一种物联网电商广告投放方法及系统

本发明属于物联网电商的，具体涉及一种物联网电商广告投放方法及系统。

背景技术：

1、在物联网电商的领域，由于很多物联网设备具有触控显示屏、扬声器、手机远程控制软件这种可以进行广告播放和用户交互的基础，因此物联网设备上电商平台的广告投放成为了商家吸引消费者、扩大市场份额的重要手段。电商平台通过集成物流、支付、交易处理等功能，为商家提供了便利的在线销售环境。在这一平台上，广告的有效投放可以显著提升产品销量和品牌知名度。为实现广告效果最大化，商家需要分析并优化广告数据，如点击率、转化率、投放时间、地区、用户行为等。

2、目前，物联网电商的广告数据处理存在诸多挑战，不同背景的用户群体需要广告数据处理系统具备高度的灵活性和适应性，数据量庞大实时性要求高需要系统能够快速处理海量数据并提供实时的反馈及优化建议，多渠道的数据需要进行有效整合以便对广告投放效果进行全面分析，个性化广告投放要求系统需要能够根据不同用户群体的特征进行精准的广告定向，广告效果需要准确评估和预测要求系统具备强大的数据分析能力，需要根据广告投放效果获取给多个品牌商进行广告投放竞价的反馈。

3、在现有的广告数据处理系统中，往往只针对上述的单个方面需求进行设计，缺乏从用户行为准确收集、潜在用户偏好特征提取、广告投放竞价策略实时调整、广告投放效果监控、最终广告投放决策优化的全流程设计；另一方面，在现有的广告数据处理系统中广告投放竞价策略的调整往往将单个账号或设备id视为单个用户，缺乏网络拓扑分析，无法通过用户交互行为模式判断多个账户或互联网设备是否为同一用户跨设备跨账号控制，更难以实现投放广告与用户的关联性；进一步地，现有的广告投放策略也是将用户视为单一群体，缺乏将不同地域集群上具有地域文化或生活习俗特色的电商广告向特定地域用户群体投放，地理位置关联性的精确度有待提升。

技术实现思路

1、为了克服现有技术存在的一个或多个缺陷与不足，本发明的第一目的在于提供一种物联网电商广告投放方法，第二目的在于提供一种物联网电商广告投放系统，能够实现更优化的广告投放策略。

2、为了达到上述目的，本发明采用以下技术方案：

3、一种物联网电商广告投放方法，包括步骤如下：

4、s1、广告投放服务器从电商平台、物联网设备中收集用户交互行为；

5、s2、广告投放服务器对用户交互行为进行预处理，预处理包括数据清洗、分析用户交互行为以形成用户数据画像；

6、s3、广告投放服务器使用机器学习模型对得到的用户数据画像进行处理，从中识别用户潜在需求信号；

7、s4、广告投放服务器根据识别到的用户潜在需求信号，调整广告目标和关键词设置，再把广告内容推送到物联网设备上向用户展示；

8、s5、广告投放服务器运用程序化购买技术调整广告的实时投放，利用多臂赌博机算法对广告出价进行优化；

9、s6、实施实时广告表现监控，并基于监控调整广告内容和投放策略，然后进一步结合网络拓扑图分析，并基于物联网设备生成的地理位置数据来同步调整广告定向的空间精度。

10、优选地，步骤s1中，使用apache kafka作为消息队列处理的工具，从电商平台、物联网设备中收集用户交互行为。

11、进一步地，步骤s2中，预处理的过程包括：

12、s21、利用apache spark集群进行数据清洗，剔除无效和/或无意义的用户交互行为，然后将数据格式化为标准文本格式；

13、s22、利用自然语言处理技术，分析清洗后的用户交互行为的文本，进行分词、词性标注、剔除停用词操作，从中提取关键词、定性用户的情感倾向，形成用户数据画像。

14、进一步地，步骤s22中，形成用户数据画像的过程进一步包括：

15、s221、对于进行过进行分词、词性标注、剔除停用词操作用户交互行为的文本内容，利用情感分析分类算法进一步分析；

16、s222、情感分析分类算法输出的结果整合到用户数据画像中，每个用户的画像除了包括他们的基本信息和交互行为模式外，还加入其评论、评价的情感倾向来刻画用户的喜好和/或反感程度。

17、进一步地，在步骤s3中，机器学习模型采用支持向量机、随机森林、深度学习网络中的一种或多种进行组合。

18、进一步地，在步骤s5中，实时投放的过程包括：

19、s51、通过嵌入跟踪代码、cookies或利用第三方分析服务实时监测并记录用户对广告的点击行为、用户在广告页面的停留时间；

20、s52、将收集到的用户交互行为数据送入数据处理平台进行聚合，构建每个用户或用户群体的行为模式，聚合的类型包括用户在不同时间段的点击频率、点击的广告种类、页面停留时间等；

21、s53、使用流数据处理框架对聚合的数据进行分析，检测出用户活跃时间、点击热点、页面互动行为等趋势；

22、s54、利用预先定义的规则或通过机器学习算法构建广告投放矩阵，根据检测出用户活跃时间、点击热点、页面互动行为等趋势，动态调整广告投放的时间和频率；

23、s55、利用新收集到的用户交互行为持续优化广告投放矩阵；

24、s56、广告投放服务器实施的动态调整策略经过实时监测验证效果，将用户对调整后广告的点击频率、页面停留时间作为广告投放矩阵进一步学习和优化的数据形成正反馈循环进行利用。

25、进一步地，在步骤s6中，结合网络拓扑图分析的过程包括：

26、s61、采集地理位置数据，从各类物联网设备获取地理位置数据，包括经纬度信息或更高级的位置信息；

27、s62、将收集到的地理位置数据进行标准化，清洗后融合到统一的数据湖或数据仓库中；

28、s63、通过地理位置视图对整个通信网络的结构进行分析，识别网络中的节点和连接关系，识别用户跨不同物联网设备的行为模式和路径，提供更丰富的用户交互行为的上下文；

29、用户的行为模式分析来自物联网设备的用户数据；

30、s64、根据步骤s63的分析结果调整广告的空间精度，根据地理围栏技术可以用来为特定的地理区域设定虚拟边界，当用户进入或离开这些区域时，系统可以触发特定的广告；

31、s65、利用基于实时监控的数据进行不断更新和调整，地理位置数据和用户响应如点击率的实时分析用于进一步优化广告投放。

32、一种根据前述任一项物联网电商广告投放方法的物联网电商广告投放系统，包括电商平台、多台物联网设备、广告投放服务器；

33、电商平台、多台物联网设备分别通过通信网络与广告投放服务器连接进行数据传输和广告投放；

34、物联网设备上通过设置客户端实现与用户直接交互并展现广告内容；

35、电商平台用于处理物联网设备上客户端产生的内容请求并返回网页数据；

36、广告投放服务器设有消息队列处理模块、数据预处理模块、机器学习模型、广告推送调整模块、广告出价优化模块、广告表现监控模块；

37、消息队列处理模块分别与电商平台、多台物联网设备连接；消息队列处理模块从电商平台、物联网设备中收集用户交互行为；

38、数据预处理模块与消息队列处理模块连接；数据预处理模块用于对用户交互行为进行预处理，预处理包括数据清洗、分析用户交互行为以形成用户数据画像；

39、机器学习模型与用户画像模块连接；机器学习模型用于对用户画像模块得到的用户数据画像进行处理，从中识别用户潜在需求信号；

40、广告推送调整模块与机器学习模型连接；广告调整模块用于根据机器学习模型识别到的用户潜在需求信号，调整广告目标和关键词设置，再把广告内容推送到物联网设备上向用户展示；

41、广告出价优化模块与广告调整模块连接；广告调整模块用于根据程序化购买技术调整广告的实时投放，利用多臂赌博机算法对广告出价进行优化；

42、广告表现监控模块分别与物联网设备、数据清洗模块、广告调整模块连接；广告表现监控模块用于实施实时广告表现监控，并基于监控调整广告内容和投放策略，结合网络拓扑图分析，并基于物联网设备生成的地理位置数据来同步调整广告定向的空间精度。

43、本发明与现有技术相比，具有如下优点和有益效果：

44、本发明从用户交互行为准确收集、潜在用户偏好特征提取、广告投放竞价策略实时调整、最终广告投放优化、广告投放效果监控进行全流程设计，通过网络拓扑分析判断多个账户或互联网设备是否为同一用户跨设备跨账号控制，可以加强投放广告与用户的关联性；将不同地理位置信息作为广告投放的考量，提升了地理位置与广告用户的关联性；增加了广告定向的精细化程度，同时也能够因应快速变化的用户移动模式，提供更高的广告相关性和价值。