一种关键词推荐方法、装置、电子设备及存储介质与流程

本发明涉及数据处理，尤其涉及一种关键词推荐方法、装置、电子设备及存储介质。

背景技术：

1、广告主通常选择以投放广告的方式，来向客户曝光自己供应的商品。一个广告的关键词是该广告能引起客户关注的关键点。现有的关键词推荐方法，通常是针对待投放广告商品，根据广告主给出的每日预算和预期曝光量计算出每次曝光成本，再根据计算出的每次曝光成本，在该待投放广告商品所属的品类所对应的关键词中，检索出每次曝光成本与计算出的每次曝光成本相同的关键词，然后将检索出的关键词作为该待投放广告商品广告关键词，并根据得到的广告关键词，为待投放广告商品生成广告进行投放。例如：针对待投放广告商品，广告主给出的每日预算为2000元，预期曝光量为2000次，那么，根据广告主给出的每日预算和预期曝光量计算出每次曝光成本为1元，再在该待投放广告商品所属的品类所对应的关键词中，检索出每次曝光成本为1元的关键词作为该待投放广告商品广告关键词，并根据得到的广告关键词，为待投放广告商品生成广告进行投放。

2、然而，发明人发现现有技术中投放的广告大概率是能达到每日预算和曝光量预期的，但是广告的下载量通常比较低。这是由于现有技术数据分析的维度过于单一，使得推荐的关键词不够准确所导致的。因此，现有的关键词推荐方法存在推荐的关键词不够准确，导致投放的广告下载量较低、获客率低和广告主的投资回报率较低的问题。

技术实现思路

1、本发明实施例提供一种关键词推荐方法、装置、电子设备及存储介质，用以解决现有技术中存在的数据分析维度过于单一且不够准确，导致的推荐的广告关键词无法达到广告主广告投放的预期效果的问题。

2、具体技术方案如下：

3、第一方面，本发明实施例提供了一种关键词推荐方法，应用于服务器，所述方法，包括：

4、接收客户端发送的关键词推荐请求；所述请求中包括：待投放广告商品的标识信息、每日总预算、结果维度和结果数量；

5、获取预设的算法工具接口地址；

6、根据所述关键词推荐请求中的待投放广告商品的标识信息、每日总预算、结果维度和结果数量，及所述算法工具接口地址，生成提示词；所述提示词中包括所述算法工具接口地址、调用所述算法工具接口的方式、调用所述算法工具接口时传入所述算法工具中的参数；所述传入所述算法工具中的参数包括：待投放广告商品的标识信息、每日总预算、结果维度和结果数量；

7、将所述提示词发送至ai大模型接口，并接收所述ai大模型接口返回的代码；其中，ai大模型用于根据所述提示词，生成代码；所述代码用于生成请求调用所述算法工具接口，并获取所述算法工具接口返回的关键词结果集；所述算法工具接口用于接收所述代码发送的请求，根据所述请求中的参数，计算出关键词结果集，并返回所述关键词结果集；

8、执行所述代码，获取所述代码返回的关键词结果集；

9、将所述关键词结果集，返回至所述客户端。

10、可选的，所述ai大模型接口返回的代码用于：

11、以post请求的方式调用所述算法工具接口；

12、将所述post请求中的参数发送至所述算法工具接口，使算法工具在接收到所述参数后，能够根据所述参数返回关键词结果集；其中，所述post请求中的参数为body体参数；所述body体参数中包括的参数有待投放广告商品的标识信息、每日总预算、结果维度和结果数量；

13、获取所述算法工具返回的关键词结果集，并将所述关键词结果集作为执行的结果返回。

14、可选的，所述结果维度为曝光量，所述结果数量为预期曝光次数，所述算法工具接口类型为post类型，参数为body体参数；

15、所述算法工具用于：

16、接收post请求；

17、根据所述post请求中的参数待投放广告商品的标识信息，确定所述待投放广告商品的分类名称；

18、根据所述待投放广告商品的分类名称，从数据库中获取所述分类名称对应的关键词的历史记录信息；

19、根据所述历史记录信息中，每个关键词的总消耗费用和总曝光次数，分别计算每个关键词的曝光单价；

20、设变量a=90，i=1；

21、根据所述参数中的每日总预算和预期曝光次数，利用公式，计算所述待投放广告商品的第一曝光成本；

22、从所述待投放广告商品的分类对应的关键词中筛选出，曝光单价等于所述第一曝光成本的关键词，作为第一预选关键词；

23、按照所述历史记录信息中，每个关键词的下载率，对所述第一预选关键词进行排序，获得第一预选关键词队列；

24、从所述第一预选关键词队列中，筛选出前预设数量个关键词，作为第一关键词；

25、根据所述参数中的每日总预算和预期曝光次数，利用公式，计算所述待投放广告商品的第二曝光成本；

26、从所述待投放广告商品的分类对应的关键词中筛选出，曝光单价等于所述第二曝光成本的关键词，作为第二预选关键词；

27、按照所述历史记录信息中，每个关键词的下载率，对所述第二预选关键词进行排序，获得第二预选关键词队列；

28、从所述第二预选关键词队列中，筛选出前预设数量个关键词，作为第二关键词；

29、分别根据所述第一关键词和所述第二关键词中，每个关键词的下载率，计算所述第一关键词和所述第二关键词的平均下载率；

30、将所述第一关键词和所述第二关键词的平均下载率的平均数，作为第i组平均数；

31、将所述第一关键词和所述第二关键词中的关键词，作为第i组关键词；

32、令a=a-10，i=i+1；并判断a是否小于50；如果是，则停止循环，比较第1组至第5组平均数的大小；将平均数最大的组的关键词作为关键词结果集返回；如果否，则继续返回执行根据所述参数中的每日总预算和预期曝光次数，利用公式，计算所述待投放广告商品的第一曝光成本的步骤。

33、可选的，所述关键词推荐请求中还包括：过滤词；

34、所述方法，还包括：

35、获取关键词榜单网站的地址；

36、根据所述关键词推荐请求中的待投放广告商品的标识信息、每日总预算、结果维度、结果数量和过滤词，及所述算法工具接口地址和关键词榜单网站的地址，生成提示词；其中，所述提示词中包括所述算法工具接口地址、所述关键词榜单网站的地址、调用所述算法工具接口的方式、调用所述算法工具接口时传入算法工具中的参数；所述传入所述算法工具中的参数包括：待投放广告商品的标识信息、每日总预算、结果维度、结果数量和过滤词。

37、可选的，所述算法工具还用于：

38、根据所述post请求中的参数过滤词，在所述按照所述历史记录信息中，每个关键词的下载率，对所述第一预选关键词进行排序，获得第一预选关键词队列的步骤之前，去除所述第一预选关键词中与所述过滤词相同的关键词；

39、根据所述post请求中，参数中的过滤词，在所述按照所述历史记录信息中，每个关键词的下载率，对所述第二预选关键词进行排序，获得第二预选关键词队列的步骤之前，去除所述第二预选关键词中与所述过滤词相同的关键词；

40、返回待投放广告商品的分类名称。

41、可选的，所述ai大模型接口返回的代码，还用于：

42、获取所述算法工具接口返回的关键词结果集和待投放广告商品的分类名称；

43、将所述关键词结果集和所述待投放广告商品的分类名称保存在内存中；

44、编写爬虫代码；

45、根据所述关键词榜单网站的地址和所述待投放广告商品的分类名称，利用所述爬虫代码从关键词榜单网站中，爬取与所述待投放广告商品相同分类的结果维度的榜单热词，作为榜单词集；

46、获取所述榜单词集，将所述榜单词集与所述关键词结果集进行匹配，并判断所述关键词结果集中，是否存在不在所述榜单词集中的词；

47、如果存在，则将所述关键词结果集中不在所述榜单词集中的词添加为过滤词，并按照body体参数的形式重组接口参数；将重组的接口参数作为执行结果返回；所述重组的接口参数中包括的参数有：待投放广告商品的标识信息、每日总预算、结果维度、结果数量和过滤词；

48、如果不存在，则将所述关键词结果集作为执行结果返回。

49、可选的，所述方法，还包括：

50、获取所述ai大模型接口返回的代码的执行结果：

51、当所述执行结果为重组的接口参数时，根据所述重组的接口参数中的待投放广告商品的标识信息、每日总预算、结果维度、结果数量和过滤词，所述算法工具接口地址和关键词榜单网站的地址，重新生成提示词，返回所述将所述提示词发送至ai大模型接口，并接收所述ai大模型接口返回的代码的步骤继续执行；

52、当所述执行结果为关键词结果集时，将所述关键词结果集，返回至所述客户端。

53、第二方面，本发明实施例提供了一种关键词推荐装置，所述装置，包括：

54、接收模块，用于接收客户端发送的关键词推荐请求；所述请求中包括：待投放广告商品的标识信息、每日总预算、结果维度和结果数量；

55、获取模块，用于获取预设的算法工具接口地址；

56、生成模块，用于根据所述关键词推荐请求中的待投放广告商品的标识信息、每日总预算、结果维度和结果数量，及所述算法工具接口地址，生成提示词；所述提示词中包括所述算法工具接口地址、调用所述算法工具接口的方式、调用所述算法工具接口时传入所述算法工具中的参数；所述传入所述算法工具中的参数包括：待投放广告商品的标识信息、每日总预算、结果维度和结果数量；

57、代码模块，用于将所述提示词发送至ai大模型接口，并接收所述ai大模型接口返回的代码；其中，ai大模型用于根据所述提示词，生成代码；所述代码用于生成请求调用所述算法工具接口，并获取所述算法工具接口返回的关键词结果集；所述算法工具接口用于接收所述代码发送的请求，根据所述请求中的参数，计算出关键词结果集，并返回所述关键词结果集；

58、执行模块，用于执行所述代码，获取所述代码返回的关键词结果集；

59、返回模块，用于将所述关键词结果集，返回至所述客户端。

60、可选的，所述ai大模型接口返回的代码用于：

61、以post请求的方式调用所述算法工具接口；

62、将所述post请求中的参数发送至所述算法工具接口，使算法工具在接收到所述参数后，能够根据所述参数返回关键词结果集；其中，所述post请求中的参数为body体参数；所述body体参数中包括的参数有待投放广告商品的标识信息、每日总预算、结果维度和结果数量；

63、获取所述算法工具返回的关键词结果集，并将所述关键词结果集作为执行的结果返回。

64、可选的，所述结果维度为曝光量，所述结果数量为预期曝光次数，所述算法工具接口类型为post类型，参数为body体参数；

65、所述算法工具用于：

66、接收post请求；

67、根据所述post请求中的参数待投放广告商品的标识信息，确定所述待投放广告商品的分类名称；

68、根据所述待投放广告商品的分类名称，从数据库中获取所述分类名称对应的关键词的历史记录信息；

69、根据所述历史记录信息中，每个关键词的总消耗费用和总曝光次数，分别计算每个关键词的曝光单价；

70、设变量a=90，i=1；

71、根据所述参数中的每日总预算和预期曝光次数，利用公式，计算所述待投放广告商品的第一曝光成本；

72、从所述待投放广告商品的分类对应的关键词中筛选出，曝光单价等于所述第一曝光成本的关键词，作为第一预选关键词；

73、按照所述历史记录信息中，每个关键词的下载率，对所述第一预选关键词进行排序，获得第一预选关键词队列；

74、从所述第一预选关键词队列中，筛选出前预设数量个关键词，作为第一关键词；

75、根据所述参数中的每日总预算和预期曝光次数，利用公式，计算所述待投放广告商品的第二曝光成本；

76、从所述待投放广告商品的分类对应的关键词中筛选出，曝光单价等于所述第二曝光成本的关键词，作为第二预选关键词；

77、按照所述历史记录信息中，每个关键词的下载率，对所述第二预选关键词进行排序，获得第二预选关键词队列；

78、从所述第二预选关键词队列中，筛选出前预设数量个关键词，作为第二关键词；

79、分别根据所述第一关键词和所述第二关键词中，每个关键词的下载率，计算所述第一关键词和所述第二关键词的平均下载率；

80、将所述第一关键词和所述第二关键词的平均下载率的平均数，作为第i组平均数；

81、将所述第一关键词和所述第二关键词中的关键词，作为第i组关键词；

82、令a=a-10，i=i+1；并判断a是否小于50；如果是，则停止循环，比较第1组至第5组平均数的大小；将平均数最大的组的关键词作为关键词结果集返回；如果否，则继续返回执行根据所述参数中的每日总预算和预期曝光次数，利用公式，计算所述待投放广告商品的第一曝光成本的步骤。

83、可选的，所述关键词推荐请求中，还包括：过滤词；

84、该装置，还包括：

85、榜单地址获取模块，用于获取关键词榜单网站的地址；

86、所述生成模块，还用于：根据所述关键词推荐请求中的待投放广告商品的标识信息、每日总预算、结果维度、结果数量和过滤词，及所述算法工具接口地址和关键词榜单网站的地址，生成提示词；其中，所述提示词中包括所述算法工具接口地址、所述关键词榜单网站的地址、调用所述算法工具接口的方式、调用所述算法工具接口时传入算法工具中的参数；所述传入所述算法工具中的参数包括：待投放广告商品的标识信息、每日总预算、结果维度、结果数量和过滤词。

87、可选的，所述算法工具还用于：

88、根据所述post请求中的参数过滤词，在所述按照所述历史记录信息中，每个关键词的下载率，对所述第一预选关键词进行排序，获得第一预选关键词队列的步骤之前，去除所述第一预选关键词中与所述过滤词相同的关键词；

89、根据所述post请求中，参数中的过滤词，在所述按照所述历史记录信息中，每个关键词的下载率，对所述第二预选关键词进行排序，获得第二预选关键词队列的步骤之前，去除所述第二预选关键词中与所述过滤词相同的关键词；

90、返回待投放广告商品的分类名称。

91、可选的，所述ai大模型接口返回的代码，还用于：

92、获取所述算法工具接口返回的关键词结果集和待投放广告商品的分类名称；

93、将所述关键词结果集和所述待投放广告商品的分类名称保存在内存中；

94、编写爬虫代码；

95、根据所述关键词榜单网站的地址和所述待投放广告商品的分类名称，利用所述爬虫代码从关键词榜单网站中，爬取与所述待投放广告商品相同分类的结果维度的榜单热词，作为榜单词集；

96、获取所述榜单词集，将所述榜单词集与所述关键词结果集进行匹配，并判断所述关键词结果集中，是否存在不在所述榜单词集中的词；

97、如果存在，则将所述关键词结果集中不在所述榜单词集中的词添加为过滤词，并按照body体参数的形式重组接口参数；将重组的接口参数作为执行结果返回；所述重组的接口参数中包括的参数有：待投放广告商品的标识信息、每日总预算、结果维度、结果数量和过滤词；

98、如果不存在，则将所述关键词结果集作为执行结果返回。

99、可选的，该装置，还包括：

100、结果获取模块，用于获取所述ai大模型接口返回的代码的执行结果：

101、所述生成模块，还用于：当所述执行结果为重组的接口参数时，根据所述重组的接口参数中的待投放广告商品的标识信息、每日总预算、结果维度、结果数量和过滤词，所述算法工具接口地址和关键词榜单网站的地址，重新生成提示词，返回所述将所述提示词发送至ai大模型接口，并接收所述ai大模型接口返回的代码的步骤继续执行；

102、所述返回模块，还用于：当所述执行结果为关键词结果集时，将所述关键词结果集，返回至所述客户端。

103、第三方面，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；

104、所述存储器，用于存放计算机程序；

105、所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面所述的关键词推荐的方法步骤。

106、第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的关键词推荐的方法步骤。

107、综上可知，本发明实施例提供的方法，可以实现从广告预算、曝光量、下载率等角度对数据进行多维度的分析，从而实现在满足预期曝光量的要求下，向用户推荐使广告获得最大下载量收益的关键词，不仅提高了关键词的精准度，而且提高了广告效益。解决了现有技术中存在的数据分析维度过于单一且不够准确，导致的推荐的广告关键词无法达到广告主广告投放的预期效果的问题。

108、本发明实施例所提供的方法，对于用户来说操作简单，用户仅需要发送带有必要参数的推荐关键词请求，就可以获得高精准度的关键词，因而，本发明实施例所提供的方法，可以使用户有较好体验感，提高了用户满意度。另外，本发明实施例所提供的方法，还可以实现在算法工具计算出关键词后，利用ai大模型实时读取关键词榜单网站中的数据，并将算法工具计算出的关键词与同分类的榜单热词进行匹配，判断算法工具计算出的关键词中是否都属于榜单热词，如果不是，则将算法工具返回的关键词中不属于榜单热词的词添加为过滤词，并重新生成提示词输入ai大模型，使ai大模型重新调用算法工具接口使算法工具重新计算关键词，重复上述步骤，直到算法工具返回的关键词都是榜单热词为止。这样，有利于保持关键词的最新性和竞争力，以适应快速变化的市场环境，进而可以使投放的广告较可以大概率的达到曝光量和下载率等的预期，提升广告的投资回报率。此外，本发明实施例所提供的方法，利用ai大模型自动生成调用算法工具的代码，及实时读取关键词榜单网站中数据的爬虫代码，不仅节省了代码开发的成本，而且还提升了代码开发的效率。

109、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

110、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。