基于大数据的数字广告投放方法技术

本发明专利技术涉及一种基于大数据的数字广告投放方法，其包括：接收广告主客户端发送的广告管理请求；对历史价格序列进行数据分析以获取每个价格扰动因子与每个历史时间段的广告位价格的相关系数以得到每个价格扰动因子的价格扰动向量，根据所有价格扰动因子的价格扰动向量生成第一价格扰动矩阵；根据第一价格扰动矩阵获取若干个目标特征向量，并根据所有的目标特征向量生成目标特征矩阵，然后根据目标特征矩阵生成第二价格扰动矩阵；根据第二价格扰动矩阵得到第一价格扰动矩阵与历史价格序列的回归模型，并建立广告价格预测函数以得到目标广告位的预测价格分布数据。标广告位的预测价格分布数据。标广告位的预测价格分布数据。

【技术实现步骤摘要】
基于大数据的数字广告投放方法


[0001]本专利技术涉及大数据和数字广告领域，尤其涉及一种基于大数据的数字广告投放方法。

技术介绍

[0002]随着互联网与计算机技术的迅猛发展和广泛应用，广告投放的方式已经从传统的线下投放如报纸、杂志、实体广告栏转向线上广告投放，如利用各种APP应用页面或者网站页面进行广告的线上投放。在线广告区别于传统的线下购买。其广告的投放模式，具有可交互性、可定制、可跟踪、可送达等优点，使得在线广告可以进行精准的受众定向和广告决策。
[0003]目前，广告主在进行广告投放时，一般没有根据价格来制定广告投放计划，对于一些投放周期较长的广告来说，在制定相应广告投放计划时，如不考虑广告位价格而漫无目的的投放，可能会浪费不必要的资金。例如，广告主在广告投放之前，如果对广告位投放价格不加以分析并制定相应的广告投放计划，在广告投入带来的收益不佳时，高额的广告费用将成为企业的负担。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于大数据的数字广告投放方法，包括：
[0005]接收广告主客户端发送的广告管理请求；所述广告管理请求包括目标标识符、目标价格阈值、目标预测周期和价格扰动因子；
[0006]根据目标标识符从数据库获取目标广告位的历史价格数据，并对历史价格数据进行数据处理以得到历史价格序列；所述历史价格序列包括目标广告位在各个历史时间段的广告位价格；
[0007]获取目标广告位的所有价格扰动因子，并对历史价格序列进行数据分析以获取每个价格扰动因子与每个历史时间段的广告位价格的相关系数；将每个价格扰动因子的所有相关系数按照相关系数的数值进行升序排列以得到每个价格扰动因子的价格扰动向量，并根据所有价格扰动因子的价格扰动向量生成第一价格扰动矩阵；
[0008]构造第一价格扰动矩阵的相关系数矩阵，并对第一价格扰动矩阵的相关系数矩阵进行特征分解以得到所述相关系数矩阵的所有特征值和每个特征值对应的特征向量；
[0009]根据所述相关系数矩阵的所有特征值对所有的特征向量进行数据验证以得到若干个目标特征向量，并根据所有的目标特征向量生成目标特征矩阵，然后根据目标特征矩阵生成第二价格扰动矩阵；
[0010]根据第二价格扰动矩阵建立第二价格扰动矩阵与历史价格序列的回归模型，并对第二价格扰动矩阵与历史价格序列的回归模型进行变换以得到第一价格扰动矩阵与历史价格序列的回归模型；
[0011]根据第一价格扰动矩阵与历史价格序列的回归模型建立广告价格预测函数，并根据广告价格预测函数预测目标预测周期内目标广告位的广告位价格以得到目标广告位的
预测价格分布数据；
[0012]将目标预测周期内目标广告位的广告位价格与目标价格阈值进行比较以得到广告位价格分析表并将其发送到广告主客户端。
[0013]根据一个优选实施方式，所述价格扰动因子为影响目标广告位的广告位价格的因素，其包括时间、热度、收视率和流量；所述目标标识符为目标广告位的广告位标识符；所述广告位标识符用于对广告位进行唯一标识；所述目标预测周期为广告位价格的预测周期；所述目标价格阈值为广告主能接受的最高的广告位价格；所述广告主为推销商品、提供服务或推广概念而发布广告信息的市场主体。
[0014]根据一个优选实施方式，对历史价格数据进行数据处理得到历史价格序列包括：
[0015]提取历史价格数据中各个历史时间段的广告位价格；
[0016]将各个历史时间段的广告位价格按照时间顺序进行升序排列以得到初始历史价格序列。
[0017]根据一个优选实施方式，对历史价格数据进行数据处理得到历史价格序列包括：
[0018]对初始历史价格序列进行第一次参数分离以得到第一分离分量和第一分离残量；
[0019]对第一分离残量进行第二次参数分离以得到第二分离分量和第二分离残量；
[0020]对第二分离残量进行第三次参数分离以得到第三分离分量和第三分离残量；对上述步骤执行迭代操作，直到分离残量不能继续分离；
[0021]将每一次参数分离得到的分离分量和最后一次参数分离得到的分离残量进行线性求和以得到历史价格序列。
[0022]根据一个优选实施方式，对第一价格扰动矩阵的相关系数矩阵进行特征分解得到相关系数矩阵的所有特征值和每个特征值对应的特征向量包括：
[0023]将第一价格扰动矩阵的相关系数矩阵作为第一相关矩阵，将所述第一相关矩阵进行矩阵相似变换以得到第二相关矩阵；
[0024]将第二相关矩阵中非主对角线元素中绝对值最大的元素作为第二相关矩阵的核心元素；
[0025]获取第二相关矩阵中核心元素所在行中值最大的元素，并将其作为第二相关矩阵的第一元素；
[0026]获取第二相关矩阵中核心元素所在列中值最大的元素，并将其作为第二相关矩阵的第二元素；
[0027]根据第二相关矩阵的核心元素、第一元素和第二元素得到旋转角度，并根据所述旋转角度对第二相关矩阵进行旋转，然后根据旋转后的第二相关矩阵得到相关系数矩阵的所有特征值和每个特征值对应的特征向量。
[0028]根据一个优选实施方式，根据相关系数矩阵的所有特征值对所有的特征向量进行数据验证得到若干个目标特征向量包括：
[0029]将相关系数矩阵的所有特征值按照特征值的数值进行降序排序；
[0030]计算所有特征值的和以得到特征和，并将每个特征值与特征和的比值作为每个特征值的特征占比率，然后将特征验证值设置为零；
[0031]按照特征值的排列顺序遍历所有的特征值，并将正在遍历的特征值作为目标特征值，将特征验证值加上目标特征值的特征占比率以对特征验证值进行更新，并将更新后的
特征验证值与特征验证阈值进行比较；
[0032]在更新后的特征验证值小于或等于特征验证阈值时将目标特征值对应的特征向量作为目标特征向量，并按照特征值的排列顺序遍历下一个特征值；在更新后的特征验证值大于特征验证阈值时停止遍历特征值。
[0033]根据一个优选实施方式，根据目标广告位的预测价格分布数据得到广告位价格分析表包括：
[0034]根据目标广告位的预测价格分布数据获取目标广告位在目标预测周期内各时间段的广告位价格，并分别将各时间段的广告位价格与目标价格阈值进行比较；
[0035]将所有小于或等于目标价格阈值的广告位价格进行时间标注，并将所有小于或等于目标价格阈值的广告位价格按价格进行升序排序以得到广告位价格分析表，然后将其发送到广告主客户端。
[0036]根据一个优选实施方式，将每一次参数分离的分离分量和最后一次参数分离的分离残量进行线性求和得到历史价格序列包括：
[0037][0038]其中，ad
price
(n)为历史价格序列，c为分离分量的个数，l为分离分量的索引，h
l
(n)为第l个分离分量，g(n)为分离残量。
[0039]根据一个优选实施方式，根据第一价格扰动矩阵与历史价格序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的数字广告投放方法，其特征在于，接收广告主客户端发送的广告管理请求；所述广告管理请求包括目标标识符、目标价格阈值、目标预测周期和价格扰动因子；根据目标标识符从数据库获取目标广告位的历史价格数据，并对历史价格数据进行数据处理以得到历史价格序列；所述历史价格序列包括目标广告位在各个历史时间段的广告位价格；获取目标广告位的所有价格扰动因子，并对历史价格序列进行数据分析以获取每个价格扰动因子与每个历史时间段的广告位价格的相关系数；将每个价格扰动因子的所有相关系数按照相关系数的数值进行升序排列以得到每个价格扰动因子的价格扰动向量，并根据所有价格扰动因子的价格扰动向量生成第一价格扰动矩阵；构造第一价格扰动矩阵的相关系数矩阵，并对第一价格扰动矩阵的相关系数矩阵进行特征分解以得到所述相关系数矩阵的所有特征值和每个特征值对应的特征向量；根据所述相关系数矩阵的所有特征值对所有的特征向量进行数据验证以得到若干个目标特征向量，并根据所有的目标特征向量生成目标特征矩阵，然后根据目标特征矩阵生成第二价格扰动矩阵；根据第二价格扰动矩阵建立第二价格扰动矩阵与历史价格序列的回归模型，并对第二价格扰动矩阵与历史价格序列的回归模型进行变换以得到第一价格扰动矩阵与历史价格序列的回归模型；根据第一价格扰动矩阵与历史价格序列的回归模型建立广告价格预测函数，并根据广告价格预测函数预测目标预测周期内目标广告位的广告位价格以得到目标广告位的预测价格分布数据；将目标预测周期内目标广告位的广告位价格与目标价格阈值进行比较以得到广告位价格分析表并将其发送到广告主客户端。2.根据权利要求1所述的方法，其特征在于，所述价格扰动因子为影响目标广告位的广告位价格的因素，其包括时间、热度、收视率和流量；所述目标标识符为目标广告位的广告位标识符；所述广告位标识符用于对广告位进行唯一标识。3.根据权利要求2所述的方法，其特征在于，对历史价格数据进行数据处理得到历史价格序列包括：提取历史价格数据中各个历史时间段的广告位价格；将各个历史时间段的广告位价格按照时间顺序进行升序排列以得到初始历史价格序列。4.根据权利要求1至3之一所述的方法，其特征在于，对历史价格数据进行数据处理得到历史价格序列包括：对初始历史价格序列进行第一次参数分离以得到第一分离分量和第一分离残量；对第一分离残量进行第二次参数分离以得到第二分离分量和第二分离残量；对第二分离残量进行第三次参数分离以得到第三分离分量和第三分离残量；对上述步骤执行迭代操作，直到分离残量不能继续分离；将每一次参数分离得到的分离分量和最...

【专利技术属性】
技术研发人员：陈倩，
申请(专利权)人：陈倩，
类型：发明
国别省市：