一种转化率预估的确定方法、装置、设备以及存储介质制造方法及图纸

本申请公开了一种转化率预估的确定方法，包括：获取待优化参数集合、目标CPA与样本数据集合；基于待优化参数集合与目标CPA，根据每个广告的第一周期内的总转化数、第一周期内的总PCVR、第二周期内的总转化数、第一周期内的持续时长、投放消耗值与每次点击校准前的PCVR，确定每个广告的有效点击次数的PCVR之和；根据每个广告的有效点击次数的PCVR之和与实际总转化数，确定差值平均值；以最小化差值平均值为目标，对待优化参数集合进行训练，以得到目标参数集合；基于目标参数集合，根据目标广告的关联数据确定目标广告校准后的PCVR。本申请还公开了装置、设备及介质。本申请引入了更多的数据量用于优化参数，从而提升PCVR的准确度。度。度。

【技术实现步骤摘要】
一种转化率预估的确定方法、装置、设备以及存储介质


[0001]本申请涉及互联网应用
，尤其涉及一种转化率预估的确定方法、装置、设备以及存储介质。

技术介绍

[0002]在优化按照某个行为单次付费(Optimized Cost Per X，oCPX)的业务下，转化率预估(Predicted Conversion Rate，PCVR)值的准确性直接决定了产品的正向效果。因此，有必要对PCVR进行后期调整，使其具有更高的准确性。
[0003]传统的基于统计的转化率预估，准确度不高。为了解决这个问题，目前，对于PCVR进行校准策略为，在某个广告充分曝光的阶段，基于该广告的转化数和有效点击对应的PCVR之和，对该广告的单次PCVR进行校准。
[0004]然而，在上述PCVR校准策略中，只利用了某个广告的第一周期内的数据和第二周期内的数据，即使是在广告的充分曝光阶段，其自身的数据量也还是有限的，因此，并不能很好地描述实际情况，从而导致PCVR的准确度仍然较低。

技术实现思路

[0005]本申请实施例提供了一种转化率预估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种转化率预估的确定方法，其特征在于，包括：获取待优化参数集合、目标每次行动成本CPA以及K个广告的样本数据集合，其中，所述样本数据集合包括每个广告的样本数据，所述每个广告的样本数据包括实际总转化数、每次有效点击校准前的转化率预估PCVR、第一周期内的总转化数、所述第一周期内的总PCVR、第二周期内的总转化数、所述第一周期内的持续时长以及投放消耗值，所述第二周期为所述第一周期的前一个周期，所述K为大于1的整数；基于所述待优化参数集合以及所述目标CPA，并根据所述每个广告所对应的所述第一周期内的总转化数、所述第一周期内的总PCVR、所述第二周期内的总转化数、所述第一周期内的持续时长、所述投放消耗值以及所述每次点击校准前的PCVR，确定所述每个广告的有效点击次数的PCVR之和；根据所述每个广告的有效点击次数的PCVR之和以及所述实际总转化数，确定针对于所述K个广告的差值平均值；以最小化所述差值平均值为目标，对所述待优化参数集合进行训练，以得到目标参数集合，其中，所述目标参数集合中包括至少一个已优化参数；基于所述目标参数集合，根据目标广告的关联数据以及待调整PCVR，确定所述目标广告校准后的PCVR，其中，所述目标广告的关联数据包括所述目标广告在第三周期内的总转化数、所述目标广告在第三周期内的总PCVR、所述目标广告在第四周期内的总转化数、所述目标广告在第三周期内的持续时长以及所述目标广告的投放消耗值，所述第四周期为所述第三周期的前一个周期。2.根据权利要求1所述的确定方法，其特征在于，所述基于所述待优化参数集合以及所述目标CPA，并根据所述每个广告所对应的所述第一周期内的总转化数、所述第一周期内的总PCVR、所述第二周期内的总转化数、所述第一周期内的持续时长、所述投放消耗值以及所述每次点击校准前的PCVR，确定所述每个广告的有效点击次数的PCVR之和，包括：基于消耗量划分参数集合以及所述目标CPA，并根据所述每个广告所对应的所述投放消耗值，确定所述每个广告所对应的因素参数，其中，所述消耗量划分参数集合所包括的消耗量划分参数为预先设定的；基于关联参数集合，根据所述每个广告所对应的所述第一周期内的持续时长以及所述第二周期内的总转化数，确定所述每个广告所对应的平滑参数；根据所述每个广告所对应的所述第一周期内的总转化数、所述第一周期内的总PCVR、所述平滑参数以及所述因素参数，确定所述每个广告所对应的校准参数；根据所述每个广告所对应的所述每次点击校准前的PCVR以及所述校准参数，确定所述每个广告的有效点击次数的PCVR之和；所述以最小化所述差值平均值为目标，对所述待优化参数集合进行训练，以得到目标参数集合，包括：以最小化所述差值平均值为目标，对所述关联参数集合进行训练，以得到所述目标参数集合。3.根据权利要求2所述的确定方法，其特征在于，所述关联参数集合包括第一关联参数、第二关联参数、第三关联参数以及第四关联参数；所述基于关联参数集合，根据所述每个广告所对应的所述第一周期内的持续时长以及
所述第二周期内的总转化数，确定所述每个广告所对应的平滑参数，包括：针对于所述K个广告中的任意一个广告，若所述任意一个广告所对应的所述第二周期内的总转化数不为零，则基于所述第一关联参数、所述第二关联参数、所述第三关联参数以及所述第四关联参数，根据所述任意一个广告所对应的所述第一周期内的持续时长以及所述第二周期内的总转化数，确定所述任意一个广告所对应的平滑参数；针对于所述K个广告中的任意一个广告，若所述任意一个广告所对应的所述第二周期内的总转化数为零，则将默认关联参数确定为所述任意一个广告所对应的平滑参数，其中，所述默认关联参数为预先设定的；所述以最小化所述差值平均值为目标，对所述关联参数集合进行训练，以得到所述目标参数集合，包括：以最小化所述差值平均值为目标，对所述第一关联参数、所述第二关联参数、所述第三关联参数以及所述第四关联参数进行训练，以得到所述目标参数集合，其中，所述目标参数集合包括优化后的第一关联参数、优化后第二关联参数、优化后第三关联参数以及优化后第四关联参数。4.根据权利要求2所述的确定方法，其特征在于，所述关联参数集合包括默认关联参数；所述基于关联参数集合，根据所述每个广告所对应的所述第一周期内的持续时长以及所述第二周期内的总转化数，确定所述每个广告所对应的平滑参数，包括：针对于所述K个广告中的任意一个广告，若所述任意一个广告所对应的所述第二周期内的总转化数不为零，则基于第一关联参数、第二关联参数、第三关联参数以及第四关联参数，根据所述任意一个广告所对应的所述第一周期内的持续时长以及所述第二周期内的总转化数，确定所述任意一个广告所对应的平滑参数，其中，所述第一关联参数、所述第二关联参数、所述第三关联参数以及所述第四关联参数为预先设定的；针对于所述K个广告中的任意一个广告，若所述任意一个广告所对应的所述第二周期内的总转化数为零，则将所述默认关联参数确定为所述任意一个广告所对应的平滑参数；所述以最小化所述差值平均值为目标，对所述关联参数集合进行训练，以得到所述目标参数集合，包括：以最小化所述差值平均值为目标，对所述默认关联参数进行训练，以得到所述目标参数集合，其中，所述目标参数集合包括优化后的默认关联参数。5.根据权利要求1所述的确定方法，其特征在于，所述基于所述待优化参数集合以及所述目标CPA，并根据所述每个广告所对应的所述第一周期内的总转化数、所述第一周期内的总PCVR、所述第二周期内的总转化数、所述第一周期内的持续时长、所述投放消耗值以及所述每次点击校准前的PCVR，确定所述每个广告的有效点击次数的PCVR之和，包括：基于消耗量划分参数集合以及所述目标CPA，并根据所述每个广告所对应的所述投放消耗值，确定所述每个广告所对应的因素参数；基于关联参数集合，根据所述每个广告所对应的所述第一周期内的持续时长以及所述第二周期内的总转化数，确定所述每个广告所对应的平滑参数，其中，所述关联参数集合所包括的关联参数为预先设定的；根据所述每个广告所对应的所述第一周期内的总转化数、所述第一周期内的总PCVR、
所述平滑参数以及所述因素参数，确定所述每个广告所对应的校准参数；根据所述每个广告所对应的所述每次点击校准前的PCVR以及所述校准参数，确定所述每个广告的有效点击次数的PCVR之和；所述以最小化所述差值平均值为目标，对所述待优化参数集合进行训练，以得到目标参数集合，包括：以最小化所述差值平均值为目标，对所述消耗量划分参数集合进行训练，以得到所述目标参数集合。6.根据权利要求5所述的确定方法，其特征在于，所述消耗量划分参数集合包括N个消耗量划分参数，其中，所述N为大于或等于1的整数；所述基于消耗量划分参数集合以及所述目标CPA，并根据所述每个广告所对应的所述投放消耗值，确定所述每个广告所对应的因素参数，包括：基于所述N值、所述N个消耗量划分参数以及所述目标CPA，并根据所述每个广告所对应的所述投放消耗值，确定所述每个广告所对应的因素参数，其中，所述N值为预先设定的；所述以最小化所述差值平均值为目标，对所述关联参数集合进行训练，以得到所述目标参数集合，包括：以最小化所述差值平均值为目标，对所述N个消耗量划分参数中的每个消耗量划分参数进行训练，以得到所述目标参数集合，其中，所述目标参数集合包括优化后的N个消耗量划分参数。7.根据权利要求1所述的确定方法，其特征在于，所述基于所述待优化参数集合以及所述目标CPA，并根据所述每个广告所对应的所述第一周期内的总转化数、所述第一周期内的总PCVR、所述第二周期内的总转化数、所述第一周期内的持续时长、所述投放消耗值以及所述每次点击校准前的PCVR，确定所述每个广告的有效点击次数的PCVR之和，包括：基于关联参数集合，根据所述每个广告所对应的所述第一周期内的持续时长以及所述第二周期内的总转化数，确定所述每个广告所对应的平滑参数，其中，所述关联参数集合包括默认关联参数、第一关联参数、第二关联参数、第三关联参数以及第四关联参数；基于消耗量划分参数集合以及所述目标CPA，并根据所述每个广告所对应的所述投放消耗值，确定所述每个广告所对应的因素参数，其中，所述消耗量划分参数集合包括N值以及N个消耗量划分参数，所述N为大于或等于1的整数；根据所述每个广告所对应的所述第一周期内的总转化数、所述第一周期内的总PCVR、所述平滑参数以及所述因素参数，确定所述每个广告所对应的校准参数；根据所述每个广告所对应的所述每次点击校准前的PCVR以及所述校准参...

【专利技术属性】
技术研发人员：李少波，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：