CN113743981B - 素材投放成本预测方法、装置、计算机设备及存储介质 - Google Patents
素材投放成本预测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113743981B CN113743981B CN202110887867.3A CN202110887867A CN113743981B CN 113743981 B CN113743981 B CN 113743981B CN 202110887867 A CN202110887867 A CN 202110887867A CN 113743981 B CN113743981 B CN 113743981B
- Authority
- CN
- China
- Prior art keywords
- information
- advertisement
- delivery
- click
- preset
- 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.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 3
- 230000001902 propagating effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种素材投放成本预测方法、装置、计算机设备及存储介质,应用于互联网技术领域,用于提高进行广告投放以及预测广告投放成本的精准性。本发明提供的方法包括:获取用户的搜索内容,对所述搜索内容进行意图识别,得到素材信息,并确定所述素材信息对应的目标行业类别;获取至少两个预设平台的初始广告点击信息,并从所述初始广告点击信息中,获取与所述目标行业类别对应的目标广告点击信息;基于所述目标广告点击信息,获取对应的广告特征信息;将所述广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略;根据预设的广告数据库,计算得到所述素材信息基于所述投放策略的预测投放成本。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及素材投放成本预测方法、装置、计算机设备及存储介质。
背景技术
随着网络技术的发展,越来越多的广告投放者开始在互联网上进行广告投放,广告投放者在互联网上投放广告以计价方式向广告投放平台支付广告投放费用,其中,常见的计价方式有CPC(CostPerClick,每点击成本)、CPM(CostPerMille,每千人成本)。当互联网广告不根据适当的广告投放策略投放广告,会导致投放的广告点击率(Click-Through-Rate,CTR)、转化率下降,导致广告的投放效果不理想,造成经济损失。
其中,不当的投放策略在于:1)页面所展示的广告或者素材与页面的浏览人群所感兴趣的内容不相关或者相关性不大;2)没有将广告或者素材投放到点击率最高的区域,使得广告或者素材投放的位置不佳,导致转化率不高。
发明内容
本发明提供一种素材投放成本预测方法、装置、计算机设备及存储介质,以提高广告投放的成本预测的精确性。
一方面,提供一种素材投放成本预测方法,包括:
获取用户的搜索内容,根据意图识别模型对所述搜索内容进行意图识别,得到素材信息,并确定所述素材信息对应的目标行业类别;
获取至少两个预设平台的初始广告点击信息,并从所述初始广告点击信息中,获取包含与所述目标行业类别相匹配的关键词的点击信息,作为与所述目标行业类别对应的目标广告点击信息;
基于所述目标广告点击信息,获取对应的广告特征信息,其中,广告特征信息包括广告投放位信息、广告投放时间信息;
将所述初始广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略,其中,所述投放策略指基于广告特征进行广告投放的策略;
根据预设的广告数据库,获取成本信息,并基于成本预测算法,计算得到所述素材信息基于所述投放策略的预测投放成本。
一方面,提供一种素材投放成本预测装置,包括:
目标行业类别确定模块,用于获取用户的搜索内容,根据意图识别模型对所述搜索内容进行意图识别,得到素材信息,并确定所述素材信息对应的目标行业类别;
目标广告点击信息获取模块,用于获取至少两个预设平台的初始广告点击信息,并从所述初始广告点击信息中,获取包含与所述目标行业类别相匹配的关键词的点击信息,作为与所述目标行业类别对应的目标广告点击信息;
广告特征信息生成模块,用于基于所述目标广告点击信息,获取对应的广告特征信息,其中,广告特征信息包括广告投放位信息、广告投放时间信息;
投放策略生成模块,用于将所述初始广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略,其中,所述投放策略指基于广告特征进行广告投放的策略;
成本预测模块,用于根据预设的广告数据库,获取成本信息,并基于成本预测算法,计算得到所述素材信息基于所述投放策略的预测投放成本。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述素材投放成本预测方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述素材投放成本预测方法的步骤。
本发明提供的素材投放成本预测方法、装置、计算机设备及存储介质,获取用户的搜索内容,根据意图识别模型对所述搜索内容进行意图识别,得到素材信息,并确定所述素材信息对应的目标行业类别;获取至少两个预设平台的初始广告点击信息,并从所述初始广告点击信息中,获取与所述目标行业类别对应的目标广告点击信息;基于所述目标广告点击信息,获取对应的广告特征信息;将所述广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略;根据预设的广告数据库,通过成本预测算法,计算得到所述素材信息基于所述投放策略的预测投放成本,基于素材的目标行业类别,从预设平台的初始广告点击信息得到目标广告点击信息,根据目标广告点击信息,确定影响素材的点击数量的广告特征信息,以提高素材进行投放的精确度,根据广告特征信息以及初始广告点击信息为所述素材信息生成精确的投放策略,提高素材的转化精度,基于投放策略进行成本预测,使得预测投放成本更接近真实情况所需的投放成本,提高成本预测的准确度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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是本发明一实施例中素材投放成本预测方法的一应用环境示意图;
图2是本发明一实施例中素材投放成本预测方法的一流程图;
图3是本发明一实施例中素材投放成本预测装置的结构示意图;
图4是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的素材投放成本预测方法,可应用在如图1的应用环境中,其中,计算机设备通过网络与服务器进行通信。其中,计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
系统框架100可以包括终端设备、网络和服务器。网络用以在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或者发送消息等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture EpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureEperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本发明实施例所提供的素材投放成本预测方法由服务器执行,相应地,素材投放成本预测装置设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的,根据实现需要,可以具有任意数目的终端设备、网络和服务器,本发明实施例中的终端设备具体可以对应的是实际生产中的应用系统。
在一实施例中,如图2所示,提供一种素材投放成本预测方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤S201至S205。
S201、获取用户的搜索内容,根据意图识别模型对搜索内容进行意图识别,得到素材信息,并确定素材信息对应的目标行业类别。
其中,用户指的是具有素材或广告投放需求的实体。搜索内容指的是用户通过客户端进行信息搜索时所输入的内容,其中,客户端是指安装在终端设备上为用户提供服务的程序。
获取到用户的搜索内容,根据意图识别模型对搜索内容进行意图识别,得到用户用于进行投放的素材信息,其中,素材信息是指用以传播商品或者服务的信息,具体可以以广告的形式呈现。
其中,行业类别是指从事国民经济中同性质的生产或其他经济社会的经营单位或者个体的组织结构体系的详细划分,例如农业、文化、体育和娱乐业等。
其中,素材信息的目标行业类别可以根据用户实体的性质确定,也可以根据素材信息进行词义分析,并与现有的行业类别信息进行匹配,得到素材信息对应的行业类别,作为目标行业类别。
进一步的,在本实施例中,意图识别模型基于fastText、Bert、attention-baseRNN(Recurrent Neural Network,循环神经网络)框架建立,其中,本实施例优选fastText(浅层网络)框架,通过fastText框架构建意图识别模型,通过训练集对意图识别模型进行训练,将用户的搜索内容作为输入语料输入到意图识别模型中进行识别,得到素材信息。
fastText模型在训练数据巨大的情况下同时可以保证自身的处理速度。
S202、获取至少两个预设平台的初始广告点击信息,并从初始广告点击信息中,获取包含与目标行业类别相匹配的关键词的点击信息,作为与目标行业类别对应的目标广告点击信息。
其中,预设平台是指用于向公众发布广告的传播载体,具体是指传播商品或者服务的互联网媒体。在本实施例中,广告是指用以宣传商品或者服务的信息。
其中,获取预设平台的广告列表,并通过预设平台的日志列表,获取广告列表的点击信息,作为初始广告点击信息;其中,初始广告点击信息包括所点击的广告属性、点击次数、点击时长等,其中,广告属性包括广告表现形式(图片、文字等)、广告投放位、广告投放频次与广告投放;基于目标行业类别的关键词,将初始广告点击信息中与所述关键词匹配的点击信息筛选出来,作为与目标行业对应的目标广告点击信息。
进一步的,通过构建目标行业类别的行业词词库,将行业词与初始广告点击信息中的广告属性进行匹配,将匹配的点击信息作为目标广告点击信息。
S203、基于目标广告点击信息,获取对应的广告特征信息,其中,广告特征信息包括广告投放位信息、广告投放时间信息。
其中,广告特征信息是指广告的投放特征,具体是指广告投放时间段、广告轮放频次以及广告投放位置。
投放广告的目的是通过广告进行商品或者服务的传播,从而通过广告实现转化并盈利。其中,在互联网的广告投放领域,广告投放者通过互联网广告媒体进行广告投放,需要根据广告的点击率计算转化率,通过分析广告特征对点击率的影响,其中,将对点击率有正向影响的广告特征,作为制定广告投放策略的指标,从而为素材制定准确的投放策略。
S204、将初始广告点击信息、广告特征信息输入到预设好的投放决策模型中,得到素材信息的投放策略,其中,投放策略指基于广告特征进行广告投放的策略。
其中,投放决策模型是根据素材信息自身的特征,计算出素材信息最适合进行投放的策略,具体是素材信息投放在哪个预设平台的哪个广告位,在什么时段以什么频次进行投放,从而使得素材信息的点击率大于预设阈值。
在本实施例中,优选地,基于决策树模型框架建立投放决策模型。可选的,采用决策树与线性回归算法结合建立投放决策模型。其中,决策树模型是一个预测模型,根据初始广告点击信息以及广告特征信息与点击率之间的映射关系,基于两者之间的映射关系,为素材信息计算出对应的投放策略。
S205、根据预设的广告数据库,获取成本信息,并基于成本预测算法,计算得到素材信息基于投放策略的预测投放成本。
其中,预设的广告数据库可以是RTB(RealtimeBidding,实时竞价)平台、ADX(AdExchange,广告交易市场),其中,RTB是一种在各个网站上针对每一个用户广告展示行为进行评估以及出家的竞价技术。ADX是一个类似于证券交易所的场所,将广告媒体(互联网媒体)和广告需求方(广告投放者或其代理)聚集在一起进行交易在线广告存货。通过RTB平台或者ADX,可以获得在线广告的投放成本指标。
进一步的,通过在预设的广告数据库中,获取与目标行业类别相对应或者相似的广告信息,进一步获取对应广告信息的投放成本指标,计算得到素材信息的预测投放成本。
本实施例通过获取至少两个预设平台的初始广告点击信息,将初始广告点击信息作为历史数据,通过分析素材信息与历史数据的线性关系,从初始广告点击信息中获取影响素材信息点击率的广告特征,基于广告特征得到素材信息的投放策略,提高素材信息定向投放的针对性,在此基础上,计算得到的预测投放成本更准确。
本发明实施例提供的素材投放成本预测方法,通过获取用户的搜索内容,根据意图识别模型对搜索内容进行意图识别,得到素材信息,并确定素材信息对应的目标行业类别;获取至少两个预设平台的初始广告点击信息,并从初始广告点击信息中,获取与目标行业类别对应的目标广告点击信息;基于目标广告点击信息,获取对应的广告特征信息;将广告点击信息、广告特征信息输入到预设好的投放决策模型中,得到素材信息的投放策略;根据预设的广告数据库,通过成本预测算法,计算得到素材信息基于投放策略的预测投放成本,基于素材的目标行业类别,从初始广告点击信息得到目标广告点击信息,根据目标广告点击信息,确定影响素材的点击数量的广告特征信息,以提高素材进行投放的精确度,根据广告特征信息以及初始广告点击信息为素材信息生成精确的投放策略,提高素材的转化精度,基于投放策略进行成本预测,使得预测投放成本更接近真实情况所需的投放成本,提高成本预测的准确度。
作为一种可选的实现方式,在本实施例中,步骤S201中,获取用户的搜索内容,根据意图识别模型对搜索内容进行意图识别,得到素材信息,并确定素材信息对应的目标行业类别的步骤包括:
S2011、接收用户的搜索内容,将搜索内容输入到预设好的意图识别模型中,得到意图信息。
S2012、对意图信息进行关键词抽取,得到意图信息中的关键词,并作为搜索内容的素材信息。
其中,对用户的搜索内容进行分词操作,得到分词结果,对分词结果进行词性划分,将词性为动词以及名词的词语保留,并输入到意图识别模型汇总。得到用户的搜索意图,作为意图信息。其中,词性是依据语言学规则对词的一种分类,将可以表示成某一种意义的词划分为一类。
进一步的,将意图信息中词性为名词的词作为素材信息。示例性的,意图信息为“网络小说推广”,对意图信息进行处理后,得到的素材信息为“网络小说”。
S2013、基于预设的行业类别数据库,对素材信息进行行业类别映射,得到素材信息对应的行业类别,并确定素材信息对应的目标行业类别。
其中,对素材信息进行one-hot编码,得到素材信息特征向量,基于素材信息特征向量与行业类别数据库的映射关系,得到素材信息对应的目标行业类别。示例性地,素材信息为“网络小说”,基于映射关系,得到素材信息的行业类别是文娱类,则将文娱类作为目标行业类别。
其中,素材信息的行业类别可以为多种。当素材信息的行业类别为多种,可以通过确定每个行业类别的点击信息在初始广告点击信息中的占比,确定最终的目标行业类别。具体是,将点击信息占比最高的行业类别作为素材信息的目标行业类别。
在本实施例中在,通过确定用户所要进行投放的素材信息的目标行业类别,确定素材信息的投放范围,即基于素材信息的行业类别,针对广告浏览人群进行精准投放,可以提高素材信息的点击率。
作为一种可选的实现方式,在本实施例中,步骤S202中,获取至少两个预设平台的初始广告点击信息,并从初始广告点击信息中,获取包含与目标行业类别相匹配的关键词的点击信息,作为与目标行业类别对应的目标广告点击信息的步骤包括:
S2021、对素材信息进行最小词义分割,得到基础关键词,并基于基础关键词进行词义挖掘,得到关键词词集。
其中,对素材信息进行分割,得到基础关键词,对关键词的词义进行分析扩展,得到所述关键词的近似词,将这些近似词作为关键词词集。
S2022、基于关键词词集,在初始广告点击信息中进行关键词匹配,将匹配到的广告点击信息,作为目标广告点击信息。
其中,基于关键词词集,在初始广告点击信息中进行关键词匹配,将与关键词词集匹配的初始广告点击信息,作为目标广告点击信息。
在本实施例中,通过关键词匹配,将初始广告点击信息中与目标行业类别对应的点击信息作为目标广告点击信息,进一步精确素材信息的投放范围,以提高素材信息定位投放的精确度,在此基础上,在后续进行成本预测时,可以提高预测投放成本的准确度。
作为一种可选的实现方式,在本实施例中,步骤S204中,将初始广告点击信息、广告特征信息输入到预设好的投放决策模型中,得到素材信息的投放策略的步骤包括:
S2041、将点击时长大于预设预设阈值的初始广告点击信息,作为输入广告点击信息。
其中,点击时长是指对广告作出点击行为,并在该广告页面进行停留、浏览等行为的时间。其中,将点击时长小于10s的点击信息剔除,保留的点击信息作为输入广告点击信息。
S2042、将输入广告点击信息、广告特征信息输入到预设好的投放决策模型中,得到素材信息的投放策略。
其中,广告特征信息作为广告投放的基础维度,基于广告特征信息,生成基于广告特征信息的投放策略。其中,广告特征信息包括广告位维度、广告投放时段维度、广告投放频次维度等。
以素材信息的点击率作为导向,基于广告特征信息,根据输入广告点击信息为参考数据,得到基于广告特征信息维度的投放策略。
其中,输入广告点击信息作为历史数据,从历史数据中获取广告点击属性之间的相互关系,使得投放预测模型可以根据相互关系、广告特征信息,计算得到素材信息的投放策略,基于投放策略进行素材信息的投放,提高素材信息的点击率。
进一步的,投放策略模型基于基于决策树算法构建。
其中,决策树由节点(node)和有向边(directededge)组成。节点包含了一个根节点(rootnode)、若干个内部结点(internalnode)和若干个叶结点(leafnode)。内部结点表示一个特征或者属性,叶结点表示一个类别。
作为一种可选的实现方式,步骤S205中,根据预设的广告数据库,获取成本信息,并基于成本预测算法,计算得到素材信息基于投放策略的预测投放成本的步骤包括:
S2051、基于投放策略,对素材信息进行点击率预测,得到预测点击信息。
其中,根据投放策略中的广告投放维度,获取历史时间的广告投放数据,根据线性回归方程,对素材信息的点击率进行预测,计算得到预测点击信息。其中,预测点击信息包括点击次数、点击时长等。
S2052、基于预测点击信息,获取预测的转化率,并基于预测点击信息与转化率,通过预设的成本计算方法,计算得到素材信息的预测投放成本。
其中,通过预测的点击率-转化率计算公式,计算在预测点击信息的基础上的预测转化率,获取历史投放成本指标,得到素材信息的预测投放成本。
在本实施例中,通过对素材信息进行点击率预测,在此基础上,根据预测点击信息计算转化率,通过转化率、预测点击信息、以及投放成本指标计算素材信息的预测投放成本,减少与真实情况的投放成本的差距,提高预测的投放成本的准确性,使广告投放者可以根据预测投放成本进行投放策略的调整,保障广告投放者的实际收益。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种素材投放成本预测装置,该素材投放成本预测装置与上述实施例中素材投放成本预测方法一一对应。如图3所示,该素材投放成本预测装置包括如下模块:
目标行业类别确定模块31,用于获取用户的搜索内容,根据意图识别模型对所述搜索内容进行意图识别,得到素材信息,并确定所述素材信息对应的目标行业类别;
目标广告点击信息获取模块32,用于获取至少两个预设平台的初始广告点击信息,并从所述初始广告点击信息中,获取包含与所述目标行业类别相匹配的关键词的点击信息,作为与所述目标行业类别对应的目标广告点击信息;
广告特征信息生成模块33,用于基于所述目标广告点击信息,获取对应的广告特征信息,其中,广告特征信息包括广告投放位信息、广告投放时间信息;
投放策略生成模块34,用于将所述初始广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略,其中,所述投放策略指基于广告特征进行广告投放的策略;
成本预测模块35,用于根据预设的广告数据库,获取成本信息,并基于成本预测算法,计算得到所述素材信息基于所述投放策略的预测投放成本。
在本实施例中,目标行业类别确定模块31还包括如下单元:
意图信息确定单元,用于接收用户的搜索内容,将搜索内容输入到预设好的意图识别模型中,得到意图信息。
素材信息获取单元,用于对意图信息进行关键词抽取,得到意图信息中的关键词,并作为搜索内容的素材信息。
目标行业类别确定单元,用于基于预设的行业类别数据库,对素材信息进行行业类别映射,得到素材信息对应的行业类别,并确定素材信息对应的目标行业类别。
在本实施例中,目标广告点击信息获取模块32还包括如下单元:
关键词词集获取单元,用于对素材信息进行最小词义分割,得到基础关键词,并基于基础关键词进行词义挖掘,得到关键词词集。
目标广告点击信息获取单元,用于基于关键词词集,在初始广告点击信息中进行关键词匹配,将匹配到的广告点击信息,作为目标广告点击信息。
在本实施例中,投放策略生成模块34包括如下单元:
广告点击信息处理单元,用于将点击时长大于预设预设阈值的初始广告点击信息,作为输入广告点击信息。
投放策略生成单元,用于将输入广告点击信息、广告特征信息输入到预设好的投放决策模型中,得到素材信息的投放策略。
在投放策略生成单元中,包括如下子单元:
投放决策模型构建子单元,用于通过决策树算法构建投放决策模型。
在本实施例中,成本预测模块35包括如下单元:
预测点击信息获取单元,用于基于投放策略,对素材信息进行点击率预测,得到预测点击信息。
预测投放成本生成单元,用于基于预测点击信息,获取预测的转化率,并基于预测点击信息与转化率,通过预设的成本计算方法,计算得到素材信息的预测投放成本。
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分,并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块,本申请中所出现的模块的划分,仅仅是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式。
关于素材投放成本预测装置的具体限定可以参见上文中对于素材投放成本预测方法的限定,在此不再赘述。上述素材投放成本预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储素材投放成本预测方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种素材投放成本预测方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中素材投放成本预测方法的步骤,例如图2所示的步骤S201至步骤S205及该方法的其它扩展和相关步骤的延伸。或者,处理器执行计算机程序时实现上述实施例中素材投放成本预测装置的各模块/单元的功能,例如图3所示模块31至模块35的功能。为避免重复,这里不再赘述。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
所述存储器可以集成在所述处理器中,也可以与所述处理器分开设置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中素材投放成本预测方法的步骤,例如图2所示的步骤S201至步骤S205及该方法的其它扩展和相关步骤的延伸。或者,计算机程序被处理器执行时实现上述实施例中素材投放成本预测装置的各模块/单元的功能,例如图3所示模块31至模块35的功能。为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种素材投放成本预测方法,其特征在于,包括:
获取用户的搜索内容,根据意图识别模型对所述搜索内容进行意图识别,得到素材信息,并确定所述素材信息对应的目标行业类别;所述素材信息是指用以传播商品或者服务的信息;
获取至少两个预设平台的初始广告点击信息,并从所述初始广告点击信息中,获取包含与所述目标行业类别相匹配的关键词的点击信息,作为与所述目标行业类别对应的目标广告点击信息;所述初始广告点击信息包括所点击的广告属性、点击次数、点击时长;
基于所述目标广告点击信息,获取对应的广告特征信息,其中,广告特征信息包括广告投放位信息、广告投放时间信息;
将所述初始广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略,其中,所述投放策略指基于广告特征进行广告投放的策略;其中,基于决策树模型框架建立所述投放决策模型;所述决策树模型是一个预测模型,根据初始广告点击信息以及广告特征信息与点击率之间的映射关系,为素材信息计算出对应的投放策略;
根据预设的广告数据库,获取成本信息,并基于成本预测算法,计算得到所述素材信息基于所述投放策略的预测投放成本。
2.根据权利要求1所述的素材投放成本预测方法,其特征在于,所述获取用户的搜索内容,根据意图识别模型对所述搜索内容进行意图识别,得到素材信息,并确定所述素材信息对应的目标行业类别的步骤包括:
接收用户的搜索内容,将所述搜索内容输入到预设好的意图识别模型中,得到意图信息;
对所述意图信息进行关键词抽取,得到所述意图信息中的关键词,并作为所述搜索内容的素材信息;
基于预设的行业类别数据库,对所述素材信息进行行业类别映射,得到所述素材信息对应的行业类别,并确定所述素材信息对应的目标行业类别。
3.根据权利要求1所述的素材投放成本预测方法,其特征在于,获取至少两个预设平台的初始广告点击信息,并从所述初始广告点击信息中,获取包含于所述目标行业类别相匹配的关键词的点击信息,作为与所述目标行业类别的目标广告点击信息的步骤包括:
对所述素材信息进行最小词义分割,得到基础关键词,并基于所述基础关键词进行词义挖掘,得到关键词词集;
基于所述关键词词集,在所述初始广告点击信息中进行关键词匹配,将匹配到的广告点击信息,作为目标广告点击信息。
4.根据权利要求1所述的素材投放成本预测方法,其特征在于,所述将所述初始广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略,其中,所述投放策略指基于广告特征进行广告投放的策略的步骤包括:
将所述点击时长大于预设预设阈值的所述初始广告点击信息,作为输入广告点击信息;
将所述输入广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略。
5.根据权利要求1所述的素材投放成本预测方法,其特征在于,所述根据预设的广告数据库,获取成本信息,并基于成本预测算法,计算得到所述素材信息基于所述投放策略的预测投放成本的步骤包括:
基于所述投放策略,对所述素材信息进行点击率预测,得到预测点击信息;
基于所述预测点击信息,获取预测的转化率,并基于所述预测点击信息与所述转化率,通过预设的成本计算方法,计算得到所述素材信息的预测投放成本。
6.根据权利要求1所述的素材投放成本预测方法,其特征在于,所述投放决策模型基于决策树算法构建。
7.一种素材投放成本预测装置,其特征在于,包括:
目标行业类别确定模块,用于获取用户的搜索内容,根据意图识别模型对所述搜索内容进行意图识别,得到素材信息,并确定所述素材信息对应的目标行业类别;所述素材信息是指用以传播商品或者服务的信息;
目标广告点击信息获取模块,用于获取至少两个预设平台的初始广告点击信息,并从所述初始广告点击信息中,获取包含与所述目标行业类别相匹配的关键词的点击信息,作为与所述目标行业类别对应的目标广告点击信息;所述初始广告点击信息包括所点击的广告属性、点击次数、点击时长;
广告特征信息生成模块,用于基于所述目标广告点击信息,获取对应的广告特征信息,其中,广告特征信息包括广告投放位信息、广告投放时间信息;
投放策略生成模块,用于将所述初始广告点击信息、所述广告特征信息输入到预设好的投放决策模型中,得到所述素材信息的投放策略,其中,所述投放策略指基于广告特征进行广告投放的策略;其中,基于决策树模型框架建立所述投放决策模型;所述决策树模型是一个预测模型,根据初始广告点击信息以及广告特征信息与点击率之间的映射关系,为素材信息计算出对应的投放策略;
成本预测模块,用于根据预设的广告数据库,获取成本信息,并基于成本预测算法,计算得到所述素材信息基于所述投放策略的预测投放成本。
8.根据权利要求7所述的素材投放成本预测装置,其特征在于,所述目标行业类别确定模块包括如下单元:
意图信息生成单元,用于接收用户的搜索内容,将所述搜索内容输入到预设好的意图识别模型中,得到意图信息;
素材信息生成单元,用于对所述意图信息进行关键词抽取,得到所述意图信息中的关键词,并作为所述搜索内容的素材信息;
目标行业类别确定单元,用于基于预设的行业类别数据库,对所述素材信息进行行业类别映射,得到所述素材信息对应的行业类别,并确定所述素材信息对应的目标行业类别。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述素材投放成本预测方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述素材投放成本预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110887867.3A CN113743981B (zh) | 2021-08-03 | 2021-08-03 | 素材投放成本预测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110887867.3A CN113743981B (zh) | 2021-08-03 | 2021-08-03 | 素材投放成本预测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113743981A CN113743981A (zh) | 2021-12-03 |
CN113743981B true CN113743981B (zh) | 2023-11-28 |
Family
ID=78729992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110887867.3A Active CN113743981B (zh) | 2021-08-03 | 2021-08-03 | 素材投放成本预测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743981B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114501105B (zh) * | 2022-01-29 | 2023-06-23 | 腾讯科技(深圳)有限公司 | 视频内容的生成方法、装置、设备及存储介质 |
CN114816177A (zh) * | 2022-05-19 | 2022-07-29 | 北京趣云万维信息技术有限公司 | 广告投放策略创建方法、装置、存储介质和电子设备 |
CN115456529B (zh) * | 2022-09-13 | 2023-06-27 | 上海数禾信息科技有限公司 | 素材库存预警方法、系统和计算机设备和存储介质 |
CN117408750B (zh) * | 2023-12-12 | 2024-03-19 | 广州宇中网络科技有限公司 | 一种基于大数据分析的网络广告投送方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105049895A (zh) * | 2015-07-06 | 2015-11-11 | 无锡天脉聚源传媒科技有限公司 | 一种广告投放策略的推荐方法及装置 |
CN105608604A (zh) * | 2015-12-30 | 2016-05-25 | 合一网络技术(北京)有限公司 | 一种品牌广告效果优化的连续计算方法 |
CN107229659A (zh) * | 2016-03-25 | 2017-10-03 | 华为软件技术有限公司 | 一种信息搜索方法及装置 |
CN108280081A (zh) * | 2017-01-06 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 生成网页的方法和装置 |
CN110033314A (zh) * | 2019-03-18 | 2019-07-19 | 北京品友互动信息技术股份公司 | 广告数据处理方法及装置 |
CN112836061A (zh) * | 2021-01-12 | 2021-05-25 | 平安科技(深圳)有限公司 | 智能推荐的方法、装置以及计算机设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9996853B2 (en) * | 2015-04-02 | 2018-06-12 | Vungle, Inc. | Systems and methods for selecting an ad campaign among advertising campaigns having multiple bid strategies |
-
2021
- 2021-08-03 CN CN202110887867.3A patent/CN113743981B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105049895A (zh) * | 2015-07-06 | 2015-11-11 | 无锡天脉聚源传媒科技有限公司 | 一种广告投放策略的推荐方法及装置 |
CN105608604A (zh) * | 2015-12-30 | 2016-05-25 | 合一网络技术(北京)有限公司 | 一种品牌广告效果优化的连续计算方法 |
CN107229659A (zh) * | 2016-03-25 | 2017-10-03 | 华为软件技术有限公司 | 一种信息搜索方法及装置 |
CN108280081A (zh) * | 2017-01-06 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 生成网页的方法和装置 |
CN110033314A (zh) * | 2019-03-18 | 2019-07-19 | 北京品友互动信息技术股份公司 | 广告数据处理方法及装置 |
CN112836061A (zh) * | 2021-01-12 | 2021-05-25 | 平安科技(深圳)有限公司 | 智能推荐的方法、装置以及计算机设备 |
Non-Patent Citations (1)
Title |
---|
基于数据挖掘的电商搜索广告投放策略研究;张磊等;工业工程;第22卷(第1期);69-78 * |
Also Published As
Publication number | Publication date |
---|---|
CN113743981A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113743981B (zh) | 素材投放成本预测方法、装置、计算机设备及存储介质 | |
US11995112B2 (en) | System and method for information recommendation | |
US10134053B2 (en) | User engagement-based contextually-dependent automated pricing for non-guaranteed delivery | |
US8543518B2 (en) | Deducing shadow user profiles for ad campaigns | |
CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
US11288709B2 (en) | Training and utilizing multi-phase learning models to provide digital content to client devices in a real-time digital bidding environment | |
CN110019699B (zh) | 域间通过语法槽的分类 | |
US20100250335A1 (en) | System and method using text features for click prediction of sponsored search advertisements | |
CN109829629A (zh) | 风险分析报告的生成方法、装置、计算机设备和存储介质 | |
US20100082428A1 (en) | Display advertising inventory estimation | |
KR102144126B1 (ko) | 기업을 위한 정보 제공 장치 및 방법 | |
CN111178983B (zh) | 用户性别预测方法、装置、设备及存储介质 | |
CN112204610A (zh) | 基于神经网络的电子内容 | |
CN114881712B (zh) | 智能广告投放方法、装置、设备及存储介质 | |
US20230231930A1 (en) | Content processing method and apparatus, computer device, and storage medium | |
CN114399396A (zh) | 保险产品推荐方法、装置、计算机设备及存储介质 | |
CN113761348A (zh) | 一种信息推荐方法、装置、电子设备和存储介质 | |
CN113706211A (zh) | 基于神经网络的广告点击率预测方法及系统 | |
Adamov et al. | Opinion mining and Sentiment Analysis for contextual online-advertisement | |
CN117057855A (zh) | 一种数据处理方法及相关装置 | |
US20150339693A1 (en) | Determination of initial value for automated delivery of news items | |
CN112348594A (zh) | 物品需求的处理方法、装置、计算设备和介质 | |
KR102595097B1 (ko) | 상품 마케팅 효율 분석을 위한 프로세스와 시스템 | |
CN104346748B (zh) | 信息展示方法及装置 | |
CN111949788B (zh) | 搜索方法、搜索装置、搜索系统及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |