一种用户单价分解方法、系统及计算机存储介质技术方案

本发明专利技术公开一种用户单价分解方法、系统及计算机存储介质。其中，该方法包括：将用户行为数据通过映射、分析以及统计构建得到对应的多字段用户画像，根据全部用户行为数据、全部多字段用户画像以及预先获取的广告联盟平台的日报表计算得到历史各日期最小单位价值；通过历史各日期最小单位价值，可预测出当前日期最小单位价值，通过时间序列算法可预估出当前日期指定用户指定行为的总次数，根据当前日期最小单位价值和当前日期指定用户指定行为的总次数可以生成每个用户在当前日期创造的价值，进而预估全部用户在当前日期创造的总价值。该方法解决了现有技术中无法细粒度评估每个用户所创造的价值，无法对单次广告投放进行优化的问题。且误差较小。的问题。且误差较小。的问题。且误差较小。

【技术实现步骤摘要】
一种用户单价分解方法、系统及计算机存储介质


[0001]本专利技术涉及广告
，具体而言，涉及一种用户单价分解方法、系统及计算机存储介质。

技术介绍

[0002]广告作为企业营销的方式之一，已经成为企业和消费者之间的重要纽带。继报纸、广播、电视、杂志传统四大媒体之后，伴随着互联网广告的普及，结合大数据技术和人工智能技术，使得广告的覆盖性、精准性和智能性得到了极大的提升。
[0003]广告联盟的出现解决了互联网广告的长尾问题，通过对中小网络的媒体(又称联盟会员)资源进行整合，使得广告主的投放能够在互联网产品中得到更广泛的传播。广告主在广告联盟平台中发布广告需求，按照广告展示方式和效果支付广告费用，广告联盟平台通过内部竞价逻辑，为联盟会员的广告请求提供填充，并按协议内容向联盟会员支付广告展示费用。
[0004]现有技术中，国内主流的广告联盟平台有腾讯公司的优量汇、字节跳动公司的穿山甲和百度广告联盟等，因单次广告曝光价值较低、系统隔离等原因，广告联盟平台对联盟会员的数据报表通常为日生成的方式，联盟会员仅能拿到指定时间汇总的曝光数、总收益、平均单价等数据，无法拿到每次广告投放所产生的价值，进而无法细粒度评估每个用户所创造的价值，更无法对单次广告投放进行优化。
[0005]针对现有技术中无法细粒度评估每个用户所创造的价值，更无法对单次广告投放进行优化的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]本专利技术实施例中提供一种用户单价分解方法、系统及计算机存储介质，以解决现有技术中无法细粒度评估每个用户所创造的价值，更无法对单次广告投放进行优化的问题。
[0007]为达到上述目的，一方面，本专利技术提供了一种用户单价分解方法，该方法包括：获取客户端的全部用户上下文数据，并将所述全部用户上下文数据上传到服务器端存储，得到一一对应的全部用户行为数据；将每个所述用户行为数据通过映射、分析以及统计构建得到对应的多字段用户画像；根据全部所述用户行为数据、全部所述多字段用户画像以及预先获取的广告联盟平台的日报表计算得到历史各日期最小单位价值；根据所述历史各日期最小单位价值以及时间序列算法，预估得到当前日期最小单位价值；根据全部所述用户行为数据、全部所述用户多字段用户画像、所述历史各日期最小单位价值计算得到每个用户在历史各日期中指定日期指定行为创造的价值、每个用户在历史各日期中指定日期创造的价值、全部用户在历史各日期中指定日期创造的总价值；以及根据全部所述用户行为数据、全部所述用户多字段用户画像、所述当前日期最小单位价值计算得到每个用户在当前日期指定行为创造的价值、每个用户在当前日期创造的价值、全部用户在当前日期创造的
总价值。
[0008]可选的，所述多字段用户画像包括：用户设备品牌、用户网络类型、用户手机系统、用户最近活跃时间、用户最近活跃时间是否为节假日、近7天用户是否活跃、近7天用户是否流失、用户曝光总次数、用户点击总次数、用户历史总点击率、用户昨天曝光总次数、用户昨天点击总次数、用户昨天总点击率、用户历史每小时点击次数、用户昨天每小时点击次数、用户历史网络类型次数、用户节假日点击次数、用户周末点击次数、用户工作日点击次数、用户工作时间点击次数、用户非工作时间点击次数。
[0009]可选的，所述广告联盟平台的日报表包括：历史各日期的曝光总数、历史各日期的点击总数、历史各日期的总收益；所述计算得到历史各日期最小单位价值的公式为：
[0010][0011]其中，date1表示历史各日期，user表示用户，behavior表示行为，所述PerV
date1
表示历史各日期中指定日期最小单位价值，V
date1
为该日期所述广告联盟平台提供的总收益，β
date1
为广告系统非用户影响因子，N
date1_user_behavior
为该日期内指定用户指定行为的总次数，α
behavior
表示指定行为影响因子，γ
user
表示指定用户的多字段用户画像影响因子。
[0012]可选的，所述时间序列算法包括：自回归模型算法、移动平均模型算法、向量自回归模型算法、自回归滑动平均模型算法、自回归移动平均模型算法。
[0013]可选的，所述计算得到每个用户在当前日期指定行为创造的价值的公式为：
[0014]V
date2_user_behavior
＝β
date2
*α
behavior
*γ
user
*PerV
date2
[0015]所述计算得到每个用户在当前日期创造的价值的公式为：
[0016][0017]所述计算得到全部用户在当前日期创造的总价值的公式为：
[0018][0019]其中，β
date2
为广告系统非用户影响因子，N
date2_user_behavior
为当前日期内指定用户指定行为的总次数，α
behavior
表示指定行为影响因子，γ
user
表示指定用户的多字段用户画像影响因子；PerV
date2
表示当前日期最小单位价值。
[0020]另一方面，本专利技术提供了一种用户单价分解系统，其特征在于，包括：获取单元，用于获取客户端的全部用户上下文数据，并将所述全部用户上下文数据上传到服务器端存储，得到一一对应的全部用户行为数据；构建单元，用于将每个所述用户行为数据通过映射、分析以及统计构建得到对应的多字段用户画像；第一计算单元，用于根据全部所述用户行为数据、全部所述多字段用户画像以及预先获取的广告联盟平台的日报表计算得到历史各日期最小单位价值；第二计算单元，用于根据所述历史各日期最小单位价值以及时间序列算法，预估得到当前日期最小单位价值；用户单价分解单元，用于根据全部所述用户行为数据、全部所述用户多字段用户画像、所述历史各日期最小单位价值计算得到每个用户在历史各日期中指定日期指定行为创造的价值、每个用户在历史各日期中指定日期创造的价值、全部用户在历史各日期中指定日期创造的总价值；以及根据全部所述用户行为数据、全
部所述用户多字段用户画像、所述当前日期最小单位价值计算得到每个用户在当前日期指定行为创造的价值、每个用户在当前日期创造的价值、全部用户在当前日期创造的总价值。
[0021]可选的，所述多字段用户画像包括：用户设备品牌、用户网络类型、用户手机系统、用户最近活跃时间、用户最近活跃时间是否为节假日、近7天用户是否活跃、近7天用户是否流失、用户曝光总次数、用户点击总次数、用户历史总点击率、用户昨天曝光总次数、用户昨天点击总次数、用户昨天总点击率、用户历史每小时点击次数、用户昨天每小时点击次数、用户历史网络类型次数、用户节假日点击次数、用户周末点击次数、用户工作日点击次数、用户工作时间点击次数、用户非工作时间点击次数。
[0022]可选的，所述广告本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户单价分解方法，其特征在于，包括：获取客户端的全部用户上下文数据，并将所述全部用户上下文数据上传到服务器端存储，得到一一对应的全部用户行为数据；将每个所述用户行为数据通过映射、分析以及统计构建得到对应的多字段用户画像；根据全部所述用户行为数据、全部所述多字段用户画像以及预先获取的广告联盟平台的日报表计算得到历史各日期最小单位价值；根据所述历史各日期最小单位价值以及时间序列算法，预估得到当前日期最小单位价值；根据全部所述用户行为数据、全部所述用户多字段用户画像、所述历史各日期最小单位价值计算得到每个用户在历史各日期中指定日期指定行为创造的价值、每个用户在历史各日期中指定日期创造的价值、全部用户在历史各日期中指定日期创造的总价值；以及根据全部所述用户行为数据、全部所述用户多字段用户画像、所述当前日期最小单位价值计算得到每个用户在当前日期指定行为创造的价值、每个用户在当前日期创造的价值、全部用户在当前日期创造的总价值。2.根据权利要求1所述的方法，其特征在于，所述多字段用户画像包括：用户设备品牌、用户网络类型、用户手机系统、用户最近活跃时间、用户最近活跃时间是否为节假日、近7天用户是否活跃、近7天用户是否流失、用户曝光总次数、用户点击总次数、用户历史总点击率、用户昨天曝光总次数、用户昨天点击总次数、用户昨天总点击率、用户历史每小时点击次数、用户昨天每小时点击次数、用户历史网络类型次数、用户节假日点击次数、用户周末点击次数、用户工作日点击次数、用户工作时间点击次数、用户非工作时间点击次数。3.根据权利要求1所述的方法，其特征在于：所述广告联盟平台的日报表包括：历史各日期的曝光总数、历史各日期的点击总数、历史各日期的总收益；所述计算得到历史各日期最小单位价值的公式为：其中，date1表示历史各日期，user表示用户，behavior表示行为，所述PerV
date1
表示历史各日期中指定日期最小单位价值，V
date1
为该日期所述广告联盟平台提供的总收益，β
date1
为广告系统非用户影响因子，N
date1_user_behavior
为该日期内指定用户指定行为的总次数，α
behavior
表示指定行为影响因子，γ
user
表示指定用户的多字段用户画像影响因子。4.根据权利要求1所述的方法，其特征在于：所述时间序列算法包括：自回归模型算法、移动平均模型算法、向量自回归模型算法、自回归滑动平均模型算法、自回归移动平均模型算法。5.根据权利要求3所述的方法，其特征在于：所述计算得到每个用户在当前日期指定行为创造的价值的公式为：V
date2_user_behavior
＝β
date2
*α
behavior
*γ
user
*PerV
date2
所述计算得到每个用户在当前日期创造的价值的公式为：
所述计算得到全部用户在当前日期创造的总价值的公式为：其中，β
date2
为广告系统非用户影响因子，N
date2_user_behavior
为当前日期内指定用户指定行为的总次数，α
behavior
表示指定行为影响因子，γ
user
表示指定用户的多字段用户画像影响因子；PerV
date2
表示当前日期最小单位价值。6.一种用户单价分解系统，...

【专利技术属性】
技术研发人员：任万鑫，
申请(专利权)人：成都人人互娱科技有限公司，
类型：发明
国别省市：