一种基于共轭先验分布拟合的广告出价优化方法技术

本发明专利技术公开了一种适用于广告主或广告代理的，基于共轭先验分布拟合的广告出价优化方法，利用RTB评分、GSP广告竞价机制和出价曝光数据的统计特性，模拟媒体平台eCPM，判断曝光统计分布后，采用共轭先验按时间依次迭代求解分布参数的概率密度函数，最终根据数学期望计算最优出价。本发明专利技术的有益效果是：模拟RTB竞价场景下的eCPM曝光量分布；在能够分析出分布服从的概率密度函数的情况下，可以将函数参数作为随机变量，并通过共轭先验分布进行按照时间顺序迭代拟合；通过计算参数联合概率期望，最终使得广告主曝光需求的广告出价这一棘手且重要的问题得以求解；对节省广告成本，获得有效曝光具有重要的实际应用价值。效曝光具有重要的实际应用价值。效曝光具有重要的实际应用价值。

【技术实现步骤摘要】
一种基于共轭先验分布拟合的广告出价优化方法


[0001]本专利技术属于计算广告
，具体涉及一种适用于广告主或广告代理的，基于共轭先验分布拟合的广告出价优化方法。具体是采用共轭先验按时间依次迭代求解曝光统计分布参数的概率密度函数，最终根据数学期望计算最优出价。对广告主节省广告成本，获得有效曝光具有重要的实际应用价值。

技术介绍

[0002]广告出价是实时竞价RTB广告投放中最重要的设置，直接决定了广告主花费。尽管绝大多数广告竞价都采用广义第二价格GSP的模式，但高第一价格往往对应高第二价格，此外媒体则有时会采用使用第一价格的改进GSP，因此广告实际单价与广告出价依旧是正相关的。
[0003]目前广告主或代理公司在设定广告出价时，主要采用两种出价技术方案：第一种按照广告预算和广告主CTR、CVR经验值，反推并人工设置CPM或CPC价格；然后开发报表系统跟踪广告展、点、销情况，并据此调整数据；采用该种出价方案，存在着以下方面的不足：
[0004]1.广告出价为人工根据预算设置的固定价格，无法根据广告位实时竞争情况灵活调整；
[0005]2.人工调整时缺乏广告竞争信息指导，价格调整具有盲目性；
[0006]3.经常由于价格偏低无法获取足够曝光，造成广告投放失败。
[0007]第二种采用媒体平台提供的OCPC或OCPA技术，人工设置广告转化价格，由媒体平台按照转化价格和平台实时预估的CTR、CVR，自动设定每次广告竞价的CPM或CPC价格；采用该种方案，存在着以下方面的不足：/>[0008]1.广告主和媒体是对立关系，媒体为了赚取更多收益，很难全力提高广告投放性价比；
[0009]2.实际广告转化价格往往高于广告主预期价格，统计发现很多时候二者相差高达10
‑
30％；
[0010]3.某些媒体平台采用该种方式时有较高的门槛，OCPA或OCPC模型要求广告必须运行一段时间且获得足够的转化数据，这极大限制了广告主的隐私保护和方式选择。

技术实现思路

[0011]本专利技术的目的在于提供一种适用于广告主或广告代理的，基于共轭先验分布拟合的广告出价优化方法，以解决上述
技术介绍
中提出的当前两种主流出价模式中的不足。
[0012]本专利技术提供的技术方案如下：
[0013]一种适用于广告主或广告代理的，基于共轭先验分布拟合的广告出价优化方法，利用RTB评分、GSP广告竞价机制和出价曝光数据的统计特性，模拟媒体平台eCPM，判断曝光统计分布后，采用共轭先验按时间依次迭代求解分布参数的概率密度函数，最终根据数学期望计算最优出价；具体包括如下步骤：
[0014]A.按照广告位、小时分组统计广告的曝光量、点击量、转化量和费用数据；
[0015]B.根据汇总数据中广告的不同出价方式拟合eCPM统计曝光量分布；
[0016]C.能够分析出分布服从的概率密度函数的情况下，利用基于贝叶斯方法的共轭先验分布数学形式不变特性，迭代求解概率密度函数的数学形式和参数随机分布，对不同广告位按日统计eCPM曝光分布；
[0017]D.计算概率密度参数的联合分布期望，求解曝光需求对应的广告出价。
[0018]作为本专利技术的一种优选的技术方案，所述步骤B中，采用CTR、CVR加权校正计算的方式校正曝光量。
[0019]与现有技术相比，本专利技术的有益效果：
[0020]1.模拟RTB竞价场景下的eCPM曝光量分布；在分析出分布服从的概率密度函数的情况下，可以将函数参数作为随机变量，并通过共轭先验分布进行按照时间顺序迭代拟合；
[0021]2.通过计算参数联合概率期望，最终使得广告主曝光需求的广告出价这一棘手且重要的问题得以求解；对节省广告成本，获得有效曝光具有非常重要的实际应用价值。
附图说明
[0022]图1为本专利技术的技术方案流程图；
[0023]图2为本专利技术的基于Sigmoid函数的实际效果和广告位历史统计值加权校正图；
[0024]图3为本专利技术的sigmoid加权校正广告效果CTR、CVR示意数据表；
[0025]图4为本专利技术的出价分段(左图)与eCPM分段(右图)曝光量统计图，其中横坐标单位为元；
[0026]图5为本专利技术的不同参数取值的Gamma分布概率密度曲线图；
[0027]图6为本专利技术的基于实际数据的广告出价(虚线)与实际单价(实线)相关性统计图。
具体实施方式
[0028]下面结合附图，通过实施例进一步描述本专利技术，但不以任何方式限制本专利技术的范围。
[0029]一种适用于广告主或广告代理的，基于共轭先验分布拟合的广告出价优化方法，利用RTB评分、GSP广告竞价机制和出价曝光数据的统计特性，模拟媒体平台eCPM，判断曝光统计分布后，采用共轭先验按时间依次迭代求解分布参数的概率密度函数，最终根据数学期望计算最优出价；具体包括如下步骤：
[0030]A.媒体平台包含众多的广告位，各广告位质量参差不齐，优质广告位流量真实，受众品质和转化率远高于一般广告位，考虑到不同广告位往往出价差异很大，本专利技术首先按照广告位、小时分组统计广告的曝光量、点击量、转化量和费用等数据；
[0031]B.媒体平台RTB竞价根据千次广告曝光收益eCPM对候选广告排序，且考虑到数据价值和受众隐私，媒体平台只向广告主提供分时汇总报表，因此本专利技术根据汇总数据中广告的不同出价方式拟合eCPM统计曝光量分布；
[0032]B1.CTR、CVR加权校正计算：
[0033](1)新广告曝光量不足时，广告效果如CTR、CVR波动较大无法反映真实情况，此时
非常有必要根据曝光量进行校正，曝光量较少时靠近广告位近期均值，随着曝光量增大快速靠近实际投放效果；
[0034](2)以CVR为例，本专利技术采用广告实际效果和广告位历史统计值的加权平均值，权值调节因子采用Sigmoid权值函数，参见说明书附图2，当广告曝光很少时，广告位历史平均权重很大，随着广告曝光量的增加，实际投放效果权重快速增加，最终为1，以广告a为例，广告位为s，校正CVR计算公式如下：
[0035][0036][0037]‑
calibration
‑
CVR
i
：广告a在小时报表中第i条汇总数据S
[0038]‑
impression
i
，conversion
i
：第i条广告的曝光量和转化量
[0039]‑
日报表中广告位s上的所有广告在最近T日内的总曝光量和转化量，T需要参考总体广告生命周期设置；
[0040]‑
(∑
j
impression
j
‑
α)/β：广告a累计曝光的调和值，其中α为校正s曲线W
s
＝0.5位置横坐标取值，β影响s曲线爬升速度，越大爬升速度越慢，需要按照不同广告位分别设置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于广告主或广告代理的，基于共轭先验分布拟合的广告出价优化方法，其特征在于，利用RTB评分、GSP广告竞价机制和出价曝光数据的统计特性，模拟媒体平台eCPM，判断曝光统计分布后，采用共轭先验按时间依次迭代求解分布参数的概率密度函数，最终根据数学期望计算最优出价；具体包括如下步骤：A.按照广告位、小时分组统计广告的曝光量、点击量、转化量和费用数据；B.根据汇总数据中广告的不同...

【专利技术属性】
技术研发人员：张志勇，姜军，郭家豪，
申请(专利权)人：张志勇，
类型：发明
国别省市：