CN110033314B - 广告数据处理方法及装置 - Google Patents

Abstract

本申请公开了一种广告数据处理方法及装置。该方法包括：基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值。通过本申请，解决了相关技术中在投放广告时难以对全链路投放过程进行分析，影响广告的投资回报率的问题。

Description

广告数据处理方法及装置

技术领域

本申请涉及广告投放技术领域，具体而言，涉及一种广告数据处理方法及装置。

背景技术

在广告投放过程中一般需要对广告投放的流量、素材、用户等进行价值预估，再经过筛选、排序操作来执行投放流程。现有技术中对于每一个环节都可以进行价值预估，在单项预估技术上不断地革新，例如，广告点击率预估、转化率预估等技术，具体的，获取曝光数据和点击数据并预处理，然后取用户、媒体、素材等特征，通过点击率预估模型计算在这些特征下的点击率，对经过预处理后的点击数据和转化数据，抽取部分用户、媒体、素材、统计值等特征通过转化率预估模型来计算转化率。

但是，一方面，对于广告的投放，从流量的请求到广告的展现、再到用户的点击以及最终的转化，有着紧密的联系，整个链条并不是割裂的，仅进行单任务的学习会导致点击率高转化率却很低的情况，或者转化率高但是点击率很低的情况，拉低最后投资回报率，从而严重浪费预算和流量资源。另一方面，无论转化率预估还是点击率预估，从每个流量的请求开始就给定一个预估值，由于请求的数据包含所有数据的部分特征，展现的数据包含了点击和转化的部分特征，点击的数据又包含了转化的部分特征数据，而且各自又分别包含其他特征，单任务的学习方式是无法利用全部数据信息的。综上所述，相关技术没有考虑到广告投放全链条过程，往往只是考虑到部分环节，优化过程中容易陷入局部最优，优化结果影响广告的投资回报率。

针对相关技术中在投放广告时难以对全链路投放过程进行分析，影响广告的投资回报率的问题，目前尚未提出有效的解决方案。

发明内容

本申请提供一种广告数据处理方法及装置，以解决相关技术中在投放广告时难以对全链路投放过程进行分析，影响广告的投资回报率的问题。

根据本申请的一个方面，提供了一种广告数据处理方法。该方法包括：基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值。

进一步地，目标广告为实时竞价广告，当前广告投放数据还包括竞价数据，基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值包括：基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值，其中，竞价率预估值为目标广告在实时竞价系统中出价并胜出的预估概率；基于曝光率预估值和历史点击率预估值的乘积、点击数据、以及历史收益预估值，确定目标广告的点击率预估值；基于点击率预估值和历史转化率预估值的乘积、转化数据以及历史收益预估值，确定目标广告的转化率预估值。

进一步地，在基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值之前，该方法还包括：基于竞价数据以及历史收益预估值，确定的目标广告的竞价率预估值。

进一步地，在基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值之后，该方法还包括：基于投放目标广告的收益预估值确定投放目标广告的策略，其中，投放目标广告的策略至少包括以下之一信息：是否投放目标广告、投放目标广告的数量、投放目标广告的位置以及投放目标广告的时间。

进一步地，在基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值之前，该方法还包括：在多个数据节点采集目标广告的当前广告投放数据；汇集目标广告的当前广告投放数据，并存储到Hive存储表中；对存储到Hive存储表中的当前广告投放数据进行整合，得到广告曝光阶段的曝光数据、广告点击阶段的点击数据和广告转化阶段的转化数据。

进一步地，在对存储到Hive存储表中的当前广告投放数据进行整合之后，该方法还包括：删除目标广告的当前广告投放数据中的噪声数据；填充目标广告的当前广告投放数据中的缺省数据；对删除噪声数据和填充缺省数据后的当前广告投放数据进行编码，得到当前广告投放数据的编码数据。

根据本申请的另一方面，提供了一种广告数据处理装置。该装置包括：第一确定单元，用于基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；第二确定单元，用于基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值。

进一步地，目标广告为实时竞价广告，当前广告投放数据还包括竞价数据，第一确定单元包括：第一确定模块，用于基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值，其中，竞价率预估值为目标广告在实时竞价系统中出价并胜出的预估概率；第二确定模块，用于基于曝光率预估值和历史点击率预估值的乘积、点击数据、以及历史收益预估值，确定目标广告的点击率预估值；第三确定模块，用于基于点击率预估值和历史转化率预估值的乘积、转化数据以及历史收益预估值，确定目标广告的转化率预估值。

为了实现上述目的，根据本申请的另一方面，提供了一种存储介质，存储介质包括存储的程序，其中，程序执行上述任意一种广告数据处理方法。

为了实现上述目的，根据本申请的另一方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一种广告数据处理方法。

通过本申请，采用以下步骤：基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值，解决了相关技术中在投放广告时难以对全链路投放过程进行分析，影响广告的投资回报率的问题。通过基于目标广告的当前广告投放数据以及历史广告投放预估值确定投放目标广告的收益预估值，进而达到了对全链路广告投放过程进行分析，提高广告的投资回报率的效果。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，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是根据本申请实施例提供的广告数据处理方法的流程图；

图2是根据本申请实施例提供的广告数据处理方法中的模型示意图；以及

图3是根据本申请实施例提供的广告数据处理装置的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了便于描述，以下对本申请实施例涉及的部分名词或术语进行说明：

竟得率：指广告在实时竞价系统中出价并最后胜出的几率。

点击率：是评价广告投放的重要指标，指曝光数除以点击数的结果。

转化率：是评价广告投放的重要指标，一般指点击数除以转化数的结果，另外也包含一部分的曝光数除以转化数的结果。

投资回报率：指广告收益除以广告成本。

RTB:Real Time Bidding，实时竞价，是一种利用第三方技术在网站或移动端针对每一个用户展示行为进行评估以及出价的竞价行为。

根据本申请的实施例，提供了一种广告数据处理方法。

图1是根据本申请实施例的广告数据处理方法的流程图。如图1所示，该方法包括以下步骤：

步骤S101，基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值。

需要说明的是，目标广告在当前投放之前，存在历史投放行为，若仅凭当前广告投放数据确定广告投放过程中各个阶段的预估值，数据基础小，偏差大，因而，将当前曝光数据、当前点击数据、当前转化数据和历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值进行结合，更加准确地确定目标广告在曝光阶段的曝光率预估值、在点击阶段的点击率预估值以及在转化阶段的转化率预估值。

可选地，在本申请实施例提供的广告数据处理方法中，目标广告为实时竞价广告，当前广告投放数据还包括竞价数据，基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值包括：基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值，其中，竞价率预估值为目标广告在实时竞价系统中出价并胜出的预估概率；基于曝光率预估值和历史点击率预估值的乘积、点击数据、以及历史收益预估值，确定目标广告的点击率预估值；基于点击率预估值和历史转化率预估值的乘积、转化数据以及历史收益预估值，确定目标广告的转化率预估值。

如图2所示，为本申请实施例提供的广告数据处理方法中的模型示意图，该模型示为长短期记忆循环神经网络模型，用于计算目标广告的曝光率预估值、点击率预估值和转化率预估值，从而计算竞价率预估值。

在确定目标广告的曝光率预估值、点击率预估值和转化率预估值时，首先采用非线性单元Sigmoid激活竞价率预估值，并将得到和上一节点计算得到的历史曝光率预估值相乘，将得到的乘积与曝光数据、上一节点的历史收益预估值输入偏置函数，得到当前节点下目标广告的曝光率预估值，并保存；再采用非线性单元Sigmoid激活曝光率预估值，并将得到和上一节点计算得到的历史点击率预估值相乘，将得到的乘积与点击数据、上一节点的历史收益预估值输入偏置函数，得到当前节点下目标广告的点击率预估值，并保存；再采用非线性单元Sigmoid激活点击率预估值，并将得到和上一节点计算得到的历史转化率预估值相乘，将得到的乘积与转化数据、上一节点的历史收益预估值输入偏置函数，得到当前节点下目标广告的转化率预估值，并保存。

可选地，在本申请实施例提供的广告数据处理方法中，在基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值之前，该方法还包括：基于竞价数据以及历史收益预估值，确定的目标广告的竞价率预估值。

需要说明的是，对于竞价广告，在投放时需要利用第三方技术在网站或移动端针对广告进行评估以及出价，从而决定是否展示，因此需要预估广告在实时竞价系统中出价并胜出的概率，具体的，如图2所示，将竞价数据、上一节点的历史收益预估值输入偏置函数，从而得到当前节点下目标广告的竞价率预估值

步骤S102，基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值。

需要说明的是，在曝光阶段、点击阶段以及转化阶段都有相应的输入和输出，在每个阶段输入的既包含目标广告公用的基础特征，又包含各阶段的特征，基础特征进行隐层的编码传播，实现基础特征权值共享，具体地，曝光阶段的输入中既包含基础特征又包含曝光特征，点击阶段的输入中既包含基础特征又包含点击特征，转化阶段的输入中既包含基础特征又包含转化特征，整个广告投放任务的单个阶段采用交叉损失熵的损失函数计算预估值，此外，广告投放任务的后一阶段还获取前一阶段的预估值，作为本阶段的部分输入，计算该阶段的预估值，再将各个阶段的预估值按照连接函数进行融合，并对连接后的值增强，输出目标广告的收益预估值。具体地，将曝光率预估值、点击率预估值以及转化率预估值输入连接函数f(x)，基于连接函数f(x)的计算结果得到目标广告的收益预估值：f(x)＝e^{∑const(x)*softmax(x)*x}，其中，const(x)为权值增强函数，

soft max(x)为非线性单元，

x为输入的数据。

通过本实施例，综合考虑广告投放过程中的全链路问题，使广告投放的优化不再只关注局部，同时对数据进行了充分的利用，避免了转化率模型数据量较少，投放前预估率，存在预估率偏差较大的问题。

此外，还可以对模型进行评估，具体地，分别计算单个阶段的AUC和整个广告投放阶段的AUC，对模型的合理性做出评估，保存模型特征、参数权重值等，进行进一步的优化，使模型符合业务的场景需求。

本申请实施例提供的广告数据处理方法，通过基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值，解决了相关技术中在投放广告时难以对全链路投放过程进行分析，影响广告的投资回报率的问题。通过基于目标广告的当前广告投放数据以及历史广告投放预估值确定投放目标广告的收益预估值，进而达到了对全链路广告投放过程进行分析，提高广告的投资回报率的效果。

目标广告的收益预估值用于指导投放目标广告的策略，可选地，在本申请实施例提供的广告数据处理方法中，在基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值之后，该方法还包括：基于投放目标广告的收益预估值确定投放目标广告的策略，其中，投放目标广告的策略至少包括以下之一信息：是否投放目标广告、投放目标广告的数量、投放目标广告的位置以及投放目标广告的时间。

例如，5组广告数据在模型的各个阶段对应的预估值分别为[0,0,0,0]，[0.5,0.5,0.5,0.5]，[1,1,1,1]，[0.2,0.7,0.8,0.3]，[0.2,0.7,0.3,0.8]，输出的投放价值分别为1、1.56、2.43、1.67、1.69，由此可以看出，广告投放任务各个阶段的预估值不同，最终产生的投放价值不同，投放第三组广告的投放价值较高，可以提高对第三组广告的投放量，投放第二组广告虽然竞得率较高，曝光率、点击率和转化率较均匀，但是投放价值不如第三组广告和第四组广告，可以减少第二组广告的投放。

通过本实施例，在对广告投放任务优化时综合考虑整个投放链候，能够避免陷入局部优化的情况，例如，对于低竞得、低点击、但是高曝光、转化正常的业务场景数据，能够准确预估出其收益预估值，从而有效地指导广告的投放。

可选地，在本申请实施例提供的广告数据处理方法中，在基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值之前，该方法还包括：在多个数据节点采集目标广告的当前广告投放数据；汇集目标广告的当前广告投放数据，并存储到Hive存储表中；对存储到Hive存储表中的当前广告投放数据进行整合，得到广告曝光阶段的曝光数据、广告点击阶段的点击数据和广告转化阶段的转化数据。

需要说明的是，整个广告投放过程中数据的量级非常大，且数据是分散的，需要进行聚合，具体地，对多个节点的广告数据进行离线和在线的处理，汇集到集群，并将数据灌入对应的Hive存储表中。

汇集后的数据是杂乱的，不同阶段的数据需要整合，不同的阶段包含竞价、曝光、点击、转化等阶段，对于数据的整合，是在一定的时间窗口内，根据记录的唯一编号进行特征匹配，匹配后数据格式如表1所示，数据中汇集了竞价特征、曝光特征、点击特征、转化特征等特征，以及是否竞得(1-是，0-否)、是否曝光(1-是，0-否)、是否点击(1-是，0-否)、是否转化(1-是，0-否)的标签。

表1

竞价特征

曝光特征

点击特征

转化特征

是否竞得

是否曝光

是否点击

是否转化

需要说明的是，合法的标签式样为0000，1000，1100，1110，1111，1101，其他均为非法式样。

整合后需要对数据进行清理，可选地，在本申请实施例提供的广告数据处理方法中，在对存储到Hive存储表中的当前广告投放数据进行整合之后，该方法还包括：删除目标广告的当前广告投放数据中的噪声数据；填充目标广告的当前广告投放数据中的缺省数据；对删除噪声数据和填充缺省数据后的当前广告投放数据进行编码，得到当前广告投放数据的编码数据。

需要说明的是，广告投放中存在诸多的噪声数据，特别是整合之后的非法样式数据，需要进行删除，对于一些疑似作弊的数据也需要进行删除，以防止这些数据干扰预估值的确定。此外，对于部分缺省值数据，比如无法获取到的年龄、性别等数据，需要进行填充，数值型特征利用插值法进行填充，类别型的特征利用负值填充。

此外，在数据清洗后，需要对数据进行编码处理，具体地，由于广告投放过程中的数据中存在大量的类别特征，对于该类型的特征需要进行特征编码，可以采用独热编码(one-hot)方法进行编码，对于数值型以及统计特征，采用分段后编码的方式得到编码数据，以将编码数据输入训练模型，处理并计算广告的收益预估值。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例还提供了一种广告数据处理装置，需要说明的是，本申请实施例的广告数据处理装置可以用于执行本申请实施例所提供的用于广告数据处理方法。以下对本申请实施例提供的广告数据处理装置进行介绍。

图3是根据本申请实施例的广告数据处理装置的示意图。如图3所示，该装置包括：第一确定单元10和第二确定单元20。

具体地，第一确定单元10，用于基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值。

第二确定单元20，用于基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值。

可选地，在本申请实施例提供的广告数据处理装置中，目标广告为实时竞价广告，当前广告投放数据还包括竞价数据，第一确定单元10包括：第一确定模块，用于基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值，其中，竞价率预估值为目标广告在实时竞价系统中出价并胜出的预估概率；第二确定模块，用于基于曝光率预估值和历史点击率预估值的乘积、点击数据、以及历史收益预估值，确定目标广告的点击率预估值；第三确定模块，用于基于点击率预估值和历史转化率预估值的乘积、转化数据以及历史收益预估值，确定目标广告的转化率预估值。

可选地，在本申请实施例提供的广告数据处理装置中，该装置还包括：第四确定模块，用于在基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值之前，基于竞价数据以及历史收益预估值，确定的目标广告的竞价率预估值。

可选地，在本申请实施例提供的广告数据处理装置中，该装置还包括：第三确定单元，用于在基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值之后，基于投放目标广告的收益预估值确定投放目标广告的策略，其中，投放目标广告的策略至少包括以下之一信息：是否投放目标广告、投放目标广告的数量、投放目标广告的位置以及投放目标广告的时间。

可选地，在本申请实施例提供的广告数据处理装置中，该装置还包括：采集单元，用于在基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值之前，在多个数据节点采集目标广告的当前广告投放数据；存储单元，用于汇集目标广告的当前广告投放数据，并存储到Hive存储表中；整合单元，用于对存储到Hive存储表中的当前广告投放数据进行整合，得到广告曝光阶段的曝光数据、广告点击阶段的点击数据和广告转化阶段的转化数据。

可选地，在本申请实施例提供的广告数据处理装置中，该装置还包括：删除单元，用于在对存储到Hive存储表中的当前广告投放数据进行整合之后，删除目标广告的当前广告投放数据中的噪声数据；填充单元，用于填充目标广告的当前广告投放数据中的缺省数据；编码单元，用于对删除噪声数据和填充缺省数据后的当前广告投放数据进行编码，得到当前广告投放数据的编码数据。

本申请实施例提供的广告数据处理装置，通过第一确定单元10基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；第二确定单元20基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值，解决了相关技术中在投放广告时难以对全链路投放过程进行分析，影响广告的投资回报率的问题，通过基于目标广告的当前广告投放数据以及历史广告投放预估值确定投放目标广告的收益预估值，进而达到了对全链路广告投放过程进行分析，提高广告的投资回报率的效果。

所述广告数据处理装置包括处理器和存储器，上述第一确定单元10和第二确定单元20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相关技术中在投放广告时难以对全链路投放过程进行分析，影响广告的投资回报率的问题。。

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数据处理方法。

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数据处理方法。

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：基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值。

目标广告为实时竞价广告，当前广告投放数据还包括竞价数据，基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值包括：基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值，其中，竞价率预估值为目标广告在实时竞价系统中出价并胜出的预估概率；基于曝光率预估值和历史点击率预估值的乘积、点击数据、以及历史收益预估值，确定目标广告的点击率预估值；基于点击率预估值和历史转化率预估值的乘积、转化数据以及历史收益预估值，确定目标广告的转化率预估值。

在基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值之前，该方法还包括：基于竞价数据以及历史收益预估值，确定的目标广告的竞价率预估值。

在基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值之后，该方法还包括：基于投放目标广告的收益预估值确定投放目标广告的策略，其中，投放目标广告的策略至少包括以下之一信息：是否投放目标广告、投放目标广告的数量、投放目标广告的位置以及投放目标广告的时间。

在基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值之前，该方法还包括：在多个数据节点采集目标广告的当前广告投放数据；汇集目标广告的当前广告投放数据，并存储到Hive存储表中；对存储到Hive存储表中的当前广告投放数据进行整合，得到广告曝光阶段的曝光数据、广告点击阶段的点击数据和广告转化阶段的转化数据。

在对存储到Hive存储表中的当前广告投放数据进行整合之后，该方法还包括：删除目标广告的当前广告投放数据中的噪声数据；填充目标广告的当前广告投放数据中的缺省数据；对删除噪声数据和填充缺省数据后的当前广告投放数据进行编码，得到当前广告投放数据的编码数据。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：基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，当前广告投放数据至少包括曝光数据、点击数据和转化数据，历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值。

目标广告为实时竞价广告，当前广告投放数据还包括竞价数据，基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值包括：基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值，其中，竞价率预估值为目标广告在实时竞价系统中出价并胜出的预估概率；基于曝光率预估值和历史点击率预估值的乘积、点击数据、以及历史收益预估值，确定目标广告的点击率预估值；基于点击率预估值和历史转化率预估值的乘积、转化数据以及历史收益预估值，确定目标广告的转化率预估值。

在基于竞价率预估值和历史曝光率预估值的乘积、曝光数据以及历史收益预估值，确定目标广告的曝光率预估值之前，该方法还包括：基于竞价数据以及历史收益预估值，确定的目标广告的竞价率预估值。

在基于目标广告的曝光率预估值、点击率预估值以及转化率预估值，确定投放目标广告的收益预估值之后，该方法还包括：基于投放目标广告的收益预估值确定投放目标广告的策略，其中，投放目标广告的策略至少包括以下之一信息：是否投放目标广告、投放目标广告的数量、投放目标广告的位置以及投放目标广告的时间。

在基于目标广告的当前广告投放数据以及历史广告投放预估值，确定目标广告的曝光率预估值、点击率预估值和转化率预估值之前，该方法还包括：在多个数据节点采集目标广告的当前广告投放数据；汇集目标广告的当前广告投放数据，并存储到Hive存储表中；对存储到Hive存储表中的当前广告投放数据进行整合，得到广告曝光阶段的曝光数据、广告点击阶段的点击数据和广告转化阶段的转化数据。

在对存储到Hive存储表中的当前广告投放数据进行整合之后，该方法还包括：删除目标广告的当前广告投放数据中的噪声数据；填充目标广告的当前广告投放数据中的缺省数据；对删除噪声数据和填充缺省数据后的当前广告投放数据进行编码，得到当前广告投放数据的编码数据。

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 (8)

1.一种广告数据处理方法，其特征在于，包括：

基于目标广告的当前广告投放数据以及历史广告投放预估值，确定所述目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，所述当前广告投放数据至少包括曝光数据、点击数据和转化数据，所述历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；

基于所述目标广告的所述曝光率预估值、所述点击率预估值以及所述转化率预估值，确定投放所述目标广告的收益预估值；

所述目标广告为实时竞价广告，所述当前广告投放数据还包括竞价数据，基于目标广告的当前广告投放数据以及历史广告投放预估值，确定所述目标广告的曝光率预估值、点击率预估值和转化率预估值包括：

基于竞价率预估值和所述历史曝光率预估值的乘积、所述曝光数据以及所述历史收益预估值，确定所述目标广告的曝光率预估值，其中，所述竞价率预估值为所述目标广告在实时竞价系统中出价并胜出的预估概率；

基于所述曝光率预估值和所述历史点击率预估值的乘积、所述点击数据、以及所述历史收益预估值，确定所述目标广告的点击率预估值；

基于所述点击率预估值和所述历史转化率预估值的乘积、所述转化数据以及所述历史收益预估值，确定所述目标广告的转化率预估值。

2.根据权利要求1所述的方法，其特征在于，在基于竞价率预估值和所述历史曝光率预估值的乘积、所述曝光数据以及所述历史收益预估值，确定所述目标广告的曝光率预估值之前，所述方法还包括：

基于所述竞价数据以及所述历史收益预估值，确定所述的目标广告的所述竞价率预估值。

3.根据权利要求1所述的方法，其特征在于，在基于所述目标广告的所述曝光率预估值、所述点击率预估值以及所述转化率预估值，确定投放所述目标广告的收益预估值之后，所述方法还包括：

基于投放所述目标广告的收益预估值确定投放所述目标广告的策略，其中，投放所述目标广告的策略至少包括以下之一信息：是否投放所述目标广告、投放所述目标广告的数量、投放所述目标广告的位置以及投放所述目标广告的时间。

4.根据权利要求1所述的方法，其特征在于，在基于目标广告的当前广告投放数据以及历史广告投放预估值，确定所述目标广告的曝光率预估值、点击率预估值和转化率预估值之前，所述方法还包括：

在多个数据节点采集所述目标广告的当前广告投放数据；

汇集所述目标广告的当前广告投放数据，并存储到Hive存储表中；

对存储到所述Hive存储表中的当前广告投放数据进行整合，得到广告曝光阶段的所述曝光数据、广告点击阶段的所述点击数据和广告转化阶段的所述转化数据。

5.根据权利要求4所述的方法，其特征在于，在对存储到所述Hive存储表中的当前广告投放数据进行整合之后，所述方法还包括：

删除所述目标广告的当前广告投放数据中的噪声数据；

填充所述目标广告的当前广告投放数据中的缺省数据；

对删除所述噪声数据和填充所述缺省数据后的当前广告投放数据进行编码，得到所述当前广告投放数据的编码数据。

6.一种广告数据处理装置，其特征在于，包括：

第一确定单元，用于基于目标广告的当前广告投放数据以及历史广告投放预估值，确定所述目标广告的曝光率预估值、点击率预估值和转化率预估值，其中，所述当前广告投放数据至少包括曝光数据、点击数据和转化数据，所述历史广告投放预估值至少包括历史曝光率预估值、历史点击率预估值、历史转化率预估值以及历史收益预估值；

第二确定单元，用于基于所述目标广告的所述曝光率预估值、所述点击率预估值以及所述转化率预估值，确定投放所述目标广告的收益预估值；‘

所述目标广告为实时竞价广告，所述当前广告投放数据还包括竞价数据，所述第一确定单元包括：

第一确定模块，用于基于竞价率预估值和所述历史曝光率预估值的乘积、所述曝光数据以及所述历史收益预估值，确定所述目标广告的曝光率预估值，其中，所述竞价率预估值为所述目标广告在实时竞价系统中出价并胜出的预估概率；

第二确定模块，用于基于所述曝光率预估值和所述历史点击率预估值的乘积、所述点击数据、以及所述历史收益预估值，确定所述目标广告的点击率预估值；

第三确定模块，用于基于所述点击率预估值和所述历史转化率预估值的乘积、所述转化数据以及所述历史收益预估值，确定所述目标广告的转化率预估值。

7.一种存储介质，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5中任意一项所述的广告数据处理方法。

8.一种处理器，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5中任意一项所述的广告数据处理方法。

Images