CN114596114A - 广告的投放方法及装置、存储介质及计算机系统 - Google Patents

Abstract

本公开涉及计算机技术领域，具体涉及广告的投放方法及装置、存储介质及计算机系统。所述方法包括：确定目标用户以及目标仓库；获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录；根据目标记录预测所述目标用户在所述目标仓库的发货量；确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。通过根据目标记录预测目标用户在目标仓库的发货量，便可得到目标仓库在预测时段内针对目标用户的发货量，通过提前在目标仓库中派发与发货量对应的广告数量，进而实现广告的精准投放。

Description

广告的投放方法及装置、存储介质及计算机系统

技术领域

本公开涉及计算机技术领域，具体涉及广告的投放方法及装置、存储介质及计算机系统。

背景技术

现阶段，网购已作为一种主流的购物方式，随之而来包裹量逐年上升，在包裹上携带广告，不仅可以降低广告投放成本，还可以提高广告投放的精准度。

目前，包裹广告投放的方式为：运营人员筛选出与待投放广告相对应的目标用户群，其中目标用户群的购物喜好与待投放广告的产品类型相匹配；在所有仓库中寻找目标用户群的所有订单包裹进行广告投放。

但是，由于可投放广告的仓库数量很多，在全部仓库中查找目标用户群所有订单包裹的工作量很大，进而无法确定各可投放广告的仓库中配置广告的数量，无法实现广告的精准投放。

发明内容

本公开的目的在于提供一种广告的投放方法、一种广告的投放装置、一种存储介质及一种计算机系统，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的无法确定各可投放广告的仓库中配置广告的数量的情况。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种广告的投放方法，包括：

确定目标用户以及目标仓库；

获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录；

根据目标记录预测所述目标用户在所述目标仓库的发货量；

确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。

在本公开的一种示例性实施例中，所述根据目标记录预测所述目标用户在所述目标仓库的发货量，包括：

筛选所述目标记录，以获取所述目标用户对应的同年历史发货量和/或往年历史同期发货量；

根据所述同年历史发货量和/或所述往年历史同期发货量预测第所述目标用户在所述目标仓库的发货量

在本公开的一种示例性实施例中，确定目标仓库包括：

根据预设仓库类型筛选可投放广告的第一类型仓库；

基于预设投放规则在所述第一类型仓库中筛选第二类型仓库；

基于预设投放时间规则在所述第二类型仓库中筛选所述目标仓库。

在本公开的一种示例性实施例中，所述基于所述广告投放总量在所述目标仓库中投放广告包括：

基于预设发货量规则在所述目标仓库中筛选备选仓库；

按照发货量大小对所述备选仓库进行排序得到仓库序列；

基于预设数量规则在所述仓库序列中确定广告投放仓库；以用于在所述广告投放仓库中投放广告；其中，所述预设数量规则为广告投放仓库的广告量之和大于等于广告投放总量。

在本公开的一种示例性实施例中，所述方法还包括：

基于预设总量标准在所述仓库序列中选定备选广告投放仓库；以用于在所述备选广告投放仓库中投放广告；其中，所述备选广告投放仓库为：所述仓库序列中除所述广告投放仓库外的至少一个仓库。

在本公开的一种示例性实施例中，所述基于预设发货量规则在所述目标仓库中筛选备选仓库包括：

统计各目标仓库的发货量；

计算目标仓库的发货量与广告投放总量的比值，选取比值大于预定比值的目标仓库作为所述备选仓库。

在本公开的一种示例性实施例中，所述基于所述广告投放总量在所述目标仓库中投放广告还包括：

根据地理位置对所述广告投放仓库、所述备选广告投放仓库进行分组，得到目标投放组；

剔除所述备选仓库中的所述广告投放仓库、所述备选广告投放仓库，得到替换仓库；

基于预设距离标准在所述替换仓库中筛选预备仓库；将所述预备仓库替换所述目标投放组中的至少一个仓库；以用于在替换后的目标投放组中投放广告。

根据本公开的第二方面，提供一种广告的投放装置，包括：

确定模块，用于确定目标用户以及目标仓库；

查询模块，用于获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录；

预测模块，用于根据目标记录预测所述目标用户在所述目标仓库的发货量；

投放模块，用于确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。

根据本公开的第三方面，提供一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的广告的投放方法。

根据本公开的第四方面，提供一种计算机系统，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述的广告的投放方法。

本公开的一种实施例所提供的广告的投放方法中，通过获取目标用户的历史购买记录，并从历史购买记录中查询发货地点为目标仓库的目标记录；再根据目标记录预测目标用户在目标仓库的发货量，便可得到目标仓库在预测时段内针对目标用户的发货量，通过提前在目标仓库中派发与发货量对应的广告数量，进而实现广告的精准投放。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示意性示出本公开示例性实施例中一种广告的投放方法的示意图；

图2示意性示出本公开示例性实施例中一种预测发货量的方法示意图；

图3示意性示出本公开示例性实施例中一种获取目标仓库的方法示意图；

图4示意性示出本公开示例性实施例中另一种广告的投放方法的示意图；

图5示意性示出本公开示例性实施例中一种备选仓库的确定方法示意图；

图6示意性示出本公开示例性实施例中又一种广告的投放方法的示意图；

图7示意性示出本公开示例性实施例中一种广告投放装置的示意图；

图8示意性示出本公开示例性实施例中一种计算机系统的组成示意图；

图9示意性示出本公开示例性实施例中一种存储介质的组成示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多中形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种广告的投放方法，可以应用于基于精准用户群进行包裹广告投放的业务。参考图1中所示，上述的广告的投放方法可以包括以下步骤：

S1，确定目标用户以及目标仓库；

S2，获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录；

S3，根据目标记录预测所述目标用户在所述目标仓库的发货量。

S4，确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。

本示例实施方式所提供的广告的投放方法，一方面，通过根据目标记录预测目标用户在目标仓库的发货量，便可得到目标仓库在预测时段内针对目标用户的发货量，通过提前在目标仓库中派发与发货量对应的广告数量，进而实现广告的精准投放。另一方面，可以通过对同年历史发货量和/或往年历史同期发货量的分析，得到结合长、短期数据的预测发货量，进而提高了发货量预测结果的准确性。

本方案提供的广告的投放方法可以应用于以下场景：

举例来说，在未来一个月内需要进行广告投放业务，在本次广告投放业务中，确定母婴产品用户群为广告投放对象，即本方案中的目标用户，为了便于对母婴产品用户群的包裹开展广告投放业务，服务器端可以从后台数据库中获取到母婴产品用户群所中每一个用户购买母婴产品的历史购买记录，之后，服务器端接收仓库管理员发送的仓库信息，并从仓库信息中筛选出在未来一个月内可以投放广告的仓库信息，并将可以投放广告的仓库中的任意一个仓库作为目标仓库；服务器端根据历史购买记录查询发货地点为目标仓库的记录作为本方案的目标记录，将目标记录输入到提前训练好的预测模型中，得到未来一个月内，目标用户在目标仓库中的预测发货量，之后，服务器便可以向广告制作方所使用的终端发送广告标签的制作任务，制作任务中包括：广告的样式、不少于预测发货量的广告数量、广告的类型；广告制作方根据制作任务制作广告标签并将广告标签发送到目标仓库；广告制作方所使用的终端向服务器反馈完成信息，服务器端接收到完成信息后，将广告投放任务下发到目标仓库，目标仓库便可以按照广告投放任务进行针对母婴产品用户群的广告投放业务。

下面，将结合附图及实施例对本示例实施方式中的图像转换方法的各个步骤进行更详细的说明。

步骤S1，确定目标用户以及目标仓库。

本示例实施方式中，上述的方法可以在服务器端实现。服务器端可以通过接收用户通过用户终端输入的目标用户以及目标仓库，上述用户终端可以是智能手机、平板电脑、笔记本电脑等智能设备；服务器端还可以通过查询数据库信息，来得到目标用户以及目标仓库；上述数据库信息可以是由运营人员输入到数据库中的目标用户信息以及目标仓库信息。本方案不对上述服务器端如何获取到目标用户以及目标仓库的方式做限定。

本示例实施方式中，上述目标用户可以是一个用户，也可以是多个用户组成的群体；目标用户可以是一个购买同一类型产品数量较大的用户，例如，某某公司采购部、月购买装饰品的数量超过100件的用户，也可以是具有一个共同的购买特征的用户群体，例如，购买母婴产品的用户群体、购买电子产品的用户群体；本方案不对上述目标用户的类型做限定。

本示例实施方式中，上述目标仓库为可以投放广告的仓库，可以投放广告的仓库可以根据仓库的类型来确定，仓库类型是由仓库的发货品类确定的，例如，当仓库的发货产品为高端美妆，则该仓库类型即为不可投放仓库，需要说明书的是，每一个仓库的类型都是可以变化的，例如，双十一时，可能会将原有的可投放仓库临时调用为高端美妆仓库，此时，原有的可投放仓库在被临时调用后就变成了不可投放仓库；具体的仓库信息可以由运营人员提供，根据运营人员提供的仓库信息来确定该仓库是否可以作为本方案中可以投放广告的目标仓库。

步骤S2，获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录。

本示例实施方式中，上述历史购买记录中包含的信息有购买产品的名称、购买时间、发货地点、购买数量等。

本示例实施方式中，服务器可以在存储中查到所有用户的历史购买记录，之后，根据目标用户的个人信息，在存储中查找与个人信息对应的历史购买记录。例如，个人信息可以是目标用户的昵称、用户ID等。服务器还可以接收由运营人员通过终端发送的目标用户的历史购买记录；具体的，运营人员可以手动从系统中调取目标用户的购买记录，并将购买记录输入至服务器。例如，上述系统可以是购物平台的后台管理系统。

本示例实施方式中，基于步骤S1中获取到的目标仓库，服务器可以通过查询历史购买记录中的发货地点，来确定该发货地点是否为目标仓库，如果该发货地点是目标仓库，便可以将该条历史购买记录作为目标记录；例如，目标仓库为仓库一，用户一在2021年5月15日购买了母婴产品，服务器通过该用户的手机号以及时间查询到用户一购买母婴产品的历史购买记录，并从历史购买记录中获取到母婴产品的发货地点为仓库一；此时，便可以将用户一在2021年5月15日购买了母婴产品的历史购买记录作为目标记录，其中，目标记录中还包含有用户购买母婴产品的数量等信息。

步骤S3，根据目标记录预测所述目标用户在所述目标仓库的发货量。

本示例实施方式中，可以采用三种方式对目标用户在目标仓库中的发货量进行预测：

第一种方式，基于步骤S2中获取到的目标记录的方法，服务器获取到目标用户在预定时间段内同类型产品的购买记录，根据购买记录便可以获取到在预定时间段内购买该类型产品的数量，将数量输入到已经训练好的AR(auto regressive moving averagemodel)自回归滑动平均模型中，输出预测结果，该预测结果即为目标用户在目标仓库的发货量。

例如，在仓库一中，预测目标用户一在之后5天内的针对母婴产品的发货量，服务器可以先获取目标用户一在当前时间点之前14天中每一天购买母婴产品的数量，通过将前13天的数据作为训练AR模型的训练数据，将第14天数据用作训练标记，利用AR模型学习一个权重分配及偏置。在此基础上，基于滑动窗口思想进行不同日期的数据替换，不断更新数据来预测未来5天每一天的产能。

上述AR模型可以采用以下方式进行训练：

设一个离散线性系统，输入u(n)是一个具有零均值与方差为σ的白噪声序列，输出是x(n)，该离散线性系统输出和输入之间的关系可用如下的差分方程来表示：

其系统函数可以采用以下公式来表示：

式中，式中X(Z)为输出信号的Z变换，U(Z)为输入信号的Z变换，以①式表达的信号模型称为ARMA模型或称为自回归滑动平均模型。一旦确定了ARMA(P，M)模型的参数，就可得到其功率谱估计。

如果模型的输入序列{u(n)}与输出序列{a(n)}均能被测量时，则可以用最小二乘法估计其模型参数，具体到本方案中，利用前13天的数据，将第1天的数据作为输入，第2天的数据作为输出；将第2天的数据作为输入，将第3天的数据作为输出；以此类推，将第12天的数据作为输入，第13天的数据作为输出，对该AR模型进行12次训练，将得到的12个模型参数，采用最小二乘法处理上述12个模型参数，得到上述AR模型的最优参数，将最优参数输入到AR模型中，通过以第13天的数据作为输入，将得到的第14天的预测数据与第14天的真实数据比较，以校验AR模型的准确性，服务器可以根据校验结果对AR模型进行优化。

第二种方式，基于步骤S2中获取到的目标记录的方法，服务器获取到目标用户在当前时间点之前14天的历史购买记录、前14天对应去年同时期14天的历史购买记录，以及当前时间点之后30天对应的去年同时期的历史购买记录，根据以上三种历史购买记录，得到历史购买记录每一天的产品购买量，计算当前时间点之前14天的历史购买数据中每一天的购买数据对应去年同时期的每一天的购买数据之间的差值，得到当前时间点之前14天中每一天所对应的同比日均产能增幅数据，采用第一种方式中的AR模型，以14天的产能增幅数据为训练数据，训练得到针对产能增幅的最优参数，将该最优参数输入到AR模型中，便可以基于滑动窗口思想进行不同日期的数据替换，不断更新数据来预测未来30天每一天的同比日均产能增幅数据。上述AR模型的训练方法与第一种方式中AR模型的训练方法相同，此处不再赘述；在此基础上，在预测未来30天长期产能时，将当天的去年同期的实际发货量与当天的预测同比日均产能增幅累加作为当天的长期产能预测结果。此外，在未来30天长期产能预测过程中，某一天的同比日均产能增幅也会根据其历史14天的预测结果不断更新。

第三种方式：针对每一个可投放广告的仓库，在初始训练AR短期预测模型及计算长期产能数据时，将得到的短期产能数据及长期产能数据结合，作为LR(LogisticRegression)逻辑回归算法模型的训练输入，学习一个结合了长、短期产能数据的预测模型，并将之后未来30天预测的长、短期产能数据输入到LR模型做预测，最终输出一个结合了长、短期数据的产能预测结果。上述逻辑回归算法模型属于本领域常规模型，本方案中并未对上述逻辑回归算法模型做出改变。

步骤S4，确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。

本示例实施方式中，上述发货量由步骤S3预测所得，服务器接收到发货量后，生成广告标签的制作任务，并将制作任务下发至广告制作方所使用的终端；其中，制作任务中包括：广告的样式、不少于发货量的广告数量、广告的类型；广告制作方根据制作任务制作广告标签并将广告标签发送到目标仓库；广告制作方所使用的终端向服务器反馈完成信息，服务器端接收到完成信息后，将广告投放任务下发到目标仓库，目标仓库便可以按照广告投放任务针对目标用户群进行广告投放业务。

本公开的一种实施例所提供的广告的投放方法中，一方面，通过获取目标用户的历史购买记录，并从历史购买记录中查询发货地点为目标仓库的目标记录；再根据目标记录预测目标用户在目标仓库的发货量，便可得到目标仓库在预测时段内针对目标用户的发货量，通过提前在目标仓库中派发与发货量对应的广告数量，进而实现广告的精准投放。另一方面，本方案通过提前预测目标仓库的发货量，根据发货量便可以提前安排或制作广告，例如，可以提前安排制作DM单、小型赠品、定制包装箱等等广告，再将制作好的广告提前运输至目标仓库中，以实现投放更多形式的广告产品。可见，本方案可以解决现有技术中，无法支持上述多种类型的广告产品投放，只支持投放面贴这一类不需准备前置耗材的即时性广告产品的问题。

本示例实施方式中，请参见图2，步骤S3根据目标记录预测所述目标用户在所述目标仓库的发货量，包括：

步骤31，筛选所述目标记录，以获取所述目标用户对应的同年历史发货量和/或往年历史同期发货量。

其中，同年历史发货量为与预测时段同一年的历史数据，例如，当前时间点前一个月的历史发货量、当前时间点前14天的历史发货量；往年历史同期发货量可以是当前时间点前一年的同期发货量，例如，与当前时间点前14天对应的去年14天的发货量、与当前时间点之后一个月对应的去年同时期一个月的发货量。

举例说明，当前时间点为2020年5月1日；需要预测2020年5月1日到2020年5月30日中每一天的发货量，则获取的同年历史发货量可以是2020年4月15日到2020年4月30日中每一天的发货量数据；获取的往年历史同期发货量可以是2019年4月15日到20219年4月30日中每一天的发货量数据，以及2019年5月1日到2019年5月30日中每一天的发货量。

步骤32，根据所述同年历史发货量和/或所述往年历史同期发货量预测第所述目标用户在所述目标仓库的发货量。

其中，上述往年历史同期发货量可以是目标用户上一年在所述目标仓库的发货量，或者，也可以是以往任意一年在所述目标仓库的发货量。

上述基于同年历史发货量预测的发货量的方法对应于步骤S3中的第一种方式，即根据同年历史发货量预测第一发货量，此处的第一发货量为基于AR模型预测的短期发货量预测结果。

上述基于往年历史同期发货量预测用户发货量的方法对应于步骤S3中的第二种方式，即所述往年历史同期发货量预测第二发货量，此处的第二发货量为基于长期发货量预测结果。

上述基于同年历史发货量和所述往年历史同期发货量预测用户发货量的方法对应于步骤S3中的第三种方式，即组合短期发货量预测结果与长期发货量预测结果作为逻辑回归算法模型的训练数据，利用训练好的逻辑回归算法模型对目标仓库的发货量进行组合预测得到预测结果。

本示例实施方式中，请参见图3，步骤确定目标仓库包括：包括步骤S101-步骤S103。

步骤S101，根据预设仓库类型筛选可投放广告的第一类型仓库。

上述第一类型仓库为可以投放广告的仓库，例如，利用仓库类型来进行筛选，可投放的仓库类型共14种，包括：B商超、综合品类仓、百货A、百货B、3CA、3CB、商超A、商超B、本地仓、小电仓、图书仓、FDC仓、服装仓、综合仓；除上述14种类型的仓库外，其余仓库不允许投放广告，例如，高端美妆仓库等。

步骤S102，基于预设投放规则在所述第一类型仓库中筛选第二类型仓库。

具体的，当仓库类型为可投放广告的仓库类型时，会有一些特殊情况导致即使仓库类型为可投放仓库，但是其无法进行广告投放，例如，仓库类型为图书仓，但是该图书仓是新开设的仓库，由于仓内执行人员对于广告投放的业务流程还不了解，所以会暂时无法执行广告投放业务。

步骤S103，基于预设投放时间规则在所述第二类型仓库中筛选所述目标仓库。

具体的，根据步骤S101的类型筛选以及步骤S102的剔除，留下的仓库均为可以投放广告的仓库，之后，还需要确定在这些仓库中预计投放广告的时段内是否存在被占用的情况。以获取某些仓库在某些时间周期内不可投放的信息。

例如，需要预测仓库一在10月1日到10月30日的发货量，仓库一仓库类型为服装仓，符合仓库类型的要求，仓库一并非新开仓库，但是由于双十一发货压力大，则将该仓库在10月1日到10月30日之间临时调整为高端美妆仓库，则仓库一在10月1日到10月30日之间便不属于可投放广告的仓库。

本示例实施方式中，请参见图4，步骤所述基于所述广告投放总量在所述目标仓库中投放广告包括：步骤S401-步骤S403。

步骤S401，基于预设发货量规则在所述目标仓库中筛选备选仓库；

具体的，当存在发货量较小的目标仓库时，相对应的其广告使用量也较小，如果将其纳入投放广告的仓库中后，则需要将较少的广告标签运输到该目标仓库中，如果这样做便会提高广告标签的运输成本，为了降低运输成本，服务器可以筛选发货量符合预设发货量规则的仓库作为备选仓库，例如，可以采用如下设置：投放周期内(即本方案中预测目标仓库发货量的时间段)，目标用户群在目标仓库中的发货量不得低于广告投放量总量的20％。为了避免广告标签的浪费，在本方案中还可以设置另一限定条件，即目标用户群在最终选定的所有目标仓库中的发货量之和大于广告投放总量的130％。上述广告投放量总量为：投放周期内各个目标仓库中的预测的发货量之和。

步骤S402，按照发货量大小对所述备选仓库进行排序得到仓库序列。

具体的，步骤S401中获得到发货量不小于广告投放总量20％的备选仓库，统计在投放周期内，每个备选仓库对应的发货量之和，并依照此数据对所有备选仓库进行升序排序。例如，投放周期为5月1日到5月30日，备选仓库为：仓库一，目标用户预测的发货量为：5月1日5件、5月10日10件、5月15日10件、5月25日10件，则仓库一针对目标用户在投放周期内的发货量为35件。

具体的，按照发货量大小对备选仓库进行排序，服务器可以按照发货量从大到小的顺序对备选仓库进行排序，也可以按照从小到大的顺序对备选仓库进行排序。因此，对应到仓库序列中，仓库序列中的备选仓库的顺序可能是按照从大到校的顺序排列的，也可能是按照从小到大的顺序排列的。

步骤S403，基于预设数量规则在所述仓库序列中确定广告投放仓库；以用于在所述广告投放仓库中投放广告；其中，所述预设数量规则为广告投放仓库的广告量之和大于等于广告投放总量。

具体的，从仓库序列中选取n个备选仓库，依次累加n个备选仓库的发货量，直至广告投放仓库的广告量之和大于等于广告投放总量，将n个备选仓库作为广告投放仓库，为了提高仓库产能利用率，可以从投放周期内总发货量最小的备选仓库开始进行选择，所选仓库的数量越多，则仓库产能的利用率就越高。其中，仓库利用率为：以当前所选的n个备选仓库作为广告投放仓库，当前广告投放仓库的总发货量作为基准产能，得到以下公式：

本示例实施方式中，广告的投放方法还包括：

步骤S404，基于预设总量标准在所述仓库序列中选定备选广告投放仓库；以用于在所述备选广告投放仓库中投放广告；其中，所述备选广告投放仓库为：所述仓库序列中除所述广告投放仓库外的至少一个仓库。

具体的，设置备选广告投放仓库，并同时在广告投放仓库以及备选广告投放仓库中投放广告，可以提高广告投放总量。本方案采用的广告投放总量是基于目标仓库的发货量之统计出来的，但是目标仓库的发货量是经过预测得到的，因此，为了避免预测结果偏大，本方案中引入备选广告投放仓库，以使得备选广告投放仓库的发货量与广告投放仓库的发货量之和，不低于广告投放总量的130％。当然，上述比例，用户可以在实际设置过程中自行设定，例如，其可以设置为135％、145％等等，本方案不对上述比例做具体限定。

本示例实施方式中，请参见图5，步骤S401所述基于预设发货量规则在所述目标仓库中筛选备选仓库包括：

步骤S4011，统计各目标仓库的发货量；

步骤S4012，计算目标仓库的发货量与广告投放总量的比值，选取比值大于预定比值的目标仓库作为所述备选仓库。

具体的，投放周期内(即本方案中预测目标仓库发货量的时间段)，目标用户群在目标仓库中的发货量不得低于广告投放量总量的20％，当然，也可以设置为不得低于广告投放量总量的10％，本方案不对上述比例做具体限定。

本示例实施方式中，请参见图6，步骤所述基于所述广告投放总量在所述目标仓库中投放广告还包括：步骤S405-步骤S407。

步骤S405，根据地理位置对所述广告投放仓库、所述备选广告投放仓库进行分组，得到目标投放组；

具体的，服务器可以预先获取到广告投放仓库的地理位置、所述备选广告投放仓库进行分组的地理位置，在根据地理位置对上述仓库进行分组，可以根据仓库所在城市对仓库进行分组。例如，西安的仓库、太原的仓库等，也可以是根据仓库的地理位置制定对应于广告投放仓库、备选广告投放仓库的地理分布图，以预定半径在地理分布图上画圆，将每一个圆内的仓库作为一个目标投放组；还可以是在基于城市分组后，在每一个城市中基于仓库的位置进行分组，例如，太原的仓库可以分为小店区的仓库、迎泽区的仓库等。本方案不限定上述分组的方式。

步骤S406，剔除所述备选仓库中的所述广告投放仓库、所述备选广告投放仓库，得到替换仓库；

具体的，替换仓库属于备选仓库中，除了广告投放仓库以及备选广告投放仓库之外的仓库，可以将替换仓库组合形成替换仓库序列，在替换仓库序列中，按照替换仓库的发货量由大到小或者由小到大进行排列，以便于服务器选择，服务器按照替换仓库的发货量由大到小选择仓库，可以减小由于替换仓库对总发货量的影响。

例如，目前存在5个目标投放组，5个目标投放组中仓库的总的发货量为1千，替换仓库中，具有最大发货量仓库的发货量为100，第一个目标投放组中仓库排序后的结果为{仓库一：80、仓库二：76、仓库三：56}，如果具有最大发货量仓库符合替换标准，则可以替换第一个目标投放组中的任意一个仓库，加入替换仓库一，则替换后的5个目标投放组中仓库的总的发货量为1020。可见，采用上述设置，可以最大限度的减小仓库替换过程中，对所有目标投放组的总发货量的影响。

步骤S407，基于预设距离标准在所述替换仓库中筛选预备仓库；将所述预备仓库替换所述目标投放组中的至少一个仓库；以用于在替换后的目标投放组中投放广告。

具体的，以基于城市进行分组得到目标投放组为例，首先，根据仓库所在城市对仓库进行分组，接着根据城市内的不同行政区对仓库进行二次分组；以某市的第一行政区域为例，在备选仓库中获取属于第一行政区域的全部仓库，从中剔除属于目标投放组中的仓库，在剩余仓库中，选取发货量最大的第一仓库替换掉第一行政区域对应的目标投放组中的一个仓库，在满足总发货量扩增150％以内的基础上，可以删除某市第二行政区域中的一个发货量小于第一仓库的仓库，以此类推，便可以逐步的将第二行政区域中的目标投放组逐步删除，将第二行政区域中的目标投放组删除完成后，便可以减少一个目标投放组，而此时，所有目标投放组的总的发货量未受影响；可见，采用本方案可以减少目标投放组的数量，进而降低广告投放产品耗材的运输成本。

需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

进一步的，请参见图7，在本示例性实施例中还提供了一种广告的投放装置70，包括：

确定模块710，用于确定目标用户以及目标仓库；

查询模块720，用于获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录；

预测模块730，用于根据目标记录预测所述目标用户在所述目标仓库的发货量；

投放模块740，用于确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。

本示例实施方式中，所述预测模块，包括：

筛选模块，用于筛选所述目标记录，以获取所述目标用户对应的同年历史发货量和/或往年历史同期发货量；

预测子模块，用于根据所述同年历史发货量和/或所述往年历史同期发货量预测第所述目标用户在所述目标仓库的发货量。

本示例实施方式中，确定模块包括：

第一筛选子模块，用于根据预设仓库类型筛选可投放广告的第一类型仓库；

第二筛选子模块，用于基于预设投放规则在所述第一类型仓库中筛选第二类型仓库；

第三筛选子模块，用于基于预设投放时间规则在所述第二类型仓库中筛选所述目标仓库。

本示例实施方式中，所述投放模块包括：

第四筛选子模块，用于基于预设发货量规则在所述目标仓库中筛选备选仓库；

排序子模块，用于按照发货量大小对所述备选仓库进行排序得到仓库序列；

确定子模块，用于基于预设数量规则在所述仓库序列中确定广告投放仓库；以用于在所述广告投放仓库中投放广告；其中，所述预设数量规则为广告投放仓库的广告量之和大于等于广告投放总量。

本示例实施方式中，广告投放的装置还包括：

选定子模块，用于基于预设总量标准在所述仓库序列中选定备选广告投放仓库；以用于在所述备选广告投放仓库中投放广告；其中，所述备选广告投放仓库为：所述仓库序列中除所述广告投放仓库外的至少一个仓库。

本示例实施方式中，所述第四筛选子模块包括：

统计子模块，用于统计各目标仓库的发货量；

计算子模块，用于计算目标仓库的发货量与广告投放总量的比值，选取比值大于预定比值的目标仓库作为所述备选仓库。

本示例实施方式中，所述投放模块还包括：

分组子模块，用于根据地理位置对所述广告投放仓库、所述备选广告投放仓库进行分组，得到目标投放组；

剔除子模块，用于剔除所述备选仓库中的所述广告投放仓库、所述备选广告投放仓库，得到替换仓库；

替换子模块，用于基于预设距离标准在所述替换仓库中筛选预备仓库；将所述预备仓库替换所述目标投放组中的至少一个仓库；以用于在替换后的目标投放组中投放广告。

上述的广告投放的装置中各模块的具体细节已经在对应的广告的投放方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这中划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的计算机系统。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本发明的这中实施方式的计算机系统800。图8显示的计算机系统800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，计算机系统800以通用计算设备的形式表现。计算机系统800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各中示例性实施方式的步骤。例如，所述处理单元810可以执行如图1中所示的S1，确定目标用户以及目标仓库；S2，获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录；S3，根据目标记录预测所述目标用户在所述目标仓库的发货量。S4，确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某中组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多中总线结构中的任意总线结构的局域总线。

计算机系统800也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该计算机系统800交互的设备通信，和/或与使得该计算机系统800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这中通信可以通过输入/输出(I/O)接口850进行。还可以通过输入/输出(I/O)接口850连接显示单元840。并且，计算机系统800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与计算机系统800的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各中示例性实施方式的步骤。

参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这中传播的数据信号可以采用多中形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多中程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意中类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各中修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种广告的投放方法，其特征在于，包括：

确定目标用户以及目标仓库；

获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录；

根据目标记录预测所述目标用户在所述目标仓库的发货量；

确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。

2.根据权利要求1所述的广告的投放方法，其特征在于，所述根据目标记录预测所述目标用户在所述目标仓库的发货量，包括：

筛选所述目标记录，以获取所述目标用户对应的同年历史发货量和/或往年历史同期发货量；

根据所述同年历史发货量和/或所述往年历史同期发货量预测第所述目标用户在所述目标仓库的发货量。

3.根据权利要求1所述的广告的投放方法，其特征在于，确定目标仓库包括：

根据预设仓库类型筛选可投放广告的第一类型仓库；

基于预设投放规则在所述第一类型仓库中筛选第二类型仓库；

基于预设投放时间规则在所述第二类型仓库中筛选所述目标仓库。

4.根据权利要求1所述的广告的投放方法，其特征在于，所述基于所述广告投放总量在所述目标仓库中投放广告包括：

基于预设发货量规则在所述目标仓库中筛选备选仓库；

按照发货量大小对所述备选仓库进行排序得到仓库序列；

基于预设数量规则在所述仓库序列中确定广告投放仓库；以用于在所述广告投放仓库中投放广告；其中，所述预设数量规则为广告投放仓库的广告量之和大于等于广告投放总量。

5.根据权利要求4所述的广告的投放方法，其特征在于，所述方法还包括：

基于预设总量标准在所述仓库序列中选定备选广告投放仓库；以用于在所述备选广告投放仓库中投放广告；其中，所述备选广告投放仓库为：所述仓库序列中除所述广告投放仓库外的至少一个仓库。

6.根据权利要求4所述的广告的投放方法，其特征在于，所述基于预设发货量规则在所述目标仓库中筛选备选仓库包括：

统计各目标仓库的发货量；

计算目标仓库的发货量与广告投放总量的比值，选取比值大于预定比值的目标仓库作为所述备选仓库。

7.根据权利要求5所述的广告的投放方法，其特征在于，所述基于所述广告投放总量在所述目标仓库中投放广告还包括：

根据地理位置对所述广告投放仓库、所述备选广告投放仓库进行分组，得到目标投放组；

剔除所述备选仓库中的所述广告投放仓库、所述备选广告投放仓库，得到替换仓库；

基于预设距离标准在所述替换仓库中筛选预备仓库；将所述预备仓库替换所述目标投放组中的至少一个仓库；以用于在替换后的目标投放组中投放广告。

8.一种广告的投放装置，其特征在于，包括：

确定模块，用于确定目标用户以及目标仓库；

查询模块，用于获取所述目标用户的历史购买记录，根据所述历史购买记录查询发货地点为目标仓库的目标记录；

预测模块，用于根据目标记录预测所述目标用户在所述目标仓库的发货量；

投放模块，用于确定与所述发货量对应的广告投放总量，并基于所述广告投放总量在所述目标仓库中投放广告。

9.一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1至7中任一项所述的广告的投放方法。

10.一种计算机系统，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的广告的投放方法。

Images