CN111242690A - 广告图片的测评方法、装置、存储介质及计算机设备 - Google Patents
广告图片的测评方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN111242690A CN111242690A CN202010037267.3A CN202010037267A CN111242690A CN 111242690 A CN111242690 A CN 111242690A CN 202010037267 A CN202010037267 A CN 202010037267A CN 111242690 A CN111242690 A CN 111242690A
- Authority
- CN
- China
- Prior art keywords
- picture
- click rate
- advertisement
- historical
- evaluated
- 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
- G06Q30/0245—Surveys
-
- 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
本申请涉及一种广告图片的测评方法。该方法包括:获取待测评广告图片的特征信息,待测评广告图片的特征信息作为第一特征信息;根据第一特征信息以及预设的预测模型得到待测评广告图片的预测点击率,预测模型根据样本图片训练得到,样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片;获取第一点击率,第一点击率为历史广告图片的历史点击率,历史广告图片为在历史时段中上线的广告图片;将预测点击率与所述第一点击率进行比对;根据比对结果得到所述待测评图片的测评结果。本申请实现了自动评估待测评广告的质量,提升了广告图片的测评效率,另外,使得测评结果更加精准,且该测评结果可用于对待测评广告图片进行优化。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种广告图片的测评方法、装置、介质及计算机设备。
背景技术
在目前的互联网广告投放中,图片广告是最能够吸引潜在用户点击广告、增加广告点击率的一种展现形式。在很多电商平台的首页,都会展示广告图片,对于电商平台而言,图片广告有重要的引流作用;对于用户而言,优质的图片广告可为其提供有效的促销信息。质量高的图片广告对于电商平台至关重要,因此,关于如何评价广告图片的质量的研究越来越受到人们的关注。
在传统的技术方案中,一般通过多名设计专家按多种维度打分评价,或通过用户的眼动测试来分析,得出评价结果。然而,传统的技术方案需占用人力,且耗时耗力,另外,测评结果受人的主观意识所影响,导致测评结果不够精准。
发明内容
基于此,有必要针对上述技术问题,提供一种实现了自动评估待测评广告的质量,无需人工为待测评图片打分评估,节省了人力,提升了广告图片的测评效率,另外,测评结果更加精准,并且可用于对待测评广告图片进行优化的广告图片的测评方法、装置、计算机设备和存储介质。
一种广告图片的测评方法,方法包括:
获取待测评广告图片的特征信息,待测评广告图片的特征信息作为第一特征信息;
根据第一特征信息以及预设的预测模型得到待测评广告图片的预测点击率,预测模型根据预设的样本图片训练得到,样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片;
获取至少一个第一点击率,第一点击率为历史广告图片的历史点击率,历史广告图片为在历史时段中上线的广告图片;
将预测点击率与第一点击率进行比对,得到比对结果;
根据比对结果得到待测评图片的测评结果。
在其中一个实施例中,方法还包括:
获取在第一预设时间段内上线的历史广告图片;
从第一预设时间段内上线的历史广告图片中获取第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片,得到样本图片;
获取各个样本图片的历史点击率,各个样本图片的历史点击率分别作为第二点击率;
提取各个样本图片的特征信息,各个样本图片的特征信息分别作为第二特征信息;
根据各第二点击率、各第二特征信息以及初始模型,得到初始模型的模型参数;
根据模型参数以及初始模型得到预测模型。
在其中一个实施例中,初始模型为线性回归模型,根据各第二点击率、各第二特征信息以及初始模型,得到初始模型的模型参数,包括:
根据各第二点击率、各第二特征信息以及线性回归模型,得到线性回归模型的各个系数以及常数项,线性回归模型的各个系数以及常数项作为模型参数。
在其中一个实施例中,获取至少一个第一点击率,包括:
获取各待比对图片,各待比对图片分别为距离当前时间最近的第三预设时间段内上线的各历史广告图片;
获取各待比对图片的历史点击率,各待比对图片的历史点击率作为各第一点击率。
在其中一个实施例中,将预测点击率与第一点击率进行比对,得到比对结果,包括:
获取第一数目和第二数目,第一数目为全部的第一点击率的数目,第二数目为比预测点击率小的第一点击率的数目;
获取数目占比,数目占比为第二数目与第一数目的比值;
根据比对结果得到待测评图片的测评结果,包括:
当数目占比大于预设阈值时,确定待测评图片的测评结果为测评通过;
当数目占比不大于预设阈值时,确定待测评图片的测评结果为测评不通过。
在其中一个实施例中,方法还包括:
当第一点击率包括多个时,将各第一点击率进行排序,得到点击率序列;
从点击率序列中选取最大的预设数量个点击率作为目标点击率;
获取目标点击率对应的历史广告图片作为参考图片;
将参考图片发送给终端进行展示;
在其中一个实施例中,各第一点击率分别为与待测评广告图片属于同一品类的各历史广告图片的历史点击率;
或者,从各第一点击率中筛选出与待测评广告图片属于同一品类的各历史广告图片的历史点击率,将筛选出的历史点击率进行排序,得到点击率序列。
在其中一个实施例中,第一特征信息包括以下任意一项或多项:
待测评广告图片的品类信息、待测评广告图片的活动信息、待测评广告图片的主图位置信息、待测评广告图片的文案行数、待测评广告图片的风格类型以及待测评广告图片的底图颜色;
第二特征信息包括以下任意一项或多项:
样本图片的品类信息、样本图片的活动信息、样本图片的主图位置信息、样本图片的文案行数、样本图片的风格类型以及样本图片的底图颜色。
一种广告图片的测评装置,装置包括:
第一获取模块,用于获取待测评广告图片的特征信息,待测评广告图片的特征信息作为第一特征信息;
预测模块,用于根据第一特征信息以及预设的预测模型得到待测评广告图片的预测点击率,预测模型根据预设的样本图片训练得到,样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片;
第二获取模块,用于获取至少一个第一点击率,第一点击率为历史广告图片的历史点击率,历史广告图片为在历史时段中上线的广告图片;
比对模块,用于将预测点击率与第一点击率进行比对,得到比对结果;
测评模块,用于根据比对结果得到待测评图片的测评结果。
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,处理器执行计算机程序时实现上述任一实施例方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例方法的步骤。
上述的广告图片的测评方法、装置及计算机设备,方法通过获取待测评广告图片的特征信息,将待测评广告图片的特征信息作为第一特征信息;根据第一特征信息以及预先训练的预测模型得到待测评广告图片的预测点击率;获取预设数据库中至少一个历史广告图片的历史点击率,将获取的历史点击率作为第一点击率;将预测点击率与各个第一点击率进行比对,得到比对结果;根据比对结果得到待测评图片的测评结果。本申请可以根据样本图片训练得到预测模型,该样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片,基于该预测模型得到待测评广告图片的预测点击率,进一步基于该预测点击率与历史广告图片的点击率进行比对,基于比对结果对待测评广告的质量进行评估,实现了自动评估待测评广告的质量,无需人工为待测评图片打分评估,节省了人力,提升了广告图片的测评效率,另外,该预测模型是基于预先选定的时间段内的历史广告图片训练得到,使得该预测模型的预测结果更加符合用户需求,更加精准,进一步使得测评结果更加精准。本方法得到的测评结果可用于对待测评广告图片的优化。
附图说明
图1为本申请一示例性实施例中广告图片的测评方法的应用环境图;
图2为本申请一示例性实施例中提供的广告图片的测评方法的流程示意图;
图3为本申请一示例性实施例中提供的广告图片的测评装置的结构框图;
图4为本申请一示例性实施例中提供的广告图片的测评装置的结构框图;
图5为本申请一示例性实施例中提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。本申请所提供的一种广告图片的测评方法可应用于基金调仓。以下具体以基金调仓为例对本申请所解决的技术问题进行详细阐述。
请参考图1,图1为本申请一示例性实施例提供的一种广告图片的测评方法的应用环境示意图。如图1所示,该广告图片的测评系统包括服务器100以及终端101,服务器100与终端101通过网络102进行通信,以实现本申请的广告图片的测评方法。
服务器100用于接收终端101提交的当前广告图片的测评请求,获取待测评广告图片的特征信息,待测评广告图片的特征信息作为第一特征信息;根据第一特征信息以及预设的预测模型得到待测评广告图片的预测点击率;获取至少一个第一点击率,第一点击率为历史广告图片的历史点击率,历史广告图片为在历史时段中上线的广告图片;将预测点击率与第一点击率进行比对,得到比对结果;根据比对结果得到待测评图片的测评结果,将测评结果反馈至终端101展示。服务器100可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
终端101用于向服务器100提交待测评广告图片的测评请求,并接收服务器100反馈的测评结果并展示该测评结果。终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。网络102用于实现服务器100与终端101之间的网络连接。具体的,网络102可以包括多种类型的有线或无线网络。
在一个实施例中,如图2所示,提供了一种广告图片的测评方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S11、获取待测评广告图片的特征信息,待测评广告图片的特征信息作为第一特征信息。
本申请中,待测评广告图片可以为展示于电商平台首页顶部的banner(横幅)图片。该待测评广告图片的特征信息可以包括但不限于以下各项:
待测评广告图片的品类信息、待测评广告图片的活动信息、待测评广告图片的主图位置信息、待测评广告图片的文案行数、待测评广告图片的风格类型、待测评广告图片的底图颜色以及待测评广告图片的装饰元素。
进一步的,品类信息,如空调、冰洗、黑电、数码、电脑等;
活动信息,如满M元减N元、X元券、Y折券、满Z元包邮等活动信息;
主图位置为该待测评广告图片中主图所在的位置,其可以为坐标值的表达形式;
文案行数为该待测评广告图片中所包含的文字的行数;
设计风格,如促销热闹、商务奢华、前卫新锐、可爱活泼、科技炫酷、简约文艺等;
装饰元素,如单独元素或者合成元素等。
S12、根据第一特征信息以及预设的预测模型得到待测评广告图片的预测点击率,所述预测模型根据样本图片训练得到,所述样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片。
本申请中,预测模型为通过历史广告图片的历史点击率预先训练的模型,该模型用于根据输入的待测评广告图片的第一特征信息输出待测评广告图片的预测点击率。
S13、获取至少一个第一点击率,第一点击率为历史广告图片的历史点击率,历史广告图片为在历史时段中上线的广告图片。
本申请中,预先构建了数据库,该数据库中存储了各个历史时段上线的历史广告图片、各个历史广告图片的特征信息以及各个历史广告图片的历史点击率。
本申请中,获取第一预设时间段内各个历史广告图片以及各个历史广告图片的历史点击率,该获取的历史点击率作为第一点击率。
S14、将预测点击率与第一点击率进行比对,得到比对结果。
本申请中,将预测点击率与第一点击率进行大小比对,得到比对结果,该比对结果中可以包括预测点击率与各个第一点击率的大小关系。
S15、根据比对结果得到待测评图片的测评结果。
本申请中,测评结果可以为待测评图片测评通过的结果,或者测评不通过的结果。
在其中一个实施例中,上述的方法还可以包括:
获取在第一预设时间段内上线的历史广告图片;
从所述第一预设时间段内上线的历史广告图片中获取第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片,得到样本图片;
获取各个样本图片的历史点击率,各个样本图片的历史点击率分别作为第二点击率;
提取各个样本图片的特征信息,各个样本图片的特征信息分别作为第二特征信息;
根据各第二点击率、各第二特征信息以及预设的初始模型,得到初始模型的模型参数;
根据模型参数以及初始模型得到预测模型。
一个实施例中,上述的第二预设时间段可以为一些大促活动的促销时间段,例如,6.18,双12等大促活动的促销时间段。进一步的,第一预设时间段可以根据实际需求设定,例如,可以设定为当前时间之前的所有历史时间段,则样本图片为当前时间之前的所有历史时间段在剔除了各个预先设定的大促活动的促销时间段之后的剩余时间段内的历史广告图片。
考虑到大促活动期间,用户量大,会导致该期间的广告点击量出现异常值,若该异常值作为训练预测模型的样本图片,会导致得到的预测模型不够精准,因此,剔除该些时间段的历史广告图片的历史点击率,可以使得得到的预测模型更加精准。
在其中一个实施例中,上述的初始模型为线性回归模型,上述的根据各第二点击率、各第二特征信息以及初始模型,得到初始模型的模型参数,可以包括:
根据各第二点击率、各第二特征信息以及线性回归模型,得到线性回归模型的各个系数以及常数项,线性回归模型的各个系数以及常数项作为模型参数。
本申请中,线性回归模型的表达式可以为如下形式:
y=a+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7 (1-1)
其中y表示预测点击率,x1、x2、x3、x4、x5、x6以及x7表示待测评广告图片的7个特征信息对应的特征值。a为常数项,b1、b2、b3、b4、b5以及b6为各个系数。
进一步的,本申请可以获取第一预设时间段内上线的历史广告图片,作为样本图片训练预测模型,该第一预设时间段可以根据实际需求设定,例如,该第一预设时间段可以设置为近12个月的时间段。本申请获取近12个月上线的所有历史广告图片以及各历史广告图片的历史点击率,进一步的,分别提取各个样本图片的7个特征信息的特征值,该7个特征信息可以为品类信息、活动信息、主图位置信息、文案行数、待测评广告图片的风格类型、底图颜色以及装饰元素,根据预设规则将该7个特征信息转换为对应的特征值,将各个特征值以及对应的历史点击率代入表达式(1-1),得到常数项以及各个系数的值,进一步根据常数项以及各个系数的值得到线性回归模型。
在其中一个实施例中,上述的获取至少一个第一点击率,可以包括:
获取各待比对图片,各待比对图片分别为距离当前时间最近的第三预设时间段内上线的各历史广告图片;
获取各待比对图片的历史点击率,各待比对图片的历史点击率作为各第一点击率。
本申请中,第三预设时间段可以根据实际需求设定,例如,可以将第三预设时间段设定为近6个月。
在其中一个实施例中,上述的将预测点击率与第一点击率进行比对,得到比对结果,可以包括:
获取第一数目和第二数目,第一数目为全部的第一点击率的数目,第二数目为比预测点击率小的第一点击率的数目;
获取数目占比,数目占比为第二数目与第一数目的比值;
上述的根据比对结果得到待测评图片的测评结果,可以包括:
当数目占比大于预设阈值时,确定待测评图片的测评结果为测评通过;
当数目占比不大于预设阈值时,确定待测评图片的测评结果为测评不通过。
本申请中,预设阈值可以根据实际需求设定,例如,可以将预设阈值设定为50%。当数目占比大于50%时,确定待测评图片的测评结果为测评通过;当数目占比不大于50%时,确定待测评图片的测评结果为测评不通过。当确定待测评图片的测评结果为测评不通过时,确定待测评图片为需优化图片,在终端上输出测评结果以及该待测评图片需要被优化的提示信息。
在其中一个实施例中,上述的方法还可以包括:
当第一点击率包括多个时,将各第一点击率进行排序,得到点击率序列;
从点击率序列中选取最大的预设数量个点击率作为目标点击率;
获取目标点击率对应的历史广告图片作为参考图片;
将参考图片发送给终端进行展示。
在其中一个实施例中,各第一点击率分别为与待测评广告图片属于同一品类的各历史广告图片的历史点击率;
或者,从各第一点击率中筛选出与待测评广告图片属于同一品类的各历史广告图片的历史点击率,将筛选出的历史点击率进行排序,得到点击率序列。
例如,当待测评广告图片中的广告对象为冰箱时,获取与冰箱属于同一品类的所有其他广告对象的历史广告图片,如可以获取各个不同品牌的冰箱的历史广告图片的历史点击率,将获取的各个历史点击率进行排序得到点击率序列,进一步从点击率序列中选取最大的预设数量个点击率作为目标点击率;获取目标点击率对应的历史广告图片作为参考图片;将参考图片发送给终端进行展示。其中,预设数量可以根据实际需求设定,例如,可以设定预设数量为5,则获取点击率序列中排在前5名的第一点击率对应的历史广告图片作为参考图片,推送至终端展示,以便相关人员根据该参考图片对待测评广告图片进行优化。
在其中一个实施例中,上述的第一特征信息包括以下任意一项或多项:
待测评广告图片的品类信息、待测评广告图片的活动信息、待测评广告图片的主图位置信息、待测评广告图片的文案行数、待测评广告图片的风格类型以及待测评广告图片的底图颜色;
上述的第二特征信息包括以下任意一项或多项:
样本图片的品类信息、样本图片的活动信息、样本图片的主图位置信息、样本图片的文案行数、样本图片的风格类型以及样本图片的底图颜色。
在其中一个实施例中,服务器获取待测评图片的测评结果之后,根据该测评结果对待测评图片进行优化,并得到优化结果后输出。具体的,该优化结果可以为一张优化后的图片,也可以为对待测评图片进行优化的优化策略,该优化策略可以以提示信息的形式推送至相关人员的终端展示。
在一个实施例中,如图3所示,提供了一种广告图片的测评装置,包括:
第一获取模块11,用于获取待测评广告图片的特征信息,待测评广告图片的特征信息作为第一特征信息;
预测模块12,用于根据第一特征信息以及预设的预测模型得到待测评广告图片的预测点击率,预测模型根据样本图片训练得到,样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片;
第二获取模块13,用于获取至少一个第一点击率,第一点击率为历史广告图片的历史点击率,历史广告图片为在历史时段中上线的广告图片;
比对模块14,用于将预测点击率与第一点击率进行比对,得到比对结果;
测评模块15,用于根据比对结果得到待测评图片的测评结果。
请参考图4,在其中一个实施例中,上述的装置还包括:
训练模块10,用于获取在第一预设时间段内上线的历史广告图片;
从第一预设时间段内上线的历史广告图片中获取第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片,得到样本图片;
获取各个样本图片的历史点击率,各个样本图片的历史点击率分别作为第二点击率;
提取各个样本图片的特征信息,各个样本图片的特征信息分别作为第二特征信息;
根据各第二点击率、各第二特征信息以及预设的初始模型,得到初始模型的模型参数;
根据模型参数以及初始模型得到预测模型。
在其中一个实施例中,上述的初始模型为线性回归模型,上述的训练模块10,包括:
训练单元,用于根据各第二点击率、各第二特征信息以及线性回归模型,得到线性回归模型的各个系数以及常数项,线性回归模型的各个系数以及常数项作为模型参数。
在其中一个实施例中,上述的第二获取模块13,包括:
获取单元,用于获取各待比对图片,各待比对图片分别为距离当前时间最近的第三预设时间段内上线的各历史广告图片;
获取各待比对图片的历史点击率,各待比对图片的历史点击率作为各第一点击率。
在其中一个实施例中,上述的比对模块14,包括:
比对单元,用于获取第一数目和第二数目,第一数目为全部的第一点击率的数目,第二数目为比预测点击率小的第一点击率的数目;
获取数目占比,数目占比为第二数目与第一数目的比值;
根据比对结果得到待测评图片的测评结果,包括:
当数目占比大于预设阈值时,确定待测评图片的测评结果为测评通过;
当数目占比不大于预设阈值时,确定待测评图片的测评结果为测评不通过。
请继续参考图4,在其中一个实施例中,上述的装置还包括:
优化模块16,用于当第一点击率包括多个时,将各第一点击率进行排序,得到点击率序列;
从点击率序列中选取最大的预设数量个点击率作为目标点击率;
获取目标点击率对应的历史广告图片作为参考图片;
将参考图片发送给终端进行展示;
在其中一个实施例中,上述的第一点击率分别为与待测评广告图片属于同一品类的各历史广告图片的历史点击率;
或者,从各第一点击率中筛选出与待测评广告图片属于同一品类的各历史广告图片的历史点击率,将筛选出的历史点击率进行排序,得到点击率序列。
在其中一个实施例中,上述的第一特征信息包括以下任意一项或多项:
待测评广告图片的品类信息、待测评广告图片的活动信息、待测评广告图片的主图位置信息、待测评广告图片的文案行数、待测评广告图片的风格类型以及待测评广告图片的底图颜色;
上述的第二特征信息包括以下任意一项或多项:
样本图片的品类信息、样本图片的活动信息、样本图片的主图位置信息、样本图片的文案行数、样本图片的风格类型以及样本图片的底图颜色。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供确定和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的第一终端通过网络连接通信。该计算机程序被处理器执行时以实现一种广告图片的测评方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:获取待测评广告图片的特征信息,待测评广告图片的特征信息作为第一特征信息;根据第一特征信息以及预设的预测模型得到待测评广告图片的预测点击率,预测模型根据样本图片训练得到,样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片;获取至少一个第一点击率,第一点击率为历史广告图片的历史点击率,历史广告图片为在历史时段中上线的广告图片;将预测点击率与第一点击率进行比对,得到比对结果;根据比对结果得到待测评图片的测评结果。
在一个实施例中,处理器执行计算机程序时,具体还实现以下步骤:
获取在第一预设时间段内上线的历史广告图片;
从第一预设时间段内上线的历史广告图片中获取第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片,得到样本图片;
获取各个样本图片的历史点击率,各个样本图片的历史点击率分别作为第二点击率;
提取各个样本图片的特征信息,各个样本图片的特征信息分别作为第二特征信息;
根据各第二点击率、各第二特征信息以及预设的初始模型,得到初始模型的模型参数;
根据模型参数以及初始模型得到预测模型。
在一个实施例中,上述的初始模型为线性回归模型,处理器执行计算机程序实现上述的根据各第二点击率、各第二特征信息以及初始模型,得到初始模型的模型参数,具体实现以下步骤:
根据各第二点击率、各第二特征信息以及线性回归模型,得到线性回归模型的各个系数以及常数项,线性回归模型的各个系数以及常数项作为模型参数。
在一个实施例中,处理器执行计算机程序实现上述的获取至少一个第一点击率,具体实现以下步骤:
获取各待比对图片,各待比对图片分别为距离当前时间最近的第三预设时间段内上线的各历史广告图片;
获取各待比对图片的历史点击率,各待比对图片的历史点击率作为各第一点击率。
在一个实施例中,处理器执行计算机程序实现上述的将预测点击率与第一点击率进行比对,得到比对结果,具体实现以下步骤:
获取第一数目和第二数目,第一数目为全部的第一点击率的数目,第二数目为比预测点击率小的第一点击率的数目;
获取数目占比,数目占比为第二数目与第一数目的比值;
根据比对结果得到待测评图片的测评结果,包括:
当数目占比大于预设阈值时,确定待测评图片的测评结果为测评通过;
当数目占比不大于预设阈值时,确定待测评图片的测评结果为测评不通过。
在一个实施例中,处理器执行计算机程序时具体还实现以下步骤:
当第一点击率包括多个时,将各第一点击率进行排序,得到点击率序列;
从点击率序列中选取最大的预设数量个点击率作为目标点击率;
获取目标点击率对应的历史广告图片作为参考图片;
将参考图片发送给终端进行展示;
在一个实施例中,各上述的第一点击率分别为与待测评广告图片属于同一品类的各历史广告图片的历史点击率;
或者,从各第一点击率中筛选出与待测评广告图片属于同一品类的各历史广告图片的历史点击率,将筛选出的历史点击率进行排序,得到点击率序列。
在一个实施例中,上述的第一特征信息包括以下任意一项或多项:
待测评广告图片的品类信息、待测评广告图片的活动信息、待测评广告图片的主图位置信息、待测评广告图片的文案行数、待测评广告图片的风格类型以及待测评广告图片的底图颜色;
上述的第二特征信息包括以下任意一项或多项:
样本图片的品类信息、样本图片的活动信息、样本图片的主图位置信息、样本图片的文案行数、样本图片的风格类型以及样本图片的底图颜色。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待测评广告图片的特征信息,待测评广告图片的特征信息作为第一特征信息;根据第一特征信息以及预设的预测模型得到待测评广告图片的预测点击率,预测模型根据样本图片训练得到,样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片;获取至少一个第一点击率,第一点击率为历史广告图片的历史点击率,历史广告图片为在历史时段中上线的广告图片;将预测点击率与第一点击率进行比对,得到比对结果;根据比对结果得到待测评图片的测评结果。
在一个实施例中,计算机程序被处理器执行时,具体还实现以下步骤:
获取在第一预设时间段内上线的历史广告图片;
从第一预设时间段内上线的历史广告图片中获取第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片,得到样本图片;
获取各个样本图片的历史点击率,各个样本图片的历史点击率分别作为第二点击率;
提取各个样本图片的特征信息,各个样本图片的特征信息分别作为第二特征信息;
根据各第二点击率、各第二特征信息以及预设的初始模型,得到初始模型的模型参数;
根据模型参数以及初始模型得到预测模型。
在一个实施例中,上述的初始模型为线性回归模型,计算机程序被处理器执行实现上述的根据各第二点击率、各第二特征信息以及初始模型,得到初始模型的模型参数,具体实现以下步骤:
根据各第二点击率、各第二特征信息以及线性回归模型,得到线性回归模型的各个系数以及常数项,线性回归模型的各个系数以及常数项作为模型参数。
在一个实施例中,计算机程序被处理器执行实现上述的获取至少一个第一点击率,具体实现以下步骤:
获取各待比对图片,各待比对图片分别为距离当前时间最近的第三预设时间段内上线的各历史广告图片;
获取各待比对图片的历史点击率,各待比对图片的历史点击率作为各第一点击率。
在一个实施例中,计算机程序被处理器执行实现上述的将预测点击率与第一点击率进行比对,得到比对结果,具体实现以下步骤:
获取第一数目和第二数目,第一数目为全部的第一点击率的数目,第二数目为比预测点击率小的第一点击率的数目;
获取数目占比,数目占比为第二数目与第一数目的比值;
根据比对结果得到待测评图片的测评结果,包括:
当数目占比大于预设阈值时,确定待测评图片的测评结果为测评通过;
当数目占比不大于预设阈值时,确定待测评图片的测评结果为测评不通过。
在一个实施例中,计算机程序被处理器执行时具体还实现以下步骤:
当第一点击率包括多个时,将各第一点击率进行排序,得到点击率序列;
从点击率序列中选取最大的预设数量个点击率作为目标点击率;
获取目标点击率对应的历史广告图片作为参考图片;
将参考图片发送给终端进行展示;
在一个实施例中,各上述的第一点击率分别为与待测评广告图片属于同一品类的各历史广告图片的历史点击率;
或者,从各第一点击率中筛选出与待测评广告图片属于同一品类的各历史广告图片的历史点击率,将筛选出的历史点击率进行排序,得到点击率序列。
在一个实施例中,上述的第一特征信息包括以下任意一项或多项:
待测评广告图片的品类信息、待测评广告图片的活动信息、待测评广告图片的主图位置信息、待测评广告图片的文案行数、待测评广告图片的风格类型以及待测评广告图片的底图颜色;
上述的第二特征信息包括以下任意一项或多项:
样本图片的品类信息、样本图片的活动信息、样本图片的主图位置信息、样本图片的文案行数、样本图片的风格类型以及样本图片的底图颜色。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种广告图片的测评方法,所述方法包括:
获取待测评广告图片的特征信息,所述待测评广告图片的特征信息作为第一特征信息;
根据所述第一特征信息以及预设的预测模型得到所述待测评广告图片的预测点击率,所述预测模型根据样本图片训练得到,所述样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片;
获取至少一个第一点击率,所述第一点击率为历史广告图片的历史点击率,所述历史广告图片为在历史时段中上线的广告图片;
将所述预测点击率与所述第一点击率进行比对,得到比对结果;
根据所述比对结果得到所述待测评图片的测评结果。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取在第一预设时间段内上线的历史广告图片;
从所述第一预设时间段内上线的历史广告图片中获取第一预设时间段内剔除所述第二预设时间段后的剩余时段内的历史广告图片,得到样本图片;
获取各个样本图片的历史点击率,各个样本图片的历史点击率分别作为第二点击率;
提取各个样本图片的特征信息,各个样本图片的特征信息分别作为第二特征信息;
根据各所述第二点击率、各所述第二特征信息以及预设的初始模型,得到所述初始模型的模型参数;
根据所述模型参数以及所述初始模型得到所述预测模型。
3.根据权利要求2所述的方法,其特征在于,所述初始模型为线性回归模型,所述根据各所述第二点击率、各所述第二特征信息以及所述初始模型,得到所述初始模型的模型参数,包括:
根据各所述第二点击率、各所述第二特征信息以及所述线性回归模型,得到所述线性回归模型的各个系数以及常数项,所述线性回归模型的各个系数以及常数项作为所述模型参数。
4.根据权利要求1所述的方法,其特征在于,所述获取至少一个第一点击率,包括:
获取各待比对图片,各所述待比对图片分别为距离当前时间最近的第三预设时间段内上线的各历史广告图片;
获取各所述待比对图片的历史点击率,各所述待比对图片的历史点击率作为各所述第一点击率。
5.根据权利要求1所述的方法,其特征在于,所述将所述预测点击率与所述第一点击率进行比对,得到比对结果,包括:
获取第一数目和第二数目,所述第一数目为全部的所述第一点击率的数目,所述第二数目为比所述预测点击率小的所述第一点击率的数目;
获取数目占比,所述数目占比为所述第二数目与所述第一数目的比值;
所述根据所述比对结果得到所述待测评图片的测评结果,包括:
当所述数目占比大于预设阈值时,确定所述待测评图片的测评结果为测评通过;
当所述数目占比不大于预设阈值时,确定所述待测评图片的测评结果为测评不通过。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述第一点击率包括多个时,将各所述第一点击率进行排序,得到点击率序列;
从所述点击率序列中选取最大的预设数量个点击率作为目标点击率;
获取所述目标点击率对应的历史广告图片作为参考图片;
将所述参考图片发送给终端进行展示;
优选地,各所述第一点击率分别为与所述待测评广告图片属于同一品类的各历史广告图片的历史点击率;
或者,从各所述第一点击率中筛选出与所述待测评广告图片属于同一品类的各历史广告图片的历史点击率,将筛选出的历史点击率进行排序,得到所述点击率序列。
7.根据权利要求2所述的方法,其特征在于,所述第一特征信息包括以下任意一项或多项:
所述待测评广告图片的品类信息、所述待测评广告图片的活动信息、所述待测评广告图片的主图位置信息、所述待测评广告图片的文案行数、所述待测评广告图片的风格类型以及所述待测评广告图片的底图颜色;
所述第二特征信息包括以下任意一项或多项:
所述样本图片的品类信息、所述样本图片的活动信息、所述样本图片的主图位置信息、所述样本图片的文案行数、所述样本图片的风格类型以及所述样本图片的底图颜色。
8.一种广告图片的测评装置,所述装置包括:
第一获取模块,用于获取待测评广告图片的特征信息,所述待测评广告图片的特征信息作为第一特征信息;
预测模块,用于根据所述第一特征信息以及预设的预测模型得到所述待测评广告图片的预测点击率,所述预测模型根据预设的样本图片训练得到,所述样本图片为第一预设时间段内剔除第二预设时间段后的剩余时段内的历史广告图片;
第二获取模块,用于获取至少一个第一点击率,所述第一点击率为历史广告图片的历史点击率,所述历史广告图片为在历史时段中上线的广告图片;
比对模块,用于将所述预测点击率与所述第一点击率进行比对,得到比对结果;
测评模块,用于根据所述比对结果得到所述待测评图片的测评结果。
9.一种计算机设备,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计算机程序时实现权利要求1至7中任一项所述的广告图片的测评方法的步骤。
10.一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至7中任一项所述的广告图片的测评方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010037267.3A CN111242690A (zh) | 2020-01-14 | 2020-01-14 | 广告图片的测评方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010037267.3A CN111242690A (zh) | 2020-01-14 | 2020-01-14 | 广告图片的测评方法、装置、存储介质及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111242690A true CN111242690A (zh) | 2020-06-05 |
Family
ID=70880907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010037267.3A Pending CN111242690A (zh) | 2020-01-14 | 2020-01-14 | 广告图片的测评方法、装置、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242690A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561586A (zh) * | 2020-12-17 | 2021-03-26 | 百果园技术(新加坡)有限公司 | 广告信息处理方法、装置、设备和存储介质 |
CN112966577A (zh) * | 2021-02-23 | 2021-06-15 | 北京三快在线科技有限公司 | 一种模型训练以及信息提供的方法及装置 |
CN113919866A (zh) * | 2021-09-27 | 2022-01-11 | 北京字节跳动网络技术有限公司 | 模型训练方法、广告投放方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110196739A1 (en) * | 2010-02-05 | 2011-08-11 | Ruofei Zhang | Systems and methods for efficiently ranking advertisements based on relevancy and click feedback |
CN105160548A (zh) * | 2015-08-20 | 2015-12-16 | 北京奇虎科技有限公司 | 对广告点击率进行预测的方法及装置 |
CN109784978A (zh) * | 2018-12-19 | 2019-05-21 | 平安科技(深圳)有限公司 | 基于大数据的广告竞争力计算方法、装置、介质及设备 |
-
2020
- 2020-01-14 CN CN202010037267.3A patent/CN111242690A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110196739A1 (en) * | 2010-02-05 | 2011-08-11 | Ruofei Zhang | Systems and methods for efficiently ranking advertisements based on relevancy and click feedback |
CN105160548A (zh) * | 2015-08-20 | 2015-12-16 | 北京奇虎科技有限公司 | 对广告点击率进行预测的方法及装置 |
CN109784978A (zh) * | 2018-12-19 | 2019-05-21 | 平安科技(深圳)有限公司 | 基于大数据的广告竞争力计算方法、装置、介质及设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561586A (zh) * | 2020-12-17 | 2021-03-26 | 百果园技术(新加坡)有限公司 | 广告信息处理方法、装置、设备和存储介质 |
CN112561586B (zh) * | 2020-12-17 | 2024-05-24 | 百果园技术(新加坡)有限公司 | 广告信息处理方法、装置、设备和存储介质 |
CN112966577A (zh) * | 2021-02-23 | 2021-06-15 | 北京三快在线科技有限公司 | 一种模型训练以及信息提供的方法及装置 |
CN113919866A (zh) * | 2021-09-27 | 2022-01-11 | 北京字节跳动网络技术有限公司 | 模型训练方法、广告投放方法、装置、设备及存储介质 |
CN113919866B (zh) * | 2021-09-27 | 2024-02-13 | 抖音视界有限公司 | 模型训练方法、广告投放方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chryst et al. | Global warming’s “six Americas short survey”: Audience segmentation of climate change views using a four question instrument | |
CN108763502B (zh) | 信息推荐方法和系统 | |
CN111080398B (zh) | 商品推荐方法、装置、计算机设备和存储介质 | |
CN108205768B (zh) | 数据库建立方法和数据推荐方法及装置、设备和存储介质 | |
Luo et al. | Recovering hidden buyer–seller relationship states to measure the return on marketing investment in business-to-business markets | |
CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN111242690A (zh) | 广告图片的测评方法、装置、存储介质及计算机设备 | |
CN110233879B (zh) | 智能推送界面方法、装置、计算机设备及存储介质 | |
CN110263189A (zh) | 媒体内容的推荐方法、装置、存储介质和计算机设备 | |
CN106874314B (zh) | 信息推荐的方法和装置 | |
CN111967914A (zh) | 基于用户画像的推荐方法、装置、计算机设备和存储介质 | |
CN111400613A (zh) | 物品推荐方法、装置、介质及计算机设备 | |
CN111538907A (zh) | 一种对象推荐方法、系统及装置 | |
US20140067472A1 (en) | System and Method For Segmenting A Customer Base | |
CN111210258A (zh) | 广告投放方法、装置、电子设备及可读存储介质 | |
CN109801101A (zh) | 标签确定方法、装置、计算机设备和存储介质 | |
CN111161009B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
JP5426309B2 (ja) | 情報分析装置 | |
US20140372207A1 (en) | Profit index value generation system and profit index value generation method | |
US20140257970A1 (en) | Information distribution apparatus, information distribution method, and storage medium | |
CN110209944B (zh) | 一种股票分析师推荐方法、装置、计算机设备和存储介质 | |
CN115809889A (zh) | 基于营销效果的智能客群筛选方法、系统、介质及设备 | |
CN112925982B (zh) | 用户重定向方法及装置、存储介质、计算机设备 | |
CN115187330A (zh) | 基于用户标签的产品推荐方法、装置、设备和介质 | |
JP7164508B2 (ja) | 補正された効果に基づいてアイテムを選択するプログラム、装置及び方法、並びにアイテム効果推定プログラム |
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 |
Application publication date: 20200605 |
|
RJ01 | Rejection of invention patent application after publication |