CN115660749A - 基于ab测试的自动广告投放策略筛选方法及系统 - Google Patents

Abstract

本发明实施例公开了一种基于AB测试的自动广告投放策略筛选方法及系统。具体包括以下方法：根据广告素材id信息、广告位id信息和用户id信息以及用户点击广告素材的行为信息记录对应的曝光数据和点击数据；获取需要自动调整AB测试的广告投放计划，判断曝光量是否已经达到需要调整AB测试的曝光阈值，若达到AB测试的曝光阈值，则对同一投放计划中的不同广告素材进行计算，把转化率最高的广告素材曝光比例调整为100％，其他广告素材调整为0％。本申请解决了现有的广告投放策略存在素材投放比例需要人工介入并且调整不及时会造成的转化率不高，影响广告收益的问题。

Description

基于AB测试的自动广告投放策略筛选方法及系统

技术领域

本发明涉及广告投放技术领域，具体涉及一种基于AB测试的自动广告投放 策略筛选方法及系统。

背景技术

常见的广告投放系统，运营在投放广告时会制作多个图片素材来进行投 放，然后根据不同时段投放广告的点击效果来判断哪个素材更受用户欢迎， 需要人工根据点击率调整广告素材的投放比例，系统并不能实现自动调整广 告素材的曝光比例来提高广告投放收益，如何优化投放策略达到投放收益的 最大化是整个行业面临的共同挑战，一般的传统方法，固定投放策略，效果 不可控，无法及时调整，人工选择投放策略效果适中，但速度慢，调节不及 时；普通AB算法策略算法无法达到最大化。

综上所述，现有的广告投放策略存在素材投放比例需要人工介入并且调整 不及时会造成的转化率不高，影响广告收益的问题。

公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术 的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员 所公知的现有技术。

发明内容

本发明实施例的目的在于提供一种基于AB测试的自动广告投放策略筛选方 法及系统，用以解决现有的数据指标监控告警技术存在一定局限性，以及数据必 须通过第三方平台，存在配置功能模块相对较为固定和灵活性较低的问题。

为实现上述目的，本发明实施例提供一种基于AB测试的自动广告投放策略 筛选方法，方法包括以下步骤：

创建一个或多个广告投放计划，根据每个不同的广告投放计划选择对应的配 置信息；

针对每个广告投放计划配置一条或多条不同的广告素材，当配置的广告素材 为多条时，默认进入AB测试模式，且每个广告素材的曝光率均等；

当用户访问广告位的页面时，获取广告素材id信息、广告位id信息和用户 id信息；或当用户点击其中一条广告素材时，获取用户点击广告素材的行为信息； 根据广告素材id信息、广告位id信息和用户id信息以及用户点击广告素材的 行为信息记录对应的曝光数据和点击数据；

获取需要自动调整AB测试的广告投放计划，并根据广告投放计划中投放的 不同广告素材的广告素材id以及结合页面上报的对应的曝光数据和点击数据， 判断曝光量是否已经达到需要调整AB测试的曝光阈值，若达到AB测试的曝光阈 值，则对同一投放计划中的不同广告素材进行计算，得出点击转化率最高的广告 素材，把转化率最高的广告素材曝光比例调整为100％，其他广告素材调整为0％， 完成AB测试调整。进一步地，配置信息包括广告位、投放人群、投放时间和投 放地域。

进一步地，还根据广告投放计划中的累计投放时长或广告素材数量进行淘汰 式算法判断曝光量是否已经达到需要调整AB测试的曝光阈值；AB测试的曝光阈 值根据广告位的页面随时调整。

进一步地，转化率＝某素材累计用户点击数量/某素材累计用户曝光数量。

进一步地，完成AB测试调整后，运营人员获取通过钉钉发送的调整后的方 案，若运营人员认为调整后的方案存在偏差，则运营人员重新修改AB测试的曝 光阈值并进行新一轮AB测试验证。

进一步地，每5min-10min执行一次自动AB测试调整。

一种基于AB测试的自动广告投放策略筛选系统，所述系统包括：

创建模块，用于创建一个或多个广告投放计划，根据每个不同的广告投放计 划选择对应的配置信息；

配置模块，用于针对每个广告投放计划配置一条或多条不同的广告素材，当 配置的广告素材为多条时，默认进入AB测试模式，且每个广告素材的曝光率均 等；

信息获取模块，用于当用户访问广告位的页面时，获取广告素材id信息、 广告位id信息和用户id信息；或当用户点击其中一条广告素材时，获取用户点 击广告素材的行为信息；根据广告素材id信息、广告位id信息和用户id信息 以及用户点击广告素材的行为信息记录对应的曝光数据和点击数据；

统计模块，用于获取需要自动调整AB测试的广告投放计划，并根据广告投 放计划中投放的不同广告素材的广告素材id以及结合页面上报的对应的曝光数 据和点击数据，判断曝光量是否已经达到需要调整AB测试的曝光阈值，若达到AB 测试的曝光阈值，则对同一投放计划中的不同广告素材进行计算，得出点击转化 率最高的广告素材，把转化率最高的广告素材曝光比例调整为100％，其他广告素 材调整为0％，完成AB测试调整。

进一步地，配置信息包括广告位、投放人群、投放时间和投放地域。

进一步地，还根据广告投放计划中的累计投放时长或广告素材数量进行淘汰 式算法判断曝光量是否已经达到需要调整AB测试的曝光阈值；AB测试的曝光阈 值根据广告位的页面随时调整。

进一步地，转化率＝某素材累计用户点击数量/某素材累计用户曝光数量。

本发明实施例具有如下优点：

1.本发明通过创建一个或多个广告投放计划，根据每个不同的广告投放计划 选择对应的配置信息；针对每个广告投放计划配置一条或多条不同的广告素材， 当配置的广告素材为多条时，默认进入AB测试模式，且每个广告素材的曝光率 均等；当用户访问广告位的页面时，获取广告素材id信息、广告位id信息和用 户id信息；或当用户点击其中一条广告素材时，获取用户点击广告素材的行为 信息；根据广告素材id信息、广告位id信息和用户id信息以及用户点击广告 素材的行为信息记录对应的曝光数据和点击数据；获取需要自动调整AB测试的 广告投放计划，并根据广告投放计划中投放的不同广告素材的广告素材id以及 结合页面上报的对应的曝光数据和点击数据，判断曝光量是否已经达到需要调整 AB测试的曝光阈值，若达到AB测试的曝光阈值，则对同一投放计划中的不同广 告素材进行计算，得出点击转化率最高的广告素材，把转化率最高的广告素材曝 光比例调整为100％，其他广告素材调整为0％，完成AB测试调整。解决了现有的 广告投放策略存在素材投放比例需要人工介入并且调整不及时会造成的转化率 不高，影响广告收益的问题。

2.本申请中AB测试功能，实现多投放策略灵活设置，根据AB测试方法动态 调节多策略投放比例和属性，并加入人工经验判断辅助修正自动化策略，实现相 同流量下的投放收益提升和可控。

3.本申请在广告投放配置中，运营人员设置某个广告素材的曝光量或点击率 达到多少，自动调整素材投放的比例，来提高广告转化率。并且在调整比例同时 给配置此广告投放的运营人员发送钉钉通知。

附图说明

图1为本发明实施例提供的基于AB测试的自动广告投放策略筛选方法的方 法流程图；

图2为本发明实施例提供的基于AB测试的自动广告投放策略筛选系统的系 统的框架图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实 施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所 描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中 的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本公开保护的范围。

本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、 “第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定 的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里 描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

应当理解，在本公开的各种实施例中，各过程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，而不应对本公开实 施例的实施过程构成任何限定。

应当理解，在本公开中，“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单元的过程、方法、系统、产 品或设备不必限于清楚地列出的那些步骤或单元，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单元。

应当理解，在本公开中，“多个”是指两个或两个以上。“和/或”仅仅是 一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表 示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示 前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指 A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B 和/或C”是指包含A、B、C三者中任1个或任2个或3个。

应当理解，在本公开中，“与A对应的B”、“与A相对应的B”、“A与B 相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A 确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与 B的匹配，是A与B的相似度大于或等于预设的阈值。

取决于语境，如在此所使用的“若”可以被解释成为“在……时”或 “当……时”或“响应于确定”或“响应于检测”。

下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的 实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

在对本公开的技术方案进行说明前，为了便于本领域技术人员更好地理解本 公开的技术方案，现对本公开的部分名词进行解释：

广告素材：给用户展示的静/动态图片或文字信息；

广告位：用户访问app或小程序页面上预留的内容曝光位置，用于引导用户 点击，促进向业务目标转化。如：Banner、弹屏、区块等。

实施例1

结合图1说明本实施方式，本实施方式的一种基于AB测试的自动广告投放 策略筛选方法，方法包括以下步骤：

创建一个或多个广告投放计划，根据每个不同的广告投放计划选择对应的配 置信息；

针对每个广告投放计划配置一条或多条不同的广告素材，当配置的广告素材 为多条时，默认进入AB测试模式，且每个广告素材的曝光率均等；

当用户访问广告位的页面时，获取广告素材id信息、广告位id信息和用户id 信息；或当用户点击其中一条广告素材时，获取用户点击广告素材的行为信息； 根据广告素材id信息、广告位id信息和用户id信息以及用户点击广告素材的行 为信息记录对应的曝光数据和点击数据；

获取需要自动调整AB测试的广告投放计划，并根据广告投放计划中投放的 不同广告素材的广告素材id以及结合页面上报的对应的曝光数据和点击数据，判 断曝光量是否已经达到需要调整AB测试的曝光阈值，若达到AB测试的曝光阈 值，则对同一投放计划中的不同广告素材进行计算，得出点击转化率最高的广告 素材，把转化率最高的广告素材曝光比例调整为100％，其他广告素材调整为0％， 完成AB测试调整。

示例性地，本公开实施例在实际应用中，运营人员希望借鉴其他团队的素材 创意，提升活动或广告的点击率，可以帮助运营快速切换更受用户欢迎的素材， 让运营不必实时关注投放数据来进行手动切换素材，提升运营效率。

本实施方式中通过创建一个或多个广告投放计划，根据每个不同的广告投放 计划选择对应的配置信息；针对每个广告投放计划配置一条或多条不同的广告素 材，当配置的广告素材为多条时，默认进入AB测试模式，且每个广告素材的曝 光率均等；当用户访问广告位的页面时，获取广告素材id信息、广告位id信息 和用户id信息；或当用户点击其中一条广告素材时，获取用户点击广告素材的行 为信息；根据广告素材id信息、广告位id信息和用户id信息以及用户点击广告 素材的行为信息记录对应的曝光数据和点击数据；获取需要自动调整AB测试的 广告投放计划，并根据广告投放计划中投放的不同广告素材的广告素材id以及结 合页面上报的对应的曝光数据和点击数据，判断曝光量是否已经达到需要调整 AB测试的曝光阈值，若达到AB测试的曝光阈值，则对同一投放计划中的不同 广告素材进行计算，得出点击转化率最高的广告素材，把转化率最高的广告素材 曝光比例调整为100％，其他广告素材调整为0％，完成AB测试调整。解决了现 有的广告投放策略存在素材投放比例需要人工介入并且调整不及时会造成的转 化率不高，影响广告收益的问题。

示例性地，本公开实施例的实际业务流程可以如下：

运营人员在广告投放系统中创建一个广告投放计划，选择广告位、投放时间、 投放地区、投放人群等规则。

在投放素材环节可以选择已有素材也可以从本地上传素材，也可根据曾经投 放数据选择其他运营人员投放的素材，当运营人员配置的素材数量大于1个时， 系统会默认进入素材AB测试投放模式，每个素材的曝光率是均等的：例如：运 营人员配置了4个素材，那么每个素材的广告投放曝光率是25％。

用户访问相应有此广告位的页面时，此页面会调取广告投放系统接口获取运 营人员配置的广告素材展示给用户，并把展示曝光的素材id、广告位id、用户id 等信息上报给大数据埋点系统，如果用户点击了此广告，页面也会触发上报给大 数据埋点系统此素材的点击行为，大数据埋点系统会根据页面上报内容记录用户 曝光和点击数据。

大数据埋点系统每5分钟执行一次自动ABtest调整任务，首先从广告投放系 统数据库中获取需要自动调整AB测试的广告投放计划数据，使用投放素材id结 合曝光上报数据，判断曝光量是否已经达到需要调整AB测试的阈值(阈值可根 据广告位所在页面随时调整)。如果已经达到曝光阈值，埋点系统会把同一投放 计划中的不同素材进行计算，UCTR计算公式：计划某素材累计用户点击/计划某 素材累计用户曝光；

找出点击转化率(UCTR)最高的素材，然后调用广告投放系统的接口，把 UCTR最高的素材曝光比例调整为100％，其他素材调整为0％，完成触发调整 ABtest后，广告投放系统会给运营人员推送消息通知。

素材曝光比例修改后用户每次访问包含此广告位的页面，展示给用户的就是 转化率最高的素材。

优选实施例中，本实施方式配置信息包括广告位、投放人群、投放时间和投 放地域。

优选实施例中，本实施方式还根据广告投放计划中的累计投放时长或广告素 材数量进行淘汰式算法判断曝光量是否已经达到需要调整AB测试的曝光阈值； AB测试的曝光阈值根据广告位的页面随时调整。

优选实施例中，本实施方式转化率＝某素材累计用户点击数量/某素材累计用 户曝光数量。

优选实施例中，本实施方式完成AB测试调整后，运营人员获取通过钉钉发 送的调整后的方案，若运营人员认为调整后的方案存在偏差，则运营人员重新修 改AB测试的曝光阈值并进行新一轮AB测试验证。

优选实施例中，本实施方式每5min-10min执行一次自动AB测试调整。

示例性地，本公开实施例中，素材可以包括：

主素材：运营在上传图片时设置的，且主素材只有一个；主素材一般选择运 营认为效果较好的图片，用于保证在实验过程中的营收，主素材数据不直接参与 AB测试；

实验素材：与主素材图片一样，但与主素材素材id不一样,且实验素材只 有一个；

次素材：用于与实验素材做对比实验的图片，每个次素材拥有独立的素材 ID。

设置实验素材与次素材用于做AB测试,可以对实验素材与次素材的分配的流 量进行配置，每个素材的流量均等，剩余流量分配给主素材。例如：运营一共上 传了4个素材，给实验素材和每个次素材分配15％的流量，那么这个广告位有45％ 的流量用于做AB测试，主素材被分配了55％的流量。

在一种可选的实施方式中，本公开的素材曝光阈值计算的方法可以包括：

根据大数据埋点近15天的数据算出所有广告位的日均曝光用户数(每天的 曝光用户数之和/有数据的天数),即日均曝光UV，日均点击用户数(每天的点击 用户数之和/有数据的天数)，以及UCTR(日均点击用户数/日均曝光用户)；

destination_uct(预期UCTR)＝UCTR*预期增长倍数；

可以通过如下公式计算每个参与实验素材的预估曝光uv样本量：

sample_size＝(16*(1-uctr)*uctr)/√(destination_uctr-uctr)

确定素材曝光人数阈值exposure_sample_size

首先，判断计算出的sample_size是否大于兜底样本量min_sample_size；

若小于等于min_sample_size，则素材曝光uv阈值为min_sample_size；

若大于兜底样本量，判断sample_size是否大于日均曝光用户数*实验素材流 量占比(可配置)，这一步是为了保证实验能够在24小时左右完成；

若小于等于，曝光uv阈值为预估曝光uv；

若大于，判断日均曝光uv*实验素材流量占比是否大于min_sample_size，若 大于，曝光uv阈值为日均曝光uv*实验素材流量占比；若小于等于，曝光uv阈 值为min_sample_size。

在一种可选的实施方式中，实验素材与次素材AB测试算法逻辑如下：

对进行AB测试的广告位，每5分钟计算最近7天的该广告位下每个素材的 日曝光uv之和；

若该广告位下的素材存在任一素材曝光uv数小于阈值的情况，该广告位暂 不满足AB测试条件，停止计算，等待下一次计算；

若该广告位下的素材曝光uv都大于素材曝光uv阈值，则将每个次素材与实 验素材作为一组实验数据，分别计算每组素材的差异显著性，这里使用z检验，z 值计算公式：

uctr_total＝(实验素材点击uv+次素材点击uv)/(实验素材曝光uv+次素材曝光uv)

z_value＝(|实验素材uctr-次素材uctr|)/√(uctr_total*(1-uctr_total)*(1/实验素材 曝光uv+1/次素材曝光uv))

示例性地，可以给定显著水平：α＝0.05，此时标准z值的绝对值为1.64485， 当z_value大于1.64485时，次素材与实验素材差异显著，否则次素材与实验 素材差异不显著；

当second素材uctr高于test素材，且z值判断具有统计显著性时，给second 素材切全量，其他情况给test素材切全量。

被选择的素材流量百分比值设为100，其他素材流量百分比值设为0，主素 材的流量百分比值始终为0；

最终将各个广告位素材AB测试实验结果，即各个素材分配流量比例发送到 广告投放系统的接口。

实施例2

结合图2说明本实施方式，本实施方式的一种基于AB测试的自动广告投放 策略筛选系统，所述系统包括：

创建模块10，用于创建一个或多个广告投放计划，根据每个不同的广告投放 计划选择对应的配置信息；

配置模块20，用于针对每个广告投放计划配置一条或多条不同的广告素材， 当配置的广告素材为多条时，默认进入AB测试模式，且每个广告素材的曝光率 均等；

信息获取模块30，用于当用户访问广告位的页面时，获取广告素材id信息、 广告位id信息和用户id信息；或当用户点击其中一条广告素材时，获取用户点 击广告素材的行为信息；根据广告素材id信息、广告位id信息和用户id信息以 及用户点击广告素材的行为信息记录对应的曝光数据和点击数据；

统计模块40，用于获取需要自动调整AB测试的广告投放计划，并根据广告 投放计划中投放的不同广告素材的广告素材id以及结合页面上报的对应的曝光 数据和点击数据，判断曝光量是否已经达到需要调整AB测试的曝光阈值，若达 到AB测试的曝光阈值，则对同一投放计划中的不同广告素材进行计算，得出点 击转化率最高的广告素材，把转化率最高的广告素材曝光比例调整为100％，其 他广告素材调整为0％，完成AB测试调整。

本实施方式中通过创建一个或多个广告投放计划，根据每个不同的广告投放 计划选择对应的配置信息；针对每个广告投放计划配置一条或多条不同的广告素 材，当配置的广告素材为多条时，默认进入AB测试模式，且每个广告素材的曝 光率均等；当用户访问广告位的页面时，获取广告素材id信息、广告位id信息 和用户id信息；或当用户点击其中一条广告素材时，获取用户点击广告素材的行 为信息；根据广告素材id信息、广告位id信息和用户id信息以及用户点击广告 素材的行为信息记录对应的曝光数据和点击数据；获取需要自动调整AB测试的 广告投放计划，并根据广告投放计划中投放的不同广告素材的广告素材id以及结 合页面上报的对应的曝光数据和点击数据，判断曝光量是否已经达到需要调整 AB测试的曝光阈值，若达到AB测试的曝光阈值，则对同一投放计划中的不同 广告素材进行计算，得出点击转化率最高的广告素材，把转化率最高的广告素材 曝光比例调整为100％，其他广告素材调整为0％，完成AB测试调整。解决了现 有的广告投放策略存在素材投放比例需要人工介入并且调整不及时会造成的转 化率不高，影响广告收益的问题。

优选实施例中，本实施方式配置信息包括广告位、投放人群、投放时间和投 放地域。

优选实施例中，本实施方式还根据广告投放计划中的累计投放时长或广告素 材数量进行淘汰式算法判断曝光量是否已经达到需要调整AB测试的曝光阈值； AB测试的曝光阈值根据广告位的页面随时调整。

优选实施例中，本实施方式转化率＝某素材累计用户点击数量/某素材累计用 户曝光数量。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但 在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而 易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本 发明要求保护的范围

本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可 以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读 程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的 有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存 储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组 合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机 盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存 储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储 器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其 上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所 使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自 由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆 的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个 计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载 到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、 路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中 的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可 读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA) 指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一 种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向 对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如 “C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上 执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计 算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉 及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN) 或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用 因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读 程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程 门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程 序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程 图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框 以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程 数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或 其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的 一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令 存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/ 或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制 造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各 个方面的指令。

也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或 其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列 操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理 装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规 定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算 机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的 每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令 的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替 换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例 如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序 执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、 以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的 基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和 附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征 来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类 似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优 地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、 更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构 成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之 间可任意组合的组成又一实施例。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为 举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及 结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式 可以有任何变形或修改。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限 制；尽管参照前述各实施例对本公开进行了详细的说明，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 部分或者全部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 案的本质脱离本公开各实施例技术方案的范围。

Claims (10)

1.一种基于AB测试的自动广告投放策略筛选方法，其特征在于，方法包括以下步骤：

创建一个或多个广告投放计划，根据每个不同的广告投放计划选择对应的配置信息；

针对每个广告投放计划配置一条或多条不同的广告素材，当配置的广告素材为多条时，默认进入AB测试模式，且每个广告素材的曝光率均等；

当用户访问广告位的页面时，获取广告素材id信息、广告位id信息和用户id信息；或当用户点击其中一条广告素材时，获取用户点击广告素材的行为信息；

根据广告素材id信息、广告位id信息和用户id信息以及用户点击广告素材的行为信息记录对应的曝光数据和点击数据；

获取需要自动调整AB测试的广告投放计划，并根据广告投放计划中投放的不同广告素材的广告素材id以及结合页面上报的对应的曝光数据和点击数据，判断曝光量是否已经达到需要调整AB测试的曝光阈值，若达到AB测试的曝光阈值，则对同一投放计划中的不同广告素材进行计算，得出点击转化率最高的广告素材，把转化率最高的广告素材曝光比例调整为100％，其他广告素材调整为0％，完成AB测试调整。

2.如权利要求1所述的基于AB测试的自动广告投放策略筛选方法，其特征在于，配置信息包括广告位、投放人群、投放时间和投放地域。

3.如权利要求1所述的基于AB测试的自动广告投放策略筛选方法，其特征在于，还根据广告投放计划中的累计投放时长或广告素材数量进行淘汰式算法判断曝光量是否已经达到需要调整AB测试的曝光阈值；AB测试的曝光阈值根据广告位的页面随时调整。

4.如权利要求1所述的基于AB测试的自动广告投放策略筛选方法，其特征在于，转化率＝某素材累计用户点击数量/某素材累计用户曝光数量。

5.如权利要求1所述的基于AB测试的自动广告投放策略筛选方法，其特征在于，完成AB测试调整后，运营人员获取通过钉钉发送的调整后的方案，若运营人员认为调整后的方案存在偏差，则运营人员重新修改AB测试的曝光阈值并进行新一轮AB测试验证。

6.如权利要求1所述的基于AB测试的自动广告投放策略筛选方法，其特征在于，每5min-10min执行一次自动AB测试调整。

7.一种基于AB测试的自动广告投放策略筛选系统，其特征在于，所述系统包括：

创建模块，用于创建一个或多个广告投放计划，根据每个不同的广告投放计划选择对应的配置信息；

配置模块，用于针对每个广告投放计划配置一条或多条不同的广告素材，当配置的广告素材为多条时，默认进入AB测试模式，且每个广告素材的曝光率均等；

信息获取模块，用于当用户访问广告位的页面时，获取广告素材id信息、广告位id信息和用户id信息；或当用户点击其中一条广告素材时，获取用户点击广告素材的行为信息；

统计模块，根据广告素材id信息、广告位id信息和用户id信息以及用户点击广告素材的行为信息记录对应的曝光数据和点击数据；

处理模块，用于获取需要自动调整AB测试的广告投放计划，并根据广告投放计划中投放的不同广告素材的广告素材id以及结合页面上报的对应的曝光数据和点击数据，判断曝光量是否已经达到需要调整AB测试的曝光阈值，若达到AB测试的曝光阈值，则对同一投放计划中的不同广告素材进行计算，得出点击转化率最高的广告素材，把转化率最高的广告素材曝光比例调整为100％，其他广告素材调整为0％，完成AB测试调整。

8.如权利要求7所述的基于AB测试的自动广告投放策略筛选系统，其特征在于，配置信息包括广告位、投放人群、投放时间和投放地域。

9.如权利要求7所述的基于AB测试的自动广告投放策略筛选系统，其特征在于，还根据广告投放计划中的累计投放时长或广告素材数量进行淘汰式算法判断曝光量是否已经达到需要调整AB测试的曝光阈值；AB测试的曝光阈值根据广告位的页面随时调整。

10.如权利要求7所述的基于AB测试的自动广告投放策略筛选系统，其特征在于，转化率＝某素材累计用户点击数量/某素材累计用户曝光数量。

Images