CN107529654A - 一种面向展示广告竞价投放***的动态出价方法 - Google Patents
一种面向展示广告竞价投放***的动态出价方法 Download PDFInfo
- Publication number
- CN107529654A CN107529654A CN201710671569.4A CN201710671569A CN107529654A CN 107529654 A CN107529654 A CN 107529654A CN 201710671569 A CN201710671569 A CN 201710671569A CN 107529654 A CN107529654 A CN 107529654A
- Authority
- CN
- China
- Prior art keywords
- advertising
- price
- rate
- request
- advertising campaign
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种面向展示广告竞价投放***的动态出价方法，目的是为每个广告活动对符合投放规则的广告展示机会计算竞标价格。出价方法分为离线和在线阶段：在离线阶段，需要根据广告活动的历史数据建立每个时段的赢标率分布表、预测点击率‑赢标率映射公式，以及分配下一个广告投放周期中每个时段的预算；在广告在线投放阶段，对于收到的符合投放规则的广告展示机会，首先预测广告展示机会的用户点击率，然后基于预测点击率映射出广告展示机会期望达到的赢标率，最后通过查找对应时段的赢标率分布表确定广告展示机会的竞标价格。本发明还包括一个根据实际花费的调整策略，可对每个时段的预算及竞标价格进行动态调整。
Description
技术领域
本发明属于互联网技术领域，特别涉及一种面向展示广告竞价投放***的动态出价方法。
背景技术
近年来在线广告在工业界取得了巨大的成功，不仅为各种互联网网站找到了规模化变现的手段，而且提供了一种以准确接触目标用户为方法论的全新广告营销渠道。目前在线广告的形式主要分为搜索广告和展示广告两大类。其中搜索广告是根据用户的搜索关键词，将相应的广告链接与搜索结果页面同时显示，例如百度和谷歌的搜索广告竞价排名机制；展示广告则是以图像或者视频的形式展示在网站提供的广告位上，适用于各种互联网网站，图1是搜索广告的示意图和图2是展示广告的示意图。本发明主要针对展示广告的实时投放，即由网站在网页上嵌入广告位，每当一个用户打开该页面时，由网站或者广告交易平台向相应广告位实时投放广告，如果用户对广告感兴趣，通常会点击打开相应的广告页面或视频。因此展示广告可以有针对性的定向投放给符合广告目标客户特征的用户，从而能够极大提高广告营销的收益，而网站也可以通过投放展示广告从广告商获得收益。
目前展示广告的投放主要分为合约模式和实时竞价模式。其中合约模式是指由广告商与网站签订保证广告展示次数的合同，这个担保式的合同要保证在广告投放周期内网站按照广告商规定的投放规则，完成指定次数的广告展示。而实时竞价模式则是网站将广告位托管给实时竞价***(Real Time Biding,RTB)的供应商平台来进行管理，并与之进行收益分成，而广告商则通过在实时竞价***的需求方平台进行注册，设置自己广告的投放规则及每天的预算，由需求方平台根据投放规则及每天的预算，对符合投放规则的广告展示机会进行实时竞价，并为赢得的展示机会付费。在实时竞价***中，将广告商在需求方平台上对需要投放的广告进行注册，并设置投放规则及每天预算的过程，称之为发起一个广告活动。
图3是通过实时竞价模式投放展示广告的示意图。竞价的基本过程如下：(1)当一个30岁的女性用户浏览一个母婴网站的网页时，网页上嵌入的广告位的脚本代码会向实时竞价***中的提供商平台发起一次广告展示机会的请求；(2)提供方平台收到这个广告展示机会的请求时，会针对这个请求向实时竞价***的交易中心发起一次广告展示机会的竞价请求，该请求携带了该用户的cookie和网页的上下文信息；(3)交易中心收到竞价请求后，将该竞价请求向连入实时竞价***的需求方平台发布，竞价请求中也携带有用户的cookie和网页的上下文信息；(4)需求方平台收到广告展示机会的竞价请求后，首先通过cookie映射技术以及查询相关的数据管理平台，获取用户的特征标签，例如性别、年龄、购物兴趣等；(5)数据管理平台将该用户的特征标签返回需求方平台；(6)需求方平台根据每个广告活动的投放规则，检索该次广告展示机会符合的广告活动；(7)需求方平台根据每个广告活动的预算，为每个符合投放规则的广告活动计算竞标价格；(8)需求方平台首先在平台内部进行一轮竞价，最高竞标价格的广告活动赢得平台内部的竞拍；(9)最高竞标价格将作为需求方平台的竞标价格返回给交易中心；(10)交易中心对收到的所有需求方平台返回的竞标价格，按照广义第二高价机制进行拍卖，即由最高竞标价格的广告活动赢得展示机会，但是实际成交价格是由该次竞拍中的第二高竞标价格决定；(11)交易中心通知获胜方，并按照实际成交价格进行扣费；(12)交易中心将获胜的广告活动的链接返回给提供方平台；(13)由提供方平台将广告链接返回给用户浏览的页面；(14)通常实时竞价***会跟踪用户对投放的广告的响应行为，将点击或者转化行为向需求方平台报告，以便于需求方平台进一步优化出价方法。
在上述竞价过程中，需求方平台采用的出价方法是展示广告竞价投放***的关键技术之一。对于广告商来说，优化的出价方法会使得广告商在给定每天预算的情况下获得最大化的收益，例如获得最多的点击次数或者最小的每次点击花费(cost-per-click,CPC)。这里每次点击花费CPC是个统计值，即当天的广告投放完成后，由总的花费除以获得的点击次数。目前需求方平台广泛采用的出价方法包括：固定出价、随机出价、基于广告展示机会质量的出价。其中固定出价是指对于满足广告活动投放规则的每次展示机会出固定价格竞标；随机出价是指按照一个价格区间随机产生一个竞标价格；基于广告展示机会质量的出价是指竞标价格与该广告展示机会的质量相关，质量越高出价越高，在实时投放***中，通常使用广告投放后的用户点击率或者转化率来衡量，因此在这类出价方法中，出价函数通常被简单设计为点击率或者转化率的递增函数，即预测广告投放到对应广告位后，用户点击该广告的可能性越高，竞标价格越高。其中性能最好的是一种基于广告展示机会质量的线性出价方法，即广告展示机会的竞标价格与展示机会的点击率呈线性递增关系。然而在实际的展示广告竞价投放***中，由于广告展示机会本身的多样性，不同时段用户对广告行为的差异性，以及不同时段各种广告活动对展示机会竞争程度的差异性，导致竞标价格与广告展示机会质量的关系变得非常复杂。
为此，本发明提出一种面向展示广告竞价投放***的动态出价方法，该方法包括一个简单的基于历史成交日志和点击日志的预算分配策略，以及一个基于每个时段的赢标率分布表和可用预算的动态出价方法。实验证明本发明提出的动态出价方法能够在给定预算的情况下获得最多的用户点击次数。
发明内容
本发明的目的是提供一种面向展示广告竞价投放***的动态出价方法，该方法能够帮助每个广告活动在给定预算下获得最多的用户点击次数。为实现上述发明目的，本发明提供的动态出价方法，其特征在于，包括以下步骤：
步骤1：首先将一个完整的广告投放周期平均分割为T个时段，记为{1,2,3,…T}，然后基于广告活动a在L个广告投放周期的历史数据，为广告活动a构建每个时段的赢标率分布表，具体步骤如下：
步骤1.1：对于广告活动a，计算在L个广告投放周期内在时段t赢得的所有广告展示机会的预测点击率，每个广告展示机会的预测点击率记为pCTR；
步骤1.2：对于广告活动a，将广告展示机会的预测点击率分为m个等级，等级i的范围为 [pCTRi,pCTRi+1)，所有预测点击率大于等于pCTRi且小于pCTRi+1的广告展示机会划分到等级i，最高等级m的范围为[pCTRm,1]，所有预测点击率大于等于pCTRm且小于等于1的广告展示机会划分到等级m；
步骤1.3：对于每个预测点击率等级中的广告展示机会，首先统计其在时段t的成交价格范围，然后将成交价格划分为n个价格等级{price1,price2,…,pricen}，pricei表示价格等级i，指在所有赢得的广告展示机会中，成交价格小于等于pricei的广告展示机会，pricen表示价格等级n，是所有赢得的广告展示机会中的最高成交价格；
步骤1.4：在时段t的赢标率分布表中，wij表示对于广告活动a，广告展示机会的预测点击率属于等级i，竞标价格的等级为j时，对应的赢标率，wij＝nij/ni，其中nij表示预测点击率属于等级i且成交价格小于等于pricej的广告展示机会数，ni表示预测点击率属于等级i且成交价格小于等于pricen的广告展示机会数，即预测点击率属于等级i的所有赢得的广告展示机会的数目；
重复上述步骤1.1至1.4，可以为广告活动a的每个时段构建赢标率分布表；同理，可采用上述步骤为需求方平台上注册的每个广告活动计算每个时段的赢标率分布表；表1是广告活动a 在时段t的赢标率分布表；
表1广告活动a在时段t的赢标率分布表
步骤2：基于广告活动a在L个广告投放周期的历史数据，确定广告活动a的预测点击率- 赢标率映射公式，如(1)所示：
其中win_rate(a,pCTR)表示广告活动a对于一个预测点击率为pCTR的广告展示机会期望达到的赢标率；CTR_Low(a)是广告活动a的预测点击率下限阈值，当一个广告展示机会的预测点击率小于等于CTR_Low(a)时，赢标率被映射为0，表示广告活动a会放弃对这个广告展示机会的竞价；CTR_High(a)是广告活动a的预测点击率上限阈值，当一个广告展示机会的预测点击率大于等于CTR_High(a)时，赢标率被映射为1；当一个广告展示机会的预测点击率大于CTR_Low(a)且小于CTR_High(a)时，按照公式(1)中的线性关系确定广告展示机会期望达到的赢标率，这里α(a)，β(a)是由需求方平台为广告活动a设置的映射参数；这里广告活动a的预测点击率下限阈值CTR_Low(a)定义如下：
其中num_clks(pCTR≤CTR_Low(a))表示广告活动a赢得的预测点击率小于等于CTR_Low(a)的广告展示机会中发生点击行为的数目，num_imps(pCTR≤CTR_High(a))，表示广告活动a赢得的预测点击率小于等于CTR_Low(a)的广告展示机会的数目；θLow是由需求方平台设置的点击率下限参数；
广告活动a的预测点击率上限值CTR_High(a)定义如下：
其中num_clks(pCTR≥CTR_High(a))表示在广告活动a赢得的预测点击率大于等于 CTR_High(a)的广告展示机会中发生点击行为的数目，，num_imps(pCTR≥CTR_High(a))，表示广告活动a赢得的预测点击率大于等于CTR_High(a)的广告展示机会的数目；θHigh是由需求方平台设置的点击率上限参数；
步骤3：基于广告活动a在L个广告投放周期的历史数据，对下一个广告投放周期每个时段的预算b(a,t)进行分配，计算方法如公式(2)所示：
其中B表示广告商设置的广告活动a在一个完整广告投放周期的总预算，reqs(a,d,t)表示广告活动a在第d个广告投放周期的时段t收到的满足投放规则的广告展示机会数，L是一个由需求方平台设置的时间窗口，L≥1，用于限定最近发生的L个广告投放周期的数据作为预测和统计的基础；
步骤4：在进入下一个广告投放周期后，对于广告活动a，当需求方平台在时段t收到一个满足其广告投放规则的广告展示机会request时，首先判断广告活动a在时段t是否还有可用预算，如果没有可用预算，则放弃对request的竞价；如果还有可用预算，则继续执行步骤5；
步骤5：对于广告活动a，计算对于广告展示机会request的竞标价格，具体方法如下：
步骤5.1：对于request携带的广告展示机会的特征，利用广告活动a的点击率预测模型，计算广告展示机会request的预测点击率pCTR(request,a)；
步骤5.2：对于广告活动a，基于公式(1)计算广告展示机会request期望达到的赢标率 win_rate(request,a,t)；如果win_rate(request,a,t)＝0，则放弃参与该广告展示机会的竞价；如果win_rate(request,a,t)＞0，则继续执行步骤5.3；
步骤5.3：针对期望达到的赢标率win_rate(request,a,t)，需求方平台查找广告活动a在时段t的赢标率分布表，首先确定pCTR(request,a)属于的预测点击率等级，然后在属于的预测点击率等级i，根据win_rate(request,a,t)确定其对应的最小竞标价格pricej，满足 win_rate(request,a,t)≤wij；
步骤5.4：计算广告活动a对于广告展示机会request最终的竞标价格，如公式(3)所示：
bid(a,t,request)＝γ(a,t)·pricej (3)
这里γ(a,t)是广告活动a在时段t的竞标价格调节因子，是在时段t开始之前，由时段t调整后的可用预算与时段t的原始分配预算确定，计算方法如公式(4)所示：
这里b(a,t)表示在步骤3分配的预算，b*(a,t)表示在下一个广告投放周期开始之后，时段t 开始之前，根据实际花费情况动态调整后的预算，γ(a,t)≥1；
步骤6：对于广告活动a，判断其最终的竞标价格bid(a,t,request)是否超过其当前时段的可用预算，如果超过，则放弃对展示机会request的竞价，如果不超过，则继续参与展示机会 request的竞价；
步骤7：如果广告活动a的竞标价格为实时交易***中的最高竞标价格，则实时交易中心将通知广告活动a赢得广告展示机会request，并根据第二高价拍卖机制，以竞标价格中的第二高价作为成交价格进行扣费；
步骤8：当时段t结束后，根据在时段t的实际花费对t+1时段的预算进行更新，更新公式如(5)所示：
这里cost(i)表示已经完成广告投放的时段i的实际花费；在时段t+1的可用预算更新后，可基于更新后的预算，利用公式(4)计算时段t+1的价格调节因子γ(a,t+1)；
当完成新的广告投放周期所有时段的广告投放，会得到这个广告投放周期的历史数据，再以最新发生的L个广告投放周期的历史数据为基础，返回步骤1，重新开始执行，为下一个广告投放周期计算广告展示机会的竞标价格。
通过本发明提供的动态出价方法，能够为每个广告活动在给定预算下针对每个符合投放规则的广告展示机会计算竞标价格，从而获得最多的用户点击次数。
附图说明
图1是本发明提供的搜索广告示意图
图2是本发明提供的展示广告示意图
图3是本发明提供的通过实时竞价模式投放展示广告的基本过程示意图
图4是本发明提供的动态出价方法的离线阶段的流程图
图5是本发明提供的动态出价方法的在线投放阶段的流程图
图6是本发明提供的计算竞标价格的流程图
图7是本发明提供的动态出价方法的框架图
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
首先描述对于一个新注册的广告活动收集最初的前L个广告投放周期的历史数据的具体实施方法：对于新注册的广告活动a，本发明提供的动态出价方法首先为其设置一个固定价格作为竞标价格，记为bid_fixed_price(a)，这个价格相对较高，以使在实际的竞标过程中，广告活动a能赢得大部分符合其投放规则的广告展示机会；然后广告活动a以固定出价的方式参与 L个广告投放周期的广告展示机会的竞标，这里广告活动只对满足其投放规则的广告展示机会进行投标，L是一个由需求方平台设置的时间窗口，L≥1，在预测下一个广告投放周期的各种关键参数指标，建立点击率预测模型，建立每个时段的赢标率分布表时，本发明的出价方法使用最近发生的L个广告投放周期记录的日志数据作为基础；
需求方平台需要对每个广告投放周期内广告活动a的竞价情况、广告投放情况、点击情况进行记录，记录是以每条符合投放规则的广告展示机会为单位的，包括但不限于以下信息：(1) 广告展示机会的编号，(2)用户使用的操作***，(3)用户使用的浏览器，(4)用户所在的地理位置，(5)用户使用的IP地址，(6)用户访问的URL，(7)用户的偏好标签，(8)广告位的长度、宽度， (9)广告展示机会的地板价，(10)需求方平台计算的竞标价格；(11)广告活动是否赢得展示机会， (12)成交价格，(13)广告投放后是否发生点击行为等；
其中(1)～(9)是广告展示机会的相关信息，包括用户的相关信息、广告位的相关信息，(9)展示机会的地板价是指由提供方平台为广告展示机会设置的最低成交价格，即只有最高竞标价格高于地板价时，广告展示机会的拍卖才成立；(10)～(12)是与竞价和广告投放相关的信息，如果广告活动a赢得这个广告展示机会，则对应的成交价格为实际的成交价格，否则为0；(13)是对广告投放后用户的响应行为的记录，可以用1比特位表示，如果用户发生点击行为，比特位为 1，否则为0；在收集完成L个广告投放周期的历史数据后，才能使用本发明提供的动态出价方法帮助广告活动a进行动态出价。
本发明提供的动态出价方法主要包括离线阶段和在线投放阶段，其中离线阶段的基本步骤如图4所示，具体为：
步骤1：基于广告活动a在L个广告投放周期的历史数据，为广告活动a构建每个时段的赢标率分布表；
步骤2：基于广告活动a在L个广告投放周期的历史数据，确定广告活动a的预测点击率- 赢标率映射公式，如公式(1)所示；
步骤3：基于广告活动a在L个广告投放周期的历史数据，利用公式(2)对下一个广告投放周期每个时段的预算b(a,t)进行分配；
步骤1～3是在离线阶段即下一个广告投放周期开始之前完成，其中在步骤1中需要用到的一个关键技术是建立点击率预测模型，由于建立点击率预测模型的方法是一个成熟方法，因此不包含在本发明的权利要求范围内，但是本发明提供的出价方法需要使用点击率预测模型，这里简单将点击率预测模型的建立方法描述如下：针对一个具体的广告活动a，将广告活动在最近的L个广告投放周期内赢得的所有广告展示机会的信息，及其对应的用户点击行为作为训练集，利用机器学习算法训练点击率预测模型，其中有点击行为的广告展示机会的信息作为正样本，没有发生点击行为的广告展示机会的信息作为负样本；目前应用最广泛的点击率训练模型是逻辑回归模型；
图5是广告在线投放阶段的基本步骤，具体为：
步骤4：在进入下一个广告投放周期后，对于广告活动a，当需求方平台在时段t收到一个满足其广告投放规则的广告展示机会request时，首先判断广告活动a在时段t是否还有可用预算，如果没有可用预算，则放弃对request的竞价；如果还有可用预算，则继续执行步骤5；
步骤5：对于广告活动a，计算对于广告展示机会request的竞标价格，具体步骤如图6所示：
步骤5.1：对于request携带的广告展示机会的特征，利用广告活动a的点击率预测模型，计算广告展示机会request的预测点击率pCTR(request,a)；
步骤5.2：对于广告活动a，基于公式(1)计算广告展示机会request期望达到的赢标率 win_rate(request,a,t)；如果win_rate(request,a,t)＝0，则放弃参与该广告展示机会的竞价；如果win_rate(request,a,t)＞0，则继续执行步骤5.3；
步骤5.3：针对期望达到的赢标率win_rate(request,a,t)，需求方平台查找广告活动a在时段t的赢标率分布表，首先确定pCTR(request,a)属于的预测点击率等级，然后在属于的预测点击率等级i，根据win_rate(request,a,t)确定其对应的最小竞标价格pricej，满足 win_rate(request,a,t)≤wij；
步骤5.4：计算广告活动a对于广告展示机会request最终的竞标价格，如公式(3)所示：
bid(a,t,request)＝γ(a,t)·pricej (3)
这里γ(a,t)是广告活动a在时段t的竞标价格调节因子，是在时段t开始之前，由时段t调整后的可用预算与时段t的原始分配预算确定，计算方法如公式(4)所示：
这里b(a,t)表示在步骤3分配的预算，b*(a,t)表示在下一个广告投放周期开始之后，时段t 开始之前，根据实际花费情况动态调整后的预算，γ(a,t)≥1；
步骤6：对于广告活动a，判断其最终的竞标价格bid(a,t,request)是否超过其当前时段的可用预算，如果超过，则放弃对展示机会request的竞价，如果不超过，则继续参与展示机会 request的竞价；
步骤7：如果广告活动a的竞标价格为实时交易***中的最高竞标价格，则实时交易中心将通知广告活动a赢得广告展示机会request，并根据第二高价拍卖机制，以竞标价格中的第二高价作为成交价格进行扣费；
步骤8：当时段t结束后，根据在时段t的实际花费对t+1时段的预算进行更新，更新公式如(5)所示：
这里cost(i)表示已经完成广告投放的时段i的实际花费；在时段t+1的可用预算更新后，可基于更新后的预算，利用公式(4)计算时段t+1的价格调节因子γ(a,t+1)。
实施例
为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例对其中的技术方案进行清楚、完整地描述。
在本实施例中，假设广告商在需求方平台上注册了一个新的广告活动A，并将广告投放周期设置为一天，每天的预算为10000元，同时设置广告活动A的投放规则；对于新注册的广告，由于没有历史投放日志作为分析基础，因此本发明提供的动态出价方法首先为广告活动A确定一个固定价格0.30元，然后按照这个固定价格对符合投放规则的广告展示机会进行竞价，在本实施例中假设L＝2，即对新一天的所有预测都只基于最近2天的历史数据进行；
在本实施例中，需求方平台需要对最近2天广告活动A的竞价情况、广告投放情况以及点击情况进行记录，记录是以每条符合广告活动A的投放规则的广告展示机会为单位的，包括但不限于以下数据：(1)广告展示机会的编号，(2)用户使用的操作***，(3)用户使用的浏览器， (4)用户所在的地理位置，(5)用户使用的IP地址，(6)用户访问的URL，(7)用户的偏好标签，(8) 广告位的长度、宽度，(9)广告展示机会的地板价，(10)需求方平台计算的竞标价格；(11)广告活动是否赢得展示机会，(12)成交价格，(13)广告投放后是否发生点击行为等；
在完成2天的广告实时竞价投放后，本发明提供的动态出价方法首先利用这2天中广告活动A赢得的所有广告展示机会的信息，及其对应的用户点击行为作为训练集，其中有点击行为的广告展示机会的信息作为正样本，没有发生点击行为的广告展示机会的信息作为负样本。基于逻辑回归模型训练广告活动A的点击率预测模型，然后根据最近2天的历史数据执行离线阶段的步骤：
步骤1：假设将一天时间划分为12个时段，即从0点开始计算，每2小时为一个时段，基于历史日志，建立每个时段的赢标率分布表；
首先，利用广告活动A的点击率预测模型计算最近2天的广告投放中，所有赢得的广告展示机会的预测点击率；然后根据预测点击率的分布情况，将预测点击率划分为若干个等级，在本实施例中假设分为10个等级，每个预测点击率等级的范围如下：[0,0.1)，[0.1,0.2)，[0.2, 0.3)，[0.3,0.4)，[0.4,0.5)，[0.5,0.6)，[0.6,0.7)，[0.7,0.8)，[0.8,0.9)，[0.9,1.0]；在此基础上，根据最近2天的成交记录，划分每个预测点击率等级的广告展示机会的成交价格分布，在本实施例中假设划分6个价格等级，分别为{0.05,0.10,0.15,0.20,0.25,0.30}(元)，这里的0.05元的含义为成交价格小于等于0.05元的所有赢得的广告展示机会都属于0.05元这个价格等级；这里0.30元表示在所有赢得的广告展示机会中，最高的成交价格是0.30元，0.30元价格等级包含所有赢得的广告展示机会；
在本实施例中，假设最近2天在时段1中广告活动A总共赢得了10000个预测点击率小于0.1的广告展示机会，其中有4280个广告展示机会的成交价格小于等于0.05元，因此，在时段1对于预测点击率等级[0,0.1)，价格等级0.05元，对应的赢标率为w11＝4280/10000＝0.428，同理可得其他预测点击率等级，以及其他价格等级对应的赢标率，如表2所示。重复上述步骤，可计算得到广告活动A在12个时段的赢标率分布表；
表2广告活动A在时段1的赢标率分布表
步骤2：基于广告活动A在最近2天的历史数据，确定广告活动A的预测点击率-赢标率映射公式，在本实施例中，假设广告活动A设置的θLow＝0.0001，θHigh＝0.9，α(A)＝3.54，β(A)＝0.646，因此预测点击率-赢标率映射公式为：
其中需要确定的是CTR_Low(A)和CTR_High(A)，根据公式(6)和公式(7)的定义，可得到如下需要满足的条件：
在本实施例，假设广告活动A在最近2天的历史数据中，赢得的预测点击率小于等于0.001 的广告展示机会总数为10002，其中只有1次广告展示发生了点击行为，满足条件：
因此可设置CTR_Low(A)＝0.001；同理，假设广告活动A在最近2天的历史数据中，赢得的预测点击率大于等于0.1的广告展示机会数为100，其中有94次广告展示发生了点击行为，满足条件：
因此可设置CTR_High(A)＝0.1；
根据公式(1)，可得如下结果：对于预测点击率小于等于0.001的广告展示机会，其映射得到的期望赢标率为0，广告活动A放弃对该次广告展示机会的竞标；对于预测点击率大于等于 0.1的广告展示机会，其映射得到的期望赢标率为1，对于预测点击率属于(0.001,0.1)范围的广告展示机会，使用一个线性公式来映射期望赢标率，假设一个广告展示机会的预测点击率为 0.05，则根据公式(1)，其期望赢标率为：
win_rate(A,0.05)＝3.54×0.05+0.646＝0.823
步骤3：基于广告活动A在最近2天的历史数据，对下一个广告投放周期每个时段的预算 b(A,t)进行分配，在本实施例中，假设每天的预算为10000元，在最近2天的实时竞价中，满足广告活动A投放规则的广告展示机会数分布如表3所示：
表3最近2天满足广告活动A投放规则的广告展示机会在12个时段的数量分布情况
| 时段 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 第1天 | 1000 | 1099 | 4324 | 4338 | 7311 | 3826 | 4797 | 4644 | 3674 | 5594 | 3887 | 2099 |
| 第2天 | 1200 | 1030 | 4300 | 4000 | 7050 | 3800 | 4700 | 4600 | 3600 | 5500 | 3800 | 2000 |
因此，可得：
同理，可得每个时段的预算分配，如表4所示：
表4广告活动A对新的一天的预算分配方案
| 时段 | 1 | 2 | 3 | 4 | 5 | 6 |
| 分配的预算 | 238.68 | 230.97 | 935.63 | 904.60 | 1558.04 | 827.35 |
| 时段 | 7 | 8 | 9 | 10 | 11 | 12 |
| 分配的预算 | 1030.34 | 1002.896 | 789.168 | 1203.61 | 833.97 | 444.71 |
步骤4：进入新的一天的广告竞价投放，在本实施例中，假设总预算为10000元，假设在时段1，有一个符合广告活动A投放规则的广告展示机会R到达，首先判断广告活动A在时段1是否还有可用预算，如果还有可用预算，则执行步骤5，否则放弃对广告展示机会的竞标；
步骤5：计算广告活动A对广告展示机会R的竞标价格；
首先，利用训练的点击率预测模型，计算广告展示机会R的预测点击率，假设为0.0025；然后，根据预测点击率-赢标率映射公式，计算广告展示机会R期望达到的赢标率：
win_rate(A,0.0025)＝3.54×0.0025+0.646＝0.655
第三，根据期望达到的赢标率查找时段1的赢标率分布表，由于预测点击率为0.0025属于[0,0.1)范围，满足0.655＜0.798，因此最小竞标价格为0.10元；由于是在时段1，新预算与原始的分配预算没有发生变化，因此可得：
广告活动A对广告展示机会R最终的竞标价格为0.10元；
步骤6：在本实施例中，假设最终竞标价格没有超过广告活动A在时段1的可用预算，则继续执行对广告展示机会R的竞价；
步骤7：如果0.10元为实时交易***中对广告展示机会R的最高竞标价，则广告活动A 赢得广告展示机会R，***根据第二高价从***中扣除成交价格，在本实施例中，假设第二高竞标价格为0.008元，则广告活动A在时段1的可用预算将减去0.008元；
步骤8：在时段1结束后，假设该时段只花费了200元的预算，则需要将剩余可用预算重新分配到后续时段中，根据公式(5)，计算时段2的新预算：
计算时段2的竞标价格动态调整因子：
假设在时段2，有一个满足广告活动A投放规则的广告展示机会r，通过查找时段2的赢标率分布表，得到对广告展示机会r的最小竞标价格为0.20元，则最终的竞标价格为：
bid(A,2,r)＝γ(A,2)·pricej＝1.003×0.20＝0.2006元
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种面向展示广告竞价投放***的动态出价方法，其特征在于，包括以下步骤：
步骤1：基于广告活动a在L个广告投放周期的历史数据，为广告活动a构建每个时段的赢标率分布表，这里将一个完整的广告投放周期平均分割为T个时段，记为{1,2,3,…T}；
步骤2：基于广告活动a在L个广告投放周期的历史数据，确定广告活动a的预测点击率-赢标率映射公式，如(1)所示：
其中win_rate(a,pCTR)表示广告活动a对于一个预测点击率为pCTR的广告展示机会期望达到的赢标率；CTR_Low(a)是广告活动a的预测点击率下限阈值，当一个广告展示机会的预测点击率小于等于CTR_Low(a)时，期望赢标率被映射为0，表示广告活动a会放弃对这个广告展示机会的竞价；CTR_High(a)是广告活动a的预测点击率上限阈值，当一个广告展示机会的预测点击率大于等于CTR_High(a)时，期望赢标率被映射为1；当一个广告展示机会的预测点击率大于CTR_Low(a)且小于CTR_High(a)时，按照公式(1)中的线性关系确定广告展示机会期望达到的赢标率，这里α(a)，β(a)是由需求方平台为广告活动a设置的映射参数；
步骤3：基于广告活动a在L个广告投放周期的历史数据，对下一个广告投放周期每个时段的预算b(a,t)进行分配，计算方法如公式(2)所示：
其中B表示广告商设置的广告活动a在一个完整广告投放周期的总预算，reqs(a,d,t)表示广告活动a在第d个广告投放周期的时段t收到的满足投放规则的广告展示机会数，L是一个由需求方平台设置的时间窗口，L≥1，用于限定最近发生的L个广告投放周期的数据作为预测和统计的基础；
步骤4：进入下一个广告投放周期后，对于广告活动a，当需求方平台在时段t收到一个满足其广告投放规则的广告展示机会request时，首先判断广告活动a在时段t是否还有可用预算，如果没有可用预算，则放弃对request的竞价；如果还有可用预算，则继续执行步骤5；
步骤5：对于广告活动a，计算对于广告展示机会request的竞标价格，具体方法如下：
步骤5.1：对于request携带的广告展示机会的特征，利用广告活动a的点击率预测模型，计算广告展示机会request的预测点击率pCTR(request,a)；
步骤5.2：对于广告活动a，基于公式(1)计算广告展示机会request期望达到的赢标率win_rate(request,a,t)；如果win_rate(request,a,t)＝0，则放弃参与该广告展示机会的竞价；如果win_rate(request,a,t)＞0，则继续执行步骤5.3；
步骤5.3：针对期望达到的赢标率win_rate(request,a,t)，需求方平台查找广告活动a在时段t的赢标率分布表，首先确定pCTR(request,a)属于的预测点击率等级，然后在属于的预测点击率等级i，根据win_rate(request,a,t)确定其对应的最小竞标价格pricej，满足win_rate(request,a,t)≤wij；
步骤5.4：计算广告活动a对于广告展示机会request最终的竞标价格，如公式(3)所示：
bid(a,t,request)＝γ(a,t)·pricej (3)
这里γ(a,t)是广告活动a在时段t的竞标价格调节因子，是在时段t开始之前，由时段t调整后的可用预算与时段t的原始分配预算确定，计算方法如公式(4)所示：
这里b(a,t)表示在步骤3分配的预算，b*(a,t)表示在下一个广告投放周期开始之后，时段t开始之前，根据实际花费情况动态调整后的预算，γ(a,t)≥1；
步骤6：对于广告活动a，判断其最终的竞标价格bid(a,t,request)是否超过其当前时段的可用预算，如果超过，则放弃对展示机会request的竞价，如果不超过，则继续参与展示机会request的竞价；
步骤7：如果广告活动a的竞标价格为实时交易***中的最高竞标价格，则实时交易中心将通知广告活动a赢得广告展示机会request，并根据第二高价拍卖机制，以竞标价格中的第二高价作为成交价格进行扣费；
步骤8：当时段t结束后，根据在时段t的实际花费对t+1时段的预算进行更新，更新公式如(5)所示：
这里cost(i)表示已经完成广告投放的时段i的实际花费；在时段t+1的可用预算更新后，可基于更新后的预算，利用公式(4)计算时段t+1的价格调节因子γ(a,t+1)；
当完成新的广告投放周期所有时段的广告投放，会得到一个新的广告投放周期的历史数据，再以最新的L个广告投放周期的历史数据为基础，返回步骤1，重新开始执行。
2.如权利要求1所述的方法，其特征在于，所述广告活动a每个时段的赢标率分布表的构建方法，包括：
步骤1.1：对于广告活动a，计算在L个广告投放周期内在时段t赢得的所有广告展示机会的预测点击率；
步骤1.2：对于广告活动a，将广告展示机会的预测点击率分为m个等级，等级i的范围为[pCTRi,pCTRi+1)，所有预测点击率大于等于pCTRi且小于pCTRi+1的广告展示机会划分到等级i，等级m的范围为[pCTRm,1]，所有预测点击率大于等于pCTRm且小于等于1的广告展示机会划分到等级m；
步骤1.3：对于每个预测点击率等级中的广告展示机会，首先统计其在时段t的成交价格范围，然后将成交价格划分为n个价格等级{price1,price2,…,pricen}，pricei表示价格等级i，指在所有赢得的广告展示机会中，成交价格小于等于pricei的广告展示机会，pricen表示价格等级n，是所有赢得的广告展示机会中的最高成交价格；
步骤1.4：在时段t的赢标率分布表中，wij表示对于广告活动a，广告展示机会的预测点击率属于等级i，竞标价格的等级为j时，对应的赢标率，wij＝nij/ni，其中nij表示预测点击率属于等级i且成交价格小于等于pricej的广告展示机会数，ni表示预测点击率属于等级i且成交价格小于等于pricen的广告展示机会数，即预测点击率属于等级i的所有赢得的广告展示机会的数目；
重复上述步骤1.1至1.4，可以为广告活动a的每个时段构建赢标率分布表；同理，可采用上述方法为需求方平台上注册的每个广告活动计算每个时段的赢标率分布表；表1是广告活动a在时段t的赢标率分布表。
表1 广告活动a在时段t的赢标率分布表
3.如权利要求1所述的方法，其特征在于，所述广告活动a的预测点击率下限阈值和上限阈值的定义方法，具体如下：
步骤2.1：广告活动a的预测点击率下限阈值CTR_Low(a)定义如公式(6)所示：
其中num_clks(pCTR≤CTR_Low(a))表示广告活动a赢得的预测点击率小于等于CTR_Low(a)的广告展示机会中发生点击行为的数目，num_imps(pCTR≤CTR_Low(a))表示广告活动a赢得的预测点击率小于等于CTR_Low(a)的广告展示机会的数目；θLow是由需求方平台设置的点击率下限参数；
步骤2.2：广告活动a的预测点击率上限值CTR_High(a)定义如公式(7)所示：
其中num_clks(pCTR≥CTR_High(a))表示在广告活动a赢得的预测点击率大于等于CTR_High(a)的广告展示机会中发生点击行为的数目，num_imps(pCTR≥CTR_High(a))表示广告活动a赢得的预测点击率大于等于CTR_High(a)的广告展示机会的数目；θHigh是由需求方平台设置的点击率上限参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710671569.4A CN107529654A (zh) | 2017-08-08 | 2017-08-08 | 一种面向展示广告竞价投放***的动态出价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710671569.4A CN107529654A (zh) | 2017-08-08 | 2017-08-08 | 一种面向展示广告竞价投放***的动态出价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107529654A true CN107529654A (zh) | 2018-01-02 |
Family
ID=60766239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710671569.4A Pending CN107529654A (zh) | 2017-08-08 | 2017-08-08 | 一种面向展示广告竞价投放***的动态出价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107529654A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985829A (zh) * | 2018-07-04 | 2018-12-11 | 厦门美柚信息科技有限公司 | 一种网络广告快速投放的方法、***、电子设备及其介质 |
| CN109272356A (zh) * | 2018-09-19 | 2019-01-25 | 电子科技大学 | 基于关键词广告的最优竞价策略方法 |
| CN109377257A (zh) * | 2018-09-07 | 2019-02-22 | 上海晶赞融宣科技有限公司 | 广告在线预算平滑分配的方法及装置、可读存储介质 |
| CN109697635A (zh) * | 2018-12-27 | 2019-04-30 | 拉扎斯网络科技（上海）有限公司 | 一种竞价获取方法、装置、电子设备及介质 |
| CN110070378A (zh) * | 2018-01-23 | 2019-07-30 | 优估（上海）信息科技有限公司 | 一种dsp广告投放竞价方法，装置及*** |
| CN110992114A (zh) * | 2019-12-24 | 2020-04-10 | 斑马网络技术有限公司 | 广告交易方法、平台、电子设备及计算机可读存储介质 |
| CN111091400A (zh) * | 2018-10-23 | 2020-05-01 | 第四范式（北京）技术有限公司 | 广告转化预测模型的生成以及投放广告的方法和装置 |
| CN111401943A (zh) * | 2020-03-10 | 2020-07-10 | 厦门美图之家科技有限公司 | 多源广告竞价***和方法 |
| CN111598677A (zh) * | 2020-07-24 | 2020-08-28 | 北京淇瑀信息科技有限公司 | 一种资源配额确定方法、装置和电子设备 |
| CN113222656A (zh) * | 2021-04-29 | 2021-08-06 | 西安点告网络科技有限公司 | 一种程序化广告投放方法、***、装置、设备及存储介质 |
| CN113674013A (zh) * | 2021-07-08 | 2021-11-19 | 上海百秋电子商务有限公司 | 一种基于商户自定义规则的广告竞价调整方法及*** |
| CN114841748A (zh) * | 2022-05-13 | 2022-08-02 | 北京奇艺世纪科技有限公司 | 广告投放方法、装置、电子设备及存储介质 |
-
2017
- 2017-08-08 CN CN201710671569.4A patent/CN107529654A/zh active Pending
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110070378A (zh) * | 2018-01-23 | 2019-07-30 | 优估（上海）信息科技有限公司 | 一种dsp广告投放竞价方法，装置及*** |
| CN108985829A (zh) * | 2018-07-04 | 2018-12-11 | 厦门美柚信息科技有限公司 | 一种网络广告快速投放的方法、***、电子设备及其介质 |
| CN109377257A (zh) * | 2018-09-07 | 2019-02-22 | 上海晶赞融宣科技有限公司 | 广告在线预算平滑分配的方法及装置、可读存储介质 |
| CN109377257B (zh) * | 2018-09-07 | 2023-08-18 | 上海晶赞融宣科技有限公司 | 广告在线预算平滑分配的方法及装置、可读存储介质 |
| CN109272356A (zh) * | 2018-09-19 | 2019-01-25 | 电子科技大学 | 基于关键词广告的最优竞价策略方法 |
| CN111091400A (zh) * | 2018-10-23 | 2020-05-01 | 第四范式（北京）技术有限公司 | 广告转化预测模型的生成以及投放广告的方法和装置 |
| CN109697635A (zh) * | 2018-12-27 | 2019-04-30 | 拉扎斯网络科技（上海）有限公司 | 一种竞价获取方法、装置、电子设备及介质 |
| CN110992114A (zh) * | 2019-12-24 | 2020-04-10 | 斑马网络技术有限公司 | 广告交易方法、平台、电子设备及计算机可读存储介质 |
| CN111401943A (zh) * | 2020-03-10 | 2020-07-10 | 厦门美图之家科技有限公司 | 多源广告竞价***和方法 |
| CN111598677A (zh) * | 2020-07-24 | 2020-08-28 | 北京淇瑀信息科技有限公司 | 一种资源配额确定方法、装置和电子设备 |
| CN113222656A (zh) * | 2021-04-29 | 2021-08-06 | 西安点告网络科技有限公司 | 一种程序化广告投放方法、***、装置、设备及存储介质 |
| CN113222656B (zh) * | 2021-04-29 | 2023-11-24 | 西安点告网络科技有限公司 | 一种程序化广告投放方法、***、装置、设备及存储介质 |
| CN113674013A (zh) * | 2021-07-08 | 2021-11-19 | 上海百秋电子商务有限公司 | 一种基于商户自定义规则的广告竞价调整方法及*** |
| CN113674013B (zh) * | 2021-07-08 | 2024-04-30 | 上海百秋新网商数字科技有限公司 | 一种基于商户自定义规则的广告竞价调整方法及*** |
| CN114841748A (zh) * | 2022-05-13 | 2022-08-02 | 北京奇艺世纪科技有限公司 | 广告投放方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107529654A (zh) | 一种面向展示广告竞价投放***的动态出价方法 | |
| AU2016349513B2 (en) | Systems and methods for performance driven dynamic geo-fence based targeting | |
| US9715699B1 (en) | System and method for pricing advertisement placements online in a real-time bidding environment | |
| US7908238B1 (en) | Prediction engines using probability tree and computing node probabilities for the probability tree | |
| Miralles-Pechuán et al. | A novel methodology for optimizing display advertising campaigns using genetic algorithms | |
| Chan et al. | Consumer search activities and the value of ad positions in sponsored search advertising | |
| CN105741133A (zh) | 一种针对在线广告投放的步进管理方法 | |
| US20120253927A1 (en) | Machine learning approach for determining quality scores | |
| US20060122879A1 (en) | Method and system for pricing electronic advertisements | |
| US11093977B2 (en) | Ad ranking system and method utilizing bids and adjustment factors based on the causal contribution of advertisements on outcomes | |
| CN107067274A (zh) | 一个基于混合学习模型的dsp实时竞价广告*** | |
| CN101268483A (zh) | 基于用户行为兴趣选择并通过网络递送广告的框架 | |
| US8296176B1 (en) | Matching visitors as leads to lead buyers | |
| WO2013010114A1 (en) | Analyzing effects of advertising | |
| US20080201251A1 (en) | Website exchange based on traders buying and selling fictitious shares of websites based upon anticipated returns of websites | |
| CN105205696A (zh) | 互联网广告实时竞价多广告主多因素流量分配方法 | |
| CN112163886B (zh) | 一种基于强化学习的实时竞价广告资源分配方法 | |
| US11367102B2 (en) | Using on-line and off-line projections to control information delivery to mobile devices | |
| CN111489186A (zh) | 一种面向展示广告自动投放装置的分时段预算管理方法 | |
| US20140058793A1 (en) | Forecasting a number of impressions of a prospective advertisement listing | |
| CN109615442A (zh) | 基于激励视频广告的rtb实时竞价方法 | |
| CN106296287A (zh) | 用于调整推广信息的出价的方法和装置 | |
| US10181130B2 (en) | Real-time updates to digital marketing forecast models | |
| WO2019052870A1 (en) | METHOD AND SYSTEM OF INTELLIGENT ADAPTIVE AUCTIONS IN AN AUTOMATED ONLINE EXCHANGE NETWORK | |
| US20150302467A1 (en) | System and method for real time selection of an optimal offer out of several competitive offers based on context |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180102 |
|
| WD01 | Invention patent application deemed withdrawn after publication |