CN102999497A

CN102999497A - 一种媒体信息位推荐方法及***

Info

Publication number: CN102999497A
Application number: CN2011102669577A
Authority: CN
Inventors: 伍刘; 黄瑜
Original assignee: Tencent Technology Beijing Co Ltd
Current assignee: Tencent Technology Beijing Co Ltd
Priority date: 2011-09-09
Filing date: 2011-09-09
Publication date: 2013-03-27
Anticipated expiration: 2031-09-09
Also published as: ZA201309437B; US20140156393A1; CN102999497B; WO2013034027A1; AP2014007395A0

Abstract

本发明公开了一种媒体信息位推荐方法，包括：根据客户产品所属行业与频道的匹配度，以及各媒体信息位所覆盖的目标人群，计算媒体信息位的推荐指数；根据所述计算的推荐指数向用户推荐媒体信息位。本发明还相应地公开了一种媒体信息位推荐***。本发明不依赖人工经验进行媒体信息位推荐，所以能够实现***化的媒体信息位推荐，提高媒体信息位推荐效率以及媒体信息投放效果。

Description

一种媒体信息位推荐方法及***

技术领域

本发明涉及媒体信息发布技术，尤其涉及一种媒体信息位推荐方法及***。

背景技术

在针对某种客户产品做媒体信息排期的过程中，一般会遇到两个问题：一是客户产品的媒体信息是否适合投放在某个媒体信息位上；二是某个媒体信息位的效果是否足够好，是否能覆盖客户所期望的目标人群。

现有技术中，一般采用简单的人工分类方法，比如汽车产品的媒体信息就投放到汽车频道，女性产品的媒体信息就投放到女性频道等，可以看出，目前媒体信息位与客户产品的媒体信息之间的匹配关系尚停留在人工经验阶段，媒体信息位推荐效率较低，且媒体信息投放效果不佳。

另外，目前对于传统媒介很难获取到详细、精确的目标人群数据，而对于互联网上的媒体信息投放，由于缺乏***化的研究指导，在做排期的时候很多媒介人员要么仅仅根据曝光量和点击量的高低来选取媒体信息位，要么根据自己投放经验来选取媒体信息位，但是，仅仅根据曝光量或者点击量无法体现出客户的目标人群特点，而现有的人工经验方法不具有***性，无法大面积使用，并且，不同人员的经验会有不同，无法给出一个统一标准。

发明内容

有鉴于此，本发明的主要目的在于提供一种媒体信息位推荐方法及***，能够实现***化的媒体信息位推荐，提高媒体信息位推荐效率以及媒体信息投放效果。

为达到上述目的，本发明的技术方案是这样实现的：

一种媒体信息位推荐方法，包括：

根据客户产品所属行业与频道的匹配度，以及各媒体信息位所覆盖的目标人群，计算媒体信息位的推荐指数；

根据所述计算的推荐指数向用户推荐媒体信息位。

客户产品所属行业与频道的匹配度通过特征匹配函数表征，所述特征匹配函数为：

w_{ij} = \frac{f_{i, j}}{Σ L_{j}} \cdot \log \frac{N}{n_{j}}

其中，f_i，j表示行业I_i的产品在频道L_j上的投放次数，∑L_j表示频道L_j上的轮播总和，N为总的行业个数，n_j为频道L_j投放的产品所属的行业个数。

媒体信息位所覆盖的目标人群属性由年龄、性别、地区和场景构成。

所述计算媒体信息位的推荐指数为：根据推荐指数函数R＝W1×M+W2×L计算推荐指数，其中，所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重，M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名，L为媒体信息位上客户目标人群数排名。

所述根据计算的推荐指数向用户推荐媒体信息位为：将媒体信息位按照推荐指数由高到低进行排序，展示给用户。

一种媒体信息位推荐***，包括：推荐指数计算单元、媒体信息位推荐单元；其中，

所述推荐指数计算单元，用于根据客户产品所属行业与频道的匹配度，以及各媒体信息位所覆盖的目标人群，计算媒体信息位的推荐指数；

所述媒体信息位推荐单元，用于根据推荐指数计算单元计算的推荐指数向用户推荐媒体信息位。

w_{ij} = \frac{f_{i, j}}{Σ L_{j}} \cdot \log \frac{N}{n_{j}}

所述推荐指数计算单元计算媒体信息位的推荐指数为：根据推荐指数函数R＝W1×M+W2×L计算推荐指数，其中，所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重，M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名，L为媒体信息位上客户目标人群数排名。

所述媒体信息位推荐单元根据计算的推荐指数向用户推荐媒体信息位为：将媒体信息位按照推荐指数由高到低进行排序，展示给用户。

本发明媒体信息位推荐方法及***，根据客户产品所属行业与频道的匹配度，以及各媒体信息位所覆盖的目标人群，计算媒体信息位的推荐指数；根据所述计算的推荐指数向用户推荐媒体信息位。本发明不依赖人工经验进行媒体信息位推荐，所以能够实现***化的媒体信息位推荐，提高媒体信息位推荐效率以及媒体信息投放效果。

附图说明

图1为本发明媒体信息位推荐方法流程示意图；

图2为本发明实施例一种客户需求输入界面示意图；

图3为本发明实施例一种用户展示界面示意图。

具体实施方式

本发明的基本思想是：根据客户产品所属行业与频道的匹配度，以及各媒体信息位所覆盖的目标人群，计算媒体信息位的推荐指数；根据所述计算的推荐指数向用户推荐媒体信息位。

图1为本发明媒体信息位推荐方法流程示意图，如图1所示，该方法包括：

步骤101：根据客户产品所属行业与频道的匹配度，以及各媒体信息位所覆盖的目标人群，计算媒体信息位的推荐指数。

步骤102：根据所述计算的推荐指数向用户推荐媒体信息位。

这里，具体可以将媒体信息位按照推荐指数由高到低进行排序，展示给用户。

本发明中，可以用特征匹配函数表征客户产品与媒体信息位的匹配程度，具体可以根据历史投放数据来建立该函数。

如果单纯利用客户产品的历史投放数据来计算，会存在数据稀疏性的缺点，因而我们首先将客户产品与媒体信息位的匹配度，近似等价为该客户产品所属行业与媒体信息位所属频道的匹配度。

该特征匹配函数必须满足以下条件：

1)历史上与该客户产品相同行业的产品在某频道上的投放次数越多，则客户产品所属行业与该频道越匹配。

2)某频道上投放的其他行业的产品个数越多，则该频道与该客户产品所属行业匹配度越低。换言之，在一个频道上投放的产品越平均则该频道对行业的匹配度就越低。

为方便描述，先定义如下符号：

设I＝{I₁，I₂，I₃......I_n}为产品所属行业集合；L＝{L₁，L₂，L₃，......L_M-1，L_M}为频道集合。

行业I_i的产品在L_j的投放频次定义为：

{TF}_{i, j} = \frac{f_{i, j}}{Σ L_{j}} - - - (1)

其中，f_i，j表示行业I_i的产品在频道L_j上的投放次数，∑L_j表示频道L_j上的轮播总和，即该频道上所有广告位的轮播之和。

I_i的产品在L_j的投放次数的逆定义为：

{IDF}_{i} = \log \frac{N}{n_{j}} - - - (2)

其中，N为总的行业个数。n_j为频道L_j投放的产品所属的行业个数。

所以，可以定义特征匹配函数为：

w_{ij} = \frac{f_{i, j}}{Σ L_{j}} \cdot \log \frac{N}{n_{j}} - - - (3)

本发明中，在计算媒体信息位所覆盖的目标人群时，可以设人群属性由以下几个变量构成：z₁(年龄)、z₂(性别)、z₃(地区)、z₄(场景)；

设向量Z＝(z₁，z₂，z₃，z₄)；

X₁＝客户目标人群带来的单轮播曝光＝Φ(Z)；

X₂＝客户目标人群带来的单轮播点击＝Ψ(Z)

很显然，目标人群共有Z₁×Z₂×Z₃×Z₄种组合。为了方便线上实时化的实施，我们在线下预先计算好所有组合情况。

根据以上分析，如果某个媒体信息位所属频道的匹配度越高，同时覆盖的目标人群越多则就越是我们所希望推荐的。因此，步骤101中，可以构建推荐指数函数如下：

R＝W1×M+W2×L (4)

其中，W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重，M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名，L为媒体信息位上客户目标人群数排名。

本发明提出的算法可以针对任何媒体、任何平台，下面通过具体实施例对本发明的方案作进一步说明。

1)离线建立行业与媒体信息位的特征矩阵。为方便计算，我们去掉公式(3)中的分母∑L_j，即采取特征函数：

w_{ij} = f_{i, j} \cdot \log \frac{N}{n_{j}}

考虑到媒体信息产品的季节变化，可以利用一年的历史投放数据来根据上面的特征函数公式来建立一个如下的特征矩阵：

其中，n为频道个数，m为行业个数。

2)如果客户产品属于I_i(汽车行业)，则则选取W矩阵第i行的(w_i，1，w_i，2，......w_in)共n个元素，对其从大到小排序。

3)离线计算媒体信息位所覆盖的目标人群各种组合。

4)根据客户需求计算媒体信息位的推荐指数。

这里，客户需求可以包括以下一项或多项：本次投放所针对产品的行业、投放目的、所期望的目标用户，客户需求一般通过交互界面输入***，例如，可以通过图2所示的界面输入。

针对媒体信息位L_j，可以按照如下方法计算推荐指数(以30个媒体信息位为例)：

1，对于媒体信息位L(i)，假设对应的频道为S(j)，在行业与频道的匹配矩阵W中排序为R(s)，行业频道匹配值Fmatch值为M(j)

2，对于媒体信息位L(i)，按照效果函数，其排序为R(1)

3，将M(j)分段考虑，在300以上的，计算推荐值：X＝0.6*R(s)+0.4R(1)

在100～300之间的，计算推荐值：X＝0.5R(s)+0.5R(1)

在100以下的，计算推荐值：X＝0.4R(s)+0.6R(1)

4，利用公式计算推荐指数Y＝10-(10-6)/30*X，X归一化到Xmin～Xmax之间(6～10)之间。

5)利用推荐指数从高到低进行排序，展现给客户，例如，展现给用户的界面可以如图3所示。

需要说明的是，所述效果函数即为目标人群数。因为目标人群数分为点击目标人群数和曝光目标人群数。在使用的时候，需要根据客户的需求，也就是在图2界面上的投放目的是按曝光还是按点击，来决定究竟是用点击目标人群数，还是曝光目标人群数。

需要说明的是，在计算客户产品行业与频道的匹配度时，行业I_i在L_j的投放频次可以直接定义为f_i，j，(即去掉分母常量)；I_i在L_j的投放次数的逆可以直接定义为

(即去掉分子常量)，这些最终的表现都是非常相似的。

本发明还相应地提出一种媒体信息位推荐***，包括：推荐指数计算单元、媒体信息位推荐单元；其中，

w_{ij} = \frac{f_{i, j}}{Σ L_{j}} \cdot \log \frac{N}{n_{j}}

其中，f_i，j表示行业I_i的产品在频道L_j上的投放次数，∑L_j表示频道L_j上的轮播总和，N为总的行业个数。n_j为频道L_j投放的产品所属的行业个数。

可以看出，本发明在考察历史投放经验的基础上，建立起特征匹配函数。利用该函数来统一描述频道与客户产品的匹配程度。然后根据历史投放数据来得到媒体信息位所覆盖的目标人群。最后利用匹配度和目标人群计算出推荐指数。按照推荐指数的大小来推荐出前N个媒体信息位(N可以根据客户需求设定)。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims

1.一种媒体信息位推荐方法，其特征在于，该方法包括：

根据所述计算的推荐指数向用户推荐媒体信息位。

2.根据权利要求1所述的方法，其特征在于，客户产品所属行业与频道的匹配度通过特征匹配函数表征，所述特征匹配函数为：

w_{ij} = \frac{f_{i, j}}{Σ L_{j}} \cdot \log \frac{N}{n_{j}}

3.根据权利要求1所述的方法，其特征在于，媒体信息位所覆盖的目标人群属性由年龄、性别、地区和场景构成。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述计算媒体信息位的推荐指数为：根据推荐指数函数R＝W1×M+W2×L计算推荐指数，其中，所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重，M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名，L为媒体信息位上客户目标人群数排名。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述根据计算的推荐指数向用户推荐媒体信息位为：将媒体信息位按照推荐指数由高到低进行排序，展示给用户。

6.一种媒体信息位推荐***，其特征在于，该***包括：推荐指数计算单元、媒体信息位推荐单元；其中，

7.根据权利要求6所述的***，其特征在于，客户产品所属行业与频道的匹配度通过特征匹配函数表征，所述特征匹配函数为：

w_{ij} = \frac{f_{i, j}}{Σ L_{j}} \cdot \log \frac{N}{n_{j}}

8.根据权利要求6所述的***，其特征在于，媒体信息位所覆盖的目标人群属性由年龄、性别、地区和场景构成。

9.根据权利要求6至8任一项所述的***，其特征在于，所述推荐指数计算单元计算媒体信息位的推荐指数为：根据推荐指数函数R＝W1×M+W2×L计算推荐指数，其中，所述W1、W2分别媒体信息位所属的频道与客户产品所属行业的匹配度、媒体信息位上客户目标人群数的权重，M为媒体信息位所属的频道与该客户产品所属行业的匹配度排名，L为媒体信息位上客户目标人群数排名。

10.根据权利要求6至8任一项所述的***，其特征在于，所述媒体信息位推荐单元根据计算的推荐指数向用户推荐媒体信息位为：将媒体信息位按照推荐指数由高到低进行排序，展示给用户。