预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115082114A(43)申请公布日2022.09.20(21)申请号202210728840.4(22)申请日2022.06.24(71)申请人北京星合之星网络科技有限公司地址100000北京市海淀区西三环北路甲2号院2号楼8层02室(72)发明人张浩(74)专利代理机构重庆志一加诚专利代理事务所(普通合伙)50278专利代理师邓波(51)Int.Cl.G06Q30/02(2012.01)G06Q10/04(2012.01)权利要求书2页说明书9页附图5页(54)发明名称广告投放方法、装置、电子设备及存储介质(57)摘要本发明提供了一种广告投放方法、装置、电子设备及存储介质,涉及互联网技术领域。该方法包括:获取目标网站中的每个用户的历史行为数据;分别将每个用户的历史行为数据输入预设的预测模型,得到预测模型输出的每个用户的预测结果;每个用户的预测结果包括:属于第一类型或不属于第一类型;根据预测结果为属于第一类型的用户的特征信息,确定对目标网站感兴趣的目标用户;向目标用户投放目标网站的广告。本发明中,通过预测确定种子用户的方式,大大提升了种子用户的数量,且种子用户的价值更高。从而,根据种子用户寻找对目标网站感兴趣的目标用户时,可以找到更多且更有价值的目标用户,提升向目标用户投放广告的效果。CN115082114ACN115082114A权利要求书1/2页1.一种广告投放方法,其特征在于,所述方法包括:获取目标网站中的每个用户的历史行为数据;分别将每个所述用户的历史行为数据输入预设的预测模型,得到所述预测模型输出的每个所述用户的预测结果;每个所述用户的预测结果包括:属于第一类型或不属于第一类型;所述预测模型是采用样本集合对梯度提升决策树进行训练得到的;所述样本集合包括第一样本用户的历史行为数据和第二样本用户的历史行为数据;所述第一样本用户的历史行为数据包括第一标识,所述第一标识用于指示所述第一样本用户属于第一类型;所述第二样本用户的历史行为数据包括第二标识,所述第二标识用于指示所述第二样本用户不属于第一类型;从所述目标网站的用户中选择预测结果为属于第一类型的用户;根据所述预测结果为属于第一类型的用户的特征信息,确定对所述目标网站感兴趣的目标用户;向所述目标用户投放所述目标网站的广告。2.根据权利要求1所述的方法,其特征在于,每个所述用户的历史行为数据包括:所述用户的状态参数和行为参数;所述用户的状态参数包括所述用户的基本信息;所述用户的行为参数包括所述用户在所述目标网站中的行为信息。3.根据权利要求1所述的方法,其特征在于,所述分别将每个所述用户的历史行为数据输入预设的预测模型之前,所述方法还包括:获取所述样本集合;采用所述样本集合对梯度提升决策树进行训练,得到所述预测模型。4.根据权利要求3所述的方法,其特征在于,所述获取样本集合,包括:获取所述目标网站中的多个样本用户在第一时间段的历史行为数据以及在第二时间段的历史行为数据;所述第二时间段为所述第一时间段之后的时间段;将第二时间段的历史行为数据中存在第一行为的所述样本用户确定为所述第一样本用户,将第二时间段的历史行为数据中不存在所述第一行为的所述样本用户确定为所述第二样本用户;根据所述第一样本用户在所述第一时间段的历史行为数据、以及所述第二样本用户在所述第一时间段的历史行为数据,生成所述样本集合。5.根据权利要求4所述的方法,其特征在于,所述方法还包括:更新所述样本集合,得到更新后的样本集合;根据所述更新后的样本集合,对所述预测模型进行更新优化。6.根据权利要求1‑5任一项所述的方法,其特征在于,所述根据所述预测结果为属于第一类型的用户的特征信息,确定对所述目标网站感兴趣的目标用户,包括:将所述预测结果为属于第一类型的用户通过测量协议在谷歌分析工具中进行标记,得到第一用户列表;所述第一用户列表包括所述预测结果为属于第一类型的用户的标识信息;通过谷歌广告服务,根据所述第一用户列表中的标识信息对应的用户的特征信息,确定对所述目标网站感兴趣的目标用户。2CN115082114A权利要求书2/2页7.根据权利要求1‑5任一项所述的方法,其特征在于,所述分别将每个所述用户的历史行为数据输入预设的预测模型之前,所述方法还包括:对每个所述用户的历史行为数据进行数据清洗。8.一种广告投放装置,其特征在于,所述装置包括:获取模块,用于获取目标网站中的每个用户的历史行为数据;预测模块,用于分别将每个所述用户的历史行为数据输入预设的预测模型,得到所述预测模型输出的每个所述用户的预测结果;每个所述用户的预测结果包括:属于第一类型或不属于第一类型;所述预测模型是采用样本集合对梯度提升决策树进行训练得到的;所述样本集合包括第一样本用户的历史