CN113506124A - 一种智慧商圈中媒体广告投放效果的评价方法 - Google Patents

一种智慧商圈中媒体广告投放效果的评价方法 Download PDF

Info

Publication number
CN113506124A
CN113506124A CN202110684278.5A CN202110684278A CN113506124A CN 113506124 A CN113506124 A CN 113506124A CN 202110684278 A CN202110684278 A CN 202110684278A CN 113506124 A CN113506124 A CN 113506124A
Authority
CN
China
Prior art keywords
advertisement
user
currently played
current
data
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.)
Granted
Application number
CN202110684278.5A
Other languages
English (en)
Other versions
CN113506124B (zh
Inventor
吴育怀
汪功林
苏娟
陈孝君
梁雨菲
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.)
Anhui Grapefruit Cool Media Information Technology Co ltd
Original Assignee
Anhui Grapefruit Cool Media Information Technology 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 Anhui Grapefruit Cool Media Information Technology Co ltd filed Critical Anhui Grapefruit Cool Media Information Technology Co ltd
Priority to CN202110684278.5A priority Critical patent/CN113506124B/zh
Publication of CN113506124A publication Critical patent/CN113506124A/zh
Application granted granted Critical
Publication of CN113506124B publication Critical patent/CN113506124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06Q30/0272—Period of advertisement exposure
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Abstract

本发明属于大数据处理领域，具体涉及一种智慧商圈中媒体广告投放效果的评价方法。一种智慧商圈中媒体广告投放效果的评价方法，该评价方法包括：步骤一：获取当前播放的广告的特征数据。步骤二：获取各个用户对广告播放的反馈数据，包括：广告播放期间由当前用户群产生的语音流数据，监控当前用户群的视频流数据，以及由当前用户群中的用户发出的要求切换当前播放的广告的指令。步骤三：对上步骤的反馈数据进行处理，根据数据处理结果计算各个用户对当前广告的认可度评价值En。步骤四：根据上步骤获取的各个用户的评价，计算各个广告的平均认可度评价结果。本发明解决了现有评价方法无法对特定场景下的用户反馈进行直接分析和处理的弊端。

Description

一种智慧商圈中媒体广告投放效果的评价方法
技术领域
本发明属于大数据处理领域，具体涉及一种智慧商圈中媒体广告投放效果的评价方法。
背景技术
广告是商业营销的手段，客户在投放广告时，通常非常关心广告的投放效果，广告投放效果最大化是广告商和客户的共同追求。线上的营销广告通常利用客户的点击率和页面停留时间等指标来评价广告的投放效果，这类指标非常直接且有效。
在线下，对于商品类的营销广告，客户的购买率就是广告效果的最佳评价指标。但是对于大部分的广告投放场景来说，用户通常不会在接受到相应的广告后边直接产生消费行为，因此这个评价方法存在严重的滞后性。同时，以商品的销售作为评价广告投放效果的指标时，由于广告商投放广告的场景非常多，范围非常广，在发生销售行为时，往往也无法明确究竟是哪一类场景下的广告投放产生了效果。因此有必要开发一种能够在特定场景下对广告投放效果进行直接评价的方法，作为对现有广告投放效果评价方法的补充。
发明内容
为了解决现有广告投放效果评价方法无法对特定场景下的用户反馈进行直接分析和处理的弊端，本发明提供了一种智慧商圈中媒体广告投放效果的评价方法。
本发明采用以下技术方案实现：
一种智慧商圈中媒体广告投放效果的评价方法，该评价方法包括：
步骤一：获取当前播放的广告的特征数据，特征数据包括：当前播放的广告的播放时长 T和该广告关联的关键词数据集；关键词数据集内的特征数据为预先设定的多个与当前播放的广告的内容相关的关键词。
步骤二：获取各个用户对广告播放的反馈数据，反馈数据具体包括：广告播放期间由当前用户群产生的语音流数据，监控当前用户群的视频流数据，以及由当前用户群中的某一个或多个用户发出的要求切换当前播放的广告的指令。
步骤三：对语音流数据和视频流数据进行数据分析，提取出语音流数据中与所述关键词数据集中的关键词匹配的关键词数量，以及表征对广告作出反馈的表情和特征动作的数量；并结合当前用户群发出的要求切换切换当前播放的广告的指令，计算各个用户对当前广告的认可度评价值En。
步骤四：获取一个更新周期内所有已播放的广告序列表中各个广告获取的所有用户对当前广告的认可度评价值En的总和，并计算平均认可度评价结果
Figure RE-GDA0003223905170000023
的值用于表征各个广告在更新周期内的用户评价。
进一步地，步骤二中，当前用户群中的某一个或多个用户发出的要求切换当前播放的广告的指令的方式包括按键输入、语音交互和手势交互。
进一步地，步骤二中还包括如下过程，判断是否接收到要求切换当前播放的广告的所述指令，是则对反映所述指令的特征量SW赋值为1，否则对SW赋值为0。
进一步地，步骤三中，各个用户对当前广告的认可度评价值En的计算方法如下：
(1)对语音流数据进行语音识别，提取出其中与当前播放的广告关联的关键词数据集内的特征数据相匹配的关键词，并统计其数量N1。
(2)对视频流数据进行视频动作识别；提取出其中表征用户对当前播放的广告进行反馈的姿态动作，并统计其数量N2。
(3)对视频流数据进行视频动作识别；提取出其中反映当前用户的眼神关注位置变化的特征动作，根据特征动作计算当前用户对当前播放的广告的关注时长tn。
(4)对视频流数据的分帧图像按照采样频率进行隔帧采样；对隔帧采样的图像进行图像识别；提取出各个用户的面部表情，并将面部表情分类为喜欢、忽视或厌恶；分别统计各个用户的三类表情分类结果的数量，并计算各个用户的三类表情分类结果的数量在该用户总体样本量中的占比。
(5)获取SW的值。
(6)通过如下的公式计算各个用户对当前广告的认可度评价值En：
Figure RE-GDA0003223905170000021
上式中，n表示当前用户的所述用户编号，En表示编号为n的用户对当前播放的广告的评价值，En≥0，且En的值越大反映用户对当前播放的多媒体的认可度越高；
Figure RE-GDA0003223905170000022
表示编号为 n的用户对当前播放的广告的注意力集中度；k1表示语音信息反馈对整体认可度评价结果的影响因子；k2表示姿态动作反馈对整体认可度评价结果的影响因子；k3表示表情反馈对整体认可度评价结果的影响因子；k4表示注意力集中度对整体认可度评价结果的影响因子；m1表示语音信息反馈中单个关键词的得分；m2表示姿态动作反馈中单个姿态动作的得分；m3表示注意力集中度的得分；a表示喜欢表情的得分，p1,n为编号为n的用户分类为喜欢的表情在隔帧采样的图像总量中的占比；b表示忽视表情的得分，p2,n为编号为n的用户分类为忽视的表情在隔帧采样的图像总量中的占比；c表示厌恶表情的得分，p3,n为编号为n的用户分类为厌恶的表情在隔帧采样的图像总量中的占比。
进一步地，表征用户对当前播放的广告进行反馈的姿态动作包括：用户在广告播放期间产生的点头、鼓掌、手部指向广告播放界面的动作，头部由非直视状态切换至直视状态的抬头或转头动作。
进一步地，反映当前用户的眼神关注位置变化的特征动作包括：用户直视广告播放界面的动作，用户闭眼的动作，用户低头的动作，用户转头的动作。
进一步地，当前播放的广告的关注时长计算时，将广告播放的总时长与用户在当前广告播放期间的闭眼时长、低头时长和转头时长的和进行作差；然后与用户的直视时长求平均数，得到用户对当前广告的关注时长。
进一步地，对隔帧采样的图片中的用户表情进行提取和分类的过程通过经过训练的神经网络识别算法完成。
进一步地，
Figure RE-GDA0003223905170000031
的计算公式如下：
Figure RE-GDA0003223905170000032
上式中，i表示广告播放序列表中的各个广告的编号。
本发明还包括一种计算机设备，该计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如前述的智慧商圈中媒体广告投放效果的评价方法的步骤。
本发明提供的技术方案，具有如下有益效果：
本发明提供的一种智慧商圈中媒体广告投放效果的评价方法，以用户在广告投放期间对播放的广告的直接反馈作为评价广告投放效果的依据。从而实现了对广告投放效果的评价，该方法解决了现有评价方法存在滞后性且不具有针对性的弊端。能够有效获取不同场景下用户对广告投放的直接态度。
本发明提供的评价方法中，以客户在广告播放期间发出的讨论广告内容的语音关键词、对广告的关注时长、发出各类型特征动作以及表情变化等作为评价结果的影响因素，并对上述不同因素产生的评价结果进行量化处理，得到最终的表征广告投放效果的评价值。在广告投放效果的评价方法中应用到了最前沿的语音识别、视频动作识别、图像识别等技术，使得的得出的评价结果更加可靠，且具有可操作性。
附图说明
图1为本发明实施例1中一种智慧商圈中的媒体广告投放效果的评价方法的流程图；
图2为本发明实施例1中各个用户对当前广告的认可度评价值的计算方法的流程图；
图3为本发明实施例2中提供的一种具备智能语音交互功能的车库巨幕MAX智能终端的模块示意图；
图4为本发明实施例2中语音识别模块的模块示意图；
图5为本发明实施例2中视频动作提取模块的模块示意图；
图6为本发明实施例2中人机交互模块采用的切换指令的类型区分图；
图7为本发明实施例2中人机交互模块的模块示意图；
图8为本发明实施例3中提供的一种广告投放设备的广告更刊方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
本实施例提供一种智慧商圈中的媒体广告投放效果的评价方法，如图1所示，该评价方法包括如下步骤：
步骤一：获取当前播放的广告的特征数据，特征数据包括：当前播放的广告的播放时长 T和该广告关联的关键词数据集；关键词数据集内的特征数据为预先设定的多个与当前播放的广告的内容相关的关键词。
其中，每个广告关联的所述关键词数据集内的特征数据至少包括：
(1)反映广告的宣传产品的关键词。
(2)反映广告针对的目标客户群体的关键词。
(3)反映广告的代言人或广告的人物形象的关键词。
(4)广告词中的高频或特殊关键词。
(5)广告的时长分类：极短、短、中等、长、超长。
(6)广告的风格分类。
步骤二：获取各个用户对广告播放的反馈数据，反馈数据具体包括：广告播放期间由当前用户群产生的语音流数据，监控当前用户群的视频流数据，以及由当前用户群中的某一个或多个用户发出的要求切换当前播放的广告的指令。
判断是否接收到要求切换当前播放的广告的所述指令，是则对反映所述指令的特征量 SW赋值为1，否则对SW赋值为0。
当前用户群中的某一个或多个用户发出的要求切换当前播放的广告的指令的方式包括按键输入、语音交互和手势交互。
步骤三：对语音流数据和视频流数据进行数据分析，提取出语音流数据中与所述关键词数据集中的关键词匹配的关键词数量，以及表征对广告作出反馈的表情和特征动作的数量；并结合当前用户群发出的要求切换切换当前播放的广告的指令，计算各个用户对当前广告的认可度评价值En。
如图2所示，各个用户对当前广告的认可度评价值En的计算方法具体如下：
(1)对语音流数据进行语音识别，提取出其中与当前播放的广告关联的关键词数据集内的特征数据相匹配的关键词，并统计其数量N1。
(2)对视频流数据进行视频动作识别；提取出其中表征用户对当前播放的广告进行反馈的姿态动作，并统计其数量N2。表征用户对当前播放的广告进行反馈的姿态动作包括：用户在广告播放期间产生的点头、鼓掌、手部指向广告播放界面的动作，头部由非直视状态切换至直视状态的抬头或转头动作。
(3)对视频流数据进行视频动作识别；提取出其中反映当前用户的眼神关注位置变化的特征动作，根据特征动作计算当前用户对当前播放的广告的关注时长tn。反映当前用户的眼神关注位置变化的特征动作包括：用户直视广告播放界面的动作，用户闭眼的动作，用户低头的动作，用户转头的动作。
其中，编号为n的用户对当前播放的广告的关注时长tn的计算方法如下：
Figure RE-GDA0003223905170000051
上式中，t1n表示编号为n的用户在当前广告播放期间的直视时长；t2n表示编号为n的用户在当前广告播放期间的闭眼时长；t3n表示编号为n的用户在当前广告播放期间的低头时长；t4n表示编号为n的用户在当前广告播放期间的转头时长。
本实施例中，在统计用户对广告的关注时长时，既考虑到了用户直视广告播放界面的时长，也考虑到用户非直视状态下的时长。本实施例主要通过将确定属于非关注状态下的时长剔除，然后与确定属于关注状态的时长进行求平均值，得到相对准确的关注时长。
(4)对视频流数据的分帧图像按照采样频率进行隔帧采样；对隔帧采样的图像进行图像识别；提取出各个用户的面部表情，并将面部表情分类为喜欢、忽视或厌恶；分别统计各个用户的三类表情分类结果的数量，并计算各个用户的三类表情分类结果的数量在该用户总体样本量中的占比。对隔帧采样的图片中的用户表情进行提取和分类的过程通过经过训练的神经网络识别算法完成。
(5)获取SW的值。
(6)通过如下的公式计算各个用户对当前广告的认可度评价值En：
Figure RE-GDA0003223905170000061
上式中，n表示当前用户的所述用户编号，En表示编号为n的用户对当前播放的广告的评价值，En≥0，且En的值越大反映用户对当前播放的多媒体的认可度越高；
Figure RE-GDA0003223905170000062
表示编号为 n的用户对当前播放的广告的注意力集中度；k1表示语音信息反馈对整体认可度评价结果的影响因子；k2表示姿态动作反馈对整体认可度评价结果的影响因子；k3表示表情反馈对整体认可度评价结果的影响因子；k4表示注意力集中度对整体认可度评价结果的影响因子；m1表示语音信息反馈中单个关键词的得分；m2表示姿态动作反馈中单个姿态动作的得分；m3表示注意力集中度的得分；a表示喜欢表情的得分，p1,n为编号为n的用户分类为喜欢的表情在隔帧采样的图像总量中的占比；b表示忽视表情的得分，p2,n为编号为n的用户分类为忽视的表情在隔帧采样的图像总量中的占比；c表示厌恶表情的得分，p3,n为编号为n的用户分类为厌恶的表情在隔帧采样的图像总量中的占比。
步骤四：获取一个更新周期内所有已播放的广告序列表中各个广告获取的所有用户对当前广告的认可度评价值En的总和，并计算平均认可度评价结果
Figure RE-GDA0003223905170000063
Figure RE-GDA0003223905170000064
的值用于表征各个广告在更新周期内的用户评价。
Figure RE-GDA0003223905170000065
的计算公式如下：
Figure RE-GDA0003223905170000066
上式中，i表示广告播放序列表中的各个广告的编号。
本实施例提供的方法可以通过用户对投放的各个广告的反馈，得到各个广告的平均认可度评价结果，这个结果就是商圈中媒体广告投放效果的评价指标。当某个广告的平均认可度评价结果的值越高，就说明在这个商圈场景下经常出现的消费者群体对这个广告的关注度较高，也就说明这个广告的投放效果较高。这个数据可以作为广告主与广告发行方持续开展业务合作或延长广告投放期限的依据。
本实施例还包括一种计算机设备，该计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如前述的智慧商圈中媒体广告投放效果的评价方法的步骤。
该计算机设备可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于：可通过系统总线相互通信连接的存储器、处理器。
本实施例中，存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如， SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD) 卡，闪存卡(Flash Card)等。当然，存储器还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，存储器通常用于存储安装于计算机设备的操作系统和各类应用软件等。此外，存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制计算机设备的总体操作。本实施例中，处理器用于运行存储器中存储的程序代码或者处理数据，以实现前述智慧商圈中媒体广告投放效果的评价方法的步骤；得到当前商圈环境下投放的各个广告的投放效果的评价值。
实施例2
在实施例1的方法基础上，本实施例提供一种具备智能语音交互功能的车库巨幕MAX 智能终端，该车库巨幕MAX智能终端用于根据用户在播放广告时与自身交互的过程，实现对广告播放序列表中待投放广告的更新。本实施例的具备智能语音交互功能的车库巨幕MAX智能终端采用前述实施例中的部分处理方法和设备模块。
具体地，如图3所示，本实施例提供的车库巨幕MAX智能终端包括：广告播放模块、语音采集模块、视频监控模块、广告特征数据提取模块、用户反馈数据提取模块、图像识别模块、语音识别模块、视频动作识别模块、人机交互模块、认可度评价值计算模块以及广告播放序列更新模块。
其中，广告播放模块用于根据广告播放序列表依次播放各个待投放的广告，并在接收到一个由人机交互模块发出的切换指令后对正在播放的广告进行切换。其中，广告播放模块为车库巨幕MAX显示屏。
语音采集模块用于在广告播放模块播放每个广告时，采集广告播放模块周围由观看广告的用户群产生的语音信息。语音采集模块为安装在车库巨幕MAX显示屏周围的多个拾音器；拾音器分布于面向车库巨幕MAX显示屏显示面的一侧。
视频监控模块用于在广告播放模块播放每个广告时，对广告播放模块周围观看广告的用户群进行多角度监控。视频监控模块的取景范围是面向车库巨幕MAX显示屏显示面的一侧，视频监控模块包括多个监控摄像头，各个监控摄像头从不同角度对取景范围进行摄像。
广告特征数据提取模块用于提取所述广告播放模块播放的每一个广告的播放时长T，以及该广告关联的一个关键词数据集。
用户反馈数据提取模块用于：(1)接收语音采集模块采集的语音信息，得到与各个广告相关的语音流数据。(2)接收视频监控模块采集的多角度监控视频，得到与各个广告相关的视频流数据。(3)获取由一个人机交互模块发出的要求切换当前播放的广告的所述切换指令，并在接收到切换指令时，将表征切换指令的特征量SW赋值为1，否则对SW赋值为0。
图像识别模块用于对视频流数据经分帧处理得到的图像数据集进行图像识别，进而提取所有用户在广告播放期间的表情，并将表情分类为喜欢、忽视或厌恶中的其中一种。图像识别模块包括表情识别单元，表情识别单元采用经过大量训练集训练的神经网络识别算法完成对图像中用户的表情的分类过程。
语音识别模块用于对语音流数据进行语音识别，进而：(1)获取广告播放期间由用户发出的表征要求切换当前播放的广告的语音交互指令。(2)提取语音流数据中的所有词语，从中找出与关键词数据集中的特征数据相匹配的关键词。
其中，如图4所示，语音识别模块包括语音交互指令提取单元和关键词提取单元，语音交互指令提取单元将提取到的语音交互指令发送到人机交互模块中的语音交互单元中；关键词提取单元将提取到的与关键词数据集中的特征数据相匹配的关键词发送到认可度评价值计算模块。
视频动作识别模块用于对视频流数据进行视频动作识别，进而：(1)提取出视频流数据中由某个用户发出的表征要求切换当前播放的广告的手势交互指令。(2)提取出视频流数据中由某个用户发出的表征对当前播放的广告作出反馈的姿态动作；(3)提取出反映某个用户在当前广告播放过程中眼神关注位置变化的特征动作。
其中，如图5所示，视频动作提取模块包括手势交互指令提取单元、姿态动作反馈提取单元，眼神特征动作提取单元；手势交互指令提取单元将提取到的手势交互指令发送到人机交互模块中的手势交互单元中；姿态动作反馈提取单元和眼神特征动作提取单元将提取到的特征数据发送到认可度评价值计算模块。
人机交互模块用于获取由用户发出的要求切换当前播放的广告的指令，并发出一个切换指令；其中，如图6所示，用户发出要求切换当前播放的广告的方式包括按键输入、语音交互和手势交互。其中，人机交互模块中包括实体的按键模组，按键模组用于接收由用户直接发出的要求切换当前播放的广告的按键输入指令；如图7所示，人机交互模块还包括语音交互单元和手势交互单元；语音交互单元用于获取由用户发出的要求切换当前播放的广告的语音交互指令，语音交互指令由语音识别模块根据实时的语音流数据进行语音识别得到；手势交互单元用于获取由用户发出的要求切换当前播放的广告的手势交互指令，手势交互指令由视频动作识别模块根据实时的视频流数据进行视频动作识别得到。
认可度评价值计算模块用于：(1)获取由语音识别模块识别的与关键词数据集中的特征数据相匹配的关键词，并统计其数量N1。(2)获取由视频动作识别模块识别的表征用户对当前播放的广告作出反馈的姿态动作，并统计其数量N2。(3)获取由视频动作识别模块识别的反映某个用户在当前广告播放过程中眼神关注位置变化的特征动作，根据特征动作计算当前用户对当前播放的广告的关注时长tn；关注时长tn的计算公式如下：
Figure RE-GDA0003223905170000091
上式中，t1n表示编号为n的用户在当前广告播放期间的直视时长；t2n表示编号为n的用户在当前广告播放期间的闭眼时长；t3n表示编号为n的用户在当前广告播放期间的低头时长；t4n表示编号为n的用户在当前广告播放期间的转头时长。(4)获取由图像识别模块识别的各个用户的三类表情分类结果的数量，并计算各个用户的三类表情分类结果的数量在总体样本量中的占比。(5)获取SW的值。(6)通过如下的公式计算各个用户对当前广告的认可度评价值En：
Figure RE-GDA0003223905170000092
上式中，n表示当前用户的所述用户编号，En表示编号为n的用户对当前播放的广告的评价值，En≥0，且En的值越大反映用户对当前播放的多媒体的认可度越高；
Figure RE-GDA0003223905170000093
表示编号为 n的用户对当前播放的广告的注意力集中度；k1表示语音信息反馈对整体认可度评价结果的影响因子；k2表示姿态动作反馈对整体认可度评价结果的影响因子；k3表示表情反馈对整体认可度评价结果的影响因子；k4表示注意力集中度对整体认可度评价结果的影响因子；m1表示语音信息反馈中单个关键词的得分；m2表示姿态动作反馈中单个姿态动作的得分；m3表示注意力集中度的得分；a表示喜欢表情的得分，p1,n为编号为n的用户分类为喜欢的表情在隔帧采样的图像总量中的占比；b表示忽视表情的得分，p2,n为编号为n的用户分类为忽视的表情在隔帧采样的图像总量中的占比；c表示厌恶表情的得分，p3,n为编号为n的用户分类为厌恶的表情在隔帧采样的图像总量中的占比。
广告播放序列更新模块用于：(1)获取一个更新周期内所有已播放的广告序列表中各个广告的平均认可度评价结果
Figure RE-GDA0003223905170000101
Figure RE-GDA0003223905170000102
的计算公式如下：
Figure RE-GDA0003223905170000103
上式中，i表示广告播放序列表中的各个广告的编号。(2)根据各个广告的
Figure RE-GDA0003223905170000104
值从大到小的顺序，对更新周期内所有的已播放广告进行排序，得到已播放广告的评分排名表。(3) 获取需要增加投放的广告及其数量，将评分排名表中排名靠后的相应数量的已播放广告从广告播放序列表中删除，并将需要增加投放的广告添加到广告播放序列表中，完成广告播放序列表的更新过程。
实施例3
本实施例提供一种广告投放设备的广告更刊方法，该广告更刊方法应用于实施例2中的具备智能语音交互功能的车库巨幕MAX智能终端中；如图8所示，该广告更刊方法包括如下步骤：
步骤一、获取当前播放的广告的特征数据
1、获取当前播放的广告的播放时长T，以及该广告关联的关键词数据集。
其中，关键词数据集内的特征数据为预先设定的多个与当前播放的广告的内容相关的关键词。每个广告关联的所述关键词数据集内的特征数据至少包括：
(1)反映广告的宣传产品的关键词。
(2)反映广告针对的目标客户群体的关键词。
(3)反映广告的代言人或广告的人物形象的关键词。
(4)广告词中的高频或特殊关键词。
(5)广告的时长分类：极短、短、中等、长、超长。
(6)广告的风格分类。
步骤二、获取各个用户对广告播放的反馈数据
1、获取广告播放期间由当前用户群产生的语音流数据，监控当前用户群的视频流数据，以及由当前用户群中的某一个或多个用户发出的要求切换当前播放的广告的指令。
2、判断是否接收到要求切换当前播放的广告的指令，是则对反映该指令的特征量SW 赋值为1，否则对SW赋值为0。
步骤三、计算各个用户对当前广告的认可度评价值
1、对语音流数据进行语音识别，提取出其中与当前播放的广告关联的关键词数据集内的特征数据相匹配的关键词，并统计其数量N1。
2、对视频流数据进行视频动作识别；提取出其中表征用户对当前播放的广告进行反馈的姿态动作，并统计其数量N2。
3、对视频流数据进行视频动作识别；提取出其中反映当前用户的眼神关注位置变化的特征动作，根据特征动作计算当前用户对当前播放的广告的关注时长tn；其中，n表示当前用户的用户编号。
4、对视频流数据的分帧图像按照采样频率进行隔帧采样；对隔帧采样的图像进行图像识别；提取出各个用户的面部表情，并将面部表情分类为喜欢、忽视或厌恶；分别统计各个用户的三类表情分类结果的数量，并计算各个用户的三类表情分类结果的数量在该用户总体样本量中的占比。
5、获取所述SW的值。
6、通过如下的公式计算各个用户对当前广告的认可度评价值En：
Figure RE-GDA0003223905170000111
上式中，n表示当前用户的所述用户编号，En表示编号为n的用户对当前播放的广告的评价值，En≥0，且En的值越大反映用户对当前播放的多媒体的认可度越高；
Figure RE-GDA0003223905170000112
表示编号为 n的用户对当前播放的广告的注意力集中度；k1表示语音信息反馈对整体认可度评价结果的影响因子；k2表示姿态动作反馈对整体认可度评价结果的影响因子；k3表示表情反馈对整体认可度评价结果的影响因子；k4表示注意力集中度对整体认可度评价结果的影响因子；m1表示语音信息反馈中单个关键词的得分；m2表示姿态动作反馈中单个姿态动作的得分；m3表示注意力集中度的得分；a表示喜欢表情的得分，p1,n为编号为n的用户分类为喜欢的表情在隔帧采样的图像总量中的占比；b表示忽视表情的得分，p2,n为编号为n的用户分类为忽视的表情在隔帧采样的图像总量中的占比；c表示厌恶表情的得分，p3,n为编号为n的用户分类为厌恶的表情在隔帧采样的图像总量中的占比。
步骤四、更新广告播放序列表
1、获取一个更新周期内所有已播放的广告序列表中各个广告的平均认可度评价结果
Figure RE-GDA0003223905170000121
Figure RE-GDA0003223905170000122
的计算公式如下：
Figure RE-GDA0003223905170000123
上式中，i表示广告播放序列表中的各个广告的编号。
2、根据各个广告的
Figure RE-GDA0003223905170000124
值从大到小的顺序，对更新周期内所有的已播放广告进行排序，得到已播放广告的评分排名表。
3、获取需要增加投放的广告及其数量，将评分排名表中排名靠后的相应数量的已播放广告从广告播放序列表中删除，并将需要增加投放的广告添加到广告播放序列表中，完成广告序列表的更新过程。
分析本实施例中的技术方案可以发现，本实施例是在实施例1中分析出各个用户对每个播放的广告的认可度评价的基础上，对广告设备中的广告播放序列表进行更新。该方法的逻辑是：当一个广告更新周期到来时，系统会对该周期内每个广告播放时收到的所有用户的反馈进行评分累计，计算各个广告在用户眼里的认可度评价的平均值。该平均值越大，则说明该广告对目标客户的覆盖面也越大，也就是说当前广告投放区域内经常出现的用户属于该广告的目标投放群体，因此应该加大该广告的投放频率。反之要减少该广告的投放频率，基于这种结论，本实施例的方法就很好的实现了该效果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智慧商圈中媒体广告投放效果的评价方法，其特征在于：所述评价方法包括：
步骤一：获取当前播放的广告的特征数据，所述特征数据包括：当前播放的广告的播放时长T和该广告关联的关键词数据集；所述关键词数据集内的特征数据为预先设定的多个与当前播放的广告的内容相关的关键词；
步骤二：获取各个用户对广告播放的反馈数据，所述反馈数据具体包括：广告播放期间由当前用户群产生的语音流数据，监控当前用户群的视频流数据，以及由当前用户群中的某一个或多个用户发出的要求切换当前播放的广告的指令；
步骤三：对语音流数据和视频流数据进行数据分析，提取出语音流数据中与所述关键词数据集中的关键词匹配的关键词数量，以及表征对广告作出反馈的表情和特征动作的数量；并结合当前用户群发出的要求切换切换当前播放的广告的指令，计算各个用户对当前广告的认可度评价值En；
步骤四：获取一个更新周期内所有已播放的广告序列表中各个广告获取的所有用户对当前广告的认可度评价值En的总和，并计算平均认可度评价结果
Figure FDA0003123820310000011
的值用于表征各个广告在更新周期内的用户评价。
2.如权利要求1所述的智慧商圈中媒体广告投放效果的评价方法，其特征在于：步骤二中，当前用户群中的某一个或多个用户发出的要求切换当前播放的广告的指令的方式包括按键输入、语音交互和手势交互。
3.如权利要求2所述的智慧商圈中媒体广告投放效果的评价方法，其特征在于：步骤二中还包括如下过程，判断是否接收到要求切换当前播放的广告的所述指令，是则对反映所述指令的特征量SW赋值为1，否则对SW赋值为0。
4.如权利要求3所述的智慧商圈中媒体广告投放效果的评价方法，其特征在于：步骤三中，各个用户对当前广告的认可度评价值En的计算方法如下：
(1)对语音流数据进行语音识别，提取出其中与当前播放的广告关联的关键词数据集内的特征数据相匹配的关键词，并统计其数量N1；
(2)对视频流数据进行视频动作识别；提取出其中表征用户对当前播放的广告进行反馈的姿态动作，并统计其数量N2；
(3)对视频流数据进行视频动作识别；提取出其中反映当前用户的眼神关注位置变化的特征动作，根据特征动作计算当前用户对当前播放的广告的关注时长tn；
(4)对视频流数据的分帧图像按照采样频率进行隔帧采样；对隔帧采样的图像进行图像识别；提取出各个用户的面部表情，并将面部表情分类为喜欢、忽视或厌恶；分别统计各个用户的三类表情分类结果的数量，并计算各个用户的三类表情分类结果的数量在该用户总体样本量中的占比；
(5)获取所述SW的值；
(6)通过如下的公式计算各个用户对当前广告的认可度评价值En：
Figure FDA0003123820310000021
上式中，n表示当前用户的所述用户编号，En表示编号为n的用户对当前播放的广告的评价值，En≥0，且En的值越大反映用户对当前播放的多媒体的认可度越高；
Figure FDA0003123820310000022
表示编号为n的用户对当前播放的广告的注意力集中度；k1表示语音信息反馈对整体认可度评价结果的影响因子；k2表示姿态动作反馈对整体认可度评价结果的影响因子；k3表示表情反馈对整体认可度评价结果的影响因子；k4表示注意力集中度对整体认可度评价结果的影响因子；m1表示语音信息反馈中单个关键词的得分；m2表示姿态动作反馈中单个姿态动作的得分；m3表示注意力集中度的得分；a表示喜欢表情的得分，p1,n为编号为n的用户分类为喜欢的表情在隔帧采样的图像总量中的占比；b表示忽视表情的得分，p2,n为编号为n的用户分类为忽视的表情在隔帧采样的图像总量中的占比；c表示厌恶表情的得分，p3,n为编号为n的用户分类为厌恶的表情在隔帧采样的图像总量中的占比。
5.如权利要求4所述的智慧商圈中媒体广告投放效果的评价方法，其特征在于：表征用户对当前播放的广告进行反馈的姿态动作包括：用户在广告播放期间产生的点头、鼓掌、手部指向广告播放界面的动作，头部由非直视状态切换至直视状态的抬头或转头动作。
6.如权利要求4所述的智慧商圈中媒体广告投放效果的评价方法，其特征在于：反映当前用户的眼神关注位置变化的特征动作包括：用户直视广告播放界面的动作，用户闭眼的动作，用户低头的动作，用户转头的动作。
7.如权利要求4所述的智慧商圈中媒体广告投放效果的评价方法，其特征在于：当前播放的广告的关注时长计算时，将广告播放的总时长与用户在当前广告播放期间的闭眼时长、低头时长和转头时长的和进行作差；然后与用户的直视时长求平均数，得到用户对当前广告的关注时长。
8.如权利要求4所述的智慧商圈中媒体广告投放效果的评价方法，其特征在于：对隔帧采样的图片中的用户表情进行提取和分类的过程通过经过训练的神经网络识别算法完成。
9.如权利要求1所述的智慧商圈中媒体广告投放效果的评价方法，其特征在于：所述
Figure FDA0003123820310000032
的计算公式如下：
Figure FDA0003123820310000031
上式中，i表示广告播放序列表中的各个广告的编号。
10.一种计算机设备，其特征在于：所述计算机机设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至9中任意一项所述的智慧商圈中媒体广告投放效果的评价方法的步骤。
CN202110684278.5A 2021-06-21 2021-06-21 一种智慧商圈中媒体广告投放效果的评价方法 Active CN113506124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110684278.5A CN113506124B (zh) 2021-06-21 2021-06-21 一种智慧商圈中媒体广告投放效果的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110684278.5A CN113506124B (zh) 2021-06-21 2021-06-21 一种智慧商圈中媒体广告投放效果的评价方法

Publications (2)

Publication Number Publication Date
CN113506124A true CN113506124A (zh) 2021-10-15
CN113506124B CN113506124B (zh) 2022-03-25

Family

ID=78010408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110684278.5A Active CN113506124B (zh) 2021-06-21 2021-06-21 一种智慧商圈中媒体广告投放效果的评价方法

Country Status (1)

Country Link
CN (1) CN113506124B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114639051A (zh) * 2022-03-22 2022-06-17 武汉元淳传媒有限公司 一种基于大数据分析的广告短视频质量评价方法、系统及存储介质
CN116228320A (zh) * 2023-03-01 2023-06-06 深圳市快美妆科技有限公司 一种直播广告投放效果分析系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101874255A (zh) * 2005-05-27 2010-10-27 佩斯微技术有限公司 一种估计一个用户组对一个内容的总体兴趣度的方法和设备
CN106971317A (zh) * 2017-03-09 2017-07-21 杨伊迪 基于人脸识别与大数据分析的广告投放效果评价与智能推送决策方法
CN206378900U (zh) * 2016-10-24 2017-08-04 西安文理学院 一种基于移动终端的广告投放效果评价系统
CN108269133A (zh) * 2018-03-23 2018-07-10 深圳悠易阅科技有限公司 一种结合人体识别和语音识别的智能广告推送方法及终端
CN109523290A (zh) * 2018-09-14 2019-03-26 平安科技（深圳）有限公司 基于听众微表情的听讲评价方法、装置、设备及介质
US20190385193A1 (en) * 2018-06-18 2019-12-19 Digicity Technologies Bilisim Medya Teknoloji Danismanlik Ltd. Sti. Real time advertisement system
CN110827074A (zh) * 2019-10-31 2020-02-21 夏振宇 采用视频语音分析进行广告投放评估的方法
CN111062735A (zh) * 2018-10-16 2020-04-24 百度在线网络技术（北京）有限公司 广告投放方法、装置、系统、终端和计算机可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101874255A (zh) * 2005-05-27 2010-10-27 佩斯微技术有限公司 一种估计一个用户组对一个内容的总体兴趣度的方法和设备
CN206378900U (zh) * 2016-10-24 2017-08-04 西安文理学院 一种基于移动终端的广告投放效果评价系统
CN106971317A (zh) * 2017-03-09 2017-07-21 杨伊迪 基于人脸识别与大数据分析的广告投放效果评价与智能推送决策方法
CN108269133A (zh) * 2018-03-23 2018-07-10 深圳悠易阅科技有限公司 一种结合人体识别和语音识别的智能广告推送方法及终端
US20190385193A1 (en) * 2018-06-18 2019-12-19 Digicity Technologies Bilisim Medya Teknoloji Danismanlik Ltd. Sti. Real time advertisement system
CN109523290A (zh) * 2018-09-14 2019-03-26 平安科技（深圳）有限公司 基于听众微表情的听讲评价方法、装置、设备及介质
CN111062735A (zh) * 2018-10-16 2020-04-24 百度在线网络技术（北京）有限公司 广告投放方法、装置、系统、终端和计算机可读存储介质
CN110827074A (zh) * 2019-10-31 2020-02-21 夏振宇 采用视频语音分析进行广告投放评估的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
R. VATANPARAST: "Factors Affecting Use of Mobile Advertising: A Quantitative Study", 《2009 42ND HAWAII INTERNATIONAL CONFERENCE ON SYSTEM SCIENCES》 *
王浛: "微信信息流广告效果评价创新方法探析", 《传媒》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114639051A (zh) * 2022-03-22 2022-06-17 武汉元淳传媒有限公司 一种基于大数据分析的广告短视频质量评价方法、系统及存储介质
CN114639051B (zh) * 2022-03-22 2023-07-21 上海阜能信息科技有限公司 一种基于大数据分析的广告短视频质量评价方法、系统及存储介质
CN116228320A (zh) * 2023-03-01 2023-06-06 深圳市快美妆科技有限公司 一种直播广告投放效果分析系统及方法
CN116228320B (zh) * 2023-03-01 2024-02-06 广州网优优数据技术股份有限公司 一种直播广告投放效果分析系统及方法

Also Published As

Publication number Publication date
CN113506124B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN109543111B (zh) 推荐信息筛选方法、装置、存储介质及服务器
Li et al. Click-through prediction for advertising in twitter timeline
CN106547908B (zh) 一种信息推送方法和系统
JP6821149B2 (ja) 広告配信のための動画使用情報処理
KR101324909B1 (ko) 터치포인트 커스터마이제이션 시스템
US9098807B1 (en) Video content claiming classifier
CN113506124B (zh) 一种智慧商圈中媒体广告投放效果的评价方法
JP6807389B2 (ja) メディアコンテンツのパフォーマンスの即時予測のための方法及び装置
JP6661036B2 (ja) 閲覧者行動に基づいてメディアコンテンツをベンチマークする方法
CN106202393B (zh) 媒体信息推送方法及装置
CN108959323B (zh) 视频分类方法和装置
US20130166372A1 (en) Utilizing real-time metrics to normalize an advertisement based on consumer reaction
US20180025364A1 (en) Information processing apparatus, information processing method, and program
US20150142584A1 (en) Ranking content based on member propensities
CN111597446B (zh) 基于人工智能的内容推送方法、装置、服务器和存储介质
CN114943549A (zh) 一种广告投放方法及装置
CN115392944A (zh) 一种推广内容的处理方法、装置、计算机设备和存储介质
US11308135B2 (en) Data prioritization through relationship analysis mapping
CN114501105B (zh) 视频内容的生成方法、装置、设备及存储介质
CN116402565B (zh) 一种基于大数据分析的商品推荐方法及系统
CN112650884B (zh) 基于深度学习的视频推送方法
TWI818213B (zh) 商品推薦系統與方法及電腦可讀媒介
US20240119468A1 (en) Scoring and recommending a media file
TWM649741U (zh) 相似網紅匹配推薦系統
Yang et al. Analyzing user behavior in online advertising with facial expressions

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