一种基于车主驾驶行为的广告人群定向和投放系统的制作方法
【专利摘要】本发明属涉及一种基于车主驾驶行为的广告人群定向和投放系统，其包含以下模块:车主行为标签模块，根据车主的驾车行为形成驾车行驶数据，通过车辆的GPS将驾车行驶数据上传到云平台，通过云平台对驾车行驶数据进行分析，根据分析结果给用户贴上对应的行为标签；车主属性定义模块，遍历车主的全部行为标签，通过加权归一化量化每个行为标签对于车主的重要程度，形成车主的属性定义；车主聚类模块，根据车主的属性定义对车主进行聚类，将具有相似属性的车主归于同一类；广告定向投放模块，对车主聚类与广告目标人群进行映射和匹配，通过导航仪对匹配合格的车主进行定向广告投放。本发明公开的广告人群定向和投放系统能够通过导航仪精准投放广告。
【专利说明】
一种基于车主驾驶行为的广告人群定向和投放系统
技术领域
[0001]本发明属于广告投放领域，涉及一种广告人群定向和投放系统，具体涉及一种基于车主驾驶行为的广告人群定向和投放系统。
【背景技术】
[0002]人群定向其实就是目标人群定向，在营销学中，产品定位以及人群细分是非常重要的理念，这种理念也已经得到了市场的认可，因此每一种产品在设计、生产之初就已经确定了自己的目标人群。从我们的广告投放、市场宣传来讲，一定是希望能给对目标人群进行，花费在目标人群之外的推广都是浪费的。
[0003]但在以往的媒介中，想要完全的识别用户，以确定是否目标人群并不是容易的事情，甚至从理论上说是完全做不到的，只能通过不同的媒介手段去尽量的靠近目标人群。
[0004]在互联网时代，通过技术的力量，可以无限的接近、近乎准确的判断每一个人的属性，从而为广告主目标群体定向服务。
[0005]现有的汽车内广告主要是通过收音机投放的，但是通过收音机投放广告存在以下不足之处:
[0006]1、在我国媒体研究日益深入，自媒体涌现，媒体数据市场逐渐形成的今天，广播收听率数据相对缺乏，且存在数据质量不高、分析不科学、没有形成系统、没有统一的规范等问题，使得众多广告公司在做媒体投放计划时，陷入了没有数据可以参考的窘境。由于缺乏可用的广播收听率数据，导致广播很多优势没有被发现，广告客户望而却步，广播电台无序竞争，广播广告大量流失，广播收听率调查投入有限，广播广告经营陷入了恶性循环。针对车主在车内的空闲时间，没有合适的广告可以推送。推送的FM广告质量和效果都很差。
[0007]2、收音机广告用户群体不能细分，如果某位开宝马740的车主打开收音机，听到的汽车广告可能是雪佛兰赛欧，广告的精准度极差，体验糟糕。
【发明内容】
[0008]发明目的:本发明针对上述现有技术存在的问题做出改进，即本发明公开了一种基于车主驾驶行为的广告人群定向和投放系统。
[0009]技术方案:一种基于车主驾驶行为的广告人群定向和投放系统，包含以下模块:
[0010]车主行为标签模块，根据车主的驾车行为形成驾车行驶数据，通过车辆的GPS将驾车行驶数据上传到云平台，通过云平台对驾车行驶数据进行分析，根据分析结果给用户贴上对应的彳丁为标签；
[0011]车主属性定义模块，遍历车主的全部行为标签，通过加权归一化量化每个行为标签对于车主的重要程度，形成车主的属性定义；
[0012]车主聚类模块，根据车主的属性定义对车主进行聚类，将具有相似属性的车主归于同一类；
[0013]广告定向投放模块，对车主聚类与广告目标人群进行映射和匹配，通过导航仪对匹配合格的车主进行定向广告投放。
[0014]作为本发明中一种基于车主驾驶行为的广告人群定向和投放系统的一种优选方案:驾车行驶数据包括行驶区域、行驶时间段、行驶规律、驾车水平、驾车习惯、常去的地方、活动的地点和时间规律。
[0015]作为本发明中一种基于车主驾驶行为的广告人群定向和投放系统的一种优选方案:行为标签包括标签标识、标签说明和标签次数。
[0016]作为本发明中一种基于车主驾驶行为的广告人群定向和投放系统的一种优选方案:聚类包括车主聚类标识、聚类共有属性特征和车主集合。
[0017]有益效果:本发明公开了一种基于车主驾驶行为的广告人群定向和投放系统，其具有以下有益效果:
[0018]1、目前车内没有广告精准投放系统，车主开车的时候只有收音机，收音机的广告效果差，通过该发明，可以将车主开车的时间内通过导航仪精准投放广告；
[0019]2、可以精准的了解车主的需求，基于需求投放广告。
【附图说明】
[0020]图1为根据车主驾车行为贴行为标签的流程图。
【具体实施方式】
:
[0021]下面对本发明的【具体实施方式】详细说明。
[0022]如图1所示，一种基于车主驾驶行为的广告人群定向和投放系统，包含以下模块:
[0023]车主行为标签模块，根据车主的驾车行为形成驾车行驶数据，通过车辆的GPS将驾车行驶数据上传到云平台，通过云平台对驾车行驶数据作分析，根据分析结果给用户贴上对应的行为标签；
[0024]车主属性定义模块，遍历车主的全部行为标签，通过加权归一化量化每个行为标签对于车主的重要程度，形成车主的属性定义；
[0025]车主聚类模块，根据车主的属性定义对车主进行聚类，将具有相似属性的车主归于同一类；
[0026]广告定向投放模块，对车主聚类与广告目标人群进行映射和匹配，通过导航仪对匹配合格的车主进行定向广告投放。
[0027]本实施例中，驾车行驶数据包括行驶区域、行驶时间段、行驶规律、驾车水平、驾车习惯、常去的地方、活动的地点和时间规律。
[0028]本实施例中，行为标签包括标签标识、标签说明和标签次数。
[0029]本实施例中，聚类包括车主聚类标识、聚类共有属性特征和车主集合。
[0030]使用时，当车主在驾车行驶的过程中，其车辆的GPS会将驾车行驶数据上传到云平台大数据中，云平台的分析模块会分析用户数据，根据用户的行驶区域，行驶时间等行为数据，对用户做行为标签区分，这些标签包括但不限于车主喜欢逛街、爱泡酒吧、喜欢吃西餐、近期有购房需求等，通过给用户指定行为标签后，由获取到的行为标签，可以逐步建立完整的车主行为分析模型，挖掘出具有相似行为特征的车主，提炼车主的属性特征，最终根据这些属性特征做精准的广告投放。
[0031]下面将会进一步地详细讲述根据车主的驾驶数据做车主定向区分的流程和模块:
[0032]车主行为标签模块
[0033]车主行为标签模块主要根据车主的驾车行驶数据(包括行驶区域，行驶时间段，行驶规律，驾车水平，驾车习惯，常去的地方，活动的地点和时间规律)，对数据作分析，然后根据分析结果，给用户贴上对应的行为标签；
[0034]行为标签定义为一个多元组，内容如下:
[0035]1.tagid标签标识，每一个标签都有唯一的一个id与之对应；
[0036]2.标签说明:逛街、酒吧、去楼盘，周末跑长途等其中之一；
[0037]3.标签次数:单月该行为标签的发生次数。
[0038]在行为标签处理过程中，考察多种典型车主行为，如:地理位置，活动区域，活动属性，活动时间。在考察完车主行为后，就可以确定该车主是否满足该标签的条件，如果满足，则该车主拥有该标签，同时统计该标签的次数。
[0039]同时，通过车主的生活习惯和网站的注册信息，可以获取到车主的个人信息，例如:年龄段(青年，中年)，性别，职业，学历等。这些信息中每个都是一个标签。这样每个车主都会对应多个标签。
[0040]车主属性定义模块
[0041]车主行为标签模块处理了车主行为信息，通过对行为信息进行加权归一化处理，遍历车主的全部行为标签，量化每个行为标签对于车主的重要程度，就形成了对车主的属性定义。
[0042]车主属性定义为一组以tagid递增排序的行为标签以及标签对应的权重的集合，车主属性也是一个多元组
[0043]1.pointid:车主属性 id ；
[0044]2.受众标识为pointid的第i个行为标签模型；
[0045]3.行为标签权重映射函数，刻画行为对于车主属性的重要程度；
[0046]4.权重系数的范围。
[0047]车主属性定义刻画的是车主的行为特征，而其维度就是不同的行为标签，通常可达几十个维度。映射函数使得标签的行为被加权归一化，可以根据不用的业务需求进行设计。一般而言，购买行为是最强的行为标签，权重最高；驾驶习惯则属于次强级别，表明用户的主观特性。
[0048]假设车主kandy的行为标签有两个，一个是最近一个月总是去售楼部，另外一个标签是他总是有急刹车，对于第一个标签，属于购买行为标签，权重最高，第二个标签属于驾驶习惯，权重较弱。至此可以得出kandy可能有置业欲望，驾驶习惯不好可能会对应成富二代。至此，
[0049]车主的兴趣属性和特征，通过车主的行为，经过上述步骤被抽象和重构出来了。
[0050]车主聚类模块
[0051]累积车主属性数据后，就有了大数据处理的足够的数据量，接下来就可以根据车主的属性对车主进行聚类，将具有相似属性的车主做精准的分类，每个车主可能归属于多个不同的分类中。对车主聚类采用数据挖掘的聚类算法。聚类是一个将数据集划分为若干类的过程。聚类的宗旨和评判标准是使得同类对象相似度尽可能大，而各个类之间的相似度尽可能小。
[0052]车主的每个聚类由3个部分组成
[0053]1.clusterid车主聚类标识，每一个车主聚类都有唯一的一个id与之对应；
[0054]2.聚类共有属性特征，例如，都喜欢吃粵菜，或者喜欢上酒吧；
[0055]3.车主集合，所有属于标识为clusterid的车主对象集合。
[0056]该发明的车主聚类算法借鉴了 CURE层次聚类算法，并在其基础上参考了其他聚类算法，融合改进，使整个聚类算法更加符合实际的广告业务需求。CURE算法将分层方法与划分方法结合到了一起。它克服了偏向发现相似大小和圆形形状聚类的问题；同时在处理高维数据和异常数据时也表现得更加高效稳定。相比其他算法，CURE算法主要有以下几个优点:
[0057]1.通过使用“代表点”表示一个聚类，从而使得聚类算法能够适应各种不规则形状的类，而不仅仅是球形的；
[0058]2.通过因子将代表点向聚类中心进行收缩，从而使聚类算法抵抗离群点的能力更强；
[0059]3.通过随机抽样和划分技术，使得CURE算法能够处理超大规模的数据，以加快聚类算法的执行效率。
[0060]通过聚类处理后，就清晰的清楚了某个车主属于那几个聚类，每个聚类都是什么特性。例如kandy可能属于如下聚类:近期购房，喜欢上酒吧，喜欢粵菜等。
[0061]车主定向投放模块
[0062]作为车主定向广告正式投放前的最后一步，车主聚类与广告目标人群进行映射和匹配。这种映射是利用二者属性的重合度来实现的。当一个广告投放策略的人群定向选择了“奢侈品”或者“汽车”时，广告允许被指定投放给属于奢侈品和汽车聚类的车主。
[0063]上面对本发明的实施方式做了详细说明。但是本发明并不限于上述实施方式，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
【主权项】
1.一种基于车主驾驶行为的广告人群定向和投放系统，其特征在于，包含以下模块: 车主行为标签模块，根据车主的驾车行为形成驾车行驶数据，通过车辆的GPS将驾车行驶数据上传到云平台，通过云平台对驾车行驶数据进行分析，根据分析结果给用户贴上对应的行为标签； 车主属性定义模块，遍历车主的全部行为标签，通过加权归一化量化每个行为标签对于车主的重要程度，形成车主的属性定义； 车主聚类模块，根据车主的属性定义对车主进行聚类，将具有相似属性的车主归于同一类； 广告定向投放模块，对车主聚类与广告目标人群进行映射和匹配，通过导航仪对匹配合格的车主进行定向广告投放。2.如权利要求1所述的一种基于车主驾驶行为的广告人群定向和投放系统，其特征在于，驾车行驶数据包括行驶区域、行驶时间段、行驶规律、驾车水平、驾车习惯、常去的地方、活动的地点和时间规律。3.如权利要求1所述的一种基于车主驾驶行为的广告人群定向和投放系统，其特征在于，行为标签包括标签标识、标签说明和标签次数。4.如权利要求1所述的一种基于车主驾驶行为的广告人群定向和投放系统，其特征在于，聚类包括车主聚类标识、聚类共有属性特征和车主集合。
【文档编号】G06Q30/02GK106022810SQ201510077256
【公开日】2016年10月12日
【申请日】2015年2月13日
【发明人】杨柳, 张增, 赵力耕
【申请人】成都易驾科技有限公司