CN117132328A - 广告投放控制方法及其装置、设备、介质 - Google Patents
广告投放控制方法及其装置、设备、介质 Download PDFInfo
- Publication number
- CN117132328A CN117132328A CN202311178621.4A CN202311178621A CN117132328A CN 117132328 A CN117132328 A CN 117132328A CN 202311178621 A CN202311178621 A CN 202311178621A CN 117132328 A CN117132328 A CN 117132328A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- audience
- seed
- audiences
- marketing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000000694 effects Effects 0.000 claims abstract description 105
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 93
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000012216 screening Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 29
- 238000010801 machine learning Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 16
- 238000007726 management method Methods 0.000 description 11
- 230000006399 behavior Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000001976 improved effect Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 239000008186 active pharmaceutical agent Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000008685 targeting Effects 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
- G06Q30/0251—Targeted advertisements
-
- 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
- G06Q30/0254—Targeted advertisements based on statistics
-
- 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
- G06Q30/0276—Advertisement creation
-
- 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
- G06Q30/0277—Online advertisement
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种广告投放控制方法及其装置、设备、介质、产品,所述方法包括:获取在线店铺投放商品广告相对应的广告投放信息,广告投放信息包括商品活动信息、种子规模及多个关注营销特征;根据多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众;采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据广告价值筛选出与种子规模相对应的多个候选受众作为种子受众;以各个种子受众作为种子人群确定目标受众,将商品活动信息投放给目标受众。本申请既考虑了与关注营销特征的密切对应性,又考虑了各个种子受众对广告投放所能产生的潜在价值,可以提升广告投放成效。
Description
技术领域
本申请涉及电商信息技术领域,尤其涉及一种广告投放控制方法及其装置、设备、介质。
背景技术
电商平台的广告***可以提供商品推广服务,电商平台的在线店铺可以向广告***提交广告投放信息,对需要推广的商品做广告投放。广告***可以通过多种技术为广告投放确定相应的目标受众,以最大化确保广告投放效果。
传统技术中,广告***为广告投放信息确定目标受众的方式主要包括标签定向技术和种子人群技术,其中,标签定向技术主要通过商家用户给定关键词作为标签来搜索确定,操作较为简便灵活,但对目标受众的定位精准度较低,而且由于关键词与竞品相同的概率较高,竞争激烈,获得的广告投入回报率往往较低。种子人群技术通过对目标受众进行画像确定,根据用户的属性、行为、兴趣等信息,通过特定的筛选规则和条件来选择一部分作为种子人群,在种子人群的基础上扩展出目标受众,同样具有简便灵活的特点,但却存在一些不足,主要表现为:
其一、相关技术主要基于特征匹配实施,实施匹配的各种深度学习模型对某些特征往往存在过拟合或欠拟合的情况,导致圈选的种子人群与当前广告投放的目标受众的匹配度难以把握,进而导致广告投入回报率也不稳定,广告投放所引流的用户,不一定满足广告投放者的预期。
其二、相关技术主要通过用户画像特征来匹配种子人群,但欠缺对种子用户的实际价值的预估,即使对用户的潜在价值对广告投放效果的影响有所考量,也常以偏概全,导致无法产生良好的广告收益。
由此可见,种子人群技术中,种子人群直接影响广告投放效果,而传统的种子人群投放技术由于对模型能力的过度依赖和对用户实际价值的预估能力不足,导致广告投放效果不佳,尚有较大的效益提升空间,有必要对种子人群技术做出进一步的探索。
发明内容
本申请的目的在于提供一种广告投放控制方法及其相应的装置、设备,以及非易失性可读存储介质。
根据本申请的一个方面,提供一种广告投放控制方法,包括如下步骤:
获取在线店铺投放商品广告相对应的广告投放信息,所述广告投放信息包括商品活动信息、种子规模及多个关注营销特征;
根据所述多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众;
采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据所述广告价值筛选出与所述种子规模相对应的多个候选受众作为种子受众;
以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众。
根据本申请的另一方面,提供一种广告投放控制装置,包括:
信息获取模块,设置为获取在线店铺投放商品广告相对应的广告投放信息,所述广告投放信息包括商品活动信息、种子规模及多个关注营销特征;
受众候选模块,设置为根据所述多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众;
受众精选模块,设置为采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据所述广告价值筛选出与所述种子规模相对应的多个候选受众作为种子受众;
广告推送模块,设置为以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众。
根据本申请的另一方面,提供一种广告投放控制设备,包括中央处理器和存储器,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本申请所述的广告投放控制方法的步骤。
根据本申请的另一方面,提供一种非易失性可读存储介质,其以计算机可读指令的形式存储有依据所述的广告投放控制方法所实现的计算机程序,所述计算机程序被计算机调用运行时,执行该方法所包括的步骤。
相对于现有技术,本申请具获取在线店铺提供的广告投放信息后,利用其中指定的关注营销特征在预设的营销特征库中进行规则匹配,筛选出大于广告投放信息中预设的种子规模的多个候选受众,实现对广告受众的粗筛,确保利用营销特征对广告受众进行查全;进一步再结合受众评分算法,利用多个预设价值维度确定各个候选受众的广告价值,再根据广告价值筛选出与指定的种子规模相对应的多个种子受众,实现对广告受众的精筛,确保利用根据多价值维度确定的广告价值实现对广告受众的查准。由此快速高效地得到当次广告投放相对应的种子人群,既充分考虑了与关注营销特征的密切对应性,又充分考虑了各个种子受众对广告投放所能产生的潜在价值,而且匹配期望的种子规模,在此基础上利用种子人群扩充目标受众更具可靠性,当向根据种子人群确定的目标受众推送广告后,可以获得良好的广告投入回报率,全面***地优化了广告投放技术,实现对广告***的提质增效。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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。
图1为本申请的示例性的电商平台的网络架构示意图;
图2为本申请的广告投放控制方法的一种实施例的流程示意图;
图3为本申请实施例中从广告受众中粗筛出候选受众的流程示意图;
图4为本申请实施例中构造营销特征库的流程示意图;
图5为本申请实施例中从候选受众中精筛出种子受众的流程示意图;
图6为本申请实施例中预备确定广告价值的机器学习模型的流程示意图;
图7为本申请实施例中根据种子受众投放广告的流程示意图;
图8为本申请实施例中对营销特征库进行极端用户的清理的流程示意图;
图9为本申请的广告投放控制装置的原理框图;
图10为本申请所采用的一种广告投放控制设备的结构示意图。
具体实施方式
如图1所示的网络架构中,电商平台82部署于互联网中以向其用户提供相应的服务,电商平台82的商家用户的设备80和消费者用户的设备81同理也接入互联网,以使用电商平台提供的服务。例如,电商平台可以通过配置广告***为电商平台中的各家在线店铺的商家用户开放广告投放服务,在商家用户提交广告活动信息的情况下,为其确定广告投放相对应的目标受众,将广告活动信息中的商品活动信息投放给相应的目标受众。
示例性的电商平台82,借助互联网基础设施而面向社会大众提供产品和/或服务的供需匹配,在电商平台82中,产品和/或服务是作为商品信息而提供的,为简化描述,在本申请中使用商品、产品等概念指代电商平台82中的产品和/或服务,具体可以是物理产品、数字产品、门票、服务订阅、其他线下履行的服务等。
现实中的各方实体可以用户的身份接入电商平台82,使用电商平台82提供的各种在线服务,实现参与电商平台82所实现的商务活动的目的。这些实体可以是自然人、法人或社会组织等。对应商务活动中的商家和消费者两类实体,电商平台82相应存在商家用户和消费者用户两大类用户。商务活动中产品流通链条的各方实体,包括厂家、卖方、零售商、物流提供方等,均可以商家用户的身份在电商平台82中使用在线服务,而商务活动中的消费者,包括现实或潜在的消费者,则可以其相应的消费者用户的身份在电商平台82中使用在线服务。实际商务活动中,同一个实体既可以商家用户的身份活动,也可以消费者用户的身份进行活动,对此应灵活变通理解。
用于部署电商平台82的基础设施主要包括后台架构和前端设备,后台架构通过服务集群运行各种在线服务,包括面向平台方的中间件或前端服务、面向消费者的服务、面向商家的服务等,来丰富和完善其服务功能;前端设备主要涵盖用户用来作为客户端接入电商平台82的终端设备,包括但不限于各种移动终端、个人计算机、销售点设备等。示例而言,商家用户可以通过其终端设备80来为其在线店铺录入商品信息,或者使用电商平台开放的接口生成其商品信息;消费者用户可以通过其终端设备81访问电商平台82所实现的在线店铺的网页,通过网页上提供的购物按键,触发购物流程,在购物流程中调用电商平台82所提供的各种在线服务,从而实现购物下单的目的。
在一些实施例中,电商平台82可以通过包括处理器和存储器的处理设施来实现,该处理设施存储一组指令,该指令在被执行时使得电商平台82执行本申请所涉及的电子商务和支持功能。处理设施可以是服务器、客户端、网络基础设施、移动计算平台、云计算平台、固定计算平台或其他计算平台的一部分,并且提供电商平台82的电子组件、商家设备、支付网关、应用开发者、营销渠道、运输提供商、客户设备、销售点设备等。
电商平台82可以实现为云计算服务、软件即服务(SaaS)、基础设施即服务(IaaS)、平台即服务(PaaS)、桌面即服务(DaaS)、托管软件即服务、移动后端即服务(MBaaS)、信息技术管理即服务(I TMaaS)等在线服务。在一些实施例中,电商平台82的各个功能部件可以被实现为适于在各种平台和操作***上操作,例如,对于一个在线店铺来说,其管理员用户无论在iOS、Android、HomonyOS、还是网页等各种实施例中,都享有相同或类似的功能。
电商平台82可以为各个商家实现其相应的独立站,以运行其相应的在线店铺,为商家提供相应的商务管理引擎实例,供商家建立、维护、运行其在一个或多个独立站中的一个或多个在线店铺。商务管理引擎实例可以用于一个或多个在线店铺的内容管理、任务自动化和数据管理,可以通过接口或内建组件等方式配置在线店铺的各种具体业务流程以支持商务活动的实现。独立站是具有跨境服务功能的电商平台82的基础设施,商户可以基于独立站较为集中自主地维护其在线店铺。独立站通常具有商家专用的域名和存储空间,不同独立站之间具有相对独立性,电商平台82可以为海量的独立站提供标准化或个性化的技术支持,使得商家用户可以定制出自身相适应的商务管理引擎实例,并使用这个商务管理引擎实例来维护其拥有的一个或多个在线店铺。
在线店铺可以通过商家用户以管理员身份登录其商务管理引擎实例来实施后台配置和维护,在电商平台82的基础设施所提供的各种在线服务的支持下,商家用户可以其管理员身份对其在线店铺中的各种功能进行配置,对各种数据进行查阅等,例如,商家用户可以管理其在线店铺的各个方面,例如查看在线商店最近的活动、更新在线店铺产品目录、管理订单、最近访问活动、总订单活动等;商家用户还可以通过获取报告或度量来查看关于商业和对商家的在线商店的访问者的更详细的信息,例如显示商家的整体业务的销售摘要、活动销售营销渠道的特定销售和参与数据等。
电商平台82可以提供用于提供电子通信和营销的通信设施和相关联的商家接口,例如利用电子消息聚合设施来收集和分析商家、消费者、商家设备、客户设备、销售点设备等之间的通信交互,聚合和分析通信,例如用于增加提供产品销售的潜力等。例如,消费者可能有与产品有关的问题,这可能在消费者和商家(或代表商家的基于自动处理器的代理)之间产生对话,其中通信设施负责交互并向商家提供关于如何提高销售概率的分析。
一些实施例中,可以提供适合安装到终端设备的应用程序来服务于不同用户的访问需求,以便使各种用户能够在终端设备中,通过运行应用程序来访问电商平台82,例如电商平台82中的在线店铺的商家后台模块等,通过这些功能来实现商务活动的过程中,电商平台82可以将支持实现商务活动相关的各种功能实现为中间件或在线服务并开放相应的接口,然后将接口访问功能相对应的工具包植入到应用程序中来实现功能扩展和任务实现。商务管理引擎可以包括一系列基本功能,并通过API将这些功能暴露给在线服务和/或应用程序调用,在线服务和应用程序通过远程调用相对应的API而使用相应的功能。
在商务管理引擎实例的各个组件的支持下,电商平台82可以提供在线购物功能,使商家能够以灵活透明的方式与客户建立联系,消费者用户可以在线选购物品,创建商品订单,在商品订单中提供货物的送达地址,并完成商品订单的支付确认。然后,商家可以审查并完成或取消订单。商务管理引擎实例携带的审查组件可以实现商业流程的合规使用,以确保订单在实际履行之前适合履行。订单有时候也可能是欺诈性的,需要加以验证(例如身份证检查),有一种需要商家等待以确保收到资金的支付方法可以起到防患这种风险的作用,等等。订单风险可能由第三方通过订单风险API等提交的欺诈检测工具产生。在进行履行之前,商家可能需要获取支付信息或等待接收支付信息,以便将订单标记为已支付,至此商家才可以准备交付产品。诸如此类的情况都可进行相应的审查。审查流程可以由履行组件来实现。商家可以借助履行组件审查、调整工作,并触发相关的履行服务,例如:通过手动履行服务,当商家将产品挑选并包装在盒子中、购买运输标签并输入其跟踪号,或者仅将物品标记为已履行时使用;自定义履行服务,可以定义发送电子邮件进行通知;API履行服务,可以触发第三方应用程序在第三方创建履行记录;遗留履行服务,可以触发从商务管理引擎到第三方的自定义API调用;礼品卡履行服务。可以提供生成号码并激活礼品卡。商户可以使用订单打印机应用程序打印装运单。当物品被包装在盒子里并准备好运输、跟踪、交付、消费者收到验证等时,可以执行履行过程。
可以看出,电商平台所提供的服务,正是基于产品为核心展开的,相应的商品数据是电商平台的基础数据,通过商品数据提供商品信息,对商品数据的挖掘利用,是实现各种技术服务的基础,其中包括利用电商平台的商品数据中的用户交易数据为广告***的运行提供基础性的服务。因此,本申请的广告***可以运行于电商平台的机群的任意一台或多台服务器中,以便利用电商平台提供的各种商品数据实现各种功能。
请参阅图2,根据本申请提供的一种广告投放控制方法,在其实施例中,包括如下步骤:
步骤S5100、获取在线店铺投放商品广告相对应的广告投放信息,所述广告投放信息包括商品活动信息、种子规模及多个关注营销特征;
基于独立站的电商平台,每家在线店铺运行在对应的独立站中,在线店铺常需通过投放广告来为其店内商品促销,以达到吸引用户流量的效果,通过广告提升其在线店铺的交易总额。在线店铺一般由相应的商家用户管理,商家用户可以通过使用广告***,来发布其在线店铺内的商品相对应的商品广告。相应的,电商平台可以通过其广告***为商家用户开放相应的广告投放页面,供商家用户在其中提交广告投放信息,以便启动广告投放过程。
商家用户为实现广告投放而提交的广告投放信息中,通常包括商品活动信息、种子规模和关注营销特征。
商品活动信息主要起到指定在线店铺内的一个或多个商品的作用,可以通过指定商品相对应的商品标识来提供,由广告***利用商品标识自行调用相应的商品数据,构造为相应的格式化数据推送给广告受众。商品活动信息中,还可以包含广告文案,通过广告文案展示相关促销信息、广告标语等,以便起到更容易吸引用户关注的作用。
种子规模可以表现为一个数量或者数量区域,用于约束广告***为当次广告投放而确定的种子人群的规模。种子规模可以由商家用户事先设定,也可以由广告***默认设定,合理设定的种子规模有助于控制广告***确定出的种子人群的精准度,以避免所确定出的种子人群过分泛化而涵盖了非期望的种子受众,或者过分偏窄而疏漏了合适的种子受众。
关注营销特征,可以用于确定商家用户进行广告投放所对应关注的受众营销特征。受众营销特征是基于电商平台消费者用户也即广告受众的用户交易数据进行抽象得到的营销特征。营销特征是从营销的视角,对电商平台的各家在线店铺中产生的用户交易数据进行基于交易成效性质的抽象而确定的。营销特征不同于传统的用户画像特征之处在于,传统的用户画像特征是围绕用户行为操作习惯进行抽象确定的,所得的特征通常表示用户在交易行为上的操作习惯特点,而本申请的营销特征则集中关注用户在交易行为上的交易成效,根据交易成效从用户交易数据中抽取相应的特征,通过这些特征综合反映相应的用户对应于广告投放的历史价值。例如,同一订单金额,从用户画像特征的角度来看,其性质侧重于对用户确认购买某项商品的行为的事实进行抽象,而从营销特征的角度来看,其性质则侧重于对用户的部分购物潜力的抽象,因而会从用户一定时期内的所有订单金额汇总而得的交易总额的视角来确定相应的营销特征。由此可见,本申请的营销特征与传统的画像特征之间,虽然彼此的特征工程所依赖的数据基本同源,但在进行特征抽象时所依据的数据性质并不相同,表现到具体的数据上也必然有所差异,但由于两者是基于不同思想为依据加工获得的,所以不应将两者直接等同。
当商家用户需要为其在线店铺的某种商品投放广告时,可以适应不同需求,灵活处理广告投放信息,例如:
一种实施例中,可以在商家用户指定商品标识后,由广告***自动根据该商品标识,从商家用户的在线店铺的商品数据库中,调用该商品标识相对应的商品标题和/或商品属性数据,再借助事先训练至收敛的广告文案生成模型,生成商品标题和/或商品属性数据相对应的广告文案,然后将广告文案和商品标识共同构造为商品活动信息。同理,商品活动信息中,还可以包含商家用户提供的其他信息,例如备注信息、活动说明信息等等。
一些实施例中,关注营销特征可以表示为具有清晰语义表达效果的选项文本,提供给商家用户选定,商家用户选定多个选项文本后,广告***可以基于预设映射规则,将各个用户选定的选项文本对应转换为多个关注营销特征。
一种实施例中,商家用户可以自行设定当次广告投放相对应的种子规模,给定表示该种规模相对应的数量,以便广告***根据该种子规模确定种子人群。在与此相替换的实施例中,商家用户可以无需指定种子规模,而由广告***自行调用事先默认设定的数值作为种子规模即可。
步骤S5200、根据所述多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众;
获得商家用户提交的多个关注营销特征之后,可以利用各个关注营销特征在预设的营销特征库中进行规则匹配而确定出多个候选受众。基于规则匹配确定候选受众,运算量低,更为高效和精准。
营销特征库中,存储大量的广告受众在各个不同受众营销特征相对应的特征评分,可以预先制备。营销特征库中的各个受众营销特征,可以利用电商平台中各家在线店铺中由消费者用户触发的交易事件相对应的用户交易数据来抽象确定,先抽象出各个受众营销特征,再利用预设规则对每个消费者用户在各个受众营销特征的数据进行量化,从而确定出该数据相对应的特征评分,将这些关联关系数据存储到营销特征库中。
营销特征库中的广告受众,属于电商平台的消费者用户,这些消费者用户的用户交易数据可以由电商平台集中维护,或者分散在各家在线店铺中进行维护,总之,广告***可以借助电商平台提供的服务,而调用到电商平台的全部消费者用户在各家在线店铺相对应产生的用户交易数据,用来实施营销特征库的构造。
根据以上的分析可知,营销特征库中表示出了各个广告受众在各个受众营销特征下相对应的特征评分,据此,根据广告投放信息中指定的多个关注营销特征,可以识别出各个广告受众与各个关注营销特征相匹配的受众营销特征的特征评分,汇总确定出各个广告受众对应于全部关注营销特征的特征总分,然后利用特征总分对广告受众做进一步的筛选,以便确定候选受众。在确定关注营销特征与受众营销特征的匹配关系时,可以是模糊匹配,也可以是精准匹配,可灵活设定。
根据特征总分对广告受众进行筛选时,可以根据种子规模来确定。为了起到数据查全的效果,通常按照预设的种子规模的若干倍来确定目标数量,选定目标数量相对应的候选受众。具体可通过根据特征总分对营销特征库中的各个广告受众进行倒排序之后,按照目标数量截取排序靠前的各个广告受众,将其作为候选受众,即完成了在营销特征库中根据多个关注营销特征初筛候选受众的目标。
一些实施例中,在确定每个广告受众的特征总分时,还可以通过对各个不同受众营销特征相对应的特征评分进行加权得到相应的特征总分,以便为调节各个营销特征的重要性提供技术支持,通过调节不同营销特征的权重,可以获得确定种子人群的灵活性,以实现根据不同营销特征相对应的不同影响力适度倾斜确定种子人群,借此提升所确定的种子人群的可靠性。
步骤S5300、采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据所述广告价值筛选出与所述种子规模相对应的多个候选受众作为种子受众;
基于广告投放信息中的种子规模和关注营销特征确定出多个候选受众构成一个候选受众集,候选受众集中的受众数量较为庞大,虽然较为全面,但浓缩度不足,因此,可以借助预设的受众评分算法对这个候选受众集进行精细筛选,以便得到更为浓缩的种子受众集。
受众评分算法可以事先设定,在本申请中,结合运用营销特征考察广告受众相对应的广告成效的思想,在设计受众评分算法时,将受众评分算法设定为通过两个或两个以的预设价值维度来关联计算确定每个候选受众相对应的广告价值,使每个广告受众的广告价值基于两个或两个以上的价值维度确定,通过多个价值维度互为参考,增强广告价值有效衡量广告受众相对应的预期广告成效。
受众评分算法所预设的价值维度,在一个实施例中,通常遵循以广告成效为目标的思想进行设计,通过多个预设的价值维度分别表征广告受众用户相对于电商平台的活跃程度、忠诚程度、重要程度中任意两项以上的指标。据此,一种实施例中,多个预设价值维度可以包括活跃性价值维度、忠诚性价值维度、重要性价值维度,各种价值维度相对应的数据分别对应相应的广告受众在最近一次触发交易事件的下单时间相对应的停购间隔天数、在与当天邻近的预设周期内的重复交易次数,以及与该预设周期相对应的交易总额。其中,停购间隔天数可以衡量相应广告受众在电商平台中的活跃状态,重复交易次数可以衡量相应广告受众在电商平台中的忠诚程度,而交易总额则可以衡量相应广告受众在电商平台中的贡献价值而体现出电商平台的重要程度。
受众评分算法通过关联两个或两个以上的价值维度来确定广告受众的广告价值,实现对广告受众在电商平台中的实际经济价值的预估,由此确定的广告价值,可以更为精准地衡量每个广告受众对于广告投放的预期广告成效。据此,在根据受众评分算法确定出候选受众集中的各个候选受众相对应的广告价值之后,可以根据广告价值,从候选受众集中筛选出广告价值相对较高的部分候选受众,使这部分候选受众的总量匹配预设的种子规模的数量,将这部分候选受众作为种子受众构造为种子受众集,即可表征与广告投放信息相匹配的种子人群。具体的筛选算法可以是进行排序优选的方式,也可以是根据阈值进行优选的方式,无论用何种方式,均保持与预设的种子规模相匹配即可。而匹配的程度也可以灵活设定,例如按照种子规模的1至2倍,或者与种子规模的数量完全相等,诸如此类均可。
根据受众评分算法的设计思想可以知晓,受众评分算法不是利用规则匹配的方式确定种子受众的,而是综合衡量每个广告受众对应于广告成效的多个价值维度得到广告价值,再根据广告价值来确定的,其中的各个价值维度分别从广告成效的不同方面对广告受众的潜在价值进行有效表征,且各个价值维度之间也实现了关联计算而确定广告价值,实现多个价值维度之间的有机融合,由此强化了广告价值用于衡量广告受众对电商平台的潜在经济价值的作用,更能有效地实现对广告受众的精筛。
在一些实施例中,在根据多个价值维度关联确定候选受众的广告价值时,可以为各个价值维度分别匹配相应的权重,以便通过权重调节不同价值维度对于确定广告价值的影响力,从而对不同性质的价值需求的灵活调节,为广告***筛选种子人群开放更为丰富的调节方式,强化广告***的服务功能。
在一些实施例中,受众评分算法可以预先进行数学建模,实现为相应的数学模型,实现为相应的机器学习模型,以提升其标准化服务于海量请求的能力。
步骤S5400、以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众。
确定出种子受众集之后,该种子受众集便确定了对应的种子人群,据此,可以根据种子人群来确定相应的目标受众,以便将广告投放信息中的商品活动信息投放给各个目标受众。
一种实施例中,直接将种子受众集中的各个种子受众作为目标受众,将商品活动信息投放给这些目标受众,由于各个种子受众是高度精选的,因而,其广告成效极佳。
另一实施例中,为了放大广告推广的引流作用,可以根据种子受众集中的种子受众,在电商平台的海量用户中进行用户画像特征之间的相似匹配,从而在种子受众的基础上,扩展出更多消费者用户,将这些种子受众和扩展得到的全部消费者用户都作为目标受众,向这些目标受众投放商品活动信息,可以预期得到更大的引流作用。
一些实施例中,在将商品活动信息推送给目标受众之前,可以由广告***根据商品活动信息提供的商品标识,获得相应的商品信息进行格式化,得到格式化后的商品活动信息再推送给目标受众,以便目标受众能够获得更为规范的广告信息,提升其购买欲,提升平台交易总额。
一些实施例中,可以借助第三方平台例如即时通信***、邮件***等提供的广告接口,向其提交种子受众集和商品活动信息,由其广告接口根据种子受众集确定目标受众并向目标受众推送商品活动信息相对应的广告信息。
根据以上的实施例可以知晓,本申请具获取在线店铺提供的广告投放信息后,利用其中指定的关注营销特征在预设的营销特征库中进行规则匹配,筛选出大于广告投放信息中预设的种子规模的多个候选受众,实现对广告受众的粗筛,确保利用营销特征对广告受众进行查全;进一步再结合受众评分算法,利用多个预设价值维度确定各个候选受众的广告价值,再根据广告价值筛选出与指定的种子规模相对应的多个种子受众,实现对广告受众的精筛,确保利用根据多价值维度确定的广告价值实现对广告受众的查准。由此快速高效地得到当次广告投放相对应的种子人群,既充分考虑了与关注营销特征的密切对应性,又充分考虑了各个种子受众对广告投放所能产生的潜在价值,而且匹配期望的种子规模,在此基础上利用种子人群扩充目标受众更具可靠性,当向根据种子人群确定的目标受众推送广告后,可以获得良好的广告投入回报率,全面***地优化了广告投放技术,实现对广告***的提质增效。
在本申请的方法的任意实施例的基础上,请参阅图3,根据所述多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众,包括:
步骤S5210、获取预设的营销特征库,所述营销特征库中包含广告受众的多个受众营销特征及其相应的特征评分之间的映射关系数据;
如前所述,营销特征库可以通过特征工程预先构建,存储在电商平台的存储设备中,在需要时对应调用。
一种实施例中,营销特征库以二维表格的形式存储各项数据,具体而言,为每个广告受众设定相应的数据记录,而将预设的多个受众营销特征设定为每个数据记录中的不同字段,在各个字段中对应存储相应受众营销特征的特征评分,由此,使所述营销特征库中包含广告受众的多个受众营销特征及其相应的特征评分之间的映射关系数据。
步骤S5220、将每个广告受众与所述多个关注营销特征相匹配的多个受众营销特征的特征评分汇总为该广告受众相对应的特征总分;
确定每个广告受众相对应的特征总分,可以基于营销特征库进行操作,具体而言,针对给定的每个关注营销特征,确定每个广告受众与该关注营销特征相同的受众营销特征的特征评分,将广告受众在多个关注营销特征得到的各个特征评分进行加和,便得到这个广告受众相对应的特征总分。
在一些实施例中,如前文所述,在确定每个广告受众的特征总分时,也可以根据各个受众营销特征相对应的预设权重,对各个关注营销特征相应的特征评分进行加权求和以得到特征总分。
通过对营销特征库中的各个广告受众计算对应于本次广告投放所给定的广告活动信息的特征总分,便得到一个二维关系表格,其中存储了各个广告受众及其在给定的多个关注营销特征下得到的特征总分之间的映射关系数据。
步骤S5230、按照所述种子规模的预设倍数,筛选出特征总分相对较大的部分广告受众作为候选受众。
为了提升召回率,事先设定一个预设倍数,例如3至10倍中的任意数值,将这个预设倍数与广告活动信息给出的种子规模相乘可以得到一个目标数量,在此基础上,先对上述二维关系表格,根据特征总分对各个广告受众进行倒排序,然后截取排序靠前的与目标数量相对应的多个广告受众作为候选受众,构成候选受众集,由此便实现为广告活动信息匹配出相应的候选受众人群。
以上实施例通过多个关注营销特征联合确定各个广告受众的特征总分,然后根据预设倍数对种子规模进行扩容,根据特征总分筛选出候选受众集,可以得到大量具有一定的营销特征关联度的候选受众,实现根据多个关注营销特征对广告受众的合理查全。
在本申请的方法的任意实施例的基础上,请参阅图4,获取在线店铺投放商品广告相对应的广告投放信息之前,包括:
步骤S4100、获取电商平台的各个交易用户在一定时期内产生的用户交易数据,所述用户交易数据描述相应用户在电商平台的各家在线店铺触发的交易事件相对应的订单数据;
电商平台中的消费者用户,当其访问电商平台的任意一家在线店铺,在该在线店铺中实施交易行为具体而言可以是下单并支付的行为时,便成为交易用户,便触发相应的交易事件,并在该在线店铺的独立站或者在电商平台的其他服务器中产生相应的用户交易数据。无论这结用户交易数据是存储于各家在线店铺相应的独立站还是集中存储到电商平台的特定服务器中,均可由电商平台调用。
每个用户交易数据通过离散或者集中的方式,描述了该消费者用户在当次交易事件中的订单数据,该订单数据包括但不限于被购的商品的购物时间、商品标识、购物金额、购物数量、用户享受折扣信息、用户来源渠道、用户网络地址等等,不一而足。
当同一消费者用户在一定时期内多次购物时,自然也会产生多次购物相对应的用户交易数据,通过考察一定时期内用户触发交易事件的数量,可以考察消费者用户的复购情况;通过考察交易用户在该时期内最后一次购物距离广告投放当天的时间,可以反映交易用户在电商平台中的活跃情况;通过考察一定时期内交易用户的订单总额,可以反映交易用户在电商平台的购买力,也体现了其对于电商平台的重要性。
获取用户交易数据对应设定的一定时期,通常可以设定为距离广告投放当天最近的一个历史时期,例如当天之前的最近7天、15天、30天等,可根据实际需求灵活设定。
步骤S4200、根据预设的多个受众营销特征对各个所述交易用户的用户交易数据进行特征抽取得到相应的特征数据,将交易用户作为广告受众,将其各个受众营销特征的数据存储到特征数据库中;
在获得各个交易用户在一定时期内的用户交易数据的基础上,便可对这些用户交易数据实施特征抽取,以便抽取出各个交易用户的多个受众营销特征相对应的数据。
示范性的实施例中,受众营销特征可以按需采用如下任意多项:用户来源渠道特征、用户复购行为特征、用户购物总额特征、用户购物次数特征、用户来访地区相对应的广告转化率特征、用户交易商品数量特征、用户享受折扣特征。以上逐一解析各项受众营销特征的性质及作用:
用户来源渠道特征,表示相应的消费者用户的来源渠道,即消费者用户通过哪一个广告推广渠道进入本电商平台的在线店铺,可以从消费者用户来访时的网页地址中进行域名分析得到。不同地区的消费者用户往往具有不同的消费者力而具有营销特质。
用户复购行为特征,表示消费者用户在设定的一定时期内,是否存在多次购物的事实行为,也即其相应的订单数是否大于等于2。具有复购事实的消费者用户对电商平台一般具有更强的忠诚度,因此这一特征具有营销特质。
用户购物总额特征,表示消费者用户在设定的一定时期内,在本电商平台中触发交易事件相对应的购物总额,可以对消费者用户在该时间内产生的订单的购物金额进行统计确定。购物总额能够衡量消费者用户的购买能力,因而具有营销特质。
用户购物次数特征,表示消费者用户在设定的一定时期内,在本电商平台触发的交易事件相对应的订单总数,可以通过统计订单数量确定。购物次数能够衡量消费者用户的购买能力,因而具有营销特质。
广告转化率特征,表示消费者用户来访时所在的地区在该一定时期内对应的广告转化率、点击化等任意一种或任意多种类似指标,可以通过消费者用户来访时的终端设备的IP地址来确定其所属的地区,再从广告***中获取预先分析好的该地区相对应的指标来确定。地区的广告转化率隐含在相应地区投放广告的成效因而这一特征也具备营销特质。
用户交易商品数量特征,表示消费者用户在该一定时期内所购买的商品总数,可以通过对该消费者用户在该时间内购买的订单中的全部商品的总量进行统计确定。交易商品数量由于能够反映消费者用户的需求覆盖面,因而这一指标也具备营销特质。
用户享受折扣特征,表示消费者用户在该一定时期内购买商品时所享受的折扣总额,通常折扣总额越高,表征消费者用户的等级越高或者其所购总额越高,因而,具有一定的营销特质。
通过以上对的分析可以看出,在基于各个消费者用户的用户交易数据进行特征抽取时,所使用的受众营销特征均是从营销特质出发进行设计规划的,由此得到各个消费者用户在各个受众营销特征下相对应的特征数据,这些特征数据综合反映了相应的消费者用户对应于广告投放成效的营销特质,与单纯反映用户行为特征的画像技术相对比,其与广告投放成效更具匹配性。
当获得各个交易用户在各个受众营销特征下的特征数据后,可将这些特征数据关联于相应的交易用户,将交易用户转换身份作为广告受众,存储到特征数据库中。
步骤S4300、基于每个受众营销特征的特征数据独立对特征数据库中的各个广告受众进行排序,将排序顺位转化为该广告受众的所述受众营销特征相对应的特征评分存储到营销特征库中。
在得到存储广告受众在各个受众营销特征的特征数据的特征数据库后,特征数据库中的各个受众营销特征相对应的特征数据均已实现量化,据此,可以针对每个受众营销特征,确定各个广告受众在该受众营销特征下获得的特征评分。
一种实施例中,可以按照每个受众营销特征,独立地对该特征数据库中的各个广告受众进行排序,得到每个广告受众相对应的排序顺位,将这个排序顺位转换为相应的特征评分。据此,同一广告受众在不同受众营销特征下得到的特征评分一般是不同。
为了实现对广告受众在各个不同受众营销特征下得到的特征评分的综合反映,以便提高后续操作的效率,可以创建一个用来表示二维数据的营销特征库,在其中以广告受众为行,以各个不同受众营销特征为字段,存储各个广告受众在不同受众营销特征下相对应的特征评分即可。
一些实施例中,在根据排序顺位确定对应的特征评分的过程中,可以对排序顺位进行归一化,例如,将对应的特征数据最高值的广告受众的特征评分确定为N,N为广告受众总数,而特征数据最低值的广告受众的特征评分确定为1,以此类推,按照特征数据由高到低赋予由高到低的特征评分,再将特征评分归一化到特定的数值空间,例如归一化到[0,1]数值空间,使其更为直观。
以上实施例通过根据多个预设的受众营销特征对电商平台在一定时期内产生的用户交易数据进行特征抽取,得到相应的特征数据,再根据特征数据对广告受众在各个受众营销特征下的排序确定相应的特征评分,实现对海量受众营销特征的特征数据进行标准性的价值量化,其所抽取的特征符合营销特质的要求,而运算过程标准化程度高,且可得到营销特征库供后续高效频繁调用,能够提升确定种子人群的总体效率。
在本申请的方法的任意实施例的基础上,请参阅图5,采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据所述广告价值筛选出与所述种子规模相对应的多个候选受众作为种子受众,包括:
步骤S5310、从电商平台的一定时期内的用户交易数据中获取每个所述候选受众的多个预设价值维度相对应的数据,包括:最近一次触发交易事件的下单时间相对应的停购间隔天数、在与当天邻近的预设周期内的重复交易次数,以及与该预设周期相对应的交易总额;
对于候选受众集来说,其中包含大量超出预设的种子规模的候选受众,需要进行精筛,为此,需要进一步确定各个候选受众相对应的广告价值。确定广告价值之前,可先利用多个预设价值维度,获取各个预设价值维度相对应的数据。
本实施例中,从营销视角出发,设定的价值维度同时包括活跃性价值维度、忠诚性价值维度,以及重要性价值维度,由此,对应从每个候选受众的一定时期内的用户交易数据中,获取每个候选受众最近一次触发交易事件的下单时间相对应的停购间隔天数、在与当天邻近的预设周期内的重复交易次数,以及与该预设周期相对应的交易总额。此处所指定的一定时期,可以是距离当天最近的一段历史时期,例如前7天、前15天、前30天、前180天等等。
步骤S5320、采用预设的受众评分算法,将每个候选受众的停购间隔天数、重复交易次数以及交易总额相融合量化为该候选受众相对应的广告价值;
本实施例中,可按照如下公式设定受众评分算法:
其中,LTV为广告价值,R为停购间隔天数,F为重复交易次数,而M则为交易总额,其中交易总额通过开平方根适度弱化其对广告价值的影响,而停购间隔天数被通过与1相加实现正则化处理,避免分母为0,而且其被作为分母可起到量化停购越久其活跃度越差的作用,由此实现综合确定候选受众的广告价值,更为科学合理,实用有效。
可见,同一候选受众的停购间隔天数、重复交易次数以及交易总额在这里通过特定的公式相融合,由此确定广告价值,广告价值有效地实现对候选受众在电商平台中的活跃程度、忠诚程度、重要程度的综合量化,能够有效衡量各个候选受众对于当次广告投放相对应的广告成效做出贡献相对应的预估价值。
步骤S5330、按照广告价值对各个候选受众进行优选,获得与所述种子规模相同数量的多个候选受众作为种子受众。
在针对候选受众集中的每个候选受众确定出其相应的广告价值后,便可以根据广告价值对候选受众集中的全部候选受众进行优选,以便获得与预设的种子规模相同数量的多个候选受众作为种子受众,构成种子受众集。
具体而言,可以根据广告价值对候选受众集中的各个候选受众进行倒排序,然后,按照预设的种子规模,获取排序靠前的相应数量的各个候选受众作为种子受众构造为种子受众集。
以上实施例显示,利用由停购间隔天数、重复交易次数以及交易总额作为预设的多个价值维度相融合确定各个候选受众相对应的广告价值,能够有效衡量各个候选受众对于当次广告投放的广告成效的潜在贡献,因而可以实现对候选受众的精选,精准确定出种子受众,提升确定种子受众的准确率,实现广告精准投放。
在本申请的方法的任意实施例的基础上,请参阅图6,采用预设的受众评分算法,将每个候选受众的停购间隔天数、重复交易次数以及交易总额相融合量化为该候选受众相对应的广告价值之前,包括:
步骤S3100、对预设的所述受众评分算法进行数学建模,得到相应的机器学习模型;
在设计了受众评分算法之后,可以根据该受众评分算法相应的公式为基础进行数学建模,得到相应的机器学习模型。机器学习模型可以事先训练获得为候选受众确定广告价值的能力,其训练目标是习得根据给定的多个价值维度确定出其相应的广告价值的能力,以前一实施例的公式为例,当给出了停购间隔天数、重复交易次数以及交易总额的情况下,机器学习模型可以利用其习得的能力直接推理确定出广告价值。作为对本实施例应用的推广示例,还可以借助Xgboost、LightGBM等算法来构造机器学习模型为候选受众确定相应的广告价值,还可以借助诸如Pareto、nbd mode l等模型来确定广告价值。
步骤S3200、获取广告***的历史投放数据中广告投放信息所投放的目标受众的多个预设价值维度的数据作为训练样本,以该广告投放信息相对应的广告成效指标作为该训练样本相应的监督标签,所述多个预设价值维度的数据包括:停购间隔天数、重复交易次数以及交易总额作为训练样本;
在建模了机器学习模型之后,便可以利用广告***所产生的历史投放数据来训练该机器学习模型。广告***所产生的历史投放数据,存在每次广告投放时,对应的目标受众以及目标受众在多个预设价值维度相对应的数据,以及当次广告投放获得的广告成效指标,该广告成效指标可以是点击率、转化率、广告投入回报率中任意一种或任意多种的融合结果。
将每个目标受众在多个预设价值维度相对应的数据作为训练样本,将该目标受众当次广告投放相对应的广告成效指标作为监督标签,得到训练数据集。
对应前一实施例,此处用来构造训练样本的多个价值维度相对应的数据,可以包括停购间隔天数、重复交易次数以及交易总额。当然,也可按需添加其他能起到类似作用的价值维度的数据。
步骤S3300、采用所述训练样本及其相应的监督标签对所述机器学习模型进行迭代训练,使其收敛后投入使用。
得到训练数据集后,便可利用其中的训练样本对机器学习模型实施迭代训练,每次训练时利用训练样本相对应的监督标签计算当次训练的损失值,再根据损失值对机器学习模型实施权重更新,如此迭代直至模型的损失值达到预设范围,或者完成设定次数的迭代训练亦可,由此完成对机器学习模型的训练,使机器学习模型能够根据给定的多个价值维度的数据而对应确定出广告价值即可。
以上实施例显示,将多个预设价值维度与广告价值之间的映射关系进行数学建模,可以实现为机器学习模型,通过利用广告***的历史投放数据对机器学习模型进行训练,机器学习模型便可利用先验知识,为广告受众确定其各个预设价值维度的数据相对应的广告价值,由此可以进一步提升确定广告价值的准确性,也就进一步提升种子人群的精准度,使广告投放更为精准。
在本申请的方法的任意实施例的基础上,请参阅图7,以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众,包括:
步骤S5410、根据所述商品活动信息中指定的商品标识,在所述在线店铺中调取相应的目标商品的商品信息,将所述商品数据格式化为预定格式的商品活动信息,所述商品信息包括商品标题、商品图片以及商品页面链接;
当开始向目标受众投放广告时,对于给定的广告活动信息,可以先从其中的商品活动信息中获得指定的商品标识,然后根据商品标识去在线店铺的商品数据库中调用该商品标识相对应的目标商品的商品信息,具体需获取的商品信息可以灵活设定,例如,可以包括商品标题、商品图片以及商品页面链接等。
获得需要的商品信息后,便按照预定的格式,对所获得的商品信息进行数据封装,得到预定格式的商品活动信息,使其能够被目标受众的终端设备解析并显示为特定格式的信息内容。
步骤S5420、将各个所述种子受众构造为种子人群包,调用预设的人群扩展接口根据该种子人群包中的种子受众确定出其相似受众作为目标受众;
广告***中预设有人群扩展接口,可以基于给定的种子人群包中的种子受众,利用用户画像特征,在各个种子受众的基础上,扩展出用户画像特征相似的其他广告受众。
因此,可以将经过精筛确定的全部种子受众,按照人群扩展接口所定义的格式封装为种子人群包,然后调用人群扩展接口,将该种子人群包传递给该人群扩展接口,由其确定目标受众。
人群扩展接口根据种子受众扩展目标受众时,可以获取各种子受众的用户画像特征,利用其与电商平台的用户数据库中的全量消费者用户的用户画像特征进行特征相似匹配,根据彼此的相似度进行优选,从而确定与各个种子受众相似的相似消费者用户,将这些相似消费者用户与各个种子受众均作为目标受众,获得目标受众集。
步骤S5430、将所述预定格式的商品活动信息通过预设的广告投放接口推送给所述目标受众。
同理,广告***也预设有广告投放接口,其负责将广告投放给指定的目标受众。前一步,通过人群扩展接口确定出目标受众后,本步骤进一步将预定格式的商品活动信息,传递给广告投放接口。广告投放接口进而获取前一步骤确定的目标受众,将以预定格式封装的商品活动信息发送给各个目标受众。
一些实施例中,人群扩展接口和广告投放接口可以是即时通信***或者邮箱***的开放接口,以便可以通过即时通信软件或邮箱将商品活动信息发送给各个目标受众。
一些实施例中,人群扩展接口和广告投放接口可以实现为同一预设接口,由此,替换步骤S5420和步骤S5430,可以执行如下的步骤,即:将预定格式的商品活动信息及种由各个所述种子受众构成的种子人群包发送给预设接口,由预设接口利用种子人群包中的种子受众的用户画像特征匹配出目标受众,将所述商品活动信息推送给各个目标受众,实现广告投放。
根据以上实施例可以理解,在实施广告投放的具体过程中,商品活动信息可以进行格式化,而种子受众所构成的种子人群可以被用来扩展出更大范围的目标受众,由于种子人群是根据营销特质精选筛选的,因而根据种子人群确定出的目标受众通常也是符合预期的目标消费者用户,从而确保能够获得良好的广告成效。
在本申请的方法的任意实施例的基础上,请参阅图8,以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众之后,包括:
步骤S6100、统计所述商品活动信息送达各个所述目标受众之后的广告成效指标,所述广告成效指标包括广告转化率、广告点击率、广告投入回报率任意之一或任意多项的融合数值;
广告***可以对根据本申请所实现的广告投放活动相对应的广告成效进行跟踪,利用跟踪结果优化营销特征库中的存量广告受众,以排除少量价值数据明显异常的广告受众,避免这些异常广告受众进入后续的广告投放活动的种子人群中,为后续的广告投放提供更精准的受众数据。
据此,广告***可以对每次广告投放活动中,将广告投放信息中的商品活动信息送达到各个目标受众之后的广告成效指标进行统计,广告成效指标可以是广告转化率、广告点击率、广告投入回报率中的任意一项或任意多项的融合数值,其计算方式为本领域技术人员所知晓,由广告***灵活设定即可,恕不赘述。
可以理解,通过跟踪统计,每次广告投放相对应的广告投放信息,都能获得其相对应的广告成效指标。
步骤S6200、筛选出所述广告成效指标低于预设阈值的全部广告投放信息,将各个广告投放信息相对应的种子受众作为异常受众进行受众合并,确定出异常受众集;
适应确定异常受众的需要,对应广告成效指标预先设定一个阈值,即预设阈值,然后筛选出广告成效指标低于这个预设阈值的全部广告投放信息。
每个广告投放信息都有其相对应的种子受众,正是种子受众在根本上影响了目标受众的确定,进而也会影响到广告成效指标的高低。当广告投放信息不能获得合理的广告成效指标时,这些广告投放信息相对应的种子受众,便可临时视为异常受众,合并到一起,构成异常受众集。
步骤S6300、将所述异常受众集中的异常受众对应各个广告投放信息所确定的广告价值求均值,得到平均广告价值;
异常受众集中的异常受众是否应被排除,还需要通常考察每个异常受众对应各个广告投放信息所确定的广告价值来确定。具体而言,可以将每个异常受众对应于各个广告投放信息所确定的广告价值求取算术平均,得到每个异常受众的平均广告价值,通过平均广告价值衡量每个异常受众在其参与的全部广告投放活动中的表现。
步骤S6400、将平均广告价值低于预设阈值的异常受众作为极端受众从所述营销特征库中移除。
得到各个异常受众的平均广告价值后,同理可利用一个对应设定的预设阈值,对异常受众集进行过滤,具体是确定出平均广告价值低于该预设阈值的全部异常受众,将这些异常受众作为极端受众,将其数据从营销特征库中移除,使这些极端受众不能再用于充任种子受众,以免这些极端受众对确定种子人群构成干扰。
根据以上实施例可知,通过跟踪广告投放信息相对应的广告成效指标,根据广告成效指标排查导致广告成效不佳的异常受众,再根据异常受众在各次广告投放活动中综合表现的平均广告价值来确定其中平均广告价值较低的极端受众,将极端受众从营销特征库中移除,确保极端受众不再被用于定义种子人群,可以进一步提升广告***后续为广告投放活动确定种子受众的精准度,使广告投放效果越来越好。
申请人就本申请的技术方案实施过不构成对本申请的在先公开的对比测试,一并将测试效果报告如下:
1、将本申请确定的种子人群包与借助传统技术确定的种子人群包进行对比测试,以广告投入回报率为指标考察两者的表现,申请人得到的数据显示:相对于利用传统技术确定的种子人群包,本申请获得的种子人群包的广告投入回报率平均提高20.16%,其收益明显。
2、将本申请确定的种子人群包相对应的目标受众与借助传统标签定向技术确定的目标受众进行广告投入回报率的对比,数据显示,本申请获得的广告投入回报率相对于标签定向技术提升了99.20%,其收益显著。
申请人还以不构成对本申请的在先公开的方式,将根据本申请的技术方案实现的计算机程序产品交付同一电商平台的有限商家用户测试,测试数据显示,当不使用本申请的种子人群包进行广告投放时,广告投入回报率约为1.70;当单纯使用营销特征确定广告受众作为种子人群包时,广告投入回报率约为1.79;而当采用本申请精选确定的种子人群包进行广告投放时,广告投入回报率约为2.42,各种情况相对应的广告投入回报率所呈现的梯度非常明显。
根据以上的测试数据显示,本申请在广告所取得的进步是显著的,可以明显提升广告***精准确定广告受众的能力。
请参阅图9,根据本申请的一个方面提供的一种广告投放控制装置,包括信息获取模块5100、受众候选模块5200、受众精选模块5300,以及广告推送模块5400,其中,所述信息获取模块5100,设置为获取在线店铺投放商品广告相对应的广告投放信息,所述广告投放信息包括商品活动信息、种子规模及多个关注营销特征;所述受众候选模块5200,设置为根据所述多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众;所述受众精选模块5300,设置为采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据所述广告价值筛选出与所述种子规模相对应的多个候选受众作为种子受众;所述广告推送模块5400,设置为以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众。
在本申请的装置的任意实施例的基础上,所述受众候选模块5200,包括:特征库调用单元,设置为获取预设的营销特征库,所述营销特征库中包含广告受众的多个受众营销特征及其相应的特征评分之间的映射关系数据;总分确定单元,设置为将每个广告受众与所述多个关注营销特征相匹配的多个受众营销特征的特征评分汇总为该广告受众相对应的特征总分;受众查全单元,设置为按照所述种子规模的预设倍数,筛选出特征总分相对较大的部分广告受众作为候选受众。
在本申请的装置的任意实施例的基础上,本申请的广告投放控制装置,还包括:数据获取模块,设置为获取电商平台的各个交易用户在一定时期内产生的用户交易数据,所述用户交易数据描述相应用户在电商平台的各家在线店铺触发的交易事件相对应的订单数据;特征抽取模块,设置为根据预设的多个受众营销特征对各个所述交易用户的用户交易数据进行特征抽取得到相应的特征数据,将交易用户作为广告受众,将其各个受众营销特征的数据存储到特征数据库中,所述受众营销特征包括如下任意多项:用户来源渠道特征、用户复购行为特征、用户购物总额特征、用户购物次数特征、用户来访地区相对应的广告转化率特征、用户交易商品数量特征、用户享受折扣特征;特征评分模块,设置为基于每个受众营销特征的特征数据独立对特征数据库中的各个广告受众进行排序,将排序顺位转化为该广告受众的所述受众营销特征相对应的特征评分存储到营销特征库中。
在本申请的装置的任意实施例的基础上,所述受众精选模块5300,包括:价值数据获取单元,设置为从电商平台的一定时期内的用户交易数据中获取每个所述候选受众的多个预设价值维度相对应的数据,包括:最近一次触发交易事件的下单时间相对应的停购间隔天数、在与当天邻近的预设周期内的重复交易次数,以及与该预设周期相对应的交易总额;广告价值确定单元,设置为采用预设的受众评分算法,将每个候选受众的停购间隔天数、重复交易次数以及交易总额相融合量化为该候选受众相对应的广告价值;受众排序精选单元,设置为按照广告价值对各个候选受众进行优选,获得与所述种子规模相同数量的多个候选受众作为种子受众。
在本申请的装置的任意实施例的基础上,本申请的广告投放控制装置,还包括:模型构造模块,设置为对预设的所述受众评分算法进行数学建模,得到相应的机器学习模型;样本处理模块,设置为获取广告***的历史投放数据中广告投放信息所投放的目标受众的多个预设价值维度的数据作为训练样本,以该广告投放信息相对应的广告成效指标作为该训练样本相应的监督标签,所述多个预设价值维度的数据包括:停购间隔天数、重复交易次数以及交易总额作为训练样本;模型训练模块,设置为采用所述训练样本及其相应的监督标签对所述机器学习模型进行迭代训练,使其收敛后投入使用。
在本申请的装置的任意实施例的基础上,所述广告推送模块5400,包括:信息提取模块,设置为根据所述商品活动信息中指定的商品标识,在所述在线店铺中调取相应的目标商品的商品信息,将所述商品数据格式化为预定格式的商品活动信息,所述商品信息包括商品标题、商品图片以及商品页面链接;人群扩充模块,设置为将各个所述种子受众构造为种子人群包,调用预设的人群扩展接口根据该种子人群包中的种子受众确定出其相似受众作为目标受众;投放执行模块,设置为将所述预定格式的商品活动信息通过预设的广告投放接口推送给所述目标受众。
在本申请的装置的任意实施例的基础上,本申请的广告投放控制装置,包括:成效统计模块,设置为统计所述商品活动信息送达各个所述目标受众之后的广告成效指标,所述广告成效指标包括广告转化率、广告点击率、广告投入回报率任意之一或任意多项的融合数值;异常排查模块,设置为筛选出所述广告成效指标低于预设阈值的全部广告投放信息,将各个广告投放信息相对应的种子受众作为异常受众进行受众合并,确定出异常受众集;均值运算模块,设置为将所述异常受众集中的异常受众对应各个广告投放信息所确定的广告价值求均值,得到平均广告价值;异常清理模块,设置为将平均广告价值低于预设阈值的异常受众作为极端受众从所述营销特征库中移除。
本申请的另一实施例还提供一种广告投放控制设备。如图10所示,广告投放控制设备的内部结构示意图。该广告投放控制设备包括通过***总线连接的处理器、计算机可读存储介质、存储器和网络接口。其中,该广告投放控制设备的计算机可读的非易失性可读存储介质,存储有操作***、数据库和计算机可读指令,数据库中可存储有信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种广告投放控制方法。
该广告投放控制设备的处理器用于提供计算和控制能力,支撑整个广告投放控制设备的运行。该广告投放控制设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行本申请的广告投放控制方法。该广告投放控制设备的网络接口用于与终端连接通信。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的广告投放控制设备的限定,具体的广告投放控制设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本实施方式中处理器用于执行图9中的各个模块的具体功能,存储器存储有执行上述模块或子模块所需的程序代码和各类数据。网络接口用于实现用户终端或服务器之间的数据传输。本实施方式中的非易失性可读存储介质中存储有本申请的广告投放控制装置中执行所有模块所需的程序代码及数据,服务器能够调用服务器的程序代码及数据执行所有模块的功能。
本申请还提供一种存储有计算机可读指令的非易失性可读存储介质,计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行本申请任一实施例的广告投放控制方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被一个或多个处理器执行时实现本申请任一实施例所述方法的步骤。
本领域普通技术人员可以理解,实现本申请上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性可读存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-On ly Memory,ROM)等计算机可读存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
综上所述,本申请能够根据广告投放信息高效且精准地确定广告投放相对应的种子人群,既充分考虑了与关注营销特征的密切对应性,又充分考虑了各个种子受众对广告投放所能产生的潜在价值,而且匹配期望的种子规模,在此基础上利用种子人群扩充目标受众更具可靠性,当向根据种子人群确定的目标受众推送广告后,可以获得良好的广告投入回报率,全面***地优化了广告投放技术,实现对广告***的提质增效。
Claims (10)
1.一种广告投放控制方法,其特征在于,包括:
获取在线店铺投放商品广告相对应的广告投放信息,所述广告投放信息包括商品活动信息、种子规模及多个关注营销特征;
根据所述多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众;
采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据所述广告价值筛选出与所述种子规模相对应的多个候选受众作为种子受众;
以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众。
2.根据权利要求1所述的广告投放控制方法,其特征在于,根据所述多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众,包括:
获取预设的营销特征库,所述营销特征库中包含广告受众的多个受众营销特征及其相应的特征评分之间的映射关系数据;
将每个广告受众与所述多个关注营销特征相匹配的多个受众营销特征的特征评分汇总为该广告受众相对应的特征总分;
按照所述种子规模的预设倍数,筛选出特征总分相对较大的部分广告受众作为候选受众。
3.根据权利要求2所述的广告投放控制方法,其特征在于,获取在线店铺投放商品广告相对应的广告投放信息之前,包括:
获取电商平台的各个交易用户在一定时期内产生的用户交易数据,所述用户交易数据描述相应用户在电商平台的各家在线店铺触发的交易事件相对应的订单数据;
根据预设的多个受众营销特征对各个所述交易用户的用户交易数据进行特征抽取得到相应的特征数据,将交易用户作为广告受众,将其各个受众营销特征的数据存储到特征数据库中;
基于每个受众营销特征的特征数据独立对特征数据库中的各个广告受众进行排序,将排序顺位转化为该广告受众的所述受众营销特征相对应的特征评分存储到营销特征库中。
4.根据权利要求1所述的广告投放控制方法,其特征在于,采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据所述广告价值筛选出与所述种子规模相对应的多个候选受众作为种子受众,包括:
从电商平台的一定时期内的用户交易数据中获取每个所述候选受众的多个预设价值维度相对应的数据,包括:最近一次触发交易事件的下单时间相对应的停购间隔天数、在与当天邻近的预设周期内的重复交易次数,以及与该预设周期相对应的交易总额;
采用预设的受众评分算法,将每个候选受众的停购间隔天数、重复交易次数以及交易总额相融合量化为该候选受众相对应的广告价值;
按照广告价值对各个候选受众进行优选,获得与所述种子规模相同数量的多个候选受众作为种子受众。
5.根据权利要求4所述的广告投放控制方法,其特征在于,采用预设的受众评分算法,将每个候选受众的停购间隔天数、重复交易次数以及交易总额相融合量化为该候选受众相对应的广告价值之前,包括:
对预设的所述受众评分算法进行数学建模,得到相应的机器学习模型;
获取广告***的历史投放数据中广告投放信息所投放的目标受众的多个预设价值维度的数据作为训练样本,以该广告投放信息相对应的广告成效指标作为该训练样本相应的监督标签,所述多个预设价值维度的数据包括:停购间隔天数、重复交易次数以及交易总额作为训练样本;
采用所述训练样本及其相应的监督标签对所述机器学习模型进行迭代训练,使其收敛后投入使用。
6.根据权利要求1至5中任意一项所述的广告投放控制方法,其特征在于,以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众,包括:
根据所述商品活动信息中指定的商品标识,在所述在线店铺中调取相应的目标商品的商品信息,将所述商品数据格式化为预定格式的商品活动信息,所述商品信息包括商品标题、商品图片以及商品页面链接;
将各个所述种子受众构造为种子人群包,调用预设的人群扩展接口根据该种子人群包中的种子受众确定出其相似受众作为目标受众;
将所述预定格式的商品活动信息通过预设的广告投放接口推送给所述目标受众。
7.根据权利要求1至5中任意一项所述的广告投放控制方法,其特征在于,以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众之后,包括:
统计所述商品活动信息送达各个所述目标受众之后的广告成效指标,所述广告成效指标包括广告转化率、广告点击率、广告投入回报率任意之一或任意多项的融合数值;
筛选出所述广告成效指标低于预设阈值的全部广告投放信息,将各个广告投放信息相对应的种子受众作为异常受众进行受众合并,确定出异常受众集;
将所述异常受众集中的异常受众对应各个广告投放信息所确定的广告价值求均值,得到平均广告价值;
将平均广告价值低于预设阈值的异常受众作为极端受众从所述营销特征库中移除。
8.一种广告投放控制装置,其特征在于,包括:
信息获取模块,设置为获取在线店铺投放商品广告相对应的广告投放信息,所述广告投放信息包括商品活动信息、种子规模及多个关注营销特征;
受众候选模块,设置为根据所述多个关注营销特征从营销特征库中进行规则匹配,确定出数量大于所述种子规模的多个广告受众作为候选受众;
受众精选模块,设置为采用预设的受众评分算法确定每个所述候选受众关联于多个预设价值维度的广告价值,根据所述广告价值筛选出与所述种子规模相对应的多个候选受众作为种子受众;
广告推送模块,设置为以所述种子受众构成的种子人群确定目标受众,将所述商品活动信息投放给所述目标受众。
9.一种广告投放控制设备,包括中央处理器和存储器,其特征在于,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任意一项所述的方法的步骤。
10.一种非易失性可读存储介质,其特征在于,其以计算机可读指令的形式存储有依据权利要求1至7中任意一项所述的方法所实现的计算机程序,所述计算机程序被计算机调用运行时,执行相应的方法所包括的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311178621.4A CN117132328A (zh) | 2023-09-12 | 2023-09-12 | 广告投放控制方法及其装置、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311178621.4A CN117132328A (zh) | 2023-09-12 | 2023-09-12 | 广告投放控制方法及其装置、设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117132328A true CN117132328A (zh) | 2023-11-28 |
Family
ID=88854472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311178621.4A Pending CN117132328A (zh) | 2023-09-12 | 2023-09-12 | 广告投放控制方法及其装置、设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117132328A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808008A (zh) * | 2024-02-29 | 2024-04-02 | 厦门众联世纪股份有限公司 | 一种ltv预估巡检方法 |
-
2023
- 2023-09-12 CN CN202311178621.4A patent/CN117132328A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808008A (zh) * | 2024-02-29 | 2024-04-02 | 厦门众联世纪股份有限公司 | 一种ltv预估巡检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8626705B2 (en) | Transaction aggregator for closed processing | |
US8458033B2 (en) | Determining the relevance of offers | |
US10438228B2 (en) | Systems and methods for price matching and comparison | |
US11941661B2 (en) | Method, apparatus, and computer program product for predicting web browsing behaviors of consumers | |
US20120047014A1 (en) | Method and system for using email receipts for targeted advertising | |
US20090313101A1 (en) | Processing receipt received in set of communications | |
US20220092620A1 (en) | Method, apparatus, and computer program product for merchant classification | |
AU2018201608A1 (en) | A computer system or method for coordinating and collaborating remote online identities of influencers on social media networks | |
US11308506B2 (en) | Apparatus and method for enhanced message targeting | |
US20220180379A1 (en) | Transaction-based information processing system, method, and article | |
US20200234325A1 (en) | Automatic redemption of digital offers with deferred payment | |
US20210150604A1 (en) | Systems and methods for customization of reviews | |
US20230259973A1 (en) | Method and system for recommending promotions to consumers | |
KR101959808B1 (ko) | 온라인 통합 관리 시스템 | |
CN117132328A (zh) | 广告投放控制方法及其装置、设备、介质 | |
US20170148048A1 (en) | Graphical User Interface and Object Model for Quantitative Collaborative Cognition in Open Market Systems | |
US10909572B2 (en) | Real-time financial system ads sharing system | |
CA3098792A1 (en) | Systems and methods for customization of reviews | |
US9659306B1 (en) | Method and system for linking social media systems and financial management systems to provide social group-based marketing programs | |
KR20140133977A (ko) | 글로벌 마케팅을 위한 통합 관리 시스템 및 그 방법 | |
CN117455579B (zh) | 商品推荐干预方法、装置以及介质和设备 | |
JP7351767B2 (ja) | 情報処理方法、情報処理装置、及びプログラム | |
US20160232551A1 (en) | Partner program participation system and method | |
US20160148242A1 (en) | Automatic generation of personalized reward points | |
CN117035933A (zh) | 商品聚合方法及其装置、设备、介质 |
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 |