用于需求方平台的竞价控制方法、装置及终端与流程

本发明涉及互联网
技术领域：
，尤其涉及一种用于需求方平台的竞价控制方法、装置及终端。
背景技术：
：目前的网络展示交易中，通常是在保证用户的成本的同时，最大化用户的展示效果。例如在用户固定预算下实现展示内容的最大化展现、点击以及转化，最大化展示覆盖的人群量。现有技术中，需要在需求方平台(DemandSidePlatform,DSP)上针对以上不同的优化目标建立不同的模型，例如预测模型以及出价模型，并在线进行实时预估和投放。DSP在选择流量来源进行竞价时，只需关心点击率、转化率等指标，并选取千次网页展示收入(effectivecostpermille,eCPM)最大的展示内容进行投放即可。出价模型通常采用的竞价方式有：千人显示成本(Costpermille,CPM)，也即按照一个常量进行出价；或者，出价为cpc×pctr，其中，cpc为每点击成本(CostPerClick,CPC)，pctr为预估点击率(predictedclickthroughrate,PCTR)，也就是按照点击量和/或转化量来计费；或者，出价为cpa×pctr×pcvr，其中，cpa为每行动成本(Costperaction,CPA)，pctr为预估点击率，pcvr为预估转化率(predictedClickValueRate,PCVR)，也就是按照访问者到达指定页面后的下载、留言、注册或者互动行为数量进行计费。实际应用中，通常由用户指定CPC、CPA和CPM。关键绩效指标(KeyPerformanceIndicator,KPI)是衡量展示效果的指标，通常与点击量和/或转化量正相关。但是，DSP在对展示内容进行竞价投放时，如何在固定预算约束的前提下最大化KPI是竞价投放的技术难点。技术实现要素：本发明解决的技术问题是如何在固定预算约束的前提下最大化关键绩效指标。为解决上述技术问题，本发明实施例提供一种用于需求方平台的竞价控制方法，用于需求方平台的竞价控制方法包括：采用预设训练数据训练得到出价模型的最优参数，所述预设训练数据为竞价获胜的历史数据，所有预设训练数据对应同一业务类型；利用配置所述最优参数的所述出价模型对竞价请求的至少一部分进行出价，所述竞价请求与所述预设训练数据对应所述同一业务类型。可选的，所述采用预设训练数据训练得到出价模型的最优参数包括：确定出价预算；确定多组预设参数；依次将所述多组预设参数配置至所述出价模型，并基于所述预设训练数据进行出价操作，直至遍历完成多组预设参数或所有出价总和达到所述出价预算；根据出价获胜的出价操作，确定所述最优参数。可选的，所述确定出价预算包括：确定预算比例，所述预算比例为针对所述业务类型的历史竞价获胜流量与所有历史流量的比值，所述预算比例与总预算的乘积为出价预算。可选的，所述依次所述将所述多组预设参数配置至所述出价模型，并基于所述预设训练数据进行出价操作包括：将一组预设参数配置至所述出价模型；采用配置有所述预设参数的出价模型以及所述预设训练数据进行出价操作，以得到出价；更新所述预设参数，迭代所述出价操作，直至遍历完成多组预设参数或所有出价总和达到所述出价预算。可选的，所述依次所述将所述多组预设参数配置至所述出价模型，并基于所述预设训练数据进行出价操作还包括：在所述出价大于等于所述预设训练数据中的成交价时，保留所述出价操作的日志数据，作为获胜数据，每一获胜数据对应一个预设参数；或者，在所述出价小于所述预设训练数据中的成交价时，丢弃所述出价操作的日志数据。可选的，所述根据出价获胜的出价操作，确定所述最优参数包括：基于所述获胜数据中的点击量和/或转化量计算关键绩效指标；确定所述关键绩效指标的最大值对应的所述预设参数，以作为所述最优参数。可选的，所述日志数据包括以下一种或多种：所述出价、所述成交价、预估点击率、点击量和转化量。可选的，所述采用预设训练数据训练得到出价模型的最优参数包括：采用所述预设训练数据离线训练得到所述出价模型的所述最优参数。为解决上述技术问题，本发明实施例还公开了一种用于需求方平台的竞价控制装置，竞价控制装置包括，训练单元，适于采用预设训练数据训练得到出价模型的最优参数，所述预设训练数据为竞价获胜的历史数据，所有预设训练数据对应同一业务类型；竞价单元，适于利用配置所述最优参数的所述出价模型对竞价请求的至少一部分进行出价，所述竞价请求与所述预设训练数据对应所述同一业务类型。可选的，所述训练单元包括：预算确定子单元，适于确定出价预算；参数确定子单元，适于确定多组预设参数；训练子单元，适于依次将所述多组预设参数配置至所述出价模型，并基于所述预设训练数据进行出价操作，直至遍历完成多组预设参数或所有出价总和达到所述出价预算；最优参数确定子单元，适于根据出价获胜的出价操作，确定所述最优参数。可选的，所述预算确定子单元确定预算比例，所述预算比例为针对所述业务类型的历史竞价获胜流量与所有历史流量的比值，所述预算比例与总预算的乘积为出价预算。可选的，所述训练子单元包括：配置子单元，适于将一组预设参数配置至所述出价模型；出价子单元，适于采用配置有所述预设参数的出价模型以及所述预设训练数据进行出价操作，以得到出价；迭代子单元，适于更新所述预设参数，迭代所述出价操作，直至遍历完成所述多组预设参数或所有出价总和达到所述出价预算。可选的，所述训练子单元还包括：存储子单元，适于在所述出价大于等于所述预设训练数据中的成交价时，保留所述出价操作的日志数据，作为获胜数据，每一获胜数据对应一个预设参数；或者，在所述出价小于所述预设训练数据中的成交价时，丢弃所述出价操作的日志数据。可选的，所述最优参数确定子单元包括：关键绩效指标计算子单元，适于基于所述获胜数据中的点击量和/或转化量计算关键绩效指标；最优参数选取子单元，适于确定所述关键绩效指标的最大值对应的所述预设参数，以作为所述最优参数。可选的，所述日志数据包括以下一种或多种：所述出价、所述成交价、预估点击率、点击量和转化量。可选的，所述训练单元采用所述预设训练数据离线训练得到所述出价模型的所述最优参数。为解决上述技术问题，本发明实施例还公开了一种终端，所述终端包括所述用于需求方平台的竞价控制装置。与现有技术相比，本发明实施例的技术方案具有以下有益效果：本发明技术方案采用预设训练数据训练得到出价模型的最优参数，所述预设训练数据为竞价获胜的历史数据，所有预设训练数据对应同一业务类型；通过利用与竞价请求相似的竞价获胜的历史数据，训练学习得到出价模型中的最优参数。然后利用配置所述最优参数的所述出价模型对竞价请求的至少一部分进行出价，所述竞价请求与所述预设训练数据对应所述同一业务类型，配置了最优参数的出价模型能够在预算约束下实现对竞价请求的最大化展现，进而实现了固定预算约束的前提下最大化关键绩效指标，提高了展示效果。进一步，配置了最优参数的出价模型在出价时会出现出价越来越低，进而获胜数据越来越少的问题，故利用配置所述最优参数的所述出价模型对竞价请求的其中一部分进行出价，剩余部分的竞价请求采用配置其他参数的出价模型进行出价，例如采用配置预设参数的出价模型进行出价，从而在减小预算的同时保证获胜率，进一步提高了展示效果。进一步，可以通过如下方式确定出价预算：确定预算比例，所述预算比例为针对所述业务类型的历史竞价获胜流量与所有历史流量的比值，所述预算比例与总预算的乘积为出价预算；历史竞价获胜流量与所有历史流量的比值可以表示在所有历史流量中能够获胜的流量比例，那么该比例也可以是训练时在总预算中可以使用的预算的比例，通过上述方式确定预算比例，可以保证出价预算的准确性，进而保证训练效果，以得到最优参数。进一步，采用所述预设训练数据离线训练得到所述出价模型的所述最优参数；通过采用离线的方式训练出价模型，得到的最优参数在上线时使用，可以在不影响在线业务进行的同时，保证训练过程的准确性。附图说明图1是本发明实施例一种用于需求方平台的竞价控制方法的流程图；图2是本发明实施例另一种用于需求方平台的竞价控制方法的流程图；图3是本发明实施例一种用于需求方平台的竞价控制装置的结构示意图；图4是图3所示训练单元的结构示意图。具体实施方式如
背景技术：
中所述，DSP在对展示内容进行竞价投放时，如何在固定预算约束的前提下最大化KPI是竞价投放的技术难点。本发明实施例通过利用与竞价请求相似的竞价获胜的历史数据，训练学习得到出价模型中的最优参数。然后利用配置所述最优参数的所述出价模型对竞价请求的至少一部分进行出价，所述竞价请求与所述预设训练数据对应所述同一业务类型，配置了最优参数的出价模型能够在预算约束下实现对竞价请求的最大化展现，进而实现了固定预算约束的前提下最大化关键绩效指标，提高了展示效果；同时，配置了最优参数的出价模型在出价时会出现出价越来越低，进而获胜数据越来越少的问题，故利用配置所述最优参数的所述出价模型对竞价请求的其中一部分进行出价，剩余部分的竞价请求采用配置其他参数的出价模型进行出价，从而在减小预算的同时保证获胜率，进一步提高了展示效果。为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。图1是本发明实施例一种用于需求方平台的竞价控制方法的流程图。图1所示的用于需求方平台的竞价控制方法可以包括以下步骤：步骤S101：采用预设训练数据训练得到出价模型的最优参数；步骤S102：利用配置所述最优参数的所述出价模型对竞价请求的至少一部分进行出价。其中，所述预设训练数据为竞价获胜的历史数据，所有预设训练数据对应同一业务类型；所述竞价请求与所述预设训练数据对应所述同一业务类型。具体实施中，在步骤S101中，采用预设训练数据训练出价模型。对出价模型训练的过程可以是出价模型自学习的过程；出价模型采用预设训练数据进行出价模拟以及自学习，在训练完成后，出价模型可以学习得到模型的最优参数。具体地，竞价获胜的历史数据中可以包括成交价、点击量、转化量等指标数据，因此采用竞价获胜的历史数据作为预设训练数据时，可以基于上述指标数据对出价模型进行训练，以得到出价模型的最优参数。进一步地，预设训练数据中的竞价获胜数据可以是实时竞价(RealTimeBidding,RTB)中获胜的数据。更进一步而言，竞价获胜数据中每一条记录可以包括流量维度，例如统一资源定位符(UniformResourceLocator,URL)、页分类(pagecategory)、展示位的位置信息、展示位的尺寸信息等；还可以包括访问用户维度，例如访问用户的兴趣，人口统计(demographic)信息，地理位置信息等；还可以包括其他维度，例如时间，浏览器，互联网协议(InternetProtocol.IP)等。具体实施中，最优参数可以是出价模型的模型参数，可以用于配置至对应的出价模型。更具体地，在出价模型中配置有出价公式，出价模型在出价时可以基于出价公式进行出价，那么最优参数可以是出价公式中的参数。本领域技术人员应当理解的是，由于出价模型类型的多样性，模型参数的类型也具有多样性；出价模型和模型参数的类型可以根据实际的应用环境进行适应性的调整，本发明实施例对此不做限制。具体实施中，步骤S101可以包括以下步骤：确定出价预算；确定多组预设参数；依次将所述多组预设参数配置至所述出价模型，并基于所述预设训练数据进行出价操作，直至遍历完成多组预设参数或所有出价总和达到所述出价预算；根据出价获胜的出价操作，确定所述最优参数。需要说明的是，总预算可以由竞价请求的用户来指定；预设参数可以根据实际的应用环境进行适应性的配置，本发明实施例对此不做限制。具体地，可以采用所述预设训练数据离线训练得到所述出价模型的所述最优参数；通过采用离线的方式训练出价模型，得到的最优参数在上线时使用，可以在不影响在线业务进行的同时，保证训练过程的准确性。具体实施中，在步骤S102中，利用配置所述最优参数的所述出价模型对竞价请求的至少一部分进行出价。具体地，利用配置所述最优参数的所述出价模型对全部竞价请求进行出价时，出价获胜所赢流量的成交价均小于等于出价模型的出价，且所赢流量的关键绩效指标较优，例如可以是点击量或转化量。但是，利用配置所述最优参数的所述出价模型对全部竞价请求进行出价时，出价模型的出价越来越低，所赢流量越来越少，虽然优化了成本但损失了流量。故，可以利用配置所述最优参数的所述出价模型对竞价请求的其中一部分进行出价，剩余部分的竞价请求采用配置其他数值的参数的出价模型进行出价，从而在减小预算的同时保证获胜率，进一步提高了展示效果。本发明实施例可以实现在固定预算限制下自动出价，以及竞价请求的最大化展现，进而实现了固定预算约束的前提下最大化关键绩效指标，提高了展示效果。图2是本发明实施例另一种用于需求方平台的竞价控制方法的流程图。图2所示的用于需求方平台的竞价控制方法可以包括以下步骤：步骤S201：确定预算比例，所述预算比例为针对所述业务类型的历史竞价获胜流量与所有历史流量的比值，所述预算比例与总预算的乘积为出价预算；步骤S202：将一组预设参数配置至所述出价模型；步骤S203：采用配置有所述预设参数的出价模型以及所述预设训练数据进行出价操作，以得到出价；步骤S204：判断出价是否大于等于所述预设训练数据中的成交价，如果是，进入步骤S205，否则，进入步骤S206；步骤S205：保留所述出价操作的日志数据，作为获胜数据，每一获胜数据对应一个预设参数；步骤S206：丢弃所述出价操作的日志数据；步骤S207：判断是否遍历完成多组预设参数或所有出价总和达到所述出价预算，如果是，则进入步骤S208，否则继续步骤S203；步骤S208：基于所述获胜数据中的点击量和/或转化量计算关键绩效指标；步骤S209：确定所述关键绩效指标的最大值对应的所述预设参数，以作为所述最优参数；步骤S210：利用配置所述最优参数的所述出价模型对竞价请求的至少一部分进行出价。具体实施中，在步骤S201中，预算比例可以直接指定，也可以通过计算的方式来确定。预算比例越小，出价预算越低，表示出价时会放弃对某些高价流量的竞价，保证在有限预算下最小化成本，最大化KPI。具体地，预算比例可以为针对所述业务类型的历史竞价获胜流量与所有历史流量的比值，所述预算比例与总预算的乘积为出价预算，也就是总预算相对于赢下针对业务类型的所有历史流量可用的预算。例如，针对竞价请求的业务类型设置的是只投放地点为上海的流量，那么所有历史流量是DSP内地点为上海流量的统计值；历史竞价获胜流量为DSP内地点为上海流量中竞价获胜流量的统计值。可以理解的是，由于预算比例为1时，出价模型可以出任意高的价格赢下预设训练数据中所有记录同时获得最大点击，但不能最小化成本，因此预算比例的值小于1。具体实施中，在步骤S202中，将一组预设参数配置至所述出价模型。具体而言，多组预设参数可以预先进行配置。例如，出价模型采用出价公式bid＝base_bid×pctr/base_ctr，其中，bid为出价，base_bid为参数，pctr为预估点击率，base_ctr为点击率(clickthroughrate,CTR)；pctr和base_ctr可以基于预设训练数据统计得到；对于参数base_bid可以根据用户指定的CPC为2元配置为：1毛、2毛、3毛、……、1块9毛和2块。具体实施中，在步骤S203中，采用配置有所述预设参数的出价模型对所述预设训练数据进行出价操作。由于预设训练数据包括成交价，因此，在步骤S204中，可以判断出价模型的出价是否大于等于成交价。如果出价大于等于成交价，表示出价模型的出价操作获胜，此次出价操作可以赢得展示流量；并在步骤S205中，保留此次出价操作的日志数据，作为获胜数据。如果出价小于成交价，表示出价模型的出价操作未获胜，此次出价操作不能够赢得展示流量，并在步骤S206中，丢弃此次出价操作的日志数据。具体实施中，在步骤S207中，判断是否遍历完成多组预设参数或所有出价总和达到所述出价预算，如果是，表示配置有全部多组预设参数的出价模型对预设训练数据的模拟出价完成；或者，获胜数据中的成交价之和大于等于出价预算，则停止训练过程。否则，表示出价预算还没有被使用完，或者多组预设参数中还剩余未配置的预设参数；则继续执行步骤S203至步骤S206，直至达到训练结束条件。具体地，可以通过网格搜索算法来遍历多组预设参数。下面以一个非限制性的例子进行说明，继续以出价模型采用出价公式bid＝base_bid×pctr/base_ctr为例，对于参数base_bid可以根据用户指定的CPC为2元配置为：1毛、2毛、3毛、……、1块9毛和2块。在训练时，出价模型中的参数base_bid首先配置为1毛，然后按照出价公式bid＝base_bid×pctr/base_ctr对预设训练数据进行出价；然后参数base_bid配置为2毛，按照出价公式bid＝base_bid×pctr/base_ctr对预设训练数据进行出价，依此类推，直至参数base_bid配置为2块，或者出价预算使用完毕，则训练结束。具体实施中，在步骤S208中，基于所述获胜数据中的点击量和/或转化量计算关键绩效指标。具体而言，关键绩效指标可以根据点击量和/或转化量计算得到，以衡量竞价获胜流量的展示效果。关键绩效指标也可以采用其他任意可实施的方式计算，本发明实施例对此不做些限制。具体实施中，在步骤S209中，确定所述关键绩效指标的最大值对应的所述预设参数，以作为所述最优参数。在步骤S210中，可以将最优参数配置至出价模型，以用于实际线上出价。需要说明的是，出价模型可以采用任意可实施的出价公式和参数。进一步，对于不同的业务类型，可以分别进行训练，分别得到最优参数，以使得出价模型在针对不同业务类型的竞价请求进行出价时，都能够实现在固定预算约束的前提下最大化关键绩效指标。更具体地，对于同一业务类型，采用不同的预算比例进行训练，得到的最优出价也可以不一样。如表1所示，表1是本实施例在采用不同的预算比例进行训练后，配置有最优参数的出价模型获胜数据相对于现有技术的统计数据。预算比例KPI增加比例成本减小比例0.1206.13％65.58％0.2151.73％53.84％0.387.52％48.09％0.488.02％35.40％0.570.71％27.72％0.660.03％24.21％0.751.24％23.04％0.838.77％23.08％0.925.48％23.27％表1如表1所示，在预算比例为0.1时，KPI增加比例为206.13％，成本减小比例为65.58％；在预算比例为0.2时，KPI增加比例为151.73％，成本减小比例为53.84％；以此类推，在预算比例为0.9时，KPI增加比例为25.48％，成本减小比例为23.27％。由表1可以看到，与现有技术相比，配置有最优参数的出价模型在针对相同的竞价请求进行出价时，KPI增加，成本减小。进一步地，当使用配置有最优参数的出价模型进行出价后，所赢流量的成交价均小于等于出价模型的出价，导致出价模型的出价越来越低，所赢的流量越来越少，虽然优化了成本但损失了流量。如表2所示，在第一天Day1，KPI和成本均为100％的情况下，使用配置有最优参数的出价模型进行出价后，在第二天Day2，KPI降低至54.14％；成本降低至64.79％；在第三天Day3，KPI降低至31.38％；成本降低至44.42％。由表2可知，成本越来越低，所赢的流量越来越少，虽然优化了成本但损失了流量。时间KPI成本Day1100.00％100.00％Day254.14％64.79％Day331.38％44.42％表2为了解决上述问题，可以利用配置所述最优参数的所述出价模型对竞价请求的其中一部分进行出价，剩余部分的竞价请求采用配置其他数值的参数的出价模型进行出价，从而在减小预算的同时保证获胜率，进一步提高了展示效果。由于配置其他数值的参数的出价模型出价相对于配置最优参数的出价模型的出价较高，因此该模型会赢得竞价较高的流量。例如，利用配置最优参数的出价模型对95％的竞价请求进行出价，剩余5％的竞价请求采用配置其他参数的出价模型进行出价。如表3所示，在第一天Day1，KPI和成本均为100％的情况下，利用配置最优参数的出价模型对95％的竞价请求进行出价，剩余5％的竞价请求采用配置其他参数的出价模型进行出价后，在第二天Day2，KPI降低至83.29％；成本增加至122.65％；在第三天Day3，KPI降低至81.53％；成本增加至121.29％。与表2所示数据相比，通过适当增加成本的方式，保证了所赢流量的稳定性。需要说明的是，表2和表3所示的数据以KPI和成本均为100％进行对比和说明，不代表现有技术，也不构成对本发明实施例的限制。时间KPI成本Day1100.00％100.00％Day283.29％122.65％Day381.53％121.29％表3可以理解的是，相对于仅采用配置所述最优参数的所述出价模型，同时采用配置其他数值的参数的出价模型和配置所述最优参数的所述出价模型，会适当的提升成本。但是在实际的应用场景中可以通过控制竞价请求的其中一部分和其他部分的比例来进行调节，以实现在减小预算的同时保证获胜率。图3是本发明实施例一种用于需求方平台的竞价控制装置的结构示意图。图3所示的用于需求方平台的竞价控制装置30可以包括训练单元301和竞价单元302。训练单元301适于采用预设训练数据训练得到出价模型的最优参数，所述预设训练数据为竞价获胜的历史数据，所有预设训练数据对应同一业务类型。竞价单元302适于利用配置所述最优参数的所述出价模型对竞价请求的至少一部分进行出价，所述竞价请求与所述预设训练数据对应所述同一业务类型。具体实施中，训练单元301可以采用所述预设训练数据离线训练得到所述出价模型的所述最优参数。通过采用离线的方式训练出价模型，得到的最优参数在上线时使用，可以在不影响在线业务进行的同时，保证训练过程的准确性。本发明实施例可以实现在固定预算限制下自动出价，以及竞价请求的最大化展现，进而实现了固定预算约束的前提下最大化关键绩效指标，提高了展示效果。请参照图4，图4是图3所示训练单元的结构示意图。训练单元301可以包括预算确定子单元41、参数确定子单元42、训练子单元43和最优参数确定子单元44。其中，预算确定子单元41适于确定出价预算；参数确定子单元42适于确定多组预设参数；训练子单元43适于依次将所述多组预设参数配置至所述出价模型，并基于所述预设训练数据进行出价操作，直至遍历完成多组预设参数或所有出价总和达到所述出价预算；最优参数确定子单元44适于根据出价获胜的出价操作，确定所述最优参数。具体实施中，预算确定子单元41可以确定预算比例，所述预算比例为针对所述业务类型的历史竞价获胜流量与所有历史流量的比值，所述预算比例与总预算的乘积为出价预算。具体实施中，训练子单元43可以包括配置子单元(图未示)、出价子单元(图未示)和迭代子单元(图未示)。配置子单元适于将一组预设参数配置至所述出价模型；出价子单元适于采用配置有所述预设参数的出价模型以及所述预设训练数据进行出价操作，以得到出价；迭代子单元适于更新所述预设参数，迭代所述出价操作，直至遍历完成所述多组预设参数或所有出价总和达到所述出价预算。进一步而言，训练子单元43还可以包括存储子单元(图未示)，存储子单元适于在所述出价大于等于所述预设训练数据中的成交价时，保留所述出价操作的日志数据，作为获胜数据，每一获胜数据对应一个预设参数；或者，在所述出价小于所述预设训练数据中的成交价时，丢弃所述出价操作的日志数据。更具体地，所述日志数据包括以下一种或多种：所述出价、所述成交价、预估点击率、点击量和转化量。具体实施中，最优参数确定子单元44可以包括关键绩效指标计算子单元(图未示)和最优参数选取子单元(图未示)，关键绩效指标计算子单元适于基于所述获胜数据中的点击量和/或转化量计算关键绩效指标；最优参数选取子单元适于确定所述关键绩效指标的最大值对应的所述预设参数，以作为所述最优参数。本发明实施例还公开了一种终端，所述终端可以包括用于需求方平台的竞价控制装置30。所述终端可以包括但不限于计算机、手机、笔记本、平板电脑等。本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于以计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。当前第1页1 2 3