CN102479190A - 一种搜索关键词的估计值预测方法和装置 - Google Patents

一种搜索关键词的估计值预测方法和装置 Download PDF

Info

Publication number
CN102479190A
CN102479190A CN2010105557418A CN201010555741A CN102479190A CN 102479190 A CN102479190 A CN 102479190A CN 2010105557418 A CN2010105557418 A CN 2010105557418A CN 201010555741 A CN201010555741 A CN 201010555741A CN 102479190 A CN102479190 A CN 102479190A
Authority
CN
China
Prior art keywords
key word
searching key
predetermined period
rank
locational
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2010105557418A
Other languages
English (en)
Inventor
郭家清
张涛
郭宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN2010105557418A priority Critical patent/CN102479190A/zh
Priority to TW100105655A priority patent/TWI521453B/zh
Priority to US13/301,446 priority patent/US20120130804A1/en
Priority to PCT/US2011/061819 priority patent/WO2012071396A1/en
Priority to JP2013540110A priority patent/JP5795805B2/ja
Priority to EP11842803.6A priority patent/EP2643805A4/en
Publication of CN102479190A publication Critical patent/CN102479190A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241Advertisements
    • G06Q30/0247Calculate past, present or future revenues

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种搜索关键词的估计值预测方法和装置,用以解决现有技术中对搜索关键词的估计值预测不准确导致占用过多网络资源,且增加网站或搜索引擎中相关设备的资源消耗的问题。所述预测方法,包括:接收客户端发起的搜索关键词的估计值的预测请求;统计预测周期内该搜索关键词在各排名位置上的平均点击率,并基于搜索关键词的出价值确定预测周期内该搜索关键词在各排名位置上的展示次数以及每次点击的平均消耗;根据预测周期内该搜索关键词在各排名位置上的平均点击率、展示次数、以及每次点击的平均消耗,预测所述预测周期内该搜索关键词的消耗估计值和收益估计值,并返回给客户端。

Description

一种搜索关键词的估计值预测方法和装置
技术领域
本申请涉及互联网领域,尤其涉及一种搜索关键词的估计值预测方法和装置。
背景技术
针对基于搜索的互联网竞价排名模式,当用户购买了搜索关键词(也称为竞价词)时往往希望能够得知投入与产出的比例,即可能付出的消耗与可能获得的收益,实际中存在一部分用户对搜索关键词付出的消耗和获得的收益并不满意,或者对收益期望过高,从而严重损害了用户对网站或搜索引擎投放广告的体验,因此针对用户对搜索关键词的出价值,如何准确预测搜索关键词的消耗估计值和收益估计值成为亟待解决的问题之一。
在竞价排名模式下,用户通过一定的价格购买得到搜索关键词,其所需付出的消耗与实际获得的收益,与用户可能出现的排名位置存在着一定的联系。因此,对于消耗与收益,一般利用排名位置进行预测,也可以通过其他方式进行预测。
如果利用排名位置预测用户的消耗与收益,一般可以通过该用户对搜索关键词的出价值(给出的价格)确定该用户的排名位置,将该排名位置上的消耗与收益作为该用户的消耗与收益的预测结果。
如果不利用排名位置预测用户的消耗与收益,一般可以使用相同用户或相似用户的历史数据,通过相同用户或相似用户对同一搜索关键词的相同出价值所付出的消耗和所获得的收益,对该用户的消耗与收益进行预测。
现有技术中提供的搜索关键词的估计值预测方法,在实际应用中存在着如下问题:
对于利用排名位置进行预测的方法,在实际应用中往往某个用户给出一定的价格购买该搜索关键词之后,无法保证一个预测周期内该用户保持在一个排名位置上,基于排名位置不变的假设得到的预测结果,会由于该用户的排名位置的变化导致一定的误差。
对于不利用排名位置的预测方法,该方法的使用基于如下假设:即假设相同用户或相似用户对同一搜索关键词的相同出价值,消耗与收益的历史数据与未来数据相比,变化不显著或是不存在变化。但该假设在实际中往往不成立,因为不同的日期,搜索关键词的流量一般不同,每天的竞价人数也不同,导致竞争的激烈程度不相同,历史数据往往无法反映未来数据。并且,该方法还存在一个相似用户的判断,同样会导致一定的误差。
可见,现有技术中提供的搜索关键词的估计值预测方法,没有考虑到实际应用中竞价排名模式下各种因素的变化情况,导致消耗与收益的预测结果存在着较大的误差,常见的情况包括预测的消耗估计值大于用户预期的消耗上限值,预测的收益估计值小于用户预期的收益下限值,等等。当大于消耗上限值的消耗估计值、以及小于收益下限值的收益估计值返回给用户时,用户会再次对该搜索关键词出价并发起预测,使得用户与网站或搜索引擎之间因为多次通信而占用过多的网络资源,并且网站或搜索引擎为了满足用户的需求而多次进行搜索关键词的估计值的预测,也增加了网站或搜索引擎中相关设备的资源消耗,从而严重影响了系统性能。
发明内容
本申请实施例提供一种搜索关键词的估计值预测方法和装置,用以解决现有技术中对搜索关键词的估计值预测不准确导致占用过多网络资源,且增加网站或搜索引擎中相关设备的资源消耗的问题。
本申请实施例提供一种搜索关键词的估计值预测方法,包括:
接收客户端发起的搜索关键词的估计值的预测请求,该预测请求中包括搜索关键词、用户对搜索关键词的出价值、以及预测周期;
统计预测周期内该搜索关键词在各排名位置上的平均点击率,并基于搜索关键词的出价值确定预测周期内该搜索关键词在各排名位置上的展示次数以及每次点击的平均消耗;
根据预测周期内该搜索关键词在各排名位置上的平均点击率、展示次数、以及每次点击的平均消耗,预测所述预测周期内该搜索关键词的消耗估计值和收益估计值,并返回给客户端。
本申请实施例提供一种搜索关键词的估计值预测装置,包括:
接收单元,用于接收客户端发起的搜索关键词的估计值的预测请求,该预测请求中包括搜索关键词、用户对搜索关键词的出价值以及预测周期;
统计单元,用于统计预测周期内该搜索关键词在各排名位置上的平均点击率;
确定单元,用于基于搜索关键词的出价值确定预测周期内该搜索关键词在各排名位置上的展示次数以及每次点击的平均消耗;
预测单元,用于根据预测周期内该搜索关键词在各排名位置上的平均点击率、展示次数、以及每次点击的平均消耗,预测所述预测周期内该搜索关键词的消耗估计值与收益估计值,并返回给客户端。
本申请实施例提供的搜索关键词的估计值预测方法和装置,综合利用统计方法得到的预测周期内该搜索关键词在各排名位置上的平均点击率、每次点击的平均消耗、以及预测方法得到的预测周期内该搜索关键词在各排名位置上的展示次数,预测用户对搜索关键词的固定出价值的消耗估计值和收益估计值;采用非固定排名位置的预测思想,对于同一搜索关键词的固定出价值给出不同排名位置上的最大展示比例,从而无需对搜索关键词进行固定排名位置的限制;本申请实施例提供的方案,既考虑了每一个预测周期内搜索关键词的流量的变化情况,同时考虑了对同一搜索关键词给出的不同价格在各个排名位置上的变化情况,有效提升了预测结果的准确率和可靠性,从而避免了由于预测结果的不准确所导致的对网络资源的占用,并且降低了网站或搜索引擎中相关设备的资源消耗,提升了系统性能;进一步,用户基于准确、可靠的预测结果进行后续的竞价排名操作,更有针对性,节约了相关的竞价排名操作环节。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本申请实施例中搜索关键词的估计值预测系统架构图;
图2为本申请实施例中搜索关键词的估计值预测方法流程图;
图3为本申请实施例中搜索关键词的估计值预测装置结构框图;
图4为本申请实施例中第三确定模块的可能结构框图。
具体实施方式
本申请实施例提供一种搜索关键词的估计值预测方法和装置,通过统计方法分别得到每个排名位置上搜索关键词的平均点击率、每次点击的平均消耗、以及通过预测方法得到对某个搜索关键词的固定出价值在各个排名位置上的展示次数,并基于统计结果与预测结果预测搜索关键词的消耗估计值和收益估计值。本申请实施例提供一种搜索关键词的估计值预测方法和装置,既考虑了每一个预测周期内搜索关键词的流量的变化情况,同时考虑了对同一搜索关键词给出的不同价格在各个排名位置上的变化情况,从而有效提升了预测结果的准确率和可靠性,避免了由于预测结果的不准确所导致的对网络资源的占用,并且降低了网站或搜索引擎中相关设备的资源消耗,提升了系统性能。
以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在介绍本申请实施例的具体实施方式在前,首先澄清几个基本概念:
搜索关键词(也称为竞价词):是指在竞价排名模式下,用户所购买的单词,并利用该单词进行广告的投放。
收益:是指在竞价排名模式下,用户通过购买搜索关键词所获得的利益,例如点击量、反馈量、成交量等。
消耗:是指在竞价排名模式下,用户由于购买了搜索关键词所需付出的费用。
排名位置:是指在竞价排名模式下,网站或搜索引擎利用一定规则基于用户对搜索关键词给出的价格,将用户对应的广告展示在网站或搜素引擎规定的某个位置上,往往是用户对搜索关键词的出价越高,出现在优势位置的机会越多。
预测周期:是指在竞价排名模式下,网站或搜索引擎针对用户对于某个搜索关键词的出价值,预测消耗估计值和收益估计值的时间段,例如:未来1个小时的消耗与收益、未来1天的消耗与收益、未来1周的消耗与收益等。
本申请实施例首先提供了一种搜索关键词的估计值预测系统,该预测系统实际运行的网络架构如图1所示,包括网站数据库100、客户端101和预测装置102,客户端一般设置在用户的终端设备中,例如PC、笔记本电脑、手机等等;预测装置一般设置在网站或搜索引擎的相关设备中,例如搜索引擎服务器或者新增的预测服务器等等,其中:
网站数据库100,用于存储每一个搜索关键词的历史数据,其中,历史数据包括历史流量、在每一个排名位置上的历史点击数、历史展示次数等;
客户端101,用于提供基于消耗与收益预测的各种应用服务,例如提供用户界面,根据用户的实际需求发起搜索关键词的估计值的预测请求,该预测请求中包括搜索关键词、用户对搜索关键词的出价值以及预测周期,并向用户展现预测结果即搜索关键词的消耗估计值和收益估计值;
预测装置102,用于根据客户端101发起的该预测请求,通过访问网站数据库100进行竞价排名模式下消耗与收益的预测,得到预测结果,并返回给客户端101进行展现。
基于上述搜索关键词的估计值预测系统,本申请实施例提供了一种搜索关键词的估计值预测方法,如图2所示,包括:
S201、接收客户端发起的搜索关键词的估计值的预测请求,该预测请求中包括搜索关键词、用户对搜索关键词的出价值以及预测周期;
具体实施中,用户通过在客户端的用户界面中输入搜索关键词、用户对该搜索关键词的出价值、以及预测周期等信息发起预测请求,预测装置接收到该预测请求,触发竞价排名模式下消耗与收益的预测;
搜索关键词可以是网站或搜索引擎按照特定的归一化方法处理后的单词;用户出价的标准对于不同的网站或搜索引擎来说并不相同,需要根据网站或搜索引擎的实际业务需求设置出价的范围;预测周期为针对需要预测的搜索关键词,在该出价下消耗与收益的预测时间段,预测周期可以为一小时、一天、一周、一月等。例如某一个具体的预测请求可以为:针对搜索关键词“mp3”的出价值为3元的情况,预测下一天的消耗估计值和收益估计值;
S202、统计预测周期内该搜索关键词在各排名位置上的平均点击率;
具体实施中,搜索关键词在每一个排名位置上的平均点击率的确定方法需要基于预测周期,例如对于搜索关键词“a”预测周期为一天,则分别统计该搜索关键词在每一个排名位置上在前t天的历史点击数和历史展示次数,假设在排名位置i(其中i∈[1,n],n表示排名位置的数量)上前t天的历史点击数为ci,历史展示次数为pi,则预测周期内该搜索关键词在排名位置i上的平均点击率ctri为:其中,针对不同的网站或搜索引擎的业务,天数t可以灵活选取。
S203、基于搜索关键词的出价值,确定预测周期内该搜索关键词在各排名位置上的展示次数以及每次点击的平均消耗;具体实施中,预测周期内该搜索关键词在每一个排名位置上的展示次数和每次点击的平均消耗的确定方法也同样基于预测周期;
预测周期内该搜索关键词在各排名位置上的展示次数的确定方法,包括如下步骤:
步骤A、根据搜索关键词的历史流量确定预测周期内该搜索关键词的流量;
搜索关键词的流量是指单位时间内该搜索关键词的出现次数;具体实施中,针对不同的历史流量可以采用不同的流量预测方法,对于流量变化不大的数据,可以采用均值预测的方法得到预测周期内的流量pv;对于流量变化较大的数据可以采用时间序列或周期处理的方法进行预测周期内的流量pv的预测,例如利用在前若干时间周期内的流量均值作为预测周期内的流量;
举例进行说明,例如对于搜索关键词“mp3”预测下一天的流量,可以使用前七天的流量均值作为下一天的流量。
步骤B、分别统计该搜索关键词在每一个排名位置上针对每一个价格的历史展示次数;
步骤C、针对每一个排名位置,分别执行如下操作:
步骤C1、根据当前排名位置上每一个价格的历史展示次数,统计当前排名位置上小于等于出价值的各价格的历史展示次数之和,得到第一和值;
步骤C2、统计当前排名位置上所有价格的历史展示次数之和,得到第二和值;
步骤C3、确定基于搜索关键词的出价值在当前排名位置上的最大展示比例为第一和值与第二和值之商;
需要说明的是,确定基于搜索关键词的出价值在当前排名位置上的最大展示比例为“第一和值”与“第二和值”之商,其中,“第一和值”为当前排名位置上小于等于出价值的各价格的历史展示次数之和;而并非确定基于搜索关键词的出价值在当前排名位置上的最大展示比例为“等于出价值的价格的历史展示次数”与“第二和值”之商,是因为考虑到实际应用中,如果等于出价值的价格不下线,小于出价值的各价格不会在当前排名位置上进行展示,在当前排名位置上之所以针对多个价格均会统计出历史展示次数,是因为较高的价格由于达到了消耗上限值而下线造成的,但是如果不考虑消耗上限值,在当前排名位置上某一价格实际最大的历史展示次数应该包括在当前排名位置上小于等于该价格的历史展示次数之和;
步骤C4、确定预测周期内该搜索关键词在当前排名位置上的展示次数为基于搜索关键词的出价值在当前排名位置上的最大展示比例与基于搜索关键词的出价值在前一排名位置上的最大展示比例之差、与预测周期内该搜索关键词的流量之积。
例如:对于搜索关键词“b”,假设用户的出价值为p,预测周期内该搜索关键词的流量为pv,则针对搜索关键词“b”的出价值为p的情况,在排名位置i上的最大展示比例Ratioj,p和展示次数impr,p,分别为:
Ratio i , p = Σ j , p ≥ p j imp i , p j / Σ j imp i , p j
imp i , p = pv × Ratio i , p , i = 1 pv × ( Ratio i , p - Ratio i - 1 , p ) , i > 1
其中Ratioi,p表示对搜索关键词“b”,在用户的出价值为p的情况下,在排名位置i上的最大展示比例,即对于搜索关键词的出价值p,在不考虑消耗上限值的情况下,在排名位置i上最高可以获得的展示次数的比例,impi,p表示对搜索关键词b,在出价值为p的情况下,在排名位置i上的展示次数。对于Ratioi,p一般存在以下关系:
Ratioi1,p≥Ratioi2,p,i1>i2
Ratioi,p1≥Ratioi,p2,p1>p2
举例进行说明,假设对于搜索关键词“b”,价格分别为10元、20元、30元,根据统计在排名位置i上每一个价格的历史展示次数分别为200、250、50,在排名位置i-1上的历史展示次数分别为100、150、250。预测周期内该搜索关键词的流量为600,则针对搜索关键词“b”当前的出价值为20的情况,在排名位置i上的最大展示比例Ratioi,20为:(200+250)/(50+200+250)=90%,在排名位置i-1上的最大展示比例Ratioi-1,20为:(150+100)/(250+150+100)=50%,在排名位置i上的展示次数impi,20为:600*(90%-50%)=240。
对于一个搜索关键词的某一出价值在某个排名位置上每次点击的平均消耗的统计,将预测周期内该搜索关键词在每一个排名位置上每次点击的平均消耗确定为该排名位置上的平均点击费用,即该搜索关键词在该排名位置上在前设定数量的与预测周期相一致的时间周期内的总消耗数与总点击数之商。例如:设定数量的取值为M,搜索关键词“b”在排名位置i上的在前M个与预测周期相一致的时间周期内的总消耗数为cost,总点击数为click,则该搜索关键词在该排名位置上每次点击的平均消耗即平均点击费用costi为:
S204、根据预测周期内该搜索关键词的流量、以及预测周期内该搜索关键词在每一个排名位置上的平均点击率、展示次数、以及每次点击的平均消耗,预测所述预测周期内该搜索关键词的消耗估计值和收益估计值;
具体实施中,预测周期内该搜索关键词的消耗估计值和收益估计值通过如下公式确定:
Figure BDA0000033558150000092
Figure BDA0000033558150000093
其中,∑表示进行求和运算;i∈[1,n],n表示排名位置的数量;ctri表示预测周期内该搜索关键词在第i个排名位置上的平均点击率;impi表示基于搜索关键词的出价值,预测周期内该搜索关键词在第i个排名位置上的展现次数;costi表示基于搜索关键词的出价值,预测周期内该搜索关键词在第i个排名位置上每次点击的平均消耗;percent表示预先设定的点击数到收益数的转化率。
需要说明的是,对于搜索关键词的固定出价值,如果历史数据中包括针对该出价值的数据,则直接使用;如果历史数据中没有针对该出价值的数据,则利用线性插值的方法通过两个相邻价格的预测结果确定该出价值的预测结果。例如:对于搜索关键词“b”,历史数据中的价格包括10、20,对应的预测结果(例如收益)分别为5、8,而用户的出价值为15,则对应的预测结果按照如下公式确定:
( 8 - 5 ) ( 20 - 10 ) * ( 15 - 20 ) + 8 = 6.5
则搜索关键词“b”在出价值为15的情况下,预测结果(例如收益估计值)为6.5。
具体实施中,对于出价值没有出现在历史数据中的搜索关键词的预测,也可以选择与出价值最接近的价格的预测结果作为该出价值的预测结果。
下面对搜索关键词的估计值预测系统中,预测装置的结构和功能进行详细介绍,由于该预测装置解决问题的原理与搜索关键词的估计值预测方法相似,因此该预测装置的实施可以参见方法的实施,重复之处不再赘述。该预测装置的结构示意图,如图3所示,包括:
接收单元301,用于接收客户端发起的搜索关键词的估计值的预测请求,该预测请求中包括搜索关键词、用户对搜索关键词的出价值以及预测周期;
统计单元302,用于统计预测周期内该搜索关键词在每一个排名位置上的平均点击率;
确定单元303,用于基于搜索关键词的出价值确定预测周期内该搜索关键词在每一个排名位置上的展示次数以及每次点击的平均消耗;
预测单元304,用于根据预测周期内该搜索关键词在每一个排名位置上的平均点击率、展示次数、以及每次点击的平均消耗,预测所述预测周期内该搜索关键词的消耗估计值和收益估计值,并返回给客户端。
统计单元302的一种可能结构,具体包括:
第一统计子单元,用于分别统计该搜索关键词在每一个排名位置上在前设定数量的时间周期内的历史点击数和历史展示次数,所述时间周期与预测周期相一致;
第一确定子单元,用于针对每一个排名位置,将当前排名位置上统计出的历史点击数与历史展示次数之商确定为预测周期内该搜索关键词在当前排名位置上的平均点击率。
如图4所示,确定单元303的一种可能结构,具体包括:
预测子单元401,用于根据所述搜索关键词的历史流量确定预测周期内该搜索关键词的流量;
第二统计子单元402,用于分别统计该搜索关键词在各排名位置上针对各价格的历史展示次数;
求和子单元403,用于针对各排名位置,根据当前排名位置上各价格的历史展示次数,统计当前排名位置上小于等于出价值的各价格的历史展示次数之和,得到第一和值;统计当前排名位置上所有价格的历史展示次数之和,得到第二和值;确定基于搜索关键词的出价值在当前排名位置上的最大展示比例为第一和值与第二和值之商;
第二确定子单元404,用于确定预测周期内该搜索关键词在当前排名位置上的展示次数为基于搜索关键词的出价值在当前排名位置上的最大展示比例与基于搜索关键词的出价值在前一排名位置上的最大展示比例之差、与预测周期内该搜索关键词的流量之积;
第三统计子单元405,用于分别统计该搜索关键词在各排名位置上在前设定数量的时间周期内的总消耗数与总点击数,所述时间周期与预测周期相一致;
第三确定子单元406,用于针对各排名位置,将当前排名位置统计出的总消耗数与总点击数之商确定为预测周期内该搜索关键词在当前排名位置上每次点击的平均消耗。
具体实施中,预测子单元401,具体用于确定预测周期内该搜索关键词的流量为在前设定数量的时间周期内的流量均值,所述时间周期与预测周期相一致。
本申请实施例提供的搜索关键词的估计值预测方法和装置,综合利用统计方法得到的预测周期内该搜索关键词在每一个排名位置上的平均点击率、每次点击的平均消耗、以及预测方法得到的预测周期内该搜索关键词在每一个排名位置上的展示次数,预测用户对搜索关键词的固定出价值的消耗估计值和收益估计值;采用非固定排名位置的预测思想,对于同一搜索关键词的固定出价值给出不同排名位置上的最大展示比例,从而无需对搜索关键词进行固定排名位置的限制;本申请实施例提供的方案,既考虑了每一个预测周期内搜索关键词的流量的变化情况,同时考虑了对同一搜索关键词给出的不同价格在各个排名位置上的变化情况,有效提升了预测结果的准确率和可靠性,从而避免了由于预测结果的不准确所导致的对网络资源的占用,并且降低了网站或搜索引擎中相关设备的资源消耗,提升了系统性能;进一步,用户基于准确、可靠的预测结果进行后续的竞价排名操作,更有针对性,节约了相关的竞价排名操作环节。
本领域的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、装置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。
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。
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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种搜索关键词的估计值预测方法,其特征在于,包括:
接收客户端发起的搜索关键词的估计值的预测请求,该预测请求中包括搜索关键词、用户对搜索关键词的出价值、以及预测周期;
统计预测周期内该搜索关键词在各排名位置上的平均点击率,并基于搜索关键词的出价值确定预测周期内该搜索关键词在各排名位置上的展示次数以及每次点击的平均消耗;
根据预测周期内该搜索关键词在各排名位置上的平均点击率、展示次数、以及每次点击的平均消耗,预测所述预测周期内该搜索关键词的消耗估计值和收益估计值,并返回给客户端。
2.如权利要求1所述的方法,其特征在于,所述统计预测周期内该搜索关键词在各排名位置上的平均点击率,具体包括:
分别统计该搜索关键词在各排名位置上在前设定数量的时间周期内的历史点击数和历史展示次数,所述时间周期与预测周期相一致;
针对各排名位置,确定预测周期内该搜索关键词在当前排名位置上的平均点击率为当前排名位置上统计出的历史点击数与历史展示次数之商。
3.如权利要求1所述的方法,其特征在于,所述基于搜索关键词的出价值确定预测周期内该搜索关键词在各排名位置上的展示次数,具体包括:
根据所述搜索关键词的历史流量确定预测周期内该搜索关键词的流量;
分别统计该搜索关键词在各排名位置上针对各价格的历史展示次数;
针对各排名位置,根据当前排名位置上各价格的历史展示次数,统计当前排名位置上小于等于出价值的各价格的历史展示次数之和,得到第一和值;统计当前排名位置上所有价格的历史展示次数之和,得到第二和值;确定基于搜索关键词的出价值在当前排名位置上的最大展示比例为第一和值与第二和值之商;并
确定预测周期内该搜索关键词在当前排名位置上的展示次数为基于搜索关键词的出价值在当前排名位置上的最大展示比例与基于搜索关键词的出价值在前一排名位置上的最大展示比例之差、与预测周期内该搜索关键词的流量之积。
4.如权利要求3所述的方法,其特征在于,所述根据搜索关键词的历史流量确定预测周期内该搜索关键词的流量,具体包括:
确定预测周期内该搜索关键词的流量为在前设定数量的时间周期内的流量均值,所述时间周期与预测周期相一致。
5.如权利要求1所述的方法,其特征在于,所述基于搜索关键词的出价值确定预测周期内该搜索关键词在各排名位置上每次点击的平均消耗,具体包括:
分别统计该搜索关键词在各排名位置上在前设定数量的时间周期内的总消耗数与总点击数,所述时间周期与预测周期相一致;
针对各排名位置,确定预测周期内该搜索关键词在当前排名位置上每次点击的平均消耗为当前排名位置统计出的总消耗数与总点击数之商。
6.如权利要求1至5任一所述的方法,其特征在于,所述根据预测周期内该搜索关键词在各排名位置上的平均点击率、展示次数、以及每次点击的平均消耗,预测所述预测周期内该搜索关键词的消耗估计值与收益估计值,具体包括:
所述预测周期内该搜索关键词的收益估计值通过如下公式预测:
Figure FDA0000033558140000021
所述预测周期内该搜索关键词的消耗估计值通过如下公式预测:
Figure FDA0000033558140000022
其中,∑表示进行求和运算;i∈[1,n],n表示排名位置的数量;ctri表示预测周期内该搜索关键词在第i个排名位置上的平均点击率;impi表示基于搜索关键词的出价值,预测周期内该搜索关键词在第i个排名位置上的展现次数;costi表示基于搜索关键词的出价值,预测周期内该搜索关键词在第i个排名位置上每次点击的平均消耗;percent表示预先设定的点击数到收益数的转化率。
7.一种搜索关键词的估计值的预测装置,其特征在于,包括:
接收单元,用于接收客户端发起的搜索关键词的估计值的预测请求,该预测请求中包括搜索关键词、用户对搜索关键词的出价值以及预测周期;
统计单元,用于统计预测周期内该搜索关键词在各排名位置上的平均点击率;
确定单元,用于基于搜索关键词的出价值确定预测周期内该搜索关键词在各排名位置上的展示次数以及每次点击的平均消耗;
预测单元,用于根据预测周期内该搜索关键词在各排名位置上的平均点击率、展示次数、以及每次点击的平均消耗,预测所述预测周期内该搜索关键词的消耗估计值和收益估计值,并返回给客户端。
8.如权利要求7所述的装置,其特征在于,所述统计单元,具体包括:
第一统计子单元,用于分别统计该搜索关键词在各排名位置上在前设定数量的时间周期内的历史点击数和历史展示次数,所述时间周期与预测周期相一致;
第一确定子单元,用于针对各排名位置,将当前排名位置上统计出的历史点击数与历史展示次数之商确定为预测周期内该搜索关键词在当前排名位置上的平均点击率。
9.如权利要求7所述的装置,其特征在于,所述确定单元,具体包括:
预测子单元,用于根据所述搜索关键词的历史流量确定预测周期内该搜索关键词的流量;
第二统计子单元,用于分别统计该搜索关键词在各排名位置上针对每一个价格的历史展示次数;
求和子单元,用于针对各排名位置,根据当前排名位置上各价格的历史展示次数,统计当前排名位置上小于等于出价值的各价格的历史展示次数之和,得到第一和值;统计当前排名位置上所有价格的历史展示次数之和,得到第二和值;确定基于搜索关键词的出价值在当前排名位置上的最大展示比例为第一和值与第二和值之商;
第二确定子单元,用于确定预测周期内该搜索关键词在当前排名位置上的展示次数为基于搜索关键词的出价值在当前排名位置上的最大展示比例与基于搜索关键词的出价值在前一排名位置上的最大展示比例之差、与预测周期内该搜索关键词的流量之积;
第三统计子单元,用于分别统计该搜索关键词在各排名位置上在前设定数量的时间周期内的总消耗数与总点击数,所述时间周期与预测周期相一致;
第三确定子单元,用于针对各排名位置,将当前排名位置统计出的总消耗数与总点击数之商确定为预测周期内该搜索关键词在当前排名位置上每次点击的平均消耗。
10.如权利要求9所述的装置,其特征在于,
所述预测子单元,具体用于确定预测周期内该搜索关键词的流量为在前设定数量的时间周期内的流量均值,所述时间周期与预测周期相一致。
CN2010105557418A 2010-11-22 2010-11-22 一种搜索关键词的估计值预测方法和装置 Pending CN102479190A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN2010105557418A CN102479190A (zh) 2010-11-22 2010-11-22 一种搜索关键词的估计值预测方法和装置
TW100105655A TWI521453B (zh) 2010-11-22 2011-02-21 An estimation method and a device for estimating an estimated value of a keyword
US13/301,446 US20120130804A1 (en) 2010-11-22 2011-11-21 Prediction of cost and income estimates associated with a bid ranking model
PCT/US2011/061819 WO2012071396A1 (en) 2010-11-22 2011-11-22 Prediction of cost and income estimates associated with a bid ranking model
JP2013540110A JP5795805B2 (ja) 2010-11-22 2011-11-22 入札ランキングモデルに関連付けられた費用及び収益の見積もりの予測
EP11842803.6A EP2643805A4 (en) 2010-11-22 2011-11-22 PREDICTING COST AND INCOME ESTIMATES ASSOCIATED WITH A CLASSIFICATION MODEL

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010105557418A CN102479190A (zh) 2010-11-22 2010-11-22 一种搜索关键词的估计值预测方法和装置

Publications (1)

Publication Number Publication Date
CN102479190A true CN102479190A (zh) 2012-05-30

Family

ID=46065210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010105557418A Pending CN102479190A (zh) 2010-11-22 2010-11-22 一种搜索关键词的估计值预测方法和装置

Country Status (6)

Country Link
US (1) US20120130804A1 (zh)
EP (1) EP2643805A4 (zh)
JP (1) JP5795805B2 (zh)
CN (1) CN102479190A (zh)
TW (1) TWI521453B (zh)
WO (1) WO2012071396A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593350A (zh) * 2012-08-14 2014-02-19 阿里巴巴集团控股有限公司 一种推荐推广关键词价格参数的方法和装置
CN103793427A (zh) * 2012-10-31 2014-05-14 北京百度网讯科技有限公司 确定目标呈现关键词的优化呈现关键词的方法与设备
CN103971170A (zh) * 2014-04-17 2014-08-06 北京百度网讯科技有限公司 一种用于对特征信息的变化进行预测的方法和装置
CN104331823A (zh) * 2014-11-19 2015-02-04 北京奇虎科技有限公司 确定发布信息中关键词保留价格的方法及装置
CN104731788A (zh) * 2013-12-18 2015-06-24 阿里巴巴集团控股有限公司 推广信息的处理方法及设备
WO2015192519A1 (zh) * 2014-06-17 2015-12-23 中兴通讯股份有限公司 竞价排名方法及装置
CN105912686A (zh) * 2016-04-18 2016-08-31 上海珍岛信息技术有限公司 一种基于机器学习的搜索引擎营销竞价方法及系统
CN110399479A (zh) * 2018-04-20 2019-11-01 北京京东尚科信息技术有限公司 搜索数据处理方法、装置、电子设备及计算机可读介质
CN110674399A (zh) * 2019-09-10 2020-01-10 北京字节跳动网络技术有限公司 确定搜索项目的顺序的方法和装置
US11276080B2 (en) * 2015-05-15 2022-03-15 Marchex, Inc. Call analytics for mobile advertising

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120158456A1 (en) * 2010-12-20 2012-06-21 Xuerui Wang Forecasting Ad Traffic Based on Business Metrics in Performance-based Display Advertising
US20130325636A1 (en) * 2012-05-31 2013-12-05 Jason A. Carter Systems And Methods For Availability Based Computer Marketing Campaign Optimization
US9317487B1 (en) 2012-06-25 2016-04-19 Google Inc. Expansion of high performing placement criteria
US9183570B2 (en) 2012-08-31 2015-11-10 Google, Inc. Location based content matching in a computer network
CN103853711B (zh) * 2012-11-28 2017-02-08 中国移动通信集团广西有限公司 一种文本信息处理方法及装置
CN103235799B (zh) * 2013-04-15 2015-12-02 百度在线网络技术(北京)有限公司 调整移动终端的互联网内容项的展现顺序的方法和系统
TW201501057A (zh) * 2013-06-28 2015-01-01 Tutorabc Inc 關鍵字自動化出價方法及搜尋引擎行銷系統
JP5973416B2 (ja) * 2013-12-06 2016-08-23 ヤフー株式会社 広告装置、予測方法及び予測プログラム
TWI558134B (zh) * 2014-01-14 2016-11-11 童話網路媒體科技有限公司 雲端導流系統
JP6139471B2 (ja) * 2014-06-13 2017-05-31 ヤフー株式会社 提供装置、提供方法及び提供プログラム
US20160004985A1 (en) * 2014-07-02 2016-01-07 International Business Machines Corporation Prioritizing Proposal Development Under Resource Constraints
JP6272183B2 (ja) * 2014-08-20 2018-01-31 ヤフー株式会社 広告成果表示制御装置、広告成果表示システム、広告成果表示制御方法及びプログラム
US10853367B1 (en) * 2016-06-16 2020-12-01 Intuit Inc. Dynamic prioritization of attributes to determine search space size of each term, then index on those sizes as attributes
CN108667875B (zh) * 2017-03-31 2021-03-30 北京京东尚科信息技术有限公司 信息更新方法和装置
US11055751B2 (en) * 2017-05-31 2021-07-06 Microsoft Technology Licensing, Llc Resource usage control system
US20190087881A1 (en) * 2017-09-18 2019-03-21 Leap Group Inc. System and method for predictive quoting
US10616135B2 (en) * 2018-03-21 2020-04-07 Microsoft Technology Licensing, Llc Resource usage control system
US10937058B2 (en) * 2019-07-02 2021-03-02 Capital One Services, Llc Systems and methods for targeting bid and position for a keyword
US20210064621A1 (en) * 2019-09-04 2021-03-04 Wertintelligence Optimizing method of search formula for patent document and device therefor

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7065500B2 (en) * 1999-05-28 2006-06-20 Overture Services, Inc. Automatic advertiser notification for a system for providing place and price protection in a search result list generated by a computer network search engine
JP4199434B2 (ja) * 2001-03-30 2008-12-17 デジタル・アドバタイジング・コンソーシアム株式会社 広告評価システム、広告評価方法及び広告評価プログラム
US20050027587A1 (en) * 2003-08-01 2005-02-03 Latona Richard Edward System and method for determining object effectiveness
WO2005052738A2 (en) * 2003-11-21 2005-06-09 Marchex, Inc. Online advertising
US7716219B2 (en) * 2004-07-08 2010-05-11 Yahoo ! Inc. Database search system and method of determining a value of a keyword in a search
US8452656B2 (en) * 2005-06-29 2013-05-28 Google Inc. Prioritizing ad review, by using expected revenue for example, in an advertising system
US7680746B2 (en) * 2007-05-23 2010-03-16 Yahoo! Inc. Prediction of click through rates using hybrid kalman filter-tree structured markov model classifiers
KR100909563B1 (ko) * 2007-09-06 2009-07-27 엔에이치엔비즈니스플랫폼 주식회사 광고에 대한 예상 과금액을 산출하는 방법 및 상기 방법을수행하는 시스템
US8682839B2 (en) * 2008-06-02 2014-03-25 Microsoft Corporation Predicting keyword monetization
KR20100006467A (ko) * 2008-07-09 2010-01-19 엔에이치엔비즈니스플랫폼 주식회사 온라인 광고에 대한 과금을 위한 방법, 시스템 및 컴퓨터판독 가능한 기록 매체
WO2010030116A2 (ko) * 2008-09-09 2010-03-18 엔에이치엔비즈니스플랫폼 주식회사 검색 광고에 대한 경매 및 과금을 수행하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR20100036733A (ko) * 2008-09-30 2010-04-08 엔에이치엔비즈니스플랫폼 주식회사 광고 문서의 품질을 관리하는 방법 및 시스템
US8738436B2 (en) * 2008-09-30 2014-05-27 Yahoo! Inc. Click through rate prediction system and method
US8001131B2 (en) * 2008-12-17 2011-08-16 Demand Media Inc. Method and system for ranking of keywords for profitability
AU2010200562B2 (en) * 2009-02-17 2010-11-11 Accenture Global Services Limited Internet marketing channel optimization
US20100250335A1 (en) * 2009-03-31 2010-09-30 Yahoo! Inc System and method using text features for click prediction of sponsored search advertisements

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593350B (zh) * 2012-08-14 2017-04-19 阿里巴巴集团控股有限公司 一种推荐推广关键词价格参数的方法和装置
CN103593350A (zh) * 2012-08-14 2014-02-19 阿里巴巴集团控股有限公司 一种推荐推广关键词价格参数的方法和装置
CN103793427A (zh) * 2012-10-31 2014-05-14 北京百度网讯科技有限公司 确定目标呈现关键词的优化呈现关键词的方法与设备
CN103793427B (zh) * 2012-10-31 2019-01-25 北京百度网讯科技有限公司 确定目标呈现关键词的优化呈现关键词的方法与设备
CN104731788A (zh) * 2013-12-18 2015-06-24 阿里巴巴集团控股有限公司 推广信息的处理方法及设备
CN103971170B (zh) * 2014-04-17 2017-09-29 北京百度网讯科技有限公司 一种用于对特征信息的变化进行预测的方法和装置
CN103971170A (zh) * 2014-04-17 2014-08-06 北京百度网讯科技有限公司 一种用于对特征信息的变化进行预测的方法和装置
US10474957B2 (en) 2014-04-17 2019-11-12 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for forecasting characteristic information change
WO2015192519A1 (zh) * 2014-06-17 2015-12-23 中兴通讯股份有限公司 竞价排名方法及装置
CN104331823A (zh) * 2014-11-19 2015-02-04 北京奇虎科技有限公司 确定发布信息中关键词保留价格的方法及装置
CN104331823B (zh) * 2014-11-19 2018-03-23 北京奇虎科技有限公司 确定发布信息中关键词保留价格的方法及装置
US11276080B2 (en) * 2015-05-15 2022-03-15 Marchex, Inc. Call analytics for mobile advertising
CN105912686A (zh) * 2016-04-18 2016-08-31 上海珍岛信息技术有限公司 一种基于机器学习的搜索引擎营销竞价方法及系统
CN110399479A (zh) * 2018-04-20 2019-11-01 北京京东尚科信息技术有限公司 搜索数据处理方法、装置、电子设备及计算机可读介质
CN110674399A (zh) * 2019-09-10 2020-01-10 北京字节跳动网络技术有限公司 确定搜索项目的顺序的方法和装置
CN110674399B (zh) * 2019-09-10 2023-04-07 北京字节跳动网络技术有限公司 确定搜索项目的顺序的方法和装置

Also Published As

Publication number Publication date
JP2013543203A (ja) 2013-11-28
US20120130804A1 (en) 2012-05-24
TW201222448A (en) 2012-06-01
EP2643805A1 (en) 2013-10-02
TWI521453B (zh) 2016-02-11
JP5795805B2 (ja) 2015-10-14
EP2643805A4 (en) 2014-05-07
WO2012071396A1 (en) 2012-05-31

Similar Documents

Publication Publication Date Title
CN102479190A (zh) 一种搜索关键词的估计值预测方法和装置
CN102193929B (zh) 利用词信息熵的搜索方法及其设备
US20110238486A1 (en) Optimizing Sponsored Search Ad Placement for Online Advertising
US20110047025A1 (en) Immediacy targeting in online advertising
CN102819804A (zh) 一种商品信息的推送方法及设备
US20130254175A1 (en) Returning estimated value of search keywords of entire account
US20110054999A1 (en) System and method for predicting user navigation within sponsored search advertisements
US20080140519A1 (en) Advertising based on simplified input expansion
US20080027802A1 (en) System and method for scheduling online keyword subject to budget constraints
AU2013355411A1 (en) Ad-words optimization based on performance across multiple channels
CN103685347A (zh) 一种网络资源的配置方法和装置
CN108614843B (zh) 网站内容的评估方法及装置
CN110910201B (zh) 信息推荐的控制方法、装置、计算机设备及存储介质
Wu et al. Performance analysis of serial supply chain networks considering system disruptions
US20090254397A1 (en) System and method for optimizing online keyword auctions subject to budget and estimated query volume constraints
CN104731788A (zh) 推广信息的处理方法及设备
CN111932314A (zh) 推荐内容的推送方法、装置、设备及可读存储介质
CN108334519A (zh) 一种用户画像中的用户标签获取方法及装置
CN109947564B (zh) 业务处理方法、装置、设备及存储介质
CN115760218B (zh) 信息投放数据的校验与预测方法及应用
Kanagasabai et al. Ec2bargainhunter: It's easy to hunt for cost savings on amazon ec2!
CN112115365B (zh) 模型协同优化的方法、装置、介质和电子设备
US20240112281A1 (en) Linear programming-based dynamic blending model
CN116883048B (zh) 基于人工智能的客户数据处理方法、装置及计算机设备
US11288695B1 (en) High value action selection using a machine learning model

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1167029

Country of ref document: HK

C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120530

REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1167029

Country of ref document: HK