广告位上的广告的点击次数预估方法和装置制造方法
【专利摘要】本发明公开了一种广告位上的广告点击次数的预估方法和装置，所述方法包括：针对待预估的广告位上投放的广告的每个定向，使用预先选取出的广告曝光数的预估模型，得到设定预估时间段内该定向的广告曝光数的预估值；并根据统计出的设定历史时间段内各定向的广告曝光数的实际值之和、广告点击次数的实际值之和，确定出设定历史时间段内的广告点击率；分别计算出每个定向的广告曝光数的预估值与广告点击率的乘积，将计算出的各乘积之和作为设定预估时间段内的广告点击次数的预估值；其中，广告曝光数的预估模型是根据预先训练的广告曝光数的至少两个预估模型的预估错误率，从至少两个预估模型中选取出来的。本发明可以提高广告点击次数的预估准确率。
【专利说明】广告位上的广告的点击次数预估方法和装置
【技术领域】
[0001] 本发明涉及互联网【技术领域】，尤其涉及一种广告位上的广告的点击次数预估方法 和装置。
【背景技术】
[0002] 网络广告就是在网络上做的广告。网络广告是一种通过网络传递到互联网用户的 高科技广告运作方式。它通过网络广告投放平台来利用网站上的广告横幅、文本链接、多媒 体的方法，在互联网刊登或发布广告。其中，根据计费来划分的CPC(Cost Per Click，按点 击次数收费）广告与CPD (Cost Per Day，按天数收费）广告和CPM(Cost Per Mille，按每 显示千次收费）广告不同，CPC广告的广告主按照用户点击广告的次数来收费，是网络中比 较成熟的广告形式之一。
[0003] 定向广告是指可按照人口统计特征，针对指定的地域、年龄、性别、兴趣、学历、婚 姻状况等的受众进行广告投放的形式，定向广告可以为客户找到精确的受众群。例如，对于 年龄，广告投放时可以包括女性的定向和男性的定向。因此，CPC广告和定向广告的结合为 广大广告主所青睐。
[0004] 通常，广告主在投放广告之前，希望了解网站上的某个或某些广告位投放广告的 效果，并根据了解的投放效果来制定预订广告位的决策等。因此，为满足广告主进行网站 上的广告位的查询、预订和释放等多个操作的要求，现有技术通常采取一定的方式，对未来 一段时间某个广告位上投放的广告被点击的次数进行预估，以供广告主进行广告投放的参 考。
[0005] 现有技术中，广告位上的广告点击次数的预估方法通常是基于单一的预估模型进 行预估。其中，预估模型是根据历史趋势进行建模得到的。
[0006] 然而，本发明的发明人发现不同的广告位的历史趋势往往不同，例如，有的广告位 的广告点击次数对周趋势的波动比较敏感，周一到周五由于是工作日广告点击次数较少， 周六周日由于是休息日广告点击次数较多，而有的广告位的广告点击次数对季节性趋势比 较敏感，因此，使用单一的预估模型对不同广告位的广告点击次数进行预估，往往会使得预 估准确率不高，甚至可能会出现预估的广告点击次数为负值等不合常理的情况。
[0007] 因此，有必要提供一种能够更为准确地进行广告位上的广告点击次数预估的方 法。
【发明内容】
[0008] 针对上述现有技术存在的缺陷，本发明实施例提供了一种广告位上的广告点击次 数的预估方法和装置，用以更为准确地进行广告点击次数的预估。
[0009] 本发明实施例提供了一种广告位上的广告点击次数的预估方法，包括：
[0010] 针对待预估的广告位上已投放的广告的每个定向，使用预先选取出的广告曝光数 的预估模型，得到设定预估时间段内该定向的广告曝光数的预估值；并 toon] 根据统计出的设定历史时间段内各定向的广告曝光数的实际值之和、以及广告点 击次数的实际值之和，确定出所述设定历史时间段内的广告点击率；
[0012] 分别计算出每个定向的广告曝光数的预估值与所述广告点击率的乘积，将计算出 的各乘积之和作为所述设定预估时间段内的广告点击次数的预估值；
[0013] 其中，所述广告曝光数的预估模型是根据预先训练的广告曝光数的至少两个预估 模型的预估错误率，从所述至少两个预估模型中选取出来的。
[0014] 其中，所述至少两个预估模型包括：第一预估模型和第四预估模型；
[0015] 第一预估模型和第四预估模型中第i天的广告曝光数的预估值P[i]均是根据第 i-T天的广告曝光数的实际值来确定的，T为预设周期；
[0016] 其中，第一预估模型中第i天的广告曝光数的预估值P[i]具体为：
[0017] p[i] = growth (i) X seasonality (i) (公式 5)
[0018] 公式5中，seasonality(i)为第一纠正因子，且
【权利要求】
1. 一种广告位上的广告点击次数的预估方法，其特征在于，包括： 针对待预估的广告位上已投放的广告的每个定向，使用预先选取出的广告曝光数的预 估模型，得到设定预估时间段内该定向的广告曝光数的预估值；并 根据统计出的设定历史时间段内各定向的广告曝光数的实际值之和、以及广告点击次 数的实际值之和，确定出所述设定历史时间段内的广告点击率； 分别计算出每个定向的广告曝光数的预估值与所述广告点击率的乘积，将计算出的各 乘积之和作为所述设定预估时间段内的广告点击次数的预估值； 其中，所述广告曝光数的预估模型是根据预先训练的广告曝光数的至少两个预估模型 的预估错误率，从所述至少两个预估模型中选取出来的。
2. 如权利要求1所述的方法，其特征在于，所述至少两个预估模型包括：第一预估模型 和第四预估模型；以及 第一预估模型和第四预估模型中第i天的广告曝光数的预估值P[i]均是根据第i_T天的广告曝光数的实际值来确定的，T为预设周期； 其中，第一预估模型中第i天的广告曝光数的预估值P[i]具体为：p[i] =growth(i)Xseasonality(i) (公式 5) 公式5中，seasonality(i)为第一纠正因子，且
T1为第一预设周期；growth(i) =S1Xi+h和Id1为第一预估模型的训练 参数；h[i_Tj为第I-T1天的广告曝光数的实际值；以及 第四预估模型中第i天的广告曝光数的预估值P[i]具体为：p[i] =a4Xh[i-T4]+b4 (公式 8) 其中，T4为第二预设周期；h[i_T4]表示第i_T4天的广告曝光数的实际值；a4和b4为第 四预估模型的训练参数。
3. 如权利要求2所述的方法，其特征在于，所述至少两个预估模型还包括：第二预估模 型、第三预估模型和holt-winter预估模型；以及 第二预估模型中第w周第i天的广告曝光数的预估值p[i，w]是根据第w周之前的若 干个周的第i天的广告曝光数的实际值来确定的；其中，第二预估模型中第w周第i天的广 告曝光数的预估值P[i，w]具体为：
公式6中，若第w-j2周第i天记录有广告曝光数的实际值，则g[i,w-j2]表示第w-戈周 第i天的广告曝光数的实际值，否则g[i，w_j2]表示第w_j2周第i天的广告曝光数的预估 值；k2为整数，表示第二预估模型的训练参数；j2取1到k2的整数；以及 第三预估模型中第i天的广告曝光数的预估值P[i]是根据第i天之前的若干天的广 告曝光数的实际值来确定的；其中，第二预估模型中第i天的广告曝光数的预估值P[i]具 体为：
公式7中，若第i-j3天记录有广告曝光数的实际值，则h[i-j3]表示第i-j3天的广告 曝光数的实际值，否则h[i-j3]表示第i-j3天的广告曝光数的预估值；k3为整数，表示第三 预估模型的训练参数；j3取1到k3的整数。
4. 如权利要求1-3任一所述的方法，其特征在于，对于训练的广告曝光数的每个预估 模型，该预估模型的预估错误率是根据如下公式10计算出来的：
公式10中，s表示测试数据集的天数，sGS= (S1,Si+u,SA2U，.....，sn},S1表示S 中的第一个数据项，sn表示S中的第n个数据项，Sn =Sl+(n-l)u，u表示递增项；E为计算 出的预估错误率；
ms表示从1-s天到1-1天内的平均预估错误率；1为训练 数据集和测试数据集的总长度；
表示第i天的预估错误率；P[i]为基于 该预估模型得到的第i天的广告曝光数的预估值；h[i]为第i天的广告曝光数的实际值；
?s表示测试数据集s的权重；e为平滑参数。
5. 如权利要求4所述的方法，其特征在于，所述得到设定预估时间段内该定向的广告 曝光数的预估值之后，还包括： 根据如下公式11对所述设定预估时间段内该定向的广告曝光数的预估值pfOT_st进行 趋势纠正： PadjustmentPforecastX人 (A式 11) 公式11中，Padjustnrent表示纠正后的广告曝光数的预估值彳表示第二纠正因子，入=hac;tuai/ps_th，其中，Ps_th和hartual分别表示所述设定历史时间段内该定向的广告曝光数的 平滑值和实际值。
6. 如权利要求1-3任一所述的方法，其特征在于，所述至少两个预估模型均是基于预 处理后的训练数据进行训练的； 其中，所处预处理具体包括数据清洗处理和数据平滑处理； 所述数据清洗处理具体包括：历史数据过少的定向数据清洗、以及异常波动和残缺严 重数据清洗； 所述数据平滑处理具体包括：异常抖动数据平滑处理和节假日异常数据平滑处理。
7. 如权利要求6所述的方法，其特征在于，所述异常抖动数据平滑处理具体为： 根据第w周第i天的广告曝光数的实际值h[i，w]，分别根据如下公式1、2、3计算局部 平均值U、上界值bu和下界值Id1 :
根据如下公式4对第w周第i天的广告曝光数进行平滑处理，得到第w周第i天的广 告曝光数的平滑值hw[i，w]' ：
8. -种广告位上广告点击次数的预估装置，其特征在于，包括： 预估模型选取模块，用于根据预先训练的广告曝光的至少两个预估模型的预估错误 率，从所述至少两个预估模型中选取出用于广告曝光数预估的预估模型； 广告曝光数预估模块，用于针对待预估的广告位上已投放的广告的每个定向，使用所 述预估模型选取模块选取出的广告曝光数的预估模型，得到设定预估时间段内该定向的广 告曝光数的预估值； 广告点击率确定模块，用于根据统计出的设定历史时间段内各定向的广告曝光数的 实际值之和、以及广告点击次数的实际值之和，确定出所述设定历史时间段内的广告点击 率； 广告点击次数预估模块，用于分别计算出每个定向的广告曝光数的预估值与所述广告 点击率的乘积，将计算出的各乘积之和作为所述设定预估时间段内的广告点击次数的预估 值。
9. 如权利要求8所述的装置，其特征在于，所述至少两个预估模型包括：第一预估模型 和第四预估模型；以及 第一预估模型和第四预估模型中第i天的广告曝光数的预估值P[i]均是根据第i_T天的广告曝光数的实际值来确定的，T为预设周期； 其中，第一预估模型中第i天的广告曝光数的预估值P[i]具体为：p[i] =growth(i)Xseasonality(i) (公式 5) 公式5中，seasonality(i)为第一纠正因子，且
T1为第一预设周期；growth(i) =S1Xi+h 和Id1为第一预估模型的训练 参数；h[i_Tj为第I-T1天的广告曝光数的实际值；以及 第四预估模型中第i天的广告曝光数的预估值P[i]具体为：p[i] =a4Xh[i-T4]+b4 (公式 8) 其中，T4为第二预设周期；h[i_T4]表示第i_T4天的广告曝光数的实际值；a4和b4为第 四预估模型的训练参数。
10. 如权利要求9所述的装置，其特征在于，所述至少两个预估模型还包括：第二预估 模型、第三预估模型和holt-winter预估模型；以及 第二预估模型中第w周第i天的广告曝光数的预估值p[i，w]是根据第w周之前的若 干个周的第i天的广告曝光数的实际值来确定的；其中，第二预估模型中第w周第i天的广 告曝光数的预估值P[i，W]具体为：
公式6中，若第w-j2周第i天记录有广告曝光数的实际值，则g[i,w-j2]表示第w-戈周 第i天的广告曝光数的实际值，否则g[i，w_j2]表示第w_j2周第i天的广告曝光数的预估 值；k2为整数，表示第二预估模型的训练参数；j2取1到k2的整数；以及 第三预估模型中第i天的广告曝光数的预估值P[i]是根据第i天之前的若干天的广 告曝光数的实际值来确定的；其中，第二预估模型中第i天的广告曝光数的预估值P[i]具 体为：
公式7中，若第i-j3天记录有广告曝光数的实际值，则h[i-j3]表示第i-j3天的广告 曝光数的实际值，否则h[i-j3]表示第i-j3天的广告曝光数的预估值；k3为整数，表示第三 预估模型的训练参数；j3取1到k3的整数。
11. 如权利要求8-10任一所述的装置，其特征在于， 所述预估模型选取模块具体用于对于训练的广告曝光数的每个预估模型，根据如下公 式10计算出该预估模型的预估错误率：
公式10中，s表示测试数据集的天数，sGS= (S1,Si+u,SA2U，.....，sn},S1表示S 中的第一个数据项，sn表示S中的第n个数据项，Sn =Sl+(n-l)u，u表示递增项；E为计算 出的预估错误率；
ms表示从1-s天到1-1天内的平均预估错误率；1为训练 数据集和测试数据集的总长度
表示第i天的预估错误率；P[i]为基于 该预估模型得到的第i天的广告曝光数的预估值；h[i]为第i天的广告曝光数的实际值；
?s表示测试数据集s的权重；e为平滑参数。
12. 如权利要求8-10任一所述的装置，其特征在于， 所述广告曝光数预估模块还用于针对待预估的广告位上已投放的广告的每个定向，根 据如下公式11对所述设定预估时间段内该定向的广告曝光数的预估值pfOT_st进行趋势纠 正： PadjustmentPforecastX人 (A式 11) 公式11中，Padjustnrent表示纠正后的广告曝光数的预估值彳表示第二纠正因子，入=hac;tuai/ps_th，其中，Ps_th和hartual分别表示所述设定历史时间段内该定向的广告曝光数的 平滑值和实际值。
13.如权利要求8-10任一所述的装置，其特征在于，还包括： 预估模型训练模块，用于基于预处理后的训练数据对所述至少两个预估模型进行训 练；其中，所处预处理具体包括数据清洗处理和数据平滑处理；所述数据清洗处理具体包 括：历史数据过少的定向数据清洗、以及异常波动和残缺严重数据清洗；所述数据平滑处 理具体包括：异常抖动数据平滑处理和节假日异常数据平滑处理。
【文档编号】G06Q30/02GK104268644SQ201410490512
【公开日】2015年1月7日 申请日期:2014年9月23日 优先权日:2014年9月23日
【发明者】高翔, 齐翔, 王永杰 申请人:新浪网技术(中国)有限公司