[发明专利]一种广告推荐方法、设备、系统、计算机设备及存储介质

说明书

本发明公开了一种广告推荐方法、设备、系统、计算机设备及存储介质。其中广告推荐方法包括：获取第一时刻顾客的第一图像数据；使用深度学习算法识别第一图像数据中顾客的年龄、性别、情绪特征、状态特征、时尚特征，并将这些被识别特征作为商品推荐因子；根据商品推荐因子以及已构建的商品推荐模型选择向顾客展示商品库中对应的商品广告；向顾客展示商品广告；其中，已构建的商品推荐模型为决策树模型和/或多元回归模型，商品推荐因子为商品推荐模型的自变量，商品库中的商品为商品推荐模型的因变量。本发明的广告推荐方法可准确的预测消费者可能的购买倾向并且能够避免现有的广告推送方法中探针刺探隐私的风险。

技术领域

本发明属于广告推送技术领域，尤其涉及一种广告推荐方法、设备、系统、计算机设备及存储介质。

背景技术

如何在线下接触顾客、采集相关数据并且进行推荐一直是零售行业、广告行业非常关心的议题。

一种目前行业普遍采用的方式是通过探针技术实现广告推送，探针是一种基于WIFI探测技术来识别AP(无线访问接入点)附近已开启WIFI的智能终端的技术，每一个设备有一个对应的Mac地址。探针等方式可以实现一定的线下数据采集，但面临侵犯隐私的风险，而且越来越多手机机型开始通过Mac随机化的方式来规避被探针刺探隐私的风险。可以预见未来随着使用者对个人隐私的重视，探针的使用会面临越来越多的风险和局限。

发明内容

本发明的技术目的是提供一种广告推荐方法、设备、系统、计算机设备及存储介质，其中的广告推荐方法可准确的预测消费者可能的购买倾向并且能够避免现有的广告推送方法中探针刺探隐私的风险。

为解决上述问题，本发明的技术方案为：

一种广告推荐方法，包括：

获取第一时刻顾客的第一图像数据；

使用深度学习算法识别所述第一图像数据中顾客的年龄、性别、情绪特征、状态特征、时尚特征，所述年龄、性别、情绪特征、状态特征、时尚特征作为商品推荐因子；

根据所述商品推荐因子以及已构建的商品推荐模型选择向所述顾客展示商品库中对应的商品广告；

向所述顾客展示所述商品广告；

其中，所述已构建的商品推荐模型为决策树模型和/或多元回归模型，所述商品推荐因子为所述商品推荐模型的自变量，所述商品库中的商品为所述商品推荐模型的因变量。

根据本发明一实施例，所述广告推荐方法还包括：

获取所述顾客的购物信息；

将所述购物信息与所述商品广告中的商品进行对比，确认向所述顾客展示的商品广告是否有效。

根据本发明一实施例，所述获取所述顾客的购物信息之前还包括：

存储所述第一图像数据，获取第二时刻所述顾客的第二图像数据，所述第二时刻为所述顾客购买商品付款的时间段，通过所述第二时刻的时间对比，把所述顾客的第二图像数据和所述顾客的购物信息进行实时对应；

再将所述第二图像数据与所述第一图像数据比对确定所述顾客。

根据本发明一实施例，所述广告推荐方法还包括：

基于所述第二图像对应的购物信息与所述第一图像相对应的所述商品广告中的商品的对比结果优化所述已构建的商品推荐模型。

基于相同的构思，本发明还提供了一种广告推荐设备，包括：

第一数据获取模块，用于获取第一时刻顾客的第一图像数据；