基于用户交互数据的广告智能投放方法及系统与流程

本发明涉及数据处理，尤其涉及一种基于用户交互数据的广告智能投放方法及系统。

背景技术：

1、广告投放是商业活动中的重要环节，其主要目的是提高品牌知名度、促进产品或服务的销售，并最终增加企业的收入。通过有效的广告投放，企业可以向潜在客户介绍自己的产品或服务，同时加强与现有客户的联系。广告可以通过多种媒介传达，如电视、广播、互联网、社交媒体和印刷媒体，各有其特定的受众群体和优势，从而达到吸引和影响潜在客户以及增加产品的宣传程度。然而，传统的广告投放方法是通过随机投放或人工查询用户信息进行投放，这些方法无法准确定位到目标客群或者过于浪费人力资源，导致广告投放效果较差。

技术实现思路

1、基于此，本发明提供一种基于用户交互数据的广告智能投放方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，一种基于用户交互数据的广告智能投放方法，包括以下步骤：

3、步骤s1：基于爬虫技术进行历史交互数据采集，生成历史交互数据，其中历史交互数据包括历史广告投放数据以及历史用户行为数据；对历史交互数据进行数据预处理，生成标准交互数据；

4、步骤s2：根据标准交互数据进行广告触点数据分析，生成广告触点数据；根据广告触点数据对标准交互数据进行关联广告转化数据分析，生成关联广告转化数据；

5、步骤s3：基于归因算法建立广告触点数据以及广告转化数据的广告归因映射关系，生成广告归因模型；对广告归因模型进行模型参数权重调节，生成调节广告归因模型；

6、步骤s4：基于广告触点数据以及关联广告转化数据对调节广告归因模型进行模型训练及优化，生成优化广告归因模型；

7、步骤s5：基于爬虫技术进行广告触点数据实时采集，生成实时广告触点数据；将实时广告触点数据传输至优化广告归因模型进行广告转化数据预测，生成广告转化预测数据；根据广告转化预测数据进行广告投放得分计算，生成广告投放得分数据；

8、步骤s6：根据广告投放得分数据执行智能广告投放决策。

9、本发明使用爬虫技术来收集历史交互数据，包括历史广告投放数据和用户行为数据，深入了解用户的行为模式和反应对广告的响应。数据预处理确保了数据质量，为更准确的数据分析奠定了基础，提高广告的目标性和有效性，从而提高广告投放的roi（投资回报率）。识别和理解不同广告触点对用户行为的影响，进而生成详细的广告触点数据，这些数据被用于进一步的分析，以确定广告触点与用户最终转化（如购买、注册等行为）之间的关联，从而生成关联广告转化数据。对广告触点的详细分析，可以更好地理解不同类型和位置的广告如何影响用户行为，有助于优化广告的设计和放置，使其更加吸引目标用户，通过关联广告转化数据分析，揭示哪些广告触点更有效地促进了用户的广告转化行为，有助于企业更精确地定位广告，减少无效投放。基于归因算法建立广告触点数据以及广告转化数据的广告归因映射关系，以识别哪些广告触点对最终的广告转化（如购买或注册）起到了关键作用，更深入地理解不同广告投放策略的有效性，有助于识别最有效的广告元素（如内容、放置、时间等），从而指导未来的广告优化。调整模型参数权重可以进一步细化模型，使其更加贴合特定业务的实际情况和需求，确保了模型的高度适应性和准确性。通过不断训练和优化模型，显著提高模型的预测准确性和可靠性，使得广告投放决策可以更加依赖于数据驱动的洞察，从而更精准地针对目标受众，优化的模型能更好地适应市场和用户行为的变化，使广告策略更灵活、更具针对性，通过不断优化的模型，企业能够更有效地分配广告资源，以实现更有效、更经济的广告投放。使用爬虫技术进行实时广告触点数据采集，并将这些数据传输至已优化的广告归因模型以进行广告转化数据预测。实时广告触点数据采集提供了即时的市场和用户反馈，将实时数据应用于优化后的归因模型，可以即时生成准确的广告转化预测，便于进行广告投放的目标用户定位。根据预测数据计算的广告投放得分，可以指导企业进行更精准的广告定位和投放，从而提高广告投放的有效性和效率，提高广告的响应率和转化率。根据广告投放得分数据执行智能广告投放决策，广告投放变得更加精准和高效，确保广告资源被有效利用，针对性地达到最合适的受众，显著提高广告活动的响应率和转化率。

10、优选地，步骤s1包括以下步骤：

11、基于爬虫技术进行历史交互数据采集，生成历史交互数据；

12、对历史交互数据进行数据清洗处理，生成清洗交互数据；

13、根据预设的交互数据格式对清洗交互数据进行数据格式标准化，生成标准交互数据。

14、本发明基于预设的程序采集历史交互数据，这包括广告投放数据和用户行为数据，确保收集的信息全面而详尽。进行数据清洗处理，这个环节移除无关或错误的数据，如重复记录、异常值等，从而提高数据的准确性和可靠性。对清洗后的数据进行格式标准化，确保数据符合预定的结构和格式，便于后续的处理和分析。为广告智能投放提供了一个坚实、清晰和一致的数据基础，数据清洗确保了数据质量，减少了后续分析中的误差和偏差，提高了数据分析的精度，数据格式标准化则提升了数据处理的效率，确保了不同数据源之间的一致性，便于进行集成分析和模型训练。

15、优选地，步骤s2包括以下步骤：

16、步骤s21：根据标准交互数据进行广告触点类型选取，生成广告触点类型；

17、步骤s22：根据广告触点类型对标准交互数据进行广告触点数据提取处理，生成广告触点数据；

18、步骤s23：根据标准交互数据进行广告转化类型选取，生成广告转化类型；

19、步骤s24：根据广告转化类型对标准交互数据进行广告转化数据提取处理，生成广告转化数据；

20、步骤s25：根据广告触点数据对广告转化数据进行关联广告转化数据分析，生成关联广告转化数据。

21、本发明根据标准交互数据选择合适的广告触点类型，如横幅广告、视频广告等，以确保关注的广告触点与业务目标相符。针对选定的广告触点类型对标准交互数据进行提取处理，生成广告触点数据。选择适当的广告转化类型（如购买、注册、下载等），有助于精确定义转化目标。根据广告转化类型对数据进行提取处理，以获得详细的广告转化数据。使用广告触点数据与广告转化数据进行关联分析，以生成关联广告转化数据。通过分别处理广告触点和转化数据，更精确地理解不同类型的广告触点如何影响用户的广告转化行为。这种细分使得广告策略可以更加专注于那些最有效的触点和转化类型，从而提高广告投放的效率和效果。此外，通过关联分析，可以更好地理解广告触点和转化之间的关系，为后续的广告优化和决策提供了详细的信息。

22、优选地，步骤s3包括以下步骤：

23、步骤s31：基于归因算法建立广告触点数据以及广告转化数据的广告归因映射关系，生成广告归因模型；

24、步骤s32：利用预设的随机森林模型对广告触点数据进行广告触点类型的转化影响关系分析，生成转化影响关系数据；

25、步骤s33：根据转化影响关系数据对广告归因模型进行模型参数权重调节，生成调节广告归因模型。

26、本发明基于归因算法建立广告触点与广告转化之间的映射关系，确地理解和映射不同广告触点如何影响最终的用户广告转化行为。利用预设的随机森林模型对广告触点数据进行深入分析，以确定不同类型广告触点对转化的影响关系，随机森林模型的应用能够有效处理大量的数据特征并提供可靠的预测结果，根据所得的转化影响关系数据调整广告归因模型的参数权重，生成优化后的广告归因模型。通过建立和调整广告归因模型，企业能够更准确地评估不同广告触点对转化率的贡献，从而优化广告投放的效率和效果。随机森林模型的使用增强了分析的准确性和，使得模型能够处理复杂的数据集并提供可靠的预测结果，更好地理解广告触点对广告转化的影响力，为制定更有效的广告策略和分配广告预算提供了坚实的数据支撑。

27、优选地，步骤s32包括以下步骤：

28、根据预设的随机森林模型的树节点分别对不同广告触点类型的广告触点数据进行树节点的转化影响关系分析，生成树节点转化影响关系数据；

29、对树节点转化影响关系数据进行数据集成，生成转化影响关系数据。

30、本发明利用随机森林模型的各个树节点对不同类型的广告触点数据进行转化影响关系分析，这涉及到对每个广告触点类型如何影响用户转化行为的详细考察。随机森林模型通过其多个决策树的集成学习方法，能够有效处理和分析复杂的数据集。其次，对各个树节点所得的转化影响关系数据通过投票或均值进行集成，合成一个统一的转化影响关系数据集。提供了对广告触点影响力的深入和多维度分析，通过分析不同广告触点类型的转化影响，可以更准确地识别出哪些广告触点对用户转化行为有较大影响，从而有助于优化广告内容和投放策略，随机森林模型的应用增强了分析的准确性，特别是在处理大量特征和复杂的数据关系时。数据集成则确保了来自不同决策树的洞察被综合考虑，提供了更全面和精确的转化影响评估，用来指导更有效的广告投放决策，提高广告的目标精确度和投资回报率。

31、优选地，步骤s4包括以下步骤：

32、步骤s41：将广告触点数据作为输入数据以及关联广告转化数据作为输出数据进行模型训练样本数据整合，生成模型训练样本；

33、步骤s42：将模型训练样本进行数据划分，分别获得模型训练集、模型验证集以及模型测试集；

34、步骤s43：将模型训练集传输至调节广告归因模型进行模型训练，以生成训练广告归因模型；

35、步骤s44：利用模型验证集对训练广告归因模型进行广告转化验证评估处理，生成广告转化验证评估数据；

36、步骤s45：根据广告转化验证评估数据对训练广告归因模型进行模型优化调节，生成初步优化广告归因模型；

37、步骤s46：利用模型测试集对初步优化广告归因模型进行模型测试处理，生成优化广告归因模型。

38、本发明通过将广告触点数据（输入）和关联广告转化数据（输出）整合成训练样本，为广告归因模型提供了一个实际的、基于数据的学习基础，更准确地学习广告触点与广告转化之间的关系。将训练样本划分为训练集、验证集和测试集，对于评估模型性能至关重要。训练集用于构建模型，验证集用于调整模型参数，而测试集则用于评估模型的泛化能力。训练集被用来训练广告归因模型，使模型能够从历史数据中学习和捕捉广告触点与转化结果之间的复杂关系。通过使用验证集对模型进行评估，可以检验模型在未见过的数据上的表现，有助于检测和纠正过拟合，同时也提供了调整模型超参数的机会。根据验证评估数据，对模型进行进一步的优化和调整，它能够提升模型的预测精度，确保模型在真实世界的应用中表现良好。利用测试集对优化后的模型进行最终的测试，以评估其在实际应用中的表现，生成的模型测试评估数据提供了对模型性能的全面认识，确保了模型在实际应用中能够达到预期的效果，对模型进行测试，有助于管理人员选取最优归因算法的算法架构。

39、优选地，步骤s45包括以下步骤：

40、根据广告转化验证评估数据进行模型优选超参数分析，以获得模型优选超参数；

41、根据模型优选超参数对训练广告归因模型进行模型超参数优化调节，生成初步优化广告归因模型。

42、本发明利用广告转化验证评估数据来分析和确定模型的最佳超参数配置，超参数是指那些在学习过程之前设置的参数，如学习率等。根据得到的优选超参数对模型进行超参数优化调节，即调整这些关键参数以生成优化后的广告归因模型，更好地适应数据特征，提高对广告触点和转化关系的预测准确度，有助于减少过拟合或欠拟合的风险，确保模型在各种情况下都能保持良好的泛化能力。

43、优选地，步骤s5包括以下步骤：

44、步骤s51：基于爬虫技术进行广告触点数据实时采集，生成实时广告触点数据；

45、步骤s52：将实时广告触点数据传输至优化广告归因模型进行广告转化数据预测，生成广告转化预测数据；

46、步骤s53：根据预设的转化类型权重决策对广告转化预测数据进行转化贡献程度权重分配，生成加权广告转化预测数据；

47、步骤s54：根据加权广告转化预测数据进行广告投放得分计算，生成广告投放得分数据。

48、本发明利用爬虫技术实时收集广告触点数据，实时数据的收集确保了广告策略可以快速响应市场变化和用户广告转化行为的最新趋势，这对于保持广告活动的相关性和有效性至关重要。将实时收集的广告触点数据输入到优化后的广告归因模型中，用以预测广告转化效果，利用历史数据训练出的模型对新数据进行预测分析，能够为即将到来的广告投放提供基于数据的预见性指导。根据不同的转化类型（如点击、购买、注册等）分配相应的权重，进而对广告转化预测数据进行加权，这种加权处理考虑了不同转化类型的商业价值和优先级，从而提供了更加精准和有针对性的预测结果。基于加权的广告转化预测数据计算每个广告的投放得分，这个得分是对广告预期效果的量化评估，有助于判断哪些广告最值得投放。

49、优选地，步骤s6中所述智能广告投放决策包括以下步骤：

50、当广告投放得分数据不小于预设的广告投放阈值时，执行广告投放任务；或者，当广告投放得分数据小于预设的广告投放阈值时，不执行广告投放任务。

51、本发明通过设定一个广告投放得分的阈值，企业能够确保只有那些最有可能成功的广告被投放，减少了广告投放的随机性和不确定性，确保广告资源被集中用于最有效的选项上。当广告投放得分低于阈值时，选择不执行广告投放任务可以避免在不太可能带来回报的广告上浪费资源，有助于企业更有效地分配有限的广告预算，专注于那些预期效果更好的广告。通过仅投放那些得分高于特定阈值的广告，企业能够提高其广告投资的回报率，有助于减少低效或无效的广告支出，同时增加成功的转化率。基于阈值的自动决策机制简化了广告投放的决策过程，不再需要手动筛选每个广告的效果，从而节省了大量的时间和人力资源。根据市场情况调整广告投放阈值，以灵活应对市场变化和业务目标的变化，该调整可以是动态的，以最大限度地适应不断变化的市场和消费者行为。

52、本说明书中提供一种基于用户交互数据的广告智能投放系统，用于执行如上述所述的基于用户交互数据的广告智能投放方法，该基于用户交互数据的广告智能投放系统包括：

53、交互数据采集模块，基于爬虫技术进行历史交互数据采集，生成历史交互数据，其中历史交互数据包括历史广告投放数据以及历史用户行为数据；对历史交互数据进行数据预处理，生成标准交互数据；

54、特征数据采集模块，用于根据标准交互数据进行广告触点数据分析，生成广告触点数据；根据广告触点数据对标准交互数据进行关联广告转化数据分析，生成关联广告转化数据；

55、广告归因模型建立模块，基于归因算法建立广告触点数据以及广告转化数据的广告归因映射关系，生成广告归因模型；对广告归因模型进行模型参数权重调节，生成调节广告归因模型；

56、广告归因模型训练模块，基于广告触点数据以及关联广告转化数据对调节广告归因模型进行模型训练及优化，生成优化广告归因模型；

57、广告转化预测模块，基于爬虫技术进行广告触点数据实时采集，生成实时广告触点数据；将实时广告触点数据传输至优化广告归因模型进行广告转化数据预测，生成广告转化预测数据；根据广告转化预测数据进行广告投放得分计算，生成广告投放得分数据；

58、智能广告投放模块，用于根据广告投放得分数据执行智能广告投放决策。

59、本技术有益效果在于，本发明的基于用户交互数据的广告智能投放方法可以通过利用归因算法对用户交互数据进行分析，以识别广告触点与用户广告转化行为的关联关系。根据广告触点预测用户广告转化行为，判断预测的用户广告转化行为是否满足投放条件，以定位目标客群，使得对目标用户进行精准地广告投放，以及通过自动化地进行目标用户的广告投放节约了人力资源，优化了广告投放的效果。