广告过滤链路分析方法及系统与流程

1.本技术涉及数据分析技术领域，尤其涉及一种广告过滤链路分析方法、系统、电子装置及计算机可读存储介质。


背景技术：

2.在广告推广过程中，当用户登录应用程序或网站后访问到广告资源位时，会发出一次广告请求，即一次请求只看一个广告。而广告候选库中包括多个广告，因此服务器请求广告引擎，根据预置的过滤条件筛选对用户展示的一个广告，其他广告均被过滤。然而，广告引擎虽然根据各种过滤条件筛选出了最后结果，但过滤机制和各种过滤条件过滤前后的中间结果对于运营分析师和广告主来说是个黑盒。最后结果只有一个广告，无法知道其他广告分别在哪个环节被过滤。
3.需要说明的是，上述内容并不用于限制申请保护范围。


技术实现要素：

4.本技术的主要目的在于提出一种广告过滤链路分析方法、系统、电子装置及计算机可读存储介质，旨在解决如何统计和展示广告过滤过程数据的问题。
5.为实现上述目的，本技术实施例提供了一种广告过滤链路分析方法，所述方法包括：
6.接收一次广告请求并根据预设过滤条件列表筛选展示给第一用户的一个广告；
7.存储所述一次广告请求对应的广告过滤过程数据；
8.获取多个所述一次广告请求对应的所述广告过滤过程数据，并按预设维度统计广告过滤链路；
9.接收第二用户的过滤链路查询请求；
10.根据所述查询请求进行广告过滤链路分析；及
11.向所述第二用户展示所述广告过滤链路分析的分析结果。
12.可选地，所述方法还包括：
13.根据所述分析结果向所述第二用户提供广告投放的诊断建议。
14.可选地，所述过滤条件列表包括多个过滤条件以及所述多个过滤条件之间的排序。
15.可选地，所述多个过滤条件之间的排序根据过滤的复杂性进行确定。
16.可选地，所述存储所述一次广告请求对应的广告过滤过程数据为将所述过滤过程数据通过消息订阅系统存储到大数据存储系统。
17.可选地，所述广告过滤过程数据包括各个广告在所述多个过滤条件下的多次过滤时的多条过滤记录。
18.可选地，所述预设维度包括时间、单元，所述统计广告过滤链路包括按所述过滤条件列表统计每个过滤条件过滤前后的请求数量。
19.可选地，所述根据所述查询请求进行广告过滤链路分析包括：
20.根据所述每个过滤条件过滤前后的请求数量计算所述过滤条件下通过的请求数量、过滤掉的请求数量、通过率和/或过滤百分比。
21.可选地，所述向所述第二用户展示所述广告过滤链路分析的分析结果包括以可视化图形或表格形式进行展示。
22.此外，为实现上述目的，本技术实施例还提出一种广告过滤链路分析系统，所述系统包括：
23.过滤模块，用于接收一次广告请求并根据预设过滤条件列表筛选展示给第一用户的一个广告；
24.存储模块，用于存储所述一次广告请求对应的广告过滤过程数据；
25.统计模块，用于获取多个所述一次广告请求对应的所述广告过滤过程数据，并按预设维度统计广告过滤链路；
26.接收模块，用于接收第二用户的过滤链路查询请求；
27.分析模块，用于根据所述查询请求进行广告过滤链路分析；及
28.展示模块，用于向所述第二用户展示所述广告过滤链路分析的分析结果。
29.为实现上述目的，本技术实施例还提出一种电子装置，所述电子装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的广告过滤链路分析程序，所述广告过滤链路分析程序被所述处理器执行时实现如上述的广告过滤链路分析方法。
30.为实现上述目的，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有广告过滤链路分析程序，所述广告过滤链路分析程序被处理器执行时实现如上述的广告过滤链路分析方法。
31.本技术实施例提出的广告过滤链路分析方法、系统、电子装置及计算机可读存储介质，能够在广告过滤条件多且复杂的情况下，通过对广告过滤过程数据的提取整理和可视化展示来告知运营人员或广告主为什么广告不展示(在哪个环节被过滤了)，以使运营人员或广告主更直观方便地发现问题，从而有针对性的进行改进，以改善广告投放效果，提升用户体验。
附图说明
32.图1为实现本技术各个实施例的一种应用环境架构图；
33.图2为本技术第一实施例提出的一种广告过滤链路分析方法的流程图；
34.图3为本技术中一种过滤条件列表的示意图；
35.图4为本技术中一种广告过滤过程数据的示意图；
36.图5为本技术中一种展示分析结果的漏斗图形的示意图；
37.图6为本技术中一种展示分析结果的表格的示意图；
38.图7为本技术第二实施例提出的一种广告过滤链路分析方法的流程图；
39.图8为本技术第三实施例提出的一种电子装置的硬件架构示意图；
40.图9为本技术第四实施例提出的一种广告过滤链路分析系统的模块示意图；
41.图10为本技术第五实施例提出的一种广告过滤链路分析系统的模块示意图。
具体实施方式
42.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
43.需要说明的是，在本技术实施例中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
44.请参阅图1，图1为实现本技术各个实施例的一种应用环境架构图。本技术可应用于包括，但不仅限于客户端2、服务器4、广告引擎6的应用环境中。
45.其中，所述客户端2用于向用户展示应用程序或网站等页面，并接收用户的操作，所述应用程序或网站中可能包含广告资源位。当用户登录所述应用程序或网站后访问到广告资源位时，所述客户端2向所述服务器4发出一次广告请求。所述客户端2可以为pc(personal computer，个人电脑)、手机、平板电脑、便携计算机、可穿戴设备等终端设备。
46.所述服务器4用于对所述客户端2中的应用程序或网站等提供数据和技术支持，还用于接收所述客户端2发出的一次广告请求并向所述客户端2发送过滤得到的广告数据。所述服务器4可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备，可以是独立的服务器，也可以是多个服务器所组成的服务器集群。
47.所述广告引擎6用于根据所述一次广告请求和预置的过滤条件，筛选要对用户展示的广告，并存储广告过滤过程数据。所述广告引擎6可以存在于所述服务器4中，也可以独立存在于其他电子装置中。
48.所述客户端2、服务器4、广告引擎6之间通过网络通信连接，以进行数据传输和交互。所述网络可以是企业内部网(intranet)、互联网(internet)、全球移动通讯系统(global system of mobile communication，gsm)、宽带码分多址(wideband code division multiple access，wcdma)、4g网络、5g网络、蓝牙(bluetooth)、wi-fi等无线或有线网络。
49.实施例一
50.如图2所示，为本技术第一实施例提出的一种广告过滤链路分析方法的流程图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。
51.该方法包括以下步骤：
52.s200，接收一次广告请求并根据预设过滤条件列表筛选展示给第一用户的一个广告。
53.所述第一用户为访问广告资源位的用户。每个所述第一用户在登录应用程序或网站时，如果访问到广告资源位，则会向服务器发出一次广告请求，即请求只看一个广告。服务器接收到所述一次广告请求后，根据预设的过滤条件列表对从广告数据库中获取的广告进行层层过滤，筛选出一个广告展示给第一用户。所述过滤条件列表包括多个过滤条件以
及所述多个过滤条件之间的排序(即过滤顺序)。根据控制类型，所述多个过滤条件还可以分为定向控制、账户控制、资源控制、频次控制、体验控制等。所述定向控制例如人群定向，即该广告指定要投放的人群类型，包括性别、地域、年龄等。所述账户控制例如推广预算，即每推广一次该广告需要扣除预算，当预算已经用完时则不再推广该广告。所述资源控制例如不同广告资源位上的广告类型和广告竞价的门槛等。所述频次控制即该广告被推广的频次。所述体验控制例如创意分级，即广告创意的级别分数。
54.如图3所示，为一种所述过滤条件列表的示意图。所述多个过滤条件的排序可以根据过滤的复杂性进行确定，过滤的复杂性低，则过滤顺序靠前，过滤的复杂性高，则过滤顺序靠后。所述过滤的复杂性可以根据过滤掉的请求数量多少和过滤的快慢进行确定。例如，预算控制类的过滤条件较容易判断，如果广告预算已经用完，则该广告直接过滤，所以这种过滤条件排序靠前；体验控制类的过滤条件判断过程比较复杂，如创意分级需要先确定用户对广告创意的容忍度和广告创意的级别分数，再判断该广告是否符合用户的需求，所以这种过滤条件排序靠后。
55.值得注意的是，一般情况下，每个所述一次广告请求对应的过滤顺序都是一样的，但是可能对应不同数量的过滤条件。例如某一个广告单元没有设置人群定向(即投放给所有人)，就不用过滤人群定向。
56.s202，存储所述一次广告请求对应的广告过滤过程数据。
57.广告引擎针对所述一次广告请求进行过滤时，每根据一个过滤条件过滤一层就会生成一条记录，这些记录即为所述广告过滤过程数据。根据所述过滤条件列表筛选出最后结果后，广告引擎将所述过滤过程数据通过消息订阅系统存储到大数据存储系统，即可对每一个广告的过滤链路进行搜集。所述消息订阅系统例如kafaka，可以订阅服务器产生的数据，并传输到大数据存储系统。所述大数据存储系统例如hive，用来存储海量数据，便于数据之后的加工处理分析。
58.所述一次广告请求对应各个广告在所述多个过滤条件下的多次过滤时的多条过滤记录。在本实施例中，所述广告过滤过程数据的最小粒度为一个所述一次广告请求针对一个广告的一次过滤记录。通过所述广告过滤过程数据，可以统计各个广告的过滤链路。
59.如图4所示，为一种所述广告过滤过程数据的示意图。图4的表格为某一个广告单元在某一时间段内的广告过滤过程数据，其中每一行的数据为一条过滤记录，包括一个过滤条件和该过滤条件收到的一个请求(即该过滤条件过滤前的请求)。假设图4中的过滤顺序为过滤条件1、过滤条件2、过滤条件3，根据图4可以统计出过滤条件1收到的请求数量为2个，过滤条件2的收到的请求数量为2个(也就是过滤条件1过滤后的请求数量为2个)，过滤条件3收到的请求数量为1个(也就是过滤条件2过滤后的请求数量为1个)。因此该广告单元在过滤条件1的通过率是100％，在过滤条件2的通过率是50％，依此类推。
60.s204，获取多个所述一次广告请求对应的所述广告过滤过程数据，并按预设维度统计广告过滤链路。
61.当接收到足够多的所述一次广告请求，即对广告资源位的访问请求数量足够大以后，获取多个所述一次广告请求对应的所述广告过滤过程数据。后续可以根据这些一次广告请求对应的所述广告过滤过程数据对过滤条件进行聚合，即按所述过滤条件列表统计每个过滤条件过滤前后的请求数量。
62.在本实施例中，当获取到多个所述一次广告请求对应的所述广告过滤过程数据后，可以按时间、单元等维度进行聚合，得到广告过滤链路。其中，时间维度的最细粒度可以为天，也可以支持到小时，单元维度就是广告投放的最小粒度。也就是说，在某一时间段内，针对每个广告单元统计每个过滤条件过滤前后的请求数量。例如，广告单元一在2020年6月1日13时-14时之间接收到所述一次广告请求的数量为100，经过dnf打包基础定向过滤后剩余请求数量为80，经过资源控制过滤后剩余请求数量为70等。每一层过滤条件过滤前后之间减少的请求数量就是在该过滤条件下被过滤的请求数量，最后一层得到的是竞价成功的请求数量(将该广告单元一展示给第一用户的请求数量，也就是最终该广告单元一被展示的次数)。从上述例子可以看出，在dnf打包基础定向过滤之前的请求数量为100，之后的请求数量为80，则被过滤的请求数量为20；在资源控制过滤之前的请求数量为80，之后的请求数量为70，则被过滤的请求数量为10，依此类推。
63.s206，接收第二用户的过滤链路查询请求。
64.所述第二用户为运营人员或广告主等需要查看广告过滤链路的用户。第二用户可以从账户、广告等角度输入查询条件以发起过滤链路查询请求，从而查询对应的广告的过滤链路。例如，所述查询条件可以包括账户id、单元id、计划id等，其中，所述账户是广告主的账户，所述单元、计划均为广告的管理粒度，可以视为一个广告id。例如，第二用户输入的查询条件为账户id＝1，则可以查询该账户下的所有广告的过滤链路，包括该账户下的所有广告在各个过滤条件过滤前后的请求数量以及在各个过滤条件下的通过率或者被过滤掉的百分比等。
65.s208，根据所述查询请求进行广告过滤链路分析。
66.服务器接收到该查询请求后，基于所统计的广告过滤链路，根据所述查询条件进行该查询请求对应的广告过滤链路分析。
67.在本实施例中，第二用户查询的数据引擎是elastic search，可以直接根据之前的统计获取得到所需的结果，也可以轻度聚合。例如，假设之前统计的是每个小时内每个广告单元在每个过滤条件过滤前后的请求数量(即过滤链路)，而所述查询请求查询的是某一广告单元在某一天的过滤链路，则可以先获取每个小时的统计数据，再进行轻度聚合(即根据每个小时的数据计算得到一天的数据)。另外，还可以根据每个过滤条件过滤前后的请求数量计算该过滤条件下通过的请求数量、过滤掉的请求数量、通过率和/或过滤百分比等。
68.s210，向第二用户展示所述广告过滤链路分析的分析结果。
69.在本实施例中，将分析结果以可视化图形(例如漏斗图形)或表格等形式进行展示。
70.如图5所示，为一种展示分析结果的所述漏斗图形的示意图。在图5中，针对所查询的某一时间段(例如2020年6月1日)以及某广告(或某些广告)，左侧的百分比为在各个过滤条件下的通过率，中间各个过滤条件下方的数字为在该过滤条件下被过滤掉的请求数量，最后两行分别为竞价失败的请求数量和竞价成功的请求数量。
71.如图6所示，为一种展示分析结果的所述表格的示意图。在图6中，针对所查询的某一时间段(例如2020年6月1日)以及某广告(或某些广告)在过滤条件1下的过滤百分比(被过滤掉的请求数量占该层过滤时收到的请求数量总量的百分比)为40％，在过滤条件2下的过滤百分比为30％。
72.本实施例提出的广告过滤链路分析方法，可以在广告过滤条件多且复杂的情况下，通过对广告过滤过程数据的提取整理和可视化展示来告知运营人员或广告主为什么广告不展示(在哪个环节被过滤了)，以使运营人员或广告主更直观方便地发现问题，从而有针对性的进行改进，以改善广告投放效果，提升用户体验。
73.实施例二
74.如图7所示，为本技术第二实施例提出的一种广告过滤链路分析方法的流程图。在第二实施例中，所述广告过滤链路分析方法在上述第一实施例的基础上，还包括步骤s312。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。
75.该方法包括以下步骤：
76.s300，接收一次广告请求并根据预设过滤条件列表筛选展示给第一用户的一个广告。
77.所述第一用户为访问广告资源位的用户。每个所述第一用户在登录应用程序或网站时，如果访问到广告资源位，则会向服务器发出一次广告请求，即请求只看一个广告。服务器接收到所述一次广告请求后，根据预设的过滤条件列表对从广告数据库中获取的广告进行层层过滤，筛选出一个广告展示给第一用户。所述过滤条件列表包括多个过滤条件以及所述多个过滤条件之间的排序(即过滤顺序)。根据控制类型，所述多个过滤条件还可以分为定向控制、账户控制、资源控制、频次控制、体验控制等。所述定向控制例如人群定向，即该广告指定要投放的人群类型，包括性别、地域、年龄等。所述账户控制例如推广预算，即每推广一次该广告需要扣除预算，当预算已经用完时则不再推广该广告。所述资源控制例如不同广告资源位上的广告类型和广告竞价的门槛等。所述频次控制即该广告被推广的频次。所述体验控制例如创意分级，即广告创意的级别分数。
78.所述多个过滤条件的排序可以根据过滤的复杂性进行确定，过滤的复杂性低，则过滤顺序靠前，过滤的复杂性高，则过滤顺序靠后。所述过滤的复杂性可以根据过滤掉的请求数量多少和过滤的快慢进行确定。例如，预算控制类的过滤条件较容易判断，如果广告预算已经用完，则该广告直接过滤，所以这种过滤条件排序靠前；体验控制类的过滤条件判断过程比较复杂，如创意分级需要先确定用户对广告创意的容忍度和广告创意的级别分数，再判断该广告是否符合用户的需求，所以这种过滤条件排序靠后。
79.值得注意的是，一般情况下，每个所述一次广告请求对应的过滤顺序都是一样的，但是可能对应不同数量的过滤条件。例如某一个广告单元没有设置人群定向(即投放给所有人)，就不用过滤人群定向。
80.s302，存储所述一次广告请求对应的广告过滤过程数据。
81.广告引擎针对所述一次广告请求进行过滤时，每根据一个过滤条件过滤一层就会生成一条记录，这些记录即为所述广告过滤过程数据。根据所述过滤条件列表筛选出最后结果后，广告引擎将所述过滤过程数据通过消息订阅系统存储到大数据存储系统，即可对每一个广告的过滤链路进行搜集。所述消息订阅系统例如kafaka，可以订阅服务器产生的数据，并传输到大数据存储系统。所述大数据存储系统例如hive，用来存储海量数据，便于数据之后的加工处理分析。
82.所述一次广告请求对应各个广告在所述多个过滤条件下的多次过滤时的多条过滤记录。在本实施例中，所述广告过滤过程数据的最小粒度为一个所述一次广告请求针对
一个广告的一次过滤记录。也就是说，所述广告过滤过程数据中的每一条过滤记录包括一个过滤条件和该过滤条件收到的一个请求(即该过滤条件过滤前的请求)。通过所述广告过滤过程数据，可以统计各个广告的过滤链路。
83.s304，获取多个所述一次广告请求对应的所述广告过滤过程数据，并按预设维度统计广告过滤链路。
84.当接收到足够多的所述一次广告请求，即对广告资源位的访问请求数量足够大以后，获取多个所述一次广告请求对应的所述广告过滤过程数据。后续可以根据这些一次广告请求对应的所述广告过滤过程数据对过滤条件进行聚合，即按所述过滤条件列表统计每个过滤条件过滤前后的请求数量。
85.在本实施例中，当获取到多个所述一次广告请求对应的所述广告过滤过程数据后，可以按时间、单元等维度进行聚合，得到广告过滤链路。其中，时间维度的最细粒度可以为天，也可以支持到小时，单元维度就是广告投放的最小粒度。也就是说，在某一时间段内，针对每个广告单元统计每个过滤条件过滤前后的请求数量。例如，广告单元一在2020年6月1日13时-14时之间接收到所述一次广告请求的数量为100，经过dnf打包基础定向过滤后剩余请求数量为80，经过资源控制过滤后剩余请求数量为70等。每一层过滤条件过滤前后之间减少的请求数量就是在该过滤条件下被过滤的请求数量，最后一层得到的是竞价成功的请求数量(将该广告单元一展示给第一用户的请求数量，也就是最终该广告单元一被展示的次数)。从上述例子可以看出，在dnf打包基础定向过滤之前的请求数量为100，之后的请求数量为80，则被过滤的请求数量为20；在资源控制过滤之前的请求数量为80，之后的请求数量为70，则被过滤的请求数量为10，依此类推。
86.s306，接收第二用户的过滤链路查询请求。
87.所述第二用户为运营人员或广告主等需要查看广告过滤链路的用户。第二用户可以从账户、广告等角度输入查询条件以发起过滤链路查询请求，从而查询对应的广告的过滤链路。例如，所述查询条件可以包括账户id、单元id、计划id等，其中，所述账户是广告主的账户，所述单元、计划均为广告的管理粒度，可以视为一个广告id。例如，第二用户输入的查询条件为账户id＝1，则可以查询该账户下的所有广告的过滤链路，包括该账户下的所有广告在各个过滤条件过滤前后的请求数量以及在各个过滤条件下的通过率或者被过滤掉的百分比等。
88.s308，根据所述查询请求进行广告过滤链路分析。
89.服务器接收到该查询请求后，基于所统计的广告过滤链路，根据所述查询条件进行该查询请求对应的广告过滤链路分析。
90.在本实施例中，第二用户查询的数据引擎是elastic search，可以直接根据之前的统计获取得到所需的结果，也可以轻度聚合。例如，假设之前统计的是每个小时内每个广告单元在每个过滤条件过滤前后的请求数量(即过滤链路)，而所述查询请求查询的是某一广告单元在某一天的过滤链路，则可以先获取每个小时的统计数据，再进行轻度聚合(即根据每个小时的数据计算得到一天的数据)。另外，还可以根据每个过滤条件过滤前后的请求数量计算该过滤条件下通过的请求数量、过滤掉的请求数量、通过率和/或过滤百分比等。
91.s310，向第二用户展示所述广告过滤链路分析的分析结果。
92.在本实施例中，将分析结果以可视化图形(例如漏斗图形)或表格等形式进行展
示。
93.s312，根据所述分析结果向第二用户提供诊断建议。
94.根据针对所述查询请求的广告过滤链路分析结果，可以进一步分析出广告投放的问题，并针对这些问题向第二用户提供诊断建议。例如，若定向控制类过滤条件下的通过率低，则建议扩大定向；若账户控制类过滤条件下的通过率低，可能是账户预算过低，则建议增加预算；若频次控制类过滤条件下的通过率低，说明该广告已经多次曝光，可以建议调整该广告的投放条件(避免前期曝光频次太高)，或者增加设置的频次和预算等。
95.本实施例提出的广告过滤链路分析方法，可以自动根据针对所述查询请求的广告过滤链路分析结果，进一步分析出广告投放的问题，并针对这些问题向第二用户提供诊断建议，以方便第二用户及时作出相应调整，使得广告投放效果更加理想。
96.实施例三
97.如图8所示，为本技术第三实施例提出一种电子装置20的硬件架构示意图。本实施例中，所述电子装置20可包括，但不仅限于，可通过系统总线相互通信连接的存储器21、处理器22、网络接口23。需要指出的是，图8仅示出了具有组件21-23的电子装置20，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。在本实施例中，所述电子装置20可以是所述服务器4或所述广告引擎6。
98.所述存储器21至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器21可以是所述电子装置20的内部存储单元，例如该电子装置20的硬盘或内存。在另一些实施例中，所述存储器21也可以是所述电子装置20的外部存储设备，例如该电子装置20上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器21还可以既包括所述电子装置20的内部存储单元也包括其外部存储设备。本实施例中，所述存储器21通常用于存储安装于所述电子装置20的操作系统和各类应用软件，例如广告过滤链路分析系统60的程序代码等。此外，所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
99.所述处理器22在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子装置20的总体操作。本实施例中，所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据，例如运行所述广告过滤链路分析系统60等。
100.所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述电子装置20与其他电子设备之间建立通信连接。
101.实施例四
102.如图9所示，为本技术第四实施例提出一种广告过滤链路分析系统60的模块示意图。所述广告过滤链路分析系统60可以被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本技术实施例。本技术实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，以下描述将具体介绍本实施例各程序模块的功能。
103.在本实施例中，所述广告过滤链路分析系统60包括：
104.过滤模块600，用于接收一次广告请求并根据预设过滤条件列表筛选展示给第一用户的一个广告。
105.所述第一用户为访问广告资源位的用户。每个所述第一用户在登录应用程序或网站时，如果访问到广告资源位，则会向服务器发出一次广告请求，即请求只看一个广告。服务器接收到所述一次广告请求后，根据预设的过滤条件列表对从广告数据库中获取的广告进行层层过滤，筛选出一个广告展示给第一用户。所述过滤条件列表包括多个过滤条件以及所述多个过滤条件之间的排序(即过滤顺序)。根据控制类型，所述多个过滤条件还可以分为定向控制、账户控制、资源控制、频次控制、体验控制等。所述定向控制例如人群定向，即该广告指定要投放的人群类型，包括性别、地域、年龄等。所述账户控制例如推广预算，即每推广一次该广告需要扣除预算，当预算已经用完时则不再推广该广告。所述资源控制例如不同广告资源位上的广告类型和广告竞价的门槛等。所述频次控制即该广告被推广的频次。所述体验控制例如创意分级，即广告创意的级别分数。
106.所述多个过滤条件的排序可以根据过滤的复杂性进行确定，过滤的复杂性低，则过滤顺序靠前，过滤的复杂性高，则过滤顺序靠后。所述过滤的复杂性可以根据过滤掉的请求数量多少和过滤的快慢进行确定。例如，预算控制类的过滤条件较容易判断，如果广告预算已经用完，则该广告直接过滤，所以这种过滤条件排序靠前；体验控制类的过滤条件判断过程比较复杂，如创意分级需要先确定用户对广告创意的容忍度和广告创意的级别分数，再判断该广告是否符合用户的需求，所以这种过滤条件排序靠后。
107.值得注意的是，一般情况下，每个所述一次广告请求对应的过滤顺序都是一样的，但是可能对应不同数量的过滤条件。例如某一个广告单元没有设置人群定向(即投放给所有人)，就不用过滤人群定向。
108.存储模块602，用于存储所述一次广告请求对应的广告过滤过程数据。
109.针对所述一次广告请求进行过滤时，每根据一个过滤条件过滤一层就会生成一条记录，这些记录即为所述广告过滤过程数据。根据所述过滤条件列表筛选出最后结果后，将所述过滤过程数据通过消息订阅系统存储到大数据存储系统，即可对每一个广告的过滤链路进行搜集。所述消息订阅系统例如kafaka，可以订阅服务器产生的数据，并传输到大数据存储系统。所述大数据存储系统例如hive，用来存储海量数据，便于数据之后的加工处理分析。
110.所述一次广告请求对应各个广告在所述多个过滤条件下的多次过滤时的多条过滤记录。在本实施例中，所述广告过滤过程数据的最小粒度为一个所述一次广告请求针对一个广告的一次过滤记录。也就是说，所述广告过滤过程数据中的每一条过滤记录包括一个过滤条件和该过滤条件收到的一个请求(即该过滤条件过滤前的请求)。通过所述广告过滤过程数据，可以统计各个广告的过滤链路。
111.统计模块604，用于获取多个所述一次广告请求对应的所述广告过滤过程数据，并按预设维度统计广告过滤链路。
112.当接收到足够多的所述一次广告请求，即对广告资源位的访问请求数量足够大以后，获取多个所述一次广告请求对应的所述广告过滤过程数据。后续可以根据这些一次广告请求对应的所述广告过滤过程数据对过滤条件进行聚合，即按所述过滤条件列表统计每
个过滤条件过滤前后的请求数量。
113.在本实施例中，当获取到多个所述一次广告请求对应的所述广告过滤过程数据后，可以按时间、单元等维度进行聚合，得到广告过滤链路。其中，时间维度的最细粒度可以为天，也可以支持到小时，单元维度就是广告投放的最小粒度。也就是说，在某一时间段内，针对每个广告单元统计每个过滤条件过滤前后的请求数量。例如，广告单元一在2020年6月1日13时-14时之间接收到所述一次广告请求的数量为100，经过dnf打包基础定向过滤后剩余请求数量为80，经过资源控制过滤后剩余请求数量为70等。每一层过滤条件过滤前后之间减少的请求数量就是在该过滤条件下被过滤的请求数量，最后一层得到的是竞价成功的请求数量(将该广告单元一展示给第一用户的请求数量，也就是最终该广告单元一被展示的次数)。从上述例子可以看出，在dnf打包基础定向过滤之前的请求数量为100，之后的请求数量为80，则被过滤的请求数量为20；在资源控制过滤之前的请求数量为80，之后的请求数量为70，则被过滤的请求数量为10，依此类推。
114.接收模块606，用于接收第二用户的过滤链路查询请求。
115.所述第二用户为运营人员或广告主等需要查看广告过滤链路的用户。第二用户可以从账户、广告等角度输入查询条件以发起过滤链路查询请求，从而查询对应的广告的过滤链路。例如，所述查询条件可以包括账户id、单元id、计划id等，其中，所述账户是广告主的账户，所述单元、计划均为广告的管理粒度，可以视为一个广告id。例如，第二用户输入的查询条件为账户id＝1，则可以查询该账户下的所有广告的过滤链路，包括该账户下的所有广告在各个过滤条件过滤前后的请求数量以及在各个过滤条件下的通过率或者被过滤掉的百分比等。
116.分析模块608，用于根据所述查询请求进行广告过滤链路分析。
117.接收到该查询请求后，基于所统计的广告过滤链路，根据所述查询条件进行该查询请求对应的广告过滤链路分析。
118.在本实施例中，第二用户查询的数据引擎是elastic search，可以直接根据之前的统计获取得到所需的结果，也可以轻度聚合。例如，假设之前统计的是每个小时内每个广告单元在每个过滤条件过滤前后的请求数量(即过滤链路)，而所述查询请求查询的是某一广告单元在某一天的过滤链路，则可以先获取每个小时的统计数据，再进行轻度聚合(即根据每个小时的数据计算得到一天的数据)。另外，还可以根据每个过滤条件过滤前后的请求数量计算该过滤条件下通过的请求数量、过滤掉的请求数量、通过率和/或过滤百分比等。
119.展示模块610，用于向第二用户展示所述广告过滤链路分析的分析结果。
120.在本实施例中，将分析结果以可视化图形(例如漏斗图形)或表格等形式进行展示。
121.本实施例提出的广告过滤链路分析系统，可以在广告过滤条件多且复杂的情况下，通过对广告过滤过程数据的提取整理和可视化展示来告知运营人员或广告主为什么广告不展示(在哪个环节被过滤了)，以使运营人员或广告主更直观方便地发现问题，从而有针对性的进行改进，以改善广告投放效果，提升用户体验。
122.实施例五
123.如图10所示，为本技术第五实施例提出一种广告过滤链路分析系统60的模块示意图。在本实施例中，所述广告过滤链路分析系统60除了包括第四实施例中的所述过滤模块
600、存储模块602、统计模块604、接收模块606、分析模块608、展示模块610之外，还包括诊断模块612。
124.所述诊断模块612，用于根据所述分析结果向第二用户提供诊断建议。
125.根据针对所述查询请求的广告过滤链路分析结果，可以进一步分析出广告投放的问题，并针对这些问题向第二用户提供诊断建议。例如，若定向控制类过滤条件下的通过率低，则建议扩大定向；若账户控制类过滤条件下的通过率低，可能是账户预算过低，则建议增加预算；若频次控制类过滤条件下的通过率低，说明该广告已经多次曝光，可以建议调整该广告的投放条件(避免前期曝光频次太高)，或者增加设置的频次和预算等。
126.本实施例提出的广告过滤链路分析系统，可以自动根据针对所述查询请求的广告过滤链路分析结果，进一步分析出广告投放的问题，并针对这些问题向第二用户提供诊断建议，以方便第二用户及时作出相应调整，使得广告投放效果更加理想。
127.实施例六
128.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有广告过滤链路分析程序，所述广告过滤链路分析程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的广告过滤链路分析方法的步骤。
129.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。
130.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
131.显然，本领域的技术人员应该明白，上述的本技术实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本技术实施例不限制于任何特定的硬件和软件结合。
132.以上仅为本技术实施例的优选实施例，并非因此限制本技术实施例的专利范围，凡是利用本技术实施例说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术实施例的专利保护范围内。