一种互联网销售用广告推广数据分析方法与流程

摘要: 本发明涉及互联网广告服务,具体涉及一种互联网销售用广告推广数据分析方法。背景技术:1、随着互联网广告产业的蓬勃发展,如何提升广告投放的精准性与转化效率,已成为业...
一种互联网销售用广告推广数据分析方法与流程

本发明涉及互联网广告服务,具体涉及一种互联网销售用广告推广数据分析方法。

背景技术:

1、随着互联网广告产业的蓬勃发展,如何提升广告投放的精准性与转化效率,已成为业界持续攻关的核心命题。在投放实践中,对同一用户反复展示相同广告,不仅会因边际收益递减而降低投放效益,还会造成流量资源的无效消耗,并对用户体验产生负面影响。为缓解这一问题,现有技术普遍采用广告频次控制策略,即通过设定曝光次数上限来约束单用户触达频率。然而,这类方法通常以历史曝光计数为单一依据,实施统一阈值管理,未能充分考虑用户个体在决策过程中的行为差异,也忽视了曝光节奏与决策时机之间的动态耦合关系。

2、更进一步地,当前已有的用户聚类方案多侧重行为类型或行为总量的相似性度量,据此进行人群划分,却较少从决策节奏的时间维度出发,系统捕捉用户在认知、偏好和购买意愿演化过程中的时序特征。总体而言,现有广告投放技术尚缺乏对用户交互时间节律的有效量化手段,难以基于决策节奏的异质性来匹配差异化的递送策略,从而在精细化运营和智能调控层面仍存在明显不足。

技术实现思路

1、本发明的目的在于提供一种互联网销售用广告推广数据分析方法,解决以上技术问题。

2、本发明的目的可以通过以下技术方案实现:

3、一种互联网销售用广告推广数据分析方法,包括以下步骤:

4、采集目标用户在预设时间窗口内与目标广告的交互事件序列数据,所述的交互事件序列数据包括目标用户和目标广告交互时的时间戳、交互类型标识和交互持续时长;所述的交互类型标识指唯一区分不同交互动作类型的枚举型编码字段;

5、基于所述的交互事件序列数据,为所述的目标用户构建决策节奏指纹向量;所述决策节奏指纹向量包括:首次交互至当前时间的累积时间跨度、相邻交互事件之间的时间间隔序列的变异系数、单位时间内交互事件密度的变化趋势斜率、各交互事件的交互深度之和与所述累积时间跨度的比值;

6、将所述的决策节奏指纹向量输入预设的时序聚类模型,所述的时序聚类模型基于动态时间规整距离对多个样本用户的决策节奏指纹向量进行聚类,将所述的目标用户划分为预设决策节奏类型中的目标类型;所述的决策节奏类型包括第一类型、第二类型、第三类型和第四类型,所述第一类型代表目标用户交互集中于预设第一时长且交互密度高于预设的第一阈值,所述第二类型代表目标用户交互分散于预设第二时长且交互间隔的变异系数低于预设的第二阈值,所述第三类型代表目标用户交互集中于预设第三时长且交互密度随时间呈下降趋势,所述第四类型代表目标用户交互稀释分布于预设第四时长且交互密度低于预设第三阈值;

7、基于所述目标类型,从预设的策略映射关系中匹配对应的广告投放策略参数,所述策略映射关系包含各决策节奏类型与广告投放策略参数之间的对应关系,所述广告投放策略参数包括广告推送频率上限、相邻推送之间的最小时间间隔以及单次推送的交互深度阈值;按照匹配到的广告投放策略参数,向所述目标用户推送所述目标广告。

8、作为本发明进一步的方案:所述时序聚类模型在聚类过程中的距离度量采用动态时间规整距离;所述时序聚类模型的训练过程包括:

9、获取若干样本用户的决策节奏指纹向量样本集,采用肘部法则确定聚类数量,以所述动态时间规整距离作为相似性度量进行聚类迭代,直至各簇的类内平均距离之和收敛至预设变化率阈值之下。

10、作为本发明进一步的方案:所述交互动作类型包括:广告点击、广告页面华东、广告视频播放进度达到预设阈值、广告内容点赞、广告内容写评论、广告内容分享、广告表单填写;

11、每种所述的交互动作类型对应一个唯一的预设的交互类型标识,不同交互类型标识对应不同的预设交互深度权重值;

12、单次交互深度为该次交互时间对应的交互深度权重值与所述的乘积。

13、作为本发明进一步的方案:所述决策节奏指纹向量中,所述累积时间跨度为首次交互事件时间戳与当前时间戳之间的差值;所述变异系数为相邻交互事件时间间隔序列的标准差与均值之比;所述变化趋势斜率为对单位时间内交互事件密度按事件顺序进行线性回归所得的回归系数;所述各交互事件的交互深度之和按照所述单次交互深度的计算方式累加所得。

14、作为本发明进一步的方案:所述预设策略映射关系的构建方法包括:

15、获取历史样本数据中各样本用户的决策节奏指纹向量、所属决策节奏类型及对应的历史广告转化结果;针对每一决策节奏类型,以广告投放策略参数为自变量、以广告转化率为因变量进行网格搜索,确定使该决策节奏类型下广告转化率最优的广告投放策略参数组合,建立所述决策节奏类型与所述广告投放策略参数组合之间的映射关系。

16、作为本发明进一步的方案:所述第一时长小于所述第二时长和所述第四时长,且所述第二时长小于第四时长;所述第一类型对应的广告投放策略参数中推送频率上限高于所述第二类型、所述第三类型和所述第四类型对应的推送频率上限;所述第二类型对应的广告投放策略参数中相邻推送之间的最小时间间隔大于所述第一类型和所述第三类型对应的最小时间间隔;所述第四类型对应的广告投放策略参数中推送频率上限低于所述第一类型;所述第二类型和所述第四类型对应的推送频率上限。

17、作为本发明进一步的方案:按照匹配到的所述广告投放策略参数向所述目标用户推送目标广告后,还包括:

18、监测所述目标用户在匹配到所述广告投放策略参数对应的推送周期内是否产生新增交互事件;若产生新增交互事件且所述新增交互事件导致所述决策节奏指纹向量发生更新,则重新执行上述采集、构建、划分、匹配和推送步骤。

19、作为本发明进一步的方案:所述时序聚类模型的训练过程中,聚类所使用的时序特征序列为各样本用户的交互事件时间间隔序列;所述动态事件规整距离的计算方式为:

20、对两个样本用户的交互事件时间间隔序列,构建累积距离矩阵,通过动态规划求解两序列之间的最小对齐路径代价,以所述最小对齐路径代价作为两样本用户之间的相似性距离。

21、本发明的有益效果:本发明通过构建包含累计时间跨度、交互间隔变异系数、交互密度变化趋势斜率及交互深度累计比值等多维度特征的决策节奏指纹向量,实现了对用户决策过程中交互时间节奏的系统性量化。通过引入变异系数表征用户交互行为的时间规律性,通过变化趋势斜率表征用户兴趣的演进方向,通过交互深度与时间跨度的比值表征用户的决策效率,从而实现了对用户决策节奏的全方位、多角度精准刻画。在此基础上,进一步将动态时间规整距离与决策节奏指纹向量相结合进行时序聚类,与现有基于曝光次数或静态行为量的频次控制方案相比,本发明能够准确识别用户所属的决策节奏类型,为后续差异化策略匹配提供了可靠的数据基础,有效解决了现有技术中缺乏对用户决策节奏时间维度系统性量化方法的技术问题。

1.一种互联网销售用广告推广数据分析方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种互联网销售用广告推广数据分析方法,其特征在于,所述时序聚类模型在聚类过程中的距离度量采用动态时间规整距离;所述时序聚类模型的训练过程包括:

3.根据权利要求1所述的一种互联网销售用广告推广数据分析方法,其特征在于,所述交互动作类型包括:广告点击、广告页面华东、广告视频播放进度达到预设阈值、广告内容点赞、广告内容写评论、广告内容分享、广告表单填写;

4.根据权利要求1所述的一种互联网销售用广告推广数据分析方法,其特征在于,所述决策节奏指纹向量中,所述累积时间跨度为首次交互事件时间戳与当前时间戳之间的差值;所述变异系数为相邻交互事件时间间隔序列的标准差与均值之比;所述变化趋势斜率为对单位时间内交互事件密度按事件顺序进行线性回归所得的回归系数;所述各交互事件的交互深度之和按照所述单次交互深度的计算方式累加所得。

5.根据权利要求1所述的一种互联网销售用广告推广数据分析方法,其特征在于,所述预设策略映射关系的构建方法包括:

6.根据权利要求1所述的一种互联网销售用广告推广数据分析方法,其特征在于,所述第一时长小于所述第二时长和所述第四时长,且所述第二时长小于第四时长;所述第一类型对应的广告投放策略参数中推送频率上限高于所述第二类型、所述第三类型和所述第四类型对应的推送频率上限;所述第二类型对应的广告投放策略参数中相邻推送之间的最小时间间隔大于所述第一类型和所述第三类型对应的最小时间间隔;所述第四类型对应的广告投放策略参数中推送频率上限低于所述第一类型;所述第二类型和所述第四类型对应的推送频率上限。

7.根据权利要求1所述的一种互联网销售用广告推广数据分析方法,其特征在于,按照匹配到的所述广告投放策略参数向所述目标用户推送目标广告后,还包括:

8.根据权利要求1所述的一种互联网销售用广告推广数据分析方法,其特征在于,所述时序聚类模型的训练过程中,聚类所使用的时序特征序列为各样本用户的交互事件时间间隔序列;所述动态事件规整距离的计算方式为: