基于广告创意优化广告投放的方法及系统与流程

本发明涉及互联网广告投放方法，具体涉及一种基于广告创意本身，根据不同用户行为的反馈，优化广告投放的方法。

背景技术：

互联网广告投放是将广告主想要投放的广告物料，通过广告投放系统投放到用户端，并给用户展现阅读的一种广告投放投递方式，受益于互联网大数据、用户画像、高效计算能力发展，广告投放后的效果得以提高。随着时代的进步，及广告投放诉求的丰富化、多样化、精细化，广告主对投放效果数据的需求愈发强烈，不同场景下不同用户行为与广告投放诉求存在显著关系，因此，根据用户的不同行为发生的概率进行广告投放，能够进一步提高广告投放效果，同时这些用户行为的反馈可供广告主进一步挖掘出丰富内容，提供更深层次的商业价值。

在现有技术中，基于用户不同行为反馈，向特定用户投放广告的方法，主要有以下两种方案：第一类方案为经验投放法，即广告投放前进行用户行为的反馈的分析，来决定投放的物料，达到期望的用户反馈结果，实现投放收益最大化；第二类为后经验投放计费法，即通过广告主指定投放目标用户，投放平台以转化量为收费方式进行投放，来优化广告投放效果；第三类为目标优化投放，即平台以投放广告时优选目标反馈最强烈的用户。通过给不同用户行为划分不同权重或者对每种用户行为设定不同的阈值，以达到效果优化的目的。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：第一类方法对广告创意依赖高，难以保证广告投放的效果；第二类方法，对非目标用户的互动行为采取忽略处理，过于粗暴，难以开发新用户；第三类方法：为不同用户行为划分不同的权重选择目标反馈最强烈的用户，此方法不足以刻画不同用户在具体的广告创意上的反馈情况，为每种用户行为设定不同的阈值，影响广告投放进度，没有考虑到广告本身不同创意的不同效果。

技术实现要素：

本发明实施例提供一种基于广告创意自身上下文用户根据营销目标优化投放广告的方法及系统，能够根据广告自身的创意情况，按照广告主选择的营销目标，优化广告投放效果，同时保证广告的投放进度。

一方面，本发明实施例提供了一种基于广告创意优化广告投放的方法，所述方法包括：

预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系；

根据预设的对应关系，以及不同的营销目标，以广告投放平台上的用户历史行为进行预估模型训练得到与所述营销目标相对应的目标转化率预估模型，所述广告投放平台上的用户历史行为包括：当前时间之前设定的第一固定时间段所述广告投放平台上的所有用户的行为；

根据广告投放时选择的营销目标，以及所述营销目标对应的目标转化率预估模型，计算所述广告的竞价系数；

根据各广告的竞价系数，以及预设的竞价规则，得到各广告的最终出价，将胜出的广告曝光给符合广告投放时选择的定向条件的用户。

另一方面，本发明实施例提供了一种基于广告创意优化广告投放的系统，所述系统包括：

预设单元，用于预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系；

训练单元，用于根据预设的对应关系，以及不同的营销目标，以广告投放平台上的用户历史行为进行预估模型训练，得到与所述营销目标相对应的目标转化率预估模型，所述广告投放平台上的用户历史行为包括：当前时间之前设定的第一固定时间段所述广告投放平台上的所有用户的行为；

计算单元，用于根据广告投放时选择的营销目标，以及所述营销目标对应的目标转化率预估模型，计算所述广告的竞价系数；

竞价单元，用于根据各广告的竞价系数，以及预设的竞价规则，得到各广告的最终出价，将胜出的广告曝光给符合广告投放时选择的定向条件的用户。

上述技术方案具有如下有益效果：因为采用预设广告投放平台提供的营销目标与广告投放平台上的用户行为的对应关系，并根据预设的对应关系，利用广告投放平台上的用户的历史行为训练预估模型的技术手段，所以达到了得到营销目标所对应的目标转化率预估模型的技术效果；因为采用了根据广告投放时选择的营销目标，以及所述营销目标对应的目标预估模型，计算所述广告的竞价系数，并根据广告的竞价系数和预设的竞价规则，计算广告的最终出价的技术手段，所以达到了根据投放广告时选择的营销目标，以及每一个广告创意自身上下文用户的反馈行为，优化投放广告的技术效果，同时保证了广告的投放进度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本发明实施例1基于广告创意优化广告投放的方法的流程图；

图2是本发明实施例1基于广告创意优化广告投放的系统的结构示意图；

图3是本发明实施例2基于广告创意优化广告投放的方法的流程图；

图4是本发明实施例2基于广告创意优化广告投放的系统的结构示意图；

图5是本发明实施例得到营销目标所对应的目标转化率预估模型的子流程图；

图6是本发明实施例训练单元的结构示意图；

图7是本发明实施例得到营销目标所对应的目标转化率预估模型的示意图；

图8是本发明实施例得到目标转化率参考值的示意图。

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，所描述的实施例仅仅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，都属于本发明保护的范围。

请参考图1，图1是本发明实施例1基于广告创意优化广告投放的方法的流程图；

101、预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系；

102、根据预设的对应关系，以及不同的营销目标，以广告投放平台上的用户历史行为进行预估模型训练，得到与所述营销目标相对应的目标转化率预估模型，所述广告投放平台上的用户历史行为包括：当前时间之前设定的第一固定时间段内所述广告投放平台上的所有用户的行为；

103、根据广告投放时选择的营销目标，以及所述营销目标对应的目标转化率预估模型，计算广告的竞价系数；

104、根据各广告的竞价系数，以及预设的竞价规则，得到各广告的最终出价，将胜出的广告曝光给符合广告投放时选择的定向条件的用户。

请参考图3，图3是本发明实施例2基于广告创意优化广告投放的方法的流程图；

101、预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系；

102、根据预设的对应关系，以及不同的营销目标，以广告投放平台上的用户历史行为进行预估模型训练，得到与所述营销目标相对应的目标转化率预估模型，所述广告投放平台上的用户历史行为包括：当前时间之前设定的第一固定时间段所述广告投放平台上的所有用户的行为；

105、针对广告投放平台的当前用户，根据广告投放时选择的定向条件做匹配，筛选出待曝光的广告全集，所述广告投放时选择的定向条件为广告预投放用户的属性信息；

106、根据待曝光的广告全集中的每一个广告投放时选择的营销目标，以及所述营销目标对应的目标转化率预估模型，计算每一个广告的竞价系数；

107、根据每一个广告的竞价系数，以及预设的竞价规则，得到待曝光的广告全集中的每一个广告的最终出价，将胜出的广告向所述当前用户投放。

优选地，所述预设广告投放平台提供的营销目标，包括：增长粉丝数量，增加客户咨询，增加品牌知名度；

优选地，所述广告投放平台上用户行为，包括：关注，转发，评论，点赞，收藏，点击头像，点击详情页；

优选地，所述预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系，包括：增长粉丝数量与关注行为相对应，增加客户咨询与评论，以及点击详情页行为相对应，增加品牌知名度与关注，转发，评论，点赞，收藏，点击头像，以及点击详情页的行为相对应。

请参考图5，图5是本发明实施例得到营销目标所对应的目标转化率预估模型的子流程图；

102.1、收集设定的第一固定时间段内的广告投放平台上所有用户的行为，根据预设的不同营销目标所对应的用户行为的有无作为训练样本；

102.2、根据训练样本离线训练已知的点击通过率预估模型，得到与所述营销目标相对应的目标转化率预估模型。

优选地，计算所述广告的竞价系数，具体包括：

根据广告投放时预设的营销目标，采用所述营销目标对应的目标转化率预估模型，预估当前流量上的目标转化率；

将在当前流量上的目标转化率分别存储在所对应的广告的上下文中，计算当前时间之前设定的第二固定时间段内的目标转化率的参考值，所述第二固定时间段的数值小于第一固定时间段的数值；

根据广告投放平台预设的营销目标优化函数，以及目标转化率和目标转化率的参考值，计算每一个广告的竞价系数：

优选地，所述胜出的广告是指最终出价最高的广告；

优选地，所述广告的最终出价的计算方法，具体包括：

根据取值函数将广告的竞价系数的数值控制在预定的数值区间，得到修正后的竞价系数；

将广告预设的投放价格与修正后的竞价系数的乘积，作为广告的最终出价。

请参考图2，图2是本发明实施例1基于广告创意优化广告投放的系统的结构示意图；

预设单元21，用于预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系；

训练单元22，用于根据预设的对应关系，以及不同的营销目标，以广告投放平台上的用户历史行为进行预估模型训练，得到与所述营销目标相对应的目标转化率预估模型，所述广告投放平台上的用户历史行为包括：当前时间之前设定的第一固定时间段所述广告投放平台上的所有用户的行为；

第一计算单元23，用于根据广告投放时选择的营销目标，以及所述营销目标对应的目标转化率预估模型，计算所述广告的竞价系数；

第一竞价单元24，用于根据各广告的竞价系数，以及预设的竞价规则，得到各广告的最终出价，将胜出的广告曝光给符合广告投放时选择的定向条件的用户。

请参考图4，图4是本发明实施例2基于广告创意优化广告投放的系统的结构示意图；

预设单元21，用于预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系；

训练单元22，用于根据预设的对应关系，以及不同的营销目标，以广告投放平台上的用户历史行为进行预估模型训练，得到与所述营销目标相对应的目标转化率预估模型，所述广告投放平台上的用户历史行为包括：当前时间之前设定的第一固定时间段所述广告投放平台上的所有用户的行为；

筛选单元25，用于针对广告投放平台的当前用户，根据广告投放时选择的定向条件做匹配，筛选出待曝光的广告全集，所述广告投放时选择的定向条件为广告预投放用户的属性信息；

第一计算单元23，还用于根据待曝光的广告全集中的每一个广告投放时选择的营销目标，以及所述营销目标对应的目标转化率预估模型，计算每一个广告的竞价系数；

第一竞价单元24，还用于根据广告的竞价系数，以及预设的竞价规则，得到待曝光的广告全集中的每一个广告的最终出价，将胜出的广告向所述当前用户投放。

优选地，所述预设单元21中，所述预设广告投放平台提供的营销目标，包括：增长粉丝数量，增加客户咨询，增加品牌知名度；

优选地，所述预设单元21中，所述广告投放平台上用户行为，包括：关注，转发，评论，点赞，收藏，点击头像，点击详情页；

优选地，所述预设单元21中，所述预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系，包括：增长粉丝数量与用户关注行为相对应，增加客户咨询与用户评论，以及点击详情页行为相对应，增加品牌知名度与用户关注，转发，评论，点赞，收藏，点击头像，以及点击详情页的行为相对应。

请参考图6，图6是本发明实施例训练单元的结构示意图；

收集模块221，用于收集设定的第一固定时间段内的广告投放平台上所有用户行为，得到预设的不同营销目标所对应的用户行为的有无作为训练样本；

训练模块222，用于根据训练样本离线已知的点击通过率预估模型，得到与所述营销目标相对应的目标转化率预估模型。

优选地，所述第一计算单元23中，计算广告竞价系数的模块，具体包括：

第一计算子模块，用于根据广告投放时预设的营销目标，采用所述营销目标对应的目标转化率预估模型，预估当前流量上的目标转化率；

第二计算子模块，用于将在当前流量上的目标转化率存储在所对应的广告的上下文中，计算当前时间之前设定的第二固定时间段内的目标转化率的参考值，所述第二固定时间段的数值小于第一固定时间段的数值；

第三计算子模块，用于根据广告投放平台预设的营销目标优化函数，以及目标转化率和目标转化率的参考值，计算每一个广告的竞价系数：

优选地，所述胜出的广告是指最终出价最高的广告；

优选地，所述第一竞价单元24中，用于广告的最终出价的计算模块，具体包括：

取值子模块，用于根据取值函数将所述广告的竞价系数的数值控制在预定的数值区间，得到修正后的竞价系数；

出价子模块，用于将广告预设的投放价格与修正后的竞价系数的乘积，作为广告的最终出价。

以上技术方案具有如下的技术效果，因为采用了根据营销目标所对应的用户行为的有无作为观测样本，训练广告投放平台一段时间的用户行为得到所述营销目标所对应的目标转化率预估模型，所以达到了不同营销目标，采用不同用户行为单独训练模型，准确率更高的技术效果；因为采用了将当前流量下的目标转化率存储到所述广告的上下文中，得到目标转化率的参考值，得到所述广告的竞价系数的技术手段，所以达到了根据投放广告时选择的营销目标，以及广告自身创意上下文用户的反馈优化广告投放的技术效果；因为采用了计算设定的第二固定时间段内目标转化率的参考值的技术手段，设定的第二固定时间段的数值小于设定的第一固定时间段的数值，所以达到了不同广告之间不互相影响，优选方式相当于针对每一个广告进行了个性化计分，目标转化率的参考值使用广告创意自身反馈，既起到优化，又不会影响广告的投放进度。因为采用了将竞价系数取值限定在预定的数值区间的技术手段，所以达到了在系统收益和广告主诉求两方面利益考虑更加均衡，修正后的竞价系数的调整更近直观，能达到系统收益和广告主降低成本的双嬴。

下面结合具体的应用实施例对本技术方案作进一步的阐述：

广告投放系统根据所述广告投放平台的自我特点，根据不同的广告主不同的营销需求，提供相应的可供选择的营销目标，例如：增长粉丝数量，增加客户咨询，增加品牌知名度等。广告主在投放广告时，可以依据自我诉求，选择广告系统提供的营销目标，投放后台会依据广告主所选营销目标，结合自身选特点，进行相应营销目标投放的优化。如何根据广告平台上投放的所有广告所选择的营销目标进行优化广告投放的整个过程，称之为多营销目标优化，详细的处理过程如下：

在广告投放平台上预设营销目标和用户行为的对应关系。结合广告投放平台上用户行为与平台提供的营销目标建立多对多关系。预设广告投放平台提供的营销目标，包括：增长粉丝数量，增加客户咨询，增加品牌知名度；广告投放平台上用户行为，包括：关注，转发，评论，点赞，收藏，点击头像，点击详情页；预设广告投放平台提供的营销目标与广告投放平台上用户行为的对应关系，包括：增长粉丝数量与用户关注行为相对应，增加客户咨询与用户评论，以及点击详情页行为相对应，增加品牌知名度与用户关注，转发，评论，点赞，收藏，点击头像，以及点击详情页的行为相对应。广告主在投放广告时，选择其关注的营销目标，选择其关注的营销目标是单一的，换言之，广告主只能选择其最关注的核心营销目标，例如：网红投放广告核心诉求是增长粉丝数量。

请参考图7，图7是本发明实施例得到营销目标所对应的目标转化率预估模型的示意图；收集广告投放平台上所有用户的历史数据，所述用户的历史数据为当前时间之前，设定的第一固定时间段所述广告投放平台上的所有用户的所有行为，通常会收集选择过去30天内广告投放平台上用户的所有行为。针对不同营销目标，使用此目标上有无互动行为作为训练样本，如图7左侧方框内小方框内的数据，这个数据为营销目标对应的用户行为互动情况的有无，不同的营销目标对应的值会不同。针对不同的营销目标，使用此目标上有无动作为训练样本，离线训练点击通过率预估模型。得到不同营销目标所对应的目标转化率预估模型，如图7中的model1，model2所示。

在一优选地实施例2中，广告投放平台会针对当前在线用户的属性信息，根据每个广告投放时选择的定向条件做匹配，匹配后多个广告之间参与竞价，出价最高的广告将最终胜出，经过这一步骤的筛选，可以得到待曝光的广告全集。例如：a、b、c三个广告，a选择的定向为：北京、男，b选择的定向为：北京、女，c选择的定向为：北京，当一个位于北京的女生来刷微博时，只有b、c满足定向条件，因此b、c进入后续竞价环节，b和c之间再根据竞价规则决定胜出。

score＝m*bid

式中score－最终出价，m－修正后的竞价系数，bid－广告投放时预设的投放价格。

为满足不同营销目标，在参考广告投放时预设的投放价格的同时，依据所述广告投放时选择的营销目标在当前流量上的目标转化率，对score作出奖励或惩罚系数，也就是修正后的竞价系数，计算过程如下：

根据广告主投放广告时选择的营销目标，选择所述营销目标所对应的目标转化率模型，预估当前流量上的目标转化率otr，具体通过如下公式实现：

otr＝f(θ，x)

式中f表示广告投放平台设定的预估模型函数，θ表示目标转化率预估模型，x表示当前流量；

请参考图8，图8是本发明实施例得到目标转化率参考值的示意图；

把otr存储在广告的上下文中，计算设定的第二固定时间段内的otr作为参考值，计为otr’，设定的第二固定时间段的数值小于设定的第一固定时间段，通常会选择当前时间之前，3至5小时这一时间段，具体通过如下公式实现：

otr′＝f(θ，x′)

式中f()表示广告投放平台设定的预估模型函数，θ表示目标转化率预估模型，x′表示当前时间之前，设定的第二固定时间段内的流量。

otr和otr’经过营销目标优化函数为o，计算出竞价系数o(otr)是数值范围1.0附近的浮点数，大于1代表当前流量优于历史流量，反之代表流量劣于历史流量。具体通过如下公式实现：

式中：o()表示广告投放平台预设的营销目标优化函数，otr表示目标转化率，otr’表示目标转化率的参考值，β表示人工干预系数。

将竞价系数取值区域限制，防止极大极小值营销系统收益，得到修正后的竞价系数score用于系统排名，胜出者得到曝光机会。

score＝bid·range{o(otr，otr′))

range{o(otr,otr')}∈(0.65,1.35)

m＝range{o(otr,otr′)}

式中，range()－取值函数。

本发明实施例提供了一种基于广告创意优化投放广告的系统，可以实现上述提供的方法实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrativelogicalblock)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrativecomponents)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于ram、rom、eeprom、cd-rom或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(dsl)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、dvd、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。