CN103620630A - 用于显示广告的统一收益管理 - Google Patents

用于显示广告的统一收益管理 Download PDF

Info

Publication number
CN103620630A
CN103620630A CN201280025443.5A CN201280025443A CN103620630A CN 103620630 A CN103620630 A CN 103620630A CN 201280025443 A CN201280025443 A CN 201280025443A CN 103620630 A CN103620630 A CN 103620630A
Authority
CN
China
Prior art keywords
impression
auction
bidding
numerical value
propaganda activity
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
CN201280025443.5A
Other languages
English (en)
Inventor
R.P.戈曼
P.伯欣
N.D.兰加拉延
M.迪亚蒙德
P.韩
B.卡查基
M.帕拉马西瓦姆
J.A.比弗
D.G.海恩德尔
I.C.恩瓦利
Y.陈
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.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Corp
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 Microsoft Corp filed Critical Microsoft Corp
Publication of CN103620630A publication Critical patent/CN103620630A/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

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 Transfer Between Computers (AREA)

Abstract

本发明可以提供用于选择广告有效载荷以供在可用的广告印象位置处显示的系统和方法。可以基于各种类型的寄放和第三方宣传活动之间的拍卖来选择广告有效载荷,其中包括寄放保留广告宣传活动和寄放非保留广告宣传活动。可以随着时间设定和/或更新拍卖的规则,以便允许寄放宣传活动满足所期望的目标,比如投放一定最小数目的印象或者花费一定预期预算数量。

Description

用于显示广告的统一收益管理
背景技术
在线广告可能是许多客户商家、广告商或者内容提供商的市场营销宣传活动和销售策略的一个重要部分。为了迎合希望张贴在线广告的广告商,网页常常被设计成在其中给出供销售的内容区段。这些内容区段可以被配置成在末端用户导览到所述网页时为其呈现广告。但是只有在广告商订购了特定数目的显示实例或印象的情况下才可以显示这些广告。投放引擎可以负责接受订单并且发行广告以供在所选网页的内容区段处呈现。
可以接收到的一种类型的广告宣传活动订单是针对保证投放一定数目的印象的订单。这有时可以被称作保留广告宣传活动。保留宣传活动订单可以在接受订单时得到保证。也就是说,投放引擎可以做出承诺展示订单中所指示的印象数目。举例来说,如果广告商订购了特定广告的一百万则印象,则投放引擎对于所述订单的接受对应于同意该投放引擎将使得所述一百万则印象当中的每一则都发生。如果投放引擎没有满足其呈现所述广告的一百万则印象当中的每一则的义务或者投放的数目不足,则广告商可能会体验到顾客不满,从而可能导致投放引擎失去业务或者被迫给出折扣以保有其当前的业务。在投放引擎正服务于多家广告商并且每一家广告商置下具有不同时间框架的各份订单以呈现所订购的广告印象的情况下,这一完成由投放引擎接受的订单的问题可能会更加严重。
用于确定如何投放所订购的广告印象以及用于确定是否有库存可用于接受新订单的传统机制可能需要大量工作(例如需要大量用户发起的跟踪和计算),并且不够流畅、灵活或高效。此外,这些传统机制是无法对订单或库存的改变动态地做出反应的个性化解决方案。
虽然可以购买保留宣传活动,但是一部分可用印象可能在所有保留宣传活动的要求都得到满足之后可用。可以通过以无保证方式(例如在按需的基础上)销售附加印象来完成剩余的这一部分附加印象。这一附加的按需广告可以增补可用印象所有者的收入。
发明内容
在各个实施例中,可以提供用于选择广告有效载荷以供在可用广告印象位置处显示的系统和方法。可以基于各种类型的寄放和第三方宣传活动之间的拍卖来选择广告有效载荷,其中包括寄放保留广告宣传活动和寄放非保留广告宣传活动。可以随着时间设定和/或更新拍卖的规则,以便允许寄放宣传活动满足所期望的目标,比如投放一定最小印象数目或者花费一定预期预算数量。
提供本发明内容是为了以简化形式介绍将在后面的具体实施方式中进一步描述的一系列想法。本发明内容不意图标识出所要求保护的主题内容的关键特征或实质特征,也不意图被单独用来帮助确定所要求保护的主题内容的范围。
附图说明
下面将参照附图详细描述本发明,其中:
图1a-1c示意性地示出了根据本发明的一个实施例的拍卖处理的一个实例。
图2是适于实施本发明的实施例的一种示例性计算环境的方块图。
图3示意性地示出了适于施行本发明的实施例的一种系统环境。
图4示意性地示出了适于施行本发明的实施例的另一种系统环境。
图5-6示出了根据本发明的各个实施例的方法的实例。
具体实施方式
总览
在各个实施例中,提供了用于允许在保留(或受保证)广告宣传活动与非保留宣传活动之间竞争广告印象的系统和方法。在传统的广告引擎中,可以首先指派用于受保证宣传活动的印象,从而只有在对应于保留宣传活动的要求得到满足之后才使用按需广告。虽然这样确保了保留宣传活动的完成,但是可能潜在地由于保留宣传活动使用了可以博得更高价值的广告印象而损失收入。通过允许保留宣传活动与非保留宣传活动进行竞争,可以增强或优化由印象生成的收入,并且同时仍然满足受保证宣传活动所要求的保证。
保留、非保留和寄放宣传活动
在各个实施例中,具有需要被填充的可用广告印象的出版商可以作为保留宣传活动的一部分或者作为非保留广告来销售所述印象。一则印象可以对应于由出版商投放的页面上的一处可用位置,可以在该位置处显示广告。通常来说,通过浏览器将所述页面投放给用户。广告商可以向出版商提供有效载荷以供在印象位置处显示。该有效载荷可以被预先提供给出版商,或者可以在接近印象变为可用的时间投放有效载荷。
保留宣传活动指的是针对广告印象的显示的订单,其对于将要提供的印象数目具有某种类型的最小约束。保留宣传活动可以由出版商主持。对应于所述最小约束的印象数目可以被称作投放保证。如果没有投放所述最小数目的印象,则可以要求出版商向广告商支付罚金。应当提到的是,还可以应用最大约束,并且在极限情况下所述最小约束和最大约束可以具有相同数值,其对应于投放固定数目的广告印象的保证。在这种情况下,对于投放不足或超额投放都可以施以惩罚,其中超额投放的惩罚可能对应于出版商对于超额投放不会接收到附加的付费。还可以对用于显示广告的印象类型施加一项或更多项其他约束,比如关于相应网页的内容、正在观看浏览器的用户的约束或者与时间有关的约束。通常来说,对于保留宣传活动,广告商可以预先向出版商提供有效载荷(供显示的广告)。当出版商识别出与针对保留广告宣传活动的约束相匹配的印象时,可以获取对应于该项宣传活动的有效载荷并且在所识别出的印象位置处进行显示。或者如果广告商具有适当的在线能力,则可以由出版商通过所述在线能力按需获取有效载荷以便作为广告印象插入。
非保留广告宣传活动可以是指不包括关于最小印象数目的保证的针对广告印象的订单。相反,非保留广告宣传活动可以基于价格来竞争可用印象。非保留宣传活动也可以指定关于包含印象的网页的内容、用户的特性的约束或者其他约束。非保留宣传活动可以代表由出版商主持的宣传活动。在这种情况下,出版商可以预先获取广告商的素材,并且在适当的印象变为可用时提供广告。或者非保留宣传活动可以对应于出版商通过在现货市场上给出用于广告的印象而接收到的广告。这样可以允许任何广告商基于价格来竞争印象,而不管广告商是否与广告实体具有先前的关系。
在传统上,相对于非保留宣传活动为保留宣传活动分配广告的一种简单的方式可以是首先为保留宣传活动简单地分配所有广告。在这种传统方法下,只有在来自保留宣传活动的所有需求都得到满足之后,才能使得印象可用于非保留宣传活动。虽然这种分配方法可以促进满足保留宣传活动的保证目标,但是这种分配方法在收入方面可能无法提供广告与可用印象的最佳匹配。具体来说,与保留宣传活动相比,非保留宣传活动可能愿意为高价值印象支付更多。因此可能希望在投放保留广告印象的目标与增加从每一则印象导出的收入的目标之间取得平衡。
基线竞价数值和印象价值
为了例如通过举行拍卖而允许宣传活动之间的竞争,可以把一项竞价与每一项广告宣传活动相关联。可以按照任何方便的方式来设定对应于保留和非保留宣传活动二者的基线竞价数值。举例来说,对应于保留宣传活动的基线竞价可以对应于为宣传活动所支付的金额除以受保证的印象数目。这样可以得到为每则印象支付的金额。每则印象的平均预期成本还可以被用来生成针对非保留宣传活动的基线竞价。当一则印象变为可用时,可以把各项宣传活动的约束与对应于所述印象的简档进行比较,比如包含所述印象的页面的内容和/或正在观看所述页面的用户。其约束与印象简档相匹配的宣传活动可以提交其竞价以便“赢得”所述印象。赢得针对一则印象的拍卖的宣传活动可以在印象位置处显示对应于该项宣传活动的有效载荷。在简单的拍卖中,可以把对于一则印象感兴趣的每一项广告宣传活动的每则印象金额数值进行比较,其中为最高的竞价授予所述印象。
虽然每则印象的成本是用于确定竞价的一种方法,但是一些广告宣传活动可以基于针对所投放的印象的点进率来编制预算。换句话说,一些广告可以仅仅基于用户点击广告并且/或者在点击广告之后施行一定动作来向出版商付费。如果用户与广告没有足够的交互,则广告商不向出版商付费。在其中基于每则印象的成本来生成基线竞价的一个实施例中,广告宣传活动可以基于用户的预期点进率来修改基线竞价。所述预期点进率可以是基于可用印象的性质、接收或观看所述印象的用户的性质或者其某种组合。附加地或替换地,可以基于用户将按照指定方式与广告进行交互的可能性来修改基线竞价,比如观看所述广告达至少一定最小时间。这可以代表用户在点击广告之后施行了一定动作。这种类型的经过修改的基线竞价可以提供关于一则印象对于一项非保留宣传活动的价值的更好的表示。
除了点进率之外,还可以使用其他因素来修改基线竞价数值。这些因素可以被用来表示一则印象比典型的印象价值更高(或价值更低)。举例来说,多种不同类型的与体育有关的网页可以具有可用印象。虽然各个网页都具有体育内容,但是相应的印象可以具有不同的价值。一个网页可以具有通常对应于所期望的广告人口结构的用户。观看网页的用户的特性可以改动一则印象对于广告商的价值。另一个网页可以对应于这样一个网站,其中过去的使用数据(比如用户调查)表明用户对于该页面上的广告的关注少于平均值。又一个网页可以具有专门化的内容,从而把该页面置于一个单独的页面类别或节点当中。由于其网页内容的性质,属于所述单独类别或节点的网页对于广告商可能具有更高(或更低)价值。再一个网页可以具有一则可用印象,但是基于各种类型的页面当中的一般统计知道所述印象在页面上的位置较为不利。再一个网页可以简单地是由一家或更多家广告商所期望的网页,因此所述一家或更多家广告商将为此类页面上的印象支付更多。更一般地来说,和网页内容、用户特性或者用户与所述印象类型的交互有关的任何其他类型的数据都可以被用来修改基线竞价数值。
可以把一个价值与可用印象相关联。对于可用印象,可以按照任何方便的方式生成对应于一则印象的默认价值。可以一般性地为所有印象指派一个默认价值,或者为特定类型或包含特定内容的页面上的所有印象指派一个默认价值。还可以使用其他方法来生成初始默认价值。随后可以通过前面关于修改基线竞价数值所描述的任意因素来修改对应于印象的默认价值。可选的是,在实施拍卖时,可以使得印象的价值对于拍卖中的各个参与方可用,从而可以修改竞价以反映所述印象的价值。
把来自寄放宣传活动的需求指派到预测可用印象
由于用户通过网络观看网页的方式的性质,难以预先知道在一定时间段的过程中将变为可用的印象的确切类型和数量。但是可以基于过去的使用模式来做出对于预期或预测库存的估计。简单的使用估计可以是基于预期印象总数。更加详细的估计可以涉及与预测印象相关联的预期内容、与预测印象相关联的预期用户特性或者其某种组合。对于更加详细的估计,可以把预期印象关联为各个印象组。所述印象组可以对应于来自类似页面类型的印象,或者来自具有类似内容的页面的印象,或者由类似用户观看的页面,或者任何其他类型的方便的分组。
根据针对将会可用的库存的预测,可以把寄放需求指派到预测库存。这一预测可以是基于预测将为可用的库存类型来施行的。随着对应于预测库存类型的模型变得更加详细,可以更加具体地指派寄放需求。通常来说,可用于库存预测的细节可以与对应于需求特性的可用细节水平相匹配。因此,如果所述需求(广告)可以指定网页内容的类型和用户特性,则预测库存可以采取库存组或库存线的形式,其中所述库存组或库存线可以具有类似的特征规范或粒度。
基于寄放需求和预测库存,可以使用任何方便的方法来把需求指派到库存。用于把需求指派到库存的一种选项可以是基于一项或更多项约束使用一个或更多线性程序来分配需求。对于保留宣传活动,最小投放约束可以提供针对分配需求的自然约束。第二项约束的一个实例可以是在宣传活动的过程中提供广告的平滑投放。第三项可能的约束可以是最大化所有宣传活动上的收入。对于保留宣传活动,尽管每一则印象可以出于确定投放不足的目的而被计为单一印象,但是仍然可以考虑印象的价值。考虑印象价值的一种方法可以是基于当把印象指派到库存时所述印象如何被分组。
由出版商主持的非保留需求通常不具有与广告宣传活动相关联的最小投放约束。但是所述宣传活动通常可以具有一定预期预算。在一些实施例中,出版商可以通过允许非保留寄放宣传活动花费预期预算来增加总体收入。因此,针对采用线性程序来分配非保留需求的一种选项可以是把预期预算按照与最小投放约束相同的方式来对待。对于保留宣传活动,被投放给用户的每一则印象都可以被计为所投放印象的一个单位。关于针对非保留宣传活动的预期预算可以设立相应的方案。对于非保留宣传活动,每一则印象可以不计为“1”则预算印象。相反,一则印象的投放价值可以取决于所述印象的价值,比如通过对应于所述印象的预期点进率和/或动作率而修改的默认数值。所述预期点进率或动作率可以是基于内容类型、观看内容的预期用户或者任何其他方便的因素。
作为一个实例,考虑其中出版商已经接收到多份订单(保留或非保留)的情况。这些订单当中的每一份都对应于一项针对放置广告的请求。每一份单独的订单可以被称作由出版商处置的所有订单所构成的一组J当中的订单j。订单j可以是针对在可用印象位置i中的一则或更多匹配广告印象处放置广告有效载荷的请求,其中可用印象位置i是从可用印象库存I当中选择的。可以基于把印象简档与广告宣传活动的简档进行比较来匹配可用印象i。匹配印象i可以被视为库存子集Ij的一部分。举例来说,一项宣传活动可以请求在观看用户是男性时在与体育或天气有关的网页上的一则可用印象处显示广告有效载荷。只有具有匹配简档的印象才能有资格作为来自总的可用印象I的印象i。可用印象i可以是在由广告宣传活动请求的时间段T期间可用的印象。
利用这些定义,对应于宣传活动j的针对广告印象的总需求x可以被表示为xj 0。为了满足这一需求,可以把各则单独的广告印象xtij指派到宣传活动j。对应于xtij的数值可以受到约束,从而对于其中时间t处在对应于宣传活动j的所请求时间段T之外的任何印象使得xtij=0,,并且对其中i不是Ij的成员的任何印象使得xtij=0。此外,对于每一项宣传活动j,各个xtij数值的总和可以被约束到小于总的印象需求xj 0。此外,在所有宣传活动J上,各个xtij数值的总和可以被约束到小于时间段T期间的可用印象yti的总数(印象供给)。
基于前面的供给和需求实例,可以执行一个线性程序以便基于收入、投放不足和平滑投放考虑因素的平衡来分配印象。总体目标是使得以下目标函数最大化:
H=H0-E12E2
可以进一步定义目标函数H的每一个部分。第一项H0可以是该函数的收入部分。可以基于来自每一项宣传活动j的收入来计算收入H0,这是根据在对应于所述宣传活动的时间段T期间的时间t被分配给该项宣传活动的预期印象i而实现的。根据对应于一项宣传活动的预期价格pj 0,可以通过数学方式如下表示收入:
Figure 209805DEST_PATH_IMAGE001
Figure 563163DEST_PATH_IMAGE002
第二项E1可以对应于目标函数的投放不足惩罚。对于具有最小投放要求xj 0的宣传活动,被请求但是未被投放的任何印象可以对应于投放不足μj。一项宣传活动的任何投放不足可以具有相关联的惩罚数值pj 1。可以通过数学方式如下表示投放不足惩罚:
Figure 280584DEST_PATH_IMAGE003
对于仅仅H0项,可以通过把印象指派到具有更高预期价格数值pj 0的宣传活动来增加收入。但是具有较低预期数值pj 0的宣传活动可能具有更高的数值pj 1。因此最大化目标函数H并不一定对应于把印象指派到对于每则印象具有最高价格的宣传活动。
目标函数H中的第三项对应于针对不足够“平滑”的投放的惩罚。平滑投放指的是在宣传活动的过程期间以相对一致的速率为宣传活动指派匹配印象。举例来说,如果一项宣传活动在一周的过程中请求1000则广告印象,则可能不希望出现在前六天没有投放印象并且随后在最后一天投放所有1000则广告的情况。
平滑投放的数值可以相对于收入和投放不足数值而变化。可以通过几个参数来控制对应于平滑投放的相对数值。首先,数值λ2为所有宣传活动上的平滑投放项提供加权。这可以被用来在目标函数中的平滑投放与其他项之间提供一般相对加权。例如如果在一个印象会受到干扰的已知时段将要发生时,λ2数值还可以被用来调节目标函数。举例来说,可能已经知道美国星期四的感恩节的可用印象的价值特别高,并且/或者有特别大量的可用印象。对于涉及此类时间段的时间段,可能有用的是减小λ2的数值,从而使得目标函数不会由于在高价值时间段内堆叠高价值广告而受到惩罚。
除了一般加权因数λ2之外,每一项宣传活动还可以具有平滑投放加权因数bj 0。这可以反映出平滑投放对一项单独的宣传活动的相对重要性。这一相对重要性可以是基于广告宣传活动的期限、顾客对于出版商的重要性或者任何其他方便的因素。
为了评估E2,可以使用具有多种形状的多种惩罚函数ESM。一个实例可以是对于较小偏差没有惩罚并且对于超出所期望数量的任何偏差具有较大的恒定惩罚的惩罚函数。另一个实例可以对于较小偏差没有惩罚,并且对于超出一定阈值的偏差数量具有与偏差数量线性成比例的惩罚。可以使用其他的函数格式和阈值组合来生成对于ESM惩罚函数所期望的形状。
可以基于预期投放数量与已分配数量的关系来确定与平滑投放的偏差数量。针对预期投放数量的一种选项可以是令所有投放与一个时段内的时间量成比例。在这种选项中,一项七天广告宣传活动可以预期在所述宣传活动的每一天期间投放1/7的广告。或者广告商可以提供对应于宣传活动过程期间的各个时间段的预期投放率。在这里的讨论中将使用成比例投放率选项以便简化该实例。随后可以把一定时间段期间的对应于一项宣传活动的预期印象数量与对应于所述宣传活动的已分配数量进行比较。可选地可以对其进一步进行加权以考虑宣传活动的规模。举例来说,与具有每天1000则广告的平均投放的宣传活动相比,具有每天仅100则印象的平均数量的宣传活动对于少数印象偏移到不同日期的情况可能更加敏感。可以通过数学方式如下表示平滑性惩罚:
Figure 427848DEST_PATH_IMAGE005
作为一个实例,可以执行第一线性程序以便确定对于保留宣传活动订单或非保留宣传活动订单是否可能发生当前簿记订单的投放不足。如果有足够库存可用于避免给定宣传活动的投放不足,则来自所述线性程序的分配可以被用来确定给定的具体类型的多余库存的数量。还可以计算一项宣传活动对于给定类型的库存的预期胜率。
第一线性程序可以包括尝试最小化投放不足的风险的一项。第一目标函数可以被配置成为在系统中簿记的订单分配印象。如果出现阻碍投放全部订单的状况(例如在给出降低的容量预报的情况下),第一目标函数可以优选地在低价值订单线而不是高价值订单线上出现投放不足。相应地,第一线性程序可以尝试最小化投放不足成本。
还可以对前述类型的目标函数进行修改,以便反映出各个目标的混合。在前面的函数H中,投放不足目标被表示为针对每一项宣传活动j投放一定数目的印象xj 0的约束。但是非保留宣传活动可能不具有所期望数目的印象以供投放。相反,非保留宣传活动可能具有一定预期预算。在这种情况下,取代表示投放不足的数值uj,可以使用表示预期预算的支出不足的数值qj。在支出不足公式中,针对一项非保留宣传活动所投放的每一则印象可以把数值qj减小一个基于所述印象的货币价值的可变数量,而不是把每一则印象都计为对于投放不足约束所投放的1则印象。因此数值qj可以表示未被利用的预算的数量。可选地,如果希望相对于投放不足的加权来修改支出不足的加权,则可以通过一个加权常数进一步修改数值qj。这样可以允许保持相同的总体函数格式。通过使用相同的函数格式,可以使用单一函数来同时表示投放不足和支出不足二者,这是通过把一个几何平均合并到所述函数形式中而实现的。举例来说,pj 1xj项可以被(pj 1xj)γ(pj 1qj)1-γ替代。在其中γ是0或1的极限情况下,该项可以分别对应于纯粹投放不足或纯粹支出不足。
如前所述,可以把各个xtij数值的总和约束到小于总的印象需求xj 0。这一约束可以确保投放引擎将不会超额投放所簿记的订单。换句话说,该约束可以确保对于展示多于广告商所订购或者向广告商承诺的印象的情况不会授予奖励,这是因为对于超额投放通常不会给予赞许。类似地,对于与预期预算有关的相应约束qj,对于超出预期预算的情况也不会给予赞许。
此外,最小化(多项)第一线性程序受约束的目标函数可以包括最小化受到线性程序的以下约束的目标函数:
在操作中,第三项约束确保投放引擎无法投放或分配比估计对于每个时间框架可用的更多的印象。在各个实施例中,被估计为可用的印象可以是基于特定放置标准内的预测用户访问次数。除了给出印象的页面的主题内容之外,第三项约束还可以考虑指定人口结构的顾客并且/或者可以察知实际访问某一网页的人的特性。举例来说,第三项约束可以查看在足球情境或节点内可用的100则印象,并且看到仅有30则印象由女性访客生成。
一般来说,第一项yitp(Uj)代表满足放置标准的可用印象的估计库存。也就是说,第一项代表在时间t对于节点i并且对于订单线j可用的印象的数目,其中假设在投放引擎中没有其他订单。具体来说,yit代表预期在一个时段t内在内容节点i处出现的印象总数(例如在足球网页上每天100则印象)。pUj代表节点i处的印象将与目标Uj匹配的概率。相应地,第一项找到以叶节点yit为目标的在时间段t期间可用的印象的总数。在这些印象当中,一部分p(Uj)将与对应于订单j的目标标准或简档实际上匹配。类似的因数p(Qj)可以被用于所述线性程序的预算约束版本。
第二项
Figure 659007DEST_PATH_IMAGE007
代表估计印象库存的名义上被分配给由顾客提交的已簿记订单的一部分,其优先级排序高于或等于被指派给提交候选订单的广告商的优先级。具体来说,第二项代表由于投放引擎还向优先级更高的订单供应印象因而从可用于订单j的总库存当中减去的库存。具体来说,对于每一份具有更高优先级的竞争订单k,在时段t期间被供应给订单k的印象总数是xikt。本可以被投放到订单j并且由于订单线k而不可用的印象由p(Uj|Uk)表示。所述比例代表顾客和内容提供商竞争的库存容量的重叠(例如每天的可用容量百分比是与候选订单进行竞争)。变量p代表目标空间的重叠。如果不相交(例如一位顾客以男性为目标并且一位竞争者以女性为目标),则P=0。
换句话说,第二项用来从候选订单当中减去与提交候选订单的广告商直接竞争的印象。但是只有与具有更高优先级的竞争顾客相关联的那些印象被减去。作为一类实例,优先级可以是基于简档标准对于广告商的具体程度。在此类实施例中,如果广告商1以男性为目标而广告商2以超过18岁的男性为目标,则可以为广告商2授予更高优先级,这是因为其放置标准更加具体并且库存内的印象更加稀有因此更难找到。附加地或替换地,可以基于与广告宣传活动相关联的任何其他因素来设定优先级,其中包括基于广告商为具有更高优先级的权利而付费。
利用线性程序的对偶来确定基线价格
在一些实施例中,可以从与对应于拍卖中的各项宣传活动的基线竞价有关的线性程序中提取出附加的信息。可以利用用于分配库存的线性程序的“对偶”来提取该附加信息。
线性程序的对偶指的是与第一线性程序具有特定关系的程序。为了提供一个实例,我们可以考虑仅仅包括H0收入项和E1投放不足项的更加简单的目标函数H。可以改造该目标函数,从而取代对于未被投放的印象接收惩罚,而是对于每一则投放的印象获得对应于避免惩罚的正值。这样就提供了使得下式最大化的函数:
Figure 857907DEST_PATH_IMAGE008
该函数受到以下约束:宣传活动不会被超额投放(被指派给所述宣传活动的印象少于xj 0);被指派给所述宣传活动的给定类型的印象的数目少于该类型的可用印象的数目;并且没有“负”印象(xij>0)。数值vj例如可以是来自前面的讨论的(pj 0+pj 1)。对于此类函数,可以使得对偶函数最小化。所述对偶函数可以被如下表示:
Figure 464469DEST_PATH_IMAGE009
在前面的等式中,αj和zi大于或等于0。允许最大化原始目标函数并且还最小化对偶函数的针对αj值的解将提供数值zi=(vjj),其对应于应当由宣传活动j针对印象i竞价的基线价格。针对zi的该解还对应于(vjj)的最大值。从实际的角度看,数值αj可以被视为一个折扣值,其使得宣传活动j竞价正确的金额以便基于预测库存的分配赢得正确数目的印象。
作为关于对偶函数的一种变型,应当提到的是,使得(vjj)最大的j可能不是唯一的。为了解决这一点,可以对于每一个i、j对随机生成一个由小数值vij small构成的矩阵。这应当通过把(vjj)改变到(vj+vij smallj)而消除任何潜在的“平局”。
胜率、随时间的获胜次数和平均获胜价值
增加从印象导出的收入的一种方式可以是允许保留宣传活动与非保留宣传活动之间的一定竞争。这一竞争可以被作为涉及一项或更多项广告宣传活动的某种类型的拍卖来应对。基于把需求分配到预期库存,可以计算若干数值以便确定用于实施拍卖的基础。首先,可以确定相对于每一项宣传活动的预期库存数量。如果预期库存数量小于对于一项保留宣传活动所需的数量,则拍卖该库存可能是无益的,因为对于所述保留宣传活动已经存在很大的投放不足风险。在另一种情形中,特定类型的库存数量可以足以满足保留宣传活动需求,但是不足以满足来自非保留寄放宣传活动的需求。在这种情况下,可能有益的是允许在保留宣传活动与寄放非保留宣传活动之间进行拍卖,但是排除第三方宣传活动。又一种可能性可以是在完成所有寄放需求之后有多余库存可用。在这种类型的情况下,可能希望允许寄放宣传活动(保留与非保留)与第三方宣传活动之间的竞争。再一种选项可以是对库存进行划分,从而把保留需求自动指派到库存的一部分,而库存的其他部分则由拍卖处理指派。
作为确定可以由拍卖处理指派多少库存的一部分,可以确定对应于各项宣传活动的预期胜率。举例来说,如果保留宣传活动需要某种类型的库存的50%的预期印象来满足保留需求,则可以预期50%的净胜率。可以通过要求把50%的预期印象指派给保留宣传活动来设定50%的净胜率。另一种选项可以是在拍卖时具有所有库存,并且尝试设定其他因素从而使得保留宣传活动赢得50%的印象。又一种选项可以是为保留宣传活动指派一些库存并且允许竞争剩余的库存,从而使得保留宣传活动只需要赢得少于50%的剩余拍卖库存。
除了胜率之外,还可以从预期库存的指派确定对于每个时间段将赢得的印象数量。即使对应于宣传活动的胜率是正确的,如果实际库存与预期库存有偏差,那么被指派给宣传活动的印象数量仍然可能对应于投放不足或超额投放。如果每个时间段的获胜次数表明投放不足或超额投放状况,则可能有益的是允许胜率偏离预期胜率。
可以跟踪的又一个因素是宣传活动所赢得的印象的价值。如前所述,出于多种原因,印象可以具有不同的价值。随着印象变为可用,可以对于印象确定相关联的价值。举例来说,所有印象可以开始于一个默认价值,随后可以通过多种因素来修改所述默认价值。所述修改因素可以包括观看印象的用户的特性、包含印象的页面上的内容性质、关于页面上的印象的位置或其他特征或者其他因素。
用于跟踪由宣传活动赢得的印象的价值的一种方法可以是跟踪相对于被线性程序指派给所述宣传活动的预期印象的价值的印象价值。跟踪所述价值的第二种方式是把宣传活动所赢得的印象的价值与对应于宣传活动所竞争的所有印象的平均价值进行比较。宣传活动所竞争的印象可以包括宣传活动在拍卖规则下自动赢得的印象。通过把一项宣传活动所赢得的印象的价值与所述宣传活动所竞争的所有印象的平均价值进行比较可以提供关于由宣传活动赢得的印象是否具有代表性的认知。
拍卖规则、竞价和竞价偏置
基于前述内容,拍卖规则可以与各种类型的印象库存相关联。作为用于允许拍卖的一个初始步骤,可以确定能够参与针对给定印象的拍卖的宣传活动或竞价来源的类型。这可以被用于选择与将参与拍卖的竞价来源有关的拍卖规则。如前所述,如果库存不足,则可能不希望进行拍卖。在这种情况下,可以设立表明在不进行拍卖的情况下为保留宣传活动指派印象的拍卖规则。或者可以实施拍卖来收集信息,但是可以不管竞价数值如何都宣布保留宣传活动是胜者。在其他情况下,例如通过具有对应于保留宣传活动的自动获胜与各种数量的拍卖竞争的某种组合,可以扩展被允许竞争印象的竞价来源的数目。被允许在拍卖中竞争的竞价来源可以是可用宣传活动类型的一个子集,比如允许寄放非保留竞价来源参与但是不允许第三方竞价来源参与。
在这里的讨论中讨论了各种类型的竞价来源。示例性的竞价来源可以包括保留竞价来源、寄放非保留竞价来源以及第三方竞价来源。每一种竞价来源可以代表该竞价来源类型的多项广告宣传活动。为了方便起见,这里的讨论可以涉及每种类型的宣传活动仅有一个竞价来源。这可以反映出对于每种类型的竞价来源可以举行内部竞争或选择,从而使得一个竞价来源仅从与竞价来源相关联的一项宣传活动生成竞价。但是在一些实施例中,可以有属于相同一般类型的多于一个竞价来源可用。举例来说,一家出版商可以具有多于一种用于获取寄放非保留宣传活动的机制。这些单独的机制可以关于拍卖中的竞价充当单独的寄放非保留竞价来源。在这种情况下,所述多个寄放非保留竞价来源可以潜在地分别在拍卖中生成竞价。在这里的讨论中,每一个单独的来源可以潜在地被单独包括在拍卖中或从拍卖中排除。类似地,可以潜在地把单独的竞价偏置数值应用于每一个不同的来源,尽管多于一个来源可能总体上代表保留内容、寄放非保留内容或第三方非保留内容。
一旦允许拍卖,简单的最高竞价者拍卖可能导致相对于预期胜率和/或随时间的获胜次数的对应于一项或更多项保留宣传活动的广告投放不足(或超额投放)。为了实现所期望的胜率和/或随时间的获胜次数,可以利用经过修改的拍卖价值来实施拍卖。一种修改可以是针对保留宣传活动的基线竞价数值的修改。举例来说,由于保留宣传活动可以对应于预先购买的广告,因此保留宣传活动价格可以代表相对于标准费率的一定折扣,以便反映出协定的提前性质。为了解决这一点,可以提高基线竞价以便从竞价价格当中去除所述折扣。针对修改基线竞价的其他选项可以导致对应于保留宣传活动的更高(或更低)基线竞价。
针对修改拍卖的性质的另一种选项可以是使用竞价偏置数值。竞价偏置数值可以修改各种类型的广告宣传活动相对于彼此的竞争性。竞价偏置数值可以是应用于保留宣传活动的一个乘数,但是可以更容易把竞价偏置数值描述为被应用于来自非保留宣传活动的竞价的相对数值。虽然竞价偏置数值可以大于1,但是被应用于非保留宣传活动的竞价偏置数值可以常常具有处于0到1之间的数值,以便反映出对应于把印象指派给非保留宣传活动的降低的优先性。举例来说,可以有多种竞价来源可用于竞争印象。未满足最小投放约束的保留宣传活动可以是第一来源。已满足最小投放约束但是仍然低于最大约束的保留宣传活动可以是第二来源。由出版商主持的非保留宣传活动可以是第三来源。可选地,可以由出版商主持多项非保留宣传活动,其中每一项可以能够独立地给出竞价。一种附加的竞价来源可以是来自任何第三方来源的竞价。每一种不同类型的来源可以具有修改来自该来源的竞价的所应用的竞价偏置。竞价偏置仍然允许每一个竞价来源针对印象给出竞价。竞价偏置数值可以被选择成允许保留宣传活动赢得足够数目的印象以满足最小投放约束,但是在确定竞价偏置数值时还可以使用其他因素。竞价偏置数值还可以被用来允许寄放非保留宣传活动优先于获取第三方非保留广告而花费预期预算。如果宣传活动正在偏离预期胜率和/或随时间的获胜次数,则可以可选地随着时间修改竞价偏置数值。
竞价偏置数值可以是与特定保留宣传活动或者某一类型的可用印象相关联的数值。虽然竞价偏置数值可以与一项宣传活动相关联,但是常常针对来自一个竞价来源的任何竞价应用竞价偏置数值。在替换实施例中,可以基于针对其应用竞价偏置数值的非保留宣传活动来更改竞价偏置数值,而不是把相同的竞价偏置数值应用于来自一个竞价来源的任何宣传活动。
连同修改和/或竞价偏置数值一起描述的基线竞价数值可以代表基于针对预期印象的库存分配而被提供给一个或更多竞价代理的竞价数值信息。在一些实施例中,通过基于提供给竞价代理的此类数值实施拍卖可以增强和/或最大化出版商对于印象接收到的收入。如前所述,用于为所估计的印象指派库存的一种方法可以包括最大化一个包括收入的函数。因此,就所估计的印象代表实际印象而言,基于为所估计的印象指派库存而生成的竞价数值可以对应于增强收入的竞价数值。
针对修改拍卖的再一种选项可以是包括对应于拍卖的底价。底价可以代表必须由寄放非保留竞价和/或第三方非保留竞价提供以便赢得针对印象的拍卖的最小竞价数值。可选的是,可以在对竞价数值应用竞价偏置之后把底价与竞价数值进行比较。如果拍卖中的最高竞价数值(在可选地应用竞价偏置之后)低于底价,则可以把印象指派给作为胜者的保留竞价而不管由所述保留宣传活动给出的竞价如何。或者可以把印象指派给不需要满足底价要求的任何竞价来源。
又一种选项可以是允许竞价代理改变对应于寄放宣传活动的竞价。拍卖规则、基线竞价和竞价偏置数值代表离线计算。在拍卖设定中,一项宣传活动可能正在相对于所计算的离线目标错误地施行。所述离线数值只能在周期性的基础上计算。取代允许宣传活动与宣传活动目标偏差过大,可以使用竞价代理以努力满足短期目标。可以为竞价代理给出可能在其中修改竞价的边界。竞价代理于是可以被用来改变竞价以便对于由宣传活动所赢得的印象实现目标胜率、目标单位时间获胜次数和/或目标平均值。竞价代理可以通常具有对应于来自该竞价代理的最大竞价的约束。所述最大竞价可以是基于对应于一项宣传活动的经过修改的基线竞价的乘法因数,或者可以把所述乘法因数应用于与一则印象相关联的印象价值。
又一种类型的竞价修改可以涉及频率疲劳。一些用户可能会频繁访问相同的站点或者相同类型的站点。成功赢得拍卖的宣传活动可以有机会向相同的用户呈现多则广告印象。随着时间过去,向相同的用户展示附加印象的价值可能会降低。为了减轻或缓解用户的这一“疲劳”,对于该项宣传活动可以降低印象对疲劳用户的价值。可选的是,可以基于一组有关的宣传活动来应用频率疲劳修改。
拍卖规则和竞价偏置数值有可能创建对于每一则印象和/或每一项宣传活动所跟踪的大量附加信息。简化附加信息的数量的一种方式可以是设立页面组。一个页面组可以代表共享一个共同的拍卖规则和竞价偏置数值集合的一组印象、网页和/或广告宣传活动。取代对于每一则印象具有不同的规则集合,可以创建有限数目的规则集合。随后可以利用对应于选择每一个规则集合的概率把各个规则集合混合在一起。随后可以把竞价偏置数值加到每一则印象和/或有效载荷上,以便提供一种表示对应于每一项的完全规则集合的紧凑方式。
下面是在拍卖设定中应用前面的想法的一个实例。在该例中将讨论三个规则集合。规则集合A要求向保留宣传活动指派印象。规则集合B允许保留宣传活动与寄放非保留宣传活动之间的竞争。规则集合C也允许与第三方广告的竞争。在该例中,可用印象具有分别对应于选择规则集合A、B和C的概率0.8、0.1和0.1。这表明对于该类印象有多余的库存可用。对于所述印象所选择的保留有效载荷分别具有概率0.8、0.2和0。这表明该有效载荷或者与该有效载荷竞争的订单具有一定的投放不足风险。这可能是由于有限的库存供给,或者可能是由于第三方对于由该有效载荷供应的印象的预期之外的高需求。印象和有效载荷二者对于寄放非保留竞价具有0.5的竞价偏置数值,并且对于第三方竞价具有0.2的竞价偏置数值。
图1a示意性地示出了用于根据可用广告印象的类型把广告指派到可用印象的初始步骤。图1b示意性地示出了用于根据适合于出现在印象位置处的保留宣传活动的类型来指派广告有效载荷的初始步骤。在图1c中,来自图1a和图1b中的初始步骤的输出可以被用于确定来自无保证宣传活动的针对可用印象的竞争(如果存在的话)的类型和数量。
在图1a中,浏览器100向用户显示网页。网页可以包括用于广告印象的位置。浏览器可以向服务器105发送广告请求,以便获得用于在印象位置处显示的广告有效载荷。所述广告请求被服务器105转发到用于保留宣传活动的有效载荷服务器。这方面将在图1b中进一步讨论。所述广告请求还被服务器105评估,以便确定对应于广告请求的拍卖规则,这例如是通过确定对应于广告请求的页面组110而实现的。每一则印象可以具有相关联的页面组110。页面组110可以包括关于一则印象的几种类型的信息。页面组110可以指定拍卖规则集合。拍卖规则集合例如可以指定何种广告有资格竞争印象。可选的是,一个页面组可以指定一组拍卖规则集合连同使用每一个规则集合的概率。页面组110还可以提供竞价偏置信息。竞价偏置可以代表应用于竞争一则印象的一项或更多项竞价的加权因数。竞价偏置加权因数可以为某些类型的竞价给出赢得特定印象的优先性。举例来说,可以对并非保留宣传活动的一部分的所有广告应用竞价偏置。这可以反映出除非无保证广告可以向出版商支付足够的酬金,否则希望首先满足受保证宣传活动的要求。
在确定页面组110之后,如果有多于一个可能的拍卖规则集合,则可以生成一个随机数112以便选择将与特定印象相关联的拍卖规则。随后可以转发拍卖规则集合、竞价偏置以及可选地还有其他信息以供进一步处理,正如将在图1c中讨论的那样。
在图1b中,浏览器100把广告请求转发到用于受保证宣传活动的有效载荷服务器130。有效载荷服务器130可以分析所述广告请求的性质。可以识别出适当的有效载荷,并且可以评估与每一项有效载荷相关联的竞价。关于给定的保留有效载荷将如何针对一则印象竞价的确定可以是提前确定的。举例来说,这可以是基于针对保留宣传活动的预期印象分配而确定的。基于所述竞价,可以选择来自保留宣传活动的有效载荷以便在针对所述印象的拍卖中进行竞争。在选择了有效载荷之后,可以确定135与所述有效载荷相关联的拍卖规则集合和竞价偏置。可选的是,可能有多于一个拍卖规则集合,并且可以生成137一个随机数以便确定应用于特定有效载荷的拍卖规则集合。随后可以转发拍卖规则集合、竞价偏置以及可选地还有其他信息以供进一步处理。
在图1c中,可以对基于印象和所选受保证有效载荷二者的拍卖规则集合和竞价偏置信息进行比较以供选择150。基于所述比较,可以选择更具限制性的拍卖规则集合。举例来说,如果与印象相关联的规则集合允许任何广告宣传活动竞价但是所选受保证有效载荷具有限制被允许的竞价者的相关联的规则集合,则可以选择更具限制性的规则集合。在选择150了一个规则集合之后,可以把广告请求、所选拍卖规则和相应的竞价偏置数值以及保留宣传活动有效载荷信息转发到拍卖市场170。拍卖市场170随后可以接受来自其他广告来源的竞价。所述竞价可以是来自由相同出版商主持的其他无保证广告宣传活动,或者所述竞价可以来自第三方出版商。在图1c中示出了由所述市场的出版商/所有者主持的两个单独的无保证广告宣传活动流181和182,连同对应于来自第三方广告出版商的竞价的表示190。应当提到的是,在某些情况下,拍卖规则可以把竞价限制到仅有保留宣传活动。在这样的情况下,不需要把广告请求、有效载荷以及规则集合信息传输到拍卖市场。相反,可选地可以由用于受保证宣传活动的有效载荷服务器直接服务于所述广告。
拍卖市场170可以接受来自在所选拍卖规则下被许可的竞价者的竞价。可以基于相应的竞价偏置数值对所述竞价进行加权。可选的是,拍卖规则还可以包括对应于来自非保留宣传活动的竞价的底价。基于经过竞价偏置数值修改的竞价数值,可以确定获胜竞价。随后可以把对应于获胜竞价的有效载荷提供回到浏览器以供在印象位置处投放。
在本说明书的末尾包括了一份附录,其中包含对应于把预期印象分配到库存并且确定竞价数值的算法的一个实例。
拍卖反馈
随着拍卖的进行并且为宣传活动指派印象,可以收集各种类型的拍卖信息并且将其反馈到用于为预期印象指派库存的算法中。这样的反馈可以允许调节对应于为给定印象或保留有效载荷选择拍卖规则的概率。这样的反馈还可以允许修改竞价偏置数值。一种类型的拍卖数据可以是相对于预期类型生成的印象类型的变化。如果所生成的印象的数量和/或类型正偏离预期数值,则可以修改关于印象数量的预测以便更好地反映出当前实际发生的印象。这可以被用来重新计算针对预期印象的库存指派。
另一种类型的反馈可以是与对应于各项宣传活动的竞价数值、胜率、随时间的获胜次数和/或平均获胜印象价值有关的获胜分数信息。竞价代理可以在较短时间段内对竞价策略进行调节,以便把宣传活动保持在正确的轨道上。当针对拍卖规则和竞价偏置数值的下一次更新发生时,来自竞价代理的信息可以被用来修改对应于一项宣传活动的拍卖规则或竞价偏置数值,以便更好地反映出拍卖环境。举例来说,如果保留宣传活动正在赢得过多印象并且存在超额投放的风险,则可以降低对应于针对所述保留宣传活动的自动指派的拍卖规则的概率。如果寄放宣传活动由于来自第三方竞价者的意料之外的高竞价而导致获胜频率过低,则可以减小第三方竞价者方面的竞价偏置,从而需要来自非寄放竞价者的甚至更高的竞价。
可以基于拍卖反馈而解决的另一个因素是由非保留宣传活动掠过高价值印象。保留宣传活动通常利用每则印象成本的基线竞价来测量印象价值。与此相对,非保留宣传活动可以基于每次点击成本或每次动作成本来测量印象价值。对于具有相关联的高点进率的印象,非保留宣传活动可以提出反映出所述高点进率的竞价。但是具有高点进率的印象也可能是高价值印象。在没有关于所赢得的印象的平均价值的度量的情况下,宣传活动可能通过仅仅赢得较低价值印象而达到针对印象数目的所期望目标。基于所赢得的印象的平均价值,可以修改拍卖规则和/或竞价偏置数值以便保持对应于宣传活动的有代表性的印象样本。
图2提供了根据本发明的一个实施例的另一个处理流程的总览。在图2中示出了寄放宣传活动库存的两个来源。寄放保留宣传活动来源204对应于具有最小投放保证的订单,而寄放非保留宣传活动来源206则对应于不具有最小投放保证的订单。寄放宣传活动来源204和206包含任何寄放宣传活动的细节,比如针对宣传活动所期望的印象类型的约束以及基线竞价数值。关于寄放宣传活动204和206的信息可以被库存指派模块210使用来把来自寄放宣传活动的需求指派到预期印象。在进行所述指派时可以使得对于寄放保留宣传活动投放不足最小化,并且对于寄放非保留宣传活动预期预算的支出不足最小化。库存指派还可以接收来自印象评估引擎250的输入,其可以提供对于预期印象的评估。所述评估可以是根据对应于预期印象的简档,比如关于包含预期印象的页面的内容、观看所述印象的预期用户的简档信息以及其他因素。库存指派模块210还可以通过拍卖反馈模块280接收来自拍卖的反馈。
库存指派模块210可以使用各种输入来生成拍卖规则集合(其中包括竞价偏置数值)和预期获胜分数信息。该信息可以被投放和竞价代理230使用来提供用于实施广告拍卖的参数。可以在拍卖市场170中解决广告拍卖。当浏览器200向投放和竞价代理230表明有一则印象可用时,选择拍卖规则并且将其连同一项或更多项拍卖竞价一起转发到拍卖市场。在解决拍卖之后,可以把适当的有效载荷导回浏览器200。还可以收集来自拍卖的统计量并且将其转发到拍卖历史存储库290。所述信息也可以被用作针对印象评估250和拍卖反馈280的反馈。在图2中,这一针对印象评估250和拍卖反馈280的反馈被显示为通过拍卖历史存储库290来传送,但是这一点是可选的。在期望的情况下可以把反馈信息直接传递到印象评估250和拍卖反馈280。
前面简要描述了关于本发明的实施例以及其中一些特征的总览,下面将描述适于实施本发明的一种示例性操作环境。
总体上参照附图并且首先特别参照图3,用于实施本发明的实施例的一种示例性操作环境被总体上示出并标示为计算器件300。计算器件300仅仅是适当计算环境的一个例子,而不意图暗示关于本发明的使用或功能范围的任何限制。计算器件300也不应当被解释为关于所示出的任何一个组件或组件组合有任何依赖性或要求。
可以在例如由计算机或其他机器(比如个人数据助理或其他手持式器件)执行的计算机代码或机器可用指令(其中包括例如程序组件之类的计算机可执行指令)的一般情境中描述本发明。一般来说,包括例程、程序、对象、组件、数据结构等等的程序组件指的是施行特定任务或者实施特定抽象数据类型的代码。可以在多种系统配置中实践本发明的实施例,其中包括手持式器件、消费电子装置、通用计算机、专用计算器件等等。本发明的实施例还可以被实践在分布式计算环境中,其中各项任务由通过通信网络链接在一起的远程处理器件施行。
继续参照图3,计算器件300包括总线310,其直接或间接地耦合以下器件:存储器312,一个或更多处理器314,一个或更多呈现组件316,输入/输出(I/O)端口318,I/O组件320,以及说明性电源322。总线310可以表示一条或更多条总线(比如地址总线、数据总线或其组合)。虽然为了清楚起见用线条示出了图3的各个方块,但是在实际情况中对于各个组件的界定则没有这么明确,比方说所述线条更准确地将是灰色且模糊的。举例来说,可以把诸如显示器件之类的呈现组件视为I/O组件。此外,处理器具有存储器。本发明的发明人认识到这正是本领域的性质,并且重申图3的图示仅仅是为了说明可以与本发明的一个或更多实施例相结合地使用的示例性计算器件。在诸如“工作站”、“服务器”、“膝上型计算机”、“手持式器件”等类别之间不做区分,因为所有这些类别都被设想到落在图3的范围内并且指的是“计算机”或“计算器件”。
计算器件300通常包括多种计算机可读介质。计算机可读介质可以是能够由计算器件300访问的任何可用介质,并且包括易失性和非易失性介质、可移除和不可移除介质。作为举例而非限制,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括按照任何方法或技术实施的易失性和非易失性、可移除和不可移除介质,以用于存储例如计算机可读指令、数据结构、程序模块或者其他数据之类的信息。计算机存储介质包括(但不限于)随机存取存储器(RAM)、只读存储器(ROM)、电子可擦写可编程只读存储器(EEPROM)、闪存或其他存储器技术、CD-ROM、数字通用盘(DVD)或其他全息存储器、磁盒、磁带、磁盘存储装置或其他磁性存储器件或者可以被用来编码所期望的信息并且可由计算器件300访问的任何其他介质。在一个实施例中,计算机存储介质可以从有形计算机存储介质中选择。在另一个实施例中,计算机存储介质可以从非瞬时性计算机存储介质中选择。
通信介质通常把计算机可读指令、数据结构、程序模块或其他数据具体实现在已调数据信号中,比如载波或其他传输机制,并且包括任何信息递送介质。术语“已调数据信号”意味着信号的一项或更多项特性以一种方式被设定或改变从而在所述信号中编码信息。作为举例而非限制,通信介质包括例如有线网络或直接连线连接之类的有线介质,以及例如声学、RF、红外和其他无线介质之类的无线介质。前述任何内容的各种组合也应当被包括在计算机可读介质的范围内。
存储器312包括采取易失性和/或非易失性存储器的形式的计算机存储介质。所述存储器可以是可移除的、不可移除的或者其某种组合。示例性的硬件器件包括固态存储器、硬盘驱动器、光盘驱动器等等。计算器件300包括一个或更多处理器,其从例如存储器312和/或I/O组件320之类的各种实体读取数据。(多个)呈现组件316为用户或其他器件呈现数据指示。示例性的呈现组件包括显示器件、扬声器、打印组件、振动组件等等。I/O端口318允许计算器件300通过逻辑方式耦合到包括I/O组件320在内的其他器件,其中一些可以是内建的。说明性的组件包括麦克风、操纵杆、游戏手柄、碟形卫星信号收发天线、扫描仪、打印机、无线器件等等。
附加地参照图4,其中所描述的方块图描绘出适用于本发明的实施例的一种示例性网络环境400。环境400仅仅是可以被用在本发明的实施例中的环境的一个实例,并且可以包括具有多种配置的任意数目的组件。这里所提供的关于环境400的描述是用于说明性目的,而不意图限制可以在其中实施本发明的实施例的环境的配置。
环境400包括网络404、用户器件406、拍卖市场422、印象评估组件408以及印象估计和库存分配组件409。可选的是,印象估计和印象分配可以由单独的组件施行。可选的是,印象估计和库存分配组件409还可以包括用于根据库存分配来开发拍卖规则集合的规则引擎。所述环境还包括一台或更多台有效载荷服务器,比如保留广告服务器403和非保留广告服务器402。例如保留广告服务器403之类的有效载荷服务器可以包括有效载荷存储组件412,或者有效载荷存储装置可以是一个单独的组件。竞价代理413也被显示成被包括作为广告服务器的一部分,但是竞价代理413也可以是单独的组件。非保留广告服务器402还可以包括有效载荷存储组件416和竞价代理417。网络404包括任何计算机网络,例如(作为举例而非限制)因特网、内联网、私有和公共局域网以及无线数据或电话网。用户器件406可以是任何计算器件,比如可以从中提供搜索查询的计算器件300。举例来说,用户器件406特别可以是个人计算机、膝上型计算机、服务器计算机、无线电话或器件、个人数字助理(PDA)或数码相机。在一个实施例中,可以有多个用户器件406连接到网络404,比如数以千计或者数以百万计的用户器件406。类似地,图4中所示出的其他组件可以被寄放在任何适当的计算器件上,比如计算器件300。
在图4所示的实施例中,位于用户器件406上的浏览器可以显示包含可用广告印象的网页。用户器件406上的浏览器可以向例如保留广告服务器403之类的有效载荷服务器发送针对用以放置在所述印象位置处的广告的请求。保留广告服务器403可以确定所述印象请求是否适合于拍卖市场422。这一确定例如可以是基于来自印象估计和分配组件409的关于预期可用库存数量的信息而做出的。如果其是适当的,则保留广告服务器403可以把所述印象请求连同来自竞价代理413的竞价一起发送到拍卖市场422。拍卖市场422可以获得对应于拍卖的规则集合。这可以是从印象评估组件408获得的规则集合、从有效载荷服务器获得的规则集合或者从与库存分配组件409相关联的规则引擎获得的规则集合。基于所述规则集合,拍卖市场422可以获得来自附加的竞价来源的竞价,比如来自对应于非保留广告服务器402的竞价代理417的竞价。可以确定获胜的竞价,并且可以从有效载荷存储装置向用户器件406发送有效载荷以用于填充所述印象。可以把拍卖的结果存储在拍卖历史存储装置423中。所述结果可以被用来向库存估计409提供反馈。基于这一反馈,可以更新对于库存的估计,从而可能导致针对竞价代理413和417的新的竞价指令。
图5-6提供了根据本发明的附加实施例的实例。在图5所示的一个实施例中,示意性地示出了一种用于把广告有效载荷与可用印象相匹配的方法。可以接收510对应于可用印象的拍卖规则集合。所述拍卖规则集合可以包括关于多个竞价来源的标识以及一个或更多竞价偏置数值。可以接收520来自所述多个竞价来源的拍卖竞价。所述拍卖竞价可以包括拍卖竞价数值。至少其中一个竞价来源对应于寄放保留竞价来源。可以从所接收到的拍卖竞价生成530偏置拍卖竞价,这是通过对于至少一项接收到的拍卖竞价对拍卖竞价数值应用所述一个或更多竞价偏置数值而实现的。可以根据对应于所生成偏置拍卖竞价的拍卖竞价数值来选择540竞价来源。可以把对应于所选竞价来源的广告有效载荷传送550到包含可用印象的浏览器。
在图6所示的一个实施例中,提供了一种用于实施广告拍卖的方法。所述方法包括估计610预期印象的数量。所估计的印象可以包括具有各种印象简档的印象的估计数量,比如对于正在观看一则印象的用户简档的估计以及与所估计的印象相关联的页面内容。可以把所估计的印象与广告库存相匹配620。所述库存可以对应于多份寄放保留订单和多份寄放非保留订单。所述匹配620可以是基于求解至少一个线性程序,所述至少一个线性程序至少包括与印象的投放不足有关的第一项约束以及与预算的支出不足有关的第二项约束。基于所述匹配,可以确定630对应于至少一份寄放保留订单和至少一份寄放非保留订单的竞价数值。在一些实施例中,所确定的竞价数值可以对应于根据关于预期印象的估计而增强和/或最大化从针对印象的拍卖所生成的收入的竞价数值。所确定的竞价数值可以被传送640到多个竞价代理。举例来说,竞价代理可以与每一个潜在的竞价来源相关联以用于向拍卖提交竞价。随后可以实施650针对可用印象的拍卖。所述拍卖可以接收对应于所述至少一份寄放保留订单和至少一份寄放非保留订单的来自竞价代理的竞价。优选的是,由拍卖接收自竞价代理的竞价可以是基于所确定的竞价数值,尽管竞价代理可以相对于所确定的竞价数值修改由拍卖接收到的竞价。可以接收660包括关于所实施的拍卖的信息的拍卖反馈。基于所接收到的拍卖反馈,可以修改670所确定的竞价数值。
附加实施例
在一个实施例中,提供一种用于把广告有效载荷与可用印象相匹配的计算机实施的方法。所述方法包括:接收对应于可用印象的拍卖规则集合,所述拍卖规则集合包括多个竞价来源的标识以及一个或更多竞价偏置数值;接收来自所述多个竞价来源的拍卖竞价,所述拍卖竞价包括拍卖竞价数值,至少其中一个竞价来源对应于寄放保留竞价来源;通过对于至少一项接收到的拍卖竞价对拍卖竞价数值应用所述一个或更多竞价偏置数值,从所接收到的拍卖竞价生成偏置拍卖竞价;根据对应于所生成的偏置拍卖竞价的拍卖竞价数值选择一个竞价来源;以及把对应于所选竞价来源的广告有效载荷传送到包含所述可用印象的浏览器。
在另一个实施例中,提供一种用于为广告拍卖设定规则的方法。所述方法包括:识别出针对广告印象的多份寄放保留订单以及针对广告印象的多份寄放非保留订单;估计预期印象的数量;把所估计的印象与对应于所述多份寄放保留订单和所述多份寄放非保留订单的广告库存相匹配,所述匹配是基于求解一个或更多线性程序,所述一个或更多线性程序至少包括与印象的投放不足有关的第一项约束以及与预算的支出不足有关的第二项约束;基于所述匹配,确定对应于至少一份寄放保留订单和至少一份寄放非保留订单的一个或更多印象获胜分数,所述一个或更多印象获胜分数的至少其中之一对应于印象胜率、单位时间的获胜次数或者每次获胜的平均印象价值;基于所述匹配,计算对应于所述至少一份寄放保留订单的拍卖规则集合概率;基于所述匹配,计算对应于所述至少一份寄放非保留订单的竞价偏置数值;把所计算的拍卖规则集合概率和竞价偏置数值与所述至少一份寄放保留订单相关联;把所述一个或更多印象获胜分数传送到至少一个拍卖竞价代理;从所述至少一个拍卖竞价代理接收关于所述一个或更多印象获胜分数的反馈,所述反馈包括被用来匹配所述一个或更多印象获胜分数的拍卖竞价数值、与所述一个或更多印象获胜分数的偏差或者其某种组合;以及基于所接收到的反馈修改所计算的拍卖规则集合概率或所计算的竞价偏置数值的至少其中之一。
在又一个实施例中,提供一种用于为广告拍卖设定规则的方法。所述方法包括:基于可用广告印象从浏览器接收针对广告有效载荷的请求;基于所述可用广告印象识别出第一拍卖规则集合,所述第一拍卖规则集合包括与所述可用广告印象相关联的多个规则集合选择概率;确定对应于所述可用广告印象的寄放保留广告有效载荷;基于所确定的广告有效载荷识别出第二拍卖规则集合,所述第二拍卖规则集合包括与所确定的广告有效载荷相关联的多个规则集合选择概率;选择第一拍卖规则集合或第二拍卖规则集合,所选择的拍卖规则集合包括对应于广告拍卖的一个或更多竞价来源的标识以及对应于所述一个或更多竞价来源的至少其中之一的竞价偏置数值;以及把对应于所确定的广告有效载荷和所选拍卖规则集合的拍卖竞价转发到拍卖市场。
在再一个实施例中,提供一种用于实施广告拍卖的方法,其包括:估计预期印象的数量;把所估计的印象与对应于多份寄放保留订单和多份寄放非保留订单的广告库存相匹配,所述匹配是基于求解至少一个线性程序,所述至少一个线性程序至少包括与印象的投放不足有关的第一项约束以及与预算的支出不足有关的第二项约束;基于所述匹配,确定对应于至少一份寄放保留订单和至少一份寄放非保留订单的竞价数值;把所确定的竞价数值传送到多个竞价代理;实施针对可用印象的拍卖,所述拍卖从竞价代理接收对应于所述至少一份寄放保留订单和所述至少一份寄放非保留订单的竞价,其中由所述拍卖从所述竞价代理接收到的竞价是基于所确定的竞价数值;接收包括关于所实施的拍卖的信息的拍卖反馈;以及基于所接收到的拍卖反馈修改所确定的竞价数值。
在又一个实施例中,提供一种用于把广告有效载荷匹配到可用印象的系统,其包括:用于估计可以被指派的印象的数量的印象估计组件;被配置成向所估计的印象分配库存的库存分配组件;被配置成提交针对可用印象的竞价的多个竞价代理,所述竞价是基于所述库存分配;用于实施广告拍卖以便基于来自所述多个竞价代理的竞价而把可用印象指派到库存的拍卖市场;用于根据可用印象的指派来投放广告有效载荷的至少一台有效载荷服务器;以及被配置成向库存分配组件提供拍卖历史信息的拍卖反馈组件。
前面关于在所有方面意图是说明性而非限制性的具体实施例描述了本发明的实施例。在不背离其范围的情况下,本发明所属领域的技术人员将会认识到替换实施例。
从前述内容可以看到,本发明非常适合于实现前面所阐述的所有目的和目标,并且具有所述结构所固有的显而易见的其他优点。应当理解的是,某些特征和子组合具有实用性,并且可以在不涉及其他特征和子组合的情况下被采用。这一点被设想到落在权利要求书的范围内。
后面是被称作算法1-3的三个表,其中提供了对应于实施本发明的一个实施例的一些部分的计算机程序的伪代码。
算法1 GGSA-第1页
1: function [x1, p1] = GGSA(x0, p0, γ,S)
2: Inputs:
3:    x0-所期望的印象目标
4:    p0-建议价格//x0p0是预算
5:    γ-几何平均参数(为了混合预算与印象计数)
6:    S-印象(广告请求)流
7: Outputs:
8:    x1-实际投放的印象
9:    p1-实际平均价格
10: Variables:
11:    Gτ,Pτ-投放目标以及在τ微周期之后剩余的时间
12:    //下面的所有变量都是针对每个τ微周期
13:    xτ,xq,τ-所投放/合格的印象的计数
14:    bτ,bq,τ-所花费/合格的预算
15:    gτ,gq,τ-所投放/合格的目标
16:    rτ,rq,τ,ri,τ-实际的/合格的/理想的目标投放率
17:    Eτ-累积误差
18:    fτ-合格的目标的指标分数
19:    pτ-(平均)竞价价格
20:
21:    //初始化
22:    //下面的目标是预算和印象份额的几何平均
23:    //γ=0对应于纯粹印象;γ=1对应于纯粹预算
24:    Δ=5//我们具有长度为Δ的m个微周期
25:    m = 3600/Δ
26:    G0 = (x0p0)γ(x0)1-γ
27:    p1 = p0
28:    v=0.2?(平均价格)(或类似含义)
29:    for τ = 1 : m do
30:      xτ = xq,τ = 0
31:      bτ = bq,τ = 0
32:      for τ微周期内的所有广告请求s=Get(S) do
33:         if 印象s不合格 then
34:            continue
35:         end if
36:         // 现在我们确定竞价价格B。
37:         // 其取决于相对印象价值(对应于平滑性的
38:         // 额外或折扣乘数,代表性分配,BT分数)。
39:         // 其还受到随机偏差
40:         ν = val(s)
41:         draw η~N(0,1)//随机化可以在外部发生
42:         B = pr·ν + νη,
43:         B0 = GetFloor Price(s)
44:         if B < B0 then
45:           B = B0;
46:           if τr -1 > τs,r -1 then
47:             draw 随机数0≤θ≤1
48:             if θ > τs,r -1r -1 then
49:               continue//这被称作节流
50:             end if
51:           end if
52:         end if
53:         if B违反优先级界限 then
54:           Cap B//
55:         end if
算法2 GGSA-第2页
56:       //与其他宣传活动同时利用价格B对s竞价
57:       //如果赢得/输掉印象,则win=1/0
58:       //q(s)是由获胜的宣传活动支付的实际价格
59:       [won, q(s)] = Bid(s, B)
60:       xq,τ= xq,τ + 1
61:       bq = bq + q(s)
62:       if won = 1 then
63:          xτ = xτ + 1
64:          bτ= bτ + q(s)
65:       end if
66:     end for//τ微周期结束
67:     // 下面的更新假设一台服务器。可选的是,几台分布式
68:     // 服务器可以不时地同步
69:     gτ=
Figure DEST_PATH_IMAGE010
70:     gq,τ= bq γ xq,τ 1-γ
71:     Gτ= Gτ -1-  gτ
72:     Pτ = (m - τ )Δ
73:     rτ= gτ
74:     rq,τ = gq,τ
75:     ri,τ = Gτ / Pτ
76:     // 通过指数平均把变量rτ,rq,τ平滑成类似的变量Rτ,Rq,τ
77:     // 这里0<z<1是一个参数
78:     //对于第一个τ=1,使用z=0
79:     Rτ= zRτ-1 + (1-z)rτ
80:     Rq, τ= zRq,τ-1 + (1-z)rq,τ
81:     // 各种形式的累积误差(我们可能或者可能不需要
82:     // 它来保持灵活性,参见下面的系数0≤z1<1)。
83:     // 简单的形式为Eτ=zEτ -1...
84:     Eτ=Eττ(Eτ -1, Rτ, ri,τ)
85:     // 计算理想目标分数fτ和下一项竞价pτ +1
86:     //下面的0≤F(x)≤1是单调递增的
87:     //对于x→-∞有F(x)→0,对于x→∞有F(x)→1
88:     //实例:F(x)=(x<0)?(x>1)?1:x
89:     fτ = F(ri,τ/Rq, τ+ z1Eτ)
90:     //
91:     //现在我们准备好确定下一个微周期基价
92:     (受到随机偏差)
93:     pτ+1 = Update(pτ, fτ , fτ- 1 )
94:   end for
95:   x1=...//实际投放的印象
96:   b1=...//实际投放的预算
97:   p1=b1/x1 //所支付的平均价格
98:   return x1, p1
99: end function
算法3 Update
1: function pτ +1 = UPDATE(pτ, fτ, fτ -1)
2:    有两种方式来实施此函数:
3:     1.假设价格分布为正态分布
4:     ......................................
5:    正态分布具有两个参数μ和σ
6:    可以从充分统计量计算所述参数
7:     m1xq(s), m2 = Σxq(s)2
8:     随后确定pτ +1,从而使得左侧偏矩的
9:     分数等于fτ
10:    (参见全文p.24)
11:   
12:    2. 应用最优控制考虑因素
13:    ....................................
14:    举例来说:
15:    把价格范围划分成较小间隔π1,..., πK
16:     π1是底价,πK是最大价格
17:     累计关于[πkk +1]价格范围内的哪一分数g在价格
18:     范围内采取线性(或任何曲线拟合)分布的统计量
19:     Let f(p)作为该分布(在每一个微周期期间更新)
20:     Retunr pτ +1 = f-1(fτ + α(fτ - fτ +1))
21: end function

Claims (10)

1. 一种用于把广告有效载荷与可用印象相匹配的计算机实施的方法,其包括:
接收对应于可用印象的拍卖规则集合,所述拍卖规则集合包括多个竞价来源的标识以及一个或更多竞价偏置数值;
接收来自所述多个竞价来源的拍卖竞价,所述拍卖竞价包括拍卖竞价数值,至少其中一个竞价来源对应于寄放保留竞价来源;
通过对于至少一项接收到的拍卖竞价对拍卖竞价数值应用所述一个或更多竞价偏置数值,从所接收到的拍卖竞价生成偏置拍卖竞价;
根据对应于所生成的偏置拍卖竞价的拍卖竞价数值选择一个竞价来源;以及
把对应于所选竞价来源的广告有效载荷传送到包含所述可用印象的浏览器。
2. 权利要求1的方法,其中,从多个竞价来源接收拍卖竞价还包括接收底价数值,并且其中基于竞价数值选择竞价来源包括:
确定所述底价数值高于对应于所生成的偏置拍卖竞价的拍卖竞价数值;以及
选择所述寄放保留竞价来源。
3. 权利要求1的方法,其中,接收拍卖规则集合包括:
接收具有相关联的概率的多个拍卖规则集合;
通过把随机数值与相关联的概率进行比较而从所述多个接收到的拍卖规则集合当中选择一个拍卖规则集合。
4. 一种用于实施广告拍卖的方法,其包括:
估计预期印象的数量;
把所估计的印象与对应于多份寄放保留订单和多份寄放非保留订单的广告库存相匹配,所述匹配是基于求解至少一个线性程序,所述至少一个线性程序至少包括与印象的投放不足有关的第一项约束以及与预算的支出不足有关的第二项约束;
基于所述匹配,确定对应于至少一份寄放保留订单和至少一份寄放非保留订单的竞价数值;
把所确定的竞价数值传送到多个竞价代理;
实施针对可用印象的拍卖,所述拍卖从竞价代理接收对应于所述至少一份寄放保留订单和所述至少一份寄放非保留订单的竞价,其中由所述拍卖从所述竞价代理接收到的竞价是基于所确定的竞价数值;
接收包括关于所实施的拍卖的信息的拍卖反馈;以及
基于所接收到的拍卖反馈修改所确定的竞价数值。
5. 权利要求4的方法,其还包括:基于所估计的印象与广告库存的匹配确定拍卖规则集合概率。
6. 权利要求4的方法,其还包括:基于所估计的印象与广告库存的匹配确定竞价偏置数值。
7. 权利要求4的方法,其中,接收拍卖反馈包括从竞价代理接收不同于与所述竞价代理相关联的所确定的竞价数值的拍卖竞价数值。
8. 一种用于把广告有效载荷匹配到可用印象的系统,其包括:
用于估计可以被指派的印象的数量的印象估计组件;
被配置成向所估计的印象分配库存的库存分配组件;
被配置成提交针对可用印象的竞价的多个竞价代理,所述竞价是基于所述库存分配,所述多个竞价代理可选地分别与一个寄放竞价来源相关联;
用于实施广告拍卖以便基于来自所述多个竞价代理的竞价而把可用印象指派到库存的拍卖市场;
用于根据可用印象的指派来投放广告有效载荷的至少一台有效载荷服务器;以及
被配置成向所述库存分配组件提供拍卖历史信息的拍卖反馈组件。
9. 权利要求8的系统,所述库存分配组件还包括用于根据库存的分配来指派拍卖规则的规则引擎,所述规则引擎可选地还被配置成指派规则集合概率和竞价偏置数值。
10. 权利要求8的系统,其还包括被配置成提供对于可用印象的评估的印象评估组件。
CN201280025443.5A 2011-05-26 2012-05-26 用于显示广告的统一收益管理 Pending CN103620630A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/116949 2011-05-26
US13/116,949 US20120303464A1 (en) 2011-05-26 2011-05-26 Unified yield management for display advertising
PCT/US2012/039765 WO2012162688A2 (en) 2011-05-26 2012-05-26 Unified yield management for display advertising

Publications (1)

Publication Number Publication Date
CN103620630A true CN103620630A (zh) 2014-03-05

Family

ID=47218128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280025443.5A Pending CN103620630A (zh) 2011-05-26 2012-05-26 用于显示广告的统一收益管理

Country Status (4)

Country Link
US (1) US20120303464A1 (zh)
EP (1) EP2715643A4 (zh)
CN (1) CN103620630A (zh)
WO (1) WO2012162688A2 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104835067A (zh) * 2015-05-29 2015-08-12 超传信息技术(上海)有限公司 网络广告实时竞价系统
CN105282106A (zh) * 2014-07-04 2016-01-27 腾讯科技(北京)有限公司 信息播放的控制方法及装置
CN108269114A (zh) * 2016-12-30 2018-07-10 深圳市优朋普乐传媒发展有限公司 一种广告库存的确定方法及装置
CN111445290A (zh) * 2020-04-01 2020-07-24 电子科技大学 一种基于社会最大福利的在线广告位拍卖方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8666810B1 (en) * 2012-02-17 2014-03-04 Google Inc. System and method for online unique users and frequency estimation for advertisements on a video sharing website based on auction history results
US9619822B1 (en) * 2012-03-09 2017-04-11 Google Inc. Method and system for identifying user propensity to access content via a communication network
US20140012670A1 (en) * 2012-07-05 2014-01-09 Adrenalads Llc System and method for acquiring domain visitors on a parking service and redirecting to optimal advertisers
WO2014127455A1 (en) * 2013-02-19 2014-08-28 ORIOLE MEDIA CORPORATION dba Juice Mobile System, method and computer program for providing qualitative ad bidding
US9699502B1 (en) 2015-01-16 2017-07-04 Optimized Markets, Inc. Automated allocation of media campaign assets to time and program in digital media delivery systems
US11102545B2 (en) 2013-03-27 2021-08-24 Optimized Markets, Inc. Digital media campaign management in digital media delivery systems
US9727630B2 (en) 2014-02-18 2017-08-08 Microsoft Technology Licensing, Llc Dynamic content delivery for real-time trends
US20150339729A1 (en) * 2014-05-20 2015-11-26 Pubmatic, Inc. Online advertising campaign controller to orchestrate allocation of ads
CN104299151B (zh) * 2014-09-28 2017-11-17 新浪网技术(中国)有限公司 网络广告流量分配系统和方法
US10037545B1 (en) * 2014-12-08 2018-07-31 Quantcast Corporation Predicting advertisement impact for audience selection
US20170098250A1 (en) * 2015-10-01 2017-04-06 Facebook, Inc. Accounting for differences in user interaction with content presented by different systems when selecting content by an online system
US10318997B2 (en) * 2016-04-22 2019-06-11 Facebook, Inc. Determining bid amounts for presenting sponsored content to a user based on a likelihood of the user performing a conversion associated with the sponsored content
US11087366B2 (en) * 2017-10-02 2021-08-10 Facebook, Inc. Automatically modifying a disrupted pacing plan for a digital content distribution campaign
US11743536B2 (en) 2017-11-16 2023-08-29 Tuomas W. Sandholm Digital media campaign management in digital media delivery systems

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060074749A1 (en) * 2004-10-01 2006-04-06 Reachlocal, Inc. Method and apparatus for allocating a campaign budget among publishers for a marketing campaign
US20100082428A1 (en) * 2008-09-30 2010-04-01 Yahoo! Inc. Display advertising inventory estimation
US20100235243A1 (en) * 2009-03-12 2010-09-16 Greg Hecht Remnant Inventory Marketplace for Placement of Advertisements
US20100250332A1 (en) * 2009-03-30 2010-09-30 Arpita Ghosh System and Method for Adaptive Bidding for Display Advertising
US20110087551A1 (en) * 2005-05-20 2011-04-14 Steven Klopf Digital advertising system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060074749A1 (en) * 2004-10-01 2006-04-06 Reachlocal, Inc. Method and apparatus for allocating a campaign budget among publishers for a marketing campaign
US20110087551A1 (en) * 2005-05-20 2011-04-14 Steven Klopf Digital advertising system
US20100082428A1 (en) * 2008-09-30 2010-04-01 Yahoo! Inc. Display advertising inventory estimation
US20100235243A1 (en) * 2009-03-12 2010-09-16 Greg Hecht Remnant Inventory Marketplace for Placement of Advertisements
US20100250332A1 (en) * 2009-03-30 2010-09-30 Arpita Ghosh System and Method for Adaptive Bidding for Display Advertising

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭庆涛: "计算广告的匹配算法综述", 《计算机工程》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282106A (zh) * 2014-07-04 2016-01-27 腾讯科技(北京)有限公司 信息播放的控制方法及装置
CN105282106B (zh) * 2014-07-04 2020-04-24 腾讯科技(北京)有限公司 信息播放的控制方法及装置
CN104835067A (zh) * 2015-05-29 2015-08-12 超传信息技术(上海)有限公司 网络广告实时竞价系统
CN104835067B (zh) * 2015-05-29 2021-06-04 超传信息技术(上海)有限公司 网络广告实时竞价系统
CN108269114A (zh) * 2016-12-30 2018-07-10 深圳市优朋普乐传媒发展有限公司 一种广告库存的确定方法及装置
CN111445290A (zh) * 2020-04-01 2020-07-24 电子科技大学 一种基于社会最大福利的在线广告位拍卖方法

Also Published As

Publication number Publication date
US20120303464A1 (en) 2012-11-29
WO2012162688A3 (en) 2013-03-21
EP2715643A2 (en) 2014-04-09
WO2012162688A2 (en) 2012-11-29
EP2715643A4 (en) 2015-01-07

Similar Documents

Publication Publication Date Title
CN103620630A (zh) 用于显示广告的统一收益管理
Choi et al. Online display advertising markets: A literature review and future directions
Sayedi Real-time bidding in online display advertising
US20180260859A1 (en) Automated Exchange For the Efficient Assignment of Audience Items
US8788343B2 (en) Price determination and inventory allocation based on spot and futures markets in future site channels for online advertising
Leslie et al. Resale and rent-seeking: An application to ticket markets
Xia et al. Pricing combinatorial auctions
US8121927B2 (en) Method of optimum auction using network service
US20160217499A1 (en) Processing content requests
US20150324845A1 (en) Server system for limiting selection of content to preferred content providers
US20020013757A1 (en) Automated exchange for the efficient assignment of audience items
US20090012852A1 (en) Data marketplace and broker fees
Balseiro et al. Optimal contracts for intermediaries in online advertising
US20100042456A1 (en) Integrated market-based allocation of resources within an enterprise
US20070179856A1 (en) Revenue adjustment processes
US20130097028A1 (en) Dynamic Floor Pricing for Managing Exchange Monetization
US8386330B1 (en) Tool for auction grouping by preference and extensions of time
KR102216908B1 (ko) 저작물 수익권에 대한 중개 서비스 방법
US20120158522A1 (en) Randomized auctions with priority option
US20140108183A1 (en) Task Exchange
Milgrom Auction market design: Recent innovations
KR102321900B1 (ko) 저작물 수익권에 대한 중개 서비스 방법
US20140304089A1 (en) System and Method for Conducting a Recurring Auction Using a Participant Retention Mechanism
US20150371189A1 (en) Method and system for enabling the creation, development, and fulfillment of products and services by crowdsourcing relevant customers, producers, and investors
Schulte et al. Profitability of service‐level‐based price differentiation with inventory rationing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: MICROSOFT TECHNOLOGY LICENSING LLC

Free format text: FORMER OWNER: MICROSOFT CORP.

Effective date: 20150616

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20150616

Address after: Washington State

Applicant after: Micro soft technique license Co., Ltd

Address before: Washington State

Applicant before: Microsoft Corp.

C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140305