CN115392981A - 一种广告投放方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种广告投放方法、装置、计算机设备及存储介质，本方案获取待推荐用户的至少一个特征维度的用户特征数据；将各个特征维度的用户特征数据转换成用户特征字符；通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过神经网络模型，对待识别特征字符进行业务办理概率预测，得到待推荐用户办理银行业务的概率；根据银行系统中的各个银行业务的概率从银行系统中选取至少一个待推荐业务，将待推荐业务的广告投放至待推荐用户面对的广告位，从而提高了广告投放的效率。

Description

一种广告投放方法、装置、计算机设备及存储介质

技术领域

本申请涉及广告投放技术领域，具体涉及一种广告投放方法、装置、计算机设备及存储介质。

背景技术

随着社会的发展，银行中存在各种金融业务，通常银行通过将金融业务的广告向广告位投放，以促使用户方便查看该金融业务，进而办理该金融业务。

而虽然将部分金融业务的广告进行了投放，但是一般很多用户在看到金融业务的广告均时，因其并没有该金融业务的办理需求，所以不会理会该广告，从而致使广告投放的效率较低。

发明内容

本申请实施例提供一种广告投放方法、装置、计算机设备及存储介质，可以提高了广告投放的效率。

本申请实施例提供了一种广告投放方法，包括：

获取待推荐用户的至少一个特征维度的用户特征数据，上述特征数据包括属性特征数据和行为特征数据；

将各个特征维度的用户特征数据转换成用户特征字符，上述用户特征字符用于指示上述用户特征数据的属性；

通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；

从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过上述神经网络模型，对上述待识别特征字符进行业务办理概率预测，得到上述待推荐用户办理银行业务的概率；

根据上述银行系统中的各个银行业务的概率从上述银行系统中选取至少一个待推荐业务，将上述待推荐业务的广告投放至上述待推荐用户面对的广告位。

相应的，本申请实施例还提供了一种广告投放装置，包括：

获取模块，用于获取待推荐用户的至少一个特征维度的用户特征数据，上述特征数据包括属性特征数据和行为特征数据；

转换模块，用于将各个特征维度的用户特征数据转换成用户特征字符，上述用户特征字符用于指示上述用户特征数据的属性；

识别模块，用于通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；

预测模块，用于从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过上述神经网络模型，对上述待识别特征字符进行业务办理概率预测，得到上述待推荐用户办理银行业务的概率；

投放模块，用于根据上述银行系统中的各个银行业务的概率从上述银行系统中选取至少一个待推荐业务，将上述待推荐业务的广告投放至上述待推荐用户面对的广告位。

在一些实施例中，上述广告投放装置还包括配置模块和训练模块；

上述获取模块，还用于获取上述银行系统中的历史银行业务对应的历史潜在用户，其中，上述历史潜在用户为上述银行系统中办理上述历史银行业务的意愿度大于预设阈值的用户；

上述配置模块，用于获取上述历史潜在用户的历史属性特征数据和历史行为特征数据，将上述历史属性特征数据和上述历史行为特征数组成训练样本，并为上述训练样本配置标签，上述标签用于指示上述历史潜在用户是否办理上述历史银行业务；

上述训练模块，用于通过上述训练样本构建上述神经网络模型，并通过上述训练样本对上述神经网络模型进行训练。

在一些实施例中，上述广告投放装置还包括提取模块；

上述获取模块，还用于获取上述银行系统中的各个用户的至少一个维度的行为数据；

上述提取模块，用于通过预设的潜客特征模型对各个维度的行为数据进行特征提取，得到各个维度的行为特征；

上述预测模块，还用于通过上述潜客特征模型，对各个维度的行为特征进行意愿度预测，得到上述用户办理上述银行业务的意愿度。

在一些实施例中，上述广告投放装置还包括处理模块；

上述获取模块，还用于获取上述待推荐用户的标识；

上述处理模块，用于以上述标识为主键，将各个特征维度的用户特征字符串联处理，得到上述待推荐用户的特征字符串；

相应地，识别模块，还用于通过预设的神经网络模型，对上述特征字符串中的各个字符进行影响程度识别。

在一些实施例中，上述属性特征数据包括上述待推荐用户浏览上述银行系统的浏览次数和浏览时间，上述转换模块具体用于

根据上述浏览次数和上述浏览时间确定上述待推荐用户在上述银行系统中的用户生命周期；

确定上述周期范围对应的用户等级，将上述用户等级确定为上述用户特征字符。

在一些实施例中，上述属性特征数据包括用户性别和预设时间内用户在上述银行系统中的消费金额，上述转换模块具体用于

确定上述用户性别对应的各个消费分区，并从各个消费分区中选取出消费范围包含上述消费金额的待处理消费分区；

将上述待处理消费分区对应的分区等级确定为上述用户特征字符。

在一些实施例中，上述投放模块具体用于

获取上述待推荐用户面对各个历史业务广告时的历史信息，上述历史信息中包括上述历史业务广告的广告布局和上述待推荐用户的浏览时长；

根据上述浏览时长从各个历史业务广告中选取出浏览时长最长的待处理历史业务广告；

根据上述待处理历史业务广告的广告布局将上述待推荐业务的广告投放至上述待推荐用户面对的广告位。

相应的，本申请实施例还提供了一种计算机设备，包括存储器，处理器及存储在储存器上并可在处理器上运行的计算机程序，其中，处理器执行本申请实施例任一提供的广告投放方法。

相应的，本申请实施例还提供了一种存储介质，存储介质存储有多条指令，指令适于处理器进行加载，以执行如上的广告投放方法。

本申请实施例获取待推荐用户的至少一个特征维度的用户特征数据，上述特征数据包括属性特征数据和行为特征数据；将各个特征维度的用户特征数据转换成用户特征字符，上述用户特征字符用于指示上述用户特征数据的属性；通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过上述神经网络模型，对上述待识别特征字符进行业务办理概率预测，得到上述待推荐用户办理银行业务的概率；根据上述银行系统中的各个银行业务的概率从上述银行系统中选取至少一个待推荐业务，将上述待推荐业务的广告投放至上述待推荐用户面对的广告位，从而基于用户办理银行业务的概率向待推荐用户面对的广告位投放待推荐业务的广告，以提高广告投放的效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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为本申请实施例提供的一种广告投放方法的流程示意图。

图2为本申请实施例提供的一种广告投放装置的结构框图。

图3为本申请实施例提供的计算机设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供一种广告投放方法、装置、存储介质及计算机设备。具体地，本申请实施例的广告投放方法可以由计算机设备执行，其中，该计算机设备可以为服务器，也可以为终端等设备。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、台式计算机、笔记本电脑、平板电脑等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

例如，该计算机设备可以是终端，该终端可以获取待推荐用户的至少一个特征维度的用户特征数据，特征数据包括属性特征数据和行为特征数据；将各个特征维度的用户特征数据转换成用户特征字符，用户特征字符用于指示用户特征数据的属性；通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过神经网络模型，对待识别特征字符进行业务办理概率预测，得到待推荐用户办理银行业务的概率；根据银行系统中的各个银行业务的概率从银行系统中选取至少一个待推荐业务，将待推荐业务的广告投放至待推荐用户面对的广告位。

基于上述问题，本申请实施例提供第一种广告投放方法、装置、计算机设备及存储介质，可以提高了广告投放的效率。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本申请实施例提供一种广告投放方法，该方法可以由终端或服务器执行，本申请实施例以广告投放方法由终端执行为例来进行说明。

请参阅图1，图1为本申请实施例提供的一种广告投放方法的流程示意图。该广告投放方法的具体流程可以如下：

101、获取待推荐用户的至少一个特征维度的用户特征数据，特征数据包括属性特征数据和行为特征数据。

其中，上述待推荐用户为当前通过终端设备与银行系统建立连接的用户，该用户可以处于登录状态或游客状态。

其中，上述用户特征数据为用户的在银行系统中的相关特征数据，为影响用户办理银行业务的重要因子，可以包括属性特征数据和行为特征数据。

其中，上述属性特征数据包括但不限于是离线类型的属性特征数据和连续类型的属性特征数据，该离线类型的属性特征数据为只有两种结果的特征，例如，属性特征数据为用户性别，那么该结果有男或女；该连续类型的属性特征数据为不同的客户存在不同的结果的特征，例如，预设时间内用户在银行系统中的消费金额。

其中，上述行为特征数据为用户在银行系统中的消费行为，例如用户在银行系统中产生消费的银行业务。

在本实施例中，通过获取待推荐用户的用户特征数据，以便于后期准确向待推荐用户针对性推荐待推荐用户所需的银行业务广告。

102、将各个特征维度的用户特征数据转换成用户特征字符，用户特征字符用于指示用户特征数据的属性。

在本实施例中，为便于数据处理，终端可将用户特征数据转换成用户特征字符，以提高数据处理的效率和准确性。其中，上述用户特征字符用户指示用户特征数据的属性。

示例性地，若当前将用户属性特征数据转换成用户特征字符，则该字符用户指示用户属性特征数据中的用户属性。

具体地，若当前属性特征数据为离线类型的属性特征数据，可以为属性特征数据的不同结果配置不同字符，例如配置用户特征字符“0”或“1”，若当前用户属性特征数据中的用户性别为女，则配置用户特征字符为“0”；若当前用户属性特征数据中的用户性别为男，则配置用户特征字符为“1”。

具体地，若当前属性特征数据为连续类型的属性特征数据，可以为属性特征数据的不同结果配置对应字符，例如，若预设时间内用户在银行系统中的消费金额为134，则配置用户特征字符为“134”。

在一些实施例中，可以将各个特征维度的用户特征数据进一步进行处理，以便于得到对用户办理银行业务的影响较大的特征因子，再将该特征因子转换成对应的用户特征字符。

具体地，终端可以根据属性特征数据确定用户生命周期特征，该用户生命周期特征为用户在银行系统中的生命周期，例如可以在银行系统中设定用户生命周期可以为引入期、稳定期和衰退期，通过根据属性特征数据确定待推荐用户的生命周期是哪一种时期。

示例性地，上述属性特征数据可以包括待推荐用户浏览银行系统的浏览次数和浏览时间，上述将各个特征维度的用户特征数据转换成用户特征字符，可以包括：根据浏览次数和浏览时间确定待推荐用户在银行系统中的用户生命周期，例如，对不同时期的生命周期对应的浏览次数和浏览时间是不同的，通过持续获取待推荐用户的浏览次数和浏览时间，得到待推荐用户在历史时间中的浏览次数变化和浏览时间变化，从而根据浏览次数变化和浏览时间变化确定待推荐用户在银行系统中的用户生命周期。

当确定出用户生命周期之后，确定周期范围对应的用户等级，将用户等级确定为用户特征字符。例如，可以预先对不同时期的生命周期配置不同的用户等级，设定引入期对应用户等级为低、设定稳定期对应用户等级为高，设定衰退期对应用户等级为中，从而将用户等级确定为用户特征字符，即引入期对应的用户特征字符为“低”、稳定期对应的用户特征字符为“高”，衰退期对应的用户特征字符为“中”。

具体地，终端可以根据属性特征数据确定用户交叉特征，该用户交叉特征为用户至少两种属性特征数据交叉分析得出的特征。

示例性地，由于不同性别的用户在银行系统中的消费金额不同，对应的消费能力不同，所以可对用户性别和消费金额交叉考虑，来确定用户的消费能力特征。具体地，上述属性特征数据可以包括用户性别和预设时间内用户在银行系统中的消费金额，上述将各个特征维度的用户特征数据转换成用户特征字符，可以包括：确定用户性别对应的各个消费分区，并从各个消费分区中选取出消费范围包含消费金额的待处理消费分区；将待处理消费分区对应的分区等级确定为用户特征字符。

在一些实施例中，可以仅对属性特征数据和行为特征数据中的至少一种转换成用户特征字符。还可预先构造特征表，从而将属性特征数据和行为特征数据分别对应的用户特征字符填充至特征表的对应位置。

103、通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度。

其中，银行业务为银行系统中有营销广告的业务，例如消金业务线中的白领贷业务、汽融业务线中的车主贷业务等。

其中，上述影响程度为影响用户办理该银行业务的程度，例如用户特征字符用户指示用户特征数据中的车辆特征的属性，该属性可以为有车或无车，若当前银行业务为车主贷业务，则该用户特征字符对车主贷业务的影响程度会很大。

在本实施例中，由于银行系统中存在至少一种银行业务，而用户不同的用户特征字符对不同银行业务的影响程度不同，所以当存在一种银行业务时，通过本实施例中的步骤，可以得到各个用户特征字符对银行系统中的银行业务的影响程度；当存在两种及两种以上的银行业务时，通过本实施例中的步骤，可以得到各个用户特征字符分别对银行系统中的两种及两种以上的影响程度。例如，可以得到用户特征字符A对第一银行业务的影响程度，以及用户特征字符A对第二银行业务的影响程度。

在一些实施例中，在通过预设的神经网络模型，对各个用户特征字符进行影响程度识别之前，还需构建神经网络模型，并对神经网络模型进行训练，具体可以包括：

获取银行系统中的历史银行业务对应的历史潜在用户，其中，历史潜在用户为银行系统中办理历史银行业务的意愿度大于预设阈值的用户；获取历史潜在用户的历史属性特征数据和历史行为特征数据，将历史属性特征数据和历史行为特征数组成训练样本，并为训练样本配置标签，标签用于指示历史潜在用户是否办理历史银行业务；通过训练样本构建神经网络模型，并通过训练样本对神经网络模型进行训练。

在本实施例中，上述历史银行业务为至少一种，上述历史潜在客户为历史时期中至少一个预设时刻对应的用户，通过获取该历史潜在用户在预设时刻之前的历史属性特征数据和历史行为特征数据作为训练样本，并根据预设时刻之后该历史潜在用户是否办理历史银行业务的办理结果，为该训练样本配置标签，从而通过对模型进行训练，致使模型包含特定规则。其中，上述预设时刻可以为向历史潜在客户投放某一业务广告的时刻。

例如，若银行业务为白领贷业务，则训练样本为白领贷业务对应的历史潜在用户，通过从银行系统选取办理白领贷业务的意愿度大于预设阈值的用户，作为白领贷业务对应的历史潜在用户。

具体地，可采用Xgboost算法来构建模型。并且在模型训练的过程中，可通过学习率和树的深度对模型参数进行调优处理。

在一些实施例中，由于仅通过历史数据组成训练样本，可能存在正负样本数据不平衡的现象，在本实施例中可对模型的训练样本进行正负样本数据不平衡处理，以促使模型的正负样本数据均衡。其中，上述正负样本为办理历史银行业务的样本和未办理历史银行业务的样本。

在一些实施例中，在获取银行系统中的历史银行业务对应的历史潜在用户之前，还需确定出银行系统中的各个用户的意愿度，从而从各个用户中确定出历史潜在用户，具体可以包括：获取银行系统中的各个用户的至少一个维度的行为数据；通过预设的潜客特征模型对各个维度的行为数据进行特征提取，得到各个维度的行为特征；通过潜客特征模型，对各个维度的行为特征进行意愿度预测，得到用户办理银行业务的意愿度。

其中，上述行为数据为用户在银行系统中的各种操作产生的数据，例如银行系统中的入金行为、破冰行为、信用卡激活行为、提款行为等。

在一些实施例中，为便于神经网络模型进行处理，在通过预设的神经网络模型，对各个用户特征字符进行影响程度识别之前，还可以对各个特征维度的用户特征字符进行处理，具体可以包括：获取待推荐用户的标识，该标识用于在银行系统中标识用户的唯一信息，每个用户分别对应不同的标识。在得到标识之后，终端可以以标识为主键，将各个特征维度的用户特征字符串联处理，得到待推荐用户的特征字符串。

相应地，上述通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，可以包括：通过预设的神经网络模型，对特征字符串中的各个字符进行影响程度识别。

在一些实施例中，可将待推荐用户的属性特征数据用该特征字符串进行表示，并在特征表中用户属性特征数据所处位置直接显示该特征字符串，而该特征字符串的相对位置可以用于显示行为特征数据。

104、从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过神经网络模型，对待识别特征字符进行业务办理概率预测，得到待推荐用户办理银行业务的概率。

在本实施例中，为提高神经网络模型进行业务办理概率预测时的预测准确率，可从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，从而依据选取的字符进行概率预测。其中，上述预设数量可以根据需求进行设定，例如175。

可以理解的是，当存在一种银行业务时，通过本实施例中的步骤，可以得到单一银行业务对应的影响程度最大的一定数量的待识别特征字符；当存在两种及两种以上的银行业务时，通过本实施例中的步骤，可以得到两种及两种以上的银行业务分别对应的影响程度最大的一定数量的待识别特征字符。

105、根据银行系统中的各个银行业务的概率从银行系统中选取至少一个待推荐业务，将待推荐业务的广告投放至待推荐用户面对的广告位。

在本实施例中，在通过各个银行业务分别对应的影响程度最大的一定数量的待识别特征字符，得到各个银行业务的概率之后，可以确定当前待推荐用户面对的广告位的数量，根据该广告位的数量，从各个银行业务中选取概率最大的对应数量的带推荐业务，从而将待推荐业务的广告投放至待推荐用户面对的广告位，以提升用户在面对银行业务广告时办理对应业务的概率，提高银行业务的业务价值。

在一些实施例中，为提升待推荐用户办理银行业务的概率，提高广告投放的效率，在本实施例中，将待推荐业务的广告投放至待推荐用户面对的广告位，可以包括：获取待推荐用户面对各个历史业务广告时的历史信息，历史信息中包括历史业务广告的广告布局和待推荐用户的浏览时长；根据浏览时长从各个历史业务广告中选取出浏览时长最长的待处理历史业务广告；根据待处理历史业务广告的广告布局将待推荐业务的广告投放至待推荐用户面对的广告位，从而通过待推荐用户较为接受的广告布局为待推荐用户投放广告。

本申请实施例公开了一种广告投放方法，该方法包括：获取待推荐用户的至少一个特征维度的用户特征数据，特征数据包括属性特征数据和行为特征数据；将各个特征维度的用户特征数据转换成用户特征字符，用户特征字符用于指示用户特征数据的属性；通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过神经网络模型，对待识别特征字符进行业务办理概率预测，得到待推荐用户办理银行业务的概率；根据银行系统中的各个银行业务的概率从银行系统中选取至少一个待推荐业务，将待推荐业务的广告投放至待推荐用户面对的广告位，以此，可以提高了广告投放的效率。

为便于更好的实施本申请实施例提供的广告投放方法，本申请实施例还提供一种基于上述广告投放方法的广告投放装置。其中名词的含义与上述广告投放方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图2，图2为本申请实施例提供的一种广告投放装置的结构框图，该装置包括：

获取模块201，用于获取待推荐用户的至少一个特征维度的用户特征数据，上述特征数据包括属性特征数据和行为特征数据；

转换模块202，用于将各个特征维度的用户特征数据转换成用户特征字符，上述用户特征字符用于指示上述用户特征数据的属性；

识别模块203，用于通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；

预测模块204，用于从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过上述神经网络模型，对上述待识别特征字符进行业务办理概率预测，得到上述待推荐用户办理银行业务的概率；

投放模块205，用于根据上述银行系统中的各个银行业务的概率从上述银行系统中选取至少一个待推荐业务，将上述待推荐业务的广告投放至上述待推荐用户面对的广告位。

在一些实施例中，上述广告投放装置还可以包括配置模块和训练模块；

上述获取模块201，还用于获取上述银行系统中的历史银行业务对应的历史潜在用户，其中，上述历史潜在用户为上述银行系统中办理上述历史银行业务的意愿度大于预设阈值的用户；

上述配置模块，用于获取上述历史潜在用户的历史属性特征数据和历史行为特征数据，将上述历史属性特征数据和上述历史行为特征数组成训练样本，并为上述训练样本配置标签，上述标签用于指示上述历史潜在用户是否办理上述历史银行业务；

上述训练模块，用于通过上述训练样本构建上述神经网络模型，并通过上述训练样本对上述神经网络模型进行训练。

在一些实施例中，上述广告投放装置还可以包括提取模块；

上述获取模块201，还用于获取上述银行系统中的各个用户的至少一个维度的行为数据；

上述提取模块，用于通过预设的潜客特征模型对各个维度的行为数据进行特征提取，得到各个维度的行为特征；

上述预测模块204，还用于通过上述潜客特征模型，对各个维度的行为特征进行意愿度预测，得到上述用户办理上述银行业务的意愿度。

在一些实施例中，上述广告投放装置还可以包括处理模块；

上述获取模块201，还用于获取上述待推荐用户的标识；

上述处理模块，用于以上述标识为主键，将各个特征维度的用户特征字符串联处理，得到上述待推荐用户的特征字符串；

相应地，识别模块203，还用于通过预设的神经网络模型，对上述特征字符串中的各个字符进行影响程度识别。

在一些实施例中，上述属性特征数据可以包括上述待推荐用户浏览上述银行系统的浏览次数和浏览时间，上述转换模块202具体用于

根据上述浏览次数和上述浏览时间确定上述待推荐用户在上述银行系统中的用户生命周期；

确定上述周期范围对应的用户等级，将上述用户等级确定为上述用户特征字符。

在一些实施例中，上述属性特征数据可以包括用户性别和预设时间内用户在上述银行系统中的消费金额，上述转换模块202具体用于

确定上述用户性别对应的各个消费分区，并从各个消费分区中选取出消费范围包含上述消费金额的待处理消费分区；

将上述待处理消费分区对应的分区等级确定为上述用户特征字符。

在一些实施例中，上述投放模块205具体用于

获取上述待推荐用户面对各个历史业务广告时的历史信息，上述历史信息中包括上述历史业务广告的广告布局和上述待推荐用户的浏览时长；

根据上述浏览时长从各个历史业务广告中选取出浏览时长最长的待处理历史业务广告；

根据上述待处理历史业务广告的广告布局将上述待推荐业务的广告投放至上述待推荐用户面对的广告位。

本申请实施例公开了一种广告投放装置，通过获取模块201，用于获取待推荐用户的至少一个特征维度的用户特征数据，上述特征数据包括属性特征数据和行为特征数据；转换模块202，用于将各个特征维度的用户特征数据转换成用户特征字符，上述用户特征字符用于指示上述用户特征数据的属性；识别模块203，用于通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；预测模块204，用于从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过上述神经网络模型，对上述待识别特征字符进行业务办理概率预测，得到上述待推荐用户办理银行业务的概率；投放模块205，用于根据上述银行系统中的各个银行业务的概率从上述银行系统中选取至少一个待推荐业务，将上述待推荐业务的广告投放至上述待推荐用户面对的广告位。以此，提高了广告投放的效率。

相应的，本申请实施例还提供一种计算机设备，该计算机设备可以为终端。如图3所示，图3为本申请实施例提供的计算机设备的结构示意图。该计算机设备300包括有一个或者一个以上处理核心的处理器301、有一个或一个以上计算机可读存储介质的存储器302及存储在存储器302上并可在处理器上运行的计算机程序。其中，处理器301与存储器302电性连接。本领域技术人员可以理解，图中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

处理器301是计算机设备300的控制中心，利用各种接口和线路连接整个计算机设备300的各个部分，通过运行或加载存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行计算机设备300的各种功能和处理数据，从而对计算机设备300进行整体监控。

在本申请实施例中，计算机设备300中的处理器301会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能：

获取待推荐用户的至少一个特征维度的用户特征数据，特征数据包括属性特征数据和行为特征数据；

将各个特征维度的用户特征数据转换成用户特征字符，用户特征字符用于指示用户特征数据的属性；

通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；

从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过神经网络模型，对待识别特征字符进行业务办理概率预测，得到待推荐用户办理银行业务的概率；

根据银行系统中的各个银行业务的概率从银行系统中选取至少一个待推荐业务，将待推荐业务的广告投放至待推荐用户面对的广告位。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

可选的，如图3所示，计算机设备300还包括：触控显示屏303、射频电路304、音频电路305、输入单元306以及电源307。其中，处理器301分别与触控显示屏303、射频电路304、音频电路305、输入单元306以及电源307电性连接。本领域技术人员可以理解，图3中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

触控显示屏303可用于显示图形用户界面以及接收用户作用于图形用户界面产生的操作指令。触控显示屏303可以包括显示面板和触控面板。其中，显示面板可用于显示由用户输入的消息或提供给用户的消息以及计算机设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。可选的，可以采用液晶显示器(LCD，Liquid Cryst客户端账户l Displ客户端账户y)、有机发光二极管(OLED，Org客户端账户nic Light-Emitting Diode)等形式来配置显示面板。触控面板可用于收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并生成相应的操作指令，且操作指令执行对应程序。可选的，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸消息，并将它转换成触点坐标，再送给处理器301，并能接收处理器301发来的命令并加以执行。触控面板可覆盖显示面板，当触控面板检测到在其上或附近的触摸操作后，传送给处理器301以确定触摸事件的类型，随后处理器301根据触摸事件的类型在显示面板上提供相应的视觉输出。在本申请实施例中，可以将触控面板与显示面板集成到触控显示屏303而实现输入和输出功能。但是在某些实施例中，触控面板与触控面板可以作为两个独立的部件来实现输入和输出功能。即触控显示屏303也可以作为输入单元306的一部分实现输入功能。

射频电路304可用于收发射频信号，以通过无线通信与网络设备或其他计算机设备建立无线通讯，与网络设备或其他计算机设备之间收发信号。

音频电路305可以用于通过扬声器、传声器提供用户与计算机设备之间的音频接口。音频电路305可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路305接收后转换为音频数据，再将音频数据输出处理器301处理后，经射频电路304以发送给比如另一计算机设备，或者将音频数据输出至存储器302以便进一步处理。音频电路305还可能包括耳塞插孔，以提供外设耳机与计算机设备的通信。

输入单元306可用于接收输入的数字、字符消息或用户特征消息(例如指纹、虹膜、面部消息等)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

电源307用于给计算机设备300的各个部件供电。可选的，电源307可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源307还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管图3中未示出，计算机设备300还可以包括摄像头、传感器、无线保真模块、蓝牙模块等，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

由上可知，本实施例提供的计算机设备，通过获取待推荐用户的至少一个特征维度的用户特征数据，特征数据包括属性特征数据和行为特征数据；将各个特征维度的用户特征数据转换成用户特征字符，用户特征字符用于指示用户特征数据的属性；通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过神经网络模型，对待识别特征字符进行业务办理概率预测，得到待推荐用户办理银行业务的概率；根据银行系统中的各个银行业务的概率从银行系统中选取至少一个待推荐业务，将待推荐业务的广告投放至待推荐用户面对的广告位。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条计算机程序，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种广告投放方法中的步骤。例如，该计算机程序可以执行如下步骤：

获取待推荐用户的至少一个特征维度的用户特征数据，特征数据包括属性特征数据和行为特征数据；

将各个特征维度的用户特征数据转换成用户特征字符，用户特征字符用于指示用户特征数据的属性；

通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；

从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过神经网络模型，对待识别特征字符进行业务办理概率预测，得到待推荐用户办理银行业务的概率；

根据银行系统中的各个银行业务的概率从银行系统中选取至少一个待推荐业务，将待推荐业务的广告投放至待推荐用户面对的广告位。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Re客户端账户d Only Memory)、随机存取记忆体(R客户端账户M，R客户端账户ndom客户端账户ccess Memory)、磁盘或光盘等。

由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种广告投放方法中的步骤，因此，可以实现本申请实施例所提供的任一种广告投放方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种广告投放方法、装置、存储介质及计算机设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种广告投放方法，其特征在于，所述方法包括：

获取待推荐用户的至少一个特征维度的用户特征数据，所述特征数据包括属性特征数据和行为特征数据；

将各个特征维度的用户特征数据转换成用户特征字符，所述用户特征字符用于指示所述用户特征数据的属性；

通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；

从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过所述神经网络模型，对所述待识别特征字符进行业务办理概率预测，得到所述待推荐用户办理银行业务的概率；

根据所述银行系统中的各个银行业务的概率从所述银行系统中选取至少一个待推荐业务，将所述待推荐业务的广告投放至所述待推荐用户面对的广告位。

2.根据权利要求1所述的方法，其特征在于，在通过预设的神经网络模型，对各个用户特征字符进行影响程度识别之前，还包括：

获取所述银行系统中的历史银行业务对应的历史潜在用户，其中，所述历史潜在用户为所述银行系统中办理所述历史银行业务的意愿度大于预设阈值的用户；

获取所述历史潜在用户的历史属性特征数据和历史行为特征数据，将所述历史属性特征数据和所述历史行为特征数组成训练样本，并为所述训练样本配置标签，所述标签用于指示所述历史潜在用户是否办理所述历史银行业务；

通过所述训练样本构建所述神经网络模型，并通过所述训练样本对所述神经网络模型进行训练。

3.根据权利要求2所述的方法，其特征在于，在获取所述银行系统中的历史银行业务对应的历史潜在用户之前，还包括：

获取所述银行系统中的各个用户的至少一个维度的行为数据；

通过预设的潜客特征模型对各个维度的行为数据进行特征提取，得到各个维度的行为特征；

通过所述潜客特征模型，对各个维度的行为特征进行意愿度预测，得到所述用户办理所述银行业务的意愿度。

4.根据权利要求1所述的方法，其特征在于，在通过预设的神经网络模型，对各个用户特征字符进行影响程度识别之前，还包括：

获取所述待推荐用户的标识；

以所述标识为主键，将各个特征维度的用户特征字符串联处理，得到所述待推荐用户的特征字符串；

相应地，所述通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，包括：

通过预设的神经网络模型，对所述特征字符串中的各个字符进行影响程度识别。

5.根据权利要求1所述的方法，其特征在于，所述属性特征数据包括所述待推荐用户浏览所述银行系统的浏览次数和浏览时间，所述将各个特征维度的用户特征数据转换成用户特征字符，包括：

根据所述浏览次数和所述浏览时间确定所述待推荐用户在所述银行系统中的用户生命周期；

确定所述周期范围对应的用户等级，将所述用户等级确定为所述用户特征字符。

6.根据权利要求1所述的方法，其特征在于，所述属性特征数据包括用户性别和预设时间内用户在所述银行系统中的消费金额，所述将各个特征维度的用户特征数据转换成用户特征字符，包括：

确定所述用户性别对应的各个消费分区，并从各个消费分区中选取出消费范围包含所述消费金额的待处理消费分区；

将所述待处理消费分区对应的分区等级确定为所述用户特征字符。

7.根据权利要求1至6任一项所述的方法，其特征在于，将所述待推荐业务的广告投放至所述待推荐用户面对的广告位，包括：

获取所述待推荐用户面对各个历史业务广告时的历史信息，所述历史信息中包括所述历史业务广告的广告布局和所述待推荐用户的浏览时长；

根据所述浏览时长从各个历史业务广告中选取出浏览时长最长的待处理历史业务广告；

根据所述待处理历史业务广告的广告布局将所述待推荐业务的广告投放至所述待推荐用户面对的广告位。

8.一种广告投放装置，其特征在于，所述装置包括：

获取模块，用于获取待推荐用户的至少一个特征维度的用户特征数据，所述特征数据包括属性特征数据和行为特征数据；

转换模块，用于将各个特征维度的用户特征数据转换成用户特征字符，所述用户特征字符用于指示所述用户特征数据的属性；

识别模块，用于通过预设的神经网络模型，对各个用户特征字符进行影响程度识别，得到各个用户特征字符对银行系统中的一银行业务的影响程度；

预测模块，用于从各个用户特征字符中选取出影响程度最大的预设数量的待识别特征字符，并通过所述神经网络模型，对所述待识别特征字符进行业务办理概率预测，得到所述待推荐用户办理银行业务的概率；

投放模块，用于根据所述银行系统中的各个银行业务的概率从所述银行系统中选取至少一个待推荐业务，将所述待推荐业务的广告投放至所述待推荐用户面对的广告位。

9.一种计算机设备，其特征在于，包括存储器，处理器及存储在存储器上并在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至7任一项所述的广告投放方法。

10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至7任一项所述的广告投放方法。

Images