用于调整针对用户的消息推送的资源投入的方法和装置制造方法及图纸

本发明专利技术公开了一种用于在资源投入调整单元处调整针对用户的消息推送的资源投入的方法，包括：向消息推送判断单元发送推送请求，推送请求包括针对用户的消息推送的当前资源投入；从消息推送判断单元接收推送结果，其中，当当前资源投入是由消息推送判断单元保存的所有资源投入中的最高资源投入时，推送结果包括由消息推送判断单元保存的所有资源投入中的次高资源投入，并且当当前资源投入不是最高资源投入时，推送结果包括推送失败消息；以及当推送结果包括次高资源投入时，将当前资源投入下调预定量；以及当下调后的当前资源投入不小于次高资源投入时，使用经下调的资源投入更新当前资源投入，以便用于向消息推送判断单元发送下一推送请求。

Method and device for adjusting resource push for message push for users

The invention discloses a method for including in the investment of resources, adjustment unit adjustment for the user to push the message resources to push messages judging unit to send push requests, including push requests for users of the message push current resources; send judgment unit receiving the push results from the message push among them, when the current resource is composed of push messages to determine the highest all resources invested in the unit saves investment, including by pushes the message push into high judge all resources preservation unit input, and when the current resources are not the highest resource investment, push push results include send failed messages; and when the push results include high resource input, the current input of resources by a predetermined amount; and when the cut after the current resources are not less than once When the high resource input is used, the current resource input is updated by the reduced resource input so as to send the next push request to the message push judgment unit.

【技术实现步骤摘要】
用于调整针对用户的消息推送的资源投入的方法和装置
本公开大体上涉及消息推送，更具体地，涉及用于调整针对用户的消息推送的资源投入的方法和装置。
技术介绍
传统的消息推送交易模式依赖于人工购买流量，交易效率低且获取流量成本高，不利于精准控制消息推送的投入产出比。实时资源投入比较交易模式的出现是消息推送行业的一次变革，它使得消息推送交易由传统的人工低效的购买方式变为程序化的实时购买。在实时资源投入比较交易模式下，消息推送需求方平台(DSP)以实时资源投入比较的方式从消息推送判断单元(Adexchange)以获取目标流量。具体交易流程如下：用户(流量)访问消息推送资源供给方平台(SSP)，SSP发送通知给Adexchange；Adexchange将该流量告知各DSP；各DSP对该流量根据自己的资源投入算法计算资源投入；消息推送判断单元确定资源投入最大的需求方平台(资源投入比较者按第二高资源投入成交)，并通知DSP；消息推送需求方平台对该用户推送自己的消息；对于电子商务行业的消息推送而言，资源投入算法对控制消息推送成本进而提高投入产出比(ROI)至关重要。在当今媒体资源成本高企、企业用户粘性下降的背景下，如何以低资源投入获取高质量的流量对DSP的资源投入算法提出了严峻的挑战。在当前电子商务行业中，为了进行消息推送，主要有两种资源投入算法：基于用户在网站浏览行为的重定向资源投入算法和基于用户标签的消息推送匹配算法。基于用户网站浏览行为的重定向资源投入算法的核心思想是对近期访问过网站的用户基于用户的浏览深度和网站忠诚度计算资源投入，由资源投入最大的提供商向用户进行消息推送(例如，向用户展示用户近期浏览的产品)。该算法主要由用户浏览历史记录单元、资源投入计算记录单元、消息推送判断单元和消息推送单元来执行，如图1所示。首先，用户浏览历史记录单元搜集近一段时间到站用户及其浏览过的产品，将用户浏览过的产品传送给消息推送单元。资源投入计算记录单元对消息推送判断单元告知的用户与用户浏览历史记录单元的用户进行匹配，如果匹配成功，则按照资源投入算法计算资源投入。如果资源投入最大，则向该用户进行消息推送(例如，向用户展示他浏览过的产品)。基于用户浏览行为的资源投入算法主要由用户的网站忠诚度(该指标由用户访问网站的频次确定)、用户浏览深度(该指标由用户的平均浏览页面数确定)、对该用户的资源投入历史和用户的其他属性等特征确定，资源投入的计算公式为以上特征的线性函数，如式(1)所示：Pbid＝α*Uloyalty+β*Udeep+γ*Phis_bid+δ*Utag+ε(1)其中，Pbid为资源投入，Uloyalty为用户对网站的忠诚度，Udeep为用户的浏览深度，Phis_bid为针对该用户的历史资源投入，Utag为用户其他属性标签，α，β，γ，δ分别为各特征的系数。基于用户标签的消息推送匹配算法的核心是点击率(CTR)预测，主要是通过用户数据和消息推送数据预估用户点击消息推送的概率，一般采用逻辑回归方法进行预测。用户数据主要通过用户历史行为对用户进行打标签，其中，历史行为包括网页浏览行为、消息推送点击行为、搜索行为、网购行为等，通过用户的历史行为建立用户标签体系。消息推送数据主要包括消息推送大小、消息推送文本、消息推送所属行业、消息推送图片等。基于用户特征、消息推送特征和点击数据离线训练模型，选取点击概率较高的用户集合为样本，基于预测点击概率计算资源投入。该算法由数据管理单元(DMP)、CTR预测单元、资源投入单元、消息推送单元构成。CTR预测单元基于预测模型筛选点击概率相对较高的用户为候选受众集合，参与资源投入，资源投入由用户的点击概率确定。资源投入单元匹配来自消息推送判断单元的用户，对目标集合中的用户进行消息推送。如果资源投入最大，则消息推送单元对该用户进行消息推送。该算法的核心是CTR预测，并且其工作流程如图2所示。目前，CTR预测模型一般采用逻辑回归模型，如公式(2)所示：P(click|a，u，c)＝σ(WTx)(2)其中，a，u，c分别代表消息推送、用户和页面；x是消息推送的n维特征矢量，w是最后模型学习到的参数；P(click|a，u，c)为点击概率。CTR预测的核心是特征筛选。一般情况下，用户特征和消息推送特征维数相对较高，可以通过正则化的方法在模型的复杂度和模型的泛化能力做权衡，通过不断的离线训练评估和在线实验来筛选特征，优化模型。电子商务企业在消息推送投放中更为注重投入产出比(即投放消息推送带来的销售额与投放费用的比例)。基于用户浏览行为的网站重定向算法和基于用户标签的消息推送匹配算法受各自算法特点的制约，主要有以下几个局限性：在消息推送效果上，单纯的追求点击率为优化目标，而不是投入产出比，不符合电商企业消息推送投放的最终目标；对每个人的资源投入是固定的，在与其他DSP的资源投入博弈过程中，没有明显的优势；消息推送创意相对单一，不能精确的把握用户兴趣。此外，基于用户浏览行为的重定向算法核心思想是对近期到站浏览的用户展示其浏览过的产品，该算法有以下几点不足：仅能做到对近期到站的用户做相对精准的投放，流量覆盖有限；基于用户忠诚度及访问深度等特征计算资源投入，使得用户更倾向于在站内浏览，导致站内点击到下单转化环节不可控；在资源投入最大之后，对用户展示用户近期浏览的产品，并不利于用户下单转化。该算法对提升CTR有帮助，但在追求消息推送ROI的电子商务行业，基于用户浏览行为的重定向算法应用有诸多不足，流量覆盖优先导致预算消耗少，一味的追求消息推送点击率使得用户下单转化环节不可控，从而导致该重要环节的资源浪费。除此之外，该算法属于闭环资源投入比较算法，不利于唤醒忠诚但近期无浏览行为的用户，长期来看，不利于网站用户的积累与培养。而基于用户标签的消息推送匹配算法核心思想是基于用户的兴趣标签与用户的历史点击数据离线训练CTR预测模型，计算用户点击消息推送的概率。该算法覆盖度相比重定向算法会有极大的提升，但是消息推送点击率和投入产出比指标比重定向算法要低得多，在消息推送创意方面，给用户展示传统的消息推送素材并不能有效吸引用户关注，该算法在电子商务行业应用场景较少。
技术实现思路
鉴于此，在本专利技术的第一方面，公开了一种用于在资源投入调整单元处调整针对用户的消息推送的资源投入的方法，包括：向消息推送判断单元发送推送请求，所述推送请求包括针对用户的消息推送的当前资源投入；从所述消息推送判断单元接收推送结果，其中，当所述当前资源投入是由所述消息推送判断单元保存的所有资源投入中的最高资源投入时，所述推送结果包括由所述消息推送判断单元保存的所有资源投入中的次高资源投入，并且当所述当前资源投入不是所述最高资源投入时，所述推送结果包括推送失败消息；以及当所述推送结果包括所述次高资源投入时，将所述当前资源投入下调预定量；以及当下调后的当前资源投入不小于所述次高资源投入时，使用经下调的资源投入更新所述当前资源投入，以便用于向所述消息推送判断单元发送下一推送请求。优选地，所述方法还包括：当所述推送结果包括推送失败消息时，将所述当前资源投入上调预定量；以及当上调后的当前资源投入不大于预定资源投入上限时，使用经上调的资源投入更新本文档来自技高网...

【技术保护点】
一种用于在资源投入调整单元处调整针对用户的消息推送的资源投入的方法，包括：向消息推送判断单元发送推送请求，所述推送请求包括针对用户的消息推送的当前资源投入；从所述消息推送判断单元接收推送结果，其中，当所述当前资源投入是由所述消息推送判断单元保存的所有资源投入中的最高资源投入时，所述推送结果包括由所述消息推送判断单元保存的所有资源投入中的次高资源投入，并且当所述当前资源投入不是所述最高资源投入时，所述推送结果包括推送失败消息；以及当所述推送结果包括所述次高资源投入时，将所述当前资源投入下调预定量；以及当下调后的当前资源投入不小于所述次高资源投入时，使用经下调的资源投入更新所述当前资源投入，以便用于向所述消息推送判断单元发送下一推送请求。

【技术特征摘要】
1.一种用于在资源投入调整单元处调整针对用户的消息推送的资源投入的方法，包括：向消息推送判断单元发送推送请求，所述推送请求包括针对用户的消息推送的当前资源投入；从所述消息推送判断单元接收推送结果，其中，当所述当前资源投入是由所述消息推送判断单元保存的所有资源投入中的最高资源投入时，所述推送结果包括由所述消息推送判断单元保存的所有资源投入中的次高资源投入，并且当所述当前资源投入不是所述最高资源投入时，所述推送结果包括推送失败消息；以及当所述推送结果包括所述次高资源投入时，将所述当前资源投入下调预定量；以及当下调后的当前资源投入不小于所述次高资源投入时，使用经下调的资源投入更新所述当前资源投入，以便用于向所述消息推送判断单元发送下一推送请求。2.根据权利要求1所述的方法，还包括：当所述推送结果包括推送失败消息时，将所述当前资源投入上调预定量；以及当上调后的当前资源投入不大于预定资源投入上限时，使用经上调的资源投入更新所述当前资源投入，以便用于向所述消息推送判断单元发送下一推送请求。3.根据权利要求1所述的方法，其中，当所述经下调的资源投入小于所述次高资源投入时，使用所述次高资源投入更新所述当前资源投入，以便用于向所述消息推送判断单元发送下一推送请求。4.根据权利要求2所述的方法，其中，当所述经上调的资源投入大于所述资源投入上限时，使用所述资源投入上限更新所述当前资源投入，以便用于向所述消息推送判断单元发送下一推送请求。5.根据权利要求1所述的方法，其中，当首次发送推送请求时，所述推送请求中包括的当前资源投入是根据用户的特征、产品的特征、用户对产品的兴趣度以及消息推送相关信息来计算的。6.根据权利要求5所述的方法，其中，所述消息推送相关信息包括消息推送位置。7.一种用于调整针对用户的消息推送的资源投入的装置，包括：发送单元，被配置为向...

【专利技术属性】
技术研发人员：马恩驰，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11