CN109242521A - 一种预定消耗额度的分配方法及装置 - Google Patents

一种预定消耗额度的分配方法及装置 Download PDF

Info

Publication number
CN109242521A
CN109242521A CN201710560985.7A CN201710560985A CN109242521A CN 109242521 A CN109242521 A CN 109242521A CN 201710560985 A CN201710560985 A CN 201710560985A CN 109242521 A CN109242521 A CN 109242521A
Authority
CN
China
Prior art keywords
period
dispensing
prediction value
consumption amount
traffic prediction
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
CN201710560985.7A
Other languages
English (en)
Inventor
张锦林
黄柏川
周泽伟
康凯
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201710560985.7A priority Critical patent/CN109242521A/zh
Publication of CN109242521A publication Critical patent/CN109242521A/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
    • G06Q30/0251—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
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0264—Targeted advertisements based upon schedule
    • 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)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施方式公开了一种预定消耗额度的分配方法及装置，其中，所述预定消耗额度在至少两个时段内进行分配，所述方法包括：确定至少一个所述时段的流量预测值；所述流量预测值用于表征在所述时段产生的网络流量的大小；根据所述时段的流量预测值为所述时段分配消耗额度；其中，当第一时段的流量预测值大于第二时段的流量预测值时，为所述第一时段分配的消耗额度大于为所述第二时段分配的消耗额度。本申请提供的技术方案，能够提高预定消耗额度的收益效果。

Description

一种预定消耗额度的分配方法及装置
技术领域
本申请涉及互联网技术领域，特别涉及一种预定消耗额度的分配方法及装置。
背景技术
随着互联网技术的不断发展，许多行业都在逐步通过互联网向大众传递信息。例如，对于广告行业而言，广告商通常会在各个网站以及各个应用的页面中投放广告，从而使得用户在浏览页面的同时，能够查看到广告商想要推广的商品的广告。
目前，广告商通常会制定一个固定的预定消耗额度，也就是发布广告的广告预算，通过将该广告预算值在各个时段进行分配，从而能够产生相应的广告收益。例如，广告商可以制定一周的广告预算，并且将一周的广告预算平均地分配至每一天，从而能够在每一天都能产生相应的广告收益。
然而，现有技术中的这种广告预算的分配方式通常具备较低的广告收益，原因在于在有的时段用户访问网站或者应用的频率并不高，将广告预算花费在这些时段并不能起到很好的推广效果，从而使得广告收益下降。
发明内容
本申请实施方式的目的是提供一种预定消耗额度的分配方法及装置，能够提高预定消耗额度对应的收益效果。
为实现上述目的，本申请实施方式提供一种预定消耗额度的分配方法，所述预定消耗额度在至少两个时段内进行分配，所述方法包括：确定至少一个所述时段的流量预测值；所述流量预测值用于表征在所述时段产生的网络流量的大小；根据所述时段的流量预测值为所述时段分配消耗额度；其中，当第一时段的流量预测值大于第二时段的流量预测值时，为所述第一时段分配的消耗额度大于为所述第二时段分配的消耗额度。
为实现上述目的，本申请实施方式还提供一种预定消耗额度的分配装置，所述装置包括存储器和处理器，其中：所述存储器，用于存储所述预定消耗额度以及至少两个时段的信息；其中，所述预定消耗额度在所述至少两个时段内进行分配；所述处理器，用于从所述存储器中读取所述预定消耗额度以及所述至少两个时段的信息，并确定所述时段的流量预测值；所述流量预测值用于表征在所述时段内产生的网络流量的大小；根据所述时段的流量预测值为所述时段分配消耗额度；其中，当第一时段的流量预测值大于第二时段的流量预测值时，为所述第一时段分配的消耗额度大于为所述第二时段分配的消耗额度。
为实现上述目的，本申请实施方式提供一种预定消耗额度的分配方法，所述预定消耗额度在至少两个投放对象中进行分配，所述方法包括：确定所述投放对象的流量预测值；所述流量预测值用于表征所述投放对象中产生的网络流量的大小；确定所述投放对象的投放收益；所述投放收益用于表征所述投放对象被用户关注的状态；基于所述流量预测值和所述投放收益，为所述投放对象分配消耗额度。
为实现上述目的，本申请实施方式提供一种预定消耗额度的分配装置，所述装置包括存储器和处理器，其中：所述存储器，用于存储所述预定消耗额度以及至少两个投放对象的信息；其中，所述预定消耗额度在所述至少两个投放对象内进行分配；所述处理器，用于从所述存储器中读取所述预定消耗额度以及所述至少两个投放对象的信息；确定所述投放对象的流量预测值；所述流量预测值用于表征所述投放对象中产生的网络流量的大小；确定所述投放对象的投放收益；所述投放收益用于表征所述投放对象被用户关注的状态；基于所述流量预测值和所述投放收益，为所述投放对象分配消耗额度。
由上可见，本申请可以在为至少两个时段分配预定消耗额度时，可以预先为时段确定流量预测值。该流量预测值可以表征在所述时段内产生的网络流量的大小。那么为了保证预定消耗额度的收益最大化，可以根据时段的流量预测值，动态地为时段分配相应的消耗额度，以使得流量预测值较大的时段能够分配到较多的消耗额度，从而提高预定消耗额度的收益。
附图说明
为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供的一种预定消耗额度的分配方法流程图；
图2为本申请另一个实施方式提供的一种预定消耗额度的分配方法流程图；
图3为本申请实施方式中预定消耗额度的分配示意图；
图4为本申请实施方式提供的一种预定消耗额度的分配装置的结构示意图；
图5为本申请另一个实施方式提供的一种预定消耗额度的分配方法流程图；
图6为本申请实施方式提供的一种预定消耗额度的分配装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，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方式，都应当属于本申请保护的范围。
请参阅图1，本申请实施方式提供一种预定消耗额度的分配方法，所述预定消耗额度可以在至少两个时段内进行分配，所述方法可以包括以下步骤。
S10：确定至少一个所述时段的流量预测值；所述流量预测值用于表征在所述时段产生的网络流量的大小。
在本实施方式中，所述预定消耗额度可以是商家针对发布广告所计划的广告预算。所述广告预算可以是广告商预计用于投放广告所花费的总金额。在进行广告投放时，可以按照时间维度将投放的时机进行划分，从而得到各个所述时段。所述时段可以是在广告投放过程中划分的时间单元。通常，所述时段可以以天为单位。例如，所述时段可以是一个自然日。这样，在进行广告投放时，可以对一周中每一天的广告预算进行分配。当然，在实际应用过程中，所述时段还可以划分至更小或者更大的范畴，并且每个时段对应的实际时间也可以不完全相同。例如，可以将广告投放的时机划分为工作日和周末。这样，其中一个时段可以对应工作日，另一个时段可以对应周末。
在本实施方式中，广告通常可以投放于网站或者应用的页面中，当所述页面被加载时，可以在所述页面中展示投放的广告。这样，在所述页面被用户访问时，在该页面中投放的广告能够被用户浏览到，从而可以实现广告的推广意义。当用户浏览网站或者应用中的页面时，通常需要消耗一定的网络流量对页面中的元素进行加载。在本实施方式中，用户在浏览某一个页面时所消耗的网络流量，可以作为该页面在用户浏览过程中产生的网络流量。这样，产生的网络流量越多，表明页面被用户访问的次数也越多，该页面上投放的广告呈现给用户的机会也越多。因此，在本实施方式中，网络流量可以作为广告预算分配的参考基础。
在本实施方式中，可以预先确定每个所述时段的流量预测值。所述流量预测值可以用于表征在所述时段内产生的网络流量的大小。具体地，所述流量预测值可以是网络流量的具体数值，也可以是用于表征网络流量具体数值的标识。其中，所述标识可以按照网络流量具体数值的大小来确定。具体地，可以预先将网络流量具体数值的大小划分为多个数值区间，其中，每个数值区间可以对应一个唯一的标识。例如，0至15GB的网络流量可以划分至同一个数值区间中，该数值区间对应的标识可以为L1；20GB至100GB的网络流量可以划分至同一个数值区间中，该数值区间对应的标识可以为L3。这样，可以根据所述流量预测值对应的网络流量的具体数值所在的数值区间，将对应数值区间的标识作为所述流量预测值。也就是说，所述流量预测值可以表示为具体数值15GB，也可以表示为具体数值对应的标识L1。
在本实施方式中，确定所述流量预测值的方式可以包括对所述时段的历史数据进行分析，并根据分析的结果预测该时段内接下来可能产生的网络流量。所述历史数据可以是在过往的所述时段内产生的网络流量。例如，所述时段为周一，那么在过去的每个周一内产生的网络流量均可以作为周一的历史数据。在本实施方式中，可以记录所述时段的至少一个历史流量，并基于获取的至少一个历史流量确定出该时段的流量预测值。例如，在过去的5个周一内，产生的网络流量可以分别为20GB、25GB、30GB、18GB以及21GB，这五个网络流量均可以作为周一的历史流量。在本实施方式中，所述历史流量可以记录于广告商的服务器中。那么可以从广告商的服务器中获取所述时段的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述时段的流量预测值。例如，可以获取周一时段内的两个历史流量30GB和18GB，通过计算可以得到这两个历史流量的平均值为24GB，那么便可以将24GB作为周一的流量预测值。该流量预测值可以表示在下一个周一内，有可能产生24GB的网络流量。当然，为了保证所述流量预测值的准确性，在获取所述时段的至少一个历史流量时，如果历史流量较多，可以从中将历史流量的最大值和最小值均去除，并从剩余的历史流量中选择至少一个历史流量进行计算，这样可以避免极端的历史流量对预测结果产生影响。
在本实施方式中，确定所述流量预测值的方式还可以包括由广告商人为指定所述流量预测值。通常而言，人们的日常活动与时段具备密切的联系。例如，在凌晨2点至早上8点的时段，人们会很少进行网络访问活动。在该时段内产生的网络流量通常较小。而在早上8点至晚上11点的时段，人们会频繁地进行网络访问活动，从而导致该时段内产生的网络流量会较大。这样，广告商可以为不同的时段人为地设定不同的流量预测值。具体地，由于人为设定流量预测值时，通常无法给出网络流量的具体数值，而仅仅能确定网络流量的大小程度。基于此，可以预先设定用于表征大小程度的数值范围，并将所述数值范围内的数值来表示所述流量预测值。例如可以设定从1至5的数值范围，在该范围内的每个数值均可以表征网络流量的大小，其中，数值越大，可以表征网络流量也越大。这样，广告商在设定流量预测值时，可以将周一至周五的流量预测值设置为4.5，而将周末的流量预测值设置为5。这种确定流量预测值的方法可以避免对历史数据分析的过程，但代价就是流量预测值可能并不十分准确，确定出的流量预测值并不能有效地表征该时段内实际能够产生的网络流量。
S30：根据所述时段的流量预测值为所述时段分配消耗额度；其中，当第一时段的流量预测值大于第二时段的流量预测值时，为所述第一时段分配的消耗额度大于为所述第二时段分配的消耗额度。
在本实施方式中，所述流量预测值能够表征在所述时段内产生的网络流量的大小，那么当所述流量预测值越大时，表明实际产生的网络流量也可能越大。基于此，可以根据每个所述时段的流量预测值，为每个所述时段分配预算。具体地，假设所述至少两个时段中存在第一时段和第二时段，那么当第一时段的流量预测值大于第二时段的流量预测值时，为所述第一时段分配的预算可以大于为所述第二时段分配的预算。这样便可以较多地将广告预算投放至能够产生较大网络流量的时段中，从而保证广告投放的收益最高。
在本实施方式中，为每个所述时段分配预算的方式可以包括根据各个时段的流量预测值，按比例进行预算分配。例如，当前需要在两个时段中分配广告预算，这两个时段的流量预测值分别为25GB和10GB。此时，可以计算出这两个时段的流量预测值之间的比例5:2，并将广告预算210元按照5:2的比例分配至各个时段中。其中，流量预测值较大的时段可以被分配到150元的预算，流量预测值较小的时段可以被分配到60元的预算。
在本实施方式中，为每个所述时段分配预算的方式还可以包括预先将所述广告预算划分为与所述至少一个时段的数量相等的子预算；其中，所述子预算中至少具备两个数值不相等的子预算。这样，可以根据所述流量预测值从大到小的顺序，将各个所述时段进行排序，并根据排序的结果依次为每个时段分配子预算。其中，排名靠前的时段分配到的子预算不小于排名靠后的时段分配到的子预算。例如，当前需要对4个时段分配100元的广告预算，可以预先将100元划分为50元、20元、15元和15元这四个子预算。上述4个时段的流量预测值分别为20GB、60GB、10GB以及30GB，那么便可以按照流量预测值从大到小的顺序对这4个时段进行排序，并分别为排序后的4个时段分配相应的预算。其中，流量预测值为60GB的时段可以分配50元预算，流量预测值为30GB的时段可以分配20元预算，流量预测值为20GB和10GB的两个时段均可以分配15元的预算。
由上可见，本申请可以在为至少两个时段分配广告预算时，可以预先为各个时段确定流量预测值。该流量预测值可以表征在所述时段内产生的网络流量的大小。那么为了保证广告预算的收益最大化，可以根据每个时段的流量预测值，动态地为每个时段分配相应的预算，以使得流量预测值较大的时段能够分配到较多的预算，从而提高广告预算的收益。
在本申请一个实施方式中，在确定每个所述时段的流量预测值时，可以基于时段的历史数据进行分析得到。具体地，确定所述时段的流量预测值的步骤可以包括以下子步骤。
S301：获取所述时段的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述时段的历史流量均值。
在本实施方式中，所述历史流量可以是在过往的所述时段内产生的网络流量。例如，所述时段为周一，那么在过去的每个周一内产生的网络流量均可以作为周一的历史流量。在本实施方式中，可以获取所述时段的至少一个历史流量，并基于获取的至少一个历史流量确定出该时段的流量预测值。例如，在过去的5个周一内，产生的网络流量可以分别为20GB、25GB、30GB、18GB以及21GB，这五个网络流量均可以作为周一的历史流量。在本实施方式中，所述历史流量可以记录于广告商的服务器中。那么可以从广告商的服务器中读取所述时段的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述时段的流量预测值。例如，可以获取周一时段内的两个历史流量30GB和18GB，通过计算可以得到这两个历史流量的平均值为24GB，那么便可以将24GB作为周一的流量预测值。该流量预测值可以表示在下一个周一内，有可能产生24GB的网络流量。当然，为了保证所述流量预测值的准确性，在获取所述时段的至少一个历史流量时，如果历史流量较多，可以从中将历史流量的最大值和最小值均去除，并从剩余的历史流量中选择至少一个历史流量进行计算，这样可以避免极端的历史流量对预测结果产生影响。
在本申请一个实施方式中，所述时段的流量预测值还可以是用于表征网络流量具体数值的标识。所述标识也可以是一个数字，只不过该数字并不是网络流量的实际数值，而是一个相对的数值。通过该相对的数值的大小，可以表征网络流量的实际数值的大小。具体地，请参阅图，确定每个所述时段的流量预测值的步骤可以包括以下子步骤。
S311：确定所述时段的历史流量均值。
S313：计算所述时段的历史流量均值在各个历史流量均值之和中所占的比例，并将所述比例作为所述时段的流量预测值。
在本实施方式中，所述时段的历史流量可以通过获取所述时段的至少一个历史流量，并计算所述至少一个历史流量的平均值来得到，具体的生成流程可以参见步骤S301中的描述，这里便不再赘述。
在本实施方式中，当计算得到各个时段的历史流量均值之后，可以计算所述时段的历史流量均值在各个历史流量均值之和中所占的比例。例如，当前共计有3个时段，每个时段对应的历史流量均值分别为10GB、30GB以及60GB，那么每个所述时段的历史流量均值在各个历史流量均值之和中所占的比例可以分别为10％、30％以及60％。这样，尽管计算出的比例是个相对值，但通过不同比例之间的大小比较，也能表征各个时段内产生的网络流量的大小关系。因此，可以将所述比例作为所述时段的流量预测值。
在本申请一个实施方式中，考虑到所述时段内产生的网络流量通常是由用户的访问行为生成的，而用户的访问行为通常与时段也存在密切的联系。例如，在凌晨2点至早上8点的时段，人们会很少进行网络访问活动，在该时段内产生的网络流量通常较小。而在早上8点至晚上11点的时段，人们会频繁地进行网络访问活动，从而导致该时段内产生的网络流量会较大。因此，在本实施方式中，每个所述时段可以与访问活跃度相关联。所述访问活跃度可以表征在所述时段内用户进行网络访问的活跃状态。用户进行网络访问越频繁，对应的访问活跃度也越大。具体地，所述访问活跃度可以基于热门网站的访问量来确定。为了保证数据的准确性，可以对不同类型的多个热门网站的访问量进行统计。例如，可以对社交网站、新闻资讯网站、娱乐网站的门户页面的访问量进行统计，从而可以得到一天中各个时段的访问量。该访问量可以一定程度上反映人们进行网络访问活动的规律。例如，在凌晨2点至8点，某个娱乐网站的门户页面的访问量为200万次；而在晚上7点至11点的，该娱乐网站的门户页面的访问量为1600万次，那么此时可以将每个时段的访问量在总访问量中的比例作为各个时段关联的访问活跃度。这样，可以将所述时段关联的访问活跃度作为所述时段的流量预测值，从而通过访问活跃度来表征产生的网络流量的大小。
在本申请一个实施方式中，为所述时段分配消耗额度的步骤可以包括以下子步骤。
S321：计算所述时段的流量预测值在各个流量预测值之和中所占的比例。
S323：将所述预定消耗额度与所述比例的乘积作为消耗额度分配给所述时段。
在本实施方式中，可以基于所述时段的流量预测值在各个流量预测值之和中所占的比例来为所述时段分配预算。具体地，假设当前需要为3个时段分配100元的广告预算，这3个时段的流量预测值分别为10GB、20GB以及70GB，那么这3个时段的流量预测值在流量预测值之和中所占的比例分别为10％、20％以及70％，那么可以将所述广告预算与所述比例的乘积作为预算分配给所述时段。也就是说，分配给这3个时段的预算可以分别为10元、20元以及70元。
在本申请一个实施方式中，在广告投放过程中，除了时段会对广告投放的收益有影响，在同一个时段中，不同的广告投放对象也会对收益产生影响。所述广告投放对象可以指不同的投放网站，也可以指不同的投放区域。也就是说，所述广告投放对象可以按照地理位置进行划分，也可以按照网站类别进行划分。例如，在同一个时段内，广告可以在两个不同的网站进行投放，也可以在两个不同的国家进行投放。这样，在每个所述时段中均可以存在至少两个广告投放对象。在为每个时段分配了相应的预算后，可以将所述预算在所述至少两个广告投放对象中进行进一步地分配。具体地，请参阅图2和图3，所述方法还可以包括以下步骤。
S50：确定所述时段中所述投放对象对应的投放收益；所述投放收益用于表征所述投放对象被用户关注的状态。
S70：根据确定的所述投放收益，将所述时段的消耗额度在所述至少两个投放对象中进行分配。
在本实施方式中，可以将每个广告投放对象的投放收益作为预算分配的依据。所述投放收益可以指投放的广告被用户关注的程度。具体地，当用户关注某个广告时，通常会点击该广告，以进行进一步地了解。此外，用户还可以与发布该广告的厂商取得联系，以咨询该广告中推广的商品。因此，在本实施方式中，所述投放收益可以表示广告投放对象中投放的广告被用户关注的状态。其中，广告投放对象中投放的广告被用户关注的状态一方面可以指广告投放对象中投放的广告被用户访问的次数/频率。另一方面，广告投放对象中投放的广告被用户关注的状态还可以表示来自所述广告投放对象中的咨询次数。具体地，所述投放收益可以是一个数值，该数值越大，表明投放收益越高。
在本实施方式中，可以将所述广告投放对象中投放的广告被用户访问的次数/频率作为所述广告投放对象的投放收益。具体地，可以统计所述时段中来自所述广告投放对象中的历史访问次数/频率。具体地，当用户点击所述广告投放对象中的广告时，用户的客户端便可以向该广告的服务器发起一次访问请求。在本实施方式中，所述访问请求中可以携带所述广告投放对象的标识，从而使得服务器可以辨认本次的访问请求来自哪个广告访问对象。这样，在所述时段内，广告的服务器每当接收到用户的客户端发来的访问请求时，便可以识别所述访问请求中携带的广告投放对象的标识，从而可以针对每个广告投放对象统计相应的用户访问次数/频率。
在本实施方式中，当用户点击广告投放对象中的广告时，可以表明对该广告感兴趣，但不一定会购买该广告中的商品。如果用户通过广告投放对象提供的联系方式，与广告的商家进行咨询，则表明用户购买该广告中的商品的几率较高。基于此，在本实施方式中，还可以将来自所述广告投放对象的咨询次数作为所述广告投放对象的投放收益。具体地，广告的厂商可以为每个广告投放对象设置唯一的联系方式，这样，通过用户咨询时采用的联系方式便可以判定该用户是在哪个广告投放对象中浏览到广告的，从而可以确定本次的咨询是来自哪个广告投放对象。此外，广告的厂商还可以为每个广告投放对象设置相同的联系方式，这样，在接收用户的咨询时，可以主动询问用户是在哪个广告投放对象中查看到该广告的，从而也可以确定本次的咨询是来自哪个广告投放对象。
在本实施方式中，在确定了各个广告投放对象的投放收益之后，便可以根据确定的所述投放收益，将所述时段的预算在各个广告投放对象中进行分配。根据收益最大化的原则，可以在投放收益较高的广告投放对象中分配较多的预算。具体地，可以计算各个广告投放对象的投放收益之间的比值，从而可以根据计算的比值来进行预算的分配。例如，在当前的时段中，需要在美国和俄罗斯这两个国家之间分配100元的预算，这两个国家的投放收益分别为700和300。此时，可以计算出这两个国家的投放收益之间的比例为7:3，从而可以将该时段中的100元预算按照7:3的比例进行分配。其中，美国可以被分配到70元的预算，俄罗斯则可以被分配到30元的预算。
在本实施方式中，为每个所述广告投放对象分配预算的方式还可以包括预先将所述时段的预算划分为与所述广告投放对象的数量相等的子预算；其中，所述子预算中至少具备两个数值不相等的子预算。这样，可以根据所述投放收益从大到小的顺序，将各个所述广告投放对象进行排序，并根据排序的结果依次为每个广告投放对象分配子预算。其中，排名靠前的广告投放对象分配到的子预算不小于排名靠后的广告投放对象分配到的子预算。例如，当前需要对4个网站分配100元的预算，可以预先将100元划分为50元、20元、15元和15元这四个子预算。上述4个网站的投放收益分别为5、3、2以及2，那么便可以按照投放收益从大到小的顺序对这4个网站进行排序，并分别为排序后的4个网站分配相应的预算。其中，投放收益为5的网站可以分配50元预算，投放收益为3的网站可以分配20元预算，投放收益为2的两个网站均可以分配15元的预算。
在本申请一个实施方式中，可以采用以下子步骤确定所述时段中投放对象对应的投放收益。
S501：统计所述时段中在所述投放对象中产生的历史费用。
S503：统计所述时段中来自所述投放对象中的历史咨询次数。
S505：将所述历史咨询次数与所述历史费用的比值作为所述投放对象对应的投放收益。
在本实施方式中，可以对各个广告投放对象中的历史数据进行分析，从而确定各个广告投放对象的投放收益。具体地，所述历史费用可以是在过往的时段中，投放的广告在各个广告投放对象中消耗的金额。例如，在每个过往的周一内，分配给中国的历史费用都为200元，分配给俄罗斯的历史费用都为100元。
在本实施方式中，分配的预算越多，并不代表收益越高。因为有时候花费大量的预算进行广告的宣传，但用户关注的程度可能还是比较低。基于此，可以继续统计所述时段中来自所述广告投放对象中的历史咨询次数。例如，在过往的周一内，来自中国的历史咨询次数平均为5次，而来自俄罗斯的历史咨询次数平均仅为1次。那么在中国耗费了200元的预算，可以换来5次的咨询次数，平均每个咨询次数耗费40元的预算。而在俄罗斯耗费了100元的预算，仅换来1次的咨询次数，平均每个咨询次数耗费100元的预算。由此可见，在中国进行广告投放时具备的投放收益其实更高。这样，在本实施方式中，可以将所述历史咨询次数与所述历史费用的比值作为所述广告投放对象对应的投放收益。所述历史咨询次数与所述历史费用的比值可以表示花费固定额度的预算能够换来的咨询次数，该比值越大，则表明花费固定额度的预算，换来的咨询次数越多，从而表明投放收益越高。
在本申请一个实施方式中，为了简化运算的过程，可以仅仅根据来自所述广告投放对象中的历史访问次数/频率来判断所述广告投放对象的投放收益的高低。具体地，可以统计来自所述广告投放对象中的历史访问次数/频率，并将所述历史访问次数/频率作为所述广告投放对象对应的投放收益。具体地，当用户点击所述广告投放对象中的广告时，用户的客户端便可以向该广告的服务器发起一次访问请求。在本实施方式中，所述访问请求中可以携带所述广告投放对象的标识，从而使得服务器可以辨认本次的访问请求来自哪个广告访问对象。这样，在所述时段内，广告的服务器每当接收到用户的客户端发来的访问请求时，便可以识别所述访问请求中携带的广告投放对象的标识，从而可以针对每个广告投放对象统计相应的用户访问次数/频率。
在本申请一个实施方式中，可以按照以下子步骤将所述时段的消耗额度在投放对象中进行分配。
S701：计算所述投放对象的投放收益在投放收益之和中所占的比例。
S703：将所述时段的消耗额度与所述比例的乘积分配给所述投放对象。
在本实施方式中，可以基于所述广告投放对象的投放收益在投放收益之和中所占的比例来为所述广告投放对象分配预算。具体地，假设当前需要为3个广告投放对象分配100元的预算，这3个广告投放对象的投放收益分别为5、3和2，那么这3个广告投放对象的投放收益在各个投放收益之和中所占的比例分别为50％、30％以及20％，那么可以将所述时段的预算与各个所述比例的乘积作为预算分配给对应的广告投放对象。也就是说，分配给这3个广告投放对象的预算可以分别为50元、30元以及20元。
在一个具体应用场景中，广告商需要在周一至周日这7天进行广告预算的分配，在对周一至周日的历史流量进行分析之后，得到如表1所示的历史均值流量信息。
表1周一至周日的历史均值流量
周一 周二 周三 周四 周五 周六 周日
20GB 30GB 15GB 20GB 40GB 120GB 110GB
表1中所述的历史均值流量，可以作为一周中每一天的流量预测值。根据该流量预测值，可以将广告预算按比例分配置每一天。例如，假设所述广告预算为355元，那么周一至周日分别可以分配的预算为20元、30元、15元、20元、40元、120元以及110元。
在为每一天分配了相应的预算之后，由于每一天广告商都在中国、美国、俄罗斯这三个国家进行投放，而不同的国家的投放收益均不同。在对历史的数据进行分析之后，可以得到如表2所示的每个国家在周一时的历史费用和咨询次数。
表2各个国家在周一时的历史费用和咨询次数
国家 中国 美国 俄罗斯
历史费用 100元 150元 80元
咨询次数 5次 1次 2次
历史费用与咨询次数的比值 20 150 40
从表2中可以看出，在中国，每当产生一次咨询，所需耗费的预算为20元；在美国，每当产生一次咨询，所需耗费的预算为150元；在俄罗斯，每当产生一次咨询，所需耗费的预算为40元。由此可见，在中国投放广告的收益最高，因此，在将分配给周一的预算进一步在中国、美国、俄罗斯这三个国家中进行分配时，可以在中国多分配一些预算，而在美国可以少分配一些预算，以使得最终的广告收益最大。具体地，为每个国家分配的预算，可以与所述历史费用与咨询次数的比值成反比，该比值越小，说明广告收益越大，分配的预算应当越高。
请参阅图4，本申请还提供一种预定消耗额度的分配装置，所述装置包括存储器100和处理器200。
其中，所述存储器100，用于存储所述预定消耗额度以及至少两个时段的信息；其中，所述预定消耗额度在所述至少两个时段内进行分配。
所述处理器200，用于从所述存储器中读取所述预定消耗额度以及所述至少两个时段的信息，并确定所述时段的流量预测值；所述流量预测值用于表征在所述时段内产生的网络流量的大小；根据所述时段的流量预测值为所述时段分配消耗额度；其中，当第一时段的流量预测值大于第二时段的流量预测值时，为所述第一时段分配的消耗额度大于为所述第二时段分配的消耗额度。
在本实施方式中，所述存储器100可以是用于保存信息的记忆设备。在数字系统中，能保存二进制数据的设备可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也可以为存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也可以叫存储器，如内存条、TF卡等。
所述处理器200可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本申请并不作限定。
上述实施方式公开的预定消耗额度的分配装置，其存储器100和处理器200实现的具体功能，可以与本申请中预定消耗额度的分配方法实施方式相对照解释，可以实现本申请的预定消耗额度的分配方法实施方式并达到该方法实施方式的技术效果。
请参阅图5，本申请还提供一种预定消耗额度的分配方法，所述预定消耗额度在至少两个投放对象中进行分配，所述方法可以包括以下步骤。
S100：确定所述投放对象的流量预测值；所述流量预测值用于表征所述投放对象中产生的网络流量的大小。
在本实施方式中，所述广告预算可以是广告商预计用于投放广告所花费的总金额。在广告投放过程中，不同的广告投放对象会对收益产生影响。所述广告投放对象可以指不同的投放网站，也可以指不同的投放区域。也就是说，所述广告投放对象可以按照地理位置进行划分，也可以按照网站类别进行划分。例如，广告可以在两个不同的网站进行投放，也可以在两个不同的国家进行投放。
在本实施方式中，广告通常可以投放于网站或者应用的页面中，当所述页面被加载时，可以在所述页面中展示投放的广告。这样，在所述页面被用户访问时，在该页面中投放的广告能够被用户浏览到，从而可以实现广告的推广意义。当用户浏览网站或者应用中的页面时，通常需要消耗一定的网络流量对页面中的元素进行加载。在本实施方式中，用户在浏览某一个页面时所消耗的网络流量，可以作为该页面在用户浏览过程中产生的网络流量。这样，产生的网络流量越多，表明页面被用户访问的次数也越多，该页面上投放的广告呈现给用户的机会也越多。因此，在本实施方式中，网络流量可以作为广告预算分配的参考基础。
在本实施方式中，可以预先确定每个所述广告投放对象的流量预测值。所述流量预测值可以用于表征在所述广告投放对象内产生的网络流量的大小。具体地，所述流量预测值可以是网络流量的具体数值，也可以是用于表征网络流量具体数值的标识。其中，所述标识可以按照网络流量具体数值的大小来确定。具体地，可以预先将网络流量具体数值的大小划分为多个数值区间，其中，每个数值区间可以对应一个唯一的标识。例如，0至15GB的网络流量可以划分至同一个数值区间中，该数值区间对应的标识可以为L1；20GB至100GB的网络流量可以划分至同一个数值区间中，该数值区间对应的标识可以为L3。这样，可以根据所述流量预测值对应的网络流量的具体数值所在的数值区间，将对应数值区间的标识作为所述流量预测值。也就是说，所述流量预测值可以表示为具体数值15GB，也可以表示为具体数值对应的标识L1。
在本实施方式中，确定所述流量预测值的方式可以包括对所述广告投放对象的历史数据进行分析，并根据分析的结果预测该广告投放对象内接下来可能产生的网络流量。所述历史数据可以是在过往所述广告投放对象内产生的网络流量。例如，所述广告投放对象为人人网，那么在过去的半年内人人网产生的网络流量可以作为人人网的历史数据。在本实施方式中，可以获取所述广告投放对象的至少一个历史流量，并基于获取的至少一个历史流量确定出该广告投放对象的流量预测值。例如，从2015年1月初至2016年12月底，每隔半年进行统计，人人网产生的网络流量可以分别为20GB、25GB、30GB以及21GB，这四个网络流量均可以作为人人网的历史流量。在本实施方式中，所述历史流量可以记录于人人网的服务器中。那么可以从人人网的服务器中获取两个历史流量20GB和30GB，通过计算可以得到这两个历史流量的平均值为25GB，那么便可以将25GB作为人人网在本年内的流量预测值。该流量预测值可以表示在下一个半年内，人人网有可能产生25GB的网络流量。当然，为了保证所述流量预测值的准确性，在获取所述广告投放对象的至少一个历史流量时，如果历史流量较多，可以从中将历史流量的最大值和最小值均去除，并从剩余的历史流量中选择至少一个历史流量进行计算，这样可以避免极端的历史流量对预测结果产生影响。
在本实施方式中，确定所述流量预测值的方式还可以包括由广告商人为指定所述流量预测值。通常而言，广告投放对象的热门程度会对产生的网络流量造成影响。广告投放对象越热门，其被用户访问的可能性以及访问的次数则越高。那么广告商可以根据广告投放对象的热门程度对各个广告投放对象设定流量预测值。例如，可以将娱乐类型的网站的流量预测值设置为4.5，而将科教类型的网站的流量预测值设置为2。这种确定流量预测值的方法可以避免对历史数据分析的过程，但代价就是流量预测值可能并不十分准确，确定出的流量预测值并不能有效地表征该广告投放对象实际能够产生的网络流量。
S300：确定所述投放对象的投放收益；所述投放收益用于表征所述投放对象被用户关注的状态。
在本实施方式中，可以将每个广告投放对象的投放收益作为预算分配的依据之一。具体地，当用户关注某个广告时，通常会点击该广告，以进行进一步地了解。此外，用户还可以与发布该广告的厂商取得联系，以咨询该广告中推广的商品。因此，在本实施方式中，所述投放收益可以表示广告投放对象中投放的广告被用户关注的状态。其中，广告投放对象中投放的广告被用户关注的状态一方面可以指广告投放对象中投放的广告被用户访问的次数/频率。另一方面，广告投放对象中投放的广告被用户关注的状态还可以表示来自所述广告投放对象中的咨询次数。具体地，所述投放收益可以是一个数值，该数值越大，表明投放收益越高。
在本实施方式中，可以将所述广告投放对象中投放的广告被用户访问的次数/频率作为所述广告投放对象的投放收益。具体地，可以统计所述时段中来自所述广告投放对象中的历史访问次数/频率。具体地，当用户点击所述广告投放对象中的广告时，用户的客户端便可以向该广告的服务器发起一次访问请求。在本实施方式中，所述访问请求中可以携带所述广告投放对象的标识，从而使得服务器可以辨认本次的访问请求来自哪个广告访问对象。这样，在所述时段内，广告的服务器每当接收到用户的客户端发来的访问请求时，便可以识别所述访问请求中携带的广告投放对象的标识，从而可以针对每个广告投放对象统计相应的用户访问次数/频率。
在本实施方式中，当用户点击广告投放对象中的广告时，可以表明对该广告感兴趣，但不一定会购买该广告中的商品。如果用户通过广告投放对象提供的联系方式，与广告的商家进行咨询，则表明用户购买该广告中的商品的几率较高。基于此，在本实施方式中，还可以将来自所述广告投放对象的咨询次数作为所述广告投放对象的投放收益。具体地，广告的厂商可以为每个广告投放对象设置唯一的联系方式，这样，通过用户咨询时采用的联系方式便可以判定该用户是在哪个广告投放对象中浏览到广告的，从而可以确定本次的咨询是来自哪个广告投放对象。此外，广告的厂商还可以为每个广告投放对象设置相同的联系方式，这样，在接收用户的咨询时，可以主动询问用户是在哪个广告投放对象中查看到该广告的，从而也可以确定本次的咨询是来自哪个广告投放对象。
S500：基于所述流量预测值和所述投放收益，为所述投放对象分配消耗额度。
在本实施方式中，上述的流量预测值以及投放收益均可以作为预算分配的依据之一。因此，可以结合所述流量预测值和所述投放收益，为每个所述广告投放对象分配预算。
在本实施方式中，为了结合所述流量预测值以及所述投放收益，可以计算所述流量预测值与所述投放收益的乘积，并将该乘积作为所述广告投放对象的分配系数。当然，在实际应用过程中，还可以将所述流量预测值与所述投放收益之和作为所述分配系数，本申请对所述分配系数的实现形式并不做限定，只要所述分配系数能够随着流量预测值和/或所述投放收益的增加而增加即可。
在本实施方式中，为每个所述广告投放对象分配预算的方式可以包括根据各个广告投放对象的分配系数，按比例进行预算分配。例如，当前需要在两个广告投放对象中分配预算，这两个广告投放对象的分配系数分别为5和2。此时，可以计算出这两个广告投放对象的分配系数之间的比例5:2，并将预算210元按照5:2的比例分配至各个广告投放对象中。其中，分配系数较大的广告投放对象可以被分配到150元的预算，分配系数较小的广告投放对象可以被分配到60元的预算。
在本实施方式中，为每个所述广告投放对象分配预算的方式还可以包括预先将所述广告预算划分为与所述广告投放对象的数量相等的子预算；其中，所述子预算中至少具备两个数值不相等的子预算。这样，可以根据所述分配系数从大到小的顺序，将各个所述广告投放对象进行排序，并根据排序的结果依次为每个广告投放对象分配子预算。其中，排名靠前的广告投放对象分配到的子预算不小于排名靠后的广告投放对象分配到的子预算。例如，当前需要对4个广告投放对象分配100元的广告预算，可以预先将100元划分为50元、20元、15元和15元这四个子预算。上述4个广告投放对象的分配系数分别为5、3、2以及2，那么便可以按照分配系数从大到小的顺序对这4个广告投放对象进行排序，并分别为排序后的4个广告投放对象分配相应的预算。其中，分配系数为5的广告投放对象可以分配50元预算，分配系数为3的广告投放对象可以分配20元预算，分配系数为2的两个广告投放对象均可以分配15元的预算。
在本申请一个实施方式中，在确定每个所述广告投放对象的流量预测值时，可以获取所述广告投放对象的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述广告投放对象的流量预测值。具体地，所述根据历史流量确定流量预测值的方式与步骤S301中的描述类似，这里便不再赘述。
在本申请一个实施方式中，在确定每个所述广告投放对象的流量预测值时，还可以确定每个所述广告投放对象的历史流量均值，然后可以计算所述广告投放对象的历史流量均值在各个历史流量均值之和中所占的比例，并将所述比例作为所述广告投放对象的流量预测值。具体地，所述历史流量均值的确定过程以及所述比例的计算过程均与步骤S311和S313中的描述类似，这里便不再赘述。
在本申请一个实施方式中，上述的历史流量均值可以按照下述方式确定：
获取所述投放对象的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述投放对象的历史流量均值。
具体地，所述根据历史流量确定流量预测值的方式与步骤S301中的描述类似，这里便不再赘述。
在本申请一个实施方式中，每个所述广告投放对象可以与访问活跃度相关联；所述访问活跃度用于表征在用户通过所述广告投放对象进行网络访问的活跃状态；相应地，可以将所述广告投放对象关联的访问活跃度作为所述广告投放对象的流量预测值。
具体地，所述访问活跃度可以通过广告投放对象的热门程度来体现。通常而言，广告投放对象的热门程度会对产生的网络流量造成影响。广告投放对象越热门，其被用户访问的可能性以及访问的次数则越高。那么广告商可以根据广告投放对象的热门程度对各个广告投放对象设定流量预测值。例如，可以将娱乐类型的网站的流量预测值设置为4.5，而将科教类型的网站的流量预测值设置为2。这种确定流量预测值的方法可以避免对历史数据分析的过程，但代价就是流量预测值可能并不十分准确，确定出的流量预测值并不能有效地表征该广告投放对象实际能够产生的网络流量。
在本申请一个实施方式中，关于每个所述广告投放对象的投放收益的确定方式，可以参见补助S501至S505中的描述，这里便不再赘述。
在本申请一个实施方式中，为了简化运算的过程，可以仅仅根据来自所述广告投放对象中的历史访问次数/频率来判断所述广告投放对象的投放收益的高低。具体地，可以统计来自所述广告投放对象中的历史访问次数/频率，并将所述历史访问次数/频率作为所述广告投放对象对应的投放收益。具体地，当用户点击所述广告投放对象中的广告时，用户的客户端便可以向该广告的服务器发起一次访问请求。在本实施方式中，所述访问请求中可以携带所述广告投放对象的标识，从而使得服务器可以辨认本次的访问请求来自哪个广告访问对象。这样，在所述时段内，广告的服务器每当接收到用户的客户端发来的访问请求时，便可以识别所述访问请求中携带的广告投放对象的标识，从而可以针对每个广告投放对象统计相应的用户访问次数/频率。
在本申请一个实施方式中，基于所述流量预测值和所述投放收益，为所述投放对象分配消耗额度可以包括以下步骤。
S510：计算所述流量预测值与所述投放收益的乘积，得到所述投放对象的分配系数。
S530：计算所述投放对象的分配系数在分配系数之和中所占的比例。
S550：将所述预定消耗额度与所述比例的乘积作为所述消耗额度分配给所述投放对象。
具体地，为了结合所述流量预测值以及所述投放收益，可以计算所述流量预测值与所述投放收益的乘积，并将该乘积作为所述广告投放对象的分配系数。当然，在实际应用过程中，还可以将所述流量预测值与所述投放收益之和作为所述分配系数，本申请对所述分配系数的实现形式并不做限定，只要所述分配系数能够随着流量预测值和/或所述投放收益的增加而增加即可。
在本实施方式中，可以基于所述广告投放对象的分配系数在各个分配系数之和中所占的比例来为所述广告投放对象分配预算。具体地，假设当前需要为3个广告投放对象分配100元的预算，这3个广告投放对象的分配系数分别为5、3和2，那么这3个广告投放对象的分配系数在各个分配系数之和中所占的比例分别为50％、30％以及20％，那么可以将所述时段的预算与各个所述比例的乘积作为预算分配给对应的广告投放对象。也就是说，分配给这3个广告投放对象的预算可以分别为50元、30元以及20元。
请参阅图6，本申请还提供一种预定消耗额度的分配装置，所述装置包括存储器110和处理器210。
其中，所述存储器110，用于存储所述预定消耗额度以及至少两个投放对象的信息；其中，所述预定消耗额度在所述至少两个投放对象内进行分配；
所述处理器210，用于从所述存储器中读取所述预定消耗额度以及所述至少两个投放对象的信息；确定所述投放对象的流量预测值；所述流量预测值用于表征所述投放对象中产生的网络流量的大小；确定所述投放对象的投放收益；所述投放收益用于表征所述投放对象被用户关注的状态；基于所述流量预测值和所述投放收益，为所述投放对象分配消耗额度。
在本实施方式中，所述存储器110可以是用于保存信息的记忆设备。在数字系统中，能保存二进制数据的设备可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也可以为存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也可以叫存储器，如内存条、TF卡等。
所述处理器210可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本申请并不作限定。
上述实施方式公开的预定消耗额度的分配装置，其存储器100和处理器200实现的具体功能，可以与本申请中预定消耗额度的分配方法实施方式相对照解释，可以实现本申请的预定消耗额度的分配方法实施方式并达到该方法实施方式的技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令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)执行本申请各个实施方式或者实施方式的某些部分所述的方法。
本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。尤其，针对装置的实施方式来说，均可以参照前述方法的实施方式的介绍对照解释。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施方式描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。

Claims (22)

1.一种预定消耗额度的分配方法，其特征在于，所述预定消耗额度在至少两个时段内进行分配，所述方法包括：
确定至少一个所述时段的流量预测值；所述流量预测值用于表征在所述时段产生的网络流量的大小；
根据所述时段的流量预测值为所述时段分配消耗额度；其中，当第一时段的流量预测值大于第二时段的流量预测值时，为所述第一时段分配的消耗额度大于为所述第二时段分配的消耗额度。
2.根据权利要求1所述的方法，其特征在于，确定至少一个所述时段的流量预测值包括：
获取所述时段的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述时段的流量预测值。
3.根据权利要求1所述的方法，其特征在于，确定至少一个所述时段的流量预测值包括：
确定所述时段的历史流量均值；
计算所述时段的历史流量均值在各个历史流量均值之和中所占的比例，并将所述比例作为所述时段的流量预测值。
4.根据权利要求3所述的方法，其特征在于，所述历史流量均值按照下述方式确定：
获取所述时段的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述时段的历史流量均值。
5.根据权利要求1所述的方法，其特征在于，每个所述时段与访问活跃度相关联；所述访问活跃度用于表征在所述时段内用户进行网络访问的活跃状态；相应地，确定每个所述时段的流量预测值包括：
将所述时段关联的访问活跃度作为所述时段的流量预测值。
6.根据权利要求1所述的方法，其特征在于，为所述时段分配消耗额度包括：
计算所述时段的流量预测值在各个流量预测值之和中所占的比例；
将所述预定消耗额度与所述比例的乘积作为消耗额度分配给所述时段。
7.根据权利要求1所述的方法，其特征在于，所述时段中存在至少两个投放对象；所述方法还包括：
确定所述时段中所述投放对象对应的投放收益；所述投放收益用于表征所述投放对象被用户关注的状态；
根据确定的所述投放收益，将所述时段的消耗额度在所述至少两个投放对象中进行分配。
8.根据权利要求7所述的方法，其特征在于，所述投放对象按照地理位置进行划分或者按照网站类别进行划分。
9.根据权利要求7所述的方法，其特征在于，确定所述时段中所述投放对象对应的投放收益包括：
统计所述时段中在所述投放对象中产生的历史费用；
统计所述时段中来自所述投放对象中的历史咨询次数；
将所述历史咨询次数与所述历史费用的比值作为所述投放对象对应的投放收益。
10.根据权利要求7所述的方法，其特征在于，确定所述时段中所述投放对象对应的投放收益包括：
统计所述时段中来自所述投放对象中的历史访问次数/频率，并将所述历史访问次数/频率作为所述投放对象对应的投放收益。
11.根据权利要求7所述的方法，其特征在于，将所述时段的消耗额度在所述至少两个投放对象中进行分配包括：
计算所述投放对象的投放收益在投放收益之和中所占的比例；
将所述时段的消耗额度与所述比例的乘积分配给所述投放对象。
12.一种预定消耗额度的分配装置，其特征在于，所述装置包括存储器和处理器，其中：
所述存储器，用于存储所述预定消耗额度以及至少两个时段的信息；其中，所述预定消耗额度在所述至少两个时段内进行分配；
所述处理器，用于从所述存储器中读取所述预定消耗额度以及所述至少两个时段的信息，并确定所述时段的流量预测值；所述流量预测值用于表征在所述时段内产生的网络流量的大小；根据所述时段的流量预测值为所述时段分配消耗额度；其中，当第一时段的流量预测值大于第二时段的流量预测值时，为所述第一时段分配的消耗额度大于为所述第二时段分配的消耗额度。
13.一种预定消耗额度的分配方法，其特征在于，所述预定消耗额度在至少两个投放对象中进行分配，所述方法包括：
确定所述投放对象的流量预测值；所述流量预测值用于表征所述投放对象中产生的网络流量的大小；
确定所述投放对象的投放收益；所述投放收益用于表征所述投放对象被用户关注的状态；
基于所述流量预测值和所述投放收益，为所述投放对象分配消耗额度。
14.根据权利要求13所述的方法，其特征在于，确定所述投放对象的流量预测值包括：
获取所述投放对象的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述投放对象的流量预测值。
15.根据权利要求13所述的方法，其特征在于，确定所述投放对象的流量预测值包括：
确定所述投放对象的历史流量均值；
计算所述投放对象的历史流量均值在历史流量均值之和中所占的比例，并将所述比例作为所述投放对象的流量预测值。
16.根据权利要求15所述的方法，其特征在于，所述历史流量均值按照下述方式确定：
获取所述投放对象的至少一个历史流量，并将所述至少一个历史流量的平均值作为所述投放对象的历史流量均值。
17.根据权利要求13所述的方法，其特征在于，所述投放对象与访问活跃度相关联；所述访问活跃度用于表征在用户通过所述投放对象进行网络访问的活跃状态；相应地，确定所述投放对象的流量预测值包括：
将所述投放对象关联的访问活跃度作为所述投放对象的流量预测值。
18.根据权利要求13所述的方法，其特征在于，所述投放对象按照地理位置进行划分或者按照网站类别进行划分。
19.根据权利要求13所述的方法，其特征在于，确定所述投放对象的投放收益包括：
统计在所述投放对象中产生的历史费用；
统计来自所述投放对象中的历史咨询次数；
将所述历史咨询次数与所述历史费用的比值作为所述投放对象对应的投放收益。
20.根据权利要求13所述的方法，其特征在于，确定所述投放对象的投放收益包括：
统计来自所述投放对象中的历史访问次数/频率，并将所述历史访问次数/频率作为所述投放对象对应的投放收益。
21.根据权利要求13所述的方法，其特征在于，基于所述流量预测值和所述投放收益，为所述投放对象分配消耗额度包括：
计算所述流量预测值与所述投放收益的乘积，得到所述投放对象的分配系数；
计算所述投放对象的分配系数在分配系数之和中所占的比例；
将所述预定消耗额度与所述比例的乘积作为所述消耗额度分配给所述投放对象。
22.一种预定消耗额度的分配装置，其特征在于，所述装置包括存储器和处理器，其中：
所述存储器，用于存储所述预定消耗额度以及至少两个投放对象的信息；其中，所述预定消耗额度在所述至少两个投放对象内进行分配；
所述处理器，用于从所述存储器中读取所述预定消耗额度以及所述至少两个投放对象的信息；确定所述投放对象的流量预测值；所述流量预测值用于表征所述投放对象中产生的网络流量的大小；确定所述投放对象的投放收益；所述投放收益用于表征所述投放对象被用户关注的状态；基于所述流量预测值和所述投放收益，为所述投放对象分配消耗额度。
CN201710560985.7A 2017-07-11 2017-07-11 一种预定消耗额度的分配方法及装置 Pending CN109242521A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710560985.7A CN109242521A (zh) 2017-07-11 2017-07-11 一种预定消耗额度的分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710560985.7A CN109242521A (zh) 2017-07-11 2017-07-11 一种预定消耗额度的分配方法及装置

Publications (1)

Publication Number Publication Date
CN109242521A true CN109242521A (zh) 2019-01-18

Family

ID=65083921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710560985.7A Pending CN109242521A (zh) 2017-07-11 2017-07-11 一种预定消耗额度的分配方法及装置

Country Status (1)

Country Link
CN (1) CN109242521A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215665A (zh) * 2020-10-30 2021-01-12 食亨(上海)科技服务有限公司 推广信息投放方法、系统和计算机可读介质
CN112242927A (zh) * 2020-09-30 2021-01-19 北京三快在线科技有限公司 数据监控方法、装置、服务器及计算机可读存储介质
CN115131079A (zh) * 2022-08-25 2022-09-30 道有道科技集团股份公司 基于数据处理的广告投放效果预测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101365153A (zh) * 2007-08-08 2009-02-11 上海亿动信息技术有限公司 一种按时间段分配手机广告发布信息的方法和系统
CN101933036A (zh) * 2008-02-05 2010-12-29 雅虎公司 用于在多个渠道上提供广告的系统
CN102592235A (zh) * 2011-12-28 2012-07-18 北京品友互动信息技术有限公司 一种互联网广告投放系统
CN102640179A (zh) * 2009-09-18 2012-08-15 奥多比公司 用于多渠道广告的基于广告受众历史的竞价生成系统和方法
CN104133837A (zh) * 2014-06-24 2014-11-05 上海交通大学 一种基于分布式计算的互联网信息投放渠道优化系统
CN105138540A (zh) * 2015-07-08 2015-12-09 北京博雅立方信息技术有限公司 推广网站的推广优化方法和装置
CN106846071A (zh) * 2017-02-23 2017-06-13 北京小度信息科技有限公司 数据处理方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101365153A (zh) * 2007-08-08 2009-02-11 上海亿动信息技术有限公司 一种按时间段分配手机广告发布信息的方法和系统
CN101933036A (zh) * 2008-02-05 2010-12-29 雅虎公司 用于在多个渠道上提供广告的系统
CN102640179A (zh) * 2009-09-18 2012-08-15 奥多比公司 用于多渠道广告的基于广告受众历史的竞价生成系统和方法
CN102592235A (zh) * 2011-12-28 2012-07-18 北京品友互动信息技术有限公司 一种互联网广告投放系统
CN104133837A (zh) * 2014-06-24 2014-11-05 上海交通大学 一种基于分布式计算的互联网信息投放渠道优化系统
CN105138540A (zh) * 2015-07-08 2015-12-09 北京博雅立方信息技术有限公司 推广网站的推广优化方法和装置
CN106846071A (zh) * 2017-02-23 2017-06-13 北京小度信息科技有限公司 数据处理方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112242927A (zh) * 2020-09-30 2021-01-19 北京三快在线科技有限公司 数据监控方法、装置、服务器及计算机可读存储介质
CN112215665A (zh) * 2020-10-30 2021-01-12 食亨(上海)科技服务有限公司 推广信息投放方法、系统和计算机可读介质
CN115131079A (zh) * 2022-08-25 2022-09-30 道有道科技集团股份公司 基于数据处理的广告投放效果预测方法及装置
CN115131079B (zh) * 2022-08-25 2022-12-09 道有道科技集团股份公司 基于数据处理的广告投放效果预测方法及装置

Similar Documents

Publication Publication Date Title
JP7084970B2 (ja) マーケティング上のモバイル広告供給に関するシステムと方法
Zhao et al. Budget-feasible online incentive mechanisms for crowdsourcing tasks truthfully
ES2714676T3 (es) Actualización de resultados de consulta de base de datos almacenados en memoria caché
JP6890652B2 (ja) モバイル機器に配信された情報の効果を測定するための方法及び装置
CN109658192A (zh) 一种房源推荐方法及服务器
CN109389431A (zh) 优惠券的分配方法、装置、电子设备及可读存储介质
TW201939404A (zh) 資訊推薦的方法、裝置及設備
CN105306539B (zh) 业务信息展现控制方法、装置和互联网业务信息显示平台
US20110208596A1 (en) Method and system for providing advertising in which the bid price per unit time is adjusted in accordance with advertising traffic
US10332038B2 (en) Travel inventory demand modeling
CN110033156A (zh) 一种业务活动效果的确定方法及装置
CN109242521A (zh) 一种预定消耗额度的分配方法及装置
CN103971257A (zh) 一种互联网媒体组合投放效果的估计方法及系统
US20160210584A1 (en) Travel inventory demand modeling
CN109670113A (zh) 一种房源推荐方法、装置及服务器
CN103546583A (zh) 群智感知系统及群智感知方法
CN110363453A (zh) 配送信息可视化方法和装置
US8234170B2 (en) Online search advertising auction bid determination tools and techniques
CN107862556A (zh) 一种vip广告的投放方法和系统
CN109669995A (zh) 数据存储、质量计算方法、装置、存储介质及服务器
CN105654326B (zh) 一种信息处理系统及方法
US20120239468A1 (en) High-performance supply forecasting using override rules in display advertising systems
CN106030639A (zh) 针对实时趋势的动态内容传递
KR102205264B1 (ko) 가상 현수막을 이용한 위치 기반의 광고 제공 방법 및 시스템
Mlinar et al. Dynamic admission control for two customer classes with stochastic demands and strict due dates

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: 20190118

RJ01 Rejection of invention patent application after publication