] 例如，投放特征为：投放信息的投放时间段、投放地域以及所面向的搜索用户的年 龄段，则一种投放特征值可以是："每晚8:00-10:00"所对应的第一数值（表征投放信息的 投放时间段）、"北京"所对应的第二数值（表征投放信息的投放地域）以及"20岁-35岁" 所对应的第三数值（所面向的搜索用户的年龄段）。
[0073] 如果投放子特征中包括投放时间段、投放地域或投放形式，则观看用户信息应包 括观看用户的观看时间、归属地或者投放平台下发给观看用户的投放信息的投放形式；如 果投放子特征中包括所面向的搜索用户的年龄段或者性别，则搜索用户信息应包括搜索用 户的年龄或者性别。
[0074] 现以投放时间段为"周末"且所面向的搜索用户的性别为"女"所对应的投放特征 值为例，对其对应的评测子结果的生成过程进行阐述。具体的：
[0075] 获取投放信息在投放平台下的多条观看用户标识以及每条观看用户标识对应的 观看时间；筛选本次获取结果中对应的观看时间为"周末"的目标观看用户标识；
[0076] 获取投放信息在搜索引擎下的多条搜索用户标识以及每条观看用户标识对应的 搜索用户的性别；筛选本次获取结果中对应的性别为"女"的搜索用户标识；
[0077] 识别筛选到的搜索用户标识中与目标观看用户标识绑定为同一用户的目标搜索 用户标识；根据目标搜索用户标识的数量或者目标搜索用户标识对应的用户的搜索行为， 得到投放信息在该举例的投放特征值下的投放效果评测子结果。
[0078] 对于其他投放特征值所对应的投放效果评测子结果，可参考上述举例，在此不再 --赘述。
[0079] 在本实施例中，历史得到的各个投放效果评测子结果均为基于同一指标（例如目 标搜索用户数量）的结果。
[0080] 例如，历史得到的三个投放效果评测子结果包括：
[0081] 投放信息在投放地域为"北京"特征下的第一投放效果评测子结果；投放信息在投 放地域为"上海"特征下的第二投放效果评测子结果；投放信息在投放地域为"广州"特征 下的第三投放效果评测子结果。则采用投放效果评测模型，可预估出投放信息在其他未投 放地域（例如为"深圳"）特征下的投放效果评测子结果。当然，在学习过程中投放效果评 测子结果的数量要远大于此，此处仅仅是为了清楚的阐述本实施例提供的方案，以举例的 方式列出。
[0082] 采用本实施例方案建立的投放效果评测模型，能够为商家预先估计出投放信息在 投放平台的其他投放特征值下的投放效果，从而可以指导商家根据该预测结果设计较为合 理的投放策略，达到利益最大化。
[0083] 实施例三
[0084] 图3是本发明实施例三提供的一种对投放信息的投放效果进行评测的方法的流 程示意图。本实施例以上述所有实施例为基础，提供一优选实施例。在本实施例中，投放信 息优选为展示广告。展示广告是指主动展现的方式投放给用户，由用户被动接收的广告。参 见图3,本实施例提供的具体包括如下操作：
[0085] 操作310、投放平台投放展示广告。
[0086] 投放过程为：投放平台接收到终端发起的对服务资源的获取请求，该请求包括用 户标识；投放平台下发嵌入有展示广告的服务器资源给终端，以使得终端在播放服务资源 的过程中播放展示广告，供用户观看。
[0087] 操作320、投放平台记录观看了展示广告的各条观看用户信息。
[0088] 观看用户信息至少包括观看用户标识。具体的，提取对服务资源的获取请求中的 用户标识记录为观看用户标识。
[0089] 操作330、搜索引擎记录各条搜索用户信息以及每条搜索用户信息对应的用户的 搜索行为。
[0090] 操作340、分析搜索引擎的记录结果，以抽取出该结果中与观看用户信息绑定为同 一用户的目标搜索用户信息。
[0091] 如图4所示，椭圆形区域41表示投放平台记录的观看了展示广告的各条观看用户 信息对应的观看用户群，矩形区域42表示搜索引擎记录的各条搜索用户信息对应的搜索 用户群。椭圆形区域41与矩形区域42的重叠区域400,表示在观看了展示广告后，基于搜 素引擎搜素展示广告的用户群，这部分用户群中各用户对应的信息，即为目标搜索用户信 息。
[0092] 而椭圆形区域41中除重叠区域400之外的剩余区域401，则表示仅观看了展示广 告，但未基于搜素引擎来搜素展示广告的观看用户群；矩形区域42中除重叠区域400之外 的剩余区域402,表示仅基于搜素引擎搜索了展示广告，但该搜索并不是通过观看展示广告 引起的搜索用户群。
[0093] 操作350、根据目标搜索用户信息对应的用户对展示广告的搜索行为，量化得到展 示广告在投放平台下的投放效果评测结果。
[0094] 操作360、利用目标搜索用户信息对应的用户对展示广告的搜索行为，建立投放效 果评测模型，并基于该模型预估投放效果。
[0095] 具体的，操作360包括：利用目标搜索用户信息对应的用户对展示广告的搜索行 为，生成投放信息在不同投放特征值下的投放效果评测子结果；基于设定的机器学习算法， 对历史得到的所述投放效果评测子结果进行学习，以建立投放效果评测模型；采用投放效 果评测模型，对实时输入的投放信息在投放平台下的新投放特征值进行投放效果评测子结 果的预估。
[0096] 需要说明的是，操作350对投放效果评测结果的量化，可具体参见上述实施例一 针对操作140提供的各种【具体实施方式】。操作350和操作360可由两个不同的线程独立执 行，且对其执行顺序不作具体限定，操作360还可先于操作350执行，或者同时执行。操作 350和操作360可由同一执行主体执行，例如均为搜索引擎所在的搜索系统、投放平台或者 第三方物理设备。当然，操作350和操作360也可由不同的物理设备执行，本实施例对此也 不做具体限定。
[0097] 在传统展示广告的商业模式中，广告主（也即商家）通过媒介（也即投放平台） 将展示广告以展现的形式投放给一定范围的用户群体。这种广告形式相比搜索广告有受众 人群定位宽泛、无法直接满足用户需求等缺点。同时，其他网络服务商受限于用户数量以及 业务模式，无法将网民在网络中的行为形成闭环，从而也无法从整体上分析网民观看展示 广告前后的行为。基于此，本实施例提出一种新的展示广告投放效果评测方法，解决了上述 问题。
[0098] 本实施例的出发点为：打造网民的网络闭环（也即在投放平台和搜索引擎之间有 可识别的绑定为同一用户的用户标识），识别出展示广告在搜索用户群中的受众人群，进而 通过对所述受众人群的搜索行为来衡量展示广告的投放效果。用户在观看展示广告之后， 在有相关需求的情况下则会搜索相关产品，从而为广告主带来相应的页面流量。依托网络 闭环，可以对广告主的页面流量进行区分并准确的计算出上述流量。通过对这部分流量的 分析建模，可以量化展示广告的投放效果，优化广告投放策略。同时，也会促进广告主优化 广告内容，提升用户体验，实现广告主、网民、媒介的三方共赢。
[0099] 实施例四
[0100] 图5是本发明实施例四提供的对投放信息的投放效果进行评测的装置的结构示 意图。参见图5,该装置的具体结构如下：
[0101] 观看用户信息获取单元510,用于获取投放信息在投放平台下的多条观看用户信 息；
[0102] 搜索用户信息获取单元520,用于获取所述投放信息在搜索引擎下的多条搜索用 户信息；
[0103] 同一用户识别单元530,用于识别所述多条搜索用户信息中与所述观看用户信息 绑定为同一用户的目标搜索用户信息；
[0104] 投放效果评测单元540,用于根据所述目标搜索用户信息对应的用户对所述投放 信息的搜索行为，生成所述投放信息在所述投放平台下的投放效果评测结果。
[0105] 示例性的，所述投放效果评测结果包括：所述投放信息在不同投放特征值下