【技术实现步骤摘要】
本专利技术涉及信息，尤其涉及一种基于ai的目标导向电子商务广告推送方法。
技术介绍
1、随着电子商务平台的迅速发展，用户数量不断增加，竞争也越来越激烈。然而，现有的电子商务平台在用户体验和广告效果方面存在一些问题。首先，用户在平台上面临大量的商品选择，很难找到符合自己需求的商品。电子商务平台上的商品种类繁多，数量庞大，用户很容易被大量的商品信息淹没。用户需要花费大量时间和精力筛选和比较各种商品，这对于广大消费者来说是一项繁琐的任务。不同的用户具有不同的购物偏好和需求，每个人对商品的要求也各不相同。有的用户关注品质，有的用户注重价格，有的用户追求时尚潮流等。电子商务平台上的通用推荐系统往往无法满足所有用户的个性化需求，导致用户难以快速找到符合自己要求的商品。其次，广告投放内容往往与用户的实际需求不匹配，导致广告的点击率和转化率较低。广告平台在进行广告投放时，可能没有对用户进行精准的定位。缺乏对用户兴趣、偏好和消费行为等信息的准确了解，会导致广告投放给了与目标受众不相符的用户群体，从而使广告内容与用户实际需求不匹配。此外，平台上可能存在一些不诚信的卖家或买家，给用户的交易安全性带来风险。在电子商务平台上购物存在信任问题，用户可能担心商品质量、售后服务、物流速度等方面的问题。这会进一步增加用户的选择困难，因为用户不仅需要选择商品，还需要考虑平台和商家的信誉度。
技术实现思路
1、本专利技术提供了一种基于ai的目标导向电子商务广告推送方法，主要包括：
2、获取用户在电子商务平台
3、进一步可选的，所述获取用户在电子商务平台的数据，分析用户的购物偏好和潜在需求，得到推荐商品列表，包括：
4、获取用户在电子商务平台的数据，所述用户在电子商务平台的数据包括搜索数据、浏览行为数据、用户购物车添加与移除商品数据、用户与客服互动数据、询问内容记录数据、长期兴趣数据、广告点击数据和用户评价、评论与反馈数据；将所述搜索数据与历史购买数据进行对比，筛选用户近期最关心或感兴趣的商品类型，所述搜索数据包括用户搜索关键词与时长；根据所述浏览行为数据，筛选用户最关心或感兴趣的商品或类别，并结合所述用户数据，根据所述搜索数据和所述浏览行为数据确定的相同商品，确定推荐商品列表，所述浏览行为数据包括用户页面浏览停留时间及行为轨迹；通过所述用户购物车添加与移除商品数据，与所述浏览行为数据结合，筛选瞬时需求商品，将所述瞬时需求商品并加入所述推荐商品列表；从所述用户与客服互动数据和询问内容记录数据中，提取频次询问高于预设频次询问的商品或类别，将频次询问高于预设频次询问类别的商品和具体商品加入所述推荐商品列表；将所述长期兴趣数据与客服互动数据对比，确定用户长期对部分商品的兴趣，所述长期兴趣数据包括用户关注、收藏的商品与店铺数据；通过所述广告点击数据与所述长期兴趣数据进行结合，筛选用户感兴趣的促销或新商品，所述广告点击数据包括点击广告的频率与内容；根据所述用户评价、评论与反馈数据，排除所述推荐商品列表中评分低于预设评分阈值的商品，完成推荐商品列表的生成。
5、进一步可选的，所述根据所述用户在电子商务平台的数据，筛选和优化广告内容，得到符合用户偏好的广告内容，包括：
6、获取所述用户在电子商务平台的数据，构建用户-广告矩阵或用户-项目矩阵；基于所述用户-广告矩阵或用户-项目矩阵，使用皮尔逊相关系数或余弦相似度，计算用户之间的相似度；根据相似度计算的结果，选择与目标用户最相似的至少一个用户作为邻居用户；根据邻居用户的所述用户在电子商务平台的数据和相似度权重，计算目标用户对广告的喜好程度；根据预测的用户喜好程度，按照预设排序规则，得到符合用户偏好的广告内容；定期更新所述用户-广告矩阵或用户-项目矩阵，并根据新的用户在电子商务平台的数据重新计算相似度和预测喜好程度。
7、进一步可选的，所述根据所述符合用户偏好的广告内容，评估广告投放效果并进行优化，得到第一广告投放策略，包括：
8、获取广告被点击的次数和广告被展示的次数，计算出广告的点击率；追踪用户通过广告进行的预期行为，计算广告的转化率，所述预期行为包括购买产品或注册账户；定期监测广告的点击率和转化率，进行a/b测试，并根据数据反馈进行持续优化；结合定向投放和广告排期，在与目标受众匹配的时段进行投放；通过计算广告投入的成本和收入，确定广告的投资回报率，并根据广告投入结果调整投放策略和预算分配，得到第一广告投放策略。
9、进一步可选的，所述获取卖家交易历史数据和买家交易历史数据，对卖家和买家进行诚信度评分，包括：
10、获取卖家交易历史数据和买家交易历史数据，所述卖家交易历史数据包括卖家的交易成功率、交易纠纷率、被评价情况和售后服务质量，所述交易历史数据包括买家的交易频率、评价情况和投诉记录；对所述卖家诚信度数据和买家诚信度数据，进行清洗和预处理，所述清洗和预处理包括去除重复数据、处理缺失值和异常值，并进行数据格式的统一化；使用线性支持向量机，分别建立卖家诚信度评分模型和买家诚信度评分模型；使用训练好的所述卖家诚信度评分模型和所述买家诚信度评分模型，对新的卖家和买家数据进行评分。
11、进一步可选的，所述若卖家或买家的诚信度评分低于预设诚信度阈值，自动屏蔽该卖家或买家，限制其交易权限，包括：
12、通过比较卖家和买家的诚信度分数与预设诚信度阈值，判断卖家和买家的诚信度是否低于预设阈值；若卖家的诚信度低于预设阈值，则发送对应通知给卖家，将该卖家的账号禁用或冻结，对该卖家的商品列表的隐藏或删除操作；若买家的诚信度低于预设阈值，则发送对应通知给买家，将该买家的账号禁用或者冻结，限制该买家的交易权限。
13、进一步可选的，所述根据所述诚信度评分，对所述第一广告投放策略优化，只推送高于预设用户诚信度阈值的卖家广告，得到第二广告投放策略，包括：
14、根据所述诚信度评分，只推送高于预设用户诚信度阈值的卖家广告，得到第二广告投放策略；定期更新所述诚信度评分，并重新推送高于预设用户诚信度阈值的卖家广告。
15、进一步可选的，所述基于所述第二广告投放策略，自动将广告内容更新到电子商务平台上，包括：
16、通过第二广告投放策略，确定要发布的最新广告内容，所述最新广告内容包括文字、图片和视频；将最新广告内容上传到广告系统中；通过电子商务平本文档来自技高网...
【技术保护点】
1.一种基于AI的目标导向电子商务广告推送方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其中，所述获取用户在电子商务平台的数据，分析用户的购物偏好和潜在需求，得到推荐商品列表，包括:
3.根据权利要求1所述的方法，其中，所述根据所述用户在电子商务平台的数据，筛选和优化广告内容，得到符合用户偏好的广告内容，包括:
4.根据权利要求1所述的方法，其中，所述根据所述符合用户偏好的广告内容，评估广告投放效果并进行优化，得到第一广告投放策略，包括:
5.根据权利要求1所述的方法，其中，所述获取卖家交易历史数据和买家交易历史数据，对卖家和买家进行诚信度评分，包括:
6.根据权利要求1所述的方法，其中，所述若卖家或买家的诚信度评分低于预设诚信度阈值，自动屏蔽该卖家或买家，限制其交易权限，包括:
7.根据权利要求1所述的方法，其中，所述根据所述诚信度评分，对所述第一广告投放策略优化，只推送高于预设用户诚信度阈值的卖家广告，得到第二广告投放策略，包括:
8.根据权利要求1所述的方法，其中，所述基于
...【技术特征摘要】
1.一种基于ai的目标导向电子商务广告推送方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其中，所述获取用户在电子商务平台的数据，分析用户的购物偏好和潜在需求，得到推荐商品列表，包括:
3.根据权利要求1所述的方法，其中，所述根据所述用户在电子商务平台的数据，筛选和优化广告内容，得到符合用户偏好的广告内容，包括:
4.根据权利要求1所述的方法，其中，所述根据所述符合用户偏好的广告内容，评估广告投放效果并进行优化，得到第一广告投放策略，包括:
5.根据权利要求1所...
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。