一种AI赋能创意设计方法与流程

本发明涉及大数据应用领域，具体是涉及一种用于电信运营商营销平台的ai智能创意设计的方法。

背景技术：

在“互联网+”的时代背景下，ai智能、大数据赋能、物联网平台、智能制造技术等有了全面的提升和广泛的发展。国家对互联网、大数据和人工智能的关注多也越来高，有关互联网与智能化应用方面的建议和议案越来越多，相关国家扶持的鼓励政策等也在不断的完善。在这种历史机遇下，ai智能等相关技术在很多领域都获得了飞跃式的发展。

在电信运营商营营销平台进行创意设计和广告投放过程中，目前遇到如下问题：

1、营销活动周期短，在特定时间（如节假日、周年庆、热点期）营销活动集中，创意设计人员疲于应对。

2、营销活动期间，创意需求量大，需要设计人员创作适合不同尺寸、不同风格的创意，对设计人员要求高。

3、设计人员在创作过程中，无法通过共享，来提高生产效率。

4、在创意投放时，很多状态下都是由运营人员，根据业务经验进行决策，创意投放相关的触达率，与运营人员对市场和客户了解息息相关，“人为”因素无法度量。

技术实现要素：

发明目的：本发明目的在于提供一种ai赋能创意设计方法，解决设计师创意设计困难、产出低、复用难的问题，并降低运营人员在投放创意“人为”决策失误可能，进行智能投放。

技术方案：本发明所述的ai赋能创意设计方法，包括如下步骤：

（1）数据洞察：首先采集行业客户数据和行业相关创意数据，再对采集的数据进行处理得到客户画像和标签数据；同时对采集的创意标注，将图片信息结构化，获取创意中的元素；

（2）创意生成：建立多任务学习的卷积神经网络，并以获取的创意中的元素进行训练，得到ai创意生成算法；通过训练完成的ai创意生成算法，根据得到的客户画像、标签数据以及业务需求，选择创意模板、创意相关图片、创意特征和创意文案自动生成创意，并对生成好的创意进行特征向量提取；

（3）创意投放：结合客户画像和创意特征数据，针对不同业务需求采用智能投放算法推荐引擎进行个性化创意推荐，其中，针对新用户采用mab增强学习算法，针对老用户采用lr、gbdt、fm或dnn算法。

本发明进一步优选地技术方案为，步骤（1）中采集的行业客户数据包括客户基础信息、客户终端信息、客户消费信息、客户上网信息、客户订购信息、客户投诉信息、客户位置信息和网络质量信息；采集的行业相关创意数据包括创意基础信息、创意发布信息和创意点击信息。

作为优选地，步骤（1）中将采集的行业客户数据和行业相关创意数据进行萃取、整合和加工，并结合离线算法熵值法、woe证据权重、相关性分析及业务经验输出客户画像和标签数据。

优选地，步骤（2）的创意生成的具体步骤为：

a、创意管理：根据业务需求，选择创意模板和创意设计要素；

b、文案生成：根据客户标签、创意模板和商品的属性信息，通过ai文本生成技术，对文案内容进行分词及依存分析，结合客户点击情况，建立客户与文案之间的匹配模型，生成符合客户风格的文案；

c、创意生成：基于客户标签特征，通过训练完成的ai创意生成算法，匹配合适的模板风格、主题图片及文案效果，合成创意展示图片。

优选地，步骤（3）还包括在线召回步骤，在创意展示过程中进行实时判断，通过设定的召回策略，召回不同候选集；再对召回的候选集进行融合和过滤。

有益效果：（1）本发明在创意设计环节，使用人工智能相关技术，结合企业内部用户的特征、画像数据，赋能创意设计，释放了设计人员，降低创意设计的准入门槛，减少设计人员从事底水平重复性劳动的时间，提升设计效率，缩短设计时间；

（2）本发明的创意投放环节，以数据驱动，结合客户特征数据、创意特征数据，通过智能投放算法推荐引擎，实现面向不同个性、不同爱好、不同人群的个性化创意推荐，实现商业流量价值的最大利用，利用流式处理计算和实时投放算法，以及在线反馈智能调优，实现精准的创意投放。

附图说明

图1为本发明所述的创意设计方法的流程图。

具体实施方式

下面通过附图对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例：一种ai赋能创意设计方法，包括如下步骤：

（1）数据洞察

采集数据：采集运营商行业客户在内部系统相关数据，包括：客户基础信息、客户终端信息、客户消费信息、客户上网信息、客户订购信息、客户投诉信息、客户位置信息和网络质量信息。采集运营商行业相关创意数据，包括：创意基础信息、创意发布信息和创意点击信息。

数据加工：通过对数据进行萃取、整合和加工，并结合离线算法熵值法、woe证据权重、相关性分析及业务经验输出客户画像和标签数据。通过对创意设计的标注，将图片信息结构化，让机器了解创意中的元素，学习创作过程。

（2）创意生成

创意管理：根据业务需求，支持多选不同结构和风格的创意模板，例如：左右结构，上下结构，居中结构，清新风格，靓丽风格等，支持海量创意设计要素的选择，例如：各类商品logo，品牌logo，支持模板文字的编辑。

文案生成：根据客户偏好标签、创意和商品的属性、商品卖点信息以及历史客户点击情况等，通过ai文本生成技术，对文案内容进行分词及依存分析，结合客户点击情况，使用ai技术，建立客户-文案匹配模型，生成符合客户风格的文案。

创意生成：建立多任务学习的卷积神经网络，并以获取的创意中的元素进行训练，得到ai创意生成算法；基于客户标签特征，通过训练完成的ai创意生成算法，匹配合适的模板风格、主题图片及文案效果，合成创意展示图片。并对生成好的创意进行特征向量提取，为创意推荐提供依据。

（3）创意投放

智能推荐：针对不同的业务场景需求，支持多种算法的实时推荐。

在线召回：在各个渠道运营位交互时进行实时判断，通过召回策略召回不同候选集，再对召回的候选集进行融合(提高推荐策略的覆盖度和精度)和过滤(从产品、运营的角度制定一些人工规则，过滤掉不符合条件的item)。

本实施例对于不同的业务场景需求分别说明。

如在运营商拉新活动中：

对于运营商行业客户，在国际电信日（5-17），希望通过拉新活动获取新用户，并通过电商渠道进行“周年庆”拉新创意投放。相关流程包括：

获取电信日相关创意素材、选择电信行业电信日相关模板，设置用于电信日关键营销文字（主标题、副标题、宣传案）、选择由于电信日的关键图片、logo等，通过创意管理功能生成各类创意文案。

在电商渠道进行创意投放，选择mab算法作为创意投放策略，对新用户进行国际电信日创意展示，获取拉新效果。

在老用户回馈活动中：

对于运营商行业客户，在国庆节到来，希望使用商品促销模式吸引老用用户，实现apru值提升，并通过app渠道投放。相关流程包括：

获取国庆节相关创意素材、选择国庆节相关模板，设置用于国庆节关键营销文字（主标题、副标题、宣传案）、选择由于国庆节的关键图片、logo等，通过创意管理功能生成各类创意文案。

在电商渠道进行创意投放，选择特征算法作为创意投放策略，对老用户进行国庆出校创意展示，获取apru值提升效果。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。