本發(fā)明涉及一種基于用戶消費特征向量的手機廣告投放方法。屬于手機廣告、電信業(yè)務(wù)、數(shù)據(jù)挖掘和分析領(lǐng)域。

背景技術(shù)：
手機是一個個人媒體，所以對手機用戶的分析以及免打擾機制變得非常重要。因為手機的個人媒體屬性，決定了手機廣告可以更加精準(zhǔn)，更加符合廣告主的投放要求。但是目前，各手機廣告平臺的用戶數(shù)據(jù)分析系統(tǒng)常常只是通過用戶所處的地理位置和時間(直接內(nèi)存訪問)、手機屬性(包括手機型號、手機操作系統(tǒng)等)以及人口統(tǒng)計學(xué)特征(基于少量的注冊信息)，給廣告主提供投放參考。還有一些運營商基于用戶的電信服務(wù)品牌、ARPU值、GPRS流量、漫游次數(shù)等電信屬性數(shù)據(jù)，運用聚類分析、分類分析等數(shù)據(jù)挖掘的方法把用戶大致分為幾個群體，給廣告主提供投放參考。這些基于簡單的靜態(tài)數(shù)據(jù)對用戶進(jìn)行細(xì)分的方法，不但用戶數(shù)據(jù)不能實時更新，細(xì)分的準(zhǔn)確性得不到保證，而且目標(biāo)用戶真實的消費能力如何、消費傾向是什么也并不知曉，還做不到真正的精準(zhǔn)投放。

技術(shù)實現(xiàn)要素：
針對現(xiàn)有技術(shù)存在的問題，本發(fā)明的目的在于提供一種基于用戶消費特征向量的手機廣告投放方法，本方法基于實時的、豐富的用戶消費特征數(shù)據(jù)進(jìn)行手機廣告投放，對廣告主來說更有意義。尤其是考慮到實際的產(chǎn)業(yè)環(huán)境，需要面對來自不同行業(yè)的各種各樣的廣告主的時候，更是如此。但是如何獲得用戶的消費行為特征進(jìn)行用戶細(xì)分，是業(yè)內(nèi)頗具挑戰(zhàn)性的問題。本發(fā)明的目的是提出一種基于用戶消費特征向量的手機廣告投放方法，本方法無需獲取用戶的性別、年齡等隱私信息(對用戶本身是誰并不關(guān)心)，利用用戶在瀏覽移動互聯(lián)網(wǎng)網(wǎng)頁以及使用手機客戶端時所透露的實時的興趣、行為信息進(jìn)行深入分析，通過向量的形式對用戶進(jìn)行標(biāo)識。為了實現(xiàn)以上目的，本發(fā)明提出以下技術(shù)方案：一種基于用戶消費特征向量的手機廣告投放方法，其步驟為：1)手機廣告發(fā)布服務(wù)器獲取用戶的移動互聯(lián)網(wǎng)瀏覽內(nèi)容，并對其進(jìn)行分詞并賦予分詞權(quán)重，得到一用戶關(guān)鍵詞表向量；2)根據(jù)獲取的移動互聯(lián)網(wǎng)瀏覽內(nèi)容構(gòu)建相應(yīng)用戶的用戶消費特征向量；3)從廣告經(jīng)驗文本數(shù)據(jù)庫中提取關(guān)鍵詞并設(shè)定關(guān)鍵詞權(quán)重，然后針對每一用戶消費特征向量，構(gòu)造一特征矩陣；4)對用戶的用戶關(guān)鍵詞表向量、特征矩陣進(jìn)行相似度計算，得出每位用戶的用戶消費特征向量各個分量的值；5)設(shè)定用戶消費標(biāo)簽與用戶的消費特征向量分量不同閾值范圍之間的映射關(guān)系；6)手機廣告發(fā)布服務(wù)器根據(jù)用戶當(dāng)前的消費特征向量各分量值和所述映射關(guān)系為每一用戶標(biāo)注相應(yīng)的消費標(biāo)簽，并根據(jù)消費標(biāo)簽選取用戶進(jìn)行廣告投放。進(jìn)一步的，構(gòu)建所述用戶消費特征向量的方法為：根據(jù)獲取的移動互聯(lián)網(wǎng)瀏覽內(nèi)容數(shù)據(jù)，選擇幾個熱門行業(yè)作為分量構(gòu)建所述用戶消費特征向量。進(jìn)一步的，所述特征矩陣的構(gòu)造方法為：將所述消費特征向量的每個分量作為特征矩陣的一個行指標(biāo)，提取的關(guān)鍵詞作為特征矩陣的列指標(biāo)，關(guān)鍵詞在對應(yīng)分量上的權(quán)重為矩陣元素；得到所述特征矩陣。進(jìn)一步的，所述計算用戶當(dāng)前的消費特征向量各分量值的方法為：將所述用戶關(guān)鍵詞表向量與所述特征矩陣相乘，得出每位用戶的消費特征向量各個分量值。進(jìn)一步的，步驟1)中，所述手機廣告發(fā)布服務(wù)器還獲取用戶的移動互聯(lián)網(wǎng)瀏覽軌跡數(shù)據(jù)和移動客戶端使用行為數(shù)據(jù)。進(jìn)一步的，根據(jù)移動互聯(lián)網(wǎng)瀏覽軌跡數(shù)據(jù)構(gòu)建用戶瀏覽軌跡消費特征向量；根據(jù)移動客戶端使用行為數(shù)據(jù)構(gòu)建用戶使用行為消費特征向量。進(jìn)一步的，對所述用戶瀏覽軌跡消費特征向量進(jìn)行相似度計算，得到用戶瀏覽軌跡消費特征向量各分量的值，然后所述手機廣告發(fā)布服務(wù)器根據(jù)用戶消費標(biāo)簽與用戶瀏覽軌跡消費特征向量分量不同閾值范圍之間的映射關(guān)系，為每一用戶標(biāo)注相應(yīng)的消費標(biāo)簽，并根據(jù)消費標(biāo)簽選取用戶進(jìn)行廣告投放。進(jìn)一步的，對所述用戶使用行為消費特征向量進(jìn)行相似度計算，得到用戶使用行為消費特征向量各分量的值，然后所述手機廣告發(fā)布服務(wù)器根據(jù)用戶消費標(biāo)簽與用戶使用行為消費特征向量分量不同閾值范圍之間的映射關(guān)系，為每一用戶標(biāo)注相應(yīng)的消費標(biāo)簽，并根據(jù)消費標(biāo)簽選取用戶進(jìn)行廣告投放。進(jìn)一步的，利用文本特征抽取技術(shù)提取關(guān)鍵詞并設(shè)定關(guān)鍵詞權(quán)重。進(jìn)一步的，所述手機廣告發(fā)布服務(wù)器為所述用戶消費特征向量每一分量設(shè)定一衰減函數(shù)和一半衰期參數(shù)，將用戶一段時間內(nèi)的消費特征向量通過衰減函數(shù)做加權(quán)，求得用戶在該段時間的消費特征向量值；所述消費標(biāo)簽根據(jù)用戶消費特征向量分量的值實時更新。進(jìn)一步的，構(gòu)建所述廣告經(jīng)驗文本數(shù)據(jù)庫的方法為：首先分行業(yè)搜集關(guān)于廣告的文本資料；然后基于已分好類的文本資料，應(yīng)用文本特征抽取的方法，抽取出用戶描述廣告的關(guān)鍵詞，得到所述廣告經(jīng)驗文本數(shù)據(jù)庫。進(jìn)一步的，不同消費標(biāo)簽對應(yīng)著用戶消費向量不同的閾值范圍，一個用戶設(shè)有一個或多個消費標(biāo)簽；所述閾值范圍為[0，1]。本發(fā)明的方法具體包括如下幾個步驟，其處理流程如圖所示：1)手機廣告發(fā)布服務(wù)器通過各類數(shù)據(jù)庫接口獲得豐富的用戶動態(tài)數(shù)據(jù)，如用戶的移動互聯(lián)網(wǎng)瀏覽軌跡和內(nèi)容數(shù)據(jù)、移動客戶端使用行為數(shù)據(jù)等。對于移動互聯(lián)網(wǎng)頁面內(nèi)容數(shù)據(jù)，我們應(yīng)用分詞技術(shù)進(jìn)行分析并賦予分詞權(quán)重，得出用戶關(guān)鍵詞表向量；2)構(gòu)建用戶消費特征向量。用戶消費特征向量可按照不同的維度靈活構(gòu)建，對于移動互聯(lián)網(wǎng)瀏覽軌跡數(shù)據(jù)，可以選擇URL地址、瀏覽時間、瀏覽頻次等幾個分量構(gòu)建向量，對于移動互聯(lián)網(wǎng)瀏覽內(nèi)容，可以選擇幾個熱門行業(yè)作為分量構(gòu)建向量，比如我們選擇九類重點行業(yè)構(gòu)造用戶行業(yè)類消費特征向量[食品飲料，房地產(chǎn)，汽車，服裝，美容，IT數(shù)碼產(chǎn)品，游戲軟件，金融保險，時尚奢侈品，其他行業(yè)]，對于移動客戶端使用行為數(shù)據(jù)，可以選擇客戶端型號、操作系統(tǒng)類型、常用APP類型等作為分量構(gòu)建向量；3)通過用戶的移動互聯(lián)網(wǎng)瀏覽內(nèi)容數(shù)據(jù)分析用戶消費特征時，利用文本特征抽取技術(shù)從廣告經(jīng)驗文本數(shù)據(jù)庫(經(jīng)驗文本數(shù)據(jù)庫可以是一已構(gòu)建好的數(shù)據(jù)庫，或者根據(jù)需要自己建立)中選出有代表性的關(guān)鍵詞，設(shè)定關(guān)鍵詞權(quán)重，為用戶消費特征向量構(gòu)造特征矩陣；對每個特定的用戶消費特征向量，只有一個特征矩陣；特征矩陣構(gòu)造方法：行指標(biāo)由特征向量的各個分量組成，每個分量為一個行指標(biāo)，列指標(biāo)由關(guān)鍵詞組成，這些關(guān)鍵詞可以用來區(qū)別不同的行指標(biāo)。以2)中提到的消費特征向量為例說明如何構(gòu)造特征矩陣，將行業(yè)名稱作為特征矩陣的行，將關(guān)鍵詞列表作為特征矩陣的列名稱，而矩陣元素表示列所對應(yīng)的關(guān)鍵詞表在行所對應(yīng)的行業(yè)上的權(quán)重，具體權(quán)重計算根據(jù)歷史或者經(jīng)驗數(shù)據(jù)計算后賦值，這樣就組成了一個關(guān)于行業(yè)興趣消費特征向量的特征矩陣；其中，廣告經(jīng)驗文本數(shù)據(jù)庫構(gòu)建：首先，需要分行業(yè)廣泛搜集關(guān)于廣告的文本資料，如可以通過網(wǎng)絡(luò)爬蟲等技術(shù)從網(wǎng)絡(luò)獲??；然后基于已經(jīng)分好類的文本，應(yīng)用文本特征抽取的方法，如基于信息增益方法、基于熵的方法，抽取出用戶描述廣告的關(guān)鍵詞，從而構(gòu)成廣告經(jīng)驗文本數(shù)據(jù)庫。4)通過相似度計算，得出每位用戶的消費特征向量各個分量的值；比如，將用戶瀏覽行為數(shù)量化，即上述第1)步中經(jīng)過賦權(quán)重的用戶關(guān)鍵詞表向量與特征矩陣的每個行相比，計算兩個向量的相似度，即得到用戶在特征向量每個分量的值；5)設(shè)定用戶消費標(biāo)簽與用戶消費特征向量分量不同閾值范圍之間的映射關(guān)系；6)基于此映射關(guān)系，系統(tǒng)自動為所有用戶標(biāo)注相應(yīng)的消費標(biāo)簽；通過設(shè)定衰減函數(shù)反映用戶消費特征向量的實時變化，相應(yīng)的用戶的消費標(biāo)簽也會實時變化。7)手機廣告發(fā)布服務(wù)器根據(jù)消費標(biāo)簽選取用戶進(jìn)行廣告投放。所述發(fā)明中的“用戶消費特征向量”，主要包含能夠反映用戶個體在消費行為方面的屬性變量，比如1)中的用戶行業(yè)類消費特征向量，通過這種向量標(biāo)識用戶對各個行業(yè)的消費傾向。所述發(fā)明中的“用戶關(guān)鍵詞表”，主要是指通過對用戶瀏覽的移動互聯(lián)網(wǎng)頁面內(nèi)容進(jìn)行分詞、權(quán)重計算后得出的關(guān)鍵詞列表，可以通過這些關(guān)鍵詞將用戶個體“特征詞”化；也就是說用幾個詞就可以簡單的描述一個人的特征、喜歡的事物，就好像這個人的標(biāo)簽一樣。所述發(fā)明中的“特征矩陣”，即由用戶消費特征向量的每個分量在選出的主要關(guān)鍵詞匯上的權(quán)重組成，而權(quán)重計算方式可以有多種算法，常見的有TF-IDF賦值法，布爾權(quán)重法，基于熵概念的權(quán)重法等多種權(quán)重賦值方式。除此之外，關(guān)于主要關(guān)鍵詞的選擇，也是特征矩陣計算的一個關(guān)鍵點，涉及的算法也比較豐富，基于不同的業(yè)務(wù)場景選擇有效的算法，在此不再做贅述。所述發(fā)明中的“用戶消費標(biāo)簽與用戶消費特征向量分量不同閾值范圍之間的映射關(guān)系”，以用戶消費特征向量作為分析用戶的基礎(chǔ)數(shù)據(jù)，通過采用定性和定量的研究方法對特征向量進(jìn)行挖掘分析，得出用戶消費標(biāo)簽與用戶消費特征向量分量不同閾值范圍之間的映射關(guān)系。用戶消費特征向量各個分量的閾值都在[0，1]之間，不同用戶標(biāo)簽對應(yīng)著分量不同的閾值。以用戶行業(yè)類消費特征向量[食品飲料，房地產(chǎn)，汽車，服裝，美容，IT數(shù)碼產(chǎn)品，游戲軟件，金融保險，時尚奢侈品，其他行業(yè)]為例，我們設(shè)定兩個閾值0.4、0.7，如果用戶A的汽車分量的閾值超過0.4，那系統(tǒng)自動為其標(biāo)示為汽車愛好者，如果用戶B的美容分量的閾值超過0.7，系統(tǒng)自動為其標(biāo)示為美容達(dá)人。所述發(fā)明中的“消費標(biāo)簽”，是指直接面向廣告主的、可以直接的、形象的反映廣告主訴求的用戶標(biāo)識，不同消費標(biāo)簽對應(yīng)著用戶消費向量不同的閾值范圍，一個用戶可以擁有多個消費標(biāo)簽。所述發(fā)明中的“衰減函數(shù)”，是指能夠反映用戶的消費特征向量值伴隨著用戶的消費興趣一天天發(fā)生變化的函數(shù)。設(shè)定一個時間窗，假設(shè)為s天，以s天相似度的加權(quán)平均值作為消費特征向量分量的值，不同消費特征向量分量有不同的衰減方式，即一個消費特征向量中，每一屬性變量設(shè)定不同的衰減函數(shù)，衰減函數(shù)形如負(fù)指數(shù)分布，函數(shù)形式相同，只是參數(shù)不同，不同分量設(shè)定不同的半衰期參數(shù)。在數(shù)據(jù)的更新頻度機制上，特征矩陣、用戶消費標(biāo)簽和用戶消費特征向量之間的映射關(guān)系分別設(shè)定不同的更新周期，而每個用戶的消費特征向量能夠做到每天更新。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點與積極效果為：用戶消費興趣和消費傾向的變化能夠?qū)崟r的通過用戶消費特征向量體現(xiàn)出來，從而使我們能夠真正的做到精準(zhǔn)營銷，提高廣告收入；同時，我們不去關(guān)心每位用戶究竟是誰，我們只關(guān)心哪些用戶在某個時間段內(nèi)對什么感興趣，這樣用戶數(shù)據(jù)安全能夠得到充分保障；另外，用戶消費特征向量的變化基本由系統(tǒng)自動更新，減少了人工干預(yù)，有效地降低了平臺運營成本。附圖說明附圖示意了本發(fā)明的方法流程圖。具體實施方式下面結(jié)合附圖和具體示例對本發(fā)明進(jìn)一步說明。下面運用一個具體的例子來說明如何應(yīng)用本發(fā)明來獲得用戶的消費特征向量，并設(shè)定用戶消費標(biāo)簽與用戶消費特征向量之間的映射關(guān)系，將其應(yīng)用于手機廣告用戶細(xì)分領(lǐng)域。實例：假設(shè)存在這樣一種業(yè)務(wù)場景，用戶使用移動終端通過無線運營商請求訪問不同的頁面內(nèi)容，無線運營商將用戶請求的頁面返回到用戶終端；可以搜集到的用戶信息有：用戶的請求信息，如何時登陸，訪問網(wǎng)頁順序等信息，以及運營商向用戶返回的頁面信息。此時，有一個母嬰用戶廣告主打算在六一兒童節(jié)期間向潛在用戶投放關(guān)于該品牌的營銷信息。計算過程示例：1)累積能搜集到的每個用戶的訪問頁面內(nèi)容信息，對頁面內(nèi)容進(jìn)行分詞，按照詞出現(xiàn)的頻次多少獲得用戶關(guān)鍵詞表，并賦予每個詞不同的權(quán)重，即獲得二維元組表示的數(shù)量化的用戶關(guān)鍵詞表；如用戶A的關(guān)鍵詞表為{(小兒咳嗽，0.8)，(攝影，0.3)，(寶寶，0.6)，......}，記為Ti；2)構(gòu)建用戶行業(yè)消費特征向量{時尚，母嬰，數(shù)碼，}；3)構(gòu)建針對2)中特征向量的特征矩陣。特征矩陣根據(jù)經(jīng)驗文本庫中與特征向量有關(guān)的文本，應(yīng)用文本特征抽取技術(shù)獲得特征詞匯(哺乳，可愛，綠色，品牌，......)，并獲得每個詞在相關(guān)向量上的權(quán)重，形如表1所示，記特征矩陣為V；表1、特征矩陣表哺乳可愛綠色品牌......其他時尚v11v12v13v14v1n母嬰V21v22v23v24v2n數(shù)碼v31v32v33v34v3n......其他v10，1v10，2v10，3v10，4v10，n4)計算每個用戶的特征向量各個分量的值。即將1)中的用戶關(guān)鍵詞表與3)中的特征矩陣相乘，記為Ui＝V*Ti，得到用戶的特征向量，如Ui＝{0.1，0.7，0.3，......}，則表示用戶A在時尚方面的表現(xiàn)為0.1，母嬰方面的表現(xiàn)為0.7；5)設(shè)定用戶消費特征向量與用戶標(biāo)簽之間的對應(yīng)關(guān)系，根據(jù)經(jīng)驗設(shè)定：特征向量在“母嬰”分量上的值大于0.4時，則判斷該用戶對“母嬰”產(chǎn)品感興趣，為“母嬰”潛在用戶；6)基于此對應(yīng)關(guān)系，系統(tǒng)自動為所有用戶標(biāo)注相應(yīng)的消費標(biāo)簽；并設(shè)定用戶在母嬰方面的半衰減周期為1周，即經(jīng)過一周后用戶在“母嬰”方面的影響減少一半即原來的二分之一，得到用戶的衰減參數(shù)為0.1；將用戶一段時間以來的特征向量通過衰減函數(shù)做加權(quán)，求得用戶在特定時間的特征向量；設(shè)到t0時刻用戶的特征向量為{0.2，0.8，0.3，.......}；7)廣告主選擇消費行為標(biāo)簽“母嬰用戶關(guān)注者”作為潛在的廣告投放定向條件，向滿足這些條件的人群投放相關(guān)的廣告。比如，在這些用戶瀏覽的網(wǎng)頁上或者該類用戶使用的移動業(yè)務(wù)上搭載相關(guān)的廣告。