CN112215348A - 广告投放信息处理方法 - Google Patents

广告投放信息处理方法 Download PDF

Info

Publication number
CN112215348A
CN112215348A CN202010938809.4A CN202010938809A CN112215348A CN 112215348 A CN112215348 A CN 112215348A CN 202010938809 A CN202010938809 A CN 202010938809A CN 112215348 A CN112215348 A CN 112215348A
Authority
CN
China
Prior art keywords
ratio
price
estimated
preset value
retention rate
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
CN202010938809.4A
Other languages
English (en)
Inventor
梁国盛
刘恒
敖日明
温嘉铭
王春雷
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.)
Guangzhou Xiaomai Network Technology Co ltd
Original Assignee
Guangzhou Xiaomai Network Technology 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 Guangzhou Xiaomai Network Technology Co ltd filed Critical Guangzhou Xiaomai Network Technology Co ltd
Priority to CN202010938809.4A priority Critical patent/CN112215348A/zh
Publication of CN112215348A publication Critical patent/CN112215348A/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
    • G06Q30/0247—Calculate past, present or future revenues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0277—Online advertisement

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种广告投放信息处理方法，应用在广告信息处理技术中，该方法包括以下步骤：获取通过推广渠道的获得的多个用户在应用程序中的行为数据；根据多个所述行为数据分析所述推广渠道的投放效果信息和建议价格，所述投放效果信息包括预估收益和预估留存率；获取广告投放信息；根据所述投放效果信息、所述建议价格和广告投放信息得到所述推广渠道的广告投放策略。该方法可以改善用户的决策效率，而且可以优化用户的广告投放收益。

Description

广告投放信息处理方法
技术领域
本发明涉及广告信息处理技术，尤其是一种广告投放信息处理方法。
背景技术
因目前市场流量用户数据相对混杂，在市场投放时，在获取用户后更在意用户的收益表现，从而决定流量计划停投，但运营人员往往缺少运营数据预估的经验，故无法直接把控。目前市面上大部分主流的投放平台，只有在流量新增达标后增加预算的功能，没有把控用户质量维度，主要以增加流量手段。
在现有技术中，用户需要自己分析数据，通过报表等进行统计，不能智能化推荐策略。
发明内容
为解决上述技术问题的至少之一，本发明的目的在于：提供一种广告投放信息处理方法，以实现智能化的广告投放策略推荐。
本发明实施例提供了一种广告投放信息处理方法，包括以下步骤：
获取通过推广渠道的获得的多个用户在应用程序中的行为数据；
根据多个所述行为数据分析所述推广渠道的投放效果信息和建议价格，所述投放效果信息包括预估收益和预估留存率；
获取广告投放信息；
根据所述投放效果信息、所述建议价格和广告投放信息得到所述推广渠道的广告投放策略。
在一些实施例中，根据多个所述行为数据分析所述推广渠道的投放效果信息，具体包括：
将每个所述行为数据输入到经过训练的神经网络模型中得到每个用户的预估收益和留存概率；
计算所有用户的预估收益的平均值作为所述推广渠道的预估收益；
根据各用户的留存概率的平均值作为所述预估留存率。
在一些实施例中，所述根据多个所述行为数据分析所述推广渠道的建议价格，具体包括：
根据所述预估收益和预估留存率计算所述建议价格。
在一些实施例中，所述行为数据包括点击路径、使用次数或者使用时长中的至少一种。
在一些实施例中，所述广告投放信息包括投放价格、期望留存率和期望收益。
在一些实施例中，所述根据所述投放效果信息、所述建议价格和广告投放信息得到所述推广渠道的广告投放策略，具体包括：
当所述投放效果信息、所述建议价格和广告投放信息，满足第一预设条件时，将所述推广渠道的广告投放策略确定为削减投放；
当所述投放效果信息、所述建议价格和广告投放信息，满足第二预设条件时，将所述推广渠道的广告投放策略确定为维持投放；
当所述投放效果信息、所述建议价格和广告投放信息，满足第三预设条件时，将所述推广渠道的广告投放策略确定为增加投放。
在一些实施例中，所述第一预设条件为：
当投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比小于第二预设值以及期望收益和预估收益之比小于第三预设值。
在一些实施例中，所述第二预设条件为：
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比小于第三预设值；
或者
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比小于第三预设值。
在一些实施例中，所述第三预设条件为：
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比小于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比大于第三预设值。
在一些实施例中，所述方法还包括以下步骤：
在统计表格中显示多个推广渠道的广告投放策略。
本发明实施例的有益效果是：通过分析某一渠道用户的行为数据，可以得到该渠道的投放效果信息和建议价格，以此表示该渠道获得的用户质量，接着根据投放效果信息和建议价格向用户推荐投放策略，这样可以大大提升用户的决策效率，节省用户决策时间，同时，这样可以帮助用户优化广告投放的收益。
附图说明
图1为根据本发明实施例提供的一种广告投放信息处理方法的流程图。
具体实施方式
下面结合说明书附图和具体的实施例对本发明进行进一步的说明。
参照图1，本实施例公开了一种广告投放信息处理方法，其包括以下步骤：
步骤110、获取通过推广渠道的获得的多个用户在应用程序中的行为数据。
需要理解的是在广告投放的时候，会通过渠道标示来确定用户的来源。其方法是在下载页面中设置渠道标识，用户下载APP后，用户数据会归类到该下载渠道。因此，可以通过分析某一渠道的用户在下载APP后的行为来分析通过这一渠道获取的用户质量如何。例如，某渠道通过赠送礼品的方式来换取用户下载，用户在下载后可能并不会使用这一APP，其没有办法为APP运营商产生收益。或者用户在下载APP后，仅低频次的浏览，也不产生消费，这一类用户的质量也是偏低的。如果用户在下载APP以后，频繁浏览不同的页面，说明用户对APP感兴趣，正在学习APP的功能或者具备转化成付费用户的可能，这一类用户的是有价值的。
步骤120、根据多个所述行为数据分析所述推广渠道的投放效果信息和建议价格，所述投放效果信息包括预估收益和预估留存率。
本步骤通过经过训练的神经网络模型来进行分析，该神经网络会根据输入数据输出投放效果信息，然后可以根据投放效果信息来计算建议价格。
其中，预估收益和预估留存率的预测可以通过两个神经网络模型来实现。而这些神经网络模型，经过大量的标注数据进行训练，通过输入数据可以得到对应的预测结果。
步骤130、获取广告投放信息。
在本实施例中广告投放信息包括投放价格、期望留存率和期望收益。这些是用户制定的广告投放指标。例如投放价格，可以是指获取每个用户的价格。留存率是指在一段时间后用户的留存比例。期望留存率是用户设置的投放计划中希望的达到的数值。期望收益，是指用户产生的实际价值或者潜在价值。
步骤140、根据所述投放效果信息、所述建议价格和广告投放信息得到所述推广渠道的广告投放策略。
通过比较期望值和预估值之间的差距，可以确定目前的策略是否合理。例如可以分析是否价格偏高、是否留存率偏低以及是否用户价值偏低。
基于上述实施例可知，通过分析某一渠道用户的行为数据，可以得到该渠道的投放效果信息和建议价格，以此表示该渠道获得的用户质量，并根据投放效果信息和建议价格向用户推荐投放策略，这样可以帮助用户优化广告投放的收益。
在一些实施例中，根据多个所述行为数据分析所述推广渠道的投放效果信息，具体包括：
将每个所述行为数据输入到经过训练的神经网络模型中得到每个用户的预估收益和留存概率。
计算所有用户的预估收益的平均值作为所述推广渠道的预估收益。
根据各用户的留存概率的平均值作为所述预估留存率。
具体地，各用户的行为数据依次输入到神经网络模型中，神经网络模型会依次输出每个用户的预估收益和留存概率。其中，推广渠道的预估收益是指用户的预估收益的平均值。例如用户1的预估收益是x，用户2的预估收益是y，用户3的预估收益是z，那么推广渠道的预估收益就是(x+y+z)/3。在本实施例中，用户的留存概率可以是30天内的留存概率。而对于整个渠道的留存率而言，需要留存用户的数学期望值，再除以用户数量，这样就可以计算出留存率。本步骤直接将留存概率做平均来作为预估留存率，可以简化运算。
在一些实施例中，所述根据多个所述行为数据分析所述推广渠道的建议价格，具体包括：
根据所述预估收益和预估留存率计算所述建议价格。
在本实施例中，预估收益越高，渠道质量越高，留存率越高，渠道质量越高，渠道质量越高，意味着可以合理地支付额外的价格。因此，可以将所述预估收益和预估留存率进行加权来确定建议价格。
在一些实施例中，所述行为数据包括点击路径、使用次数或者使用时长中的至少一种。其中点击路径可以包括点击的深度，点击的次数和点击的页面重要性等信息，具体视神经网络模型的结构设计而定。使用次数是指打开APP的次数，使用时长是指30天内总使用时长、每次的平均时长或者每天平均时长等等。
在一些实施例中，所述广告投放信息包括投放价格、期望留存率和期望收益。
在一些实施例中，所述根据所述投放效果信息、所述建议价格和广告投放信息得到所述推广渠道的广告投放策略，具体包括：
当所述投放效果信息、所述建议价格和广告投放信息，满足第一预设条件时，将所述推广渠道的广告投放策略确定为削减投放；
当所述投放效果信息、所述建议价格和广告投放信息，满足第二预设条件时，将所述推广渠道的广告投放策略确定为维持投放；
当所述投放效果信息、所述建议价格和广告投放信息，满足第三预设条件时，将所述推广渠道的广告投放策略确定为增加投放。
可以根据投放效果信息、所述建议价格和广告投放信息设置不同的条件，来判定需要向用户推荐何种策略。
在一些实施例中，所述第一预设条件为：
当投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比小于第二预设值以及期望收益和预估收益之比小于第三预设值。
在一些实施例中，所述第二预设条件为：
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比小于第三预设值；
或者
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比小于第三预设值。
在一些实施例中，所述第三预设条件为：
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比小于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比大于第三预设值。
在以上实施例中，需要计算价格比例、留存率比例和收益比例，其中，价格比例＝投放价格/建议价格，留存率比例＝期望留存率/预估留存率，收益比例＝期望收益/预估收益。
可以为上述三个比例设置阈值，并根据计算得到的比例和阈值之间的关系来确定推荐策略。例如，当价格比例偏高的时候，说明当前的投放价格大于实际价值。当留存率比例偏低的时候，说明渠道不能达到目标的留存率。当收益比例偏低的时候说明渠道不能达到目标的收益率。故可以根据上述三个比例和阈值的比较，以及满足阈值条件的个数来确定推荐策略。
在一些实施例中，所述方法还包括以下步骤：
在统计表格中显示多个推广渠道的广告投放策略。
在本实施例中，由于用户的推广渠道通常不止一个，因此可以基于用户所有的推广渠道，在列表中显示用户所有的推广渠道，并显示当前各渠道的投放情况以及各渠道的推荐策略。
可以理解的是，通过本发明，可以动态地为用户提供广告策略，使得用户即使没有运营经验，也可以根据推荐的策略来调整广告投放，以便于提高广告投放的收益。
对于上述方法实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种广告投放信息处理方法，其特征在于，包括以下步骤：
获取通过推广渠道的获得的多个用户在应用程序中的行为数据；
根据多个所述行为数据分析所述推广渠道的投放效果信息和建议价格，所述投放效果信息包括预估收益和预估留存率；
获取广告投放信息；
根据所述投放效果信息、所述建议价格和广告投放信息得到所述推广渠道的广告投放策略。
2.根据权利要求1所述的一种广告投放信息处理方法，其特征在于，根据多个所述行为数据分析所述推广渠道的投放效果信息，具体包括：
将每个所述行为数据输入到经过训练的神经网络模型中得到每个用户的预估收益和留存概率；
计算所有用户的预估收益的平均值作为所述推广渠道的预估收益；
根据各用户的留存概率的平均值作为所述预估留存率。
3.根据权利要求1所述的一种广告投放信息处理方法，其特征在于，所述根据多个所述行为数据分析所述推广渠道的建议价格，具体包括：
根据所述预估收益和所述预估留存率计算所述建议价格。
4.根据权利要求1所述的一种广告投放信息处理方法，其特征在于，所述行为数据包括点击路径、使用次数或者使用时长中的至少一种。
5.根据权利要求1所述的一种广告投放信息处理方法，其特征在于，所述广告投放信息包括投放价格、期望留存率和期望收益。
6.根据权利要求5所述的一种广告投放信息处理方法，其特征在于，所述根据所述投放效果信息、所述建议价格和广告投放信息得到所述推广渠道的广告投放策略，具体包括：
当所述投放效果信息、所述建议价格和广告投放信息，满足第一预设条件时，将所述推广渠道的广告投放策略确定为削减投放；
当所述投放效果信息、所述建议价格和广告投放信息，满足第二预设条件时，将所述推广渠道的广告投放策略确定为维持投放；
当所述投放效果信息、所述建议价格和广告投放信息，满足第三预设条件时，将所述推广渠道的广告投放策略确定为增加投放。
7.根据权利要求6所述的一种广告投放信息处理方法，其特征在于，所述第一预设条件为：
当投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比小于第二预设值以及期望收益和预估收益之比小于第三预设值。
8.根据权利要求7所述的一种广告投放信息处理方法，其特征在于，所述第二预设条件为：
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比小于第三预设值；
或者
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比小于第三预设值。
9.根据权利要求7所述的一种广告投放信息处理方法，其特征在于，所述第三预设条件为：
投放价格和建议价格之比大于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比小于第二预设值且期望收益和预估收益之比大于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比小于第三预设值；
或者
投放价格和建议价格之比小于第一预设值、期望留存率和预估留存率之比大于第二预设值且期望收益和预估收益之比大于第三预设值。
10.根据权利要求2所述的一种广告投放信息处理方法，其特征在于，所述方法还包括以下步骤：
在统计表格中显示多个推广渠道的广告投放策略。
CN202010938809.4A 2020-09-09 2020-09-09 广告投放信息处理方法 Pending CN112215348A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010938809.4A CN112215348A (zh) 2020-09-09 2020-09-09 广告投放信息处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010938809.4A CN112215348A (zh) 2020-09-09 2020-09-09 广告投放信息处理方法

Publications (1)

Publication Number Publication Date
CN112215348A true CN112215348A (zh) 2021-01-12

Family

ID=74049869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010938809.4A Pending CN112215348A (zh) 2020-09-09 2020-09-09 广告投放信息处理方法

Country Status (1)

Country Link
CN (1) CN112215348A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592547A (zh) * 2021-07-29 2021-11-02 上海苍苔信息技术有限公司 一种渠道送量激励方法和系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592547A (zh) * 2021-07-29 2021-11-02 上海苍苔信息技术有限公司 一种渠道送量激励方法和系统

Similar Documents

Publication Publication Date Title
CN110570232A (zh) 互联网广告投放方法、装置、服务器及存储介质
US11200592B2 (en) Simulation-based evaluation of a marketing channel attribution model
US9183562B2 (en) Method and system for determining touchpoint attribution
CN102279887B (zh) 一种文档分类方法、装置及系统
WO2011038179A1 (en) Controlling content distribution
CN108777701B (zh) 一种确定信息受众的方法及装置
CN106529714A (zh) 一种用户流失的预测方法及系统
CN110991875A (zh) 一种平台用户质量评估系统
CN110457615A (zh) 个性化页面的展示处理方法、装置、设备及可读存储介质
CN111626779A (zh) 一种媒体信息处理方法、装置和存储介质
US10657559B2 (en) Generating and utilizing a conversational index for marketing campaigns
CN107343047A (zh) 应用推广系统及方法
CN109345263A (zh) 预测客户满意度的方法和系统
CN106651416A (zh) 应用程序推广信息的分析方法及装置
US20210158400A1 (en) Methods and apparatus for generating information about portable device advertising
CN103246985A (zh) 一种广告点击率预测方法及装置
CN110753920A (zh) 用于优化和模拟网页排序和流量的系统和方法
CN105654198B (zh) 具有最优阈值筛选的品牌广告效果优化的方法
CN111242700A (zh) 广告的预测点击率获取方法、装置、电子设备和存储介质
WO2020258773A1 (zh) 确定推送用户群的方法、装置、设备及存储介质
CN110766449A (zh) 一种广告预算分配系统及方法
CN103761266A (zh) 基于多级逻辑回归的点击率预测方法和系统
US20140257972A1 (en) Method, computer readable medium and system for determining true scores for a plurality of touchpoint encounters
CN112215348A (zh) 广告投放信息处理方法
CN106537339A (zh) 一种单技能包升级管理装置和方法

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