System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,尤其涉及一种广告投放方法、装置、终端设备以及存储介质。
技术介绍
1、目前,媒体方自建dsp(demand-side platform,需求方平台)广告的投放量出现爆发式增长。dsp广告投放平台面向不同行业广告主,为其提供广告创建、策略管理、创意管理、场景营销、效果管理等互联网广告场景营销策略服务。
2、然而,业界现有的媒体广告投放技术存在着如下问题:互联网渠道获客难,不同的产品面向客群不同,客户人群特征有明显区分,无法在媒体侧进行精准定向,精准获客难度大,从而导致广告投放效率低、广告投放效果差。
技术实现思路
1、本专利技术的主要目的在于提供一种广告投放方法、装置、终端设备以及存储介质,旨在提高广告投放效率,改善广告投放效果。
2、为实现上述目的,本专利技术提供一种广告投放方法,所述广告投放方法包括如下步骤:
3、获取预先收集的用户对商品的交互行为数据和商品特征数据;
4、将所述用户对商品的交互行为数据与所述商品特征数据导入训练好的神经网络进行评估,得到商品信息评分结果,以根据所述商品信息评分结果向所述用户推送对应的商品广告信息。
5、可选地,所述用户对商品的交互行为数据包括用户浏览商品次数数据、用户浏览商品时间数据、用户购买商品次数数据,所述商品特征数据包括商品厂家数据、商品型号数据、商品功能数据和商品价格数据。
6、可选地,所述用户对商品的交互行为数据包括不同商品型号的浏览时间差异
7、基于所述用户浏览商品时间数据和所述商品型号数据,得到所述不同商品型号的浏览时间差异数据。
8、可选地,所述获取预先收集的用户对商品的交互行为数据和商品特征数据的步骤之后包括:
9、基于所述商品特征数据进行数据分析与计算,得到所述商品信息量数据;
10、基于所述用户对商品的交互行为数据和所述商品特征数据得到商品重要程度数据。
11、可选地,所述商品信息评分结果包括第一类商品信息评分结果和第二类商品信息评分结果,所述方法还包括:
12、基于所述商品信息量数据和所述商品重要程度数据进行评估,得到第一类商品信息评分结果;
13、将所述用户对商品的交互行为数据与所述商品特征数据导入训练好的神经网络,对商品出现的概率进行预测,得到商品出现概率数据;
14、基于所述商品出现概率数据与所述不同商品型号的浏览时间差异数据进行评估,得到第二类商品信息评分结果。
15、可选地,所述获取预先收集的用户对商品的交互行为数据和商品特征数据的步骤包括:
16、收集所述用户的通信数据;
17、基于深度数据包检测方法dpi对所述用户的通信数据进行处理,将处理后的数据存储到广告信息多源数据库中,得到预先创建的广告信息多源数据库;
18、所述获取预先收集的用户对商品的交互行为数据和商品特征数据的步骤包括:
19、从所述预先创建的广告信息多源数据库中获取所述用户对商品的交互行为数据和所述商品特征数据。
20、可选地,所述基于深度数据包检测方法dpi对所述用户的通信数据进行处理,将处理后的数据存储到广告信息多源数据库中,得到预先创建的广告信息多源数据库的步骤包括:
21、通过所述dpi中的净荷特征匹配算法对所述用户的通信数据进行数据清洗过滤,得到过滤后的数据包;
22、对所述过滤后的数据包进行高速匹配,得到商品名称的关键字;
23、基于所述过滤后的数据包与所述商品名称的关键字得到目标商品名称;
24、基于所述目标商品名称获取所述商品特征数据和所述用户对商品的交互行为数据;
25、基于所述商品特征数据与所述用户对商品的交互行为数据得到所述预先创建的广告信息多源数据库。
26、此外,为实现上述目的,本专利技术还提供一种广告投放装置,所述装置包括:
27、数据获取模块,用于获取预先收集的用户对商品的交互行为数据和商品特征数据;
28、神经网络模块,用于将所述用户对商品的交互行为数据与所述商品特征数据导入训练好的神经网络进行评估,得到商品信息评分结果,以根据所述商品信息评分结果向所述用户推送对应的商品广告信息。
29、可选地,所述数据获取模块还用于:
30、所述用户对商品的交互行为数据包括用户浏览商品次数数据、用户浏览商品时间数据、用户购买商品次数数据,所述商品特征数据包括商品厂家数据、商品型号数据、商品功能数据和商品价格数据。
31、可选地,所述数据获取模块还用于:
32、基于所述用户浏览商品时间数据和所述商品型号数据,得到所述不同商品型号的浏览时间差异数据。
33、可选地,所述神经网络模块还用于:
34、基于所述商品特征数据进行数据分析与计算,得到所述商品信息量数据;
35、基于所述用户对商品的交互行为数据和所述商品特征数据得到商品重要程度数据。
36、可选地,所述神经网络模块还用于:
37、基于所述商品信息量数据和所述商品重要程度数据进行评估,得到第一类商品信息评分结果;
38、将所述用户对商品的交互行为数据与所述商品特征数据导入训练好的神经网络,对商品出现的概率进行预测,得到商品出现概率数据;
39、基于所述商品出现概率数据与所述不同商品型号的浏览时间差异数据进行评估,得到第二类商品信息评分结果。
40、可选地,所述数据获取模块还用于:
41、收集所述用户的通信数据;
42、基于深度数据包检测方法dpi对所述用户的通信数据进行处理,将处理后的数据存储到广告信息多源数据库中,得到预先创建的广告信息多源数据库;
43、所述获取预先收集的用户对商品的交互行为数据和商品特征数据的步骤包括:
44、从所述预先创建的广告信息多源数据库中获取所述用户对商品的交互行为数据和所述商品特征数据。
45、可选地,所述数据获取模块还用于:
46、通过所述dpi中的净荷特征匹配算法对所述用户的通信数据进行数据清洗过滤,得到过滤后的数据包;
47、对所述过滤后的数据包进行高速匹配,得到商品名称的关键字;
48、基于所述过滤后的数据包与所述商品名称的关键字得到目标商品名称;
49、基于所述目标商品名称获取所述商品特征数据和所述用户对商品的交互行为数据;
50、基于所述商品特征数据与所述用户对商品的交互行为数据得到所述预先创建的广告信息多源数据库。
51、此外,为实现上述目的,本专利技术还提供一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的广告投放程序,所述广告投放程序被所述处理器执行时实现如上本文档来自技高网...
【技术保护点】
1.一种广告投放方法,其特征在于,所述广告投放方法包括以下步骤:
2.如权利要求1所述的广告投放方法,其特征在于,所述用户对商品的交互行为数据包括用户浏览商品次数数据、用户浏览商品时间数据、用户购买商品次数数据,所述商品特征数据包括商品厂家数据、商品型号数据、商品功能数据和商品价格数据。
3.如权利要求2所述的广告投放方法,其特征在于,所述用户对商品的交互行为数据包括不同商品型号的浏览时间差异数据,获取所述不同商品型号的浏览时间差异数据的步骤包括:
4.如权利要求3所述的广告投放方法,其特征在于,所述获取预先收集的用户对商品的交互行为数据和商品特征数据的步骤之后包括:
5.如权利要求4所述的广告投放方法,其特征在于,所述商品信息评分结果包括第一类商品信息评分结果和第二类商品信息评分结果,所述方法还包括:
6.如权利要求1所述的广告投放方法,其特征在于,所述获取预先收集的用户对商品的交互行为数据和商品特征数据的步骤之前包括:
7.如权利要求6所述的广告投放方法,其特征在于,所述基于深度数据包检测方法DPI对所述
8.一种广告投放装置,其特征在于,所述广告投放装置包括:
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的广告投放程序,所述广告投放程序被所述处理器执行时实现如权利要求1-7中任一项所述的广告投放方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有广告投放程序,所述广告投放程序被处理器执行时实现如权利要求1-7中任一项所述的广告投放方法。
...【技术特征摘要】
1.一种广告投放方法,其特征在于,所述广告投放方法包括以下步骤:
2.如权利要求1所述的广告投放方法,其特征在于,所述用户对商品的交互行为数据包括用户浏览商品次数数据、用户浏览商品时间数据、用户购买商品次数数据,所述商品特征数据包括商品厂家数据、商品型号数据、商品功能数据和商品价格数据。
3.如权利要求2所述的广告投放方法,其特征在于,所述用户对商品的交互行为数据包括不同商品型号的浏览时间差异数据,获取所述不同商品型号的浏览时间差异数据的步骤包括:
4.如权利要求3所述的广告投放方法,其特征在于,所述获取预先收集的用户对商品的交互行为数据和商品特征数据的步骤之后包括:
5.如权利要求4所述的广告投放方法,其特征在于,所述商品信息评分结果包括第一类商品信息评分结果和第二类商品信息评分结果,所述方法还包括:
6.如权利...
【专利技术属性】
技术研发人员:周辉,王龙,张帆,
申请(专利权)人:中移动信息技术有限公司,
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。