务请求中的备选kol的粉丝数据进行采样,通过拟合计算所述粉丝数据得到每一备选kol的真实粉丝数及每二组备选kol之间重合粉丝度;
投放方案获取模块3,用于根据服务请求中的投放预算、每一备选kol的真实粉丝数、备选kol报价及每二组kol的粉丝重合度计算得到最优广告投放方案。
其中,kol粉丝数据获取模块2还包括:
真实粉丝数获取模块201,用于获取每一kol的粉丝数据并基于数据拟合建立一真实粉丝数模型;
粉丝重合度获取模块202,用于随机采样获取kol粉丝,并根据粉丝采样率、粉丝重合数计算得到每二组kol之间的粉丝重合度
投放方案获取模块3还包括:
最优kol筛选模块301,用于根据kol真实粉丝数及备选kol的报价计算得到kol影响人数报价比,并以影响人数报价比最高且报价不高于投放预算为最优解计算得到备选kol中的最优kol,备选kol表示为集合S,最优kol表示为集合U;
备选kol筛选模块302,用于基于最优kol报价以投放预算为约束条件筛选剩余kol中符合约束条件的备选kol,记为集合S'=S\U;
最优kol组合筛选模块303,用于基于集合S'并以新增影响人数报价比最高且不高于投放预算为最优解获取集合S'中的最优kol,记为集合Si,其中,S'=S'\U;
最优投放方案获取模块304,用于重复执行备选kol筛选步骤S32、最优kol组合筛选步骤S33直至完成集合S'中kol的筛选,得到最优投放方案,记为U'=U∪Si。
图4为本发明实施例的互联网服务系统结构示意框图,参考图4所示,本发明实施例的互联网服务系统至少包括:
客户端4,通过一应用程序编程接口API获取用户的广告投放服务请求,服务请求中包括:至少一备选kol、备选kol报价及投放预算;服务端5,通信连接客户端4,用于接收客户端4的服务请求并利用广告投放方法计算得到一广告投放方案,并返回广告投放方案至客户端4。
本发明实施例的广告投放方法、系统及互联网服务系统,使用kol的粉丝数量、平均评论数量、平均点赞次数等数据,通过分析计算估算kol真实影响人数,真实数据,以减少僵尸粉、粉丝重合等因素带来的噪声影响,降低被僵尸粉较多的kol欺骗的风险,有效提高广告投放效果;同时本发明使用贪心算法在预算一定的情况下给出影响人数最多的广告投放方案,方便广告投放商进行方案选择,既保证计算参数的真实性,又提高方案的性价比。
为说明本发明实施例的广告投放方法,下面举例说明。
数据参考下表所示:
首先执行步骤S1,通过广告投放请求数据获取步骤获取备选kol的数据,其中,备选kol包括段子手小哥、搞笑微博排行榜、银教授,其报价分别为25万、60万、20万,假设广告投放商预计投资100万作为投放预算。
然后执行步骤S2,kol粉丝数据获取步骤,首先,获取备选kol的粉丝数据基于数据拟合利用真实粉丝数模型计算得到其真实的全部粉丝数量,如表所示,其中段子手小哥、搞笑微博排行榜、银教授三者的真实全部粉丝数分别为500万、2500万、400万;
然后,基于在全部粉丝中进行随机采样,本实施例中段子手小哥的采样率为0.1、搞笑微博排行榜的采样率为0.04、银教授的采样率为0.05;基于上述采样率得到的采样数据进行统计分析发现,其中,采样粉丝中,段子手小哥和搞笑微博排行榜的粉丝重合数为0.4万,段子手小哥和银教授的粉丝重合数为1万,搞笑微博排行榜和银教授的粉丝重合数为0.3万。
基于上述采样数据,通过公式(1)计算每二组之间的粉丝重合度,可知,段子手小哥和搞笑微博排行榜的真实粉丝数的并集为2900万人,段子手小哥和银教授的真实粉丝数的并集为700万人,搞笑微博排行榜和银教授的真实粉丝数的并集为2750人。
最后,执行步骤S3获取广告投放方案:
执行步骤S31,集合S为备选kol,则S={段子手小哥,搞笑微博排行榜,银教授},对集合S中的段子手小哥的影响人数报价比为20、搞笑微博排行榜的影响人数报价比约为41.67、银教授的影响人数报价比为20,则选择搞笑微博排行榜作为最优kol,集合U={搞笑微博排行榜},得到S={段子手小哥,银教授};
然后,执行步骤S32,先筛选集合S中符合约束条件的备选kol:基于搞笑微博排行榜报价为60万,投放预算为100万,因此段子手小哥、银教授均为符合约束条件的备选kol,则S'={段子手小哥,银教授};
接下来,基于粉丝重合度执行最优kol组合筛选步骤S33:利用公式(3)计算:
若选择段子手小哥作为新增kol,此时段子手小哥和搞笑微博排行榜的真实粉丝数的并集为2900万人,相较于搞笑微博排行榜新增真实粉丝数为400万人,新增影响人数报价比为400/25=16;
同理,若选择银教授作为新增kol其新增真实粉丝数为250万人,其新增影响人数报价比为12.5;
因此,集合Si={段子手小哥},
返回执行步骤S32,此时,S'=S'\Si={银教授},由于银教授的报价为20万,会高于预算,因此删除银教授,集合S'为空集,得到最优投放方案U'=U∪Si={搞笑微博排行榜,段子手小哥}。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (8)
1.一种广告投放方法,其特征在于,包括:
广告投放请求数据获取步骤,用于通过一互联网服务系统获取广告投放商的服务请求;
关键意见领袖kol粉丝数据获取步骤,用于对服务请求中的备选关键意见领袖kol的粉丝数据进行采样,通过拟合计算所述粉丝数据得到每一备选关键意见领袖kol的真实粉丝数及每二组备选关键意见领袖kol之间重合粉丝度;
投放方案获取步骤,用于根据所述服务请求中的投放预算、每一所述备选关键意见领袖kol的真实粉丝数、备选关键意见领袖kol的报价及每二组关键意见领袖kol的粉丝重合度计算得到最优广告投放方案,所述投放方案获取步骤进一步包括:
最优关键意见领袖kol筛选步骤,根据关键意见领袖kol真实粉丝数及备选关键意见领袖kol的报价计算得到关键意见领袖kol影响人数报价比,并以影响人数报价比最高且报价不高于投放预算为最优解计算得到备选关键意见领袖kol中的最优关键意见领袖kol,备选关键意见领袖kol表示为集合S,最优关键意见领袖kol表示为集合U;
备选关键意见领袖kol筛选步骤,基于最优关键意见领袖kol报价以投放预算为约束条件筛选剩余关键意见领袖kol中符合约束条件的备选关键意见领袖kol,记为集合S';
最优关键意见领袖kol组合筛选步骤,基于所述集合S'并以新增影响人数报价比最高且不高于投放预算为最优解获取集合S'中的最优关键意见领袖kol,记为集合Si,集合Si表示为:
,
其中,f(U∪Si)为集合U、Si中关键意见领袖kol中真实粉丝数的并集,并集是根据集合U、Si中关键意见领袖kol中真实粉丝数及集合U、Si中关键意见领袖kol中真实粉丝数中的粉丝重合度得到,f(U)为集合U中所筛选关键意见领袖kol的真实粉丝数的并集,F(Si)为集合Si中所筛选关键意见领袖kol的报价;
最优投放方案获取步骤,重复执行所述备选关键意见领袖kol筛选步骤、最优关键意见领袖kol组合筛选步骤直至完成集合S'中关键意见领袖kol的筛选,得到最优投放方案,记为U'=U∪Si。
2.如权利要求1所述的广告投放方法,其特征在于,所述关键意见领袖kol粉丝数据获取步骤进一步包括:
真实粉丝数获取步骤,用于获取每一关键意见领袖kol的粉丝数据并基于数据拟合建立一真实粉丝数模型followersReality,其中所述粉丝数据进一步包括:粉丝数量、平均评论数量及平均点赞数量;
粉丝重合度获取步骤,用于随机采样获取关键意见领袖kol粉丝,并根据粉丝采样率、粉丝重合数计算得到每二组关键意见领袖kol之间的粉丝重合度。
3.如权利要求1所述的广告投放方法,其特征在于,所述最优关键意见领袖kol筛选步骤中,
若所述集合U为空集,则所述投放预算过低,结束所述投放方案获取步骤;
若所述集合U不为空集,则执行备选关键意见领袖kol筛选步骤。
4.如权利要求2所述的广告投放方法,其特征在于,所述真实粉丝数获取步骤得到的真实粉丝数模型followersReality表达式为:
followersReality=0.328×followers+205×avgComments+52×avgLikes,
其中,followers为粉丝数量,avgComments为平均评论数量,avgLikes为平均点赞数量。
5.如权利要求4所述的广告投放方法,其特征在于,所述粉丝重合度获取步骤得到的粉丝重合度N A,B表达式为:
,
其中,P a为kolA的粉丝采样率,P b为kolB的粉丝采样率,a为kolA的粉丝采样结果,b为kolB的粉丝采样结果,N a,b为a与b的粉丝重合数。
6.如权利要求1所述的广告投放方法,其特征在于,所述最优关键意见领袖kol筛选步骤得到的集合U表示为:
,
其中,L为投放预算,|U|为集合U中关键意见领袖kol个数,令|U|=1,f(U)为集合U中关键意见领袖kol中真实粉丝数的并集,F(U)为集合U中关键意见领袖kol报价之和。
7.一种实现上述权利要求1-6中任一项所述广告投放方法的系统,其特征在于,包括:
投放请求数据获取模块,用于通过一互联网服务系统获取广告投放商的服务请求;
关键意见领袖kol粉丝数据获取模块,用于对服务请求中的备选关键意见领袖kol的粉丝数据进行采样,通过拟合计算所述粉丝数据得到每一备选关键意见领袖kol的真实粉丝数及每二组备选关键意见领袖kol之间重合粉丝度;
投放方案获取模块,用于根据所述服务请求中的投放预算、每一所述备选关键意见领袖kol的真实粉丝数、备选关键意见领袖kol报价及每二组关键意见领袖kol的粉丝重合度计算得到最优广告投放方案。
8.一种互联网服务系统,基于权利要求1-6中任一项所述的广告投放方法,其特征在于,包括:
一客户端,通过一应用程序编程接口API获取用户的广告投放服务请求,所述服务请求中包括:至少一备选关键意见领袖kol、备选关键意见领袖kol报价、投放预算;
一服务端,通信连接所述客户端,用于接收所述客户端的服务请求并利用所述广告投放方法计算得到一广告投放方案,并返回广告投放方案至所述客户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699113.0A CN111951041B (zh) | 2020-07-20 | 2020-07-20 | 一种广告投放方法、系统及互联网服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699113.0A CN111951041B (zh) | 2020-07-20 | 2020-07-20 | 一种广告投放方法、系统及互联网服务系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951041A CN111951041A (zh) | 2020-11-17 |
CN111951041B true CN111951041B (zh) | 2023-12-26 |
Family
ID=73341630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010699113.0A Active CN111951041B (zh) | 2020-07-20 | 2020-07-20 | 一种广告投放方法、系统及互联网服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951041B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308637A (zh) * | 2020-11-30 | 2021-02-02 | 上海哔哩哔哩科技有限公司 | 数据处理方法及系统 |
CN113762695A (zh) * | 2021-01-18 | 2021-12-07 | 北京京东乾石科技有限公司 | 一种任务单分配方法和装置 |
CN112907288A (zh) * | 2021-03-03 | 2021-06-04 | 北京明略昭辉科技有限公司 | 一种投放组合计算方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001306934A (ja) * | 2000-04-26 | 2001-11-02 | Voltage Inc | 広告配信決定方法および配信最適化システム |
CN106022849A (zh) * | 2016-07-11 | 2016-10-12 | 互动派科技股份有限公司 | 一种新媒体价值与效果评估方法和系统 |
CN106529983A (zh) * | 2015-09-10 | 2017-03-22 | 李学迁 | 一种微博意见领袖定向广告投放系统 |
CN106886518A (zh) * | 2015-12-15 | 2017-06-23 | 国家计算机网络与信息安全管理中心 | 一种微博账号分类的方法 |
CN109472639A (zh) * | 2018-11-05 | 2019-03-15 | 北京新意互动数字技术有限公司 | 一种确定广告投放媒体的方法及装置 |
CN110264284A (zh) * | 2019-06-27 | 2019-09-20 | 有米科技股份有限公司 | 新媒体营销属性分析预测方法、装置及系统 |
-
2020
- 2020-07-20 CN CN202010699113.0A patent/CN111951041B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001306934A (ja) * | 2000-04-26 | 2001-11-02 | Voltage Inc | 広告配信決定方法および配信最適化システム |
CN106529983A (zh) * | 2015-09-10 | 2017-03-22 | 李学迁 | 一种微博意见领袖定向广告投放系统 |
CN106886518A (zh) * | 2015-12-15 | 2017-06-23 | 国家计算机网络与信息安全管理中心 | 一种微博账号分类的方法 |
CN106022849A (zh) * | 2016-07-11 | 2016-10-12 | 互动派科技股份有限公司 | 一种新媒体价值与效果评估方法和系统 |
CN109472639A (zh) * | 2018-11-05 | 2019-03-15 | 北京新意互动数字技术有限公司 | 一种确定广告投放媒体的方法及装置 |
CN110264284A (zh) * | 2019-06-27 | 2019-09-20 | 有米科技股份有限公司 | 新媒体营销属性分析预测方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
基于用户迁徙网络的广告投放策略研究;赵雪梅;周飞菲;;电脑开发与应用(第05期);全文 * |
碎片化趋势下商业广告传播效益的定量评估;李小薇;蒋姗姗;袁宏俊;;重庆科技学院学报(自然科学版)(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111951041A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111951041B (zh) | 一种广告投放方法、系统及互联网服务系统 | |
US11995675B2 (en) | Systems and methods of sharing promotional information | |
US11394788B2 (en) | Device identification techniques using shared device graph | |
US20130073378A1 (en) | Social media campaign metrics | |
US11830034B2 (en) | Method and apparatus for providing electronic communications | |
US20150310504A1 (en) | Automated Method To Match And Initiate Online Social Influencers | |
JP2014511535A (ja) | スポンサー記事の推薦購読 | |
US20130325589A1 (en) | Using advertising campaign allocation optimization results to calculate bids | |
US20160180376A1 (en) | Systems and methods for ad campaign optimization | |
US20170213238A1 (en) | Evaluating performance of content item presentation by modifying parameters determining whether to present content item to users of an online system | |
CN108805607A (zh) | 用户偏好预估系统 | |
WO2013014519A1 (en) | Method for constructing a loyalty graph | |
US20200250709A1 (en) | Conversion and document management system | |
US20140095323A1 (en) | Method of Second Price Auction with Monopoly Reserve Price and Apparatus Conducting the Same | |
Klier et al. | Customer Lifetime Network Value. | |
US20220164390A1 (en) | System and methods for data supply, verification, matching, and acquisition | |
Fernandez-Tapia | Real-time bidding rules of thumb: analytically optimizing the programmatic buying of ad-inventory | |
US11775999B2 (en) | Referral monetization in social network | |
US20220358553A1 (en) | Apparatuses, computer-implemented methods, and computer program products for improved user account identification for shared account linking | |
Islamb | Influence of Social Network and Social Media toward Satisfaction through Consumer Purchase Decision: Analytical study on Malaysia’s Consumer | |
Rivai et al. | The Impact of Influencer Credibility on Purchase Intention of TikTok Users | |
Ren et al. | Profit maximization on user-generated content platforms | |
Guo et al. | Pay easy, buy more: an empirical study of the purchase feature in social media apps | |
Peng et al. | How to better target and incent paid endorsers in social advertising campaigns: A field experiment | |
Widuta et al. | The Effectiveness of E-WOM (Electronic Word Of Mouth) and Instagram Social Media Promotion on Purchase Intention at Liang Teh Sumatera |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |