CN117541322A - 一种基于大数据分析的广告内容智能生成方法及系统 - Google Patents
一种基于大数据分析的广告内容智能生成方法及系统 Download PDFInfo
- Publication number
- CN117541322A CN117541322A CN202410035115.8A CN202410035115A CN117541322A CN 117541322 A CN117541322 A CN 117541322A CN 202410035115 A CN202410035115 A CN 202410035115A CN 117541322 A CN117541322 A CN 117541322A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- information
- data
- target
- acquiring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 146
- 238000011156 evaluation Methods 0.000 claims abstract description 78
- 238000012545 processing Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000013210 evaluation model Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 238000011160 research Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 6
- 235000012571 Ficus glomerata Nutrition 0.000 description 1
- 244000153665 Ficus glomerata Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06Q30/0276—Advertisement creation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (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
本发明公开了一种基于大数据分析的广告内容智能生成方法及系统,涉及广告营销技术领域,包括获取广告目标数据,基于数据处理,获取广告目标聚类信息,根据广告目标聚类信息,获取目标偏好特征信息,根据广告内容生成信息,对广告内容进行智能生成。本发明通过层次聚类对广告目标受众进行分析,准确判断与广告效果相关的用户特征信息,精确把握目标受众的需求和偏好,通过计算广告匹配指数,准确生成针对性的广告内容,更好地满足用户的需求,提供更具吸引力和有效性的信息,增强用户对广告的认可和接受度,通过广告效果数据,对广告效果进行评估,获取广告效果评估指数及时调整和优化广告内容,提升广告的效果和效益。
Description
技术领域
本发明涉及广告营销技术领域,具体是涉及一种基于大数据分析的广告内容智能生成方法及系统。
背景技术
随着媒体以及网络的发展,传统传媒信息的播放形式被替代,且广告形式也是多种多样。如,传统报纸杂志刊登广告的形式可以被显示屏展示广告的形式所替代,但是广告的生成过程更多还是依赖于人工,由此消耗了较多的人力。
在广阔的网络媒体,具体的选择广告平台,如何选择广告投放策略,如何节约广告投放成本,如何进行广告智能生成、达到最高的效费比,以及如何提高广告转化率,一直是企业的难题。本领域的常见的方法最基本的是:通过广告优化人员,连续的长期人工盯盘,人工分析,根据行业经验,相应的优化广告。这个传统方法的人力成本和最后效果,费效比一般不高;通常也很难在整个广告投放的周期的后半段做出针对性的调整,无法达到令客户十分满意的广告效果。
目前对于广告内容智能生成还存在着无法对广告目标受众进行准确分析,无法精确提取与广告效果有关的目标特征信息,无法根据目标特征信息对广告进行效果预期评估,无法准确对广告内容生成进行规划,无法根据广告效果数据对广告内容生成效果进行准确评估的问题。
发明内容
为解决上述技术问题,提供一种基于大数据分析的广告内容智能生成方法及系统,本技术方案解决了上述背景技术中提出的无法对广告目标受众进行准确分析,无法精确提取与广告效果有关的目标特征信息,无法根据目标特征信息对广告进行效果预期评估,无法准确对广告内容生成进行规划,无法根据广告效果数据对广告内容生成效果进行准确评估的问题。
为达到以上目的,本发明采用的技术方案为:
一种基于大数据分析的广告内容智能生成方法,包括:
获取广告目标数据,所述广告目标数据包括与广告目标受众相关的用户行为数据、社交媒体数据和市场调研数据;
根据广告目标数据,基于数据处理,获取广告目标聚类信息;
根据广告目标聚类信息,获取目标偏好特征信息;
获取广告信息,所述广告信息包括广告内容信息、广告商家位置信息和广告投放位置信息;
根据广告信息和目标偏好特征信息,获取广告数据集;
获取目标信息、目标位置信息和时间信息;
根据目标信息,基于特征分析,获取目标特征信息;
根据目标特征信息、目标位置信息、时间信息和广告数据集,基于广告匹配指数,获取广告内容生成信息;
根据广告内容生成信息,对广告内容进行智能生成;
获取广告效果数据,所述广告效果数据包括广告点击率数据和广告转化率数据;
根据广告效果数据,基于广告效果评估,获取广告效果评估指数;
根据广告效果评估指数,对广告内容生成进行调整。
优选的,所述根据广告目标数据,基于数据处理,获取广告目标聚类信息,具体包括:
根据广告目标数据,基于数据缺失检测,获取广告目标数据缺失信息;
根据广告目标数据缺失信息,对存在数据缺失的广告目标数据进行剔除,获取广告目标修正数据;
根据广告目标修正数据,基于哈希去重法,获取广告目标去重数据;
根据广告目标去重数据,基于特征选择,获取广告目标特征数据,所述广告目标特征数据包括用户年龄数据、用户性别信息、点击记录信息、购买记录信息、搜索关键词信息、浏览时长信息和购买频率信息;
根据广告目标特征数据,获取广告目标特征数据均值和广告目标特征数据标准差;
根据广告目标特征数据、广告目标特征数据均值和广告目标特征数据标准差,基于标准差归一化,获取广告目标特征标准数据;
根据广告目标特征标准数据,将每一个用户作为单独的一个集合,获取广告目标特征数据集,所述集合包括对应用户的所有特征数据;
根据广告目标特征数据集,基于相似度检测,获取相似度矩阵;
;
式中,为第x个用户与第y个用户的余弦相似度,n为广告目标特征数据集中用户总数量;
其中,余弦相似度的计算公式为:
;
式中,表示第x个用户在第i个特征上的特征值,/>表示第y个用户在第i个特征上的特征值,m为特征总数目;
根据相似度矩阵,基于聚类树构建,获取层次聚类树信息;
根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息。
优选的,所述根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息,具体包括:
基于层次聚类需求,获取聚类相似度阈值;
根据层次聚类树信息,获取聚类相似度信息;
根据聚类相似度信息和聚类相似度阈值,判断聚类相似度是否超出聚类相似度阈值,若是,则该聚类不需进行分割,若聚类相似度低于聚类相似度阈值,则该聚类需要进行分割,获取层次聚类信息;
根据层次聚类信息,获取Dunn指数;
基于聚类评估需求,获取Dunn指数阈值;
根据Dunn指数和Dunn指数阈值,判断Dunn指数是否低于Dunn指数阈值,若是,则聚类不合格,无法进行聚类分析,若是,则根据层次聚类信息,获取广告目标聚类信息。
优选的,所述根据广告信息和目标偏好特征信息,获取广告数据集,具体包括:
根据广告目标聚类信息,基于聚类簇分析,获取目标偏好特征信息,所述目标偏好特征信息包括偏好目标特征信息、地理位置信息、时间信息和与之对应的目标广告特征信息;
其中,目标广告特征信息包括广告风格特征信息、广告类型特征信息和广告商家位置特征信息;
根据广告信息,基于特征分析,获取广告特征信息;
根据广告特征信息和目标广告特征信息,对广告信息进行分类,获取广告数据集。
优选的,所述根据目标特征信息、目标位置信息、时间信息和广告数据集,基于广告匹配指数,获取广告内容生成信息,具体包括:
根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数;
基于广告推送需求,获取广告匹配指数阈值,
根据广告匹配指数和广告匹配指数阈值,对广告数据集进行筛选,获取广告推荐信息;
基于广告匹配指数比例,获取广告循环时间比重信息;
根据广告循环时间比重信息和广告推荐信息,获取广告内容生成信息;
其中,广告匹配指数的计算公式为:
;
式中,为第k个广告的广告匹配指数,/>为第k个广告的性别影响系数,/>为目标年龄影响系数,/>为目标年龄,/>为第k个广告的适宜年龄,/>为目标第i个特征的权重,/>为第k个广告与目标第i个特征的匹配指数,/>为距离影响系数,/>为目标位置,为广告商家位置,/>表示第k个广告的时间影响系数。
优选的,所述根据广告效果评估指数,对广告内容生成进行调整,具体包括:
根据广告效果数据,对广告效果进行评估,获取广告效果评估指数;
基于广告效果规划和实际需求,获取广告效果评估指数阈值;
根据广告效果评估指数和广告效果评估指数阈值,判断是否需要对广告内容生成进行调整,若广告效果评估指数未低于广告效果评估指数阈值,则根据广告效果评估指数和广告循环时间比重信息,对广告循环进行调整;
若广告效果评估指数低于广告效果评估指数阈值,则广告投放效果未达预期,根据广告效果评估指数和广告匹配指数,对广告匹配评估模型进行调整和优化;
;
式中,为生成的第s个广告的广告效果评估指数,/>为广告转化率的权重,/>为生成的第s个广告的转化率,/>为时间比例的权重,/>为生成的第s个广告的时间比例,为广告点击率的权重,/>为生成的第s个广告的点击率,/>为生成的第s个广告的广告匹配指数。
进一步的,提出一种基于大数据分析的广告内容智能生成系统,用于实现如上述的智能生成方法,包括:
主控制模块,所述主控制模块用于根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数,根据广告效果数据,对广告效果进行评估,获取广告效果评估指数,根据广告内容生成信息,对广告内容进行智能生成,根据广告效果评估指数,对广告内容生成进行调整;
信息获取模块,所述信息获取模块用于获取广告目标数据、与广告目标受众相关的用户行为数据、社交媒体数据、市场调研数据、广告效果数据、广告点击率数据、广告转化率数据、广告信息、广告内容信息、广告商家位置信息和广告投放位置信息,并传输至特征聚类模块;
特征聚类模块,所述特征聚类模块用于对数据进行处理,获取广告目标去重数据,根据广告目标去重数据,基于特征选择,获取广告目标特征数据,根据广告目标特征数据,根据广告目标特征数据集,基于相似度检测,获取相似度矩阵,根据相似度矩阵,基于聚类树构建,获取层次聚类树信息,根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息;
显示模块,所述显示模块用于显示广告匹配指数、广告循环时间比重信息、广告内容生成信息、广告效果评估指数和广告调整信息。
可选的,所述主控制模块,具体包括:
控制单元,所述控制单元用于根据目标信息,基于特征分析,获取目标特征信息,基于广告推送需求,获取广告匹配指数阈值,根据广告匹配指数和广告匹配指数阈值,对广告数据集进行筛选,获取广告推荐信息,基于广告匹配指数比例,获取广告循环时间比重信息,根据广告循环时间比重信息和广告推荐信息,获取广告内容生成信息,根据广告效果评估指数和广告效果评估指数阈值,判断是否需要对广告进行调整,根据广告效果评估指数和广告循环时间比重信息,对广告循环进行调整,根据广告效果评估指数和广告匹配指数,对广告匹配评估模型进行调整和优化;
信息接收单元,所述信息接收单元与信息获取模块和特征聚类模块交互,用于获取数据和特征聚类信息,并传输至计算单元;
计算单元,所述计算单元用于根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数,根据广告效果数据,对广告效果进行评估,获取广告效果评估指数。
可选的,所述信息获取模块,具体包括:
第一获取单元,所述第一获取单元用于获取广告目标数据、与广告目标受众相关的用户行为数据、社交媒体数据、市场调研数据、广告效果数据、广告点击率数据和广告转化率数据;
第二获取单元,所述第二获取单元用于获取广告信息、广告内容信息、广告商家位置信息和广告投放位置信息,并传输至特征聚类模块。
可选的,所述特征聚类模块,具体包括:
数据处理单元,所述数据处理单元用于根据广告目标数据,基于数据缺失检测,获取广告目标数据缺失信息,根据广告目标数据缺失信息,对存在数据缺失的广告目标数据进行剔除,获取广告目标修正数据,根据广告目标修正数据,基于哈希去重法,获取广告目标去重数据;
特征提取单元,所述特征提取单元用于根据广告目标去重数据,基于特征选择,获取广告目标特征数据,根据广告目标特征数据,获取广告目标特征数据均值和广告目标特征数据标准差,根据广告目标特征数据、广告目标特征数据均值和广告目标特征数据标准差,基于标准差归一化,获取广告目标特征标准数据;
聚类单元,所述聚类单元用于根据广告目标特征数据集,基于相似度检测,获取相似度矩阵,根据相似度矩阵,基于聚类树构建,获取层次聚类树信息,根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息。
与现有技术相比,本发明的有益效果在于:
本发明提出一种基于大数据分析的广告内容智能生成方法及系统,通过层次聚类对广告目标受众进行分析,准确判断与广告效果相关的用户特征信息,精确把握目标受众的需求和偏好,通过计算广告匹配指数,准确生成针对性的广告内容,更好地满足用户的需求,提供更具吸引力和有效性的信息,增强用户对广告的认可和接受度,通过广告效果数据,对广告效果进行评估,获取广告效果评估指数及时调整和优化广告内容,提升广告的效果和效益。
附图说明
图1为本发明提出的一种基于大数据分析的广告内容智能生成方法流程图;
图2为本发明中广告目标数据聚类分析流程图;
图3为本发明中广告内容智能生成流程图;
图4为本发明中广告内容生成调整流程图;
图5为本发明提出的一种基于大数据分析的广告内容智能生成系统结构框图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。
参照图1-图4所示,本发明实施例中的一种基于大数据分析的广告内容智能生成方法,包括:
获取广告目标数据,所述广告目标数据包括与广告目标受众相关的用户行为数据、社交媒体数据和市场调研数据;
根据广告目标数据,基于数据处理,获取广告目标聚类信息;
具体而言,通过层次聚类法对广告目标数据进行聚类分析,具体包括:
根据广告目标数据,基于数据缺失检测,获取广告目标数据缺失信息;
根据广告目标数据缺失信息,对存在数据缺失的广告目标数据进行剔除,获取广告目标修正数据;
根据广告目标修正数据,基于哈希去重法,获取广告目标去重数据;
根据广告目标去重数据,基于特征选择,获取广告目标特征数据,所述广告目标特征数据包括用户年龄数据、用户性别信息、点击记录信息、购买记录信息、搜索关键词信息、浏览时长信息和购买频率信息;
根据广告目标特征数据,获取广告目标特征数据均值和广告目标特征数据标准差;
根据广告目标特征数据、广告目标特征数据均值和广告目标特征数据标准差,基于标准差归一化,获取广告目标特征标准数据;
根据广告目标特征标准数据,将每一个用户作为单独的一个集合,获取广告目标特征数据集,所述集合包括对应用户的所有特征数据;
根据广告目标特征数据集,基于相似度检测,获取相似度矩阵;
;
式中,为第x个用户与第y个用户的余弦相似度,n为广告目标特征数据集中用户总数量;
其中,余弦相似度的计算公式为:
;
式中,表示第x个用户在第i个特征上的特征值,/>表示第y个用户在第i个特征上的特征值,m为特征总数目;
根据相似度矩阵,基于聚类树构建,获取层次聚类树信息;
根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息。
具体地,对层次聚类树进行切割,具体包括:
基于层次聚类需求,获取聚类相似度阈值;
根据层次聚类树信息,获取聚类相似度信息;
根据聚类相似度信息和聚类相似度阈值,判断聚类相似度是否超出聚类相似度阈值,若是,则该聚类不需进行分割,若聚类相似度低于聚类相似度阈值,则该聚类需要进行分割,获取层次聚类信息;
根据层次聚类信息,获取Dunn指数;
;
式中,D为Dunn指数,表示不同聚类之间的最短距离,/>表示同一聚类内对象之间的最远距离。
基于聚类评估需求,获取Dunn指数阈值;
根据Dunn指数和Dunn指数阈值,判断Dunn指数是否低于Dunn指数阈值,若是,则聚类不合格,无法进行聚类分析,若是,则根据层次聚类信息,获取广告目标聚类信息。
其中,根据相似度矩阵,构建层次聚类树时,从相似度矩阵中找出最相似的两个对象,将它们归为一组,形成一个新的集合。然后重新计算这个新的集合与其它所有集合之间的相似度,并更新相似度矩阵。重复以上步骤,不断地将最相似的两个集合归为一组,直到所有对象都被归为一组,形成一棵层次化的聚类树。
根据广告目标聚类信息,获取目标偏好特征信息;
获取广告信息,所述广告信息包括广告内容信息、广告商家位置信息和广告投放位置信息;
根据广告信息和目标偏好特征信息,获取广告数据集;
具体而言,将广告预案,根据广告特征进行分类存储,具体包括:
根据广告目标聚类信息,基于聚类簇分析,获取目标偏好特征信息,所述目标偏好特征信息包括偏好目标特征信息、地理位置信息、时间信息和与之对应的目标广告特征信息;
其中,目标广告特征信息包括广告风格特征信息、广告类型特征信息和广告商家位置特征信息;
根据广告信息,基于特征分析,获取广告特征信息;
根据广告特征信息和目标广告特征信息,对广告信息进行分类,获取广告数据集。
本方案中,通过对广告目标数据进行缺失值检测、去重和特征提取,提取出有关于广告效果的目标特征数据,对目标数据进行标准差归一化处理,满足分析需求,通过层次聚类分析,准确判断与广告效果相关的用户特征信息,精确把握目标受众的需求和偏好。
获取目标信息、目标位置信息和时间信息;
根据目标信息,基于特征分析,获取目标特征信息;
根据目标特征信息、目标位置信息、时间信息和广告数据集,基于广告匹配指数,获取广告内容生成信息;
具体而言,通过对目标特征进行分析,计算广告匹配指数,具体包括:
根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数;
基于广告推送需求,获取广告匹配指数阈值,
根据广告匹配指数和广告匹配指数阈值,对广告数据集进行筛选,获取广告推荐信息;
基于广告匹配指数比例,获取广告循环时间比重信息;
根据广告循环时间比重信息和广告推荐信息,获取广告内容生成信息;
其中,广告匹配指数的计算公式为:
;
式中,为第k个广告的广告匹配指数,/>为第k个广告的性别影响系数,/>为目标年龄影响系数,/>为目标年龄,/>为第k个广告的适宜年龄,/>为目标第i个特征的权重,/>为第k个广告与目标第i个特征的匹配指数,/>为距离影响系数,/>为目标位置,为广告商家位置,/>表示第k个广告的时间影响系数。
本方案中,通过目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数,准确评估对于目标的广告效果,根据不同用户群体准确生成针对性的广告内容,更好地满足用户的需求,通过广告匹配指数比例,获取广告循环时间比重信息,提供更具吸引力和有效性的信息,增强用户对广告的认可和接受度。
根据广告内容生成信息,对广告内容进行智能生成;
获取广告效果数据,所述广告效果数据包括广告点击率数据和广告转化率数据;
根据广告效果数据,基于广告效果评估,获取广告效果评估指数;
根据广告效果评估指数,对广告内容生成进行调整。
具体而言,通过对广告效果评估指数进行分析,根据分析结果对广告内容生成进行调整,具体包括:
根据广告效果数据,对广告效果进行评估,获取广告效果评估指数;
基于广告效果规划和实际需求,获取广告效果评估指数阈值;
根据广告效果评估指数和广告效果评估指数阈值,判断是否需要对广告内容生成进行调整,若广告效果评估指数未低于广告效果评估指数阈值,则根据广告效果评估指数和广告循环时间比重信息,对广告循环进行调整;
若广告效果评估指数低于广告效果评估指数阈值,则广告投放效果未达预期,根据广告效果评估指数和广告匹配指数,对广告匹配评估模型进行调整和优化;
;
式中,为生成的第s个广告的广告效果评估指数,/>为广告转化率的权重,/>为生成的第s个广告的转化率,/>为时间比例的权重,/>为生成的第s个广告的时间比例,为广告点击率的权重,/>为生成的第s个广告的点击率,/>为生成的第s个广告的广告匹配指数。
本方案中,根据广告效果数据,对广告效果进行评估,获取广告效果评估指数,通过广告效果评估指数和广告效果评估指数阈值,判断是否需要对广告内容生成进行调整,若不需要,则根据广告的实际效果对广告的循环时间进行调整,确保广告资源的最大化利用,若需要,则根据广告效果评估指数和广告匹配指数,及时对广告匹配评估模型进行调整和优化,及时调整广告内容智能生成方式,提升广告的效果和效益。
参照图5所示,进一步的,结合上述一种基于大数据分析的广告内容智能生成方法,提出了一种基于大数据分析的广告内容智能生成系统,包括:
主控制模块,所述主控制模块用于根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数,根据广告效果数据,对广告效果进行评估,获取广告效果评估指数,根据广告内容生成信息,对广告内容进行智能生成,根据广告效果评估指数,对广告内容生成进行调整;
信息获取模块,所述信息获取模块用于获取广告目标数据、与广告目标受众相关的用户行为数据、社交媒体数据、市场调研数据、广告效果数据、广告点击率数据、广告转化率数据、广告信息、广告内容信息、广告商家位置信息和广告投放位置信息,并传输至特征聚类模块;
特征聚类模块,所述特征聚类模块用于对数据进行处理,获取广告目标去重数据,根据广告目标去重数据,基于特征选择,获取广告目标特征数据,根据广告目标特征数据,根据广告目标特征数据集,基于相似度检测,获取相似度矩阵,根据相似度矩阵,基于聚类树构建,获取层次聚类树信息,根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息;
显示模块,所述显示模块用于显示广告匹配指数、广告循环时间比重信息、广告内容生成信息、广告效果评估指数和广告调整信息。
主控制模块,具体包括:
控制单元,所述控制单元用于根据目标信息,基于特征分析,获取目标特征信息,基于广告推送需求,获取广告匹配指数阈值,根据广告匹配指数和广告匹配指数阈值,对广告数据集进行筛选,获取广告推荐信息,基于广告匹配指数比例,获取广告循环时间比重信息,根据广告循环时间比重信息和广告推荐信息,获取广告内容生成信息,根据广告效果评估指数和广告效果评估指数阈值,判断是否需要对广告进行调整,根据广告效果评估指数和广告循环时间比重信息,对广告循环进行调整,根据广告效果评估指数和广告匹配指数,对广告匹配评估模型进行调整和优化;
信息接收单元,所述信息接收单元与信息获取模块和特征聚类模块交互,用于获取数据和特征聚类信息,并传输至计算单元;
计算单元,所述计算单元用于根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数,根据广告效果数据,对广告效果进行评估,获取广告效果评估指数。
信息获取模块,具体包括:
第一获取单元,所述第一获取单元用于获取广告目标数据、与广告目标受众相关的用户行为数据、社交媒体数据、市场调研数据、广告效果数据、广告点击率数据和广告转化率数据;
第二获取单元,所述第二获取单元用于获取广告信息、广告内容信息、广告商家位置信息和广告投放位置信息,并传输至特征聚类模块。
特征聚类模块,具体包括:
数据处理单元,所述数据处理单元用于根据广告目标数据,基于数据缺失检测,获取广告目标数据缺失信息,根据广告目标数据缺失信息,对存在数据缺失的广告目标数据进行剔除,获取广告目标修正数据,根据广告目标修正数据,基于哈希去重法,获取广告目标去重数据;
特征提取单元,所述特征提取单元用于根据广告目标去重数据,基于特征选择,获取广告目标特征数据,根据广告目标特征数据,获取广告目标特征数据均值和广告目标特征数据标准差,根据广告目标特征数据、广告目标特征数据均值和广告目标特征数据标准差,基于标准差归一化,获取广告目标特征标准数据;
聚类单元,所述聚类单元用于根据广告目标特征数据集,基于相似度检测,获取相似度矩阵,根据相似度矩阵,基于聚类树构建,获取层次聚类树信息,根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息。
综上所述,本发明的优点在于:通过对广告目标受众进行分析,基于层次聚类方法,对目标特征进行聚类,准确判断与广告效果相关的用户特征信息,精确把握目标受众的需求和偏好,通过计算广告匹配指数,根据不同用户群体准确生成针对性的广告内容,更好地满足用户的需求,提供更具吸引力和有效性的信息,增强用户对广告的认可和接受度,通过广告效果数据,对广告效果进行评估,获取广告效果评估指数及时调整和优化广告内容,提升广告的效果和效益。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (10)
1.一种基于大数据分析的广告内容智能生成方法,其特征在于,包括:
获取广告目标数据,所述广告目标数据包括与广告目标受众相关的用户行为数据、社交媒体数据和市场调研数据;
根据广告目标数据,基于数据处理,获取广告目标聚类信息;
根据广告目标聚类信息,获取目标偏好特征信息;
获取广告信息,所述广告信息包括广告内容信息、广告商家位置信息和广告投放位置信息;
根据广告信息和目标偏好特征信息,获取广告数据集;
获取目标信息、目标位置信息和时间信息;
根据目标信息,基于特征分析,获取目标特征信息;
根据目标特征信息、目标位置信息、时间信息和广告数据集,基于广告匹配指数,获取广告内容生成信息;
根据广告内容生成信息,对广告内容进行智能生成;
获取广告效果数据,所述广告效果数据包括广告点击率数据和广告转化率数据;
根据广告效果数据,基于广告效果评估,获取广告效果评估指数;
根据广告效果评估指数,对广告内容生成进行调整。
2.根据权利要求1所述的一种基于大数据分析的广告内容智能生成方法,其特征在于,所述根据广告目标数据,基于数据处理,获取广告目标聚类信息,具体包括:
根据广告目标数据,基于数据缺失检测,获取广告目标数据缺失信息;
根据广告目标数据缺失信息,对存在数据缺失的广告目标数据进行剔除,获取广告目标修正数据;
根据广告目标修正数据,基于哈希去重法,获取广告目标去重数据;
根据广告目标去重数据,基于特征选择,获取广告目标特征数据,所述广告目标特征数据包括用户年龄数据、用户性别信息、点击记录信息、购买记录信息、搜索关键词信息、浏览时长信息和购买频率信息;
根据广告目标特征数据,获取广告目标特征数据均值和广告目标特征数据标准差;
根据广告目标特征数据、广告目标特征数据均值和广告目标特征数据标准差,基于标准差归一化,获取广告目标特征标准数据;
根据广告目标特征标准数据,将每一个用户作为单独的一个集合,获取广告目标特征数据集,所述集合包括对应用户的所有特征数据;
根据广告目标特征数据集,基于相似度检测,获取相似度矩阵;
;
式中,为第x个用户与第y个用户的余弦相似度,n为广告目标特征数据集中用户总数量;
其中,余弦相似度的计算公式为:
;
式中,表示第x个用户在第i个特征上的特征值,/>表示第y个用户在第i个特征上的特征值,m为特征总数目;
根据相似度矩阵,基于聚类树构建,获取层次聚类树信息;
根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息。
3.根据权利要求2所述的一种基于大数据分析的广告内容智能生成方法,其特征在于,所述根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息,具体包括:
基于层次聚类需求,获取聚类相似度阈值;
根据层次聚类树信息,获取聚类相似度信息;
根据聚类相似度信息和聚类相似度阈值,判断聚类相似度是否超出聚类相似度阈值,若是,则该聚类不需进行分割,若聚类相似度低于聚类相似度阈值,则该聚类需要进行分割,获取层次聚类信息;
根据层次聚类信息,获取Dunn指数;
基于聚类评估需求,获取Dunn指数阈值;
根据Dunn指数和Dunn指数阈值,判断Dunn指数是否低于Dunn指数阈值,若是,则聚类不合格,无法进行聚类分析,若是,则根据层次聚类信息,获取广告目标聚类信息。
4.根据权利要求1所述的一种基于大数据分析的广告内容智能生成方法,其特征在于,所述根据广告信息和目标偏好特征信息,获取广告数据集,具体包括:
根据广告目标聚类信息,基于聚类簇分析,获取目标偏好特征信息,所述目标偏好特征信息包括偏好目标特征信息、地理位置信息、时间信息和与之对应的目标广告特征信息;
其中,目标广告特征信息包括广告风格特征信息、广告类型特征信息和广告商家位置特征信息;
根据广告信息,基于特征分析,获取广告特征信息;
根据广告特征信息和目标广告特征信息,对广告信息进行分类,获取广告数据集。
5.根据权利要求1所述的一种基于大数据分析的广告内容智能生成方法,其特征在于,所述根据目标特征信息、目标位置信息、时间信息和广告数据集,基于广告匹配指数,获取广告内容生成信息,具体包括:
根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数;
基于广告推送需求,获取广告匹配指数阈值,
根据广告匹配指数和广告匹配指数阈值,对广告数据集进行筛选,获取广告推荐信息;
基于广告匹配指数比例,获取广告循环时间比重信息;
根据广告循环时间比重信息和广告推荐信息,获取广告内容生成信息;
其中,广告匹配指数的计算公式为:
;
式中,为第k个广告的广告匹配指数,/>为第k个广告的性别影响系数,/>为目标年龄影响系数,/>为目标年龄,/>为第k个广告的适宜年龄,/>为目标第i个特征的权重,/>为第k个广告与目标第i个特征的匹配指数,/>为距离影响系数,/>为目标位置,/>为广告商家位置,/>表示第k个广告的时间影响系数。
6.根据权利要求1所述的一种基于大数据分析的广告内容智能生成方法,其特征在于,所述根据广告效果评估指数,对广告内容生成进行调整,具体包括:
根据广告效果数据,对广告效果进行评估,获取广告效果评估指数;
基于广告效果规划和实际需求,获取广告效果评估指数阈值;
根据广告效果评估指数和广告效果评估指数阈值,判断是否需要对广告内容生成进行调整,若广告效果评估指数未低于广告效果评估指数阈值,则根据广告效果评估指数和广告循环时间比重信息,对广告循环进行调整;
若广告效果评估指数低于广告效果评估指数阈值,则广告投放效果未达预期,根据广告效果评估指数和广告匹配指数,对广告匹配评估模型进行调整和优化;
;
式中,为生成的第s个广告的广告效果评估指数,/>为广告转化率的权重,/>为生成的第s个广告的转化率,/>为时间比例的权重,/>为生成的第s个广告的时间比例,/>为广告点击率的权重,/>为生成的第s个广告的点击率,/>为生成的第s个广告的广告匹配指数。
7.一种基于大数据分析的广告内容智能生成系统,用于实现如权利要求1-6任一项所述的智能生成方法,其特征在于,包括:
主控制模块,所述主控制模块用于根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数,根据广告效果数据,对广告效果进行评估,获取广告效果评估指数,根据广告内容生成信息,对广告内容进行智能生成,根据广告效果评估指数,对广告内容生成进行调整;
信息获取模块,所述信息获取模块用于获取广告目标数据、与广告目标受众相关的用户行为数据、社交媒体数据、市场调研数据、广告效果数据、广告点击率数据、广告转化率数据、广告信息、广告内容信息、广告商家位置信息和广告投放位置信息,并传输至特征聚类模块;
特征聚类模块,所述特征聚类模块用于对数据进行处理,获取广告目标去重数据,根据广告目标去重数据,基于特征选择,获取广告目标特征数据,根据广告目标特征数据,根据广告目标特征数据集,基于相似度检测,获取相似度矩阵,根据相似度矩阵,基于聚类树构建,获取层次聚类树信息,根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息;
显示模块,所述显示模块用于显示广告匹配指数、广告循环时间比重信息、广告内容生成信息、广告效果评估指数和广告调整信息。
8.根据权利要求7所述的一种基于大数据分析的广告内容智能生成系统,其特征在于,所述主控制模块,具体包括:
控制单元,所述控制单元用于根据目标信息,基于特征分析,获取目标特征信息,基于广告推送需求,获取广告匹配指数阈值,根据广告匹配指数和广告匹配指数阈值,对广告数据集进行筛选,获取广告推荐信息,基于广告匹配指数比例,获取广告循环时间比重信息,根据广告循环时间比重信息和广告推荐信息,获取广告内容生成信息,根据广告效果评估指数和广告效果评估指数阈值,判断是否需要对广告进行调整,根据广告效果评估指数和广告循环时间比重信息,对广告循环进行调整,根据广告效果评估指数和广告匹配指数,对广告匹配评估模型进行调整和优化;
信息接收单元,所述信息接收单元与信息获取模块和特征聚类模块交互,用于获取数据和特征聚类信息,并传输至计算单元;
计算单元,所述计算单元用于根据目标特征信息、目标位置信息、时间信息和广告数据集,基于评估模型,获取广告匹配指数,根据广告效果数据,对广告效果进行评估,获取广告效果评估指数。
9.根据权利要求7所述的一种基于大数据分析的广告内容智能生成系统,其特征在于,所述信息获取模块,具体包括:
第一获取单元,所述第一获取单元用于获取广告目标数据、与广告目标受众相关的用户行为数据、社交媒体数据、市场调研数据、广告效果数据、广告点击率数据和广告转化率数据;
第二获取单元,所述第二获取单元用于获取广告信息、广告内容信息、广告商家位置信息和广告投放位置信息,并传输至特征聚类模块。
10.根据权利要求7所述的一种基于大数据分析的广告内容智能生成系统,其特征在于,所述特征聚类模块,具体包括:
数据处理单元,所述数据处理单元用于根据广告目标数据,基于数据缺失检测,获取广告目标数据缺失信息,根据广告目标数据缺失信息,对存在数据缺失的广告目标数据进行剔除,获取广告目标修正数据,根据广告目标修正数据,基于哈希去重法,获取广告目标去重数据;
特征提取单元,所述特征提取单元用于根据广告目标去重数据,基于特征选择,获取广告目标特征数据,根据广告目标特征数据,获取广告目标特征数据均值和广告目标特征数据标准差,根据广告目标特征数据、广告目标特征数据均值和广告目标特征数据标准差,基于标准差归一化,获取广告目标特征标准数据;
聚类单元,所述聚类单元用于根据广告目标特征数据集,基于相似度检测,获取相似度矩阵,根据相似度矩阵,基于聚类树构建,获取层次聚类树信息,根据层次聚类树信息,对层次聚类树进行切割,获取广告目标聚类信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410035115.8A CN117541322B (zh) | 2024-01-10 | 2024-01-10 | 一种基于大数据分析的广告内容智能生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410035115.8A CN117541322B (zh) | 2024-01-10 | 2024-01-10 | 一种基于大数据分析的广告内容智能生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117541322A true CN117541322A (zh) | 2024-02-09 |
CN117541322B CN117541322B (zh) | 2024-04-02 |
Family
ID=89788508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410035115.8A Active CN117541322B (zh) | 2024-01-10 | 2024-01-10 | 一种基于大数据分析的广告内容智能生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117541322B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574005A (zh) * | 2015-02-15 | 2015-04-29 | 蔡耿新 | 集增强现实、体感、抠绿技术的广告展示管理系统和方法 |
CN109816421A (zh) * | 2018-12-13 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 广告机投放内容控制方法、装置、计算机设备及存储介质 |
CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
US20200294085A1 (en) * | 2019-03-11 | 2020-09-17 | International Business Machines Corporation | Generating aesthetics and safety information for billboard marketing |
CN112053197A (zh) * | 2020-09-20 | 2020-12-08 | 广州智云尚大数据科技有限公司 | 一种基于大数据的广告播放方法、系统及广告服务平台 |
US20220222712A1 (en) * | 2021-01-13 | 2022-07-14 | Samsung Electronics Co., Ltd. | Method and apparatus for generating user-ad matching list for online advertisement |
-
2024
- 2024-01-10 CN CN202410035115.8A patent/CN117541322B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574005A (zh) * | 2015-02-15 | 2015-04-29 | 蔡耿新 | 集增强现实、体感、抠绿技术的广告展示管理系统和方法 |
CN109816421A (zh) * | 2018-12-13 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 广告机投放内容控制方法、装置、计算机设备及存储介质 |
US20200294085A1 (en) * | 2019-03-11 | 2020-09-17 | International Business Machines Corporation | Generating aesthetics and safety information for billboard marketing |
CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
CN112053197A (zh) * | 2020-09-20 | 2020-12-08 | 广州智云尚大数据科技有限公司 | 一种基于大数据的广告播放方法、系统及广告服务平台 |
US20220222712A1 (en) * | 2021-01-13 | 2022-07-14 | Samsung Electronics Co., Ltd. | Method and apparatus for generating user-ad matching list for online advertisement |
Non-Patent Citations (1)
Title |
---|
牛森;: "基于用户兴趣的IPTV广告精准投放算法", 计算机应用与软件, no. 06, 15 June 2017 (2017-06-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117541322B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241405B (zh) | 一种基于知识关联的学习资源协同过滤推荐方法及系统 | |
CN108460082B (zh) | 一种推荐方法及装置,电子设备 | |
CN108363821A (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
CN111125453B (zh) | 基于子图同构的社交网络中意见领袖角色识别方法及存储介质 | |
CN104834641B (zh) | 网络媒介信息的处理方法和相关系统 | |
WO2007001770A2 (en) | Automatic ad placement | |
CN103309990A (zh) | 基于互联网用户公开信息的用户多维度分析与监测方法 | |
CN110110225B (zh) | 基于用户行为数据分析的在线教育推荐模型及构建方法 | |
CN110717093B (zh) | 一种基于Spark的电影推荐系统及方法 | |
US11354349B1 (en) | Identifying content related to a visual search query | |
CN108664515B (zh) | 一种搜索方法及装置,电子设备 | |
WO2015124024A1 (zh) | 一种提升信息的曝光率的方法和装置、确定搜索词的价值的方法和装置 | |
CN111489201A (zh) | 一种客户价值分析的方法、设备、存储介质 | |
CN106776859A (zh) | 基于用户偏好的移动应用App推荐系统 | |
KR102458510B1 (ko) | 실시간 보완 가능한 마케팅 시스템 | |
CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
CN111143689A (zh) | 根据用户需求和用户画像构建推荐引擎的方法 | |
CN109559152A (zh) | 一种网络营销方法、系统及计算机存储介质 | |
CN111429161B (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
US9292515B1 (en) | Using follow-on search behavior to measure the effectiveness of online video ads | |
CN103020141A (zh) | 一种用于提供搜索结果的方法和设备 | |
CN105389714B (zh) | 一种从行为数据识别用户特性的方法 | |
CN114565407A (zh) | 一种广告投放数据分析方法及系统 | |
CN112651790B (zh) | 基于快消行业用户触达的ocpx自适应学习方法和系统 | |
CN111026957B (zh) | 基于多维相似度的推荐系统及其方法 |
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 |