CN114331561B - 一种智能广告信息投放匹配系统及方法 - Google Patents

Abstract

本发明公开了一种智能广告信息投放匹配系统及方法，涉及广告投放技术领域，包括行为分析模块、投放决策模块、广告投放模块和投放反馈模块；行为分析模块用于根据用户的产品行为数据对用户的产品标签和广告标签进行分析；投放决策模块用于将接收到的产品信息、产品标签和广告标签作为输入数据代入广告投放展示模型中，输出对应的标准投放参数；广告投放模块用于根据标准投放参数进行广告投放，使得广告投放更加精准，提高用户的观看感受和广告转化率；当用户激活同一公司其他产品时，通过投放决策模块直接调用该产品的广告投放展示模型，实现不同产品复用用户广告投放展示模型投放广告，简单实用，有效节省成本，提高广告投放效率。

Description

一种智能广告信息投放匹配系统及方法

技术领域

本发明涉及广告投放技术领域，具体是一种智能广告信息投放匹配系统及方法。

背景技术

广告是为了某种特定的需要，通过一定形式的媒体，公开而广泛地向公众传递信息的宣传手段；随着网络科技的日益发展，人们对信息的获取意愿日益增强，但现有市场上的广告投放系统无法根据用户的个人的爱好以及观看广告的类型进行针对性的推送，从而使得用户需要花时间去搜索广告，没有提高用户的观看感受，因此不利于推广。

另外用户登录app进行操作时，并没有考虑到用户在app内各功能点的使用情况而实时调整app内各广告的展示形式，容易出现用户因为关闭广告而影响工作心情和效率的情况，即使是用户感兴趣的广告，也无法达到预期的广告投放效果，还会让用户产生反感情绪，对广告的推广产生反作用，为了解决上述技术问题，我们提出一种智能广告信息投放匹配系统及方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种智能广告信息投放匹配系统及方法。

为实现上述目的，根据本发明的第一方面的实施例提出一种智能广告信息投放匹配系统，包括应用激活模块、数据中心模块、投放决策模块、广告投放模块和投放反馈模块；

所述应用激活模块用于用户激活app并输入个人信息进行注册登录；所述数据中心模块收到用户回传的个人信息和产品信息，并通过信息交互渠道获取用户的产品行为数据，并将产品行为数据发送至行为分析模块；

所述行为分析模块用于接收用户的产品行为数据并根据用户的产品行为数据对用户的产品标签和广告标签进行分析，同时将产品标签和广告标签发送至投放决策模块；所述投放决策模块用于根据产品信息、产品标签和广告标签生成投放事件参数，包括：

获取投放事件历史数据作为参数训练集；建立误差逆向传播神经网络模型，所述误差逆向传播神经网络模型至少包括一层隐含层；

将参数训练集按照设定比例划分为训练集、测试集和校验集，并对误差逆向传播神经网络进行训练、测试和校验，将完成训练的误差逆向传播神经网络标记为广告投放展示模型；

将接收到的产品信息、产品标签和广告标签作为输入数据代入广告投放展示模型中，输出对应的投放事件参数并标记为标准投放参数；

所述广告投放模块用于根据标准投放参数实时调整产品内各广告的内容、展示次数、广告类型以及广告展示形式；所述投放反馈模块与广告投放模块相连接，用于根据投放广告的反馈结果进行整合生成用户的产品行为数据，并反馈至行为分析模块。

进一步地，其中个人信息包括用户姓名、身份证号以及手机号码；所述产品信息包括产品名称和产品所属公司；其中产品行为数据包括产品的打开次数及对应的使用时长、用户在产品内各功能区的使用次数及对应的使用时长、用户在产品内的广告观看次数、观看时长、广告点击次数、广告转化率以及对应的广告展示信息；其中广告转化率为广告点击次数与广告投放总次数之比；其中广告展示信息包括广告类型、广告展示形式和广告展示渠道，所述广告展示形式包括开屏广告、信息流广告和详情页广告；所述广告展示渠道为产品内的各功能区。

进一步地，其中产品标签包括产品日均打开次数和日均使用时长，所述广告标签包括广告类型偏好、广告展示形式偏好和广告展示渠道偏好。

进一步地，所述广告类型偏好的具体分析过程如下：

获取用户的产品行为数据，按照广告类型统计同一广告类型的观看次数为类型观看频次P1，统计同一广告类型的点击次数为类型点击频次PL1；将对应的观看时长累加形成类型观看总时长PT1；

统计对应广告类型的广告转化率为PZ1，利用公式PQ1=(P1×a1+PL1×a2+PT1×a3)×PZ1计算得到用户的类型吸引值PQ1，其中a1、a2、a3均为系数因子；将类型吸引值PQ1与类型阈值相比较，若PQ1大于类型阈值，则判定该广告类型为用户的偏好广告类型。

进一步地，其中广告展示形式偏好、广告展示渠道偏好的具体分析过程与广告类型偏好的具体分析过程相一致。

进一步地，所述投放决策模块还用于将建立的广告投放展示模型打上时间戳并存储至云平台；当用户激活同一公司其他产品时，投放决策模块用于直接调用该广告投放展示模型，智能投放产品内的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道。

进一步地，所述投放事件历史数据包括投放事件历史参数及对应的产品信息、产品标签和广告标签；所述投放事件历史参数包括投放的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道。

进一步地，一种智能广告信息投放匹配方法，应用于上述一种智能广告信息投放匹配系统，包括如下步骤：

用户通过应用激活模块激活app并输入个人信息进行注册登录；数据中心模块根据用户回传的个人信息和产品信息，获取并发送用户的产品行为数据至行为分析模块；

行为分析模块根据用户的产品行为数据对用户的产品标签和广告标签进行分析，同时将产品标签和广告标签发送至投放决策模块；

投放决策模块用于将接收到的产品信息、产品标签和广告标签作为输入数据代入广告投放展示模型中，输出对应的标准投放参数；

广告投放模块用于根据标准投放参数实时调整产品内各广告的内容、展示次数、广告类型以及广告展示形式，并将投放广告的反馈结果整合成用户的产品行为数据反馈至行为分析模块；

当用户激活同一公司其他产品时，通过投放决策模块直接调用该产品的广告投放展示模型，智能投放产品内的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道。

与现有技术相比，本发明的有益效果是：

1、本发明中行为分析模块用于接收用户的产品行为数据并根据用户的产品行为数据对用户的产品标签和广告标签进行分析；投放决策模块用于将接收到的产品信息、产品标签和广告标签作为输入数据代入广告投放展示模型中，输出对应的标准投放参数，广告投放模块用于根据标准投放参数实时调整产品内各广告的内容、展示次数、广告类型以及广告展示形式，提高用户的观看感受和广告转化率；

2、本发明中投放反馈模块用于根据广告投放的反馈结果进行整合生成用户的产品行为数据，不断迭代优化用户的产品标签和广告标签，使得广告投放更加精准；当用户激活同一公司其他产品时，通过投放决策模块直接调用该产品的广告投放展示模型，智能投放高质量高转化率的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道，实现不同产品复用用户广告投放展示模型投放广告，简单实用，有效节省成本，提高广告投放效率。

附图说明

为了更清楚地说明本发明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为本发明一种智能广告信息投放匹配系统的系统框图。

图2为本发明一种智能广告信息投放匹配方法的流程示意图。

具体实施方式

下面将结合实施例对本发明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做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至图2所示，一种智能广告信息投放匹配系统，包括应用激活模块、数据中心模块、行为分析模块、投放决策模块、广告投放模块、投放反馈模块以及云平台；

应用激活模块用于用户激活app并输入个人信息进行注册登录；

数据中心模块收到用户回传的个人信息和产品信息，并通过信息交互渠道获取用户的产品行为数据，并将产品行为数据发送至行为分析模块；其中个人信息包括用户姓名、身份证号以及手机号码；产品信息包括产品名称和产品所属公司；

行为分析模块用于接收用户的产品行为数据并根据用户的产品行为数据对用户的产品标签和广告标签进行分析，同时将产品标签和广告标签发送至投放决策模块；其中产品行为数据包括产品的打开次数及对应的使用时长、用户在产品内各功能区的使用次数及对应的使用时长、用户在产品内的广告观看次数、观看时长、广告点击次数、广告转化率以及对应的广告展示信息；其中广告转化率为广告点击次数与广告投放总次数之比；其中广告展示信息包括广告类型、广告展示形式和广告展示渠道，广告展示形式包括开屏广告、信息流广告、详情页广告，广告展示渠道为产品内的各功能区；

其中产品标签包括产品日均打开次数和日均使用时长，广告标签包括广告类型偏好、广告展示形式偏好和广告展示渠道偏好；行为分析模块的具体分析过程如下：

获取用户的产品行为数据，按照广告类型统计同一广告类型的观看次数为类型观看频次P1，统计同一广告类型的点击次数为类型点击频次PL1；将对应的观看时长累加形成类型观看总时长PT1；

统计对应广告类型的广告转化率为PZ1，利用公式PQ1=(P1×a1+PL1×a2+PT1×a3)×PZ1计算得到用户的类型吸引值PQ1，其中a1、a2、a3均为系数因子；将类型吸引值PQ1与类型阈值相比较，若PQ1大于类型阈值，则判定该广告类型为用户的偏好广告类型；

按照广告展示形式统计同一展示形式的观看次数为形式观看频次X1，统计同一展示形式的点击次数为形式点击频次XL1，将对应的观看时长累加形成形式观看总时长XT1；

统计对应广告展示形式的广告转化率为XZ1，利用公式XQ1=(X1×b1+XL1×b2+XT1×b3)×XZ1计算得到用户的形式吸引值XQ1，其中b1、b2、b3均为系数因子；将形式吸引值XQ1与形式阈值相比较，若XQ1大于形式阈值，则判定该广告展示形式为用户的偏好广告展示形式；

按照广告展示渠道统计同一展示渠道的观看次数为渠道观看频次D1，统计同一展示渠道的点击次数为形式点击频次DL1，将对应的观看时长累加形成渠道观看总时长DT1；

统计对应广告展示渠道的广告转化率为DZ1，利用公式DQ1=(D1×g1+DL1×g2+DT1×g3)×DZ1计算得到用户的渠道吸引值DQ1，其中g1、g2、g3均为系数因子；将渠道吸引值DQ1与渠道阈值相比较，若DQ1大于渠道阈值，则判定该广告展示渠道为用户的偏好广告展示渠道；

投放决策模块用于根据产品信息、产品标签和广告标签生成投放事件参数，包括：

获取投放事件历史数据，投放事件历史数据包括投放事件历史参数及对应的产品信息、产品标签和广告标签，其中投放事件历史数据为已经完成的投放事件记录；投放事件历史参数包括投放的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道；

根据投放事件历史数据建立参数训练集，建立误差逆向传播神经网络模型；误差逆向传播神经网络模型至少包括一层隐含层；

将参数训练集按照设定比例划分为训练集、测试集和校验集；

通过训练集、测试集和校验集对误差逆向传播神经网络进行训练、测试和校验，将完成训练的误差逆向传播神经网络标记为广告投放展示模型；

将投放决策模块接收到的产品信息、产品标签和广告标签作为输入数据代入广告投放展示模型中，输出对应的投放事件参数并标记为标准投放参数；

投放决策模块用于将标准投放参数发送至广告投放模块；广告投放模块用于根据标准投放参数实时调整产品内各广告的内容、展示次数、广告类型以及广告展示形式并生成反馈结果，反馈结果包括用户在产品内的广告观看情况、用户在产品内各功能区的使用情况以及产品的使用情况；

投放反馈模块用于根据反馈结果进行整合生成用户的产品行为数据，并反馈至行为分析模块，不断迭代优化用户的产品标签和广告标签，使得广告投放更加精准；

投放决策模块还用于将建立的广告投放展示模型打上时间戳并存储至云平台；当用户激活同一公司其他产品时，供投放决策模块直接调用该广告投放展示模型，智能投放高质量高转化率的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道；

一种智能广告信息投放匹配方法，应用于上述一种智能广告信息投放匹配系统，包括如下步骤：

步骤一：用户通过应用激活模块激活app并输入个人信息进行注册登录；

步骤二：数据中心模块根据用户回传的个人信息和产品信息，获取并发送用户的产品行为数据至行为分析模块；

步骤三：行为分析模块根据用户的产品行为数据对用户的产品标签和广告标签进行分析，同时将产品标签和广告标签发送至投放决策模块；

步骤四：投放决策模块用于根据产品信息、产品标签和广告标签生成投放事件参数，包括：

获取投放事件历史数据作为参数训练集，建立误差逆向传播神经网络模型并进行训练、测试和校验，得到广告投放展示模型；

将投放决策模块接收到的产品信息、产品标签和广告标签作为输入数据代入广告投放展示模型中，输出对应的投放事件参数并标记为标准投放参数；

步骤五：广告投放模块用于根据标准投放参数实时调整产品内各广告的内容、展示次数、广告类型以及广告展示形式并生成反馈结果；

步骤六：投放反馈模块用于根据反馈结果进行整合生成用户的产品行为数据并反馈至行为分析模块，不断迭代优化用户的产品标签和广告标签，使得广告投放更加精准；

其中，该方法还包括：当用户激活同一公司其他产品时，通过投放决策模块直接调用该广告投放展示模型，智能投放高质量高转化率的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

一种智能广告信息投放匹配系统及方法，在工作时，应用激活模块用于用户激活app并输入个人信息进行注册登录；数据中心模块收到用户回传的个人信息和产品信息，并通过信息交互渠道获取用户的产品行为数据，并将产品行为数据发送至行为分析模块；行为分析模块用于接收用户的产品行为数据并根据用户的产品行为数据对用户的产品标签和广告标签进行分析，同时将产品标签和广告标签发送至投放决策模块；

投放决策模块用于根据产品信息、产品标签和广告标签生成投放事件参数；首先获取投放事件历史数据作为参数训练集，建立误差逆向传播神经网络模型并进行训练、测试和校验，得到广告投放展示模型；将投放决策模块接收到的产品信息、产品标签和广告标签作为输入数据代入广告投放展示模型中，输出对应的投放事件参数并标记为标准投放参数；广告投放模块用于根据标准投放参数实时调整产品内各广告的内容、展示次数、广告类型以及广告展示形式，提高用户的观看感受和广告转化率；

投放反馈模块用于根据广告投放的反馈结果进行整合生成用户的产品行为数据，不断迭代优化用户的产品标签和广告标签，使得广告投放更加精准，当用户激活同一公司其他产品时，通过投放决策模块直接调用该广告投放展示模型，智能投放高质量高转化率的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道，实现不同产品复用用户广告投放展示模型投放广告，简单实用，有效节省成本，提高广告投放效率。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

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 (1)

1.一种智能广告信息投放匹配系统，其特征在于，包括应用激活模块、数据中心模块、投放决策模块、广告投放模块和投放反馈模块；

所述应用激活模块用于用户激活app并输入个人信息进行注册登录；其中个人信息包括用户姓名、身份证号以及手机号码；

所述数据中心模块收到用户回传的个人信息和产品信息后，通过信息交互渠道获取用户的产品行为数据，并将产品行为数据发送至行为分析模块；其中，产品信息包括产品名称和产品所属公司；产品行为数据包括产品的打开次数及对应的使用时长、用户在产品内各功能区的使用次数及对应的使用时长、用户在产品内的广告观看次数、观看时长、广告点击次数、广告转化率以及对应的广告展示信息；其中广告转化率为广告点击次数与广告投放总次数之比；其中广告展示信息包括广告类型、广告展示形式和广告展示渠道，广告展示形式包括开屏广告、信息流广告和详情页广告，广告展示渠道为产品内的各功能区；

所述行为分析模块用于根据用户的产品行为数据对用户的产品标签和广告标签进行分析，并将产品标签和广告标签发送至投放决策模块；其中产品标签包括产品日均打开次数和日均使用时长，广告标签包括广告类型偏好、广告展示形式偏好和广告展示渠道偏好；

所述行为分析模块的具体分析过程如下：

获取用户的产品行为数据，按照广告类型统计同一广告类型的观看次数并将其作为类型观看频次P1，统计同一广告类型的点击次数并将其作为类型点击频次PL1；将同一广告类型对应的观看时长累加形成类型观看总时长PT1；

统计同一广告类型的广告转化率PZ1，利用公式PQ1＝(P1×a1+PL1×a2+PT1×a3)×PZ1计算得到用户的类型吸引值PQ1，其中a1、a2、a3均为系数因子；将类型吸引值PQ1与类型阈值相比较，若PQ1大于类型阈值，则判定该广告类型为用户偏好的广告类型；

按照广告展示形式统计同一展示形式的观看次数并将其作为形式观看频次X1，统计同一展示形式的点击次数并将其作为形式点击频次XL1，将同一展示形式对应的观看时长累加形成形式观看总时长XT1；

统计同一展示形式的广告转化率XZ1，利用公式XQ1＝(X1×b1+XL1×b2+XT1×b3)×XZ1计算得到用户的形式吸引值XQ1，其中b1、b2、b3均为系数因子；将形式吸引值XQ1与形式阈值相比较，若XQ1大于形式阈值，则判定该广告展示形式为用户偏好的广告展示形式；

按照广告展示渠道统计同一展示渠道的观看次数并将其作为渠道观看频次D1，统计同一展示渠道的点击次数并将其作为形式点击频次DL1，将同一展示渠道对应的观看时长累加形成渠道观看总时长DT1；

统计同一展示渠道的广告转化率DZ1，利用公式DQ1＝(D1×g1+DL1×g2+DT1×g3)×DZ1计算得到用户的渠道吸引值DQ1，其中g1、g2、g3均为系数因子；将渠道吸引值DQ1与渠道阈值相比较，若DQ1大于渠道阈值，则判定该广告展示渠道为用户偏好的广告展示渠道；

所述投放决策模块用于根据产品信息、产品标签和广告标签生成投放事件参数，包括：

获取投放事件历史数据，投放事件历史数据包括投放事件历史参数及对应的产品信息、产品标签和广告标签，其中投放事件历史数据为已经完成的投放事件记录；投放事件历史参数包括投放的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道；

根据投放事件历史数据建立参数训练集，建立误差逆向传播神经网络模型；误差逆向传播神经网络模型至少包括一层隐含层；

将参数训练集按照设定比例划分为训练集、测试集和校验集；

通过训练集、测试集和校验集分别对误差逆向传播神经网络进行训练、测试和校验，将训练完成的误差逆向传播神经网络标记为广告投放展示模型；

将投放决策模块接收到的产品信息、产品标签和广告标签作为输入数据代入广告投放展示模型中，输出对应的投放事件参数并标记为标准投放参数；

所述投放决策模块还用于将标准投放参数发送至广告投放模块；所述广告投放模块用于根据标准投放参数实时调整产品内各广告的内容、展示次数、广告类型以及广告展示形式并生成反馈结果，所述反馈结果包括用户在产品内的广告观看情况以及用户在产品内各功能区的使用情况；

所述投放反馈模块用于将反馈结果进行整合并生成用户的产品行为数据，并反馈至行为分析模块，不断迭代优化用户的产品标签和广告标签；所述投放决策模块还用于将建立的广告投放展示模型打上时间戳并存储至云平台；当用户激活同一公司其他产品时，供投放决策模块直接调用该广告投放展示模型，智能投放产品内的广告类型、广告内容、广告展示次数、广告展示形式以及广告展示渠道。

Images