CN105550903A - 目标用户确定方法及装置 - Google Patents
目标用户确定方法及装置 Download PDFInfo
- Publication number
- CN105550903A CN105550903A CN201510992953.5A CN201510992953A CN105550903A CN 105550903 A CN105550903 A CN 105550903A CN 201510992953 A CN201510992953 A CN 201510992953A CN 105550903 A CN105550903 A CN 105550903A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- user
- effect characteristics
- users
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例提供了一种目标用户确定方法及装置,所述方法包括:获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;分析所述历史广告数据,确定出所述待投放广告的种子用户;将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;确定负样本用户并提取所述负样本用户的负向影响特征;将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。
Description
技术领域
本发明涉及信息技术通信领域,尤其涉及一种目标用户确定方法及装置。
背景技术
随着信息技术的发展,为了推广产品、宣传品牌或发布某些需要公众知道的信息,广告成为一种很常见的信息传播手段。常见的广告可包括商品广告、品牌广告、公益广告、政府通知广告等各种需要告知公众知道的信息。但是广告也并非需要针对所有的公众的,有的仅是针对部分公众;若不加区分的向所有用户推送信息,显然会导致没有需求的用户接收到广告等推送信息;而这些用户不关心推送信息的信息内容,也不会根据推送信息执行一些推送信息期待的操作。显然现有技术中在传播推送信息时,不能定位目标用户或目标用户定位不精确的问题。
发明内容
有鉴于此,本发明实施例期望提供一种目标用户确定方法及装置,以至少部分解决上述问题。
为达到上述目的,本发明的技术方案是这样实现的:
本发明实施例第一方面提供了一种目标用户确定方法,所述方法包括:
获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;
分析所述历史广告数据,确定出所述待投放广告的种子用户;
将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;
确定负样本用户并提取所述负样本用户的负向影响特征;
将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。
基于上述方案,所述分析所述历史广告数据,确定出所述待投放广告的种子用户,包括:
分析所述历史广告数据中的广告行为类型及所述广告行为类型的有效期;
结合所述广告行为类型及所述有效期,从对所述已投放广告执行了转化操作的用户中选择出所述种子用户。
基于上述方案,所述将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户,包括:
提取所述正向影响特征和所述负向影响特征以外的中立特征;
确定所述中立特征分别与所述正向影响特征和所述负向影响特征的关联度;
基于所述关联度从备选用户中确定所述目标用户。
基于上述方案,所述获取负样本用户,包括:
随机选取与所述正样本用户等同数量的用户作为所述负样本用户。
基于上述方案,所述获取负样本用户,包括:
维护能够用于为至少两个待投放广告提供负样本用户的公共负样本备选用户;
过滤所述公共负样本备选用户中的所述正样本用户,得到所述负样本用户。
基于上述方案,所述获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据,包括:
将所述待投放广告的第一广告特征与已投放广告的第二广告特征进行匹配,形成匹配结果;
根据所述匹配结果,确定与所述待投放广告满足所述预设匹配条件的已投放广告;
提取所述已投放广告的历史广告数据。
基于上述方案,所述第一广告特征和所述第二广告特征包括广告发布者、广告内容、广告投放预算及广告投放场景特征的至少其中之一。
本发明实施例第二方面提供一种目标用户确定装置,所述装置包括:
获取单元,用于获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;
分析单元,用于分析所述历史广告数据,确定出所述待投放广告的种子用户;
提取单元,用于将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;确定负样本用户并提取负样本用户的负向影响特征;
确定单元,用于将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。
基于上述方案,所述分析单元,具体用于分析所述历史广告数据中的广告行为类型及所述广告行为类型的有效期;结合所述广告行为类型及所述有效期,从对所述已投放广告执行了转化操作的用户中选择出所述种子用户。
基于上述方案,所述确定单元,还用于提取所述正向影响特征和所述负向影响特征以外的中立特征;确定所述中立特征分别与所述正向影响特征和所述负向影响特征的关联度;及基于所述关联度从备选用户中确定所述目标用户。
基于上述方案,所述获取单元,具体用于随机选取所述正样本用户以外的用户作为所述负样本用户。
基于上述方案,所述获取单元,具体用于维护能够用于为至少两个待投放广告提供负样本用户的公共负样本备选用户;及过滤所述公共负样本备选用户中的所述正样本用户,得到所述负样本用户。
基于上述方案,所述获取单元,具体用于将所述待投放广告的第一广告特征与已投放广告的第二广告特征进行匹配,形成匹配结果;根据所述匹配结果,确定与所述待投放广告满足所述预设匹配条件的已投放广告;提取所述已投放广告的历史广告数据。
本发明实施例提供一种目标用户确定方法及装置,将自动获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据,通过分析所述历史广告数据得到种子用户,并基于种子用户的用户特征确定出待投放广告的目标用户,这样就能简便的确定待投放广告的种子用户,根据种子用户的特征精确筛选出目标用户;且采用本实施例提供的目标用户确定方法及装置中,待投放广告与已投放广告满足预设匹配条件表明待投放广告和已投放广告具有预设的相似度,这两个广告的目标用户也有相似性,根据已投放广告的广告数据得到种子用户,再基于该种子用户来定位用户,使得本实施例所述方法和装置具有目标用户定位精确的特点。
附图说明
图1为本发明实施例提供的一种目标用户确定方法的流程示意图;
图2A为本发明实施例提供的一种目标用户确定方法的局部流程示意图;
图2B为本发明实施例提供另一种目标用户确定方法的流程示意图;
图3A为本发明实施例提供的确定负样本用户的示意图;
图3B为本发明实施例提供的另一种目标用户确定方法的流程示意图;
图4为本发明实施例提供的确定与待投放广告满足预设匹配条件的已投放广告的流程示意图;
图5为本发明实施例提供的第一种目标用户确定装置的结构示意图;
图6为本发明实施例提供的第二种目标用户确定装置的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
实施例一:
如图1所示,本实施例提供一种目标用户确定方法,所述方法包括:
步骤S110:获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;
步骤S120:分析所述历史广告数据,确定出所述待投放广告的种子用户;
步骤S130:将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;
步骤S140:确定负样本用户并提取所述负样本用户的负向影响特征;
步骤S150:将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。
本实施例所述目标用户确定方法,可以应用广告平台中等各种具有信息分析处理的设备中。
所述步骤S110中所述待投放广告可分为初次待投放广告和继续待投放广告。所述初次待投放广告为该广告还未加载到广告平台中,用户还未曾看到该广告。所述继续待投放广告为并非初次待投放广告,可能在当前时间以前已经投放了一段时间,需要继续投放的广告。
对于所述初次待投放广告:
例如,广告发布者A需要新发布一个广告A,在广告A投放之前,为了确保广告投放之后有较高的广告转化行为率,提高广告投放效率及减少广告资源的浪费,先要确定出哪些用户可能会受到广告A的影响,从而实现一些广告A期待用户做出的转化行为,会执行广告A期待用户做出的行为的用户就可以为上述目标用户。例如,所述广告A为下载广告发布者A开发的一个应用(Application,App)就是广告A起到用户做出的转化行为。预期会下载该App的用户就为所述目标用户。
对于所述继续投放广告:
例如,广告发布者A可以在小范围内或指定的用户群范围内,进行广告B的试投,根据试投得到的试投结果,可确定出哪些用户完成了广告B期待用户完成的转化行为。这些完成了广告B期待用户完成的转化行为的用户即可作为所述种子用户,预估将会执行所述广告B期待用户完成的转化行为的用户为目标用户。
在本实施例中所述待投放广告与所述已投放广告可以为不同的广告,也可以为相同的广告。通常对于所述初次待投放广告,待投放广告与所述已投放广告是不同的广告,而对于所述继续投放广告,则待投放广告与所述初次投放广告可以为相同的投放广告、或不同的投放广告或待投放广告为所述已投放广告修改后的投放广告。
例如,广告C投放后,获得了一些用户反馈,这些用户反馈即为所述历史广告数据的一部分,通过分析这些历史广告数据,发现用户对广告C中某一个内容点比较反感,将该信息反馈给广告发布者后,广告发布者修改了该广告C中的该内容点,得到了修改后的广告C,这个修改后的广告C为所述待投放广告,修改前的广告C为所述已投放广告。修改后的广告C和修改后的广告C,在广告内容上有部分差异,而其他广告特征,例如广告发布者、广告的标的物等广告特征都相同。这里的广告标的物,可视为广告宣传的对象,例如,相机广告中的相机等。
在本实施例中所述转化行为,除了所述例子中的下载App以外,还可包括阅读广告、购买广告中提供的服务或商品等行为,这里的转化行为是与所述广告的广告目的相匹配。例如,品牌广告的转化行为可包括用户点击广告,阅读广告内容扥。
所述步骤S120可包括分析所述历史广告数据,确定出所述待投放广告的种子用户。这里的种子用户可为完成了所述已投放广告期待其完成的转化行为的用户,实质上也可以认为是为通过数据处理确定出将执行所述待投放广告预期的转化行为的概率大于某一个预定概率值的用户。当然在具体的实现过程中,该概率可能并非定量的计算,而是定量的模糊分析得到的;或者不会计算得到一个概率值,但是根据用户对已投放广告的转化行为,定性的确定出该用户将是会执行待投放广告期待的转化行为高概率用户。
所述步骤S130可包括:提取各个正样本用户的用户特征,通过各种用户特征相似度处理算法,提取出所述正样本用户的正向影响特征。例如,利用lookalike算法提取正样本用户的共同特征作为所述正向影响特征。
通常所述种子用户的数量为2个以上的整数。例如500个用户,通过步骤S130中的特征提取,可以提取出这500个用户拥有的M个共同用户特征,这里的共同用户特征即为所述步骤S130中的种子用户的正向影响特征。
步骤S140中首先确定负样本用户,这里的负样本用户可为所述正样本用户以外的所有用户。同样可以各种用户相似度算法提取出负样本用户的共同用户特征,负样本用户的共同特征可作为本实施例中的负向影响特征。
所述在本实施例中,如何确定所述负向样本用户,具体的实现方式有多种。在本实施例中所述负向样本用户可为未执行所述广告用户期望的转化行为的用户,显然这个时候所述正向样本用户和负向样本用户是互相没有交集的。所述负向样本用户是所述正向样本用户以外的用户,以下提供两种确定负样本用户的可选方式:
方式一:确定负样本用户包括:随机选取所述正样本用户以外的用户作为所述负样本用户。在实际广告的发布推广过程中,用户希望看到广告或执行广告的期望的转化行为的概率是较小的,这个时候我们随机选取除了所述正向样本用户以外的用户作为负向样本用户,从确定样本用户的角度来说,信息处理简单,从而确定精确度上来说,对提取负向用户特征的影响度也较小。故在本实施例中通过广告的信息处理特点,采用随机选择的方式来确定所述负向样本用户,具有实现简便的特点。这里随机选择的用户可为广告发布平台或用户服务平台中所有用户。
方式二:
所述确定负样本用户可包括:
维护能够用于为至少两个待投放广告提供负样本用户的公共负样本备选用户;过滤所述公共负样本备选用户中的所述正样本用户,得到所述负样本用户。
在本实施例中所述方法将维护一个公共负样本备选用户,这里的公共负样本备选用户可包括各个用户的各种用户特征等信息。这个公共负样本备选用户能为多个待投放广告提供负样本的备选用户,这样相对于为每一个待投放广告都单独生成一个负样本用户,能够减少存储和计算资源。这样的话,当有新的待投放广告需要确定负样本用户时,都可将公共负样本备选用户中的对应的种子用户过滤掉后就简便的获取到了所述负样本用户。这样不用每次有新的待投放广告进入的时候,都从海量的用户中选择用户,提取这些用户的特征,减少负样本用户的获取所消耗的各种***资源。
如图3A所示,有i个种子用户集,这个i个种子用户集中的每一个种子用户集包括的种子用户作为所述正样本用户。所述i为不小于2的整数。这i个种子用户集可共用来自同一个公共负样本备选用户集中的用户作为负样本用户。在图3A中还包括调度器和任务机。调度器进行目标用户确定的任务调度,具体如,将任务分配给任务机1到任务机j上的任意一个任务机上。所述任务机可用于最终进行目标用户的确定。所述j为不小于2的整数。所述任务机通过向调度机上报心跳和当前负载等信息,供所述调度机来确定是否可以继续向对应的任务机分配任务,或将分配给该任务机的任务转移到其他任务机上等任务调度决策的生成。
本实施例中将提取种子用户的正向影响特征和负向影响特征都为用户特征,这里的种子用户的用户特征,可包括年纪、性别、教育背景、兴趣喜好、长期行为***台等各种特征。
值得注意的是:在本实施例所述步骤S130中进行用户特征提取的时候,操作对象包括了所述步骤S120中得到的种子用户以外,还可包括其他方式获得的种子用户。这里的其他方式包括广告发布者提供的种子用户,第三方平台提供的种子用户等。例如,广告发布者提供的种子用户。例如,广告发布者需要发布一个广告,提供了少量的种子用户,这少量的种子用户可能会导致目标用户定位精确度不够的问题,可利用本实施例所述的目标用户确定方法中的步骤S110和步骤S120进行种子用户的拓展,从而得到更多的种子用户,扩充种子用户的数量,从而以便后续更加精确的定位所述目标用户。如图2A所示,在本实施例中可以采用其他方式获得原始种子用户,利用本实施例步骤S110至步骤S120获得拓展种子用户;原始种子用户和拓展种子用户形成了种子用户全集。在步骤S130中将对种子用户全集中的种子用户进行特征提取得到用户特征;在步骤S140中则可以步骤S130提取的两种种子用户的用户特征定位得到目标用户。
步骤S150中的备选用户可以为用户服务平台中的全部用户,也可以为广告发布平台上所有的用户,或广告平台上表示愿意接收广告的用户。总之,这里的备选用户有很多种,确定方式,不局限于上述举例,在此也不一一举例了。
在步骤S150中将结合正向影响特征和负向影响特征,从备选用户筛选出的目标用户,应该是与种子用户相似度较大,与负样本用户相似度小的用户,这样的用户可认为是对待投放广告兴趣较大的用户。这样的话,向这些用户推送广告,这些用户执行广告期待的转化操作的概率很高,被用户认为是信息干扰的比例较小。显然实现了目标用户的精确定位,同时提升了广告资源的有效利用率。具体地如,在步骤S150中将根据种子用户的用户特征,确定出待投放广告进行广告投放的目标用户。这里的目标用户为与种子用户满足预设相似度条件的用户,且与负样本用户满足预设非相似条件的用户。
例如,在步骤S130中确定出正向样本用户的年龄通过数据分析确定出种子用户的年龄段在21岁到27岁,则在步骤S150中选择出的目标用户的年龄可都位于所述21至27岁之间,当然这里的尽是一个举例,具体实现时,用户特征不限于年龄特征。
再比如,汽车品牌广告,若用户的兴趣爱好特征包括:喜欢汽车,这个时候用户将点击或观看汽车品牌广告的概率非常高,用户喜欢汽车的这个用户特征就是上述正向影响特征。这里的负向影响特征,即为用户执行广告期待的转化行为有不利影响的特征。例如,一个教育广告,分析确定60岁以上的用户对此不会感兴趣,这个时候某个用户年龄特征标注为70岁,显然这个用户的年龄特征为负向影响特征。
在具体的实现过程中,可以为每一个正向影响特征和负向影响特征分别分配一个计算权值,利用该计算权值,得到对应的函数值,根据函数值确定出所述目标用户。例如,正向影响特征赋予正权值,负向影响特征赋予负向权值,若用户拥有某一个正向影响特征或负向影响特征时,则对对应的特征赋值1,否则为0;并将该赋值与对应的权值进行相乘处理,最后将所有特征与权值的乘积累加得到一个函数值,再将该函数值与预定函数阈值进行比较,若该函数值在预定函数阈值之上,则可确定该用户为目标用户。
当然在本实施例中当某一个用户的用户特征属于正向影响特征时,赋值1;用户特征属于负向影响特征时,赋值为-1;而不管是正向影响特征还是负向影响特征的权值都取正数,从而赋值与对应的权值的计算,从而得到所述函数值。具体地如,用函数关系F(u)=∑wi*si计算所述函数值。
其中,所述u表示备选用户,所述si表示第i个用户特征;
所述wi为第i个用户特征的权值。
如果F(u)>0,则u是目标用户;否则u不是目标用户。
对于正样本用户ui,有F(ui)=1;对于负样用户本uj,有F(uj)=-1.且ui和uj中的各项用户特征si,sj均已知。因此将所有F(ui)=1和F(uj)=-1联合在一起,可组成线性方程组,进而即可求得所有wi的值。也就建立了判断模型。
对于备选用户,只需备选用户的各项用户特征si代入到F(u)=∑wi*si中,即可求出该用户的F(u)值,如果该值结果为正,则判断为目标用户,否则即为非目标用户。以上仅是一个函数关系的具体示例,具体实现不局限于上述举例。
图3B所示的为本实施例所述步骤S150的具体实现示例,对正样本用户进行特征提取,得到正向样本用户的共同用户特征作为正向影响特征;提取负样本用户的共同用户特征作为负向影响特征,提取备选用户的用户特征,将备选用户的用户特征分别与正向影响特征和负向用户特征进行用户特征匹配,形成匹配结果。进而基于匹配结果,计算函数值。根据函数值将备选用户分为目标用户和非目标用户,从而简便的确定出待投放广告的目标用户。
本实施例所述的待投放广告或已投放广告可为投放到社交平台的广告,例如投放到微信平台的广告,例如投放到QQ空间的投放广告,当然还可以是各种应用平台的广告,例如投放到QQ音乐的广告。投放到社交平台或应用平台,方便在进行数据处理时,根据用户的社交交互的信息或应用交互产生的信息提取用户特征。例如,在微信中,可以根据用户转发的朋友圈的内容或关注的公众号,定位出用户的兴趣爱好。在比如通过分析QQ音乐中用户下载的音乐类型,确定出用户喜欢的音乐。通过信息筛选和处理,得到用户特征,方便后续根据用户特征定位的投放广告,以提升用户阅读广告的体验。
总之,本实施例提供了一种目标用户的确定方法,该确定方法可以快速简便的确定出所述目标用户,可以运用于各种广告投放***中,例如应用于腾讯公司的广告投放***的广点通数据分析***中,这样就能够为广告投放者提供目标用户的分析确定途径,提升广告投放效率,减少广告资源的浪费。
实施例二:
如图1所示,本实施例提供一种目标用户确定方法,所述方法包括:
步骤S110:获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;这里的待投放广告可为前述的未投放广告或继续投放广告。
步骤S120:分析所述历史广告数据,确定出所述待投放广告的种子用户;具体地,所述步骤S120可包括:分析所述历史广告数据中的广告行为类型及所述广告行为类型的有效期;结合所述广告行为类型及所述有效期,从对所述已投放广告执行了转化操作的用户中选择出所述种子用户。这里的种子用户可为形成所述正样本用户的部分种子用户。
步骤S130:将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;在本步骤中所述正样本用户可包括步骤S120中确定的种子用户,还可包括其他方式确定的种子用户,例如根据其他电子设备提供的种子用户。这里的正向影响特征可为会对用户查看广告,执行广告期望的转换行为有正向影响的用户特征,可包括正样本用户的共同用户特征。
步骤S140:确定负样本用户并提取所述负样本用户的负向影响特征。这里的负向影响特征可理解为会对用户查看广告、执行广告期望的执行广告期望的转换行为有负面影响的用户特征,可包括负样本用户的共同用户特征。
步骤S150:将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。这里的备选用户可为用户数据库或平台中所有用户。
在本实施例中所述广告行为类型,可包括点击广告、下载应用、购买广告的商品或服务,转发广告内容;这些用户操作都是所述行为类型的一种。
在本实施例中可认为从执行了所述已投放广告的期望的转换行为,且转化行为是在有效期内执行的用户确定为所述种子用户。
随着时间的推移,用户对广告本身或广告的标的物的兴趣会发生改变,例如用户可能会对广告的降低兴趣或失去兴趣。故在本实施例中为了精确定位出所述种子用户,不仅会提取所述广告行为类型,还会相应的获取所述有效期。在本实施例中所述有效期为一个时间范围,例如,用户在15天内点击了广告D。若有效期为20天,则该用户的点击操作位于有效期内,该用户可以作为种子用户。若用户A在半年前点击了该广告,显然在这半年内用户的喜好等各种行为会发生变迁,考虑到这种变迁带来的影响,在本实施例中该用户就不能够称为所述种子用户。
当然在具体的实现过程中,所述种子用户还可以是不仅执行了所述已投放广告期望的转化行为,且在所述有效期内执行的次数超过预定次数的用户;总之所述种子用户的定义不局限于本实施例提供了两种。
本实施例在前一实施例的基础上,提供了一种简便通过分析所述历史广告数据,精确定位所述种子用户的方法,具有种子用户确定精确度高,及实现简便的特点。
实施例三:
如图1所示,本实施例提供一种目标用户确定方法,所述方法包括:
步骤S110:获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;这里的待投放广告可为前述的未投放广告或继续投放广告。
步骤S120:分析所述历史广告数据,确定出所述待投放广告的种子用户;具体地,所述步骤S120可包括:分析所述历史广告数据中的广告行为类型及所述广告行为类型的有效期;结合所述广告行为类型及所述有效期,从对所述已投放广告执行了转化操作的用户中选择出所述种子用户。这里的种子用户可为形成所述正样本用户的部分种子用户。
步骤S130:将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;在本步骤中所述正样本用户可包括步骤S120中确定的种子用户,还可包括其他方式确定的种子用户,例如根据其他电子设备提供的种子用户。这里的正向影响特征可为会对用户查看广告,执行广告期望的转换行为有正向影响的用户特征,可包括正样本用户的共同用户特征。
步骤S140:确定负样本用户并提取所述负样本用户的负向影响特征。这里的负向影响特征可理解为会对用户查看广告、执行广告期望的执行广告期望的转换行为有负面影响的用户特征,可包括负样本用户的共同用户特征。
步骤S150:将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。这里的备选用户可为用户数据库或平台中所有用户。
在本实施例中所述步骤S150可包括:提取所述正向影响特征和所述负向影响特征以外的中立特征;确定所述中立特征分别与所述正向影响特征和所述负向影响特征的关联度;基于所述关联度从备选用户中确定所述目标用户。
当然一个用户的用户特征通过匹配之后,可分为正向影响特征、负向影响特征以及除所述正向影响特征和负向影响特征以外的中立特征。对待中立特征,在确定所述目标用户时可以不作为所述目标用户确定的参考因素,也可以采用预定的中立特征处理策略来参与所述目标用户的确定。例如,分析中立特征,确定出中立特征与正向影响特征和负向影响特征的关联度,根据该关联度来计算关联度函数值,在利用关联度函数值作为目标用户确定的参考因素之一。
如图2B所示,通过将备选用户的用户特征与正向影响特征和负向影响特征进行匹配,可分为正向影响特征和负向影响特征和中立特征;进而将中立特征与正向影响特征匹配关联,从而得到关联度1,将中立体征与负向影响特征匹配关联得到关联度2,最后进行基于关联度1、关联度2、正向影响特征和负向特征,共同确定出该备选用户是否为目标用户。
例如,正向影响特征和负向影响特征都不包括职业这一项,但是正向影响特征中包括教育背景特征为理工科这一特征。这个时候,职业特征为IT信息产业职业者时,显然与所述理工科这个用户特征有很大的关联度,从某种以上说职业特征的内容为IT信息产业职业者这一用户特征对用户是否会执行广告期待的转化行为是有正向影响的。例如,若这个时候,在计算确定目标用户的函数值时,若教育背景特征为理工科视为第一特征;将所述职业特征为T信息产业职业者视为第二特征;所述第一特征的权值为第一权值,所述第二特征权值可为第二权值;则所述第一权值和第二权值的取值正负相同;若所述第一权值为正向影响特征的权值,则所述第一权值大于所述第二权值;若所述第一权值为负向影响特征的权值,则所述第一权值小于所述第二权值。显然这样还参考了中立特征的影响。
在本实施例中将中立特征与正向影响特征进行关联,在一个用户没有包括对应的正向影响特征,但是其包括的中立特征与正向影响特征的关联度非常大,且该中立特征的特征值与正向影响特征的特征值也很大的关联性,这个时候该用户为愿意执行待投放广告对应的转换行为的概率非常高,通过本实施例关联度的确定,该用户就有可能被认定为所述目标用户。显然本实施例所述目标用户的定位不再局限于正向影响特征和负向影响特征,还将根据与正向影响特征和负向影响特征有关联的中立特征,定位出可能不包括正向影响特征的特征值,但是很可能执行待投放广告的转化行为的用户,从而减少这一部分很有可能执行广告的转化行为的被漏掉视为了非目标用户,再次提高了目标用户的定位的精确度。
实施例四:
本实施例提供一种目标用户确定方法,首先,获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;这里的待投放广告可为前述的未投放广告或继续投放广告。其次,分析所述历史广告数据,确定出所述待投放广告的种子用户;具体地,分析所述历史广告数据中的广告行为类型及所述广告行为类型的有效期;结合所述广告行为类型及所述有效期,从对所述已投放广告执行了转化操作的用户中选择出所述种子用户。这里的种子用户可为形成所述正样本用户的部分种子用户。再次,将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;在本步骤中所述正样本用户可包括种子用户,还可包括其他方式确定的种子用户,例如根据其他电子设备提供的种子用户。这里的正向影响特征可为会对用户查看广告,执行广告期望的转换行为有正向影响的用户特征,可包括正样本用户的共同用户特征。此外,确定负样本用户并提取所述负样本用户的负向影响特征。这里的负向影响特征可理解为会对用户查看广告、执行广告期望的执行广告期望的转换行为有负面影响的用户特征,可包括负样本用户的共同用户特征。最后,将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。这里的备选用户可为用户数据库或平台中所有用户。
所述步骤获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据,可包括:将所述待投放广告的第一广告特征与已投放广告的第二广告特征进行匹配,形成匹配结果;根据所述匹配结果,确定与所述待投放广告满足所述预设匹配条件的已投放广告;提取所述已投放广告的历史广告数据。
在本实施例中提供了一种获取所述历史广告数据的可选实施方式。这里的第一广告特征和第二广告特征可包括广告内容特征,广告外部属性特征。这里的广告外部属性特征可为除所述广告内容特征以外的特征,具体如广告发布者广告投放预算及广告投放场景特征的至少其中之一。本发明实施例中的所述广告发布者可视为广告主。当然在具体的实现过程中所述广告外部属性特征还可包括广告代言人、广告制作者。这里的广告制作者可包括广告制作公司等。这些特征在一定程度上都会影响广告的效果。这里的广告投放场景可包括广告投放时间、广告投放媒体平台及广告投放形式等。
例如,待投放广告的广告第一广告特征包括广告发布者,选择待投放广告之前自己投放的广告作为所述已投放广告,显然这个时候第一广告特征和第二广告特征的广告发布者这一特征满足所述预设匹配条件中的相同匹配条件。即两个广告对应的广告特征相同。
又比如,第一广告特征的广告发布者为A;第二广告特征的广告发布者为B;A和B是同一款商品的激烈竞争对手。这个时候所述第一广告特征和第二广告特征的广告发布者这一特征满足预设匹配条件中的竞争匹配条件。
再比如,第一广告特征的广告发布者为A;第二广告特征的广告发布者为B;广告发布者A为与广告发布者的供货商,这个时候所述第一广告特征和第二广告特征的广告发布者这一特征满足预设匹配条件中的关联匹配条件。
当然在,具体实现过程中,两个广告发布者可能没有任何关系,但是公司知名度、品牌知名度上很多信息都差不多,可认为这些特征满足相似匹配条件。
通过上述匹配,确定出匹配得分最高的一个或多个广告作为所述待投放广告的已投放广告。
上述匹配条件中,若一个广告特征的匹配,在满足所述相同匹配条件、满足竞争匹配条件、满足关联匹配条件和相似匹配条件的匹配得分的高低可为预先设定的,具体如,依次降低等。
总之,本实施例提供了一种简便确定所述已投放广告的方法。
如图4所示,提取待投放广告和已投放广告的广告特征,在图4所示的广告特征中包括广告投放场景、广告投放预算、广告内容及广告发布者及广告投放成本等广告特征。当然具体的实现过程中,广告特征不限于图4所示的广告特征。将广告分别提取的广告发布特征进行广告发布者匹配,将分别提取的广告内容进行匹配,将广告投放预算与广告投放成本进行财务匹配,将分别提取的广告投放场景进行场景匹配,形成了一个或多个匹配维度的匹配结果。根据匹配结果将已投放广告分为了与待投放广告满足预设匹配条件的已投放广告和与待投放广告不满足预设匹配条件的已投放广告。
在具体实现时,若满足所述预设匹配条件的已投放广告有多个时,可以对匹配程度进行评分处理,利用评分筛选出匹配程度最高的已投放广告作为本实施例中步骤S110中所述的与待投放广告满足预设匹配条件的已投放广告。
实施例五:
如图5所示,本实施例提供一种目标用户确定装置,所述装置包括:
获取单元110,用于获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;
分析单元120,用于分析所述历史广告数据,确定出所述待投放广告的种子用户;
提取单元130,用于将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;确定负样本用户并提取负样本用户的负向影响特征;
确定单元140,用于将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。
本实施例所述目标用户确定装置可为应用于各种具有信息处理分析的电子设备的装置,例如应用于广告发布平台中的目标用户确定装置。
所述获取单元110、提取单元130、分析单元120及确定单元140的具体结构可对应于处理器或处理电路,所述处理器可包括应用处理器、中央处理器、微处理器、数字信号处理器或可编程阵列等处理结构。所述处理电路可包括专用集成电路。
所述获取单元110、提取单元130、分析单元120及确定单元140可分别对应于不同的处理器或处理电路,也可以集成对应于相同的处理器或处理电路。当获取单元110、提取单元130、分析单元120及确定单元140集成对应于相同的处理器或处理电路时,所述处理器或处理电路可采用时分复用或并发线程等方式来分别实现上述获取单元110、提取单元130、分析单元120及确定单元140的功能。
所述获取单元110可包括通信接口,该通信接口可包括外部通信接口或内部通信接口,所述外部通信接口可从外部设备接收所述历史广告数据,所述内部通信接口可为一个电子设备内部的通信接口,例如PCI总线接口或IIS通信接口等,从电子设备的内部数据库获取所述历史广告数据。
本实施例所述的处理器或处理电路,可通过执行指定代码,来完成上述各个功能单元的控制和处理。
所述分析单元120的数据分析处理,得到所述种子用户。在本实施例中所述种子用户通常不止一个,而是多个;这样的话,可以提供多维度的更加精确的数据处理依据。
例如,所述提取单元130,具体用于随机选取所述正样本用户以外的用户作为所述负样本用户;或,用于从维护能够用于为至少两个待投放广告提供负样本用户的公共负样本备选用户;及过滤所述公共负样本备选用户中的所述正样本用户,得到所述负样本用户。
图6所示,本实施例提供一种目标用户确定装置,包括处理器220、存储介质240、显示屏250以及至少一个外部通信接口210;所述处理器220、存储介质240以及外部通信接210均通过总线230连接。所述处理器220可为微处理器、中央处理器、数字信号处理器或可编程逻辑阵列等具有处理功能的电子元器件。所述存储介质240上存储有计算机可执行指令;所述处理器220执行所述存储介质240中存储的所述计算机可执行指令可实现上述方法中的任意一个;具体如,获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;分析所述历史广告数据,确定出所述待投放广告的种子用户;提取所述种子用户的用户特征;根据所述用户特征,确定出所述待投放广告进行广告投放的目标用户。
在本实施例中所述目标用户确定装置,能够自动通过待投放广告和已投放广告的一些信息,从而确定出待投放广告的目标用户,提高了装置的智能性,并提供了广告资源利用率,提高了广告的广告效率。
实施例六:
如图5所示,本实施例提供一种目标用户确定装置,所述装置包括:获取单元110,用于获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;分析单元120,用于分析所述历史广告数据,确定出所述待投放广告的种子用户;这里的所述分析单元120,具体可用于分析所述历史广告数据中的广告行为类型及所述广告行为类型的有效期;结合所述广告行为类型及所述有效期,从对所述已投放广告执行了转化操作的用户中选择出所述种子用户;提取单元130,用于提取所述种子用户的用户特征;确定单元140,用于根据所述用户特征,确定出所述待投放广告进行广告投放的目标用户。在本实施例中所述分析单元120分析的历史广告数据,至少包括广告行为类型及广告行为类型发生的时间和有效期,进而确定出所述种子用户,可以精确的确定出所述种子用户,具有结构简单及实现简便的特点。
实施例七:
如图5所示,本实施例提供一种目标用户确定装置,所述装置包括:获取单元110,用于获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;分析单元120,用于分析所述历史广告数据,确定出所述待投放广告的种子用户;提取单元130,用于提取所述种子用户的用户特征;确定单元140,用于根据所述用户特征,确定出所述待投放广告进行广告投放的目标用户。这的所述确定单元140,还用于提取所述正向影响特征和所述负向影响特征以外的中立特征;确定所述中立特征分别与所述正向影响特征和所述负向影响特征的关联度;及基于所述关联度从备选用户中确定所述目标用户。
所述确定单元140对应的硬件结构可以与前述实施例中的确定单元的具体结构相似,在此就不重复了。本实施例中为了进一步精确定位出有较高概率执行所述待投放广告对应的期望转化行为的用户,不仅会对正向影响特征和负向影响特征来确定备选用户与正样本用户和负样本用户之间的相似性,还可定义出与正样本用户不相似性较小,但是关联度很大的用户作为所述目标用户,再次提高了目标用户的精确度。总之,本实施例所述装置,为实现方法实施例三所述的方法提供了硬件支撑,同样的具有实现简便及广告资源的利用效率高及广告效率高的特点。
实施例八:
如图5所示,本实施例提供一种目标用户确定装置,所述装置包括:获取单元110,用于获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;这里的所述获取单元110,具体用于将所述待投放广告的第一广告特征与已投放广告的第二广告特征进行匹配,形成匹配结果;根据所述匹配结果,确定与所述待投放广告满足所述预设匹配条件的已投放广告;提取所述已投放广告的历史广告数据;分析单元120,用于分析所述历史广告数据,确定出所述待投放广告的种子用户;提取单元130,用于提取所述种子用户的用户特征;确定单元140,用于根据所述用户特征,确定出所述待投放广告进行广告投放的目标用户。
在本实施例中将所述待投放广告的广告特征命名为第一广告特征,将所述已投放广告的广告特征命名第二广告特征,这里的“第一”和“第二”并非特指某一个或多个特征,而是分别泛指待投放广告的特征和已投放广告的特征。将第一广告特征第二广告特征的匹配,形成匹配结果,根据匹配结果确定出已投放广告。具体如,确定出已投放广告的名称或广告序列号等标志信息,再根据已投放广告的名称或广告序列号标志信息检索所述历史广告数据,从而从远程数据库和/或本地数据库中提取所述历史广告数据。
这个时候,所述获取单元110可包括接收所述历史广告数据的通信接口或传输路径。在本实施例中所述第一广告特征和所述第二广告特征包括广告发布者、广告内容、广告投放预算及广告投放场景特征的至少其中之一。当然所述第一广告特征和所述第二广告特征,还可包括广告制作者等各种广告特征,不局限于上述特征。
总之,本实施例中所述的装置精确定位出所述已投放广告,以实现精确定位所述目标用户。
以下结合上述任意一个实施例提供一个具体的广告示例:
本示例提供一种目标用户确定方法,该方法主要是:根据历史上已有的广告数据筛选出一批种子用户,分析这些种子用户的特征,利用大数据技术在全量用户群中寻找与种子用户特征相近的其他用户,最后用于广告投放,具体的操作步骤可如下:
第一步:根据历史广告数据筛选种子用户;具体可分析历史广告数据的如下数据:
1.1广告行为的类型
在互联网广告等广告投放的投放过程中,用户可以与广告发生互动,常见的互动行为包括:点击广告、到达广告的落地页、下载广告推广的手机应用、购买广告推广的商品等等。这里的互动行为即为前述实施例中的转化行为的一种。这里的落地页为在在互联网广告投放中,点击广告后一般都会跳转到一个外部网页,该网页用于呈现丰富、详细的广告内容,引导用户完成购买商品的广告目标。这样的外部网页可称为广告的落地页。
点击广告的行为可称之为点击行为。转化行为均表示用户对广告感兴趣,是广告的目标人群。点击行为所表明的用户意图较浅,但行为出现的频次更高;转化行为所表明的用户意图较深,但出现频次较低。无论是点击行为还是转化行为,都属于广告数据,可以用于提升广告的效果。
1.2:行为的有效期的确认。
广告行为具有一定的有效期,因为随着时间推移用户对广告的兴趣度会降低或失去兴趣。如果不考虑行为的有效期使用全部的行为数据的话,据此找出的目标人群准确度并不高。因此在本示例中,将结合历史数据进行了实验,针对点击等转化行为分别确定了最佳有效期。
实验方法为:针对点击等转化行为,分别设定15天、30天、250天...180天等有效期,以在此期间内有过点击或转化行为的用户为种子进行扩展,最后比较不同时间周期扩展出的用户对同一个广告的点击情况,选出点击率最高的时间周期。经过上述过程,可确定对点击行可为取30天的有效期,其他转化行可为取90天有效期的结果。
最后,本步骤最后可根据行为类型和有效期确认种子用户,在具体实现时,可通过视化用户界面或可视化处理结果,在广告平台(例如,该广告平台可为腾讯公司的广点通广告平台)上提供给客户(这里的客户即可为所述广告发布者或广告付费者)使用。客户可以选择指定的广告和行为类型,***就能够将点击过该广告或有转化的用户提取出来,用作种子用户。
第二步:利用大数据技术寻找与种子用户已相似的相似用户,这个相似用户即为前述实施例中提到的目标用户;该步骤具体可包括:
步骤2.1:标记正样本用户和负样本用户。
在获取到种子用户后,将种子用户标记为正样本用户,也就是对目标广告感兴趣的样本用户。同时备选用户中随机挑选一批用户,如果这批用户与种子用户有重复的话将重复用户除去,所挑选用户的数量需满足去重后的数量与种子用户数量相同。这批用户标记为负样本用户。则现在的问题变为:已知相同数量的正样本用户和负样本用户进行训练。在进行训练时可以采用神经网络训练或各种学习机等训练方式来进行数据处理。
步骤S2.2:分析正样本用和负样本用的用户特征。
在获取到正负样本用户后,分析每个正样本用户的用户特征,(例如在指定数据库中的用户特征。。这些特征信息的来源包括并不限于:
用户在社交平台上的用户资料。对本技术而言这些社交平台包括:QQ、微信、QQ空间等。
用户在广告平台上对各类广告的互动数据。
用户在其他网站上的浏览行为。
用户所使用的设备,包括计算机设备及移动设备的信息。
将上述来源的各种数据归纳为一个个用户特征si,则一个用户u就可以看成是一列特征的集合,即u={s1,s2,…sn}.每个用户特征s对用户是否属于目标人群都有一定的影响,可能是正向影响(即如果具有该特征则用户更可能属于目标用户),也可能是负向影响(即如果具有该特征则用户更可能属于非目标用户),且影响程度有所不同。因此我们为每个特征si引入一个权重wi,则某用户是否属于目标人群可用如下函数表示:
F(u)=∑wi*si
如果F(u)>0,则u是目标用户;否则u不是目标用户。这里的0即为前述实施例中的指定函数值。
由于在2.1中已经区分了正样本用户和负样本用户,对于正样本用户ui,有F(ui)=1;对于负样本用户uj,有F(uj)=-1.且ui和uj中的各项特征si,sj均已知。因此将所有F(ui)=1和F(uj)=-1联合在一起,可组成线性方程组。进而即可求得所有wi的值。也就建立了判断模型。在本实施例中正影响特征和负影响特征的权值都取正数;但是si的取值根据用户特征属于正向影响特征时取1,是属于负向影响特征时取-1。
根据计算出的函数值判断某用户是否属于目标用户
在得到了判断模型后,对于某个未知正负的用户,只需将其各项特征si代入到F(u)=∑wi*si中,即可求出该用户的F(u)值,如果该值结果为正,则判断为目标用户,否则即为非目标用户。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种目标用户确定方法,其特征在于,所述方法包括:
获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;
分析所述历史广告数据,确定出所述待投放广告的种子用户;
将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;
确定负样本用户并提取所述负样本用户的负向影响特征;
将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。
2.根据权利要求1所述的方法,其特征在于,
所述分析所述历史广告数据,确定出所述待投放广告的种子用户,包括:
分析所述历史广告数据中的广告行为类型及所述广告行为类型的有效期;
结合所述广告行为类型及所述有效期,从对所述已投放广告执行了转化操作的用户中选择出所述种子用户。
3.根据权利要求1或2所述的方法,其特征在于,
所述将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户,包括:
提取所述正向影响特征和所述负向影响特征以外的中立特征;
确定所述中立特征分别与所述正向影响特征和所述负向影响特征的关联度;
基于所述关联度从备选用户中确定所述目标用户。
4.根据权利要求1或2所述的方法,其特征在于,
所述获取负样本用户,包括:
随机选取与所述正样本用户等同数量的用户作为所述负样本用户。
5.根据权利要求1或2所述的方法,其特征在于,
所述获取负样本用户,包括:
维护能够用于为至少两个待投放广告提供负样本用户的公共负样本备选用户;
过滤所述公共负样本备选用户中的所述正样本用户,得到所述负样本用户。
6.根据权利要求1或2所述的方法,其特征在于,
所述获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据,包括:
将所述待投放广告的第一广告特征与已投放广告的第二广告特征进行匹配,形成匹配结果;
根据所述匹配结果,确定与所述待投放广告满足所述预设匹配条件的已投放广告;
提取所述已投放广告的历史广告数据。
7.根据权利要求6所述的方法,其特征在于,
所述第一广告特征和所述第二广告特征包括广告发布者、广告内容、广告投放预算及广告投放场景特征的至少其中之一。
8.一种目标用户确定装置,其特征在于,所述装置包括:
获取单元,用于获取与待投放广告满足预设匹配条件的已投放广告的历史广告数据;
分析单元,用于分析所述历史广告数据,确定出所述待投放广告的种子用户;
提取单元,用于将所述种子用户标视为正样本用户并提取所述正样本用户的正向影响特征;确定负样本用户并提取负样本用户的负向影响特征;
确定单元,用于将备选用户的用户特征分别与所述正向影响特征和所述负向影响特征进行匹配,从所述备选用户中确定出目标用户。
9.根据权利要求8所述的装置,其特征在于,
所述分析单元,具体用于分析所述历史广告数据中的广告行为类型及所述广告行为类型的有效期;结合所述广告行为类型及所述有效期,从对所述已投放广告执行了转化操作的用户中选择出所述种子用户。
10.根据权利要求8或9所述的装置,其特征在于,
所述确定单元,还用于提取所述正向影响特征和所述负向影响特征以外的中立特征;确定所述中立特征分别与所述正向影响特征和所述负向影响特征的关联度;及基于所述关联度从备选用户中确定所述目标用户。
11.根据权利要求10所述的装置,其特征在于,
所述获取单元,具体用于随机选取所述正样本用户以外的用户作为所述负样本用户。
12.根据权利要求10所述的装置,其特征在于,
所述获取单元,具体用于维护能够用于为至少两个待投放广告提供负样本用户的公共负样本备选用户;及过滤所述公共负样本备选用户中的所述正样本用户,得到所述负样本用户。
13.根据权利要求8或9所述的装置,其特征在于,
所述获取单元,具体用于将所述待投放广告的第一广告特征与已投放广告的第二广告特征进行匹配,形成匹配结果;根据所述匹配结果,确定与所述待投放广告满足所述预设匹配条件的已投放广告;提取所述已投放广告的历史广告数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510992953.5A CN105550903B (zh) | 2015-12-25 | 2015-12-25 | 目标用户确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510992953.5A CN105550903B (zh) | 2015-12-25 | 2015-12-25 | 目标用户确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105550903A true CN105550903A (zh) | 2016-05-04 |
CN105550903B CN105550903B (zh) | 2021-07-30 |
Family
ID=55830082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510992953.5A Active CN105550903B (zh) | 2015-12-25 | 2015-12-25 | 目标用户确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105550903B (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126880A (zh) * | 2016-06-14 | 2016-11-16 | 广州视睿电子科技有限公司 | 目标用户的选择方法、***和设备 |
CN106447384A (zh) * | 2016-08-31 | 2017-02-22 | 五八同城信息技术有限公司 | 确定目标用户的方法及装置 |
CN106503152A (zh) * | 2016-10-21 | 2017-03-15 | 合网络技术(北京)有限公司 | 标题处理方法和装置 |
CN106600342A (zh) * | 2016-12-29 | 2017-04-26 | 北京奇艺世纪科技有限公司 | 一种广告投放的方法和装置 |
CN107153907A (zh) * | 2017-03-22 | 2017-09-12 | 华为技术有限公司 | 一种评估视频业务的***的方法及相关装置 |
WO2017190610A1 (zh) * | 2016-05-05 | 2017-11-09 | 腾讯科技(深圳)有限公司 | 目标用户定向方法、装置和计算机存储介质 |
CN107506402A (zh) * | 2017-08-03 | 2017-12-22 | 北京百度网讯科技有限公司 | 搜索结果的排序方法、装置、设备及计算机可读存储介质 |
CN107516238A (zh) * | 2017-07-22 | 2017-12-26 | 长沙兔子代跑网络科技有限公司 | 一种根据聊天情景挖掘代跑客户的方法及装置 |
CN107590691A (zh) * | 2017-09-06 | 2018-01-16 | 晶赞广告(上海)有限公司 | 一种信息发布方法及装置、存储介质、终端 |
CN107679920A (zh) * | 2017-10-20 | 2018-02-09 | 北京奇艺世纪科技有限公司 | 一种广告的投放方法和装置 |
CN107871244A (zh) * | 2016-09-28 | 2018-04-03 | 腾讯科技(深圳)有限公司 | 一种广告效果的检测方法和装置 |
CN108053260A (zh) * | 2017-12-27 | 2018-05-18 | 北京奇虎科技有限公司 | 一种根据统计数据兴趣度确定扩展用户的方法和*** |
CN108093018A (zh) * | 2016-11-23 | 2018-05-29 | 上海掌门科技有限公司 | 用于召回目标用户的方法与设备 |
WO2018099177A1 (zh) * | 2016-11-29 | 2018-06-07 | 华为技术有限公司 | 一种扩展***的方法及装置 |
WO2018113370A1 (zh) * | 2016-12-21 | 2018-06-28 | 华为技术有限公司 | 扩展用户的方法、装置及*** |
CN108647986A (zh) * | 2018-03-28 | 2018-10-12 | 北京奇艺世纪科技有限公司 | 一种目标用户确定方法、装置及电子设备 |
CN108647983A (zh) * | 2018-03-16 | 2018-10-12 | 北京奇艺世纪科技有限公司 | 种子用户确定方法、装置及广告投放方法、装置 |
CN108665310A (zh) * | 2018-05-08 | 2018-10-16 | 多盟睿达科技(中国)有限公司 | 一种基于探测预估技术的广告投放方法及*** |
CN108932658A (zh) * | 2018-07-13 | 2018-12-04 | 北京京东金融科技控股有限公司 | 数据处理方法、装置和计算机可读存储介质 |
CN109003122A (zh) * | 2018-06-28 | 2018-12-14 | 四川斐讯信息技术有限公司 | 一种基于广告投放的用户分类方法及服务器 |
CN109255656A (zh) * | 2018-08-31 | 2019-01-22 | 有米科技股份有限公司 | 一种基于复合模型的用户扩展方法、装置及*** |
CN109598544A (zh) * | 2018-11-21 | 2019-04-09 | 优估(上海)信息科技有限公司 | 一种媒体目标匹配方法及*** |
CN109784959A (zh) * | 2017-11-10 | 2019-05-21 | 广州腾讯科技有限公司 | 一种目标用户预测方法、装置、后台服务器及存储介质 |
CN109801091A (zh) * | 2017-11-16 | 2019-05-24 | 腾讯科技(深圳)有限公司 | 目标用户群体定位方法、装置、计算机设备和存储介质 |
WO2019109698A1 (zh) * | 2017-12-06 | 2019-06-13 | 阿里巴巴集团控股有限公司 | 目标用户群体的确定方法及装置 |
CN109978594A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 订单处理方法、装置及介质 |
CN110060085A (zh) * | 2019-03-01 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 一种解析广告目标人群线下分布的方法、***及设备 |
CN110163747A (zh) * | 2019-05-24 | 2019-08-23 | 同盾控股有限公司 | 目标推荐对象挖掘方法、装置、介质及电子设备 |
CN110413926A (zh) * | 2019-07-24 | 2019-11-05 | 秒针信息技术有限公司 | 一种问卷调查方法及装置 |
CN110675190A (zh) * | 2019-09-25 | 2020-01-10 | 淘屏新媒体有限公司 | 一种基于s2b2c营销模式的自助化广告投放方法 |
CN111444417A (zh) * | 2018-12-27 | 2020-07-24 | 北京奇虎科技有限公司 | 推广用户群的智能定向方法、装置及计算设备 |
CN111507768A (zh) * | 2020-04-17 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 一种***的确定方法、模型训练的方法及相关装置 |
CN111582944A (zh) * | 2020-05-14 | 2020-08-25 | 北京金山安全软件有限公司 | 广告的人群拓展方法、装置、设备及存储介质 |
CN111899049A (zh) * | 2020-07-23 | 2020-11-06 | 广州视源电子科技股份有限公司 | 广告投放方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520878A (zh) * | 2009-04-03 | 2009-09-02 | 华为技术有限公司 | 向用户进行广告推送的方法、装置和*** |
CN102103634A (zh) * | 2009-12-22 | 2011-06-22 | 索尼公司 | 信息处理设备和方法 |
US8799072B2 (en) * | 2002-07-25 | 2014-08-05 | Google Inc. | Method and system for providing filtered and/or masked advertisements over the internet |
CN104111946A (zh) * | 2013-04-19 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 基于用户兴趣的聚类方法和装置 |
US20140360067A1 (en) * | 2010-03-02 | 2014-12-11 | Gredo Kahng | Method and apparatus for influencing grocery shoppers to make healthy food purchase decisions |
CN104965890A (zh) * | 2015-06-17 | 2015-10-07 | 深圳市腾讯计算机***有限公司 | 广告推荐的方法和装置 |
-
2015
- 2015-12-25 CN CN201510992953.5A patent/CN105550903B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8799072B2 (en) * | 2002-07-25 | 2014-08-05 | Google Inc. | Method and system for providing filtered and/or masked advertisements over the internet |
CN101520878A (zh) * | 2009-04-03 | 2009-09-02 | 华为技术有限公司 | 向用户进行广告推送的方法、装置和*** |
CN102103634A (zh) * | 2009-12-22 | 2011-06-22 | 索尼公司 | 信息处理设备和方法 |
US20140360067A1 (en) * | 2010-03-02 | 2014-12-11 | Gredo Kahng | Method and apparatus for influencing grocery shoppers to make healthy food purchase decisions |
CN104111946A (zh) * | 2013-04-19 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 基于用户兴趣的聚类方法和装置 |
CN104965890A (zh) * | 2015-06-17 | 2015-10-07 | 深圳市腾讯计算机***有限公司 | 广告推荐的方法和装置 |
Non-Patent Citations (2)
Title |
---|
C. PERLICH等: ""Machine learning for targeted display advertising: transfer learning in action"", 《MACHINE LEARNING》 * |
郭磊: ""社会化媒体环境下中小企业营销模式研究"", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017190610A1 (zh) * | 2016-05-05 | 2017-11-09 | 腾讯科技(深圳)有限公司 | 目标用户定向方法、装置和计算机存储介质 |
EP3407285B1 (en) * | 2016-05-05 | 2023-06-28 | Tencent Technology (Shenzhen) Company Limited | Target user orientation method and device, and computer storage medium |
US11004107B2 (en) | 2016-05-05 | 2021-05-11 | Tencent Technology (Shenzhen) Company Limited | Target user directing method and apparatus and computer storage medium |
CN106126880A (zh) * | 2016-06-14 | 2016-11-16 | 广州视睿电子科技有限公司 | 目标用户的选择方法、***和设备 |
CN106447384A (zh) * | 2016-08-31 | 2017-02-22 | 五八同城信息技术有限公司 | 确定目标用户的方法及装置 |
CN107871244A (zh) * | 2016-09-28 | 2018-04-03 | 腾讯科技(深圳)有限公司 | 一种广告效果的检测方法和装置 |
CN107871244B (zh) * | 2016-09-28 | 2021-08-20 | 腾讯科技(深圳)有限公司 | 一种广告效果的检测方法和装置 |
CN106503152A (zh) * | 2016-10-21 | 2017-03-15 | 合网络技术(北京)有限公司 | 标题处理方法和装置 |
CN108093018A (zh) * | 2016-11-23 | 2018-05-29 | 上海掌门科技有限公司 | 用于召回目标用户的方法与设备 |
WO2018099177A1 (zh) * | 2016-11-29 | 2018-06-07 | 华为技术有限公司 | 一种扩展***的方法及装置 |
CN108230001A (zh) * | 2016-12-21 | 2018-06-29 | 华为技术有限公司 | 扩展用户的方法、装置及*** |
WO2018113370A1 (zh) * | 2016-12-21 | 2018-06-28 | 华为技术有限公司 | 扩展用户的方法、装置及*** |
CN106600342A (zh) * | 2016-12-29 | 2017-04-26 | 北京奇艺世纪科技有限公司 | 一种广告投放的方法和装置 |
CN107153907A (zh) * | 2017-03-22 | 2017-09-12 | 华为技术有限公司 | 一种评估视频业务的***的方法及相关装置 |
CN107516238A (zh) * | 2017-07-22 | 2017-12-26 | 长沙兔子代跑网络科技有限公司 | 一种根据聊天情景挖掘代跑客户的方法及装置 |
CN107506402A (zh) * | 2017-08-03 | 2017-12-22 | 北京百度网讯科技有限公司 | 搜索结果的排序方法、装置、设备及计算机可读存储介质 |
CN107590691B (zh) * | 2017-09-06 | 2021-01-15 | 晶赞广告(上海)有限公司 | 一种信息发布方法及装置、存储介质、终端 |
CN107590691A (zh) * | 2017-09-06 | 2018-01-16 | 晶赞广告(上海)有限公司 | 一种信息发布方法及装置、存储介质、终端 |
CN107679920A (zh) * | 2017-10-20 | 2018-02-09 | 北京奇艺世纪科技有限公司 | 一种广告的投放方法和装置 |
CN109784959A (zh) * | 2017-11-10 | 2019-05-21 | 广州腾讯科技有限公司 | 一种目标用户预测方法、装置、后台服务器及存储介质 |
CN109801091A (zh) * | 2017-11-16 | 2019-05-24 | 腾讯科技(深圳)有限公司 | 目标用户群体定位方法、装置、计算机设备和存储介质 |
CN109801091B (zh) * | 2017-11-16 | 2022-12-20 | 腾讯科技(深圳)有限公司 | 目标用户群体定位方法、装置、计算机设备和存储介质 |
TWI709927B (zh) * | 2017-12-06 | 2020-11-11 | 開曼群島商創新先進技術有限公司 | 目標用戶群體的確定方法及裝置 |
WO2019109698A1 (zh) * | 2017-12-06 | 2019-06-13 | 阿里巴巴集团控股有限公司 | 目标用户群体的确定方法及装置 |
CN108053260A (zh) * | 2017-12-27 | 2018-05-18 | 北京奇虎科技有限公司 | 一种根据统计数据兴趣度确定扩展用户的方法和*** |
CN109978594B (zh) * | 2017-12-28 | 2021-11-26 | 北京京东尚科信息技术有限公司 | 订单处理方法、装置及介质 |
CN109978594A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 订单处理方法、装置及介质 |
CN108647983A (zh) * | 2018-03-16 | 2018-10-12 | 北京奇艺世纪科技有限公司 | 种子用户确定方法、装置及广告投放方法、装置 |
CN108647986A (zh) * | 2018-03-28 | 2018-10-12 | 北京奇艺世纪科技有限公司 | 一种目标用户确定方法、装置及电子设备 |
CN108665310A (zh) * | 2018-05-08 | 2018-10-16 | 多盟睿达科技(中国)有限公司 | 一种基于探测预估技术的广告投放方法及*** |
CN109003122A (zh) * | 2018-06-28 | 2018-12-14 | 四川斐讯信息技术有限公司 | 一种基于广告投放的用户分类方法及服务器 |
CN108932658A (zh) * | 2018-07-13 | 2018-12-04 | 北京京东金融科技控股有限公司 | 数据处理方法、装置和计算机可读存储介质 |
CN108932658B (zh) * | 2018-07-13 | 2021-07-06 | 京东数字科技控股有限公司 | 数据处理方法、装置和计算机可读存储介质 |
CN109255656A (zh) * | 2018-08-31 | 2019-01-22 | 有米科技股份有限公司 | 一种基于复合模型的用户扩展方法、装置及*** |
CN109598544A (zh) * | 2018-11-21 | 2019-04-09 | 优估(上海)信息科技有限公司 | 一种媒体目标匹配方法及*** |
CN111444417A (zh) * | 2018-12-27 | 2020-07-24 | 北京奇虎科技有限公司 | 推广用户群的智能定向方法、装置及计算设备 |
CN110060085A (zh) * | 2019-03-01 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 一种解析广告目标人群线下分布的方法、***及设备 |
CN110060085B (zh) * | 2019-03-01 | 2023-08-04 | 创新先进技术有限公司 | 一种解析广告目标人群线下分布的方法、***及设备 |
CN110163747A (zh) * | 2019-05-24 | 2019-08-23 | 同盾控股有限公司 | 目标推荐对象挖掘方法、装置、介质及电子设备 |
CN110413926A (zh) * | 2019-07-24 | 2019-11-05 | 秒针信息技术有限公司 | 一种问卷调查方法及装置 |
CN110413926B (zh) * | 2019-07-24 | 2022-08-09 | 秒针信息技术有限公司 | 一种问卷调查方法及装置 |
CN110675190A (zh) * | 2019-09-25 | 2020-01-10 | 淘屏新媒体有限公司 | 一种基于s2b2c营销模式的自助化广告投放方法 |
CN111507768A (zh) * | 2020-04-17 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 一种***的确定方法、模型训练的方法及相关装置 |
CN111507768B (zh) * | 2020-04-17 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 一种***的确定方法及相关装置 |
CN111582944A (zh) * | 2020-05-14 | 2020-08-25 | 北京金山安全软件有限公司 | 广告的人群拓展方法、装置、设备及存储介质 |
CN111582944B (zh) * | 2020-05-14 | 2023-08-22 | 北京金山安全软件有限公司 | 广告的人群拓展方法、装置、设备及存储介质 |
CN111899049A (zh) * | 2020-07-23 | 2020-11-06 | 广州视源电子科技股份有限公司 | 广告投放方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105550903B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105550903A (zh) | 目标用户确定方法及装置 | |
CN106022834B (zh) | 广告反作弊方法及装置 | |
CN105447730B (zh) | 目标用户定向方法及装置 | |
CN102124462B (zh) | 查询识别和关联 | |
CN108733706B (zh) | 热度信息的生成方法和装置 | |
US20140278973A1 (en) | System and method for audience targeting | |
EP2242016A1 (en) | Touchpoint customization system | |
CN105164712A (zh) | 聚合账户通知的按优先级排序和场境显示 | |
CN109272360B (zh) | 一种广告智能推荐方法、***及装置 | |
CN107330718B (zh) | 一种媒体反作弊方法及装置、存储介质、终端 | |
CN108154379B (zh) | 媒体信息的发布方法和装置 | |
US20160034952A1 (en) | Control apparatus and accelerating method | |
CN107590691B (zh) | 一种信息发布方法及装置、存储介质、终端 | |
CN110348908A (zh) | 广告投放预算控制方法及装置 | |
CN108123972A (zh) | 多媒体文件的分配方法及装置 | |
CN105022773A (zh) | 包括图像优先级的图像处理*** | |
CN105005982A (zh) | 包括对象选择的图像处理 | |
CN111814034A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
US20150227963A1 (en) | Systems, methods, and apparatus for budget allocation | |
CN111553740A (zh) | 流量分配方法及装置、电子设备、计算机存储介质 | |
CN110570271A (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN114331495A (zh) | 多媒体数据处理方法、装置、设备及存储介质 | |
CN112862544A (zh) | 对象信息的获取方法、装置以及存储介质 | |
CN106713952B (zh) | 视频处理方法及装置 | |
CN115809889A (zh) | 基于营销效果的智能客群筛选方法、***、介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |