CN109615408B - 基于大数据的广告投放方法及装置、存储介质、电子设备 - Google Patents

Abstract

本公开涉及数据处理技术领域，尤其涉及一种基于大数据的广告投放方法及装置、存储介质、电子设备。该方法包括：向第一用户群组投放待投放广告，并对第一用户群组中浏览投放待投放广告的页面的第一候选用户群组进行画像；根据第一候选用户群组的画像确定第二用户群组；向第二用户群组投放待投放广告，对第二用户群组中触发待投放广告的第二候选用户群组进行画像，根据第二候选用户群组的画像确定第三用户群组；向第三用户群组投放待投放广告，并对第三用户群组中触发待投放广告并购买待投放广告的产品的第三候选用户群组进行画像，并根据第三候选用户群组的画像确定目标用户群组；向目标用户群组投放待投放广告。本公开提高了广告投放的准确率。

Description

基于大数据的广告投放方法及装置、存储介质、电子设备

技术领域

本公开涉及数据处理技术领域，尤其涉及一种基于大数据的广告投放方法及装置、存储介质、电子设备。

背景技术

广告是商家采用的一种产品宣传手段，若广告投放能针对与产品相对应的用户人群，毋庸置疑会取得较好的销售成果，反之针对了错误的用户人群，不但不能很好的促进销售，还会引起消费者反感，因此如何准确确定目标用户已成为广告投放的重要课题之一。

目前，常用的目标用户确定过程可以包括：由销售人员根据自己的销售经验分析出目标用户的属性特征，并根据目标用户的属性特征在数据库中筛选出目标用户，然后一次性的向目标用户进行广告投放。

显然，在上述方式中，由于目标用户的属性特征由人为的销售经验分析得出的，人为因素影响较大，无法准确的确定目标用户的属性特征，进而无法获取到准确的目标用户，从而导致广告投放的准确率低下、投放成本增大、广告位的利用率底下，影响了广告投放商的不满，同时也对广告投放平台带来负面影响。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于大数据的广告投放方法及装置、存储介质、电子设备，进而至少在一定程度上克服由于人为因素影响而导致的无法准确的确定目标用户，从而使得广告投放的准确率低下、投放成本增大、广告位的利用率底下，影响了广告投放商的不满，同时也对广告投放平台带来负面影响等问题。

根据本公开的一个方面，提供一种基于大数据的广告投放方法，包括：

向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组；

对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组；

向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取触发所述待投放广告的第二候选用户群组；

对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组；

向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取触发所述待投放广告并购买所述待投放广告的产品的第三候选用户群组；

对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告。

在本公开的一种示例性实施例中，所述方法还包括：

对所述待投放广告的产品进行分析以获取预设投放用户的属性特征；

根据所述预设投放用户的属性特征获取所述预设投放用户的属性标签；

根据所述预设投放用户的属性标签对所述预设投放用户进行画像，并根据所述预设投放用户的画像确定所述第一用户群组。

在本公开的一种示例性实施例中，对所述候选用户群组进行画像包括：

获取所述候选用户群组中的各候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息，并对各所述候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息进行特征提取，以得到各所述候选用户的属性特征；

根据各所述候选用户的属性特征获取各所述候选用户的属性标签；

根据各所述候选用户的属性标签获取所述候选用户的共同属性标签；

根据所述候选用户的共同属性标签构建所述候选用户群组的画像。

在本公开的一种示例性实施例中，对所述候选用户群组进行画像包括：

通过一由深度学习网络构建的画像构建模型构建所述候选用户群组的画像。

在本公开的一种示例性实施例中，所述方法还包括：根据所述深度学习网络构建所述画像构建模型。

在本公开的一种示例性实施例中，所述根据所述深度学习网络构建所述画像构建模型包括：

获取多个训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息；

获取各所述训练用户群组的画像；

根据各所述训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息以及各所述训练用户群组的画像对所述深度学习网络进行训练得到所述画像构建模型。

在本公开的一种示例性实施例中，所述待投放广告的投放方式包括页面推送方式和短信发送方式。

根据本公开的一个方面，提供一种基于大数据的广告投放装置，包括：

第一投放模块，用于向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组；

第一画像模块，用于对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组；

第二投放模块，用于向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取触发所述待投放广告的第二候选用户群组；

第二画像模块，用于对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组；

第三投放模块，用于向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取触发所述待投放广告并购买所述待投放广告的产品的第三候选用户群组；

第三画像模块，用于对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于大数据的广告投放方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述中任意一项所述的基于大数据的广告投放方法。

本公开一种示例实施例提供的基于大数据的广告投放方法及装置、存储介质、电子设备。向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组；对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组；向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取触发所述待投放广告的第二候选用户群组；对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组；向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取触发所述待投放广告并购买所述待投放广告的产品的第三候选用户群组；对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告。一方面，通过用户行为的递进关系，即浏览投放待投放广告的页面、触发待投放广告以及触发待投放广告并购买待投放广告的递进关系，对用户进行迭代筛选，可以得到准确定第三候选用户群组的画像，进而能够根据第三候选用户群组的画像准确的确定目标用户群组，在避免人为因素影响的基础上，大大的提高了确定目标用户群组的准确度；另一方面，由于提高了确定目标用户群组的准确度，使得待投放广告的投放准确率提高，降低了投放正本，提高了广告位的利用率，给广告平台带来了正面积极的影响，同时也带给广告投放商和广告平台中的用户更好的用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参照附图来详细描述其示例性实施例，本公开的上述和其它特征及优点将变得更加明显。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本公开一种基于大数据的广告投放方法的流程图；

图2为本公开一示例性实施例中提供的确定第一用户群组的流程图；

图3为本公开一示例性实施例中提供的对候选用户群组进行画像的流程图；

图4为本公开一示例性实施例中提供的构建画像构建模型的流程图；

图5为本公开一种基于大数据的广告投放装置的框图；

图6为本公开一示例性实施例中的电子设备的模块示意图；

图7为本公开一示例性实施例中的程序产品示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例性实施例中首先公开了一种基于大数据的广告投放方法，参照图1所示，所述基于大数据的广告投放方法可以包括以下步骤：

步骤S110、向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组；

步骤S120、对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组；

步骤S130、向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取触发所述待投放广告的第二候选用户群组；

步骤S140、对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组；

步骤S150、向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取触发所述待投放广告并购买所述待投放广告的产品的第三候选用户群组；

步骤S160、对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告。

根据本示例性实施例中的基于大数据的广告投放方法，一方面，通过用户行为的递进关系，即浏览投放待投放广告的页面、触发待投放广告以及触发待投放广告并购买待投放广告的递进关系，对用户进行迭代筛选，可以得到准确定第三候选用户群组的画像，进而能够根据第三候选用户群组的画像准确的确定目标用户群组，在避免人为因素影响的基础上，大大的提高了确定目标用户群组的准确度；另一方面，由于提高了确定目标用户群组的准确度，使得待投放广告的投放准确率提高，降低了投放正本，提高了广告位的利用率，给广告平台带来了正面积极的影响，同时也带给广告投放商和广告平台中的用户更好的用户体验。

下面，将参照图1，对本示例性实施例中的基于大数据的广告投放方法作进一步说明。

在步骤S110中，向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组。

在本示例性实施例中，所述待投放广告可以是各种类型的商品的广告。例如，食品类的待投放广告、药品类的待投放广告、保险类的待投放广告等。所述待投放广告的展现形式可以包括图片展示形式、视频展示形式、文字展示形式等。所述待投放广告的投放方式可以包括页面推送方式、短信发送方式、邮件发送方式等，本示例性实施例对此不作特殊限定。

所述第一用户群组中的第一用户的数量可以由开发人员自行设置，例如可以为3000个，还可以为4000个或者5000个，本示例性实施例对此不作特殊限定。

所述待投放广告的投放方式可以包括页面推送方式和短信发送方式。在待投放广告的投放方式为页面推送方式时，所述向第一用户群组投放待投放广告可以包括：在一个投放页面或者多个投放页面向第一用户群组中的各第一用户推送待投放广告。所述投放页面例如可以为视频播放页面、论坛页面、购物页面等，本示例性实施例对此不作特殊限定。在待投放广告的投放方式为短信发送方式时，所述向第一用户群组投放待投放广告可以包括：向第一用户群组中的各第一用户发送包括待投放广告的短信。需要说明的是广告投放方式还可以为邮件发送方式等，本示例性实施例对此不作特殊限定。

在向第一用户群组中的各第一用户投放待投放广告之后，在第一用户中获取浏览待投放广告的页面的第一用户，并将所有浏览待投放广告的页面的第一用户确定为第一候选用户群组。

为了提高第一用户群组的准确度，提高第一用户群组中的第一用户浏览投放待投放广告的页面的概率，如图2所示，所述方法还可以包括：

步骤S210，对所述待投放广告的产品进行分析以获取预设投放用户的属性特征。

在本示例性实施例中，所述待投放广告的产品例如可以为食品、药品、手机、电脑、保险等，本示例性实施例对此不作特殊属性。例如，在所述待投放广告的产品为少儿教育保险时，通过对少儿教育保险的分析可知，一般购买该保险的预设投放用户一般有孩子，且由于是少儿教育保险，孩子一般不大于10岁，由上可知，在待投放广告的产品为少儿教育保险时，预设投放用户的属性特征包括：有孩子且孩子小于10岁。

需要说明的是，在待投放广告的产品为其他类型的产品时，获取预设投放用户的属性特征的原理与获取待投放广告的产品为少儿教育保险的预设投放用户的属性特征的原理相同，因此此处不再赘述。

步骤S220，根据所述预设投放用户的属性特征获取所述预设投放用户的属性标签。

在本示例性实施例中，可以将预设投放用户的各属性特征与一标签属性表中的各属性特征进行一一匹配，将标签属性表中与预设投放用户的各属性特征匹配的属性特征对应的属性标签确定为该预设投放用户的各属性特征的属性标签。

上述标签属性表中包括多个属性标签以及与各属性标签对应的属性特征，且一个属性标签对应至少一个属性特征。所述属性特征例如可以包括28岁、博士、律师、女、北京、跑步等。所述属性标签例如可以包括：运动、法律行业、女、20～30岁等。例如，属性标签0～10岁对应的属性特征可以包括：1岁、2岁、3岁、4岁、5岁、6岁、7岁、8岁、9岁、10岁。例如，属性标签女对应的属性特征为女。

步骤S230，根据所述预设投放用户的属性标签对所述预设投放用户进行画像，并根据所述预设投放用户的画像确定所述第一用户群组。

在本示例性实施例中，可以将预设投放用户的属性标签进行组合以得到多维度的属性标签，并将该多维度的属性标签确定为预设投放用户的画像。根据预设投放用户的画像确定第一用户群组的过程可以包括：解析预设投放用户的画像以得到预设投放用户的属性标签，并获取预设数量的用户的数据信息；对各用户的数据信息进行特征提取以得到各用户的属性特征；根据各用户的属性特征结合一标签属性表确定各用户的属性标签；判断各用户的属性标签中是否包括预设投放用户的所有属性标签，并将包括预设投放用户的所有属性标签的用户确定为第一用户；将第一用户进行集合即可得到第一用户群组。其中，上述用户的数据信息可以包括个人基本数据信息、行为数据信息、交易数据信息、社会数据信息等。所述个人基本数据信息可以包括姓名、年龄、身高、学历、国籍、爱好兴趣等。所述行为数据信息可以包括上网时间、登录的网站、常用的应用软件等。所述交易数据信息可以包括购买产品的类型、数量、价格等。所述社会数据信息可以包括职业、行业、工作地等。基于此，上述对各用户的数据信息进行特征提取以得到各用户的属性特征可以包括：对各用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息分别进行特征提取，以得到各用户的属性特征。由于用户的数据信息可以包括个人基本数据信息、行为数据信息、交易数据信息、社会数据信息等，因此用户的属性特征可以包括个人属性特征、行为属性特征、交易属性特征、社会属性特征等。所述个人属性特征例如可以包括性别属性特征(如男、女)、年龄属性特征(如28岁、70岁等)、身高属性特征(如1米、1.6米等)、学历属性特征(如学士、硕士、博士等)、国籍属性特征(例如中国、美国等)、爱好兴趣属性特征(例如音乐、运动、阅读等)等。所述行为属性特征例如可以包括：上网时间属性特征(如每天3个小时、每天5个小时等)、网站属性特征(如购物网站、视频网站等)、常用的应用软件属性特征(如**购物应用软件、**视频应用软件)等。交易属性特征例如可以包括：产品属性特征(例如肥皂、手机等)、数量属性特征(如1个、2个等)、价格属性特征(如10元、1000元等)等。所述社会属性特征可以包括：职业属性特征(如医生、教师、公务员等)、行业属性特征(如医疗行业、教育行业、公共行业等)、工作地属性特征(如北京、西安、深圳等)等。

需要说明的是，根据各用户的属性特征结合一标签属性表确定各用户的属性标签的原理与上述根据预设投放用户的属性特征并结合一属性标签表获取预设投放用户的属性标签的原理相同，因此此处不再赘述。

在步骤S120中，对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组。

在本示例性实施例中，对所述第一候选用户群组进行画像的过程将在下文中进行说明，因此此处不再赘述。根据所述第一候选用户群组的画像确定第二用户群组的过程可以包括：解析第一候选用户群组的画像以获取第一候选用户群组的共同属性标签；随机获取预设数量的用户的数据信息，并对各用户的数据信息进行特征提取，以得到各用户的属性特征；根据各用户的属性特征结合一标签属性表确定各用户的属性标签；判断各用户的属性标签中是否包括第一候选用户群组的所有共同属性标签，并将包括第一候选用户群组的所有共同属性标签的用户确定为第二用户，集合所有第二用户即可构成第二用户群组。需要说明的是，由于各用户的数据信息已经在上文中进行了说明，因此此处不再赘述。

具体的，判断一用户的属性标签中是否包括第一候选用户群组的所有共同属性标签的过程可以包括：将第一候选用户群组的各共同属性标签分别与该用户的各属性标签进行一一匹配，若第一候选用户群组的各共同属性标签均与该用户的属性标签中的一个属性标签匹配成功，则说明该用户的属性标签中包括第一候选用户群组的所有共同属性标签。需要说明的是，判断其他用户的属性标签中是否包括第一候选用户群组的所有共同属性标签的过程与上述过程相同，因此此处不再赘述。

步骤S130、向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取触发所述待投放广告的第二候选用户群组。

在本示例性实施例中，所述待投放广告的投放方式可以包括页面推送方式和短信发送方式。在待投放广告的投放方式为页面推送方式时，所述向第二用户群组投放待投放广告可以包括：在一个投放页面或者多个投放页面向第二用户群组中的各第二用户推送待投放广告。所述投放页面例如可以为视频播放页面、论坛页面、购物页面等，本示例性实施例对此不作特殊限定。在待投放广告的投放方式为短信发送方式时，所述向第二用户群组投放待投放广告可以包括：向第二用户群组中的各第二用户发送包括待投放广告的短信。需要说明的是广告投放方式还可以为邮件发送方式等，本示例性实施例对此不作特殊限定。

所述触发待投放广告指用户通过手指或者触控笔等点击待投放广告以进入待投放广告的产品的展示页面、双击待投放广告以进入待投放广告的产品的展示页面、按压待投放广告以进入待投放广告的产品的展示页面等，本示例性实施例对此不作特殊限定。

在向第二用户群组中的各第二用户投放待投放广告之后，在第二用户中获取触发待投放广告的第二用户，并将所有触发待投放广告的第二用户进行集合以得到第二候选用户群组。

在步骤S140中，对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组。

在本示例性实施例中，对所述第二候选用户群组进行画像的过程将在下文中进行描述，因此此处不再赘述。所述根据所述第二候选用户群组的画像确定第三用户群组的原理与根据所述第一候选用户群组的画像确定第二用户群组的原理相同，因此此处不再赘述。

在步骤S150中，向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取触发所述待投放广告并购买所述待投放广告的产品的第三候选用户群组。

在本示例性实施例中，所述待投放广告的投放方式可以包括页面推送方式和短信发送方式。在待投放广告的投放方式为页面推送方式时，所述向第三用户群组投放待投放广告可以包括：在一个投放页面或者多个投放页面向第三用户群组中的各第三用户推送待投放广告。所述投放页面例如可以为视频播放页面、论坛页面、购物页面等，本示例性实施例对此不作特殊限定。在待投放广告的投放方式为短信发送方式时，所述向第三用户群组投放待投放广告可以包括：向第三用户群组中的各第三用户发送包括待投放广告的短信。需要说明的是广告投放方式还可以为邮件发送方式等，本示例性实施例对此不作特殊限定。

由于触发待投放广告已在上文中进行了说明，因此此处不再赘述，所述购买所述待投放广告的产品指在待投放广告的产品的展示页面下单并付款。

在向第三用户群组中的各第三用户投放待投放广告之后，在第三用户中获取触发待投放广告并购买待投放广告的产品的第三用户，并将所有触发待投放广告并购买待投放广告的产品的第三用户进行集合以得到第三候选用户群组。

在步骤S160中，对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告。

在本示例性实施例中，对所述第三候选用户群组进行画像的过程将在下文中进行说明，因此此处不再赘述。所述根据所述第三候选用户群组的画像确定目标用户群组的原理与根据所述第一候选用户群组的画像确定第二用户群组的原理相同，因此此处不再赘述。

所述待投放广告的投放方式可以包括页面推送方式和短信发送方式。在待投放广告的投放方式为页面推送方式时，所述向目标用户群组投放待投放广告可以包括：在一个投放页面或者多个投放页面向目标用户群组中的各目标用户推送待投放广告。所述投放页面例如可以为视频播放页面、论坛页面、购物页面等，本示例性实施例对此不作特殊限定。在待投放广告的投放方式为短信发送方式时，所述向目标用户群组投放待投放广告可以包括：向目标用户群组中的各目标用户发送包括待投放广告的短信。需要说明的是，广告投放方式还可以为邮件发送方式等，本示例性实施例对此不作特殊限定。

下面，对候选用户群组进行画像的过程进行说明。具体的可以采用以下两种方式实现。

方式一、如图3所示，对候选用户群组进行画像的过程可以包括以下步骤：

步骤S310、获取所述候选用户群组中的各候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息，并对各所述候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息进行特征提取，以得到各所述候选用户的属性特征。

在本示例性实施例中，所述个人基本数据信息可以包括姓名、年龄、身高、学历、国籍、爱好兴趣等。所述行为数据信息可以包括上网时间、登录的网站、常用的应用软件等。所述交易数据信息可以包括购买产品的类型、数量、价格等。所述社会数据信息可以包括职业、行业、工作地等。

在获取到候选用户群组中的各候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息后，对各候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息进行特征提取，以得到各候选用户的属性特征。各候选用户的属性特征的数量可以相同，也可以不相同，本示例性实施例对此不作特殊限定。所述候选用户的属性特征可以包括个人属性特征(从个人基本数据信息中提取)、行为属性特征(从行为数据信息中提取)、交易属性特征(从交易数据信息中提取)、社会属性特征(从社会数据信息中提取)。所述个人属性特征例如可以包括性别属性特征(如男、女)、年龄属性特征(如28岁、70岁等)、身高属性特征(如1米、1.6米等)、学历属性特征(如学士、硕士、博士等)、国籍属性特征(例如中国、美国等)、爱好兴趣属性特征(例如音乐、运动、阅读等)等。所述行为属性特征例如可以包括：上网时间属性特征(如每天3个小时、每天5个小时等)、网站类型属性特征(如购物网站、视频网站等)、常用的应用软件属性特征(如**购物应用软件、**视频应用软件)等。所述交易属性特征例如可以包括：产品属性特征(例如肥皂、手机等)、数量属性特征(如1个、2个等)、价格属性特征(如10元、1000元等)等。所述社会属性特征可以包括：职业属性特征(如医生、教师、公务员等)、行业属性特征(如医疗行业、教育行业、公共行业等)、工作地属性特征(如北京、西安、深圳等)等。

步骤S320、根据各所述候选用户的属性特征获取各所述候选用户的属性标签。

在本示例性实施例中，将一候选用户的各属性特征与一标签属性表中的各属性特征进行一一匹配，将标签属性表中的与该候选用户的各属性特征匹配成功的属性特征对应的属性标签确定为该候选用户的各属性特征的属性标签。重复上述过程，即可得到其他各候选用户的属性标签。

步骤S330、根据各所述候选用户的属性标签获取所述候选用户的共同属性标签。

在本示例性实施例中，对各候选用户中的各属性标签进行比较，以在各候选用户的属性标签中获取所有候选用户共同所有的属性标签，并将所有候选用户共同所有的属性标签确定为候选用户的共同属性标签。

步骤S340、根据所述候选用户的共同属性标签构建所述候选用户群组的画像。

在本示例性实施例中，将候选用户的所有共同属性标签进行组合以得到多维度的共同属性标签，并将该多维度的共同属性标签确定为候选用户群组的画像。

需要说明的是，步骤S310～S340中的候选用户群组可以为第一候选用户群组、第二候选用户群组、第三候选用户群组。即第一候选用户群组的画像、第二候选用户群组的画像、第三候选用户群组的画像均可以采用上述步骤S310～S340进行构建。

方式二、可以通过一由深度学习网络构建的画像构建模型构建所述候选用户群组的画像。

在本示例性实施例中，所述候选用户群组可以为第一候选用户群组、第二候选用户群组、第三候选用户群组。所述深度学习网络例如可以为卷积神经网络、循环神经网络、递归神经网络等，本示例性实施例对此不作特殊限定。在构建第一候选用户群组的画像时，可以获取第一候选用户群组中的各第一候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息，然后将各第一候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息输入至画像构建模型中，以使画像构建模型输出第一候选用户群组的画像。在构建第二候选用户群组的画像时，可以获取第二候选用户群组中的各第二候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息，然后将各第二候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息输入至画像构建模型中，以使画像构建模型输出第二候选用户群组的画像。画在构建第三候选用户群组的像时，可以获取第三候选用户群组中的各第三候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息，然后将各第三候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息输入至画像构建模型中，以使画像构建模型输出第三候选用户群组的画像。

由上可知，相比于方式一，由于方式二采用了由深度学习网构建的画像构建模型，提高了候选用户群组的画像构建速度和效率。

下面对根据所述深度学习网络构建所述画像构建模型的过程进行说明。如图4所示，构建画像构建模型的过程可以包括以下步骤：

步骤S410、获取多个训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息。

在本示例性实施例中，每个训练用户群组中包括多个训练用户，各训练用户群组中的训练用户的数量可以相同，也可以不同，本示例性实施例对此不作特殊限定。可以通过一获取模块在用户数据库中获取各训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息。需要说明的是，人基本数据信息、行为数据信息、交易数据信息、社会数据信息已经在上文中进行了描述，因此此处不再赘述。

步骤S420、获取各所述训练用户群组的画像。

在本示例性实施例中，可以对一训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息进行特征提取，获取该训练用户群组中的各训练用户的属性特征；根据该训练用户群组中的各训练用户的属性特征并结合标签属性表获取该训练用户群组中的各训练用户的属性标签；根据该训练用户群组中的各训练用户的属性标签获取该训练用户群组中的训练用户的共同属性标签，根据该训练用户群组中的训练用户的共同属性标签构建该训练用户群组的画像，重复上述步骤即可得到其他各训练用户群组的画像。

步骤S430、根据各所述训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息以及各所述训练用户群组的画像对所述深度学习网络进行训练得到所述画像构建模型。

在本示例性实施例中，将各训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息作为输入，将各训练用户群组的画像作为输出输入至深度学习网络中，以得到深度学习网络中的各连接的权重值，从而根据各连接的权重值构建画像构建模型。

综上所述，通过用户行为的递进关系，即浏览投放待投放广告的页面、触发待投放广告以及触发待投放广告并购买待投放广告的递进关系，对用户进行迭代筛选，可以得到准确定第三候选用户群组的画像，进而能够根据第三候选用户群组的画像准确的确定目标用户群组，在避免人为因素影响的基础上，大大的提高了确定目标用户群组的准确度；此外，由于提高了确定目标用户群组的准确度，使得待投放广告的投放准确率提高，降低了投放正本，提高了广告位的利用率，给广告平台带来了正面积极的影响，同时也带给广告投放商和广告平台中的用户更好的用户体验。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

在本公开的示例性实施例中，还提供了一种基于大数据的广告投放装置，如图5所示，所述基于大数据的广告投放装置500可以包括：第一投放模块501、第一画像模块502、第二投放模块503、第二画像模块504、第三投放模块505、第三画像模块506，其中：

第一投放模块501，可以用于向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组；

第一画像模块502，可以用于对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组；

第二投放模块503，可以用于向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取点击所述待投放广告的第二候选用户群组；

第二画像模块504，可以用于对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组；

第三投放模块505，可以用于向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取点击所述待投放广告并购买所述待投放广告的产品的第三候选用户群组；

第三画像模块506，可以用于对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告。

上述中各基于大数据的广告投放装置模块的具体细节已经在对应的基于大数据的广告投放方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630、显示单元640。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤S110、向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组；步骤S120、对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组；步骤S130、向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取触发所述待投放广告的第二候选用户群组；步骤S140、对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组；步骤S150、向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取触发所述待投放广告并购买所述待投放广告的产品的第三候选用户群组；步骤S160、对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备670(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (9)

1.一种基于大数据的广告投放方法，其特征在于，包括：

向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组；确定第一用户群组包括：解析预设投放用户的画像以得到预设投放用户的属性标签，并获取预设数量的用户的数据信息；对各用户的数据信息进行特征提取以得到各用户的属性特征；根据各用户的属性特征结合一标签属性表确定各用户的属性标签；判断各用户的属性标签中是否包括预设投放用户的所有属性标签，并将包括预设投放用户的所有属性标签的用户确定为第一用户；将第一用户进行集合即可得到第一用户群组；

对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组；所述确定第二用户群组包括：解析第一候选用户群组的画像以获取第一候选用户群组的共同属性标签；随机获取预设数量的用户的数据信息，并对各用户的数据信息进行特征提取，以得到各用户的属性特征；根据各用户的属性特征结合一标签属性表确定各用户的属性标签；判断各用户的属性标签中是否包括第一候选用户群组的所有共同属性标签，并将包括第一候选用户群组的所有共同属性标签的用户确定为第二用户，集合所有第二用户即可构成第二用户群组；其中，判断一用户的属性标签中是否包括第一候选用户群组的所有共同属性标签的过程包括：将第一候选用户群组的各共同属性标签分别与该用户的各属性标签进行一一匹配，若第一候选用户群组的各共同属性标签均与该用户的属性标签中的一个属性标签匹配成功，则该用户的属性标签中包括第一候选用户群组的所有共同属性标签；

向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取触发所述待投放广告的第二候选用户群组；

对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组；

向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取触发所述待投放广告并购买所述待投放广告的产品的第三候选用户群组；

对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告；

其中，通过画像构建模型构建所述候选用户群组的画像，所述画像构建模型的构建包括：获取多个训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息；获取各所述训练用户群组的画像；根据各所述训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息以及各所述训练用户群组的画像对深度学习网络进行训练得到所述画像构建模型。

2.根据权利要求1所述的基于大数据的广告投放方法，其特征在于，所述方法还包括：

对所述待投放广告的产品进行分析以获取预设投放用户的属性特征；

根据所述预设投放用户的属性特征获取所述预设投放用户的属性标签；

根据所述预设投放用户的属性标签对所述预设投放用户进行画像，并根据所述预设投放用户的画像确定所述第一用户群组。

3.根据权利要求1所述的基于大数据的广告投放方法，其特征在于，对所述候选用户群组进行画像包括：

获取所述候选用户群组中的各候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息，并对各所述候选用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息进行特征提取，以得到各所述候选用户的属性特征；

根据各所述候选用户的属性特征获取各所述候选用户的属性标签；

根据各所述候选用户的属性标签获取所述候选用户的共同属性标签；

根据所述候选用户的共同属性标签构建所述候选用户群组的画像。

4.根据权利要求1所述的基于大数据的广告投放方法，其特征在于，对所述候选用户群组进行画像包括：

通过一由深度学习网络构建的画像构建模型构建所述候选用户群组的画像。

5.根据权利要求4所述的基于大数据的广告投放方法，其特征在于，所述方法还包括：根据所述深度学习网络构建所述画像构建模型。

6.根据权利要求1~5中任意一项所述的基于大数据的广告投放方法，其特征在于，所述待投放广告的投放方式包括页面推送方式和短信发送方式。

7.一种基于大数据的广告投放装置，其特征在于，包括：

第一投放模块，用于向第一用户群组投放待投放广告，并在所述第一用户群组中获取浏览投放所述待投放广告的页面的第一候选用户群组；确定第一用户群组包括：解析预设投放用户的画像以得到预设投放用户的属性标签，并获取预设数量的用户的数据信息；对各用户的数据信息进行特征提取以得到各用户的属性特征；根据各用户的属性特征结合一标签属性表确定各用户的属性标签；判断各用户的属性标签中是否包括预设投放用户的所有属性标签，并将包括预设投放用户的所有属性标签的用户确定为第一用户；将第一用户进行集合即可得到第一用户群组；

第一画像模块，用于对所述第一候选用户群组进行画像，并根据所述第一候选用户群组的画像确定第二用户群组；所述确定第二用户群组包括：解析第一候选用户群组的画像以获取第一候选用户群组的共同属性标签；随机获取预设数量的用户的数据信息，并对各用户的数据信息进行特征提取，以得到各用户的属性特征；根据各用户的属性特征结合一标签属性表确定各用户的属性标签；判断各用户的属性标签中是否包括第一候选用户群组的所有共同属性标签，并将包括第一候选用户群组的所有共同属性标签的用户确定为第二用户，集合所有第二用户即可构成第二用户群组；其中，判断一用户的属性标签中是否包括第一候选用户群组的所有共同属性标签的过程包括：将第一候选用户群组的各共同属性标签分别与该用户的各属性标签进行一一匹配，若第一候选用户群组的各共同属性标签均与该用户的属性标签中的一个属性标签匹配成功，则该用户的属性标签中包括第一候选用户群组的所有共同属性标签；

第二投放模块，用于向所述第二用户群组投放所述待投放广告，并在所述第二用户群组中获取触发所述待投放广告的第二候选用户群组；

第二画像模块，用于对所述第二候选用户群组进行画像，并根据所述第二候选用户群组的画像确定第三用户群组；

第三投放模块，用于向所述第三用户群组投放所述待投放广告，并在所述第三用户群组中获取触发所述待投放广告并购买所述待投放广告的产品的第三候选用户群组；

第三画像模块，用于对所述第三候选用户群组进行画像，并根据所述第三候选用户群组的画像确定目标用户群组，以及向所述目标用户群组投放所述待投放广告；

其中，通过画像构建模型构建所述候选用户群组的画像，所述画像构建模型的构建包括：获取多个训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息；获取各所述训练用户群组的画像；根据各所述训练用户群组中的各训练用户的个人基本数据信息、行为数据信息、交易数据信息、社会数据信息以及各所述训练用户群组的画像对深度学习网络进行训练得到所述画像构建模型。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～6中任意一项所述的基于大数据的广告投放方法。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～6中任意一项所述的基于大数据的广告投放方法。