CN107679892A - 用于dsp的出价方法及装置、可读存储介质、终端 - Google Patents

用于dsp的出价方法及装置、可读存储介质、终端 Download PDF

Info

Publication number
CN107679892A
CN107679892A CN201710835202.1A CN201710835202A CN107679892A CN 107679892 A CN107679892 A CN 107679892A CN 201710835202 A CN201710835202 A CN 201710835202A CN 107679892 A CN107679892 A CN 107679892A
Authority
CN
China
Prior art keywords
bid
training data
value
parameter
dsp
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
Application number
CN201710835202.1A
Other languages
English (en)
Inventor
汤奇峰
方炜超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZAMPLUS ADVERTISING (SHANGHAI) CO Ltd
Original Assignee
ZAMPLUS ADVERTISING (SHANGHAI) CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZAMPLUS ADVERTISING (SHANGHAI) CO Ltd filed Critical ZAMPLUS ADVERTISING (SHANGHAI) CO Ltd
Priority to CN201710835202.1A priority Critical patent/CN107679892A/zh
Publication of CN107679892A publication Critical patent/CN107679892A/zh
Pending legal-status Critical Current

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
    • G06Q30/0273—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
    • G06Q30/0241—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

一种用于DSP的出价方法及装置、可读存储介质、终端，用于DSP的出价方法包括：利用预设训练数据和预设参数列表对出价模型进行训练，以得到所述出价模型中的多个出价参数的值，所述预设训练数据为竞价获胜的历史数据，所述出价参数包括对预估点击率的第一约束参数和对预估转化率的第二约束参数；使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。通过本发明技术方案在实现提高点击率的同时还可以降低用户投放成本。

Description

用于DSP的出价方法及装置、可读存储介质、终端
技术领域
本发明涉及数据处理技术领域，尤其涉及一种用于DSP的出价方法及装置、可读存储介质、终端。
背景技术
在展示内容投放行业中，例如广告行业或者新闻推送行业，实时竞价(Real TimeBidding,RTB)是近年来逐渐流行的一种采买方式。与传统的合约广告不同，RTB允许广告主或者展示内容提供方对每一个展示机会进行竞价，从而以人群购买取代了广告位购买。需求方平台(Demand Side Platform,DSP)作为广告主或者展示内容提供方的代理，需要对每个广告请求进行决策是否参与竞价，以及出价多少。
现有技术中，出价的方式有多种，例如每千名受众成本(Cost Per Thousand,cpm)出价，受限点击成本出价(也称为每点击成本(Cost Per Click,CPC)出价)，定值出价，随机出价。目前通常采用的是受限点击成本出价，该方法可以提高点击率。在受限点击成本出价模式下，广告主或者展示内容提供方一般会设定可接受的最高点击成本(target CPC)，这时就可以通过计算最高点击成本与点击率(Click-Through-Rate,CTR)的乘积来出价，即targetCPC×CTR。
但是，现有技术的出价方式在提高点击率时，会导致用户成本增加。
发明内容
本发明解决的技术问题是如何实现提高点击率的同时降低用户投放成本。
为解决上述技术问题，本发明实施例提供一种用于DSP的出价方法，用于DSP的出价方法包括：利用预设训练数据和预设参数列表对出价模型进行训练，以得到所述出价模型中的多个出价参数的值，所述预设训练数据为竞价获胜的历史数据，所述出价参数包括对预估点击率的第一约束参数和对预估转化率的第二约束参数；使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。
可选的，每一条预设训练数据包括是否点击和是否转化，所述利用预设训练数据和预设参数列表对出价模型进行训练包括：根据所述实时竞价请求的来源方在DSP中的可投放流量数量与竞价流量数量确定训练预算；遍历预设第一约束参数值列表和预设第二约束参数值列表中的参数值，以分别对所述出价模型中的第一约束参数和第二约束参数进行配置，并遍历所述预设训练数据进行多次出价训练，直至所述训练预算为零或者所述预设训练数据遍历结束；选取多次出价训练中出价获胜的针对各个参数组合的第一预设训练数据，所述参数组合包括第一约束参数的值和第二约束参数的值的组合；选取所述多个第一预设训练数据中最高目标值对应的参数组合，作为所述出价参数的值，所述目标值与第一预设训练数据的点击率和转化率之和相关。
可选的，所述根据所述实时竞价请求的来源方在DSP中的可投放流量数量与竞价流量数量确定训练预算包括：计算所述竞价流量数量与所述可投放流量数量的比值，所述预设训练数据包括多条竞价记录，每一竞价记录包括成交价格；计算所述比值与所述预设训练数据中所有成交价格之和的乘积，以作为所述训练预算。
可选的，所述选取所述多个第一预设训练数据中最高目标值对应的参数组合包括：分别计算所述多个第一预设训练数据的点击率与转化率之和，以作为所述多个第一预设训练数据的多个目标值；选取所述多个目标值中的最大的目标值对应的参数组合。
可选的，所述配置后的在线出价模型采用以下公式确定针对实时竞价请求的出价数值：bid_price＝p1×pctr(1+p2×(pcvr–AVG_CVR))，其中，bid_price表示所述出价数值，p1表示所述第一约束参数，p2表示所述第二约束参数，pctr表示预估点击率，pcvr表示预估转化率，AVG_CVR表示平均转化率。
可选的，所述出价参数还包括预估点击率参数；所述用于DSP的出价方法还包括：根据预设时间段内的所述出价数值和点击数计算每点击成本；如果所述每点击成本大于预设目标出价，则所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，所述在线出价模型配置有所述预估点击率参数。
可选的，所述预设训练数据与所述实时竞价请求的来源方相同。
为解决上述技术问题，本发明实施例还公开了一种用于DSP的出价装置，用于DSP的出价装置包括：训练模块，适于利用预设训练数据和预设参数列表对出价模型进行训练，以得到所述出价模型中的多个出价参数的值，所述预设训练数据为竞价获胜的历史数据，所述出价参数包括对预估点击率的第一约束参数和对预估转化率的第二约束参数；第一出价模块，适于使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。
可选的，每一条预设训练数据包括是否点击和是否转化，所述训练模块包括：训练预算确定单元，适于根据所述实时竞价请求的来源方在DSP中的可投放流量数量与竞价流量数量确定训练预算；配置训练单元，适于遍历预设第一约束参数值列表和预设第二约束参数值列表中的参数值，以分别对所述出价模型中的第一约束参数和第二约束参数进行配置，并遍历所述预设训练数据进行多次出价训练，直至所述训练预算为零或者所述预设训练数据遍历结束；选取单元，适于选取多次出价训练中出价获胜的针对各个参数组合的第一预设训练数据，所述参数组合包括第一约束参数的值和第二约束参数的值的组合；参数组合确定单元，适于选取所述多个第一预设训练数据中最高目标值对应的参数组合，作为所述出价参数的值，所述目标值与第一预设训练数据的点击率和转化率之和相关。
可选的，所述训练预算确定单元包括：比值计算子单元，适于计算所述竞价流量数量与所述可投放流量数量的比值，所述预设训练数据包括多条竞价记录，每一竞价记录包括成交价格；预算计算子单元，适于计算所述比值与所述预设训练数据中所有成交价格之和的乘积，以作为所述训练预算。
可选的，所述选参数组合确定单元包括：和计算子单元，适于分别计算所述多个第一预设训练数据的点击率与转化率之和，以作为所述多个第一预设训练数据的多个目标值；选取子单元，适于选取所述多个目标值中的最大的目标值对应的参数组合。
可选的，所述配置后的在线出价模型采用以下公式确定针对实时竞价请求的出价数值：bid_price＝p1×pctr(1+p2×(pcvr–AVG_CVR))，其中，bid_price表示所述出价数值，p1表示所述第一约束参数，p2表示所述第二约束参数，pctr表示预估点击率，pcvr表示预估转化率，AVG_CVR表示平均转化率。
可选的，所述出价参数还包括预估点击率参数；所述用于DSP的出价装置还包括：每点击成本计算模块，适于根据预设时间段内的所述出价数值和点击数计算每点击成本；第二出价模块，适于在所述每点击成本大于预设目标出价时，所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，所述在线出价模型配置有所述预估点击率参数。
可选的，所述预设训练数据与所述实时竞价请求的来源方相同。
本发明实施例还公开了一种可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述用于DSP的出价方法的步骤。
本发明实施例还公开了一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述用于DSP的出价方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明技术方案利用预设训练数据和预设参数列表对出价模型进行训练，以得到所述出价模型中的多个出价参数的值，所述预设训练数据为竞价获胜的历史数据，所述出价参数包括对预估点击率的第一约束参数和对预估转化率的第二约束参数；使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。本发明技术方案通过利用预设训练数据和预设参数列表对出价模型进行训练，可以获得训练完成的对预估点击率的第一约束参数和对预估转化率的第二约束参数；相对于现有技术中仅利用预估点击率进行出价，本发明技术方案中的在线出价模型确定出价数值时，可以将预估转化率作为考量因素，从而实现了针对实时竞价请求的出价的优化，进而可以提高点击率的同时降低用户投放成本。
进一步，所述选取所述多个第一预设训练数据中最高目标值对应的参数组合包括：分别计算所述多个第一预设训练数据的点击率与转化率之和，以作为所述多个第一预设训练数据的多个目标值；选取所述多个目标值中的最大的目标值对应的参数组合。本发明技术方案在训练得到参数组合时，选取的是最大点击率与转化率之和对应的参数组合，从而使得利用该参数组合进行线上出价时，可以在固定预算的基础上，获得最大的点击率与转化率。
进一步，根据预设时间段内的所述出价数值和点击数计算每点击成本；如果所述每点击成本大于预设目标出价，则所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，所述在线出价模型配置有所述预估点击率参数。本发明技术方案通过计算预设时间段内的每点击成本，可以对在线出价模型的出价数值进行监控和实时反馈，如果所述每点击成本大于预设目标出价，则所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，保证了在线出价模型的鲁棒性，可以在获得最大的点击率与转化率的基础上，又可以保证不超过预设目标出价，满足客户的需求。
附图说明
图1是本发明实施例一种用于DSP的出价方法的流程图；
图2是图1所示步骤S101的一种具体实施方式的流程图；
图3是本发明实施例一种用于DSP的出价装置的结构示意图。
具体实施方式
如背景技术中所述，现有技术的出价方式在提高点击率时，会导致用户成本增加。
本发明技术方案通过利用预设训练数据和预设参数列表对出价模型进行训练，可以获得训练完成的对预估点击率的第一约束参数和对预估转化率的第二约束参数；相对于现有技术中仅利用预估点击率进行出价，本发明技术方案中的在线出价模型确定出价数值时，可以将预估转化率作为考量因素，从而实现了针对实时竞价请求的出价的优化，进而可以提高点击率的同时降低用户投放成本。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例一种用于DSP的出价方法的流程图。
图1所示的用于DSP的出价方法可以用于需求方平台(Demand Side Platform,DSP)，所述出价方法可以包括以下步骤：
步骤S101：利用预设训练数据和预设参数列表对出价模型进行训练，以得到所述出价模型中的多个出价参数的值，所述预设训练数据为竞价获胜的历史数据，所述出价参数包括对预估点击率的第一约束参数和对预估转化率的第二约束参数；
步骤S102：使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。
具体实施中，预设训练数据和预设参数列表均可以是预先选取的。其中，预设训练数据可以为竞价获胜的历史数据；预设参数列表可以是针对各个出价参数的值的列表。具体而言，预设参数列表可以包括针对第一约束参数的值的列表和针对第二约束参数的值的列表。
在步骤S101中，利用预设训练数据和预设参数列表对出价模型进行训练，可以得到所述出价模型中的多个出价参数的值。
进而在步骤S102中，可以使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。
可以理解的是，在线出价模型在线上进行出价时，通常会对出价针对的展示资源的点击率进行预估以得到预估点击率；对转化率进行预估，以得到预估转化率。由于在线出价模型中配置了训练完成的对预估点击率的第一约束参数和对预估转化率的第二约束参数，因此确定针对实时竞价请求的出价数值时，可以将预估转化率对出价数值的影响考量进来。通过结合预估点击率和预估转化率确定出价数值，从而使得最终确定的出价数值更准确。
进一步而言，出价模型的多个出价参数还可以包括预估点击率参数、预估转化率参数等。相应的，预设参数列表可以包括针对预估点击率参数的值的列表和针对预估转化率参数的值的列表。此外，配置预估点击率参数的出价模型可以确定针对实时竞价请求的预估点击率；配置预估转化率参数的出价模型可以确定针对实时竞价请求的预估转化率。
本发明实施例通过利用预设训练数据和预设参数列表对出价模型进行训练，可以获得训练完成的对预估点击率的第一约束参数和对预估转化率的第二约束参数；相对于现有技术中仅利用预估点击率进行出价，本发明实施例中的在线出价模型确定出价数值时，可以将预估转化率作为考量因素，从而实现了针对实时竞价请求的出价的优化，进而可以提高点击率的同时降低用户投放成本。
优选地，每一条预设训练数据可以包括是否点击is_clicked和是否转化is_conv。具体而言，每一条预设训练数据还可以包括预估点击率pctr、预估转化率pcvr和获胜出价win_price。更具体地，所有的预设训练数据可以选自设定时间窗口内的获胜数据，设定时间窗口例如可以是一周、五天等，获胜数据指的是出价后获胜的数据。
本领域技术人员应当理解的是，设定时间窗口的时间长度可以根据实际的应用场景变化出更多的实施例，此处不做限制。
如图2所示，步骤S101可以包括以下步骤：
步骤S201：根据所述实时竞价请求的来源方在DSP中的可投放流量数量与竞价流量数量确定训练预算；
步骤S202：遍历预设第一约束参数值列表和预设第二约束参数值列表中的参数值，以分别对所述出价模型中的第一约束参数和第二约束参数进行配置，并遍历所述预设训练数据进行多次出价训练，直至所述训练预算为零或者所述预设训练数据遍历结束；
步骤S203：选取多次出价训练中出价获胜的针对各个参数组合的第一预设训练数据，所述参数组合包括第一约束参数的值和第二约束参数的值的组合；
步骤S204：选取所述多个第一预设训练数据中最高目标值对应的参数组合，作为所述出价参数的值，所述目标值与第一预设训练数据的点击率和转化率之和相关。
具体实施中，可以针对特定的来源方，例如广告主，做出价训练，故可以在DSP中选取该来源方的可投放流量数量与可参与竞价流量。进而在步骤S201的具体实施中，可以根据可投放流量数量与竞价流量数量确定训练预算。具体而言，可投放流量可以是指在总体流量中，根据预设训练数据中展示内容的定向条件(例如要投放的地域、要投放的平台等)，得到的真正能够投放的流量。竞价流量可以是指在可投放流量中，真正能够投放的、参与竞价的流量。
在步骤S202中，遍历预设第一约束参数值列表和预设第二约束参数值列表中的参数值，以分别对所述出价模型中的第一约束参数p1和第二约束参数p2进行配置。使用配置完成的出价模型遍历所述预设训练数据进行多次出价训练。也即，对于所有的预设训练数据，逐条进行多次出价训练，直至训练预算为零或者所述预设训练数据遍历结束。具体地，如果第一约束参数值列表中具有M个第一约束参数p1的值，预设第二约束参数值列表具有N个第二约束参数p2的值，则每条训练数据要进行M×N次出价训练。如果共有P条训练数据，则所述预设训练数据遍历结束时，步骤S202需要执行M×N×P次出价训练；所述训练预算为零时，步骤S202需要执行出价训练的次数小于等于M×N×P次。其中，M、N、P都为正整数。
在多次出价训练中，存在出价获胜的数据和出价未获胜的数据。相应地，在步骤S203中，选取多次出价训练中出价获胜的针对各个参数组合的第一预设训练数据。出价获胜的第一训练数据与参数组合一一对应，由此，利用出价获胜的第一训练数据可以确定多个较优的参数组合。
进而在步骤S204中，选取所述多个第一预设训练数据中最高目标值对应的参数组合，作为所述出价参数的值。换言之，最高目标值对应的参数组合为最优参数组合，最优参数组合可以作为训练完成的所述出价参数的值，用于后续的线上出价。
进一步而言，所述目标值与第一预设训练数据的点击率和转化率之和相关。也就是说，最优参数组合的选取原则为第一预设训练数据的点击率和转化率之和最大。具体地，所述目标值可以是第一预设训练数据的点击率和转化率之和，也可以是第一预设训练数据的点击率和转化率之和的其他任意可实施的数学变形，例如，所述目标值可以是第一预设训练数据的点击率和转化率之和的平方、平方根等，本发明实施例对此不做限制。
优选地，步骤S201可以包括以下步骤：计算所述竞价流量数量与所述可投放流量数量的比值，所述预设训练数据包括多条竞价记录，每一竞价记录包括成交价格；计算所述比值与所述预设训练数据中所有成交价格之和的乘积，以作为所述训练预算。
优选地，步骤S204可以包括以下步骤：分别计算所述多个第一预设训练数据的点击率与转化率之和，以作为所述多个第一预设训练数据的多个目标值；选取所述多个目标值中的最大的目标值对应的参数组合。本实施例中，考虑到点击率和转化率均取值处于(0-1)范围内，因此为了减小计算量，同时易于比较，直接选取第一预设训练数据的点击率与转化率之和作为第一预设训练数据的目标值。
优选地，所述配置后的在线出价模型采用以下公式确定针对实时竞价请求的出价数值：bid_price＝p1×pctr(1+p2×(pcvr–AVG_CVR))，其中，bid_price表示所述出价数值，p1表示所述第一约束参数，p2表示所述第二约束参数，pctr表示预估点击率，pcvr表示预估转化率，AVG_CVR表示平均转化率。
本实施例中，出价公式中，所述第一约束参数p1和所述第二约束参数p2可以通过训练得到；预估点击率pctr和预估转化率pcvr可以是通过配置预估点击率参数和预估转化率参数后计算得到的。平均转化率AVG_CVR可以通过统计预设训练数据中的转化率得到。
本领域技术人员应当理解的是，可以采用任意可实施的方式获得预估点击率参数和预估转化率参数，本发明实施例对此不做限制。
在本发明实施例一具体应用场景中，图1中步骤S101所示的训练过程如下：
预先准备预设训练数据。选取时间窗口(例如一周)内的某个来源方(例如广告主)的历史获胜数据。每一条预设训练数据还可以包括预估点击率pctr、预估转化率pcvr、获胜出价win_price、是否点击is_clicked和是否转化is_conv。
估计训练预算budget，计算公式可以为：proportition＝sum(bid)/sum(trigger)；budget＝proportition×sum(win_price)，其中，trigger表示可投放流量数量，bid表示竞价流量数量，sum()表示求和运算。
确定优化目标值为max(click/all_click+conv/all_conv)，其中，click/all_click表示点击率，是指被点击的预设训练数据的数量与所有预设训练数据的数量的比值；conv/all_conv表示转化率，是指被转化的预设训练数据的数量与所有预设训练数据的数量的比值。
确定出价数值bid_price的公式为：bid_price＝p1×pctr(1+p2×(pcvr–AVG_CVR))；其中，预估点击率pctr和预估转化率pcvr可以采用每条预设训练数据中的内容，平均转化率AVG_CVR可以通过统计预设训练数据中的转化率得到；第一约束参数p1和所述第二约束参数p2为要训练的参数。
根据实际情况预先设置预设第一约束参数值列表p1_list和预设第二约束参数值列表p2_list。
利用网格搜索遍历第一约束参数值列表p1_list和预设第二约束参数值列表p2_list，以形成第一约束参数p1和第二约束参数p2的多个参数组合。在预设训练数据中进行模拟出价，每次出价记录包括是否点击is_clicked和是否转化is_conv，停止条件是训练数据结束或者预算花完。根据出价记录中的是否点击is_clicked和是否转化is_conv，确定使得优化目标值最大化的参数组合，也即第一约束参数p1和第二约束参数p2为最优解。
优选地，所述出价参数还包括预估点击率参数；图1所示的用于DSP的出价方法还包括以下步骤：根据预设时间段内的所述出价数值和点击数计算每点击成本；如果所述每点击成本大于预设目标出价，则所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，所述在线出价模型配置有所述预估点击率参数。
本实施例中，由于训练过程与实际投放时的场景可能会有差异，因此实际的出价数值会有波动，可能会导致实际出价的每点击成本高于用户设定的预设目标出价。因此，在线投放时出现上述情况时可以调整在线出价模型的出价方式。
具体而言，在预设时间段内，例如以天为窗口，计算从0点到当前时刻的每点击成本(Cost Per Click,CPC)。其中，每点击成本为预设时间段内总花费与总点击数的比值。
确定用户设定的预设目标出价Target_CPC，当Target_CPC<CPC时，说明每点击成本已经超出可接受范围了。在这种情况下，可以通过实时反馈把出价方式切换为预估点击率与所述预设目标出价之积，也即bid_price＝Target_CPC×pctr。当Target_CPC>CPC时，可以切换为出价公式bid_price＝p1×pctr(1+p2×(pcvr–AVG_CVR))。
优选地，所述预设训练数据与所述实时竞价请求的来源方相同。本实施例中，由于不同来源方所投放流量、投放平台等的不同，可能会导致实际出价模型参数的不同，因此为了保证在线出价模型的出价数值最优，在对出价模型进行训练时，可以根据实时竞价请求的来源方来选取预设训练数据。也即，预设训练数据与所述实时竞价请求的来源方相同。
关于本实施例的具体实施方式的更多内容，可以参照图1中的相关描述，这里不再赘述。
本实施例的出价方法与现有技术的出价方法的试验对比结果如表1所示。
点击数 转化数 每点击成本 转化率
现有技术 17404 235 0.48 0.0135
本实施例 18439 271 0.46 0.0147
表1
如表1所示，本发明实施例相较于现有技术，每点击成本降低，转化率提高，在增加了点击数的基础上，降低了点击成本，出价得到了优化。
图3是本发明实施例一种用于DSP的出价装置的结构示意图。
图3所示的用于DSP的出价装置30可以包括训练模块301和第一出价模块302。
其中，训练模块301适于利用预设训练数据和预设参数列表对出价模型进行训练，以得到所述出价模型中的多个出价参数的值，所述预设训练数据为竞价获胜的历史数据，所述出价参数包括对预估点击率的第一约束参数和对预估转化率的第二约束参数；第一出价模块302适于使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。
本发明实施例通过利用预设训练数据和预设参数列表对出价模型进行训练，可以获得训练完成的对预估点击率的第一约束参数和对预估转化率的第二约束参数；相对于现有技术中仅利用预估点击率进行出价，本发明实施例中的在线出价模型确定出价数值时，可以将预估转化率作为考量因素，从而实现了针对实时竞价请求的出价的优化，进而可以提高点击率的同时降低用户投放成本。
优选地，每一条预设训练数据包括是否点击和是否转化，所述训练模块301可以包括训练预算确定单元3011、配置训练单元3012、选取单元3013和参数组合确定单元3014。
其中，训练预算确定单元3011适于根据所述实时竞价请求的来源方在DSP中的可投放流量数量与竞价流量数量确定训练预算；配置训练单元3012适于遍历预设第一约束参数值列表和预设第二约束参数值列表中的参数值，以分别对所述出价模型中的第一约束参数和第二约束参数进行配置，并遍历所述预设训练数据进行多次出价训练，直至所述训练预算为零或者所述预设训练数据遍历结束；选取单元3013适于选取多次出价训练中出价获胜的针对各个参数组合的第一预设训练数据，所述参数组合包括第一约束参数的值和第二约束参数的值的组合；参数组合确定单元3014适于选取所述多个第一预设训练数据中最高目标值对应的参数组合，作为所述出价参数的值，所述目标值与第一预设训练数据的点击率和转化率之和相关。
进一步地，训练预算确定单元3011可以包括比值计算子单元30111和预算计算子单元30112。比值计算子单元30111适于计算所述竞价流量数量与所述可投放流量数量的比值，所述预设训练数据包括多条竞价记录，每一竞价记录包括成交价格；预算计算子单元30112适于计算所述比值与所述预设训练数据中所有成交价格之和的乘积，以作为所述训练预算。
进一步地，参数组合确定单元3014可以包括和计算子单元30141和选取子单元30142。其中，和计算子单元30141适于分别计算所述多个第一预设训练数据的点击率与转化率之和，以作为所述多个第一预设训练数据的多个目标值；选取子单元30142适于选取所述多个目标值中的最大的目标值对应的参数组合。
本发明实施例在训练得到参数组合时，选取的是最大点击率与转化率之和对应的参数组合，从而使得利用该参数组合进行线上出价时，可以在固定预算的基础上，获得最大的点击率与转化率。
优选地，所述配置后的在线出价模型采用以下公式确定针对实时竞价请求的出价数值：bid_price＝p1×pctr(1+p2×(pcvr–AVG_CVR))，其中，bid_price表示所述出价数值，p1表示所述第一约束参数，p2表示所述第二约束参数，pctr表示预估点击率，pcvr表示预估转化率，AVG_CVR表示平均转化率。
优选地，所述出价参数还包括预估点击率参数；所述用于DSP的出价装置30还可以包括每点击成本计算模块303和第二出价模块304。
其中，每点击成本计算模块303适于根据预设时间段内的所述出价数值和点击数计算每点击成本；第二出价模块304适于在所述每点击成本大于预设目标出价时，所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，所述在线出价模型配置有所述预估点击率参数。
具体而言，每点击成本计算模块303计算出的每点击成本小于预设目标出价时，可以利用第一出价模块302确定出价数值。
本发明实施例通过计算预设时间段内的每点击成本，可以对在线出价模型的出价数值进行监控和实时反馈，如果所述每点击成本大于预设目标出价，则所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，保证了在线出价模型的鲁棒性，可以在获得最大的点击率与转化率的基础上，又可以保证不超过预设目标出价，满足客户的需求。
关于所述用于DSP的出价装置30的工作原理、工作方式的更多内容，可以参照图1至图2中的相关描述，这里不再赘述。
本发明实施例还公开了一种可读存储介质，其上存储有计算机指令，所述计算机指令运行时可以执行图1或图2中所示的用于DSP的出方法的步骤。所述可读存储介质可以包括ROM、RAM、磁盘或光盘等。
本发明实施例还公开了一种终端，所述终端可以包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图1或图2中所示的用于DSP的出方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (16)

1.一种用于DSP的出价方法，其特征在于，包括：
利用预设训练数据和预设参数列表对出价模型进行训练，以得到所述出价模型中的多个出价参数的值，所述预设训练数据为竞价获胜的历史数据，所述出价参数包括对预估点击率的第一约束参数和对预估转化率的第二约束参数；
使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。
2.根据权利要求1所述的用于DSP的出价方法，其特征在于，每一条预设训练数据包括是否点击和是否转化，所述利用预设训练数据和预设参数列表对出价模型进行训练包括：
根据所述实时竞价请求的来源方在DSP中的可投放流量数量与竞价流量数量确定训练预算；
遍历预设第一约束参数值列表和预设第二约束参数值列表中的参数值，以分别对所述出价模型中的第一约束参数和第二约束参数进行配置，并遍历所述预设训练数据进行多次出价训练，直至所述训练预算为零或者所述预设训练数据遍历结束；
选取多次出价训练中出价获胜的针对各个参数组合的第一预设训练数据，所述参数组合包括第一约束参数的值和第二约束参数的值的组合；
选取所述多个第一预设训练数据中最高目标值对应的参数组合，作为所述出价参数的值，所述目标值与第一预设训练数据的点击率和转化率之和相关。
3.根据权利要求2所述的用于DSP的出价方法，其特征在于，所述根据所述实时竞价请求的来源方在DSP中的可投放流量数量与竞价流量数量确定训练预算包括：
计算所述竞价流量数量与所述可投放流量数量的比值，所述预设训练数据包括多条竞价记录，每一竞价记录包括成交价格；
计算所述比值与所述预设训练数据中所有成交价格之和的乘积，以作为所述训练预算。
4.根据权利要求2所述的用于DSP的出价方法，其特征在于，所述选取所述多个第一预设训练数据中最高目标值对应的参数组合包括：
分别计算所述多个第一预设训练数据的点击率与转化率之和，以作为所述多个第一预设训练数据的多个目标值；
选取所述多个目标值中的最大的目标值对应的参数组合。
5.根据权利要求1所述的用于DSP的出价方法，其特征在于，所述配置后的在线出价模型采用以下公式确定针对实时竞价请求的出价数值：
bid_price＝p1×pctr(1+p2×(pcvr–AVG_CVR))，其中，bid_price表示所述出价数值，p1表示所述第一约束参数，p2表示所述第二约束参数，pctr表示预估点击率，pcvr表示预估转化率，AVG_CVR表示平均转化率。
6.根据权利要求1所述的用于DSP的出价方法，其特征在于，所述出价参数还包括预估点击率参数；所述用于DSP的出价方法还包括：
根据预设时间段内的所述出价数值和点击数计算每点击成本；
如果所述每点击成本大于预设目标出价，则所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，所述在线出价模型配置有所述预估点击率参数。
7.根据权利要求1所述的用于DSP的出价方法，其特征在于，所述预设训练数据与所述实时竞价请求的来源方相同。
8.一种用于DSP的出价装置，其特征在于，包括：
训练模块，适于利用预设训练数据和预设参数列表对出价模型进行训练，以得到所述出价模型中的多个出价参数的值，所述预设训练数据为竞价获胜的历史数据，所述出价参数包括对预估点击率的第一约束参数和对预估转化率的第二约束参数；
第一出价模块，适于使用所述多个出价参数的值对在线出价模型进行配置，并使用配置后的在线出价模型确定针对实时竞价请求的出价数值。
9.根据权利要求8所述的用于DSP的出价装置，其特征在于，每一条预设训练数据包括是否点击和是否转化，所述训练模块包括：
训练预算确定单元，适于根据所述实时竞价请求的来源方在DSP中的可投放流量数量与竞价流量数量确定训练预算；
配置训练单元，适于遍历预设第一约束参数值列表和预设第二约束参数值列表中的参数值，以分别对所述出价模型中的第一约束参数和第二约束参数进行配置，并遍历所述预设训练数据进行多次出价训练，直至所述训练预算为零或者所述预设训练数据遍历结束；
选取单元，适于选取多次出价训练中出价获胜的针对各个参数组合的第一预设训练数据，所述参数组合包括第一约束参数的值和第二约束参数的值的组合；
参数组合确定单元，适于选取所述多个第一预设训练数据中最高目标值对应的参数组合，作为所述出价参数的值，所述目标值与第一预设训练数据的点击率和转化率之和相关。
10.根据权利要求9所述的用于DSP的出价装置，其特征在于，所述训练预算确定单元包括：
比值计算子单元，适于计算所述竞价流量数量与所述可投放流量数量的比值，所述预设训练数据包括多条竞价记录，每一竞价记录包括成交价格；
预算计算子单元，适于计算所述比值与所述预设训练数据中所有成交价格之和的乘积，以作为所述训练预算。
11.根据权利要求9所述的用于DSP的出价装置，其特征在于，所述参数组合确定单元包括：
和计算子单元，适于分别计算所述多个第一预设训练数据的点击率与转化率之和，以作为所述多个第一预设训练数据的多个目标值；
选取子单元，适于选取所述多个目标值中的最大的目标值对应的参数组合。
12.根据权利要求8所述的用于DSP的出价装置，其特征在于，所述配置后的在线出价模型采用以下公式确定针对实时竞价请求的出价数值：
bid_price＝p1×pctr(1+p2×(pcvr–AVG_CVR))，其中，bid_price表示所述出价数值，p1表示所述第一约束参数，p2表示所述第二约束参数，pctr表示预估点击率，pcvr表示预估转化率，AVG_CVR表示平均转化率。
13.根据权利要求8所述的用于DSP的出价装置，其特征在于，所述出价参数还包括预估点击率参数；所述用于DSP的出价装置还包括：
每点击成本计算模块，适于根据预设时间段内的所述出价数值和点击数计算每点击成本；
第二出价模块，适于在所述每点击成本大于预设目标出价时，所述在线出价模型利用预估点击率与所述预设目标出价之积进行出价，所述在线出价模型配置有所述预估点击率参数。
14.根据权利要求8所述的用于DSP的出价装置，其特征在于，所述预设训练数据与所述实时竞价请求的来源方相同。
15.一种可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至7中任一项所述用于DSP的出价方法的步骤。
16.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至7中任一项所述用于DSP的出价方法的步骤。
CN201710835202.1A 2017-09-15 2017-09-15 用于dsp的出价方法及装置、可读存储介质、终端 Pending CN107679892A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710835202.1A CN107679892A (zh) 2017-09-15 2017-09-15 用于dsp的出价方法及装置、可读存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710835202.1A CN107679892A (zh) 2017-09-15 2017-09-15 用于dsp的出价方法及装置、可读存储介质、终端

Publications (1)

Publication Number Publication Date
CN107679892A true CN107679892A (zh) 2018-02-09

Family

ID=61137274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710835202.1A Pending CN107679892A (zh) 2017-09-15 2017-09-15 用于dsp的出价方法及装置、可读存储介质、终端

Country Status (1)

Country Link
CN (1) CN107679892A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985823A (zh) * 2018-06-27 2018-12-11 腾讯科技（深圳）有限公司 一种信息投放方法、装置、服务器及存储介质
CN109272339A (zh) * 2018-07-16 2019-01-25 北京三快在线科技有限公司 广告出价方法、装置、电子设备及可读存储介质
CN109697635A (zh) * 2018-12-27 2019-04-30 拉扎斯网络科技（上海）有限公司 一种竞价获取方法、装置、电子设备及介质
CN109858119A (zh) * 2019-01-21 2019-06-07 新奥数能科技有限公司 一种动态能效建模方法、装置、可读介质及电子设备
CN110490627A (zh) * 2018-05-15 2019-11-22 北京三快在线科技有限公司 广告托管方法、装置、电子设备及可读存储介质
CN111340558A (zh) * 2020-02-28 2020-06-26 深圳前海微众银行股份有限公司 基于联邦学习的线上信息处理方法、装置、设备及介质
CN111369281A (zh) * 2020-02-28 2020-07-03 深圳前海微众银行股份有限公司 线上消息处理方法、装置、设备及可读存储介质
CN113139825A (zh) * 2020-01-20 2021-07-20 上海哔哩哔哩科技有限公司 广告位的分配权限确定方法、装置、计算机设备
CN113139826A (zh) * 2020-01-20 2021-07-20 上海哔哩哔哩科技有限公司 广告位的分配权限确定方法、装置、计算机设备
CN117689428A (zh) * 2023-12-21 2024-03-12 广州迈量科技有限公司 广告瀑布流询价策略生成方法、装置、电子设备及介质

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490627A (zh) * 2018-05-15 2019-11-22 北京三快在线科技有限公司 广告托管方法、装置、电子设备及可读存储介质
CN108985823B (zh) * 2018-06-27 2021-06-15 腾讯科技（深圳）有限公司 一种信息投放方法、装置、服务器及存储介质
CN108985823A (zh) * 2018-06-27 2018-12-11 腾讯科技（深圳）有限公司 一种信息投放方法、装置、服务器及存储介质
CN109272339A (zh) * 2018-07-16 2019-01-25 北京三快在线科技有限公司 广告出价方法、装置、电子设备及可读存储介质
CN109697635A (zh) * 2018-12-27 2019-04-30 拉扎斯网络科技（上海）有限公司 一种竞价获取方法、装置、电子设备及介质
CN109858119A (zh) * 2019-01-21 2019-06-07 新奥数能科技有限公司 一种动态能效建模方法、装置、可读介质及电子设备
CN109858119B (zh) * 2019-01-21 2022-11-29 新奥数能科技有限公司 一种动态能效建模方法、装置、可读介质及电子设备
CN113139826A (zh) * 2020-01-20 2021-07-20 上海哔哩哔哩科技有限公司 广告位的分配权限确定方法、装置、计算机设备
CN113139825A (zh) * 2020-01-20 2021-07-20 上海哔哩哔哩科技有限公司 广告位的分配权限确定方法、装置、计算机设备
CN111369281A (zh) * 2020-02-28 2020-07-03 深圳前海微众银行股份有限公司 线上消息处理方法、装置、设备及可读存储介质
CN111340558A (zh) * 2020-02-28 2020-06-26 深圳前海微众银行股份有限公司 基于联邦学习的线上信息处理方法、装置、设备及介质
CN111369281B (zh) * 2020-02-28 2024-05-28 深圳前海微众银行股份有限公司 线上消息处理方法、装置、设备及可读存储介质
CN117689428A (zh) * 2023-12-21 2024-03-12 广州迈量科技有限公司 广告瀑布流询价策略生成方法、装置、电子设备及介质
CN117689428B (zh) * 2023-12-21 2024-06-11 广州迈量科技有限公司 广告瀑布流询价策略生成方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
CN107679892A (zh) 用于dsp的出价方法及装置、可读存储介质、终端
US20210118015A1 (en) System and Methods for Generating Dynamic Market Pricing for Use in Real-Time Auctions
Cai et al. Real-time bidding by reinforcement learning in display advertising
CN106339897B (zh) 确定投放策略的方法及装置
TWI456521B (zh) 線上與離線廣告活動最佳化
CN105741133A (zh) 一种针对在线广告投放的步进管理方法
CA2686407A1 (en) Metric conversion for online advertising
CN107529654A (zh) 一种面向展示广告竞价投放系统的动态出价方法
WO2018121245A1 (zh) 一种超投控制方法、装置和设备
CN111489186A (zh) 一种面向展示广告自动投放装置的分时段预算管理方法
US20120078730A1 (en) Automatic Internet Search Advertising Campaign Variable Optimization for Aiding Advertising Agency Efficiencies
US20160364799A1 (en) System and method for determining a tradable value
Pardoe et al. TacTex09: a champion bidding agent for ad auctions.
US10181130B2 (en) Real-time updates to digital marketing forecast models
CN106296287A (zh) 用于调整推广信息的出价的方法和装置
WO2015096742A1 (zh) 一种信息处理方法、装置和系统
CN112749824A (zh) 信息投放优化方法及系统、电子设备、存储介质
CN114862464A (zh) 一种广告投放效果预估方法及装置
US20100241588A1 (en) System and method for determining confidence levels for a market depth in a commodities market
US20140297401A1 (en) Shaping allocations in search advertising auctions
CN103593788A (zh) 在线广告拍卖中的表达性出价
CN110533479A (zh) 一种标识分配方法、装置及电子设备
Zhang et al. Managing risk of bidding in display advertising
CN109359764A (zh) Rtb出价方法及装置、存储介质、终端
US11574358B2 (en) Impression allocation system and methods using an auction that considers losing bids

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180209