CN110148021A - 广告投放出价方法及系统 - Google Patents
广告投放出价方法及系统 Download PDFInfo
- Publication number
- CN110148021A CN110148021A CN201910393336.1A CN201910393336A CN110148021A CN 110148021 A CN110148021 A CN 110148021A CN 201910393336 A CN201910393336 A CN 201910393336A CN 110148021 A CN110148021 A CN 110148021A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- client
- client production
- income
- 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
- G06Q30/0273—Determination of fees for advertising
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种广告投放出价方法及系统,该方法包括:接收并存储已安装客户端发送的用户行为数据;对该用户行为数据进行分析,得到该客户端产品的活跃用户数据和用户留存数据;从广告平台获取该客户端产品的收入数据,并根据该收入数据和该活跃用户数据计算得到平均每个用户在单位时间内为该客户端产品产生的收入;利用该用户留存数据进行分析,得到该客户端产品的用户平均使用时长;根据平均每个用户在单位时间内为该客户端产品产生的收入和用户平均使用时长,计算得到平均每个用户产生的总收入,用于作为在所述广告平台上投放广告的出价依据。通过上述方案能够自动得到平均一个用户为产品带来的总收益,从而降低出错率并提高出价实时性。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种广告投放出价方法及系统。
背景技术
当一个广告主希望在一个广告平台为其产品投放广告时,该广告主一般需要与其他广告主以竞价的方式来获得在该广告平台展示广告的机会。广告主为了扩大用户规模并控制广告投放成本,其在增加广告投放渠道的同时,需要合理预测各投放平台的投放效果和盈利效果,才能确定出在各个广告平台上投放广告的最有竞争力的出价。
目前广告主主要是通过第三方统计平台监测其产品的留存数据,然后通过对该留存数据手动处理来确定投放广告的出价,并经常人为观察投放数据的变化,手动调整出价策略。
然而,对留存数据手动处理时需要进行复杂的人工计算,这使得所确定出价的出错率很高,而且耗时较长。此外,人工不可能实时掌握广告市场的价格波动,所以对广告投放策略的调整普遍滞后。
发明内容
本发明提供了一种广告投放出价方法及系统,以自动得到平均一个用户为产品带来的总收益,从而实现广告投放自动定价,降低出错率并提高出价实时性。
为实现上述目的,本发明采用以下方案:
根据本发明的一个方面,广告投放出价方法,包括:
接收一客户端产品的已安装客户端发送的所述已安装客户端的用户行为数据,并存储所述用户行为数据;
对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据;
从所述客户端产品接收广告时所基于的广告平台获取所述客户端产品的收入数据,并根据所述收入数据和所述活跃用户数据计算得到平均每个用户在单位时间内为所述客户端产品产生的收入;
利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长;
根据所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长,计算得到平均每个用户为所述客户端产品产生的总收入,用于作为在广告平台上为所述客户端产品投放广告的出价依据。
根据本发明的另一个方面,广告投放出价系统,包括:
行为数据获取单元,用于接收一客户端产品的已安装客户端发送的所述已安装客户端的用户行为数据,并存储所述用户行为数据;
用户留存分析单元,用于对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据;
收入输入获取单元,用于从所述客户端产品接收广告时所基于的广告平台获取所述客户端产品的收入数据,并根据所述收入数据和所述活跃用户数据计算得到平均每个用户在单位时间内为所述客户端产品产生的收入;
使用时长分析单元,用于利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长;
出价依据计算单元,用于根据所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长,计算得到平均每个用户为所述客户端产品产生的总收入,用于作为在广告平台上为所述客户端产品投放广告的出价依据。
根据本发明的又一个方面,计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所述方法的步骤。
根据本发明的再一个方面,计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例所述方法的步骤。
本发明的广告投放出价方法、广告投放出价系统、计算机可读存储介质及计算机设备,通过从已安装的客户端获取到用户行为数据,行为数据的获取方式更直接,以此能够保证行为数据的准确性和真实性。通过依次自动计算活跃用户数据和用户留存数据、平均每个用户单位时间带来的收入和用户平均使用时长、以及平均每个用户带来的总收入,能够大大降低出错率并显著缩短耗时,提高得到平均每个用户的总收入的实时性,从而能够及时调整广告投放出价,提高获取广告投放机会的几率并尽量降低广告成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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。在附图中:
图1是本发明一实施例的广告投放出价方法的流程示意图;
图2是根据本发明一实施例得到的幂函数拟合曲线示意图;
图3是本发明一实施例的广告投放出价系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
首先,对本说明书可能用到的术语解释如下:
广告平台:既可以为客户端产品选择合适的平台(例如,今日头条、快手等)投放广告,此时,需要支出广告费用,也可以获得需要投广告的信息并在该客户端产品上投放广告,此时,能够得到广告收入,其中,该广告费用或广告收入均可以从广告平台获得。
广告投放:在广告平台投放产品广告,与其他广告主竞价以获得在该广告平台展示广告的机会。
投放成本:通过投放广告获得1个用户所支出的平均费用。
用户留存率:用户安装产品后一段时间仍在使用该产品的用户数量与安装该产品的用户数量的比例。例如,“次日留存率”指第1天安装一产品的用户在第2天仍然活跃的人数与第1天安装该产品的用户数量的比值;再例如,“7日留存率”指第1天安装一产品的用户在第7天仍然活跃的人数与第1天安装该产品的用户数量的比值。
用户LT:即lifetime,指平均一个用户使用产品的时长。
ARPU:即average revenue per user,指每个用户单日带来的平均收益。
用户LTV:即lifetime value,指平均一个用户为产品带来的总收益,其中,LTV=LT*ARPU。
ROI:即投资回报率,其等于(用户LTV–投放成本)/投放成本。
数据拟合:指把坐标系上的一些坐标用一条光滑的曲线连接起来。
接下来,对本发明所要解决的技术问题、所采用的技术方案及所产生的功效具体说明如下。
在现有技术中,人工计算出错率高且耗时长,人工无法实时调整出价策略,而且,现有的第三方统计平台(如appsflyer等)直接提供留存数据,并不提供原始数据,所以无法验证他们给的留存数据是否是准确的,因此从第三方统计平台获得的留存数据的准确性和真实性也无法得到保证。针对这些问题,本发明提供了一种广告投放出价方法。图1是本发明一实施例的广告投放出价方法的流程示意图。如图1所示,一些实施例的广告投放出价方法,可包括:
步骤S110:接收一客户端产品的已安装客户端发送的所述已安装客户端的用户行为数据,并存储所述用户行为数据;
步骤S120:对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据;
步骤S130:从所述客户端产品接收广告时所基于的广告平台获取所述客户端产品的收入数据,并根据所述收入数据和所述活跃用户数据计算得到平均每个用户在单位时间内为所述客户端产品产生的收入;
步骤S140:利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长;
步骤S150:根据所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长,计算得到平均每个用户为所述客户端产品产生的总收入,用于作为在广告平台上为所述客户端产品投放广告的出价依据。
上述步骤S110~步骤S150可以在服务端执行,执行主体可以是服务器、个人计算机等,其中,服务器可以是物理服务器、云服务器等。其中的步骤S130和步骤S140可以同时执行或先后执行,执行先后顺序不做限定。上述步骤S110~步骤S150可以不间断、自动地执行,或者中间可以增加其他自动执行的步骤,或者中间可以增加人工操作。
在上述步骤S110中,用户可以通过各种不同渠道获取该客户端产品并进行安装。客户端可以安装在移动终端(例如手机、平板电脑等)或非移动终端(例如个人计算机等)上。
可以通过在安装的客户端中设置埋点来追踪记录用户行为数据,客户端可以主动将用户行为数据实时或定时地传输给服务端,或者由服务端主动从客户端获取该用户行为数据。获取已安装的该客户端的用户行为数据的同时,可以获取到相应的来源信息,并与该用户行为数据对应存储记录下来,以此可便于获取同一来源的用户行为数据。
其中,该用户行为数据,也可称为用户行为数据,是指用户对安装的客户端所进行的各种操作,可以包括操作动作、操作对象、操作时间等,操作动作可以是打开事件,例如,用户在2019-01-01 08:00:01时刻打开了安装的客户端(例如,应用程序app),在08:01:20时刻点击了播放按钮,在08:01:44时刻点击了一张图片等。根据该用户行为数据可以判断该用户是否为活跃用户、该用户的留存情况、使用时长等。
在客户端被安装后可以不断获取到用户的行为数据,并存储起来,可以将获取的用户行为数据以结构化或非结构化的方式存储起来。当以结构化的方式存储该用户行为数据时,可以便于后续对其进行数据分析。
在上述步骤S120中,该活跃用户数据可以包括在某一时刻或时段使用客户端的用户的数量,例如,第一日首次打开安装客户端的所有用户在第二日仍打开了该客户端的用户的数量为该第二日的活跃用户数据。用户在客户端中看的广告可能来自多个平台,所以活跃用户指可以是所有平台(如今日头条、unity等)的活跃用户“去重”后的总和,也可以认为是在某日产生过事件的用户数量。用户留存数据可包括指定时间段内的留存用户的数量,可以包括每个留存用户使用客户端的起始时间或时长,可以包括用户留存率,例如,上述第二日的该活跃用户的数量与第一日的首次打开了安装客户端的用户数量的比值为第二日的用户留存率。可以利用现有的或改进的、具有大数据处理能力软件或程序模块对所述用户行为数据进行分析得到上述活跃用户数据和用户留存数据。
例如,当客户端第1次启动时,可以发送“首次打开”事件,根据日期可以得到“某日有哪些用户安装”;根据当日有哪些用户产生了事件,即可知当日有多少活跃用户;根据某日安装的用户在之后几天的活跃情况,可以知道某日的用户留存率(留存数据)。
在上述步骤S130中,所述客户端产品接收广告时所基于的广告平台是指当客户端产品作为平台用来展示广告的情况下所对接的用来获得待展示的广告信息的广告平台。通过该广告平台可以获得一个或多个需要在上述客户端产品上投放广告的产品,所以,该客户端产品能够获得广告收入,上述收入数据包括总的广告收入。总的广告收入可以从广告平台得到。因为该客户端产品的收入可以不止来自广告平台,也可能是用户的内购(比如购买道具等)、订阅(比如成为会员)等带来的收入,这些收入数据是可以从应用市场(例如苹果或安卓)的每日账单中获得,所以上述收入输入还可以包括该客户端自身获得的收入。此外,在上述步骤S150中,出价是指为该客户端产品在其他平台(例如其他客户端)投放广告时所愿意支付的广告费用,广告平台可以根据出价分配愿意以该出价为上述客户端产品展示广告的平台。
具体地,可以通过利用所述收入数据除以所述活跃用户数据得到平均每个用户在单位时间内为所述客户端产品产生的收入(即,ARPU),例如,利用某一天或平均每天的收入数据除以该天或平均每天的活跃用户的数量得到平均每个用户每天为客户端产生的收入。
其中,所针对的广告平台可以是指一个广告平台的所有渠道,或者可以指一个广告平台下的一个渠道。例如,facebook平台下有多个投放渠道:facebook社交网络、instgram社交网络、messager通讯工具等;google平台下有搜索广告、youtube视频广告、google+社交平台等渠道,也可以分发到其它app中展示广告。具体地例如,所述广告平台可以是指facebook平台或其平台下的一个或多个渠道,或者是指google平台或其平台下的一个或多个渠道。
在上述步骤S140中,具体地,在单位时间为天的情况下,可以利用某一天首次打开安装的客户端的用户的数量和相应的留存数据计算得到该天之后经过至少一个时间周期后的那天的留存用户数量,可以根据至少一个该留存用户数量和该某一天首次打开安装的客户端的用户的数量计算得到用户平均使用时长。
在上述步骤S150中,所述用户平均使用时长的单位和所述单位时间应一致,可以根据需要设定,一般可以是以天为单位。例如,所述用户平均使用时长的单位和所述单位时间均为天,在此情况下,该步骤S150的具体实施方式可以包括:计算所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长的乘积,得到平均每个用户为所述客户端产品产生的总收入(即,LTV)。以此可以计算得到平均一个用户在其留存期间为客户端产品提供方带来的收入。在广告费用是按每安装一个客户端来计算的情况下,可以将计算得到的平均每个用户为所述客户端产品产生的总收入作为投放广告时的竞价上限,即可以在该竞价上限之下调整出价并使出价排名尽可能靠前,以在扩大广告规模的同时控制广告成本。为上述客户端产品投放广告的平台可以是接收广告时所基于的广告平台,或者可以是其他广告平台。
如果为上述客户端产品投放广告的支出小于计算得到的平均每个用户为所述客户端产品产生的总收入,则说明广告收入能够覆盖掉广告支出,此时可以考虑提高投放广告的出价,从而取得更多的投放广告的机会,例如,可以增加广告投放渠道。每个广告平台下可以有多个投放渠道,每个渠道下的用户都有不同的特点,就造成不同渠道的用户有不同的LTV,比如使用facebook社交网络的用户会倾向于点击休闲游戏的广告,使用unity的用户会倾向于点击竞技游戏的广告,所以LTV可根据各渠道的用户特点来决定,投放的定价(出价)也可根据各渠道的用户特点来决定。
本实施例中,通过从已安装的客户端获取到用户行为数据,行为数据的获取方式更直接,以此能够保证行为数据的准确性和真实性。通过依次自动计算活跃用户数据和用户留存数据、平均每个用户单位时间带来的收入和用户平均使用时长、以及平均每个用户带来的总收入,能够大大降低出错率并显著缩短耗时,提高得到平均每个用户的总收入的实时性,从而能够及时调整广告投放出价,提高获取广告投放机会的几率并尽量降低广告成本。
一些实施例中,上述步骤S110中,存储所述用户行为数据的具体实施方式,可包括:将所述用户行为数据存储至数据库。利用该数据库可以对用户行为数据进行结构化存储,便于后续进行数据分析。
其中,该数据库可以是具有大数据处理能力的数据库,例如bigquery数据库、Hive数据库等。在一具体实施例中,所述数据库为bigquery数据库,在此情况下,上述步骤S120,即,对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据的具体实施方式,可包括:利用所述bigquery数据库对存储在其中的所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据。
本实施例中,该种bigquery数据库能够在短时间内处理海量数据,以此能够提高对所述用户行为数据进行分析速度,从而提高确定广告投放出价的实时性。
一些实施例中,上述步骤S120,即,对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据,可包括:对来源为所述广告平台的所有所述已安装客户端的所述用户行为数据进行分析,得到基于所述广告平台产生的所述客户端产品的活跃用户数据和用户留存数据。
本实施例中,所得活跃用户数据和用户留存数据均是针对同一个广告平台的,而不是针对所有广告平台的,以此可使后续计算得到的平均每个用户在单位时间内为所述客户端产品产生的收入(ARPU)和用户平均使用时长(LT)也是针对一个广告平台的,从而可以使得计算得到的平均每个用户为所述客户端产品产生的总收入(LTV)也是针对一个广告平台的,基于这样的LTV调整出价会更准确。
进一步实施例中,上述步骤S120的具体实施方式,对来源为所述广告平台的所有所述已安装客户端的所述用户行为数据进行分析,得到基于所述广告平台产生的所述客户端产品的活跃用户数据和用户留存数据,可包括:对来源为所述广告平台的一渠道的所有所述已安装客户端的所述用户行为数据进行分析,得到基于所述广告平台的所述渠道产生的所述客户端产品的活跃用户数据和用户留存数据。
上述步骤S130具体地可包括:从所述已安装客户端所来源的一广告平台的一渠道获取所述客户端产品的收入数据,并根据所述收入数据和所述活跃用户数据计算得到平均每个用户在单位时间内为所述客户端产品产生的收入。
每个渠道下的用户都有不同的特点,就造成不同渠道的用户有不同的LTV。比如使用facebook社交网络的用户会倾向于点击休闲游戏的广告,使用unity的用户会倾向于点击竞技游戏的广告。所以根据各渠道的用户特点来计算LTV,投放的定价也要根据各渠道的用户特点来确定,可以使得广告投放出价更准确。
在其他实施例中,在只在一个广告平台投放广告或仅从基于一个广告平台安装的客户端获取用户行为数据的情况下,上述步骤S110中得到的用户行为数据直接就是针对一个广告平台的,则上述步骤S120中得到的活跃用户数据和用户留存数据也是针对一个广告平台的,无需进一步筛选。
再一些实施例中,在同时在多个广告平台投放广告或从基于所有广告平台安装的客户端获取用户行为数据的情况下,上述步骤S110中得到的用户行为数据直接就是针对所有广告平台的,可以从中提取出针对某一广告平台的用户行为数据进行后续计算,或者直接使用针对所有广告平台的用户行为数据进行后续计算。
在一些实施例中,上述步骤S120,即,利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长,具体地,可包括步骤:
S121:根据在第一日期内的首次打开事件得到所述第一日期内安装所述客户端产品的用户的数量;
S122:根据所述第一日期内安装所述客户端产品的用户在所述第一日期之后增加至少一个时间周期后的第二日期内的普通事件得到所述第二日期内的留存用户数量;
S123:根据所述第一日期内安装所述客户端产品的用户的数量和所述第二日期内的留存用户数量得到所述第二日期内的用户留存率;
其中,所述用户行为数据包括所述首次打开事件和所述普通事件,所述活跃用户数据包括所述第一日期内安装所述客户端产品的用户的数量和所述第二日期内的留存用户数量,所述用户留存数据包括所述用户留存率,所述单位时间为一天。
在上述S122中,该时间周期可以是1天、7天、30天等。基于第一日期,每增加一个时间周期,可以得到一个用户留存率,增加多次时间周期可以得到多个用户留存率。计算得到的用户留存率的个数一般是有限个。
一些实施例中,上述步骤S140,即,利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长,可包括:
S141:对所有所述第二日期内的用户留存率进行幂函数拟合,得到所述第一日期之后的各日期内的用户留存率;
S142:根据所述各日期内的用户留存率和所述第一日期内安装所述客户端产品的用户的数量计算得到所述客户端产品的用户平均使用时长。
可以通过多个计算得到的用户留存率进行进行拟合,例如进行幂函数拟合,可以预测得到未来的用户留存率。其中,幂函数可以表示为y=a*x^b,x可以表示留存时间,y可以表示用户留存数据,系数a和指数b的值可以通过拟合得到。
例如,用户的次日留存、3日留存、4日留存……7日留存,通过多天的留存数据可以拟合出一个预测曲线,来预测APP在60日、90日、180日的用户留存,以60天(也可能是90、180,不同的产品需求不同)为周期,将所有的留存数据求和即是用户的平均使用天数。更具体地例如,假设APP第1天安装100人,次留50%,3留40%,4留35%……7留20%……预测60日留存1%,则LT的计算方法为:
LT=(100*100%+100*50%+100*40%+……100*35%+……+100*1%)/100=100%+50%+40%+……+35%+……+1%
假设最后计算得到的结果为9.5,则认为平均每个用户会使用APP达9.5天,即用户平均使用时长为9.5天。
一些实施例中,图1所示的广告投放出价方法,在上述步骤S150之后,还可包括:判断平均每个用户为所述客户端产品产生的总收入(LTV)是否小于当前在所述广告平台上为所述客户端产品投放广告的出价是否合理,若是,依据平均每个用户为所述客户端产品产生的总收入调低所述出价。
如果LTV小于出价,则说明该产品的广告收入不足以作为该客户端产品投放广告所需费用的来源,说明当前投放广告成本太高,此时可以调低出价,减少广告投放,减少支出,从而达到控制广告成本的目的,其中,调整出价可以是自动进行的。
为使本领域技术人员更好地了解本发明,下面将以具体实施例说明本发明的实施方式。
客户端产品可以是一款app(应用程序),可以通过分析该app中的埋点数据,来自动分析用户的来源、留存情况,可以利用拟合算法预测用户的LTV,从而为在广告平台的各渠道(不仅指广告投放平台,还可包括平台下面的渠道)投放广告确定出最佳出价,可并依据当前市场情况和app产品的情况自动调整出价策略。具体地,广告投放出价方法可包括以下步骤:
(1)客户端发送用户的所有行为数据到bigquery数据库;
(2)对bigquery中的行为数据进行分析,得到活跃的用户和用户留存数据;
(3)对接所有的广告平台,实时获取客户端产品的收入数据,并配合活跃数据计算平均每个用户每天可以产生的收入(ARPU),其中,ARPU=当前收入/当前活跃人数;
(4)通过对留存数据的幂函数拟合y=a*x^b,预测用户的平均使用时长(LT);
(5)通过用户的平均使用时长(LT)和用户平均每天产生的收入(ARPU)计算得到平均每个用户的总收入(LTV),其中,LTV=LT*ARPU;
(6)对接所有的广告平台,重复执行上述步骤(1)~(5),可以监控当前的广告出价是否符合预期,例如判断在7-30天内,用户带来的收入是否符合预测值,再决定是否需要改变广告出价。
例如,广告平台包括Facebook、Google、IronSource等,留存时间可以包括30天、60天、90天、120天、180天等,则通过本实施例的广告投放出价方法,通过对留存数据的幂函数拟合y=a*x^b,预测用户的平均使用时长(LT)的曲线如图2所示,计算得到的ARPU、LT及LTV如下表所示:
本实施例中,解决了人工的效能问题,排除了人为可能发生的错误;并将对市场价格的监控控制在分钟级,大大减少了市场波动带来的损失。能够使产品提供方(例如公司)在增加广告投放渠道的同时,合理预测各投放平台的投放效果和盈利效果,从而确定在各个投放平台上的最有竞争力的出价,能够使得广告投放的出价兼顾扩大用户规模和控制成本。
基于与图1所示的广告投放出价方法相同的发明构思,本申请实施例还提供了一种广告投放出价装置,如下面实施例所述。由于该广告投放出价装置解决问题的原理与广告投放出价方法相似,因此该广告投放出价装置的实施可以参见广告投放出价方法的实施,重复之处不再赘述。
图3是本发明一实施例的广告投放出价系统的结构示意图。如图3所示,一些实施例的广告投放出价系统,可包括:
行为数据获取单元210,用于接收一客户端产品的已安装客户端发送的所述已安装客户端的用户行为数据,并存储所述用户行为数据;
用户留存分析单元220,用于对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据;
收入输入获取单元230,用于从所述客户端产品接收广告时所基于的的广告平台获取所述客户端产品的收入数据,并根据所述收入数据和所述活跃用户数据计算得到平均每个用户在单位时间内为所述客户端产品产生的收入;
使用时长分析单元240,用于利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长;
出价依据计算单元250,用于根据所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长,计算得到平均每个用户为所述客户端产品产生的总收入,用于作为在广告平台上为所述客户端产品投放广告的出价依据。
在一些实施例中,行为数据获取单元210,可包括:存储模块,用于将所述用户行为数据存储至数据库。
在一些实施例中,所述数据库为bigquery数据库,用户留存分析单元220,可包括:数据库分析模块,用于利用所述bigquery数据库对存储在其中的所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据。
在一些实施例中,用户留存分析单元220,可包括:用户留存分析模块,用于根据在第一日期内的首次打开事件得到所述第一日期内安装所述客户端产品的用户的数量;根据所述第一日期内安装所述客户端产品的用户在所述第一日期之后增加至少一个时间周期后的第二日期内的普通事件得到所述第二日期内的留存用户数量;根据所述第一日期内安装所述客户端产品的用户的数量和所述第二日期内的留存用户数量得到所述第二日期内的用户留存率;其中,所述用户行为数据包括所述首次打开事件和所述普通事件,所述活跃用户数据包括所述第一日期内安装所述客户端产品的用户的数量和所述第二日期内的留存用户数量,所述用户留存数据包括所述用户留存率,所述单位时间为一天。
在一些实施例中,使用时长分析单元240,可包括:使用时长分析模块,用于对所有所述第二日期内的用户留存率进行幂函数拟合,得到所述第一日期之后的各日期内的用户留存率;根据所述各日期内的用户留存率和所述第一日期内安装所述客户端产品的用户的数量计算得到所述客户端产品的用户平均使用时长。
在一些实施例中,广告投放出价系统,还可包括:监控单元,用于判断平均每个用户为所述客户端产品产生的总收入是否小于当前在广告平台上为所述客户端产品投放广告的出价,若是,依据平均每个用户为所述客户端产品产生的总收入调低所述出价。
在一些实施例中,所述用户平均使用时长的单位和所述单位时间为天;出价依据计算单元250,可包括:出价依据计算模块,用于计算所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长的乘积,得到平均每个用户为所述客户端产品产生的总收入。
本发明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,该程序被处理器执行时实现上述实施例所述方法的步骤。
本发明实施例还提供计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例所述方法的步骤。
综上所述,本发明实施例的广告投放出价方法、广告投放出价系统、计算机可读存储介质及计算机设备,通过从已安装的客户端获取到用户行为数据,行为数据的获取方式更直接,以此能够保证行为数据的准确性和真实性。通过依次自动计算活跃用户数据和用户留存数据、平均每个用户单位时间带来的收入和用户平均使用时长、以及平均每个用户带来的总收入,能够大大降低出错率并显著缩短耗时,提高得到平均每个用户的总收入的实时性,从而能够及时调整广告投放出价,提高获取广告投放机会的几率并尽量降低广告成本。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
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。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种广告投放出价方法,其特征在于,包括:
接收一客户端产品的已安装客户端发送的所述已安装客户端的用户行为数据,并存储所述用户行为数据;
对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据;
从所述客户端产品接收广告时所基于的广告平台获取所述客户端产品的收入数据,并根据所述收入数据和所述活跃用户数据计算得到平均每个用户在单位时间内为所述客户端产品产生的收入;
利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长;
根据所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长,计算得到平均每个用户为所述客户端产品产生的总收入,用于作为在广告平台上为所述客户端产品投放广告的出价依据。
2.如权利要求1所述的广告投放出价方法,其特征在于,存储所述用户行为数据,包括:
将所述用户行为数据存储至数据库。
3.如权利要求2所述的广告投放出价方法,其特征在于,所述数据库为bigquery数据库;
对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据,包括:
利用所述bigquery数据库对存储在其中的所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据。
4.如权利要求1所述的广告投放出价方法,其特征在于,对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据,包括:
根据在第一日期内的首次打开事件得到所述第一日期内安装所述客户端产品的用户的数量;
根据所述第一日期内安装所述客户端产品的用户在所述第一日期之后增加至少一个时间周期后的第二日期内的普通事件得到所述第二日期内的留存用户数量;
根据所述第一日期内安装所述客户端产品的用户的数量和所述第二日期内的留存用户数量得到所述第二日期内的用户留存率;
其中,所述用户行为数据包括所述首次打开事件和所述普通事件,所述活跃用户数据包括所述第一日期内安装所述客户端产品的用户的数量和所述第二日期内的留存用户数量,所述用户留存数据包括所述用户留存率,所述单位时间为一天。
5.如权利要求4所述的广告投放出价方法,其特征在于,利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长,包括:
对所有所述第二日期内的用户留存率进行幂函数拟合,得到所述第一日期之后的各日期内的用户留存率;
根据所述各日期内的用户留存率和所述第一日期内安装所述客户端产品的用户的数量计算得到所述客户端产品的用户平均使用时长。
6.如权利要求1所述的广告投放出价方法,其特征在于,还包括:
判断平均每个用户为所述客户端产品产生的总收入是否小于当前在广告平台上为所述客户端产品投放广告的出价,若是,依据平均每个用户为所述客户端产品产生的总收入调低所述出价。
7.如权利要求1所述的广告投放出价方法,其特征在于,所述用户平均使用时长的单位和所述单位时间为天;
根据所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长,计算得到平均每个用户为所述客户端产品产生的总收入,包括:
计算所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长的乘积,得到平均每个用户为所述客户端产品产生的总收入。
8.一种广告投放出价系统,其特征在于,包括:
行为数据获取单元,用于接收一客户端产品的已安装客户端发送的所述已安装客户端的用户行为数据,并存储所述用户行为数据;
用户留存分析单元,用于对所述用户行为数据进行分析,得到所述客户端产品的活跃用户数据和用户留存数据;
收入输入获取单元,用于从所述客户端产品接收广告时所基于的广告平台获取所述客户端产品的收入数据,并根据所述收入数据和所述活跃用户数据计算得到平均每个用户在单位时间内为所述客户端产品产生的收入;
使用时长分析单元,用于利用所述用户留存数据进行分析,得到所述客户端产品的用户平均使用时长;
出价依据计算单元,用于根据所述的平均每个用户在单位时间内为所述客户端产品产生的收入和所述用户平均使用时长,计算得到平均每个用户为所述客户端产品产生的总收入,用于作为在广告平台上为所述客户端产品投放广告的出价依据。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910393336.1A CN110148021A (zh) | 2019-05-13 | 2019-05-13 | 广告投放出价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910393336.1A CN110148021A (zh) | 2019-05-13 | 2019-05-13 | 广告投放出价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110148021A true CN110148021A (zh) | 2019-08-20 |
Family
ID=67594245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910393336.1A Pending CN110148021A (zh) | 2019-05-13 | 2019-05-13 | 广告投放出价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110148021A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612538A (zh) * | 2020-05-21 | 2020-09-01 | 广州欢网科技有限责任公司 | 广告估价方法、装置、存储介质及服务器 |
CN112579408A (zh) * | 2020-10-29 | 2021-03-30 | 上海钱拓网络技术有限公司 | 一种埋点信息的分类方法 |
CN112785344A (zh) * | 2021-02-01 | 2021-05-11 | 北京达佳互联信息技术有限公司 | 广告投放方法、装置、电子设备和存储介质 |
CN113626725A (zh) * | 2021-08-16 | 2021-11-09 | 广州趣丸网络科技有限公司 | 基于用户增长类的平台运营价值评估方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657879A (zh) * | 2013-11-19 | 2015-05-27 | 雅虎公司 | 基于用户参与的根据上下文的用于无保障递送的自动定价 |
CN105741133A (zh) * | 2016-01-26 | 2016-07-06 | 电子科技大学 | 一种针对在线广告投放的步进管理方法 |
CN106204108A (zh) * | 2016-06-29 | 2016-12-07 | 腾讯科技(深圳)有限公司 | 广告反作弊方法及广告反作弊装置 |
CN108062680A (zh) * | 2017-11-15 | 2018-05-22 | 深圳市金立通信设备有限公司 | 预估转化率确定方法、广告需求方平台及计算机可读介质 |
CN108876441A (zh) * | 2018-05-29 | 2018-11-23 | 微梦创科网络科技(中国)有限公司 | 一种基于营销目标的广告自动化竞价方法及系统 |
CN108985810A (zh) * | 2017-06-02 | 2018-12-11 | 北京京东尚科信息技术有限公司 | 一种需求方平台进行广告投放的方法和装置 |
-
2019
- 2019-05-13 CN CN201910393336.1A patent/CN110148021A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657879A (zh) * | 2013-11-19 | 2015-05-27 | 雅虎公司 | 基于用户参与的根据上下文的用于无保障递送的自动定价 |
CN105741133A (zh) * | 2016-01-26 | 2016-07-06 | 电子科技大学 | 一种针对在线广告投放的步进管理方法 |
CN106204108A (zh) * | 2016-06-29 | 2016-12-07 | 腾讯科技(深圳)有限公司 | 广告反作弊方法及广告反作弊装置 |
CN108985810A (zh) * | 2017-06-02 | 2018-12-11 | 北京京东尚科信息技术有限公司 | 一种需求方平台进行广告投放的方法和装置 |
CN108062680A (zh) * | 2017-11-15 | 2018-05-22 | 深圳市金立通信设备有限公司 | 预估转化率确定方法、广告需求方平台及计算机可读介质 |
CN108876441A (zh) * | 2018-05-29 | 2018-11-23 | 微梦创科网络科技(中国)有限公司 | 一种基于营销目标的广告自动化竞价方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612538A (zh) * | 2020-05-21 | 2020-09-01 | 广州欢网科技有限责任公司 | 广告估价方法、装置、存储介质及服务器 |
CN111612538B (zh) * | 2020-05-21 | 2021-07-20 | 广州欢网科技有限责任公司 | 广告估价方法、装置、存储介质及服务器 |
CN112579408A (zh) * | 2020-10-29 | 2021-03-30 | 上海钱拓网络技术有限公司 | 一种埋点信息的分类方法 |
CN112785344A (zh) * | 2021-02-01 | 2021-05-11 | 北京达佳互联信息技术有限公司 | 广告投放方法、装置、电子设备和存储介质 |
CN113626725A (zh) * | 2021-08-16 | 2021-11-09 | 广州趣丸网络科技有限公司 | 基于用户增长类的平台运营价值评估方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148021A (zh) | 广告投放出价方法及系统 | |
US10692117B2 (en) | Systems and methods for autonomous bids of advertisement inventory | |
CN108269123B (zh) | 广告投放控制方法及装置 | |
CN110033314B (zh) | 广告数据处理方法及装置 | |
CN105135782B (zh) | 一种基于物联网的智能冰箱管理系统 | |
KR102086905B1 (ko) | 실시간 방송의 후원을 위한 사용자 단말 및 서버의 동작 방법 | |
US7505926B2 (en) | Methods, apparatus, and computer readable medium for processing bids in an auction | |
CN108924576A (zh) | 一种视频标注方法、装置、设备及介质 | |
TWI485639B (zh) | 利用串流分析之廣告宣傳方法、系統及其電腦可讀媒體 | |
CN109615436A (zh) | 一种基于互联网屏幕的智能广告发布平台、系统及方法 | |
US9842354B2 (en) | Simulator for a real-time bidding system | |
CN107004211A (zh) | 基于适应算法向具有定制的适应用户体验的装置提供广告服务的系统和方法 | |
US20200286113A1 (en) | Dynamic Content and Pricing | |
US20160180377A1 (en) | Systems and methods for advanced programmatic advertising targeting | |
US11623154B2 (en) | Driving virtual influencers based on predicted gaming activity and spectator characteristics | |
US11205199B2 (en) | Systems and methods for providing programmatic creation and modification of advertising campaigns | |
CN111093069A (zh) | 一种全景视频流的质量评估方法及装置 | |
CN109003140A (zh) | 多媒体内容的投放出资的确定方法、设备及存储介质 | |
CN109636477A (zh) | 一种广告投放缺量的预警方法和装置 | |
CN106372881A (zh) | 一种支付管理系统及方法 | |
US11406907B2 (en) | Player feedback to increase spectatorship in a video game | |
CN110580632A (zh) | 一种广告投放方法和装置 | |
US10565624B2 (en) | Asset orchestration across multiple device types, media spaces, and time | |
US20200043024A1 (en) | Fast calculations of total unduplicated reach and frequency statistics | |
CN110322264A (zh) | 广告流量控制方法和装置 |
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: 20190820 |