一种基于数据特征匹配的广告智能投放管理方法及系统与流程

本发明涉及智能广告，具体为一种基于数据特征匹配的广告智能投放管理方法及系统。

背景技术：

1、随着互联网技术的高速发展，互联网广告逐渐成为一种主流广告媒体。与传统的广告媒体相比，互联网广告具有覆盖范围广、主动性和积极性强、费用相对较低、性价比高以及具有强烈互动性等优势，因此，互联网广告也越来越受到各公司及商户的青睐。

2、现有的基于信息流的广告投放方法通常采用的是基于单一媒体按需配给的方式，这种模式下缺乏对单一用户进行广告投放频次的控制功能，用户对同一广告或同一类型广告的多次曝光可能会产生“广告疲劳”，一定程度上降低点击率和转化率；且各用户端中不同在线渠道的数据孤立存在，难以进行综合分析和优化，无法形成完整的用户特征数据集，导致广告投放的精准度和效果欠佳。

3、为了解决此问题，我们提出一种基于数据特征匹配的广告智能投放管理方法及系统。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于数据特征匹配的广告智能投放管理方法及系统，可以有效解决背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：一种基于数据特征匹配的广告智能投放管理方法及系统，包括：

3、构建云数据平台，所述云数据平台设置有广告数据库及用户数据库，广告数据库用于存储多种广告原始数据；

4、获取用户授权后与各个用户端进行交互，采集各个用户端的用户基本信息及网络状态信息；

5、对各个用户端设置数据埋点，通过数据埋点按一定频次采集对应用户端当前周期内的用户特征数据集及当前时间戳，将采集得到的各个用户端的用户特征数据集及对应时间戳上传至用户数据库中；

6、构建多渠道管理平台，基于各个用户端采集得到的用户特征数据集及时间戳构建偏好预测模型，得到该用户对于各商品类别的偏好程度指标；

7、多渠道管理平台获取各个用户端的实时地理位置信息及在线渠道类型数据，结合各个用户端的实时地理位置信息及偏好程度指标，计算用户与广告的实时匹配度，得到广告匹配度数据；

8、获取各个用户端的可用广告投放请求，可用广告投放请求包括可用广告投放方式以及对应的可用广告区域；

9、基于可用广告投放请求设置广告竞价机制，使各广告原始数据对应的广告发行商通过广告竞价机制对可用广告区域进行竞价，得到竞价结果数据；

10、构建综合评分模型，基于广告的匹配度数据、广告疲劳指数及竞价结果评分生成各个用户端的广告匹配评分数据，并根据广告匹配评分数据对各个广告进行优先级排序，根据优先级排序筛选出预投放广告；

11、基于各个用户端的在线渠道类型数据，预设预投放广告于各个用户端的投放方式，对广告进行投放；

12、采集该广告的投放频次数据，将该投放频次数据上传至多渠道管理平台，采集广告投放后的广告效果数据，将广告效果数据上传至用户数据库中，对各个用户端后续的广告投放持续进行优化。

13、作为优选，所述构建云数据平台，云数据平台设置有广告数据库及用户数据库，广告数据库用于存储多种广告原始数据；获取用户授权后与各个用户端进行交互，采集各个用户端的用户基本信息及网络状态信息；对各个用户端设置数据埋点，通过数据埋点按一定频次采集对应用户端当前周期内的用户特征数据集及当前时间戳，将采集得到的各个用户端的用户特征数据集及对应时间戳上传至用户数据库中，具体包括：

14、所述广告原始数据包括基本广告内容、广告发行商及投放效果数据；

15、用户数据库用于存储各个用户端的用户基本信息、网络状态信息及用户特征数据集，并对数据进行分类整理；

16、所述数据埋点包括数据采集埋点及数据整合埋点；

17、数据采集埋点设置于用户端的各个软件中，用于捕捉用户的交互行为和使用记录，并记录当前的时间戳；

18、数据整合埋点用于在服务器端接收数据采集埋点采集到的数据，对采集得到的数据进行清洗，过滤掉无效或异常的数据记录，填补缺失的数据字段，将数据转换为统一的格式，合并为用户特征数据集并存储到用户数据库中，用于进一步的分析和优化；

19、所述用户特征数据集包括浏览数据、搜索数据、点击数据及消费数据；

20、其中，浏览数据包括浏览次数及浏览商品类别，搜索数据包括搜索次数及搜索商品类别，点击记录数据包括点击次数及点击商品类别，消费数据包括消费次数及消费商品类别。

21、作为优选，所述构建多渠道管理平台，基于各个用户端采集得到的用户特征数据集及时间戳构建偏好预测模型，得到该用户对于各商品类别的偏好程度指标，具体包括：

22、多渠道管理平台用于整合及管理来自各个用户端的数据；

23、根据用户数据库中的用户基本信息，将每一个用户与对应的用户特征数据集及时间戳进行关联；

24、提取浏览数据中的浏览商品类别信息及对应的浏览次数信息，提取搜索数据中的搜索商品类别信息及对应的搜索次数信息，提取点击记录数据中的点击商品类别信息及对应的点击次数信息，提取消费数据中的消费商品类别信息及对应的消费次数信息；

25、按照时间戳将采集得到的数据划分为不同的周期，每个时间戳对应一个周期的数据集合，各个周期的时长相同且各个周期按照时间先后顺序依次记为第周期、第周期…第周期，根据每个数据集合内数据的商品类别信息对上述数据进行分类整合，根据偏好预测模型计算该用户在当前周期内对该类别商品的偏好程度，得到偏好程度指标；

26、所述偏好程度指标为：

27、；

28、式中，表示用户在第个周期时对商品类别的偏好程度，表示在第个周期内对商品类别的偏好程度，表示在第个周期内对商品类别的偏好程度，表示用户在第个周期内对商品类别的浏览次数，表示用户在第个周期内对商品类别的搜索次数，表示用户在第个周期内对商品类别的点击次数，表示用户在第个周期内对商品类别的消费次数，表示用户在第个周期内对商品类别的浏览次数，表示用户在第个周期内对商品类别的搜索次数，表示用户在第个周期内对商品类别的点击次数，表示用户在第个周期内对商品类别的消费次数，、、、分别为权值参数，为一个介于0到1之间的常数，代表每向前一个周期，权重减少的比例。

29、作为优选，所述获取各个用户端的实时地理位置信息及在线渠道类型数据，结合各个用户端的实时地理位置信息及偏好程度指标，计算用户与广告的实时匹配度，得到广告匹配度数据，具体包括：

30、根据在线渠道类型数据，获取在线渠道历史交易数据；

31、根据在线渠道历史交易数据，基于交易商品命名实体识别，获取交易标签信息，所述交易标签信息表示交易的各个商品类别；

32、对广告原始数据进行命名实体识别，获取广告标签信息，所述广告标签信息表示各个广告类型，广告原始数据中的各个广告均对应设置有至少一个广告标签信息；

33、将商品类别与广告类型进行匹配,根据交易标签信息和广告标签信息，获取广告投放指数；

34、；

35、式中，为商品类别所对应广告类型的广告投放指数，为商品类别在交易标签信息中的标签数，为广告标签信息的总标签数，为第个在线渠道中的交易标签总数；

36、根据广告原始数据，获取广告商户位置信息；

37、根据广告商户位置信息和用户的实时地理位置信息，以广告商户位置和用户端位置的距离的倒数，作为距离影响系数；

38、根据广告投放指数、位置影响系数和偏好程度指标，获取广告匹配度；

39、其中，广告匹配度的计算公式为：

40、；

41、式中，为第个广告的广告匹配度，为与商品类别所对应的第个广告的广告类型的广告投放指数，为广告商户位置和用户端位置的距离，为第个广告对应的商品类别的偏好程度指标。

42、作为优选，所述构建综合评分模型，基于广告的匹配度数据、广告疲劳指数及竞价结果评分生成各个用户端的广告匹配评分数据，并根据广告匹配评分数据对各个广告进行优先级排序，根据优先级排序筛选出预投放广告，具体包括：

43、获取广告发行商给出的竞价结果数据，基于竞价结果数据及该广告对应的投放效果数据计算该广告的竞价结果评分；

44、投放效果数据包括该广告历史点击率及历史转化率；

45、获取当前周期内该广告的广告投放数据，基于投放频次数据计算该广告的广告疲劳指数；

46、广告投放数据包括当前周期下该广告的投放频次、用户的举报频次及总浏览时长；

47、基于当前周期的广告匹配度数据、广告投放数据及竞价结果评分，获取各个用户端的各类型广告的广告匹配评分指标；

48、基于各个用户端的广告匹配评分指标数据对广告的优先级进行排序，广告匹配评分高的广告优先级更高；

49、根据投放需求设置一个评分阈值，高于该评分阈值的广告均视为预投放广告；

50、所述竞价结果评分为；

51、；

52、式中，表示竞价结果评分，表示广告历史点击率，表示广告历史转化率，表示广告竞价价格数据，、、分别表示对应广告历史点击率、广告历史转化率和广告竞价价格数据的权值参数；

53、所述广告疲劳指数为：

54、；

55、式中，表示广告疲劳指数，表示广告投放频次，表示用户举报频次，表示广告浏览时长；

56、所述广告匹配评分指标为：

57、；

58、式中，表示用户在第个周期对第个广告的匹配评分数据，表示广告匹配度，表示竞价结果评分，表示广告疲劳指数，、、分别表示对应广告匹配度、投放频次和竞价结果评分的权值参数，表示偏移量。

59、作为优选，所述基于各个用户端的在线渠道类型数据，预设预投放广告于各个用户端的投放方式，对广告进行投放，具体包括：

60、通过采集得到的在线渠道类型数据确定各个用户端当前的渠道类型；

61、根据当前在线渠道的类型对该广告的投放方式进行调整以及预设；

62、根据优先级排序依次对预投放广告进行投放，并实时监测广告的投放效果。

63、作为优选，所述采集该广告的投放频次数据，将该投放频次数据上传至多渠道管理平台，采集广告投放后的广告效果数据，将广告效果数据上传至用户数据库中，对各个用户端后续的广告投放持续进行优化，具体包括：

64、采集当前周期下该在线渠道的广告投放数据；

65、将当前周期下该在线渠道的广告投放数据上传至多渠道管理平台；

66、当检测到当前周期下该在线渠道的广告投放频次发生变化时，将最新的投放频次数据上传至多渠道管理平台，并覆盖原有的广告投放数据，当前周期结束时，确保多渠道管理平台中保留一个最新的广告投放数据；

67、采集当前周期下该在线渠道的广告效果数据；

68、所述广告效果数据包括对该广告的浏览数据、点击数据及消费数据；

69、将上述数据合并至用户数据库中，用于后续对该用户端的数据分析及广告持续投放优化。

70、进一步的，本发明还提出一种基于数据特征匹配的广告智能投放管理系统，用于实现如上述任一项的管理方法，包括：

71、云数据平台模块，用于提供数据存储和管理的基础架构，用于存储广告的基本信息、发行商信息、投放效果数以及用户的用户基本信息、网络状态信息、用户特征数据集，并对数据进行整理分类；

72、数据采集模块，用于获取用户授权，确保数据采集的合法性，采集用户端的各种数据，进行数据清洗、过滤、填补缺失字段、格式转换后，合并为用户特征数据集存储到用户数据库中；

73、多渠道管理模块，用于整合和管理来自各个用户端的数据，构建用户偏好预测模型，计算用户对不同商品类别的偏好程度；

74、实时匹配模块，用于实时获取用户端的实时地理位置信息及在线渠道类型数据，计算用户与广告的广告匹配度；

75、广告竞价模块，用于从广告发行商处获取竞价结果数据，并通过竞价结果数据及投放效果数据获取竞价结果评分；

76、综合评分模块，广告的匹配度数据、广告疲劳指数及竞价结果评分，生成广告匹配评分；

77、广告投放模块，用于根据优先级排序对广告进行投放，并实时监测投放效果；

78、数据反馈模块，用于收集广告投放后的数据，进行效果评估和持续优化。

79、作为优选，所述数据采集模块，具体包括：

80、用户授权管理单元，用于获取用户授权后与各个用户端进行交互；

81、数据埋点单元，用于在用户端的各个软件中设置数据采集埋点，用于捕捉用户的交互行为和使用记录，并记录当前的时间戳；

82、数据整合单元，用于在服务器端设置数据整合埋点，用于接收数据采集埋点采集到的数据，对采集得到的数据进行清洗、过滤、填补缺失字段、格式转换，并合并为用户特征数据集，存储到用户数据库中。

83、作为优选，所述综合评分模块，具体包括：

84、广告投放数据采集单元，用于获取当前周期内已投放该广告的广告投放数据；

85、竞价结果评分计算单元，用于基于竞价结果数据及投放效果数据，计算广告的竞价结果评分；

86、疲劳指数计算模块，用于采集当前周期下的广告投放数据，并基于投放频次数据计算该广告的广告疲劳指数；

87、广告匹配评分计算单元，用于结合广告匹配度数据、广告投放数据及竞价结果评分，计算广告匹配评分；

88、优先级排序单元，用于根据广告匹配评分对广告进行优先级排序，并根据评分阈值筛选出预投放广告。

89、与现有技术相比，本发明提供了一种基于数据特征匹配的广告智能投放管理方法及系统，具备以下有益效果：

90、1、通过构建云数据平台和多渠道管理平台，可整合来自不同来源的数据，通过构建偏好预测模型，使得广告能够更好地匹配目标受众的兴趣和偏好，且偏好程度指标能够结合当前周期及历史周期对该商品类别的操作次数，使得历史周期的数据随着时间的推移对当前用户商品类别偏好的影响逐渐减弱，可以更全面地反映用户的偏好变化趋势，避免依赖历史周期数据而造成的偏差，该广告投放方法能够精准地反映用户当前对该类别商品的偏好程度，从而提高广告投放的精准度和效果。

91、2、通过构建综合评分模型，基于广告的匹配度数据、广告疲劳指数及竞价结果评分生成各个用户端的广告匹配评分数据，并根据广告匹配评分数据对各个广告进行优先级排序，根据优先级排序筛选出预投放广告，且将广告疲劳指数作为广告匹配评分的负向指标，能够对广告的投放次数进行限制，有效减少单个广告对用户的过度曝光，避免了用户对特定广告的“广告疲劳”。

92、3、该广告投放方法通过采集广告投放后的效果数据，如广告的浏览数据、点击数据及消费数据，将这些数据反馈回用户数据库，用于不断优化广告投放策略，实现广告投放的持续改进。