一种多渠道广告投放用户进线数据的分析追踪方法及装置与流程

摘要: 本发明涉及数据管理与分析,具体涉及一种多渠道广告投放用户进线数据的分析追踪方法及装置。背景技术:1、在数字化营销和广告投放管理领域,对投放效果的监控与评估是优化...
一种多渠道广告投放用户进线数据的分析追踪方法及装置与流程

本发明涉及数据管理与分析,具体涉及一种多渠道广告投放用户进线数据的分析追踪方法及装置。

背景技术:

1、在数字化营销和广告投放管理领域,对投放效果的监控与评估是优化投放策略、合理分配预算的核心环节。当前,企业的广告投放活动通常分散于多个不同的第三方平台,例如360搜索、腾讯广告、百度信息流、抖音信息流等。这种多平台并存的现状带来了显著的技术问题。

2、首先,现有技术中存在数据孤岛问题。各广告投放平台的数据格式、字段定义、接口规范均不一致,投放数据(如展现、点击、消费)和用户进线数据(如用户通过广告落地页添加销售微信的行为)分散存储于各自独立的系统中(如三方平台、帆软报表等)。市场上缺乏一种能够针对市场投放场景,将来自不同渠道的用户进线明细数据进行标准化整合的机制。这导致企业无法构建统一的用户进线明细台账,投放端人员无法对单条用户进线数据进行有效追溯,也无法满足精细化运营所需的高效数据查询和批量导出需求。

3、其次,现有技术缺乏精准的渠道筛选与统计技术方案。由于缺乏标准化的数据底座,投放人员难以对“不同渠道带来的进线量级、进线占比”进行快速、准确的量化分析。无法量化各投放渠道的“星级”或贡献度,就无法为后续的投放预算分配和渠道组合优化提供有效的数据支撑,导致广告预算的配置往往依赖经验而非数据,资源利用率低下。

4、最后,也是最为关键的,现有技术完全不具备将用户进线数据与其后效行为数据进行关联追踪的能力。例如,一个用户通过某个广告进线后,是否在1小时内向销售“冒泡”(开口说话),是否在24小时内删除了销售微信,以及该用户后续是否付费、付费金额多少等,这些能真实反映用户质量和渠道质量的核心指标,在现有技术中是割裂的。无法打通“投放→进线→后效”的全链路数据,就无法对用户质量进行量化评估,更无法反向指导前端投放策略的优化。这不仅造成了数据资产的浪费,也使得投放优化工作缺乏闭环的数据支持。

5、因此,如何构建标准化的用户进线明细台账,实现多渠道全量进线数据的整合与查询;如何实现多渠道进线数据的精准筛选与统计分析;以及如何建立用户进线数据与后效数据的关联机制,打通全链路数据,是当前广告投放技术领域亟待解决的技术问题。

技术实现思路

1、有鉴于此,本发明的目的在于提供一种多渠道广告投放用户进线数据的分析追踪方法及装置,旨在解决现有技术中,多渠道数据格式不一,无法建立统一的标准数据格式,缺乏精准的渠道筛选与统计技术方案,不具备将用户进线数据与其后效行为数据进行关联追踪的能力的问题。

2、根据本发明实施例的第一方面,提供一种多渠道广告投放用户进线数据的分析追踪方法,所述方法包括:

3、构建标准化用户进线明细台账:通过预设的多个异构数据接口,分别适配并接入至少一个广告投放渠道的原始进线数据;针对每个原始进线数据,执行基于预设字段映射表的数据格式统一化清洗,并过滤脏数据,生成具有统一数据结构的标准化进线记录;将该标准化进线记录存储至用户进线明细台账,并为每条记录生成或关联一个唯一的用户标识,从而构建一个支持基于所述唯一用户标识进行精准查询和批量导出的标准化数据集;

4、构建并执行进线与后效数据的关联映射模型:根据所述标准化数据集,获取与所述标准化进线记录对应的用户后效行为数据;构建关联映射模型,该模型至少包括:基于所述唯一用户标识,将所述用户后效行为数据与所述标准化进线记录进行关联绑定;以及,为所述标准化进线记录关联投放渠道信息;从而生成一个包含投放-进线-后效的全链路数据关联关系的扩展数据集;

5、执行基于时间窗口的动态数据聚合算法:基于生成的扩展数据集,接收来自用户界面的一个或多个筛选参数,构成筛选参数集;基于所述筛选参数集对所述扩展数据集执行条件过滤,生成过滤后数据子集;根据预设的分组维度对所述过滤后数据子集执行分组聚合计算,生成至少包括进线量级、进线占比、以及基于后效行为数据计算的后效核心指标的聚合统计报表。

6、优选地,

7、所述执行基于预设字段映射表的数据格式统一化清洗,包括:

8、获取来自第一广告投放渠道的第一原始进线数据,所述第一原始进线数据包含采用第一字段命名规则的第一渠道字段;

9、获取来自第二广告投放渠道的第二原始进线数据,所述第二原始进线数据包含采用第二字段命名规则的第二渠道字段;

10、调用预配置的字段映射关系表,所述字段映射关系表定义了不同广告投放渠道的原始字段与标准化台账字段之间的转换规则;

11、根据所述字段映射关系表,将所述第一渠道字段映射为第一标准化字段,将所述第二渠道字段映射为第二标准化字段,其中所述第一标准化字段与第二标准化字段具有相同的字段标识和数据类型,从而实现多渠道数据的格式统一。

12、优选地,

13、所述构建关联映射模型包括:

14、定义并实例化核心数据实体:至少实例化一个进线数据实体和一个后效数据实体;所述进线数据实体包含进线记录唯一标识、所述唯一用户标识、进线时间、进线渠道编码作为关键字段;所述后效数据实体包含后效记录唯一标识、所述唯一用户标识、关联的进线记录唯一标识、以及至少一个后效指标字段;

15、执行唯一用户标识的生成与绑定:响应于用户通过任一广告投放渠道进入落地页,生成一个匿名用户标识;响应于同一用户完成加微或加群操作,通过第三方平台回调接口获取一个社交平台唯一标识;建立所述匿名用户标识与所述社交平台唯一标识的映射关系,并将所述社交平台唯一标识作为贯穿全链路的所述唯一用户标识;

16、执行进线数据与投放渠道信息的关联:当用户进入落地页时,从落地页的统一资源定位符中解析出渠道挂接参数;根据所述渠道挂接参数提取渠道编码、推广账号标识、项目标识和广告标识;在生成所述标准化进线记录时,将所述渠道编码、推广账号标识、项目标识和广告标识作为该记录的组成部分进行存储,完成进线数据与投放渠道信息的逻辑关联;

17、执行后效数据的实时采集与关联绑定:通过一个事件监听器实时监测用户的后效行为事件;当监听到一个后效行为事件时,获取该事件关联的用户唯一标识和发生时间;根据所述用户唯一标识查询所述进线数据实体,以确定与该后效行为最相关的目标进线记录;基于所述目标进线记录的进线记录唯一标识和进线时间,计算并更新所述后效数据实体中对应的后效指标字段,从而完成所述关联绑定。

18、优选地,

19、所述用户后效行为数据至少包括用户冒泡行为和用户删微行为;

20、所述基于所述唯一用户标识,将所述用户后效行为数据与所述标准化进线记录进行关联绑定包括:

21、获取目标进线记录,其包含进线记录唯一标识、用户唯一标识、进线时间以及对应的销售标识;

22、设置第一时间窗口和第二时间窗口,其中第一时间窗口起始于所述进线时间并持续第一预设时长,第二时间窗口起始于所述进线时间并持续第二预设时长,且第二预设时长大于第一预设时长;

23、响应于在所述第一时间窗口内监测到由所述用户唯一标识向所述销售标识发起的一个冒泡行为事件,将所述后效数据实体中与所述进线记录唯一标识对应的第一冒泡标记字段的值更新为“是”;

24、响应于在所述第二时间窗口内但非第一时间窗口内监测到所述冒泡行为事件,将所述后效数据实体中的第二冒泡标记字段的值更新为“是”;

25、响应于在所述第一时间窗口内监测到所述用户唯一标识删除所述销售标识对应好友关系的一个删微行为事件,将所述后效数据实体中的第一删微标记字段和删微时间字段的值分别更新为“是”和当前时间戳。

26、优选地,

27、所述动态数据聚合算法包括:

28、条件过滤阶段:接收所述筛选参数集p = {p1, p2, …, pn},其中每个参数pi包含字段名、操作符和值;对所述扩展数据集d中的每一条数据d,逐一判断其是否满足筛选参数集p中的所有条件,将所有满足条件的数据d组成过滤后数据子集d’;

29、分组聚合阶段:接收一个分组维度集g = (g1, g2, …, gm);根据g对所述过滤后数据子集d’执行分组操作,生成至少一个分组键g_keyj及其对应的数据子集sj;对每个数据子集sj,计算一组预定义的聚合指标m(sj),所述聚合指标m至少包括基于计数的进线量级指标、基于除法的进线占比指标、以及基于后效指标字段的比率指标;

30、排序输出阶段:接收一个排序字段和一个排序方向;根据所述排序字段和排序方向,对所有分组及其对应的聚合指标结果进行排序;输出排序后的聚合结果报表。

31、优选地,

32、所述计算一组预定义的聚合指标m(sj)至少包括以下一个或多个带有除零保护的比率指标的计算:

33、计算进线占比:将分组中的数据条数除以过滤后数据子集的总数据条数,再乘以百分之一百;

34、计算一小时冒泡率:将分组中一小时冒泡标记等于是的数据条数除以分组中是否在班次内标记等于是的数据条数,再乘以百分之一百;

35、计算进线成本:将分组中所有记录的消费金额之和除以分组中的数据条数;

36、计算三星累计投入产出比:将分组中所有记录的三星累计开通金额之和除以分组中所有记录的消费金额之和;

37、其中,对于任何可能产生除数为零的除法操作,均通过一个安全除法函数进行处理,该函数在分母为零时返回一个预定义的非数值标识,而非执行除法运算或抛出异常。

38、优选地,

39、所述动态数据聚合算法还包括一个增量聚合优化逻辑:

40、接收一个包含第一时间范围的新查询请求;

41、判断是否存在缓存的上次查询结果,且上次查询的第二时间范围与所述第一时间范围存在时间重叠;

42、当存在重叠时,计算第一时间范围相对于第二时间范围的增量时间区间δt;

43、仅从所述扩展数据集d中筛选出在所述增量时间区间δt内的增量数据δd;

44、对所述增量数据δd执行分组聚合计算,得到增量聚合结果δr;

45、将缓存的所述上次查询结果r_cache与所述增量聚合结果δr进行合并计算,生成最终的新查询结果r_new,从而避免对全量数据进行重新聚合计算。

46、优选地,

47、所述动态数据聚合算法还包括一个时间窗口动态截断逻辑:

48、在计算与用户付费相关的累计类指标时,获取当前查询执行时的系统时间戳,记为当前系统时间;

49、对于每一条进线记录d,查询与其关联的所有用户订单数据;

50、在计算累计开通额时,仅汇总订单时间小于等于所述当前系统时间的订单金额;

51、在计算特定时段开通额时,根据进线记录d的进线时间和预设的时段偏移量,动态计算统计截止时间,并仅汇总进线时间小于等于订单时间,订单时间小于等于所述统计截止时间的订单金额,若当前系统时间小于统计截止时间,则使用当前系统时间作为实际统计截止时间。

52、根据本发明实施例的第二方面,提供一种多渠道广告投放用户进线数据的分析追踪装置,所述装置用于实现上述任意一项所述的方法,所述装置包括:

53、台账构建模块:用于通过预设的多个异构数据接口,分别适配并接入至少一个广告投放渠道的原始进线数据;针对每个原始进线数据,执行基于预设字段映射表的数据格式统一化清洗,并过滤脏数据,生成具有统一数据结构的标准化进线记录;将该标准化进线记录存储至用户进线明细台账,并为每条记录生成或关联一个唯一的用户标识,从而构建一个支持基于所述唯一用户标识进行精准查询和批量导出的标准化数据集;

54、关联映射模型执行模块:用于根据所述标准化数据集,获取与所述标准化进线记录对应的用户后效行为数据;构建关联映射模型,该模型至少包括:基于所述唯一用户标识,将所述用户后效行为数据与所述标准化进线记录进行关联绑定;以及,为所述标准化进线记录关联投放渠道信息;从而生成一个包含投放-进线-后效的全链路数据关联关系的扩展数据集;

55、数据聚合模块:用于基于生成的扩展数据集,接收来自用户界面的一个或多个筛选参数,构成筛选参数集;基于所述筛选参数集对所述扩展数据集执行条件过滤,生成过滤后数据子集;根据预设的分组维度对所述过滤后数据子集执行分组聚合计算,生成至少包括进线量级、进线占比、以及基于后效行为数据计算的后效核心指标的聚合统计报表。

56、本发明的实施例提供的技术方案可以包括以下有益效果:

57、本技术通过构建标准化用户进线明细台账,首次将来自多个异构广告投放平台的进线数据整合为统一格式,解决了数据孤岛问题,使每条用户进线都可被精准查询和追溯;通过创新的关联映射模型,将“投放渠道”、“用户进线”、“后效行为”三大关键环节的数据流打通,构建了完整的“投放-进线-后效”数据闭环,为量化评估用户质量和渠道质量提供了前所未有的数据基础;通过动态数据聚合算法,实现了对海量全链路数据的实时、多维度、精细化筛选与统计。特别是对1小时冒泡率、删微率、roi等核心后效指标的量化,使得投放优化工作从“凭经验”转向“靠数据”,为精准分配预算、优化获客路径提供了科学依据。

58、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。