[發明專利]廣告位上的廣告的點擊次數預估方法和裝置

在審

• 申請號: 201410490512.0
• 申請日: 2014-09-23
• 公開（公告）號: CN104268644A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 高翔;齊翔;王永杰
• 申請（專利權）人: 新浪網技術(中國)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 方曉明

技術領域

本發明涉及互聯網技術領域，尤其涉及一種廣告位上的廣告的點擊次數預估方法和裝置。

背景技術

網絡廣告就是在網絡上做的廣告。網絡廣告是一種通過網絡傳遞到互聯網用戶的高科技廣告運作方式。它通過網絡廣告投放平臺來利用網站上的廣告橫幅、文本鏈接、多媒體的方法，在互聯網刊登或發布廣告。其中，根據計費來劃分的CPC(Cost?Per?Click，按點擊次數收費)廣告與CPD(Cost?Per?Day，按天數收費)廣告和CPM(Cost?Per?Mille，按每顯示千次收費)廣告不同，CPC廣告的廣告主按照用戶點擊廣告的次數來收費，是網絡中比較成熟的廣告形式之一。

定向廣告是指可按照人口統計特征，針對指定的地域、年齡、性別、興趣、學歷、婚姻狀況等的受眾進行廣告投放的形式，定向廣告可以為客戶找到精確的受眾群。例如，對于年齡，廣告投放時可以包括女性的定向和男性的定向。因此，CPC廣告和定向廣告的結合為廣大廣告主所青睞。

通常，廣告主在投放廣告之前，希望了解網站上的某個或某些廣告位投放廣告的效果，并根據了解的投放效果來制定預訂廣告位的決策等。因此，為滿足廣告主進行網站上的廣告位的查詢、預訂和釋放等多個操作的要求，現有技術通常采取一定的方式，對未來一段時間某個廣告位上投放的廣告被點擊的次數進行預估，以供廣告主進行廣告投放的參考。

現有技術中，廣告位上的廣告點擊次數的預估方法通常是基于單一的預估模型進行預估。其中，預估模型是根據歷史趨勢進行建模得到的。

然而，本發明的發明人發現不同的廣告位的歷史趨勢往往不同，例如，有的廣告位的廣告點擊次數對周趨勢的波動比較敏感，周一到周五由于是工作日廣告點擊次數較少，周六周日由于是休息日廣告點擊次數較多，而有的廣告位的廣告點擊次數對季節性趨勢比較敏感，因此，使用單一的預估模型對不同廣告位的廣告點擊次數進行預估，往往會使得預估準確率不高，甚至可能會出現預估的廣告點擊次數為負值等不合常理的情況。

因此，有必要提供一種能夠更為準確地進行廣告位上的廣告點擊次數預估的方法。

發明內容

針對上述現有技術存在的缺陷，本發明實施例提供了一種廣告位上的廣告點擊次數的預估方法和裝置，用以更為準確地進行廣告點擊次數的預估。

本發明實施例提供了一種廣告位上的廣告點擊次數的預估方法，包括：

針對待預估的廣告位上已投放的廣告的每個定向，使用預先選取出的廣告曝光數的預估模型，得到設定預估時間段內該定向的廣告曝光數的預估值；并

根據統計出的設定歷史時間段內各定向的廣告曝光數的實際值之和、以及廣告點擊次數的實際值之和，確定出所述設定歷史時間段內的廣告點擊率；

分別計算出每個定向的廣告曝光數的預估值與所述廣告點擊率的乘積，將計算出的各乘積之和作為所述設定預估時間段內的廣告點擊次數的預估值；

其中，所述廣告曝光數的預估模型是根據預先訓練的廣告曝光數的至少兩個預估模型的預估錯誤率，從所述至少兩個預估模型中選取出來的。

其中，所述至少兩個預估模型包括：第一預估模型和第四預估模型；

第一預估模型和第四預估模型中第i天的廣告曝光數的預估值p[i]均是根據第i-T天的廣告曝光數的實際值來確定的，T為預設周期；

其中，第一預估模型中第i天的廣告曝光數的預估值p[i]具體為：

p[i]＝growth(i)×seasonality(i)?????(公式5)

公式5中，seasonality(i)為第一糾正因子，且T₁為第一預設周期；growth(i)＝a₁×i+b₁；a₁和b₁為第一預估模型的訓練參數；h[i-T₁]為第i-T₁天的廣告曝光數的實際值；以及

第四預估模型中第i天的廣告曝光數的預估值p[i]具體為：

p[i]＝a₄×h[i-T₄]+b₄?????(公式8)

其中，T₄為第二預設周期；h[i-T₄]表示第i-T₄天的廣告曝光數的實際值；a₄和b₄為第四預估模型的訓練參數。

較佳地，所述至少兩個預估模型還包括：第二預估模型、第三預估模型和holt-winter預估模型；以及