[发明专利]基于全域电商行业广告DMP的架构应用方法

说明书

本发明公开了一种基于全域电商行业广告DMP的架构应用方法，包含以下步骤：获取用户数据；对用户数据进行预处理；分析预处理后的用户数据得到每个用户对应的标签信息；输入种子用户；根据输入的种子用户进行标签圈选得到定向投放用户；判断定向投放用户的数量是否达到预期值；在未达到预期值时进行人群扩展。本发明提供的基于全域电商行业广告DMP的架构应用方法能够将分散的数据抽象成标签，构成标签信息，从而抓住数据的特性。这样通过深度挖掘标签信息，能够建立多维度多层次多方面的用户标签体系，进而使得广告定向投放的覆盖率高且准确度高。

技术领域

本发明涉及一种基于全域电商行业广告DMP的架构应用方法。

背景技术

随着大数据技术的发展，越来越多的企业认识到数据的重要性，建立CRM，打造用户画像，对核心用户进行更加个性化的运营。但是依靠自有用户的数据对于新用户的广告营销和转化率的提升帮助甚微，广告定向的合理性是影响广告投放效果的重要因素。而现有的基于DMP的广告定向投放无法实现覆盖率高且准确度高。

发明内容

本发明提供了一种基于全域电商行业广告DMP的架构应用方法，采用如下的技术方案：

一种基于全域电商行业广告DMP的架构应用方法，包含以下步骤：

获取用户数据；

对用户数据进行预处理；

分析预处理后的用户数据得到每个用户对应的标签信息；

输入种子用户；

根据输入的种子用户进行标签圈选得到定向投放用户；

判断定向投放用户的数量是否达到预期值；

在未达到预期值时进行人群扩展。

进一步地，以手机号码作为区分用户的唯一值，将用户数据中的同一手机号码所对应的数据作为一个用户的信息进行分析，得到的分析结果统计在该手机号码下。

进一步地，根据预先搭建的标签体系分析预处理后的用户数据。

进一步地，标签体系：包含用户属性模块、用户行为模块、营销属性模块、消费属性模块、偏好细分模块和用户分群模块；

将得到的标签信息按照用户属性模块、用户行为模块、营销属性模块、消费属性模块、偏好细分模块和用户分群模块进行划分输出六张统计表，统计表采用增量列式存储。

进一步地，标签信息包含：基本标签和与基本标签相近的不同维度的衍生标签。

进一步地，标签信息还包含偏好标签。

进一步地，在未达到预期值时进行人群扩展的具体方法为:

通过lookalike算法进行人群扩展。

进一步地，对用户数据进行预处理包括：

对用户数据进行数据清洗。

进一步地，对用户数据进行预处理还包括：

对用户数据进行敏感数据剔除；

对用户数据进行数据剔除的具体方法为：

设置敏感关键词；

将用户数据中包含敏感关键词的数据剔除。

进一步地，用户数据包含电商领域的订单数据、问答数据和推荐数据。

本发明的有益之处还在于所提供的基于全域电商行业广告DMP的架构应用方法能够将分散的数据抽象成标签，构成标签信息，从而抓住数据的特性。这样通过深度挖掘标签信息，能够建立多维度多层次多方面的用户标签体系，进而使得广告定向投放的覆盖率高且准确度高。