CN113674013A - 一种基于商户自定义规则的广告竞价调整方法及系统 - Google Patents

一种基于商户自定义规则的广告竞价调整方法及系统 Download PDF

Info

Publication number
CN113674013A
CN113674013A CN202110775214.6A CN202110775214A CN113674013A CN 113674013 A CN113674013 A CN 113674013A CN 202110775214 A CN202110775214 A CN 202110775214A CN 113674013 A CN113674013 A CN 113674013A
Authority
CN
China
Prior art keywords
bidding
data
information
promotion
popularization
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.)
Granted
Application number
CN202110775214.6A
Other languages
English (en)
Other versions
CN113674013B (zh
Inventor
时贺平
陈梁
匡涛
陈青
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.)
Shanghai Baiqiu E Commerce Co ltd
Original Assignee
Shanghai Baiqiu E Commerce 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 Shanghai Baiqiu E Commerce Co ltd filed Critical Shanghai Baiqiu E Commerce Co ltd
Priority to CN202110775214.6A priority Critical patent/CN113674013B/zh
Publication of CN113674013A publication Critical patent/CN113674013A/zh
Application granted granted Critical
Publication of CN113674013B publication Critical patent/CN113674013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

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

本发明公开了一种基于商户自定义规则的广告竞价调整方法及系统，包括：S1：获取历史数据；S2：筛选特征信息；S3：获取目标用户画像的特征信息；S4：对特征信息进行特征值提取；S5：利用皮尔逊相关系数计算推广指标参数与特征值之间的相关系数，构建基于动态序列化的智能调价模型；S6：接收自定义规则信息和竞价信息，预测出所需的特征值；S7：将获取的特征值输入到第三方电商平台的竞价接口中，接收基于自定义规则信息构建的推广任务信息，根据推广任务信息进行特征值的竞价推送。本发明利用历史投放数据建模，利用机器学习进行成本预估与效果收益预测，实现竞价策略的实时调整，达到降低广告成本，提升ROI的目的。

Description

一种基于商户自定义规则的广告竞价调整方法及系统
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于商户自定义规则的广告竞价调整方法及系统。
背景技术
广告竞价是一种由商户群体自主投放、自主管理，通过调整价格来进行排名，按照广告效果付费的新型网络广告形式。
现有互联网竞价广告计费方式中，一般遵循出价排序原理，通常为出价越高，获取高曝光量的机会越大。为了达到更好的投放效果，商户群体往往需要实时监测广告计划的消耗、互动情况，并根据自身诉求，比如追求导流、追求曝光的目的，动态调整出价以及定向人群等，以满足此次推广目的。
本申请发明人发现，目前各第三方电子商务平台(比如京东、淘宝、天猫等)的商户群体在使用营销平台进行付费推广时，往往需要各自的网络推广专员人工主观的层层参与，并且在实施各类推广计划时，凭经验或自身感觉操作，并不会考虑到商户的历史数据以及电商平台当前的推动状态，并且操作频率也受控于人，因此无法做到利用最少的推广成本获取最大的曝光点击频率。
发明内容
本申请实施例通过提供一种基于商户自定义规则的广告竞价调整方法及系统，解决了现有技术中人为设置推广策略导致无法做到利用最少的推广成本获取最大的曝光点击频率的技术问题，实现了将营销人员需要参与的工作流简单化、合理化、自动化，基于历史数据、自定义规则以及推广对象在内的至少三项，通过构建目标用户画像，推广规则、多渠道搭建策略级自动化，使得在对的时间将对的内容进行自动设置推广，以自动化工作流场景削减了运营时间和人力成本，并且能够提供更加精准及时有效的推广计划调整，增加成交量，提升投资回报率ROI，帮助商户快速实现商业目标。
第一方面，本申请提供了一种基于商户自定义规则的广告竞价调整方法，包括：
S1：获取商户在第三方电商平台的历史广告投放数据、竞价数据；
S2：根据历史广告投放数据和竞价数据，筛选分析出包括推广对象、目标用户、推广指标参数、关键词、出价数据、竞价结果在内的特征信息；
S3：对推广对象和目标用户进行聚类，结合人工智能算法，生成推广对象的用户画像，获取基于目标用户画像的特征信息；
S4：对特征信息进行包括推广时间段、关键词、出价数据以及竞价结果在内的特征值提取；
S5：利用皮尔逊相关系数计算推广指标参数与特征值之间的相关系数，构建基于动态序列化的智能调价模型；选出符合相关性的多个特征值，输入到智能调价模型中，根据推广指标参数预测出特征值；其中，推广指标参数作为因变量，特征值作为自变量；
S6：接收商户利用推广指标参数构建的自定义规则信息，实时接收第三方电商平台当前输出的包括关键词、出价数据在内的竞价信息，将自定义规则信息和竞价信息输入到智能调价模型中，预测出包括推广时间段、推广对象、出价数据在内的特征值；
S7：将预测出的特征值输入到第三方电商平台的竞价接口中，接收基于自定义规则信息构建的推广任务信息，根据推广任务信息进行特征值的竞价推送。
进一步地，在步骤S2中，筛选出的所述出价数据服从标准正态分布，并通过95％置信区间对出价数据进行检验后，获取出价数据的范围分布。
进一步地，所述步骤S7中，接收基于自定义规则信息构建的推广任务信息的方法包括接收商户构建的任务列表，所述任务列表中的每条任务清单包括任务名称、监控时间、监控日期以及自定义规则信息；所述自定义规则信息包括预定规则和新建规则，当选择所述新建规则时，触发制定规则策略，所述规则策略中为利用多叉树结构对多项推广指标参数进行约束限定。
进一步地，在所述智能调价模型中，将推广对象、关键词、出价数据、推广时间在内的特征值作为自变量，将展现点击率、点击转化率、收藏加购数、成交金额在内的推广指标参数作为因变量，以实现根据不同的推广需求，建立展现点击率、点击转化率、收藏加购数、成交金额不同的模型运算公式，基于自定义规则信息给出的因变量的目标范围，动态调整各关键词与推广对象在各时间段的出价数据。
进一步地，所述步骤S6之后还包括：将预测出的出价数据和竞价结果记录日志，通过对比测试对比智能调价模型产生的效果，再将预测数据作为样本数据，对智能调价模型进行校对。
进一步地，所述步骤S5中，计算皮尔逊相关系数包括计算推广费用、展现量、点击量、自然流量曝光量、自然流量转化金额、收藏宝贝数、收藏店铺数、加入购物车数，与成交金额的相关系数，选出符合相关性的特征值。
进一步地，所述步骤S7中，预测出的特征值通过第三方电商平台的开放平台应用接口进行出价设置。
第二方面，本申请提供了一种基于商户自定义规则的广告竞价调整系统，采用第一方面的方法，包括：
历史数据接收模块，配置为获取商户在第三方电商平台的历史广告投放数据、竞价数据；
特征信息筛选模块，配置为根据历史广告投放数据和竞价数据，筛选分析出包括推广对象、目标用户、推广指标参数、关键词、出价数据、竞价结果在内的特征信息；
画像生成模块，配置为对推广对象和目标用户进行聚类，结合人工智能算法，生成推广对象的用户画像，获取基于目标用户画像的特征信息；
特征值提取模块，配置为对特征信息进行包括推广时间段、关键词、出价数据以及竞价结果在内的特征值提取；
模型设置模块，配置为利用皮尔逊相关系数计算推广指标参数与特征值之间的相关系数，构建基于动态序列化的智能调价模型；选出符合相关性的多个特征值，并输入到预先构建的智能调价模型中，以便根据对应的推广指标参数得到相应的特征值；其中，推广指标参数作为因变量，特征值作为自变量；
特征值预测模块，配置为接收商户利用推广指标参数构建的自定义规则信息，实时接收第三方电商平台当前输出的包括关键词、出价数据在内的竞价信息，将自定义规则信息和竞价信息输入到智能调价模型中，预测出包括推广时间段、推广对象、出价数据在内的特征值；
竞价设置模块，配置为将预测出的特征值输入到第三方电商平台的竞价接口中，接收基于自定义规则信息构建的推广任务信息，根据推广任务信息进行特征值的竞价推送。
第三方面，本申请提供了一种电子设备，包括：
存储器，用于存储可执行程序代码；以及
处理器，连接至所述存储器，通过读取所述可执行程序代码，来运行与所述可执行程序代码对应的计算机程序，以执行如第一方面中任一项所述的基于商户自定义规则的广告竞价调整方法中的步骤。
第四方面，本申请提供了一种一种存储介质，存储有可执行程序代码，至少一处理器读取所述可执行程序代码，来运行与所述可执行程序代码对应的计算机程序，以执行如第一方面中任一项所述的基于商户自定义规则的广告竞价调整方法的至少一步骤。
本申请实施例中提供的一种基于商户自定义规则的广告竞价调整方法及系统，至少具有如下技术效果：
1，本发明将商户需要参与的推广工作流简单化、合理化、自动化，基于历史推广数据、规则、内容三项，通过构建目标用户画像，自定义推广规则，多渠道搭建策略级自动化，在对的时间将对的内容进行自动设置推广，以自动化工作流场景削减了运营时间和人力成本，并且能够提供更加精准及时有效的推广计划调整，增加成交量，提升ROI，帮助企业快速实现商业目标，本发明的核心就是结合计算机技术，通过自动化营销技术，在人力方面，可以实现人工不能实现的精准调价和实时管控的操作。
2，本发明结合计算机技术，通过自动化营销技术，在人力方面，可以实现人工不能实现的精准调价和实时管控的操作。
附图说明
图1为本申请实施例一基于商户自定义规则的广告竞价调整方法的流程图；
图2为本申请实施例二基于商户自定义规则的广告竞价调整系统模块图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参考图1所示，本申请实施例提供了一种基于商户自定义规则的广告竞价调整方法，该方法将商户参与人员的工作简单化、合理化、自动化，基于数据、规则以及内容三项，通过构建全景用户画像、推广规则、多渠道搭建策略级自动化，在对的时间将对的内容进行自动设置推广，以自动化工作流程削减运营时间和人力成本，并且能够提供更加精准及时的推广计划调整，增加成交量，提升投资回报率ROI，帮助商户快速实现商业目标。
实施例1
本申请实施例提供的一种基于商户自定义规则的广告竞价调整方法，该方法包括如下步骤：
步骤S1：获取商户在第三方电商平台的历史广告投放数据、竞价数据。
可以理解为获取历史数据中对每个关键词、每个推广对象的出价数据以及效果数据。第三方电商平台可以为京东、淘宝、拼多多等B2C在线市场。本实施例基于现有的各大电子商务平台提供动态竞价预测，有效帮助商户在实施竞价推广运营时，实时有效地预测处竞价信息，帮助商户精准调价，并且实现实时管控的目的。
进一步说明，本实施例的方法应用的网络架构可以包括平台应用层、服务商平台层、技术层。在第三方电商平台所属的平台应用层设置应用接口，比如：直通车关键词出价、直通车商品出价、钻展创业图片出价、超推人群出价；直通车关键词出价中通过在天猫平台搜索关键词，关键词和商品关联，搜索对应关键词，根据相应出价高低来展示商品排名，增加商品点击转化；直通车商品出价中，不同商品的出价带来商品ROI的不同，优化在那些商品上可以设置高出价；钻展创意图片出价中，根据不同图片的点击转化率，来设置不同图片的展示次数，来提升用户点击购买；超推人群出价中，通过实时计算人群出价的费用，设置人群溢价，对高价值人群进行优先曝光；超推创意出价中，超级推荐渠道展示不同图片，对应效果进行出价调整。实施本方法的为服务商平台层，作为服务商开发应用逻辑，以及和平台通过开放API的形式进行交互；比如，天猫/京东开放平台API获取实时的出价数据，输入到本方法构建的模型中进行分析，基于本方法预设的自定义规则信息中的出价规则，输出预测出的出价数据，并通过天猫/京东开放平台API推送出去。当然服务商平台层也需要技术层提供技术支持，通常技术层也可以理解为数据库层，可以采用Mysql数据库，应用的底层逻辑可以有spring boot、spring MVC、JavaScript、VUE等，用于系统开发和展示。
步骤S2：根据历史广告投放数据和竞价数据，筛选分析出包括推广对象、目标用户、推广指标参数、关键词、出价数据、竞价结果在内的特征信息。
当然特征信息不局限于此，比如，推广花费、展现量、点击量、自然流量曝光量、自然流量转化金额、收藏宝贝数、收藏店铺数、加入购物车数、推广对象、关键词、出价数据、推广时间段、展现点击率、点击转化率、收藏加购数、成交金额等。
本步骤S2中，筛选出的出价数据服从标准正态分布，并通过95％置信区间对出价数据进行检验后，获取出价数据的范围分布。其中，标准正态分布：
Figure BDA0003154546440000071
进一步在分析历史数据分布时，估计特征值所属区间的例数占总例数的百分数(频数分布)或观察值落在该区间的概率。比如，计算95％置信区间[区间(-∞，-1.96)与区间(1.96，∞)]出价的数值作为出价值范围分布，来定义后期出价数据范围。
步骤S3：对推广对象和目标用户进行聚类，结合人工智能算法，生成推广对象的用户画像，获取基于目标用户画像的特征信息。
步骤S4：对特征信息进行包括推广时间段、关键词、出价数据以及竞价结果在内的特征值提取。
步骤S5：利用皮尔逊相关系数计算推广指标参数与特征值之间的相关系数，构建基于动态序列化的智能调价模型；选出符合相关性的多个特征值，并输入到预先构建的智能调价模型中，以便根据对应的推广指标参数预测出相应的特征值；其中，推广指标参数作为因变量，特征值作为自变量。
在智能调价模型中，可以将推广对象、关键词、出价数据、推广时间在内的特征值作为自变量，可以将展现点击率、点击转化率、收藏加购数、成交金额在内的推广指标参数作为因变量，以实现根据不同的推广需求，建立展现点击率、点击转化率、收藏加购数、成交金额不同的模型运算公式，基于自定义规则信息给出的因变量的目标范围，动态调整各关键词与推广对象在各时间段的出价数据。进一步地，智能调价模型可以采用回归模型，公式为Y＝a+b1*X+b2*X2+e。
进一步地，计算皮尔逊相关系数包括计算推广费用、展现量、点击量、自然流量曝光量、自然流量转化金额、收藏宝贝数、收藏店铺数、加入购物车数，与成交金额的相关系数，选出符合相关性的特征值。计算皮尔逊相关系数可以采用到的公式有协方差公式、标准差公式以及皮尔逊相关系数公式，协方差公式：
Figure BDA0003154546440000081
标准差公式：
Figure BDA0003154546440000082
皮尔逊相关系数公式：
Figure BDA0003154546440000083
举例说明，代码可以包括如下：
“data['(x-u1)*(y-u2)']＝(data['value1']-u1)*(data['value2']-u2)
data['(x-u1)**2']＝(data['value1']-u1)**2
data['(y-u2)**2']＝(data['value2']-u2)**2
print(data.head())
print('------')
#制作Pearson相关系数求值表
r＝data['(x-u1)*(y-u2)'].sum()/(np.sqrt(data['(x-u1)**2'].sum()*data['(y-u2)**2'].sum()))
print('Pearson相关系数为：％.4f'％r)
#求出r
#|r|>0.8→高度线性相关
#Pearson相关系数-算法
data1＝pd.Series(np.random.rand(100)*100).sort_values()
data2＝pd.Series(np.random.rand(100)*50).sort_values()
data＝pd.DataFrame({'value1':data1.values,'value2':data2.values})
print(data.head())
print('------')
#创建样本数据
data.corr()
#pandas相关性方法：data.corr(method＝'pearson',min_periods＝1)→直接给出数据字段的相关系数矩阵
#method默认pearson”。
最终计算结果如下表所示：
出价金额 成交金额 展现点击率 加购数
出价金额 1.000000 0.996077 0.76453 0.839744
成交金额 0.996077 1.000000 0.89345 0.782345
展现点击率 0.98643 0.76823 1.000000 0.83134
加购数 0.952423 0.96332 0.854732 1.000000
步骤S6：接收商户利用推广指标参数构建的自定义规则信息，实时接收第三方电商平台当前输出的包括关键词、出价数据在内的竞价信息，将自定义规则信息和竞价信息输入到智能调价模型中，预测出包括推广时间段、推广对象、出价数据在内的特征值。
在步骤S6之后还包括将预测出的特征值中的出价数据和竞价结果记录日志，通过对比测试对比智能调价模型产生的效果，再将预测数据作为样本数据，对智能调价模型进行校对，使模型更加精准。
步骤S7：将预测出的特征值输入到第三方电商平台的竞价接口中，接收基于自定义规则信息构建的推广任务信息，根据推广任务信息进行特征值的竞价推送。
在步骤S7中，接收基于自定义规则信息构建的推广任务信息的方法包括接收商户构建的任务列表，所述任务列表中的每条任务清单包括任务名称、监控时间、监控日期以及自定义规则信息；所述自定义规则信息包括预定规则和新建规则，当选择所述新建规则时，触发制定规则策略，所述规则策略中为利用多叉树结构对多项推广指标参数进行约束限定。
在步骤S7中，获取的特征值通过第三方电商平台的开放平台应用接口进行出价设置。
进一步说明，构建自定义规则信息时，需要基于Node.js运行环境，底层Vue.js渐进式框架中vue-cli搭建整体结构，使用ElementUI实现商户端与服务器的交互。其中，基于JavaScript技术实现多叉树规则的设置，方便商户对各项规则进行添加设置。服务商平台层中的服务器基于java语言，采用SpringBoot框架，运行方法的整体代码，数据存储方面采用Mysql数据库。进一步基于递归和分治算法利用规则对任务进行分类筛选。
构建自定义规则信息包括设置规则节点，其中子节点属性为节点本身组成的集合，从而实现多叉树结构。具体如下，
“/*偏差比例*/private String deviationRate；
/*标准值上限*/private String standardMaxValue；
/*标准值下限*备注:对于花费为每个时间段的具体值，不存在范围，故
存储在标准值下限字段中*/private String standardMinValue；
/*触发指令:next:参考下一指标up:提高出价down:降低出价keep:出价不变filter:直接过滤*/private String trigger；
/*子节点集合出*/private List<RecRuleNode>children；”。
本实施例中，根据第三方电商平台返回的竞价数据，即接口数据，利用设置的自定义规则信息中的规则节点进行判断，决定多叉树需要递归遍历的分支，将整体规则利用分治思想拆分为小的节点判断，并将判断的依据记录为日志方便用户后期查看。如下所示，
“//触发指令：next：参考下一指标、up：提高出价、down：降低出价、keep：出价不变；//unwanted：(无需调整)过滤selectedGood筛选优质人群selectedBad筛选问题人群
RecRuleNode tempNode；
//小于等于标准值最小值:
if(target<＝downStand){
//取出左节点
tempNode＝ruleNode.getChildrenO.get(0)；
reason.append(ruleNode.getIndexName().append("小于等于标准值下限；)；}else if(target>＝upStand){
//取出右节点
tempNode＝ruleNode.getChildrenO.get(2)；
reason.append(ruleNode.getIndexName().append("大于等于标准值上限；")；}else{
//取出中间节点
tempNode＝ruleNode.getChildrenO.get(1)；
reason.append(ruleNode.getIndexName()).append("介于标准值上限下限之间；")；”。
进一步地，通过递归思想判断每个节点的规则，当遇到非参考下一指标时，返回用户设置的规则最终操作，当遇到参考下一指标时，采用递归思想重复上一过程，直至获取最终操作类型。如下设置：
“if(ItConst.KEEP.equals(tempNode.getTrigger(0)llItConst.UNWANTED.equals(tempNode.getTriggerO))return3；}else if(ItConst.UP.equals(tempNode.getTriggerO)){return 1；}else if(ItConst.SELECTED_cO0D.equals(tempNode.getTriggerO)){return 5；}else if(ItConst.SELECTED_BAD.equals(tempNode.getTriggerO)){return 6；}else if(ItConst.DOWN.equals(tempNode.getTriggerO)){return 2；else if(ItConst.ANEXT.equals(tempNode.getTriggerO)){return isFilter(rptHourVo，tempNode，reason)；else{return 3；}”。
本实施例中接收基于自定义规则信息构建的推广任务信息。具体包括定时执行引擎底层采用开源定时任务框架Quartz，并在此基于上实现任务规则匹配算法完成定时对筛选任务进行处理。比如，定时执行引擎执行周期采用CRON表达式，在用户选择好执行周期后，根据执行周期生成CRON表达式，用于执行定时任务，当系统时间到了CRON表达式设置的时间，会自动执行之前设置好的任务规则匹配算法实现智能调价。如下设置：
“String goodCron＝this.generateCronExpression(priceEntity.getTaskStartDate)，priceEntity.getTaskEndDateO),priceEntity.getTaskStartTimeO)，priceEntity.getTaskEndTimeO)，priceEntity.getGoodCrowdAdjustRateO)；String badCron＝this.generateCronExpression(priceEntity.getTaskStartDate()，priceEntity.getTaskEndDateO)，priceEntity.getTaskStartTimeO)，priceEntity.getTaskEndTime()，priceEntity.getBadCrowdAdjustRateO)；if(goodCron＝＝null ll badCron＝＝nul1)(return newResultData(.error(CRON表达式生成失败,请检查^)；
//判断是否为合法的cron表达式,以及其有效执行次数是香为0
boolean goodFlag＝checkCorn(goodCron)；boolean badFlag＝checkCorn(badCron)；
//如果cron表达式有误，则直接返回
if(！goodFlag ll！badFlag){return new ResultData(.error(”任务设置执行时间段小时数小于执行的频率，请调整”)。”。
商户具体操作如下：新建任务，根据需求填写任务名称以及需要监控的日期、时间，如果需要使用已有的规则或者新建规则选择对应项目即可，点击确认后完成任务创建。在新建规则时，编辑规则是自动付费推广方案中最核心的一环，需要商户首先选择完投放的计划后，对单元进行规则设置，推广指标参数至少有六项，分别是点击转化率、收藏加购率、点击率、投资回报率、点击成本、收藏加购成本，选择推广指标参数后，填写范围值和偏差比例，本实施例中的自定义规则采用多叉树结构，对于推广指标参数低于范围值最小值时，选择最左侧规则，介于范围值之间选择中间规则，指标高于范围值的最大值选择右侧规则，商户可以根据实际情况设置需要监控的推广指标参数，并设置相应的规则内容，规则内容支持多重校验，当第一个规则内容满足的情况下，可以设置需要校验的第二个规则内容，最多支持已有的六个规则内容。在任务执行时，会按商户设定的规则内容将计划下的推广单元分为优质单元和问题单元。考虑到优质单元的人群和问题单元的人群需要设置的规则不相同，所以需要同时对两种类型的单元进行人群规则设置。进一步地，调整人群出价规则时，可以针对问题单元和优质单元设置不同的执行频率，在当商户设置好降低出价和提高出价的幅度后，任务会根据规则对单元下的人群进行分类，对于需要提高或降低出价的人群，会在原有报价的基础上进行价格调整，达到自动调价的目的，同时商户可以设置人群调价上限，当自动调价的出价价格高于商户设置的价格上限时，不再继续增长，防止因为商户规则设置错误导致出价不停的提高造成投放失误。在设置好规则后，可以选择是否保存模板，保存的模板在之后创建任务的时候会被复用，能在一定程度上减少商户重复进行规则操作的时间消耗。查看日志过程中，设置好规则之后就可以开启任务，任务定时执行，执行后会将所有的自动化操作日志记录下来，商户可以在任务执行完成之后登陆系统查看日志，了解人群的出价调整情况。
实施例2
本申请实施例提供了一种基于商户自定义规则的广告竞价调整系统，采用实施例1中的方法，系统包括如下模块：
历史数据接收模块100，配置为获取商户在第三方电商平台的历史广告投放数据、竞价数据。
特征信息筛选模块200，配置为根据历史广告投放数据和竞价数据，筛选分析出包括推广对象、目标用户、推广指标参数、关键词、出价数据、竞价结果在内的特征信息。
画像生成模块300，配置为对推广对象和目标用户进行聚类，结合人工智能算法，生成推广对象的用户画像，获取基于目标用户画像的特征信息。
特征值提取模块400，配置为对特征信息进行包括推广时间段、关键词、出价数据以及竞价结果在内的特征值提取。
模型设置模块500，配置为利用皮尔逊相关系数计算推广指标参数与特征值之间的相关系数，构建基于动态序列化的智能调价模型；选出符合相关性的多个特征值，并输入到智能调价模型中，根据推广指标参数预测出相应的特征值；其中，推广指标参数作为因变量，特征值作为自变量。
特征值预测模块600，配置为接收商户利用推广指标参数构建的自定义规则信息，实时接收第三方电商平台当前输出的包括关键词、出价数据在内的竞价信息，将自定义规则信息和竞价信息输入到智能调价模型中，预测出包括推广时间段、推广对象、出价数据在内的特征值。
竞价设置模块700，配置为将预测出的特征值输入到第三方电商平台的竞价接口中，接收基于自定义规则信息构建的推广任务信息，根据推广任务信息进行特征值的竞价推送。
实施例3
本申请实施例提供了一种电子设备，包括：存储器，用于存储可执行程序代码；以及处理器，连接至所述存储器，通过读取所述可执行程序代码，来运行与所述可执行程序代码对应的计算机程序，以执行如实施例1中任一项用于商户端的广告竞价调整方法的步骤。
本申请实施例提供了一种存储介质，存储有可执行程序代码，至少一处理器读取所述可执行程序代码，来运行与所述可执行程序代码对应的计算机程序，以执行如实施例1中任一项所述的用于商户端的广告竞价调整方法的至少一步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于商户自定义规则的广告竞价调整方法，其特征在于，包括：
S1：获取商户在第三方电商平台的历史广告投放数据、竞价数据；
S2：根据历史广告投放数据和竞价数据，筛选分析出包括推广对象、目标用户、推广指标参数、关键词、出价数据、竞价结果在内的特征信息；
S3：对推广对象和目标用户进行聚类，结合人工智能算法，生成推广对象的用户画像，获取基于目标用户画像的特征信息；
S4：对特征信息进行包括推广时间段、关键词、出价数据以及竞价结果在内的特征值提取；
S5：利用皮尔逊相关系数计算推广指标参数与特征值之间的相关系数，构建基于动态序列化的智能调价模型；选出符合相关性的多个特征值，输入到智能调价模型中，根据推广指标参数预测出相应的特征值；其中，推广指标参数作为因变量，特征值作为自变量；
S6：接收商户利用推广指标参数构建的自定义规则信息，实时接收第三方电商平台当前输出的包括关键词、出价数据在内的竞价信息，将自定义规则信息和竞价信息输入到智能调价模型中，预测出包括推广时间段、推广对象、出价数据在内的特征值；
S7：将预测出的特征值输入到第三方电商平台的竞价接口中，接收基于自定义规则信息构建的推广任务信息，根据推广任务信息进行特征值的竞价推送。
2.如权利要求1所述的基于商户自定义规则的广告竞价调整方法，其特征在于，在步骤S2中，筛选出的所述出价数据服从标准正态分布，通过95％置信区间对出价数据进行检验后，获取出价数据的范围分布。
3.如权利要求1所述的基于商户自定义规则的广告竞价调整方法，其特征在于，所述步骤S7中，接收基于自定义规则信息构建的推广任务信息的方法包括接收商户构建的任务列表，所述任务列表中的每条任务清单包括任务名称、监控时间、监控日期以及自定义规则信息；所述自定义规则信息包括预定规则和新建规则，当选择所述新建规则时，触发制定规则策略，所述规则策略中为利用多叉树结构对多项推广指标参数进行约束限定。
4.如权利要求1所述的基于商户自定义规则的广告竞价调整方法，其特征在于，在所述智能调价模型中，将推广对象、关键词、出价数据、推广时间在内的特征值作为自变量，将展现点击率、点击转化率、收藏加购数、成交金额在内的推广指标参数作为因变量，以实现根据不同的推广需求，建立展现点击率、点击转化率、收藏加购数、成交金额不同的模型运算公式，基于自定义规则信息给出的因变量的目标范围，动态调整各关键词与推广对象在各时间段的出价数据。
5.如权利要求1所述的用于商户端的广告竞价调整方法，其特征在于，所述步骤S6之后还包括：将预测出的特征值中的出价数据和竞价结果记录日志，通过对比测试对比智能调价模型产生的效果，再将预测数据作为样本数据，对智能调价模型进行校对。
6.如权利要求1所述的用于商户端的广告竞价调整方法，其特征在于，所述步骤S5中，计算皮尔逊相关系数包括计算推广费用、展现量、点击量、自然流量曝光量、自然流量转化金额、收藏宝贝数、收藏店铺数、加入购物车数，与成交金额的相关系数，选出符合相关性的特征值。
7.如权利要求1所述的用于商户端的广告竞价调整方法，其特征在于，所述步骤S7中，预测出的特征值通过第三方电商平台的开放平台应用接口进行出价设置。
8.一种基于商户自定义规则的广告竞价调整系统，采用权利要求1-6任意一项所述的方法，其特征在于，包括：
历史数据接收模块，配置为获取商户在第三方电商平台的历史广告投放数据、竞价数据；
特征信息筛选模块，配置为根据历史广告投放数据和竞价数据，筛选分析出包括推广对象、目标用户、推广指标参数、关键词、出价数据、竞价结果在内的特征信息；
画像生成模块，配置为对推广对象和目标用户进行聚类，结合人工智能算法，生成推广对象的用户画像，获取基于目标用户画像的特征信息；
特征值提取模块，配置为对特征信息进行包括推广时间段、关键词、出价数据以及竞价结果在内的特征值提取；
模型设置模块，配置为利用皮尔逊相关系数计算推广指标参数与特征值之间的相关系数，构建基于动态序列化的智能调价模型；选出符合相关性的多个特征值，并输入到智能调价模型中，根据推广指标参数预测出相应的特征值；其中，推广指标参数作为因变量，特征值作为自变量；
特征值预测模块，配置为接收商户利用推广指标参数构建的自定义规则信息，实时接收第三方电商平台当前输出的包括关键词、出价数据在内的竞价信息，将自定义规则信息和竞价信息输入到智能调价模型中，预测出包括推广时间段、推广对象、出价数据在内的特征值；
竞价设置模块，配置为将预测出的特征值输入到第三方电商平台的竞价接口中，接收基于自定义规则信息构建的推广任务信息，根据推广任务信息进行特征值的竞价推送。
9.一种电子设备，包括：
存储器，用于存储可执行程序代码；以及
处理器，连接至所述存储器，通过读取所述可执行程序代码，来运行与所述可执行程序代码对应的计算机程序，以执行如权利要求1-7中任一项所述的基于商户自定义规则的广告竞价调整方法中的步骤。
10.一种存储介质，存储有可执行程序代码，至少一处理器读取所述可执行程序代码，来运行与所述可执行程序代码对应的计算机程序，以执行如权利要求1-7中任一项所述的基于商户自定义规则的广告竞价调整方法的至少一步骤。
CN202110775214.6A 2021-07-08 2021-07-08 一种基于商户自定义规则的广告竞价调整方法及系统 Active CN113674013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110775214.6A CN113674013B (zh) 2021-07-08 2021-07-08 一种基于商户自定义规则的广告竞价调整方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110775214.6A CN113674013B (zh) 2021-07-08 2021-07-08 一种基于商户自定义规则的广告竞价调整方法及系统

Publications (2)

Publication Number Publication Date
CN113674013A true CN113674013A (zh) 2021-11-19
CN113674013B CN113674013B (zh) 2024-04-30

Family

ID=78539041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110775214.6A Active CN113674013B (zh) 2021-07-08 2021-07-08 一种基于商户自定义规则的广告竞价调整方法及系统

Country Status (1)

Country Link
CN (1) CN113674013B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757717A (zh) * 2022-05-10 2022-07-15 青岛自成一派教育科技有限公司 一种竞价广告的调价方法及调价系统
CN116739643A (zh) * 2023-06-29 2023-09-12 杭州面朝信息科技有限公司 数据处理方法、装置、电子设备和可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070100708A1 (en) * 2005-10-28 2007-05-03 Kevin Smith Custom user definable keyword bidding system and method
CN106033583A (zh) * 2016-05-18 2016-10-19 杭州算子科技有限公司 一种应用于电子商务的广告竞价排名方法和系统
CN107529654A (zh) * 2017-08-08 2018-01-02 电子科技大学 一种面向展示广告竞价投放系统的动态出价方法
CN108629626A (zh) * 2018-05-08 2018-10-09 多盟睿达科技（中国）有限公司 一种基于ai大数据的搜索广告智能托管方法和系统
CN108681920A (zh) * 2018-05-14 2018-10-19 微梦创科网络科技（中国）有限公司 基于广告创意优化广告投放的方法及系统
CN109658135A (zh) * 2018-12-06 2019-04-19 广州大麦信息科技有限公司 基于效果数据的竞价调控方法、系统、平台及存储介质
CN110070376A (zh) * 2018-01-23 2019-07-30 优估（上海）信息科技有限公司 一种广告竞价方法，装置及系统
CN110807655A (zh) * 2019-10-15 2020-02-18 微梦创科网络科技（中国）有限公司 一种广告竞价方法、装置及设备
CN110838022A (zh) * 2019-10-15 2020-02-25 北京三快在线科技有限公司 广告调价方法、装置、电子设备和计算机可读介质
CN111091218A (zh) * 2018-10-23 2020-05-01 第四范式（北京）技术有限公司 竞价预测模型的生成以及广告投放自动出价方法和装置
CN112015986A (zh) * 2020-08-26 2020-12-01 北京奇艺世纪科技有限公司 数据推送方法、装置、电子设备及计算机可读存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070100708A1 (en) * 2005-10-28 2007-05-03 Kevin Smith Custom user definable keyword bidding system and method
CN106033583A (zh) * 2016-05-18 2016-10-19 杭州算子科技有限公司 一种应用于电子商务的广告竞价排名方法和系统
CN107529654A (zh) * 2017-08-08 2018-01-02 电子科技大学 一种面向展示广告竞价投放系统的动态出价方法
CN110070376A (zh) * 2018-01-23 2019-07-30 优估（上海）信息科技有限公司 一种广告竞价方法，装置及系统
CN108629626A (zh) * 2018-05-08 2018-10-09 多盟睿达科技（中国）有限公司 一种基于ai大数据的搜索广告智能托管方法和系统
CN108681920A (zh) * 2018-05-14 2018-10-19 微梦创科网络科技（中国）有限公司 基于广告创意优化广告投放的方法及系统
CN111091218A (zh) * 2018-10-23 2020-05-01 第四范式（北京）技术有限公司 竞价预测模型的生成以及广告投放自动出价方法和装置
CN109658135A (zh) * 2018-12-06 2019-04-19 广州大麦信息科技有限公司 基于效果数据的竞价调控方法、系统、平台及存储介质
CN110807655A (zh) * 2019-10-15 2020-02-18 微梦创科网络科技（中国）有限公司 一种广告竞价方法、装置及设备
CN110838022A (zh) * 2019-10-15 2020-02-25 北京三快在线科技有限公司 广告调价方法、装置、电子设备和计算机可读介质
CN112015986A (zh) * 2020-08-26 2020-12-01 北京奇艺世纪科技有限公司 数据推送方法、装置、电子设备及计算机可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757717A (zh) * 2022-05-10 2022-07-15 青岛自成一派教育科技有限公司 一种竞价广告的调价方法及调价系统
CN116739643A (zh) * 2023-06-29 2023-09-12 杭州面朝信息科技有限公司 数据处理方法、装置、电子设备和可读存储介质

Also Published As

Publication number Publication date
CN113674013B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
US8751273B2 (en) Predictor variable selection and dimensionality reduction for a predictive model
CN103927615B (zh) 将实体与类别相关联
US20090216611A1 (en) Computer-Implemented Systems And Methods Of Product Forecasting For New Products
US10748193B2 (en) Assessing probability of winning an in-flight deal for different price points
US20150302432A1 (en) Classifying, Clustering, and Grouping Demand Series
CN113674013B (zh) 一种基于商户自定义规则的广告竞价调整方法及系统
CN110991789B (zh) 置信区间的确定方法和装置、存储介质及电子装置
CN106408325A (zh) 基于用户支付信息的用户消费行为预测分析方法及系统
US11062250B1 (en) System and method for database architecture for electronic data optimization and management
Espadinha-Cruz et al. Lead management optimization using data mining: A case in the telecommunications sector
CN114493686A (zh) 一种运营内容生成推送方法及装置
CN115983902B (zh) 基于用户实时事件的信息推送方法及系统
CN112001774A (zh) 基于神经网络的烟草投放量研判方法及系统
WO2023017244A1 (en) A system and method for selecting a service supplier
CN114897607A (zh) 产品资源的数据处理方法及装置、电子设备、存储介质
CN113987351A (zh) 基于人工智能的智能推荐方法、装置、电子设备及介质
CN113034264A (zh) 客户流失预警模型的建立方法、装置、终端设备及介质
CN111784091A (zh) 用于处理信息的方法和装置
CN110992071A (zh) 一种服务策略制定方法、装置、存储介质及电子设备
CN117271905B (zh) 基于人群画像的侧向需求分析方法及系统
CN117196734B (zh) 一种众包任务的价值评估方法、系统、设备及存储介质
CN112632923B (zh) 一种基于多叉树的公式模型求解编辑器
CN112508608B (zh) 一种推广活动配置方法、系统、计算机设备及存储介质
US12002099B1 (en) Systems and methods for developing convertible term products
CN114547163A (zh) 一种基于人工智能的电子商务平台构建方法及系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 200335 floor 2, building B, No. 1358 Xiehe Road, Changning District, Shanghai

Applicant after: Shanghai baiqiu new online commerce Digital Technology Co.,Ltd.

Address before: 200335 room 2403, floor 1, building 8, No. 33, Guangshun Road, Changning District, Shanghai

Applicant before: Shanghai baiqiu e-commerce Co.,Ltd.

GR01 Patent grant
GR01 Patent grant