CN112422696B - 一种内容资源推送的确定方法和相关装置 - Google Patents
一种内容资源推送的确定方法和相关装置 Download PDFInfo
- Publication number
- CN112422696B CN112422696B CN202011430854.5A CN202011430854A CN112422696B CN 112422696 B CN112422696 B CN 112422696B CN 202011430854 A CN202011430854 A CN 202011430854A CN 112422696 B CN112422696 B CN 112422696B
- Authority
- CN
- China
- Prior art keywords
- user
- determining
- hierarchy
- target user
- pushing
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种内容资源推送的确定方法和相关装置,在每一次确定内容资源的推送策略时,不再通过投放师基于具有静态结果的报表数据和人为经验确定推送策略,而是基于内容资源推送所获取目标用户的用户数量和内容资源的推送成本。根据目标用户的用户行为数据确定目标用户的用户分层,并根据目标用户所在分层的初始权重,以及动态变化的用户数量和推送成本,确定目标用户所在用户分层的修正权重。由于修正权重是基于动态变化的量获得的,该修正权重也是动态变化的。由此,根据修正权重确定内容资源的投资回报率参数会更加贴合实际情况,根据投资回报率参数确定内容资源的投资的推送策略能够将利益最大化,提高了推送策略的稳定性和准确度。
Description
技术领域
本申请涉及数据处理领域,特别是涉及一种内容资源推送的确定方法和相关装置。
背景技术
随着互联网的普及,内容资源的投放是一种较为有效的信息扩散方式,内容资源可以广告、网页链接、产品页面等形式。通过向用户推送内容资源,可以快速的在用户中扩散该内容资源所对应产品的信息,从而起到为该产品进行用户引流的作用。
相关技术中,主要通过投放师做出内容资源的投放决策,以调整投放范围、增减投放成本等。投放师主要依据投放平台提供的报表数据,并结合自身经验做出投放决策。
这种决策模式首先非常依赖投放师的人为经验,其次报表数据均为静态结果,难以涵盖内容资源投放的整体信息,导致上述相关技术得到的投放决策稳定性差,容易出现判断失误的问题。
发明内容
为了解决上述技术问题,本申请提供了一种内容资源推送的确定方法和相关装置,用于提高推送策略的稳定性和准确度。
本申请实施例公开了如下技术方案:
一方面本申请提供了一种内容资源推送的确定方法,所述方法包括:
确定基于内容资源推送所获取目标用户的用户数量和所述内容资源的推送成本;
根据所述目标用户的用户行为数据确定所述目标用户的用户分层,所述用户分层基于所述内容资源所对应产品被划分为多层;
根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重;
根据所述修正权重确定所述内容资源的投资回报率参数;
基于所述投资回报率参数确定所述内容资源的推送策略。
可选的,所述方法还包括:
根据所述内容资源的历史推送数据,通过回归模型确定所述用户分层的历史初始权重;
基于所述历史推送数据中的历史实际权重,对所述回归模型进行修正,得到回归修正模型;
所述根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重,包括:
根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,通过所述回归修正模型确定所述目标用户所在用户分层的修正权重。
可选的,所述根据所述修正权重确定所述内容资源的投资回报率参数,包括:
根据所述修正权重、每个用户分层的用户价值均值和所述推送成本,通过投资回报率模型确定所述内容资源的投资回报率参数。
可选的,所述方法还包括:
获取所述用户行为数据中与分层规则相关的比对数据项;
根据所述比对数据项的数值所处数据范围,确定所述目标用户的用户价值;
通过所述目标用户的用户价值,确定所述目标用户所处用户分层的用户价值均值。
可选的,所述根据所述比对数据项的数值所处数据范围,确定所述目标用户的用户价值,包括:
根据所述比对数据项的数值,将数值处于同一数据范围的目标用户分在同一个用户群组。
可选的,所述根据所述目标用户的用户行为数据确定所述目标用户的用户分层,包括:
根据所述目标用户的用户行为数据,确定所述目标用户的设备标识;
根据所述用户群组中目标用户的设备标识,将所述用户群组进行分层,得到多个用户分层。
另一方面本申请提供了一种内容资源推送的确定装置,所述装置包括:用户数量和推送成本确定单元、用户分层确定单元、修正权重确定单元、投资回报率参数确定单元和推送策略确定单元;
所述用户数量和推送成本确定单元,用于确定基于内容资源推送所获取目标用户的用户数量和所述内容资源的推送成本;
所述用户分层确定单元,用于根据所述目标用户的用户行为数据确定所述目标用户的用户分层,所述用户分层基于所述内容资源所对应产品被划分为多层;
所述修正权重确定单元,用于根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重;
所述投资回报率参数确定单元,用于根据所述修正权重确定所述内容资源的投资回报率参数;
所述推送策略确定单元,用于基于所述投资回报率参数确定所述内容资源的推送策略。
可选的,所述装置还包括:历史初始权重确定单元和回归修正模型确定单元;
所述历史初始权重确定单元,用于根据所述内容资源的历史推送数据,通过回归模型确定所述用户分层的历史初始权重;
所述回归修正模型确定单元,用于基于所述历史推送数据中的历史实际权重,对所述回归模型进行修正,得到回归修正模型;
所述修正权重确定单元,用于:
根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,通过所述回归修正模型确定所述目标用户所在用户分层的修正权重。
另一方面本申请提供了一种计算机设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述方面所述的方法。
另一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用于存储计算机程序,所述计算机程序用于执行上述方面所述的方法。
由上述技术方案可以看出,在每一次确定内容资源的推送策略时,不再通过投放师基于具有静态结果的报表数据和人为经验确定推送策略,而是基于内容资源推送所获取目标用户的用户数量和内容资源的推送成本,该用户数量和推送成本是随着内容资源推送时间推移不断变化的量,能够反映在做出决策时刻的实际情况。根据目标用户的用户行为数据确定目标用户的用户分层,并根据目标用户所在分层的初始权重,以及用户数量和推送成本,确定目标用户所在用户分层的修正权重。由于修正权重是基于动态变化的量获得的,该修正权重也是动态变化的,可以反映出不同用户分层随着内容资源推送时间推移不断变化的用户价值均值。由此,根据修正权重确定内容资源的投资回报率参数会更加贴合实际情况,根据投资回报率参数确定内容资源的投资的推送策略能够将利益最大化,提高了推送策略的稳定性和准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种内容资源推送的确定方法的流程图;
图2为本申请实施例提供的总收益曲线的示意图;
图3为本申请实施例提供的内容资源推送的确定方法的示意图;
图4为本申请实施例提供的一种内容资源推送的确定装置的示意图;
图5为本申请实施例提供的一种计算机设备的结构图。
具体实施方式
下面结合附图,对本申请的实施例进行描述。
参见图1,该图为本申请实施例提供的一种内容资源推送的确定方法的流程图。如图1所示,该内容资源推送的确定方法包括以下步骤:
S101:确定基于内容资源推送所获取目标用户的用户数量和所述内容资源的推送成本。
通过内容资源推送可以实现扩散信息的目的,内容资源例如可以为广告、网页链接、产品页面等。为了能够提高内容资源推送的有效性,可以将内容资源推送给可能感兴趣的用户,从而实现用户引流的作用,实现营销转化的目的。
在内容资源推送后,会获取一些目标用户,例如,当内容资源为某产品的广告时,一些对该产品感兴趣的用户通过点击广告中的链接下载该产品等方式成为该广告推送获取的目标用户。
随着内容资源推送时间的增加,目标用户数量也会随之增加,即用户数量是一个动态变化的量。不仅如此,随着内容资源推送时间的增加,内容资源的推送成本也会随之增加,即推送成本也是一个动态变化的量。
由此,可以在每一次确定内容资源的推送策略时,基于内容资源推送所获取目标用户的用户数量和内容资源的推送成本,以便通过用户数量和推送成本反映在做出决策时刻的实际情况,从而使最后确定的内容资源的推送策略稳定性和准确性更高。
S102:根据所述目标用户的用户行为数据确定所述目标用户的用户分层。
获取目标用户后,目标用户对内容资源营销转化的贡献程度是不同的。例如,在下载某游戏APP后,目标用户A成为氪金玩家,目标用户B仅是普通玩家,显然目标用户A和目标用户B对该游戏APP的贡献程度是不同的。可以将相同贡献程度的目标用户划分为同一个用户分层,可以理解的是,不同产品对应的用户分层划分方式可能不同,可以基于内容资源所对应的产品划分为多个用户分层,例如,将前述游戏APP划分为两层,分别为重要用户所在的用户分层和普通用户所在的用户分层。
为了能够使确定的内容资源的推送策略更准确,可以区分不同的目标用户,根据目标用户的用户行为数据可以确定目标用户的用户分层。其中,用户行为数据为目标用户针对内容资源进行浏览、点击、使用时长等操作行为产生的数据。例如,根据目标用户在某游戏APP中是否充值的操作行为确定目标用户属于重要用户所在的用户分层还是普通用户所在的用户分层。
S103:根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重。
确定目标用户的用户分层后,需要确定不同用户分层对应的权重,通过权重明确不同用户分层对内容资源营销转化的贡献程度,以便提高推送策略的稳定性和准确性。
随着内容资源推送时间的增加,不同用户分层中目标用户的用户数量在不断变化,例如,在某游戏APP中,目标用户A的用户分层一开始为重要用户所在的用户分层,随着时间的推移,目标用户A对该游戏APP的兴趣逐渐变小,不再进行充值的操作行为,由此目标用户A的用户分层会从重要用户在的用户分层变为普通用户在的用户分层。
由此可知,不同用户分层中的用户数量在不断变化,对应的,不同用户分层对应的权重也在不断变换,是一个动态变化的量。为了提高推送策略的稳定性和准确性,可以不断对用户分层的初始权重进行修正。具体地,可以根据目标用户所在用户分层的初始权重,以及用户数量和推送成本,确定目标用户所在用户分层的修正权重。
通过用户数量和推送成本断的对初始权重进行修正,使修正权重能够根据实际情况不断变化,相比于静态的初始权重,修正权重可以反映出不同用户分层随着内容资源推送时间推移不断变化的贡献程度,使其更符合实际情况。参见公式(1):
Wh=f(n,C) (1)
其中,Wh表示修正权重;f()表示通过参数n和C获得Wh的方式;n表示用户数量;C表示推送成本。
本申请不具体限定获得修正权重的方式,即不限定f(),下面介绍一种通过回归修正模型的方式获得修正权重的方式。
首先,根据内容资源的历史推送数据,通过回归模型确定用户分层的历史初始权重。
其次,基于历史推送数据中的历史实际权重,对回归模型进行修正,得到回归修正模型。例如,通过历史初始权重与历史实际权重的差值对回归模型进行修正,例如,当需要n次调节可以完成将回归模型修正为回归修正模型时,修正过程可以表示为公式(2):
其中,f(X)表示回归修正模型的输出,0≤f(X)≤1;β0为可调节的初始调节权重参数;βi为第i次模型的输入Xi对应的调节权重,根据历史初始权重和历史实际权重的差值确定,i为小于n的正整数;Xi为第i次模型的输入,至少可以为用户数量和推送成本;ε1为误差参数。
在获得回归修正模型后,可以根据目标用户所在用户分层的初始权重,以及用户数量和推送成本,通过公式(2)表示的回归修正模型确定目标用户所在用户分层的修正权重,该修正权重是动态变化的量,随着用户数量和推送成本不断变化。
S104:根据所述修正权重确定所述内容资源的投资回报率参数。
推送内容资源是为了实现目标用户引流,从而实现营销转化。为了让投入的推送成本每一分钱都能起到目标用户引流的作用,可以通过投资回报率参数进行评价。
由于修正权重是动态变化的量,符合实际情况的变化,根据修正权重确定内容资源的投资回报率参数也是动态变化的量,也更加贴合实际情况。
作为一种可能的实现方式,可以根据修正权重、每个用户分层的用户价值均值和推送成本,通过投资回报率模型确定内容资源的投资回报率参数。参见公式(3):
其中,LTV表示目标用户的总用户价值;Ph表示每个用户分层的用户价值均值;L表示用户分层的总数,为大于1的整数;i为小于L的正整数;ε2为误差参数。
计算用户分层的用户价值均值与其对应的修正权重的乘积,可以表示不同层目标用户对于内容资源营销转化的贡献程度,从而通过细化到每一个用户分层的目标用户对于内容资源营销转化的贡献程度,获得所有目标用户对于内容资源营销转化的总贡献程度,即目标用户的总用户价值,使得获得的目标用户的总用户价值更为准确,以便提高推送策略的准确性。
在获得目标用户的用户价值后,根据目标用户的用户价值和推送成本可以获得投资回报率参数,参见公式(4):
ROI=LTV/C+ε3 (4)
其中,ROI表示投资回报率参数;ε3为误差参数。
作为一种可能的实现方式,下面介绍一种确定目标用户所处用户分层的用户价值均值的方式。
由前述可知,用户分层是基于内容资源所对应产品被划分为多层的,由此可以获取内容资源所对应的产品的名称,根据产品的名称从预先设置的库中,例如分层规则库中匹配该产品对应的分层规则,该分层规则包括比对数据项,以及各项比对数据项对应的数据范围。
在目标用户的用户行为数据中获取与分层规则相关的比对数据项,并根据比对数据项的数值所处数据范围,确定该目标用户的用户价值,进而根据目标用户的用户价值,确定目标用户对应的用户分层的用户价值均值。
作为一种可能的实现方式,可以根据比对数据项的数值,将数值处于同一数据范围的目标用户分在同一个用户群组,可以理解的是,一个数据范围对应一个目标用户的用户价值,处于同一个用户群组的目标用户对应同一个用户价值,从而无需通过较长时间收集目标用户的用户行为数据,便可以确定目标用户的用户价值。
作为一种可能的实现方式,在将目标用户分为多个用户群组后,可以根据目标用户的用户行为数据,确定目标用户的设备标识,并根据用户群组中目标用户的设备标识,将用户群组进行分层,得到多个用户分层。例如,同一个用户群组的目标用户中,目标用户C使用的手机类型为手机I,目标用户D使用的手机类型为手机II,一般手机I比手机II的价格高,目标用户C的购买力可能会比目标用户D的购买力高,由此可以将目标用户C划分为重要用户所在的用户分层,将目标用户D划分为普通用户所在的用户分层。通过目标用户的设备标识可以快速将处于同一个用户群组的目标用户划分为多个用户分层,从而无需通过较长时间收集目标用户的用户行为数据,便可以确定目标用户所处用户分层的用户价值均值。
作为一种可能的实现方式,在通过设备标识快速确定目标用户所在的用户分层后,可以将同一层用户分层中目标用户与其对应的用户价值进行乘积,将同一层所有目标用户的用户价值之和除以该层对应的目标用户的数量,从而确定不同用户分层的用户价值均值。从而无需通过较长时间收集该目标用户的用户行为数据,便可以确定目标用户所处用户分层的用户价值均值。
S105:基于所述投资回报率参数确定所述内容资源的推送策略。
由前述获得的投资回报率参数不仅考虑了动态变化的用户数量,还考虑了动态变化的推送成本,使得该投资回报率参数更加符合实际情况,依据该投资回报率参数确定的内容资源的推送策略也更加准确。
本申请不限定根据投资回报率参数确定推送策略的方式,例如,根据投资回报率参数确定获得总收益,以便根据总收益确定推送策略。参见公式(5):
TR=(ROI×C-C)×n (5)
其中,TR表示总收益。
参见图2,该图为本申请实施例提供的总收益曲线的示意图。在图2中,横坐标表示投资回报率参数,纵坐标表示总收益。
由上述技术方案可以看出,在每一次确定内容资源的推送策略时,不再通过投放师基于具有静态结果的报表数据和人为经验确定推送策略,而是基于内容资源推送所获取目标用户的用户数量和内容资源的推送成本,该用户数量和推送成本是随着内容资源推送时间推移不断变化的量,能够反映在做出决策时刻的实际情况。根据目标用户的用户行为数据确定目标用户的用户分层,并根据目标用户所在分层的初始权重,以及用户数量和推送成本,确定目标用户所在用户分层的修正权重。由于修正权重是基于动态变化的量获得的,该修正权重也是动态变化的,可以反映出不同用户分层随着内容资源推送时间推移不断变化的用户价值均值。由此,根据修正权重确定内容资源的投资回报率参数会更加贴合实际情况,根据投资回报率参数确定内容资源的投资的推送策略能够将利益最大化,提高了推送策略的稳定性和准确度
作为一种可能的实现方式,在S101之前,可以采集内容资源的投放数据集和用户行为数据,并将投放数据和用户行为数据存储在大数据集群中,参见图3,该图为本申请实施例提供的内容资源推送的确定方法的示意图。
在图3中,可以在大数据集群中获取所需的数据。例如,根据大数据集群中存储的用户行为数据,获取与分层规则有关的比对数据项将目标用户划分为多个用户群组,进而将目标用户划分为多个用户分层,最终获得内容资源的推送策略。再如,根据大数据集群中存储的投放数据获得内容资源的推送成本,并结合用户分层,获得投资回报率参数,最终根据投资回报率参数进行最大利益估计和/或边际效益计算。
针对上述实施例提供的内容资源推送的确定方法,本申请实施例还提供了一种内容资源推送的确定装置。
参见图4,该图为本申请实施例提供的一种内容资源推送的确定装置的示意图。如图4所示,该内容资源推送的确定装置包括:用户数量和推送成本确定单元401、用户分层确定单元402、修正权重确定单元403、投资回报率参数确定单元404和推送策略确定单元405;
所述用户数量和推送成本确定单元401,用于确定基于内容资源推送所获取目标用户的用户数量和所述内容资源的推送成本;
所述用户分层确定单元402,用于根据所述目标用户的用户行为数据确定所述目标用户的用户分层,所述用户分层基于所述内容资源所对应产品被划分为多层;
所述修正权重确定单元403,用于根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重;
所述投资回报率参数确定单元404,用于根据所述修正权重确定所述内容资源的投资回报率参数;
所述推送策略确定单元405,用于基于所述投资回报率参数确定所述内容资源的推送策略。
作为一种可能的实现方式,所述装置还包括:历史初始权重确定单元和回归修正模型确定单元;
所述历史初始权重确定单元,用于根据所述内容资源的历史推送数据,通过回归模型确定所述用户分层的历史初始权重;
所述回归修正模型确定单元,用于基于所述历史推送数据中的历史实际权重,对所述回归模型进行修正,得到回归修正模型;
所述修正权重确定单元403,用于:
根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,通过所述回归修正模型确定所述目标用户所在用户分层的修正权重。
作为一种可能的实现方式,所述投资回报率参数确定单元404,用于:
根据所述修正权重、每个用户分层的用户价值均值和所述推送成本,通过投资回报率模型确定所述内容资源的投资回报率参数。
作为一种可能的实现方式,所述装置还包括:比对数据项获取单元、用户价值确定单元和用户价值均值确定单元;
所述比对数据项获取单元,用于获取所述用户行为数据中与分层规则相关的比对数据项;
所述用户价值确定单元,用于根据所述比对数据项的数值所处数据范围,确定所述目标用户的用户价值;
所述用户价值均值确定单元,用于通过所述目标用户的用户价值,确定所述目标用户所处用户分层的用户价值均值。
作为一种可能的实现方式,所述用户价值确定单元,用于:
根据所述比对数据项的数值,将数值处于同一数据范围的目标用户分在同一个用户群组。
作为一种可能的实现方式,所述用户分层确定单元402,用于:
根据所述目标用户的用户行为数据,确定所述目标用户的设备标识;
根据所述用户群组中目标用户的设备标识,将所述用户群组进行分层,得到多个用户分层。
由上述实施例提供的内容资源推送的确定装置,在每一次确定内容资源的推送策略时,不再通过投放师基于具有静态结果的报表数据和人为经验确定推送策略,而是基于内容资源推送所获取目标用户的用户数量和内容资源的推送成本,该用户数量和推送成本是随着内容资源推送时间推移不断变化的量,能够反映在做出决策时刻的实际情况。根据目标用户的用户行为数据确定目标用户的用户分层,并根据目标用户所在分层的初始权重,以及用户数量和推送成本,确定目标用户所在用户分层的修正权重。由于修正权重是基于动态变化的量获得的,该修正权重也是动态变化的,可以反映出不同用户分层随着内容资源推送时间推移不断变化的用户价值均值。由此,根据修正权重确定内容资源的投资回报率参数会更加贴合实际情况,根据投资回报率参数确定内容资源的投资的推送策略能够将利益最大化,提高了推送策略的稳定性和准确度。
本申请实施例还提供了一种计算机设备,参见图5,该图示出了本申请实施例提供的一种计算机设备的结构图,如图5所示,所述设备包括处理器510以及存储器520:
所述存储器510用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器520用于根据所述程序代码中的指令执行上述实施例提供的任一种内容资源推送的确定方法。
本申请实施例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用于存储计算机程序,所述计算机程序用于执行上述实施例提供的任一种内容资源推送的确定方法。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质可以是下述介质中的至少一种:只读存储器(英文:read-only memory,缩写:ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,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,对于设备及系统实施例而言,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。以上所描述的设备及系统实施例仅仅是示意性的,其中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。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种内容资源推送的确定方法,其特征在于,所述方法包括:
确定基于内容资源推送所获取目标用户的用户数量和所述内容资源的推送成本;
根据所述目标用户的用户行为数据确定所述目标用户的用户分层,所述用户分层基于所述内容资源所对应产品被划分为多层;
根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重;
根据所述修正权重确定所述内容资源的投资回报率参数;
基于所述投资回报率参数确定所述内容资源的推送策略;
所述根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重,包括:根据所述内容资源的历史推送数据,通过回归模型确定所述用户分层的历史初始权重;基于所述历史推送数据中的历史实际权重,对所述回归模型进行修正,得到回归修正模型;所述根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重,包括:根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,通过所述回归修正模型确定所述目标用户所在用户分层的修正权重。
2.根据权利要求1所述的方法,其特征在于,所述根据所述修正权重确定所述内容资源的投资回报率参数,包括:
根据所述修正权重、每个用户分层的用户价值均值和所述推送成本,通过投资回报率模型确定所述内容资源的投资回报率参数。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述用户行为数据中与分层规则相关的比对数据项;
根据所述比对数据项的数值所处数据范围,确定所述目标用户的用户价值;
通过所述目标用户的用户价值,确定所述目标用户所处用户分层的用户价值均值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述比对数据项的数值所处数据范围,确定所述目标用户的用户价值,包括:
根据所述比对数据项的数值,将数值处于同一数据范围的目标用户分在同一个用户群组。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标用户的用户行为数据确定所述目标用户的用户分层,包括:
根据所述目标用户的用户行为数据,确定所述目标用户的设备标识;
根据所述用户群组中目标用户的设备标识,将所述用户群组进行分层,得到多个用户分层。
6.一种内容资源推送的确定装置,其特征在于,所述装置包括:用户数量和推送成本确定单元、用户分层确定单元、修正权重确定单元、投资回报率参数确定单元和推送策略确定单元;
所述用户数量和推送成本确定单元,用于确定基于内容资源推送所获取目标用户的用户数量和所述内容资源的推送成本;
所述用户分层确定单元,用于根据所述目标用户的用户行为数据确定所述目标用户的用户分层,所述用户分层基于所述内容资源所对应产品被划分为多层;
所述修正权重确定单元,用于根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,确定所述目标用户所在用户分层的修正权重;
所述投资回报率参数确定单元,用于根据所述修正权重确定所述内容资源的投资回报率参数;
所述推送策略确定单元,用于基于所述投资回报率参数确定所述内容资源的推送策略;
所述历史初始权重确定单元,用于根据所述内容资源的历史推送数据,通过回归模型确定所述用户分层的历史初始权重;
所述回归修正模型确定单元,用于基于所述历史推送数据中的历史实际权重,对所述回归模型进行修正,得到回归修正模型;
所述修正权重确定单元,用于:
根据所述目标用户所在用户分层的初始权重,以及所述用户数量和所述推送成本,通过所述回归修正模型确定所述目标用户所在用户分层的修正权重。
7.一种计算机设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-5任意一项所述的方法。
8.一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用于存储计算机程序,所述计算机程序用于执行权利要求1-5任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011430854.5A CN112422696B (zh) | 2020-12-09 | 2020-12-09 | 一种内容资源推送的确定方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011430854.5A CN112422696B (zh) | 2020-12-09 | 2020-12-09 | 一种内容资源推送的确定方法和相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112422696A CN112422696A (zh) | 2021-02-26 |
CN112422696B true CN112422696B (zh) | 2021-11-26 |
Family
ID=74776749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011430854.5A Active CN112422696B (zh) | 2020-12-09 | 2020-12-09 | 一种内容资源推送的确定方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112422696B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113117338B (zh) * | 2021-05-08 | 2022-11-15 | 上海益世界信息技术集团有限公司广州分公司 | 一种游戏作弊用户识别方法及装置 |
CN113393269B (zh) * | 2021-06-11 | 2024-03-15 | 上海明略人工智能(集团)有限公司 | 触点媒体转化率的确定方法、装置、电子设备和存储介质 |
CN115174514A (zh) * | 2022-05-31 | 2022-10-11 | 青岛海尔科技有限公司 | 消息推送方法和装置、存储介质及电子装置 |
CN117314573A (zh) * | 2023-09-27 | 2023-12-29 | 深圳市斯堡霖科技有限公司 | 一种基于用户匹配的网络营销系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9461876B2 (en) * | 2012-08-29 | 2016-10-04 | Loci | System and method for fuzzy concept mapping, voting ontology crowd sourcing, and technology prediction |
US20150169772A1 (en) * | 2013-12-12 | 2015-06-18 | Microsoft Corporation | Personalizing Search Results Based on User-Generated Content |
CN107590686A (zh) * | 2017-08-23 | 2018-01-16 | 北京奇艺世纪科技有限公司 | 一种广告请求的处理方法和装置 |
CN107729542B (zh) * | 2017-10-31 | 2021-05-04 | 咪咕音乐有限公司 | 一种信息评分方法及装置和存储介质 |
CN108171545A (zh) * | 2017-12-27 | 2018-06-15 | 银橙(上海)信息技术有限公司 | 一种基于层次等级数据的转化率预估方法 |
CN110309417A (zh) * | 2018-04-13 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 评价因子的权重确定方法和装置 |
CN108550055B (zh) * | 2018-04-16 | 2021-12-14 | 交叉信息核心技术研究院(西安)有限公司 | 基于地理位置的广告信息推送方法及系统 |
CN109816436A (zh) * | 2019-01-09 | 2019-05-28 | 珠海天燕科技有限公司 | 一种多媒体资源的投放方法和装置 |
CN110070399A (zh) * | 2019-04-24 | 2019-07-30 | 北京三快在线科技有限公司 | 一种优惠券推送方法及装置 |
CN110704730A (zh) * | 2019-09-06 | 2020-01-17 | 中国平安财产保险股份有限公司 | 基于大数据的产品数据推送方法、系统及计算机设备 |
CN110619548A (zh) * | 2019-09-20 | 2019-12-27 | 腾讯科技(深圳)有限公司 | 媒体内容投放策略的确定方法、装置、设备及存储介质 |
CN111062774B (zh) * | 2019-11-20 | 2022-04-12 | 北京三快在线科技有限公司 | 活动投放方法、装置、电子设备和计算机可读介质 |
CN111028006B (zh) * | 2019-12-02 | 2023-07-14 | 支付宝(杭州)信息技术有限公司 | 一种业务投放辅助方法、业务投放方法及相关装置 |
CN111476602A (zh) * | 2020-03-30 | 2020-07-31 | 微梦创科网络科技(中国)有限公司 | 一种控制广告预算分配的方法及服务器 |
-
2020
- 2020-12-09 CN CN202011430854.5A patent/CN112422696B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112422696A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112422696B (zh) | 一种内容资源推送的确定方法和相关装置 | |
CN103295147B (zh) | 投放广告的方法、装置和系统 | |
CN104035926B (zh) | 一种互联网信息的投放和系统 | |
US20090055257A1 (en) | Engagement-Oriented Recommendation Principle | |
CN105488216A (zh) | 基于隐式反馈协同过滤算法的推荐系统及方法 | |
US20120259866A1 (en) | System and method for automatically evaluating contributor performance | |
CN107203518A (zh) | 在线系统个性化推荐的方法、系统以及装置、电子设备 | |
CN104866484A (zh) | 一种数据处理方法和装置 | |
CN108460082A (zh) | 一种推荐方法及装置,电子设备 | |
WO2008024997A2 (en) | System and method for modeling value of an on-line advertisement campaign | |
CN111798280B (zh) | 多媒体信息推荐方法、装置和设备及存储介质 | |
JP4859825B2 (ja) | 広告サーバ及び広告管理方法 | |
WO2009158095A2 (en) | Systems and methods for utilizing assist data to optimize digital ads | |
CN104252680B (zh) | 关键字自动化出价方法及搜索引擎营销系统 | |
Kim et al. | Coordinating decisions by supply chain partners in a vendor-managed inventory relationship | |
CN111353843B (zh) | 商品的推送方法、装置和系统 | |
CN108614843B (zh) | 网站内容的评估方法及装置 | |
CN105488163A (zh) | 信息推送方法和装置 | |
CN111581516A (zh) | 投资产品的推荐方法及相关装置 | |
US20110246302A1 (en) | Method and system for providing advertisement using opening bid price | |
JP6946082B2 (ja) | 広告配信支援装置、広告配信支援方法、およびプログラム | |
CN112184046A (zh) | 广告业务用户价值评估方法、装置、设备及存储介质 | |
CN113222326A (zh) | 一种科技资源服务平台成熟度评估方法及装置 | |
CN106294410A (zh) | 一种个性化信息推送时间的确定方法及确定系统 | |
WO2013167908A1 (en) | Method of operating a server apparatus for delivering website content, server apparatus and device in communication with server apparatus |
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 |