信息转化率的校准方法、装置、计算机设备和存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种信息转化率的校准方法、装置、计算机设备和存储介质。


背景技术：

2.信息的预估转化率，一般指的是信息的点击转化率，即信息被点击之后得到转化的概率。信息推广平台在对信息进行投放之前往往会预估该信息的转化率，通过预估推广信息的转化率，能够判断此次推广是否能够达到信息转化的目标。
3.传统方式中一般是根据推广信息的内容、推广对象的相关信息等对推广信息的转化率进行预测。然而，基于推广信息的内容、推广对象的相关信息所预测得到的推广信息的转化率并不准确。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够有效地对推广信息的转化率进行校准的信息转化率的校准方法、装置、计算机设备和存储介质。
5.一种信息转化率的校准方法，所述方法包括：
6.当接收到针对推广信息的投放请求时，确定与所述推广信息对应的至少一个信息评价维度；
7.对于每个信息评价维度，分别获取所述推广信息在相应信息评价维度下，对应每个子维度的历史转化数和历史预测转化率；所述子维度基于所述推广信息所属的推广渠道和所述推广信息所对应的时效属性中的至少一种确定；
8.根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，确定所述推广信息在本次投放中对应的校准系数；
9.预测所述推广信息的信息转化率，并基于所述校准系数对所述信息转化率进行校准；所述信息转化率表征所述推广信息在本次投放中的预测转化概率。
10.在一个实施例中，所述预测所述推广信息的信息转化率，包括：
11.获取所述推广信息在目标投放渠道对应的推广内容特征和推广属性特征，以及用户对象在所述目标投放渠道对应的用户属性特征；
12.根据所述目标投放渠道对应的推广内容特征、所述推广属性特征和所述用户属性特征，预测用户对象在所述目标投放渠道针对所述推广信息的用户转化率；
13.根据每个所述用户对象对应的用户转化率，预测所述推广信息在所述目标投放渠道的信息转化率。
14.一种信息转化率的校准装置，所述装置包括：
15.接收模块，用于当接收到针对推广信息的投放请求时，确定与所述推广信息对应的至少一个信息评价维度；
16.获取模块，用于对于每个信息评价维度，分别获取所述推广信息在相应信息评价
维度下，对应每个子维度的历史转化数和历史预测转化率；所述子维度基于所述推广信息所属的推广渠道和所述推广信息所对应的时效属性中的至少一种确定；
17.确定模块，用于根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，确定所述推广信息在本次投放中对应的校准系数；
18.校准模块，用于预测所述推广信息的信息转化率，并基于所述校准系数对所述信息转化率进行校准；所述信息转化率表征所述推广信息在本次投放中的预测转化概率。
19.在一个实施例中，所述获取模块，还用于对于每个信息评价维度，分别获取第一预设时长内所述推广信息在相应信息评价维度下，对应每个子维度的第一已转化数和第一已预测转化率；对于每个信息评价维度，分别获取第二预设时长内所述推广信息在相应信息评价维度下，对应每个子维度的第二已转化数和第二已预测转化率；所述第二预设时长包含所述第一预设时长；从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数，以及从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率。
20.在一个实施例中，所述获取模块，还用于获取第二预设时长内每个第一预设时长分别对应的时间衰减系数；对于每个信息评价维度，根据所述第二预设时长内每个第一预设时长分别对应的第一已转化数和相应的时间衰减系数，确定所述第二预设时长内所述推广信息在相应信息评价维度下，对应每个子维度的第二已转化数；对于每个信息评价维度，根据所述第二预设时长内每个第一预设时长分别对应的第一已预测转化率和相应的时间衰减系数，确定所述第二预设时长内所述推广信息在相应信息评价维度下，对应每个子维度的第二已预测转化率。
21.在一个实施例中，所述获取模块，还用于对于每个信息评价维度，获取所述推广信息在相应信息评价维度下对应的原始消耗资源，以及在所述第一预设时长内的已累积消耗资源；根据所述原始消耗资源和所述已累积消耗资源，从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数；根据所述原始消耗资源和所述已累积消耗资源，从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率。
22.在一个实施例中，所述获取模块，还用于当所述已累积消耗资源大于所述原始消耗资源的预设倍数时，将所述第一已转化数作为所述推广信息在相应信息评价维度下，对应相应子维度的历史转化数；当所述已累积消耗资源小于或等于所述原始消耗资源的预设倍数时，将所述第二已转化数作为所述推广信息在相应信息评价维度下，对应相应子维度的历史转化数；当所述已累积消耗资源大于所述原始消耗资源的预设倍数时，将所述第一已预测转化率作为所述推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率；当所述已累积消耗资源小于或等于所述原始消耗资源的预设倍数时，将所述第二已预测转化率作为所述推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率。
23.在一个实施例中，所述获取模块，还用于对于所述推广信息对应的每个信息评价维度，获取相应信息评价维度下的信息集分别对应每个子维度的集合转化数和集合预测转化率；将相应信息评价维度下的信息集，对应每个子维度的集合转化数，作为所述推广信息在相应信息评价维度下，对应相应子维度的历史转化数；将相应信息评价维度下的信息集，对应每个子维度的集合预测转化率，作为所述推广信息在相应信息评价维度下，对应相应
子维度的历史预测转化率。
24.在一个实施例中，所述获取模块，还用于对于所述推广信息对应的每个信息评价维度，确定每个信息评价维度分别对应的信息集；针对每个信息集，获取相应信息集中每个投放信息在相应信息评价维度下，对应每个子维度的已转化数和已转化率；根据每个投放信息在相应信息评价维度下，对应每个子维度的已转化数，确定相应信息集在相应信息评价维度下对应每个子维度的集合转化数，以及根据每个投放信息在相应信息评价维度下，对应每个子维度的已转化率，确定相应信息集在相应信息评价维度下对应每个子维度的集合预测转化率。
25.在一个实施例中，所述确定模块，还用于对于每个信息评价维度，根据相应信息评价维度下的每个所述子维度分别对应的历史转化数和历史预测转化率，确定相应信息评价维度对应的目标转化数和目标转化率；根据每个所述信息评价维度分别对应的目标转化数和目标转化率，确定所述推广信息在本次投放中对应的校准系数。
26.在一个实施例中，所述确定模块，还用于对于每个信息评价维度，获取相应信息评价维度下每个子维度对应的转化数权重和转化率权重；根据相应信息评价维度下每个子维度的历史转化数和相应转化数权重，确定相应信息评价维度对应的目标转化数；根据相应信息评价维度下每个子维度的历史预测转化率和相应转化率权重，确定相应信息评价维度对应的目标转化率。
27.在一个实施例中，所述确定模块，还用于当存在多个信息评价维度时，获取所述多个信息评价维度的优先级顺序；基于所述多个信息评价维度的优先级顺序，从所述多个信息评价维度中筛选出优先级最高的目标评价维度；根据所述目标评价维度所对应的目标转化数和目标转化率，确定所述推广信息在本次投放中对应的校准系数。
28.在一个实施例中，所述校准模块，还用于获取与所述推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征；根据所述推广内容特征、所述推广属性特征和所述用户属性特征，预测所述推广信息的信息转化率。
29.在一个实施例中，所述校准模块，还用于针对每个用户对象，根据所述推广内容特征、所述推广属性特征和相应用户属性特征，预测在目标时间段内相应用户对象针对所述推广信息的用户转化率；根据每个所述用户对象对应的用户转化率，确定所述推广信息在所述目标时间段内的信息转化率。
30.在一个实施例中，所述校准模块，还用于获取所述推广信息在目标投放渠道对应的推广内容特征和推广属性特征，以及用户对象在所述目标投放渠道对应的用户属性特征；根据所述目标投放渠道对应的推广内容特征、所述推广属性特征和所述用户属性特征，预测用户对象在所述目标投放渠道针对所述推广信息的用户转化率；根据每个所述用户对象对应的用户转化率，预测所述推广信息在所述目标投放渠道的信息转化率。
31.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
32.当接收到针对推广信息的投放请求时，确定与所述推广信息对应的至少一个信息评价维度；
33.对于每个信息评价维度，分别获取所述推广信息在相应信息评价维度下，对应每个子维度的历史转化数和历史预测转化率；所述子维度基于所述推广信息所属的推广渠道
和所述推广信息所对应的时效属性中的至少一种确定；
34.根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，确定所述推广信息在本次投放中对应的校准系数；
35.预测所述推广信息的信息转化率，并基于所述校准系数对所述信息转化率进行校准；所述信息转化率表征所述推广信息在本次投放中的预测转化概率。
36.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
37.当接收到针对推广信息的投放请求时，确定与所述推广信息对应的至少一个信息评价维度；
38.对于每个信息评价维度，分别获取所述推广信息在相应信息评价维度下，对应每个子维度的历史转化数和历史预测转化率；所述子维度基于所述推广信息所属的推广渠道和所述推广信息所对应的时效属性中的至少一种确定；
39.根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，确定所述推广信息在本次投放中对应的校准系数；
40.预测所述推广信息的信息转化率，并基于所述校准系数对所述信息转化率进行校准；所述信息转化率表征所述推广信息在本次投放中的预测转化概率。
41.上述信息转化率的校准方法、装置、计算机设备和存储介质，针对推广信息的投放请求，确定与推广信息的信息转化率相关的至少一个信息评价维度。获取推广信息在信息评价维度的基础上，进一步细分子维度下的历史转化数和历史预测转化率，子维度是基于推广信息所属的推广渠道和推广信息所对应的时效属性中的至少一种确定，则所获得的历史转化数和历史预测转化率是基于信息评价维度的推广渠道、时效属性这两种子维度下确定的。根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，计算推广信息在本次投放中对应的校准系数，能够基于历史数据准确计算推广信息在未来时间内投放对应的校准系数。基于校准系数对推广信息在本次投放中的预测转化概率进行校准，能够有效对信息转化率被高估或低估的情况进行准确校准。
附图说明
42.图1为一个实施例中信息转化率的校准方法的应用环境图；
43.图2为一个实施例中信息转化率的校准方法的流程示意图；
44.图3为一个实施例中获取推广信息在各信息评价维度下，对应每个子维度的历史转化数和历史预测转化率的流程示意图；
45.图4为一个实施例中获取第二预设时长内推广信息在各信息评价维度下，对应每个子维度的第二已转化数和第二已预测转化率的流程示意图；
46.图5为一个实施例中从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数的流程示意图；
47.图6为另一个实施例中获取推广信息在各信息评价维度下，对应每个子维度的历史转化数和历史预测转化率的流程示意图；
48.图7为另一个实施例中获取各信息评价维度下的信息集分别对应每个子维度的集合转化数和集合预测转化率的流程示意图；
49.图8为一个实施例中根据每个信息评价维度分别对应的目标转化数和目标转化率，确定推广信息在本次投放中对应的校准系数的流程示意图；
50.图9为一个实施例中信息转化率的校准装置的结构框图；
51.图10为一个实施例中计算机设备的内部结构图。
具体实施方式
52.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，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
53.本技术涉及人工智能(artificial intelligence，ai)技术领域，其中，人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。本技术实施例提供的方案涉及人工智能的信息转化率的校准方法，具体通过如下各实施例进行说明。
54.本技术提供的信息转化率的校准方法，可以应用于如图1所示的信息转化率校准系统。如图1所示，该信息转化率校准系统包括终端110和服务器120。在一个实施例中，终端110和服务器120均可单独执行本技术实施例中提供的信息转化率的校准方法。终端110和服务器120也可协同用于执行本技术实施例中提供的信息转化率的校准方法。当终端110和服务器120协同用于执行本技术实施例中提供的信息转化率的校准方法时，终端110当接收到针对推广信息的投放请求时，可将针对推广信息的投放请求发送至服务器120。服务器120确定与推广信息对应的至少一个信息评价维度，对于每个信息评价维度，服务器120分别获取推广信息在相应信息评价维度下，对应每个子维度的历史转化数和历史预测转化率；该子维度基于推广信息所属的推广渠道和推广信息所对应的时效属性中的至少一种确定。服务器120根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，确定推广信息在本次投放中对应的校准系数。服务器120将校准系数返回至终端110，终端110预测推广信息的信息转化率，并基于校准系数对信息转化率进行校准；该信息转化率表征推广信息在本次投放中的预测转化概率。
55.其中，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端110以及服务器120可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
56.在一个实施例中，多个服务器可组成为一区块链，而服务器为区块链上的节点。
57.在一个实施例中，该信息转化率的校准方法所产生的数据可保存于区块链上，例如推广信息、推广信息对应的每个信息评价维度、推广信息在相应信息评价维度下对应每个子维度的历史转化数和历史预测转化率、推广信息对应的校准系数等数据均可保存于区块链上。
58.在一个实施例中，如图2所示，提供了一种信息转化率的校准方法，以该方法应用
于图1中的计算机设备(该计算机设备具体可以是图1中的终端或服务器)，包括以下步骤：
59.步骤s202，当接收到针对推广信息的投放请求时，确定与推广信息对应的至少一个信息评价维度。
60.其中，推广信息是指推广需求方为需要进行推广的内容、产品或服务制作的信息，具体可以是广告标题、广告链接、缩略图、内容概述、部分广告内容或者全部广告内容。
61.信息评价维度是用于对信息进行分类的维度，至少一个信息评价维度具体可以是信息归属维度、信息内容维度和信息受众维度中的至少一个，但不限于此。信息归属维度是指信息的创建者或信息的所有者，具体可以是信息所属的广告主、企业、集团等。信息受众维度是指信息所面向的对象，具体可以是广告商品品牌、地区、城市等。信息内容维度是指信息所推广的对象，具体可以是广告商品、保险服务、理财产品等，但不限于此。
62.具体地，当计算机设备接收到针对推广信息的投放请求时，计算机设备可确定与该推广信息对应的至少一个信息评价维度。进一步地，计算机设备可确定与该推广信息对应的信息归属维度、信息内容维度和信息受众维度中的至少一种。
63.例如，推广信息为广告，计算机设备接收到该广告的投放请求时，可确定该广告对应的广告主、该广告对应的广告商品，以及该广告商品对应的商品品牌中的至少一种。
64.步骤s204，对于每个信息评价维度，分别获取推广信息在相应信息评价维度下，对应每个子维度的历史转化数和历史预测转化率；该子维度基于推广信息所属的推广渠道和推广信息所对应的时效属性中的至少一种确定。
65.其中，历史转化数是指在过去的时间段内信息被投放后，已经被用户进行转化的数量或次数。历史预测转化率是指在过去的时间段信息被投放后，所预测的被用户转化的概率。
66.推广渠道是指对信息进行推广的渠道，包括但不限于应用程序、网页等。应用程序还可进一步包括母应用和运行在该母应用上的子应用。母应用是指能够独立运行的应用程序。子应用是指无法独立运行，需要借助母应用实现运行的应用。母应用和子应用均可以包括即时通信应用、sns(social network sites，社交网站)应用、短视频应用、长视频应用、游戏应用、音乐分享应用、购物出售应用、ugc(user generated content，用户生成内容)应用、各类智能识别应用，但不限于此。
67.子维度是指在信息评价维度的基础上，进一步进行细分的维度。子维度包括推广信息所属的推广渠道、推广信息所对应的时效属性、以及包含该推广渠道和时效属性的组合中的至少一种。
68.时效属性表征信息在过去时间段内是否被曝光过。例如推广信息为广告a，广告a对应的时效属性是指该广告a为新广告或旧广告。新广告是指未被曝光过的广告，也可以是在仅在某个时间段内有曝光，其他时间段内未被曝光过的广告。例如仅在当前2天内有曝光过，且其他时间未被曝光的广告。旧广告是指除了新广告以外的广告。可以理解的是，同一个推广信息在不同的推广渠道对应的时效属性可不相同。例如广告a在平台1为新广告，在平台2为旧广告。
69.具体地，当信息评价维度为信息归属维度时，计算机设备确定与推广信息对应的信息归属维度。计算机设备可确定信息归属维度下对应的每个子维度，针对每个子维度，计算机设备获取推广信息对应每个子维度的历史转化数，以及推广信息对应每个子维度的历
史预测转化率。例如，当子维度为推广信息所属的推广渠道时，计算机设备获取推广信息在信息归属维度下对应该推广渠道的历史转化数和历史预测转化率。当子维度为推广信息所对应的时效属性时，计算机设备获取推广信息在信息归属维度下对应该时效属性的历史转化数和历史预测转化率。当子维度为该推广渠道和时效属性的组合时，计算机设备获取推广信息在信息归属维度下对应该组合的历史转化数和历史预测转化率。
70.在一个实施例中，计算机设备确定与推广信息对应的信息归属维度和信息内容维度。计算机设备可获取推广信息在信息归属维度下，对应每个子维度的历史转化数，以及对应每个子维度的历史预测转化率。计算机设备可获取推广信息在信息内容维度下，对应每个子维度的历史转化数，以及对应每个子维度的历史预测转化率。
71.在一个实施例中，计算机设备确定与推广信息对应的信息归属维度、信息内容维度和信息受众维度。计算机设备可获取推广信息在信息归属维度下，对应每个子维度的历史转化数，以及对应每个子维度的历史预测转化率。计算机设备可获取推广信息在信息内容维度下，对应每个子维度的历史转化数，以及对应每个子维度的历史预测转化率。计算机设备可获取推广信息在信息受众维度下，对应每个子维度的历史转化数，以及对应每个子维度的历史预测转化率。
72.在一个实施例中，每个信息评价维度下的子维度相同。例如，每个信息评价维度下的子维度均为推广信息所属的推广渠道，或者每个信息评价维度下的子维度均为推广信息所对应的时效属性，或者每个信息评价维度下的子维度均为该推广渠道和时效属性的组合。
73.步骤s206，根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，确定推广信息在本次投放中对应的校准系数。
74.其中，校准系数是用于对推广信息的信息转化率进行校准的调节系数。
75.具体地，计算机设备根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，计算出推广信息在本次投放中对应的校准系数。
76.步骤s208，预测推广信息的信息转化率，并基于校准系数对信息转化率进行校准；该信息转化率表征推广信息在本次投放中的预测转化概率。
77.其中，信息转化率表征推广信息在本次投放中的预测转化概率，即信息转化率是指推广信息在本次投放中，获得用户转化的概率。信息转化率具体可以是推广信息在本次投放中，被用户点击后获得转化的概率。
78.具体地，计算机设备对推广信息在本次投放中的信息转化率进行预估。获得信息转化率后，使用该校准系数对该信息转化率进行校准。进一步地，计算机设备可将信息转化率和校准系数的乘积，作为推广信息校准后的信息转化率。
79.在一个实施例中，计算机设备可通过训练好的转化率预测模型，对推广信息在本次投放中的信息转化率进行预测。
80.上述信息转化率的校准方法中，针对推广信息的投放请求，确定与推广信息的信息转化率相关的至少一个信息评价维度。获取推广信息在信息评价维度的基础上，进一步细分子维度下的历史转化数和历史预测转化率，子维度是基于推广信息所属的推广渠道和推广信息所对应的时效属性中的至少一种确定，则所获得的历史转化数和历史预测转化率是基于信息评价维度的推广渠道、时效属性这两种子维度下确定的。根据每个信息评价维
度各自所对应的历史转化数和历史预测转化率，计算推广信息在本次投放中对应的校准系数，能够基于历史数据准确计算推广信息在未来时间内投放对应的校准系数。基于校准系数对推广信息在本次投放中的预测转化概率进行校准，能够对信息转化率被高估或低估的情况进行有效校准，使得推广信息在投放中的信息转化率的预估更加准确。
81.在一个实施例中，如图3所示，对于每个信息评价维度，分别获取推广信息在相应信息评价维度下，对应每个子维度的历史转化数和历史预测转化率，包括：
82.步骤s302，对于每个信息评价维度，分别获取第一预设时长内推广信息在相应信息评价维度下，对应每个子维度的第一已转化数和第一已预测转化率。
83.其中，第一已转化数是指推广信息被投放后，在第一预设时长内被用户对象进行转化的数量或次数。第一已预测转化率是指推广信息被投放后，所预测的在第一预设时长内获得用户对象转化的概率。
84.具体地，第一预设时长是指过去的时间段。计算机设备获取推广信息被投放后，在第一预设时长内对于同一信息评价维度下，分别对应各个子维度对应的第一已转化数，以及分别对应各个子维度对应的第一已预测转化率。
85.例如，广告a对应的信息归属维度为广告主a，计算机设备获取广告a被投放后，在11:00-12:00内，在广告主a的子维度1下对应的第一已转化数和第一已预测转化率。以及，获取在广告主a的子维度2下对应的第一已转化数和第一已预测转化率。
86.广告a对应的信息内容维度为商品b，计算机设备获取广告a被投放后，在11:00-12:00内，在商品b的子维度1下对应的第一已转化数和第一已预测转化率。以及，获取在11:00-12:00内，在商品b的子维度2下对应的第一已转化数和第一已预测转化率。
87.步骤s304，对于每个信息评价维度，分别获取第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已转化数和第二已预测转化率；第二预设时长包含第一预设时长。
88.其中，第一预设时长和第二预设时长均是指过去的时间段，第二预设时长包含第一预设时长。进一步地，第一预设时长的结束时刻与第二预设时长的结束时刻相同。例如，第一预设时长为00:00-12:00，第二预设时长为11:00-12:00。
89.第二已转化数是指推广信息被投放后，在第二预设时长内被用户对象进行转化的数量或次数。第二已预测转化率是指推广信息被投放后，所预测的在第二预设时长内获得用户对象转化的概率。
90.具体地，计算机设备获取推广信息被投放后，在第二预设时长内对于同一信息评价维度下，分别对应各个子维度对应的第二已转化数，以及分别对应各个子维度对应的第二已预测转化率。按照相同的处理方式，可获得第二预设时长内推广信息在每个信息评价维度下，对应每个相应子维度的第二已转化数和第二已预测转化率。
91.例如，广告a对应的信息归属维度为广告主a，计算机设备获取广告a被投放后，在00:00-12:00内，在广告主a的子维度1下对应的第二已转化数和第二已预测转化率。以及，获取在广告主a的子维度2下对应的第二已转化数和第二已预测转化率。
92.广告a对应的信息内容维度为商品b，计算机设备获取广告a被投放后，在00:00-12:00内，在商品b的子维度1下对应的第二已转化数和第二已预测转化率。以及，获取在00:00-12:00内，在商品b的子维度2下对应的第二已转化数和第二已预测转化率。
93.步骤s306，从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数。
94.具体地，同一信息评价维度下，同一子维度分别对应两个已转化数，即第一已转化数和第二已转化数。计算机设备可从第一已转化数和第二已转化数中，筛选一个已转化数作为该同一子维度对应的历史转化数。例如，将第一已转化数作为该同一信息评价维度下，该同一子维度对应的历史转化数。
95.按照相同的处理方式，计算机设备可从每个信息评价维度下的每个子维度分别对应的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数。
96.步骤s308，从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率。
97.具体地，同一信息评价维度下，同一子维度分别对应两个已预测转化率，即第一已预测转化率和第二已预测转化率。计算机设备可从第一已预测转化率和第二已预测转化率中，筛选一个已预测转化率作为该同一子维度对应的历史预测转化率。例如，将第一已预测转化率作为该同一信息评价维度下，该同一子维度对应的历史预测转化率。
98.按照相同的处理方式，计算机设备可从每个信息评价维度下的每个子维度分别对应的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率。
99.本实施例中，获取两个不同预设时长内，推广信息在相应信息评价维度下对应每个子维度的已转化数和已预测转化率，从同一子维度对应两个不同的已转化数中筛选出该同一子维度对应的历史转化数，从同一子维度对应两个不同的已预测转化率中筛选出该同一子维度对应的历史预测转化率，能够从提供的多个历史数据中筛选出最适合的数据，以提高校准系数计算的准确性。
100.在一个实施例中，如图4所示，对于每个信息评价维度，分别获取第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已转化数和第二已预测转化率，包括：
101.步骤s402，获取第二预设时长内每个第一预设时长分别对应的时间衰减系数。
102.其中，时间衰减系数是指对不同时长进行调节的调节系数，例如对00:00-01:00、01:00-02:00、18:00-19:00等时长对应的时间衰减系数。时间衰减系数可以是线性的时间衰减系数，也可以是高斯衰减系数等，但不限于此。
103.具体地，计算机设备可确定第二预设时长中的每个第一预设时长，并获取每个第一预设时长分别对应的时间衰减系数。
104.步骤s404，对于每个信息评价维度，根据第二预设时长内每个第一预设时长分别对应的第一已转化数和相应的时间衰减系数，确定第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已转化数。
105.具体地，对于同一信息评价维度，计算机设备获取每个第一预设时长内推广信息在该同一信息评价维度下，分别对应每个子维度的第一已转化数。
106.对于同一信息评价维度下的同一子维度，根据该同一子维度在每个第一预设时长内的第一已转化数和相应的时间衰减系数，计算出该同一子维度在第二预设时长内对应的第二已转化数。进一步地，计算机设备将该同一子维度在每个第一预设时长内的第一已转
化数和相应的时间衰减系数的乘积之和，作为推广信息在该同一子维度下，在第二预设时长内对应的第二已转化数。
107.例如，可通过如下公式计算第二已转化数：
[0108][0109]
其中，conv_advertiser_day为第二已转化数，conv_advertiser_houri为第i个第一已转化数。i是当前时刻，1-(i-i)*λ为第i个时刻对应的时间衰减系数，即第i个第一预设时长对应的时间衰减系数，λ可取0.05。
[0110]
步骤s406，对于每个信息评价维度，根据第二预设时长内每个第一预设时长分别对应的第一已预测转化率和相应的时间衰减系数，确定第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已预测转化率。
[0111]
具体地，对于同一信息评价维度，计算机设备获取每个第一预设时长内推广信息在该同一信息评价维度下，分别对应每个子维度的第一已预测转化率。
[0112]
对于同一信息评价维度下的同一子维度，根据该同一子维度在每个第一预设时长内的第一已预测转化率和相应的时间衰减系数，计算出推广信息在该同一子维度下，在第二预设时长内对应的第二已预测转化率。进一步地，计算机设备将该同一子维度在每个第一预设时长内的第一已预测转化率和相应的时间衰减系数的乘积之和，作为推广信息在该同一子维度下，在第二预设时长内对应的第二已预测转化率。
[0113]
例如，可通过如下公式计算第二已预测转化率：
[0114][0115]
其中，pcvr_advertiser_day为第二已预测转化率，pcvr_advertiser_houri为第i个第一已预测转化率。i是当前时刻，1-(i-i)*λ为第i个时刻对应的时间衰减系数，即第i个第一预设时长对应的时间衰减系数，λ可取0.05。
[0116]
本实施例中，结合每个第一预设时长对应的第一已转化数、第一已预测转化率和每个时间衰减系数，以计算第二预设时长内，每个信息评价维度下每个子维度的第二已转化数、第二已预测转化率，能够考虑到推广信息在不同时间段内投放所产生的影响，使得所计算的第二已转化数、第二已预测转化率更符合推广信息投放的实际情况。
[0117]
在一个实施例中，如图5所示，从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数，包括：
[0118]
步骤s502，对于每个信息评价维度，获取推广信息在相应信息评价维度下对应的原始消耗资源，以及在第一预设时长内的已累积消耗资源。
[0119]
其中，原始消耗资源是指信息所有者设置的对推广信息获得一次转化所消耗的资源。转化是指用户对推广信息的特定操作，例如对信息的点击、浏览；例如推广信息表征应用程序的下载地址时，转化可以是用户对信息中的应用程序的下载、激活，但不限于此。例如，信息所有者是广告主，推广信息是指目标广告，转化是指用户对目标广告中的应用程序进行下载，则原始消耗资源是广告主愿意为1次应用程序的下载所支付的成本。
[0120]
已累积消耗资源是指推广信息在第一预设时长内进行推送所累积的消耗资源，例如已累积消耗资源是指目标广告已推送1个小时所累积的总费用。
[0121]
具体地，对于每个信息评价维度，计算机设备可分别获取推广信息在第一预设时
长内对应信息评价维度的原始消耗资源，并获取推广信息在第一预设时长内投放，分别在每个信息评价维度下所消耗的已累积消耗资源。
[0122]
步骤s504，根据原始消耗资源和已累积消耗资源，从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数。
[0123]
具体地，第二预设时长包含第一预设时长，则第一预设时长对应的数据量较少，第二预设时长对应的数据量较大。同一信息评价维度下，同一子维度分别对应两个已转化数，即第一已转化数和第二已转化数。
[0124]
计算机设备将原始消耗资源和已累积消耗资源进行比较，根据比较结果从同一信息评价维度下，同一子维度对应的第一已转化数和第二已转化数，筛选出该同一子维度对应的历史转化数。该历史转化数为第一已转化数和第二已转化数中的一个。按照相同的处理方式，计算机设备可筛选出同一信息评价维度下，每个子维度分别对应的历史转化数。
[0125]
对于推广信息对应的每个信息评价维度，按照上述处理方式，可得到每个信息评价维度下每个子维度分别对应的历史转化数。
[0126]
从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率，包括：
[0127]
步骤s506，根据原始消耗资源和已累积消耗资源，从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率。
[0128]
具体地，同一信息评价维度下，同一子维度分别对应两个已预测转化率，即第一已预测转化率和第二已预测转化率。计算机设备将原始消耗资源和已累积消耗资源进行比较，根据比较结果从同一信息评价维度下，同一子维度对应的第一已预测转化率和第二已预测转化率，筛选出该同一子维度对应的历史预测转化率。该历史预测转化率为第一已预测转化率和第二已预测转化率中的一个。按照相同的处理方式，计算机设备可筛选出同一信息评价维度下，每个子维度分别对应的历史预测转化率。
[0129]
对于推广信息对应的每个信息评价维度，按照上述处理方式，可得到每个信息评价维度下每个子维度分别对应的历史预测转化率。
[0130]
本实施例中，第二预设时长包含第一预设时长，则第一预设时长对应的数据量较少，第二预设时长对应的数据量较大，即第一已转化数和第一已转化率的数据量较少，第二已转化数和第二已预测转化率的数据量较大。通过推广信息在相应信息评价维度下对应的原始消耗资源，以及在第一预设时长内的已累积消耗资源，从相应信息评价维度下的每个子维度对应的已转化数和已预测转化率进行筛选，基于筛选条件可快速确定使用数据量少的数量还是使用数据量大的数据，能够满足不同筛选条件下的校准要求。
[0131]
在一个实施例中，根据原始消耗资源和已累积消耗资源，从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数，包括：当已累积消耗资源大于原始消耗资源的预设倍数时，将第一已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数；
[0132]
根据原始消耗资源和已累积消耗资源，从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率，包括：当已累积消耗资源大于原始消耗资源的预设倍数时，将第一已预测转化率作为推广信息在
相应信息评价维度下，对应相应子维度的历史预测转化率。
[0133]
具体地，对应每个信息评价维度，计算机设备可获取推广信息在信息评价维度下对应的原始消耗资源，以及推广信息在第一预设时长内的已累积消耗资源。计算机设备计算已累积消耗资源和原始消耗资源的比值，当已累积消耗资源和原始消耗资源的比值大于预设倍数时，比如已累积消耗资源》4*原始消耗资源，计算机设备将该信息评价维度下每个子维度的第一已转化数，作为推广信息在该信息评价维度下，分别对应相同子维度的历史转化数。按照相同的处理方式，可得到推广信息在每个信息评价维度下，对应每个子维度的历史转化数。
[0134]
当已累积消耗资源和原始消耗资源的比值大于预设倍数时，比如已累积消耗资源》4*原始消耗资源，计算机设备将该信息评价维度下每个子维度的第一已预测转化率，作为推广信息在该信息评价维度下，分别对应相同子维度的历史预测转化率。按照相同的处理方式，可得到推广信息在每个信息评价维度下，对应每个子维度的历史预测转化率。
[0135]
本实施例中，当已累积消耗资源大于原始消耗资源的预设倍数时，表示所获取的在第一预设时长内数据足够充分可靠，则将第一预设时长内的各个第一已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数，并将第一预设时长内的各个第一已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率，从而保证数据的可靠性和充分性。
[0136]
在一个实施例中，根据原始消耗资源和已累积消耗资源，从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数，包括：当已累积消耗资源小于或等于原始消耗资源的预设倍数时，将第二已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数；
[0137]
根据原始消耗资源和已累积消耗资源，从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率，包括：当已累积消耗资源小于或等于原始消耗资源的预设倍数时，将第二已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率。
[0138]
具体地，对应每个信息评价维度，计算机设备可获取推广信息在信息评价维度下对应的原始消耗资源，以及推广信息在第一预设时长内的已累积消耗资源。计算机设备计算已累积消耗资源和原始消耗资源的比值，当已累积消耗资源和原始消耗资源的比值小于或等于预设倍数时，比如已累积消耗资源≤4*原始消耗资源，计算机设备将该信息评价维度下每个子维度的第二已转化数，作为推广信息在该信息评价维度下，分别对应相同子维度的历史转化数。按照相同的处理方式，可得到推广信息在每个信息评价维度下，对应每个子维度的历史转化数。
[0139]
当已累积消耗资源和原始消耗资源的比值小于或等于预设倍数时，比如已累积消耗资源≤4*原始消耗资源，计算机设备将该信息评价维度下每个子维度的第二已预测转化率，作为推广信息在该信息评价维度下，分别对应相同子维度的历史预测转化率。按照相同的处理方式，可得到推广信息在每个信息评价维度下，对应每个子维度的历史预测转化率。
[0140]
本实施例中，当已累积消耗资源小于或等于原始消耗资源的预设倍数时，表示在第一预设时长内获取的数据不充分，使用第一预设时长的数据所计算的校准系数可能不准确，则使用更长时间段内采集的数据，即将第二预设时长内的各个第二已转化数作为推广
信息在相应信息评价维度下，对应相应子维度的历史转化数，并将第二预设时长内的各个第二已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率，从而保证数据的可靠性和充分性，使得所计算的校准系数更准确。
[0141]
例如，第一预设时长为距当前时刻最近的1小时，可简称最近1小时。第二预设时长为当天0时刻至当前最近1小时的总时长，可简称当天。计算机设备获取推广信息在最近1小时内投放所产生的累积消耗，以及广告主对推广信息产生1次转化所愿意付出的成本消耗。计算累积消耗和成本消耗的比值，当累积消耗和成本消耗的比值大于4时，表示最近1小时的数据足够充分，则可直接使用最近1小时的已转化数和已预测转化率，以计算推广信息在本次投放的校准系数。最近1小时的数据量小，使用最近1小时的数据能够更迅速计算出推广信息的校准系数，提高校准的效率。
[0142]
当累积消耗和成本消耗的比值小于或等于4时，表示最近1小时的数据不充分，则可选择使用当天的已转化数和已预测转化率，以计算推广信息在本次投放的校准系数。当天的数据量大，数据更充分，使用当前的数据计算校准系数更准确，提高校准的可靠性和准确性。
[0143]
在一个实施例中，如图6所示，对于每个信息评价维度，分别获取推广信息在相应信息评价维度下，对应每个子维度的历史转化数和历史预测转化率，包括：
[0144]
步骤s602，对于推广信息对应的每个信息评价维度，获取相应信息评价维度下的信息集分别对应每个子维度的集合转化数和集合预测转化率。
[0145]
其中，信息集是指同一信息评价维度下的所有投放信息的集合。例如，推广信息为广告a，信息评价维度为广告主，则推广信息对应的信息评价维度即为广告所属的广告主a。信息评价维度下的信息集即为广告主a对应的所有广告的集合。
[0146]
集合转化数是指该集合中所有投放信息的总的已转化量。集合预测转化率是指该集合中所有投放信息的总的预测转化概率。
[0147]
具体地，计算机设备确定推广信息的每个信息评价维度后，计算机设备可分别确定每个信息评价维度所对应的信息集。例如，广告主a对应的信息集a，广告商品b对应的信息集b，广告商品b所属的商品品牌c所对应的信息集c。信息集a中为广告主a的所有广告，信息集b中为广告商品b对应的所有广告，信息集c中为商品品牌c对应的所有广告。
[0148]
对于一个信息评价维度下的信息集，计算机设备获取该信息集分别在每个子维度下对应的集合转化数，以及对应的集合预测转化率。例如，对于广告主a对应的信息集a，获取该信息集a在广告主的每个子维度下，分别对应的集合转化数，以及对应的集合预测转化率。
[0149]
按照相同的处理方式，计算机设备可获得相应信息评价维度下的信息集分别对应每个子维度的集合转化数和集合预测转化率。
[0150]
在一个实施例中，对于推广信息对应的每个信息评价维度，获取相应信息评价维度下的信息集分别对应每个子维度的集合转化数和集合预测转化率，包括：对于推广信息的每个信息评价维度，获取相应信息评价维度下的信息集在第一预设时长内，分别对应每个子维度的第三已转化数和第三已预测转化率；对于推广信息的每个信息评价维度，获取相应信息评价维度下的信息集在第二预设时长内，分别对应每个子维度的第四已转化数和第四已预测转化率；第二预设时长包含第一预设时长；针对每个信息集，从同一信息集对应
同一子维度的第三已转化数和第四已转化数中，筛选出同一信息集对应同一子维度的集合转化数；针对每个信息集，从同一信息集对应同一子维度的第三已预测转化率和第四已预测转化率中，筛选出同一信息集对应同一子维度的集合预测转化率。
[0151]
在一个实施例中，对于推广信息的每个信息评价维度，获取相应信息评价维度下的信息集在第二预设时长内，分别对应每个子维度的第四已转化数和第四已预测转化率，包括：
[0152]
获取第二预设时长内每个第一预设时长分别对应的时间衰减系数；对于每个信息评价维度下的信息集，根据相应信息集在每个第一预设时长分别对应每个子维度的第三已转化数和相应的时间衰减系数，确定第二预设时长内，信息集在相应信息评价维度下，对应每个子维度的第四已转化数；对于每个信息评价维度下的信息集，根据相应信息集在每个第一预设时长分别对应每个子维度的第三已预测转化率和相应的时间衰减系数，确定第二预设时长内信息集在相应信息评价维度下，对应每个子维度的第四已预测转化率。
[0153]
在一个实施例中，针对每个信息集，从同一信息集对应同一子维度的第三已转化数和第四已转化数中，筛选出同一信息集对应同一子维度的集合转化数，包括：
[0154]
对于每个信息集，获取同一信息集在相应信息评价维度下对应的集合消耗资源，以及在第一预设时长内的集合累积消耗资源；根据集合消耗资源和集合累积消耗资源，从同一信息集对应同一子维度的第三已转化数和第四已转化数中，筛选出同一信息集对应同一子维度的集合转化数；
[0155]
针对每个信息集，从同一信息集对应同一子维度的第三已预测转化率和第四已预测转化率中，筛选出同一信息集对应同一子维度的集合预测转化率，包括：根据集合消耗资源和集合累积消耗资源，从同一信息集对应同一子维度的第三已预测转化率和第四已预测转化率中，筛选出同一信息集对应同一子维度的集合预测转化率。
[0156]
其中，集合消耗资源是指信息所有者的对信息集中的所有投放信息获得一次转化所消耗的资源。集合累积消耗资源是指信息集中的所有投放信息在第一预设时长内进行推送所累积的消耗资源。
[0157]
在一个实施例中，根据集合消耗资源和集合累积消耗资源，从同一信息集对应同一子维度的第三已转化数和第四已转化数中，筛选出同一信息集对应同一子维度的集合转化数，包括：当集合累积消耗资源大于集合消耗资源的预设倍数时，将第三已转化数作为相应信息集在相应信息评价维度下，对应相应子维度的集合转化数；当集合累积消耗资源小于或等于集合消耗资源的预设倍数时，将第四已转化数作为相应信息集在相应信息评价维度下，对应相应子维度的集合转化数；
[0158]
根据集合消耗资源和集合累积消耗资源，从同一信息集对应同一子维度的第三已预测转化率和第四已预测转化率中，筛选出同一信息集对应同一子维度的集合预测转化率，包括：当集合累积消耗资源大于集合消耗资源的预设倍数时，将第三已预测转化率作为相应信息集在相应信息评价维度下，对应相应子维度的集合预测转化率；当集合累积消耗资源小于或等于集合消耗资源的预设倍数时，将第四已预测转化率作为相应信息集在相应信息评价维度下，对应相应子维度的集合预测转化率。
[0159]
在一个实施例中，针对每个信息集，从同一信息集对应同一子维度的第三已转化数和第四已转化数中，筛选出同一信息集对应同一子维度的集合转化数，包括：
[0160]
对于每个信息评价维度，获取推广信息在相应信息评价维度下对应的原始消耗资源，以及同一信息集在相应信息评价维度下、在第一预设时长内的集合累积消耗资源；当集合累积消耗资源大于原始消耗资源的预设倍数时，将第三已转化数作为相应信息集在相应信息评价维度下，对应相应子维度的集合转化数；当集合累积消耗资源小于或等于原始消耗资源的预设倍数时，将第四已转化数作为相应信息集在相应信息评价维度下，对应相应子维度的集合转化数；
[0161]
针对每个信息集，从同一信息集对应同一子维度的第三已预测转化率和第四已预测转化率中，筛选出同一信息集对应同一子维度的集合预测转化率，包括：当集合累积消耗资源大于原始消耗资源的预设倍数时，将第三已预测转化率作为相应信息集在相应信息评价维度下，对应相应子维度的集合预测转化率；当集合累积消耗资源小于或等于原始消耗资源的预设倍数时，将第四已预测转化率作为相应信息集在相应信息评价维度下，对应相应子维度的集合预测转化率。
[0162]
步骤s604，将相应信息评价维度下的信息集，对应每个子维度的集合转化数，作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数。
[0163]
具体地，计算机设备将信息集在相应评价维度下对应每个子维度的集合转化数，作为推广信息在相同评价维度下，对应相同子维度的集合转化数。
[0164]
例如，广告主a对应子维度a，计算机设备将信息集a在子维度a下的集合转化数，作为广告a在广告主a的子维度a下对应的历史转化数。广告商品b对应子维度a，计算机设备将信息集b在子维度a下的集合转化数，作为广告a在广告商品b的子维度a下对应的历史转化数。
[0165]
步骤s606，将相应信息评价维度下的信息集，对应每个子维度的集合预测转化率，作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率。
[0166]
具体地，计算机设备将信息集在相应评价维度下对应每个子维度的集合预测转化率，作为推广信息在相同评价维度下，对应相同子维度的集合预测转化率。
[0167]
例如，广告主a对应子维度a，计算机设备将信息集a在子维度a下的集合预测转化率，作为广告a在广告主a的子维度a下对应的历史预测转化率。广告商品b对应子维度a，计算机设备将信息集b在子维度a下的集合预测转化率，作为广告a在广告商品b的子维度a下对应的历史预测转化率。
[0168]
本实施例中，对于推广信息对应的每个信息评价维度，将信息评价维度下的信息集分别对应每个子维度的集合转化数，作为推广信息在该信息评价维度下，分别对应的相同子维度的历史转化数，将信息评价维度下的信息集分别对应每个子维度的集合预测转化率，作为推广信息在该信息评价维度下，分别对应的相同子维度的历史预测转化率，从而能够借鉴与推广信息相同评价维度的所有投放信息的转化数和预测转化率，对推广信息在本次投放中的信息转化率进行校准，使得校准更准确。
[0169]
在一个实施例中，如图7所示，对于推广信息对应的每个信息评价维度，获取相应信息评价维度下的信息集分别对应每个子维度的集合转化数和集合预测转化率，包括：
[0170]
步骤s702，对于推广信息对应的每个信息评价维度，确定每个信息评价维度分别对应的信息集。
[0171]
具体地，计算机设备确定推广信息的每个信息评价维度后，计算机设备可分别确
定每个信息评价维度所对应的信息集。
[0172]
在一个实施例中，每个信息评价维度对应的信息集不同，每个信息评价维度对应的子维度相同。
[0173]
步骤s704，针对每个信息集，获取相应信息集中每个投放信息在相应信息评价维度下，对应每个子维度的已转化数和已转化率。
[0174]
具体地，对于信息评价维度对应的信息集，计算机设备可获取该信息集中每个投放信息在该信息评价维度下，对应每个子维度的已转化数和已转化率。按照相同的处理方式，计算机设备可获取同一个信息集中，每个投放信息分别对应每个子维度的已转化数和已转化率。
[0175]
步骤s706，根据每个投放信息在相应信息评价维度下，对应每个子维度的已转化数，确定相应信息集在相应信息评价维度下对应每个子维度的集合转化数。
[0176]
具体地，对于同一信息集，计算机设备可根据该信息集中，每个投放信息分别对应同一子维度的已转化数，计算出该信息集对应该同一子维度的集合转化数，从而得到该信息集对应每个子维度的集合转化数。
[0177]
按照相同的处理方式，计算机设备可计算出每个信息集在相应信息评价维度下，对应每个子维度的集合转化数。
[0178]
步骤s708，根据每个投放信息在相应信息评价维度下，对应每个子维度的已转化率，确定相应信息集在相应信息评价维度下对应每个子维度的集合预测转化率。
[0179]
具体地，对于同一信息集，计算机设备可根据该信息集中，每个投放信息分别对应同一子维度的已转化率，计算出该信息集对应该同一子维度的集合预测转化率，从而得到该信息集对应每个子维度的集合预测转化率。
[0180]
按照相同的处理方式，计算机设备可计算出每个信息集在相应信息评价维度下，对应每个子维度的集合预测转化率。
[0181]
本实施例中，对于推广信息对应的每个信息评价维度，确定每个信息评价维度分别对应的信息集，根据将同一信息集中各个投放信息在同一子维度下的已转化数，能够准确计算该信息集在该子维度下的集合转化数。根据将同一信息集中各个投放信息在同一子维度下的已转化率，能够准确计算该信息集在该子维度下的集合预测转化率。
[0182]
在一个实施例中，根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，确定推广信息在本次投放中对应的校准系数，包括：
[0183]
对于每个信息评价维度，根据相应信息评价维度下的每个子维度分别对应的历史转化数和历史预测转化率，确定相应信息评价维度对应的目标转化数和目标转化率；根据每个信息评价维度分别对应的目标转化数和目标转化率，确定推广信息在本次投放中对应的校准系数。
[0184]
具体地，计算机设备根据同一信息评价维度下的每个子维度分别对应的历史转化数，计算出同一信息评价维度对应的目标转化数。计算机设备根据同一信息评价维度下的每个子维度分别对应的历史预测转化率，计算出同一信息评价维度对应的目标转化率。按照相同的处理方式，计算机设备可计算出每个信息评价维度分别对应的目标转化数，以及每个信息评价维度分别对应的目标转化率。计算机设备根据每个信息评价维度对应的目标转化数和相应的目标转化率，计算出推广信息在本次投放中对应的校准系数。
[0185]
在一个实施例中，计算机设备可将同一信息评价维度下的每个子维度分别对应的历史转化数进行求和，得到推广信息在该同一信息评价维度对应的目标转化数。计算机设备可将同一信息评价维度下的每个子维度分别对应的历史预测转化率进行求和，得到推广信息在该同一信息评价维度对应的目标转化率。
[0186]
在一个实施例中，计算机设备从各信息评价维度中筛选出满足优先级条件的目标信息评价维度，根据目标信息评价维度对应的目标转化数和目标转化率，计算出推广信息在本次投放中的校准系数。
[0187]
本实施例中，通过同一信息评价维度下的每个子维度分别对应的历史转化数和历史预测转化率，确定同一信息评价维度对应的目标转化数和目标转化率，使得同一信息评价维度的数据中包含了按照多个子维度划分处理后获得的详细数据，从而能够对子维度的数据进行整合。根据每个信息评价维度分别对应的目标转化数和目标转化率，能够准确确定推广信息在本次投放中对应的校准系数。
[0188]
在一个实施例中，对于每个信息评价维度，根据相应信息评价维度下的每个子维度分别对应的历史转化数和历史预测转化率，确定相应信息评价维度对应的目标转化数和目标转化率，包括：
[0189]
对于每个信息评价维度，获取相应信息评价维度下每个子维度对应的转化数权重和转化率权重；根据相应信息评价维度下每个子维度的历史转化数和相应转化数权重，确定相应信息评价维度对应的目标转化数；根据相应信息评价维度下每个子维度的历史预测转化率和相应转化率权重，确定相应信息评价维度对应的目标转化率。
[0190]
具体地，对于一个信息评价维度，计算机设备获取该信息评价维度下每个子维度分别对应的转化数权重和转化率权重。计算机设备将该信息评价维度下每个子维度的历史转化数和相应转化数权重的乘积之和，作为信息评价维度对应的目标转化数。计算机设备将该信息评价维度下每个子维度的历史预测转化率和相应转化率权重的乘积之和，作为信息评价维度对应的目标转化率。
[0191]
按照相同的处理方式，计算机设备可获取每个信息评价维度下的各子维度分别对应的转化数权重和转化率权重。计算机设备根据同一信息评价维度下每个子维度的历史转化数和相应转化数权重，确定该同一信息评价维度对应的目标转化数，从而得到每个信息评价维度对应的目标转化数。计算机设备根据同一信息评价维度下每个子维度的历史预测转化率和相应转化率权重，确定该同一信息评价维度对应的目标转化率，从而得到每个信息评价维度对应的目标转化率。
[0192]
本实施例中，计算机设备根据各子维度的转化数权重和各子维度的历史转化数，计算出各子维度对应的同一信息评价维度的目标转化数，能够对不同子维度的历史转化数进行融合，使得信息评价维度的综合数据中包含了进一步细分维度下的数据，信息评价维度的综合数据更充分、更丰富。
[0193]
在一个实施例中，如图8所示，根据每个信息评价维度分别对应的目标转化数和目标转化率，确定推广信息在本次投放中对应的校准系数，包括：
[0194]
步骤s802，当存在多个信息评价维度时，获取多个信息评价维度的优先级顺序。
[0195]
具体地，多个指至少两个。当计算机设备获取推广信息对应的多个信息评价维度时，获取多个信息评价维度对应的优先级顺序，从而确定多个信息评价维度中每个信息评
价维度的优先级。例如，信息评价维度是信息归属维度、信息内容维度和信息受众维度时，则确定信息归属维度、信息内容维度和信息受众维度之间的优先级顺序，如信息归属维度》信息内容维度》信息受众维度。
[0196]
步骤s804，基于多个信息评价维度的优先级顺序，从多个信息评价维度中筛选出优先级最高的目标评价维度。
[0197]
具体地，计算机设备可基于多个信息评价维度的优先级顺序，从该多个信息评价维度中筛选出优先级最高的信息评价维度，将该优先级最高的信息评价维度作为目标评价维度。
[0198]
步骤s806，根据目标评价维度所对应的目标转化数和目标转化率，确定推广信息在本次投放中对应的校准系数。
[0199]
具体地，计算机设备可获取目标评价维度所对应的目标转化数和目标转化率，根据目标转化数和目标转化率计算出推广信息在本次投放中对应的校准系数。进一步地，计算机设备可将目标转化数和目标转化率的比值，作为推广信息在本次投放中对应的校准系数。
[0200]
例如，可按照如下公式计算校准系数：
[0201]
cali_rate＝conv_valid/pcvr_valid
ꢀꢀꢀ
(3)
[0202]
其中，cali_rate为推广信息在本次投放中对应的校准系数，conv_valid为目标转化数，pcvr_valid为目标转化率。
[0203]
本实施例中，通过多个信息评价维度的优先级顺序，筛选出优先级最高的目标评价维度，从而能够从历史数据中筛选出对推广信息的预测转化率影响最明显、最关键的信息评价维度。使用对推广信息的预测转化率影响最关键的目标评价维度的目标转化数和目标转化率，所计算出的推广信息在本次投放中对应的校准系数更准确，从而能够准确对推广信息在本次投放中信息转化率进行校准。
[0204]
在一个实施例中，预测推广信息的信息转化率，包括：获取与推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征；根据推广内容特征、推广属性特征和用户属性特征，预测推广信息的信息转化率。
[0205]
其中，推广内容特征是指推广信息中的关键内容。推广属性特征可以包括推广信息的所属的题材、类别、或来源渠道等特征数据。用户属性数据是与用户对象相关的属性数据，具体可以是用户姓名、性别、年龄、所在城市和用户行为等信息中的至少一种。用户行为是与用户对象的网络行为相关的数据，具体可以包括用户对象的历史点击行为等。
[0206]
具体地，计算机设备将用户对象对应的用户属性特征，以及推广内容特征和推广属性特征进行融合处理，以预测该推广信息的信息转化率。进一步地，计算机设备可获取推广内容特征、推广属性特征和用户属性特征分别对应的权重，将推广内容特征、推广属性特征、用户属性特征和相应权重的乘积之和，作为推广信息在本次投放中的信息转化率。
[0207]
在一个实施例中，计算机设备可将推广内容特征、推广属性特征和用户属性特征输入至训练好的转化率预测模型，通过训练好的转化率预测模型将推广内容特征、推广属性特征和用户属性特征进行特征编码，并对编码后的特征进行卷积、融合处理，输出推广信息在本次投放中的信息转化率。
[0208]
本实施例中，通过推广信息对应的推广内容特征和推广属性特征，以及与用户对
象对应的用户属性特征，预测出推广信息的信息转化率，能够结合多方面的特征数据准确预测推广信息在本次投放中的发生转化的概率，从而能够保证信息转化率预估的准确性。
[0209]
在一个实施例中，根据推广内容特征、推广属性特征和用户属性特征，预测推广信息的信息转化率，包括：
[0210]
针对每个用户对象，根据推广内容特征、推广属性特征和相应用户属性特征，预测在目标时间段内相应用户对象针对推广信息的用户转化率；根据每个用户对象对应的用户转化率，确定推广信息在目标时间段内的信息转化率。
[0211]
其中，用户转化率是预估用户对象对推广信息进行转化的概率。
[0212]
具体地，计算机设备可根据用户对象对应的用户属性特征，以及推广信息对应的推广内容特征、推广属性特征，预测出该用户对象对该推广信息的用户转化率。按照相同的处理方式，计算机设备可预测出每个用户对象分别对推广信息的用户转化率。
[0213]
进一步地，计算机设备可根据每个用户对象对应的用户属性特征，以及推广信息对应的推广内容特征、推广属性特征，分别预测出每个用户对象对该推广信息在目标时间段内的用户转化率。
[0214]
计算机设备根据每个用户对象在目标时间段内分别对应的用户转化率，确定推广信息在目标时间段内的信息转化率。进一步地，计算机设备可获取转化率阈值，确定大于转化率阈值的用户转化率的用户数量。大于转化率阈值则表征用户对象在目标时间段内会对推广信息进行转化，小于或等于转化率阈值则表征用户对象在目标时间段内不会对推广信息进行转化。计算机设备可确定用户对象的总数量，将用户数量和用户对象的总数量的比值作为推广信息在目标时间段内的信息转化率。
[0215]
本实施例中，通过推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征，能够结合多方面的特征数据预估每个用户对象在目标时间段内对推广信息进行转化的概率。根据每个用户对象对推广信息进行转化的概率，能够准确计算推广信息在目标时间段内投放的信息转化率，保证信息转化率预估的准确性。
[0216]
在一个实施例中，获取与推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征，包括：获取推广信息在目标投放渠道对应的推广内容特征和推广属性特征，以及用户对象在目标投放渠道对应的用户属性特征；
[0217]
根据推广内容特征、推广属性特征和用户属性特征，预测推广信息的信息转化率，包括：根据目标投放渠道对应的推广内容特征、推广属性特征和用户属性特征，预测用户对象在目标投放渠道针对推广信息的用户转化率；根据每个用户对象对应的用户转化率，预测推广信息在目标投放渠道的信息转化率。
[0218]
具体地，计算机设备可确定本次投放的目标投放渠道，并确定推广信息在该目标投放渠道下的推广内容特征和推广属性特征。计算机设备可获取该目标投放渠道下的用户对象，并获取用户对象在该投放渠道下对应的用户属性特征。
[0219]
计算机设备将用户对象对应的用户属性特征，以及推广内容特征和推广属性特征进行融合处理，以预测该推广信息在该目标投放渠道的信息转化率。进一步地，计算机设备可获取推广内容特征、推广属性特征和用户属性特征分别对应的权重，将推广内容特征、推广属性特征、用户属性特征和相应权重的乘积之和，作为推广信息在本次投放中在该目标投放渠道下的信息转化率。
[0220]
在一个实施例中，计算机设备可将推广内容特征、推广属性特征和用户属性特征输入至训练好的转化率预测模型，通过训练好的转化率预测模型将推广内容特征、推广属性特征和用户属性特征进行特征编码，并对编码后的特征进行卷积、融合处理，输出推广信息在本次投放中在该目标投放渠道下的信息转化率。
[0221]
在一个实施例中，根据推广内容特征、推广属性特征和用户属性特征，预测推广信息的信息转化率，包括：根据目标投放渠道对应的推广内容特征、推广属性特征和用户属性特征，预测用户对象处于目标投放渠道下，在目标时间段内针对推广信息的用户转化率；根据每个用户对象对应的用户转化率，预测推广信息处于目标投放渠道下，在目标时间段内的信息转化率。
[0222]
本实施例中，通过推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征，预测出推广信息在目标投放渠道的信息转化率，能够结合在目标投放渠道下的多方面特征数据准确预测推广信息发生转化的概率，保证不同投放渠道下信息转化率预估的准确性。
[0223]
在一个实施例中，提供了一种信息转化率的校准方法，包括：
[0224]
当接收到针对推广信息的投放请求时，计算机设备确定与推广信息对应的至少一个信息评价维度。
[0225]
对于每个信息评价维度，计算机设备分别获取第一预设时长内推广信息在相应信息评价维度下，对应每个子维度的第一已转化数和第一已预测转化率；该子维度基于推广信息所属的推广渠道和推广信息所对应的时效属性中的至少一种确定。
[0226]
接着，计算机设备获取第二预设时长内每个第一预设时长分别对应的时间衰减系数；该第二预设时长包含第一预设时长。
[0227]
对于每个信息评价维度，计算机设备根据第二预设时长内每个第一预设时长分别对应每个子维度的第一已转化数和相应的时间衰减系数，确定第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已转化数。
[0228]
以及，对于每个信息评价维度，计算机设备根据第二预设时长内每个第一预设时长分别对应每个子维度的第一已预测转化率和相应的时间衰减系数，确定第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已预测转化率。
[0229]
可选地，当已累积消耗资源大于原始消耗资源的预设倍数时，计算机设备将各第一已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数。
[0230]
可选地，当已累积消耗资源小于或等于原始消耗资源的预设倍数时，计算机设备将各第二已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数。
[0231]
可选地，当已累积消耗资源大于原始消耗资源的预设倍数时，计算机设备将各第一已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率。
[0232]
可选地，当已累积消耗资源小于或等于原始消耗资源的预设倍数时，计算机设备将各第二已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率。
[0233]
进一步地，对于每个信息评价维度，计算机设备根据相应信息评价维度下的每个子维度分别对应的历史转化数和历史预测转化率，确定相应信息评价维度对应的目标转化
数和目标转化率。
[0234]
接着，当存在多个信息评价维度时，计算机设备获取多个信息评价维度的优先级顺序。
[0235]
进一步地，基于多个信息评价维度的优先级顺序，计算机设备从多个信息评价维度中筛选出优先级最高的目标评价维度。
[0236]
接着，计算机设备根据目标评价维度所对应的目标转化数和目标转化率，确定推广信息在本次投放中对应的校准系数。
[0237]
进一步地，计算机设备获取推广信息在目标投放渠道对应的推广内容特征和推广属性特征，以及用户对象在目标投放渠道对应的用户属性特征。
[0238]
接着，计算机设备根据目标投放渠道对应的推广内容特征、推广属性特征和用户属性特征，预测用户对象在目标投放渠道针对推广信息的用户转化率。
[0239]
进一步地，计算机设备根据每个用户对象对应的用户转化率，预测推广信息在本次投放中在目标投放渠道的信息转化率，并基于校准系数对信息转化率进行校准。
[0240]
本实施例中，针对推广信息的投放请求，确定与推广信息的信息转化率相关的至少一个信息评价维度。在获取推广信息在信息评价维度的基础上，进一步细分子维度。获取两个不同预设时长内，推广信息在相应信息评价维度下对应每个子维度的已转化数和已预测转化率。结合每个第一预设时长对应的第一已转化数、第一已预测转化率和每个时间衰减系数，计算第二预设时长内，每个信息评价维度下每个子维度的第二已转化数、第二已预测转化率，能够考虑到推广信息在不同时间段内投放所产生的影响，使得所计算的第二已转化数更符合推广信息投放的实际情况。
[0241]
当已累积消耗资源大于原始消耗资源的预设倍数时，表示所获取的在第一预设时长内数据足够充分可靠，则将第一预设时长内的各个第一已转化数、各个第一已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数，并将第一预设时长内的各个第一已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率，以及相应子维度的历史预测转化率，从而保证数据的可靠性和充分性。
[0242]
通过同一信息评价维度下的每个子维度分别对应的历史转化数和历史预测转化率，确定同一信息评价维度对应的目标转化数和目标转化率，使得同一信息评价维度的数据中包含了按照多个子维度划分处理后获得的详细数据，从而能够对子维度的数据进行整合。
[0243]
从各个信息评价维度中筛选出优先级最高的目标评价维度，能够从历史数据中筛选出对推广信息的预测转化率影响最明显、最关键的信息评价维度。使用对推广信息的预测转化率影响最关键的目标评价维度的目标转化数和目标转化率，所计算出的推广信息在本次投放中对应的校准系数更准确。
[0244]
通过推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征，预测出推广信息在目标投放渠道的信息转化率，能够结合多方面的特征数据准确预测推广信息在目标投放渠道下发生转化的概率，从而能够保证信息转化率预估的准确性。
[0245]
基于校准系数对推广信息在本次投放中的预测转化概率进行校准，能够对信息转化率被高估或低估的情况进行有效校准，使得推广信息在本次投放中在目标投放渠道的信
息转化率的预估更加准确。
[0246]
传统方式一般是先统计出单个广告每个小时的总转化数，有效点击的pcvr之和，以及每小时的总消耗。将每个小时的数据按照时间的顺序排序，分别对转化数、pcvr和消耗累加求和。计算出每个小时累加求和后的bias＝总pcvr/总转化数。此时得到的每个小时的bias其实是从0点到当前小时总的bias，是对当前小时之前时段单广告总的bias。bias是指乖离率，又称偏离率，是通过计算市场指数或收盘价与某条移动平均线之间的差距百分比，以反映一定时期内价格与其移动平均数偏离程度的指标。
[0247]
根据需求划分出各个时段，例如划分4个时段(0-6时为第一时段，6-12时为第二时段，12-18时为第三时段，18-24时为第四时段)，统计各个时段内各广告的bias，进行变形：abs(bias-1)。abs(bias-1)越接近0，表示对广告的转化率的预测越准确。单个广告的pcvr_bias分布体现的是bias落在各个概率范围内的比例，可以直观地看出pcvr_bias高估和低估的比例。通过以下各个表格中的数据表示1月16日投放的广告的预测转化率被高估或低估的情况。
[0248]
一、单个广告下的pcvr_bias均值与分布
[0249]
表1：单个广告在全天四个时段的pcvr_bias均值
[0250]
时段abs(bias-1)0-60.4212526-120.28271112-180.24061118-240.212408
[0251]
表2：单个广告在全天四个时段的pcvr_bias分布
[0252][0253]
二、广告主维度下的pcvr_bias均值与分布
[0254]
很多广告主都是综合看创建的广告的偏差和成本，所以有必要将同一广告主下的所有广告综合起来来分析偏差，具体统计的方式与单个广告的统计方式一致。
[0255]
表3：广告主维度下全天四个时段的pcvr_bias分布
[0256]
时段abs(bias-1)消耗加权0-60.3462756-120.21718912-180.19698518-240.177681
[0257]
表4：广告主维度下全天四个时段的pcvr_bias分布
[0258][0259]
从上述表格中可以很明显看出：
[0260]
1、从均值来看，靠前的时间段预测偏差较大，说明在广告的初始投放阶段，预估偏差较大。随着时间的推移，广告的曝光愈充分，对于广告的整体预估准确性也有所提升，但预估仍然存在一定偏差。
[0261]
2、从pcvr_bias分布来看，在同一时间段，在高估阶段和低估阶段都有着一定的分布，且高估阶段的分布比例较高，整体的高估都比较严重。从不同的时间段来看，高估的情况随着时间的推移，缓慢减弱；低估的情况亦随着时间的推移减弱，但减弱的程度要明显较强。整体从全天来看，高估依然是主要矛盾。
[0262]
利用本技术的信息转化率的校准方法对1月16日投放的广告的预测转化率进行校准后的数据如下：
[0263]
一、单个广告下的pcvr_bias均值与分布
[0264]
表5：单个广告在全天四个时段的pcvr_bias均值
[0265]
时段abs(bias-1)0-60.3050676-120.21824012-180.19629318-240.185916
[0266]
表6：单个广告在全天四个时段的pcvr_bias分布
[0267][0268]
二、广告主维度下的pcvr_bias均值与分布
[0269]
表7：广告主维度下全天四个时段的pcvr_bias均值
[0270][0271][0272]
表8：广告主维度下全天四个时段的pcvr_bias分布
[0273][0274]
从校准的数据可看出：
[0275]
从均值来看，各个时间段的校准结果的准确性得到明显提升，尤其是一天中较晚时间段的校准结果，得到了更加准确的校准。越晚时间段的校准结果，越能体现整体的校准结果。
[0276]
从校准结果的分布来看，对于高估部分的有效抑制更为明显，有效降低了高估部分的占比，从而有效降低整体pcvr的预估高估成本，实现成本的有效控制。
[0277]
本技术还提供一种对广告的预测转化率的校准场景，上述的信息转化率的校准方法在该广告的预测转化率的校准场景的应用如下：
[0278]
计算机设备在18:00接收到针对广告a的投放请求，则计算机设备确定广告a所属的广告主为广告主b、广告a所推广的商品为商品c、以及广告a所推广商品的商品品牌为品牌d。广告a所属的推广渠道包括平台1和平台2，广告a所对应的时效属性为：在平台1为新广告，在平台2为旧广告，则广告主b、商品c和品牌d的子维度均为[平台1，新广告]、[平台2，旧广告]、[平台1，旧广告]、[平台2，新广告]。
[0279]
对于广告主b的数据统计过程如下：
[0280]
确定广告主b对应的所有广告，统计每个广告在17:00-18:00内，分别对应[平台1，新广告]、[平台2，旧广告]、[平台1，旧广告]、[平台2，新广告]这4个子维度的已转化数。将对应[平台1，新广告]的各个已转化数求和，作为广告a在17:00-18:00内，对应广告主b下的[平台1，新广告]的第一已转化数。将对应[平台2，旧广告]的各个已转化数求和，作为广告a在17:00-18:00内，对应广告主b下的[平台2，旧广告]的第一已转化数。将对应[平台1，旧广告]的各个已转化数求和，作为广告a在17:00-18:00内，对应广告主b下的[平台1，旧广告]的第一已转化数。将对应[平台2，新广告]的各个已转化数求和，作为广告a在17:00-18:00内，对应广告主b下的[平台2，新广告]的第一已转化数。
[0281]
类似地，确定广告主b对应的所有广告，统计每个广告在17:00-18:00内，分别对应[平台1，新广告]、[平台2，旧广告]、[平台1，旧广告]、[平台2，新广告]这4个子维度的已预测转化率。将对应[平台1，新广告]的各个已预测转化率求和，作为广告a在17:00-18:00内，对应广告主b下的[平台1，新广告]的第一已预测转化率。将对应[平台2，旧广告]的各个已预测转化率求和，作为广告a在17:00-18:00内，对应广告主b下的[平台2，旧广告]的第一已预测转化率。将对应[平台1，旧广告]的各个已预测转化率求和，作为广告a在17:00-18:00内，对应广告主b下的[平台1，旧广告]的第一已预测转化率。将对应[平台2，新广告]的各个已预测转化率求和，作为广告a在17:00-18:00内，对应广告主b下的[平台2，新广告]的第一已预测转化率。
[0282]
按照上述的处理方式，统计广告主b对应的所有广告中，每个广告在00:00-18:00的每个小时内，分别对应[平台1，新广告]、[平台2，旧广告]、[平台1，旧广告]、[平台2，新广告]这4个子维度的已转化数，以及已转化率。
[0283]
对于广告主b的子维度[平台1，新广告]，计算在00:00-18:00内的每个小时对应的已转化数和相应的时间衰减系数的乘积之和，将该乘积之和作为广告a在00:00-18:00内对应[平台1，新广告]的第二已转化数。按照相同的处理，得到广告a在00:00-18:00内对应[平台2，旧广告]的第二已转化数、对应[平台1，旧广告]的第二已转化数，以及[平台2，新广告]的第二已转化数。
[0284]
按照第二已转化数的处理方式，可得到在广告主b下，广告a在00:00-18:00内对应
[平台1，新广告]的第二已预测转化率、对应[平台2，旧广告]的第二已预测转化率、对应[平台1，旧广告]的第二已预测转化率，以及[平台2，新广告]的第二已预测转化率。
[0285]
计算机设备统计广告主b的所有广告在17:00-18:00内投放的已累积消耗资源，并获取广告主b为所有广告中每个广告获得1次转化的成本。将每个广告获得1次转化的成本之和，作为广告a对应的原始消耗资源。
[0286]
当已累积消耗资源》4*原始消耗资源时，将各第一已转化数作为广告主b下的相应子维度的历史转化数，将各第一已预测转化率作为广告a对应广告主b下的相应子维度的历史预测转化率。即，将广告a对应广告主b下的[平台1，新广告]的第一已转化数，作为广告a对应广告主b下的[平台1，新广告]的历史转化数。将广告a对应广告主b下的[平台1，新广告]的第一已预测转化率，作为广告a对应广告主b下的[平台1，新广告]的历史预测转化率。
[0287]
将广告a对应广告主b下的[平台2，旧广告]的第一已转化数，作为广告a对应广告主b下的[平台2，旧广告]的历史转化数。将广告a对应广告主b下的[平台2，旧广告]的第一已预测转化率，作为广告a对应广告主b下的[平台2，旧广告]的历史预测转化率。
[0288]
将广告a对应广告主b下的[平台1，旧广告]的第一已转化数，作为广告a对应广告主b下的[平台1，旧广告]的历史转化数。将广告a对应广告主b下的[平台1，旧广告]的第一已预测转化率，作为广告a对应广告主b下的[平台1，旧广告]的历史预测转化率。
[0289]
将广告a对应广告主b下的[平台2，新广告]的第一已转化数，作为广告a对应广告主b下的[平台2，新广告]的历史转化数。将广告a对应广告主b下的[平台2，新广告]的第一已预测转化率，作为广告a对应广告主b下的[平台2，新广告]的历史预测转化率。
[0290]
当已累积消耗资源≤4*原始消耗资源时，将各第二已转化数作为广告a对应广告主b下的相应子维度的历史转化数，将各第二已预测转化率作为广告a对应广告主b下的相应子维度的历史预测转化率。
[0291]
计算机设备获取广告主b的4个子维度分别对应的转化数权重，将4个子维度分别对应的历史转化数和相应的转化数权重的乘积之和，作为广告a在广告主b下对应的目标转化数。计算机设备获取广告主b的4个子维度分别对应的转化率权重，将4个子维度分别对应的历史预测转化率和相应的转化率权重的乘积之和，作为广告a在广告主b下对应的目标转化率。
[0292]
商品c的数据统计过程与上述广告主b的统计过程相同，则可得到广告a在商品c下对应的目标转化数和目标转化率。
[0293]
品牌d的数据统计过程与上述广告主b的统计过程相同，则可得到广告a在品牌d下对应的目标转化数和目标转化率。
[0294]
计算机设备可获取广告主b、商品c和品牌d的优先级顺序：广告主b》商品c》品牌d，则计算机设备将广告主b作为目标评价维度。将广告主b对应的目标转化数与目标转化率的比值，作为校准系数。
[0295]
计算机设备获取广告a在平台1对应的推广内容特征和推广属性特征，以及用户对象在平台1对应的用户属性特征。计算机设备根据推广内容特征、推广属性特征和用户属性特征，预测用户对象在平台1针对广告a的用户转化率。计算机设备根据每个用户对象对应的用户转化率，预测广告a在本次投放中在平台1的信息转化率，并基于校准系数对平台1的信息转化率进行校准。
[0296]
可以理解的是，计算机设备也可以对广告a在其他平台投放的信息转化率进行预测并校准。
[0297]
在其他实施例中，对于多个候选广告，计算机设备可按照上述广告的预测转化率的校准场景中的处理流程，对每个候选广告的信息转化率进行校准。校准后，计算机设备可分别计算每个候选广告每千次展示的实时收费ecpm，如下：
[0298]
ecpm＝bid
×
pcvr
×
pctr
ꢀꢀꢀ
(4)
[0299]
其中，ecpm(effective costpermille，实时收费)为候选广告每千次展示的实时费用。pctr(predict click through rate，预估点击率)是广告在某个情形下被投放后，在线广告系统预估其被点击的概率。pcvr(predict conversion rate，预估转化率)，是广告在某个情形下被投放后，在线广告系统预估其被转化的概率，在本实施例中，该pcvr是指校准后的信息转化率。bid为广告出价，是指广告主为广告的出价，一般可以为广告主为广告的1次转化所出的价格。
[0300]
计算机设备可计算每个候选广告分别对应的ecpm，并对每个广告的ecpm进行排序，选择排序最靠前的候选广告作为目标广告，并在各投放平台对该目标广告进行投放。
[0301]
应该理解的是，虽然图2-图8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-图8中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0302]
在一个实施例中，如图9所示，提供了一种信息转化率的校准装置900，该装置可以采用软件模块或硬件模块，或者是二者的结合成为计算机设备的一部分，该装置具体包括：接收模块902、获取模块904、确定模块906和校准模块908，其中：
[0303]
接收模块902，用于当接收到针对推广信息的投放请求时，确定与推广信息对应的至少一个信息评价维度；
[0304]
获取模块904，用于对于每个信息评价维度，分别获取推广信息在相应信息评价维度下，对应每个子维度的历史转化数和历史预测转化率；子维度基于推广信息所属的推广渠道和推广信息所对应的时效属性中的至少一种确定；
[0305]
确定模块906，用于根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，确定推广信息在本次投放中对应的校准系数；
[0306]
校准模块908，用于预测推广信息的信息转化率，并基于校准系数对信息转化率进行校准；该信息转化率表征推广信息在本次投放中的预测转化概率。
[0307]
本实施例中，针对推广信息的投放请求，确定与推广信息的信息转化率相关的至少一个信息评价维度。获取推广信息在信息评价维度的基础上，进一步细分子维度下的历史转化数和历史预测转化率，子维度是基于推广信息所属的推广渠道和推广信息所对应的时效属性中的至少一种确定，则所获得的历史转化数和历史预测转化率是基于信息评价维度的推广渠道、时效属性这两种子维度下确定的。根据每个信息评价维度各自所对应的历史转化数和历史预测转化率，计算推广信息在本次投放中对应的校准系数，能够基于历史
数据准确计算推广信息在未来时间内投放对应的校准系数。基于校准系数对推广信息在本次投放中的预测转化概率进行校准，能够对信息转化率被高估或低估的情况进行有效校准，使得推广信息在投放中的信息转化率的预估更加准确。
[0308]
在一个实施例中，获取模块904，还用于对于每个信息评价维度，分别获取第一预设时长内推广信息在相应信息评价维度下，对应每个子维度的第一已转化数和第一已预测转化率；对于每个信息评价维度，分别获取第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已转化数和第二已预测转化率；第二预设时长包含第一预设时长；从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数，以及从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率。
[0309]
本实施例中，获取两个不同预设时长内，推广信息在相应信息评价维度下对应每个子维度的已转化数和已预测转化率，从同一子维度对应两个不同的已转化数中筛选出该同一子维度对应的历史转化数，从同一子维度对应两个不同的已预测转化率中筛选出该同一子维度对应的历史预测转化率，能够从提供的多个历史数据中筛选出最适合的数据，以提高校准系数计算的准确性。
[0310]
在一个实施例中，获取模块904，还用于获取第二预设时长内每个第一预设时长分别对应的时间衰减系数；对于每个信息评价维度，根据第二预设时长内每个第一预设时长分别对应的第一已转化数和相应的时间衰减系数，确定第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已转化数；对于每个信息评价维度，根据第二预设时长内每个第一预设时长分别对应的第一已预测转化率和相应的时间衰减系数，确定第二预设时长内推广信息在相应信息评价维度下，对应每个子维度的第二已预测转化率。
[0311]
本实施例中，结合每个第一预设时长对应的第一已转化数、第一已预测转化率和每个时间衰减系数，以计算第二预设时长内，每个信息评价维度下每个子维度的第二已转化数、第二已预测转化率，能够考虑到推广信息在不同时间段内投放所产生的影响，使得所计算的第二已转化数、第二已预测转化率更符合推广信息投放的实际情况。
[0312]
在一个实施例中，获取模块904，还用于对于每个信息评价维度，获取推广信息在相应信息评价维度下对应的原始消耗资源，以及在第一预设时长内的已累积消耗资源；根据原始消耗资源和已累积消耗资源，从相应信息评价维度下的每个子维度的第一已转化数和第二已转化数中，筛选出相应子维度对应的历史转化数；根据原始消耗资源和已累积消耗资源，从相应信息评价维度下的每个子维度的第一已预测转化率和第二已预测转化率中，筛选出相应子维度对应的历史预测转化率。
[0313]
本实施例中，第二预设时长包含第一预设时长，则第一预设时长对应的数据量较少，第二预设时长对应的数据量较大，即第一已转化数和第一已转化率的数据量较少，第二已转化数和第二已预测转化率的数据量较大。通过推广信息在相应信息评价维度下对应的原始消耗资源，以及在第一预设时长内的已累积消耗资源，从相应信息评价维度下的每个子维度对应的已转化数和已预测转化率进行筛选，基于筛选条件可快速确定使用数据量少的数量还是使用数据量大的数据，能够满足不同筛选条件下的校准要求。
[0314]
在一个实施例中，获取模块904，还用于当已累积消耗资源大于原始消耗资源的预设倍数时，将第一已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史
转化数；当已累积消耗资源小于或等于原始消耗资源的预设倍数时，将第二已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数；当已累积消耗资源大于原始消耗资源的预设倍数时，将第一已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率；当已累积消耗资源小于或等于原始消耗资源的预设倍数时，将第二已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率。
[0315]
本实施例中，当已累积消耗资源大于原始消耗资源的预设倍数时，表示所获取的在第一预设时长内数据足够充分可靠，则将第一预设时长内的各个第一已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数，并将第一预设时长内的各个第一已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率，从而保证数据的可靠性和充分性。当已累积消耗资源小于或等于原始消耗资源的预设倍数时，表示在第一预设时长内获取的数据不充分，使用第一预设时长的数据所计算的校准系数可能不准确，则使用更长时间段内采集的数据，即将第二预设时长内的各个第二已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数，并将第二预设时长内的各个第二已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率，从而保证数据的可靠性和充分性，使得所计算的校准系数更准确。
[0316]
在一个实施例中，获取模块904，还用于对于推广信息对应的每个信息评价维度，获取相应信息评价维度下的信息集分别对应每个子维度的集合转化数和集合预测转化率；将相应信息评价维度下的信息集，对应每个子维度的集合转化数，作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数；将相应信息评价维度下的信息集，对应每个子维度的集合预测转化率，作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率。
[0317]
当已累积消耗资源小于或等于原始消耗资源的预设倍数时，表示在第一预设时长内获取的数据不充分，使用第一预设时长的数据所计算的校准系数可能不准确，则使用更长时间段内采集的数据，即将第二预设时长内的各个第二已转化数作为推广信息在相应信息评价维度下，对应相应子维度的历史转化数，并将第二预设时长内的各个第二已预测转化率作为推广信息在相应信息评价维度下，对应相应子维度的历史预测转化率，从而保证数据的可靠性和充分性，使得所计算的校准系数更准确。
[0318]
在一个实施例中，获取模块904，还用于对于推广信息对应的每个信息评价维度，确定每个信息评价维度分别对应的信息集；针对每个信息集，获取相应信息集中每个投放信息在相应信息评价维度下，对应每个子维度的已转化数和已转化率；根据每个投放信息在相应信息评价维度下，对应每个子维度的已转化数，确定相应信息集在相应信息评价维度下对应每个子维度的集合转化数，以及根据每个投放信息在相应信息评价维度下，对应每个子维度的已转化率，确定相应信息集在相应信息评价维度下对应每个子维度的集合预测转化率。
[0319]
本实施例中，对于推广信息对应的每个信息评价维度，确定每个信息评价维度分别对应的信息集，根据将同一信息集中各个投放信息在同一子维度下的已转化数，能够准确计算该信息集在该子维度下的集合转化数。根据将同一信息集中各个投放信息在同一子维度下的已转化率，能够准确计算该信息集在该子维度下的集合预测转化率。
[0320]
在一个实施例中，确定模块906，还用于对于每个信息评价维度，根据相应信息评价维度下的每个子维度分别对应的历史转化数和历史预测转化率，确定相应信息评价维度对应的目标转化数和目标转化率；根据每个信息评价维度分别对应的目标转化数和目标转化率，确定推广信息在本次投放中对应的校准系数。
[0321]
本实施例中，通过同一信息评价维度下的每个子维度分别对应的历史转化数和历史预测转化率，确定同一信息评价维度对应的目标转化数和目标转化率，使得同一信息评价维度的数据中包含了按照多个子维度划分处理后获得的详细数据，从而能够对子维度的数据进行整合。根据每个信息评价维度分别对应的目标转化数和目标转化率，能够准确确定推广信息在本次投放中对应的校准系数。
[0322]
在一个实施例中，确定模块906，还用于对于每个信息评价维度，获取相应信息评价维度下每个子维度对应的转化数权重和转化率权重；根据相应信息评价维度下每个子维度的历史转化数和相应转化数权重，确定相应信息评价维度对应的目标转化数；根据相应信息评价维度下每个子维度的历史预测转化率和相应转化率权重，确定相应信息评价维度对应的目标转化率。
[0323]
本实施例中，计算机设备根据各子维度的转化数权重和各子维度的历史转化数，计算出各子维度对应的同一信息评价维度的目标转化数，能够对不同子维度的历史转化数进行融合，使得信息评价维度的综合数据中包含了进一步细分维度下的数据，信息评价维度的综合数据更充分、更丰富。
[0324]
在一个实施例中，确定模块906，还用于当存在多个信息评价维度时，获取多个信息评价维度的优先级顺序；基于多个信息评价维度的优先级顺序，从多个信息评价维度中筛选出优先级最高的目标评价维度；根据目标评价维度所对应的目标转化数和目标转化率，确定推广信息在本次投放中对应的校准系数。
[0325]
本实施例中，通过多个信息评价维度的优先级顺序，筛选出优先级最高的目标评价维度，从而能够从历史数据中筛选出对推广信息的预测转化率影响最明显、最关键的信息评价维度。使用对推广信息的预测转化率影响最关键的目标评价维度的目标转化数和目标转化率，所计算出的推广信息在本次投放中对应的校准系数更准确，从而能够准确对推广信息在本次投放中信息转化率进行校准。
[0326]
在一个实施例中，校准模块908，还用于获取与推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征；根据推广内容特征、推广属性特征和用户属性特征，预测推广信息的信息转化率。
[0327]
本实施例中，通过推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征，预测出推广信息的信息转化率，能够结合多方面的特征数据准确预测推广信息在本次投放中的发生转化的概率，从而能够保证信息转化率预估的准确性。
[0328]
在一个实施例中，校准模块908，还用于针对每个用户对象，根据推广内容特征、推广属性特征和相应用户属性特征，预测在目标时间段内相应用户对象针对推广信息的用户转化率；根据每个用户对象对应的用户转化率，确定推广信息在目标时间段内的信息转化率。
[0329]
本实施例中，通过推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征，能够结合多方面的特征数据预估每个用户对象在目标时间段内对
推广信息进行转化的概率。根据每个用户对象对推广信息进行转化的概率，能够准确计算推广信息在目标时间段内投放的信息转化率，保证信息转化率预估的准确性。
[0330]
在一个实施例中，校准模块908，还用于获取推广信息在目标投放渠道对应的推广内容特征和推广属性特征，以及用户对象在目标投放渠道对应的用户属性特征；根据目标投放渠道对应的推广内容特征、推广属性特征和用户属性特征，预测用户对象在目标投放渠道针对推广信息的用户转化率；根据每个用户对象对应的用户转化率，预测推广信息在目标投放渠道的信息转化率。
[0331]
本实施例中，通过推广信息对应的推广内容特征和推广属性特征，以及与用户对象对应的用户属性特征，预测出推广信息在目标投放渠道的信息转化率，能够结合在目标投放渠道下的多方面特征数据准确预测推广信息发生转化的概率，保证不同投放渠道下信息转化率预估的准确性。
[0332]
关于信息转化率的校准装置的具体限定可以参见上文中对于信息转化率的校准方法的限定，在此不再赘述。上述信息转化率的校准装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0333]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种信息转化率的校准方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0334]
本领域技术人员可以理解，图10中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0335]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0336]
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0337]
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
[0338]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机
可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic randomaccess memory，dram)等。
[0339]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0340]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。