CN107025575A - 程序化广告投放中品牌客户kpi预估方法 - Google Patents
程序化广告投放中品牌客户kpi预估方法 Download PDFInfo
- Publication number
- CN107025575A CN107025575A CN201710169413.6A CN201710169413A CN107025575A CN 107025575 A CN107025575 A CN 107025575A CN 201710169413 A CN201710169413 A CN 201710169413A CN 107025575 A CN107025575 A CN 107025575A
- Authority
- CN
- China
- Prior art keywords
- estimated
- kpi
- region
- client
- estimation results
- 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.)
- Pending
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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- 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
- G06Q30/0272—Period of advertisement exposure
-
- 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
- G06Q30/0277—Online advertisement
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及广告投放技术领域,特别是一种程序化广告投放中品牌客户KPI预估方法,包括以下步骤,步骤S101:数据实时更新;步骤S102:预估条件设置,输入预估条件;步骤S103:客户KPI预估,根据步骤S101更新的数据和步骤S102输入的预估条件预估客户KPI;步骤S104:实时优化调整,将步骤S103的预估结果结合各返还比下的预估参数对预估结果进行优化调整;步骤S105:KPI预估结果输出,将步骤S104优化调整后的预估结果输出。采用上述方法后,本发明通过选择不同的预估场景,输入不同的预估条件,即可得到不同预估场景不同预估条件下的预估结果,并且预估过程会根据实际投放实时做调整,以确保预估的准确性。
Description
技术领域
本发明涉及广告投放技术领域,特别是一种程序化广告投放中品牌客户KPI预估方法。
背景技术
随着互联网技术的发展,在线广告已经成为许多互联网平台的主要收入来源。与传统广告相比,在线广告不仅拓宽了媒体渠道,而且在受众覆盖范围、灵活性、针对性、成本和效果评估等方面都更具优势。目前,每天都有数以亿计的广告通过互联网平台在线投放。在线广告的投放形式主要分为两种:搜索广告和显示广告。搜索广告通过是根据用户的搜索关键词,将相匹配的广告与搜索结果页面同时显示,因此搜索广告主要投放在百度、谷歌这样带有搜索引擎的网络平台上;显示广告通常是以图像的形式展示在网络平台上,网络平台通过直接或间接的方式将广告位售卖给广告商。由于显示广告的实现技术非常成熟,因此目前绝大多数的互联网平台都提供显示广告的在线投放。
中国发明专利申请CN 105741133 A公开了一种针对在线广告投放的步进管理方法,目的是对实时竞价系统中在线广告的投放速度进行控制,以使预算受限的情况下,广告展示能够获得最大化收益,方法包括:(1)根据历史日志,离线估计每个广告在新的广告投放周期中每个时间段的用户流量、投标成功率,平均赢标价格、关键性能指标等参数;(2)离线估计每个广告在新的投放周期中每个时间段的投放概率;(3)在实际投放过程中,根据已经完成的时间段每个广告的实际预算花费情况,在线调整当前时间段每个广告的投放概率;(4)根据当前时间段的广告投放概率,针对每次广告展示机会,由需求方平台判断是否参与竞价。
发明内容
本发明需要解决的技术问题是提供一种程序化广告投放中精确评估品牌客户KPI的方法。
为解决上述的技术问题,本发明的程序化广告投放中品牌客户KPI预估方法,包括以下步骤,
步骤S101:数据实时更新,将各地域目标人群总网名数、各地域全流量目标人群占比、各地域各媒体目标人群占比数据及时更新并传输给预估模块;
步骤S102:预估条件设置,输入预估条件;
步骤S103:客户KPI预估,预估模块根据步骤S101更新的数据和步骤S102输入的预估条件预估客户KPI;
步骤S104:KPI预估结果输出,将步骤S103的预估结果输出。
进一步的,所述步骤S102中预估条件包括地域、媒体组合、端口、返还比和频次控制。
更进一步的,所述步骤S103包括四个场景的预估,所述四个场景具体如下:
场景一:预估指定地域和端口基于特定媒体和返还比可以达成的目标人群占比;
场景二:预估指定地域和端口基于特定媒体和返还比达成目标目标人群曝光数所需的总曝光量;
场景三:预估指定地域和端口一定总曝光量可以达成的广告营销活动中看过N次及N次以上的目标人群占该地域总目标人群的比例;
场景四:预估指定地域和端口完成一定的广告营销活动中看过N次及N次以上的目标人群占该地域总目标人群的比例所需的总曝光量。
进一步的,还包括以下步骤,
步骤S105:实时优化调整,将步骤S104输出的预估结果结合各返还比下的预估参数返回步骤S103对预估结果进行优化调整。
更进一步的,所述步骤S104中预估参数包括目标人群占比提升比例、stable%、不同频次控制下的平均频次、N+TA UV%。
采用上述方法后,本发明通过选择不同的预估场景,输入不同的预估条件,即可得到不同预估场景不同预估条件下的预估结果,并且预估过程会根据实际投放实时做调整,以确保预估的准确性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明程序化广告投放中品牌客户KPI预估方法的流程示意图。
具体实施方式
如图1所述,本发明的程序化广告投放中品牌客户KPI预估方法,其中关键术语定义如下:
程序化广告:指相较于传统广告投放,通过受众定向、媒体定向、投放优化等技术实现更精准广告投放的广告营销模式。
Total impression:总曝光量,即广告被展示的总次数。广告每被展示一次就会记一次曝光。
In-market impression:地域内总曝光,即在某个地域内的广告展示的总次数,在没有地域gap的情况下,total impression和in-market impression是相同的。
TA impression:目标人群曝光数,即目标人群被广告展示的总次数。
TA universe:目标人群总网民数,即某个地域内属于目标人群的网民总数。
TA%:TA,目标人群,Target Audience,即广告营销的目标受众;TA%,即TA占比,广告营销的目标人群占该地域总网民的比例。
N+reach%:广告营销活动中看过N次及N次以上的目标人群占该地域总目标人群的比例。
程序化广告投放效果的评估沿用了传统的广告营销效果评估使用的iGRP评估体系,在iGRP评估体系下,主要有TA%,In-market impression(Total impression),N+reach%等KPI。在程序化广告投放中,基于数据平台的人群属性标签(性别、年龄)、兴趣行为等标签,投放系统可以更精准挑选目标人群进行投放,并根据约定的返还比向媒体退返一定比例的不需要的量,实时地优化TA%,在优化TA%的基础上,做好追频和控频,就可以以最少的曝光量,即最少的In-market impression最大限度地完成N+reach%。
客户在进行程序化广告投放之前,通常会对本次活动投放所要完成的TA%、N+reach%或In-market impression等KPI做预估。
具体包括以下步骤,
步骤S101:数据实时更新,将各地域目标人群总网名数、各地域全流量目标人群占比、各地域各媒体目标人群占比数据及时更新并传输给预估模块。
步骤S102:预估条件设置,输入地域、媒体组合、端口、返还比和频次控制等预估条件。
步骤S103:客户KPI预估,预估模块根据步骤S101更新的数据和步骤S102输入的预估条件预估客户KPI。包括四个场景的预估,所述四个场景具体如下:
场景一:预估指定地域和端口基于特定媒体和返还比可以达成的目标人群占比。传统广告投放中,没有退返比,客户跟媒体约定好的in-market impression进行投放,达成的TA占比即媒体自然流量里的TA占比。在程序化投放中,客户可以跟媒体约定一个退返比,即媒体放量中可以有一部分的返还,投放系统可以基于数据平台的人群标签进行精准的人群定向,返还不需要的量,可以在媒体自然流量的TA占比基础上,将达成的TA%做一定比例的提升。
此场景预估需要考虑以下因素:
1.各媒体自然流量里的TA%,假设为TA norm1,基于投放的媒体以及各媒体的投放量比例,得出各媒体加权的TA norm1值。
2.某地域不分媒体(全流量)的自然流量中的TA%,假设为TA norm2,TA norm2由某地域目标人群总数占某地域总网民数的比例。根据系统预设的TA norm1和TA norm2的权重就可以得到最终的TA norm值。
3.不同返还比下,历史投放活动可以提升TA%的比例。提升比例是基于历史活动投放,不同媒体和不同返还比下所能提升的TA%的比例的经验值。那么TA%=TA norm*(1+TA%提升比例)。
场景二:预估指定地域和端口基于特定媒体和返还比达成目标目标人群曝光数所需的总曝光量。Total impression=stable impression/stable%,stable占比是程序化广告投放中的stable流量占比:对于PC端,如果该流量请求里含有cookie,且该cookie是在大于24小时之前生成的,那么该流量会被判定为stable;对于mob端,如果该请求里含有设备ID,那么该流量会被判定为stable。
Stable impression=TA impression/TA%,此处TA%的预估逻辑和场景一一致。
在已知TA impression的情况下,通过TA%和stable%可以一步步推出Totalimpression。
场景三:预估指定地域和端口一定总曝光量可以达成的广告营销活动中看过N次及N次以上的目标人群占该地域总目标人群的比例。N+reach%为广告活动投放中,某地域看过N次及N次以上的UV占某地域总的目标人群的占比,即N+reach%=N+TA UV/TAuniverse*100%
N+TA UV是通过1+TA UV乘以一个特定系数得来的,即N+TA UV=1+TA UV*β,β是指在某个数值频控下N+TA UV占1+TA UV的比例,是历史投放活动的经验值。
1+TA UV,即总的TA UV,是用总的stable UV乘以TA占比,即1+TA UV=total TAUV=total stable UV*TA%。其中,TA%和场景一计算逻辑一致。
total stable UV=total UV*stable%,stable%是基于不同返还比不同端口投放的经验值,total UV=total impression/aver freq,total impression是客户跟媒体约定好的total impression,aver freq为某个数值频控下所能达到的平均频次,是历史投放活动的经验值。
通过以上的步骤,即可推出在一定的total impression下所能达成的N+reach%,即N+reach=total impression*stable%/aver freq*TA%*N+TA UV%/TA universe*100%。
场景四:预估指定地域和端口完成一定的广告营销活动中看过N次及N次以上的目标人群占该地域总目标人群的比例所需的总曝光量。
N+reach%=N+TA UV/TA universe;
N+TA UV=TA UV/N+TA UV%;
TA UV=stable UV*TA%;
Stable UV=stable impression/aver freq;
Stable impression=total impression*stable%;
以上各参数的释义请见场景三。
通过以上步骤,可以推出要达到一定的N+reach%所需的total impression,即total impression=N+reach%*TA universe/TA%/N+TA UV%*aver freq/stable%
通过选择不同的预估场景,输入不同的预估条件,即可得到不同预估场景不同预估条件下的预估结果,并且预估过程会根据实际投放实时做调整,以确保预估的准确性。
步骤S104:KPI预估结果输出,将步骤S103的预估结果输出。
步骤S105:实时优化调整,将步骤S104输出的预估结果结合各返还比下的预估参数返回步骤S103对预估结果进行优化调整。所述步骤S104中预估参数包括目标人群占比提升比例、stable%、不同频次控制下的平均频次、N+TA UV%。
实施方式:
某客户想要进行一波广告活动的投放,活动信息如下:
活动周期:2017年1月1月-2017年3月1日;
目标人群:25-39岁;
地域:北京;
媒体:爱奇艺、优土,且两个媒体投放量相等;
端口:MOB端;
返还比:25%;
频控:6次。
需要做如下预估:
1.本次活动投放所能达成的TA%;
2.如果活动投放需要完成的TA impression为100000,需要的total impression的量;
3.如果total impression为250000,能达到的3+reach是多少;
4.如果需要完成3+reach是10%,需要的total impression的量;
预估1:预估本次活动投放所能达到的TA%
step1:查询基础数据。25-39岁人群在爱奇艺和优土自然流量占比分别是45%和40%;25-39岁人群在全流量中的流量占比为40%;
step2:利用各数据来源的权重(经验值)计算TA norm值。假设TA norm1的权重是30%,TA norm2的权重为70%,那么TA norm=TA norm1*30%+TA norm2*70%=(45%+40%)/2*30%+40%*70%≈40.8%;
step3:利用TA norm值和TA%提升比例预估TA%。返还比在25%的情况下,TA%的提升比例通常可以达到10%(经验值)。那么TA%=TA norm*(1+TA%提升比例)=40.8%*(1+10%)=44.9%。
预估2:如果活动投放需要完成的TA impression为100000,需要的totalimpression的量
step1:预估本次活动所能达到的TA%。步骤同预估1,预估出所能达到的TA%为44.9%;
step2:预估所需stable impression,stable impression=TA impression/TA%=222717;
Step3:返还比为25%的情况下,MOB端流量通常可以达到的stable流量占比为90%,那么total impression=stable impression/stable%=247463。
预估3:如果total impression为250000,能达到的3+reach是多少
step1:预估本次活动投放的stable impression,stable impression=totalimpression*stable%=225000;
step2:预估本次活动投放的stable UV,stable UV=stable impression/averfreq,6次频控下可以达到的平均频次为2.8(经验值),即stable UV=225000/2.8≈80357;
step3:预估本次活动投放的TA UV,TA UV=stable UV*TA%,TA%的预估与场景一的预估逻辑一致,那么TA UV=stable UV*44.9%≈36080;
step4:预估本次活动投放的3+TA UV,3+TA UV=TA UV*3+TA UV%,6次频控下,3+TA UV%通常可以达到50%(经验值),那么3+TA UV=TA UV*50%≈18040;
step5:预估本次活动投放的3+reach%,3+reach%=3+TA UV/TA universe,TAuniverse为北京这个地域25-39岁MOB端的网民总数,为5699176,那么3+reach%=0.3%。
预估4:如果需要完成3+reach是10%,需要的total impression的量
预估4为预估3的反向预估。
step1:预估本次活动投放的3+TA UV,3+TA UV=3+reach%*TA universe=10%*5699176≈569918;
step2:预估本次活动投放的TA UV=3+TA UV/3+TA UV%=569918/50%=1139836;
step3:预估本次活动投放的stable UV=TA UV/TA%=1139836/44.9%≈2538610;
step4:预估本次活动投放的stable impression,stable impression=stableUV*aver freq=2538610*2.8=7108109;
step5:预估本次活动投放的total impression,total impression=stableimpression/stable%=7108109/90%≈7897899。
虽然以上描述了本发明的具体实施方式,但是本领域熟练技术人员应当理解,这些仅是举例说明,可以对本实施方式作出多种变更或修改,而不背离本发明的原理和实质,本发明的保护范围仅由所附权利要求书限定。
Claims (5)
1.一种程序化广告投放中品牌客户KPI预估方法,其特征在于,包括以下步骤,
步骤S101:数据实时更新,将各地域目标人群总网名数、各地域全流量目标人群占比、各地域各媒体目标人群占比数据及时更新并传输给预估模块;
步骤S102:预估条件设置,输入预估条件;
步骤S103:客户KPI预估,预估模块根据步骤S101更新的数据和步骤S102输入的预估条件预估客户KPI;
步骤S104:KPI预估结果输出,将步骤S103的预估结果输出。
2.按照权利要求1所述的程序化广告投放中品牌客户KPI预估方法,其特征在于:所述步骤S102中预估条件包括地域、媒体组合、端口、返还比和频次控制。
3.按照权利要求2所述的程序化广告投放中品牌客户KPI预估方法,其特征在于,所述步骤S103包括四个场景的预估,所述四个场景具体如下:
场景一:预估指定地域和端口基于特定媒体和返还比可以达成的目标人群占比;
场景二:预估指定地域和端口基于特定媒体和返还比达成目标目标人群曝光数所需的总曝光量;
场景三:预估指定地域和端口一定总曝光量可以达成的广告营销活动中看过N次及N次以上的目标人群占该地域总目标人群的比例;
场景四:预估指定地域和端口完成一定的广告营销活动中看过N次及N次以上的目标人群占该地域总目标人群的比例所需的总曝光量。
4.按照权利要求1所述的程序化广告投放中品牌客户KPI预估方法,其特征在于,还包括以下步骤,
步骤S105:实时优化调整,将步骤S104输出的预估结果结合各返还比下的预估参数返回步骤S103对预估结果进行优化调整。
5.按照权利要求4所述的程序化广告投放中品牌客户KPI预估方法,其特征在于:所述步骤S104中预估参数包括目标人群占比提升比例、stable%、不同频次控制下的平均频次、N+TA UV%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710169413.6A CN107025575A (zh) | 2017-03-21 | 2017-03-21 | 程序化广告投放中品牌客户kpi预估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710169413.6A CN107025575A (zh) | 2017-03-21 | 2017-03-21 | 程序化广告投放中品牌客户kpi预估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107025575A true CN107025575A (zh) | 2017-08-08 |
Family
ID=59525746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710169413.6A Pending CN107025575A (zh) | 2017-03-21 | 2017-03-21 | 程序化广告投放中品牌客户kpi预估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107025575A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310592A (zh) * | 2019-06-28 | 2019-10-08 | 杭州勇电照明有限公司 | 一种智能led灯具控制系统 |
CN111815374A (zh) * | 2020-09-04 | 2020-10-23 | 北京悠易网际科技发展有限公司 | 一种广告投放方法、装置、电子设备及介质 |
CN112465532A (zh) * | 2019-09-06 | 2021-03-09 | 百度在线网络技术(北京)有限公司 | 信息流广告的流量预估方法及流量预估装置 |
CN117422504A (zh) * | 2023-10-31 | 2024-01-19 | 广州信日信息科技有限公司 | 一种基于电子商务的广告投放流量监测控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050591A (zh) * | 2014-06-25 | 2014-09-17 | 上海艾瑞市场咨询有限公司 | Pc终端广告投放量分析及效果优化系统及方法 |
CN105184611A (zh) * | 2015-09-08 | 2015-12-23 | 精硕世纪科技(北京)有限公司 | 广告效果量化方法和展示系统 |
CN105427132A (zh) * | 2015-12-01 | 2016-03-23 | 精硕世纪科技(北京)有限公司 | 一种广告效果的量化方法和系统 |
-
2017
- 2017-03-21 CN CN201710169413.6A patent/CN107025575A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050591A (zh) * | 2014-06-25 | 2014-09-17 | 上海艾瑞市场咨询有限公司 | Pc终端广告投放量分析及效果优化系统及方法 |
CN105184611A (zh) * | 2015-09-08 | 2015-12-23 | 精硕世纪科技(北京)有限公司 | 广告效果量化方法和展示系统 |
CN105427132A (zh) * | 2015-12-01 | 2016-03-23 | 精硕世纪科技(北京)有限公司 | 一种广告效果的量化方法和系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310592A (zh) * | 2019-06-28 | 2019-10-08 | 杭州勇电照明有限公司 | 一种智能led灯具控制系统 |
CN112465532A (zh) * | 2019-09-06 | 2021-03-09 | 百度在线网络技术(北京)有限公司 | 信息流广告的流量预估方法及流量预估装置 |
CN112465532B (zh) * | 2019-09-06 | 2023-10-03 | 百度在线网络技术(北京)有限公司 | 信息流广告的流量预估方法及流量预估装置 |
CN111815374A (zh) * | 2020-09-04 | 2020-10-23 | 北京悠易网际科技发展有限公司 | 一种广告投放方法、装置、电子设备及介质 |
CN111815374B (zh) * | 2020-09-04 | 2021-01-15 | 北京悠易网际科技发展有限公司 | 一种广告投放方法、装置、电子设备及介质 |
CN117422504A (zh) * | 2023-10-31 | 2024-01-19 | 广州信日信息科技有限公司 | 一种基于电子商务的广告投放流量监测控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108269123B (zh) | 广告投放控制方法及装置 | |
Cai et al. | Real-time bidding by reinforcement learning in display advertising | |
US8001004B2 (en) | System and method for brokering the sale of internet advertisement inventory | |
US11120467B2 (en) | Systems and methods for predicting and pricing of gross rating point scores by modeling viewer data | |
CN107025575A (zh) | 程序化广告投放中品牌客户kpi预估方法 | |
US20150134462A1 (en) | Dynamic bid price selection | |
CN105741133A (zh) | 一种针对在线广告投放的步进管理方法 | |
US20120303464A1 (en) | Unified yield management for display advertising | |
CN106097025A (zh) | 一种基于dsp的广告投放方法及装置 | |
CN104252680B (zh) | 关键字自动化出价方法及搜索引擎营销系统 | |
US20100070373A1 (en) | Auction System | |
CN109615442B (zh) | 基于激励视频广告的rtb实时竞价方法 | |
US10049382B2 (en) | Systems and methods for predicting and pricing of gross rating point scores by modeling viewer data | |
Adikari et al. | Real time bidding in online digital advertisement | |
CN108009879A (zh) | 一种基于竞价模式升舱的方法及系统 | |
Geyik et al. | Multi-touch attribution based budget allocation in online advertising | |
US20120078730A1 (en) | Automatic Internet Search Advertising Campaign Variable Optimization for Aiding Advertising Agency Efficiencies | |
CN106296247A (zh) | 网络信息资源在线排序方法和装置 | |
US20120030012A1 (en) | Yield optimization for advertisements | |
US20130103491A1 (en) | Computer-Implemented Systems and Methods for Facilitating the Distribution of Advertisements | |
US20140012660A1 (en) | Method and system for comparing online advertising products | |
WO2020104806A1 (en) | Real-time bidding | |
CN110070374A (zh) | 数据处理方法、装置、服务器及计算机可读介质 | |
US20120054027A1 (en) | Network based advertisement system | |
Gao et al. | Bidding agent design in the linkedin ad marketplace |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170808 |
|
RJ01 | Rejection of invention patent application after publication |