CN110020893A - 一种广告贡献度确定方法、装置及设备 - Google Patents

Abstract

本说明书实施例公开了一种广告贡献度确定方法、装置及设备。方案包括：获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；根据所述第三广告转化时间确定所述每个父节点的第一贡献度；根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

Description

一种广告贡献度确定方法、装置及设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种广告贡献度确定方法、装置及设备。

背景技术

现有技术中，随着广告投放多渠道的协同化，用户接触媒体范围的细分化等移动互联网广告发展趋势的推进，移动互联网广告效果的评估已经不只是粗放的评估，而是要越来越关注用户与广告互动方式，越来越多考虑希望通过数据来驱动广告从投放、评估到优化的每一个环节。因此，对各个广告投放渠道进行归因分析，成了科学评估广告效果的方式。归因分析(Attribution Analysis)就是解决广告的转化(Conversion)的产生，其功劳应该归功于哪些渠道、哪些页面；将最终的广告转化结果分配功劳或者贡献到用户转化路径的各个节点上。

现有的归因分析方法，用马尔科夫模型直接计算归因的效果，并没有考虑到不同类型的广告(例如：静态图片广告以及动态视频广告等)在一段时间后被转化的效果，举个例子，广告主投放了信息流广告，搜索广告，视频广告，广告转化可能直接发生在搜索广告中，但是这些转化并不都是搜索渠道的功劳，很多转化都是用户在观看视频广告/信息流广告之后一段时间，发生在搜索引擎渠道中，因此，转化功劳仅仅归功于搜索引擎是不准确的。另外，广告子页面的承接效果容易被忽略，也会导致归因效果不准确。

发明内容

有鉴于此，本申请实施例提供了一种广告贡献度确定方法、装置及设备，用于提高广告归因效果的准确性。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种广告贡献度确定方法，包括：

获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间；

根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；

采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；

根据所述第三广告转化时间确定所述每个父节点的第一贡献度；

根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

本说明书实施例提供的一种广告贡献度确定装置，包括：

第一广告转化时间获取模块，用于获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间；

时间概率分布函数确定模块，用于根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；

第三广告转化时间确定模块，用于采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；

第一贡献度计算模块，用于根据所述第三广告转化时间确定所述每个父节点的第一贡献度；

第二贡献度确定模块，用于根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

本说明书实施例提供的一种广告贡献度确定设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间；

根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；

采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；

根据所述第三广告转化时间确定所述每个父节点的第一贡献度；

根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过采用每个父节点发生两跳点击或两跳以上点击的广告转化时间的概率分布函数对发生一跳的广告转化时间进行修正，能充分考虑每个父节点实体在时间上对转化的影响；充分考虑父节点与子节点的传递概率，将广告子页面的承接效果纳入归因考虑范围，使计算得到的每个父节点的贡献度更为精确，从而使归因效果更加准确。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本说明书实施例提供的一种广告贡献度确定方法的流程示意图；

图2为本说明书实施例提供的一种广告转化路径示意图；

图3为本发明书实施例提供的一种广告贡献度确定方法中移除节点之前的广告转化示意图；

图4为本发明书实施例提供的一种广告贡献度确定方法中移除节点之后的广告转化示意图；

图5为本说明书实施例提供的对应于图1的一种广告贡献度确定装置的结构示意图；

图6为本说明书实施例提供的对应于图1的一种广告贡献度确定设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

现有技术中，直接采用马尔科夫的方法计算广告节点的贡献度，分析广告归因的效果，但是这种方法直接将广告转化的功劳归功于首次点击或最后一次点击广告的页面或渠道，并没有考虑到广告表现形式的不同，可能会对广告的转化造成影响，导致归因效果并不准确。另外，采用现有技术的方法会忽略了广告子页面的承接效果。例如：用户在页面A最后一次点击广告后，直接点击该广告，对相关的商品进行购买或者进行其他有效操作行为，此时，广告转化的功劳可归于页面A。但是，若用户最后一次在页面A上点击广告到进行广告转化操作的时间为3小时，具体为：用户在页面A看完广告之后就对广告表现出极大的兴趣，但是通过某搜索引擎的页面B进行搜索并点击广告进入商品界面进行购买或者收藏，又或者是多次点击商品进行查看。此时，关于该广告的转化，不能认为“功劳”仅属于页面B或者页面A。

其中，上面提到的马尔科夫的过程，又称为马尔可夫链，马尔科夫链的节点是状态，边是转移概率，是条件概率分布(template CPD)的一种有向状态转移表达。马尔科夫过程以一定的概率在各个状态之间跳转。

考虑一个系统，在每个时刻都可能处于N个状态中的一个，N个状态集合是{S1,S2,S3,...SN}。我们现在用q1,q2,q3,…qn来表示系统在t＝1,2,3,…n时刻下的状态。Note:每个状态都是一个向量分布，即在N个状态集合是{S1,S2,S3,...SN}上的概率分布。

为了克服现有技术中的缺陷，下面结合附图，详细说明本申请各实施例提供的技术方案。

图1为本说明书实施例1提供的一种广告贡献度确定方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于应用服务器的程序或应用客户端。

如图1所示，该流程可以包括以下步骤：

一种广告贡献度确定方法，包括：

S101：获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间。

需要说明的是，转化可以指的是用户的身份产生转变的标志，如用户从普通浏览者转化为注册用户或购买用户等。转化标志一般指某些特定页面，如注册成功页、购买成功页、下载成功页等，这些页面的浏览量称为转化量。其中，广告用户的转化量与广告到达量的比值称为广告转化率。

有效操作行为可以指的是用户在看到广告之后，针对广告购买、收藏或者点击广告次数超出预设阈值等有效操作的行为。有效操作行为可以是根据具体应用场景而规定的一些行为。例如：对于商品类广告来说，有效操作行为可以是对商品进行收藏、购买、加入购物车或者对商品进行分享推荐给好友等行为。而对于一些公益类或者教育类的广告来说，有效操作行为可以是点击次数超过预设阈值、对广告进行分享推荐给好友或者是对广告进行收藏等行为。

本方案提供的实施例中提到的广告并非只是普通理解的商业性广告，这里提到的广告包括商业性广告和公益类公告或者教育类广告，广告中可能包括文字、图片、链接等宣传信息。

节点可以指的是广告链接存在的界面或者用户或者广告的访问渠道来源，例如一些搜索引擎、视频播放器或者一些聊天软件等等；也可以指在线推广类型，例如横幅广告，邮件，文字链接，搜索关键词，视频广告等等。

广告链接可以有图片广告、文字链广告、软文、邮件广告、视频广告等多种广告形式。

两跳点击可以指的是在第一个页面上点击了广告链接后，跳转到第二个页面，需要再次点击广告链接，才能进入广告网站或者才能进行购买、收藏等有效操作行为。

所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间，例如：用户在页面H上看到广告C，点击广告C，跳转到页面B，紧接着再次在页面B上点击广告C，随后进入广告C对应的商品D网页界面，随后，用户对商品D进行了收藏，此时，用户从在页面B上点击广告C到收藏商品D所用的时间即为转化时间，此时，用户从观看广告到实现广告转化是一个不间断的过程，但是，在一些情况下，从用户点击广告到实现广告转化也可能是一个有间断的过程。例如：用户N在页面H上看到广告C，点击广告C，跳转到页面B，紧接着再次在页面B上点击广告C，随后进入广告C对应的商品D网页界面，但是，用户并未对商品进行收藏、购买或者进行其他有效操作，过了四个小时，服务器发现用户N在某搜索引擎内输入与该广告相关的关键词，并点击进入对商品进行了收藏、购买或进行其他有效操作，此时，从用户在页面B上点击广告C到收藏商品D所用的时间仍然为转化时间。

S102：根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数。

概率分布函数是概率论的基本概念之一。一个随机变量ξ取值小于某一数值x的概率，这概率是x的函数，称这种函数为随机变量ξ的分布函数，简称分布函数，可以理解为是用来对一个概率事件的描述。

S103：采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间。

在大多数情况下，一跳点击直接转化的情况比较多，此时直接将广告转化效果归因于广告所在页面或者渠道即可。但是当广告存在两跳点击或者两跳以上点击时，将转化效果仅归因于首次看到广告的页面是不合理的。因此，采用概率分布函数对一跳点击直接转化的第二广告转化时间进行修正。

S104：根据所述第三广告转化时间确定所述每个父节点的第一贡献度。

需要说明的是，贡献度可以是表示广告转化效果的一个指标。它是指有效或有用转化数量与投入广告资源及占用量之比，计算贡献度即是计算推广渠道的输入产出比，并进一步进行广告投放预算的分配。贡献度越大，表示广告转化效果越好，转化“功劳”越高。

S105：根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

需要说明的是，父节点与子节点是上下级的关系，如果父节点代表上一层显示广告的页面，那么子节点就可以代表显示广告的子页面。

至于父节点与子节点的关系，可以采用节点树进行解释。节点树中的节点彼此拥有层级关系。父(parent)、子(child)和同胞(sibling)等术语用于描述这些关系。一个属性如果有上一级，则称这个上一级是它的父节点，如果没有上一级，则这个属性则无父节点。父节点拥有子节点。同级的子节点被称为同胞(兄弟或姐妹)。

在节点树中，顶端节点被称为根(root)，每个节点都有父节点、除了根(它没有父节点)，一个节点可拥有任意数量的子节点，同胞节点指的是拥有相同父节点的节点。

传递概率可以表示上一层的父节点与下一层的子节点之间的传递效果占全部传递效果的概率，或者是标识广告链接从一个页面跳转到另一个页面的转化效果。转移概率是马尔可夫链中的重要概念，若马氏链分为m个状态组成，历史资料转化为由这m个状态所组成的序列。从任意一个状态出发，经过任意一次转移，必然出现状态1、2、……，m中的一个，这种状态之间的转移称为转移概率。

现有技术中，广告转化后，直接将“功劳”归于首次点击广告的页面或者是最后一次点击广告的页面。但是，只有在一跳点击直接转化的情况下，才能直接将转化的“功劳”归于首次/末次点击广告的页面。当发生两跳点击或者两跳以上的点击时，则不能片面地归因于某一页面。

为了克服现有技术中的缺陷，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。

步骤S102中，在确定所述第一广告转化时间的概率分布函数时，具体可以包括：

采用公式：

对每个父节点发生两跳点击或两跳以上点击的第一广告转化时间进行函数拟合，得到概率分布函数f_x(t)；

其中，t表示第一广告转化时间，n表示父节点的节点数，u表示时间标准差，det(ε)表示矩阵ε的转置。

采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间。

所述根据所述第三广告转化时间确定所述每个父节点的第一贡献度，具体可以包括：

确定所述每个父节点的状态集合；

计算所述状态集合中各相邻状态之间的转移矩阵；

根据所述转移矩阵构建有向图，计算所述有向图中有效路径的第二传递概率；

根据所述第二传递概率计算所述每个父节点的第一贡献度。

状态集合，可以表示为每个父节点(即每个页面或者每个渠道)对应的转化状态。因此，状态集合中的每一个状态包括渠道类型+状态标识。其中，渠道类型可以有：横幅广告(banner)，文本链接(text link)，关键词搜索引擎(keyword)，视频(video)等渠道类型，系统状态标识可以包括start(开始)，null(转化失败)，conversion(转化成功)3种。

转移矩阵：用来描述一个马尔可夫链的转变的矩阵。它的每一项都是一个表示概率的非负实数，并且各行元素之和等于1，各元素用概率表示，在一定条件下是互相转移的，故称为转移矩阵。在广告转化中，矩阵中的元素可以是相邻状态间的转移概率。

转移矩阵的特征：

0≤P_ij≤1；

即矩阵中每一行转移概率之和等于1。

有向图可以是利用矩阵构造有向图(Directed Graph)，有向图中还包括节点的状态标识。有向图中包括在start(开始)状态开始到conversion(转化成功)状态以及start(开始)状态开始到null状态之间的所有路径。

有效路径可以表示有向图中路径长度未超出预设阈值的传递路径。在计算第二传递概率时，只需要计算有效路径的传递概率即可。更为具体的，在确定有效路径时，首先去除所述有向图中路径长度超出预设阈值的路径(例如：在实际应用中，可以将路径长度超过6的路径都去除)，得到至少一条有效路径。其中，上述方法中提到的计算每条所述有效路径的第二传递概率，具体可以包括：

对于任意一条有效路径，将所述任意一条有效路径的转移概率相乘，得到所述任意一条有效路径的第二传递概率。

得到有效路径通过判断传递路径长度来获得，原因是：当传递路径长度太长时，该条路径的传递概率会趋近于0，路径越长，传递概率越趋近于0，对转化的影响度较低，一般情况下，不会对广告转化结果造成影响。例如：路径L1为：A1→A2→A3→A4→A5→A6→A7→A8，路径长度为8，转移概率依次为：10％、10％、10％、10％、20％、10％、30％，此时，路径L的传递概率为：V＝10％×10％×10％×10％×20％×10％×30％＝0.0006％。路径L2为：B1→B2→B3→B4，路径长度为3，转移概率依次为：20％、30％、50％，此时，路径L2的传递概率为：V＝20％×30％×50％＝30％，可见，此时路径L2的传递概率为30％，而路径L1的传递概率为0.0006％，约等于0，因此，路径L1可看作是无效路径，路径L2为有效路径。

为了更好的理解传递路径以及转移概率，可以参见图2进行理解：

图2为本说明书实施例提供的一种广告转化路径示意图。如图2所示，广告A从被点击到实现转化，一共有三条传递路径，分别是：

第一条：广告A点击→中间页面a→中间页面b→转化；

第二条：广告A点击→转化；

第三条：广告A点击→中间页面c→转化。

广告B从被点击到实现转化，一共有两条传递路径，分别是：

第一条：广告B点击→中间页面d→转化；

第二条：广告B点击→转化。

而图中表示的广告A点击到中间页面a中间的数字0.09表示的是点击A广告的页面到中间页面a的转移概率，0.15表示的是中间页面a到中间页面b的转移概率为0.15，同理，其他数字也表示的是对应页面的转移概率。

上述图1的方法中，在进行贡献度计算时，去除了无效路径，仅对有效路径的传递概率进行计算，能在保证计算的准确度的情况下减少贡献度计算的工作量，提高计算效率。

具体地，在根据所述第二传递概率计算所述每个父节点的第一贡献度时，具体可以包括：

采用公式：

计算所述每个父节点的第一贡献度；

其中，n表示各父节点，d表示第一贡献度，V表示所有有效路径的第二传递概率之和，V_n表示节点n所在路径的各个路径的第二传递概率之和。

例如：有向图中节点A存在三条路径，分别为L3(C1→C2→C3)，转移概率依次为：50％、50％；L4(D1→D2→D3→D4)，转移概率依次为：40％、10％、50％；L5(E1→E2)，转移概率依次为：100％。此时，路径L3的传递概率为：V3＝50％×50％＝25％；路径L4的传递概率为：V4＝40％×10％×50％＝2％；路径L5的传递概率为：V5＝100％；第二传递概率之和V＝V3+V4+V5＝25％+2％+100％＝127％。此时，路径3的第一贡献度为：d＝(1-25％)/127％＝59％。

在计算出第一贡献度后，本实施例的方案中还考虑到父节点与子节点之间的传递概率，因此，根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度，具体可以包括：

采用公式：

d_n'＝d_n*p_c+d_n

计算所述每个父节点的第二贡献度；

其中，d’表示第二贡献度，p_c表示第一传递概率。

例如：计算得到节点A(页面A)第一贡献度为59％，父节点与子节点的第一传递概率为66％，那么页面A的第二贡献度为：

d’＝59％×66％+59％＝97.94％。

为了更好的理解图1中的方案，采用下面的例子进行详细阐述：

例如：用户打开页面A，页面A上自动跳出广告X，广告的形式可以是图片式广告或者是视频类广告，此时，用户对页面A中的广告X进行点击，广告X跳转到页面B，用户在页面B上继续对广告X进行点击，跳转到广告X对应的商品Y详情界面，用户将商品Y加入购物车。

根据以上场景，图1中的技术方案可以为：

对每个父节点的超过一跳点击的广告转化时间进行时间分布的求解，拟合转化与时间的概率分布函数f(t)；采用概率分布函数对一跳点击直接转化的广告转化时间进行修正；计算每个父节点的状态集合，定义为a，b，c，d等序列号，并添加上start、nul、conversion(简写为conv)3种系统状态标识；计算状态集合中各个状态的转移矩阵(状态转移矩阵state-transition matrix)，即每个时间序列上的相邻状态的转移概率；根据转移矩阵构建有向图，计算有向图中上的所有路径，并剪除掉长度超过6的路径(为了节约计算时间，并且长度超过6的路径的影响度极低，不会对结果形成影响)，将所有路径的转移概率连续相乘，得到该路径上的转移概率；把所有路径的转移概率相加，求得一个值v；挑选一个节点，按照上面的方法，求得新的所有路径概率v1，那么该节点的贡献度1-v1/v。遍历图上每一个节点，，求得所有节点的贡献度v_n；最后针对每个节点v1，v2，v3...vn进行归一化的处理，然后计算出贡献度d1，d2，d3...dn，紧接着计算父节点到子节点的转移概率，作为传递概率Pc。组合传递概率和贡献度，计算父节点的贡献度d1_new＝d1*pc+d1。

图1中的方法，通过采用每个父节点发生两跳点击或两跳以上点击的广告转化时间的概率分布函数对发生一跳的广告转化时间进行修正，能充分考虑各种广告类型对转化效果的影响；采用父节点与子节点的传递概率，将广告子页面的承接效果纳入归因考虑范围，使计算得到的每个父节点的贡献度更加精确，从而使广告渠道的归因效果更加准确。

现有技术中，通常将广告转化的“功劳”归功于最后一次或者第一次点击广告所在的页面或搜索渠道。但是，在实际应用中，广告的不同类型对广告转化的效果也有着很大的影响。例如：当广告为静态的文字链接、静态图片、视频，对于转化的效果有着不同的影响，下面针对不同的广告形式对方案进行论述。

当广告形式为静态广告链接(文字链接或者图片链接)时，在用户打开的当前页面上，用户可以看到静态广告链接，一般情况下，文字类广告都由文字和网页地址链接构成，如果用户对文字内容感兴趣，就会点击网页地址链接跳转到商品页作进一步了解。而图片类广告主要是为了吸引用户的眼球，以文字内容与图像相结合，将要表达的意图框定在某一景象的静止瞬间，在对客观外界具体可感的形式美和形态美的表现上，图片胜过了文字。因此图片广告通常比文字链接广告更能吸引用户，一般图片广告上也会插入供点击的图标链接，例如：一个手掌形的图标、一个箭头或者是角落里的二维码等等，传播渠道也更加的广泛，可以静态张贴也可以电子投放到各种显示屏上。

广告的另一种形式为动态视频广告，视频广告可以是集电视广告和网络广告的优点于一身的广告形式，视频广告目前的主要形式为网络视频广告形式，可以包括视频分享类、P2P流媒体类和其他提供视频服务的传统门户网站等等。

相对于静态广告形式来说，视频广告的接触时间长，用户黏性也较高，互联网数据中心(DATA CENTER OF CHINA INTERNET，简称DCCI)调查数据显示：近几年来，网络视频受众人均每日使用时长为3小时45分钟。随着网络视频应用的大众化、宽带的进一步普及与资费的进一步下降，网络视频广告的黏性与依赖程度也会逐步提升。视频广告的投资回报率远远大于它的成本，很多广告主投放广告的目的是为了说服消费者采取一定的行动或改变品牌认知，此时，在很大程度上，视频广告比纯文字链接广告以及静态图片广告更具有优势。

而在图1的实施方案中，充分考虑到了不同的广告形式给用户留下的不同印象时间，以及这些时间对广告转化的影响，对两跳以及两跳以上点击的广告转化时间进行了函数拟合，减少各个父节点实体在时间上对转化的影响，并做了相应的修正，使广告归因效果更加精确。

基于图1的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。

在具体进行贡献度计算时，采用移除效应进行计算：

具体的，移除效应可以定义为：移除该状态之后，在start状态开始到conversion状态之间所有路径上概率之和的变化值。通过计算各个渠道的移除效应系数，根据移除效应系数在总的系数之和之中的比例得到渠道贡献度。移除效应实际上反映的是移除该渠道之后系统整体转化率的下降程度。

图3为本发明书实施例提供的一种广告贡献度确定方法中移除节点之前的广告转化示意图；图4为本发明书实施例提供的一种广告贡献度确定方法中移除节点之后的广告转化示意图。

如图3和图4所示，系统中的总体转化率：

P＝P(start→C1→C2→C3→conv)+P(start→C2→C3→conv)

P＝66.7％×50％×100％×50％+33.3％×100％×50％＝33.3％；

移除节点C1后整体转化率为：

P(移除节点C1)＝(33.3％×100％×50％)＝16.7％；

节点C1的移除效应系数为：0.5(1–0.167/0.333)，同理计算节点C2和C3的移除效应系数是1，通过移除效应系数计算得到转化贡献度：

C1：0.5/(0.5+1+1)＝0.2*1conversion＝0.2

C2：1/(0.5+1+1)＝0.4*1conversion＝0.4

C3：1/(0.5+1+1)＝0.4*1conversion＝0.4。

在计算完成第二贡献度之后，根据贡献度的大小，对广告渠道访问行为进行分析，并根据各个渠道贡献度的大小，预测用户在下一阶段的渠道来源。

基于同样的思路，本说明书实施例还提供了上述方法对应的装置。图5为本说明书实施例提供的对应于图1的一种广告贡献度确定装置的结构示意图；

如图5所示，该装置可以包括：

第一广告转化时间获取模块501，用于获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间；

时间概率分布函数确定模块502，用于根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；

第三广告转化时间确定模块503，用于采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；

第一贡献度计算模块504，用于根据所述第三广告转化时间确定所述每个父节点的第一贡献度；

第二贡献度确定模块505，用于根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

所述时间概率分布函数确定模块502，具体可以用于：

采用公式：

对每个父节点发生两跳点击或两跳以上点击的第一广告转化时间进行函数拟合，得到概率分布函数f_x(t)；

其中，t表示第一广告转化时间，n表示父节点的节点数，u表示时间标准差，det(ε)表示矩阵ε的转置。

所述第一贡献度计算模块504，具体可以包括：

状态集合确定单元，用于确定所述每个父节点的状态集合；

转移矩阵计算单元，用于计算所述状态集合中各相邻状态之间的转移矩阵；

第二传递概率计算单元，用于根据所述转移矩阵构建有向图，计算所述有向图中有效路径的第二传递概率；

第一贡献度计算单元，用于根据所述第二传递概率计算所述每个父节点的第一贡献度。

所述状态集合确定单元，具体可以用于：

确定所述每个父节点对应的渠道类型；

对每个所述渠道类型添加对应的系统状态标识。

所述第二传递概率计算单元，具体可以用于：

去除所述有向图中路径长度超出预设阈值的路径，得到至少一条有效路径；

计算每条所述有效路径的第二传递概率；

所述计算每条所述有效路径的第二传递概率，具体包括：

对于任意一条有效路径，将所述任意一条有效路径的转移概率相乘，得到所述任意一条有效路径的第二传递概率。

所述第一贡献度计算单元，具体可以用于：

采用公式：

计算所述每个父节点的第一贡献度；

其中，n表示各父节点，d表示第一贡献度，V表示所有有效路径的第二传递概率之和，V_n表示节点n所在路径的第二传递概率之和。

所述第二贡献度确定模块505，具体可以用于：

采用公式：

d_n'＝d_n*p_c+d_n

计算所述每个父节点的第二贡献度；

其中，d’表示第二贡献度，p_c表示第一传递概率。

基于同样的思路，本说明书实施例还提供了上述方法对应的设备。

图6为本说明书实施例提供的对应于图1的一种广告贡献度确定设备的结构示意图。如图6所示，设备600可以包括：

至少一个处理器610；以及，

与所述至少一个处理器通信连接的存储器630；其中，

所述存储器630存储有可被所述至少一个处理器610执行的指令620，所述指令被所述至少一个处理器610执行，以使所述至少一个处理器610能够：

获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间；

根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；

采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；

根据所述第三广告转化时间确定所述每个父节点的第一贡献度；

根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

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Verilog。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。

控制器可以按任何适当的方式实现，例如，控制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 Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

内存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)。内存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，并不排除在包括所述要素的过程、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。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述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 (15)

1.一种广告贡献度确定方法，包括：

获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间；

根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；

采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；

根据所述第三广告转化时间确定所述每个父节点的第一贡献度；

根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

2.如权利要求1所述的方法，所述根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数，具体包括：

采用公式：

对每个父节点发生两跳点击或两跳以上点击的第一广告转化时间进行函数拟合，得到概率分布函数f_x(t)；

其中，t表示第一广告转化时间，n表示父节点的节点数，u表示时间标准差，det(ε)表示矩阵ε的转置。

3.如权利要求1所述的方法，所述根据所述第三广告转化时间确定所述每个父节点的第一贡献度，具体包括：

确定所述每个父节点的状态集合；

计算所述状态集合中各相邻状态之间的转移矩阵；

根据所述转移矩阵构建有向图，计算所述有向图中有效路径的第二传递概率；

根据所述第二传递概率计算所述每个父节点的第一贡献度。

4.如权利要求3所述的方法，所述确定所述每个父节点的状态集合，具体包括：

确定所述每个父节点对应的渠道类型；

对每个所述渠道类型添加对应的系统状态标识。

5.如权利要求3所述的方法，所述根据所述转移矩阵构建有向图，计算所述有向图中有效路径的第二传递概率，具体包括：

去除所述有向图中路径长度超出预设阈值的路径，得到至少一条有效路径；

计算每条所述有效路径的第二传递概率；

所述计算每条所述有效路径的第二传递概率，具体包括：

对于任意一条有效路径，将所述任意一条有效路径的转移概率相乘，得到所述任意一条有效路径的第二传递概率。

6.如权利要求3所述的方法，所述根据所述第二传递概率计算所述每个父节点的第一贡献度，具体包括：

采用公式：

计算所述每个父节点的第一贡献度；

其中，n表示各父节点，d表示第一贡献度，V表示有效路径的第二传递概率之和，V_n表示节点n所在路径的第二传递概率之和。

7.如权利要求1所述的方法，所述根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度，具体包括：

采用公式：

d_n'＝d_n*p_c+d_n

确定所述每个父节点的第二贡献度；

其中，d’表示第二贡献度，p_c表示第一传递概率。

8.一种广告贡献度确定装置，包括：

第一广告转化时间获取模块，用于获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间；

时间概率分布函数确定模块，用于根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；

第三广告转化时间确定模块，用于采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；

第一贡献度计算模块，用于根据所述第三广告转化时间确定所述每个父节点的第一贡献度；

第二贡献度确定模块，用于根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。

9.如权利要求8所述的装置，所述时间概率分布函数确定模块，具体用于：

采用公式：

对每个父节点发生两跳点击或两跳以上点击的第一广告转化时间进行函数拟合，得到概率分布函数f_x(t)；

其中，t表示第一广告转化时间，n表示父节点的节点数，u表示时间标准差，det(ε)表示矩阵ε的转置。

10.如权利要求8所述的装置，所述第一贡献度计算模块，具体包括：

状态集合确定单元，用于确定所述每个父节点的状态集合；

转移矩阵计算单元，用于计算所述状态集合中各相邻状态之间的转移矩阵；

第二传递概率计算单元，用于根据所述转移矩阵构建有向图，计算所述有向图中有效路径的第二传递概率；

第一贡献度计算单元，用于根据所述第二传递概率计算所述每个父节点的第一贡献度。

11.如权利要求10所述的装置，所述状态集合确定单元，具体用于：

确定所述每个父节点对应的渠道类型；

对每个所述渠道类型添加对应的系统状态标识。

12.如权利要求10所述的装置，所述第二传递概率计算单元，具体用于：

去除所述有向图中路径长度超出预设阈值的路径，得到至少一条有效路径；

计算每条所述有效路径的第二传递概率；

所述计算每条所述有效路径的第二传递概率，具体包括：

对于任意一条有效路径，将所述任意一条有效路径的转移概率相乘，得到所述任意一条有效路径的第二传递概率。

13.如权利要求10所述的装置，所述第一贡献度计算单元，具体用于：

采用公式：

计算所述每个父节点的第一贡献度；

其中，n表示各父节点，d表示第一贡献度，V表示有效路径的第二传递概率之和，V_n表示节点n所在路径的第二传递概率之和。

14.如权利要求8所述的装置，所述第二贡献度确定模块，具体用于：

采用公式：

d_n'＝d_n*p_c+d_n

计算所述每个父节点的第二贡献度；

其中，d’表示第二贡献度，p_c表示第一传递概率。

15.一种广告贡献度确定设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取每个父节点发生两跳点击或两跳以上点击的第一广告转化时间；所述父节点是用户首次打开的包含有广告链接的页面；所述转化时间为所述广告链接从最后一次被点击到所述用户进行有效操作行为的时间；

根据所述第一广告转化时间，确定所述第一广告转化时间的概率分布函数；

采用所述概率分布函数对一跳点击直接转化的第二广告转化时间进行修正，得到修正后的第三广告转化时间；

根据所述第三广告转化时间确定所述每个父节点的第一贡献度；

根据所述每个父节点与对应子节点的第一传递概率，对所述第一贡献度进行修正，得到所述每个父节点的第二贡献度。