基于行为数据的广告投放方法、装置、设备及存储介质与流程

1.本发明涉及人工智能领域，尤其涉及一种基于行为数据的广告投放方法、装置、设备及存储介质。


背景技术：

2.营销活动现有技术中，通常对客户的业务数据进行统计分析，抽象出多个类型的用户画像，同一客户画像下的客户，适用于同一个营销模型。
3.应用中投放相应的营销活动已经是当下常用的营销手段，但在现有技术中通常是对用户的相关注册资料进行统计分析，再抽象归类至不同类型的用户画像，在一类用户画像中，推送归属该类的营销活动，往往存在客户分类较为粗糙、大量营销活动无法按简单的资料进行有效且精准的投放。现有的广告投放方法存在用户分类较粗糙、无法把广告精准投放至目标用户。


技术实现要素：

4.本发明的主要目的在于解决现有的广告投放方法存在用户分类较粗糙、无法把广告精准投放至目标用户的技术问题。
5.本发明第一方面提供了一种基于行为数据的广告投放方法，所述基于行为数据的广告投放方法包括：获取用户在应用中的特定行为数据；将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值；获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得到至少一类总偏好预测值；基于所述总偏好预测值，触发相应的营销活动进行广告投放。
6.可选的，在本发明第一方面的第一种实现方式中，所述获取用户在应用中的特定行为数据，包括：采集用户基于触控屏触发的操作信息；基于所述操作信息触发埋点；基于被触发的所述埋点，将所述操作信息识别获取为至少一次的所述特定行为数据。
7.可选的，在本发明第一方面的第二种实现方式中，所述将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值，包括：将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法，将获取的所述特定行为数据分类至对应的营销活动；基于不同类型的所述营销活动预设埋点的不同，将所述特定行为数据分为至少一组特定行为数据组；将所述特定行为数据组匹配至对应的营销活动中的埋点，并基于所述埋点的预设分值计算，得到至少一类所述营销活动的第一偏好预测值。
8.可选的，在本发明第一方面的第三种实现方式中，在所述获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得
到至少一类总偏好预测值之后，还包括：基于对应的营销活动的有效期为所述第一偏好预测值设定对应的有效期；若得到的所述第一偏好预测值未达到预设阈值，则将所述第一偏好预测值归类至历史偏好预测值；判断所述历史偏好预测值是否超过所述有效期；若否，则将所述历史偏好预测值和当次计算得到的所述第一偏好预测值相加，得到所述总偏好预测值，判断所述总偏好预测值是否达到预设阈值；若否，则将所述历史偏好预测值更新为所述总偏好预测值。
9.可选的，在本发明第一方面的第四种实现方式中，所述基于所述总偏好预测值，触发相应的营销活动进行广告投放，包括：判断用户是否存在多个对应的营销活动的总偏好预测值达到预设阈值；若是，则根据预设营销活动触发机制触发分数最高的总偏好预测值对应的营销活动进行广告投放；或者，分别触发不同类型中所述总偏好预测值最高的营销活动进行广告投放。
10.可选的，在本发明第一方面的第五种实现方式中，在所述基于所述总偏好预测值，触发相应的营销活动进行广告投放之后，还包括：获取用户接收到营销活动的响应情况，其中，所述响应情况包括购买和不购买；若所述响应情况为不购买，则基于预设时间段内的触发次数判断是否再次推荐同类型的所述营销活动。
11.本发明第二方面提供了一种基于行为数据的广告投放装置，包括：行为数据获取模块，用于获取用户在应用中的特定行为数据；行为数据获取模块，用于获取用户在应用中的特定行为数据；行为数据赋值模块，用于将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值；总偏好预测值计算模块，用于获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得到至少一类总偏好预测值；营销活动触发模块，用于基于所述总偏好预测值，触发相应的营销活动进行广告投放。
12.可选的，在本发明第二方面的第一种实现方式中，所述行为数据获取模块具体用于：采集用户基于触控屏触发的操作信息；基于所述操作信息触发埋点；基于被触发的所述埋点，将所述操作信息识别获取为至少一次的所述特定行为数据。
13.可选的，在本发明第二方面的第二种实现方式中，所述行为数据赋值模块具体用于：将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法，将获取的所述特定行为数据分类至对应的营销活动；基于不同类型的所述营销活动预设埋点的不同，将所述特定行为数据分为至少一组特定行为数据组；将所述特定行为数据组匹配至对应的营销活动中的埋点，并基于所述埋点的预设分值计算，得到至少一类所述营销活动的第一偏好预测值。
14.可选的，在本发明第二方面的第三种实现方式中，所述基于行为数据的广告投放装置还包括历史偏好预测值设置模块，所述历史偏好预测值设置模块具体用于：基于对应的营销活动的有效期为所述第一偏好预测值设定对应的有效期；若得到的所述第一偏好预测值未达到预设阈值，则将所述第一偏好预测值归类至历史偏好预测值；判断所述历史偏好预测值是否超过所述有效期；若否，则将所述历史偏好预测值和当次计算得到的所述第一偏好预测值相加，得到所述总偏好预测值，判断所述总偏好预测值是否达到预设阈值；若否，则将所述历史偏好预测值更新为所述总偏好预测值。
15.可选的，在本发明第二方面的第四种实现方式中，所述营销活动触发模块具体用于：判断用户是否存在多个对应的营销活动的总偏好预测值达到预设阈值；若是，则根据预设营销活动触发机制触发分数最高的总偏好预测值对应的营销活动进行广告投放；或者，分别触发不同类型中所述总偏好预测值最高的营销活动进行广告投放。
16.可选的，在本发明第二方面的第五种实现方式中，所述基于行为数据的广告投放装置还包括二次触发判断模块，所述二次触发判断模块具体用于：获取用户接收到营销活动的响应情况，其中，所述响应情况包括购买和不购买；若所述响应情况为不购买，则基于预设时间段内的触发次数判断是否再次推荐同类型的所述营销活动。
17.本发明第三方面提供了一种基于行为数据的广告投放设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于行为数据的广告投放设备执行上述的基于行为数据的广告投放方法的步骤。
18.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于行为数据的广告投放方法的步骤。
19.本发明的技术方案中，获取用户在应用中的特定行为数据；将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值；获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得到至少一类总偏好预测值；基于所述总偏好预测值，触发相应的营销活动进行广告投放。本方法通过采集用户的行为数据，通过行为数据分析用户的偏好并推送相关联的营销活动，实现基于用户行为精准推送目的，能够有效降低推送成本，提升推送营销活动的转化率。
附图说明
20.图1为本发明实施例中基于行为数据的广告投放方法的第一个实施例示意图；
21.图2为本发明实施例中基于行为数据的广告投放方法的第二个实施例示意图；
22.图3为本发明实施例中基于行为数据的广告投放方法的第三个实施例示意图；
23.图4为本发明实施例中基于行为数据的广告投放方法的第四个实施例示意图；
24.图5为本发明实施例中基于行为数据的广告投放装置的一个实施例示意图；
25.图6为本发明实施例中基于行为数据的广告投放装置的另一个实施例示意图；
26.图7为本发明实施例中基于行为数据的广告投放设备的一个实施例示意图。
具体实施方式
27.本发明的技术方案中，获取用户在应用中的特定行为数据；将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值；获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得到至少一类总偏好预测值；基于所述总偏好
预测值，触发相应的营销活动进行广告投放。本方法通过采集用户的行为数据，通过行为数据分析用户的偏好并推送相关联的营销活动，实现基于用户行为精准推送目的，能够有效降低推送成本，提升推送营销活动的转化率。
28.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于行为数据的广告投放方法的第一个实施例包括：
30.101，获取用户在应用中的特定行为数据；
31.在本实施例中，用户通过在应用中的点选、滑动、按键或其他组合输入指令的方式，经由应用内部记录用户相应的操作指令后，得到关于用户相应的特定行为数据。
32.其中，根据用户浏览相关内容时，终端设备的在线时间，触点行为，发生的频率等等因子。形成多个维度对用户的了解。
33.具体的，还可以包括用户近期资产变化、浏览理财或资金产品详情页面次数、当年投资记录、浏览特定详情页面时长、检索相关投资问题或点选特定类型的贴片广告的多种相关操作指令。
34.102，将特定行为数据输入至预设的营销决策模型，通过营销决策模型中的决策树算法将特定行为数据与至少一类营销活动的埋点进行匹配，得到特定行为数据对应于至少一类营销活动的第一偏好预测值；
35.在本实施例中，将一定时间段内用户操作后得到数量不定的特定行为数据，作为同一批次统一输入至营销决策模型。
36.其中，每一批次的划分方式可以是根据一天之内的特定行为数据进行汇总，也可以是根据预设数量的特定行为数据，当用户操作后达到预设数量的特定行为数据偶，作为同一批次进行汇总并输入至营销决策模型。
37.在本实施例中，决策树就是一个类似于流程图的树形结构，树内部的每一个节点代表的是对一个特征的测试，树的分支代表该特征的每一个测试结果，而树的每一个叶子节点代表一个类别。树的最高层是就是根节点。
38.具体的，将特定行为数据输入至营销决策模型，通过决策树算法，逐个输入同批次的特定行为数据，基于不同类型的营销活动对特定行为数据分类至不同的营销活动，若存在多个营销活动共有同一个特定行为数据，则将该特定行为数据进行共用。
39.103，获取至少一类营销活动的历史偏好预测值，并基于历史偏好预测值与同一类第一偏好预测值计算得到至少一类总偏好预测值；
40.在本实施例中，为确保不同类型的营销活动能够更加精准的投放至目标客户，不同的埋点会对应着不同类型的营销活动，需要划分出不同的特定行为数据组，将被触发的埋点识别为对应类型的特定行为数据。
41.具体的，例如触发近期转入大额资金这一埋点，可将其归类在股票类的营销活动对应的特定行为数据组。同时，这一埋点也可以归类在基金类或其他类目的营销活动对应的特定行为数据组。
42.在本实施例中，不同类型的营销活动会预设数量不等的埋点，在数量众多的埋点中存在着高关联性和低关联性，需要为不同的埋点赋予着不同的权重，埋点对应的权重应当由建立营销活动时开始预设。
43.具体的，例如近期转入大额资金，还可细分为转入100万和转入50万，在此可预设转入100万这一埋点的权重为2，预设转入50万这一埋点的权重为1，此处埋点和权重的例子仅做参考，并不限定具体的埋点和权重。
44.在另一方面，在股票类营销活动中，转入100万金额可预设权重为2；但在基金类营销活动中，该埋点的权重也可预设权重为1，不同埋点权重值在不同的营销活动中可进行灵活的预设变更。
45.104，基于总偏好预测值，触发相应的营销活动进行广告投放。
46.在本实施例中，经由第一偏好预测值和历史偏好预测值汇总计算后，得到的总偏好预测值。通过对营销活动预设阈值的判定后，即说明用户存在较大意向了解对应的营销活动，因此将引导用户参与营销活动。
47.具体的，当用户满足触发条件时，触发相应的营销活动方式包括但不限于通过页面弹窗、电话、短信或小视频等方式进入营销活动。并在完成营销活动的推送后，对推送进行一次记录，从而防止因用户频繁操作导致过度触发营销活动。
48.在本实施例中，获取用户在应用中的特定行为数据；将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值；获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得到至少一类总偏好预测值；基于所述总偏好预测值，触发相应的营销活动进行广告投放。本方法通过采集用户的行为数据，通过行为数据分析用户的偏好并推送相关联的营销活动，实现基于用户行为精准推送目的，能够有效降低推送成本，提升推送营销活动的转化率。
49.请参阅图2，本发明实施例中基于行为数据的广告投放方法的第二个实施例包括：
50.201，采集用户基于触控屏触发的操作信息；
51.在本实施例中，通过内置的指令采集控件、用户资产变动、用户个人信息修改或特定页面隐藏的时控装置等多种方式，获取用户在应用中的相关操作信息。
52.202，基于操作信息触发埋点；
53.在本实施例中，通过步骤201中获取到的相关用户操作信息，查询当前是否存在对应营销活动的埋点与用户操作信息一致，若是，则可判定为用户当前操作触发了相关营销活动的埋点。
54.具体的，每一个营销活动存在着数量不等的埋点，每一个埋点与特定的用户操作相绑定，同时，存在同一个埋点对应数量不等的营销活动。例如，当用户账户存在大额资金流入这一埋点，可以对应多个相关的营销活动，因此，需要获取足够数量的操作，计算出最为相应的偏好预测值。
55.203，基于被触发的埋点，将操作信息识别获取为至少一次的特定行为数据；
56.在本实施例中，当埋点被触发，则该用户操作视为至少一次的特定行为数据。因特定行为数据存在对应多个营销活动的情况，因此该特定行为数据可能存在输入不同类型营销活动的营销决策模型之中。
57.具体的，一次操作有可能触发多次特定的特定行为数据，例如进入股票市场浏览行情这一操作，同时存在于股票类第一营销活动和股票类第二营销活动，乃至更多，因此需要通过多个特定行为数据组成，达到具体营销活动的触发阈值，方能提高营销活动的投放效果。
58.204，将特定行为数据输入至预设的营销决策模型，通过营销决策模型中的决策树算法将特定行为数据与至少一类营销活动的埋点进行匹配，得到特定行为数据对应于至少一类营销活动的第一偏好预测值；
59.205，获取至少一类营销活动的历史偏好预测值，并基于历史偏好预测值与同一类第一偏好预测值计算得到至少一类总偏好预测值；
60.206，基于对应的营销活动的有效期为第一偏好预测值设定对应的有效期；
61.在本实施例中，每一次生成的第一偏好预测值和历史偏好预测值均应当设置一个有效期，在有效期内方可调用并进行计算，得到总偏好预测值。
62.若该第一偏好预测值或历史偏好预测值超过设定的有效期，则应当删除该数值并重新计算。
63.具体的，有效期可以是对应营销活动的有效期进行设置，也可以是基于一个预设的第一偏好预测值或历史偏好预测值的有效时长。当超过该预设的有效时长时，可视为用户的兴趣偏好已经转移或失效，应当重新计算，提高预测的准确率和转化率。
64.207，若得到的第一偏好预测值未达到预设阈值，则将第一偏好预测值归类至历史偏好预测值；
65.在本实施例中，每一个营销活动均应当有一个触发的预设阈值，若在一次计算的过程当中，得到的第一偏好预测值未达到预设的触发阈值，则将该未到触发阈值的第一偏好预测值归类至历史偏好预测值。其中，该第一偏好预测值的有效期可继承至历史偏好预测值，或根据相应设置对有效期进行适当调整。
66.208，判断历史偏好预测值是否超过有效期；
67.209，若否，则将历史偏好预测值和当次计算得到的第一偏好预测值相加，得到总偏好预测值，判断总偏好预测值是否达到预设阈值；
68.在本实施例中，若历史偏好预测值仍在有效期内，因历史偏好预测值为未达到触发营销活动的阈值，因此需将历史偏好预测值和当前计算中的第一偏好预测值进行代入公式进行计算，得到计算后的总偏好预测值，根据总偏好预测值进行判断，是否达到对应营销活动的触发阈值。
69.具体的，将历史偏好预测值和当前计算中的第一偏好预测值进行代入公式进行计算，可以是简单的累加，也可以是基于时间关系乘以一个相应的时间系数，对用户的当前偏好进行纠偏，得到更精准的偏好预测结果，降低无效营销的投入。
70.例如，历史偏好预测值在一天以内，相应的时间系数为1；历史偏好预测值在一到三天范围内的，相应的时间系数为0.8，往后以此类推，直至该历史偏好预测值过期被废止。
本计算方式仅作为类比，并不意味着对具体的划分方式、计算公式、时间系数的取值进行限定。
71.210，若否，则将历史偏好预测值更新为总偏好预测值；
72.在本实施例中，若二次计算得到的总偏好预测值仍未达到触发营销活动的预设阈值，则将计算得到的总偏好预测值更新为新的历史偏好预测值。同时更新后总偏好预测值应当进行清零处理。
73.211，基于总偏好预测值，触发相应的营销活动进行广告投放。
74.本实施例在前实施例的基础上，详细描述了基于对应的营销活动的有效期为所述第一偏好预测值设定对应的有效期；若得到的所述第一偏好预测值未达到预设阈值，则将所述第一偏好预测值归类至历史偏好预测值；判断所述历史偏好预测值是否超过所述有效期；若否，则将所述历史偏好预测值和当次计算得到的所述第一偏好预测值相加，得到所述总偏好预测值，判断所述总偏好预测值是否达到预设阈值；若否，则将所述历史偏好预测值更新为所述总偏好预测值的过程。通过本实施例相较于传统方法，细化了对历史偏好预测值和第一偏好预测值有效期的限定，并描述了在有效期内基于时间推移，对历史偏好预测值增加相应的时间系数进行更加精准的预测和计算，从而提高了预测准确率、降低无效的营销广告投放。
75.请参阅图3，本发明实施例中基于行为数据的广告投放方法的第三个实施例包括：
76.301，获取用户在应用中的特定行为数据；
77.302，将特定行为数据输入至预设的营销决策模型，通过营销决策模型中的决策树算法，将获取的特定行为数据分类至对应的营销活动；
78.在本实施例中，决策树就是一个类似于流程图的树形结构，树内部的每一个节点代表的是对一个特征的测试，树的分支代表该特征的每一个测试结果，而树的每一个叶子节点代表一个类别。树的最高层是就是根节点。
79.具体的，将特定行为数据输入至营销决策模型，通过决策树算法，逐个输入同批次的特定行为数据，基于不同类型的营销活动对特定行为数据分类至不同的营销活动，若存在多个营销活动共有同一个特定行为数据，则将该特定行为数据进行共用。
80.303，基于不同类型的营销活动预设埋点的不同，将特定行为数据分为至少一组特定行为数据组；
81.在本实施例中，为确保不同类型的营销活动能够更加精准的投放至目标客户，不同的埋点会对应着不同类型的营销活动，需要划分出不同的特定行为数据组，将被触发的埋点识别为对应类型的特定行为数据。
82.具体的，例如触发近期转入大额资金这一埋点，可将其归类在股票类的营销活动对应的特定行为数据组。同时，这一埋点也可以归类在基金类或其他类目的营销活动对应的特定行为数据组。
83.304，将特定行为数据组匹配至对应的营销活动中的埋点，并基于埋点的预设分值计算，得到至少一类营销活动的第一偏好预测值；
84.在本实施例中，不同类型的营销活动会预设数量不等的埋点，在数量众多的埋点中存在着高关联性和低关联性，需要为不同的埋点赋予着不同的权重，埋点对应的权重应当由建立营销活动时开始预设。
85.具体的，例如近期转入大额资金，还可细分为转入100万和转入50万，在此可预设转入100万这一埋点的权重为2，预设转入50万这一埋点的权重为1，此处埋点和权重的例子仅做参考，并不限定具体的埋点和权重。
86.在另一方面，在股票类营销活动中，转入100万金额可预设权重为2；但在基金类营销活动中，该埋点的权重也可预设权重为1，不同埋点权重值在不同的营销活动中可进行灵活的预设变更。
87.305，获取至少一类营销活动的历史偏好预测值，并基于历史偏好预测值与同一类第一偏好预测值计算得到至少一类总偏好预测值；
88.306，基于总偏好预测值，触发相应的营销活动进行广告投放。
89.本实施例在前实施例的基础上，详细描述了将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法，将获取的所述特定行为数据分类至对应的营销活动；基于不同类型的所述营销活动预设埋点的不同，将所述特定行为数据分为至少一组特定行为数据组；将所述特定行为数据组匹配至对应的营销活动中的埋点，并基于所述埋点的预设分值计算，得到至少一类所述营销活动的第一偏好预测值的过程。通过本实施例相较于传统方法，细化了对埋点和营销活动之间的对应关系，根据活动类型的不同，可自由调节设定某一营销活动中埋点对应的权重，从而更精准的匹配目标客户群体。
90.请参阅图4，本发明实施例中基于行为数据的广告投放方法的第四个实施例包括：
91.401，获取用户在应用中的特定行为数据；
92.402，将特定行为数据输入至预设的营销决策模型，通过营销决策模型中的决策树算法将特定行为数据与至少一类营销活动的埋点进行匹配，得到特定行为数据对应于至少一类营销活动的第一偏好预测值；
93.403，获取至少一类营销活动的历史偏好预测值，并基于历史偏好预测值与同一类第一偏好预测值计算得到至少一类总偏好预测值；
94.404，判断用户是否存在多个对应的营销活动的总偏好预测值达到预设阈值；
95.在本实施例中，通过判断用户是否存在多个偏好预测值是否达到预设阈值，从而决定是否需要选择不同的营销活动触发模式。若仅存在一个偏好预测值达到预设阈值，则直接触发该营销活动；若不存在偏好预测值达到预设阈值时，则该次计算后得到的第一偏好预测值将作为历史偏好预测值留存，待下一次计算处理。
96.具体的，该预设阈值由管理员上线营销活动时同步设定。
97.405，若是，则根据预设营销活动触发机制触发分数最高的总偏好预测值对应的营销活动进行广告投放；或者，分别触发不同类型中总偏好预测值最高的营销活动进行广告投放；
98.在本实施例中，若存在多个对应的营销活动的总偏好预测值达到预设阈值时，触发机制可以是触发分数最高的总偏好预测值对应的营销活动进行广告投放。
99.具体的，当多个营销活动均达到触发标准，则根据在用户特定行为数据下得分最高的营销活动作为触发对象进行广告投放。
100.具体的，应当注意在设置营销活动中对应埋点时，应当合理分配埋点个数和埋点对应的权重分值。使得部分较易激活的埋点或关联性较低的埋点在权重上相对应降低。
101.在本实施例中，若存在多个对应的营销活动的总偏好预测值达到预设阈值时，触
发机制也可以是分别触发不同类型中总偏好预测值最高的营销活动进行广告投放。
102.具体的，实际触发方式根据管理员选择或根据用户预设接收营销活动数量决定，若用户在一定时间范围内接收营销活动次数超过一定次数，则采用步骤404。
103.406，获取用户接收到营销活动的响应情况；
104.在本实施例中，获取方式可以为活动后的一个用户回馈连接，或投放后检测用户有无购买、应用营销活动对应的产品，即观察该营销活动的实际转化率。
105.407，若响应情况为不购买，则基于预设时间段内的触发次数判断是否再次推荐同类型的营销活动。
106.具体的，若存在营销活动转化率过低的情况，则说明存在活动在埋点设置上存在与目标客户群体关联性较低的问题，应当及时通知管理人员修改营销活动对应的埋点、权重或营销活动本身，从而准确跟进营销活动发展，实现全过程跟踪。
107.本实施例在前实施例的基础上，详细描述了判断用户是否存在多个对应的营销活动的总偏好预测值达到预设阈值；若是，则根据预设营销活动触发机制触发分数最高的总偏好预测值对应的营销活动进行广告投放；或者，分别触发不同类型中所述总偏好预测值最高的营销活动进行广告投放的过程。通过对投放营销活动的数据追踪，更好的调整营销策略、提升营销活动进行广告投放的转化率。
108.上面对本发明实施例中基于行为数据的广告投放方法进行了描述，下面对本发明实施例中基于行为数据的广告投放装置进行描述，请参阅图5，本发明实施例中基于行为数据的广告投放装置一个实施例包括：
109.行为数据获取模块501，用于获取用户在应用中的特定行为数据；
110.行为数据赋值模块502，用于将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值；
111.总偏好预测值计算模块503，用于获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得到至少一类总偏好预测值；
112.营销活动触发模块504，用于基于所述总偏好预测值，触发相应的营销活动进行广告投放。
113.本发明实施例中，基于行为数据的广告投放装置运行上述基于行为数据的广告投放方法，包括，获取用户在应用中的特定行为数据；将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值；获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得到至少一类总偏好预测值；基于所述总偏好预测值，触发相应的营销活动进行广告投放。本方法通过采集用户的行为数据，通过行为数据分析用户的偏好并推送相关联的营销活动，实现基于用户行为精准推送目的，能够有效降低推送成本，提升推送营销活动的转化率。
114.请参阅图6，本发明实施例中基于行为数据的广告投放装置的第二个实施例包括：
115.行为数据获取模块501，用于获取用户在应用中的特定行为数据；
116.行为数据赋值模块502，用于将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法将所述特定行为数据与至少一类营销活动的埋点进行匹配，得到所述特定行为数据对应于至少一类所述营销活动的第一偏好预测值；
117.总偏好预测值计算模块503，用于获取至少一类所述营销活动的历史偏好预测值，并基于所述历史偏好预测值与同一类所述第一偏好预测值计算得到至少一类总偏好预测值；
118.营销活动触发模块504，用于基于所述总偏好预测值，触发相应的营销活动进行广告投放。
119.在本实施例中，所述行为数据获取模块501具体用于：
120.采集用户基于触控屏触发的操作信息；基于所述操作信息触发埋点；基于被触发的所述埋点，将所述操作信息识别获取为至少一次的所述特定行为数据。
121.在本实施例中，所述行为数据赋值模块502具体用于：
122.将所述特定行为数据输入至预设的营销决策模型，通过所述营销决策模型中的决策树算法，将获取的所述特定行为数据分类至对应的营销活动；基于不同类型的所述营销活动预设埋点的不同，将所述特定行为数据分为至少一组特定行为数据组；将所述特定行为数据组匹配至对应的营销活动中的埋点，并基于所述埋点的预设分值计算，得到至少一类所述营销活动的第一偏好预测值。
123.在本实施例中，所述基于行为数据的广告投放装置还包括历史偏好预测值设置模块505，所述历史偏好预测值设置模块505具体用于：
124.基于对应的营销活动的有效期为所述第一偏好预测值设定对应的有效期；若得到的所述第一偏好预测值未达到预设阈值，则将所述第一偏好预测值归类至历史偏好预测值；判断所述历史偏好预测值是否超过所述有效期；若否，则将所述历史偏好预测值和当次计算得到的所述第一偏好预测值相加，得到所述总偏好预测值，判断所述总偏好预测值是否达到预设阈值；若否，则将所述历史偏好预测值更新为所述总偏好预测值。
125.在本实施例中，所述营销活动触发模块504具体用于：
126.判断用户是否存在多个对应的营销活动的总偏好预测值达到预设阈值；若是，则根据预设营销活动触发机制触发分数最高的总偏好预测值对应的营销活动进行广告投放；或者，分别触发不同类型中所述总偏好预测值最高的营销活动进行广告投放。
127.在本实施例中，所述基于行为数据的广告投放装置还包括二次触发判断模块506，所述二次触发判断模块506具体用于：
128.获取用户接收到营销活动的响应情况，其中，所述响应情况包括购买和不购买；若所述响应情况为不购买，则基于预设时间段内的触发次数判断是否再次推荐同类型的所述营销活动。
129.本实施例在上一实施例的基础上，详细描述了各个模块的具体功能以及部分模块的单元构成，通过上述模块并细化了原有模块的具体作用，完善了基于行为数据的广告投放装置的运行，提高了其运行时的可靠性以及明确了各个步骤间的实际逻辑，提高了装置的实用性。
130.上面图5和图6从模块化功能实体的角度对本发明实施例中的基于行为数据的广告投放装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于行为数据的广告
投放设备进行详细描述。
131.图7是本发明实施例提供的一种基于行为数据的广告投放设备的结构示意图，该基于行为数据的广告投放设备700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)710(例如，一个或一个以上处理器)和存储器720，一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对基于行为数据的广告投放设备700中的一系列指令操作。更进一步地，处理器710可以设置为与存储介质730通信，在基于行为数据的广告投放设备700上执行存储介质730中的一系列指令操作，以实现上述基于行为数据的广告投放方法的步骤。
132.基于行为数据的广告投放设备700还可以包括一个或一个以上电源740，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口760，和/或，一个或一个以上操作系统731，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图7示出的基于行为数据的广告投放设备结构并不构成对本技术提供的基于行为数据的广告投放设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
133.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述的基于行为数据的广告投放方法的步骤。
134.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
135.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
136.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。