CN111369281B - 线上消息处理方法、装置、设备及可读存储介质 - Google Patents
线上消息处理方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111369281B CN111369281B CN202010127799.6A CN202010127799A CN111369281B CN 111369281 B CN111369281 B CN 111369281B CN 202010127799 A CN202010127799 A CN 202010127799A CN 111369281 B CN111369281 B CN 111369281B
- Authority
- CN
- China
- Prior art keywords
- platform
- conversion rate
- data
- click conversion
- message
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 164
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 45
- 238000012360 testing method Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种线上消息处理方法，包括以下步骤：主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台，而后在接收到消息请求时，所述主导方平台和所述参与方平台确定目标参数，根据所述目标参数进行实时竞价。本发明还公开了一种装置、设备及可读存储介质。通过主导方平台和参与方平台，利用不同平台包含的用户特征数据进行点击转换率的预测，提高了消息投放预测准确率，从而提升主导方平台实时竞价的成功率。
Description
技术领域
本发明涉及机器学习领域，尤其涉及一种线上消息处理方法、装置、设备及可读存储介质。
背景技术
在消息领域，通常是基于历史数据来预测消息的点击率，进而将点击率较高的消息推送给用户，但是这种推送方法不能实现消息的精准投放。推送的消息包括广告，目前，DSP(Demand Side Platform,需求方平台)为广告主提供跨媒介，跨平台，跨终端的广告投放平台，通过数据整合、分析，实现基于受众的精准投放。因为DSP是为广告主解决广告同意投放需求的，因此称为“需求方平台”。
DSP可以对接众多媒体资源，帮助广告主通过DSP将广告投放给自己的潜在目标人群。随着隐私保护法例的推广，数据流动性变差，绝大部分DSP平台难以获取足够的用户特征数据来支持其本身的广告预测效果，从而导致广告投放预测准确率不高，影响广告的精准投放，从而导致DSP平台在参加实时竞价时，竞价的成功率不理想。
发明内容
本发明的主要目的在于提供一种线上消息处理方法、装置、设备及可读存储介质，旨在解决现有单个消息处理平台的消息投放预测准确率不高，影响消息精准投放，导致实时竞价的成功率低的技术问题。
为实现上述目的，本发明提供一种线上消息处理方法，所述线上消息处理方法应用于主导方平台，所述线上消息处理方法包括：
主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台；
主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台。
进一步地，所述预测参数至少包括预测点击转化率，所述预设数据包括训练数据和测试数据，所述主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数的步骤包括：
所述主导方平台发送训练数据和测试数据至备选参与方平台，以供所述备选参与方平台利用训练数据进行模型训练，得到参与预测模型，并利用所述参与预测模型对所述测试数据进行点击转化率预测，得到所述测试数据对应的预测点击转化率，发送所述预测点击转化率至所述主导方平台。
进一步地，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台的步骤包括：
接收到所述备选参与方平台发送的预测参数，获取所述主导方平台拥有的预设数据中的测试数据的点击转化率，其中，所述预测参数至少包括预测点击转化率；
将所述预测点击转化率与所述测试数据的点击转化率进行比较，根据比较结果确定所述参与方平台以及所述参与方平台对应的权重值。
进一步地，所述目标参数至少包括目标点击转化率，所述在接收到消息请求时，所述主导方平台和所述参与方平台确定目标参数的步骤包括：
在接收到消息请求时，获取消息请求对应的消息请求数据，其中，所述消息请求数据至少包括用户设备号和消息特征数据；
获取所述用户设备号对应的用户本地特征数据，并基于本地预测模型、所述用户本地特征数据以及所述消息特征数据，得到消息请求对应的本地点击转化率；
发送所述消息请求数据至参与方平台，以供所述参与方平台基于所述消息请求数据反馈参与方平台对应的参考点击转化率；
根据所述本地点击转化率以及所述参考点击转化率，得到所述消息请求对应的目标点击转化率。
进一步地，所述根据所述本地点击转化率以及所述参考点击转化率，得到所述消息请求对应的目标点击转化率的步骤包括：
获取参与方平台对应的权重值，基于所述权重值对所述参考点击转化率进行加权求和，得到平均参考点击转化率；
根据所述本地点击转化率和所述平均参考点击转化率，计算得到所述目标点击转化率。
进一步地，所述主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台的步骤之前，还包括：
获取训练数据的原始用户设备号对应的原始用户本地特征数据，其中，所述训练数据包括原始用户设备号、原始消息特征数据和原始点击转化率；
利用所述原始用户本地特征数据、所述原始消息特征数据和原始点击转化率，对原始模型进行训练，得到所述本地预测模型。
进一步地，所述获取训练数据的预设用户设备号对应的原始用户本地特征数据的步骤包括：
在所述主导方平台的用户映射库中，根据预设用户设备号查找原始用户本地特征数据。
进一步地，所述线上消息处理装置包括：
筛选模块，用于主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台；
确定模块，主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台。
为实现上述目的，本发明还提供一种线上消息处理设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的线上消息处理程序，所述线上消息处理程序被所述处理器执行时实现如上所述的线上消息处理方法的步骤。
此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有线上消息处理程序，所述线上消息处理程序被处理器执行时实现上述任一项所述线上消息处理方法的步骤。
本发明主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台，而后在接收到消息请求时，所述主导方平台和所述参与方平台确定目标参数，根据所述目标参数进行实时竞价。通过主导方平台和参与方平台，利用不同平台包含的用户特征数据进行点击转换率的预测，提高了消息投放预测准确率，从而提升主导方平台实时竞价的成功率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境中设备的结构示意图；
图2为本发明线上消息处理方法第一实施例的流程示意图；
图3为本发明线上消息处理方法第二实施例的流程示意图；
图4为本发明线上消息处理装置实施例的功能模块示意图。
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。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境中设备的结构示意图。
如图1所示，该设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，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1中示出的设备结构并不构成对设备的限定，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1所示，作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及线上消息处理程序。
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接用户端，与用户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的线上消息处理程序。
在本实施例中，设备包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的线上消息处理程序，其中，处理器1001调用存储器1005中存储的线上消息处理程序时，执行本申请各个实施例提供的线上消息处理方法的步骤。
本发明还提供一种线上消息处理方法，参照图2，图2为本发明线上消息处理方法第一实施例的流程示意图。
本发明实施例提供了线上消息处理方法的实施例，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。
本发明的线上消息处理方法适用于各种线上消息，如广告、电子期刊、新闻等，为了描述方便，本发明中的各个实施例中以广告为例进行说明。
本发明第一实施例线上消息处理方法应用于主导方平台，在本实施例中，线上消息处理方法包括：
步骤S10，主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台；
在本实施例中，消息包括广告，以广告为例进行说明。
点击转换率是指当用户点击了某一条广告，进入客户A的网站首页，如果用户在客户网站首页中继续点击链接进行深层浏览，则记录一次转换次数。根据用户对广告的点击转换率的预测值，可以确定该用户是否为该广告投放的目标用户。本发明提出的线上消息处理方法，通过主导方平台和参与方平台，利用不同平台包含的用户特征数据进行点击转换率的预测，提高了消息投放预测准确率，从而提升主导方平台实时竞价的成功率。
主导方平台首先需要确定参与竞价的参与方平台，故主导方平台发送预设数据至备选参与方平台，然后备选参与方平台反馈预测参数，主导方平台根据接收到的预测参数确定参与竞价的参与方平台。
具体地，步骤S10包括：
步骤S11，所述主导方平台发送训练数据和测试数据至备选参与方平台，以供所述备选参与方平台利用训练数据进行模型训练，得到参与预测模型，并利用所述参与预测模型对所述测试数据进行点击转化率预测，得到所述测试数据对应的预测点击转化率，发送所述预测点击转化率至所述主导方平台。
在本实施例中，主导方平台发送预设数据至各个参与方平台，其中，预设数据包括训练数据和测试数据，参与方平台根据训练数据进行模型训练，得到参与预测模型，并利用测试数据对训练好的参与预测模型进行测试，得到测试数据对应的预测结果，即预测点击转化率，参与方平台将该预测点击转化率发送给主导方平台。
具体地，参与预测模型的训练过程为：训练数据包括预设用户设备号、预设消息特征数据和原始点击转化率，参与方平台需要将训练数据的预设用户设备号，转换为参与方平台可以识别的用户，即参与方平台通过查找事先已经建立的用户映射库，在用户映射库中，根据预设用户设备号查找预设用户参考特征数据。利用原始用户参考特征数据、原始消息特征数据和原始点击转化率，对初始模型进行训练，当模型收敛时，得到训练好的参与预测模型。
进一步地，利用测试数据对训练好的参与预测模型进行测试，得到测试数据对应的预测结果，即预测点击转化率。具体地，将测试数据中的用户设备号对应的用户参考特征数据，消息特征数据等输入到参与预测模型进行点击转化率预测，得到测试数据对应的预测点击转化率，参与方平台将该预测点击转化率发送给主导方平台。
步骤S12，接收到所述备选参与方平台发送的预测参数，获取所述主导方平台拥有的预设数据中的测试数据的点击转化率，其中，所述预测参数至少包括预测点击转化率；
步骤S13，将所述预测点击转化率与所述测试数据的点击转化率进行比较，根据比较结果确定所述参与方平台以及所述参与方平台对应的权重值。
在本实施例中，参与方平台将预测点击转化率发送给主导方平台，主导方平台将测试数据的点击转化率与参与方平台反馈的预测点击转化率进行比较，根据比较结果确定该参与方平台是否可以参与点击转化率的联合预测，即参与竞价，并确定参与方平台对应的预测权重值。
具体地，获取参与方平台反馈的预测点击转化率对应的用户设备号，然后在测试数据中查找到该用户设备号对应的点击转化率，比较这两个点击转化率，如果二者在预设的误差范围内，则认为该用户设备号对应的预测点击转化率准确。将参与方平台反馈的所有预测点击转化率按照上面的步骤与测试数据的点击转化率进行比较，从而可以统计出点击转化率预测正确的数量和错误的数量。可以将点击转化率预测正确的数量除以预测点击转化率的总数量，得到正确率，根据正确率为参与方平台匹配一个预测权重值。需要说明的是，正确率必须大于或等于阈值，才可以参与点击转化率的联合预测，即参与竞价，其中，阈值根据实际情况确定。
步骤S20，在接收到消息请求时，所述主导方平台和所述参与方平台确定目标参数，根据所述目标参数进行实时竞价。
在本实施例中，目标参数包括标点击转化率，在接收到消息请求时，主导方平台首先获取消息请求对应的消息请求数据，然后获取消息请求数据中用户设备号对应的用户本地特征数据，再根据本地预测模型、用户本地特征数据以及消息特征数据，得到主导方平台的本地点击转化率。
进一步地，主导方平台发送消息请求数据至参与方平台，参与方平台根据参与预测模型、用户参考特征数据以及消息特征数据，得到该参与方平台对应的参考点击转化率，并发送参考点击转化率至主导方平台，最后主导方平台根据本地点击转化率和参考点击转化率确定消息请求对应的目标点击转化率，即目标参数。
接下来，主导方平台根据目标参数，进行实时竞价，并响应媒体的消息请求。当竞价成功后，主导方平台和参与方平台根据双方商定的规则进行收费和结算，结算方式可以按照千次调用，即根据消息在媒体上被投放的次数进行结算，投放一千次进行一次费用结算，或者按照竞价成功的次数进行结算。
进一步的，在一实施例中，步骤S10之前还包括：
步骤S30，获取训练数据的原始用户设备号对应的原始用户本地特征数据，其中，所述训练数据包括原始用户设备号、原始消息特征数据和原始点击转化率；
具体地，步骤S30包括：在所述主导方平台的用户映射库中，根据原始用户设备号查找预设用户本地特征数据。
步骤S40，利用所述原始用户本地特征数据、所述原始消息特征数据和原始点击转化率，对原始模型进行训练，得到所述本地预测模型。
在本实施例中，主导方平台利用预设训练数据进行模型训练，得到本地预测模型。具体的，主导方平台拥有一个数据集，包含多条数据记录，每个数据记录为包括用户设备号、消息特征数据和点击转化率，其中，消息特征数据包括但不限于素材的特征、投放的上下文关键字等。数据集被分为训练数据和测试数据。将训练数据中的每个数据记录包括的数据命名为原始用户设备号、原始消息特征数据和原始点击转化率。
主导方平台通过查找事先已经建立的用户映射库，在用户映射库中，根据原始用户设备号查找原始用户本地特征数据。利用原始用户本地特征数据、原始消息特征数据和原始点击转化率，对原始模型进行训练，当模型收敛时，得到训练好的本地预测模型。
本实施例提出的线上消息处理方法，主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台，而后在接收到消息请求时，所述主导方平台和所述参与方平台确定目标参数，根据所述目标参数进行实时竞价。通过主导方平台和参与方平台，利用不同平台包含的用户特征数据进行点击转换率的预测，提高了消息投放预测准确率，从而提升主导方平台实时竞价的成功率。
基于第一实施例，参照图3，提出本发明线上消息处理方法的第二实施例，在本实施例中，步骤S20包括：
步骤S21，在接收到消息请求时，获取消息请求对应的消息请求数据，其中，所述消息请求数据至少包括用户设备号和消息特征数据；
在本实施例中，主导方平台实时接收消息请求。当主导方平台接收到消息请求时，获取消息请求数据，其中，消息请求数据至少包括用户设备号和消息特征数据，消息特征数据包括，但不限于素材的特征、投放的上下文关键词等。
用户设备号即手机或其他智能终端的设备码，英文缩写为：IMEI，即国际移动设备身份码，由15位数字组成。通俗的讲，设备号就是智能终端的身份证，这是出厂时就分配好的，在全世界的移动设备中是唯一的。通常情况下，一个智能终端的设备码为一个用户单独所有，故在本发明中每个消息请求以用户设备号为标识符，即一个用户设备号代表一个用户，根据预测的点击转化率确定哪些用户设备号为消息的投放对象。
步骤S22，获取所述用户设备号对应的用户本地特征数据，并基于本地预测模型、所述用户本地特征数据以及所述消息特征数据，得到消息请求对应的本地点击转化率；
在本实施例中，主导方平台接收到消息请求获取到消息请求数据后，需要将消息请求数据中的用户设备号，转换为主导方平台可以识别的用户，即主导方平台通过查找事先已经建立的用户映射库，在用户映射库中，根据用户设备号查找用户本地特征数据。
进一步地，将用户本地特征数据以及消息请求数据中的消息特征数据输入到训练好的本地预测模型中，得到该消息请求中各个用户设备号对应的本地点击转化率。其中，本地点击转化率是指，根据主导方平台中的用户特征数据，对各个用户点击该消息的点击转化率的预测。
步骤S23，发送所述消息请求数据至参与方平台，以供所述参与方平台基于所述消息请求数据反馈参与方平台对应的参考点击转化率；
在本实施例中，主导方平台将消息请求数据发送到参与方平台，参与方平台进一步根据消息请求数据联合预测该消息的点击转化率。
具体地，参与方平台也需要将消息请求数据中的用户设备号，转换为参与方平台可以识别的用户，即参与方平台通过查找事先已经建立的用户映射库，在用户映射库中，根据用户设备号查找用户参考特征数据。
进一步地，将用户参考特征数据以及消息请求数据中的消息特征数据输入到训练好的参与预测模型中，得到该消息请求中各个用户设备号对应的参考点击转化率。其中，参考点击转化率是指，根据参与方平台中的用户特征数据，对各个用户点击该消息的点击转化率的预测。
步骤S24，根据所述本地点击转化率以及所述参考点击转化率，得到所述消息请求对应的目标点击转化率。
具体地，步骤S24包括：
步骤a，获取参与方平台对应的权重值，基于所述权重值对所述参考点击转化率进行加权求和，得到平均参考点击转化率；
步骤b，根据所述本地点击转化率和所述平均参考点击转化率，计算得到所述目标点击转化率。
在本实施例中，通常情况下参与方平台为多个，根据每个参与方平台拥有的参与预测模型的模型性能分配一个预测权重值。当主导方平台收到所有参与方平台反馈的参与方平台对应的参考点击转化率后，根据主导方平台的本地点击转化率以及各个参考点击转化率，计算得到各个用户设备号对应的目标点击转化率。
具体地，首先获取参与方平台对应的预测权重值，然后将各个预测权重值与其对应的参考点击转化率进行加权求和，得到平均参考点击转化率。然后，主导方平台再根据本地点击转化率和平均参考点击转化率，计算得到目标点击转化率。例如，可以将地点击转化率和平均参考点击转化率进行加权求和，得到目标点击转化率。需要说明的是，加权求和中的权重值根据具体情况确定，在本发明中不做限定。
另外，主导方平台还可以将各个参与方平台的参考点击转化率，作为额外特征输入，在主导方平台参与模型训练，得到一个新的预测模型，然后用该预测模型直接的得到目标参数。
本实施例提出的线上消息处理方法，在接收到消息请求时，获取消息请求对应的消息请求数据，其中，所述消息请求数据至少包括用户设备号和消息特征数据，而后获取所述用户设备号对应的用户本地特征数据，并基于本地预测模型、所述用户本地特征数据以及所述消息特征数据，得到消息请求对应的本地点击转化率，接下来发送所述消息请求数据至参与方平台，以供所述参与方平台基于所述消息请求数据反馈参与方平台对应的参考点击转化率，最后根据所述本地点击转化率以及所述参考点击转化率，得到所述消息请求对应的目标点击转化率。通过主导方平台和参与方平台，利用不同平台包含的用户特征数据进行点击转换率的预测，提高了消息投放预测准确率，从而提升主导方平台实时竞价的成功率。
本发明进一步提供一种线上消息处理装置，参照图4，图4为本发明线上消息处理装置实施例的功能模块示意图。
筛选模块10，用于主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台；
确定模块20，主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台。
进一步地，所述筛选模块10还用于：
所述主导方平台发送训练数据和测试数据至备选参与方平台，以供所述备选参与方平台利用训练数据进行模型训练，得到参与预测模型，并利用所述参与预测模型对所述测试数据进行点击转化率预测，得到所述测试数据对应的预测点击转化率，发送所述预测点击转化率至所述主导方平台。
进一步地，所述筛选模块10还用于：
接收到所述备选参与方平台发送的预测参数，获取所述主导方平台拥有的预设数据中的测试数据的点击转化率，其中，所述预测参数至少包括预测点击转化率；
将所述预测点击转化率与所述测试数据的点击转化率进行比较，根据比较结果确定所述参与方平台以及所述参与方平台对应的权重值。
进一步地，所述确定模块20还用于：
在接收到消息请求时，获取消息请求对应的消息请求数据，其中，所述消息请求数据至少包括用户设备号和消息特征数据；
获取所述用户设备号对应的用户本地特征数据，并基于本地预测模型、所述用户本地特征数据以及所述消息特征数据，得到消息请求对应的本地点击转化率；
发送所述消息请求数据至参与方平台，以供所述参与方平台基于所述消息请求数据反馈参与方平台对应的参考点击转化率；
根据所述本地点击转化率以及所述参考点击转化率，得到所述消息请求对应的目标点击转化率。
进一步地，所述确定模块20还用于：
获取参与方平台对应的权重值，基于所述权重值对所述参考点击转化率进行加权求和，得到平均参考点击转化率；
根据所述本地点击转化率和所述平均参考点击转化率，计算得到所述目标点击转化率。
进一步地，所述线上消息处理装置还包括：
获取模块，用于获取训练数据的预设用户设备号对应的预设用户本地特征数据，其中，所述训练数据包括预设用户设备号、预设消息特征数据和原始点击转化率；
计算模块，用于利用所述预设用户本地特征数据、所述预设消息特征数据和预设原始点击转化率，对原始模型进行训练，得到所述本地预测模型。
进一步地，所述获取模块还用于：
在所述主导方平台的用户映射库中，根据预设用户设备号查找预设用户本地特征数据。
此外，本发明实施例还提出一种可读存储介质，所述可读存储介质上存储有线上消息处理程序，所述线上消息处理程序被处理器执行时实现上述各个实施例中线上消息处理方法的步骤。
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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台系统设备(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 (7)
1.一种线上消息处理方法，其特征在于，所述线上消息处理方法应用于主导方平台，所述线上消息处理方法包括：
主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台，所述预测参数至少包括预测点击转化率，所述预设数据包括训练数据和测试数据；
在接收到消息请求时，所述主导方平台和所述参与方平台确定目标参数，根据所述目标参数进行实时竞价；
所述主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数的步骤包括：
所述主导方平台发送训练数据和测试数据至备选参与方平台，以供所述备选参与方平台利用训练数据进行模型训练，得到参与预测模型，并利用所述参与预测模型对所述测试数据进行点击转化率预测，得到所述测试数据对应的预测点击转化率，发送所述预测点击转化率至所述主导方平台；
所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台的步骤包括：
接收到所述备选参与方平台发送的预测参数，获取所述主导方平台拥有的预设数据中的测试数据的点击转化率；
将所述预测点击转化率与所述测试数据的点击转化率进行比较，根据比较结果确定所述参与方平台以及所述参与方平台对应的权重值；
所述目标参数至少包括目标点击转化率，所述在接收到消息请求时，所述主导方平台和所述参与方平台确定目标参数的步骤包括：
在接收到消息请求时，获取消息请求对应的消息请求数据，其中，所述消息请求数据至少包括用户设备号和消息特征数据；
获取所述用户设备号对应的用户本地特征数据，并基于本地预测模型、所述用户本地特征数据以及所述消息特征数据，得到消息请求对应的本地点击转化率；
发送所述消息请求数据至参与方平台，以供所述参与方平台基于所述消息请求数据反馈参与方平台对应的参考点击转化率；
根据所述本地点击转化率以及所述参考点击转化率，得到所述消息请求对应的目标点击转化率。
2.如权利要求1所述线上消息处理方法，其特征在于，所述根据所述本地点击转化率以及所述参考点击转化率，得到所述消息请求对应的目标点击转化率的步骤包括：
获取参与方平台对应的权重值，基于所述权重值对所述参考点击转化率进行加权求和，得到平均参考点击转化率；
根据所述本地点击转化率和所述平均参考点击转化率，计算得到所述目标点击转化率。
3.如权利要求1至2中任一项所述线上消息处理方法，其特征在于，所述主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台的步骤之前，还包括：
获取训练数据的原始用户设备号对应的原始用户本地特征数据，其中，所述训练数据包括原始用户设备号、原始消息特征数据和原始点击转化率；
利用所述原始用户本地特征数据、所述原始消息特征数据和原始点击转化率，对原始模型进行训练，得到本地预测模型。
4.如权利要求3所述线上消息处理方法，其特征在于，所述获取训练数据的预设用户设备号对应的原始用户本地特征数据的步骤包括：
在所述主导方平台的用户映射库中，根据预设用户设备号查找原始用户本地特征数据。
5.一种线上消息处理装置，其特征在于，所述线上消息处理装置包括：
筛选模块，用于主导方平台发送预设数据至备选参与方平台，以供所述备选参与方平台反馈预测参数，所述主导方平台根据接收到的预测参数确定参与竞价的参与方平台；所述预测参数至少包括预测点击转化率，所述预设数据包括训练数据和测试数据，所述主导方平台发送训练数据和测试数据至备选参与方平台，以供所述备选参与方平台利用训练数据进行模型训练，得到参与预测模型，并利用所述参与预测模型对所述测试数据进行点击转化率预测，得到所述测试数据对应的预测点击转化率，发送所述预测点击转化率至所述主导方平台；接收到所述备选参与方平台发送的预测参数，获取所述主导方平台拥有的预设数据中的测试数据的点击转化率；将所述预测点击转化率与所述测试数据的点击转化率进行比较，根据比较结果确定所述参与方平台以及所述参与方平台对应的权重值；
确定模块，用于在接收到消息请求时，所述主导方平台和所述参与方平台确定目标参数，根据所述目标参数进行实时竞价；所述目标参数至少包括目标点击转化率，在接收到消息请求时，获取消息请求对应的消息请求数据，其中，所述消息请求数据至少包括用户设备号和消息特征数据；获取所述用户设备号对应的用户本地特征数据，并基于本地预测模型、所述用户本地特征数据以及所述消息特征数据，得到消息请求对应的本地点击转化率；发送所述消息请求数据至参与方平台，以供所述参与方平台基于所述消息请求数据反馈参与方平台对应的参考点击转化率；根据所述本地点击转化率以及所述参考点击转化率，得到所述消息请求对应的目标点击转化率。
6.一种线上消息处理设备，其特征在于，所述线上消息处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的线上消息处理程序，所述线上消息处理程序被所述处理器执行时实现如权利要求1至4中任一项所述的线上消息处理方法的步骤。
7.一种可读存储介质，其特征在于，所述可读存储介质上存储有线上消息处理程序，所述线上消息处理程序被处理器执行时实现如权利要求1至4中任一项所述的线上消息处理方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010127799.6A CN111369281B (zh) | 2020-02-28 | 2020-02-28 | 线上消息处理方法、装置、设备及可读存储介质 |
| PCT/CN2020/129257 WO2021169424A1 (zh) | 2020-02-28 | 2020-11-17 | 线上消息处理方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010127799.6A CN111369281B (zh) | 2020-02-28 | 2020-02-28 | 线上消息处理方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111369281A CN111369281A (zh) | 2020-07-03 |
| CN111369281B true CN111369281B (zh) | 2024-05-28 |
Family
ID=71208252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010127799.6A Active CN111369281B (zh) | 2020-02-28 | 2020-02-28 | 线上消息处理方法、装置、设备及可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111369281B (zh) |
| WO (1) | WO2021169424A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111369281B (zh) * | 2020-02-28 | 2024-05-28 | 深圳前海微众银行股份有限公司 | 线上消息处理方法、装置、设备及可读存储介质 |
| CN114064163A (zh) * | 2020-07-31 | 2022-02-18 | 阿里巴巴集团控股有限公司 | 活动内容处理及展示方法、装置、电子设备、存储介质 |
| CN112070542B (zh) * | 2020-09-09 | 2024-07-12 | 深圳前海微众银行股份有限公司 | 信息转化率预测方法、装置、设备及可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104851023A (zh) * | 2015-05-07 | 2015-08-19 | 容一飞 | 一种实时竞价在线反馈控制方法及系统 |
| CN106846046A (zh) * | 2016-12-29 | 2017-06-13 | 腾讯科技（深圳）有限公司 | 异质流量竞价参数均衡方法及系统 |
| CN107424016A (zh) * | 2017-08-10 | 2017-12-01 | 安徽大学 | 一种在线招聘广告推荐的实时竞价方法及其系统 |
| CN107679892A (zh) * | 2017-09-15 | 2018-02-09 | 晶赞广告（上海）有限公司 | 用于dsp的出价方法及装置、可读存储介质、终端 |
| CN108259546A (zh) * | 2017-01-16 | 2018-07-06 | 广州市动景计算机科技有限公司 | 消息推送方法、设备及可编程设备 |
| CN110807655A (zh) * | 2019-10-15 | 2020-02-18 | 微梦创科网络科技（中国）有限公司 | 一种广告竞价方法、装置及设备 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8489460B2 (en) * | 2003-02-26 | 2013-07-16 | Adobe Systems Incorporated | Method and apparatus for advertising bidding |
| US20150262222A1 (en) * | 2014-03-13 | 2015-09-17 | Mastercard International Incorporated | Method and system for calculating advertisement conversion rates |
| US10454871B2 (en) * | 2014-11-26 | 2019-10-22 | Google Llc | Systems and methods for generating a message topic training dataset from user interactions in message clients |
| CN105045831B (zh) * | 2015-06-30 | 2018-04-13 | 北京奇艺世纪科技有限公司 | 一种消息推送方法及装置 |
| CN105208113A (zh) * | 2015-08-31 | 2015-12-30 | 北京百度网讯科技有限公司 | 信息推送的方法和装置 |
| CN110399550B (zh) * | 2019-03-14 | 2023-08-15 | 腾讯科技（深圳）有限公司 | 一种信息推荐方法及装置 |
| CN111369281B (zh) * | 2020-02-28 | 2024-05-28 | 深圳前海微众银行股份有限公司 | 线上消息处理方法、装置、设备及可读存储介质 |
-
2020
- 2020-02-28 CN CN202010127799.6A patent/CN111369281B/zh active Active
- 2020-11-17 WO PCT/CN2020/129257 patent/WO2021169424A1/zh active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104851023A (zh) * | 2015-05-07 | 2015-08-19 | 容一飞 | 一种实时竞价在线反馈控制方法及系统 |
| CN106846046A (zh) * | 2016-12-29 | 2017-06-13 | 腾讯科技（深圳）有限公司 | 异质流量竞价参数均衡方法及系统 |
| CN108259546A (zh) * | 2017-01-16 | 2018-07-06 | 广州市动景计算机科技有限公司 | 消息推送方法、设备及可编程设备 |
| CN107424016A (zh) * | 2017-08-10 | 2017-12-01 | 安徽大学 | 一种在线招聘广告推荐的实时竞价方法及其系统 |
| CN107679892A (zh) * | 2017-09-15 | 2018-02-09 | 晶赞广告（上海）有限公司 | 用于dsp的出价方法及装置、可读存储介质、终端 |
| CN110807655A (zh) * | 2019-10-15 | 2020-02-18 | 微梦创科网络科技（中国）有限公司 | 一种广告竞价方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111369281A (zh) | 2020-07-03 |
| WO2021169424A1 (zh) | 2021-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11531867B2 (en) | User behavior prediction method and apparatus, and behavior prediction model training method and apparatus | |
| CN111369281B (zh) | 线上消息处理方法、装置、设备及可读存储介质 | |
| US11704694B2 (en) | Systems and methods for inferring matches and logging-in of online users across devices | |
| CN110378749B (zh) | 客户端相似性的评估方法、装置、终端设备及存储介质 | |
| US20070198937A1 (en) | Method for determining a profile of a user of a communication network | |
| RU2408066C2 (ru) | Способ и устройство доставки сетевой информации | |
| US9996844B2 (en) | Age-targeted online marketing using inferred age range information | |
| CN108280115B (zh) | 识别用户关系的方法及装置 | |
| US20200372526A1 (en) | Methods and apparatus to determine ratings data from population sample data having unreliable demographic classifications | |
| CN108257608B (zh) | 自动语音发音归属 | |
| CN111954173B (zh) | 发送短信的方法、装置、服务器及计算机可读存储介质 | |
| US20080195609A1 (en) | Method and System for Generating a Population Representative of a Set of Users of a Communication Network | |
| CN105894028B (zh) | 用户识别方法和装置 | |
| CN107784552A (zh) | 信息推送任务执行方法、装置、计算机设备和存储介质 | |
| CN111522735B (zh) | 测试实验的分流方法及装置 | |
| US20020069368A1 (en) | Data farming of network access | |
| WO2020258102A1 (zh) | 内容推送方法、装置、移动终端及存储介质 | |
| US20100082359A1 (en) | Multi-Granular Age Range Products For Use in Online Marketing | |
| JP2019503522A (ja) | 最適化されたデジタル・コンポーネント分析システム | |
| US11470167B2 (en) | Method and apparatus for generating information | |
| US9392041B2 (en) | Delivery of two-way interactive content | |
| CN113986062A (zh) | 信息处理方法、装置及存储介质 | |
| CN113256330A (zh) | 信息投放效果归因方法和装置 | |
| JP2022530295A (ja) | 問い合わせ情報の処理方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム | |
| CN113763008A (zh) | 一种应用推广跟踪方法、装置、服务器、设备和介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |