代价数据的确定方法、装置和计算机可读存储介质与流程

本公开涉及数据处理技术领域，特别涉及一种代价数据的确定方法、代价数据的装置和计算机可读存储介质。

背景技术

rtb(realtimebidding，实时竞价)是一种利用第三方技术在数以百万计的网站上针对每一个用户展示行为进行评估出价的竞价技术。rtb广告生态链包含广告主、dsp(demand-sideplatform，需求方平台)、ssp(supply-sideplatform，供应方平台，即广告交易平台)和互联网媒体。对于广告主而言，确定合适的竞取代价是获取广告位使用权的关键。

在相关技术中，根据用户的质量(如点击率和转化率等)确定竞取代价。

技术实现要素：

本公开的发明人发现上述相关技术中存在如下问题：确定竞取代价的考虑因素不全面，不能够准确地反映竞取情况，从而导致资源浪费或者竞取成功率低。

鉴于此，本公开提出了一种代价数据的确定技术方案，能够避免资源浪费、提高竞取成功率。

根据本公开的一些实施例，提供了一种代价数据的确定方法，包括：接收互联网媒体的相关信息和登录所述互联网媒体的用户的相关信息；根据所述互联网媒体的相关信息和所述用户的相关信息预测所述用户对于广告主的广告的点击概率；获取所述广告主对于所述互联网媒体的待竞取广告位的历史竞取成功概率；根据所述点击概率、所述历史竞取成功概率和所述广告主的最高竞取代价数据，确定所述广告主对于所述待竞取广告位的最终竞取代价数据，所述最终竞取代价数据与所述点击概率正相关、与所述历史竞取成功概率负相关、与所述最高竞取代价数据正相关。

在一些实施例中，根据e^c和e^s确定比例系数k，k与e^c正相关，k与e^s负相关，e为自然常数，c为所述点击概率，s为所述历史竞取成功概率；在k>0的情况下，将k×pmax和pmax中较小的一个确定为所述最终竞取代价数据，pmax为所述最高竞取代价数据，在k≤0的情况下，将pmin确定为所述最终竞取代价数据，pmin为所述广告主的最低竞取代价数据。。

在一些实施例中，α≥0、β≥0；计算候选竞取代价数据p＝min(k×pmax×λ,pmax)，λ≥0；将p和pmin中较大的一个确定为所述最终竞取代价数据。

在一些实施例中，只为所述点击概率高于阈值的广告主确定所述最终竞取代价数据。

在一些实施例中，将所述最终竞取代价数据最高的广告主的最终竞取代价数据发送给广告交易平台。

在一些实施例中，所述历史竞取成功概率为最近十分钟内所述广告主对于所述待竞取广告位的竞取成功概率。

根据本公开的另一些实施例，提供一种代价数据的确定装置，包括：接收器，用于接收互联网媒体的相关信息和登录所述互联网媒体的用户的相关信息，还用于获取所述广告主对于所述互联网媒体的待竞取广告位的历史竞取成功概率；处理器，用于根据所述互联网媒体的相关信息和所述用户的相关信息预测所述用户对于广告主的广告的点击概率；根据所述点击概率、所述历史竞取成功概率和所述广告主的最高竞取代价数据，确定所述广告主对于所述待竞取广告位的最终竞取代价数据，所述最终竞取代价数据与所述点击概率正相关、与所述历史竞取成功概率负相关、与所述最高竞取代价数据正相关。

在一些实施例中，所述处理器根据e^c和e^s确定比例系数k，k与e^c正相关，k与e^s负相关，e为自然常数，c为所述点击概率，s为所述历史竞取成功概率，在k>0的情况下，将k×pmax和pmax中较小的一个确定为所述最终竞取代价数据，pmax为所述最高竞取代价数据，在k≤0的情况下，将pmin确定为所述最终竞取代价数据，pmin为所述广告主的最低竞取代价数据。

在一些实施例中，α≥0、β≥0；计算候选竞取代价数据p＝min(k×pmax×λ,pmax)，λ≥0；将p和pmin中较大的一个确定为所述最终竞取代价数据。

在一些实施例中，该确定装置还包括：发送器，用于将所述最终竞取代价数据最高的广告主的最终竞取代价数据发送给广告交易平台。

根据本公开的又一些实施例，提供一种代价数据的确定装置，包括：存储器；和耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器装置中的指令，执行上述任一个实施例中的代价数据的确定方法中的一个或多个步骤。

根据本公开的再一些实施例，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一个实施例中的代价数据的确定方法中的一个或多个步骤。

在上述实施例中，根据历史竞取成功概率、广告主的最高竞取代价数据和用户点击率确定最终竞取代价数据。这样，可以在综合考虑竞取激烈程度、广告主需求和用户质量等多方面因素的情况下确定合适的竞取代价，从而避免了资源浪费、提高了竞取成功率。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1示出本公开的代价数据的确定方法的一些实施例的流程图；

图2示出图1中步骤140的一些实施例的流程图；

图3示出图1中步骤140的另一些实施例的流程图；

图4示出本公开的数据交互过程的一些实施例的示意图；

图5示出本公开的代价数据的确定装置的一些实施例的框图；

图6示出本公开的代价数据的确定装置的另一些实施例的框图；

图7示出本公开的代价数据的确定装置的又一些实施例的框图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1示出本公开的代价数据的确定方法的一些实施例的流程图。

如图1所示，该方法包括：步骤110，接收相关信息；步骤120，预测点击概率；步骤130，获取历史竞争成功概率；和步骤140，确定最终竞取代价数据。

在步骤110中，接收互联网媒体的相关信息和登录互联网媒体的用户的相关信息。

例如，互联网媒体的相关信息中可以包括该互联网媒体的点击率、流量大小、媒体内容等；用户的相关信息可以是用户画像、点击率等能够表征用户属性的信息。

在步骤120中，根据互联网媒体的相关信息和用户的相关信息预测用户对于广告主的广告的点击概率。

例如，广告主可以根据相关信息确定互联网媒体和用户与自己想要投放的广告的相关性等，从而对该用户进行筛选、预测该用户点击想要投放的广告的概率。

在步骤130中，获取广告主对于互联网媒体的待竞取广告位的历史竞取成功概率。例如，可以从缓存中获取历史竞取成功概率。

在一些实施例中，历史竞取成功概率为前十分钟内广告主对于待竞取广告位的竞取成功概率，也可以是根据广告主需求设置的时长内待竞取广告位的竞取成功概率。历史竞取成功概率表征了当前待竞取广告位的竞取激烈程度，可以作为确定竞取代价的重要依据提升竞取成功率和节约资源。

步骤120和步骤130没有执行顺序，也可以并行处理。

在步骤140中，根据点击概率、历史竞取成功概率和广告主的最高竞取代价数据确定所述广告主对于待竞取广告位的最终竞取代价数据。最终竞取代价数据与点击概率正相关、与历史竞取成功概率负相关、与最高竞取代价数据正相关。

在上述实施例中，点击概率表征了用户与广告之间的关联程度，因此设置在点击概率高时，调高最终竞取代价数据，能够提高竞取成功率。广告主对于待竞取广告位的历史竞取成功概率表征了竞争激烈程度，因此设置在历史竞取成功概率高时(即竞争激烈程度低时)，调低最终竞取代价数据，能够节约资源。最高竞取代价数据表征了广告主能够接受的最高代价，因此设置在广告主愿意付出较高代价时，调高最终竞取代价数据，能够提高竞取成功率。

而且，互联网媒体总体的历史竞取成功概率高，并不能代表具体某个广告位的历史竞取成功概率高。因此，相比于采用互联网媒体的历史竞取成功概率，采用广告位的历史竞取成功概率，能够以更细致的处理粒度确定竞取代价数据，从而提高确定竞取代价数据的准确性。

另外，最终竞取代价数据与点击概率、历史竞取成功概率、最高竞取代价数据可以具有线性关系、指数关系等多种实施方式，只要满足上面实施例中限定的正相关或负相关条件即可。

在一些实施例中，可以通过图2中的实施例确定最终竞取代价数据。

图2示出图1中步骤140的一些实施例的流程图。

如图2所示，步骤140包括步骤1410，确定比例系数；和步骤1420，确定最终竞取代价数据。

在步骤1410中，根据e^c和e^s确定比例系数k，k与e^c正相关，k与e^s负相关。e为自然常数，c为点击概率，s为历史竞取成功概率。采用指数函数可以更好地拟合各变量之间的实际关系，从而提高竞取代价数据的准确性。

在步骤1420中，在k>0的情况下，将k×pmax和pmax中较小的一个确定为最终竞取代价数据，pmax为最高竞取代价数据；在k≤0的情况下，将pmin确定为最终竞取代价数据，pmin为广告主的最低竞取代价数据。这样，可以在确定最终竞取代价数据估计广告主的意愿，从而更好地满足广告主的需求。

在一些实施例中，也可以通过图3中的实施例确定最终竞取代价数据。

图3示出图1中步骤140的另一些实施例的流程图。

如图3所示，步骤140包括步骤1410，确定比例系数；步骤1411，计算候选竞取代价数据；和步骤1420，确定最终竞取代价数据。

在步骤1410中，可以按照如下公式确定比例系数。

α≥0、β≥0

α和β为根据实际情况和广告主需求设置的权重系数。

在步骤1411中，可以按照如下公式计算候选竞取代价数据。

p＝min(k×pmax×λ,pmax)，λ≥0；

λ为根据实际情况和广告主需求设置的权重系数。

在步骤1420中，将p和pmin中大的一个确定为最终竞取代价数据。这样，一方面可以避免k为负数时造成p为负数的情况，一方面可以根据广告主的意愿设置底线，从而更好地满足广告主的意愿、提高竞取成功率。

在一些实施例中，dsp可以接入多个广告主，dsp可以先计算用户相对于各接入广告主的点击概率，只为点击概率高于阈值的广告主采用上述任一个实施例中的确定方法确定最终竞取代价数据。这样，可以节约计算资源，提高系统效率。

在一些实施例中，dsp将最终竞取代价数据最高的广告主的最终竞取代价数据发送给广告交易平台，从而提高系统效率，同时避免自相竞争(广告主与自己竞争)。

下面通过图4说明本公开的技术方案的数据交互过程。

图4示出本公开的数据交互过程的一些实施例的示意图。

如图4所示，互联网媒体43具有广告位431。用户45登录互联网媒体43，互联网媒体43将自己的相关信息和用户45的相关信息和发送给广告交易平台42。广告交易平台42将互联网媒体43的相关信息和用户45的相关信息转发给dsp41。

dsp41具有多个接入广告主44。dsp41根据接收到的相关信息为广告主44预测用户45的点击概率。dsp41利用上述任一个实施例中的确定方法为点击概率高于阈值的广告主44计算最终竞取代价数据。dsp41将最高的最终竞取代价数据发送给广告交易平台42。

广告交易平台42整合各dsp发来的最终竞取代价数据，将发送最高的最终竞取代价数据的dsp确定为竞取成功dsp。广告交易平台42按照第二高的最终竞取代价数据向成功dsp相应的广告主扣费，并将竞取结果告知各dsp，将成交的最终竞取代价数据发送给成功dsp。dsp41可以根据竞取结果更新广告位的历史竞取成功概率。

上述实施例中，根据历史竞取成功概率、广告主的最高竞取代价数据和用户点击率确定最终竞取代价数据。这样，可以在综合考虑竞取激烈程度、广告主需求和用户质量等多方面因素的情况下确定合适的竞取代价，从而避免了资源浪费、提高了竞取成功率。

图5示出本公开的代价数据的确定装置的一些实施例的框图。

如图5所示，代价数据的确定装置5包括接收器51和处理器52。

接收器51用于接收互联网媒体的相关信息和登录互联网媒体的用户的相关信息，还用于获取广告主对于互联网媒体的待竞取广告位的历史竞取成功概率。

处理器52用于根据互联网媒体的相关信息和用户的相关信息预测用户对于广告主的广告的点击概率；根据点击概率、历史竞取成功概率和广告主的最高竞取代价数据确定广告主对于待竞取广告位的最终竞取代价数据。最终竞取代价数据与点击概率正相关、与历史竞取成功概率负相关、与最高竞取代价数据正相关。

在一些实施例中，处理器52根据e^c和e^s确定比例系数k，k与e^c正相关，k与e^s负相关。在k>0的情况下，将k×pmax和pmax中较小的一个确定为最终竞取代价数据；在k≤0的情况下，将pmin确定为最终竞取代价数据，pmin为广告主的最低竞取代价数据。例如，α≥0、β≥0，处理器52计算候选竞取代价数据p＝min(k×pmax×λ,pmax)，将p和pmin中大的一个确定为最终竞取代价数据。

在一些实施例中，代价数据的确定装置5还包括发送器53。发送器53用于将最终竞取代价数据最高的广告主的最终竞取代价数据发送给广告交易平台。

图6示出本公开的代价数据的确定装置的另一些实施例的框图。

如图6所示，该实施例的代价数据的确定装置6包括：存储器61以及耦接至该存储器61的处理器62，处理器62被配置为基于存储在存储器61中的指令，执行本公开中任意一个实施例中的代价数据的确定方法中的一个或多个步骤。

其中，存储器61例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(bootloader)、数据库以及其他程序等。

图7示出本公开的代价数据的确定装置的又一些实施例的框图。

如图7所示，该实施例的代价数据的确定装置7包括：存储器710以及耦接至该存储器710的处理器720，处理器720被配置为基于存储在存储器710中的指令，执行前述任意一个实施例中的代价数据的确定方法。

存储器710例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(bootloader)以及其他程序等。

代价数据的确定装置7还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730、740、750以及存储器710和处理器720之间例如可以通过总线760连接。其中，输入输出接口730为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口。存储接口740为sd卡、u盘等外置存储设备提供连接接口。

本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

至此，已经详细描述了根据本公开的代价数据的确定方法、代价数据的装置和计算机可读存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

可能以许多方式来实现本公开的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。