本發(fā)明屬于互聯(lián)網(wǎng)技術(shù)領(lǐng)域，特別涉及一種廣告投放系統(tǒng)及方法。
背景技術(shù)：
傳統(tǒng)社區(qū)的樓宇廣告，對于小區(qū)內(nèi)廣告受眾的人口統(tǒng)計(jì)學(xué)特征以及消費(fèi)行為了解來源單一，只根據(jù)樓盤自身的屬性，如位置、房價等信息來判斷，這樣在投放廣告時沒法做到精準(zhǔn)投放，同時在互聯(lián)網(wǎng)崛起的線上的用戶需求，在某一區(qū)域線下廣告無法得知，兩者之間形成斷層，投放的廣告效果大打折扣，因此如何對受眾精準(zhǔn)投放樓宇廣告成為一個重要的問題。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明要解決的技術(shù)問題是，現(xiàn)有的投放廣告方式針對性不強(qiáng)，效果不好。
為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：一種樓宇廣告精準(zhǔn)投放系統(tǒng)，包括商品分類與用戶特征預(yù)設(shè)模塊、樓宇智能快遞柜的快遞包裹數(shù)據(jù)采集模塊、用戶訂單數(shù)據(jù)采集模塊、用戶特征識別模塊和廣告投放模塊；
商品分類與用戶特征預(yù)設(shè)模塊用于設(shè)定商品分類和與該商品分類對應(yīng)的用戶特征集合f，并給每個用戶特征設(shè)置特征值集合v，根據(jù)用戶特征集合f和特征值集合v建立權(quán)重表w；
樓宇智能快遞柜的快遞包裹數(shù)據(jù)采集模塊用于采集用戶手機(jī)號、用戶手機(jī)號碼對應(yīng)用戶收取包裹的次數(shù)、包裹快遞單號，得出所有用戶手機(jī)號碼與快遞單號的映射表m1；
用戶訂單數(shù)據(jù)采集模塊用于根據(jù)樓宇智能快遞柜的快遞包裹數(shù)據(jù)采集模塊采集的快遞單號獲取用戶在第三方電商平臺產(chǎn)生的訂單商品分類集合，建立快遞單號到商品分類集合的映射集合m2；
用戶特征識別模塊用于根據(jù)映射表m1和映射集合m2，建立用戶手機(jī)號碼到商品分類集合的映射m3，再結(jié)合權(quán)重表w，得到用戶手機(jī)號碼在各個商品分類下的各個特征值得權(quán)重分布，根據(jù)權(quán)重分布推導(dǎo)小區(qū)總體用戶的具體特征值；
廣告投放模塊用于根據(jù)小區(qū)總體用戶特征數(shù)據(jù)，以及整體用戶購買商品所屬分類的分布數(shù)量，決定投放與廣告受眾匹配的廣告，同時可以根據(jù)不同小區(qū)的總的快遞包裹數(shù)量、周期性用戶平均快遞包裹數(shù)量決定投放廣告與否。
進(jìn)一步，用戶特征包括用戶性別、年齡、婚姻狀況、收入水平和學(xué)歷。
進(jìn)一步，所述商品分類c的集合{c1, c2, …cj}，用戶特征f的集合{f1, f2…fn}，每個特征f有自己可枚舉的特征值v的集合{v1, v2, …vn}，建立一個權(quán)重表w：{c1-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, c2-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}…cj-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}}。
樓宇廣告精準(zhǔn)投放系統(tǒng)的投放方法，包括以下步驟：
1）通過商品分類與用戶特征預(yù)設(shè)模塊設(shè)定商品分類c，每個商品分類c對應(yīng)的用戶特征f集合{f1, f2…fn}，每個用戶特征f有自己可枚舉的特征值v的集合{v1, v2, …vn}，建立一個權(quán)重表w：{c1-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, c2-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}…cj-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}}；
2）通過樓宇智能快遞柜存取件數(shù)據(jù)采集模塊采集所在小區(qū)內(nèi)各個智能快遞柜終端內(nèi)存儲的快遞包裹數(shù)據(jù)，得到用戶手機(jī)號碼m收到的總包裹數(shù)量p，一個手機(jī)號碼代表一個真實(shí)用戶，當(dāng)用戶手機(jī)號碼對相應(yīng)的包裹數(shù)量p≥1時，記錄用戶手機(jī)號碼與快遞單號的映射關(guān)系，得出所有用戶手機(jī)號碼與快遞單號的映射表m1；
3）通過用戶訂單數(shù)據(jù)采集模塊根據(jù)快遞單號獲取用戶在第三方電商平臺產(chǎn)生的訂單商品分類集合，建立快遞單號到商品分類集合的映射集合m2；所述訂單商品分類集合通過第三方電商平臺直接獲得；
4）所述用戶特征識別模塊利用所述樓宇智能快遞柜存取件數(shù)據(jù)采集模塊中得到的m1和所述用戶訂單數(shù)據(jù)采集模塊得到的m2，建立用戶手機(jī)號碼到商品分類集合的映射m3，即用戶購買的商品所屬分類集合的映射，再結(jié)合所述商品分類與用戶特征預(yù)設(shè)模塊中的權(quán)重表w，得到用戶手機(jī)號碼在各個商品分類下的各個特征值的權(quán)重分布，
5）依次計(jì)算用戶手機(jī)號碼對應(yīng)的每個商品分類下具有相同屬性值的和，然后將屬于同一個特征下的所有特征值的和進(jìn)行比較，取特征值之和最大的為用戶最終的一個特征值，最終得到所有用戶所有特征的具體特征值。當(dāng)用戶有新的快遞包裹到達(dá)，并且包裹對應(yīng)商品分類是新增的，則重新計(jì)算用戶手機(jī)號對應(yīng)的用戶的所有特征值；
6）通過廣告投放模塊根據(jù)所述用戶特征識別模塊得出的小區(qū)總體用戶特征數(shù)據(jù)，以及整體用戶購買商品所屬分類的分布數(shù)量，決定投放與廣告受眾匹配的廣告，同時可以根據(jù)不同小區(qū)的總的快遞包裹數(shù)量、周期性用戶平均快遞包裹數(shù)量決定投放廣告與否。
本發(fā)明的優(yōu)點(diǎn)是：將互聯(lián)網(wǎng)電商信息與智能快遞柜收集的信息結(jié)合，精準(zhǔn)、實(shí)時分析各個小區(qū)內(nèi)用戶的購物需求，以此為基礎(chǔ)投放廣告，提高樓宇廣告投放精準(zhǔn)度，提升廣告效果。
具體實(shí)施方式
本發(fā)明公開了一種樓宇廣告精準(zhǔn)投放系統(tǒng)及方法，其具體內(nèi)容如下：
該系統(tǒng)包括商品分類與用戶特征預(yù)設(shè)模塊，樓宇智能快遞柜的快遞包裹數(shù)據(jù)采集模塊、用戶訂單數(shù)據(jù)采集模塊、用戶特征識別模塊和廣告投放模塊；
所述商品分類與用戶特征預(yù)設(shè)模塊建立一個完善的商品分類體系，包括商品分類c的集合{c1, c2, …cj}，用戶特征f的集合{f1, f2…fn}，每個特征f有自己可枚舉的特征值v的集合{v1, v2, …vn}，建立一個權(quán)重表w：{c1-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, c2-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}…cj-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}};
所述樓宇智能快遞柜存取件數(shù)據(jù)采集模塊獲取智能快遞柜終端所在小區(qū)的快遞包裹數(shù)據(jù)，得到用戶手機(jī)號碼m收到的總包裹數(shù)量p，一個手機(jī)號碼代表一個真實(shí)用戶，當(dāng)用戶手機(jī)號碼對相應(yīng)的包裹數(shù)量p≥1時，記錄用戶手機(jī)號碼與快遞單號的映射關(guān)系m: {num1, num2, … , nump}，最終得出所有用戶手機(jī)號碼與快遞單號的映射表m1: {num1, num2, … , nump}；
所述用戶訂單數(shù)據(jù)采集模塊根據(jù)快遞單號獲取用戶在第三方電商平臺產(chǎn)生的訂單商品分類集合{c1, c2, …cj}，建立快遞單號到商品分類集合的映射集合m2：{num1=cx, num2=cy, … , nump=cz}，x、y和z都在1到j(luò)的范圍內(nèi)取值；
所述用戶特征識別模塊利用所述樓宇智能快遞柜存取件數(shù)據(jù)采集模塊中得到的m1和所述用戶訂單數(shù)據(jù)采集模塊得到的m2，建立用戶手機(jī)號碼到商品分類集合的映射m3，即用戶購買的商品所屬分類集合的映射m：{cx, cy, … ,cz}，再結(jié)合所述商品分類與用戶特征預(yù)設(shè)模塊中的權(quán)重表w，得到用戶手機(jī)號碼在各個商品分類下的各個特征值的權(quán)重分布m：{cx-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, cy-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}, … ,cz-> {f1: {v1 : w1, v2 : w2, …, vn: wn}, f2: {v1 : w1, v2 : w2, …, vn: wn}…fn: {v1 : w1, v2 : w2, …, vn: wn}}}，依次計(jì)算用戶手機(jī)號碼對應(yīng)的每個商品分類下具有相同屬性值的和，然后將屬于同一個特征下的所有特征值的和進(jìn)行比較，取特征值之和最大的為用戶最終的一個特征值，最終得到所有用戶所有特征的具體特征值。當(dāng)用戶有新的快遞包裹到達(dá)，并且包裹對應(yīng)商品分類是新增的，則重新計(jì)算用戶手機(jī)號對應(yīng)的用戶的所有特征值。
所述廣告投放模塊根據(jù)所述用戶特征識別模塊得出的小區(qū)總體用戶特征數(shù)據(jù)，以及整體用戶購買商品所屬分類的分布數(shù)量，決定投放與廣告受眾匹配的廣告，同時可以根據(jù)不同小區(qū)的總的快遞包裹數(shù)量、周期性用戶平均快遞包裹數(shù)量決定投放廣告與否。
實(shí)施例1（以南京市浦口區(qū)威尼斯水城1期使用結(jié)果為例）
商品分類集合： 母嬰，男裝，食品，3C數(shù)碼，個護(hù)化妝
特征集合： 性別，年齡，婚姻狀況，收入水平，學(xué)歷
商品分類表由電商平臺處直接提供獲得，特征集合為使用該方法計(jì)算者根據(jù)實(shí)際需要情況設(shè)定。以下是計(jì)算過程：
分類特征權(quán)重表（該表的相關(guān)數(shù)據(jù)源自電商平臺處直接提供獲得）：
母嬰:
性別：{男: 0.26. 女：0.74}
年齡：{19歲及以下: 0.03, 20~29歲: 0.26, 30~39歲: 0.59, 40~49歲: 0.08, 50歲及以上: 0.04}
婚姻狀況：{已婚:0.98, 未婚: 0.02}
收入水平：{5000以下：0.2, 5000~10000: 0.4, 10000以上: 0.4}
學(xué)歷：{本科以上：0.8, 大專：0.1, 高中以下：0.1}
男裝：
性別：{男: 0.80, 女: 0.20}
年齡：{19歲及以下: 0.06, 20~29歲: 0.36, 30~39歲: 0.46, 40~49歲: 0.08, 50歲及以上: 0.04}
婚姻狀況：{已婚:0.80, 未婚: 0.20}
收入水平：{5000以下：0.6, 5000~10000: 0.3, 10000以上: 0.1}
學(xué)歷：{本科以上：0.7, 大專：0.2, 高中以下：0.1}
食品：
性別：{男：0.43, 女：0.57}
年齡：{19歲及以下: 0.05, 20~29歲: 0.32, 30~39歲: 0.48, 40~49歲: 0.12, 50歲及以上: 0.03}
婚姻狀況：{已婚：0.7, 未婚: 0.3}
收入水平：{5000以下：0.6, 5000~10000: 0.3, 10000以上: 0.1}
學(xué)歷：{本科以上：0.7, 大專：0.2, 高中以下：0.1}
3C數(shù)碼：
性別：{男：0.83, 女：0.17}
年齡：{19歲及以下: 0.05, 20~29歲: 0.36, 30~39歲: 0.45, 40~49歲: 0.10, 50歲及以上: 0.04}
婚姻狀況：{已婚：0.7, 未婚: 0.3}
收入水平：{5000以下：0.4, 5000~10000: 0.3, 10000以上: 0.3}
學(xué)歷：{本科以上：0.7, 大專：0.2, 高中以下：0.1}
個護(hù)化妝：
性別：{男：0.35, 女：0.65}
年齡：{19歲及以下: 0.11, 20~29歲: 0.37, 30~39歲: 0.39, 40~49歲: 0.10, 50歲及以上: 0.03}
婚姻狀況：{已婚：0.4, 未婚: 0.6}
收入水平：{5000以下：0.4, 5000~10000: 0.3, 10000以上: 0.3}
學(xué)歷：{本科以上：0.7, 大專：0.2, 高中以下：0.1}
用戶手機(jī)號碼與包裹單號的映射（該映射內(nèi)容源自樓宇智能快遞柜提供）：
{
15151841484: {BP2188312, BP213213, 888327732427, 783784832842}
13783284238:{23848342, 389432589483, 327847832}
}
建立快遞單號到商品分類集合的映射集合m2,：
{
BP2188312: 男裝，
BP213213: 母嬰,
888327732427: 食品,
783784832842: 3C數(shù)碼,
23848342: 母嬰,
389432589483: 食品，
327847832：個護(hù)化妝
}
建立用戶手機(jī)號碼到商品分類集合的映射m3:
{
15151841484: { 男裝, 母嬰, 食品, 3C數(shù)碼},
13783284238: {母嬰,食品, 個護(hù)化妝}
}
計(jì)算每個用戶在各個特征值下的權(quán)重
15151841484: { 男裝, 母嬰, 食品, 3C數(shù)碼} =>
15151841484: {
男裝:{
性別：{男：0.73, 女：0.27}
年齡：{19歲及以下: 0.05, 20~29歲: 0.32, 30~39歲: 0.48, 40~49歲: 0.12, 50歲及以上: 0.03}
婚姻狀況：{已婚：0.7, 未婚: 0.3}
收入水平：{5000以下：0.6, 5000~10000: 0.3, 10000以上: 0.1}
學(xué)歷：{本科以上：0.7, 大專：0.2, 高中以下：0.1}
}
母嬰: {
性別：{男: 0.26. 女：0.74}
年齡：{19歲及以下: 0.03, 20~29歲: 0.26, 30~39歲: 0.59, 40~49歲: 0.08, 50歲及以上: 0.04}
婚姻狀況：{已婚:0.98, 未婚: 0.02}
收入水平：{5000以下：0.2, 5000~10000: 0.4, 10000以上: 0.4}
學(xué)歷：{本科以上：0.8, 大專：0.1, 高中以下：0.1}
}
食品： {
性別：{男：0.43, 女：0.57}
年齡：{19歲及以下: 0.05, 20~29歲: 0.32, 30~39歲: 0.48, 40~49歲: 0.12, 50歲及以上: 0.03}
婚姻狀況：{已婚：0.7, 未婚: 0.3}
收入水平：{5000以下：0.6, 5000~10000: 0.3, 10000以上: 0.1}
學(xué)歷：{本科以上：0.7, 大專：0.2, 高中以下：0.1}
}
3C數(shù)碼： {
性別：{男：0.83, 女：0.17}
年齡：{19歲及以下: 0.05, 20~29歲: 0.36, 30~39歲: 0.45, 40~49歲: 0.10, 50歲及以上: 0.04}
婚姻狀況：{已婚：0.7, 未婚: 0.3}
收入水平：{5000以下：0.4, 5000~10000: 0.3, 10000以上: 0.3}
學(xué)歷：{本科以上：0.7, 大專：0.2, 高中以下：0.1}
}
}
=>1515184148:
性別：{男:0.73 + 0.26 + 0.43 + 0.83=2.25女：0.27 + 0.74 + 0.57 + 0.17=1.75}
年齡：{19歲及以下: 0.05 + 0.03 + 0.05 + 0.05=0.18, 20~29歲: 0.32+0.26+0.32+0.36=1.26, 30~39歲: 0.48+0.59+0.48+0.45=2, 40~49歲: 0.12+0.08+0.12+0.10=0.42, 50歲及以上: 0.03+0.04+0.03+0.04=0.14}
婚姻狀況：{已婚:0.7+0.98+0.7+0.7=3.08, 未婚:0.3+0.02 + 0.3+0.3=0.92}
收入水平：{5000以下：0.6+0.2+0.6+0.4=1.8, 5000~10000: 0.3+0.4+0.3+0.2=1.2, 10000以上: 0.4=0.1+0.4+0.1+0.3=0.9}
學(xué)歷：{本科以上：0.7+0.8+0.7+0.7=2.9, 大專：0.2+0.1+0.2+0.2=0.7, 高中以下：0.1+0.1+0.1+0.1=0.4}
取每個屬性里最高值的一個
=>1515184148:
性別：男 (2.25)
年齡：30~39歲(2)
婚姻狀況：已婚(3.08)
收入水平：5000以下(1.8)
學(xué)歷：本科以上(2.9)
依次計(jì)算所有用戶
=>13783284238:
性別：女 (2.15)
年齡：30~39歲(2.1)
婚姻狀況：已婚(3.0)
收入水平：5000~10000(1.8)
學(xué)歷：本科以上(2.8)
=>15234234324:
性別：男 (1.15)
年齡：20~29歲(2.1)
婚姻狀況：未婚(3.0)
收入水平：5000~10000(1.8)
學(xué)歷：本科以上(2.8)
根據(jù)所有用戶的特征，得出小區(qū)的總體用戶特征：
男：66% 女: 33%
年齡：19歲及以下：0%, 20~29歲: 33%, 30~39歲：67%, 40~49歲: 0%, 50歲及以上: 0%
婚姻狀況：已婚：67%, 未婚: 33%
收入水平：{5000以下：33%, 5000~10000: 67%, 10000以上: 0%}
學(xué)歷：本科以上：100%, 大專：0%, 高中以下：0%。
如上所述，盡管參照特定的優(yōu)選實(shí)施例已經(jīng)表示和表述了本發(fā)明，但其不得解釋為對本發(fā)明自身的限制。在不脫離所附權(quán)利要求定義的本發(fā)明的精神和范圍前提下，可對其在形式上和細(xì)節(jié)上作出各種變化。