广告投放兴趣点POI的推荐方法、装置及系统与流程

广告投放兴趣点poi的推荐方法、装置及系统
技术领域
1.本公开涉及数据处理技术领域，尤其涉及一种广告投放兴趣点poi的推荐方法、装置及系统。


背景技术：

2.相关技术中，线下广告投放网点，也即兴趣点(point of interest，poi)的推荐主要依靠媒体主根据过往销售经验，对所述网点及其媒体资源进行打包组合，或根据目标人群在所述网点上的浓度来选取合适的广告网点投放广告。但现有线下广告网点的推荐方法中媒体主的主观因素较大，推荐的线下广告网点无法将宣传效果最大化，目前尚缺乏较为客观的线下广告投放网点推荐方法。


技术实现要素：

3.本公开提供一种线下广告投放兴趣点poi的推荐方法、装置及系统。本公开的技术方案如下：
4.根据本公开实施例的第一方面，提供一种线下广告投放兴趣点poi的推荐方法，包括：
5.获取目标poi的用户客流数据；
6.根据所述目标poi的用户客流数据和目标用户属性获取所述目标poi上的目标用户客流数据；
7.根据所述目标用户客流数据和广告投放周期获取目标poi的第一目标用户数量，并根据所述第一目标用户数量获取目标poi的第二目标用户数量；
8.根据所述广告投放周期获取所述目标poi的用户平均触达频次，并根据所述目标poi的第二目标用户数量和用户平均触达频次生成推荐广告投放poi。
9.可选地，所述获取目标poi的用户客流数据，包括：
10.根据广告投放场景获取所述目标poi的客流数据，其中，所述目标poi为所述广告投放场景内的poi。
11.可选地，所述根据所述目标poi的用户客流数据和目标用户属性获取所述目标poi上的目标用户客流数据，包括：
12.获取所述目标poi用户客流数据中目标用户的客流数据，其中，所述目标用户为满足所述目标用户属性的用户。
13.可选地，所述根据所述第一目标用户数量获取目标poi的第二目标用户数量，包括：
14.如果所述目标poi的第一目标用户数量大于或等于用户数量阈值，则将所述目标poi的第一目标用户数量作为所述目标poi的第二目标用户数量，其中，所述用户数量阈值为所述目标poi第一目标用户数量的下限。
15.可选地，还包括：
16.如果所述目标poi的第一目标用户数量小于用户数量阈值，则根据所述第一目标用户数量和放大推总系数模型获取所述目标poi的第二目标用户数量。
17.可选地，所述根据所述第一目标用户数量和放大推总系数模型获取所述目标poi的第二目标用户数量，包括：
18.根据所述目标poi的位置信息获取所述目标poi的推总系数；
19.根据所述广告投放周期获取所述目标poi的频次系数；
20.将所述第一目标用户数量、所述目标poi的推总系数和所述频次系数输入所述放大推总系数模型，并获取所述目标poi的所述第二目标用户数量。
21.可选地，所述放大推总系数模型的公式化表达为：
22.num2＝num
×k×
kf，其中，num2为所述第二目标用户数量，num为所述第一目标用户数量，k为所述目标poi的推总系数，kf为所述频次系数。
23.可选地，所述获取目标poi的第二目标用户数量，包括：
24.如果存在与所述目标poi有相同目标用户的交叉poi，则根据交叉推总系数模型获取所述目标poi的第二目标用户数量，其中，所述交叉poi与所述目标poi有相同的目标用户。
25.可选地，所述根据交叉推总系数模型获取所述目标poi的第二目标用户数量，包括：
26.根据所述目标poi的位置信息获取所述目标poi的推总系数，并根据所述交叉poi的位置信息获取所述交叉poi的推总系数；
27.根据所述广告投放周期获取所述目标poi的频次系数和所述交叉poi的频次系数；
28.将所述目标poi的推总系数、所述交叉poi的推总系数、所述目标poi的频次系数和所述交叉poi的频次系数输入所述交叉推总系数模型，并获取所述目标poi的第二目标用户数量。
29.可选地，所述交叉推总系数模型的公式化表达为：
30.num2＝num
′×k×
kf num
″×k′×
kf
′
，其中，num2为所述目标poi的第二目标用户数量，所述num
′
为所述目标poi的独占目标用户数量，k为所述目标poi的推总系数，kf为所述目标poi的频次系数，num
″
为所述交叉poi与所述目标poi的交叉目标用户数量，k
′
为所述交叉poi的推总系数，kf
′
为交叉poi周频次数据，所述独占目标用户为属于所述目标poi且不属于在所述交叉poi的目标用户，所述交叉目标用户为属于所述目标poi且属于所述交叉poi的目标用户。
31.可选地，还包括：
32.根据所述目标poi的目标用户客流数据和所述广告投放周期，获取所述广告投放周期内所述目标poi的用户平均触达频次。
33.可选地，还包括：
34.将所述第二目标用户数量和所述用户平均触达频次输入用户触达人次模型，并获取所述目标poi的目标用户触达人次。
35.可选地，所述用户触达人次模型的公式化表达为：
36.contact＝num2
×
f，其中，contact为所述目标用户触达人次，num2为所述第二目标用户数量，f为所述用户平均触达频次。
37.根据本公开实施例的第二方面，提供一种线下广告投放兴趣点poi的推荐装置，包括：
38.第一客流数据获取模块，用于获取目标poi的用户客流数据；
39.第二客流数据获取模块，用于根据所述目标poi的用户客流数据和目标用户属性获取所述目标poi上的目标用户客流数据；
40.目标用户数量获取模块，用于根据所述目标用户客流数据和广告投放周期获取目标poi的第一目标用户数量，并根据所述第一目标用户数量获取目标poi的第二目标用户数量；
41.推荐广告投放poi获取模块，用于根据所述广告投放周期获取所述目标poi的用户平均触达频次，并根据所述目标poi的第二目标用户数量和用户平均触达频次生成推荐广告投放poi。
42.可选地，所述获取目标poi的用户客流数据，包括：
43.根据广告投放场景获取所述目标poi的客流数据，其中，所述目标poi为所述广告投放场景内的poi。
44.可选地，所述根据所述目标poi的用户客流数据和目标用户属性获取所述目标poi上的目标用户客流数据，包括：
45.获取所述目标poi用户客流数据中目标用户的客流数据，其中，所述目标用户为满足所述目标用户属性的用户。
46.可选地，所述根据所述第一目标用户数量获取目标poi的第二目标用户数量，包括：
47.如果所述目标poi的第一目标用户数量大于或等于用户数量阈值，则将所述目标poi的第一目标用户数量作为所述目标poi的第二目标用户数量，其中，所述用户数量阈值为所述目标poi第一目标用户数量的下限。
48.可选地，还包括：
49.如果所述目标poi的第一目标用户数量小于用户数量阈值，则根据所述第一目标用户数量和放大推总系数模型获取所述目标poi的第二目标用户数量。
50.可选地，所述根据所述第一目标用户数量和放大推总系数模型获取所述目标poi的第二目标用户数量，包括：
51.根据所述目标poi的位置信息获取所述目标poi的推总系数；
52.根据所述广告投放周期获取所述目标poi的频次系数；
53.将所述第一目标用户数量、所述目标poi的推总系数和所述频次系数输入所述放大推总系数模型，并获取所述目标poi的所述第二目标用户数量。
54.可选地，所述放大推总系数模型的公式化表达为：
55.num2＝num
×k×
kf，其中，num2为所述第二目标用户数量，num为所述第一目标用户数量，k为所述目标poi的推总系数，kf为所述频次系数。
56.可选地，所述获取目标poi的第二目标用户数量，包括：
57.如果存在与所述目标poi有相同目标用户的交叉poi，则根据交叉推总系数模型获取所述目标poi的第二目标用户数量，其中，所述交叉poi与所述目标poi有相同的目标用户。
58.可选地，所述根据交叉推总系数模型获取所述目标poi的第二目标用户数量，包括：
59.根据所述目标poi的位置信息获取所述目标poi的推总系数，并根据所述交叉poi的位置信息获取所述交叉poi的推总系数；
60.根据所述广告投放周期获取所述目标poi的频次系数和所述交叉poi的频次系数；
61.将所述目标poi的推总系数、所述交叉poi的推总系数、所述目标poi的频次系数和所述交叉poi的频次系数输入所述交叉推总系数模型，并获取所述目标poi的第二目标用户数量。
62.可选地，所述交叉推总系数模型的公式化表达为：
63.num2＝num
′×k×
kf num
″×k′×
kf
′
，其中，num2为所述目标poi的第二目标用户数量，所述num
′
为所述目标poi的独占目标用户数量，k为所述目标poi的推总系数，kf为所述目标poi的频次系数，num
″
为所述交叉poi与所述目标poi的交叉目标用户数量，k
′
为所述交叉poi的推总系数，kf
′
为交叉poi周频次数据，所述独占目标用户为属于所述目标poi且不属于在所述交叉poi的目标用户，所述交叉目标用户为属于所述目标poi且属于所述交叉poi的目标用户。
64.可选地，还包括：
65.根据所述目标poi的目标用户客流数据和所述广告投放周期，获取所述广告投放周期内所述目标poi的用户平均触达频次。
66.可选地，还包括：
67.将所述第二目标用户数量和所述用户平均触达频次输入用户触达人次模型，并获取所述目标poi的目标用户触达人次。
68.可选地，所述用户触达人次模型的公式化表达为：
69.contact＝num2
×
f，其中，contact为所述目标用户触达人次，num2为所述第二目标用户数量，f为所述用户平均触达频次。
70.根据本公开实施例的第三方面，提供一种广告投放兴趣点poi的推荐的装置，包括：
71.处理器；
72.用于存储所述处理器可执行指令的存储器；
73.其中，所述处理器被配置为执行所述指令，以实现所述第一方面中任一项所述的广告投放兴趣点poi的推荐的方法。
74.根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由广告投放兴趣点poi的推荐装置的处理器执行时，使得广告投放兴趣点poi的推荐装置能够执行所述第一方面中任一项所述的广告投放兴趣点poi的推荐方法。
75.本公开的实施例提供的技术方案至少带来以下有益效果：
76.根据客观的数据计算得出所述目标poi的触达人次，避免了人为的主观性，得到的数据更加客观、准确；
77.根据各poi的目标用户人次数据进行广告投放poi的推荐，广告的传播效果更好，能更有效地接触到广告的目标用户，满足广告主的场景、目标用户以及预算需求。
78.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
能限制本公开。
附图说明
79.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
80.图1是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐方法的流程图。
81.图2是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐方法的流程图。
82.图3是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐方法的流程图。
83.图4是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐装置的框图。
84.图5是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐装置的框图。
85.图6是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐方法的示意图。
具体实施方式
86.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
87.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
88.首先对本公开中的专有名词进行介绍。
89.poi：“point of interest”的缩写，中文可以翻译为“兴趣点”。在地理信息系统中，一个poi可以是一栋房子、一个商铺、一个邮筒、一个公交站等。
90.媒体主：线下广告牌、电梯媒体屏幕等线下广告媒介的拥有者或公司主体。
91.报点：通过技术手段获得某用户在某一时刻出现在某poi上的结果。
92.网点：包含线下投放广告资源(如门禁、道闸，电梯广告屏等)的poi。
93.客群池：在数据管理平台，用于获取目标人群的总体用户群体，可以根据目标人群的各种属性从中获取其某个子集以供使用。
94.目标客群：广告主根据投放广告的产品的特性，选取的产品的目标用户群。
95.客流：单位时间内，经过某一poi的不去重人次。
96.到达率：reach，指定时间内，目标受众有机会接触广告一次或以上的比例。
97.触达频次：frequency，指定时间内，目标受众有机会接触广告的平均次数。
98.触达人数：population cover，指定时间内目标受众有机会接触广告一次以上的去重人数，也即目标poi的第二目标用户数量。
99.触达人次：population contact，触达人数与接触频次的乘积，指定时间内，目标受众有机会接触广告的总次数。
100.线下网点智能推荐是广告主依据广告商品的特性、适合人群等信息，在城市中依托公交站广告牌、媒体大屏、社区电梯媒体等媒介进行商品宣传时，通过大数据、机器学习
等技术，对广告投放网点的智能选择的方法。该方法与线下广告媒体主投放系统相结合，在线下广告投放领域应用广泛。目前，主要的网点推荐方法为：
101.1.根据媒体主的过往销售经验进行网点推荐，对线下网点及其媒体资源进行打包组合。媒体主持有线下媒体资源以及在其上投放广告的投放数据，根据投放数据的进行相关数据计算，再依据媒体广告投放的频率、价格等进行网点的组合。
102.2.根据目标用户在网点上的浓度进行网点推荐，即目标用户浓度＝网点目标用户人数/网点覆盖总人数
×
100％，根据所述目标用户浓度对网点排序，选取目标用户浓度较高的网点进行组合。具体为：根据广告产品的特性以及产品目标客群特点，在数据管理平台进行目标人群的圈选。通过将数据管理平台生成的目标人群映射到投放网点上，进行网点目标客群浓度计算、排序后进行网点组合。
103.根据媒体主的过往销售经验进行网点推荐存在以下问题：没有广告主目标客群属性，组合后的投放效果无法达到最大化。媒体主进行网点选择时，会掺杂媒体主的主观意愿，将广告效果好的网点与广告效果差的网点进行固定组合，无法达到广告效果最大化。大部分媒体主针对的投放场景较为单一，只能提供单一场景媒体的组合。
104.根据目标用户在网点上的浓度进行网点推荐存在以下问题：目标用户浓度计算需要的poi客流数据以及用户线下报点数据难以获得；获取目标客群需要具有客群池，同时可通过广告主关注的标签从客群池中获取目标客群；客群报点数据为瞬时数据，只能代表某一时刻用户在网点上出现的情况，无法体现整体效果；无法计算广告曝光人次，广告曝光数量不可量化。
105.广告主数据提供的计算数据包括但不限于：预计投放的省、市、区县或者将要投放的poi列表；广告的投放周期，即广告主需要广告投放的时间长度，如：两周、一季度、半年；投放广告的场景，包括不限于：工作、居住、消费等；目标客户的属性；广告预算，所述广告预算包括：总包价格、cpm价格、曝光总人次、曝光总人数。
106.本公开是在线下广告投放前期，进行广告投放网点的选择以及投放网点组合时，如何获得投放效果最优的方法。所述投放效果包括包含不限于触达人次、人数。线下广告投放比较复杂，线下的场景、媒体类型、节假日等因素都会对广告投放效果产生影响。所以，如何合理的选择线下广告投放网点并进行组合是我们急需解决的问题。
107.目前相对成熟的投放网点推荐、组合方式是根据广告主目标客群在线下地址上的浓度高低进行投放网点组合推荐，但是这样首先对媒体主的数据能力要求高，并且无法解决浓度只能表现某一时刻或某一时段的状态，对节假日、突发事件的包容度很低，同时也无法明确给出触达人数、人次等数据标量。
108.本文提出使用基于目标用户触达人次的网点组合推荐方式，可以根据广告主关注点进行多种投放网点的组合推荐，并提供可量化的曝光人次、人数进行后续的漏斗转化以及模型优化。
109.图1是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐方法的流程图，如图1所示，所述广告投放兴趣点poi的推荐方法，包括以下步骤：
110.步骤101，获取目标poi的用户客流数据；
111.步骤102，根据所述目标poi的用户客流数据和目标用户属性获取所述目标poi上的目标用户客流数据；
112.步骤103，根据所述目标用户客流数据和广告投放周期获取目标poi的第一目标用户数量，并根据所述第一目标用户数量获取目标poi的第二目标用户数量；
113.步骤104，根据所述广告投放周期获取所述目标poi的用户平均触达频次，并根据所述目标poi的第二目标用户数量和用户平均触达频次生成推荐广告投放poi。
114.可选地，所述获取目标poi的用户客流数据，包括：
115.根据广告投放场景获取所述目标poi的客流数据，其中，所述目标poi为所述广告投放场景内的poi。
116.在一种可能的实施方式中，本公开实施例提供基于联邦学习平台的poi客流预测模型，用于获取不同场景，不同poi的客流数据。将广告主提供的广告投放的地区、场景、poi数据，转化为广告投放的目标poi列表，根据poi客流预测模型，获取poi的客流数据，并根据所述客流数据从大到小对poi进行排序。
117.可选地，所述根据所述目标poi的用户客流数据和目标用户属性获取所述目标poi上的目标用户客流数据，包括：
118.获取所述目标poi用户客流数据中目标用户的客流数据，其中，所述目标用户为满足所述目标用户属性的用户。
119.根据用户属性，加工用户属性标签，可根据广告主的目标用户对应的用户属性获取目标用户，再进一步获取所述目标用户客流数据。
120.可选地，所述根据所述第一目标用户数量获取目标poi的第二目标用户数量，包括：
121.如果所述目标poi的第一目标用户数量大于或等于用户数量阈值，则将所述目标poi的第一目标用户数量作为所述目标poi的第二目标用户数量，其中，所述用户数量阈值为所述目标poi第一目标用户数量的下限。
122.可选地，还包括：
123.如果所述目标poi的第一目标用户数量小于用户数量阈值，则根据所述第一目标用户数量和放大推总系数模型获取所述目标poi的第二目标用户数量。
124.图2是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐方法的流程图，如图2所示，所述广告投放兴趣点poi的推荐方法，包括以下步骤：
125.步骤201：根据所述目标poi的位置信息获取所述目标poi的推总系数；
126.步骤202：根据所述广告投放周期获取所述目标poi的频次系数；
127.步骤203：将所述第一目标用户数量、所述目标poi的推总系数和所述频次系数输入所述放大推总系数模型，并获取所述目标poi的所述第二目标用户数量。
128.可选地，所述放大推总系数模型的公式化表达为：
129.num2＝num
×k×
kf，其中，num2为所述第二目标用户数量，num为所述第一目标用户数量，k为所述目标poi的推总系数，kf为所述频次系数。
130.可选地，所述获取目标poi的第二目标用户数量，包括：
131.如果存在与所述目标poi有相同目标用户的交叉poi，则根据交叉推总系数模型获取所述目标poi的第二目标用户数量，其中，所述交叉poi与所述目标poi有相同的目标用户。
132.根据用户报点数据，加工poi与用户关系，提供目标用户在poi上的数据(数据加工
需要拥有基础用户数据以及用户poi报点数据，不同投放时间段的用户与poi关系不同)，所述目标用户在poi上的数据质量与该数据提供者紧密相关，由于可能存在用户报点稀疏的问题，导致可能存在某个poi上只有个位数目标用户的情况。
133.由于当前总体用户数据存在poi上报点稀疏的问题，故并不能完全代表用户在poi上的真实数据，所以将当前用户数据、poi的省、市、区县及场景等数据输入所述放大推总系数模型可获得该poi推总后的目标用户数据；通过所述放大推总系数模型获取所述目标poi的所述第二目标用户数量，提高了目标用户数量数据的准确性。
134.图3是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐方法的流程图，如图3所示，所述广告投放兴趣点poi的推荐方法，包括以下步骤：
135.步骤301：根据所述目标poi的位置信息获取所述目标poi的推总系数，并根据所述交叉poi的位置信息获取所述交叉poi的推总系数；
136.步骤302：根据所述广告投放周期获取所述目标poi的频次系数和所述交叉poi的频次系数；
137.步骤303：将所述目标poi的推总系数、所述交叉poi的推总系数、所述目标poi的频次系数和所述交叉poi的频次系数输入所述交叉推总系数模型，并获取所述目标poi的第二目标用户数量。
138.可选地，所述交叉推总系数模型的公式化表达为：
139.num2＝num
′×k×
kf num
″×k′×
kf
′
，其中，num2为所述目标poi的第二目标用户数量，所述num
′
为所述目标poi的独占目标用户数量，k为所述目标poi的推总系数，kf为所述目标poi的频次系数，num
″
为所述交叉poi与所述目标poi的交叉目标用户数量，k
′
为所述交叉poi的推总系数，kf
′
为交叉poi周频次数据，所述独占目标用户为属于所述目标poi且不属于在所述交叉poi的目标用户，所述交叉目标用户为属于所述目标poi且属于所述交叉poi的目标用户。
140.图6是根据一示例性实施例示出的一种广告投放兴趣点poi的推荐方法的示意图，如图6所示，定海园为目标poi，京东总部为交叉poi。b1为定海园的独占目标用户数量，a为交叉目标用户数量，也即属于所述定海园且属于所述京东总部的目标用户。则所述定海园的第二目标客户数量＝定海园独占目标用户数量
×
定海园推总系数
×
定海园频次系数 京东总部交叉目标用户数量
×
京东总部交叉推总系数
×
京东总部周频次系数。
141.所述交叉推总系数模型定义了如何处理当某些用户在选定时间段内出现在多个相邻poi上时，计算其中单个poi目标用户数据的方法。所述交叉推总系数模型与所述放大推总系数模型相结合，得到的所述第二目标用户数量更加接近真实值，有效的避免了用户在poi上报点稀疏的问题。
142.可选地，还包括：
143.根据所述目标poi的目标用户客流数据和所述广告投放周期，获取所述广告投放周期内所述目标poi的用户平均触达频次。
144.将所述目标poi的目标用户客流数据和所述广告投放周期输入poi平均触达频次的预测模型，并获得单个目标用户在目标poi上的平均触达频次frequency，所述frequency与广告投放周期相关，如7天频次、14天频次等，该模型采用knn算法，特征包括不限于时序、节假日、场景等。通过poi平均触达频次的预测模型可以获取更准确的广告曝光次数。
145.可选地，还包括：
146.将所述第二目标用户数量和所述用户平均触达频次输入用户触达人次模型，并获取所述目标poi的目标用户触达人次。
147.可选地，所述用户触达人次模型的公式化表达为：
148.contact＝num2
×
f，其中，contact为所述目标用户触达人次，num2为所述第二目标用户数量，f为所述用户平均触达频次。
149.将广告主广告预算、投放场景、投放周期和所述目标poi的目标用户触达人次、目标poi的目标用户客流数据、目标poi的目标用户数量输入网点组合推荐模型进行网点的组合推荐，所述网点组合推荐模型采用knn算法，通过线上后链路数据进行修正，如：曝光与浏览转化率，浏览与加购转化率等。
150.根据所述目标poi的目标用户触达人次获取每n次曝光的成本，计算公式为：
151.cpm＝budget
÷
contact
×
n，其中，cpm为每n次曝光成本，contact为目标poi的目标用户触达人次。n为曝光次数，本公开实施例中n取1000，需要说明的是，n的取可根据实施者的实际需求改变，本公开不对n的取值进行限定。
152.将所述目标poi和所述cpm输入所述网点组合推荐模型，进行poi推荐，获取推荐广告投放poi。
153.在一种可能的实施方式中，可以以到达率最大化为目标选取广告投放poi。
154.本公开实施例根据客观的数据计算得出所述目标poi的触达人次，避免了人为的主观性，得到的数据更加客观、准确；
155.根据各poi的目标用户人次数据进行广告投放poi的推荐，广告的传播效果更好，能更有效地接触到广告的目标用户，满足广告主的场景、目标用户以及预算需求。
156.图4是根据一示例性实施例示出的一种线下广告投放兴趣点poi的推荐装置框图。参照图4，该装置400包括：
157.第一客流数据获取模块410，用于获取目标poi的用户客流数据；
158.第二客流数据获取模块420，用于根据所述目标poi的用户客流数据和目标用户属性获取所述目标poi上的目标用户客流数据；
159.目标用户数量获取模块430，用于根据所述目标用户客流数据和广告投放周期获取目标poi的第一目标用户数量，并根据所述第一目标用户数量获取目标poi的第二目标用户数量；
160.推荐广告投放poi获取模块440，用于根据所述广告投放周期获取所述目标poi的用户平均触达频次，并根据所述目标poi的第二目标用户数量和用户平均触达频次生成推荐广告投放poi。
161.可选地，所述获取目标poi的用户客流数据，包括：
162.根据广告投放场景获取所述目标poi的客流数据，其中，所述目标poi为所述广告投放场景内的poi。
163.可选地，所述根据所述目标poi的用户客流数据和目标用户属性获取所述目标poi上的目标用户客流数据，包括：
164.获取所述目标poi用户客流数据中目标用户的客流数据，其中，所述目标用户为满足所述目标用户属性的用户。
165.可选地，所述根据所述第一目标用户数量获取目标poi的第二目标用户数量，包括：
166.如果所述目标poi的第一目标用户数量大于或等于用户数量阈值，则将所述目标poi的第一目标用户数量作为所述目标poi的第二目标用户数量，其中，所述用户数量阈值为所述目标poi第一目标用户数量的下限。
167.可选地，还包括：
168.如果所述目标poi的第一目标用户数量小于用户数量阈值，则根据所述第一目标用户数量和放大推总系数模型获取所述目标poi的第二目标用户数量。
169.可选地，所述根据所述第一目标用户数量和放大推总系数模型获取所述目标poi的第二目标用户数量，包括：
170.根据所述目标poi的位置信息获取所述目标poi的推总系数；
171.根据所述广告投放周期获取所述目标poi的频次系数；
172.将所述第一目标用户数量、所述目标poi的推总系数和所述频次系数输入所述放大推总系数模型，并获取所述目标poi的所述第二目标用户数量。
173.可选地，所述放大推总系数模型的公式化表达为：
174.num2＝num
×k×
kf，其中，num2为所述第二目标用户数量，num为所述第一目标用户数量，k为所述目标poi的推总系数，kf为所述频次系数。
175.可选地，所述获取目标poi的第二目标用户数量，包括：
176.如果存在与所述目标poi有相同目标用户的交叉poi，则根据交叉推总系数模型获取所述目标poi的第二目标用户数量，其中，所述交叉poi与所述目标poi有相同的目标用户。
177.可选地，所述根据交叉推总系数模型获取所述目标poi的第二目标用户数量，包括：
178.根据所述目标poi的位置信息获取所述目标poi的推总系数，并根据所述交叉poi的位置信息获取所述交叉poi的推总系数；
179.根据所述广告投放周期获取所述目标poi的频次系数和所述交叉poi的频次系数；
180.将所述目标poi的推总系数、所述交叉poi的推总系数、所述目标poi的频次系数和所述交叉poi的频次系数输入所述交叉推总系数模型，并获取所述目标poi的第二目标用户数量。
181.可选地，所述交叉推总系数模型的公式化表达为：
182.num2＝num
′×k×
kf num
″×k′×
kf
′
，其中，num2为所述目标poi的第二目标用户数量，所述num
′
为所述目标poi的独占目标用户数量，k为所述目标poi的推总系数，kf为所述目标poi的频次系数，num
″
为所述交叉poi与所述目标poi的交叉目标用户数量，k
′
为所述交叉poi的推总系数，kf
′
为交叉poi周频次数据，所述独占目标用户为属于所述目标poi且不属于在所述交叉poi的目标用户，所述交叉目标用户为属于所述目标poi且属于所述交叉poi的目标用户。
183.可选地，还包括：
184.根据所述目标poi的目标用户客流数据和所述广告投放周期，获取所述广告投放周期内所述目标poi的用户平均触达频次。
185.可选地，还包括：
186.将所述第二目标用户数量和所述用户平均触达频次输入用户触达人次模型，并获取所述目标poi的目标用户触达人次。
187.可选地，所述用户触达人次模型的公式化表达为：
188.contact＝num2
×
f，其中，contact为所述目标用户触达人次，num2为所述第二目标用户数量，f为所述用户平均触达频次。
189.本公开实施例根据客观的数据计算得出所述目标poi的触达人次，避免了人为的主观性，得到的数据更加客观、准确；
190.根据各poi的目标用户人次数据进行广告投放poi的推荐，广告的传播效果更好，能更有效地接触到广告的目标用户，满足广告主的场景、目标用户以及预算需求。
191.本公开实施例根据客观的数据计算得出所述目标poi的触达人次，避免了人为的主观性，得到的数据更加客观、准确；
192.根据各poi的目标用户人次数据进行广告投放poi的推荐，广告的传播效果更好，能更有效地接触到广告的目标用户，满足广告主的场景、目标用户以及预算需求。
193.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
194.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
195.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
196.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
197.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如所述广告投放兴趣点poi的推荐方法。例如，在一些实施例中，所述广告投放兴趣点poi的推荐方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可
以执行上文描述的所述广告投放兴趣点poi的推荐方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行所述广告投放兴趣点poi的推荐方法。
198.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
199.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
200.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
201.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
202.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网和区块链网络。
203.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计
算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
204.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
205.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。