一种广告图片投放方法、装置、设备及介质制造方法及图纸

本申请公开了一种广告图片投放方法、装置、设备及介质，属于数据处理技术领域，所述方法包括：接收对商品进行广告图片投放的指令；通过自动创意优化模型计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值；根据所述商品对应的若干张广告图片以及每张广告图片的点击分数值通过重排模型计算生成所述商品对应的若干优选广告图片；通过汤普森构造法从所述商品对应的若干优选广告图片确认对所述商品进行广告投放的目标图片；将所述目标图片向客户端进行投放。本申请可以将广告创意中的自动合图和推送步骤相结合，根据投放效果动态更新广告创意，提高广告点击率，抓住最优广告投放创意时机，提高了市场占有率。率。率。

【技术实现步骤摘要】
一种广告图片投放方法、装置、设备及介质


[0001]本申请涉及数据处理
，特别涉及一种广告图片投放方法、装置、设备及介质。

技术介绍

[0002]目前，在线展示广告项目是一项快速增长的业务，并且已成为互联网服务提供商的重要收入来源。而图片广告是最广泛使用的形式，其直观，有效且易于理解。传统上，广告主必须聘请专业设计师来制作有吸引力的创意，然后将它们作为完整图像提交给广告平台，每次发布新产品或更新旧产品时，都需要设计许多不同尺寸和样式的创意图。尽管广告创意代表相同的产品，但由于视觉外观的区别，它们的点击率可能会有很大差异。因此，展示最吸引人的广告创意以吸引潜在感兴趣的消费者并最大化提高点击率至关重要，这就要使用到创意优化方案；这里，动态创意优化应用场景包括1、新场景，数据还有累计空间的初始阶段；2、成熟场景下的长尾部分，由于头部效应，出价不足等原因，大量长尾广告缺乏反馈数据；3、频繁更换/测试创意的广告，广告主人为的更换/添加创意来测试投放效果。
[0003]目前的广告创意投放以及动态优化大概可分为如下方式：
[0004](1)由专业设计师设计的多组广告创意根据人工经验进行创意选择，在这个过程中，首先需要人工设计完整的广告创意，再通过创意优化对创意进行投放，两个阶段都是人工去操作，效率低下且严重依赖经验选择，不能动态捕获消费者的心智。
[0005](2)相较于利用人工经验进行创意选择，机器智能的先天优势是能够通过海量数据进行创意优劣的学习，并在线进行知识积累，从而优选出最能吸引消费者注意力的广告创意。此类方法可将其建模成标准E&E问题，每个候选的创意都应具有机会被展示给用户，并获得相应的反馈信息(Explore阶段)；同时，为了确保广告的长期收益，系统会将较多的流量分配给迄今为止投放效果最好的创意(Exploitation阶段)。上述广告创意探索和利用标准E&E问题之间的权衡策略可由多臂学习机(Bandit)模型进行求解。业务场景中常用的bandit模型包括Smoothed∈
‑
Greedy，Thompson Sampling和LinUCB。此类创意优化通常应用于推荐系统中，输入广告创意后再由设计师设计投放，而无法根据投放效果动态更新广告创意，割裂了创意合成和投放的联系，而不能得到最优的投放结果。
[0006]同时，现有的动态创意优化技术中存在诸多问题，例如存在一定的应用场景的局限性：
[0007](1)对于人工设计广告创意以及人工进行创意选择的两阶段，这两个阶段需要耗费大量的人力物力，且创意选择严重依赖经验选择，很容易错失合理或者最优的广告投放创意时机。
[0008](2)在输入侧仅需提供广告创意基本的物料信息，合成系统根据这些素材进行任意指定元素组成的广告创意，再及时进行投放。但在这个过程中，也面临着三个重要的问题：
[0009]a.并不是所有的广告创意都有点击率，合成系统输出的图并不都会曝光，相反只
会取同一商品的下若干张图进行投放，鉴于潜在的广告创意数量众多，在有限的实时反馈下，点击率预估通常具有高方差。
[0010]b.创意优选立足于合图场景，输入的是商品和文案等信息，对产出图做优选，如何控制合图节点，对合图节点融合需求施加约束的问题没有解决。
[0011]c.缺乏了用户侧的特征，在大型促销活动，商品池会定向流量，在不同天内相同创意的组合会产生完全不同的点击率值。

技术实现思路

[0012]为了克服上述技术缺陷，本申请的目的在于提供一种广告图片投放方法、装置、设备及介质，所述方法包括：接收对商品进行广告图片投放的指令；通过自动创意优化模型计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值；根据所述商品对应的若干张广告图片以及每张广告图片的点击分数值通过重排模型计算生成所述商品对应的若干优选广告图片；通过汤普森构造法从所述商品对应的若干优选广告图片确认对所述商品进行广告投放的目标图片；将所述目标图片向客户端进行投放。本申请可以将广告创意中的自动合图和推送步骤相结合，根据投放效果动态更新广告创意，提高广告点击率，抓住最优广告投放创意时机，提高了市场占有率。
[0013]本申请实施例提供的具体技术方案如下：
[0014]第一方面，提供了一种广告图片投放方法，所述方法包括：
[0015]接收对商品进行广告图片投放的指令；
[0016]通过自动创意优化模型计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值；
[0017]根据所述商品对应的若干张广告图片以及每张广告图片的点击分数值通过重排模型计算生成所述商品对应的若干优选广告图片；
[0018]通过多臂学习机的汤普森构造法从所述商品对应的若干优选广告图片确认对所述商品进行广告投放的目标图片；
[0019]将所述商品广告投放的目标图片向客户端进行投放。
[0020]进一步地，所述接收对商品进行广告图片投放的指令之前，包括：
[0021]根据广告图片点击率制作所述商品广告图片的正负样本；
[0022]所述根据广告图片点击率制作所述商品广告图片的正负样本，包括：
[0023]将图片曝光率大于平均曝光率且图片点击数大于平均点击数的样本设置为正样本；将图片曝光率大于平均曝光率且图片点击数小于平均点击数的样本设置为负样本；
[0024]通过图片特征提取和/或文本维度特征提取和/或id类特征建模的形式制作所述商品元素特征集。
[0025]进一步地，所述通过自动创意优化模型计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值之前，包括：
[0026]根据所述商品广告图片的正负样本以及fx交互函数对所述自动创意优化模型进行训练；
[0027]其中，f为分解因子机；x为特征算子集。
[0028]进一步地，所述通过自动创意优化模型计算生成所述商品对应的若干张广告图片
以及每张广告图片的点击分数值，包括：
[0029]通过所述商品元素特征集根据one
‑
shot搜索算法公式a
ij
multiply+a
ij
max+a
ij
min+a
ij
add+a
ij
concat计算最优特征组合；
[0030]根据所述最优特征组合以及f(a
ij multiply+a
ij
max+a
ij
min+a
ij
add+a
ij
concat)交互函数计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值；
[0031]其中，a
ij
为因子常量；multiply为乘积算子；max为最大值算子；min为最小值算子；add为加和算子；concat为联合算子。
[0032]进一步地，所述根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种广告图片投放方法，其特征在于，所述方法包括：接收对商品进行广告图片投放的指令；通过自动创意优化模型计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值；根据所述商品对应的若干张广告图片以及每张广告图片的点击分数值通过重排模型计算生成所述商品对应的若干优选广告图片；通过多臂学习机的汤普森构造法从所述商品对应的若干优选广告图片确认对所述商品进行广告投放的目标图片；将所述目标图片向客户端进行投放。2.根据权利要求1所述的广告图片投放方法，其特征在于，所述接收对商品进行广告图片投放的指令之前，包括：根据广告图片点击率制作所述商品广告图片的正负样本；所述根据广告图片点击率制作所述商品广告图片的正负样本，包括：将图片曝光率大于平均曝光率且图片点击数大于平均点击数的样本设置为正样本；将图片曝光率大于平均曝光率且图片点击数小于平均点击数的样本设置为负样本；通过图片特征提取和/或文本维度特征提取和/或id类特征建模的形式制作所述商品元素特征集。3.根据权利要求2所述的广告图片投放方法，其特征在于，所述通过自动创意优化模型计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值之前，包括：根据所述商品广告图片的正负样本以及fx交互函数对所述自动创意优化模型进行训练；其中，f为分解因子机；x为特征算子集。4.根据权利要求3所述的广告图片投放方法，其特征在于，所述通过自动创意优化模型计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值，包括：通过所述商品元素特征集根据one
‑
shot搜索算法公式a
ij
multiply+a
ij
max+a
ij
min+a
ij
add+a
ij
concat计算最优特征组合；根据所述最优特征组合以及f(a
ij
multiply+a
ij
max+a
ij
min+a
ij
add+a
ij
concat)交互函数计算生成所述商品对应的若干张广告图片以及每张广告图片的点击分数值；其中，a
ij
...

【专利技术属性】
技术研发人员：李冠东，丁一军，
申请(专利权)人：苏宁易购集团股份有限公司，
类型：发明
国别省市：