亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種樓宇廣告精準投放的系統(tǒng)及方法與流程

文檔序號:11144040閱讀:726來源:國知局

本發(fā)明屬于互聯(lián)網(wǎng)技術(shù)領(lǐng)域,特別涉及一種廣告投放系統(tǒng)及方法。



背景技術(shù):

傳統(tǒng)社區(qū)的樓宇廣告,對于小區(qū)內(nèi)廣告受眾的人口統(tǒng)計學(xué)特征以及消費行為了解來源單一,只根據(jù)樓盤自身的屬性,如位置、房價等信息來判斷,這樣在投放廣告時沒法做到精準投放,同時在互聯(lián)網(wǎng)崛起的線上的用戶需求,在某一區(qū)域線下廣告無法得知,兩者之間形成斷層,投放的廣告效果大打折扣,因此如何對受眾精準投放樓宇廣告成為一個重要的問題。



技術(shù)實現(xiàn)要素:

本發(fā)明要解決的技術(shù)問題是,現(xiàn)有的投放廣告方式針對性不強,效果不好。

為解決上述技術(shù)問題,本發(fā)明采用的技術(shù)方案是:一種樓宇廣告精準投放系統(tǒng),包括商品分類與用戶特征預(yù)設(shè)模塊、樓宇智能快遞柜的快遞包裹數(shù)據(jù)采集模塊、用戶訂單數(shù)據(jù)采集模塊、用戶特征識別模塊和廣告投放模塊;

商品分類與用戶特征預(yù)設(shè)模塊用于設(shè)定商品分類和與該商品分類對應(yīng)的用戶特征集合f,并給每個用戶特征設(shè)置特征值集合v,根據(jù)用戶特征集合f和特征值集合v建立權(quán)重表w;

樓宇智能快遞柜的快遞包裹數(shù)據(jù)采集模塊用于采集用戶手機號、用戶手機號碼對應(yīng)用戶收取包裹的次數(shù)、包裹快遞單號,得出所有用戶手機號碼與快遞單號的映射表m1;

用戶訂單數(shù)據(jù)采集模塊用于根據(jù)樓宇智能快遞柜的快遞包裹數(shù)據(jù)采集模塊采集的快遞單號獲取用戶在第三方電商平臺產(chǎn)生的訂單商品分類集合,建立快遞單號到商品分類集合的映射集合m2;

用戶特征識別模塊用于根據(jù)映射表m1和映射集合m2,建立用戶手機號碼到商品分類集合的映射m3,再結(jié)合權(quán)重表w,得到用戶手機號碼在各個商品分類下的各個特征值得權(quán)重分布,根據(jù)權(quán)重分布推導(dǎo)小區(qū)總體用戶的具體特征值;

廣告投放模塊用于根據(jù)小區(qū)總體用戶特征數(shù)據(jù),以及整體用戶購買商品所屬分類的分布數(shù)量,決定投放與廣告受眾匹配的廣告,同時可以根據(jù)不同小區(qū)的總的快遞包裹數(shù)量、周期性用戶平均快遞包裹數(shù)量決定投放廣告與否。

進一步,用戶特征包括用戶性別、年齡、婚姻狀況、收入水平和學(xué)歷。

進一步,所述商品分類c的集合{c1, c2, …cj},用戶特征f的集合{f1, f2…fn},每個特征f有自己可枚舉的特征值v的集合{v1, v2, …vn},建立一個權(quán)重表w:{c1-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, c2-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}…cj-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}}。

樓宇廣告精準投放系統(tǒng)的投放方法,包括以下步驟:

1)通過商品分類與用戶特征預(yù)設(shè)模塊設(shè)定商品分類c,每個商品分類c對應(yīng)的用戶特征f集合{f1, f2…fn},每個用戶特征f有自己可枚舉的特征值v的集合{v1, v2, …vn},建立一個權(quán)重表w:{c1-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, c2-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}…cj-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}};

2)通過樓宇智能快遞柜存取件數(shù)據(jù)采集模塊采集所在小區(qū)內(nèi)各個智能快遞柜終端內(nèi)存儲的快遞包裹數(shù)據(jù),得到用戶手機號碼m收到的總包裹數(shù)量p,一個手機號碼代表一個真實用戶,當用戶手機號碼對相應(yīng)的包裹數(shù)量p≥1時,記錄用戶手機號碼與快遞單號的映射關(guān)系,得出所有用戶手機號碼與快遞單號的映射表m1;

3)通過用戶訂單數(shù)據(jù)采集模塊根據(jù)快遞單號獲取用戶在第三方電商平臺產(chǎn)生的訂單商品分類集合,建立快遞單號到商品分類集合的映射集合m2;所述訂單商品分類集合通過第三方電商平臺直接獲得;

4)所述用戶特征識別模塊利用所述樓宇智能快遞柜存取件數(shù)據(jù)采集模塊中得到的m1和所述用戶訂單數(shù)據(jù)采集模塊得到的m2,建立用戶手機號碼到商品分類集合的映射m3,即用戶購買的商品所屬分類集合的映射,再結(jié)合所述商品分類與用戶特征預(yù)設(shè)模塊中的權(quán)重表w,得到用戶手機號碼在各個商品分類下的各個特征值的權(quán)重分布,

5)依次計算用戶手機號碼對應(yīng)的每個商品分類下具有相同屬性值的和,然后將屬于同一個特征下的所有特征值的和進行比較,取特征值之和最大的為用戶最終的一個特征值,最終得到所有用戶所有特征的具體特征值。當用戶有新的快遞包裹到達,并且包裹對應(yīng)商品分類是新增的,則重新計算用戶手機號對應(yīng)的用戶的所有特征值;

6)通過廣告投放模塊根據(jù)所述用戶特征識別模塊得出的小區(qū)總體用戶特征數(shù)據(jù),以及整體用戶購買商品所屬分類的分布數(shù)量,決定投放與廣告受眾匹配的廣告,同時可以根據(jù)不同小區(qū)的總的快遞包裹數(shù)量、周期性用戶平均快遞包裹數(shù)量決定投放廣告與否。

本發(fā)明的優(yōu)點是:將互聯(lián)網(wǎng)電商信息與智能快遞柜收集的信息結(jié)合,精準、實時分析各個小區(qū)內(nèi)用戶的購物需求,以此為基礎(chǔ)投放廣告,提高樓宇廣告投放精準度,提升廣告效果。

具體實施方式

本發(fā)明公開了一種樓宇廣告精準投放系統(tǒng)及方法,其具體內(nèi)容如下:

該系統(tǒng)包括商品分類與用戶特征預(yù)設(shè)模塊,樓宇智能快遞柜的快遞包裹數(shù)據(jù)采集模塊、用戶訂單數(shù)據(jù)采集模塊、用戶特征識別模塊和廣告投放模塊;

所述商品分類與用戶特征預(yù)設(shè)模塊建立一個完善的商品分類體系,包括商品分類c的集合{c1, c2, …cj},用戶特征f的集合{f1, f2…fn},每個特征f有自己可枚舉的特征值v的集合{v1, v2, …vn},建立一個權(quán)重表w:{c1-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, c2-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}…cj-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}};

所述樓宇智能快遞柜存取件數(shù)據(jù)采集模塊獲取智能快遞柜終端所在小區(qū)的快遞包裹數(shù)據(jù),得到用戶手機號碼m收到的總包裹數(shù)量p,一個手機號碼代表一個真實用戶,當用戶手機號碼對相應(yīng)的包裹數(shù)量p≥1時,記錄用戶手機號碼與快遞單號的映射關(guān)系m: {num1, num2, … , nump},最終得出所有用戶手機號碼與快遞單號的映射表m1: {num1, num2, … , nump};

所述用戶訂單數(shù)據(jù)采集模塊根據(jù)快遞單號獲取用戶在第三方電商平臺產(chǎn)生的訂單商品分類集合{c1, c2, …cj},建立快遞單號到商品分類集合的映射集合m2:{num1=cx, num2=cy, … , nump=cz},x、y和z都在1到j(luò)的范圍內(nèi)取值;

所述用戶特征識別模塊利用所述樓宇智能快遞柜存取件數(shù)據(jù)采集模塊中得到的m1和所述用戶訂單數(shù)據(jù)采集模塊得到的m2,建立用戶手機號碼到商品分類集合的映射m3,即用戶購買的商品所屬分類集合的映射m:{cx, cy, … ,cz},再結(jié)合所述商品分類與用戶特征預(yù)設(shè)模塊中的權(quán)重表w,得到用戶手機號碼在各個商品分類下的各個特征值的權(quán)重分布m:{cx-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, cy-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, … ,cz-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}},依次計算用戶手機號碼對應(yīng)的每個商品分類下具有相同屬性值的和,然后將屬于同一個特征下的所有特征值的和進行比較,取特征值之和最大的為用戶最終的一個特征值,最終得到所有用戶所有特征的具體特征值。當用戶有新的快遞包裹到達,并且包裹對應(yīng)商品分類是新增的,則重新計算用戶手機號對應(yīng)的用戶的所有特征值。

所述廣告投放模塊根據(jù)所述用戶特征識別模塊得出的小區(qū)總體用戶特征數(shù)據(jù),以及整體用戶購買商品所屬分類的分布數(shù)量,決定投放與廣告受眾匹配的廣告,同時可以根據(jù)不同小區(qū)的總的快遞包裹數(shù)量、周期性用戶平均快遞包裹數(shù)量決定投放廣告與否。

實施例1(以南京市浦口區(qū)威尼斯水城1期使用結(jié)果為例)

商品分類集合: 母嬰,男裝,食品,3C數(shù)碼,個護化妝

特征集合: 性別,年齡,婚姻狀況,收入水平,學(xué)歷

商品分類表由電商平臺處直接提供獲得,特征集合為使用該方法計算者根據(jù)實際需要情況設(shè)定。以下是計算過程:

分類特征權(quán)重表(該表的相關(guān)數(shù)據(jù)源自電商平臺處直接提供獲得):

母嬰:

性別:{男: 0.26. 女:0.74}

年齡:{19歲及以下: 0.03, 20~29歲: 0.26, 30~39歲: 0.59, 40~49歲: 0.08, 50歲及以上: 0.04}

婚姻狀況:{已婚:0.98, 未婚: 0.02}

收入水平:{5000以下:0.2, 5000~10000: 0.4, 10000以上: 0.4}

學(xué)歷:{本科以上:0.8, 大專:0.1, 高中以下:0.1}

男裝:

性別:{男: 0.80, 女: 0.20}

年齡:{19歲及以下: 0.06, 20~29歲: 0.36, 30~39歲: 0.46, 40~49歲: 0.08, 50歲及以上: 0.04}

婚姻狀況:{已婚:0.80, 未婚: 0.20}

收入水平:{5000以下:0.6, 5000~10000: 0.3, 10000以上: 0.1}

學(xué)歷:{本科以上:0.7, 大專:0.2, 高中以下:0.1}

食品:

性別:{男:0.43, 女:0.57}

年齡:{19歲及以下: 0.05, 20~29歲: 0.32, 30~39歲: 0.48, 40~49歲: 0.12, 50歲及以上: 0.03}

婚姻狀況:{已婚:0.7, 未婚: 0.3}

收入水平:{5000以下:0.6, 5000~10000: 0.3, 10000以上: 0.1}

學(xué)歷:{本科以上:0.7, 大專:0.2, 高中以下:0.1}

3C數(shù)碼:

性別:{男:0.83, 女:0.17}

年齡:{19歲及以下: 0.05, 20~29歲: 0.36, 30~39歲: 0.45, 40~49歲: 0.10, 50歲及以上: 0.04}

婚姻狀況:{已婚:0.7, 未婚: 0.3}

收入水平:{5000以下:0.4, 5000~10000: 0.3, 10000以上: 0.3}

學(xué)歷:{本科以上:0.7, 大專:0.2, 高中以下:0.1}

個護化妝:

性別:{男:0.35, 女:0.65}

年齡:{19歲及以下: 0.11, 20~29歲: 0.37, 30~39歲: 0.39, 40~49歲: 0.10, 50歲及以上: 0.03}

婚姻狀況:{已婚:0.4, 未婚: 0.6}

收入水平:{5000以下:0.4, 5000~10000: 0.3, 10000以上: 0.3}

學(xué)歷:{本科以上:0.7, 大專:0.2, 高中以下:0.1}

用戶手機號碼與包裹單號的映射(該映射內(nèi)容源自樓宇智能快遞柜提供):

{

15151841484: {BP2188312, BP213213, 888327732427, 783784832842}

13783284238:{23848342, 389432589483, 327847832}

}

建立快遞單號到商品分類集合的映射集合m2,:

{

BP2188312: 男裝,

BP213213: 母嬰,

888327732427: 食品,

783784832842: 3C數(shù)碼,

23848342: 母嬰,

389432589483: 食品,

327847832:個護化妝

}

建立用戶手機號碼到商品分類集合的映射m3:

{

15151841484: { 男裝, 母嬰, 食品, 3C數(shù)碼},

13783284238: {母嬰,食品, 個護化妝}

}

計算每個用戶在各個特征值下的權(quán)重

15151841484: { 男裝, 母嬰, 食品, 3C數(shù)碼} =>

15151841484: {

男裝:{

性別:{男:0.73, 女:0.27}

年齡:{19歲及以下: 0.05, 20~29歲: 0.32, 30~39歲: 0.48, 40~49歲: 0.12, 50歲及以上: 0.03}

婚姻狀況:{已婚:0.7, 未婚: 0.3}

收入水平:{5000以下:0.6, 5000~10000: 0.3, 10000以上: 0.1}

學(xué)歷:{本科以上:0.7, 大專:0.2, 高中以下:0.1}

}

母嬰: {

性別:{男: 0.26. 女:0.74}

年齡:{19歲及以下: 0.03, 20~29歲: 0.26, 30~39歲: 0.59, 40~49歲: 0.08, 50歲及以上: 0.04}

婚姻狀況:{已婚:0.98, 未婚: 0.02}

收入水平:{5000以下:0.2, 5000~10000: 0.4, 10000以上: 0.4}

學(xué)歷:{本科以上:0.8, 大專:0.1, 高中以下:0.1}

}

食品: {

性別:{男:0.43, 女:0.57}

年齡:{19歲及以下: 0.05, 20~29歲: 0.32, 30~39歲: 0.48, 40~49歲: 0.12, 50歲及以上: 0.03}

婚姻狀況:{已婚:0.7, 未婚: 0.3}

收入水平:{5000以下:0.6, 5000~10000: 0.3, 10000以上: 0.1}

學(xué)歷:{本科以上:0.7, 大專:0.2, 高中以下:0.1}

}

3C數(shù)碼: {

性別:{男:0.83, 女:0.17}

年齡:{19歲及以下: 0.05, 20~29歲: 0.36, 30~39歲: 0.45, 40~49歲: 0.10, 50歲及以上: 0.04}

婚姻狀況:{已婚:0.7, 未婚: 0.3}

收入水平:{5000以下:0.4, 5000~10000: 0.3, 10000以上: 0.3}

學(xué)歷:{本科以上:0.7, 大專:0.2, 高中以下:0.1}

}

}

=>1515184148:

性別:{男:0.73 + 0.26 + 0.43 + 0.83=2.25女:0.27 + 0.74 + 0.57 + 0.17=1.75}

年齡:{19歲及以下: 0.05 + 0.03 + 0.05 + 0.05=0.18, 20~29歲: 0.32+0.26+0.32+0.36=1.26, 30~39歲: 0.48+0.59+0.48+0.45=2, 40~49歲: 0.12+0.08+0.12+0.10=0.42, 50歲及以上: 0.03+0.04+0.03+0.04=0.14}

婚姻狀況:{已婚:0.7+0.98+0.7+0.7=3.08, 未婚:0.3+0.02 + 0.3+0.3=0.92}

收入水平:{5000以下:0.6+0.2+0.6+0.4=1.8, 5000~10000: 0.3+0.4+0.3+0.2=1.2, 10000以上: 0.4=0.1+0.4+0.1+0.3=0.9}

學(xué)歷:{本科以上:0.7+0.8+0.7+0.7=2.9, 大專:0.2+0.1+0.2+0.2=0.7, 高中以下:0.1+0.1+0.1+0.1=0.4}

取每個屬性里最高值的一個

=>1515184148:

性別:男 (2.25)

年齡:30~39歲(2)

婚姻狀況:已婚(3.08)

收入水平:5000以下(1.8)

學(xué)歷:本科以上(2.9)

依次計算所有用戶

=>13783284238:

性別:女 (2.15)

年齡:30~39歲(2.1)

婚姻狀況:已婚(3.0)

收入水平:5000~10000(1.8)

學(xué)歷:本科以上(2.8)

=>15234234324:

性別:男 (1.15)

年齡:20~29歲(2.1)

婚姻狀況:未婚(3.0)

收入水平:5000~10000(1.8)

學(xué)歷:本科以上(2.8)

根據(jù)所有用戶的特征,得出小區(qū)的總體用戶特征:

男:66% 女: 33%

年齡:19歲及以下:0%, 20~29歲: 33%, 30~39歲:67%, 40~49歲: 0%, 50歲及以上: 0%

婚姻狀況:已婚:67%, 未婚: 33%

收入水平:{5000以下:33%, 5000~10000: 67%, 10000以上: 0%}

學(xué)歷:本科以上:100%, 大專:0%, 高中以下:0%。

如上所述,盡管參照特定的優(yōu)選實施例已經(jīng)表示和表述了本發(fā)明,但其不得解釋為對本發(fā)明自身的限制。在不脫離所附權(quán)利要求定義的本發(fā)明的精神和范圍前提下,可對其在形式上和細節(jié)上作出各種變化。

當前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1