CN113344642A - 用于预测广告投资回报率的方法、装置、电子设备及可读存储介质 - Google Patents

用于预测广告投资回报率的方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN113344642A
CN113344642A CN202110755968.5A CN202110755968A CN113344642A CN 113344642 A CN113344642 A CN 113344642A CN 202110755968 A CN202110755968 A CN 202110755968A CN 113344642 A CN113344642 A CN 113344642A
Authority
CN
China
Prior art keywords
user
value score
advertisement
investment
return
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
Application number
CN202110755968.5A
Other languages
English (en)
Inventor
方依
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202110755968.5A priority Critical patent/CN113344642A/zh
Publication of CN113344642A publication Critical patent/CN113344642A/zh
Pending legal-status Critical Current

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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q30/0247—Calculate past, present or future revenues
    • 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
    • G06Q30/0263—Targeted advertisements based upon Internet or website rating
    • 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
    • G06Q30/0277—Online advertisement

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及计算机技术领域，公开一种用于预测广告投资回报率的方法，该方法包括：在广告行为对应的预设周期内，获取在私域流量中用户的历史行为数据；历史行为数据用于表征用户对广告行为对应的商品的操作信息；根据历史行为数据确定广告行为对应的用户隐形价值评分；根据用户隐形价值评分预测广告行为对应的投资回报率。由于在预测广告投资回报率时考虑了在私域流量用户对商品的操作，使得预测的广告投资回报率更准确。本申请还公开一种用于预测广告投资回报率的装置、电子设备及存储介质。

Description

用于预测广告投资回报率的方法、装置、电子设备及可读存储 介质
技术领域
本申请涉及计算机技术领域，例如涉及一种用于预测广告投资回报率的方法、装置、电子设备及可读存储介质。
背景技术
ROI(Return on Investment，投资回报率)是指企业从一项投资性商业活动的投资中得到的经济回报，是衡量一个企业盈利状况所使用的比率，也是衡量一个企业经营效果和效率的一项综合性的指标。为了衡量一个企业经营效果、收益和效率，通常需要对投资回报率进行计算。
在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：实际情况中，在私域流量下用户对广告行为对应的商品除了直接购买外，还包括对商品的点击、加购物车、收藏、点赞、评论和转发等操作，这些行为也是广告的一种隐形价值，而隐形价值也是广告的回报的一种体现。但现有的投资回报率预测时仅考虑预设周期内的投资总额和实际收益，忽略了在私域流量中用户对商品的操作，导致预测的广告投资回报率不够准确。
发明内容
为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
本公开实施例提供了一种用于预测广告投资回报率的方法、装置、电子设备及可读存储介质，以能够使得预测的广告投资回报率更准确。
在一些实施例中，所述用于预测广告投资回报率的方法，包括：在广告行为对应的预设周期内，获取在私域流量中用户的历史行为数据；所述历史行为数据用于表征用户对商品的操作信息；根据所述历史行为数据确定所述广告行为对应的用户隐形价值评分；根据所述用户隐形价值评分预测所述广告行为对应的投资回报率。
在一些实施例中，所述用于预测广告投资回报率的装置包括：获取模块，被配置为在广告行为对应的预设周期内，获取在私域流量中用户的历史行为数据；所述历史行为数据用于表征用户对商品的操作信息；确定模块，被配置为根据所述历史行为数据确定所述广告行为对应的用户隐形价值评分；预测模块，被配置为根据所述用户隐形价值评分预测所述广告行为对应的投资回报率。
在一些实施例中，所述电子设备包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行上述的用于预测广告投资回报率的方法。
在一些实施例中，所述可读存储介质，存储有可执行指令，所述可执行指令在运行时执行上述用于预测广告投资回报率的方法。
本公开实施例提供的用于预测广告投资回报率的方法、装置、电子设备及可读存储介质，可以实现以下技术效果：在广告行为对应的预设周期内，获取在私域流量中用户的历史行为数据；历史行为数据用于表征用户对商品的操作信息；根据历史行为数据确定广告行为对应的用户隐形价值评分；根据用户隐形价值评分预测广告行为对应的投资回报率。由于在预测广告投资回报率时考虑了在私域流量用户对商品的操作，使得预测的广告投资回报率更准确。
以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
图1是本公开实施例提供的一个用于预测广告投资回报率的方法的示意图；
图2是本公开实施例提供的一个用于预测广告投资回报率的装置的示意图；
图3是本公开实施例提供的一个电子设备的示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
除非另有说明，术语“多个”表示两个或两个以上。
本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
结合图1所示，本公开实施例提供一种用于预测广告投资回报率的方法，包括：
步骤S101，在广告行为对应的预设周期内，获取在私域流量中用户的历史行为数据；历史行为数据用于表征用户对广告行为对应的商品的操作信息；
步骤S102，根据历史行为数据确定广告行为对应的用户隐形价值评分；
步骤S103，根据用户隐形价值评分预测广告行为对应的投资回报率。
采用本公开实施例提供的用于预测广告投资回报率的方法，在广告行为对应的预设周期内，通过获取在私域流量中用户的历史行为数据；历史行为数据用于表征用户对商品的操作信息；根据历史行为数据确定广告行为对应的用户隐形价值评分；根据用户隐形价值评分预测广告行为对应的投资回报率。由于在预测广告投资回报率时考虑了在私域流量中用户对商品的操作信息，使得预测的广告投资回报率更准确。
可选地，私域流量包括：微信公众号、微信小程序、微信广告等平台。
可选地，用户对商品的操作信息包括：用户对商品的点击次数、用户对商品的收藏次数、用户将商品加入购物车次数、用户对商品的购买次数、用户对广告的点击次数、用户对包括商品的文章的点赞次数、用户对包括商品的文章的评论次数和用户对包括商品的文章的转发次数等。
可选地，根据历史行为数据确定广告行为对应的用户隐形价值评分，包括：获取操作信息对应的权重，利用权重对操作信息进行加权计算获得用户的第一备选价值评分；根据第一备选价值评分确定广告行为对应的用户隐形价值评分。
可选地，获取操作信息对应的权重，包括：从第三预设数据库中匹配出与各操作信息对应的权重；第三预设数据库中存储有操作信息与权重之间的对应关系。
可选地，利用权重对操作信息进行加权计算获得用户的第一备选价值评分，包括：将各操作信息分别乘以对应的权重后再进行相加，将相加后的得分确定为用户的第一备选价值评分。
可选地，在根据历史行为数据确定广告行为对应的用户隐形价值评分前，还包括：对历史行为数据进行数据对齐操作。
可选地，对历史行为数据进行数据对齐操作，包括：对不同平台的用户ID(Identity document，身份标识号)进行对齐；和，对不同平台的商品ID进行对齐。可选地，用户ID用于表征用户，商品ID用于表征商品。
可选地，对不同平台的用户ID进行对齐，包括：对不同平台的用户ID进行打通，将打通后的用户ID确定为同一用户。
可选地，对不同平台的用户ID进行打通，包括：分别获取各平台中用户的unionID(唯一身份标识)、openID(公开身份标识)和UUID(Universally Unique Identifier，通用唯一识别码)；通过将用户的unionID、openID和UUID进行ID映射，生成该用户的唯一ID，并将唯一ID确定为打通后的用户ID。
可选地，对不同平台的商品ID进行对齐，包括：从历史行为数据中获取商品的商品ID；将相同商品ID对应的商品确定为同一个商品。
可选地，对同一商品在不同平台的商品ID进行对齐，包括：从历史行为数据中获取商品的商品ID和其对应的商品名称，在不同商品ID对应的商品的商品名称相同的情况下，将不同商品ID对应的商品确定为同一商品。可选地，商品ID为不同品牌的同一商品的商品ID或不同店铺的的同一商品的商品ID。
可选地，通过命名实体识别的方式获得微信公众号中的商品的商品名称。
可选地，获取用户输入的备选ID，将用户输入的备选ID确定为商品的商品ID。
这样，通过对商品ID和用户ID进行对齐操作，不仅能够将不同平台下的同一商品进行一一对应，还能够将不同平台下的同一用户的不同用户ID进行一一对应，从而获得同一用户在不同平台中对商品的操作信息，便于用户对广告行为的投资回报率进行预测，提高了预测广告投资回报率的准确率。
可选地，根据第一备选价值评分确定广告行为对应的用户隐形价值评分，包括：根据第一备选价值评分对用户进行聚类，获得用户聚类数量；根据用户聚类数量确定广告行为对应的用户隐形价值评分。
可选地，根据第一备选价值评分对用户进行聚类，获得用户聚类数量，包括：将第一备选价值评分确定为第一输入参数，通过DBSCAN(Density-Based Spatial Clusteringof Applications with Noise，基于密度的含噪声应用空间聚类)算法对用户进行聚类，去除离群点，并获得用户聚类数量。
可选地，根据用户聚类数量确定广告行为对应的用户隐形价值评分，包括：根据用户聚类数量对用户进行聚类，获得聚类后的用户簇；获取用户簇对应的第二备选价值评分；将第二备选价值评分确定为广告行为对应的用户隐形价值评分。
可选地，根据用户聚类数量对用户进行聚类，获得聚类后的用户簇，包括：将用户聚类数确定为第二输入参数，通过K-means(K均值聚类)算法对用户进行聚类，获得聚类后的用户簇。
可选地，获取用户簇对应的第二备选价值评分，包括：对各用户簇中的所有用户的第一备选价值评分进行累加，获得累加结果，将累加结果确定为各用户簇对应的第二备选价值评分。
在一些实施例中，将第一备选价值评分确定为第一输入参数，通过DBSCAN算法对用户进行聚类，获得用户聚类数为K，并将K确定为第二输入参数，通过K-means算法对用户进行聚类，获得K类用户簇。这样，通过DBSCAN算法对用户进行第一次聚类，获得用户的聚类数，同时能够去除离群点；再通过K-means算法对去除离群点后的用户进行聚类，得到聚类后的用户簇。
可选地，根据用户聚类数量确定广告行为对应的用户隐形价值评分，包括：根据用户聚类数量对用户进行聚类，获得聚类后的用户簇；获取用户簇对应的第二备选价值评分；根据第二备选价值评分获取用户分层；根据用户分层确定广告行为对应的用户隐形价值评分。
可选地，根据第二备选价值评分获取用户分层，包括：从第二预设数据库中匹配出与第二备选价值评分对应的用户分层；第二预设数据库中存储有用户分层与第二备选价值评分之间的对应关系。
可选地，根据用户分层确定广告行为对应的用户隐形价值评分，包括：从第一预设数据库中匹配出与用户分层对应的第三备选价值评分；第一预设数据库数据库中存储有用户分层与第三备选价值评分之间的对应关系；将第三备选价值评分确定为广告行为对应的用户隐形价值评分。
可选地，根据用户隐形价值评分预测广告行为对应的投资回报率，包括：利用预设权重系数对用户隐形价值评分进行加权计算获得备选总价值；获取广告投资总额，根据备选总价值和广告投资总额预测广告行为对应的投资回报率。
可选地，预设权重系数包括第一预设权重系数和第二预设权重系数，利用预设权重系数对用户隐形价值评分进行加权计算获得备选总价值，包括：利用第一预设权重系数对所有用户的用户隐形价值评分进行加权计算获得第四备选价值评分；利用第二预设权重系数对第四备选价值评分进行加权计算获得备选总价值。
可选地，利用第一预设权重系数对所有用户的用户隐形价值评分进行加权计算获得第四备选价值评分，包括：通过计算
Figure BDA0003147314720000071
获得第四备选价值评分；其中，X为第四备选价值评分，n为用户个数，delta为第一预设权重系数，postionvaluer为第r年用户i所在的用户分层对应的用户隐形价值评分，postionvaluer-1为第r-1年用户i所在的用户分层对应的用户隐形价值评分，r为正整数。
可选地，利用第二预设权重系数对第四备选价值评分进行加权计算获得备选总价值，包括：通过计算Y＝qX+(1-q)P获得备选总价值；其中，Y为备选总价值，q为第二预设权重系数，X为第四备选价值评分，P为原利润。
这样，通过对第二预设权重系数进行调整，能够调整备选总价值的重要程度，从而获得符合用户需求的备选总价值，使得预测到的广告投资回报率更准确。
可选地，根据备选总价值和广告投资总额预测广告行为对应的投资回报率，包括：通过计算
Figure BDA0003147314720000072
获得广告行为对应的投资回报率；其中，ROI为广告行为对应的投资回报率，Y为备选总价值，Z为广告投资总额。
可选地，通过计算Z＝mH+(1-m)Q获得广告投资总额；其中，m为第三预设权重系数，H为获客成本，Q为其他费用。
这样，通过对第三预设权重系数进行调整，能够调整广告投资总额的重要程度，从而获得符合用户需求的广告投资总额，使得预测到的广告投资回报率更准确。
可选地，通过计算H＝G+C1+C2获得获客成本；其中，H为获客成本，G为广告投放费用，C1为传单活动费用，C2为引流活动费用。
在一些实施例中，从腾讯广告API的日报表daily_reports/get/cost字段中获取广告投放费用；传单活动费用包括企业微信中与“企业微信涨粉”对应的“已领取红包金额”和在微信公众号中与“微信公众号涨粉”对应的“已领取红包金额”；引流活动费用包括企业微信中的活码引流费用和微信公众号中的引流费用。
结合图2所示，本公开实施例提供一种用于预测广告投资回报率的装置，包括：获取模块201、确定模块202和预测模块203；获取模块201被配置为在广告行为对应的预设周期内，获取在私域流量中用户的历史行为数据，并将历史行为数据发送给确定模块202；历史行为数据用于表征用户对商品的操作信息；确定模块202被配置为接收获取模块201发送的历史行为数据，根据历史行为数据确定广告行为对应的用户隐形价值评分，并将用户隐形价值评分发送给预测模块203；预测模块203被配置为接收确定模块202发送的用户隐形价值评分，并根据用户隐形价值评分预测广告行为对应的投资回报率。
采用本公开实施例提供的用于预测广告投资回报率的装置，在广告行为对应的预设周期内，通过获取模块获取在私域流量中用户的历史行为数据；历史行为数据用于表征用户对商品的操作信息；确定模块根据历史行为数据确定广告行为对应的用户隐形价值评分；预测模块根据用户隐形价值评分预测广告行为对应的投资回报率。由于在预测广告投资回报率时考虑了在私域流量用户对商品的操作，使得预测的广告投资回报率更准确。
可选地，获取模块还被配置为获取操作信息对应的权重，利用权重对操作信息进行加权计算获得用户的第一备选价值评分；并根据第一备选价值评分确定广告行为对应的用户隐形价值评分。
可选地，确定模块包括：第一确定模块，第二确定模块，第三确定模块和第四确定模块；第一确定模块被配置为根据第一备选价值评分确定广告行为对应的用户隐形价值评分；第二确定模块被配置为根据第一备选价值评分对用户进行聚类获得用户聚类数量，并根据用户聚类数量确定广告行为对应的用户隐形价值评分；第三确认模块被配置为根据用户聚类数量对用户进行聚类获得聚类后的用户簇，并获取用户簇对应的第二备选价值评分，将第二备选价值评分确定为广告行为对应的用户隐形价值评分；第三确认模块还被配置为根据用户聚类数量对用户进行聚类获得聚类后的用户簇，并获取用户簇对应的第二备选价值评分，根据第二备选价值评分获取用户分层，根据用户分层确定广告行为对应的用户隐形价值评分；第四确认模块被配置为从第一预设数据库中匹配出与用户分层对应的第三备选价值评分；第一预设数据库中存储有用户分层与第三备选价值评分之间的对应关系；并将第三备选价值评分确定为广告行为对应的用户隐形价值评分。
这样，在预测广告行为对应的投资回报率时，考虑了用户对商品的操作信息，体现了广告回报的隐形价值，并根据隐形价值对广告投资回报率进行了数据预测，使得预测的广告投资回报率更准确。
结合图3所示，本公开实施例提供一种电子设备，包括处理器(processor)300和存储有程序指令的存储器(memory)301。可选地，该设备还可以包括通信接口(CommunicationInterface)302和总线303。其中，处理器300、通信接口302、存储器301可以通过总线303完成相互间的通信。通信接口302可以用于信息传输。处理器300可以调用存储器301中的程序指令，以执行上述实施例的用于预测广告投资回报率的方法。
此外，上述的存储器301中的程序指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。
存储器301作为一种可读存储介质，可用于存储软件程序、可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器300通过运行存储在存储器301中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于预测广告投资回报率的方法。
存储器301可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器301可以包括高速随机存取存储器，还可以包括非易失性存储器。
采用本公开实施例提供的电子设备，在广告行为对应的预设周期内，通过获取在私域流量中用户的历史行为数据；历史行为数据用于表征用户对商品的操作信息；根据历史行为数据确定广告行为对应的用户隐形价值评分；根据用户隐形价值评分预测广告行为对应的投资回报率。由于在预测广告投资回报率时考虑了在私域流量用户对商品的操作，使得预测的广告投资回报率更准确。
可选地，电子设备为计算机等。
本公开实施例提供了一种可读存储介质，存储有可执行指令，可执行指令设置为执行上述用于预测广告投资回报率的方法。
本公开实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行上述用于预测广告投资回报率的方法。
上述的可读存储介质可以是暂态可读存储介质，也可以是非暂态可读存储介质。
本公开实施例的技术方案可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。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、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。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单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (10)

1.一种用于预测广告投资回报率的方法，其特征在于，包括：
在广告行为对应的预设周期内，获取在私域流量中用户的历史行为数据；所述历史行为数据用于表征用户对所述广告行为对应的商品的操作信息；
根据所述历史行为数据确定所述广告行为对应的用户隐形价值评分；
根据所述用户隐形价值评分预测所述广告行为对应的投资回报率。
2.根据权利要求1所述的方法，其特征在于，根据所述历史行为数据确定所述广告行为对应的用户隐形价值评分，包括：
获取所述操作信息对应的权重，利用所述权重对所述操作信息进行加权计算获得所述用户的第一备选价值评分；
根据所述第一备选价值评分确定所述广告行为对应的用户隐形价值评分。
3.根据权利要求2所述的方法，其特征在于，根据所述第一备选价值评分确定所述广告行为对应的用户隐形价值评分，包括：
根据所述第一备选价值评分对所述用户进行聚类，获得用户聚类数量；
根据所述用户聚类数量确定所述广告行为对应的用户隐形价值评分。
4.根据权利要求3所述的方法，其特征在于，根据所述用户聚类数量确定所述广告行为对应的用户隐形价值评分，包括：
根据所述用户聚类数量对所述用户进行聚类，获得聚类后的用户簇；
获取所述用户簇对应的第二备选价值评分；
将所述第二备选价值评分确定为所述广告行为对应的用户隐形价值评分。
5.根据权利要求3所述的方法，其特征在于，根据所述用户聚类数量确定所述广告行为对应的用户隐形价值评分，包括：
根据所述用户聚类数量对所述用户进行聚类，获得聚类后的用户簇；
获取所述用户簇对应的第二备选价值评分；
根据所述第二备选价值评分获取用户分层；
根据所述用户分层确定所述广告行为对应的用户隐形价值评分。
6.根据权利要求5所述的方法，其特征在于，根据所述用户分层确定所述广告行为对应的用户隐形价值评分，包括：
从第一预设数据库中匹配出与所述用户分层对应的第三备选价值评分；所述数据库中存储有用户分层与第三备选价值评分之间的对应关系；
将所述第三备选价值评分确定为所述广告行为对应的用户隐形价值评分。
7.根据权利要求1所述的方法，其特征在于，根据所述用户隐形价值评分预测所述广告行为对应的投资回报率，包括：
利用预设权重系数对所述用户隐形价值评分进行加权计算获得备选总价值；
获取广告投资总额，根据所述备选总价值和所述广告投资总额预测所述广告行为对应的投资回报率。
8.一种用于预测广告投资回报率的装置，其特征在于，包括：
获取模块，被配置为在广告行为对应的预设周期内，获取在私域流量中用户的历史行为数据；所述历史行为数据用于表征用户对商品的操作信息；
确定模块，被配置为根据所述历史行为数据确定所述广告行为对应的用户隐形价值评分；
预测模块，被配置为根据所述用户隐形价值评分预测所述广告行为对应的投资回报率。
9.一种电子设备，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1至7任一项所述的用于预测广告投资回报率的方法。
10.一种可读存储介质，存储有可执行指令，其特征在于，所述可执行指令在运行时执行如权利要求1至7任一项所述的用于预测广告投资回报率的方法。
CN202110755968.5A 2021-07-05 2021-07-05 用于预测广告投资回报率的方法、装置、电子设备及可读存储介质 Pending CN113344642A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110755968.5A CN113344642A (zh) 2021-07-05 2021-07-05 用于预测广告投资回报率的方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110755968.5A CN113344642A (zh) 2021-07-05 2021-07-05 用于预测广告投资回报率的方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN113344642A true CN113344642A (zh) 2021-09-03

Family

ID=77482491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110755968.5A Pending CN113344642A (zh) 2021-07-05 2021-07-05 用于预测广告投资回报率的方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN113344642A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581126A (zh) * 2022-02-21 2022-06-03 飞书深诺数字科技(上海)股份有限公司 一种电商广告roas异常检测方法、装置和电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222915A (zh) * 2019-12-31 2020-06-02 上海昌投网络科技有限公司 一种基于线性回归模型的公众号roi预估方法及装置
CN113065899A (zh) * 2021-04-12 2021-07-02 上海明略人工智能(集团)有限公司 用户生命周期价值计算方法、系统、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222915A (zh) * 2019-12-31 2020-06-02 上海昌投网络科技有限公司 一种基于线性回归模型的公众号roi预估方法及装置
CN113065899A (zh) * 2021-04-12 2021-07-02 上海明略人工智能(集团)有限公司 用户生命周期价值计算方法、系统、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581126A (zh) * 2022-02-21 2022-06-03 飞书深诺数字科技(上海)股份有限公司 一种电商广告roas异常检测方法、装置和电子设备
CN114581126B (zh) * 2022-02-21 2022-11-08 飞书深诺数字科技(上海)股份有限公司 一种电商广告roas异常检测方法、装置和电子设备

Similar Documents

Publication Publication Date Title
CN112035742B (zh) 用户画像生成方法、装置、设备及存储介质
US7200607B2 (en) Data analysis system for creating a comparative profile report
CN107146089B (zh) 一种刷单识别方法及装置，电子设备
CN110163705B (zh) 用于推送信息的方法和装置
EP1413967A1 (en) Sales prediction using client value represented by three index axes as criterion
CN106355442A (zh) 基于大数据驱动的在线广告精准投放方法和系统
CN111062750A (zh) 用户画像标签建模和分析方法、装置、设备及存储介质
JP2007304654A (ja) 監視システム
US20090287536A1 (en) Method for determining consumer purchase behavior
CN108921587B (zh) 一种数据处理方法、装置及服务器
CN112631889B (zh) 针对应用系统的画像方法、装置、设备及可读存储介质
CN114510735B (zh) 基于角色管理的智慧共享财务管理方法及平台
CN109191181B (zh) 一种基于神经网络和Huff模型的数字标牌广告受众人群分类方法
US7533095B2 (en) Data mining within a message handling system
JP5398361B2 (ja) データ分析システム
CN113344642A (zh) 用于预测广告投资回报率的方法、装置、电子设备及可读存储介质
JP7193514B2 (ja) 情報処理装置、情報処理方法、およびプログラム
KR102077630B1 (ko) Pos 및 영상 기반의 상권 분석 시스템 및 방법
TWI747290B (zh) 客戶分群服務客製化行銷方法及系統
CN103778551A (zh) 商品信息提示方法及装置
CN115204881A (zh) 一种数据处理方法、装置、设备及存储介质
CN112581281A (zh) 产品推荐方法及装置、存储介质及电子设备
JP6853849B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN107665451B (zh) 一种基于客户特征数据进行产品推送的方法及装置
CN113077292B (zh) 一种用户分类方法、装置、存储介质及电子设备

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