激励视频广告智能投放方法技术

本发明专利技术涉及一种激励视频广告智能投放方法，包括：建立用户数据库，获取用户数据；对用户数据进行标准化处理；刻画用户人群画像，为每个用户匹配多个人群属性标签；将目标人群划分为核心人群、强相关人群和辐射人群；建立CTR预测模型，进行点击率预估；根据预测的点击率分别对核心人群、强相关人群和辐射人群进行基础估价，并根据交易情况实时调整；利用基础估价进行广告投放处理，通过锁定目标人群精准投放，完成广告投放展示与变现处理。本发明专利技术通过为不同用户量身定制个性化的广告投放策略，实现了互联网广告的个性化精准投放与最大化流量变现，避免无目的投放给企业和广告主带来资源和成本上的浪费，利用少量资源达到最佳的营销效果。

Intelligent Playing Method of Video Advertising

The invention relates to an intelligent delivery method for stimulating video advertisement, which includes: establishing user database, acquiring user data; standardizing user data; depicting user population portraits and matching multiple attribute labels for each user; dividing target population into core population, strongly related population and radiated population; establishing CTR prediction model and estimating click-through rate; According to the predicted click-through rate, the core group, the strongly related group and the radiation group are evaluated, and adjusted in real time according to the transaction situation. The basic evaluation is used to process the advertisement delivery, and the advertisement display and cash-in processing are completed by locking in the precise delivery of the target group. The invention realizes the individualized precise delivery of Internet advertisements and maximizes the flow realization by customizing the personalized advertising delivery strategy for different users, avoids the waste of resources and costs brought by aimless delivery to enterprises and advertisers, and achieves the best marketing effect by using a small amount of resources.

【技术实现步骤摘要】
激励视频广告智能投放方法
本专利技术涉及一种广告投放方法，具体涉及一种激励视频广告智能投放方法。
技术介绍
随着互联网技术的发展，大数据技术凭借着优异的数据收集和分析技术给互联网广告带来了创新和进步，目前在互联网广告行业中已有越来越多的广告主釆用大数据营销，通过在广告投放中运用数据算法和人群定向技术锁定特定人群，最终将产品推送至消费者，然而投放广告的点击率和转化率并不高，一方面是由于大数据技术开发不够完善，仍然存在一些不足，例如面对海量数据难以进行提纯和存储，数据的隐形性、无效性和偶然性对最终得到的分析数据的准确度具有一定的影响，导致受众的能动性被低估。另一方面，当互联网用户在一定的时间段内快速转变自己的关注喜好时，第三方技术公司难以准确地把握受众喜好，容易造成一定的偏差，这种无目的广告投放策略会给企业和广告主带来资源和成本上的浪费。
技术实现思路
针对现有技术中的不足，本专利技术的目的是提供一种激励视频广告智能投放方法，通过为不同用户量身定制个性化的广告投放策略，以实现互联网广告的个性化精准投放与最大化流量变现，提高广告的点击率和转化率。本专利技术的目的是采用下述技术方案实现的：一种激励视频广告智能投放方法，包括：建立用户数据库，实时获取用户数据；对用户数据进行标准化处理；刻画用户人群画像，根据人群画像为每个用户匹配多个人群属性标签；计算用户人群画像属性与广告媒体属性的关联程度，根据关联程度对目标人群进行划分；建立CTR预测模型，分别对核心人群、强相关人群和辐射人群进行点击率预估；根据预测的点击率分别对核心人群、强相关人群和辐射人群进行基础估价并实时调整；根据基础估价进行广告竞价投放，完成广告投放展示与变现处理。进一步的，所述用户数据库根据用户行为数据的变化实时更新。进一步的，所述用户数据是利用DSP获取的暂存在用户电脑里记录用户浏览行为与浏览状态的cookies数据。进一步的，所述对用户数据进行标准化处理，即通过计算将每个用户数据限制在[0,1]范围内，使得经过标准化处理的用户数据变量值围绕0上下波动，且方差为1。进一步的，所述刻画用户人群画像的具体方法为：采集用户在不同时段的登陆时间、年龄、性别、兴趣、用户所在的地域信息和历史广告CTR信息特征数据，分析用户在不同时段的兴趣和行为特征，按照基础属性、媒体环境、用户环境、工具应用、商业兴趣、社交兴趣、媒体兴趣、娱乐兴趣、用户状态、意愿行为和空间属性十一维度刻画用户人群画像。进一步的，所述计算用户人群画像属性与广告媒体属性的关联程度，对目标人群进行划分，即根据用户人群画像属性与广告媒体属性的维度重合度，将目标人群划分为核心人群、强相关人群和辐射人群，具体划分方法为：将用户人群画像属性划分为基础属性、媒体环境、用户环境、工具应用、商业兴趣、社交兴趣、媒体兴趣、娱乐兴趣、用户状态、意愿行为和空间属性共十一个一级维度；将广告媒体属性划分为基本属性、媒体分类、质量类型、行业特性、用户群、地域、页面类型、关键字和页面内容质量共九个一级维度；将用户人群画像属性与广告媒体属性各维度对应的标签进行匹配，每个维度设置对应的权重值为q1；将匹配标签的关联性划分为3级，设置权重值为q2；根据匹配标签对应的维度和关联性系数进行加权计算，得到维度重合度的百分比值；当维度重合度大于70％时，属于核心人群，50％～70％属于强相关人群，小于50％属于辐射人群。进一步的，所述CTR预测模型是由输入层、Embedding层、Product层以及2层隐藏层构成的5层PNN网络结构模型；所述输入层用于输入离散的特征向量；所述Embedding层是由整个网络训练得到的，用于把离散的特征向量嵌入到高维连续空间，得到连续特征值向量；所述Product层用于进行特征交叉，首先将Embedding层的连续特征向量归纳到相应类别而得到z向量，再将Embedding层中的任意两个特征向量做内积和外积得到P向量，最后将z向量和P向量一起作为神经网络的输入；所述隐藏层用于输出CTR预测结果。进一步的，所述对核心人群、强相关人群和辐射人群进行基础估价并实时调整的方法为：利用贝叶斯平滑技术预设CTR初始值，根据当前的点击量和曝光量对CTR初始值逐步修正，再结合广告主预算、KPI以及广告位单价，逐步修正出价结果，最终得到核心人群、强相关人群和辐射人群的基础估价。进一步的，所述核心人群的基础估价高于强相关人群的基础估价，强相关人群的基础估价高于辐射人群的基础估价。进一步的，所述根据基础估价进行广告竞价投放的过程为：通过对基础估价进行排序获得最优竞价，输出最优竞价对应的广告，完成广告投放展示与变现。本申请的实施例提供的技术方案可以包括以下有益效果：本专利技术提出的基于激励视频广告的智能投放方法，利用大数据技术和智能算法描绘用户画像，为不同的用户量身定制属于其自身个性化的营销策略，并最终将个性化的产品广告推送至消费者，在广告投放中运用数据算法和人群定向技术锁定某个人，避免了无目的投放的多余和浪费，给企业和广告主带来了资源和成本上的节约，利用少量资源达到最佳的营销效果，此外，激励视频广告的转化率比传统广告的转化率更高，激励视频广告凭借其良好的用户体验，使用户的留存率更大，因而点击率转化率更大，最终实现最大化的流量变现。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，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是激励视频广告智能投放方法流程图；图2是CTR预测模型结构示意图；图3是激励视频系统架构图；图4是基于激励视频广告系统的广告智能投放流程图；具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围。第一优选方案：图1是激励视频广告智能投放方法流程图，如图1所示，所述方法包括以下步骤：建立用户数据库，实时获取用户数据；对用户数据进行标准化处理；刻画用户人群画像，根据人群画像为每个用户匹配多个人群属性标签；计算用户人群画像属性与广告媒体属性的关联程度，根据关联程度对目标人群进行划分；建立CTR预测模型，分别对核心人群、强相关人群和辐射人群进行点击率预估；根据预测的点击率分别对核心人群、强相关人群和辐射人群进行基础估价并实时调整；根据基础估价进行广告竞价投放，完成广告投放展示与变现处理。具体的，本专利技术通过建立用户数据库实时获取用户数据以追踪用户行为，由于用户的行为处于不断变化中，因此，用户数据库会根据用户行为的变化实时更新。用户数据的获取是基于对cookies数据的收集，cookie是服务器暂时存储在用户电脑里的资料，能够记录用户在网上的浏览行为及浏览状态，用户数据库里的cookies越多，则能够存储规模越庞大的目标人群。cookies数据是由DSP通过多种方式获得的，例如通过在广告主的网站上埋点，即放上一个lxl的不可见像素，当用户第本文档来自技高网...

【技术保护点】
1.一种激励视频广告智能投放方法，其特征在于，包括：建立用户数据库，实时获取用户数据；对用户数据进行标准化处理；刻画用户人群画像，根据人群画像为每个用户匹配多个人群属性标签；计算用户人群画像属性与广告媒体属性的关联程度，根据关联程度对目标人群进行划分；建立CTR预测模型，分别对核心人群、强相关人群和辐射人群进行点击率预估；根据预测的点击率分别对核心人群、强相关人群和辐射人群进行基础估价并实时调整；根据基础估价进行广告竞价投放，完成广告投放展示与变现处理。

【技术特征摘要】
1.一种激励视频广告智能投放方法，其特征在于，包括：建立用户数据库，实时获取用户数据；对用户数据进行标准化处理；刻画用户人群画像，根据人群画像为每个用户匹配多个人群属性标签；计算用户人群画像属性与广告媒体属性的关联程度，根据关联程度对目标人群进行划分；建立CTR预测模型，分别对核心人群、强相关人群和辐射人群进行点击率预估；根据预测的点击率分别对核心人群、强相关人群和辐射人群进行基础估价并实时调整；根据基础估价进行广告竞价投放，完成广告投放展示与变现处理。2.根据权利要求1所述的一种激励视频广告智能投放方法，其特征在于，所述用户数据库根据用户行为数据的变化实时更新。3.根据权利要求1所述的一种激励视频广告智能投放方法，其特征在于，所述用户数据是利用DSP获取的暂存在用户电脑里记录用户浏览行为与浏览状态的cookies数据。4.根据权利要求1所述的一种激励视频广告智能投放方法，其特征在于，所述对用户数据进行标准化处理，即通过计算将每个用户数据限制在[0,1]范围内，使得经过标准化处理的用户数据变量值围绕0上下波动，且方差为1。5.根据权利要求1所述的一种激励视频广告智能投放方法，其特征在于，所述刻画用户人群画像的具体方法为：采集用户在不同时段的登陆时间、年龄、性别、兴趣、用户所在的地域信息和历史广告CTR信息特征数据，分析用户在不同时段的兴趣和行为特征，按照基础属性、媒体环境、用户环境、工具应用、商业兴趣、社交兴趣、媒体兴趣、娱乐兴趣、用户状态、意愿行为和空间属性十一维度刻画用户人群画像。6.根据权利要求1所述的一种激励视频广告智能投放方法，其特征在于，所述计算用户人群画像属性与广告媒体属性的关联程度，对目标人群进行划分，即根据用户人群画像属性与广告媒体属性的维度重合度，将目标人群划分为核心人群、强相关人群和辐射人群，具体划分方法为：将用户人群画像属性划分为基础属性、媒体环境、用户环境、工具应用、商业兴趣、社交兴趣、媒体兴趣、娱乐兴趣、用户状态、意愿行为和空间属性共...

【专利技术属性】
技术研发人员：黄元武，王正旺，
申请(专利权)人：上海旺翔文化传媒股份有限公司，
类型：发明
国别省市：上海,31