本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種關鍵詞推薦方法、裝置、電子設備及存儲介質(zhì)。

背景技術：

1、廣告主通常選擇以投放廣告的方式，來向客戶曝光自己供應的商品。一個廣告的關鍵詞是該廣告能引起客戶關注的關鍵點?，F(xiàn)有的關鍵詞推薦方法，通常是針對待投放廣告商品，根據(jù)廣告主給出的每日預算和預期曝光量計算出每次曝光成本，再根據(jù)計算出的每次曝光成本，在該待投放廣告商品所屬的品類所對應的關鍵詞中，檢索出每次曝光成本與計算出的每次曝光成本相同的關鍵詞，然后將檢索出的關鍵詞作為該待投放廣告商品廣告關鍵詞，并根據(jù)得到的廣告關鍵詞，為待投放廣告商品生成廣告進行投放。例如：針對待投放廣告商品，廣告主給出的每日預算為2000元，預期曝光量為2000次，那么，根據(jù)廣告主給出的每日預算和預期曝光量計算出每次曝光成本為1元，再在該待投放廣告商品所屬的品類所對應的關鍵詞中，檢索出每次曝光成本為1元的關鍵詞作為該待投放廣告商品廣告關鍵詞，并根據(jù)得到的廣告關鍵詞，為待投放廣告商品生成廣告進行投放。

2、然而，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術中投放的廣告大概率是能達到每日預算和曝光量預期的，但是廣告的下載量通常比較低。這是由于現(xiàn)有技術數(shù)據(jù)分析的維度過于單一，使得推薦的關鍵詞不夠準確所導致的。因此，現(xiàn)有的關鍵詞推薦方法存在推薦的關鍵詞不夠準確，導致投放的廣告下載量較低、獲客率低和廣告主的投資回報率較低的問題。

技術實現(xiàn)思路

1、本發(fā)明實施例提供一種關鍵詞推薦方法、裝置、電子設備及存儲介質(zhì)，用以解決現(xiàn)有技術中存在的數(shù)據(jù)分析維度過于單一且不夠準確，導致的推薦的廣告關鍵詞無法達到廣告主廣告投放的預期效果的問題。

2、具體技術方案如下：

3、第一方面，本發(fā)明實施例提供了一種關鍵詞推薦方法，應用于服務器，所述方法，包括：

4、接收客戶端發(fā)送的關鍵詞推薦請求；所述請求中包括：待投放廣告商品的標識信息、每日總預算、結果維度和結果數(shù)量；

5、獲取預設的算法工具接口地址；

6、根據(jù)所述關鍵詞推薦請求中的待投放廣告商品的標識信息、每日總預算、結果維度和結果數(shù)量，及所述算法工具接口地址，生成提示詞；所述提示詞中包括所述算法工具接口地址、調(diào)用所述算法工具接口的方式、調(diào)用所述算法工具接口時傳入所述算法工具中的參數(shù)；所述傳入所述算法工具中的參數(shù)包括：待投放廣告商品的標識信息、每日總預算、結果維度和結果數(shù)量；

7、將所述提示詞發(fā)送至ai大模型接口，并接收所述ai大模型接口返回的代碼；其中，ai大模型用于根據(jù)所述提示詞，生成代碼；所述代碼用于生成請求調(diào)用所述算法工具接口，并獲取所述算法工具接口返回的關鍵詞結果集；所述算法工具接口用于接收所述代碼發(fā)送的請求，根據(jù)所述請求中的參數(shù)，計算出關鍵詞結果集，并返回所述關鍵詞結果集；

8、執(zhí)行所述代碼，獲取所述代碼返回的關鍵詞結果集；

9、將所述關鍵詞結果集，返回至所述客戶端。

10、可選的，所述ai大模型接口返回的代碼用于：

11、以post請求的方式調(diào)用所述算法工具接口；

12、將所述post請求中的參數(shù)發(fā)送至所述算法工具接口，使算法工具在接收到所述參數(shù)后，能夠根據(jù)所述參數(shù)返回關鍵詞結果集；其中，所述post請求中的參數(shù)為body體參數(shù)；所述body體參數(shù)中包括的參數(shù)有待投放廣告商品的標識信息、每日總預算、結果維度和結果數(shù)量；

13、獲取所述算法工具返回的關鍵詞結果集，并將所述關鍵詞結果集作為執(zhí)行的結果返回。

14、可選的，所述結果維度為曝光量，所述結果數(shù)量為預期曝光次數(shù)，所述算法工具接口類型為post類型，參數(shù)為body體參數(shù)；

15、所述算法工具用于：

16、接收post請求；

17、根據(jù)所述post請求中的參數(shù)待投放廣告商品的標識信息，確定所述待投放廣告商品的分類名稱；

18、根據(jù)所述待投放廣告商品的分類名稱，從數(shù)據(jù)庫中獲取所述分類名稱對應的關鍵詞的歷史記錄信息；

19、根據(jù)所述歷史記錄信息中，每個關鍵詞的總消耗費用和總曝光次數(shù)，分別計算每個關鍵詞的曝光單價；

20、設變量a=90，i=1；

21、根據(jù)所述參數(shù)中的每日總預算和預期曝光次數(shù)，利用公式，計算所述待投放廣告商品的第一曝光成本；

22、從所述待投放廣告商品的分類對應的關鍵詞中篩選出，曝光單價等于所述第一曝光成本的關鍵詞，作為第一預選關鍵詞；

23、按照所述歷史記錄信息中，每個關鍵詞的下載率，對所述第一預選關鍵詞進行排序，獲得第一預選關鍵詞隊列；

24、從所述第一預選關鍵詞隊列中，篩選出前預設數(shù)量個關鍵詞，作為第一關鍵詞；

25、根據(jù)所述參數(shù)中的每日總預算和預期曝光次數(shù)，利用公式，計算所述待投放廣告商品的第二曝光成本；

26、從所述待投放廣告商品的分類對應的關鍵詞中篩選出，曝光單價等于所述第二曝光成本的關鍵詞，作為第二預選關鍵詞；

27、按照所述歷史記錄信息中，每個關鍵詞的下載率，對所述第二預選關鍵詞進行排序，獲得第二預選關鍵詞隊列；

28、從所述第二預選關鍵詞隊列中，篩選出前預設數(shù)量個關鍵詞，作為第二關鍵詞；

29、分別根據(jù)所述第一關鍵詞和所述第二關鍵詞中，每個關鍵詞的下載率，計算所述第一關鍵詞和所述第二關鍵詞的平均下載率；

30、將所述第一關鍵詞和所述第二關鍵詞的平均下載率的平均數(shù)，作為第i組平均數(shù)；

31、將所述第一關鍵詞和所述第二關鍵詞中的關鍵詞，作為第i組關鍵詞；

32、令a=a-10，i=i+1；并判斷a是否小于50；如果是，則停止循環(huán)，比較第1組至第5組平均數(shù)的大?。粚⑵骄鶖?shù)最大的組的關鍵詞作為關鍵詞結果集返回；如果否，則繼續(xù)返回執(zhí)行根據(jù)所述參數(shù)中的每日總預算和預期曝光次數(shù)，利用公式，計算所述待投放廣告商品的第一曝光成本的步驟。

33、可選的，所述關鍵詞推薦請求中還包括：過濾詞；

34、所述方法，還包括：

35、獲取關鍵詞榜單網(wǎng)站的地址；

36、根據(jù)所述關鍵詞推薦請求中的待投放廣告商品的標識信息、每日總預算、結果維度、結果數(shù)量和過濾詞，及所述算法工具接口地址和關鍵詞榜單網(wǎng)站的地址，生成提示詞；其中，所述提示詞中包括所述算法工具接口地址、所述關鍵詞榜單網(wǎng)站的地址、調(diào)用所述算法工具接口的方式、調(diào)用所述算法工具接口時傳入算法工具中的參數(shù)；所述傳入所述算法工具中的參數(shù)包括：待投放廣告商品的標識信息、每日總預算、結果維度、結果數(shù)量和過濾詞。

37、可選的，所述算法工具還用于：

38、根據(jù)所述post請求中的參數(shù)過濾詞，在所述按照所述歷史記錄信息中，每個關鍵詞的下載率，對所述第一預選關鍵詞進行排序，獲得第一預選關鍵詞隊列的步驟之前，去除所述第一預選關鍵詞中與所述過濾詞相同的關鍵詞；

39、根據(jù)所述post請求中，參數(shù)中的過濾詞，在所述按照所述歷史記錄信息中，每個關鍵詞的下載率，對所述第二預選關鍵詞進行排序，獲得第二預選關鍵詞隊列的步驟之前，去除所述第二預選關鍵詞中與所述過濾詞相同的關鍵詞；

40、返回待投放廣告商品的分類名稱。

41、可選的，所述ai大模型接口返回的代碼，還用于：

42、獲取所述算法工具接口返回的關鍵詞結果集和待投放廣告商品的分類名稱；

43、將所述關鍵詞結果集和所述待投放廣告商品的分類名稱保存在內(nèi)存中；

44、編寫爬蟲代碼；

45、根據(jù)所述關鍵詞榜單網(wǎng)站的地址和所述待投放廣告商品的分類名稱，利用所述爬蟲代碼從關鍵詞榜單網(wǎng)站中，爬取與所述待投放廣告商品相同分類的結果維度的榜單熱詞，作為榜單詞集；

46、獲取所述榜單詞集，將所述榜單詞集與所述關鍵詞結果集進行匹配，并判斷所述關鍵詞結果集中，是否存在不在所述榜單詞集中的詞；

47、如果存在，則將所述關鍵詞結果集中不在所述榜單詞集中的詞添加為過濾詞，并按照body體參數(shù)的形式重組接口參數(shù)；將重組的接口參數(shù)作為執(zhí)行結果返回；所述重組的接口參數(shù)中包括的參數(shù)有：待投放廣告商品的標識信息、每日總預算、結果維度、結果數(shù)量和過濾詞；

48、如果不存在，則將所述關鍵詞結果集作為執(zhí)行結果返回。

49、可選的，所述方法，還包括：

50、獲取所述ai大模型接口返回的代碼的執(zhí)行結果：

51、當所述執(zhí)行結果為重組的接口參數(shù)時，根據(jù)所述重組的接口參數(shù)中的待投放廣告商品的標識信息、每日總預算、結果維度、結果數(shù)量和過濾詞，所述算法工具接口地址和關鍵詞榜單網(wǎng)站的地址，重新生成提示詞，返回所述將所述提示詞發(fā)送至ai大模型接口，并接收所述ai大模型接口返回的代碼的步驟繼續(xù)執(zhí)行；

52、當所述執(zhí)行結果為關鍵詞結果集時，將所述關鍵詞結果集，返回至所述客戶端。

53、第二方面，本發(fā)明實施例提供了一種關鍵詞推薦裝置，所述裝置，包括：

54、接收模塊，用于接收客戶端發(fā)送的關鍵詞推薦請求；所述請求中包括：待投放廣告商品的標識信息、每日總預算、結果維度和結果數(shù)量；

55、獲取模塊，用于獲取預設的算法工具接口地址；

56、生成模塊，用于根據(jù)所述關鍵詞推薦請求中的待投放廣告商品的標識信息、每日總預算、結果維度和結果數(shù)量，及所述算法工具接口地址，生成提示詞；所述提示詞中包括所述算法工具接口地址、調(diào)用所述算法工具接口的方式、調(diào)用所述算法工具接口時傳入所述算法工具中的參數(shù)；所述傳入所述算法工具中的參數(shù)包括：待投放廣告商品的標識信息、每日總預算、結果維度和結果數(shù)量；

57、代碼模塊，用于將所述提示詞發(fā)送至ai大模型接口，并接收所述ai大模型接口返回的代碼；其中，ai大模型用于根據(jù)所述提示詞，生成代碼；所述代碼用于生成請求調(diào)用所述算法工具接口，并獲取所述算法工具接口返回的關鍵詞結果集；所述算法工具接口用于接收所述代碼發(fā)送的請求，根據(jù)所述請求中的參數(shù)，計算出關鍵詞結果集，并返回所述關鍵詞結果集；

58、執(zhí)行模塊，用于執(zhí)行所述代碼，獲取所述代碼返回的關鍵詞結果集；

59、返回模塊，用于將所述關鍵詞結果集，返回至所述客戶端。

60、可選的，所述ai大模型接口返回的代碼用于：

61、以post請求的方式調(diào)用所述算法工具接口；

62、將所述post請求中的參數(shù)發(fā)送至所述算法工具接口，使算法工具在接收到所述參數(shù)后，能夠根據(jù)所述參數(shù)返回關鍵詞結果集；其中，所述post請求中的參數(shù)為body體參數(shù)；所述body體參數(shù)中包括的參數(shù)有待投放廣告商品的標識信息、每日總預算、結果維度和結果數(shù)量；

63、獲取所述算法工具返回的關鍵詞結果集，并將所述關鍵詞結果集作為執(zhí)行的結果返回。

64、可選的，所述結果維度為曝光量，所述結果數(shù)量為預期曝光次數(shù)，所述算法工具接口類型為post類型，參數(shù)為body體參數(shù)；

65、所述算法工具用于：

66、接收post請求；

67、根據(jù)所述post請求中的參數(shù)待投放廣告商品的標識信息，確定所述待投放廣告商品的分類名稱；

68、根據(jù)所述待投放廣告商品的分類名稱，從數(shù)據(jù)庫中獲取所述分類名稱對應的關鍵詞的歷史記錄信息；

69、根據(jù)所述歷史記錄信息中，每個關鍵詞的總消耗費用和總曝光次數(shù)，分別計算每個關鍵詞的曝光單價；

70、設變量a=90，i=1；

71、根據(jù)所述參數(shù)中的每日總預算和預期曝光次數(shù)，利用公式，計算所述待投放廣告商品的第一曝光成本；

72、從所述待投放廣告商品的分類對應的關鍵詞中篩選出，曝光單價等于所述第一曝光成本的關鍵詞，作為第一預選關鍵詞；

73、按照所述歷史記錄信息中，每個關鍵詞的下載率，對所述第一預選關鍵詞進行排序，獲得第一預選關鍵詞隊列；

74、從所述第一預選關鍵詞隊列中，篩選出前預設數(shù)量個關鍵詞，作為第一關鍵詞；

75、根據(jù)所述參數(shù)中的每日總預算和預期曝光次數(shù)，利用公式，計算所述待投放廣告商品的第二曝光成本；

76、從所述待投放廣告商品的分類對應的關鍵詞中篩選出，曝光單價等于所述第二曝光成本的關鍵詞，作為第二預選關鍵詞；

77、按照所述歷史記錄信息中，每個關鍵詞的下載率，對所述第二預選關鍵詞進行排序，獲得第二預選關鍵詞隊列；

78、從所述第二預選關鍵詞隊列中，篩選出前預設數(shù)量個關鍵詞，作為第二關鍵詞；

79、分別根據(jù)所述第一關鍵詞和所述第二關鍵詞中，每個關鍵詞的下載率，計算所述第一關鍵詞和所述第二關鍵詞的平均下載率；

80、將所述第一關鍵詞和所述第二關鍵詞的平均下載率的平均數(shù)，作為第i組平均數(shù)；

81、將所述第一關鍵詞和所述第二關鍵詞中的關鍵詞，作為第i組關鍵詞；

82、令a=a-10，i=i+1；并判斷a是否小于50；如果是，則停止循環(huán)，比較第1組至第5組平均數(shù)的大小；將平均數(shù)最大的組的關鍵詞作為關鍵詞結果集返回；如果否，則繼續(xù)返回執(zhí)行根據(jù)所述參數(shù)中的每日總預算和預期曝光次數(shù)，利用公式，計算所述待投放廣告商品的第一曝光成本的步驟。

83、可選的，所述關鍵詞推薦請求中，還包括：過濾詞；

84、該裝置，還包括：

85、榜單地址獲取模塊，用于獲取關鍵詞榜單網(wǎng)站的地址；

86、所述生成模塊，還用于：根據(jù)所述關鍵詞推薦請求中的待投放廣告商品的標識信息、每日總預算、結果維度、結果數(shù)量和過濾詞，及所述算法工具接口地址和關鍵詞榜單網(wǎng)站的地址，生成提示詞；其中，所述提示詞中包括所述算法工具接口地址、所述關鍵詞榜單網(wǎng)站的地址、調(diào)用所述算法工具接口的方式、調(diào)用所述算法工具接口時傳入算法工具中的參數(shù)；所述傳入所述算法工具中的參數(shù)包括：待投放廣告商品的標識信息、每日總預算、結果維度、結果數(shù)量和過濾詞。

87、可選的，所述算法工具還用于：

88、根據(jù)所述post請求中的參數(shù)過濾詞，在所述按照所述歷史記錄信息中，每個關鍵詞的下載率，對所述第一預選關鍵詞進行排序，獲得第一預選關鍵詞隊列的步驟之前，去除所述第一預選關鍵詞中與所述過濾詞相同的關鍵詞；

89、根據(jù)所述post請求中，參數(shù)中的過濾詞，在所述按照所述歷史記錄信息中，每個關鍵詞的下載率，對所述第二預選關鍵詞進行排序，獲得第二預選關鍵詞隊列的步驟之前，去除所述第二預選關鍵詞中與所述過濾詞相同的關鍵詞；

90、返回待投放廣告商品的分類名稱。

91、可選的，所述ai大模型接口返回的代碼，還用于：

92、獲取所述算法工具接口返回的關鍵詞結果集和待投放廣告商品的分類名稱；

93、將所述關鍵詞結果集和所述待投放廣告商品的分類名稱保存在內(nèi)存中；

94、編寫爬蟲代碼；

95、根據(jù)所述關鍵詞榜單網(wǎng)站的地址和所述待投放廣告商品的分類名稱，利用所述爬蟲代碼從關鍵詞榜單網(wǎng)站中，爬取與所述待投放廣告商品相同分類的結果維度的榜單熱詞，作為榜單詞集；

96、獲取所述榜單詞集，將所述榜單詞集與所述關鍵詞結果集進行匹配，并判斷所述關鍵詞結果集中，是否存在不在所述榜單詞集中的詞；

97、如果存在，則將所述關鍵詞結果集中不在所述榜單詞集中的詞添加為過濾詞，并按照body體參數(shù)的形式重組接口參數(shù)；將重組的接口參數(shù)作為執(zhí)行結果返回；所述重組的接口參數(shù)中包括的參數(shù)有：待投放廣告商品的標識信息、每日總預算、結果維度、結果數(shù)量和過濾詞；

98、如果不存在，則將所述關鍵詞結果集作為執(zhí)行結果返回。

99、可選的，該裝置，還包括：

100、結果獲取模塊，用于獲取所述ai大模型接口返回的代碼的執(zhí)行結果：

101、所述生成模塊，還用于：當所述執(zhí)行結果為重組的接口參數(shù)時，根據(jù)所述重組的接口參數(shù)中的待投放廣告商品的標識信息、每日總預算、結果維度、結果數(shù)量和過濾詞，所述算法工具接口地址和關鍵詞榜單網(wǎng)站的地址，重新生成提示詞，返回所述將所述提示詞發(fā)送至ai大模型接口，并接收所述ai大模型接口返回的代碼的步驟繼續(xù)執(zhí)行；

102、所述返回模塊，還用于：當所述執(zhí)行結果為關鍵詞結果集時，將所述關鍵詞結果集，返回至所述客戶端。

103、第三方面，本發(fā)明實施例還提供了一種電子設備，包括處理器、通信接口、存儲器和通信總線，其中，所述處理器，所述通信接口，所述存儲器通過所述通信總線完成相互間的通信；

104、所述存儲器，用于存放計算機程序；

105、所述處理器，用于執(zhí)行所述存儲器上所存放的程序時，實現(xiàn)上述第一方面所述的關鍵詞推薦的方法步驟。

106、第四方面，本發(fā)明實施例還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)內(nèi)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述第一方面所述的關鍵詞推薦的方法步驟。

107、綜上可知，本發(fā)明實施例提供的方法，可以實現(xiàn)從廣告預算、曝光量、下載率等角度對數(shù)據(jù)進行多維度的分析，從而實現(xiàn)在滿足預期曝光量的要求下，向用戶推薦使廣告獲得最大下載量收益的關鍵詞，不僅提高了關鍵詞的精準度，而且提高了廣告效益。解決了現(xiàn)有技術中存在的數(shù)據(jù)分析維度過于單一且不夠準確，導致的推薦的廣告關鍵詞無法達到廣告主廣告投放的預期效果的問題。

108、本發(fā)明實施例所提供的方法，對于用戶來說操作簡單，用戶僅需要發(fā)送帶有必要參數(shù)的推薦關鍵詞請求，就可以獲得高精準度的關鍵詞，因而，本發(fā)明實施例所提供的方法，可以使用戶有較好體驗感，提高了用戶滿意度。另外，本發(fā)明實施例所提供的方法，還可以實現(xiàn)在算法工具計算出關鍵詞后，利用ai大模型實時讀取關鍵詞榜單網(wǎng)站中的數(shù)據(jù)，并將算法工具計算出的關鍵詞與同分類的榜單熱詞進行匹配，判斷算法工具計算出的關鍵詞中是否都屬于榜單熱詞，如果不是，則將算法工具返回的關鍵詞中不屬于榜單熱詞的詞添加為過濾詞，并重新生成提示詞輸入ai大模型，使ai大模型重新調(diào)用算法工具接口使算法工具重新計算關鍵詞，重復上述步驟，直到算法工具返回的關鍵詞都是榜單熱詞為止。這樣，有利于保持關鍵詞的最新性和競爭力，以適應快速變化的市場環(huán)境，進而可以使投放的廣告較可以大概率的達到曝光量和下載率等的預期，提升廣告的投資回報率。此外，本發(fā)明實施例所提供的方法，利用ai大模型自動生成調(diào)用算法工具的代碼，及實時讀取關鍵詞榜單網(wǎng)站中數(shù)據(jù)的爬蟲代碼，不僅節(jié)省了代碼開發(fā)的成本，而且還提升了代碼開發(fā)的效率。

109、本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權利要求書、以及附圖中所特別指出的結構來實現(xiàn)和獲得。

110、下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。