CN107767175A - 一种基于信息点击率的信息投放处理方法及装置 - Google Patents

一种基于信息点击率的信息投放处理方法及装置 Download PDF

Info

Publication number
CN107767175A
CN107767175A CN201710974957.XA CN201710974957A CN107767175A CN 107767175 A CN107767175 A CN 107767175A CN 201710974957 A CN201710974957 A CN 201710974957A CN 107767175 A CN107767175 A CN 107767175A
Authority
CN
China
Prior art keywords
information
user
resource
msub
probability
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
Application number
CN201710974957.XA
Other languages
English (en)
Inventor
黄建凡
陈方毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Mei You Information Technology Co Ltd
Original Assignee
Xiamen Mei You Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Mei You Information Technology Co Ltd filed Critical Xiamen Mei You Information Technology Co Ltd
Priority to CN201710974957.XA priority Critical patent/CN107767175A/zh
Publication of CN107767175A publication Critical patent/CN107767175A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0263—Targeted advertisements based upon Internet or website rating

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开揭示了一种基于信息点击率的信息投放处理方法及装置，该方案包括：获取用户对每条信息的点击率预测值以及信息提供方为投放每条信息提供的交换资源；根据每条信息对应的点击率预测值和交换资源，预估投放每条信息产生的资源反馈数据；根据所述投放每条信息产生的资源反馈数据确定每条信息的展示概率；根据所述每条信息的展示概率，得到与每条信息的展示概率对应的数值区间，通过生成随机数，根据随机数所在数值区间，选择相应的信息向所述用户进行投放。

Description

一种基于信息点击率的信息投放处理方法及装置
技术领域
本公开涉及互联网技术领域，特别涉及一种基于信息点击率的信息投放处理方法及装置。
背景技术
众所周知，互联网广告是互联网行业最主要的赢利模式，流量变现成为互联网商业产品非常重要的评价标准。随着互联网人群定向技术的发展，互联网广告也开始摆脱单一、古板的交易模式，转而向更精确高效的交易模式转变。
传统媒体广告的投放，都是预先设定好，不管设定好的位置有没有用户观看，都会定时定点进行展示，使用户产生被强迫收看的不良感觉，致使部分用户伴随离开行为，对于广告公司来说，广告的投放，都是预先谈好价格和模式，以固定时间，固定模式进行广告的投放，不论投放效果如何，一旦确定好价格和模式，就必须定时定点进行广告投放，缺乏灵活性。
通常情况下，传统媒体广告的投放都是按照的“先竞标，后制作，再投放”的流程进行的，此种广告投放形式存在如下缺陷：投放模式相对固定，缺乏灵活性，不能确保实际的投放效果，造成广告资源浪费。
发明内容
为了解决相关技术中存在的广告投放模式相对固定，缺乏灵活性，不能确保实际的投放效果，造成广告资源浪费的问题，本公开提供了一种基于信息点击率的信息投放处理方法。
一方面，本公开提供了一种基于信息点击率的信息投放处理方法，该方法包括：
获取用户对每条信息的点击率预测值以及信息提供方为投放每条信息提供的交换资源；
根据每条信息对应的点击率预测值和交换资源，预估投放每条信息产生的资源反馈数据；
根据所述投放每条信息产生的资源反馈数据确定每条信息的展示概率；
根据所述每条信息的展示概率，得到与每条信息的展示概率对应的数值区间，通过生成随机数，根据随机数所在数值区间，选择相应的信息向所述用户进行投放。
另一方面，本公开还提供了一种基于信息点击率的信息投放处理装置，该装置包括：
参数获取模块，用于获取用户对每条信息的点击率预测值以及信息提供方为投放每条信息提供的交换资源；
反馈预估模块，用于根据每条信息对应的点击率预测值和交换资源，预估投放每条信息产生的资源反馈数据；
概率计算模块，用于根据所述投放每条信息产生的资源反馈数据确定每条信息的展示概率；
信息投放模块，用于根据所述每条信息的展示概率，得到与每条信息的展示概率对应的数值区间，通过生成随机数，根据随机数所在数值区间，选择相应的信息向所述用户进行投放。
本公开的实施例提供的技术方案可以包括以下有益效果：
本公开实施例提供的技术方案，基于用户对每条信息的点击率以及信息提供方为投放每条信息提供的交换资源计算每条信息的展示概率，从而既可以保证实际投放效果，还可以避免信息投放位置的浪费。基于每条信息的展示概率，通过生成随机数的方式，确定最终投放的信息，从而既可以保证展示概率高的信息有更多的展示机会，又可以避免每次都投放相同的信息，进而实现信息的多样化，使投放的信息内容更加丰富。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
图1是根据本公开所涉及的实施环境的示意图；
图2是根据一示例性实施例示出的一种服务器的框图；
图3是根据一示例性实施例示出的一种基于信息点击率的信息投放处理方法的流程图；
图4是图3对应实施例中步骤330的细节的流程示意图
图5是在图3对应实施例的基础上另一示例性实施例示出的一种基于信息点击率的信息投放处理方法的流程图；
图6是在图5对应实施例的基础上另一示例性实施例示出的一种基于信息点击率的信息投放处理方法的流程图；
图7是根据一示例性实施例示出的一种基于信息点击率的信息投放处理装置的框图；
图8是图7对应实施例中概率计算模块的细节框图。
具体实施方式
这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据本公开所涉及的实施环境的示意图。该实施环境包括：服务器110和多个移动终端120。
服务器110和多个移动终端120之间的关联方式，包括硬件的网络关联方式和/或协议，以及二者之间往来的数据关联方式。服务器110具备数据处理能力，服务器110可以根据移动终端120所属用户对每条信息的点击率预测值以及信息提供方为每条信息提供的交换资源，选择合适的信息向移动终端120所述用户进行投放。
参见图2，图2是本发明实施例提供的一种服务器结构示意图。该服务器200可因配置或性能不同而产生比较大的差异，可以包括一个或一个以***处理器(centralprocessing units，CPU)222(例如，一个或一个以上处理器)和存储器232，一个或一个以上存储应用程序242或数据244的存储介质230(例如一个或一个以上海量存储设备)。其中，存储器232和存储介质230可以是短暂存储或持久存储。存储在存储介质230的程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对服务器200中的一系列指令操作。更进一步地，中央处理器222可以设置为与存储介质230通信，在服务器200上执行存储介质230中的一系列指令操作。服务器200还可以包括一个或一个以上电源226，一个或一个以上有线或无线网络接口250，一个或一个以上输入输出接口258，和/或，一个或一个以上操作***241，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。下述图3-图6所示实施例中所述的由服务器所执行的步骤可以基于该图2所示的服务器结构。
本领域普通技术人员可以理解实现下述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
图3是根据一示例性实施例示出的一种基于信息点击率的信息投放处理方法的流程图。该信息投放处理方法的适用范围和执行主体，例如，该方法用于图1所示实施环境的服务器110。如图3所示，该信息投放处理方法，可以由服务器110执行，可以包括以下步骤。
在步骤310中，获取用户对每条信息的点击率预测值以及信息提供方为投放每条信息提供的交换资源；
具体的，该信息可以是指广告信息。需要说明的是，某一用户对每条信息的点击率预测值可以提前存储在服务器110的存储介质230中。点击率预测值是指该用户对每个信息进行点击的可能性，是一个概率值。点击率预测值可以采用现有的点击率预测方法事先进行计算，也可以采用下文所述的方式进行预估，在此不再赘述。
举例来说，假设投放的信息为广告信息，信息提供方可以是广告主或***商。以广告主为例，交换资源可以是广告主为投放每条信息所开出的价格(也就是出价)。出价的形式可以是按照CPC(每次点击价格)出价或CPM(每千次展示价格)出价。
在步骤320中，根据每条信息对应的点击率预测值和交换资源，预估投放每条信息产生的资源反馈数据；
以投放信息是广告信息为例，交换资源可以是广告主为每条广告的出价，每条信息产生的资源反馈数据可以是指广告投放服务方通过为广告主投放广告，获得的广告投放收益。
可选的，步骤320具体可以包括以下步骤：
根据每条信息对应的点击率预测值以及信息提供方为每条信息被点击提供的交换资源，预估每条信息被投放预设次数产生的资源反馈数据。
具体的，以投放广告为例，预设次数可以是千次，投放千次产生的资源反馈数据可以是千次展示收益(eCPM)，也就是投放一千次获得的收益，千次展示收益可以采用以下公式进行计算：
以CPC(每次点击价格)出价时，eCPM＝1000×CTR×CPC，其中CTR为点击率预测值。
以CPM(每千次展示价格)出价时：eCPM＝CPM。
由此，即使不同广告采用了不同的出价方式，也可以分别估算出投放每条广告获得的收益(投放一千次获得的收益)。
在步骤330中，根据所述投放每条信息产生的资源反馈数据确定每条信息的展示概率；
其中，展示概率是指信息获得展示的可能性大小。假设投放信息是广告，则展示概率可以是每条广告被投放的可能性大小。
具体的，可以设定一个用于控制不同资源反馈数据(如千次展示收益)展示概率差距的展示概率系数(μ)。其中，展示概率系数越大，则千次展示收益差距带来的展示概率差距就越大。在一种示例性实施例中，根据每个广告的eCPM和展示概率系数计算每条广告的展示概率可以采用如下公式(1)进行计算：
其中，Pi为第i条广告的展示概率，eCPMi为第i条广告的千次展示收益，μ为展示概率系数，n代表一共有n条广告。
可选的，如图4所示，上述步骤330具体可以包括以下步骤：
在步骤331中，获取各个信息提供方的剩余资源；
假设信息提供方为广告主，剩余资源可以是广告主的剩余预算或者账户余额。信息提供方的剩余资源数据可以存储在服务器110的存储介质230中，从而可以从存储介质230中获取信息提供方的剩余资源数据。
在步骤332中，根据所述各个信息提供方的剩余资源以及各个信息提供方所提供信息产生的资源反馈数据，计算每条信息的剩余投放次数；
以投放广告信息为例，对于某一广告A，广告A提供方的剩余资源可以用min表示，投放千次广告A为广告投放服务方获得的资源反馈数据(即千次展示收益)可以用eCPM表示，则广告A的剩余投放次数可以表示为
在步骤333中，根据所述每条信息的剩余投放次数，得到每条信息的降速系数；
需要说明的是，如果某一信息的信息提供方剩余资源较少，导致该信息的剩余展示(投放)次数较低时，则可以对该信息的展示概率乘以相应的降速系数。如下表1所示，为剩余展示次数和对应的降速系数示例。
表1剩余展示数和对应降速系数示例
剩余展示数 降速系数
＞20000 1(不做降速)
＜＝20000 0.5
＜＝10000 0.2
＜＝5000 0.1
从表1中可以看出，当剩余展示次数较多(＞20000)时，降速系数为1，也就是不做降速，在剩余展示次数不多(＜＝20000)时，对于不同的剩余展示数，可以分别设定降速系数值。降速系数与剩余展示数相对应，剩余展示数越少，降速系数越小。其中，降速系数和剩余展示数的对应关系可以根据历史经验提前设定。
在步骤334中，根据投放每条信息产生的资源反馈数据以及每条信息的降速系数，计算每条信息的展示概率。
可选的，根据投放每条信息产生的资源反馈数据以及每条信息的降速系数，计算每条信息的展示概率，可以采用以下公式(2)进行计算：
其中，Pi为第i条信息的展示概率，eCPM为资源反馈数据，eCPMi为第i条信息的资源反馈数据，μ为预设的展示概率系数，σi为第i条信息的降速系数，n为信息条数的总数。
从公式(2)中也可以看出，某一信息产生的资源反馈数据(eCPM)越大，该信息获得的展示概率越大，该信息提供方的剩余资源越多，剩余投放次数越大，从而降速系数越大，使该信息的展示概率也越大。
在步骤340中，根据所述每条信息的展示概率，得到与每条信息的展示概率对应的数值区间，通过生成随机数，根据随机数所在数值区间，选择相应的信息向所述用户进行投放。
举例来说，假设存在三个广告A、B、C的展示概率分别为0.1，0.3，0.6。可以将展示概率乘以100，得到10，30，60，可以将1-10作为广告A的数值区间，将11-40作为广告B的数值区间，将41-100作为广告C的数值区间，之后可以通过生成一个随机数，判断随机数落在哪个数值区间内，就选择对应的广告向用户展示。
例如，生成的随机数为32，落在广告B的区间11-40，则可以向用户投放广告B，对广告B进行展示。假设生成的随机数为61落在广告C的区间41-100，则返回广告C进行展示。
通过生成随机数的方式，可以保证每条信息都有被投放的可能，还不是每次都投放展示概率高的信息，从而可以避免每次都投放相同的信息，使投放的信息多样化，丰富信息种类。
可选的，在步骤310之前，本公开示例性实施例提供的基于信息点击率的信息投放处理方法还可能包括信息点击率预测步骤，如图5所示，具体可以包括以下步骤：
在步骤501中，获取用户特征以及每条信息特征；所述用户特征包括用户状态数据和用户偏好数据；所述每条信息特征包括信息静态特征和信息动态特征；
其中，用户状态数据包括身份状态数据(如未婚、已婚、记经期、备孕、怀孕、辣妈)、心情状态数据(伤心、不开心、一般、开心或超开心)、当前所处经期阶段数据(如月经期、安全期、易孕期和***后期)中的至少一种；用户偏好数据包括阅读偏好、购物偏好和广告偏好中的至少一种。信息静态特征包括信息投放的位置(信息流第3位)、信息所属行业(如汽车、食品、经融财经)和信息类型(如文字链、图片、下载等)；信息动态特征包括信息在不同用户群中的历史点击率(如在所有18岁用户中过去48小时内的点击率)。上述用户特征数据和信息特征数据可以提前存储在服务器110的存储介质230中。
在步骤502中，对所述用户特征以及每条信息特征进行编码，构建对应每条信息的新特征向量；
以某一条信息为例，可以对用户特征和信息静态特征做0、1编码(OHE，One-Hot-Encoding独热编码)，例如婚姻状态特征有两个取值，未婚和已婚，用一个二维向量表示，向量值为0或者1，假设第一个维度表示未婚，第二个维度表示已婚，由于一个用户只有一个状态，那么其向量只有一个维度的值是1，如未婚：[1,0]，已婚：[0,1]。以此类推，如用户身份模式：记经期为[1,0,0,0]；备孕为[0,1,0,0]；怀孕为[0,0,1,0]；辣妈为[0,0,0,1]。如广告类型：文字链为[1,0,0]；图片为[0,1,0]；下载为[0,0,1]，
对OHE后的用户特征和OHE后的信息特征做“与”(同时为1才为1，否则为0)运算，可以得到一个新向量。
信息动态特征包括信息在不同用户群中的历史点击率，也就是用户和信息交叉的反馈点击率，可以采用浮点数编码方式。点击率是一个浮点数，需要将其离散化，即采用等频划分的方法，将浮点数映射到区间段中，如按照[0,0.001)、[0.001,0.002)、[0.002,0.003)、[0.003,1]映射到这4个区间段，对应一个4维向量，当某个点击率(浮点数)的大小处于当前区间段中时，当前维度的值为1，其余为0。如当前反馈点击率为0.00243时，映射后得到的向量为[0,0,1,0]。
将上述“与”运算后得到的新向量和信息动态特征的向量组成新特征向量。根据需要该新特征向量中还可以加入其它特征的向量，例如当天是周几、第一个小时、反馈特征。反馈特征是指当一个信息投放一段时间(比如一个小时)后，会有一个这段时间(这一小时)的点击率，这个点击率是不断随着投放的进行不断得到反馈，故也称反馈点击率。
此外，还可以获取当前所处上下文的特征，上下文特征指的是待投放信息位置前后的内容情况，比如前一个广告是描述汽车的，接下来广告也是关于汽车的，二者是匹配的。总体而言，可以对上一广告的文字通过word2vec/doc2vec等将文字转换为(两个同维度的)向量，将待预测点击率的广告内容或标题也转换为向量，接着可以有三种做法：一)将两个向量直接放入新特征向量中；二)将向量通过按区间离散化后放入新特征向量中；三)计算两个向量的距离(如余弦距离)后加入到新特征向量中。
在步骤503中，将所述新特征向量输入预先建立的点击率预测模型，得到所述用户对每条信息的点击率预测值。
其中，点击率预测模型可以是逻辑回归模型。逻辑回归(Logistic Regression)模型是用于预测二进制分类结果的分类模型，被广泛应用在诸多领域，适用于响应变量是二分类(0不点击/1点击)变量的情况，其目标是对响应变量取二值之一的概率建模，而不是直接预测其取值。逻辑回归模型能够很好地描述0/1概率问题，因此可以用于点击率预测模型。
所谓点击率预测模型是用来量化点击事件的数据指标，点击率预测模型的建立包括不同的用户特征数据、信息特征数据，而这些特征数据正是造成点击率差异的原因，通过已有的信息数据训练出逻辑回归模型参数。之后将某一用户特征和某一信息特征输入已经经过训练的逻辑回归模型，就可以输出该用户对该信息的点击率预测值。
由于不同用户的特点不同，即使是同一用户，在不同时期，所处身体状态、心情等都不同，所以现有技术仅根据用户搜索的关键字向用户展示广告信息，并不能准确满足不同用户在不同时期对广告信息的需求，无法实现广告信息的精准投放，从而造成广告资源的浪费，而本公开基于用户在不同时期的状态可以更加准确预测用户对某种信息的点击率。
更进一步的，在上述步骤503之前，本公开示例性实施例提供的方法还可以包括构建点击率预测模型的步骤，如图6所示，具体可以包括以下步骤：
在步骤601中，从历史信息投放日志中，获取每条日志记录的所投放信息、所投放信息对应的历史投放用户，所述历史投放用户对所投放信息的点击情况；
以投放广告信息为例，可以从服务器110的存储介质230中获取历史广告投放日志。历史广告是指在预测用户对某一广告的点击率之前已经投放过的广告，是一个相对概念。另外需要说明的是，每条广告投放日志中记录了某用户的信息(如用户ID)、某广告的信息(如广告ID)，以及广告相对应的动作(如广告请求、下发、展示、点击)。因此，对投放日志做ETL(数据仓库技术)，可以从每条广告投放日志中，获取到所投放广告ID，该广告ID对应的用户ID，以及该用户ID对应用户对该广告ID对应广告的点击情况。其中，根据一个广告展示后，是否被点击可以打上两个标签值，展示-点击：1，展示-不点击：0。
在步骤602中，获取所述历史投放用户对应的历史用户特征和所投放信息对应的历史信息特征；所述历史信息特征包括历史信息动态特征和历史信息静态特征；
具体的，在从投放日志中获取到广告ID和用户ID后，可以根据用户ID获取到用户ID对应的历史用户特征，根据广告ID可以获取到广告ID对应的历史广告特征。
其中，历史用户特征包括历史用户状态数据和历史用户偏好数据。进一步的，历史用户状态数据包括历史用户的身份状态数据、心情状态数据、所处经期阶段数据中的至少一种；历史用户偏好数据包括阅读偏好、购物偏好和广告偏好中的至少一种。
历史信息特征包括历史信息动态特征和历史信息静态特征。以投放广告信息为例，历史信息动态特征包括：历史广告位置、历史广告所属行业和历史广告类型；历史信息静态特征包括历史广告在不同用户群中的历史点击率。其中，历史广告在不同用户群(如月经期用户群、18岁用户群)中的历史点击率可以根据历史广告投放记录计算出来。
在步骤603中，对所述历史用户特征和历史信息特征进行编码，构建历史特征向量；
对历史用户特征和历史信息特征进行编码的方式可以参见上述步骤502中对用户特征和信息特征进行编码的方式，在此不再赘述。
在步骤604中，根据所述历史投放用户对所投放信息的点击情况以及所述历史特征向量，训练逻辑回归模型，得到所述点击率预测模型。
其中，逻辑回归模型的表达形式为：
a代表信息特征，u代表用户特征，c代表其他特征(例如时间特征、上下文特征等)。x为特征向量，也就是a、u、c特征构成的历史特征向量。y＝1表示点击、y＝0表示不点击。w为系数向量，也就是需要求解的参数，wT表示转置。将构造出来的所有历史特征向量和对应的标签值(点击为1，不点击为0)作为训练集训练上述逻辑回归模型，通过极大似然估计法、梯度下降、随机梯度下降、拟牛顿法等(这些方法属于现有技术在此不再赘述)可以估计出模型参数w，将得到的参数w带入上式就可以得到点击率预测模型。
为了得到某一用户对某一信息的点击率预测值，就可以将该用户特征数据、该信息特征数据以及其他特征数据一起构建特征向量，将该特征向量作为x值输入上述点击率预测模型，就可以得到该用户对该信息的点击率预测值。
可选的，在上述步骤340之后，本公开示例性实施例提供的方法还可以包括以下步骤：
在步骤341中，根据投放每条信息产生的资源反馈数据，按照资源反馈数据的大小对每条信息进行排序；
具体的，以投放广告信息为例，资源反馈数据可以是指投放每条广告为广告投放服务方带来的收益，例如千次展示收益(eCPM)。其中，可以根据步骤320计算出的每条信息的eCPM，按照eCPM由大到小的顺序对所有广告进行排序。
在步骤342中，根据所投放信息在排序中的位置，计算投放所述信息消耗的资源，从所述信息的信息提供方剩余资源中扣除所消耗的资源。
举例来说，假设广告A、广告B、广告C、广告D按照eCPM由高到低依次排序，在步骤340进行信息投放时投放了广告B，则投放广告B广告主需要花费的金额为：
若出价方式为CPC(每次点击出价)，则也就是
若出价方式为CPM(每千次展示出价)，则也就是广告C的eCPM除以1000。
在计算出广告主需要花费的金额后，可以从广告主的剩余账户中扣除因投放广告消耗的费用，如果出价方式是CPC，在被点击时进行扣费，如果出价方式是CPM，则展示时进行扣费。
下述为本公开装置实施例，可以用于执行本公开上述服务器110执行的一基于信息点击率的信息投放处理方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开基于信息点击率的信息投放处理方法实施例。
图7是根据一示例性实施例示出的一种基于信息点击率的信息投放处理装置的框图，该基于信息点击率的信息投放处理装置可以用于图1所示实施环境的服务器110中，执行图3-6任一所示的基于信息点击率的信息投放处理方法的全部或者部分步骤。如图7所示，该基于信息点击率的信息投放处理装置包括但不限于：参数获取模块710、反馈预估模块720、概率计算模块730、信息投放模块740；
参数获取模块710，用于获取用户对每条信息的点击率预测值以及信息提供方为投放每条信息提供的交换资源；
反馈预估模块720，用于根据每条信息对应的点击率预测值和交换资源，预估投放每条信息产生的资源反馈数据；
概率计算模块730，用于根据所述投放每条信息产生的资源反馈数据确定每条信息的展示概率；
信息投放模块740，用于根据所述每条信息的展示概率，得到与每条信息的展示概率对应的数值区间，通过生成随机数，根据随机数所在数值区间，选择相应的信息向所述用户进行投放。
上述装置中各个模块的功能和作用的实现过程具体详见上述基于信息点击率的信息投放处理方法中对应步骤的实现过程，在此不再赘述。
参数获取模块710比如可以是图2中的某一个物理结构输入输出接口258。
反馈预估模块720、概率计算模块730、信息投放模块740也可以是功能模块，用于执行上述基于信息点击率的信息投放处理方法中的对应步骤。可以理解，这些模块可以通过硬件、软件、或二者结合来实现。当以硬件方式实现时，这些模块可以实施为一个或多个硬件模块，例如一个或多个专用集成电路。当以软件方式实现时，这些模块可以实施为在一个或多个处理器上执行的一个或多个计算机程序，例如图2的中央处理器222所执行的存储在存储器232中的程序。
可选的，所述装置还包括：
特征获取模块，用于获取用户特征以及每条信息特征；所述用户特征包括用户状态数据和用户偏好数据；所述每条信息特征包括信息静态特征和信息动态特征；
向量构建模块，用于对所述用户特征以及每条信息特征进行编码，构建对应每条信息的新特征向量；
点击预测模块，用于将所述新特征向量输入预先建立的点击率预测模型，得到所述用户对每条信息的点击率预测值。
可选的，所述装置还包括：
历史信息模块，用于从历史信息投放日志中，获取每条日志记录的所投放信息、所投放信息对应的历史投放用户，所述历史投放用户对所投放信息的点击情况；
历史特征获取模块，用于获取所述历史投放用户对应的历史用户特征和所投放信息对应的历史信息特征；所述历史信息特征包括历史信息动态特征和历史信息静态特征；
历史向量构建模块，用于将所述历史用户特征和历史信息特征信进行编码，构建历史特征向量；
模型构建模块，用于根据所述历史投放用户对所投放信息的点击情况以及所述历史特征向量，训练逻辑回归模型，得到所述点击率预测模型。
可选的，所述反馈预估模块包括：
资源预估单元，用于根据每条信息对应的点击率预测值以及信息提供方为每条信息被点击提供的交换资源，预估每条信息被投放预设次数产生的资源反馈数据。
可选的，如图8所示，所述概率计算模块730包括：
剩余资源模块单元731，用于获取各个信息提供方的剩余资源；
剩余次数计算单元732，用于根据所述各个信息提供方的剩余资源以及各个信息提供方所提供信息产生的资源反馈数据，计算每条信息的剩余投放次数；
降速系数计算单元733，用于根据所述每条信息的剩余投放次数，得到每条信息的降速系数；
展示概率计算单元734，用于根据投放每条信息产生的资源反馈数据以及每条信息的降速系数，计算每条信息的展示概率。
可选的，所述展示概率计算单元734根据以下公式计算每条信息的展示概率：
其中，Pi为第i条信息的展示概率，eCPM为资源反馈数据，eCPMi为第i条信息的资源反馈数据，μ为预设的展示概率系数，σi为第i条信息的降速系数，n为信息条数的总数。
可选的，所述装置还包括：
信息排序模块，用于根据投放每条信息产生的资源反馈数据，按照资源反馈数据的大小对每条信息进行排序；
资源扣除模块，用于根据所投放信息在排序中的位置，计算投放所述信息消耗的资源，从所述信息的信息提供方剩余资源中扣除所消耗的资源。
可选的，本公开还提供一种电子设备，该电子设备可以用于图1所示实施环境的服务器110中，执行图3-图6任一所示的基于信息点击率的信息投放处理方法的全部或者部分步骤。所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述实施例所述的基于信息点击率的信息投放处理方法。
该实施例中的电子设备的处理器执行操作的具体方式已经在有关该基于信息点击率的信息投放处理方法的实施例中执行了详细描述，此处将不做详细阐述说明。
在示例性实施例中，还提供了一种存储介质，该存储介质为计算机可读存储介质，例如可以为包括指令的临时性和非临时性计算机可读存储介质。该存储介质存储有计算机程序，该计算机程序可由处理器执行以完成上述基于信息点击率的信息投放处理方法。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (14)

1.一种基于信息点击率的信息投放处理方法，其特征在于，包括：
获取用户对每条信息的点击率预测值以及信息提供方为投放每条信息提供的交换资源；
根据每条信息对应的点击率预测值和交换资源，预估投放每条信息产生的资源反馈数据；
根据所述投放每条信息产生的资源反馈数据确定每条信息的展示概率；
根据所述每条信息的展示概率，得到与每条信息的展示概率对应的数值区间，通过生成随机数，根据随机数所在数值区间，选择相应的信息向所述用户进行投放。
2.根据权利要求1所述的方法，其特征在于，在所述获取用户对每条信息的点击率预测值之前，所述方法还包括：
获取用户特征以及每条信息特征；所述用户特征包括用户状态数据和用户偏好数据；所述每条信息特征包括信息静态特征和信息动态特征；
对所述用户特征以及每条信息特征进行编码，构建对应每条信息的新特征向量；
将所述新特征向量输入预先建立的点击率预测模型，得到所述用户对每条信息的点击率预测值。
3.根据权利要求2所述的方法，其特征在于，在所述将新特征向量输入预先建立的点击率预测模型，得到所述用户对每条信息的点击率预测值之前，所述方法还包括：
从历史信息投放日志中，获取每条日志记录的所投放信息、所投放信息对应的历史投放用户，所述历史投放用户对所投放信息的点击情况；
获取所述历史投放用户对应的历史用户特征和所投放信息对应的历史信息特征；所述历史信息特征包括历史信息动态特征和历史信息静态特征；
将所述历史用户特征和历史信息特征信进行编码，构建历史特征向量；
根据所述历史投放用户对所投放信息的点击情况以及所述历史特征向量，训练逻辑回归模型，得到所述点击率预测模型。
4.根据权利要求1所述的方法，其特征在于，所述根据每条信息对应的点击率预测值和交换资源，预估投放每条信息产生的资源反馈数据，包括：
根据每条信息对应的点击率预测值以及信息提供方为每条信息被点击提供的交换资源，预估每条信息被投放预设次数产生的资源反馈数据。
5.根据权利要求1所述的方法，其特征在于，所述根据投放每条信息产生的资源反馈数据确定每条信息的展示概率，包括：
获取各个信息提供方的剩余资源；
根据所述各个信息提供方的剩余资源以及各个信息提供方所提供信息产生的资源反馈数据，计算每条信息的剩余投放次数；
根据所述每条信息的剩余投放次数，得到每条信息的降速系数；
根据投放每条信息产生的资源反馈数据以及每条信息的降速系数，计算每条信息的展示概率。
6.根据权利要求5所述的方法，其特征在于，所述根据投放每条信息产生的资源反馈数据以及每条信息的降速系数，计算每条信息的展示概率，采用以下公式进行计算：
<mrow> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>eCPM</mi> <mi>i</mi> <mi>&amp;mu;</mi> </msubsup> <mo>&amp;times;</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> </mrow> <mrow> <msubsup> <mi>eCPM</mi> <mn>1</mn> <mi>&amp;mu;</mi> </msubsup> <mo>&amp;times;</mo> <msub> <mi>&amp;sigma;</mi> <mn>1</mn> </msub> <mo>+</mo> <msubsup> <mi>eCPM</mi> <mn>2</mn> <mi>&amp;mu;</mi> </msubsup> <mo>&amp;times;</mo> <msub> <mi>&amp;sigma;</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msubsup> <mi>eCPM</mi> <mi>n</mi> <mi>&amp;mu;</mi> </msubsup> <mo>&amp;times;</mo> <msub> <mi>&amp;sigma;</mi> <mi>n</mi> </msub> </mrow> </mfrac> </mrow>
其中，Pi为第i条信息的展示概率，eCPM为资源反馈数据，eCPMi为第i条信息的资源反馈数据，μ为预设的展示概率系数，σi为第i条信息的降速系数，n为信息条数的总数。
7.根据权利要求1所述的方法，其特征在于，所述根据每条信息的展示概率，得到与每条信息的展示概率对应的数值区间，通过生成随机数，根据随机数所在数值区间，选择相应的信息向所述用户进行投放之后，所述方法还包括：
根据投放每条信息产生的资源反馈数据，按照资源反馈数据的大小对每条信息进行排序；
根据所投放信息在排序中的位置，计算投放所述信息消耗的资源，从所述信息的信息提供方剩余资源中扣除所消耗的资源。
8.一种基于信息点击率的信息投放处理装置，其特征在于，包括：
参数获取模块，用于获取用户对每条信息的点击率预测值以及信息提供方为投放每条信息提供的交换资源；
反馈预估模块，用于根据每条信息对应的点击率预测值和交换资源，预估投放每条信息产生的资源反馈数据；
概率计算模块，用于根据所述投放每条信息产生的资源反馈数据确定每条信息的展示概率；
信息投放模块，用于根据所述每条信息的展示概率，得到与每条信息的展示概率对应的数值区间，通过生成随机数，根据随机数所在数值区间，选择相应的信息向所述用户进行投放。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
特征获取模块，用于获取用户特征以及每条信息特征；所述用户特征包括用户状态数据和用户偏好数据；所述每条信息特征包括信息静态特征和信息动态特征；
向量构建模块，用于对所述用户特征以及每条信息特征进行编码，构建对应每条信息的新特征向量；
点击预测模块，用于将所述新特征向量输入预先建立的点击率预测模型，得到所述用户对每条信息的点击率预测值。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
历史信息模块，用于从历史信息投放日志中，获取每条日志记录的所投放信息、所投放信息对应的历史投放用户，所述历史投放用户对所投放信息的点击情况；
历史特征获取模块，用于获取所述历史投放用户对应的历史用户特征和所投放信息对应的历史信息特征；所述历史信息特征包括历史信息动态特征和历史信息静态特征；
历史向量构建模块，用于将所述历史用户特征和历史信息特征信进行编码，构建历史特征向量；
模型构建模块，用于根据所述历史投放用户对所投放信息的点击情况以及所述历史特征向量，训练逻辑回归模型，得到所述点击率预测模型。
11.根据权利要求8所述的装置，其特征在于，所述反馈预估模块包括：
资源预估单元，用于根据每条信息对应的点击率预测值以及信息提供方为每条信息被点击提供的交换资源，预估每条信息被投放预设次数产生的资源反馈数据。
12.根据权利要求8所述的装置，其特征在于，所述概率计算模块包括：
剩余资源模块单元，用于获取各个信息提供方的剩余资源；
剩余次数计算单元，用于根据所述各个信息提供方的剩余资源以及各个信息提供方所提供信息产生的资源反馈数据，计算每条信息的剩余投放次数；
降速系数计算单元，用于根据所述每条信息的剩余投放次数，得到每条信息的降速系数；
展示概率计算单元，用于根据投放每条信息产生的资源反馈数据以及每条信息的降速系数，计算每条信息的展示概率。
13.根据权利要求12所述的装置，其特征在于，所述展示概率计算单元根据以下公式计算每条信息的展示概率：
<mrow> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>eCPM</mi> <mi>i</mi> <mi>&amp;mu;</mi> </msubsup> <mo>&amp;times;</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> </mrow> <mrow> <msubsup> <mi>eCPM</mi> <mn>1</mn> <mi>&amp;mu;</mi> </msubsup> <mo>&amp;times;</mo> <msub> <mi>&amp;sigma;</mi> <mn>1</mn> </msub> <mo>+</mo> <msubsup> <mi>eCPM</mi> <mn>2</mn> <mi>&amp;mu;</mi> </msubsup> <mo>&amp;times;</mo> <msub> <mi>&amp;sigma;</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msubsup> <mi>eCPM</mi> <mi>n</mi> <mi>&amp;mu;</mi> </msubsup> <mo>&amp;times;</mo> <msub> <mi>&amp;sigma;</mi> <mi>n</mi> </msub> </mrow> </mfrac> </mrow>
其中，Pi为第i条信息的展示概率，eCPM为资源反馈数据，eCPMi为第i条信息的资源反馈数据，μ为预设的展示概率系数，σi为第i条信息的降速系数，n为信息条数的总数。
14.根据权利要求8所述的装置，其特征在于，所述装置还包括：
信息排序模块，用于根据投放每条信息产生的资源反馈数据，按照资源反馈数据的大小对每条信息进行排序；
资源扣除模块，用于根据所投放信息在排序中的位置，计算投放所述信息消耗的资源，从所述信息的信息提供方剩余资源中扣除所消耗的资源。
CN201710974957.XA 2017-10-19 2017-10-19 一种基于信息点击率的信息投放处理方法及装置 Pending CN107767175A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710974957.XA CN107767175A (zh) 2017-10-19 2017-10-19 一种基于信息点击率的信息投放处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710974957.XA CN107767175A (zh) 2017-10-19 2017-10-19 一种基于信息点击率的信息投放处理方法及装置

Publications (1)

Publication Number Publication Date
CN107767175A true CN107767175A (zh) 2018-03-06

Family

ID=61269377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710974957.XA Pending CN107767175A (zh) 2017-10-19 2017-10-19 一种基于信息点击率的信息投放处理方法及装置

Country Status (1)

Country Link
CN (1) CN107767175A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108876472A (zh) * 2018-07-02 2018-11-23 微梦创科网络科技（中国）有限公司 一种信息投放方法与装置
CN109493138A (zh) * 2018-11-06 2019-03-19 北京达佳互联信息技术有限公司 信息推荐方法、装置、服务器及存储介质
CN109559158A (zh) * 2018-11-06 2019-04-02 北京奇虎科技有限公司 推广信息投放方法、装置、电子设备及可读存储介质
CN109858942A (zh) * 2018-11-06 2019-06-07 北京奇虎科技有限公司 推广信息展示方法、装置、电子设备及可读存储介质
CN111724208A (zh) * 2020-06-23 2020-09-29 湖南快乐阳光互动娱乐传媒有限公司 一种数据发送方法、装置、设备和***
CN111738766A (zh) * 2020-06-23 2020-10-02 北京达佳互联信息技术有限公司 用于多媒体信息的数据处理方法、装置以及服务器
CN111932309A (zh) * 2020-08-13 2020-11-13 北京达佳互联信息技术有限公司 资源参考信息确定方法、装置、服务器和存储介质
CN112214306A (zh) * 2019-07-11 2021-01-12 北京字节跳动网络技术有限公司 内容展示权重值的计算方法、装置、电子设备及计算机可读存储介质
CN112396473A (zh) * 2020-12-23 2021-02-23 上海苍苔信息技术有限公司 一种提高ctr值的cpm***和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592235A (zh) * 2011-12-28 2012-07-18 北京品友互动信息技术有限公司 一种互联网广告投放***
CN102693496A (zh) * 2012-05-04 2012-09-26 亿赞普(北京)科技有限公司 在线广告投放方法及在线广告投放装置
US20150006280A1 (en) * 2013-07-01 2015-01-01 Yahoo! Inc. Quality scoring system for advertisements and content in an online system
CN105096150A (zh) * 2014-05-14 2015-11-25 阿里巴巴集团控股有限公司 需求方平台的数据处理方法及需求方平台
CN105631711A (zh) * 2015-12-30 2016-06-01 合一网络技术(北京)有限公司 一种广告投放方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592235A (zh) * 2011-12-28 2012-07-18 北京品友互动信息技术有限公司 一种互联网广告投放***
CN102693496A (zh) * 2012-05-04 2012-09-26 亿赞普(北京)科技有限公司 在线广告投放方法及在线广告投放装置
US20150006280A1 (en) * 2013-07-01 2015-01-01 Yahoo! Inc. Quality scoring system for advertisements and content in an online system
CN105096150A (zh) * 2014-05-14 2015-11-25 阿里巴巴集团控股有限公司 需求方平台的数据处理方法及需求方平台
CN105631711A (zh) * 2015-12-30 2016-06-01 合一网络技术(北京)有限公司 一种广告投放方法及装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108876472A (zh) * 2018-07-02 2018-11-23 微梦创科网络科技（中国）有限公司 一种信息投放方法与装置
CN108876472B (zh) * 2018-07-02 2021-11-12 微梦创科网络科技（中国）有限公司 一种信息投放方法与装置
CN109493138B (zh) * 2018-11-06 2021-07-16 北京达佳互联信息技术有限公司 信息推荐方法、装置、服务器及存储介质
CN109858942A (zh) * 2018-11-06 2019-06-07 北京奇虎科技有限公司 推广信息展示方法、装置、电子设备及可读存储介质
CN109559158A (zh) * 2018-11-06 2019-04-02 北京奇虎科技有限公司 推广信息投放方法、装置、电子设备及可读存储介质
CN109493138A (zh) * 2018-11-06 2019-03-19 北京达佳互联信息技术有限公司 信息推荐方法、装置、服务器及存储介质
CN109858942B (zh) * 2018-11-06 2023-12-15 三六零科技集团有限公司 推广信息展示方法、装置、电子设备及可读存储介质
CN112214306A (zh) * 2019-07-11 2021-01-12 北京字节跳动网络技术有限公司 内容展示权重值的计算方法、装置、电子设备及计算机可读存储介质
CN111724208A (zh) * 2020-06-23 2020-09-29 湖南快乐阳光互动娱乐传媒有限公司 一种数据发送方法、装置、设备和***
CN111738766A (zh) * 2020-06-23 2020-10-02 北京达佳互联信息技术有限公司 用于多媒体信息的数据处理方法、装置以及服务器
CN111738766B (zh) * 2020-06-23 2023-10-27 北京达佳互联信息技术有限公司 用于多媒体信息的数据处理方法、装置以及服务器
CN111724208B (zh) * 2020-06-23 2024-03-26 湖南快乐阳光互动娱乐传媒有限公司 一种数据发送方法、装置、设备和***
CN111932309A (zh) * 2020-08-13 2020-11-13 北京达佳互联信息技术有限公司 资源参考信息确定方法、装置、服务器和存储介质
CN112396473A (zh) * 2020-12-23 2021-02-23 上海苍苔信息技术有限公司 一种提高ctr值的cpm***和方法

Similar Documents

Publication Publication Date Title
CN107767175A (zh) 一种基于信息点击率的信息投放处理方法及装置
CN107657488A (zh) 基于广告匹配的广告投放处理方法及装置
CN107657486A (zh) 一种广告投放方法及装置
US20210334845A1 (en) Method and system for generation of at least one output analytic for a promotion
US20210035152A1 (en) Predicting the effectiveness of a marketing campaign prior to deployment
CN104965890B (zh) 广告推荐的方法和装置
Miralles-Pechuán et al. A novel methodology for optimizing display advertising campaigns using genetic algorithms
CN107767174A (zh) 一种广告点击率的预测方法及装置
US10262336B2 (en) Non-converting publisher attribution weighting and analytics server and method
US20080091517A1 (en) System and method for optimization of viral marketing efforts
CN107657487A (zh) 一种基于校验的广告投放方法及装置
US20110231239A1 (en) Method and system for attributing an online conversion to multiple influencers
US11227309B2 (en) Method and system for optimizing user grouping for advertisement
JP2014207011A (ja) コンバージョン信頼度評価
Goodwin et al. The challenges of pre-launch forecasting of adoption time series for new durable products
Yeo et al. Predicting online purchase conversion for retargeting
CN111798280B (zh) 多媒体信息推荐方法、装置和设备及存储介质
CN110880127B (zh) 消费水平的预测方法、装置、电子设备及存储介质
Zhou et al. An efficient deep distribution network for bid shading in first-price auctions
US11887167B2 (en) Utilizing machine learning models to generate an optimized digital marketing simulation
CN113761348A (zh) 一种信息推荐方法、装置、电子设备和存储介质
CN110046928A (zh) 确定标签的方法、装置、电子设备及可读存储介质
US11494686B1 (en) Artificial intelligence system for relevance analysis of data stream items using similarity groups and attributes
CN115147144A (zh) 数据处理方法及电子设备
CN111768243A (zh) 销量预测方法、预测模型构建方法、装置、设备及介质

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
CB02 Change of applicant information

Address after: 361000 Area 1F-D1, Huaxun Building A, Software Park, Xiamen Torch High-tech Zone, Xiamen City, Fujian Province

Applicant after: Xiamen Meishao Co., Ltd.

Address before: Software Park Siming District of Xiamen city in Fujian province 361008 two sunrise Road No. 22 Room 102, unit G03

Applicant before: XIAMEN MEIYOU INFORMATION SCIENCE & TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20180306

RJ01 Rejection of invention patent application after publication