本發(fā)明涉及數(shù)字營銷，具體而言，涉及一種基于aigc的數(shù)字營銷系統(tǒng)及方法。

背景技術(shù)：

1、在當(dāng)今數(shù)字化時(shí)代，廣告投放的效率和效果常常受到多種復(fù)雜因素的影響和制約。傳統(tǒng)的廣告投放方法主要依賴于廣告主的經(jīng)驗(yàn)判斷和市場調(diào)研數(shù)據(jù)的支持，然而，這些方法在應(yīng)對快速變化的市場環(huán)境和用戶行為時(shí)，往往顯得不夠靈活和準(zhǔn)確。隨著科技的進(jìn)步和大數(shù)據(jù)技術(shù)的發(fā)展，廣告投放已經(jīng)逐漸從傳統(tǒng)的經(jīng)驗(yàn)驅(qū)動模式轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動模式，以期提高廣告投放的精準(zhǔn)度和效率。

2、在現(xiàn)有的數(shù)字營銷系統(tǒng)中，廣告投放的效率和效果往往受到多種因素的影響和制約。這些因素包括但不限于市場環(huán)境的快速變化、用戶行為的多樣化和個(gè)性化需求、廣告投放平臺的技術(shù)能力以及廣告內(nèi)容的創(chuàng)意和吸引力等。傳統(tǒng)的廣告投放方法主要依賴于廣告主的經(jīng)驗(yàn)判斷和市場調(diào)研數(shù)據(jù)的支持，但這些方法在應(yīng)對快速變化的市場環(huán)境和用戶行為時(shí)，往往顯得不夠靈活和準(zhǔn)確。

技術(shù)實(shí)現(xiàn)思路

1、鑒于此，本發(fā)明提出了一種基于aigc的數(shù)字營銷系統(tǒng)及方法，旨在解決當(dāng)前技術(shù)中廣告投放方法主要依賴于廣告主的經(jīng)驗(yàn)判斷和市場調(diào)研數(shù)據(jù)的支持，但這些方法在應(yīng)對快速變化的市場環(huán)境和用戶行為時(shí)，往往顯得不夠靈活和準(zhǔn)確的問題。

2、一個(gè)方面，本發(fā)明提出了一種基于aigc的數(shù)字營銷系統(tǒng)，包括：

3、廣告單元，采集歷史數(shù)據(jù)和廣告類型數(shù)據(jù)，確定廣告基準(zhǔn)曝光時(shí)長，并基于aigc技術(shù)自動生成廣告并發(fā)布；

4、采集單元，被配置為在廣告發(fā)布后，在第一時(shí)間間隔后采集廣告表現(xiàn)數(shù)據(jù)并確定初始廣告曝光時(shí)長；還被配置為在第二時(shí)間間隔后，采集用戶的實(shí)時(shí)行為數(shù)據(jù)并與所述歷史數(shù)據(jù)進(jìn)行比對，根據(jù)比對結(jié)果判斷是否對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整；

5、處理單元，被配置為當(dāng)判定對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整時(shí)，根據(jù)所述廣告表現(xiàn)數(shù)據(jù)與所述歷史數(shù)據(jù)計(jì)算綜合相似度，將所述綜合相似度與綜合相似度閾值進(jìn)行比對，根據(jù)綜合相似度確定曝光時(shí)長影響因子；當(dāng)所述綜合相似度大于所述綜合相似度閾值時(shí)，根據(jù)所述歷史數(shù)據(jù)確定所述曝光時(shí)長影響因子；當(dāng)所述綜合相似度小于或等于所述相似度閾值時(shí)，通過機(jī)器學(xué)習(xí)算法確定所述曝光時(shí)長影響因子；

6、調(diào)整單元，被配置為根據(jù)所述曝光時(shí)長影響因子對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整，以調(diào)整后的最終廣告曝光時(shí)長完成廣告投放。

7、進(jìn)一步地，所述廣告表現(xiàn)數(shù)據(jù)包括廣告點(diǎn)擊率、廣告轉(zhuǎn)化率和用戶互動率。

8、進(jìn)一步地，確定廣告基準(zhǔn)曝光時(shí)長時(shí)包括：

9、采集用戶群體特征數(shù)據(jù)并結(jié)合所述廣告類型數(shù)據(jù)，通過所述aigc技術(shù)分析不同用戶群體對不同類型廣告的反應(yīng)差異，從而確定不同類型廣告的基準(zhǔn)曝光時(shí)長。

10、進(jìn)一步地，在廣告發(fā)布后，在第一時(shí)間間隔后采集廣告表現(xiàn)數(shù)據(jù)并確定初始廣告曝光時(shí)長時(shí)，所述初始廣告曝光時(shí)長通過下式獲得：

11、ti=tb*(1+ω1*ctrt+ω2*crt+ω3*ent)

12、其中，ti表示所述初始廣告曝光時(shí)長，tb表示所述基準(zhǔn)曝光時(shí)長，ctrt表示該類型廣告在第一時(shí)間間隔內(nèi)的平均點(diǎn)擊率，crt表示該類型廣告在第一時(shí)間間隔內(nèi)的平均轉(zhuǎn)化率，ent表示該類型廣告在第一時(shí)間間隔內(nèi)的平均用戶互動率，ω1、ω2和ω3為權(quán)重系數(shù)，且ω1、ω2、ω3的和值為1。

13、進(jìn)一步地，在第二時(shí)間間隔后，采集所述用戶的實(shí)時(shí)行為數(shù)據(jù)并與所述歷史數(shù)據(jù)進(jìn)行比對，根據(jù)比對結(jié)果判斷是否對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整時(shí)，包括：

14、當(dāng)所述歷史數(shù)據(jù)中存在與所述實(shí)時(shí)行為數(shù)據(jù)中相同數(shù)據(jù)時(shí)，不對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整；

15、當(dāng)所述歷史數(shù)據(jù)中不存在與所述實(shí)時(shí)行為數(shù)據(jù)中相同數(shù)據(jù)時(shí)，對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整。

16、進(jìn)一步地，當(dāng)判定對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整時(shí)，根據(jù)所述廣告表現(xiàn)數(shù)據(jù)與所述歷史數(shù)據(jù)計(jì)算綜合相似度時(shí)，包括：

17、so=α1*sim(ctrc,ctrh)+α2*sim(crc,crh)+α3*sim(enc,enh)

18、其中，so表示所述綜合相似度，α1、α2和α3表示權(quán)重系數(shù)，且，α1、α2、α3的和值為1，ctrc表示該類型廣告當(dāng)前廣告點(diǎn)擊率，ctrh表示該類型廣告歷史廣告點(diǎn)擊率，sim(ctrc,ctrh）表示該類型廣告當(dāng)前廣告點(diǎn)擊率與歷史廣告點(diǎn)擊率之間的相似程度，crc表示該類型廣告當(dāng)前廣告轉(zhuǎn)化率，crh表示該類型廣告歷史廣告轉(zhuǎn)化率，sim(crc,crh）表示該類型廣告當(dāng)前廣告轉(zhuǎn)化率與歷史廣告轉(zhuǎn)化率之間的相似程度，enc表示該類型廣告當(dāng)前廣告用戶互動率，enh表示該類型廣告歷史廣告用戶互動率，sim(enc,enh）表示該類型廣告當(dāng)前廣告用戶互動率與歷史廣告用戶互動率之間的相似程度。

19、進(jìn)一步地，根據(jù)綜合相似度確定曝光時(shí)長影響因子時(shí)，包括：

20、將所述綜合相似度與預(yù)先設(shè)定的綜合相似度閾值進(jìn)行比對，根據(jù)比對結(jié)果確定曝光時(shí)長影響因子；

21、當(dāng)所述歷史數(shù)據(jù)中存在所述綜合相似度大于所述綜合相似度閾值的數(shù)據(jù)時(shí)，根據(jù)所述歷史數(shù)據(jù)確定所述曝光時(shí)長影響因子；

22、當(dāng)所述歷史數(shù)據(jù)中不存在所述綜合相似度大于所述綜合相似度閾值的數(shù)據(jù)時(shí)，根據(jù)機(jī)器學(xué)習(xí)算法確定所述曝光時(shí)長影響因子。

23、進(jìn)一步地，根據(jù)所述歷史數(shù)據(jù)確定所述曝光時(shí)長影響因子時(shí)，包括：

24、當(dāng)所述歷史數(shù)據(jù)中的所述綜合相似度大于所述綜合相似度閾值的數(shù)據(jù)唯一時(shí)，將數(shù)據(jù)對應(yīng)的歷史曝光時(shí)長影響因子作為所述曝光時(shí)長影響因子；

25、當(dāng)所述歷史數(shù)據(jù)中的所述綜合相似度大于所述綜合相似度閾值的數(shù)據(jù)不唯一時(shí)，將各數(shù)據(jù)對應(yīng)的歷史曝光時(shí)長影響因子的均值作為所述曝光時(shí)長影響因子。

26、進(jìn)一步地，根據(jù)機(jī)器學(xué)習(xí)算法確定所述曝光時(shí)長影響因子時(shí)，包括：

27、根據(jù)所述廣告表現(xiàn)數(shù)據(jù)、用戶行為數(shù)據(jù)以及歷史曝光時(shí)長影響因子建立訓(xùn)練數(shù)據(jù)集；

28、利用深度學(xué)習(xí)模型，通過所述訓(xùn)練數(shù)據(jù)集對所述初始廣告曝光時(shí)長與用戶行為數(shù)據(jù)之間的關(guān)系進(jìn)行學(xué)習(xí)，以預(yù)測所述最終廣告曝光時(shí)長；

29、采用梯度下降算法優(yōu)化模型參數(shù)；

30、在訓(xùn)練完成后，將所述廣告表現(xiàn)數(shù)據(jù)和用戶行為數(shù)據(jù)輸入到訓(xùn)練好的所述深度學(xué)習(xí)模型中，得到所述曝光時(shí)長影響因子；

31、根據(jù)所述曝光時(shí)長影響因子，調(diào)整所述初始廣告曝光時(shí)長。

32、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：在本發(fā)明中，采集單元在廣告發(fā)布后，通過實(shí)時(shí)監(jiān)測和分析廣告的表現(xiàn)數(shù)據(jù)，能夠快速地評估廣告的初始曝光時(shí)長是否合適。在第一時(shí)間間隔后，采集單元會收集廣告的點(diǎn)擊率、轉(zhuǎn)化率等關(guān)鍵指標(biāo)，以確定初始曝光時(shí)長是否需要調(diào)整；在第二時(shí)間間隔后，采集單元進(jìn)一步采集用戶的實(shí)時(shí)行為數(shù)據(jù)，與歷史數(shù)據(jù)進(jìn)行比對，以判斷廣告的表現(xiàn)是否符合預(yù)期；處理單元在判定需要調(diào)整初始廣告曝光時(shí)長時(shí)，會計(jì)算廣告表現(xiàn)數(shù)據(jù)與歷史數(shù)據(jù)的綜合相似度；當(dāng)綜合相似度大于綜合相似度閾值時(shí)，說明當(dāng)前廣告的表現(xiàn)與歷史數(shù)據(jù)相似，處理單元將根據(jù)歷史數(shù)據(jù)確定曝光時(shí)長影響因子；當(dāng)綜合相似度小于或等于相似度閾值時(shí)，說明當(dāng)前廣告的表現(xiàn)與歷史數(shù)據(jù)存在較大差異，處理單元將通過機(jī)器學(xué)習(xí)算法分析數(shù)據(jù)，確定曝光時(shí)長影響因子；調(diào)整單元根據(jù)曝光時(shí)長影響因子對初始廣告曝光時(shí)長進(jìn)行調(diào)整，以優(yōu)化廣告投放效果。調(diào)整后的最終廣告曝光時(shí)長將有助于提高廣告的點(diǎn)擊率和轉(zhuǎn)化率，從而提升整體廣告投放的回報(bào)率。通過這種動態(tài)調(diào)整機(jī)制，數(shù)字營銷系統(tǒng)能夠?qū)崟r(shí)響應(yīng)市場變化，優(yōu)化廣告投放策略，實(shí)現(xiàn)更高效的廣告效果。

33、另一個(gè)方面，本發(fā)明還提出了一種基于aigc的數(shù)字營銷方法，包括以下步驟：

34、s100：采集歷史數(shù)據(jù)和廣告類型數(shù)據(jù)，確定廣告基準(zhǔn)曝光時(shí)長，并基于aigc技術(shù)自動生成廣告并發(fā)布；

35、s200：在廣告發(fā)布后，在第一時(shí)間間隔后采集廣告表現(xiàn)數(shù)據(jù)并確定初始廣告曝光時(shí)長；還被配置為在第二時(shí)間間隔后，采集用戶的實(shí)時(shí)行為數(shù)據(jù)并與所述歷史數(shù)據(jù)進(jìn)行比對，根據(jù)比對結(jié)果判斷是否對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整；

36、s300：當(dāng)判定對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整時(shí)，根據(jù)所述廣告表現(xiàn)數(shù)據(jù)與所述歷史數(shù)據(jù)計(jì)算綜合相似度，將所述綜合相似度與綜合相似度閾值進(jìn)行比對，根據(jù)綜合相似度確定曝光時(shí)長影響因子；當(dāng)所述綜合相似度大于所述綜合相似度閾值時(shí)，根據(jù)所述歷史數(shù)據(jù)確定所述曝光時(shí)長影響因子；當(dāng)所述綜合相似度小于或等于所述相似度閾值時(shí)，通過機(jī)器學(xué)習(xí)算法確定所述曝光時(shí)長影響因子；

37、s400：根據(jù)所述曝光時(shí)長影響因子對所述初始廣告曝光時(shí)長進(jìn)行調(diào)整，以調(diào)整后的最終廣告曝光時(shí)長完成廣告投放。

38、可以理解的是，上述基于aigc的數(shù)字營銷系統(tǒng)及方法具備相同的有益效果，在此不再贅述。