一种基于大数据和人工智能对拍摄团队智能派单的方法与流程

本发明涉及大数据和人工智能技术领域，具体为一种基于大数据和人工智能对拍摄团队智能派单的方法。

背景技术：

短视频即短片视频，是一种互联网内容传播方式，一般是在互联网新媒体上传播的时长在5分钟以内的视频；随着移动终端普及和网络的提速，短平快的大流量传播内容逐渐获得各大平台、粉丝和资本的青睐，随着网红经济的出现，视频行业逐渐崛起一批优质ugc内容制作者，微博、秒拍、快手、今日头条纷纷入局短视频行业，募集一批优秀的内容制作团队入驻，到了2017年，短视频行业竞争进入白热化阶段，内容制作者也偏向pgc化专业运作；

现有短视频拍摄的需求和制作团队都是作坊式，人工沟通定制过程，而作为短视频广告领域，即使是平台下单的，也都是人工派单的方式。

技术实现要素：

本发明提供一种基于大数据和人工智能对拍摄团队智能派单的方法，可以有效解决上述背景技术中提出现有短视频拍摄的需求和制作团队都是作坊式，人工沟通定制过程，而作为短视频广告领域，即使是平台下单的，也都是人工派单的方式的问题。

为实现上述目的，本发明提供如下技术方案：一种基于大数据和人工智能对拍摄团队智能派单的方法，包括如下步骤：

s1、客户数据库：客户行业、地域、体量以及产品信息库的建立，建立需求客户库和目标人群相关库；

s2、历史需求单数据库：秒影启量平台上沉淀的各类客户历史需求单，根据需求的时间、紧急度、单价、目标客群信息形成需求单数据库；

s3、历史拍摄过程记录数据库：拍摄团队拍摄过程的记录沉淀，包括拍摄周期，拍摄人员，拍摄的成本核算；

s4、历史拍摄剧本数据库：视频的剧本的机构化数据库沉淀，剧本种类，拍摄演员数量、种类，场景类型；

s5、历史拍摄投放效果数据库：视频在出来后在媒体上投放的时间、金额、接受度、转化效果的结果数据库；

s6、结合s1-s5的历史数据，形成基础知识库并训练出高roi模型；

s7、基础知识库结合当前行业指数，时间周期指导每个新入需求的拍摄团队匹配；

s8、拍摄团队的匹配模型在大量新需求单的实际新数据不断输入下持续迭代和优化；

s8、拍摄团队的匹配采用线上预测服务的支持，帮助秒影启量平台的大量在线商业短视频的拍摄。

根据上述技术方案，所述s1中客户数据库通过云端服务器进行建立，保证其数据的传输；

所述s2中拍摄人员为导演、摄像和剪辑师；

所述s4中剧本种类为口播、剧情、划题；

所述s7中行业指数为景气度和供需指数，所述时间周期为重要时间节点修正。

根据上述技术方案，所述s6中的训练为多模型算子随机竞争的模式，来达到剔除异常，达到最优匹配效果。

根据上述技术方案，所述拍摄团队智能派单的方法还含有控制系统；

所述控制系统包括并列算法训练集、线上综合检测服务和历史拍摄订单三大模块。

根据上述技术方案，所述并列算法训练集为线下批处理模型训练和线上serving迭代。

根据上述技术方案，所述历史拍摄订单包括客户库、订单配置和视频制作过程；

所述客户库为行业、体量和地域的三个分类；

所述订单配置包括剧本属性、演员配置、投放媒体和质量时间的四个分类；

所述视频制作过程保证制作过程、投放效果、客户评价和拍摄投入的四个分类。

根据上述技术方案，所述并列算法训练集、线上综合检测服务和历史拍摄订单三大模块依次循环传输信息数据。

与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，基于需求方和拍摄团队的特征、历史拍摄数据、历史投放数据以及投放趋势的大规模数据集积累，使用人工智能模型，自动优化拍摄团队匹配策略，得到让短视视频需求方、拍摄团队综合roi最高的期望选择，基于我们在短视频需求匹配过程、拍摄过程和投放监控方向都积累了丰富的需求、接单、拍摄、投放全过程自动化数据，拍摄团队的属性特征数据集、短视频需求方的属性特征数据集，以及对接过程中对接周期、视频质量、投放效果组成数据集组成大数据的主干，我们根据客户行业、规模、特点抽签特征，根据包含相似度算法的并行算子匹配到一组相似短视频需求方，然后根据该匹配作为冷启动优先匹配机制，来对应短视频拍摄团队，然后根据随机对抗的机制比较，在多种候选匹配模型中，赛马出roi最高的供需匹配模式，并结合需求的排期、时间、行业等因素，在每次需求单对接中找出最优选择，保证需求方、平台、拍摄团队收益最大化。

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是本发明的方法流程结构示意图。

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。

实施例：如图1所示，本发明提供技术方案，一种基于大数据和人工智能对拍摄团队智能派单的方法，包括如下步骤：

s1、客户数据库：客户行业、地域、体量以及产品信息库的建立，建立需求客户库和目标人群相关库；

s2、历史需求单数据库：秒影启量平台上沉淀的各类客户历史需求单，根据需求的时间、紧急度、单价、目标客群信息形成需求单数据库；

s3、历史拍摄过程记录数据库：拍摄团队拍摄过程的记录沉淀，包括拍摄周期，拍摄人员，拍摄的成本核算；

s4、历史拍摄剧本数据库：视频的剧本的机构化数据库沉淀，剧本种类，拍摄演员数量、种类，场景类型；

s5、历史拍摄投放效果数据库：视频在出来后在媒体上投放的时间、金额、接受度、转化效果的结果数据库；

s6、结合s1-s5的历史数据，形成基础知识库并训练出高roi模型；

s7、基础知识库结合当前行业指数，时间周期指导每个新入需求的拍摄团队匹配；

s8、拍摄团队的匹配模型在大量新需求单的实际新数据不断输入下持续迭代和优化；

s8、拍摄团队的匹配采用线上预测服务的支持，帮助秒影启量平台的大量在线商业短视频的拍摄。

根据上述技术方案，s1中客户数据库通过云端服务器进行建立，保证其数据的传输；

s2中拍摄人员为导演、摄像和剪辑师；

s4中剧本种类为口播、剧情、划题；

s7中行业指数为景气度和供需指数，时间周期为重要时间节点修正。

根据上述技术方案，s6中的训练为多模型算子随机竞争的模式，来达到剔除异常，达到最优匹配效果。

根据上述技术方案，拍摄团队智能派单的方法还含有控制系统；

控制系统包括并列算法训练集、线上综合检测服务和历史拍摄订单三大模块。

根据上述技术方案，并列算法训练集为线下批处理模型训练和线上serving迭代。

根据上述技术方案，历史拍摄订单包括客户库、订单配置和视频制作过程；

客户库为行业、体量和地域的三个分类；

订单配置包括剧本属性、演员配置、投放媒体和质量时间的四个分类；

视频制作过程保证制作过程、投放效果、客户评价和拍摄投入的四个分类。

根据上述技术方案，并列算法训练集、线上综合检测服务和历史拍摄订单三大模块依次循环传输信息数据。

与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，基于需求方和拍摄团队的特征、历史拍摄数据、历史投放数据以及投放趋势的大规模数据集积累，使用人工智能模型，自动优化拍摄团队匹配策略，得到让短视视频需求方、拍摄团队综合roi最高的期望选择，基于我们在短视频需求匹配过程、拍摄过程和投放监控方向都积累了丰富的需求、接单、拍摄、投放全过程自动化数据，拍摄团队的属性特征数据集、短视频需求方的属性特征数据集，以及对接过程中对接周期、视频质量、投放效果组成数据集组成大数据的主干，我们根据客户行业、规模、特点抽签特征，根据包含相似度算法的并行算子匹配到一组相似短视频需求方，然后根据该匹配作为冷启动优先匹配机制，来对应短视频拍摄团队，然后根据随机对抗的机制比较，在多种候选匹配模型中，赛马出roi最高的供需匹配模式，并结合需求的排期、时间、行业等因素，在每次需求单对接中找出最优选择，保证需求方、平台、拍摄团队收益最大化。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。