本發(fā)明涉及智能廣告，具體為一種基于數(shù)據(jù)特征匹配的廣告智能投放管理方法及系統(tǒng)。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，互聯(lián)網(wǎng)廣告逐漸成為一種主流廣告媒體。與傳統(tǒng)的廣告媒體相比，互聯(lián)網(wǎng)廣告具有覆蓋范圍廣、主動(dòng)性和積極性強(qiáng)、費(fèi)用相對(duì)較低、性價(jià)比高以及具有強(qiáng)烈互動(dòng)性等優(yōu)勢(shì)，因此，互聯(lián)網(wǎng)廣告也越來(lái)越受到各公司及商戶的青睞。

2、現(xiàn)有的基于信息流的廣告投放方法通常采用的是基于單一媒體按需配給的方式，這種模式下缺乏對(duì)單一用戶進(jìn)行廣告投放頻次的控制功能，用戶對(duì)同一廣告或同一類型廣告的多次曝光可能會(huì)產(chǎn)生“廣告疲勞”，一定程度上降低點(diǎn)擊率和轉(zhuǎn)化率；且各用戶端中不同在線渠道的數(shù)據(jù)孤立存在，難以進(jìn)行綜合分析和優(yōu)化，無(wú)法形成完整的用戶特征數(shù)據(jù)集，導(dǎo)致廣告投放的精準(zhǔn)度和效果欠佳。

3、為了解決此問(wèn)題，我們提出一種基于數(shù)據(jù)特征匹配的廣告智能投放管理方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于數(shù)據(jù)特征匹配的廣告智能投放管理方法及系統(tǒng)，可以有效解決背景技術(shù)中的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：一種基于數(shù)據(jù)特征匹配的廣告智能投放管理方法及系統(tǒng)，包括：

3、構(gòu)建云數(shù)據(jù)平臺(tái)，所述云數(shù)據(jù)平臺(tái)設(shè)置有廣告數(shù)據(jù)庫(kù)及用戶數(shù)據(jù)庫(kù)，廣告數(shù)據(jù)庫(kù)用于存儲(chǔ)多種廣告原始數(shù)據(jù)；

4、獲取用戶授權(quán)后與各個(gè)用戶端進(jìn)行交互，采集各個(gè)用戶端的用戶基本信息及網(wǎng)絡(luò)狀態(tài)信息；

5、對(duì)各個(gè)用戶端設(shè)置數(shù)據(jù)埋點(diǎn)，通過(guò)數(shù)據(jù)埋點(diǎn)按一定頻次采集對(duì)應(yīng)用戶端當(dāng)前周期內(nèi)的用戶特征數(shù)據(jù)集及當(dāng)前時(shí)間戳，將采集得到的各個(gè)用戶端的用戶特征數(shù)據(jù)集及對(duì)應(yīng)時(shí)間戳上傳至用戶數(shù)據(jù)庫(kù)中；

6、構(gòu)建多渠道管理平臺(tái)，基于各個(gè)用戶端采集得到的用戶特征數(shù)據(jù)集及時(shí)間戳構(gòu)建偏好預(yù)測(cè)模型，得到該用戶對(duì)于各商品類別的偏好程度指標(biāo)；

7、多渠道管理平臺(tái)獲取各個(gè)用戶端的實(shí)時(shí)地理位置信息及在線渠道類型數(shù)據(jù)，結(jié)合各個(gè)用戶端的實(shí)時(shí)地理位置信息及偏好程度指標(biāo)，計(jì)算用戶與廣告的實(shí)時(shí)匹配度，得到廣告匹配度數(shù)據(jù)；

8、獲取各個(gè)用戶端的可用廣告投放請(qǐng)求，可用廣告投放請(qǐng)求包括可用廣告投放方式以及對(duì)應(yīng)的可用廣告區(qū)域；

9、基于可用廣告投放請(qǐng)求設(shè)置廣告競(jìng)價(jià)機(jī)制，使各廣告原始數(shù)據(jù)對(duì)應(yīng)的廣告發(fā)行商通過(guò)廣告競(jìng)價(jià)機(jī)制對(duì)可用廣告區(qū)域進(jìn)行競(jìng)價(jià)，得到競(jìng)價(jià)結(jié)果數(shù)據(jù)；

10、構(gòu)建綜合評(píng)分模型，基于廣告的匹配度數(shù)據(jù)、廣告疲勞指數(shù)及競(jìng)價(jià)結(jié)果評(píng)分生成各個(gè)用戶端的廣告匹配評(píng)分?jǐn)?shù)據(jù)，并根據(jù)廣告匹配評(píng)分?jǐn)?shù)據(jù)對(duì)各個(gè)廣告進(jìn)行優(yōu)先級(jí)排序，根據(jù)優(yōu)先級(jí)排序篩選出預(yù)投放廣告；

11、基于各個(gè)用戶端的在線渠道類型數(shù)據(jù)，預(yù)設(shè)預(yù)投放廣告于各個(gè)用戶端的投放方式，對(duì)廣告進(jìn)行投放；

12、采集該廣告的投放頻次數(shù)據(jù)，將該投放頻次數(shù)據(jù)上傳至多渠道管理平臺(tái)，采集廣告投放后的廣告效果數(shù)據(jù)，將廣告效果數(shù)據(jù)上傳至用戶數(shù)據(jù)庫(kù)中，對(duì)各個(gè)用戶端后續(xù)的廣告投放持續(xù)進(jìn)行優(yōu)化。

13、作為優(yōu)選，所述構(gòu)建云數(shù)據(jù)平臺(tái)，云數(shù)據(jù)平臺(tái)設(shè)置有廣告數(shù)據(jù)庫(kù)及用戶數(shù)據(jù)庫(kù)，廣告數(shù)據(jù)庫(kù)用于存儲(chǔ)多種廣告原始數(shù)據(jù)；獲取用戶授權(quán)后與各個(gè)用戶端進(jìn)行交互，采集各個(gè)用戶端的用戶基本信息及網(wǎng)絡(luò)狀態(tài)信息；對(duì)各個(gè)用戶端設(shè)置數(shù)據(jù)埋點(diǎn)，通過(guò)數(shù)據(jù)埋點(diǎn)按一定頻次采集對(duì)應(yīng)用戶端當(dāng)前周期內(nèi)的用戶特征數(shù)據(jù)集及當(dāng)前時(shí)間戳，將采集得到的各個(gè)用戶端的用戶特征數(shù)據(jù)集及對(duì)應(yīng)時(shí)間戳上傳至用戶數(shù)據(jù)庫(kù)中，具體包括：

14、所述廣告原始數(shù)據(jù)包括基本廣告內(nèi)容、廣告發(fā)行商及投放效果數(shù)據(jù)；

15、用戶數(shù)據(jù)庫(kù)用于存儲(chǔ)各個(gè)用戶端的用戶基本信息、網(wǎng)絡(luò)狀態(tài)信息及用戶特征數(shù)據(jù)集，并對(duì)數(shù)據(jù)進(jìn)行分類整理；

16、所述數(shù)據(jù)埋點(diǎn)包括數(shù)據(jù)采集埋點(diǎn)及數(shù)據(jù)整合埋點(diǎn)；

17、數(shù)據(jù)采集埋點(diǎn)設(shè)置于用戶端的各個(gè)軟件中，用于捕捉用戶的交互行為和使用記錄，并記錄當(dāng)前的時(shí)間戳；

18、數(shù)據(jù)整合埋點(diǎn)用于在服務(wù)器端接收數(shù)據(jù)采集埋點(diǎn)采集到的數(shù)據(jù)，對(duì)采集得到的數(shù)據(jù)進(jìn)行清洗，過(guò)濾掉無(wú)效或異常的數(shù)據(jù)記錄，填補(bǔ)缺失的數(shù)據(jù)字段，將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的格式，合并為用戶特征數(shù)據(jù)集并存儲(chǔ)到用戶數(shù)據(jù)庫(kù)中，用于進(jìn)一步的分析和優(yōu)化；

19、所述用戶特征數(shù)據(jù)集包括瀏覽數(shù)據(jù)、搜索數(shù)據(jù)、點(diǎn)擊數(shù)據(jù)及消費(fèi)數(shù)據(jù)；

20、其中，瀏覽數(shù)據(jù)包括瀏覽次數(shù)及瀏覽商品類別，搜索數(shù)據(jù)包括搜索次數(shù)及搜索商品類別，點(diǎn)擊記錄數(shù)據(jù)包括點(diǎn)擊次數(shù)及點(diǎn)擊商品類別，消費(fèi)數(shù)據(jù)包括消費(fèi)次數(shù)及消費(fèi)商品類別。

21、作為優(yōu)選，所述構(gòu)建多渠道管理平臺(tái)，基于各個(gè)用戶端采集得到的用戶特征數(shù)據(jù)集及時(shí)間戳構(gòu)建偏好預(yù)測(cè)模型，得到該用戶對(duì)于各商品類別的偏好程度指標(biāo)，具體包括：

22、多渠道管理平臺(tái)用于整合及管理來(lái)自各個(gè)用戶端的數(shù)據(jù)；

23、根據(jù)用戶數(shù)據(jù)庫(kù)中的用戶基本信息，將每一個(gè)用戶與對(duì)應(yīng)的用戶特征數(shù)據(jù)集及時(shí)間戳進(jìn)行關(guān)聯(lián)；

24、提取瀏覽數(shù)據(jù)中的瀏覽商品類別信息及對(duì)應(yīng)的瀏覽次數(shù)信息，提取搜索數(shù)據(jù)中的搜索商品類別信息及對(duì)應(yīng)的搜索次數(shù)信息，提取點(diǎn)擊記錄數(shù)據(jù)中的點(diǎn)擊商品類別信息及對(duì)應(yīng)的點(diǎn)擊次數(shù)信息，提取消費(fèi)數(shù)據(jù)中的消費(fèi)商品類別信息及對(duì)應(yīng)的消費(fèi)次數(shù)信息；

25、按照時(shí)間戳將采集得到的數(shù)據(jù)劃分為不同的周期，每個(gè)時(shí)間戳對(duì)應(yīng)一個(gè)周期的數(shù)據(jù)集合，各個(gè)周期的時(shí)長(zhǎng)相同且各個(gè)周期按照時(shí)間先后順序依次記為第周期、第周期…第周期，根據(jù)每個(gè)數(shù)據(jù)集合內(nèi)數(shù)據(jù)的商品類別信息對(duì)上述數(shù)據(jù)進(jìn)行分類整合，根據(jù)偏好預(yù)測(cè)模型計(jì)算該用戶在當(dāng)前周期內(nèi)對(duì)該類別商品的偏好程度，得到偏好程度指標(biāo)；

26、所述偏好程度指標(biāo)為：

27、；

28、式中，表示用戶在第個(gè)周期時(shí)對(duì)商品類別的偏好程度，表示在第個(gè)周期內(nèi)對(duì)商品類別的偏好程度，表示在第個(gè)周期內(nèi)對(duì)商品類別的偏好程度，表示用戶在第個(gè)周期內(nèi)對(duì)商品類別的瀏覽次數(shù)，表示用戶在第個(gè)周期內(nèi)對(duì)商品類別的搜索次數(shù)，表示用戶在第個(gè)周期內(nèi)對(duì)商品類別的點(diǎn)擊次數(shù)，表示用戶在第個(gè)周期內(nèi)對(duì)商品類別的消費(fèi)次數(shù)，表示用戶在第個(gè)周期內(nèi)對(duì)商品類別的瀏覽次數(shù)，表示用戶在第個(gè)周期內(nèi)對(duì)商品類別的搜索次數(shù)，表示用戶在第個(gè)周期內(nèi)對(duì)商品類別的點(diǎn)擊次數(shù)，表示用戶在第個(gè)周期內(nèi)對(duì)商品類別的消費(fèi)次數(shù)，、、、分別為權(quán)值參數(shù)，為一個(gè)介于0到1之間的常數(shù)，代表每向前一個(gè)周期，權(quán)重減少的比例。

29、作為優(yōu)選，所述獲取各個(gè)用戶端的實(shí)時(shí)地理位置信息及在線渠道類型數(shù)據(jù)，結(jié)合各個(gè)用戶端的實(shí)時(shí)地理位置信息及偏好程度指標(biāo)，計(jì)算用戶與廣告的實(shí)時(shí)匹配度，得到廣告匹配度數(shù)據(jù)，具體包括：

30、根據(jù)在線渠道類型數(shù)據(jù)，獲取在線渠道歷史交易數(shù)據(jù)；

31、根據(jù)在線渠道歷史交易數(shù)據(jù)，基于交易商品命名實(shí)體識(shí)別，獲取交易標(biāo)簽信息，所述交易標(biāo)簽信息表示交易的各個(gè)商品類別；

32、對(duì)廣告原始數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，獲取廣告標(biāo)簽信息，所述廣告標(biāo)簽信息表示各個(gè)廣告類型，廣告原始數(shù)據(jù)中的各個(gè)廣告均對(duì)應(yīng)設(shè)置有至少一個(gè)廣告標(biāo)簽信息；

33、將商品類別與廣告類型進(jìn)行匹配,根據(jù)交易標(biāo)簽信息和廣告標(biāo)簽信息，獲取廣告投放指數(shù)；

34、；

35、式中，為商品類別所對(duì)應(yīng)廣告類型的廣告投放指數(shù)，為商品類別在交易標(biāo)簽信息中的標(biāo)簽數(shù)，為廣告標(biāo)簽信息的總標(biāo)簽數(shù)，為第個(gè)在線渠道中的交易標(biāo)簽總數(shù)；

36、根據(jù)廣告原始數(shù)據(jù)，獲取廣告商戶位置信息；

37、根據(jù)廣告商戶位置信息和用戶的實(shí)時(shí)地理位置信息，以廣告商戶位置和用戶端位置的距離的倒數(shù)，作為距離影響系數(shù)；

38、根據(jù)廣告投放指數(shù)、位置影響系數(shù)和偏好程度指標(biāo)，獲取廣告匹配度；

39、其中，廣告匹配度的計(jì)算公式為：

40、；

41、式中，為第個(gè)廣告的廣告匹配度，為與商品類別所對(duì)應(yīng)的第個(gè)廣告的廣告類型的廣告投放指數(shù)，為廣告商戶位置和用戶端位置的距離，為第個(gè)廣告對(duì)應(yīng)的商品類別的偏好程度指標(biāo)。

42、作為優(yōu)選，所述構(gòu)建綜合評(píng)分模型，基于廣告的匹配度數(shù)據(jù)、廣告疲勞指數(shù)及競(jìng)價(jià)結(jié)果評(píng)分生成各個(gè)用戶端的廣告匹配評(píng)分?jǐn)?shù)據(jù)，并根據(jù)廣告匹配評(píng)分?jǐn)?shù)據(jù)對(duì)各個(gè)廣告進(jìn)行優(yōu)先級(jí)排序，根據(jù)優(yōu)先級(jí)排序篩選出預(yù)投放廣告，具體包括：

43、獲取廣告發(fā)行商給出的競(jìng)價(jià)結(jié)果數(shù)據(jù)，基于競(jìng)價(jià)結(jié)果數(shù)據(jù)及該廣告對(duì)應(yīng)的投放效果數(shù)據(jù)計(jì)算該廣告的競(jìng)價(jià)結(jié)果評(píng)分；

44、投放效果數(shù)據(jù)包括該廣告歷史點(diǎn)擊率及歷史轉(zhuǎn)化率；

45、獲取當(dāng)前周期內(nèi)該廣告的廣告投放數(shù)據(jù)，基于投放頻次數(shù)據(jù)計(jì)算該廣告的廣告疲勞指數(shù)；

46、廣告投放數(shù)據(jù)包括當(dāng)前周期下該廣告的投放頻次、用戶的舉報(bào)頻次及總瀏覽時(shí)長(zhǎng)；

47、基于當(dāng)前周期的廣告匹配度數(shù)據(jù)、廣告投放數(shù)據(jù)及競(jìng)價(jià)結(jié)果評(píng)分，獲取各個(gè)用戶端的各類型廣告的廣告匹配評(píng)分指標(biāo)；

48、基于各個(gè)用戶端的廣告匹配評(píng)分指標(biāo)數(shù)據(jù)對(duì)廣告的優(yōu)先級(jí)進(jìn)行排序，廣告匹配評(píng)分高的廣告優(yōu)先級(jí)更高；

49、根據(jù)投放需求設(shè)置一個(gè)評(píng)分閾值，高于該評(píng)分閾值的廣告均視為預(yù)投放廣告；

50、所述競(jìng)價(jià)結(jié)果評(píng)分為；

51、；

52、式中，表示競(jìng)價(jià)結(jié)果評(píng)分，表示廣告歷史點(diǎn)擊率，表示廣告歷史轉(zhuǎn)化率，表示廣告競(jìng)價(jià)價(jià)格數(shù)據(jù)，、、分別表示對(duì)應(yīng)廣告歷史點(diǎn)擊率、廣告歷史轉(zhuǎn)化率和廣告競(jìng)價(jià)價(jià)格數(shù)據(jù)的權(quán)值參數(shù)；

53、所述廣告疲勞指數(shù)為：

54、；

55、式中，表示廣告疲勞指數(shù)，表示廣告投放頻次，表示用戶舉報(bào)頻次，表示廣告瀏覽時(shí)長(zhǎng)；

56、所述廣告匹配評(píng)分指標(biāo)為：

57、；

58、式中，表示用戶在第個(gè)周期對(duì)第個(gè)廣告的匹配評(píng)分?jǐn)?shù)據(jù)，表示廣告匹配度，表示競(jìng)價(jià)結(jié)果評(píng)分，表示廣告疲勞指數(shù)，、、分別表示對(duì)應(yīng)廣告匹配度、投放頻次和競(jìng)價(jià)結(jié)果評(píng)分的權(quán)值參數(shù)，表示偏移量。

59、作為優(yōu)選，所述基于各個(gè)用戶端的在線渠道類型數(shù)據(jù)，預(yù)設(shè)預(yù)投放廣告于各個(gè)用戶端的投放方式，對(duì)廣告進(jìn)行投放，具體包括：

60、通過(guò)采集得到的在線渠道類型數(shù)據(jù)確定各個(gè)用戶端當(dāng)前的渠道類型；

61、根據(jù)當(dāng)前在線渠道的類型對(duì)該廣告的投放方式進(jìn)行調(diào)整以及預(yù)設(shè)；

62、根據(jù)優(yōu)先級(jí)排序依次對(duì)預(yù)投放廣告進(jìn)行投放，并實(shí)時(shí)監(jiān)測(cè)廣告的投放效果。

63、作為優(yōu)選，所述采集該廣告的投放頻次數(shù)據(jù)，將該投放頻次數(shù)據(jù)上傳至多渠道管理平臺(tái)，采集廣告投放后的廣告效果數(shù)據(jù)，將廣告效果數(shù)據(jù)上傳至用戶數(shù)據(jù)庫(kù)中，對(duì)各個(gè)用戶端后續(xù)的廣告投放持續(xù)進(jìn)行優(yōu)化，具體包括：

64、采集當(dāng)前周期下該在線渠道的廣告投放數(shù)據(jù)；

65、將當(dāng)前周期下該在線渠道的廣告投放數(shù)據(jù)上傳至多渠道管理平臺(tái)；

66、當(dāng)檢測(cè)到當(dāng)前周期下該在線渠道的廣告投放頻次發(fā)生變化時(shí)，將最新的投放頻次數(shù)據(jù)上傳至多渠道管理平臺(tái)，并覆蓋原有的廣告投放數(shù)據(jù)，當(dāng)前周期結(jié)束時(shí)，確保多渠道管理平臺(tái)中保留一個(gè)最新的廣告投放數(shù)據(jù)；

67、采集當(dāng)前周期下該在線渠道的廣告效果數(shù)據(jù)；

68、所述廣告效果數(shù)據(jù)包括對(duì)該廣告的瀏覽數(shù)據(jù)、點(diǎn)擊數(shù)據(jù)及消費(fèi)數(shù)據(jù)；

69、將上述數(shù)據(jù)合并至用戶數(shù)據(jù)庫(kù)中，用于后續(xù)對(duì)該用戶端的數(shù)據(jù)分析及廣告持續(xù)投放優(yōu)化。

70、進(jìn)一步的，本發(fā)明還提出一種基于數(shù)據(jù)特征匹配的廣告智能投放管理系統(tǒng)，用于實(shí)現(xiàn)如上述任一項(xiàng)的管理方法，包括：

71、云數(shù)據(jù)平臺(tái)模塊，用于提供數(shù)據(jù)存儲(chǔ)和管理的基礎(chǔ)架構(gòu)，用于存儲(chǔ)廣告的基本信息、發(fā)行商信息、投放效果數(shù)以及用戶的用戶基本信息、網(wǎng)絡(luò)狀態(tài)信息、用戶特征數(shù)據(jù)集，并對(duì)數(shù)據(jù)進(jìn)行整理分類；

72、數(shù)據(jù)采集模塊，用于獲取用戶授權(quán)，確保數(shù)據(jù)采集的合法性，采集用戶端的各種數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗、過(guò)濾、填補(bǔ)缺失字段、格式轉(zhuǎn)換后，合并為用戶特征數(shù)據(jù)集存儲(chǔ)到用戶數(shù)據(jù)庫(kù)中；

73、多渠道管理模塊，用于整合和管理來(lái)自各個(gè)用戶端的數(shù)據(jù)，構(gòu)建用戶偏好預(yù)測(cè)模型，計(jì)算用戶對(duì)不同商品類別的偏好程度；

74、實(shí)時(shí)匹配模塊，用于實(shí)時(shí)獲取用戶端的實(shí)時(shí)地理位置信息及在線渠道類型數(shù)據(jù)，計(jì)算用戶與廣告的廣告匹配度；

75、廣告競(jìng)價(jià)模塊，用于從廣告發(fā)行商處獲取競(jìng)價(jià)結(jié)果數(shù)據(jù)，并通過(guò)競(jìng)價(jià)結(jié)果數(shù)據(jù)及投放效果數(shù)據(jù)獲取競(jìng)價(jià)結(jié)果評(píng)分；

76、綜合評(píng)分模塊，廣告的匹配度數(shù)據(jù)、廣告疲勞指數(shù)及競(jìng)價(jià)結(jié)果評(píng)分，生成廣告匹配評(píng)分；

77、廣告投放模塊，用于根據(jù)優(yōu)先級(jí)排序?qū)V告進(jìn)行投放，并實(shí)時(shí)監(jiān)測(cè)投放效果；

78、數(shù)據(jù)反饋模塊，用于收集廣告投放后的數(shù)據(jù)，進(jìn)行效果評(píng)估和持續(xù)優(yōu)化。

79、作為優(yōu)選，所述數(shù)據(jù)采集模塊，具體包括：

80、用戶授權(quán)管理單元，用于獲取用戶授權(quán)后與各個(gè)用戶端進(jìn)行交互；

81、數(shù)據(jù)埋點(diǎn)單元，用于在用戶端的各個(gè)軟件中設(shè)置數(shù)據(jù)采集埋點(diǎn)，用于捕捉用戶的交互行為和使用記錄，并記錄當(dāng)前的時(shí)間戳；

82、數(shù)據(jù)整合單元，用于在服務(wù)器端設(shè)置數(shù)據(jù)整合埋點(diǎn)，用于接收數(shù)據(jù)采集埋點(diǎn)采集到的數(shù)據(jù)，對(duì)采集得到的數(shù)據(jù)進(jìn)行清洗、過(guò)濾、填補(bǔ)缺失字段、格式轉(zhuǎn)換，并合并為用戶特征數(shù)據(jù)集，存儲(chǔ)到用戶數(shù)據(jù)庫(kù)中。

83、作為優(yōu)選，所述綜合評(píng)分模塊，具體包括：

84、廣告投放數(shù)據(jù)采集單元，用于獲取當(dāng)前周期內(nèi)已投放該廣告的廣告投放數(shù)據(jù)；

85、競(jìng)價(jià)結(jié)果評(píng)分計(jì)算單元，用于基于競(jìng)價(jià)結(jié)果數(shù)據(jù)及投放效果數(shù)據(jù)，計(jì)算廣告的競(jìng)價(jià)結(jié)果評(píng)分；

86、疲勞指數(shù)計(jì)算模塊，用于采集當(dāng)前周期下的廣告投放數(shù)據(jù)，并基于投放頻次數(shù)據(jù)計(jì)算該廣告的廣告疲勞指數(shù)；

87、廣告匹配評(píng)分計(jì)算單元，用于結(jié)合廣告匹配度數(shù)據(jù)、廣告投放數(shù)據(jù)及競(jìng)價(jià)結(jié)果評(píng)分，計(jì)算廣告匹配評(píng)分；

88、優(yōu)先級(jí)排序單元，用于根據(jù)廣告匹配評(píng)分對(duì)廣告進(jìn)行優(yōu)先級(jí)排序，并根據(jù)評(píng)分閾值篩選出預(yù)投放廣告。

89、與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種基于數(shù)據(jù)特征匹配的廣告智能投放管理方法及系統(tǒng)，具備以下有益效果：

90、1、通過(guò)構(gòu)建云數(shù)據(jù)平臺(tái)和多渠道管理平臺(tái)，可整合來(lái)自不同來(lái)源的數(shù)據(jù)，通過(guò)構(gòu)建偏好預(yù)測(cè)模型，使得廣告能夠更好地匹配目標(biāo)受眾的興趣和偏好，且偏好程度指標(biāo)能夠結(jié)合當(dāng)前周期及歷史周期對(duì)該商品類別的操作次數(shù)，使得歷史周期的數(shù)據(jù)隨著時(shí)間的推移對(duì)當(dāng)前用戶商品類別偏好的影響逐漸減弱，可以更全面地反映用戶的偏好變化趨勢(shì)，避免依賴歷史周期數(shù)據(jù)而造成的偏差，該廣告投放方法能夠精準(zhǔn)地反映用戶當(dāng)前對(duì)該類別商品的偏好程度，從而提高廣告投放的精準(zhǔn)度和效果。

91、2、通過(guò)構(gòu)建綜合評(píng)分模型，基于廣告的匹配度數(shù)據(jù)、廣告疲勞指數(shù)及競(jìng)價(jià)結(jié)果評(píng)分生成各個(gè)用戶端的廣告匹配評(píng)分?jǐn)?shù)據(jù)，并根據(jù)廣告匹配評(píng)分?jǐn)?shù)據(jù)對(duì)各個(gè)廣告進(jìn)行優(yōu)先級(jí)排序，根據(jù)優(yōu)先級(jí)排序篩選出預(yù)投放廣告，且將廣告疲勞指數(shù)作為廣告匹配評(píng)分的負(fù)向指標(biāo)，能夠?qū)V告的投放次數(shù)進(jìn)行限制，有效減少單個(gè)廣告對(duì)用戶的過(guò)度曝光，避免了用戶對(duì)特定廣告的“廣告疲勞”。

92、3、該廣告投放方法通過(guò)采集廣告投放后的效果數(shù)據(jù)，如廣告的瀏覽數(shù)據(jù)、點(diǎn)擊數(shù)據(jù)及消費(fèi)數(shù)據(jù)，將這些數(shù)據(jù)反饋回用戶數(shù)據(jù)庫(kù)，用于不斷優(yōu)化廣告投放策略，實(shí)現(xiàn)廣告投放的持續(xù)改進(jìn)。