CN103716351B - 信息展现方法及服务器 - Google Patents

Abstract

本申请提供一种信息展现方法以及服务器。所述方法包括：接收引流入口页面的投放数据请求；选择待展现的候选商家对象；将所述选择的待展现的候选商家对象的投放数据发送给所述引流入口页面进行信息展现；其中，所述选择具体为：获取候选商家对象的当前时间的历史投放数据；根据所述历史投放数据计算所述候选商家对象的已分配量；根据所述候选商家对象的所述已分配量和预先设定的总分配量，选择待展现的所述候选商家对象。本申请通过候选商家对象的已分配量和预先设定的总分配量确定待展现的候选商家对象，依据商家品质进行流量分配，将流量向商家品质好的商家对象倾斜，能有效地提高网络资源的利用率，提高了用户体验，减轻了访问服务器的负担。

Description

信息展现方法及服务器

技术领域

本申请涉及网络数据处理技术领域，具体来说，涉及一种信息展现方法及服务器。

背景技术

对于网上商家来说，有展现机会才可能有访问流量，有访问流量才可能有成交。网络运营商在为各候选商家对象分配流量以提供展现机会时，一般会筛选出一批候选商家对象，然后根据一定的流量分配策略在引流入口页面轮流给各候选商家对象分配流量以提供展现机会。

现有技术中常见的技术方案是等时长信息展现方案，这种方案通过给各候选商家对象分配时长相等的展现时间进行信息展现。比如，某引流入口处每天筛选出10个商家进行轮流展现，每次可同时展现5个商家，则每个商家对象各得到半天时间的展现机会。此外，现有技术中还有一种等流量信息展现方案，这种方案针对同一批候选商家对象，在这批商家对象展现的整个时间段比如一天内将流量平等分给所有候选商家对象。

上述等时长信息展现方案表面上看起来公平性比较好，但实际上引流效果并不好，这是因为一天之中不同时间段的访问流量往往不同，因而不同时段提供的等量流量带来的访问机会往往也不同。例如，同样是半天时间，通常后半天所展现商家对象被访问的机会可能会比前半天所展现商家对象的被访问的机会多，因此，后半天所展现商家被前半天所展现商家会得到更多的访问流量。

此外，造成上述引流效果不好的另外一个原因是，无论是上述等时长信息展现方案，还是等流量信息展现方案，在分配流量时都没有考虑商家品质。因为，不同商家对象的商家品质往往参差不齐，优质商家对象显然有更高的成交可能性，而成交额对于商家对象来说是生存基础，对于网络运营商的生存发展也十分重要，因此，现有技术未考虑商家对象之间的差异，展现质量差的商家对象，不但浪费用户的访问时间，影响用户体验，而且增加了访问服务器的负担。

发明内容

本申请的目的在于，提供一种信息展现方法和服务器，以提高用户体验，减轻访问服务器的负担。

为实现上述目的，本申请提供了一种信息展现方法，所述方法包括：接收引流入口页面的投放数据请求；选择待展现的候选商家对象；将所述选择的待展现的候选商家对象的投放数据发送给所述引流入口页面进行信息展现；其中，所述选择待展现的候选商家对象具体为：获取候选商家对象的当前时间的历史投放数据；根据所述历史投放数据计算所述候选商家对象的已分配量；根据所述候选商家对象的所述已分配量和预先设定的总分配量，选择待展现的所述候选商家对象。

相应地，本申请还提供了一种服务器，所述服务器包括：接收单元，用于接收引流入口页面的投放数据请求；选择单元，用于选择待展现的候选商家对象；投放单元，用于将所述选择的待展现的候选商家对象的投放数据发送给所述引流入口页面进行信息展现；其中，所述选择单元选择待展现的候选商家对象具体为：获取候选商家对象的当前时间的历史投放数据；根据所述历史投放数据计算所述候选商家对象的已分配量；根据所述候选商家对象的所述已分配量和预先设定的总分配量，选择待展现的所述候选商家对象。

本申请依据商家品质决定总分配量，并根据总分配量和已分配量进行流量分配，将流量向商家品质好的商家对象倾斜，能够在整体上提高引流效果，进而能有效地提高网络资源利用率，提高了用户体验，减轻了访问服务器的负担。

附图说明

图1A是本发明实施例的一种信息展示方法详细流程示意图；

图1B是本发明实施例的又一种信息展示方法详细流程示意图；

图2A为本发明实施例的一种服务器示意图；

图2B为本发明实施例的又一种服务器示意图。

具体实施方式

本申请实施例中，对引流入口同一批候选商家对象分配流量以提供展示机会时，根据候选商家对象的预先设定的总分配量以及已分配量，选择待展现的所述候选商家对象，以将所述选择的所述候选商家对象的投放数据发送给所述引流入口页面进行信息展现。所述的预先设定的总分配量可以依据商家品质来决定。所述的商家品质可以依据商家的成交额数据等与交易相关的数据来判定。通过上述技术手段能够确保根据候选商家对象的预先设定的总分配量来分配流量，能够提高引流效果，有效地提高网络资源利用率，提高了用户体验，减轻了访问服务器的负担。

下面结合附图和具体实施例对本发明进行详细、清楚、完整的说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1A是本发明实施例的一种信息展示方法详细流程示意图。该方法的执行主体为网络服务器，所述方法流程包括：

步骤100，接收引流入口页面的投放数据请求；

步骤102，选择待展现的候选商家对象；

步骤104，将所述选择的待展现的候选商家对象的投放数据发送给所述引流入口页面进行信息展现；

其中，所述选择待展现的候选商家对象具体为：

获取候选商家对象的当前时间的历史投放数据；

根据所述历史投放数据计算所述候选商家对象的已分配量；

根据所述候选商家对象的所述已分配量和预先设定的总分配量，选择待展现的所述候选商家对象。

具体地，所述引流入口页面可以是网络服务器中将用户流量引导至各商家的页面，如平台首页、类目频道页面、搜索页面以及营销活动页面等等。所述当前时间的历史投放数据可以是从当前时刻往前推的一定时间阈值内的已投放数据。所述已投放数据可以是那些被发送至所述引流入口页面的候选商家对象的投放数据。所述的一定时间阈值可以是一天、一小时、一周、一月等等，在此不做限定。

优选地，所述候选商家对象的已分配量，可以是已分配的流量数值本身，也可以是其它已分配量的衡量指标，例如，已分配的流量百分比，在此不做限定；所述的预先设定的总分配量可以是总共应该分配的流量数值本身，也可以是其它总分配量的衡量指标，例如总共应该分配的流量百分比，在此不做限定。

优选地，所述预先设定的总分配量可以是根据一定时间阈值内的所述候选商家对象的配额用数据计算获得的。所述配额用数据包括：成交额数据、客单价数据和/或购买转化率等与交易相关的数据。

所述的成交额数据是指某一特定时期内，在所述商家的网上页面上成交的某种或多种商品的金额，其单位以人民币“元”、美元、英镑等计算。所述的成交额有时也可以称为销售额。

所述的客单价（per customer transaction）是指一定时期内的每一个顾客平均购买商品的金额，也即是平均交易金额。客单价的一种计算公式是：客单价=成交额÷顾客数。另一种计算公式为：成交金额÷成交笔数。

所述的购买转化率是指就是所有到达商家网上店铺并产生购买行为的人数和所有到达商家网上店铺的总人数的比率。计算公式为：购买转化率=（产生购买行为的客户人数÷所有到达店铺的访客人数）×100%。

进一步优选地，所述预先设定的总分配量可以不止一个。具体地，可以设定多个不同的时间阈值，然后根据所述多个时间阈值得到多个不同的预先设定的总分配量，在当前投放数据请求来到时，可以根据当前投放数据请求对应的当前时刻确定对应于所述多个不同的时间阈值中的某一个，从而选择对应于该时间阈值的预先设定的总分配量。具体而言，假定多个时间阈值为：前一天的【07：00-08：00】，【08：00-09：00】，【10：00-11：00】，【11：00-12：00】，【12：00-13：00】。假定当前时刻是今天10：36，因为10：36处于10：00与11：00之间，那么此时选择【10：00-11：00】可能更为适合，因为相邻两天同一时间段的访问量往往相关性比较大。

进一步优选地，所述根据一定时间阈值内的所述候选商家对象的配额用数据计算获得所述预先设定的总分配量具体可包括以下步骤：

采用归一化计算方法得到所述配额用数据的归一值；

通过加权求和处理得到所述候选商家对象的综合得分；

根据各所述候选商家对象的综合得分在所有所述候选商家对象的综合得分的总和中所占比例，得到各所述候选商家对象的总分配量。

要说明的是，所述的归一化处理方法可以是最小-最大规范化方法，也可以是其它方法，例如利用方差和均值进行标准化的归一化处理方法，在此不做限定。

进一步优选地，所述根据所述候选商家对象的所述已分配量和预先设定的总分配量，选择待展现的所述候选商家对象具体可包括以下步骤：

根据所述候选商家对象的所述已分配量和预先设定的总分配量，计算所述总分配量和所述已分配量之间的差值；

根据所述差值，对所述候选商家对象进行排序，并对所述候选商家对象设置优先级；

选择高优先级的所述候选商家对象为所述待展现的所述候选商家对象。

可选地，在具体实施时，可以直接将差值按照从大到小的顺序进行排名，然后根据排名设定所述的优先级，排名越靠前的优先级越高。也可以采用别的方式确定优先级，例如，采用对所述差值进行除法运算以确定大小关系，再按照从大到小的顺序确定优先级的高低，在此不做限定。

另外，如图1B所示，在所述步骤104之后，还可以包含以下步骤106：统计所述选择的所述候选商家对象，作为下一次投放数据请求的历史投放数据。因为对于下一次投放数据请求而言，应本次请求而投放的数据是对应下一次数据请求时刻的历史投放数据。

从图1A或图1B所示的信息展示方法的详细流程可知，选取待展现的候选商家对象是将所述待展现的候选商家的投放数据在引流入口页面进行展现的基础，因此，如何选取待展现的候选商家对象在本申请中的作用十分重要，为进一步阐明本申请的方案，下面以具体示例对如何选取待展现的候选商家对象的工作原理进行详细描述。在所述具体示例中，根据各项指定指标对候选商家对象进行综合评分，所述的综合评分用于反映商家品质的好坏。按综合评分结果给各候选商家对象动态分配与其评分相匹配的流量，实现分配的流量与商家品质的匹配，有利于将流量更多地导向优质商家对象，进而提升成交量，有利于促进商家对象提升商家品质以及促进电子商务平台的发展。

为方便阐述，假设：某引流入口页面某个入口位置的投放数据是通过本申请的网络服务器（也可称为投放服务器）获取的，该位置每次可展现2个商家；某时段该位置共有5个候选展现商家，分别是A、B、C、D、E；对这5个商家的评价指标是过去一个小时的支付宝成交额、客单价、购买转化率这三个指标。

表1是上述5个候选展现商家对象的各项指标的数据。在表1中，候选展现商家对象A、B、C、D、E的支付宝成交额分别为15000、12000、16500、20000、10000元；候选展现商家对象A、B、C、D、E的客单价分别为110、200、124、100、176；候选展现商家对象A、B、C、D、E的购买转化率分别为：1.7%、1.68%、1.0%、2.0%、1.84%。

表1

商家	支付宝成交额	客单价	购买转化率
				A	15000	110	1.7%
B	12000	200	1.68%
				C	16500	124	1.0%
D	20000	100	2.0%
				E	10000	176	1.84%

为把上述支付宝成交额、客单价、购买转化率这些不同概念的数据换算成具有可比拟性的数值，对表1中5个候选展现商家对象的各项指标的数据进行归一化处理。所述归一化处理方法是最小-最大规范化线性变换方法，具体公式为a=[x-min(X)]/[max(X)-min(X)]，其中，x是当前要标准化的样本，X是对应的样本集，min（）是求最小值函数，max（）是求最大值函数。对于A来说，根据所述公式得到A的支付宝成交额归一值：a=[15000-10000]/[20000-10000]=0.5；对于A的其它指标归一值以及BCDE所有指标归一值的计算方法与此类似，不再赘述。最终5个候选展现商家的各项指标进行归一化处理后的数据如表2所示。在表2中，商家A、B、C、D、E的支付宝成交额归一值分别为0.5、0.2、0.65、1、0元；商家A、B、C、D、E的客单价归一值分别为0.1、1、0.24、0、0.76；商家A、B、C、D、E的购买转化率归一值分别为：0.7、0.68、0、1、0.84。

表2

商家	支付宝成交额(归一值)	客单价（归一值）	购买转化率（归一值）
				A	0.5	0.1	0.7
B	0.2	1	0.68
				C	0.65	0.24	0
D	1	0	1
				E	0	0.76	0.84

接下来，对各候选商家对象的综合得分进行计算。所述计算公式为：商家综合得分=支付宝成交额归一值*60%+客单价归一值*30%+购买转化率归一值*10%。5个候选展现商家的综合得分如表3所示。在表3中，商家A、B、C、D、E的综合得分分别为：0.4，0.488，0.462，0.7，0.312。

表3

商家	综合得分
		A	0.5*0.6+0.1*0.3+0.7*0.1=0.4
B	0.2*0.6+1*0.3+0.68*0.1=0.488
		C	0.65*0.6+0.24*0.3+0*0.1=0.462
D	1*0.6+0*0.3+1*0.1=0.7
		E	0*0.6+0.76*0.3+0.84*0.1=0.312

有了各候选商家对象综合得分，就可以计算各候选商家对象总共应分配的流量百分比。计算所述各候选商家对象总共应分配的流量百分比的公式为a=[x]/[sum(X)]，其中，x是当前样本，X是对应的样本集。5个候选展现商家总共应分配的流量百分比如表4所示。在表4中，商家A、B、C、D、E的总共应分配的流量百分比为：16.93%，20.66%，19.56%，29.64%，13.21%。

表4

商家	流量百分比
		A	0.4/2.362=16.93%

B	0.488/2.362=20.66%
		C	0.462/2.362=19.56%
D	0.7/2.362=29.64%
		E	0.312/2.362=13.21%

有了各候选商家对象总共应分配的流量百分比，再结合实时统计的各候选商家已展现数据流量百分比，就可以针对本次请求选择待展现的商家对象。具体为：

首先，计算各候选商家对象总共应分配流量百分比与当前已分配流量百分比的差值，

其次，将差值按照从大到小顺序排列，将排名前两位的两个商家作为针对本次请求的展现商家。

上述差值以及选择的展现商家如表5所示。在表5中，针对第一次请求时，此时还没有为任何商家分配流量，因此所有商家已分配流量百分比皆为0，此时各候选商家ABCDE总共应分配流量百分比与当前已分配流量百分比的差值依次为：16.93%，20.66%，19.56%，29.64%，13.21%。排在前两位的是20.66%，29.64%，分别对应商家B、D，因此此时选择的展现商家是B、D。针对第二次请求时，此时只在上一次请求时为商家B、D分配过流量，假定上一次为展现商家B、D所耗费的流量是一样的，那么此时商家ABCDE的已分配流量百分比显然依次为0，50%，0，50%，0。假定此时的此时各候选商家ABCDE总共应分配流量百分比与前次请求时相同，即依次为：16.93%，20.66%，19.56%，29.64%，13.21%。此时各候选商家ABCDE总共应分配流量百分比与当前已分配流量百分比的差值依次为：16.93%，-29.34%，19.56%，-20.36%，13.21%。排在前两位的是16.93%，19.56%，分别对应商家A、C，因此此时选择的展现商家是A、C。对于表5中第3、4、5次的请求的处理类似于对于第1、2次请求的处理，在此不再赘述。

表5

要说明的是，虽然本申请中以最近一小时的统计数据为例，但是，也可以采用其它时间段，例如，最近一周、最近一月等等，在此不做限定。只不过使用时长较短的统计数据，能体现更强的实时性；使用时长较长的统计数据，能体现更强的稳定性。在具体实施时，可以根据实际情况进行选择。

本申请依据商家品质决定总分配量，并根据总分配量和已分配量进行流量分配，将流量向商家品质好的商家对象倾斜，以提高用户访问展现的商家对象的满意度，减少用户的访问时间，这不但提高了用户体验，减轻了访问服务器的负担，而且能够在整体上提高引流效果，进而能有效地提高网络资源利用率。

图2A是本发明实施例的一种服务器，所述服务器包括：

接收单元200，用于接收引流入口页面的投放数据请求；

选择单元202，用于选择待展现的候选商家对象；

投放单元204，用于将所述选择的待展现的候选商家对象的投放数据发送给所述引流入口页面进行信息展现；

其中，所述选择单元202选择待展现的候选商家对象具体为：

获取候选商家对象的当前时间的历史投放数据；

根据所述历史投放数据计算所述候选商家对象的已分配量；

根据所述候选商家对象的所述已分配量和预先设定的总分配量，选择待展现的所述候选商家对象。

优选地，如图2B所示，所述服务器还可以包括统计单元206，用于统计所述选择的所述候选商家对象，作为下一次投放数据请求的历史投放数据。

优选地，所述预先设定的总分配量是根据一定时间阈值内的所述候选商家对象的配额用数据计算获得的，所述配额用数据包括：成交额数据、客单价数据和/或购买转化率。

优选地，所述选择单元根据一定时间阈值内的所述候选商家对象的配额用数据计算获得所述预先设定的总分配量，具体为：采用归一化计算方法得到所述配额用数据的归一值；通过加权求和处理得到所述候选商家对象的综合得分；根据各所述候选商家对象的综合得分在所有所述候选商家对象的综合得分的总和中所占比例，得到各所述候选商家对象的总分配量。要说明的是，所述的归一化处理方法可以是最小最大规范化方法，也可以是其它方法，例如利用方差和均值进行标准化的归一化处理方法，在此不做限定。

优选地，所述选择单元还用于：根据所述候选商家对象的所述已分配量和预先设定的总分配量，计算所述总分配量和所述已分配量之间的差值；根据所述差值，对所述候选商家对象进行排序，并对所述候选商家对象设置优先级；选择高优先级的所述候选商家对象为所述待展现的所述候选商家对象。可选地，在具体实施时，可以直接将差值按照从大到小的顺序进行排名，然后根据排名设定所述的优先级，排名越靠前的优先级越高。也可以采用别的方式确定优先级，例如采用对所述差值进行除法运算以确定大小关系，再按照从大到小的顺序确定优先级的高低，在此不做限定。

本领域技术人员应该进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施方式而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (6)

1.一种信息展现方法，其特征在于，所述方法包括：

接收引流入口页面的投放数据请求；

选择待展现的候选商家对象；

将所述选择的待展现的候选商家对象的投放数据发送给所述引流入口页面进行信息展现；

其中，所述选择待展现的候选商家对象具体为：

获取所述候选商家对象的当前时间的历史投放数据；

根据所述历史投放数据计算所述候选商家对象的已分配量；

根据所述候选商家对象的所述已分配量和预先设定的总分配量，计算所述总分配量和所述已分配量之间的差值；其中，所述预先设定的总分配量是根据第一时间阈值内的所述候选商家对象的配额用数据计算获得的，所述配额用数据包括以下数据中的一项或多项：成交额数据、客单价数据、购买转化率；

根据所述差值，对所述候选商家对象进行排序，并对所述候选商家对象设置优先级；

选择高优先级的所述候选商家对象为所述待展现的所述候选商家对象。

2.如权利要求1所述的信息展现方法，其特征在于，所述方法还包括：

统计所述选择的所述候选商家对象，作为下一次投放数据请求的历史投放数据。

3.如权利要求2所述的信息展现方法，其特征在于，所述根据一定时间阈值内的所述候选商家对象的配额用数据计算获得所述预先设定的总分配量具体为：

采用归一化计算方法得到所述配额用数据的归一值；

通过加权求和处理得到所述候选商家对象的综合得分；

根据各所述候选商家对象的综合得分在所有所述候选商家对象的综合得分的总和中所占比例，得到各所述候选商家对象的总分配量。

4.一种服务器，其特征在于，所述服务器包括：

接收单元，用于接收引流入口页面的投放数据请求；

选择单元，用于选择待展现的候选商家对象；

投放单元，用于将所述选择的待展现的候选商家对象的投放数据发送给所述引流入口页面进行信息展现；

其中，所述选择单元选择待展现的候选商家对象具体为：

获取候选商家对象的当前时间的历史投放数据；

根据所述历史投放数据计算所述候选商家对象的已分配量；

根据所述候选商家对象的所述已分配量和预先设定的总分配量，计算所述总分配量和所述已分配量之间的差值；其中，所述预先设定的总分配量是根据第一时间阈值内的所述候选商家对象的配额用数据计算获得的，所述配额用数据包括以下数据中的一项或多项：成交额数据、客单价数据、购买转化率；

根据所述差值，对所述候选商家对象进行排序，并对所述候选商家对象设置优先级；

选择高优先级的所述候选商家对象为所述待展现的所述候选商家对象。

5.如权利要求4所述的服务器，其特征在于，所述服务器还包括：

统计单元，用于统计所述选择的所述候选商家对象，作为下一次投放数据请求的历史投放数据。

6.如权利要求5所述的服务器，其特征在于，所述选择单元根据一定时间阈值内的所述候选商家对象的配额用数据计算获得所述预先设定的总分配量，具体为：

采用归一化计算方法得到所述配额用数据的归一值；

通过加权求和处理得到所述候选商家对象的综合得分；

根据各所述候选商家对象的综合得分在所有所述候选商家对象的综合得分的总和中所占比例，得到各所述候选商家对象的总分配量。