CN109636491A - 一种搜索引擎广告关键词投放的优化方法及装置 - Google Patents

Abstract

本发明提供了一种搜索引擎广告关键词投放的优化方法及装置，该方法包括：获取待优化广告的优化配置数据，优化配置数据至少包括用于指示待优化广告所在广告账户的账户标识以及待优化广告的优化目标；至少基于账号标识，获取待优化广告所投放的关键词的与优化目标相关联的最新投放数据；将最新投放数据作为优化模型的输入以获得关键词的最优出价价格，优化模型是预先利用关键词的历史投放数据训练得到的，历史投放数据为至少基于账号标识获取到的、且与优化目标关联。本发明针对待优化广告的优化目标，可以利用预先生成的优化模型准确预测待优化广告所投放的关键词的最优出价价格。

Description

一种搜索引擎广告关键词投放的优化方法及装置

技术领域

本发明涉及互联网技术领域，更具体地说，涉及一种搜索引擎广告关键词投放的优化方法及装置。

背景技术

搜索引擎广告是一种应用广泛的互联网广告形式。当用户在搜索引擎上搜索的搜索词与广告主投放的关键词相匹配时，搜索引擎会触发搜索引擎广告。

为吸引尽可能多的目标用户，广告主往往会投放数量可观的关键词。但由于竞价排名原则，广告主投放不同关键词的价格并不相同，当然，不同关键词给广告主带来的转化效果也不一样。因此，为实现低成本高转化，如何优化搜索引擎广告关键词的投放，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，为解决上述问题，本发明提供一种搜索引擎广告关键词投放的优化方法及装置。技术方案如下：

一种搜索引擎广告关键词投放的优化方法，其特征在于，所述方法包括：

获取待优化广告的优化配置数据，所述优化配置数据至少包括用于指示所述待优化广告所在广告账户的账户标识以及所述待优化广告的优化目标；

至少基于所述账号标识，获取所述待优化广告所投放的关键词的与所述优化目标相关联的最新投放数据；

将所述最新投放数据作为优化模型的输入以获得所述关键词的最优出价价格，所述优化模型是预先利用所述关键词的历史投放数据训练得到的，所述历史投放数据为至少基于所述账号标识获取到的、且与所述优化目标关联。

优选的，预先利用所述历史投放数据训练得到的所述优化模型的过程，包括：

从所述历史投放数据中获取训练数据和测试数据；

对于指定算法中的每一个算法，采用该算法对所述训练数据进行运算分析得到候选模型，并使用所述测试数据对所述候选模型进行测试得到所述候选模型预测出价价格的误差；

选取误差符合第一指定条件的所述候选模型作为优化模型。

优选的，所述将所述最新投放数据作为优化模型的输入以获得所述关键词的最优出价价格之前，所述方法还包括：

对所述最新投放数据进行标准化处理。

优选的，所述至少基于所述账号标识，获取所述待优化广告所投放的关键词的与所述优化目标相关联的最新投放数据之前，所述方法还包括：

获取用于触发所述关键词中的任意一个或多个目标关键词的自然搜索词；

计算所述自然搜索词和所述自然搜索词所触发的各个所述目标关键词之间的相关度；

将相关度符合第二指定条件且不在所述关键词中的所述自然搜索词添加至所述关键词中。

优选的，所述计算所述自然搜索词和所述自然搜索词所触发的各个所述目标关键词之间的相关度之前，所述方法还包括：

至少基于所述自然搜索词的点击率对所述自然搜索词进行筛选。

优选的，在所述优化配置数据还包括优化周期的情况下，所述方法还包括：

按照所述优化周期定时执行所述至少基于所述账号标识，获取所述待优化广告所投放的关键词的与所述优化目标相关联的最新投放数据。

一种搜索引擎广告关键词投放的优化装置，所述装置包括：第一获取模块、第二获取模块和优化模块，所述优化模块中包括模型训练单元；

所述第一获取模块，用于获取待优化广告的优化配置数据，所述优化配置数据至少包括用于指示所述待优化广告所在广告账户的账户标识以及所述待优化广告的优化目标；

所述第二获取模块，用于至少基于所述账号标识，获取所述待优化广告所投放的关键词的与所述优化目标相关联的最新投放数据；

所述模型训练单元，用于预先利用所述关键词的历史投放数据训练得到优化模型，所述历史投放数据为至少基于所述账号标识获取到的、且与所述优化目标关联；

所述优化模块，用于将所述最新投放数据作为优化模型的输入以获得所述关键词的最优出价价格。

优选的，所述模型训练单元，具体用于：

从所述历史投放数据中获取训练数据和测试数据；对于指定算法中的每一个算法，采用该算法对所述训练数据进行运算分析得到候选模型，并使用所述测试数据对所述候选模型进行测试得到所述候选模型预测出价价格的误差；选取误差符合第一指定条件的所述候选模型作为优化模型。

优选的，所述装置还包括：关键词更新模块；

所述关键词更新模块，用于获取用于触发所述关键词中的任意一个或多个目标关键词的自然搜索词；计算所述自然搜索词和所述自然搜索词所触发的各个所述目标关键词之间的相关度；将相关度符合第二指定条件且不在所述关键词中的所述自然搜索词添加至所述关键词中。

优选的，所述关键词更新模块，还用于：

至少基于所述自然搜索词的点击率对所述自然搜索词进行筛选。

以上本发明提供的搜索引擎广告关键词投放的优化方法及装置，针对待优化广告的优化目标，可以利用预先生成的优化模型准确预测待优化广告所投放的关键词的最优出价价格。基于此，搜索引擎可以按该最优出价价格调整广告关键词的投放策略，从而实现低成本高转化的效果。

此外，由于优化模型是利用广告账户的历史投放数据训练得到，而历史投放数据可以基于季节性事件或周期变化进行更新，因此优化模型可以准确分析由季节性事件或周期变化所导致的出价变化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的搜索引擎广告关键词投放的优化方法的方法流程图；

图2为本发明实施例公开的搜索引擎广告关键词投放的优化方法的部分方法流程图；

图3为本发明实施例公开的搜索引擎广告关键词投放的优化方法的另一方法流程图；

图4为本发明实施例公开的搜索引擎广告关键词投放的优化方法的再一方法流程图；

图5为本发明实施例公开的搜索引擎广告关键词投放的优化装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

以下首先对广告投放领域的相关词汇做简单介绍：

转化：转化是指网民的身份产生转变的标志，如网民从普通浏览者升级为注册用户或购买用户等。转化标志一般指某些特定页面，如注册成功页、购买成功页、下载成功页等，这些页面的浏览量称为转化量。广告用户的转化量与广告到达量的比值称为广告转化率。

CPA：Cost Per Click,即以每一个有效行为(比如下载，注册)计费，也可记为获客成本。

CPC:Cost Per Click,即以每点击一次收费。

本发明实施例提供一种搜索引擎广告关键词投放的优化方法，该方法的方法流程图如图1所示，包括如下步骤：

S10，获取待优化广告的优化配置数据，优化配置数据至少包括用于指示待优化广告所在广告账户的账户标识以及待优化广告的优化目标。

在执行步骤S10的过程中，通过响应广告主针对待优化广告的优化配置操作，以获得优化配置数据。该优化配置数据至少包括账户标识(比如账户名称，再比如账户编号)和优化目标(比如提高转化，再比如降低CPA)，还可以包括其他参数，比如优化周期，再比如出价上下限等等。

需要说明的是，账户标识可以为一个，还可以为多个(也就是说，待优化广告在多个搜索引擎投放，此时待优化广告所在的广告账户即为多个)。

S20，至少基于账号标识，获取待优化广告所投放的关键词的与优化目标相关联的最新投放数据。

在执行步骤S20的过程中，可以通过API(Application Programming Interface，应用程序接口)或者模拟登陆的方式接入广告账户所对应的搜索引擎，进而从搜索引擎中获取关键词的与优化目标相关联的最新投放数据。具体过程如下：

1)至少基于账户标识获取待优化广告所投放的关键词的全部投放数据：在广告账户下仅存在该待优化广告的情况下，可以直接从搜索引擎获取账户标识对应的全部投放数据；在广告账户下除该待优化广告外，还存在其他广告，则可以直接从搜索引擎获取账户标识与待优化广告的广告标识对应的全部投放数据。

此外，待优化广告的广告标识可以唯一指示该待优化广告，可以包括待优化广告自身的ID、待优化广告所在广告组的ID和待优化广告所在计划的ID等等。

2)从全部投放数据中选取与优化目标相关的投放数据：读取预先配置的优化目标与关键词的数据项之间的关联关系，比如“提高转化”对应的数据项为“关键词出价价格和转化量”，再比如“降低CPA”对应的数据项为“关键词出价价格和CPA”。在此过程中，可以预先设置最新投放数据对应的时间段，也就是说哪个时间段的投放数据是最新的，比如最近1小时的投放数据为最新投放数据。

此外，如果优化配置数据还包括优化周期，则按照优化周期，比如每间隔1小时定时执行步骤S20及其后续步骤。这就可以及时预测关键词的最优出价价格，当然，还可以及时更新优化模型，保证预测的时效性。

S30，将最新投放数据作为优化模型的输入以获得关键词的最优出价价格，优化模型是预先利用关键词的历史投放数据训练得到的，历史投放数据为至少基于账号标识获取到的、且与优化目标关联。

在执行步骤S30的过程中，关键词的历史投放数据的获取过程可以参见上述最新投放数据的获取过程，可以预先设置历史投放数据对应的时间段，比如距离当前30天的投放数据为历史投放数据。

进一步，预先利用关键词的历史投放数据训练得到的优化模型，具有分析关键的不同出价价格对于不同优化目标的影响因子的功能，以优化目标为“提高转化”为例，优化模型可以获得关键词的不同出价价格对于转化量的影响因子，比如，关键词A的出价价格增加一定量、转化量提升一个点。

更进一步，将最新投放数据作为优化模型的输入，优化模块可以确定为实现优化目标、最新投放数据中关键词的出价价格需要被调整的量，此时优化模型可以输出调整后的关键词的出价价格，即关键词的最优出价价格。

最后，可以将关键词的最优出价价格发布至相应的搜索引擎并备份，由搜索引擎结合关键词的最优出价价格调整投放策略，比如在指定的投放时段内将关键词的实际出价价格均调整为相应的最优出价价格，进一步，通过监测指定时段内关键词采用最优出价价格时的投放效果，将该指定时段内花费大于指定花费阈值、但转化量低于指定转化量阈值的关键词的投放状态调整为暂停；其中，关键词在指定时段内的花费可以由该关键词在指定时段内的点击次数与该关键词的CPC来确定。

当然，如果优化配置数据中账户标识为多个，则该可以调整多个搜索引擎的投放策略实现跨平台控制预算消耗，比如广告a在搜索引擎b和c上均有投放、并且预算消耗为定值d，则为实现“预算消耗更快”这一优化目标，可以分别调整搜索引擎b和c中关键词的最优出价价格，并按照搜索引擎b和c预算消耗的速度分配预算消耗d。

需要说明的是，优化模型可以是采用指定算法，比如指定深度学习算法，再比如指定机器学习算法对历史投放数据进行运算分析得到的。当然，为训练得到性能最优的优化模型，在其他一些实施例中，步骤S30中“预先利用历史投放数据训练得到的优化模型”可以具体采用如下步骤，方法流程图如图2所示：

S301，从历史投放数据中获取训练数据和测试数据。

在执行步骤S301的过程中，可以按照指定比例随机从历史投放数据中分割出训练数据和测试数据。

S302，对于指定算法中的每一个算法，采用该算法对训练数据进行运算分析得到候选模型，并使用测试数据对候选模型进行测试得到候选模型预测出价价格的误差。

在执行步骤S302的过程中，指定算法可以是深度学习算法和/或机器学习算法中的一个或多个算法。以同一组训练数据和测试数据为例，采用各个算法分别对该训练数据进行运算分析得到该算法对应的候选模型，进而将该测试数据作为该候选模型的输入以获得该候选模型输出的为实现优化目标、关键词的出价价格，最后结合该测试数据对应的标定的出价价格来计算该候选模型的误差。

需要说明的是，基于候选模型输出的出价价格以及标定的出价价格计算误差的计算方式，本实施例对此不做限定，比如可以将两者的差量与标定的出价价格的比值作为误差。

S303，选取误差符合第一指定条件的候选模型作为优化模型。

在执行步骤S303的过程中，第一指定条件可以是误差最小，或者误差在一定范围内等等。可以理解的是，对于本实施例中未列举的其他第一指定条件，也在本实施例的保护范围内。

在其他一些实施例中，为提高数据质量，在图1所示的搜索引擎广告关键词投放的优化方法的基础上，还可以包括如下步骤，方法流程图如图3所示：

S40，对最新投放数据进行标准化处理。

在执行步骤S40的过程中，可以对最新投放数据做如下两方面的处理：一方面，结合搜索引擎的数据规则结构(比如文本格式、再比如Excel格式，再比如XML格式)对最新投放数据中的表征同一定义的数据项，比如转换的“转化”、“转换”和“Conversions”进行统一命名；另一方面，将最新投放数据转换为符合算法运算的格式和分布，比如正态分布，再比如逻辑分布。

在其他一些实施例中，为实现新增有效关键词，在图1所示的搜索引擎广告关键词投放的优化方法的基础上，还可以包括如下步骤，方法流程图如图4所示：

S50，获取用于触发关键词中的任意一个或多个目标关键词的自然搜索词。

在执行步骤S50的过程中，可以从搜索引擎中获取自然搜索词报告，该自然搜索词报告中记录有用于触发该待优化广告的任意一个或多个关键词的自然搜索词以及该自然搜索词的点击率。

S60，计算自然搜索词和自然搜索词所触发的各个目标关键词之间的相关度。

在执行步骤S60的过程中，对于一个自然搜索词以及该自然搜索词所触发的一个关键词来说，可以运用皮尔逊相关系数以及贝叶斯定理计算两者之间的相关度。这就可以防止将与待优化广告不相干的自然搜索词添加为关键词，比如自然搜索词“羽毛球鞋”出发了某广告主的广泛关键词“球鞋”并带来流量，但是该广告主本身不对羽毛球鞋做推广，从而通过相关度计算将“羽毛球鞋”排除在外。

此外，为减少计算量，可以至少基于点击率对自然搜索词进行筛选。比如选取点击率大于指定点击率阈值或者点击率最高的多个自然搜索词执行相关度计算以及后续步骤，当然，在点击率的基础上还可以设置其他筛选条件，比如字符数量小于指定字符数量阈值。

S70，将相关度符合第二指定条件且不在关键词中的自然搜索词添加至关键词中。

在执行步骤S70的过程中，第二指定条件可以为相关度大于指定相关度阈值，还可以是相关度在一定范围内等等。可以理解的是，对于本实施例中未列举的其他第二指定条件，也在本实施例的保护范围内。

本发明实施例提供的搜索引擎广告关键词投放的优化方法，针对待优化广告的优化目标，可以利用预先生成的优化模型准确预测待优化广告所投放的关键词的最优出价价格。基于此，搜索引擎可以按该最优出价价格调整广告关键词的投放策略，从而实现低成本高转化的效果。

基于上述实施例提供的搜索引擎广告关键词投放的优化方法，本发明实施例则对应提供执行上述搜索引擎广告关键词投放的优化方法的装置，该装置的结构示意图如图5所示，包括：第一获取模块10、第二获取模块20和优化模块30，优化模块30中包括模型训练单元301；

第一获取模块10，用于获取待优化广告的优化配置数据，优化配置数据至少包括用于指示待优化广告所在广告账户的账户标识以及待优化广告的优化目标。

第二获取模块20，用于至少基于账号标识，获取待优化广告所投放的关键词的与优化目标相关联的最新投放数据。

模型训练单元301，用于预先利用关键词的历史投放数据训练得到优化模型，历史投放数据为至少基于账号标识获取到的、且与优化目标关联。

优化模块30，用于将最新投放数据作为优化模型的输入以获得关键词的最优出价价格。

在其他一些实施例中，为训练得到性能最优的优化模型，模型训练单元301，具体用于：

从历史投放数据中获取训练数据和测试数据；对于指定算法中的每一个算法，采用该算法对训练数据进行运算分析得到候选模型，并使用测试数据对候选模型进行测试得到候选模型预测出价价格的误差；选取误差符合第一指定条件的候选模型作为优化模型。

在其他一些实施例中，为提高数据质量，在图1所示的搜索引擎广告关键词投放的优化方法的基础上，优化模块30，还用于：

对最新投放数据进行标准化处理。

在其他一些实施例中，为实现新增有效关键词，在图1所示的搜索引擎广告关键词投放的优化方法的基础上还包括关键词更新模块：

关键词更新模块，用于获取用于触发关键词中的任意一个或多个目标关键词的自然搜索词；计算自然搜索词和自然搜索词所触发的各个目标关键词之间的相关度；将相关度符合第二指定条件且不在关键词中的自然搜索词添加至关键词中。

在其他一些实施例中，为减少计算量，关键词更新模块，还用于：

至少基于自然搜索词的点击率对自然搜索词进行筛选。

本发明实施例提供的搜索引擎广告关键词投放的优化装置，针对待优化广告的优化目标，可以利用预先生成的优化模型准确预测待优化广告所投放的关键词的最优出价价格。基于此，搜索引擎可以按该最优出价价格调整广告关键词的投放策略，从而实现低成本高转化的效果。

以上对本发明所提供的一种搜索引擎广告关键词投放的优化方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素，或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种搜索引擎广告关键词投放的优化方法，其特征在于，所述方法包括：

获取待优化广告的优化配置数据，所述优化配置数据至少包括用于指示所述待优化广告所在广告账户的账户标识以及所述待优化广告的优化目标；

至少基于所述账号标识，获取所述待优化广告所投放的关键词的与所述优化目标相关联的最新投放数据；

将所述最新投放数据作为优化模型的输入以获得所述关键词的最优出价价格，所述优化模型是预先利用所述关键词的历史投放数据训练得到的，所述历史投放数据为至少基于所述账号标识获取到的、且与所述优化目标关联。

2.根据权利要求1所述的方法，其特征在于，预先利用所述历史投放数据训练得到的所述优化模型的过程，包括：

从所述历史投放数据中获取训练数据和测试数据；

对于指定算法中的每一个算法，采用该算法对所述训练数据进行运算分析得到候选模型，并使用所述测试数据对所述候选模型进行测试得到所述候选模型预测出价价格的误差；

选取误差符合第一指定条件的所述候选模型作为优化模型。

3.根据权利要求1所述的方法，其特征在于，所述将所述最新投放数据作为优化模型的输入以获得所述关键词的最优出价价格之前，所述方法还包括：

对所述最新投放数据进行标准化处理。

4.根据权利要求1所述的方法，其特征在于，所述至少基于所述账号标识，获取所述待优化广告所投放的关键词的与所述优化目标相关联的最新投放数据之前，所述方法还包括：

获取用于触发所述关键词中的任意一个或多个目标关键词的自然搜索词；

计算所述自然搜索词和所述自然搜索词所触发的各个所述目标关键词之间的相关度；

将相关度符合第二指定条件且不在所述关键词中的所述自然搜索词添加至所述关键词中。

5.根据权利要求4所述的方法，其特征在于，所述计算所述自然搜索词和所述自然搜索词所触发的各个所述目标关键词之间的相关度之前，所述方法还包括：

至少基于所述自然搜索词的点击率对所述自然搜索词进行筛选。

6.根据权利要求1所述的方法，其特征在于，在所述优化配置数据还包括优化周期的情况下，所述方法还包括：

按照所述优化周期定时执行所述至少基于所述账号标识，获取所述待优化广告所投放的关键词的与所述优化目标相关联的最新投放数据。

7.一种搜索引擎广告关键词投放的优化装置，其特征在于，所述装置包括：第一获取模块、第二获取模块和优化模块，所述优化模块中包括模型训练单元；

所述第一获取模块，用于获取待优化广告的优化配置数据，所述优化配置数据至少包括用于指示所述待优化广告所在广告账户的账户标识以及所述待优化广告的优化目标；

所述第二获取模块，用于至少基于所述账号标识，获取所述待优化广告所投放的关键词的与所述优化目标相关联的最新投放数据；

所述模型训练单元，用于预先利用所述关键词的历史投放数据训练得到优化模型，所述历史投放数据为至少基于所述账号标识获取到的、且与所述优化目标关联；

所述优化模块，用于将所述最新投放数据作为优化模型的输入以获得所述关键词的最优出价价格。

8.根据权利要求7所述的装置，其特征在于，所述模型训练单元，具体用于：

从所述历史投放数据中获取训练数据和测试数据；对于指定算法中的每一个算法，采用该算法对所述训练数据进行运算分析得到候选模型，并使用所述测试数据对所述候选模型进行测试得到所述候选模型预测出价价格的误差；选取误差符合第一指定条件的所述候选模型作为优化模型。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：关键词更新模块；

所述关键词更新模块，用于获取用于触发所述关键词中的任意一个或多个目标关键词的自然搜索词；计算所述自然搜索词和所述自然搜索词所触发的各个所述目标关键词之间的相关度；将相关度符合第二指定条件且不在所述关键词中的所述自然搜索词添加至所述关键词中。

10.根据权利要求9所述的装置，其特征在于，所述关键词更新模块，还用于：

至少基于所述自然搜索词的点击率对所述自然搜索词进行筛选。