显示广告预测中的时间动态制造技术

本公开的实施例涉及显示广告预测中的时间动态。描述了可用于预测针对在线广告实例的用户购买行为的时间预测模型。可以通过处理针对点击数据、转换数据、以及辅助信息的时间窗口来形成时间预测模型。在一个或多个实施方式中，经由处理过的时间窗口将时间动态应用到点击数据、转换数据和/或辅助信息。时间预测模型的各种处理技术可以利用所应用的时间动态来预测在线广告实例的用户购买行为和/或有效性。

【技术实现步骤摘要】

技术介绍
在线广告已经成为营销产品和服务的越来越有效的方式。例如，可以向访问因特网的用户呈现各种广告。在一些实例中，用户可以选择广告和/或购买广告的产品或服务。用户的这些动作可以有助于预测未来广告的潜在收益和/或将广告瞄准特定用户。然而，预测未来广告的潜在收益可以由于用户兴趣和购买行为随时间变化而具有挑战。例如，传统技术可以跟踪用户是否点击在线广告以确定在线广告的有效性。其他传统技术可以评估用户响应于查看在线广告的购买活动。然而，在一些实例中，单独用户点击和购买活动可能不足以准确地预测与在线广告相关联的收益。另外，集中在用户点击和购买活动的预测模型可能由于处理大量数据而招致高计算成本。
技术实现思路
本
技术实现思路
以简化的形式介绍下面在具体描述中进一步描述的概念选择。因此，本
技术实现思路
不旨在标识要求保护的主题的必要特征，其也不旨在被用作确定要求保护的主题的范围的辅助。描述了一种预测针对在线广告实例的用户购买行为的时间预测模型。所述时间预测模型也有助于测量所述在线广告实例的有效性或选择用于呈现的在线广告实例。在一个实施方式中，时间预测模型根据反映用户的变化的购买行为的时间窗口来处理点击数据和转换数据。在一些实例中，由所述时间预测模型处理两个或更多个时间窗口，以预测用户是否有可能购买与数字广告相关联的商品。可以以各种方式来处理反映用户购买行为的变化的时间窗口。例如，时间预测模型可以将一个或多个时间窗口应用到所述点击数据和所述转换数据，以减少用于做出预测的数据集。在一些实例中，由所述时间预测模型处理时间窗口包括利用对应于第一时间窗口的点击数据和转换数据来训练所述模型和根据第二时间窗口来处理过去用户行为数据。由所述时间预测模型做出的预测可以利用对应于用户、广告商和/或广告商商品的额外辅助信息。附图说明参考附图描述了具体实施方式。在附图中，参考标记的最左边的数字标识在其中参考标记第一次出现的附图。在说明书和附图中的不同实例中使用相同参考标记可以指示相似或相同项。附图中呈现的实体可以指示一个或多个实体并且因此可以互换地引用讨论中的实体的单数形式或复数形式。图1是可操作用于采用本文中描述的技术的示例实施方式中的环境的图示。图2描绘了在其中时间预测模型做出各种预测的示例实施方式中的场景的表示。图3是描绘在其中时间预测模型预测用户购买行为的过程的流程图。图4是描绘基于根据两个时间窗口处理数据来预测针对在线广告实例的有效性水平的过程的流程图。图5是描绘使用通过处理多个时间窗口确定的数据子集来形成时间预测模型的过程的流程图。图6是图示了包括表示可以实施本文中描述的各种技术的一个或多个计算系统和/或设备的示例设备的示例系统。具体实施方式概述用户可以在因特网上选择广告和/或购买广告的产品或服务。用户的这些动作有助于预测未来广告的潜在收益、将广告瞄准特定用户等。然而，预测未来广告的潜在收益可以由于用户兴趣和购买行为随时间变化而具有挑战。例如，传统技术跟踪用户是否点击在线广告以确定在线广告的有效性。其他传统技术评估用户响应于查看在线广告的购买活动。然而，在一些实例中，单独用户点击和购买活动不能准确地预测与在线广告相关联的收益。另外，单独集中在用户点击和购买活动的预测模型通常由于处理大量数据而需要高计算成本。描述了一种预测针对在线广告实例的用户购买行为的时间预测模型。所述时间预测模型也有助于测量所述在线广告实例的有效性或选择用于呈现的在线广告实例。在一个实施方式中，时间预测模型根据反映用户的变化的购买行为的时间窗口来处理点击数据和转换数据。在一些实例中，由所述时间预测模型处理两个或更多个时间窗口，以预测用户是否有可能购买与数字广告相关联的商品。可以以各种方式来形成时间预测模型。例如，可以通过将时间因子应用到点击数据和转换数据并且使用时间点击数据和时间转换数据来形成时间预测模型，以形成所述模型。在示例中，当处理两个时间窗口时，可以如以上所描述的外加将第二时间因子应用到用户购买行为数据来创建时间预测模型。在该示例中，所述时间因子对应于基于与先前在线广告实例相关联的点击数据与转换数据之间的时间关系的时间窗口。所述时间关系可以表示用户购买行为随特定时间段的标识的变化。因此，时间预测模型被形成为针对随时间变化的用户兴趣和/或购买行为进行动态地调整。可以以各种方式来处理反映用户购买行为的变化的时间窗口。例如，时间预测模型可以将一个或多个时间窗口应用到所述点击数据和所述转换数据，以减少用于做出预测的数据集。由所述时间预测模型处理时间窗口包括利用对应于第一时间窗口的点击数据和转换数据来训练所述模型和根据第二时间窗口来处理过去用户行为数据。由所述时间预测模型进行的预测还可以利用对应于用户、广告商和/或广告商商品的额外辅助信息。通常，时间窗口指示诸如固定时间值的时间因子。在一些示例中，时间窗口基本上等于在线广告实例的点击或印象与对应于在线广告实例的转换之间的时间量。然而，在其他示例中，时间窗口实质上等于在线广告实例的点击或印象与转换之间的时间量加一些时间变量。例如，基于一组点击与一组对应的转换之间的平均时间来确定时间变量。在一个特定示例中，时间窗口被预先定义为大约一周，但是其他示例也是可预见的。用于转换预测和用于点击预测的现有方法孤立地看待这两个问题。然而，因为两个目标通常是相互交织的，所以共同解决所述问题是相当有益的。时间预测模型例如通过共同地检查用户购买行为和点击响应行为来预测用户的转换响应。此外，所述模型将点击响应与购买活动之间的时间动态捕获到统一的框架中。特别地，时间预测模型表示用于执行具有时间动态的矩阵因子分解的功能，并且因此可以被认为表示动态集体矩阵因子分解(DCMF)。时间预测模型可以被配置为预测各种度量。例如，时间预测模型可以被配置为预测对应于在线广告实例的用户购买行为。附加地或备选地，所预测的度量可以包括预测在线广告实例的有效性、预测用户是否将选择在线广告实例、预测来自未来广告的收益、预测点击后转换(例如，在用户点击广告之后的购买活动)、预测印象后转换(例如，在向用户呈现广告但用户没有点击它之后的购买活动)等。无论预测的度量如何，时间预测模型都表示可以被配置为预测对应于在线广告实例和/或随后在线广告实例的用户行为的功<本文档来自技高网...

【技术保护点】
在用于在线广告和对关于所述在线广告的随后用户行为的预测的数字媒介环境中，所述数字媒介环境处置随时间变化的用户兴趣和购买行为，一种方法包括：接收指示先前在线广告实例是否被选择的点击数据；接收指示收益是否响应于呈现或选择所述先前在线广告实例而被生成的转换数据；将第一时间因子应用到所述点击数据和所述转换数据；将第二时间因子应用到用户购买行为数据；使用所述时间点击数据、所述时间转换数据以及所述时间用户购买行为数据来形成时间预测模型；并且至少部分地基于所述时间预测模型来预测针对随后在线广告实例的用户购买行为。

【技术特征摘要】
2014.11.25 US 14/553,8771.在用于在线广告和对关于所述在线广告的随后用户行为的预
测的数字媒介环境中，所述数字媒介环境处置随时间变化的用户兴
趣和购买行为，一种方法包括：
接收指示先前在线广告实例是否被选择的点击数据；
接收指示收益是否响应于呈现或选择所述先前在线广告实例而
被生成的转换数据；
将第一时间因子应用到所述点击数据和所述转换数据；
将第二时间因子应用到用户购买行为数据；
使用所述时间点击数据、所述时间转换数据以及所述时间用户
购买行为数据来形成时间预测模型；并且
至少部分地基于所述时间预测模型来预测针对随后在线广告实
例的用户购买行为。
2.根据权利要求1所述的方法，其中所述第一时间因子和所述
第二时间因子表示两个连续的时间帧。
3.根据权利要求1所述的方法，其中所述第一时间因子包括表
示所述先前在线广告实例的呈现与所述先前在线广告实例的转换之
间的关系的时间值，将所述时间因子应用到所述点击数据和所述转
换数据包括：通过所述时间值来过滤所述点击数据和所述转换数据。
4.根据权利要求1所述的方法，进一步包括使用所述时间预测
模型来测量所述先前在线广告实例的有效性。
5.根据权利要求1所述的方法，其中预测所述用户购买行为包
括：预测来自与所述随后在线广告实例相关联的后点击转换或后印
象转换的收益。
6.根据权利要求1所述的方法，其中预测所述用户购买行为包
括：预测用户是否将点击所述随后在线广告实例。
7.根据权利要求1所述的方法，其中形成所述时间预测模型至
少部分地基于将随机梯度下降算法应用到所述点击数据和所述转换

\t数据。
8.在用于基于对随后用户行为的预测来选择在线广告实例的数
字媒介环境中，所述数字媒介环境处置随时间变化的用户兴趣和购
买行为，一种方法包括：
标识与先前在线广告实例相关联的点击数据与转换数据之间的
时间关系；
基于标识的所述时间关系来标识时间窗口；
使用标识的所述时间窗口来确定所述点击数据和所述转换数据
的子集；
使用所述点击数据和所述转换数据的确定的所述子集来执行动
态集体矩阵因子分解，以使得所述点击数据和所述转换数据被共同
处理，以预测用于呈现的随后在线广告实例；并且
至少部分地基于由所述动态集体矩阵因子分解执行的所述预测
来选择用于呈现的随后在线广告实例。
9.根据权利要求8所述的方法，进一步包括将用户购买行为映
射在两个时间窗口中，并且将所述映射应用到所述动态集体矩阵因
子分解。
10.根据权利要求8所述的方法，其中所述点击数据与所述转
换数据之间的所述时间关系至少部分地基于多个转换...

【专利技术属性】
技术研发人员：J·B·卡瓦勒，李升，
申请(专利权)人：奥多比公司，
类型：发明
国别省市：美国;US