CN103365900B

CN103365900B - 线上素材投放方法及装置

Info

Publication number: CN103365900B
Application number: CN201210096610.7A
Authority: CN
Inventors: 杨华; 方微; 王锦程
Original assignee: Alibaba Group Holding Ltd
Current assignee: Alibaba Group Holding Ltd
Priority date: 2012-04-01
Filing date: 2012-04-01
Publication date: 2018-03-23
Anticipated expiration: 2032-04-01
Also published as: CN103365900A

Abstract

本申请公开了一种线上素材投放方法及装置。该线上素材投放方法包括：计算线上素材和线上通道的匹配度，判断匹配度是否大于预定阈值；以及在匹配度大于预定阈值时，将线上素材投放到线上通道上。通过本申请，能够使线上素材方便地投放到合适的线上通道上。

Description

线上素材投放方法及装置

技术领域

本申请涉及数据处理领域，具体而言，涉及一种线上素材投放方法及装置。

背景技术

素材投放是指通过将素材广告投放到外部合作方的网站达到为素材广告投放方引入流量的目的。

图1是根据现有技术的素材投放方法的示意图。如图1所示，该方法包括：

步骤S1，业务拓展(Business Development，简称为BD)人员根据创意制作线上广告素材，其中，BD人员是指从事业务拓展、商务开发，专门负责线上广告外投的人员，线上广告是指使用网络为载体进行广告活动形式，素材包括广告的内容、形式等；

步骤S2，BD人员按照自己的经验将广告投放到合作站点；

步骤S3，在投放的过程中，数据仓库(Data Warehouse，简称为DW)采集合作网站引流过来的用户行为数据、提供效果监控报表，为了使线上素材投放在更合适的线上通道上，BD人员可参考这些用户行为数据和效果监控报表进行一些优化及调整。

从上述流程可以看出：DW采集并存储了用户行为历史数据，BD人员主要参考效果监控报表，依照经验对投放素材和渠道调整来优化效果，但是并没有对用户行为数据进行有效利用；随着业务发展，广告素材、合作渠道越来越多，操作越来越复杂、容易顾此失彼，如何让素材投放到合适的渠道以达到最佳效果，是BD及运营人员越来越头疼的问题，其中，渠道是指外部合作方提供的用于承载广告的线上通道。

针对现有技术中线上素材难以被投放到合适的线上通道的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种线上素材投放方法及装置，以解决现有技术中素材难以被投放到合适的线上通道的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种线上素材投放方法。该线上素材投放方法包括：计算线上素材和线上通道的匹配度；判断匹配度是否大于预定阈值；以及在匹配度大于预定阈值时，将线上素材投放到线上通道上。

进一步地，计算线上素材和线上通道的匹配度包括：通过用户的投放操作数据进行模拟训练，得到数据模型；以及通过数据模型计算线上素材和线上通道的匹配度。

进一步地，计算线上素材和线上通道的匹配度包括：对线上通道进行分类；通过数据模型计算线上素材的线上通道偏好显著性水平；以及根据线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度。

进一步地，对线上通道进行分类包括：对不同的线上通道打上不同的标签以对线上通道进行分类。

进一步地，根据线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度包括：将数据模型反馈至数据仓库，其中，数据仓库用于存储线上素材；通过与数据仓库进行数据交互来获取数据模型和线上素材；以及根据计算出的线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度。

进一步地，根据匹配度将线上素材投放到线上通道包括：确定与线上素材匹配度大于预定阈值的一个或多个线上通道；以及将线上素材投放到确定的线上通道上。

进一步地，在与线上素材匹配度大于预定阈值的线上通道为多个时，上述方法包括：将与线上素材匹配度大于预定阈值的多个线上通道进行排序；以及将线上素材按照排序的结果依次投放到多个线上通道上。

为了实现上述目的，根据本申请的另一方面，提供了一种线上素材投放装置。该线上素材投放装置包括：计算模块，用于计算线上素材和线上通道的匹配度；判断模块，用于判断匹配度是否大于预定阈值；以及投放模块，在匹配度大于预定阈值时，将线上素材投放到线上通道上。

进一步地，计算模块包括：建模子模块，用于通过用户的投放操作数据进行模拟训练，得到数据模型；以及计算子模块，用于通过数据模型计算线上素材和线上通道的匹配度。

进一步地，计算模块还包括：分类子模块，用于对线上通道进行分类；其中，计算子模块用于通过数据模型计算线上素材的线上通道偏好显著性水平，以及根据线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度。

进一步地，分类子模块用于通过对不同的线上通道打上不同的标签以对线上通道进行分类。

进一步地，计算模块还包括：反馈子模块，用于将数据模型反馈至数据仓库，其中，数据仓库用于存储线上素材，其中，计算子模块用于通过与数据仓库进行数据交互来获取数据模型和线上素材，以及根据计算出的线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度。

进一步地，投放模块包括：确定子模块，用于确定与线上素材匹配度大于预定阈值的一个或多个线上通道；以及投放子模块，用于将线上素材投放到确定的线上通道上。

进一步地，投放模块还包括：排序模块，用于在与线上素材匹配度大于预定阈值的线上通道为多个时，将与线上素材匹配度大于预定阈值的多个线上通道进行排序，其中，投放子模块用于将线上素材按照排序的结果依次投放到多个线上通道上。

通过本申请，采用计算线上素材和线上通道的匹配度，判断匹配度是否大于预定阈值；以及在匹配度大于预定阈值时，将线上素材投放到线上通道上的方法，由于通过计算得到的线上素材和线上通道的匹配度自动将线上素材投放到线上通道上，因而解决了现有技术中线上素材难以被投放到合适的线上通道的问题，进而达到了使线上素材方便地投放到合适的线上通道上的效果。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据现有技术的线上素材投放方法的示意图；

图2是根据本申请第一实施例的线上素材投放装置的示意图；

图3是根据本申请第二实施例的线上素材投放装置的示意图；

图4是根据本申请第三实施例的线上素材投放装置的示意图；

图5是根据本申请的一个优选实施例的线上素材投放的功能框架图；

图6是根据本申请实施例提供的分类标签库的树状示意图；

图7是根据本申请第四实施例的线上素材投放装置的示意图；

图8是根据本申请第五实施例的线上素材投放装置的示意图；以及

图9是根据本申请实施例的线上素材投放方法的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

实施例1

图2是根据本申请第一实施例的线上素材投放装置的示意图。

如图2所示，该线上素材投放装置包括：

计算模块10，用于计算线上素材和线上通道的匹配度；

判断模块20，用于判断所述匹配度是否大于预定阈值；以及

投放模块30，在所述匹配度大于所述预定阈值时，将所述线上素材投放到所述线上通道上。

在该线上素材投放装置中，由于通过计算模块10计算线上素材和线上通道的匹配度后，投放模块30可以通过计算模块10计算得到的线上素材和线上通道的匹配度和判断模块30的判断结果自动将线上素材投放到线上通道上，因而能够使得线上素材方便地投放到合适的线上通道上。

本申请所指出的将线上素材投放到线上通道上可以是通过网络传输的形式将素材传输至线上通道，这样，在利用本申请的线上素材投放装置进行投放时，可以仅将素材广告通过网络传递给与其匹配度较高的线上通道，而不会将匹配度较低的素材广告传递给线上通道，从而减少了网络中素材广告传输的数据量，提高了数据传输的速度，避免网络中的数据量过大造成的网络阻塞。

实施例2

为了使得计算模块10更准确地对线上素材和线上通道的匹配度进行计算，本申请实施例还提供了一种优选的线上素材投放装置，如图3所示。

图3是根据本申请第二实施例的线上素材投放装置的示意图。如图所示，在该实施例中，该线上素材投放装置包括计算模块10和投放模块30，其中，计算模块10包括：建模子模块101，用于通过用户行为数据(或者，用户的投放操作数据)进行模拟训练，得到数据模型；以及计算子模块102，用于通过数据模型计算线上素材和线上通道的匹配度。其中，用户行为数据可以是电子商务网站投放了广告之后，吸引一些用户浏览电子商务网站，并在电子商务网站进行活动所产生的数据，用户行为数据包含了访问用户的c00kie、访问的素材、访问的通道等，用户在进行素材投放操作时，例如，通过电子商务平台向一些网站投放广告活动时，会根据经验将线上素材投放到合适的线上通道上，因而，本申请实施例的建模子模块101通过用户的操作，即得到线上素材和线上通道的对应关系，从而可以得到关于线上素材和线上通道匹配关系的数据模块。

在该实施例中，通过建模子模块101对用户的投放操作数据进行模拟训练，得到数据模型，以及通过数据模型计算线上素材和线上通道的匹配度，由于数据模型是通过对用户投放操作的数据进行模拟训练得到的，因而，在通过该模型计算匹配度时，能够更加贴近于用户的实际操作，因而提高了匹配度计算的准确性。

本申请中的线上素材投放装置可以在电子商务平台上实现，通过电子商务平台向其他的网站投放广告素材(线上素材)以达到向其他网站投放广告的目的。

实施例3

图4是根据本申请第三实施例的线上素材投放装置的示意图。

为了使得计算子模块102通过数据模型更简便地计算线上素材和线上通道的匹配度，优选地，计算模块10还可以包括：分类子模块103，用于对线上通道进行分类；其中，计算子模块102用于通过数据模型计算线上素材的线上通道偏好显著性水平，以及根据线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度。其中，偏好显著性水平用于反映线上素材对线上通道匹配程度，偏好显著性水平越高，表示匹配程度越高。

在该实施例中，通过分类子模块103对线上通道进行分类，将线上通道划分为不同的类型，从而，不同类型的线上通道和线上素材进行匹配时，能够根据类型进行匹配度的计算，进而使得在根据线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度时，计算更简便。

本申请实施例还提供了一种对线上通道进行分类的优选实施方式，即，使分类子模块103通过对不同的线上通道打上不同的标签来对线上通道进行分类。

图5是根据本申请的一个优选实施例的线上素材投放的功能框架图。

在本功能框架中，通过对渠道进行标签化管理，并在此基础上外部站点引入用户的行为数据进行数据建模，计算出外投渠道的偏好标签，任务引擎依据渠道的偏好标签将素材投放到合适的渠道，做到数据驱动，彻底改变以前BD工作人员凭经验、人肉的工作方式。其中，渠道即指用于承载线上素材的线上通道。

整个功能框架可以由标签库体系、数据仓库、算法模型、任务引擎、素材投放场景组成。详细如图所示：

1、对渠道进行分类、打上标签，并将标签体系引入数据仓库以进行数据处理。

如上所述，分类子模块103可以通过对不同的线上通道打上不同的标签来对线上通道进行分类，在将标签体系引入数据仓库后，即通过线上通道与标签的对应关系进而得到了线上素材与标签的对应关系，其中，数据仓库用于存储线上素材。

2、数据建模、算法模型训练，计算出素材的渠道标签偏好显著性水平；同时模型反馈到数据仓库。

因而，上述的计算模块10还可以包括：反馈子模块103，用于将数据模型反馈至数据仓库，此时，计算子模块可以通过与数据仓库进行数据交互来根据计算出的线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度。由于线上素材和数据模型均存储至数据仓库中，因而，在计算线上素材的线上通道偏好显著性水平，可以均从数据仓库中调用数据，从而提高了计算的速度。

3、任务引擎与数据仓库交互，根据数据模型计算出的素材渠道偏好显著性水平进行任务配置，即，按照计算得到的匹配度对线上素材的投放方法进行配置；

4、任务引擎根据配置好的任务，进行广告外投；

5、用户行为数据采集到数据仓库，形成闭环。

以下对本申请实施例提供的标签体系、数据处理、数据建模的实现方式进行举例描述。

一、标签体系

首先，本申请实施例中提到的分类是一种相对固定的渠道属性描述方式，分类从数据结构上看是一种树状组织结构，可以从多种维度对“分类”进行组织和细化描述，从而形成多棵独立的分类树，如图6所示。

本申请实施例提到的标签是一种平面方式的渠道属性描述方式，标签的表现形式是一个具体的词汇，通过若干个词汇(标签)反映出渠道的属性。如渠道站点A“中国服装人才网”适合投放“服装类”相关广告素材，给渠道A打上“服装”标签；渠道站点B“中国化工网”适合投放“化工类”相关广告素材，给渠道B打上“化工”标签。

二、数据处理

计算模块10通过将标签体系引入数据仓库，进行数据处理，数据处理是指对用户行为数据进行数据库建模、数据汇总，以及对线上渠道标识字段打上标签等处理。

2.1、作为用户行为数据的一个例子，如下表所示：

2.2、构建“素材与标签汇总表”

由于对渠道进行标签化管理，即，不同的渠道有不同的标签，而渠道指用于承载线上素材的线上通道，即，不同的渠道也对应不同的线上素材，因而，计算模块10通过渠道与标签的对应关系，衍生出线上素材与标签的对应关系，构建“素材与标签汇总表”：

字段名	字段描述	数据类型	备注
				STAT_TIME	统计时间	NUMBER	统计时间
LOCATION_ID	素材ID	NUMBER	BD外投素材ID
				TAG_ID	标签ID	NUMBER	标签ID
VISIT_NUM	浏览指标	NUMBER	如：访问次数、访问人数
				SRH_NUM	搜索指标	NUMBER	如：搜索次数、搜索人数
FB_NUM	反馈指标	NUMBER	如：反馈次数、反馈人数
				ORDER_NUM	交易指标	NUMBER	如：下单指标、支付指标
......	......	......	......

三、数据建模

在第二部分数据处理的基础上，通过数据挖掘方法和业务经验对用户行为数据建立规则模型，规则可配置、可编辑。

3.1、构建均值/方差参数表

针对素材与标签汇总表中的每一组TAG_ID中素材的记录计算用户行为统计指标的均值与方差两个指标，例如：浏览次数、交易次数。计算方法：计算模块10取出每一个TAG中的所有素材的记录(例如，交易指标，浏览的、反馈的指标，如记录值为空，或数据为0，则忽略该记录)；对线上素材进行升序排列；忽略最大的2％和最小的2％的记录；求所剩记录中该指标值的均值和方差。其结构可参考下表：

3.2、Z-SCORE法标准化数据

计算模块10利用z-score算法对线上素材的数据(包括所有用户行为统计指标，如：浏览次数、交易次数)进行标准化。

这种方法基于线上素材的原始数据的均值(mean)和标准差(standarddeviation)进行数据的标准化。

将用户行为统计指标的属性A的原始值v使用z-score标准化到v′的计算方法是：

其中，是属性A原始值的均值，均值可以直接读取对应字段的均值。σ_A是属性A原始值的标准差，标准差σ_A即为方差σ²的平方根，TAG对应的均值和方差数据可以直接读取。

3.3、极值处理

计算模块10对用户行为数据的各相对值，取值大于2或小于-2的值分别用2、-2替换。

3.4、Min-max法标准化数据

min-max标准化方法是对原始数据的线性变换。

设minA和maxA分别为属性A的原始值中的最小值和最大值，将属性A的一个原始值v通过min-max标准化映射成在区间[0，1]，则简化公式为：

用户行为数据经过前面几次的转化取值相对固定，其区间为[-2，2]，可以直接采用以下公式计算标准化值：

3.5、计算素材标签偏好

计算模块10通过一定的计算方法，将线上素材对于某个标签的偏好程度(即，线上素材与某个标签的匹配几率)进行量化。

定义：S为显著性水平，S_j为标识素材在线上素材的某个标签j上的显著性水平(线上素材在某个标签上的几率大小)，其值是由标签j所对应的n个因素(标签j下所涵盖的各个线上素材)F_j与权重a_j构成。素材偏好显著性水平计算公式：

S_ji＝a_j1*F_j1+a_j2*F_j2+…+a_jn*F_jn

经过显著性公式的计算，生成显著性水平表R0，如下表所示：

显著性系数的计算方法，通过离线抽样建立参考数据样本，在抽样样本的基础上，通过LgisticRegression等分析方法，对各类行为对显著性水平的影响的权重值进行拟合，将分析结果(各类行为的对显著性水平影响的权重系数)输入到***中，任务引擎完成对全部素材的显著性水平的量化计算。将素材标签偏好历史信息整合，生成素材标签偏好宽表：

在对线上素材打上标签后，标签即作为线上素材的一个属性，从而可以通过标签的偏好水平来得到线上素材的线上通道偏好显著性水平，此时，投放模块30基于素材标签偏好水平，在进行素材投放时，可选取素材偏好显著性水平较高的几种渠道进行投放，提高投入产出比(Return On Investment，简称为ROI)。任务引擎对素材、渠道如何匹配可参考素材的偏好显著性水平的值进行配置，实现数据驱动的素材自动化投放业务场景。

图7是根据本申请第四实施例的线上素材投放装置的示意图。

为了使得投放的机制更为灵活，投放模块30可以包括：

确定子模块201，用于确定与线上素材匹配度大于预定阈值的一个或多个线上通道；以及

投放子模块202，用于将线上素材投放到确定的线上通道上。

在该实施例中，确定子模块201确定的与线上素材匹配度大于预定阈值的线上通道为一个或多个，在与线上素材匹配度大于预定阈值的线上通道为一个时，可以向确定的一个线上通道上自动投放线上素材，在与线上素材匹配度大于预定阈值的线上通道为多个时，可以向确定的多个线上通道上同时自动投放线上素材。

图8是根据本申请第五实施例的线上素材投放装置的示意图。

为了使得投放的机制更为灵活，投放模块还包括：

排序模块203，用于在与线上素材匹配度大于预定阈值的线上通道为多个时，将与线上素材匹配度大于预定阈值的多个线上通道进行排序，

其中，投放子模块用于将线上素材按照排序的结果依次投放到多个线上通道上。

在该实施例中，实现了使得投放子模块可以按照排序的结果依次将线上素材投放到多个线上通道上。

本申请实施例还提供了一种线上素材投放方法，该线上素材投放方法可以采用上述实施例中提供的线上素材投放来实现。

图9是根据本申请实施例的线上素材投放方法的流程图。如图所示，该方法包括：

步骤S602，计算线上素材和线上通道的匹配度；

步骤S604，判断匹配度是否大于预定阈值；以及

步骤S606，在匹配度大于预定阈值时，将线上素材投放到线上通道上。

通过该线上素材投放方法，由于通过计算线上素材和线上通道的匹配度后，可以通过计算得到的线上素材和线上通道的匹配度自动将线上素材投放到线上通道上，因而能够使得线上素材方便地投放到合适的线上通道上。

作为计算线上素材和线上通道的匹配度的一种优选实施方式，可以采用以下方法来计算线上素材和线上通道的匹配度：通过用户的投放操作数据进行模拟训练，得到数据模型；以及通过数据模型计算线上素材和线上通道的匹配度。

在该实施方式中，通过对用户的投放操作数据进行模拟训练，得到数据模型，以及通过数据模型计算线上素材和线上通道的匹配度，由于数据模型是通过对用户投放操作的数据进行模拟训练得到的，因而，在通过该模型计算匹配度时，能够更加贴近于用户的实际操作，因而提高了匹配度计算的准确性。

优选地，可以采用以下方法计算线上素材和线上通道的匹配度：对线上通道进行分类；通过数据模型计算线上素材的线上通道偏好显著性水平；以及根据线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度。

通过采用该方法计算线上素材和线上通道的匹配度，由于对线上通道进行分类，将线上通道划分为不同的类型，从而，不同类型的线上通道和线上素材进行匹配时，能够根据类型进行匹配度的计算，进而使得在根据线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度时，计算更简便。

作为对线上通道进行分类的一种优选实施方式，可以通过对不同的线上通道打上不同的标签以对线上通道进行分类来实现对线上通道进行快速分类。

相应于前述的装置实施例，根据线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度(线上素材在某个线上通道偏好显著性水平越高，则说明线上素材在该线上通道上的几率越高，二者的匹配度也越高，反之亦然)包括：将数据模型反馈至数据仓库，其中，数据仓库用于存储线上素材；以及通过与数据仓库进行数据交互来根据计算出的线上素材的线上通道偏好显著性水平确定线上素材和线上通道的匹配度。此时，由于数据模型和线上素材均存储于数据仓库中，因而更方便通过数据模型来调用线上素材。

优选地，根据匹配度将线上素材投放到线上通道包括：确定与线上素材匹配度大于预定阈值的一个或多个线上通道；以及将线上素材投放到确定的线上通道上，从而使得一个线上素材可以投放到与其匹配度大于预定阈值的一个或多个线上通道，实现了线上素材的灵活投放。

在与线上素材匹配度大于预定阈值的线上通道为多个时，上述方法还可以包括：将与线上素材匹配度大于预定阈值的多个线上通道进行排序；以及将线上素材按照排序的结果依次投放到多个线上通道上，从而实现了线上素材的有序投放。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims

1.一种线上素材投放方法，其特征在于包括：

根据线上通道的类型计算所述线上素材和所述线上通道的匹配度，其中，所述线上素材具有标签，通过所述线上素材对应的标签的偏好显著性水平得到所述线上素材的线上通道偏好显著性水平；

判断所述匹配度是否大于预定阈值；以及

在所述匹配度大于所述预定阈值时，将所述线上素材投放到所述线上通道上，

其中，通过对用户的行为数据进行数据建模得到所述线上通道对应的标签，将所述线上通道对应的标签确定为所述线上素材对应的标签，所述线上通道与所述线上素材具有对应关系。

2.根据权利要求1所述的素材投放方法，其特征在于，计算线上素材和线上通道的匹配度包括：

通过用户的投放操作数据进行模拟训练，得到数据模型；以及

通过所述数据模型计算所述线上素材和线上通道的匹配度。

3.根据权利要求2所述的素材投放方法，其特征在于，计算所述线上素材和线上通道的匹配度包括：

对所述线上通道进行分类；

通过所述数据模型计算所述线上素材的线上通道偏好显著性水平；以及

根据所述线上素材的线上通道偏好显著性水平确定所述线上素材和所述线上通道的匹配度。

4.根据权利要求3所述的素材投放方法，其特征在于，对所述线上通道进行分类包括：

对不同的线上通道打上不同的标签以对所述线上通道进行分类。

5.根据权利要求3所述的素材投放方法，其特征在于，根据所述线上素材的线上通道偏好显著性水平确定所述线上素材和所述线上通道的匹配度包括：

将所述数据模型反馈至数据仓库，其中，所述数据仓库用于存储所述线上素材；

通过与所述数据仓库进行数据交互来获取所述数据模型和所述线上素材；以及

根据计算出的所述线上素材的线上通道偏好显著性水平确定所述线上素材和所述线上通道的匹配度。

6.根据权利要求1所述的素材投放方法，其特征在于，根据所述匹配度将所述线上素材投放到所述线上通道包括：

确定与所述线上素材匹配度大于所述预定阈值的一个或多个所述线上通道；以及

将所述线上素材投放到确定的线上通道上。

7.根据权利要求6所述的素材投放方法，其特征在于，在与所述线上素材匹配度大于预定阈值的线上通道为多个时，所述方法包括：

将与所述线上素材匹配度大于所述预定阈值的多个所述线上通道进行排序；以及

将所述线上素材按照排序的结果依次投放到多个所述线上通道上。

8.一种线上素材投放装置，其特征在于包括：

计算模块，用于根据线上通道的类型计算所述线上素材和所述线上通道的匹配度，其中，所述线上素材具有标签，通过所述线上素材对应的所述标签的偏好显著性水平得到所述线上素材的线上通道偏好显著性水平；

判断模块，用于判断所述匹配度是否大于预定阈值；以及

投放模块，在所述匹配度大于所述预定阈值时，将所述线上素材投放到所述线上通道上，

9.根据权利要求8所述的线上素材投放装置，其特征在于，所述计算模块包括：

建模子模块，用于通过用户的投放操作数据进行模拟训练，得到数据模型；以及

计算子模块，用于通过所述数据模型计算所述线上素材和线上通道的匹配度。

10.根据权利要求9所述的线上素材投放装置，其特征在于，所述计算模块还包括：

分类子模块，用于对所述线上通道进行分类；

其中，所述计算子模块用于通过所述数据模型计算所述线上素材的线上通道偏好显著性水平，以及根据所述线上素材的线上通道偏好显著性水平确定所述线上素材和所述线上通道的匹配度。

11.根据权利要求10所述的线上素材投放装置，其特征在于，所述分类子模块用于通过对不同的线上通道打上不同的标签以对所述线上通道进行分类。

12.根据权利要求10所述的线上素材投放装置，其特征在于，所述计算模块还包括：

反馈子模块，用于将所述数据模型反馈至数据仓库，其中，所述数据仓库用于存储所述线上素材，

其中，所述计算子模块用于通过与所述数据仓库进行数据交互来获取所述数据模型和所述线上素材，以及根据计算出的所述线上素材的线上通道偏好显著性水平确定所述线上素材和所述线上通道的匹配度。

13.根据权利要求8所述的线上素材投放装置，其特征在于，所述投放模块包括：

确定子模块，用于确定与所述线上素材匹配度大于预定阈值的一个或多个所述线上通道；以及

投放子模块，用于将所述线上素材投放到确定的线上通道上。

14.根据权利要求13所述的线上素材投放装置，其特征在于，所述投放模块还包括：

排序模块，用于在与所述线上素材匹配度大于所述预定阈值的线上通道为多个时，将与所述线上素材匹配度大于预定阈值的多个所述线上通道进行排序，

其中，所述投放子模块用于将所述线上素材按照排序的结果依次投放到多个所述线上通道上。