CN103971257B - 一种互联网媒体组合投放效果的估计方法及系统 - Google Patents

Abstract

本发明公开了一种互联网媒体组合投放效果的估计方法及系统，涉及数字媒体技术。本发明公开的方法包括：对任意的媒体组合，通过该媒体组合中各媒体的到达率曲线分别计算各媒体在指定总收视率(GRP)下的曝光次数到达率，根据所述频率到达率和受众历史访问数据计算单个受众在单个媒体上的曝光次数的概率分布，根据单个受众在各媒体上的曝光次数的概率分布计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布，汇集所有单受众的概率分布得到媒体组合在所有受众上的预估到达率。本发明还公开了一种互联网媒体组合投放效果的估计系统。本申请技术方案实现了基于曝光量层面的互联网广告效果预估，尤其适用于多种媒体组合投放效果的估计。

Description

一种互联网媒体组合投放效果的估计方法及系统

技术领域

本发明涉及数字媒体技术，特别涉及一种基于历史数据估计互联网媒体组合投放效果的方案。

背景技术

互联网广告是现代营销媒体战略的重要组成部分。互联网上的网站资源极为丰富，媒介公司在为广告主执行互联网广告投放时，常选择一个以上的网站进行投放。互联网广告的受众到达率，即广告活动覆盖到的受众人数占目标受众总人数的百分比，是衡量广告传播覆盖效果优劣的重要指标。在以广告活动的总到达率来衡量广告活动的投放效果的前提下，实际投放中不同的网站之间的重叠成为了影响投放效果的一个重要因素。假设一个广告创意在两个网站上进行投放，只要出现了一人在两个网站上都观看了此广告创意的情况，那么两个网站各自的到达率相加起来并不等于整个广告活动的总到达率。在有多个备选媒体的情况下，媒介公司需要将固定的预算最合理地分配到这些备选媒体上，使得广告活动的整体覆盖效果达到最好。因此，媒介公司的广告计划组非常需要能够预估媒体组合的投放效果的工具。

传统媒体上通常采用分层抽样的方式来获取具有代表性的样本，每个样本身上带有权重系数，使得最终的样本人群能沟通代表所在地区的整体收视人口，并通过实时追踪样本的收视行为来反映媒体收视情况和覆盖效果，当媒介计划人员要对媒体组合进行评估时，则根据收视样本的历史数据计算不同的组合效果。这种传统的媒体预估工具的一个缺点是需要花费很大的人力和物力去搭建有代表性的样本，同时其仅支持基于排期的广告投放模式。相比于传统媒体，数字媒体的受众媒体消费行为更为碎片化和多元化，传统媒体建立有代表性样本的方式无法在数字媒体上简单复制。

另外，在大数据的广告时代，简单地按天购买广告位置的模式逐渐被基于曝光量的购买模式替代。传统媒体中所使用的排期模拟的方法并不适用于基于曝光量的购买模式，这是由于按照报告需求购买曝光量的购买模式，不仅受到受众浏览行为影响，也会受到媒体提供的广告资源、具体广告投放的位置和时间等因素所影响。目前市场上还未出现基于曝光量层面的媒体预估工具，所以基于曝光量层面的效果预估解决方案对于互联网广告行业是十分迫切和重要的。

发明内容

本发明所要解决的技术问题是，提供一种互联网媒体组合投放效果的估计方法及系统，以实现基于曝光量层面的互联网广告效果预估。

为了解决上述技术问题，本发明公开了一种互联网媒体组合投放效果的估计方法，包括：

对任意的媒体组合，通过该媒体组合中各媒体的到达率曲线分别计算各媒体在指定总收视率(GRP)下的曝光次数到达率，根据所述频率到达率和受众历史访问数据计算单个受众在单个媒体上的曝光次数的概率分布，根据单个受众在各媒体上的曝光次数的概率分布计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布，汇集所有单受众的概率分布得到媒体组合在所有受众上的预估到达率。

较佳地，上述方法中，所述受众历史访问数据为单个受众访问所述媒体组合中的各媒体次数信息。

较佳地，上述方法中，根据单个受众在各媒体上的曝光次数的概率分布计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布的过程如下：

将代表0次、1次、......、(n-1)、n+次曝光的概率的各变量置0；

遍历计算一个受众在各媒体上的所有可能的曝光次数的组合，其中，按照如下公式计算一个受众在m个媒体上曝光次数依次为k₁次，k₂次，...，k_m次的概率：

曝光次数组合的概率＝受众在第1个媒体上曝光k₁次的概率×受众在第2个媒体上曝光k₂次的概率×......×受众在第m个媒体上曝光k_m次的概率；

再将计算出来的曝光次数组合的概率累加到代表总曝光次数TotalK的概率的变量上，其中，TotalK是在这个曝光次数组合下此受众在所有媒体上的总曝光次数，TotalK＝k₁+k₂+......+k_m；

取遍(n+1)^m个曝光次数组合后，将受众在所有媒体上一共看了1次的所有曝光次数组合的概率都累加到代表1次曝光的概率的变量x₁上，x₁的最终值为受众在所有媒体上一共曝光1次的总概率，依次类推，计算出受众在所有媒体一共曝光0次、1次、......、(n-1)、n+次的概率。

较佳地，上述方法中，按照如下公式计算媒体组合的各曝光次数到达率：

其中，L为参与估计广告效果所有受众的总人数。

本发明还公开了一种互联网媒体组合投放效果的估计系统，包括：

第一模块，对任意的媒体组合，通过该媒体组合中各媒体的到达率曲线分别计算各媒体在指定总收视率(GRP)下的曝光次数到达率；

第二模块，根据所述频率到达率和受众历史访问数据计算单个受众在单个媒体上的曝光次数的概率分布；

第三模块，根据单个受众在各媒体上的曝光次数的概率分布计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布；

第四模块，汇集所有单受众的概率分布得到媒体组合在所有受众上的预估到达率。

较佳地，上述系统中，所述受众历史访问数据为单个受众访问所述媒体组合中的各媒体次数信息。

较佳地，上述系统中，所述第三模块根据单个受众在各媒体上的曝光次数的概率分布计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布的过程如下：

将代表0次、1次、......、(n-1)、n+次曝光的概率的各变量置0；

遍历计算一个受众在各媒体上的所有可能的曝光次数的组合，其中，按照如下公式计算一个受众在m个媒体上曝光次数依次为k₁次，k₂次，...，k_m次的概率：

曝光次数组合的概率＝受众在第1个媒体上曝光k₁次的概率×受众在第2个媒体上曝光k₂次的概率×......×受众在第m个媒体上曝光k_m次的概率；

再将计算出来的曝光次数组合的概率累加到代表总曝光次数TotalK的概率的变量上，其中，TotalK是在这个曝光次数组合下此受众在所有媒体上的总曝光次数，TotalK＝k₁+k₂+......+k_m；

取遍(n+1)^m个曝光次数组合后，将受众在所有媒体上一共看了1次的所有曝光次数组合的概率都累加到代表1次曝光的概率的变量x₁上，x₁的最终值为受众在所有媒体上一共曝光1次的总概率，依次类推，计算出受众在所有媒体一共曝光0次、1次、......、(n-1)、n+次的概率。

较佳地，上述系统中，所述第一模块按照如下公式计算媒体组合的各曝光次数到达率：

其中，L为参与估计广告效果所有受众的总人数。

本申请技术方案实现了基于曝光量层面的互联网广告效果预估，尤其适用于多种媒体组合投放效果的估计。

具体实施方式

图1为本实施例中互联网媒体组合投放效果估计流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文将结合附图对本发明技术方案作进一步详细说明。需要说明的是，在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

实施例1

发明人提出基于全流量监测下的媒体到达率曲线来预估多个互联网媒体的组合广告效果。

基于上述思想，本实施例提供一种互联网媒体组合投放效果的估计方法。该方法，首先对任意的媒体组合，通过各媒体的到达率曲线得到每个媒体在指定总收视率(GRP)下的各次数到达率，然后根据到达率和受众历史访问数据计算单个受众在单个媒体上的曝光次数的概率分布，其次通过组合单媒体概率得到单个受众在所有媒体上的总曝光次数的概率分布，最后汇集所有单受众的概率分布给出媒体组合在所有受众上的预估到达率即可。具体地，该方法包括如下操作：

步骤1，监测和存储互联网用户的历史网络行为日志，统计每个用户在历史行为数据中访问各个媒体的次数信息，并将次数信息存储于服务器中用于后续计算。

步骤2，根据已有的各媒体的到达率曲线，提取并存储待计算效果的媒体组合中每个媒体在给定GRP下的各次数到达率；

到达率曲线(Reach Curve)是由广告活动的投放量和到达率组成的曲线，用于精确地反映随着投放量的增大观看广告的人数的增长情况。到达率曲线图中纵坐标为到达率(Reach)，横坐标为总收视率(GRP)。

本发明中，参与计算的媒体列表记为{Media₁，Media₂，...，Media_m}，待计算效果的预算分配中每个媒体的投放曝光量对应的GRP记为{GRP₁，GRP₂，...，GRP_m}，其中m为媒体的总数，

根据各媒体的输入GRP，从各个到达率曲线中横坐标为输入GRP的位置提取出每个媒体的GRP对应的历史到达率基准值，即：

当第i个媒体Media_i投放了GRP_i个曝光量时，从Media_i的j次到达率曲线取出横坐标为GRP_i的点，这个点的纵坐标即为Media_i的j次Reach，这里记为Reach_i，j，其中i取值为1到m(m为媒体个数)，j取值为0到n(n为需要计算的最高次数)。特别地，Reach_i，n代表的不是n次Reach，而是n+Reach，其中n+代表的是大于等于n的所有次数。根据上述方法从到达率曲线中获得媒体组合中所有媒体所有曝光次数的到达率之后，将到达率数据存储下来用于下一步骤的计算。

步骤3，根据步骤1中存储的互联网用户的历史曝光次数数据和步骤2中存储的媒体组合的各曝光次数到达率数据，计算并存储在单个媒体的指定投放量下，每个用户在此媒体上的曝光次数的概率分布；

根据第i个媒体的0次、1次、2次、......、(n-1)、n+次到达率，以及历史数据中的每个用户观看第i个媒体的次数，计算在到达率条件下每个用户恰好观看这个媒体0次、1次、2次、......、(n-1)、n+次的概率。

将输入的第i个媒体的j次到达率记为Reach_i，j，待求的第k个用户的曝光次数恰为j次的概率记为p_k，j，其中k＝1，2_，...，L，L为用户总数。那么，p_k，j应该满足如下两个条件：

a)在历史行为数据中，第k个用户在第i个媒体上的历史曝光次数f_k，i越高，则其在媒体组合的投放条件下能达到j次的概率p_k，j也应该越大，即两者的关系满足p_k，j＝g(f_k，i)时，函数g应为递增函数，例如，正比例函数。

b)在各个用户达到j次的概率的条件下，所有L个用户上的j次到达率的期望应该等于输入的媒体到达率的Reach_i，j，即

根据上述两个条件，我们可以通过计算机求解方程来计算出所有的p_k，j，即每个用户在媒体组合中的第i个媒体上产生j次曝光的概率。

对所有的媒体进行上述计算之后，将计算出来的概率数据保存下来用于后续组合步骤的计算。

步骤4，根据某个用户在各个单媒体上的曝光次数的概率分布，计算并存储这个用户在所有媒体上的总曝光次数的分布；

在上一步骤中得出每个用户在单媒体上恰有0次、1次、......、(n-1)、n+次曝光的概率后，通过组合概率的方法来计算每个用户在所有媒体上恰有0次、1次、......、(n-1)、n+次曝光的概率。其中，详细计算的过程如下：

4a)将代表0次、1次、......、(n-1)、n+次曝光的概率的各变量置0，这里记代表k次曝光的概率的变量为x_k；

4b)遍历计算这个用户在各媒体上的所有可能的曝光次数的组合。一个用户在单个媒体上的曝光次数可以是0次、1次、......、(n-1)、n+次，那么对于m个媒体的媒体组合，这个用户共有(n+1)^m种不同的曝光次数的组合。对于这(n+1)^m种曝光次数组合中的每一个不同的组合，依次进行如下计算：

假设目前待计算的组合中此用户在m个媒体上的曝光次数依次为k₁次，k₂次，...，k_m次，首先计算该曝光次数组合的概率，计算方法如下：

曝光次数组合的概率＝用户在第1个媒体上看k₁次的概率(即用户在第1个媒体上曝光K₁次的概率)×用户在第2个媒体上看k₂次的概率×......×用户在第m个媒体上看k_m次的概率；

然后将计算出来的曝光次数组合的概率累加到代表TotalK次曝光的概率的变量(即x_TotalK)上。其中，TotalK是在这个曝光次数组合下此用户在所有媒体上的总曝光次数，即TotalK＝k₁+k₂+......+k_m，大于等于n的TotalK统一归结到n+上。

4c)当取遍(n+1)^m个曝光次数组合后，用户在所有媒体上一共看了1次的所有曝光次数组合的组合概率都累加到了代表1次曝光的概率的变量x₁上，那么x₁的最终值即用户在所有媒体上一共恰好看了1次的总概率。依次类推，可算出用户在所有媒体一共看了0次、1次、......、(n-1)、n+次的概率。

对每一个用户，根据上述步骤计算出此用户在所有媒体上的总曝光次数为0次、1次、......、(n-1)、n+次的概率，并将这些概率数据存储下来用于到达率的计算。

还要说明的是，也可以采用本实施例以外的其他方式计算单个受众在单个媒体上的曝光次数的概率分布。

步骤5，汇集所有用户的曝光次数的分布，计算媒体组合的各曝光次数到达率并出具报告；

从上一步骤中得到每个用户在媒体组合下总曝光次数为j的概率后，所有用户的概率之和即为媒体组合对应的实际投放中在所有媒体上产生j次曝光的用户人数的期望。那么媒体组合的j次到达率的预估公式即为：

其中L为所有用户的总人数。

最后，将计算出来的媒体组合的0次、1次、......、(n-1)、n+次到达率汇总，出具媒体组合的整体投放效果的报告，依次显示媒体组合在各到达率的整体投放效果即可。

其中，

由于互联网用户的规模非常巨大，步骤3-5中可能会出现参与计算的用户数量过多而导致计算能力无法承受实际需求的情况。在这种情况下，一种替代的方案是对所有用户进行抽样，通过减少参与计算的用户数量来降低计算量，即：从所有用户中随机抽取部分用户作为样本来进行步骤3-5的计算，并将抽样用户上的计算结果作为对所有用户上的计算结果的抽样估计即可。

为使本发明的目的、技术方案和优点更加清楚明白，下文将结合附图对上述方法作进一步详细说明。按照上述方法估计互联网媒体组合投放效果的具体过程如下，包括步骤110至170。

110：监测并存储用户网络行为日志，从其中统计出每个用户在历史数据中访问各个媒体的次数信息。

本实施例以3个媒体(记为媒体A、B、C)为例，记录的用户访问媒体的次数如表1所示。

表1为每个用户访问每个媒体的次数表

	媒体A访问次数	媒体B访问次数	媒体C访问次数
				互联网用户1	4	2	0
互联网用户2	0	1	0
				互联网用户3	2	0	2
...	...	...	...

120：对所有互联网用户进行随机抽样，减少参与计算的总用户数量，使得用于运算的服务器可以承受后续计算模块的计算能力需求。

在本实施例中我们仅以表1中的3个用户为例演示后续计算过程，实际计算中使用的样本数量可根据计算能力进行自由调整，选择抽样的比例或者不进行此抽样步骤。

130：输入待计算到达率的媒体组合中每个媒体被分配的曝光量，其中曝光量以GRP形式来表示。

本实施例中使用的媒体组合如表2所示，3个媒体的投放量依次为25个GRP、15个GRP、15个GRP。

表2为每个媒体投放的GRP表

	媒体A	媒体B	媒体C
				投放GRP	25	15	15

140：根据每个媒体的到达率曲线，获取每个媒体在指定GRP下各个曝光次数的到达率。

媒体的到达率曲线是反映媒体的到达率随着投放量增加而变化的曲线，由曲线生成工具从历史数据中计算而成。到达率曲线的横坐标为媒体GRP，纵坐标和到达率，不同曝光次数的到达率曲线对应不同曝光次数的到达率。本专利中我们假设各个媒体的到达率曲线已经计算完毕，这里直接从到达率曲线中指定GRP对应的位置取出对应的到达率。

根据表2中的GRP数据，本实施例中记录的各媒体的到达率如表3所示。

表3为3个媒体在各自的GRP下，0次、1次、2+次的到达率表

	0	1	2+
				媒体A	80％	15％	5％
媒体B	90％	8％	2％
				媒体C	90％	6％	4％

150：根据样本用户的历史访问次数数据和媒体组合下各媒体的到达率数据，计算每个用户在单媒体的GRP下在这个媒体上恰产生0次、1次、2+次曝光的概率。

本实施中，以表1中的3个用户和表2中媒体A的各次数到达率为例演示计算过程。

计算过程中，每个用户访问媒体A的次数概率需满足

(1)∑_{i＝1，2，3}用户i访问媒体A的次数为k次的概率/3＝媒体A在给定GRP

下的k次到达率；

(2)∑_{k＝0，1，2+}用户i访问媒体A的次数为k次的概率＝1

用户i访问媒体A的次数为k次的概率随着历史数据中用户i访问媒体A的次数而递增。本实施例中我们假设两者之间为正比例关系，实际计算中亦可使用其他递增的函数关系。

例如，在表1的样本数据中3个用户访问媒体A的次数分别为4、0、2，根据条件(3)，3个用户访问媒体A恰为1次的概率之间的比例应该也为4：0：2；再根据条件(2)，3个概率的平均值应等于媒体A的1次到达率，15％。根据这两个条件我们可以求解出3个用户访问媒体A的次数为1的概率应分别为30％、0％、15％。

根据以上方法，本实施例中记录的3个用户访问媒体A的次数为0次、1次、2+次的概率计算如表4所示。

表4为3个用户访问媒体A的次数为0次、1次、2+次的概率表

	0	1	2+
				用户1	0.6	0.3	0.1
用户2	1	0	0
				用户3	0.8	0.15	0.05

160：汇总每个用户的单媒体概率，计算用户在媒体组合中的所有媒体上发生了0次、1次、......、(n-1)、n+次曝光的概率。

本实施中，以表1中的用户1和表2中的3个媒体为例演示计算过程。

上述150步骤中演示了各用户访问媒体A各次数的概率，类似地可以分别计算出各用户访问媒体B和媒体C的各次数概率。在获得了所有媒体的概率后，汇总用户1在3个媒体下各自的次数概率如表5所示。

表5为用户1访问各个媒体的次数分别为0次、1次、2+次的概率表

	0	1	2+
				媒体A	0.6	0.3	0.1
媒体B	0.75	0.2	0.05
				媒体C	1	0	0

根据表5中的数据来计算用户1访问所有3个媒体的总次数为0次、1次、2+次的概率。计算过程中须遍历用户1在3个媒体组合下的所有次数组合，共33＝27种。

计算过程示例如下：

3个媒体的访问次数为0、0、0时，访问所有媒体的总次数为0，概率为表5中0对应的3个数相乘，即0.6×0.75×1＝0.45；

3个媒体的访问次数为1、0、0时，访问所有媒体的总次数为1，概率为表5中对应的3个数相乘，即0.3×0.75×1＝0.225；

3个媒体的访问次数为0、1、0时，访问所有媒体的总次数同样为1，概率为表5中对应的3个数相乘，即0.6×0.2×1＝0.12；

3个媒体的访问次数为0、0、1时，访问所有媒体的总次数同样为1，概率为表5中对应的3个数相乘，即0.6×0.75×0＝0；

类似地遍历所有的次数组合，并把相等次数的概率相加得到每个次数的总概率。例如：访问所有媒体的次数为1的总概率等于(2)-(4)这三种组合的概率之和，即0.225+0.12+0＝0.345。

本实施例中最终计算出来的用户1访问所有媒体的次数为0次、1次、2+次的概率如表6所示。

表6为用户1访问所有媒体的次数分别为0次、1次、2+次的概率表

	0	1	2+
				所有媒体	0.45	0.345	0.205

170，汇总所有用户的各次数曝光概率，从而预估出媒体组合的各次数到达率。

上述的160步骤演示了用户1在所有媒体上的各次数概率，类似地可以分别计算出用户2和用户3在所有媒体上的各次数概率，汇总所有次数概率如表7所示。

表7为3个用户在所有媒体上的次数分别为0次、1次、2+次的概率表

	0	1	2+
				用户1	0.45	0.345	0.205
用户2	0.85	0.1	0.05
				用户3	0.7	0.185	0.115

根据表7中的数据，我们计算所有媒体的各次数到达率作为本装置的最终输出结果。将样本上的到达率作为对真实到达率的估计，媒体组合的各次数到达率的计算方法即为

根据上述方法，

所有媒体的0次到达率为表7中0列对应的3个数的平均值，即(0.45+0.85+0.7)/3≈67％；

所有媒体的0次到达率为1的概率为(0.345+0.1+0.185)/3≈21％；

所有媒体的0次到达率为(0.205+0.05+0.115)/3≈12％；

本实施例中最终计算出来的媒体组合的0次、1次、2+次到达率如表8所示。

表8为给定媒体组合下所有媒体的0次、1次、2+次到达率表

	0	1	2+
				最终结果到达率	67％	21％	12％

实施例2

本实施例提供一种互联网媒体组合投放效果的估计系统，该系统至少包括如下各模块。

第一模块，对任意的媒体组合，通过该媒体组合中各媒体的到达率曲线分别计算各媒体在指定总收视率(GRP)下的曝光次数到达率；

本实施例中，上述第一模块按照如下公式计算媒体组合的各曝光次数到达率：

其中，L为参与估计广告效果所有受众的总人数。

第二模块，根据所述频率到达率和受众历史访问数据计算单个受众在单个媒体上的曝光次数的概率分布；

其中，受众历史访问数据为单个受众访问媒体组合中的各媒体次数信息。

第三模块，根据单个受众在各媒体上的曝光次数的概率分布计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布；

具体地，第三模块根据单个受众在各媒体上的曝光次数的概率分布计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布的过程如下：

将代表0次、1次、......、(n-1)、n+次曝光的概率的各变量置0；

遍历计算一个受众在各媒体上的所有可能的曝光次数的组合，其中，按照如下公式计算一个受众在m个媒体上曝光次数依次为k₁次，k₂次，.….，k_m次的概率：

曝光次数组合的概率＝受众在第1个媒体上曝光k₁次的概率×受众在第2个媒体上曝光k₂次的概率×......×受众在第m个媒体上曝光k_m次的概率；

再将计算出来的曝光次数组合的概率累加到代表总曝光次数TotalK的概率的变量上，其中，TotalK是在这个曝光次数组合下此受众在所有媒体上的总曝光次数，TotalK＝k₁+k₂+......+k_m，大于等于n的TotalK统一归结到n+上；

取遍(n+1)^m个曝光次数组合后，将受众在所有媒体上一共看了1次的所有曝光次数组合的概率都累加到代表1次曝光的概率的变量x₁上，x₁的最终值为受众在所有媒体上一共曝光1次的总概率，依次类推，计算出受众在所有媒体一共曝光0次、1次、......、(n-1)、n+次的概率。

第四模块，汇集所有单受众的概率分布得到媒体组合在所有受众上的预估到达率。

本实施例提供的系统可实现实施例1所提供的方法，因此本实施例提供的互联网媒体组合投放效果的估计系统的其他细节可参见实施例1的相应内容，在此不再赘述。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本申请不限制于任何特定形式的硬件和软件的结合。

以上所述，仅为本发明的较佳实例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种互联网媒体组合投放效果的估计方法，其特征在于，该方法包括：

对任意的媒体组合，通过该媒体组合中各媒体的到达率曲线分别计算各媒体在指定总收视率GRP下的曝光次数到达率，根据频率到达率和受众历史访问数据计算单个受众在单个媒体上的曝光次数的概率分布，根据单个受众在各媒体上的曝光次数的概率分布使用组合概率方式计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布，汇集所有单受众的概率分布得到媒体组合在所有受众上的预估到达率；

其中，所述受众历史访问数据为单个受众访问所述媒体组合中的各媒体次数信息；

根据单个受众在各媒体上的曝光次数的概率分布使用组合概率方式计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布的过程如下：

将代表0次、1次、……、(n-1)、n+次曝光的概率的各变量置0；

遍历计算一个受众在各媒体上的所有可能的曝光次数的组合，其中，按照如下公式计算一个受众在m个媒体上曝光次数依次为k₁次,k₂次,…,k_m次的概率：

曝光次数组合的概率＝受众在第1个媒体上曝光k₁次的概率×受众在第2个媒体上曝光k₂次的概率×……×受众在第m个媒体上曝光k_m次的概率；

再将计算出来的曝光次数组合的概率累加到代表总曝光次数TotalK的概率的变量上，其中，TotalK是在这个曝光次数组合下此受众在所有媒体上的总曝光次数，TotalK＝k₁+k₂+……+k_m；

取遍(n+1)^m个曝光次数组合后，将受众在所有媒体上一共看了1次的所有曝光次数组合的概率都累加到代表1次曝光的概率的变量x₁上，x₁的最终值为受众在所有媒体上一共曝光1次的总概率，依次类推，计算出受众在所有媒体一共曝光0次、1次、……、(n-1)、n+次的概率。

2.如权利要求1所述的方法，其特征在于，按照如下公式计算媒体组合的各曝光次数到达率：

其中，L为参与估计广告效果所有受众的总人数。

3.一种互联网媒体组合投放效果的估计系统，其特征在于，该系统包括：

第一模块，对任意的媒体组合，通过该媒体组合中各媒体的到达率曲线分别计算各媒体在指定总收视率GRP下的曝光次数到达率；

第二模块，根据频率到达率和受众历史访问数据计算单个受众在单个媒体上的曝光次数的概率分布；

第三模块，根据单个受众在各媒体上的曝光次数的概率分布使用组合概率方式计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布；

第四模块，汇集所有单受众的概率分布得到媒体组合在所有受众上的预估到达率；

其中，所述受众历史访问数据为单个受众访问所述媒体组合中的各媒体次数信息；

所述第三模块根据单个受众在各媒体上的曝光次数的概率分布使用组合概率方式计算单个受众在所述媒体组合的所有媒体上的总曝光次数的概率分布的过程如下：

将代表0次、1次、……、(n-1)、n+次曝光的概率的各变量置0；

遍历计算一个受众在各媒体上的所有可能的曝光次数的组合，其中，按照如下公式计算一个受众在m个媒体上曝光次数依次为k₁次,k₂次,…,k_m次的概率：

曝光次数组合的概率＝受众在第1个媒体上曝光k₁次的概率×受众在第2个媒体上曝光k₂次的概率×……×受众在第m个媒体上曝光k_m次的概率；

再将计算出来的曝光次数组合的概率累加到代表总曝光次数TotalK的概率的变量上，其中，TotalK是在这个曝光次数组合下此受众在所有媒体上的总曝光次数，TotalK＝k₁+k₂+……+k_m；

取遍(n+1)^m个曝光次数组合后，将受众在所有媒体上一共看了1次的所有曝光次数组合的概率都累加到代表1次曝光的概率的变量x₁上，x₁的最终值为受众在所有媒体上一共曝光1次的总概率，依次类推，计算出受众在所有媒体一共曝光0次、1次、……、(n-1)、n+次的概率。

4.如权利要求3所述的系统，其特征在于，所述第一模块按照如下公式计算媒体组合的各曝光次数到达率：

其中，L为参与估计广告效果所有受众的总人数。