An embodiment of the invention discloses an advertisement method, a terminal and a computer readable storage medium. The method includes receiving the total inquiry flow, obtaining the model training data, the user's static attribute data and the dynamic attribute data according to the total inquiry flow, and training data and the static attribute number according to the model. According to the dynamic attribute data, the full scene data about exposure / click is determined. According to the single order feature, the multiple potential clicks are predicted by combining the logistic regression model and the gradient enhancement decision tree model. The value of the ad Click value of the received user input is estimated, according to the multiple potential clicks and the ad Click value. Valuations are used to calculate the price of a number of advertisements; to sort out the bids of multiple ads to get the list of advertising bid, and to advertise it according to the order list of the advertising bid. The embodiment of the invention realizes the more accurate estimation of the advertisement click rate pCTR, and further realizes the accurate advertising.
【技术实现步骤摘要】
广告投放方法、终端及计算机可读存储介质
本专利技术涉及媒体
,具体涉及一种广告投放方法、终端及计算机可读存储介质。
技术介绍
在广告投放的需求方平台中,广告的出价是由预测的广告点击率pCTR和对点击价值的预估值pCPC所决定的。目前,对广告点击率pCTR是通过对历史曝光点击数据进行统计估算得到的,该种预测方法非常地粗糙、不够准确,从而严重影响了对广告出价的估计结果,导致难以准确地投放广告。
技术实现思路
本专利技术实施例的目的在于提供一种广告投放方法、终端及计算机可读存储介质,以对广告点击率pCTR进行更准确地估计,进一步地准确投放广告。为实现上述目的,第一方面,本专利技术实施例提供了一种广告投放方法,包括:接收总询价流量,根据所述总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据,所述总询价流量包括多支广告的询价流量,所述模型训练数据包括每次广告的曝光记录和点击行为记录;根据所述模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据,所述全场景数据包括多个单阶特征;根据所述单阶特征,结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值;接收用户输入的广告点击价值预估值,根据多个所述潜在点击率值和所述广告点击价值预估值,计算出多支广告的出价;对多支广告的出价进行排序以得到广告出价排序表,并根据所述广告出价排序表进行广告投放。作为本申请一种优选的实施方式,接收总询价流量之前,所述方法还包括:通过埋点落日志记录每次广告的曝光与点击行为。作为本申请一种优选的实施方式,所述静态属性特征数据包括年龄、性别及兴趣爱 ...
【技术保护点】
1.一种广告投放方法,其特征在于,包括:接收总询价流量,根据所述总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据,所述总询价流量包括多支广告的询价流量,所述模型训练数据包括每次广告的曝光记录和点击行为记录;根据所述模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据,所述全场景数据包括多个单阶特征;根据所述单阶特征,结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值;接收用户输入的广告点击价值预估值,根据多个所述潜在点击率值和所述广告点击价值预估值,计算出多支广告的出价;对多支广告的出价进行排序以得到广告出价排序表,并根据所述广告出价排序表进行广告投放。
【技术特征摘要】
1.一种广告投放方法,其特征在于,包括:接收总询价流量,根据所述总询价流量获取模型训练数据、用户的静态属性特征数据和动态属性特征数据,所述总询价流量包括多支广告的询价流量,所述模型训练数据包括每次广告的曝光记录和点击行为记录;根据所述模型训练数据、静态属性特征数据和动态属性数据确定关于曝光/点击的全场景数据,所述全场景数据包括多个单阶特征;根据所述单阶特征,结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值;接收用户输入的广告点击价值预估值,根据多个所述潜在点击率值和所述广告点击价值预估值,计算出多支广告的出价;对多支广告的出价进行排序以得到广告出价排序表,并根据所述广告出价排序表进行广告投放。2.如权利要求1所述的广告投放方法,其特征在于,接收总询价流量之前,所述方法还包括:通过埋点落日志记录每次广告的曝光与点击行为。3.如权利要求2所述的广告投放方法,其特征在于,所述静态属性特征数据包括年龄、性别及兴趣爱好,所述动态属性特征数据包括浏览行为。4.如权利要求3所述的广告投放方法,其特征在于,所述单阶特征包括用户属性特征、媒体方特征及广告方特征。5.如权利要求4所述的广告投放方法,其特征在于,根据所述单阶特征,结合逻辑回归模型和梯度增强决策树模型预测多支广告的多个潜在点击率值,具体包括:根据多个所述单阶特征构建组合特征;采用所述梯度增强决策树模型对多个所述单阶特征和所述组合特征进行重新组合,以得到目标特征;采用所述逻辑回归模型对所述目标特征进行训练,以预测得到多支广告的多个潜在点击率值。6.一种广告投放终端,其特征在于,包括:获取单元,用于接收总询价流量,根据所述总询价流量获取模型训练数据、...
【专利技术属性】
技术研发人员:鲁文龙,陈霖,罗伟东,
申请(专利权)人:深圳市和讯华谷信息技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。