CN111612503A - 一种基于外部页面投放触达用户信息的广告推送方法、装置和电子设备 - Google Patents
一种基于外部页面投放触达用户信息的广告推送方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111612503A CN111612503A CN202010281894.1A CN202010281894A CN111612503A CN 111612503 A CN111612503 A CN 111612503A CN 202010281894 A CN202010281894 A CN 202010281894A CN 111612503 A CN111612503 A CN 111612503A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- advertisement
- conversion
- advertisements
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims abstract description 94
- 238000013210 evaluation model Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000012821 model calculation Methods 0.000 claims description 5
- 230000001737 promoting effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000002716 delivery method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种基于外部页面投放触达用户信息的广告推送方法，包括：获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户；将当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，投放不同类型广告的转化评分表示当前用户在投放不同类型广告后转化的概率；比较并选择最高转化评分对应的投放广告类型作为当前用户的最终投放类型；将预设的最终投放类型的广告推送至当前用户端。本发明通过获取目标用户触达途径数据，提取新的用户特征标签，进行准确用户分类，实现广告精准推送，降低营销成本，提高用户转化率，进而提升企业利润。
Description
技术领域
本发明涉及计算机信息处理领域，具体而言，涉及一种基于外部页面投放触达用户信息的广告推送方法、装置、电子设备及计算机可读介质。
背景技术
随着智能移动终端的普及，互联网营销成为产品营销的重要途径，其具有覆盖人群广、传播速度快、投放样式多等诸多优势。伴随着大数据及人工智能技术的发展，基于对目标用户的特征匹配，互联网广告投放日益精准。例如，在人们生产生活的不同阶段，基于对用户属性数据、行为数据和金融数据的分析，利用对历史数据的挖掘，采用机器学习训练的模型精确的获知目标用户的特征及类型，并根据分析结果制定营销策略，进行广告精准投放。但是，这种精准营销的模式较适用于能掌握较详细个人信息的应用用户。对于在宣传、拉新等活动中基于外部页面触达的用户，缺乏丰富的标签沉淀，难以获知用户的偏好，无法做出有效的提前预判。
因此，作为互联网营销中泛用性最强，多投形式丰富的外部页面广告投放方式，需要一种新的广告投放方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它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
有鉴于此，本公开提供一种基于外部页面投放触达用户信息的广告推送方法、装置、电子设备及计算机可读介质，通过获取目标用户触达途径数据，提取新的用户特征标签，进行准确用户分类，实现广告精准推送，降低营销成本，提高用户转化率，进而提升企业利润。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种基于外部页面投放触达用户信息的广告推送方法，包括：
获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户；
将所述当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率；
比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型；
将预设的所述最终投放类型的广告推送至当前用户端。
可选地，还包括基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型。
可选地，基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型，包括：获取历史上已经进行转化的第一用户的基础数据及其投放广告类型数据；获取历史上未进行转化的第二用户的基础数据及其投放广告类型数据；将所述第一用户和所述第二用户的基础数据及投放广告类型数据作为训练样本，采用机器学习的方法进行训练，生成所述用户转化评估模型。
可选地，还包括：所述第一用户及第二用户均为通过外部页面投放触达的历史用户。
可选地，所述基础数据还包括所述用户属性数据、外部页面触达途径数据。
可选地，外部页面触达途径数据包括所述用户获取外部页面的硬件数据、关系数据、获取方式数据。
可选地，不同类型的广告包括具有MGM因素的广告、具有领奖因素的广告、具有宣传展示因素的广告。
可选地，将预设的所述最终投放类型的广告推送至当前用户端步骤进一步包括根据所述最终投放类型选取相应的内容生成页面布局数据；将所述页面布局数据发送给所述当前用户端；所述当前用户端渲染并生成包含有最终投放类型广告内容的展示页面向所述当前用户进行展示。
可选地，还包括：跟踪所述当前用户的转化数据；以及通过所述当前用户的转化数据及基础信息数据更新所述用户转化评估模型。
根据本公开的一方面，提出基于外部页面投放触达用户信息的广告投放装置，包括：用户数据模块，用于获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户；模型计算模块，用于将所述当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率；类型确定模块，用于比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型；广告推送模块，用于将预设的所述最终投放类型的广告推送至当前用户端。
可选地，还包括：模型训练模块，用于基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型。
可选地，所述模型训练模块包括：第一信息单元，用于获取历史上已经进行转化的第一用户的基础数据及其投放广告类型数据；第二信息单元，用于获取历史上未进行转化的第二用户的基础数据及其投放广告类型数据；训练单元，用于将所述第一用户和所述第二用户的基础数据及投放广告类型数据作为训练样本，采用机器学习的方法进行训练，生成所述用户转化评估模型。
可选地，还包括所述第一用户及第二用户均为通过外部页面投放触达的历史用户。
可选地，基础数据还包括所述用户属性数据、外部页面触达途径数据。
可选地，外部页面触达数据包括所述用户获取外部页面的硬件数据、关系数据、获取方式数据。
可选地，不同类型的广告包括具有MGM因素的广告、具有领奖因素的广告、具有宣传展示因素的广告。
可选地，所述广告推送模块包括：页面内容单元，用于根据所述最终投放类型选取相应的内容生成页面布局数据；发送单元，用于将所述页面布局数据发送给所述当前用户端。
可选地，还包括：模型更新单元，用于跟踪所述当前用户的转化数据；以及通过所述当前用户的转化数据及基础信息数据更新所述用户转化评估模型。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的广告推送方法、装置、电子设备及计算机可读介质，获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户；将所述当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率；比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型；将预设的所述最终投放类型的广告推送至当前用户端的方式，通过获取目标用户触达途径数据，提取新的用户特征标签，进行准确用户分类，实现广告精准推送，降低营销成本，提高用户转化率，进而提升企业利润。
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的，并不能限制本公开。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明本发明示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是根据一示例性实施例示出的一种基于外部页面投放触达用户信息的广告推送方法及装置的***框图。
图2是根据一示例性实施例示出的一种基于外部页面投放触达用户信息的广告推送方法的流程图。
图3是根据一示例性实施例示出的模型训练方法的流程图。
图4是根据一示例性实施例示出的一种基于外部页面投放触达用户信息的广告投放装置。
图5是根据一示例性实施例示出的模型训练模块的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
图7是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明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元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
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，或在一个或多个硬件模块或集成电路中实现这些功能实体，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。
应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
图1是根据一示例性实施例示出的一种基于外部页面投放触达用户信息的广告推送方法及装置的***框图。
如图1所示，***架构10包括用户终端101、102、103，网络104、媒体服务器105、应用服务器106。网络104用以在用户终端101、102、 103和媒体服务器105、应用服务器106之间提供通信链路的介质；网络 104还用以在媒体服务器105与应用服务器106之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用用户终端101、102、103通过网络104与媒体服务器 105交互，以接收或发送消息等。用户终端101、102、103上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
用户终端101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
媒体服务器105可以是提供各种服务的服务器，例如对用户利用用户终端101、102、103所浏览的浏览类网站或使用的应用提供支持的后台管理服务器。后台管理服务器可以对接收到的用户数据进行分析等处理，并将广告推送给用户。
应用服务器106可以是提供各种服务的服务器，在用户利用用户终端 101、102、103浏览时，应用服务器106可向目标用户提供位于媒体服务器105广告的广告信息。
应用服务器106可例如获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户；应用服务器106可例如将所述当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率；应用服务器可例如比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型；媒体服务器105可例如将预设的所述最终投放类型的广告推送至当前用户端。
应用服务器106可例如基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型。
媒体服务器105和应用服务器106可以分别是一个实体的服务器，还可例如为多个服务器组成。需要说明的是，本公开实施例所提供的广告推送方法可以由应用服务器106执行，相应地，广告推送装置可以设置于应用服务器106中。而提供给用户进行浏览的客户端一般位于用户终端101、 102、103中。
图2是根据一示例性实施例示出的一种基于外部页面投放触达用户信息的广告推送方法的流程图。基于外部页面投放触达用户信息的广告推送方法20至少包括步骤S201至S204。
如图2所示，在步骤S201，获取当前用户的基础数据。
获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户。
更具体而言，提供应用服务的广告内容提供方在第三方投放页面广告。当前用户通过点击、扫码、浏览页面等主动或被动的方式向第三方服务器发出页面访问请求信息，页面访问请求信息包括用于展示广告内容提供方提供的内容的页面。
可选地，广告内容提供方对在第三方投放广告的同一资源位提供多套不同类型的广告内容，所述不同类型的广告内容具体包括但不限于包括具有MGM因素的广告、具有领奖因素的广告、具有宣传展示因素的广告，分别用于向MGM敏感型用户、领奖敏感型、宣传展示敏感型用户进行展示。
应用服务器(广告内容提供方服务器)获取第三方服务器(媒体服务器)发送的当前用户基础信息。可选地，当前用户基础信息为第三方服务器基于用户访问请求生成的用户信息，具体包括但不限于用户属性数据、外部页面触达途径数据。
更具体而言，外部页面触达途径数据可包括用户获取外部页面的硬件数据，包括但不限于用户机器信息、网络信息；关系数据，包括但不限于用户获取外部页面的关系应用、关系设备或关系人信息；获取方式数据，包括但不限于扫码、点击、分享获取等方式。
在步骤S202中，生成当前用户的转化评分。将当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率。
在一个实施例中，可基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型。
在步骤S203中，基于转化评分确定广告类型。
通过步骤S202获取当前用户在不同类型广告投放下转化的概率，比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型。
可例如，向当前用户投放具有MGM因素的广告，其转化率为0.7；向当前用户投放具有领奖因素的广告，其转化率为0.4；向当前用户投放具有宣传展示因素的广告，其转化率为0.2。比较不同类型广告投放下转化率可知，当前用户对具有MGM因素的广告最为敏感，转化率最高，则确定具有MGM因素的广告投放为当前用户的最终投放类型。
在步骤S204中，根据广告类型将预设的广告推送至当前用户。
第三方服务器获取应用服务器发送的包含当前用户最终投放类型的信息，选取广告提供方预先提供的对应类型的广告内容，生成页面布局数据。
第三方服务器将生成的页面布局数据通过网络发送给当前用户。
当前用户终端渲染并生成包含有最终投放类型广告内容的展示页面向所述当前用户进行展示。
根据本公开的广告推送方法，获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户；将所述当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率；比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型；将预设的所述最终投放类型的广告推送至当前用户端的方式，通过获取目标用户触达途径数据，提取新的用户特征标签，进行准确用户分类，实现广告精准推送，降低营销成本，提高用户转化率，进而提升企业利润。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图3是根据一示例性实施例示出的模型训练方法的流程图。图3所示的流程是对“基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型”的详细描述。
如图3所示，在步骤S301中，获取第一用户信息。
获取历史上已经进行转化的第一用户的基础数据及其投放广告类型数据。其中，第一用户的基础数据可包括第一用户的属性数据、外部页面触达途径数据、第一用户转化时间、用户状态等。
在步骤S302中，获取第二用户信息。
获取历史上未进行转化的第二用户的基础数据及其投放广告类型数据。
在步骤S303中，模型训练。
将所述第一用户和所述第二用户的基础数据及投放广告类型数据作为训练样本，采用机器学习的方法进行训练，生成所述用户转化评估模型。
其中，机器学习模型可为梯度提升决策树模型(Gradient Boosting DecisionTree，GBDT)，GBDT是一种迭代的决策树算法，由多棵决策树组成，所有树的结论累加起来做最终答案。GBDT是一个应用很广泛的算法，可以用于分类，回归和特征选择。
在步骤S304中，模型更新。跟踪当前用户的转化数据；以及通过所述当前用户的转化数据及基础信息数据更新所述用户转化评估模型。
更进一步，对于最早用于训练的数据，可通过AB测试的方式生成。用户通过注册手机号等方式获取申请访问外部页面的资格，发出外部页面访问请求。应用服务器基于注册手机号，按照广告类型数量将用户进行平均分配，分别投放不同类型的广告。同时匹配于手机号生成对应的唯一流水号，用以跟踪用户后续操作信息。获取投放至不同类型广告用户的转化信息，连同用户基础信息，作为模型训练的初始样本。
本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时，可以实现本发明提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质中，该存储介质可以是磁盘、光盘、ROM、 RAM等可读存储介质，也可以是多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。
下面描述本发明的装置实施例，该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明装置实施例中未披露的细节，可以参照上述方法实施例来实现。
图4是根据一示例性实施例示出的一种基于外部页面投放触达用户信息的广告投放装置。广告推送装置40包括：用户数据模块401、模型训练模块402、模型计算模块403、类型确定模块404，以及广告推送模块405。
用户数据模块401，用于获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户。
用户数据模块401获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户。
更具体而言，提供应用服务的广告内容提供方在第三方投放页面广告。当前用户通过点击、扫码、浏览页面等主动或被动的方式向第三方服务器发出页面访问请求信息，页面访问请求信息包括用于展示广告内容提供方提供的内容的页面。
可选地，广告内容提供方对在第三方投放广告的同一资源位提供多套不同类型的广告内容，所述不同类型的广告内容具体包括但不限于包括具有MGM因素的广告、具有领奖因素的广告、具有宣传展示因素的广告，分别用于向MGM敏感型用户、领奖敏感型、宣传展示敏感型用户进行展示。
用户数据模块401获取第三方服务器(媒体服务器)发送的当前用户基础信息。可选地，当前用户基础信息为第三方服务器基于用户访问请求生成的用户信息，具体包括但不限于用户属性数据、外部页面触达途径数据。
更具体而言，外部页面触达途径数据可包括用户获取外部页面的硬件数据，包括但不限于用户机器信息、网络信息；关系数据，包括但不限于用户获取外部页面的关系应用、关系设备或关系人信息；获取方式数据，包括但不限于扫码、点击、分享获取等方式。
模型训练模块402，用于基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型。
模型计算模块403，用于将所述当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率。
类型确定模块404，用于比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型。
模型计算模块403获取当前用户在不同类型广告投放下转化的概率，类型确定模块404比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型。
可例如，向当前用户投放具有MGM因素的广告，其转化率为0.7；向当前用户投放具有领奖因素的广告，其转化率为0.4；向当前用户投放具有宣传展示因素的广告，其转化率为0.2。类型确定模块404比较不同类型广告投放下转化率可知，当前用户对具有MGM因素的广告最为敏感，转化率最高，则确定具有MGM因素的广告投放为当前用户的最终投放类型。
广告推送模块405，用于将预设的所述最终投放类型的广告推送至当前用户端。广告推送模块405获取包含当前用户最终投放类型的信息，预先提供的对应类型的广告内容，生成页面布局数据。
广告推送模块405可包括页面内容单元和发送单元。其中，页面内容单元，用于根据所述最终投放类型选取相应的内容生成页面布局数据；发送单元，用于将所述页面布局数据发送给所述当前用户端。
图5是根据一示例性实施例示出的模型训练模块的框图。图5所示的框图是对模型训练模块402的详细描述。
模型训练模块402包括第一信息单元501、第二信息单元502、训练单元503和模型更新单元504。
第一信息单元501，用于获取历史上已经进行转化的第一用户的基础数据及其投放广告类型数据。
第二信息单元502，用于获取历史上未进行转化的第二用户的基础数据及其投放广告类型数据。
训练单元503，用于将所述第一用户和所述第二用户的基础数据及投放广告类型数据作为训练样本，采用机器学习的方法进行训练，生成所述用户转化评估模型。
模型更新单元504，用于跟踪所述当前用户的转化数据；以及通过所述当前用户的转化数据及基础信息数据更新所述用户转化评估模型。
本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
图6是根据一示例性实施例示出的一种电子设备的框图。
下面参照图6来描述根据本公开的这种实施方式的电子设备700。图 6显示的电子设备700仅仅是一个示例，不应对本公开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700以通用计算设备的形式表现。电子设备700 的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同***组件(包括存储单元720和处理单元710)的总线730、显示单元740等。
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710执行，使得所述处理单元710执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图2中所示的步骤。
所述存储单元720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)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。
所述存储单元720还可以包括具有一组(至少一个)程序模块7205 的程序/实用工具7204，这样的程序模块7205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730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700也可以与一个或多个外部设备700’(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700 交互的设备通信，和/或与使得该电子设备700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750进行。并且，电子设备700还可以通过网络适配器760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。网络适配器760可以通过总线730 与电子设备700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700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，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明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计算机可读的存储介质(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、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法。
所述计算机程序可以存储于一个或多个计算机可读介质上。计算机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。
所述计算机可读存储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。可读存储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。可读存储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)。
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
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，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，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 (10)
1.一种基于外部页面投放触达用户信息的广告推送方法，其特征在于，包括：
获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户；
将所述当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率；
比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型；
将预设的所述最终投放类型的广告推送至当前用户端。
2.根据权利要求1所述的方法，其特征在于，还包括：
基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型。
3.根据权利要求1-2中任一项所述的方法，其特征在于，所述基于历史用户的基础数据利用机器学习的方式训练生成所述用户转化评估模型，包括：
获取历史上已经进行转化的第一用户的基础数据及其投放广告类型数据；
获取历史上未进行转化的第二用户的基础数据及其投放广告类型数据；
将所述第一用户和所述第二用户的基础数据及投放广告类型数据作为训练样本，采用机器学习的方法进行训练，生成所述用户转化评估模型。
4.根据权利要求1-3中任一项所述的方法，其特征在于，还包括：
所述第一用户及第二用户均为通过外部页面投放触达的历史用户。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述基础数据还包括所述用户属性数据、外部页面触达途径数据。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述外部页面触达途径数据包括所述用户获取外部页面的硬件数据、关系数据、获取方式数据。
7.根据权利要求1-6中任一项所述的方法，其特征在于所述不同类型的广告包括具有MGM因素的广告、具有领奖因素的广告、具有宣传展示因素的广告。
8.一种基于外部页面投放触达用户信息的广告投放装置，其特征在于，包括：
用户数据模块，用于获取当前用户的基础数据，其中，所述当前用户为当前通过外部页面投放方式触达的用户；
模型计算模块，用于将所述当前用户的基础数据输入用户转化评估模型中，获取用户基于投放不同类型广告的转化评分，所述投放不同类型广告的转化评分表示所述当前用户在投放不同类型广告后转化的概率；
类型确定模块，用于比较并选择最高转化评分对应的投放广告类型作为所述当前用户的最终投放类型；
广告推送模块，用于将预设的所述最终投放类型的广告推送至当前用户端。
9.一种电子设备，其中，该电子设备包括：
处理器；以及，
存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-9中任一项所述的方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010281894.1A CN111612503B (zh) | 2020-04-11 | 2020-04-11 | 一种基于外部页面投放触达用户信息的广告推送方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010281894.1A CN111612503B (zh) | 2020-04-11 | 2020-04-11 | 一种基于外部页面投放触达用户信息的广告推送方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111612503A true CN111612503A (zh) | 2020-09-01 |
| CN111612503B CN111612503B (zh) | 2024-01-23 |
Family
ID=72199580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010281894.1A Active CN111612503B (zh) | 2020-04-11 | 2020-04-11 | 一种基于外部页面投放触达用户信息的广告推送方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612503B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070545A (zh) * | 2020-09-10 | 2020-12-11 | 贝壳技术有限公司 | 用于优化信息触达的方法、装置、介质和电子设备 |
| CN112347343A (zh) * | 2020-09-25 | 2021-02-09 | 北京淇瑀信息科技有限公司 | 一种定制信息推送方法、装置和电子设备 |
| CN112348558A (zh) * | 2020-09-27 | 2021-02-09 | 北京淇瑀信息科技有限公司 | 一种营销触达资源消耗确定方法、装置及电子设备 |
| CN112651776A (zh) * | 2020-12-23 | 2021-04-13 | 湖北小启数云科技有限公司 | 一种基于大数据分析的电子广告推送方法及*** |
| CN112733012A (zh) * | 2020-12-30 | 2021-04-30 | 杭州网易再顾科技有限公司 | 一种执行用户触达的方法、装置、设备和介质 |
| WO2022068280A1 (zh) * | 2020-09-30 | 2022-04-07 | 深圳前海微众银行股份有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN116703452A (zh) * | 2023-06-21 | 2023-09-05 | 江苏精加至信医疗科技有限公司 | 一种基于智能营销的客户管理方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107066272A (zh) * | 2017-03-31 | 2017-08-18 | 北京奇艺世纪科技有限公司 | 一种页面更新方法及装置 |
| US20170286997A1 (en) * | 2016-04-05 | 2017-10-05 | Facebook, Inc. | Advertisement conversion prediction based on unlabeled data |
| CN109118276A (zh) * | 2018-07-26 | 2019-01-01 | 飞立股份有限公司 | 一种一站式全屏精准程序化购买平台获取流量来源的方法 |
| CN109615411A (zh) * | 2018-10-29 | 2019-04-12 | 中国平安人寿保险股份有限公司 | 基于算法模型的广告投放方法及装置、电子设备 |
| CN110570232A (zh) * | 2019-08-05 | 2019-12-13 | 科大讯飞股份有限公司 | 互联网广告投放方法、装置、服务器及存储介质 |
-
2020
- 2020-04-11 CN CN202010281894.1A patent/CN111612503B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170286997A1 (en) * | 2016-04-05 | 2017-10-05 | Facebook, Inc. | Advertisement conversion prediction based on unlabeled data |
| CN107066272A (zh) * | 2017-03-31 | 2017-08-18 | 北京奇艺世纪科技有限公司 | 一种页面更新方法及装置 |
| CN109118276A (zh) * | 2018-07-26 | 2019-01-01 | 飞立股份有限公司 | 一种一站式全屏精准程序化购买平台获取流量来源的方法 |
| CN109615411A (zh) * | 2018-10-29 | 2019-04-12 | 中国平安人寿保险股份有限公司 | 基于算法模型的广告投放方法及装置、电子设备 |
| CN110570232A (zh) * | 2019-08-05 | 2019-12-13 | 科大讯飞股份有限公司 | 互联网广告投放方法、装置、服务器及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 艾瑞咨询: "融合场景下的互联网商业价值研究报告 2018年", 《艾瑞咨询系列研究报告（2018年第1期）》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070545A (zh) * | 2020-09-10 | 2020-12-11 | 贝壳技术有限公司 | 用于优化信息触达的方法、装置、介质和电子设备 |
| CN112347343A (zh) * | 2020-09-25 | 2021-02-09 | 北京淇瑀信息科技有限公司 | 一种定制信息推送方法、装置和电子设备 |
| CN112347343B (zh) * | 2020-09-25 | 2024-05-28 | 北京淇瑀信息科技有限公司 | 一种定制信息推送方法、装置和电子设备 |
| CN112348558A (zh) * | 2020-09-27 | 2021-02-09 | 北京淇瑀信息科技有限公司 | 一种营销触达资源消耗确定方法、装置及电子设备 |
| WO2022068280A1 (zh) * | 2020-09-30 | 2022-04-07 | 深圳前海微众银行股份有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN112651776A (zh) * | 2020-12-23 | 2021-04-13 | 湖北小启数云科技有限公司 | 一种基于大数据分析的电子广告推送方法及*** |
| CN112733012A (zh) * | 2020-12-30 | 2021-04-30 | 杭州网易再顾科技有限公司 | 一种执行用户触达的方法、装置、设备和介质 |
| CN116703452A (zh) * | 2023-06-21 | 2023-09-05 | 江苏精加至信医疗科技有限公司 | 一种基于智能营销的客户管理方法及*** |
| CN116703452B (zh) * | 2023-06-21 | 2024-03-12 | 江苏精加至信医疗科技有限公司 | 一种基于智能营销的客户管理方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111612503B (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111612503B (zh) | 一种基于外部页面投放触达用户信息的广告推送方法、装置和电子设备 | |
| CN107172151B (zh) | 用于推送信息的方法和装置 | |
| CN106874467B (zh) | 用于提供搜索结果的方法和装置 | |
| CN107577807B (zh) | 用于推送信息的方法和装置 | |
| CN109460513A (zh) | 用于生成点击率预测模型的方法和装置 | |
| CN107426328B (zh) | 信息推送方法和装置 | |
| CN111210335B (zh) | 用户风险识别方法、装置及电子设备 | |
| CN107908662B (zh) | 搜索***的实现方法和实现装置 | |
| CN111125574A (zh) | 用于生成信息的方法和装置 | |
| CN108491267A (zh) | 用于生成信息的方法和装置 | |
| CN111147431B (zh) | 用于生成信息的方法和装置 | |
| CN112017059A (zh) | 一种分级优化的风险控制方法、装置和电子设备 | |
| CN113297288A (zh) | 用户的实时标签生成方法、装置及电子设备 | |
| CN112017060A (zh) | 为目标用户进行资源分配的方法、装置及电子设备 | |
| CN112784152A (zh) | 一种标记用户的方法和装置 | |
| CN111210336A (zh) | 用户风险模型生成方法、装置及电子设备 | |
| CN110796480A (zh) | 一种实时广告投放管理方法、装置和*** | |
| CN112017062B (zh) | 基于客群细分的资源额度分配方法、装置及电子设备 | |
| CN112819528A (zh) | 人群包的上线方法、装置及电子设备 | |
| CN112015562A (zh) | 基于迁移学习的资源分配方法、装置及电子设备 | |
| CN111179030B (zh) | 广告出价方法、装置及电子设备 | |
| CN110333866B (zh) | 承接页面生成方法、装置及电子设备 | |
| CN113297287B (zh) | 用户策略自动部署方法、装置及电子设备 | |
| CN110910178A (zh) | 一种生成广告的方法和装置 | |
| CN107291835A (zh) | 一种搜索词的推荐方法和装置 |
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 |