System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及广告加载领域,尤其涉及一种基于用户行为的广告加载方法及系统。
技术介绍
1、互联网的普及促使越来越多的用户倾向于在线上进行活动,正因如此,这些活动产生了大量的可以反映用户购买倾向的行为数据,为广告提供方提供了大量的可参考资源,同时,用户在网络上进行浏览活动时,更期望看到自己感兴趣内容的相关广告,而不是传统的广撒网形式所推送的与自己相关性较低的广告内容,这种情况推动了基于用户行为的广告加载推送技术的发展,广告商追求更高的广告点击率以及购买转化率,使得他们通过分析用户行为来制定更加精准的广告加载推送策略。
2、中国专利公开号:cn112073525a,公开了一种广告推送方法、装置及电子设备,应用于移动终端,该方法包括:获取广告策略组合进行存储,广告策略组合包括至少两个不同配置信息的缓存广告策略;基于配置信息的预加载策略,生成广告位推送请求;根据广告位推送请求,获取与广告位推送请求对应的缓存广告策略的广告内容;在目标广告位显示广告内容,本专利技术通过提供多广告策略的组合方式,广告策略之间的配置信息不同,同一广告位多种广告策略的投放方式,满足不同的需求,例如在不同时间段使用不同的广告策略,广告主可以对广告策略进行任意的排列组合
3、但是,现有技术中还存在以下问题,
4、由于习惯差异,不同用户端对于浏览页面的操作习惯不同,进而,在购买商品前所进行的相关浏览操作也会不同,因此,通过大数据分析购买倾向时,不同用户端在数据维度的表现存在差异,现有技术中未考虑用户端的个体差异,在进行广告推送时导致
技术实现思路
1、为此,本专利技术提供一种基于用户行为的广告加载方法及系统,用以克服通过大数据分析购买倾向时,不同用户端在数据维度的表现存在差异,现有技术中未考虑用户端的个体差异,在进行广告推送时导致准确性不佳的问题。
2、为实现上述目的,本专利技术提供一种基于用户行为的广告加载方法,其包括:
3、存储针对用户端的历史用户行为特征,所述历史用户行为特征包括所述用户端完成购买操作前预定时间内针对浏览页面的操作数据;
4、基于所述历史用户行为特征确定针对所述用户端的倾向特征操作数据;
5、依据所述用户端当前针对浏览页面的操作数据与倾向特征操作数据的对比结果确定广告浏览频繁表征系数,以确定所述用户端的浏览频繁倾向类别;
6、基于所述历史行为特征确定针对广告的推送位置;
7、基于所述用户端的购买意愿倾向类别针对所述用户端在所述推送位置进行广告加载推送,包括,
8、确定所述用户端的关键触发事件,以提取所述关键触发事件后所述用户端针对所述广告对应详情页面的翻阅覆盖度或/和获取所述用户端针对所述广告的评价内容的查看时长计算购买意向表征值,以确定是否达到意向购买阶段,确定所述用户端针对同类广告的操作数据,分析搜索深度,以对应调整针对所述广告的加载推送频率;
9、或,获取若干广告进行随机筛选进行广告加载推送;
10、所述关键触发事件为所述用户端点击所述广告的详情页面以及查看所述广告的评价内容。
11、进一步地,基于所述历史用户行为特征确定针对所述用户端的倾向特征操作数据的过程包括,
12、调用历史用户行为特征,获取若干操作数据,包括用户端针对购买商品所关联广告的浏览次数以及浏览时间;
13、计算针对各购买商品的浏览次数均值以及浏览时间均值;
14、将所述浏览次数均值以及浏览时间均值设定为倾向特征操作数据。
15、进一步地,依据用户端当前针对浏览页面的操作数据与倾向特征操作数据的对比结果确定广告浏览频繁表征系数的过程包括,
16、记录用户端针对广告的当前浏览次数以及当前浏览时长;
17、将当前浏览次数与所述浏览次数均值之比确定为第一浏览特征;
18、将当前浏览时长与所述浏览时长均值之比确定为第二浏览特征;
19、将所述第一浏览特征与所述第二浏览特征之和确定为所述广告浏览频繁表征系数。
20、进一步地,确定所述用户端的浏览频繁倾向类别包括,
21、若广告浏览频繁表征系数大于或等于广告浏览频繁表征系数阈值,则确定用户端为高频繁倾向类别;
22、若广告浏览频繁表征系数小于广告浏览频繁表征系数阈值,则确定用户端为低频繁倾向类别。
23、进一步地,基于所述历史行为特征确定针对广告的推送位置的过程包括,
24、调用历史用户行为特征,获取若干操作数据,包括被点击广告在浏览页面中的所处位置;
25、基于所述操作数据确定被点击广告在浏览页面各区域的出现概率;
26、将最大出现概率对应的区域确定为广告推送位置。
27、进一步地,对所述用户端在所述推送位置进行广告加载推送包括,
28、若用户端为高频繁倾向类别,则确定所述用户端的关键触发事件,以提取所述关键触发事件后所述用户端针对所述广告对应详情页面的翻阅覆盖度或/和获取所述用户端针对所述广告的评价内容的查看时长计算购买意向表征值,以确定是否达到意向购买阶段,确定所述用户端针对同类广告的操作数据,分析搜索深度,以对应调整针对所述广告的加载推送频率;
29、若用户端为低频繁倾向类别,则获取若干广告进行随机筛选进行广告加载推送。
30、进一步地,计算购买意向表征值的过程包括,
31、若用户端的关键触发事件为所述用户端点击所述广告的详情页面,则提取所述用户端针对所述广告的详情页面的翻阅覆盖度,其中,将所述广告的详情页面的翻阅覆盖度与翻阅覆盖度阈值之比确定为购买意向表征值;
32、若用户端的关键触发事件为查看所述广告的评价内容,则提取所述用户端针对所述广告的详情页面的翻阅覆盖度和获取所述广告的评价内容的查看时长,
33、确定详情页面的翻阅覆盖度与翻阅覆盖度阈值的比值作为第一意向特征,
34、确定评价内容的查看时长与查看时长阈值的比值作为第二意向特征,
35、将所述第一意向特征与第二意向特征之和确定为购买意向表征值。
36、进一步地,确定是否达到意向购买阶段包括,
37、若所述购买意向表征值大于或等于购买意向表征阈值,则确定达到意向购买阶段。
38、进一步地,确定用户端针对同类广告的操作数据,分析搜索深度的过程包括,
39、获取达到意向购买阶段后所述用户端针对同类广告的操作数据,包括,用户端针对同类广告的连续浏览时长;
40、将所述连续浏览时长与基准连续浏览时长之比确定为搜索深度。
41、进一步地,调整针对所述广告的加载推送频率包括,
42、增加广告的加载推送频率,加载推送频率的增加量与所述搜索深度呈正相关。
43、与现有技术相比,本专利技术通过存储针对用户端的历史用户行为特征,基于所述历史用户行为本文档来自技高网...
【技术保护点】
1.一种基于用户行为的广告加载方法,其特征在于,包括:
2.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,基于所述历史用户行为特征确定针对所述用户端的倾向特征操作数据的过程包括,
3.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,依据用户端当前针对浏览页面的操作数据与倾向特征操作数据的对比结果确定广告浏览频繁表征系数的过程包括,
4.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,确定所述用户端的浏览频繁倾向类别包括,
5.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,基于所述历史行为特征确定针对广告的推送位置的过程包括,
6.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,对所述用户端在所述推送位置进行广告加载推送包括,
7.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,计算购买意向表征值的过程包括,
8.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,确定是否达到意向购买阶段包括,
9.根据
10.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,调整针对所述广告的加载推送频率包括,
...【技术特征摘要】
1.一种基于用户行为的广告加载方法,其特征在于,包括:
2.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,基于所述历史用户行为特征确定针对所述用户端的倾向特征操作数据的过程包括,
3.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,依据用户端当前针对浏览页面的操作数据与倾向特征操作数据的对比结果确定广告浏览频繁表征系数的过程包括,
4.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,确定所述用户端的浏览频繁倾向类别包括,
5.根据权利要求1所述的基于用户行为的广告加载方法,其特征在于,基于所述历史行为特征确定针对广告的推...
【专利技术属性】
技术研发人员:葛贤钰,陈勇,刘铁托,乔金梁,李臣,
申请(专利权)人:西安点扣软件科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。