基于高价值用户的广告特征分析方法及系统技术方案

本申请实施例公开了一种基于高价值用户的广告特征分析方法及系统。本申请实施例提供的技术方案，通过获取用户数据，使用预定义指标从用户数据中确定对应的高价值用户，进而提取对应高价值用户的广告侧数据，基于广告侧数据计算各个广告特征对获取高价值用户的平均贡献率，确定确定特征评估结果达到设定阈值的广告特征作为关键特征。之后，基于线性回归模型计算各个关键特征对获取高价值用户的正负相关性系数，归一化处理正负相关性系数输出对应的特征分析结果。采用上述技术手段，基于分析结果可有效辅助广告的针对性投放决策，降低广告投放过程中获取高价值用户的投入成本，有效提升短视频app的收益。效提升短视频app的收益。效提升短视频app的收益。

【技术实现步骤摘要】
基于高价值用户的广告特征分析方法及系统


[0001]本申请实施例涉及大数据
，尤其涉及一种基于高价值用户的广告特征分析方法及系统。

技术介绍

[0002]目前，短视频app获取新用户的方式主要通过在广告平台付费投放广告，推广短视频产品，以此吸引用户下载。在各类短视频用户中，高价值拍客对短视频app的用户增长而言较为重要。高价值拍客指的是进入短视频app内活跃度高、付费能力较强的视频生产用户，这部分用户从用户留存、收益和app推荐传播等方面都提供了正向作用。通过精准投放广告获取高价值拍客，对于短视频app用户增长和收益而言，都具有重要意义。
[0003]但是，现有的广告投放方式对于高价值拍客的获取缺乏针对性，无法明确获取高价值拍客的关键广告特征，导致高价值拍客的获取成本相对较高。

技术实现思路

[0004]本申请实施例提供一种基于高价值用户的广告特征分析方法及系统，能够分析确定影响高价值用户获取的广告特征，以辅助广告投放决策的制定，针对性地获取高价值用户，并降低高价值用户获取的投入成本，有效提升短视频app的收益。
[0005]在第一方面，本申请实施例提供了一种基于高价值用户的广告特征分析方法，包括：
[0006]获取用户数据，使用预定义指标从所述用户数据中确定对应的高价值用户；
[0007]提取对应所述高价值用户的广告侧数据，基于所述广告侧数据计算各个广告特征对获取所述高价值用户的平均贡献率，根据所述平均贡献率计算对应广告特征的特征评估结果，并确定特征评估结果达到设定阈值的广告特征作为关键特征；
[0008]基于线性回归模型计算各个所述关键特征对获取所述高价值用户的正负相关性系数，归一化处理所述正负相关性系数输出对应的特征分析结果。
[0009]进一步的，基于线性回归模型计算各个所述关键特征对获取所述高价值用户的正负相关性系数，包括：
[0010]对应所述关键特征建立线性回归模型，根据所述线性回归模型的损失函数确定所述关键特征对获取所述高价值用户的正负相关性系数。
[0011]进一步的，在基于线性回归模型计算各个所述关键特征对获取所述高价值用户的正负相关性系数之后，还包括：
[0012]根据各个所述关键特征构建特征组合，计算所述特征组合对获取所述高价值用户的正负相关性系数。
[0013]进一步的，根据各个所述关键特征构建特征组合，计算所述特征组合对获取所述高价值用户的正负相关性系数，包括：
[0014]选取两个所述关键特征构建特征组合，根据多项式回归模型的损失函数确定所述
特征组合对获取所述高价值用户的正负相关性系数。
[0015]进一步的，选取两个所述关键特征构建特征组合，包括：
[0016]使用因子分解机模型选取两个所述关键特征构建特征组合。
[0017]进一步的，归一化处理所述正负相关性系数输出对应的特征分析结果，包括：
[0018]归一化处理所述正负相关性系数得到对应的特征影响程度值，以所述特征影响程度值作为特征分析结果并可视化输出。
[0019]进一步的，所述预定义指标包括付费率阈值、投资回报率阈值和设定时段平均付费金额阈值。
[0020]进一步的，使用预定义指标从所述用户数据中确定对应的高价值用户，包括：
[0021]基于所述用户数据的属性数据和行为数据计算对应各个用户的付费率、投资回报率和设定时段平均付费金额；
[0022]基于预定义指标比对各个用户的付费率、投资回报率和设定时段平均付费金额，从各个用户中确定对应的高价值用户。
[0023]进一步的，提取对应所述高价值用户的广告侧数据，包括：
[0024]确定所述高价值用户在广告端的身份标识，从所述广告端获取对应所述身份标识的广告侧数据，并对所述广告侧数据进行规范化处理。
[0025]进一步的，基于所述广告侧数据计算各个广告特征对获取所述高价值用户的平均贡献率，包括：
[0026]基于随机森林模型选取广告测数据构建决策树，计算所述决策树各个节点的贡献值，基于所述贡献值确定所述决策树中各个广告特征对获取所述高价值用户的贡献率；
[0027]根据设定数量的所述决策树确定的所述贡献率计算各个广告特征对获取所述高价值用户的平均贡献率。
[0028]进一步的，计算所述决策树各个节点的贡献值，包括：
[0029]基于不纯度函数计算所述决策树各个节点的不纯度，基于所述不纯度计算对应节点的贡献值。
[0030]在第二方面，本申请实施例提供了一种基于高价值用户的广告特征分析系统，包括：
[0031]确定模块，用于获取用户数据，使用预定义指标从所述用户数据中确定对应的高价值用户；
[0032]第一计算模块，用于提取对应所述高价值用户的广告侧数据，基于所述广告侧数据计算各个广告特征对获取所述高价值用户的平均贡献率，根据所述平均贡献率计算对应广告特征的特征评估结果，并确定特征评估结果达到设定阈值的广告特征作为关键特征；
[0033]第二计算模块，用于基于线性回归模型计算各个所述关键特征对获取所述高价值用户的正负相关性系数，归一化处理所述正负相关性系数输出对应的特征分析结果。
[0034]在第三方面，本申请实施例提供了一种电子设备，包括：
[0035]存储器以及一个或多个处理器；
[0036]所述存储器，用于存储一个或多个程序；
[0037]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的基于高价值用户的广告特征分析方法。
[0038]在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的基于高价值用户的广告特征分析方法。
[0039]本申请实施例通过获取用户数据，使用预定义指标从用户数据中确定对应的高价值用户，进而提取对应高价值用户的广告侧数据，基于广告侧数据计算各个广告特征对获取高价值用户的平均贡献率，根据平均贡献率计算对应广告特征的特征评估结果，并确定特征评估结果达到设定阈值的广告特征作为关键特征。之后，基于线性回归模型计算各个关键特征对获取高价值用户的正负相关性系数，归一化处理正负相关性系数输出对应的特征分析结果。采用上述技术手段，通过关键特征对获取高价值用户的正负相关性系数计算能够准确地分析各个关键特征对获取高价值用户的影响程度，基于分析结果可有效辅助广告的针对性投放决策，降低广告投放过程中获取高价值用户的投入成本，有效提升短视频app的收益。
[0040]此外，本申请实施例通过构建预定义指标，可以根据高价值用户的特征准确地分类高价值用户，以此可提升特征分析的精准度，进一步优化特征分析结果。
附图说明
[0041]图1是本申请实施例一提供的一种基于高价值用户的广告特征分析方法的流程图；
[0042]图2是本申请实施例一中高价值用户的确定流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高价值用户的广告特征分析方法，其特征在于，包括：获取用户数据，使用预定义指标从所述用户数据中确定对应的高价值用户；提取对应所述高价值用户的广告侧数据，基于所述广告侧数据计算各个广告特征对获取所述高价值用户的平均贡献率，根据所述平均贡献率计算对应广告特征的特征评估结果，并确定特征评估结果达到设定阈值的广告特征作为关键特征；基于线性回归模型计算各个所述关键特征对获取所述高价值用户的正负相关性系数，归一化处理所述正负相关性系数输出对应的特征分析结果。2.根据权利要求1所述的基于高价值用户的广告特征分析方法，其特征在于，基于线性回归模型计算各个所述关键特征对获取所述高价值用户的正负相关性系数，包括：对应所述关键特征建立线性回归模型，根据所述线性回归模型的损失函数确定所述关键特征对获取所述高价值用户的正负相关性系数。3.根据权利要求1所述的基于高价值用户的广告特征分析方法，其特征在于，在基于线性回归模型计算各个所述关键特征对获取所述高价值用户的正负相关性系数之后，还包括：根据各个所述关键特征构建特征组合，计算所述特征组合对获取所述高价值用户的正负相关性系数。4.根据权利要求3所述的基于高价值用户的广告特征分析方法，其特征在于，根据各个所述关键特征构建特征组合，计算所述特征组合对获取所述高价值用户的正负相关性系数，包括：选取两个所述关键特征构建特征组合，根据多项式回归模型的损失函数确定所述特征组合对获取所述高价值用户的正负相关性系数。5.根据权利要求4所述的基于高价值用户的广告特征分析方法，其特征在于，选取两个所述关键特征构建特征组合，包括：使用因子分解机模型选取两个所述关键特征构建特征组合。6.根据权利要求1所述的基于高价值用户的广告特征分析方法，其特征在于，归一化处理所述正负相关性系数输出对应的特征分析结果，包括：归一化处理所述正负相关性系数得到对应的特征影响程度值，以所述特征影响程度值作为特征分析结果并可视化输出。7.根据权利要求1所述的基于高价值用户的广告特征分析方法，其特征在于，所述预定义指标包括付费率阈值、投资回报率阈值和设定时段平均付费金额阈值。8.根据权利要求7所述的基于高价值用户的广告特征分析方法，其特征在于，使用预定义指标从所述用户数据中确定对应的高价值用户，包括：基于所述用户数据的属性数据和行为数据计算对应...

【专利技术属性】
技术研发人员：陆艺丹，向诗怡，
申请(专利权)人：百果园技术新加坡有限公司，
类型：发明
国别省市：