本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)，特別是指一種獲取受眾的方法和服務(wù)器設(shè)備。

背景技術(shù)：

互聯(lián)網(wǎng)的盈利模型包括：游戲、電子商務(wù)和廣告。互聯(lián)網(wǎng)廣告與傳統(tǒng)廣告的最大賣點(diǎn)就是精準(zhǔn)營(yíng)銷。借助各種受眾定向技術(shù)(Audience Targeting)，分析用戶的屬性(User Profile)的眾多標(biāo)簽，挖掘用戶興趣或需求，推送最有價(jià)值、用戶最需要的廣告。

從受眾定位技術(shù)區(qū)分互聯(lián)網(wǎng)廣告，不關(guān)注受眾定位的互聯(lián)網(wǎng)廣告包括：條幅廣告(Banner Ad)、郵件直接營(yíng)銷廣告(EDM，Email Direct Marketing)、FLASH廣告(Rich Media Ad)、視頻廣告(Video Ad)等；搜索廣告(Search Ad)，例如google、百度等根據(jù)用戶的搜索詞進(jìn)行定向，然后投放相關(guān)的廣告；上下文廣告(Contextual Advertising)，根據(jù)用戶當(dāng)前的網(wǎng)頁(yè)，假定用戶的興趣點(diǎn)跟當(dāng)前的網(wǎng)頁(yè)內(nèi)容是相關(guān)的，然后推送與網(wǎng)頁(yè)上下文內(nèi)容相關(guān)的廣告；社交廣告(Social Ad)，隨著社交網(wǎng)絡(luò)(Social Network)的興起，在社交平臺(tái)(微信、微博等)，綜合親密關(guān)系、上下文、歷史信息等定向推送廣告，并開展定制化營(yíng)銷活動(dòng)。

現(xiàn)有受眾定位技術(shù)如圖1所示，包括：根據(jù)cookie等手段收集用戶歷史信息；根據(jù)用戶歷史信息和場(chǎng)景信息，找到一個(gè)適合這個(gè)人的廣告候選集；結(jié)合廣告特征及期望，在廣告候選集里面排序，找到最好、價(jià)值最高的一個(gè)或若干個(gè)廣告。

現(xiàn)有互聯(lián)網(wǎng)廣告的受眾定位技術(shù)存在諸多問(wèn)題。場(chǎng)景信息不全：現(xiàn)在的受眾定位技術(shù)，完全采用線上信息，導(dǎo)致只能局限于線上相關(guān)場(chǎng)景，例如電子商務(wù)、搜索、社交等，但與用戶線下場(chǎng)景、現(xiàn)實(shí)的位置、時(shí)間沒(méi)有關(guān)聯(lián)，因此無(wú)法實(shí)現(xiàn)“用戶在shopping mall的某一層中，到了飯點(diǎn)，系統(tǒng)主動(dòng)給他定制同一層的、或步行數(shù)分鐘路程內(nèi)的、某口味的餐館”等O2O廣告形式?，F(xiàn)有的 類似功能，例如大眾點(diǎn)評(píng)和百度地圖等都需要用戶發(fā)起需求，才能知道具體位置，若是室內(nèi)，互聯(lián)網(wǎng)公司是無(wú)法定位樓層的。用戶歷史信息不全：現(xiàn)在的受眾定位技術(shù)，完全采用線上信息，沒(méi)有融合用戶在線下去了哪里，在哪里停留多久等信息，使受眾定位有局限。無(wú)法與其他、現(xiàn)實(shí)商業(yè)體系融合：互聯(lián)網(wǎng)廣告僅僅是整個(gè)商業(yè)體系的一部分而已，由于現(xiàn)在的受眾定位技術(shù)完全采用線上信息，割裂了現(xiàn)實(shí)中的燈箱廣告、實(shí)體店、LED廣告等線下商業(yè)體系?，F(xiàn)有技術(shù)基本依賴內(nèi)容源挖掘，這對(duì)運(yùn)營(yíng)商不利：線下的用戶用運(yùn)營(yíng)商的網(wǎng)絡(luò)鏈接線上的應(yīng)用，互聯(lián)網(wǎng)公司通過(guò)現(xiàn)有受眾定位技術(shù)，為用戶推送廣告，獲得莫大的收益，而運(yùn)營(yíng)商僅僅成了真正的管道。

如何借助管道挖掘，凸顯運(yùn)營(yíng)商O&O(online&offline)場(chǎng)景掌控力、端到端數(shù)據(jù)和線下發(fā)展優(yōu)勢(shì)，實(shí)現(xiàn)管道價(jià)值變現(xiàn)，成為運(yùn)營(yíng)商亟待解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種獲取受眾的方法和服務(wù)器設(shè)備，用于解決現(xiàn)有受眾定位技術(shù)中的受眾定位有局限的問(wèn)題，借助管道挖掘?yàn)閺V告找到合適的受眾。

為解決上述技術(shù)問(wèn)題，本發(fā)明的實(shí)施例提供一種獲取受眾的方法，方法包括：獲取廣告商品的實(shí)體信息和用戶線下行為形成線下信息，獲取用戶的上網(wǎng)瀏覽行為形成線上信息，將所述線下信息和線上信息存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中；獲取第一用戶針對(duì)用戶行為數(shù)據(jù)倉(cāng)庫(kù)中的至少一個(gè)廣告商品的第一線下信息和第一線上信息；對(duì)所述第一線下信息和所述第一線上信息進(jìn)行歸一化；根據(jù)歸一化后的數(shù)據(jù)計(jì)算出所述第一用戶在當(dāng)前采樣周期中對(duì)至少一個(gè)廣告商品的興趣指數(shù)。

所述的方法中，獲取廣告商品的實(shí)體信息和用戶線下行為形成線下信息，獲取用戶的上網(wǎng)瀏覽行為形成線上信息之前還包括：搭建無(wú)線接入控制服務(wù)器的日志服務(wù)器，收集無(wú)線接入控制服務(wù)器日志，根據(jù)無(wú)線接入控制服務(wù)器日志獲取用戶線下行為的軌跡；搭建WLAN網(wǎng)管收集WLAN網(wǎng)絡(luò)的拓?fù)潢P(guān)系；搭建單無(wú)線接入控制服務(wù)器的分布式下行深度包檢測(cè)設(shè)備，還原出用戶上網(wǎng)瀏覽的目標(biāo)網(wǎng)頁(yè)，獲取用戶上網(wǎng)使用的每一個(gè)應(yīng)用程序名稱。

所述的方法中，獲取廣告商品的實(shí)體信息和用戶線下行為形成線下信息包括：根據(jù)所述用戶線下行為的軌跡、WLAN網(wǎng)絡(luò)的拓?fù)潢P(guān)系形成每一個(gè)訪問(wèn)節(jié)點(diǎn)AP的線下信息，建立一個(gè)線下信息標(biāo)簽庫(kù)存放所述線下信息；獲取用戶的上網(wǎng)瀏覽行為形成線上信息包括：根據(jù)所述目標(biāo)網(wǎng)頁(yè)和應(yīng)用程序名稱，將每位用戶的上網(wǎng)瀏覽行為編碼成數(shù)字標(biāo)簽，數(shù)字標(biāo)簽的邏輯順序是類別、來(lái)源、分類和詳細(xì)信息，形成線上信息；建立一個(gè)線上信息標(biāo)簽庫(kù)存放所述線上信息。

所述的方法中，將所述線下信息和線上信息存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中包括：根據(jù)用戶和時(shí)間點(diǎn)將所述線下信息和線上信息融合成行為數(shù)據(jù)，將所述行為數(shù)據(jù)存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中；線上信息包括線上點(diǎn)擊次數(shù)，線下信息包括線下到達(dá)次數(shù)和線下停留時(shí)長(zhǎng)；獲取第一用戶針對(duì)用戶行為數(shù)據(jù)倉(cāng)庫(kù)中的至少一個(gè)廣告商品的第一線下信息和第一線上信息包括：獲取第一用戶對(duì)特定行為數(shù)據(jù)的線上點(diǎn)擊次數(shù)、線下到達(dá)次數(shù)和線下停留時(shí)長(zhǎng)。

所述的方法中，對(duì)所述第一線下信息和所述第一線上信息進(jìn)行歸一化包括：χ₁，χ₂，χ₃，......，χ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線上點(diǎn)擊次數(shù)；δ₁，δ₂，δ₃，......，δ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線下到達(dá)次數(shù)；φ₁，φ₂，φ₃，......，φ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線下停留時(shí)長(zhǎng)大于分鐘閾值m的次數(shù)；MAX₁為采樣周期內(nèi)，n名用戶中線上點(diǎn)擊次數(shù)的最大值；MAX₂為采樣周期內(nèi)，n名用戶中線下到達(dá)次數(shù)的最大值；MAX₃為采樣周期內(nèi)，n名用戶中線下停留時(shí)長(zhǎng)大于分鐘閾值m的次數(shù)最大值；采用min-max標(biāo)準(zhǔn)化模型，取min＝0，采樣周期內(nèi)的第一用戶，對(duì)特定行為數(shù)據(jù)的、歸一化的線上點(diǎn)擊指數(shù)λ₁、線下到達(dá)指數(shù)λ₂和線下停留指數(shù)λ₃分別為和

所述的方法中，根據(jù)歸一化后的數(shù)據(jù)計(jì)算出所述第一用戶在當(dāng)前采樣周期中對(duì)至少一個(gè)廣告商品的興趣指數(shù)包括：計(jì)算第一用戶在第i采樣周期的興趣 指數(shù)θ_i＝η×λ₁+β×λ₂+γ×λ₃，η、β、γ為系數(shù)；計(jì)算出前期x個(gè)采樣周期的記憶的時(shí)間退化因素；則計(jì)算出第一用戶在當(dāng)前第i采樣周期的興趣指數(shù)為x表示向前追溯x個(gè)采樣周期。

一種獲取受眾的服務(wù)器設(shè)備，包括：行為數(shù)據(jù)單元，用于獲取廣告商品的實(shí)體信息和用戶線下行為形成線下信息，獲取用戶的上網(wǎng)瀏覽行為形成線上信息，將所述線下信息和線上信息存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中；信息指數(shù)單元，用于獲取第一用戶針對(duì)用戶行為數(shù)據(jù)倉(cāng)庫(kù)中的至少一個(gè)廣告商品的第一線下信息和第一線上信息；歸一化單元，用于對(duì)所述第一線下信息和所述第一線上信息進(jìn)行歸一化；

興趣指數(shù)單元，用于根據(jù)歸一化后的數(shù)據(jù)計(jì)算出所述第一用戶在當(dāng)前采樣周期中對(duì)至少一個(gè)廣告商品的興趣指數(shù)。

所述的服務(wù)器設(shè)備，行為數(shù)據(jù)單元包括：線下信息標(biāo)簽庫(kù)模塊，用于根據(jù)所述用戶線下行為的軌跡明確每一個(gè)訪問(wèn)節(jié)點(diǎn)AP的線下信息，建立一個(gè)線下信息標(biāo)簽庫(kù)存放所述線下信息；線上信息標(biāo)簽庫(kù)模塊，用于根據(jù)所述目標(biāo)網(wǎng)頁(yè)和應(yīng)用程序名稱，將每位用戶的上網(wǎng)瀏覽行為編碼成數(shù)字標(biāo)簽，數(shù)字標(biāo)簽的邏輯順序是類別、來(lái)源、分類和詳細(xì)信息，形成線上信息；建立一個(gè)線上信息標(biāo)簽庫(kù)存放所述線上信息。

所述的服務(wù)器設(shè)備，行為數(shù)據(jù)單元包括：行為數(shù)據(jù)單元包括數(shù)據(jù)倉(cāng)庫(kù)模塊，數(shù)據(jù)倉(cāng)庫(kù)模塊用于將所述線下信息和線上信息融合成行為數(shù)據(jù)，將所述行為數(shù)據(jù)存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中；線上信息包括線上點(diǎn)擊次數(shù)，線下信息包括線下到達(dá)次數(shù)、線下停留時(shí)長(zhǎng)；單用戶行為采集模塊，用于獲取第一用戶對(duì)特定行為數(shù)據(jù)的線上點(diǎn)擊次數(shù)、線下到達(dá)次數(shù)、線下停留時(shí)長(zhǎng)。

所述的服務(wù)器設(shè)備，歸一化單元包括：歸一化實(shí)現(xiàn)模塊，用于采用min-max標(biāo)準(zhǔn)化模型，取min＝0，采樣周期內(nèi)的第一用戶對(duì)特定行為數(shù)據(jù)的、歸一化的線上點(diǎn)擊指數(shù)λ₁、線下到達(dá)指數(shù)λ₂和線下停留指數(shù)λ₃分別為χ₁，χ₂，χ₃，......，χ_n為采樣周期內(nèi)，n名用戶 分別對(duì)特定行為數(shù)據(jù)的線上點(diǎn)擊次數(shù)；δ₁，δ₂，δ₃，......，δ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線下到達(dá)次數(shù)；φ₁，φ₂，φ₃，......，φ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線下停留時(shí)長(zhǎng)大于分鐘閾值m的次數(shù)；MAX₁為采樣周期內(nèi)，n名用戶中線上點(diǎn)擊次數(shù)的最大值；MAX₂為采樣周期內(nèi)，n名用戶中線下到達(dá)次數(shù)的最大值；MAX₃為采樣周期內(nèi)，n名用戶中線下停留時(shí)長(zhǎng)大于分鐘閾值m的次數(shù)最大值。

所述的服務(wù)器設(shè)備，興趣指數(shù)單元包括：?jiǎn)沃芷谂d趣指數(shù)模塊，用于計(jì)算第一用戶在第i采樣周期的興趣指數(shù)θ_i＝η×λ₁+β×λ₂+γ×λ₃，η、β、γ為系數(shù)；前期時(shí)間退化因素模塊，用于計(jì)算出前期x個(gè)采樣周期的記憶的時(shí)間退化因素；興趣指數(shù)計(jì)算模塊，用于計(jì)算出第一用戶在當(dāng)前第i采樣周期的興趣指數(shù)為x表示向前追溯x個(gè)采樣周期。

本發(fā)明的上述技術(shù)方案的有益效果如下：相較傳統(tǒng)的互聯(lián)網(wǎng)廣告受眾定位技術(shù)，不僅更適合運(yùn)營(yíng)商，還能與線下商業(yè)體系融合，形成對(duì)單一內(nèi)容源挖掘的全面壓制，實(shí)現(xiàn)運(yùn)營(yíng)商轉(zhuǎn)型。

附圖說(shuō)明

圖1表示現(xiàn)有受眾定向技術(shù)的工作原理示意圖；

圖2表示一種獲取受眾的方法的流程示意圖；

圖3表示獲取受眾的應(yīng)用場(chǎng)景的示意圖。

具體實(shí)施方式

為使本發(fā)明要解決的技術(shù)問(wèn)題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。

本發(fā)明實(shí)施例提供一套零硬件成本、實(shí)用性廣、運(yùn)營(yíng)商級(jí)的受眾定位技術(shù)，全面融合O&O場(chǎng)景、端到端數(shù)據(jù)，實(shí)時(shí)挖掘的用戶興趣并量化之。

本發(fā)明實(shí)施例提供一種獲取受眾的方法，如圖2所示，包括：

步驟201，獲取廣告商品的實(shí)體信息和用戶線下行為形成線下信息，獲取用戶的上網(wǎng)瀏覽行為形成線上信息，將所述線下信息和線上信息存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中；

步驟202，獲取第一用戶針對(duì)用戶行為數(shù)據(jù)倉(cāng)庫(kù)中的至少一個(gè)廣告商品的第一線下信息和第一線上信息；

步驟203，對(duì)所述第一線下信息和所述第一線上信息進(jìn)行歸一化；

步驟204，根據(jù)歸一化后的數(shù)據(jù)計(jì)算出所述第一用戶在當(dāng)前采樣周期中對(duì)至少一個(gè)廣告商品的興趣指數(shù)。

應(yīng)用本發(fā)明實(shí)施例提供的技術(shù)，全面融合O&O場(chǎng)景、端到端數(shù)據(jù)，實(shí)現(xiàn)用戶興趣的實(shí)時(shí)挖掘并量化，是一套全新的、零硬件成本的、實(shí)用性廣的、運(yùn)營(yíng)商級(jí)的受眾定位技術(shù)。

其中，興趣指數(shù)是指用戶對(duì)廣告商品的興趣；興趣指數(shù)與興趣的大小呈正相關(guān)，數(shù)值高則表示興趣大。

在一個(gè)優(yōu)選實(shí)施例中，如圖3所示，步驟101獲取廣告商品的實(shí)體信息和用戶線下行為形成線下信息，獲取用戶的上網(wǎng)瀏覽行為形成線上信息之前還包括：采集各個(gè)數(shù)據(jù)源。具體地，搭建硬件網(wǎng)絡(luò)，在硬件網(wǎng)絡(luò)上采集三個(gè)數(shù)據(jù)源，即，搭建無(wú)線接入控制服務(wù)器的日志服務(wù)器，收集無(wú)線接入控制服務(wù)器日志，根據(jù)無(wú)線接入控制服務(wù)器日志獲取用戶線下行為的軌跡；

搭建WLAN網(wǎng)管收集WLAN網(wǎng)絡(luò)的拓?fù)潢P(guān)系、資源信息和關(guān)鍵績(jī)效指標(biāo)；

搭建單無(wú)線接入控制服務(wù)器的分布式下行深度包檢測(cè)設(shè)備，還原出用戶上網(wǎng)瀏覽的目標(biāo)網(wǎng)頁(yè)，獲取用戶上網(wǎng)使用的每一個(gè)應(yīng)用程序名稱。這一步驟具體包括：

步驟11，搭建收集無(wú)線接入控制服務(wù)器(AC，Wireless Access Point Controller)日志的日志服務(wù)器，收集AC日志，這些AC日志用于完成采集用戶軌跡：在所有AC上、日志服務(wù)器兩端上都設(shè)置syslog功能，將AC日志實(shí)時(shí)傳輸至日志服務(wù)器，并保存在日志服務(wù)器上。用戶軌跡是用戶經(jīng)歷的每一個(gè)AP。

步驟12，搭建WLAN網(wǎng)管，收集WLAN網(wǎng)絡(luò)的拓?fù)潢P(guān)系、資源信息和關(guān)鍵績(jī)效指標(biāo)(KPI，Key Performance Indicator)；WLAN網(wǎng)管從設(shè)備廠家的MIB 庫(kù)，采集WLAN的信號(hào)發(fā)送設(shè)備(AP，Access Point)與AC的拓?fù)潢P(guān)系，記錄資源信息及變更情況。

步驟13，搭建單AC的分布式下行深度包檢測(cè)(DPI，Deep Packet Inspection)設(shè)備，在AC的下行流量口，進(jìn)行DPI，還原出用戶上網(wǎng)的每一個(gè)網(wǎng)頁(yè)，獲取用戶上網(wǎng)使用的每一個(gè)APP名稱。這里得到的是用戶上網(wǎng)的內(nèi)容，例如AC日志提供的是你行車的路線圖，這里提供的是行車所看到的風(fēng)景。

在一個(gè)優(yōu)選實(shí)施例中，還包括：根據(jù)所述用戶線下行為的軌跡、WLAN網(wǎng)絡(luò)的拓?fù)潢P(guān)系，甚至資源信息和關(guān)鍵績(jī)效指標(biāo)KPI形成每一個(gè)訪問(wèn)節(jié)點(diǎn)AP的線下信息，建立一個(gè)線下信息標(biāo)簽庫(kù)存放所述線下信息；根據(jù)所述目標(biāo)網(wǎng)頁(yè)和應(yīng)用程序名稱，將每位用戶的上網(wǎng)瀏覽行為編碼成數(shù)字標(biāo)簽，數(shù)字標(biāo)簽的邏輯順序是類別、來(lái)源、分類和詳細(xì)信息，根據(jù)數(shù)字標(biāo)簽形成線上信息；建立一個(gè)線上信息標(biāo)簽庫(kù)存放所述線上信息。如圖3所示，這一步驟具體包括：

步驟21，建立線下信息標(biāo)簽庫(kù)，將每個(gè)AP覆蓋下的專柜、店鋪、廣告位、特征等信息，編碼成數(shù)字標(biāo)簽，數(shù)字標(biāo)簽的邏輯順序是項(xiàng)目-樓宇-樓層-專柜/店鋪/廣告位，明確每一個(gè)AP的線下廣告商品的實(shí)體信息；

例如，某用戶去銀泰A座4樓，在雅戈?duì)枌９駜?nèi)駐留了下，該條信息被邏輯分詞為“線下(B)-銀泰(01)-A座(02)-4樓(14)-雅戈?duì)枌９?58)”，因此本條信息的數(shù)字標(biāo)簽為B01021458。

步驟22，建立線上信息標(biāo)簽庫(kù)，將每位用戶瀏覽的包括網(wǎng)頁(yè)、FTP、EMAIL、APP等在內(nèi)的上網(wǎng)內(nèi)容編碼成數(shù)字標(biāo)簽，數(shù)字標(biāo)簽的邏輯順序是類別-來(lái)源-分類-詳細(xì)信息，根據(jù)數(shù)字標(biāo)簽明確每位用戶每一條上網(wǎng)內(nèi)容的線上信息。

例如，第一用戶通過(guò)淘寶網(wǎng)看了一下雅戈?duì)柕牡赇?；該上網(wǎng)內(nèi)容被邏輯分詞為線上(A)-電商(00)-淘寶(01)-服裝(89)-雅戈?duì)?32)，因此，該條線上信息的數(shù)字標(biāo)簽為A00018932。

在一個(gè)優(yōu)選實(shí)施例中，將所述線下信息和線上信息存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中包括：根據(jù)用戶和時(shí)間點(diǎn)將所述線下信息和線上信息融合成行為數(shù)據(jù)，將所述行為數(shù)據(jù)存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中；線上信息包括線上點(diǎn)擊次數(shù)，線下信息包括線下到達(dá)次數(shù)和線下停留時(shí)長(zhǎng)；

獲取第一用戶針對(duì)用戶行為數(shù)據(jù)倉(cāng)庫(kù)中的至少一個(gè)廣告商品的第一線下 信息和第一線上信息包括：獲取第一用戶對(duì)特定行為數(shù)據(jù)的線上點(diǎn)擊次數(shù)、線下到達(dá)次數(shù)和線下停留時(shí)長(zhǎng)。

如圖3所示，包括步驟3，根據(jù)用戶和用戶線下行為發(fā)生的時(shí)間點(diǎn)，將線下信息和線上信息，融合成以用戶為軸的O&O用戶行為數(shù)據(jù)倉(cāng)庫(kù)。

例如，2015年1月1日9點(diǎn)20分-9點(diǎn)28分，用戶X在銀泰A座4樓，在雅戈?duì)枌９駜?nèi)駐留了8分鐘(數(shù)字標(biāo)簽為B01021458)，在此期間，用戶X在9點(diǎn)22分10秒還通過(guò)淘寶網(wǎng)瀏覽了雅戈?duì)柕牡赇?數(shù)字標(biāo)簽為A00018932，9點(diǎn)22分35秒，用戶X還通過(guò)淘寶APP完成了其他的操作。

在一個(gè)優(yōu)選實(shí)施例中，獲取第一用戶針對(duì)用戶行為數(shù)據(jù)倉(cāng)庫(kù)中的至少一個(gè)廣告商品的第一線下信息和第一線上信息包括：

獲取第一用戶對(duì)特定行為數(shù)據(jù)的線上點(diǎn)擊次數(shù)、線下到達(dá)次數(shù)、線下停留時(shí)長(zhǎng)。本發(fā)明實(shí)施例中，為方便描述，將線下信息和線上信息融合成行為數(shù)據(jù)，某一個(gè)廣告商品的行為數(shù)據(jù)則是該廣告商品的特定行為數(shù)據(jù)，因此，當(dāng)用戶在線上點(diǎn)擊某一個(gè)廣告商品的線上信息時(shí)，是對(duì)某一個(gè)特定行為數(shù)據(jù)的線上點(diǎn)擊，當(dāng)用戶在線下到達(dá)訪問(wèn)某一個(gè)廣告商品時(shí)，則是對(duì)某一個(gè)特定行為數(shù)據(jù)的線下到達(dá)。

在一個(gè)應(yīng)用場(chǎng)景中，如圖3所示，具體的流程包括：

步驟41～步驟43，獲取第一用戶對(duì)特定行為數(shù)據(jù)-包括某品牌、某內(nèi)容，的線上點(diǎn)擊次數(shù)、線下到達(dá)次數(shù)和線下停留時(shí)長(zhǎng)；

步驟44～步驟45，獲取全量用戶對(duì)該特定行為數(shù)據(jù)的相關(guān)用戶數(shù)、線上點(diǎn)擊總次數(shù)、線下達(dá)到總次數(shù)、線下停留總時(shí)長(zhǎng)等信息，這些信息可以用于在以后對(duì)本發(fā)明實(shí)施例提供的技術(shù)進(jìn)行升級(jí)、改進(jìn)的過(guò)程中使用。

在一個(gè)應(yīng)用場(chǎng)景中，需要評(píng)估雅戈?duì)枙r(shí)，篩選出“線上數(shù)字標(biāo)簽的第8和9位為32”及“線下數(shù)字標(biāo)簽的第8和9位為58”的用戶經(jīng)歷，獲得第一用戶及全量用戶，對(duì)雅戈?duì)柕木€上點(diǎn)擊次數(shù)、線下到達(dá)次數(shù)、線下停留時(shí)長(zhǎng)等信息。

在一個(gè)優(yōu)選實(shí)施例中，采用min-max標(biāo)準(zhǔn)化，實(shí)現(xiàn)三個(gè)信息指數(shù)的歸一化。如圖3所示，這一過(guò)程具體包括：

χ₁，χ₂，χ₃，......，χ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線 上點(diǎn)擊次數(shù)；

δ₁，δ₂，δ₃，......，δ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線下到達(dá)次數(shù)；

φ₁，φ₂，φ₃，......，φ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線下停留時(shí)長(zhǎng)大于分鐘閾值m的次數(shù)；

MAX₁為采樣周期內(nèi)，n名用戶中線上點(diǎn)擊次數(shù)的最大值；

MAX₂為采樣周期內(nèi)，n名用戶中線下到達(dá)次數(shù)的最大值；

MAX₃為采樣周期內(nèi)，n名用戶中線下停留時(shí)長(zhǎng)大于分鐘閾值m的次數(shù)最大值；

步驟51～步驟53，參考min-max標(biāo)準(zhǔn)化，取min＝0，避免了次數(shù)＝min時(shí)指數(shù)為0的問(wèn)題，采樣周期內(nèi)的第一用戶(a)，對(duì)特定行為數(shù)據(jù)的、歸一化的線上點(diǎn)擊指數(shù)λ₁、線下到達(dá)指數(shù)λ₂、線下停留指數(shù)λ₃分別為和

在一個(gè)優(yōu)選實(shí)施例中，如圖3所示，根據(jù)歸一化后的數(shù)據(jù)計(jì)算出第一用戶在當(dāng)前采樣周期中對(duì)第一行為數(shù)據(jù)的興趣指數(shù)包括步驟6：

第一用戶在第i采樣周期的興趣指數(shù)，η、β、γ為系數(shù)；

用戶的興趣決定于當(dāng)天的信息獲得，以及第i采樣周期之前x個(gè)采樣周期以來(lái)的記憶，因此前期x個(gè)采樣周期的記憶還需要考慮時(shí)間退化因素；

則第一用戶在當(dāng)前第i采樣周期的興趣指數(shù)為x表示向前追溯x個(gè)采樣周期。

本發(fā)明實(shí)施例提供一種獲取受眾的服務(wù)器設(shè)備，包括：

行為數(shù)據(jù)單元，用于獲取廣告商品的實(shí)體信息和用戶線下行為形成線下信息，獲取用戶的上網(wǎng)瀏覽行為形成線上信息，將所述線下信息和線上信息存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中；

信息指數(shù)單元，用于獲取第一用戶針對(duì)用戶行為數(shù)據(jù)倉(cāng)庫(kù)中的至少一個(gè)廣 告商品的第一線下信息和第一線上信息；

歸一化單元，用于對(duì)所述第一線下信息和所述第一線上信息進(jìn)行歸一化；

興趣指數(shù)單元，用于根據(jù)歸一化后的數(shù)據(jù)計(jì)算出所述第一用戶在當(dāng)前采樣周期中對(duì)至少一個(gè)廣告商品的興趣指數(shù)。

相較傳統(tǒng)的互聯(lián)網(wǎng)廣告受眾定位技術(shù)，不僅更適合運(yùn)營(yíng)商，還能與線下商業(yè)體系融合，形成對(duì)單一內(nèi)容源挖掘的全面壓制，實(shí)現(xiàn)運(yùn)營(yíng)商轉(zhuǎn)型。

在一個(gè)優(yōu)選實(shí)施例中，行為數(shù)據(jù)單元包括：

線下信息標(biāo)簽庫(kù)模塊，用于根據(jù)所述用戶線下行為的軌跡明確每一個(gè)訪問(wèn)節(jié)點(diǎn)AP的線下信息，建立一個(gè)線下信息標(biāo)簽庫(kù)存放所述線下信息；

線上信息標(biāo)簽庫(kù)模塊，用于根據(jù)所述目標(biāo)網(wǎng)頁(yè)和應(yīng)用程序名稱，將每位用戶的上網(wǎng)瀏覽行為編碼成數(shù)字標(biāo)簽，數(shù)字標(biāo)簽的邏輯順序是類別、來(lái)源、分類和詳細(xì)信息，形成線上信息；建立一個(gè)線上信息標(biāo)簽庫(kù)存放所述線上信息。

在一個(gè)優(yōu)選實(shí)施例中，行為數(shù)據(jù)單元包括：

行為數(shù)據(jù)單元包括數(shù)據(jù)倉(cāng)庫(kù)模塊，數(shù)據(jù)倉(cāng)庫(kù)模塊用于將所述線下信息和線上信息融合成行為數(shù)據(jù)，將所述行為數(shù)據(jù)存放在用戶行為數(shù)據(jù)倉(cāng)庫(kù)中；線上信息包括線上點(diǎn)擊次數(shù)，線下信息包括線下到達(dá)次數(shù)、線下停留時(shí)長(zhǎng)；

單用戶行為采集模塊，用于獲取第一用戶對(duì)特定行為數(shù)據(jù)的線上點(diǎn)擊次數(shù)、線下到達(dá)次數(shù)和線下停留時(shí)長(zhǎng)。

在一個(gè)優(yōu)選實(shí)施例中，歸一化單元包括：

歸一化實(shí)現(xiàn)模塊，用于采用min-max標(biāo)準(zhǔn)化模型，取min＝0，采樣周期內(nèi)的第一用戶，對(duì)特定行為數(shù)據(jù)的、歸一化的線上點(diǎn)擊指數(shù)λ₁、線下到達(dá)指數(shù)λ₂和線下停留指數(shù)λ₃分別為和χ₁，χ₂，χ₃，......，χ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線上點(diǎn)擊次數(shù)；

δ₁，δ₂，δ₃，......，δ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線下到達(dá)次數(shù)；

φ₁，φ₂，φ₃，......，φ_n為采樣周期內(nèi)，n名用戶分別對(duì)特定行為數(shù)據(jù)的線下 停留時(shí)長(zhǎng)大于分鐘閾值m的次數(shù)；

MAX₁為采樣周期內(nèi)，n名用戶中線上點(diǎn)擊次數(shù)的最大值；

MAX₂為采樣周期內(nèi)，n名用戶中線下到達(dá)次數(shù)的最大值；

MAX₃為采樣周期內(nèi)，n名用戶中線下停留時(shí)長(zhǎng)大于分鐘閾值m的次數(shù)最大值。

在一個(gè)優(yōu)選實(shí)施例中，興趣指數(shù)單元包括：

單周期興趣指數(shù)模塊，用于計(jì)算第一用戶在第i采樣周期的興趣指數(shù)θ_i＝η×λ₁+β×λ₂+γ×λ₃，η、β、γ為系數(shù)；

前期時(shí)間退化因素模塊，用于計(jì)算出前期x個(gè)采樣周期的記憶的時(shí)間退化因素；

興趣指數(shù)計(jì)算模塊，用于計(jì)算出第一用戶在當(dāng)前第i采樣周期的興趣指數(shù)為x表示向前追溯x個(gè)采樣周期。

采用本方案之后的優(yōu)勢(shì)是：將用戶線上點(diǎn)擊的內(nèi)容與線下場(chǎng)景的位置、到達(dá)時(shí)間和停留時(shí)間相融合，這樣，當(dāng)用戶在購(gòu)物中心(shopping mall)的某一層時(shí)，系統(tǒng)能夠在吃飯時(shí)間段內(nèi)主動(dòng)向用戶推送同一層、或步行數(shù)分鐘路程內(nèi)、某口味的餐館等O2O廣告；與傳統(tǒng)的互聯(lián)網(wǎng)廣告受眾定位技術(shù)相比，本發(fā)明實(shí)施例融合了用戶在線下去了哪里，在哪里停留多久等信息，擴(kuò)展了分析的全面性，不僅更適合運(yùn)營(yíng)商，還能與線下商業(yè)體系融合，形成對(duì)單一內(nèi)容源挖掘的全面壓制，實(shí)現(xiàn)運(yùn)營(yíng)商轉(zhuǎn)型。

以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。