CN110796477A - 广告展示方法、装置、电子设备及可读存储介质 - Google Patents
广告展示方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110796477A CN110796477A CN201910900503.7A CN201910900503A CN110796477A CN 110796477 A CN110796477 A CN 110796477A CN 201910900503 A CN201910900503 A CN 201910900503A CN 110796477 A CN110796477 A CN 110796477A
- Authority
- CN
- China
- Prior art keywords
- advertisement
- historical
- estimated
- value
- threshold
- 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
Images
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
- G06Q30/0242—Determining effectiveness of advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例提供了一种广告展示方法、装置、电子设备及可读存储介质,所述方法包括:根据用户请求以及用户请求对应的广告召回列表,确定用户请求对应的广告位的门槛值,对广告召回列表中的各广告进行点击率预估,得到各广告对应的广告预估点击率,将广告预估点击率超过门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。本公开的实施例中,由于针对各用户确定不同广告位的门槛值,并将各广告根据门槛值与各广告的点击率进行筛选,因此,避免了现有技术中同一指定广告准入门槛,导致的高价位、低点击率广告的投放,影响用户使用体验的问题,在用户粒度上提高广告展示的准确率。
Description
技术领域
本公开的实施例涉及网络技术领域,尤其涉及一种广告展示方法、装置、电子设备及可读存储介质。
背景技术
随着互联网技术的迅速发展,广告主选择在网络上进行广告投放的比例逐渐增大,为了提升用户体验和商户收入,目前广泛使用了基于广告点击率预估的方法对广告进行排序。
具体地,首先通过逻辑回归算法预估候选广告的点击率,然后基于预估的点击率计算候选广告的质量度(Quality),最后将候选广告按照Bid×Quality逆序排列并展现,其中,Bid为广告的出价,出价越高且质量度越高的广告排序越靠前。
然而,基于目前的广告排序方式,对于出价特别高的广告,即使质量不高(点击率较低),仍然可以排在较前的位置,导致无法过滤质量较差的广告,进而影响用户体验。
发明内容
本公开的实施例提供一种广告展示方法、装置、电子设备及可读存储介质,用以提高广告展示的准确率。
根据本公开的实施例的第一方面,提供了一种广告展示方法,所述方法包括:
根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值;
对所述广告召回列表中的各广告进行点击率预估,以得到各广告对应的广告预估点击率;
将广告预估点击率超过所述门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。
根据本公开的实施例的第二方面,提供了一种广告展示装置,所述装置包括:
门槛确定模块,用于根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值;
广告筛选模块,用于对所述广告召回列表中的各广告进行点击率预估,以得到各广告对应的广告预估点击率;
排序展示模块,用于将所述广告筛选模块得到的广告预估点击率超过所述门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。
根据本公开的实施例的第三方面,提供了一种电子设备,包括:
处理器、存储器以及存储在所述存储器上并可在所述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前述广告展示方法。
根据本公开的实施例的第四方面,提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述广告展示方法。
本公开的实施例提供了一种广告展示方法、装置、电子设备及可读存储介质,所述方法包括:根据用户请求以及用户请求对应的广告召回列表,确定用户请求对应的广告位的门槛值,对广告召回列表中的各广告进行点击率预估,得到各广告对应的广告预估点击率,将广告预估点击率超过门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。本公开的实施例中,由于针对各用户确定不同广告位的门槛值,并将各广告根据门槛值与各广告的点击率进行筛选,因此,避免了现有技术中因统一指定广告准入门槛,导致高价位、低点击率广告的投放,影响用户使用体验的问题,在用户粒度上提高广告展示的准确率。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对本公开的实施例的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公开的实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本公开的一个实施例中的广告展示方法的步骤流程图;
图2示出了在本公开的一个实施例中的广告展示装置的结构图;
图3示出了本公开的一个实施例提供的电子设备的结构图。
具体实施方式
下面将结合本公开的实施例中的附图,对本公开的实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开的实施例一部分实施例,而不是全部的实施例。基于本公开的实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开的实施例保护的范围。
实施例一
参照图1,其示出了本公开的一个实施例中的广告展示方法的步骤流程图,包括:
步骤101、根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值;
步骤102、对所述广告召回列表中的各广告进行点击率预估,以得到各广告对应的广告预估点击率;
步骤103、将广告预估点击率超过所述门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。
本公开的广告展示方法可应用于终端中,所述终端具体包括但不限于:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3,Moving PictureExperts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4,MovingPicture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等。
需要说明的是,本公开中的用户请求可以是针对用户的每一次搜索请求,其中,可以是用户在搜索引擎、购物网站搜索栏、社交平台搜索栏等输入搜索词,并通过预设操作触发的搜索请求,或者,可以是用户对消费场景如附近、指定区域如家或公司等发起的搜索请求,广告召回列表可以包括根据用户搜索请求中搜索词关联的广告,根据搜索词确定的候选广告组成的列表。
通常,在接收用户的用户请求时,若用户请求是搜索请求,则根据搜索请求中的搜索词可以确定多条自然结果,同时也可以根据搜索请求中的搜索词确定广告召回列表。以在搜索引擎中搜索场景为例,用户在搜索栏中输入搜索词“耳机”,并点击搜索按钮发起搜索请求,根据搜索词“耳机”可以确定多条自然结果,如耳机的百科词条、耳机相关论坛、“耳机”相关贴吧、“耳机”相关问答等等,根据搜索词“耳机”可以确定广告召回列表,其中包括购物天猫耳机购物广告、京东耳机购物广告、苏宁易购耳机购物广告等。
其中,在显示自然结果和广告时,通常会对显示的位次进行区分,从而混合显示自然结果和广告,如第一位显示自然结果,第二位显示广告、第三位显示自然结果、第四位显示广告等等。此时,第二位和第四位则被确认为广告位,本公开实施例可以根据用户请求中用户的历史信息,如历史广告点击次数、历史广告转化次数、历史广告关闭次数的,确定广告的投放数量与投放位置,从而确定用户请求对应的广告位,或者,也可以统一设置固定广告位,本公开对此不做具体限制。
本公开实施例中,通过门槛值表示用户请求对应的广告位广告的准入点击率门槛,一般来说,广告的点击率与广告的质量之间有一定对应关系,质量越好的广告其点击率越高,质量低的广告其点击率越低,根据用户请求以及广告召回列表确定对应广告位的门槛值,能够过滤掉点击率低、质量低的广告,从而保证广告的质量,避免出价高、质量低的广告位列在前,影响广告推荐的准确率,提高用户体验,同时,根据用户请求确定对应广告位的门槛值可以针对不同用户的情况对广告进行不同程度的过滤,从而进一步提升广告推荐的准确率。
因此,需要对广告召回列表中的各广告进行点击率预估,其中,点击率为广告/自然结果受到用户点击的次数与广告/自然结果曝光给用户的次数,预估广告召回列表中各广告的点击率,从而与对应的广告位的门槛值进行比较,将预估点击率低于门槛值的广告过滤,将预估点击率高于门槛值的广告作为对应广告位的候选广告,此时,不同的广告位可能有不同的候选广告,不同广告位的候选广告可能有重合。
本公开实施例中,可在显示过程中可以对同一广告位中的候选广告进行排序显示,如在第一页该广告位显示候选广告中的第一个广告,在下一页该广告位显示候选广告中的第二广告,对于显示过的广告,在其他广告位中候选广告再次轮到显示时,可以跳过显示下一个广告,或者,也可以重复出现预设次数后,再跳过显示,可选地,候选广告的排序可以根据预估点击率由高至低排序,或者对候选广告进行质量评分并根据评分由高到低对候选广告排序,本公开对候选广告排序显示的方式不做具体限制。
在本公开的一种可选实施例中,所述根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值,包括:
步骤S11、根据所述用户请求以及所述广告召回列表,确定与用户请求相关的特征数据;
步骤S12、将所述特征数据输入门槛系数模型,通过所述门槛系数模型输出所述用户请求对应的广告位的门槛系数;
步骤S13、对所述用户请求对应的广告位进行点击率预估,以得到所述广告位的位次预估点击率;
步骤S14、根据所述广告位的门槛系数、以及所述广告位的位次预估点击率,确定所述广告位的门槛值。
用户特征数据是根据用户请求与广告召回列表确定的与预测用户行为有关的数据,本公开的一种可选实施例中,所述特征数据可以包括所述广告召回列表中各广告对应的预估点击率、预估转化率、预估交易额、以及所述用户请求对应的搜索词、城市、品类中的至少一个,即预测用户点击广告的概率,点击广告后进入对应网站的概率、进入对应网站购买对应商品的概率等等,或者,预测用户的搜索意图等等。
本公开实施例可以将特征数据输入门槛系数模型,从而得到用户请求对应的广告位的门槛系数,由于不同的广告位受到用户关注的程度可能不同,因此,不同的广告位可能具有不同的门槛系数,门槛系数模型在接收同一用户请求与广告召回列表对应的特征数据时,可以根据输入的特征数据输出不同广告位分别对应的门槛系数,以便针对不同广告位分别设置不同的门槛值,对广告召回列表进行不同程度的过滤,也可以为所有的广告位统一输出门槛系数,以便对不同的广告位统一进行门槛值计算,提高广告筛选的效率。
同时,由于广告位的位次不同,其受到用户关注的程度有所不同,因此,对广告位的点击率也有所不同,如当广告位为搜索页面的第二位、第五位和第七位时,可能用户偏向于先点击广告再浏览其他自然结果,此时,第二位次广告位的点击率会高一些;可能用户偏向于先浏览一部分自然结果,再点击广告进行比较,此时,第五位次广告位的点击率会高一些;可能用户偏向于浏览所有的自然结果后,再点击广告进行比较,此时,第七位次的广告位点击率会高一些,因此,根据用户请求可以获取用户的历史点击数据,从而确定当前用户请求对应的各位次广告位的位次预估点击率。
本公开实施例中,广告位的门槛值可以由门槛系数以及各位次广告位的位次预估点击率确定,门槛系数是由门槛系数模型根据本次用户请求以及本次广告召回列表对应的特征数据确定的广告位的门槛系数,广告位的位次预估点击率是根据用户请求对应的历史点击数据对广告位的点击率进行的预测,因此,通过门槛系数可以对位次预估点击率进行修正,从而获得广告位对应的准确的门槛值。
另外,除了通过上述方式计算广告位对应的门槛值外,也可以将广告对应商户与用户的距离、广告对应商户的星级等也作为广告召回列表中候选广告的筛选条件,从而进一步保证候选广告的质量,提高用户体验。
在本公开的一种可选实施例中,所述门槛系数模型通过如下步骤训练得到:
步骤S21、根据历史用户请求以及所述历史用户请求对应的历史广告召回列表,确定与历史用户请求相关的历史特征数据;
步骤S22、将所述历史特征数据作为初始门槛系数模型的输入,通过所述初始门槛系数模型输出所述历史用户请求对应的历史广告位的预估门槛系数;
步骤S23、根据所述历史广告位的预估门槛系数、以及所述历史广告位的历史位次预估点击率,确定所述广告位的预估门槛值;
步骤S24、根据所述历史广告位采用所述预估门槛值之后的实际点击价值、所述历史广告位采用所述预估门槛值之前的预估点击价值、所述历史广告召回列表中可曝光广告数量、所述历史广告召回列表中实际曝光广告数量,确定所述历史广告位对应的累计价值;
步骤S25、将所述累计价值作为所述初始门槛系数模型的奖励函数,训练所述初始门槛系数模型以及调整所述初始门槛系数模型的模型参数,以得到训练完成的门槛系数模型。
在本公开的一种可选实施例中,所述实际点击价值为根据自然结果的预设点击价值、广告的单次点击费用、以及广告收入与广告点击量之间的兑换系数计算得到;
所述预估点击价值为根据所述历史广告位的位次预估点击率所确定,且所述历史广告位的位次预估点击率满足预设阈值。
本公开中,可以采用深度强化学习(Deep Deterministic Policy Gradient,DDPG)进行建模,采集历史用户请求、历史请求对应的历史广告召回列表,从而确定与历史用户请求历史特征数据,将历史特征数据输入初始门槛系数模型,再输出历史用户请求对应的历史广告位的预估门槛系数,再根据历史广告位的历史位次预估点击率,或者是历史广告位的历史位次实际点击率,确定广告位的预估门槛值,可选地,历史用户请求、历史广告召回列表等历史数据可以通过将线上日志实时或离线导出,还可以对日志进行清洗,去除日志生成过程中的异常值、重复数据、无用数据或可能作弊的数据等,并将获得的对建立模型有用的数据进行归一化,和/或进行数据变换、组合,之后再将数据输入初始门槛系数模型中进行模型训练。
在确定预估门槛值后,可以根据预估门槛值对历史广告位的历史广告召回列表进行筛选,从而确定历史广告位对应的历史候选广告,通过历史候选广告可以确定历史广告位采用预估门槛值之后的实际点击价值。本公开实施例中,点击价值是用于衡量调整门槛值后预估用户点击或不点击广告的指标,由于平台投放广告产生收益,但是又可能影响用户体验,因此点击价值需要在用户体验与广告平台之间实现平衡,在通过预估点击率衡量用户体验的同时,为了在优化点击率的同时平衡平台的收入,可以对广告的点击价值进行标记。
其中,广告机制设计相对合理的情况下,在不进一步提升广告的覆盖率的基础上,用户体验的下降与平台收入之间有一定的兑换关系,例如,在经过某些调整如增高门槛值时,推荐更加精准,用户点击率会提升,但平台收入会下降,反之则用户点击率会下降,但平台收入会提升,另外,对于点击计费的广告,单次的点击中,由于用户针对广告的点击带来收益,因此其点击价值应高于用户对自然结果的点击价值,同理,同样是广告点击,单次点击计费更高的点击价值更高。
基于上述条件,可以设置自然结果的点击价值为1,广告的点击价值为1+m*cpc,其中cpc表示广告的单次点击费用,可选地,为了避免广告的点击价值与自然结果的点击价值差异过大,可以在cpc前乘以兑换关系系数m,并使得m取值范围在(0,1),从而平衡自然结果的点击价值与广告的点击价值,其中m可以看做是表示平台收入与用户体验之间的兑换关系系数。
为了计算兑换关系系数m,可以设置包括自然结果和广告的实验组以及只有自然结果的对照组,并假设平均每次用户请求带来的价值对等,因此,可得如下公式:
其中,SumClick表示点击总数;SumRevenue表示点击广告带来的收入;SumRequest表示广告请求数量,下标e表示实验组,下标b表示对照组,公式(1)中左式表示包含广告与自然结果的流量中的点击率以及平均每次用户请求带来的广告收入和与广告请求数量的比值,右式表示仅包含自然结果的点击率与广告请求数量的比值,为了保证加入平台收入后两边式子在同一量纲范围内,从而求出m,假设两边式子价值相等,简化公式(1),得:
上式中,Ctrb表示对照组自然结果点击率,Ctrc表示实验组广告点击率,即由上述内容可知,兑换关系系数m可用自然结果点击率与广告点击率的差,与点击广告的收入的比值表示,由此,可以获得根据自然结果的预设点击价值,广告的单次点击费用、以及广告收入与广告点击量之间的兑换关系,获得广告位的实际点击价值。
本公开实施例中,为了比较采用调整后的门槛值后历史广告位的点击价值是否有提升,还可以计算历史广告位不采用预估门槛值时的预估点击价值,从而比较广告位的实际点击价值和预估点击价值。
其中,计算预估点击价值时通过位次预估点击率计算,此时,需要保证广告位的位次预估点击率与自然结果点击率的差值在一定范围内,即位次预估点击率满足预设阈值,如广告点击率与自然结果点击率比例为σ,则位次预估点击率下降幅度应不低于1-σ,如广告点击率在自然结果点击率的85%以上,所以相对于自然结果,广告点击率和自然结果点击率的差距为(1-85%)=15%,即位次预估点击率应在85~100%,根据位次预估点击率,以及广告单次点击费用等确定历史广告位的预估点击价值。
此时,可以计算历史广告位对应的累积价值,如下所示:
其中,ΣClickValue为历史广告位对应实际点击价值的和,∑pCtrpos*σ/σ′为历史广告位对应预估点击价值的和,Σimpression表示历史广告召回列表中实际曝光广告数量,ΣPV表示历史广告召回列表中可曝光广告数量,通过上述公式(3)求得历史广告位对应的累计价值。
本公开中,上述公式(3)可作为门槛系数模型训练过程中的深度学习的奖励函数,此时,深度学习过程中的状态值可以包括cityid(城市id)、cateid(品类id)、query(用户搜索词)、hour(请求所在时段)、maxCtr(广告召回列表最大点击率)、minCtr(广告召回列表最低点击率)、avgCtr(广告召回列表平均点击率)、maxCvr(广告召回列表最大转化率)、minCvr(广告召回列表最小转化率)、avgCvr(广告召回列表平均转化率)、maxPrice(广告召回列表最大计费价格)、minPrice(广告召回列表最小计费价格)、avgPrice(广告召回列表平均计费价格)、ctr列表(广告点击率列表)、cvr列表(广告转换率列表)、bid列表(广告出价列表)、price列表(广告计费列表)、ctr*bid列表、ctr*price列表等跟用户请求相关的细粒度特征数据,动作可以是门槛系数k值,其中,门槛系数与历史广告位的预估点击率posCtr的乘积posCtr*k可以作为该历史广告位的门槛值,经历可以是每个用户在一段时间内的用户请求。
在本公开的一种可选实施例中,所述奖励函数中还包括所述累计价值对应的第一惩罚项和第二惩罚项;所述第一惩罚项包括第一惩罚系数和第一惩罚因子;所述第二惩罚项包括第二惩罚系数和第二惩罚因子;
其中,所述第一惩罚因子为所述历史广告召回列表中各广告对应的历史广告预估点击率中的最大值,且所述门槛值大于所述最大值;所述第二惩罚因子为所述历史广告位采用所述预估门槛值之前和之后展示广告的平均质量的差值。
本公开实施例中,为了避免训练得到的门槛系数模型输出的门槛系数过高,导致门槛值高于广告召回列表中预估点击率的最大值,从而导致广告位不出广告的情况,在奖励函数中可以添加累积价值对应的第一惩罚项与第二惩罚项,其中第一惩罚项的第一惩罚因子为历史广告召回列表中各广告对应的历史广告预估点击率中的最大值,且门槛值大于所述最大值,从而避免输出的门槛系数过高导致的无广告可出的问题,第二惩罚项的第二惩罚因子为历史广告位采用预估门槛值之前和之后展示广告的平均质量的差值,从而保证加入门槛值后广告的平均质量有所提升,最终得到的奖励函数如下所示:
reward=R+alpha*PenaltyCtr+beta*PenaltyScoresDiff (4)
其中,R为上述公式(3),penaltyCtr表示门槛值大于列表最大点击率的惩罚;PenaltyScoresDiff表示加入门槛值前后的广告平均质量的差值;alpha、beta为通过调参找出的参数。
在实际应用中,如果经过上述调整,门槛系数模型输出的门槛系数计算得到广告位的门槛值还是大于广告召回列表的最大点击率,可选地,可以将广告召回列表中点击率由高到低排列的预设数量的广告作为该广告位的候选广告,以避免无广告可出的问题。
本公开实施例中,采集历史数据,通过上述奖励函数进行深度学习训练门槛系数模型,在通过获得的门槛系数模型进行线上预测时,也可根据实时产生的用户请求、广告召回列表、门槛系数、候选广告、广告点击率等数据进行门槛系数模型的实时或离线更新,从而保证门槛系数模型输出的准确性。
在本公开的一种可选实施例中,在得到训练完成的门槛系数模型之后,所述方法还包括:
步骤S26、将所述预估门槛系数以及所述历史特征数据输入价值模型,通过所述价值模型输出所述预估门槛系数对应的预估门槛价值;
步骤S26、根据所述预估门槛价值与所述累计价值之间的差值,调整所述门槛系数模型的模型参数。
本公开实施例中,对于门槛系数模型输出的预估门槛系数是否能够使得用户体验与平台收入之间得到价值最大的平衡,可以由价值模型进行评估,价值模型接收门槛系数模型输出的预估门槛系数,以及输出该预估门槛系数所依据的历史特征数据,价值模型可以输出预估门槛系数对应的预估门槛价值,预估门槛价值表示广告位采用该门槛系数计算得到的门槛值后所获得的预估价值,通过该预估门槛价值与历史广告位真实的累计价值之间的偏差,来调整门槛系数模型的模型参数,从而保证门槛系数模型的预测结果更接近真实门槛系数,使得预测结果更加准确。
另外,可选地,本公开实施例还可以在评估门槛系数模型输出门槛系数的真实性的同时,根据预估门槛系数、历史特征数据与评估结果等,迭代更新价值模型,从而保证模型评估的准确性。
综上,本公开的实施例提供了一种广告展示方法,所述方法包括:根据用户请求以及用户请求对应的广告召回列表,确定用户请求对应的广告位的门槛值,对广告召回列表中的各广告进行点击率预估,得到各广告对应的广告预估点击率,将广告预估点击率超过门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。本公开的实施例中,由于针对各用户确定不同广告位的门槛值,并将各广告根据门槛值与各广告的点击率进行筛选,因此,避免了现有技术中同一指定广告准入门槛,导致的高价位、低点击率广告的投放,影响用户使用体验的问题,在用户粒度上提高广告展示的准确率,并且,本公开可以根据用户实时的反馈进行门槛系数的调整,可以根据特征数据的粒度做不同程度的调整和兑换,广告展示灵活、针对性强,最后,本公开在广告准入阶段对广告进行筛选,达到了用户体验和平台收入的直接、精确兑换,能够更好优化广告推荐准确率,提升用户体验。
实施例二
参照图2,其示出了在本公开的一个实施例中的广告展示装置200的结构图,具体如下。
门槛确定模块201,用于根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值;
广告筛选模块202,用于对所述广告召回列表中的各广告进行点击率预估,以得到各广告对应的广告预估点击率;
排序展示模块203,用于将所述广告筛选模块得到的广告预估点击率超过所述门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。
可选地,所述门槛确定模块201,包括:
特征确定子模块,用于根据所述用户请求以及所述广告召回列表,确定与用户请求相关的特征数据;
系数确定子模块,用于将所述特征确定子模块确定的特征数据输入门槛系数模型,通过所述门槛系数模型输出所述用户请求对应的广告位的门槛系数;
点击率预估子模块,用于对所述用户请求对应的广告位进行点击率预估,以得到所述广告位的位次预估点击率;
门槛确定子模块,用于根据所述系数确定子模块输出的所述广告位的门槛系数、以及所述广告位的位次预估点击率,确定所述广告位的门槛值。
可选地,所述特征数据,至少包括如下任意一项:所述广告召回列表中各广告对应的预估点击率、预估转化率、预估交易额、以及所述用户请求对应的搜索词、城市、品类。
可选地,所述装置还包括:模型训练模块,用于训练所述门槛系数模型;所述模型训练模块,包括:
数据获取子模块,用于根据历史用户请求以及所述历史用户请求对应的历史广告召回列表,确定与历史用户请求相关的历史特征数据;
数据预测子模块,用于将所述数据获取子模块确定的所述历史特征数据作为初始门槛系数模型的输入,通过所述初始门槛系数模型输出所述历史用户请求对应的历史广告位的预估门槛系数;
第一确定子模块,用于根据所述数据预测子模块输出的所述历史广告位的预估门槛系数、以及所述历史广告位的历史位次预估点击率,确定所述广告位的预估门槛值;
第二确定子模块,用于根据所述历史广告位采用所述预估门槛值之后的实际点击价值、所述历史广告位采用所述预估门槛值之前的预估点击价值、所述历史广告召回列表中可曝光广告数量、所述历史广告召回列表中实际曝光广告数量,确定所述历史广告位对应的累计价值;
参数调整子模块,用于将所述第二确定子模块确定的所述累计价值作为所述初始门槛系数模型的奖励函数,训练所述初始门槛系数模型以及调整所述初始门槛系数模型的模型参数,以得到训练完成的门槛系数模型。
可选地,所述实际点击价值为根据自然结果的预设点击价值、广告的单次点击费用、以及广告收入与广告点击量之间的兑换系数计算得到;
所述预估点击价值为根据所述历史广告位的位次预估点击率所确定,且所述历史广告位的位次预估点击率满足预设阈值。
可选地,所述奖励函数中还包括所述累计价值对应的第一惩罚项和第二惩罚项;所述第一惩罚项包括第一惩罚系数和第一惩罚因子;所述第二惩罚项包括第二惩罚系数和第二惩罚因子;
其中,所述第一惩罚因子为所述历史广告召回列表中各广告对应的历史广告预估点击率中的最大值,且所述门槛值大于所述最大值;所述第二惩罚因子为所述历史广告位采用所述预估门槛值之前和之后展示广告的平均质量的差值。
可选地,所述装置还包括:
价值预估模块,用于将所述系数确定子模块确定的预估门槛系数以及所述历史特征数据输入价值模型,通过所述价值模型输出所述预估门槛系数对应的预估门槛价值;
模型优化模块,用于根据所述价值预估模块输出的所述预估门槛价值与所述累计价值之间的差值,调整所述门槛系数模型的模型参数。
综上所述,本公开的实施例提供了一种广告展示装置,所述装置包括:门槛确定模块,用于根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值;广告筛选模块,用于对所述广告召回列表中的各广告进行点击率预估,以得到各广告对应的广告预估点击率;排序展示模块,用于将广告预估点击率超过所述门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。能够针对各用户确定不同广告位的门槛值,并将各广告根据门槛值与各广告的点击率进行筛选,因此,避免了现有技术中同一指定广告准入门槛,导致的高价位、低点击率广告的投放,影响用户使用体验的问题,在用户粒度上提高广告展示的准确率,并且,本公开可以根据用户实时的反馈进行门槛系数的调整,可以根据特征数据的粒度做不同程度的调整和兑换,广告展示灵活、针对性强,最后,本公开在广告准入阶段对广告进行筛选,达到了用户体验和平台收入的直接、精确兑换,能够更好优化广告推荐准确率,提升用户体验。
本公开的实施例还提供了一种电子设备,参见图3,包括:处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的计算机程序3021,所述处理器执行所述程序时实现前述实施例的广告展示方法。
本公开的实施例还提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述实施例的广告展示方法。
对于装置实施例而言,由于其与方法实施例基本相似,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。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本公开的实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本公开的实施例的内容,并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的实施例的示例性实施例的描述中,本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的实施例的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本公开的实施例的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开的实施例的排序设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本公开的实施例的较佳实施例而已,并不用以限制本公开的实施例,凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本公开的实施例的保护范围之内。
以上所述,仅为本公开的实施例的具体实施方式,但本公开的实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的实施例的保护范围之内。因此,本公开的实施例的保护范围应以权利要求的保护范围为准。
Claims (16)
1.一种广告展示方法,其特征在于,所述方法包括:
根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值;
对所述广告召回列表中的各广告进行点击率预估,以得到各广告对应的广告预估点击率;
将广告预估点击率超过所述门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。
2.根据权利要求1所述的方法,其特征在于,所述根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值,包括:
根据所述用户请求以及所述广告召回列表,确定与用户请求相关的特征数据;
将所述特征数据输入门槛系数模型,通过所述门槛系数模型输出所述用户请求对应的广告位的门槛系数;
对所述用户请求对应的广告位进行点击率预估,以得到所述广告位的位次预估点击率;
根据所述广告位的门槛系数、以及所述广告位的位次预估点击率,确定所述广告位的门槛值。
3.根据权利要求2所述的方法,其特征在于,所述特征数据,至少包括如下任意一项:所述广告召回列表中各广告对应的预估点击率、预估转化率、预估交易额、以及所述用户请求对应的搜索词、城市、品类。
4.根据权利要求2所述的方法,其特征在于,所述门槛系数模型通过如下步骤训练得到:
根据历史用户请求以及所述历史用户请求对应的历史广告召回列表,确定与历史用户请求相关的历史特征数据;
将所述历史特征数据作为初始门槛系数模型的输入,通过所述初始门槛系数模型输出所述历史用户请求对应的历史广告位的预估门槛系数;
根据所述历史广告位的预估门槛系数、以及所述历史广告位的历史位次预估点击率,确定所述广告位的预估门槛值;
根据所述历史广告位采用所述预估门槛值之后的实际点击价值、所述历史广告位采用所述预估门槛值之前的预估点击价值、所述历史广告召回列表中可曝光广告数量、所述历史广告召回列表中实际曝光广告数量,确定所述历史广告位对应的累计价值;
将所述累计价值作为所述初始门槛系数模型的奖励函数,训练所述初始门槛系数模型以及调整所述初始门槛系数模型的模型参数,以得到训练完成的门槛系数模型。
5.根据权利要求4所述的方法,其特征在于,所述实际点击价值为根据自然结果的预设点击价值、广告的单次点击费用、以及广告收入与广告点击量之间的兑换系数计算得到;
所述预估点击价值为根据所述历史广告位的位次预估点击率所确定,且所述历史广告位的位次预估点击率满足预设阈值。
6.根据权利要求4所述的方法,其特征在于,所述奖励函数中还包括所述累计价值对应的第一惩罚项和第二惩罚项;所述第一惩罚项包括第一惩罚系数和第一惩罚因子;所述第二惩罚项包括第二惩罚系数和第二惩罚因子;
其中,所述第一惩罚因子为所述历史广告召回列表中各广告对应的历史广告预估点击率中的最大值,且所述门槛值大于所述最大值;所述第二惩罚因子为所述历史广告位采用所述预估门槛值之前和之后展示广告的平均质量的差值。
7.根据权利要求4所述的方法,其特征在于,在得到训练完成的门槛系数模型之后,所述方法还包括:
将所述预估门槛系数以及所述历史特征数据输入价值模型,通过所述价值模型输出所述预估门槛系数对应的预估门槛价值;
根据所述预估门槛价值与所述累计价值之间的差值,调整所述门槛系数模型的模型参数。
8.一种广告展示装置,其特征在于,所述装置包括:
门槛确定模块,用于根据用户请求以及所述用户请求对应的广告召回列表,确定所述用户请求对应的广告位的门槛值;
广告筛选模块,用于对所述广告召回列表中的各广告进行点击率预估,以得到各广告对应的广告预估点击率;
排序展示模块,用于将所述广告筛选模块得到的广告预估点击率超过所述门槛值的广告作为候选广告,以及对所述候选广告进行排序展示。
9.根据权利要求8所述的装置,其特征在于,所述门槛确定模块,包括:
特征确定子模块,用于根据所述用户请求以及所述广告召回列表,确定与用户请求相关的特征数据;
系数确定子模块,用于将所述特征确定子模块确定的特征数据输入门槛系数模型,通过所述门槛系数模型输出所述用户请求对应的广告位的门槛系数;
点击率预估子模块,用于对所述用户请求对应的广告位进行点击率预估,以得到所述广告位的位次预估点击率;
门槛确定子模块,用于根据所述系数确定子模块输出的所述广告位的门槛系数、以及所述广告位的位次预估点击率,确定所述广告位的门槛值。
10.根据权利要求9所述的装置,其特征在于,所述特征数据,至少包括如下任意一项:所述广告召回列表中各广告对应的预估点击率、预估转化率、预估交易额、以及所述用户请求对应的搜索词、城市、品类。
11.根据权利要求2所述的装置,其特征在于,所述装置还包括:模型训练模块,用于训练所述门槛系数模型;所述模型训练模块,包括:
数据获取子模块,用于根据历史用户请求以及所述历史用户请求对应的历史广告召回列表,确定与历史用户请求相关的历史特征数据;
数据预测子模块,用于将所述数据获取子模块确定的所述历史特征数据作为初始门槛系数模型的输入,通过所述初始门槛系数模型输出所述历史用户请求对应的历史广告位的预估门槛系数;
第一确定子模块,用于根据所述数据预测子模块输出的所述历史广告位的预估门槛系数、以及所述历史广告位的历史位次预估点击率,确定所述广告位的预估门槛值;
第二确定子模块,用于根据所述历史广告位采用所述预估门槛值之后的实际点击价值、所述历史广告位采用所述预估门槛值之前的预估点击价值、所述历史广告召回列表中可曝光广告数量、所述历史广告召回列表中实际曝光广告数量,确定所述历史广告位对应的累计价值;
参数调整子模块,用于将所述第二确定子模块确定的所述累计价值作为所述初始门槛系数模型的奖励函数,训练所述初始门槛系数模型以及调整所述初始门槛系数模型的模型参数,以得到训练完成的门槛系数模型。
12.根据权利要求11所述的装置,其特征在于,所述实际点击价值为根据自然结果的预设点击价值、广告的单次点击费用、以及广告收入与广告点击量之间的兑换系数计算得到;
所述预估点击价值为根据所述历史广告位的位次预估点击率所确定,且所述历史广告位的位次预估点击率满足预设阈值。
13.根据权利要求11所述的装置,其特征在于,所述奖励函数中还包括所述累计价值对应的第一惩罚项和第二惩罚项;所述第一惩罚项包括第一惩罚系数和第一惩罚因子;所述第二惩罚项包括第二惩罚系数和第二惩罚因子;
其中,所述第一惩罚因子为所述历史广告召回列表中各广告对应的历史广告预估点击率中的最大值,且所述门槛值大于所述最大值;所述第二惩罚因子为所述历史广告位采用所述预估门槛值之前和之后展示广告的平均质量的差值。
14.根据权利要求11所述的装置,其特征在于,所述装置还包括:
价值预估模块,用于将所述系数确定子模块确定的预估门槛系数以及所述历史特征数据输入价值模型,通过所述价值模型输出所述预估门槛系数对应的预估门槛价值;
模型优化模块,用于根据所述价值预估模块输出的所述预估门槛价值与所述累计价值之间的差值,调整所述门槛系数模型的模型参数。
15.一种电子设备,其特征在于,包括:
处理器、存储器以及存储在所述存储器上并可在所述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1-7中一个或多个所述的广告展示方法。
16.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如方法权利要求1-7中一个或多个所述的广告展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910900503.7A CN110796477A (zh) | 2019-09-23 | 2019-09-23 | 广告展示方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910900503.7A CN110796477A (zh) | 2019-09-23 | 2019-09-23 | 广告展示方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110796477A true CN110796477A (zh) | 2020-02-14 |
Family
ID=69439659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910900503.7A Pending CN110796477A (zh) | 2019-09-23 | 2019-09-23 | 广告展示方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796477A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768227A (zh) * | 2020-06-19 | 2020-10-13 | 北京思特奇信息技术股份有限公司 | 基于广告价值的广告展示自适应调整方法和系统 |
CN111815373A (zh) * | 2020-09-02 | 2020-10-23 | 北京悠易网际科技发展有限公司 | 一种转化成本优化方法、装置、电子设备及存储介质 |
CN111859141A (zh) * | 2020-07-28 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 内容推送方法、装置、服务器及存储介质 |
CN111882347A (zh) * | 2020-06-28 | 2020-11-03 | 北京达佳互联信息技术有限公司 | 模型性能的检测方法、装置、计算机设备及存储介质 |
CN112036929A (zh) * | 2020-07-31 | 2020-12-04 | 深圳市彬讯科技有限公司 | 应用于专用领域的广告投放方法、装置、设备及存储介质 |
CN112258245A (zh) * | 2020-11-10 | 2021-01-22 | 深圳市欢太科技有限公司 | 广告投放的控制方法、设备以及存储介质 |
CN112396473A (zh) * | 2020-12-23 | 2021-02-23 | 上海苍苔信息技术有限公司 | 一种提高ctr值的cpm系统和方法 |
CN112507104A (zh) * | 2020-12-18 | 2021-03-16 | 北京百度网讯科技有限公司 | 对话系统获取方法、装置、存储介质及计算机程序产品 |
CN113191800A (zh) * | 2021-04-23 | 2021-07-30 | 广东便捷神科技股份有限公司 | 一种统计app上广告点击量的方法和装置 |
CN113393256A (zh) * | 2020-03-13 | 2021-09-14 | 北京达佳互联信息技术有限公司 | 网络媒介信息投放质量的预测方法及装置、电子设备 |
CN113516496A (zh) * | 2020-09-30 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 广告转化率预估模型构建方法、装置、设备及其介质 |
CN113723982A (zh) * | 2020-05-26 | 2021-11-30 | 北京达佳互联信息技术有限公司 | 广告对用户体验影响评估方法、装置、服务器及存储介质 |
CN113763000A (zh) * | 2020-08-20 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 对象点击量的确定方法及装置 |
CN113793164A (zh) * | 2020-11-27 | 2021-12-14 | 北京沃东天骏信息技术有限公司 | 广告投放方法、装置、设备及存储介质 |
CN116167804A (zh) * | 2023-04-19 | 2023-05-26 | 江西时刻互动科技股份有限公司 | 广告投放方法、装置、计算机可读存储介质及电子设备 |
CN117689428A (zh) * | 2023-12-21 | 2024-03-12 | 广州迈量科技有限公司 | 广告瀑布流询价策略生成方法、装置、电子设备及介质 |
-
2019
- 2019-09-23 CN CN201910900503.7A patent/CN110796477A/zh active Pending
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393256A (zh) * | 2020-03-13 | 2021-09-14 | 北京达佳互联信息技术有限公司 | 网络媒介信息投放质量的预测方法及装置、电子设备 |
CN113723982B (zh) * | 2020-05-26 | 2024-04-16 | 北京达佳互联信息技术有限公司 | 广告对用户体验影响评估方法、装置、服务器及存储介质 |
CN113723982A (zh) * | 2020-05-26 | 2021-11-30 | 北京达佳互联信息技术有限公司 | 广告对用户体验影响评估方法、装置、服务器及存储介质 |
CN111768227A (zh) * | 2020-06-19 | 2020-10-13 | 北京思特奇信息技术股份有限公司 | 基于广告价值的广告展示自适应调整方法和系统 |
CN111882347A (zh) * | 2020-06-28 | 2020-11-03 | 北京达佳互联信息技术有限公司 | 模型性能的检测方法、装置、计算机设备及存储介质 |
CN111859141A (zh) * | 2020-07-28 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 内容推送方法、装置、服务器及存储介质 |
CN111859141B (zh) * | 2020-07-28 | 2023-09-26 | 北京达佳互联信息技术有限公司 | 内容推送方法、装置、服务器及存储介质 |
CN112036929A (zh) * | 2020-07-31 | 2020-12-04 | 深圳市彬讯科技有限公司 | 应用于专用领域的广告投放方法、装置、设备及存储介质 |
CN112036929B (zh) * | 2020-07-31 | 2023-08-15 | 深圳市彬讯科技有限公司 | 应用于专用领域的广告投放方法、装置、设备及存储介质 |
CN113763000A (zh) * | 2020-08-20 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 对象点击量的确定方法及装置 |
CN111815373A (zh) * | 2020-09-02 | 2020-10-23 | 北京悠易网际科技发展有限公司 | 一种转化成本优化方法、装置、电子设备及存储介质 |
CN113516496B (zh) * | 2020-09-30 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 广告转化率预估模型构建方法、装置、设备及其介质 |
CN113516496A (zh) * | 2020-09-30 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 广告转化率预估模型构建方法、装置、设备及其介质 |
CN112258245A (zh) * | 2020-11-10 | 2021-01-22 | 深圳市欢太科技有限公司 | 广告投放的控制方法、设备以及存储介质 |
CN113793164A (zh) * | 2020-11-27 | 2021-12-14 | 北京沃东天骏信息技术有限公司 | 广告投放方法、装置、设备及存储介质 |
CN112507104B (zh) * | 2020-12-18 | 2022-07-22 | 北京百度网讯科技有限公司 | 对话系统获取方法、装置、存储介质及计算机程序产品 |
CN112507104A (zh) * | 2020-12-18 | 2021-03-16 | 北京百度网讯科技有限公司 | 对话系统获取方法、装置、存储介质及计算机程序产品 |
CN112396473A (zh) * | 2020-12-23 | 2021-02-23 | 上海苍苔信息技术有限公司 | 一种提高ctr值的cpm系统和方法 |
CN113191800A (zh) * | 2021-04-23 | 2021-07-30 | 广东便捷神科技股份有限公司 | 一种统计app上广告点击量的方法和装置 |
CN116167804A (zh) * | 2023-04-19 | 2023-05-26 | 江西时刻互动科技股份有限公司 | 广告投放方法、装置、计算机可读存储介质及电子设备 |
CN116167804B (zh) * | 2023-04-19 | 2023-07-21 | 江西时刻互动科技股份有限公司 | 广告投放方法、装置、计算机可读存储介质及电子设备 |
CN117689428A (zh) * | 2023-12-21 | 2024-03-12 | 广州迈量科技有限公司 | 广告瀑布流询价策略生成方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796477A (zh) | 广告展示方法、装置、电子设备及可读存储介质 | |
US20230336454A1 (en) | Method and system for scoring quality of traffic to network sites | |
TWI603273B (zh) | Method and device for placing information search | |
AU2011205137B2 (en) | Social media variable analytical system | |
JP5695655B2 (ja) | ユーザフィードバックに基づくオンライン広告の選択及び優先順位付け | |
CN106372249B (zh) | 一种点击率预估方法、装置及电子设备 | |
US10262336B2 (en) | Non-converting publisher attribution weighting and analytics server and method | |
JP2014533405A (ja) | 多次元広告入札 | |
US20140278749A1 (en) | Method and apparatus for determining website polarization and for classifying polarized viewers according to viewer behavior with respect to polarized websites | |
US8719096B2 (en) | System and method for generating a maximum utility slate of advertisements for online advertisement auctions | |
US11321724B1 (en) | Product evaluation system and method of use | |
US20140058793A1 (en) | Forecasting a number of impressions of a prospective advertisement listing | |
CN111899041A (zh) | 信息投放的处理和投放方法、装置、设备及存储介质 | |
CN106296287A (zh) | 用于调整推广信息的出价的方法和装置 | |
CN110766513A (zh) | 信息排序方法、装置、电子设备及可读存储介质 | |
CN102163304A (zh) | 带有优化的域间信息质量评定的协作联网的方法和系统 | |
US20240177184A1 (en) | Self-learning valuation and access to digital content | |
JP2014179054A (ja) | 新しいコストモデルによる広告プラットフォームを実現するためのシステムおよび方法 | |
US20210382952A1 (en) | Web content organization and presentation techniques | |
US20160275569A1 (en) | Method and system for advertisement coordination | |
US20160267551A1 (en) | Method and system for advertisement coordination | |
CN113793181B (zh) | 一种广告位的出价方法、系统和装置 | |
US20160275568A1 (en) | Method and system for advertisement coordination | |
US20160267531A1 (en) | Method and system for advertisement coordination | |
CN114596109A (zh) | 推荐信息的确定方法、装置、电子设备及存储介质 |
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 |