CN114565407A - 一种广告投放数据分析方法及系统 - Google Patents

一种广告投放数据分析方法及系统 Download PDF

Info

Publication number
CN114565407A
CN114565407A CN202210193426.8A CN202210193426A CN114565407A CN 114565407 A CN114565407 A CN 114565407A CN 202210193426 A CN202210193426 A CN 202210193426A CN 114565407 A CN114565407 A CN 114565407A
Authority
CN
China
Prior art keywords
advertisement
consumption
area
portrait
user
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
CN202210193426.8A
Other languages
English (en)
Other versions
CN114565407B (zh
Inventor
易星
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.)
Beijing Peiruiweihang Interconnection Technology Co ltd
Original Assignee
Beijing Peiruiweihang Interconnection 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 Beijing Peiruiweihang Interconnection Technology Co ltd filed Critical Beijing Peiruiweihang Interconnection Technology Co ltd
Priority to CN202210193426.8A priority Critical patent/CN114565407B/zh
Publication of CN114565407A publication Critical patent/CN114565407A/zh
Application granted granted Critical
Publication of CN114565407B publication Critical patent/CN114565407B/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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种广告投放数据分析方法及系统，包括以下步骤：步骤S1、获取广告投放区域的多维消费数据，利用CNN神经网络基于所述多维消费数据得到广告投放区域的多维消费特征，再以广告投放区域的多维消费特征构建出区域画像；步骤S2、量化所述多维消费数据的更新程度作为区域画像的扩展因子，并基于所述扩展因子对所述区域画像进行更新；步骤S3、提取待投放广告的多维消费特征，并将待投放广告的多维消费特征构建出待投放广告的广告画像，根据所述广告画像和区域画像的匹配度确定出待投放广告的广告投放区域。本发明保证区域画像的记忆力和泛化力，实现匹配精准度和惊喜度的双重保障，最终获得更高的广告转化效果。

Description

一种广告投放数据分析方法及系统
技术领域
本发明涉及广告投放技术领域，具体涉及一种广告投放数据分析方法及系统。
背景技术
近年来，随着网络环境的优化和移动智能设备的普及,短视频作为一种新的内容承载形式迅速发展，且逐渐以其创意性与趣味性并存的特点，成为现下最受欢迎的自媒体形式，在这种情况下诞生了众多短视频平台。伴随着短视频平台上用户数量的与日俱增，吸引了大量的广告投放业主在短视频平台上进行视频广告投放，投放之后的投放效果是广告投放业主非常关注的信息，因此对投放在短视频平台上的视频广告进行投放效果分析是非常有必要的。
然而目前分析视频广告在短视频平台上投放效果的方法是直接以视频广告在短视频平台上的传播量进行分析，其传播量包括点赞数量、关注数量、转发数量等，忽略了观看视频广告的用户对视频广告的具体观看过程分析，如观看兴趣、评论等，这些可以直观反映观看用户对视频广告的观看感受，由于广告投放最终的受众还是观看用户，因此观看用户对视频广告的观看感受也是评价视频广告投放效果的一个重要依据。由此可见目前分析视频广告投放效果的方法存在分析指标过于单一的缺陷，导致投放效果分析结果精准度不高，难以反映视频广告在短视频平台上的综合投放效果。
发明内容
本发明的目的在于提供一种广告投放数据分析方法及系统，以解决现有技术中存在分析指标过于单一的缺陷，导致投放效果分析结果精准度不高，难以反映视频广告在短视频平台上的综合投放效果的技术问题。
为解决上述技术问题，本发明具体提供下述技术方案：
一种广告投放数据分析方法，包括以下步骤：
步骤S1、获取广告投放区域的多维消费数据，利用CNN神经网络基于所述多维消费数据得到广告投放区域的多维消费特征，再以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像，所述多维消费数据包括广告投放区域的用户基础数据、用户区域消费数据，以及区域基础数据，所述多维消费特征包括广告投放区域的用户基础特征、用户区域消费特征，以及区域基础特征；
步骤S2、量化所述多维消费数据的更新程度作为区域画像的扩展因子，并基于所述扩展因子对所述区域画像进行更新以在记忆力的基础上提高区域画像的泛化力；
步骤c3、提取待投放广告的多维消费特征，并将待投放广告的多维消费特征构建出待投放广告的广告画像，根据所述广告画像和区域画像的匹配度确定出待投放广告的广告投放区域以实现广告的精准投放。
作为本发明的一种优选方案，所述利用CNN神经网络基于所述多维消费数据得到广告投放区域的多维消费特征，包括：
将所述用户基础数据、用户区域消费数据，以及区域基础数据依次输入至CNN神经网络得到用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列，以分别表征用户基础特征、用户区域消费特征，以及区域基础特征。
作为本发明的一种优选方案，所述以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像，包括：
为所述用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列设定特征权重，并基于特征权重对所述用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列进行加权得到所述区域画像，所述区域画像的函数表达式为：
Wi＝αiXi+βiYi+γiZi；
式中，Wi表征为第i个广告投放区域的区域画像，Xi、Yi和Zi分别表征为第i个广告投放区域的用户基础特征序列、用户区域消费特征序列和区域基础特征序列，αi、βi和γi分别表征为第i个广告投放区域的用户基础特征序列的特征权重、用户区域消费特征序列的特征权重和区域基础特征序列的特征权重，i为计量常数，无实质含义；
优选的，所述为所述用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列设定特征权重，包括：
对每个广告投放区域的用户基础特征序列、用户区域消费特征序列和区域基础特征序列进行标准化处理，所述标准化处理的计算公式为：
Figure BDA0003525827770000031
式中，
Figure BDA0003525827770000036
s∈[x，y，z]，ω∈[X，Y，Z]}，sij′表征为序列ωi中第j个数据项的标准化值，sij表征为序列Si中第j个数据项，max(Si)、min(Si)分别表征为序列Si中的最大值、最小值，nS表征为序列Si中数据项的总数目，j为计量常数，无实质含义；
基于所述用户基础特征序列、用户区域消费特征序列和区域基础特征序列的标准化值进行序列信息熵计算，所述序列信息熵的计算公式为：
Figure BDA0003525827770000032
式中，
Figure BDA0003525827770000033
ES表征为序列Si的序列信息熵；
基于所述序列信息熵权重求得特征权重，其中，
Figure BDA0003525827770000034
Figure BDA0003525827770000035
Figure BDA0003525827770000041
作为本发明的一种优选方案，所述量化所述多维消费数据的更新程度作为区域画像的扩展因子，包括：
依次计算当前时刻的多维消费特征与上一时刻的多维消费特征的相似度用以衡量所述更新程度以作为所述扩展因子，所述扩展因子的计算公式为：
Figure BDA0003525827770000042
式中，Ii表征为第i个广告投放区域的扩展因子，S∈[X，Y，Z]，Si，t、Si，t-1分别表征为当前时刻、上一时刻的多维消费特征，t为时刻计量常数，无实质含义。
作为本发明的一种优选方案，所述基于所述扩展因子对所述区域画像进行更新，包括：
设定扩展阈值，其中，
若拓展因子小于扩展阈值，则无需对对应的区域画像进行更新；
若扩展因子大于或等于扩展阈值，则对对应的区域画像进行更新；
优选的，对对应的区域画像进行更新，包括：
将大于或等于扩展阈值的扩展因子对应的序列Si，t替换掉上一时刻区域画像中的序列Si，t-1，并将替换序列后的上一时刻的区域画像作为当前时刻的区域画像，以实现区域画像的更新操作。
作为本发明的一种优选方案，所述提取待投放广告的多维消费特征，包括：
将待投放广告的期望用户基础数据、期望用户区域消费数据，以及期望区域基础数据依次输入至CNN神经网络得到待投放广告期望的期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列，以表征待投放广告的多维消费特征。
作为本发明的一种优选方案，所述并将待投放广告的多维消费特征构建出待投放广告的广告画像，包括：
为所述期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列设定期望特征权重，并基于期望特征权重对所述期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列进行加权得到所述广告画像，所述广告画像的函数表达式为：
w＝aO+bP+cQ；
式中，w表征为广告画像，O、P和Q分别表征为期望用户基础特征序列、期望用户区域消费特征序列和期望区域基础特征序列，a、b和c分别表征为期望用户基础特征序列的特征权重、期望用户区域消费特征序列的特征权重和期望区域基础特征序列的期望特征权重；
所述期望特征权重由广告商对待投放广告在多维消费特征的期望值决定。
作为本发明的一种优选方案，所述根据所述广告画像和区域画像的匹配度确定出待投放广告的广告投放区域，包括：
计算所述广告画像和区域画像的相似度以作为所述匹配度，所述匹配度的计算公式为：
Figure BDA0003525827770000051
式中，Mi表征为广告画像与第i个广告投放区域的区域画像的匹配度；
设定匹配度阈值，并将匹配度高于匹配度阈值对应的广告投放区域作为待投放广告的广告投放区域。
作为本发明的一种优选方案，所述期望用户基础数据、期望用户区域消费数据，以及期望区域基础数据、用户基础数据、用户区域消费数据，以及区域基础数据在进行计算前均需归一化处理。
作为本发明的一种优选方案，本发明提供了一种根据所述的广告投放数据分析方法的分析系统，包括：
区域画像构建单元，用于获取广告投放区域的多维消费数据，利用CNN神经网络基于所述多维消费数据得到广告投放区域的多维消费特征，再以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像；
区域画像更新单元，用于量化所述多维消费数据的更新程度作为区域画像的扩展因子，并基于所述扩展因子对所述区域画像进行更新以在记忆力的基础上提高区域画像的泛化力；
区域投放确定单元，提取待投放广告的多维消费特征，并将待投放广告的多维消费特征构建出待投放广告的广告画像，根据所述广告画像和区域画像的匹配度确定出待投放广告的广告投放区域以实现广告的精准投放。
本发明与现有技术相比较具有如下有益效果：
本发明构建区域画像和广告画像用于精准匹配广告画像适合的投放区域，无需在对每个用户进行匹配，同时分析指标过于多维，提高投放分析结果精准度，同时对区域画像进行更新，以保证区域画像的记忆力和泛化力，实现匹配精准度和惊喜度的双重保障，最终获得更高的广告转化效果。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的广告投放数据分析方法流程图；
图2为本发明实施例提供的分析系统结构框图。
图中的标号分别表示如下：
1-区域画像构建单元；2-区域画像更新单元；3-区域投放确定单元。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，广告投放为了精准性通常会直接将目标定位到每个用户中，但是通常如此做会涉及巨量用户数据，虽然精准性得到了保证，但是却忽视扩展新用户，以致除了广告定位的用户其余用户无法观看广告，只能保有现存用户，难以扩展新用户市场，本发明提供了一种广告投放数据分析方法，以整个区域为目标，将广告投放至最符合该广告消费力的区域，虽然牺牲了一定个体用户的精准性，但却能够在该区域获得较高的拓展性，在该区域拓展到新用户。
一种广告投放数据分析方法，包括以下步骤：
步骤S1、获取广告投放区域的多维消费数据，利用CNN神经网络基于多维消费数据得到广告投放区域的多维消费特征，再以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像，记忆力是指能够区域画像能够学习到该区域准确的用户基础特征(收入结构、年龄结构、性别结构等)、用户区域消费特征(消费体量、消费偏好等)，以及区域基础特征(经济结构、产业结构、商业结构、地域特征等)，能够提高画像的准确度以提高后续匹配度的计算准确度，多维消费数据包括广告投放区域的用户基础数据(收入数据、年龄数据、性别数据等)、用户区域消费数据(消费体量数据、消费偏好数据等)，以及区域基础数据(经济数据、产业数据、商业数据、地域属性数据：温湿度、海拔等)，多维消费特征包括广告投放区域的用户基础特征、用户区域消费特征，以及区域基础特征；
利用CNN神经网络基于多维消费数据得到广告投放区域的多维消费特征，包括：
将用户基础数据、用户区域消费数据，以及区域基础数据依次输入至CNN神经网络得到用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列，以分别表征用户基础特征、用户区域消费特征，以及区域基础特征。
以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像，包括：
为用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列设定特征权重，并基于特征权重对用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列进行加权得到区域画像，区域画像的函数表达式为：
Wi＝αiXi+βiYi+γiZi；
式中，Wi表征为第i个广告投放区域的区域画像，Xi、Yi和Zi分别表征为第i个广告投放区域的用户基础特征序列、用户区域消费特征序列和区域基础特征序列，αi、βi和γi分别表征为第i个广告投放区域的用户基础特征序列的特征权重、用户区域消费特征序列的特征权重和区域基础特征序列的特征权重，i为计量常数，无实质含义；
优选的，为用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列设定特征权重，包括：
对每个广告投放区域的用户基础特征序列、用户区域消费特征序列和区域基础特征序列进行标准化处理，标准化处理的计算公式为：
Figure BDA0003525827770000081
式中，
Figure BDA0003525827770000082
sij′表征为序列Si中第j个数据项的标准化值，sij表征为序列Si中第j个数据项，max(Si)、min(Si)分别表征为序列Si中的最大值、最小值，ns表征为序列Si中数据项的总数目，j为计量常数，无实质含义；
基于用户基础特征序列、用户区域消费特征序列和区域基础特征序列的标准化值进行序列信息熵计算，序列信息熵的计算公式为：
Figure BDA0003525827770000083
式中，
Figure BDA0003525827770000084
ES表征为序列Si的序列信息熵；
基于序列信息熵权重求得特征权重，其中，
Figure BDA0003525827770000091
Figure BDA0003525827770000092
Figure BDA0003525827770000093
以信息熵决定特征权重，可以有效的将重要序列的地位进行突出，以及弱化次要序列的地位，使得构建出的区域画像重点突出，比如，广东区域，温度高，在进行防寒羽绒衣物类广告投放时，对于广东区域的区域基础特征就需要进行地域温度特征突出，因此就需要赋予区域基础特征序列以高特征权重。
步骤S2、量化多维消费数据的更新程度作为区域画像的扩展因子，并基于扩展因子对区域画像进行更新以在记忆力的基础上提高区域画像的泛化力；
量化多维消费数据的更新程度作为区域画像的扩展因子，包括：
依次计算当前时刻的多维消费特征与上一时刻的多维消费特征的相似度用以衡量更新程度以作为扩展因子，扩展因子的计算公式为：
Figure BDA0003525827770000094
式中，Ii表征为第i个广告投放区域的扩展因子，S∈[X，Y，Z]，Si，t、Si，t-1分别表征为当前时刻、上一时刻的多维消费特征，t为时刻计量常数，无实质含义。
基于扩展因子对区域画像进行更新，包括：
设定扩展阈值，其中，
若拓展因子小于扩展阈值，则无需对对应的区域画像进行更新；
若扩展因子大于或等于扩展阈值，则对对应的区域画像进行更新；
优选的，对对应的区域画像进行更新，包括：
将大于或等于扩展阈值的扩展因子对应的序列Si，t替换掉上一时刻区域画像中的序列Si，t-1，并将替换序列后的上一时刻的区域画像作为当前时刻的区域画像，以实现区域画像的更新操作。
泛化力是为了实现推荐的惊喜性，比如，对于广东等温暖地带本来无需投放防寒羽绒衣物，因为无刚需要求，但是对于具有旅游打算的用户、追求多种时尚需求的人士，同样会存在广告投放的可行性，在比如2021年度的广东温度降至零下，防寒羽绒衣物成为刚需，如果此前在广东地区进行了羽绒衣物的广告投放，此时用户的转化率将大幅提高，本实施例仅在区域画像中添加了泛化力，进行更新区域画像以实时调整广告投放区域的选择性，实现了新市场拓展的可能性。
步骤c3、提取待投放广告的多维消费特征，并将待投放广告的多维消费特征构建出待投放广告的广告画像，根据广告画像和区域画像的匹配度确定出待投放广告的广告投放区域以实现广告的精准投放。
提取待投放广告的多维消费特征，包括：
将待投放广告的期望用户基础数据、期望用户区域消费数据，以及期望区域基础数据依次输入至CNN神经网络得到待投放广告期望的期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列，以表征待投放广告的多维消费特征。
并将待投放广告的多维消费特征构建出待投放广告的广告画像，包括：
为期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列设定期望特征权重，并基于期望特征权重对期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列进行加权得到广告画像，广告画像的函数表达式为：
w＝aO+bP+cQ；
式中，w表征为广告画像，O、P和Q分别表征为期望用户基础特征序列、期望用户区域消费特征序列和期望区域基础特征序列，a、b和c分别表征为期望用户基础特征序列的特征权重、期望用户区域消费特征序列的特征权重和期望区域基础特征序列的期望特征权重；
期望特征权重由广告商对待投放广告在多维消费特征的期望值决定，即期望特征权重为人为决定值，根据广告商需求进行设定，比如：用户对用户基础特征更为重视，期望得到期望用户基础特征对应的期望用户基础数据，则可将用户基础特征设定的更高，某区域年轻女性比例高，则女性生理用品的广告便更为重视该区域的用户基础特征数据。
根据广告画像和区域画像的匹配度确定出待投放广告的广告投放区域，包括：
计算广告画像和区域画像的相似度以作为匹配度，匹配度的计算公式为：
Figure BDA0003525827770000111
式中，Mi表征为广告画像与第i个广告投放区域的区域画像的匹配度；
设定匹配度阈值，并将匹配度高于匹配度阈值对应的广告投放区域作为待投放广告的广告投放区域。
期望用户基础数据、期望用户区域消费数据，以及期望区域基础数据、用户基础数据、用户区域消费数据，以及区域基础数据在进行计算前均需归一化处理。
如图2所示，基于上述广告投放数据分析方法，本发明提供了一种根据的分析系统，包括：
区域画像构建单元1，用于获取广告投放区域的多维消费数据，利用CNN神经网络基于多维消费数据得到广告投放区域的多维消费特征，再以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像；
区域画像更新单元2，用于量化多维消费数据的更新程度作为区域画像的扩展因子，并基于扩展因子对区域画像进行更新以在记忆力的基础上提高区域画像的泛化力；
区域投放确定单元3，提取待投放广告的多维消费特征，并将待投放广告的多维消费特征构建出待投放广告的广告画像，根据广告画像和区域画像的匹配度确定出待投放广告的广告投放区域以实现广告的精准投放。
本发明构建区域画像和广告画像用于精准匹配广告画像适合的投放区域，无需在对每个用户进行匹配，同时分析指标过于多维，提高投放分析结果精准度，同时对区域画像进行更新，以保证区域画像的记忆力和泛化力，实现匹配精准度和惊喜度的双重保障，最终获得更高的广告转化效果。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (10)

1.一种广告投放数据分析方法，其特征在于，包括以下步骤：
步骤S1、获取广告投放区域的多维消费数据，利用CNN神经网络基于所述多维消费数据得到广告投放区域的多维消费特征，再以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像，所述多维消费数据包括广告投放区域的用户基础数据、用户区域消费数据，以及区域基础数据，所述多维消费特征包括广告投放区域的用户基础特征、用户区域消费特征，以及区域基础特征；
步骤S2、量化所述多维消费数据的更新程度作为区域画像的扩展因子，并基于所述扩展因子对所述区域画像进行更新以在记忆力的基础上提高区域画像的泛化力；
步骤S3、提取待投放广告的多维消费特征，并将待投放广告的多维消费特征构建出待投放广告的广告画像，根据所述广告画像和区域画像的匹配度确定出待投放广告的广告投放区域以实现广告的精准投放。
2.根据权利要求1所述的一种广告投放数据分析方法，其特征在于：所述利用CNN神经网络基于所述多维消费数据得到广告投放区域的多维消费特征，包括：
将所述用户基础数据、用户区域消费数据，以及区域基础数据依次输入至CNN神经网络得到用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列，以分别表征用户基础特征、用户区域消费特征，以及区域基础特征。
3.根据权利要求2所述的一种广告投放数据分析方法，其特征在于：所述以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像，包括：
为所述用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列设定特征权重，并基于特征权重对所述用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列进行加权得到所述区域画像，所述区域画像的函数表达式为：
Wi＝αiXi+βiYi+γiZi；
式中，Wi表征为第i个广告投放区域的区域画像，Xi、Yi和Zi分别表征为第i个广告投放区域的用户基础特征序列、用户区域消费特征序列和区域基础特征序列，αi、βi和γi分别表征为第i个广告投放区域的用户基础特征序列的特征权重、用户区域消费特征序列的特征权重和区域基础特征序列的特征权重，i为计量常数，无实质含义；
优选的，所述为所述用户基础特征序列、用户区域消费特征序列，以及区域基础特征序列设定特征权重，包括：
对每个广告投放区域的用户基础特征序列、用户区域消费特征序列和区域基础特征序列进行标准化处理，所述标准化处理的计算公式为：
Figure FDA0003525827760000021
式中，
Figure FDA0003525827760000024
S∈[X，Y，Z]}，sij′表征为序列Si中第j个数据项的标准化值，sij表征为序列Si中第j个数据项，max(Si)、min(Si)分别表征为序列Si中的最大值、最小值，ns表征为序列Si中数据项的总数目，j为计量常数，无实质含义；
基于所述用户基础特征序列、用户区域消费特征序列和区域基础特征序列的标准化值进行序列信息熵计算，所述序列信息熵的计算公式为：
Figure FDA0003525827760000022
式中，
Figure FDA0003525827760000023
ES表征为序列Si的序列信息熵；
基于所述序列信息熵权重求得特征权重，其中，
Figure FDA0003525827760000031
Figure FDA0003525827760000032
Figure FDA0003525827760000033
4.根据权利要求3所述的一种广告投放数据分析方法，其特征在于：所述量化所述多维消费数据的更新程度作为区域画像的扩展因子，包括：
依次计算当前时刻的多维消费特征与上一时刻的多维消费特征的相似度用以衡量所述更新程度以作为所述扩展因子，所述扩展因子的计算公式为：
Figure FDA0003525827760000034
式中，Ii表征为第i个广告投放区域的扩展因子，S∈[X，Y，Z]，Si，t、Si，t-1分别表征为当前时刻、上一时刻的多维消费特征，t为时刻计量常数，无实质含义。
5.根据权利要求4所述的一种广告投放数据分析方法，其特征在于：所述基于所述扩展因子对所述区域画像进行更新，包括：
设定扩展阈值，其中，
若拓展因子小于扩展阈值，则无需对对应的区域画像进行更新；
若扩展因子大于或等于扩展阈值，则对对应的区域画像进行更新；
优选的，对对应的区域画像进行更新，包括：
将大于或等于扩展阈值的扩展因子对应的序列Si，t替换掉上一时刻区域画像中的序列Si，t-1，并将替换序列后的上一时刻的区域画像作为当前时刻的区域画像，以实现区域画像的更新操作。
6.根据权利要求5所述的一种广告投放数据分析方法，其特征在于：所述提取待投放广告的多维消费特征，包括：
将待投放广告的期望用户基础数据、期望用户区域消费数据，以及期望区域基础数据依次输入至CNN神经网络得到待投放广告期望的期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列，以表征待投放广告的多维消费特征。
7.根据权利要求6所述的一种广告投放数据分析方法，其特征在于，所述并将待投放广告的多维消费特征构建出待投放广告的广告画像，包括：
为所述期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列设定期望特征权重，并基于期望特征权重对所述期望用户基础特征序列、期望用户区域消费特征序列，以及期望区域基础特征序列进行加权得到所述广告画像，所述广告画像的函数表达式为：
w＝aO+bP+cQ；
式中，w表征为广告画像，O、P和Q分别表征为期望用户基础特征序列、期望用户区域消费特征序列和期望区域基础特征序列，a、b和c分别表征为期望用户基础特征序列的特征权重、期望用户区域消费特征序列的特征权重和期望区域基础特征序列的期望特征权重；
所述期望特征权重由广告商对待投放广告在多维消费特征的期望值决定。
8.根据权利要求7所述的一种广告投放数据分析方法，其特征在于，所述根据所述广告画像和区域画像的匹配度确定出待投放广告的广告投放区域，包括：
计算所述广告画像和区域画像的相似度以作为所述匹配度，所述匹配度的计算公式为：
Figure FDA0003525827760000041
式中，Mi表征为广告画像与第i个广告投放区域的区域画像的匹配度；
设定匹配度阈值，并将匹配度高于匹配度阈值对应的广告投放区域作为待投放广告的广告投放区域。
9.根据权利要求8所述的一种广告投放数据分析方法，其特征在于，所述期望用户基础数据、期望用户区域消费数据，以及期望区域基础数据、用户基础数据、用户区域消费数据，以及区域基础数据在进行计算前均需归一化处理。
10.一种根据权利要求1-9任一项所述的广告投放数据分析方法的分析系统，其特征在于，包括：
区域画像构建单元(1)，用于获取广告投放区域的多维消费数据，利用CNN神经网络基于所述多维消费数据得到广告投放区域的多维消费特征，再以广告投放区域的多维消费特征构建出具有记忆力的广告投放区域的区域画像；
区域画像更新单元(2)，用于量化所述多维消费数据的更新程度作为区域画像的扩展因子，并基于所述扩展因子对所述区域画像进行更新以在记忆力的基础上提高区域画像的泛化力；
区域投放确定单元(3)，提取待投放广告的多维消费特征，并将待投放广告的多维消费特征构建出待投放广告的广告画像，根据所述广告画像和区域画像的匹配度确定出待投放广告的广告投放区域以实现广告的精准投放。
CN202210193426.8A 2022-03-01 2022-03-01 一种广告投放数据分析方法及系统 Active CN114565407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210193426.8A CN114565407B (zh) 2022-03-01 2022-03-01 一种广告投放数据分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210193426.8A CN114565407B (zh) 2022-03-01 2022-03-01 一种广告投放数据分析方法及系统

Publications (2)

Publication Number Publication Date
CN114565407A true CN114565407A (zh) 2022-05-31
CN114565407B CN114565407B (zh) 2022-10-11

Family

ID=81715088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210193426.8A Active CN114565407B (zh) 2022-03-01 2022-03-01 一种广告投放数据分析方法及系统

Country Status (1)

Country Link
CN (1) CN114565407B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049445A (zh) * 2022-08-17 2022-09-13 铅笔头(深圳)科技有限公司 一种基于影响力指标的广告制作评价系统及方法
CN116109355A (zh) * 2023-04-12 2023-05-12 广东玄润数字信息科技股份有限公司 基于偏好数据的广告投放分析方法、系统及存储介质
CN118134554A (zh) * 2024-02-29 2024-06-04 深圳博十强志科技有限公司 一种基于大数据分析的广告推广平台和推广方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8489596B1 (en) * 2013-01-04 2013-07-16 PlaceIQ, Inc. Apparatus and method for profiling users
CN110009401A (zh) * 2019-03-18 2019-07-12 康美药业股份有限公司 基于用户画像的广告投放方法、装置和存储介质
CN110363596A (zh) * 2019-07-24 2019-10-22 金禧 一种精准广告投放方法及系统
CN111144944A (zh) * 2019-12-27 2020-05-12 浙江致梦大数据有限公司 一种广告投放方法、装置、电子设备及存储介质
CN112598438A (zh) * 2020-12-18 2021-04-02 苏州壹佰伍拾亿智能科技有限公司 一种基于大规模用户画像的户外广告推荐系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8489596B1 (en) * 2013-01-04 2013-07-16 PlaceIQ, Inc. Apparatus and method for profiling users
CN110009401A (zh) * 2019-03-18 2019-07-12 康美药业股份有限公司 基于用户画像的广告投放方法、装置和存储介质
CN110363596A (zh) * 2019-07-24 2019-10-22 金禧 一种精准广告投放方法及系统
CN111144944A (zh) * 2019-12-27 2020-05-12 浙江致梦大数据有限公司 一种广告投放方法、装置、电子设备及存储介质
CN112598438A (zh) * 2020-12-18 2021-04-02 苏州壹佰伍拾亿智能科技有限公司 一种基于大规模用户画像的户外广告推荐系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张连彬: "基于汽车品牌评论的情感分类系统研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049445A (zh) * 2022-08-17 2022-09-13 铅笔头(深圳)科技有限公司 一种基于影响力指标的广告制作评价系统及方法
CN116109355A (zh) * 2023-04-12 2023-05-12 广东玄润数字信息科技股份有限公司 基于偏好数据的广告投放分析方法、系统及存储介质
CN118134554A (zh) * 2024-02-29 2024-06-04 深圳博十强志科技有限公司 一种基于大数据分析的广告推广平台和推广方法

Also Published As

Publication number Publication date
CN114565407B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN114565407B (zh) 一种广告投放数据分析方法及系统
CN110942337A (zh) 一种基于互联网大数据的精准旅游营销方法
WO2020228514A1 (zh) 内容推荐方法、装置、设备及存储介质
CN104298682B (zh) 一种基于人脸表情图像的信息推荐效果的评价方法及手机
CN111177538B (zh) 一种基于无监督权值计算的用户兴趣标签构建方法
CN108334592B (zh) 一种基于内容与协同过滤相结合的个性化推荐方法
CN104573619A (zh) 基于人脸识别的智能广告大数据分析方法及系统
CN111553754A (zh) 行为预测系统的更新方法及装置
CN107895277A (zh) 在应用程序中推送贷款广告的方法、电子装置及介质
US20110218859A1 (en) Method, Apparatus and System for Increasing Website Data Transfer Speed
CN111177559B (zh) 文旅服务推荐方法、装置、电子设备及存储介质
WO2021155691A1 (zh) 用户画像生成方法、装置、存储介质及设备
CN107391582A (zh) 基于上下文本体树计算用户偏好相似度的信息推荐方法
CN112633690B (zh) 服务人员信息分配方法、装置、计算机设备和存储介质
CN113781139B (zh) 物品推荐方法、物品推荐装置、设备和介质
CN108665083A (zh) 一种基于用户画像动态轨迹模型的广告推荐方法及系统
CN108776904A (zh) 一种广告消息的展示方法及其设备
CN113052653A (zh) 一种金融产品内容推荐方法、系统及计算机可读存储介质
CN113469752A (zh) 内容推荐方法、装置、存储介质及电子设备
CN116109355A (zh) 基于偏好数据的广告投放分析方法、系统及存储介质
CN115905688A (zh) 一种基于人工智能和智能家居的参考信息生成方法
CN109034101B (zh) 一对多的动静态广告播放方法
CN114722810A (zh) 一种基于信息抽取和多属性决策的房地产客户画像方法和系统
CN108133296B (zh) 基于活动的社交网络下的一种结合环境数据的活动出席预测方法
CN114841760A (zh) 一种基于受众行为特征分析的广告推荐管理方法及系统

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