CN119090564B 一种基于大数据的线上广告智能推送方法及系统 （广州舜飞信息科技有限公司）

一种基于大数据的线上广告智能推送方法本发明公开了一种基于大数据的线上广告包括收集用户行为数据构建用户兴趣模型生成兴趣模型并生成用户兴趣得分能够捕捉用户的同区域的用户进行广告推送使得广告推送能够更加高效化，提高了用户的广告接受度和转化2收集用户行为数据构建用户兴趣模型生成用户兴趣得分，将广告根据用户兴趣得分向不同区域的用户进行广告推送，根据不同区域广告表现的变化，所述收集用户行为数据构建用户兴趣模型生成用户兴趣得分指收集与广告相关的历使用通用搜索单元从用户长期行为数据中提取与目标广告相关的为每个用户创建根节点并作为广告行为路径的起点，根据目标广告内容从广告行为树中筛选出与目标广告相关的行为构建用户－广告交互矩阵，将标准化后的用户兴趣嵌入若要计算用户u对广告p的兴趣得分，则从用户特征矩阵和广通过矩阵乘法将用户特征、奇异值矩阵和广告特征相乘，得到用户u推送区域划分为高销量区域和低销量区域指收集历史广告推送后对应的商品的销售数据据进行中位数计算，根据中位数计算结果将广告推送区域划分为高销量区域和低销量区3户兴趣得分向不同区域的用户进行广告推送指设定推送广告的兴趣阈值Q，与用户兴趣得若用户为高兴趣用户并且位于高销量区域，则直接向用户推送相关广告若用户为低兴趣用户并且位于高销量区域，则优先推送具有广泛吸引力的广告内容，视化展示指使用Tableau可视化工具设计交互式的可视化界面，使用折线图展示广告点击7.一种基于权利要求1－6任一所述的基于大数据的线上广告智能推送方法的基于大数据收集模块，用于收集实时和历史用户行为数据以及广兴趣得分计算模块，用于构建基于搜索的用户兴趣模型和广告行为树广告推送模块，用于划分广告推送区域，根据用户兴趣处理器执行时实现权利要求1至6中任一项所述的基于大数据的线上广告智能推送方法的4页面内容或用户的简单行为进行展示。这种方式虽然在一定程度上提高了广告的相关性，的复杂性和多样性。现有的用户兴趣模型往往依赖于单一的行为特征或简单的统计方法，区域划分为高销量区域和低销量区域；根据用户兴趣得分向不同区域的用户进行广告推述收集用户行为数据构建用户兴趣模型生成用户兴趣得分指收集与广告相关的历史用户[0008]使用通用搜索单元从用户长期行为数据中提取与目标广告相关的子行为序列包[0009]为每个用户创建根节点并作为广告行为路径的起点，根5行点积计算，得到行为之间的相关性分数，将相关性分数通过softmax函数进行归一化处述将广告推送区域划分为高销量区域和低销量区域指收集历史广告推送后对应的商品的述根据用户兴趣得分向不同区域的用户进行广告推送指设定推送广告的兴趣阈值Q，与用6述进行可视化展示指使用Tableau可视化工具设计交互式的可视化界面，使用折线图展示广告点击率和转化率随时间的变化趋势，使用柱状图展示不同广告在各区域的点击情况，[0026]本发明的另外一个目的是提供一种基于大数据的线上广告智能推送系统，其包理器执行所述计算机程序时实现基于大数据的线上广告智能推送方法行时实现基于大数据的线上广告智能推送方7[0044]使用通用搜索单元从用户长期行为数据中提取与目标广告相关的子行为序列包[0045]为每个用户创建根节点并作为广告行为路径的起点，根将用户的广告行为作为新节点插入进广告行为树中，若用户对同一广告进行了多次互动，[0046]为高频行为路径的节点添加索引并对广告行为树中表现优异的路径(高点击率、[0048]通过深度优先搜索(DFS)算法，可以从广告行为树中提取与目标广告相关的子行行为序列映射为对应的嵌入向量序列；8趣得分i:pp9为树通过将用户与广告的互动行为结构化地呈现，记录用户在广告推送中的所有交互路[0070]深度优先搜索算法能够从广告行为树中快速提取与目标广告相关的关键行为序后对应的商品的销售数据以及历史广告推送数据并对收集的数据进行数据清洗和标准化，大化利用。[0084]当用户的兴趣得分达到或超过兴趣阈值Q，并且位于高销量区域时会直接向其推得分的动态调整使得广告系统能够更精准地定位目标用户，并推送符合其需求的广告内告推送结果以及广告优化