【技术实现步骤摘要】
本专利技术涉及网络游戏推广系统，更具体地说，它涉及一种应用于网络游戏的营销推广管理系统及方法。
技术介绍
1、网络游戏营销推广管理系统是一种基于现有技术的应用程序，旨在帮助游戏开发商或运营商有效地推广和营销他们的网络游戏。该系统利用各种技术和方法，以吸引更多的玩家参与游戏并增加游戏的知名度和用户数量。
2、目前，在现有的应用于网络游戏的营销推广管理系统中，直接在用户上线游玩时投放广告是一种常见的广告策略，通常称为插页式广告或插屏广告。这种广告形式会在用户进入游戏界面或游戏加载过程中显示，并具有一定的曝光度和注意力，但是，过度频繁的插页式广告可能会影响用户体验，并导致用户对广告产生抵触情绪，从而降低广告的有效性。用户可能会感到被打扰或干扰，甚至可能选择离开游戏，造成用户的体验不佳的问题。
3、因此，为了解决上述技术问题本申请提出一种应用于网络游戏的营销推广管理系统及方法。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供一种应用于网络游戏的营销推广管理系统及方法。
2、为实现上述目的，本专利技术提供了如下技术方案：一种应用于网络游戏的营销推广管理系统及方法，包括；
3、数据收集模块，其用于收集用户游戏行为数据和广告点击数据，包括登录时间、游戏时长和活跃时间段等信息；
4、数据处理模块，用于对数据进行清洗、处理和转换操作，提取特征并得到训练模型的训练集和测试集；
5、模型训练模块，使用数据处理模块
6、分类模块，使用训练好的逻辑回归模型对用户的游戏行为进行预测，并对用户的游戏行为进行分类，从而合理地对用户进行广告投放；
7、广告投放终端，根据用户的游戏行为的分类，根据用户的游戏时间和活跃度，设定合理的广告展示间隔，增加用户对广告的接受度和参与度。
8、优选的，一种应用于网络游戏的营销推广管理系统的营销推广管理方法，还包括如下步骤：
9、s1：数据收集模块通过在游戏平台客户端内嵌入数据收集代码，收集用户游戏行为数据、广告点击数据，并通过第三方分析工具google analytics对数据进行分析；
10、s2：数据处理模块用于对数据进行清洗、处理和转换操作，提取特征并得到训练模型的训练集和测试集，其中提取的特征包括但不限于用户平均游戏时长、广告点击率和用户转化率，并将提取的特征作为输入变量x1,x2，x3..；
11、s3：在对数据处理并得到训练集和测试集后，通过模型训练模块对逻辑回归模型进行训练，首先将每日二十四时分为多个时间区间并使多个时间区间作为目标变量y，通过如下的逻辑回归模型对用户在各个时间区间的活跃概率进行计算；
12、p(y＝1|x)＝1/(1+exp(-z))；
13、其中，p(y＝1|x)表示给定输入变量x时目标变量y等于1的概率，z表示线性回归模型的输出，z的计算方式为：
14、z＝b0+b1x1+b2x2+...+bn*xn；
15、其中，b0,b1,b2,...,bn是模型的参数，x1,x2,...,xn是输入变量；
16、该模型还通过如下梯度下降损失函数进行优化并估算模型参数：
17、
18、其中，n是样本数量，yi和xi分别是第i个样本的目标值和特征值，w和b是模型参数；
19、s4：模型训练完成后，使用训练好的逻辑回归模型对用户的游戏行为进行预测，并对用户的游戏行为进行分类，并将用户分类至不同的时间区间中，然后根据逻辑回归模型输出的数据，使用阈值分类法并根据用户的平均游戏时长、广告点击率和用户转化率合理进行再一次分类，并通过广告投放终端针对分类后的用户进行合理的广告投放。
20、优选的，所述步骤s3中的模型训练模块使用tensorflow框架实现机器学习模型训练和预测，其中包括线性回归模型、神经网络模型，模型训练阶段使用gpu加速计算。
21、优选的，所述模型训练模块在对逻辑回归模型进行训练时通过交叉验证法评估模型的性能，并评估模型是否能够用于对新用户的游戏行为进行预测。
22、优选地，所述分类模块通过的阈值分类法通过python进行实现。
23、优选的，所述数据处理模块使用apache hadoop和apache spark技术实现大数据处理，并使用mongodb作为数据库，存储收集和处理后的数据。
24、优选的，所述广告投放终端通过协同过滤和内容过滤实现对用户的历史行为和偏好数据进行建模，并通过用户的点击、购买、评分等信息，预测他们可能感兴趣的内容并对用户进行投放。
25、与现有技术相比，本专利技术具备以下有益效果：
26、本专利技术中，通过构建逻辑回归模型，并通过梯度下降损失函数对其进行优化，本方案中的网络游戏的营销推广管理系统可以预测用户的行为或决策，根据数据处理模块提取的所需要的特征能够包括用户是否会点击广告、购买产品或参与某项活动，从而可以更好地了解用户的兴趣和需求，从而针对性地进行推广和营销，根据逻辑回归模型输出的概率值对用户进行分组或排序，优先关注那些更有可能进行特定行为的用户，提高推广转化率，并且相比于一些复杂的深度学习模型，逻辑回归模型对计算资源的要求较低，这意味着即使在资源受限的环境下，推广管理系统也能够高效地进行模型训练和预测，解决了
技术介绍
中提出的过度频繁的插页式广告可能会影响用户体验，并导致用户对广告产生抵触情绪，从而降低广告的有效性。用户可能会感到被打扰或干扰，甚至可能选择离开游戏，造成用户的体验不佳的问题。
【技术保护点】
1.一种应用于网络游戏的营销推广管理系统，其特征在于：包括；
2.根据权利要求1所述的一种应用于网络游戏的营销推广管理系统的营销推广管理方法，其特征在于：包括如下步骤；
3.根据权利要求2所述的一种应用于网络游戏的营销推广管理系统，其特征在于：所述步骤S3中的模型训练模块使用TensorFlow框架实现机器学习模型训练和预测，其中包括线性回归模型、神经网络模型，模型训练阶段使用GPU加速计算。
4.根据权利要求3所述的一种应用于网络游戏的营销推广管理系统及方法，其特征在于：所述模型训练模块在对逻辑回归模型进行训练时通过交叉验证法评估模型的性能，并评估模型是否能够用于对新用户的游戏行为进行预测。
5.根据权利要求1所述的一种应用于网络游戏的营销推广管理系统及方法，其特征在于：所述分类模块通过的阈值分类法通过Python进行实现。
6.根据权利要求1所述的一种应用于网络游戏的营销推广管理系统及方法，其特征在于：所述数据处理模块使用Apache Hadoop和Apache Spark技术实现大数据处理，并使用MongoDB作为
7.根据权利要求2所述的一种应用于网络游戏的营销推广管理系统及方法，其特征在于：所述广告投放终端通过协同过滤和内容过滤实现对用户的历史行为和偏好数据进行建模，并通过用户的点击、购买、评分等信息，预测他们可能感兴趣的内容并对用户进行投放。
...【技术特征摘要】
1.一种应用于网络游戏的营销推广管理系统，其特征在于：包括；
2.根据权利要求1所述的一种应用于网络游戏的营销推广管理系统的营销推广管理方法，其特征在于：包括如下步骤；
3.根据权利要求2所述的一种应用于网络游戏的营销推广管理系统，其特征在于：所述步骤s3中的模型训练模块使用tensorflow框架实现机器学习模型训练和预测，其中包括线性回归模型、神经网络模型，模型训练阶段使用gpu加速计算。
4.根据权利要求3所述的一种应用于网络游戏的营销推广管理系统及方法，其特征在于：所述模型训练模块在对逻辑回归模型进行训练时通过交叉验证法评估模型的性能，并评估模型是否能够用于对新用户的游戏行为进行预测。<...
【专利技术属性】
技术研发人员：周必伟，
申请(专利权)人：淮安舟扬信息技术有限公司，
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。