CN113378066A - 一种兼职岗位推荐系统的流量控制方法 - Google Patents

Abstract

本发明公开了一种兼职岗位推荐系统的流量控制方法，按如下步骤进行：S1：利用微笑曲线函数计算会员有效期内各天的目标流量；S2：根据会员有效期内已曝光流量和已分配目标流量总差值更新剩余会员有效期内各天的目标流量；S3：借助参考客户每天各时区的历史流量占比将需要控制流量的客户的日流量分配到各时区，得到目标客户会员期各天每个时区的目标流量；S4：根据当天历史时区已有曝光流量和目标流量的总差值更新当天剩余各时区的目标流量；S5：将当天剩余各时区的目标流量和推荐算法给出的推荐值进行结合，采用自动调权法控制项目最终曝光流量。本发明可以合理充分地控制兼职岗位推荐系统的流量分配，降低马太效应的影响，提高了系统整体回报率。

Description

一种兼职岗位推荐系统的流量控制方法

技术领域

本发明涉及流量优化技术领域，具体涉及一种兼职岗位推荐系统的流量控制方法。

背景技术

推荐系统中普遍存在着马太效应，导致热门的项目(除了项目，还包括商品、物品或岗位)更热，长尾项目得不到很好地曝光，严重影响平台长期健康地发展；此外，优秀的推荐系统要能根据实际业务需求灵活控制流量地分发控制流量或者调整排序结果，譬如通过控制特定类目的曝光(减少该类目的流量)使其他类目得到更多的曝光(增加类目的流量)以提升整体ROI(回报率)，合理的流量分配控制不仅可用于改善马太效应，而且能贴合业务需求，提升平台的ROI。

在灵活用工领域，推荐系统作为商家和用户之间的纽带和撮合驱动力，一方面需要将商家发布的兼职推荐给合适的用户并达到一定的转化，一方面需要调控众多商家的流量分配，防止流量集聚在部分商家，导致部分商家发布的兼职得不到充分曝光，影响商户体验，同时也影响平台的效益和健康发展，所以合理充分地控制和利用流量极其重要。

发明内容

本发明的目的在于，提供一种兼职岗位推荐系统的流量控制方法。本发明可以合理充分地控制兼职岗位推荐系统的流量分配，降低马太效应的影响，提高了系统整体回报率。

为解决上述技术问题，本发明提供的技术方案如下：一种兼职岗位推荐系统的流量控制方法，按如下步骤进行：

S1：根据商家购买兼职岗位推荐系统会员的费用、会员有效期和预期单价构造微笑曲线函数，利用微笑曲线函数计算会员有效期内各天的目标流量；

S2：根据会员有效期内已曝光流量和已分配目标流量总差值更新剩余会员有效期内各天的目标流量；

S3：借助参考客户每天各时区的历史流量占比将需要控制流量的客户的日流量分配到各时区，得到目标客户会员期各天每个时区的目标流量；

S4：在兼职岗位推荐系统正常运行过程中，根据当天历史时区已有曝光流量和目标流量的总差值更新当天剩余各时区的目标流量；

S5：将当天剩余各时区的目标流量和推荐算法给出的推荐值进行结合，采用自动调权法控制项目最终的曝光流量。

上述的兼职岗位推荐系统的流量控制方法，步骤S1中，用会员的费用除以预期单价得到会员期内的总流量，然后以会员期中间时间和日最低流量阈值为顶点构造二次函数模拟微笑曲线，具体构造方法如下：

以横轴DAY表示会员周期中的天次，以纵轴torget flow所表示会员周期中的天次对应的日目标流量，以会员周期一半值T/2和日最低流量阈值k为顶点构建二次函数q(t)＝a(t-T/2)²+k，其中a根据该二次函数在周期T内积分值等于会员期内的总流量求得。

前述的兼职岗位推荐系统的流量控制方法，步骤S2中更新剩余会员有效期内各天的目标流量的具体过程如下：

S2.1：计算已发生的n天里第i天目标流量q_i和实际流量v_i差值的总值DS_n：

n∈[1,T]，i∈[1,n]；

S2.2：以总值DS_n除以剩余天数r＝T-n计算商值a_n和余数b_n，根据剩余天数r和余数b_n来计算余数b_n部分分配到剩余各天里的值c_l，则会员期未来每天需要的日调整量m_n为：m_n＝a_n+c_l，其中c_l的计算逻辑如下：

S2.3：根据未来第j天的原目标流量q_j和日调整量m_j计算并更新出最终的目标流量qu_j＝q_j+m_j。

前述的兼职岗位推荐系统的流量控制方法，步骤S3中，根据用户活跃规律将1天24小时按2小时为间隔划分12个时区，具体为夜晚11点到凌晨1点位第1时区、凌晨1点到凌晨3点为第2时区，以此类推；再根据参考客户近期各时间区间流量占比tt_jz，z∈[1，12]，将日目标流量qu_j分配到该天各时区，作为该天时区目标流量quz_jz，z∈[1，12]，j∈[1，T]，其中时区流量占比tt_jz为时区流量qz_jz与日流量q_j的比值：tt_jz＝qz_jz/q_j；时区目标流量quz_jz则为更新后日目标流量qu_j与该天时区流量占比tt_jz的乘积：quz_jz＝qu_j×tt_jz。

前述的兼职岗位推荐系统的流量控制方法，步骤S4中更新当天剩余各时区的目标流量的具体过程如下：

S4.1：计算第j天已经过去的前d个时区里各时区目标流量quz_jz和实际流量qz_jz差值的总值DSZ_jd：

z∈[1,d],j∈(n,T]；

S4.2：以总值DSZ_jd除以剩余时区数rz＝12-d计算商值az_jd和余数bz_jd，根据剩余时区数rz和余数bz_jd来计算余数bz_jd部分分配到剩余各时区里的值c_jm，则剩余各时区中m时区的调整量mz_jm为：mz_jm＝az_jd+c_jm；

S4.3：根据剩余第m时区的原目标流量quz_jm和调整量mz_jm计算并更新出该日该时区最终的目标流量quzu_jm＝quz_jm+ma_jm其中c_jm的计算逻辑如下：

前述的兼职岗位推荐系统的流量控制方法，所述的推荐算法为LightGBM分类算法。

前述的兼职岗位推荐系统的流量控制方法，步骤S5中采用自动调权法控制项目最终的曝光流量具体过程是：

S5.1：实时统计第j天第m时区截止统计时间的实际流量总值f_jm；

S5.2：结合该天m时区的实际实时流量f_jm和更新后的该时区目标流量quzu_jm，计算更新用于调整用户u对推项目W的兴趣度

的调整值

计算公式如下：

其中每天首个时区的调解值为0；β为控制实际流量超出目标流量的差异程度的超参数，根据需要控制的力度调整大小，该值越大，该项调整力度越大；

S5.3：根据调整值

对每个候选项目推荐度值

进行调整，得到最终的推荐度值

其中γ为用于控制推荐度值

与流量差异控制参数

的差异程度对最终推荐度

影响程度的超参数；

S5.4：对于用户u，对其所有候选项目调整后的推荐度值进行降序排列，即得到该用户的推荐列表，再按推荐列表控制项目最终的曝光流量。

与现有技术相比，本发明利用微笑曲线函数计算会员有效期内各天的目标流量，既可以将总流量划分到会员有效期内的各天里，又可以在客户充值会费后能获得相对较多的流量，提升客户体验，同时在会员期末期分配相对较多的流量，既可以对前期出现的流量差值进行较大地调整，又能刺激客户继续充值，实现客户和平台的双赢，然后再根据会员有效期内已曝光流量和已分配目标流量总差值更新剩余会员有效期内各天的目标流量以及更新当天剩余各时区的目标流量；，用于解决实际业务中实际曝光的流量与目标流量差异导致分配给客户的实际流量与预期值相差甚远，使部分客户流量达不到预期值的问题，提高用户体验和平台效益，最后当推荐系统为用户推荐项目时，本发明还考虑用户对该项目的兴趣度，在考虑合理分配控制流量的同时还需结合用户对项目的兴趣度对候选项目进行综合排序，从而根据实时流量与时区目标流量实现自动调权控制项目的最终曝光流量，用于再进一步地提高用户体验，增加用户留存率。

附图说明

图1是本发明的示意图；

图2是微笑曲线函数示意图。

具体实施方式

下面结合实施例和附图对本发明作进一步的说明，但并不作为对本发明限制的依据。

实施例：一种兼职岗位推荐系统的流量控制方法，如图1所示，按如下步骤进行：

S1：根据商家购买兼职岗位推荐系统会员的费用、会员有效期和预期单价(预期单价是指用户单次报名兼职期望产生的收入，可以根据业务需求进行配置的参数)构造微笑曲线函数，利用微笑曲线函数计算会员有效期内各天的目标流量；其中，用会员的费用除以预期单价得到会员期内的总流量，然后以会员期中间时间和日最低流量阈值为顶点构造二次函数模拟微笑曲线，具体构造方法如下：

如图2所示，以横轴DAY表示会员周期中的天次，以纵轴target flow(TF)所表示会员周期中的天次对应的日目标流量，以会员周期一半值T/2和日最低流量阈值k为顶点构建二次函数q(t)＝a(t-T/2)²+k，其中a根据该二次函数在周期T内积分值(数学中的积分运算)等于会员期内的总流量求得。

得到拟合好的方程后，代入要计算会员期内的天次i便可获得该天对应的目标流量值q_i；

S2：根据会员有效期内已曝光流量和已分配目标流量总差值更新剩余会员有效期内各天的目标流量，具体过程如下：

S2.1：计算已发生的n天里第i天目标流量q_i和实际流量v_i差值的总值DS_n，当总值DS_n为零时表示实际曝光的流量与目标流量无差异，当不为零时，实际曝光的流量与目标流量会存在一定的差异，若不将这些差异修正到会员期未来的各天里，该差异则会不断累积扩大，导致分配给客户的实际流量与预期值相差甚远，可能会导致部分客户流量达不到预期值，影响用户体验，同时对于分配较多流量的客户，可能会降低平台整体的ROI，影响平台效益；因此对于总值DS_n：

n∈[1,T]，i∈[1,n]；

S2.2：以总值DS_n除以剩余天数r＝T-n计算商值a_n和余数b_n，根据剩余天数r和余数b_n来计算余数b_n部分分配到剩余各天里的值C_l，则会员期未来每天需要的日调整量m_n为：m_n＝a_n+c_l，其中C_l的计算逻辑如下：

其中，由于实际流量可能会超出目标流量，因此会出现负值。

S2.3：根据未来第j天的原目标流量q_j和日调整量m_j计算并更新出最终的目标流量qu_j＝q_j+m_j。

S3：借助参考客户(参考客户为同一兼职推荐系统的同一类型商家，本实施例中为历史一段时间中(近1周)用户报名过兼职的商家，用该商家时区流量计算各时区流量占比，供待控制流量的商家参考)每天各时区的历史流量占比将需要控制流量的客户的日流量分配到各时区，得到目标客户会员期各天每个时区的目标流量；其中根据用户活跃规律将1天24小时按2小时为间隔划分12个时区，具体为夜晚11点到凌晨1点位第1时区、凌晨1点到凌晨3点为第2时区，以此类推；再根据参考客户近期各时间区间流量占比tt_jz，z∈[1，12]，将日目标流量qu_j分配到该天各时区，作为该天时区目标流量quz_jz，z∈[1，12]，j∈[1，T]，其中时区流量占比tt_jz为时区流量qz_jz与日流量q_j的比值：tt_jz＝qz_jz/q_j；时区目标流量quz_jz则为更新后日目标流量qu_j与该天时区流量占比tt_jz的乘积：quz_jz＝qu_j×tt_jz。

S4：在兼职岗位推荐系统正常运行过程中，根据当天历史时区已有曝光流量和目标流量的总差值更新当天剩余各时区的目标流量；具体过程如下：

S4.1：计算第j天已经过去的前d个时区里各时区目标流量quz_jz和实际流量qz_jz差值的总值DSZ_jd：当总值DSZ_jd为零时表示实际曝光的流量与目标流量无差异，当总值DSZ_jd不为零是，与日目标流量类似，各天时区目标流量与实际流量也会存在一定差异，若不及时修正调整，也会不断累积扩大差异，一定程度上也会影响用户体影响平台效益，因此对于总值DSZ_jd：

zE[1,d],jE(n,T]；

S4.2：以总值DSZ_jd除以剩余时区数rz＝12-d计算商值az_jd和余数bz_jd，根据剩余时区数rz和余数bz_jd来计算余数bz_jd部分分配到剩余各时区里的值c_jm，则剩余各时区中m时区的调整量mz_jm为：mz_jm＝az_jd+c_jm；其中c_jm的计算逻辑如下：

其中，由于实际流量可能会超出目标流量，因此会出现负值。

S4.3：根据剩余第m时区的原目标流量quz_jm和调整量mz_jm计算并更新出该日该时区最终的目标流量quzu_jm＝quz_jm+mz_jm。

S5：将当天剩余各时区的目标流量和推荐算法(LightGBM分类算法，推荐值表示用户对兼职岗位的喜好程度；在其他实施例中包括常见推荐算法但不限于常见推荐算法)给出的推荐值(可以是CTR：点击通过率，也可以是CVR:转化率)进行结合，采用自动调权法控制项目(即item)最终的曝光流量，采用自动调权法控制项目最终的曝光流量具体过程是：

S5.1：实时统计第j天第m时区截止统计时间的实际流量总值f_jm；

S5.2：结合该天m时区的实际实时流量f_jm和更新后的该时区目标流量quzu_jm，计算更新用于调整用户u对推项目W的兴趣度

的调整值

计算公式如下：

其中每天首个时区的调解值为0；β为控制实际流量超出目标流量的差异程度的超参数，根据需要控制的力度调整大小，该值越大，该项调整力度越大；

S5.3：根据调整值

对每个候选项目推荐度值

进行调整，得到最终的推荐度值

其中γ为用于控制推荐度值

与流量差异控制参数

的差异程度对最终推荐度

影响程度的超参数；

S5.4：对于用户u，对其所有候选项目调整后的推荐度值进行降序排列，即得到该用户的推荐列表，再按推荐列表控制项目最终的曝光流量。

综上所述，本发明利用微笑曲线函数计算会员有效期内各天的目标流量，既可以将总流量划分到会员有效期内的各天里，又可以在客户充值会费后能获得相对较多的流量，提升客户体验，同时在会员期末期分配相对较多的流量，既可以对前期出现的流量差值进行较大地调整，又能刺激客户继续充值，实现客户和平台的双赢，然后再根据会员有效期内已曝光流量和已分配目标流量总差值更新剩余会员有效期内各天的目标流量以及更新当天剩余各时区的目标流量；，用于解决实际业务中实际曝光的流量与目标流量差异导致分配给客户的实际流量与预期值相差甚远，使部分客户流量达不到预期值的问题，提高用户体验和平台效益，最后当推荐系统为用户推荐项目时，本发明还考虑用户对该项目的兴趣度，在考虑合理分配控制流量的同时还需结合用户对项目的兴趣度对候选项目进行综合排序，从而根据实时流量与时区目标流量实现自动调权控制项目的最终曝光流量，用于再进一步地提高用户体验，增加用户留存率。

Claims (7)

1.一种兼职岗位推荐系统的流量控制方法，其特征在于：按如下步骤进行：

S1：根据商家购买兼职岗位推荐系统会员的费用、会员有效期和预期单价构造微笑曲线函数，利用微笑曲线函数计算会员有效期内各天的目标流量；

S2：根据会员有效期内已曝光流量和已分配目标流量总差值更新剩余会员有效期内各天的目标流量；

S3：借助参考客户每天各时区的历史流量占比将需要控制流量的客户的日流量分配到各时区，得到目标客户会员期各天每个时区的目标流量；

S4：在兼职岗位推荐系统正常运行过程中，根据当天历史时区已有曝光流量和目标流量的总差值更新当天剩余各时区的目标流量；

S5：将当天剩余各时区的目标流量和推荐算法给出的推荐值进行结合，采用自动调权法控制项目最终的曝光流量。

2.根据权利要求1所述的兼职岗位推荐系统的流量控制方法，其特征在于：步骤S1中，用会员的费用除以预期单价得到会员期内的总流量，然后以会员期中间时间和日最低流量阈值为顶点构造二次函数模拟微笑曲线，具体构造方法如下：

以横轴DAY表示会员周期中的天次，以纵轴targetflow所表示会员周期中的天次对应的日目标流量，以会员周期一半值T/2和日最低流量阈值k为顶点构建二次函数q(t)＝a(t-T/2)²+k，其中a根据该二次函数在周期T内积分值等于会员期内的总流量求得。

3.根据权利要求1所述的兼职岗位推荐系统的流量控制方法，其特征在于：步骤S2中更新剩余会员有效期内各天的目标流量的具体过程如下：

S2.1：计算已发生的n天里第i天目标流量q_i和实际流量v_i差值的总值DS_n：

S2.2：以总值DS_n除以剩余天数r＝T-n计算商值a_n和余数b_n，根据剩余天数r和余数b_n来计算余数b_n部分分配到剩余各天里的值c_l，则会员期未来每天需要的日调整量m_n为：m_n＝a_n+c_l，其中c_l的计算逻辑如下：

S2.3：根据未来第j天的原目标流量q_j和日调整量m_j计算并更新出最终的目标流量qu_j＝q_j+m_j。

4.根据权利要求1所述的兼职岗位推荐系统的流量控制方法，其特征在于：步骤S3中，根据用户活跃规律将1天24小时按2小时为间隔划分12个时区，具体为夜晚11点到凌晨1点位第1时区、凌晨1点到凌晨3点为第2时区，以此类推；再根据参考客户近期各时间区间流量占比tt_jz，z∈[1，12]，将日目标流量qu_j分配到该天各时区，作为该天时区目标流量quz_jz，z∈[1，12]，j∈[1，T]，其中时区流量占比tt_jz为时区流量qz_jz与日流量q_j的比值：tt_jz＝qz_jz/q_j；时区目标流量quz_jz则为更新后日目标流量qu_j与该天时区流量占比tt_jz的乘积：

quz_jz＝qu_j×tt_jz。

5.根据权利要求1所述的兼职岗位推荐系统的流量控制方法，其特征在于：步骤S4中更新当天剩余各时区的目标流量的具体过程如下：

S4.1：计算第j天已经过去的前d个时区里各时区目标流量quz_jz和实际流量qz_jz差值的总值DSZ_jd：

S4.2：以总值DSZ_jd除以剩余时区数rz＝12-d计算商值az_jd和余数bz_jd，根据剩余时区数rz和余数bz_jd来计算余数bz_jd部分分配到剩余各时区里的值c_jm，则剩余各时区中m时区的调整量mz_jm为：mz_jm＝az_jd+c_jm；其中c_jm的计算逻辑如下：

S4.3：根据剩余第m时区的原目标流量quz_jm和调整量mz_jm计算并更新出该日该时区最终的目标流量quzu_jm＝quz_jm+mz_jm。

6.根据权利要求1所述的兼职岗位推荐系统的流量控制方法，其特征在于：所述的推荐算法为LightGBM分类算法。

7.根据权利要求1所述的兼职岗位推荐系统的流量控制方法，其特征在于：步骤S5中采用自动调权法控制项目最终的曝光流量具体过程是：

S5.1：实时统计第j天第m时区截止统计时间的实际流量总值f_jm；

S5.2：结合该天m时区的实际实时流量f_jm和更新后的该时区目标流量quzu_jm，计算更新用于调整用户u对项目w的兴趣度

的调整值

计算公式如下：

其中每天首个时区的调解值为0；β为控制实际流量超出目标流量的差异程度的超参数，根据需要控制的力度调整大小，该值越大，该项调整力度越大；

S5.3：根据调整值

对每个候选项目推荐度值

进行调整，得到最终的推荐度值

其中γ为用于控制推荐度值

与流量差异控制参数

的差异程度对最终推荐度

影响程度的超参数；

S5.4：对于用户u，对其所有候选项目调整后的推荐度值进行降序排列，即得到该用户的推荐列表，再按推荐列表控制项目最终的曝光流量。

Images