CN110851689B - 转化率的优化方法、系统、可读存储介质和电子设备 - Google Patents

转化率的优化方法、系统、可读存储介质和电子设备 Download PDF

Info

Publication number
CN110851689B
CN110851689B CN201911110492.9A CN201911110492A CN110851689B CN 110851689 B CN110851689 B CN 110851689B CN 201911110492 A CN201911110492 A CN 201911110492A CN 110851689 B CN110851689 B CN 110851689B
Authority
CN
China
Prior art keywords
exposure
product
conversion rate
conversion
amount
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.)
Active
Application number
CN201911110492.9A
Other languages
English (en)
Other versions
CN110851689A (zh
Inventor
刘小燕
郭宝坤
胡泓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ctrip Computer Technology Shanghai Co Ltd
Original Assignee
Ctrip Computer Technology Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ctrip Computer Technology Shanghai Co Ltd filed Critical Ctrip Computer Technology Shanghai Co Ltd
Priority to CN201911110492.9A priority Critical patent/CN110851689B/zh
Publication of CN110851689A publication Critical patent/CN110851689A/zh
Application granted granted Critical
Publication of CN110851689B publication Critical patent/CN110851689B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了转化率的优化方法、系统、可读存储介质和电子设备。该方法包括:存在多个产品,每个产品对应多个曝光位置,每一个产品在每一个曝光位置存在一曝光行为,每一产品具有一曝光量,该曝光量指该产品的曝光次数,该转化率的计算公式为:CR=(曝光行为量)/(曝光量)。其步骤包括统计每一曝光位置上所有产品总的转化率μ(i)和总的标准差σ(i),统计每一产品在每一曝光位置的转化率
Figure DDA0002272568000000011
和曝光量
Figure DDA0002272568000000012
通过中心极限定理对所述转化率
Figure DDA0002272568000000013
进行修正;通过曝光量对Φ(x(i))进行加权处理:对加权后的转化率
Figure DDA0002272568000000014
做置信区间修正。本发明克服了因曝光位置带来的转化率偏差,又解决了因曝光量少导致数据可信度低的问题。

Description

转化率的优化方法、系统、可读存储介质和电子设备
技术领域
本发明涉及搜索算法技术领域,尤其涉及一种转化率的优化方法、系统、可读存储介质和电子设备。
背景技术
在搜索算法推荐领域,计算产品被推荐后的转化率公式普遍是点击量除以曝光量。使用该转化率的公式有两大缺陷:
1)当曝光量较少时,无法真实评估产品的转化率。如点击量为1,曝光量为1,那么转化率为100%,该数据不具有统计意义和指导意义。
2)从第三方平台提供的数据来看,当某款产品被呈现的位置越靠前,用户点击的概率越高。一方面由于产品的排名越靠前,越容易曝光;另一方面用户更容易点击位置靠前的产品。
可见,该转化率的准确性的高低受产品的曝光量、以及产品的曝光位置的因素的影响。在这种情况下,若以该方法计算而得的该转化率作为对用户进行个性化产品推荐的依据时,就会造成给用户推荐的产品并非是适合该用户的产品,导致用户体验较差。
发明内容
本发明要解决的技术问题是为了克服现有技术中转化率的计算方法受曝光位置、曝光量等因素影响,使得依据转化率而推荐给用户的产品不够客观,导致用户体验较差的缺陷,提供一种转化率的优化方法、系统、可读存储介质和电子设备。
本发明是通过下述技术方案来解决上述技术问题的:
一种转化率的优化方法,其特点在于,存在多个产品,每个产品对应多个曝光位置,每一个产品在每一个曝光位置存在一曝光行为,每一产品具有一曝光量,该曝光量指该产品的曝光次数,该转化率的计算公式为:
CR=(曝光行为量)/(曝光量),CR表示为Conversion Rate。
该方法包括如下步骤:
S1、统计每一曝光位置上所有产品总的转化率μ(i)和总的标准差σ(i),i表示曝光位置;
S2、统计每一产品在每一曝光位置的转化率
Figure BDA0002272567980000021
和曝光量
Figure BDA0002272567980000022
S3、通过中心极限定理对所述转化率
Figure BDA0002272567980000023
进行修正;
Figure BDA0002272567980000024
其中,统计量x(i)符合正态分布,记为Φ(x(i))~N(0,1);Φ(x(i))指在同一曝光位置时该产品的转化率所处的水平;
S4、通过曝光量对Φ(x(i))进行加权处理:
Figure BDA0002272567980000025
其中,exposures(i)表示该产品在第i个曝光位置的曝光量,
S5、对加权后的转化率
Figure BDA0002272567980000026
做置信区间修正;
Figure BDA0002272567980000027
其中,n表示所述产品的所有曝光量,n=∑exposures(i)
Figure BDA0002272567980000028
表示对应一置信水平的Z统计量,Z为常数。
一种转化率的优化系统,其特点在于,存在多个产品,每个产品对应多个曝光位置,每一个产品在每一个曝光位置存在一曝光行为,每一产品具有一曝光量,该曝光量指该产品的曝光次数,该转化率的计算公式为:
CR=(曝光行为量)/(曝光量),
该优化系统包括:
统计模块,用于统计每一曝光位置上所有产品总的转化率μ(i)和总的标准差σ(i),以及用于统计每一产品在每一曝光位置的转化率
Figure BDA0002272567980000029
和曝光量
Figure BDA00022725679800000210
i表示曝光位置;
第一修正模块,用于通过中心极限定理对所述转化率
Figure BDA0002272567980000031
进行修正;
Figure BDA0002272567980000032
其中,统计量x(i)符合正态分布,记为Φ(x(i))~N(0,1);Φ(x(i))指在同一曝光位置时该产品的转化率所处的水平;
加权模块,用于通过曝光量对Φ(x(i))进行加权处理;
Figure BDA0002272567980000033
其中,exposures(i)表示该产品在第i个曝光位置的曝光量,
第二修正模块,用于对加权后的转化率
Figure BDA0002272567980000034
做置信区间修正;
Figure BDA0002272567980000035
其中,n表示所述产品的所有曝光量,n=∑exposures(i)
Figure BDA0002272567980000036
表示对应一置信水平的Z统计量,Z为常数。
一种计算机可读存储介质,其上存储有计算机程序,其特点在于,所述计算机程序被处理器执行时实现上述的转化率的优化方法的步骤。
一种电子设备,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,其特点在于,所述处理器执行所述计算机程序时实现上述的转化率的优化方法的步骤。
本发明的积极进步效果在于:本发明先通过中心极限定理将曝光位置的因素刻画进去,从而消除曝光位置带来的影响。且考虑统计学的置信区间,具体运用Wilson(威尔逊)区间修正,对曝光量小的样本进行置信修正。从而克服了因曝光位置带来的转化率偏差,又解决了因曝光量少导致数据可信度低的问题。
附图说明
图1为本发明实施例1的转化率的优化方法流程图。
图2为本发明实施例2的转化率的优化系统结构图。
图3为本发明实施例4的电子设备的硬件结构图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
一种转化率的优化方法,该优化算法可用于搜索算法领域,以提供给用户更合适的产品推荐。如在网络信息平台上,该平台提供有多款产品,该些产品呈现于该平台的网页上,每个产品可以在该网页的多个曝光位置曝光。且每一个产品在每一个曝光位置存在一曝光行为,该曝光行为可为用户登录、用户注册、用户订阅、用户下载、用户购买、用户下单等行为。
本实施例中针对产品为酒店的情形,其曝光行为设定为用户下单。每一产品具有一曝光量,该曝光量指该产品的曝光次数,该转化率的计算公式为:
CR=(曝光行为量)/(曝光量),
如图1所示,该方法包括如下步骤:
S1、统计每一曝光位置上所有产品总的转化率μ(i)和总的标准差σ(i),i表示曝光位置;
以产品为酒店举例,假设每天曝光一次,总共曝光5天,曝光次数为5次,每次会在网页上曝光3个酒店,该3个酒店分别在网页的三个位置(表1中分别用1,2,3表示曝光位置)进行曝光。而曝光行为用1和0表示,若用户下单,则曝光行为表示为1;若用户未下单,则曝光行为表示为0。
详细数据如下表1所示:
表1酒店的曝光信息
Figure BDA0002272567980000051
由表1可知,在曝光位置1处所有酒店在5次曝光中有3次曝光行为是下单的,因此根据转化率的计算公式为CR=(曝光行为量)/(曝光量),知曝光位置1处的总的转化率为0.6。以及根据标准差的通用公式
Figure BDA0002272567980000052
计算得到每一曝光位置上所有产品总的标准差。数据如表2所示。
表2每个曝光位置处所有产品总的转化率和总的标准差
曝光位置 转化率μ<sup>(i)</sup> 标准差σ<sup>(i)</sup>
1 0.6 0.49
2 0.4 0.49
3 0.2 0.40
S2、统计每一产品在每一曝光位置的转化率
Figure BDA0002272567980000053
和曝光量
Figure BDA0002272567980000054
以多个产品中的酒店A为例,其它酒店的计算以此类推。曝光位置1处,酒店A在2次曝光中的曝光行为均为下单,可知酒店A在曝光位置1处的转化率为100%。照此计算得出酒店A在曝光位置1,2,3处的转化率和曝光量如下表3的数据所示:
表3酒店A在曝光位置1,2,3处的转化率和曝光量
Figure BDA0002272567980000055
S3、通过中心极限定理对所述转化率
Figure BDA0002272567980000061
进行修正;
Figure BDA0002272567980000062
其中,统计量x(i)符合正态分布,记为Φ(x(i))~N(0,1),Φ(x(i))指在同一曝光位置时该产品的转化率所处的水平;
根据该公式计算得到在曝光位置1,2,3处酒店A的转化率所处的水平如下:
Figure BDA0002272567980000063
Figure BDA0002272567980000064
Figure BDA0002272567980000065
以上可知,中心极限定理将曝光位置的因素刻画进去,通过比对相同曝光位置的转化率情况,从而消除因不同位置导致转化率不一致的情况,也即能够消除曝光位置带来的影响。
S4、通过曝光量对Φ(x(i))进行加权处理:
Figure BDA0002272567980000066
其中,exposures(i)表示该产品在第i个曝光位置的曝光量。
具体地,
Figure BDA0002272567980000067
以曝光量对转化率水平Φ(x(i))进行加权处理,不仅能将曝光量的因素考虑进去,还能均衡转化率水平之间的差异,进一步使得转化率的计算更客观,更具推荐意义。
S5、对加权后的转化率
Figure BDA0002272567980000068
做置信区间修正;
Figure BDA0002272567980000069
其中,n表示所述产品的所有曝光量,n=∑exposures(i)
Figure BDA0002272567980000071
表示对应一置信水平的Z统计量,Z为常数。Z值可通过查表或者软件包得到。通常情况下,置信水平在95%以下,Z统计量的值为1.96。
具体地,使用Wilson区间修正,得到
Figure BDA0002272567980000072
可见,当n的值足够大时,该CR会趋向于
Figure BDA0002272567980000073
如果n值非常小,如曝光量少,CR会远远小于
Figure BDA0002272567980000074
起到在曝光量少的时候降低
Figure BDA0002272567980000075
的作用。
本实施例能够更好地刻画产品的曝光与转化的关系,如上案例中提到的某酒店A在曝光位置1的曝光量是2,预订量是2,若以传统的CR评估指标,该商品酒店A的转化率是100%,相当于该商品的转化率比同平台上其它大部分的商品转化率都更好。该转化率是不能正确评估商品的真实转化率。而通过本实施例中提供的方法,该商品转化率最后结果处于50%以下,低于平均水平。且本实施例的方法还可以较好的处理长尾维度的极端情况,使得数据分布更加的稠密。
实施例2
本实施例提供一种转化率的优化系统,存在多个产品,每个产品对应多个曝光位置,每一个产品在每一个曝光位置存在一曝光行为,每一产品具有一曝光量,该曝光量指该产品的曝光次数,该转化率的计算公式为:
CR=(曝光行为量)/(曝光量),
如图2所示,该优化系统包括:
统计模块1,用于统计每一曝光位置上所有产品总的转化率μ(i)和总的标准差σ(i),以及用于统计每一产品在每一曝光位置的转化率
Figure BDA0002272567980000076
和曝光量
Figure BDA0002272567980000077
i表示曝光位置;
第一修正模块2,用于通过中心极限定理对所述转化率
Figure BDA0002272567980000078
进行修正;
Figure BDA0002272567980000079
其中,统计量x(i)符合正态分布,记为Φ(x(i))~N(0,1);Φ(x(i))指在同一曝光位置时该产品的转化率所处的水平;
加权模块3,用于通过曝光量对Φ(x(i))进行加权处理;
Figure BDA0002272567980000081
其中,exposures(i)表示该产品在第i个曝光位置的曝光量,
第二修正模块4,用于对加权后的转化率
Figure BDA0002272567980000082
做置信区间修正;
Figure BDA0002272567980000083
其中,n表示所述产品的所有曝光量,n=∑exposures(i)
Figure BDA0002272567980000084
表示对应一置信水平的Z统计量,Z为常数。
本实施例能够达到实施例1的技术效果。
实施例3
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1提供的转化率的优化方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1中的转化率的优化方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例4
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),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,其中处理器执行计算机程序时可以实现实施例1提供的转化率的优化方法。
图3示出了本实施例的硬件结构示意图,如图3所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1所提供的转化率的优化方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。

Claims (4)

1.一种转化率的优化方法,其特征在于,存在多个产品,每个产品对应多个曝光位置,每一个产品在每一个曝光位置存在一曝光行为,每一产品具有一曝光量,该曝光量指该产品的曝光次数,该转化率的计算公式为:
CR=(曝光行为量)/(曝光量),
该方法包括如下步骤:
S1、统计每一曝光位置上所有产品总的转化率μ(i)和总的标准差σ(i),i表示曝光位置;
S2、统计每一产品在每一曝光位置的转化率
Figure FDA0002272567970000011
和曝光量
Figure FDA0002272567970000012
S3、通过中心极限定理对所述转化率
Figure FDA0002272567970000013
进行修正;
Figure FDA0002272567970000014
其中,统计量x(i)符合正态分布,记为Φ(x(i))~N(0,1);Φ(x(i))指在同一曝光位置时该产品的转化率所处的水平;
S4、通过曝光量对Φ(x(i))进行加权处理:
Figure FDA0002272567970000015
其中,exposures(i)表示该产品在第i个曝光位置的曝光量,
S5、对加权后的转化率
Figure FDA0002272567970000016
做置信区间修正;
Figure FDA0002272567970000017
其中,n表示所述产品的所有曝光量,n=∑exposures(i)
Figure FDA0002272567970000018
表示对应一置信水平的Z统计量,Z为常数。
2.一种转化率的优化系统,其特征在于,存在多个产品,每个产品对应多个曝光位置,每一个产品在每一个曝光位置存在一曝光行为,每一产品具有一曝光量,该曝光量指该产品的曝光次数,该转化率的计算公式为:
CR=(曝光行为量)/(曝光量),
该优化系统包括:
统计模块,用于统计每一曝光位置上所有产品总的转化率μ(i)和总的标准差σ(i),以及用于统计每一产品在每一曝光位置的转化率
Figure FDA0002272567970000021
和曝光量
Figure FDA0002272567970000022
i表示曝光位置;
第一修正模块,用于通过中心极限定理对所述转化率
Figure FDA0002272567970000023
进行修正;
Figure FDA0002272567970000024
其中,统计量x(i)符合正态分布,记为Φ(x(i))~N(0,1);Φ(x(i))指在同一曝光位置时该产品的转化率所处的水平;
加权模块,用于通过曝光量对Φ(x(i))进行加权处理;
Figure FDA0002272567970000025
其中,exposures(i)表示该产品在第i个曝光位置的曝光量,
第二修正模块,用于对加权后的转化率
Figure FDA0002272567970000026
做置信区间修正;
Figure FDA0002272567970000027
其中,n表示所述产品的所有曝光量,n=∑exposures(i)
Figure FDA0002272567970000028
表示对应一置信水平的Z统计量,Z为常数。
3.一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,所述计算机程序被处理器执行时实现权利要求1所述的转化率的优化方法的步骤。
4.一种电子设备,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计算机程序时实现权利要求1所述的转化率的优化方法的步骤。
CN201911110492.9A 2019-11-14 2019-11-14 转化率的优化方法、系统、可读存储介质和电子设备 Active CN110851689B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911110492.9A CN110851689B (zh) 2019-11-14 2019-11-14 转化率的优化方法、系统、可读存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911110492.9A CN110851689B (zh) 2019-11-14 2019-11-14 转化率的优化方法、系统、可读存储介质和电子设备

Publications (2)

Publication Number Publication Date
CN110851689A CN110851689A (zh) 2020-02-28
CN110851689B true CN110851689B (zh) 2023-03-21

Family

ID=69601496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911110492.9A Active CN110851689B (zh) 2019-11-14 2019-11-14 转化率的优化方法、系统、可读存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN110851689B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651458A (zh) * 2016-12-29 2017-05-10 腾讯科技(深圳)有限公司 一种广告反作弊方法和装置
CN108846116A (zh) * 2018-06-26 2018-11-20 北京京东金融科技控股有限公司 网页曝光数据采集方法、系统、电子设备和存储介质
CN109255660A (zh) * 2018-09-25 2019-01-22 科达集团股份有限公司技术分公司 一种利用高度不均衡数据的广告账户优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678583B (zh) * 2016-01-07 2021-05-07 腾讯科技(深圳)有限公司 信息发布方法及信息发布装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651458A (zh) * 2016-12-29 2017-05-10 腾讯科技(深圳)有限公司 一种广告反作弊方法和装置
CN108846116A (zh) * 2018-06-26 2018-11-20 北京京东金融科技控股有限公司 网页曝光数据采集方法、系统、电子设备和存储介质
CN109255660A (zh) * 2018-09-25 2019-01-22 科达集团股份有限公司技术分公司 一种利用高度不均衡数据的广告账户优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡益斌 ; .CR系统曝光量指数的检测及校准.2008,(10),全文. *

Also Published As

Publication number Publication date
CN110851689A (zh) 2020-02-28

Similar Documents

Publication Publication Date Title
US10354201B1 (en) Scalable clustering for mixed machine learning data
CN109145210A (zh) 一种信息推荐的方法、装置及存储介质
EP2988236B1 (en) Predictive model generator
US20160125159A1 (en) System for management of health resources
CN110889725B (zh) 在线广告ctr预估方法、装置、设备及存储介质
US20200104340A1 (en) A/b testing using quantile metrics
KR102084389B1 (ko) 기업평가방법 및 시스템
CN111292109A (zh) 产品的价格区间的确定方法、系统、设备和存储介质
CN112287390A (zh) 基线的自适应调整方法及装置
CN115270013B (zh) 评估活动期间减排措施的方法、装置及电子设备
US8346799B1 (en) Recent content rank adjustment with inverted decay
CN111445046A (zh) 酒店预订信息的处理方法、系统、电子设备及存储介质
CN109117442A (zh) 一种应用推荐方法及装置
CN110619407A (zh) 对象销量的预测方法及系统、电子设备和存储介质
CN109523296B (zh) 用户行为概率分析方法及装置、电子设备、存储介质
CN113094602B (zh) 酒店推荐方法、系统、设备及介质
CN113934920B (zh) 目标信息的推送方法、设备及存储介质
CN110851689B (zh) 转化率的优化方法、系统、可读存储介质和电子设备
WO2021189949A1 (zh) 信息推荐方法、装置、电子设备及介质
CN113722588A (zh) 资源推荐方法、装置及电子设备
CN110852768A (zh) 动态定价方法及系统、设备、存储介质
JP6679102B2 (ja) 出荷数量予測装置、出荷数量予測方法、及びプログラム
CN107786376B (zh) 内容推送方法、装置及计算机设备
CN111260142A (zh) 商品指标数据预测方法、装置、存储介质及电子设备
CN115760201A (zh) 智能销售线索推荐理由生成方法及系统

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
GR01 Patent grant
GR01 Patent grant