[发明专利]一种同源跨屏数据嗅探方法

说明书

本发明公开了一种同源跨屏数据嗅探方法，包括：根据预先设置的筛选条件，对多数据流进行筛选，所述同源跨屏的多数据流包括智能电视数据、互联网数据、智能家庭数据、移动设备数据和PC设备数据；将筛选后的数据和环境参量导入智能学习引擎，所述环境参量包括系统环境参量、设备环境参量和网络环境参量；智能学习引擎对融合处理后的数据进行学习，选择相适应的可伸缩通道与嗅探模式类型生成可伸缩通道嗅探模式，可伸缩通道嗅探模式包括可伸缩环形数据嗅探、可伸缩队列数据嗅探和可伸缩堆栈数据嗅探。通过本发明实现了同源跨屏数据的捕获、分析及处理。

技术领域

本发明涉及数据统计技术领域，尤其指一种同源跨屏数据嗅探方法。

背景技术

随着互联网+(Internet Plus)的不断发展，多屏的使用已经成为当前人们媒介消费的潮流。越来越多的广告主顺应消费者的媒介行为嬗变，纷纷将其它视频媒体(在线视频、移动视频、楼宇屏、数字电视等)与传统电视进行跨屏整合优化，跨屏传播的业态已然形成。如此，用户行为轨迹变得扑朔迷离，其活动范畴不再局限于电视和PC间，各色移动、可穿戴和智能设备层出不穷，对广告研究而言，更加难以用科学的、完整的、高效的方式研究和评估用户有效行为路径。

跨屏传播搭建了一个多维的传播网络，让目标人群在不同的空间、时间都在接触广告的信息，这种“广告包围”式传播会使信息接受者产生更多的思考，更多关于品牌或产品的联想，也就有机会达到1+1>2的传播效果，即产生跨屏传播的协同效应。跨屏传播的协同效应包括不同视频媒体在传播时间、传播空间上的互补效应；覆盖人群广度上的延伸效应；在不同媒体看到广告后的重复效应；以及跨屏优化所产生的成本效应等。

然而，跨屏传播的优化也面临一个巨大的挑战，即同源研究的问题。同源研究是指通过同一样本收集受众接触不同屏幕广告的数据，即同源数据。基于同源样本对各个媒体进行相关主题研究是指导跨屏优化的关键。只有基于同源样本所监测出来的结果，才能够最好反映到不同受众人群在各个媒体的到达情况，特别是了解到各媒体之间的重合度。

目前常用的同源跨屏研究主要基于问卷调研或程序植入的方式进行。尽管传统研究方法能在一定程度解决同源跨屏研究遇到的问题，但随着互联网+的不断发展，各种智能设备层出不穷，用户的接触面越发丰富，以问卷和程序植入方式进行研究已无法满足现阶段的需求。

发明内容

为了解决上述技术问题，本发明提供了一种同源跨屏数据嗅探方法，能够实现同源跨屏数据的捕获、分析及处理。

为了达到本发明目的，本发明提供了一种同源跨屏数据嗅探方法，包括：。

与现有技术相比，本发明提供的同源跨屏数据嗅探方法，首先对来自智能电视、互联网流量、智能家庭、移动设备和PC设备的多源数据进行预处理，降低海量多源数据造成的系统过载，处理性能不足的问题，避免了出现数据峰值时的系统崩溃。然后对将处理后的数据与系统环境参量、设备环境参量和网络环境参量分别导入智能知识学习库和组合模式筛选，智能知识学习库根据输入网络数据及其参量进行学习，选择相适应的组合模式进行数据嗅探，组合模式筛选根据智能知识学习库反馈组合模式，选择可伸缩通道与嗅探模式类型，最后生成可伸缩通道嗅探模式。该方法可大大提高同源跨屏数据获取丰富程度与质量，对后续的同源跨屏数据分析和研究具有重要意义和使用价值。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1是本发明实施例中同源跨屏数据统计嗅探方法的流程示意图。