CN114255063A - 投放效果的预测方法、系统、存储介质以及计算机设备 - Google Patents
投放效果的预测方法、系统、存储介质以及计算机设备 Download PDFInfo
- Publication number
- CN114255063A CN114255063A CN202011014960.5A CN202011014960A CN114255063A CN 114255063 A CN114255063 A CN 114255063A CN 202011014960 A CN202011014960 A CN 202011014960A CN 114255063 A CN114255063 A CN 114255063A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- advertisement
- calculating
- retention rate
- 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
-
- 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
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (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)
- Information Transfer Between Computers (AREA)
Abstract
本发明适用于广告投放技术领域,提供了一种投放效果的预测方法、系统、存储介质以及计算机设备,所述投放效果的预测方法包括:对对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。借此,本发明实现对广告投放中投放时间短的广告中相关的广告内容和/或广告信息对应的投放效果进行预测。
Description
技术领域
本发明涉及广告投放技术领域,尤其涉及一种投放效果的预测方法、系统、存储介质以及计算机设备。
背景技术
随着业务的不断发展,仅对渠道包粒度提供专业的分析产品,已经不能满足用户日益增长的需求。在投放后环节,用户急需对计划、素材等更细的维度进行多指标分析,为优化提供支持,其中预测未来(180/365日)的LTV(用户生命周期价值)和ROI(投入产出比)是支持分析的重要指标。同时,在现有技术中,用户生命周期价值LTV通常由下式计算得出:LTV(用户生命周期价值)=LT(用户生命周期)*arpu均值(人均收入)。由于上边公式计算有时滞,渠道运营人员不能及时采用最新的数据,特别是渠道推广前期,获得用户一年的留存数据是不现实的,因而无法算出用户生命周期。
综上所述,现有技术在实际使用上显然存在不便与缺陷,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种投放效果的预测方法、系统、存储介质以及计算机设备,实现对广告投放中投放时间短的广告中相关的广告内容和/或广告信息对应的投放效果进行预测。
为了实现上述目的,本发明提供了一种投放效果的预测方法,包括:
对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;
根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;
根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;
根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。
根据所述的投放效果的预测方法,所述用户数据还包括活跃用户产生的收入数据以及活跃用户数量数据,根据所述活跃用户产生的收入数据以及所述活跃用户数量数据计算活跃ARPU值,所述活跃ARPU值的计算公式为:
根据所述的投放效果的预测方法,所述根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值的计算公式为:
未来预定时间内的用户生命周期价值
=未来预定时间内的用户生命周期*活跃ARPU值
根据所述的投放效果的预测方法,所述根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值的步骤之后还包括:
根据所述未来预定时间内的用户生命周期价值计算投入产出比ROI。
根据所述的投放效果的预测方法,所述广告内容为广告素材。
根据所述的投放效果的预测方法,所述广告信息至少包括广告计划以及广告组中其中一项。
根据所述的投放效果的预测方法,通过点击归因确定所述新增用户数据。
为了实现上述目的,本发明还提供了一种投放效果的预测系统,包括:
广告监测模块,用于对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;
留存率计算模块,用于根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;
函数拟合模块,用于根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;
价值计算模块,用于根据所述用户留存率函数计算未来预定时间内的用户生命周期,根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。
为了实现上述目的,本发明还提供了一种存储介质,用于存储一种用于执行上述任意一种投放效果的预测方法的计算机程序。
为了实现上述目的,本发明还提供了一种计算机设备,包括存储介质、处理器以及存储在所述存储介质上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任一项所述的投放效果的预测方法。
本发明通过对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算用户数据,所述用户数据包括新增用户数据以及用户留存数据;根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;根据所述用户留存率函数计算未来预定时间内的用户生命周期,根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。通过未来预定时间内的用户生命周期价值可以判断广告内容或者广告信息相对应的投放效果。借此,本发明实现对广告投放中投放时间短的广告中相关的广告内容和/或广告信息对应的投放效果进行预测。
附图说明
图1是本发明优选实施例的投放效果的预测系统的示意图;
图2是本发明优选实施例的投放效果的预测系统的示意图;
图3是本发明优选实施例的投放效果的预测方法的流程图;
图4是本发明提供的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的,本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用,指的是描述的该实施例可包括特定的特征、结构或特性,但是不是每个实施例必须包含这些特定特征、结构或特性。此外,这样的表述并非指的是同一个实施例。进一步,在结合实施例描述特定的特征、结构或特性时,不管有没有明确的描述,已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
此外,在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件,所属领域中具有通常知识者应可理解,制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式,而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语,故应解释成“包含但不限定于”。以外,“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
参见图1~图2,在本发明的第一实施例中提供了一种投放效果的预测系统100,包括:
广告监测模块10,用于对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;
留存率计算模块20,用于根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;
函数拟合模块30,用于根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;
价值计算模块40,用于根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。
在该实施例中,广告主关注的不仅仅是各种推广渠道的投放效果,广告主还关注广告内容本身或者广告信息对于投放效果的影响,例如广告内容可以是广告素材,不同的广告素材的吸引力不同,由此,使用不同的广告素材对于投放效果会产生不同的影响。并且对于投放时间短的广告,例如投放时间只有40天,获得的数据不足够覆盖一个完整的计算周期时,使得通过现有技术的计算方式无法获得计算结果,但是广告主往往急要获得相关的数据来进行决策,而通过该投放效果的预测系统100可以实现对投放时间短的更加细分维度的相对应的投放效果进行预测。具体的,广告监测模块10对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,例如根据所述监测数据计算有多少用户点击了包括预定的广告内容和/或广告信息的广告,所述用户数据包括新增用户数据以及用户留存数据,新增用户是指新增日新增的点击了包括所述预定的广告内容和/或广告信息的广告的用户,用户留存指的是在新增日第n日后所述新增用户中依然使用或者登录所述广告主的产品的用户。通过留存率计算模块20可以根据所述用户数据计算出用户留存率数据,用户留存率等于用户留存数量占新增用户数量的比例,随着时间的推移,用户留存率数据是变化的。通过函数拟合模块30根据所述用户留存率数据进行数学建模,拟合出用户留存率函数,根据所述用户留存率函数可以获得未来预定时间内的留存率数据,从而价值计算模块40可以根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。用户生命周期价值是从该用户所有的互动中所得到的全部经济收益的总和,根据所述用户生命周期价值可以判断所述未来预定时间内相对应所述广告内容和/或广告信息的投放效果。
在本发明的第二实施例,通过广告监测模块10获得的所述用户数据还包括活跃用户产生的收入数据以及活跃用户数量数据,该系统100还包括:
活跃ARPU值计算模块50,用于根据所述活跃用户产生的收入数据以及所述活跃用户数量数据计算活跃ARPU(Average Revenue Per User)值,所述活跃ARPU值的计算公式为:
在该实施例中,通过活跃用户产生的收入与活跃用户数量的比值计算出平均每用户产生的收入。
在本发明的第三实施例,所述价值计算模块40计算所述未来预定时间内的用户生命周期价值的计算公式为:
未来预定时间内的用户生命周期价值
=未来预定时间内的用户生命周期*活跃ARPU值
在该实施例中,所述未来预定时间内的用户生命周期价值LTV的精确的计算结果等于未来预定时间内的用户生命周期LT*未来预定时间内的活跃ARPU值,但是在一定的时间内,活跃ARPU值随着时间的推移波动较小,稳定性高,由此活跃ARPU值的变化对于所述未来预定时间内的用户生命周期价值的影响较小,由此,在该计算公式中无需对未来预定时间内的活跃ARPU值进行预测,通过已有的数据获取活跃ARPU值,减小计算成本。
在本发明的第四实施例,该系统100还包括:
ROI计算模块60,用于根据所述未来预定时间内的用户生命周期价值计算投入产出比ROI。
在该实施例中,ROI计算模块60的计算公式为:
通过ROI可以判断投放行为是否有价值,若ROI小于1,说明所述所述未来预定时间内的用户生命周期价值小于用户获取成本,即收入小于成本,则用户可以根据实际情况进行决策是否继续该投放行为。用户获取成本可以根据用户进行投放行为产生的花费进行计算。
在本发明的第五实施例,所述广告内容为广告素材。在进行广告设计时需要用到图片、视频、文本等等广告素材,不同的广告素材使得广告具有不同的吸引力,通过对相关的广告素材的投放效果的预测,使得用户根据不同的广告素材的投放效果来进行优化配置。
在本发明的第六实施例,所述广告信息至少包括广告计划以及广告组中其中一项。广告信息可以广告计划,不同的广告计划会对投放效果产生影响。通过对相关的广告计划的投放效果进行预测,用户可以获知该广告计划是否成功,从而根据需求进行配置。广告信息还可以是广告组,广告组包括至少一条广告,通过广告组规定广告如何投放,例如选择广告受众等。通过对广告计划以及广告组等细分维度的投放效果的预测,有助于用户进行投放行为的决策。
在本发明的第七实施例,还包括归因模块70,用于通过点击归因确定所述新增用户数据。点击归因可节省厂商拦截这一环节,提升转化率,优化成本。(用户在媒体渠道下载的应用有时会被厂商系统拦截,导致原本属于媒体渠道的新增用户,被归结为厂商渠道的新增用户。如果按照原有渠道计算,需要重新确定新增用户的渠道归属,修正媒体渠道、厂商渠道新增用户、新增单价失真的问题。)
在本发明的第八实施例,广告监测模块10为广告监测链接,对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据。
图3是本发明实施例的投放效果的预测方法的流程图,所述方法可以通过上述任一项所述的系统100实现,所述投放效果的预测方法,包括:
步骤S301,对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;通过广告监测模块10实现;
步骤S302,根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;通过留存率计算模块20实现;
步骤S303,根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;通过函数拟合模块30实现;
步骤S304,根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值;通过价值计算模块40实现。
在该实施例中,广告主关注的不仅仅是各种推广渠道的投放效果,广告主还关注广告内容本身或者广告信息对于投放效果的影响,例如广告内容可以是广告素材,不同的广告素材的吸引力不同,由此,使用不同的广告素材对于投放效果会产生不同的影响。并且对于投放时间短的广告,例如投放时间只有40天,获得的数据不足够覆盖一个完整的计算周期时,使得通过现有技术的计算方式无法获得计算结果,但是广告主往往急要获得相关的数据来进行决策,而通过该投放效果的预测系统100可以实现对投放时间短的更加细分维度的相对应的投放效果进行预测。具体的,广告监测模块10对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,例如根据所述监测数据计算有多少用户点击了所述包括预定的广告内容和/或广告信息的广告,所述用户数据包括新增用户数据以及用户留存数据,新增用户是指新增日新增的点击了包括预定的广告内容和/或广告信息的广告的用户,用户留存指的是在新增日第n日后所述新增用户中依然使用或者登录所述广告主产品的用户。通过留存率计算模块20可以根据所述用户数据计算出用户留存率数据,用户留存率等于用户留存数量占新增用户数量的比例,随着时间的推移,用户留存率数据是变化的。通过函数拟合模块30根据所述用户留存率数据进行数学建模,拟合出用户留存率函数,根据所述用户留存率函数可以获得未来预定时间内的留存率数据,从而价值计算模块40可以根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。用户生命周期价值是从该用户所有的互动中所得到的全部经济收益的总和,根据所述用户生命周期价值可以判断所述未来预定时间内相对应所述广告内容和/或广告信息的投放效果。
在本发明的实施例中,所述用户数据还包括活跃用户产生的收入数据以及活跃用户数量数据,根据所述活跃用户产生的收入数据以及所述活跃用户数量数据计算活跃ARPU值,通过活跃ARPU值计算模块50实现,所述活跃ARPU值的计算公式为:
在本发明的实施例中,所述步骤S304通过价值计算模块40实现,其计算公式为:
未来预定时间内的用户生命周期价值
=未来预定时间内的用户生命周期*活跃ARPU值
在该实施例中,所述未来预定时间内的用户生命周期价值LTV的精确的计算结果等于未来预定时间内的用户生命周期*未来预定时间内的活跃ARPU值,但是在一定的时间内,活跃ARPU值随着时间的推移波动较小,稳定性高,由此活跃ARPU值的变化对于所述未来预定时间内的用户生命周期价值的影响较小,由此,在该计算公式中无需对未来预定时间内的活跃ARPU值进行预测,通过已有的数据获取活跃ARPU值,减小计算成本。
在本发明的实施例中,所述步骤S304之后还包括:根据所述未来预定时间内的用户生命周期价值计算投入产出比ROI;通过ROI计算模块60实现。
在该实施例中,ROI计算模块60的计算公式为:
通过ROI可以判断投放行为是否有价值,若ROI小于1,说明所述所述未来预定时间内的用户生命周期价值小于用户获取成本,即收入小于成本,则用户可以根据实际情况进行决策是否继续该投放行为。用户获取成本可以根据用户进行投放行为产生的花费进行计算。
在本发明的实施例中,所述广告内容为广告素材。
在该实施例中,在进行广告设计时需要用到图片、视频、文本等等广告素材,不同的广告素材使得广告具有不同的吸引力,通过对相关的广告素材的投放效果的预测,使得用户根据不同的广告素材的投放效果来进行优化配置。
在本发明的实施例中,所述广告信息至少包括广告计划以及广告组中其中一项。
在该实施例中,广告信息可以广告计划,不同的广告计划会对投放效果产生影响。通过对相关的广告计划的投放效果进行预测,用户可以获知该广告计划是否成功,从而根据需求进行配置。广告信息还可以是广告组,广告组包括至少一条广告,通过广告组规定广告如何投放,例如选择广告受众等。通过对广告计划以及广告组等细分维度的投放效果的预测,有助于用户进行投放行为的决策。
在本发明的实施例中,通过点击归因确定所述新增用户数据;通过归因模块70实现。
在该实施例中,点击归因可节省厂商拦截这一环节,提升转化率,优化成本。(用户在媒体渠道下载的应用有时会被厂商系统拦截,导致原本属于媒体渠道的新增用户,被归结为厂商渠道的新增用户。如果按照原有渠道计算,需要重新确定新增用户的渠道归属,修正媒体渠道、厂商渠道新增用户、新增单价失真的问题。)
在本发明的实施例中,通过广告监测链接对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据。
本发明还提供一种存储介质,用于存储一种用于执行上述任意一种任务调度方法的计算机程序。例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的存储介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输和/或被存储在根据程序指令运行的计算机设备的存储介质中。在此,根据本申请的一个实施例中,包括一个如图4所示的计算机设备400,所述计算机设备400优选包括用于存储计算机程序的存储介质200和用于执行计算机程序的处理器300,其中,当该计算机程序被该处理器300执行时,触发该计算机设备400执行基于前述多个实施例中的方法和/或技术方案。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。优选地,计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。
在优选实施例中,计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。优选地,在计算机可读介质上体现计算机程序。
综上所述,本发明通过对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算用户数据,所述用户数据包括新增用户数据以及用户留存数据;根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;根据所述用户留存率函数计算未来预定时间内的用户生命周期,根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。通过未来预定时间内的用户生命周期价值可以判断广告内容或者广告信息相对应的投放效果。借此,本发明实现对广告投放中投放时间短的广告中相关的广告内容和/或广告信息对应的投放效果进行预测。该系统细化到广告计划、广告组、素材等的LTV、ROI计算和预测。该系统针对投放时间短的广告的广告计划、广告组、素材快速计算出其所需的LTV和ROI。通过该系统可以对用户需求的多个维度的LTV180/365(时间周期180日的LTV或者时间周期为365日的LTV)、ROI180/365计算,多个维度(产品、负责人、媒体、渠道名称、广告计划、广告组、创意(素材)),并针对因技术原因无法采集到的,缺失某些维度的数据的LT180/365进行计算。满足用户希望快速看到数据,进行决策的需求,尽快预测出未来的LT(用户生命周期),并在拥有更多历史数据的时候以日为单位回滚修正数据。该系统将广告计划、素材等数据打通,实现全链路数据追踪、归因,使数据在其他分析场景可复用。广告计划、素材等数据匹配对应的花费数据,同时用模型实现预测LTV、ROI等指标。例行化的计算节省了人力,并提升了准确性,为分析和优化提供支持。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
本发明还公开了A1、一种投放效果的预测方法,包括:
对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;
根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;
根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;
根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。
A2、根据A1所述的投放效果的预测方法,所述用户数据还包括活跃用户产生的收入数据以及活跃用户数量数据,根据所述活跃用户产生的收入数据以及所述活跃用户数量数据计算活跃ARPU值,所述活跃ARPU值的计算公式为:
A3、根据A2所述的投放效果的预测方法,所述根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值的计算公式为:
未来预定时间内的用户生命周期价值
=未来预定时间内的用户生命周期*活跃ARPU值
A4、根据A1所述的投放效果的预测方法,所述根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值的步骤之后还包括:
根据所述未来预定时间内的用户生命周期价值计算投入产出比ROI。
A5、根据A1所述的投放效果的预测方法,所述广告内容为广告素材。
A6、根据A1所述的投放效果的预测方法,所述广告信息至少包括广告计划以及广告组中其中一项。
A7、根据A1所述的投放效果的预测方法,通过点击归因确定所述新增用户数据的渠道归属。
A8、根据A1所述的投放效果的预测方法,通过广告监测链接对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据。
B9、一种投放效果的预测系统,包括:
广告监测模块,用于对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;
留存率计算模块,用于根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;
函数拟合模块,用于根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;
价值计算模块,用于根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。
B10、根据B9所述的投放效果的预测系统,所述用户数据还包括活跃用户产生的收入数据以及活跃用户数量数据,所述系统还包括:
活跃ARPU值计算模块,用于根据所述活跃用户产生的收入数据以及所述活跃用户数量数据计算活跃ARPU值,所述活跃ARPU值的计算公式为:
B11、根据B10所述的投放效果的预测系统,所述价值计算模块计算所述未来预定时间内的用户生命周期价值的计算公式为:
未来预定时间内的用户生命周期价值
=未来预定时间内的用户生命周期*活跃ARPU值
B12、根据B9所述的投放效果的预测系统,所述系统还包括:
ROI计算模块,用于根据所述未来预定时间内的用户生命周期价值计算投入产出比ROI。
B13、根据B9所述的投放效果的预测系统,所述广告内容为广告素材。
B14、根据B9所述的投放效果的预测系统,所述广告信息至少包括广告计划以及广告组中其中一项。
B15、根据B9所述的投放效果的预测系统,还包括归因模块,用于通过点击归因确定所述新增用户数据的渠道归属。
B16、根据B9所述的投放效果的预测系统,广告监测模块为广告监测链接,对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据。
C17、一种存储介质,其特征在于,用于存储一种用于执行A1~A8中任意一种投放效果的预测方法的计算机程序。
D18、一种计算机设备,包括存储介质、处理器以及存储在所述存储介质上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A1~A8任一项所述的投放效果的预测方法。
Claims (10)
1.一种投放效果的预测方法,其特征在于,包括:
对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;
根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;
根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;
根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。
3.根据权利要求2所述的投放效果的预测方法,其特征在于,所述根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值的计算公式为:
未来预定时间内的用户生命周期价值
=未来预定时间内的用户生命周期*活跃ARPU值。
4.根据权利要求1所述的投放效果的预测方法,其特征在于,所述根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值的步骤之后还包括:
根据所述未来预定时间内的用户生命周期价值计算投入产出比ROI。
5.根据权利要求1所述的投放效果的预测方法,其特征在于,所述广告内容为广告素材。
6.根据权利要求1所述的投放效果的预测方法,其特征在于,所述广告信息至少包括广告计划以及广告组中其中一项。
7.根据权利要求1所述的投放效果的预测方法,其特征在于,通过点击归因确定所述新增用户数据的渠道归属。
8.一种投放效果的预测系统,其特征在于,包括:
广告监测模块,用于对投放的包括预定的广告内容和/或预定的广告信息的广告进行监测并回传监测数据,根据所述监测数据计算相对应的用户数据,所述用户数据包括新增用户数据以及用户留存数据;
留存率计算模块,用于根据所述新增用户数据以及所述用户留存数据计算用户留存率数据;
函数拟合模块,用于根据所述用户留存率数据进行数学建模,拟合出用户留存率函数;
价值计算模块,用于根据所述用户留存率函数计算未来预定时间内的用户生命周期,并且根据所述未来预定时间内的用户生命周期计算所述未来预定时间内的用户生命周期价值。
9.一种存储介质,其特征在于,用于存储一种用于执行权利要求1~7中任意一种投放效果的预测方法的计算机程序。
10.一种计算机设备,包括存储介质、处理器以及存储在所述存储介质上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权利要求1~7任一项所述的投放效果的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011014960.5A CN114255063A (zh) | 2020-09-24 | 2020-09-24 | 投放效果的预测方法、系统、存储介质以及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011014960.5A CN114255063A (zh) | 2020-09-24 | 2020-09-24 | 投放效果的预测方法、系统、存储介质以及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114255063A true CN114255063A (zh) | 2022-03-29 |
Family
ID=80789949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011014960.5A Pending CN114255063A (zh) | 2020-09-24 | 2020-09-24 | 投放效果的预测方法、系统、存储介质以及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114255063A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385080A (zh) * | 2023-04-17 | 2023-07-04 | 云洞(上海)科技股份有限公司 | 一种基于人工智能的移动互联网用户数据统计推广系统 |
-
2020
- 2020-09-24 CN CN202011014960.5A patent/CN114255063A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385080A (zh) * | 2023-04-17 | 2023-07-04 | 云洞(上海)科技股份有限公司 | 一种基于人工智能的移动互联网用户数据统计推广系统 |
CN116385080B (zh) * | 2023-04-17 | 2024-01-26 | 云洞(上海)科技股份有限公司 | 一种基于人工智能的移动互联网用户数据统计推广系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107391538B (zh) | 点击数据采集、处理和展示方法、装置、设备及存储介质 | |
US10453118B2 (en) | Custom user definable keyword bidding system and method | |
CN105447724B (zh) | 内容项推荐方法及装置 | |
US8666809B2 (en) | Advertisement campaign simulator | |
US9037483B1 (en) | Multi-touch attribution model for valuing impressions and other online activities | |
CN109840782B (zh) | 点击率预测方法、装置、服务器以及存储介质 | |
US20110078000A1 (en) | Controlling content distribution | |
US9191451B2 (en) | System and method for automatic selection of a content format | |
JP2015111382A (ja) | 広告装置、予測方法及び予測プログラム | |
US20150317697A1 (en) | Automatic bid generation | |
CN113034171B (zh) | 一种业务数据处理方法、装置、计算机及可读存储介质 | |
CN110889725B (zh) | 在线广告ctr预估方法、装置、设备及存储介质 | |
WO2010057265A1 (en) | A system for providing information concerning the effectiveness of advertising | |
CN115423541B (zh) | 广告自动排期投放方法、装置、设备及存储介质 | |
CN114255063A (zh) | 投放效果的预测方法、系统、存储介质以及计算机设备 | |
CN114418648A (zh) | 一种广告投放方法及装置、存储介质及电子设备 | |
US20090037210A1 (en) | System and method for real time monitoring of digital campaigns | |
CN107993078B (zh) | 用于评价信息展示效果方法和装置以及计算设备 | |
KR20100042792A (ko) | 광고효과 보고서 제공 방법 및 시스템 | |
CN113326434A (zh) | 一种信息推荐方法、设备及存储介质 | |
CN110245969B (zh) | 推广信息处理方法、装置、电子设备及计算机可读介质 | |
CN111191999B (zh) | 产品研发管理方法、装置、计算机设备及存储介质 | |
CN112215348A (zh) | 广告投放信息处理方法 | |
CN115170167A (zh) | 广告诊断方法、装置、计算机设备和存储介质 | |
US20170249658A1 (en) | Displaying estimation of content viewership |
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 |