CN113191830A - 资源分配方法、装置、设备及计算机可读介质 - Google Patents
资源分配方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN113191830A CN113191830A CN202110747420.6A CN202110747420A CN113191830A CN 113191830 A CN113191830 A CN 113191830A CN 202110747420 A CN202110747420 A CN 202110747420A CN 113191830 A CN113191830 A CN 113191830A
- Authority
- CN
- China
- Prior art keywords
- exposure
- promotion
- optimization model
- data
- optimization
- 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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- 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
本申请涉及一种资源分配方法、装置、设备及计算机可读介质。该方法包括:获取曝光资源的优化模型,优化模型为利用媒体推广数据的曝光数据构建的,媒体推广数据用于在推广平台进行内容推广,曝光数据为根据推广平台上的用户对媒体推广数据的用户行为生成的;创建关于优化模型的目标函数,目标函数用于最大化优化模型的输出;以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解,得到使优化模型的输出最大化的曝光资源分配量,曝光资源分配量包括多个推广平台按照不同推广形式进行推广的最优曝光资源分配量。本申请解决了现有最优预算分配求解效率低的技术问题。
Description
技术领域
本申请涉及运筹优化技术领域,尤其涉及一种资源分配方法、装置、设备及计算机可读介质。
背景技术
通常广告主通过在线广告投放时都会对每条触点媒体设置有一定的预算,如何在一定广告预算下,使得广告收益最大化已经成为广告主最为关心的研究内容。广告投放是一种在线营销方式,因操作简单、预算可控以及广告效益较高等优点而得到了广告主的广泛推广,是当代主要营销手段之一,同时也是近来国内外学者研究的热点之一。广告预算分配是关键字竞价推广活动中必须解决的首要问题。合理的预算分配方案能够“自上而下”地优化推广活动,从而在激烈的竞争中占得先机。
广告预算分配本质是一种求解线性或非线性规划的运筹优化问题,最优预算分配即转化为一个规划问题的最优解。针对求解复杂的大规模优化问题,传统的优化算法也无法快速有效地找到一个合理可靠的解。
针对现有最优预算分配求解效率低的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供了一种资源分配方法、装置、设备及计算机可读介质,以解决现有最优预算分配求解效率低的技术问题。
根据本申请实施例的一个方面,本申请提供了一种资源分配方法,包括:
获取曝光资源的优化模型,优化模型为利用媒体推广数据的曝光数据构建的,媒体推广数据用于在推广平台进行内容推广,曝光数据为根据推广平台上的用户对媒体推广数据的用户行为生成的;
创建关于优化模型的目标函数,目标函数用于最大化优化模型的输出;
以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解,得到使优化模型的输出最大化的曝光资源分配量,曝光资源分配量包括多个推广平台按照不同推广形式进行推广的最优曝光资源分配量。
可选地,获取曝光资源的优化模型包括:
获取媒体推广数据的曝光数据;
利用曝光数据,构建以曝光量为输入,以触达率为输出的关于曝光资源的优化模型,触达率用于表示按照曝光量对媒体推广数据进行曝光后,媒体推广数据所能触达目标用户群体的比例,目标函数用于最大化所述触达率;
利用训练数据对优化模型进行训练,以使优化模型的模型参数达到最优值。
可选地,利用曝光数据,构建以曝光量为输入,以触达率为输出的关于曝光资源的优化模型包括:
将第一待解参数除以第二待解参数得到的商作为第一数值,其中,第一待解参数和第二待解参数为优化模型的参数;
将曝光量与第一数值的和作为第二数值;
将第一待解参数除以第二数值的商作为第三数值;
将触达率作为第二待解参数减去第三数值的结果;
保存曝光量与触达率的关联关系,得到优化模型。
可选地,创建关于优化模型的目标函数包括:
将触达率的权重、触达率以及去重系数三者的乘积作为第一乘积,触达率的权重用于表示触达率在目标函数中的贡献度,去重系数和触达率的权重为预先设置的,去重系数用于去除重复触达的目标用户群体的比例,触达率包括多个推广平台下不同推广形式的触达率;
将效果系数和效果系数的权重的乘积作为第二乘积,效果系数的权重用于表示效果系数在目标函数中的贡献度,效果系数和效果系数的权重为预先设置的,效果系数用于表示媒体推广数据在各个推广平台以目标推广形式进行推广的效果,效果系数包括多个推广平台下不同推广形式的效果系数;
将效率系数和效率系数的权重的乘积作为第三乘积,效率系数的权重用于表示效率系数在目标函数中的贡献度,效率系数和效率系数的权重为预先设置的,效率系数用于表示媒体推广数据在各个推广平台以目标推广形式进行推广的效率,效率系数包括多个推广平台下不同推广形式的效率系数;
将第一乘积、第二乘积以及第三乘积相加,得到目标函数。
可选地,曝光资源分配量满足以下约束条件中的至少一个:
多个推广平台按照不同推广形式进行推广的曝光资源总量与每千次展示成本的乘积小于或等于总成本;
每个推广平台按照不同推广形式进行推广的第一单个曝光资源总量小于或等于为对应推广平台分配的曝光量总量;
每种推广形式的第一成本与总成本的商小于或等于第一上限值,且大于或等于第一下限值;
每个推广平台下的第二成本与总成本的商小于或等于第二上限值,且大于或等于第二下限值。
可选地,构建优化模型所用的参数还包括媒体推广数据的市场数据、推广内容以及推广位数据。
可选地,以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解包括:
利用非线性求解器求解优化模型的输入、输出值对;
在输出使目标函数最大且输入满足约束条件的情况下,得到优化模型的最优解;
在非线性求解器得到的输入不满足约束条件的情况下,转用粒子群优化的方式求解优化模型的最优解,非线性求解器的求解效率大于粒子群优化的求解效率。
根据本申请实施例的另一方面,本申请提供了一种资源分配装置,包括:
模型获取模块,用于获取曝光资源的优化模型,优化模型为利用媒体推广数据的曝光数据构建的,媒体推广数据用于在推广平台进行内容推广,曝光数据为根据推广平台上的用户对媒体推广数据的用户行为生成的;
目标函数模块,用于创建关于优化模型的目标函数,目标函数用于最大化优化模型的输出;
模型求解模块,用于以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解,得到使优化模型的输出最大化的曝光资源分配量,曝光资源分配量包括多个推广平台按照不同推广形式进行推广的最优曝光资源分配量。
根据本申请实施例的另一方面,本申请提供了一种电子设备,包括存储器、处理器、通信接口及通信总线,存储器中存储有可在处理器上运行的计算机程序,存储器、处理器通过通信总线和通信接口进行通信,处理器执行计算机程序时实现上述方法的步骤。
根据本申请实施例的另一方面,本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,程序代码使处理器执行上述的方法。
本申请技术方案可以应用于运筹优化技术领域进行营销自动化。本申请实施例提供的上述技术方案与相关技术相比具有如下优点:
本申请技术方案为获取曝光资源的优化模型,优化模型为利用媒体推广数据的曝光数据构建的,媒体推广数据用于在推广平台进行内容推广,曝光数据为根据推广平台上的用户对媒体推广数据的用户行为生成的;创建关于优化模型的目标函数,目标函数用于最大化优化模型的输出;以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解,得到使优化模型的输出最大化的曝光资源分配量,曝光资源分配量包括多个推广平台按照不同推广形式进行推广的最优曝光资源分配量。本申请为了提高最优预算分配求解效率,不直接采用粒子群优化算法求解,而是先用非线性求解器进行求解,从而提高最优预算分配求解的效率,解决了现有最优预算分配求解效率低的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本申请实施例提供的一种可选的资源分配方法硬件环境示意图;
图2为根据本申请实施例提供的一种可选的资源分配方法流程图;
图3为根据本申请实施例提供的一种可选的资源分配装置框图;
图4为本申请实施例提供的一种可选的电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明,其本身并没有特定的意义。因此,“模块”与“部件”可以混合地使用。
为了解决背景技术中提及的问题,根据本申请实施例的一方面,提供了一种资源分配方法的实施例。本申请将启发式算法应用于运筹优化,使用非线性求解器和粒子群算法相结合进行模型求解,提高了最优预算分配求解的效率。
可选地,在本申请实施例中,上述资源分配方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示,服务器103通过网络与终端101进行连接,可用于为终端或终端上安装的客户端提供服务,可在服务器上或独立于服务器设置数据库105,用于为服务器103提供数据存储服务,上述网络包括但不限于:广域网、城域网或局域网,终端101包括但不限于PC、手机、平板电脑等。
本申请实施例中的一种资源分配方法可以由服务器103来执行,还可以是由服务器103和终端101共同执行,如图2所示,该方法可以包括以下步骤:
步骤S202,获取曝光资源的优化模型,优化模型为利用媒体推广数据的曝光数据构建的,媒体推广数据用于在推广平台进行内容推广,曝光数据为根据推广平台上的用户对媒体推广数据的用户行为生成的;
步骤S204,创建关于优化模型的目标函数,目标函数用于最大化优化模型的输出;
步骤S206,以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解,得到使优化模型的输出最大化的曝光资源分配量,曝光资源分配量包括多个推广平台按照不同推广形式进行推广的最优曝光资源分配量。
本申请实施例中,应用于广告预算分配,则上述媒体推广数据可以是广告数据,如视频广告、图片广告、文字广告、动画广告、声音广告等。曝光数据即为上述广告数据的曝光量,如10个人浏览了广告,曝光量即为10。推广平台可以是广告投放的平台,如互联网社交平台、视频平台、新闻平台等等,推广平台上的用户对广告数据的用户行为可以是浏览、点击、关注、点赞等。推广平台的推广形式可以是应用程序开屏广告,即打开应用程序时,在加载界面展示广告,还可以是应用内标签广告等。另外,广告的媒介形式可以是文字、视频、短视频、动画、图片、声音等。
本申请实施例中,商家为了知道如何在多个推广平台、推广形式中分配曝光资源以使得自身收益最大化,可以构建关于曝光资源的优化模型,并以目标函数为约束,求解优化模型的最优解,从而得到使自身收益最大化的曝光资源分配方案。其中,衡量自身收益可以通过触达率来表示。触达率,指在一个渠道进行广告投放,广告所能触达目标用户群体的比例。有效触达率是指某一网页产生的无重复触达量,例如期望的是10个人浏览了此网页,而不是1个人看10遍。研究证明触达率比广告频次更有价值。数据显示,有效触达率与销售之间呈现正相关关系,在其他因素不变的情况下,如果触达率提高50%,由广告拉动的销售额也将相应增长50%。
本申请实施例中,多个推广平台按照不同推广形式进行推广的最优曝光资源分配量即为使触达率最大化的曝光资源分配方案。
本申请实施例中,为了提高求解效率,本申请首先使用非线性求解器进行求解,如IPOPT求解器。当解与约束有背时,求解器会报错,并无法输出可行解。此时,可以转为采用粒子群优化进行求解。
通过步骤S202至S206,本申请为了提高最优预算分配求解效率,不直接采用粒子群优化算法求解,而是先用非线性求解器进行求解,从而提高最优预算分配求解的效率,解决了现有最优预算分配求解效率低的技术问题。
可选地,获取曝光资源的优化模型包括:
步骤1,获取媒体推广数据的曝光数据;
步骤2,利用曝光数据,构建以曝光量为输入,以触达率为输出的关于曝光资源的优化模型,触达率用于表示按照曝光量对媒体推广数据进行曝光后,媒体推广数据所能触达目标用户群体的比例,目标函数用于最大化所述触达率;
步骤3,利用训练数据对优化模型进行训练,以使优化模型的模型参数达到最优值。
本申请实施例中,可以通过广告媒体监测公司获取各广告主的广告投放回传信息,如曝光量、市场信息、广告信息、广告位等信息,其中最为重要的字段即曝光量,当曝光量越大,触点转化率(一个广告周期内目标受众完成商业行为如下载、购买、注册等)也越大,但是其中存在边际效益问题,当曝光量大到某一程度时,触点转换率近似趋近于某条渐近线。因此,可以通过最小二乘拟合方法求取各触点媒体触达率的未知参数。通过分析业务将其数学化,并构建优化模型。
可选地,利用曝光数据,构建以曝光量为输入,以触达率为输出的关于曝光资源的优化模型包括:
将第一待解参数除以第二待解参数得到的商作为第一数值,其中,第一待解参数和第二待解参数为优化模型的参数;
将曝光量与第一数值的和作为第二数值;
将第一待解参数除以第二数值的商作为第三数值;
将触达率作为第二待解参数减去第三数值的结果;
保存曝光量与触达率的关联关系,得到优化模型。
本申请实施例中,优化模型为:
可选地,创建关于优化模型的目标函数包括:
将触达率的权重、触达率以及去重系数三者的乘积作为第一乘积,触达率的权重用于表示触达率在目标函数中的贡献度,去重系数和触达率的权重为预先设置的,去重系数用于去除重复触达的目标用户群体的比例,触达率包括多个推广平台下不同推广形式的触达率;
将效果系数和效果系数的权重的乘积作为第二乘积,效果系数的权重用于表示效果系数在目标函数中的贡献度,效果系数和效果系数的权重为预先设置的,效果系数用于表示媒体推广数据在各个推广平台以目标推广形式进行推广的效果,效果系数包括多个推广平台下不同推广形式的效果系数;
将效率系数和效率系数的权重的乘积作为第三乘积,效率系数的权重用于表示效率系数在目标函数中的贡献度,效率系数和效率系数的权重为预先设置的,效率系数用于表示媒体推广数据在各个推广平台以目标推广形式进行推广的效率,效率系数包括多个推广平台下不同推广形式的效率系数;
将第一乘积、第二乘积以及第三乘积相加,得到目标函数。
本申请实施例中,目标函数为:
式中,PB(publishier)表示广告主,即推广平台,AM(adformat)表示广告形式,即推广形式。w pm 为去重系数,effec pm 为(推广平台+推广形式)字段下effectiveness系数,effic pm 为(推广平台+推广形式)字段下efficiency系数。w reach ,w effectiness ,w efficiency 分别衡量目标函数中reach,effectiveness,efficiency的权重。推广平台+推广形式字段可以是A推广平台+开屏广告等。Reach即为为触达率。
可选地,曝光资源分配量满足以下约束条件中的至少一个:
多个推广平台按照不同推广形式进行推广的曝光资源总量与每千次展示成本的乘积小于或等于总成本。即不允许超出总预算:
式中,cpm(cost per mille)表示每千次展示成本,imp(impression)表示曝光量(即优化模型中的x),budget表示总预算。
每个推广平台按照不同推广形式进行推广的第一单个曝光资源总量小于或等于为对应推广平台分配的曝光量总量。即(推广平台+推广形式)字段下不允许超出库存:
式中,下限(floor)默认为0,上限(cap,过去一年历史库存*时间系数)。
每种推广形式的第一成本与总成本的商小于或等于第一上限值,且大于或等于第一下限值。即各广告形式下花费比例限制为:
每个推广平台下的第二成本与总成本的商小于或等于第二上限值,且大于或等于第二下限值。即各媒体下花费比例限制为:
可选地,以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解包括:
利用非线性求解器求解优化模型的输入、输出值对;
在输出使目标函数最大且输入满足约束条件的情况下,得到优化模型的最优解;
在非线性求解器得到的输入不满足约束条件的情况下,转用粒子群优化的方式求解优化模型的最优解,非线性求解器的求解效率大于粒子群优化的求解效率。
本申请实施例中,考虑到模型求解效率问题,可以首先采用IPOPT求解器进行求解,求出满足约束的最优解。若无解则无法输出可行解。此时,再采用粒子群优化算法进行启发式求解,求取逼近最优解的可行解。此时采用粒子群优化,使其在可接受的计算成本内去搜索最好的解,可极大提升计算效率。
根据本申请实施例的又一方面,如图3所示,提供了一种资源分配装置,包括:
模型获取模块301,用于获取曝光资源的优化模型,优化模型为利用媒体推广数据的曝光数据构建的,媒体推广数据用于在推广平台进行内容推广,曝光数据为根据推广平台上的用户对媒体推广数据的用户行为生成的;
目标函数模块303,用于创建关于优化模型的目标函数,目标函数用于最大化优化模型的输出;
模型求解模块305,用于以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解,得到使优化模型的输出最大化的曝光资源分配量,曝光资源分配量包括多个推广平台按照不同推广形式进行推广的最优曝光资源分配量。
需要说明的是,该实施例中的模型获取模块301可以用于执行本申请实施例中的步骤S202,该实施例中的目标函数模块303可以用于执行本申请实施例中的步骤S204,该实施例中的提模型求解模块305可以用于执行本申请实施例中的步骤S206。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现。
可选地,该模型获取模块,具体用于:
获取媒体推广数据的曝光数据;
利用曝光数据,构建以曝光量为输入,以触达率为输出的关于曝光资源的优化模型,触达率用于表示按照曝光量对媒体推广数据进行曝光后,媒体推广数据所能触达目标用户群体的比例,目标函数用于最大化所述触达率;
利用训练数据对优化模型进行训练,以使优化模型的模型参数达到最优值。
可选地,该模型获取模块,还用于:
将第一待解参数除以第二待解参数得到的商作为第一数值,其中,第一待解参数和第二待解参数为优化模型的参数;
将曝光量与第一数值的和作为第二数值;
将第一待解参数除以第二数值的商作为第三数值;
将触达率作为第二待解参数减去第三数值的结果;
保存曝光量与触达率的关联关系,得到优化模型。
可选地,该目标函数模块,具体用于:
将触达率的权重、触达率以及去重系数三者的乘积作为第一乘积,触达率的权重用于表示触达率在目标函数中的贡献度,去重系数和触达率的权重为预先设置的,去重系数用于去除重复触达的目标用户群体的比例,触达率包括多个推广平台下不同推广形式的触达率;
将效果系数和效果系数的权重的乘积作为第二乘积,效果系数的权重用于表示效果系数在目标函数中的贡献度,效果系数和效果系数的权重为预先设置的,效果系数用于表示媒体推广数据在各个推广平台以目标推广形式进行推广的效果,效果系数包括多个推广平台下不同推广形式的效果系数;
将效率系数和效率系数的权重的乘积作为第三乘积,效率系数的权重用于表示效率系数在目标函数中的贡献度,效率系数和效率系数的权重为预先设置的,效率系数用于表示媒体推广数据在各个推广平台以目标推广形式进行推广的效率,效率系数包括多个推广平台下不同推广形式的效率系数;
将第一乘积、第二乘积以及第三乘积相加,得到目标函数。
可选地,该模型求解模块,具体用于:
利用非线性求解器求解优化模型的输入、输出值对;
在输出使目标函数最大且输入满足约束条件的情况下,得到优化模型的最优解;
在非线性求解器得到的输入不满足约束条件的情况下,转用粒子群优化的方式求解优化模型的最优解,非线性求解器的求解效率大于粒子群优化的求解效率。
根据本申请实施例的另一方面,本申请提供了一种电子设备,如图4所示,包括存储器401、处理器403、通信接口405及通信总线407,存储器401中存储有可在处理器403上运行的计算机程序,存储器401、处理器403通过通信接口405和通信总线407进行通信,处理器403执行计算机程序时实现上述方法的步骤。
上述电子设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称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。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,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,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
根据本申请实施例的又一方面还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质。
可选地,在本申请实施例中,计算机可读介质被设置为存储用于所述处理器执行以下步骤的程序代码:
获取曝光资源的优化模型,优化模型为利用媒体推广数据的曝光数据构建的,媒体推广数据用于在推广平台进行内容推广,曝光数据为根据推广平台上的用户对媒体推广数据的用户行为生成的;
创建关于优化模型的目标函数,目标函数用于最大化优化模型的输出;
以目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解优化模型的最优解,得到使优化模型的输出最大化的曝光资源分配量,曝光资源分配量包括多个推广平台按照不同推广形式进行推广的最优曝光资源分配量。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本申请实施例在具体实现时,可以参阅上述各个实施例,具有相应的技术效果。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
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。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,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,所述模块的划分,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,例如多个模块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。
所述功能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,本申请实施例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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种资源分配方法,其特征在于,包括:
获取曝光资源的优化模型,其中,所述优化模型为利用媒体推广数据的曝光数据构建的,所述媒体推广数据用于在推广平台进行内容推广,所述曝光数据为根据所述推广平台上的用户对所述媒体推广数据的用户行为生成的;
创建关于所述优化模型的目标函数,其中,所述目标函数用于最大化所述优化模型的输出;
以所述目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解所述优化模型的最优解,得到使所述优化模型的输出最大化的曝光资源分配量,其中,所述曝光资源分配量包括多个所述推广平台按照不同推广形式进行推广的最优曝光资源分配量。
2.根据权利要求1所述的方法,其特征在于,获取曝光资源的优化模型包括:
获取所述媒体推广数据的所述曝光数据;
利用所述曝光数据,构建以曝光量为输入,以触达率为输出的关于曝光资源的优化模型,其中,所述触达率用于表示按照所述曝光量对所述媒体推广数据进行曝光后,所述媒体推广数据所能触达目标用户群体的比例,所述目标函数用于最大化所述触达率;
利用训练数据对优化模型进行训练,以使所述优化模型的模型参数达到最优值。
3.根据权利要求2所述的方法,其特征在于,利用所述曝光数据,构建以曝光量为输入,以触达率为输出的关于曝光资源的优化模型包括:
将第一待解参数除以第二待解参数得到的商作为第一数值,其中,所述第一待解参数和所述第二待解参数为所述优化模型的参数;
将所述曝光量与所述第一数值的和作为第二数值;
将所述第一待解参数除以所述第二数值的商作为第三数值;
将所述触达率作为所述第二待解参数减去所述第三数值的结果;
保存所述曝光量与所述触达率的关联关系,得到所述优化模型。
4.根据权利要求3所述的方法,其特征在于,创建关于所述优化模型的目标函数包括:
将触达率的权重、所述触达率以及去重系数三者的乘积作为第一乘积,其中,所述触达率的权重用于表示所述触达率在所述目标函数中的贡献度,所述去重系数和所述触达率的权重为预先设置的,所述去重系数用于去除重复触达的目标用户群体的比例,所述触达率包括多个所述推广平台下不同推广形式的触达率;
将效果系数和所述效果系数的权重的乘积作为第二乘积,其中,所述效果系数的权重用于表示所述效果系数在所述目标函数中的贡献度,所述效果系数和所述效果系数的权重为预先设置的,所述效果系数用于表示所述媒体推广数据在各个推广平台以目标推广形式进行推广的效果,所述效果系数包括多个所述推广平台下不同推广形式的效果系数;
将效率系数和所述效率系数的权重的乘积作为第三乘积,其中,所述效率系数的权重用于表示所述效率系数在所述目标函数中的贡献度,所述效率系数和所述效率系数的权重为预先设置的,所述效率系数用于表示所述媒体推广数据在各个推广平台以目标推广形式进行推广的效率,所述效率系数包括多个所述推广平台下不同推广形式的效率系数;
将所述第一乘积、所述第二乘积以及所述第三乘积相加,得到所述目标函数。
5.根据权利要求1至4任一所述的方法,其特征在于,所述曝光资源分配量满足以下约束条件中的至少一个:
多个所述推广平台按照不同推广形式进行推广的曝光资源总量与每千次展示成本的乘积小于或等于总成本;
每个所述推广平台按照不同推广形式进行推广的第一单个曝光资源总量小于或等于为对应推广平台分配的曝光量总量;
每种推广形式的第一成本与所述总成本的商小于或等于第一上限值,且大于或等于第一下限值;
每个所述推广平台下的第二成本与所述总成本的商小于或等于第二上限值,且大于或等于第二下限值。
6.根据权利要求5所述的方法,其特征在于,构建所述优化模型所用的参数还包括所述媒体推广数据的市场数据、推广内容以及推广位数据。
7.根据权利要求5所述的方法,其特征在于,以所述目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解所述优化模型的最优解包括:
利用所述非线性求解器求解所述优化模型的输入、输出值对;
在所述输出使所述目标函数最大且所述输入满足所述约束条件的情况下,得到所述优化模型的所述最优解;
在非线性求解器得到的所述输入不满足所述约束条件的情况下,转用粒子群优化的方式求解所述优化模型的最优解,其中,所述非线性求解器的求解效率大于所述粒子群优化的求解效率。
8.一种资源分配装置,其特征在于,包括:
模型获取模块,用于获取曝光资源的优化模型,其中,所述优化模型为利用媒体推广数据的曝光数据构建的,所述媒体推广数据用于在推广平台进行内容推广,所述曝光数据为根据所述推广平台上的用户对所述媒体推广数据的用户行为生成的;
目标函数模块,用于创建关于所述优化模型的目标函数,其中,所述目标函数用于最大化所述优化模型的输出;
模型求解模块,用于以所述目标函数为约束,采用非线性求解器与粒子群优化相结合的方式求解所述优化模型的最优解,得到使所述优化模型的输出最大化的曝光资源分配量,其中,所述曝光资源分配量包括多个所述推广平台按照不同推广形式进行推广的最优曝光资源分配量。
9.一种电子设备,包括存储器、处理器、通信接口及通信总线,所述存储器中存储有可在所述处理器上运行的计算机程序,所述存储器、所述处理器通过所述通信总线和所述通信接口进行通信,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110747420.6A CN113191830A (zh) | 2021-07-02 | 2021-07-02 | 资源分配方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110747420.6A CN113191830A (zh) | 2021-07-02 | 2021-07-02 | 资源分配方法、装置、设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191830A true CN113191830A (zh) | 2021-07-30 |
Family
ID=76976985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110747420.6A Pending CN113191830A (zh) | 2021-07-02 | 2021-07-02 | 资源分配方法、装置、设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191830A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888233A (zh) * | 2021-10-22 | 2022-01-04 | 北京明略软件系统有限公司 | 基于时间效应的广告预算分配方法、系统、设备及存储介质 |
CN114693343A (zh) * | 2022-03-14 | 2022-07-01 | 北京明略软件系统有限公司 | 一种广告预算分配方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636954A (zh) * | 2014-12-08 | 2015-05-20 | 北京掌阔技术有限公司 | 一种广告媒体投放量的数据挖掘方法和装置 |
CN109583921A (zh) * | 2017-09-28 | 2019-04-05 | 北京国双科技有限公司 | 广告预算获取方法、装置、存储介质及处理器 |
CN110288377A (zh) * | 2019-05-24 | 2019-09-27 | 北京派瑞威行互联技术有限公司 | 广告投放优化方法及装置、存储介质及电子装置 |
US10672035B1 (en) * | 2013-03-15 | 2020-06-02 | Verizon Media Inc. | Systems and methods for optimizing advertising spending using a user influenced advertisement policy |
CN111401946A (zh) * | 2020-03-10 | 2020-07-10 | 北京三快在线科技有限公司 | 虚拟资源投放方法、装置、服务器及计算机可读存储介质 |
CN112288489A (zh) * | 2020-11-02 | 2021-01-29 | 上海明略人工智能(集团)有限公司 | 一种广告触达率预估方法、装置、电子设备及介质 |
CN112348548A (zh) * | 2020-08-31 | 2021-02-09 | 北京三快在线科技有限公司 | 一种消息投放方法、装置、电子设备及可读存储介质 |
CN112465558A (zh) * | 2020-12-08 | 2021-03-09 | 上海明略人工智能(集团)有限公司 | 用于预测区域广告触达率的方法、装置及设备 |
CN112651770A (zh) * | 2020-12-07 | 2021-04-13 | 山东大学 | 电力现货市场售电商负荷申报优化方法及系统 |
CN112749824A (zh) * | 2019-10-31 | 2021-05-04 | 北京京东尚科信息技术有限公司 | 信息投放优化方法及系统、电子设备、存储介质 |
-
2021
- 2021-07-02 CN CN202110747420.6A patent/CN113191830A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10672035B1 (en) * | 2013-03-15 | 2020-06-02 | Verizon Media Inc. | Systems and methods for optimizing advertising spending using a user influenced advertisement policy |
CN104636954A (zh) * | 2014-12-08 | 2015-05-20 | 北京掌阔技术有限公司 | 一种广告媒体投放量的数据挖掘方法和装置 |
CN109583921A (zh) * | 2017-09-28 | 2019-04-05 | 北京国双科技有限公司 | 广告预算获取方法、装置、存储介质及处理器 |
CN110288377A (zh) * | 2019-05-24 | 2019-09-27 | 北京派瑞威行互联技术有限公司 | 广告投放优化方法及装置、存储介质及电子装置 |
CN112749824A (zh) * | 2019-10-31 | 2021-05-04 | 北京京东尚科信息技术有限公司 | 信息投放优化方法及系统、电子设备、存储介质 |
CN111401946A (zh) * | 2020-03-10 | 2020-07-10 | 北京三快在线科技有限公司 | 虚拟资源投放方法、装置、服务器及计算机可读存储介质 |
CN112348548A (zh) * | 2020-08-31 | 2021-02-09 | 北京三快在线科技有限公司 | 一种消息投放方法、装置、电子设备及可读存储介质 |
CN112288489A (zh) * | 2020-11-02 | 2021-01-29 | 上海明略人工智能(集团)有限公司 | 一种广告触达率预估方法、装置、电子设备及介质 |
CN112651770A (zh) * | 2020-12-07 | 2021-04-13 | 山东大学 | 电力现货市场售电商负荷申报优化方法及系统 |
CN112465558A (zh) * | 2020-12-08 | 2021-03-09 | 上海明略人工智能(集团)有限公司 | 用于预测区域广告触达率的方法、装置及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888233A (zh) * | 2021-10-22 | 2022-01-04 | 北京明略软件系统有限公司 | 基于时间效应的广告预算分配方法、系统、设备及存储介质 |
CN114693343A (zh) * | 2022-03-14 | 2022-07-01 | 北京明略软件系统有限公司 | 一种广告预算分配方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447724B (zh) | 内容项推荐方法及装置 | |
US10776816B2 (en) | System and method for building a targeted audience for an online advertising campaign | |
US9037483B1 (en) | Multi-touch attribution model for valuing impressions and other online activities | |
KR102028494B1 (ko) | 샵 분배 기능 및 인플루언서 마케팅 효율 분석 기능을 가지는 인플루언서 소셜 미디어 마케팅 서비스 제공 시스템 및 그 방법과 이를 구현하기 위한 프로그램이 저장된 기록매체 | |
CN110348894B (zh) | 资源位广告展示的方法、装置及电子设备 | |
US11776010B2 (en) | Protected audience selection | |
US20140122221A1 (en) | Optimizing bidding with multiple campaign types | |
US20140289036A1 (en) | Marketing Prediction, Analysis, and Optimization | |
CN113191830A (zh) | 资源分配方法、装置、设备及计算机可读介质 | |
CN109978580A (zh) | 对象推荐方法、装置以及计算机可读存储介质 | |
US20210073853A1 (en) | Systems and methods for optimization of data element utilization according to multi-touch attribution | |
AU2013234069A1 (en) | Method and system for displaying a contextual advertisement on a webpage | |
KR101602106B1 (ko) | 광고 서비스 제공 시스템, 서버 및 방법 | |
CN107077455A (zh) | 釆用基于事件的流量评分确定流量质量 | |
KR20130006829A (ko) | 개별 판매자를 위한 소셜 커머스 제공시스템 및 그 제공방법 | |
US10331713B1 (en) | User activity analysis using word clouds | |
CN111582899A (zh) | 一种展示链接效果的量化方法、装置、系统及存储介质 | |
CN111259242B (zh) | 数据处理方法、装置、存储介质及设备 | |
KR102136386B1 (ko) | 광고 매체 선정 시스템 | |
US20140067460A1 (en) | System and method for simulating return | |
CN111582901A (zh) | 一种展示链接效果的量化方法、装置、系统及存储介质 | |
KR20110046299A (ko) | 가상 유알엘의 생성과 추천자 계보 축적 데이터를 통한 인터넷상의 수익정산 시스템 및 그 방법 | |
Yue | The study of the application of O2O E-commerce model in China | |
US8224692B2 (en) | System and method for pricing of overlapping impression pools of online advertisement impressions for advertising demand | |
CN109583922B (zh) | 分析购买需求的方法和装置 |
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 |
Application publication date: 20210730 |
|
RJ01 | Rejection of invention patent application after publication |