本发明涉及投资回报率预测技术领域，尤其涉及一种预测广告投资回报率的方法及装置。
背景技术：
在广告推广中，我们需要考核各广告推广渠道的激活成本，最终决定选取哪些渠道进行广告投放。而激活用户未来可产生的广告价值是我们更加关心的问题，投资回报率预测就是通过已有的广告库存变化趋势(投放后的衰减速率、拐点、均值方差等)训练精准的计算公式，对于该渠道此次投放的广告在未来会有多少被用户阅览进行预估。
广告投放方通常以某一较长时间段(例如30日)为周期对广告库存量进行统计，利用统计数据拟合得到广告库存量变化的拟合曲线，通过该曲线预测广告投放在未来的库存变化情况。以较长时间段(例如30日)为周期的统计周期较长，对投资回报率的预测不够及时，广告投放方希望能够通过短期数据统计来及时地预测广告投资回报率。
但是，由于广告用户数量较少，在短期统计数据中的个别数据波动都会影响整体统计数据的变化趋势，影响对统计数据的曲线拟合，进而导致预测不准确。因此，如何避免个别数据波动对短期统计数据的影响，通过短期统计数据准确预测广告投资回报率，已成为广告投放方的迫切需求。
技术实现要素：
基于上述现有技术现状，本发明提出一种预测广告投资回报率的方法及装置，能够利用短期广告库存量统计数据准确预测出广告投资回报率。
为了达到上述目的，本发明提出如下技术方案：
一种预测广告投资回报率的方法，包括：
获取目标渠道的目标日期的广告投放量数据和从所述目标日期投放广告后设定时间区间内的广告库存量周均值统计数据；其中，所述广告库存量周均值统计数据中的第n天的广告库存量为从所述目标日期开始的一周内每天投放广告后的第n天的广告库存量的平均值，n为大于零的整数；
根据所述广告库存量周均值统计数据，计算得到在所述目标日期投放广告后的广告库存量预测函数；
根据所述广告库存量预测函数，确定所述目标日期的广告投放收益；
根据所述目标日期的广告投放收益和所述目标日期的广告投放量数据，计算得到所述目标日期的广告投放的投资回报率。
可选的，在根据所述广告库存量周均值统计数据，计算得到在所述目标日期投放广告后的广告库存量预测函数后，该方法还包括：
获取所述目标渠道在所述目标日期之前的设定时间段内的广告库存量历史数据，以及与所述广告库存量周均值统计数据差异最小的广告库存量周均值统计相似数据；
根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，对所述广告库存量预测函数进行修正处理。
可选的，所述根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，对所述广告库存量预测函数进行修正处理，包括：
根据所述广告库存量预测函数和所述广告库存量历史数据，确定所述目标日期的广告库存量平稳期起点；
根据所述广告库存量周均值统计数据中的所述平稳期起点之后的数据，计算得到在所述目标日期投放广告后的第一广告库存量预测函数；
根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，计算得到修正斜率；
根据所述广告库存量周均值统计数据，计算得到修正截距；
利用所述修正斜率和所述修正截距对所述第一广告库存量预测函数进行修正处理，得到修正后的广告库存量预测函数。
可选的，所述根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，计算得到修正斜率，包括：
根据所述广告库存量历史数据，计算得到第二广告库存量预测函数，以及根据所述广告库存量周均值统计相似数据，计算得到第三广告库存量预测函数；
根据所述第二广告库存量预测函数与所述第三广告库存量预测函数的斜率，计算得到修正斜率。
可选的，所述根据所述广告库存量预测函数，确定所述目标日期的广告投放收益，包括：
根据所述广告库存量预测函数，确定所述目标日期投放广告后每天的广告库存量；其中，所述每天的广告库存量为对每天的广告库存量取整后的数据；
计算从所述目标日期投放广告后到广告库存量减少为零期间的所有广告库存量总和，作为所述目标日期的广告投放收益。
一种预测广告投资回报率的装置，包括：
第一数据获取单元，用于获取目标渠道的目标日期的广告投放量数据和从所述目标日期投放广告后设定时间区间内的广告库存量周均值统计数据；其中，所述广告库存量周均值统计数据中的第n天的广告库存量为从所述目标日期开始的一周内每天投放广告后的第n天的广告库存量的平均值，n为大于零的整数；
函数计算单元，用于根据所述广告库存量周均值统计数据，计算得到在所述目标日期投放广告后的广告库存量预测函数；
收益确定单元，用于根据所述广告库存量预测函数，确定所述目标日期的广告投放收益；
投资回报率计算单元，用于根据所述目标日期的广告投放收益和所述目标日期的广告投放量数据，计算得到所述目标日期的广告投放的投资回报率。
可选的，所述装置还包括：
第二数据获取单元，用于获取所述目标渠道在所述目标日期之前的设定时间段内的广告库存量历史数据，以及与所述广告库存量周均值统计数据差异最小的广告库存量周均值统计相似数据；
函数修正单元，用于根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，对所述广告库存量预测函数进行修正处理。
可选的，所述函数修正单元，包括：
平稳期确定单元，用于根据所述广告库存量预测函数和所述广告库存量历史数据，确定所述目标日期的广告库存量平稳期起点；
第一计算单元，用于根据所述广告库存量周均值统计数据中的所述平稳期起点之后的数据，计算得到在所述目标日期投放广告后的第一广告库存量预测函数；
第二计算单元，用于根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，计算得到修正斜率；
第三计算单元，用于根据所述广告库存量周均值统计数据，计算得到修正截距；
修正单元，用于利用所述修正斜率和所述修正截距对所述第一广告库存量预测函数进行修正处理，得到修正后的广告库存量预测函数。
可选的，所述第二计算单元根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，计算得到修正斜率时，具体用于：
根据所述广告库存量历史数据，计算得到第二广告库存量预测函数，以及根据所述广告库存量周均值统计相似数据，计算得到第三广告库存量预测函数；根据所述第二广告库存量预测函数与所述第三广告库存量预测函数的斜率，计算得到修正斜率。
可选的，所述收益确定单元根据所述广告库存量预测函数，确定所述目标日期的广告投放收益时，具体用于：
根据所述广告库存量预测函数，确定所述目标日期投放广告后每天的广告库存量；其中，所述每天的广告库存量为对每天的广告库存量取整后的数据；计算从所述目标日期投放广告后到广告库存量减少为零期间的所有广告库存量总和，作为所述目标日期的广告投放收益。
采用本发明技术方案，通过获取目标渠道的目标日期的广告投放量数据和从所述目标日期投放广告后设定时间区间内的广告库存量周均值统计数据，计算得到在所述目标日期投放广告后的广告库存量预测函数，根据该预测函数确定目标日期的广告投放收益，最后根据所述目标日期的广告投放收益和所述目标日期的广告投放量数据，计算得到所述目标日期的广告投放的投资回报率。上述过程只通过目标日期投放广告后短期的广告库存量周均值统计数据，就计算出目标日期的广告投放的投资回报率。其中的周均值统计数据避免了个别数据波动对短期统计数据的波动性影响，达到了通过短期统计数据准确预测广告投资回报率的目的。
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，还可以根据提供的附图获得其他的附图。
图1是本发明实施例提供的一种预测广告投资回报率的方法的流程示意图；
图2是本发明实施例提供的广告库存量统计数据表示意图；
图3是本发明实施例提供的另一种预测广告投资回报率的方法的流程示意图；
图4是本发明实施例提供的一种预测广告投资回报率的装置的结构示意图；
图5是本发明实施例提供的另一种预测广告投资回报率的装置的结构示意图。
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。
本发明实施例公开了一种预测广告投资回报率的方法，参见图1所示，该方法包括：
s101、获取目标渠道的目标日期的广告投放量数据和从所述目标日期投放广告后设定时间区间内的广告库存量周均值统计数据；其中，所述广告库存量周均值统计数据中的第n天的广告库存量为从所述目标日期开始的一周内每天投放广告后的第n天的广告库存量的平均值，n为大于零的整数；
具体的，上述目标渠道，是指广告主投放广告的某一种媒体渠道，例如网络、电视、报刊杂志等其中一种媒体渠道。
上述目标日期，是指本发明实施例待预测其广告投资回报率的日期。例如，假设××××年×月11日广告主向某一目标渠道投放了广告，如果采用本发明实施例技术方案预测上述××××年×月11日的广告投资回报率，则上述××××年×月11日作为目标日期。
本发明实施例设定，对于上述目标渠道来说，对于某一天投放的广告，都从广告投放之日起对投放的广告库存量开始跟踪记录，具体记录从投放广告后的每一天该渠道的广告库存量。并且对记录的数据进行定期平均平滑处理。
具体的平均平滑处理是批量将对应日期及其后一定周期的数据求和平均形成对应的周期统计数据。本发明实施例具体采用从目标日期投放广告后设定时间区间内的广告库存量周均值统计数据作为广告库存量预测函数计算基础。并且，广告库存量周均值统计数据中的第n天的广告库存量为从所述目标日期开始的一周内每天投放广告后的第n天的广告库存量的平均值，n为大于零的整数。
按照上述计算方法，可以计算得到从每一天开始的广告库存量周均值统计数据，或月均值统计数据，或季度均值统计数据等。在计算得到这些均值统计数据后，本发明实施例将计算结果连同原始的统计数据一起存储到sql数据库中，当需要对某一天的广告投资回报率进行预测时，再从sql数据库中读取相应的数据。当从sql数据库中读取数据时，可以通过json串进行读取，json串的‘time’字段表示目标日期，‘name’字段表示所需要读取数据的时间区间。
s102、根据所述广告库存量周均值统计数据，计算得到在所述目标日期投放广告后的广告库存量预测函数；
具体的，在获取得到目标日期的广告库存量周均值统计数据后，将数据第i日的广告库存量yi作为预测目标，对广告库存量yi的对数与统计天数i进行线性拟合，采用最小二乘法计算拟合函数的斜率与截距，从而确定广告库存量yi的对数与统计天数i的函数关系，也就确定了广告库存量yi与统计天数i的函数关系，即计算得到在上述目标日期投放广告后的广告库存量预测函数。
计算得到的广告库存量的对数的预测函数的形式为：
ln(yi)＝α*i+β
进一步的，对上述广告库存量的对数的预测函数进行形式变换，可以最终确定广告库存量预测函数：
yi＝eα*i+β
s103、根据所述广告库存量预测函数，确定所述目标日期的广告投放收益；
具体的，在确定广告库存量预测函数后，即可根据该预测函数计算在目标日期投放广告后，每天的广告库存量。由于本发明实施例仅利用了周均值统计数据，可以理解，事实上只统计了从目标日期开始一周内的统计数据，而对于一周后的数据，则需要通过上述广告库存量预测函数进行预测。
本发明实施例通过上述广告库存量预测函数计算得到广告库存量衰减至0的过程中每天的广告库存量，结合已经统计的短期(一周)内的广告库存量数据，可以计算得到目标日期投放广告后，至广告库存量衰减为0的过程中每天的广告库存量，然后对上述每天的广告库存量进行求和，得到上述目标日期的广告投放收益。
s104、根据所述目标日期的广告投放收益和所述目标日期的广告投放量数据，计算得到所述目标日期的广告投放的投资回报率。
具体的，用目标日期的广告投放收益除以该目标日期的广告投放量数据，即可得到上述目标日期的广告投放的投资回报率。
通过上述介绍可见，采用本发明实施例技术方案，通过获取目标渠道的目标日期的广告投放量数据和从所述目标日期投放广告后设定时间区间内的广告库存量周均值统计数据，计算得到在所述目标日期投放广告后的广告库存量预测函数，根据该预测函数确定目标日期的广告投放收益，最后根据所述目标日期的广告投放收益和所述目标日期的广告投放量数据，计算得到所述目标日期的广告投放的投资回报率。上述过程只通过目标日期投放广告后短期的广告库存量周均值统计数据，就计算出目标日期的广告投放的投资回报率。其中的周均值统计数据避免了个别数据波动对短期统计数据的波动性影响，达到了通过短期统计数据准确预测广告投资回报率的目的。
下面以图3所示为例，说明本发明实施例公开的上述预测广告投资回报率的方法的具体处理过程。
参见图3所示，本发明实施例公开的预测广告投资回报率的方法，具体包括：
s301、获取目标渠道的目标日期的广告投放量数据和从所述目标日期投放广告后设定时间区间内的广告库存量周均值统计数据；其中，所述广告库存量周均值统计数据中的第n天的广告库存量为从所述目标日期开始的一周内每天投放广告后的第n天的广告库存量的平均值，n为大于零的整数；
具体的，上述目标渠道，是指广告主投放广告的某一种媒体渠道，例如网络、电视、报刊杂志等其中一种媒体渠道。
上述目标日期，是指本发明实施例待预测其广告投资回报率的日期。例如，假设××××年×月11日广告主向某一目标渠道投放了广告，如果采用本发明实施例技术方案预测上述××××年×月11日的广告投资回报率，则上述××××年×月11日作为目标日期。
本发明实施例设定，对于上述目标渠道来说，对于某一天投放的广告，都从广告投放之日起对投放的广告库存量开始跟踪记录，具体记录从投放广告后每一天该渠道的广告库存量。
例如图2所示，为某一渠道从××××年×月11日至31日每天新投放的广告量和每天的广告库存量的跟踪统计结果，其中，表中每一行表示在当日投放广告后的每一天的广告库存量。可以看出，×月11日的广告投放数据已经跟踪了20日，期间数据变化并不是完全遵循单调下降的统计规律，而是在第6日、第13日存在向上波动，这对于我们统计11日所有库存变化趋势十分不利。此外，为了了解每日的广告投入(激活量)最终获得了多少产出(总共有多少广告库存被激活用户阅览)，我们希望完整的统计出渠道某一天投入产生的所有库存变化，但由于部分优质渠道存活时间很长，跟踪超过百日仍有不可忽略的库存变化，单纯计算统计数据时间消耗太大。但是直接对原始数据采用数学方法进行预测，单日激活产生的库存变化波动又比较显著，所以本发明实施例采用定期平均平滑的方式进行数据预处理。
具体的预处理是批量将对应日期及其后一定周期的数据求和平均形成对应的周期统计数据。本发明实施例具体采用从目标日期投放广告后设定时间区间内的广告库存量周均值统计数据作为广告库存量预测函数计算基础。可以理解，广告库存量周均值统计数据中的第n天的广告库存量为从所述目标日期开始的一周内每天投放广告后的第n天的广告库存量的平均值，n为大于零的整数。
具体的，如图2所示，要想统计出从×月11日开始的广告库存量周均值统计数据，则至少需要从×月11日开始的7天内每天的广告库存量数据。可以理解，上述的设定时间区间所包含的天数，至少大于从目标日期开始，需要计算均值统计数据的天数。下面以图2中的数据来计算从×月11日开始的广告库存量周均值统计数据为例进行说明。
上述设定时间段为图2所示的从×月11日开始的20日。在计算从×月11日开始的广告库存量周均值统计数据时，将图2中矩形方框区域内的从×月11日到×月17日的第n天的广告库存量统计数据按列进行求和平均，得到的数据即为从×月11日开始的广告库存量周均值统计数据的第n天的广告库存量。例如，假设计算×月11日之后第一天的广告库存量，则将图2中的×月11日之后第一天所在一列的从×月11日到×月17日的数据进行求和平均，得到从×月11日开始的广告库存量周均值统计数据的第一天的广告库存量；假设计算×月11日之后第二天的广告库存量，则将图2中的×月11日之后第二天所在一列的从×月11日到×月17日的数据进行求和平均，得到从×月11日开始的广告库存量周均值统计数据的第二天的广告库存量；以此类推，即可计算得到从×月11日开始的广告库存量周均值统计数据中的每一天的广告库存量。
需要说明的是，对于图2中的从×月11日开始的第25天的广告库存量周均值统计数据的计算，由于上述的设定时间段只取了从×月11日开始的20日的数据，即只统计到了×月31日，此时从×月11日开始的第25天的统计数据不足七天的数据，因此不能计算其周均值统计数据，只有当再统计下一个月的第一天的广告库存量数据，即统计从×月17日开始的第25日的广告库存量后，才可以计算从×月11日开始的第25天的广告库存量周均值统计数据。
按照上述计算方法，可以计算得到从每一天开始的广告库存量周均值统计数据，或月均值统计数据，或季度均值统计数据等。在计算得到这些均值统计数据后，本发明实施例将计算结果连同原始的统计数据一起存储到sql数据库中，当需要对某一天的广告投资回报率进行预测时，再从sql数据库中读取相应的数据。例如，假设采用本发明实施例技术方案计算上述××××年×月11日的广告投放的投资回报率，则从事先存储的sql数据库中读取上述××××年×月11日的广告投放量数据和从上述××××年×月11日投放广告后设定时间区间内的广告库存量周均值统计数据，例如读取从××××年×月11日投放广告后的20日内的广告库存量周均值统计数据。
具体的，当从sql数据库中读取数据时，可以通过json串进行读取，json串的‘time’字段表示目标日期，‘name’字段表示所需要读取数据的时间区间。
s302、根据所述广告库存量周均值统计数据，计算得到在所述目标日期投放广告后的广告库存量预测函数；
具体的，在获取得到目标日期的广告库存量周均值统计数据后，将数据第i日的广告库存量yi作为预测目标，对广告库存量yi的对数与统计天数i进行线性拟合，采用最小二乘法计算拟合函数的斜率与截距，从而确定广告库存量yi的对数与统计天数i的函数关系，也就确定了广告库存量yi与统计天数i的函数关系，即计算得到在上述目标日期投放广告后的广告库存量预测函数。
计算得到的广告库存量的对数的预测函数的形式为：
ln(yi)＝α*i+β
进一步的，对上述广告库存量的对数的预测函数进行形式变换，可以最终确定广告库存量预测函数：
yi＝eα*i+β
s303、获取所述目标渠道在所述目标日期之前的设定时间段内的广告库存量历史数据，以及与所述广告库存量周均值统计数据差异最小的广告库存量周均值统计相似数据；
具体的，上述渠道在所述目标日期之前的设定时间段内的广告库存量历史数据，是指在上述目标日期之前的设定时间段内，上述渠道每天的广告库存量统计数据。例如，上述渠道××××年×月11日之前的三个月内的广告库存量历史数据，是指从××××年×月11日前90日开始到××××年×月11日之间统计的上述渠道每天的广告库存量统计数据。
对于历史数据的获取可以直接按照时间区间从数据库中读取。
上述与所述广告库存量周均值统计数据差异最小的广告库存量周均值统计相似数据，是指所有预测数据yi对第一日的广告库存量y1进行归一化后，在广告库存量周均值统计数据中所有时长超过50日的数据中选取的其中前7日与预测数据差异最小的数据。
在本发明实施例中，统计数据与预测数据的差异可表示为：
其中，yi表示采用步骤s202中得到的预测函数预测得到的第i日的广告库存量；yi表示统计数据的第i日的广告库存量；h即为前七日的集合(h＝{1,2,3,4,5,6,7})，|h|代表其中对应大于0的数据的数目。
按照上述公式计算统计数据与预测数据的差异，即可选取出前7日与预测数据差异最小的数据，作为上述广告库存量周均值统计数据的广告库存量周均值统计相似数据。
s304、根据所述广告库存量预测函数和所述广告库存量历史数据，确定所述目标日期的广告库存量平稳期起点；
具体的，通过步骤s302计算得到的广告库存量预测函数接近对数曲线形式，但是广告投放后期的广告库存量发展与幂指数曲线更加接近，可以认为，在广告投放后前期的广告库存量变化是不平稳的。因此，本发明实施例认为，当广告库存量变化进入平稳期后，才能对其进行准确预测，也只有利用广告库存量平稳期数据，才能得出准确的广告库存量预测函数。
因此，本发明实施例在步骤s302初步得出广告库存量预测函数后，进一步根据初步得到的广告库存量预测函数和广告库存量历史数据，确定该渠道在上述目标日期投放广告后的广告库存量平稳期起点。
具体的，本发明实施例通过枚举计算广告库存量历史数据不同平稳期起点的预测数据与真实数据的差异，从中找出差异最小的平稳期起点，即作为上述目标日期的广告库存量平稳期起点。
广告库存量历史数据不同平稳期起点的预测数据与真实数据的差异可以表示为：
其中，f(i)表示利用步骤s302中得到的广告库存量预测函数计算得到的第i日的广告库存量；yi表示第i日的真实广告库存量；t表示平稳期后期，在本发明实施例中为{50,60,70,80,90,100}，|t|代表后期中yi大于0的数据的数目。
根据上述公式，计算得到最小的dt，其对应的t即为广告库存量平稳期起点。
需要说明的是，本发明实施例将上述目标日期前90日内的数据作为广告库存量历史数据计算广告库存量平稳期起点，在具体实施本发明实施例时，可以根据数据量灵活设定广告库存量历史数据的时间区间。理论上，广告库存量历史数据的时间区间不能少于60日，如果设定渠道的广告库存量历史数据的时间区间不足60日，则认为该渠道没有可信的历史数据，此时可为平稳期起点赋值，例如可将平稳期起点设置为5，即从广告投放后第5天起广告库存量进入平稳期。
s305、根据所述广告库存量周均值统计数据中的所述平稳期起点之后的数据，计算得到在所述目标日期投放广告后的第一广告库存量预测函数；
具体的，在确定广告库存量平稳期起点后，对于步骤s301中获取的广告库存量周均值统计数据中的上述平稳期起点之后的数据，重新进行广告库存量预测函数的计算。具体的计算过程与步骤s302的计算过程相同，此处不再赘述。为了与步骤s302中计算得到的广告库存量预测函数区分，本步骤计算得到的广告库存量预测函数命名为第一广告库存量预测函数。
第一广告库存量预测函数的形式如步骤s302中公式所示：
yi＝eα*i+β
s306、根据所述广告库存量历史数据，计算得到第二广告库存量预测函数，以及根据所述广告库存量周均值统计相似数据，计算得到第三广告库存量预测函数；
具体的，在获取到广告库存量历史数据和广告库存量周均值统计相似数据后，由于二者都是存在时长大于60日的长期数据，所以可以直接通过步骤s302中介绍的先求取对数再进行最小二乘法拟合的方式获取其对应的拟合结果，即对应的广告库存量预测函数。为了便于区分，本发明实施例将根据广告库存量历史数据计算得到的广告库存量预测函数命名为第二广告库存量预测函数，将根据广告库存量周均值统计相似数据计算得到的广告库存量预测函数命名为第三广告库存量预测函数。
s307、根据所述第二广告库存量预测函数与所述第三广告库存量预测函数的斜率，计算得到修正斜率；
具体的，本发明实施例对上述第二广告库存量预测函数和上述第三广告库存量预测函数的斜率进行加权得到修正斜率。
具体加权方式如下公式所示：
其中，αtar为计算得到的修正斜率；αhist和αsim分别为第二广告库存量预测函数和第三广告库存量预测函数的斜率；
s308、根据所述广告库存量周均值统计数据，计算得到修正截距；
具体的，在步骤s307中计算得到修正斜率αtar后，将修正斜率代入步骤s305中计算得到的广告库存量预测函数中，得到广告库存量预测函数：
然后将获取的广告库存量周均值统计数据中的任意一天的广告库存量数据，以及该天是目标日期后的第几天(即i的值)代入上述广告库存量预测函数中，计算得到修正截距βtar。
s309、利用所述修正斜率和所述修正截距对所述第一广告库存量预测函数进行修正处理，得到修正后的广告库存量预测函数；
具体的，将上述步骤s307和s308中计算得到的修正斜率αtar和修正截距βtar分别替换步骤s305中得到的广告库存量预测函数yi＝eα*i+β中的斜率α和截距β，得到修正后的广告库存量预测函数：
s310、根据所述广告库存量预测函数，确定所述目标日期投放广告后每天的广告库存量；其中，所述每天的广告库存量为对每天的广告库存量取整后的数据；
具体的，根据步骤s309中确定的修正后的广告库存量预测函数
需要说明的是，由于本发明实施例是通过短期(一周)内目标日期的广告库存量统计数据来确定的广告库存量预测函数，然后利用该预测函数预测尚未统计的后期的广告库存量数据，因此，对于已经统计的目标日期之后的广告库存量数据可以直接利用，而对于尚未发生的后期的广告库存量数据，则可以通过上述公式进行预测。
s311、计算从所述目标日期投放广告后到广告库存量减少为零期间的所有广告库存量总和，作为所述目标日期的广告投放收益；
具体的，通过步骤s310确定从目标日期投放广告后每天的广告库存量，直至广告库存量减为0。然后将目标日期后每天的广告库存量求和(包括统计的广告库存量数据和预测的广告库存量数据)，得到的广告库存量总量作为该目标日期的广告投放收益。
s312、根据所述目标日期的广告投放收益和所述目标日期的广告投放量数据，计算得到所述目标日期的广告投放的投资回报率。
具体的，用目标日期的广告投放收益除以该目标日期的广告投放量数据，即可得到上述目标日期的广告投放的投资回报率。
本发明实施例还公开了一种预测广告投资回报率的装置，参见图4所示，该装置包括：
第一数据获取单元100，用于获取目标渠道的目标日期的广告投放量数据和从所述目标日期投放广告后设定时间区间内的广告库存量周均值统计数据；其中，所述广告库存量周均值统计数据中的第n天的广告库存量为从所述目标日期开始的一周内每天投放广告后的第n天的广告库存量的平均值，n为大于零的整数；
函数计算单元110，用于根据所述广告库存量周均值统计数据，计算得到在所述目标日期投放广告后的广告库存量预测函数；
收益确定单元120，用于根据所述广告库存量预测函数，确定所述目标日期的广告投放收益；
投资回报率计算单元130，用于根据所述目标日期的广告投放收益和所述目标日期的广告投放量数据，计算得到所述目标日期的广告投放的投资回报率。
具体的，本实施例中的各个单元的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
在发明的另一个实施例中，参见图5所示，所述装置还包括：
第二数据获取单元140，用于获取所述目标渠道在所述目标日期之前的设定时间段内的广告库存量历史数据，以及与所述广告库存量周均值统计数据差异最小的广告库存量周均值统计相似数据；
函数修正单元150，用于根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，对所述广告库存量预测函数进行修正处理。
其中，所述函数修正单元150，包括：
平稳期确定单元，用于根据所述广告库存量预测函数和所述广告库存量历史数据，确定所述目标日期的广告库存量平稳期起点；
第一计算单元，用于根据所述广告库存量周均值统计数据中的所述平稳期起点之后的数据，计算得到在所述目标日期投放广告后的第一广告库存量预测函数；
第二计算单元，用于根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，计算得到修正斜率；
第三计算单元，用于根据所述广告库存量周均值统计数据，计算得到修正截距；
修正单元，用于利用所述修正斜率和所述修正截距对所述第一广告库存量预测函数进行修正处理，得到修正后的广告库存量预测函数。
所述第二计算单元根据所述广告库存量历史数据和所述广告库存量周均值统计相似数据，计算得到修正斜率时，具体用于：
根据所述广告库存量历史数据，计算得到第二广告库存量预测函数，以及根据所述广告库存量周均值统计相似数据，计算得到第三广告库存量预测函数；根据所述第二广告库存量预测函数与所述第三广告库存量预测函数的斜率，计算得到修正斜率。
具体的，上述实施例中的各个单元的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
在本发明的另一个实施例中公开了，上述收益确定单元120根据所述广告库存量预测函数，确定所述目标日期的广告投放收益时，具体用于：
根据所述广告库存量预测函数，确定所述目标日期投放广告后每天的广告库存量；其中，所述每天的广告库存量为对每天的广告库存量取整后的数据；计算从所述目标日期投放广告后到广告库存量减少为零期间的所有广告库存量总和，作为所述目标日期的广告投放收益。
具体的，本实施例中的收益确定单元120的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。