CN110033383A - 一种数据处理方法、设备、介质以及装置 - Google Patents
一种数据处理方法、设备、介质以及装置 Download PDFInfo
- Publication number
- CN110033383A CN110033383A CN201910119949.6A CN201910119949A CN110033383A CN 110033383 A CN110033383 A CN 110033383A CN 201910119949 A CN201910119949 A CN 201910119949A CN 110033383 A CN110033383 A CN 110033383A
- Authority
- CN
- China
- Prior art keywords
- user
- target object
- data
- conversion ratio
- data processing
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000006243 chemical reaction Methods 0.000 claims abstract description 80
- 230000008901 benefit Effects 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 description 27
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 12
- 230000006872 improvement Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000003542 behavioural effect Effects 0.000 description 4
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书公开了一种数据处理方法、设备、介质及装置，包括：在用户点击目标对象时，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；进而基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；最后按照调整后的所述报价数据向所述第一用户显示所述目标对象。这样在互联网服务平台的多种应用场景中，可以根据用户的用户行为数据以及业务标签，实现动态调整目标对象的报价数据，有效提升目标对象的转化率，同时为投放目标对象的经营者节省成本，提升用户对互联网服务平台的用户体验。
Description
技术领域
本说明书涉及计算机技术领域，尤其涉及一种数据处理方法、设备、介质及装置。
背景技术
“互联网+”通俗的说是“互联网+各个传统行业”，但这并不是简单的两者相加，而是借助信息通信技术和互联网平台，将互联网与传统行业进行深度融合，创造新的发展生态。例如：“互联网+广告”、“互联网+保险”等等。
以“互联网+保险”为例进行说明。具体地，不同的保险营销商可以通过互联网平台投放不同的保险信息，用户通过访问这些保险信息购买自己所需要的保险服务。
然而，“互联网+保险”需要一种更智能的数据处理方式，以提升保险信息的投保转化率。
发明内容
有鉴于此，本说明书实施例提供了一种数据处理方法、设备、介质以及装置，用于提升保险信息的投保转化率。
本说明书实施例采用下述技术方案：
本说明书实施例提供一种数据处理方法，包括：
确定第一用户点击的目标对象；
根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；
基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；
按照调整后的所述报价数据向所述第一用户显示所述目标对象。
本说明书实施例还提供一种数据处理设备，包括：
确定单元，确定第一用户点击的目标对象；
预测单元，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；
调整单元，基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；
显示单元，按照调整后的所述报价数据向所述第一用户显示所述目标对象。
本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，当所述计算机程序指令被处理器执行时实现上述的方法。
本说明书实施例还提供一种数据处理装置，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述的方法。
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：
本说明书实施例提供的技术方案，通过在用户点击目标对象时，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；进而基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；最后按照调整后的所述报价数据向所述第一用户显示所述目标对象。这样在互联网服务平台的多种应用场景中，可以根据用户的用户行为数据以及业务标签，实现动态调整目标对象的报价数据，有效提升目标对象的转化率，同时为投放目标对象的经营者节省成本，提升用户对互联网服务平台的用户体验。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书实施例提供的一种数据处理方法的流程示意图；
图2为本说明书实施例提供的一种数据处理方法的流程示意图；
图3为本说明书实施例提供的一种数据处理设备的结构示意图；
图4为本说明书实施例提供的一种数据处理设备的结构示意图。
具体实施方式
在实际应用中，保险信息可以广告的形式投放在不同的互联网服务平台中。这样用户在访问互联网服务平台中其他信息时，如果对某个保险信息感兴趣，也可通过点击所显示的保险信息对应的保险广告，进而获取所需要的保险信息。但是按照传统的保险营销策略，通过统计数据发现，保险广告的点击率与保险广告所对应的保险信息的投保转化率不成比例，很多时候是用户点击保险广告查看保险信息，但是没有投保，也就是保险广告的点击率远高于保险广告所对应的保险信息的投保转化率。那么如何提升保险信息的投保转化率成为亟需解决的问题。
为了解决本说明书中记载的问题，实现本说明书的目的，本说明书实施例提供了一种数据处理方法、设备、介质及装置，在用户点击目标对象时，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；进而基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；最后按照调整后的所述报价数据向所述第一用户显示所述目标对象。这样在互联网服务平台的多种应用场景中，可以根据用户的用户行为数据以及业务标签，实现动态调整目标对象的报价数据，有效提升目标对象的转化率，同时为投放目标对象的经营者节省成本，提升用户对互联网服务平台的用户体验。
需要说明的是，本说明书实施例中记载的目标对象的显示形式可以是广告窗口，也可以是广告页面，还可以是其他显示形式，这里不做具体限定；目标对象的类型可以是保险信息类型，也可以是其他需要用户参与的信息类型，这里也不做具体限定。
下面结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种数据处理方法的流程示意图。所述方法可以如下所示。
步骤101：确定第一用户点击的目标对象。
在本说明书实施例中，用户在互联网平台上执行的操作能够被后台服务器或者监测设备监测到，那么当监测到用户点击目标对象时，确定该用户点击的目标对象。
这里的第一用户中的“第一”没有特殊含义，不是指“第一个”用户，而是指任意一个用户。也就是说任意的用户在互联网上执行操作，都有可能是本说明书实施例中步骤101中记载的内容。
这里的“点击”可以理解为单击，也可以理解为用户通过外部设备或者人机交互界面对显示的对象执行设定操作，这里的设定操作可以根据实际需要确定，这里不做具体限定。
本说明实施例中记载的目标对象以投放的包含保险信息的广告为例进行具体实施方案的说明。
步骤103：根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率。
在本说明书实施例中，转化率预测模型用于预测用户在对目标对象执行操作之后参与投保的概率。如果目标对象是保险信息，那么这里的转化率可以理解为用户参与投该保险信息的概率。
这里所使用的转化率预测模型可以是常用的CVR预测模型，也可以是深度因子分解机(Adjust-DeepFM)排序模型，还可以是其他具备类似功能的其他预测模型，这里对于模型类型不做限定。
具体地，将所述第一用户的用户行为数据输入转化率预测模型，得到所述第一用户对所述目标对象的转化率。
这里的用户行为数据可以是用户的历史行为数据，也可以是设定时间周期内用户产生的行为数据，所使用数据的多少可以根据实际应用需要进行确定，这里不做具体限定。
假设转化率预测模型为深度因子分解机排序模型，那么将获取的用户行为数据输入该深度因子分解机排序模型，通过该深度因子分解机排序模型的神经网络部分和因子分解机部分，对该用户不同维护的用户行为数据进行分析，计算得到该用户对所述目标对象的转化率。
步骤105：基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据。
在本说明书实施例中，首先，确定所述第一用户的业务标签。
具体地，获取所述第一用户的用户行为数据；并根据所述用户行为数据和多标签分类算法，确定所述第一用户的业务标签，所述业务标签包含所述第一用户所从事行业的行业标签。
在获取用户的用户行为数据的情况下，从用户行为数据中提取用户特征，根据所述用户特征和多标签分类算法，确定用户的业务标签。这里的业务标签与用户特征存在对应关系。如：用户特征所体现的是用户所从事的行业，那么业务标签对应行业标签；再如：用户特征所体现的是用户在互联网平台的活跃情况，那么业务标签对应活跃度信息。也就说本说明书实施例中不限定业务标签的类型，可以根据实际需要自行确定。
其次，基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据。
下面详细说明如何动态调整所述目标对象的报价数据。
在说明目标对象的报价数据如何调整之前，需要说明的是，本说明书实施例中记载的数据处理方法既可以应用在针对用户一次点击目标对象的场景中，也可以应用在多个用户点击同一个目标对象的场景中，还可以应用在用户点击不同目标对象的场景中，还可以应用在多个用户点击多个目标对象的场景中。这里以用户一次点击目标对象的场景为例进行说明。后三者场景的应用方式与前一种场景的应用方式相同，复杂度稍高而已。
具体地，第一步，确定所述目标对象的报价数据的调整区间，所述调整区间包含调价上限和调价下限。
为了降低投资风险，对目标对象的报价数据进行适当调整，可以采用以下方式计算得到所述目标对象的报价数据的调整区间：
其中，为目标对象的报价数据下限(即调价下限)，为目标对象的报价数据上限(即调价上限)，u为第一用户，a为目标对象，pcvr(c|u,a)为第一用户点击目标对象的投保转化率(这里可以理解为本说明书实施例中记载的第一用户本次点击目标对象之后对目标对象的转化率)，avg(pcvr(c|u,a))为一段时间范围内第一用户点击目标对象的平均投保转化率(这里可以理解为本说明书实施例中记载的第一用户多次点击目标对象之后，得到的对目标对象的平均转化率)，c为点击操作，ra表示目标对象的调价范围约束因子，ba为目标对象的报价数据。
也就是说，针对第一用户的本次点击目标对象的操作，可以确定一个投保转化率pcvr(c|u,a)；针对第一用户点击目标对象的操作(这里指的是一段时间内的多次操作，包含本次操作)，可以确定一个平均投保转化率avg(pcvr(c|u,a))。
若那么确定的调整区间为[ba·(1-ra)，ba]；
否则，确定的调整区间为
第二步，基于利益最大化函数模型、所述第一用户的业务标签和所述调整区间，动态调整所述目标对象的报价数据。
第一种情况：
在基于所述利益最大化函数模型确定所述目标对象为利益最大化对象的情况下，按照所述调整区间的调整上限，动态调整所述目标对象的报价数据。
例如：将所述调整区间的调整上限确定为调整所述目标对象的报价数据。
下面说明如何基于所述利益最大化函数模型确定所述目标对象是否为利益最大化对象。
基于所述利益最大化函数模型，计算所述目标对象的平台收益值；若所述平台收益值满足设定条件，则确定所述目标对象为利益最大化对象。
本说明书实施例中记载的利益最大化函数模型用于计算目标对象的平台收益，并对于多个目标对象，能够选择出平台收益满足设定条件的目标对象，模型的具体实现方式可以根据实际需要确定。
假设本说明书实施例中记载的利益最大化函数模型为f函数：
其中，σ(x,ω)＝(xω-1)/xω+1；
其中，k为任意一个对象，当k＝a时，k为目标对象；pcvri为第i个投保转化率，i∈A，rk表示k对象的调价范围约束因子，ω为参数，rk和ω可以根据用户的业务标签进行确定，bk为k对象的报价数据。
第二种情况：
针对所述第一用户点击的包含所述目标对象的多个对象，基于利益最大化函数模型，分别确定每一个所述对象的平台收益值；根据所述平台收益值，对包含所述目标对象的多个对象进行排序；根据排序结果，动态调整所述目标对象的报价数据。
具体地，针对所述第一用户点击的包含所述目标对象的多个对象，可以利用上述f函数，计算得到每一个所述对象的平台收益值。优选地，根据各个对象的平台收益值，确定出平台收益值最大的对象。
在确定出平台收益值最大的对象的情况下，若对象不是目标对象，对所述目标对象的报价数据进行调整。
具体地，首先，计算平台收益值最大的对象的排序分数上限，以及计算目标对象的排序分数上限。
这里“排序分数”可以基于对象的调整区间得到。具体地，如果调整区间的计算方式如第一步中所示得到，这里的对象以目标对象为例，那么“排序分数”可以如下计算得到：
排序分数下限：
排序分数上限：
其中，表示排序分数；表示目标对象的排序分数下限；表示目标对象的排序分数上限。
进而得到平台收益值最大的对象(假设为i)的排序分数上限：
目标对象的排序分数上限：
其次，当小于等于时，计算得到调整后的所述目标对象的报价数据
较优地，在本说明书实施例中，在对目标对象的报价数据进行调整时，还可以根据所述平台收益值，对包含所述目标对象的多个对象进行排序，并根据排序结果，动态调整所述目标对象的报价数据。
具体地，根据业务标签和动态调整策略之间的对应关系，确定所述第一用户的业务标签对应的动态调整策略；基于所述动态调整策略、排序结果和所述调整区间，动态调整所述目标对象的报价数据。
这里的动态调整策略用于根据排序结果确定目标对象的报价数据的调整幅度以及调整方向。排序靠前的调整幅度大于排序靠后的调整幅度；根据调整区间的大小确定调整幅度的多少。
不同业务标签对应的动态调整策略可以不同，不同主要可以体现在调整幅度的大小，幅度大小可以存在差异，根据实际业务需要进行确定，这里不做具体限定。
较优地，对于同一个目标对象，在得到不同用户对应的报价数据之后，可以根据用户数量的多少，确定该目标对象的投放数量，这样有效实现对目标对象投放效果的控制力。
步骤107：按照调整后的所述报价数据向所述第一用户显示所述目标对象。
通过本说明书实施例提供的技术方案，在用户点击目标对象时，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；进而基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；最后按照调整后的所述报价数据向所述第一用户显示所述目标对象。这样在互联网服务平台的多种应用场景中，可以根据用户的用户行为数据以及业务标签，实现动态调整目标对象的报价数据，有效提升目标对象的转化率，同时为投放目标对象的经营者节省成本，提升用户对互联网服务平台的用户体验。
基于同一个发明构思，图2为本说明书实施例提供的一种数据处理方法的流程示意图。所述方法可以如下所示。
本说明书实施例还可以通过智能动态报价数据模型实现。该智能太报价数据模型包含以下几个部分：
第一部分：用户行业标签分类。
在向第一部分输入B类商户行为数据之后，可以基于标签分类算法，确定不同商户的行业标签，并在模型中存储该商户的行业标签。
第二部分：转化率预测。
在第二部分中，可以以行业标签为预测单元，选择一个行业标签，获取该行业标签的多个用户的用户行为数据，利用转化率预测模型(例如：CTR/CVR预测模型)，预测该行业标签对应一个目标对象的转化率。一个行业标签可以对应不同目标对象的转化率。
第三部分：动态调价。
在第三部分中，基于转化率，确定一个目标对象的调价区间。
第四部分：调整目标对象的标价数据。
在第四部分中，可以通过排序的方式对目标对象的标价数据进行调整，也可以通过其他方式对其进行调整。
第五部分：用户转化。
在第五部分中，监测用户是否对目标对象进行投保，进而确定用户的实际转化率。
较优地，在得到用户的实际转化率之后，可以将得到的用户的实际转化率应用到该用户或者同业务标签的其他用户的下一次周期数据处理中，进而提高报价数据调整的精确度。
这样在互联网服务平台的多种应用场景中，可以根据用户的用户行为数据以及业务标签，实现动态调整目标对象的报价数据，有效提升目标对象的转化率，同时为投放目标对象的经营者节省成本，提升用户对互联网服务平台的用户体验。
基于同一个发明构思，图3为本说明书实施例提供的一种数据处理设备的结构示意图。所述数据处理设备包括：确定单元301、预测单元302、调整单元303和显示单元304，其中：
确定单元301，确定第一用户点击的目标对象；
预测单元302，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；
调整单元303，基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；
显示单元304，按照调整后的所述报价数据向所述第一用户显示所述目标对象。
在本说明书提供的另一个实施例中，所述调整单元303基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据，包括：
确定所述目标对象的报价数据的调整区间，所述调整区间包含调价上限和调价下限；
基于利益最大化函数模型、所述第一用户的业务标签和所述调整区间，动态调整所述目标对象的报价数据。
在本说明书提供的另一个实施例中，所述调整单元303基于利益最大化函数模型、所述第一用户的业务标签和所述调整区间，动态调整所述目标对象的报价数据，包括：
在基于所述利益最大化函数模型确定所述目标对象为利益最大化对象的情况下，按照所述调整区间的调整上限，动态调整所述目标对象的报价数据。
在本说明书提供的另一个实施例中，所述调整单元303基于所述利益最大化函数模型确定所述目标对象为利益最大化对象，包括：
基于所述利益最大化函数模型，计算所述目标对象的平台收益值；
若所述平台收益值满足设定条件，则确定所述目标对象为利益最大化对象。
在本说明书提供的另一个实施例中，所述调整单元303基于利益最大化函数模型、所述第一用户的业务标签和所述调整区间，动态调整所述目标对象的报价数据，包括：
针对所述第一用户点击的包含所述目标对象的多个对象，基于利益最大化函数模型，分别确定每一个所述对象的平台收益值；
根据所述平台收益值，对包含所述目标对象的多个对象进行排序；
根据排序结果，动态调整所述目标对象的报价数据。
在本说明书提供的另一个实施例中，所述调整单元303根据排序结果，动态调整所述目标对象的报价数据，包括：
根据业务标签和动态调整策略之间的对应关系，确定所述第一用户的业务标签对应的动态调整策略；
基于所述动态调整策略、排序结果和所述调整区间，动态调整所述目标对象的报价数据。
在本说明书提供的另一个实施例中，所述确定单元301确定所述第一用户的业务标签，包括：
获取所述第一用户的用户行为数据；
根据所述用户行为数据和多标签分类算法，确定所述第一用户的业务标签，所述业务标签包含所述第一用户所从事行业的行业标签。
在本说明书提供的另一个实施例中，所述预测单元302根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率，包括：
将所述第一用户的用户行为数据输入转化率预测模型，得到所述第一用户对所述目标对象的转化率；
其中，所述转化率预测模型包含深度因子分解机排序模型。
需要说明的是，本说明书实施例提供的数据处理设备可以通过软件方式实现，也可以通过硬件方式实现，这里不做具体限定。该数据处理设备在用户点击目标对象时，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；进而基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；最后按照调整后的所述报价数据向所述第一用户显示所述目标对象。这样在互联网服务平台的多种应用场景中，可以根据用户的用户行为数据以及业务标签，实现动态调整目标对象的报价数据，有效提升目标对象的转化率，同时为投放目标对象的经营者节省成本，提升用户对互联网服务平台的用户体验。
另外，结合上述实施例中的数据处理方法，本说明书实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种数据处理方法。
图4示出了本说明书实施例提供的数据处理设备的硬件结构示意图。
数据处理设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本说明书实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在数据处理装置的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种数据处理方法。
在一个示例中，数据处理设备还可包括通信接口403和总线510。其中，如图4所示，处理器401、存储器402、通信接口403通过总线510连接并完成相互间的通信。
通信接口403，主要用于实现本说明书实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将信令数据处理设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本说明书实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
通过本说明书实施例提供的数据处理方法及装置，在用户点击目标对象时，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；进而基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；最后按照调整后的所述报价数据向所述第一用户显示所述目标对象。这样在互联网服务平台的多种应用场景中，可以根据用户的用户行为数据以及业务标签，实现动态调整目标对象的报价数据，有效提升目标对象的转化率，同时为投放目标对象的经营者节省成本，提升用户对互联网服务平台的用户体验。
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，在实施本说明书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说明书实施例的方法、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。
本说明书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说明书，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。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (11)
1.一种数据处理方法，包括：
确定第一用户点击的目标对象；
根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；
基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；
按照调整后的所述报价数据向所述第一用户显示所述目标对象。
2.根据权利要求1所述的数据处理方法，基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据，包括：
确定所述目标对象的报价数据的调整区间，所述调整区间包含调价上限和调价下限；
基于利益最大化函数模型、所述第一用户的业务标签和所述调整区间，动态调整所述目标对象的报价数据。
3.根据权利要求2所述的数据处理方法，基于利益最大化函数模型、所述第一用户的业务标签和所述调整区间，动态调整所述目标对象的报价数据，包括：
在基于所述利益最大化函数模型确定所述目标对象为利益最大化对象的情况下，按照所述调整区间的调整上限，动态调整所述目标对象的报价数据。
4.根据权利要求3所述的数据处理方法，基于所述利益最大化函数模型确定所述目标对象为利益最大化对象，包括：
基于所述利益最大化函数模型，计算所述目标对象的平台收益值；
若所述平台收益值满足设定条件，则确定所述目标对象为利益最大化对象。
5.根据权利要求2所述的数据处理方法，基于利益最大化函数模型、所述第一用户的业务标签和所述调整区间，动态调整所述目标对象的报价数据，包括：
针对所述第一用户点击的包含所述目标对象的多个对象，基于利益最大化函数模型，分别确定每一个所述对象的平台收益值；
根据所述平台收益值，对包含所述目标对象的多个对象进行排序；
根据排序结果，动态调整所述目标对象的报价数据。
6.根据权利要求5所述的数据处理方法，根据排序结果，动态调整所述目标对象的报价数据，包括：
根据业务标签和动态调整策略之间的对应关系，确定所述第一用户的业务标签对应的动态调整策略；
基于所述动态调整策略、排序结果和所述调整区间，动态调整所述目标对象的报价数据。
7.根据权利要求1所述的数据处理方法，确定所述第一用户的业务标签，包括：
获取所述第一用户的用户行为数据；
根据所述用户行为数据和多标签分类算法，确定所述第一用户的业务标签，所述业务标签包含所述第一用户所从事行业的行业标签。
8.根据权利要求1所述的数据处理方法，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率，包括：
将所述第一用户的用户行为数据输入转化率预测模型，得到所述第一用户对所述目标对象的转化率；
其中，所述转化率预测模型包含深度因子分解机排序模型。
9.一种数据处理设备，所述数据处理设备包括：
确定单元，确定第一用户点击的目标对象；
预测单元，根据所述第一用户的用户行为数据和转化率预测模型，预测所述第一用户对所述目标对象的转化率；
调整单元，基于所述第一用户的业务标签和所述转化率，动态调整所述目标对象的报价数据；
显示单元，按照调整后的所述报价数据向所述第一用户显示所述目标对象。
10.一种计算机可读存储介质，其上存储有计算机程序指令，当所述计算机程序指令被处理器执行时实现如权利要求1至8中任一项所述的方法。
11.一种数据处理装置，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910119949.6A CN110033383B (zh) | 2019-02-18 | 2019-02-18 | 一种数据处理方法、设备、介质以及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910119949.6A CN110033383B (zh) | 2019-02-18 | 2019-02-18 | 一种数据处理方法、设备、介质以及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110033383A true CN110033383A (zh) | 2019-07-19 |
| CN110033383B CN110033383B (zh) | 2023-12-29 |
Family
ID=67235683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910119949.6A Active CN110033383B (zh) | 2019-02-18 | 2019-02-18 | 一种数据处理方法、设备、介质以及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110033383B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652280A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 基于行为的目标物数据分析方法、装置及存储介质 |
| CN113312484A (zh) * | 2021-06-10 | 2021-08-27 | 支付宝(杭州)信息技术有限公司 | 对象标签处理方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108011740A (zh) * | 2016-10-28 | 2018-05-08 | 腾讯科技（深圳）有限公司 | 一种媒体流量数据处理方法和装置 |
| CN108154288A (zh) * | 2017-12-07 | 2018-06-12 | 北京三快在线科技有限公司 | 新用户补贴策略的计算方法、装置、电子设备及存储介质 |
| CN108830635A (zh) * | 2018-04-26 | 2018-11-16 | 深圳马可孛罗科技有限公司 | 一种机票订单动态调价方法及系统 |
-
2019
- 2019-02-18 CN CN201910119949.6A patent/CN110033383B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108011740A (zh) * | 2016-10-28 | 2018-05-08 | 腾讯科技（深圳）有限公司 | 一种媒体流量数据处理方法和装置 |
| CN108154288A (zh) * | 2017-12-07 | 2018-06-12 | 北京三快在线科技有限公司 | 新用户补贴策略的计算方法、装置、电子设备及存储介质 |
| CN108830635A (zh) * | 2018-04-26 | 2018-11-16 | 深圳马可孛罗科技有限公司 | 一种机票订单动态调价方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652280A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 基于行为的目标物数据分析方法、装置及存储介质 |
| CN111652280B (zh) * | 2020-04-30 | 2023-10-27 | 中国平安财产保险股份有限公司 | 基于行为的目标物数据分析方法、装置及存储介质 |
| CN113312484A (zh) * | 2021-06-10 | 2021-08-27 | 支付宝(杭州)信息技术有限公司 | 对象标签处理方法及装置 |
| CN113312484B (zh) * | 2021-06-10 | 2023-06-20 | 支付宝(杭州)信息技术有限公司 | 对象标签处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110033383B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200334676A1 (en) | Information recommendation method and apparatus, and medium | |
| CN111950723A (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
| CN108537568A (zh) | 一种信息推荐方法和装置 | |
| CN107391545A (zh) | 一种对用户进行分类的方法、输入方法及装置 | |
| CN108985489B (zh) | 一种风险预测方法、风险预测装置和终端设备 | |
| CN108345539A (zh) | 一种用于进行ab测试的方法和装置 | |
| CN109409241A (zh) | 视频核验方法、装置、设备及可读存储介质 | |
| CN113688313A (zh) | 一种预测模型的训练方法、信息推送的方法及装置 | |
| CN109271587A (zh) | 一种页面生成方法和装置 | |
| CN112966186A (zh) | 一种模型训练和信息推荐的方法及装置 | |
| CN110008991A (zh) | 风险事件的识别、风险识别模型的生成方法及装置 | |
| CN109614414A (zh) | 一种用户信息的确定方法及装置 | |
| CN110033383A (zh) | 一种数据处理方法、设备、介质以及装置 | |
| TWI713019B (zh) | 資料標籤產生、模型訓練、事件識別方法和裝置 | |
| CN112784159B (zh) | 内容推荐方法、装置、终端设备及计算机可读存储介质 | |
| CN109919357A (zh) | 一种数据确定方法、装置、设备及介质 | |
| CN108628931A (zh) | 一种数据驱动业务的方法、装置以及设备 | |
| CN115545353B (zh) | 一种业务风控的方法、装置、存储介质及电子设备 | |
| CN110516918A (zh) | 一种风险识别方法和装置 | |
| CN109657153A (zh) | 一种用于确定用户的关联财经信息的方法与设备 | |
| CN115049434A (zh) | 一种信息推送的方法以及装置 | |
| CN107392408A (zh) | 一种信用分数的提示信息输出方法及装置 | |
| CN114860967A (zh) | 一种模型训练的方法、信息推荐的方法以及装置 | |
| CN110738562B (zh) | 一种风险提醒信息的生成方法、装置及设备 | |
| CN114119139A (zh) | 一种信息推荐方法、装置、存储介质及电子设备 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201016 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201016 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |