CN109658135A - 基于效果数据的竞价调控方法、系统、平台及存储介质 - Google Patents
基于效果数据的竞价调控方法、系统、平台及存储介质 Download PDFInfo
- Publication number
- CN109658135A CN109658135A CN201811484984.XA CN201811484984A CN109658135A CN 109658135 A CN109658135 A CN 109658135A CN 201811484984 A CN201811484984 A CN 201811484984A CN 109658135 A CN109658135 A CN 109658135A
- Authority
- CN
- China
- Prior art keywords
- effect data
- data
- effect
- bidding
- regulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及广告竞价技术领域,具体涉及一种基于效果数据的竞价调控方法、系统、平台及存储介质。本发明通过获取效果数据,并对效果数据进行预训练特征权重;根据效果数据构建权重分布矩阵;结合权重分布矩阵实时分配相对应的预测数据;根据特定消费群体结合预测数据,推送实时效果数据的竞价。可以做到同时调控大量直通车计划单元价格,确保所有调控都基于同样的调控算法,保证调控效果的统一性和可跟踪性。节省人力调控成本,减少直通车推广人力,降低企业成本;可根据不同的推广要求自动优化价格,调控时间可以做到全天候24小时监控和调整,避免非工作时间无人监控。进一步降低人力维护推广成本,节省调控时间。
Description
技术领域
本发明涉及广告竞价技术领域,具体涉及一种基于效果数据的竞价调控方法、系统、平台及存储介质。
背景技术
现如今,各大网店在运营店铺中,往往需要借助其他较大网商的直通车竞价广告平台来做店铺产品的推广,于此同时,相应的网店商家需要若干推广顾问,人为的在该平台实时分析本网络店铺推广和店铺产品情况,更甚是通过手动调整关键词、人群和定向的价格以适应网络店铺在推广渠道的需求。
在以上操作这过程中,容易出现以下问题:
1、顾问需要长时间关注竞价平台的数据来调整,比如一旦到了假期和其他非工作时间,该调整就会被暂停,从而造成网络商家容易因为没有合理调整导致在其他时间失去流量和成交。
2、可变因素很大,比如顾问的离职或操作经验水平低下,对于顾问的更换导致广告竞价效果不一,导致没有稳定调控,从而对网络商家的推广造成影响。
3、因为该广告系统的调控具有时效性和全局性,因此对人力操作的要求比较高。从而导致人工操作的薪酬成本、人才培养成本和顾问调控时间成本也会比较高。
从另外一方面讲,对于拥有大量品牌商家的较大网商来说,需要托管的商家数是非常巨大的,而商家委托服务商去聘请顾问去调控直通车计划的数目也非常大。因此,对于服务商来说,研究直通车推广平台的自动竞价调控对于降低人力成本和操作时间来说尤为重要。
发明内容
针对以上耗时费力且人工成本高、误差率高的问题的缺陷,本发明提供一种基于效果数据的竞价调控方法、系统、平台及存储介质,可以降低竞价调控的人力维护推广成本,进而节省调控时间。
本发明具体通过以下技术方案实现:
一种基于效果数据的竞价调控方法,所述的方法具体包括如下步骤:
获取效果数据,并对效果数据进行预训练特征权重;
根据效果数据构建权重分布矩阵;
结合权重分布矩阵实时分配相对应的预测数据;
根据特定消费群体结合预测数据,推送实时效果数据的竞价。
进一步地,所述的获取效果数据,并对效果数据进行预训练特征权重步骤中,还包括对效果数据进行自动化竞价托管的设置。
进一步地,所述的效果数据为数据库中积累的竞价特征及效果数据;
所述的对效果数据进行预训练特征权重,为根据挖掘出来的业务特征预训练特征权重。
进一步地,所述的训练特征包括岭回归的逻辑回归算法和Lasso回归算法。
通过两个算法训练每个特征对于数据被区分为效果好和效果差的倾向。每个算法都会给出每个特征对于效果好的权重,最终每个特征权重是两个算法的权重的均值。得到算法的训练权重值后,根据不同的竞价要求(比如测款、宝贝培养和爆款培养)修正各自要求下的权重得到最终的冷训练权重。
进一步地,所述的业务特征包括:关键词的点击数、总加入购物车数、总店铺收藏数、总宝贝收藏数、点击单价、点击率、至少7天投入产出比、至少7天总成交金额和至少7天总成交订单数;具体为历史关键词的流量特征和历史转化效果特征。
进一步地,所述的根据效果数据构建权重分布矩阵具体为:基于历史投放数据和全网关键词数据,计算构建旗下关键词人群和定向的效果权重分布矩阵。
进一步地,所述的历史投放数据具体为选取近至少7天数据,所述的历史投放数据包括对历史至少7天数据的合成特征整合,即为历史流量特征数据和历史天数转化特征;
所述的合成特征有:点击成本、加购成本、收藏成本、总订单成本和总成交成本;
其中:点击成本为点击除以消耗;加购成本为总加入购物车数除以消耗;收藏成本为总收藏数除以消耗;总订单成本为总成交订单数除以消耗;总成交成本为总成交金额除以消耗;
所述的消耗指的是直通车的广告消耗。
进一步地,所述的合成特征和至少7天数据的合成特征整合总体效果的计算公式为:
其中:P为每个合成特征,Psum为至少7天数据的合成特征整合总体效果,i为第i天的合成特征,也适用于每天的特征数据呈现正向折扣卷积形式。
进一步地,所述的结合权重分布矩阵实时分配相对应的预测数据具体为:结合权重分布矩阵,根据每个计划单元的预算要求和投放要求,实时评估每个关键词人群和定向的效果,并预测未来消耗数据。对于每个需要调整的关键词人群好定向,结合历史效果权重、实时效果及其实时价格分布调整它的价格,以适应其分配的预算和预测的效果,从而达到自动化优化商家计划单元效果。
进一步地,所述关键词为近至少30天数据的整合评估预测关键词,其计算预测公式为:
其中,Kscore为近至少30天数据的整合评估预测关键词,E为展现,F为转化指数,M为分数,N为竞争度;
具体计算预测方式是于词全网效果展现、点击和转化等呈现正相关,和竞争度呈现负相关;
所述的展现指的是直通车广告的展现值;
所述的转化指数指的是词全网的平均转化指数;
所述的分数指的是词在直通车的质量分;
所述的竞争度指的是词在直通车的返回的竞争度。
为实现上述目的,本发明还提供一种基于效果数据的竞价调控系统,所述的系统包括:
数据获取单元,用于获取效果数据,并对效果数据进行预训练特征权重;
分布矩阵构建单元,用于根据效果数据构建权重分布矩阵;
数据预测单元,用于结合权重分布矩阵实时分配相对应的预测数据;
竞价推送单元,根据特定消费群体结合预测数据,推送实时效果数据的竞价。
进一步地,所述的系统还包括:
设置模块,用于对效果数据进行自动化竞价托管的设置。
与现有技术相比,本发明具有以下有益效果:
本发明通过基于效果数据的竞价实时调控方法
获取效果数据,并对效果数据进行预训练特征权重;
根据效果数据构建权重分布矩阵;
结合权重分布矩阵实时分配相对应的预测数据;
根据特定消费群体结合预测数据,推送实时效果数据的竞价。
及相应地系统单元:
数据获取单元,用于获取效果数据,并对效果数据进行预训练特征权重;
分布矩阵构建单元,用于根据效果数据构建权重分布矩阵;
数据预测单元,用于结合权重分布矩阵实时分配相对应的预测数据;
竞价推送单元,根据特定消费群体结合预测数据,推送实时效果数据的竞价。
可以做到同时调控大量直通车计划单元价格,确保所有调控都基于同样的调控算法,保证调控效果的统一性和可跟踪性。节省人力调控成本,减少直通车推广人力,降低企业成本;
可根据不同的推广要求自动优化价格,调控时间可以做到全天候24小时监控和调整,避免非工作时间无人监控。进一步降低人力维护推广成本,节省调控时间。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅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为本发明一种基于效果数据的竞价调控方法架构流程示意图;
图2为本发明一种基于效果数据的竞价调控方法之各职能处理层整体结构示意图;
图3为本发明一种基于效果数据的竞价调控系统架构示意图;
图4为本发明一种基于效果数据的竞价调控平台架构示意图;
图5为本发明一种实施例中计算机可读取存储介质架构示意图;
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为便于更好的理解本发明的目的、技术方案和优点更加清楚,下面结合附图和具体的实施方式对本发明作进一步说明,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。
本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。其次,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
优选地,本发明的基于效果数据的竞价调控方法应用在一个或者多个终端或者服务器中。所述终端是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可以与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
本发明为实现基于效果数据的竞价调控,提供的一种效果数据的竞价调控方法、系统、平台及存储介质。
如图1所示,是本发明实施例提供的基于效果数据的竞价调控方法的流程图。
在本实施例中,所述基于效果数据的竞价调控方法,可以应用于具备显示功能的终端或者固定终端中,所述终端并不限定于个人电脑、智能手机、平板电脑、安装有摄像头的台式机或一体机等。
所述基于效果数据的竞价调控核对方法也可以应用于由终端和通过网络与所述终端进行连接的服务器所构成的硬件环境中。网络包括但不限于:广域网、城域网或局域网。本发明实施例的基于效果数据的竞价调控方法可以由服务器来执行,也可以由终端来执行,还可以是由服务器和终端共同执行。
例如,对于需要进行基于效果数据的竞价调控终端,可以直接在终端上集成本发明的方法所提供的基于效果数据的竞价调控功能,或者安装用于实现本发明的方法的客户端。再如,本发明所提供的方法还可以软件开发工具包(Software Development Kit,SDK)的形式运行在服务器等设备上,以SDK的形式提供基于效果数据的竞价调控功能的接口,终端或其他设备通过所提供的接口即可实现基于效果数据的竞价调控功能。
如图1所示,本发明提供了一种基于效果数据的竞价调控方法,所述方法具体包括如下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
获取效果数据,并对效果数据进行预训练特征权重;
根据效果数据构建权重分布矩阵;
结合权重分布矩阵实时分配相对应的预测数据;
根据特定消费群体结合预测数据,推送实时效果数据的竞价。
在本发明实施例中,所述的获取效果数据,并对效果数据进行预训练特征权重步骤中,还包括对效果数据进行自动化竞价托管的设置。
所述的效果数据为数据库中积累的竞价特征及效果数据;
所述的对效果数据进行预训练特征权重,为根据挖掘出来的业务特征预训练特征权重。
所述的训练特征包括岭回归的逻辑回归算法和Lasso回归算法。也就是说,该训练数据是根据通过与合作的商家积累收集的业务特征数据和出价效果数据。每个数据都被人工分为效果好和效果差。具体的训练模型为两个:即基于岭回归的逻辑回归算法和Lasso回归算法。
通过两个算法训练每个特征对于数据被区分为效果好和效果差的倾向。每个算法都会给出每个特征对于效果好的权重,最终每个特征权重是两个算法的权重的均值。得到算法的训练权重值后,根据不同的竞价要求(比如测款、宝贝培养和爆款培养)修正各自要求下的权重得到最终的冷训练权重。
所述的业务特征包括:关键词的点击数、总加入购物车数、总店铺收藏数、总宝贝收藏数、点击单价、点击率、至少7天投入产出比、至少7天总成交金额和至少7天总成交订单数;具体为历史关键词的流量特征和历史转化效果特征。
所述的根据效果数据构建权重分布矩阵具体为:基于历史投放数据和全网关键词数据,计算构建旗下关键词人群和定向的效果权重分布矩阵。
所述的历史投放数据具体为选取近至少7天数据,所述的历史投放数据包括对历史至少7天数据的合成特征整合,即为历史流量特征数据和历史天数转化特征;
所述的合成特征有:点击成本、加购成本、收藏成本、总订单成本和总成交成本;
其中:点击成本为点击除以消耗;加购成本为总加入购物车数除以消耗;收藏成本为总收藏数除以消耗;总订单成本为总成交订单数除以消耗;总成交成本为总成交金额除以消耗;
所述的消耗指的是直通车的广告消耗。
具体地,所述的合成特征和至少7天数据的合成特征整合总体效果的计算公式为:
其中:P为每个合成特征,Psum为至少7天数据的合成特征整合总体效果,i为第i天的合成特征,也适用于每天的特征数据呈现正向折扣卷积形式。
在本发明实施例中,所述的结合权重分布矩阵实时分配相对应的预测数据具体为:结合权重分布矩阵,根据每个计划单元的预算要求和投放要求,实时评估每个关键词人群和定向的效果,并预测未来消耗数据。对于每个需要调整的关键词人群好定向,结合历史效果权重、实时效果及其实时价格分布调整它的价格,以适应其分配的预算和预测的效果,从而达到自动化优化商家计划单元效果。
具体地,所述关键词为近至少30天数据的整合评估预测关键词,其计算预测公式为:
其中,Kscore为近至少30天数据的整合评估预测关键词,E为展现,F为转化指数,M为分数,N为竞争度;
具体计算预测方式是于词全网效果展现、点击和转化等呈现正相关,和竞争度呈现负相关;
所述的展现指的是直通车广告的展现值;
所述的转化指数指的是词全网的平均转化指数;
所述的分数指的是词在直通车的质量分;
所述的竞争度指的是词在直通车的返回的竞争度。
在本发明实施例中,如图2所示,在步骤根据效果数据构建权重分布矩阵中还包括:
对于商家计划单元的近至少7天历史效果数据分为关键词、人群和定向历史效果数据。
对于每个关键词、人群和定向的历史效果数据。根据预训练特征权重结合历史效果数据计算每个特征历史维度的权重。而对于每个关键词,获取其近至少30天全网表现数据和单元产品所对应二级类目的表现数据。也就是说,根据预训练特征权重计算每个关键词结合全网类目数据和历史效果数据的计算特征权重分布。
较佳地,在步骤结合权重分布矩阵实时分配相对应的预测数据之中还包括:
对于商家计划单元的每一次需要调控的竞价实时数据,需要对其进行检验和初始化。其中包括默认值处理和异常值处理。默认值处理包括最大最小价格、最大调幅、CPC最大预估和凌晨早上下午晚上的消耗分配。异常值处理包括数值缺省和数值错误纠正。
根据商家计划单元的实时效果数据,结合特征权重计算出每个关键词、人群和定向的实时效果权重分布矩阵。结合实时效果权重分布矩阵和历史数据及全网效果特征权重分布计算最终的关键词的权重。再结合实时效果权重分布矩阵和历史效果特征权重分布计算最终的人群和定向的权重。
根据权重,结合计划单元的调控要求,分配每个关键词、人群和定向的当天预算。
根据计划单元的实时消耗效果数据,对于所述的当天预算,动态分配每个关键词、人群和定向的未来消耗预算。
根据所述的未来消耗预算结合每个关键词、人群和定向的价格分布规律和所述的效果最终权重,预测出完成目标效果的价格。最后基于算法给出的价格结合调控要求做出调整,最终调控价格以完成自动出价。
也就是说,在本发明基于效果数据的竞价调控方法中,商家首先需要把需要实施自动化调价的计划托管给调价服务器。根据要求进行自动化竞价托管的设置,其中包括托管预算、最大最小价格、早中晚凌晨比例等设置。
在托管设置完毕后,调价服务器开始获取被托管计划单元的历史数据和实时数据。
当按照托管设置中生成了调价任务时,算法会对调价数据进行校对和初始化处理。其中包括CPC预估、最大最小价格设置和凌晨早上中午晚上的消耗分配等。
根据调价数据中的历史数据和预训练的特征权重计算历史数据的特征(关键词、人群和定向)权重。
根据调价数据中的关键词全网数据和类目数据计算关键词的全网类目权重,和所述的历史数据特征权重进一步计算为关键词的权重分布数据。
根据实时效果数据,结合所述的关键词权重分布数据和所述的历史数据特征权重(人群和定向)计算出最终的效果权重分布数据(关键词、人群和定向)。
根据托管设置的计划消耗预算和当前各个部分的消耗情况,基于所述的权重分布分配预算和对未来时间内的消耗预估。
根据每个部分(关键词人群定向)的价格和消耗分布,对上一步骤中给出的消耗预估做出价格调整。
对于算法价格调整结合托管设置和所述的初始化数据做价格微调作为最终出价,并最终把价格回调给调价服务器做出调整。
为实现上述目的,如图3所示,本发明还提供一种基于效果数据的竞价调控系统,所述的系统包括:
数据获取单元,用于获取效果数据,并对效果数据进行预训练特征权重;
分布矩阵构建单元,用于根据效果数据构建权重分布矩阵;
数据预测单元,用于结合权重分布矩阵实时分配相对应的预测数据;
竞价推送单元,根据特定消费群体结合预测数据,推送实时效果数据的竞价。
较佳地,所述的系统还包括:
设置模块,用于对效果数据进行自动化竞价托管的设置。
本发明还提出一种基于效果数据的竞价调控平台,如图4所示,包括:
处理器、存储器以及成本价实时核对平台控制程序;
其中在所述处理器执行所述平台控制程序,所述竞价调控平台控制程序被存储在所述存储器中,所述竞价调控平台控制程序,实现所述的基于效果数据的竞价调控方法步骤,例如:
获取效果数据,并对效果数据进行预训练特征权重;
根据效果数据构建权重分布矩阵;
结合权重分布矩阵实时分配相对应的预测数据;
根据特定消费群体结合预测数据,推送实时效果数据的竞价。
步骤具体细节已在上文阐述,此处不再赘述;
本发明实施例中,所述的基于效果数据的竞价调控平台内置处理器,可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processingunit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器利用各种接口和线路连接取各个部件,通过运行或执行存储在存储器内的程序或者单元,以及调用存储在存储器内的数据,以执行竞价调控的各种功能和处理数据;
存储器用于存储程序代码和各种数据,安装在基于效果数据的竞价调控平台中,并在运行过程中实现高速、自动地完成程序或数据的存取。
所述存储器包括只读存储器(Read-Only Memory,ROM),随机存储器(RandomAccess Memory,RAM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable ProgrammableRead-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
本发明还提出一种计算机可读取存储介质,如图5所示,所述计算机可读取存储介质存储有竞价调控平台应用程序,所述应用程序实现如所述的基于效果数据的竞价调控方法步骤,例如,
获取效果数据,并对效果数据进行预训练特征权重;
根据效果数据构建权重分布矩阵;
结合权重分布矩阵实时分配相对应的预测数据;
根据特定消费群体结合预测数据,推送实时效果数据的竞价。
步骤具体细节已在上文阐述,此处不再赘述;
在本发明的实施方式的描述中,需要说明的是,流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读取介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读取介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
通过本发明的步骤、系统、平台及存储介质,可以做到同时调控大量直通车计划单元价格,确保所有调控都基于同样的调控算法,保证调控效果的统一性和可跟踪性。节省人力调控成本,减少直通车推广人力,降低企业成本;
可根据不同的推广要求自动优化价格,调控时间可以做到全天候24小时监控和调整,避免非工作时间无人监控。进一步降低人力维护推广成本,节省调控时间。
较佳地,可以根据商家要求,广告竞争策略以点击流量为主,切换成CPC流量竞价模型,优化店内的竞店流量。
可以根据商家要求,广告竞争策略以成交转化为主,切换成ROI转化竞价模型,着重优化店内的广告投入产出比。
可以根据店内近期历史投放记录,设定后期最高最低价格区间模型(近段时间的消耗、点击和展现等维度模型),减少人工价格区间输入干扰模型,做到自动价格限制。
而且,对于已经积累的大量直通车调价效果数据做业务特征提取,利用回归等算法计算特征初始权重。
当调价任务触发调价需求,调价数据抵达算法服务器,算法对数据校验后,根据算法对历史数据、类目全网数据和实时数据对效果计算权重。
根据每个关键词人群和定向的消耗情况和所述的权重给出最后的未来消耗,根据价格分布和权重做出调整,最终把调价数据回调给调价服务器做出调整。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种基于效果数据的竞价调控方法,其特征在于,所述的方法具体包括如下步骤:
获取效果数据,并对效果数据进行预训练特征权重;
根据效果数据构建权重分布矩阵;
结合权重分布矩阵实时分配相对应的预测数据;
根据特定消费群体结合预测数据,推送实时效果数据的竞价。
2.根据权利要求1所述的一种基于效果数据的竞价调控方法,其特征在于,所述的获取效果数据,并对效果数据进行预训练特征权重步骤中,还包括对效果数据进行自动化竞价托管的设置。
3.根据权利要求1所述的一种基于效果数据的竞价调控方法,其特征在于,所述的效果数据为数据库中积累的竞价特征及效果数据;
所述的对效果数据进行预训练特征权重,为根据挖掘出来的业务特征预训练特征权重。
4.根据权利要求1所述的一种基于效果数据的竞价调控方法,其特征在于,所述的训练特征,其训练方法包括岭回归的逻辑回归算法和Lasso回归算法。
5.根据权利要求3所述的一种基于效果数据的竞价调控方法,其特征在于,所述的业务特征包括:关键词的点击数、总加入购物车数、总店铺收藏数、总宝贝收藏数、点击单价、点击率、至少7天投入产出比、至少7天总成交金额和至少7天总成交订单数。
6.根据权利要求1所述的一种基于效果数据的竞价调控方法,其特征在于,所述的根据效果数据构建权重分布矩阵具体为:基于历史投放数据和全网关键词数据,计算构建旗下关键词人群和定向的效果权重分布矩阵。
7.根据权利要求6所述的一种基于效果数据的竞价调控方法,其特征在于,所述的历史投放数据具体为选取近至少7天数据,所述的历史投放数据包括对历史至少7天数据的合成特征整合;
所述的合成特征有:点击成本、加购成本、收藏成本、总订单成本和总成交成本。
8.根据权利要求7所述的一种基于效果数据的竞价调控方法,其特征在于,所述的合成特征和至少7天数据的合成特征整合总体效果的计算公式为:
其中:P为每个合成特征,Psum为至少7天数据的合成特征整合总体效果,i为第i天的合成特征。
9.根据权利要求1所述的一种基于效果数据的竞价调控方法,其特征在于,所述的结合权重分布矩阵实时分配相对应的预测数据具体为:结合权重分布矩阵,根据每个计划单元的预算要求和投放要求,实时评估每个关键词人群和定向的效果,并预测未来消耗数据。
10.根据权利要求9所述的一种基于效果数据的竞价调控方法,其特征在于,所述关键词为近至少30天数据的整合评估预测关键词,其计算预测公式为:
其中,Kscore为近至少30天数据的整合评估预测关键词,E为展现,F为转化指数,M为分数,N为竞争度。
11.一种基于效果数据的竞价调控系统,其特征在于,所述的系统具体包括:
数据获取单元,用于获取效果数据,并对效果数据进行预训练特征权重;
分布矩阵构建单元,用于根据效果数据构建权重分布矩阵;
数据预测单元,用于结合权重分布矩阵实时分配相对应的预测数据;
竞价推送单元,根据特定消费群体结合预测数据,推送实时效果数据的竞价。
12.根据权利要求11所述的一种基于效果数据的竞价调控系统,其特征在于,所述的系统还包括:
设置模块,用于对效果数据进行自动化竞价托管的设置。
13.一种基于效果数据的竞价调控平台,其特征在于,包括:
处理器、存储器以及竞价调控平台控制程序;
其中在所述处理器执行所述平台控制程序,所述竞价调控平台控制程序被存储在所述存储器中,所述竞价调控平台控制程序,实现如权利要求1至10中任一项所述的基于效果数据的竞价调控方法步骤。
14.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质存储有竞价调控平台控制程序,所述竞价调控平台控制程序,实现如权利要求1至10中任一项所述的基于效果数据的竞价调控方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811484984.XA CN109658135A (zh) | 2018-12-06 | 2018-12-06 | 基于效果数据的竞价调控方法、系统、平台及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811484984.XA CN109658135A (zh) | 2018-12-06 | 2018-12-06 | 基于效果数据的竞价调控方法、系统、平台及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109658135A true CN109658135A (zh) | 2019-04-19 |
Family
ID=66111761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811484984.XA Pending CN109658135A (zh) | 2018-12-06 | 2018-12-06 | 基于效果数据的竞价调控方法、系统、平台及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658135A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674013A (zh) * | 2021-07-08 | 2021-11-19 | 上海百秋电子商务有限公司 | 一种基于商户自定义规则的广告竞价调整方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960359A (zh) * | 2017-02-10 | 2017-07-18 | 上海智子信息科技股份有限公司 | 一种基于流式计算的全自动竞价优化方法及系统 |
CN107077690A (zh) * | 2014-09-01 | 2017-08-18 | 真实眼私人有限公司 | 定向基于Web的广告的方法 |
CN107153970A (zh) * | 2017-04-24 | 2017-09-12 | 郑州埃文计算机科技有限公司 | 一种面向实时竞价广告的出价及预算估计方法 |
CN107481043A (zh) * | 2017-08-02 | 2017-12-15 | 北京品友互动信息技术股份公司 | 用于广告点位探测的方法及装置 |
CN107844995A (zh) * | 2017-11-15 | 2018-03-27 | 中国联合网络通信集团有限公司 | 广告投放方法、广告交易平台及广告投放系统 |
-
2018
- 2018-12-06 CN CN201811484984.XA patent/CN109658135A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107077690A (zh) * | 2014-09-01 | 2017-08-18 | 真实眼私人有限公司 | 定向基于Web的广告的方法 |
CN106960359A (zh) * | 2017-02-10 | 2017-07-18 | 上海智子信息科技股份有限公司 | 一种基于流式计算的全自动竞价优化方法及系统 |
CN107153970A (zh) * | 2017-04-24 | 2017-09-12 | 郑州埃文计算机科技有限公司 | 一种面向实时竞价广告的出价及预算估计方法 |
CN107481043A (zh) * | 2017-08-02 | 2017-12-15 | 北京品友互动信息技术股份公司 | 用于广告点位探测的方法及装置 |
CN107844995A (zh) * | 2017-11-15 | 2018-03-27 | 中国联合网络通信集团有限公司 | 广告投放方法、广告交易平台及广告投放系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674013A (zh) * | 2021-07-08 | 2021-11-19 | 上海百秋电子商务有限公司 | 一种基于商户自定义规则的广告竞价调整方法及系统 |
CN113674013B (zh) * | 2021-07-08 | 2024-04-30 | 上海百秋新网商数字科技有限公司 | 一种基于商户自定义规则的广告竞价调整方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kahlen et al. | Electric vehicle virtual power plant dilemma: Grid balancing versus customer mobility | |
US20120330759A1 (en) | Energy systems | |
AU2009217349B2 (en) | Automatically prescribing total budget for marketing and sales resources and allocation across spending categories | |
US20100280935A1 (en) | System and Method for Creating and Managing Financially-Related Goals | |
US20120296799A1 (en) | System, method and computer program for energy use management and reduction | |
US8688506B2 (en) | Determining tailored pricing for retail energy market | |
US20020019802A1 (en) | System and methods for aggregation and liquidation of curtailment energy resources | |
US20110137763A1 (en) | System that Captures and Tracks Energy Data for Estimating Energy Consumption, Facilitating its Reduction and Offsetting its Associated Emissions in an Automated and Recurring Fashion | |
US20030216971A1 (en) | User interface for a system using digital processors and networks to facilitate, analyze and manage resource consumption | |
US8719081B1 (en) | Bid adjustment scheduling for electronic advertising | |
US20070255457A1 (en) | Consumer Pollution Impact Profile System and Method | |
WO2013102932A2 (en) | System and method facilitating forecasting, optimization and visualization of energy data for an industry | |
CN114943565A (zh) | 基于智能算法的电力现货价格预测方法及装置 | |
US20140316964A1 (en) | Systems and Methods for Tracking Greenhouse Gas Emissions | |
CN111932314A (zh) | 推荐内容的推送方法、装置、设备及可读存储介质 | |
CN111512326A (zh) | 基于负载形状分析的能量计划通信控制系统及方法 | |
CN109658135A (zh) | 基于效果数据的竞价调控方法、系统、平台及存储介质 | |
CN113255996A (zh) | 一种标签化的电费余额管理方法、装置、设备及存储介质 | |
CN116091242A (zh) | 推荐产品组合生成方法及装置、电子设备和存储介质 | |
WO2022068590A1 (zh) | 备货量确定方法及装置、计算机存储介质、电子设备 | |
KR20210026301A (ko) | 딥러닝 기반 농산물 물동량 분배 의사결정 지원 시스템 | |
CN106557946A (zh) | 适用于分散式多点营销网络的收益管理系统 | |
US20040186785A1 (en) | Process and system for defining services within an information technology offering | |
WO2019043729A2 (en) | SYSTEM AND METHOD FOR PERFORMANCE MANAGEMENT FOR ROTARY SAVINGS AND CREDIT ASSETS | |
Karthi et al. | Blockchain Empowered Solar Energy Trading: A Decentralized Grid Integration Revolution |
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: 20190419 |