本申请公开一种广告投放选品方法及其装置、设备、介质、产品，所述方法包括：获取独立站点的商品数据库中各个商品相对应的广告预测数据，所述广告预测数据包含采纳率、成效数据，所述采纳率表征该商品被投放广告的预测概率，所述成效数据包含表征该商品被投放广告后可能收获的转化概率；根据所述商品的采纳率和成效数据，计算出各个商品相对应的推荐评分；根据所述推荐评分选择所述商品数据库中的商品作为广告投放选品构建出广告投放选品推荐列表。本申请可精准匹配出符合用户喜好的广告投放选品，并且可取得良好的广告投放成效。并且可取得良好的广告投放成效。并且可取得良好的广告投放成效。
【技术实现步骤摘要】
广告投放选品方法及其装置、设备、介质、产品
[0001]本申请涉及电商信息
，尤其涉及一种广告投放选品方法及其相应的装置、计算机设备、计算机可读存储介质，以及计算机程序产品。
技术介绍
[0002]跨境电商服务平台中，集中为海量的独立站点提供基础技术服务，每个独立站点通常拥有独立的域名，为求活跃独立站点的电商交易，独立站点的管理用户常需向消费者用户推荐商品，为此需要能够针对其平台内的商品进行选择，确定出具有销售潜力的适用于广告投放的商品，从而促进商品的终端销售或配置上架。
[0003]对于商品的销售潜力，独立站点的管理用户一般有相关的市场走势考量，例如新上市的商品、某个品类的商品、价格低廉的商品等等对应的市场走势良好而具备一定的市场竞争力即销售潜力，市场走势考量需要借助对丰富的商品投放广告数据进行分析，但是，目前阶段，商品投放广告数据分布稀疏，由于大部分独立站点的经费资源有限，投入商品投放广告的花费有限甚至很少，因而，拥有丰富的商品投放广告数据的独立站点仅为少数，而绝大多数独立站点的商品投放广告数据稀缺，更重要的是这些稀缺的商品投放广告数据受限于投入成本有限而曝光不足，使得相对应的回报成效难以体现。
[0004]数据的稀缺以及数据的参考价值较低导致绝大多数独立站点的管理用户难以确定出销售潜力的商品，目前为止，对此现有技术并未有较佳的解决方案。
[0005]为了解决现有技术的不足，本申请人做出相应的探索。
技术实现思路
[0006]本申请的首要目的在于解决上述问题至少之一而提供一种广告投放选品方法及其相应的装置、计算机设备、计算机可读存储介质、计算机程序产品。
[0007]为满足本申请的各个目的，本申请采用如下技术方案：
[0008]适应本申请的目的之一而提供的一种广告投放选品方法，包括如下步骤：
[0009]获取独立站点的商品数据库中各个商品相对应的广告预测数据，所述广告预测数据包含采纳率、成效数据，所述采纳率表征该商品被投放广告的预测概率，所述成效数据包含表征该商品被投放广告后可能收获的转化概率；
[0010]根据所述商品的采纳率和成效数据，计算出各个商品相对应的推荐评分；
[0011]根据所述推荐评分选择所述商品数据库中的商品作为广告投放选品构建出广告投放选品推荐列表。
[0012]进一步的实施例中，获取独立站点的商品数据库中各个商品相对应的广告预测数据的步骤之前，包括如下步骤：
[0013]采用预先训练至收敛状态的采纳率预测模型确定独立站点的商品数据库中每个商品的采纳率；
[0014]采用预先训练至收敛状态的点击率预测模型确定独立站点的商品数据库中每个
商品的点击率；
[0015]采用预先训练至收敛状态的转化率预测模型确定独立站点的商品数据库中每个商品的转化率；
[0016]将每个商品的采纳率与成效数据对应各个商品存储于所述商品数据库中，所述成效数据为关联于同一商品的所述点击率与所述转化率的乘积。
[0017]进一步的实施例中，采用预先训练至收敛状态的采纳率预测模型确定独立站点的商品数据库中每个商品的采纳率的步骤中，所述采纳率预测模型的训练过程，包括如下步骤：
[0018]从数据集中调用一个训练样本，所述训练样本包含正样本和负样本，每个训练样本对应提供有表征商品是否被投放广告的监督标签，所述正样本包含电商平台的商品数据库中的已投放广告商品的商品信息和统计信息，所述负样本包含电商平台的商品数据库中的未投放广告商品的商品信息和统计信息，所述商品信息包含商品上架时间、商品品类、商品价格，所述统计信息包含点击率、购买率、复购率；
[0019]将所述训练样本输入所述采纳率预测模型获得与该训练样本中的商品信息和统计信息相对应的商品特征向量和统计特征向量；
[0020]拼接所述商品特征向量和所述统计特征向量获得特征融合向量，将其输入全连接层映射至预设的分类空间获得预测采纳率；
[0021]根据所述监督标签计算出所述预测采纳率的交叉熵损失对应的损失值，判断该损失值是否达到预设阈值，当其达到预设阈值时，终止训练；否则，根据该损失值对该模型实施梯度更新，调用所述数据集中的下一训练样本继续对该模型实施迭代训练。
[0022]进一步的实施例中，采用预先训练至收敛状态的点击率预测模型确定独立站点的商品数据库中每个商品的点击率的步骤中，所述点击率预测模型的训练过程，包括如下迭代执行的步骤：
[0023]获取数据集中的训练样本，所述训练样本包括电商平台的商品数据库中已投放广告且被用户点击的商品的商品信息，以及表征该商品的投放广告是否被用户点击相对应的监督标签；
[0024]将所述训练样本输入所述点击率预测模型提取相应的深层语义特征，获得特征向量；
[0025]采用分类器对所述特征向量进行分类映射，预测出相对应的点击率；
[0026]根据所述监督标签计算出所述分类器预测的点击率对应的交叉熵损失值，根据该交叉熵损失值对模型实施梯度更新直至该模型收敛。
[0027]进一步的实施例中，采用预先训练至收敛状态的转化率预测模型确定独立站点的商品数据库中每个商品的转化率的步骤中，所述转化率预测模型的训练过程，包括如下迭代执行的步骤：
[0028]获取数据集中的训练样本，所述训练样本包括电商平台的商品数据库中已投放广告且被用户点击后产生相关用户行为的商品的商品信息，以及表征该商品的投放广告被用户点击后是否产生相关用户行为相对应的监督标签；
[0029]将所述训练样本输入所述转化率预测模型提取相应的深层语义特征，获得特征向量；
[0030]采用分类器对所述特征向量进行分类映射，以预测出相对应的转化率；
[0031]根据所述监督标签计算出所述分类器预测的转化率对应的交叉熵损失值，根据该交叉熵损失值对模型实施梯度更新直至该模型收敛。
[0032]扩展的实施例中，根据所述推荐评分选择所述商品数据库中的商品作为广告投放选品构建出广告投放选品推荐列表，包括如下步骤：
[0033]根据所述商品数据库中的商品对应的推荐评分进行排序，构建广告投放选品推荐列表；
[0034]响应线上店铺的广告推荐请求，将所述广告投放选品推荐列表推送给所述独立站点的管理用户。
[0035]适应本申请的目的之一而提供的一种广告投放选品装置，包括：数据获取模块，评分计算模块，以及列表构建模块，其中，数据获取模块，用于获取独立站点的商品数据库中各个商品相对应的广告预测数据，所述广告预测数据包含采纳率、成效数据，所述采纳率表征该商品被投放广告的预测概率，所述成效数据包含表征该商品被投放广告后可能收获的转化概率；评分计算模块，用于根据所述商品的采纳率和成效数据，计算出各个商品相对应的推荐评分；列表构建模块，用于根据所述推荐评分选择所述商品数据库中的商品作为广告投放选品构建出广告投放选品推荐列表。
[0036]进一步的实施例中，所述数据获取模块之前本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种广告投放选品方法，其特征在于，包括如下步骤：获取独立站点的商品数据库中各个商品相对应的广告预测数据，所述广告预测数据包含采纳率、成效数据，所述采纳率表征该商品被投放广告的预测概率，所述成效数据包含表征该商品被投放广告后可能收获的转化概率；根据所述商品的采纳率和成效数据，计算出各个商品相对应的推荐评分；根据所述推荐评分选择所述商品数据库中的商品作为广告投放选品构建出广告投放选品推荐列表。2.根据权利要求1所述的广告投放选品方法，其特征在于，获取独立站点的商品数据库中各个商品相对应的广告预测数据的步骤之前，包括如下步骤：采用预先训练至收敛状态的采纳率预测模型确定独立站点的商品数据库中每个商品的采纳率；采用预先训练至收敛状态的点击率预测模型确定独立站点的商品数据库中每个商品的点击率；采用预先训练至收敛状态的转化率预测模型确定独立站点的商品数据库中每个商品的转化率；将每个商品的采纳率与成效数据对应各个商品存储于所述商品数据库中，所述成效数据为关联于同一商品的所述点击率与所述转化率的乘积。3.根据权利要求2所述的广告投放选品方法，其特征在于，采用预先训练至收敛状态的采纳率预测模型确定独立站点的商品数据库中每个商品的采纳率的步骤中，所述采纳率预测模型的训练过程，包括如下步骤：从数据集中调用一个训练样本，所述训练样本包含正样本和负样本，每个训练样本对应提供有表征商品是否被投放广告的监督标签，所述正样本包含电商平台的商品数据库中的已投放广告商品的商品信息和统计信息，所述负样本包含电商平台的商品数据库中的未投放广告商品的商品信息和统计信息，所述商品信息包含商品上架时间、商品品类、商品价格，所述统计信息包含点击率、购买率、复购率；将所述训练样本输入所述采纳率预测模型获得与该训练样本中的商品信息和统计信息相对应的商品特征向量和统计特征向量；拼接所述商品特征向量和所述统计特征向量获得特征融合向量，将其输入全连接层映射至预设的分类空间获得预测采纳率；根据所述监督标签计算出所述预测采纳率的交叉熵损失对应的损失值，判断该损失值是否达到预设阈值，当其达到预设阈值时，终止训练；否则，根据该损失值对该模型实施梯度更新，调用所述数据集中的下一训练样本继续对该模型实施迭代训练。4.根据权利要求2所述的广告投放选品方法，其特征在于，采用预先训练至收敛状态的点击率预测模型确定独立站点的商品数据库中每个商品的点击率的步骤中，所述点击率预测模型的训练过程，包括如下迭代执行的步骤：获取数据集中的训练样本，所述训练样本包括电商平台的商品数据库中已投放广告且被用户点击的商品的商品信息，以及表征该商品的投...
【专利技术属性】
技术研发人员：郭志伟，
申请(专利权)人：广州华多网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。