一种广告个性化推送系统及方法技术方案

本发明专利技术公开了一种广告个性化推送方法和系统，方法包括：步骤1)通过爬虫获取第三方外部数据，并从中统计出某一用户的行为数据；获取平台中对用户的广告的展示、点击和互动数据的内部数据；步骤2)对以上第三方外部数据和内部数据进行预处理，并将其据转化为具有准确用户信息和标签的数据样本；步骤3)使用预处理后的数据进行训练，并选择用户画像的具体模型，形成用户标签库并将得到的用户的信息同步到广告平台，由广告平台将其存储于缓存标签库中；步骤4)采集平台中历史的广告展示和点击数据，形成CTR广告投放预测模型，并将其存储于CTR预估模型库中；步骤5)基于所述用户的信息和所述CTR广告投放预测模型，对某一用户进行广告精准投放。

Personalized advertisement push system and method

The invention discloses a personalized advertising push method and system method comprises the steps of: 1) to obtain third party external data through the crawler, and from the statistics of data of a user; the internal data and interactive data display, click access to advertising to users in the platform; 2) of the above third steps external and internal data preprocessing, which is transformed into accurate according to user information and label sample data; step 3) using the preprocessed data for training, and choose specific model of user portrait, the formation of user tag library and synchronization will get the user information to the advertising platform, by advertising platform it is stored in the cache tag library; step 4) in the historical collection platform advertising display and click data, the formation of CTR advertising prediction model, and stored in the CTR prediction model In the library, step 5, based on the information of the user and the CTR advertisement prediction model, the advertisement is delivered accurately to a certain user.

【技术实现步骤摘要】

本专利技术属于互联网领域，涉及一种广告个性化推送系统及方法。
技术介绍
在互联网中，例如，百度，拥有大量的网页信息，而主题广告推广的对象不是用户而是某一类型的页面。通过类比，每种网页类型对应于推荐系统中的一个用户，而每一个广告就对应于推荐系统中的一个物品。计算广告从前期调查到策划、制作、投放、反馈，再到效果测定的运作流程，本质上就是一系列算法模型组合演算的过程。计算广告的目的在于通过算法集合自动寻找广告、广告环境与受众三者之间的最佳匹配。这种自动化最佳匹配的实现是数据挖掘、信息检索、文本分析、情感计算、机器学习等多种程序算法交互作用的结果。eCpm计算广告中最为核心的量化指标之一,eCpm＝ROI(a,u,c)＝CTR(a,u,c).Value(a,u,c),上式中CTR为广告的点击率、Value为广告的点击价值、a(Ad)为广告、c(context)为上下文、u(user)为用户。user由于Value是固定的，实际影响广告主收入的核心因素为广告的点击率。可见广告点击率(Click-ThroughRatePrediction)是互联网计算广告中的关键环节，预估准确性直接影响公司广告收入。提供广告的点击率能使得广告主有更好的ROI。点击率(Click-Through-Rate,CTR)预估是互联网广告投放的核心问题,通过使用机器学习方法,充分利用广告系统日志中的数据进行预测,计算出用户对候选广告点击概率的大小,从中选出被用户点击的概率较大的广告展示给用户。从上面Ctr(a,u,c)可以看出，要改善广告的点击率，就必须在合适的情景下将广告推荐给匹配的用户。广告推荐以下几个关键技术因素决定：1.受众定向投放技术。客户根据受众的人口统计学特征和兴趣爱好采买受众，包括地理位置、年龄、性别、职业/行业、收入状态、婚姻状态、教育程度和兴趣爱好。2.用户画像。通过用户调研去了解用户,根据他们的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,就形成了一个人物原型。3.CTR预估。通过采集的投放数据培训CTR预估的模型来预测广告的点击率。4.机器学习(machinelearning)。计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。现有广告的推荐系统基于CTR预估模型，其主要包括以下步骤：1.采集广告历史的投放数据；采集广告的展示数据和点击数据；2.数据预处理，包括：a)清洗数据格式不合法的记录b)数据转换：通过广告的点击信息，给广告的展示数据增加相应的标签clicklabel，如果展示在后续被点击，则给此展示clicklabel为1的标签，未产生点击的展示给与clicklabel为0的标签，数据样式，clicklabel、impresion{user、ad，adslot、device、app本文档来自技高网...

【技术保护点】
一种广告个性化推送方法，其特征在于，包括：步骤1)通过爬虫获取第三方外部数据，并从中统计出某一用户的行为数据；获取平台中对用户的广告的展示、点击和互动数据的内部数据；步骤2)对以上第三方外部数据和内部数据进行预处理，并将其据转化为具有准确用户信息和标签的数据样本；步骤3)使用预处理后的数据进行训练，并选择用户画像的具体模型，形成用户标签库并将得到的用户的信息同步到广告平台，由广告平台将其存储于缓存标签库中；步骤4)采集平台中历史的广告展示和点击数据，形成CTR广告投放预测模型，并将其存储于CTR预估模型库中；步骤5)基于所述用户的信息和所述CTR广告投放预测模型，对某一用户进行广告精准投放。

【技术特征摘要】
1.一种广告个性化推送方法，其特征在于，包括：步骤1)通过爬虫获取第三方外部数据，并从中统计出某一用户的行为数据；获取平台中对用户的广告的展示、点击和互动数据的内部数据；步骤2)对以上第三方外部数据和内部数据进行预处理，并将其据转化为具有准确用户信息和标签的数据样本；步骤3)使用预处理后的数据进行训练，并选择用户画像的具体模型，形成用户标签库并将得到的用户的信息同步到广告平台，由广告平台将其存储于缓存标签库中；步骤4)采集平台中历史的广告展示和点击数据，形成CTR广告投放预测模型，并将其存储于CTR预估模型库中；步骤5)基于所述用户的信息和所述CTR广告投放预测模型，对某一用户进行广告精准投放。2.根据权利要求1所述的广告个性化推送系统，其特征在于，步骤1)行为数据具体包括：静态数据，包括：人口属性、商业属性方面数据，这些数据自成标签；动态信息数据，包括：用户不断变化的行为信息，即：包括：用户浏览、搜索、评论转发、购买或like一切用户在移动互联网上的行为和用户行为的接触点，其中，所述接触点为用户产生行为的各类媒介和app。3.根据权利要求1所述的广告个性化推送系统，其特征在于，步骤2)种，具体包括：数据清洗，清洗数据格式不合法的记录，将转换后的数据物化；将数字属性做归一化，将类别变量做独热编码(onehotencoding)；处理完后，分析点击标签和展示数据各个属性的相关关系，采用wrap...

【专利技术属性】
技术研发人员：胡云志，
申请(专利权)人：北京掌阔移动传媒科技有限公司，
类型：发明
国别省市：北京;11