一种针对关键词的匹配模式生成优化建议的方法和装置与流程
本发明涉及计算机处理的技术领域，特别是涉及一种针对关键词的匹配模式生成优化建议的方法和一种针对关键词的匹配模式生成优化建议的装置。
背景技术：
随着网络科技的快速发展，各种网络平台集成众多产品信息，便于用户进行选择。
为了让更多的前端用户获取自己的产品信息，通常有两条途径，一条是通过自然搜索的方式，二是通过竞争推广的方式。
第一种方式竞争比较激烈，优化周期较长，因此，很多网站会因此选择更加快捷的第二种方式。
竞争推广方式又称为关键词推广，即网站需要预先选择关键词，将产品信息绑定到该关键词下，若用户输入某搜索关键词，则平台通过匹配模式从该搜索关键词匹配到该关键词，进而通过一系列的优化、排序等操作后推送绑定该关键词的产品信息，由此可见，匹配模式的选择对于产品信息的推送效果有很大的影响。
目前是选取一些关键词的维度，设计一组确定性的关键词性能评价阈值，过滤出满足条件的关键词集合，进行优化。
但是，不同产品对应的关键词的性能评价标准往往不一致，某些领域中的关键词整体都更为热门，某些领域中关键词整体更为冷门。
另一方面，关键词的性能表现随节假日及一些特殊情况波动显著，此时仍延用与平日里相同的阈值将会过滤出大批不合理的关键词。
在这些评价不一致的评价标准下使用一致的优化方式，造成优化性能降低，浪费资源。
技术实现要素：
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种针对关键词的匹配模式生成优化建议的方法和相应的一种针对关键词的匹配模式生成优化建议的装置。
依据本发明的一个方面，提供了一种针对关键词的匹配模式生成优化建议的方法，包括：
计算在一时间段内一个或多个账号的关键词、通过一匹配模式触发业务对象时的原始统计数据；
对所述一个或多个账号进行聚类，获得一个或多个类别；
在所述类别中，根据所述原始统计数据按照匹配模式计算所述关键词触发业务对象时的类别统计数据；
根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息。
可选地，所述原始统计数据包括如下的一种或多种：
第一平均展示量、第一平均点击量、第一平均消耗量、第一点击率。
可选地，所述对所述一个或多个账号进行聚类，获得一个或多个类别的步骤包括：
按照所述关键词所属的类目对所述一个或多个账号进行聚类，获得第一类别；
在所述第一类别中，按照所述关键词所属的区域对对所述一个或多个账号进行聚类，获得第二类别；
在所述第二类别中，按照消耗量对所述一个或多个账号进行聚类，获得第三类别。
可选地，在某一类别的某一匹配模式下的类别统计数据包括如下的一种或多种：
第二平均展示量、第二平均点击量、第二平均消耗量、第二点击率。
可选地，所述根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息的步骤包括：
当第一平均展示量小于或等于第一系数与第二平均展示量的乘积、且、第一平均点击量大于或等于第二系数与第二平均点击量的乘积、且、第一点击率大于或等于第三系数与第二点击率的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
可选地，所述根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息的步骤包括：
当第一平均展示量小于或等于第四系数与第二平均展示量、且、第一平均点击量大于或等于第五系数与第二平均点击量的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
可选地，所述根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息的步骤包括：
在最高匹配模式下，第一平均展示量大于或等于第六系数与第二平均展示量的乘积、且、第一平均点击量小于或等于第七系数与第一平均点击量的乘积、且、第一点击率小于或等于第八系数与第一点击率的乘积时，对所述关键词的匹配模式生成逆向优化的优化建议信息。
可选地，所述匹配模式包括如下的一种或多种：
精确匹配、短语匹配、广泛匹配；
正向优化为由精确匹配优化为短语匹配，或者，由短语匹配优化为广泛匹配；
逆向优化为由广泛匹配优化为短语匹配，或者，由短语匹配优化为精确匹配。
可选地，所述一个或多个账号的关键词，在所述时间段内未修改过匹配模式。
根据本发明的另一方面，提供了一种针对关键词的匹配模式生成优化建议的装置，包括：
原始统计数据计算模块，适于计算在一时间段内一个或多个账号的关键词、通过一匹配模式触发业务对象时的原始统计数据；
聚类模块，适于对所述一个或多个账号进行聚类，获得一个或多个类别；
类别统计数据计算模块，适于在所述类别中，根据所述原始统计数据按照匹配模式计算所述关键词触发业务对象时的类别统计数据；
优化建议信息生成模块，适于根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息。
可选地，所述原始统计数据包括如下的一种或多种：
第一平均展示量、第一平均点击量、第一平均消耗量、第一点击率。
可选地，所述聚类模块还适于：
按照所述关键词所属的类目对所述一个或多个账号进行聚类，获得第一类别；
在所述第一类别中，按照所述关键词所属的区域对对所述一个或多个账号进行聚类，获得第二类别；
在所述第二类别中，按照消耗量对所述一个或多个账号进行聚类，获得第三类别。
可选地，在某一类别的某一匹配模式下的类别统计数据包括如下的一种或多种：
第二平均展示量、第二平均点击量、第二平均消耗量、第二点击率。
可选地，所述优化建议信息生成模块还适于：
当第一平均展示量小于或等于第一系数与第二平均展示量的乘积、且、第一平均点击量大于或等于第二系数与第二平均点击量的乘积、且、第一点击率大于或等于第三系数与第二点击率的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
可选地，所述优化建议信息生成模块还适于：
当第一平均展示量小于或等于第四系数与第二平均展示量、且、第一平均点击量大于或等于第五系数与第二平均点击量的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
可选地，所述优化建议信息生成模块还适于：
在最高匹配模式下，第一平均展示量大于或等于第六系数与第二平均展 示量的乘积、且、第一平均点击量小于或等于第七系数与第一平均点击量的乘积、且、第一点击率小于或等于第八系数与第一点击率的乘积时，对所述关键词的匹配模式生成逆向优化的优化建议信息。
可选地，所述匹配模式包括如下的一种或多种：
精确匹配、短语匹配、广泛匹配；
正向优化为由精确匹配优化为短语匹配，或者，由短语匹配优化为广泛匹配；
逆向优化为由广泛匹配优化为短语匹配，或者，由短语匹配优化为精确匹配。
可选地，所述一个或多个账号的关键词，在所述时间段内未修改过匹配模式。
本发明实施例针对一个或多个账号进行聚类，在所属类别中，根据原始统计数据按照匹配模式计算类别统计数据，根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对关键词的匹配模式生成优化建议信息，通过聚类之后计算关键词在不同类别中平均性能，获得更细颗粒度的关键词性能评价标准，提高评价准确性，从而提高了优化性能，减少资源浪费。
本发明实施例通过将过滤条件中的阈值均设计为系数的形式，能自适应地调整最终阈值，不仅可以筛选出值得正向优化和逆向优化的关键词，而且可以规避关键词受节假日或特殊事件影响导致的整体变化影响，进一步提高了优化性能。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示 相同的部件。在附图中：
图1示出了根据本发明一个实施例的一个实施例的一种针对关键词的匹配模式生成优化建议的方法实施例的步骤流程图；以及
图2示出了根据本发明一个实施例的一种针对关键词的匹配模式生成优化建议的装置实施例的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1，示出了根据本发明一个实施例的一种针对关键词的匹配模式生成优化建议的方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，计算在一时间段内一个或多个账号的关键词、通过一匹配模式触发业务对象时的原始统计数据；
需要说明的是，本发明实施例可以应用于网络平台，即独立的服务器或服务器集群，如分布式系统，其存储了海量的不同领域的业务对象。
在不同的业务领域中可以具有不同的业务对象，即体现该领域特性的数据。
例如，在通信领域中，业务对象可以为通信数据；在新闻媒体领域中，业务对象可以为新闻数据；在搜索领域中，业务对象可以为网页；在电子商务(Electronic Commerce，EC)领域中，业务对象可以为广告数据，等等。
在不同的业务领域中，虽然业务对象承载领域特性而有所不同，但其本质都是数据，例如，文本数据、图像数据、音频数据、视频数据等等，相对地，对业务对象的处理，本质都是对数据的处理。
为使本领域技术人员更好地理解本发明实施例，在本发明实施例中，将广告数据作为业务对象的一种示例进行说明。
在网络平台中，每个用户(包括自然人和企业)均可以配置至少一个账 号，以管理其业务对象。
在竞争推广的方式中，一般需要对业务对象绑定关键词，并设置匹配模式，即匹配的规则。
在一个示例中，对于电子商务领域的广告数据，该绑定的搜索关键词可以为广告主为该广告数据购买的关键词。
在另一个示例中，该绑定的搜索关键词可以包括锚文本(Anchor Text)，即网页中关于链接的一段描述，可以指向文中的某个位置，也可以指向其他网页，通常用于SEO(Search Engine Optimization，搜索引擎优化)。
在实际应用中，匹配模式可以包括如下的一种或多种：
1、精确匹配；
当用户输入的搜索关键词与绑定的关键词完全一致时，认为两者匹配。
2、短语匹配；
当用户输入的搜索关键词完全包含绑定的关键词时，认为两者匹配。
或者，
当用户输入的搜索关键词完全包含绑定的关键词及绑定的关键词的插入、颠倒和同义形态时，认为两者匹配。
3、广泛匹配；
当用户输入的搜索关键词与绑定的关键词高度相关时，即使绑定的关键词并未包含这些词，也可以认为两者匹配。
当然，上述匹配模式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他匹配模式，本发明实施例对此不加以限制。另外，除了上述匹配模式外，本领域技术人员还可以根据实际需要采用其它匹配模式，本发明实施例对此也不加以限制。
在网络平台中接收到用户在客户端输入的搜索关键词时，按照该关键词的匹配模式进行匹配，匹配上，进一步通过一系列的优化、排序等操作后推送绑定该关键词的业务对象至客户端进行展示。
在本发明实施例中，可以按照账号、业务计划(如春节促销计划、圣诞 促销计划等)、业务计划下的业务组(如电器组别、衣服组别等)等维度划分关键词。
即关键词是在某个账号、某业务计划、某业务组的维度下的关键词，即使不同的账号绑定字面相同的关键词、同一个账号在不同的业务计划的业务组绑定字面相同的关键词，也可以认为这些字面相同的关键词是不同的关键词。
每次展示中，网络平台可以通过日志数据记录相关的信息，例如，账号、触发的关键词、是否展示、是否点击等等。
因此，通过这些累积的信息，可以统计出在一时间段(如7天)内一个或多个账号的关键词、通过一匹配模式触发业务对象时的原始统计数据。
在实际应用中，原始统计数据包括如下的一种或多种：
第一平均展示量Impre_k、第一平均点击量Click_k、第一平均消耗量Cost_k、第一点击率Ctr_k。
在实际应用中，第一平均展示量Impre_k、第一平均点击量Click_k、第一平均消耗量Cost_k、第一点击率Ctr_k，均可以以日为单位进行平均。
当然，也可以按照星期、小时等其他单位进行平均，本发明实施例对此不加以限制。
例如，在7天里，一个关键词触发了10次广告数据1，20次广告数据2，30次广告数据3，所有的广告数据总共被点击10次，实际消费是100，那么这7天中，该关键词的日平均展现量就是50/7，日平均点击量10/7，日平均消费量100/7，点击率1/6。
其中，业务对象可以配置权限参数，该权限参数可以用于对业务对象的展示操作进行约束，即业务对象的每次展示/点击等，都可以按照约定从账号的主参数中扣减该权限参数，若主参数不够扣减，则可以拒绝展示业务对象，防止不自律的行为过度消耗网络平台的资源。
因此，在主参数中扣减的量，可以称之为消耗量。
例如，对于电子商务领域的广告数据，该权限参数可以为广告主对广告数据的竞价BidPrice，每次广告数据的展示/点击，网络平台则可以从用户的 账号的预存款(主参数)中进行扣费，累积的扣费可以为消耗量。
需要说明的是，为了验证匹配模式的效果，可以限定，该一个或多个账号的关键词，在时间段内未修改过匹配模式，若修改过匹配模式，则可以忽略该关键词。
步骤102，对所述一个或多个账号进行聚类，获得一个或多个类别；
通常情况下，一个账号只能分到一个类别里，但是，该类别是有层次性的。
先从业务的角度聚类。
具体而言，可以按照关键词所属的类目对一个或多个账号进行聚类，获得第一类别。
例如，绑定的关键词大多为电视机、冰箱等账号，可能就被聚到一个家电的类别中，绑定的关键词大多是上衣、裙子、裤子等账号，又可能被聚到另一个服装的类别中。
然后从地域的角度聚类，如广告主对关键词的投放地域。
具体而言，从在第一类别中，按照关键词所属的区域对对一个或多个账号进行聚类，获得第二类别。
例如，在家电的类别中，可以按照广东、北京等区域聚类，也可以按照广州、北京、深圳等区域聚类。
最后从消耗量的角度聚类，如对广告主的扣费。
具体而言，可以在第二类别中，按照消耗量对一个或多个账号进行聚类，获得第三类别。
例如，在家电类别的广州类别中，不同消耗量档次的划分到一个类别中。
在实际应用中，可以将账号数据(如绑定的关键词)进行向量化，通过聚类算法，如k-means、BIRCH算法等等，实现聚类。
步骤103，在所述类别中，根据所述原始统计数据按照匹配模式计算所述关键词触发业务对象时的类别统计数据；
在本发明实施例中，在某个类别中，在相同匹配模式下的字面相同的关键字，可以累积其原始统计数据进行平均。
在具体实现中，在某一类别Ci的某一匹配模式mj下的类别统计数据包括如下的一种或多种：
第二平均展示量Impre_Ci_mj、第二平均点击量Click_Ci_mj、第二平均消耗量Cost_Ci_mj、第二点击率Ctr_Ci_mj。
其中，第二平均展示量Impre_Ci_mj为类别Ci中同一匹配模式mj的第一平均展示量Impre_k的平均值；
第二平均点击量Click_Ci_mj为类别Ci中同一匹配模式mj的第一平均点击量Click_k的平均值；
第二平均消耗量Cost_Ci_mj为类别Ci中同一匹配模式mj的第一平均消耗量Cost_k的平均值；
第二点击率Ctr_Ci_mj为类别Ci中同一匹配模式mj的第一点击率Ctr_k的平均值。
步骤104，根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息。
在具体实现中，类别相关的指标是该类别关键词性能表现的一个平均值，代表了行业的平均水平。
因此，可以将某一账号的某一关键词的性能，与相同匹配模式的类别平均性能进行比较，过滤出符合条件的关键词，在过滤时，则依据是的该关键词的性能表现是否低于(或高于)行业的平均水平，对于低于的、筛出来，对于高于的，可不变，按照比较的结果针对该关键词生成优化建议信息。
在本发明的一种可选实施例中，步骤104可以包括如下子步骤：
子步骤S11，当第一平均展示量小于或等于第一系数与第二平均展示量的乘积、且、第一平均点击量大于或等于第二系数与第二平均点击量的乘积、且、第一点击率大于或等于第三系数与第二点击率的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
在本发明实施例中，若关键词符合如下条件，该条件过滤出的关键词为当前流量小，但流量质量高的关键词，可以在更大的流量上进行尝试，建议对其匹配模式进行正向优化。
Impre_k≤Thr1*Impre_Ci_mj、且、Click_k≥Thr2*Click_Ci_mj、且、Ctr_k≥Thr3*Ctr_Ci_mj
其中，Thr1为第一系数、Thr2为第二系数、Thr3为第三系数。
在本发明实施例中，Thr1≤1.0、Thr3≥1.0，这样可以把流量小(展现量低于平均水平)，但是流量质量高(点击量和点击率均高于平均水平)的关键词过滤出来。
由于流量小的情况下，点击量往往也小，所以Thr3的值可以低于1，并且可以全放开，不过全放开下会引入一些统计数据不够可信的关键词，比如只展现了1次，同时也被点击了1次的，这种关键词的点击率是不可信的。
因此，为了保证筛选的质量，可以对点击量进行一定的限制，如高于某个值。
在本发明的一种可选实施例中，步骤104可以包括如下子步骤：
子步骤S12，当第一平均展示量小于或等于第四系数与第二平均展示量、且、第一平均点击量大于或等于第五系数与第二平均点击量的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
在本发明实施例中，若关键词符合如下条件，该条件过滤出的关键词为当前流量小，且无法评估出效果的关键词，可以在更大规模的流量上进一步收集效果，建议对其匹配模式进行正向优化。
Impre_k≤Thr4*Impre_Ci_mj、且、Click_k≤Thr5*Click_Ci_mj
其中，Thr4为第四系数、Thr5为第五系数。
在本发明实施例中，Thr4≤1.0，Thr5≤1.0，这样可以把展现量和点击量均低于类别平均水平的关键词筛选出来。
在本发明的一种可选实施例中，步骤104可以包括如下子步骤：
子步骤S13，在最高匹配模式下，第一平均展示量大于或等于第六系数与第二平均展示量的乘积、且、第一平均点击量小于或等于第七系数与第一平均点击量的乘积、且、第一点击率小于或等于第八系数与第一点击率的乘积时，对所述关键词的匹配模式生成逆向优化的优化建议信息。
在本发明实施例中，若关键词符合如下条件，该条件过滤出的关键词为 当前最高匹配模式上性能表现不理想的关键词，建议对其匹配模式进行逆向优化。
最高匹配模式的Impre_k≥Thr6*Impre_Ci_mj、且、最高匹配模式的Click_k≤Thr7*Click_k、且、最高匹配模式的Ctr_k的≤Thr8*Ctr_k
其中，Thr7为第七系数、Thr8为第八系数、Thr9为第九系数。
在本发明实施例中，Thr6≥1.0，Thr7≤1.0，Thr8≤1.0，这样可以把在当前最高匹配下展现量占比大，但点击量和点击率都较差的关键词筛选出来。
需要说明的是，本发明实施例中的匹配模式是可以向下兼容的，如在广泛匹配下的流量包括了精确匹配的流量和短语匹配的流量，在短语匹配下的流量包括了精确匹配的流量。
若一个关键词配置短语匹配时，满足精确匹配的情形也会匹配上该关键词。
最高匹配模式可以指流量最高的匹配模式。
若匹配模式为广泛匹配，最高匹配模式为广泛匹配，需要从所有的流量区分出单纯是广泛匹配的流量，去掉兼容下的精确匹配的流量和短语匹配的流量。
若匹配模式为短语匹配，最高匹配模式为短语匹配，需要从所有的流量区分出单纯是短语匹配的流量，去掉兼容下的精确匹配的流量。
当然，上述筛选方式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他筛选方式，本发明实施例对此不加以限制。另外，除了上述筛选方式外，本领域技术人员还可以根据实际需要采用其它筛选方式，本发明实施例对此也不加以限制。
本发明实施例通过将过滤条件中的阈值均设计为系数的形式，能自适应地调整最终阈值，不仅可以筛选出值得正向优化和逆向优化的关键词，而且可以规避关键词受节假日或特殊事件影响导致的整体变化影响，进一步提高了优化性能。
在本发明实施例中，正向和逆向均是相对于修改后流量的变化而言的。
正向优化，可以指调整匹配模式以提高流量的优化方式。
逆向优化，可以指调整匹配模式以降低流量的优化方式。
在实际应用中，若匹配模式包括如下的一种或多种：
精确匹配、短语匹配、广泛匹配。
在匹配模式向下兼容的情况下：
正向优化为由精确匹配优化为短语匹配，或者，由短语匹配优化为广泛匹配；
即将关键词的匹配模式放宽，意味着流量的增加，为正向优化。
逆向优化为由广泛匹配优化为短语匹配，或者，由短语匹配优化为精确匹配。
即将关键词的匹配模式收窄，意味着流量的减小，为逆向优化。
当然，对于用户而言，正向优化、逆向优化的优化建议信息是用于参考的作用，用户可以直接从精确匹配调整为广泛匹配，也可以直接从广泛匹配调整为精确匹配，本发明实施例对此不加以限制。
本发明实施例针对一个或多个账号进行聚类，在所属类别中，根据原始统计数据按照匹配模式计算类别统计数据，根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对关键词的匹配模式生成优化建议信息，通过聚类之后计算关键词在不同类别中平均性能，获得更细致的关键词性能评价标准，提高评价准确性，从而提高了优化性能，减少资源浪费。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图2，示出了根据本发明一个实施例的一种针对关键词的匹配模式生成优化建议的装置实施例的结构框图，具体可以包括如下模块：
原始统计数据计算模块201，适于计算在一时间段内一个或多个账号的关键词、通过一匹配模式触发业务对象时的原始统计数据；
聚类模块202，适于对所述一个或多个账号进行聚类，获得一个或多个类别；
类别统计数据计算模块203，适于在所述类别中，根据所述原始统计数据按照匹配模式计算所述关键词触发业务对象时的类别统计数据；
优化建议信息生成模块204，适于根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息。
在具体实现中，所述原始统计数据可以包括如下的一种或多种：
第一平均展示量、第一平均点击量、第一平均消耗量、第一点击率。
在本发明的一种可选实施例中，所述聚类模块202还可以适于：
按照所述关键词所属的类目对所述一个或多个账号进行聚类，获得第一类别；
在所述第一类别中，按照所述关键词所属的区域对对所述一个或多个账号进行聚类，获得第二类别；
在所述第二类别中，按照消耗量对所述一个或多个账号进行聚类，获得第三类别。
在实际应用中，在某一类别的某一匹配模式下的类别统计数据包括如下的一种或多种：
第二平均展示量、第二平均点击量、第二平均消耗量、第二点击率。
在本发明的一种可选实施例中，所述优化建议信息生成模块204还可以适于：
当第一平均展示量小于或等于第一系数与第二平均展示量的乘积、且、第一平均点击量大于或等于第二系数与第二平均点击量的乘积、且、第一点击率大于或等于第三系数与第二点击率的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
在本发明的一种可选实施例中，所述优化建议信息生成模块204还可以适于：
当第一平均展示量小于或等于第四系数与第二平均展示量、且、第一平均点击量大于或等于第五系数与第二平均点击量的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
在本发明的一种可选实施例中，所述优化建议信息生成模块204还可以适于：
在最高匹配模式下，第一平均展示量大于或等于第六系数与第二平均展示量的乘积、且、第一平均点击量小于或等于第七系数与第一平均点击量的乘积、且、第一点击率小于或等于第八系数与第一点击率的乘积时，对所述关键词的匹配模式生成逆向优化的优化建议信息。
在本发明实施例中，所述匹配模式可以包括如下的一种或多种：
精确匹配、短语匹配、广泛匹配；
正向优化为由精确匹配优化为短语匹配，或者，由短语匹配优化为广泛匹配；
逆向优化为由广泛匹配优化为短语匹配，或者，由短语匹配优化为精确匹配。
在实际应用中，所述一个或多个账号的关键词，在所述时间段内未修改过匹配模式。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未 详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的针对关键词的匹配模式生成优化建议的设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的 方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明实施例公开了A1、一种针对关键词的匹配模式生成优化建议的方法，包括：
计算在一时间段内一个或多个账号的关键词、通过一匹配模式触发业务对象时的原始统计数据；
对所述一个或多个账号进行聚类，获得一个或多个类别；
在所述类别中，根据所述原始统计数据按照匹配模式计算所述关键词触发业务对象时的类别统计数据；
根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息。
A2、如A1所述的方法，所述原始统计数据包括如下的一种或多种：
第一平均展示量、第一平均点击量、第一平均消耗量、第一点击率。
A3、如A1或A2所述的方法，所述对所述一个或多个账号进行聚类，获得一个或多个类别的步骤包括：
按照所述关键词所属的类目对所述一个或多个账号进行聚类，获得第一 类别；
在所述第一类别中，按照所述关键词所属的区域对对所述一个或多个账号进行聚类，获得第二类别；
在所述第二类别中，按照消耗量对所述一个或多个账号进行聚类，获得第三类别。
A4、如A2所述的方法，在某一类别的某一匹配模式下的类别统计数据包括如下的一种或多种：
第二平均展示量、第二平均点击量、第二平均消耗量、第二点击率。
A5、如A4所述的方法，所述根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息的步骤包括：
当第一平均展示量小于或等于第一系数与第二平均展示量的乘积、且、第一平均点击量大于或等于第二系数与第二平均点击量的乘积、且、第一点击率大于或等于第三系数与第二点击率的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
A6、如A4所述的方法，所述根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息的步骤包括：
当第一平均展示量小于或等于第四系数与第二平均展示量、且、第一平均点击量大于或等于第五系数与第二平均点击量的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
A7、如A4所述的方法，所述根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息的步骤包括：
在最高匹配模式下，第一平均展示量大于或等于第六系数与第二平均展示量的乘积、且、第一平均点击量小于或等于第七系数与第一平均点击量的乘积、且、第一点击率小于或等于第八系数与第一点击率的乘积时，对所述关键词的匹配模式生成逆向优化的优化建议信息。
A8、如A5或A6或A7所述的方法，所述匹配模式包括如下的一种或多种：
精确匹配、短语匹配、广泛匹配；
正向优化为由精确匹配优化为短语匹配，或者，由短语匹配优化为广泛匹配；
逆向优化为由广泛匹配优化为短语匹配，或者，由短语匹配优化为精确匹配。
A9、如A1或A2或A4或A5或A6或A7所述的方法，所述一个或多个账号的关键词，在所述时间段内未修改过匹配模式。
本发明实施例还公开了B10、一种针对关键词的匹配模式生成优化建议的装置，包括：
原始统计数据计算模块，适于计算在一时间段内一个或多个账号的关键词、通过一匹配模式触发业务对象时的原始统计数据；
聚类模块，适于对所述一个或多个账号进行聚类，获得一个或多个类别；
类别统计数据计算模块，适于在所述类别中，根据所述原始统计数据按照匹配模式计算所述关键词触发业务对象时的类别统计数据；
优化建议信息生成模块，适于根据相同匹配模式的原始统计数据和类别统计数据之间的关系，针对所述关键词的匹配模式生成优化建议信息。
B11、如B10所述的装置，所述原始统计数据包括如下的一种或多种：
第一平均展示量、第一平均点击量、第一平均消耗量、第一点击率。
B12、如B10或B11所述的装置，所述聚类模块还适于：
按照所述关键词所属的类目对所述一个或多个账号进行聚类，获得第一类别；
在所述第一类别中，按照所述关键词所属的区域对对所述一个或多个账号进行聚类，获得第二类别；
在所述第二类别中，按照消耗量对所述一个或多个账号进行聚类，获得第三类别。
B13、如B11所述的装置，在某一类别的某一匹配模式下的类别统计数据包括如下的一种或多种：
第二平均展示量、第二平均点击量、第二平均消耗量、第二点击率。
B14、如B13所述的装置，所述优化建议信息生成模块还适于：
当第一平均展示量小于或等于第一系数与第二平均展示量的乘积、且、第一平均点击量大于或等于第二系数与第二平均点击量的乘积、且、第一点击率大于或等于第三系数与第二点击率的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
B15、如B13所述的装置，所述优化建议信息生成模块还适于：
当第一平均展示量小于或等于第四系数与第二平均展示量、且、第一平均点击量大于或等于第五系数与第二平均点击量的乘积时，对所述关键词的匹配模式生成正向优化的优化建议信息。
B16、如B13所述的装置，所述优化建议信息生成模块还适于：
在最高匹配模式下，第一平均展示量大于或等于第六系数与第二平均展示量的乘积、且、第一平均点击量小于或等于第七系数与第一平均点击量的乘积、且、第一点击率小于或等于第八系数与第一点击率的乘积时，对所述关键词的匹配模式生成逆向优化的优化建议信息。
B17、如B14或B15或B16所述的装置，所述匹配模式包括如下的一种或多种：
精确匹配、短语匹配、广泛匹配；
正向优化为由精确匹配优化为短语匹配，或者，由短语匹配优化为广泛匹配；
逆向优化为由广泛匹配优化为短语匹配，或者，由短语匹配优化为精确匹配。
B18、如B10或B11或B13或B14或B15或B16所述的装置，所述一个或多个账号的关键词，在所述时间段内未修改过匹配模式。
- 还没有人留言评论。精彩留言会获得点赞！