CN108256893A - 广告投放效果的分析方法及装置 - Google Patents

Abstract

本发明公开了一种广告投放效果的分析方法及装置，涉及数据分析技术领域，解决了广告投放效果预测准确性较低的问题，所述方法包括：首先获取目标对象在预置时间段内的历史指标数据；然后通过所述历史指标数据对预置模型进行训练，得到与所述目标对象对应的预测模型；再通过所述预测模型计算所述目标对象在目标时间段内的投放效果预测值。本发明适用于广告投放效果的分析。

Description

广告投放效果的分析方法及装置

技术领域

本发明涉及数据分析技术领域，尤其涉及一种广告投放效果的分析方法及装置。

背景技术

近些年来，随着互联网的快速发展，越来越多的商家选择互联网广告，通过在网络广告平台上投放广告进行产品宣传推销等。CPT(Cost per time，成本/时间)广告是一种按广告时间长度或时间周期付费的广告，在固定预算花费签约后，固定时间进行展示的广告类型。

在衡量一个广告是否适合签约CPT广告时，会对未来一段时间内的广告指标进行估计，目前对广告投放效果的预测通常是通过人工方式进行主观判断，由从业者根据经验进行评估，由于该评估方式缺乏理论指导，从而导致对广告投放效果预测的准确性较低。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的广告投放效果的分析方法及装置。

为了达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供了一种广告投放效果的分析方法，该方法包括：

获取目标对象在预置时间段内的历史指标数据；

通过所述历史指标数据对预置模型进行训练，得到与所述目标对象对应的预测模型；

利用所述预测模型计算所述目标对象在目标时间段内的投放效果预测值。

另一方面，本发明提供了一种广告投放效果的分析装置，该装置包括：

获取单元，用于获取目标对象在预置时间段内的历史指标数据；

训练单元，用于通过所述历史指标数据对预置模型进行训练，得到与所述目标对象对应的预测模型；

计算单元，用于利用所述预测模型计算所述目标对象在目标时间段内的投放效果预测值。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

本发明提供的一种广告投放效果的分析方法及装置，与现有通过人工方式评估广告投放效果的方法相比，本发明通过获取到的目标对象在一段时间内的历史指标数据对预置模型进行训练，得到可以对目标对象投放效果进行预测的模型，并利用得到的预测模型计算目标对象在目标时间段内的投放效果的预测值，避免了人工方式评估时无理论依据而导致的预测准确率较低的问题，从而提高了广告投放效果预测的准确性。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种广告投放效果的分析方法流程示意图；

图2示出了本发明实施例提供的另一种广告投放效果的分析方法流程示意图；

图3示出了本发明实施例提供的一种广告投放效果的分析装置结构示意图；

图4示出了本发明实施例提供的另一种广告投放效果的分析装置结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供的一种广告投放效果的分析方法，如图1所示，该方法包括：

101、获取目标对象在预置时间段内的历史指标数据。

其中，所述历史指标数据为衡量所述目标对象在所述预置时间段内投放效果的数据，而所述目标对象可以为应用软件广告、商品广告、餐饮商店广告等广告，所述预置时间段可以为一个月、三个月、一年等，所述历史指标数据可以为历史点击量数据、历史付费数据、历史使用时长数据等。

102、通过所述历史指标数据对预置模型进行训练。

进一步地，得到与所述目标对象对应的预测模型。

其中，所述预置模型可以为Holt-Winters(指数平滑法)模型。

103、通过所述预测模型计算所述目标对象在目标时间段内的投放效果预测值。

其中，所述目标时间段可以为一个月、六个月、一年等，所述预测值可以为45、70、95等，本发明实施例不做限定。

本发明提供的一种广告投放效果的分析方法，与现有通过人工方式评估广告投放效果的方法相比，本发明通过获取到的广告在一段时间内的历史指标数据对预置模型进行训练，得到可以对广告投放效果进行预测的模型，并利用得到的预测模型计算广告在目标时间段内的广告效果的预测值，避免了人工方式评估时无理论依据而导致的预测准确率较低的问题，从而提高了广告投放效果预测的准确性。

具体的，本发明实施例提供了另一种广告投放效果的分析方法，如图2所示，该方法包括：

201、获取目标对象在预置时间段内的历史指标数据。

其中，所述历史指标数据为衡量所述目标对象在所述预置时间段内投放效果的数据。所述预置时间段、历史指标数据的概念解释可以参考步骤101中相应描述，在此不再赘述。

对于本发明实施例，通过获取广告在过去一段时间内的历史指标数据，并以得到的历史指标数据为理论依据，进行分析使用，从而可以提高对目标时间段内的广告投放效果预测的准确性。

202、创建时间周期集合。

其中，所述时间周期集合中包含有与所述历史指标数据对应的多个预设时间周期，而所述预设时间周期可以为7天、15天、一个月等，可以根据具体广告进行设定。

需要说明的是，由于广告的指标数据变化的时间周期可以存在多种情况，而通过不同的时间周期进行计算广告投放效果时得到的预测结果不同，本发明实施例通过将广告可以存在的多种时间周期创建时间周期集合，并对各个时间周期进行分析验证，以使得根据不同时间周期对应的验证结果进行进一步的处理使用，从而提高了广告投放效果的准确性。

对于本发明实施例，为了从时间周期集合中提取与目标对象对应的预测周期，对于集合中的每一个预设时间周期，所述步骤202之后，所述方法还包括：分别按照不同预置划分规则对所述历史指标数据进行预处理，得到与所述划分规则分别对应的训练指标数据和验证指标数据；通过所述预设时间周期和所述划分规则分别对应的训练指标数据，对所述预置模型进行训练得到待验证模型，并通过所述待验证模型计算与所述划分规则分别对应的待验证指标数据。其中，所述训练指标数据为对所述预置模型进行训练的指标数据，所述验证指标数据为验证预置模型计算结果的指标数据。

例如，广告c对应的历史指标数据为过去三周内的收视时长，广告c对应的时间周期集合为{7天，10天，13天}，为了从时间周期集合中提取与广告c对应的预测周期，需要分别对时间周期集合中的每个时间周期进行计算。首先提取时间周期7天，根据时间周期7天对过去三周内的收视时长进行预处理，即可以将三周内的收视时长分别划分为{(第一周内收视时长，第两周和第三周内收视时长)，(第一周和第二周内收视时长，第三周内收视时长)}，第一组中第一周内收视时长为训练收视时长数据，第两周和第三周内收视时长为验证收视时长数据，第二组中第一周和第二周内为训练收视时长数据，第三周内收视时长为验证收视时长数据，然后通过训练收视时长数据和时间周期7天对Holt-Winters模型进行训练，通过得到的模型计算第二周和第三周、第三周的收视时长，并将计算得到的结果与验证收视时长数据进行计算。依次对时间周期集合中的10天、13天进行相同的处理。

203、从所述时间周期集合中提取与所述目标对象对应的预测周期。

进一步地，可以通过所述待验证指标数据与所述验证指标数据确定目标对象的预测周期，所述步骤203具体包括：计算所述各个预设时间周期下，与各个预置划分规则分别对应的待验证指标数据和验证指标数据之间的均方误差；通过所述均方误差，计算与所述各个预设时间周期分别对应的平均均方误差；将最小平均均方误差值对应的时间周期，确定为所述目标对象对应的预测周期。

例如，对于步骤202中所述广告c，通过计算时间周期为7天时，两种划分规则的均方误差分别为均方误差1、均方误差2，将这两个均方差相加除以2得到时间周期7天时的平均均方误差1，按照相同的算法，分别计算时间周期10天和13天时的平均均方误差2、平均均方误差3，这三个平均均方误差中平均均方误差2最小，则平均均方误差2对应的时间周期10天作为广告c的训练周期。

204、通过所述历史指标数据和所述预测周期对预置模型进行训练。

进一步地，得到与所述目标对象对应的预测模型。

例如，广告1的历史指标数据为过去三个月内的历史点击量，广告1的预测周期为7天，则通过广告1的过去三个月内的历史点击量和预测周期7天对Holt-Winters模型进行训练，得到与广告1对应的预测模型。

对于本发明实施例，以广告的历史指标数据和广告对应的预测周期为理论依据，对模型进行训练，可以得到与广告对应的预测模型，从而在使用该预测模型对广告投放效果进行预测时，得到的预测值是以广告的历史数据和训练周期为依据而产生的，从而提高了广告投放效果预测的准确性。

205、检测所述目标对象在目标时间段内的投放效果预测值是否大于或等于预设阈值。

其中，所述目标时间段的概念解释可以参考步骤103中相应描述，在此不再赘述，所述预设阈值可以为60、75、90等。

206、若是，则输出提示信息。

其中，所述提示信息用于提示对所述目标对象进行处理，所述提示信息可以为文本提示信息、图片提示信息、视频提示信息、音频提示信息等。例如，检测到广告a在未来30天内的广告效果预测值为88，大于预设阈值70，则输出提示信息，以提示用户广告a在目标时间段30天内的投放效果，以使得用户根据该提示信息判断该广告适合的签约模式等。

本发明提供的另一种广告投放效果的分析方法，与现有通过人工方式评估广告投放效果的方法相比，本发明实施例通过获取广告的历史指标数据，从广告的时间周期集合中提取与广告对应的预测周期，然后通过广告的历史指标数据和预测周期对模型进行训练，得到与广告对应的预测模型，并检测所述广告在目标时间段内的广告效果预测值是否大于或等于预设阈值，若是，则输出提示信息，从而可以避免人工方式评估时无理论依据而导致的预测准确率较低的问题，提高了广告投放效果预测的准确性。

进一步地，作为图1所示方法的具体实现，本发明实施例提供了一种广告投放效果的分析装置，如图3所示，所述装置包括：获取单元31、训练单元32、计算单元33。

所述获取单元31，可以用于获取目标对象在预置时间段内的历史指标数据。

所述训练单元32，可以用于通过所述获取单元31获取到的历史指标数据对预置模型进行训练。

所述计算单元33，可以用于通过所述预测模型计算所述目标对象在目标时间段内的投放效果预测值。

需要说明的是，本发明实施例提供的一种广告投放效果的分析装置所涉及各功能单元的其他相应描述，可以参考图1的对应描述，在此不再赘述。

本发明提供的一种广告投放效果的分析装置，与现有通过人工方式评估广告投放效果的方法相比，本发明通过获取到的广告在一段时间内的历史指标数据对预置模型进行训练，得到可以对广告投放效果进行预测的模型，并利用得到的预测模型计算广告在目标时间段内的广告效果的预测值，避免了人工方式评估时无理论依据而导致的预测准确率较低的问题，从而提高了广告投放效果预测的准确性。

进一步地，作为图2所示方法的具体实现，本发明实施例提供了另一种广告投放效果的分析装置，如图4所示，所述装置包括：获取单元41、训练单元42、计算单元43。

所述获取单元41，可以用于获取目标对象在预置时间段内的历史指标数据。

所述训练单元42，可以用于通过所述历史指标数据对预置模型进行训练。

所述计算单元43，可以用于通过所述预测模型计算所述目标对象在目标时间段内的投放效果预测值。

进一步地，所述装置还包括：创建单元44、提取单元45、预处理单元46。

所述创建单元44，可以用于创建时间周期集合。

所述提取单元45，可以用于从所述时间周期集合中提取与所述目标对象对应的预测周期。

所述预处理单元46，可以用于分别按照不同预置划分规则对所述历史指标数据进行预处理，得到与所述划分规则分别对应的训练指标数据和验证指标数据。

所述训练单元42，还可以用于通过所述预设时间周期和所述划分规则分别对应的训练指标数据，对所述预置模型进行训练得到待验证模型。

所述计算单元43，还可以用于通过所述待验证模型计算与与所述划分规则分别对应的待验证指标数据。

进一步地，所述提取单元45包括：计算模块451、确定模块452。

所述计算模块451，可以用于计算所述各个预设时间周期下，与各个预置划分规则分别对应的待验证指标数据和验证指标数据之间的均方误差。

所述计算模块451，还可以用于通过所述均方误差，计算与所述各个预设时间周期分别对应的平均均方误差。

所述确定模块452，可以用于将最小平均均方误差值对应的时间周期，确定为所述目标对象对应的预测周期。

进一步地，所述训练单元42，具体可以用于通过所述历史指标数据和所述预测周期对预置模型进行训练，得到与所述目标对象对应的预测模型。

进一步地，所述装置还包括：

检测单元47，可以用于检测所述目标对象在目标时间段内的投放效果预测值是否大于或等于预设阈值。

输出单元48，可以用于若所述目标对象在目标时间段内的投放效果预测值大于或等于预设阈值，则输出提示信息。

需要说明的是，本发明实施例提供的另一种广告投放效果的分析装置所涉及各功能单元的其他相应描述，可以参考图2的对应描述，在此不再赘述。

本发明提供的另一种广告投放效果的分析装置，与现有通过人工方式评估广告投放效果的方法相比，本发明实施例通过获取广告的历史指标数据，从广告的时间周期集合中提取与广告对应的预测周期，然后通过广告的历史指标数据和预测周期对模型进行训练，得到与广告对应的预测模型，并检测所述广告在目标时间段内的广告效果预测值是否大于或等于预设阈值，若是，则输出提示信息，从而可以避免人工方式评估时无理论依据而导致的预测准确率较低的问题，提高了广告投放效果预测的准确性。

所述广告投放效果的分析装置包括处理器和存储器，上述获取单元、训练单元、计算单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中会限制业务发展以及会对整个页面的布局、排版造成影响的问题。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取目标对象在预置时间段内的历史指标数据；通过所述历史指标数据对预置模型进行训练，得到与所述目标对象对应的预测模型；通过所述预测模型计算所述目标对象在目标时间段内的投放效果预测值。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种广告投放效果的分析方法，其特征在于，包括：

获取目标对象在预置时间段内的历史指标数据，所述历史指标数据为衡量所述目标对象在所述预置时间段内投放效果的数据；

通过所述历史指标数据对预置模型进行训练，得到与所述目标对象对应的预测模型；

通过所述预测模型计算所述目标对象在目标时间段内的投放效果预测值。

2.根据权利要求1所述的广告投放效果的分析方法，其特征在于，所述通过所述历史指标数据对预置模型进行训练，得到与所述目标对象对应的预测模型包括：

创建时间周期集合，所述时间周期集合中包含有与所述历史指标数据对应的多个预设时间周期；

从所述时间周期集合中提取与所述目标对象对应的预测周期；

通过所述历史指标数据和所述预测周期对预置模型进行训练，得到与所述目标对象对应的预测模型。

3.根据权利要求2所述的广告投放效果的分析方法，其特征在于，所述创建时间周期集合之后，对于每一个预设时间周期，所述方法还包括：

分别按照不同预置划分规则对所述历史指标数据进行预处理，得到与所述划分规则分别对应的训练指标数据和验证指标数据，所述训练指标数据为对所述预置模型进行训练的指标数据，所述验证指标数据为验证预置模型计算结果的指标数据；

通过所述预设时间周期和所述划分规则分别对应的训练指标数据，对所述预置模型进行训练得到待验证模型，并通过所述待验证模型计算与所述划分规则分别对应的待验证指标数据。

4.根据权利要求3所述的广告投放效果的分析方法，其特征在于，所述从所述时间周期集合中提取与所述目标对象对应的预测周期包括：

计算所述各个预设时间周期下，与各个预置划分规则分别对应的待验证指标数据和验证指标数据之间的均方误差；

通过所述均方误差，计算与所述各个预设时间周期分别对应的平均均方误差；

将最小平均均方误差值对应的时间周期，确定为所述目标对象对应的预测周期。

5.根据权利要求1所述的广告投放效果的分析方法，其特征在于，所述通过所述预测模型计算所述目标对象在目标时间段内的投放效果预测值之后，所述方法还包括：

检测所述目标对象在目标时间段内的投放效果预测值是否大于或等于预设阈值；

若是，则输出提示信息，所述提示信息用于提示对所述目标对象进行处理。

6.一种广告投放效果的分析装置，其特征在于，包括：

获取单元，用于获取广告在预置时间段内的历史指标数据；

训练单元，用于通过所述历史指标数据对预置模型进行训练，得到与所述广告对应的预测模型；

计算单元，用于利用所述预测模型计算所述广告在目标时间段内的广告效果预测值。

7.根据权利要求6所述的广告投放效果的分析装置，其特征在于，所述训练单元包括：

创建模块，用于创建广告时间周期集合；

提取模块，用于从所述广告时间周期集合中提取与所述广告对应的训练周期；

训练模块，用于通过所述历史指标数据和所述预测周期对预置模型进行训练，得到与所述广告对应的预测模型。

8.根据权利要求7所述的广告投放效果的分析装置，其特征在于，所述提取模块包括：

预处理子模块，用于对于每一个预设时间周期，分别按照不同预置划分规则对所述历史广告指标数据进行预处理，得到不同预置划分规则分别对应的训练指标数据和验证指标数据；

训练子模块，用于通过所述时间周期和与所述时间周期对应的、与不同预置划分规则分别对应的训练指标数据对所述预置模型进行训练得到待验证模型；

计算子模块，用于通过所述待验证模型计算与不同预置划分规则分别对应的待验证指标数据；

确定子模块，用于根据所述待验证指标数据与所述验证指标数据确定所述广告对应的预测周期。

9.根据权利要求8所述的广告投放效果的分析装置，其特征在于，

所述计算子模块，还用于计算各个时间周期中，与不同预置划分规则分别对应的待验证指标数据和所述验证指标数据之间的均方误差；

所述计算子模块，还用于通过所述均方误差，计算与所述各个时间周期分别对应的平均均方误差；

所述确定子模块，还用于将最小平均均方误差值对应的时间周期，确定为所述广告对应的训练周期。

10.根据权利要求6所述的广告投放效果的分析装置，其特征在于，所述装置还包括：

检测单元，用于检测所述广告在目标时间段内的广告效果预测值是否大于或等于预设阈值；

输出单元，用于若所述广告在目标时间段内的广告效果预测值大于或等于预设阈值，则输出提示信息。