[發明專利]一種活動的投放方法、裝置及設備

在審

• 申請號: 201811026779.9
• 申請日: 2018-09-04
• 公開（公告）號: CN109345285A
• 公開（公告）日: 2019-02-15
• 發明（設計）人: 孫晶晶;朱瑜
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇

1.一種活動的投放方法，所述方法包括：

獲取與目標活動的對象篩選條件相匹配的候選投放對象；

對所述候選投放對象的相關數據和所述目標活動的信息進行特征提取，得到目標匹配特征；

根據所述目標匹配特征和預定的匹配度模型，確定每個所述候選投放對象與所述目標活動的匹配度；

根據所述匹配度，從所述候選投放對象中選取所述目標活動的投放對象。

2.根據權利要求1所述的方法，所述方法還包括：

獲取多個活動投放對象樣本，并獲取投放到每個所述投放對象樣本的已投活動信息；

對所述投放對象樣本的相關數據和所述已投活動信息進行特征提取，得到匹配特征；

基于預定的機器學習算法，以及所述匹配特征，對所述匹配度模型進行訓練，得到訓練后的匹配度模型。

3.根據權利要求2所述的方法，所述匹配度模型基于以下公式對應的算法確定

S＝∑(wi*ri)，且S>T；

其中，i為大于或等于1的正整數，S表示匹配度，ri表示第i個匹配特征的排序信息，wi為第i個匹配特征的權重，T為預定閾值，

所述基于預定的機器學習算法，以及所述匹配特征，對所述匹配度模型進行訓練，得到訓練后的匹配度模型，包括：

基于預定的機器學習算法，根據所述匹配特征的排序信息、已投活動與所述投放對象樣本是否匹配的結果和所述預定閾值，對所述匹配度模型進行訓練，得到每個所述匹配特征的權重；

基于得到的每個所述匹配特征的權重，確定訓練后的匹配度模型。

4.根據權利要求3所述的方法，所述匹配特征包括以下中的一個或多個：投放對象樣本的特征、已投活動的特征、投放對象樣本的用戶特征，以及投放對象樣本的與相應的已投活動的組合特征。

5.根據權利要求4所述的方法，所述投放對象樣本的特征包括以下中的一個或多個：已投活動對應的資源數量、資源總數量、已投活動中未被使用的數量、已投活動的數量、已投活動中預定時長內參與的數量、已投活動中預定時長的活動的參與數量、投放對象樣本的每個已投活動的資源數量。

6.根據權利要求4所述的方法，所述已投活動的特征包括以下中的一個或多個：折扣類的已投活動的折扣率、滿減類的已投活動的滿減資源數值、滿返類的已投活動的滿返資源數值、已投活動的投放數目、已投活動中沒有使用的數目、已投活動的使用率、已投活動對應的優惠力度、已投活動對應的優惠力度的大小順序信息。

7.根據權利要求4所述的方法，所述投放對象樣本的用戶特征包括以下中的一個或多個：用戶數量、用戶等級分布信息、用戶重復參與投放活動的比率。

8.根據權利要求4所述的方法，所述投放對象樣本的與相應的已投活動的組合特征包括以下中的一個或多個：通過投放對象樣本投放的活動數量、投放對象樣本發放活動的數量占已投活動的數量的比值、首次投放活動到活動的最后一次參與的時長、已投活動投放后預定有效期內活動被領取的數量。

9.根據權利要求1所述的方法，所述根據所述匹配度，從所述候選投放對象中選取所述目標活動的投放對象之后，所述方法還包括：

如果獲取到所述目標活動的投放對象的選取失敗的反饋消息，則將所述目標活動和所述目標活動的投放對象添加到所述多個活動的投放對象樣本中；

基于添加后的多個活動的投放對象樣本，對所述匹配度模型進行重新訓練。

10.一種活動的投放裝置，所述裝置包括：

對象獲取模塊，用于獲取與目標活動的對象篩選條件相匹配的候選投放對象；

特征提取模塊，用于對所述候選投放對象的相關數據和所述目標活動的信息進行特征提取，得到目標匹配特征；

匹配度確定模塊，用于根據所述目標匹配特征和預定的匹配度模型，確定每個所述候選投放對象與所述目標活動的匹配度；

投放對象選取模塊，用于根據所述匹配度，從所述候選投放對象中選取所述目標活動的投放對象。