CN111815373A - 一种转化成本优化方法、装置、电子设备及存储介质 - Google Patents

一种转化成本优化方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111815373A
CN111815373A CN202010907478.8A CN202010907478A CN111815373A CN 111815373 A CN111815373 A CN 111815373A CN 202010907478 A CN202010907478 A CN 202010907478A CN 111815373 A CN111815373 A CN 111815373A
Authority
CN
China
Prior art keywords
advertisement
conversion
information
delivered
predicted
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
Application number
CN202010907478.8A
Other languages
English (en)
Inventor
于沈新
童有军
李旸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Youyi Internet Technology Development Co ltd
Original Assignee
Beijing Youyi Internet Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Youyi Internet Technology Development Co ltd filed Critical Beijing Youyi Internet Technology Development Co ltd
Priority to CN202010907478.8A priority Critical patent/CN111815373A/zh
Publication of CN111815373A publication Critical patent/CN111815373A/zh
Pending legal-status Critical Current

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
    • G06Q30/0244—Optimization
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明实施例提供了一种转化成本优化方法、装置、电子设备及存储介质，该方法包括：在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率；将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。从而可以实现基于多种衡量指标进行转化成本优化，可以减少因一种衡量指标导致的转化成本过高，而造成的投放成本浪费；从而提高转化成本优化效果。

Description

一种转化成本优化方法、装置、电子设备及存储介质
技术领域
本发明涉及广告投放技术领域，特别是涉及一种转化成本优化方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展，越来越多的广告投放者都选择在互联网上进行广告投放，当广告投放者在互联网的广告投放平台投放广告时，通常会选择计价方式，然后按照选择的计价方式向广告投放平台支付广告投放费用。其中，目前常用的计价方式包括：CPC（Cost Per Click，每点击成本）、CPM（Cost Per Mille，每千人成本）以及CPA（Cost PerAction，每行动成本）。
而由于广告投放者越来越关注广告投放的广告效果，因此，需要对广告效果优化，以使得广告投放者以尽可能少的投入，获得尽可能高的广告效果，从而达到降低广告的转化成本的目的。
然而，现有技术中在进行转化成本优化时，通常是基于点击率、转化率、下载激活率或投放产出比等单一的衡量指标进行转化成本优化的。这样的转化成本优化方式过于单一，并不能满足日益严苛的广告效果优化要求。
发明内容
本发明实施例的目的在于提供一种转化成本优化方法、装置、电子设备及存储介质，以实现基于多种衡量指标进行转化成本优化，提高转化成本优化效果。具体技术方案如下：
第一方面，本发明实施例提供了一种转化成本优化方法，该方法包括：
在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR（ConversionRate，转化率）模型，得到待投放广告在目标终端上的预测转化率，预先训练完成的CVR模型为采用历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的；
基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
可选的，在获取广告投放请求之前，该方法还包括：
获取历史终端信息、对应的已投放广告的广告信息以及已投放广告的点击率，确定已投放广告在多个维度下的点击率，其中，多个维度包括：已投放广告对应的广告投放者投放的所有广告的平均点击率、已投放广告所属的广告类别中所有广告的平均点击率以及已投放广告所属的广告项目中所有广告的平均点击率，广告项目包括多个广告类别；
基于已投放广告在多个维度下的点击率，构建预先统计的点击率数据；
基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告的预测点击率，包括：
获取待投放广告的预测维度，基于预测维度、待投放广告的广告投放信息和包含多个维度的点击率的预先统计的点击率数据，确定待投放广告在预测维度下的预测点击率；
基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，包括：
基于待投放广告在预测维度下的预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
可选的，采用历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练，得到预先训练完成的CVR模型的步骤，包括：
将已转化终端的终端信息作为正样本，将已转化终端安装的应用程序信息以及预设时间段内已转化终端对应的广告信息作为正样本特征，其中，已转化终端为发生预设转化行为的已投放广告所在的终端；
将未转化终端的终端信息作为负样本，将未转化终端安装的应用程序信息以及预设时间段内未转化终端对应的广告信息作为负样本特征，其中，未转化终端为未发生预设转化行为的已投放广告所在的终端；
采用正样本、正样本特征、负样本和负样本特征对预设CVR模型进行训练，得到预先训练完成的CVR模型。
可选的，基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，包括：
基于预测点击率
Figure 77102DEST_PATH_IMAGE001
、预测转化率
Figure 393813DEST_PATH_IMAGE002
以及待优化转化成本
Figure 584623DEST_PATH_IMAGE003
，通过第一计价策略公式：
Figure 12194DEST_PATH_IMAGE004
确定待投放广告在目标终端上的优化转化成本
Figure 480215DEST_PATH_IMAGE005
，其中，
Figure 295725DEST_PATH_IMAGE006
为待投放广告的基准转化成本，
Figure 442672DEST_PATH_IMAGE007
，
Figure 877196DEST_PATH_IMAGE008
和
Figure 589937DEST_PATH_IMAGE009
为预先设置的广告投放系数，
Figure 982872DEST_PATH_IMAGE010
为待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化率的平均值。
可选的，在基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本之前，该方法还包括：
将目标终端信息和待投放广告的广告信息，输入至预先训练得到的ATV（AverageTransaction Value，平均转化价值）模型，得到待投放广告在目标终端上的预测转化价值；其中，预先训练完成的ATV模型为采用历史终端信息、对应的终端历史转化行为、对应的已投放广告信息和对应的转化价值作为训练样本，对预设ATV模型进行训练得到的；
基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，包括：
基于预测点击率、预测转化率、待优化转化成本以及预测转化价值，确定待投放广告在目标终端上的优化转化成本。
可选的，基于预测点击率、预测转化率、待优化转化成本以及预测转化价值，确定待投放广告在目标终端上的优化转化成本，包括：
基于预测点击率
Figure 289219DEST_PATH_IMAGE001
、预测转化率
Figure 386488DEST_PATH_IMAGE002
、待优化转化成本
Figure 94681DEST_PATH_IMAGE003
以及预测转化价值
Figure 986414DEST_PATH_IMAGE011
，通过第二计价策略公式：
Figure 514479DEST_PATH_IMAGE012
确定待投放广告在目标终端上的优化转化成本
Figure 415438DEST_PATH_IMAGE005
，其中，
Figure 978138DEST_PATH_IMAGE006
为待投放广告的基准转化成本，
Figure 306351DEST_PATH_IMAGE007
，
Figure 321712DEST_PATH_IMAGE013
和
Figure 760783DEST_PATH_IMAGE014
为与训练完成的CVR模型对应的广告投放系数，
Figure 177989DEST_PATH_IMAGE015
和
Figure 677104DEST_PATH_IMAGE016
为与训练完成的ATV模型对应的广告投放系数，
Figure 179760DEST_PATH_IMAGE010
为待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化率的平均值，
Figure 422523DEST_PATH_IMAGE017
待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化价值的平均值。
可选的，在基于预测点击率
Figure 688376DEST_PATH_IMAGE018
、预测转化率
Figure 358392DEST_PATH_IMAGE019
、待优化转化成本
Figure 348344DEST_PATH_IMAGE020
以及预测转化价值
Figure 129219DEST_PATH_IMAGE021
，通过第二计价策略公式，确定待投放广告在目标终端上的优化转化成本
Figure 521017DEST_PATH_IMAGE022
之前，该方法还包括：
在获取到针对待投放广告的广告投放方式时，确定与待投放广告的广告投放方式对应的目标广告投放系数；
采用目标广告投放系数，对第二计价策略公式中的广告投放系数进行对应调整，得到调整系数后的第二计价策略公式；
基于预测点击率
Figure 627513DEST_PATH_IMAGE001
、预测转化率
Figure 104762DEST_PATH_IMAGE002
、待优化转化成本
Figure 689327DEST_PATH_IMAGE003
以及预测转化价值
Figure 263528DEST_PATH_IMAGE011
，通过第二计价策略公式，确定待投放广告在目标终端上的优化转化成本
Figure 150712DEST_PATH_IMAGE023
，包括：
基于预测点击率
Figure 239891DEST_PATH_IMAGE001
、预测转化率
Figure 503513DEST_PATH_IMAGE002
、待优化转化成本
Figure 728958DEST_PATH_IMAGE003
以及预测转化价值
Figure 787044DEST_PATH_IMAGE011
，通过调整系数后的第二计价策略公式，确定待投放广告在目标终端上的优化转化成本
Figure 566781DEST_PATH_IMAGE005
。
第二方面，本发明实施例还提供了一种转化成本优化装置，该装置包括：
广告投放信息确定模块，用于在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
预测点击率确定模块，用于基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
预测转化率确定模块，用于将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率，预先训练完成的CVR模型为采用历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的；
转化成本优化模块，用于基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
可选的，该装置还包括：
统计模块，用于获取历史终端信息、对应的已投放广告的广告信息以及已投放广告的点击率，确定已投放广告在多个维度下的点击率，其中，多个维度包括：已投放广告对应的广告投放者投放的所有广告的平均点击率、已投放广告所属的广告类别中所有广告的平均点击率以及已投放广告所属的广告项目中所有广告的平均点击率，广告项目包括多个广告类别；
点击率数据构建模块，用于基于已投放广告在多个维度下的点击率，构建预先统计的点击率数据；
预测点击率确定模块，具体用于：
获取待投放广告的预测维度，基于预测维度、待投放广告的广告投放信息和包含多个维度的点击率的预先统计的点击率数据，确定待投放广告在预测维度下的预测点击率；
转化成本优化模块，具体用于：
基于待投放广告在预测维度下的预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
可选的，该装置还包括：CVR模型训练模块，该CVR模型训练模块，包括：
正样本确定子模块，用于将已转化终端的终端信息作为正样本，将已转化终端安装的应用程序信息以及预设时间段内已转化终端对应的广告信息作为正样本特征，其中，已转化终端为发生预设转化行为的已投放广告所在的终端；
负样本确定子模块，用于将未转化终端的终端信息作为负样本，将未转化终端安装的应用程序信息以及预设时间段内未转化终端对应的广告信息作为负样本特征，其中，未转化终端为未发生预设转化行为的已投放广告所在的终端；
训练子模块，用于采用正样本、正样本特征、负样本和负样本特征对预设CVR模型进行训练，得到预先训练完成的CVR模型。
可选的，转化成本优化模块，具体用于：
基于预测点击率
Figure 493149DEST_PATH_IMAGE001
、预测转化率
Figure 714046DEST_PATH_IMAGE002
以及待优化转化成本
Figure 333246DEST_PATH_IMAGE003
，通过第一计价策略公式：
Figure 334700DEST_PATH_IMAGE024
确定待投放广告在目标终端上的优化转化成本
Figure 940125DEST_PATH_IMAGE025
，其中，
Figure 874583DEST_PATH_IMAGE006
为待投放广告的基准转化成本，
Figure 540051DEST_PATH_IMAGE007
，
Figure 91118DEST_PATH_IMAGE008
和
Figure 234654DEST_PATH_IMAGE009
为预先设置的广告投放系数，
Figure 289198DEST_PATH_IMAGE010
为待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化率的平均值。
可选的，该装置还包括：
预测转化价值确定模块，用于将目标终端信息和待投放广告的广告信息，输入至预先训练得到的ATV模型，得到待投放广告在目标终端上的预测转化价值；其中，预先训练完成的ATV模型为采用历史终端信息、对应的终端历史转化行为、对应的已投放广告信息和对应的转化价值作为训练样本，对预设ATV模型进行训练得到的；
转化成本优化模块，具体用于：
基于预测点击率、预测转化率、待优化转化成本以及预测转化价值，确定待投放广告在目标终端上的优化转化成本。
可选的，转化成本优化模块，具体用于：
基于预测点击率
Figure 125567DEST_PATH_IMAGE001
、预测转化率
Figure 632772DEST_PATH_IMAGE002
、待优化转化成本
Figure 579999DEST_PATH_IMAGE003
以及预测转化价值
Figure 957891DEST_PATH_IMAGE011
，通过第二计价策略公式：
Figure 824216DEST_PATH_IMAGE026
确定待投放广告在目标终端上的优化转化成本
Figure 225241DEST_PATH_IMAGE005
，其中，
Figure 569635DEST_PATH_IMAGE006
为待投放广告的基准转化成本，
Figure 739716DEST_PATH_IMAGE007
，
Figure 776942DEST_PATH_IMAGE027
和
Figure 399684DEST_PATH_IMAGE014
为与训练完成的CVR模型对应的广告投放系数，
Figure 16611DEST_PATH_IMAGE015
和
Figure 900253DEST_PATH_IMAGE016
为与训练完成的ATV模型对应的广告投放系数，
Figure 243466DEST_PATH_IMAGE010
为待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化率的平均值，
Figure 212560DEST_PATH_IMAGE017
待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化价值的平均值。
可选的，该装置还包括：
目标广告投放系数确定模块，用于在获取到针对待投放广告的广告投放方式时，确定与待投放广告的广告投放方式对应的目标广告投放系数；
调整模块，用于采用目标广告投放系数，对第二计价策略公式中的广告投放系数进行对应调整，得到调整系数后的第二计价策略公式；
转化成本优化模块，具体用于：
基于预测点击率
Figure 39701DEST_PATH_IMAGE001
、预测转化率
Figure 43429DEST_PATH_IMAGE002
、待优化转化成本
Figure 563403DEST_PATH_IMAGE003
以及预测转化价值
Figure 19793DEST_PATH_IMAGE011
，通过调整系数后的第二计价策略公式，确定待投放广告在目标终端上的优化转化成本
Figure 650625DEST_PATH_IMAGE005
。
第三方面，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一的转化成本优化方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述任一所述的转化成本优化方法的步骤。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的转化成本优化方法的步骤。
本发明实施例有益效果：
本发明实施例提供的一种转化成本优化方法、装置、电子设备及存储介质，在获取到广告投放请求时，先确定广告投放请求中携带的待投放广告的广告投放信息，然后基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，再将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；最后基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。这样，可以基于预测的点击率、预测的转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，从而可以实现基于多种衡量指标进行转化成本优化，由于采用了多种衡量指标进行转化成本优化，可以减少因一种衡量指标导致的转化成本过高，而造成的投放成本浪费；从而提高转化成本优化效果。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
图1为本发明实施例的一种转化成本优化方法第一种实施方式的流程图；
图2为本发明实施例的一种转化成本优化方法第二种实施方式的流程图；
图3为本发明实施例的一种转化成本优化方法第三种实施方式的流程图；
图4为本发明实施例的一种转化成本优化方法第四种实施方式的流程图；
图5为本发明实施例的一种转化成本优化装置的结构示意图；
图6为本发明实施例的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有技术存在的问题，本发明实施例提供了一种转化成本优化方法、装置、电子设备及存储介质，以实现基于多种计价方式进行转化成本优化，提高转化成本优化效果。
下面，首先对本发明实施例的一种转化成本优化方法进行介绍，如图1所示，为本发明实施例的一种转化成本优化方法第一种实施方式的流程图，该方法可以包括：
S110，在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
S120，基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
S130，将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；
S140，基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
在一些示例中，当终端的使用者在终端上观看视频、浏览新闻时，该终端上的视频播放界面或者新闻浏览界面通常会展示广告。
具体的，当终端的使用者打开视频播放界面播放视频时，该终端会向广告投放平台发送广告投放请求，然后该广告投放平台会向该终端发送至少一条广告以进行展示。因此，该广告投放平台可以获取到广告投放请求。
当该广告投放平台获取到广告投放请求时，为了在广告投放后，广告投放者能够按照广告转化成本向广告投放平台支付广告投放费用，则可以先确定该广告投放请求中携带的待投放广告的广告投放信息。
然后可以基于预先统计得到的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率。
在又一些示例中，该预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；其中，该历史终端信息为已经展示过已投放广告的终端的信息，可以包括历史终端的标识信息、历史终端所对应的用户的年龄、性别、爱好等信息。
例如，该预先统计的点击率数据可以是不同的已投放广告在不同的终端上的点击率。
在又一些示例中，上述的广告投放平台在基于预先统计得到的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率时，可以在预先统计的点击率数据中，查找与该待投放广告信息中的目标终端信息和待投放广告最相似的已投放广告和终端所对应的点击率为预测点击率。该目标终端信息可以包括目标终端的标识信息、历史终端所对应的用户的年龄、性别、爱好等信息。
在一些示例中，上述的广告投放平台还可以将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率。其中，该预先训练完成的CVR模型为采用历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的。
在一些示例中，该历史终端信息可以包括发生预设转化行为的已投放广告所在的终端和未发生预设转化行为的已投放广告所在的终端，也即包括已转化终端和未转化终端，该广告转化信息可以包括一定发生转化或一定未发生转化，也即转化率为100%和0。
对此，上述的广告投放平台可以将将已转化终端的终端信息作为正样本，将已转化终端安装的应用程序信息以及预设时间段内已转化终端对应的广告信息作为正样本特征，将未转化终端的终端信息作为负样本，将未转化终端安装的应用程序信息以及预设时间段内未转化终端对应的广告信息作为负样本特征，然后采用正样本、正样本特征、负样本和负样本特征对预设CVR模型进行训练，得到预先训练完成的CVR模型。
在一些示例中，该预设CVR模型为wide and deep模型。
可以理解的是，采用正样本、正样本特征、负样本和负样本特征对预设CVR模型进行训练，得到预先训练完成的CVR模型的方式，可以是采用现有技术中对wide and deep模型进行训练的方式，这里不再赘述。
在又一些示例中，该预设时间段可以是预先根据经验设置的时间段，可以是一天、一周或者一个月，还可以是其他时间段，例如，28天。
通过采用正样本和负样本对预设CVR模型进行训练，可以使得训练完成的CVR模型可以对正样本预测的转化率更接近100%，对负样本预测的转化率更接近0，然后使用该训练完成的CVR模型，预测待投放广告在目标终端上的预测转化率，可以使得该预测转化率更准确。
在得到预测转化率和预测点击率之后，可以基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。可以使得在广告投放的完整过程上进行优化，也即从展示、点击到转化的完整过程上进行优化。
在一些示例中，在基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本时，可以基于预测点击率
Figure 508860DEST_PATH_IMAGE028
、预测转化率
Figure 527631DEST_PATH_IMAGE029
以及待优化转化成本
Figure 346683DEST_PATH_IMAGE003
，通过第一计价策略公式：
Figure 905840DEST_PATH_IMAGE024
确定待投放广告在目标终端上的优化转化成本
Figure 493947DEST_PATH_IMAGE030
，其中，
Figure 480358DEST_PATH_IMAGE006
为待投放广告的基准转化成本，
Figure 786706DEST_PATH_IMAGE007
，
Figure 883975DEST_PATH_IMAGE008
和
Figure 654484DEST_PATH_IMAGE009
为预先设置的广告投放系数，
Figure 687163DEST_PATH_IMAGE010
为待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化率的平均值。
在一些示例中，在计算该待投放广告在目标终端上的优化转化成本之前，上述的广告投放平台可以先选择包括目标终端的多个终端，然后分别将每个终端的终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在每个终端上的预测转化率，从而可以计算待投放广告在上述广告投放平台选择的多个终端上的预测转化率的平均值，也即得到上述的
Figure 605440DEST_PATH_IMAGE031
。
本发明实施例提供的一种转化成本优化方法，可以在获取到广告投放请求时，先确定广告投放请求中携带的待投放广告的广告投放信息，然后基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，再将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；最后基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。这样，可以基于预测的点击率、预测的转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，从而可以实现基于多种衡量指标进行转化成本优化，由于采用了多种衡量指标进行转化成本优化，可以减少因一种衡量指标导致的转化成本过高，而造成的投放成本浪费；从而提高转化成本优化效果。
在图1所示的一种转化成本优化方法的基础上，本发明实施例还提供了一种可能的实现方式，如图2所示，为本发明实施例的一种转化成本优化方法第二种实施方式的流程图，该方法可以包括：
S210，获取历史终端信息、对应的已投放广告的广告信息以及已投放广告的点击率，确定已投放广告在多个维度下的点击率，其中，多个维度包括：不同广告投放者对应的已投放广告的点击率、每一类包含已投放广告的广告类别对应的点击率、所有包含已投放广告的广告类别对应的点击率；
S220，基于已投放广告在多个维度下的点击率，构建预先统计的点击率数据；
S230，在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
S240，获取待投放广告的预测维度，基于预测维度、待投放广告的广告投放信息和包含多个维度的点击率的预先统计的点击率数据，确定待投放广告在预测维度下的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
S250，将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；
S260，基于待投放广告在预测维度下的预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
在一些示例中，对于相同的待投放广告，不同的广告投放者的关注的维度可能不同，例如，有些广告投放者比较关注该广告所属类别的平均点击率，有些广告投放者比较关注包含该广告的所有广告类别的平均点击率，还有一些广告投放者比较关注广告所对应的所有广告投放者对应的平均点击率，对此，上述的广告投放平台可以先获取历史终端信息、对应的已投放广告的广告信息以及已投放广告的点击率，然后基于历史终端信息、对应的已投放广告的广告信息以及已投放广告的点击率，确定已投放广告在多个维度下的点击率，最后，基于已投放广告在多个维度下的点击率，构建包含多个维度的预先统计的点击率数据；
其中，多个维度包括：已投放广告对应的广告投放者投放的所有广告的平均点击率、已投放广告所属的广告类别中所有广告的平均点击率以及已投放广告所属的广告项目中所有广告的平均点击率，其中，广告项目为按照广告投放批次进行划分的，广告项目包括多个广告类别；
在得到包含多个维度的预先统计的点击率数据后，广告投放者在投放广告时，可以选择一个维度，然后通过本发明实施例的转化成本优化方法，确定待投放广告在该选择的维度下的优化转化成本。
因此，上述的广告投放平台可以获取到广告投放者选择的针对该待投放广告的维度，也即预测维度，然后基于预测维度、待投放广告的广告投放信息和包含多个维度的点击率的预先统计的点击率数据，确定待投放广告在预测维度下的预测点击率。
例如，假设广告投放者选择的预测维度为广告主维度，则上述的广告投放平台可以在上述的预先统计的点击率数据中，查找与该待投放广告信息中的目标终端信息的相似度大于预设相似度阈值的终端所对应的，以及与待投放广告最相似的已投放广告对应的广告投放者投放的所有广告的平均点击率为预测点击率。
假设广告投放者选择的预测维度为项目维度，则上述的广告投放平台可以在上述的预先统计的点击率数据中，查找与该待投放广告信息中的目标终端信息的相似度大于预设相似度阈值的终端所对应的，以及与待投放广告最相似的已投放广告所属的广告项目中所有广告的平均点击率为预测点击率。
假设广告投放者选择的预测维度为计划维度，则上述的广告投放平台可以在上述的预先统计的点击率数据中，查找与该待投放广告信息中的目标终端信息的相似度大于预设相似度阈值的终端所对应的，以及与待投放广告最相似的已投放广告所属的广告类别中所有广告的平均点击率为预测点击率。
在得到待投放广告在预测维度下的预测点击率后，上述的广告投放平台可以基于待投放广告在预测维度下的预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
可以理解的是，这里基于待投放广告在预测维度下的预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本的方式，与本发明实施例的第一种实施方式中基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本的方式相似，这里不再赘述。
在图1所示的一种转化成本优化方法的基础上，本发明实施例还提供了一种可能的实现方式，如图3所示，为本发明实施例的一种转化成本优化方法第三种实施方式的流程图，该方法可以包括：
S310，在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
S320，基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
S330，将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；
S340，将目标终端信息和待投放广告的广告信息，输入至预先训练得到的ATV模型，得到待投放广告在目标终端上的预测转化价值；其中，预先训练完成的ATV模型为采用历史终端信息、对应的终端历史转化行为、对应的已投放广告信息和对应的转化价值作为训练样本，对预设ATV模型进行训练得到的；
S350，基于预测点击率、预测转化率、待优化转化成本以及预测转化价值，确定待投放广告在目标终端上的优化转化成本。
在一些示例中，本发明实施例中不仅可以基于预测点击率和预测转化率来确定待投放广告在目标终端上的优化转化成本，还可以基于预测点击率、预测转化率、以及预测转化价值，确定待投放广告在目标终端上的优化转化成本。
对此，上述的广告投放平台在确定广告投放请求中携带的待投放广告的广告投放信息后，还可以将目标终端信息和待投放广告的广告信息，输入至预先训练得到的ATV模型，得到待投放广告在目标终端上的预测转化价值。
其中，该预先训练完成的ATV模型为采用历史终端信息、对应的终端历史转化行为、对应的已投放广告信息和对应的转化价值作为训练样本，对预设ATV模型进行训练得到的。
上述的广告投放平台在分别得到预测点击率、预测转化率以及预测转化价值之后，可以基于预测点击率、预测转化率、待优化转化成本以及预测转化价值，确定待投放广告在目标终端上的优化转化成本。
这样，能够在整体上体现出点击率、转化率以及转化价值对待投放广告在目标终端上的优化转化成本的影响，从而可以减少因一种衡量指标导致的转化成本过高，而造成的投放成本浪费。
在又一些示例中，上述的广告投放平台在基于预测点击率、预测转化率、待优化转化成本以及预测转化价值，确定待投放广告在目标终端上的优化转化成本时，可以基于预测点击率
Figure 116187DEST_PATH_IMAGE001
、预测转化率
Figure 803520DEST_PATH_IMAGE002
、待优化转化成本
Figure 272679DEST_PATH_IMAGE003
以及预测转化价值
Figure 412673DEST_PATH_IMAGE011
，通过第二计价策略公式：
Figure 992690DEST_PATH_IMAGE026
确定待投放广告在目标终端上的优化转化成本
Figure 534530DEST_PATH_IMAGE005
，其中，
Figure 236907DEST_PATH_IMAGE006
为待投放广告的基准转化成本，
Figure 739563DEST_PATH_IMAGE007
，
Figure 716747DEST_PATH_IMAGE027
和
Figure 254038DEST_PATH_IMAGE014
为与训练完成的CVR模型对应的广告投放系数，
Figure 189633DEST_PATH_IMAGE015
和
Figure 179586DEST_PATH_IMAGE016
为与训练完成的ATV模型对应的广告投放系数，
Figure 960460DEST_PATH_IMAGE010
为待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化率的平均值，
Figure 680155DEST_PATH_IMAGE017
待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化价值的平均值。
可以理解的是，本发明实施例中的步骤S310~S330与第一种实施方式中的步骤S110~S130相同或相似，这里不再赘述。
在图3所示的一种转化成本优化方法的基础上，本发明实施例还提供了一种可能的实现方式，如图4所示，为本发明实施例的一种转化成本优化方法第四种实施方式的流程图，该方法可以包括：
S410，在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
S420，基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
S430，将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；
S440，将目标终端信息和待投放广告的广告信息，输入至预先训练得到的ATV模型，得到待投放广告在目标终端上的预测转化价值；其中，预先训练完成的ATV模型为采用历史终端信息、对应的终端历史转化行为、对应的已投放广告信息和对应的转化价值作为训练样本，对预设ATV模型进行训练得到的；
S450，在获取到针对待投放广告的广告投放方式时，确定与待投放广告的广告投放方式对应的目标广告投放系数；
S460，采用目标广告投放系数，对第二计价策略公式中的广告投放系数进行对应调整，得到调整系数后的第二计价策略公式；
S470，基于预测点击率、预测转化率、待优化转化成本以及预测转化价值，通过调整系数后的第二计价策略公式，确定待投放广告在目标终端上的优化转化成本。
在一些示例中，不同的广告投放者，通常具有不同的广告投放需求，例如，有些广告投放者希望以优先跑量的方式投放广告，另一些广告投放者希望以均衡投放方式投放广告，再一些广告投放者希望以优先低成本的方式投放广告。
对此，上述的广告投放平台可以提供给广告投放者选择广告投放方式的选项，然后广告投放者可以选择目标广告投放方式，因此，上述的广告投放平台可以获取到针对该待投放广告的广告投放方式。
在又一些示例中，可以预先针对不同的广告投放方式，设置不同的广告投放系数。例如，针对优先跑量的广告投放方式，可以预先设置
Figure 396438DEST_PATH_IMAGE027
、
Figure 263900DEST_PATH_IMAGE032
、
Figure 723831DEST_PATH_IMAGE033
和
Figure 94769DEST_PATH_IMAGE016
分别为4、0.4、5、0.35；针对稳定投放的广告投放方式，可以预先设置
Figure 309850DEST_PATH_IMAGE027
、
Figure 26394DEST_PATH_IMAGE032
、
Figure 414650DEST_PATH_IMAGE033
和
Figure 781040DEST_PATH_IMAGE016
分别为2、0.15、3、0.2；针对优先低成本的广告投放方式，可以预先设置
Figure 963760DEST_PATH_IMAGE027
、
Figure 415601DEST_PATH_IMAGE032
、
Figure 545231DEST_PATH_IMAGE033
和
Figure 625183DEST_PATH_IMAGE016
分别为1、0.05、2、0.1。
假设广告投放者选择的广告投放方式为稳定投放的广告投放方式，则上述的广告投放平台可以确定与待投放广告的广告投放方式对应的目标广告投放系数分别为
Figure 119749DEST_PATH_IMAGE034
、
Figure 917941DEST_PATH_IMAGE035
、
Figure 523365DEST_PATH_IMAGE036
和
Figure 723403DEST_PATH_IMAGE037
。
然后采用目标广告投放系数，对第二计价策略公式中的广告投放系数进行对应调整，得到调整系数后的第二计价策略公式。最后基于预测点击率
Figure 388870DEST_PATH_IMAGE038
、预测转化率
Figure 612041DEST_PATH_IMAGE029
、待优化转化成本
Figure 145791DEST_PATH_IMAGE003
以及预测转化价值
Figure 75701DEST_PATH_IMAGE011
，通过调整系数后的第二计价策略公式，确定待投放广告在目标终端上的优化转化成本
Figure 36703DEST_PATH_IMAGE039
。
这样，可以使得按照广告投放者选择的广告投放方式，确定待投放广告在目标终端上的优化转化成本，从而可以提高广告投放者的用户体验，并且，使得本发明实施例可以按照不同的广告投放方式，来确定待投放广告在目标终端上的优化转化成本，增加本发明实施例的转化成本优化方法的应用范围。
可以理解的是，本发明实施例中的步骤S410~S440与第三种实施方式中的步骤S310~S340相同或相似，这里不再赘述。
相应于上述的方法实施例，本发明实施例还提供了一种转化成本优化装置，如图5所示，为本发明实施例的一种转化成本优化装置的结构示意图，该装置可以包括：
广告投放信息确定模块510，用于在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
预测点击率确定模块520，用于基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
预测转化率确定模块530，用于将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率，预先训练完成的CVR模型为采用历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的；
转化成本优化模块540，用于基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
本发明实施例提供的一种转化成本优化装置，在获取到广告投放请求时，先确定广告投放请求中携带的待投放广告的广告投放信息，然后基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，再将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；最后基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。这样，可以基于预测的点击率、预测的转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，从而可以实现基于多种衡量指标进行转化成本优化，由于采用了多种衡量指标进行转化成本优化，可以减少因一种衡量指标导致的转化成本过高，而造成的投放成本浪费；从而提高转化成本优化效果。
在一些示例中，该装置还包括：
统计模块，用于获取历史终端信息、对应的已投放广告的广告信息以及已投放广告的点击率，确定已投放广告在多个维度下的点击率，其中，多个维度包括：已投放广告对应的广告投放者投放的所有广告的平均点击率、已投放广告所属的广告类别中所有广告的平均点击率以及已投放广告所属的广告项目中所有广告的平均点击率，广告项目包括多个广告类别；
点击率数据构建模块，用于基于已投放广告在多个维度下的点击率，构建预先统计的点击率数据；
预测点击率确定模块520，具体用于：
获取待投放广告的预测维度，基于预测维度、待投放广告的广告投放信息和包含多个维度的点击率的预先统计的点击率数据，确定待投放广告在预测维度下的预测点击率；
转化成本优化模块540，具体用于：
基于待投放广告在预测维度下的预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
在一些示例中，该装置还包括：CVR模型训练模块，该CVR模型训练模块，包括：
正样本确定子模块，用于将已转化终端的终端信息作为正样本，将已转化终端安装的应用程序信息以及预设时间段内已转化终端对应的广告信息作为正样本特征，其中，已转化终端为发生预设转化行为的已投放广告所在的终端；
负样本确定子模块，用于将未转化终端的终端信息作为负样本，将未转化终端安装的应用程序信息以及预设时间段内未转化终端对应的广告信息作为负样本特征，其中，未转化终端为未发生预设转化行为的已投放广告所在的终端；
训练子模块，用于采用正样本、正样本特征、负样本和负样本特征对预设CVR模型进行训练，得到预先训练完成的CVR模型。
在一些示例中，转化成本优化模块540，具体用于：
基于预测点击率
Figure 684854DEST_PATH_IMAGE001
、预测转化率
Figure 959977DEST_PATH_IMAGE002
以及待优化转化成本
Figure 869027DEST_PATH_IMAGE003
，通过第一计价策略公式：
Figure 876298DEST_PATH_IMAGE040
确定待投放广告在目标终端上的优化转化成本
Figure 870798DEST_PATH_IMAGE005
，其中，
Figure 887296DEST_PATH_IMAGE006
为待投放广告的基准转化成本，
Figure 916432DEST_PATH_IMAGE007
，
Figure 829024DEST_PATH_IMAGE008
和
Figure 576400DEST_PATH_IMAGE009
为预先设置的广告投放系数，
Figure 193326DEST_PATH_IMAGE010
为待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化率的平均值。
在一些示例中，该装置还包括：
预测转化价值确定模块，用于将目标终端信息和待投放广告的广告信息，输入至预先训练得到的ATV模型，得到待投放广告在目标终端上的预测转化价值；其中，预先训练完成的ATV模型为采用历史终端信息、对应的终端历史转化行为、对应的已投放广告信息和对应的转化价值作为训练样本，对预设ATV模型进行训练得到的；
转化成本优化模块540，具体用于：
基于预测点击率、预测转化率、待优化转化成本以及预测转化价值，确定待投放广告在目标终端上的优化转化成本。
在一些示例中，转化成本优化模块540，具体用于：
基于预测点击率
Figure 952335DEST_PATH_IMAGE001
、预测转化率
Figure 160462DEST_PATH_IMAGE002
、待优化转化成本
Figure 270501DEST_PATH_IMAGE003
以及预测转化价值
Figure 487856DEST_PATH_IMAGE011
，通过第二计价策略公式：
Figure 101371DEST_PATH_IMAGE012
确定待投放广告在目标终端上的优化转化成本
Figure 745979DEST_PATH_IMAGE022
，其中，
Figure 405630DEST_PATH_IMAGE006
为待投放广告的基准转化成本，
Figure 36463DEST_PATH_IMAGE007
，
Figure 894697DEST_PATH_IMAGE027
和
Figure 851152DEST_PATH_IMAGE041
为与训练完成的CVR模型对应的广告投放系数，
Figure 529258DEST_PATH_IMAGE015
和
Figure 957922DEST_PATH_IMAGE042
为与训练完成的ATV模型对应的广告投放系数，
Figure 873926DEST_PATH_IMAGE010
为待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化率的平均值，
Figure 860336DEST_PATH_IMAGE017
待投放广告分别在预先选择的包括目标终端的多个终端上的预测转化价值的平均值。
在一些示例中，该装置还包括：
目标广告投放系数确定模块，用于在获取到针对待投放广告的广告投放方式时，确定与待投放广告的广告投放方式对应的目标广告投放系数；
调整模块，用于采用目标广告投放系数，对第二计价策略公式中的广告投放系数进行对应调整，得到调整系数后的第二计价策略公式；
转化成本优化模块540，具体用于：
基于预测点击率
Figure 166684DEST_PATH_IMAGE001
、预测转化率
Figure 263953DEST_PATH_IMAGE002
、待优化转化成本
Figure 972146DEST_PATH_IMAGE003
以及预测转化价值
Figure 129458DEST_PATH_IMAGE011
，通过调整系数后的第二计价策略公式，确定待投放广告在目标终端上的优化转化成本
Figure 657522DEST_PATH_IMAGE005
。
本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现上述任一实施例所示的一种转化成本优化方法的步骤，例如，可以实现如下步骤：
在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率，预先训练完成的CVR模型为采用历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的；
基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
本发明实施例提供的一种电子设备，在获取到广告投放请求时，先确定广告投放请求中携带的待投放广告的广告投放信息，然后基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，再将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；最后基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。这样，可以基于预测的点击率、预测的转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，从而可以实现基于多种衡量指标进行转化成本优化，由于采用了多种衡量指标进行转化成本优化，可以减少因一种衡量指标导致的转化成本过高，而造成的投放成本浪费；从而提高转化成本优化效果。
上述电子设备提到的通信总线可以是外设部件互连标准（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。在一些示例中，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例所示的一种转化成本优化方法的步骤，例如，可以实现如下步骤：
在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率，预先训练完成的CVR模型为采用历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的；
基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
本发明实施例提供的一种计算机可读存储介质，可以在获取到广告投放请求时，先确定广告投放请求中携带的待投放广告的广告投放信息，然后基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，再将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；最后基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。这样，可以基于预测的点击率、预测的转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，从而可以实现基于多种衡量指标进行转化成本优化，由于采用了多种衡量指标进行转化成本优化，可以减少因一种衡量指标导致的转化成本过高，而造成的投放成本浪费；从而提高转化成本优化效果。
在本发明提供的又一实施例中，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一实施例所示的一种转化成本优化方法的步骤，例如，可以执行如下步骤：
在获取到广告投放请求时，确定广告投放请求中携带的待投放广告的广告投放信息，其中，待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，目标终端信息为投放待投放广告的终端所对应的用户信息；
基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，其中，预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率，预先训练完成的CVR模型为采用历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的；
基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。
本发明实施例提供的一种包含指令的计算机程序产品，可以在获取到广告投放请求时，先确定广告投放请求中携带的待投放广告的广告投放信息，然后基于预先统计的点击率数据和待投放广告的广告投放信息，确定待投放广告在目标终端信息对应的目标终端上的预测点击率，再将目标终端信息和待投放广告的广告信息，输入至预先训练完成的CVR模型，得到待投放广告在目标终端上的预测转化率；最后基于预测点击率、预测转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本。这样，可以基于预测的点击率、预测的转化率以及待优化转化成本，确定待投放广告在目标终端上的优化转化成本，从而可以实现基于多种衡量指标进行转化成本优化，由于采用了多种衡量指标进行转化成本优化，可以减少因一种衡量指标导致的转化成本过高，而造成的投放成本浪费；从而提高转化成本优化效果。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及计算机可读存储实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (10)

1.一种转化成本优化方法，其特征在于，所述方法包括：
在获取到广告投放请求时，确定所述广告投放请求中携带的待投放广告的广告投放信息，其中，所述待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，所述目标终端信息为投放所述待投放广告的终端所对应的用户信息；
基于预先统计的点击率数据和所述待投放广告的广告投放信息，确定所述待投放广告在所述目标终端信息对应的目标终端上的预测点击率，其中，所述预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，所述历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
将所述目标终端信息和所述待投放广告的广告信息，输入至预先训练完成的转化率CVR模型，得到所述待投放广告在所述目标终端上的预测转化率，所述预先训练完成的CVR模型为采用所述历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的；
基于所述预测点击率、所述预测转化率以及待优化转化成本，确定所述待投放广告在所述目标终端上的优化转化成本。
2.根据权利要求1所述的方法，其特征在于，在获取所述广告投放请求之前，所述方法还包括：
获取所述历史终端信息、对应的已投放广告的广告信息以及所述已投放广告的点击率，确定所述已投放广告在多个维度下的点击率，其中，所述多个维度包括：所述已投放广告对应的广告投放者投放的所有广告的平均点击率、所述已投放广告所属的广告类别中所有广告的平均点击率以及所述已投放广告所属的广告项目中所有广告的平均点击率，所述广告项目包括多个广告类别；
基于所述已投放广告在多个维度下的点击率，构建所述预先统计的点击率数据；
所述基于预先统计的点击率数据和所述待投放广告的广告投放信息，确定所述待投放广告的预测点击率，包括：
获取所述待投放广告的预测维度，基于所述预测维度、所述待投放广告的广告投放信息和包含多个维度的点击率的所述预先统计的点击率数据，确定所述待投放广告在所述预测维度下的预测点击率；
所述基于所述预测点击率、所述预测转化率以及待优化转化成本，确定所述待投放广告在所述目标终端上的优化转化成本，包括：
基于所述待投放广告在所述预测维度下的预测点击率、所述预测转化率以及待优化转化成本，确定所述待投放广告在所述目标终端上的优化转化成本。
3.根据权利要求1所述的方法，其特征在于，采用所述历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对所述预设CVR模型进行训练，得到所述预先训练完成的CVR模型的步骤，包括：
将已转化终端的终端信息作为正样本，将所述已转化终端安装的应用程序信息以及预设时间段内所述已转化终端对应的广告信息作为正样本特征，其中，所述已转化终端为发生预设转化行为的所述已投放广告所在的终端；
将未转化终端的终端信息作为负样本，将所述未转化终端安装的应用程序信息以及预设时间段内所述未转化终端对应的广告信息作为负样本特征，其中，所述未转化终端为未发生预设转化行为的所述已投放广告所在的终端；
采用所述正样本、所述正样本特征、所述负样本和所述负样本特征对预设CVR模型进行训练，得到所述预先训练完成的CVR模型。
4.根据权利要求1所述的方法，其特征在于，所述基于所述预测点击率、所述预测转化率以及待优化转化成本，确定所述待投放广告在所述目标终端上的优化转化成本，包括：
基于所述预测点击率
Figure DEST_PATH_IMAGE001
、所述预测转化率
Figure 980297DEST_PATH_IMAGE002
以及所述待优化转化成本
Figure DEST_PATH_IMAGE003
，通过第一计价策略公式：
Figure 835121DEST_PATH_IMAGE004
确定所述待投放广告在所述目标终端上的优化转化成本
Figure DEST_PATH_IMAGE005
，其中，所述
Figure 818120DEST_PATH_IMAGE006
为所述待投放广告的基准转化成本，所述
Figure DEST_PATH_IMAGE007
，所述
Figure 354275DEST_PATH_IMAGE008
和所述
Figure DEST_PATH_IMAGE009
为预先设置的广告投放系数，所述
Figure 366050DEST_PATH_IMAGE010
为所述待投放广告分别在预先选择的包括所述目标终端的多个终端上的预测转化率的平均值。
5.根据权利要求1所述的方法，其特征在于，在所述基于所述预测点击率、所述预测转化率以及待优化转化成本，确定所述待投放广告在所述目标终端上的优化转化成本之前，所述方法还包括：
将所述目标终端信息和所述待投放广告的广告信息，输入至预先训练得到的平均转化价值ATV模型，得到所述待投放广告在所述目标终端上的预测转化价值；其中，所述预先训练完成的ATV模型为采用历史终端信息、对应的终端历史转化行为、对应的已投放广告信息和对应的转化价值作为训练样本，对预设ATV模型进行训练得到的；
所述基于所述预测点击率、所述预测转化率以及待优化转化成本，确定所述待投放广告在所述目标终端上的优化转化成本，包括：
基于所述预测点击率、所述预测转化率、所述待优化转化成本以及所述预测转化价值，确定所述待投放广告在所述目标终端上的优化转化成本。
6.根据权利要求5所述的方法，其特征在于，所述基于所述预测点击率、所述预测转化率、所述待优化转化成本以及所述预测转化价值，确定所述待投放广告在所述目标终端上的优化转化成本，包括：
基于所述预测点击率
Figure 719671DEST_PATH_IMAGE001
、所述预测转化率
Figure 721125DEST_PATH_IMAGE002
、所述待优化转化成本
Figure 326550DEST_PATH_IMAGE003
以及所述预测转化价值
Figure DEST_PATH_IMAGE011
，通过第二计价策略公式：
Figure 198691DEST_PATH_IMAGE012
确定所述待投放广告在所述目标终端上的优化转化成本
Figure DEST_PATH_IMAGE013
，其中，所述
Figure 457634DEST_PATH_IMAGE006
为所述待投放广告的基准转化成本，所述
Figure 618488DEST_PATH_IMAGE007
，所述
Figure 152238DEST_PATH_IMAGE014
和所述
Figure DEST_PATH_IMAGE015
为与所述训练完成的CVR模型对应的广告投放系数，所述
Figure 816568DEST_PATH_IMAGE016
和所述
Figure DEST_PATH_IMAGE017
为与所述训练完成的ATV模型对应的广告投放系数，所述
Figure 449675DEST_PATH_IMAGE018
为所述待投放广告分别在预先选择的包括所述目标终端的多个终端上的预测转化率的平均值，所述
Figure DEST_PATH_IMAGE019
所述待投放广告分别在预先选择的包括所述目标终端的多个终端上的预测转化价值的平均值。
7.根据权利要求6所述的方法，其特征在于，在所述基于所述预测点击率
Figure 628984DEST_PATH_IMAGE020
、所述预测转化率
Figure 638528DEST_PATH_IMAGE002
、所述待优化转化成本
Figure 813157DEST_PATH_IMAGE003
以及所述预测转化价值
Figure 820428DEST_PATH_IMAGE011
，通过第二计价策略公式，确定所述待投放广告在所述目标终端上的优化转化成本
Figure DEST_PATH_IMAGE021
之前，所述方法还包括：
在获取到针对所述待投放广告的广告投放方式时，确定与所述待投放广告的广告投放方式对应的目标广告投放系数；
采用所述目标广告投放系数，对所述第二计价策略公式中的广告投放系数进行对应调整，得到调整系数后的第二计价策略公式；
所述基于所述预测点击率
Figure 487032DEST_PATH_IMAGE001
、所述预测转化率
Figure 300267DEST_PATH_IMAGE002
、所述待优化转化成本
Figure 329403DEST_PATH_IMAGE003
以及所述预测转化价值
Figure 507575DEST_PATH_IMAGE011
，通过第二计价策略公式，确定所述待投放广告在所述目标终端上的优化转化成本
Figure 254951DEST_PATH_IMAGE013
，包括：
基于所述预测点击率
Figure 543981DEST_PATH_IMAGE001
、所述预测转化率
Figure 630886DEST_PATH_IMAGE002
、所述待优化转化成本
Figure 104592DEST_PATH_IMAGE003
以及所述预测转化价值
Figure 949052DEST_PATH_IMAGE011
，通过所述调整系数后的第二计价策略公式，确定所述待投放广告在所述目标终端上的优化转化成本
Figure 166406DEST_PATH_IMAGE022
。
8.一种转化成本优化装置，其特征在于，所述装置包括：
广告投放信息确定模块，用于在获取到广告投放请求时，确定所述广告投放请求中携带的待投放广告的广告投放信息，其中，所述待投放广告的广告投放信息包括：目标终端信息和待投放广告的广告信息，所述目标终端信息为投放所述待投放广告的终端所对应的用户信息；
预测点击率确定模块，用于基于预先统计的点击率数据和所述待投放广告的广告投放信息，确定所述待投放广告在所述目标终端信息对应的目标终端上的预测点击率，其中，所述预先统计的点击率数据为基于历史广告投放信息以及对应的点击率统计得到的，所述历史广告投放信息包括：历史终端信息和对应的已投放广告的广告信息；
预测转化率确定模块，用于将所述目标终端信息和所述待投放广告的广告信息，输入至预先训练完成的CVR模型，得到所述待投放广告在所述目标终端上的预测转化率，所述预先训练完成的CVR模型为采用所述历史终端信息和对应的已投放广告的广告转化信息作为训练样本，对预设CVR模型进行训练得到的；
转化成本优化模块，用于基于所述预测点击率、所述预测转化率以及待优化转化成本，确定所述待投放广告在所述目标终端上的优化转化成本。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。
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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
CN202010907478.8A 2020-09-02 2020-09-02 一种转化成本优化方法、装置、电子设备及存储介质 Pending CN111815373A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010907478.8A CN111815373A (zh) 2020-09-02 2020-09-02 一种转化成本优化方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010907478.8A CN111815373A (zh) 2020-09-02 2020-09-02 一种转化成本优化方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN111815373A true CN111815373A (zh) 2020-10-23

Family

ID=72860726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010907478.8A Pending CN111815373A (zh) 2020-09-02 2020-09-02 一种转化成本优化方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111815373A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465573A (zh) * 2021-02-03 2021-03-09 北京淇瑀信息科技有限公司 一种多渠道智能广告投放方法、装置和电子设备
CN113724016A (zh) * 2021-09-09 2021-11-30 北京有竹居网络技术有限公司 获取多媒体资源关注度的方法、装置、介质及设备
CN113763017A (zh) * 2021-01-19 2021-12-07 北京沃东天骏信息技术有限公司 一种信息处理方法及装置、存储介质
CN115018533A (zh) * 2022-05-27 2022-09-06 北京有竹居网络技术有限公司 一种媒体数据处理方法、装置及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108038720A (zh) * 2017-12-06 2018-05-15 电子科技大学 一种基于因子分解机的广告点击率预测方法
CN109636490A (zh) * 2019-01-25 2019-04-16 上海基分文化传播有限公司 广告转化率的实时预测方法、广告评价方法与系统
CN109919670A (zh) * 2019-02-27 2019-06-21 重庆金窝窝网络科技有限公司 广告点击概率的预测方法、装置、服务器和存储介质
CN110070386A (zh) * 2019-03-13 2019-07-30 北京品友互动信息技术股份公司 确定流量价值和广告出价的方法及装置
CN110796477A (zh) * 2019-09-23 2020-02-14 北京三快在线科技有限公司 广告展示方法、装置、电子设备及可读存储介质
CN111178981A (zh) * 2020-01-02 2020-05-19 众安在线财产保险股份有限公司 一种广告投放方法、装置、计算机设备及存储介质
CN111369271A (zh) * 2018-12-25 2020-07-03 北京达佳互联信息技术有限公司 一种广告的排序方法、装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108038720A (zh) * 2017-12-06 2018-05-15 电子科技大学 一种基于因子分解机的广告点击率预测方法
CN111369271A (zh) * 2018-12-25 2020-07-03 北京达佳互联信息技术有限公司 一种广告的排序方法、装置、电子设备及存储介质
CN109636490A (zh) * 2019-01-25 2019-04-16 上海基分文化传播有限公司 广告转化率的实时预测方法、广告评价方法与系统
CN109919670A (zh) * 2019-02-27 2019-06-21 重庆金窝窝网络科技有限公司 广告点击概率的预测方法、装置、服务器和存储介质
CN110070386A (zh) * 2019-03-13 2019-07-30 北京品友互动信息技术股份公司 确定流量价值和广告出价的方法及装置
CN110796477A (zh) * 2019-09-23 2020-02-14 北京三快在线科技有限公司 广告展示方法、装置、电子设备及可读存储介质
CN111178981A (zh) * 2020-01-02 2020-05-19 众安在线财产保险股份有限公司 一种广告投放方法、装置、计算机设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763017A (zh) * 2021-01-19 2021-12-07 北京沃东天骏信息技术有限公司 一种信息处理方法及装置、存储介质
CN112465573A (zh) * 2021-02-03 2021-03-09 北京淇瑀信息科技有限公司 一种多渠道智能广告投放方法、装置和电子设备
CN113724016A (zh) * 2021-09-09 2021-11-30 北京有竹居网络技术有限公司 获取多媒体资源关注度的方法、装置、介质及设备
CN115018533A (zh) * 2022-05-27 2022-09-06 北京有竹居网络技术有限公司 一种媒体数据处理方法、装置及设备

Similar Documents

Publication Publication Date Title
CN111815373A (zh) 一种转化成本优化方法、装置、电子设备及存储介质
Foubert et al. Try it, you’ll like it—or will you? The perils of early free-trial promotions for high-tech service adoption
JP5695655B2 (ja) ユーザフィードバックに基づくオンライン広告の選択及び優先順位付け
US8560390B2 (en) Method and apparatus for social network marketing with brand referral
TW201520936A (zh) 使用者參與度上下文相關之非保證交付自動標價
CN110929052A (zh) 多媒体资源推荐方法、装置、电子设备及存储介质
US20080091524A1 (en) System and method for advertisement price adjustment utilizing traffic quality data
US20120136714A1 (en) User intent analysis engine
CN108965951B (zh) 广告的播放方法及装置
CN111178970A (zh) 广告投放的方法及装置、电子设备和计算机可读存储介质
CN107563813B (zh) 一种pdb广告推送频次的控制方法及系统
WO2023000491A1 (zh) 一种应用推荐方法、装置、设备及计算机可读存储介质
US20190066200A1 (en) Bid optimization
CN111899041A (zh) 信息投放的处理和投放方法、装置、设备及存储介质
KR102111491B1 (ko) 1인 미디어 영상 채널의 간접광고 가치평가 시스템 및 방법
CN111090810A (zh) 一种应用消息的推送方法、装置及电子设备
KR102353247B1 (ko) 바이럴 마케팅 매칭 방법 및 시스템
US20110313834A1 (en) Eliciting social search responses from sponsoring agents
CN113793181B (zh) 一种广告位的出价方法、系统和装置
CN114841748A (zh) 广告投放方法、装置、电子设备及存储介质
CN114119074A (zh) 一种推荐广告的方法以及装置
CN114897562A (zh) 一种广告投放方法、装置、电子设备及存储介质
JP2017228315A (ja) 決定装置、決定方法及び決定プログラム
JP6752919B2 (ja) 決定装置、決定方法及び決定プログラム
KR20130054690A (ko) 광고 제공 방법 및 장치

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