CN104967878A

CN104967878A - 一种数据处理方法及服务器

Info

Publication number: CN104967878A
Application number: CN201410666147.4A
Authority: CN
Inventors: 习明昊; 朱海文; 郭宏瑜
Original assignee: Tencent Technology Beijing Co Ltd
Current assignee: Tencent Technology Beijing Co Ltd
Priority date: 2014-11-19
Filing date: 2014-11-19
Publication date: 2015-10-07
Anticipated expiration: 2034-11-19
Also published as: CN104967878B

Abstract

本发明公开了一种数据处理方法及服务器，其中，所述方法包括：获取第一采样数据，所述第一采样数据用于表征在第一终端播放多媒体信息所收集的用户反馈数据；获取第二采样数据，所述第二采样数据用于表征在第二终端播放多媒体信息所收集的用户反馈数据；将所述第二采样数据转换为对应第一终端模式的第三采样数据；基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型；获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型的运算得到第一目标结果，并输出到客户端显示所述第一目标结果。

Description

一种数据处理方法及服务器

技术领域

本发明涉及通讯技术，尤其涉及一种数据处理方法及服务器。

背景技术

本申请发明人在实现本申请实施例技术方案的过程中，至少发现相关技术中存在如下技术问题：

现有技术是利用第一终端，如传统电视媒体播放多媒体信息，比如在TV上播放广告，一个场景是CCTV1在新闻联播结束后到播放天气预报中间的时间段会用于播放广告。然而，在衡量多媒体信息的传播及收集用户对所述多媒体信息的反馈的场景下如果按照目前这种采用传统电视媒体播放多媒体信息，多媒体信息的传播及用户反馈结果的数据统计非常不直观，不方便。这里需要指出的是，第一终端除了是家用TV，还可以是电梯间、楼宇等场所设置的TV、出租车上的车载TV、马路电线杆等沿途醒目位置设置的广告栏这种用于输出所述多媒体信息的终端。

随着互联网技术的普及，近年来网络视频媒体传播广泛被大众接受，以网络视频媒体这种互联网输出终端作为第二终端用于输出所述多媒体信息的形式，已经被越来越多的用户所接受，越来越多的用户正在考虑或已经将所述多媒体信息在网络视频媒体上播放，即存在将多媒体信息的播放由传统电视媒体逐渐向网络视频媒体迁移的新趋势，目前的数据统计技术都是针对传统电视媒体或网络视频媒体任意一种输出终端的单一模式而言的，导致数据统计的精确度、直观性和便利性都不够好，对于这种新趋势下同时存在网络视频媒体和传统电视媒体构成的混合模式而言，如何进行数据统计及采取的数据统计方案能确保数据统计的精度高、数据统计直观和便利是要解决的技术问题，然而，对于这个技术问题，相关技术中并未存在有效的解决方案。

发明内容

有鉴于此，本发明实施例希望提供一种数据处理方法及服务器，至少解决了混合模式下的数据统计问题，而且相比任意一种单一的模式在该混合模式下不仅数据统计精度高，而且更加直观和便利。

本发明实施例的技术方案是这样实现的：

待确定权利要求后补入：

本发明实施例的数据处理方法包括：获取第一采样数据，所述第一采样数据用于表征在第一终端播放多媒体信息所收集的用户反馈数据；获取第二采样数据，所述第二采样数据用于表征在第二终端播放多媒体信息所收集的用户反馈数据；将所述第二采样数据转换为对应第一终端模式的第三采样数据；基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型；获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型的运算得到第一目标结果，并输出到客户端显示所述第一目标结果。采用本发明实施例，由于能实现混合模式下的数据统计，同时兼顾到第一终端和第二终端不同采样数据经建模运算得到的第一数据模型，从而将用户通过客户端输入的待处理参数经第一数据模型能够得到对应预期目标的目标结果，且第二终端这种引入互联网的统计是比第一终端的统计得到的反馈会更直观和便利，总之，采用本发明实施例相比任意一种单一的模式而言，在该混合模式下不仅数据统计精度高，而且更加直观和便利。

附图说明

图1为本发明方法实施例一的一个实现流程示意图；

图2为对应方法实施例一的客户端与服务器交互的一个示意图；

图3为对应方法实施例二的客户端与服务器交互的另一个示意图；

图4为本发明方法实施例三的一个实现流程示意图；

图5为对应方法实施例三的客户端与服务器交互的又一个示意图；

图6为应用本发明实施例一TV+ONLINE混合投放场景下的预估Reach数据曲线示意图；

图7为图6下结合重叠率系数来预估Reach数据曲线的示意图；

图8为应用本发明实施例一TV+ONLINE混合投放场景下的预估Reach数据曲线示意图；

图9为对应图8的用户界面的数据选择示意图；

图10为对应图9得到的预期目标结果的示意图；

图11为本发明服务器实施例一的一个组成结构示意图；

图12为本发明服务器实施例二的一个组成结构示意图。

具体实施方式

下面结合附图对技术方案的实施作进一步的详细描述。

方法实施例一：

本发明实施例的一种数据处理方法，如图1所示，所述方法包括：

步骤101、获取第一采样数据，所述第一采样数据用于表征在第一终端播放多媒体信息所收集的用户反馈数据；

步骤102、获取第二采样数据，所述第二采样数据用于表征在第二终端播放多媒体信息所收集的用户反馈数据；

步骤103、将所述第二采样数据转换为对应第一终端模式的第三采样数据；

步骤104、基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型；

步骤105、获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型的运算得到第一目标结果，并输出到客户端显示所述第一目标结果。

采用本发明实施例，通过步骤101-105能实现混合模式下的数据统计，同时兼顾到第一终端和第二终端不同采样数据经建模运算得到的第一数据模型，从而将用户通过客户端输入的待处理参数经第一数据模型能够得到对应预期目标的目标结果，且第二终端这种引入互联网的统计是比第一终端的统计得到的反馈会更直观和便利，总之，采用本发明实施例相比任意一种单一的模式而言，在该混合模式下不仅数据统计精度高，而且更加直观和便利。

在本发明实施例一实施方式中，所述第二输出终端与所述第一输出为不同类型的终端，共同构成所述混合模式下的数据传输；其中，所述第二终端为互联网输出终端，所述第一终端为互联网输出终端之外的终端。

随着多媒体信息的输出终端呈现多样化，如传统电视输出终端，作为本发明实施例的第一终端，是指通过接收微波信号或卫星信号来实现电视剧、新闻或综艺等多媒体信息，而且，第一终端除了是家用TV，还可以是电梯间、楼宇等场所设置的TV、出租车上的车载TV、马路电线杆等沿途醒目位置设置的广告栏这种用于输出所述多媒体信息的终端。又如，以网络视频媒体这种互联网输出终端作为第二终端用于输出所述多媒体信息的形式，互联网输出终端中的手机或平板电脑等各种互连网输出终端是通过互网络接收网络数据包来输出多媒体信息，在本发明实施例中是指基于安装于手机或平板电脑上的视频客户端来实现多媒体信息的播放，比如迅雷看看、PPTV等这些视频客户端。

应用本发明实施例一，如图2所示为对应客户端与服务器交互的示意图，图2中服务器中装载有用于计算第一指标的第一数据模型，比如计算收视率(GRP)到达率(Reach)的第一数据模型。

客户端基于该第一数据模型得到第一目标结果的处理流程包括：

a1、客户端输入待处理参数到服务器进行处理；

a2、服务器收到待处理参数至所述第一数据模型中进行逻辑运算，执行处理时，可以采用中央处理器(CPU，Central Processing Unit)、数字信号处理器(DSP，Digital Singnal Processor)或可编程逻辑阵列(FPGA，Field－Programmable Gate Array)实现；

a3、将所述待处理参数经所述第一数据模型的运算得到第一目标结果，并输出到客户端显示所述第一目标结果。

方法实施例二：

基于上述方法实施例一，本发明实施例的一种数据处理方法中还包括：

步骤S1、根据所述第一数据模型和第二预定规则进行建模得到混合模式下用于计算第二指标的第二数据模型；

步骤S2、获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第二数据模型的运算得到第二目标结果，并输出到客户端显示所述第二目标结果。

这里需要指出的是，步骤S1-S2相对于方法实施例一中的步骤顺序可以根据需要进行调整，并不限于目前的步骤101-106，接续步骤S1-S2的描述。

应用本发明实施例二，如图3所示为对应客户端与服务器交互的示意图，图3中服务器中装载有用于计算第二指标的第二数据模型，比如装载有用于计算第二指标的第二数据模型，比如计算费用(COST)到达率(Reach)的第二数据模型。

客户端基于该第二数据模型得到第二目标结果的处理流程包括：

b1、客户端输入待处理参数到服务器进行处理；

b2、服务器收到待处理参数至所述第二数据模型中进行逻辑运算，执行处理时，可以采用中央处理器(CPU，Central Processing Unit)、数字信号处理器(DSP，Digital Singnal Processor)或可编程逻辑阵列(FPGA，Field－Programmable Gate Array)实现；

b3、将所述待处理参数经所述第二数据模型的运算得到第二目标结果，并输出到客户端显示所述第二目标结果。

在本发明实施例一实施方式中，所述第一采样数据为收视率GRP类型、所述第二采样数据为千次曝光成本CPM类型时，所述将所述第二采样数据转换为对应第一终端模式的第三采样数据包括：将所述CPM类型的所述第二采样数据转换成对应GRP类型的采样数据，形成所述第三采样数据。

在本发明实施例一实施方式中，所述基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型，包括：

获取当前访问频次信息，根据所述当前访问频次信息对应提取所述第一预定规则；

将GRP类型的所述第一采样数据和GRP类型的所述第二采样数据按照所述第一预定规则进行建模，得到混合模式下用于计算GRP到达率REACH的所述第一数据模型；

所述第一数据模型以关注过所述多媒体信息的人口总数进行衡量。

在本发明实施例一实施方式中，所述根据所述第一数据模型和第二预定规则进行建模得到混合模式下用于计算第二指标的第二数据模型，包括：

获取所述第二预定规则；

将GRP类型的所述第一采样数据和GRP类型的所述第二采样数据按照所述第二预定规则进行建模，得到混合模式下用于计算费用COST到达率REACH的所述第二数据模型；

所述第二数据模型以关注过所述多媒体信息的人口总数进行衡量。

采用上述本发明实施例，对于方法实施一和方法实施例二，由于能实现混合模式下的数据统计，同时兼顾到第一终端和第二终端不同采样数据经不同建模运算得到的数据模型，从而将用户通过客户端输入的待处理参数经不同的数据模型能够得到对应不同预期目标的目标结果。

方法实施例三：

本发明实施例的一种数据处理方法，如图4所示，所述方法包括：

步骤201、获取第一采样数据，所述第一采样数据用于表征在第一终端播放多媒体信息所收集的用户反馈数据；

步骤202、获取第二采样数据，所述第二采样数据用于表征在第二终端播放多媒体信息所收集的用户反馈数据；

步骤203、将所述第二采样数据转换为对应第一终端模式的第三采样数据；

步骤204、基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型；

步骤205、根据所述第一数据模型和第二预定规则进行建模得到混合模式下用于计算第二指标的第二数据模型；

步骤206、获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型和所述第二数据模型的运算得到第三目标结果，并输出到客户端显示所述第三目标结果。

采用本发明实施例，通过结合所述第一数据模型和所述第二数据模型这种数据模型的混合运算处理，得到第三目标结果，这种结果是综合考虑了第一数据模型和第二数据模型各自的优势，得到的第三目标结果更接近用户的对第一指标和第二指标的综合需求，而上述方法实施例一和方法实施例二是在不同类型的第一终端和第二终端构成的混合模式下对任意一个指标进行的单一运算，对于有特定一个指标需求的用户来说是非常准确的，但是对于需要同时兼顾多个指标的用户来说，采用本发明实施例三是更精准的。

应用本发明实施例三，如图5所示为对应客户端与服务器交互的示意图，图5中服务器中装载有用于计算第一指标的第一数据模型，比如计算收视率(GRP)到达率(Reach)的第一数据模型，服务器中还装载有用于计算第二指标的第二数据模型，比如计算费用(COST)到达率(Reach)的第二数据模型。

客户端基于该第一和第二数据模型得到第三目标结果的处理流程包括：

c1、客户端输入待处理参数到服务器进行处理；

c2、服务器收到待处理参数至所述第一数据模型和所述第二数据模型中进行混合逻辑运算，执行处理时，可以采用中央处理器(CPU，Central ProcessingUnit)、数字信号处理器(DSP，Digital Singnal Processor)或可编程逻辑阵列(FPGA，Field－Programmable Gate Array)实现；

c3、将所述待处理参数经所述第一数据模型和所述第二数据模型的运算得到第三目标结果，并输出到客户端显示所述第三目标结果。

以一个现实应用场景为例对本发明实施例阐述如下：

应用本发明实施例的一个方案为在线视频广告和TV广告混合投放效果预估的方案，属于用于衡量多媒体信息混合投放效果的数据处理方案，网络视频媒体或称在线视频广告以ONLINE简化表示，TV广告以TV简化表示，在衡量多媒体信息时会依据GRP毛评点来衡量多媒体信息的播放达到的收益效果，而随着近年来ONLINE的广泛为大众接受，用户(如广告主)在做广告预算时也逐渐向ONLINE迁移，对于本场景的“TV+ONLINE”而言，在做广告预算时需要一套衡量系统能够针对TV+ONLINE混合投放的第一指标如GRP-Reach得到对应关系曲线，和第二指标Reach-COST得到对应关系曲线，这两个统称为Reach曲线，通过“TV+ONLINE”这种混合模式下的Reach曲线来为用户的预算分配提供预计目标结果，从而大量节约人力资源成本。其中，所述GRP-Reach这一指标的计算，是用于衡量广告主预估需要买多少数量的投放广告使用，如在线播放就对应多少曝光率CPM；所述Reach-COST这一指标的计算，是用于衡量广告主预估需要花费多少钱来购买投放广告使用。一个是从广告播放数量上，一个是从播放广告所花费的资金投入上两个不同角度来考虑。

对于现有技术只分别提供TV或ONLINE的Reach曲线，且数据统计不够精准而言，本场景“TV+ONLINE”应用本发明实施例，可以得到“TV+ONLINE”这种混合模式下的Reach曲线，是根据如迅雷看看视频(日曝光已超20亿)的真实数据和电视媒体提供TV数据进行交叉计算拟合，得出给出TV+ONLINE混合投放情况下的预估Reach数据曲线，为广告主在所预算分配时提供数据指导，如图6所示。

这里，对本发明实施例涉及的缩略语和关键术语定义举例说明如下：

以上海的互联网总人口为8,000,000为例，目标群体为Female20～35岁的人群有1,000,000；客户投放上海的广告曝光为20,000,000，其中广告打中的F20～35岁人群有300,000，目标人群看到的广告曝光是6,000,000,客户的预算为800,000元。

TA Universe：Target Audience目标人群，本例中TA为上海F20～35岁的人群，TA＝1,000,000；

TA％：所在地区的目标总人口/所在地区人口，TA％＝1,000,000/8,000,000*100＝12.5％；

Buying Impression：广告主购买的实际曝光(CPM)，本例中buyingImpressiong＝20,000,000；

TA Impression：广告主购买的实际曝光中打中目标群体的曝光数，TAImpressiong＝6,000,000；

iGRP：Internet Gross Rating Points，互联网媒体的毛评点/总收视点，用于衡量一个城市在一段时间内媒体或者广告对受众的影响力。iGRP＝TA Imp/TA*100；当iGRP＝50时，说明该城市平均每个目标受众看了0.5次广告；

iGRP＝TA Impressiong/TA＝6,000,000/1,000,000*100＝600，意味着平均每个目标受众看广告看到了6次；

Reach％：目标受众中看过广告的人数/所有目标受众,用于衡量广告对整体目标受众的覆盖比例，＝300,000/1,000,000＝30％

N+Reach％：目标受众中看过N次以上的广告的人数/所有目标受众(TA)；

Average Frequency＝打中目标群体的曝光数/打中目标群体的人数，6,000,000/300,000＝20；

因此iGRP另外的计算公式为：iGRP＝Reach％*Average Frequency*100，＝30％*20*100＝600；

Budget：广告主预算，800,000元；

iCPRP＝Budget/iGRP，＝800,000/600＝1,333；

eCPM＝Budget*1000/Buying Impression＝800,000*1000/20,000,000＝40；

对于所述毛评点而言，英文缩写为GRP，又称总收视率或总收听率。毛评点即：印象百分比之和。印象就是受众接触媒介的机会。比如某电视节目的收视率是20％，而播放频次是3次，那么毛评点就是60％，即有60％的受众接触了广告。但是毛评点没有反映出那些受众是重复接受信息的，如下所示应用本发明实施例对应描述中涉及有“Y1-Y3这种重叠率系数”的描述，就是为了规避这个现象。毛评点越高，覆盖面越广，所要求的资金投入也越多。毛评点也是媒体决策的一个重要部分，它被用来衡量某个目标市场上一定的媒体努力所产生的总影响力。媒体努力既可能是只在某一个媒体上播出一个商务广告，也可能是整个活动项目期间在多个媒体组合上播出若干个商务广告。毛评点的计算方法是以到达率乘以收视频率，该指标可以用来描述某个媒体播出计划中，一定时间内广告的总影响力。到达率和收视频率是以不同比率同时发生且呈逆向关系的一对指标。这种逆向关系是指：当力求增加到达率时，可能就很难保证较高的收视频率；反之亦然。在毛评点为一定的情况下，一个指标上升，另一个指标就要下降。GRP的计算以毛评点＝到达率×收视频率举例，一个直接反应广告计划到达率为50，收视频率为4.2，那么，GRP就是210。如果该210毛评点需要由另外一个不同的媒体组合来产生，那么，到达率可能就要上升，而收视频率将下降。同样道理，在又一个媒体组合中，同样210的毛评点可能是由较高的收视频率和较低的到达率所产生的。在媒体目标中，由于媒体预算的约束，这使得同时强调到达率和收视频率两个指标的最大化是不实际的；因此，用户需要在两者之间进行交替选择，在媒体预算一定的情况下，如果要想实现最大到达率，这必然要以牺牲一定的收视频率为代价；反之亦然。所以，同时兼顾到两个指标，排除重复收看的无效数据是很重要的，混合模式下的兼容考虑也是非常重要的。

本场景“TV+ONLINE”应用本发明实施例的具体过程如下所示：

1、对于第一采样数据，TV Reach曲线，其数据来源为依据TV提供，以电视人口为基础的数据格式示例如表1所示，需要指出的是，该数据依据不同城市数据会不同，目标城市以北京为参照进行采样：

目标城市：北京

Reach/GRPs

0

50

100

150

200

250

300

350

400

450

500

1+

0

20％

25％

30％

35％

40％

45％

50％

55％

60％

65％

2+

0

10％

15％

20％

25％

30％

35％

40％

45％

50％

55％

3+

0

5％

10％

15％

20％

25％

30％

35％

40％

45％

50％

表1

按照当前Target Audience的定义(城市，性别，年龄)，电视人口在总人口中占比95％，那么实际电视换算系数为95％，TV Reach＝TV Reach*95％。

需要指出的是，自然人口数据由中国市场与媒体研究(CMMS)提供。

2、对于第二采样数据，ONLINE Reach曲线，其数据来源根据迅雷看看视频的订单投放数据采样得到，数据格式示例如表2所示。

地域

性别

频次

订单号

PV(CPM)

UV(CPM)

频次

北京

男

5

10012545

101

20

5

表2

原始数据为曝光CPM，CPM到GRP的换算公式为：

Igrp＝100*(PV/UV)*(UV/TA)＝CPM*1000*100/TA；

Reach＝UV/TA；

转换后的数据示例如表3所示：

1、ONLINE Reach Curve

TA:P15-64岁

目标城市：北京性别:男

Reach/iGRPs	0	50	100	150	200	250	300	350	400	450	500
												1+	0.0	27.0	38.6	45.8	50.7	54.4	57.3	59.7	61.6	63.3	64.7
2+	0.0	10.6	20.5	27.8	33.4	37.8	41.5	44.5	47.1	49.3	51.3
												3+	0.0	4.7	11.9	18.1	23.3	27.7	31.5	34.6	37.4	39.8	42.0

表3

按照当前Target Audience的定义(城市，性别，年龄)，互联网人口在总人口中占比60％，那么实际互联网换算系数为95％，ONLINE Reach＝ONLINEReach*60％。

3、对于根据GRP类型的第一采样数据和将第二采样数据转换为GRP类型以形成第三采样数据而言，将第一采样数据和第三采样数据和第一预设规则，如以下公式(1)或(2)进行建模得到ONLINE数据和TV数据混合计算得到的表4所示的矩阵一，并作为建模得到的第一数据模型；公式(1)和公式(2)的区别是在于访问频次信息的不同，公式(1)是对应1UV而言，公式(2)是对应3UV而言。表5所示的矩阵二是通过所述矩阵一结合以下公式(3)得到，并作为建模得到的第二数据模型。其中，所述矩阵一为REACH矩阵，所述矩阵二为COST矩阵。

公式(1)为：TOTAL_1+Reach：

TOTAL_{1+Reach％＝}(TV_1+Reach％)+(ONLINE_1+Reach％)-(TV_1+Reach％*ONLINE_1+Reach％*Y₁)；

公式(2)为：TOTAL _3+Reach：

Total_3+Reach％＝TV_3+Reach％+(TV_2+Reach％-TV_3+Reach％)*ONLINE_1+Reach％*Y₂+(TV_1+Reach％-TV_2+Reach％)*ONLINE_2+reach％*Y₃+(1-TV_1+Reach％)*ONLINE_{3+Reach％；}

这里需要指出的是，TOTAL_3+Reach计算的原理图如图7所示，Y1、Y2、Y3分别为频次1、频次2和频次3的重叠率系数，该系数由CMMS提供。

表4

表5

依据以下公式(3)并结合上述表4所示的矩阵一可以计算出表5所示的TV+ONLINE的COST矩阵。

公式(3)为：

Total Cost＝(TV GRP*TV CPRP+Online GRP*Online CPRP)/1000；

根据上述表4及表5所示的矩阵可以计算出给定混合各种GRP的条件下REACH(覆盖率最高)最大的TV+ONLINE的GRP组合以及COST最小(预算最低)的TV+ONLINE的GRP组合。例如：总GRP 800的情况下，TV 200+ONLINE 600的组合reach最大，则如需购买800GRP的视频广告，则采取购买600igrp的online+200grp的TV是最优组合。并根据以上矩阵数据可以得到如图8所示的图表。

4、根据装载于服务器的所述第一数据模型和所述第二数据模型，对于用户输入的待处理参数，比如广告主自身的投放目标，如图9所示显示于用户客户端上的界面中的数据，包括目标城市为上海，目标人群不限制性别，目标人群的年龄在15到64岁，投放时间为30天，在客户端选择这些待处理参数输入后，到服务器进行运算，该运算时根据服务器中装载的所述第一数据模型和/或所述第二数据模型得到的Reach曲线运算得到最优的TV+ONLINE投放组合策略，将根据策略得到的目标结果返回用户的客户端进行显示，实现预期目标为特定定向条件下总预算固定或者期望达到预期的覆盖率，如图10所示。

这里需要指出的是：以下服务器项的描述，与上述方法描述是类似的，同方法的有益效果描述，不做赘述。对于本发明服务器实施例中未披露的技术细节，请参照本发明方法实施例的描述。

服务器实施例一：

本发明实施例的一种服务器，如图11所示，所述服务器包括：

第一获取单元11，用于获取第一采样数据，所述第一采样数据用于表征在第一终端播放多媒体信息所收集的用户反馈数据；

第二获取单元12，用于获取第二采样数据，所述第二采样数据用于表征在第二终端播放多媒体信息所收集的用户反馈数据；

转换单元13，用于将所述第二采样数据转换为对应第一终端模式的第三采样数据；

第一建模单元14，用于基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型；

处理单元15，用于获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型的运算得到第一目标结果，并输出到客户端显示所述第一目标结果。

在本发明实施例一实施方式中，所述第二输出终端与所述第一输出为不同类型的终端，共同构成所述混合模式下的数据传输；

其中，所述第二终端为互联网输出终端，所述第一终端为互联网输出终端之外的终端。

在本发明实施例一实施方式中，所述服务器还包括：

第二建模单元，用于根据所述第一数据模型和第二预定规则进行建模得到混合模式下用于计算第二指标的第二数据模型；

所述处理单元，进一步用于获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第二数据模型的运算得到第二目标结果，并输出到客户端显示所述第二目标结果。

在本发明实施例一实施方式中，所述转换单元，进一步用于在所述第一采样数据为收视率GRP类型、所述第二采样数据为千次曝光成本CPM类型时，将所述CPM类型的所述第二采样数据转换成对应GRP类型的采样数据，形成所述第三采样数据。

在本发明实施例一实施方式中，所述第一建模单元，进一步包括：

第一获取子单元，用于获取当前访问频次信息，根据所述当前访问频次信息对应提取所述第一预定规则；

第一建模处理子单元，用于将GRP类型的所述第一采样数据和GRP类型的所述第二采样数据按照第一预定规则进行建模，得到混合模式下用于计算GRP到达率REACH的所述第一数据模型；所述第一数据模型以关注过所述多媒体信息的人口总数进行衡量。

在本发明实施例一实施方式中，所述第二建模单元，进一步包括：

第二获取子单元，用于获取所述第二预定规则；

第二建模处理子单元，用于将GRP类型的所述第一采样数据和GRP类型的所述第二采样数据按照第二预定规则进行建模，得到混合模式下用于计算费用COST到达率REACH的所述第二数据模型；所述第二数据模型以关注过所述多媒体信息的人口总数进行衡量。

服务器实施例二：

本发明实施例的一种服务器，如图12所示，所述服务器包括：

第一获取单元21，用于获取第一采样数据，所述第一采样数据用于表征在第一终端播放多媒体信息所收集的用户反馈数据；

第二获取单元22，用于获取第二采样数据，所述第二采样数据用于表征在第二终端播放多媒体信息所收集的用户反馈数据；

转换单元23，用于将所述第二采样数据转换为对应第一终端模式的第三采样数据；

第一建模单元24，用于基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型；

第二建模单元25，用于根据所述第一数据模型和第二预定规则进行建模得到混合模式下用于计算第二指标的第二数据模型；

处理单元26，用于获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型和所述第二数据模型的运算得到第三目标结果，并输出到客户端显示所述第三目标结果。

所述第二输出终端与所述第一输出为不同类型的终端，共同构成所述混合模式下的数据传输；

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种数据处理方法，其特征在于，所述方法包括：

获取第一采样数据，所述第一采样数据用于表征在第一终端播放多媒体信息所收集的用户反馈数据；

获取第二采样数据，所述第二采样数据用于表征在第二终端播放多媒体信息所收集的用户反馈数据；

将所述第二采样数据转换为对应第一终端模式的第三采样数据；

基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型；

获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型的运算得到第一目标结果，并输出到客户端显示所述第一目标结果。

2.根据权利要求1所述的方法，其特征在于，所述第二输出终端与所述第一输出为不同类型的终端，共同构成所述混合模式下的数据传输；

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述第一数据模型和第二预定规则进行建模得到混合模式下用于计算第二指标的第二数据模型；

获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第二数据模型的运算得到第二目标结果，并输出到客户端显示所述第二目标结果。

4.根据权利要求2或3所述的方法，其特征在于，所述第一采样数据为收视率GRP类型、所述第二采样数据为千次曝光成本CPM类型时，

所述将所述第二采样数据转换为对应第一终端模式的第三采样数据包括：

将所述CPM类型的所述第二采样数据转换成对应GRP类型的采样数据，形成所述第三采样数据。

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型，包括：

6.根据权利要求4所述的方法，其特征在于，所述根据所述第一数据模型和第二预定规则进行建模得到混合模式下用于计算第二指标的第二数据模型，包括：

获取所述第二预定规则；

7.一种数据处理方法，其特征在于，所述方法包括：

获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型和所述第二数据模型的运算得到第三目标结果，并输出到客户端显示所述第三目标结果。

8.根据权利要求7所述的方法，其特征在于，所述第二输出终端与所述第一输出为不同类型的终端，共同构成所述混合模式下的数据传输；

9.一种服务器，其特征在于，所述服务器包括：

第一获取单元，用于获取第一采样数据，所述第一采样数据用于表征在第一终端播放多媒体信息所收集的用户反馈数据；

第二获取单元，用于获取第二采样数据，所述第二采样数据用于表征在第二终端播放多媒体信息所收集的用户反馈数据；

转换单元，用于将所述第二采样数据转换为对应第一终端模式的第三采样数据；

第一建模单元，用于基于所述第一采样数据和所述第三采样数据按照第一预定规则进行建模得到混合模式下用于计算第一指标的第一数据模型；

处理单元，用于获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型的运算得到第一目标结果，并输出到客户端显示所述第一目标结果。

10.根据权利要求9所述的服务器，其特征在于，所述服务器还包括：

11.根据权利要求10所述的服务器，其特征在于，所述转换单元，进一步用于在所述第一采样数据为收视率GRP类型、所述第二采样数据为千次曝光成本CPM类型时，将所述CPM类型的所述第二采样数据转换成对应GRP类型的采样数据，形成所述第三采样数据。

12.根据权利要求11所述的服务器，其特征在于，所述第一建模单元，进一步包括：

13.根据权利要求11所述的服务器，其特征在于，所述第二建模单元，进一步包括：

第二获取子单元，用于获取所述第二预定规则；

14.一种服务器，其特征在于，所述服务器包括：

处理单元，用于获取用户通过客户端输入的待处理参数，将所述待处理参数经所述第一数据模型和所述第二数据模型的运算得到第三目标结果，并输出到客户端显示所述第三目标结果。