CN109816414A - 广告效果数据预测方法及装置 - Google Patents
广告效果数据预测方法及装置 Download PDFInfo
- Publication number
- CN109816414A CN109816414A CN201711171820.7A CN201711171820A CN109816414A CN 109816414 A CN109816414 A CN 109816414A CN 201711171820 A CN201711171820 A CN 201711171820A CN 109816414 A CN109816414 A CN 109816414A
- Authority
- CN
- China
- Prior art keywords
- date
- forecast
- advertisement
- data
- historical
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种广告效果数据预测方法及装置,该方法包括:确定预测日期的日期类型;确定类型与日期类型相同的至少一个历史日期,并调取至少一个历史日期所对应的历史广告效果数据;根据至少一个历史日期所对应的历史效果数据,计算预测日期的广告效果数据。由于历史日期的日期类型与预测日期是相同的,其广告投放效果参考性也就更高,这就可以保证预测的准确度,从而为后续广告投放方案的制定提供有效参考,从而为合理控制广告投放成本提供有效的参照,有助于让商家抓住广告投放的有利时机加大广告投入力度以便获取更大收益,同时能够避免让商家在不佳的投放时机进行大量不必要的广告投资。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种广告效果数据预测方法及装置。
背景技术
随着信息技术的不断发展,越来越多的产品或服务提供商通过网站进行广告宣传。而为了更好制定广告投放策略,需要提前估算广告投放效果以便于为广告投放方案(包括投放的渠道数量、投放时间长短等)的制定提供参照。
目前,对于广告效果数据的预测,主要是由咨询师结合自身经验人为进行。但是,由于受咨询师自身经验影响很大,这就无法保证预测的准确度,从而影响后续广告投放方案的制定,无法为合理控制广告投放成本提供有效参照。
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效果数据预测方法及装置。
具体技术方案如下:
一种广告效果数据预测方法,包括:
确定预测日期的日期类型;
确定类型与所述日期类型相同的至少一个历史日期,并调取所述至少一个历史日期所对应的历史广告效果数据;
根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据。
优选的,所述确定预测日期的日期类型,包括:
判断所述预测日期是否为预设节假日期;
若所述预测日期为所述预设节假日期,将所述预测日期确定为第一日期类型;
若所述预测日期不为所述预测节假日期,判断所述预测日期是否为预设工作日期;
若所述预测日期为所述预设工作日期,将所述预测日期确定为第二日期类型;
若所述预测日期不为所述预设工作日期,将所述预测日期确定为第三日期类型。
优选的,所述确定类型与所述日期类型相同的至少一个历史日期,包括:
将类型与所述日期类型相同、并且已发布广告的各个日期分别确定为历史日期;
所述调取所述至少一个历史日期所对应的历史广告效果数据,包括:
调取在各个所述历史日期内进行广告投放后所得到的历史广告效果数据。
优选的,在所述至少一个历史日期为多个历史日期的情况下,所述根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据,包括:
基于各个历史日期与所述预测日期之间的时间间隔,为各个所述历史日期所对应的历史效果数据分配权重值;
根据各个所述历史效果数据和各个所述历史效果数据对应的权重值,计算所述预测日期的广告效果数据。
优选的,还包括:
获取所述预测日期的实际广告效果数据;
根据所述广告效果数据和所述实际广告效果数据,计算所述广告效果数据对应的完成率;
在将所述预测日期作为历史日期预测后续日期的广告效果数据的情况下,根据所述预测日期对应的完成率,调整所述预测日期所对应的实际广告效果数据的权重值。
优选的,所述广告效果数据,包括:广告曝光数据和/或广告点击数据。
一种广告效果数据预测装置,包括:确定模块、调取模块和计算模块;
所述确定模块,用于确定预测日期的日期类型;
所述调取模块,用于确定类型与所述日期类型相同的至少一个历史日期,并调取所述至少一个历史日期所对应的历史广告效果数据;
所述计算模块,用于根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据。
优选的,所述计算模块,具体用于:
基于各个历史日期与所述预测日期之间的时间间隔,为各个所述历史日期所对应的历史效果数据分配权重值;根据各个所述历史效果数据和各个所述历史效果数据对应的权重值,计算所述预测日期的广告效果数据。
一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述技术方案中任意一项所述的广告效果数据预测方法。
一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述技术方案中任意一项所述的广告效果数据预测方法。
借由上述技术方案,本发明提供的广告效果数据预测方法及装置,可以按照预测日期的日期类型获取至少一个历史日期的历史广告效果数据,进而计算预测日期的广告效果数据。
由于历史日期的日期类型与预测日期是相同的,其广告投放效果参考性也就更高,这就可以保证预测的准确度,从而为后续广告投放方案的制定提供有效参考,从而为合理控制广告投放成本提供有效的参照,有助于让商家抓住广告投放的有利时机加大广告投入力度以便获取更大收益,同时能够避免让商家在不佳的投放时机进行大量不必要的广告投资。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
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示出了广告效果数据预测方法的方法流程图;
图2示出了广告效果数据预测方法的部分方法流程图;
图3示出了广告效果数据预测方法的另一方法流程图;
图4示出了广告效果数据预测装置的结构示意图。
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。
本发明实施例提供一种广告效果数据预测方法,该方法的方法流程图如图1所示,包括如下步骤:
S10,确定预测日期的日期类型;
在执行步骤S10的过程中,由于广告投放具有时效性,比如,对于广告A的点击量来说,周末要远高于非周末,因此首先需要确定预测日期的日期类型,一般来说,可将日期分为平日、周末和节假日这三种日期类型,其中,平日指的是一般性工作日,周末包含周六、周日和调休日、节假日就指的是法定节假日,比如,春节、元旦和中秋等。
当然,还可按照实际需要将日期分为工作日和非工作日这两种日期类型。对于日期类型的设置本实施例不做具体限定,可根据实际需要具体设置。
在具体实现过程中,步骤S10“确定预测日期的日期类型”,可以具体采用以下步骤,方法流程图如图2所示:
S101,判断预测日期是否为预设节假日期;若预测日期为预设节假日期,则执行步骤S102;若预测日期不为预测节假日期,则执行步骤S103;
预设节假日期包括春节日期、国庆日期、元旦日期和清明日期等法定节假日期。
S102,将预测日期确定为第一日期类型;
本实施例中,若预测日期为预设节假日期,则可确定预测日期为第一日期类型,也就是“节假日”这一日期类型。
S103,判断预测日期是否为预设工作日期;若预测日期为预设工作日期,则执行步骤S104;若预测日期不为预设工作日期,则执行步骤S105;
本实施例中,若预测日期不为预设节假日期,则进一步判断是否为平日;若预测日期为平日,则可确定预测日期为第二日期类型,也就是“平日”这一日期类型,反之,则可确定预测日期为第三日期类型,也就是“周末”这一日期类型。
S104,将预测日期确定为第二日期类型;
S105,将预测日期确定为第三日期类型。
S20,确定类型与日期类型相同的至少一个历史日期,并调取至少一个历史日期所对应的历史广告效果数据;
通常,广告效果数据包括广告曝光数据和广告点击数据中的至少一种,其中,广告曝光数据用于表征客户端播放广告的次数,广告点击数据用于表征客户端在广告播放时点击广告的次数。
本实施例中,可将类型与预测日期类型相同、并且已发布广告的日期作为历史日期,具体的,可按照预先设置的历史日期与其日期类型的映射关系确定;相应,就可调用在各个历史日期内进行广告投放后所得到的历史广告效果数据。比如,对于第一日期类型,也就是“节假日”这一日期类型来说,可调取预测日期之前最近10天(都是节假日)的广告效果数据;对于第二日期类型,也就是“平日”这一日期类型来说,可调取预测日期之前最近30天(都是平日)的广告效果数据;而对于第三日期类型,也就是“周末”这一日期类型,则可调取预测日期之前最近8天(都是周末)的广告效果数据。
当然,具体日期类型对应的历史日期的数量,用户可根据实际需要具体设置,本实施例不做具体限定,基于日期类型确定数据调取日期的方式均在本实施例保护范围内。
每个日期的实际广告效果数据可以保存在诸如数据库的存储介质中,与每个日期对应保存的还包括各个日期的日期类型。在进行预测时,可以根据预测日期的日期类型在数据库中进行日期比对,确定日期类型相同的日期作为历史日期,之后再调取这些历史日期的实际广告效果数据作为历史广告效果数据。
S30,根据至少一个历史日期所对应的历史效果数据,计算预测日期的广告效果数据;
对于某一种广告效果数据,比如,广告曝光数据,可利用其对应的至少一个广告曝光数据计算预测日期的广告曝光数据,当然,广告点击数据也是如此。
本实施例中,可预先对至少一个历史日期对应的历史效果数据进行预处理,比如,可去除其中缺少代表性的历史效果数据,以下举例说明:
对于广告曝光数据来说,若其预测日期为第二日期类型,由于所调取历史广告曝光数据为预测日期之前最近30天(都是平日)的,因此,历史广告曝光数据就为30个,可从这30个历史曝光数据中去除两个最高值和两个最低值,利用剩余的26个历史广告曝光数据计算预测日期的广告曝光数据。
需要说明的是,具体预处理去除缺少代表性的历史效果数据的方式,本实施例并不进行限定,可根据实际需要具体选择。比如,若广告曝光数据为第一日期类型,可从10个历史曝光数据中去除一个最高值和一个最低值,利用剩余的8个历史广告曝光数据计算预测日期的广告曝光数据;再比如,若广告曝光数据为第三日期类型,可从8个历史曝光数据中去除一个最高值和一个最低值,利用剩余的6个历史广告曝光数据计算预测日期的广告曝光数据。
进一步,在历史日期为多个的情况下,比如上述预处理后剩余的26个历史广告曝光数据对应的历史日期。由于广告投放效果具有时效性,距离预测日期越近,使用期计算得到的广告曝光数据的准确度就越高,因此,可基于各个历史日期与预测日期之间的时间间隔为上述26个历史广告曝光数据分配权重值,其中,权重值之和为1。
当然,若历史日期为1个,则直接将权重设置为1,也就是说,该历史日期对应的历史效果数据即为预测日期的广告效果数据。
当然,还可按照广告曝光数据的投放位置,比如,投放时段以及投放网站等分配权重值,本实施例不做具体限定。
在为各个历史广告曝光数据分配权重值之后,可根据各个历史广告曝光数据以及各个历史曝光数据对应的权重值,计算预测日期的广告曝光数据,以下举例说明:
若距离预测日期最近的6天平日对应的权重值为距离预测日期最近的7~16天平日对应的权重值为距离预测日期最近的17~26天平日对应的权重值为则可按照如下公式(1)计算预测日期的广告曝光数据:
其中,a1、a2、…、a6为距离预测日期最近的6天平日,b1、b2、…、b10为离预测日期最近的7~16天平日,c1、c2、…、c10为距离预测日期最近的17~26天平日。
进一步地,为评估广告投放效果,在其中一些实施例中,上述方法还包括如下步骤,方法流程图如图3所示:
S40,获取预测日期的实际广告效果数据;
S50,根据广告效果数据和实际广告效果数据,计算广告效果数据对应的完成率;
在数字营销活动中,广告投放出去之后,需要从很多角度评估其投放效果,其中,有个评估指标为完成率。以广告A举例,若在广告A投放之前预测的广告曝光数据为100万次/天,广告点击数据为5000次/天,在实际投放之后,广告A的实际广告曝光数据为90万次/天,实际广告点击数据为4800次/天,则广告A的广告曝光数据的完成率和广告点击数据的完成率可分别按照如下公式(2)和(3)计算:
S60,在将预测日期作为历史日期预测后续日期的广告效果数据的情况下,根据预测日期对应的完成率,调整预测日期所对应的实际广告效果数据的权重值;
本实施例中,在预测日期到来、并且进行广告投放之后,即可计算其广告效果数据对应的完成率,利用完成率可在该预测日期作为历史日期时调整对其实际广告效果数据对应的权重值,具体的,可利用预先设置的完成率与权重值之间的映射关系,比如,90%完成率对应的权重值为50%完成率对应的权重值为
以上步骤S101~步骤S105仅仅是本申请实施例公开的步骤S10“确定预测日期的日期类型”过程的一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
本发明实施例提供的广告效果数据预测方法,可以按照预测日期的日期类型获取至少一个历史日期的历史广告效果数据,进而计算预测日期的广告效果数据。由于历史日期的日期类型与预测日期是相同的,其广告投放效果参考性也就更高,这就可以保证预测的准确度,从而为后续广告投放方案的制定提供有效参考,从而为合理控制广告投放成本提供有效的参照,有助于让商家抓住广告投放的有利时机加大广告投入力度以便获取更大收益,同时能够避免让商家在不佳的投放时机进行大量不必要的广告投资。
基于上述实施例提供的广告效果数据预测方法,本发明实施例则提供一种执行上述广告效果数据预测方法的装置,其结构示意图如图4所示,包括:确定模块10、调取模块20和计算模块30;
确定模块10,用于确定预测日期的日期类型;
调取模块20,用于确定类型与日期类型相同的至少一个历史日期,并调取至少一个历史日期所对应的历史广告效果数据;
计算模块30,用于根据至少一个历史日期所对应的历史效果数据,计算预测日期的广告效果数据。
在其中一些实施例中,确定模块10,具体用于:
判断预测日期是否为预设节假日期;若预测日期为预设节假日期,将预测日期确定为第一日期类型;若预测日期不为预测节假日期,判断预测日期是否为预设工作日期;若预测日期为所述预设工作日期,将预测日期确定为第二日期类型;若预测日期不为预设工作日期,将预测日期确定为第三日期类型。
在其中一些实施例中,调取模块20,具体用于:
将类型与日期类型相同、并且已发布广告的各个日期分别确定为历史日期;调取在各个历史日期内进行广告投放后所得到的历史广告效果数据。
在其中一些实施例中,计算模块30,具体用于:
基于各个历史日期与预测日期之间的时间间隔,为各个历史日期所对应的历史效果数据分配权重值;根据各个历史效果数据和各个历史效果数据对应的权重值,计算预测日期的广告效果数据。
在其中一些实施例中,上述装置还包括如下模块:权重调整模块;
权重调整模块,用于获取预测日期的实际广告效果数据;根据广告效果数据和实际广告效果数据,计算广告效果数据对应的完成率;在将预测日期作为历史日期预测后续日期的广告效果数据的情况下,根据预测日期对应的完成率,调整预测日期所对应的实际广告效果数据的权重值。
本发明实施例提供的广告效果数据预测装置,可以按照预测日期的日期类型获取至少一个历史日期的历史广告效果数据,进而计算预测日期的广告效果数据。由于历史日期的日期类型与预测日期是相同的,其广告投放效果参考性也就更高,这就可以保证预测的准确度,从而为后续广告投放方案的制定提供有效参考,从而为合理控制广告投放成本提供有效的参照,有助于让商家抓住广告投放的有利时机加大广告投入力度以便获取更大收益,同时能够避免让商家在不佳的投放时机进行大量不必要的广告投资。
本发明实施例还提供一种广告效果数据预测装置,该广告效果数据预测装置包括处理器和存储器,上述确定模块、调取模块和计算模块30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预测广告投放效果数据。
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。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述广告效果数据预测方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述广告效果数据预测方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
确定预测日期的日期类型;
确定类型与所述日期类型相同的至少一个历史日期,并调取所述至少一个历史日期所对应的历史广告效果数据;
根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据。
其中,所述确定预测日期的日期类型,包括:
判断所述预测日期是否为预设节假日期;
若所述预测日期为所述预设节假日期,将所述预测日期确定为第一日期类型;
若所述预测日期不为所述预测节假日期,判断所述预测日期是否为预设工作日期;
若所述预测日期为所述预设工作日期,将所述预测日期确定为第二日期类型;
若所述预测日期不为所述预设工作日期,将所述预测日期确定为第三日期类型。
其中,所述确定类型与所述日期类型相同的至少一个历史日期,包括:
将类型与所述日期类型相同、并且已发布广告的各个日期分别确定为历史日期;
所述调取所述至少一个历史日期所对应的历史广告效果数据,包括:
调取在各个所述历史日期内进行广告投放后所得到的历史广告效果数据。
其中,在所述至少一个历史日期为多个历史日期的情况下,所述根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据,包括:
基于各个历史日期与所述预测日期之间的时间间隔,为各个所述历史日期所对应的历史效果数据分配权重值;
根据各个所述历史效果数据和各个所述历史效果数据对应的权重值,计算所述预测日期的广告效果数据。
其中,还包括:
获取所述预测日期的实际广告效果数据;
根据所述广告效果数据和所述实际广告效果数据,计算所述广告效果数据对应的完成率;
在将所述预测日期作为历史日期预测后续日期的广告效果数据的情况下,根据所述预测日期对应的完成率,调整所述预测日期所对应的实际广告效果数据的权重值。
其中,所述广告效果数据,包括:广告曝光数据和/或广告点击数据。
本文中的设备可以是服务器、PC、PAD、手机等。
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:
确定预测日期的日期类型;
确定类型与所述日期类型相同的至少一个历史日期,并调取所述至少一个历史日期所对应的历史广告效果数据;
根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据。
其中,所述确定预测日期的日期类型,包括:
判断所述预测日期是否为预设节假日期;
若所述预测日期为所述预设节假日期,将所述预测日期确定为第一日期类型;
若所述预测日期不为所述预测节假日期,判断所述预测日期是否为预设工作日期;
若所述预测日期为所述预设工作日期,将所述预测日期确定为第二日期类型;
若所述预测日期不为所述预设工作日期,将所述预测日期确定为第三日期类型。
其中,所述确定类型与所述日期类型相同的至少一个历史日期,包括:
将类型与所述日期类型相同、并且已发布广告的各个日期分别确定为历史日期;
所述调取所述至少一个历史日期所对应的历史广告效果数据,包括:
调取在各个所述历史日期内进行广告投放后所得到的历史广告效果数据。
其中,在所述至少一个历史日期为多个历史日期的情况下,所述根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据,包括:
基于各个历史日期与所述预测日期之间的时间间隔,为各个所述历史日期所对应的历史效果数据分配权重值;
根据各个所述历史效果数据和各个所述历史效果数据对应的权重值,计算所述预测日期的广告效果数据。
其中,还包括:
获取所述预测日期的实际广告效果数据;
根据所述广告效果数据和所述实际广告效果数据,计算所述广告效果数据对应的完成率;
在将所述预测日期作为历史日期预测后续日期的广告效果数据的情况下,根据所述预测日期对应的完成率,调整所述预测日期所对应的实际广告效果数据的权重值。
其中,所述广告效果数据,包括:广告曝光数据和/或广告点击数据。
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。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,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。
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)
1.一种广告效果数据预测方法,其特征在于,包括:
确定预测日期的日期类型;
确定类型与所述日期类型相同的至少一个历史日期,并调取所述至少一个历史日期所对应的历史广告效果数据;
根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据。
2.根据权利要求1所述的方法,其特征在于,所述确定预测日期的日期类型,包括:
判断所述预测日期是否为预设节假日期;
若所述预测日期为所述预设节假日期,将所述预测日期确定为第一日期类型;
若所述预测日期不为所述预测节假日期,判断所述预测日期是否为预设工作日期;
若所述预测日期为所述预设工作日期,将所述预测日期确定为第二日期类型;
若所述预测日期不为所述预设工作日期,将所述预测日期确定为第三日期类型。
3.根据权利要求1所述的方法,其特征在于,所述确定类型与所述日期类型相同的至少一个历史日期,包括:
将类型与所述日期类型相同、并且已发布广告的各个日期分别确定为历史日期;
所述调取所述至少一个历史日期所对应的历史广告效果数据,包括:
调取在各个所述历史日期内进行广告投放后所得到的历史广告效果数据。
4.根据权利要求1所述的方法,其特征在于,在所述至少一个历史日期为多个历史日期的情况下,所述根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据,包括:
基于各个历史日期与所述预测日期之间的时间间隔,为各个所述历史日期所对应的历史效果数据分配权重值;
根据各个所述历史效果数据和各个所述历史效果数据对应的权重值,计算所述预测日期的广告效果数据。
5.根据权利要求1所述的方法,其特征在于,还包括:
获取所述预测日期的实际广告效果数据;
根据所述广告效果数据和所述实际广告效果数据,计算所述广告效果数据对应的完成率;
在将所述预测日期作为历史日期预测后续日期的广告效果数据的情况下,根据所述预测日期对应的完成率,调整所述预测日期所对应的实际广告效果数据的权重值。
6.根据权利要求1所述的方法,其特征在于,所述广告效果数据,包括:广告曝光数据和/或广告点击数据。
7.一种广告效果数据预测装置,其特征在于,包括:确定模块、调取模块和计算模块;
所述确定模块,用于确定预测日期的日期类型;
所述调取模块,用于确定类型与所述日期类型相同的至少一个历史日期,并调取所述至少一个历史日期所对应的历史广告效果数据;
所述计算模块,用于根据所述至少一个历史日期所对应的历史效果数据,计算所述预测日期的广告效果数据。
8.根据权利要求7所述的装置,其特征在于,所述计算模块,具体用于:
基于各个历史日期与所述预测日期之间的时间间隔,为各个所述历史日期所对应的历史效果数据分配权重值;根据各个所述历史效果数据和各个所述历史效果数据对应的权重值,计算所述预测日期的广告效果数据。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至6中任意一项所述的广告效果数据预测方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的广告效果数据预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711171820.7A CN109816414A (zh) | 2017-11-22 | 2017-11-22 | 广告效果数据预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711171820.7A CN109816414A (zh) | 2017-11-22 | 2017-11-22 | 广告效果数据预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109816414A true CN109816414A (zh) | 2019-05-28 |
Family
ID=66599764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711171820.7A Pending CN109816414A (zh) | 2017-11-22 | 2017-11-22 | 广告效果数据预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816414A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126624A (zh) * | 2019-12-20 | 2020-05-08 | 北京首汽智行科技有限公司 | 一种判定模型预测结果有效性的方法 |
CN111626793A (zh) * | 2020-06-02 | 2020-09-04 | 北京豆萌信息技术有限公司 | 广告的效果分析方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070255690A1 (en) * | 2006-04-28 | 2007-11-01 | Chi-Chao Chang | System and method for forecasting the performance of advertisements |
CN102110265A (zh) * | 2009-12-23 | 2011-06-29 | 深圳市腾讯计算机系统有限公司 | 一种预估网络广告效果的方法及系统 |
CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法和装置 |
CN106296286A (zh) * | 2016-08-09 | 2017-01-04 | 北京奇虎科技有限公司 | 广告点击率的预估方法和预估装置 |
-
2017
- 2017-11-22 CN CN201711171820.7A patent/CN109816414A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070255690A1 (en) * | 2006-04-28 | 2007-11-01 | Chi-Chao Chang | System and method for forecasting the performance of advertisements |
CN102110265A (zh) * | 2009-12-23 | 2011-06-29 | 深圳市腾讯计算机系统有限公司 | 一种预估网络广告效果的方法及系统 |
CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法和装置 |
CN106296286A (zh) * | 2016-08-09 | 2017-01-04 | 北京奇虎科技有限公司 | 广告点击率的预估方法和预估装置 |
Non-Patent Citations (1)
Title |
---|
赵刚: "《物流管理教程 第2版》", 31 March 2017 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126624A (zh) * | 2019-12-20 | 2020-05-08 | 北京首汽智行科技有限公司 | 一种判定模型预测结果有效性的方法 |
CN111626793A (zh) * | 2020-06-02 | 2020-09-04 | 北京豆萌信息技术有限公司 | 广告的效果分析方法、装置、电子设备及存储介质 |
CN111626793B (zh) * | 2020-06-02 | 2024-01-05 | 北京豆萌信息技术有限公司 | 广告的效果分析方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102110733B1 (ko) | 블록체인 기반의 콘텐츠 리워드 제공 방법 및 시스템 | |
CN110070399A (zh) | 一种优惠券推送方法及装置 | |
Malawski et al. | Scheduling multilevel deadline‐constrained scientific workflows on clouds based on cost optimization | |
US20190012663A1 (en) | Systems and methods for providing an architecture for an internet-based marketplace | |
Portella et al. | Statistical analysis of Amazon EC2 cloud pricing models | |
CN110148012A (zh) | 用户激励方法、装置、计算机设备及存储介质 | |
US11410117B2 (en) | System and method for controlling inventory depletion by offering different prices to different customers | |
US9619827B1 (en) | Flexible resource commitments for computing resources | |
US20170178041A1 (en) | Completion contracts | |
Mitropoulou et al. | Pricing cloud IaaS services based on a hedonic price index | |
Akan et al. | Congestion-based lead-time quotation for heterogenous customers with convex-concave delay costs: Optimality of a cost-balancing policy based on convex hull functions | |
TW202008231A (zh) | 外匯交易量預測方法和裝置 | |
Yao et al. | Cutting your cloud computing cost for deadline-constrained batch jobs | |
CN109816414A (zh) | 广告效果数据预测方法及装置 | |
WO2015167719A1 (en) | Method and system for inventory availability prediction | |
CN109598526A (zh) | 媒体贡献的分析方法及装置 | |
Fowley et al. | Cloud migration architecture and pricing–Mapping a licensing business model for software vendors to a SaaS business model | |
Henneberger | Covering peak demand by using cloud services–an economic analysis | |
CN110188968A (zh) | 区域划分、热度统计的方法及装置 | |
Lancon et al. | AWS EC2 instance spot price forecasting using LSTM networks | |
US20180060887A1 (en) | Brand equity prediction | |
US10902442B2 (en) | Managing adoption and compliance of series purchases | |
WO2016195703A1 (en) | Pricing of cloud resources | |
CN108768767A (zh) | 确定带宽能力的方法及装置 | |
Sukow et al. | Forecasting and the role of churn in software-as-a-service business models |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100080 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing Applicant after: Beijing Guoshuang Technology Co.,Ltd. Address before: 100086 Beijing city Haidian District Shuangyushu Area No. 76 Zhichun Road cuigongfandian 8 layer A Applicant before: Beijing Guoshuang Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |