CN114549039A - 一种广告预算分配方法、系统、电子设备及存储介质 - Google Patents

一种广告预算分配方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN114549039A
CN114549039A CN202210003098.0A CN202210003098A CN114549039A CN 114549039 A CN114549039 A CN 114549039A CN 202210003098 A CN202210003098 A CN 202210003098A CN 114549039 A CN114549039 A CN 114549039A
Authority
CN
China
Prior art keywords
budget allocation
advertisement
allocation scheme
budget
result data
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
Application number
CN202210003098.0A
Other languages
English (en)
Inventor
彭一晋
黄荣斌
钟珀辰
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.)
Bigo Technology Pte Ltd
Original Assignee
Bigo Technology Pte 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 Bigo Technology Pte Ltd filed Critical Bigo Technology Pte Ltd
Priority to CN202210003098.0A priority Critical patent/CN114549039A/zh
Publication of CN114549039A publication Critical patent/CN114549039A/zh
Pending legal-status Critical Current

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种广告预算分配方法、系统、电子设备及存储介质。本申请实施例提供的技术方案，通过初始化网络广告投放的第一广告结果数据；基于第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮第一预算分配方案的迭代规划过程中，根据第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；输出第二预算分配方案，以根据第二预算分配方案进行各个投放目标的网络广告投放。采用上述技术手段，根据利润数据不断对各个投放目标进行网络广告预算分配方案的迭代更新，使得网络广告的投放预算分配不断优化，提供准确、合适的预算分配方案，以此来提升网络广告投放预算的分配效果，提升网络广告的投入产出。

Description

一种广告预算分配方法、系统、电子设备及存储介质
技术领域
本申请实施例涉及计算机技术领域，尤其涉及一种广告预算分配方法、系统、电子设备及存储介质。
背景技术
目前，随着信息网络越来越发达，网络广告的影响也越来越大。网络广告通过与网络用户直接沟通的方式，可以使互联网产品实现较佳的网络推广效果。网络广告在投放过程中，为了保障广告收益，会设定一个合理的广告投放预算，基于该广告投放预算进行广告投放，以优化网络广告的投入产出。
但是，在网络广告投放场景中，对于不同的国家、平台或者渠道等细分市场，其广告投放所带来的收益不同。简单地对不同细分市场集中设置广告投放预算，其预算分配误差较大，分配效果相对较差，容易影响网络广告的投入产出，降低广告收益。
发明内容
本申请实施例提供一种广告预算分配方法、系统、电子设备及存储介质，能够优化网络广告预算分配，提升网络广告的投入产出，解决网络广告预算分配的误差问题。
在第一方面，本申请实施例提供了一种广告预算分配方法，包括：
初始化网络广告投放的第一广告结果数据；
基于第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮第一预算分配方案的迭代规划过程中，根据第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；
输出第二预算分配方案，以根据第二预算分配方案进行各个投放目标的网络广告投放。
在第二方面，本申请实施例提供了一种广告预算分配系统，包括：
初始化模块，用于初始化网络广告投放的第一广告结果数据；
迭代模块，用于基于第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮第一预算分配方案的迭代规划过程中，根据第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；
输出模块，用于输出第二预算分配方案，以根据第二预算分配方案进行各个投放目标的网络广告投放。
在第三方面，本申请实施例提供了一种电子设备，包括：
存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的广告预算分配方法。
在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的广告预算分配方法。
本申请实施例通过初始化网络广告投放的第一广告结果数据；基于第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮第一预算分配方案的迭代规划过程中，根据第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；输出第二预算分配方案，以根据第二预算分配方案进行各个投放目标的网络广告投放。采用上述技术手段，根据利润数据不断对各个投放目标进行网络广告预算分配方案的迭代更新，使得网络广告的投放预算分配不断优化，提供准确、合适的预算分配方案，以此来提升网络广告投放预算的分配效果，提升网络广告的投入产出。
附图说明
图1是本申请实施例提供的一种广告预算分配方法的流程图；
图2是本申请实施例中的预算分配方案迭代规划流程图；
图3是本申请实施例中的预算分配方案更新流程图；
图4是本申请实施例中的神经网络模型的结构示意图；
图5是本申请实施例提供的一种广告预算分配装置的结构示意图；
图6是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本申请提供的广告预算分配方法，旨在通过广告预算地不断迭代优化，使得广告预算的分配趋近与最优，以此来提升网络广告投放预算的分配效果，提升网络广告的投入产出。由于网络广告是目前互联网产品最重要的推广手段。为了吸引更多的用户及消费者，运营方需要在全球多个区域，每个区域上百个不同媒体投放网络广告。因此需要在有限的预算内，兼顾各个市场(不同区域、不同媒体乃至不同渠道)的现状、产品的目标，尽可能地优化网络广告的投入产出。对于传统的网络广告投放方式，通常会统一设定一个合理的广告投放预算，基于该广告投放预算进行广告投放。由于在网络广告投放场景中，对于不同的国家、平台或者渠道等细分市场，其广告投放所带来的收益不同。而且随着广告投放周期的变化，其投入产出比也在变化。简单地对不同细分市场集中设置广告投放预算，其预算分配误差较大，分配效果相对较差，容易影响网络广告的投入产出，降低广告收益。基于此，提供本申请实施例的一种广告预算分配方法，以解决现有网络广告预算分配的误差问题。
实施例：
图1给出了本申请实施例提供的一种广告预算分配方法的流程图，本实施例中提供的广告预算分配方法可以由广告预算分配设备执行，该广告预算分配设备可以通过软件和/或硬件的方式实现，该广告预算分配设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该广告预算分配设备可以是电脑，手机，平板等计算设备。
下述以该广告预算分配设备为执行广告预算分配方法的主体为例，进行描述。参照图1，该广告预算分配方法具体包括：
S110、初始化网络广告投放的第一广告结果数据。
本申请在设置网络广告预算时，对应不同细分市场(如不同区域、不同媒体或者不同渠道)的网络广告投放，设定相应的广告预算，并对其广告预算分配方案进行不断的迭代优化，以使最终得到的广告预算准确且合理，能够达到较优的投入产出。
可选地，在设置网关广告预算时，采用周期性更新的方式，每隔一个设定周期，重新计算一次广告预算，基于计算结果设定各个投放目标进行网络广告投放的预算分配方案。本申请实施例中，以一个细分市场作为一个投放目标，对不同的投放目标分别周期性更新预算分配方案。可以理解的是，由于不同周期进行网络广告投放的广告结果数据(如收入、曝光率和新增用户数量等)不同，即网络广告投放所带来的收益也会发生变化。因此需要根据广告收益的变化周期性调整预算分配方案，以合理的预算投入进行网络广告投放。
对应每一个预算分配方案的更新周期(及网络广告投放周期)，会提取上一网络广告投放周期的广告结果数据，作为当前网络广告投放周期的第一广告结果数据。通过提取这部分网络广告数据，以便于基于该广告结果数据确定较优的预算分配方案。其中，通过广告归因技术将外部的网络广告投放关联数据与内部的用户数据结合，计算出每个投放目标的投入、广告曝光率、新增用户数量和收入等数据，定义这些数据为第一广告结果数据，以用于后续对应各个投放目标的第一广告结果数据进行预算分配方案的更新。
S120、基于第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮第一预算分配方案的迭代规划过程中，根据第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案。
进一步地，在初始化第一广告结果数据后，参照图2，本申请实施例基于该第一广告结果数据进行当前广告投放周期各个投放目标的预算分配方案迭代更新，以优化预算分配方案。
其中，基于第一广告结果数据进行预算分配方案的迭代更新过程中，首先通过第一广告结果数据规划一个预算分配方案，定义该预算分配方案为第一预算分配方案。基于预先构建的规划求解器，将第一广告结果数据输入预构建的规划求解器，规划各个投放目标的第一预算分配方案，第一广告结果数据包括收入、曝光率和新增用户数量中的至少一种，规划求解器用于根据第一广告结果数据随机生成第一预算分配方案。
规划求解器可以基于不同的因变量输入，得到对应的输出，即该第一预算分配方案。其中，以第一广告结果数据作为规划求解器的输入，在已知第一广告结果数据的收入、曝光率和新增用户数量等信息后，以这些信息作为因变量，就能利用规划求解器进行优化求解。根据当前各个细分市场的收入、曝光率和新增用户数量等信息，初始化一组优化求解表达式，通过规划求解器，就可以得到一组预算分配方案，定义该预算分配方案为第一预算分配方案。
具体地，优化求解表达式为：
Figure BDA0003455581560000051
Figure BDA0003455581560000052
其中，其中c为需要求解的各个细分市场的第一预设分配方案，r为细分市场c对应的收入，u为细分市场c对应的新增用户数量，B为所有细分市场预算总和的预算约束条件，Bm为指定的某几个细分市场预算总和的预算约束条件，Um为指定的某几个细分市场新增用户量总和的约束条件，m小于等于n。
在此之前，需要预先设定各个细分市场包括预算、新增用户数量乃至曝光率信息等指标的约束条件，以确保基于这些约束条件合理规划求解得到各个投放目标的第一预算分配方案。约束条件根据实际方案规划需求设定，其可以是针对所有细分市场总指标的约束条件，也可以是指定的一个或者几个细分市场的指标约束条件，本申请实施例对约束条件的具体设定不做固定限制，在此不多赘述。
基于上述规划求解器规划得到各个投放目标的第一预算分配方案，需要判断该预算分配方案所产生的利润是否大于缓存中原始预算分配方案的利润。定义缓存中原始预算方案为第二预算分配方案，通过第一预算分配方案与第二预算分配方案的利润数据比对，以根据比对结果进行第二预算分配方案的更新。进而通过规划求解器循环迭代规划第一预算分配方案，然后不断根据第一预算分配方案与第二预算分配方案的利润数据比对，进行第二预算分配方案的迭代更新，以在迭代更新过程中，不断的提升第二预算分配方案所达到的利润，以此来实现本申请实施例对各个投放目标的预算优化，提升投入产出。
具体地，参照图3，预算分配方案更新流程包括：
S1201、确定当前第一预算分配方案的利润数据大于缓存中第二预算分配方案的利润数据；
S1202、将当前第一预算分配方案作为新的第二预算分配方案并更新至缓存。
可以理解的是，在新生成第一预算分配方案后，如果基于该第一预算分配方案进行广告投放，那么在一个广告投放周期内，其所产生的广告结果数据也会发生变化。即随着规划求解器求解的目标变量(第一预算分配方案)改变，也会相应地带来收入、曝光率和新增用户数量等广告结果数据的变化。为了确定当前规划得到的第一预算分配方案是否可以更新到缓存中作为新的第二预算分配方案，本申请实施例通过预先构建一个神经网络以对第一预算分配方案的广告结果数据进行预测，以基于预测结果确定第一预算分配方案的利润数据，进而通过第一预算分配方案与第二预算分配方案的利润数据比对，确定当前第一预算分配方案的利润数据大于缓存中第二预算分配方案的利润数据时，进行第二预算分配方案的迭代更新。
其中，确定当前第一预算分配方案的利润数据大于缓存中第二预算分配方案的利润数据的流程包括：
S12011、将第一预算分配方案输入预构建的神经网络，预测第一预算分配方案进行网络广告投放的第二广告结果数据，神经网络预先根据不同预算分配方案与对应广告结果数据的映射情况进行训练；
S12012、基于第一预算分配方案和第二广告结果数据确定第一预算分配方案的利润数据；
S12013、将当前第一预算分配方案的利润数据与缓存中第二预算分配方案的利润数据比对，确定当前第一预算分配方案的利润数据大于缓存中第二预算分配方案的利润数据。
在此之前，预先构建一个神经网络。如图4所示，提供本申请实施例神经网络的结构示意图。通过神经网络来学习在不同预算分配方案下带来的收入、曝光率和新增用户数量等广告结果数据。
首先构造了如下的训练数据：
Figure BDA0003455581560000071
其中，x为每个投放目标自带的特征，如日期、国家、系统、用户量等信息，c为对应投放目标的预算，o为收入、曝光率和新增用户数量等广告结果数据。
由于特征的数量并不多，样本的数量远大于特征数。因此构造了一个具有5个全连接层的神经网络，每层使用ReLU函数作为激活函数，每层具有16个神经元，针对每个类别变量的输入，加入一个嵌入层。这样一个较为简单的全连接神经网络，在训练过程中可以更快地收敛，同时取得较好的预测效果。在进行模型训练时，使用Adam优化器，MAE作为损失函数，并将batch_size设置为256，并进行100epochs的训练，得到对应的神经网络模型。
进而基于该神经网络模型，即可预测得到第一预算分配方案的广告结果数据，以该广告结果数据，结合第一预算分配方案的花费，即可确定其对应的利润数据。
可选地，在预测第一预算分配方案的第二广告结果数据之后，如图2所示，还可以先判断第二广告结果数据是否符合预设定的约束条件，基于判断结果迭代更新各个投放目标的第二预算分配方案。
可以理解的是，如若某一个第一预算分配方案预测得到的第二广告结果数据中，其收入、曝光率和新增用户数量等预测结果不满足上述规划求解器相应的约束条件，则需要将该第一预算分配方案丢弃，进行下一轮第一预算分配方案的迭代规划。反之，若第二广告结果数据满足上述规划求解器相应的约束条件，则可以进一步基于第一预算分配方案和第二预算分配方案的利润数据比对结果进行第二预算分配方案的迭代更新。
例如，预先设定某个APP的网络广告在某个国家每天需要达到指定的广告收入、曝光率及新增用户数量等约束条件，则通过检查当前的第一预算分配方案所带来的收入、曝光率和新增用户数量是否满足所有设定的约束条件。如果满足，则进一步比对第一预算分配方案和第二预算分配方案的利润数据，如果不满足，则丢弃当前第一预算分配方案，重新迭代规划第一预算分配方案。
可以理解的是，由于收入、曝光率和新增用户数量等因变量是通过神经网络来进行预测的，而网络广告的收入、曝光率和新增用户数量等都会受到不同因素的影响不断地变化。单次预算的调整幅度需要限制在一定的范围内，以免引起广告结果数据太大的变化。同时，由于互联网广告的特性(可即时调整)。因此本申请实施例通过规划求解器循环生成不同的第一预算分配方案，然后利用训练好的神经网络模型预测对应的收入、曝光率和新增用户数量等广告结果数据，进而通过循环迭代的方式，确定当前周期相对最优的预算分配方案。
在比对第一预算分配方案和第二预算分配方案的利润数据过程中，确定第一预算分配方案的收益数据，该收益数据可以是广告投放得到的收入，也可以是基于收入、曝光率和新增用户数量归一化得到的收益数据。将这一收益数据减去第一预算分配方案的预算投入，则可以得到第一预算分配方案的利润数据。同样的，第二预算分配方案也基于上述方式确定利润数据，通过比对两个方案的利润数据，在第一预算分配方案的利润数据大于第二预算分配方案的利润数据时，则将第一预算分配方案更新至缓存，覆盖原先的第二预算分配方案，作为新的第二预算分配方案。
进一步地，完成一次第一预算分配方案的迭代规划之后，参照上述迭代规划流程，重新进行一轮第一预算分配方案的迭代规划。基于规划求解器求得一组新的满足约束条件的第一预算分配方案后，如果新的第一预算分配方案带来的利润“r(ci+1)-ci+1”大于缓存中第二预算分配方案的利润数据“(r(ci)-ci)max”，则将当前的第一预算方案更新为新的第二预算分配方案。其中，r(ci+1)表示当前第一预算分配方案的收益数据，ci+1表示当前第一预算分配方案的收益数据。
经过多次的循环迭代过程，搜索局部最优解，以此不断地逼近全局最优解。以此可以消除预算单次调整幅度的限制。迭代规划过程，其实就是一个MCMC(马尔科夫链蒙特卡洛方法(Markov ChainMonte Carlo)，简称MCMC)的过程，基于规划求解而来的随机化的预算，以及对应的因变量收入、曝光率和新增用户数量等广告结果数据，经过不断的迭代规划后，即可得到当前周期的相对较优的预算分配方案。
S130、输出第二预算分配方案，以根据第二预算分配方案进行各个投放目标的网络广告投放。
进一步地，完成上述迭代规划流程后，即可输出缓存中的第二预算分配方案，以该第二预算分配方案作为当前各个投放目标的网络广告投放预算，进行各个投放目标的网络广告投放。
可选地，本申请实施例在确定当前第一预算分配方案的迭代规划达到设定迭代次数，输出第二预算分配方案。可以理解的是，由于广告结果数据不仅会随着预算分配方案而变化，在不同时间、场景等外部因素影响下，也会发生相应的变化。因此，如果预算分配方案的迭代规划周期较长，最终得到结果也会失效。因此，本申请实施例通过设定迭代次数，如图2所示，当迭代规划流程达到设定次数是，此时输出第二预算分配方案，以作为当前广告投放周期各个投放目标的广告投放预算。以此来实现相对较优的预算分配效果，提升投入产出。
上述，通过初始化网络广告投放的第一广告结果数据；基于第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮第一预算分配方案的迭代规划过程中，根据第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；输出第二预算分配方案，以根据第二预算分配方案进行各个投放目标的网络广告投放。采用上述技术手段，根据利润数据不断对各个投放目标进行网络广告预算分配方案的迭代更新，使得网络广告的投放预算分配不断优化，提供准确、合适的预算分配方案，以此来提升网络广告投放预算的分配效果，提升网络广告的投入产出。
在上述实施例的基础上，图5为本申请提供的一种广告预算分配系统的结构示意图。参考图5，本实施例提供的广告预算分配系统具体包括：初始化模块21、迭代模块22和输出模块23。
其中，初始化模块21用于初始化网络广告投放的第一广告结果数据；
迭代模块22用于基于第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮第一预算分配方案的迭代规划过程中，根据第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；
输出模块23用于输出第二预算分配方案，以根据第二预算分配方案进行各个投放目标的网络广告投放。
具体地，初始化模块21通过提取上一网络广告投放周期的广告结果数据，作为当前网络广告投放周期的第一广告结果数据。
迭代模块22具体用于将第一广告结果数据输入预构建的规划求解器，规划各个投放目标的第一预算分配方案，第一广告结果数据包括收入、曝光率和新增用户数量中的至少一种，规划求解器用于根据第一广告结果数据随机生成第一预算分配方案。
迭代模块22还用于确定当前第一预算分配方案的利润数据大于缓存中第二预算分配方案的利润数据；将当前第一预算分配方案作为新的第二预算分配方案并更新至缓存。
其中，通过将第一预算分配方案输入预构建的神经网络，预测第一预算分配方案进行网络广告投放的第二广告结果数据，神经网络预先根据不同预算分配方案与对应广告结果数据的映射情况进行训练；基于第一预算分配方案和第二广告结果数据确定第一预算分配方案的利润数据；将当前第一预算分配方案的利润数据与缓存中第二预算分配方案的利润数据比对，确定当前第一预算分配方案的利润数据大于缓存中第二预算分配方案的利润数据。
具体地，迭代模块22还用于判断第二广告结果数据是否符合预设定的约束条件，基于判断结果迭代更新各个投放目标的第二预算分配方案。
具体地，输出模块23具体用于确定当前第一预算分配方案的迭代规划达到设定迭代次数，输出第二预算分配方案。
上述，通过初始化网络广告投放的第一广告结果数据；基于第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮第一预算分配方案的迭代规划过程中，根据第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；输出第二预算分配方案，以根据第二预算分配方案进行各个投放目标的网络广告投放。采用上述技术手段，根据利润数据不断对各个投放目标进行网络广告预算分配方案的迭代更新，使得网络广告的投放预算分配不断优化，提供准确、合适的预算分配方案，以此来提升网络广告投放预算的分配效果，提升网络广告的投入产出。
本申请实施例提供的广告预算分配系统可以用于执行上述实施例提供的广告预算分配方法，具备相应的功能和有益效果。
在上述实际上例的基础上，本申请实施例还提供了一种电子设备，参照图6，该电子设备包括：处理器31、存储器32、通信模块33、输入装置34及输出装置35。存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的广告预算分配方法对应的程序指令/模块(例如，广告预算分配系统中的初始化模块、迭代模块和输出模块)。通信模块33用于进行数据传输。处理器31通过运行存储在存储器中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的广告预算分配方法。输入装置34可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。上述提供的电子设备可用于执行上述实施例提供的广告预算分配方法，具备相应的功能和有益效果。
在上述实施例的基础上，本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种广告预算分配方法，存储介质可以是任何的各种类型的存储器设备或存储设备。当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的广告预算分配方法，还可以执行本申请任意实施例所提供的广告预算分配方法中的相关操作。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。

Claims (10)

1.一种广告预算分配方法，其特征在于，包括：
初始化网络广告投放的第一广告结果数据；
基于所述第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮所述第一预算分配方案的迭代规划过程中，根据所述第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；
输出所述第二预算分配方案，以根据所述第二预算分配方案进行各个投放目标的网络广告投放。
2.根据权利要求1所述的广告预算分配方法，其特征在于，所述根据所述第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案，包括：
确定当前所述第一预算分配方案的利润数据大于缓存中所述第二预算分配方案的利润数据；
将当前所述第一预算分配方案作为新的所述第二预算分配方案并更新至缓存。
3.根据权利要求2所述的广告预算分配方法，其特征在于，所述确定当前所述第一预算分配方案的利润数据大于缓存中所述第二预算分配方案的利润数据，包括：
将所述第一预算分配方案输入预构建的神经网络，预测所述第一预算分配方案进行网络广告投放的第二广告结果数据，所述神经网络预先根据不同预算分配方案与对应广告结果数据的映射情况进行训练；
基于所述第一预算分配方案和所述第二广告结果数据确定所述第一预算分配方案的利润数据；
将当前所述第一预算分配方案的利润数据与缓存中所述第二预算分配方案的利润数据比对，确定当前所述第一预算分配方案的利润数据大于缓存中所述第二预算分配方案的利润数据。
4.根据权利要求3所述的广告预算分配方法，其特征在于，在所述预测所述第一预算分配方案进行网络广告投放的第二广告结果数据之后，还包括：
判断所述第二广告结果数据是否符合预设定的约束条件，基于判断结果迭代更新各个投放目标的第二预算分配方案。
5.根据权利要求1所述的广告预算分配方法，其特征在于，所述基于所述第一广告结果数据迭代规划各个投放目标的第一预算分配方案，包括：
将所述第一广告结果数据输入预构建的规划求解器，规划各个投放目标的第一预算分配方案，所述第一广告结果数据包括收入、曝光率和新增用户数量中的至少一种，所述规划求解器用于根据所述第一广告结果数据随机生成所述第一预算分配方案。
6.根据权利要求1所述的广告预算分配方法，其特征在于，所述输出所述第二预算分配方案，包括：
确定当前所述第一预算分配方案的迭代规划达到设定迭代次数，输出所述第二预算分配方案。
7.根据权利要求1所述的广告预算分配方法，其特征在于，所述初始化网络广告投放的第一广告结果数据，包括：
提取上一网络广告投放周期的广告结果数据，作为当前网络广告投放周期的第一广告结果数据。
8.一种广告预算分配系统，其特征在于，包括：
初始化模块，用于初始化网络广告投放的第一广告结果数据；
迭代模块，用于基于所述第一广告结果数据迭代规划各个投放目标的第一预算分配方案，在每一轮所述第一预算分配方案的迭代规划过程中，根据所述第一预算分配方案的利润数据迭代更新各个投放目标的第二预算分配方案；
输出模块，用于输出所述第二预算分配方案，以根据所述第二预算分配方案进行各个投放目标的网络广告投放。
9.一种电子设备，其特征在于，包括：
存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一所述的广告预算分配方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的广告预算分配方法。
CN202210003098.0A 2022-01-04 2022-01-04 一种广告预算分配方法、系统、电子设备及存储介质 Pending CN114549039A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210003098.0A CN114549039A (zh) 2022-01-04 2022-01-04 一种广告预算分配方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210003098.0A CN114549039A (zh) 2022-01-04 2022-01-04 一种广告预算分配方法、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114549039A true CN114549039A (zh) 2022-05-27

Family

ID=81670406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210003098.0A Pending CN114549039A (zh) 2022-01-04 2022-01-04 一种广告预算分配方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114549039A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095885A (zh) * 2021-04-22 2021-07-09 加和（北京）信息科技有限公司 信息投放数据的处理方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095885A (zh) * 2021-04-22 2021-07-09 加和（北京）信息科技有限公司 信息投放数据的处理方法和装置
CN113095885B (zh) * 2021-04-22 2024-04-12 加和（北京）信息科技有限公司 信息投放数据的处理方法和装置

Similar Documents

Publication Publication Date Title
US20230023520A1 (en) Training Method, Apparatus, and Device for Federated Neural Network Model, Computer Program Product, and Computer-Readable Storage Medium
CN110782042A (zh) 横向联邦和纵向联邦联合方法、装置、设备及介质
CN109961142B (zh) 一种基于元学习的神经网络优化方法及装置
US20150178265A1 (en) Content Recommendation System using a Neural Network Language Model
WO2020168851A1 (zh) 行为识别
CN110825975B (zh) 一种信息推荐方法、装置、设备及计算机可读存储介质
CN112163963B (zh) 业务推荐方法、装置、计算机设备和存储介质
CN114461871A (zh) 推荐模型训练方法、对象推荐方法、装置及存储介质
CN116684330A (zh) 基于人工智能的流量预测方法、装置、设备及存储介质
CN108475346A (zh) 神经随机访问机器
CN114912030A (zh) 权益模型训练方法、推荐方法及电子终端和计算机介质
CN114549039A (zh) 一种广告预算分配方法、系统、电子设备及存储介质
CN113034168A (zh) 内容项投放方法、装置、计算机设备及存储介质
CN114331495A (zh) 多媒体数据处理方法、装置、设备及存储介质
Lei et al. A novel time-delay neural grey model and its applications
Gigli et al. Multi-armed bandits for performance marketing
CN115545834A (zh) 基于图神经网络与元数据的个性化服务推荐方法
US20220366233A1 (en) Systems and methods for generating dynamic conversational responses using deep conditional learning
CN115345635A (zh) 推荐内容的处理方法、装置、计算机设备和存储介质
CN113762972A (zh) 数据存储控制方法及装置、电子设备、存储介质
CN113011921B (zh) 信息推送方法、装置、电子设备及可读存储介质
CN113065066B (zh) 预测方法、装置、服务器及存储介质
CN112616072B (zh) 一种基于用户正负反馈信息的短视频点击率预测方法
CN112749335B (zh) 生命周期状态预测方法、装置、计算机设备和存储介质
CN115550259B (zh) 基于白名单的流量分配方法及相关设备

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