CN115601063A - 一种共享设备广告投放方法 - Google Patents

一种共享设备广告投放方法 Download PDF

Info

Publication number
CN115601063A
CN115601063A CN202211332026.7A CN202211332026A CN115601063A CN 115601063 A CN115601063 A CN 115601063A CN 202211332026 A CN202211332026 A CN 202211332026A CN 115601063 A CN115601063 A CN 115601063A
Authority
CN
China
Prior art keywords
data
advertisement
user
different
delivery
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.)
Withdrawn
Application number
CN202211332026.7A
Other languages
English (en)
Inventor
汪骏
郑佳
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.)
Hunan Jingyouxi Culture Media Co ltd
Original Assignee
Hunan Jingyouxi Culture Media 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 Hunan Jingyouxi Culture Media Co ltd filed Critical Hunan Jingyouxi Culture Media Co ltd
Priority to CN202211332026.7A priority Critical patent/CN115601063A/zh
Publication of CN115601063A publication Critical patent/CN115601063A/zh
Withdrawn legal-status Critical Current

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
    • G06Q30/0251—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
    • G06Q30/0242—Determining effectiveness of advertisements

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于广告投放技术领域,尤其涉及一种共享设备广告投放方法,针对当前广告投放前期投入大，投放效果不明显，后台数据难以集中统一，投放设备无法随时移动，不具有灵活性，投放广告内容单一，不具有针对性等问题，现提出如下方案，包括如下步骤：S1：对各个区域人流量进行监测，确定最佳投放区域；本发明的目的是采用人流量监测技术，实现广告精准投放，减少前期投入成本，提高广告的针对性，采用共享设备投放广告，根据时间地点调整商品广告信息，实现广告信息的多元化，后台统一获取广告商品相关数据，方便快捷，共享设备可随时移动，具有高度灵活性，降低建设成本，提高广告投放效率。

Description

一种共享设备广告投放方法
技术领域
本发明属于广告投放技术领域，尤其涉及一种共享设备广告投放方法。
背景技术
共享设备广告投放，是以互联网为依托，运用大数据等先进手段，对线上线下广告媒体进行整合的共享经济新模式。目前共享设备广告投放的市场已经趋于成熟，随着人们对生活品质的提高，信息与科技化同步发展，广告的投放更加追求信息化，个人化，共享广告投放符合人们对于信息个人化的需求，已经为越来越多的媒体人所青睐。
目前的户外广告投放宣传区域小，不适合承载复杂信息、传递时间短、信息更新比较滞后，平台投放广告的质量参差不齐，广告也变成了数据，短时间内，很难做出最佳的选择，因此，我们提出一种共享设备广告投放方法。
发明内容
本发明的目的是为了解决广告投放前期投入大，投放效果不明显，后台数据难以集中统一，投放设备无法随时移动，不具有灵活性，投放广告内容单一，不具有针对性等问题，而提出的一种共享设备广告投放方法。
为了实现上述目的，本发明采用了如下技术方案：
一种共享设备广告投放方法，包括以下步骤：
S1：对各个区域人流量进行监测，确定最佳投放区域；
S2：制定共享设备投放方案；
S3：对人流量进行分析，推算出人员密度和年龄构成；
S4：大数据测算当地人员消费偏好，消费水平；
S5：根据不同地区，不同时段，不同年龄段精准投放广告；
S6：对使用者进行线上问卷反馈。
优选的，所述S1中，人流监测系统由采集层、数据层、展示层构成，采集层主要用来采集原始的信令数据，实时监测人流量，数据层主要完成数据队列接收、数据过滤和数据缓存的功能，数据队列接收由Kafka完成，数据过滤由Storm完成，将过滤后的数据缓存在Redis，对区域人流量数据进行统计，原始数据经过数据表转化后，流向Kafka集群。
优选的，所述S1中，将实时数据流分为两路数据，路数据为重点区域的实时数据，另一路数据为非重点区域的实时数据，将重点区域ID作为过滤条件，利用Storm过滤实时数据，对重点区域出现的人进行打标，标签为该重点区域的ID，在重点区域实时数据中，以重点区域中过滤出的“人”为条件进行过滤，在该过滤中中标的人为重点区域进入非重点区域，标签标为“no”，将打标后的数据存入Redis，利用定时器设置程序为每隔5-10min执行1次，分别统计每个区域中有多少人，将每5-12min的统计结果存入Oracle,等待页面读取展示。
优选的，所述S2中，制定共享设备投放方案，根据显示页面显示的人员流动和区域人员密度，选取6-10个人员密集区域进行共享设备的投放，定点投放，同一区域每隔1.5-2km投放一个共享设备，投放广告信息，同一区域设备数量保持在8-12台。
优选的，所述S3中，对测算出的数据进行数据清洗，对数据表进行去重、补缺和纠错，利用筛选工具统计出不同年龄段的用户数，分别计算出各自的占比，采用合并计算方法对用户按性别进行人数统计，计算出不同年龄段，不同性别的消费占比。
优选的，所述S4中，事先计算标的物之间的相似性，将使用者历史记录中的标的物的相似标的物推荐给使用者，根据标的物所包含信息，将标的物特征转化为向量化表示，通过cosine余弦相似度计算两个标的物之间的相似度将使用者和标的物嵌入到同一个向量空间，将一个字段作为向量的一个维度，向量化表示每个维度的值，基于向量相似做推荐，将使用者行为记录作为显示特征，记录使用者过去一段时间对标的物的偏好。
优选的，所述S5中，首先选定特征，针对于topic的发掘采用命名实体识别的方式，命名实体识别的方式匹配关键词词表，得到了关键词之后，根据需要对这些关键词进行排名，提取排名最高的3-4个标签，根据用户不同喜好进行分层归类，找出用户喜好占比较高的2-3个不同领域，每个分类带有权重，基于用户的刻画，给每个不同的标签进行分类，划分价格区间，将投放广告商品按照价格分为高消费商品，中消费商品和低消费商品，采用抽样调研获取区域人口家庭人均月收益信息，调查周边不同等级商品的销售额，推算出人均消费水平，结合使用者对标的物的偏好，调整广告投放的占比以及相关广告信息。
优选的，所述S6中，建立微信小程序，对使用者进行线上问卷调查，对收集数据进行基本的频数分析，按照统计性别，年龄，学历的分布情况划分不同阶段，使用因子分析进行浓缩，得出3个维度，找到维度与题项的对应关系情况，将错误信息筛除，保留准确可靠的调研信息，接着需要对具体维度进行描述分析，各维度的描述性分析之后，再使用相关分析去研究关系情况并对投放数据进行综合处理，调整共享设备投放密度以及投放地点。
本发明的有益效果为：
1、采用人流量监测技术，对不同区域，不同地段的人流量进行实时监测，数据更具有有时效性，科学、有效地对人流量进行时间、空间上的分析，实现广告精准投放，增强广告投放效果。
2、采用共享设备投放广告，共享广告平台服务更全面，广告商通过后台可按需选择投放的地点、时间段，减少中间环节，大大降低广告运营费用，投放流程简单易操作，广告信息自动循环滚动播放，针对不同群体投放不同广告信息，提高商品针对性，实现广告信息的多元化，后台统一获取广告商品相关数据，方便快捷。
本发明的目的是采用人流量监测技术，实现广告进准投放，减少前期投入成本，提高广告的针对性，采用共享设备投放广告，根据时间地点调整商品广告信息，实现广告信息的多元化，后台统一获取广告商品相关数据，方便快捷，共享设备可随时移动，具有高度灵活性，降低建设成本，提高广告投放效率。
附图说明
图1为本发明提出的一种共享设备广告投放方法的流程图。
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。
实施例一
参照图1，一种共享设备广告投放方法，包括以下步骤：
S1：对各个区域人流量进行监测，确定最佳投放区域；
S2：制定共享设备投放方案；
S3：对人流量进行分析，推算出人员密度和年龄构成；
S4：大数据测算当地人员消费偏好，消费水平；
S5：根据不同地区，不同时段，不同年龄段精准投放广告；
S6：对使用者进行线上问卷反馈。
本实施例中，人流监测系统由采集层、数据层、展示层构成，采集层主要用来采集原始的信令数据，实时监测人流量，数据层主要完成数据队列接收、数据过滤和数据缓存的功能，数据队列接收由Kafka完成，数据过滤由Storm完成，将过滤后的数据缓存在Redis，对区域人流量数据进行统计，原始数据经过数据表转化后，流向Kafka集群。
本实施例中，将实时数据流分为两路数据，路数据为重点区域的实时数据，另一路数据为非重点区域的实时数据，将重点区域ID作为过滤条件，利用Storm过滤实时数据，对重点区域出现的人进行打标，标签为该重点区域的ID，在重点区域实时数据中，以重点区域中过滤出的“人”为条件进行过滤，在该过滤中中标的人为重点区域进入非重点区域，标签标为“no”，将打标后的数据存入Redis，利用定时器设置程序为每隔5min执行1次，分别统计每个区域中有多少人，将每5min的统计结果存入Oracle,等待页面读取展示。
本实施例中，制定共享设备投放方案，根据显示页面显示的人员流动和区域人员密度，选取6个人员密集区域进行共享设备的投放，定点投放，同一区域每隔1.5km投放一个共享设备，投放广告信息，同一区域设备数量保持在8台。
本实施例中，对测算出的数据进行数据清洗，对数据表进行去重、补缺和纠错，利用筛选工具统计出不同年龄段的用户数，分别计算出各自的占比，采用合并计算方法对用户按性别进行人数统计，计算出不同年龄段，不同性别的消费占比。
本实施例中，事先计算标的物之间的相似性，将使用者历史记录中的标的物的相似标的物推荐给使用者，根据标的物所包含信息，将标的物特征转化为向量化表示，通过cosine余弦相似度计算两个标的物之间的相似度将使用者和标的物嵌入到同一个向量空间，将一个字段作为向量的一个维度，向量化表示每个维度的值，基于向量相似做推荐，将使用者行为记录作为显示特征，记录使用者过去一段时间对标的物的偏好。
本实施例中，首先选定特征，针对于topic的发掘采用命名实体识别的方式，命名实体识别的方式匹配关键词词表，得到了关键词之后，根据需要对这些关键词进行排名，提取排名最高的3个标签，根据用户不同喜好进行分层归类，找出用户喜好占比较高的2个不同领域，每个分类带有权重，基于用户的刻画，给每个不同的标签进行分类，划分价格区间，将投放广告商品按照价格分为高消费商品，中消费商品和低消费商品，采用抽样调研获取区域人口家庭人均月收益信息，调查周边不同等级商品的销售额，推算出人均消费水平，结合使用者对标的物的偏好，调整广告投放的占比以及相关广告信息。
本实施例中，建立微信小程序，对使用者进行线上问卷调查，对收集数据进行基本的频数分析，按照统计性别，年龄，学历的分布情况划分不同阶段，使用因子分析进行浓缩，得出3个维度，找到维度与题项的对应关系情况，将错误信息筛除，保留准确可靠的调研信息，接着需要对具体维度进行描述分析，各维度的描述性分析之后，再使用相关分析去研究关系情况并对投放数据进行综合处理，调整共享设备投放密度以及投放地点。
实施例二
参照图1，一种共享设备广告投放方法，包括以下步骤：
S1：对各个区域人流量进行监测，确定最佳投放区域；
S2：制定共享设备投放方案；
S3：对人流量进行分析，推算出人员密度和年龄构成；
S4：大数据测算当地人员消费偏好，消费水平；
S5：根据不同地区，不同时段，不同年龄段精准投放广告；
S6：对使用者进行线上问卷反馈。
本实施例中，人流监测系统由采集层、数据层、展示层构成，采集层主要用来采集原始的信令数据，实时监测人流量，数据层主要完成数据队列接收、数据过滤和数据缓存的功能，原始数据经过数据表转化后，流向Kafka集群。
本实施例中，Storm集群作为消费者，数据统计服务通过读取Redis中的数据，进行统计，对重点区域出现的人进行打标，标签为该重点区域的ID，在重点区域实时数据中，以重点区域中过滤出的“人”为条件进行过滤，在该过滤中中标的人为重点区域进入非重点区域，标签标为“no”，将打标后的数据存入Redis，利用定时器设置程序为每隔8min执行1次，分别统计每个区域中有多少人，将每10min的统计结果存入Oracle,等待页面读取展示。
本实施例中，制定共享设备投放方案，根据显示页面显示的人员流动和区域人员密度，选取8个人员密集区域进行共享设备的投放，定点投放，同一区域每隔1.8km投放一个共享设备，投放广告信息，同一区域设备数量保持在10台。
本实施例中，对测算出的数据进行数据清洗，对数据表进行去重、补缺和纠错，分别计算出各自的占比，采用合并计算方法对用户按性别进行人数统计，计算出不同年龄段，不同性别的消费占比。
本实施例中，事先计算标的物之间的相似性，将使用者历史记录中的标的物的相似标的物推荐给使用者，根据标的物所包含信息，将标的物特征转化为向量化表示，向量化表示每个维度的值，基于向量相似做推荐，将使用者行为记录作为显示特征，记录使用者过去一段时间对标的物的偏好。
本实施例中，首先选定特征，针对于topic的发掘采用命名实体识别的方式，命名实体识别的方式匹配关键词词表，得到了关键词之后，根据需要对这些关键词进行排名，提取排名最高的3个标签，根据用户不同喜好进行分层归类，采用抽样调研获取区域人口家庭人均月收益信息，调查周边不同等级商品的销售额，推算出人均消费水平，结合使用者对标的物的偏好，调整广告投放的占比以及相关广告信息。
本实施例中，建立微信小程序，对使用者进行线上问卷调查，对收集数据进行基本的频数分析，按照统计性别，年龄，学历的分布情况划分不同阶段，使用因子分析进行浓缩，得出3个维度，找到维度与题项的对应关系情况，将错误信息筛除，保留准确可靠的调研信息，接着需要对具体维度进行描述分析，各维度的描述性分析之后，再使用相关分析去研究关系情况并对投放数据进行综合处理，调整共享设备投放密度以及投放地点。
实施例三
参照图1，一种共享设备广告投放方法，包括以下步骤：
S1：对各个区域人流量进行监测，确定最佳投放区域；
S2：制定共享设备投放方案；
S3：对人流量进行分析，推算出人员密度和年龄构成；
S4：大数据测算当地人员消费偏好，消费水平；
S5：根据不同地区，不同时段，不同年龄段精准投放广告；
S6：对使用者进行线上问卷反馈。
本实施例中，人流监测系统由采集层、数据层、展示层构成，采集层主要用来采集原始的信令数据，实时监测人流量，数据层主要完成数据队列接收、数据过滤和数据缓存的功能，原始数据经过数据表转化后，流向Kafka集群。
本实施例中，Storm集群作为消费者，数据统计服务通过读取Redis中的数据，进行统计，将重点区域ID作为过滤条件，利用Storm过滤实时数据，对重点区域出现的人进行打标，标签为该重点区域的ID，在重点区域实时数据中，以重点区域中过滤出的“人”为条件进行过滤，在该过滤中中标的人为重点区域进入非重点区域，标签标为“no”，将打标后的数据存入Redis，利用定时器设置程序为每隔10min执行1次，分别统计每个区域中有多少人，将每12min的统计结果存入Oracle,等待页面读取展示。
本实施例中，制定共享设备投放方案，根据显示页面显示的人员流动和区域人员密度，同一区域每隔2km投放一个共享设备，投放广告信息，同一区域设备数量保持在12台。
本实施例中，对测算出的数据进行数据清洗，对数据表进行去重、补缺和纠错，采用合并计算方法对用户按性别进行人数统计，计算出不同年龄段，不同性别的消费占比。
本实施例中，事先计算标的物之间的相似性，将使用者历史记录中的标的物的相似标的物推荐给使用者，根据标的物所包含信息，将标的物特征转化为向量化表示，将使用者行为记录作为显示特征，记录使用者过去一段时间对标的物的偏好。
本实施例中，首先选定特征，针对于topic的发掘采用命名实体识别的方式，命名实体识别的方式匹配关键词词表，得到了关键词之后，根据需要对这些关键词进行排名，将排名最高的4个给item完成标签，根据用户不同喜好进行分层归类，采用抽样调研获取区域人口家庭人均月收益信息，调查周边不同等级商品的销售额，推算出人均消费水平，结合使用者对标的物的偏好，调整广告投放的占比以及相关广告信息。
本实施例中，建立微信小程序，对使用者进行线上问卷调查，对收集数据进行基本的频数分析，按照统计性别，年龄，学历的分布情况划分不同阶段，使用因子分析进行浓缩，得出3个维度，找到维度与题项的对应关系情况，将错误信息筛除，再使用相关分析去研究关系情况并对投放数据进行综合处理，调整共享设备投放密度以及投放地点。
对比例一
与实施例一不同之处在于，S1：对各个区域人流量进行监测，确定最佳投放区域，人流监测系统由采集层、数据层、展示层构成，采集层主要用来采集原始的信令数据，实时监测人流量，数据层主要完成数据队列接收、数据过滤和数据缓存的功能，数据队列接收由Kafka完成，数据过滤由Storm完成，将过滤后的数据缓存在Redis，对区域人流量数据进行统计，原始数据经过数据表转化后，流向Kafka集群，将实时数据流分为两路数据，路数据为重点区域的实时数据，另一路数据为非重点区域的实时数据，将重点区域ID作为过滤条件，利用Storm过滤实时数据，对重点区域出现的人进行打标，标签为该重点区域的ID，在重点区域实时数据中，以重点区域中过滤出的“人”为条件进行过滤，在该过滤中中标的人为重点区域进入非重点区域，标签标为“no”，将打标后的数据存入Redis，利用定时器设置程序为每隔5min执行1次，分别统计每个区域中有多少人，将每5min的统计结果存入Oracle,等待页面读取展示。
对比例二
与实施例二不同之处在于，S4：大数据测算当地人员消费偏好，消费水平，事先计算标的物之间的相似性，将使用者历史记录中的标的物的相似标的物推荐给使用者，根据标的物所包含信息，将标的物特征转化为向量化表示，向量化表示每个维度的值，基于向量相似做推荐，将使用者行为记录作为显示特征，记录使用者过去一段时间对标的物的偏好。
对比例三
与实施例三不同之处在于，S5：根据不同地区，不同时段，不同年龄段精准投放广告，首先选定特征，针对于topic的发掘采用命名实体识别的方式，命名实体识别的方式匹配关键词词表，得到了关键词之后，根据需要对这些关键词进行排名，提取排名最高的4个标签，根据用户不同喜好进行分层归类，采用抽样调研获取区域人口家庭人均月收益信息，调查周边不同等级商品的销售额，推算出人均消费水平，结合使用者对标的物的偏好，调整广告投放的占比以及相关广告信息。
实验例
将实施例一、实施例二和实施例三的共享设备广告投放方法进行试验，得出结果如下：
实施例一 实施例二 实施例三 现有方法
投入成本（万元） 10.9 18 16.7 21.3
投放效率 78% 35% 47% 43%
实施例一、实施例二和实施例三的共享设备广告投放方法对比现有的共享设备广告投放方法，投入成本有了显著降低，投放效率有了明显提升，且实施例一为最佳实施例。
检测报告
本发明的目的是针对广告投放前期投入大，投放效果不明显，后台数据难以集中统一，投放设备无法随时移动，不具有灵活性，投放广告内容单一，不具有针对性等缺点，提出一种共享设备广告投放方法，采用人流量监测技术，实现广告进准投放，减少前期投入成本，提高广告的针对性，采用共享设备投放广告，根据时间地点调整商品广告信息，实现广告信息的多元化，后台统一获取广告商品相关数据，方便快捷，共享设备可随时移动，具有高度灵活性，降低建设成本，提高广告投放效率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种共享设备广告投放方法，其特征在于，包括以下步骤：
S1：对各个区域人流量进行监测，确定最佳投放区域；
S2：制定共享设备投放方案；
S3：对人流量进行分析，推算出人员密度和年龄构成；
S4：大数据测算当地人员消费偏好，消费水平；
S5：根据不同地区，不同时段，不同年龄段精准投放广告；
S6：对使用者进行线上问卷反馈。
2.根据权利要求1所述的一种共享设备广告投放方法，其特征在于，所述S1中，人流监测系统由采集层、数据层、展示层构成，采集层主要用来采集原始的信令数据，实时监测人流量，数据层主要完成数据队列接收、数据过滤和数据缓存的功能，数据队列接收由Kafka完成，数据过滤由Storm完成，将过滤后的数据缓存在Redis，对区域人流量数据进行统计，原始数据经过数据表转化后，流向Kafka集群。
3.根据权利要求1所述的一种共享设备广告投放方法，其特征在于，所述S1中，将实时数据流分为两路数据，路数据为重点区域的实时数据，另一路数据为非重点区域的实时数据，将重点区域ID作为过滤条件，利用Storm过滤实时数据，对重点区域出现的人进行打标，标签为该重点区域的ID，在重点区域实时数据中，以重点区域中过滤出的“人”为条件进行过滤，在该过滤中中标的人为重点区域进入非重点区域，标签标为“no”，将打标后的数据存入Redis，利用定时器设置程序为每隔5-10min执行1次，分别统计每个区域中有多少人，将每5-12min的统计结果存入Oracle,等待页面读取展示。
4.根据权利要求1所述的一种共享设备广告投放方法，其特征在于，所述S2中，制定共享设备投放方案，根据显示页面显示的人员流动和区域人员密度，选取6-10个人员密集区域进行共享设备的投放，定点投放，同一区域每隔1.5-2km投放一个共享设备，投放广告信息，同一区域设备数量保持在8-12台。
5.根据权利要求1所述的一种共享设备广告投放方法，其特征在于，所述S3中，对测算出的数据进行数据清洗，对数据表进行去重、补缺和纠错，利用筛选工具统计出不同年龄段的用户数，分别计算出各自的占比，采用合并计算方法对用户按性别进行人数统计，计算出不同年龄段，不同性别的消费占比。
6.根据权利要求1所述的一种共享设备广告投放方法，其特征在于，所述S4中，事先计算标的物之间的相似性，将使用者历史记录中的标的物的相似标的物推荐给使用者，根据标的物所包含信息，将标的物特征转化为向量化表示，通过cosine余弦相似度计算两个标的物之间的相似度将使用者和标的物嵌入到同一个向量空间，将一个字段作为向量的一个维度，向量化表示每个维度的值，基于向量相似做推荐，将使用者行为记录作为显示特征，记录使用者过去一段时间对标的物的偏好。
7.根据权利要求1所述的一种共享设备广告投放方法，其特征在于，所述S5中，首先选定特征，针对于topic的发掘采用命名实体识别的方式，命名实体识别的方式匹配关键词词表，得到关键词之后，根据需要对这些关键词进行排名，提取排名最高的3-4个标签，根据用户不同喜好进行分层归类，找出用户喜好占比较高的2-3个不同领域，每个分类带有权重，基于用户的刻画，给每个不同的标签进行分类，划分价格区间，将投放广告商品按照价格分为高消费商品，中消费商品和低消费商品，采用抽样调研获取区域人口家庭人均月收益信息，调查周边不同等级商品的销售额，推算出人均消费水平，结合使用者对标的物的偏好，调整广告投放的占比以及相关广告信息。
8.根据权利要求1所述的一种共享设备广告投放方法，其特征在于，所述S6中，建立微信小程序，对使用者进行线上问卷调查，对收集数据进行基本的频数分析，按照统计性别，年龄，学历的分布情况划分不同阶段，使用因子分析进行浓缩，得出3个维度，找到维度与题项的对应关系情况，将错误信息筛除，保留准确可靠的调研信息，接着需要对具体维度进行描述分析，各维度的描述性分析之后，再使用相关分析去研究关系情况并对投放数据进行综合处理，调整共享设备投放密度以及投放地点。
CN202211332026.7A 2022-10-28 2022-10-28 一种共享设备广告投放方法 Withdrawn CN115601063A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211332026.7A CN115601063A (zh) 2022-10-28 2022-10-28 一种共享设备广告投放方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211332026.7A CN115601063A (zh) 2022-10-28 2022-10-28 一种共享设备广告投放方法

Publications (1)

Publication Number Publication Date
CN115601063A true CN115601063A (zh) 2023-01-13

Family

ID=84850648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211332026.7A Withdrawn CN115601063A (zh) 2022-10-28 2022-10-28 一种共享设备广告投放方法

Country Status (1)

Country Link
CN (1) CN115601063A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116167803A (zh) * 2023-04-21 2023-05-26 北京大也智慧数据科技服务有限公司 一种基于信令数据的广告投放方法和装置
CN116485472A (zh) * 2023-04-24 2023-07-25 道格元创(福建)文化创意有限公司 基于互联网和人工智能的精准广告、信息的投放系统
CN117808536A (zh) * 2024-02-23 2024-04-02 蓝色火焰科技成都有限公司 一种互动广告的评估方法、系统及投放终端

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116167803A (zh) * 2023-04-21 2023-05-26 北京大也智慧数据科技服务有限公司 一种基于信令数据的广告投放方法和装置
CN116485472A (zh) * 2023-04-24 2023-07-25 道格元创(福建)文化创意有限公司 基于互联网和人工智能的精准广告、信息的投放系统
CN116485472B (zh) * 2023-04-24 2024-02-27 成都世纪飞扬科技集团有限公司 基于互联网和人工智能的精准广告、信息的投放系统
CN117808536A (zh) * 2024-02-23 2024-04-02 蓝色火焰科技成都有限公司 一种互动广告的评估方法、系统及投放终端
CN117808536B (zh) * 2024-02-23 2024-05-14 蓝色火焰科技成都有限公司 一种互动广告的评估方法、系统及投放终端

Similar Documents

Publication Publication Date Title
CN115601063A (zh) 一种共享设备广告投放方法
Law et al. Identifying changes and trends in Hong Kong outbound tourism
CN107590675B (zh) 一种基于大数据的用户购物行为识别方法、储存设备及移动终端
US8768867B1 (en) Crowd Prediction and attendance forecasting
KR101071997B1 (ko) 콘택트 포인트 네비게이션 시스템 및 그 방법
CN108921398B (zh) 店铺质量评价方法及装置
CN101894316A (zh) 一种国际市场景气状况的监测指数方法及系统
CN115496566B (zh) 基于大数据的地区特产推荐方法及系统
Drosos et al. Retail customers’ satisfaction with banks in Greece: A multicriteria analysis of a dataset
CN108171530B (zh) 一种用于客单价和复购率的提升方法及装置
Park et al. Why don't consumers go internet shopping in Korea? Segmentation of consumer lifestyle approach
CN112215630A (zh) 一种全渠道渐进式会员精准营销方法
CN116739836A (zh) 一种基于知识图谱的餐饮数据分析方法及系统
CN116934372A (zh) 一种门店运营客户数据管理方法和系统
Love et al. New Option in Hotel Appraisals: Quantifying the Revenue Enhancement Value of Hotel Brands.
CN114511371A (zh) 一种数据显示处理智能系统
Cui et al. Measuring the Digital Assets, Brand Services and Service Quality Quantitative Analysis: Evidence from China
CN110209711B (zh) 一种基于大数据的企业数据挖掘系统及其使用方法
JP2017045337A (ja) デジタルマーケティングシステム
CN107122125B (zh) 一种数据处理方法和系统
CN116028710A (zh) 一种基于大数据的数字化营销服务系统
Gusri et al. The Influence of The Marketing Mix of Wildlife Park Attractions and The Culture Of The Kinantan of Bukittinggi City To The Loyalty of Tourist Visits
JP2006012190A (ja) メディア・プランニング・システム
CN112734481A (zh) 一种商品数据排行智能系统
Liu et al. Prediction of Mobile Coupon Use: Data Analytics of Influencing Factors.

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20230113

WW01 Invention patent application withdrawn after publication