CN111340561A - 信息点击率的计算方法、装置、设备及可读存储介质 - Google Patents
信息点击率的计算方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111340561A CN111340561A CN202010145964.0A CN202010145964A CN111340561A CN 111340561 A CN111340561 A CN 111340561A CN 202010145964 A CN202010145964 A CN 202010145964A CN 111340561 A CN111340561 A CN 111340561A
- Authority
- CN
- China
- Prior art keywords
- information
- click rate
- bid
- user
- calculating
- 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
- G06Q30/0273—Determination of fees for advertising
- G06Q30/0275—Auctions
-
- 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
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
本发明公开了一种信息点击率的计算方法、装置、设备及可读存储介质,涉及金融科技领域,该方法包括步骤:当接收到信息用户对应的信息竞价请求后,获取所述信息用户在所述信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录;根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子;根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率。本发明通过调权因子,使同一个信息用户在不同阶段对应不同的预测点击率(因为不同阶段所得的历史信息记录不同,从而使最终所得的预测点击率不同),避免同一信息用户在任何时候,只对应一个预测点击率,由此可知,本实施例提高信息点击率的预测准确率。
Description
技术领域
本发明涉及金融科技(Fintech)的数据处理技术领域,尤其涉及一种信息点击率的计算方法、装置、设备及可读存储介质。
背景技术
随着计算机技术的发展,越来越多的技术应用在金融领域,传统金融业正在逐步向金融科技(Fintech)转变,数据处理技术也不例外,但由于金融行业的安全性、实时性要求,也对数据处理技术提出的更高的要求。
目前,通过是根据用户的兴趣和用户与信息的匹配度进行预测点击率。对于同一个用户和同一个信息,在一段时间内的点击率并不会发生变化,如果某一个高点击率用户持续的被同一个信息点击率模型所预测且必定会获得较高的出价并获得曝光机会,那么该用户在这段时间内会不断的接收到同一个信息主的信息曝光,对于信息主而言是一种预算的浪费,对于用户而言是体验感上的降低。区别于效果信息,对于一些品牌信息而言,存在一个用户的品牌习惯培养过程。对于一个陌生用户到最终完成转化,通过用户旅程的概念定义该用户处在某个阶段(例如完全陌生,相对陌生,熟悉,接近转化,转化等阶段)。目前对于一个可能存在潜在兴趣的用户,现有的信息点击率模型可能会持续给出一个较低的预测点击率,从而导致该信息长期无法获得曝光。
由此可知,目前根据用户的兴趣与信息的匹配度来预测信息点击率的准确率低下。
发明内容
本发明的主要目的在于提供一种信息点击率的计算方法、装置、设备及可读存储介质,旨在解决如何提高信息点击率预测准确率的技术问题。
为实现上述目的,本发明提供一种信息点击率的计算方法,所述信息点击率的计算方法包括步骤:
当接收到信息用户对应的信息竞价请求后,获取所述信息用户在所述信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录;
根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子;
根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率。
优选地,所述根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子的步骤包括:
将所述历史信息记录中的用户特征数据输入至预设点击率模型中,得到所述待竞价信息的基础点击率;
将所述历史信息记录中所述待竞价信息的历史投放数据输入至预设召回模型中,得到所述待竞价信息的调权因子。
优选地,所述根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率的步骤包括:
计算所述基础点击率和所述调权因子之间的乘积,得到所述待竞价信息的预测点击率;
或者获取所述基础点击率对应的第一权重,以及获取所述调权因子对应的第二权重;
计算所述基础点击率和所述第一权重之间的第一乘积,以及计算所述调权因子和所述第二权重之间的第二乘积;
根据所述第一乘积和所述第二乘积计算得到所述待竞价信息的预测点击率。
优选地,所述根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率的步骤之后,还包括:
根据所述预测点击率确定所述待竞价信息的竞价金额,以及获取所述待竞价信息的信息素材;
将所述竞价金额和所述信息素材发送给所述信息竞价请求对应终端。
优选地,所述根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率的步骤之后,还包括:
根据所述历史信息记录确定所述信息用户所属的用户类别;
所述根据所述预测点击率确定所述待竞价信息的竞价金额的步骤包括:
根据所述信息用户所属的用户类别和所述预测点击率确定所述待竞价信息的竞价金额。
优选地,所述根据所述信息用户所属的用户类别和所述预测点击率确定所述待竞价信息的竞价金额的步骤包括:
若确定所述信息用户所属的用户类别为熟悉用户类别,则判断所述预测点击率是否大于预设点击率;
若确定所述预测点击率大于所述预设点击率,则提高所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额;
若确定所述预测点击率小于或者等于所述预设点击率,则降低所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
优选地,所述根据所述信息用户所属的用户类别和所述预测点击率确定所述待竞价信息的竞价金额的步骤包括:
若确定所述信息用户所属的用户类别为陌生用户类别,则根据所述预测点击率提高所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
此外,为实现上述目的,本发明还提供一种信息点击率的计算装置,所述信息点击率的计算装置包括:
获取模块,用于当接收到信息用户对应的信息竞价请求后,获取所述信息用户在所述信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录;
确定模块,用于根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子;
计算模块,用于根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率。
此外,为实现上述目的,本发明还提供一种信息点击率的计算设备,所述信息点击率的计算设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的信息点击率的计算程序,所述信息点击率的计算程序被所述处理器执行时实现如上述信息点击率的计算方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息点击率的计算程序,所述信息点击率的计算程序被处理器执行时实现如上所述的信息点击率的计算方法的步骤。
本发明通过获取信息用户在信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录,根据历史信息记录确定待竞价信息的基础点击率和调权因子,并根据基础点击率和调权因子计算得到待竞价信息的预测点击率,实现了通过调权因子,使同一个信息用户在不同阶段(完全陌生,相对陌生,熟悉,接近转化,转化等)对应不同的预测点击率(因为不同阶段所得的历史信息记录不同,从而使最终所得的预测点击率不同),避免同一信息用户在任何时候,只对应一个预测点击率,由此可知,本实施例提高信息点击率的预测准确率。
附图说明
图1是本发明信息点击率的计算方法第一实施例的流程示意图;
图2是本发明信息点击率的计算方法第二实施例的流程示意图;
图3是本发明信息点击率的计算装置较佳实施例的功能示意图模块图;
图4是本发明实施例方案涉及的硬件运行环境的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种信息点击率的计算方法,参照图1,图1为本发明信息点击率的计算方法第一实施例的流程示意图。
本发明实施例提供了信息点击率的计算方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
信息点击率的计算方法应用于信息平台(Demand-Side Platform,需求方平台),该信息平台可为服务器或者终端,终端可以包括诸如手机、平板电脑、笔记本电脑、摄像机、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)等移动终端,以及诸如数字TV、台式计算机等固定终端。在信息点击率的计算方法的各个实施例中,为了便于描述,省略执行主体进行阐述各个实施例。信息点击率的计算方法包括:
步骤S10,当接收到信息用户对应的信息竞价请求后,获取所述信息用户在所述信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录。
为了便于理解,先说明本发明实施例的应用场景。在本发明实施例中,对于同一信息,曝光给不同信息用户的价钱是不一样的,即曝光给不同信息用户的竞价金额是不一样。信息用户为接受信息的用户,如浏览信息的用户。其中,本实施例中的待竞价信息可为广告信息,也可为其它需要推广的信息等。
当接收到信息用户对应的信息竞价请求后,确定信息竞价请求对应的待竞价信息,其中,在信息竞价请求中携带有用户标识,该用户标识用于唯一标识某个用户,因此通过获取信息竞价请求中的用户标识,即可确定信息竞价请求对应的待曝光特定用户,即确定信息竞价请求对应的信息用户。信息竞价请求可为与信息平台连接的终端发送的,该终端可在需要发送信息竞价请求,也可定时发送信息竞价请求。当确定信息竞价请求对应的信息用户后,获取该信息用户在待竞价信息投放过程中生成的历史信息记录。
历史信息记录可为待竞价信息在投放过程中,特定时间段内信息用户对应的历史信息记录,其中,该特定时间段可根据具体需要而设置,如可设置为15天,30天或者35天等。历史信息记录中包括但不限于待竞价信息对信息用户的曝光次数、在每次对信息用户曝光时,信息用户是否点击过待竞价信息、待竞价信息每相邻两次对信息用户曝光的时间差、待竞价信息的特征数据、信息用户在特定时间段内所浏览信息的信息种类和所浏览信息的总次数。待竞价信息的特征数据包括但不限于浏览该待竞价信息用户的用户特征数据和信息特征数据,用户特征数据包括年龄和性别等,信息特征数据可为信息的表现形式,如语音、图片和视频等。信息种类可通过信息素材和信息文案都来区分,对于同一产品的信息,不同信息素材为不同种类的信息,不同信息文案为不同种类的信息。
进一步地,若将信息竞价请求记为q,则信息用户在待竞价信息投放过程中的历史信息记录序列记为{x1,x2,x3,…,xn},其中,n为待竞价信息对该信息用户的总曝光次数,xn为待竞价信息第n次对信息用户的曝光时的历史信息记录。在本实施例中,可使用y={0,1}表示当待竞价信息对信息用户曝光后,信息用户是否发生点击行为,其中,y=1表示信息用户点击了该待竞价信息,y=0表示信息用户没有点击该待竞价信息,则当竞价请求成功,信息用户点击待竞价信息的概率可表示为P(y=1|q,{x1,x2,…,xn})。可以理解的是,不同信息用户对应的历史信息记录中的数据量可能是相同的,也可能是不相同,即历史信息记录序列的长度可能相同,也可能不相同。为了便于根据历史信息记录计算得到不同信息用户对应的基础点击率和调权因子,可通过Embedding将不同长度的历史信息记录转换成一定长度的历史信息记录序列,以提高基础点击率和调权因子计算效率。具体地,可将历史信息记录序列各个历史信息记录输入至Embedding中,得到一结果,然后再将第一结果输入Transformer中,得到第二结果,将第二结果通过Sigmoid函数得到一定长度的历史信息记录序列,实现了对于不同用户,输入点击率模型和召回模型中的数据量都相同。Transformer的整个网络结构完全是由Attention机制组成;Embedding可将大型稀疏向量转换为保留语义关系的低维空间。
步骤S20,根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子。
当得到历史信息记录后,根据历史信息记录确定信息用户对于待竞价信息的基础点击率和调权因子。
进一步地,步骤S20包括:
步骤a,将所述历史信息记录中的用户特征数据输入至预设点击率模型中,得到所述待竞价信息的基础点击率。
具体地,当获取到历史信息记录后,获取历史信息记录中的用户特征数据输入至预设点击率模型(Click-Through-Rate Model),得到点击率模型的输出,该点击率模型的输出即为基础点击率。其中,点击率模型是预先训练好的,在训练点击率模型时,也是获取不同用户类别的用户特征数据输入到点击率模型中。需要说明的是,本实施例中,也可获取历史信息记录中其他数据输入至点击率模型中,只是用户特征数据是必须要输入至点击率模型中的数据。
步骤b,将所述历史信息记录中所述待竞价信息的历史投放数据输入至预设召回模型中,得到所述待竞价信息的调权因子。
当获取到历史信息记录后,获取历史信息记录中待竞价信息的历史投放数据,将历史投放数据输入至预设召回模型中,得到召回模型的输出,召回模型的输出就是待竞价信息的调权因子。需要说明的,输入召回模型中的历史投放数据中必须含有在待竞价信息每次对信息用户曝光时,信息用户是否点击过待竞价信息的数据,以及历史投放数据中还包括待竞价信息的投放时间和投放空间等,投放空间为待竞价信息的投放位置,例如网页,APP等。可以理解的是,历史投放数据还可以包括待竞价信息对信息用户的曝光次数、待竞价信息每相邻两次对信息用户曝光的时间差和待竞价信息的特征数据等数据。召回模型也是预先训练好,训练召回模型的过程和训练点击率模型的过程一致,只是数据不同而已。其中,召回模块和点击率模型为神经网络模型,在本实施例中,神经网络包括但不限于CNN(Convolutional Neural Network,卷积神经网络)和RNN(Recurrent Neural Networ,循环神经网络)。
需要说明的是,在获取到历史信息记录后,是将历史信息记录存储到Redis(Remote Dictionary Server,远程字典服务)中,对于历史信息记录中与信息用户操作相关的数据,由于对时效性要求较高,会通过渠道回传队列通过Flink存储到Redis中。在需要用历史信息记录时,可从Redis获取历史信息记录。
步骤S30,根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率。
当得到待竞价信息的基础点击率和调权因子后,根据基础点击率和调权因子计算得到待竞价信息的预测点击率。可以理解的是,由于不同信息用户的历史信息记录不同,因此不同信息用户对应的调权因子也不一样,且对于同一个信息用户而言,不同时间段所产生的历史信息记录也不一样,因此不同时间段对应的调权因子也是不一样的。在本发明实施例中,通过召回模型得到调权因子来优化点击率模型所得的基础点击率,从而优化了点击率模型所得的结果。
进一步地,步骤S30包括:
步骤c,计算所述基础点击率和所述调权因子之间的乘积,得到所述待竞价信息的预测点击率。
具体地,当得到基础点击率和调权因子后,可以计算基础点击率和调权因子之间的乘积,将基础点击率和调权因子之间的乘积确定为待竞价信息的预测点击率。
进一步地,步骤S30还包括:
步骤d,获取所述基础点击率对应的第一权重,以及获取所述调权因子对应的第二权重。
进一步地,当得到基础点击率和调权因子后,获取基础点击率对应的权重,以及获取调权因子对应的权重。为了便于区分,本实施例将基础点击率对应的权重记为第一权重,将调权因子对应的权重记为第二权重,其中,第一权重和第二权重的大小可根据具体而设置,只要保证第一权重和第二权重之间的和等于1即可。
步骤e,计算所述基础点击率和所述第一权重之间的第一乘积,以及计算所述调权因子和所述第二权重之间的第二乘积。
步骤f,根据所述第一乘积和所述第二乘积计算得到所述待竞价信息的预测点击率。
当得到第一权重和第二权重后,计算基础点击率和第一权重之间的乘积,将基础点击率和第一权重之间的乘积确定为第一乘积;以及计算调权因子和第二权重之间的乘积,将调权因子和第二权重之间的乘积确定为第二乘积。当计算得到第一乘积和第二乘积后,计算第一乘积和第二乘积之间的和,将第一乘积和第二乘积之间的和确定为待竞价信息的预测点击率。
本实施例通过获取信息用户在信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录,根据历史信息记录确定待竞价信息的基础点击率和调权因子,并根据基础点击率和调权因子计算得到待竞价信息的预测点击率,实现了通过调权因子,使同一个信息用户在不同阶段(完全陌生,相对陌生,熟悉,接近转化,转化等)对应不同的预测点击率(因为不同阶段所得的历史信息记录不同,从而使最终所得的预测点击率不同),避免同一信息用户在任何时候,只对应一个预测点击率,由此可知,本实施例提高信息点击率的预测准确率。
进一步地,提出本发明信息点击率的计算方法第二实施例。所述信息点击率的计算方法第二实施例与所述信息点击率的计算方法第一实施例的区别在于,参照图2,所述信息点击率的计算方法还包括:
步骤S40,根据所述预测点击率确定所述待竞价信息的竞价金额,以及获取所述待竞价信息的信息素材。
当计算得到预测点击率后,根据预测点击率确定待竞价信息的竞价金额,其中,竞价金额就是后续投放待竞价信息,曝光给信息用户所需要付的费用。在本实施例中,预先存储有预测点击率和竞价金额之间的映射关系,在该映射关系中,预测点击率与竞价金额可以是一对一的关系,也可以是多个预测点击率对应一个竞价金额,即某一段预测点击率对应一个竞价金额。获取待竞价信息的信息素材,其中,信息素材包括但不限于信息文案和信息种类。
步骤S50,将所述竞价金额和所述信息素材发送给所述信息竞价请求对应终端。
当确定待竞价信息的竞价金额和信息素材后,将待竞价信息的竞价金额和信息素材发送给信息竞价请求对应终端。当信息竞价请求对应终端接收到竞价金额和信息素材后,终端根据其自身竞价机制决定曝光机会归属,即决定待竞价信息要曝光给那个用户。可以理解的是,当竞价金额越高时,表明待竞价信息对于信息用户的曝光概率越高。
本实施例通过根据预测点击率确定待竞价信息的竞价金额,通过该竞价金额来调整待竞价信息对于该信息用户的曝光率,从而调整待竞价信息对信息用户的投放策略,使投放策略不再完全取决于信息用户的兴趣以及信息用户和信息的契合程度,从而提高了信息投放的效率。
进一步地,提出本发明信息点击率的计算方法第三实施例。
所述信息点击率的计算方法第三实施例与所述信息点击率的计算方法第一和/或第二实施例的区别在于,所述信息点击率的计算方法还包括:
步骤h,根据所述历史信息记录确定所述信息用户所属的用户类别。
当获取到历史信息记录后,根据该历史信息记录即可确定信息用户所属的用户类别。在本实施例中,用户类别包括但不限于陌生用户类别、熟悉用户类别和转化用户类别,在其他实施例中,用户类别也可设置为其他类别。需要说明的是,不同的用户类别表明信息用户处于不同的用户旅程阶段,陌生用户类别的信息用户处于用户旅程阶段中的陌生阶段,熟悉用户类别的信息用户处于用户旅程阶段中的熟悉阶段,转化用户类别的信息用户处于用户旅程阶段中的转化阶段,随着待竞价信息对信息用户曝光次数的改变,用户类别也会改变如随着曝光次数的增加,信息用户会从陌生用户类别转化成熟悉用户类别。具体地,可以根据历史信息记录中待竞价信息对信息用户的曝光次数来确定信息用户所在的阶段,即确定信息用户所属的用户类别,可以理解的是,处在熟悉阶段的用户对应的曝光次数大于处在陌生阶段用户类别对应的曝光次数。
所述根据所述预测点击率确定所述待竞价信息的竞价金额的步骤包括:
步骤i,根据所述信息用户所属的用户类别和所述预测点击率确定所述待竞价信息的竞价金额。
当确定信息用户所属的用户类别后,根据信息用户所属的用户类别和预测点击率确定待竞价信息的竞价金额。需要说明的是,同一预测点击率,若信息用户所属的用户类别不一样,则对应的竞价金额不同。在本实施例中,可预先为不同用户类别设置预测点击率与竞价金额之间的映射关系,在确定信息用户所属的用户类别后,根据用户类别确定所对应的映射关系,然后根据预设点击率和所确定的映射关系确定待竞价信息的竞价金额。
本实施例通过用户类别来借助市场营销学中用户旅程的概念来确定竞价金额,以追求有效达到率,有效达到率为同一个信息通过媒体触达用户的数量界限。根据相关研究结果,在一定时期内只对一个用户进行一次曝光毫无价值。因此,本实施例通过用户类别和预测点击率结合来确定信息的竞价金额,以通过竞价金额来调整信息对用户的投放频率(投放频率可决定曝光次数),从而提高了信息投放的精确度。
进一步地,所述步骤i包括:
步骤i1,若确定所述信息用户所属的用户类别为熟悉类别,则判断所述预测点击率是否大于预设点击率。
步骤i2,若确定所述预测点击率大于所述预设点击率,则提高所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
若根据历史信息记录确定信息用户所属的用户类别为熟悉类别,则判断预测点击率是否大于预设点击率,其中,预设点击率可根据具有需要而设置,如可将预设点击率设置为0.7,或者将预设点击率设置为1等。若确定预设点击率大于预设点击率,则提高待竞价信息对应的基础金额,得到提交高后的基础金额,并将提高后的基础金额确定为待竞价信息的竞价金额。
具体地,在确定预测点击率大于预设点击率时,按照预先设置好的提高策略提高待竞价信息对应的基础金额。其中,提高策略可为在基础金额的基础上提高固定金额,即竞价金额等于基础金额加上固定金额;提高策略还可为根据预测点击率与预设点击率之间的点击率差值来提高待竞价信息的基础金额,即随着点击率差值的增大,基础金额的提高幅度也随着增大;若提高策略中,竞价金额分为不同层级,则可确定基础金额所在层级,在当前层级上调一个层级,得到待竞价信息的竞价金额。需要说明的是,本实施例只是对提高策略进行说明,并不是对提高策略的限制。
步骤i3,若确定所述预测点击率小于或者等于所述预设点击率,则降低所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
若确定预测点击率小于或者等于预设点击率,则降低待竞价信息对应的基础金额,得到待竞价信息的竞价金额。需要说明的是,降低待降价信息对应基础金额的降低策略设置原理和提高策略的设置原理一致,只是降低策略是在基础金额的基础上减小金额,即降低待竞价信息的竞价金额;提高策略是在基础金额的基础上提高金额,即提高待竞价信息的竞价金额。
本实施例在确定信息用户为熟悉用户类别时,根据预测点击率来决定是降低待竞价信息的竞价金额还是提高竞价金额,通过竞价金额调整待竞价信息对熟悉用户的投放频率。
进一步地,所述步骤i还包括:
步骤i4,若确定所述信息用户所属的用户类别为陌生用户类别,则根据所述预测点击率提高所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
进一步地,若根据确定信息用户所属的用户类别为陌生用户类别,则根据预测点击率提高待竞价信息对应的基础金额,得到待竞价信息的竞价金额。需要说明的是,陌生用户类别对应待竞价信息的基础金额与熟悉用户类别对应待竞价信息的基础金额是不同的。陌生用户类别的信息用户对应待竞价信息的基础金额可能都一样,但是熟悉用户类别的信息用户对应待竞价信息的基础金额可能是不一样的。对于陌生用户类别的信息用户而言,可以根据预测点击率按照一定的增长幅度提高待竞价信息对应的基础金额,得到竞价金额,也可按照其他提高策略提高待竞价信息对应的基础金额,得到竞价金额。陌生用户类别的信息用户可能为曝光次数只有1次或者两次的用户,也有可能是曝光次数为0次的用户,当曝光次数为0次时,所得的基础点击率为一个固定值。
需要说明的是,对于品牌信息而言,陌生用户类别的信息用户依然可能是潜在用户,值得进行一定次数的信息投放,以培养该品牌在陌生用户类别的信息用户心中的形象,因此,通过预测点击率提高对陌生用户类别的信息用户的投放频率,以提高该信息对陌生用户类别的信息用户的曝光次数。
本发明实施例通过对不同类别的用户采用不同的投放策略,即对不同类别的用户设置不同的投放频率,从而实现以最少成本实现较好的信息投放效果。
此外,本发明还提供一种信息点击率的计算装置,参照图3,所述信息点击率的计算装置包括:
获取模块10,用于当接收到信息用户对应的信息竞价请求后,获取所述信息用户在所述信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录;
确定模块20,用于根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子;
计算模块30,用于根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测确定模块点击率。
进一步地,所述确定模块20还用于将所述历史信息记录中的用户特征数据输入至预设点击率模型中,得到所述待竞价信息的基础点击率;将所述历史信息记录中所述待竞价信息的历史投放数据输入至预设召回模型中,得到所述待竞价信息的调权因子。
进一步地,所述计算模块30还用于计算所述基础点击率和所述调权因子之间的乘积,得到所述待竞价信息的预测点击率;
所述计算模块30包括:
获取单元,用于获取所述基础点击率对应的第一权重,以及获取所述调权因子对应的第二权重;
计算单元,用于计算所述基础点击率和所述第一权重之间的第一乘积,以及计算所述调权因子和所述第二权重之间的第二乘积;根据所述第一乘积和所述第二乘积计算得到所述待竞价信息的预测点击率。
进一步地,所述确定模块20还用于根据所述预测点击率确定所述待竞价信息的竞价金额;
所述获取模块10还用于获取所述待竞价信息的信息素材;
所述信息点击率的计算装置还包括:
发送模块,用于将所述竞价金额和所述信息素材发送给所述信息竞价请求对应终端。
进一步地,所述确定模块20还用于根据所述历史信息记录确定所述信息用户所属的用户类别;根据所述信息用户所属的用户阶段和所述预测点击率确定所述待竞价信息的竞价金额。
进一步地,所述确定模块20包括:
判断单元,用于若确定所述信息用户所属的用户类别为熟悉用户阶段,则判断所述预测点击率是否大于预设点击率;
提高单元,用于若确定所述预测点击率大于所述预设点击率,则提高所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额;
降低单元,用于若确定所述预测点击率小于或者等于所述预设点击率,则降低所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
进一步地,所述确定模块20还用于若确定所述信息用户所属的用户阶段为陌生用户阶段,则根据所述预测点击率提高所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
本发明信息点击率的计算装置具体实施方式与上述信息点击率的计算方法各实施例基本相同,在此不再赘述。
此外,本发明还提供一种信息点击率的计算设备。如图4所示,图4是本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图4即可为信息点击率的计算设备的硬件运行环境的结构示意图。本发明实施例信息点击率的计算设备可以是PC,便携计算机等终端设备。
如图4所示,该信息点击率的计算设备可以包括:处理器1001,例如CPU,存储器1005,用户接口1003,网络接口1004,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图4中示出的信息点击率的计算设备结构并不构成对信息点击率的计算设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图4所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及信息点击率的计算程序。其中,操作系统是管理和控制信息点击率的计算设备硬件和软件资源的程序,支持信息点击率的计算程序以及其它软件或程序的运行。
在图4所示的信息点击率的计算设备中,用户接口1003主要用于连接其它终端,与其它终端进行数据通信,如接收其他终端发送的信息竞价请求;网络接口1004主要用于后台服务器,与后台服务器进行数据通信;处理器1001可以用于调用存储器1005中存储的信息点击率的计算程序,并执行如上所述的信息点击率的计算方法的步骤。
本发明信息点击率的计算设备具体实施方式与上述信息点击率的计算方法各实施例基本相同,在此不再赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有信息点击率的计算程序,所述信息点击率的计算程序被处理器执行时实现如上所述的信息点击率的计算方法的步骤。
本发明计算机可读存储介质具体实施方式与上述信息点击率的计算方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种信息点击率的计算方法,其特征在于,所述信息点击率的计算方法包括以下步骤:
当接收到信息用户对应的信息竞价请求后,获取所述信息用户在所述信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录;
根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子;
根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率。
2.如权利要求1所述的信息点击率的计算方法,其特征在于,所述根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子的步骤包括:
将所述历史信息记录中的用户特征数据输入至预设点击率模型中,得到所述待竞价信息的基础点击率;
将所述历史信息记录中所述待竞价信息的历史投放数据输入至预设召回模型中,得到所述待竞价信息的调权因子。
3.如权利要求1所述的信息点击率的计算方法,其特征在于,所述根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率的步骤包括:
计算所述基础点击率和所述调权因子之间的乘积,得到所述待竞价信息的预测点击率;
或者获取所述基础点击率对应的第一权重,以及获取所述调权因子对应的第二权重;
计算所述基础点击率和所述第一权重之间的第一乘积,以及计算所述调权因子和所述第二权重之间的第二乘积;
根据所述第一乘积和所述第二乘积计算得到所述待竞价信息的预测点击率。
4.如权利要求1至3任一项所述的信息点击率的计算方法,其特征在于,所述根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率的步骤之后,还包括:
根据所述预测点击率确定所述待竞价信息的竞价金额,以及获取所述待竞价信息的信息素材;
将所述竞价金额和所述信息素材发送给所述信息竞价请求对应终端。
5.如权利要求1至3任一项所述的信息点击率的计算方法,其特征在于,所述根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率的步骤之后,还包括:
根据所述历史信息记录确定所述信息用户所属的用户类别;
所述根据所述预测点击率确定所述待竞价信息的竞价金额的步骤包括:
根据所述信息用户所属的用户类别和所述预测点击率确定所述待竞价信息的竞价金额。
6.如权利要求5所述的信息点击率的计算方法,其特征在于,所述根据所述信息用户所属的用户类别和所述预测点击率确定所述待竞价信息的竞价金额的步骤包括:
若确定所述信息用户所属的用户类别为熟悉用户类别,则判断所述预测点击率是否大于预设点击率;
若确定所述预测点击率大于所述预设点击率,则提高所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额;
若确定所述预测点击率小于或者等于所述预设点击率,则降低所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
7.如权利要求5所述的信息点击率的计算方法,其特征在于,所述根据所述信息用户所属的用户类别和所述预测点击率确定所述待竞价信息的竞价金额的步骤包括:
若确定所述信息用户所属的用户类别为陌生用户类别,则根据所述预测点击率提高所述待竞价信息对应的基础金额,得到所述待竞价信息的竞价金额。
8.一种信息点击率的计算装置,其特征在于,所述信息点击率的计算装置包括:
获取模块,用于当接收到信息用户对应的信息竞价请求后,获取所述信息用户在所述信息竞价请求对应待竞价信息投放过程中所生成的历史信息记录;
确定模块,用于根据所述历史信息记录确定所述待竞价信息的基础点击率和调权因子;
计算模块,用于根据所述基础点击率和所述调权因子计算得到所述待竞价信息的预测点击率。
9.一种信息点击率的计算设备,其特征在于,所述信息点击率的计算设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的信息点击率的计算程序,所述信息点击率的计算程序被所述处理器执行时实现如权利要求1至7任一项中所述的信息点击率的计算方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息点击率的计算程序,所述信息点击率的计算程序被处理器执行时实现如权利要求1至7任一项所述的信息点击率的计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010145964.0A CN111340561A (zh) | 2020-03-04 | 2020-03-04 | 信息点击率的计算方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010145964.0A CN111340561A (zh) | 2020-03-04 | 2020-03-04 | 信息点击率的计算方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111340561A true CN111340561A (zh) | 2020-06-26 |
Family
ID=71187352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010145964.0A Pending CN111340561A (zh) | 2020-03-04 | 2020-03-04 | 信息点击率的计算方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340561A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801700A (zh) * | 2021-01-29 | 2021-05-14 | 北京达佳互联信息技术有限公司 | 虚拟对象变更方法及装置、电子设备及存储介质 |
CN113506146A (zh) * | 2021-09-10 | 2021-10-15 | 北京易真学思教育科技有限公司 | 数据调整方法、装置及计算机可读存储介质 |
CN112801700B (zh) * | 2021-01-29 | 2024-07-02 | 北京达佳互联信息技术有限公司 | 虚拟对象变更方法及装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767174A (zh) * | 2017-10-19 | 2018-03-06 | 厦门美柚信息科技有限公司 | 一种广告点击率的预测方法及装置 |
CN109145245A (zh) * | 2018-07-26 | 2019-01-04 | 腾讯科技(深圳)有限公司 | 预测点击率的方法、装置、计算机设备及存储介质 |
CN109190043A (zh) * | 2018-09-07 | 2019-01-11 | 北京三快在线科技有限公司 | 推荐方法及装置,存储介质,电子设备及推荐系统 |
CN109697635A (zh) * | 2018-12-27 | 2019-04-30 | 拉扎斯网络科技(上海)有限公司 | 一种竞价获取方法、装置、电子设备及介质 |
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 |
CN109840782A (zh) * | 2017-11-24 | 2019-06-04 | 腾讯科技(深圳)有限公司 | 点击率预测方法、装置、服务器以及存储介质 |
CN110110233A (zh) * | 2019-05-09 | 2019-08-09 | 网易传媒科技(北京)有限公司 | 信息处理方法、装置、介质和计算设备 |
CN110162690A (zh) * | 2018-10-23 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 确定用户对物品的兴趣度的方法与装置、设备和存储介质 |
CN110363346A (zh) * | 2019-07-12 | 2019-10-22 | 腾讯科技(北京)有限公司 | 点击率预测方法、预测模型的训练方法、装置及设备 |
-
2020
- 2020-03-04 CN CN202010145964.0A patent/CN111340561A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767174A (zh) * | 2017-10-19 | 2018-03-06 | 厦门美柚信息科技有限公司 | 一种广告点击率的预测方法及装置 |
CN109840782A (zh) * | 2017-11-24 | 2019-06-04 | 腾讯科技(深圳)有限公司 | 点击率预测方法、装置、服务器以及存储介质 |
CN109145245A (zh) * | 2018-07-26 | 2019-01-04 | 腾讯科技(深圳)有限公司 | 预测点击率的方法、装置、计算机设备及存储介质 |
CN109190043A (zh) * | 2018-09-07 | 2019-01-11 | 北京三快在线科技有限公司 | 推荐方法及装置,存储介质,电子设备及推荐系统 |
CN110162690A (zh) * | 2018-10-23 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 确定用户对物品的兴趣度的方法与装置、设备和存储介质 |
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 |
CN109697635A (zh) * | 2018-12-27 | 2019-04-30 | 拉扎斯网络科技(上海)有限公司 | 一种竞价获取方法、装置、电子设备及介质 |
CN110110233A (zh) * | 2019-05-09 | 2019-08-09 | 网易传媒科技(北京)有限公司 | 信息处理方法、装置、介质和计算设备 |
CN110363346A (zh) * | 2019-07-12 | 2019-10-22 | 腾讯科技(北京)有限公司 | 点击率预测方法、预测模型的训练方法、装置及设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801700A (zh) * | 2021-01-29 | 2021-05-14 | 北京达佳互联信息技术有限公司 | 虚拟对象变更方法及装置、电子设备及存储介质 |
CN112801700B (zh) * | 2021-01-29 | 2024-07-02 | 北京达佳互联信息技术有限公司 | 虚拟对象变更方法及装置、电子设备及存储介质 |
CN113506146A (zh) * | 2021-09-10 | 2021-10-15 | 北京易真学思教育科技有限公司 | 数据调整方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111651704B (zh) | 一种内容推荐方法、计算设备以及存储介质 | |
US20130246213A1 (en) | Using rate-sensitivities to price downloads | |
US20140214535A1 (en) | Content sequencing | |
US11748452B2 (en) | Method for data processing by performing different non-linear combination processing | |
CN108540508B (zh) | 用于推送信息的方法、装置和设备 | |
US20180225711A1 (en) | Determining ad ranking and placement based on bayesian statistical inference | |
US11869043B2 (en) | Adaptive bidding for networked advertising | |
CN111105269A (zh) | 广告投放处理方法、装置、设备和存储介质 | |
JP4948573B2 (ja) | 広告課金装置及び方法 | |
US11983744B2 (en) | Personalized mobile application re-engagement | |
CN116521907A (zh) | 使用模型优化内容分发 | |
US20150066652A1 (en) | System and method for dynamic cross-platform allocation of third-party content | |
US8862564B2 (en) | Sponsoring resource downloads | |
CN111340561A (zh) | 信息点击率的计算方法、装置、设备及可读存储介质 | |
KR100669971B1 (ko) | 검색 서비스 제공 방법 및 상기 방법을 수행하는 검색시스템 | |
US20150051985A1 (en) | Value-based content distribution | |
CN111311015A (zh) | 个性化点击率预测方法、设备及可读存储介质 | |
KR100666201B1 (ko) | 검색 서비스 제공 방법 및 상기 방법을 수행하는 검색시스템 | |
CN115049434A (zh) | 一种信息推送的方法以及装置 | |
KR101182529B1 (ko) | 검색 서비스 제공 방법 및 상기 방법을 수행하는 검색시스템 | |
CN113763010A (zh) | 一种信息推送的方法和装置 | |
CN113761343A (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
US20150051984A1 (en) | Value-Based Content Distribution | |
KR100666202B1 (ko) | 검색 서비스 제공 방법 및 상기 방법을 수행하는 검색시스템 | |
CN117454015B (zh) | 一种信息推荐方法及装置 |
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 |