一种结合广告主效果反馈的广告推广方法
【专利摘要】本发明公开了一种结合广告主效果反馈的广告推广方法，该方法包括：根据广告主反馈的广告效果从所有被推送广告的用户中划分出精准用户和其他用户；以精准用户的集合为正用户样本，以其他用户的集合为负用户样本，从正用户样本和负用户样本中抽取用户特征，并对抽取的用户特征进行处理，得到预测模型；对于未知用户，抽取其用户特征，并代入预测模型，获得该未知用户成为精准用户的概率；对于成为精准用户的概率达到预定值的未知用户，向其推送广告，对于成为精准用户的概率未达到预定值的未知用户，不向其推送广告。本发明能够提升广告投放的性价比，提升整个广告平台的推广效率。
【专利说明】
一种结合广告主效果反馈的广告推广方法
技术领域
[0001]本发明涉及广告推广技术领域，尤其涉及一种结合广告主效果反馈的广告推广方法。
【背景技术】
[0002]网络广告已经成为广告行业的主流形式。网络广告按照效果主要可以分为品牌展现广告和效果计费广告。其中，品牌展现广告的目的是通过展现曝光让目标用户获得品牌认知，比如传统的电视广告，视频贴片广告都属于此类型广告;效果计费广告的目的是通过展现曝光让目标用户认知并产生操作行为而获得收益，比如用户点击。
[0003]相应地，当前网络广告的主流技术方案，包括用户定向、关键词匹配或者两者的结合。用户定向技术是指:广告主通过网络广告平台来选择地点区域、用户年龄、性别、爱好等确定好目标用户范围后进行投放。关键词匹配技术是指:广告主通过网络广告平台选择关键词进行投放。两者结合指既选择用户又选择关键词。当前网络广告的主流计费方式包括:按照千次展示计费(CPM)、按照点击计费(CPC)、按照激活或者实现计费(CPA)等。
[0004]广告最主要目的是帮助广告主获得用户，然而，当前上述两种广告方式的缺点在于不能很好的精准获得用户。这里的原因有两个:首先，广告主无法定义精准用户，无论是用户定向或者关键词匹配，更多还是根据先验的经验知识来设定，对于广告主而言，这非常依赖于广告运营人员的素质和经验;其次，网络广告平台无法定义精准用户，网络广告平台可以通过页面停留时间，用户点击等行为来近似定义精准用户，但与实际的精准用户依然有偏差。
【发明内容】
[0005]有鉴于此，本发明的目的在于克服现有技术的不足，提供一种结合广告主效果反馈的广告推广方法，帮助广告主准确寻找目标用户，提升广告投放的性价比，提升整个广告平台的推广效率。
[0006]为实现以上目的，本发明采用如下技术方案:
[0007]—种结合广告主效果反馈的广告推广方法，包括以下步骤:
[0008]S1、根据广告主反馈的广告效果从所有被推送广告的用户中划分出精准用户和其他用户；
[0009]S2、以所述精准用户的集合为正用户样本，以所述其他用户的集合为负用户样本，从所述正用户样本和所述负用户样本中抽取用户特征，并对抽取的用户特征进行处理，得到预测模型；
[0010]S3、对于未知用户，抽取其用户特征，并代入所述预测模型，获得该未知用户成为精准用户的概率；
[0011]S4、对于成为精准用户的概率达到预定值的未知用户，向其推送广告，对于成为精准用户的概率未达到预定值的未知用户，不向其推送广告。
[0012]优选地，在步骤SI中:
[0013]对于在线领域，通过IP地址或者移动终端号标识用户，并通过网络行为大数据分析划分出精准用户和其他用户，所述精准用户包括:被展示广告但未点击的用户、点击广告但未激活安装的用户、激活安装但未消费的用户、以及消费的用户。
[0014]优选地，所述在线领域包括游戏领域、电商领域和金融领域。
[0015]优选地，所述移动终端号包括BffiI号、IDFA号和手机号。
[0016]优选地，在步骤SI中:
[0017]对于线下领域，通过线下注册登记或者WIFI热点记录划分出精准用户和其他用户，所述精准用户包括到店用户，所述到店用户包括到店未消费的用户和到店消费的用户。
[0018]优选地，所述线下领域包括医疗领域、饮食领域和体验性消费领域。
[0019]优选地，在步骤S2中，所述用户特征包括用户的年龄、性别和职业中的任意一项或多项。
[0020]优选地，在步骤S2中，对抽取的用户特征进行处理的步骤包括:
[0021]采用机器学习方法对抽取的用户特征进行分类和回归。
[0022]本发明采用以上技术方案，结合广告主的真实效果反馈，建立对精准用户的预测模型，能够准确挖掘出潜在用户，并过滤掉一些噪声用户，使广告主在投放广告时目标更加明确，提高了广告投放的性价比，对于广告平台而言，提升了广告平台的流量效率，并能够最终提升广告平台的收益。
【附图说明】
[0023]图1是本发明实施例所提供的广告推广方法的流程图；
[0024]图2a_图2b是现有方法与本发明方法的对比示意图。
【具体实施方式】
[0025]下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
[0026]本发明提供了一种结合广告主效果反馈的广告推广方法，如图1所示，该包括以下步骤:
[0027]S1、根据广告主反馈的广告效果从所有被推送广告的用户中划分出精准用户和其他用户；
[0028]S2、以所述精准用户的集合为正用户样本，以所述其他用户的集合为负用户样本，从所述正用户样本和所述负用户样本中抽取用户特征，并对抽取的用户特征进行处理，得到预测模型；
[0029]S3、对于未知用户，抽取其用户特征，并代入所述预测模型，获得该未知用户成为精准用户的概率；
[0030]S4、对于成为精准用户的概率达到预定值的未知用户，向其推送广告，对于成为精准用户的概率未达到预定值的未知用户，不向其推送广告。
[0031]这里的精准用户主要是指所有被推送广告的用户中存在的潜在消费用户，这些用户的行为与被推送的广告有所关联，比如实际浏览过该广告、点击或安装过相应内容、有过消费成功或未成功的经历等，这些内容均可以从广告主的实际效果反馈中获得。
[0032]因此，本发明采用以上技术方案，结合广告主的真实效果反馈，建立了对精准用户的预测模型，对于后续的未知用户，能够准确挖掘出潜在精准用户，并过滤掉一些噪声用户，使广告主在投放广告时目标更加明确，提高了广告投放的性价比，对于广告平台而言，提升了广告平台的流量效率，并能够最终提升广告平台的收益。
[0033]进一步地，在步骤SI中:对于在线领域，通过IP地址或者移动终端号标识用户，并通过网络行为大数据分析划分出精准用户和其他用户，所述精准用户包括:被展示广告但未点击的用户、点击广告但未激活安装的用户、激活安装但未消费的用户、以及消费的用户。需要说明的是，以上仅是列举，而并非对本发明的限制，任何其他类型的潜在消费用户均可以划入在线精准用户的范畴。
[0034]优选地，所述在线领域包括但不限于游戏领域、电商领域和金融领域等互联网在线领域。根据用户的移动终端的类型不同，所述移动终端号包括IMEI号、IDFA号、手机号和IP地址等可以唯一标识用户终端的终端号。
[0035]进一步地，在步骤SI中:对于线下领域，通过线下注册登记或者WIFI热点记录划分出精准用户和其他用户，所述精准用户包括到店用户，所述到店用户包括到店未消费的用户和到店消费的用户。同样地，以上仅是列举，而并非对本发明的限制，任何其他类型的潜在消费用户均可以划入线下精准用户的范畴。
[0036]优选地，所述线下领域包括但不限于医疗领域、饮食领域和体验性消费领域等需和线下实体结合的领域。
[0037]在步骤S2中，从所述正用户样本和所述负用户样本中抽取用户特征，这里的用户特征包括用户的年龄、性别和职业中的任意一项或多项。可以理解的是，年龄、性别和职业仅是本发明中对于用户特征的一种优选限定方式，在实际应用中，根据待投放的广告的具体类型，所述用户特征还可以包括其他的限定因素，例如收入等级、教育背景等，此处不再赘述。
[0038]优选地，在步骤S2中，对抽取的用户特征进行处理的步骤包括:
[0039]采用机器学习方法对抽取的用户特征进行分类和回归。
[0040]机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。为了便于进行讨论和估计学科的进展，对机器学习的定义如下，机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的定义是:机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。
[0041]机器学习方法应用于本发明中，能够根据广告主对广告实际效果的反馈建立预测模型，对潜在的购买用户进行预测。建立所述预测模型后，针对任意的未知用户，均可以提取用户特征后送入该预测模型进行计算，得到该未知用户成为精准用户的概率。
[0042 ]图2a_图2b是现有方法与本发明方法的对比示意图，A、B、C分别表示展示、点击、效果的用户集合。本发明方法结合了广告主的真实效果反馈，可以实现展示、点击、效果用户集合较小的差异。
[0043]具体而言，增加了效果用户特征以后，可以挖掘到一批潜在精准用户，过滤掉一些噪声用户，优化集合A、集合B、集合C的范围，使得集合A、集合B和集合C成一定比例近似。
[0044]综上所述，本发明在传统的基于“展示”和“点击”的基础上，增加了基于“效果”的反馈，能够帮助广告主更加高效地获取精准用户，使广告主在投放广告时目标更加明确，提高了广告投放的性价比，同时提升了广告平台的流量效率和广告推广的效率。
[0045]以上所述的【具体实施方式】，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的【具体实施方式】而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种结合广告主效果反馈的广告推广方法，其特征在于，包括以下步骤: 51、根据广告主反馈的广告效果从所有被推送广告的用户中划分出精准用户和其他用户； 52、以所述精准用户的集合为正用户样本，以所述其他用户的集合为负用户样本，从所述正用户样本和所述负用户样本中抽取用户特征，并对抽取的用户特征进行处理，得到预测模型； 53、对于未知用户，抽取其用户特征，并代入所述预测模型，获得该未知用户成为精准用户的概率； 54、对于成为精准用户的概率达到预定值的未知用户，向其推送广告，对于成为精准用户的概率未达到预定值的未知用户，不向其推送广告。2.根据权利要求1所述的广告推广方法，其特征在于，在步骤SI中: 对于在线领域，通过IP地址或者移动终端号标识用户，并通过网络行为大数据分析划分出精准用户和其他用户，所述精准用户包括:被展示广告但未点击的用户、点击广告但未激活安装的用户、激活安装但未消费的用户、以及消费的用户。3.根据权利要求2所述的广告推广方法，其特征在于，所述在线领域包括游戏领域、电商领域和金融领域。4.根据权利要求2所述的广告推广方法，其特征在于，所述移动终端号包括IMEI号、IDFA号和手机号。5.根据权利要求1所述的广告推广方法，其特征在于，在步骤SI中: 对于线下领域，通过线下注册登记或者WIFI热点记录划分出精准用户和其他用户，所述精准用户包括到店用户，所述到店用户包括到店未消费的用户和到店消费的用户。6.根据权利要求5所述的广告推广方法，其特征在于，所述线下领域包括医疗领域、饮食领域和体验性消费领域。7.根据权利要求1至6中任意一项所述的广告推广方法，其特征在于，在步骤S2中，所述用户特征包括用户的年龄、性别和职业中的任意一项或多项。8.根据权利要求1至6中任意一项所述的广告推广方法，其特征在于，在步骤S2中，对抽取的用户特征进行处理的步骤包括: 采用机器学习方法对抽取的用户特征进行分类和回归。
【文档编号】G06Q30/02GK106022836SQ201610362503
【公开日】2016年10月12日
【申请日】2016年5月27日
【发明人】吴悦, 刘云峰, 汶林丁, 杨振宇
【申请人】深圳追科技有限公司, 深圳追一科技有限公司