CN108062680A - 预估转化率确定方法、广告需求方平台及计算机可读介质 - Google Patents
预估转化率确定方法、广告需求方平台及计算机可读介质 Download PDFInfo
- Publication number
- CN108062680A CN108062680A CN201711133577.XA CN201711133577A CN108062680A CN 108062680 A CN108062680 A CN 108062680A CN 201711133577 A CN201711133577 A CN 201711133577A CN 108062680 A CN108062680 A CN 108062680A
- Authority
- CN
- China
- Prior art keywords
- click
- advertisement
- rate
- download
- model
- 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.)
- Withdrawn
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 204
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012549 training Methods 0.000 claims description 53
- 238000012360 testing method Methods 0.000 claims description 47
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 description 17
- 230000004044 response Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000003825 pressing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种预估转化率确定方法、广告需求方平台及计算机可读介质,其中方法包括:确定目标广告的计费方式,所述计费方式为按点击量计费或按下载量计费;通过转化率预估模型接口向业务服务器发送调用数据,所述调用数据用于指示所述业务服务器从转化率预估模型集合中选取出所述计费方式对应的目标转化率预估模型,并调用所述目标转化率预估模型生成答复数据;接收所述业务服务器反馈的答复数据,并根据所述答复数据确定所述目标广告的预估转化率;其中,所述目标转化率预估模型是根据所述广告需求方平台的日志数据和/或大数据平台的用户画像数据建模得到的。本发明实施例可以提高预估转化率的准确性。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种预估转化率确定方法、广告需求方平台及计算机可读介质。
背景技术
目前,广告主在广告投放平台投放的广告包括按展现量计费的每千人成本(CostPer Mille,CPM)广告、按点击量计费的每点击成本(Cost Per Click,CPC)广告以及按下载量计费的每下载成本(Cost Per Download,CPD)广告。而在实时竞价的广告体系中,广告投放平台是按照CPM价格向广告交易平台进行报价和结算的。因此,对于参与实时竞价的CPC广告或CPD广告,广告投放平台需要对其进行转化率预估得到预估转化率,从而将CPC价格或CPD价格转化为CPM价格。
在现有技术中,广告的预估转化率是基于历史数据(如广告需求方平台的日志数据)离线统计得到的转化率(如点击率或下载率)。具体地,对于在某个广告位上展现给用户的某个广告,预估转化率都是基于该广告在该广告位下累计的展现数据、点击数据、下载数据等日志数据统计得到的转化率。也就是说,每个广告的转化率都只跟其所在的广告位相关。这样统计出来的转化率表示的是某个广告在某个广告位下的总体转化率,因此广告转化率的准确性不高。
发明内容
本发明实施例提供一种预估转化率确定方法,通过在建立转化率预估模型的过程中使用用户画像数据,可以提高预估转化率的准确性。
第一方面,本发明实施例提供了一种预估转化率确定方法,所述方法包括:
确定目标广告的计费方式,所述计费方式为按点击量计费或按下载量计费;
通过转化率预估模型接口向业务服务器发送调用数据,所述调用数据用于指示所述业务服务器从转化率预估模型集合中选取出所述计费方式对应的目标转化率预估模型,并调用所述目标转化率预估模型生成答复数据;
接收所述业务服务器反馈的答复数据,并根据所述答复数据确定所述目标广告的预估转化率;
其中,所述目标转化率预估模型是根据所述广告需求方平台的日志数据和/或大数据平台的用户画像数据建模得到的。
第二方面,本发明实施例提供了一种广告需求方平台,所述广告需求方平台包括用于执行上述第一方面的方法的单元。
第三方面,本发明实施例提供了另一种广告需求方平台,所述广告需求方平台包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储支持广告需求方平台执行上述方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本发明实施例通过使用广告需求方平台的日志数据和大数据平台的用户画像数据建立转化率预估模型,当需要对目标广告进行转化率预估时,就调用转化率预估模型,并根据转化率预估模型的返回值来确定该目标广告的预估转化率,由于在建立转化率预估模型的过程中考虑了用户对广告位上的广告创意等兴趣偏好等用户画像数据,也就是说,在建立转化率预估模型的过程中充分考虑了不同用户的个性化差异,从而提高了该转化率预估模型的准确性,也就提高了通过调用该转化率预估模型确定出来的预估转化率的准确性。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种预估转化率确定方法的示意流程图;
图2是本发明实施例提供的另一种预估转化率确定方法的示意流程图;
图3是本发明实施例提供的一种广告需求方平台的示意性框图;
图4是本发明实施例提供的另一种广告需求方平台的示意性框图;
图5是本发明实施例提供的又一种广告需求方平台的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“若”可以依据上下文被解释为“当...时”或“一旦”。类似地,短语“若确定”或“若接收到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦接收到[所描述条件或事件]”或“响应于接收到[所描述条件或事件]”。
应当理解,本发明实施例的技术方案可以具体应用于广告需求方平台(Demand-Side Platform,DSP)。需要说明的是,该广告需求方平台即广告投放平台,面向广告购买方(即广告主)。具体地,广告主可以通过该广告需求方平台设置自己想要的受众目标以及愿意出多少钱购买这些受众的展现等操作来进行广告投放。
在程序化广告交易过程中,除了上述广告需求方平台,参与交易的还有广告交易平台和媒体供应方平台(Supply-Side Platform,SSP)。其中,该媒体供应方平台通过该广告交易平台与该广告需求方平台连接。该媒体供应方平台即媒体接入平台,面向广告售卖方(即媒体方)。具体地,媒体方可以通过该媒体供应方平台完成广告资源的管理,如流量分配等。其中,该广告交易平台为媒体流量的交易场所。具体地,该广告交易平台可以将媒体方的广告流量以拍卖的形式卖给广告主。具体实现中,该媒体供应方平台、该广告交易平台和该广告需求方平台的功能可以集成到一个程序化广告交易平台中。
举例来说,媒体方的应用程序APP中集成了该程序化广告交易平台提供的软件工具包(Software Development Kit,SDK)。当该媒体方需要售卖广告位等广告资源时,集成在其中的SDK会发送广告请求消息给该媒体供应方平台。该媒体供应方平台接收到该广告请求消息后,对该媒体方的广告资源进行管理,如分配媒体APP ID、广告位ID、创意ID、广告行业类别IP等等,然后发送广告请求消息给该广告交易平台。该广告交易平台接收到该广告请求消息后,向该广告需求方平台发送竞价请求消息。其中,该竞价请求消息指示了该媒体方需要售卖的广告位对应的目标广告形式。
需要说明的是,广告的广告形式包括但不限于开屏广告、插屏广告、横幅(banner)广告、退屏广告、富媒体广告、积分墙广告、信息流广告、原生广告、文字链接广告、视频广告、关键词广告等等。具体地,该目标广告形式例如可以是上述广告形式中的任意一种。
可以理解的是,只有当某个广告的广告形式为该竞价请求消息所指示的目标广告形式时,该广告才需要参与竞价。例如,当该竞价请求消息所指示的目标广告形式为横幅广告时,即媒体方的广告位中需要展现的是一条横幅广告,如果某个广告的广告形式为开屏广告,那么该广告就不满足展现需求,也就不需要参与竞价。因此,当该广告需求方平台接收到来自该广告交易平台的竞价请求消息时,需要从预置广告库中选取出广告形式为该目标广告形式的广告。
其中,该预置广告库中包括了各个广告主投放在该广告需求方平台上的广告,即该预置广告库可以预置在该广告需求方平台中。
需要说明的是,广告主在投放广告时,可以投放在各种计费方式下的广告。其中,广告的计费方式包括但不限于按展现量计费、按行动计费和按销售计费。
其中,按展现量计费是最常用的计费方式之一。按展现量计费的广告包括CPM广告,CPM即广告每展现(显示、展示、曝光)1000次时广告主需要向媒体方支付的费用,或者说,广告每展现1000次时媒体方应该向广告主收取的费用。
其中,按行动计费即根据每个用户(如APP使用者、网页浏览者等)对广告所采取的行动进行计费的计费方式,该行动包括但不限于形成一次交易、获得一个注册用户、对广告的一次点击等等。按行动计费的广告可以统称为每行动成本(Cost Per Action,CPA)广告。具体地,该CPA广告可以包括但不限于按点击量计费的CPC广告、按下载量计费的CPD广告、按注册成功的数量计费的每引导成本(Cost Per Lead,CPL)广告等等。
其中,按销售计费的广告可以包括但不限于每订单/交易成本(Cost Per Order,CPO)广告、每销售额成本(Cost Per Sale,CPS)广告、每销售量成本(Pay Per Sale,PPS)广告等等。
为统一竞价标准,该广告需求方平台需要统一广告形式为该目标广告形式的广告(即可以参与竞价的全部广告)的出价。由于接入广告的媒体方(流量方)是按照广告的展现量向广告主收费的,并且在实时竞价的广告体系中,该广告需求方平台也是按照CPM价格向该广告交易平台进行报价和结算的。因此,该广告需求方平台需要将广告形式为该目标广告形式的广告的出价统一为CPM价格。
具体地,该广告需求方平台需要从广告形式为该目标广告形式的广告(即可以参与竞价的广告)中选取出计费方式按点击量计费的广告和按下载量计费的广告等不是按展现量计费的广告。对于按点击量计费的广告和按下载量计费的广告,广告主在投放广告时给出的出价分别为CPC价格和CPD价格。因此,为了将CPC价格和CPD价格转化为CPM价格,该广告需求方平台需要分别对从CPC价格到CPM价格的转化率和CPD价格到CPM价格的转化率进行预估。
需要说明的是,CPC价格和CPM价格之间具有如下的转化关系:CPM价格=CPC价格*点击率*1000。其中,该点击率又称为点击通过率(Click Through Rate,CTR),是某个广告在某个广告位下当前累计的点击次数与展现次数的商(点击次数/展现次数)。因此,对于按点击量计费的广告,预估转化率具体可以是点击率。
类似地,CPD价格和CPM价格之间具有如下的转化关系:CPM价格=CPD价格*下载率*1000。其中,该下载率为某个广告在某个广告位下的下载次数与展现次数的商(下载次数/展现次数),因此,对于按下载量计费的广告,该预估转化率具体可以是下载率。
可以理解的是,下载次数/展现次数=(点击次数/展现次数)*(下载次数/点击次数)。将下载次数/展现次数看作从展现到下载的第一下载率,下载次数/点击次数看作从点击到下载的第二下载率,从而,当该目标广告位按点击量计费的广告时,该预估转化率具体可以是点击率与第二下载率的乘积。
在现有的实际应用中,通常直接将基于广告需求方平台的历史数据(如各个广告在每个广告位下当前累计的展现数据、点击数据和下载数据等日志数据)进行统计得到的历史点击率或者下载率作为预估转化率,这样可能导致预估转化率出现较大的偏差。可以理解的是,广告需求方平台对于预估转化率的高估或者低估都会对媒体和广告主的收益产生直接的影响。基于上述问题,本发明实施例提供了一种预估转化率确定方法,使用广告需求方平台的日志数据和大数据平台的用户画像数据建立点击率预估模型和下载率预估模型等转化率预估模型,当需要对目标广告进行转化率预估时,就调用转化率预估模型,并根据转化率预估模型的返回值来确定该目标广告的预估转化率,由于在建立转化率预估模型的过程中考虑了用户对广告位上的广告创意等兴趣偏好等用户画像数据,也就是说,在建立转化率预估模型的过程中充分考虑了不同用户的个性化差异,从而提高了该转化率预估模型的准确性,也就提高了通过调用该转化率预估模型确定出来的预估转化率的准确性。
下面将结合图1到图5对本发明实施例提供的预估转化率确定方法和广告需求方平台分别进行具体描述。
首先请参见图1,是本发明实施例提供的一种预估转化率确定方法的示意流程图。具体实现中,该方法包括的各个步骤可以由上述的广告需求方平台执行。如图1所示的预估转化率确定方法可以包括:
S11、确定目标广告的计费方式。
需要说明的是,当媒体方(流量方)售卖指定广告位时,由于该指定广告位对应了唯一一种广告形式,即在该指定广告位上只能展现具有某一种广告形式的广告(具体是哪一种广告形式是由该指定广告位的性质决定的),因此,该广告需求方平台首先需要从预置广告库中选取出广告形式为该指定广告位对应的广告形式的广告。其中,该预置广告库中包括了各个广告主投放在该广告需求方平台上的广告,即该预置广告库可以预置在该广告需求方平台中。
其中,广告的广告形式包括但不限于开屏广告、插屏广告、横幅(banner)广告、退屏广告、富媒体广告、积分墙广告、信息流广告、原生广告、文字链接广告、视频广告、关键词广告等等。
还需要说明的是,接入广告的媒体方是按照广告的展现量向广告主收费的,并且在实时竞价的广告体系中,该广告需求方平台是按照CPM价格向广告交易平台进行报价和结算的。因此,该广告需求方平台还需要从广告形式为该指定广告位对应的广告形式的广告中选取出计费方式为按点击量计费或按下载量计费等需要进行价格转化的计费方式的广告。
也就是说,该目标广告为从该预置广告库中选取出来的广告形式为该指定广告位对应的广告形式且计费方式为按点击量计费或按下载量计费等需要进行价格转化的广告。其中,该目标广告的计费方式可以为除按展现量计费之外的任意一种计费方式。在一个具体的实施例中,该目标广告的计费方式具体为按点击量计费或按下载量计费。
S12、通过转化率预估模型接口向业务服务器发送调用数据。
其中,该业务服务器中部署了由多个转化率预估模型组成的转化率预估模型集合。该调用数据用于指示该业务服务器从该转化率预估模型集合中选取出该计费方式对应的目标转化率预估模型,并调用该目标转化率预估模型生成答复数据。
其中,该答复数据包括该业务服务器调用该目标转化率预估模型得到的返回值。
在本发明实施例中,该转化率预估模型可以具体为点击率预估模型或下载率预估模型,即该转化率预估模型集合中至少包括点击率预估模型和下载率预估模型。
需要说明的是,计费方式与转化率预估模型之间具有一一对应的关系。
当该目标广告的计费方式为按点击量计费时,该目标转化率预估模型为点击率预估模型。此时,该业务服务器调用该点击率预估模型得到的返回值为从展现到点击的预估点击率。从而,该答复数据包括该预估点击率。
在一个具体的实施例中,当该目标广告的计费方式为按下载量计费时,该目标转化率预估模型包括下载率预估模型。此时,该业务服务器调用该下载率预估模型得到的返回值为从展现到下载的预估下载率。从而,该答复数据包括该预估下载率。
在另一个具体的实施例中,当该目标广告的计费方式为按下载量计费时,该目标转化率预估模型包括上述点击率预估模型和下载率预估模型。也就是说,该业务服务器需要同时调用该点击率预估模型和下载率预估模型。此时,该业务服务器调用该下载率预估模型得到的返回值为从点击到下载的预估下载率。从而,该答复数据包括该预估点击率和该预估下载率。
需要说明的是,该点击率预估模型和下载率预估模型等转化率预估模型都是根据该广告需求方平台的日志数据和大数据平台的用户画像数据建模得到的。其中,该日志数据包括该广告需求方平台记录的该目标广告在该指定广告位下的展现数据、点击数据和下载数据(如当前累计的展现次数、点击次数和下载次数)。该用户画像数据是基于大数据平台中的用户数据(如网络行为数据、服务内行为数据、用户内容偏好数据、用户交易数据等)而抽象出来的用户的基本属性(如年龄、性别、地域)、购买能力、行为特征、兴趣爱好、心理特征等数据。
S13、接收所述业务服务器反馈的答复数据,并根据所述答复数据确定所述目标广告的预估转化率。
当该目标广告的计费方式为按点击量计费时,该广告需求方平台执行根据该答复数据确定该目标广告的预估转化率可以具体为:将该答复数据中包括的预估点击率作为该目标广告的预估转化率。
当该目标广告的计费方式为按下载量计费时,如果该业务服务器中部署的下载率预估模型为从展现到下载的下载率预估模型,则该广告需求方平台执行根据该答复数据确定该目标广告的预估转化率可以具体为:将该答复数据中包括的预估下载率作为该目标广告的预估转化率。
当该目标广告的计费方式为按下载量计费时,如果该业务服务器中部署的下载率预估模型为从点击到下载的下载率预估模型,则该广告需求方平台执行根据该答复数据确定该目标广告的预估转化率可以具体为:将该答复数据中包括的预估点击率和预估下载率的乘积作为该目标广告的预估转化率。
在本发明实施例中,广告需求方平台使用该广告需求方平台的日志数据和大数据平台的用户画像数据建立点击率预估模型和下载率预估模型等转化率预估模型,当需要对目标广告进行转化率预估时,就调用转化率预估模型,并根据转化率预估模型的返回值来确定该目标广告的预估转化率,由于在建立转化率预估模型的过程中考虑了用户对广告位上的广告创意等兴趣偏好等用户画像数据,也就是说,在建立转化率预估模型的过程中充分考虑了不同用户的个性化差异,从而提高了该转化率预估模型的准确性,也就提高了通过调用该转化率预估模型确定出来的预估转化率的准确性。
请参见图2,是本发明实施例提供的另一种预估转化率确定方法的示意流程图。具体实现中,该方法包括的各个步骤可以由上述的广告需求方平台执行。如图2所示的预估转化率确定方法可以包括:
S21、建立点击率预估模型和下载率预估模型,并将所述点击率预估模型和所述下载率预估模型添加到转化率预估模型集合中。
可以理解的是,该广告需求方平台的日志数据包括各个广告在每个广告位下的展现数据、点击数据和下载数据(如各个广告在每个广告位下当前累计的展现次数、点击次数和下载次数)。
具体地,该广告需求方平台将展现点击用户为正样本,展现不点击用户为负样本,建立展现到点击的点击率预估模型;该广告需求方平台将点击下载用户为正样本,点击不下载用户为负样本,建立点击到下载的下载率预估模型。
进一步具体地,该广告需求方平台建立点击率预估模型可以具体包括:将该点击日志数据按第一比例划分为第一点击训练集和第一点击测试集,使用该第一点击训练集的用户侧特征、广告侧特征和上下文侧特征建立第一点击率模型;将该点击日志数据和大数据平台的用户画像数据按该第一比例划分为第二点击训练集和第二点击测试集,使用该第二点击训练集的广告侧特征和上下文侧特征建立第二点击率模型;将该点击日志数据和该用户画像数据按该第一比例划分为第三点击训练集和第三点击测试集,使用该第三点击训练集的用户侧特征、广告侧特征和上下文侧特征建立第三点击率模型;使用该第一、第二和第三点击测试集分别对该第一、第二和第三点击率进行模型评估,根据评估结果将该第一、第二和第三点击率模型中准确性最高的点击率模型作为该点击率预估模型。
类似地,该广告需求方平台建立下载率预估模型可以具体包括:将该下载日志数据按第二比例划分为第一下载训练集和第一下载测试集,使用该第一下载训练集的用户侧特征、广告侧特征和上下文侧特征建立第一下载率模型;将该下载日志数据和所述用户画像数据按所述第二比例划分为第二下载训练集和第二下载测试集,使用该第二下载训练集的广告侧特征和上下文侧特征建立第二下载率模型;将该下载日志数据和所述用户画像数据按所述第二比例划分为第三下载训练集和第三下载测试集,使用该第三下载训练集的用户侧特征、广告侧特征和上下文侧特征建立第三下载率模型;使用该第一、第二和第三下载测试集分别对该第一、第二和第三下载率模型进行模型评估,根据评估结果将所述第一、第二和第三下载率模型中准确性最高的下载率模型确定为该下载率预估模型。
需要说明的是,该点击率下载模型和该下载率预估模型都是基于广告位的。也就是说,该广告需求方平台需要为不同的广告位建立各自的点击率预估模型和下载率预估模型。
其中,该点击日志数据包括了该日志数据中的展现数据和点击数据,该下载日志数据包括了该日志数据中的点击数据和下载数据。该用户画像数据是基于大数据平台中的用户数据(如网络行为数据、服务内行为数据、用户内容偏好数据、用户交易数据等)而抽象出来的用户的基本属性(如年龄、性别、地域)、购买能力、行为特征、兴趣爱好、心理特征等数据。
在一个具体的实施例中,该用户侧特征可以包括性别、年龄、学历、职业、城市等级、应用兴趣和浏览兴趣等等,该广告侧特征可以包括广告主行业类别、广告类型和素材宽高属性等等,该上下文侧特征可以包括媒体平台、媒体类型、媒体APP类别、运营商类型、网络连接类型、设备类型和请求时间等等。
其中,该广告需求方平台建立第一、第二、第三点击率模型可以具体包括:分别使用该第一点击训练集的用户侧特征、广告侧特征和上下文侧特征,该第二点击训练集的广告侧特征和上下文侧特征以及该第三点击训练集的用户侧特征、广告侧特征和上下文侧特征对逻辑斯特(logistic)回归模型进行模型训练,从而得到该第一、第二、第三点击率模型。其中,该逻辑斯特回归模型是一个二分类算法模型,该模型具有可解释性,并且还具有计算量小、速度快、存储资源低等优势。
在模型训练的过程中,模型需要调优的参数包括正交化控制参数、最大迭代次数、迭代收敛阈值和纠错次数。具体地,该广告需求方平台使用限制内存的拟牛顿优化算法(L-BFGS)对上述需要调优的参数进行优化,该限制内存的拟牛顿优化算法只保存并利用最近的m次迭代的曲率信息来构造海森矩阵的近似矩阵,从而大大降低了数据存储空间,还解决了矩阵稀疏的问题。进一步具体地,在参数优化的过程中使用Squared L2 Updater策略迭代更新权重。
在本发明的实施例中,该广告需求方平台使用接收者操作特征曲线(ReceiverOperating Characteristic,ROC)分析来对该第一、第二、第三点击率模型进行模型评估。其中,该ROC曲线显示了模型的真正例率(True Positive Rate,TPR)和假正例率(FalsePositive Rate,FPR)之间的权衡。其中,TPR是模型正确标记的正元组,FPR是模型错误标记的正元组。具体地,该ROC曲线是以TPR为纵坐标,FPR为横坐标绘制的曲线。
具体地,该广告需求方平台使用该第一、第二和第三点击测试集分别计算该第一、第二和第三点击率模型的ROC曲线下的面积(Area Under roc Curve,AUC)。其中,AUC值在模型评估时通常作为最重要的评估指标来衡量逻辑斯特回归模型等分类模型的好坏和准确性高低。具体地,AUC值是处于ROC曲线下方的那部分面积的大小,介于0.5到1之间,该AUC值越高,模型越好、准确性越高。因此,该广告需求方平台将面积最小(即AUC值最小)的点击率模型作为该点击率预估模型。
其中,该第一、第二、第三下载率模型的模型评估以及该下载率预估模型的确定可以参考上述第一、第二、第三点击率模型的模型评估以及该点击率预估模型的确定。
进一步地,在该点击率预估模型和该下载率预估模型建立完成之后,该广告需求方平台将该点击率预估模型和该下载率预估模型以接口请求形式部署到业务服务器中。
S22、确定指定广告位对应的目标广告形式。
其中,该指定广告位指的是媒体方(流量方)售卖的广告位。可以理解的是,该指定广告位对应了唯一一种广告形式。例如,该指定广告位是用于展现开屏广告的,则该指定广告位对应的广告形式即为开屏广告。
需要说明的是,广告的广告形式包括但不限于开屏广告、插屏广告、横幅(banner)广告、退屏广告、富媒体广告、积分墙广告、信息流广告、原生广告、文字链接广告、视频广告、关键词广告等等。具体地,该目标广告形式例如可以是上述广告形式中的任意一种。
具体实现中,该广告需求方平台可以根据接收到的竞价请求消息确定该指定广告位对应的目标广告形式。其中,该竞价请求消息是当媒体方需要售卖该指定广告位时,由广告交易平台发送给该广告需求方平台的。该竞价请求消息指示了该指定广告位对应的目标广告形式。
S23、将预置广告库中广告形式为所述目标广告形式且计费方式为按点击量计费或按下载量计费的广告作为目标广告。
可以理解的是,只有广告形式为该目标广告形式的广告才满足该指定广告位的展现需求。该广告需求方平台首先需要从该预置广告库中筛选出广告形式不是该目标广告形式的广告,或者说,该广告需求方平台首先需要从该预置广告库中选取出广告形式为该目标广告形式的广告。
需要说明的是,接入广告的媒体方是按照广告的展现量向广告主收费的,并且在实时竞价的广告体系中,该广告需求方平台是按照CPM价格向广告交易平台进行报价和结算的。因此,计费方式为按点击量计费或按下载量计费等不是按展现量计费的广告才需要进行价格转化,计算预估转化率。从而,该广告需求方平台可以从广告形式为该目标广告形式的全部广告中选取出计费方式为按点击量计费或按下载量计费的广告作为需要进行价格转化的目标广告。
可选地,该广告需求方平台还可以通过广告检索模块,过滤掉展现过量,超过预算和已经下载过的广告。
S24、通过转化率预估模型接口向业务服务器发送调用数据。
其中,该业务服务器中部署了由多个转化率预估模型组成的转化率预估模型集合。该调用数据用于指示该业务服务器从该转化率预估模型集合中选取出该目标广告的计费方式对应的目标转化率预估模型,并调用该目标转化率预估模型生成答复数据。在本发明的实施例中,该转化率预估模型集合中至少包括建立的点击率预估模型和下载率预估模型。
其中,该调用数据即调用该转化率预估接口所需要传输的参数,也就是该点击率预估模型和/或下载率预估模型在建模过程中所使用的特征数据。在本发明的实施例中,该调用数据可以包括用户终端的国际移动设备身份码(International Mobile EquipmentIdentity,IMEI)、创意ID、媒体App ID、媒体App类别、运营商类型、网络连接类型、设备类型、素材宽、素材高、广告行业类别ID、请求时间,用户的性别、年龄、学历、职业、城市等级、应用兴趣、浏览兴趣特征。
具体实现中,该业务服务器对调用数据进行了初始特征向量化得到初始化特征向量,并把初始化特征向量代入该目标转化率预估模型以生成答复数据。
其中,该答复数据包括该业务服务器调用该目标转化率预估模型得到的返回值。
需要说明的是,计费方式与转化率预估模型之间具有一一对应的关系。
当该目标广告的计费方式为按点击量计费时,该目标转化率预估模型为该点击率预估模型。此时,该业务服务器调用该点击率预估模型得到的返回值为从展现到点击的预估点击率。从而,该答复数据包括该预估点击率。当该目标广告的计费方式为按下载量计费时,该目标转化率预估模型包括该点击率预估模型和该下载率预估模型。也就是说,该业务服务器需要同时调用该点击率预估模型和该下载率预估模型。此时,该业务服务器调用该下载率预估模型得到的返回值为从点击到下载的预估下载率。从而,该答复数据包括该预估点击率和该预估下载率。
S25、接收所述业务服务器反馈的答复数据,并根据所述答复数据确定所述目标广告的预估转化率
当该目标广告的计费方式为按点击量计费时,该广告需求方平台执行根据该答复数据确定该目标广告的预估转化率可以具体为:将该答复数据中包括的预估点击率作为该目标广告的预估转化率。
当该目标广告的计费方式为按下载量计费时,该广告需求方平台执行根据该答复数据确定该目标广告的预估转化率可以具体为:将该答复数据中包括的预估点击率和预估下载率的乘积作为该目标广告的预估转化率。
进一步地,该广告需求方平台根据各个目标广告的预估转化率计算出其CPM价格,并对该预置广告库中可以参与实时竞价的广告(即广告形式为该目标广告形式的广告)进行eCPM排序。
需要说明的是,广告的定价策略通常采用广义第二高价(Generalized SecondPricing,GSP)策略,即对赢得每一个广告位的广告主,都按照其下一名广告主的出价来收取费用。例如,对于排序第i的广告主,按照排序第i+1的广告主的出价来收取费用。经过GSP之后的定价可能低于市场保留价(Market ReservePrice,MRP),当定价低于MRP时,将定价设置为MRP。进一步地,引入价格挤压因子,用于调节出价在竞价机制中的影响权重。从而,第i名广告主的排序eCPM可以具体表示为:排序eCPM=第i名的价格挤压因子*eCPM出价。其中,eCPM出价=结算价格*转化率*1000,结算价格=(第i+1名的价格挤压因子*第i+1名的出价)/第i名的价格挤压因子+0.01。
在本发明实施例中,广告需求方平台通过使用广告需求方平台的日志数据和大数据平台的用户画像数据建立点击率预估模型和下载率预估模型等转化率预估模型,当需要对目标广告进行转化率预估时,就调用转化率预估模型,并根据转化率预估模型的返回值来确定该目标广告的预估转化率,由于在建立转化率预估模型的过程中考虑了用户对广告位上的广告创意等兴趣偏好等用户画像数据,也就是说,在建立转化率预估模型的过程中充分考虑了不同用户的个性化差异,从而提高了该转化率预估模型的准确性,也就提高了通过调用该转化率预估模型确定出来的预估转化率的准确性,使得用户移动终端上媒体广告位的每一次有广告请求时所展示的广告更加精准,避免了媒体方流量贱卖或者广告主买不到流量。
本发明实施例还提供一种广告需求方平台,该广告需求方平台包括用于执行本申请图1所示的方法的单元。具体地,请参见图3,是本发明实施例提供的一种广告需求方平台的示意性框图。如图3所示的广告需求方平台可以包括:确定单元31、调用单元32和接收单元33。其中,
所述确定单元31,用于确定目标广告的计费方式,所述计费方式为按点击量计费或按下载量计费。
所述调用单元32,用于通过转化率预估模型接口向业务服务器发送调用数据,所述调用数据用于指示所述业务服务器从转化率预估模型集合中选取出所述计费方式对应的目标转化率预估模型,并调用所述目标转化率预估模型生成答复数据。
所述接收单元33,用于接收所述业务服务器反馈的答复数据。
所述确定单元31,还用于根据所述接收单元33接收的答复数据确定所述目标广告的预估转化率。
其中,所述目标转化率预估模型是根据所述广告需求方平台的日志数据和/或大数据平台的用户画像数据建模得到的。
需要说明的是,本发明实施例提供的广告需求方平台的具体工作流程请参考本发明实施例提供的方法流程部分,在此不再赘述。
在本发明实施例中,广告需求方平台使用该广告需求方平台的日志数据和大数据平台的用户画像数据建立点击率预估模型和下载率预估模型等转化率预估模型,当需要对目标广告进行转化率预估时,就调用转化率预估模型,并根据转化率预估模型的返回值来确定该目标广告的预估转化率,由于在建立转化率预估模型的过程中考虑了用户对广告位上的广告创意等兴趣偏好等用户画像数据,也就是说,在建立转化率预估模型的过程中充分考虑了不同用户的个性化差异,从而提高了该转化率预估模型的准确性,也就提高了通过调用该转化率预估模型确定出来的预估转化率的准确性。
本发明实施例还提供另一种广告需求方平台,该广告需求方平台包括用于执行本申请图2所示的方法的单元。具体地,请参见图4,是本发明实施例提供的另一种广告需求方平台的示意性框图。如图4所示的广告需求方平台可以包括:划分单元41、建立单元42、评估单元43、确定单元44、选取单元45、调用单元46和接收单元47。其中,
所述划分单元41,用于将所述点击日志数据按第一比例划分为第一点击训练集和第一点击测试集。
所述建立单元42,用于使用所述第一点击训练集的用户侧特征、广告侧特征和上下文侧特征建立第一点击率模型。
所述划分单元41,还用于将所述点击日志数据和所述用户画像数据按所述第一比例划分为第二点击训练集和第二点击测试集。
所述建立单元42,还用于使用所述第二点击训练集的广告侧特征和上下文侧特征建立第二点击率模型。
所述划分单元41,还用于将所述点击日志数据和所述用户画像数据按所述第一比例划分为第三点击训练集和第三点击测试集。
所述建立单元42,还用于使用所述第三点击训练集的用户侧特征、广告侧特征和上下文侧特征建立第三点击率模型。
所述评估单元43,用于使用所述第一、第二和第三点击测试集分别对所述第一、第二和第三点击率进行模型评估,根据评估结果将所述第一、第二和第三点击率模型中准确性最高的点击率模型作为所述点击率预估模型。
可选地,所述评估单元43执行所述使用所述第一、第二和第三点击测试集分别对所述第一、第二和第三点击率进行模型评估,根据评估结果将所述第一、第二和第三点击率模型中准确性最高的点击率模型作为所述点击率预估模型时,具体用于使用所述第一、第二和第三点击测试集分别计算所述第一、第二和第三点击率模型的接收者操作特征曲线下的面积,将面积最小的点击率模型作为所述点击率预估模型。
其中,所述面积最小的点击率模型即为所述准确性最高的点击率模型。
所述划分单元41,还用于将所述下载日志数据按第二比例划分为第一下载训练集和第一下载测试集。
所述建立单元42,还用于使用所述第一下载训练集的用户侧特征、广告侧特征和上下文侧特征建立第一下载率模型。
所述划分单元41,还用于将所述下载日志数据和所述用户画像数据按所述第二比例划分为第二下载训练集和第二下载测试集。
所述建立单元42,还用于使用所述第二下载训练集的广告侧特征和上下文侧特征建立第二下载率模型。
所述划分单元41,还用于将所述下载日志数据和所述用户画像数据按所述第二比例划分为第三下载训练集和第三下载测试集。
所述建立单元42,还用于使用所述第三下载训练集的用户侧特征、广告侧特征和上下文侧特征建立第三下载率模型。
所述评估单元43,还用于使用所述第一、第二和第三下载测试集分别对所述第一、第二和第三下载率模型进行模型评估,根据评估结果将所述第一、第二和第三下载率模型中准确性最高的下载率模型确定为所述下载率预估模型。
可选地,所述评估单元43执行所述使用所述第一、第二和第三下载测试集分别对所述第一、第二和第三下载率模型进行模型评估,根据评估结果将所述第一、第二和第三下载率模型中准确性最高的下载率模型确定为所述下载率预估模型时,具体用于使用所述第一、第二和第三下载测试集分别计算所述第一、第二和第三下载率模型的接收者操作特征曲线下的面积,将面积最小的下载率模型作为所述下载率预估模型。
其中,所述面积最小的下载率模型即为所述准确性最高的下载率模型。
所述确定单元44,用于确定指定广告位对应的目标广告形式。
所述选取单元45,用于将预置广告库中广告形式为所述目标广告形式且计费方式为按点击量计费或按下载量计费的广告作为目标广告。
所述确定单元44,还用于确定目标广告的计费方式,所述计费方式为按点击量计费或按下载量计费。
所述调用单元46,用于通过转化率预估模型接口向业务服务器发送调用数据,所述调用数据用于指示所述业务服务器从转化率预估模型集合中选取出所述计费方式对应的目标转化率预估模型,并调用所述目标转化率预估模型生成答复数据,所述转化率预估模型集合中包括所述点击率预估模型和所述下载率预估模型。
所述接收单元47,用于接收所述业务服务器反馈的答复数据。
所述确定单元44,还用于根据所述答复数据确定所述目标广告的预估转化率。
可选地,所述计费方式为按点击量计费,所述目标转化率预估模型为点击率预估模型,所述答复数据为预估点击率。
进一步地,所述确定单元44执行所述根据所述答复数据确定所述目标广告的预估转化率时,具体用于将所述预估点击率作为所述目标广告的预估转化率。
可选地,所述计费方式为按下载量计费,所述目标转化率预估模型包括点击率预估模型和下载率预估模型,所述答复数据包括预估点击率和预估下载率。
进一步地,所述确定单元44执行所述根据所述答复数据确定所述目标广告的预估转化率时,具体用于将所述预估点击率和所述预估下载率的积作为所述目标广告的预估转化率。
需要说明的是,本发明实施例提供的广告需求方平台的具体工作流程请参考本发明实施例提供的方法流程部分,在此不再赘述。
在本发明实施例中,广告需求方平台通过使用广告需求方平台的日志数据和大数据平台的用户画像数据建立点击率预估模型和下载率预估模型等转化率预估模型,当需要对目标广告进行转化率预估时,就调用转化率预估模型,并根据转化率预估模型的返回值来确定该目标广告的预估转化率,由于在建立转化率预估模型的过程中考虑了用户对广告位上的广告创意等兴趣偏好等用户画像数据,也就是说,在建立转化率预估模型的过程中充分考虑了不同用户的个性化差异,从而提高了该转化率预估模型的准确性,也就提高了通过调用该转化率预估模型确定出来的预估转化率的准确性,使得用户移动终端上媒体广告位的每一次有广告请求时所展示的广告更加精准,避免了媒体方流量贱卖或者广告主买不到流量。
请参见图5,是本发明实施例提供的又一种广告需求方平台的示意性框图。如图5所示的本实施例中的广告需求方平台可以包括:一个或多个处理器51、一个或多个输入设备52、一个或多个输出设备53和存储器54。所述处理器51、输入设备52、输出设备53和存储器54通过总线55连接。所述存储器54用于存储计算机程序,所述计算机程序包括程序指令。
具体地,所述处理器51被配置用于调用所述程序指令执行:
确定目标广告的计费方式,所述计费方式为按点击量计费或按下载量计费;
通过转化率预估模型接口向业务服务器发送调用数据,所述调用数据用于指示所述业务服务器从转化率预估模型集合中选取出所述计费方式对应的目标转化率预估模型,并调用所述目标转化率预估模型生成答复数据;
接收所述业务服务器反馈的答复数据,并根据所述答复数据确定所述目标广告的预估转化率;
其中,所述目标转化率预估模型是根据所述广告需求方平台的日志数据和/或大数据平台的用户画像数据建模得到的。
可选地,所述计费方式为按点击量计费,所述目标转化率预估模型为点击率预估模型,所述答复数据为预估点击率;所述处理器51被配置用于调用所述程序指令执行所述根据所述答复数据确定所述目标广告的预估转化率时具体执行:
将所述预估点击率作为所述目标广告的预估转化率。
可选地,所述计费方式为按下载量计费,所述目标转化率预估模型包括点击率预估模型和下载率预估模型,所述答复数据包括预估点击率和预估下载率;所述处理器51被配置用于调用所述程序指令执行所述根据所述答复数据确定所述目标广告的预估转化率时具体执行:
将所述预估点击率和所述预估下载率的积作为所述目标广告的预估转化率。
可选地,所述日志数据包括点击日志数据;所述处理器51被配置用于调用所述程序指令还执行:
将所述点击日志数据按第一比例划分为第一点击训练集和第一点击测试集,使用所述第一点击训练集的用户侧特征、广告侧特征和上下文侧特征建立第一点击率模型;
将所述点击日志数据和所述用户画像数据按所述第一比例划分为第二点击训练集和第二点击测试集,使用所述第二点击训练集的广告侧特征和上下文侧特征建立第二点击率模型;
将所述点击日志数据和所述用户画像数据按所述第一比例划分为第三点击训练集和第三点击测试集,使用所述第三点击训练集的用户侧特征、广告侧特征和上下文侧特征建立第三点击率模型;
使用所述第一、第二和第三点击测试集分别对所述第一、第二和第三点击率进行模型评估,根据评估结果将所述第一、第二和第三点击率模型中准确性最高的点击率模型作为所述点击率预估模型。
可选地,所述处理器51被配置用于调用所述程序指令执行所述使用所述第一、第二和第三点击测试集分别对所述第一、第二和第三点击率进行模型评估,根据评估结果将所述第一、第二和第三点击率模型中准确性最高的点击率模型确定为所述点击率预估模型时具体执行:
使用所述第一、第二和第三点击测试集分别计算所述第一、第二和第三点击率模型的接收者操作特征曲线下的面积,将面积最小的点击率模型作为所述点击率预估模型。
其中,所述面积最小的点击率模型即为所述准确性最高的点击率模型。
可选地,所述日志数据包括下载日志数据;所述处理器51被配置用于调用所述程序指令还执行:
将所述下载日志数据按第二比例划分为第一下载训练集和第一下载测试集,使用所述第一下载训练集的用户侧特征、广告侧特征和上下文侧特征建立第一下载率模型;
将所述下载日志数据和所述用户画像数据按所述第二比例划分为第二下载训练集和第二下载测试集,使用所述第二下载训练集的广告侧特征和上下文侧特征建立第二下载率模型;
将所述下载日志数据和所述用户画像数据按所述第二比例划分为第三下载训练集和第三下载测试集,使用所述第三下载训练集的用户侧特征、广告侧特征和上下文侧特征建立第三下载率模型;
使用所述第一、第二和第三下载测试集分别对所述第一、第二和第三下载率模型进行模型评估,根据评估结果将所述第一、第二和第三下载率模型中准确性最高的下载率模型确定为所述下载率预估模型。
可选地,所述处理器51被配置用于调用所述程序指令执行所述使用所述第一、第二和第三下载测试集分别对所述第一、第二和第三下载率模型进行模型评估,根据评估结果将所述第一、第二和第三下载率模型中准确性最高的下载率模型确定为所述下载率预估模型时具体执行:
使用所述第一、第二和第三下载测试集分别计算所述第一、第二和第三下载率模型的接收者操作特征曲线下的面积,将面积最小的下载率模型作为所述下载率预估模型。
其中,所述面积最小的下载率模型即为所述准确性最高的下载率模型。
可选地,所述处理器51被配置用于调用所述程序指令还执行:
确定所述指定广告位对应的目标广告形式;
将预置广告库中广告形式为所述目标广告形式且计费方式为按点击量计费或按下载量计费的广告作为所述目标广告。
应当理解,在本发明实施例中,所称处理器51可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述输入设备52可以包括触控板、指纹采集传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,所述输出设备53可以包括显示器(液晶显示屏(LiquidCrystal Display,LCD)等)、扬声器等。
所述存储器54可以包括只读存储器(Read-Only Memory,ROM)和随机存取存储器(Random Access Memory,RAM),并向所述处理器51提供计算机程序和数据。所述存储器54的一部分还可以包括非易失性随机存取存储器。例如,所述存储器54还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器51、输入设备52、输出设备53可执行本申请图1或图2所示的预估转化率确定方法的实现方式,在此不再赘述。
在本发明实施例中,所述处理器51调用存储在所述存储器54中的程序指令,通过使用广告需求方平台的日志数据和大数据平台的用户画像数据建立点击率预估模型和下载率预估模型等转化率预估模型,当需要对目标广告进行转化率预估时,就调用转化率预估模型,并根据转化率预估模型的返回值来确定该目标广告的预估转化率,由于在建立转化率预估模型的过程中考虑了用户对广告位上的广告创意等兴趣偏好等用户画像数据,也就是说,在建立转化率预估模型的过程中充分考虑了不同用户的个性化差异,从而提高了该转化率预估模型的准确性,也就提高了通过调用该转化率预估模型确定出来的预估转化率的准确性,使得用户移动终端上媒体广告位的每一次有广告请求时所展示的广告更加精准,避免了媒体方流量贱卖或者广告主买不到流量。
在本发明的实施例中还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序中包括程序指令,所述处理器被配置用于调用所述程序指令,执行本申请图1或图2所示的预估转化率确定方法。
所述计算机可读存储介质可以是前述任一实施例所述的广告需求方平台的内部存储单元,例如广告需求方平台的硬盘或内存。所述计算机可读存储介质也可以是所述广告需求方平台的外部存储设备,例如所述广告需求方平台上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述广告需求方平台的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述广告需求方平台所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组合得到及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的广告需求方平台和方法,可以通过其它的方式实现。例如,以上所描述的装置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,例如多个单元或组件可以结合或者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、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的广告需求方平台和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或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,包括若干计算机程序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步骤。而前述的存储介质包括:U盘、移动硬盘、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,可轻易想到各种等效的修改或替换,这些修改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权利要求的保护范围为准。
Claims (10)
1.一种预估转化率确定方法,其特征在于,所述方法包括:
确定目标广告的计费方式,所述计费方式为按点击量计费或按下载量计费;
通过转化率预估模型接口向业务服务器发送调用数据,所述调用数据用于指示所述业务服务器从转化率预估模型集合中选取出所述计费方式对应的目标转化率预估模型,并调用所述目标转化率预估模型生成答复数据;
接收所述业务服务器反馈的答复数据,并根据所述答复数据确定所述目标广告的预估转化率;
其中,所述目标转化率预估模型是根据所述广告需求方平台的日志数据和/或大数据平台的用户画像数据建模得到的。
2.根据权利要求1所述的方法,其特征在于,所述计费方式为按点击量计费,所述目标转化率预估模型为点击率预估模型,所述答复数据为预估点击率;
所述根据所述答复数据确定所述目标广告的预估转化率,具体包括:
将所述预估点击率作为所述目标广告的预估转化率。
3.根据权利要求1所述的方法,其特征在于,所述计费方式为按下载量计费,所述目标转化率预估模型包括点击率预估模型和下载率预估模型,所述答复数据包括预估点击率和预估下载率;
所述根据所述答复数据确定所述目标广告的预估转化率,具体包括:
将所述预估点击率和所述预估下载率的积作为所述目标广告的预估转化率。
4.根据权利要求2所述的方法,其特征在于,所述日志数据包括点击日志数据;所述方法还包括:
将所述点击日志数据按第一比例划分为第一点击训练集和第一点击测试集,使用所述第一点击训练集的用户侧特征、广告侧特征和上下文侧特征建立第一点击率模型;
将所述点击日志数据和所述用户画像数据按所述第一比例划分为第二点击训练集和第二点击测试集,使用所述第二点击训练集的广告侧特征和上下文侧特征建立第二点击率模型;
将所述点击日志数据和所述用户画像数据按所述第一比例划分为第三点击训练集和第三点击测试集,使用所述第三点击训练集的用户侧特征、广告侧特征和上下文侧特征建立第三点击率模型;
使用所述第一、第二和第三点击测试集分别对所述第一、第二和第三点击率进行模型评估,根据评估结果将所述第一、第二和第三点击率模型中准确性最高的点击率模型作为所述点击率预估模型。
5.根据权利要求4所述的方法,其特征在于,所述使用所述第一、第二和第三点击测试集分别对所述第一、第二和第三点击率进行模型评估,根据评估结果将所述第一、第二和第三点击率模型中准确性最高的点击率模型确定为所述点击率预估模型,包括:
使用所述第一、第二和第三点击测试集分别计算所述第一、第二和第三点击率模型的接收者操作特征曲线下的面积,将面积最小的点击率模型作为所述点击率预估模型。
6.根据权利要求3所述的方法,其特征在于,所述日志数据包括下载日志数据;所述方法还包括:
将所述下载日志数据按第二比例划分为第一下载训练集和第一下载测试集,使用所述第一下载训练集的用户侧特征、广告侧特征和上下文侧特征建立第一下载率模型;
将所述下载日志数据和所述用户画像数据按所述第二比例划分为第二下载训练集和第二下载测试集,使用所述第二下载训练集的广告侧特征和上下文侧特征建立第二下载率模型;
将所述下载日志数据和所述用户画像数据按所述第二比例划分为第三下载训练集和第三下载测试集,使用所述第三下载训练集的用户侧特征、广告侧特征和上下文侧特征建立第三下载率模型;
使用所述第一、第二和第三下载测试集分别对所述第一、第二和第三下载率模型进行模型评估,根据评估结果将所述第一、第二和第三下载率模型中准确性最高的下载率模型确定为所述下载率预估模型。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述指定广告位对应的目标广告形式;
将预置广告库中广告形式为所述目标广告形式且计费方式为按点击量计费或按下载量计费的广告作为所述目标广告。
8.一种广告需求方平台,其特征在于,包括用于执行如权利要求1-7任一项所述的方法的单元。
9.一种广告需求方平台,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711133577.XA CN108062680A (zh) | 2017-11-15 | 2017-11-15 | 预估转化率确定方法、广告需求方平台及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711133577.XA CN108062680A (zh) | 2017-11-15 | 2017-11-15 | 预估转化率确定方法、广告需求方平台及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108062680A true CN108062680A (zh) | 2018-05-22 |
Family
ID=62135590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711133577.XA Withdrawn CN108062680A (zh) | 2017-11-15 | 2017-11-15 | 预估转化率确定方法、广告需求方平台及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108062680A (zh) |
Cited By (12)
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 |
CN109766520A (zh) * | 2019-01-10 | 2019-05-17 | 四川新网银行股份有限公司 | 一种基于大数据的多元线性回归分析方法及系统 |
CN110148021A (zh) * | 2019-05-13 | 2019-08-20 | 北京乐信圣文科技有限责任公司 | 广告投放出价方法及系统 |
CN110288379A (zh) * | 2019-05-28 | 2019-09-27 | 北京深演智能科技股份有限公司 | 广告的转化价格预测方法、装置、存储介质及计算机设备 |
CN110570232A (zh) * | 2019-08-05 | 2019-12-13 | 科大讯飞股份有限公司 | 互联网广告投放方法、装置、服务器及存储介质 |
CN110689364A (zh) * | 2018-07-06 | 2020-01-14 | 阿里巴巴集团控股有限公司 | 针对业务对象及广告业务的收益确定方法、装置及设备 |
CN110807655A (zh) * | 2019-10-15 | 2020-02-18 | 微梦创科网络科技(中国)有限公司 | 一种广告竞价方法、装置及设备 |
CN111582899A (zh) * | 2019-02-19 | 2020-08-25 | 北京沃东天骏信息技术有限公司 | 一种展示链接效果的量化方法、装置、系统及存储介质 |
CN111782926A (zh) * | 2019-04-04 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 用于数据交互的方法、装置、存储介质及电子设备 |
CN111859289A (zh) * | 2020-06-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 交通工具的交易转化率预估方法、装置、电子设备及介质 |
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 |
CN114612124A (zh) * | 2020-12-09 | 2022-06-10 | 北京智胜新格科技有限公司 | 广告数据处理方法、装置、设备及存储介质 |
-
2017
- 2017-11-15 CN CN201711133577.XA patent/CN108062680A/zh not_active Withdrawn
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110689364A (zh) * | 2018-07-06 | 2020-01-14 | 阿里巴巴集团控股有限公司 | 针对业务对象及广告业务的收益确定方法、装置及设备 |
CN110689364B (zh) * | 2018-07-06 | 2023-05-12 | 阿里巴巴集团控股有限公司 | 针对业务对象及广告业务的收益确定方法、装置及设备 |
CN109766520A (zh) * | 2019-01-10 | 2019-05-17 | 四川新网银行股份有限公司 | 一种基于大数据的多元线性回归分析方法及系统 |
CN111582899A (zh) * | 2019-02-19 | 2020-08-25 | 北京沃东天骏信息技术有限公司 | 一种展示链接效果的量化方法、装置、系统及存储介质 |
CN111782926B (zh) * | 2019-04-04 | 2024-04-09 | 北京沃东天骏信息技术有限公司 | 用于数据交互的方法、装置、存储介质及电子设备 |
CN111782926A (zh) * | 2019-04-04 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 用于数据交互的方法、装置、存储介质及电子设备 |
CN110148021A (zh) * | 2019-05-13 | 2019-08-20 | 北京乐信圣文科技有限责任公司 | 广告投放出价方法及系统 |
CN110288379A (zh) * | 2019-05-28 | 2019-09-27 | 北京深演智能科技股份有限公司 | 广告的转化价格预测方法、装置、存储介质及计算机设备 |
CN110570232A (zh) * | 2019-08-05 | 2019-12-13 | 科大讯飞股份有限公司 | 互联网广告投放方法、装置、服务器及存储介质 |
CN110807655B (zh) * | 2019-10-15 | 2022-05-17 | 微梦创科网络科技(中国)有限公司 | 一种广告竞价方法、装置及设备 |
CN110807655A (zh) * | 2019-10-15 | 2020-02-18 | 微梦创科网络科技(中国)有限公司 | 一种广告竞价方法、装置及设备 |
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 |
CN111859289A (zh) * | 2020-06-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 交通工具的交易转化率预估方法、装置、电子设备及介质 |
CN111859289B (zh) * | 2020-06-17 | 2024-04-19 | 北京嘀嘀无限科技发展有限公司 | 交通工具的交易转化率预估方法、装置、电子设备及介质 |
CN114612124A (zh) * | 2020-12-09 | 2022-06-10 | 北京智胜新格科技有限公司 | 广告数据处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108062680A (zh) | 预估转化率确定方法、广告需求方平台及计算机可读介质 | |
US11792101B2 (en) | Method and system for scoring quality of traffic to network sites | |
CN107909404A (zh) | 预估转化率确定方法、广告需求方平台及计算机可读介质 | |
US20130204700A1 (en) | System, method and computer program product for prediction based on user interactions history | |
JP5394915B2 (ja) | オンライン広告のための分散アーキテクチャ | |
TWI444917B (zh) | 線上廣告中之佔位符標價之方法、系統及其電腦可讀取媒體 | |
US20080082400A1 (en) | Advertisement Campaign Simulator | |
US20160104207A1 (en) | Advertising campaign conversion systems and methods | |
US20090106103A1 (en) | Click Conversion Score | |
US20170103429A1 (en) | Intelligent ad auction and sla compliance techniques | |
CN108009862B (zh) | 一种广告费用余额预警的方法及装置 | |
CN109615411A (zh) | 基于算法模型的广告投放方法及装置、电子设备 | |
CN105976216A (zh) | 广告效果评估方法、广告投放方法及装置 | |
US10445789B2 (en) | Segment-based floors for use in online ad auctioning techniques | |
WO2014127455A1 (en) | System, method and computer program for providing qualitative ad bidding | |
JP2015529896A (ja) | 広告課金方法および広告課金装置 | |
WO2012012298A2 (en) | Advertisement brand engagement value | |
US20170300832A1 (en) | Cross-channel predictive model | |
KR20120075541A (ko) | 광고 서비스 시스템 및 그 방법 | |
KR20120022011A (ko) | 트래픽 품질에 기초한 광고 시스템 및 방법 | |
WO2022237477A1 (zh) | 一种数据校准方法、装置、计算机设备以及可读存储介质 | |
KR101001791B1 (ko) | 단위시간에 따라 광고비를 결정하는 과금 방법 및 시스템 | |
KR20110076922A (ko) | 광고 제공 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
CN114298728A (zh) | 一种数据处理方法及相关装置 | |
US20130268374A1 (en) | Learning Accounts |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180522 |
|
WW01 | Invention patent application withdrawn after publication |