一种基于大数据的广告推送营销系统及方法技术方案

本发明专利技术公开了一种基于大数据的广告推送营销系统及方法，属于数据推送处理技术领域。本系统包括指令处理模块、大数据测试分析模块、广告分析模块、社交软件推送营销判断模块以及移动终端控制模块；所述指令处理模块的输出端与所述移动终端控制模块的输入端相连接；所述大数据测试分析模块的输出端与所述广告分析模块的输入端相连接；所述广告分析模块的输出端与所述社交软件推送营销判断模块的输入端相连接；所述社交软件推送营销判断模块的输出端与所述指令处理模块的输入端相连接。本发明专利技术在广告推送方向上，借助大数据分析手段，能够判断用户对于广告的真实意图概率，从而实现营销与推送上的指令处理体系，提高用户满意度。度。度。

【技术实现步骤摘要】
一种基于大数据的广告推送营销系统及方法


[0001]本专利技术涉及数据推送处理
，具体为一种基于大数据的广告推送营销系统及方法。

技术介绍

[0002]随着大数据技术的蓬勃发展，社交软件下的用户画像、用户行为的分析逐渐成为主流，在正确的时间向正确的人提供正确的内容，以达到最佳的营销效果是当今广告推送营销方向的主要内容。
[0003]通过统一的数据ID，进行跨平台的采集客户数据，将这些采集的客户数据统一管理在客户数据管理平台。企业可以根据客户数据管理平台提供的用户画像进行分群管理，再通过业务中台实现BI自动化营销。在目前的技术中，基于客户的档案、多重的身份、特征标签、消费记录、互动记录，等各种各样的信息构成客户的360度画像。再通过客户的画像，对每一群“相似”的人进行细分，不断地细化颗粒度，形成深度的客户洞察能力，判断客户的潜在消费能力和兴趣爱好，引导客户消费，已经成为全渠道的营销手段之一。社交软件作为覆盖率广、曝光度高的载体之一，是互联网广告孵化以及营销的主要场所，在目前的行为中，绝大多数社交软件，例如（某音、某博等），均存在网民互动区域（即评论区），大多数厂商在评论区的中间部分插入广告链接，由于移动终端的界面有限，在用户浏览评论区以及点开具体评论的过程中，极易触发广告链接，从而跳转至另一软件的页面，既容易造成移动终端的切换卡顿，也会导致下载不必要的软件应用，极大地影响用户体验，如何在用户误触、误碰评论区内广告链接时，拒绝跳转成了一个较为复杂的问题，尚未解决。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的广告推送营销系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的广告推送营销方法，该方法包括以下步骤：S1、在社交软件后台建立指令处理体系，所述指令处理体系指对移动终端应用软件的跳转提供验证处理，由移动终端用户进行授权信息采集功能；S2、构建用户测试数据，设置操作数据库植入至测试用户的移动终端内部，采集测试用户的移动终端操作数据，所述测试用户的移动终端操作数据指社交软件操作记录，包括社交软件评论区页面数据、社交软件评论区跳转数据；（测试用户指由系统方用户签订信息协议，以支付相关酬谢的方式，采集一定量用户的平时操作信息数据作为大数据分析基础）S3、基于测试用户的移动终端操作数据，构建社交软件广告分析模型，判断用户在不同的操作情况下点击社交软件内广告的真实意图概率，所述真实意图概率指用户被广告内容吸引，点击进入并持续浏览的概率；
S4、基于移动终端用户在社交软件内的实时操作数据，通过社交软件广告分析模型的真实意图概率，根据指令处理体系，对移动终端应用软件的跳转输出指令，所述指令包括同意跳转与忽略跳转，指令发送至移动终端系统执行端，对移动终端进行控制。
[0006]根据上述技术方案，在步骤S1中，还包括：所述指令处理体系布置在移动终端系统软件内部，用户进行授权处理，在用户使用应用软件过程中，对用户操作数据进行实时监控，在用户对移动终端应用软件进行软件间跳转时，根据指令数据提供验证处理。
[0007]根据上述技术方案，所述构建社交软件广告分析模型包括：对采集到的测试用户的移动终端操作数据中的社交软件评论区页面数据、社交软件评论区跳转数据进行处理，形成单独的数据组；所述数据组中包含因素与结果，所述因素指插入广告图文链接与社交软件评论区讨论热点的相似程度，所述相似程度包括内容文字与版面设计；所述因素还包括插入广告图文链接处于评论区的位置，所述位置以数量为标记，取值为插入广告图文链接上方存在的互联网评论数量；所述结果包含真实跳转与误触跳转，系统设置页面反馈时长（可根据一定的数据分析取平均值计算），在跳转至新广告页面后停留时长超出页面反馈时长判定为真实跳转，否则判断为误触跳转；任意数据组写成架构组成形式[m、n、r]，其中m、n、r分别代表相似程度、处于评论区的位置、结果，其中，处于评论区的位置存在最大值，以系统设定为准；所述相似程度m包括：其中，P指参与相似度比对的评论区评论数量；i指参与相似度比对的评论区评论i；代表插入广告图文链接的内容文字的特征向量；指参与相似度比对的评论区评论i的内容文字的特征向量；j代表对比的特征向量的数量；k代表第k个特征向量；指插入广告图文链接与社交软件评论区讨论热点在内容文字上的相似程度；其中，代表插入广告图文链接的版面设计的特征向量；指参与相似度比对的评论区标准版面设计的特征向量（标准指当前用户采用的评论区设计，其与用户的设定有关，例如用户使用不同的壁纸颜色等等）；u代表版面设计对比的特征向量的数量；h代表版面设计第h个特征向量；指插入广告图文链接与社交软件评论区讨论热点在版面设计上的相似程度；
其中，、分别代表系数参量，总和为1，初始时均取值0.5；所述与插入广告图文链接处于评论区的位置的变化有关，随n的数据增大而增大，具体包括：获取每个架构组成形式中，处于同一位置时的误触跳转数量，记为集合{y1、y2、
……
、y
t
}；y1、y2、
……
、y
t
分别代表处于位置1、2、
……
、t时的误触跳转数量；计算位置加1时的增长差值，基于增长差值拟合成回归模型，获取回归模型的回归系数作为随n的数据增大的回归系数；获取测试数据下的架构组成形式，根据跳转至新广告页面后停留时长为r赋值，其中判断为真实跳转的r取值大于0.5，判断为误触跳转的r取值小于0.5；关系式为；其中，、分别代表跳转至新广告页面后停留时长、页面反馈时长；G代表系统设定系数值；以r作为因变量，以m、n作为自变量，构建初始概率分析模型：其中，、代表回归系数；代表常数量；选取新的测试数据下的架构组成形式，将新的测试数据下的架构组成形式代入初始概率分析模型，计算生成模型下的输出概率，对照真实结果，计算数据偏离概率，所述数据偏离概率指结果不满足真实值的占比，设置占比阈值，若不满足，对初始概率分析模型进行调节；构建初始学习率，将初始概率分析模型中的自变量以学习率方式进行替换：，其中x指代自变量；其中，指学习率；若生成的数据偏离概率依然不满足占比阈值，在当前的学习率基础上继续替换，直至满足时输出模型作为社交软件广告分析模型。
[0008]根据上述技术方案，在步骤S3
‑
S4中，还包括：通过指令处理体系在后台实时采集移动终端用户在社交软件内的操作情况，判断用户在不同的操作情况下点击社交软件内广告的真实意图概率，超出0.5定义为真实跳转，生成同意跳转指令；低于或等于0.5定义为误触跳转，生成忽略跳转指令；根据指令处理体系，对移动终端应用软件的跳转输出指令，指令发送至移动终端系统执行端，对移动终端进行控制；若同一插入广告图文链接连续出现忽略跳转指令，自动调节成同意跳转指令。
[0009]一种基于大数据的广告推送营销系统，该系统包括指令处理模块、大数据测试分析模块、广告分析模块、社交软件推送营销判断模块以及移动终端控制模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的广告推送营销方法，其特征在于：该方法包括以下步骤：S1、在社交软件后台建立指令处理体系，所述指令处理体系指对移动终端应用软件的跳转提供验证处理，由移动终端用户进行授权信息采集功能；S2、构建用户测试数据，设置操作数据库植入至测试用户的移动终端内部，采集测试用户的移动终端操作数据，所述测试用户的移动终端操作数据指社交软件操作记录，包括社交软件评论区页面数据、社交软件评论区跳转数据；S3、基于测试用户的移动终端操作数据，构建社交软件广告分析模型，判断用户在不同的操作情况下点击社交软件内广告的真实意图概率，所述真实意图概率指用户被广告内容吸引，点击进入并持续浏览的概率；S4、基于移动终端用户在社交软件内的实时操作数据，通过社交软件广告分析模型的真实意图概率，根据指令处理体系，对移动终端应用软件的跳转输出指令，所述指令包括同意跳转与忽略跳转，指令发送至移动终端系统执行端，对移动终端进行控制。2.根据权利要求1所述的一种基于大数据的广告推送营销方法，其特征在于：在步骤S1中，还包括：所述指令处理体系布置在移动终端系统软件内部，用户进行授权处理，在用户使用应用软件过程中，对用户操作数据进行实时监控，在用户对移动终端应用软件进行软件间跳转时，根据指令数据提供验证处理。3.根据权利要求2所述的一种基于大数据的广告推送营销方法，其特征在于：所述构建社交软件广告分析模型包括：对采集到的测试用户的移动终端操作数据中的社交软件评论区页面数据、社交软件评论区跳转数据进行处理，形成单独的数据组；所述数据组中包含因素与结果，所述因素指插入广告图文链接与社交软件评论区讨论热点的相似程度，所述相似程度包括内容文字与版面设计；所述因素还包括插入广告图文链接处于评论区的位置，所述位置以数量为标记，取值为插入广告图文链接上方存在的互联网评论数量；所述结果包含真实跳转与误触跳转，系统设置页面反馈时长，在跳转至新广告页面后停留时长超出页面反馈时长判定为真实跳转，否则判断为误触跳转；任意数据组写成架构组成形式[m、n、r]，其中m、n、r分别代表相似程度、处于评论区的位置、结果，其中，处于评论区的位置存在最大值，以系统设定为准；所述相似程度m包括：其中，P指参与相似度比对的评论区评论数量；i指参与相似度比对的评论区评论i；代表插入广告图文链接的内容文字的特征向量；指参与相似度比对的评论区评论i的内容文字的特征向量；j代表对比的特征向量的数量；k代表第k个特征向量；指插入广告图文链接与社交软件评论区讨论热点在内容文字上的相似程度；
其中，代表插入广告图文链接的版面设计的特征向量；指参与相似度比对的评论区标准版面设计的特征向量；u代表版面设计对比的特征向量的数量；h代表版面设计第h个特征向量；指插入广告图文链接与社交软件评论区讨论热点在版面设计上的相似程度；其中，、分别代表系数参量，总和为1，初始时均取值0.5；所述与插入广告图文链接处于评论区的位置的变化有关，随n的数据增大而增大，具体包括：获取每个架构组成形式中，处于同一位置时的误触跳转数量，记为集合{y1、y2、
……
、y
t
}；y1、y2、
……
、y
t
分别代表处于位置1、2、
……
、t时的误触跳转数量；计算位置加1时的增长差值，基于增长差值拟合成回归模型，获取回归模型的回归系数作为随n的数据增大的回归系数；获取测试数据下的架构组成形式，根据跳转至新广告页面后停留时长为r赋值，其中判断为真实跳转的r取值大于0.5，判断为误触跳转的r取值小于0.5；关系式为；其中，、分别代表跳转至新广告页面后停留时长、页面反馈时长；G代表系统设定系数值；以r作为因变量，以m、n作为自变量，构建初始概率分析模型：其中，、代表回归系数；代表常数量；选取新的测试数据下的架构组成形式，将新的测试数据下的架构组成形式代入初始概率分析模型，计算生成模型下的输出概率，对照真实结果，计算数据偏离概率，所述数据偏离概率指结果不满足真实值的占比，设置占比阈值，若不满足，对初始概率分析模型进行调节；构建初始学习率，将初始概率分析模型中的自变量以学习...

【专利技术属性】
技术研发人员：叶生根，钱俊冬，蒋运常，
申请(专利权)人：北京三人行时代数字科技有限公司，
类型：发明
国别省市：