CN110163683B - 价值用户关键指标确定方法、广告投放方法及装置 - Google Patents
价值用户关键指标确定方法、广告投放方法及装置 Download PDFInfo
- Publication number
- CN110163683B CN110163683B CN201910441219.8A CN201910441219A CN110163683B CN 110163683 B CN110163683 B CN 110163683B CN 201910441219 A CN201910441219 A CN 201910441219A CN 110163683 B CN110163683 B CN 110163683B
- Authority
- CN
- China
- Prior art keywords
- user
- behavior event
- user behavior
- client
- value
- 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.)
- Active
Links
Images
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供了一种价值用户关键指标确定方法、广告投放方法及装置,该价值用户关键指标确定方法,包括:接收来自客户端的用户行为事件,并存储所述用户行为事件;确定存储的所述用户行为事件所属的类别,所述类别为价值用户或非价值用户;利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率;根据所述概率确定所述用户行为事件的相关信息是否为价值用户关键指标。通过上述方案能够自动确定潜在价值用户的关键指标,从而在提高广告投放精准度的情况下减少分析数据的工作量并降低出错率。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种价值用户关键指标确定方法、广告投放方法及装置。
背景技术
目前,对于一个应用程序产品,可能同时在不同的平台投放广告,例如,Google、Facebook等。投放广告一段时间,各个平台会各自进行数据分析,得到其各自的结论,例如,不同因素下的留存率或付费用户比率等。由于不同平台的分析数据可能会受不同因素的影响,而且,不同平台的数据之间不能互通,所以不同平台所得出的结论一般会不同。那么,到底哪个平台的结论是正确的呢,哪些因素才是用户留存或付费的关键指标呢,这些都无法自动得知。现有实现模式的核心是人工切换到不同平台,平台展示数据给分析人员,分析人员分析数据并汇总结论,寻找出高收益事件,再由投放人员选择性投放广告。
然而,分析人员要花大量时间分析各平台的结论,而且会面临许多需要跨职能协作的沟通问题,还存在出错的风险。
发明内容
有鉴于此,本发明提供了一种价值用户关键指标确定方法、广告投放方法及装置,以自动确定潜在价值用户的关键指标,从而在提高广告投放精准度的情况下减少分析数据的工作量并降低出错率。
根据本发明实施例的一个方面,提供了一种价值用户关键指标确定方法,包括:
接收来自客户端的用户行为事件,并存储所述用户行为事件;
确定存储的所述用户行为事件所属的类别,所述类别为价值用户或非价值用户;
利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率;
根据所述概率确定所述用户行为事件的相关信息是否为价值用户关键指标。
根据本发明实施例的另一个方面,提供了一种广告投放方法,包括:
利用上述所述的价值用户关键指标确定方法确定价值用户关键指标;
将确定的所述价值用户关键指标传输至广告投放平台,以使所述广告投放平台根据确定的所述价值用户关键指标确定价值用户,并将向确定的所述价值用户投放所述客户端的广告。
根据本发明实施例的又一个方面,提供了一种价值用户关键指标确定装置,包括:
用户行为事件获取单元,用于接收来自客户端的用户行为事件,并存储所述用户行为事件;
用户分类单元,用于确定存储的所述用户行为事件所属的类别,所述类别为价值用户或非价值用户;
回归分析单元,用于利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率;
关键指标确定单元,用于根据所述概率确定所述用户行为事件的相关信息是否为价值用户关键指标。
根据本发明实施例的又一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述各实施例所述方法的步骤。
根据本发明实施例的再一个方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述各实施例所述方法的步骤。
本发明的价值用户关键指标确定方法、广告投放方法、价值用户关键指标确定装置、计算机可读存储介质及计算机设备,能够实现自动、直接利用一款产品的所有客户端获取最真实的数据得到价值用户的准确归因,以此能够避免数据来源的真实性问题,以及避免不同平台的归因结论的差异,减少分析人员面临的各种问题,从而在提高广告投放精准度的情况下减少分析数据的工作量并降低出错率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明一实施例的价值用户关键指标确定方法的流程示意图;
图2是本发明一具体实施例的投放广告的方法流程示意图;
图3是本发明一具体实施例的广告投放***的结构示意图;
图4是本发明一实施例的价值用户关键指标确定装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
首先,对本说明书可能涉及的专业术语进行解释:
BigQuery:一种面向数据分析用途的快速、经济实惠、扩容能力极强的全托管式云端数据仓库;
移动应用程序:指设计给智能手机、平板电脑或其他移动设备运行的一种应用程序;
营销分析平台:一种追踪、收集移动应用程序日志,为营销人员提供更好的数据分析和决策支持的软件;
归因:归因是指在多种因素共同(或先后)作用造成的某一个结果时,各种因素应该占有造成该结果的多大的作用,为解决归因的问题而建立的模型被称为归因模型,即attribution modeling;
SDK(Software Development Kit,软件开发工具包):SDK一般都是一些软件工程师为特定的软件包、软件框架、硬件平台、操作***等建立应用软件时的开发工具的集合;
接口:是指对协定进行定义的引用类型;其他类型实现接口,以保证它们支持某些操作;
投放:指在广告平台投放广告,一种付费获取用户的行为;
留存:用户安装APP(应用程序)后的活跃天数,是一项衡量产品收入潜力的标准;
付费:用户在APP中购买的行为。
进一步,对本发明的构思进行详细说明:
图1是本发明一实施例的价值用户关键指标确定方法的流程示意图。如图1所示,一些实施例的价值用户关键指标确定方法的流程示意图,可包括:
步骤S110:接收来自客户端的用户行为事件,并存储所述用户行为事件;
步骤S120:确定存储的所述用户行为事件所属的类别,所述类别为价值用户或非价值用户;
步骤S130:利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率;
步骤S140:根据所述概率确定所述用户行为事件的相关信息是否为价值用户关键指标。
在上述步骤S110中,该客户端可以是安装在终端设备(例如,手机、平板电脑等)上的应用程序(APP)。可以从所有客户端接收用户行为事件。
其中,接收来自客户端的用户行为事件的步骤的具体实施方式可以包括:实时接收客户端通过SDK发来的用户行为事件。其中,“实时”可指当客户端一旦有用户行为事件产生时,就可以上报过来,可以把每个接收的用户行为事件都存储起来。
上述用户行为事件主要可包括该客户端的用户的行为事件,一个用户行为事件可以包含一个行为事件。行为事件可以包括:屏幕浏览的顺序、点击的按钮、在一屏幕上停留的时间、是否将应用退回后台、关注的内容等。此外,上述用户行为事件还可包括用户ID(身份信息)、用户属性等,其中,该用户属性可包括一种或多种该用户的相关信息,例如,性别、年龄、来源地、职业等。
其中,存储所述用户行为事件的步骤的具体实施方式可以包括:将所述用户行为事件存储至数据库中。在将用户行为事件存储至数据库之前,可以对接收的用户行为事件进行整理,例如,以事件发生时间对用户行为事件排序,对行为事件进行分离,对用户属性进行分离。可以将整理后的用户行为事件按一定方式存储至数据库中。利用数据库可以以一定格式对用户行为事件进行存储,例如,将每个用户行为事件对应形成一条包含用户ID、用户属性、行为事件信息的数据,不同用户行为事件对应形成不同条的数据。所述数据库可以是BigQuery数据库,或者可以是其他数据库,例如,Redshift、hbase数据库等。该种BigQuery数据库能够在短时间内处理海量数据,以此能够提高对所述用户行为事件进行分析速度。在其他实施例中,若接收的用户行为事件的格式适合数据库通过简单处理而以一定格式存储,则可以不必经过整理行为事件的过程。
在上述步骤S120中,价值用户可以为该客户端带来直接或潜在的价值,例如交易收入、广告收入等。所述价值用户可以是指留存用户,同时,所述非价值用户可以是指非留存用户。留存用户是活跃时长为设定时长的用户,例如,2日留存、7日留存、14日留存、28日留存等,如果不是该活跃时长的用户,则可视为非留存用户。在此情况下,上述用户行为事件中可以包括该用户的客户端的安装时间、用户首次使用客户端的时间、用户最近一次使用客户端的时间等。根据用户首次使用客户端的时间和用户最近一次使用客户端的时间,能够判断该用户是否为某一活跃时长的留存用户。上述留存用户可以包括某一日期首次使用客户端,设定活跃时长后,仍活跃的所有用户,或者可以包括各个日期首次使用客户端,且活跃时长为设定活跃时长(例如七日)的所有用户。
在其他实施例中,所述价值用户可以是指付费用户,同时,所述非价值用户可以是指非付费用户。客户端可以提供一些服务项目供用户购买,如果用户在活跃设定时长内购买了某种服务项目,则可认为该用户为设定活跃时长内付费的用户,例如,7日不付费、14日不付费、28日不付费等。所以,上述付费用户可以是指用户在设定活跃时长内付费的用户,若在设定活跃时长内未付费,则可认为该用户为非付费用户,或称长期不付费用户。在此情况下,上述用户行为事件中可以包括用户首次使用客户端的时间、该用户是否为该客户端付费等。根据用户首次使用客户端的时间和该用户行为事件的上报时间可以计算该用户是否为设定活跃时长不付费用户。
读取存储的用户行为事件,该用户行为事件可包括用户身份信息、行为事件信息、用户属性信息等。确定存储的所述用户行为事件所属的类别,即,将用户行为事件分为两类:价值用户和非价值用户。确定存储的所述用户行为事件所属的类别之后,得到的用户行为事件可以包含标识是什么类别的标签,例如,是价值用户,还是非价值用户。此时,确定所属类别后的所述用户行为事件可包括用户身份信息、行为事件信息、用户属性信息及类别。其中,用户身份信息可以是该用户的ID;行为事件信息可包括屏幕浏览的顺序、点击的按钮、在一屏幕上停留的时间、是否将应用退回后台、关注的内容等中的一个或多个;用户属性信息可包括性别、年龄、来源地、职业等中的一个或多个。
在上述步骤S130中,所述用户行为事件的相关信息可以为所述行为事件信息和/或所述用户属性信息,具体地,可以是某一种行为事件信息,例如分享动作,或者,可以是某一种用户属性信息,例如,职业或年龄;或者,可以是某几种行为事件信息,例如,点击内容和停留时间,或者,可以是某几种用户属性信息,例如,职业和年龄,或者用户属性信息和行为事件信息的组合,例如,年龄和点击内容。
可以将包含用户身份信息、行为事件信息、用户属性信息及类别的一条信息作为一个样本,或者,可以将用户身份信息、行为事件信息及类别作为一个样本,或者,可以将用户身份信息、用户属性信息及类别作为一个样本。每个样本中的用户属性信息和/或行为事件信息可以作为一个因素或称为指标。每个样本中的用户身份信息可以均为一种,行为事件信息可以均为一种。可以对这样得到的大量样本进行回归分析,例如,二元逻辑回归、线性回归等,得到某一种用户身份信息或几种用户身份信息的组合对应的用户为价值用户的概率,或者,得到某一种用户属性信息或几种用户属性信息的组合对应的用户为价值用户的概率,或者,得到某一种或几种用户属性信息和某一种或几种用户身份信息的组合对应的用户为价值用户的概率。其中,所得概率能够用于评价该种信息对于一个用户成为价值用户的贡献大小,可以是小于或等于一且大于或等于零的小数或比值,或者概率可以以权重值的形式呈现,此时,所有因素对应的概率之和为一或其他定值。
在一些实施例中,该步骤S130,即,利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率的具体实施方式,可包括:利用确定所属类别后的所述用户行为事件进行二元逻辑回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率。
在上述步骤S140中,每个用户行为事件的相关信息(因素)均可对应各自的概率。可以通过比较不同用户行为事件的相关信息(不同因素)来确定将哪一个或哪几个信息(因素)可以作为用来评价上述客户端的用户是否为价值用户的关键指标。例如将大小排在前几名的概率对应的信息作为关键指标,或者将大于设定值的概率对应的信息作为关键指标。通过得到的关键指标能够得知什么样的用户更有可能带来潜在价值,从而可以根据关键指标向相应客户投放广告,从而提高广告定位的精准度。
本发明实施例中,通过从客户端获取用户行为事件,并对用户行为事件进行分类,以及利用分类后的用户行为事件进行回归分析,能够实现自动、直接利用一款产品的所有客户端获取最真实的数据得到价值用户的准确归因,以此能够避免数据来源的真实性问题,以及避免不同平台的归因结论的差异,减少分析人员面临的各种问题,从而在提高广告投放精准度的情况下减少分析数据的工作量并降低出错率。
本发明实施例还提供了一种广告投放方法,一些实施例的广告投放方法,可包括:
S201:利用上述各实施例所述的价值用户关键指标确定方法确定价值用户关键指标;
S202:将确定的所述价值用户关键指标传输至广告投放平台,以使所述广告投放平台根据确定的所述价值用户关键指标确定价值用户,并将向确定的所述价值用户投放所述客户端的广告。
在上述步骤S201中,例如可将大小排在前几名的概率对应的信息作为关键指标,或者可将大于设定值的概率对应的信息作为关键指标。
在上述步骤S202中,可以将确定好的价值用户关键指标通过广告平台的接口传输到广告平台(可为现有的广告平台),然后可以利用广告平台的现有程序找到相应的程序为该客户端投放广告;或者,上述各实施例所述的价值用户关键指标确定方法所对应的程序代码可以植入广告平台,得到价值用户关键指标后,直接就可以找到相应的程序为该客户端投放广告。广告平台上可以记录用户的大量的、多种多样的信息,因此较便于找到目标用户。
在进行回归分析时的输入数据不够多的情况下,可以通过人工根据其经验验证一下所得关键指标是否正确。可以不断地、实时地接收来自各客户端的用户行为事件,在计算一次关键指标后,之后的用户行为事件相较而言是增多的,可以利用增多的用户行为事件定期在此分析关键指标,如果关键指标有变化,则可以输入新的关键指标值广告平台,以进行更精准的广告投放。
本实施例中,利用上述方法确定的价值用户关键指标能够更精准地为客户端产品投放广告。
为使本领域技术人员更好地了解本发明,下面将以具体实施例说明本发明的实施方式。
图2是本发明一具体实施例的投放广告的方法流程示意图。图3是本发明一具体实施例的广告投放***的结构示意图。参见图2和图3,一具体实施例的投放广告的方法,可包括步骤:
1.移动应用客户端通过SDK将用户的行为事件发送给BigQuery数据库存储;
其中,或者可以是Redshift、hbase数据库。客户端上报的数据可以先通过数据整理服务器进行数据整理,之后在存储至数据库。
2.将用户分为留存用户与非留存用户,或者付费用户与长期不付费用户;
其中,通过程序自动对事件的整理,分类原则为用户安装的第二天还打开过APP的算做留存用户。付费不付费皆有特定的统计事件来定义。
3.将步骤2中的分类输出导入到分析***,通过已有的用户行为做二元逻辑回归,找到用户触发留存或付费的关键行为。
其中,分析数据中可包括用户的id及属性(性别年龄来源省份等),行为事件,浏览屏幕的顺序,点击了那些按钮,在哪个屏幕上停留了多长时间,是否将应用退回后台,关注了哪些东西。首先通可过输入已有的数据构建模型,输出发生了什么行为的用户留下的概率更高,然后通过输入新安装用户当日的行为,而输出用户会留存的权重。分析***是指机器学习***,其部分功能可需要训练,通过输入已经收集的用户行为事件及之后留存或付费的行为特征。除了二元逻辑回归,还可以通过其他模型进行分析,例如线性回归。可以通过海量数据进行逻辑回归计算,来训练模型,得到的机器学习分类模型可以用来接收新用户的相关信息,从而可以预估该新用户的贡献情况。
4.将结果输出给分析人员。分析人员如果希望对结果做人工分析,则可以人工验证结果。如果不需要人工分析,则可以直接进入到下发决策。
其中,付费行为事件可以是安装后客户端后第2日、7日、14日、28日等使用了产品。
5.自动或一键下发决策到投放平台,使投放平台可以利用分析决策,针对性的投放给对移动程序最有价值的特定***。
其中,广告投放平台可以有定向投放功能,比如通过分析认为28-35岁男性、金融从业者会更喜欢一款客户端产品,则可将特征告诉广告平台,由广告平台投放给此类互联网用户。
本实施例中,对整理好的数据,利用二元逻辑回归计算出留存用户或付费用户的行为特征,并输出对留存有利的分析结果供人工校验。如确认决策,则下发至投放平台。通过数据收集SDK、数据分析平台,还可以通过人工辅助分析验证及应用方案总结。利用机器学***台,以此帮助投放平台对适用于APP的最佳用户做定型投放。实现一个***汇总所有需要分析的数据,并自主分析出用户的关键行为,只需人工核对分析结果,即可直接下发投放。大大降低了分析人员和投放人员的工作量,并又花了跨职能协作的沟通问题。
基于与图1所示的价值用户关键指标确定方法相同的发明构思,本申请实施例还提供了一种价值用户关键指标确定装置,如下面实施例所述。由于该价值用户关键指标确定装置解决问题的原理与价值用户关键指标确定方法相似,因此该价值用户关键指标确定装置的实施可以参见价值用户关键指标确定方法的实施,重复之处不再赘述。
图4是本发明一实施例的价值用户关键指标确定装置的结构示意图。如图4所示,一些实施例的价值用户关键指标确定装置,可包括:
用户行为事件获取单元210,用于接收来自客户端的用户行为事件,并存储所述用户行为事件;
用户分类单元220,用于确定存储的所述用户行为事件所属的类别,所述类别为价值用户或非价值用户;
回归分析单元230,用于利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率;
关键指标确定单元240,用于根据所述概率确定所述用户行为事件的相关信息是否为价值用户关键指标。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所述方法的步骤。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例所述方法的步骤。
一些实施例中,用户行为事件获取单元,可包括:用户行为事件获取模块,用于实时接收客户端通过SDK发来的用户行为事件。
一些实施例中,用户行为事件获取单元210,可包括:用户行为事件获取模块,用于将所述用户行为事件存储至数据库中;所述数据库包括BigQuery数据库。
一些实施例中,确定所属类别后的所述用户行为事件包括用户身份信息、行为事件信息、用户属性信息及类别;所述用户行为事件的相关信息为所述行为事件信息或所述用户属性信息。
一些实施例中,所述价值用户为留存用户,且所述非价值用户为非留存用户;或者,所述价值用户为付费用户,且所述非价值用户为非付费用户。
一些实施例中,回归分析单元230,可包括:回归分析模块,用于利用确定所属类别后的所述用户行为事件进行二元逻辑回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率。
本发明实施例还提供一种广告投放***,该广告投放***可包括:
价值用户关键指标确定装置,用于利用上述各实施例所述的价值用户关键指标确定方法确定价值用户关键指标;
广告投放装置,用于将确定的所述价值用户关键指标传输至广告投放平台,以使所述广告投放平台根据确定的所述价值用户关键指标确定价值用户,并将向确定的所述价值用户投放所述客户端的广告。
综上所述,本发明实施例的价值用户关键指标确定方法、广告投放方法、价值用户关键指标确定装置、计算机可读存储介质及计算机设备,通过从客户端获取用户行为事件,并对用户行为事件进行分类,以及利用分类后的用户行为事件进行回归分析,能够实现自动、直接利用一款产品的所有客户端获取最真实的数据得到价值用户的准确归因,以此能够避免数据来源的真实性问题,以及避免不同平台的归因结论的差异,减少分析人员面临的各种问题,从而在提高广告投放精准度的情况下减少分析数据的工作量并降低出错率。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种价值用户关键指标确定方法,其特征在于,包括:
接收来自客户端的用户行为事件,并存储所述用户行为事件;
确定存储的所述用户行为事件所属的类别,所述类别为价值用户或非价值用户;所述价值用户为留存用户,且所述非价值用户为非留存用户,或者,所述价值用户为付费用户,且所述非价值用户为非付费用户;
利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率;确定所属类别后的所述用户行为事件包括用户身份信息、行为事件信息、用户属性信息及类别;
根据所述概率确定所述用户行为事件的相关信息是否为价值用户关键指标;所述用户行为事件的相关信息为所述行为事件信息或所述用户属性信息;
其中:
接收来自客户端的用户行为事件,并存储所述用户行为事件,包括:
接收来自客户端的用户行为事件,以事件发生时间对用户行为事件排序,并对用户行为事件中的行为事件进行分离,对用户行为事件中的用户属性进行分离,以将每个用户行为事件对应形成一条包含用户身份信息、用户属性信息、行为事件信息的数据,存储至数据库中;
确定存储的所述用户行为事件所属的类别,包括:
根据用户行为事件中的用户首次使用客户端的时间和用户最近一次使用客户端的时间判断该用户是否为设定活跃时长的留存用户,或者,根据用户行为事件中的用户首次使用客户端的时间、用户行为事件上报时间和用户是否为客户端付费的信息判断该用户是否为设定活跃时长内付费的用户,以确定存储的所述用户行为事件所属的类别是否为价值用户;
利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率,包括:
根据确定所属类别后的所述用户行为事件中的信息生成样本,以样本中的行为事件信息和/或用户属性信息作为指标,并利用生成的样本进行回归分析,得到具有所述用户行为事件中的行为事件信息和/或用户属性信息的客户端的用户是价值用户的概率。
2.如权利要求1所述的价值用户关键指标确定方法,其特征在于,接收来自客户端的用户行为事件,包括:
实时接收客户端通过SDK发来的用户行为事件。
3.如权利要求1所述的价值用户关键指标确定方法,其特征在于,所述数据库包括BigQuery数据库。
4.如权利要求1所述的价值用户关键指标确定方法,其特征在于,利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率,包括:
利用确定所属类别后的所述用户行为事件进行二元逻辑回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率。
5.一种广告投放方法,其特征在于,包括:
利用如权利要求1至4任一项所述的价值用户关键指标确定方法确定价值用户关键指标;
将确定的所述价值用户关键指标传输至广告投放平台,以使所述广告投放平台根据确定的所述价值用户关键指标确定价值用户,并将向确定的所述价值用户投放所述客户端的广告。
6.一种价值用户关键指标确定装置,其特征在于,包括:
用户行为事件获取单元,用于接收来自客户端的用户行为事件,并存储所述用户行为事件;
用户分类单元,用于确定存储的所述用户行为事件所属的类别,所述类别为价值用户或非价值用户;所述价值用户为留存用户,且所述非价值用户为非留存用户,或者,所述价值用户为付费用户,且所述非价值用户为非付费用户;
回归分析单元,用于利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率;确定所属类别后的所述用户行为事件包括用户身份信息、行为事件信息、用户属性信息及类别;
关键指标确定单元,用于根据所述概率确定所述用户行为事件的相关信息是否为价值用户关键指标;所述用户行为事件的相关信息为所述行为事件信息或所述用户属性信息;
其中:
接收来自客户端的用户行为事件,并存储所述用户行为事件,包括:
接收来自客户端的用户行为事件,以事件发生时间对用户行为事件排序,并对用户行为事件中的行为事件进行分离,对用户行为事件中的用户属性进行分离,以将每个用户行为事件对应形成一条包含用户身份信息、用户属性信息、行为事件信息的数据,存储至数据库中;
确定存储的所述用户行为事件所属的类别,包括:
根据用户行为事件中的用户首次使用客户端的时间和用户最近一次使用客户端的时间判断该用户是否为设定活跃时长的留存用户,或者,根据用户行为事件中的用户首次使用客户端的时间、用户行为事件上报时间和用户是否为客户端付费的信息判断该用户是否为设定活跃时长内付费的用户,以确定存储的所述用户行为事件所属的类别是否为价值用户;
利用确定所属类别后的所述用户行为事件进行回归分析,得到具有所述用户行为事件的相关信息的所述客户端的用户是所述价值用户的概率,包括:
根据确定所属类别后的所述用户行为事件中的信息生成样本,以样本中的行为事件信息和/或用户属性信息作为指标,并利用生成的样本进行回归分析,得到具有所述用户行为事件中的行为事件信息和/或用户属性信息的客户端的用户是价值用户的概率。
7.一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,该程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910441219.8A CN110163683B (zh) | 2019-05-24 | 2019-05-24 | 价值用户关键指标确定方法、广告投放方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910441219.8A CN110163683B (zh) | 2019-05-24 | 2019-05-24 | 价值用户关键指标确定方法、广告投放方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110163683A CN110163683A (zh) | 2019-08-23 |
CN110163683B true CN110163683B (zh) | 2020-04-14 |
Family
ID=67632770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910441219.8A Active CN110163683B (zh) | 2019-05-24 | 2019-05-24 | 价值用户关键指标确定方法、广告投放方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163683B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274907B (zh) * | 2020-01-16 | 2023-04-25 | 支付宝(中国)网络技术有限公司 | 使用类别识别模型来确定用户的类别标签的方法和装置 |
CN112184046A (zh) * | 2020-10-12 | 2021-01-05 | 上海移卓网络科技有限公司 | 广告业务用户价值评估方法、装置、设备及存储介质 |
CN112801693B (zh) * | 2021-01-18 | 2024-06-28 | 百果园技术(新加坡)有限公司 | 基于高价值用户的广告特征分析方法及*** |
CN113918740A (zh) * | 2021-11-24 | 2022-01-11 | 北京达佳互联信息技术有限公司 | 事件信息处理方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574147A (zh) * | 2015-12-15 | 2016-05-11 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及服务器 |
CN106203836A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油化工股份有限公司 | 一种炼油企业设备可靠性绩效管理的评估方法 |
CN106682938A (zh) * | 2016-12-23 | 2017-05-17 | 广州帷策智能科技有限公司 | 大数据精准营销模型的构建方法及装置 |
CN109558530A (zh) * | 2018-10-23 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于数据处理的用户画像自动生成方法和*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080065395A1 (en) * | 2006-08-25 | 2008-03-13 | Ferguson Eric J | Intelligent marketing system and method |
CN106295382B (zh) * | 2015-05-20 | 2019-06-14 | 阿里巴巴集团控股有限公司 | 一种信息风险防控方法及装置 |
-
2019
- 2019-05-24 CN CN201910441219.8A patent/CN110163683B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574147A (zh) * | 2015-12-15 | 2016-05-11 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及服务器 |
CN106203836A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油化工股份有限公司 | 一种炼油企业设备可靠性绩效管理的评估方法 |
CN106682938A (zh) * | 2016-12-23 | 2017-05-17 | 广州帷策智能科技有限公司 | 大数据精准营销模型的构建方法及装置 |
CN109558530A (zh) * | 2018-10-23 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于数据处理的用户画像自动生成方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN110163683A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163683B (zh) | 价值用户关键指标确定方法、广告投放方法及装置 | |
CN110209764A (zh) | 语料标注集的生成方法及装置、电子设备、存储介质 | |
US20160285672A1 (en) | Method and system for processing network media information | |
US11270068B2 (en) | System and interface for electronic communication generation and tracking | |
CN109325640A (zh) | 用户价值预测方法、装置、存储介质及设备 | |
EP3764303A1 (en) | Information processing device, etc. for calculating prediction data | |
CN106919625A (zh) | 一种互联网用户属性识别方法和装置 | |
CN111882420A (zh) | 响应率的生成方法、营销方法、模型训练方法及装置 | |
CN110659961A (zh) | 一种用于识别线下商户的方法和装置 | |
CN102402717A (zh) | 数据分析设备和方法 | |
CN113326434B (zh) | 一种信息推荐方法、设备及存储介质 | |
US20180144350A1 (en) | Pathing and attribution in marketing analytics | |
CN109727125A (zh) | 借款金额预测方法、装置、服务器、存储介质 | |
CN113837855A (zh) | 基于云网络的跨境增值税批量智能处理方法、装置及设备 | |
CN111325572B (zh) | 一种数据处理方法及装置 | |
CN113822749A (zh) | 基于rpa及ai的商户结算付款处理方法、装置、设备及介质 | |
CN117094764A (zh) | 银行积分处理方法及装置 | |
CN108460049A (zh) | 一种确定信息类别的方法和*** | |
CN111415138A (zh) | 一种创意处理方法和***、客户端以及服务端 | |
CN115511536A (zh) | 客户终身价值分析方法及装置 | |
CN115269085A (zh) | 手机银行页面展示方法及装置 | |
WO2021129368A1 (zh) | 一种客户类型的确定方法及装置 | |
CN113469558A (zh) | 一种物料管理方法及*** | |
CN112200610A (zh) | 一种营销信息投放方法、***及存储介质 | |
CN111241799A (zh) | 一种线上服务端大量公式迭代计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |