CN105096150B - 需求方平台的数据处理方法及需求方平台 - Google Patents
需求方平台的数据处理方法及需求方平台 Download PDFInfo
- Publication number
- CN105096150B CN105096150B CN201410203264.7A CN201410203264A CN105096150B CN 105096150 B CN105096150 B CN 105096150B CN 201410203264 A CN201410203264 A CN 201410203264A CN 105096150 B CN105096150 B CN 105096150B
- Authority
- CN
- China
- Prior art keywords
- data
- object data
- request
- platform
- predetermined
- 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
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施方式公开了一种需求方平台的数据处理方法及需求方平台。需求方平台的数据处理方法，包括：接收数据系统发出的信息数据集，根据所述信息数据集建立特征向量；根据预设分析模型确定与所述特征向量相对应的至少一个对象数据集；根据与确定的每个对象数据集对应的第一预定输出模型产生至少一个中间数据；按照第二预定输出模型将所述产生的中间数据中的一个输出至所述数据系统。本申请提供的需求方平台的数据处理方法及数据放平台减少了广告交易系统接受到的报价数量，降低了广告交易系统的工作负荷。
Description
技术领域
本申请涉及互联网广告领域，特别涉及一种需求方平台的数据处理方法及需求方平台。
背景技术
互联网广告是互联网行业最主要的赢利来源之一，网店通过互联网广告增加自身产品的流量，即增加浏览其产品的消费者数量。随着互联网人群定向技术的发展，互联网广告也开始摆脱单一的交易模式，向更精确高效的交易模式转变。
广告交易系统是一个广告交易的平台，广告主通过需求方平台接入广告交易系统购买广告，广告位拥有方可以通过媒体平台接入广告交易系统发布广告展示机会。当具有广告位的页面发生流量时，媒体平台会向广告交易系统发出一个请求，广告交易系统受到请求之后，发布存在一个展示机会，邀请需求方平台进行竞价，展示机会会被报价最高的需求方平台中对应的广告主获得。
现有技术中，一类的广告主使用一个需求方平台。比如，商家A、商家B和商家C都是卖皮包，则商家A、商家B和商家C使用同一个皮包需求方平台，商家D、商家E和商家F销售汽车轮胎，则商家D、商家E和商家F使用一个轮胎需求方平台。当广告交易系统发布存在一个展示机会，并发起竞价时，需求方平台会分析当前流量是不是目标受众，如果是目标受众，则进行报价。比如，当前流量是皮包类商家的目标受众，商家A、商家B和商家C会针对当前展示机会各自给出的报价，皮包需求方平台对商家A、商家B和商家C的报价进行对比，将最高的报价提交给广告交易系统进行竞价。如果竞价成功，那么本次展示机会由商家A、商家B和商家C中报价最高的获得。
在通常情况下，当前流量不仅仅是一个类型的商家的目标受众，可能是很多类别的商家的目标受众。比如一个客户曾经购买过皮包、手表、洗衣粉、被子和轮胎，那么当前流量可能是很多类商家的目标受众，此时可能涉及到多个需求方平台的商家都进行报价。各需求方平台分别进行内部竞价后，向广告交易系统提出报价。针对一个展示机会，广告交易系统会接收到多个报价，广告交易系统对接收到的报价进行比较得出最终获得当前展示机会的商家。
然而，由于当前社会网络非常普及，每一秒都可能有成千上万的人通过网络访问网页，每当存在广告位的网页被访问一次，广告交易系统便可能要收到多个针对展示机会的报价，使得广告交易系统每一秒都要收到可能是当前网络访问人数几倍的报价数量，使得广告交易系统需要进行非常庞大的数据处理。在一些情况下，由于同时访问网络的人数过多，导致广告交易系统的负荷过大，使得针对一些展示机会的竞价难以得到及时处理，导致网页显示广告存在较大的延迟，影响广告的投放效果。
发明内容
本申请实施方式的目的是提供一种能够降低广告交易系统工作负荷的需求方平台的数据处理方法及需求方平台。
为解决上述技术问题，本申请提供一种需求方平台的数据处理方法，包括：
接收数据系统发出的信息数据集，根据所述信息数据集建立特征向量；
根据预设分析模型确定与所述特征向量相对应的至少一个对象数据集；
根据与确定的每个对象数据集对应的第一预定输出模型产生至少一个中间数据；
按照第二预定输出模型将所述产生的中间数据中的一个输出至所述数据系统。
本申请还提供一种需求方平台，用于向广告交易系统提出报价，所述需求方平台包括：
向量建立模块，用于接收数据系统发出的信息数据集，根据所述信息数据集建立特征向量；
分析模块，用于根据预设分析模型确定与所述特征向量相对应的至少一个对象数据集；
第一输出模块，用于根据与确定的每个对象数据集对应的第一预定输出模型产生至少一个中间数据；
第二输出模块，用于按照第二预定输出模型将所述产生的中间数据中的一个输出至所述数据系统。
由以上本申请实施方式提供的技术方案可见，本申请可以实现不同的广告主类型使用一个需求方平台针对广告交易系统发布的展示机会进行竞价，需求方平台将多个广告主类型中的一个报价提供给广告交易系统，实现从传统的每个广告主类型向广告交易系统提出一个报价，转换成需求方平台在多个广告主类型的报价中确定一个提交给广告交易系统，减少了广告交易系统接收的报价数据，从而降低了广告交易系统的工作负荷。
附图说明
为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一个实施方式提供的广告报价方法的流程图；
图2为本申请一个实施方式提供的广告报价方法的流程图；
图3为本申请一个实施方式提供的广告报价方法的流程图；
图4为本申请一个实施方式提供的广告报价方法的流程图；
图5为本申请一个实施方式提供的需求平台的模块图；
图6为本申请一个实施方式提供的需求平台的模块图；
图7为本申请一个实施方式提供的需求平台的模块图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，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他实施方式，都应当属于本申请保护的范围。
请参阅图1，为本申请的一个实施方式提供的需求方平台的数据处理方法，其包括如下步骤。
步骤S10：接收数据系统发出的信息数据集，根据所述信息数据集建立特征向量。
在本实施方式中，所述数据系统可以包括广告交易系统。当具有广告位的页面发生流量时，即有客户访问时，媒体平台会向广告交易系统发出请求，此时媒体平台也会将当前展示机会的信息数据集提供给广告交易系统。广告交易系统在发布展示机会以及邀请需求方平台竞价时，将当前展示机会的信息数据集提供给需求方平台。所述信息数据集包括当前展示机会的至少一个特征，具体的，举例包括：广告位标识、广告位尺寸、广告位位置、承载页面分类、用户地理位置、用户性别、用户年龄、用户购买力、用户兴趣点、用户细分标签、用户访问时间、广告展示形式、广告的创意特征、广告的图片特征和广告所属组等。
在本实施方式中，所述特征向量可以包括至少一个个数位，每个数位对应一个预定特征，每个数位的取值表示信息数据集中的特征是否符合所述特征向量对该预定特征的要求。所述预定特征可以包括三大类特征，可以分别为：广告库存特征、客户特征和广告特征。所述广告库存特征可以包括：广告位标识、广告位尺寸、广告位位置和承载页面分类等。所述客户特征可以包括：用户地理位置、用户性别、用户年龄、用户购买力、用户兴趣点、用户细分标签和用户访问时间。所述广告特征可以包括：广告展示形式、广告的创意特征、广告的图片特征和广告所属组等。所述预定要求为针对每个预定特征设置，数位的取值能够代表是否满足预定要求，所述数位可以有表示满足预定要求的第一取值，和不满足预定要求的第二取值。具体的，举例为：所述第一取值为1，所述第二取值为0，假设特征向量F共有三个数位，第一个数位代表广告位尺寸，第二个数位代表用户性别，第三个数位代表广告的创意特征，针对广告位尺寸的预定要求为大小在2*4厘米以上，针对用户性别的要求为女，针对广告的创意特征要求为图像抖动，当前展示机会信息中提供的信息为广告位尺寸为3*6厘米，客户性别为男，广告的创意特征为图像抖动，显然当前展示机会信息符合第一数位和第三数位的预定要求，而不符合第二数据的预定要求，特征向量F可以表示为F(1，0，1)。当然，特征向量的位数并不限于3位，每位所代表的预定特征也可以根据实际需要进行相应设置。
步骤S20：根据预设分析模型确定与所述特征向量相对应的至少一个对象数据集。
在本实施方式中，可以针对每个对象数据集设置一个预设分析模型，每个预设分析模型能够确定所述特征向量是否与所述对象数据集相对应。所述预设分析模型可以是一个预设的算法模型，所述算法模型以特征向量作为输入，以输出的结果作为判断所述特征向量是否与所述对象数据集相对应的依据。对象数据集可以包括至少一个对象数据。具体的，对象数据集可以表示广告主类型，对象数据可以表示广告主。
在本实施方式中，针对所述预设分析模型举例参阅下文公式1。
公式1中，Wi表示模型系数，针对不同的对象数据集对应的Wi取值可以不同，如此实现不同对象数据集针对同一个特征向量的运算得出相应的结果；fi表示特征向量F第i位数的取值。将Score与预定数值比较，若Score大于预定数值，表明特征向量与对象数据集相对应，若Score小于预定分数可以表示特征向量与对象数据集不相对应。其中，模型系数是针对每个预定特征进行预先设置，其可以为通过模拟训练得到。当然，本申请并不限于上述算法，在本发明技术精髓启示下，本领技术人员还可能做出其它变更，但只要其实现的功能和效果与本发明相同或相似均应涵盖于本发明保护范围内。
步骤S30：根据与确定的每个对象数据集对应的第一预定输出模型产生至少一个中间数据。
在本实施方式中，每个对象数据集可以具有一个对应的第一预定输出模型，该第一预定输出模型用于产生中间数据。在所述步骤S20中可能确定一个或一个以上的对象数据集与特征向量相对应，所述一个或一个以上对象数据集对应的第一预定输出模型会分别产生一个中间数据，此时会存在至少一个中间数据。
在本实施方式中，一个中间数据可以是一个广告主类型对当前展示机会的报价。需求方平台可以为对象数据集设置一个通用的第一预定输出模型，具体的，针对第一预定输出模型的举例可以参阅下文公式2。
公式2中，bid为表示输出的中间数据，ROIstat表示一个历史时间段统计的投入产出比，ROIgoal表示目标投入产出比，每个对象数据集的ROIgoal取值可以不同，bidstat表示所述历史时间段的中间数据平均值。当然，本申请中，针对每个对象数据集的第一预定输出模型也不限于公式2，其也可以根据一天不同的时间段，直接设置不同的中间数据，或者针对不同的时间段设置不同的输出模型。
当然，还可为一个对象数据集中的每个对象数据均可以对应设置一个数据输出模型输出数据，将对象数据对应的输出模型的输出数据中的最大数据作为该对象数据集的中间数据。每个对象数据的输出数据也可由上述公式2产生或者直接预先设置。
步骤S40：按照第二预定输出模型将所述产生的中间数据中的一个输出至所述数据系统。
在本实施方式中，按照第二预定输出模型将至少一个中间数据中的一个中间数据输出至数据系统。第二预定输出模型可以为将至少一个中间数据中的最大数据输出至数据系统；也可以为通过的预定预测模型预测出每个对象数据集的预测关注值，获取预测关注值最高的对象数据集，并将该对象数据集的中间数据输出至数据系统。其中，所述预测关注值最高的对象数据集可以是按照对象数据集中的对象数据的平均预测关注值对广告主类型进行排序。在本实施方式中，所述关注值可以是广告的点击率，所述预定预测模型可以是广告点击率预测模型，具体的举例为Logistic Regression或RankSVM。当然，第二预定输出模型并不限于上述举例，本领域技术人员在本发明技术精髓启示下，还可以做出其它变更，但只要其功能和效果与本发明相同或相似均应涵盖于本发明保护范围内。
本申请实施方式提供的需求方平台的数据处理方法，可以实现多个广告主类型使用一个需求方平台针对广告交易系统的展示机会进行竞价，每个广告主类型会判断当前流量是否是目标受众，针对目标受众进行报价，使得报价有着较强的针对性。再者，需求方平台将一个报价提交给广告交易系统，减少了广告交易系统接收到的报价数量，即当存在多个广告主类型将当前流量作为目标受众，并对当前展示机会进行报价时，需求方平台按照预先设置的输出模型输出一个报价给广告交易系统，降低了广告交易系统的工作负荷。
请参阅图2，在本申请的一个实施方式中，所述需求方平台的数据处理方法还可以包括步骤。步骤S50：将至少一个对象数据集设置为数据倾斜类型。
所述步骤S40中所述第二预定输出模型包括将作为所述数据倾斜类型的对象数据集对应的中间数据输出至所述数据系统。
在本实施方式中，可以通过算法设置，增大作为数据倾斜类型的对象数据集对应的中间数据输出至数据系统的概率。在本实施方式中，所述数据倾斜类型为预先设置进行扶植的广告主类型。数据倾斜类型可以为处于发展初期的至少一个广告主类型，该些广告主类型所涉及的产业可以是新兴产品或服务，发展壮大需要一定的时间，由于处于发展初期，该些广告主类型的竞价能力相对较弱，难以获得足够的展示机会。本申请中通过将处于发展初期的广告主类型设置为数据倾斜类型，进而可以在报价展示机会时，给与一定的扶植。
在本申请的一个实施方式中，所述步骤S40中所述第二预定输出模型包括：所述至少一个中间数据中的最大数据对应的对象数据集为所述数据倾斜类型时，将所述最大数据输出至所述数据系统。在本实施方式中，当数据倾斜类型的报价为最大报价时，则无需进一步处理，直接将最大报价提供给广告交易系统。
在本申请的一个实施方式中，所述步骤S40中所述第二预定输出模型包括：所述至少一个中间数据中的最大数据对应的对象数据集不是所述数据倾斜类型时，从第一预定数据范围产生第一随机数；将所述第一随机数与第一预定阈值比较，所述第一随机数不大于所述第一预定阈值时，将所述数据倾斜类型的中间数据输出至所述数据系统。
在本实施方式中，第一预定数据范围为指定一个数据范围，第一随机数为随机产生并处于第一预定数据范围内，第一预定阈值的取值也处于第一预定数据范围内，通常第一预定阈值为一个固定值。通过第一预定阈值约定了一个针对数据倾斜类型的数据倾斜比例，即第一随机数小于第一预定阈值时，才提交数据倾斜类型的报价，则第一预定阈值与第一预定数据范围最大值的比例，构成了数据倾斜比例。具体的，举例为所述第一预定数据范围为0～1，所述第一预定阈值为0.2，则第一随机数小于或等于0.2时，需求方平台会将数据倾斜类型的报价提交给广告交易系统，当第一随机数大于0.2时，需求方平台会将最大报价提交给广告交易系统。
在本实施方式中，所述第二预定输出模型还包括：所述第一随机数大于所述第一预定阈值时，将所述至少一个中间数据中的最大数据输出至所述数据系统。第一随机数大于第一预定阈值，可以表示仅比较各个对象数据集的中间数据大小，将最大数据输出至数据系统。
在本实施方式中，所述数据倾斜类型可以包括第一数据倾斜类型和第二数据倾斜类型，从第二预定数据范围产生第二随机数，所述第二预定数据范围包括第一数据域和第二数据域，所述第二随机数处于所述第一数据域，将所述第一数据倾斜类型的中间数据输出至数据系统，所述第二随机数处于所述第二数据域，将所述第二数据倾斜类型的中间数据输出至数据系统。在本实施方式中，数据倾斜类型的数量可以是多个，此时可以将第二预定数据范围对应数据倾斜类型的数量划分成多个数据域，确定第二随机数所处的数据域，则相应的将该数据域对应的数据倾斜类型的中间数据输出至数据系统。进一步的，可以依照对每个数据倾斜类型的数据倾斜程度的不同，相应的调整数据域的大小。具体的，以两个数据倾斜类型为例，第一数据域为0～0.3(含0.3)，第二数据域为0.3(不含0.3)～1，第二预定数据范围可以为0～1，第二随机数小于或等于0.3时，需求方平台将第一数据倾斜类型的中间数据输出至数据系统，第二随机数大于0.3时，需求方平台将第二数据倾斜类型的中间数据输出至数据系统。
请参阅图3，在本申请的一个实施方式中，所述数据处理方法还包括如下步骤。
步骤S60：在所述输出的中间数据对应的所述对象数据集中按照预定分配模型指定对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统。
在本实施方式中，预定分配模型可以通过一个随机函数指定对象数据。具体的，举例为对象数据集包括10个对象数据，该10个对象数据可以按照0～9进行编号，随机函数可以在0～9之间产生一个随机数，通过该随机数指定对象数据。每个对象数据还对应有图像数据，将被指定的对象数据对应的图像数据输出至数据系统。预定分配模型还可以预先依据预定预测模型预测出每个对象数据的预测关注值，并依照预测关注值对对象数据进行排序，对象数据集的中间数据被输出至数据系统后，将对象数据集中预测关注值排序最高的对象数据对应的图像数据输出至数据系统。预定分配模型还可以依照预定排序规则对对象数据集中的对象数据进行排序，对象数据集的中间数据被输出至数据系统时，对象数据按照排序的先后顺序，依次获得将对应的图像数据输出至数据系统的机会。预定排序规则可以是对象数据被转换成字符后按照拼音首字母先后对一个对象数据集中的对象数据进行排序，还可以是按照对象数据被转换成字符后首个字符的笔画数对对象数据集中的对象数据进行排序。当然，预定分配模型并不限于上述举例，本领域技术人员在本发明技术精髓的启示下还可能做出其他变更，但只要其实现的功能和效果与本发明相同或相似，均应涵盖于本发明保护范围内。在本实施方式中，预定预测模型可以是广告点击率预测模型，举例为Logistic Regression或RankSVM。预测关注值可以是广告的预测点击率。在对象数据集的中间数据输出至数据系统时，可以表示为一个广告主类型的报价被提交给数据系统，即该广告主类型获得了当前展示机会，需要在该广告主类型中分配一个广告主获得当前展示机会，获得展示机会的广告主将其所要展示的图像提交给广告交易系统。
请参阅图4，在本申请的一个实时方式中，所述需求方平台的数据处理方法还包括如下步骤。
步骤S70：将对象数据类型中的至少一个对象数据设置为倾斜对象数据。
所述步骤S60中预定分配规则包括：所述预定分配模型指定的对象数据包括所述倾斜对象数据。
在本实施方式中，所述倾斜对象数据为预先设置进行数据倾斜的对象数据。每个对象数据集中均可以设置一个或一个以上的倾斜对象数据，以通过算法增加倾斜对象数据输出对应的图像数据给数据系统的概率。
在本实施方式中，倾斜对象数据可以表示处于发展初期的广告主，该些广告主处于发展初期，发展壮大需要一定的时间，由于处于发展初期，该些广告主需要较多的流量才能够迅速的发展壮大，本申请中通过设置倾斜对象数据增加了将处于发展初期的广告主获得展示机会的概率。
在本实施方式中，按照所述预定分配模型指定对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统，还可以包括：通过预定预测模型预测出对象数据集中的每个对象数据的预测关注值，根据预测关注值对对象数据进行排序，当预测关注值最高的对象数据是倾斜对象数据时，将所述预测关注值最高的对象数据对应的图像数据输出至数据系统。当预测关注值最高的对象数据不是倾斜对象数据时，从第三预定数据范围产生第三随机数，将所述第三随机数与第二预定阈值比较，所述第三随机数不大于所述第二预定阈值时，将所述倾斜对象数据对应的图像数据输出至所述数据系统。进一步的，当倾斜对象数据包括多个对象数据时，将所述倾斜对象数据中所述预测关注值最高的对象数据对应的图像数据输出至所述数据系统。当所述第三随机数大于所述第二预定阈值时，将所述预测关注值最高的所述对象数据对应的图像数据输出至所述数据系统。在本实施方式中，通过第二预定阈值设置了对培育个体的培育机会比例，兼顾了不是培育个体的广告主和作为培育个体的广告主的利益。
请参阅图5，本申请还提供一种需求方平台10，所述需求方平台10能够向广告交易系统提出报价。所述需求方平台10包括：向量建立模块11、分析模块20、第一输出模块30和第二输出模块40。
向量建立模块11用于接收数据系统发出的信息数据集，根据所述信息数据集建立特征向量。
在本实施方式中，所述数据系统可以是广告交易系统。当具有广告位的页面发生流量时，即有客户访问时，媒体平台会向广告交易系统发出请求，此时媒体平台也会将当前展示机会的信息数据集提供给广告交易系统。广告交易系统在发布展示机会以及邀请需求方平台竞价时，将当前展示机会的信息数据集提供给需求方平台，向量建立模块11接收广告交易系统提供的当前展示机会的信息数据集。所述信息数据集包括当前展示机会的至少一个特征，具体的，举例包括：广告位标识、广告位尺寸、广告位位置、承载页面分类、用户地理位置、用户性别、用户年龄、用户购买力、用户兴趣点、用户细分标签、用户访问时间、广告展示形式、广告的创意特征、广告的图片特征和广告所属组等。
在本实施方式中，所述特征向量可以包括至少一个个数位，每个数位对应一个预定特征，每个数位的取值，表示当前展示机会的信息数据集中的特征，是否符合特征向量对该预定特征的要求。所述预定特征可以包括三大类特征，可以分别为：广告库存特征、客户特征和广告特征。所述广告库存特征可以包括：广告位标识、广告位尺寸、广告位位置和承载页面分类等。所述客户特征可以包括：用户地理位置、用户性别、用户年龄、用户购买力、用户兴趣点、用户细分标签和用户访问时间。所述广告特征可以包括：广告展示形式、广告的创意特征、广告的图片特征和广告所属组等。所述预定要求为针对每个预定特征设置，数位的取值能够代表是否满足预定要求，所述数位可以有表示满足预定要求的第一取值，和不满足预定要求的第二取值。具体的，举例为：所述第一取值为1，所述第二取值为0，假设特征向量F共有三个数位，第一个数位代表广告位尺寸，第二个数位代表用户性别，第三个数位代表广告的创意特征，针对广告位尺寸的预定要求为大小在2*4厘米以上，针对用户性别的要求为女，针对广告的创意特征要求为图像抖动，当前展示机会信息中提供的信息为广告位尺寸为3*6厘米，客户性别为男，广告的创意特征为图像抖动，显然当前展示机会信息符合第一数位和第三数位的预定要求，而不符合第二数据的预定要求，特征向量F可以表示为F(1，0，1)。当然，特征向量的位数并不限于3位，每位所代表的预定特征也可以根据实际需要进行相应设置。
分析模块20用于根据预设分析模型确定与所述特征向量相对应的至少一个对象数据集。
在本实施方式中，分析模块20可以针对每个对象数据集设置一个预设分析模型，每个预设分析模型能够确定所述特征向量是否与所述对象数据集相对应。所述预设分析模型可以是一个预设的算法模型，所述算法模型以特征向量作为输入，以输出的结果作为判断所述特征向量是否与所述对象数据集相对应的依据。具体的，对象数据集可以代表广告主类型。
在本实施方式中，针对所述预设分析模型举例参阅下文公式3。
公式3中，Wi表示模型系数，针对不同的对象数据集对应的Wi取值可以不同，如此实现不同对象数据集针对同一个特征向量的运算得出相应的结果；fi表示特征向量F第i位数的取值。将Score与预定数值比较，若Score大于预定数值，表明特征向量与对象数据集相对应，若Score小于预定分数可以表示特征向量与对象数据集不相对应。其中，模型系数是针对每个预定特征进行预先设置，其可以为通过模拟训练得到。当然，本申请并不限于上述算法，在本发明技术精髓启示下，本领技术人员还可能做出其它变更，但只要其实现的功能和效果与本发明相同或相似均应涵盖于本发明保护范围内。
第一输出模块30用于根据与确定的每个对象数据集对应的第一预定输出模型产生至少一个中间数据。
在本实施方式中，每个对象数据集可以具有一个对应的第一预定输出模型，该第一预定输出模型用于产生中间数据。在所述步骤S20中可能确定一个或一个以上的对象数据集与特征向量相对应，所述一个或一个以上对象数据集对应的第一预定输出模型会分别产生一个中间数据，此时会存在至少一个中间数据。
在本实施方式中，中间数据可以是广告主类型对当前展示机会的报价。中间报价模块30可以为对象数据集设置一个通用的第一预定输出模型，具体的，针对第一预定输出模型举例可以参阅下文公式4。
公式4中，bid为表示输出的中间数据，ROIstat表示一个历史时间段统计的投入产出比，ROIgoal表示目标投入产出比，bidstat表示所述历史时间段的中间数据平均值。当然，本申请中，针对每个对象数据集的第一预定输出模型也不限于公式4，其也可以根据一天不同的时间段，直接设置不同的报价，或者针对不同的时间段设置不同的输出模型。
当然，中间报价模块30还可为一个对象数据集中的每个对象数据均可以对应设置一个数据输出模型，将对象数据对应的输出模型输出的最大数据作为该对象数据集的中间数据。每个对象数据对应的输出模型也可以包括上述公式4。
最终报价模块40用于按照第二预定输出模型将所述产生的中间数据中的一个输出至所述数据系统。
在本实施方式中，按照第二预定输出模型将至少一个中间数据中的一个中间数据输出至数据系统。第二预定输出模型可以为将至少一个中间数据中的最大数据输出至数据系统；也可以为通过的预定预测模型预测出每个对象数据集的预测关注值，获取预测关注值最高的对象数据集，并将该对象数据集的中间数据输出至数据系统。其中，所述预测关注值最高的对象数据集可以是按照对象数据集中的对象数据的平均预测关注值对广告主类型进行排序。在本实施方式中，所述关注值可以是广告的点击率，所述预定预测模型可以是广告点击率预测模型，具体的举例为Logistic Regression或RankSVM。当然，第二预定输出模型并不限于上述举例，本领域技术人员在本发明技术精髓启示下，还可以做出其它变更，但只要其功能和效果与本发明相同或相似均应涵盖于本发明保护范围内。
本申请实施方式提供的需求方平台，可以实现多个广告主类型使用一个需求方平台针对广告交易系统的展示机会进行竞价，每个广告主类型会判断当前流量是否是目标受众，针对目标受众进行报价，使得报价有着较强的针对性。再者，需求方平台将一个报价提交给广告交易系统，减少了广告交易系统接收到的报价数量，即当存在多个广告主类型将当前流量作为目标受众，并对当前展示机会进行报价时，需求方平台按照预先设置的输出模型输出一个报价给广告交易系统，降低了广告交易系统的工作负荷。
请参阅图6，在本申请的一个实施方式中，所述需求方平台还包括分配模块50。分配模块50用于在所述输出的中间数据对应的所述对象数据集中按照预定分配模型指定一个对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统。
在本实施方式中，预定分配模型可以通过一个随机函数指定对象数据。具体的，举例为对象数据集包括10个对象数据，该10个对象数据可以按照0～9进行编号，随机函数可以在0～9之间产生一个随机数，通过该随机数指定对象数据。每个对象数据还对应有图像数据，将被指定的对象数据对应的图像数据输出至数据系统。预定分配模型还可以预先依据预定预测模型预测出每个对象数据的预测关注值，并依照预测关注值对对象数据进行排序，对象数据集的中间数据被输出至数据系统后，将对象数据集中预测关注值排序最高的对象数据对应的图像数据输出至数据系统。预定分配模型还可以依照预定排序规则对对象数据集中的对象数据进行排序，对象数据集的中间数据被输出至数据系统时，对象数据按照排序的先后顺序，依次获得将对应的图像数据输出至数据系统的机会。预定排序规则可以是对象数据被转换成字符后按照拼音首字母先后对一个对象数据集中的对象数据进行排序，还可以是按照对象数据被转换成字符后首个字符的笔画数对对象数据集中的对象数据进行排序。当然，预定分配模型并不限于上述举例，本领域技术人员在本发明技术精髓的启示下还可能做出其他变更，但只要其实现的功能和效果与本发明相同或相似，均应涵盖于本发明保护范围内。在本实施方式中，预定预测模型可以是广告点击率预测模型，举例为Logistic Regression或RankSVM。预测关注值可以是广告的预测点击率。在对象数据集的中间数据输出至数据系统时，可以表示为一个广告主类型的报价被提交给数据系统，即该广告主类型获得了当前展示机会，需要在该广告主类型中分配一个广告主获得当前展示机会，获得展示机会的广告主将其所要展示的图像提交给广告交易系统。
请参阅图7，在本申请的一个实施方式中，所述需求方平台还包括缓存模块60，所述缓存模块60对应存储从所述当前展示机会的信息数据集中哈希得到的数据标识和与所述数据标识对应的信息数据。在本实施方式中，所述数据标识为64位无符号整数，使得需求方平台可以同时处理足够多的信息数据。
在本实施方式中，信息数据为64位无符号整数，一个所述64位无符号整数可以表示至少二个预定信息。所述64位无符号整数中的一位或几位可以表示一个预定信息，如此所述64位无符号整数可以表示多个预定信息，如此实现占用较小的内存空间保存足够多的客户的特征。具体的，对所述信息数据进行举例见下表1。
表1
| 位数i | 含义 | 备注 |
| 63-42 | tag_taste | 22bits，兴趣点 |
| 41-38 | tag_power | 4bits，购买力 |
| 37-34 | tag_age | 4bits，年龄 |
| 33-32 | tag_sex | 2bits，性别 |
| 31 | as_tag1 | 1bit，类型1受众标识 |
| 30 | as_tag2 | 1bit，类型2受众标识 |
| 29 | as_tag3 | 1bit，类型3受众标识 |
| 28～16 | 保留 | 可以用于功能拓展 |
| 15-0 | us_id | 16bits，用户细分标识 |
由以上本申请实施方式提供的技术方案可见，本申请可以实现不同的广告主类型使用一个需求方平台针对广告交易系统发布的展示机会进行竞价，需求方平台将多个广告主类型中的一个报价提供给广告交易系统，实现从传统的每个广告主类型向广告交易系统提出一个报价，转换成需求方平台在多个广告主类型的报价中确定一个提交给广告交易系统，减少了广告交易系统接收的报价数据，从而降低了广告交易系统的工作负荷。再者，由于仅仅设置了一个需求方平台，使得当不同类型的广告主具有共性的功能需求时，减少了对需求方平台进行修改的工作量，从而降低了企业的成本。
虽然通过实施方式描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (20)
1.一种需求方平台的数据处理方法，其特征在于，其包括：
接收数据系统发出的信息数据集，根据所述信息数据集建立特征向量；
根据预设分析模型确定与所述特征向量相对应的多个对象数据集；其中，所述对象数据集表示广告主类型，所述对象数据集包括至少一个对象数据，所述对象数据表示广告主；
根据与确定的每个对象数据集对应的第一预定输出模型产生至少一个中间数据；所述一个中间数据表示每个所述广告主类型给出的一个报价；
按照第二预定输出模型将所述产生的中间数据中的一个输出至所述数据系统。
2.如权利要求1所述的方法，其特征在于，所述数据处理方法还包括将多个所述对象数据集设置为数据倾斜类型；所述数据倾斜类型表示需要进行扶植的广告主类型；所述第二预定输出模型包括将作为所述数据倾斜类型的对象数据集对应的中间数据输出至所述数据系统。
3.如权利要求2所述的方法，其特征在于，所述第二预定输出模型包括：所述中间数据中的最大数据对应的所述对象数据集是所述数据倾斜类型时，将所述最大数据输出至所述数据系统。
4.如权利要求2所述的方法，其特征在于，所述第二预定输出模型包括：所述中间数据中的最大数据对应的所述对象数据集不是所述数据倾斜类型时，从第一预定数据范围产生第一随机数；将所述第一随机数与第一预定阈值比较，所述第一随机数不大于所述第一预定阈值时，将所述数据倾斜类型的中间数据输出至所述数据系统。
5.如权利要求4所述的方法，其特征在于，所述第二预定输出模型还包括：所述第一随机数大于所述第一预定阈值时，将所述中间数据中的最大数据输出至所述数据系统。
6.如权利要求2所述的方法，其特征在于，所述数据倾斜类型包括第一数据倾斜类型和第二数据倾斜类型，从第二预定数据范围产生第二随机数，所述第二预定数据范围包括第一数据域和第二数据域，所述第二随机数处于所述第一数据域，将所述第一数据倾斜类型的中间数据输出至所述数据系统，所述第二随机数处于所述第二数据域，将所述第二数据倾斜类型的中间数据输出至所述数据系统。
7.如权利要求1所述的方法，其特征在于：所述数据系统包括广告交易系统。
8.如权利要求7所述的方法，其特征在于：所述信息数据集包括当前流量的至少一个特征，所述特征向量包括至少一个数位，每个数位对应一个预定特征，每个数位的取值表示所述信息数据集中的特征是否符合所述特征向量对该预定特征的要求。
9.如权利要求1所述的方法，其特征在于，所述数据处理方法还包括在所述输出的中间数据对应的所述对象数据集中，按照预定分配模型指定对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统。
10.如权利要求9所述的方法，其特征在于，所述数据处理方法还包括将对象数据类型中的至少一个对象数据设置为倾斜对象数据；所述倾斜对象数据表示需要进行数据倾斜的对象数据；所述预定分配模型指定的对象数据包括所述倾斜对象数据。
11.如权利要求10所述的方法，其特征在于，按照所述预定分配模型指定对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统，还包括：通过预定预测模型预测所述对象数据集中每个对象数据的预测关注值，根据所述预测关注值对所述对象数据进行排序，当所述预测关注值最高的对象数据是倾斜对象数据时，将所述预测关注值最高的对象数据对应的图像数据输出至所述数据系统。
12.如权利要求11所述的方法，其特征在于，按照所述预定分配模型指定对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统，还包括：当所述预测关注值最高的对象数据不是所述倾斜对象数据时，从第三预定数据范围产生第三随机数，将所述第三随机数与第二预定阈值比较，所述第三随机数不大于所述第二预定阈值时，将所述倾斜对象数据对应的图像数据输出至所述数据系统。
13.如权利要求12所述的方法，其特征在于，按照所述预定分配模型指定对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统，还包括：当所述倾斜对象数据包括多个所述对象数据时，将所述倾斜对象数据中所述预测关注值最高的对象数据对应的图像数据输出至所述数据系统。
14.如权利要求12所述的方法，其特征在于，按照所述预定分配模型指定对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统，还包括：当所述第三随机数大于所述第二预定阈值时，将所述预测关注值最高的所述对象数据对应的图像数据输出至所述数据系统。
15.一种需求方平台，用于向广告交易系统提出报价，其特征在于，所述需求方平台包括：
向量建立模块，用于接收数据系统发出的信息数据集，根据所述信息数据集建立特征向量；
分析模块，用于根据预设分析模型确定与所述特征向量相对应的多个对象数据集；其中，所述对象数据集表示广告主类型，所述对象数据集包括至少一个对象数据，所述对象数据表示广告主；
第一输出模块，用于根据与确定的每个对象数据集对应的第一预定输出模型产生至少一个中间数据；所述一个中间数据表示每个所述广告主类型给出的一个报价；
第二输出模块，用于按照第二预定输出模型将所述产生的中间数据中的一个中间数据输出至所述数据系统。
16.如权利要求15所述的需求方平台，其特征在于：所述需求方平台还包括分配模块，所述分配模块用于在所述输出的中间数据对应的所述对象数据集中按照预定分配模型指定一个对象数据，输出与所述指定的对象数据对应的图像数据至所述数据系统。
17.如权利要求15所述的需求方平台，其特征在于：所述需求方平台还包括缓存模块，所述缓存模块对应存储从所述信息数据集中哈希得到的数据标识和与所述数据标识对应的信息数据。
18.如权利要求17所述的需求方平台，其特征在于：所述数据标识为64位无符号整数。
19.如权利要求17所述的需求方平台，其特征在于：所述信息数据为64位无符号整数，一个所述64位无符号整数表示至少二个预定信息。
20.如权利要求19所述的需求方平台，其特征在于：所述64位无符号整数中的一位或几位表示一个预定信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410203264.7A CN105096150B (zh) | 2014-05-14 | 2014-05-14 | 需求方平台的数据处理方法及需求方平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410203264.7A CN105096150B (zh) | 2014-05-14 | 2014-05-14 | 需求方平台的数据处理方法及需求方平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105096150A CN105096150A (zh) | 2015-11-25 |
| CN105096150B true CN105096150B (zh) | 2019-03-15 |
Family
ID=54576513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410203264.7A Active CN105096150B (zh) | 2014-05-14 | 2014-05-14 | 需求方平台的数据处理方法及需求方平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105096150B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105786711A (zh) * | 2016-03-25 | 2016-07-20 | 广州华多网络科技有限公司 | 一种数据分析的方法及装置 |
| CN108022115B (zh) * | 2016-10-31 | 2022-10-28 | 百度在线网络技术（北京）有限公司 | 信息处理方法、装置和设备 |
| CN107767175A (zh) * | 2017-10-19 | 2018-03-06 | 厦门美柚信息科技有限公司 | 一种基于信息点击率的信息投放处理方法及装置 |
| CN115545855A (zh) * | 2022-09-27 | 2022-12-30 | 广州易诚拍卖有限公司 | 一种拍卖信息处理方法、装置及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101551888A (zh) * | 2008-04-02 | 2009-10-07 | 上海亿动信息技术有限公司 | 一种广告信息发布系统及相应的发布广告的控制方法 |
| CN102033883A (zh) * | 2009-09-29 | 2011-04-27 | 阿里巴巴集团控股有限公司 | 一种提高网站数据传输速度的方法、装置及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9124631B2 (en) * | 2009-05-08 | 2015-09-01 | Google Inc. | Content syndication in web-based media via ad tagging |
-
2014
- 2014-05-14 CN CN201410203264.7A patent/CN105096150B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101551888A (zh) * | 2008-04-02 | 2009-10-07 | 上海亿动信息技术有限公司 | 一种广告信息发布系统及相应的发布广告的控制方法 |
| CN102033883A (zh) * | 2009-09-29 | 2011-04-27 | 阿里巴巴集团控股有限公司 | 一种提高网站数据传输速度的方法、装置及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105096150A (zh) | 2015-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | A dynamic pricing model for unifying programmatic guarantee and real-time bidding in display advertising | |
| CN108604347A (zh) | 用于基于性能驱动的动态地理围栏的目标定位的系统和方法 | |
| US20120022965A1 (en) | Geolocation based bidding system, method and apparatus | |
| Hattingh et al. | The rise of the African consumer | |
| US20100241511A1 (en) | Method and system for establishing a reserve price for a publisher's ad space inventory offered via a real-time bidding market | |
| US20080301033A1 (en) | Method and apparatus for optimizing long term revenues in online auctions | |
| Liu et al. | On gender differences in consumer behavior for online financial transaction of cosmetics | |
| CN107153970A (zh) | 一种面向实时竞价广告的出价及预算估计方法 | |
| CN105096150B (zh) | 需求方平台的数据处理方法及需求方平台 | |
| CN106779808A (zh) | 一种商圈中消费者空间行为分析系统及方法 | |
| CN109213936B (zh) | 商品搜索方法和装置 | |
| CN113642945B (zh) | 多源数据融合的客户管理数据处理系统及方法 | |
| Ivanova et al. | Peculiarities of the E-commerce Development in the Conditions of Digital Economy | |
| CN113781139A (zh) | 物品推荐方法、物品推荐装置、设备和介质 | |
| Joghee | RETRACTED ARTICLE: Internet of Things-assisted E-marketing and distribution framework | |
| CN114331543A (zh) | 一种大规模人群定向及动态化场景匹配的广告传播方法 | |
| CN107194790B (zh) | 个人智能招标数据处理方法及系统 | |
| Jin et al. | Procurement auctions and supply chain performance | |
| Préget et al. | What is the cost of low participation in French timber auctions? | |
| US20140058848A1 (en) | Coopetitive ad auction system and method | |
| KR102136386B1 (ko) | 광고 매체 선정 시스템 | |
| Bai et al. | A fair incentive mechanism in federated learning | |
| CN113379511A (zh) | 用于输出信息的方法和装置 | |
| Chukurna et al. | Strategic approaches to pricing in digital economy | |
| KR20220102511A (ko) | 온라인 광고를 위한 사용자-광고 간 매칭 리스트를 생성하는 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |