CN111932314A - 推荐内容的推送方法、装置、设备及可读存储介质 - Google Patents
推荐内容的推送方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111932314A CN111932314A CN202010880190.6A CN202010880190A CN111932314A CN 111932314 A CN111932314 A CN 111932314A CN 202010880190 A CN202010880190 A CN 202010880190A CN 111932314 A CN111932314 A CN 111932314A
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- expected
- conversion
- resource amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- 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
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0273—Determination of fees for advertising
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种推荐内容的推送方法、装置、设备及可读存储介质,涉及数据处理领域。该方法包括:获取历史转化数据;获取期望转化表达,期望转化表达中包括历史期望数据和未来期望表达,历史期望数据对应历史互动操作在指定时刻前的预期回流,未来期望表达中包括未来期望数据与调整系数之间的对应关系;根据历史转化数据和期望转化表达确定调整系数;以调整系数对指定资源量数据进行调整。通过历史转化数据和期望转化表达得到调整系数,由于期望转化表达是根据历史期望数据和未来期望数据整合确定得到的,也即,资源量的控制准确率较高,当本申请应用于云服务器中时,在云服务器中存储和读取上述转化数据。
Description
技术领域
本申请实施例涉及数据处理领域,特别涉及一种推荐内容的推送方法、装置、设备及可读存储介质。
背景技术
广告出价是指广告主在投放广告时为用户的交互事件所支付的资源数量,如:为千次曝光/一次点击事件/一次转化事件所支付的资源数量,通常,广告主根据广告出价针对一段时长预先确定预算总额,其中,转化事件是指根据曝光延伸得到的互动事件,如:下载事件、注册事件等。
相关技术中,在确定转化量时,将指定时间段内的上报的转化事件皆确定为在该指定时间段内的转化事件,并以该转化事件的数量和花费总额确定该指定时间段内转化事件的成本。
然而,由于转化事件在上报时,常会存在延迟情况,如:用户在下载软件到注册帐号之间存在延迟,故,导致针对指定时间段内的转化事件计算资源投入量时,计算结果的准确率较低,导致广告投放时的投放效果不可参考,影响使得广告的资源投入量偏离客户期望的投入量。
发明内容
本申请实施例提供了一种推荐内容的推送方法、装置、设备及可读存储介质,能够提高广告投放时的投放效果的评价准确率。所述技术方案如下:
一方面,提供了一种推荐内容的推送方法,所述方法包括:
从数据库中读取推荐内容的历史转化数据,所述历史转化数据用于表示历史互动操作回流得到的数据;
获取期望转化表达,所述期望转化表达中包括历史期望数据和未来期望表达,所述历史期望数据对应所述历史互动操作在指定时刻前的预期回流,所述未来期望表达中包括未来期望数据与调整系数之间的对应关系,所述未来期望数据对应未来互动操作的预期回流;
根据所述历史转化数据和所述期望转化表达确定所述调整系数;
以所述调整系数对指定资源量数据进行调整,得到所述推荐内容的调整资源量数据;
根据所述调整资源量数据对所述推荐内容进行排序,所述排序顺序用于确定被推送的推荐内容。
另一方面,提供了一种推荐内容的推送装置,所述装置包括:
获取模块,用于从数据库中读取推荐内容的历史转化数据,所述历史转化数据用于表示历史互动操作回流得到的数据;获取期望转化表达,所述期望转化表达中包括历史期望数据和未来期望表达,所述历史期望数据对应所述历史互动操作在指定时刻前的预期回流,所述未来期望表达中包括未来期望数据与调整系数之间的对应关系,所述未来期望数据对应未来互动操作的预期回流;
确定模块,用于根据所述历史转化数据和所述期望转化表达确定所述调整系数;
调整模块,用于以所述调整系数对指定资源量数据进行调整,得到所述推荐内容的调整资源量数据;
排序模块,用于根据所述调整资源量数据对所述推荐内容进行排序,所述排序顺序用于确定被推送的推荐内容。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述的推荐内容的推送方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述本申请实施例中任一所述的推荐内容的推送方法。
另一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中任一所述的推荐内容的推送方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
通过历史转化数据和期望转化表达得到调整系数,从而对指定资源量进行调整,由于期望转化表达是根据历史期望数据和未来期望数据整合确定得到的,也即,通过历史转化数据、历史期望数据、未来期望数据共同对调整系数进行确定,平衡资源量数据,投放效果的展示准确率较高,以及资源量数据调整后资源量投入的控制准确率也较高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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附图。
图1是本申请一个示例性实施例提供的出价调整的简略版原理示意图;
图2是本申请一个示例性实施例提供的实施环境示意图;
图3是本申请一个示例性实施例提供的推荐内容的推送方法的流程图;
图4是基于图3示出的实施例提供的历史转化数据、历史期望数据以及未来期望数据的示意图;
图5是本申请一个示例性实施例提供的广告数据发布过程的流程示意图;
图6是本申请另一个示例性实施例提供的推荐内容的推送方法的流程图;
图7是基于图6示出的实施例提供的调整系数的调整过程流程图;
图8是本申请另一个示例性实施例提供的推荐内容的推送方法的流程图;
图9是本申请一个示例性实施例提供的广告投放效果的投放界面示意图;
图10是本申请一个示例性实施例提供的测试结果折线示意图;
图11是本申请一个示例性实施例提供的推荐内容的推送装置的结构框图;
图12是本申请另一个示例性实施例提供的推荐内容的推送装置的结构框图;
图13是本申请一个示例性实施例提供的服务器的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
首先,针对本申请实施例中涉及的名词进行简单介绍:
广告出价:是指广告主在投放广告时为用户的交互事件所支付的资源数量,如:为千次曝光/一次点击事件/一次转化事件所支付的资源数量,如:如15元1000个曝光(CostPer Mille,CPM)、1毛钱一个点击(Cost Per Click,CPC),10元一个激活(Cost PerAction,CPA),广告出价用于表示广告主的要求成本。
调价策略:是指为了某个时间段内的成本目标,基于广告出价进行上下浮动的出价方式。如:广告主出价是10元/激活,在12点的时候花费100,回流了5个激活,实时成本为20元,为保证该广告在24点达到10元/激活的成本,系统会根据策略进行出价下调,如出价8元。广告的出价影响广告在曝光时的优先级。
示意性的,请参考图1,根据消耗栏110、激活量120、激活成本130和调价方式140可知,广告A在30号开始投放,出价为90元/激活,在30号当天消耗预算3000并得到15个激活,成本为200元/激活,剩下15个激活在1号回流。而1号消耗了预算2000元,并在当天带来13个激活,成本为71.11元/激活,剩下6个在2号回流,以此类推。如图1所示,由于30号成本体现为200元/激活,故对出价进行下调;由于1号成本体现为71.11元/激活,故对出价进行上调;由于2号成本体现为111元/激活,故对出价进行下调。
由于广告主通常无法获取到曝光、点击等前向数据,故通常采用上报转化以考核广告投放的效果。也即,将一段时间内上报的转化作为该段时间的转化,以转化的数量和时间确定广告投放的效果。
然而,转化事件在上报时,常会存在延迟情况,如:用户在广告投放第一天下载广告软件,而在广告投放第三天在广告软件中注册帐号,也即,第一天产生了转化请求,而第三天完成转化并回流。导致针对指定时间段内的转化事件的计算成本时,计算结果的准确率较低,导致广告投放时的投放效果准确率较低。
云技术(Cloud technology):是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。技术网络系统的后台服务需要大量的计算、存储资源,示意性的,双录视频的质检过程中,需要对双录视频进行存储、对双录视频中的不同关键视频片段进行AI计算。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,只能通过云计算来实现。
结合上述名词简介,对本申请实施例的实施环境进行说明。
示意性的,请参考图2,该实施环境中包括终端210、服务器220和通信网络230;
其中,终端210中安装有应用程序,且该应用程序能够接收到广告主所投放的广告消息,当用户对该广告消息进行交互操作时,根据交互操作生成交互事件上报至服务器220。其中,服务器220为广告投放平台对应的服务器,或,服务器220为广告主对应的服务器。
可选地,该交互操作包括:点击操作、链接跳转操作、购买操作、软件下载操作、注册操作中的至少一种。
响应于服务器220为广告投放平台对应的服务器,服务器220根据历史转化事件和期望转化事件对广告投放的成本进行预测,从而根据广告主的出价进行出价调整。响应于服务器220为广告主对应的服务器,则服务器220在接收到转化事件后,向广告投放平台对应的服务器进行上报,从而广告投放平台对应的服务器根据历史转化事件和期望转化事件对广告投放的成本进行预测,从而根据广告主的出价进行出价调整。
值得注意的是,上述服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
示意性的,以本申请实施例中提供的推荐内容的推送方法应用于云服务器中为例,云计算(cloud computing)是指互联网技术(Internet Technology,IT)基础设施的交付和使用模式,指通过网络以按需、易扩展的方式获得所需资源;广义云计算指服务的交付和使用模式,指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关,也可是其他服务。云计算是网格计算(Grid Computing)、分布式计算(Distributed Computing)、并行计算(Parallel Computing)、效用计算(UtilityComputing)、网络存储(Network Storage Technologies)、虚拟化(Virtualization)、负载均衡(Load Balance)等传统计算机和网络技术发展融合的产物。
示意性的,本申请实施例中,不同转化数据的计算,通过并行计算方式进行并行处理,提高了转化数据的计算效率。
随着互联网、实时数据流、连接设备多样化的发展,以及搜索服务、社会网络、移动商务和开放协作等需求的推动,云计算迅速发展起来。不同于以往的并行分布式计算,云计算的产生从理念上将推动整个互联网模式、企业管理模式发生革命性的变革。
结合上述名词介绍和实施环境,对本申请实施例中提供的推荐内容的推送方法进行说明,图3是本申请一个示例性实施例提供的推荐内容的推送方法的流程图,以该方法应用于服务器中为例进行说明,如图3所示,该方法包括:
步骤301,从数据库中读取推荐内容的历史转化数据,历史转化数据用于表示历史互动操作回流得到的数据。
历史转化数据用于表示推荐内容在历史时间段内的历史互动操作,在要求时间段内回流得到的数据,如:以当前日期的当前时刻为基准,则,历史转化数据用于表示在当前时刻之前的历史互动操作,在当前日期内的当前时刻之前回流得到的数据。
在一些实施例中,历史转化数据包括当前日期内在当前时刻之前的历史互动操作回流得到的数据、当前日期前的历史互动操作在当前日期内的当前时刻之前回流得到的数据。
示意性的,当前时刻为8月20日15:36,则历史转化数据中包括8月20日15:36之前产生的历史互动操作,在15:36之前回流得到的数据,如,15:20产生的历史互动操作,在15:32回流的数据。历史转化数据中还包括8月19日产生的历史互动操作中,在8月20日15:30回流的数据。
可选地,当历史转化数据中包括当前日期前的历史互动操作在当前日期内的当前时刻之前回流得到的数据时,该历史互动操作在当前日期之前,以及指定日期之后,如:8月15日之后8月20日之前产生的历史互动操作,在8月20日15:36之前回流得到的数据。
值得注意的是,上述举例中,以日期为时间划分粒度为例进行说明,实际操作中,还可以以小时、两日、周等周期为时间划分粒度,本申请实施例对此不加以限定。
其中,回流是指在用户发送转化请求后,执行与转化请求对应的互动操作后,将互动操作上报至服务器的过程。如:用户点击广告后,通过广告界面下载广告软件,在下载得到广告软件后,在广告软件中注册用户帐号,并将注册事件上报至服务器。将注册事件的上报,作为一次转化回流,其中,回流时间窗为软件下载时刻,至注册用户帐号时刻之间的时间差。
步骤302,获取期望转化表达,期望转化表达中包括历史期望数据和未来期望表达。
历史期望数据对应历史互动操作在指定时刻前的预期回流;未来期望表达中包括未来期望数据与调整系数之间的对应关系,未来期望数据对应未来互动操作的预期回流。
也即,历史期望数据为未回流的历史互动操作的预期回流数据;未来期望数据为未发生的未来互动操作的预期回流数据。
可选地,历史期望数据中包括:当前日期前的历史互动操作在当前日期内的当前时刻之后回流得到的数据、当前日期内在当前时刻之前的历史互动操作在当前日期内的当前时刻之后回流得到的数据。
示意性的,当前时刻为8月20日15:36,则历史期望数据中包括8月20日之前产生的历史互动操作,在15:36之后预期回流得到的数据,如,8月19日产生的历史互动操作,预期在15:36之后回流的数据。
示意性的,历史期望数据中还包括8月20日15:36之前产生的历史互动操作,预期在8月20日15:36之后回流的数据。
可选地,当历史期望数据中包括当前日期前的历史互动操作在当前日期内的当前时刻之后回流得到的数据时,该历史互动操作在当前日期之前,以及指定日期之后,如:8月15日之后8月20日之前产生的历史互动操作,在8月20日15:36之后预期回流得到的数据。
值得注意的是,上述举例中,以日期为时间划分粒度为例进行说明,实际操作中,还可以以小时、两日、周等周期为时间划分粒度,本申请实施例对此不加以限定。
未来期望数据中包括当前日期内在当前时刻之后的未来互动操作在当前日期内的当前时刻之后回流得到的数据。
示意性的,当前时刻为8月20日15:36,则未来期望数据中包括8月20日15:36之后预期产生的未来互动操作,在15:36之后预期回流得到的数据,如,8月20日15:40产生的互动操作,预期在16:36回流的数据。
示意性的,请参考图4,其示出了相关技术中转化数据以及本申请实施例优化后的转化数据的示意图,如图4所示,相关技术中对应的情况410中,转化数据包括转化数据a、转化数据c以及转化数据e;而本申请实施例对应的情况420中,转化数据包括转化数据a、转化数据b、转化数据c、转化数据d以及转化数据e。
其中,转化数据a表示当前日期前的历史互动操作在当前日期内的当前时刻之前回流得到的数据(属于历史转化数据);转化数据b表示当前日期前的历史互动操作在当前日期内的当前时刻之后回流得到的数据(属于历史期望数据);转化数据c表示当前日期内在当前时刻之前的历史互动操作回流得到的数据(属于历史转化数据);转化数据d表示当前日期内在当前时刻之前的历史互动操作在当前日期内的当前时刻之后回流得到的数据(属于历史期望数据);转化数据e表示当前日期内在当前时刻之后的未来互动操作在当前日期内的当前时刻之后回流得到的数据(属于未来期望数据)。
也即,在相关技术的基础上,本申请实施例中增加了对转化数据b和转化数据d的考虑,将当前日期前的历史互动操作在当前日期内的当前时刻之后回流得到的数据,和当前日期内在当前时刻之前的历史互动操作在当前日期内的当前时刻之后回流得到的数据作为出价调整的参考数据。
可选地,根据上述转化数据a和转化数据c确定历史转化数据,根据上述转化数据b、转化数据d以及转化数据e确定期望转化表达,其中,历史期望数据(转化数据b和转化数据d)能够通过历史转化数据推测得到,而未来期望表达中包括未来期望数据(转化数据e)与调整系数之间的对应关系。
在确定期望转化表达时,首先,根据历史转化数据以及与历史转化数据对应的回流率确定历史期望数据,其中包括上述转化数据b和转化数据d。示意性的,以连续两天的回流情况为例确定转化数据,请参考如下公式一:
历史期望数据=(转化数1+转化数2)/回流率-(转化数1+转化数2)
其中,转化数1用于表示当前日期前一天的转化数,转化数2用于表示当前日期当前时刻之前的转化数,回流率用于表示当前日期以及当前日期前一天产生回流的整体回流率。
而在未来期望表达的确定过程中,根据消耗数据和历史调整系数,确定未来期望数据与调整系数之间的对应关系,其中,消耗数据用于指示总资源投入量。示意性的,以连续两天的回流情况为例确定转化数据,请参考如下公式二:未来期望数据=期望消耗/((历史消耗/请求口径转化)/历史调整系数×调整系数)
其中,期望消耗用于表示广告主所指定的预期资源投入量,历史消耗用于表示过去两日的资源消耗量,请求口径转化用于表示以请求互动事件作为转化条件的转化事件,历史调整系数表示当前日期以及当前日期前一天易产生的调整系数。
可选地,上述回流率以小时为单位周期进行更新统计。
回流率还需要根据变异系数进行调整,也即,获取历史预设时长内的变异系数,该变异系数用于指示历史预设时长内回流率的离散程度,根据变异系数对历史转化数据对应的回流率进行调整。通过判断变异系数是否达到阈值,对回流率进行降级处理。
若广告维度回流率的变异系数大于阈值,则降级到账户维度的回流率。若账户回流率的变异系数大于阈值,则降级到商品标识维度的回流率。在每个维度的回流率中,根据变异系数,对回流率做线性映射,变异系数越大,则置信度越小,对应回流率的最小截断值越大。
步骤303,根据历史转化数据和期望转化表达确定调整系数。
根据历史转化数据、期望转化表达以及成本数据之间的关系,预估资源量数据与调整系数之间的对应关系,从而通过调整系数对预估资源量数据进行调整,得到预估资源量数据符合指定资源量数据的要求时的调整系数。
步骤304,以调整系数对指定资源量数据进行调整,得到推荐内容的调整资源量数据。
可选地,指定资源量数据对应目标成本。
示意性的,调整系数为0.8,指定资源量数据为100,则通过调整系数对指定资源量数据进行调整后,广告主的出价为80。
可选的,以调整系数对目标成本进行调整;或,以调整系数对历史调整系数调整得到的成本进行调整。
值得注意的是,上述实施例中,以资源量数据实现为成本为例进行说明,该资源量数据还可以实现为其他形式的资源投入,如:虚拟道具投入量、虚拟票据投入量等。
步骤305,根据调整资源量数据对推荐内容进行排序。
排序顺序用于确定被推送的推荐内容。可选地,出价数据对广告主的广告曝光优先级产生影响。
可选地,在对推荐内容进行排序时,计算推荐内容的出价分数,如:广告收入(effective Cost Per Mile,eCPM),通过轻量级转化预估模型预估得到预估转化率,将广告出价、预估转化率、预估点击率和调整系数的乘积确定为推荐内容的出价分数,从而根据出价分数进行排序。
示意性的,出价分数=广告出价×预估转化率×预估点击率×调整系数。可选地,根据预先设定的排序规则对推荐内容的推荐顺序进行排序,如:根据出价分数正序排列推荐顺序;或,根据出价分数反向排列推荐顺序。
在一些实施例中,由于出价调整向低价位调整的推荐内容为成本价格高于出价的推荐内容,需要增加推荐量,而出价调整向高价位调整的推荐内容为成本价格低于出价的推荐内容,可以减少推荐量,故,按照出价分数的倒序排列推荐内容的推荐顺序。
在一些实施例中,根据排序顺序将排序前m个推荐内容确定为被推送的推荐内容,如:将排序第一的推荐内容确定为被推送的推荐内容。
综上所述,本实施例提供的方法,通过历史转化数据和期望转化表达得到调整系数,从而对指定资源量进行调整,由于期望转化表达是根据历史期望数据和未来期望数据整合确定得到的,也即,通过历史转化数据、历史期望数据、未来期望数据共同对调整系数进行确定,平衡资源量数据,投放效果的展示准确率较高,以及资源量数据调整后资源量投入的控制准确率也较高。
示意性的,以本申请实施例提供的资源量数据调整方法应用于广告出价调整过程中为例进行说明,请参考图5,该过程中包括:步骤501,实时广告数据处理。步骤502,广告转化回流比例预估。根据变异系数对回流率进行预估调整。步骤503,获取广告实时转化数据和消耗数据。广告实时转化数据中包括历史转化数据、历史期望数据和未来期望数据。步骤504,根据广告出价信息确定实时调价策略。可选地,根据广告实时转化数据、消耗数据以及广告出价信息进行确定调整系数。步骤505,将数据发布至数据库中。步骤506,根据数据库中的数据进行广告发布的排序。
在一个可选的实施例中,通过构建预估资源量表达,对调整系数进行调整,求解最优解,从而实现出价调整,图6是本申请另一个示例性实施例提供的推荐内容的推送方法的流程图,以该方法应用于服务器中为例,如图5所示,该方法包括:
步骤601,从数据库中读取推荐内容的历史转化数据,历史转化数据用于表示历史互动操作回流得到的数据。
历史转化数据用于表示推荐内容的在历史时间段内的历史互动操作,在要求时间段内回流得到的数据,如:以当前日期的当前时刻为基准,则,历史转化数据用于表示在当前时刻之前的历史互动操作,在当前日期内的当前时刻之前回流得到的数据。
在一些实施例中,历史转化数据包括当前日期内在当前时刻之前的历史互动操作回流得到的数据、当前日期前的历史互动操作在当前日期内的当前时刻之前回流得到的数据。
步骤602,获取期望转化表达,期望转化表达中包括历史期望数据和未来期望表达。
历史期望数据对应历史互动操作在指定时刻前的预期回流;未来期望表达中包括未来期望数据与调整系数之间的对应关系,未来期望数据对应未来互动操作的预期回流。
也即,历史期望数据为未回流的历史互动操作的预期回流数据;未来期望数据为未发生的未来互动操作的预期回流数据。
可选地,历史期望数据中包括:当前日期前的历史互动操作在当前日期内的当前时刻之后回流得到的数据、当前日期内在当前时刻之前的历史互动操作在当前日期内的当前时刻之后回流得到的数据。
步骤603,根据历史转化数据和期望转化表达,得到预估资源量表达,预估资源量表达中包括预估资源量数据与调整系数之间的对应关系。
将历史资源量数据和期望资源量数据之和,与历史转化数据和期望转化表达之和的比值,确定为预估资源量表达。
可选地,将计算全天期望成本和历史期望成本的请求口径转化替换为上报口径转化,其中,计算预估资源量数据的方式请参考如下公式三:
cpa_e=(historyCost+expectCost)/(historyConversion+expectConversion)
其中,cpa_e表示预估成本,也即预估资源量数据,historyCost表示历史资源量数据,expectCost表示期望资源量数据,也即未来期望转化对应的成本数据,historyConversion表示历史转化数据,expectConversion表示期望转化数据和未来期望数据。
其中,expectConversion=expectCost/(expectOriginCpa×λ),λ表示调整系数,expectOriginCpa表示原始期望成本,也即指定资源量数据。
示意性的,请参考图7,其示出了本申请一个示例性实施例提供的调整系数的调整过程流程图,其中包括:步骤701,广告数据收集。也即,获取广告投放后产生的反馈数据,如:转化数据等。步骤702,判断是否需要冷启动。其中,冷启动是指清空数据记录后的启动方式。步骤703,确定冷启动策略。步骤704,确定未来消耗预估。可选地,遍历调整系数与调整系数取值为1时的消耗,并根据单个时刻的消耗与全天消耗的比值进行未来消耗的预估。示意性的,其中,t表示时刻,λ表示调整系数,costλ表示对λ对应的消耗进行遍历,cost1.0表示对调整系数取值为1时的消耗,cost全天表示全天总消耗,ε为预先设定的参数。步骤705,确定成本平滑系数。可选地,根据预先确定的转化系数,计算得到平滑系数w。示意性的,其中,ttotal表示总时长,conversion′为预先设定的转化系数。步骤706,未来期望成本预估。可选地,根据未来消耗预估和平滑系数,计算得到未来期望成本预估。示意性的,CPA1.0表示调整系数取值为1时的预测CPA,targetCPA表示目标出价。步骤707,求解最优出价。通过调整调整系数的取值,确定最优出价。步骤708,确定调整系数。
步骤604,以指定资源量数据为调整目标,确定预估资源量表达中的调整系数的取值。
可选地,在调整系数的调价范围内对调整系数的取值进行遍历,响应于预估资源量表达的预估结果于指定资源量数据匹配,达到资源量要求,则确定预估结果对应的调整系数的取值。
示意性的,在调整系数的调价范围内对调整系数的取值进行遍历,当预估结果于指定资源量数据的差值在要求差值范围内时,确定预估结果对应的调整系数的取值。
步骤605,以调整系数对指定资源量数据进行调整,得到推荐内容的调整资源量数据。
步骤606,根据调整资源量数据对推荐内容进行排序。
排序顺序用于确定被推送的推荐内容。可选地,出价数据对广告主的广告曝光优先级产生影响。
综上所述,本实施例提供的方法,通过历史转化数据和期望转化表达得到调整系数,从而对指定资源量进行调整,由于期望转化表达是根据历史期望数据和未来期望数据整合确定得到的,也即,通过历史转化数据、历史期望数据、未来期望数据共同对调整系数进行确定,平衡资源量数据,投放效果的展示准确率较高,以及资源量数据调整后资源量投入的控制准确率也较高。
本实施例提供的方法,根据历史转化数据和期望转化表达得到预估资源量表达,并以预估资源量表达的预估结果为调整目标,对调整系数进行确定,从而提高调整系数的确定准确率,提高成本预估的准确率。
在一个可选的实施例中,转化上报中还存在起量问题,也即,在广告投放初期的回流率和投放稳定期的回流率存在一定的差异,针对不同的阶段,通过不同的转化口径确定未来期望数据与所述调整系数之间的对应关系。图8是本申请另一个示例性实施例提供的推荐内容的推送方法的流程图,如图8所示,以该方法应用于服务器中为例,该方法包括:
步骤801,从数据库中读取推荐内容的历史转化数据,历史转化数据用于表示历史互动操作回流得到的数据。
历史转化数据用于表示推荐内容的在历史时间段内的历史互动操作,在要求时间段内回流得到的数据,如:以当前日期的当前时刻为基准,则,历史转化数据用于表示在当前时刻之前的历史互动操作,在当前日期内的当前时刻之前回流得到的数据。
在一些实施例中,历史转化数据包括当前日期内在当前时刻之前的历史互动操作回流得到的数据、当前日期前的历史互动操作在当前日期内的当前时刻之前回流得到的数据。
步骤802,根据历史转化数据以及历史转化数据对应的回流率确定历史期望数据。
步骤803,响应于处于起量阶段,根据消耗数据、历史调整系数和请求口径转化,确定未来期望数据与调整系数之间的对应关系。
可选地,起量阶段用于表示初始阶段,示意性的,广告投放初期,如:广告投放的前三日,则稳定阶段表示起量阶段结束后的时期。
可选地,在起量阶段,采用请求口径转化确定转化数据。
步骤804,响应于处于稳定阶段,根据消耗数据、历史调整系数和上报口径转化,确定未来期望数据与调整系数之间的对应关系。
可选地,从稳定阶段开始,由请求口径转化过渡至上报口径转化,以确定转化数据。
示意性的,针对上报转化的起量问题,将广告投放的第1天至第3天的调价切换至请求口径转化模式,从第4天开始,由请求口径转化向上报口径转化进行调价过渡。其中,过渡期间的转化数据通过加权方式获得,加权公式如下公式四所示:
转化数=d(t)×预估转化数+(1-d(t))×上报转化数
其中,d(t)为权重,且d(t)=max(min(e-bt,1.0)0.0),t∈[0,1440],其中,t表示时刻,b为权重计算过程中的辅助参数。预估转化数=请求转化数/回流率。
步骤805,根据历史转化数据和期望转化表达确定调整系数。
根据历史转化数据、期望转化表达以及成本数据之间的关系,预估资源量数据与调整系数之间的对应关系,从而通过调整系数对预估资源量数据进行调整,得到预估资源量数据符合指定资源量数据的要求时的调整系数。
步骤806,以调整系数对指定资源量数据进行调整,得到推荐内容的调整资源量数据。
步骤807,根据调整资源量数据对推荐内容进行排序。
排序顺序用于确定被推送的推荐内容。可选地,出价数据对广告主的广告曝光优先级产生影响。
综上所述,本实施例提供的方法,通过历史转化数据和期望转化表达得到调整系数,从而对指定资源量进行调整,由于期望转化表达是根据历史期望数据和未来期望数据整合确定得到的,也即,通过历史转化数据、历史期望数据、未来期望数据共同对调整系数进行确定,平衡资源量数据,投放效果的展示准确率较高,以及资源量数据调整后资源量投入的控制准确率也较高。
本实施例提供的方法,针对上报转化的起量问题,针对起量阶段和稳定阶段分别通过请求口径转化和上报口径转化进行转化数据的预估,从而避免起量阶段由于起量期间的特点而导致转化数据预估准确率较低的问题。
示意性的,广告主在对广告投放效果进行查看时,通过投放界面进行查看,请参考图9,在投放界面900中包括转化口径选项910,其中包括播放选项911和上报选项912,其中,播放选项911用于表示以请求口径转化作为转化数据的计算口径;上报选项912用于表示以上报口径转化作为转化数据的计算口径。
在指标列表中,显示有广告投放效果的各个指标,其中包括转化量921、转化成本922,用于体现在不同的计算口径下的转化量以及转化成本。
可选地,指标列表中还包括曝光量923、点击量924、点击率925,以提供给广告主更为全面的广告效果展示。
示意性的,请参考图10,在目标时刻账户1开始测试后,当起量阶段结束后,消耗达成率1010开始上升,并在达成率1左右达到稳定状态。而消耗量1020在起量阶段结束一定时长后,逐渐上升。
其中消耗达成率等于成本达成的广告的消耗之和,与总消耗的比值;成本达成是指成本偏差在正负20%以内的达成;成本偏差=(CPA-TargetCPA)/TargetCPA,其中,TargetCPA是指用户的目标出价,取值为点击数据中TargetCPA的均值,CPA=消耗/优化目标转化数。
图11是本申请一个示例性实施例提供的推荐内容的推送装置的结构框图,如图11所示,该装置包括:
获取模块1110,用于从数据库中读取推荐内容的历史转化数据,所述历史转化数据用于表示历史互动操作回流得到的数据;获取期望转化表达,所述期望转化表达中包括历史期望数据和未来期望表达,所述历史期望数据对应所述历史互动操作在指定时刻前的预期回流,所述未来期望表达中包括未来期望数据与调整系数之间的对应关系,所述未来期望数据对应未来互动操作的预期回流;
确定模块1120,用于根据所述历史转化数据和所述期望转化表达确定所述调整系数;
调整模块1130,用于以所述调整系数对指定资源量数据进行调整,得到所述推荐内容的调整资源量数据;
排序模块1140,用于根据所述调整资源量数据对所述推荐内容进行排序,所述排序顺序用于确定被推送的推荐内容。
在一个可选的实施例中,所述确定模块1120,还用于根据所述历史转化数据以及所述历史转化数据对应的回流率确定所述历史期望数据;
所述确定模块1120,还用于根据消耗数据和历史调整系数,确定所述未来期望数据与所述调整系数之间的对应关系,所述消耗数据用于指示总资源投入量。
在一个可选的实施例中,所述确定模块1120,还用于根据所述历史转化数据和所述期望转化表达,得到预估资源量表达,所述预估资源量表达中包括预估资源量数据与所述调整系数之间的对应关系;以所述指定资源量数据为调整目标,确定所述预估资源量表达中所述调整系数的取值。
在一个可选的实施例中,所述获取模块1110,还用于获取历史资源量数据和期望资源量数据;
所述确定模块1120,还用于将所述历史资源量数据与所述期望资源量数据之和,与所述历史转化数据和所述期望转化表达之和的比值,确定为所述预估资源量表达。
在一个可选的实施例中,如图12所示,所述确定模块1120,包括:
遍历单元1121,用于在所述调整系数的调价范围内对所述调整系数的取值进行遍历;
确定单元1122,用于响应于所述预估资源量表达的预估结果与所述指定资源量数据匹配,达到资源量要求,确定所述预估结果对应的所述调整系数的取值。
在一个可选的实施例中,所述获取模块1110,还用于获取历史预设时长内的变异系数,所述变异系数用于指示所述历史预设时长内所述回流率的离散程度;
所述调整模块1130,还用于根据所述变异系数对所述历史转化数据对应的回流率进行调整。
在一个可选的实施例中,所述确定模块1120,还用于响应于处于起量阶段,根据所述消耗数据、所述历史调整系数和请求口径转化,确定所述未来期望数据与所述调整系数之间的对应关系,所述请求口径转化用于表示以请求互动事件作为转化条件的转化事件;
所述确定模块1120,还用于响应于处于稳定阶段,根据所述消耗数据、所述历史调整系数和上报口径转化,确定所述未来期望数据与所述调整系数之间的对应关系,所述上报口径转化用于表示以上报互动事件作为转化条件的转化事件。
在一个可选的实施例中,所述历史转化数据中包括:当前日期内在当前时刻之前的所述历史互动操作回流得到的数据、当前日期前的所述历史互动操作在当前日期内的当前时刻之前回流得到的数据;
所述历史期望数据中包括:当前日期前的所述历史互动操作在当前日期内的当前时刻之后回流得到的数据、当前日期内在当前时刻之前的所述历史互动操作在当前日期内的当前时刻之后回流得到的数据;
所述未来期望数据中包括:当前日期内在当前时刻之后的所述未来互动操作在当前日期内的当前时刻之后回流得到的数据。
综上所述,本实施例提供的装置,通过历史转化数据和期望转化表达得到调整系数,从而对指定资源量进行调整,由于期望转化表达是根据历史期望数据和未来期望数据整合确定得到的,也即,通过历史转化数据、历史期望数据、未来期望数据共同对调整系数进行确定,平衡资源量数据,投放效果的展示准确率较高,以及资源量数据调整后资源量投入的控制准确率也较高。
需要说明的是:上述实施例提供的推荐内容的推送装置,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的推荐内容的推送装置与推荐内容的推送方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图13示出了本申请一个示例性实施例提供的服务器的结构示意图。具体来讲:
服务器1300包括中央处理单元(Central Processing Unit,CPU)1301、包括随机存取存储器(Random Access Memory,RAM)1302和只读存储器(Read Only Memory,ROM)1303的系统存储器1304,以及连接系统存储器1304和中央处理单元1301的系统总线1305。服务器1300还包括用于存储操作系统1313、应用程序1314和其他程序模块1315的大容量存储设备1306。
大容量存储设备1306通过连接到系统总线1305的大容量存储控制器(未示出)连接到中央处理单元1301。大容量存储设备1306及其相关联的计算机可读介质为服务器1300提供非易失性存储。也就是说,大容量存储设备1306可以包括诸如硬盘或者紧凑型光盘只读存储器(Compact Disc Read Only Memory,CD-ROM)驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、带电可擦可编程只读存储器(Electrically Erasable Programmable Read Only Memory,EEPROM)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(Digital Versatile Disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器1304和大容量存储设备1306可以统称为存储器。
根据本申请的各种实施例,服务器1300还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器1300可以通过连接在系统总线1305上的网络接口单元1311连接到网络1312,或者说,也可以使用网络接口单元1311来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。
本申请的实施例还提供了一种计算机设备,该计算机设备包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的推荐内容的推送方法。
本申请的实施例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上存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行,以实现上述各方法实施例提供的推荐内容的推送方法。
本申请的实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中任一所述的推荐内容的推送方法。
可选地,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、固态硬盘(SSD,Solid State Drives)或光盘等。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (15)
1.一种推荐内容的推送方法,其特征在于,应用于服务器中,所述方法包括:
从数据库中读取推荐内容的历史转化数据,所述历史转化数据用于表示历史互动操作回流得到的数据;
获取期望转化表达,所述期望转化表达中包括历史期望数据和未来期望表达,所述历史期望数据对应所述历史互动操作在指定时刻前的预期回流,所述未来期望表达中包括未来期望数据与调整系数之间的对应关系,所述未来期望数据对应未来互动操作的预期回流;
根据所述历史转化数据和所述期望转化表达确定所述调整系数;
以所述调整系数对指定资源量数据进行调整,得到所述推荐内容的调整资源量数据;
根据所述调整资源量数据对所述推荐内容进行排序,所述排序顺序用于确定被推送的推荐内容。
2.根据权利要求1所述的方法,其特征在于,所述获取期望转化表达,包括:
根据所述历史转化数据以及所述历史转化数据对应的回流率确定所述历史期望数据;
根据消耗数据和历史调整系数,确定所述未来期望数据与所述调整系数之间的对应关系,所述消耗数据用于指示总资源投入量。
3.根据权利要求2所述的方法,其特征在于,所述根据所述历史转化数据和所述期望转化表达确定所述调整系数,包括:
根据所述历史转化数据和所述期望转化表达,得到预估资源量表达,所述预估资源量表达中包括预估资源量数据与所述调整系数之间的对应关系;
以所述指定资源量数据为调整目标,确定所述预估资源量表达中所述调整系数的取值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述历史转化数据和所述期望转化表达,得到预估资源量表达,包括:
获取历史资源量数据和期望资源量数据;
将所述历史资源量数据与所述期望资源量数据之和,与所述历史转化数据和所述期望转化表达之和的比值,确定为所述预估资源量表达。
5.根据权利要求3所述的方法,其特征在于,所述以所述指定成本数据为调整目标,确定所述预估资源量表达中所述调整系数的取值,包括:
在所述调整系数的调价范围内对所述调整系数的取值进行遍历;
响应于所述预估资源量表达的预估结果与所述指定资源量数据匹配,达到资源量要求,确定所述预估结果对应的所述调整系数的取值。
6.根据权利要求2所述的方法,其特征在于,所述根据所述历史转化数据以及所述历史转化数据对应的回流率确定所述历史期望数据之前,还包括:
获取历史预设时长内的变异系数,所述变异系数用于指示所述历史预设时长内所述回流率的离散程度;
根据所述变异系数对所述历史转化数据对应的回流率进行调整。
7.根据权利要求2所述的方法,其特征在于,所述根据消耗数据和历史调整系数,确定所述未来期望数据与所述调整系数之间的对应关系,包括:
响应于处于起量阶段,根据所述消耗数据、所述历史调整系数和请求口径转化,确定所述未来期望数据与所述调整系数之间的对应关系,所述请求口径转化用于表示以请求互动事件作为转化条件的转化事件;
响应于处于稳定阶段,根据所述消耗数据、所述历史调整系数和上报口径转化,确定所述未来期望数据与所述调整系数之间的对应关系,所述上报口径转化用于表示以上报互动事件作为转化条件的转化事件。
8.根据权利要求1至7任一所述的方法,其特征在于,
所述历史转化数据中包括:当前日期内在当前时刻之前的所述历史互动操作回流得到的数据、当前日期前的所述历史互动操作在当前日期内的当前时刻之前回流得到的数据;
所述历史期望数据中包括:当前日期前的所述历史互动操作在当前日期内的当前时刻之后回流得到的数据、当前日期内在当前时刻之前的所述历史互动操作在当前日期内的当前时刻之后回流得到的数据;
所述未来期望数据中包括:当前日期内在当前时刻之后的所述未来互动操作在当前日期内的当前时刻之后回流得到的数据。
9.一种推荐内容的推送装置,其特征在于,所述装置包括:
获取模块,用于从数据库中读取推荐内容的历史转化数据,所述历史转化数据用于表示历史互动操作回流得到的数据;获取期望转化表达,所述期望转化表达中包括历史期望数据和未来期望表达,所述历史期望数据对应所述历史互动操作在指定时刻前的预期回流,所述未来期望表达中包括未来期望数据与调整系数之间的对应关系,所述未来期望数据对应未来互动操作的预期回流;
确定模块,用于根据所述历史转化数据和所述期望转化表达确定所述调整系数;
调整模块,用于以所述调整系数对指定资源量数据进行调整,得到所述推荐内容的调整资源量数据;
排序模块,用于根据所述调整资源量数据对所述推荐内容进行排序,所述排序顺序用于确定被推送的推荐内容。
10.根据权利要求9所述的装置,其特征在于,所述确定模块,还用于根据所述历史转化数据以及所述历史转化数据对应的回流率确定所述历史期望数据;
所述确定模块,还用于根据消耗数据和历史调整系数,确定所述未来期望数据与所述调整系数之间的对应关系,所述消耗数据用于指示总资源投入量。
11.根据权利要求10所述的装置,其特征在于,所述确定模块,还用于根据所述历史转化数据和所述期望转化表达,得到预估资源量表达,所述预估资源量表达中包括预估资源量数据与所述调整系数之间的对应关系;以所述指定资源量数据为调整目标,确定所述预估资源量表达中所述调整系数的取值。
12.根据权利要求11所述的装置,其特征在于,所述获取模块,还用于获取历史资源量数据和期望资源量数据;
所述确定模块,还用于将所述历史资源量数据与所述期望资源量数据之和,与所述历史转化数据和所述期望转化表达之和的比值,确定为所述预估资源量表达。
13.根据权利要求11所述的装置,其特征在于,所述确定模块,包括:
遍历单元,用于在所述调整系数的调价范围内对所述调整系数的取值进行遍历;
确定单元,用于响应于所述预估资源量表达的预估结果与所述指定资源量数据匹配,达到资源量要求,确定所述预估结果对应的所述调整系数的取值。
14.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至8任一所述的推荐内容的推送方法。
15.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至8任一所述的推荐内容的推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880190.6A CN111932314A (zh) | 2020-08-27 | 2020-08-27 | 推荐内容的推送方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880190.6A CN111932314A (zh) | 2020-08-27 | 2020-08-27 | 推荐内容的推送方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111932314A true CN111932314A (zh) | 2020-11-13 |
Family
ID=73310008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010880190.6A Pending CN111932314A (zh) | 2020-08-27 | 2020-08-27 | 推荐内容的推送方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932314A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765478A (zh) * | 2021-03-12 | 2021-05-07 | 北京百度网讯科技有限公司 | 用于推荐内容的方法、装置、设备、介质和程序产品 |
CN113778784A (zh) * | 2021-07-30 | 2021-12-10 | 北京达佳互联信息技术有限公司 | 目标应用的用户数量确定方法和装置、电子设备及存储介质 |
CN113868522A (zh) * | 2021-09-26 | 2021-12-31 | 北京达佳互联信息技术有限公司 | 对象推荐方法、装置、电子设备及存储介质 |
-
2020
- 2020-08-27 CN CN202010880190.6A patent/CN111932314A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765478A (zh) * | 2021-03-12 | 2021-05-07 | 北京百度网讯科技有限公司 | 用于推荐内容的方法、装置、设备、介质和程序产品 |
CN113778784A (zh) * | 2021-07-30 | 2021-12-10 | 北京达佳互联信息技术有限公司 | 目标应用的用户数量确定方法和装置、电子设备及存储介质 |
CN113778784B (zh) * | 2021-07-30 | 2024-03-26 | 北京达佳互联信息技术有限公司 | 目标应用的用户数量确定方法和装置、电子设备及存储介质 |
CN113868522A (zh) * | 2021-09-26 | 2021-12-31 | 北京达佳互联信息技术有限公司 | 对象推荐方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7379884B2 (en) | Power on demand tiered response time pricing | |
US8244559B2 (en) | Cloud computing resource broker | |
CN110807655B (zh) | 一种广告竞价方法、装置及设备 | |
CN111932314A (zh) | 推荐内容的推送方法、装置、设备及可读存储介质 | |
US20080065479A1 (en) | System and method for optimizing online advertisement auctions by applying linear programming using special ordered sets | |
US11216850B2 (en) | Predictive platform for determining incremental lift | |
US20140207564A1 (en) | System and method for serving electronic content | |
US9449049B2 (en) | Returning estimated value of search keywords of entire account | |
US20130166395A1 (en) | System and method for creating a delivery allocation plan in a network-based environment | |
US20160063625A1 (en) | Automated energy brokering | |
Shang et al. | Need for speed, but how much does it cost? Unpacking the fee‐speed relationship in Bitcoin transactions | |
Chen et al. | Design of an aggregated marketplace under congestion effects: Asymptotic analysis and equilibrium characterization | |
US20120239468A1 (en) | High-performance supply forecasting using override rules in display advertising systems | |
US20200311749A1 (en) | System for Generating and Using a Stacked Prediction Model to Forecast Market Behavior | |
US20210382952A1 (en) | Web content organization and presentation techniques | |
US20210304243A1 (en) | Optimization of markdown schedules for clearance items at physical retail stores | |
US20120166259A1 (en) | Adjusting Demand Parameters To Reduce Allocation Errors in Display Advertising | |
KR100669971B1 (ko) | 검색 서비스 제공 방법 및 상기 방법을 수행하는 검색시스템 | |
JP2007503651A (ja) | ページビューデータから予想されるアイテムの需要に応じたアイテムの単位の製造 | |
CN115422467A (zh) | 用于转化评估的方法、装置、设备和存储介质 | |
Mohaupt et al. | Integration of Information Systems in Cloud Computing for Establishing a Long-term Profitable Customer Portfolio. | |
CN112001753A (zh) | 推广信息的投放方法、装置、设备及存储介质 | |
KR100666202B1 (ko) | 검색 서비스 제공 방법 및 상기 방법을 수행하는 검색시스템 | |
US20230229503A1 (en) | Efficient use of computing resources for optimization of non-convex functions | |
CN113393330B (zh) | 一种基于区块链的金融风控管理系统 |
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 |