CN106415642A - 使用查询群的赞助在线内容管理 - Google Patents
使用查询群的赞助在线内容管理 Download PDFInfo
- Publication number
- CN106415642A CN106415642A CN201480036293.7A CN201480036293A CN106415642A CN 106415642 A CN106415642 A CN 106415642A CN 201480036293 A CN201480036293 A CN 201480036293A CN 106415642 A CN106415642 A CN 106415642A
- Authority
- CN
- China
- Prior art keywords
- group
- auction
- inquiry
- advertiser
- query
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0254—Targeted advertisements based on statistics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0273—Determination of fees for advertising
- G06Q30/0275—Auctions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
Abstract
本公开内容的方面针对基于广告商行为而管理赞助在线内容。限定小型市场以表示这样的广告商行为可以通过群集从一个或多个活动生成收益的查询而完成。查询与活动集合之间的查询收益数据可以用于确定这样的小型市场。为了说明,其最高收益归因于活动的查询可以被选择用于该活动的小型市场。当该查询作为搜索项被录入时,活动的小型市场帮助为广告分配空间。
Description
背景技术
为了在经由诸如搜索引擎之类的信息门户呈现时恰当地分配用于赞助的在线内容,常规门户将这样的内容上的每一个空位或位置拍卖给最高排名的竞拍者(例如广告商或代理)。可以在所竞拍的美元数额方面或者通过从各种因素所计算的加权值来确定排名,包括点击通过率或预期的点击百分比。典型地,将查询提供给搜索引擎的用户调用针对查询所返回的页面上的位置的拍卖。竞拍者提出为位置或空位支付高达具体数额的价格;成功的竞拍导致了在针对查询的常规搜索结果旁边显示广告的搜索页面。
为了说明一个示例,在广义第二价格(GSP)拍卖下,在广告商放置单个竞拍之后,通过权重对竞拍排名使得加权竞拍确定空位分配。大多数搜索引擎典型地针对以上拍卖采用双管齐下方案:(1)寻找针对查询的相关广告,以及(2)估计针对所检索的广告的点击通过率,向每一个竞拍应用适当权重,并且分配多个空位以用于将那些广告显示在搜索页面上(每个广告一个空位)。对空位排序并且较高的空位在点击通过率方面可以更有价值。例如,居首的空位通常可以接收每千个印象二十个点击,而次高空位可以接收十个点击。实现空位的最佳分配已经证明是困难且昂贵的任务。当考虑到典型地响应于查询而在其中显示搜索页面的相对短时间帧时,尤其如此。
发明内容
提供本发明内容来以简化形式引入以下在具体实施方式中进一步描述的代表性概念的选择。本发明内容不意图标识所要求保护的主题的关键特征或必要特征,也不意图以任何会限制所要求保护的主题的范围的方式被使用。
简要地,本文描述的主题的各种方面针对确定用于有效赞助在线内容管理的拍卖参数。在一方面中,基于广告商行为来群集查询产生了特定于广告活动的意图市场或小型市场的数据。在一方面中,小型市场一般地在广告商所实现的效用/价值方面表征该广告商的竞拍/花费策略。小型市场数据可以用于向广告商告知要竞拍的其它查询。这样的数据可以用于配置以上提及的拍卖参数。在一方面中,本文描述的一些群集方案通过在确定广告价格和/或分配之前按每一个广告商的行为分解查询而考虑语义意图和/或广告商意图。
在一方面中,以上提及的拍卖参数增强了赞助搜索拍卖。代替作为可交换的商品而群集查询,可以将相同小型市场内的查询群集在一起并且分配相同拍卖参数以提供价格稳定性和一致的广告商花费/竞拍行为。在一方面中,基于联合点击活动而将查询分组在一起成为群。
在结合附图考虑时其他优点可以从以下详细说明变得显而易见。
附图说明
本发明是通过示例的方式说明的并且不限于随附的图,其中相同参考标号指示相同元件并且其中:
图1是图示了根据一个示例实现方案的用于赞助在线内容增强的示例系统的框图。
图2是图示了根据一个示例实现方案的用于基于收益数据来群集查询的示例步骤的流程图。
图3是图示了根据一个示例实现方案的为广告商的集合提供向赞助搜索拍卖的接口的示例步骤的流程图。
图4是图示了根据一个示例实现方案的用于群集查询的模块性方案的示例步骤的流程图。
图5是图示了根据一个示例实现方案的用于更新小型市场数据的示例步骤的流程图。
图6图示了根据一个示例实现方案的配置成维持小型市场数据的示例结构。
图7是表示其中可以实现本文描述的各种实施例的示例非限制性联网环境的框图。
图8是表示其中可以实现本文描述的各种实施例的一个或多个方面的示例非限制性计算系统或操作环境的框图。
具体实施方式
本文描述的技术的各种方面大体针对通过基于广告商行为而群集查询的赞助在线内容拍卖。尽管以下说明提供这样的行为的众多示例表现,包括广告商花费和/或活动收益,但是本文描述的技术不限于这些示例并且可以使用其它形式的广告商行为来群集查询。其中广告商行为影响赞助在线内容拍卖的示例实施例包括搜索引擎广告活动,例如所支付或赞助的搜索。可以通过选择最大化目标(例如目标功能,诸如跨传入查询业务量的点击产率或RPM(每千个查询的收益))的拍卖参数的集合而改进所支付或赞助的搜索拍卖。
一个示例度量在小型市场方面限定广告商行为。小型市场一般包括广告商的集合目的用于赞助/广告的相干、语义上相关的查询的集合。作为一个示例,一个或多个相关(查询)群可以形成小型市场。通过针对查询群集和拍卖配置实现基于小型市场的方案,广告商行为可以稳定化并且更可预测。一个原因在于,基于小型市场的方案以类似的广告商目的和意图以及因而类似的价值来群集查询,这允许通过运用每一个小型市场的价值估计而将每一个群的拍卖参数递增地朝向最佳集合调整。
一个示例实现方案根据联合点击活动,诸如在两个或更多查询从相同活动取得点击时,来群集查询。出于至少该原因,这些查询可以在某种程度上视为相关的。一个或多个群可以被进一步组合成小型市场,小型市场包括与相关广告商(诸如共享意图的那些广告商)的组相关联的查询。在混合型群集方案中以上描述的群集实现方案可以与其它群组合。作为一个示例,没有处于任何群中的其它查询仍可以基于竖向标签(例如概念层级标签)、排名/分值距离和/或其它数据被分组成群。
另一示例实现方案例如通过生成广告商/活动-查询花费和竞拍图表并且使用相关模块性最大化技术限定群来执行联合花费/联合竞拍图表分块。测量模块性一般牵涉到在图表的可能分块的集合之上执行质量函数,诸如树或网络结构。用于测量模块性的每一个实现方案试图量化这些分块在统计上与可以被称为群落的边缘/连接的具体布置有多接近。此外,以上方案使得能够实现递增的小型市场细化和树结构稳定性。递增地更新群的示例包括利用新广告商扩展现有小型市场,将新查询添加到群,响应于改变广告商竞拍/花费行为而修改群等等。
本文描述的技术应用基于小型市场的方案来群集查询并配置拍卖参数,包括用于建立最小或接近最小成本(例如保留价格)和分配决定(例如用于放置广告的空位/位置)的参数。可以优化的其它拍卖参数包括分值平滑化(挤压)因素、硬/软过滤器,诸如相关约束等等。
一个示例实现方案暴露应用编程接口(API)以为每一个广告商提供对用于每一个查询群的拍卖参数的访问。经由API,广告商可以访问各种统计、竞拍/价格信息和/或用于个体小型市场的其它数据。鉴于这样的数据,广告商可以使用API来修改当前广告活动和/或竞拍策略。
应当理解到,本文的任何实例是非限制性的。因此,本发明不限于本文描述的任何特定实施例、方面、概念、结构、功能性或示例。而是,本文描述的任何实施例、方面、概念、结构、功能性或示例是非限制性的,并且本发明可以以一般地在计算和在线内容管理方面提供益处和优点的各种方式来使用。
图1是图示了根据一个示例实现方案的用于赞助在线内容管理的示例系统的框图。示例系统包括用于信息门户的广告平台102,其处理包括收益数据的查询相关信息,并且产生指示对在线排名和赞助在线内容的改进的数据。这样的在线内容的示例可以包括互联网搜索结果(例如搜索页面)、社交联网行动/更新馈送等等。
广告平台102的示例组件可以包括群集组件104和拍卖组件106。群集组件104的一个示例实现方案使用从查询相关数据仓库110所检索的数据来生成小型市场数据108。小型市场数据108可以通过列举每一个群内的每一个查询而描述群的集合。群集组件104可以使用例如本文描述的任何群集方案或者其它群集机制而将广告商行为所涉及的查询分组到相同群中。
领会到,可以在数个结构中实现群。第一示例结构包括二部图表,其中每一个群由图割限定。第二示例结构包括节点的网络或树,其中每一个群包括节点组并且每一个节点表示查询或广告商/活动/类别。
第二示例结构维持组之间的划分,从而导致相同组内的节点之间的致密连接以及组之间的稀疏连接。该性质可以称为群落结构,并且相应地,第二示例结构的每一个组可以被称为群落。用于特定划分的相关质量量度可以被称为模块性(例如全局模块性)。高达乘积常数的模块性可以表示落在群落内的边缘数目减去在具有随机放置的边缘的等同网络或树结构中的预期数目。
为了说明用于最大化模块性度量Q而同时将查询群集到c个群落中的一个示例技术,考虑具有可以被分块成c个群落的n个节点和m个链路(边缘)的查询的网络。假设A表示用于网络的邻接矩阵使得Aij=0意味着在群落i中的节点与群落j中的节点之间不存在边缘(不存在交互)并且Aij=1意味着两个群落之间存在边缘。通过从群落i和j随机地选择具有节点度ki和kj的节点,最大化针对该网络的模块性度量Q牵涉到以下等式:
在以上等式中,eii是两个末端顶点均在相同群落i中的边缘的比例并且ai是有至少一个末端顶点在群落i中的边缘的比例。使用该方案,群集组件104可以最初将查询分块到分离的群落中。在每一次迭代处,群集组件寻找两个群落,其具有提供了模块性中的最大增加的融合。组合群落直到模块性没有进一步改进的可能。
拍卖组件106的一个示例实现方案使用小型市场数据108来生成用于操作广告商112的集合之间的拍卖的参数的集合,广告商112在图1中图示为广告商1121...广告商112N。广告商112的集合发起活动(例如广告活动)的集合,其牵涉到赞助由搜索引擎114提供的在线内容。广告平台102将关于活动的集合的各种数据馈送给搜索引擎114。
根据一个示例实现方案,拍卖组件106确定用于配置和/或运行针对搜索页面空位的赞助搜索拍卖的拍卖参数。拍卖参数的集合可以对应于具体查询或群。这些参数可以包括但不限于分配决定/阈值、分值平滑化因素、诸如主线保留成本之类的成本、诸如相关约束之类的硬/软过滤器。作为示例,分配决定可以牵涉到确定是将广告放置在主线上还是侧边栏上。
对于通过搜索引擎114提交的每一个查询,拍卖组件106将该查询与经排名广告的集合匹配。搜索引擎114根据这些拍卖参数和小型市场数据108对这些广告排名。搜索引擎114在所得搜索页面上分配空间以用于显示这些广告。出于各种原因而可以将一些广告放置在与其它广告不同的位置处,原因的一些示例是与收益相关的。例如,因为对于特定查询而言第一广告比第二广告生成更多点击——以及因而更多收益,所以搜索引擎114将第一广告放置在所得搜索页面上的更为突出的位置处。
通过(广告)活动来赞助在线内容所牵涉到的每一个广告商基于诸如主线保留阈值和/或预期的点击通过率权重之类的因素的集合而有效地“竞拍”所得搜索页面上的位置。以上因素和/或其它因素可以组合成函数,其配置成确定示例广告的分值、潜在搜索页面位置和/或成本。存在数个适用的度量用于计算示例广告的分值,包括效用分值/排名。
主线保留阈值是指用于在可以称为主线的所得搜索页面的突出部分上放置的最小查询-广告对分值。例如,主线可以是指有组织搜索结果的集合的顶部或右边或左边的一系列位置。第一位置可以是最为突出的并且因此分配给在给定拍卖参数的情况下提供最多收益的广告。可以给主线上的最后位置指派从主线保留阈值所计算的保留价格以确保最小量的收益。如果示例广告的竞拍不满足主线保留阈值,则拍卖组件106仍可以在所得搜索页面的另一部分(诸如侧边栏)上显示示例广告。预期点击通过率权重是指竞拍的排名,当与其它竞争广告相比时,其得自于通过显示示例广告而生成的收益。
在群集组件104将查询分组成群之后,拍卖组件106针对每一个个体群建立拍卖参数的最佳集合。因为包括群的查询可以具有相同或相似的价值和/或广告商意图,所以拍卖组件106可以设定每点击价格或者在搜索页面上分配使与查询中的至少一些相关联的收益最大化的位置。作为一个示例,甚至在第一广告商比生成更多收益和/或覆盖针对查询的更多点击的第二广告商供应更多钱时,拍卖组件106将来自第二广告商的广告放置在比来自第一广告商的广告更高的位置中。在一些实例中,从第二广告商的广告所生成的收益由于可归因于更为突出的位置的较高点击通过率而增加。
拍卖组件106的一个示例实现方案将接口暴露给广告商112的集合以使得能够实现小型市场数据共享和查询群定制。拍卖组件106使用拍卖参数的最佳集合以配置广告商112的集合之间的查询的拍卖。拍卖组件106可以接受针对不同关键词的竞拍,其中每一个竞拍表示:在给定针对特定关键词组合的广告活动的预期点击通过率和/或针对该相同组合的广告活动的所提出的每点击支付值的情况下,广告商致力于为放置到可能的最为突出的位置进行支付。其它因素可以在确定是否选择某一竞拍时起作用,包括但不限于效用排名、相关性等。
对于特定广告商而言,根据一个示例实现方案,拍卖组件106检查小型市场数据108并且标识可能导致该广告商花费金钱(例如每点击价格)的一个或多个查询。经由拍卖组件106所暴露的API,为特定广告商呈现描述每一个所标识查询的数据。对于一个示例查询,广告商提供竞拍,其指示实现期望点击覆盖(例如最大点击覆盖)的每点击支付额。
图2是图示了根据一个示例实现方案的用于基于收益数据来群集查询的示例步骤的流程图。信息门户广告平台的一个或多个硬件/软件组件(例如图1的群集组件104)可以配置成执行示例步骤。步骤202开始示例步骤并且进行到步骤204,其中在群集之前访问并预处理查询相关数据。查询相关数据可以包括一段时间(例如一个月)内的可计费点击数据,其中可计费点击数据提供<查询,活动,竖向>信息。一个示例实现方案还包括将查询与广告活动的集合相连的二部图表。可以根据收益对这些连接中的每一个加权,所述收益是通过例如关键词上的广告商/活动竞拍、主线印象和/或用户点击上的广告商/活动花费等等而生成的。作为一个可替换方案,可以基于广告商的竞拍策略对这些连接加权。
在预处理期间,步骤204消除某些查询以便限制二部图表的大小。广告平台的一个示例实现方案移除品牌词查询和/或具有非充足预期点击百分比的查询。一个示例方案是基于在查询-活动二部花费图表之上群集查询。步骤206进行到按活动分解并分类每一个查询的收益。步骤208执行用于将其最高收益可以归因于特定活动的查询分组成群的操作。步骤208可以摒弃具有非充分收益和/或点击通过率的群。可替换地,步骤208可以留存从这些群中剩余的查询,诸如对于牵涉到通过分割查询-竖向标签二部花费图表来群集这些查询的混合型方案。
步骤210确定是否除根据具有所生成的最高收益的活动来群集查询之外还调用混合型方案。如本文描述的,在混合型方案中可以利用其它群扩展基于小型市场的群集方案。其它群的示例包括根据竖向标签、历史排名分值或者web结果-查询联合点击而分组的那些查询。可以根据花费阈值调控竖向标签使得查询可以被再归类成不同标签,假定花费阈值保持满足的话。如果其它查询要被分组到附加群中,则步骤210进行到步骤212。步骤212基于诸如收益之类的另一因素分解其它查询。步骤214使用竖向标签来将其它查询分组成群并且然后合并群的这两个集合。如本文描述的,竖向标签可以是指概念层级归类。可以针对每个用户定制竖向标签。如果不存在要群集的更多查询,则步骤210跳过步骤212到步骤214并且直接进行到步骤216。
步骤216生成用于解析赞助在线内容拍卖的拍卖参数。一般化的第二收益拍卖例如使用这些参数来确定广告分配和/或价格。这些参数可以基于一些优化准则而生成,诸如收益最大化、点击产率等。相同群中的一些或全部查询可以被指派相同的拍卖参数。一个示例拍卖参数包括主线分值/排名保留阈值,其是指用于在所得搜索页面的主线(例如限定搜索页面顶部的区域)上分配用于广告的空间的最小分值/排名。如果所得搜索页面包括用于放置广告的可替换区域,诸如侧边栏,可以建立该可替换区域的最小分值/排名作为另一示例拍卖参数。
另一示例拍卖参数包括挤压因子。在一个示例实现方案中,向每一个竞拍应用权重,所述权重是从一个或多个因素所计算的,所述一个或多个因素包括诸如广告的过去或预期的点击通过率之类的广告特定效果。这种权重可以在本文中称为预期点击通过率权重或点击权重。一些实现方案采用位置特定效果,其中具体位置的预期点击通过率被因子化成竞拍的权重。基于挤压因子来进一步调节预期的点击权重,挤压因子充当该权重的幂。例如,如果挤压因子为1.5,则竞拍权重变成预期点击通过率的1.5次幂。可以以数个方式组合以上讨论的挤压因子参数和主线保留阈值参数以设定附加参数。一个示例参数包括表示针对广告商的最小每点击价格的保留价格,其可以被计算为主线保留阈值和活动的权重的商。如果广告商以少于保留价格而竞拍,则广告不被示出在主线上。另一示例参数包括实际的每点击价格,其可以被计算为竞拍与较低竞拍的分值/排名(加权竞拍)和当前分值/排名(加权竞拍)之间的比率之间的产物。该比率可以表示被称为挤压因子的另一拍卖参数。这些拍卖参数确保以广告商可能已经放置的最低竞拍向广告商收费而同时维持当前位置。为了维持该位置,广告商可以提交满足某些约束的竞拍——其中一个确保广告的加权竞拍大于或等于下一个最高竞拍广告的加权竞拍。领会到的是,赞助在线内容拍卖可以采用附加参数并且那些参数是本公开内容所预想到的。步骤218终止图2中所描绘的示例步骤。
图3是图示了根据一个示例实现方案的用于为广告的集合提供至赞助搜索拍卖的接口的示例步骤的流程图。一个或多个硬件/软件组件(例如图1的广告组件106)可以配置成执行示例步骤。步骤302开始示例步骤并且进行到步骤304,其中至赞助搜索拍卖的接口被暴露。如本文描述的,广告平台配置成操作用于赞助在线内容(诸如互联网搜索)的拍卖。一个示例实现方案使用取得查询群的拍卖参数来配置一般化第二价格拍卖机制,但是领会到的是,本公开内容预想到其它拍卖模型。
步骤306将小型市场数据呈现给广告商的集合并且接受关于关键词和/或关键词组合(例如查询)的竞拍。根据一个示例实现方案,每一个竞拍表示特定广告商愿意支付的最大每点击价格。竞拍可以表示可替换的值,诸如特定广告商愿意对每个主线印象支付的最大价格。
小型市场数据列举每一个群的组成,使得每一个广告商可以标识哪些查询将它们的最高收益贡献给广告商的活动。基于这样的信息,广告商可以由于向广告的固有价值的所实现增加而调节竞拍量。对于群中的每一个查询,拍卖组件可以预先选择用于一个或多个广告的搜索页面位置,包括与群的活动有关的那些广告。预先选择的位置可以优化某些目标,诸如收益和/或点击覆盖。当然,预先选择的位置可以在拍卖实际运行时更改。在步骤306期间,广告平台可以基于预先选择的位置和其它数据而修改小型市场数据和/或拍卖参数。例如,广告商可以改变竞拍,从而影响对应群的组成。
步骤308确定是否运行由录入到搜索引擎中的查询引起的针对搜索页面上的空间的拍卖。拍卖组件可以将小型市场数据的离线版本提供给搜索引擎,搜索引擎响应于查询而发起针对搜索页面位置的拍卖。作为一个可替换的机制,拍卖组件可以代表搜索引擎而使用小型市场数据的在线版本运行拍卖。如果步骤308决定不运行拍卖,则步骤308省略步骤310并且直接进行到步骤316。
如果步骤308决定运行拍卖,则步骤308进行到步骤310,其中确定拍卖参数。如本文描述的,用于每一个广告的拍卖参数可以包括主线保留阈值、挤压因子(应用于所估计的点击通过率以得到点击权重)等等。这些权重可以在对竞拍排名时应用以便为广告分配适当的搜索页面位置。其它拍卖参数可以包括分配决定、硬/软过滤器,诸如相关约束等等。作为示例,分配决定可以牵涉到确定是将广告放置在主线上还是侧边栏上。平滑化因子可以用于修改预期的点击权重并且控制广告的每点击价格。相关约束包括阈值相关分值以便标识并且排除考虑不相关的广告。步骤312处理竞拍并且将搜索页面位置指派给这些竞拍。步骤312可以预测这样的位置的最优指派以试图最大化目标(例如收益)。
步骤314基于搜索页面位置指派和其它数据而递增地更新小型市场数据和/或拍卖参数。例如,拍卖组件通过增加主线保留阈值来修改最小保留每点击价格以便针对搜索引擎获得更多收益并且针对广告的特定小型市场留存更有价值空位。阈值调节还可以防止为不相关的广告指派任何主线空位。步骤316终止图3中所描绘的示例步骤。
图4是图示了根据一个示例实现方案的用于群集查询的模块性方案的示例步骤的流程图。一个或多个硬件/软件组件(例如图1的群集组件104)可以配置成执行示例步骤。步骤402开始示例步骤并且进行到步骤404,其中针对每一个广告商/活动标识联合竞拍/联合花费查询。
步骤406将查询合并到群落中并且构建树结构的层。步骤406可以是将新的层添加到部分地构建的树结构或者在空树结构上构建初始层。每一个群落表示一个示例查询群结构。当完成时,树结构包括以密度次序的一个或多个群落层使得最顶部的层包括最大群落。如本文描述的,群集组件可以以增加模块性的方式对广告商花费图表分块。步骤408确定树结构的模块性是否被最大化。如果树结构尚未实现最大模块性,则步骤408进行到步骤410。步骤410调节群落的组成以增加模块性。作为一个示例,步骤410将查询从一个群落移动到另一群落。步骤410返回到步骤408以确定模块性是否已经被最大化。步骤410重复直到实现最大模块性。确保树结构中的最大模块性使得能够生成有效参数以用于解析赞助搜索拍卖。
一旦步骤408确认树结构内的模块性最大化,则步骤408进行到步骤412,其中将一些群落合并成更大的群落,从而形成用于树结构的新层。步骤414评估树结构并且确定该树结构是否稳定。作为示例,稳定树结构的顶层群落可以通过至少以下性质来表征:其内的网络连接密集但是其之间的网络连接较为稀疏的节点划分。这样的树结构不要求关于查询相关数据的进一步训练。此外,稳定树结构可以用于其中拍卖组件响应于广告商花费/竞拍策略的改变而递增地更新节点划分的实施例中。可以存在稳定性和层数目之间的相关性;因而,根据一个可替换方案,可以根据树结构的高度来量度树结构的稳定性。
步骤416使用树结构来生成小型市场数据,其将顶部(最密)层上的每一个群落描述为个体小型市场。如本文描述的,每一个小型市场基于广告商行为表示与广告商的集合有关的查询的集合。步骤418配置用于运行赞助搜索拍卖的参数。关于离线实施例,拍卖组件在小型市场数据和查询的集合之上执行大量的所模拟的拍卖。在给定某些约束的情况下,每一个模拟试图选择主线保留阈值、用于点击权重调节的挤压因子和/或最大化特定目标的其它参数,诸如每千个印象的总收益和/或点击数目。示例约束可以包括用于点击差率或者主线点击产率的下限以及用于主线印象产率的上限。当标识拍卖参数的最佳集合时,拍卖组件将这些参数提供给运行赞助搜索拍卖的搜索引擎。
关于在线实施例,搜索引擎使用这些参数并且操作赞助搜索拍卖。可以在搜索引擎的请求下以迭代方式更新遭遇约束改变的小型市场数据。相应地,响应于广告商花费/竞拍行为的改变,要么从暂存区要么从部分地构建的树重建树结构。还更新赞助搜索拍卖参数以反映所重建的树结构。步骤420终止图4中所描绘的示例步骤。
图5是图示了根据一个示例实现方案的用于更新小型市场数据的示例步骤的流程图。一个或多个硬件/软件组件(例如图1的拍卖组件106)可以配置成执行示例步骤。步骤502开始示例步骤并且进行到步骤504,其中访问小型市场数据。步骤506确定是否参与到用于群集查询的模块性方案中。
步骤508将新查询或新广告商添加到表示具有充分模块性的群落分组的树结构。每一个群落可以是用于表示小型市场的结构,小型市场如本文描述的那样可以包括用于广告商的集合的相关查询的集合。步骤510执行部分再估计以最大化树结构内的模块性。如果不采用模块性方案,则步骤506进行到步骤512,其中使用距离度量将新查询指派给群。示例距离度量包括如通过相关模型所估计的语义相似性、广告商联合竞拍等等。如果距离度量采用语义相似性模型,则可以将查询分组到包括最高数目的语义上相似的查询的群中。步骤514终止图5中所描绘的示例步骤。
图6图示了根据一个示例实现方案的配置成维持小型市场数据的示例结构。示例结构可以被称为树结构602,其中逐层形成查询的群落。如本文描述的,群落是指查询群的示例实施例。每一个未填充的白色圆圈表示占据树结构602的初始或最低层的查询。如图6中所描绘的,树结构602还包括含有以上提及的群落的中间层以及含有甚至更密的群落的顶部层604。
基于其中每一个连接表示从查询与广告商之间的竞拍取得的至少一些收益的广告商竞拍和花费图表,具有相当的广告商花费行为的两个或更多查询合并到在图6中表示为黑色圆圈的下一层群落中。从广告商角度按效用/价值对每个连接加权。例如,如果特定广告商在两个查询上竞拍和花费金钱,可以将这两个查询合并到群落中。如果另一广告商在相同的两个查询上竞拍和花费金钱,则可以将广告商合并到群落中,因为两个查询和广告商最可能通过意图而相关。
每一个合并器使树结构602更接近最大目标模块性。查询和/或广告商可以移进和移出群落,如果这样的操纵可能造成模块性的增加的话。一旦实现最大模块性,则在中间层之上构建新层——顶部层604,如图6中所图示的。顶部层604包括三个(3个)群落,其表示共享花费/竞拍行为的一个或多个广告商和查询的小型市场。在顶部层604上执行模块性最大化之后,树结构602可以是足够稳定的以用于部署到搜索引擎,其中树结构602可以促进赞助搜索拍卖。
为了通过示例的方式进行说明,可以在特征矩阵——模块性矩阵——的特征向量方面表述用于树结构602的模块性。下文描述使用该矩阵经由模块性最大化而执行群落检测的一个示例实现方案。在构造模块性矩阵并且找到首要(例如最正的)特征值和对应的特征向量之后,根据特征向量的元素的符号将树结构划分成两个分块。使用一般化模块性矩阵针对每一个分块重复该过程。如果所提出的划分向总模块性做出零或负贡献,则对应子图表没有划分。当整个树结构已经分解成不可划分的子图表时,实现最大模块性并且每一个分块表示群落。相应地,每一个群落通过定义为可划分的子图表。
可以响应于广告商花费/竞拍行为改变而更新树结构602。例如,在广告商的集合增加关于两个或更多查询的竞拍之后,树结构602的模块性可以不再被最大化。相应地,顶部层604处的群落可以不再那么致密。树结构602因此被拆解使得可以再构建顶部层604以实现最大模块性。一个示例改变包括添加新查询和/或新广告商/活动。
示例联网和分布式环境
本领域普通技术人员可以领会到,本文描述的各种实施例和方法可以结合任何计算机或其它客户端或服务器设备而实现,所述计算机或其它客户端或服务器设备可以部署为计算机网络的部分或者部署在分布式计算环境中,并且可以连接到任何种类的一个或多个数据仓库。在这方面,本文描述的各种实施例可以实现在任何计算机系统或具有任何数目的存储器或存储单元中的环境中,以及跨任何数目的存储单元所发生的任何数目的应用和过程中。这包括但不限于具有部署在网络环境或分布式计算环境中的具有远程或本地存储装置的服务器计算机和客户端计算机的环境。
分布式计算通过计算设备和系统之中的通信交换而提供计算机资源和服务的共享。这些资源和服务包括信息的交换、用于对象的高速缓存存储装置和盘存储装置,诸如文件。这些资源和服务还包括跨多个处理单元共享处理能力以用于负载均衡、资源的扩展、处理的专门化等等。分布式计算利用网络连接性,从而允许客户端运用他们的集体力量以有益于整个企业。在这方面,各种设备可以具有可以参与到如针对主题公开内容的各种实施例所描述的资源管理机制中的应用、对象或资源。
图7提供了示例联网或分布式计算环境的示意图。分布式计算环境包括计算对象710,712等,以及计算对象或设备720,722,724,726,728等,其可以包括程序、方法、数据仓库、可编程逻辑等,如通过示例应用730,732,734,736,738所表示的。可以领会到的是,计算对象710,712等和计算对象或设备720,722,724,726,728等可以包括不同设备,诸如个人数字助理(PDA)、音频/视频设备、移动电话、MP3播放器、个人计算机、膝上型电脑等。
每一个计算对象710,712等和计算对象或设备720,722,724,726,728等可以通过通信网络740的方式要么直接地要么间接地与一个或多个其它计算对象710,712等和计算对象或设备720,722,724,726,728等通信。尽管被图示为图7中的单个元件,但是通信网络740可以包括向图7的系统提供服务的其它计算对象和计算设备,和/或可以表示多个互联的网络,其没有被示出。每一个计算对象710,712等或计算对象或设备720,722,724,726,728等还可以包含诸如应用730,732,734,736,738等之类的可能利用API的应用、或其它对象、软件、固件和/或硬件,其适用于与依照主题公开内容的各种实施例所提供的应用通信或者实现它。
存在支持分布式计算环境的各种系统、组件和网络配置。例如,计算系统可以通过有线或无线系统、通过本地网络或广泛分布式网络连接在一起。当前,许多网络耦合到互联网,其提供用于广泛分布式计算的基础设施并且涵盖许多不同网络,虽然任何网络基础设施可以用于例如伴随如各种实施例中所描述的系统而来的示例通信。
因而,可以利用网络拓扑和网络基础设施的主机,诸如客户端/服务器、对等或混合型架构。“客户端”是使用与其不相关的另一类或组服务的类或组的成员。客户端可以是过程,例如粗略地指令或任务的集合,其请求由另一程序或过程所提供的服务。客户端过程利用所请求的服务而不必“知晓”关于其它程序或服务本身的任何工作细节。
在客户端/服务器架构中,尤其是联网系统中,客户端通常是访问由另一计算机(例如服务器)提供的共享网络资源的计算机。在图7的图示中,作为非限制性示例,计算对象或设备720,722,724,726,728等可以被视为客户端,并且计算对象710,712等可以被视为服务器,其中充当服务器的计算对象710,712等提供数据服务,诸如从客户端计算对象或设备720,722,724,726,728等接收数据、存储数据、处理数据、传输数据给客户端计算对象或设备720,722,724,726,728等,当然任何计算机可以取决于环境而被视为客户端、服务器或二者。例如充当服务器的计算对象712为计算对象或设备720,722,724,726,728等提供对(多个)数据仓库750内的存储资源的访问。
服务器典型地是通过诸如互联网或无线网络基础设施之类的远程或本地网络可访问的远程计算机系统。客户端过程可以在第一计算系统中是活跃的,并且服务器过程可以在第二计算机系统中是活跃的,从而通过通信介质彼此通信,由此提供分布式功能性并且允许多个客户端利用服务器的信息收集能力。
在其中通信网络740或总线为互联网的网络环境中,例如计算对象710,712等可以是web服务器,其它计算对象或设备720,722,724,726,728等利用所述web服务器经由数个已知协议中的任何协议(诸如超文本传输协议(HTTP))进行通信。充当服务器的计算对象710,712等还可以充当客户端,例如计算对象或设备720,722,724,726,728等,如可以是分布式计算环境的特性。
示例计算设备
如所提及的,有利地,本文描述的技术可以应用于任何设备。因此,可以理解到的是,想到所有种类的手持式、便携式和其它计算设备和计算对象以用于与各种实施例结合地使用。相应地,以下在图8中描述的以下通用远程计算机仅仅是计算设备的一个示例。
实施例可以部分地经由操作系统实现以用于由服务的开发者针对设备或对象而使用,和/或包括在操作成执行本文描述的各种实施例的一个或多个功能方面的应用软件内。软件可以在由诸如客户端工作站、服务器或其它设备之类的一个或多个计算机执行的诸如程序模块之类的计算机可执行指令的一般上下文中被描述。本领域技术人员将领会到的是,计算机系统具有可以用于传达数据的各种配置和协议,并且因而没有特定配置或协议是被视为限制性的。
图8因而图示了其中可以实现本文描述的实施例的一个或多个方面的适当计算系统环境800的示例,尽管如上文清楚做出的,计算系统环境800仅是适当计算环境的一个示例并且不意图暗示关于使用范围或功能性的任何限制。此外,计算系统环境800不意图解释为关于示例计算系统环境800中所图示的任何一个组件或组件的组合具有任何依赖性。
参照图8,用于实现一个或多个实施例的示例远程设备包括以计算机810的形式的通用计算设备。计算机810的组件可以包括但不限于处理单元810、系统存储器830和系统总线822,其将包括系统存储器的各种系统组件耦合到处理单元820。
计算机810典型地包括各种计算机可读介质并且可以是可以由计算机810访问的任何可用介质。系统存储器830可以包括以易失性和/或非易失性存储器的形式的计算机存储介质,诸如只读存储器(ROM)和/或随机存取存储器(RAM)。作为示例而非限制,系统存储器830还可以包括操作系统、应用程序、其它程序模块和程序数据。
用户可以通过输入设备840将命令和信息录入到计算机810中。监控器或其它类型的显示设备还经由诸如输出接口850之类的接口连接到系统总线822。除监控器之外,计算机还可以包括可以通过输出接口850连接的诸如扬声器和打印机之类的其它外围输出设备。
计算机810可以使用到诸如远程计算机870之类的一个或多个其它远程计算机的逻辑连接而操作在联网或分布式环境中。远程计算机870可以是个人计算机、服务器、路由器、网络PC、对等设备或其它常见网络节点、或者任何其它远程媒体消耗或传输设备,并且可以包括以上相对于计算机810所描述的任何或全部元件。图8中所描绘的逻辑连接包括网络872,诸如局域网(LAN)或广域网(WAN),但是还可以包括其它网络/总线。这样的联网环境在家庭、办公室、企业范围的计算机网络、内联网和互联网中是常见的。
如上文提及的,尽管已经结合各种计算设备和网络架构描述了示例实施例,但是底层概念可以应用于任何网络系统和任何计算设备或系统,其中期望改进资源使用的效率。
同样地,存在多种方式来实现相同或相似功能性,例如适当的API、工具套件、驱动器代码、操作系统、控件、独立或可下载软件对象等,其使得应用和服务能够利用本文提供的技术。因而,从API(或其它软件对象)的立场以及从实现如本文描述的一个或多个实施例的软件或硬件对象想到了到本文的实施例。因而,本文描述的各种实施例可以具有整体在硬件中、部分在硬件中并且部分在软件中、以及在软件中的方面。
词语“示例性”在本文中用于意指充当示例、实例或说明。为了避免混淆,本文公开的主题不限于这样的示例。此外,本文描述为“示例性”的任何方面或设计未必解释为相对其它方面或设计而言是优选的或有利的,也不意图排除本领域普通技术人员所已知的等同示例性结构和技术。此外,就术语“包括”、“具有”、“包含”和其它类似短语所使用的范围而言,为了避免混淆,这样的术语意图以类似于在权利要求中采用时作为不排除任何附加或其它元件的开放式过渡词语的术语“包括”的方式而是包括性的。
如所提及的,本文描述的各种技术可以结合硬件或软件或适当的情况下结合二者的组合而实现。如本文使用的,术语“组件”、“模块”、“系统”等以同样方式用于是指计算机相关实体,要么是硬件、硬件和软件的组合、软件,要么是执行中的软件。例如,组件可以是但不限于运行在处理器上的过程、处理器、对象、可执行文件、执行的线程、程序和/或计算机。作为说明,运行在计算机上的应用和计算机二者可以是组件。一个或多个组件可以驻留在过程和/或执行的线程内并且组件可以定位在一个计算机上和/或分布在两个或更多计算机之间。
已经关于若干组件之间的交互而描述了前述系统。可以领会到的是,这样的系统和组件可以包括那些组件或指定的子组件、指定的组件或子组件中的一些和/或附加组件,并且根据前述的各种置换和组合。子组件还可以实现为通信耦合到其它组件而未被包括在父组件内(层级)的组件。附加地,可以指出的是,一个或多个组件可以组合成提供聚合功能性的单个组件或者划分成若干分离的子组件,并且可以提供诸如管理层之类的任何一个或多个中间层,以通信耦合到这样的子组件以便提供集成功能性。本文描述的任何组件还可以与本文没有特别描述但是本领域技术人员一般已知的一个或多个其它组件交互。
鉴于本文描述的示例系统,也可以参照各种图的流程图而领会可以依照所描述的主题实现的方法。尽管出于解释简单的目的,方法被示出和描述为一系列框,但是要理解和领会的是,各种实施例不限于框的次序,因为相对于本文所描绘和描述的次序而言一些框可以以不同次序发生和/或与其它框并行地发生。在经由流程图图示非序列或分支的流动的情况下,可以领会到可以实现达成相同或相似结果的框的各种其它分支、流动路径和次序。此外,一些所图示的框对于实现此后描述的方法是可选的。
结论
尽管本发明易于进行各种修改和可替换构造,但是其某些所图示的实施例在图中示出并且已经在上文详细描述。然而,应当理解到的是,不存在将本发明限于所公开的具体形式的意图,而是相反,意图在于覆盖落于本发明的精神和范围内的所有修改、可替换构造和等同方案。
除本文描述的各种实施例之外,要理解到,可以使用其它相似的实施例或者可以对所描述的(多个)实施例做出修改和添加以用于执行(多个)对应实施例的相同或等同功能而不偏离它。仍旧进一步地,多个处理芯片或多个设备可以共享本文描述的一个或多个功能的性能,并且类似地,存储可以跨多个设备实现。相应地,本发明不限于任何单个实施例,而是以依照所附权利要求的广度、精神和范围来解释。
Claims (10)
1.在计算环境中至少部分地在至少一个处理器上执行的方法,包括使用小型市场数据提供赞助在线内容,其包括:处理与赞助在线内容相关联的查询集合和活动集合之间的收益数据,针对查询集合中的每一个查询选择具有最高收益的活动,并且针对群的集合生成小型市场数据,其中每一个群包括与活动集合中的至少一个活动相对应的查询集合中的至少一个查询。
2.权利要求1的方法,还包括标识在收益阈值以下的查询集合的子集合,基于每类别标签的收益而分解子集合的每一个查询,并且将查询的子集合分组到群中,其中每一个群对应于类别标签。
3.权利要求1的方法,还包括:生成用于赞助在线内容的拍卖参数。
4.权利要求1的方法,其中生成小型市场数据还包括:根据与活动集合相关联的联合花费/联合竞拍图表将查询集合分组到群中。
5.在计算环境中的系统,包括用于信息门户的广告平台,其配置成:访问包括查询群集合的小型市场数据,其中每一个群基于广告商行为被分组,将至小型市场数据的接口暴露给向广告商集合,并且处理由广告商集合针对赞助搜索拍卖而提交的竞拍。
6.权利要求5的系统,还包括拍卖组件,其配置成生成用于查询群集合中的每一个查询群的拍卖参数并且基于拍卖参数而配置赞助搜索拍卖。
7.权利要求6的系统,其中拍卖组件响应于查询群的改变或竞拍策略的改变中的至少一个而更新拍卖参数。
8.权利要求5的系统,还包括群组件,其配置成访问与广告商行为相关联的查询相关数据,根据查询相关数据将查询合并到群中,并且如果模块性没有关于群而被最大化,则迭代地调节至少一个群的组成直到实现最大模块性。
9.具有计算机可执行指令的一个或多个计算机可读介质,所述计算机可执行指令在被执行时施行步骤,包括:
访问广告商集合与查询集合之间的查询相关数据;
针对每一个广告商将查询分组到群中,其中每一个群包括联合竞拍查询的集合或联合花费查询的集合中的至少一个;
生成群落集合,其中每一个群落包括至少一个查询群并且对应于广告集合的子集合;以及
确定对应于群落的模块性,并且如果群落没有最大化模块性,则增加群落之中的模块性并且重复确定步骤直到最大模块性。
10.权利要求9的一个或多个计算机可读介质,具有另外计算机可执行指令,其包括:
将层添加到树结构直到树结构实现稳定性;以及
基于树结构而建立拍卖参数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/926,670 US10366413B2 (en) | 2013-06-25 | 2013-06-25 | Sponsored online content management using query clusters |
US13/926670 | 2013-06-25 | ||
PCT/US2014/043512 WO2014209811A2 (en) | 2013-06-25 | 2014-06-20 | Sponsored online content management using query clusters |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106415642A true CN106415642A (zh) | 2017-02-15 |
CN106415642B CN106415642B (zh) | 2020-03-03 |
Family
ID=51210793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480036293.7A Active CN106415642B (zh) | 2013-06-25 | 2014-06-20 | 使用查询群的赞助在线内容管理 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10366413B2 (zh) |
EP (1) | EP3111398A4 (zh) |
CN (1) | CN106415642B (zh) |
WO (1) | WO2014209811A2 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150081397A1 (en) * | 2013-09-13 | 2015-03-19 | Google Inc. | Determining the performance of a content network |
US10599669B2 (en) * | 2014-01-14 | 2020-03-24 | Ayasdi Ai Llc | Grouping of data points in data analysis for graph generation |
EP3095042A4 (en) | 2014-01-14 | 2017-09-06 | Ayasdi Inc. | Consensus sequence identification |
US10650325B2 (en) * | 2015-07-31 | 2020-05-12 | Microsoft Technology Licensing, Llc | Deterministic message distribution |
US10902442B2 (en) | 2016-08-30 | 2021-01-26 | International Business Machines Corporation | Managing adoption and compliance of series purchases |
US11334565B1 (en) * | 2016-10-28 | 2022-05-17 | Intuit, Inc. | System to convert natural-language financial questions into database queries |
CN107067142A (zh) * | 2016-12-29 | 2017-08-18 | 腾讯科技(深圳)有限公司 | 资源竞争中资源竞争参数阈值的动态调整方法及装置 |
US11436628B2 (en) * | 2017-10-20 | 2022-09-06 | Yahoo Ad Tech Llc | System and method for automated bidding using deep neural language models |
CN110198323A (zh) * | 2018-02-24 | 2019-09-03 | 杨嶷 | 一种基于实体类信息门户的信息连接方法与装置 |
US11263661B2 (en) * | 2018-12-26 | 2022-03-01 | Microsoft Technology Licensing, Llc | Optimal view correction for content |
US11611523B1 (en) * | 2020-07-22 | 2023-03-21 | Meta Platforms, Inc. | Displaying a sponsored content item in conjunction with message threads based on likelihood of message thread selection |
US20220261406A1 (en) * | 2021-02-18 | 2022-08-18 | Walmart Apollo, Llc | Methods and apparatus for improving search retrieval |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070061300A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Mobile advertisement syndication |
CN101689199A (zh) * | 2007-06-28 | 2010-03-31 | Nhn商务平台株式会社 | 自动搜索广告方法及其系统 |
US20100306210A1 (en) * | 2009-05-26 | 2010-12-02 | Yahoo., Inc., a Delaware corporation | Clustering identical or disjoint keyword sets for use with auctions for online advertising space |
CN102498498A (zh) * | 2009-09-23 | 2012-06-13 | 雅虎公司 | 在线广告拍卖中的表达性出价 |
US20130085867A1 (en) * | 2011-09-30 | 2013-04-04 | Microsoft Corporation | Niche Keyword Recommendation |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7636678B2 (en) | 2004-12-16 | 2009-12-22 | Microsoft Corporation | Systems and methods that facilitate maximizing revenue for multi-unit auctions with private budgets |
US20070061335A1 (en) | 2005-09-14 | 2007-03-15 | Jorey Ramer | Multimodal search query processing |
US8332269B2 (en) * | 2006-06-27 | 2012-12-11 | Adchemy, Inc. | System and method for generating target bids for advertisement group keywords |
US8943043B2 (en) * | 2010-01-24 | 2015-01-27 | Microsoft Corporation | Dynamic community-based cache for mobile search |
US20130238437A1 (en) * | 2012-03-12 | 2013-09-12 | Microsoft Corporation | Variable keyword bidding based on search results position |
-
2013
- 2013-06-25 US US13/926,670 patent/US10366413B2/en active Active
-
2014
- 2014-06-20 WO PCT/US2014/043512 patent/WO2014209811A2/en active Application Filing
- 2014-06-20 EP EP14740057.6A patent/EP3111398A4/en not_active Withdrawn
- 2014-06-20 CN CN201480036293.7A patent/CN106415642B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070061300A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Mobile advertisement syndication |
CN101689199A (zh) * | 2007-06-28 | 2010-03-31 | Nhn商务平台株式会社 | 自动搜索广告方法及其系统 |
US20100306210A1 (en) * | 2009-05-26 | 2010-12-02 | Yahoo., Inc., a Delaware corporation | Clustering identical or disjoint keyword sets for use with auctions for online advertising space |
CN102498498A (zh) * | 2009-09-23 | 2012-06-13 | 雅虎公司 | 在线广告拍卖中的表达性出价 |
US20130085867A1 (en) * | 2011-09-30 | 2013-04-04 | Microsoft Corporation | Niche Keyword Recommendation |
Also Published As
Publication number | Publication date |
---|---|
WO2014209811A2 (en) | 2014-12-31 |
EP3111398A2 (en) | 2017-01-04 |
US20140379473A1 (en) | 2014-12-25 |
EP3111398A4 (en) | 2017-12-06 |
WO2014209811A3 (en) | 2017-02-23 |
US10366413B2 (en) | 2019-07-30 |
CN106415642B (zh) | 2020-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106415642A (zh) | 使用查询群的赞助在线内容管理 | |
Oklander et al. | Analysis of technological innovations in digital marketing | |
JP5974186B2 (ja) | トラフィックソースのための広告の選択 | |
US9311662B2 (en) | Computer-implemented method and system for managing keyword bidding prices | |
Jankowski et al. | Fuzzy multi-objective modeling of effectiveness and user experience in online advertising | |
US9202248B2 (en) | Ad matching system and method thereof | |
US8543518B2 (en) | Deducing shadow user profiles for ad campaigns | |
US20110238486A1 (en) | Optimizing Sponsored Search Ad Placement for Online Advertising | |
US20140278981A1 (en) | Automated allocation of media via network | |
US10262339B2 (en) | Externality-based advertisement bid and budget allocation adjustment | |
US20100100414A1 (en) | Optimization of allocation of online advertisement inventory | |
US20110196733A1 (en) | Optimizing Advertisement Selection in Contextual Advertising Systems | |
US20120084141A1 (en) | System and Method to Predict the Performance of Keywords for Advertising Campaigns Managed on the Internet | |
CA2496969A1 (en) | Method for providing advertising listing variance in distribution feeds | |
US20110307323A1 (en) | Content items for mobile applications | |
JP2010512604A (ja) | サーチエンジン・マーケティングにおける入札最適化 | |
JP2008529190A (ja) | 広告管理方法、シャドウキャンペーンシステム及び広告管理システム | |
US20100106605A1 (en) | Inventory allocation with tradeoff between fairness and maximal value of remaining inventory | |
US20100106556A1 (en) | Time-weighted and scaling optimization of allocation of online advertisement inventory | |
Chyrun et al. | Heterogeneous Data with Agreed Content Aggregation System Development. | |
US20120253899A1 (en) | Table approach for determining quality scores | |
EP3363158B1 (en) | Optimized digital component analysis system | |
AU2013204719A1 (en) | Method and system for aggregation and analysis of metrics | |
US20160358228A1 (en) | Computing system that manages presentation of electronic content | |
US11080762B1 (en) | Content item auction bidding |
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 |