CN111784419A - 信息推送方法、服务器、终端设备及广告系统 - Google Patents

Abstract

本申请提供一种终端设备以及由所述终端设备执行的信息推送的方法，本申请提供一种服务器及由所述服务器执行的信息推送的方法，本申请还提供一种广告系统。所述信息推送的方法包括：接收来自目标终端设备的广告页面加载请求，所述广告页面包括：广告任务，以及完成所述广告任务可获得的权益值；根据所述页面加载请求从至少一个广告任务中确定目标广告任务；根据所述目标广告任务从至少一个权益值中确定目标权益值；以及向所述目标终端设备发送所述广告页面的数据，所述广告页面的数据包括所述目标广告任务和所述目标权益值。

Description

信息推送方法、服务器、终端设备及广告系统

技术领域

本申请涉及信息技术领域，特别信息推送方法、服务器、终端设备及广告系统。

背景技术

在传统的广告模式中，提升用户对于广告的点击率和转化率，是提升媒体流量收益的关键。传统的广告在投放时，大多采用经验和感觉来选择，很难做到将某广告精准地投放到对广告中产品需求最高的人群。因此，广告的点击率和转化率很难控制。并且，传统的广告模式，在广告曝光的过程中，无法约束广告受众的行为，无法得知观看人是否能够有效地获取广告内所展示的商品信息，因而造成了投放信息的浪费，广告费的浪费，人力资源的浪费等弊端。

发明内容

为解决上述技术问题，本申请公开了一种信息推送的方法，包括：接收来自目标终端设备的广告页面加载请求，所述广告页面包括：广告任务，以及完成所述广告任务可获得的权益值；根据所述页面加载请求从至少一个广告任务中确定目标广告任务；根据所述目标广告任务从至少一个权益值中确定目标权益值；以及向所述目标终端设备发送所述广告页面的数据，所述广告页面的数据包括所述目标广告任务和所述目标权益值。

在一些实施例中，其中所述广告页面加载请求包括目标账号的信息，所述目标权益值同所述目标账号对所述权益值的敏感度相关联。

在一些实施例中，其中所述广告页面的数据指示所述目标终端设备在其显示设备上显示至少一个页面，所述至少一个页面包括所述目标广告任务和所述目标权益值；以及所述信息推送的方法还包括：响应于所述目标账号完成所述目标任务的信号，向所述目标账号发放所述目标权益值。

在一些实施例中，其中所述根据所述目标广告任务从至少一个权益值中确定目标权益值包括：基于深度学习模型，获取所述至少一个权益值中每一个权益值对应的点击率(CTR)和转化率(CVR)；获取所述每一个权益值对应的每一千次展示可获得的广告收入(eCPM)，其中所述每一个权益值对应的eCPM同下述数据相关联：所述每一个权益值，所述每一个权益值对应CTR和CVR，以及所述目标广告任务对应的每次行动成本(CPA)；以及从所述至少一个权益值中确定所述目标权益值，其中所述目标权益值对应的eCPM为所述至少一个eCPM中最大的eCPM。

在一些实施例中，所述信息推送的方法还包括：根据同所述目标账号关联的历史广告回流数据训练所述深度学习模型。

在一些实施例中，其中所述同所述目标账号关联的历史广告回流数据包括：同所述目标账号具有相似属性的用户的历史广告流量对应的CTR、CVR、CPA、eCPM以及权益值。

在一些实施例中，其中所述根据所述目标广告任务从至少一个权益值中确定目标权益值包括：根据预设的权益预算比例、广告流量参数、CTR、CVR、CPA、eCPM以及权益值之间的关联关系建立全局最优模型；根据同所述目标账号关联的历史广告回流数据训练所述全局最优模型；以及将所述广告页面加载请求对应的广告流量参数输入所述全局最优模型，获得所述目标权益值。

在一些实施例中，其中所述同所述目标账号关联的历史广告回流数据包括：同所述目标账号具有相似属性的用户的历史广告流量及其对应的CTR、CVR、CPA、eCPM以及权益值。

在一些实施例中，其中所述根据所述广告请求从至少一个候选广告任务中确定目标广告任务包括：根据所述广告请求计算所述至少一个广告任务中每一个广告任务的目标分数；以及确定所述目标分数最高的广告任务为所述目标广告任务。

本申请还公开了一种服务器，包括：至少一个存储器，包括至少一组指令集；以及至少一个处理器，同所述至少一个存储器通讯连接，当所述至少一个处理器运行所述至少一组指令集时，所述至少一个处理器执行本申请所述的信息推送的方法。

本申请还提供一种信息推送的方法，包括：向目标服务器发送广告页面加载请求，其中所述广告页面加载请求包括目标账号的信息，所述广告页面包括：广告任务，以及完成所述广告任务可获得的权益值；接收来自所述目标服务器的所述广告页面的数据，所述广告页面的数据包括目标广告任务以及目标权益值，其中所述目标权益值同所述目标账号关联；以及加载所述广告页面。

在一些实施例中，其中所述目标权益值同所述目标账号对所述权益值的敏感度相关联。

在一些实施例中，所述信息推送的方法还包括：响应于所述目标账号完成所述目标任务的信号，激活向所述目标账号发放所述目标权益值的流程。

在一些实施例中，其中所述目标服务器在接收到所述广告页面加载请求之后：根据所述广告页面加载请求从至少一个广告任务中确定所述目标广告任务；以及根据所述目标广告任务从至少一个权益值中确定所述目标权益值。

在一些实施例中，其中所述根据所述目标广告任务从至少一个权益值中确定所述目标权益值包括：基于深度学习模型，获取所述至少一个权益值中每一个权益值对应的点击率(CTR)和转化率(CVR)；获取所述每一个权益值对应的每一千次展示可获得的广告收入(eCPM)，其中所述每一个权益值对应的eCPM同下述数据相关联：所述每一个权益值，所述每一个权益值对应CTR和CVR，以及所述目标广告任务对应的每次行动成本(CPA)；以及从所述至少一个权益值中确定所述目标权益值，其中所述目标权益值对应的eCPM为所述至少一个eCPM中最大的eCPM。

在一些实施例中，其中所述根据所述目标广告任务从至少一个权益值中确定所述目标权益值还包括：根据同所述目标账号关联的历史广告回流数据训练所述深度学习模型。

在一些实施例中，其中所述同所述目标账号关联的历史广告回流数据包括：同所述目标账号具有相似属性的用户的历史广告流量对应的CTR、CVR、CPA、eCPM以及权益值。

在一些实施例中，其中所述根据所述目标广告任务从至少一个权益值中确定所述目标权益值包括：根据预设的权益预算比例、广告流量参数、CTR、CVR、CPA、eCPM以及权益值之间的关联关系建立全局最优模型；根据同所述目标账号关联的历史广告回流数据训练所述全局最优模型；以及将所述广告页面加载请求对应的广告流量参数输入所述全局最优模型，获得所述目标权益值。

在一些实施例中，其中所述同所述目标账号关联的历史广告回流数据包括：同所述目标账号具有相似属性的用户的历史广告流量及其对应的CTR、CVR、CPA、eCPM以及权益值。

本申请还公开了一种终端设备，包括：至少一个存储器，包括至少一组指令集；以及至少一个处理器，同所述至少一个存储器通讯连接，当所述至少一个处理器运行所述至少一组指令集时，所述至少一个处理器执行本申请所述的信息推送的方法。

本申请还公开了一种广告系统，包括：广告投放系统，接收来自终端设备中目标账号的广告请求，并根据所述广告请求从至少一个候选广告中确定目标广告任务，并向所述终端设备投放所述目标广告任务；用户权益决策系统，从至少一个权益值中确定目标权益值，并将所述目标权益值发送给所述广告投放系统；以及用户权益发放系统，响应于所述目标账号完成所述目标广告任务的信号，向所述目标账号发放所述目标权益值。

本申请所述信息推送的方法，从广告收入中分出一部分作为用户权益，将所述用户权益展示在广告页面中，并且在用户转化后发放给用户。用户10在选择是否完成所述广告任务时，同时可以看到完成所述广告任务可以获得的权益值。此时虽然单次广告转化净收入降低，但用户的CTR和CVR大幅提升。

进一步地，本申请提出了两种用户权益分配策略。通过本申请所述的信息推送的方法提出的用户权益分配策略，对每次流量分配合理的权益额度P，可平衡广告总预算在广告投放费用和用户权益上的合理分配，使得当前流量的eCPM达到最优值。

进一步地，所述权益值同用户对权益额度大小的敏感度相关。针对敏感度高的用户(比如，发放权益提升可显著提高转化率)，发放较大的权益；针对敏感度低的用户(比如，是否发放权益以及权益值的变化对用户的行为影响较小)，发放较小的权益。这样，可以使得总的收益eCPM达到最大。

附图说明

图1示出了根据本申请实施例提供的一种信息推送方法的应用场景的示意图；

图2示出了根据本申请实施例提供的一种服务器和/或终端设备的硬件结构示意图；

图3示出了根据本申请实施例提供的一种信息推送方法的流程图；

图4A、4B以及4C分别示出了根据本申请实施例提供的一种广告页面的示意图；

图5A示出了根据本申请实施例提供的CTR＊CVR随P增大的变化曲线；

图5B示出了根据本申请实施例提供的广告净收益CPA-P随P增大的变化曲线；

图5C示出了根据本申请实施例提供的一种eCPM随P的变化曲线；

图6示出了根据本申请实施例提供的一种获取最优权益的流程；

图7示出了根据本申请实施例提供的另一种获取最优权益的流程；以及

图8示出了根据本申请实施例提供的一种广告系统的示意图。

具体实施方式

以下描述提供了本申请的特定应用场景和要求，目的是使本领域技术人员能够制造和使用本申请中的内容。对于本领域技术人员来说，对所公开的实施例的各种局部修改是显而易见的，并且在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用。因此，本申请不限于所示的实施例，而是与权利要求一致的最宽范围。

这里使用的术语仅用于描述特定示例实施例的目的，而不是限制性的。

考虑到以下描述，本申请的这些特征和其他特征、以及结构的相关元件的操作和功能、以及部件的组合和制造的经济性可以得到明显提高。参考附图，所有这些形成本申请的一部分。然而，应该清楚地理解，附图仅用于说明和描述的目的，并不旨在限制本申请的范围。

以下描述可以显著改进本申请的这些和其他特征，以及结构的相关元件的操作和功能，以及组件的组合和制造的经济效率。所有这些都参考附图形成本申请的一部分。然而，应该清楚地理解，附图仅用于说明和描述的目的，并不旨在限制本申请的范围。还应理解，附图未按比例绘制。

图1示出了根据本申请实施例提供的一种信息推送方法的应用场景的示意图。

终端设备100可以是用户10的智能电子设备。在一些实施例中，终端设备100可以包括移动设备120-1、平板电脑120-2、笔记本电脑120-3、机动车辆120-4的内置设备或类似内容，或其任意组合。在一些实施例中，终端设备100可以包括智能电话，个人数字助理(PDA)，游戏设备，导航设备，销售点(POS)设备等，或其任意组合。在一些实施例中，所述智能电子设备可以包括，但不限于，笔记本电脑，平板电脑、智能家居设备，可穿戴设备，虚拟现实设备，增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备，智能电气设备的控制设备，智能对讲机等，或其任意组合。在一些实施例中，可穿戴设备可以包括智能手镯，智能鞋类，智能眼镜，智能头盔，智能手表，智能服装，智能背包，智能配件等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔，虚拟现实眼镜，虚拟现实补丁，增强现实头盔，增强现实眼镜，增强现实补丁等或其任何组合。例如，所述虚拟现实设备和/或增强现实设备可以包括谷歌眼镜，OculusRift，Hololens，Gear VR等。

终端设备100上可以装载有目标应用。目标应用可以包括计算机程序代码。所述计算机程序代码可以包括，但不限于，程序、例程、对象、组件、数据结构、过程、模块，等等。目标应用能够为用户10提供通过网络400同服务器200交互的能力以及页面。在一些实施例中，目标应用可以向用户10展示页面。页面可以是一种网络页面。页面可以显示在终端设备100的显示设备上。作为示例，所述显示设备可以是终端设备100的显示屏。以目标应用为打车小程序为例，页面可以包括，但不限于，打车页面，支付设置页面，签约代扣的页面，支付页面，支付并签约代扣的页面，签约成功的页面，支付成功的页面，等等。

终端设备100可以通过目标应用加载的页面将广告呈现给用户10。用户10可以是所述广告的受众。作为示例，所述广告可以是图形广告的形式。所述图形广告可以包括，但不限于，横幅广告，纯文本广告，图像广告，音频广告，视频广告，或其组合，等等。所述广告还可以包括嵌入式信息。作为示例，所述嵌入式信息可以包括，但不限于，链接，计算机程序指令，等等。

终端设备100可以通过目标应用向服务器200请求加载广告页面。

服务器200可以通过终端设备100加载的页面向用户10推送广告。

图2示出了根据本申请实施例提供的一种服务器200和/或终端设备100的硬件结构示意图。为了便于理解，以下介绍将以服务器200为例对所述硬件结构进行介绍。

服务器200包括至少一个存储器230和至少一个处理器220。在一些实施例中，服务器200还可以包括通信端口250和内部通信总线210。同时，服务器200还可以包括I/O组件260。

内部通信总线210可以连接不同的系统组件包括存储器230和处理器220。

I/O组件260支持服务器200和其他组件之间的输入/输出。

存储器230可以包括数据存储装置。所述数据存储装置可以是非暂时性存储介质，也可以是暂时性存储介质。比如，所述数据存储装置可以包括磁盘232、只读存储器(ROM)234或随机存取存储器(RAM)236中的一种或多种。存储器230还包括存储在所述数据存储装置中的至少一个指令集。所述指令集是计算机程序代码，所述计算机程序代码可以包括执行本申请提供的信息推送的方法的程序、例程、对象、组件、数据结构、过程、模块等等。

通信端口250用于服务器200同外界的数据通讯。比如，服务器200可以通过通信端口250连接网络400，进而接收来自于用户10的终端设备100发送的请求。

至少一个处理器220同至少一个存储器230通过内部通信总线210进行通讯。至少一个处理器220用以执行上述至少一个指令集，当至少一个处理器220执行上述至少一个指令集时，服务器200实施本申请提供的信息推送的方法。处理器220可以执行信息推送方法包含的部分步骤。处理器220可以是一个或多个处理器的形式，在一些实施例中，处理器220可以包括一个或多个硬件处理器，例如微控制器，微处理器，精简指令集计算机(RISC)，专用集成电路(ASIC)，特定于应用的指令集处理器(ASIP)，中央处理单元(CPU)，图形处理单元(GPU)，物理处理单元(PPU)，微控制器单元，数字信号处理器(DSP)，现场可编程门阵列(FPGA)，高级RISC机器(ARM)，可编程逻辑器件(PLD)，能够执行一个或多个功能的任何电路或处理器等，或其任何组合。仅仅为了说明问题，在本申请中服务器200中仅描述了一个处理器220。然而，应当注意，本申请中服务器200还可以包括多个处理器，因此，本申请中披露的操作和/或方法步骤可以如本申请所述的由一个处理器执行，也可以由多个处理器联合执行。例如，如果在本申请中服务器200的处理器220执行步骤A和步骤B，则应该理解步骤A和步骤B也可以由两个不同处理器220联合或分开执行(例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一和第二处理器共同执行步骤A和B)。

图3示出了根据本申请实施例提供的一种信息推送方法S100的流程图。图3所示的流程S100包括了由终端设备100执行的信息推送的方法以及由服务器200执行的信息推送的方法。流程S100的部分步骤可以由终端设备100来执行，部分步骤可以由服务器200来执行。

以下呈现的所示流程S100的操作，旨在是说明性的而非限制性的。在一些实施例中，流程S100在实现时可以添加一个或多个未描述的额外操作，和/或删减一个或多个此处所描述的操作。此外，图3中所示的和下文描述的操作的顺序并不对此加以限制。

S110，终端设备100向服务器200发送广告页面加载请求。

S120，服务器200接收来自终端设备100的广告页面加载请求。

用户10可以通过终端设备100的屏幕展示出的第一页面触发本申请所述信息推送方法的流程S100。

作为示例，所述第一页面可以是某应用程序的登录页面。用户10通过登录页面进入目标应用程序，触发本申请所述流程S100。

作为示例，所述第一页面可以是某应用程序中的某个展示页面，比如，某商家的产品展示页面。用户10通过点击该展示页面的某商品链接，触发本申请所述流程S100。

响应于用户触发流程S100的操作，终端设备100通常会加载出第二页面以展示给用户。

比如，响应于用户10点击进入应用程序的操作，终端设备100通常会加载出进入程序的主页面展示给用户10。

比如，响应于用户10点击某商品链接的操作，终端设备100通常会加载出该商品信息的页面展示给用户10。

在向用户10展示的第二页面上，终端设备100可以同时展示某些特定的网络广告。比如，在第二页面上，终端设备100可以以″横幅广告″的形式向用户10呈现网络广告。根据本申请所描述的信息推送的方法，展示有广告的第二页面也可以被称作″广告页面″。

在一些实施例中，所述广告可以包括展示类的广告。作为示例，图4A示出了根据本申请实施例提供的一种包含有展示类广告的广告页面410的示意图。广告411以″横幅广告″的形式嵌入在广告页面410中。广告411将广告主想要推广的商品的信息以横幅广告的形式呈现给用户。广告411仅仅起展示的作用。广告411中的文字或图片不包含超文本链接。当用户点击广告411中的文字或图片时，广告页面410不会跳转。

在一些实施例中，所述广告可以包括任务类的广告。所述任务类广告可以包括广告任务。所述广告任务可以以文字或者图标的形式展示在广告展位上。在一些实施例中，所述广告任务可以嵌入有一个或者多个超文本链接。在一些实施例中，当用户点击这些横幅广告中的图标或者文字时，嵌入在所述图标或者文字中的超文本链接可以将用户引导至完成目标任务的流程。

用户点击横幅广告中的图标或者文字的过程，通常称为″点击″。点击次数与广告的展示次数的比例通常称为所述广告的点击率(CTR)。

当用户在超文本链接的引导下完成了目标任务，就说是该次点击发生了″转化″。通常，广告的转化的次数与广告的点击的次数的比值通常被认为是转换率(CVR)。CVR刻画了用户从点击广告到成为一个有效注册/付费用户的概率。

所述广告任务可以包括各种形式的任务。也就是，构成转化的事务可以有很多种形式。

比如，在一些实施例中，当用户跟随所述超文本链接的引导完成了在目标应用中的注册流程，就可以认为发生了转化。对应地，所述广告任务包括″完成注册″。

比如，在一些实施例中，当用户跟随所述超文本链接的引导浏览某网页超过预设的时间，就可以认为发生了转化。对应地，所述广告任务包括″浏览该网页超过预设时间″。

比如，在一些实施例中，当用户跟随所述超文本链接的引导，就可以认为发生了转化。对应地，所述广告任务包括″浏览该网页至预设的深度″。

在一些实施例中，所述广告页面还可以包括：完成所述广告任务可获得的权益值。

所述权益值可以作为对完成所述广告任务的奖励。作为示例，所述权益可以包括，但不限于，现金红包，积分，购物折扣权益，满减权益，等等。所述权益值可以指所述权益的额度。

作为示例，图4B示出了根据本申请实施例提供的一种包含有任务类广告的广告页面420的示意图。广告页面420中可以包括至少一个广告任务。完成每个广告任务都可以获得一个或者多个权益。比如，在展位421中，完成广告任务″购买XX理财″可以获得权益″获得XX视频年卡″。在展位422中，完成广告任务″成功办理ETC″，可以获得权益″获得XX手机″。

作为示例，图4C示出了根据本申请实施例提供的一种包含有任务类广告的广告页面430的示意图。广告页面430中可以包括一组广告任务。所述广告组中可以包括3个广告。每个广告中包括广告任务以及完成广告任务可以获得的权益。完成每个广告任务都可以获得一个或者多个权益。比如，完成广告任务431″激活医保卡电子凭证″，可以获得权益435″攒10积分″。比如，完成广告任务432″电子查违章″，可以获得权益436″攒10积分″。比如，完成广告任务433″签到″，可以获得权益437″攒5积分″。

通过在广告页面上430增加完成广告任务的奖励信息(可获得的权益值)，用户10可以直接感受到营销活动，可以提高运营信息对广告的转化率。

终端设备100可以向服务器200发送广告页面加载请求，以请求接收所述广告页面的数据。服务器200接收来自终端设备100的广告页面加载请求。

S130，服务器200根据所述广告页面加载请求从至少一个候选广告任务中确定目标广告任务。

在一些实施例中，所述第一页面可以包括页面内容标识符。所述页面内容标识符可以包括目标账号的信息(比如，用户10在目标应用中的账号)。终端设备100可以获取该页面内容标识符。终端设备100向服务器200发送的广告页面加载请求中，可以包括该页面内容标识符。

服务器200可以获取终端设备100的页面内容标识符并使用该页面内容标识符来确定用于定向广告的广告场景，以向用户10提供定向广告，提高服务的精准性。服务器200可以根据所述页面内容标识符从至少一个候选广告任务中确定出目标广告任务。

在一些实施例中，服务器200根据所述广告页面加载请求计算所述至少一个广告任务中每一个广告任务的目标分数；服务器200确定所述目标分数最高的广告任务为所述目标广告任务。

比如，可以预先建立对多个广告进行竞价的竞价模型。利用该广告竞价模型，服务器200可以获取当前场景中竞价最高的广告任务，服务器200可以将该广告任务设定为目标广告任务。作为示例，所述广告竞价模型可以包括，但不限于，CPA竞价模型，CPM竞价模型，CPC竞价模型，等等。

以CPA竞价模型为例，如果广告主选择了CPA竞价模型，则广告主可以输入最大CPA竞价。所述最大CPA竞价表示当该广告发生转发时广告主愿意支付的货币值的最高数额。基于预先定义的CPA竞价模型，服务器200可以获取在该最大CPA竞价下的目标广告任务。

S140，服务器200根据同所述目标账号关联的至少一个参数，从至少一个权益值中确定目标权益值。

根据前面的描述，所述广告页面包括广告任务以及完成所述广告任务可以获得的权益值。

在一些实施例中，对于选定的广告任务，针对完成该广告任务的权益值可以在一个候选权益区间内取。服务器200可以从所述候选权益区间中选取目标权益值并分配给该特定的广告任务。比如，针对用户完成签约任务的候选权益值，可以在2毛到2元之间的区间内取。

在一些实施例中，对于选定的广告任务，针对完成该广告任务的权益值可以有多个。服务器200可以从所述多个候选的权益值中选取目标权益值并分配给该特定的广告任务。比如，针对用户完成签约任务的候选权益值，可以包括从2毛到2元之间的若干个权益值(比如，2毛，4毛，6毛，8毛，...，1.8元，2.0元)。

在一些实施例中，对于同一个广告任务，不同的账号完成所述广告任务可获得权益值可以是相同的。比如，所述广告任务可以是签约任务，所有的账号完成该签约任务都可以获得5毛钱的红包。

在一些实施例，针对不同的账号，完成所述广告任务可获得的权益值可以不同。也就是，所述目标权益值可以同所述目标账号关联。例如，可以根据用户的敏感度向不同的用户分配不同的权益值，以提高广告的收入。所述敏感度指的是用户对于特定商品的价格高低或者特定权益的额度大小是否敏感的度量。在本申请的描述中，所述敏感度指用户对于权益额度大小是否敏感：如果发放权益相比不发放权益或者权益额度变化，可显著改变用户的行为(如核销权益的概率大幅提升)，则称该用户敏感度高；反之，敏感度低。

服务器200可以根据所述目标广告任务从多个候选权益值中确定出目标权益并分配给目标用户。在一些实施例中，所述目标权益值可以使得广告可获得的收入最大或者在预设的约束条件下达到最大。

根据前面的描述可知：CTR可以表示在一次广告展示中用户点进目标广告的概率；CVR可以表示用户从点击广告到完成转化的概率；CPA可以表示发生一次转化广告主愿意支付的货币值。

eCPM可以表示广告展示可获得的广告收入。通常，可以用eCPM评价广告的收入。所述广告展示的单位可以包括，但不限于，网页，广告单元，单个广告，等等。通常，eCPM可以根据公式(1)计算得到。

eCPM＝CTR＊CVR＊CPA 公式(1)

根据公式(1)可知：提升用户对于广告的点击率CTR和转化率CVR，是提升媒体流量收益eCPM的关键。

根据前文的描述：根据本申请所述的信息推送的方法S100，当用户完成广告任务时(即发生转化)，可以向用户发放目标权益。

可以设置一个变量P表示发生一次转化时向用户发放的权益值的大小。那么，根据本申请所述的信息推送方法S100，eCPM可以根据公式(2)计算得到：

eCPM＝CTR＊CVR＊(CPA-P) 公式(2)

通常，CTR和CVR随着P的增大而增大；而CPA-P随着P的增大而减小。

作为示例，图5A示出了根据本申请实施例提供的一种CTR＊CVR随P增大的变化曲线。由图5A可以看出，CTR＊CVR随着P的增大逐渐增大。

作为示例，图5B示出了根据本申请实施例提供的广告净收益CPA-P随P增大的变化曲线。由图5B可以看出，广告净收益CPA-P随P的增大而逐渐降低。

根据数学知识可知，在P的变化区间内，必然存在至少一个最优权益P，可以使得eCPM在局部范围内达到最大值。作为示例，图5C示出了根据本申请实施例提供的一种eCPM随P的变化曲线。由图5C可以看出，当P为P₀时，eCPM(即广告总收入)达到最大值。

基于上述思想，服务器200可以基于CTR、CVR以及CPA获取针对目标用户的最优权益。

作为示例，图6示出了根据本申请实施例提供的一种获取最优权益的流程S500。

S510，根据同所述目标账号关联的历史广告回流数据训练深度学习模型。

所述深度学习模型可以用于预估在预设的条件下的CTR和CVR。所述预设的条件可以包括，但不限于，广告场景，广告信息，媒体信息，权益大小，用户信息，等等。

对应地，可以根据同所述预设条件相对应的历史广告回流数据训练所述深度学习模型。比如，服务器200可以根据历史广告曝光、点击、转化、用户权益领取数据等，离线训练基于深度学习的CTR、CVR预估模型。

在一些实施例中，用于构建所述深度学习模型的数据可以包括同所述目标账号关联的历史广告回流数据。服务器200可以根据同所述目标账号关联的历史广告回流数据训练该深度学习模型。

作为示例，同所述目标账号关联的历史数据可以包括同所述目标账号具有相似属性的用户群的历史数据。作为示例，所述相似属性可以包括，但不限于，年龄，性别，学历，城市，或其组合，等等。比如，服务器200可以根据同目标用户年龄相似的用户群(20岁至30岁之间的用户)的历史数据训练该深度学习模型。比如，服务器200可以根据同目标用户性别相同并且年龄相似的用户群的历史数据训练该深度学习模型。

比如，服务器200可以根据同所述目标账号具有相似属性的用户的历史广告流量及其对应的CTR、CVR、CPA、eCPM以及权益值训练该深度学习模型。

当然，除了用户群中用户的历史数据之外，用于训练所述深度学习模型的还可以包括，但不限于，历史的广告场景、广告信息、媒体信息、权益大小，等等。

所述深度学习模型可以用于预估所述用户群中的用户针对特定权益P的CTR和CVR。也就是，如果将权益P输入该深度学习模型，该深度学习模型将会输出当发放权益为P时，所述用户群中的用户最可能的CTR和CVR。

S520，基于所述深度学习模型，获取所述至少一个权益值中每一个权益值对应的CTR和CVR。

根据前面的描述，服务器200训练并获得了CTR、CVR预估模型。可以将所述CTR、CVR预估模型部署至实时预测系统。

对于当前的广告页面加载请求，利用该CTR、CVR预估模型，可以根据当前广告页面加载请求对应的场景信息、广告任务信息、用户信息、用户信息、媒体信息，遍历候选权益值中的所有权益值，预测每个权益值对应的CTR和CVR。

这样，就获得了每个权益值P对应的CTR和CVR。

S530，获取所述每一个权益值对应的eCPM。

S540，从所述至少一个权益值中确定所述目标权益值，其中所述目标权益值对应的eCPM为所述至少一个eCPM中最大的eCPM。

根据公式(2)及前文所述的优化思想可知：必然存在至少一个最优权益P，可以使得eCPM在局部范围内达到最大值。因此，可以建立最优权益模型，并设立优化目标：eCPM最大。

根据公式(2)可知，所述每一个权益值对应的eCPM同下述数据相关联：所述每一个权益值P，所述每一个权益值对应CTR和CVR，以及所述目标广告任务对应的每次行动成本(CPA)。

根据预测出的每个权益值P对应的CTR、CVR值，可以根据公式(2)计算每个权益值P对应的eCPM值。输出eCPM最大时对应的权益值P₀作为最终决策结果——即目标权益值。

这样，采用流程S500所示的方法，获得了最优权益P₀。流程S500所述获取最优权益的方法，通过完善的基于深度学习进行用户CTR、CVR预测的用户权益分配策略，可针对不同用户，决策出最优的权益额度，有效提升广告流量的变现效率，克服用户权益分配效率的问题。

作为示例，图7示出了根据本申请实施例提供的另一种获取最优权益的流程S700。

S710，根据预设的权益预算比例、广告流量参数、CTR、CVR、CPA、eCPM以及权益值之间的关联关系建立全局最优模型。

在一些实施例中，广告发布方可以对总权益的发放额度进行限制。比如，可以预设一个权益预算比例。所述权益预算比例可以包括在一定时间段内权益预算占广告收入的特定的比例。比如，限制每天发放的全部的用户权益不超过广告总收入的20％。

可以根据所述预设的权益预算比例、广告流量参数、CTR、CVR、CPA、eCPM以及权益值之间的关联关系建立数学模型。下面对建模过程进行描述。

假设在预定时间段内，一共有m次广告曝光(一次曝光记为一个流量，一个流量对应有该流量的状态，流量的状态可以包括广告、用户、资源位)，候选的权益值一共有n个。

可以设置一个矩阵x，矩阵x可以表示为：

其中，i≤m，j≤n

可以给x_ij设置以下约束条件：

根据x_ij的约束条件可知，在矩阵x的每一列中，有且只有一个位置的值为1，而该列的其他值均为0。因此，x_ij可以用于表示：对于第i个流量，取第j个权益值的概率。对于第i个流量，只有一个特定取值的j(比如j＝3)可以使得x_ij＝1(也就是第i个流量，取j＝3时的权益值的概率为100％)；而对于j的其他取值(比如j＝1，4，6，n)，x_ij均为0(也就是第i个流量，取j＝1，2，4，6，n时的权益值的概率均为0％)。

以n＝5为例，如果x₂₃＝1，可以用于表示：对于第2个流量，取第3个权益值(比如3毛)的概率为100％，也就是对于第2个流量，确认取第3个权益值；

根据上述约束条件知，对于第2个流量，j取其他值时，x_ij均为0。也就是x₂₁＝0，x₂₂＝0，x₂₄＝0，且x₂₅＝0。也就是：对于第2个流量，取第1个权益值、第2个权益、第4个权益以及第5个权益值的概率均为0％。也就是，对于第2个流量，确认不取第1、2、4、5个权益值。

那么，针对第i个流量，到底取哪一个权益值呢？该问题就可以被描述为：针对第i个流量，j＝″？″才可以使得x_ij＝1呢？

综上，求解最优权益值的问题就可以被描述为：求解使得x_ij＝1的j的值；那么，对应的第j个权益值就是实际需要向第i个流量发放的最优权益值。

可以设置一个矩阵p来表示在不同流量状态和不同的权益值时的曝光转化率(CTR＊CVR)，矩阵p可以表示为：

其中″p_ij″表示：第i个流量，发放第j个权益额度时，对应的CTR＊CVR为p_ij。比如，p₁₁表示第1个流量发放第1个权益值的曝光转化率为p₁₁。比如，p₁₂表示第1个流量发放第2个权益值的曝光转化率为p₁₂。

可以设置一个矩阵a来表示在不同流量状态的广告计费额度CPA，矩阵a可以表示为：

其中″a_i″表示：第i个流量，对应的广告计费额度CPA为a_i；以CPA广告为例，对于当前流量i，用户完成转化后才计费；如果本次广告用户没有完成转化，则不计费.

可以设置一个矩阵c来表示候选的权益值，矩阵c可以表示为：

c＝[c₁ c₂ ... c_n]

在一些实施例中，″c_j″可以用于表示第j个权益对应的权益值为c_j；在一些实施例中，c_j可以表示第j个权益值占CPA的比例，那么，如果第i个CPA＝a_i，第j个权益值大小等于a_i＊c_j。在本申请下面的描述中，以″第j个权益值占CPA的比例″为例描述c_j在模型中的作用。

以

表示预设的权益预算比例；所述权益预算比例可以是全局发放比例约束条件，即全局发放的权益占广告总收入的比例不超过该约束值；对于单次发放的权益值，可以不受限。

根据前文的描述：a_i表示当前流量i的CPA额度；p_ij表示当前流量i的曝光转化率；c_j表示发放的权益占CPA的比例，也就是，发放的权益值可以表示为a_i＊c_j；x_ij表示当前流量i发放第j个权益额度的概率，如果x_ij＝1，表示当前流量i发放第j个权益值，如果x_ij＝0，表示当前流量不发放第j个权益值。

对于第i个流量，流量i的广告收入可以表示为：

p_ij*a_i*x_ij

那么，针对所有的m个流量，可获得的广告总收入eCPM可以表示为：

对于第i个流量，发放的权益可以表述为：

p_ij*a_i*c_j*x_ij

那么，针对所有的m个流量，发放的权益的总数可以表示为：

建立的数学模型需满足的约束条件可以包括：

(1)广告总收入eCPM最大；以及

(2)在所述预设的时间段内，总的发放权益不超过预设的权益发放比例

因此，根据上述约束条件可以建立数学模型(2)：

综上，建立了获取最优权益值的数学模型(2)。为了便于描述，将模型(2)所表示的模型称为全局最优模型。

S720，根据同所述目标账号关联的历史广告回流数据训练所述全局最优模型。

S730，将所述广告页面加载请求对应的广告流量参数输入所述全局最优模型，获得所述目标权益值。

对于模型(2)，可以采用同所述目标账号关联的历史广告回流数据对模型(2)进行训练。作为示例，所述训练的方法可以包括，但不限于，深度学习，决策树，逻辑回归，等等。

作为示例，同所述目标账号关联的历史广告回流数据可以包括同所述目标账号具有相似属性的用户群的历史广告回流数据。作为示例，所述相似属性可以包括，但不限于，年龄，性别，学历，城市，或其组合，等等。比如，可以采用同目标用户年龄相似的用户群(20岁至30岁之间的用户)的历史广告回流数据对模型(2)进行训练。比如，可以根据同目标用户性别相同并且年龄相似的用户群的历史广告回流数据对模型(2)进行训练。

作为示例，所述同所述目标账号关联的历史广告回流数据可以包括，但不限于，同所述目标账号具有相似属性的用户的历史广告流量及其对应的CTR、CVR、CPA、eCPM以及权益值。

根据前文的描述，该模型的最优解使得在预定时间段内总发放权益不超过总收入的

所述历史数据可以是在相同的时间段内的数据。作为示例，所述预定的时间段可以是一天。作为示例，所述预定的时间段可以是一周。以一天为例，比如，所述预设的时间段为一天。需要求解的最优解需使得在当天的24小时内总发放权益不超过总收入的

那么，所述历史数据可以包括，但不限于，前一天的24小时内的曝光，点击，转换，权益，收入，等数据。

可以采用在前一天的24小时内的历史数据对模型(2)进行训练。

训练好的模型(2)可以用于预估对于特定的流量状态，最优的发放权益是第几个权益值。也就是，如果将当前的流量状态输入训练好的模型(2)，该模型将会输出：应该向该流量发放的最优权益的标识(即第几个权益)。

可以将训练好的模型(2)部署到实时预测系统。当前流量到达时，比如，服务器200获取来自终端设备100的当前的广告页面加载请求，服务器200可以将当前的流量状态数据(比如当前请求中包含的页面内容标识符等信息)输入该训练好的模型，该模型可以输出应该向当前流量发送的最优的权益值。

在一些实施例中，采用数学知识可以求解得到模型(2)的解。比如，根据拉格朗日乘子法，可通过公式(3)获得模型(2)的最优解：

其中，λ为引入的拉格朗日乘子。

当前流量到达时，比如，服务器200获取来自终端设备100的当前的广告页面加载请求，服务器200可以将当前的流量状态数据(比如当前请求中包含的页面内容标识符等信息)输入公式(3)，同样可以输出应该向当前流量发送的最优的权益值。

这样，采用流程S700所示的方法，获得了最优权益值。

综上，服务器200获取了针对目标用户的最优权益值。需要说明的是，除了流程S500和流程S700所示的方法，还可以采用其他方法获取最优权益值而不背离本申请的核心精神。

继续参考图3，S150，服务器200向终端设备100发送所述广告页面的数据，所述广告页面的数据包括所述目标权益值和所述目标广告任务。

根据前面的描述，服务器200获取了广告任务以及针对目标用户的最优权益。服务器200可以根据该光广告任务和最优权益组装广告页面信息，并将所述广告页面信息发送至终端设备100。

S160，终端设备100接收来自服务器200的所述广告页面的数据。

S170，终端设备100加载所述广告页面。

终端设备100在接收到服务器200返回的所述广告页面的数据之后，获得所述广告页面的数据中所包含的广告任务和权益值，根据所述广告页面的数据生成所述广告页面。所述广告页面显示在终端设备100的屏幕上。

终端设备100加载所述广告页面。用户10看到的就是一个带有广告任务信息和完成广告任务可获得的权益值的广告页面(例如图4B和图4C)。用户10看到所述广告页面后，可以选择是否完成所述广告任务。

这样，用户10在选择是否完成所述广告任务时，同时可以看到完成所述广告任务可以获得的权益值。通过在广告页面上增加完成广告任务可获得的权益，可以提高该次广告曝光的点击率和转化率。

进一步地，所述权益值同用户对权益额度大小的敏感度相关。针对敏感度高的用户(比如，发放权益提升可显著提高转化率)，发放较大的权益；针对敏感度低的用户(比如，是否发放权益以及权益值的变化对用户的行为影响较小)，发放较小的权益。这样，可以使得总的收益eCPM达到最大。

进一步地，还可以对预订时间段内发放权益占总收入的比例进行限定，使得总收益eCPM最大的同时，发放的权益不超过预定的比例。

在一些实施例中，流程S100还可以包括以下步骤：

S180，终端设备100响应于所述目标账号完成所述目标广告任务的信号，激活向所述目标账号发放所述目标权益值的流程。

当用户点击所述广告页面中的包含有超文本链接的图标，所述超文本链接可以将用户引导至广告主的网页中，并引导用户完成所述广告任务。当用户完成了所述广告任务。终端设备100响应于用户完成所述广告任务的操作，激活向同所述用户绑定的账号中发放所述目标权益值的流程。比如，终端设备100可以向服务器200请求向用户的账户发放一定数额的红包。

本申请还提供一种广告系统。作为示例，图8示出了根据本申请实施例提供的一种广告系统900的示意图。具体地，广告系统900可以包括广告投放系统910、用户权益决策系统920以及用户权益发放系统930。在一些实施例中，广告系统900还可以包括广告计费与结算系统940以及物料库950。

物料库950可以是一个数据库。物料库950用于存储广告主投放的广告信息。所述广告信息可以包括，但不限于，广告的投放模式(CPA、CPC)，总预算，目标人群，投放时间，单次投放报价，广告创意，落地页，等等。

广告投放系统910，接收来自终端设备100中目标账号的广告请求，并根据所述广告请求从至少一个候选广告中确定目标广告任务，并向终端设备100投放所述目标广告任务。例如，在一次广告请求到达时，广告投放系统910可以从物料库950中按照既定逻辑进行广告召回，多个不同的广告通过既定规则竞价，并根据一次展示广告数量需求，得到最终竞价胜出的若干个广告。

广告计费和结算系统940可以根据实时数据反馈，控制广告的投放，并根据投放数据，完成与广告主之间的费用结算。

用户权益决策系统920可以决策出针对目标用户的最优权益。用户权益决策系统920可以根据同所述目标账号关联的至少一个参数，从至少一个权益值中确定目标权益值，并将所述目标权益值发送给所述广告投放系统。比如，用户权益决策系统920可以根据当前广告请求对应的场景、用户信息、广告信息、媒体信息，决策出最优用户权益额度。作为示例，用户权益决策系统920可以采用流程S500或流程S700所述的方法决策最优用户权益。

响应于所述目标账号完成所述目标广告任务的操作，用户权益发放系统930可以向所述目标账号发放所述目标权益值。比如，当用户完成既定广告转化后，用户权益发放系统930可以向用户发放相应的额度的权益。

本申请所述广告系统，当一次广告流量到达时，广告投放系统910竞价成功的广告，经过用户权益决策系统920决策出最优权益额度，组装成完整的广告信息，经过特定的创意在广告位向用户展示。用户通过广告展示获知自己在该广告转化后(如完成该广告所述的既定任务)可获得的权益类型及额度(如2元红包)。用户跟据自己对广告内容及权益额度的兴趣决定是否点击及转化，如果用户最终转化，则通过既定用户权益发放链路收到所述权益。

综上，本申请提供一种终端设备以及由所述终端设备执行的信息推送的方法，本申请提供一种服务器及由所述服务器执行的信息推送的方法，本申请还提供一种广告系统。

本申请所述信息推送的方法，从广告收入中分出一部分作为用户权益，将所述用户权益展示在广告页面中，并且在用户转化后发放给用户。用户10在选择是否完成所述广告任务时，同时可以看到完成所述广告任务可以获得的权益值。此时虽然单次广告转化净收入降低，但用户的CTR和CVR大幅提升。

进一步地，本申请提出了两种用户权益分配策略。通过本申请所述的信息推送的方法提出的用户权益分配策略，对每次流量分配合理的权益额度P，可平衡广告总预算在广告投放费用和用户权益上的合理分配，使得当前流量的eCPM达到最优值。

进一步地，所述权益值同用户对权益额度大小的敏感度相关。针对敏感度高的用户(比如，发放权益提升可显著提高转化率)，发放较大的权益；针对敏感度低的用户(比如，是否发放权益以及权益值的变化对用户的行为影响较小)，发放较小的权益。这样，可以使得总的收益eCPM达到最大。

本申请所述广告系统采用通过向用户发放一定的权益来激励用户点击和转化进而提升了广告收入eCPM的广告模式。本申请所述广告系统及信息推送的方法，在广告投放过程中，即通过广告创意向用户透出完成该广告转化后所获得的权益类型及额度，用户需要完成整个转化过程，才可获得所述权益。有效解决用户领取权益后的后续行为不再继续受权益影响的问题。所述广告模式，通过广告创意透出用户权益额度，任何用户完成转化，均可通过既定权益发放链路收到所述权益。用户不需要扫码，不需要安装特定与广告机构相关的APP，受众更广。

综上所述，在阅读本详细公开内容之后，本领域技术人员可以明白，前述详细公开内容可以仅以示例的方式呈现，并且可以不是限制性的。尽管这里没有明确说明，本领域技术人员可以理解本申请意图囊括对实施例的各种合理改变，改进和修改。这些改变，改进和修改旨在由本申请提出，并且在本申请的示例性实施例的精神和范围内。

此外，本申请中的某些术语已被用于描述本申请的实施例。例如，″一个实施例″，″实施例″和/或″一些实施例″意味着结合该实施例描述的特定特征，结构或特性可以包括在本申请的至少一个实施例中。因此，可以强调并且应当理解，在本说明书的各个部分中对″实施例″或″一个实施例″或″替代实施例″的两个或更多个引用不一定都指代相同的实施例。此外，特定特征，结构或特性可以在本申请的一个或多个实施例中适当地组合。

应当理解，在本申请的实施例的前述描述中，为了帮助理解一个特征，出于简化本申请的目的，本申请有时将各种特征组合在单个实施例、附图或其描述中。或者，本申请又是将各种特征分散在多个本申请的实施例中。然而，这并不是说这些特征的组合是必须的，本领域技术人员在阅读本申请的时候完全有可能将其中一部分特征提取出来作为单独的实施例来理解。也就是说，本申请中的实施例也可以理解为多个次级实施例的整合。而每个次级实施例的内容在于少于单个前述公开实施例的所有特征的时候也是成立的。

在一些实施方案中，表达用于描述和要求保护本申请的某些实施方案的数量或性质的数字应理解为在某些情况下通过术语″约″，″近似″或″基本上″修饰。例如，除非另有说明，否则″约″，″近似″或″基本上″可表示其描述的值的±20％变化。因此，在一些实施方案中，书面描述和所附权利要求书中列出的数值参数是近似值，其可以根据特定实施方案试图获得的所需性质而变化。在一些实施方案中，数值参数应根据报告的有效数字的数量并通过应用普通的舍入技术来解释。尽管阐述本申请的一些实施方案列出了广泛范围的数值范围和参数是近似值，但具体实施例中都列出了尽可能精确的数值。

本文引用的每个专利，专利申请，专利申请的出版物和其他材料，例如文章，书籍，说明书，出版物，文件，物品等，可以通过引用结合于此。用于所有目的的全部内容，除了与其相关的任何起诉文件历史，可能与本文件不一致或相冲突的任何相同的，或者任何可能对权利要求的最宽范围具有限制性影响的任何相同的起诉文件历史。现在或以后与本文件相关联。举例来说，如果在与任何所包含的材料相关联的术语的描述、定义和/或使用与本文档相关的术语、描述、定义和/或之间存在任何不一致或冲突时，使用本文件中的术语为准。

最后，应理解，本文公开的申请的实施方案是对本申请的实施方案的原理的说明。其他修改后的实施例也在本申请的范围内。因此，本申请披露的实施例仅仅作为示例而非限制。本领域技术人员可以根据本申请中的实施例采取替代配置来实现本申请中的申请。因此，本申请的实施例不限于申请中被精确地描述过的那些实施例。

Claims (21)

1.一种信息推送的方法，包括：

接收来自目标终端设备的广告页面加载请求，所述广告页面包括：

广告任务，以及

完成所述广告任务可获得的权益值；

根据所述页面加载请求从至少一个广告任务中确定目标广告任务；

根据所述目标广告任务从至少一个权益值中确定目标权益值；以及

向所述目标终端设备发送所述广告页面的数据，所述广告页面的数据包括所述目标广告任务和所述目标权益值。

2.如权利要求1所述的信息推送的方法，其中所述广告页面加载请求包括目标账号的信息，所述目标权益值同所述目标账号对所述权益值的敏感度相关联。

3.如权利要求1所述的信息推送的方法，其中所述广告页面的数据指示所述目标终端设备在其显示设备上显示至少一个页面，所述至少一个页面包括所述目标广告任务和所述目标权益值；以及所述信息推送的方法还包括：

响应于所述目标账号完成所述目标任务的信号，向所述目标账号发放所述目标权益值。

4.如权利要求1所述的信息推送的方法，其中所述根据所述目标广告任务从至少一个权益值中确定目标权益值包括：

基于深度学习模型，获取所述至少一个权益值中每一个权益值对应的点击率(CTR)和转化率(CVR)；

获取所述每一个权益值对应的每一千次展示可获得的广告收入(eCPM)，其中所述每一个权益值对应的eCPM同下述数据相关联：

所述每一个权益值，

所述每一个权益值对应CTR和CVR，以及

所述目标广告任务对应的每次行动成本(CPA)；以及

从所述至少一个权益值中确定所述目标权益值，其中所述目标权益值对应的eCPM为所述至少一个eCPM中最大的eCPM。

5.如权利要求4所述的信息推送的方法，还包括：根据同所述目标账号关联的历史广告回流数据训练所述深度学习模型。

6.如权利要求5所述的方法，其中所述同所述目标账号关联的历史广告回流数据包括：

同所述目标账号具有相似属性的用户的历史广告流量对应的CTR、CVR、CPA、eCPM以及权益值。

7.如权利要求1所述的信息推送的方法，其中所述根据所述目标广告任务从至少一个权益值中确定目标权益值包括：

根据预设的权益预算比例、广告流量参数、CTR、CVR、CPA、eCPM以及权益值之间的关联关系建立全局最优模型；

根据同所述目标账号关联的历史广告回流数据训练所述全局最优模型；以及

将所述广告页面加载请求对应的广告流量参数输入所述全局最优模型，获得所述目标权益值。

8.如权利要求7所述的信息推送的方法，其中所述同所述目标账号关联的历史广告回流数据包括：

同所述目标账号具有相似属性的用户的历史广告流量及其对应的CTR、CVR、CPA、eCPM以及权益值。

9.如权利要求1所述的方法，其中所述根据所述广告请求从至少一个候选广告任务中确定目标广告任务包括：

根据所述广告请求计算所述至少一个广告任务中每一个广告任务的目标分数；以及

确定所述目标分数最高的广告任务为所述目标广告任务。

10.一种服务器，包括：

至少一个存储器，包括至少一组指令集；以及

至少一个处理器，同所述至少一个存储器通讯连接，当所述至少一个处理器运行所述至少一组指令集时，所述至少一个处理器执行权利要求1-9中任意一个权利要求所述的信息推送的方法。

11.一种信息推送的方法，包括：

向目标服务器发送广告页面加载请求，其中所述广告页面加载请求包括目标账号的信息，所述广告页面包括：

广告任务，以及

完成所述广告任务可获得的权益值；

接收来自所述目标服务器的所述广告页面的数据，所述广告页面的数据包括目标广告任务以及目标权益值，其中所述目标权益值同所述目标账号关联；以及

加载所述广告页面。

12.如权利要求11所述的信息推送的方法，其中所述目标权益值同所述目标账号对所述权益值的敏感度相关联。

13.如权利要求11所述的信息推送的方法，还包括：

响应于所述目标账号完成所述目标任务的信号，激活向所述目标账号发放所述目标权益值的流程。

14.如权利要求11所述的信息推送的方法，其中所述目标服务器在接收到所述广告页面加载请求之后：

根据所述广告页面加载请求从至少一个广告任务中确定所述目标广告任务；以及

根据所述目标广告任务从至少一个权益值中确定所述目标权益值。

15.如权利要求14所述的信息推送的方法，其中所述根据所述目标广告任务从至少一个权益值中确定所述目标权益值包括：

基于深度学习模型，获取所述至少一个权益值中每一个权益值对应的点击率(CTR)和转化率(CVR)；

获取所述每一个权益值对应的每一千次展示可获得的广告收入(eCPM)，其中所述每一个权益值对应的eCPM同下述数据相关联：

所述每一个权益值，

所述每一个权益值对应CTR和CVR，以及

所述目标广告任务对应的每次行动成本(CPA)；以及

从所述至少一个权益值中确定所述目标权益值，其中所述目标权益值对应的eCPM为所述至少一个eCPM中最大的eCPM。

16.如权利要求15所述的信息推送的方法，其中所述根据所述目标广告任务从至少一个权益值中确定所述目标权益值还包括：

根据同所述目标账号关联的历史广告回流数据训练所述深度学习模型。

17.如权利要求16所述的方法，其中所述同所述目标账号关联的历史广告回流数据包括：

同所述目标账号具有相似属性的用户的历史广告流量对应的CTR、CVR、CPA、eCPM以及权益值。

18.如权利要求14所述的信息推送的方法，其中所述根据所述目标广告任务从至少一个权益值中确定所述目标权益值包括：

根据预设的权益预算比例、广告流量参数、CTR、CVR、CPA、eCPM以及权益值之间的关联关系建立全局最优模型；

根据同所述目标账号关联的历史广告回流数据训练所述全局最优模型；以及

将所述广告页面加载请求对应的广告流量参数输入所述全局最优模型，获得所述目标权益值。

19.如权利要求18所述的信息推送的方法，其中所述同所述目标账号关联的历史广告回流数据包括：

同所述目标账号具有相似属性的用户的历史广告流量及其对应的CTR、CVR、CPA、eCPM以及权益值。

20.一种终端设备，包括：

至少一个存储器，包括至少一组指令集；以及

至少一个处理器，同所述至少一个存储器通讯连接，当所述至少一个处理器运行所述至少一组指令集时，所述至少一个处理器执行权利要求11-19中任意一个权利要求所述的信息推送的方法。

21.一种广告系统，包括：

广告投放系统，接收来自终端设备中目标账号的广告请求，并根据所述广告请求从至少一个候选广告中确定目标广告任务，并向所述终端设备投放所述目标广告任务；

用户权益决策系统，从至少一个权益值中确定目标权益值，并将所述目标权益值发送给所述广告投放系统；以及

用户权益发放系统，响应于所述目标账号完成所述目标广告任务的信号，向所述目标账号发放所述目标权益值。

Images