TWI739388B - 推播決策輔助方法及其系統 - Google Patents
推播決策輔助方法及其系統 Download PDFInfo
- Publication number
- TWI739388B TWI739388B TW109112402A TW109112402A TWI739388B TW I739388 B TWI739388 B TW I739388B TW 109112402 A TW109112402 A TW 109112402A TW 109112402 A TW109112402 A TW 109112402A TW I739388 B TWI739388 B TW I739388B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- push
- decision
- making
- broadcast
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
一種推播決策輔助方法及其系統,能夠於一固定時間範圍內,將一內部數據資料與一外部數據資料進行比對並建立出一預測機制,並依據該預測機制產生出預測數據與一針對數據變動的決策建議機制,之後再進行數據監控,以取得一動態監控數據,並將將該預測數據與該動態監控數據進行比較,以取得一組以上的落差數據,並再依據該決策建議機制,對於不同的數據落差值進行決策建議與決策修正。
Description
本發明是有關一種推播決策輔助方法及其系統,特別是能夠將既有的歷史資料與實際動態運行的資料進行分析其落差、並因其落差變化來提出決策建議內容之推播決策輔助方法及其系統。
目前常見用於廣告與影片之推播或是投放的數據分析,通常是先透過既有的數據進行分析,之後再透過分析結果用於檢討廣告或影片投放的成效。然而這樣的數據分析方式,由於大多是使用內部的數據資料分析,與外部環境的關聯性並無直接關係,所以如此數據分析仍顯不足。
另外,這一類的數據分析所產生的預測,僅提供預測功能,因此專業人員必須使用自己的經驗,進行研判預測的數據,以做出決策判斷,然而若是對於一些持續運作的產業或是服務來看,專業人員並無法時時刻刻注視現時動態的變化來提出建議與修正,故也容易錯過一些修改對於廣告與影片之推播或是投放的關鍵最佳時機。
因此,若能夠結合預測系統與分析系統,並建立出一決策建議機制,用以於進行數據監控時,能夠取得一組以上的落差數據,並依據不同的落差數據進行不同的推播決策建議,因此本發明應為一最佳解決方案。
本發明推播決策輔助方法,其步驟為:(1)於一固定時間範圍內,依據與一推播標的相關的多筆數據資料建立出一預測模型或是一預測數據表,用以產生出一組以上的預測數據;(2)再依據該預測數據,建立出一針對數據變動的決策建議模型或是決策建議數據表;(3)對於該推播標的之推播狀況進行數據監控,以取得一動態監控數據;(4)將該預測數據與該動態監控數據進行比較,以取得一組以上的落差數據,並再依據該決策建議模型或是決策建議數據表,對於不同的落差數據進行推播決策建議。
更具體的說,所述與該推播標的相關的多筆數據資料係為一筆或多筆與該推播標的相關之內部數據資料及外部數據資料,而該動態監控數據亦能夠為一外部單位所蒐集之數據監控資料。
更具體的說,所述內部數據資料係能夠是費用相關的數據資料或是銷售相關的數據資料,而該外部數據資料係環境變化資料、氣候發生資料、事件發生資料或是趨勢預測資料。
更具體的說,所述推播決策建議係能夠依據落差數據來進行判斷是否要更改推播行為,而該推播行為係針對同一個推播標的(廣告或是影片)進行增加推播、減少推播或是停止推播或是針對不同個推播標的內容(廣告內容或是影片內容)進行組合推播或是替換推播。
更具體的說,所述推播決策建議係能夠依據一個或多個即時發生的特定事件來進行判斷是否要更改推播行為,而該推播行為係針對同一個推播
標的(廣告或是影片)進行增加推播、減少推播或是停止推播或是針對不同個推播標的內容(廣告內容或是影片內容)進行組合推播或是替換推播。
更具體的說,所述預測機制能夠先依據舊有的歷史資料來進行預測未來的狀況,並於陸續輸入新的外部數據資料後,進行模擬不同監控數據的變化量,並依據該變化量來進行設定不同的決策建議模型或是決策建議數據表,另外該預測機制係能夠為一預測模型或是一預測數據表。
一種推播決策輔助系統,係包含:一預測伺服單元,係用以依據與一推播標的相關的多筆數據資料建立出一預測機制,用以產生出一組以上的預測數據;一決策伺服單元,係與該預測伺服單元進行連線,用以能夠依據該預測數據,建立出一針對數據變動的決策建議模型或是決策建議數據表;一監控伺服單元,係與該決策伺服單元進行連線,用以對於該推播標的之推播狀況進行數據監控,以取得一動態監控數據,而該動態監控數據能夠回傳給該決策伺服單元,以由該決策伺服單元將該預測數據與該動態監控數據進行比較,以取得一組以上的落差數據,而該決策伺服單元能夠依據該決策建議模型或是決策建議數據表,對於不同的落差數據進行推播決策建議。
更具體的說,所述與該推播標的相關的多筆數據資料係為一筆或多筆與該推播標的相關之內部數據資料及外部數據資料,而該動態監控數據亦能夠為一外部單位所蒐集之數據監控資料
更具體的說,所述內部數據資料係能夠是生產相關的數據資料或是銷售相關的數據資料,而該外部數據資料係環境變化資料、氣候發生資料、事件發生資料或是趨勢預測資料。
更具體的說,所述決策伺服單元所建立之推播決策建議係能夠依
據落差數據來進行判斷是否要更改推播行為,而該推播行為係針對同一個廣告或是影片進行增加推播、減少推播或是停止推播或是針對不同個廣告內容或是影片內容進行組合推播或是替換推播。
更具體的說,所述決策伺服單元所建立之推播決策建議係能夠依據一個或多個即時發生的特定事件來進行判斷是否要更改推播行為,而該推播行為係針對同一個廣告或是影片進行增加推播、減少推播或是停止推播或是針對不同個廣告內容或是影片內容進行組合推播或是替換推播。
更具體的說,所述預測伺服單元所建立之預測機制能夠先依據舊有的歷史資料來進行預測未來的狀況,並於陸續輸入新的外部數據資料後,進行模擬不同監控數據的變化量,並依據該變化量來進行設定不同的決策建議模型或是決策建議數據表,另外該預測機制係能夠為一預測模型或是一預測數據表。
1:預測伺服單元
2:決策伺服單元
3:監控伺服單元
4:內部伺服器設備
5:外部伺服器設備
[第1圖]係本發明推播決策輔助方法及其系統之流程示意圖。
[第2圖]係本發明推播決策輔助方法及其系統之系統架構示意圖。
[第3A圖]係本發明推播決策輔助方法及其系統之實施示意圖。
[第3B圖]係本發明推播決策輔助方法及其系統之實施示意圖。
有關於本發明其他技術內容、特點與功效,在以下配合參考圖式之較佳實施例的詳細說明中,將可清楚的呈現。
請參閱第1圖,為本發明推播決策輔助方法及其系統之流程示意圖,由圖中可知,其步驟為:(1)於一固定時間範圍內,依據與一推播標的相關的多筆數據資料建立出一預測模型或是一預測數據表,用以產生出一組以上的預測數據101;(2)再依據該預測數據,建立出一針對數據變動的決策建議機制102;(3)對於該推播標的之推播狀況進行數據監控,以取得一動態監控數據103;(4)將該預測數據與該動態監控數據進行比較,以取得一組以上的落差數據,並再依據該決策建議機制,對於不同的落差數據進行推播決策建議104。
請參閱第2圖,為本發明推播決策輔助方法及其系統之系統架構示意圖,由圖中可知,該系統係包含:(1)一預測伺服單元1,係用以對於一推播標的(本案所提之推播標的,係指能夠於網路媒體平台上進行廣告投放或是推播之物品、服務、影音頻道、影片),透過一內部伺服器設備4及一外部伺服器設備5取得一固定時間範圍內之內部數據資料與外部數據資料,並再將取得的內部數據資料與外部數據資料進行分析,以產生出一預測機制,用以產生出一組以上的預測數據;(2)一決策伺服單元2,係與該預測伺服單元1進行連線,用以能夠依據該預測數據,建立出一針對數據變動的決策建議機制;(3)一監控伺服單元3,係與該決策伺服單元2進行連線,用以對於該推播標的之推播狀況(本案所提之推播狀況則是推播時所產生的相關數據資料)進行數據監控,以取得一動態監控數據,而該動態監控數據能夠回
傳給該決策伺服單元,以由該決策伺服單元3將該預測數據與該動態監控數據進行比較,以取得一組以上的落差數據,而該決策伺服單元能夠依據該決策建議機制,對於不同的落差數據進行推播決策建議;另外,除了原本推播平台自身針對推播標的之推播狀況進行數據監控之外,亦能夠將其他外部第三方的蒐集伺服器所蒐集的數據監控也納入動態監控數據內,一併作為考量的依據(例如若是針對某項產品於FACEBOOK的平台下投廣告,其投廣告當下的數據資料則是推播狀況,但由於其他外部非FACEBOOK的伺服器也有可能會蒐集FACEBOOK的平台的相關數據,故也能夠將這些外部非FACEBOOK的伺服器所蒐集的數據做為動態監控數據使用)。
而本案的預測伺服單元1、決策伺服單元2及監控伺服單元3係能夠設置於同一個伺服器設備內或是能夠設置於個別不同的伺服器設備內,也能夠任兩個伺服單元設置於同一個伺服器設備內、而另一個伺服單元設置於另一個伺服器設備內。
而本案所產生預測機制,能夠透過內部數據資料與外部數據資料找出對於推播標的(本案所提之推播標的,係指能夠於網路媒體平台上進行廣告投放或是推播之物品、服務、影音頻道、影片)的重要影響因素,再以這一些重要影響因素來建構預測機制,其中該預測機制係能夠:(1)一AI預測模型,預測模型能夠依據舊有的決策歷程或/及外部數據資料訓練而成,而模型訓練之方式能夠使用習知進行機器學習的方式進行訓練;(2)一預測數據表,係能夠由使用者直接輸入設定而成;
(3)一混合機制,係能夠將舊有的決策歷程、外部數據資料及使用者直接輸入設定資料混合訓練而成。
而本案能夠應用於各種能夠於網路媒體平台上進行廣告投放或是推播之物品、服務、影音頻道、影片等產業,因此當一廠商針對一推播標的於FaceBook平台上投放廣告時,當發現於某一時期A時,其觸及率都會變高,因此產生出如第3A圖的未來預測曲線,並同時設定當於同一時期A時,則能夠提高廣告的投放率;
並能夠本系統能夠動態監控如第3B圖所示的實時發生的觸及率曲線,如圖中所示,於時期A(由A1到A2)時,並非如預測一般的觸及率都會變高,故於本系統中針對預測值與實際值發生落差時,則能夠依據落差值設定其決策機制,而針對本實施的決策機制舉例如下:(1)當時期A開始時,則增加廣告投放為10萬(如第3B圖所示,例如當圖中A1’開始時,則設定把正常的廣告投放金額增加為10萬,當到A2’開始時,則將廣告投放金額變為正常值(5萬));(2)當預測值與實際值的落差為正向時,則能夠再增加廣告投放的金額(如第3B圖所示,例如當正向落差高於10%時(如圖中A3’),則能夠再把廣告投放的金額增加為20萬);(3)當預測值與實際值的落差為負向時,則能夠再減少廣告投放的金額(如第3B圖所示,例如當負向落差高於10%時(如圖中A4’),則能夠再把廣告投放的金額減少為正常值(5萬));(4)當預測值與實際值的落差為極度負或是持續負向時,則能夠再停止廣告投放的金額(舉例當負向落差高於20%時,則能夠停止廣告投放的金
額)
另外,除了預測值的決策之外,亦能夠找出一些特定事件做為判斷基準(例如某些不預期會發生的事、例如地震、選舉結果、火災等等事件),能夠持續輸入這一些外部資訊以作為判斷,若是一旦發生某一些特定事件時,則能夠針對即時特定事件進行決策機制的預設,如此將能夠於發生特定事件時,系統自動調整針對廣告投放或是推播之物品、服務、影音頻道、影片之金額或是內容(例如能夠設定當氣象局預測有5級以上的颱風接近的預測通報時,則能夠開始增加食品或是風災備用品一類的廣告投放或推播)。
更進一步講,以YOUTUBE為例,若是一個頻道中具有多個不同的影片,則能夠設定當發生特定事件時,能夠對某個特定影片進行廣告投放或是推播,以此來提高其頻道的曝光率與影片的點閱率(或點擊率),以前述颱風為例,當由外部接收到氣象局預測有5級以上的颱風接近的預測通報時,則能夠將防颱要領一類的影片進行廣告投放或是推播。
另外,本案之技術更能夠應用於協助廣告投放或是推播,例如能夠應用於某個外掛程式,當外掛程式用於FaceBook或是Youtube這一類平台時,譬如能夠提高某社團的觸擊率或是等等的數據時,則能夠搭配本方法及系統,透過外掛程式來協助FaceBook或是Youtube這一類平台的管理者進行資訊推播或是廣告投放的策略建議。
本發明所提供之推播決策輔助方法及其系統,與其他習用技術相互比較時,其優點如下:
(1)本發明能夠結合預測系統與分析系統,並建立出一決策建議機制,用以於進行數據監控時,能夠取得一組以上的落差數據,並依據不同的落差
數據進行不同的推播決策建議。
(2)本發明已透過上述之實施例揭露如上,然其並非用以限定本發明,任何熟悉此一技術領域具有通常知識者,在瞭解本發明前述的技術特徵及實施例,並在不脫離本發明之精神和範圍內,當可作些許之更動與潤飾,因此本發明之專利保護範圍須視本說明書所附之請求項所界定者為準。
Claims (10)
- 一種推播決策輔助方法,其步驟為:於一固定時間範圍內,一預測伺服單元依據與一推播標的相關的多筆數據資料建立出一預測模型或是一預測數據表,用以產生出一組以上的預測數據;一決策伺服單元再依據該預測數據,建立出一針對數據變動的決策建議模型或是決策建議數據表;一監控伺服單元對於該推播標的之推播狀況進行數據監控,以取得一動態監控數據;該決策伺服單元將該預測數據與該動態監控數據進行比較,以取得一組以上的落差數據,並再依據該決策建議模型或是決策建議數據表,對於不同的落差數據進行推播決策建議。
- 如請求項1所述之推播決策輔助方法,其中與該推播標的相關的多筆數據資料係為一筆或多筆與該推播標的相關之內部數據資料及外部數據資料,而該動態監控數據亦能夠為一外部單位所蒐集之數據監控資料。
- 如請求項2所述之推播決策輔助方法,其中內部數據資料係能夠是費用相關的數據資料或是銷售相關的數據資料,而該外部數據資料係環境變化資料、氣候發生資料、事件發生資料或是趨勢預測資料。
- 如請求項1所述之推播決策輔助方法,其中推播決策建議係能夠由該決策伺服單元依據落差數據來進行判斷是否要更改推播行為,而該推播行為係針對同一個推播標的進行增加推播、減少推播或是停止推播或是針對不同個推播標的內容進行組合推播或是替換推播。
- 如請求項1所述之推播決策輔助方法,其中推播決策建議係能夠由該決策伺服單元依據一個或多個即時發生的特定事件來進行判斷是否要更改推播行為,而該推播行為係針對同一個推播標的進行增加推播、減少推播或是停止推播或是針對不同個推播標的內容進行組合推播或是替換推播。
- 如請求項1所述之推播決策輔助方法,其中能夠由該預測伺服單元先依據舊有的歷史資料來進行預測未來的狀況,並於陸續輸入新的外部數據資料後,進行模擬不同監控數據的變化量,並依據該變化量來進行設定不同的決策建議模型或是決策建議數據表。
- 一種推播決策輔助系統,係包含:一預測伺服單元,係用以依據與一推播標的相關的多筆數據資料建立出一預測模型或是一預測數據表,用以產生出一組以上的預測數據;一決策伺服單元,係與該預測伺服單元進行連線,用以能夠依據該預測數據,建立出一針對數據變動的決策建議模型或是決策建議數據表;一監控伺服單元,係與該決策伺服單元進行連線,用以對於該推播標的之推播狀況進行數據監控,以取得一動態監控數據,而該動態監控數據能夠回傳給該決策伺服單元,以由該決策伺服單元將該預測數據與該動態監控數據進行比較,以取得一組以上的落差數據,而該決策伺服單元能夠依據該決策建議機制,對於不同的落差數據進行推播決策建議。
- 如請求項7所述之推播決策輔助系統,其中與該推播標的相關的多筆數據資料係為一筆或多筆與該推播標的相關之內部數據資料及外部數據資料,而該動態監控數據亦能夠為一外部單位所蒐集之數據監控資料。
- 如請求項8所述之推播決策輔助系統,其中內部數據資料係能夠是費用相關的數據資料或是銷售相關的數據資料,而該外部數據資料係環境變化資料、氣候發生資料、事件發生資料或是趨勢預測資料。
- 如請求項7所述之推播決策輔助系統,其中該預測伺服單元所建立之預測機制能夠先依據舊有的歷史資料來進行預測未來的狀況,並於陸續輸入新的外部數據資料後,進行模擬不同監控數據的變化量,並依據該變化量來進行設定不同的決策建議模型或是決策建議數據表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109112402A TWI739388B (zh) | 2020-04-13 | 2020-04-13 | 推播決策輔助方法及其系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109112402A TWI739388B (zh) | 2020-04-13 | 2020-04-13 | 推播決策輔助方法及其系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI739388B true TWI739388B (zh) | 2021-09-11 |
TW202139080A TW202139080A (zh) | 2021-10-16 |
Family
ID=78777988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109112402A TWI739388B (zh) | 2020-04-13 | 2020-04-13 | 推播決策輔助方法及其系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI739388B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101171839A (zh) * | 2005-05-13 | 2008-04-30 | 谷歌公司 | 利用双反馈环路的系统和方法 |
CN108985851A (zh) * | 2018-07-24 | 2018-12-11 | 广州市丰申网络科技有限公司 | 基于大数据强化学习的广告分析与监控方法及装置 |
CN109417644A (zh) * | 2016-01-14 | 2019-03-01 | 安普视频有限公司 | 跨屏广告投放的收益优化 |
-
2020
- 2020-04-13 TW TW109112402A patent/TWI739388B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101171839A (zh) * | 2005-05-13 | 2008-04-30 | 谷歌公司 | 利用双反馈环路的系统和方法 |
CN109417644A (zh) * | 2016-01-14 | 2019-03-01 | 安普视频有限公司 | 跨屏广告投放的收益优化 |
CN108985851A (zh) * | 2018-07-24 | 2018-12-11 | 广州市丰申网络科技有限公司 | 基于大数据强化学习的广告分析与监控方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202139080A (zh) | 2021-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10972561B2 (en) | Methods and apparatus for adjusting model threshold levels | |
US11601730B2 (en) | Non-temporal advertising | |
US9100722B2 (en) | Filtering and tailoring multimedia content based on observed user behavior | |
US6810356B1 (en) | Traffic estimation | |
JP2022003523A (ja) | インプレッションデータの帰属先の誤判定及び/又はデータベース保有者による未カバーを補償する方法及び装置 | |
US20180053207A1 (en) | Providing personalized alerts and anomaly summarization | |
CN106664315B (zh) | 使用预测模型来预测流媒体的结束的方法、装置和和设备 | |
US20140040019A1 (en) | Predictive video advertising effectiveness analysis | |
CA2889349A1 (en) | Methods and apparatus to estimate demographics of users employing social media | |
US11443513B2 (en) | Systems and methods for resource analysis, optimization, or visualization | |
US20140236715A1 (en) | Targeted advertising in social media networks | |
US20140150003A1 (en) | Methods and apparatus to calculate a probability of index consistency | |
US20170364822A1 (en) | Optimizing content distribution using a model | |
CN114021971A (zh) | 一种高速公路运维管理综合评价系统、方法及存储介质 | |
US20190050890A1 (en) | Video dotting placement analysis system, analysis method and storage medium | |
CN105654198A (zh) | 具有最优阈值筛选的品牌广告效果优化的方法 | |
CN110415023A (zh) | 一种电梯广告推荐方法、装置、设备及存储介质 | |
CN112070564A (zh) | 广告拉取方法、装置、系统与电子设备 | |
US20210014562A1 (en) | Methods and apparatus to detect boring media | |
Aggrawal et al. | Modeling and characterizing viewers of You Tube videos | |
KR20190018912A (ko) | 광고 효과 분석 시스템 및 그 분석 방법 | |
TWI739388B (zh) | 推播決策輔助方法及其系統 | |
KR102611085B1 (ko) | 소셜 미디어 대화에 응답하여 자원을 할당하기 위한 방법 및 시스템 | |
CN107742160B (zh) | 一种机电设备维保周期自适应预测方法及装置 | |
CN109327739A (zh) | 一种视频处理方法、装置、计算设备和存储介质 |