CN116362810B - 广告投放效果评估方法 - Google Patents
广告投放效果评估方法 Download PDFInfo
- Publication number
- CN116362810B CN116362810B CN202310636275.3A CN202310636275A CN116362810B CN 116362810 B CN116362810 B CN 116362810B CN 202310636275 A CN202310636275 A CN 202310636275A CN 116362810 B CN116362810 B CN 116362810B
- Authority
- CN
- China
- Prior art keywords
- keyword
- advertisement
- keywords
- dimension
- weight 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
- 230000000694 effects Effects 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 title claims abstract description 20
- 239000013598 vector Substances 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
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
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种广告投放效果评估方法,包括:获取广告信息;对广告信息进行处理,得到多个关键字;获取预设时长内关键字的命中信息;每个关键字对应的历史广告具有多个广告投放策略;每个广告投放策略具有权重值得分;根据权重值得分,计算第二维度下,每个关键字对应的每个广告投放策略的第一权重值;根据第一权重值,计算每个关键字的全部广告投放策略的第二权重值;根据第一权重值,计算每个关键字的向量和;根据第二权重值和向量和,计算目标用户特征序列;向目标用户特征序列对应的客户ID发送广告信息;接收客户ID发送的针对投放的广告信息的客户行为,根据客户行为,对当前的广告投放效果进行评估。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种广告投放效果评估方法。
背景技术
现有技术中,广告已经成为人们生活的重要组成部分,参与着人们社会生活的方方面面,改变人们生活方式和消费观念。如何投放广告也成为越来越多的企业研究目标,成功的投放广告给目标人群可以让企业事半功倍。但是随着广告投放资金的与日俱增,投放效果和转化率却往往无法保证。因此,如何提高企业广告投放目标人群的精准性,成为急需解决的问题。
发明内容
本发明提供了一种广告投放效果评估方法,以解决现有技术中所存在的问题。
第一方面,本发明提供了一种广告投放效果评估方法,所述方法包括:
获取广告信息;
对所述广告信息进行处理,得到多个关键字;
对每个所述关键字进行查询,当所述关键字与关键字索引集中的目标关键字索引相匹配时,确定所述关键字命中所述目标关键字索引;其中,所述关键字索引集基于大数据服务所建立的;
获取预设时长内所述关键字的命中信息;所述命中信息包括所述关键字命中的历史广告的广告数量和所述历史广告的客户信息;所述客户信息包括客户ID和用于区分客户特征的第一维度;每个所述第一维度包括多个第二维度以及第二维度下的客户数量;每个关键字对应的历史广告具有多个广告投放策略;每个广告投放策略具有权重值得分;
根据所述权重值得分,计算所述第二维度下,每个关键字对应的每个广告投放策略的第一权重值;
根据所述第一权重值,计算每个关键字的全部广告投放策略的第二权重值;
根据所述第一权重值,计算每个关键字的向量和;
根据所述第二权重值和所述向量和,计算目标用户特征序列;
向所述目标用户特征序列对应的客户ID发送所述广告信息;
接收客户ID发送的针对投放的广告信息的客户行为,根据所述客户行为,对当前的广告投放效果进行评估。
在一种可能的实现方式中,所述方法还包括:
当所述关键字与所述关键字索引集不匹配时,统计所述关键字的出现次数;
当出现次数大于预设的次数阈值时,将所述关键字添加在所述关键字索引集中。
在一种可能的实现方式中,所述确定所述关键字命中所述目标关键字索引具体包括:
当所述关键字与所述关键字索引集不匹配时,对所述关键字进行拆分,和/或,确定所述关键字的关联关键字;
对拆分后的关键字,和/或,所述关联关键字进行查询,判断拆分后的关键字,和/或,所述关联关键字与所述关键字索引集是否匹配;
当所述拆分后的关键字,和/或,所述关联关键字与关键字索引集中的目标关键字索引相匹配时,确定所述关键字命中所述目标关键字索引。
在一种可能的实现方式中,所述广告信息包括广告样式;所述对所述广告信息进行处理,得到关键字具体包括:
对所述广告样式进行处理,得到文本内容;
根据内容分析法,对所述文本内容进行分析,统计所述文本内容的词语或词组的词频,得到关键字;以及,
根据文本分析法,对所述文本内容进行分析,根据历史高频特征词选择算法,得到关键字。
在一种可能的实现方式中,所述第一维度包括地域、性别、年龄、投放平台和投放方式;所述获取预设时长内所述关键字的命中次数具体包括:
获取预设时长内,关键字在不同地域的客户数量、命中数量和广告数量;和/或,
获取预设时长内,所述关键字在不同性别的客户数量、命中数量和广告数量;和/或,
获取预设时长内,所述关键字在不同年龄的客户数量、命中数量和广告数量;和/或,
获取预设时长内,所述关键字在不同投放平台的客户数量、命中数量和广告数量;和/或,
获取预设时长内,所述关键字在不同投放方式的客户数量、命中数量和广告数量。
在一种可能的实现方式中,所述广告投放策略包括千人成本、每点击付费、每行动广告成本、搜集潜在客户名单和每用户反馈成本,所述根据所述权重值得分,计算所述第二维度下,每个关键字对应的每个广告投放策略的第一权重值具体包括:
针对当前的广告投放策略下,获取每个关键字在当前的第一维度的权重值得分;
根据每个关键字在第一维度的权重值得分,计算所述关键字的指标权重;
获取所述第一维度下的每个所述第二维度的客户数量;
根据每个第二维度的客户数量,计算当前的广告投放策略下的权重评分;
根据所述权重评分和所述指标权重的乘积,加上所述第二维度的客户数量的占比,得到当前的广告投放策略下,当前的第一维度下每个第二维度的第一权重值。
在一种可能的实现方式中,所述根据所述第一权重值,计算每个关键字的全部广告投放策略的第二权重值具体包括:
针对当前的关键字,以每个广告投放策略为行,以一个第一维度下的每个第二维度的第一权重值为列,得到残差矩阵;
确定所述残差矩阵的特征根;
根据所述残差矩阵和所述特征根,得到线性组合系数;
根据所述第一权重值,得到方差解释率;
将所述线性组合系数与方差解释率的乘积进行累积,再除以方差解释率的累积,得到当前关键字的第二权重值。
在一种可能的实现方式中,所述根据所述第一权重值,计算每个关键字的向量和具体包括:
根据所述第一权重值,计算当前广告投放策略下,当前的关键字在第一维度的平均值;
以第二维度为横坐标,以第一权重值的数值作为纵坐标,建立二维坐标系,并将每个第一权重值标记在所述二维坐标系上,计算在所述二维坐标系内,每个第二维度对应的第一权重值与所述平均值的偏移量,将所述偏移量作为权重向量;
针对每个第一维度,根据每个第二维度的权重向量,计算所述第一维度下的向量和;
针对一个关键字,计算每个广告投放策略下,全部的第一维度下的向量和;
针对一个关键字,根据全部的第一维度下的向量和,计算全部的广告投放策略下的向量和。
在一种可能的实现方式中,所述根据所述第二权重值和所述向量和,计算目标用户特征序列具体包括:
根据每个关键字的第二权重值,计算全部关键字的第一平均值;
根据每个关键字的所述向量和,计算所述向量和的第二平均值;
根据每个关键字的第二权重值和所述第一平均值,标记每个关键字的第一得分;
根据每个关键字的向量和和所述第二平均值,标记每个关键字的第二得分;
根据每个关键字的第一得分和第二得分,计算每个关键字的第三得分;
根据所述第三得分,对所述关键字进行排序;
根据排序结果,从多个关键字中选取目标关键字;
根据目标关键字的二级维度的第一权重值,确定广告投放目标的客户特征,并将所述客户信息中符合客户特征的客户,作为广告投放目标。
在一种可能的实现方式中,所述客户行为包括点击、注册和退订,所述接收客户ID发送的针对投放的广告信息的客户行为,根据所述客户行为,对当前的广告投放效果进行评估具体包括:
分别统计点击、注册和退订的客户数量;
根据所述点击、注册和退订的客户数量,计算点击的人数、注册的人数和退订的人数的占比,得到评估报告。
第二方面,本发明提供了一种芯片***,包括处理器,所述处理器与存储器的耦合,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器执行时实现第一方面任一项所述的广告投放效果评估方法。
第三方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行第一方面任一项所述的广告投放效果评估方法。
通过应用本发明实施例提供的广告投放效果评估方法可以根据广告信息中的关键字,确定每个关键字命中的客户信息和历史广告信息,确定目标用户特征序列,并针对目标用户进行广告投放,并在广告投放后,针对目标用户的行为,进行投放结果的统计,从而进一步的针对该投放结果,优化投放人群,从而提高了投放人群的精度,以提高投放成功率。
附图说明
图1为本发明实施例一提供的广告投放效果评估方法流程示意图;
图2为图1中步骤150的流程图;
图3为图1中步骤160的流程图;
图4为图1中步骤170的流程图;
图5为图1中步骤180的流程图;
图6为本发明实施例二提供的芯片***结构示意图;
图7为本发明实施例三提供的计算机存储介质结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
实施例一
图1为本发明实施例一提供的广告投放效果评估方法流程示意图。该方法应用在企业和投放对象之间的***中,该***会进行处理,以确定最优的投放对象。如图1所示,本申请包括以下步骤:
步骤110,获取广告信息;
具体的,广告公司提供广告信息,该广告信息包括广告主、广告公司、广告媒体、广告目标客户、广告类型、广告目标、信息个性和推广费用预算等。
步骤120,对广告信息进行处理,得到多个关键字;
具体的,本申请的广告信息指广告样式,该广告样式一般为文字,图片,视频。可以对图片或视频通过AI自动化识别技术,统一转换成文本内容,该AI自动化识别技术具有视频撰写,音频翻译,文档翻译等功能。后续根据内容分析法和文本分析法对文本内容进行处理,得到多个关键字。
其中,可以根据内容分析法,对文本内容进行分析,统计文本内容的词语或词组的词频,得到关键字;以及,根据文本分析法,对文本内容进行分析,根据历史高频特征词选择算法,得到关键字。从而得到广告信息中的多个关键字,后续,对每个关键字依次进行处理。
步骤130,对每个关键字进行查询,当关键字与关键字索引集中的目标关键字索引相匹配时,确定关键字命中目标关键字索引;其中,关键字索引集基于大数据服务所建立的;
具体的,本申请中,基于大数据服务,对历史的广告信息进行处理,抽取到历史广告信息中的所有关键字,比如,某个关键字在预设时长内在历史广告信息中出现的次数大于预设次数阈值,则可以将该关键字添加在关键字索引集中,利用得到的关键字索引集,可以判断当前的关键字是否处于关键字索引集中,如果出现在关键字索引集中,执行步骤140。
本申请将关键字与关键字索引集进行匹配,当关键字命中关键字索引时,将关键字命中的关键字索引作为目标关键字索引。当关键字未命中关键字索引集中的关键字时,可以对该关键字进行拆分,或者查询该关键字所关联的关联关键字,并查询拆分后的关键字或者该关联关键字是否与关键字索引相匹配,当拆分后的关键字或者关联关键字与关键字索引相匹配时,也可以看做关键字命中关键字索引集,并将该关键字索引作为目标关键字索引。该拆分后的关键字或者关联关键字可以称为二级关键字,后续在进行关键字是否命中广告信息的判断时,可以以该二级关键字进行是否命中的判断。
当拆分后的关键字或者关联关键字未与关键字索引相匹配时,将该拆分后的关键字或者关联关键字的次数累计为1,当累计次数达到此处阈值时,将该拆分后的关键字或者关联关键字添加在关键字索引集中,从而实现对关键字索引集的扩充。
步骤140,获取预设时长内关键字的命中信息;
其中,命中信息包括关键字命中的历史广告的广告数量和历史广告的客户信息;客户信息包括用于区分客户特征的第一维度;每个第一维度包括多个第二维度以及第二维度下的客户数量;每个关键字对应的历史广告具有多个广告投放策略;每个广告投放策略具有权重值得分;
具体的,第一维度包括地域、性别、年龄、投放平台和投放方式。其中,第一维度为地域时,第二维度包括多个省份的名称,比如,北京、石家庄。第一维度为性别时,第二维度为男、女;第一维度为年龄时,第二维度可以是年龄段划分,比如10-20、20-30、30-40等;第一维度为投放平台时,第二维度可以是投放的平台名称,比如微信、QQ等;第一维度为投放方式时,第二维度可以是互联网广告、纸媒广告、演示类广告。
其中,命中信息可以包括:
获取预设时长内,关键字在不同地域的客户数量、命中数量和广告数量;和/或,
获取预设时长内,关键字在不同性别的客户数量、命中数量和广告数量;和/或,
获取预设时长内,关键字在不同年龄的客户数量、命中数量和广告数量;和/或,
获取预设时长内,关键字在不同投放平台的客户数量、命中数量和广告数量;和/或,
获取预设时长内,关键字在不同投放方式的客户数量、命中数量和广告数量。
比如,关键字“小米”,检索后,确定命中的广告数量为8000次,浏览该些广告的客户数量为30万人次。
参见表1,为该关键字在第一维度为地域,比如省份,第二维度为河北、石家庄等时的客户数量、命中数量和广告数量。其中,命中数量为该关键字命中所有信息的数量,由于本申请针对的为广告信息,因此,本申请仅对命中数量中的命中的广告进行分析,不对命中的其他信息进行分析。可以理解的是,可以将本申请的方法应用在其他应用中,比如,在短信投放时等,其基本方法与本申请相类似,此处不再赘述。
参见表2,为关键字在第一维度为年龄,第二维度为10-20、20-30等时的客户数量、命中数量和广告数量。
参见表3,为关键字在第一维度为性别,第二维度为男、女时的客户数量、命中数量和广告数量。
步骤150,根据权重值得分,计算第二维度下,每个关键字对应的每个广告投放策略的第一权重值;
具体的,广告投放策略包括千人成本(cost per one thousand impressions,CPM)、每点击付费(Cost Per Click ,CPC)、每行动广告成本(Cost Per Action, CPA)、搜集潜在客户名单(Cost Per Leads,CPL)和每用户反馈成本 (Cost Per Response,CPR)。
其中,CPM千人成本,即广告接触1000受众所需要费用,一般计算公式为:CPM=广告费用/受众总量*1000;CPM主要显示广告的直接效益,作为评估的重要量化标准,体现投放媒介的效益。
CPC每点击付费,即网络广告的收费计算形式,广泛用在搜寻引擎、广告网络、以及网站或博客等网络广告平台;主要使用‘关键字’或内容匹配,作为受众搜索目的广告的重要检索方式。
CPA每行动成本广告,为按效果付费成本策略,计算公式为: CPA=总成本/转化次数;
CPA主要显示广告的实际投放效果,即根据有效订单或反馈来进行广告费计算。
CPL搜集潜在客户名单,即按照搜集潜在客户名单多少来收费。这是一种用户通过点击进入特定的链接,成功注册后广告主才进行付费的广告模式,帮助广告主控制推广成本。
CPR每用户反馈成本,以浏览者的每一个回应计费,提现网络广告的及时反应,直接互动,精确记录。
其中,参见图2,步骤150包括以下步骤:
步骤1501,针对当前的广告投放策略下,获取每个关键字在当前的第一维度的权重值得分;
具体的,本申请针对每个关键字,可以通过查询来确定每种维度下的每个广告投放策略的权重值得分,比如,一个关键字,第一维度为性别时,对应的每种广告投放策略都有一个权重值得分,在第一维度为年龄时,对应的每种广告投放策略又有一个权重值得分。而每种关键字下的每种投放策略的权重值得分,可以是基于大数据服务来进行确定的,比如,基于历史广告信息来统计每个关键字在每个第一维度的权重值得分,或者,根据经验来设置每个关键字在每个第一维度的权重值得分,并将该权重值得分进行存储。从而,当利用步骤110-步骤120确定当前的关键字后,直接基于本申请的大数据服务所建立的数据库中进行查询,以获得该关键字对应的每种广告投放策略下的每个第一维度的权重值得分。表4为某个关键字在第一维度下,在每种广告投放策略的权重值得分。
步骤1502,根据每个关键字在第一维度的权重值得分,计算关键字的指标权重;
其中,指标权重为每个广告投放策略下,一个第一维度在全部第一维度中所占的比例。继续参见表4可知,针对某个关键字,第一维度为年龄时,CPM千人成本的得分为3,而CPM千人成本为10,则由此可以计算关键字在第一维度为年龄时的指标权重:3/10=30%。
步骤1503,获取第一维度下的每个第二维度的客户数量;
比如,某个关键字,比如“xx游戏”,第一维度为年龄时,第二维度为对年龄进行划分,参见表5,可以将年龄划分为10-20、20-30、30-40。在选取的广告投放策略为千人成本时,按照第二维度下的年龄段,得到的占比如表5所示。
步骤1504,根据每个第二维度的客户数量,计算当前的广告投放策略下的权重评分;
具体的,权重评分是指一个广告投放策略下,第一维度下的第二维度的评分,可以根据公式x=(x-min)/(max-min)计算权重评分;其中,min为最小值,max为最大值。
从表5中可知,10~20岁人群的min为16000,max为28000,x为23000,则权重评分为:(23000-16000)/(28000-16000)=0.583。
步骤1505,根据权重评分和指标权重的乘积,加上第二维度的客户数量的占比,得到当前的广告投放策略下,当前的第一维度下每个第二维度的第一权重值。
具体的,该步骤为进行归一化处理,从步骤1502可知,10~20岁人群的指标权重占比30%;而10~20岁占比数为50%;综合评分使用百分制进行归一化,得到在CPM千人成本下,10~20岁的第一权重值为:(0.583*30% + 1* 50%)*100=67.49。
相应的,可以得到在CPM下,第一维度为年龄时,每个第二维度的第一权重值,比如,得到年龄段为20-30时的第一权重值,年龄段为30-40时的第一权重值。可以按照相同的方法,得到CPM下,第一维度为地域、性别、投放平台、投送方式时,第一维度下的每个第二维度的第一权重值。
步骤160,根据第一权重值,计算每个关键字的全部广告投放策略的第二权重值;
其中,参见图3,步骤160包括以下步骤:
步骤1601,针对当前的关键字,以每个广告投放策略为行,以一个第一维度下的每个第二维度的第一权重值为列,得到残差矩阵;
其中,残差矩阵的行为五个广告投放策略,列为每个第一维度。比如,在每个第一维度为年龄时,为一个残差矩阵;第一维度为性别时,又对应一个残差矩阵,从而第一维度有几个,就具有几个残差矩阵。
步骤1602,确定残差矩阵的特征根;
其中,可以对每个残差矩阵进行运算,得到每个残差矩阵的特征根。
步骤1603,根据残差矩阵和特征根,得到线性组合系数;
具体的,通过残差矩阵,除以特征根,得到线性组合系数。
步骤1604,根据第一权重值,得到方差解释率;
其中,方差为数据与其算术平均数的离差平方和的平均数,而方差解释率为当前残差平方和/方差,反映参数和模型的解释能力,结果越接近1时,模型对参数解释能力越强(相关性高)。
参见表6,可根据第一权重值,来得到方差,并得到方差解释率。由此,可以得到每个第一维度下的方差解释率。
步骤1605,将线性组合系数与方差解释率的乘积进行累加,再除以方差解释率的累加,得到当前关键字的第二权重值。
具体的,将每个第一维度下的线性组合系数与该第一维度下的方差解释率进行相乘后,再进行累加,再除以每个第一维度的方差解释率的累加,可以得到第二权重值。
步骤170,根据第一权重值,计算每个关键字的向量和。
具体的,参见图4,步骤170包括以下步骤:
步骤1701,根据第一权重值,计算当前广告投放策略下,当前的关键字在第一维度的平均值;
具体的,根据步骤1501-1505,可以得到在一个广告投放策略下,每个关键字在二级维度的一个第一权重值,根据第一权重值,可以计算每个一级维度的平均值,比如,可以计算在CPM下,第一维度为年龄时的平均值,即将10-20的第一权重值,加上20-30的第一权重值,再加上30-40的第一权重值,再除以3,得到第一维度为年龄时的平均值。
步骤1702,以第二维度为横坐标,以第一权重值的数值作为纵坐标,建立二维坐标系,并将每个第一权重值标记在二维坐标系上,计算在二维坐标系内,每个第二维度对应的第一权重值与平均值的偏移量,将偏移量作为权重向量;
以第一维度为年龄举例,在横坐标上,以预设的间隔,设置有10-20、20-30、30-40三个点,在纵坐标上,对100进行等10划分,在建立的该坐标系上标注第一权重值,从而得到坐标系上的三个点,可以将平均值同时标注在该坐标系上,该平均值的横坐标可以为20-30,从而在坐标轴上可以计算得到三个距离,d=√[(x1-x0)²+(y1-y0)²],√为开方符号。即CPM下,第一维度为年龄时,具有三个权重向量。
其他第一维度的权重向量的计算方法和上述计算方法相似,此处不再赘述。
步骤1703,针对每个第一维度,根据每个第二维度的权重向量,计算第一维度下的向量和;
继续参见步骤1702中的例子,将三个权重向量相加,得到CPM广告投放策略下,第一维度为年龄时的向量和。
步骤1704,针对一个关键字,计算每个广告投放策略下,全部的第一维度下的向量和;
具体的,根据上述相同的方法,可以分别得到每个广告投放策略下,第一维度分别为地域、性别、投放平台、投放方式时的向量和。
步骤1705,针对一个关键字,根据全部的第一维度下的向量和,计算全部的广告投放策略下的向量和。
将每个关键字对应的全部第一维度、全部广告投放策略下的向量和相加,最终得到该关键字的向量和,即最终的向量和。
步骤180,根据第二权重值和向量和,计算目标用户特征序列;
具体的,参见图5步骤180包括:
步骤1801,根据每个关键字的第二权重值,计算全部关键字的第一平均值;
具体的,每个广告信息可以包括多个关键字,将每个关键字的第二权重值相加后,再除以关键字数量,可以得到全部关键字的第一平均值。
步骤1802,根据每个关键字的向量和,计算向量和的第二平均值;
具体的,根据每个关键字的向量和,计算该关键字的向量和的绝对值,将每个关键字的向量和的绝对值相加后,再除以关键字的个数,得到向第二平均值。
参见表7,可以得到如表7中关键字学习、上衣、裙子等的第二权重值和向量和绝对值。
步骤1803,根据每个关键字的第二权重值和第一平均值,标记每个关键字的第一得分;
具体的,可以根据每个关键字的第二权重值与平均值的差值的大小,来对每个关键字赋予得分。比如,可以预设有得分表,该得分表中给出了差值在多少时,对应的第一得分,比如,当学习的第二权重值78>62,则可以对学习赋予1,裙子的第二权重值40<62,可以对裙子赋予第一得分为0.2等。
本申请中,可以根据优序图权重表构建方式,第一得分或第二得分相对更大时计为1分,相对更小时计为0分,平均值完全相等时计为0.5分。
步骤1804,根据每个关键字的向量和和第二平均值,标记每个关键字的第二得分;
相应的,与1803相似,可以采用同样的方法得到每个关键字的第二得分。
步骤1805,根据每个关键字的第一得分和第二得分,计算每个关键字的第三得分;
具体的,将第一得分和第二得分相加,得到每个关键字的第三得分。
步骤1806,根据第三得分,对关键字进行排序;
步骤1807,根据排序结果,从多个关键字中选取目标关键字;
具体的,根据第三得分,对关键字进行排序,以确定目标关键字,比如目标关键字为学习和上衣。
步骤1808,根据目标关键字的二级维度的第一权重值,确定广告投放目标的客户特征,并将客户信息中符合客户特征的客户,作为广告投放目标。
具体的,从步骤1808至步骤150,查询目标关键字对应的第一权重值,以确定广告投放目标的客户特征。比如,CPM广告投放策略下,学习对应的二级维度为10-20岁时的第一权重值较大,则通过该种广告投放策略,向10-20岁的客户投放该广告信息。相应的,在CPC广告投放策略下,20-30岁的第一权重较大,则通过该种广告投放策略向20-30岁的客户投放该广告信息。
步骤190,向目标用户特征序列对应的客户ID发送广告信息;
具体的,由于已经获取到广告投放目标,而从步骤140中可以查询到该些客户的客户ID,从而可以向该些客户ID投放广告信息。
步骤200,接收客户ID发送的针对投放的广告信息的客户行为,根据客户行为,对当前的广告投放效果进行评估。
具体的,客户行为包括点击、注册和退订,接收客户针对投放的广告信息的客户行为,以及广告投放策略,生成投放效果的评估报告具体包括:
分别统计客户行为为点击、注册和退订的数量;
根据点击、注册和退订的数量,和广告投放策略,计算点击的人数、注册的人数和退订的人数,得到评估报告。
后续,针对评估报告,又可以进一步的优化权重值得分,从而便于后续更精准的投放。
通过应用本发明实施例提供的广告投放效果评估方法可以根据广告信息中的关键字,确定每个关键字命中的客户信息和历史广告信息,确定目标用户特征序列,并针对目标用户进行广告投放,并在广告投放后,针对目标用户的行为,进行投放结果的统计,从而进一步的针对该投放结果,优化投放人群,从而提高了投放人群的精度,以提高投放成功率。
实施例二
本发明实施例二提供了一种芯片***,如图6所示,包括处理器,处理器与存储器的耦合,存储器存储有程序指令,当存储器存储的程序指令被处理器执行时实现如实施例一提供的任意一种广告投放效果评估方法。
实施例三
本发明实施例三提供一种计算机可读存储介质,如图7所示,包括程序或指令,当所述程序或指令在计算机上运行时,实现如实施例一提供的任意一种广告投放效果评估方法。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,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,以上仅为本发明的具体实施方式而已,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 (9)
1.一种广告投放效果评估方法,其特征在于,所述方法包括:
获取广告信息;
对所述广告信息进行处理,得到多个关键字;
对每个所述关键字进行查询,当所述关键字与关键字索引集中的目标关键字索引相匹配时,确定所述关键字命中所述目标关键字索引;其中,所述关键字索引集基于大数据服务所建立的;
获取预设时长内所述关键字的命中信息;所述命中信息包括所述关键字命中的历史广告的广告数量和所述历史广告的客户信息;所述客户信息包括客户ID和用于区分客户特征的第一维度;每个所述第一维度包括多个第二维度以及第二维度下的客户数量;每个关键字对应的历史广告具有多个广告投放策略;每个广告投放策略具有权重值得分;
根据所述权重值得分,计算所述第二维度下,每个关键字对应的每个广告投放策略的第一权重值;
根据所述第一权重值,计算每个关键字的全部广告投放策略的第二权重值;
根据所述第一权重值,计算每个关键字的向量和;
根据所述第二权重值和所述向量和,计算目标用户特征序列;
向所述目标用户特征序列对应的客户ID发送所述广告信息;
接收客户ID发送的针对投放的广告信息的客户行为,根据所述客户行为,对当前的广告投放效果进行评估;
根据每个关键字的第二权重值,计算全部关键字的第一平均值;
根据每个关键字的所述向量和,计算所述向量和的第二平均值;
根据每个关键字的第二权重值和所述第一平均值,标记每个关键字的第一得分;
根据每个关键字的向量和和所述第二平均值,标记每个关键字的第二得分;
根据每个关键字的第一得分和第二得分,计算每个关键字的第三得分;
根据所述第三得分,对所述关键字进行排序;
根据排序结果,从多个关键字中选取目标关键字;
根据目标关键字的二级维度的第一权重值,确定广告投放目标的客户特征,并将所述客户信息中符合客户特征的客户,作为广告投放目标。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述关键字与所述关键字索引集不匹配时,统计所述关键字的出现次数;
当出现次数大于预设的次数阈值时,将所述关键字添加在所述关键字索引集中。
3.根据权利要求2所述的方法,其特征在于,所述确定所述关键字命中所述目标关键字索引具体包括:
当所述关键字与所述关键字索引集不匹配时,对所述关键字进行拆分,和/或,确定所述关键字的关联关键字;
对拆分后的关键字,和/或,所述关联关键字进行查询,判断拆分后的关键字,和/或,所述关联关键字与所述关键字索引集是否匹配;
当所述拆分后的关键字,和/或,所述关联关键字与关键字索引集中的目标关键字索引相匹配时,确定所述关键字命中所述目标关键字索引。
4.根据权利要求1所述的方法,其特征在于,所述广告信息包括广告样式;所述对所述广告信息进行处理,得到关键字具体包括:
对所述广告样式进行处理,得到文本内容;
根据内容分析法,对所述文本内容进行分析,统计所述文本内容的词语或词组的词频,得到关键字;以及,
根据文本分析法,对所述文本内容进行分析,根据历史高频特征词选择算法,得到关键字。
5.根据权利要求1所述的方法,其特征在于,所述第一维度包括地域、性别、年龄、投放平台和投放方式;所述获取预设时长内所述关键字的命中次数具体包括:
获取预设时长内,关键字在不同地域的客户数量、命中数量和广告数量;和/或,
获取预设时长内,所述关键字在不同性别的客户数量、命中数量和广告数量;和/或,
获取预设时长内,所述关键字在不同年龄的客户数量、命中数量和广告数量;和/或,
获取预设时长内,所述关键字在不同投放平台的客户数量、命中数量和广告数量;和/或,
获取预设时长内,所述关键字在不同投放方式的客户数量、命中数量和广告数量。
6.根据权利要求1所述的方法,其特征在于,所述广告投放策略包括千人成本、每点击付费、每行动广告成本、搜集潜在客户名单和每用户反馈成本,所述根据所述权重值得分,计算所述第二维度下,每个关键字对应的每个广告投放策略的第一权重值具体包括:
针对当前的广告投放策略下,获取每个关键字在当前的第一维度的权重值得分;
根据每个关键字在第一维度的权重值得分,计算所述关键字的指标权重;
获取所述第一维度下的每个所述第二维度的客户数量;
根据每个第二维度的客户数量,计算当前的广告投放策略下的权重评分;
根据所述权重评分和所述指标权重的乘积,加上所述第二维度的客户数量的占比,得到当前的广告投放策略下,当前的第一维度下每个第二维度的第一权重值。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一权重值,计算每个关键字的全部广告投放策略的第二权重值具体包括:
针对当前的关键字,以每个广告投放策略为行,以一个第一维度下的每个第二维度的第一权重值为列,得到残差矩阵;
确定所述残差矩阵的特征根;
根据所述残差矩阵和所述特征根,得到线性组合系数;
根据所述第一权重值,得到方差解释率;
将所述线性组合系数与方差解释率的乘积进行累积,再除以方差解释率的累积,得到当前关键字的第二权重值。
8.根据权利要求6所述的方法,其特征在于,所述根据所述第一权重值,计算每个关键字的向量和具体包括:
根据所述第一权重值,计算当前广告投放策略下,当前的关键字在第一维度的平均值;
以第二维度为横坐标,以第一权重值的数值作为纵坐标,建立二维坐标系,并将每个第一权重值标记在所述二维坐标系上,计算在所述二维坐标系内,每个第二维度对应的第一权重值与所述平均值的偏移量,将所述偏移量作为权重向量;
针对每个第一维度,根据每个第二维度的权重向量,计算所述第一维度下的向量和;
针对一个关键字,计算每个广告投放策略下,全部的第一维度下的向量和;
针对一个关键字,根据全部的第一维度下的向量和,计算全部的广告投放策略下的向量和。
9.根据权利要求1所述的方法,其特征在于,所述客户行为包括点击、注册和退订,所述接收客户ID发送的针对投放的广告信息的客户行为,根据所述客户行为,对当前的广告投放效果进行评估具体包括:
分别统计点击、注册和退订的客户数量;
根据所述点击、注册和退订的客户数量,计算点击的人数、注册的人数和退订的人数的占比,得到评估报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310636275.3A CN116362810B (zh) | 2023-06-01 | 2023-06-01 | 广告投放效果评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310636275.3A CN116362810B (zh) | 2023-06-01 | 2023-06-01 | 广告投放效果评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116362810A CN116362810A (zh) | 2023-06-30 |
CN116362810B true CN116362810B (zh) | 2023-09-01 |
Family
ID=86909786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310636275.3A Active CN116362810B (zh) | 2023-06-01 | 2023-06-01 | 广告投放效果评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362810B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078360A (zh) * | 2023-10-16 | 2023-11-17 | 深圳市卖点科技股份有限公司 | 一种基于线下推广的商品智能展示方法、***及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101097580A (zh) * | 2007-06-20 | 2008-01-02 | 精实万维软件(北京)有限公司 | 一种对网络广告进行排序的方法 |
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 |
CN109711872A (zh) * | 2018-12-14 | 2019-05-03 | 中国平安人寿保险股份有限公司 | 基于大数据分析的广告投放方法及装置 |
CN111651722A (zh) * | 2020-04-08 | 2020-09-11 | 西窗科技(苏州)有限公司 | 一种针对广告主广告投放效果的风险评估方法及平台 |
CN115907868A (zh) * | 2022-12-21 | 2023-04-04 | 中山市征途文化传播有限公司 | 一种广告投放分析方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110196739A1 (en) * | 2010-02-05 | 2011-08-11 | Ruofei Zhang | Systems and methods for efficiently ranking advertisements based on relevancy and click feedback |
US20200413134A1 (en) * | 2019-06-27 | 2020-12-31 | Nanning Fugui Precision Industrial Co., Ltd. | System and method for effective advertising on a client device |
-
2023
- 2023-06-01 CN CN202310636275.3A patent/CN116362810B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101097580A (zh) * | 2007-06-20 | 2008-01-02 | 精实万维软件(北京)有限公司 | 一种对网络广告进行排序的方法 |
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 |
CN109711872A (zh) * | 2018-12-14 | 2019-05-03 | 中国平安人寿保险股份有限公司 | 基于大数据分析的广告投放方法及装置 |
CN111651722A (zh) * | 2020-04-08 | 2020-09-11 | 西窗科技(苏州)有限公司 | 一种针对广告主广告投放效果的风险评估方法及平台 |
CN115907868A (zh) * | 2022-12-21 | 2023-04-04 | 中山市征途文化传播有限公司 | 一种广告投放分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116362810A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hillard et al. | Improving ad relevance in sponsored search | |
US7533090B2 (en) | System and method for rating electronic documents | |
US8533043B2 (en) | Clickable terms for contextual advertising | |
US7143054B2 (en) | Assessment of communication strengths of individuals from electronic messages | |
Lewis et al. | Measuring the Effects of Advertising | |
CN106997549A (zh) | 一种广告信息的推送方法及*** | |
US20110218859A1 (en) | Method, Apparatus and System for Increasing Website Data Transfer Speed | |
CN102124462A (zh) | 查询识别和关联 | |
US20090171763A1 (en) | System and method for online advertising driven by predicting user interest | |
CN107330718B (zh) | 一种媒体反作弊方法及装置、存储介质、终端 | |
Szymanski et al. | Model of the effectiveness of Google Adwords advertising activities | |
WO2008118655A1 (en) | Semantic analysis of documents to rank terms | |
US20120173338A1 (en) | Method and apparatus for data traffic analysis and clustering | |
WO2013060015A1 (en) | Advertisement determination system and method for clustered search results | |
CN116362810B (zh) | 广告投放效果评估方法 | |
WO2012024066A2 (en) | Contextual advertising with user features | |
US20130066708A1 (en) | Online advertising system and a method of operating the same | |
CN107528761A (zh) | 一种微信公众号自动回复信息的方法和*** | |
US20190050890A1 (en) | Video dotting placement analysis system, analysis method and storage medium | |
KR100792700B1 (ko) | 신경망을 가지는 협업 필터링 시스템을 이용하여 클릭패턴에 기초한 웹 광고 추천 방법 및 그 시스템 | |
US20150310487A1 (en) | Systems and methods for commercial query suggestion | |
US20170213239A1 (en) | Audience reach of different online advertising publishers | |
CN110866778A (zh) | 一种基于互联网平台的广告推送方法 | |
US20120084142A1 (en) | Bid landscape forecasting in online advertising | |
CN109598544A (zh) | 一种媒体目标匹配方法及*** |
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 |