CN103020081B - 站外投放关键词方法和系统 - Google Patents

站外投放关键词方法和系统 Download PDF

Info

Publication number
CN103020081B
CN103020081B CN201110286866.XA CN201110286866A CN103020081B CN 103020081 B CN103020081 B CN 103020081B CN 201110286866 A CN201110286866 A CN 201110286866A CN 103020081 B CN103020081 B CN 103020081B
Authority
CN
China
Prior art keywords
keyword
station
income
real
brought
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.)
Active
Application number
CN201110286866.XA
Other languages
English (en)
Other versions
CN103020081A (zh
Inventor
张涛
殷维栋
王震
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 CN201110286866.XA priority Critical patent/CN103020081B/zh
Publication of CN103020081A publication Critical patent/CN103020081A/zh
Priority to HK13106082.1A priority patent/HK1179363A1/zh
Application granted granted Critical
Publication of CN103020081B publication Critical patent/CN103020081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供了一种站外投放关键词方法,包括以下步骤:获取站外投放的各关键词为站内所带来的收益历史数据以及各关键词的剩余预算;根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益,并根据各关键词可能为站内带来的收益和各关键词的剩余预算选取待投放关键词的集合;计算待投放关键词集合中各关键词的实时分数;根据各关键词的实时分数确定各时段向站外投放的关键词。本申请还提供了一种实现前述方法的站外投放关键词系统。本申请的站外投放关键词方法及系统,能够解决站外投放关键词的选取问题。

Description

站外投放关键词方法和系统
技术领域
本申请涉及计算机网络数据处理技术领域,特别是涉及一种站外投放关键词方法及系统。
背景技术
一般来说网站(站内)的潜在收益与访问流量成正比,因此,网站会通过多种方式来提高访问流量。在其他网站进行广告投放便是其中一种方式,将在其他网站访问的用户通过点击广告引入到网站内。
目前,在其他网站(站外)进行广告投放多采用关键词的方式进行,因为投放关键词数目的限制,确定投放什么样的关键词以及每个关键词投放的时间显得尤为重要。一种关键词投放的方式为:将在站外投放的关键词集合一次性选定,以后就固定不变。此种方式并未考虑关键词的时效性,例如,季节变化,采购周期,网络时效等等,这就可能导致引入的流量会出现瓶颈。另一种关键词投放的方式为:确定某一时间段内对网站收益最大的关键词集合,将所有关键词分时段投放。此种方式考虑了关键词的时效性,但是如果关键词的时效性较高,则可能出现频繁更改关键词的情况,而因为每次投放的是所有关键词,更改关键词的数量较多,这就会增加服务器的负担,导致系统响应速度变慢。
发明内容
本申请所要解决的技术问题是提供一种站外投放关键词方法及系统,能够解决站外投放关键词问题。
为了解决上述问题,本申请公开了一种站外投放关键词方法,包括以下步骤:
获取站外投放的各关键词为站内所带来的收益历史数据以及各关键词的剩余预算;
根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益,并根据各关键词可能为站内带来的收益和各关键词的剩余预算选取待投放关键词的集合;
计算待投放关键词集合中各关键词的实时分数;
根据各关键词的实时分数确定各时段向站外投放的关键词。
进一步地,所述根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益包括:
分析获取的站外投放的各关键词为站内所带来的收益历史数据规律;
根据收益历史数据的规律确定该关键词可能为站内带来的收益。
进一步地,所述根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益包括:
根据预定的方法从获取的站外投放的各关键词为站内所带来的收益历史数据计算出各关键词可能为站内带来的收益。
进一步地,所述预定的方法至少包括以下一种:
计算收益历史数据的平均值;
选取出现几率最大的收益。
进一步地,所述选取待投放关键词的集合还包括考虑以下一种或多种条件:
待投放关键词数量阈值;
待投放关键词的预定类目;
每个类目下关键词的数量阈值。
进一步地,所述选取待投放关键词的集合包括以下步骤:
确定待投放关键词数量阈值、待投放关键词的预定类目以及每个类目下关键词数量阈值;
在预定类目中选取数量小于或者等于待投放关键词数量阈值的关键词组合,且各类目中选取的关键词数量小于或者等于该类目下关键词的数量阈值;
根据各关键词可能为站内带来的收益以及各关键词的剩余预算计算各关键词组合所能带来的利益;
选取利益最大的关键词组合作为待投放关键词的集合。
进一步地,所述选取待投放关键词的集合包括:
确定待投放关键词数量阈值、待投放关键词的预定类目、每个类目下关键词数量阈值以及各关键词在站内被选取的实际次数;
确定在站内被选取的实际次数大于或者等于预定次数的关键词集合;
从所述在站内被选取的实际次数大于或者等于预定次数的关键词集合中,根据预定类目选取数量小于或者等于待投放关键词数量阈值的所有关键词组合,且各类目中选取的关键词数量小于或者等于该类目下关键词的数量阈值;
根据各关键词可能为站内带来的收益以及各关键词的剩余预算计算各关键词组合所能带来的利益;
选取利益最大的关键词组合作为待投放关键词的集合。
进一步地,所述计算待投放关键词集合中各关键词的实时分数包括:
获取某一关键词在站内的实时搜索量、实时收益以及实时预算;
获取所有关键词在站内的实时总搜索量;
根据所获取的前述参数计算该关键词的实时分数。
为了解决上述问题,本申请还公开了一种站外投放关键词系统,包括:
收益和剩余预算获取模块,用于获取站外投放的各关键词为站内所带来的收益历史数据以及各关键词的剩余预算;
关键词集合选取模块,用于根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益,并根据各关键词可能为站内带来的收益和各关键词的剩余预算选取待投放关键词的集合;
计算模块,用于计算待投放关键词集合中各关键词的实时分数;
关键词确定模块,用于根据各关键词的实时分数确定各时段向站外投放的关键词。
进一步地,所述关键词集合选取模块包括:
收益预测模块,用于分析获取的站外投放的各关键词为站内所带来的收益历史数据规律,并根据收益历史数据的规律确定该关键词可能为站内带来的收益;和/或
收益计算模块,用于根据预定的方法从获取的站外投放的各关键词为站内所带来的收益历史数据计算出各关键词可能为站内带来的收益。
进一步地,所述收益计算模块包括:
平均值计算单元,用于计算收益历史数据的平均值;和/或
选取单元,用于选取出现几率最大的收益。
进一步地,所述关键词集合选取模块包括:
条件确定单元,用于确定以下一种或多种条件:
待投放关键词数量阈值;
待投放关键词的预定类目;
每个类目下关键词的数量阈值。
与现有技术相比,本申请包括以下优点:
本申请的站外投放关键词在选取实时投放关键词的初始集合时,根据各关键词的投放历史数据以及站内对于各关键词的剩余预算来确定是否选取该关键词,从而可以选取其中一部分关键词作为待投放的关键词集合,然后从这些待投放的关键词集合中再选取实际需要投放的关键词。在选取待投放的关键词集合时,就相当于去除了一部分肯定不会被选取的关键词,从而在确定最终关键词时则可以减少计算量,从而降低服务器的计算负担,同时可以保证选取关键词的实时性和准确性,进一步的,还可以保证选取的关键词都是能带来利益最大化的关键词。
当然,实施本申请的任一产品不一定需要同时达到以上所述的所有优点。
附图说明
图1是实现本申请的站外投放关键词的系统架构图;
图2是本申请的站外投放关键词方法实施例一的流程图;
图3是本申请的站外投放关键词系统实施例一的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请的站外投放关键词方法及系统用于选取关键词并向站外投放,以为站内引进流量并带来收益。本申请所指的站内指某一网站或者电子交易平台,站外指站内以外的能对关键词进行展示的网站或者信息发布平台。
参照图1,示出实现本申请的站外投放关键词的系统架构图,站外投放关键词系统作为一个中介平台在站内服务器和站外投放平台之间进行实时判断。首先,站外投放关键词系统从站内服务器获取站外投放的各关键词为站内所带来的收益历史数据以及各关键词的剩余预算,然后根据实时计算确定在站外投放关键词的集合,并在站外平台进行投放。下面对本申请的站外投放关键词方法及系统进行详细的说明。
参照图2,示出本申请的一种站外投放关键词方法实施例,包括以下步骤:
步骤101,获取站外投放的各关键词为站内所带来的收益历史数据以及各关键词的剩余预算。
关键词为站内带来的收益根据站内收益模式确定。其中,站内收益模式可以根据网站的实际情况来确定,例如,通过对关键词造成的点击进行收费,即用户通过购买关键词在站内展示他的广告,其他人每次在站内搜索此关键词则会展示相应的广告,如果其他人点击了广告则收取购买相应关键词的用户的相应费用,此点击广告所收的费用则为站内的收益。以关键词点击收费模式为例,关键词为站内所带来的收益为通过站外投放的关键词引入到站内的流量,并在站内点击相关广告而产生的费用数目。
各关键词的剩余预算是指站内对于各关键词投放的花费预算。具体的,对于某一关键词来说,该关键词的剩余预算为站内用于向站外投放关键词的总预算减去除该关键词以外的所有关键词投放花费之后的剩余部分。
可以理解,对于某些特殊的平台,例如购物交易平台来说,其本身并不参与交易,而是提供交易平台供用户经营其商品,此时,对于某一关键词来说,向站外投放关键词的总预算是指购买该关键词的所有用户的账户余额之和,该关键词的剩余预算是指购买该关键词的所有用户的账户余额之和减去这些用户在购买其他关键词的实际花费或者可能花费之后的剩余部分。
步骤102,根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益,并根据各关键词可能为站内带来的收益和各关键词的剩余预算选取待投放关键词的集合。
各关键词可能为站内带来的收益通过对从服务器中获取各站外投放的关键词为站内所带来的收益历史数据统计分析后,根据预定的方法或者根据收益历史数据规律确定各关键词可能为站内带来的收益。历史数据的时间段选取和预先设定的方法可以根据实际需要来确定。其中,预先设定的方法可以包括计算收益历史数据的平均值、选取出现几率最大的收益等等,本申请对此并不限制。具体的,例如,选取前一周,每天的同一时间段内,某关键词为站内所带来的收益都是10,那么可以根据收益规律预测或者计算收益平均值的方法确定该关键词在接下来的一天同一时间段内为站内所带来的收益仍然为10。又或者,前一周每天的同一时间段内,某关键词为站内所带来的收益递增,那么可以根据收益规律预测该关键词在接下来的一天同一时间段内为站内所带来的收益会相应的增加。
进一步地,选取投放关键词的集合时还需要考虑关键词的总数、所属类目的数量以及每个类目下关键词的数量。
选取待投放关键词的集合包括以下步骤:
D1,确定待投放关键词数量阈值、待投放关键词的预定类目以及每个类目下关键词数量阈值;
D2,在预定类目中选取数量小于或者等于待投放关键词数量阈值的关键词组合,且各类目中选取的关键词数量小于或者等于该类目下关键词的数量阈值;
D3,根据各关键词可能为站内带来的收益以及各关键词的剩余预算计算各关键词组合所能带来的利益;
D4,选取利益最大的关键词组合作为待投放关键词的集合。
具体的,前述的D1至D4步骤可以通过建立模型的方式来实现,建立的模型如下:
max Σ i = 1 n k i min { profi t i , budget i }
s . t Σ i = 1 n k i ≤ M Σ t = 1 T l { Σ i = 1 n k i × C it > 0 } ≥ U Σ i = 1 n k i × C it ≥ Q t , t = 1,2 , . . . , T k i ∈ { 0,1 } , i = 1,2 , . . . , n
在此模型中,待投放关键词数量阈值为M,关键词预定类目的数量为U,Qt为第t个类目下关键词的预定数量。profiti为第i个关键词可能为站内带来的收益,budgeti为第i个关键词的剩余预算,Cit表示第i个关键词是否属于第t个类目,若是,Cit取1,反之,取0。其中,关键词的总数M可以根据实时性的要求以及服务器的计算能力来确定,实时性要求较高,则可以减少关键词的总数。另外, 1 ( x ) = 1 x > 0 0 x = 0 , 通过将获取的各关键词的相关数据输入到上述非线性规划模型中进行求解。
前述模型中的各约束条件分别为:
表示每一组选取的关键词集合的总数需要小于待投放关键词数量阈值;
表示每一组选取的关键词集合中关键词所属的类目数量需要小于预定的类目数量;
表示某一类目被选取的关键词数量需要大于这一类目下关键词的预定数量;
ki∈{0,1}表示第i个关键词是否被选取,若被选取,则ki为1,反之,则ki为0。
通过这些约束条件可以选取出若干组符合条件的关键词集合。然后将选取的每一组关键词集合的各关键词的剩余预算和可能为站内带来的收益代入公式中,选取每一个关键词的剩余预算和可能为站内带来收益的较小值作为该关键词的收益实际计算值进行计算,通过此种方式计算出各组所能带来的收益之和,选取收益之和最大的一组,这一组关键词的集合即位待投放关键词的集合。因为如果每一个关键词都是选取剩余预算和可能带来的收益中的较小值作为该关键词的收益实际计算值,那么实际上,每一个关键词可能带来的实际收益会比目前确定的计算值更大,因此通过此种方式可以确定出能带来最大收益的关键词集合。
可以理解,如果在向站外投放关键词时还需要考虑某一关键词在站内被选取的次数,那么可以将某一关键词被选取的次数也作为约束条件加入模型中,那么模型的约束条件为如下:
s . t Σ i = 1 n k i ≤ M Σ t = 1 T l { Σ i = 1 n k i × C it > 0 } ≥ U Σ t = 1 n k i × C it ≥ Q t , t = 1,2 , . . . , T depth i ≥ D × k i , i = 1,2 , . . . , n k i ∈ { 0,1 } , i = 1,2 , . . . , n
其中,D表示关键词在同一时段内在站内被选取的预定次数。depthi表示关键词在同一时段内在站内被选取的实际次数,depthi≥D×ki即表示当某一关键词在同一时段内在站内被选取的实际次数大于预定次数时,该关键词才能被选取。
那么对于前述约束条件来说,选取待投放关键词的集合可以包括以下步骤:
确定待投放关键词数量阈值、待投放关键词的预定类目、每个类目下关键词数量阈值以及各关键词在站内被选取的实际次数;
确定在站内被选取的实际次数大于或者等于预定次数的关键词集合;
从所述在站内被选取的实际次数大于或者等于预定次数的关键词集合中,根据预定类目选取数量小于或者等于待投放关键词数量阈值的所有关键词组合,且各类目中选取的关键词数量小于或者等于该类目下关键词的数量阈值;
根据各关键词可能为站内带来的收益以及各关键词的剩余预算计算各关键词组合所能带来的利益;
选取利益最大的关键词组合作为待投放关键词的集合。
可以理解,对于交易平台中有多个用户选取投放同一关键词时,前述模型中的第i个关键词的剩余预算可以不只是购买该关键词用户的剩余预算,只要是搜索此关键词有可能造成消耗的用户的剩余预算都可以考虑,可以根据实际情况定义不同的概念。
步骤103,计算待投放关键词集合中各关键词的实时分数。
计算待投放关键词集合中各关键词的实时分数包括以下步骤:
获取某一关键词在站内的实时搜索量、实时收益以及实时预算;
获取所有关键词在站内的实时总搜索量;
根据所获取的前述参数计算该关键词的实时分数。
可以采用线性加权的算法计算待投放关键词集合中每个关键词的实时分数,通过以下计算公式实现:
Score w = α 1 × PV w Σ i PV i + α 2 × Cost w PV w + α 3 × Budget w + α 4 × Cost w
其中,PVw:表示词关键词w在站内的实时搜索量。表示站内实时的总搜索量。Costw:表示站内关键词w实时的收益。Budgetw:表示站内关键词w的实时预算。α1、α2、α3、α4是参数,可以人工设定,也可以通过机器学习的方法进行学习。
步骤104,根据各关键词的实时分数选取各时段向站外投放的关键词。
其中,根据实时分数大小来选取向站外投放的关键词,每个时段投放的关键词为实时分数最高的关键词。
本申请的站外投放关键词方法中,通过相应的约束条件首先选取能带来最大收益的关键词集合,再从关键词集合中选取各时段实际向站外投放的关键词。通过先确定关键词集合的方式,可以预先去掉一部分肯定不会被选取的关键词,从而缩小实际投放关键词的选取范围,从而降低了计算量。
下面结合具体的实例对前述的站外投放关键词方法进行详细的说明。假设需要从5个关键词(a,b,c,d,e)中选取3个,并且保证A,B两个类目都要选到关键词。
其中,各关键词所属的类目分别为:a属于A,b属于A,c属于B,d属于B,e属于B。各关键词为站内所带来的收益分别为:a关键词的收益为10;b关键词的收益为9;c关键词的收益为8;d关键词的收益为7;e关键词的收益为10。
如果按照贪心算法,选取收益最大的关键词,则最终选取的关键词为a,b,e。而采用本申请中的方法,引入剩余预算的因素,将关键词收益与剩余预算取一个最小值来表示该关键词的收益实际计算值,即如果购买关键词a的用户的总预算为20,而站内购买其他关键词时花掉14,则关键词a的剩余预算为6,在收益10和剩余预算6中,取一个最小值,则应该为6。假设a,b,c,d,e分别的剩余预算为:a关键词的剩余预算为6;b关键词的剩余预算为10;c关键词的剩余预算为20;d关键词的剩余预算为10;e的关键词剩余预算为7。根据最小值求解方法,a,b,c,d,e会选取可能带来的收益和剩余预算之中的较小值作为关键词的收益计算值,那么最后用于通过公式计算时:a关键词的收益计算值为6;b关键词的收益计算值为9;c关键词的收益计算值为8;d关键词的收益计算值为7;e关键词的收益计算值为7,根据前述公式,则最终选取的关键词集合变为b,c,d或b,c,e。
那么,在实际向站外投放的关键词则会从b,c,d或b,c,e这两个组合中选取。可以看出,关键词a在选取关键词集合时就被去除了,那么在实际选取时,则无需再考虑关键词a,则关键词集合变成了b,c,d,e,这就减少了每次的计算量。
本申请的站外投放关键词在选取实时投放关键词的初始集合时,根据各关键词的投放历史数据以及站内对于各关键词的剩余预算来确定是否选取该关键词,从而可以选取其中一部分关键词作为待投放的关键词集合,然后从这些待投放的关键词集合中再选取实际需要投放的关键词。在选取待投放的关键词集合时,就相当于去除了一部分肯定不会被选取的关键词,从而在确定最终关键词时则可以减少计算量,从而降低服务器的计算负担,同时可以保证选取关键词的实时性和准确性,进一步地的,还可以保证选取的关键词都是能带来利益最大化的关键词。
参照图3,示出本申请的站外投放关键词系统,包括收益和剩余预算获取模块10、关键词集合选取模块20、计算模块30和关键词确定模块40。
收益和剩余预算获取模块10,用于获取站外投放的各关键词为站内所带来的收益历史数据以及各关键词的剩余预算。
关键词集合选取模块20,用于根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益,并根据各关键词可能为站内带来的收益和各关键词的剩余预算选取待投放关键词的集合。
优选地,关键词集合选取模块20包括收益预测模块和/或收益计算模块。其中,收益预测模块用于分析获取的站外投放的各关键词为站内所带来的收益历史数据规律,并根据收益历史数据的规律确定该关键词可能为站内带来的收益。收益计算模块用于根据预定的方法从获取的站外投放的各关键词为站内所带来的收益历史数据计算出各关键词可能为站内带来的收益。收益计算模块包括平均值计算单元和/或选取单元。平均值计算单元,用于计算收益历史数据的平均值。选取单元,用于选取出现几率最大的收益。
优选地,关键词集合选取模块20包括条件确定单元,用于确定以下一种或多种条件:选取关键词的总数;关键词类目的数量和每个类目下关键词的数量。
优选地,关键词集合选取模块20通过模型来实现。具体的,可以包括以下模型:
max Σ i = 1 n k i min { profi t i , budget i }
s . t Σ i = 1 n k i ≤ M Σ t = 1 T l { Σ i = 1 n k i × C it > 0 } ≥ U Σ i = 1 n k i × C it ≥ Q t , t = 1,2 , . . . , T k i ∈ { 0,1 } , i = 1,2 , . . . , n
其中,M为关键词的总数,U为关键词类目的数量,Qt为第t个类目下关键词的数量,profiti为第i个关键词可能为站内带来的收益,budgeti为第i个关键词的剩余预算。或
max Σ i = 1 n k i min { profi t i , budget i }
s . t Σ i = 1 n k i ≤ M Σ t = 1 T l { Σ i = 1 n k i × C it > 0 } ≥ U Σ t = 1 n k i × C it ≥ Q t , t = 1,2 , . . . , T depth i ≥ D × k i , i = 1,2 , . . . , n k i ∈ { 0,1 } , i = 1,2 , . . . , n
其中,M为关键词的总数,U为关键词类目的数量,Qt为第t个类目下关键词的数量,profiti为第i个关键词可能为站内带来的收益,budgeti为第i个关键词的剩余预算,D表示关键词在站内被选取的预定次数。
计算模块30,用于计算待投放关键词集合中各关键词的实时分数。具体的,计算模块可以通过如下公式来计算各关键词的实时分数:
Score w = α 1 × PV w Σ i PV i + α 2 × Cost w PV w + α 3 × Budget w + α 4 × Cost w
其中:
PVw:表示词关键词w在站内的实时搜索量。
表示站内实时的总搜索量。
Costw:表示站内关键词w实时的收益。
Budgetw:表示站内关键词w的实时预算。
α1、α2、α3、α4是预设参数,可以人工设定,也可以通过机器学习的方法进行学习。
关键词确定模块40,用于根据各关键词的实时分数确定各时段向站外投放的关键词。在本实施例中,根据各关键词的实时分数由大到小进行选取。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本申请所提供的站外投放关键词方法及系统进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (11)

1.一种站外投放关键词方法,其特征在于,包括以下步骤:
获取站外投放的各关键词为站内所带来的收益历史数据以及各关键词的剩余预算;
根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益,并根据各关键词可能为站内带来的收益和各关键词的剩余预算选取待投放关键词的集合;
计算待投放关键词集合中各关键词的实时分数;
根据各关键词的实时分数确定各时段向站外投放的关键词;
其中,所述计算待投放关键词集合中各关键词的实时分数包括:
获取某一关键词在站内的实时搜索量、实时收益以及实时预算;
获取所有关键词在站内的实时总搜索量;
根据所获取的实时搜索量、实时收益、实时预算以及实时总搜索量计算该关键词的实时分数。
2.如权利要求1所述的站外投放关键词方法,其特征在于,所述根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益包括:
分析获取的站外投放的各关键词为站内所带来的收益历史数据规律;
根据收益历史数据的规律确定该关键词可能为站内带来的收益。
3.如权利要求1所述的站外投放关键词方法,其特征在于,所述根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益包括:
根据预定的方法从获取的站外投放的各关键词为站内所带来的收益历史数据计算出各关键词可能为站内带来的收益。
4.如权利要求3所述的站外投放关键词方法,其特征在于,所述预定的方法至少包括以下一种:
计算收益历史数据的平均值;
选取出现几率最大的收益。
5.如权利要求1所述的站外投放关键词方法,其特征在于,所述选取待投放关键词的集合还包括考虑以下一种或多种条件:
待投放关键词数量阈值;
待投放关键词的预定类目;
每个类目下关键词的数量阈值。
6.如权利要求5所述的站外投放关键词方法,其特征在于,所述选取待投放关键词的集合包括以下步骤:
确定待投放关键词数量阈值、待投放关键词的预定类目以及每个类目下关键词数量阈值;
在预定类目中选取数量小于或者等于待投放关键词数量阈值的关键词组合,且各类目中选取的关键词数量小于或者等于该类目下关键词的数量阈值;
根据各关键词可能为站内带来的收益以及各关键词的剩余预算计算各关键词组合所能带来的利益;
选取利益最大的关键词组合作为待投放关键词的集合。
7.如权利要求5所述的站外投放关键词方法,其特征在于,所述选取待投放关键词的集合包括:
确定待投放关键词数量阈值、待投放关键词的预定类目、每个类目下关键词数量阈值以及各关键词在站内被选取的实际次数;
确定在站内被选取的实际次数大于或者等于预定次数的关键词集合;
从所述在站内被选取的实际次数大于或者等于预定次数的关键词集合中,根据预定类目选取数量小于或者等于待投放关键词数量阈值的所有关键词组合,且各类目中选取的关键词数量小于或者等于该类目下关键词的数量阈值;
根据各关键词可能为站内带来的收益以及各关键词的剩余预算计算各关键词组合所能带来的利益;
选取利益最大的关键词组合作为待投放关键词的集合。
8.一种站外投放关键词系统,其特征在于,包括:
收益和剩余预算获取模块,用于获取站外投放的各关键词为站内所带来的收益历史数据以及各关键词的剩余预算;
关键词集合选取模块,用于根据各关键词为站内所带来的收益历史数据确定各关键词可能为站内带来的收益,并根据各关键词可能为站内带来的收益和各关键词的剩余预算选取待投放关键词的集合;
计算模块,用于计算待投放关键词集合中各关键词的实时分数;
关键词确定模块,用于根据各关键词的实时分数确定各时段向站外投放的关键词;
其中,所述计算模块,具体用于获取某一关键词在站内的实时搜索量、实时收益以及实时预算;获取所有关键词在站内的实时总搜索量;根据所获取的实时搜索量、实时收益、实时预算以及实时总搜索量计算该关键词的实时分数。
9.如权利要求8所述的站外投放关键词系统,其特征在于,所述关键词集合选取模块包括:
收益预测模块,用于分析获取的站外投放的各关键词为站内所带来的收益历史数据规律,并根据收益历史数据的规律确定该关键词可能为站内带来的收益;和/或
收益计算模块,用于根据预定的方法从获取的站外投放的各关键词为站内所带来的收益历史数据计算出各关键词可能为站内带来的收益。
10.如权利要求9所述的站外投放关键词系统,其特征在于,所述收益计算模块包括:
平均值计算单元,用于计算收益历史数据的平均值;和/或
选取单元,用于选取出现几率最大的收益。
11.如权利要求8所述的站外投放关键词系统,其特征在于,所述关键词集合选取模块包括:
条件确定单元,用于确定以下一种或多种条件:
待投放关键词数量阈值;
待投放关键词的预定类目;
每个类目下关键词的数量阈值。
CN201110286866.XA 2011-09-23 2011-09-23 站外投放关键词方法和系统 Active CN103020081B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201110286866.XA CN103020081B (zh) 2011-09-23 2011-09-23 站外投放关键词方法和系统
HK13106082.1A HK1179363A1 (zh) 2011-09-23 2013-05-23 站外投放關鍵詞方法和系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110286866.XA CN103020081B (zh) 2011-09-23 2011-09-23 站外投放关键词方法和系统

Publications (2)

Publication Number Publication Date
CN103020081A CN103020081A (zh) 2013-04-03
CN103020081B true CN103020081B (zh) 2016-03-09

Family

ID=47968695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110286866.XA Active CN103020081B (zh) 2011-09-23 2011-09-23 站外投放关键词方法和系统

Country Status (2)

Country Link
CN (1) CN103020081B (zh)
HK (1) HK1179363A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9911140B2 (en) * 2013-08-05 2018-03-06 Excalibur Ip, Llc Keyword price recommendation
CN104731788B (zh) * 2013-12-18 2019-01-22 阿里巴巴集团控股有限公司 推广信息的处理方法及设备
CN104462416B (zh) * 2014-12-12 2019-04-12 北京国双科技有限公司 关键词初始状态的配置方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101383034A (zh) * 2008-09-18 2009-03-11 腾讯科技(深圳)有限公司 一种广告统计和投放的方法及系统
CN101625683A (zh) * 2008-07-09 2010-01-13 精实万维软件(北京)有限公司 在投放搜索引擎竞价广告时选择竞价广告关键词的方法
CN101650731A (zh) * 2009-08-31 2010-02-17 浙江大学 基于用户反馈的赞助搜索广告的建议关键词生成方法
US7818207B1 (en) * 2003-01-10 2010-10-19 Google, Inc. Governing the serving of advertisements based on a cost target

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7672894B2 (en) * 2001-07-20 2010-03-02 Shopzilla, Inc. Automated bidding system for use with online auctions

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7818207B1 (en) * 2003-01-10 2010-10-19 Google, Inc. Governing the serving of advertisements based on a cost target
CN101625683A (zh) * 2008-07-09 2010-01-13 精实万维软件(北京)有限公司 在投放搜索引擎竞价广告时选择竞价广告关键词的方法
CN101383034A (zh) * 2008-09-18 2009-03-11 腾讯科技(深圳)有限公司 一种广告统计和投放的方法及系统
CN101650731A (zh) * 2009-08-31 2010-02-17 浙江大学 基于用户反馈的赞助搜索广告的建议关键词生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
网络广告关键词选择优化;王非;《计算机工程与应用》;20091231;第227-229页,第248页 *

Also Published As

Publication number Publication date
CN103020081A (zh) 2013-04-03
HK1179363A1 (zh) 2013-09-27

Similar Documents

Publication Publication Date Title
Guo et al. Short-term water demand forecast based on deep learning method
Yu et al. k-Nearest neighbor model for multiple-time-step prediction of short-term traffic condition
Fu et al. Sparse real estate ranking with online user reviews and offline moving behaviors
Li et al. Forecasting tourist arrivals using denoising and potential factors
Chen et al. A novel short-term load forecasting framework based on time-series clustering and early classification algorithm
CN105825297A (zh) 一种基于马尔科夫模型的位置预测方法
CN104572797A (zh) 基于主题模型的个性化服务推荐系统和方法
WO2019055065A1 (en) EVALUATION OF MODELS BASED ON AGGREGATED HISTORICAL DATA
CN110246037B (zh) 交易特征预测方法、装置、服务器及可读存储介质
CN104933622A (zh) 一种基于用户和微博主题的微博流行度预测方法及系统
CN103678431A (zh) 一种基于标准标签和项目评分的推荐方法
CN105225129A (zh) 移动o2o推荐方法及其系统
Alasad et al. Dynamic demand risk assessment for toll road projects
Peña-Guzmán et al. Forecasting Water Demand in Residential, Commercial, and Industrial Zones in Bogotá, Colombia, Using Least‐Squares Support Vector Machines
CN103761266A (zh) 基于多级逻辑回归的点击率预测方法和系统
CN108572988A (zh) 一种房产评估数据生成方法和装置
US20140372202A1 (en) Predicting performance of content items using loss functions
CN103617146B (zh) 一种基于硬件资源消耗的机器学习方法及装置
Nagaraja et al. A survey on wind energy, load and price forecasting:(Forecasting methods)
CN103020081B (zh) 站外投放关键词方法和系统
CN112579910A (zh) 信息处理方法、信息处理装置、存储介质和电子设备
Chang et al. Road safety performance across local governments: a data envelopment analysis approach
Amonkar et al. A k-nearest neighbor space-time simulator with applications to large-scale wind and solar power modeling
Song et al. Evaluation model of click rate of electronic commerce advertising based on fuzzy genetic algorithm
CN116578400A (zh) 多任务数据处理方法和装置

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: 1179363

Country of ref document: HK

C14 Grant of patent or utility model
GR01 Patent grant