CN115660750A - 生成引导信息的方法、装置、电子设备及存储介质 - Google Patents
生成引导信息的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115660750A CN115660750A CN202211107220.5A CN202211107220A CN115660750A CN 115660750 A CN115660750 A CN 115660750A CN 202211107220 A CN202211107220 A CN 202211107220A CN 115660750 A CN115660750 A CN 115660750A
- Authority
- CN
- China
- Prior art keywords
- data
- conversion rate
- page
- target
- guidance information
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种生成引导信息的方法、装置、电子设备及存储介质,涉及数据处理技术领域,尤其涉及智能搜索、信息流等领域。具体实现方案为:获取目标对象的关联数据,关联数据包括目标对象针对目标页面产生的行为数据;确定与关联数据对应的关联特征集合,关联特征集合包括与行为数据对应的行为特征;确定与关联特征集合对应的转化率;以及在确定转化率满足预定条件的情况下,生成目标引导信息。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及智能搜索、信息流等领域,更具体地,本公开提供了一种生成引导信息的方法、装置、电子设备、存储介质以及计算机程序产品。
背景技术
在广告落地页场景中,可以通过引导组件(CTA,call to action)来引导用户发生转化行为,例如引导用户发生留联系方式、填写表单、拨打电话、下单、注册、下载应用程序等转化行为。引导组件例如可以包括在用户浏览的页面中的浮层、弹窗等。
发明内容
本公开提供了一种生成引导信息的方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面,提供了一种生成引导信息的方法,包括:获取目标对象的关联数据,关联数据包括目标对象针对目标页面产生的行为数据;确定与关联数据对应的关联特征集合,关联特征集合包括与行为数据对应的行为特征;确定与关联特征集合对应的转化率;以及在确定转化率满足预定条件的情况下,生成目标引导信息。
根据本公开的另一方面,提供了一种生成引导信息的装置,包括获取模块、第一确定模块、第二确定模块以及生成模块。获取模块用于获取目标对象的关联数据,关联数据包括目标对象针对目标页面产生的行为数据。第一确定模块用于确定与关联数据对应的关联特征集合,关联特征集合包括与行为数据对应的行为特征。第二确定模块用于确定与关联特征集合对应的转化率。生成模块用于在确定转化率满足预定条件的情况下,生成目标引导信息。
根据本公开的另一个方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开提供的方法。
根据本公开的另一个方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开提供的方法。
根据本公开的另一个方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的生成引导信息的方法和装置的应用场景示意图;
图2是根据本公开实施例的生成引导信息的方法的示意流程图;
图3是根据本公开实施例的生成引导信息的方法的示意原理图;
图4是根据本公开实施例的生成引导信息的装置的示意结构框图;以及
图5是用来实施本公开实施例的生成引导信息的方法的电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在一些技术方案中,用于引导用户发生转化行为的引导组件是以固定时间出现的。例如,在用户进入预定页面后,立即在预定页面中展示浮层,通过浮层来提示或引导用户发生留联系方式、填写表单、拨打电话、下单等转化行为。又例如,在用户关闭预定页面后,立刻出现弹窗来挽留用户。
可以理解的是,上述技术方案采用固定模式的引导方案对用户进行引导,而忽略了不同用户对引导时机的倾向问题。当展示浮层的引导时机与用户的预期不相符时,会造成部分用户产生排斥感,进而影响用户在预定页面发生转化的意愿。相反,在用户对当前浏览的页面产生兴趣后,再予以适时的引导,则会产生正向作用。
本公开实施例旨在提出一种生成引导信息的方法,该方法适用于广告落地页或者相似应用场景,该方法可以根据用户的实时行为对用户进行适时引导。例如,当某用户浏览到一定页面深度、且发生多次点击页面图文等行为时,可以认为该用户在该时刻具有较高的转化意愿,因此可以利用浮层、弹窗等引导组件对用户进行转化引导,从而达到实时、动态化的引导。
以下将结合附图和具体实施例详细阐述本公开提供的技术方案。
图1是根据本公开实施例的生成引导信息的方法和装置的应用场景示意图。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的目标引导信息等)反馈给终端设备。
需要说明的是,本公开实施例所提供的生成引导信息的方法一般可以由服务器105执行。相应地,本公开实施例所提供的生成引导信息的装置一般可以设置于服务器105中。本公开实施例所提供的生成引导信息的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的生成引导信息的装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2是根据本公开实施例的生成引导信息的方法的示意流程图。
如图2所示,该生成引导信息的方法200可以包括操作S210~操作S240。
在操作S210,获取目标对象的关联数据,关联数据包括目标对象针对目标页面产生的行为数据。
例如,目标对象可以是用户,目标页面可以是电商购物页面、视频浏览页面等页面。
例如,行为数据可以包括用户在页面中进行浏览、操作所产生的数据,例如,行为数据可以包括浏览深度、停留时长、页面滑屏次数、图文点击次数等。例如,某个页面根据长度可以划分为10屏,当用户浏览到第7屏,表示浏览深度是70%。
例如,可以以预定时间频率获取关联数据,例如每隔1秒获取一次,从而实现实时采集关联数据的效果。
在操作S220,确定与关联数据对应的关联特征集合,关联特征集合包括与行为数据对应的行为特征。
例如,可以对关联数据进行特征提取,得到与关联数据对应的特征。本公开实施例对提取特征的方式不做限定。
在操作S230,确定与关联特征集合对应的转化率。
例如,转化率可以表征目标页面的转化次数与点击数量之间的比值。转化率可以体现目标对象在目标页面发生转化行为的意愿。
在一种示例中,可以预先构建训练样本。例如,可以从历史广告日志、用户在页面内的行为数据等为作为基础数据,从基础数据中抽取特征,抽取的特征可以包括行为特征。将引导组件的点击、转化情况作为样本标签。通过行为特征和样本标签来构建训练样本。
例如,在构建训练样本后,可以利用训练样本训练转化率模型。本公开实施例对转化率模型的网络架构不做限定,例如转化率模型可以包括DNN(深度神经网络,Deep NeuralNetworks)。本公开实施例对训练方法不做限定。
例如,在训练转化率模型之后,可以将预定特征处理为目标样本,然后可以利用经训练的转化率模型处理目标样本,从而得到转化率。例如,转化率模型输出的转化率可以是0至1之间的数值。
在操作S240,在确定转化率满足预定条件的情况下,生成目标引导信息。
例如,可以预先设定转化率阈值,然后比较转化率与转化率阈值的大小,并在转化率大于等于转化率阈值的情况下,确定转化率满足预定条件,并生成目标引导信息。例如,转化率阈值可以是0.7。
例如,还可以根据引导信息渲染前端展示页面,从而向用户展示浮层、弹窗等内容,达到对用户进行引导的效果。
可以理解的是,在确定转化率不满足预定条件的情况下,可以不生成目标引导信息,还可以返回上述操作S210,以便根据重新获取到的预定信息来确定是否生成目标引导信息。
根据本公开实施例提供的技术方案,由于通过用户的实时行为来确定针对落地页的实时的转化率,然后基于转化率来确定当前是否为合适的引导时机,并在合适的引导时机生成目标引导信息,实现适时引导转化的效果,从而提升落地页的投放效率以及转化效果。
根据本公开另一实施例,关联数据还包括对象数据、页面数据和广告数据中的至少一个,关联特征集合还包括对象属性特征、页面特征和广告特征中的至少一个。
可以看出,对象数据与对象属性特征对应,页面数据与页面特征对应,广告数据与广告特征对应。
在实际应用中,可以在上述构建训练样本的过程中,从将历史广告日志、用户在页面内的行为数据、页面内容等作为基础数据,并从基础数据中抽取特征,抽取的特征可以包括行为特征、对象属性特征、页面特征和广告特征。可以根据抽取到的特征来生成训练样本,可以将引导组件的点击、转化情况作为样本标签。然后利用构建的训练样本来训练转化率模型。
例如,可以采用经训练的转化率模型来处理目标样本,得到转化率。目标样本例如可以是基于行为特征、对象属性特征、页面特征和广告特征中的至少一个确定的。
例如,行为特征可以体现浏览深度、停留时长、页面滑屏次数、图文点击次数等。
例如,对象属性特征可以包括年龄、性别、消费意愿、所使用电子设备的型号等。可以预先通过目标对象的历史行为等历史数据,为目标对象构建用户画像的标签,然后基于用户画像的标签来确定上述对象属性特征。
例如,页面特征可以包括页面标题、转化组件信息等。转化组件是用于收集线索的组件,转化组件例如可以包括展示于页面中的表单框、拨打电话按钮等项目。转化组件信息可以包括转化组件所包括的项目以及各个项目的位置等信息。
例如,广告特征可以包括目标对象的搜索词、流量来源、省份、城市等。流量来源可以表示带来流量的产品渠道,例如产品渠道可以包括搜索词、刷信息流、看视频、点广告,不同的流量来源对应有各自的来源标识。
此外,在上述单个类别的特征的基础上,还可以引入多种交叉特征,例如可以包括年龄-转化组件信息、机型-转化组件信息,年龄-转化组件信息可以用于刻画不同年龄的目标对象对不同转化组件信息的转化倾向,机型-引导组件样式可以用于刻画拥有不同电子设备型号的目标对象对不同转化组件信息的转化倾向。
根据本公开实施例提供的技术方案,由于根据行为特征、对象属性特征和页面特征等多个维度来确定关联特征集合,因此关联特征集合可以更加准确地描述目标对象对引导组件的转化倾向,从而提高转化效果。
根据本公开另一实施例,上述方法还可以包括以下操作:根据对象数据,从多个对象特征中检索与对象数据对应的对象属性特征。
例如,可以预先确定多个对象属性特征,并对多个对象属性特征进行存储,每个对象属性特征与对象数据(例如对象的标识)之间具有映射关系。当需要使用时,可以直接从存储的多个对象特征中检索与对象数据对应的对象属性特征,而无需在线计算目标对象的对象属性特征,从而提高数据处理效率。
根据本公开另一实施例,上述方法还可以包括以下操作:根据页面数据,从多个页面特征中检索与页面数据对应的页面特征。
例如,与上述对象属性特征类似,可以预先确定多个页面特征,并对多个页面特征进行存储,每个页面特征与页面数据(例如页面的标识)之间具有映射关系。当需要使用时,可以直接从存储的多个页面特征中检索与页面数据对应的页面特征,而无需在线计算页面特征,从而提高数据处理效率。
根据本公开另一实施例,上述方法还可以包括以下操作:根据广告数据,从多个广告特征中检索与广告数据对应的广告特征。
例如,与上述对象属性特征类似,可以预先确定多个广告特征,并对多个广告特征进行存储,每个广告特征与广告数据(例如广告的标识)之间具有映射关系。当需要使用时,可以直接从存储的多个广告特征中检索与广告数据对应的广告特征,而无需在线计算广告特征,从而提高数据处理效率。
根据本公开另一实施例,预定条件包括第一预定条件和第二预定条件中的至少一个。
例如,第一预定条件可以包括:转化率大于等于预定对象群体的第一参考转化率,其中,预定对象群体与目标对象属于同一类别,第一参考转化率是基于预定对象群体在第一预定时段内的历史转化率确定的。
例如,根据目标对象User_1的属性信息可知某个目标对象是一名年龄在20~25岁之间并且使用某国产手机的男性用户。可以根据不同的维度来确定目标对象User_1的类别,例如该目标对象User_1在“年龄”维度下的类别是“20~25岁”,在“性别”维度下的类别是“男性”。
例如,不同维度的类别可以对应不同的对象群体,在实际应用中,例如,可以根据对象数据,确定目标对象的类别信息,然后基于类别信息,获取预定对象群体的第一参考转化率。此外,每个对象群体对应有第一参考转化率,例如“男性群体”的第一参考转化率是0.6,例如“20~25岁用户群体”的第一参考转化率是0.65。例如可以将对象群体在过去1个月获取其他时段内的转化率均值,确定为第一参考转化率。
例如,可以将该目标对象User_1的转化率与其所属的每个类别的预定对象群体的第一参考转化率进行比较。例如,若该目标对象User_1的转化率是0.68,该转化率大于“20~25岁用户群体”的第一参考转化率,因此可以确定转化率满足第一预定条件,则认为该目标对象User_1此时具有较高转化倾向,可以利用引导组件进行引导。
又例如,可以预先指定目标类别,例如指定目标类别是“性别”,此时可以仅将该目标对象User_1的转化率与“男性群体”的参考转化率做比较,而无需将该目标对象User_1的转化率和“20~25岁用户群体”的参考转化率做比较。
可以看出,通过与目标对象属于同一类别预定对象群体的第一参考转化率,可以准确确定目标对象的转化意愿。
例如,第二预定条件可以包括:转化率大于等于目标页面的第二参考转化率,其中,第二参考转化率是基于目标页面的在第二预定时段内的历史转化率确定的。
例如,多个目标页面对应有各自的第二参考转化率,例如某个有关高端旗舰手机销售页面的参考转化率是0.05,某个关于特价水果销售页面的参考转化率是0.4。
例如,可以预先统计当前目标对象所浏览的目标页面在过去预定时段的第二参考转化率,例如可以将在过去1个月或者其他时段内该目标页面的转化率均值确定为第二参考转化率。例如,第二参考转化率是0.3,该目标对象的转化率是0.5,由于转化率大于上述第二参考转化率,因此可以确定转化率满足第二预定条件,该目标对象此时具有较高转化倾向,可以利用引导组件进行引导。
可以看出,通过与目标页面的第二参考转化率进行比较,可以准确确定目标对象的转化意愿。
根据本公开另一实施例,目标页面与至少两个候选引导信息有关;上述确定与关联数据对应的关联特征集合的操作可以包括以下操作:针对多个候选引导信息的每个候选引导信息,根据该候选引导信息和关联数据,确定与该候选引导信息对应的关联特征集合,得到与多个候选引导信息分别对应的多个关联特征集合。每个关联特征集合包括与候选引导信息对应的特征和与关联数据对应的特征。
例如,关联数据对应有一些特征,这些特征可以包括行为特征A、页面特征B、对象属性特征C、广告特征D。目标页面与候选引导信息E1、E2、E3有关,上述三种候选引导信息所包括的文案、产品形态等属性信息彼此不同,该三种候选引导信息E1、E2、E3分别对应有引导特征E1’、E2’、E3’。在确定关联特征集合的过程中,可以根据行为特征A、页面特征B、对象属性特征C、广告特征D、引导特征E1’构建第一关联特征集合M1,根据行为特征A、页面特征B、对象属性特征C、广告特征D、引导特征E2’构建第二关联特征集合M2,根据行为特征A、页面特征B、对象属性特征C、广告特征D、引导特征E3’构建第三关联特征集合M3。
可以看出,基于包括引导特征的关联特征集合来确定的转化率,可以体现目标对象对于不同引导信息的转化倾向,从而准确评估目标对象当前的转化意愿,进而提高转化效果。
根据本公开实施例提供的技术方案,可以预先设计多种样式的引导信息,并且根据每种样式的引导信息来构建关联特征集合。因此,在后续处理关联数据集合并得到转化率的过程中,转化率可以体现目标对象对引导信息样式的喜好倾向,进而可以根据目标对象的喜好倾向来选择其中一种样式的引导信息对目标对象进行引导,针对不同的目标对象呈现不同的引导信息,从而进一步提高转化效果。
需要说明的是,在预先构建训练样本并训练转化率模型的过程中,也可以根据与引导信息对应的引导特征来构建训练样本,并基于包括引导特征的训练样本来训练转化率模型,从而使转化率模型可以在关联特征集合包括引导特征的情况下准确计算转化率。此外,在构建样本的过程中,除了采用上述单个类别的特征来构建目标样本,还可以引入多种交叉特征,例如可以包括年龄-引导信息、机型-引导信息,年龄-引导信息可以用于刻画不同年龄的目标对象对不同样式引导信息的转化倾向,机型-引导信息样式可以用于刻画拥有不同手机型号的目标对象对不同样式引导信息的转化倾向。
根据本公开另一实施例,上述确定与关联特征集合对应的转化率的操作可以包括以下操作:确定与多个关联特征集合中的每个关联特征集合对应的转化率,得到多个转化率。相应地,上述在确定转化率满足预定条件的情况下,生成目标引导信息的操作可以包括以下操作:在确定多个转化率中的最大转化率满足预定条件的情况下,将与最大转化率对应的候选引导信息,确定为目标引导信息;以及生成目标引导信息。
例如,当上述确定至少两个关联特征集合之后,可以将每个特征集合处理为一个目标样本,这样得到至少两个目标样本。然后利用转化率模型处理目标样本,从而得到每个目标样本的转化率。
例如,上述关联特征集合M1、M2、M3对应的转化率分别是0.8、0.6、0.3,转化率大于等于0.5即认为满足预定条件。可以看出,关联特征集合M1、M2均满足预定条件,此外,关联特征集合M1的转化率高于关联特征集合M2的转化率,表示目标对象对引导信息E2的转化倾向更高,因此将引导信息E2作为目标引导信息。
本公开实施例根据最大转化率对应的候选引导信息确定为目标引导信息,因此可以向当前的目标对象展示其转化倾向最高的引导信息,从而提高引导效果。
图3是根据本公开实施例的生成引导信息的方法的示意原理图。
如图3所示,本实施例中,可以涉及前端页面310、设备320、特征服务330、转化率模型340和数据库350。
通过前端页面310获取关联数据。例如,前端页面310可以是广告落地页,用户可以在当前展示的目标页面中进行操作,前端页面310可以将包括行为数据、页面数据、对象数据、广告数据等预定数据的请求发送至后端,后端对请求进行一些处理后将处理后的请求发送至设备320。
设备320可以请求特征服务330,利用特征服务330来确定与预定数据对应的关联特征集合。例如,特征服务330可以预先存储多个对象特征、多个页面特征和多个广告特征,然后可以从多个对象特征中检索与对象数据对应的对象属性特征,可以从多个页面特征中检索与页面数据对应的页面特征,可以从多个广告特征中检索与广告数据对应的广告特征。还可以对行为数据进行特征抽取处理,从而得到与行为数据对应的特征。此外,目标页面可以与至少两个候选引导信息有关,即,目标页面可以展示某个候选引导信息来引导用户进行转化操作,目标页面也可以展示另一个候选引导信息来引导用户进行转化操作。特征服务330还可以根据与目标页面有关的候选引导信息,在多个引导特征中检索与候选引导信息对应的引导特征。然后特征服务330可以将行为特征、对象属性特征、页面特征、广告特征、引导特征等特征返回至设备320。
设备320可以包括实时特征处理模块321和评估模块322。
设备320中的实时特征处理模块321可以对获取的多个特征进行处理,得到目标样本。例如,实时特征处理模块321对多个特征进行清洗、离散化处理等预定处理,从而得到目标样本。然后设备320可以将目标样本发送至预先训练的转化率模型340,转化率模型340处理目标样本并输出转化率,然后转化率模型340将转化率返回至设备320。
需要说明的是,当目标页面与至少两个候选引导信息有关时,实时特征处理模块321可以根据候选引导信息构建目标样本。例如,目标页面与候选引导信息E1、E2、E3有关,即可以在目标页面中展示候选引导信息E1、E2、E3中的任意一个来引导用户。实时特征处理模块321可以根据关联数据对应的特征(例如行为特征、对象属性特征、页面特征、广告特征等)和候选引导信息E1构建第一目标样本,还根据关联数据对应的特征和候选引导信息E2构建第二目标样本,还根据关联数据对应的特征和候选引导信息E3构建第三目标样本。然后设备320将第一目标样本、第二目标样本、第三目标样本均发送至预先训练的转化率模型340。转化率模型340确定与第一目标样本、第二目标样本、第三目标样本分别对应的三个转化率。上述三个转化率可以体现用户对目标页面中候选引导信息E1、E2、E3的转化倾向。
接下来,设备320中的评估模块322可以从数据库350中获取参考转化率。例如,可以根据对象数据在数据库350中检索与该目标对象属于同一类别的对象群体的第一参考转化率,可以根据页面数据在数据库350中检索该目标页面的第二参考转化率。然后评估模块322可以将第一参考转化率、第二参考转化率分别与转化率进行比较,并在第一参考转化率、第二参考转化率中任意一者小于转化率的情况下,确定此刻用户具有较高转化倾向,适宜进行转化引导,因此确定满足预定条件并生成目标引导信息。
接下来,设备320将引导信息返回至前端页面310,由前端页面310对引导信息进行渲染,从而引导用户发生转化。
图4是根据本公开实施例的生成引导信息的装置的示意结构框图。
如图4所示,该生成引导信息的装置400可以包括获取模块410、第一确定模块420、第二确定模块430以及生成模块440。
获取模块410用于获取目标对象的关联数据,关联数据包括目标对象针对目标页面产生的行为数据。
第一确定模块420用于确定与关联数据对应的关联特征集合,关联特征集合包括与行为数据对应的行为特征。
第二确定模块430用于确定与关联特征集合对应的转化率。
生成模块440用于在确定转化率满足预定条件的情况下,生成目标引导信息。
根据本公开另一实施例,预定条件包括以下中的至少一个:转化率大于等于预定对象群体的第一参考转化率,其中,预定对象群体与目标对象属于同一类别,第一参考转化率是基于预定对象群体在第一预定时段内的历史转化率确定的。转化率大于等于目标页面的第二参考转化率,其中,第二参考转化率是基于目标页面的在第二预定时段内的历史转化率确定的。
根据本公开另一实施例,关联数据还包括对象数据、页面数据和广告数据中的至少一个,关联特征集合还包括对象属性特征、页面特征和广告特征中的至少一个。
根据本公开另一实施例,上述装置还包括第一检索模块、第二检索模块和第三检索模块中的至少一个。第一检索模块用于根据对象数据,从多个对象特征中检索与对象数据对应的对象属性特征。第二检索模块用于根据页面数据,从多个页面特征中检索与页面数据对应的页面特征。第三检索模块用于根据广告数据,从多个广告特征中检索与广告数据对应的广告特征。
根据本公开另一实施例,目标页面与至少两个候选引导信息有关。第一确定模块包括第一确定单元用于针对至少两个候选引导信息的每个候选引导信息,根据该候选引导信息和关联数据,确定与该候选引导信息对应的关联特征集合,得到与至少两个候选引导信息分别对应的至少两个关联特征集合;其中,每个关联特征集合包括与候选引导信息对应的特征和与关联数据对应的特征。
根据本公开另一实施例,第二确定模块包括:第二确定单元,其用于确定与至少两个关联特征集合中的每个关联特征集合对应的转化率,得到至少两个转化率。相应地,生成模块包括第三确定单元和生成单元。第三确定单元用于在确定至少两个转化率中的最大转化率满足预定条件的情况下,将与最大转化率对应的候选引导信息,确定为目标引导信息。生成单元用于生成目标引导信息。
根据本公开另一实施例,转化率表征目标页面的转化次数与点击数量之间的比值。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
根据本公开的实施例,本公开还提供了一种电子设备,包括至少一个处理器;以及与至少一个处理器通信连接的存储器;存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述生成引导信息的方法。
根据本公开的实施例,本公开还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述生成引导信息的方法。
根据本公开的实施例,本公开还提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述生成引导信息的方法。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如生成引导信息的方法。例如,在一些实施例中,生成引导信息的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的生成引导信息的方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行生成引导信息的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种生成引导信息的方法,包括:
获取目标对象的关联数据,所述关联数据包括所述目标对象针对目标页面产生的行为数据;
确定与所述关联数据对应的关联特征集合,所述关联特征集合包括与所述行为数据对应的行为特征;
确定与所述关联特征集合对应的转化率;以及
在确定所述转化率满足预定条件的情况下,生成目标引导信息。
2.根据权利要求1所述的方法,其中,所述预定条件包括以下中的至少一个:
所述转化率大于等于预定对象群体的第一参考转化率,其中,所述预定对象群体与所述目标对象属于同一类别,所述第一参考转化率是基于所述预定对象群体在第一预定时段内的历史转化率确定的;以及
所述转化率大于等于所述目标页面的第二参考转化率,其中,所述第二参考转化率是基于所述目标页面的在第二预定时段内的历史转化率确定的。
3.根据权利要求1所述的方法,其中,所述关联数据还包括对象数据、页面数据和广告数据中的至少一个,所述关联特征集合还包括对象属性特征、页面特征和广告特征中的至少一个。
4.根据权利要求3所述的方法,还包括以下中的至少一个:
根据所述对象数据,从多个对象特征中检索与所述对象数据对应的对象属性特征;
根据所述页面数据,从多个页面特征中检索与所述页面数据对应的页面特征;以及
根据所述广告数据,从多个广告特征中检索与所述广告数据对应的广告特征。
5.根据权利要求1至4任意一项所述的方法,其中,所述目标页面与至少两个候选引导信息有关;所述确定与所述关联数据对应的关联特征集合包括:
针对所述至少两个候选引导信息的每个候选引导信息,根据该候选引导信息和所述关联数据,确定与该候选引导信息对应的关联特征集合,得到与所述至少两个候选引导信息分别对应的至少两个关联特征集合;
其中,每个关联特征集合包括与所述候选引导信息对应的特征和与所述关联数据对应的特征。
6.根据权利要求5所述的方法,其中,
所述确定与所述关联特征集合对应的转化率包括:
确定与所述至少两个关联特征集合中的每个关联特征集合对应的转化率,得到至少两个转化率;
其中,所述在确定所述转化率满足预定条件的情况下,生成目标引导信息包括:
在确定所述至少两个转化率中的最大转化率满足所述预定条件的情况下,将与所述最大转化率对应的候选引导信息,确定为所述目标引导信息;以及
生成所述目标引导信息。
7.根据权利要求1所述的方法,其中,所述转化率表征所述目标页面的转化次数与点击数量之间的比值。
8.一种生成引导信息的装置,包括:
获取模块,用于获取目标对象的关联数据,所述关联数据包括所述目标对象针对目标页面产生的行为数据;
第一确定模块,用于确定与所述关联数据对应的关联特征集合,所述关联特征集合包括与所述行为数据对应的行为特征;
第二确定模块,用于确定与所述关联特征集合对应的转化率;以及
生成模块,用于在确定所述转化率满足预定条件的情况下,生成目标引导信息。
9.根据权利要求8所述的装置,其中,所述预定条件包括以下中的至少一个:
所述转化率大于等于预定对象群体的第一参考转化率,其中,所述预定对象群体与所述目标对象属于同一类别,所述第一参考转化率是基于所述预定对象群体在第一预定时段内的历史转化率确定的;以及
所述转化率大于等于所述目标页面的第二参考转化率,其中,所述第二参考转化率是基于所述目标页面的在第二预定时段内的历史转化率确定的。
10.根据权利要求8所述的装置,其中,所述关联数据还包括对象数据、页面数据和广告数据中的至少一个,所述关联特征集合还包括对象属性特征、页面特征和广告特征中的至少一个。
11.根据权利要求10所述的装置,还包括以下中的至少一个:
第一检索模块,用于根据所述对象数据,从多个对象特征中检索与所述对象数据对应的对象属性特征;
第二检索模块,用于根据所述页面数据,从多个页面特征中检索与所述页面数据对应的页面特征;以及
第三检索模块,用于根据所述广告数据,从多个广告特征中检索与所述广告数据对应的广告特征。
12.根据权利要求8至11任意一项所述的装置,其中,所述目标页面与至少两个候选引导信息有关;所述第一确定模块包括:
第一确定单元,用于针对所述至少两个候选引导信息的每个候选引导信息,根据该候选引导信息和所述关联数据,确定与该候选引导信息对应的关联特征集合,得到与所述至少两个候选引导信息分别对应的至少两个关联特征集合;
其中,每个关联特征集合包括与所述候选引导信息对应的特征和与所述关联数据对应的特征。
13.根据权利要求12所述的装置,其中,
所述第二确定模块包括:
第二确定单元,用于确定与所述至少两个关联特征集合中的每个关联特征集合对应的转化率,得到至少两个转化率;
其中,所述生成模块包括:
第三确定单元,用于在确定所述至少两个转化率中的最大转化率满足所述预定条件的情况下,将与所述最大转化率对应的候选引导信息,确定为所述目标引导信息;以及
生成单元,用于生成所述目标引导信息。
14.根据权利要求8所述的装置,其中,所述转化率表征所述目标页面的转化次数与点击数量之间的比值。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211107220.5A CN115660750A (zh) | 2022-09-09 | 2022-09-09 | 生成引导信息的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211107220.5A CN115660750A (zh) | 2022-09-09 | 2022-09-09 | 生成引导信息的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660750A true CN115660750A (zh) | 2023-01-31 |
Family
ID=84983891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211107220.5A Pending CN115660750A (zh) | 2022-09-09 | 2022-09-09 | 生成引导信息的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660750A (zh) |
-
2022
- 2022-09-09 CN CN202211107220.5A patent/CN115660750A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609152B (zh) | 用于扩展查询式的方法和装置 | |
CN107222526B (zh) | 推送推广信息的方法、装置、设备和计算机存储介质 | |
CN107908616B (zh) | 预测趋势词的方法和装置 | |
US11809505B2 (en) | Method for pushing information, electronic device | |
CN114549874A (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
CN110020312B (zh) | 提取网页正文的方法和装置 | |
CN107609192A (zh) | 一种搜索引擎的补充搜索方法和装置 | |
CN112818230A (zh) | 内容推荐方法、装置、电子设备和存储介质 | |
CN111861596A (zh) | 一种文本分类方法和装置 | |
CN111209351B (zh) | 对象关系预测、对象推荐方法及装置、电子设备、介质 | |
CN113434755A (zh) | 页面的生成方法、装置、电子设备及存储介质 | |
CN110750707A (zh) | 关键词推荐方法、装置和电子设备 | |
CN113806660A (zh) | 数据评估方法、训练方法、装置、电子设备以及存储介质 | |
CN115858815A (zh) | 确定映射信息的方法、广告推荐方法、装置、设备及介质 | |
CN113076395B (zh) | 语义模型训练、搜索显示方法、装置、设备及存储介质 | |
CN115080824A (zh) | 目标词的挖掘方法、装置、电子设备及存储介质 | |
CN115017200A (zh) | 搜索结果的排序方法、装置、电子设备和存储介质 | |
CN114491232A (zh) | 信息查询方法、装置、电子设备和存储介质 | |
CN114169418A (zh) | 标签推荐模型训练方法及装置、标签获取方法及装置 | |
CN115660750A (zh) | 生成引导信息的方法、装置、电子设备及存储介质 | |
CN113722593A (zh) | 事件数据处理方法、装置、电子设备和介质 | |
CN113239273A (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN113435523A (zh) | 预测内容点击率的方法、装置、电子设备以及存储介质 | |
CN113360761A (zh) | 信息流推荐方法、装置、电子设备和计算机可读存储介质 | |
CN113010782A (zh) | 需求量获取方法、装置、电子设备以及计算机可读介质 |
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 |