本發(fā)明涉及互聯(lián)網(wǎng)廣告領(lǐng)域，尤其涉及一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法和系統(tǒng)。

背景技術(shù)：

傳統(tǒng)廣告使用的形式是大眾媒體，廣告代理商的形式，通過購買廣告位來達(dá)到廣告展示，這種靜態(tài)的廣告使消費者僅僅是接收到一個信息，或者是樹立對這個品牌的簡單印象，或者是知道這個品牌在進(jìn)行的相關(guān)活動，有興趣的人就會關(guān)注，但是無法掌握到底什么樣的人對這類廣告感興趣，其針對性和效果不強。

目前互聯(lián)網(wǎng)廣告已經(jīng)發(fā)展成一種新模式，它有以下特點：第一、互聯(lián)網(wǎng)廣告的覆蓋率廣，精準(zhǔn)度高。借助于技術(shù)手段來實現(xiàn)智能化精準(zhǔn)營銷，通過對網(wǎng)民數(shù)據(jù)的追蹤、挖掘、分析，可以對受眾群體進(jìn)行時間、地域、頻次、興趣、人口特征等方面的精準(zhǔn)定向。第二、互聯(lián)網(wǎng)廣告?zhèn)鞑サ娜藬?shù)巨大，根據(jù)調(diào)研公司Forrester Research發(fā)布的報告顯示，2013年全球網(wǎng)民數(shù)量將達(dá)到22億，其中17％來自中國，受眾人群廣泛。第三、互聯(lián)網(wǎng)廣告在發(fā)行傳播上的成本優(yōu)勢，廣告?zhèn)鞑コ杀敬蟠蠼档汀５谒?、互?lián)網(wǎng)廣告形式的多樣化，互聯(lián)網(wǎng)廣告的形式可以通過網(wǎng)幅廣告，文本文本，電子郵件廣告，按鈕廣告，贊助式廣告，插播式廣高，主頁型廣告，關(guān)鍵字廣告，富媒體廣告，視頻廣告等多種多樣的形式來傳播，面對如此多優(yōu)勢的互聯(lián)網(wǎng)廣告，目前還沒有一種可靠的廣告精準(zhǔn)投放的方法和系統(tǒng)，互聯(lián)網(wǎng)廣告領(lǐng)域還存在著投放不精準(zhǔn)、主要依靠彈出窗口方式、無法對用戶的興趣愛好進(jìn)行掌握、廣告的時效性較差。

因此，目前需要本領(lǐng)域技術(shù)人員迫切解決的一個技術(shù)問題就是：如何能夠創(chuàng)新地提出一種有效措施，充分理由海量的互聯(lián)網(wǎng)用戶和大數(shù)據(jù)挖掘技術(shù)，實現(xiàn)互聯(lián)網(wǎng)廣告的精準(zhǔn)投放。

技術(shù)實現(xiàn)要素：

為解決上述問題，本發(fā)明公開了一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法和系統(tǒng)，以實現(xiàn)互聯(lián)網(wǎng)廣告的精準(zhǔn)投放。

根據(jù)本發(fā)明實施例的一個方面，提供的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法，包括：

基于大數(shù)據(jù)分析對用戶行為進(jìn)行標(biāo)簽化處理，所述用戶行為包括：用戶設(shè)備信息、瀏覽器cookie、瀏覽URL歷史、廣告點擊歷史、自有ID體系，通過對用戶行為數(shù)據(jù)的分析，對用戶行為進(jìn)行標(biāo)簽化處理，所述對用戶行為進(jìn)行標(biāo)簽化處理后的用戶標(biāo)簽輸出格式為：用戶ID、用戶標(biāo)簽；

獲取用戶訪問網(wǎng)站頁面時加載的廣告位代碼信息，提取用戶特征信息，并將廣告位代碼信息和用戶特征信息返回至在線廣告精準(zhǔn)投放系統(tǒng)，用戶通過internet訪問網(wǎng)站頁面時會加載廣告位，通過獲取用戶廣告位代碼，獲取到用戶的訪問IP、訪問時間、瀏覽器Cookie信息，將獲取的用戶特征信息和廣告位代碼信息返回至在線廣告精準(zhǔn)投放系統(tǒng)；

在線廣告精準(zhǔn)投放系統(tǒng)通過廣告實時競價和興趣權(quán)重，進(jìn)行廣告匹配精準(zhǔn)投放，當(dāng)在線廣告精準(zhǔn)投放系統(tǒng)獲取到用戶返回信息時，通過實時競價技術(shù)進(jìn)行實時競價，對符合要求的廣告集跟據(jù)用戶興趣權(quán)重和用戶競價高低，篩選出最終唯一的廣告對用戶進(jìn)行展示。

基于上述方法的另一個實施例中，所述獲取用戶訪問網(wǎng)站頁面時加載的廣告位代碼信息，提取用戶特征信息，并將廣告位代碼信息和用戶特征信息返回至在線廣告精準(zhǔn)投放系統(tǒng)，包括：

解析用戶訪問網(wǎng)站頁面時加載的廣告位代碼信息，解析廣告位代碼信息內(nèi)容包括：用戶訪問時間、用戶訪問IP、用戶cookie、廣告內(nèi)容信息、廣告發(fā)布商戶信息、廣告發(fā)布平臺信息、加載網(wǎng)站頁面的URL信息、廣告點擊歷史信息、同一地址廣告點擊次數(shù)信息、廣告點擊事件信息；

通過特征向量，提取用戶特征信息，定義用戶的相似性，建立用戶聚類模型，所述特征向量是指把每個網(wǎng)絡(luò)用戶在一定時間內(nèi)瀏覽的所有內(nèi)容看作是一個文本信息，將每個文本信息映射成為能夠表示所述網(wǎng)絡(luò)用戶特征信息的特征向量，使用余弦相似性求出兩個向量之間的相似性，即文本信息之間的相似性。

利用k-means算法進(jìn)行用戶聚類，根據(jù)應(yīng)用需要調(diào)整聚類的大小和分辨率，所述K-means算法是硬聚類算法，是基于原型的目標(biāo)函數(shù)聚類方法，是數(shù)據(jù)點到原型的距離作為優(yōu)化的目標(biāo)函數(shù)，利用函數(shù)求極值的方法得到迭代運算的調(diào)整規(guī)則。

基于上述方法的另一個實施例中，所述在線廣告精準(zhǔn)投放系統(tǒng)通過廣告實時競價和興趣權(quán)重，進(jìn)行廣告匹配精準(zhǔn)投放包括：

用戶訪問網(wǎng)頁請求，通過日志的形式實時返回用戶信息到在線廣告精準(zhǔn)投放系統(tǒng)，并根據(jù)文本包含的內(nèi)容，篩選出符合當(dāng)前用戶興趣的廣告集；

廣告精準(zhǔn)投放系統(tǒng)通過廣告開關(guān)的狀態(tài)進(jìn)行實時廣告精準(zhǔn)投放。

基于上述方法的另一個實施例中，所述當(dāng)在線廣告精準(zhǔn)投放系統(tǒng)獲取到用戶返回信息時，通過實時競價技術(shù)進(jìn)行實時競價，符合要求的廣告集跟據(jù)用戶興趣權(quán)重和用戶競價高低，篩選出最終唯一的廣告對用戶進(jìn)行展示，包括：

實時競價技術(shù)對網(wǎng)站消息按照事先約定解包，在內(nèi)部依靠網(wǎng)頁信息數(shù)據(jù)進(jìn)行計算；

返回pb或json格式的競價價格和廣告代碼給在線廣告精準(zhǔn)投放系統(tǒng)；

根據(jù)出價權(quán)重和和興趣權(quán)重，計算每個廣告集的權(quán)重值，換算成廣告投放概率。

基于上述方法的另一個實施例中，所述文本包含的內(nèi)容包括：用戶訪問的時間、用戶IP和瀏覽器cookie。

基于上述方法的另一個實施例中，所述k-means算法包括：

從N個文本信息中隨機(jī)選取K個文本信息作為質(zhì)心；

測量剩余的每個文本信息到每個質(zhì)心的距離，并把它歸到最近的質(zhì)心的類；

重新計算已經(jīng)得到的各個類的質(zhì)心；

迭代上述兩個步驟，直至新的質(zhì)心與原質(zhì)心相等或小于指定閾值，算法結(jié)束。

根據(jù)本發(fā)明實施例的另一個方面，提供的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放系統(tǒng)，包括：用戶行為標(biāo)簽管理模塊、廣告位代碼提取模塊、用戶特征信息提取模塊、廣告投放模塊、廣告訂單管理模塊；

所述用戶行為標(biāo)簽管理模塊通過對用戶行為數(shù)據(jù)的分析，對用戶行為進(jìn)行標(biāo)簽化處理，所述對用戶行為進(jìn)行標(biāo)簽化處理后的用戶標(biāo)簽輸出格式為：用戶ID、用戶標(biāo)簽；

所述廣告位代碼提取模塊提取經(jīng)過用戶行為標(biāo)簽管理模塊處理過的用戶標(biāo)簽，按照用戶通過internet訪問網(wǎng)站頁面時會加載廣告位，解析獲取用戶廣告位代碼信息；

所述用戶特征信息提取模塊通過廣告位代碼提取模塊獲得的用戶廣告位代碼信息，提取用戶的訪問IP、訪問時間、瀏覽器Cookie的用戶特征信息；

所述廣告投放模塊通過廣告位代碼提取模塊、用戶特征信息提取模塊獲取的廣告位代碼信息和用戶特征信息，獲取用戶的興趣權(quán)重，根據(jù)實時競價技術(shù)，獲取實時競價權(quán)重，進(jìn)行實時廣告精準(zhǔn)投放；

所述廣告訂單管理模塊在用戶創(chuàng)建廣告訂單后和人群標(biāo)簽進(jìn)行匹配，所述訂單管理模塊采用倒敘排列隊列方式等待請求。

基于上述系統(tǒng)的另一個實施例中，所述廣告位代碼提取模塊解析廣告位代碼信息內(nèi)容包括：用戶訪問時間、用戶訪問IP、用戶cookie、廣告內(nèi)容信息、廣告發(fā)布商戶信息、廣告發(fā)布平臺信息、加載網(wǎng)站頁面的URL信息、廣告點擊歷史信息、同一地址廣告點擊次數(shù)信息、廣告點擊事件信息。

基于上述系統(tǒng)的另一個實施例中，所述廣告投放模塊通過廣告開關(guān)的狀態(tài)進(jìn)行實時廣告精準(zhǔn)投放。

基于上述系統(tǒng)的另一個實施例中，所述實時競價技術(shù)實時競價技術(shù)對網(wǎng)站消息按照事先約定解包，在內(nèi)部依靠網(wǎng)頁信息數(shù)據(jù)進(jìn)行計算，最終返回pb或json格式的競價價格和廣告代碼給廣告投放模塊。

基于上述系統(tǒng)的另一個實施例中，所述廣告訂單管理模塊包括：廣告計劃管理、廣告創(chuàng)意管理、廣告投放數(shù)據(jù)報表，所述廣告計劃管理包含廣告創(chuàng)意管理，所述的廣告訂單管理模塊為用戶創(chuàng)建廣告訂單進(jìn)行管理、對廣告投放效果數(shù)據(jù)進(jìn)行監(jiān)測。

與現(xiàn)有技術(shù)相比，本發(fā)明包括以下優(yōu)點：

本發(fā)明將大數(shù)據(jù)挖掘技術(shù)與廣告精準(zhǔn)投放結(jié)合，利用現(xiàn)代互聯(lián)網(wǎng)廣告技術(shù)，解決了傳統(tǒng)廣告投放用戶不精準(zhǔn)的問題，本發(fā)明在整個商業(yè)鏈條中記錄用戶對廣告的用戶行為數(shù)據(jù)，并對用戶行為數(shù)據(jù)進(jìn)行分析，以更好的實現(xiàn)廣告的精準(zhǔn)度，使用戶數(shù)據(jù)更加優(yōu)化，用戶興趣權(quán)重更加精準(zhǔn)，促進(jìn)與客戶合作，交換用戶數(shù)據(jù)，從而不斷提高在線廣告投放的精準(zhǔn)性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所使用的附圖做一簡單地介紹。

圖1是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法一個實施例的流程圖。

圖2是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法另一個實施例的流程圖。

圖3是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法又一個實施例的流程圖。

圖4是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法又一個實施例的流程圖。

圖5是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法又一個實施例的流程圖。

圖6是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放系統(tǒng)一個實施例的結(jié)構(gòu)示意圖。

圖中：1用戶行為標(biāo)簽管理模塊、2廣告位代碼提取模塊、3用戶特征信息提取模塊、4廣告投放模塊、5廣告訂單管理模塊。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

圖1是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法一個實施例的流程圖，如圖1所示，所述一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法，包括：

10，基于大數(shù)據(jù)分析對用戶行為進(jìn)行標(biāo)簽化處理，所述用戶行為包括：用戶設(shè)備信息、瀏覽器cookie、瀏覽URL歷史、廣告點擊歷史、自有ID體系，通過對用戶行為數(shù)據(jù)的分析，對用戶行為進(jìn)行標(biāo)簽化處理，所述對用戶行為進(jìn)行標(biāo)簽化處理后的用戶標(biāo)簽輸出格式為：用戶ID、用戶標(biāo)簽；

20，獲取用戶訪問網(wǎng)站頁面時加載的廣告位代碼信息，提取用戶特征信息，并將廣告位代碼信息和用戶特征信息返回至在線廣告精準(zhǔn)投放系統(tǒng)，用戶通過internet訪問網(wǎng)站頁面時會加載廣告位，通過獲取用戶廣告位代碼，獲取到用戶的訪問IP、訪問時間、瀏覽器Cookie信息，將獲取的用戶特征信息和廣告位代碼信息返回至在線廣告精準(zhǔn)投放系統(tǒng)；

30，在線廣告精準(zhǔn)投放系統(tǒng)通過廣告實時競價和興趣權(quán)重，進(jìn)行廣告匹配精準(zhǔn)投放，當(dāng)在線廣告精準(zhǔn)投放系統(tǒng)獲取到用戶返回信息時，通過實時競價技術(shù)進(jìn)行實時競價，對符合要求的廣告集跟據(jù)用戶興趣權(quán)重和用戶競價高低，篩選出最終唯一的廣告對用戶進(jìn)行展示。

圖2是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法另一個實施例的流程圖，如圖2所示，所述獲取用戶訪問網(wǎng)站頁面時加載的廣告位代碼信息，提取用戶特征信息，并將廣告位代碼信息和用戶特征信息返回至在線廣告精準(zhǔn)投放系統(tǒng)，包括：

21，解析用戶訪問網(wǎng)站頁面時加載的廣告位代碼信息，解析廣告位代碼信息內(nèi)容包括：用戶訪問時間、用戶訪問IP、用戶cookie、廣告內(nèi)容信息、廣告發(fā)布商戶信息、廣告發(fā)布平臺信息、加載網(wǎng)站頁面的URL信息、廣告點擊歷史信息、同一地址廣告點擊次數(shù)信息、廣告點擊事件信息；

22，通過特征向量，提取用戶特征信息，定義用戶的相似性，建立用戶聚類模型，所述特征向量是指把每個網(wǎng)絡(luò)用戶在一定時間內(nèi)瀏覽的所有內(nèi)容看作是一個文本信息，將每個文本信息映射成為能夠表示所述網(wǎng)絡(luò)用戶特征信息的特征向量，使用余弦相似性求出兩個向量之間的相似性，即文本信息之間的相似性。

23，利用k-means算法進(jìn)行用戶聚類，根據(jù)應(yīng)用需要調(diào)整聚類的大小和分辨率，所述K-means算法是硬聚類算法，是基于原型的目標(biāo)函數(shù)聚類方法，是數(shù)據(jù)點到原型的距離作為優(yōu)化的目標(biāo)函數(shù)，利用函數(shù)求極值的方法得到迭代運算的調(diào)整規(guī)則。

圖3是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法又一個實施例的流程圖，如圖3所示，所述在線廣告精準(zhǔn)投放系統(tǒng)通過廣告實時競價和興趣權(quán)重，進(jìn)行廣告匹配精準(zhǔn)投放包括：

31，用戶訪問網(wǎng)頁請求，通過日志的形式實時返回用戶信息到在線廣告精準(zhǔn)投放系統(tǒng)，并根據(jù)文本包含的內(nèi)容，篩選出符合當(dāng)前用戶興趣的廣告集；

32，在線廣告精準(zhǔn)投放系統(tǒng)通過廣告開關(guān)的狀態(tài)進(jìn)行實時廣告精準(zhǔn)投放。

圖4是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法又一個實施例的流程圖，如圖4所示，所述當(dāng)在線廣告精準(zhǔn)投放系統(tǒng)獲取到用戶返回信息時，通過實時競價技術(shù)進(jìn)行實時競價，符合要求的廣告集跟據(jù)用戶興趣權(quán)重和用戶競價高低，篩選出最終唯一的廣告對用戶進(jìn)行展示，包括：

41，實時競價技術(shù)對網(wǎng)站消息按照事先約定解包，在內(nèi)部依靠網(wǎng)頁信息數(shù)據(jù)進(jìn)行計算；

42，返回pb或json格式的競價價格和廣告代碼給在線廣告精準(zhǔn)投放系統(tǒng)；

43，根據(jù)出價權(quán)重和和興趣權(quán)重，計算每個廣告集的權(quán)重值，換算成廣告投放概率。

基于本發(fā)明上述實施例提供的基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法，所述文本包含的內(nèi)容包括：用戶訪問的時間、用戶IP和瀏覽器cookie。

圖5是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法又一個實施例的流程圖，如圖5所示，所述k-means算法包括：

51，從N個文本信息中隨機(jī)選取K個文本信息作為質(zhì)心；

52，測量剩余的每個文本信息到每個質(zhì)心的距離，并把它歸到最近的質(zhì)心的類；

53，重新計算已經(jīng)得到的各個類的質(zhì)心；

54，迭代上述兩個步驟，直至新的質(zhì)心與原質(zhì)心相等或小于指定閾值，算法結(jié)束。

具體算法實現(xiàn)如下：

輸入：k,data[n]；

(1)選擇k個初始中心點，例如c[0]＝data[0],…c[k-1]＝data[k-1]；

(2)對于data[0]….data[n]，分別與c[0]…c[k-1]比較，假定與c[i]差值最少，就標(biāo)記為i；

(3)對于所有標(biāo)記為i點，重新計算c[i]＝{所有標(biāo)記為i的data[j]之和}/標(biāo)記為i的個數(shù)；

(4)重復(fù)步驟(2)(3)，直到所有c[i]值的變化小于給定閾值。

圖6是本發(fā)明的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放系統(tǒng)一個實施例的結(jié)構(gòu)示意圖，如圖6所示，所述一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放系統(tǒng)，包括：用戶行為標(biāo)簽管理模塊1、廣告位代碼提取模塊2、用戶特征信息提取模塊3、廣告投放模塊4、廣告訂單管理模塊5；

所述用戶行為標(biāo)簽管理模塊1通過對用戶行為數(shù)據(jù)的分析，對用戶行為進(jìn)行標(biāo)簽化處理，所述對用戶行為進(jìn)行標(biāo)簽化處理后的用戶標(biāo)簽輸出格式為：用戶ID、用戶標(biāo)簽；

所述廣告位代碼提取模塊2提取經(jīng)過用戶行為標(biāo)簽管理模塊1處理過的用戶標(biāo)簽，按照用戶通過internet訪問網(wǎng)站頁面時會加載廣告位，解析獲取用戶廣告位代碼信息；

所述用戶特征信息提取模塊3通過廣告位代碼提取模塊2獲得的用戶廣告位代碼信息，提取用戶的訪問IP、訪問時間、瀏覽器Cookie的用戶特征信息；

所述廣告投放模塊4通過廣告位代碼提取模塊2、用戶特征信息提取模塊3獲取的廣告位代碼信息和用戶特征信息，獲取用戶的興趣權(quán)重，根據(jù)實時競價技術(shù)，獲取實時競價權(quán)重，進(jìn)行實時廣告精準(zhǔn)投放；

所述廣告訂單管理模塊5在用戶創(chuàng)建廣告訂單后和人群標(biāo)簽進(jìn)行匹配，所述訂單管理模塊采用倒敘排列隊列方式等待請求。

基于本發(fā)明上述實施例提供的基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放系統(tǒng)，所述廣告位代碼提取模塊2解析廣告位代碼信息內(nèi)容包括：用戶訪問時間、用戶訪問IP、用戶cookie、廣告內(nèi)容信息、廣告發(fā)布商戶信息、廣告發(fā)布平臺信息、加載網(wǎng)站頁面的URL信息、廣告點擊歷史信息、同一地址廣告點擊次數(shù)信息、廣告點擊事件信息。

基于本發(fā)明上述實施例提供的基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放系統(tǒng)，所述廣告投放模塊4通過廣告開關(guān)的狀態(tài)進(jìn)行實時廣告精準(zhǔn)投放。

基于本發(fā)明上述實施例提供的基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放系統(tǒng)，所述實時競價技術(shù)實時競價技術(shù)對網(wǎng)站消息按照事先約定解包，在內(nèi)部依靠網(wǎng)頁信息數(shù)據(jù)進(jìn)行計算，最終返回pb或json格式的競價價格和廣告代碼給廣告投放模塊4。

基于本發(fā)明上述實施例提供的基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放系統(tǒng)，所述廣告訂單管理模塊5包括：廣告計劃管理、廣告創(chuàng)意管理、廣告投放數(shù)據(jù)報表，所述廣告計劃管理包含廣告創(chuàng)意管理，所述的廣告訂單管理模塊為用戶創(chuàng)建廣告訂單進(jìn)行管理、對廣告投放效果數(shù)據(jù)進(jìn)行監(jiān)測。

以上對本發(fā)明所提供的一種基于大數(shù)據(jù)驅(qū)動的在線廣告精準(zhǔn)投放方法和系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。

最后應(yīng)說明的是：以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，盡管參照前述實施例對本發(fā)明進(jìn)行了詳細(xì)的說明，對于本領(lǐng)域的技術(shù)人員來說，其依然可以對前述各實施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換,凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。