CN116402553B - 广告效果评估方法、装置及可读存储介质 - Google Patents
广告效果评估方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN116402553B CN116402553B CN202310664776.2A CN202310664776A CN116402553B CN 116402553 B CN116402553 B CN 116402553B CN 202310664776 A CN202310664776 A CN 202310664776A CN 116402553 B CN116402553 B CN 116402553B
- Authority
- CN
- China
- Prior art keywords
- advertisement
- data
- channel
- channel analysis
- representing
- 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.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims abstract description 93
- 238000011156 evaluation Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 99
- 238000006243 chemical reaction Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000013210 evaluation model Methods 0.000 claims abstract description 29
- 108091006146 Channels Proteins 0.000 claims description 136
- 238000000034 method Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 15
- 238000000556 factor analysis Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 10
- 238000013145 classification model Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
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
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种广告效果评估方法、装置及可读存储介质,该方法包括:将广告运行日志进行分类得到多个广告分类数据;利用广告转化预测模型对广告投放渠道进行渠道分析得到渠道分析数据;根据各广告投放渠道的弹出概率为各渠道分析数据分配渠道分析系数;根据用户信息和广告类型对各广告分类数据进行印象指标计算得到广告印象数据;通过广告印象数据、渠道分析数据及渠道分析系数建立效果评估模型,并通过效果评估模型对待评估广告数据进行效果评估得到评估结果。本发明利用用户信息和广告类型对广告进行印象指标计算得到印象数据,并根据广告投放渠道的弹出概率分配渠道分析系数;通过建立效果评估模型对待评估广告进行效果评估得到评估结果。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种广告效果评估方法、装置及可读存储介质。
背景技术
随着科技的飞速发展和人们生活水平的提高,广告已经作为目前最流行的宣传手段之一,企业根据自身服务内容或产品特性,确定相关的广告关键词,编排广告内容进行自主投放。
目前,互联网广告的表现形式越来越丰富,广告的投放渠道也变得越来越多,因此针对各类广告的效果评估也成为了人们研究的对象。现有技术中针对广告效果评估通常是采用最广泛的机器学习算法,主要分为线性模型和非线性模型两大类。其中,线性模型虽然结构简单,运算速度快,但是对于数据的准确性要求高,只能对线性的问题进行规划约束,而且计算量大,不能对特征进行交叉组合;非线性模型可以从数据中挖掘更多信息,但其针对离散型的自变量数据所需要的运算量较大,并且运算速度相对于线性模型较为缓慢。
发明内容
基于此,本发明的目的是提供一种广告效果评估方法、装置及可读存储介质,以至少解决上述技术中的不足。
本发明提出一种广告效果评估方法,包括:
基于用户信息获取对应的广告运行日志,并将所述广告运行日志按照广告类型进行分类,以得到多个广告分类数据;
构建广告转化预测模型,并利用所述广告转化预测模型对各所述广告分类数据的广告投放渠道进行渠道分析,以得到各所述广告分类数据所对应的渠道分析数据;
基于各所述广告分类数据获取各所述广告投放渠道的弹出概率,并根据所述弹出概率为各所述渠道分析数据分配渠道分析系数;
根据所述用户信息和所述广告类型对各所述广告分类数据进行印象指标计算,以得到各所述广告分类数据所对应的广告印象数据;
通过所述广告印象数据、所述渠道分析数据以及所述渠道分析系数建立效果评估模型,并通过所述效果评估模型对待评估广告数据进行效果评估,以得到对应的评估结果。
进一步的,基于用户信息获取对应的广告运行日志,并将所述广告运行日志按照广告类型进行分类,以得到多个广告分类数据的步骤包括:
解析出所述用户信息的各类用户特征,并基于各所述用户特征划分获取区间;
在所述获取区间内获取各所述用户特征所对应的广告运行日志,并利用广告分类模型获取各所述广告类型所对应的类型权重;
基于所述类型权重对所述广告运行日志进行广告分类,以得到多个广告分类数据。
进一步的,构建广告转化预测模型的步骤包括:
获取标准广告数据,并解析出所述标准广告数据的数据标签;
对各所述标准广告数据按照数据类型进行取值计算,以得到各所述标准广告数据的编码数据;
基于所述数据标签对各所述编码数据进行编码计算,以得到对应的编码特征值;
根据所述编码特征值对所述标准广告数据进行数据优化,以得到对应的优化数据,并利用所述优化数据构建所述广告转化预测模型。
进一步的,所述编码特征值的计算公式为:
;
式中,表示权重参数,/>表示数据标签,/>表示数据标签的编码数据,/>表示编码数据的数量,/>表示数据标签的先验概率,/>表示标准广告数据的数据类型,/>表示标准广告数据的数据类型所对应的取值,/>表示数据标签的后验概率。
进一步的,通过所述广告印象数据、所述渠道分析数据以及所述渠道分析系数建立效果评估模型的步骤包括:
对所述广告印象数据、所述渠道分析数据以及所述渠道分析系数进行成分因子分析,以得到对应的因子方差数据;
根据所述因子方差数据建立对应的方差贡献表,并基于所述方差贡献表计算出效果指标参数以及数据排名参数;
通过所述效果指标参数以及所述数据排名参数建立效果评估模型。
本发明还提出一种广告效果评估装置,包括:
日志获取模块,用于基于用户信息获取对应的广告运行日志,并将所述广告运行日志按照广告类型进行分类,以得到多个广告分类数据;
渠道分析模块,用于构建广告转化预测模型,并利用所述广告转化预测模型对各所述广告分类数据的广告投放渠道进行渠道分析,以得到各所述广告分类数据所对应的渠道分析数据;
系数分配模块,用于基于各所述广告分类数据获取各所述广告投放渠道的弹出概率,并根据所述弹出概率为各所述渠道分析数据分配渠道分析系数;
指标计算模块,用于根据所述用户信息和所述广告类型对各所述广告分类数据进行印象指标计算,以得到各所述广告分类数据所对应的广告印象数据;
效果评估模块,用于通过所述广告印象数据、所述渠道分析数据以及所述渠道分析系数建立效果评估模型,并通过所述效果评估模型对待评估广告数据进行效果评估,以得到对应的评估结果。
进一步的,所述日志获取模块包括:
区间划分单元,用于解析出所述用户信息的各类用户特征,并基于各所述用户特征划分获取区间;
权重计算单元,用于在所述获取区间内获取各所述用户特征所对应的广告运行日志,并利用广告分类模型获取各所述广告类型所对应的类型权重;
广告分类单元,用于基于所述类型权重对所述广告运行日志进行广告分类,以得到多个广告分类数据。
进一步的,所述渠道分析模块包括:
标准数据获取单元,用于获取标准广告数据,并解析出所述标准广告数据的数据标签;
取值计算单元,用于对各所述标准广告数据按照数据类型进行取值计算,以得到各所述标准广告数据的编码数据;
编码计算单元,用于基于所述数据标签对各所述编码数据进行编码计算,以得到对应的编码特征值;
数据优化单元,用于根据所述编码特征值对所述标准广告数据进行数据优化,以得到对应的优化数据,并利用所述优化数据构建所述广告转化预测模型。
进一步的,所述效果评估模块包括:
因子分析单元,用于对所述广告印象数据、所述渠道分析数据以及所述渠道分析系数进行成分因子分析,以得到对应的因子方差数据;
参数计算单元,用于根据所述因子方差数据建立对应的方差贡献表,并基于所述方差贡献表计算出效果指标参数以及数据排名参数;
模型建立单元,用于通过所述效果指标参数以及所述数据排名参数建立效果评估模型。
本发明还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的广告效果评估方法。
本发明当中的广告效果评估方法、装置及可读存储介质,利用用户信息获取广告运行日志,能够根据用户特征精准获取广告数据,并对广告运行日志进行分类,能够提升广告数据的效果评估的精准度;通过广告转化预测模型对广告投放渠道进行渠道分析,并根据广告投放渠道的弹出概率分配渠道分析系数,从而保证渠道分析的准确性,并且利用用户信息和广告类型对广告进行印象指标计算,以得到用户针对各类广告的印象数据,并通过印象数据、渠道分析数据以及渠道分析系数建立效果评估模型,从而利用效果评估模型对待评估广告进行效果评估,得到对应的评估结果。
附图说明
图1为本发明第一实施例中的广告效果评估方法的流程图;
图2为图1中步骤S101的详细流程图;
图3为图1中步骤S102的详细流程图;
图4为图1中步骤S105的详细流程图;
图5为本发明第二实施例中的广告效果评估装置的结构框图;
图6为本发明第三实施例中的计算机的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1,所示为本发明第一实施例中的广告效果评估方法,所述方法具体包括步骤S101至S105:
S101,基于用户信息获取对应的广告运行日志,并将所述广告运行日志按照广告类型进行分类,以得到多个广告分类数据;
请参阅图2,所述步骤S101具体包括步骤S1011~S1013:
S1011,解析出所述用户信息的各类用户特征,并基于各所述用户特征划分获取区间;
S1012,在所述获取区间内获取各所述用户特征所对应的广告运行日志,并利用广告分类模型获取各所述广告类型所对应的类型权重;
S1013,基于所述类型权重对所述广告运行日志进行广告分类,以得到多个广告分类数据。
在具体实施时,解析出用户信息的各类用户特征,其中,该用户特征包括用户的年龄、性别以及兴趣类目,由于广告转化需要用户基于其感兴趣的前提下,才可能产生,因此,本实施例中将该兴趣类目作为主要组成因素构建获取区间,并在该区间中获取不同年龄阶段下不同性别的用户在相同的兴趣类目中所产生的广告数据(该广告数据即为广告运行日志,其中包含有广告点击数据以及广告转化数据);
进一步的,通过预先构建的广告分类模型获取各广告类型(在本实施例中,该广告类型包括商品广告、服务广告以及企业广告)的类型权重,其中,不同年龄阶段的用户针对不同广告的关注度不同,因此,不同广告针存在不同的类型权重,例如:当将兴趣类目标记为美妆产品时,女性用户针对商品广告的类型权重相对较高,而男性用户则会相对较低,通过广告分类模型进行权重计算即可依次得到在该获取区间中商品广告、服务广告以及企业广告所对应的类型权重,通过类型权重对上述的广告数据进行广告分类,将类型权重小于权重阈值(该阈值由用户自行设定或系统自动生成)的广告数据删除,以提升后续广告效果预测结果的精准度及可信度。
S102,构建广告转化预测模型,并利用所述广告转化预测模型对各所述广告分类数据的广告投放渠道进行渠道分析,以得到各所述广告分类数据所对应的渠道分析数据;
请参阅图3,所述步骤S102具体包括步骤S1021~S1024:
S1021,获取标准广告数据,并解析出所述标准广告数据的数据标签;
S1022,对各所述标准广告数据按照数据类型进行取值计算,以得到各所述标准广告数据的编码数据;
S1023,基于所述数据标签对各所述编码数据进行编码计算,以得到对应的编码特征值;
S1024,根据所述编码特征值对所述标准广告数据进行数据优化,以得到对应的优化数据,并利用所述优化数据构建所述广告转化预测模型。
在具体实施时,该标准广告数据即为已知效果的广告数据,通过前期的问卷调查或网络取证等方式所获取的数据,对该标准广告数据进行标签解析,以得到对应的数据标签,并对各标准广告数据按照数据类型进行取值计算,以得到各标准广告数据的编码数据,其中,该数据标签即为其数据生成时所产生的编码数据的标签,并基于所得到的数据标签对各编码数据进行编码计算,以得到对应的编码特征值:
;
式中,表示权重参数,/>表示数据标签,/>表示数据标签的编码数据,/>表示编码数据的数量,/>表示数据标签的先验概率,/>表示标准广告数据的数据类型,/>表示标准广告数据的数据类型所对应的取值,/>表示数据标签的后验概率。
进一步的,利用上述得到的编码特征值对标准广告数据进行数据优化,其中,将编码特征值大于编码阈值(在本实施例中,该编码阈值为1,在其他可选实施例中,该编码阈值可以为用户自行设定或系统自动生成)的标准广告数据进行提取,以得到对应的优化数据,可以理解的,通过编码特征值计算,能够避免标准广告数据中不符合要求的数据,从而保证数据的使用更加准确,使得数据更加均匀,再得到对应的优化数据后,将该优化数据输入至已完成学习的卷积神经网络模型的学习器中进行数据学习,从而形成广告转化预测模型。
具体的,在得到广告转化预测模型后,利用该模型对上述得到的广告分类数据所对应的广告投放渠道进行渠道分析,以得到各广告分类数据所对应的渠道分析数据,其中,该渠道分析数据即为广告在不同的投放渠道中所产生的转化数据,由渠道点击成本和用户转化成本生成,其中,渠道点击成本的表达式为:
;
式中,表示该广告在第t个渠道的投放成本,/>表示该广告在第t个渠道的点击数量。
用户转化成本的表达式为:
;
式中,表示用户在第t个渠道中对该广告进行转化的数量。
具体的,第t个投放渠道的渠道分析数据的表达式为:
;
式中,表示第t个投放渠道的补偿系数。
S103,基于各所述广告分类数据获取各所述广告投放渠道的弹出概率,并根据所述弹出概率为各所述渠道分析数据分配渠道分析系数;
在具体实施时,弹出概率即为用户通过广告投放渠道访问广告后,并未进行任何互动即离开广告的概率,通过上述的广告分类数据对其对应的广告投放渠道进行分析,以得到对应的弹出概率,并利用预先构建的弹出概率-渠道分析系数映射表进行查询,以得到各渠道分析数据所对应的渠道分析系数。
S104,根据所述用户信息和所述广告类型对各所述广告分类数据进行印象指标计算,以得到各所述广告分类数据所对应的广告印象数据;
在具体实施时,将上述广告分类数据的所有广告按照其对应的广告类型分配给对应的用户进行重新浏览,并获取各用户对各广告的印象程度,其中,印象程度越高的广告,意味着其转化的可能性就越大,将该印象程度输入至印象指标计算模型进行计算,以得到各广告分类数据所对应的广告印象数据。
S105,通过所述广告印象数据、所述渠道分析数据以及所述渠道分析系数建立效果评估模型,并通过所述效果评估模型对待评估广告数据进行效果评估,以得到对应的评估结果。
进一步的,请参阅图4,所述步骤S105具体包括步骤S1051~S1053:
S1051,对所述广告印象数据、所述渠道分析数据以及所述渠道分析系数进行成分因子分析,以得到对应的因子方差数据;
S1052,根据所述因子方差数据建立对应的方差贡献表,并基于所述方差贡献表计算出效果指标参数以及数据排名参数;
S1053,通过所述效果指标参数以及所述数据排名参数建立效果评估模型。
在具体实施时,将上述的广告印象数据、渠道分析数据以及渠道分析系数输入至SPSS软件进行成分因子分析,通过因子分析算法进行快速计算,从而得到对应的因子方差数据,将该因子方差数据按照特征根大小进行主成分罗列,其中,主成分包括该渠道分析数据中与广告转化相关的成分因素,例如:广告转化数据、广告点击数据、广告排名数据、广告印象数据以及渠道分析系数,并基于主成分数据进行方差贡献表构建,并根据方差贡献表计算出效果指标参数和数据排名参数:
;
式中,表示效果指标参数,/>、/>分别表示主成分中的广告转化数据、广告点击数据,/>、/>分别表示主成分中的广告转化数据、广告点击数据的补偿系数;
;
式中,表示数据排名参数,/>、/>以及/>分别表示广告排名数据、广告印象数据以及渠道分析系数,/>、/>以及/>分别表示广告排名数据、广告印象数据以及渠道分析系数的补偿系数。
需要说明的是,效果指标参数即为该广告的收益效果,其数值越大,意味着该广告的收益效果越好,数据排名参数即为广告的排名情况,排名越靠后,该数值就越大。
进一步的,利用效果指标参数以及数据排名参数的特征根作为权数,分别对效果指标参数以及数据排名参数进行加权求和,以建立效果评估模型;通过所述效果评估模型对待评估广告数据进行效果评估,以得到对应的评估结果。
综上,本发明上述实施例当中的广告效果评估方法,利用用户信息获取广告运行日志,能够根据用户特征精准获取广告数据,并对广告运行日志进行分类,能够提升广告数据的效果评估的精准度;通过广告转化预测模型对广告投放渠道进行渠道分析,并根据广告投放渠道的弹出概率分配渠道分析系数,从而保证渠道分析的准确性,并且利用用户信息和广告类型对广告进行印象指标计算,以得到用户针对各类广告的印象数据,并通过印象数据、渠道分析数据以及渠道分析系数建立效果评估模型,从而利用效果评估模型对待评估广告进行效果评估,得到对应的评估结果。
实施例二
本发明另一方面还提出一种广告效果评估装置,请查阅图5,所示为本发明第二实施例中的广告效果评估装置,所述装置包括:
日志获取模块11,用于基于用户信息获取对应的广告运行日志,并将所述广告运行日志按照广告类型进行分类,以得到多个广告分类数据;
进一步的,所述日志获取模块11包括:
区间划分单元,用于解析出所述用户信息的各类用户特征,并基于各所述用户特征划分获取区间;
权重计算单元,用于在所述获取区间内获取各所述用户特征所对应的广告运行日志,并利用广告分类模型获取各所述广告类型所对应的类型权重;
广告分类单元,用于基于所述类型权重对所述广告运行日志进行广告分类,以得到多个广告分类数据。
渠道分析模块12,用于构建广告转化预测模型,并利用所述广告转化预测模型对各所述广告分类数据的广告投放渠道进行渠道分析,以得到各所述广告分类数据所对应的渠道分析数据;
进一步的,所述渠道分析模块12包括:
标准数据获取单元,用于获取标准广告数据,并解析出所述标准广告数据的数据标签;
取值计算单元,用于对各所述标准广告数据按照数据类型进行取值计算,以得到各所述标准广告数据的编码数据;
编码计算单元,用于基于所述数据标签对各所述编码数据进行编码计算,以得到对应的编码特征值;
数据优化单元,用于根据所述编码特征值对所述标准广告数据进行数据优化,以得到对应的优化数据,并利用所述优化数据构建所述广告转化预测模型。
系数分配模块13,用于基于各所述广告分类数据获取各所述广告投放渠道的弹出概率,并根据所述弹出概率为各所述渠道分析数据分配渠道分析系数;
指标计算模块14,用于根据所述用户信息和所述广告类型对各所述广告分类数据进行印象指标计算,以得到各所述广告分类数据所对应的广告印象数据;
效果评估模块15,用于通过所述广告印象数据、所述渠道分析数据以及所述渠道分析系数建立效果评估模型,并通过所述效果评估模型对待评估广告数据进行效果评估,以得到对应的评估结果。
进一步的,所述效果评估模块15包括:
因子分析单元,用于对所述广告印象数据、所述渠道分析数据以及所述渠道分析系数进行成分因子分析,以得到对应的因子方差数据;
参数计算单元,用于根据所述因子方差数据建立对应的方差贡献表,并基于所述方差贡献表计算出效果指标参数以及数据排名参数;
模型建立单元,用于通过所述效果指标参数以及所述数据排名参数建立效果评估模型。
上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同,在此不再赘述。
本发明实施例所提供的广告效果评估装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例三
本发明还提出一种计算机,请参阅图6,所示为本发明第三实施例中的计算机,包括存储器10、处理器20以及存储在所述存储器10上并可在所述处理器20上运行的计算机程序30,所述处理器20执行所述计算机程序30时实现上述的广告效果评估方法。
其中,存储器10至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器10在一些实施例中可以是计算机的内部存储单元,例如该计算机的硬盘。存储器10在另一些实施例中也可以是外部存储装置,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器10还可以既包括计算机的内部存储单元也包括外部存储装置。存储器10不仅可以用于存储安装于计算机的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
其中,处理器20在一些实施例中可以是电子控制单元 (Electronic ControlUnit,简称ECU,又称行车电脑)、中央处理器(Central Processing Unit, CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器10中存储的程序代码或处理数据,例如执行访问限制程序等。
需要指出的是,图6示出的结构并不构成对计算机的限定,在其它实施例当中,该计算机可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述的广告效果评估方法。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种广告效果评估方法,其特征在于,包括:
基于用户信息获取对应的广告运行日志,并将所述广告运行日志按照广告类型进行分类,以得到多个广告分类数据;
构建广告转化预测模型,并利用所述广告转化预测模型对各所述广告分类数据的广告投放渠道进行渠道分析,以得到各所述广告分类数据所对应的渠道分析数据,所述渠道分析数据为广告在不同的投放渠道中所产生的转化数据,由渠道点击成本和用户转化成本生成,其中,所述渠道点击成本的表达式为:
;
式中,表示广告在第t个渠道的投放成本,/>表示广告在第t个渠道的点击数量;
所述用户转化成本的表达式为:
;
式中,表示用户在第t个渠道中对广告进行转化的数量;
第t个投放渠道的渠道分析数据的表达式为:
;
式中,表示第t个投放渠道的补偿系数;
其中,构建广告转化预测模型的步骤包括:
获取标准广告数据,并解析出所述标准广告数据的数据标签,其中,标准广告数据即为已知效果的广告数据;
对各所述标准广告数据按照数据类型进行取值计算,以得到各所述标准广告数据的编码数据;
基于所述数据标签对各所述编码数据进行编码计算,以得到对应的编码特征值,所述编码特征值的计算公式为:
;
式中,表示编码特征值,/>表示权重参数,/>表示数据标签,/>表示数据标签的编码数据,/>表示编码数据的数量,/>表示数据标签的先验概率,/>表示标准广告数据的数据类型,/>表示标准广告数据的数据类型所对应的取值,/>表示数据标签的后验概率;
根据所述编码特征值对所述标准广告数据进行数据优化,以得到对应的优化数据,并利用所述优化数据构建所述广告转化预测模型;
基于各所述广告分类数据获取各所述广告投放渠道的弹出概率,并根据所述弹出概率为各所述渠道分析数据分配渠道分析系数,弹出概率为用户通过广告投放渠道访问广告后,并未进行任何互动即离开广告的概率,其中,基于各所述广告分类数据获取各所述广告投放渠道的弹出概率,并根据所述弹出概率为各所述渠道分析数据分配渠道分析系数的步骤包括:
通过所述广告分类数据对其对应的广告投放渠道进行分析,以得到对应的弹出概率,并利用预先构建的弹出概率-渠道分析系数映射表进行查询,以得到各渠道分析数据所对应的渠道分析系数;
根据所述用户信息和所述广告类型对各所述广告分类数据进行印象指标计算,以得到各所述广告分类数据所对应的广告印象数据;
通过所述广告印象数据、所述渠道分析数据以及所述渠道分析系数建立效果评估模型,并通过所述效果评估模型对待评估广告数据进行效果评估,以得到对应的评估结果,其中,通过所述广告印象数据、所述渠道分析数据以及所述渠道分析系数建立效果评估模型的步骤包括:
对所述广告印象数据、所述渠道分析数据以及所述渠道分析系数进行成分因子分析,以得到对应的因子方差数据;
根据所述因子方差数据建立对应的方差贡献表,并基于所述方差贡献表计算出效果指标参数以及数据排名参数;
通过所述效果指标参数以及所述数据排名参数建立效果评估模型。
2.根据权利要求1所述的广告效果评估方法,其特征在于,基于用户信息获取对应的广告运行日志,并将所述广告运行日志中按照广告类型进行分类,以得到多个广告分类数据的步骤包括:
解析出所述用户信息的各类用户特征,并基于各所述用户特征划分获取区间;
在所述获取区间内获取各所述用户特征所对应的广告运行日志,并利用广告分类模型获取各所述广告类型所对应的类型权重;
基于所述类型权重对所述广告运行日志进行广告分类,以得到多个广告分类数据。
3.一种广告效果评估装置,其特征在于,包括:
日志获取模块,用于基于用户信息获取对应的广告运行日志,并将所述广告运行日志按照广告类型进行分类,以得到多个广告分类数据;
渠道分析模块,用于构建广告转化预测模型,并利用所述广告转化预测模型对各所述广告分类数据的广告投放渠道进行渠道分析,以得到各所述广告分类数据所对应的渠道分析数据,其中,所述渠道分析数据为广告在不同的投放渠道中所产生的转化数据,由渠道点击成本和用户转化成本生成,所述渠道点击成本的表达式为:
;
式中,表示广告在第t个渠道的投放成本,/>表示广告在第t个渠道的点击数量;
所述用户转化成本的表达式为:
;
式中,表示用户在第t个渠道中对广告进行转化的数量;
第t个投放渠道的渠道分析数据的表达式为:
;
式中,表示第t个投放渠道的补偿系数;
其中,所述渠道分析模块包括:
标准数据获取单元,用于获取标准广告数据,并解析出所述标准广告数据的数据标签,其中,标准广告数据即为已知效果的广告数据;
取值计算单元,用于对各所述标准广告数据按照数据类型进行取值计算,以得到各所述标准广告数据的编码数据;
编码计算单元,用于基于所述数据标签对各所述编码数据进行编码计算,以得到对应的编码特征值,所述编码特征值的计算公式为:
;
式中,表示编码特征值,/>表示权重参数,/>表示数据标签,/>表示数据标签的编码数据,/>表示编码数据的数量,/>表示数据标签的先验概率,/>表示标准广告数据的数据类型,/>表示标准广告数据的数据类型所对应的取值,/>表示数据标签的后验概率;
数据优化单元,用于根据所述编码特征值对所述标准广告数据进行数据优化,以得到对应的优化数据,并利用所述优化数据构建所述广告转化预测模型;
系数分配模块,用于基于各所述广告分类数据获取各所述广告投放渠道的弹出概率,并根据所述弹出概率为各所述渠道分析数据分配渠道分析系数,弹出概率为用户通过广告投放渠道访问广告后,并未进行任何互动即离开广告的概率,其中,所述系数分配模块具体用于:
通过所述广告分类数据对其对应的广告投放渠道进行分析,以得到对应的弹出概率,并利用预先构建的弹出概率-渠道分析系数映射表进行查询,以得到各渠道分析数据所对应的渠道分析系数;
指标计算模块,用于根据所述用户信息和所述广告类型对各所述广告分类数据进行印象指标计算,以得到各所述广告分类数据所对应的广告印象数据;
效果评估模块,用于通过所述广告印象数据、所述渠道分析数据以及所述渠道分析系数建立效果评估模型,并通过所述效果评估模型对待评估广告数据进行效果评估,以得到对应的评估结果,其中,所述效果评估模块包括:
因子分析单元,用于对所述广告印象数据、所述渠道分析数据以及所述渠道分析系数进行成分因子分析,以得到对应的因子方差数据;
参数计算单元,用于根据所述因子方差数据建立对应的方差贡献表,并基于所述方差贡献表计算出效果指标参数以及数据排名参数;
模型建立单元,用于通过所述效果指标参数以及所述数据排名参数建立效果评估模型。
4.根据权利要求3所述的广告效果评估装置,其特征在于,所述日志获取模块包括:
区间划分单元,用于解析出所述用户信息的各类用户特征,并基于各所述用户特征划分获取区间;
权重计算单元,用于在所述获取区间内获取各所述用户特征所对应的广告运行日志,并利用广告分类模型获取各所述广告类型所对应的类型权重;
广告分类单元,用于基于所述类型权重对所述广告运行日志进行广告分类,以得到多个广告分类数据。
5.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至2任一所述的广告效果评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310664776.2A CN116402553B (zh) | 2023-06-07 | 2023-06-07 | 广告效果评估方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310664776.2A CN116402553B (zh) | 2023-06-07 | 2023-06-07 | 广告效果评估方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116402553A CN116402553A (zh) | 2023-07-07 |
CN116402553B true CN116402553B (zh) | 2023-08-18 |
Family
ID=87014465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310664776.2A Active CN116402553B (zh) | 2023-06-07 | 2023-06-07 | 广告效果评估方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402553B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002329127A (ja) * | 2001-04-27 | 2002-11-15 | Kyocera Communication Systems Co Ltd | 広告効果測定システム、決済側システム、情報端末、広告効果測定方法、プログラムおよび記録媒体 |
CN102222300A (zh) * | 2010-04-14 | 2011-10-19 | 微软公司 | 评估用户与广告交互的偏好 |
JP2013161358A (ja) * | 2012-02-07 | 2013-08-19 | Yahoo Japan Corp | 広告評価装置、広告評価方法およびプログラム |
CN107798563A (zh) * | 2017-11-09 | 2018-03-13 | 山东师范大学 | 基于多模态特征的互联网广告效果测评方法及系统 |
CN108564398A (zh) * | 2018-03-29 | 2018-09-21 | 北京酷云互动科技有限公司 | 一种渠道广告转化率的评估方法、系统和存储介质 |
CN115345670A (zh) * | 2022-08-22 | 2022-11-15 | 平安银行股份有限公司 | 广告投放方法、装置、电子设备及存储介质 |
CN116012066A (zh) * | 2023-03-28 | 2023-04-25 | 江西时刻互动科技股份有限公司 | 广告转化率的预测方法、装置、可读存储介质 |
CN116137004A (zh) * | 2023-04-19 | 2023-05-19 | 江西时刻互动科技股份有限公司 | 广告投放效果的归因方法、系统及计算机 |
CN116228324A (zh) * | 2022-12-29 | 2023-06-06 | 广州回头车信息科技有限公司 | 广告投放方确定方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10733634B2 (en) * | 2014-08-29 | 2020-08-04 | Microsoft Technology Licensing, Llc | Optimizing online advertising campaign allocations |
-
2023
- 2023-06-07 CN CN202310664776.2A patent/CN116402553B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002329127A (ja) * | 2001-04-27 | 2002-11-15 | Kyocera Communication Systems Co Ltd | 広告効果測定システム、決済側システム、情報端末、広告効果測定方法、プログラムおよび記録媒体 |
CN102222300A (zh) * | 2010-04-14 | 2011-10-19 | 微软公司 | 评估用户与广告交互的偏好 |
JP2013161358A (ja) * | 2012-02-07 | 2013-08-19 | Yahoo Japan Corp | 広告評価装置、広告評価方法およびプログラム |
CN107798563A (zh) * | 2017-11-09 | 2018-03-13 | 山东师范大学 | 基于多模态特征的互联网广告效果测评方法及系统 |
CN108564398A (zh) * | 2018-03-29 | 2018-09-21 | 北京酷云互动科技有限公司 | 一种渠道广告转化率的评估方法、系统和存储介质 |
CN115345670A (zh) * | 2022-08-22 | 2022-11-15 | 平安银行股份有限公司 | 广告投放方法、装置、电子设备及存储介质 |
CN116228324A (zh) * | 2022-12-29 | 2023-06-06 | 广州回头车信息科技有限公司 | 广告投放方确定方法、装置、设备及存储介质 |
CN116012066A (zh) * | 2023-03-28 | 2023-04-25 | 江西时刻互动科技股份有限公司 | 广告转化率的预测方法、装置、可读存储介质 |
CN116137004A (zh) * | 2023-04-19 | 2023-05-19 | 江西时刻互动科技股份有限公司 | 广告投放效果的归因方法、系统及计算机 |
Non-Patent Citations (1)
Title |
---|
探究融媒体场景下数字广告跨渠道互动机制与效果归因;王鲁漫;;参花(下)(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116402553A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11586880B2 (en) | System and method for multi-horizon time series forecasting with dynamic temporal context learning | |
CN107357874A (zh) | 用户分类方法及装置、电子设备、存储介质 | |
CN116137004B (zh) | 广告投放效果的归因方法、系统及计算机 | |
US11665121B2 (en) | Determining topic cohesion between posted and linked content | |
CN112348592A (zh) | 广告推荐方法、装置、电子设备及介质 | |
CN110781955A (zh) | 无标签对象的分类和检测套码的方法、装置及计算机可读存储介质 | |
CN111582932A (zh) | 场景间信息推送方法、装置、计算机设备及存储介质 | |
CN112988840A (zh) | 一种时间序列预测方法、装置、设备和存储介质 | |
CN115018588A (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN109740156B (zh) | 反馈信息处理方法、装置、电子设备及存储介质 | |
CN113886697A (zh) | 基于聚类算法的活动推荐方法、装置、设备及存储介质 | |
CN116402553B (zh) | 广告效果评估方法、装置及可读存储介质 | |
CN116843388B (zh) | 一种广告投放分析方法及系统 | |
CN103345503A (zh) | 一种基于小波网络的丝绸产品个性化推荐方法 | |
CN116012066A (zh) | 广告转化率的预测方法、装置、可读存储介质 | |
US20200311762A1 (en) | System and method for analyzing the effectiveness and influence of digital online content | |
Truskinger et al. | Decision support for the efficient annotation of bioacoustic events | |
CN116739649A (zh) | 一种用户响应潜力评估方法和装置 | |
CN107315807B (zh) | 人才推荐方法和装置 | |
CN110322150B (zh) | 一种信息审核方法、装置及服务器 | |
CN113902576A (zh) | 基于深度学习的信息推送方法、装置、电子设备及介质 | |
Telila et al. | Quantifying food insecurity in Ethiopia: Prevalence, drivers, and policy implications | |
CN115146054A (zh) | 多标签分类方法、装置及可读存储介质 | |
CN115203500A (zh) | 一种用户标签的丰富方法、装置、计算机设备和存储介质 | |
CN111914927A (zh) | 一种优化数据不平衡状态的移动app用户性别识别方法和系统 |
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 |