CN113822703A - 一种曝光量分配方法、装置、电子设备及存储介质 - Google Patents
一种曝光量分配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113822703A CN113822703A CN202111017418.XA CN202111017418A CN113822703A CN 113822703 A CN113822703 A CN 113822703A CN 202111017418 A CN202111017418 A CN 202111017418A CN 113822703 A CN113822703 A CN 113822703A
- Authority
- CN
- China
- Prior art keywords
- data
- exposure
- target
- time unit
- merchant
- 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
Images
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0607—Regulated
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种曝光量分配方法、装置、电子设备及存储介质。所述方法,包括:针对在最近的一个预设时间段内入驻的任一目标商家,获取目标商家自身的经营基础数据,以及目标商家所处的流量竞争范围内的曝光加权竞争数据,曝光加权竞争数据包括流量竞争范围内的总曝光量数据、流量竞争范围每个商家的曝光量加权数据中的至少一种;基于经营基础数据以及曝光加权竞争数据,获取目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值;获取预估收益分值最高M个时间单位,作为目标商家的曝光加权时间并在曝光加权时间针对目标商家进行曝光加权,M小于等于N。从而提高商家的曝光加权时机的准确性以及新商家的曝光均衡性。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种曝光量分配方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展和智能终端设备的普及,越来越多的线下商家入驻电商平台,以通过电商平台打通线下商家与消费者之间的信息交互渠道。当消费者通过其终端设备上运行的应用软件进入电商平台主页后,电商平台会向该应用软件推送商家的店铺推广信息,即店铺广告信息,从而向消费者展示该商家的店铺,以促进消费者进入店铺主页消费。
而且平台将商家展示给用户时,一般会基于商家各方面的综合经营情况进行排序,而对于新开商家,其经营数据较少,经营能力相对较低,排在靠前位置的可能性比较小。为了扶持新商家,可以为新商家加权,以提高其曝光量。相关技术允许商家自主选择开启加权的时间,并在截止日期之后为商家自动开启剩余的加权额度,以保证商家能使用掉全部加权。但由于商家对加权时机、流量竞争情况不了解,导致大部分商家开启加权的时机不佳,使得加权带来的曝光机会仍然较少。
发明内容
本发明实施例提供一种曝光量分配方法、装置、电子设备及存储介质,以解决相关技术中曝光加权时机不佳,影响新商家曝光量的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种曝光量分配方法,包括:
针对在最近的一个预设时间段内入驻的任一目标商家,获取所述目标商家自身的经营基础数据,以及所述目标商家所处的流量竞争范围内的曝光加权竞争数据,所述曝光加权竞争数据包括所述流量竞争范围内的总曝光量数据、所述流量竞争范围每个商家的曝光量加权数据中的至少一种;
基于所述经营基础数据以及所述曝光加权竞争数据,获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值,N为正整数;
获取所述预估收益分值最高M个时间单位,作为所述目标商家的曝光加权时间并在所述曝光加权时间针对所述目标商家进行曝光加权,M为正整数,且M小于等于N。
可选地,所述基于所述经营基础数据以及所述曝光加权竞争数据,获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值的步骤,包括:
针对所述N个时间单位中的任意一个时间单位,获取所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,所述目标经营基础数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的经营基础数据,所述目标曝光加权竞争数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的曝光加权竞争数据;
根据所述目标经营基础数据,获取所述目标商家在所述时间单位内的第一分值元素;
根据所述目标曝光加权竞争数据,获取所述目标商家在所述时间单位内的第二分值元素;
根据所述第一分值元素和所述第二分值元素,以及每种分值元素的权重,获取所述目标商家在所述时间单位内进行曝光加权的预估收益分值。
可选地,所述针对所述N个时间单位中的任意一个时间单位,获取所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据的步骤,包括:
针对所述N个时间单位中的任一时间单位,获取所述时间单位的时间属性,所述时间属性包括是否为节假日、天气类别中的至少一种;
根据所述时间单位的时间属性,获取包括距离所述时间单位最近的J个目标时间单位内,所述目标商家的经营基础数据以及目标商家所处流量竞争范围内的曝光加权竞争数据,作为所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,J为正整数;
其中,所述目标时间单位包括所述时间单位,以及在所述时间单位之前,且与所述时间单位的时间属性相同的时间单位。
可选地,所述根据所述目标经营基础数据,获取所述目标商家在所述时间单位内的第一分值元素的步骤,包括:
获取所述流量竞争范围内作为参考的标杆商家的经营基础数据;
针对所述目标经营基础数据中包含的每个经营数据维度,以所述标杆商家在所述经营数据维度下的经营基础数据为基准,对所述目标商家在所述经营数据维度下的目标经营基础数据进行标准化处理,得到所述目标商家在每个所述经营数据维度下的分值;
根据所述目标商家在每个所述经营数据维度下的分值,获取所述目标商家在所述时间单位内的第一分值元素。
可选地,所述经营数据维度包括外卖平台经营数据维度、到店平台经营数据维度、线下门店客流数据维度、客流与订单之间的转化数据维度、门店出餐时长数据维度中的至少一种。
可选地,所述根据所述目标曝光加权竞争数据,获取所述目标商家在所述时间单位内的第二分值元素的步骤,包括:
从所述目标曝光加权竞争数据中获取在所述时间单位之前的曝光加权竞争数据,作为所述时间单位的参考曝光加权竞争数据;
针对所述目标曝光加权竞争数据中包含的每个竞争数据维度,以所述竞争数据维度下的参考曝光加权竞争数据,确定所述竞争数据维度下的标杆数据;
以所述竞争数据维度下的标杆数据为基准,对所述时间单位内所述竞争数据维度下的目标曝光加权竞争数据进行标准化处理,得到所述目标商家在所述竞争数据维度下的分值;
根据所述目标商家在每个所述竞争数据维度下的分值,获取所述目标商家在所述时间单位内的第二分值元素。
可选地,所述曝光量加权数据包括真实的曝光量加权数据、预测的曝光量加权数据中的至少一种,所述经营基础数据包括真实的经营基础数据、预测的经营基础数据中的至少一种。。
第二方面,本发明实施例提供了一种曝光量分配装置,包括:
数据获取模块,用于针对在最近的一个预设时间段内入驻的任一目标商家,获取所述目标商家自身的经营基础数据,以及所述目标商家所处的流量竞争范围内的曝光加权竞争数据,所述曝光加权竞争数据包括所述流量竞争范围内的总曝光量数据、所述流量竞争范围每个商家的曝光量加权数据中的至少一种;
收益预估模块,用于基于所述经营基础数据以及所述曝光加权竞争数据,获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值,N为正整数;
加权分配模块,用于获取所述预估收益分值最高M个时间单位,作为所述目标商家的曝光加权时间并在所述曝光加权时间针对所述目标商家进行曝光加权,M为正整数,且M小于等于N。
可选地,所述收益预估模块,包括:
目标数据获取子模块,用于针对所述N个时间单位中的任意一个时间单位,获取所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,所述目标经营基础数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的经营基础数据,所述目标曝光加权竞争数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的曝光加权竞争数据;
第一分值元素获取子模块,用于根据所述目标经营基础数据,获取所述目标商家在所述时间单位内的第一分值元素;
第二分值元素获取子模块,用于根据所述目标曝光加权竞争数据,获取所述目标商家在所述时间单位内的第二分值元素;
收益分值获取子模块,用于根据所述第一分值元素和所述第二分值元素,以及每种分值元素的权重,获取所述目标商家在所述时间单位内进行曝光加权的预估收益分值。
可选地,所述目标数据获取子模块,具体用于:
针对所述N个时间单位中的任一时间单位,获取所述时间单位的时间属性,所述时间属性包括是否为节假日、天气类别中的至少一种;
根据所述时间单位的时间属性,获取包括距离所述时间单位最近的J个目标时间单位内,所述目标商家的经营基础数据以及目标商家所处流量竞争范围内的曝光加权竞争数据,作为所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,J为正整数;
其中,所述目标时间单位包括所述时间单位,以及在所述时间单位之前,且与所述时间单位的时间属性相同的时间单位。
可选地,所述第一分值元素获取子模块,具体用于:
获取所述流量竞争范围内作为参考的标杆商家的经营基础数据;
针对所述目标经营基础数据中包含的每个经营数据维度,以所述标杆商家在所述经营数据维度下的经营基础数据为基准,对所述目标商家在所述经营数据维度下的目标经营基础数据进行标准化处理,得到所述目标商家在每个所述经营数据维度下的分值;
根据所述目标商家在每个所述经营数据维度下的分值,获取所述目标商家在所述时间单位内的第一分值元素。
可选地,所述经营数据维度包括外卖平台经营数据维度、到店平台经营数据维度、线下门店客流数据维度、客流与订单之间的转化数据维度、门店出餐时长数据维度中的至少一种。
可选地,所述第二分值元素获取子模块,具体用于:
从所述目标曝光加权竞争数据中获取在所述时间单位之前的曝光加权竞争数据,作为所述时间单位的参考曝光加权竞争数据;
针对所述目标曝光加权竞争数据中包含的每个竞争数据维度,以所述竞争数据维度下的参考曝光加权竞争数据,确定所述竞争数据维度下的标杆数据;
以所述竞争数据维度下的标杆数据为基准,对所述时间单位内所述竞争数据维度下的目标曝光加权竞争数据进行标准化处理,得到所述目标商家在所述竞争数据维度下的分值;
根据所述目标商家在每个所述竞争数据维度下的分值,获取所述目标商家在所述时间单位内的第二分值元素。
可选地,所述曝光量加权数据包括真实的曝光量加权数据、预测的曝光量加权数据中的至少一种,所述经营基础数据包括真实的经营基础数据、预测的经营基础数据中的至少一种。。
第三方面,本发明实施例另外提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如第一方面所述的曝光量分配方法的步骤。
第四方面,本发明实施例另外提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的曝光量分配方法的步骤。
在本发明实施例中,针对在最近的一个预设时间段内入驻的任一目标商家,获取目标商家自身的经营基础数据,以及目标商家所处的流量竞争范围内的曝光加权竞争数据,曝光加权竞争数据包括流量竞争范围内的总曝光量数据、流量竞争范围每个商家的曝光量加权数据中的至少一种;基于经营基础数据以及曝光加权竞争数据,获取目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值;获取预估收益分值最高M个时间单位,作为目标商家的曝光加权时间并在曝光加权时间针对目标商家进行曝光加权,M小于等于N。从而提高商家的曝光加权时机的准确性以及新商家的曝光均衡性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明实施例中的一种曝光量分配方法的步骤流程图;
图2是本发明实施例中的另一种曝光量分配方法的步骤流程图;
图3是本发明实施例中的一种曝光量分配装置的结构示意图;
图4是本发明实施例中的另一种曝光量分配装置的结构示意图;
图5是本发明实施例中的一种电子设备的硬件结构示意图。
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作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。
参照图1,示出了本发明实施例中一种曝光量分配方法的步骤流程图。
步骤110,针对在最近的一个预设时间段内入驻的任一目标商家,获取所述目标商家自身的经营基础数据,以及所述目标商家所处的流量竞争范围内的曝光加权竞争数据,所述曝光加权竞争数据包括所述流量竞争范围内的总曝光量数据、所述流量竞争范围每个商家的曝光量加权数据中的至少一种;
步骤120,基于所述经营基础数据以及所述曝光加权竞争数据,获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值,N为正整数;
步骤130,获取所述预估收益分值最高M个时间单位,作为所述目标商家的曝光加权时间并在所述曝光加权时间针对所述目标商家进行曝光加权,M为正整数,且M小于等于N。
为帮助商家充分利用加权工具、优化加权使用效果,在本发明实施例中,提供一种基于商家自身的经营基础数据,以及商家所处的流量竞争范围内的曝光加权竞争数据,为新加入的商家进行加权设置的方法。
具体地,针对在最近的一个预设时间段内入驻的任一目标商家,也即可以理解为当前的任意一个新商家,可以获取该目标商家自身的经营基础数据,以及该目标商家所处的流量竞争范围内的曝光加权竞争数据,所述曝光加权竞争数据包括所述流量竞争范围内的总曝光量数据、所述流量竞争范围每个商家的曝光量加权数据中的至少一种。进而可以基于所述经营基础数据以及所述曝光加权竞争数据,每次获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值。
而且对于该目标商家而言,加权的主要目的在于提高其收益,那么此时则可以预估收益分值最高M个时间单位,作为该目标商家的曝光加权时间,并在相应曝光加权时间针对该目标商家进行曝光加权。其中,N和M均为正整数,且M小于等于N。
其中,目标商家自身的经营基础数据可以包括与目标商家自身的经营能力相关的任何数据,例如商家的菜单内容、营销活动、销量、人流量、评价等。曝光加权竞争数据可以理解为与目标商家的曝光竞争能力有关的其他数据,例如,当同时开启加权的商家数量较少时,竞争门店的基数更小,那么目标商家的平均加权曝光数则会更多,反之,目标商家的平均加权曝光数则会更少;而且,当用户端提供的在相应流量竞争范围内的总曝光量数据较多时,那么商家获得的平均加权曝光更多,反之则可以更少。因此,在本发明实施例中,可以设置曝光加权竞争数据包括但不限于目标商家所处的流量竞争范围内能够提供的总曝光量数据、相应流量竞争范围内每个商家的曝光量加权数据,等等。商家的曝光量加权数据可以理解为相应商家是否进行加权、加权的时间,每次加权时的权值等数据。
另外,在实际应用中,商家进行曝光流量竞争的范围一般是有限的。例如,一般可以设置同一商家类型(例如餐饮商家类型、便利商家类型、生鲜商家类型)下的各个商家进行曝光流量的竞争,或者可以设置同一区域范围或者同一商圈内的各个商家进行曝光流量的竞争,那么此时目标商家所处的流量竞争范围内则可以理解为上述目标商家所属的商家类型对应的范围,或许上述目标商家所属的区域范围,或者是商圈范围;等等。在本发明实施例中,可以根据需求设置流量竞争范围的确定方式,对此本发明实施例不加以限定。当然,根据需求也可以不划分流量竞争范围,也即可以设置不同目标商家对应于同样的且当前可取的最大范围的流量竞争范围,对此本发明实施例不加以限定。
另外,在本发明实施例中,可以通过任何可用方式获取上述的经营基础数据、曝光加权竞争数据,而且目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值与其经营基础数据和曝光加权竞争数据之间的对应关系也可以根据需求进行自定义设置,对此本发明实施例不加以限定。
例如,可以基于外卖平台、到店平台及商家、骑手的智能设备中的数据进行分析和挖掘,获取上述的经营基础数据、曝光加权竞争数据,并设置训练加权打分模型,将数据代入加权打分模型计算出其在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值,从而决策出当前加权设置的最优方案,帮助商家选择相对较优的加权时间,提高加权流量的曝光次数。加权打分模型的训练样本可以包括多个已知收益分值的的商家的经营基础数据以及曝光加权竞争数据。
具体地,可以从获取所述预估收益分值最高M个时间单位,作为所述目标商家的曝光加权时间并在所述曝光加权时间针对所述目标商家进行曝光加权。其中,每次进行曝光加权时的加权权值可以根据需求由相应商家和/或平台进行自定义设置,对此本发明实施例不加以限定。时间单位的时间长度也可以根据需求进行自定义设置,对此本发明实施例不加以限定。
例如,在本发明实施例中,可以设置一天为一个时间单位,而且可以设置不同的加权权值与不同的预估收益分值取值范围之间的映射关系,那么对于目标商家的曝光加权时间中的每个时间单位而言,则可以根据相应时间单位内的预估收益分值取值范围,确定与之存在映射关系的加权权值作为目标商家在相应时间单位内的加权权值。
假设以一天为一个时间单位,N的取值为3,M的取值为1,且经预测得到目标商家在当前时间的未来第1天进行曝光加权的预估收益分值为a1,未来第2天进行曝光加权的预估收益分值为a2,未来第3天进行曝光加权的预估收益分值为a3,a2>a3>a1,那么此时则可以上述的以当前时间为基准的未来第2天作为目标商家的曝光加权时间。
此外,需要说明的是,上述的未来的N个时间单位可以为连续的N个时间单位,也可以为不连续的N个时间单位,而且可以为当前时间为基础开始计时的未来时间,也可以为以当前时间之后的指定时间为基础的开始计时的未来时间,具体可以根据需求进行自定义设置,对此本发明实施例均不加以限定。
在本发明实施例中,可以在每次接收到针对目标商家的曝光量加权请求的情况下,执行上述的步骤110-130,以获取对应于当前触发的曝光量加权请求的曝光加权时间并进行加权。对于同一商家而言,其可以进行加权的总时长可能是有限制的,而且其入驻平台后可以作为新店进行加权的期限一般也是有限的,例如每个新商家通常有7天的加权特权。商家可以天为单位开启加权,并且需要在某个截止日期前用完全部7天加权,否则平台会在截止日期之后为商家自动开启。同一时间内开启了加权的商家,共同竞争平台提供的加权流量。
那么,对于任一商家而言,可以在截止日期前触发上述的曝光量加权请求,在其已开启的加权时长尚未达到其加权总时长的情况下,则可以通过执行上述的步骤110-130以确定本次加权的曝光加权时间,如果已开启的加权时长已达到其加权总时长,则无需执行上述的步骤110-130,同时可以返回加权时长已达上限等提示信息,以提示相应商家其加权时长已达上限。
参照图2,在另一实施例中,所述步骤120进一步可以包括:
步骤121,针对所述N个时间单位中的任意一个时间单位,获取所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,所述目标经营基础数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的经营基础数据,所述目标曝光加权竞争数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的曝光加权竞争数据;
步骤122,根据所述目标经营基础数据,获取所述目标商家在所述时间单位内的第一分值元素;
步骤123,根据所述目标曝光加权竞争数据,获取所述目标商家在所述时间单位内的第二分值元素;
步骤124,根据所述第一分值元素和所述第二分值元素,以及每种分值元素的权重,获取所述目标商家在所述时间单位内进行曝光加权的预估收益分值。
在实际应用中,为了预测在未来任意一时间单位内进行加权的预估收益分值,作为参考的数据与相应时间单位的收益分值的相关性越大,那么预测得到的收益分值越准确。
而且,在获取所述目标商家自身的经营基础数据,以及所述目标商家所处的流量竞争范围内的曝光加权竞争数据时,以预测相应商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值时,所参考的经营基础数据和曝光加权竞争数据可以相同,但是相应地可能会影响不同时间单位内的预估收益分值的准确性,而且越靠后的时间单位内的预估收益分值越容易受到影响。
因此,在本发明实施例中,可以分别获取用于确定所述目标商家在每个时间单位内进行曝光加权的预估收益分值的目标经营基础数据和目标曝光加权竞争数据。具体地,每个时间单位对应的目标经营基础数据和目标曝光加权竞争数据所需满足的条件可以根据需求进行自定义设置,对此本发明实施例不加以限定。
例如,可以设置每个时间单位对应的目标经营基础数据为相应目标商家在当前时刻的实时经营基础数据,和/或当前时刻之前至少一个时间单位内的经营基础数据,和/或在相应时间单位之前的至少一个时间单位内的经营基础数据,等等。当然,对于目标商家在未来的时间单位内的经营基础数据也可以基于历史时间段内实际的经营基础数据,通过预测在一定程度上获取未来时间单位内的经营基础数据的预测值。因此,在本发明实施例中,在获取每个时间单位对应的目标经营基础数据时,也可以获取相应目标商家在该时间单位之前且距离该时间单位最近的至少一个时间单位(也即与该时间单位对应的目标时间单位)内目标商家的经营基础数据,作为该时间单位对应的目标经营基础数据,而且在获取目标时间单位内目标商家的经营基础数据时,可以优先获取目标商家在相应时间单位内真实的经营基础数据,如果不存在真实的经营基础数据(例如该目标时间单位尚未到来),那么此时则可以获取在相应时间单位内经预测得到的该目标商家的经营基础数据,也即经营基础数据的预测值。其中,经营基础数据的预测模型可以通过任何可用机器学习模型训练得到,对此本发明实施例不加以限定。
而对于述曝光加权竞争数据而言,其中未来时间段内的总曝光量数据可以经过预测得到,而且流量竞争范围每个商家的曝光量加权数据(例如在未来某个时间单位是否加权、加权权值等数据)也可以由各个相应的商家根据需求进行提前设置,也即各个商家在未来时间段的曝光量加权数据可以在一定程度上预先获知。因此,在本发明实施例中,可以设置每个时间单位对应的目标曝光加权竞争数据为相应流量竞争范围内每个商家在当前时刻的实时曝光加权竞争数据,和/或当前时刻之前至少一个时间单位内每个商家的曝光加权竞争数据。也可以设置获取相应目标商家在该时间单位之前且距离该时间单位最近的至少一个时间单位(也即与该时间单位对应的目标时间单位)内相应流量竞争范围内每个商家的曝光加权竞争数据,作为该时间单位对应的目标曝光加权竞争数据,而且在获取目标时间单位内每个商家的曝光加权竞争数据时,可以优选获取其中真实的曝光加权竞争数据,如果不存在真实的曝光加权竞争数据(例如该目标时间单位尚未到来),那么此时则可以获取其中经预测得到的曝光加权竞争数据。其中,曝光加权竞争数据的预测模型可以通过任何可用机器学习模型训练得到,对此本发明实施例不加以限定。
对于未来的N个时间单位中的每个时间单位而言,则可以进一步根据该时间单位对应的目标经营基础数据,获取目标商家在该时间单位内进行加权的第一分值元素,同时可以根据该时间单位对应的目标曝光加权竞争数据,获取目标商家在该时间单位内进行加权的第二分值元素,进一步可以根据该时间单位内目标商家的第一分值元素和所述第二分值元素,以及每种分值元素的权重,获取所述目标商家在该时间单位内进行曝光加权的预估收益分值。其中,第一分值元素与目标经营基础数据之间的对应关系,第二分值元素与目标曝光加权竞争数据之间的对应关系,以及第一分值元素和第二分值元素在预估收益分值中的权重均可以根据需求进行自定义设置,对此本发明实施例不加以限定。
例如,可以设置预估收益分值具体的打分规则为:
Score=∑Fi*Wi,(i=1,2,...,n),∑Wi=1,
其中,Fi表示地i个分值元素,Wi表示第i个分值元素的权重。Score是通过对Fi和Wi的乘积进行累加得到的,Fi是某项影响加权因素的分值元素,分值元素的范围是(0~100),Wi是该项元素的权重,权重的范围是(0~1),且满足Wi的加和为1。将每项元素的得分基于权重进行累加,就可以计算出预估收益分值Score。
可选地,在另一实施例中,所述步骤121进一步可以包括:
步骤1211,针对所述N个时间单位中的任一时间单位,获取所述时间单位的时间属性,所述时间属性包括是否为节假日、天气类别中的至少一种;
步骤1212,根据所述时间单位的时间属性,获取包括距离所述时间单位最近的J个目标时间单位内,所述目标商家的经营基础数据以及目标商家所处流量竞争范围内的曝光加权竞争数据,作为所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,J为正整数;其中,所述目标时间单位包括所述时间单位,以及在所述时间单位之前,且与所述时间单位的时间属性相同的时间单位。
在实际应用中,对于商家而言,一般节假日的人流量以及销售额度等经营基础数据会相对于工作日更多,那么商家相应也会倾向于在节假日进行曝光量的加权。当然也有可能存在商家(例如办公地点附近的商家)倾向于在工作日进行加权。也即对于商家而言,其在工作日和非工作日(也即节假日)的经营基础数据和曝光加权竞争数据一般会存在较大差别。相应地,商家的经营基础数据也容易受天气情况的影响,例如对于部分商家,在晴天时的人流量较多,在阴雨天的人流量较少,而对于另外的部分商家,情况则可能相反,等等。
因此在本发明实施例中,在确定每个时间单位对应的目标经营基础数据以及目标曝光加权竞争数据时,可以参考该时间单位的时间属性,也即判断其是属于节假日还是工作日,以及天气类别等,以获取目标商家在与之时间属性相同的目标时间单位内的经营基础数据以及曝光加权竞争数据。
具体地,针对所述N个时间单位中的任一时间单位,可以获取该时间单位的时间属性,所述时间属性包括是否为节假日、天气类别中的至少一种;进而根据该时间单位的时间属性,获取距离该时间单位最近且与该时间单位的时间属性相同的J个历史时间单位内目标商家的经营基础数据以及目标商家所处流量竞争范围内的曝光加权竞争数据,作为所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,J为正整数。其中某一时间单位对应的目标时间单位可以包括该时间单位自身,也可以包括在该时间单位之前的时间单位。
其中,对于同一目标商家,以及同一时间单位而言,在获取目标经营基础数据时的J的取值与获取目标曝光加权竞争数据时的J的取值可以有所不同,当然也可以完全相同,在获取该时间单位对应的目标经营基础数据时的目标时间单位可以包含相应时间单位自身,也可以不包含相应时间单位自身,此外在获取该时间单位对应的目标曝光加权竞争数据时的目标时间单位可以包含相应时间单位自身,也可以不包含相应时间单位自身,而且在获取目标经营基础数据以及目标曝光加权竞争数据时J的具体取值可以根据需求进行自定义设置,对此本发明实施例不加以限定。
可选地,在另一实施例中,所述步骤122进一步可以包括:
步骤1221,获取所述流量竞争范围内作为参考的标杆商家的经营基础数据;
步骤1222,针对所述目标经营基础数据中包含的每个经营数据维度,以所述标杆商家在所述经营数据维度下的经营基础数据为基准,对所述目标商家在所述经营数据维度下的目标经营基础数据进行标准化处理,得到所述目标商家在每个所述经营数据维度下的分值;
步骤1223,根据所述目标商家在每个所述经营数据维度下的分值,获取所述目标商家在所述时间单位内的第一分值元素。
如上述,在本发明实施例中,影响加权打分模型的因素至少包括以下两方面因素:商家自身的经营能力(F1)、商家的加权流量竞争情况(F2);
对于每项因素,其中可能又包含多种数据维度。例如,对于与商家自身的经营能力有关的经营基础数据,又可以包括目标商家在外卖平台中的经营数据(例如在外卖平台中的菜单、销量、价格、营销广告、评价等)、在到店平台中的经营数据(例如在到店平台中的菜单、销量、价格、平均取餐时长等)、线下门店的客流量数据、通过骑手智能设备收集得到的真实的出餐时长,等等。而且,上述不同数据维度对于第一分值元素的影响可能有所不同,因此在本发明实施例中,可以分别考虑经营基础数据中包含的每种数据维度,也即上述的每种经营数据维度,以提高第一分值元素的准确性。
此外,为了将目标商家的经营基础数据转换为数值形式的第一分值元素,而且,为了基于目标商家的经营基础数据获知其经营能力的强弱,一般而言需要一个参照,因此在本发明实施例中,为了实现上述目的,可以获取所述流量竞争范围内作为参考的标杆商家的经营基础数据,进而针对该时间单位对应的目标经营基础数据中包含的每个经营数据维度,以所述标杆商家在所述经营数据维度下的经营基础数据为基准,对所述目标商家在所述经营数据维度下的目标经营基础数据进行标准化处理,得到所述目标商家在每个所述经营数据维度下的分值,最终根据所述目标商家在每个所述经营数据维度下的分值,获取所述目标商家在该时间单位内进行加权的第一分值元素。
其中,所获取的标杆商家的经营基础数据可以包括标杆商家对应在目标经营基础数据所处的时间范围内的经营基础数据,也可以为当前时刻标杆商家的经营基础数据,或者是当前时刻之前的一段时间内标杆商家的经营基础数据,对此本发明实施例不加以限定。而且作为参考的标杆商家可以根据需求进行自定义设置,例如可以取同一流量竞争范围内当前排名最靠前的商家作为当前的标杆商家,或者也可以统计在一段时间内排名最靠前的频率最高的商家作为标杆商家,等等。
而且,经营数据维度下的分值的取值范围可以根据需求进行自定义设置,对此本发明实施例不加以限定。
例如,以上述的预估收益分值具体的打分规则,在本发明实施例中,也可以设置每项因素的得分Fi的计算规则与总体打分规则类似,即为:Fi=∑fi*wi,(i=1,2,...,n),∑wi=1。也即,将影响该因素的各个小指标fi,例如各个数据维度下的经营基础数据进行标准化,将原始值转换为(0~100)的分值,再结合每项小指标,也即每个经营数据维度的权重wi进行累加,从而算出Fi的值。不同因素的小指标标准化基准不同。
具体地,对于商家经营能力(F1),可以同一流量竞争范围的标杆商家为基准,对商家每个经营数据维度下的经营基础数据进行标准化处理。
例如,对于任一经营数据维度,可以以标杆商家在该经营数据维度下的经营基础数据为基准,获取目标商家在该经营数据维度下的目标经营基础数据,相对于基准数据的占比等以实现该经营数据维度下经营基础数据的标准化处理。
可选地,在另一实施例中,所述经营数据维度包括外卖平台经营数据维度、到店平台经营数据维度、线下门店客流数据维度、客流与订单之间的转化数据维度、门店出餐时长数据维度中的至少一种。
相应地,具体参与确定第一分值元素的各个经营数据维度下的经营基础数据(fi)可以包括以下各项中的一项或多项:
1、目标商家自身和标杆商家的外卖平台经营数据,如销量、评价、活动设置等,当目标商家相对于标杆商家的经营水平相对较高时,在加权竞争中更容易排在靠前位置;
2、目标商家自身和标杆商家的到店平台经营数据,由于到店是交易维度数据,可以从交易维度评估商家自身经营能力和顾客数据,同时可以结合同流量竞争范围内的横向数据(例如其中每个商家的到店平台经营数据、标杆商家的到店平台经营数据等)计算商家在流量竞争范围内的排名,辅助完善商家的经营能力分析;
3、通过店内可视化设备等统计线下门店客流数据,从而可以评估出真实的线下门店客流数据,同时可以结合到店的下单数据,计算出客流与订单之间的转化率等转化数据,以丰富门店的经营基础数据;
4、通过骑手智能设备等可以收集门店的真实出餐时长,并统计到流量竞争范围内的横向数据(例如其中每个商家门店的真实出餐时长,标杆商家的真实出餐时长等),以丰富门店的经营基础数据。
可选地,在另一实施例中,所述步骤123进一步可以包括:
步骤1231,从所述目标曝光加权竞争数据中获取在所述时间单位之前的曝光加权竞争数据,作为所述时间单位的参考曝光加权竞争数据;
步骤1232,针对所述目标曝光加权竞争数据中包含的每个竞争数据维度,以所述竞争数据维度下的参考曝光加权竞争数据,确定所述竞争数据维度下的标杆数据;
步骤1233,以所述竞争数据维度下的标杆数据为基准,对所述时间单位内所述竞争数据维度下的目标曝光加权竞争数据进行标准化处理,得到所述目标商家在所述竞争数据维度下的分值;
步骤1234,根据所述目标商家在每个所述竞争数据维度下的分值,获取所述目标商家在所述时间单位内的第二分值元素。
对于目标商家的加权流量竞争得分(F2),也即曝光加权竞争数据产生的第二分值元素,则可以过去一定时间单位内的曝光加权竞争数据计算出的标杆数据为基准,对当前的曝光加权竞争数据(也即当前待预测分值的未来X个时间单位中的任一时间单位的曝光加权竞争数据)进行标准化,以确定当前的曝光加权竞争数据相对于过去的曝光加权竞争数据的变化情况。
而且,曝光加权竞争数据包括所述流量竞争范围内的总曝光量数据、所述流量竞争范围每个商家的曝光量加权数据中的至少一种。因此在预测未来任一时间单位内的第二分值元素时,可以获取该时间单位对应的目标曝光加权竞争数据中在该时间单位之前的各个时间单位内的曝光加权竞争数据,作为该时间单位的参考曝光加权竞争数据。针对所述目标曝光加权竞争数据中包含的每个竞争数据维度,以所述竞争数据维度下的参考曝光加权竞争数据,确定所述竞争数据维度下的标杆数据,进而可以该竞争数据维度下的标杆数据为基准,对该时间单位内相应竞争数据维度下的目标曝光加权竞争数据进行标准化处理,得到目标商家在相应竞争数据维度下的分值,从而可以根据目标商家在每个所述竞争数据维度下的分值,获取目标商家在该时间单位内的第二分值元素。
也即,具体参与第二分值元素的打分的小指标基础数据(fi)可以包括以下各项中的一项或多项:
1、流量竞争范围内每个商家(尤其是除目标商家之外的其他商家)的加权设置及预测数据等曝光量加权数据,如果当前同时开启加权的商家数量相对于过去较少时,则说明该流量竞争范围内当前参与曝光量加权竞争的商家的基数更小,那么相应的目标商家的平均加权曝光数则会更多。因此可以基于各个商家在待预测第二分值元素的时间单位之前的曝光量加权数据作为基准数据,对在该时间单位内的各个商家的曝光量加权数据进行基准化处理,例如确定各个商家在该时间单位内的曝光量加权数据相对于在该时间单位之前的每个时间单位内的曝光量加权数据均值的占比等方式进行标准化处理,从而确定目标商家在曝光量加权数据的竞争数据维度下的分值;
2、各个用户端可以提供的总曝光量数据的预测值,当用户端的总曝光量数据较多时,目标商家获得的平均加权曝光更多。那么相应地,在本发明实施例中,则可以基于在待预测第二分值元素的时间单位之前的总曝光量数据作为基准数据,对在该时间单位内的总曝光量数据进行基准化处理,例如确定在该时间单位内的总曝光量数据相对于在该时间单位之前的每个时间单位内的总曝光量数据均值的占比等方式进行标准化处理,从而确定目标商家在总曝光量数据的竞争数据维度下的分值。
可选地,在另一实施例中,所述曝光量加权数据包括真实的曝光量加权数据、预测的曝光量加权数据中的至少一种,所述经营基础数据包括真实的经营基础数据、预测的经营基础数据中的至少一种。
在实际应用中,用户可能会根据需求预先设置未来某个时间单位内是否针对曝光量进行加权,此时则可以获取相应时间单位内的真实的在曝光量加权数据,当然也有可能商家并未预先设置未来某个时间单位内的曝光量加权数据,那么此时则可以基于该商家的在该时间单位之前所设置的曝光量加权数据,以及该商家剩余可用的曝光量加权额度,对该单位时间内的曝光量加权数据进行预测,那么此时则可以获取该时间单位内的预测的在曝光量加权数据,对此本发明实施例不加以限定。相应地,对于任意一个时间单位,如果目标商家在该时间单位内产生真实的经营数据,也即该时间单位为已经经历的一个时间单位,那么则可以获取得到目标商家在该时间单位内真实的经营基础数据,作为该目标商家在该时间单位内的经营基础数据,而如果该时间单位尚未达到,属于未来时间单位,那么则可以通过模型预测其经营基础数据,作为目标商家在该时间单位内的经营基础数据。当然,在本发明实施例中,对于每个时间单位,也可以不考虑该时间单位属于未来还是过去,均通过模型预测其经营基础数据,并以预测的经营基础数据作为目标商家在该时间单位内的经营基础数据,对此本发明实施例不加以限定。
其中,在本发明实施例中,曝光量加权数据的预测模型、以及经营基础数据的预测模型均可以通过任何可用的机器学习模型通过训练得到,对此本发明实施例不加以限定。
在本发明实施例中,可以基于外卖平台、到家平台和智能设备等中的数据,从商家和商圈等多个维度进行数据分析挖掘,结合平台加权模型计算出收益较高的加权设置策略,帮助新商家选取预估曝光效果较优的加权时间,从而合理提高新商家额外曝光,均衡不同商家的曝光量。
参照图3,示出了本发明实施例中一种曝光量分配装置的结构示意图。
本发明实施例的曝光量分配装置包括:数据获取模块210、收益预估模块220和加权分配模块230。
下面分别详细介绍各模块的功能以及各模块之间的交互关系。
数据获取模块210,用于针对在最近的一个预设时间段内入驻的任一目标商家,获取所述目标商家自身的经营基础数据,以及所述目标商家所处的流量竞争范围内的曝光加权竞争数据,所述曝光加权竞争数据包括所述流量竞争范围内的总曝光量数据、所述流量竞争范围每个商家的曝光量加权数据中的至少一种;
收益预估模块220,用于基于所述经营基础数据以及所述曝光加权竞争数据,获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值,N为正整数;
加权分配模块230,用于获取所述预估收益分值最高M个时间单位,作为所述目标商家的曝光加权时间并在所述曝光加权时间针对所述目标商家进行曝光加权,M为正整数,且M小于等于N。
参照图4,在本发明实施例中,所述收益预估模块220,进一步可以包括:
目标数据获取子模块221,用于针对所述N个时间单位中的任意一个时间单位,获取所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,所述目标经营基础数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的经营基础数据,所述目标曝光加权竞争数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的曝光加权竞争数据;
第一分值元素获取子模块222,用于根据所述目标经营基础数据,获取所述目标商家在所述时间单位内的第一分值元素;
第二分值元素获取子模块223,用于根据所述目标曝光加权竞争数据,获取所述目标商家在所述时间单位内的第二分值元素;
收益分值获取子模块224,用于根据所述第一分值元素和所述第二分值元素,以及每种分值元素的权重,获取所述目标商家在所述时间单位内进行曝光加权的预估收益分值。
可选地,在本发明实施例中,所述目标数据获取子模块,具体用于:
针对所述N个时间单位中的任一时间单位,获取所述时间单位的时间属性,所述时间属性包括是否为节假日、天气类别中的至少一种;
根据所述时间单位的时间属性,获取包括距离所述时间单位最近的J个目标时间单位内,所述目标商家的经营基础数据以及目标商家所处流量竞争范围内的曝光加权竞争数据,作为所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,J为正整数;其中,所述目标时间单位包括所述时间单位,以及在所述时间单位之前,且与所述时间单位的时间属性相同的时间单位。
可选地,在本发明实施例中,具体用于:
获取所述流量竞争范围内作为参考的标杆商家的经营基础数据;
针对所述目标经营基础数据中包含的每个经营数据维度,以所述标杆商家在所述经营数据维度下的经营基础数据为基准,对所述目标商家在所述经营数据维度下的目标经营基础数据进行标准化处理,得到所述目标商家在每个所述经营数据维度下的分值;
根据所述目标商家在每个所述经营数据维度下的分值,获取所述目标商家在所述时间单位内的第一分值元素。
可选地,在本发明实施例中,所述经营数据维度包括外卖平台经营数据维度、到店平台经营数据维度、线下门店客流数据维度、客流与订单之间的转化数据维度、门店出餐时长数据维度中的至少一种。
可选地,在本发明实施例中,所述第二分值元素获取子模块,具体用于:
从所述目标曝光加权竞争数据中获取在所述时间单位之前的曝光加权竞争数据,作为所述时间单位的参考曝光加权竞争数据;
针对所述目标曝光加权竞争数据中包含的每个竞争数据维度,以所述竞争数据维度下的参考曝光加权竞争数据,确定所述竞争数据维度下的标杆数据;
以所述竞争数据维度下的标杆数据为基准,对所述时间单位内所述竞争数据维度下的目标曝光加权竞争数据进行标准化处理,得到所述目标商家在所述竞争数据维度下的分值;
根据所述目标商家在每个所述竞争数据维度下的分值,获取所述目标商家在所述时间单位内的第二分值元素。
可选地,在本发明实施例中,所述曝光量加权数据包括真实的曝光量加权数据、预测的曝光量加权数据中的至少一种,所述经营基础数据包括真实的经营基础数据、预测的经营基础数据中的至少一种。。
本发明实施例提供的曝光量分配装置能够实现图1至图2的方法实施例中实现的各个过程,为避免重复,这里不再赘述。
优选的,本发明实施例还提供了一种电子设备,包括:处理器,存储器,存储在存储器上并可在处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述曝光量分配方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述曝光量分配方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
图5为实现本发明各个实施例的一种电子设备的硬件结构示意图。
该电子设备500包括但不限于:射频单元501、网络模块502、音频输出单元503、输入单元504、传感器505、显示单元506、用户输入单元507、接口单元508、存储器509、处理器510、以及电源511等部件。本领域技术人员可以理解,图5中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。在本发明实施例中,电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
应理解的是,本发明实施例中,射频单元501可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器510处理;另外,将上行的数据发送给基站。通常,射频单元501包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元501还可以通过无线通信***与网络和其他设备通信。
电子设备通过网络模块502为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元503可以将射频单元501或网络模块502接收的或者在存储器509中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元503还可以提供与电子设备500执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元503包括扬声器、蜂鸣器以及受话器等。
输入单元504用于接收音频或视频信号。输入单元504可以包括图形处理器(Graphics Processing Unit,GPU)5041和麦克风5042,图形处理器5041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元506上。经图形处理器5041处理后的图像帧可以存储在存储器509(或其它存储介质)中或者经由射频单元501或网络模块502进行发送。麦克风5042可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元501发送到移动通信基站的格式输出。
电子设备500还包括至少一种传感器505,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板5061的亮度,接近传感器可在电子设备500移动到耳边时,关闭显示面板5061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;传感器505还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等,在此不再赘述。
显示单元506用于显示由用户输入的信息或提供给用户的信息。显示单元506可包括显示面板5061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板5061。
用户输入单元507可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元507包括触控面板5071以及其他输入设备5072。触控面板5071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板5071上或在触控面板5071附近的操作)。触控面板5071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器510,接收处理器510发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板5071。除了触控面板5071,用户输入单元507还可以包括其他输入设备5072。具体地,其他输入设备5072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
进一步的,触控面板5071可覆盖在显示面板5061上,当触控面板5071检测到在其上或附近的触摸操作后,传送给处理器510以确定触摸事件的类型,随后处理器510根据触摸事件的类型在显示面板5061上提供相应的视觉输出。虽然在图5中,触控面板5071与显示面板5061是作为两个独立的部件来实现电子设备的输入和输出功能,但是在某些实施例中,可以将触控面板5071与显示面板5061集成而实现电子设备的输入和输出功能,具体此处不做限定。
接口单元508为外部装置与电子设备500连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元508可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备500内的一个或多个元件或者可以用于在电子设备500和外部装置之间传输数据。
存储器509可用于存储软件程序以及各种数据。存储器509可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器509可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器510是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器509内的软件程序和/或模块,以及调用存储在存储器509内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器510可包括一个或多个处理单元;优选的,处理器510可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器510中。
电子设备500还可以包括给各个部件供电的电源511(比如电池),优选的,电源511可以通过电源管理***与处理器510逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
另外,电子设备500包括一些未示出的功能模块,在此不再赘述。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
本领域普通技术人员可以意识到,结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (16)
1.一种曝光量分配方法,其特征在于,包括:
针对在最近的一个预设时间段内入驻的任一目标商家,获取所述目标商家自身的经营基础数据,以及所述目标商家所处的流量竞争范围内的曝光加权竞争数据,所述曝光加权竞争数据包括所述流量竞争范围内的总曝光量数据、所述流量竞争范围每个商家的曝光量加权数据中的至少一种;
基于所述经营基础数据以及所述曝光加权竞争数据,获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值,N为正整数;
获取所述预估收益分值最高M个时间单位,作为所述目标商家的曝光加权时间并在所述曝光加权时间针对所述目标商家进行曝光加权,M为正整数,且M小于等于N。
2.根据权利要求1所述的方法,其特征在于,所述基于所述经营基础数据以及所述曝光加权竞争数据,获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值的步骤,包括:
针对所述N个时间单位中的任意一个时间单位,获取所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,所述目标经营基础数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的经营基础数据,所述目标曝光加权竞争数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的曝光加权竞争数据;
根据所述目标经营基础数据,获取所述目标商家在所述时间单位内的第一分值元素;
根据所述目标曝光加权竞争数据,获取所述目标商家在所述时间单位内的第二分值元素;
根据所述第一分值元素和所述第二分值元素,以及每种分值元素的权重,获取所述目标商家在所述时间单位内进行曝光加权的预估收益分值。
3.根据权利要求2所述的方法,其特征在于,所述针对所述N个时间单位中的任意一个时间单位,获取所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据的步骤,包括:
针对所述N个时间单位中的任一时间单位,获取所述时间单位的时间属性,所述时间属性包括是否为节假日、天气类别中的至少一种;
根据所述时间单位的时间属性,获取包括距离所述时间单位最近的J个目标时间单位内,所述目标商家的经营基础数据以及目标商家所处流量竞争范围内的曝光加权竞争数据,作为所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,J为正整数;
其中,所述目标时间单位包括所述时间单位,以及在所述时间单位之前,且与所述时间单位的时间属性相同的时间单位。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述目标经营基础数据,获取所述目标商家在所述时间单位内的第一分值元素的步骤,包括:
获取所述流量竞争范围内作为参考的标杆商家的经营基础数据;
针对所述目标经营基础数据中包含的每个经营数据维度,以所述标杆商家在所述经营数据维度下的经营基础数据为基准,对所述目标商家在所述经营数据维度下的目标经营基础数据进行标准化处理,得到所述目标商家在每个所述经营数据维度下的分值;
根据所述目标商家在每个所述经营数据维度下的分值,获取所述目标商家在所述时间单位内的第一分值元素。
5.根据权利要求4所述的方法,其特征在于,所述经营数据维度包括外卖平台经营数据维度、到店平台经营数据维度、线下门店客流数据维度、客流与订单之间的转化数据维度、门店出餐时长数据维度中的至少一种。
6.根据权利要求2或3所述的方法,其特征在于,所述根据所述目标曝光加权竞争数据,获取所述目标商家在所述时间单位内的第二分值元素的步骤,包括:
从所述目标曝光加权竞争数据中获取在所述时间单位之前的曝光加权竞争数据,作为所述时间单位的参考曝光加权竞争数据;
针对所述目标曝光加权竞争数据中包含的每个竞争数据维度,以所述竞争数据维度下的参考曝光加权竞争数据,确定所述竞争数据维度下的标杆数据;
以所述竞争数据维度下的标杆数据为基准,对所述时间单位内所述竞争数据维度下的目标曝光加权竞争数据进行标准化处理,得到所述目标商家在所述竞争数据维度下的分值;
根据所述目标商家在每个所述竞争数据维度下的分值,获取所述目标商家在所述时间单位内的第二分值元素。
7.根据权利要求1所述的方法,其特征在于,所述曝光量加权数据包括真实的曝光量加权数据、预测的曝光量加权数据中的至少一种,所述经营基础数据包括真实的经营基础数据、预测的经营基础数据中的至少一种。,所述经营基础数据包括真实的经营基础数据、预测的经营基础数据中的至少一种。
8.一种曝光量分配装置,其特征在于,包括:
数据获取模块,用于针对在最近的一个预设时间段内入驻的任一目标商家,获取所述目标商家自身的经营基础数据,以及所述目标商家所处的流量竞争范围内的曝光加权竞争数据,所述曝光加权竞争数据包括所述流量竞争范围内的总曝光量数据、所述流量竞争范围每个商家的曝光量加权数据中的至少一种;
收益预估模块,用于基于所述经营基础数据以及所述曝光加权竞争数据,获取所述目标商家在未来的N个时间单位中的每个时间单位内进行曝光加权的预估收益分值,N为正整数;
加权分配模块,用于获取所述预估收益分值最高M个时间单位,作为所述目标商家的曝光加权时间并在所述曝光加权时间针对所述目标商家进行曝光加权,M为正整数,且M小于等于N。
9.根据权利要求8所述的装置,其特征在于,所述收益预估模块,包括:
目标数据获取子模块,用于针对所述N个时间单位中的任意一个时间单位,获取所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,所述目标经营基础数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的经营基础数据,所述目标曝光加权竞争数据包括用于确定所述目标商家在所述时间单位内进行曝光加权的预估收益分值的曝光加权竞争数据;
第一分值元素获取子模块,用于根据所述目标经营基础数据,获取所述目标商家在所述时间单位内的第一分值元素;
第二分值元素获取子模块,用于根据所述目标曝光加权竞争数据,获取所述目标商家在所述时间单位内的第二分值元素;
收益分值获取子模块,用于根据所述第一分值元素和所述第二分值元素,以及每种分值元素的权重,获取所述目标商家在所述时间单位内进行曝光加权的预估收益分值。
10.根据权利要求9所述的装置,其特征在于,所述目标数据获取子模块,具体用于:
针对所述N个时间单位中的任一时间单位,获取所述时间单位的时间属性,所述时间属性包括是否为节假日、天气类别中的至少一种;
根据所述时间单位的时间属性,获取包括距离所述时间单位最近的J个目标时间单位内,所述目标商家的经营基础数据以及目标商家所处流量竞争范围内的曝光加权竞争数据,作为所述时间单位对应的目标经营基础数据以及目标曝光加权竞争数据,J为正整数;
其中,所述目标时间单位包括所述时间单位,以及在所述时间单位之前,且与所述时间单位的时间属性相同的时间单位。
11.根据权利要求9或10所述的装置,其特征在于,所述第一分值元素获取子模块,具体用于:
获取所述流量竞争范围内作为参考的标杆商家的经营基础数据;
针对所述目标经营基础数据中包含的每个经营数据维度,以所述标杆商家在所述经营数据维度下的经营基础数据为基准,对所述目标商家在所述经营数据维度下的目标经营基础数据进行标准化处理,得到所述目标商家在每个所述经营数据维度下的分值;
根据所述目标商家在每个所述经营数据维度下的分值,获取所述目标商家在所述时间单位内的第一分值元素。
12.根据权利要求11所述的装置,其特征在于,所述经营数据维度包括外卖平台经营数据维度、到店平台经营数据维度、线下门店客流数据维度、客流与订单之间的转化数据维度、门店出餐时长数据维度中的至少一种。
13.根据权利要求9或10所述的装置,其特征在于,所述第二分值元素获取子模块,具体用于:
从所述目标曝光加权竞争数据中获取在所述时间单位之前的曝光加权竞争数据,作为所述时间单位的参考曝光加权竞争数据;
针对所述目标曝光加权竞争数据中包含的每个竞争数据维度,以所述竞争数据维度下的参考曝光加权竞争数据,确定所述竞争数据维度下的标杆数据;
以所述竞争数据维度下的标杆数据为基准,对所述时间单位内所述竞争数据维度下的目标曝光加权竞争数据进行标准化处理,得到所述目标商家在所述竞争数据维度下的分值;
根据所述目标商家在每个所述竞争数据维度下的分值,获取所述目标商家在所述时间单位内的第二分值元素。
14.根据权利要求8所述的装置,其特征在于,所述曝光量加权数据包括真实的曝光量加权数据、预测的曝光量加权数据中的至少一种,所述经营基础数据包括真实的经营基础数据、预测的经营基础数据中的至少一种。,所述经营基础数据包括真实的经营基础数据、预测的经营基础数据中的至少一种。
15.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的曝光量分配方法的步骤。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的曝光量分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017418.XA CN113822703A (zh) | 2021-08-31 | 2021-08-31 | 一种曝光量分配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017418.XA CN113822703A (zh) | 2021-08-31 | 2021-08-31 | 一种曝光量分配方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113822703A true CN113822703A (zh) | 2021-12-21 |
Family
ID=78913961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017418.XA Pending CN113822703A (zh) | 2021-08-31 | 2021-08-31 | 一种曝光量分配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113822703A (zh) |
-
2021
- 2021-08-31 CN CN202111017418.XA patent/CN113822703A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985638B (zh) | 一种用户投资风险评估方法和装置以及存储介质 | |
CN108121803B (zh) | 一种确定页面布局的方法和服务器 | |
CN111143697B (zh) | 一种内容推荐的方法以及相关装置 | |
CN108156228A (zh) | 一种广告数据推送方法及装置 | |
CN110956505B (zh) | 一种广告库存的预估方法以及相关装置 | |
CN105100197B (zh) | 安装应用的方法及装置 | |
CN111444425B (zh) | 一种信息推送方法、电子设备及介质 | |
CN111125523A (zh) | 搜索方法、装置、终端设备及存储介质 | |
CN110659179B (zh) | 一种评估***运行状况的方法、装置及电子设备 | |
CN111476629A (zh) | 一种数据预测方法、装置、电子设备及存储介质 | |
CN112001741A (zh) | 多任务处理模型的构建方法、装置、电子设备及存储介质 | |
CN110378798B (zh) | 异构社交网络构建方法、群组推荐方法、装置及设备 | |
CN116307394A (zh) | 产品用户体验评分方法、装置、介质及设备 | |
CN111080305A (zh) | 一种风险识别方法、装置及电子设备 | |
CN113822703A (zh) | 一种曝光量分配方法、装置、电子设备及存储介质 | |
CN112669057B (zh) | 一种数据预测方法、装置、电子设备及存储介质 | |
CN115271854A (zh) | 宽带套餐推荐方法、装置、电子设备及存储介质 | |
CN112329462A (zh) | 一种数据排序方法、装置、电子设备及存储介质 | |
CN112418631A (zh) | 一种资源分配方法、装置、电子设备及存储介质 | |
CN113128809A (zh) | 一种机房评估方法、装置及电子设备 | |
CN107632855A (zh) | 应用布局方法、移动终端及计算机可读存储介质 | |
CN113177810A (zh) | 保留价格的确定方法和保留价格的确定装置 | |
CN115204925A (zh) | 一种推荐内容的推送方法以及相关装置 | |
CN117633347A (zh) | 用户偏好的预测方法、装置、电子设备及存储介质 | |
CN114358451A (zh) | 网格渠道布局规划方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |