CN116132749A - 一种和直播带货结合的广告营销方法 - Google Patents
一种和直播带货结合的广告营销方法 Download PDFInfo
- Publication number
- CN116132749A CN116132749A CN202310145105.5A CN202310145105A CN116132749A CN 116132749 A CN116132749 A CN 116132749A CN 202310145105 A CN202310145105 A CN 202310145105A CN 116132749 A CN116132749 A CN 116132749A
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- commodity
- model
- live broadcast
- 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
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
- G06Q30/0277—Online advertisement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4784—Supplemental services, e.g. displaying phone caller identification, shopping application receiving rewards
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
-
- 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
Abstract
本发明提出一种和直播带货结合的广告营销方法,包括:获取历史直播行为数据、历史直播间数据、历史交互行为数据,并建立三者间的关联关系;根据关联关系、历史直播行为数据、历史直播间数据和历史交互行为数据生成高频交互模型;根据历史成交商品数据生成热卖商品画像;根据关联关系、历史广告投放数据和历史成交商品数据生成广告与商品间的第一关联关系模型;根据第一关联关系模型、高频交互模型生成广告投放模型;根据热卖商品画像和广告投放模型,进行对应商品的广告投放。通过本发明方案,能根据直播间主播行为、直播间的特征、观众交互行为智能自动地生成广告投放模型,不但能实现广告的精准投放,还能节省了资源,提高了投放效率。
Description
技术领域
本发明涉及直播技术领域,具体涉及一种和直播带货结合的广告营销方法。
背景技术
基于移动互联网的技术的进步,电子商务也得到了迅猛发展。电子商务是指在互联网、内部网和增值网上以电子交易方式进行交易活动和相关服务活动,使传统商业活动各环节的电子化、网络化,电子商务包括电子货币交换、供应链管理、电子交易市场、网络营销、在线事务处理、电子数据交换、存货管理和自动数据收集系统。随着电子商务产业的发展,直播带货已经成为新的电商方式,相对于传统的电商形势,直播带货电商平台的主播在直播的时候会详细介绍产品的性能、效用、使用方法和效果,相比于传统电商平台的单一的图文静态商品描述,直播带货能让观众更直观地感受产品,从而增加他们的购买欲,促进消费。
发明内容
本发明正是基于上述问题,提出了一种和直播带货结合的广告营销方法,通过本发明方案,能根据直播间主播行为、直播间的特征、观众交互行为智能自动地生成广告投放模型,不但能实现广告的精准投放,还能节省了资源,提高了投放效率。
有鉴于此,本发明的一方面提出了一种和直播带货结合的广告营销方法,包括:
获取直播间的主播的历史直播行为数据和所述直播间的历史直播间数据,并给所述历史直播行为数据和所述历史直播间数据分别创建第一时间标签和第二时间标签;
获取所述直播间的观众的历史交互行为数据,并给所述历史交互行为数据创建第三时间标签;
基于时间序列,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系;
根据所述关联关系、所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据生成高频交互模型;
根据所述历史成交商品数据生成热卖商品画像;
根据所述关联关系、所述历史广告投放数据和所述历史成交商品数据生成广告与商品间的第一关联关系模型;
根据所述第一关联关系模型、所述高频交互模型生成广告投放模型;
根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放。
可选地,所述历史直播行为数据包括主播动作数据、主播着装数据、主播语音数据和虚拟妆容数据;
所述历史直播间数据包括历史在线人数、历史环境数据、历史背景音数据、历史广告投放数据和历史成交商品数据;
所述历史交互行为数据包括输入弹幕数据、赠送虚拟礼物数据、点赞数据、点击广告数据、添加购物车数据和购买商品数据。
可选地,所述基于时间序列,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系的步骤,包括:
根据所述第一时间标签、所述第二时间标签和所述第三时间标签,结合预设的时间约束条件,将符合所述时间约束条件的所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据归类,形成多个数据小组,在各个所述数据小组内以时间为连接点建立关联关系。
可选地,所述根据所述关联关系、所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据生成高频交互模型的步骤,包括:
对所述历史交互行为数据进行数据统计与分析,获取第一预设时长内的交互行为频率高于第一频率的第一时间段;
根据所述关联关系,分别在所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据中提取所述第一时间段对应的第一历史直播行为数据、第一历史直播间数据和第一历史交互行为数据;
分别将所述第一历史直播行为数据、所述第一历史直播间数据和所述第一历史交互行为数据按预设比例划分为训练数据集和测试数据集;
将所述训练数据集输入第一卷积神经网络中进行训练,得到初始高频交互模型;
将所述测试数据集输入所述初始高频交互模型,并收集正反馈和/或逆反馈信息;
根据所述正反馈和/或所述逆反馈信息对所述初始高频交互模型进行学习修正以得到所述高频交互模型。
可选地,所述根据所述历史成交商品数据生成热卖商品画像的步骤,包括:
对所述历史成交商品数据进行特征处理,基于预设的N个不同商品特征维度生成N个特征数据集;
利用所述N个特征数据集生成第一特征模型;
对所述N个特征数据集进行归一化处理后进行数据融合,得到融合后的第一特征数据集;
利用所述第一特征模型对所述第一特征数据集进行处理,得到基于预设的N个不同商品特征维度的评测数据;
根据所述评测数据,构建热卖商品画像;
其中,N为正整数。
可选地,所述根据所述关联关系、所述历史广告投放数据和所述历史成交商品数据生成广告与商品间的第一关联关系模型的步骤,包括:
从所述历史广告投放数据中获取历史广告投放时间、投放内容、投放形式、投放频率、投放时长、推送对象和推送频率作为第一历史广告投放数据;
从所述历史成交商品数据中获取历史成交商品种类、成交数量、成交价格、成交时间、购买者特征作为第一历史成交商品数据;
根据所述关联关系,确定所述第一历史广告投放数据与所述第一历史成交商品数据间的第一修正时间;
将所述第一历史广告投放数据、所述第一历史成交商品数据和所述第一修正时间输入训练好的第二卷积神经网络,得到所述第一关联关系模型。
可选地,所述根据所述第一关联关系模型、所述高频交互模型生成广告投放模型的步骤,包括:
将所述第一关联关系模型和所述高频交互模型输入训练的第三卷积神经网络,得到所述广告投放模型。
可选地,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,包括:
根据所述热卖商品画像获取对应的相似商品画像、配套商品画像;
按预设的选品规则,根据所述热卖商品画像生成主商品列表、根据所述相似商品画像和/或所述配套商品画像生成次商品列表;
根据所述主商品列表、所述次商品列表和所述广告投放模型,生成广告投放计划表,并按所述广告投放计划表生成广告投放数据以进行对应商品的广告投放。
可选地,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,还包括:
从所述广告投放模型中获取主播行为标准数据;
并根据所述主播行为标准数据生成虚拟主播数据;
根据所述虚拟主播数据和所述广告投放计划表生成所述广告投放数据。
可选地,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,还包括:
将所述广告投放数据发送至安全服务器;
所述安全服务器对所述广告投放数据进行安全性检测;
当所述广告投放数据符合预设的安全性条件时,将所述广告投放数据分发至与直播播放终端连接的边缘服务器;
所述边缘服务器根据所述直播播放终端的属性信息和所述直播播放终端的使用者的特征信息,对所述广告投放数据进行修正,并将修正后的数据发送至所述直播播放终端以展示广告。
采用本发明的技术方案,通过获取直播间的主播的历史直播行为数据和所述直播间的历史直播间数据,并给所述历史直播行为数据和所述历史直播间数据分别创建第一时间标签和第二时间标签;再获取所述直播间的观众的历史交互行为数据,并给所述历史交互行为数据创建第三时间标签;然后,基于时间序列,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系;接着根据所述关联关系、所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据生成高频交互模型;根据所述历史成交商品数据生成热卖商品画像;根据所述关联关系、所述历史广告投放数据和所述历史成交商品数据生成广告与商品间的第一关联关系模型;根据所述第一关联关系模型、所述高频交互模型生成广告投放模型;最后,根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放。通过本发明方案,能根据直播间主播行为、直播间的特征、观众交互行为智能自动地生成广告投放模型,不但能实现广告的精准投放,还能节省了资源,提高了投放效率。
附图说明
图1是本发明一个实施例提供的和直播带货结合的广告营销方法的流程图;
图2是本发明一个实施例提供的和直播带货结合的广告营销方法流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面参照图1至图2来描述根据本发明一些实施方式提供的一种和直播带货结合的广告营销方法。
如图1所示,本发明一个实施例提供一种和直播带货结合的广告营销方法,包括:
获取直播间的主播的历史直播行为数据和所述直播间的历史直播间数据,并给所述历史直播行为数据和所述历史直播间数据分别创建第一时间标签和第二时间标签;
在本步骤中,在获取历史直播行为数据和历史直播间数据后,分别以历史直播行为数据和历史直播间数据的产生时间为二者创建指向前述各项数据的最小数据结构的第一时间标签和第二时间标签,以便按时间线对数据进行处理。第一时间标签/第二时间标签为时间序列与数据标识构成。
获取所述直播间的观众的历史交互行为数据,并给所述历史交互行为数据创建第三时间标签;
在本步骤中,以历史交互行为数据的产生时间为基础创建指向历史交互行为数据的最小数据结构的第三时间标签,第三时间标签为时间序列与数据标识构成。
基于时间序列,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系;
在本步骤中,以时间序列为基础,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系,即发生于同一时刻的前述各项数据的最小数据结构或具有相同时间线的各项数据的单元组建立关联关系。
根据所述关联关系、所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据生成高频交互模型;
在本步骤中,根据所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的所述关联关系,以及所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据的数据特征及其所对应的历史直播行为、历史直播间状态、直播观众历史交互行为的行为关联性,可以得到产生高频交互的直播行为特征、直播间特征、观众行为特征,从而构建出高频交互模型。
根据所述历史成交商品数据生成热卖商品画像;
本步骤中,通过从历史成交商品数据中提取成交商品特征,进而形成热卖商品画像。
根据所述关联关系、所述历史广告投放数据和所述历史成交商品数据生成广告与商品间的第一关联关系模型;
在本步骤中,根据所述关联关系可以将所述历史广告投放数据和所述历史成交商品数据间具有对应关系的部分提取出来,从而生成广告与商品间的第一关联关系模型(至少包含有广告与商品销售量间关系)。
根据所述第一关联关系模型、所述高频交互模型生成广告投放模型;
在本步骤中,根据广告与商品间的第一关联关系模型可以得出什么类型的广告能促成商品热销并且适合在本直播间投放,根据高频交互模型可以得出怎么以最佳方式(如主播行为、直播间布置/渲染、时间控制等)投放广告能使得观众的交互达到一定的热度。
根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放。
在本步骤中,根据所述热卖商品画像和所述广告投放模型,进行对应商品(如热卖商品、热卖商品的类似商品、热卖商品的配套商品等)的广告投放。
采用该实施例的技术方案,通过获取直播间的主播的历史直播行为数据和所述直播间的历史直播间数据,并给所述历史直播行为数据和所述历史直播间数据分别创建第一时间标签和第二时间标签;再获取所述直播间的观众的历史交互行为数据,并给所述历史交互行为数据创建第三时间标签;然后,基于时间序列,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系;接着根据所述关联关系、所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据生成高频交互模型;根据所述历史成交商品数据生成热卖商品画像;根据所述关联关系、所述历史广告投放数据和所述历史成交商品数据生成广告与商品间的第一关联关系模型;根据所述第一关联关系模型、所述高频交互模型生成广告投放模型;最后,根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放。通过本方案,能根据直播间主播行为、直播间的特征、观众交互行为智能自动地生成广告投放模型,不但能实现广告的精准投放,还能节省了资源,提高了投放效率。
在本发明一些可能的实施方式中,所述历史直播行为数据包括但不限于主播动作数据、主播着装数据、主播语音数据和虚拟妆容数据等主播形象数据展示数据;
所述历史直播间数据包括历史在线人数、历史环境数据、历史背景音数据、历史广告投放数据和历史成交商品数据;
所述历史交互行为数据包括输入弹幕数据、赠送虚拟礼物数据、点赞数据、点击广告数据、添加购物车数据和购买商品数据。
在本实施例中,进一步细化数据项能提高方案的准确度。
在本发明一些可能的实施方式中,所述基于时间序列,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系的步骤,包括:
根据所述第一时间标签、所述第二时间标签和所述第三时间标签,结合预设的时间约束条件(如设定相互关联的数据必须满足二者的发生时间不能大于预设的最小差值,如果发生时间大于预设的最小差值,则二者不能关联),将符合所述时间约束条件的所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据归类,形成多个以最小数据结构构成的数据小组,在各个所述数据小组内以时间为连接点建立关联关系。
在本实施例中,设定时间约束条件,可以避免数据被遗漏,保证了准确性。
请参见图2,在本发明一些可能的实施方式中,所述根据所述关联关系、所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据生成高频交互模型的步骤,包括:
对所述历史交互行为数据进行数据统计与分析,获取第一预设时长内的交互行为频率高于第一频率的第一时间段;
在本步骤中,第一频率可以根据大数据分析确定,以此来界定高频交互行为。
根据所述关联关系,分别在所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据中提取所述第一时间段对应的第一历史直播行为数据、第一历史直播间数据和第一历史交互行为数据;
在本步骤中,获取交互行为频率高于第一频率的第一时间段内对应的第一历史直播行为数据、第一历史直播间数据和第一历史交互行为数据。
分别将所述第一历史直播行为数据、所述第一历史直播间数据和所述第一历史交互行为数据按预设比例划分为训练数据集和测试数据集;
将所述训练数据集输入第一卷积神经网络中进行训练,得到初始高频交互模型;
将所述测试数据集输入所述初始高频交互模型,并收集正反馈和/或逆反馈信息;
根据所述正反馈和/或所述逆反馈信息对所述初始高频交互模型进行学习修正以得到所述高频交互模型。
本实施例中,为了得到高精度的模型,可以通过用所述第一历史直播行为数据、所述第一历史直播间数据和所述第一历史交互行为数据对第一卷积神经网络进行训练得到高频交互模型。
在本发明一些可能的实施方式中,所述根据所述历史成交商品数据生成热卖商品画像的步骤,包括:
对所述历史成交商品数据进行特征处理,基于预设的N个不同商品特征维度生成N个特征数据集;
利用所述N个特征数据集生成第一特征模型;
对所述N个特征数据集进行归一化处理后进行数据融合,得到融合后的第一特征数据集;
利用所述第一特征模型对所述第一特征数据集进行处理,得到基于预设的N个不同商品特征维度的评测数据;
根据所述评测数据,构建热卖商品画像;
其中,N为正整数,可以根据实际需求确定其值。
在本实施例中,通过对所述历史成交商品数据进行特征处理,再利用得到的特征数据集可以准确全面地构建出热卖商品画像。
在本发明一些可能的实施方式中,所述根据所述关联关系、所述历史广告投放数据和所述历史成交商品数据生成广告与商品间的第一关联关系模型的步骤,包括:
从所述历史广告投放数据中获取历史广告投放时间、投放内容、投放形式、投放频率、投放时长、推送对象和推送频率作为第一历史广告投放数据;
从所述历史成交商品数据中获取历史成交商品种类、成交数量、成交价格、成交时间、购买者特征作为第一历史成交商品数据;
根据所述关联关系,确定所述第一历史广告投放数据与所述第一历史成交商品数据间的第一修正时间;
将所述第一历史广告投放数据、所述第一历史成交商品数据和所述第一修正时间输入训练好的第二卷积神经网络,得到所述第一关联关系模型。
本实施例中,根据所述关联关系确定所述第一历史广告投放数据与所述第一历史成交商品数据间的第一修正时间,可以避免因广告投放行为与商品购买行为存在的时差而丢失具备因果关系的关联数据,能使得第一关联关系模型更精准。
在本发明一些可能的实施方式中,所述根据所述第一关联关系模型、所述高频交互模型生成广告投放模型的步骤,包括:
将所述第一关联关系模型和所述高频交互模型输入训练的第三卷积神经网络,得到所述广告投放模型。
在本实施例中,为了得到完善精准的模型,将所述第一关联关系模型和所述高频交互模型输入训练的第三卷积神经网络,得到所述广告投放模型。
在本发明一些可能的实施方式中,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,包括:
根据所述热卖商品画像获取对应的相似商品画像、配套商品画像;
按预设的选品规则,根据所述热卖商品画像生成主商品列表、根据所述相似商品画像和/或所述配套商品画像生成次商品列表;
根据所述主商品列表、所述次商品列表和所述广告投放模型,生成广告投放计划表,并按所述广告投放计划表生成广告投放数据以进行对应商品的广告投放。
可以理解的是,为了使得广告投放更准确高效,在本实施例中,根据所述热卖商品画像获取对应的相似商品画像、配套商品画像;按预设的选品规则,根据所述热卖商品画像生成主商品列表、根据所述相似商品画像和/或所述配套商品画像生成次商品列表;根据所述主商品列表、所述次商品列表和所述广告投放模型,生成广告投放计划表,并按所述广告投放计划表生成广告投放数据以进行对应商品的广告投放。
在本发明一些可能的实施方式中,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,还包括:
从所述广告投放模型中获取主播行为标准数据;
并根据所述主播行为标准数据生成虚拟主播数据;
根据所述虚拟主播数据和所述广告投放计划表生成所述广告投放数据。
可以理解的是,为了使得广告投放更智能、灵活,本实施例中,从所述广告投放模型中获取主播行为标准数据;并根据所述主播行为标准数据生成虚拟主播数据(如虚拟人);根据所述虚拟主播数据和所述广告投放计划表生成所述广告投放数据。
在本发明一些可能的实施方式中,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,还包括:
将所述广告投放数据发送至安全服务器;
在本步骤中,将所述广告投放数据发送至用于安全性检测的安全服务器。
所述安全服务器对所述广告投放数据进行安全性检测;
在本步骤中,所述安全服务器对所述广告投放数据进行安全性检测,以检测其是否符合相关广告投放安全规范。
当所述广告投放数据符合预设的安全性条件时,将所述广告投放数据分发至与直播播放终端连接的边缘服务器;
在本步骤中,当所述广告投放数据符合预设的安全性条件时,将所述广告投放数据分发至与直播播放终端连接的边缘服务器以在达到直播播放终端前进行前置处理。
所述边缘服务器根据所述直播播放终端的属性信息和所述直播播放终端的使用者的特征信息,对所述广告投放数据进行修正,并将修正后的数据发送至所述直播播放终端以展示广告。
在本步骤中,所述边缘服务器根据所述直播播放终端的属性信息和所述直播播放终端的使用者的特征信息(如年龄、性别、教育程序、兴趣爱好、消费水平、健康状态等),对所述广告投放数据进行修正以使得投放的广告更加精准,并将修正后的数据发送至所述直播播放终端以展示广告。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
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。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
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是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,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,对于本领域的一般技术人员,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。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,可轻易想到变化或替换,均可作各种更动与修改,包含上述不同功能、实施步骤的组合,包含软件和硬件的实施方式,均在本发明的保护范围。
Claims (10)
1.一种和直播带货结合的广告营销方法,其特征在于,包括:
获取直播间的主播的历史直播行为数据和所述直播间的历史直播间数据,并给所述历史直播行为数据和所述历史直播间数据分别创建第一时间标签和第二时间标签;
获取所述直播间的观众的历史交互行为数据,并给所述历史交互行为数据创建第三时间标签;
基于时间序列,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系;
根据所述关联关系、所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据生成高频交互模型;
根据所述历史成交商品数据生成热卖商品画像;
根据所述关联关系、所述历史广告投放数据和所述历史成交商品数据生成广告与商品间的第一关联关系模型;
根据所述第一关联关系模型、所述高频交互模型生成广告投放模型;
根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放。
2.根据权利要求1所述的和直播带货结合的广告营销方法,其特征在于,所述历史直播行为数据包括主播动作数据、主播着装数据、主播语音数据和虚拟妆容数据;
所述历史直播间数据包括历史在线人数、历史环境数据、历史背景音数据、历史广告投放数据和历史成交商品数据;
所述历史交互行为数据包括输入弹幕数据、赠送虚拟礼物数据、点赞数据、点击广告数据、添加购物车数据和购买商品数据。
3.根据权利要求2所述的和直播带货结合的广告营销方法,其特征在于,所述基于时间序列,建立所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据之间的关联关系的步骤,包括:
根据所述第一时间标签、所述第二时间标签和所述第三时间标签,结合预设的时间约束条件,将符合所述时间约束条件的所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据归类,形成多个数据小组,在各个所述数据小组内以时间为连接点建立关联关系。
4.根据权利要求3所述的和直播带货结合的广告营销方法,其特征在于,所述根据所述关联关系、所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据生成高频交互模型的步骤,包括:
对所述历史交互行为数据进行数据统计与分析,获取第一预设时长内的交互行为频率高于第一频率的第一时间段;
根据所述关联关系,分别在所述历史直播行为数据、所述历史直播间数据和所述历史交互行为数据中提取所述第一时间段对应的第一历史直播行为数据、第一历史直播间数据和第一历史交互行为数据;
分别将所述第一历史直播行为数据、所述第一历史直播间数据和所述第一历史交互行为数据按预设比例划分为训练数据集和测试数据集;
将所述训练数据集输入第一卷积神经网络中进行训练,得到初始高频交互模型;
将所述测试数据集输入所述初始高频交互模型,并收集正反馈和/或逆反馈信息;
根据所述正反馈和/或所述逆反馈信息对所述初始高频交互模型进行学习修正以得到所述高频交互模型。
5.根据权利要求4所述的和直播带货结合的广告营销方法,其特征在于,所述根据所述历史成交商品数据生成热卖商品画像的步骤,包括:
对所述历史成交商品数据进行特征处理,基于预设的N个不同商品特征维度生成N个特征数据集;
利用所述N个特征数据集生成第一特征模型;
对所述N个特征数据集进行归一化处理后进行数据融合,得到融合后的第一特征数据集;
利用所述第一特征模型对所述第一特征数据集进行处理,得到基于预设的N个不同商品特征维度的评测数据;
根据所述评测数据,构建热卖商品画像;
其中,N为正整数。
6.根据权利要求5所述的和直播带货结合的广告营销方法,其特征在于,所述根据所述关联关系、所述历史广告投放数据和所述历史成交商品数据生成广告与商品间的第一关联关系模型的步骤,包括:
从所述历史广告投放数据中获取历史广告投放时间、投放内容、投放形式、投放频率、投放时长、推送对象和推送频率作为第一历史广告投放数据;
从所述历史成交商品数据中获取历史成交商品种类、成交数量、成交价格、成交时间、购买者特征作为第一历史成交商品数据;
根据所述关联关系,确定所述第一历史广告投放数据与所述第一历史成交商品数据间的第一修正时间;
将所述第一历史广告投放数据、所述第一历史成交商品数据和所述第一修正时间输入训练好的第二卷积神经网络,得到所述第一关联关系模型。
7.根据权利要求6所述的和直播带货结合的广告营销方法,其特征在于,所述根据所述第一关联关系模型、所述高频交互模型生成广告投放模型的步骤,包括:
将所述第一关联关系模型和所述高频交互模型输入训练的第三卷积神经网络,得到所述广告投放模型。
8.根据权利要求7所述的和直播带货结合的广告营销方法,其特征在于,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,包括:
根据所述热卖商品画像获取对应的相似商品画像、配套商品画像;
按预设的选品规则,根据所述热卖商品画像生成主商品列表、根据所述相似商品画像和/或所述配套商品画像生成次商品列表;
根据所述主商品列表、所述次商品列表和所述广告投放模型,生成广告投放计划表,并按所述广告投放计划表生成广告投放数据以进行对应商品的广告投放。
9.根据权利要求8所述的和直播带货结合的广告营销方法,其特征在于,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,还包括:
从所述广告投放模型中获取主播行为标准数据;
并根据所述主播行为标准数据生成虚拟主播数据;
根据所述虚拟主播数据和所述广告投放计划表生成所述广告投放数据。
10.根据权利要求2-9所述的和直播带货结合的广告营销方法,其特征在于,所述根据所述热卖商品画像和所述广告投放模型,进行对应商品的广告投放的步骤,还包括:
将所述广告投放数据发送至安全服务器;
所述安全服务器对所述广告投放数据进行安全性检测;
当所述广告投放数据符合预设的安全性条件时,将所述广告投放数据分发至与直播播放终端连接的边缘服务器;
所述边缘服务器根据所述直播播放终端的属性信息和所述直播播放终端的使用者的特征信息,对所述广告投放数据进行修正,并将修正后的数据发送至所述直播播放终端以展示广告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310145105.5A CN116132749B (zh) | 2023-02-06 | 2023-02-06 | 一种和直播带货结合的广告营销方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310145105.5A CN116132749B (zh) | 2023-02-06 | 2023-02-06 | 一种和直播带货结合的广告营销方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116132749A true CN116132749A (zh) | 2023-05-16 |
CN116132749B CN116132749B (zh) | 2023-09-05 |
Family
ID=86304567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310145105.5A Active CN116132749B (zh) | 2023-02-06 | 2023-02-06 | 一种和直播带货结合的广告营销方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116132749B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117135417A (zh) * | 2023-10-26 | 2023-11-28 | 环球数科集团有限公司 | 一种基于多模态大模型的景区智能营销及虚拟直播系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435067A (zh) * | 2020-11-30 | 2021-03-02 | 翼果(深圳)科技有限公司 | 跨电商平台与社交平台的智能广告投放方法及系统 |
US20210281925A1 (en) * | 2018-07-05 | 2021-09-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Dynamic viewer prediction system for advertisement scheduling |
WO2022041734A1 (zh) * | 2020-08-24 | 2022-03-03 | 广州华多网络科技有限公司 | 多直播间协同控制方法、装置、设备及存储介质 |
CN114245150A (zh) * | 2021-11-01 | 2022-03-25 | 武汉兰宇博信息科技有限公司 | 一种基于大数据和人工智能的视频直播营销方法及系统 |
CN114638646A (zh) * | 2022-03-25 | 2022-06-17 | 广州华多网络科技有限公司 | 广告投放推荐方法及其装置、设备、介质、产品 |
CN115225922A (zh) * | 2022-06-08 | 2022-10-21 | 广州博冠信息科技有限公司 | 在直播平台投放广告的方法、装置及电子设备 |
-
2023
- 2023-02-06 CN CN202310145105.5A patent/CN116132749B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210281925A1 (en) * | 2018-07-05 | 2021-09-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Dynamic viewer prediction system for advertisement scheduling |
WO2022041734A1 (zh) * | 2020-08-24 | 2022-03-03 | 广州华多网络科技有限公司 | 多直播间协同控制方法、装置、设备及存储介质 |
CN112435067A (zh) * | 2020-11-30 | 2021-03-02 | 翼果(深圳)科技有限公司 | 跨电商平台与社交平台的智能广告投放方法及系统 |
CN114245150A (zh) * | 2021-11-01 | 2022-03-25 | 武汉兰宇博信息科技有限公司 | 一种基于大数据和人工智能的视频直播营销方法及系统 |
CN114638646A (zh) * | 2022-03-25 | 2022-06-17 | 广州华多网络科技有限公司 | 广告投放推荐方法及其装置、设备、介质、产品 |
CN115225922A (zh) * | 2022-06-08 | 2022-10-21 | 广州博冠信息科技有限公司 | 在直播平台投放广告的方法、装置及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117135417A (zh) * | 2023-10-26 | 2023-11-28 | 环球数科集团有限公司 | 一种基于多模态大模型的景区智能营销及虚拟直播系统 |
CN117135417B (zh) * | 2023-10-26 | 2023-12-22 | 环球数科集团有限公司 | 一种基于多模态大模型的景区智能营销及虚拟直播系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116132749B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bauer et al. | Interactive digital signage-an innovative service and its future strategies | |
Goldschmidt et al. | Strategic affiliate marketing | |
CN112435067A (zh) | 跨电商平台与社交平台的智能广告投放方法及系统 | |
US20190155864A1 (en) | Method and apparatus for recommending business object, electronic device, and storage medium | |
CN106445905A (zh) | 问答数据处理、自动问答方法及装置 | |
CN116132749B (zh) | 一种和直播带货结合的广告营销方法 | |
CN114331543A (zh) | 一种大规模人群定向及动态化场景匹配的广告传播方法 | |
CN108229997A (zh) | 一种互联网购物促销的方法和系统 | |
CN112465594A (zh) | 直播交互方法、装置、设备及存储介质 | |
CN109242563A (zh) | 一种智能化信息监测应用方法和系统 | |
CN111507769A (zh) | 信息推送方法和系统、存储介质及处理器 | |
Madera et al. | A method based on Interactive Evolutionary Computation and fuzzy logic for increasing the effectiveness of advertising campaigns | |
US20220222712A1 (en) | Method and apparatus for generating user-ad matching list for online advertisement | |
KR20220153899A (ko) | 리뷰 컨텐츠의 구매 기여도에 기초한 리워드 제공 서비스를 제공하는 제공 방법 및 이를 구현하는 시스템 | |
WO2019047630A1 (zh) | 营销系统、广告礼品推荐方法和销售分成系统 | |
KR102429104B1 (ko) | 인공지능에 기반한 상품 카탈로그 자동 분류 시스템 | |
CN110738521B (zh) | 一种多电商品牌的客户销售方法和装置 | |
KR20220102511A (ko) | 온라인 광고를 위한 사용자-광고 간 매칭 리스트를 생성하는 방법 및 장치 | |
CN110807665A (zh) | 一种提高营销商品转化率的方法和装置 | |
CN117522486B (zh) | 一种用于电子商务的智能化广告投放系统及方法 | |
Khan et al. | THE DETERMINANTS OF CONSUMERS'ONLINE SHOPPING BEHAVIOUR: AN EMPIRICAL ASSESSMENT | |
KR20200102260A (ko) | 광고 매체 추천 방법 | |
US20090254495A1 (en) | Service leap | |
CN116228320B (zh) | 一种直播广告投放效果分析系统及方法 | |
Santoso et al. | The Effect of Security and Trust on Online Purchasing Decisions at Shopee by Kadiri University Students |
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 |