本發(fā)明涉及廣告營銷，具體為一種基于數(shù)據(jù)分析的廣告營銷方法及系統(tǒng)。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)技術(shù)和智能設(shè)備的普及，數(shù)字廣告營銷已成為企業(yè)推廣產(chǎn)品和服務(wù)的重要手段。然而，傳統(tǒng)的廣告投放模式通常依賴于單一的用戶數(shù)據(jù)來源或粗放式的目標(biāo)用戶群體劃分，導(dǎo)致廣告內(nèi)容與用戶需求之間存在較大偏差。這不僅降低了廣告的點(diǎn)擊率和轉(zhuǎn)化率，還增加了企業(yè)的營銷成本，同時(shí)也可能對用戶體驗(yàn)產(chǎn)生負(fù)面影響。

2、近年來，隨著大數(shù)據(jù)分析、自然語言處理（nlp）和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展，基于數(shù)據(jù)驅(qū)動的廣告投放逐漸成為行業(yè)趨勢。通過對用戶行為數(shù)據(jù)的深入挖掘和分析，可以精確識別用戶的興趣偏好，實(shí)現(xiàn)廣告的個(gè)性化推薦。然而，目前的廣告營銷系統(tǒng)在數(shù)據(jù)采集、用戶興趣分析、廣告匹配及投放環(huán)節(jié)仍存在技術(shù)壁壘，例如數(shù)據(jù)分析維度不足、興趣標(biāo)簽生成精度較低等問題。因此，亟需一種更加科學(xué)、系統(tǒng)化的廣告營銷方法與系統(tǒng)，以提升廣告投放的精準(zhǔn)性和投放效果，同時(shí)降低資源浪費(fèi)，優(yōu)化用戶體驗(yàn)并提高企業(yè)的投資回報(bào)率。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于數(shù)據(jù)分析的廣告營銷方法及系統(tǒng)，解決了背景技術(shù)中所提到的問題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種基于數(shù)據(jù)分析的廣告營銷方法，包括：

3、步驟一：對需要投放廣告的軟件進(jìn)行類別劃分，根據(jù)軟件的分類，確定用戶在該軟件的瀏覽格式；同時(shí)基于用戶授權(quán)，收集軟件中用戶的內(nèi)容信息，確定用戶瀏覽內(nèi)容，同時(shí)確定該軟件中的廣告投放信息；

4、步驟二：接著獲取用戶的內(nèi)容信息，通過確定內(nèi)容信息中的用戶瀏覽內(nèi)容和瀏覽格式，將其轉(zhuǎn)換成文本內(nèi)容，并識別文本內(nèi)容中的主要信息，得到總結(jié)標(biāo)簽，同時(shí)采集用戶的瀏覽數(shù)據(jù)，對瀏覽數(shù)據(jù)進(jìn)行分析，根據(jù)分析結(jié)果，得到用戶的興趣標(biāo)簽；

5、步驟三：將興趣標(biāo)簽與廣告投放信息進(jìn)行匹配，得到興趣廣告集，并從興趣廣告集中確定最佳的廣告；

6、步驟四：將確定的最佳的廣告在相應(yīng)軟件中進(jìn)行投放。

7、作為本發(fā)明進(jìn)一步的方案：所述步驟一中，所述用戶瀏覽內(nèi)容表示為軟件上的推廣發(fā)布的內(nèi)容；

8、所述廣告投放信息表示為在軟件上允許投放推廣的廣告。

9、作為本發(fā)明進(jìn)一步的方案：所述步驟二中，所述通過確定內(nèi)容信息中的用戶瀏覽內(nèi)容和瀏覽格式，將其轉(zhuǎn)換成文本內(nèi)容，并識別文本內(nèi)容中的主要信息，得到總結(jié)標(biāo)簽，同時(shí)采集用戶的瀏覽數(shù)據(jù)，對瀏覽數(shù)據(jù)進(jìn)行分析，根據(jù)分析結(jié)果，得到用戶的興趣標(biāo)簽的具體方式為：

10、as1：將用戶瀏覽內(nèi)容標(biāo)記為瀏覽目標(biāo)，當(dāng)用戶在軟件中對瀏覽目標(biāo)進(jìn)行瀏覽時(shí)，對瀏覽目標(biāo)的瀏覽格式進(jìn)行識別，當(dāng)識別的瀏覽格式為文本時(shí)，其內(nèi)容即為文本內(nèi)容，此時(shí)將不進(jìn)行任何處理；

11、當(dāng)識別的瀏覽目標(biāo)的格式為視頻時(shí)，對視頻中的語音進(jìn)行識別，并轉(zhuǎn)換成文本形式，得到文本內(nèi)容，當(dāng)識別的瀏覽目標(biāo)的格式為純語音時(shí)，此時(shí)將直接轉(zhuǎn)換成文本，得到文本內(nèi)容；

12、as2：接著對文本內(nèi)容進(jìn)行識別，根據(jù)整體的文本內(nèi)容，獲取到文本內(nèi)容的總結(jié)標(biāo)簽；

13、as3：基于用戶授權(quán)，對用戶的瀏覽操作進(jìn)行監(jiān)控，獲取瀏覽數(shù)據(jù)，瀏覽數(shù)據(jù)包括瀏覽總時(shí)，重復(fù)次數(shù)以及區(qū)間時(shí)長，具體的瀏覽數(shù)據(jù)獲取方法為：

14、當(dāng)確定用戶的瀏覽目標(biāo)并開始瀏覽時(shí)，以此為節(jié)點(diǎn)開始計(jì)時(shí)，直至用戶退出此瀏覽目標(biāo)時(shí)，結(jié)束計(jì)時(shí)，將從開始計(jì)時(shí)直至結(jié)束計(jì)時(shí)這一期間內(nèi)的時(shí)間標(biāo)記為瀏覽總時(shí)；

15、之后當(dāng)用戶對瀏覽目標(biāo)中的內(nèi)容進(jìn)行查看時(shí)，將瀏覽目標(biāo)中的內(nèi)容按照節(jié)點(diǎn)內(nèi)容進(jìn)行分割，得到區(qū)間內(nèi)容；

16、然后識別區(qū)間內(nèi)容中是否存在廣告信息，具體的廣告信息包括產(chǎn)品名稱以及品牌名稱，當(dāng)區(qū)間內(nèi)容中存在廣告信息時(shí)，將其區(qū)間內(nèi)容標(biāo)記為一級內(nèi)容；

17、然后獲取用戶對每個(gè)區(qū)間內(nèi)容的瀏覽速度，并將其瀏覽速度標(biāo)記為，其中，表示不同的區(qū)間內(nèi)容；

18、同時(shí)獲取到用戶對區(qū)間內(nèi)容的瀏覽時(shí)長以及重復(fù)次數(shù)，并將用戶對區(qū)間內(nèi)容的瀏覽時(shí)長標(biāo)記為區(qū)間時(shí)長，區(qū)間時(shí)長即為對區(qū)間內(nèi)容瀏覽的總時(shí)長，具體的包括用戶重復(fù)對區(qū)間內(nèi)容進(jìn)行查看的時(shí)間總和，重復(fù)次數(shù)即為用戶對區(qū)間內(nèi)容瀏覽完成后，再次重復(fù)查看的次數(shù)；

19、as4：對瀏覽數(shù)據(jù)進(jìn)行分析，得到用戶的產(chǎn)品的興趣標(biāo)簽，具體的用戶興趣標(biāo)簽的分析方式為：

20、通過以下公式對區(qū)間內(nèi)容的興趣值計(jì)算：

21、

22、式中，表示區(qū)間時(shí)長，表示瀏覽總時(shí)，為固定系數(shù)，表示區(qū)間內(nèi)容的重復(fù)次數(shù)，和分別為權(quán)值系數(shù)；

23、將區(qū)間內(nèi)容的興趣值與閾值進(jìn)行比較，將的區(qū)間內(nèi)容標(biāo)記為二級內(nèi)容，反之，將的區(qū)間內(nèi)容標(biāo)記為慣性內(nèi)容，同時(shí)對慣性內(nèi)容不進(jìn)行任何處理。

24、作為本發(fā)明進(jìn)一步的方案：所述步驟as4中還包括：

25、獲取到二級內(nèi)容，先識別二級內(nèi)容中是否存在一級內(nèi)容，即識別二級內(nèi)容中是否存在廣告信息，若存在，先將其產(chǎn)品名稱和品牌名稱直接標(biāo)記為興趣標(biāo)簽；

26、若不存在，此時(shí)識別二級內(nèi)容，根據(jù)二級內(nèi)容中描述的文字，將二級內(nèi)容與總結(jié)標(biāo)簽分別作為關(guān)聯(lián)因素，采用光學(xué)字符識別，得到關(guān)聯(lián)廣告信息，并將關(guān)聯(lián)廣告信息中的產(chǎn)品名稱和品牌名稱作為興趣標(biāo)簽。

27、作為本發(fā)明進(jìn)一步的方案：所述步驟as3中，所述根據(jù)整體的文本內(nèi)容，獲取到文本內(nèi)容的總結(jié)標(biāo)簽的具體方式為：

28、as21：識別文本內(nèi)容中的主要信息，并將文本內(nèi)容中的主要信息重新進(jìn)行組合，得到縮略文本；

29、as22：然后對縮略文本進(jìn)行標(biāo)簽提取，即將縮略文本的主語中每個(gè)詞語出現(xiàn)次數(shù)除以主語的詞語總數(shù)得到對應(yīng)詞語的出現(xiàn)頻率，獲取到出現(xiàn)頻率最高的詞語，將其標(biāo)記為主語的關(guān)鍵詞，依次將謂語和賓語按照上述主語的方式進(jìn)行處理，分別得到謂語的關(guān)鍵詞和賓語的關(guān)鍵詞；

30、之后再將關(guān)鍵詞進(jìn)行重新組合，將所得到的句段作為此文本內(nèi)容的總結(jié)標(biāo)簽。

31、作為本發(fā)明進(jìn)一步的方案：所述步驟三中，所述將興趣標(biāo)簽與廣告投放信息進(jìn)行匹配，得到興趣廣告集，并從興趣廣告集中確定最佳的廣告的具體方式為；

32、bs1：將所有的興趣標(biāo)簽記作為：；其中，表示為總的興趣標(biāo)簽個(gè)數(shù)；，其中，表示為總的廣告關(guān)鍵詞個(gè)數(shù)；

33、提取廣告投放信息中的每個(gè)廣告的關(guān)鍵詞組成廣告關(guān)鍵詞集，將廣告關(guān)鍵詞集記作，；；

34、使用自然語言處理技術(shù)將興趣標(biāo)簽和廣告關(guān)鍵詞轉(zhuǎn)換為d維向量，分別存儲在和中；且，，其中，表示為實(shí)數(shù)域；

35、bs2：對每個(gè)興趣標(biāo)簽和廣告關(guān)鍵詞進(jìn)行相似度計(jì)算，形成一個(gè)的相似度矩陣m：

36、

37、式中，表示為余弦相似度，衡量興趣標(biāo)簽與廣告關(guān)鍵詞的匹配程度，其中是向量的點(diǎn)積，和是向量的范數(shù)；

38、bs3：選擇余弦相似度大于閾值的廣告關(guān)鍵詞作為候選，將廣告關(guān)鍵詞所對應(yīng)的廣告構(gòu)建為興趣廣告集；

39、bs4：對興趣廣告集，通過以下公式計(jì)算興趣廣告集中每個(gè)廣告綜合評分：

40、

41、式中，表示為廣告的點(diǎn)擊率，是權(quán)重系數(shù)；

42、bs5：選取得分最高的廣告作為最佳的廣告。

43、一種基于數(shù)據(jù)分析的廣告營銷系統(tǒng)，包括：

44、信息采集模塊，用于對需要投放廣告的軟件進(jìn)行類別劃分，根據(jù)軟件的分類，確定用戶在該軟件的瀏覽格式；同時(shí)基于用戶授權(quán)，收集軟件中用戶的內(nèi)容信息，確定用戶瀏覽內(nèi)容，同時(shí)確定該軟件中的廣告投放信息；

45、數(shù)據(jù)分析模塊，用于獲取用戶的內(nèi)容信息，通過確定內(nèi)容信息中的用戶瀏覽內(nèi)容和瀏覽格式，將其轉(zhuǎn)換成文本內(nèi)容，并識別文本內(nèi)容中的主要信息，得到總結(jié)標(biāo)簽，同時(shí)采集用戶的瀏覽數(shù)據(jù)，對瀏覽數(shù)據(jù)進(jìn)行分析，根據(jù)分析結(jié)果，得到用戶的興趣標(biāo)簽；

46、廣告匹配模塊，用于將興趣標(biāo)簽與廣告投放信息進(jìn)行匹配，得到興趣廣告集，并從興趣廣告集中確定最佳的廣告；

47、廣告投放模塊，用于將確定的最佳的廣告在相應(yīng)軟件中進(jìn)行投放。

48、所述廣告匹配模塊中，所述將興趣標(biāo)簽與廣告投放信息進(jìn)行匹配，得到興趣廣告集，并從興趣廣告集中確定最佳的廣告的具體方式為；

49、bs1：將所有的興趣標(biāo)簽記作為：；其中，表示為總的興趣標(biāo)簽個(gè)數(shù)；；

50、提取廣告投放信息中的每個(gè)廣告的關(guān)鍵詞組成廣告關(guān)鍵詞集，將廣告關(guān)鍵詞集記作，；；

51、使用自然語言處理技術(shù)將興趣標(biāo)簽和廣告關(guān)鍵詞轉(zhuǎn)換為d維向量，分別存儲在和中；且，，其中，表示為實(shí)數(shù)域；

52、bs2：對每個(gè)興趣標(biāo)簽和興趣廣告進(jìn)行相似度計(jì)算，形成一個(gè)的相似度矩陣m：

53、

54、式中，表示為余弦相似度，衡量興趣標(biāo)簽與廣告的匹配程度，其中是向量的點(diǎn)積，和是向量的范數(shù)；

55、bs3：選擇余弦相似度大于閾值的廣告關(guān)鍵詞作為候選，將廣告關(guān)鍵詞所對應(yīng)的廣告構(gòu)建為興趣廣告集；

56、bs4：對興趣廣告集，通過以下公式計(jì)算興趣廣告集中每個(gè)廣告綜合評分：

57、

58、式中，表示為廣告的點(diǎn)擊率，是權(quán)重系數(shù)；

59、bs5：選取得分最高的廣告作為最佳的廣告。

60、本發(fā)明提供了一種基于數(shù)據(jù)分析的廣告營銷方法及系統(tǒng)。與現(xiàn)有技術(shù)相比具備以下有益效果：

61、本發(fā)明通過對廣告投放的全流程進(jìn)行優(yōu)化，實(shí)現(xiàn)了從用戶數(shù)據(jù)采集與分析到廣告精準(zhǔn)匹配與投放的完整閉環(huán)；通過對軟件類別和用戶瀏覽格式的科學(xué)劃分，以及基于用戶授權(quán)的內(nèi)容信息與行為數(shù)據(jù)采集，顯著提升了用戶興趣標(biāo)簽的生成精度，為廣告投放的個(gè)性化和精準(zhǔn)化奠定了堅(jiān)實(shí)基礎(chǔ)；這種方式有效減少了無效廣告的投放，提高了廣告內(nèi)容與用戶需求的契合度，優(yōu)化了用戶的廣告接收體驗(yàn)。

62、同時(shí)，本發(fā)明結(jié)合自然語言處理技術(shù)和算法模型，從興趣標(biāo)簽與廣告信息的匹配到最佳廣告的篩選，實(shí)現(xiàn)了廣告投放效率的最大化；在提高廣告投放轉(zhuǎn)化率的同時(shí)，也為廣告主和平臺提供了高效的數(shù)據(jù)支持和優(yōu)化策略，從而在節(jié)省資源的基礎(chǔ)上，提升了廣告投放的商業(yè)價(jià)值和投資回報(bào)率。