在线竞价概率模型生成方法技术

本发明专利技术提供了一种在线竞价概率模型生成方法，将历史上获胜的请求记录，根据预测的KPI分为若干个区间，对每个区间采用混合beta分布进行拟合，拟合每个区间KPI和获胜价格的函数，对模型进行校正，最终得到概率模型，通过该概率模型能够对在线竞价进行仿真和模拟，便于发现可分析问题，探索最佳业务配置，分析和模拟竞争对手的出价策略。

Online bidding probability model generation method

The present invention provides a method of generating online bidding probability model, will request a recorded history of winning, and according to the forecast of KPI is divided into several intervals for each interval were fitted by the mixed beta distribution function fitting each interval KPI and winning price, correcting the model by probability model, finally, through the the probability model can be simulated and the simulation of the online auction, so that can analyze problems, to explore the best service configuration, analysis and Simulation of competitive bidding strategy.

【技术实现步骤摘要】

本专利技术属于互联网
，具体涉及一种在线竞价概率模型生成方法。
技术介绍
实时竞价(RealTimeBidding，简称RTB)，是一种利用第三方技术在数以百万计的网站上针对每一个用户展示行为进行评估以及出价的竞价技术。与大量购买投放频次不同，实时竞价规避了无效的受众到达，只针对有意义的用户进行购买。它的核心是DSP平台(需求方平台)，RTB对于媒体来说，可以带来更多的广告销量、实现销售过程自动化及减低各项费用的支出。而对于广告商和代理公司来说，最直接的好处就是提高了效果与投资回报率。RTB的出现就是互联网广告从广告位时代进入人群实时竞价时代。在线竞价的行为是一个极其复杂的问题，目前在业界和学术界尚无有效的模型。虽然在现实的实时竞价系统中，每天都有大量的数据积累，但是如何从中提炼有效的信息用于产生符合实际的模型是一个困难的问题。而在线竞价的模型对于控制广告主成本优化，并最大化广告主广告投放的效果，比如在固定预算下最大化展现、点击、到达以及转化，或者是最大化投放覆盖的人群量等不同的衡量效果都有重要的意义。
技术实现思路
本专利技术是为了解决上述问题而进行的，目的在于提供一种能够产生KPI和获胜价格之间的关系，能够产生KPI的概率分布的在线竞价概率模型生成方法。本专利技术提供了一种在线竞价概率模型生成方法，其特征在于，包括以下步骤：步骤1，输入竞价成功的请求记录作为样本；步骤2，将每条所述请求记录基于预定规则得到预测的KPI，将所述样本根据所述预测的KPI分为若干个区间，统计每个区间的统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，并统计每个区间的KPI的分布和获胜价格的分布；步骤3，采用混合beta分布拟合每个区间的样本数据得到模型分布，并得到每个区间的计算的KPI的均值和KPI的方差；步骤4，拟合每个区间的KPI和获胜价格得到模型函数；步骤5，将每个区间根据所述模型分布重新生成一组满足模型分布的新样本，并统计新样本的KPI的均值和方差，将新样本根据模型函数得到的获胜价格，并统计得到获胜价格的均值和方差；步骤6，判断步骤5中新样本的KPI的均值和方差、获胜价格的均值和方差是否逼近步骤2中统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，如果逼近，则进入下一步骤，若否，则返回步骤3，并改变所述混合beta分布中beta分布的数量；步骤7，判断步骤5中新样本的KPI的分布和获胜价格的分布是否逼近步骤2中样本中KPI的分布和获胜价格的分布，如果逼近，则模型构建完成，否则，返回步骤2，并改变样本的区间的数量。进一步，在本专利技术提供的在线竞价概率模型生成方法中，还可以具有这样的特征：其中，请求记录包含自然属性、媒体属性、用户之前的点击行为、出价、成交价、点击和转化。。进一步，在本专利技术提供的在线竞价概率模型生成方法中，还可以具有这样的特征：其中，KPI包含：点击成本、点击量、转化成本、转化量、CTR、CVR。进一步，在本专利技术提供的在线竞价概率模型生成方法中，还可以具有这样的特征：其中，步骤2中，还需统计每个区间的样本数量，如果单个区间的样本的数量小于门限值，则需要将该区间与其它区间进行合并，并更新合并后的区间的统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差,并更新合并后每个区间的KPI的分布和获胜价格的分布。本专利技术的优点如下：根据本专利技术所涉及的在线竞价概率模型生成方法，将历史上获胜的请求记录，根据预测的KPI分为若干个区间，对每个区间采用混合beta分布进行拟合，拟合每个区间KPI和获胜价格的函数，对模型进行校正，最终得到概率模型，通过该概率模型能够对在线竞价进行仿真和模拟，便于发现可分析问题，探索最佳业务配置，分析和模拟竞争对手的出价策略。附图说明图1是本专利技术中在线竞价概率模型生成方法的流程图；图2是本专利技术中样本中的KPI分布和样本数据根据模型分布函数生成的KPI分布对比图；图3是本专利技术中样本中的获胜价格的分布和样本数据根据模型函数生成的获胜价格的分布的对比图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本专利技术在线竞价概率模型生成方法作具体阐述。在描述之前，对本专利涉及的专业术语进行说明：KPI：关键绩效指标；CTR：点击率；CVR：点击转化率；pdf：概率密度。在线竞价概率模型生成方法能够生成竞价概率模型，该竞价概率模型包含KPI和获胜价格之间的关系，KPI的概率分布。如图1所示，在本实施例中，在线竞价概率模型生成方法包含以下步骤：步骤S1，输入竞价成功的请求记录作为样本。一条请求记录为一个样本数据。样本中包含大量的数据。请求记录包含自然属性、媒体属性、用户之前的点击行为、出价、成交价、点击和转化。自然属性包含一次竞价(pv)的时间，媒体属性包含网页地址(url)，用户之前的点击行为为一周内用户点击过某广告多少次。步骤S2，将每条请求记录基于预定规则得到预测的KPI，根据预测的KPI将所有的请求记录分为若干个区间，统计每个区间的统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，并统计每个区间的KPI的分布和获胜价格的分布。KPI包含：点击成本、点击量、转化成本、转化量、CTR、或CVR。在本实施例中，KPI以CTR为例，预测的CTR采用现有的LR(LogisticRegression)，FM(FactorizationMachines)，GBDT等算法进行计算。相同的预测的CTR下包含多个样本数据。将样本根据预测的CTR分为若干个区间，每个区间为一个数值范围的预测的CTR，统计每个区间的实际的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，并统计每个区间的样本数据的数量。并统计每个区间的KPI的分布和获胜价格的分布。如果某个区间的样本数据的数量小于门限值，则将该区间与其它区间合并，然后重新统计合并后的区间的实际的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差。并统计并后的区间的KPI的分布和获胜价格的分布。步骤S3，采用混合beta分布拟合每个区间的样本数据得到模型分布，如图2，并得到每个区间的计算的KPI的均值和KPI的方差。将每个区间用几个beta分布进行拟合，并根据拟合得到的混合beta分布函数计算得到每个区间的KPI的均值和KPI的方差。步骤S4，拟合每个区间的KPI和获胜价格得到模型函数，如图3。步骤S5，将每个区间根据步骤S3中得到的模型分布中重新生成一组满足该模型分布的新样本，并统计该新样本的KPI的均值和方差，将该新样本根据步骤S4中得到的模型函数得到的一组与该新样本相对应的获胜价格，并统计得到获胜价格的均值和方差。步骤S6，判断步骤S5中新样本的KPI的均值和方差、获胜价格的均值和方差是否逼近步骤S2中统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，如果逼近，则进入下一步骤，若否，则返回步骤S3，并改变混合beta分布中beta分布的数量。步骤S7，判断步骤S5中新样本的KPI的分布和获胜价格的分布是否逼近所述样本中KPI的分布和获胜价格的分布，如果逼近，则模型构建完成，否则，返回步骤S2，并改变样本的区间的数量。图2中，横坐标本文档来自技高网...

【技术保护点】
一种在线竞价概率模型生成方法，其特征在于，包括：步骤1，输入竞价成功的请求记录作为样本；步骤2，将每条所述请求记录基于预定规则得到预测的KPI，将所述样本根据所述预测的KPI分为若干个区间，统计每个区间的统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，并统计每个区间的KPI的分布和获胜价格的分布；步骤3，采用混合beta分布拟合每个区间的样本数据得到模型分布，并得到每个区间的计算的KPI的均值和KPI的方差；步骤4，拟合每个区间的KPI和获胜价格得到模型函数；步骤5，将每个区间根据所述模型分布重新生成一组满足所述模型分布的新样本，并统计所述新样本的KPI的均值和方差，将所述新样本根据所述模型函数得到的获胜价格，并统计得到获胜价格的均值和方差；步骤6，判断步骤5中新样本的KPI的均值和方差、获胜价格的均值和方差是否逼近步骤2中所述统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，如果逼近，则进入下一步骤，若否，则返回步骤3，并改变所述混合beta分布中beta分布的数量；步骤7，判断步骤5中新样本的KPI的分布和获胜价格的分布是否逼近步骤2中所述样本中KPI的分布和获胜价格的分布，如果逼近，则模型构建完成，否则，返回步骤2，并改变所述样本的区间的数量。...

【技术特征摘要】
1.一种在线竞价概率模型生成方法，其特征在于，包括：步骤1，输入竞价成功的请求记录作为样本；步骤2，将每条所述请求记录基于预定规则得到预测的KPI，将所述样本根据所述预测的KPI分为若干个区间，统计每个区间的统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，并统计每个区间的KPI的分布和获胜价格的分布；步骤3，采用混合beta分布拟合每个区间的样本数据得到模型分布，并得到每个区间的计算的KPI的均值和KPI的方差；步骤4，拟合每个区间的KPI和获胜价格得到模型函数；步骤5，将每个区间根据所述模型分布重新生成一组满足所述模型分布的新样本，并统计所述新样本的KPI的均值和方差，将所述新样本根据所述模型函数得到的获胜价格，并统计得到获胜价格的均值和方差；步骤6，判断步骤5中新样本的KPI的均值和方差、获胜价格的均值和方差是否逼近步骤2中所述统计的KPI的均值、KPI的方差、获胜价格的均值和获胜价格的方差，如果逼近，则进入下一步...

【专利技术属性】
技术研发人员：汤奇峰，潘颖吉，周强，
申请(专利权)人：晶赞广告上海有限公司，
类型：发明
国别省市：上海;31