竞价预测模型的生成以及广告投放自动出价方法和装置制造方法及图纸

本发明专利技术提供了一种竞价预测模型的生成以及广告投放自动出价方法和装置。所述自动出价方法包括：生成广告投放竞价预测模型；基于目标用户集、待投放广告的广告投放相关信息和不同的出价价格生成预测样本数据；使用所提取的特征作为预测数据输入到所述广告投放竞价预测模型，得到该模型输出的在不同的出价价格下所述目标用户集中每个用户的竞价成功概率；以预设的广告投放支出的总金额为限制，并以竞价成功的用户数量最大化为目标，确定针对所述目标用户集中的每个用户的出价价格，按照所确定的价格进行出价。

Generation of bidding prediction model and automatic bidding method and device for advertising

【技术实现步骤摘要】
竞价预测模型的生成以及广告投放自动出价方法和装置
本专利技术涉及计算机
，具体而言涉及一种广告投放竞价预测模型的生成方法和装置以及一种广告投放的自动出价方法和装置。
技术介绍
随着互联网应用的高速发展，在互联网上发布广告逐渐成为一种主流方式。这种通过互联网发布广告方式的优势在于覆盖范围广、主动性强等，因此在互联网发布广告的方式越来越受到各商家的青睐，由此为智能终端提供内容的流量型平台逐渐发展起来，在用户终端请求获取其平台内容时，向该用户终端投放或推送广告成为这类平台的主要盈利手段之一。关于互联网发布广告的现有应用中，广告主通过竞价的方式获得平台提供的广告流量，即通过竞价获得在平台用户使用的智能终端上进行广告展示的机会。竞价方式为谁出价高就能获得相应的广告流量。例如，深受用户欢迎和使用的浏览器APP上会提供广告位，例如首页顶部的广告位，广告主想通过所述广告位展示广告，需要出价竞争。现在流行的互联网广告投放模式主要是实时竞价广告的投放形式。但是，现有的出价方式都是人工方式提出购买广告位的价格，为了赢得广告位，提出的购买价格较高，即出价较高。然而，在巨额的广告费投入之后，所赢得的广告展示机会转化为对商品的实际购买行为后的营收额能否最终盈利是个问题；即便最终是盈利的，但盈利额是否达到预期目标依然是个问题。可以将这些问题归纳为一个问题：商品销售的收入额与广告费的支出额之间的利润率如何实现最大化？现有的竞价广告的投放方法对这个问题没有很好的解决办法。鉴于现有技术的上述技术问题，有必要开发新的投放广告的出价方法和装置。
技术实现思路
本专利技术的目的在于提供一种广告投放竞价预测模型的生成方法和装置以及一种广告投放的自动出价方法和装置，以改善上述问题。本专利技术第一实施例提供了一种广告投放竞价预测模型的生成方法，其包括：至少基于历史广告投放竞价数据集生成训练样本数据；其中，每条训练样本数据至少包括：广告投放目标用户的用户标识、广告投放相关信息、出价价格和标记信息，所述标记信息为竞价成功或竞价失败；对所述训练样本数据执行特征提取；基于机器学习算法，使用所提取的特征作为训练数据进行机器学习训练，生成广告投放竞价预测模型。其中，所述方法还包括：获取用户画像数据集，其中所述用户画像数据集中的每条用户画像数据包括用户标识和用户画像信息；基于用户标识将所述历史竞价数据集与所述用户画像数据集进行匹配融合处理，得到融合后的数据集；所述至少基于历史广告投放竞价数据集生成训练样本数据包括：基于融合后的数据集生成训练样本数据；其中，每条训练样本数据包括：广告投放目标用户的用户标识、广告投放相关信息、用户画像信息、出价价格和标记信息，所述标记信息为竞价成功或竞价失败。其中，所述广告投放相关信息包括如下中的一种或多种：广告投放媒体平台、广告位、出价方式。其中，所述用户画像信息包括：用户静态描述数据和用户行为数据。其中，所述用户标识为：手机号码、智能终端的设备识别码、国际移动设备识别码或用户账号信息。其中，在进行匹配融合处理的步骤中，其中：在匹配成功的融合数据中，具有竞价成功标记信息的这部分融合数据被视为正样本数据，具有竞价失败标记信息的这部分融合数据被视为负样本数据。其中，在对所述训练样本数据执行特征提取之前，根据预定的清洗规则对所述训练样本数据进行数据清洗；所述清洗规则包括：数据类型的变换、数据格式的变换、字符串分割、拼接处理、去除不规则及冗余数据。其中，所述机器学习算法包括但不限于：逻辑回归算法、梯度提升决策树算法、HE-TreeNet算法、支持向量机算法、朴素贝叶斯算法或深度神经网络算法。其中，该方法还包括：获取广告投放目标用户的限制条件；在基于用户标识将所述历史竞价数据集与所述用户画像数据集进行匹配融合处理之前，根据所述限制条件对所述用户画像数据进行过滤处理。本专利技术第二实施例提供了一种广告投放的自动出价方法，其包括：基于所述第一实施例所述的方法或其与优选实施例的组合所述方法生成广告投放竞价预测模型；基于目标用户集、待投放广告的广告投放相关信息和不同的出价价格生成预测样本数据，每条预测样本数据包括：用户标识、广告投放相关信息和出价价格；对所述预测样本数据执行特征提取；使用所提取的特征作为预测数据输入到所述广告投放竞价预测模型，得到该模型输出的在不同的出价价格下所述目标用户集中每个用户的竞价成功概率；以预设的广告投放支出的总金额为限制，并以竞价成功的用户数量最大化为目标，确定针对所述目标用户集中的每个用户的出价价格，按照所确定的价格进行出价。其中，所述以预设的广告投放支出的总金额为限制，并以竞价成功的用户数量最大化为目标，确定针对所述目标用户集中的每个用户的出价价格包括：以预设的广告投放支出的总金额为限制其中，k表示所述目标用户数据集中一共有k个用户，i表示所述用户数据集中的第i个用户，0＜i≤k；pij表示对用户i的出价价格；pij∈Pi，0＜j≤Ni，Pi表示由针对第i个用户的Ni个不同出价价格组成的集合；pr(i,pij)表示所述广告投放竞价预测模型输出的针对用户i的出价价格为pij时竞价成功的概率；R表示预设的广告投放支出的总金额；以竞价成功的用户数量为优化目标，求解该受限制的最优化问题，即：通过求解该受限制的最优化问题，得到针对所述目标用户集中的每个用户的出价价格。其中，所述方法还包括：获取用户画像数据集，其中所述用户画像数据集中的每条用户画像数据包括：用户标识和用户画像信息；基于用户画像数据集、目标用户集、待投放广告的广告投放相关信息和不同的广告投放出价价格生成预测样本数据；每条预测样本数据包括：用户标识、广告投放相关信息、用户画像信息和出价价格。其中，所述广告投放相关信息包括如下中的一种或多种：广告投放媒体平台、广告位、出价方式。其中，该方法还包括：积累广告投放者在新的预设一段时间内进行的广告投放出价的历史广告投放竞价数据，重复所述广告投放竞价预测模型的生成步骤，以继续优化所述广告投放竞价预测模型。本专利技术第三实施例提供了一种广告投放竞价预测模型的生成装置，其包括：训练数据生成模块，用于至少基于历史广告投放竞价数据集生成训练样本数据；其中，每条训练样本数据至少包括：广告投放目标用户的用户标识、广告投放相关信息、出价价格和标记信息，所述标记信息为竞价成功或竞价失败；特征提取模块，用于对所述训练样本数据执行特征提取；模型生成模块，用于基于机器学习算法，使用所提取的特征作为训练数据进行机器学习训练，生成广告投放竞价预测模型。其中，所述训练数据生成模块还包括：数据获取模块，用于获取历史广告投放竞价数据集和用户画像数据集，其中所述历史广告投放竞价数据集中的每条历史广告投放竞价数据包括：广告投放本文档来自技高网...

【技术保护点】
1.一种广告投放竞价预测模型的生成方法，其包括：/n至少基于历史广告投放竞价数据集生成训练样本数据；其中，每条训练样本数据至少包括：广告投放目标用户的用户标识、广告投放相关信息、出价价格和标记信息，所述标记信息为竞价成功或竞价失败；/n对所述训练样本数据执行特征提取；/n基于机器学习算法，使用所提取的特征作为训练数据进行机器学习训练，生成广告投放竞价预测模型。/n

【技术特征摘要】
1.一种广告投放竞价预测模型的生成方法，其包括：
至少基于历史广告投放竞价数据集生成训练样本数据；其中，每条训练样本数据至少包括：广告投放目标用户的用户标识、广告投放相关信息、出价价格和标记信息，所述标记信息为竞价成功或竞价失败；
对所述训练样本数据执行特征提取；
基于机器学习算法，使用所提取的特征作为训练数据进行机器学习训练，生成广告投放竞价预测模型。


2.根据权利要求1所述的方法，
还包括：获取用户画像数据集，其中所述用户画像数据集中的每条用户画像数据包括用户标识和用户画像信息；基于用户标识将所述历史竞价数据集与所述用户画像数据集进行匹配融合处理，得到融合后的数据集；
所述至少基于历史广告投放竞价数据集生成训练样本数据包括：基于融合后的数据集生成训练样本数据；其中，每条训练样本数据包括：广告投放目标用户的用户标识、广告投放相关信息、用户画像信息、出价价格和标记信息，所述标记信息为竞价成功或竞价失败。


3.一种广告投放的自动出价方法，其包括：
基于所述权利要求1-2之一所述的方法生成广告投放竞价预测模型；
基于目标用户集、待投放广告的广告投放相关信息和不同的出价价格生成预测样本数据，每条预测样本数据包括：用户标识、广告投放相关信息和出价价格；
对所述预测样本数据执行特征提取；
使用所提取的特征作为预测数据输入到所述广告投放竞价预测模型，得到该模型输出的在不同的出价价格下所述目标用户集中每个用户的竞价成功概率；
以预设的广告投放支出的总金额为限制，并以竞价成功的用户数量最大化为目标，确定针对所述目标用户集中的每个用户的出价价格，按照所确定的价格进行出价。


4.根据权利要求3所述的方法，其中，所述以预设的广告投放支出的总金额为限制，并以竞价成功的用户数量最大化为目标，确定针对所述目标用户集中的每个用户的出价价格包括：
以预设的广告投放支出的总金额为限制



其中，k表示所述目标用户数据集中一共有k个用户，
i表示所述用户数据集中的第i个用户，0＜i≤k；
pij表示对用户i的出价价格；pij∈Pi，0＜j≤Ni，Pi表示由针对第i个用户的Ni个不同出价价格组成的集合；
pr(i,pij)表示所述广告投放竞价预测模型输出的针对用户i的出价价格为pij时竞价成功的概率；
R表示预设的广告投放支出的总金额；
以竞价成功的用户数量为优化目标，求解该受限制的最优化问题，即：



通过求解该受限制的最优化问题，得到针对所述目标用户集中的每个用户的出价价格。


5.一种广告投放竞价预测模型的生成装置，其包括：
训练数据生成模块，用于至少基于历史广告投放竞价数据集生成训练样本数据；其中，每条训练样本数据至少包括：广告投放目标用户的用户标识、广告投放相关信息、出价价格和标记信息，所述标记信息为竞价成功或竞价失败；
特征提取模块，用于对所述训练样本数据执行特征提取；
模型生成模块，用于基于机器学习算法，使...

【专利技术属性】
技术研发人员：贺威，毛涛，孔维，周柯吉，顾勇镛，
申请(专利权)人：第四范式北京技术有限公司，
类型：发明
国别省市：北京;11