一种基于大数据的广告投放优化方法和装置

摘要

本发明提供了一种基于大数据的广告投放优化方法和装置，包括：获得第一产品的第一文案信息；获得第二产品的第二文案信息；根据第一文案信息、第二文案信息，通过神经网络模型，获得第一相似度信息；在第一相似度信息满足预设相似度阈值的情况下，获得第一产品的第一预测收益结果信息；获得预设收益信息；判断第一预测收益结果信息是否满足预设收益信息；如果不满足，则获得第一优化指令；根据第一优化指令，获得第一产品的第一基础属性信息和目标消费人群属性；根据第一基础属性信息和目标消费人群属性，对第一文案信息进行第一定向优化处理，达到了准确预判广告的收益状况，能够准确的、有针对性的对广告文案进行优化的技术效果。

权利要求

1.一种基于大数据的广告投放优化方法，其中，所述方法包括：获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；

获得第二产品的第二文案信息，其中，所述第二产品为所述第一产品的同质化产品；

根据所述第一文案信息、第二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的第一相似度信息；

在所述第一相似度信息满足预设相似度阈 值的情况下，获得所述第一产品的第一预测收益结果信息；

获得预设收益信息；

判断所述第一预测收益结果信息是否满足所述预设收益信息；

如果不满足所述预设收益信息，则获得第一优化指令；

根据所述第一优化指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；

根据所述第一基础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理；

其中，所述根据所述第一基础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理，包括：根据所述第一基础属性信息，获得所述第一产品的第一功能信息；

根据第一功能信息，判断所述第一产品对于所述目标消费人群属性中的不同群体的使用效果是否存在差异；

如果存在，则按照第一优化规则，对所述目标消费人群属性进行分类，获得分类之后的各类定向群体信息，其中，分类之后的每一类定向群体与所述第一产品的不同使用效果一一对应；

按照所述分类之后的定向群体信息及每一类定向群体对应的使用效果，对所述第一文案信息进行分类优化。

2.如权利要求1所述的方法，其中，所述根据所述第一文案信息、第二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的第一相似度信息，包括：根据所述第一文案信息、第二文案信息，构建第一训练数据集；

将所述第一训练数据集输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一文案信息、第二文案信息和用来标识第一输出结果的标识信息；

获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一输出结果，其中，所述第一输出结果包括所述第一文案信息和所述第二文案信息的第一相似度信息。

3.如权利要求1所述的方法，其中，所述按照所述分类之后的定向群体信息及每一类定向群体对应的使用效果，对所述第一文案信息进行分类优化之后，所述方法还包括：根据所述各类定向群体信息，获得每一类所述定向群体对应的第一成本信息；

获得每一类所述定向群体对应的第一行业平均消费水平信息；

根据各所述第一成本信息以及各所述第一行业平均消费水平信息，获得每一类所述定向群体对应的第一广告投放价值信息；

根据所述每一类所述定向群体对应的第一广告投放价值信息，建立所述第一广告投放价值信息列表；

获得第二优化指令；

根据所述第二优化指令，按照所述第一广告投放价值信息列表，对分类优化之后的所述第一文案信息进行定向优化。

4.如权利要求1所述的方法，其中，所述根据所述第一基础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理之后，包括：获得优化之后的第二文案信息；

获得第一预设时间段；

在所述第一预设时间段内，按照所述第二文案信息，对所述第一产品进行广告投放；

获得各个时刻所述广告投放时对应的第一点击率信息和第一点击时刻信息；

判断所述第一点击率是否满足点击率阈值信息；

如果不满足，则获得第一调整指令；

根据所述第一调整指令、第一点击率信息，按照所述第一点击时刻信息加大对于所述第一产品的广告投放频率。

5.如权利要求1所述的方法，其中，所述获得所述第一产品的第一基础属性信息和目标消费人群属性，包括：

获得所述第一产品的行业数据信息；

获得所述第一产品的用户调查信息；

获得不同用户的人群画像信息；

根据所述行业数据信息、用户调查信息以及不同用户的人群画像信息，获得所述第一产品的目标消费人群属性。

6.如权利要求4所述的方法，其中，所述根据所述第一基础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理之后，包括：获得所述待优化的广告文案中的第一图片信息；

获得所述第一图片信息的第一色彩信息和所述第二文案信息的第二色彩信息；

获得当前的第一季节信息和流行趋势信息；

根据所述第一季节信息和流行趋势信息，对所述第一色彩信息和所述第二色彩信息、第二文案信息进行调整。

7.一种基于大数据的广告投放优化装置，其特征在于，所述装置包括：第一获得单元，所述第一获得单元用于获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；

第二获得单元，所述第二获得单元用于获得第二产品的第二文案信息，其中，所述第二产品为所述第一产品的同质化产品；

第三获得单元，所述第三获得单元用于根据所述第一文案信息、第二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的第一相似度信息；

第四获得单元，所述第四获得单元用于在所述第一相似度信息满足预设相似度阈值的情况下，获得所述第一产品的第一预测收益结果信息；

第五获得单元，所述第五获得单元用于获得预设收益信息；

第一判断单元，所述第一判断单元用于判断所述第一预测收益结果信息是否满足所述预设收益信息；

第六获得单元，所述第六获得单元用于如果不满足所述预设收益信息，则获得第一优化指令；

第七获得单元，所述第七获得单元用于根据所述第一优化指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；

第一处理单元，所述第一处理单元用于根据所述第一基础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理；

其中，所述装置还包括：

第九获得单元，所述第九获得单元用于根据所述第一基础属性信息，获得所述第一产品的第一功能信息；

第二判断单元，所述第二判断单元用于根据第一功能信息，判断所述第一产品对于所述目标消费人群属性中的不同群体的使用效果是否存在差异；

第二处理单元，所述第二处理单元用于如果存在，则按照第一优化规则，对所述目标消费人群属性进行分类，获得分类之后的各类定向群体信息，其中，分类之后的每一类定向群体与所述第一产品的不同使用效果一一对应；

第三处理单元，所述第三处理单元用于按照所述分类之后的定向群体信息及每一类定向群体对应的使用效果，对所述第一文案信息进行分类优化。

8.一种基于大数据的广告投放优化装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1‑6任一项所述方法的步骤。

说明书

一种基于大数据的广告投放优化方法和装置

技术领域

[0001] 本发明涉及广告技术领域，尤其涉及一种基于大数据的广告投放优化方法和装置。

背景技术

[0002] 广告（Advertising）是指为了某种特定的需要，通过一定形式的媒体，并消耗一定的费用，公开而广泛地向公众传递信息的宣传手段。随着移动互联网的高速发展与移动终
端的普及，人们在日常生活中接触互联网也越来越多，使得互联网广告的发展尤为突出，与
此同时，广告制作量也随之不断增加，从而使得需要制作的广告文案也越来越多。

[0003] 但本发明申请人发现现有技术至少存在如下技术问题：

[0004] 现有技术中无法准确预测制作的广告文案投放情况，从而增加了广告投放成本，如果不及时对广告文案进行优化和止损，还可能会对企业造成不可挽回的损失。

发明内容

[0005] 本发明实施例提供了一种基于大数据的广告投放优化方法和装置，解决了现有技术中无法准确预测制作的广告文案投放情况，从而增加了广告投放成本，如果不及时对广
告文案进行优化和止损，还可能会对企业造成不可挽回的损失的技术问题，达到了准确预
判广告的收益状况，能够准确的、有针对性的对广告文案进行优化，使得广告效果更为理
想，从而提高广告文案的投放效益，降低投放成本和人工优化成本的技术效果。

[0006] 鉴于上述问题，提出了本申请实施例以便提供一种基于大数据的广告投放优化方法和装置。

[0007] 第一方面，本发明提供了一种基于大数据的广告投放优化方法，所述方法包括：获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；获得第二产品
的第二文案信息，其中，所述第二产品为所述第一产品的同质化产品；根据所述第一文案信
息、第二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的
第一相似度信息；在所述第一相似度信息满足预设相似度阈值的情况下，获得所述第一产
品的第一预测收益结果信息；获得预设收益信息；判断所述第一预测收益结果信息是否满
足所述预设收益信息；如果不满足所述预设收益信息，则获得第一优化指令；根据所述第一
优化指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；根据所述第一基
础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理。

[0008] 第二方面，本发明提供了一种基于大数据的广告投放优化装置，所述装置包括：

[0009] 第一获得单元，所述第一获得单元用于获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；

[0010] 第二获得单元，所述第二获得单元用于获得第二产品的第二文案信息，其中，所述第二产品为所述第一产品的同质化产品；

[0011] 第三获得单元，所述第三获得单元用于根据所述第一文案信息、第二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的第一相似度信息；

[0012] 第四获得单元，所述第四获得单元用于在所述第一相似度信息满足预设相似度阈值的情况下，获得所述第一产品的第一预测收益结果信息；

[0013] 第五获得单元，所述第五获得单元用于获得预设收益信息；

[0014] 第一判断单元，所述第一判断单元用于判断所述第一预测收益结果信息是否满足所述预设收益信息；

[0015] 第六获得单元，所述第六获得单元用于如果不满足所述预设收益信息，则获得第一优化指令；

[0016] 第七获得单元，所述第七获得单元用于根据所述第一优化指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；

[0017] 第一处理单元，所述第一处理单元用于根据所述第一基础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理。

[0018] 第三方面，本发明提供了一种基于大数据的广告投放优化装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现
前述第一方面的方法的步骤。

[0019] 本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：

[0020] 本发明实施例提供的一种基于大数据的广告投放优化方法和装置，通过获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；获得第二产品的第二
文案信息，其中，所述第二产品为所述第一产品的同质化产品；根据所述第一文案信息、第
二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的第一
相似度信息；在所述第一相似度信息满足预设相似度阈值的情况下，获得所述第一产品的
第一预测收益结果信息；获得预设收益信息；判断所述第一预测收益结果信息是否满足所
述预设收益信息；如果不满足所述预设收益信息，则获得第一优化指令；根据所述第一优化
指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；根据所述第一基础属
性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理，从而解决
了现有技术中无法准确预测制作的广告文案投放情况，从而增加了广告投放成本，如果不
及时对广告文案进行优化和止损，还可能会对企业造成不可挽回的损失的技术问题，达到
了准确预判广告的收益状况，能够准确的、有针对性的对广告文案进行优化，使得广告效果
更为理想，从而提高广告文案的投放效益，降低投放成本和人工优化成本的技术效果。

[0021] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够
更明显易懂，以下特举本发明的具体实施方式。

附图说明

[0022] 图1为本发明实施例中一种基于大数据的广告投放优化方法的流程示意图；

[0023] 图2为本发明实施例中一种基于大数据的广告投放优化装置的结构示意图；

[0024] 图3为本发明实施例中另一种示例性电子设备的结构示意图。

[0025] 附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一判断单元16，第六获得单元17，第七获得单元18，第一处理单元
19，接收器301，处理器302，发送器303，存储器304，总线接口306。

具体实施方式

[0026] 本发明实施例提供了一种基于大数据的广告投放优化方法和装置，用于解决现有技术中无法准确预测制作的广告文案投放情况，从而增加了广告投放成本，如果不及时对
广告文案进行优化和止损，还可能会对企业造成不可挽回的损失的技术问题，达到了准确
预判广告的收益状况，能够准确的、有针对性的对广告文案进行优化，使得广告效果更为理
想，从而提高广告文案的投放效益，降低投放成本和人工优化成本的技术效果。下面，将参
考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分
实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

[0027] 申请概述

[0028] 广告（Advertising）是指为了某种特定的需要，通过一定形式的媒体，并消耗一定的费用，公开而广泛地向公众传递信息的宣传手段。随着移动互联网的高速发展与移动终
端的普及，人们在日常生活中接触互联网也越来越多，使得互联网广告的发展尤为突出，与
此同时，广告制作量也随之不断增加，从而使得需要制作的广告文案也越来越多。但是，现
有技术中无法准确预测制作的广告文案投放情况，从而增加了广告投放成本，如果不及时
对广告文案进行优化和止损，还可能会对企业造成不可挽回的损失。

[0029] 针对上述技术问题，本发明提供的技术方案总体思路如下：

[0030] 本申请实施例提供了一种基于大数据的广告投放优化方法，所述方法包括：获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；获得第二产品的
第二文案信息，其中，所述第二产品为所述第一产品的同质化产品；根据所述第一文案信
息、第二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的
第一相似度信息；在所述第一相似度信息满足预设相似度阈值的情况下，获得所述第一产
品的第一预测收益结果信息；获得预设收益信息；判断所述第一预测收益结果信息是否满
足所述预设收益信息；如果不满足所述预设收益信息，则获得第一优化指令；根据所述第一
优化指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；根据所述第一基
础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理。

[0031] 在介绍了本申请基本原理后，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细
的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中
的技术特征可以相互组合。

[0032] 实施例一

[0033] 图1为本发明实施例中一种基于大数据的广告投放优化方法的流程示意图。如图1所示，本发明实施例提供了一种基于大数据的广告投放优化方法，所述方法包括：

[0034] 步骤100：获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；

[0035] 具体而言，第一产品为提供给市场，被人们使用和消费，并能满足人们某种需求的任何东西，第一文案信息为与第一产品相关的广告文字，通过广告文案可以表现出已经制
定的创意策略，并且此时的第一广告文案为待优化的广告文案内容，也就是说，第一广告文
案为计划使用的广告文案，可能存在不完善的地方，尚需后续进行优化处理，以达到提高广
告的点击率的目的。例如当第一产品为月饼时，则第一文案为与月饼相关的内容，如“送亲
人礼盒推荐，思念一丝一丝，连成线”“是故乡明，星湖表浓情！”，在后续的分析过程中，需要
对文案内容进一步审判，并确定文案内容是否需要优化以及优化方式。

[0036] 步骤200：获得第二产品的第二文案信息，其中，所述第二产品为所述第一产品的同质化产品；

[0037] 具体而言，第二产品与第一产品具有一定的相似度，即第二产品为第一产品的同质化产品，其中，产品同质化就是产品在消费者选择购买过程中由于其功能性利益与竞争
产品相同可以被竞争对手所替代，此时的第二产品即为竞争对手，也就是第一产品的替代
性产品，第一产品和第二产品就形成了产品同质化，即一定地域范围内同一大类中不同品
牌的商品在性能、外观甚至营销手段上相互模仿，以至逐渐趋同的两类产品，例如肯德基和
麦当劳，可口可乐和百事可乐，耐克和阿迪达斯。进一步的，第二文案信息即为与第二产品
相关的广告文字内容。

[0038] 步骤300：根据所述第一文案信息、第二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的第一相似度信息；

[0039] 进一步的，为了能够准确的获得相似度信息，以提高预判广告的收益状况准确率的效果，本申请实施例步骤300还包括：

[0040] 步骤310：根据所述第一文案信息、第二文案信息，构建第一训练数据集；

[0041] 步骤320：将所述第一训练数据集输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一文案
信息、第二文案信息和用来标识第一输出结果的标识信息；

[0042] 步骤330：获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一输出结果，其中，所述第一输出结果包括所述第一文案信息和所述第二文案信息的第一相
似度信息。

[0043] 具体而言，在得到第一文案信息、第二文案信息之后，相应的根据第一文案信息、第二文案信息构建第一训练数据集，进而通过第一训练模型输出第一输出结果信息，其中，
第一输出结果为第一文案信息、第二文案信息两者之间的相似度信息，从而达到便于后续
对广告的收益状况进行分析判断的目的。

[0044] 进一步的，训练模型为机器学习模型中的神经网络模型，机器学习模型能通过大量数据不断的学习，进而不断地修正模型，最终获得满意的经验来处理其他数据。机器模型
通过多组训练数据训练获得，神经网络模型通过训练数据训练的过程本质上为监督学习的
过程。本申请实施例中的训练模型是通过多组训练数据利用机器学习训练得出的，多组训
练数据中的每一组训练数据均包括：第一文案信息、第二文案信息和用来标识第一输出结
果的标识信息。

[0045] 其中，将第一输出结果的标识信息作为监督数据。输入每一组训练数据中，对第一文案信息、第二文案信息进行监督学习，确定训练模型的输出信息达到收敛状态。通过第一
输出结果信息与训练模型的输出结果进行对比，当一致时，本组数据监督学习完成，进行下
一组数据监督学习；当不一致时，则训练模型进行自我修正，直至其输出结果与标识的第一
输出结果信息一致，本组监督学习完成，进行下一组数据监督学习；通过大量数据的监督学
习，使得机器学习模型的输出结果达到收敛状态，则监督学习完成。通过对训练模型进行监
督学习的过程，使得训练模型输出的第一输出结果信息更加准确，达到了能够准确的判定
广告的收益状况程度，以便于后续有针对性的进行广告文案优化的效果。

[0046] 步骤400：在所述第一相似度信息满足预设相似度阈值的情况下，获得所述第一产品的第一预测收益结果信息；

[0047] 具体而言，根据第一输出结果可以从中得到第一文案信息和第二文案信息之间的第一相似度，然后获得预设相似度阈值，其中，预设相似度阈值为预先设定的相似度的阈值
范围，可根据实际需要进行设定，本实施例中不做具体限制。进而将第一相似度与预设相似
度阈值进行对比，判断第一相似度是否达到预设相似度阈值，如果第一相似度达到预设相
似度阈值，说明第一文案内容和第二文案内容之间的相似度较高，这样，通过采集到第二产
品在一定时间内的收益情况，例如广告的点击率、广告的曝光率、广告的转化率等，进而通
过第二产品的收益状况，可以对第一产品的广告收益状况进行预判，从而得到第一产品的
第一预测收益结果信息，也就是预测、评估广告的实际市场价值。

[0048] 步骤500：获得预设收益信息；

[0049] 步骤600：判断所述第一预测收益结果信息是否满足所述预设收益信息；

[0050] 步骤700：如果不满足所述预设收益信息，则获得第一优化指令；

[0051] 具体而言，预设收益信息为企业根据产品成本、广告投放成本等等相关因素所预先设定的相关盈利信息，将第一预测收益结果信息与预设收益信息进行对比分析之后，可
以判断得到第一预测收益结果信息是否能够满足预设收益信息，如果满足了预设收益信
息，说明该广告具有投放价值，可以继续进行下一程序，如果不满足预设收益信息，说明该
广告投入市场之后可能会存在投放情况不理想的状况，由此也可能会给企业带来一定程度
的损失，因此，需要对第一广告文案内容进行优化，相应的生成第一优化指令，从而在第一
优化的指令下，进行第一广告文案的优化即可，从而解决现有技术中难以准确预判广告收
益情况，在投放不理想的情况下如果不及时对广告文案进行优化和止损，还可能会对企业
造成不可挽回的损失的技术问题，达到了准确预判广告的收益状况，能够准确的、有针对性
的对广告文案进行优化，使得广告效果更为理想，从而提高广告文案的投放效益，降低投放
成本和人工优化成本的技术效果。

[0052] 步骤800：根据所述第一优化指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；

[0053] 进一步的，为了获得更准确的目标消费人群属性，本申请实施例步骤800还包括：

[0054] 步骤810：获得所述第一产品的行业数据信息；

[0055] 步骤820：获得所述第一产品的用户调查信息；

[0056] 步骤830：获得不同用户的人群画像信息；

[0057] 步骤840：根据所述行业数据信息、用户调查信息以及不同用户的人群画像信息，获得所述第一产品的目标消费人群属性。

[0058] 具体而言，根据第一优化指令，获得第一产品的第一基础属性信息和目标消费人群属性，其中，第一基础属性信息为第一产品固有的性质，包括但不限于产品的颜色、成分
组成、尺寸规格、使用方法、适用人群、使用禁忌等等。目标消费人群属性为第一产品所针对
的定向消费人群的特定标签信息，在获得目标消费人群属性时，具体方法如下：首先，通过
大数据分析得到获得第一产品的行业数据信息，其中，行业数据信息即为第一产品所属的
行业相关信息，包括行业发展史、广告投放情况、技术研究进展、产业应用、用户反馈情况、
相关研究成果、市场价值、知识产权数据等；进一步的，可以得到关于第一产品所进行的用
户调研信息，也就是以各种方式得到受访者的建议和意见，并对此进行汇总，达到便于研究
第一产品的目的，为优化广告文案提供相关数据基础；接着，可以得到不同用户的人群画像
信息，其中，通过年龄、性别、收入、工作、教育背景、婚姻家庭状况、地域等各个不同方面，可
以获取到不同用户的基础信息，接着还可结合用户的相关行为特征例如兴趣爱好、消费水
平、购物习惯等方面，最终得到不同用户的人群画像信息；最后，将行业报告、用户调研、不
同用户人群画像信息进行综合分析之后，可以得到第一产品对应的目标消费人群属性，例
如当第一产品为中高端幼儿奶粉时，此时得到第一产品的目标消费人群属性为消费水平中
上的孕妇或者是新手妈妈。进而在优化广告文案时，需要针对目标消费人群属性进行制作，
从而实现从用户角度出发，对产品目标用户进行细分，结合产品特点或宣传点，进行深度融
合，达到使得广告文案更加满足用户需求，增加广告营销的准确度的目的。

[0059] 步骤900：根据所述第一基础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理。

[0060] 进一步的，为了达到能够准确的、有针对性的对广告文案进行优化，使得广告效果更为理想，从而提高广告文案的投放效益的效果，本申请实施例步骤900还包括：

[0061] 步骤910：根据所述第一基础属性信息，获得所述第一产品的第一功能信息；

[0062] 步骤920：根据第一功能信息，判断所述第一产品对于所述目标消费人群属性中的不同群体的使用效果是否存在差异；

[0063] 步骤930：如果存在，则按照第一优化规则，对所述目标消费人群属性进行分类，获得分类之后的各类定向群体信息，其中，分类之后的每一类定向群体与所述第一产品的不
同使用效果一一对应；

[0064] 步骤940：按照所述分类之后的定向群体信息及每一类定向群体对应的使用效果，对所述第一文案信息进行分类优化。

[0065] 具体而言，在得到根据第一基础属性信息和目标消费人群属性之后，按照第一优化指令，即可对第一文案信息进行第一定向优化处理。具体方法如下：首先，根据第一产品
的第一基础属性信息，获得第一产品的第一功能信息，其中，第一功能信息为第一产品的应
用或者是所发挥的有利作用，例如手环的功能为监测人体生命体征数据，鞋子的功能为方
便人们出行，接着，根据第一功能信息，判断第一产品对于目标消费人群属性中的不同群体
的使用效果是否存在差异，如果存在差异，也就是说，对于目标消费人群属性中的不同群体
而言，使用第一产品的效果不同，例如对于某款眼霜而言，20岁以下的女孩使用的功效为保
湿，20 25岁女孩使用的功效为淡化细纹，25 30岁女孩使用的功效为保湿加抗初老，30 35
~ ~ ~
岁使用的功效为消除黑眼圈，35岁以上的使用功效为除皱等；接着，按照第一优化规则，对
所述目标消费人群属性进行分类，例如按照年龄对目标消费人群属性进行分类；然后，获得
分类之后的各类定向群体信息，例如20岁以下为一组，20 25岁为一组，25 30岁为一组，30
~ ~ ~
35岁为一组，则此时的分类之后的每一类定向群体对应于第一产品的不同使用效果；最后，
按照分类之后的定向群体信息及每一类定向群体对应的使用效果，对第一文案信息进行分
类优化，也就是将第一文案信息按照不同定向群体及不同定向群体对应的使用效果进行分
类，从而使得第一文案能够更加贴合不同群体用户的使用需求，增加广告文案对于用户的
吸引力，达到能够准确的、有针对性的对广告文案进行优化，使得广告效果更为理想，从而
提高广告文案的投放效益的效果。

[0066] 进一步的，为了进一步达到能够准确的、有针对性的对广告文案进行优化，使得广告效果更为理想，从而提高广告文案的投放效益的效果，本申请实施例步骤900还包括：

[0067] 步骤950：根据所述各类定向群体信息，获得每一类所述定向群体对应的第一成本信息；

[0068] 步骤960：获得每一类所述定向群体对应的第一行业平均消费水平信息；

[0069] 步骤970：根据各所述第一成本信息以及各所述第一行业平均消费水平信息，获得每一类所述定向群体对应的第一广告投放价值信息；

[0070] 步骤980：根据所述每一类所述定向群体对应的第一广告投放价值信息，建立所述第一广告投放价值信息列表；

[0071] 步骤990：获得第二优化指令；

[0072] 步骤9100：根据所述第二优化指令，按照所述第一广告投放价值信息列表，对分类优化之后的所述第一文案信息进行定向优化。

[0073] 具体而言，对目标群体分类之后得到不同分类的定向群体信息之后，通过大数据分析之后可以获得每一类定向群体对应的第一成本信息，第一成本信息为每一类定向群体
在投放广告时，所需要花费的成本信息。进而获得每一类定向群体对应的第一行业平均消
费水平信息，其中，第一行业平均消费水平信息为每一类定向群体所对应的平均消费水平，
进一步的，根据每一类定向群体所对应的广告投放的第一成本信息以及每一类定向群体所
对应的第一行业平均消费水平信息，然后得到每一类定向群体对应的第一广告投放价值信
息，进而通过所得到的第一广告投放价值信息，建立第一广告投放价值信息列表，在生成第
二优化指令之后，针对第二优化指令，按照第一广告投放价值信息列表，对分类优化之后的
第一文案信息进行定向优化，换句话说，在定向优化时，即可根据第一广告投放价值信息列
表中的广告投放价值排序，对于广告投放价值靠前的，可以加大投放力度，也就是说不同定
向群体所对应的投放力度不同，从而实现更有针对性的进行广告投放以及文案优化，达到
吸引目标消费者，提高转化率，增加广告收益的技术效果。

[0074] 进一步的，为了进一步达到对投放后的广告进行实时数据监控，提高广告文案的点击率和转化率，从而提高广告文案的投放效益的效果，本申请实施例步骤900还包括：

[0075] 步骤9110：获得优化之后的第二文案信息；

[0076] 步骤9120：获得第一预设时间段；

[0077] 步骤9130：在所述第一预设时间段内，按照所述第二文案信息，对所述第一产品进行广告投放；

[0078] 步骤9140：获得所述广告投放时对应的各个时刻的第一点击率信息和第一点击时刻信息；

[0079] 步骤9150：判断所述第一点击率是否满足点击率阈值信息；

[0080] 步骤9160：如果不满足，则获得第一调整指令；

[0081] 步骤9170：根据所述第一调整指令、第一点击率信息，按照所述第一点击时刻信息加大对于所述第一产品的广告投放频率。

[0082] 具体而言，在对第一文案信息进行定向优化之后，获得优化之后的第二文案信息，获得第一预设时间段，其中，第一预设时间段为预先设定的试投放时间，例如为三天、一周、
两周等，第一预设时间段可根据实际需要进行设置，本实施例中不做具体限制。然后在第一
预设时间段内，按照第二文案信息投放广告之后，对于各个时刻，投放广告的第一点击率信
息进行实时采集，其中，第一点击率信息对应于每一个时刻广告投放的点击率，第一点击时
刻信息为第一预设时间段内点击率较高的时刻信息，此时的第一点击时刻信息也代表着消
费人群的消费高峰时刻，接着，判断第一点击率是否达到了预设点击率阈值信息，如果未达
到预设点击率阈值信息，则相应的生成第一调整指令，并根据第一调整指令、第一点击率信
息，在第一点击时刻下，加大对于第一产品的广告投放频率，从而通过得到消费者的消费高
峰时刻，然后相应的加大在高峰时刻的广告投放频率，达到对广告投放后的情况进行实时
监控，在需要调整时能够及时进行处理，提高广告文案的转化率，提高吸引潜在用户的能
力，从而提高广告文案的投放效益的效果。

[0083] 进一步的，为了进一步达到能够准确的、有针对性的对广告文案进行优化，使得广告内容与周围环境相匹配，从而提高广告文案的投放效益的效果，本申请实施例步骤900还
包括：

[0084] 步骤9180：获得所述待优化的广告文案中的第一图片信息；

[0085] 步骤9190：获得所述第一图片信息的第一色彩信息和所述第二文案信息的第二色彩信息；

[0086] 步骤9200：获得当前的第一季节信息和流行趋势信息；

[0087] 步骤9210：根据所述第一季节信息和流行趋势信息，对所述第一色彩信息和所述第二色彩信息进行调整。

[0088] 具体而言，获得待优化的广告文案中的第一图片信息，其中，第一图片信息即为广告文案对应的图片内容，然后获得第一图片信息的第一色彩信息和第二文案信息的第二色
彩信息，进一步通过大数据分析得到获得当前的第一季节信息即气候、天气信息等，同时还
可获取到当前流行趋势信息、时事热点信息等，然后判断第一色彩信息和第二色彩信息与
第一季节信息和流行趋势信息之间的贴合度是否满足预设需求，如果不满足，则根据第一
季节信息和流行趋势信息对第一色彩信息和第二色彩信息、第二广告文案信息进行调整，
从而实现结合周围环境变化、提高广告文案与环境的匹配度，使得广告文案更加贴近用户
需求。

[0089] 实施例二

[0090] 基于与前述实施例中一种基于大数据的广告投放优化方法同样的发明构思，本发明还提供一种基于大数据的广告投放优化装置，如图2所示，所述装置包括：

[0091] 第一获得单元11，所述第一获得单元11用于获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；

[0092] 第二获得单元12，所述第二获得单元12用于获得第二产品的第二文案信息，其中，所述第二产品为所述第一产品的同质化产品；

[0093] 第三获得单元13，所述第三获得单元13用于根据所述第一文案信息、第二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的第一相似度信
息；

[0094] 第四获得单元14，所述第四获得单元14用于在所述第一相似度信息满足预设相似度阈值的情况下，获得所述第一产品的第一预测收益结果信息；

[0095] 第五获得单元15，所述第五获得单元15用于获得预设收益信息；

[0096] 第一判断单元16，所述第一判断单元16用于判断所述第一预测收益结果信息是否满足所述预设收益信息；

[0097] 第六获得单元17，所述第六获得单元17用于如果不满足所述预设收益信息，则获得第一优化指令；

[0098] 第七获得单元18，所述第七获得单元18用于根据所述第一优化指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；

[0099] 第一处理单元19，所述第一处理单元19用于根据所述第一基础属性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理。

[0100] 进一步的，所述装置还包括：

[0101] 第一建立单元，所述第一建立单元用于根据所述第一文案信息、第二文案信息，构建第一训练数据集；

[0102] 第一训练单元，所述第一训练单元用于将所述第一训练数据集输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训
练数据均包括：所述第一文案信息、第二文案信息和用来标识第一输出结果的标识信息；

[0103] 第八获得单元，所述第八获得单元用于获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一输出结果，其中，所述第一输出结果包括所述第一文案信息和
所述第二文案信息的第一相似度信息。

[0104] 进一步的，所述装置还包括：

[0105] 第九获得单元，所述第九获得单元用于根据所述第一基础属性信息，获得所述第一产品的第一功能信息

[0106] 第二判断单元，所述第二判断单元用于根据第一功能信息，判断所述第一产品对于所述目标消费人群属性中的不同群体的使用效果是否存在差异；

[0107] 第二处理单元，所述第二处理单元用于如果存在，则按照第一优化规则，对所述目标消费人群属性进行分类，获得分类之后的各类定向群体信息，其中，分类之后的每一类定
向群体与所述第一产品的不同使用效果一一对应；

[0108] 第三处理单元，所述第三处理单元用于按照所述分类之后的定向群体信息及每一类定向群体对应的使用效果，对所述第一文案信息进行分类优化。

[0109] 进一步的，所述装置还包括：

[0110] 第十获得单元，所述第十获得单元用于根据所述各类定向群体信息，获得每一类所述定向群体对应的第一成本信息；

[0111] 第十一获得单元，所述第十一获得单元用于获得每一类所述定向群体对应的第一行业平均消费水平信息；

[0112] 第十二获得单元，所述第十二获得单元用于根据各所述第一成本信息以及各所述第一行业平均消费水平信息，获得每一类所述定向群体对应的第一广告投放价值信息；

[0113] 第二建立单元，所述第二建立单元用于根据所述每一类所述定向群体对应的第一广告投放价值信息，建立所述第一广告投放价值信息列表；

[0114] 第十三获得单元，所述第十三获得单元用于获得第二优化指令；

[0115] 第四处理单元，所述第四处理单元用于根据所述第二优化指令，按照所述第一广告投放价值信息列表，对分类优化之后的所述第一文案信息进行定向优化。

[0116] 进一步的，所述装置还包括：

[0117] 第十四获得单元，所述第十四获得单元用于获得优化之后的第二文案信息；

[0118] 第十五获得单元，所述第十五获得单元用于获得第一预设时间段；

[0119] 第五处理单元，所述第五处理单元用于在所述第一预设时间段内，按照所述第二文案信息，对所述第一产品进行广告投放；

[0120] 第十六获得单元，所述第十六获得单元用于获得各个时刻所述广告投放时对应的第一点击率信息和第一点击时刻信息；

[0121] 第三判断单元，所述第三判断单元用于判断所述第一点击率是否满足点击率阈值信息；

[0122] 第十七获得单元，所述第十七获得单元用于如果不满足，则获得第一调整指令；

[0123] 第六处理单元，所述第六处理单元用于根据所述第一调整指令、第一点击率信息，按照所述第一点击时刻信息加大对于所述第一产品的广告投放频率。

[0124] 进一步的，所述装置还包括：

[0125] 第十八获得单元，所述第十八获得单元用于获得所述第一产品的行业数据信息；

[0126] 第十九获得单元，所述第十九获得单元用于获得所述第一产品的用户调查信息；

[0127] 第二十获得单元，所述第二十获得单元用于获得不同用户的人群画像信息；

[0128] 第二十一获得单元，所述第二十一获得单元用于根据所述行业数据信息、用户调查信息以及不同用户的人群画像信息，获得所述第一产品的目标消费人群属性。

[0129] 进一步的，所述装置还包括：

[0130] 第二十二获得单元，所述第二十二获得单元用于获得所述待优化的广告文案中的第一图片信息；

[0131] 第二十三获得单元，所述第二十三获得单元用于获得所述第一图片信息的第一色彩信息和所述第二文案信息的第二色彩信息；

[0132] 第二十四获得单元，所述第二十四获得单元用于获得当前的第一季节信息和流行趋势信息；

[0133] 第七处理单元，所述第七处理单元用于根据所述第一季节信息和流行趋势信息，对所述第一色彩信息和所述第二色彩信息、第二文案信息进行调整。

[0134] 前述图1实施例一中的一种基于大数据的广告投放优化方法的各种变化方式和具体实例同样适用于本实施例的一种基于大数据的广告投放优化装置，通过前述对一种基于
大数据的广告投放优化方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种
基于大数据的广告投放优化装置的实施方法，所以为了说明书的简洁，在此不再详述。

[0135] 实施例三

[0136] 基于与前述实施例中一种基于大数据的广告投放优化方法同样的发明构思，本发明还提供一种示例性电子设备，如图3所示，包括存储器304、处理器302及存储在存储器304
上并可在处理器302上运行的计算机程序，所述处理器302执行所述程序时实现前文所述一
种基于大数据的广告投放优化方法的任一方法的步骤。

[0137] 其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存
储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之
类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步
描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器
303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处
理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操
作时所使用的数据。

[0138] 本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：

[0139] 本发明实施例提供的一种基于大数据的广告投放优化方法和装置，通过获得第一产品的第一文案信息，其中，所述第一文案信息为待优化的广告文案；获得第二产品的第二
文案信息，其中，所述第二产品为所述第一产品的同质化产品；根据所述第一文案信息、第
二文案信息，通过神经网络模型，获得所述第一文案信息和所述第二文案信息之间的第一
相似度信息；在所述第一相似度信息满足预设相似度阈值的情况下，获得所述第一产品的
第一预测收益结果信息；获得预设收益信息；判断所述第一预测收益结果信息是否满足所
述预设收益信息；如果不满足所述预设收益信息，则获得第一优化指令；根据所述第一优化
指令，获得所述第一产品的第一基础属性信息和目标消费人群属性；根据所述第一基础属
性信息和所述目标消费人群属性，对所述第一文案信息进行第一定向优化处理，从而解决
了现有技术中无法准确预测制作的广告文案投放情况，从而增加了广告投放成本，如果不
及时对广告文案进行优化和止损，还可能会对企业造成不可挽回的损失的技术问题，达到
了准确预判广告的收益状况，能够准确的、有针对性的对广告文案进行优化，使得广告效果
更为理想，从而提高广告文案的投放效益，降低投放成本和人工优化成本的技术效果。

[0140] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实
施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质（包括但不限于磁盘存储器、CD‑ROM、光学存储器等）上实施的计算机程序产
品的形式。

[0141] 本发明是参照根据本发明实施例的方法、设备（系统）和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程
和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指
令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生
一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现
在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

[0142] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或
多个方框中指定的功能。

[0143] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一
个方框或多个方框中指定的功能的步骤。

[0144] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围
之内，则本发明也意图包含这些改动和变型在内。