一种媒体采买量确定方法、装置、电子设备和存储介质与流程

本发明实施例涉及广告技术领域，具体涉及一种媒体采买量确定方法、装置、电子设备和存储介质。

背景技术：

过去及现在的广告投放及媒体采买量的确定都依赖于个人经验，并且通常是由有广告投放经验的操作人员直接输出，缺乏可靠的数字依据，缺乏量化标准。

技术实现要素：

第一方面，本发明的至少一个实施例提供了一种媒体采买量确定方法，包括：

确定广告在某一媒体对应的目标地区的历史转换率、广告在不同媒体对应的目标地区的受众数据信息及广告投放的实际效果系数；

基于历史转换率、受众数据信息和实际效果系数确定媒体效果；

基于媒体效果确定媒体投放量适应度函数；

求解媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

在一些实施例中，基于媒体效果确定媒体投放量适应度函数，包括：

基于媒体效果确定效果方程式，或成本方程式；

将所述效果方程式转化为效果媒体投放量适应度函数，或成本媒体投放量适应度函数；

求解所述效果媒体投放量适应度函数或所述成本媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

在一些实施例中，基于所述历史转换率、所述受众数据信息和实际效果系数确定媒体效果，是基于以下公式确定的：

媒体效果＝(受众比率/受众期望比率)*历史转换率，

其中所述历史转化率＝点击次数/千人成本。

在一些实施例中，所述基于媒体效果确定效果方程式，是基于以下方程式确定：

∑ni＝0(媒体i采买量*价格)＝总预算

∑ni＝0(媒体i采买量*媒体效果)>0

所述基于媒体效果确定效果方程式，是基于以下方程式确定：

∑ni＝0(媒体i采买量*价格)<总预算

∑ni＝0(媒体i采买量*媒体效果)＝受众人数

所述将所述效果方程式转化为效果媒体投放量适应度函数采用的是粒子群算法；

所述将所述成本方程式转化为成本媒体投放量适应度函数采用的是粒子群算法。

在一些实施例中，所述求解所述媒体投放量适应度函数确定多个媒体中每个媒体的采买量，包括：

求解所述效果媒体投放量适应度函数确定多个媒体中每个媒体的采买量；

或，求解所述成本粒子适应度函数确定多个媒体中每个媒体的采买量；

所述求解所述媒体投放量适应度函数确定多个媒体中每个媒体的采买量，是m个媒体投放量经过n轮迭代求解出非常接近于极值的解；

所述多个媒体中每个媒体的采买量通过如下公式确定：

vi＝ω*vi+c1*rand(1)*(pbesti-xi)+c2*rand(1)*(gbesti-xi)

其中，xi＝xi+vi，rand(1)是0至1的随机值,vi是当前媒体采买量向量的速度，xi是当前媒体的采买量，ω,c1,c2是常数参数，可以人为调整，i＝0至n是可选择的m个媒体采买量，pbest是单个媒体投放量的最优排期方案，gbest是多个媒体投放量在一次迭代中的最优排期方案。

在一些实施例中，所述确定广告在某一媒体对应的目标地区的历史转换率是基于用户历史投放广告的监测数据确定的；所述确定广告在不同媒体对应的目标地区的受众人数、比例及受众用户重合率是基于媒体及第三方监测数据确定的；广告投放的实际效果系数是基于广告投放实际情况确定的。

第二方面，本发明实施例还提出了一种媒体采买量确定装置，包括：

第一确定模块：用于确定广告在某一媒体对应的目标地区的历史转换率、广告在不同媒体对应的目标地区的受众数据信息及广告投放的实际效果系数；

第二确定模块：用于基于所述历史转换率、所述受众数据信息和实际效果系数确定媒体效果；

第三确定模块：用于基于媒体效果确定媒体投放量适应度函数；

求解模块：用于求解所述媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

上述装置中第三确定模块，基于媒体效果确定媒体投放量适应度函数，包括：

基于媒体效果确定效果方程式，或成本方程式；

将所述效果方程式转化为效果媒体投放量适应度函数或成本媒体投放量适应度函数；

求解所述效果媒体投放量适应度函数或所述成本媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

第三方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行上述媒体采买量确定方法中任一项所述方法的步骤。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上述媒体采买量确定方法中任一项所述方法的步骤

本发明实施例的优点在于：本申请实施例基于历史转换率、受众数据信息和实际效果系数确定媒体效果；能够结合积累大量广告投放活动的媒体效果数据，通过粒子群算法确定媒体投放量适应度函数后，快速求解所述媒体投放量适应度函数确定多个媒体中每个媒体的采买量，不仅节省资源而且有可靠的数字数据支撑，提高了采买量数据确定的准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，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一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种媒体采买量确定方法的流程示意图之一；

图2是本发明实施例提供的一种媒体采买量确定方法的流程示意图之二；

图3是本发明实施例提供的一种媒体采买量确定方法的流程示意图之三；

图4是本发明实施例提供的一种媒体采买量确定装置的结构示意图；

图5为本发明实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

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。

图1是本发明实施例提供的一种媒体采买量确定方法的流程示意图之一。

第一方面，本发明的至少一个实施例提供了一种媒体采买量确定方法，结合图1，包括如下四个步骤：

s101:确定广告在某一媒体对应的目标地区的历史转换率、广告在不同媒体对应的目标地区的受众数据信息及广告投放的实际效果系数；

具体的，本申请实施例的广告可以是网页广告、视频广告等，媒体可以是百度、360等网络平台，目标地区可以是国家、省、市、县、乡等地区，受众数据信息可以是受众比率，受众期望比率，受众重合率等，广告投放的实际效果系数是最终投放回馈的实际效果系数或反馈系数，效果系数是校正参数，即我们预测的与实际投放效果的偏差修正，属于不断调整的反馈系数，通常约等于媒体的受众增长系数，即媒体影响力的发展趋势。

s102:基于历史转换率、受众数据信息和实际效果系数确定媒体效果；

具体的，本发明实施例中的历史转化率＝点击次数/千人成本。

上述公式中的点击次数也可以是受众人数，

媒体效果＝(受众比率/受众期望比率)*历史转换率，

s103:基于媒体效果确定媒体投放量适应度函数；

具体的，基于媒体效果确定媒体投放量适应度函数有两种情况，是根据用户的需求，确定用户是在预算固定的情况下，效果最大化或者受众人数最大化的适应度函数还是是在受众人数固定的情况下，花的预算最少的适应度函数。

s104:求解媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

具体的，本申请实施例中的媒体投放量适应度函数分为效果媒体投放量适应度函数和成本媒体投放量适应度函数，根据用户的需求选择效果最优还是成本最优，确定多个媒体中每个媒体的采买量。

图2是本发明实施例提供的一种媒体采买量确定方法的流程示意图之二；

在一些实施例中，上述媒体采买量确定方法中步骤s103中基于媒体效果确定媒体投放量适应度函数，结合图2，包括如下三个步骤：

s201:基于媒体效果确定效果方程式；

s202:将效果方程式转化为效果媒体投放量适应度函数；

s203：求解效果媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

具体的，本申请实施例中的效果方程式是在预算固定的情况下，效果最大化或者受众人数最大化的方程，通过使用带惯性权重的粒子群算法，将效果方程式转换为粒子适应度函数，通过m个媒体投放量经过n轮迭代即可计算出非常接近于最极值的采买量，可以理解的是这里的采买量是在预算固定的情况下，能达到效果最大化的采买量。

图3是本发明实施例提供的一种媒体采买量确定方法的流程示意图之三。

在一些实施例中，结合图3，上述媒体采买量确定方法中步骤s103中基于媒体效果确定媒体投放量适应度函数，还包括另一种情况，包括下面三个步骤：

s301:基于媒体效果确定成本方程式；

s302:将成本方程式转化为成本媒体投放量适应度函数；

s303:求解成本媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

具体的，本申请实施例中的成本方程式是在受众人数固定的情况下，花的预算最少的方程，通过使用带惯性权重的粒子群算法，将成本方程式转换为粒子适应度函数，通过m个媒体投放量经过n轮迭代即可计算出非常接近于最极值的采买量，可以理解的是这里的采买量是在受众人数固定的情况下，花的预算最少的采买量。

在一些实施例中，上述媒体采买量确定方法中步骤s102基于历史转换率、受众数据信息和实际效果系数确定媒体效果，是基于以下公式确定的：

媒体效果＝(受众比率/受众期望比率)*历史转换率，

其中，历史转化率＝点击次数/千人成本。

在一些实施例中，上述媒体采买量确定方法中步骤s201中基于媒体效果确定效果方程式，是基于以下方程式确定：

∑ⁿi＝0(媒体i采买量*价格)＝总预算

∑ⁿi＝0(媒体i采买量*媒体效果)>0

将效果方程式转化为效果媒体投放量适应度函数采用的是粒子群算法。

具体的，本申请实施例中的效果方程式是在预算固定的情况下，效果最大化或者受众人数最大化的方程，在确定效果方程式的时候，受众人数最大时，则这个媒体采买量是最优的，效果最大化粒子适应度函数为重合率系数是受众用户重合率，受众用户重合率是作用于适应度函数的。

在一些实施例中，上述媒体采买量确定方法中，基于媒体效果确定成本方程式，是基于以下方程式确定：

∑ⁿi＝0(媒体i采买量*价格)<总预算

∑ⁿi＝0(媒体i采买量*媒体效果)＝受众人数

将成本方程式转化为成本媒体投放量适应度函数采用的是粒子群算法。

具体的，本申请实施例中的成本方程式是在受众人数固定的情况下，花的预算最少的方程。

在一些实施例中，上述媒体采买量确定方法中求解媒体投放量适应度函数确定多个媒体中每个媒体的采买量，包括：

求解效果媒体投放量适应度函数确定多个媒体中每个媒体的采买量；

或，求解成本粒子适应度函数确定多个媒体中每个媒体的采买量；

在一些实施例中，上述媒体采买量确定方法中求解媒体投放量适应度函数确定多个媒体中每个媒体的采买量，是m个媒体投放量经过n轮迭代求解出非常接近于极值的解。

具体的，本申请实施例中通过使用集群算法快速求解，能够在秒级内输出结果。使用带惯性权重的粒子群算法，将上述公式转换为粒子适应度函数，通过m个媒体投放量经过n轮迭代即可计算出非常接近于最极值的解。

在一些实施例中，上述媒体采买量确定方法中多个媒体中每个媒体的采买量通过如下公式确定：

vi＝ω*vi+c1*rand(1)*(pbesti-xi)+c2*rand(1)*(gbesti-xi)其中，xi＝xi+vi，rand(1)是0至1的随机值,vi是当前媒体采买量向量的速度，xi是当前媒体的采买量，ω,c1,c2是常数参数，可以人为调整，i＝0至n是可选择的m个媒体投放量，pbest是单个媒体投放量的最优排期方案，gbest是多个媒体投放量在一次迭代中的最优排期方案。

具体的，本申请实施例上述公式中粒子群通过受自身惯性，历史经验，及粒子群反馈信息进化若干次迭代，集体收敛于最终采买量的最优解。

在一些实施例中，上述媒体采买量确定方法中确定广告在某一媒体对应的目标地区的历史转换率是基于用户历史投放广告的监测数据确定的；确定广告在不同媒体对应的目标地区的受众人数、比例及受众用户重合率是基于媒体及第三方监测数据确定的；广告投放的实际效果系数是基于广告投放实际情况确定的。

具体的，本申请实施例中的受众用户重合率采用媒体及第三方监测平台的提供的统计数据，一般情况下，统计数据一个季度更新一次，本轮活动同时投放5个媒体。根据统计方提供的媒体大盘统计数据，a媒体的重合率系数＝(a受众-与其他媒体重合用户数)/a受众人数。

图4是本发明实施例提供的一种媒体采买量确定装置的结构示意图。

第二方面，本发明实施例还提出了一种媒体采买量确定装置，包括：

第一确定模块401：用于确定广告在某一媒体对应的目标地区的历史转换率、广告在不同媒体对应的目标地区的受众数据信息及广告投放的实际效果系数；

第二确定模块402：用于基于历史转换率、受众数据信息和实际效果系数确定媒体效果；

第三确定模块403：用于基于媒体效果确定媒体投放量适应度函数；

求解模块404：用于求解媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

上述装置中第三确定模块403，基于媒体效果确定媒体投放量适应度函数，包括：

基于媒体效果确定效果方程式，或成本方程式；

将效果方程式转化为效果媒体投放量适应度函数或成本媒体投放量适应度函数；

求解效果媒体投放量适应度函数或成本媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

第三方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；

处理器通过调用存储器存储的程序或指令，用于执行上述媒体采买量确定方法中任一项方法的步骤。

第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储程序或指令，程序或指令使计算机执行如上述媒体采买量确定方法中任一项方法的步骤

图5为本发明实施例提供的电子设备的硬件结构示意图，如图5所示，该电子设备可以包括手机、pad的智能终端，该电子设备包括：

一个或多个处理器501，图5中以一个处理器501为例；存储器302；电子设备还可以包括：输入装置503和输出装置504。

电子设备中的处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

存储器502作为一种非暂态计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的应用程序的界面显示方法对应的程序指令/模块(例如，附图4所示的第一确定模块401、第二确定模块402、第三确定模块403和第四确定模块404)。处理器301通过运行存储在存储器302中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的基于智能穿戴设备的监控方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非暂态性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置503可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置504可包括显示屏等显示设备。

本发明实施例还提供一种包含计算机可读存储介质，该计算机可读存储介质存储程序或指令，该程序或指令使计算机执行行时用于执行一种媒体采买量确定方法，该方法包括：

确定广告在某一媒体对应的目标地区的历史转换率、广告在不同媒体对应的目标地区的受众数据信息及广告投放的实际效果系数；

基于所述历史转换率、所述受众数据信息和实际效果系数确定媒体效果；

基于媒体效果确定媒体投放量适应度函数；

求解所述媒体投放量适应度函数确定多个媒体中每个媒体的采买量。

可选的，该计算机可执行指令在由计算机处理器执行时还可以用于执行本发明任意实施例所提供的基于智能穿戴设备的监控方法的技术方案。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，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)执行本发明各个实施例的方法。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。