广告投放策略的生成方法、装置及计算机设备制造方法及图纸

本公开公开了一种广告投放策略的生成方法、装置及计算机设备，方法包括：获取预构建的数字画像；其中，所述数字画像包括：广告平台画像、用户画像以及在租车辆画像；基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代，通过收益测算生成最佳广告策略；其中，所述赛马制仿生算法对异构仿生算法分别优化迭代后的结果调用赛马机制进行结果筛选。本公开中利用仿生算法，根据租车收益目标，对各广告投放策略进行优化迭代，从而确定可以满足收益目标的最优广告策略。益目标的最优广告策略。益目标的最优广告策略。

【技术实现步骤摘要】
广告投放策略的生成方法、装置及计算机设备


[0001]本公开属于数据处理
，尤其涉及一种广告投放策略的生成方法、装置及计算机设备。

技术介绍

[0002]随着租车行业的快速发展，广告投放，是车辆租赁公司营收的一个重要环节，其多是借助传统媒体、数字媒体、互联网等载体，进而实现用户的触达。目前的广告投放，大致分两类：第一种，人工决策，有经验丰富的相干人共同决策；第二种，立足于大数据，结合机器学习进行建模，进行广告收益测算，进而完成广告投放策略。
[0003]但是，基于人工决策，对从业人员要求较高，再加上跨行业的背景，极易导致广告收益不稳定。而立足于大数据，结合机器学习进行建模，目前多集中于对画像的刻画，很显然高维度的刻画带来数据的稀疏，维度提炼不合理、个体叠加不等同群体的等等原因，导致在模型泛化中容易出现纰漏。

技术实现思路

[0004]本公开实施例提供一种与相关技术不同的实现方案，以解决传统的广告投放中，广告收益不稳定，广告投放目标不稳定的技术问题。
[0005]第一方面，本公开提供一种广告投放策略的生成方法，包括：
[0006]获取预构建的数字画像；其中，所述数字画像包括：广告平台画像、用户画像以及在租车辆画像；
[0007]基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代，通过收益测算生成最佳广告策略；
[0008]其中，所述赛马制仿生算法对异构仿生算法分别优化迭代后的结果调用赛马机制进行结果筛选。r/>[0009]第二方面，本公开提供一种广告投放策略的生成装置，包括：
[0010]画像获取模块，用于获取预构建的数字画像；其中，所述数字画像包括：广告平台画像、用户画像以及在租车辆画像；
[0011]赛马制仿生模块，用于基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代，通过收益测算生成最佳广告策略；
[0012]其中，所述赛马制仿生算法对异构仿生算法分别优化迭代后的结果调用赛马机制进行结果筛选。
[0013]第三方面，本公开提供一种计算机设备，包括：存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面可能的实施方式中的任一方法。
[0014]通过本公开的广告投放策略的生成方法，获取预构建的数字画像；基于租车收益
目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代，通过收益测算生成最佳广告策略，进而利用仿生算法，根据租车收益目标，对各广告投放策略进行优化迭代，从而确定可以满足收益目标的最优广告策略。
附图说明
[0015]为了更清楚地说明本公开实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，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。在附图中：
[0016]图1为本公开一实施例提供的一种广告投放策略的生成方法的流程示意图；
[0017]图2为本公开一实施例提供的一种确定预测用户画像分布的流程示意图；
[0018]图3为本公开一实施例提供的一种对所述用户画像以及所述在租车辆画像分别进行分布拟合的流程示意图；
[0019]图4为本公开一实施例提供的另一种确定预测用户画像分布的流程示意图；
[0020]图5为本公开一实施例提供的一种优化迭代方法的流程示意图；
[0021]图6为本公开一实施例提供的一种广告投放策略的生成装置的结构示意图；
[0022]图7为本公开一实施例提供的一种计算机设备的示意性框图。
具体实施方式
[0023]下面详细描述本公开的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
[0024]本公开实施例的说明书、权利要求书及附图中的术语“第一”和“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0025]随着租车行业的快速发展，广告投放，是车辆租赁公司营收的一个重要环节，其多是借助传统媒体、数字媒体、互联网等载体，进而实现用户的触达。目前的广告投放，大致分两类：第一种，人工决策，有经验丰富的相干人共同决策；第二种，立足于大数据，结合机器学习进行建模，进行广告收益测算，进而完成广告投放策略。
[0026]但是，基于人工决策，对从业人员要求较高，再加上跨行业的背景，极易导致广告收益不稳定。而立足于大数据，结合机器学习进行建模，目前多集中于对画像的刻画，很显然高维度的刻画带来数据的稀疏，维度提炼不合理、个体叠加不等同群体的等等原因，导致在模型泛化中容易出现纰漏。
[0027]本公开的技术方案主要应用在车辆

[0028]下面以具体的实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念
或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
[0029]图1为本公开一示例性实施例提供的一种广告投放策略的生成方法的流程示意图，该方法可适用服务端。该方法包括S101
‑
S102：
[0030]S101，获取预构建的数字画像。
[0031]在一些实施例中，所述数字画像包括：广告平台画像、用户画像以及在租车辆画像。
[0032]其中，广告平台画像：如IP、PV、UV、RV、日活、月活、下载量等。
[0033]用户画像：如年龄、性别、地域、职龄、职业等。
[0034]在租车辆画像：品牌、车系、车型、上牌时间、流行度等。
[0035]S102，基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代，通过收益测算生成最佳广告策略。
[0036]其中，所述赛马制仿生算法对异构仿生算法分别优化迭代后的结果调用赛马机制进行结果筛选。
[0037]在一些实施例中，广告投放策略池用于记录已经投放的广告策略。
[0038]在一些实施例中，如图2所示，在所述基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代之前，还包括S201
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种广告投放策略的生成方法，其特征在于，包括：获取预构建的数字画像；其中，所述数字画像包括：广告平台画像、用户画像以及在租车辆画像；基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代，通过收益测算生成最佳广告策略；其中，所述赛马制仿生算法对异构仿生算法分别优化迭代后的结果调用赛马机制进行结果筛选。2.如权利要求1所述的方法，其特征在于，在所述基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代之前，还包括：对所述用户画像以及所述在租车辆画像分别进行分布拟合，得到用户画像分布以及在租车辆画像分布；根据所述广告平台画像以及所述用户画像分布，对转化的用户分布进行预测，得到预测用户画像分布；则相应地，所述基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代，具体为：基于租车收益目标、所述预测用户画像分布以及所述在租车辆画像分布，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代。3.如权利要求1所述的方法，其特征在于，在所述基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代之前，还包括：根据所述广告投放策略池中已经投放的广告策略，对广告策略命中的广告平台画像进行增强处理，和/或，对未命中的广告平台画像进行弱化处理。4.如权利要求1至3任一项所述的方法，其特征在于，所述基于租车收益目标以及所述数字画像，依据赛马制仿生算法对所述广告投放策略池中各广告投放策略进行优化迭代，包括：组建包括异构仿生算法队伍的队伍库；确定所述队伍库中的参赛队伍；将所述广告投放策略池中各广告投放策略分别输入至各所述参赛队伍中，各所述参赛队伍调用对应的仿生算法进行策略的迭代优化；根据所述数字画像对迭代优化后的策略进行收益预测...

【专利技术属性】
技术研发人员：宋忠森，
申请(专利权)人：海科平潭信息技术有限公司，
类型：发明
国别省市：