一种基于知识图谱和AB实验的智能广告投放方法与流程

一种基于知识图谱和ab实验的智能广告投放方法
技术领域
1.本发明属于广告投放方法技术领域，具体涉及一种基于知识图谱和ab实验的智能广告投放方法。


背景技术：

2.随着网络技术的迅速发展，网络广告作为新型的第五大媒体，占据着媒体宣传中重要的地位，以互联网为传播媒介的网络广告发展迅速，并且做为生产者与消费者之间的桥梁，消费者对产品的选择更加依赖广告，大公司能够通过网络广告的营销手段进一步巩固品牌形象，强化用户忠诚度，而小公司能够通过网络广告的营销手段迅速扩大品牌知名度，实现销售业绩的节节攀升。
3.而如何选择广告平台，如何选择广告投放策略，如何节约广告投放成本，如何优化广告投放效果，如何提高广告转化率成为企业的一大难题，现在提高广告投放效果以及广告投放转化率的方法是通过广告优化师24小时人工盯盘，根据经验优化广告，该种方式受限于人力成本和能力，无法使广告投放效果以及广告投放转化率达到最佳。


技术实现要素：

4.为解决上述背景技术中提出的问题。本发明提供了一种基于知识图谱和ab实验的智能广告投放方法，具有广告投放优化效果好，提高广告投放转化率的特点。
5.为实现上述目的，本发明提供如下技术方案：一种基于知识图谱和ab实验的智能广告投放方法，包括以下步骤：
6.s1：构建广告投放优化知识图谱；
7.s2：根据投放知识图谱，进行ab分组实验；
8.s3：依据效果数据，获得高效的投放优化知识规则；
9.s4：按照高效的投放优化知识规则进行广告投放。
10.本发明中进一步的，所述步骤s1中，广告投放优化知识图谱的具体构建步骤为：
11.s11：获取原始数据信息；
12.s12：预处理原始数据信息，剔除不完整、重复、无关广告投放优化内容的原始数据信息；
13.s13：人工筛选原始数据信息，剔除日期久远且与现在广告投放优化规则相冲突的原始数据信息；
14.s14：将二次处理后的原始数据信息导入到图形数据库中，形成广告投放优化知识图谱；
15.s15：为广告投放优化知识图谱的每条广告投放优化规则设置权重，初始权重值为0.5。
16.本发明中进一步的，所述步骤s11中，广告投放优化行业优秀人物发表的期刊以及访谈、以在社交网站上的热门广告投放优化文章为起点进行搜索而获取的数据信息、在正
规广告投放优化培训机构的官网上获取的数据信息均可作为原始数据信息。
17.本发明中进一步的，所述步骤s2中，具体的ab分组实验的步骤为：
18.s21：a实验组广告投放优化方式按照广告投放优化知识图谱中的一种广告投放优化规则进行；
19.s22：b对照组广告投放优化方式按照广告投放优化知识图谱中的另一种广告投放优化规则进行，b对照组的广告投放优化规则内容与a实验组的广告投放优化规则内容大致相同，但其中一条广告投放优化规则内容存在差异。
20.本发明中进一步的，所述步骤s3中，具体的依据效果数据，获得高效投放优化知识规则的步骤为：
21.s31：通过marketingapi获得a实验组和b对照组的广告计划投放数据；
22.s32：比较a实验组和b对照组的广告计划投放数据的转化成本，若a实验组的转化成本低，则说明广告投放优化知识图谱中a实验组采用的异于b对照组的广告投放优化规则优于b对照组采用的广告投放优化规则，调整a实验组采用的广告投放优化规则的权重值；
23.s33：重复步骤s2中，直至广告投放优化知识图谱得到最优广告投放优化规则。
24.本发明中进一步的，所述步骤s31中，广告计划投放数据包括广告计划名称、投放人群、广告素材信息、时间、消耗、转化数、转化成本。
25.与现有技术相比，本发明的有益效果是：
26.本发明先通过采集处理行业经验原始数据信息构建出广告投放优化知识图谱，再根据广告投放优化知识图谱进行ab实验，得到高转化和优效果的广告投放优化知识规则，后广告投放可根据得到的广告投放优化知识规则进行优化，较现有通过广告优化师24小时根据经验优化广告的方式而言，解决了现有方式受限于人力成本和能力的问题，广告投放优化效果好，能够显著提高广告投放的转化率。
附图说明
27.图1为本发明基于知识图谱和ab实验的智能广告投放方法的流程图；
28.图2为本发明构建的广告投放优化知识图谱的示例图。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.请参阅图1
‑
2，本发明提供以下技术方案：一种基于知识图谱和ab实验的智能广告投放方法，包括以下步骤：
31.s1：构建广告投放优化知识图谱；
32.s2：根据投放知识图谱，进行ab分组实验；
33.s3：依据效果数据，获得高效的投放优化知识规则；
34.s4：按照高效的投放优化知识规则进行广告投放。
35.具体的，步骤s1中，广告投放优化知识图谱的具体构建步骤为：
36.s11：获取原始数据信息；
37.s12：预处理原始数据信息，剔除不完整、重复、无关广告投放优化内容的原始数据信息；
38.s13：人工筛选原始数据信息，剔除日期久远且与现在广告投放优化规则相冲突的原始数据信息；
39.s14：将二次处理后的原始数据信息导入到图形数据库中，形成广告投放优化知识图谱，如附图2所示的一种广告投放优化知识图谱，该广告投放优化知识图谱仅为示例，具体实施时以构建出的广告投放优化知识图谱为主；
40.s15：为广告投放优化知识图谱的每条广告投放优化规则设置权重，初始权重值为0.5。
41.具体的，步骤s11中，广告投放优化行业优秀人物发表的期刊以及访谈、以在社交网站上的热门广告投放优化文章为起点进行搜索而获取的数据信息、在正规广告投放优化培训机构的官网上获取的数据信息均可作为原始数据信息。
42.具体的，步骤s2中，具体的ab分组实验的步骤为：
43.s21：a实验组广告投放优化方式按照广告投放优化知识图谱中的一种广告投放优化规则进行；
44.本步骤中，a实验组采用一广告投放优化规则：当实际转化成本大于等于规定转化成本的300％，关闭广告计划，二广告投放优化规则：当实际转化成本接近规定转化成本的80％，且总花费大于等于10
‑
20个规定转化成本，继续观察，三广告投放优化规则：当实际转化成本接近规定转化成本的80％，且总花费小于10
‑
20个规定转化成本，进行加价10％；
45.s22：b对照组广告投放优化方式按照广告投放优化知识图谱中的另一种广告投放优化规则进行，b对照组的广告投放优化规则内容与a实验组的广告投放优化规则内容大致相同，但其中一条广告投放优化规则内容存在差异；
46.本步骤中，b对照组采用一广告投放优化规则：当实际转化成本大于等于规定转化成本的300％，关闭广告计划，二广告投放优化规则：当实际转化成本接近规定转化成本的80％，且总花费大于等于10
‑
20个规定转化成本，继续观察，四广告投放优化规则：当实际转化成本接近规定转化成本的80％，且总花费小于10
‑
20个规定转化成本，进行加价20％。
47.具体的，步骤s3中，具体的依据效果数据，获得高效投放优化知识规则的步骤为：
48.s31：通过marketingapi获得a实验组和b对照组的广告计划投放数据；
49.s32：比较a实验组和b对照组的广告计划投放数据的转化成本，若a实验组的转化成本低，则说明广告投放优化知识图谱中a实验组采用的异于b对照组的广告投放优化规则优于b对照组采用的广告投放优化规则，调整a实验组采用的广告投放优化规则的权重值；
50.本步骤中，若a实验组的转化成本低，则说明广告投放优化知识图谱中的三广告投放优化规则优于四广告投放优化规则，调整三广告投放优化规则的权重值；
51.s33：重复步骤s2中，直至广告投放优化知识图谱得到最优广告投放优化规则。
52.具体的，步骤s31中，广告计划投放数据包括广告计划名称、投放人群、广告素材信息、时间、消耗、转化数、转化成本。
53.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换
和变型，本发明的范围由所附权利要求及其等同物限定。