CN111353826A - 基于广告点击率阈值调控的目标cpc控制方法及系统 - Google Patents

Abstract

本发明涉及智能广告技术领域，具体涉及一种基于广告点击率阈值调控的目标cpc控制方法及系统，方法包括：根据历史数据训练ctr预估模型，利用模型预估出每一条流量的ctr；建立pid控制器，根据历史数据训练pid控制器；利用pid控制器计算ctr阈值；将预估ctr与ctr阈值进行比较，确定是否对流量出价。本发明的目的在于提供一种基于广告点击率阈值调控的目标cpc控制方法及系统，利用pid控制器调控ctr阈值的方式进行流量筛选，进而控制广告的计划cpc。

Description

基于广告点击率阈值调控的目标cpc控制方法及系统

技术领域

本发明涉及智能广告技术领域，具体涉及一种基于广告点击率阈值调控的目标cpc控制方法及系统。

背景技术

随着互联网产业的迅速发展，互联网广告已成为各大媒体平台主要的变现方式，同时也是广告主们的新宠。在互联网广告投放过程中，为了提高广告效果，并且控制成本，很多广告主都要会要求一定的预算能够买到预期的点击数，即广告投放后，实际的计划cpc尽量接近目标cpc。

现有的技术中，一种方式是直接通过出价公式b = ctr * targetcpc * 1000进行出价，其中b为出价，ctr为预估ctr，targetcpc为目标cpc，由于这种投放方式没有经过任何的调控，同时受ctr预估模型的影响，预估ctr并不能准确的反应真实ctr，因此这种方式并没有达到准确调控cpc的目的。

另外一种出价方式为

，其中b(t)为每一条流量的原始出价，可以自定义出价公式式，Φ(t)为对原始出价的调节系数，b_a为最终出价，每隔一段时间计算真实的cpc与期望的cpc之前的误差，如果真实cpc比期望 cpc大，那么就调小Φ(t)，如果真实cpc比期望cpc小，那么就调大Φ(t)。由于原始出价与cpc并不是简单的线性关系，通过反馈调节，改变出价系数的方式进行调节并不能达到线上的预期效果。

还有一种方式是通过预估每一条流量的赢价，通过预估的赢价进行出价，同时反馈控制成本，但是由于线上环境复杂，赢价分布并不是一个固定的分布，并且对赢价进行建模，由于竞价失败流量的赢价数据并不能获得，因此存在着大量的删失数据，利用这种数据所建的模型对赢价进行预估，准确度较差。

发明内容

鉴于此，本发明的目的在于提供一种基于广告点击率阈值调控的目标cpc控制方法及系统，利用pid控制器调控ctr阈值的方式进行流量筛选，进而控制广告的计划cpc。

为了实现上述目的，本发明提供如下技术方案：

本发明提供一种基于广告点击率阈值调控的目标cpc控制方法，所述基于广告点击率阈值调控的目标cpc控制方法包括：

根据历史数据预估ctr数据，得到每一条流量的预估ctr；

建立pid控制器，根据历史数据训练pid控制器；

利用pid控制器计算ctr阈值；

将预估ctr与ctr阈值进行比较，确定是否对流量出价。

在上述的基于广告点击率阈值调控的目标cpc控制方法中，作为优选方案，所述基于广告点击率阈值调控的目标cpc控制方法还包括：

计算真实cpc与目标cpc之间的误差；

根据真实cpc与目标cpc之间的误差训练pid控制器并计算下一轮的ctr阈值。

在上述的基于广告点击率阈值调控的目标cpc控制方法中，作为优选方案，所述根据历史数据预估ctr数据，得到每一条流量的预估ctr，包括：

获取历史数据的展示和点击数据，并进行预处理，去除掉异常值以及异常流量；

对每一条流量进行特征处理，将点击数据的标签定义为1，将只展示没有点击的数据定义为0；

训练点击率预估模型，并对ctr进行预估，记点击率预估模型的预估ctr为pctr。

在上述的基于广告点击率阈值调控的目标cpc控制方法中，作为优选方案，所述建立pid控制器，根据历史数据训练pid控制器，包括：

根据历史数据的展示和点击数据，建立并训练pid控制器，pid控制器的公式如下：

；

；

其中，e(k)为投放到第k轮，真实cpc与目标cpc之间的误差；

realcpc(k)为投放到第k轮的真实cpc；

targetcpc为广告主投放的目标cpc；

Ø(k+1)为利用模型计算下一轮投放的ctr阈值；

p、i、d为PID控制器的三个参数。

在上述的基于广告点击率阈值调控的目标cpc控制方法中，作为优选方案，所述利用pid控制器计算ctr阈值，包括：

当k=0时，预设Ø(0)的初始值；

循环训练pid控制器并进行计算，得到Ø(k)的值。

在上述的基于广告点击率阈值调控的目标cpc控制方法中，作为优选方案，所述将预估ctr与ctr阈值进行比较，确定是否对流量出价，包括：

若一条流量的预估ctr不小于ctr阈值，则对该条流量进行出价，出价公式如下：

b(t)=pctr(t)*targetcpc*1000；

其中，b(t)为对该条流量的出价，pctr(t)为预估ctr；

若该条流量的预估ctr小于ctr阈值，则令b(t) = 0，该条流量不参与出价。

在上述的基于广告点击率阈值调控的目标cpc控制方法中，作为优选方案，所述循环训练pid控制器并进行计算，得到Ø(k)的值，包括：

设定Ø(k)的最大值与最小值；

当pid控制器计算的Ø(k)值大于最大值时，令Ø(k)为最大值；

当pid控制器计算的Ø(k)值小于最小值时，令Ø(k)为最小值。

本发明还提供一种基于广告点击率阈值调控的目标cpc控制系统，所述基于广告点击率阈值调控的目标cpc控制系统包括：

ctr预估模块，所述ctr预估模块用于根据历史数据预估ctr数据，对每一条流量的ctr值进行预估；

pid控制器训练模块，所述pid控制器训练模块用于根据历史数据建立pid控制器，并训练pid控制器；

ctr阈值计算模块，所述ctr阈值计算模块用于利用pid控制器计算ctr阈值；

出价模块，所述出价模块用于将预估ctr与ctr阈值进行比较，确定是否对流量出价，并按照出价策略出价。

在上述的基于广告点击率阈值调控的目标cpc控制系统中，作为优选方案，所述ctr预估模块包括：

数据预处理模块，所述数据预处理模块用于获取历史数据的展示和点击数据，并进行预处理，去除掉异常值以及异常流量；

特征处理模块，所述特征处理模块用于对每一条流量进行特征处理，将点击数据的标签定义为1，将只展示没有点击的数据定义为0；

点击率预估模型创建模块，所述点击率预估模型创建模块用于建立点击率预估模型，并对ctr进行预估，记点击率预估模型的预估ctr为pctr。

在上述的基于广告点击率阈值调控的目标cpc控制系统中，作为优选方案，所述pid控制器训练模块包括：

误差计算模块，所述误差计算模块用于计算真实cpc与目标cpc之间的误差；

反馈模块，所述反馈模块用于利用误差计算下一轮投放的ctr阈值。

与最接近的现有技术相比，本发明提供的技术方案具有如下有益效果：

本发明提供一种基于广告点击率阈值调控的目标cpc控制方法，具有如下优点：

1.本发明提供一种基于广告点击率阈值调控的目标cpc控制方法，根据预估ctr与cpc之间的相关有关系，通过筛选流量的方式进行调控，计算ctr的阈值的方式而不是计算出价系数，使得调控更加准确；

2.本发明提供一种基于广告点击率阈值调控的目标cpc控制方法，利用pid模型计算ctr阈值的方式进行筛选流量，利用pid控制器进行ctr阈值的反馈调节，解决计划cpc调控不稳定的问题；

3.本发明提供一种基于广告点击率阈值调控的目标cpc控制方法，不需要预估每一条流量的真实赢价，只需要ctr模型相对准确，因此也使得预估更为准确，减少了预估出价模型的复杂度。

本发明还提供一种基于广告点击率阈值调控的目标cpc控制系统，其有益效果与基于广告点击率阈值调控的目标cpc控制方法类似，不再赘述。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。其中：

图1是本发明实施例所提供的基于广告点击率阈值调控的目标cpc控制方法的流程示意图；

图2是本发明实施例所提供的基于广告点击率阈值调控的目标cpc控制方法另一实施方式的流程示意图；

图3是本发明实施例所提供的基于广告点击率阈值调控的目标cpc控制系统的框架图。

具体实施方式

下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发明的限制。本发明中使用的术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是直接相连，也可以通过中间部件间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

文中英文缩写含义说明：

ctr，即Click-Through-Rate，点击通过率；

pid，即Proportion-Integral-Derivative，比例-积分-微分，p、i、d为PID控制器的三个参数，分别代表比例、积分、微分；

cpc，即Cost Per Click，单次点击成本。

如图1所示，图1是本发明实施例所提供的基于广告点击率阈值调控的目标cpc控制方法的流程示意图；针对DSP（Demand-Side-Platform）平台广告投的过程中，由于计划的cpc = 消费 / 点击数，实际的消费与点击数总是不断在变化的，导致计划cpc并不能很好的控制在目标cpc附近，针对这种计划cpc控制不稳定的问题，本发明提供了一种基于广告点击率阈值调控的目标cpc控制方法，所述基于广告点击率阈值调控的目标cpc控制方法包括以下步骤：

步骤S101、根据历史数据预估ctr数据，得到每一条流量的预估ctr。

统计历史数据的展示和点击的数据，获取预估ctr与cpc之间的关系，如表1所示，可以看到，预估ctr与cpc呈负相关关系。因此，当真实cpc高于目标cpc时，筛选出ctr高的流量，可使真实cpc降低，当真实cpc低于目标cpc时，多投低ctr的部分流量，可使真实cpc升高。

表1.电脑端预估ctr与广告计划cpc之间的关系

预估ctr	广告计划cpc
		<0.0005	2.81
0.0005~0.001	2.09
		0.001~0.0015	1.68
0.0015~0.002	1.17
		0.002~0.0025	1.09
0.0025~0.003	0.90
		>=0.003	0.20

因此，利用ctr的预估值可以从一定程度上表征cpc的值。

步骤S102、建立pid控制器，根据历史数据训练pid控制器。

步骤S103、利用pid控制器计算ctr阈值。

利用历史数据训练pid控制器，获取最佳的pid控制器参数，将pid的输出值作为ctr的阈值。

步骤S104、将预估ctr与ctr阈值进行比较，确定是否对流量出价。

根据预估ctr与ctr阈值的比较结果，作出判断。对于任一条流量，如果预估ctr的值大于ctr阈值，那么就让这一条流量参与竞价。如果预估ctr的值小于ctr阈值，那么就将这条流量的出价置为0。

如图2所示，图2是本发明实施例所提供的基于广告点击率阈值调控的目标cpc控制方法另一实施方式的流程示意图；本发明提供了一种基于广告点击率阈值调控的目标cpc控制方法，所述基于广告点击率阈值调控的目标cpc控制方法具体包括以下步骤：

步骤S201、获取历史数据并进行预处理。

获取历史数据的展示和点击数据，并进行预处理，去除掉异常值以及异常流量。

步骤S202、对流量数据进行特征处理。

对每一条流量进行特征处理，将点击数据的标签定义为1，将只展示没有点击的数据定义为0。

步骤S203、建立点击率预估模型。

训练点击率预估模型，并对ctr进行预估，记点击率预估模型的预估ctr为pctr。

步骤S204、根据历史数据建立并训练pid控制器。

根据历史数据的展示和点击数据，建立并训练pid控制器，pid控制器的公式如下：

；

；

其中，e(k)为投放到第k轮，真实cpc与目标cpc之间的误差；

realcpc(k)为投放到第k轮的真实cpc；

targetcpc为广告主投放的目标cpc；

Ø(k+1)为利用模型计算下一轮投放的ctr阈值；

p、i、d为PID控制器的三个参数，分别代表比例参数、积分参数、微分参数。

训练pid控制器时，每一轮取10万条广告投放后的线下数据，计算真实cpc与目标cpc之间的误差。

步骤S205、利用pid控制器计算ctr阈值。

通过网络搜索法，取一系列的p，i，d三个参数，对每一组参数分别进行实验。实验方法是取一系列参数中的一组p，i，d参数，在训练时，当k=0时，预设Ø(0)的初始值，取10万条为一轮周期，在第k轮时，计算这10万条投后的真实cpc，与目标cpc之差，即e(k) =realcpc(k)-targetcpc，然后通过上述公式：

计算Ø(k+1)。Ø(k+1)即为下一轮投放时的ctr阈值。

对每一组p，i，d参数都可以获得一系列的误差值e；

取使计算的误差值e方差最小的一组p，i，d作为控制器的参数。

步骤S206、真实cpc与目标cpc之间进行误差计算。每隔一段时间开始下轮计算，在下轮计算开始之前，计算当前轮的真实cpc与目标cpc之间的误差。

步骤S207、计算下轮的ctr阈值。

根据上一轮真实cpc与目标cpc之间的误差计算结果，训练pid控制器，并将计算结果作为下一轮的ctr阈值。

在ctr阈值计算过程中，会出现真实cpc与目标cpc之间的误差较大的情况，这样会造成下一轮的ctr阈值计算结果小于0或者大于1的情况，为了解决此种情况，我们可以设定Ø(k)的最大值与最小值，当pid控制器计算的Ø(k)值大于最大值时，令Ø(k)为最大值，当pid控制器计算的Ø(k)值小于最小值时，令Ø(k)为最小值。

步骤S208、将预估ctr与ctr阈值进行比较，确定是否对流量出价。

若一条流量的预估ctr不小于ctr阈值，则对该条流量进行出价，出价公式如下：

b(t)=pctr(t)*targetcpc*1000；

其中，b(t)为对该条流量的出价，ctr(t)为预估ctr；

若该条流量的预估ctr小于ctr阈值，则令b(t) = 0，该条流量不参与出价。

也就是说，对于任一条流量，如果预估ctr的值大于ctr阈值，那么就让这一条流量参与竞价。如果预估ctr的值小于ctr阈值，那么就将这条流量的出价置为0。

本实施例的基于广告点击率阈值调控的目标cpc控制方法在实际应用过程中，主要按照以下步骤进行操作，具体如下：

步骤一：统计历史数据中预估ctr与cpc之间的关系，实际统历史数据表明，ctr与cpc之间的关系为ctr越高，cpc越低。因此可以通过筛选流量的方式控制真实cpc。

统计一个计划展示和点击的历史数据，获取预估ctr与cpc之间的关系，如表1所示，可以看到，预估ctr与cpc呈负相关关系。因此，当真实cpc高于目标cpc时，筛选出ctr高的流量，可使真实cpc降低，当真实cpc低于目标cpc时，多投低ctr的部分流量，可使真实cpc升高。

步骤二：对历史数据的展示与点击数据进行数据处理，然后训练点击率预估模型。

利用历史的展示和点击数据，首对数据进行预处理，去除掉异常值以及异常流量，然后对特征进行筛选，去除掉缺失值较多以及对结果贡献不大的特征。将点击数据的标签定义为1，将只展示没有点击的数据定义为0。最后训练机器学习模型。预测时，先对每一条流量进行特征处理，然后再进行预测，记模型预估ctr为pctr。

步骤三：利用历史数据训练pid控制器，获取最佳的pid控制器参数。将pid的输出值作为ctr的阈值。

利用历史的展示和点击数据，训练pid模型，pid模型的公式如下：

；

；

其中所述e(k)为投放到第k轮，真实cpc与目标cpc之间的误差，所述realcpc(k)为投放到第k轮，投出的真实cpc，所述targetcpc为广告主投放的目标cpc，所述Ø(k+1)为利用模型计算下一轮投放的ctr阈值，所述p、i、d为PID控制器的三个参数。

步骤四：对于每一条adx（Ad-Exchange）的请求，通过点击率预估模型预估这一条流量的点击率，如果预估点击率的值大于ctr的阈值，那么就让这一条流量参与竞价。如果预估点击率值小于ctr的阈值，那么就将这条流量的出价置为0。

训练首轮给一个Ø(0)的初始值，以便积累一轮的数据。利用之前训练好的ctr模型对一条流量预测，如果ctr ≥ Ø(0)，那么就利用出价函数进行出价。公式如下：

b(t) = pctr(t) * targetcpc * 1000；

其中，所述b(t)为对流量的出价，Pctr(t)为预估的ctr，所述targetcpc为目标cpc。如果ctr < Ø(0)，那么就令b(t) = 0，使得这条流量不参与外部竞价。

步骤五：利用离线数据，每间隔5万条数据，计算真实cpc与targetcpc之间的误差，然后输入到pid控制器中计算下一轮的ctr阈值。

训练时，每间隔5万条数据进行下一轮计算，先计算出广告计划投出的真实cpc与目标cpc之间的误差，即realcpc(k) – targetcpc的值，然后利用误差计算出Ø(k+1)的值，即为下一轮出价ctr的阈值，其余出价方式如上所述。

由于在实际出价的过程中，当e(k)较大时，会使得计算的Ø(k+1)值小于0或者大于1，因此在投放过程中要设置Ø(k+1)的最小值与最大值，当计算的Ø(k+1)值小于最小值时，那么就令Ø(k+1)为最小值，当计算的Ø(k+1)大于最大值时，那么就令Ø(k+1)为最大值。

如图3所示，图3是本发明实施例所提供的基于广告点击率阈值调控的目标cpc控制系统的框架图；本发明还提供一种基于广告点击率阈值调控的目标cpc控制系统，所述基于广告点击率阈值调控的目标cpc控制系统包括：

ctr预估模块301，所述ctr预估模块301用于根据历史数据预估ctr数据，对每一条流量的ctr值进行预估；

pid控制器训练模块302，所述pid控制器训练模块302用于根据历史数据建立pid控制器，并训练pid控制器，通过网络搜索法训练pid控制器；

ctr阈值计算模块303，所述ctr阈值计算模块303用于利用pid控制器计算ctr阈值；

出价模块304，所述出价模块304用于将预估ctr与ctr阈值进行比较，确定是否对流量出价，并按照出价策略出价。

在上述的基于广告点击率阈值调控的目标cpc控制系统中，作为优选方案，所述ctr预估模块包括：

数据预处理模块305，所述数据预处理模块305用于获取历史数据的展示和点击数据，并进行预处理，去除掉异常值以及异常流量；

特征处理模块306，所述特征处理模块306用于对每一条流量进行特征处理，将点击数据的标签定义为1，将只展示没有点击的数据定义为0；

点击率预估模型创建模块307，所述点击率预估模型创建模块307用于建立点击率预估模型，并对ctr进行预估，记点击率预估模型的预估ctr为pctr。

在上述的基于广告点击率阈值调控的目标cpc控制系统中，作为优选方案，所述pid控制器训练模块包括：

误差计算模块308，所述误差计算模块308用于计算真实cpc与目标cpc之间的误差；

反馈模块309，所述反馈模块309用于利用误差计算下一轮投放的ctr阈值。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于广告点击率阈值调控的目标cpc控制方法，其特征在于，所述基于广告点击率阈值调控的目标cpc控制方法包括：

根据历史数据训练ctr预估模型，利用模型预估出每一条流量的ctr；

建立pid控制器，根据历史数据训练pid控制器；

利用pid控制器计算ctr阈值；

将预估ctr与ctr阈值进行比较，确定是否对流量出价。

2.如权利要求1所述的基于广告点击率阈值调控的目标cpc控制方法，其特征在于，所述基于广告点击率阈值调控的目标cpc控制方法还包括：

真实cpc与目标cpc之间的误差；

根据真实cpc与目标cpc之间的误差计算下一轮的ctr阈值。

3.如权利要求2所述的基于广告点击率阈值调控的目标cpc控制方法，其特征在于，所述根据历史数据训练ctr预估模型，利用模型预估出每一条流量的ctr，包括：

获取历史数据的展示和点击数据，并进行预处理，去除掉异常值以及异常流量；

对每一条流量进行特征处理，将点击数据的标签定义为1，将只展示没有点击的数据定义为0；

建立点击率预估模型，并对ctr进行预估，记点击率预估模型的预估ctr为pctr。

4.如权利要求3所述的基于广告点击率阈值调控的目标cpc控制方法，其特征在于，所述建立pid控制器，根据历史数据训练pid控制器，包括：

根据历史数据的展示和点击数据，建立并训练pid控制器，pid控制器的公式如下：

；

；

其中，e(k)为投放到第k轮，真实cpc与目标cpc之间的误差；

realcpc(k)为投放到第k轮的真实cpc；

targetcpc为广告主投放的目标cpc；

Ø(k+1)为利用模型计算下一轮投放的ctr阈值；

p、i、d为PID控制器的三个参数。

5.如权利要求4所述的基于广告点击率阈值调控的目标cpc控制方法，其特征在于，所述利用pid控制器计算ctr阈值，包括：

当k=0时，预设Ø(0)的初始值；

利用训练好的pid控制器进行计算，得到Ø(k)的值。

6.如权利要求5所述的基于广告点击率阈值调控的目标cpc控制方法，其特征在于，所述将预估ctr与ctr阈值进行比较，确定是否对流量出价，包括：

若一条流量的预估ctr不小于ctr阈值，则对该条流量进行出价，出价公式如下：

b(t)=pctr(t)*targetcpc*1000；

其中，b(t)为对该条流量的出价，pctr(t)为预估ctr；

若该条流量的预估ctr小于ctr阈值，则令b(t) = 0，该条流量不参与出价。

7.如权利要求5所述的基于广告点击率阈值调控的目标cpc控制方法，其特征在于，所述利用训练好的pid控制器进行计算，得到Ø(k)的值，包括：

设定Ø(k)的最大值与最小值；

当pid控制器计算的Ø(k)值大于最大值时，令Ø(k)为最大值；

当pid控制器计算的Ø(k)值小于最小值时，令Ø(k)为最小值。

8.一种基于广告点击率阈值调控的目标cpc控制系统，其特征在于，所述基于广告点击率阈值调控的目标cpc控制系统包括：

ctr预估模块，所述ctr预估模块用于根据历史数据预估ctr数据，对每一条流量的ctr值进行预估；

pid控制器训练模块，所述pid控制器训练模块用于根据历史数据建立pid控制器，并训练pid控制器；

ctr阈值计算模块，所述ctr阈值计算模块用于利用pid控制器计算ctr阈值；

出价模块，所述出价模块用于将预估ctr与ctr阈值进行比较，确定是否对流量出价，并按照出价策略出价。

9.如权利要求8所述的基于广告点击率阈值调控的目标cpc控制系统，其特征在于，所述ctr预估模块包括：

数据预处理模块，所述数据预处理模块用于获取历史数据的展示和点击数据，并进行预处理，去除掉异常值以及异常流量；

特征处理模块，所述特征处理模块用于对每一条流量进行特征处理，将点击数据的标签定义为1，将只展示没有点击的数据定义为0；

点击率预估模型创建模块，所述点击率预估模型创建模块用于建立点击率预估模型，并对ctr进行预估，记点击率预估模型的预估ctr为pctr。

10.如权利要求9所述的基于广告点击率阈值调控的目标cpc控制系统，其特征在于，所述pid控制器训练模块包括：

误差计算模块，所述误差计算模块用于计算真实cpc与目标cpc之间的误差；

反馈模块，所述反馈模块用于利用误差计算下一轮投放的ctr阈值。

Images