一种基于大数据的广告推送方法与流程

文档序号:11433144阅读:896来源:国知局
一种基于大数据的广告推送方法与流程

本发明涉及大数据分析技术领域以及互联网广告投放领域,特别涉及一种基于大数据的广告推送方法。



背景技术:

随着互联网的发展,通过网络进行商品推广成为了一种新的营销方式。对于广大网民来说,需要的是精准投放的广告,而非各种类型广告的轰炸,过多的广告会带来不好的网页浏览体验,另一方面,对于广告投放商和业主来说,精准投放的广告可以节省广告宣传费用,带来更好的商品销售引流。

目前,为了能更好的服务用户,更精准的投放网络广告,互联网上出现了记录用户浏览行为并进行简单分析的系统,对用户行为进行记录分析后以对网页推广的广告进行指导,该方法在一定程度上能向用户推荐其感兴趣的商品内容,但是,不能特别准确推送出用户最希望看到的广告,不仅对用户不能提供更有效的附加价值,同时也浪费了广告主的资源。



技术实现要素:

本发明提供一种基于大数据的广告推送方法,用以解决现有的网络推送的广告不能特别准确的符合用户需求的问题,本发明提供的方法能确定出用户感兴趣概率最高的商品并推送给用户,实现精准营销的目的。

本发明提供一种基于大数据的广告推送方法,包括:

根据大数据积累,通过待推广网页商品对当前用户的商品访问频率、用户驻留时长、商品曝光频度确定每个待推广网页商品的关注度值;

根据大数据积累,确定每个待推广网页商品对应的若干个商品分类中相关性最强的g个商品分类的分值,以及确定当前访问网页对应的若干个网页类型分类中相关性最强的h个网页类型分类的分值,以及确定所述g个商品分类中的每个商品分类和所述h个网页类型分类中的每个网页类型分类之间的相关权值;

对于每个待推广网页商品,根据所述g个商品分类中的每个商品分类和所述h个网页类型分类中的每个网页类型分类之间的相关权值以及对应的商品分类的分值、网页类型分类的分值、待推广网页商品的关注度值确定商品推送总分值;

将多个待推广网页商品按照商品推送总分值由高到低排序;

将排序结果中前n个待推广网页商品通过预先指定的n个广告位进行推送。

在一个实施例中,所述通过待推广网页商品对当前用户的商品访问频率、用户驻留时长、商品曝光频度确定每个待推广网页商品的关注度值,包括:

根据预先设定的关注度值计算公式,通过待推广网页商品对当前用户的商品访问频率、用户驻留时长、商品曝光频度计算每个待推广网页商品的关注度值;所述关注度值计算公式中待推广商品的关注度值为商品访问频率的增函数同时为用户驻留时长的增函数同时为商品曝光频度的减函数。

在一个实施例中,所述关注度值计算公式为:uv=a×fv+b×tv-c×ev;其中,所述uv为第v个待推广网页商品的关注度值,fv为当前第v个待推广网页商品对当前用户的商品访问频率,tv为当前第v个待推广网页商品对当前用户的用户驻留时长,ev为当前第v个待推广网页商品对当前用户的商品曝光频度;a,b,c为预先指定的正系数;v=1,2,...,n;n为待推广网页商品的数量。

在一个实施例中,所述a=1,b=1,c=1。

在一个实施例中,所述关注度值计算公式为:uv=lgfv+lgtv-lgev;其中,所述uv为第v个待推广网页商品的关注度值,fv为当前第v个待推广网页商品对当前用户的商品访问频率,tv为当前第v个待推广网页商品对当前用户的用户驻留时长,ev为当前第v个待推广网页商品对当前用户的商品曝光频度;v=1,2,...,n;n为待推广网页商品的数量。

在一个实施例中,所述对于每个待推广网页商品,根据所述g个商品分类中的每个商品分类和所述h个网页类型分类中的每个网页类型分类之间的相关权值以及对应的商品分类的分值、网页类型分类的分值、待推广网页商品的关注度值确定商品推送总分值,包括:

对于每个待推广网页商品,按照公式aij=uv×rvi×pj×wvij计算得到待推广网页商品的g×h个待选择总分值;其中,uv为第v个待推广网页商品的关注度值,rvi为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类的分值,pj为当前访问的网页对应的所述h个网页类型分类中的第j个网页类型分类的分值;wvij为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类和所述h个网页类型分类中的第j个网页类型分类之间的相关权值;i=1,2,...,g;j=1,2,...,h;v=1,2,...,n;n为待推广网页商品的数量;

将每个待推广网页商品的g×h个待选择总分值中值最高的一个作为该待推广网页商品的商品推送总分值。

在一个实施例中,所述对于每个待推广网页商品,根据所述g个商品分类中的每个商品分类和所述h个网页类型分类中的每个网页类型分类之间的相关权值以及对应的商品分类的分值、网页类型分类的分值、待推广网页商品的关注度值确定商品推送总分值,包括:

对于每个待推广网页商品,按照公式:

计算得到待推广网页商品的g×h个待选择总分值;其中,uv为第v个待推广网页商品的关注度值,rvi为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类的分值,pj为当前访问的网页对应的所述h个网页类型分类中的第j个网页类型分类的分值;wvij为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类和所述h个网页类型分类中的第j个网页类型分类之间的相关权值;i=1,2,...,g;j=1,2,...,h;v=1,2,...,n;n为待推广网页商品的数量;

将每个待推广网页商品的g×h个待选择总分值中值最高的一个作为该待推广网页商品的商品推送总分值。

在一个实施例中,所述对于每个待推广网页商品,根据该待推广网页商品对应的每个商品分类和每个网页类型分类之间的相关权值以及对应的商品分类的分值、网页类型分类的分值、待推广网页商品的关注度值确定商品推送总分值,包括:

对于每个待推广网页商品,按照公式aij=lg(uv×rvi×pj×wvij)计算得到待推广网页商品的g×h个待选择总分值;其中,uv为第v个待推广网页商品的关注度值,rvi为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类的分值,pj为当前访问的网页对应的所述h个网页类型分类中的第j个网页类型分类的分值;wvij为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类和所述h个网页类型分类中的第j个网页类型分类之间的相关权值;i=1,2,...,g;j=1,2,...,h;v=1,2,...,n;n为待推广网页商品的数量;

将每个待推广网页商品的g×h个待选择总分值中值最高的一个作为该待推广网页商品的商品推送总分值。

在一个实施例中,所述g=3,h=3。

在一个实施例中,所述将排序结果中前n个待推广网页商品通过预先指定的n个广告位进行推送之后,还包括:

接收对所述广告位内推送的网页商品的选择;

访问被选择的网页商品并对用户的本次浏览时长开始计时,同时将所述广告位内推送但未被选择的网页商品对当前用户的商品曝光频度增加第一预设步长,将被选择的网页商品对当前用户的商品访问频率增加第二预设步长;所述第一预设步长远小于第二预设步长;

接收对所述被选择的网页商品的结束访问指令;

结束对所述被选择的网页商品的访问,并根据公式更新被选择的网页商品对当前用户的用户驻留时长;其中,所述t为本次浏览时长,t为预设时长,t0为第三预设步长,[]为取整符号。

在一个实施例中,所述将排序结果中前n个待推广网页商品通过预先指定的n个广告位进行推送之后,还包括:

接收对所述广告位内推送的网页商品的选择;

访问被选择的网页商品并对用户的本次浏览时长开始计时,同时将所述广告位内推送但未被选择的网页商品对当前用户的商品曝光频度增加第一步长,将被选择的网页商品对当前用户的商品访问频率增加第二步长;

每当本次浏览时长增加预定单位时长时,将被选择的网页商品对当前用户的用户驻留时长增加第三步长;

接收对所述被选择的网页商品的结束访问指令;

结束对所述被选择的网页商品的访问。

在一个实施例中,采用公式计算第一步长;采用公式计算第二步长;采用公式计算第三步长;

其中,se为第一步长,ke1是预先指定的大于零的曝光增长系数,ne为统计得到的曝光次数,ke2为预先设定的曝光幂系数,且0<ke2<1;sf为第二步长,kf1为预先指定的访问增长系数,0<ke1<kf1,nf为统计得到的访问次数,kf2为预先设定的访问幂系数,0<ke2<kf2<1,tv为被选择的网页商品对当前用户的用户驻留时长,δtmax为预设最大驻留时长,kt为预定衰减因子。

在一个实施例中,所述待推广网页商品对当前用户的商品访问频率的初始值为0或第一预设初始值;所述待推广网页商品对当前用户的用户驻留时长的初始值为0或第二预设初始值;所述待推广网页商品对当前用户的商品曝光频度的初始值为第三预设初始值。

在一个实施例中,所述接收对所述广告位内推送的网页商品的选择之后,还包括:

将所述被选择的网页商品的商品推送总分值对应的商品分类的分值、网页类型分类的分值、商品分类和网页类型分类之间的相关权值提高;并将所述广告位内推送但未被选择的网页商品的商品推送总分值对应的商品分类的分值、网页类型分类的分值、商品分类和网页类型分类之间的相关权值降低。

本发明的一些有益效果可以包括:

本发明提供的基于大数据的广告推送方法,通过大数据积累,根据待推广网页商品对当前用户的商品访问频率、用户驻留时长、商品曝光频度,并通过商品对分类的相关性,网页对分类的相关性,分类间的相关性对待推广网页商品进行评分,并对评定的商品推送总分值排序,根据排序的优选结果来确定多个待推送商品的推送优先级。同时,根据用户的选择动态调整影响待推送网页商品的推送总分值的各因素,以达到在大数据下的动态自洽。该方法能够动态计算出用户感兴趣概率更高的商品并推送给用户,实现精准营销的目的,提高用户的网页使用体验感。

本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:

图1为本发明实施例中一种基于大数据的广告推送方法的流程图;

图2为本发明实施例中另一种基于大数据的广告推送方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。

图1为本发明实施例中一种基于大数据的广告推送方法的流程图。如图1所示,包括以下步骤s101-s105:

s101:根据大数据积累,通过待推广网页商品对当前用户的商品访问频率、用户驻留时长、商品曝光频度确定每个待推广网页商品的关注度值。

本实施例中,根据预先设定的关注度值计算公式,通过待推广网页商品对当前用户的商品访问频率、用户驻留时长、商品曝光频度计算每个待推广网页商品的关注度值;所述关注度值计算公式中待推广商品的关注度值为商品访问频率的增函数同时为用户驻留时长的增函数同时为商品曝光频度的减函数。即:商品访问频率提高,代表该商品较受用户欢迎,对应待推广商品的关注度值提高;用户驻留时长增加,代表用户浏览该网页商品的时间较长,说明用户可能比较关注该类商品,对应待推广商品的关注度值提高;一个商品反复出现在用户页面上,如果用户不为所动,说明用户对此商品并不感兴趣,因此,待推广商品的关注度值应为商品的曝光度的减函数。

优选地,所述关注度值计算公式为下式(1)或者式(2):

uv=a×fv+b×tv-c×ev(1)

uv=lgfv+lgtv-lgev(2)

其中,所述uv为第v个待推广网页商品的关注度值,fv为当前第v个待推广网页商品对当前用户的商品访问频率,tv为当前第v个待推广网页商品对当前用户的用户驻留时长,ev为当前第v个待推广网页商品对当前用户的商品曝光频度;a,b,c为预先指定的正系数;v=1,2,...,n;n为待推广网页商品的数量。显然,关注度值还可以采用其他公式计算,只要该公式实现为关注度值为商品访问频率的增函数同时为用户驻留时长的增函数同时为商品曝光频度的减函数即可,此处不再赘述。

s102:根据大数据积累,确定每个待推广网页商品对应的若干个商品分类中相关性最强的g个商品分类的分值,以及确定当前访问网页对应的若干个网页类型分类中相关性最强的h个网页类型分类的分值,以及确定所述g个商品分类中的每个商品分类和所述h个网页类型分类中的每个网页类型分类之间的相关权值。

其中,优选地,每个待推广网页商品对应的若干个商品分类中相关性最强的g个商品分类的分值rv1、rv2、...、rvg可满足条件当前访问网页对应的若干个网页类型分类中相关性最强的h个网页类型分类的分值p1、p2、...、ph可满足条件当然也可以选择上述分值不满足相应条件。

本实施例中,根据大数据的积累,每种待推广网页商品会与十个分类的主题词相关,可以从中按关联度的高低排序取出前三个(即g=3),每个网页会与十个分类的主题词相关,可以从中按关联度的高低排序取出前三个(即h=3)。商品分类和网页分类之间的笛卡尔关系则有九个,这九个笛卡尔关系的数据是根据大数据历史经验获得的,并且在用户的交互行为中不断修正。

例如,每一种待推广商品对应的十个分类中,选择相关性最强的三个分类,r1、r2、r3,通过商品特性的分类,功能领域的分类,根据大数据的积累使得商品分类r1、r2、r3分别各自有其分值,分别为:rv1、rv2、rv3(其中,当限定有条件时,需满足rv1+rv2+rv3=100);每一个网页类型对应的十个分类中,选择相关性最强的三个分类p1、p2、p3,通过网页属性的分类,网页上各种关键词频率的高低,根据大数据的积累给予网页类型分类p1、p2、p3分别各自有其分值,分别为:p1、p2、p3(其中,当限定有条件时,需满足p1+p2+p3=100);对于每一个商品分类ri和每一个网页类型分类pi都有一个相关权值(可限定其取值介于0和1之间)。比如:财经类与证券类,体育类与奥运类等为强相关,其相关权值应为高权值;文化类与娱乐类,生活类与教育类等为中等相关,其相关权值应为中权值;军事类与生活类,农业类与娱乐类等为弱相关,其相关权值应为低权值。不同种类的信息之间的相关权值的评分会随着用户的关注度的结果动态的调整。

s103:对于每个待推广网页商品,根据所述g个商品分类中的每个商品分类和所述h个网页类型分类中的每个网页类型分类之间的相关权值以及对应的商品分类的分值、网页类型分类的分值、待推广网页商品的关注度值确定商品推送总分值。

本实施例中,对于每个待推广网页商品,按照预先设定的推送总分值计算公式计算每个待推广网页商品对应的多个待选择总分值,并选择其中最高的总分值作为该网页商品的商品推送总分值。

在一个实施例中,可按照如下方式一来计算待选择总分值,方式一为:

对于每个待推广网页商品,按照公式(31)或(41)计算得到该待推广网页商品的g×h个待选择总分值:

aij=uv×rvi×pj×wvij(31)

aij=lg(uv×rvi×pj×wvij)(41)

公式(31)和(41)中,uv为第v个待推广网页商品的关注度值,rvi为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类的分值,pj为当前访问的网页对应的所述h个网页类型分类中的第j个网页类型分类的分值;wvij为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类和所述h个网页类型分类中的第j个网页类型分类之间的相关权值;i=1,2,...,g;j=1,2,...,h;v=1,2,...,n;n为待推广网页商品的数量。

例如:对于某个待推广网页商品,根据公式(31)计算比较乘积的最大值,取最大的乘积值作为该商品的推送总分值。对于未命中相关性的分类,取值设置为一个最低值。

或者

在一个实施例中,可按照如下方式二来计算待选择总分值,方式二为:

对于每个待推广网页商品,按照公式(32)或(42)计算得到该待推广网页商品的g×h个待选择总分值:

公式(32)和(42)中,uv为第v个待推广网页商品的关注度值,rvi为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类的分值,pj为当前访问的网页对应的所述h个网页类型分类中的第j个网页类型分类的分值;wvij为第v个待推广网页商品对应的所述g个商品分类中的第i个商品分类和所述h个网页类型分类中的第j个网页类型分类之间的相关权值,0≤wvij≤1;i=1,2,...,g;j=1,2,...,h;v=1,2,...,n;n为待推广网页商品的数量,计算待推广网页商品的待选择总分值时,如果rvi×pj≥1,则aij的值按指数规律增加;如果0<rvi×pj<1,则aij的值按照线性规律增加。例如:对于某个待推广网页商品,根据公式(32)计算比较乘积的最大值,取最大的乘积值作为该商品的推送总分值。对于未命中相关性的分类,取值设置为一个最低值。

特殊情况下,若当前访问的网页是综合性的门户网站,不好对网页的属性进行分类,则也可不考虑rvi和pj的影响,令和rvi×pj×wvij始终等于1,即采用当前待推广网页商品的关注度值作为该网页商品的商品推送总分值。

s104:将多个待推广网页商品按照商品推送总分值由高到低排序。

s105:将排序结果中前n个待推广网页商品通过预先指定的n个广告位进行推送。

本实施例中,商品推送总分值高者排位在前,对于有n个广告位的网页来说,就取排名前n位的商品进行推送即可。

图2为本发明实施例中另一种基于大数据的广告推送方法的流程图。如图2所示,该方法包括以下步骤s201-s210。或者,该方法包括以下步骤s201-s206、以及s211~s213(图未示出):

s201:根据大数据积累,通过待推广网页商品对当前用户的商品访问频率、用户驻留时长、商品曝光频度确定每个待推广网页商品的关注度值。

s202:根据大数据积累,确定每个待推广网页商品对应的若干个商品分类中相关性最强的g个商品分类的分值,以及确定当前访问网页对应的若干个网页类型分类中相关性最强的h个网页类型分类的分值,以及确定所述g个商品分类中的每个商品分类和所述h个网页类型分类中的每个网页类型分类之间的相关权值。

s203:对于每个待推广网页商品,根据所述g个商品分类中的每个商品分类和所述h个网页类型分类中的每个网页类型分类之间的相关权值以及对应的商品分类的分值、网页类型分类的分值、待推广网页商品的关注度值确定商品推送总分值。

s204:将多个待推广网页商品按照商品推送总分值由高到低排序。

s205:将排序结果中前n个待推广网页商品通过预先指定的n个广告位进行推送。

本实施例中,步骤s201-s205和上述实施例中的步骤s101-s105的实施方法类似,此处不再赘述。

s206:接收对所述广告位内推送的网页商品的选择。

其中,用户通过点击当前访问的网页的广告位内推送的内容,即认为是收到对所述广告位内推送的网页商品的选择指令。

步骤s206之后,可继续执行如下操作一,操作一包括以下步骤s207~s210:

s207:访问被选择的网页商品并对用户的本次浏览时长开始计时,同时将广告位内推送但未被选择的网页商品对当前用户的商品曝光频度增加第一步长,将被选择的网页商品对当前用户的商品访问频率增加第二步长。

其中,对于分值uv的组成来说,其对当前用户的商品访问频率的值为fv,每增加一次访问,则将商品访问频率增加第二步长sf;所述广告位内推送的网页商品的商品,若未被用户选择,每增加一次曝光,则将该商品对当前用户的商品曝光频度增加第一步长se。优选地,每增加一次访问,根据以下公式(51)更新商品访问频率,每增加一次曝光,根据以下公式(61)更新商品曝光频度:

其中,ke1是预先指定的大于零的曝光增长系数,ne为统计得到的曝光次数,ke2为预先设定的曝光幂系数,且0<ke2<1;kf1为预先指定的访问增长系数,0<ke1<kf1,nf为统计得到的访问次数,kf2为预先设定的访问幂系数,0<ke2<kf2<1,以保证商品曝光频度增加的第一步长要远远小于商品访问频率增加的第二步长,也就是说,同一个商品多次在用户页面上出现,只要在相对较小的出现次数中发生了用户点击,则该网页商品的关注度值uv还是会增加的,也就是同一网页商品的fv增加的幅度要高于ev增加的幅度。

优选地,待推广网页商品对当前用户的商品访问频率的初始值为0或第一预设初始值;所述待推广网页商品对当前用户的用户驻留时长的初始值为0或第二预设初始值;所述待推广网页商品对当前用户的商品曝光频度的初始值为第三预设初始值。以便在大数据积累中根据用户的浏览行为对商品访问频率、用户驻留时长、商品曝光频度的值进行实时调整。

s208:每当本次浏览时长增加预定单位时长时,将被选择的网页商品对当前用户的用户驻留时长增加第三步长。

具体地,每当本次浏览时长增加预定单位时长时,根据公式(71)更新被选择的网页商品对当前用户的用户驻留时长tv:

其中,因为用户不可能在当前页面无限驻留,δtmax为预设最大驻留时长,是预估的用户可能在本次访问的广告页面驻留的最长时间,比如5分钟;kt为预定衰减因子,表示过一段时间后,驻留时间的增长不会导致关注度的增加,例如kt可取0.1。

s209:接收对所述被选择的网页商品的结束访问指令。

例如,用户通过鼠标点击关闭当前访问的网页商品的浏览窗口,则认为是收到所述被选择的网页商品的结束访问指令。

s210:结束对所述被选择的网页商品的访问。

此实施例中,优选地,在下一次执行步骤s201时,可根据公式(1)、(51)、(61)、(71)计算每个待推广网页商品的关注度值为:

或者,步骤s206之后,可继续执行如下操作二,操作二包括以下步骤b1~b3:

b1:访问被选择的网页商品并对用户的本次浏览时长开始计时,同时将所述广告位内推送但未被选择的网页商品对当前用户的商品曝光频度增加第一预设步长,将被选择的网页商品对当前用户的商品访问频率增加第二预设步长。

其中,对于分值uv的组成来说,其对当前用户的商品访问频率的值为fv,每增加一次访问,则将商品访问频率增加第二步长sf,即根据以下公式(52)更新商品访问频率;所述广告位内推送的网页商品的商品,若未被用户选择,每增加一次曝光,则将该商品对当前用户的商品曝光频度增加第一步长se,即根据以下公式(62)更新商品曝光频度:

fv=fv+sf(52)

ev=ev+se(62)

这里需要注意的是,商品曝光频度增加的第一步长要远远小于商品访问频率增加的第二步长,也就是说,同一个商品多次在用户页面上出现,只要在相对较小的出现次数中发生了用户点击,则该网页商品的关注度值uv还是会增加的,也就是同一网页商品的fv增加的幅度要高于ev增加的幅度。

优选地,待推广网页商品对当前用户的商品访问频率的初始值为0或第一预设初始值;所述待推广网页商品对当前用户的用户驻留时长的初始值为0或第二预设初始值;所述待推广网页商品对当前用户的商品曝光频度的初始值为第三预设初始值。以便在大数据积累中根据用户的浏览行为对商品访问频率、用户驻留时长、商品曝光频度的值进行实时调整。

b2:接收对所述被选择的网页商品的结束访问指令。

例如,用户通过鼠标点击关闭当前访问的网页商品的浏览窗口,则认为是收到所述被选择的网页商品的结束访问指令。

b3:结束对所述被选择的网页商品的访问,并更新被选择的网页商品对当前用户的用户驻留时长。

本实施例中,根据公式(72)更新被选择的网页商品的用户驻留时长:

公式(72)中,t为步骤b1开始至步骤b3之间记录的本次浏览时长,t为预设时长,t0为第三预设步长,[]为取整符号。

优选地,在步骤s206之后,提高所述被选择的网页商品的商品推送总分值对应的商品分类的分值,以及提高所述被选择的网页商品的商品推送总分值对应的网页类型分类的分值,以及提高所述被选择的网页商品的商品推送总分值对应的商品分类和网页类型分类之间的相关权值。例如:当前广告位内推广了且被用户选择的网页商品对应的十个分类中相关性最强的三个分类r1、r2、r3的分值分别为rv1、rv2、rv3;当前用户访问的网页类型对应的十个分类中相关性最强的三个分类p1、p2、p3的分值为:p1、p2、p3;r1、r2、r3中每个商品分类和p1、p2、p3中每个网页类型分类的相关权值分别为wv11、wv12、wv13、wv21、wv22、wv23、wv31、wv32、wv33;该被选择的网页商品的商品推送总分值为由rv1、p2、wv12即相应的商品的关注度值uv计算得来,则步骤s206之后,提高rv1、p2、wv12的值,并将当前广告位内推送但未被选择的网页商品的商品推送总分值对应的商品分类的分值、网页类型分类的分值、商品分类和网页类型分类之间的相关权值降低。

本实施例中,一个商品推送总分值的大小,是由以下几个要素共同作用:商品访问频率,用户驻留时长,商品曝光频度,商品分类的分值,网页类型分类的分值,每一个商品分类和每一个网页类型分类之间的相关权值。在推送网页商品之后,根据用户的选择结果动态调整相关因素,以达到在大数据下商品推送总分值的动态自洽。

下面通过具体实施例来说明本发明实施例提供的基于大数据的广告推送方法。

实施例一

假设有五种待推广网页商品:洗衣机、乒乓拍、笔记本、降糖药、羽绒服,每种商品对于该用户的商品访问频率、用户驻留时长、商品曝光频度这三者决定的关注度值分别为:洗衣机u1=30,乒乓拍u2=30、笔记本u3=50、降糖药u4=60、羽绒服u5=70。

利用前述步骤s201-s206(其中步骤s203采用前述方式一来实施)和步骤b1-b3,会有以下结果:

每个待推广网页商品对应的相关性最强的3个商品分类的分值分别为:

洗衣机(电器r11=50、清洁r12=30、家居r13=20),

乒乓拍(体育r21=50、竞技r21=40、健康r21=30),

笔记本(计算机r31=60、科技r32=40、教育r33=20),

降糖药(医疗r41=50、健康r42=40、卫生r43=30),

羽绒服(衣服r51=60、时尚r52=40、健康r53=30)。

当前访问网页对应的若干个网页类型分类中相关性最强的3个网页类型分类的分值分别为:健康p1=60、电器p2=40、科技p3=20。

每一个商品分类和每一个网页类型分类之间的相关权值分别为:

电器-健康w111=30、清洁-健康w121=60、家居-健康w131=40,电器-电器w112=100、清洁-电器w122=40、家居-电器w132=50,电器-科技w113=70、清洁-科技w123=40、家居-科技w133=50,

体育-健康w211=70、竞技-健康w221=60、健康-健康w231=100,体育-电器w212=30、竞技-电器w222=20、健康-电器w232=30,体育-科技w213=50、竞技-科技w223=40、健康-科技w233=50,

计算机-健康w311=40、科技-健康w321=50、教育-健康w331=50,计算机-电器w312=70、科技-电器w322=70、教育-电器w332=40,计算机-科技w313=80、科技-科技w323=100、教育-科技w333=60,

医疗-健康w411=80、健康-健康w421=100、卫生-健康w431=70,医疗-电器w412=40、健康-电器w422=30、卫生-电器w432=30,医疗-科技w413=60、健康-科技w413=50、卫生-科技w433=30,

衣服-健康w511=30、时尚-健康w521=40、健康-健康w431=100,衣服-电器w512=20、时尚-电器w522=40、健康-电器w532=30,衣服-科技w513=40、时尚-科技w523=50、健康-科技w533=50。

接下来按照公式(31)计算每个待推广商品的待选择总分值:

洗衣机的待选择总分值:电器-健康:30×50×60×30=2700000,电器-电器:30×50×40×100=6000000,电器-科技:30×50×20×70=2100000,清洁-健康:30×30×60×60=3240000,清洁-电器:30×30×40×40=1440000,清洁-科技:30×30×20×40=720000,家居-健康:30×20×60×40=1440000,家居-电器:30×20×40×50=1200000,家居-科技:30×20×20×50=600000;显然最大值为600000,因此洗衣机的商品推送总分值为600000。

乒乓拍的待选择总分值:体育-健康:30×50×60×70=6300000,体育-电器:30×50×40×30=1800000,体育-科技:30×50×20×50=1500000,竞技-健康:30×40×60×60=4320000,竞技-电器:30×40×40×20=960000,竞技-科技:30×40×20×40=960000,健康-健康:30×30×60×100=5400000,健康-电器:30×30×40×30=360000,健康-科技:30×30×20×50=900000,显然最大值为6300000,因此乒乓拍的商品推送总分值为6300000。

笔记本的待选择总分值:计算机-健康:50×60×60×40=7200000,计算机-电器:50×60×40×70=8400000,计算机-科技:50×60×20×80=4800000,科技-健康:50×40×60×50=6000000,科技-电器:50×40×40×70=5600000,科技-科技:50×40×20×100=4000000,教育-健康:50×20×60×50=3000000,教育-电器:50×20×40×40=1600000,教育-科技:50×20×20×60=1200000,显然最大值为8400000,因此笔记本的商品推送总分值为8400000。

降糖药的待选择总分值:医疗-健康:60×50×60×80=14400000,医疗-电器:60×50×40×40=4800000,医疗-科技:60×50×20×60=3600000,健康-健康:60×40×60×100=14400000,健康-电器:60×40×40×30=2880000,健康-科技:60×40×20×50=2400000,卫生-健康:60×30×60×70=7560000,卫生-电器:60×30×40×30=2160000,卫生-科技:60×30×20×30=1080000,显然最大值为14400000,因此降糖药的商品推送总分值为14400000。

羽绒服的待选择总分值:衣服-健康:70×60×60×30=7560000,衣服-电器:70×60×40×20=3360000,衣服-科技:70×60×20×40=3360000,时尚-健康:70×40×60×40=6720000,时尚-电器:70×40×40×40=4480000,时尚-科技:70×40×20×50=2800000,健康-健康:70×30×60×100=12600000,健康-电器:70×30×40×30=2520000,健康-科技:70×30×20×50=2100000,显然最大值为12600000,因此羽绒服的商品推送总分值为12600000。

对上述5种待推广网页商品根据商品推送总分值由高到低排序可知,广告的排位顺序为:降糖药、羽绒服、笔记本、乒乓拍、洗衣机。若当前网页有3个广告位,则推送降糖药、羽绒服、笔记本这3种商品。

实施例二

假设有五种待推广网页商品:洗衣机、乒乓拍、笔记本、降糖药、羽绒服,每种商品对于该用户的商品访问频率、用户驻留时长、商品曝光频度这三者决定的关注度值分别为:洗衣机u1=30,乒乓拍u2=30、笔记本u3=50、降糖药u4=60、羽绒服u5=70。

利用前述步骤s201-s210(其中步骤s203采用前述方式二来实施),会有以下结果:

每个待推广网页商品对应的相关性最强的3个商品分类的分值分别为:

洗衣机(电器r11=50、清洁r12=30、家居r13=20),

乒乓拍(体育r21=50、竞技r21=40、健康r21=10),

笔记本(计算机r31=60、科技r32=30、教育r33=10),

降糖药(医疗r41=50、健康r42=40、卫生r43=10),

羽绒服(衣服r51=55、时尚r52=30、健康r53=15)。

当前访问网页对应的若干个网页类型分类中相关性最强的3个网页类型分类的分值分别为:健康p1=50、电器p2=30、科技p3=20。

每一个商品分类和每一个网页类型分类之间的相关权值分别为:

电器-健康w111=0.3、电器-电器w112=1、电器-科技w113=0.7、清洁-健康w121=0.6、清洁-电器w122=0.4、清洁-科技w123=0.4、家居-健康w131=0.4,家居-电器w132=0.5,家居-科技w133=0.5,

体育-健康w211=0.7、体育-电器w212=0.3、体育-科技w213=0.5、竞技-健康w221=0.6、竞技-电器w222=0.2、竞技-科技w223=0.4、健康-健康w231=1,健康-电器w232=0.3,健康-科技w233=0.5,

计算机-健康w311=0.4、计算机-电器w312=0.7、计算机-科技w313=0.8、科技-健康w321=0.5、科技-电器w322=0.7、科技-科技w323=1、教育-健康w331=0.5,教育-电器w332=0.4,教育-科技w333=0.6,

医疗-健康w411=0.8、医疗-电器w412=0.4、医疗-科技w413=0.6、健康-健康w421=1、健康-电器w422=0.3、健康-科技w413=0.5、卫生-健康w431=0.7,卫生-电器w432=0.3,卫生-科技w433=0.3,

衣服-健康w511=0.3、衣服-电器w512=0.2、衣服-科技w513=0.4、时尚-健康w521=0.4、时尚-电器w522=0.4、时尚-科技w523=0.5、健康-健康w431=1,健康-电器w532=0.3,健康-科技w533=0.5。

接下来按照公式(32)计算每个待推广商品的待选择总分值:

洗衣机的待选择总分值:电器-健康:30×(50×50)0.3=313.7,电器-电器:30×(50×30)1=45000,电器-科技:30×(50×20)0.7=238.3,清洁-健康:30×(30×50)0.6=2414.2,清洁-电器:30×(30×30)0.4=455.8,清洁-科技:30×(30×20)0.4=387.6,家居-健康:30×(20×50)0.4=475.5,家居-电器:30×(20×30)0.5=734.8,家居-科技:30×(20×20)0.5=600;显然最大值为45000,因此洗衣机的商品推送总分值为45000。

乒乓拍的待选择总分值:体育-健康:30×(50×50)0.7=7172.6,体育-电器:30×(50×30)0.3=269.1,体育-科技:30×(50×20)0.5=948.7,竞技-健康:30×(40×50)0.6=2869.0,竞技-电器:30×(40×30)0.2=123.9,竞技-科技:30×(40×20)0.4=434.9,健康-健康:30×(10×50)1=15000,健康-电器:30×(10×30)0.3=166.0,健康-科技:30×(10×20)0.5=424.3,显然最大值为15000,因此乒乓拍的商品推送总分值为15000。

笔记本的待选择总分值:计算机-健康:50×(60×50)0.4=1229.8,计算机-电器:50×(60×30)0.7=9498.6,计算机-科技:50×(60×20)0.8=8719,科技-健康:50×(30×50)0.5=1936.5,科技-电器:50×(30×30)0.7=5847.1,科技-科技:50×(30×20)1=30000,教育-健康:50×(10×50)0.5=1118.0,教育-电器:50×(10×30)0.4=489.6,教育-科技:50×(10×20)0.6=1201.1,显然最大值为30000,因此笔记本的商品推送总分值为30000。

降糖药的待选择总分值::医疗-健康:60×(50×50)0.8=31369.2,医疗-电器:60×(50×30)0.4=1118.4,医疗-科技:60×(50×20)0.6=3785.7,健康-健康:60×(40×50)1=120000,健康-电器:60×(40×30)0.3=503.4,健康-科技:60×(40×20)0.5=1697.1,卫生-健康:60×(10×50)0.7=4649.8,卫生-电器:60×(10×30)0.3=332.1,卫生-科技:60×(10×20)0.3=294.1,显然最大值为120000,因此降糖药的商品推送总分值为120000。

羽绒服的待选择总分值:衣服-健康:70×(55×50)0.3=753.2,衣服-电器:70×(55×30)0.2=308.0,衣服-科技:70×(55×20)0.4=1152.5,时尚-健康70×(30×50)0.4=1304.8,时尚-电器:70×(30×30)0.4=1063.6,时尚-科技:70×(30×20)0.5=1714.6,健康-健康:70×(15×50)1=52500,健康-电器:70×(15×30)0.3=437.6,70×(15×20)0.5=1212.4,显然最大值为52500,因此羽绒服的商品推送总分值为52500。

对上述5种待推广网页商品根据商品推送总分值由高到低排序可知,广告的排位顺序为:降糖药、羽绒服、洗衣机、笔记本、乒乓拍。若当前网页有3个广告位,则推送降糖药、羽绒服、洗衣机这3种商品。

以上实施例一和二中,假设用户在降糖药的广告推广链接上进行了点击,进而长时间关注了相关产品的信息,则降糖药的关注度值u4中的商品访问频率值提高,用户驻留时长值提高,这样u4值也就上升。与此同时,用户的举动证明着医疗与健康的相关权值可以进一步提升,降糖药与医疗这种分类的相关权值可以提升,网页与健康这种分类的相关权值也可以提升。相应的广告未中推送的商品,用户未曾点击的,则该商品的关注度值中对该用户的商品曝光频度值可以适当增加,则其对应的关注度值会随之降低,与此同时,该商品和网页对应的几个最高相关度的指标中的相关权值、商品分类分值、网页类型分类分值也应该不同程度的降低。

本发明提供的基于大数据的广告推送方法,通过大数据积累,根据待推广网页商品对当前用户的商品访问频率、用户驻留时长、商品曝光频度,并通过商品对分类的相关性,网页对分类的相关性,分类间的相关性对待推广网页商品进行评分,并对评定的商品推送总分值排序,根据排序的优选结果来确定多个待推送商品的推送优先级。同时,根据用户的选择动态调整影响待推送网页商品的推送总分值的各因素,以达到在大数据下的动态自洽。该方法能够动态计算出用户感兴趣概率更高的商品并推送给用户,实现精准营销的目的,提高用户的网页使用体验感。

本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1