一种品牌广告效果优化的离散计算方法

摘要

一种广告效果优化的离散计算方法及装置，所述方法充分利用了视频网站中被挖掘出的大量用户信息，包括人口基础信息和偏好，还能够结合素材本身的行业描述，对这些数据整合、清洗；再进行特征抽取与格式化，获取用于模型训练的特征；通过得到特征数据进行逻辑回归模型训练得到优化模型并验证，利用随后的测试数据经过与点击率阈值的比较进行广告投放判断。经过实践证明，本发明提高了对新广告投放的各项指标均有大幅提高，更精准地向用户投放广告，提高点击率。

主权项

一种广告效果优化的离散计算方法，包括如下步骤：数据源清洗及整合步骤(S110)：获得四种数据作为点击率优化模型的数据源，所述四种数据包括：用户信息数据：指的是用户在视频网站内观看和/或点击广告的行为得到的用户关注行业偏好信息以及视频网站偏好信息，素材信息数据：指的是品牌广告的素材信息，广告展示日志信息：指的是广告展示时记录下的相关信息，广告点击日志信息：用户点击广告时记录下的相关信息，将上述四种数据进行数据的整合与清洗，得到用户的人口属性和偏好信息；特征提取及格式化步骤(S120)：对清洗及整合后的数据进行特征提取与格式化，将格式化后的数据按照一定的比例进行分配得到模型训练数据和模型验证数据；模型训练及验证步骤(S130)：使用模型训练数据利用逻辑回归模型算法(Logistic Regression)得到逻辑回归模型，使用模型验证数据在逻辑回归模型中进行验证，得到预测的点击率阈值；模型测试及投放步骤(S140)：使用最近的广告投放的所述四种数据，利用特征提取及格式化步骤的方法得到所述模型测试数据，将所述模型测试数据输入到逻辑回归模型中获得的点击率值与预先设定的点击率阈值比较，大于等于所述点击率阈值则进行投放，小于点击率阈值则不投放。