一种多源数据驱动的广告创意效果评估与优化方法与流程

本发明涉及数字广告技术与数据处理，尤其是一种多源数据驱动的广告创意效果评估与优化方法。

背景技术：

1、随着数字广告行业的快速发展，广告创意作为影响投放效果的核心因素，其效果评估与优化能力直接决定广告投放的投入产出比。当前广告创意的效果评估与优化主要存在以下缺陷：

2、1、评估数据源单一，结果片面性强：现有评估多依赖投放平台的曝光点击数据，仅覆盖广告前端表现，无法整合用户转化行为、创意内容属性、投放场景等多源数据，难以全面反映创意的全链路真实效果，评估结果存在较大偏差。

3、2、评估体系主观性强，缺乏量化标准：指标权重多依赖人工经验设定，无法适配不同行业、不同投放场景的评估需求，且难以动态调整，导致评估结果的客观性与适配性不足。

4、3、创意优化效率低，效果不可控：现有创意优化多依赖运营人员的经验试错，缺乏数据驱动的量化优化模型，优化方向模糊、迭代周期长，优化效果不稳定，难以适配多渠道、大批量的创意优化需求。

5、4、评估与优化流程割裂，未形成闭环：现有技术中效果评估与创意优化为独立环节，无法形成“数据采集-评估分析-优化生成-验证迭代”的完整闭环，难以实现创意效果的持续提升。

6、因此，针对上述技术问题有必要提出一种多源数据驱动的广告创意效果评估与优化方法。

技术实现思路

1、本发明提供了一种多源数据驱动的广告创意效果评估与优化方法，解决现有广告创意评估片面、主观性强、优化效率低、未形成闭环迭代的问题。

2、为实现上述目的，本发明采用如下技术方案：

3、一种多源数据驱动的广告创意效果评估与优化方法，包括以下步骤：

4、s1、多源广告数据采集与预处理：采集广告投放全链路的多源原始数据，对原始数据进行清洗、去重、缺失值填充与标准化处理，得到标准化数据集；

5、s2、广告创意多维度效果量化评估：基于标准化数据集，从曝光效果、转化效果、成本效益、用户反馈四个维度提取评估指标，构建综合效果评估模型，计算得到各广告创意的综合效果得分；

6、s3、创意特征与场景关联分析：提取广告创意的内容特征、投放场景特征，结合效果评估结果，通过相关性分析挖掘影响创意效果的核心特征因子；

7、s4、广告创意定向优化生成：基于核心特征因子与综合效果得分的关联关系，采用迭代优化算法对低得分创意的核心特征进行定向调整，生成优化后的候选创意方案；

8、s5、优化效果验证与迭代输出：对候选创意方案进行分组对照测试，验证优化效果，满足收敛条件则输出最终优化创意与评估报告，不满足则返回步骤s2进行新一轮迭代评估与优化。

9、其中步骤s2中的广告创意多维度效果量化评估，具体为构建多维度综合效果评分模型，计算得到单条广告创意的综合效果得分s，计算公式如下：

10、；

11、其中为归一化后的点击率指标，为归一化后的转化率指标，为归一化后的投入产出比指标，为归一化后的千次曝光成本指标；分别为对应指标的权重系数，且满足。

12、所述曝光效果维度还包含曝光完成率、有效触达率指标，转化效果维度还包含加购率、留资率指标，成本效益维度还包含单转化成本、点击成本指标，用户反馈维度还包含互动率、负反馈率指标；所有指标均经过min-max标准化处理，取值范围为[0,1]。

13、各维度评估指标的权重系数通过改进熵权法动态计算，具体步骤包括：

14、s41：构建m条创意样本、n个评估指标的判断矩阵，其中为第i条创意的第j项指标的原始值；

15、s42：对判断矩阵进行标准化处理得到标准化矩阵，其中正向指标标准化公式为，负向指标标准化公式为；

16、s43：计算第j项指标的信息熵，计算公式为：

17、；

18、其中，，当时，定义；

19、s44：计算第j项指标的权重系数，计算公式为：

20、；

21、其中第j项评价指标的最终权重；第j项评价指标的信息熵，用于衡量该指标数据的无序程度、不确定性；为评价体系中指标的总数量。

22、步骤s1中的多源原始数据包括：广告投放平台的曝光交互数据、落地页/交易端的用户转化行为数据、广告创意的内容标签数据、投放环境的场景上下文数据四类数据源。

23、步骤s3中提取的创意内容特征包括视觉特征、文案特征、音频特征三类，投放场景特征包括投放时段、投放渠道、目标人群标签三类；通过皮尔逊相关性分析计算各特征与综合效果得分的相关系数，筛选相关系数绝对值大于0.3的特征作为核心特征因子。

24、步骤s4中的广告创意定向优化生成，采用梯度上升迭代算法调整创意核心特征参数，具体迭代更新公式为：

25、；

26、其中为第t次迭代时创意的第f项核心特征的参数值，为迭代更新后的特征参数值；为迭代学习率，取值范围为0.01~0.1；为综合效果得分s对应该项特征的偏导数，反映特征对效果的影响程度；为该项特征的约束调节系数，用于限定特征调整的合理区间，取值范围为[0.5,1.5]。

27、步骤s5中的分组对照测试采用ab测试方法，将优化前后的广告创意设置为对照组与实验组，在同等投放预算、人群、渠道条件下进行变量对照测试，采集测试周期内的全链路数据，计算创意优化效果提升率。

28、步骤s3中还包括构建创意效果预测模型，采用融合多源特征的xgboost回归模型，以核心特征因子为输入、综合效果得分为输出进行训练，预测候选优化创意的预期效果得分，提前筛选高潜力优化方向。

29、迭代优化的终止条件通过收敛判定公式确定，具体公式为：

30、；

31、其中为第次迭代优化后的创意综合效果得分，为第t+1次迭代优化后的创意综合效果得分，为相邻两次迭代的得分相对变化率，为预设的收敛阈值，取值范围为0.01~0.05；当得分相对变化率小于等于收敛阈值时，终止迭代优化。

32、最终输出的内容包括优化后的广告创意素材包、分维度效果评估报告、核心影响特征分析报告与差异化投放策略建议。

33、与现有技术相比，本发明有益效果：

34、1、整合广告全链路四类数据源，从曝光、转化、成本、用户反馈四个维度构建评估体系，突破单一数据源的评估局限，全面覆盖广告投放的前端表现与后端转化，真实反映创意的综合效果。

35、2、采用改进熵权法基于样本数据自动计算指标权重，避免人工赋权的主观偏差，权重可随投放场景、行业特性动态调整，适配不同类型广告的评估需求。

36、3、通过相关性分析精准定位影响创意效果的核心特征，结合梯度上升迭代算法进行定向量化调整，优化方向可追溯、效果可预测，大幅降低人工试错成本，提升创意优化效率与稳定性。

37、4、构建“数据采集-效果评估-特征分析-创意优化-验证迭代”的完整闭环，通过收敛判定公式自动控制迭代终止条件，实现广告创意效果的持续迭代优化，稳定提升广告投放roi。