付费搜索中的投标和预算分配的联合优化制造技术

本发明专利技术涉及付费搜索中的投标和预算分配的联合优化。本发明专利技术将该问题建模为受约束的优化问题，在广告客户总预算和投标价格变化范围的约束下，使预期的广告客户收入最大化。通过解决优化问题，可以获得最优的预算分配计划和投标价格设置方案。

【技术实现步骤摘要】
付费搜索中的投标和预算分配的联合优化
本专利技术涉及计算机领域，尤其涉及在线的付费搜索。
技术介绍
付费搜索是在线广告的一种常用形式，也是搜索引擎公司的主要收入来源。在付费搜索中，响应于给定的查询，在搜索结果页面中显示一列广告，以及有组织的十个蓝色链接。尽管付费搜索结果是同时显示的并且具有非常类似的外观，但通过和有组织搜索不同的机制来产生付费搜索结果。一般而言，有组织的搜索结果主要基于每个网页和查询的相关度来生成，而付费搜索结果基于竞拍来生成。在付费搜索中，广告客户可以创建多个活动计划并且为每个活动计划设置一个预算。在每个活动计划中，他/她可以进一步创建带有投标关键词和投标价格的几个广告组。数据分析显示出，许多广告客户正在同时管理具有非常大量的关键词和投标价格的大量活动计划和广告组。这些繁忙广告客户对搜索引擎贡献了很大比例的收入，然而，也很可能并且很需要进一步改进他们的性能和贡献。这主要是因为，当这一广告客户的活动计划和广告组的数量变得很大时，该广告客户手工地优化活动计划预算分配并且为每个价格。图1示出付费搜索中的典型的广告客户帐户结构。广告客户可以创建多个活动计划。在每个活动计划中，他/她设置一个活动计划预算，构建几组广告副本，并且对每个广告组的某些关键词进行投标。每个关键词是假定通过某些用户查询来触发的一个竞拍条目。给定一查询，搜索引擎将首先根据投标关键词和查询之间的匹配函数，检索最相关的广告作为候选。然后，这些候选广告将参与竞拍，一些广告(例如，具有最大预期收入的广告)将获胜并且被显示在搜索结果页面上。如果用户点击了一个广告，则搜索引擎会向相应的广告客户收费。通常，收费数额由通用第二价格(GSP)竞拍机制来确定，这意味着广告客户的一次点击成本取决于竞拍排序列表中的第二个广告的投标价格。当一个活动计划预算用完时，则在提高预算或者下一次预算周期启动之前，将不允许该活动计划参与任何竞拍。例如，如果按月设置活动计划预算，则活动计划将在下个月重新参与竞拍。由此可见，除了创建广告组并选择投标关键词以外，广告客户也应当谨慎地考虑以下两个重要问题：(1)投标价格设置。由于不同的关键词对应于不同的机会(例如，搜索量)和不同程度的竞争，因此应当为这些关键词设置不同的投标价格。然而，最优投标价格设置对于每个单独的广告客户而言是最不可能的，因为他不能访问相关信息且他的竞争者也在动态调整他们的投标价格。(2)活动计划预算分配。假定对于某一活动计划，有许多高效用的关键词(换言之，这些关键词包含许多广告机会)。为了实现关于这些关键词的显著性能，必须对它们付出许多钱。然而，如果不能提高这一活动计划的预算，则会失去许多这样的机会。于是，类似于关键词的情况，不同的活动计划也有不同的机会和竞争。结果，在一个帐户下，一些活动计划可能很快地用完预算，一些活动计划很慢地消耗他们的预算，而其他活动计划的预算可能根本不被使用。这显然会限制广告客户使用他/她的预算的总体有效性。以上两个问题对于广告客户是关键的，然而，据数据统计，许多广告客户并未在这两个方面做得很好。这是因为许多广告客户管理着上百种活动计划和上万个关键词，使他们难以手工地调整活动计划预算分配和关键词投标价格。也曾尝试在研究团体内自动地执行任务。然而，这些工作仍不足以满足实际要求。例如，关于关键词投标价格优化的许多工作仅在对广告进行排序时考虑投标价格，而不将相关度和位置考虑在内。再例如，尽管人们研究了关键词投标优化，然而尽我们所知，尚未有关于活动计划预算分配的文献。
技术实现思路
为了至少解决上述现有技术中的缺陷，本专利技术提出了一种新颖的方法来解决上述问题。特别是提出了联合地优化活动计划预算分配和投标价格设置。因此本专利技术将问题形成为一种受约束的优化，将活动计划预算和关键词投标价格作为变量，在帐户级预算的约束下，对于具有多个活动计划的给定广告客户帐户以及帐户级的预算，尝试找到帐户级预算向每个活动计划的最优分配，并且同时为活动计划中的每个投标关键词设置最优价格，最终使广告客户的收入最大化。为了更好的说明这一概念，首先定义了一些符号，包括成功价格区间，这是以下讨论的基础。然后采用一概率模型来计算给定投标价格的条件下赢得特定广告位置的概率。此后，基于概率模型定义了优化问题，并将该问题转换成有序二元编程问题。通过解决该问题，可以得到对活动计划预算分配和投标价格设置的最后解决方案，即通过对预算分配和关键词投标设置的联合优化而最终使广告客户收入最大化。通过阅读下面的具体实施方式并参考相关联的附图，本专利技术的这些及其他特点和优点将变得显而易见。可以理解，前述一般描述和以下的具体实施方式都是说明性的，并且不限制所要求保护的各方面。附图说明图1示出付费搜索中的典型的广告客户帐户结构。图2示出根据本专利技术一实施例的方法的流程图。图3示出根据图2所示的方法中所计算的概率的概率密度分布图。图4示出根据本专利技术又一实施例的方法的流程图。图5示出根据本专利技术还有一种实施例的方法的流程图。具体实施方式图1示出数据搜索(例如付费搜索)中的典型的广告客户帐户结构100。如图1所示，广告客户110可以具有一个或多个帐户121、122、123。每一个帐户(例如帐户121)可以具有一个或多个组(例如，活动计划131、132、133)。在每个活动计划中，广告客户110为该活动计划设置一个预算，并同时构建几组广告副本，即广告组141、142、143，并且对每个广告组的某些关键词进行投标，例如图1所示的xbox360手柄、购买xbox等等。每个关键词是假定通过某些用户查询来触发的一个竞拍条目。给定一查询，搜索引擎将首先根据投标关键词和查询之间的匹配函数，检索最相关的广告作为候选。然后，这些候选广告将参与竞拍，一些广告(例如，具有最大预期收入的广告)将获胜并且被显示在搜索结果页面上。如果用户点击了一个广告，则搜索引擎会向相应的广告客户收费。通常，收费数额由通用第二价格(GSP)竞拍机制来确定，这意味着广告客户的一次点击成本取决于竞拍排序列表中的第二个广告的投标价格。当一个活动计划预算用完时，则在提高预算或者下一次预算周期启动之前，将不允许该活动计划参与任何竞拍。例如，如果按月设置活动计划预算，则活动计划将在下个月重新参与竞拍。因此，除了创建广告组并选择投标关键词以外，本专利技术还进一步考虑了投标价格设置和活动计划预算分配，并且通过对这两个条件进行联合优化来实现广告客户的收入最大化。图2示出根据本专利技术一实施例的用于在付费搜索中对投标价格和活动计划预算分配进行联合优化的方法200的流程图。方法200从步骤202开始，在步骤202，方法导入了各参数的定义，其中各参数与投标关键词、投标价格和投标关键词所引起的点击真值相关联。具体说来，在投标价格设置和活动计划预算分配的联合优化中，首先将图1所示的广告客户帐户A定义为：A＝{C1，C2，…，Cm}，其中，m是帐户A下的活动计划数目，Ci(i＝1，2，…，m)是第i个活动计划。为简洁起见，在以下讨论中不区分广告组和广告。因而，可以将活动计划Ci表示为：Ci＝{gi(0)，Di，Ki}(i＝1，…，m)，其中gi(0)表示广告客户设置的原始周期性(例如每月)预算，Di表示一组广告，Ki表示活动计划Ci中本文档来自技高网...

【技术保护点】
一种在数据搜索中对第一条件和第二条件进行联合优化的方法，在所述数据搜索中创建了多个组，每个组设有一个与第二条件相关联的第一值，每个组中创建了多个子组，每个子组具有与第一条件相关联的第二值和第三值，所述方法包括：导入与所述第一值、第二值和第三值相关联的参数；用一概率模型为所述参数计算概率；对所述概率模型进行优化以便实现对所述第一条件和所述第二条件的联合优化。

【技术特征摘要】
1.一种在数据搜索中对第一条件和第二条件进行联合优化的方法，在所述数据搜索中创建了多个组，每个组设有一个与第二条件相关联的第一值，每个组中创建了多个子组，每个子组具有与第一条件相关联的第二值和第三值，所述方法包括：导入与所述第一值、第二值和第三值相关联的参数；用一概率模型为所述参数计算概率；计算与所述参数相关联的用户反馈；基于所述用户反馈以及所述第二值来实现对所述第一条件和所述第二条件的联合优化。2.如权利要求1所述的方法，其特征在于，所述第一条件是投标，所述第二条件是活动计划预算分配，所述第一值是活动计划预算，所述第二值是投标关键词，所述第三值是投标价格，所述参数是与投标关键词、投标价格和第四值相关联的项，其中所述第四值是与对第二值的点击相关联的值，所述概率模型是在活动计划中的相应位置处在获胜价格区间中观察到所述参数的概率。3.如权利要求2所述的方法，其特征在于，所述参数是数据搜索中的参数项ω，所述概率模型定义为：其中，pω(ρφ)是所述子组中的任何条目在所述参数所参与的竞拍中处在条目位置ρφ的概率，bω为投标价格，pω(bω|ρφ)是在所述参数项ω所参与的竞拍中的条目位置ρφ处在获胜价格区间中观察到参数项ω的概率，Φ表示所述数据搜索系统的每个搜索结果页面中的条目位置的最大数目。4.如权利要求1所述的方法，其特征在于，所述计算与所述参数相关联的用户反馈包括计算所述多个组的总的预期点击率。5.如权利要求1或4所述的方法，其特征在于，所述基于所述用户反馈以及所述第二值来实现对所述第一条件和所述第二条件的联合优化包括：计算与付费搜索相关联的返回值；考虑到所述第一条件和第二条件的限制下而使所述返回值最大化。6.一种在数据搜索中对第一条件和第二条件进行联合优化的方法，在所述数据搜索中创建了多个组，每个组设有一个与第二条件相关联的第一值，每个组中创建了多个子组，每个子组具有与第一条件相关联的第二值和第三值，所述方法包括：导入与所述第一值、第二值和第三值相关联的参数；用一概率模型为所述参数计算概率；计算与所述参数相关联的用户反馈；基于所述用户反馈以及所述第一条件来计算与数据搜索相关联的返回值；使与数据搜索相关联的返回值最大化以实现对所述第一条件和所述第二条件的联合优化。7.如权利要求6所述的方法，其特征在于，所述第一条件是投标，所述第二条件是活动计划预算分配，所述第一值是活动计划预算，所述第二值是投标关键词，所述第三值是投标价格，所述参数是与投标关键词、投标价格和第四值相关联的项，其中所述第四值是与对第二值的...

【专利技术属性】
技术研发人员：高斌，刘铁岩，
申请(专利权)人：微软公司，
类型：发明
国别省市：