CN112613897A - 一种基于毛利率的实时自动出价方法及系统 - Google Patents
一种基于毛利率的实时自动出价方法及系统 Download PDFInfo
- Publication number
- CN112613897A CN112613897A CN202011329968.0A CN202011329968A CN112613897A CN 112613897 A CN112613897 A CN 112613897A CN 202011329968 A CN202011329968 A CN 202011329968A CN 112613897 A CN112613897 A CN 112613897A
- Authority
- CN
- China
- Prior art keywords
- bidding
- request information
- unit price
- conversion rate
- information
- 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
- G06Q30/0273—Determination of fees for advertising
- G06Q30/0275—Auctions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种基于毛利率的实时自动出价方法及系统。本申请方法包括:接收平台发送的竞价请求信息,所述竞价请求信息包括目标用户的相关联信息;将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;根据外部市场竞价环境波动校准所述预测结算单价和转化率对应的流量出价数据;基于预设毛利率对所述校准后的流量执行自动实时出价操作。提供了一套完整可控制毛利率比的自动出价系统,通过外部市场竞价环境波动能够提高出价的准确性,减少了出价不准确的情况。
Description
技术领域
本申请实施例涉及互联网技术领域,具体涉及一种基于毛利率的实时自动出价方法及系统。
背景技术
目前,广告主为了扩大用户规模并控制广告投放的成本,其在增加广告投放渠道的同时,需要合理预测各个投放平台的投放效果和盈利效果,其中还需要考虑的因素是毛利率对于成本的影响,毛利率是企业财务状况的主要考核指标,在企业日常的经营中,企业的实际营业收入减去企业的经营成本即为毛利额,毛利率与总收入的比值即为毛利率。通过考虑各个因素才能确定出在各个广告平台上投放广告的最有竞争力的广告出价。
在现有技术中,广告出价的机制是要求广告主自行确定一个投放周期内的出价,通过分析这个投放周期内的广告效果来对下一个投放周期的出价进行调整,这个过程广告出价基本都是固定价格,不够实时灵活,这样可能出现广告投放效果无法自动与出价形成关联,导致出价不够精准的情况。
发明内容
本申请实施例提供了一种基于毛利率的实时自动出价方法及系统,用于提供了一套完整可控制毛利率比的自动出价系统,通过外部市场竞价环境波动能够提高出价的准确性,减少了出价不准确的情况。
本申请实施例第一方面提供了基于毛利率的自动实时出价方法,包括:
接收平台发送的竞价请求信息,所述竞价请求信息包括目标用户的相关联信息;
将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
根据外部市场竞价环境波动校准所述预测结算单价和转化率对应的流量出价数据;
基于预设毛利率对所述校准后的流量执行自动实时出价操作。
可选的,在所述将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率之前,所述方法还包括:
获取样本数据,所述样本数据包括历史用户的特征数据以及所述竞价请求信息对应的特征数据;
将所述样本数据输入到预设深度学习模型进行训练得到训练后的五层逻辑统计模型。
可选的,所述将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率,包括:
提取所述目标用户相关联信息中的所述目标用户的特征信息以及所述竞价请求信息对应流量的特征信息;
将所述目标用户的特征信息以及所述竞价请求信息对应流量的特征信息输入到五层逻辑统计模型中进行逐一层的深度学习;
根据模型训练所述预测结算单价和转化率。
可选的,在所述根据外部市场竞价环境波动校准所述预测结算单价和转化率对应的流量出价数据之前,所述方法还包括:
将所述预测结算单价和转化率数据存储至数据库中以使得更新数据中的关于所述流量的数据。
可选的,所述根据外部市场环境波动校准所述预测结算单价和转化率,包括:
获取历史外部市场竞价环境变动的参数;
根据所述参数实时识别外部竞价环境波动以使得根据波动校准所述预测结算单价和转化率。
可选的,所述基于预设毛利率对所述校准后的流量执行自动实时出价操作,包括:
根据所述预测结算单价和转化率确定预设毛利率;
基于预设毛利率要求对所述校准后的流量执行自动出价操作。
可选的,在所述基于预设毛利率对所述校准后的流量执行自动出价操作之后,所述方法还包括:
将出价数据发送至平台。
可选的,所述外部市场竞价波动根据历史外部市场竞价数据确定。
本申请实施例第二方面提供了基于毛利率的自动实时出价系统,包括:
接收单元,用于接收平台发送的竞价请求信息,所述竞价请求信息包括目标用户的相关联信息;
预测单元,用于将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
校准单元,用于根据外部市场竞价环境波动校准所述预测结算单价和转化率对应的流量出价数据;
执行单元,用于基于预设毛利率对所述校准后的流量执行自动实时出价操作。
可选的,在所述预测单元之前,所述系统还包括:
获取单元,用于获取样本数据,所述样本数据包括历史用户的特征数据以及所述竞价请求信息对应的特征数据;
输入单元,用于将所述样本数据输入到预设深度学习模型进行训练得到训练后的五层逻辑统计模型。
可选的,所述预测单元包括:
提取模块,用于提取所述目标用户相关联信息中的所述目标用户的特征信息以及所述竞价请求信息对应流量的特征信息;
输入模块,用于将所述目标用户的特征信息以及所述竞价请求信息对应流量的特征信息输入到五层逻辑统计模型中进行逐一层的深度学习;
预测模块,用于根据模型训练所述预测结算单价和转化率。
可选的,在所述校准单元之前,所述系统还包括:
存储单元,用于将所述预测结算单价和转化率数据存储至数据库中以使得更新数据中的关于所述流量的数据。
可选的,所述校准单元包括:
获取模块,用于获取历史外部市场竞价环境变动的参数;
校准模块,用于根据所述参数实时识别外部竞价环境波动以使得根据波动校准所述预测结算单价和转化率。
可选的,所述执行单元包括:
确定模块,用于根据所述预测结算单价和转化率确定预设毛利率;
执行模块,用于基于预设毛利率要求对所述校准后的流量执行自动出价操作。
可选的,在所述执行单元之后,所述系统还包括:
发送单元,用于将出价数据发送至平台。
可选的,所述系统还包括:所述外部市场竞价波动根据历史外部市场竞价数据确定。
可选的,所述系统还包括:所述五层逻辑包括:产品、渠道、广告位、定向媒体以及定向人群包。
本申请实施例第三方面提供了基于毛利率的自动实时出价系统,包括:
处理器、存储器、输入输出单元、总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述处理器具体执行如下操作:
接收平台发送的竞价请求信息,所述竞价请求信息包括目标用户的相关联信息;
将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
根据外部市场竞价环境波动校准所述预测结算单价和转化率对应的流量出价数据;
基于预设毛利率对所述校准后的流量执行自动实时出价操作。
可选的,所述处理器还用于执行第一方面中任意可选方案的操作。
本申请实施例第四方面提供了基于毛利率的自动实时出价的计算机可读存储介质,包括:
所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时执行前述基于毛利率自动实时出价的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:本申请中,系统接收到平台发送的包括目标用户的相关联信息的竞价请求信息后,将竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率,,再根据外部市场竞价环境波动校准预测结算单价和转化率对应流量出价数据,最后基于预设毛利率对校准后的流量执行自动实时出价操作。这样提供了一套完整可控制毛利率比的自动出价系统,通过外部市场竞价环境波动能够提高出价的准确性,减少了出价不准确的情况。
附图说明
图1为本申请实施例中基于毛利率的自动实时出价方法一个实施例流程示意图;
图2-1为本申请实施例中基于毛利率的自动实时出价方法另一个实施例流程示意图;
图2-2为本申请实施例中基于毛利率的自动实时出价方法另一个实施例流程示意图;
图3为本申请实施例中基于毛利率的自动实时出价系统一个实施例结构示意图;
图4为本申请实施例中基于毛利率的自动实时出价系统另一个实施例结构示意图;
图5为本申请实施例中基于毛利率的自动实时出价系统另一个实施例结构示意图。
具体实施方式
本申请实施例提供了一种基于毛利率的自动实时出价方法,用于减少出价不准确的情况。
请参阅图1,为方便描述,下面以执行主体为系统进行描述:
101、接收平台发送的竞价请求信息,竞价请求信息包括目标用户的相关联信息;
在实际应用中,实时竞价是一种通过类似于股票交易方式的程序化交易机制将广告库存的售卖精确到每次广告展示机会的力度。广告主对每次符合需求的广告展示出价参投,广告交换平台在极端时间内根据所有投标买家的出价决定赢标买家,并迅速将买家的广告展示机会广告主的广告传回媒体展示。
本实施例系统实现实时出价前提是首先接收平台发送的竞价请求信息,例如,当用户浏览接入广告实时竞价系统的媒体网站时,媒体网站通过页面脚本代码或广告通过供应方平台向广告交易平台发送广告请求,广告交易平台向各个数字信号处理系统转发媒体上下信息和用户信息,生成竞价请求,各个数字信号处理系统通过用户信息之间预测对广告产生交互的可能性,决策是否参与竞价和竞价的数额,并把投标的价格返回广告交易平台。
102、将竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
在本实施例中,当用户浏览媒体网页时看到广告后,如果是有兴趣,首先是会产生点击行为,可以通过用户点击次数和广告被展示的次数计算出广告的点击率,点击后通常会打开广告主预设的推销页面,用户成功打开这个页面与点击次数的比值被称为到达率,如果用户若进一步在广告主页面进行下单付款购买等操作,就可以计算用户的转化率,广告主通常是通过用户广告转化率来预测是否参与竞价和竞价的数额。
系统通过提取竞价请求信息中目标用户相关联信息,如用户浏览记录、用户兴趣分类、网页上下文环境以及广告创意特性等,将相关联信息输入到训练好的五层逻辑统计模型中就可以预测当前收到的广告请求的结算单价和转化率。
103、根据外部市场竞价环境波动校准预测结算单价和转化率对应的流量出价数据;
系统在自动出价之前提供一个通过外部市场环境波动来校准预测的结算单价和转化率对应的流量出价数据。其中外部市场环境波动数据是由系统实时从不同角度识别环境波动情况,可以从每天每小时广告的点击率,广告位的提供,媒体、产品以及渠道等多角度识别环境波动的情况,得到的数据可以作为校准的依据,这样校准后的流量出价数据更加具有说服力。
104、基于预设毛利率对校准后的流量执行自动实时出价操作。
毛利率是毛利额与企业总收入的比值,其中毛利额等于企业的实际营业收入减去企业的经营成本。这里毛利率为预设毛利率,根据本企业的经营情况以及要求设定,已知毛利率和广告的经营成本,就可以确定出价的数据。当流量请求出价时,系统会动态读取缓存数据库中的最新结算单价和转化率,再根据广告主要求的毛利率计算最终广告实时出价。从而实现基于毛利率的实时出价。
请参阅图2,为方便描述,下面以执行主体为系统描述:
201、接收平台发送的竞价请求信息,竞价请求信息包括目标用户的相关联信息;
本实施中的步骤201与前述实施例中步骤101类似,此处不做赘述。
202、获取样本数据,样本数据包括历史用户的特征数据以及竞价请求信息对应的特征数据;
本实施例中,系统计算结算单价以及转化率通过训练模型计算,计算之前首先获取样本数据输入到模型中进行深度学习,样本数据包括历史用户的特征数据,也就是广告点击率高的用户的特征信息,其中用户的特征信息可以从数据管理平台提取;竞价请求信息对应的特征信息包括广告的特性,范围等,也是可以从数据管理平台提取。
203、将样本数据输入到预设深度学习模型进行训练得到训练后的五层逻辑统计模型;
在本实施例中,五层逻辑统计模型计算颗粒度分别包括产品、渠道、广告位、定向媒体以及定向人群包。具体的样本数据从这五个颗粒度从细到粗分别提取,然后获取到的不同层面数据输入到预设深度学习模型进行训练,得到训练后的五层逻辑统计模型。
204、提取目标用户相关联信息中的目标用户的特征信息以及竞价请求信息对应流量的特征信息;
在本实施例中,目标用户的相关联信息可以包括目标用户的个人信息、广告浏览次数、浏览时间以及浏览地址等信息,系统只需要目标用户广告点记录以及广告浏览时间信息,那么系统就会自动从相关联信息中提取需要的信息,同理竞价请求信息对应流量的特征信息也是系统根据需要自动提取。
205、将目标用户的特征信息以及竞价请求信息对应流量的特征信息输入到五层逻辑统计模型中进行逐一层的深度学习;
系统提取到目标用户的特征信息以及竞价请求信息对应流量的特征信息后,将数据输入到五层逻辑统计模型中进行逐一层的深度学习,得到的数据由于是从不同层面计算,提高了结果的精准度。
206、根据模型训练结构结算单价和转化率;
系统将目标用户的特征信息以及竞价请求信息对应流量的特征信息输入到模型后,经过深度学习可以计算五个层面内的结算单价和转化率,最后取平均值,取平均值后提高数据准确性。
207、将预测结算单价和转化率数据存储至数据库中以使得更新数据中的关于流量的数据;
系统将预测结算单价和转化率数据存储到数据库中,数据库中存储的是历史数据,根据实时计算得到的结算单价和转化率实时更新数据库中关于流量的数据。
208、获取历史外部市场竞价环境变动的参数;
本实施例中,在进行出价校准时,需要历史外部市场竞价环境变动才能进行校准,历史外部市场竞价环境波动计算需要获取参数,并且该参数提供从细到粗五层逻辑的统计模型,这样能够确保系统能够实时识别外部市场竞价的波动。
209、根据参数实时识别外部竞价环境波动以使得根据波动校准预测结算单价和转化率;
本实施例中,根据参数实时识别外部市场竞价环境波动得到的数据更具备说服力,并且得到的结算单价和转化率更准确。
210、根据预测结算单价和转化率确定预设毛利率;
本实施例中,预设毛利率根据得到的结算单价和转化率以及企业的经营成本计算,并且作为出价的数据基础,系统根据总体计算的毛利率做出出价决策。
211、基于预设毛利率要求对所述校准后的流量执行自动出价操作。
本实施例中的步骤211与前述实施例中的步骤104类似,此处不做赘述。
212、将出价数据发送至平台。
本实施例中,系统确定出价数据后将数据发送至平台,例如出版商媒体或者供应方平台,广告交易平台根据所有的广告主报价以广义第二高价机制决定得主,再提示赢得竞标的数字信号处理出价系统。
请参阅图3,本申请实施例中基于毛利率的实时出价系统一个实施例包括:
接收单元301,用于接收平台发送的竞价请求信息,竞价请求信息包括目标用户的相关联信息;
预测单元302,用于将竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
校准单元303,用于根据外部市场竞价环境波动校准预测结算单价和转化率对应的流量出价数据;
执行单元304,用于基于预设毛利率对校准后的流量执行自动实时出价操作。
本实施例中,接收单元301接收到平台发送的竞价请求信息后,将竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中,预测单元302预测结算单价和转化率,校准单元303根据外部市场竞价波动校准预测得到的结算单价和转化率对应的流量出价数据,最后执行单元304基于毛利率对校准后的流量执行自动实时出价操作。这样提供了一套完整可控制毛利率比的自动出价系统,通过外部市场竞价环境波动能够提高出价的准确性,减少了出价不准确的情况。
下面对本申请实施例中基于毛利率的实时自动出价的系统进行详细描述,请参阅图4,本申请实施例中基于毛利率的实时自动出价系统另一个实施例包括:
接收单元401,用于接收平台发送的竞价请求信息,竞价请求信息包括目标用户的相关联信息;
获取单元402,用于获取样本数据,样本数据包括历史用户的特征数据以及竞价请求信息对应的特征数据;
输入单元403,用于将样本数据输入到预设深度学习模型进行训练得到训练后的五层逻辑统计模型;
预测单元404,用于将竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
存储单元405,用于将预测结算单价和转化率数据存储至数据库中以使得更新数据中的关于流量的数据;
校准单元406,用于根据外部市场竞价环境波动校准预测结算单价和转化率对应的流量出价数据
执行单元407,用于基于预设毛利率对校准后的流量执行自动实时出价操作。
发送单元408,用于将出价数据发送至平台。
本实施例中,预测单元404可以包括提取模块4041、输入模块4042和预测模块4043。
提取模块4041,用于提取目标用户相关联信息中的目标用户的特征信息以及竞价请求信息对应流量的特征信息;
输入模块4042,用于将目标用户的特征信息以及竞价请求信息对应流量的特征信息输入到五层逻辑统计模型中进行逐一层的深度学习;
预测模块4043,用于根据模型训练预测结算单价和转化率。
本实施例中,校准单元406可以包括获取模块4061和校准模块4062。
获取模块4061,用于获取历史外部市场竞价环境变动的参数;
校准模块4062,用于根据参数实时识别外部竞价环境波动以使得根据波动校准预测结算单价和转化率。
本实施例中,执行单元407可以包括确定模块4071和执行模块4072。
确定模块4071,用于根据预测结算单价和转化率确定预设毛利率;
执行模块4072,用于基于预设毛利率要求对校准后的流量执行自动出价操作。
本实施例中,各单元及模块的功能与前述图2所示实施例中的步骤对应,此处不做赘述。
下面对本申请实施例中基于毛利率的自动实时出价系统进行详细的描述,请参阅图5,本申请实施例中基于毛利率的自动实时出价系统另一个实施例包括:
处理器501、存储器502、输入输出单元503、总线504;
处理器501与存储器502、输入输出单元503以及总线504相连;
处理器501执行如下操作:
接收平台发送的竞价请求信息,竞价请求信息包括目标用户的相关联信息;
将竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
根据外部市场竞价环境波动校准预测结算单价和转化率对应的流量出价数据;
基于预设毛利率对校准后的流量执行自动实时出价操作。
可选的,处理器501的功能与前述图1至图2所示实施例中的步骤对应,此处不做赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于毛利率的自动实时出价方法,其特征在于,包括:
接收平台发送的竞价请求信息,所述竞价请求信息包括目标用户的相关联信息;
将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
根据外部市场竞价环境波动校准所述预测结算单价和转化率对应的流量出价数据;
基于预设毛利率对所述校准后的流量执行自动实时出价操作。
2.根据权利要求1所述的方法,其特征在于,在所述将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率之前,所述方法还包括:
获取样本数据,所述样本数据包括历史用户的特征数据以及所述竞价请求信息对应的特征数据;
将所述样本数据输入到预设深度学习模型进行训练得到训练后的五层逻辑统计模型。
3.根据权利要求2所述的方法,其特征在于,所述将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率,包括:
提取所述目标用户相关联信息中的所述目标用户的特征信息以及所述竞价请求信息对应流量的特征信息;
将所述目标用户的特征信息以及所述竞价请求信息对应流量的特征信息输入到五层逻辑统计模型中进行逐一层的深度学习;
根据模型训练所述预测结算单价和转化率。
4.根据权利要求1所述的方法,其特征在于,在所述根据外部市场竞价环境波动校准所述预测结算单价和转化率对应的流量出价数据之前,所述方法还包括:
将所述预测结算单价和转化率数据存储至数据库中以使得更新数据中的关于所述流量的数据。
5.根据权利要求4所述的方法,其特征在于,所述根据外部市场环境波动校准所述预测结算单价和转化率,包括:
获取历史外部市场竞价环境变动的参数;
根据所述参数实时识别外部竞价环境波动以使得根据波动校准所述预测结算单价和转化率。
6.根据权利要求1所述的方法,其特征在于,所述基于预设毛利率对所述校准后的流量执行自动实时出价操作,包括:
根据所述预测结算单价和转化率确定预设毛利率;
基于预设毛利率要求对所述校准后的流量执行自动出价操作。
7.根据权利要求6所述的方法,其特征在于,在所述基于预设毛利率对所述校准后的流量执行自动出价操作之后,所述方法还包括:
将出价数据发送至平台。
8.根据权利要求1所述的方法,其特征在于,所述外部市场竞价波动根据历史外部市场竞价数据确定。
9.根据权利要求1至3中任一项所述的方法,其特征在于,所述五层逻辑包括:产品、渠道、广告位、定向媒体以及定向人群包。
10.一种基于毛利率的自动实时出价系统,其特征在于,包括:
接收单元,用于接收平台发送的竞价请求信息,所述竞价请求信息包括目标用户的相关联信息;
预测单元,用于将所述竞价请求信息中的目标用户相关联信息输入到五层逻辑统计模型中预测结算单价和转化率;
校准单元,用于根据外部市场竞价环境波动校准所述预测结算单价和转化率对应的流量出价数据;
执行单元,用于基于预设毛利率对所述校准后的流量执行自动实时出价操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011329968.0A CN112613897A (zh) | 2020-11-24 | 2020-11-24 | 一种基于毛利率的实时自动出价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011329968.0A CN112613897A (zh) | 2020-11-24 | 2020-11-24 | 一种基于毛利率的实时自动出价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112613897A true CN112613897A (zh) | 2021-04-06 |
Family
ID=75225495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011329968.0A Pending CN112613897A (zh) | 2020-11-24 | 2020-11-24 | 一种基于毛利率的实时自动出价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613897A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706228A (zh) * | 2021-11-01 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 多媒体信息播放控制方法、装置、电子设备和存储介质 |
-
2020
- 2020-11-24 CN CN202011329968.0A patent/CN112613897A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706228A (zh) * | 2021-11-01 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 多媒体信息播放控制方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11720929B2 (en) | Systems and methods for providing a demand side platform | |
JP5662446B2 (ja) | リアルタイム広告入札に対して競争評価モデルを使用するための学習システム | |
US20080091524A1 (en) | System and method for advertisement price adjustment utilizing traffic quality data | |
US20190073699A1 (en) | Matching visitors as leads to lead buyers | |
US20160189207A1 (en) | Enhanced online content delivery system using action rate lift | |
US20100004974A1 (en) | System and method for determining weighted average success probabilities of internet advertisements | |
US20120130798A1 (en) | Model sequencing for managing advertising pricing | |
US20160210656A1 (en) | System for marketing touchpoint attribution bias correction | |
US20120036024A1 (en) | Mixed auctions | |
US20140316872A1 (en) | Systems and methods for managing endorsements | |
US20130346218A1 (en) | Bidding on Impression Opportunities Using Confidence Indicators | |
Stange et al. | Real-time advertising | |
CN111899041A (zh) | 信息投放的处理和投放方法、装置、设备及存储介质 | |
US20120130828A1 (en) | Source of decision considerations for managing advertising pricing | |
CN113761348A (zh) | 一种信息推荐方法、装置、电子设备和存储介质 | |
US11010790B1 (en) | System and methods for using a revenue value index to score impressions for users for advertisement placement | |
US20210382952A1 (en) | Web content organization and presentation techniques | |
CN112613897A (zh) | 一种基于毛利率的实时自动出价方法及系统 | |
US11966947B1 (en) | System and methods for using a revenue value index to score impressions for users for advertisement placement | |
CN116485477B (zh) | 一种广告估值的处理方法、装置和电子设备 | |
US20240012866A1 (en) | Queuing analytics events before consent | |
CN115495664A (zh) | 基于多目标价值学习模型的素材数据处理方法、装置、电子设备和存储介质 | |
Treidler et al. | The Lesson | |
CN113139825A (zh) | 广告位的分配权限确定方法、装置、计算机设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210406 |