CN112529635A - 一种基于大数据的广告推送方法 - Google Patents
一种基于大数据的广告推送方法 Download PDFInfo
- Publication number
- CN112529635A CN112529635A CN202011509525.XA CN202011509525A CN112529635A CN 112529635 A CN112529635 A CN 112529635A CN 202011509525 A CN202011509525 A CN 202011509525A CN 112529635 A CN112529635 A CN 112529635A
- Authority
- CN
- China
- Prior art keywords
- information
- advertisement
- browsing
- value
- marking
- 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.)
- Withdrawn
Links
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
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- 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
- G06Q30/0256—User search
-
- 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
本发明公开了一种基于大数据的广告推送方法，涉及大数据技术领域，包括如下步骤：用户输入关键词，根据关键词在广告服务器内进行索引，得到搜索结果，即用户终端接收到的广告信息是由用户自行选择的，广告推送更加精确；通过推送系统对搜索结果进行分析；将搜索结果对应的广告信息标记为初选广告；通过推送系统获取初选广告的延时时长、可信度值和活跃值，得到目标广告，能够获取投放时间较近、可信度值较高且活跃值较高的广告信息并标记为目标广告，极大程度上避免了虚假广告、垃圾广告；通过推送系统获取目标广告的匹配值PE，将匹配值PE前五的目标广告推送至用户终端；广告推送更加精确，提高用户体验度。
Description
技术领域
本发明涉及大数据技术领域，具体涉及一种基于大数据的广告推送方法。
背景技术
随着互联网的深入发展，人们的生活习惯也发生了巨大变化，从而带动了其他行业的经营模式和宣传模式的变化。在以前互联网不发达的时候，广告宣传主要是通过电视和实体杂志来实现的。而到了现在互联网和通信技术发达的时代，手机等电子产品几乎是人手一台，因此在客户端(例如：手机、平板电脑等)应用内置广告已经成为广告宣传主流。
传统的基于互联网的广告推送方法是随机的，就是指服务器给用户持有的客户端随机推送广告，这种盲目推送广告的方法会让用户看到很多自己并不关心的广告，觉得不胜其扰，同时一些不法商家为了谋取利益，在平台上发布虚假广告，对一些产品或服务进行虚假的宣传，既欺骗消费者，也造成平台上的垃圾信息过多，妨碍人们的正常浏览。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于大数据的广告推送方法。本发明能够根据用户输入的关键词获取搜索结果，即用户终端接收到的广告信息是由用户自行选择的，广告推送更加精确；推送模块对搜索结果对应广告信息进行多重删选，能够获取投放时间较近、可信度值较高且活跃值较高的广告信息并标记为目标广告，极大程度上避免了虚假广告、垃圾广告；同时根据匹配值PE将匹配值PE前五的目标广告推送至用户终端，广告推送更加精确，提高用户体验度。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的广告推送方法，包括如下步骤：
DD1：用户输入关键词，根据关键词在广告服务器内进行索引，得到搜索结果；
DD2：通过推送系统对搜索结果进行分析；将搜索结果对应的广告信息标记为初选广告；
DD3：通过推送系统获取初选广告的延时时长、可信度值和活跃值，得到目标广告；
DD4：通过推送系统获取目标广告的匹配值PE，将匹配值PE前五的目标广告推送至用户终端。
进一步地，所述推送系统包括注册登录模块、云平台、数据库、浏览模块、记录管理模块、数据分析模块、输入模块、检索模块、推送模块、调查模块和存储模块；
所述输入模块用于用户输入关键词并将关键词传输至检索模块，所述检索模块用于根据关键词在广告服务器内进行索引，得到搜索结果并将搜索结果传输至推送模块，所述推送模块用于接收搜索结果并进行分析，得到匹配的广告信息后推送给用户，所述推送模块的具体工作步骤为：
VV1：获取搜索结果对应的广告信息，并标记为初选广告；
VV2：获取初选广告的投放时间，将投放时间与系统当期时间进行时间差计算得到延时时长，将延时时长与预设延时阈值进行比较；
若延时时长≤预设延时阈值，则将初选广告标记为二选广告；
VV3：设定可信度值阈值为HF，获取二选广告的可信度值，将可信度值大于HF的二选广告标记为优选广告；
VV4：获取优选广告的活跃值，将活跃值大于预设活跃阈值的优选广告标记为目标广告；
VV5：获取系统当期时间，根据系统当期时间确定此时所属的时间段，根据时间段自动从存储模块中的时段吸引表信息中获取目标广告的时段吸引值并标记为Q1；
VV6：获取用户的个人信息，并获取对应个人信息中的性别、年龄、学历和行业信息；
根据性别自动从存储模块中的性别吸引表信息中获取目标广告的性别占比并标记为Q2；
将年龄与所有的年龄区间进行匹配，获取得到对应的年龄区间，根据对应的年龄区间自动从存储模块中的年龄吸引表信息中获取目标广告的年龄吸引值并标记为Q3；
将学历与所有的学历档次进行匹配，获取得到对应的学历档次，根据对应的学历档次自动从存储模块中的学历吸引表信息中获取目标广告的学历吸引值并标记为Q4；
根据行业信息自动从存储模块中的行业吸引表信息中获取目标广告的行业吸引值并标记为Q5；
利用公式PE＝Q1×d1+Q2×d2+Q3×d3+Q4×d4+Q5×d5获取得到目标广告的匹配值PE，其中d1、d2、d3、d4和d5均为预设系数，例如d1取值0.61，d2取值0.18，d3取值0.29，d4取值0.36，d5取值0.49；
VV7：将匹配值PE前五的目标广告传输至云平台，所述云平台用于将匹配值PE前五的目标广告推送至用户终端。
进一步地，所述注册登录模块用于用户输入个人信息后进行注册登录，并将个人信息发送至云平台，所述云平台用于接收注册登录模块传输的个人信息将个人信息传输到数据库进行实时存储；所述个人信息包括姓名、性别、年龄、学历和行业信息；
所述浏览模块用于用户浏览广告信息，并生成浏览信息，所述浏览信息包括浏览人、浏览开始时刻和浏览结束时刻；所述浏览模块用于将浏览信息传输至云平台，所述云平台接收到浏览模块传输的浏览信息时会自动获取浏览人，所述云平台用于将浏览人与数据库内存储的个人信息进行比对从而获取到浏览人的身份信息；所述云平台还用于将浏览信息和身份信息融合形成浏览记录并将浏览记录传输到记录管理模块。
进一步地，所述数据分析模块与记录管理模块通信连接，用于实时获取记录管理模块内存储的浏览记录，并对浏览记录作出相关处理，具体处理步骤如下：
步骤一：获取系统当期时间前十天内的浏览记录，并获取对应浏览记录内的浏览信息；将浏览结束时刻与浏览开始时刻进行时间差计算得到浏览时长；
步骤二：按照广告信息将同一广告信息的浏览次数进行累加形成浏览频次，将浏览频次标记为C1；
按照广告信息将同一广告信息的浏览时长进行累加形成浏览总时长，将浏览总时长标记为C2；
对浏览频次和浏览总时长进行权重分配，将浏览频次的权重标记为Z1，将浏览总时长的权重标记为Z2；其中Z1+Z2＝1；例如Z1取值0.4，Z1取值0.6；
步骤三：利用公式H1＝C1×Z1+C2×Z2获取得到广告信息的活跃值H1；
步骤四：获取系统当期时间前十天内的该广告信息的浏览记录，并获取对应浏览记录内的身份信息，并对身份信息进行相关处理，具体处理步骤如下：
S41：获取每一位浏览人的年龄信息，将年龄信息分为20岁以下，20-30岁，30-40岁和40岁以上四个档次；
设定每个年龄档次均有一个对应的预设值，将该年龄档次与所有的年龄档次进行匹配得到对应的年龄预设值并标记为Y1；
按照年龄档次将同一年龄档次的浏览人的浏览次数进行累加形成年龄频次，将年龄频次标记为N1；
按照年龄档次将同一年龄档次的浏览人的浏览时长进行累加形成年龄总时长，将年龄总时长标记为N2；
利用公式NX＝Y1×A1+N1×A2+N2×A3获取得到该广告信息的年龄吸引值NX，其中A1、A2和A3均为预设系数，例如A1取值0.2，A2取值0.5，A3取值0.3；
将年龄档次按照年龄吸引值NX的大小进行排序并制成该广告信息的年龄吸引表信息；
S42：获取每一位浏览人的学历信息，将学历信息分为高中以下、高中、专科、本科和本科以上五个档次；
设定每个学历档次均有一个对应的预设值，将该学历档次与所有的学历档次进行匹配得到对应的学历预设值并标记为Y2；
按照学历档次将同一学历档次的浏览人的浏览次数进行累加形成学历频次，将学历频次标记为X1；
按照学历档次将同一学历档次的浏览人的浏览时长进行累加形成学历总时长，将学历总时长标记为X2；
利用公式XD＝Y2×A4+X1×A5+X2×A6获取得到该广告信息的学历吸引值XD，其中A4、A5和A6均为预设系数，例如A4取值0.21，A5取值0.65，A6取值0.43；
将学历档次按照学历吸引值XD的大小进行排序并制成该广告信息的学历吸引表信息；
S43：获取每一位浏览人的性别，按照性别，计算出浏览人中男女浏览人的性别占比，将男浏览人的性别占比标记为男性占比P1，将女浏览人的性别占比标记为女性占比P2；
将男性占比P1和女性占比P2融合形成该广告信息的性别吸引表信息；
S44：获取每一位浏览人的行业，按照行业将同一行业的浏览人的浏览次数进行累加形成行业频次，将行业频次标记为G1；
按照行业将同一行业的浏览人的浏览时长进行累加形成行业总时长，将行业总时长标记为G2；
利用公式HD＝G1×B1+G2×B2获取得到该广告信息的行业吸引值XD，其中B1、B2均为预设系数，例如B1取值0.29，B2取值0.48；
将行业按照行业吸引值XD的大小进行排序并制成该广告信息的行业吸引表信息；
S45：将1天24h划分为若干个时间段，并获取对应浏览记录内的浏览信息，根据浏览信息中的浏览开始时刻确定所属的时间段；
按照时间段将同一时间段的浏览次数累加形成时段频次，将时段频次标记为DF1；按照时间段将同一时间段的浏览时长累加形成时段总时长，将时段总时长标记为DF2；
利用公式GS＝DF1×B3+DF2×B4获取得到该广告信息的时段吸引值GS；其中B3、B4均为预设系数，例如B3取值0.34，B4取值0.57；
将时间段按照时段吸引值GS的大小进行排序并制成该广告信息的时段吸引表信息；
所述数据分析模块用于将广告信息的活跃值H1和该广告信息对应的年龄吸引表信息、学历吸引表信息、性别吸引表信息、行业吸引表信息、时段吸引表信息传输至云平台，所述云平台用于将广告信息的活跃值H1和该广告信息对应的年龄吸引表信息、学历吸引表信息、性别吸引表信息、行业吸引表信息、时段吸引表信息传输至存储模块进行存储。
进一步地，所述调查模块用于采集广告信息对应的广告商信息并对广告商信息进行分析，获取得到该广告信息的可信度值，所述广告商信息包括广告商的经营数据和广告制作数据；所述广告制作数据包括广告信息的制作成本、制作时长和制作人数；所述广告商的经营数据包括广告商的经营年限、年均GDP、流动资金、人员规模和人均月工资；具体分析步骤为：
V1：获取广告信息对应的广告商信息；并获取对应广告商信息内的经营数据；
将广告商的经营年限标记为NT；将广告商的年均GDP标记为GT；将广告商的流动资金标记为LT；将广告商的人员规模标记为ST；将广告商的人均月工资标记为FT；
V2：将经营年限、年均GDP、流动资金、流动资金和人均月工资进行归一化处理并取其数值；
利用公式DH＝NT×a1+GT×a2+LT×a3+ST×a4+FT×a5获取得到广告商的经营值DH，其中a1、a2、a3、a4和a5均为预设系数，例如a1取值0.23，a2取值0.19，a3取值0.59，a4取值0.29，a5取值0.61；
V3：获取对应广告商信息内的广告制作数据，将广告信息的制作成本标记为ZA，将制作时长标记为ZB，将制作人数标记为ZC；
利用公式ZD＝ZA×a6+ZB×a7+ZC×a8获取得到广告信息的制作值ZD，其中a6、a7和a8均为预设系数，例如a6取值0.33，a7取值0.26，a8取值0.49；
V4：利用公式K1＝DH×b1+ZD×b2获取得到广告信息的可信度值K1，其中b1、b2均为预设系数，例如b1取值0.54，b2取值0.46；
所述调查模块用于将广告信息的可信度值K1传输至云平台，所述云平台用于将广告信息的可信度值K1传输至存储模块进行存储。
本发明的有益效果是：本发明能够根据用户输入的关键词获取搜索结果，即用户终端接收到的广告信息是由用户自行选择的，广告推送更加精确；推送模块对搜索结果对应的广告信息进行多重删选，获取搜索结果对应的广告信息，并标记为初选广告；获取初选广告的投放时间，将投放时间与系统当期时间进行时间差计算得到延时时长，将延时时长与预设延时阈值进行比较；若延时时长≤预设延时阈值，则将初选广告标记为二选广告；设定可信度值阈值为HF，获取二选广告的可信度值，将可信度值大于HF的二选广告标记为优选广告；获取优选广告的活跃值，将活跃值大于预设活跃阈值的优选广告标记为目标广告；获取投放时间较近、可信度值较高且活跃值较高的广告信息并标记为目标广告，极大程度上避免了虚假广告、垃圾广告；同时根据系统当前时间所属的时间段和用户的个人信息，结合相关算法获取得到目标广告的匹配值，将匹配值PE前五的目标广告推送至用户终端，使得广告推送更加精确，提高用户体验度。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的流程示意图。
图2为本发明中推送系统的系统框图。
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1-2所示，一种基于大数据的广告推送方法，包括如下步骤：
DD1：用户输入关键词，根据关键词在广告服务器内进行索引，得到搜索结果；
DD2：通过推送系统对搜索结果进行分析；将搜索结果对应的广告信息标记为初选广告；
DD3：通过推送系统获取初选广告的延时时长、可信度值和活跃值，得到目标广告；
DD4：通过推送系统获取目标广告的匹配值PE，将匹配值PE前五的目标广告推送至用户终端。
推送系统包括注册登录模块、云平台、数据库、浏览模块、记录管理模块、数据分析模块、输入模块、检索模块、推送模块、调查模块和存储模块；
注册登录模块用于用户输入个人信息后进行注册登录，并将个人信息发送至云平台，云平台用于接收注册登录模块传输的个人信息将个人信息传输到数据库进行实时存储；个人信息包括姓名、性别、年龄、学历和行业信息；
浏览模块用于用户浏览广告信息，并生成浏览信息，浏览信息包括浏览人、浏览开始时刻和浏览结束时刻；浏览模块用于将浏览信息传输至云平台，云平台接收到浏览模块传输的浏览信息时会自动获取浏览人，云平台用于将浏览人与数据库内存储的个人信息进行比对从而获取到浏览人的身份信息；云平台还用于将浏览信息和身份信息融合形成浏览记录并将浏览记录传输到记录管理模块；
数据分析模块与记录管理模块通信连接，用于实时获取记录管理模块内存储的浏览记录，并对浏览记录作出相关处理，具体处理步骤如下：
步骤一：获取系统当期时间前十天内的浏览记录，并获取对应浏览记录内的浏览信息；将浏览结束时刻与浏览开始时刻进行时间差计算得到浏览时长；
步骤二：按照广告信息将同一广告信息的浏览次数进行累加形成浏览频次，将浏览频次标记为C1；
按照广告信息将同一广告信息的浏览时长进行累加形成浏览总时长，将浏览总时长标记为C2；
对浏览频次和浏览总时长进行权重分配，将浏览频次的权重标记为Z1，将浏览总时长的权重标记为Z2；其中Z1+Z2＝1；例如Z1取值0.4，Z1取值0.6；
步骤三：利用公式H1＝C1×Z1+C2×Z2获取得到广告信息的活跃值H1；
步骤四：获取系统当期时间前十天内的该广告信息的浏览记录，并获取对应浏览记录内的身份信息，并对身份信息进行相关处理，具体处理步骤如下：
S41：获取每一位浏览人的年龄信息，将年龄信息分为20岁以下，20-30岁，30-40岁和40岁以上四个档次；
设定每个年龄档次均有一个对应的预设值，将该年龄档次与所有的年龄档次进行匹配得到对应的年龄预设值并标记为Y1；
按照年龄档次将同一年龄档次的浏览人的浏览次数进行累加形成年龄频次，将年龄频次标记为N1；
按照年龄档次将同一年龄档次的浏览人的浏览时长进行累加形成年龄总时长，将年龄总时长标记为N2；
利用公式NX＝Y1×A1+N1×A2+N2×A3获取得到该广告信息的年龄吸引值NX，其中A1、A2和A3均为预设系数，例如A1取值0.2，A2取值0.5，A3取值0.3；
将年龄档次按照年龄吸引值NX的大小进行排序并制成该广告信息的年龄吸引表信息；
S42：获取每一位浏览人的学历信息，将学历信息分为高中以下、高中、专科、本科和本科以上五个档次；
设定每个学历档次均有一个对应的预设值，将该学历档次与所有的学历档次进行匹配得到对应的学历预设值并标记为Y2；
按照学历档次将同一学历档次的浏览人的浏览次数进行累加形成学历频次，将学历频次标记为X1；
按照学历档次将同一学历档次的浏览人的浏览时长进行累加形成学历总时长，将学历总时长标记为X2；
利用公式XD＝Y2×A4+X1×A5+X2×A6获取得到该广告信息的学历吸引值XD，其中A4、A5和A6均为预设系数，例如A4取值0.21，A5取值0.65，A6取值0.43；
将学历档次按照学历吸引值XD的大小进行排序并制成该广告信息的学历吸引表信息；
S43：获取每一位浏览人的性别，按照性别，计算出浏览人中男女浏览人的性别占比，将男浏览人的性别占比标记为男性占比P1，将女浏览人的性别占比标记为女性占比P2；
将男性占比P1和女性占比P2融合形成该广告信息的性别吸引表信息；
S44：获取每一位浏览人的行业，按照行业将同一行业的浏览人的浏览次数进行累加形成行业频次，将行业频次标记为G1；
按照行业将同一行业的浏览人的浏览时长进行累加形成行业总时长，将行业总时长标记为G2；
利用公式HD＝G1×B1+G2×B2获取得到该广告信息的行业吸引值XD，其中B1、B2均为预设系数，例如B1取值0.29，B2取值0.48；
将行业按照行业吸引值XD的大小进行排序并制成该广告信息的行业吸引表信息；
S45：将1天24h划分为若干个时间段，并获取对应浏览记录内的浏览信息，根据浏览信息中的浏览开始时刻确定所属的时间段；
按照时间段将同一时间段的浏览次数累加形成时段频次，将时段频次标记为DF1；按照时间段将同一时间段的浏览时长累加形成时段总时长，将时段总时长标记为DF2；
利用公式GS＝DF1×B3+DF2×B4获取得到该广告信息的时段吸引值GS；其中B3、B4均为预设系数，例如B3取值0.34，B4取值0.57；
将时间段按照时段吸引值GS的大小进行排序并制成该广告信息的时段吸引表信息；
数据分析模块用于将广告信息的活跃值H1和该广告信息对应的年龄吸引表信息、学历吸引表信息、性别吸引表信息、行业吸引表信息、时段吸引表信息传输至云平台，云平台用于将广告信息的活跃值H1和该广告信息对应的年龄吸引表信息、学历吸引表信息、性别吸引表信息、行业吸引表信息、时段吸引表信息传输至存储模块进行存储；
调查模块用于采集广告信息对应的广告商信息并对广告商信息进行分析，获取得到该广告信息的可信度值，广告商信息包括广告商的经营数据和广告制作数据；广告制作数据包括广告信息的制作成本、制作时长和制作人数；广告商的经营数据包括广告商的经营年限、年均GDP、流动资金、人员规模和人均月工资；具体分析步骤为：
V1：获取广告信息对应的广告商信息；并获取对应广告商信息内的经营数据；
将广告商的经营年限标记为NT；将广告商的年均GDP标记为GT；将广告商的流动资金标记为LT；将广告商的人员规模标记为ST；将广告商的人均月工资标记为FT；
V2：将经营年限、年均GDP、流动资金、流动资金和人均月工资进行归一化处理并取其数值；
利用公式DH＝NT×a1+GT×a2+LT×a3+ST×a4+FT×a5获取得到广告商的经营值DH，其中a1、a2、a3、a4和a5均为预设系数，例如a1取值0.23，a2取值0.19，a3取值0.59，a4取值0.29，a5取值0.61；
V3：获取对应广告商信息内的广告制作数据，将广告信息的制作成本标记为ZA，将制作时长标记为ZB，将制作人数标记为ZC；
利用公式ZD＝ZA×a6+ZB×a7+ZC×a8获取得到广告信息的制作值ZD，其中a6、a7和a8均为预设系数，例如a6取值0.33，a7取值0.26，a8取值0.49；
V4：利用公式K1＝DH×b1+ZD×b2获取得到广告信息的可信度值K1，其中b1、b2均为预设系数，例如b1取值0.54，b2取值0.46；
调查模块用于将广告信息的可信度值K1传输至云平台，云平台用于将广告信息的可信度值K1传输至存储模块进行存储；
输入模块用于用户输入关键词并将关键词传输至检索模块，检索模块用于根据关键词在广告服务器内进行索引，得到搜索结果并将搜索结果传输至推送模块，推送模块用于接收搜索结果并进行分析，得到匹配的广告信息后推送给用户，推送模块的具体工作步骤为：
VV1：获取搜索结果对应的广告信息，并标记为初选广告；
VV2：获取初选广告的投放时间，将投放时间与系统当期时间进行时间差计算得到延时时长，将延时时长与预设延时阈值进行比较；
若延时时长≤预设延时阈值，则将初选广告标记为二选广告；
VV3：设定可信度值阈值为HF，获取二选广告的可信度值，将可信度值大于HF的二选广告标记为优选广告；
VV4：获取优选广告的活跃值，将活跃值大于预设活跃阈值的优选广告标记为目标广告；
VV5：获取系统当期时间，根据系统当期时间确定此时所属的时间段，根据时间段自动从存储模块中的时段吸引表信息中获取目标广告的时段吸引值并标记为Q1；
VV6：获取用户的个人信息，并获取对应个人信息中的性别、年龄、学历和行业信息；
根据性别自动从存储模块中的性别吸引表信息中获取目标广告的性别占比并标记为Q2；
将年龄与所有的年龄区间进行匹配，获取得到对应的年龄区间，根据对应的年龄区间自动从存储模块中的年龄吸引表信息中获取目标广告的年龄吸引值并标记为Q3；
将学历与所有的学历档次进行匹配，获取得到对应的学历档次，根据对应的学历档次自动从存储模块中的学历吸引表信息中获取目标广告的学历吸引值并标记为Q4；
根据行业信息自动从存储模块中的行业吸引表信息中获取目标广告的行业吸引值并标记为Q5；
利用公式PE＝Q1×d1+Q2×d2+Q3×d3+Q4×d4+Q5×d5获取得到目标广告的匹配值PE，其中d1、d2、d3、d4和d5均为预设系数，例如d1取值0.61，d2取值0.18，d3取值0.29，d4取值0.36，d5取值0.49；
VV7：将匹配值PE前五的目标广告传输至云平台，云平台用于将匹配值PE前五的目标广告推送至用户终端。
本发明能够根据用户输入的关键词获取搜索结果，即用户终端接收到的广告信息是由用户自行选择的，广告推送更加精确；推送模块对搜索结果对应广告信息进行多重删选，能够获取投放时间较近、可信度值较高且活跃值较高的广告信息并标记为目标广告，极大程度上避免了虚假广告、垃圾广告；同时根据匹配值PE将匹配值PE前五的目标广告推送至用户终端，广告推送更加精确，提高用户体验度。
本发明的工作原理是：
一种基于大数据的广告推送方法，在工作时，用户通过注册登录模块输入个人信息后进行注册登录，并将个人信息传输到数据库进行实时存储；浏览模块用于用户浏览广告信息，并生成浏览信息，云平台接收到浏览模块传输的浏览信息时会自动获取浏览人，并与数据库内存储的个人信息进行比对从而获取到浏览人的身份信息；云平台还用于将浏览信息和身份信息融合形成浏览记录；数据分析模块用于实时获取浏览记录，并每隔预设时间对浏览记录作出相关处理，获取系统当期时间前十天内的浏览记录，并获取对应浏览记录内的浏览信息；将浏览结束时刻与浏览开始时刻进行时间差计算得到浏览时长；按照广告信息将同一广告信息的浏览次数进行累加形成浏览频次，按照广告信息将同一广告信息的浏览时长进行累加形成浏览总时长，利用公式H1＝C1×Z1+C2×Z2获取得到广告信息的活跃值H1；获取系统当期时间前十天内的该广告信息的浏览记录，并获取对应浏览记录内的身份信息，并对身份信息进行相关处理，结合算法获取得到该广告信息对应的年龄吸引表信息、学历吸引表信息、性别吸引表信息、行业吸引表信息、时段吸引表信息；
调查模块用于采集广告信息对应的广告商信息并对广告商信息进行分析，获取得到该广告信息的可信度值；结合经营年限、年均GDP、流动资金、流动资金和人均月工资，获取得到广告商的经营值DH；再获取广告信息的制作成本、制作时长和制作人数，利用公式ZD＝ZA×a6+ZB×a7+ZC×a8获取得到广告信息的制作值ZD；结合经营值DH、制作值ZD获取得到广告信息的可信度值；
输入模块用于用户输入关键词并将关键词传输至检索模块，检索模块用于根据关键词在广告服务器内进行索引，得到搜索结果并将搜索结果传输至推送模块，推送模块用于接收搜索结果并进行分析，得到匹配的广告信息后推送给用户；获取搜索结果对应的广告信息，并标记为初选广告；获取初选广告的投放时间，将投放时间与系统当期时间进行时间差计算得到延时时长，将延时时长与预设延时阈值进行比较；若延时时长≤预设延时阈值，则将初选广告标记为二选广告；设定可信度值阈值为HF，获取二选广告的可信度值，将可信度值大于HF的二选广告标记为优选广告；获取优选广告的活跃值，将活跃值大于预设活跃阈值的优选广告标记为目标广告；获取系统当期时间和用户的个人信息，结合广告信息对应的年龄吸引表信息、学历吸引表信息、性别吸引表信息、行业吸引表信息、时段吸引表信息得到目标广告的匹配值，将匹配值PE前五的目标广告推送至用户终端。
上述公式均是由采集大量数据进行软件模拟及相应专家进行参数设置处理，得到与真实结果符合的公式。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种基于大数据的广告推送方法，其特征在于，包括如下步骤：
DD1：用户输入关键词，根据关键词在广告服务器内进行索引，得到搜索结果；
DD2：通过推送系统对搜索结果进行分析；将搜索结果对应的广告信息标记为初选广告；
DD3：通过推送系统获取初选广告的延时时长、可信度值和活跃值，得到目标广告；
DD4：通过推送系统获取目标广告的匹配值PE，将匹配值PE前五的目标广告推送至用户终端。
2.根据权利要求1所述的一种基于大数据的广告推送方法，其特征在于，所述推送系统包括注册登录模块、云平台、数据库、浏览模块、记录管理模块、数据分析模块、输入模块、检索模块、推送模块、调查模块和存储模块；
所述输入模块用于用户输入关键词并将关键词传输至检索模块，所述检索模块用于根据关键词在广告服务器内进行索引，得到搜索结果并将搜索结果传输至推送模块，所述推送模块用于接收搜索结果并进行分析，得到匹配的广告信息后推送给用户，所述推送模块的具体工作步骤为：
VV1：获取搜索结果对应的广告信息，并标记为初选广告；
VV2：获取初选广告的投放时间，将投放时间与系统当期时间进行时间差计算得到延时时长，将延时时长与预设延时阈值进行比较；
若延时时长≤预设延时阈值，则将初选广告标记为二选广告；
VV3：设定可信度值阈值为HF，获取二选广告的可信度值，将可信度值大于HF的二选广告标记为优选广告；
VV4：获取优选广告的活跃值，将活跃值大于预设活跃阈值的优选广告标记为目标广告；
VV5：获取系统当期时间，根据系统当期时间确定此时所属的时间段，根据时间段自动从存储模块中的时段吸引表信息中获取目标广告的时段吸引值并标记为Q1；
VV6：获取用户的个人信息，并获取对应个人信息中的性别、年龄、学历和行业信息；
根据性别自动从存储模块中的性别吸引表信息中获取目标广告的性别占比并标记为Q2；
将年龄与所有的年龄区间进行匹配，获取得到对应的年龄区间，根据对应的年龄区间自动从存储模块中的年龄吸引表信息中获取目标广告的年龄吸引值并标记为Q3；
将学历与所有的学历档次进行匹配，获取得到对应的学历档次，根据对应的学历档次自动从存储模块中的学历吸引表信息中获取目标广告的学历吸引值并标记为Q4；
根据行业信息自动从存储模块中的行业吸引表信息中获取目标广告的行业吸引值并标记为Q5；
利用公式PE＝Q1×d1+Q2×d2+Q3×d3+Q4×d4+Q5×d5获取得到目标广告的匹配值PE，其中d1、d2、d3、d4和d5均为预设系数；
VV7：将匹配值PE前五的目标广告传输至云平台，所述云平台用于将匹配值PE前五的目标广告推送至用户终端。
3.根据权利要求2所述的一种基于大数据的广告推送方法，其特征在于，所述注册登录模块用于用户输入个人信息后进行注册登录，并将个人信息发送至云平台，所述云平台用于接收注册登录模块传输的个人信息将个人信息传输到数据库进行实时存储；所述个人信息包括姓名、性别、年龄、学历和行业信息；
所述浏览模块用于用户浏览广告信息，并生成浏览信息，所述浏览信息包括浏览人、浏览开始时刻和浏览结束时刻；所述浏览模块用于将浏览信息传输至云平台，所述云平台接收到浏览模块传输的浏览信息时会自动获取浏览人，所述云平台用于将浏览人与数据库内存储的个人信息进行比对从而获取到浏览人的身份信息；所述云平台还用于将浏览信息和身份信息融合形成浏览记录并将浏览记录传输到记录管理模块。
4.根据权利要求2所述的一种基于大数据的广告推送方法，其特征在于，所述数据分析模块与记录管理模块通信连接，用于实时获取记录管理模块内存储的浏览记录，并对浏览记录作出相关处理，具体处理步骤如下：
步骤一：获取系统当期时间前十天内的浏览记录，并获取对应浏览记录内的浏览信息；将浏览结束时刻与浏览开始时刻进行时间差计算得到浏览时长；
步骤二：按照广告信息将同一广告信息的浏览次数进行累加形成浏览频次，将浏览频次标记为C1；
按照广告信息将同一广告信息的浏览时长进行累加形成浏览总时长，将浏览总时长标记为C2；
对浏览频次和浏览总时长进行权重分配，将浏览频次的权重标记为Z1，将浏览总时长的权重标记为Z2；其中Z1+Z2＝1；
步骤三：利用公式H1＝C1×Z1+C2×Z2获取得到广告信息的活跃值H1；
步骤四：获取系统当期时间前十天内的该广告信息的浏览记录，并获取对应浏览记录内的身份信息，并对身份信息进行相关处理，具体处理步骤如下：
S41：获取每一位浏览人的年龄信息，将年龄信息分为20岁以下，20-30岁，30-40岁和40岁以上四个档次；
设定每个年龄档次均有一个对应的预设值，将该年龄档次与所有的年龄档次进行匹配得到对应的年龄预设值并标记为Y1；
按照年龄档次将同一年龄档次的浏览人的浏览次数进行累加形成年龄频次，将年龄频次标记为N1；
按照年龄档次将同一年龄档次的浏览人的浏览时长进行累加形成年龄总时长，将年龄总时长标记为N2；
利用公式NX＝Y1×A1+N1×A2+N2×A3获取得到该广告信息的年龄吸引值NX，其中A1、A2和A3均为预设系数；
将年龄档次按照年龄吸引值NX的大小进行排序并制成该广告信息的年龄吸引表信息；
S42：获取每一位浏览人的学历信息，将学历信息分为高中以下、高中、专科、本科和本科以上五个档次；
设定每个学历档次均有一个对应的预设值，将该学历档次与所有的学历档次进行匹配得到对应的学历预设值并标记为Y2；
按照学历档次将同一学历档次的浏览人的浏览次数进行累加形成学历频次，将学历频次标记为X1；
按照学历档次将同一学历档次的浏览人的浏览时长进行累加形成学历总时长，将学历总时长标记为X2；
利用公式XD＝Y2×A4+X1×A5+X2×A6获取得到该广告信息的学历吸引值XD，其中A4、A5和A6均为预设系数；
将学历档次按照学历吸引值XD的大小进行排序并制成该广告信息的学历吸引表信息；
S43：获取每一位浏览人的性别，按照性别，计算出浏览人中男女浏览人的性别占比，将男浏览人的性别占比标记为男性占比P1，将女浏览人的性别占比标记为女性占比P2；
将男性占比P1和女性占比P2融合形成该广告信息的性别吸引表信息；
S44：获取每一位浏览人的行业，按照行业将同一行业的浏览人的浏览次数进行累加形成行业频次，将行业频次标记为G1；
按照行业将同一行业的浏览人的浏览时长进行累加形成行业总时长，将行业总时长标记为G2；
利用公式HD＝G1×B1+G2×B2获取得到该广告信息的行业吸引值XD，其中B1、B2均为预设系数；
将行业按照行业吸引值XD的大小进行排序并制成该广告信息的行业吸引表信息；
S45：将1天24h划分为若干个时间段，并获取对应浏览记录内的浏览信息，根据浏览信息中的浏览开始时刻确定所属的时间段；
按照时间段将同一时间段的浏览次数累加形成时段频次，将时段频次标记为DF1；按照时间段将同一时间段的浏览时长累加形成时段总时长，将时段总时长标记为DF2；
利用公式GS＝DF1×B3+DF2×B4获取得到该广告信息的时段吸引值GS；其中B3、B4均为预设系数；
将时间段按照时段吸引值GS的大小进行排序并制成该广告信息的时段吸引表信息；
所述数据分析模块用于将广告信息的活跃值H1和该广告信息对应的年龄吸引表信息、学历吸引表信息、性别吸引表信息、行业吸引表信息、时段吸引表信息传输至云平台，所述云平台用于将广告信息的活跃值H1和该广告信息对应的年龄吸引表信息、学历吸引表信息、性别吸引表信息、行业吸引表信息、时段吸引表信息传输至存储模块进行存储。
5.根据权利要求2所述的一种基于大数据的广告推送方法，其特征在于，所述调查模块用于采集广告信息对应的广告商信息并对广告商信息进行分析，获取得到该广告信息的可信度值，所述广告商信息包括广告商的经营数据和广告制作数据；所述广告制作数据包括广告信息的制作成本、制作时长和制作人数；所述广告商的经营数据包括广告商的经营年限、年均GDP、流动资金、人员规模和人均月工资；具体分析步骤为：
V1：获取广告信息对应的广告商信息；并获取对应广告商信息内的经营数据；
将广告商的经营年限标记为NT；将广告商的年均GDP标记为GT；将广告商的流动资金标记为LT；将广告商的人员规模标记为ST；将广告商的人均月工资标记为FT；
V2：将经营年限、年均GDP、流动资金、流动资金和人均月工资进行归一化处理并取其数值；
利用公式DH＝NT×a1+GT×a2+LT×a3+ST×a4+FT×a5获取得到广告商的经营值DH，其中a1、a2、a3、a4和a5均为预设系数；
V3：获取对应广告商信息内的广告制作数据，将广告信息的制作成本标记为ZA，将制作时长标记为ZB，将制作人数标记为ZC；
利用公式ZD＝ZA×a6+ZB×a7+ZC×a8获取得到广告信息的制作值ZD，其中a6、a7和a8均为预设系数；
V4：利用公式K1＝DH×b1+ZD×b2获取得到广告信息的可信度值K1，其中b1、b2均为预设系数；
所述调查模块用于将广告信息的可信度值K1传输至云平台，所述云平台用于将广告信息的可信度值K1传输至存储模块进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011509525.XA CN112529635A (zh) | 2020-12-19 | 2020-12-19 | 一种基于大数据的广告推送方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011509525.XA CN112529635A (zh) | 2020-12-19 | 2020-12-19 | 一种基于大数据的广告推送方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112529635A true CN112529635A (zh) | 2021-03-19 |
Family
ID=75001571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011509525.XA Withdrawn CN112529635A (zh) | 2020-12-19 | 2020-12-19 | 一种基于大数据的广告推送方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112529635A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949763A (zh) * | 2021-04-01 | 2021-06-11 | 北京奇艺世纪科技有限公司 | 数据提取方法、装置、设备及存储介质 |
| CN116109353A (zh) * | 2022-12-12 | 2023-05-12 | 广州圆原元网络科技有限公司 | 一种手机应用商店广告投放管理平台 |
| CN116245574A (zh) * | 2023-02-17 | 2023-06-09 | 欢聚时代文化传媒（北京）有限公司 | 基于特征分析的广告过滤系统 |
| CN116542721A (zh) * | 2023-07-07 | 2023-08-04 | 山东经纬信息集团有限公司 | 一种基于大数据的手机端信息推送系统及方法 |
| CN116739675A (zh) * | 2023-06-17 | 2023-09-12 | 壹禾文化控股集团(宁夏)有限公司 | 基于大数据的广告智能推送方法 |
| CN116955829A (zh) * | 2023-08-16 | 2023-10-27 | 吉翔文化传媒科技(山东)有限公司 | 一种基于大数据的网络营销推送方法及系统 |
-
2020
- 2020-12-19 CN CN202011509525.XA patent/CN112529635A/zh not_active Withdrawn
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949763A (zh) * | 2021-04-01 | 2021-06-11 | 北京奇艺世纪科技有限公司 | 数据提取方法、装置、设备及存储介质 |
| CN116109353A (zh) * | 2022-12-12 | 2023-05-12 | 广州圆原元网络科技有限公司 | 一种手机应用商店广告投放管理平台 |
| CN116109353B (zh) * | 2022-12-12 | 2023-08-08 | 广州圆原元网络科技有限公司 | 一种手机应用商店广告投放管理平台 |
| CN116245574A (zh) * | 2023-02-17 | 2023-06-09 | 欢聚时代文化传媒（北京）有限公司 | 基于特征分析的广告过滤系统 |
| CN116739675A (zh) * | 2023-06-17 | 2023-09-12 | 壹禾文化控股集团(宁夏)有限公司 | 基于大数据的广告智能推送方法 |
| CN116739675B (zh) * | 2023-06-17 | 2024-02-02 | 壹禾文化控股集团(宁夏)有限公司 | 基于大数据的广告智能推送方法 |
| CN116542721A (zh) * | 2023-07-07 | 2023-08-04 | 山东经纬信息集团有限公司 | 一种基于大数据的手机端信息推送系统及方法 |
| CN116955829A (zh) * | 2023-08-16 | 2023-10-27 | 吉翔文化传媒科技(山东)有限公司 | 一种基于大数据的网络营销推送方法及系统 |
| CN116955829B (zh) * | 2023-08-16 | 2024-01-26 | 吉翔文化传媒科技(山东)有限公司 | 一种基于大数据的网络营销推送系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112529635A (zh) | 一种基于大数据的广告推送方法 | |
| Arica et al. | Travel experience sharing on social media: effects of the importance attached to content sharing and what factors inhibit and facilitate it | |
| US9245252B2 (en) | Method and system for determining on-line influence in social media | |
| Hitsch et al. | Matching and sorting in online dating | |
| CN104809632B (zh) | 一种基于模板的动态广告的生成方法和装置 | |
| US9158853B2 (en) | Computerized internet search system and method | |
| Sayre et al. | Agenda setting in a digital age: Tracking attention to California Proposition 8 in social media, online news and conventional news | |
| US20220150292A1 (en) | Personalized Recommendation Method and System, and Terminal Device | |
| CN106126582A (zh) | 推荐方法及装置 | |
| CN104657879A (zh) | 基于用户参与的根据上下文的用于无保障递送的自动定价 | |
| CN106062743A (zh) | 用于关键字建议的系统和方法 | |
| WO2011041067A1 (en) | A method, apparatus and system for increasing website data transfer speed | |
| KR20180120571A (ko) | 인플루언서를 활용한 소셜 네트워크 서비스 마케팅 시스템 | |
| CN110727761B (zh) | 对象信息获取方法、装置及电子设备 | |
| CN109582859B (zh) | 保险推送方法、装置、计算机设备及存储介质 | |
| CN104050243A (zh) | 一种将搜索与社交相结合的网络搜索方法及其系统 | |
| CN114266443A (zh) | 数据评估方法和装置、电子设备、存储介质 | |
| CN111127222A (zh) | 业务服务的处理方法、装置、设备及存储介质 | |
| CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
| WO2013142759A1 (en) | Computerized internet search system and method | |
| CN110175892B (zh) | 基于消费者行为的热力球双向推荐方法及系统 | |
| EP2904577A1 (en) | Content analytics | |
| CN114881685A (zh) | 广告投送方法、装置、电子装置及存储介质 | |
| US8374913B2 (en) | Method and system for comparing effects of audio-visual ads on internet searches | |
| CN113468402A (zh) | 目标对象确定方法、装置及存储介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210319 |