[發明專利]一種廣告出價方法、裝置及電子設備

在審

• 申請號: 202010149144.9
• 申請日: 2020-03-05
• 公開（公告）號: CN111369293A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 趙科科;趙星;金永波
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06N20/00
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 劉立升

1.一種廣告出價方法，所述方法包括：

接收一個或多個廣告出價請求，所述廣告出價請求中包含與用戶相關聯的信息；

根據所述信息判斷所述用戶是否為目標用戶，當所述用戶為目標用戶時，獲取所述目標用戶的用戶特征數據，并獲取廣告特征數據；

將所述用戶特征數據輸入到預定的第一機器學習模型中進行預測，得到所述目標用戶的第一轉化概率，其中，所述第一轉化概率用于表示目標用戶的自然轉化概率；

將所述用戶特征數據以及廣告特征數據輸入到預定的第二機器學習模型中進行預測，得到所述目標用戶的第二轉化概率，其中，所述第二轉化概率用于表示目標用戶的曝光轉化概率；

根據所述第一轉化概率和第二轉化概率計算得到第三轉化概率，所述第三轉化概率用于表示目標用戶的凈轉化概率，基于所述第三轉化概率對廣告進行出價。

2.如權利要求1所述的方法，所述接收一個或多個廣告出價請求，包括：

當用戶通過終端設備訪問媒體平臺時，接收所述媒體平臺發送的廣告出價請求。

3.如權利要求1所述的方法，所述根據所述信息判斷所述用戶是否為目標用戶，包括：

將所述信息與預設的備選集中的信息進行匹配，若匹配成功則所述用戶為目標用戶；其中，所述備選集中包含目標用戶的身份標識，以及與所述目標用戶的身份標識相關聯的信息，所述信息包括目標用戶的移動設備標識。

4.如權利要求1或3所述的方法，所述目標用戶為低活躍用戶，所述低活躍用戶包括已注冊且在預設的時間段內未登陸客戶端的用戶。

5.如權利要求1所述的方法，所述第一機器學習模型包括第一深度學習模型，采用以下方法訓練得到所述第一深度學習模型，具體的，

獲取預定的第一樣本數據，所述第一樣本數據中包含第一樣本用戶的用戶特征數據，將所述第一樣本用戶的轉化情況作為模型訓練的標簽，并將所述第一樣本數據以及標簽輸入到深度學習模型中進行訓練，得到訓練后的第一深度學習模型。

6.如權利要求1所述的方法，所述第二機器學習模型包括第二深度學習模型，采用以下方法訓練得到所述第二深度學習模型，具體的，

獲取預定的第二樣本數據，所述第二樣本數據中包含第二樣本用戶的用戶特征數據以及對所述第二樣本用戶所曝光廣告對應的廣告特征數據，將所述第二樣本用戶的轉化情況作為模型訓練的標簽，并將所述第二樣本數據以及標簽輸入到深度學習模型中進行訓練，得到訓練后的第二深度學習模型。

7.如權利要求6所述的方法，所述第二樣本數據中還包含媒體特征數據，將所述用戶特征數據、廣告特征數據以及媒體特征數據輸入到第二深度學習模型中進行預測，得到所述目標用戶的第二轉化概率。

8.如權利要求1所述的方法，所述根據所述第一轉化概率和第二轉化概率計算得到第三轉化概率，包括：

將所述第二轉化概率對應的值減去第一轉化概率對應的值，得到第三轉化概率的值。

9.如權利要求8所述的方法，所述基于所述第三轉化概率對廣告進行出價，包括根據以下公式對所述廣告進行出價，具體的，

bid*max(s1-s0,0)

其中，bid表示廣告主預先配置的出價系數；s1-s0表示第三轉化概率對應的值。

10.一種廣告出價方法，所述方法包括：

接收一個或多個廣告出價請求，所述廣告出價請求中包含與用戶相關聯的信息；

根據所述信息判斷所述用戶是否為目標用戶，當所述用戶為目標用戶時，獲取所述目標用戶的用戶特征數據，并獲取廣告特征數據；

將所述用戶特征數據以及廣告特征數據輸入到預定的第三機器學習模型中進行預測，得到所述目標用戶的第三轉化概率，并基于所述第三轉化概率對廣告進行出價；

其中，所述第三機器學習模型由第一機器學習模型和第二機器學習模型合并而成，所述第三轉化概率用于表示所述目標用戶的凈轉化概率。