基于流量价值的广告投放方法、装置及电子设备及存储介质与流程

1.本技术涉及计算机技术领域，具体而言，涉及一种基于流量价值的广告投放方法、装置及电子设备及存储介质。


背景技术：

2.目前，现有技术在向用户推荐广告时，采用的方式为：先预测广告的点击率，然而基于广告的点击率向用户推荐广告，例如，当广告a每投放一次有100次点击，而广告b每投放一次有50次点击时，向用户投放广告a，其中，由于广告a的点击率高，因此由更好的投放效果。
3.由上可知，现有技术仅基于广告的点击率来投放广告，然而在实际场景中，当广告投放后，用户的点击行为可以是用户误触发的，或者是说用户虽然点击广告，但是并没有进行相关的业务操作，因此，现有技术在这一场景下，存在投放不精准、浪费流量的缺陷。


技术实现要素：

4.本技术实施例的目的在于提供一种机器学习模型的训练方法、装置及电子设备、存储介质，用以在提高广告投放的精准度和避免流量浪费。
5.本技术第一方面公开一种基于流量价值的广告投放方法，所述方法包括：
6.获取目标广告的若干投放策略的特征信息和所述目标广告的投放对象的特征信息；
7.基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的用户点击率；
8.基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的价值提升概率；
9.基于所述目标广告的每个所述投放策略的特征信息和每个所述投放策略的价值提升概率计算每个所述投放策略的业务价值指标的值；
10.基于每个所述投放策略的业务价值指标的值和每个所述投放策略的用户点击率，计算每个所述投放策略的策略得分；
11.基于每个所述投放策略的策略得分，确定所述目标广告的最优投放策略。
12.在本技术中，通过获取目标广告的若干投放策略的特征信息和所述目标广告的投放对象的特征信息，进而能够基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的用户点击率，进而能够基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的价值提升概率，另一方面，基于所述目标广告的每个所述投放策略的特征信息和每个所述投放策略的价值提升概率能够计算每个所述投放策略的业务价值指标的值，进而能够基于每个所述投放策略的业务价值指标的值和每个所述投放策略的用户点击率，计算每个所述投放策略的策略得分，进而能够基于每个所述投放策略的策略得分，确定所述目标广告的最优投
放策略。
13.与现有技术相比，本技术在确定目标广告的投放策略时，不仅能够考虑每个投放策略所带来的点击率，还能够考虑每个投放策略价值提升概率以及每个所述投放策略的业务价值指标的值，从而能够更加精确地确定最优投放策略，进而避免流量浪费。
14.在本技术第一方面中，作为一种可选的实施方式，所述业务价值指标包括第一业务价值指标和第二业务价值指标，其中，所述第一业务价值指标表征所述目标广告千次曝光后所述投放对象点击所述目标广告所带来的aum总额，所述第二业务指标表征所述目标广告千次曝光后所述投放对象点击所述目标广告所带来的aum营收总额。
15.在本可选的实施方式中，基于所述目标广告的每个所述投放策略的特征信息和每个所述投放策略的价值提升概率能够计算所述目标广告千次曝光后所述投放对象点击所述目标广告所带来的aum总额和所述目标广告千次曝光后所述投放对象点击所述目标广告所带来的aum营收总额。
16.在本技术第一方面中，作为一种可选的实施方式，所述基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的用户点击率，包括：
17.将所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息输入至点击率预估模型，以使得所述点击率预估模型计算并输出每个所述投放策略的用户点击率。
18.在本可选的实施方式中，通过将所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息输入至点击率预估模型，能够使得所述点击率预估模型计算并输出每个所述投放策略的用户点击率。
19.在本技术第一方面中，作为一种可选的实施方式，所述方法还包括:
20.获取第一训练样本，所述第一训练样本包括第一正样本和第一负样本，所述第一正样本表征用户点击过广告的样本，所述第一负样本表征用户没有点击过广告的样本；
21.基于第一正样本和所述第一负样本提取第一特征信息，所述第一特征信息包括广告行为类特征、历史广告点击特征、用户特征；
22.基于所述广告行为类特征、所述历史广告点击特征和所述用户特训练所述点击率预估模型。
23.在本可选的实施方式中，通过获取第一训练样本，进而能够基于第一正样本和所述第一负样本提取广告行为类特征、历史广告点击特征、用户特征，进而能够基于所述广告行为类特征、所述历史广告点击特征和所述用户特训练所述点击率预估模型。
24.在本技术第一方面中，作为一种可选的实施方式，所述基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的价值提升概率，包括：
25.将所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息输入至策略价值预测模型中，以使得所述策略价值预测模型计算并输出每个所述投放策略的价值提升概率。
26.在本可选的实施方式，将所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息输入至策略价值预测模型中，进而能够使得所述策略价值预测模型计算
并输出每个所述投放策略的价值提升概率。
27.在本技术第一方面中，作为一种可选的实施方式，所述基于每个所述投放策略的业务价值指标的值和每个所述投放策略的用户点击率，计算每个所述投放策略的策略得分，包括：
28.基于每个所述投放策略的业务价值指标的值计算所述投放策略的第一得分；
29.基于每个所述投放策略的用户点击率计算所述投放策略的第二得分；
30.基于所述第一得分的权重、所述第二得分的权重、所述第一得分和所述第二得分计算每个所述投放策略的策略得分。
31.在本可选的实施方式中，基于每个所述投放策略的业务价值指标的值能够计算所述投放策略的第一得分，进而能够基于每个所述投放策略的用户点击率计算所述投放策略的第二得分，进而能够基于所述第一得分的权重、所述第二得分的权重、所述第一得分和所述第二得分计算每个所述投放策略的策略得分。
32.在本技术第一方面中，作为一种可选的实施方式，所述基于每个所述投放策略的业务价值指标的值计算所述投放策略的第一得分，包括：
33.当所述投放策略有多个所述业务价值指标的值时，获取每个所述业务价值指标的权重；
34.基于每个所述业务价值指标的权重计算所述投放策略的总业务价值；
35.基于所述投放策略的总业务价值在所有所述投放策略中的排名，确认所述投放策略第一得分。
36.在本可选的实施方式中，通过获取每个所述业务价值指标的权重，进而能够基于每个所述业务价值指标的权重计算所述投放策略的总业务价值，进而能够基于所述投放策略的总业务价值在所有所述投放策略中的排名，确认所述投放策略第一得分。
37.本技术第二方面公开一种基于流量价值的广告投放装置，所述装置包括：
38.获取模块，用于获取目标广告的若干投放策略的特征信息和所述目标广告的投放对象的特征信息；
39.第一计算模块，用于基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的用户点击率；
40.第二计算模块，用于基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的价值提升概率；
41.第三计算模块，用于基于所述目标广告的每个所述投放策略的特征信息和每个所述投放策略的价值提升概率计算每个所述投放策略的业务价值指标的值；
42.第四计算模块，用于基于每个所述投放策略的业务价值指标的值、每个所述投放策略的价值提升概率和每个所述投放策略的用户点击率，计算每个所述投放策略的策略得分；
43.第五计算模块，用于基于每个所述投放策略的策略得分，确定所述目标广告的最优投放策略。
44.在本技术中，通过获取目标广告的若干投放策略的特征信息和所述目标广告的投放对象的特征信息，进而能够基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的用户点击率，进而能够基于所述目标广告的每
个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的价值提升概率，另一方面，基于所述目标广告的每个所述投放策略的特征信息和每个所述投放策略的价值提升概率能够计算每个所述投放策略的业务价值指标的值，进而能够基于每个所述投放策略的业务价值指标的值和每个所述投放策略的用户点击率，计算每个所述投放策略的策略得分，进而能够基于每个所述投放策略的策略得分，确定所述目标广告的最优投放策略。
45.与现有技术相比，本技术在确定目标广告的投放策略时，不仅能够考虑每个投放策略所带来的点击率，还能够考虑每个投放策略价值提升概率以及每个所述投放策略的业务价值指标的值，从而能够更加精确地确定最优投放策略，进而避免流量浪费。
46.本技术第三方面公开一种电子设备，所述电子设备包括：
47.处理器；以及
48.存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，执行本技术第一方面的基于流量价值的广告投放方法。
49.在本技术中，通过获取目标广告的若干投放策略的特征信息和所述目标广告的投放对象的特征信息，进而能够基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的用户点击率，进而能够基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的价值提升概率，另一方面，基于所述目标广告的每个所述投放策略的特征信息和每个所述投放策略的价值提升概率能够计算每个所述投放策略的业务价值指标的值，进而能够基于每个所述投放策略的业务价值指标的值和每个所述投放策略的用户点击率，计算每个所述投放策略的策略得分，进而能够基于每个所述投放策略的策略得分，确定所述目标广告的最优投放策略。
50.与现有技术相比，本技术在确定目标广告的投放策略时，不仅能够考虑每个投放策略所带来的点击率，还能够考虑每个投放策略价值提升概率以及每个所述投放策略的业务价值指标的值，从而能够更加精确地确定最优投放策略，进而避免流量浪费。
51.本技术第三方面公开一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行本技术第一方面的基于流量价值的广告投放方法。
52.在本技术中，通过获取目标广告的若干投放策略的特征信息和所述目标广告的投放对象的特征信息，进而能够基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的用户点击率，进而能够基于所述目标广告的每个所述投放策略的特征信息和所述投放对象的特征信息计算每个所述投放策略的价值提升概率，另一方面，基于所述目标广告的每个所述投放策略的特征信息和每个所述投放策略的价值提升概率能够计算每个所述投放策略的业务价值指标的值，进而能够基于每个所述投放策略的业务价值指标的值和每个所述投放策略的用户点击率，计算每个所述投放策略的策略得分，进而能够基于每个所述投放策略的策略得分，确定所述目标广告的最优投放策略。
53.与现有技术相比，本技术在确定目标广告的投放策略时，不仅能够考虑每个投放策略所带来的点击率，还能够考虑每个投放策略价值提升概率以及每个所述投放策略的业务价值指标的值，从而能够更加精确地确定最优投放策略，进而避免流量浪费。
附图说明
54.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
55.图1是本技术实施例公开的一种基于流量价值的广告投放方法的流程示意图；
56.图2是本技术实施例公开的一种基于流量价值的广告投放装置的结构示意图；
57.图3是本技术实施例公开的一种电子设备的结构示意图。
具体实施方式
58.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
59.实施例一
60.请参阅图1，图1是本技术实施例公开的一种基于流量价值的广告投放方法的流程示意图。如图1所示，本技术实施例的方法包括以下步骤：
61.101、获取目标广告的若干投放策略的特征信息和目标广告的投放对象的特征信息；
62.102、基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的用户点击率；
63.103、基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的价值提升概率；
64.104、基于目标广告的每个投放策略的特征信息和每个投放策略的价值提升概率计算每个投放策略的业务价值指标的值；
65.105、基于每个投放策略的业务价值指标的值、每个投放策略的价值提升概率和每个投放策略的用户点击率，计算每个投放策略的策略得分；
66.106、基于每个投放策略的策略得分，确定目标广告的最优投放策略。
67.在本技术实施例中，通过获取目标广告的若干投放策略的特征信息和目标广告的投放对象的特征信息，进而能够基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的用户点击率，进而能够基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的价值提升概率，另一方面，基于目标广告的每个投放策略的特征信息和每个投放策略的价值提升概率能够计算每个投放策略的业务价值指标的值，进而能够基于每个投放策略的业务价值指标的值和每个投放策略的用户点击率，计算每个投放策略的策略得分，进而能够基于每个投放策略的策略得分，确定目标广告的最优投放策略。
68.与现有技术相比，本技术在确定目标广告的投放策略时，不仅能够考虑每个投放策略所带来的点击率，还能够考虑每个投放策略价值提升概率以及每个投放策略的业务价值指标的值，从而能够更加精确地确定最优投放策略，进而避免流量浪费。
69.在本技术实施例中，作为一种可选的实施方式，业务价值指标包括第一业务价值指标和第二业务价值指标，其中，第一业务价值指标表征目标广告千次曝光后投放对象点击目标广告所带来的aum总额，第二业务指标表征目标广告千次曝光后投放对象点击目标
广告所带来的aum营收总额。
70.在本可选的实施方式中，基于目标广告的每个投放策略的特征信息和每个投放策略的价值提升概率能够计算目标广告千次曝光后投放对象点击目标广告所带来的aum总额和目标广告千次曝光后投放对象点击目标广告所带来的aum营收总额。
71.在本技术实施例中，作为一个示例，假设目标广告为购买理财产品广告，此时，该购买理财产品广告的投放策略有两种，一种是通过趣头条投放，另一种是通过腾讯视频进行投放，进一步地，趣头条在用户观看的新闻或文章的底部插入“购买理财产品广告”，并且是每天投放2000条，则该投放策略的特征信息可以是[type:1；count:2000]，相应地，如果腾讯视频在用户观看视频的末尾插入“购买理财产品广告”，并且每天投放3000条，每次投放5s，则该投放策略的特征信息可以是[type:2；count:3000；time：5s]。
[0072]
进一步示例地，如果“购买理财产品广告”是针对25岁-30岁的人群进行投放，则25岁-30岁的人群为该广告的投放对象，此时，基于统计结果，可得到投放对象的特征信息为[age:26-30；number：5-10]，其中，number：5-10]为基于统计结果得到该年龄段的存款范围为5-10万。
[0073]
进一步示例性，基于[type:1；count:2000]、[age:26-30；number：5-10]可计算得到趣头条这一投放策略的用户点击率为每1000次曝光，用户点击50次，而基于[type:2；count:3000；time：5s]、[age:26-30；number：5-10]可计算得到腾讯视频这一投放策略的用户点击率为每1000次曝光，用户点击300次。
[0074]
进一步示例性，基于[type:1；count:2000]、[age:26-30；number：5-10]可计算得到趣头条这一投放策略的价值提升概率为50％，也就是说用户每点击一次广告，可能购买目标理财产品的概率为50％。
[0075]
进一步示例性，基于趣头条这一投放策略的价值提升概率和特征信息，可计算得到趣头条这一投放策略所带来的收益为购买理财产品5万，或每月定投1万，其中，购买理财产品的总数额、每月定投额度为业务价值指标，5万和1万分别是两个业务价值指标的值。
[0076]
进一步示例性，基于趣头条的业务价值指标的值、价值提升概率、用户点击率可得到趣头条的策略得分为6分，而腾讯视频的策略得分可以为7分，从而腾讯视频为最优投放策略。需要说明的是，为了基于投放策略的业务价值指标的值、投放策略的价值提升概率和投放策略的用户点击率计算投放策略的策略得分，可先对投放策略的业务价值指标的值、投放策略的价值提升概率和投放策略的用户点击率进行归一化处理，从而转换为无量纲，便于计算。
[0077]
在本技术实施例中，作为一种可选的实施方式，步骤：基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的用户点击率，包括以下子步骤：
[0078]
将目标广告的每个投放策略的特征信息和投放对象的特征信息输入至点击率预估模型，以使得点击率预估模型计算并输出每个投放策略的用户点击率。
[0079]
在本可选的实施方式中，通过将目标广告的每个投放策略的特征信息和投放对象的特征信息输入至点击率预估模型，能够使得点击率预估模型计算并输出每个投放策略的用户点击率。
[0080]
在本技术实施例中，作为一种可选的实施方式，本技术实施例的方法还包括以下步骤:
[0081]
获取第一训练样本，第一训练样本包括第一正样本和第一负样本，第一正样本表征用户点击过广告的样本，第一负样本表征用户没有点击过广告的样本；
[0082]
基于第一正样本和第一负样本提取第一特征信息，第一特征信息包括广告行为类特征、历史广告点击特征、用户特征；
[0083]
基于广告行为类特征、历史广告点击特征和用户特训练点击率预估模型。
[0084]
在本可选的实施方式中，广告行为可以分为视频类观看广告、文字类观看广告，其中，视频类观看广告可用1表示，即该视频类观看广告的特征为1。进一步地，历史广告点击特征可以是用户点击广告的次数、观看广告的时长，而用户特征可是观看者的年龄段。
[0085]
在本可选的实施方式中，通过获取第一训练样本，进而能够基于第一正样本和第一负样本提取广告行为类特征、历史广告点击特征、用户特征，进而能够基于广告行为类特征、历史广告点击特征和用户特训练点击率预估模型。
[0086]
在本技术实施例中，作为一种可选的实施方式，步骤：基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的价值提升概率，包括以下子步骤：
[0087]
将目标广告的每个投放策略的特征信息和投放对象的特征信息输入至策略价值预测模型中，以使得策略价值预测模型计算并输出每个投放策略的价值提升概率。
[0088]
在本可选的实施方式，将目标广告的每个投放策略的特征信息和投放对象的特征信息输入至策略价值预测模型中，进而能够使得策略价值预测模型计算并输出每个投放策略的价值提升概率。
[0089]
在本可选的实施方式中，策略价值预测模型可根据第二训练样本得到。
[0090]
在本技术实施例中，作为一种可选的实施方式，步骤：基于每个投放策略的业务价值指标的值和每个投放策略的用户点击率，计算每个投放策略的策略得分，包括以下步骤：
[0091]
基于每个投放策略的业务价值指标的值计算投放策略的第一得分；
[0092]
基于每个投放策略的用户点击率计算投放策略的第二得分；
[0093]
基于第一得分的权重、第二得分的权重、第一得分和第二得分计算每个投放策略的策略得分。
[0094]
在本可选的实施方式中，基于每个投放策略的业务价值指标的值能够计算投放策略的第一得分，进而能够基于每个投放策略的用户点击率计算投放策略的第二得分，进而能够基于第一得分的权重、第二得分的权重、第一得分和第二得分计算每个投放策略的策略得分。
[0095]
在本技术实施例中，作为一种可选的实施方式，基于每个投放策略的业务价值指标的值计算投放策略的第一得分，包括以下步骤：
[0096]
当投放策略有多个业务价值指标的值时，获取每个业务价值指标的权重；
[0097]
基于每个业务价值指标的权重计算投放策略的总业务价值；
[0098]
基于投放策略的总业务价值在所有投放策略中的排名，确认投放策略第一得分。
[0099]
在本可选的实施方式中，通过获取每个业务价值指标的权重，进而能够基于每个业务价值指标的权重计算投放策略的总业务价值，进而能够基于投放策略的总业务价值在所有投放策略中的排名，确认投放策略第一得分。
[0100]
实施例二
[0101]
请参阅图2，图2是本技术实施例公开的一种基于流量价值的广告投放装置的结构示意图，如图2所示，本技术实施例的装置包括以下功能模块：
[0102]
获取模块201，用于获取目标广告的若干投放策略的特征信息和目标广告的投放对象的特征信息；
[0103]
第一计算模块202，用于基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的用户点击率；
[0104]
第二计算模块203，用于基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的价值提升概率；
[0105]
第三计算模块204，用于基于目标广告的每个投放策略的特征信息和每个投放策略的价值提升概率计算每个投放策略的业务价值指标的值；
[0106]
第四计算模块205，用于基于每个投放策略的业务价值指标的值、每个投放策略的价值提升概率和每个投放策略的用户点击率，计算每个投放策略的策略得分；
[0107]
第五计算模块206，用于基于每个投放策略的策略得分，确定目标广告的最优投放策略。
[0108]
在本技术实施例中，通过获取目标广告的若干投放策略的特征信息和目标广告的投放对象的特征信息，进而能够基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的用户点击率，进而能够基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的价值提升概率，另一方面，基于目标广告的每个投放策略的特征信息和每个投放策略的价值提升概率能够计算每个投放策略的业务价值指标的值，进而能够基于每个投放策略的业务价值指标的值和每个投放策略的用户点击率，计算每个投放策略的策略得分，进而能够基于每个投放策略的策略得分，确定目标广告的最优投放策略。
[0109]
与现有技术相比，本技术在确定目标广告的投放策略时，不仅能够考虑每个投放策略所带来的点击率，还能够考虑每个投放策略价值提升概率以及每个投放策略的业务价值指标的值，从而能够更加精确地确定最优投放策略，进而避免流量浪费。
[0110]
需要说明的是，关于本技术实施例的其他说明，请参阅本技术实施例一的相关说明，本技术实施例对此不作赘述。
[0111]
实施例三
[0112]
请参阅图3，图3是本技术实施例公开的一种电子设备的结构示意图。如图3所示，本技术实施例的电子设备包括：
[0113]
处理器301；以及
[0114]
存储器302，配置用于存储机器可读指令，指令在由处理器301执行时，执行本技术实施例的基于流量价值的广告投放方法。
[0115]
在本技术实施例中，通过获取目标广告的若干投放策略的特征信息和目标广告的投放对象的特征信息，进而能够基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的用户点击率，进而能够基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的价值提升概率，另一方面，基于目标广告的每个投放策略的特征信息和每个投放策略的价值提升概率能够计算每个投放策略的业务价值指标的值，进而能够基于每个投放策略的业务价值指标的值和每个投放策略的用户点
击率，计算每个投放策略的策略得分，进而能够基于每个投放策略的策略得分，确定目标广告的最优投放策略。
[0116]
与现有技术相比，本技术在确定目标广告的投放策略时，不仅能够考虑每个投放策略所带来的点击率，还能够考虑每个投放策略价值提升概率以及每个投放策略的业务价值指标的值，从而能够更加精确地确定最优投放策略，进而避免流量浪费。
[0117]
实施例四
[0118]
本技术实施例公开一种存储介质，存储介质存储有计算机程序，计算机程序被处理器执行本技术实施例一的基于流量价值的广告投放方法。
[0119]
在本技术实施例中，通过获取目标广告的若干投放策略的特征信息和目标广告的投放对象的特征信息，进而能够基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的用户点击率，进而能够基于目标广告的每个投放策略的特征信息和投放对象的特征信息计算每个投放策略的价值提升概率，另一方面，基于目标广告的每个投放策略的特征信息和每个投放策略的价值提升概率能够计算每个投放策略的业务价值指标的值，进而能够基于每个投放策略的业务价值指标的值和每个投放策略的用户点击率，计算每个投放策略的策略得分，进而能够基于每个投放策略的策略得分，确定目标广告的最优投放策略。
[0120]
与现有技术相比，本技术在确定目标广告的投放策略时，不仅能够考虑每个投放策略所带来的点击率，还能够考虑每个投放策略价值提升概率以及每个投放策略的业务价值指标的值，从而能够更加精确地确定最优投放策略，进而避免流量浪费。
[0121]
在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0122]
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0123]
再者，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0124]
需要说明的是，功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0125]
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。
[0126]
以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。