【技術實現步驟摘要】
本專利技術涉及數字營銷，具體而言，涉及一種基于aigc的數字營銷系統及方法。
技術介紹
1、在當今數字化時代，廣告投放的效率和效果常常受到多種復雜因素的影響和制約。傳統的廣告投放方法主要依賴于廣告主的經驗判斷和市場調研數據的支持，然而，這些方法在應對快速變化的市場環境和用戶行為時，往往顯得不夠靈活和準確。隨著科技的進步和大數據技術的發展，廣告投放已經逐漸從傳統的經驗驅動模式轉變為數據驅動模式，以期提高廣告投放的精準度和效率。
2、在現有的數字營銷系統中，廣告投放的效率和效果往往受到多種因素的影響和制約。這些因素包括但不限于市場環境的快速變化、用戶行為的多樣化和個性化需求、廣告投放平臺的技術能力以及廣告內容的創意和吸引力等。傳統的廣告投放方法主要依賴于廣告主的經驗判斷和市場調研數據的支持，但這些方法在應對快速變化的市場環境和用戶行為時，往往顯得不夠靈活和準確。
技術實現思路
1、鑒于此，本專利技術提出了一種基于aigc的數字營銷系統及方法，旨在解決當前技術中廣告投放方法主要依賴于廣告主的經驗判斷和市場調研數據的支持，但這些方法在應對快速變化的市場環境和用戶行為時，往往顯得不夠靈活和準確的問題。
2、一個方面，本專利技術提出了一種基于aigc的數字營銷系統，包括：
3、廣告單元，采集歷史數據和廣告類型數據，確定廣告基準曝光時長，并基于aigc技術自動生成廣告并發布；
4、采集單元，被配置為在廣告發布后，在第一時間間隔后采集廣告表現數據并確
5、處理單元，被配置為當判定對所述初始廣告曝光時長進行調整時，根據所述廣告表現數據與所述歷史數據計算綜合相似度，將所述綜合相似度與綜合相似度閾值進行比對，根據綜合相似度確定曝光時長影響因子；當所述綜合相似度大于所述綜合相似度閾值時，根據所述歷史數據確定所述曝光時長影響因子；當所述綜合相似度小于或等于所述相似度閾值時，通過機器學習算法確定所述曝光時長影響因子；
6、調整單元，被配置為根據所述曝光時長影響因子對所述初始廣告曝光時長進行調整，以調整后的最終廣告曝光時長完成廣告投放。
7、進一步地，所述廣告表現數據包括廣告點擊率、廣告轉化率和用戶互動率。
8、進一步地，確定廣告基準曝光時長時包括：
9、采集用戶群體特征數據并結合所述廣告類型數據，通過所述aigc技術分析不同用戶群體對不同類型廣告的反應差異，從而確定不同類型廣告的基準曝光時長。
10、進一步地，在廣告發布后，在第一時間間隔后采集廣告表現數據并確定初始廣告曝光時長時，所述初始廣告曝光時長通過下式獲得：
11、ti=tb*(1+ω1*ctrt+ω2*crt+ω3*ent)
12、其中，ti表示所述初始廣告曝光時長，tb表示所述基準曝光時長，ctrt表示該類型廣告在第一時間間隔內的平均點擊率，crt表示該類型廣告在第一時間間隔內的平均轉化率，ent表示該類型廣告在第一時間間隔內的平均用戶互動率，ω1、ω2和ω3為權重系數，且ω1、ω2、ω3的和值為1。
13、進一步地，在第二時間間隔后，采集所述用戶的實時行為數據并與所述歷史數據進行比對，根據比對結果判斷是否對所述初始廣告曝光時長進行調整時，包括：
14、當所述歷史數據中存在與所述實時行為數據中相同數據時，不對所述初始廣告曝光時長進行調整；
15、當所述歷史數據中不存在與所述實時行為數據中相同數據時，對所述初始廣告曝光時長進行調整。
16、進一步地，當判定對所述初始廣告曝光時長進行調整時，根據所述廣告表現數據與所述歷史數據計算綜合相似度時，包括：
17、so=α1*sim(ctrc,ctrh)+α2*sim(crc,crh)+α3*sim(enc,enh)
18、其中，so表示所述綜合相似度，α1、α2和α3表示權重系數，且，α1、α2、α3的和值為1，ctrc表示該類型廣告當前廣告點擊率，ctrh表示該類型廣告歷史廣告點擊率，sim(ctrc,ctrh）表示該類型廣告當前廣告點擊率與歷史廣告點擊率之間的相似程度，crc表示該類型廣告當前廣告轉化率，crh表示該類型廣告歷史廣告轉化率，sim(crc,crh）表示該類型廣告當前廣告轉化率與歷史廣告轉化率之間的相似程度，enc表示該類型廣告當前廣告用戶互動率，enh表示該類型廣告歷史廣告用戶互動率，sim(enc,enh）表示該類型廣告當前廣告用戶互動率與歷史廣告用戶互動率之間的相似程度。
19、進一步地，根據綜合相似度確定曝光時長影響因子時，包括：
20、將所述綜合相似度與預先設定的綜合相似度閾值進行比對，根據比對結果確定曝光時長影響因子；
21、當所述歷史數據中存在所述綜合相似度大于所述綜合相似度閾值的數據時，根據所述歷史數據確定所述曝光時長影響因子；
22、當所述歷史數據中不存在所述綜合相似度大于所述綜合相似度閾值的數據時，根據機器學習算法確定所述曝光時長影響因子。
23、進一步地，根據所述歷史數據確定所述曝光時長影響因子時，包括：
24、當所述歷史數據中的所述綜合相似度大于所述綜合相似度閾值的數據唯一時，將數據對應的歷史曝光時長影響因子作為所述曝光時長影響因子；
25、當所述歷史數據中的所述綜合相似度大于所述綜合相似度閾值的數據不唯一時，將各數據對應的歷史曝光時長影響因子的均值作為所述曝光時長影響因子。
26、進一步地，根據機器學習算法確定所述曝光時長影響因子時，包括：
27、根據所述廣告表現數據、用戶行為數據以及歷史曝光時長影響因子建立訓練數據集；
28、利用深度學習模型，通過所述訓練數據集對所述初始廣告曝光時長與用戶行為數據之間的關系進行學習，以預測所述最終廣告曝光時長；
29、采用梯度下降算法優化模型參數；
30、在訓練完成后，將所述廣告表現數據和用戶行為數據輸入到訓練好的所述深度學習模型中，得到所述曝光時長影響因子；
31、根據所述曝光時長影響因子，調整所述初始廣告曝光時長。
32、與現有技術相比，本專利技術的有益效果在于：在本專利技術中，采集單元在廣告發布后，通過實時監測和分析廣告的表現數據，能夠快速地評估廣告的初始曝光時長是否合適。在第一時間間隔后，采集單元會收集廣告的點擊率、轉化率等關鍵指標，以確定初始曝光時長是否需要調整；在第二時間間隔后，采集單元進一步采集用戶的實時行為數據，與歷史數據進行比對，以判斷廣告的表現是否符合預期；處理單元在判定需要調整初始廣告曝光時長時，會計算廣告表現數據與歷史數據的綜合相似度；當綜合相似度大于綜合相似度閾值時，說明當前廣告的表現與歷史數據相似，處理單元將根據歷史數據確定曝光本文檔來自技高網...
【技術保護點】
1.一種基于AIGC的數字營銷系統，其特征在于，包括：
2.根據權利要求1所述的基于AIGC的數字營銷系統，其特征在于，所述廣告表現數據包括廣告點擊率、廣告轉化率和用戶互動率。
3.根據權利要求2所述的基于AIGC的數字營銷系統，其特征在于，確定廣告基準曝光時長時包括：
4.根據權利要求3所述的基于AIGC的數字營銷系統，其特征在于，在廣告發布后，在第一時間間隔后采集廣告表現數據并確定初始廣告曝光時長時，所述初始廣告曝光時長通過下式獲得：
5.根據權利要求4所述的基于AIGC的數字營銷系統，其特征在于，在第二時間間隔后，采集所述用戶的實時行為數據并與所述歷史數據進行比對，根據比對結果判斷是否對所述初始廣告曝光時長進行調整時，包括：
6.根據權利要求5所述的基于AIGC的數字營銷系統，其特征在于，當判定對所述初始廣告曝光時長進行調整時，根據所述廣告表現數據與所述歷史數據計算綜合相似度時，包括：
7.根據權利要求6所述的基于AIGC的數字營銷系統，其特征在于，根據綜合相似度確定曝光時長影響因子時，包括：
<...【技術特征摘要】
1.一種基于aigc的數字營銷系統，其特征在于，包括：
2.根據權利要求1所述的基于aigc的數字營銷系統，其特征在于，所述廣告表現數據包括廣告點擊率、廣告轉化率和用戶互動率。
3.根據權利要求2所述的基于aigc的數字營銷系統，其特征在于，確定廣告基準曝光時長時包括：
4.根據權利要求3所述的基于aigc的數字營銷系統，其特征在于，在廣告發布后，在第一時間間隔后采集廣告表現數據并確定初始廣告曝光時長時，所述初始廣告曝光時長通過下式獲得：
5.根據權利要求4所述的基于aigc的數字營銷系統，其特征在于，在第二時間間隔后，采集所述用戶的實時行為數據并與所述歷史數據進行比對，根據比對結果判斷是否對所述初始廣告曝光時長進行調整時，包括：<...
【專利技術屬性】
技術研發人員：范倩怡，李佳，王慧娟，應昀臻，周熒，周澤鵬，鄭軼丹，李澈，
申請(專利權)人：杭州文創數字科技研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。