基于RTA投放模式精准投放的方法、系统、终端及存储介质技术方案

本发明专利技术涉及互联网技术领域，尤其涉及一种基于RTA投放模式精准投放的方法、系统、终端及存储介质，所述方法包括：利用预设的多目标预测模型实时筛选用户，获得目标用户；将多家媒体与所述RTA的接口对接，接收所述多家媒体的RTA请求；根据所述RTA请求和预设的多目标策略向所述目标用户投放对应的广告。借此，本发明专利技术提高了广告投放的精准率。提高了广告投放的精准率。提高了广告投放的精准率。

【技术实现步骤摘要】
基于RTA投放模式精准投放的方法、系统、终端及存储介质


[0001]本专利技术涉及互联网
，尤其涉及一种基于RTA投放模式精准投放的方法、系统、终端及存储介质。

技术介绍

[0002]RTA的全称是Real-Time API(Real-Time Application Programming Interface，实时应用程序接口)，其是基于Pre-Bidding引擎诞生的技术，每当媒体DSP(Demand-Side Platform，需求方平台)侦测到了符合重定向条件的用户，会提前将用户信息提交给广告主，广告主再根据内部DMP(Data Management Platform)数据管理平台中的数据决定是否对此用户进行竞价。这一技术环节加强了有效用户的遴选，提高了流量的利用率，同时还能提高广告主的ROI(return on investment，投资回报率)帮助他们避免流量损耗，精确定位目标用户。RTB的全称是Real-Time Bidding API。广告主侧DSP对接ADX(Ad Exchange，广告交易)平台进行实时竞价的过程。
[0003]在现有技术中，RTA-大媒体平台或者联盟能完全收集到的行为是点击的话，那么p(m->c)是由大媒体或者联盟平台的投放系统来预估，而p(c->出价点)是由广告主自己的RTA投放系统来预估。RTA和RTB区别：从API(Application Programming Interface，应用程序接口)对接平台来看，RTA对接的是DSP平台，RTB对接的是ADX平台。从作用上来看，RTA的作用是预先筛选，RTB的作用是负责竞价以及广告的落实。从数据来源来看，RTB的数据来源来自广告主侧DMP(Data Management Platform)数据管理平台，RTA的数据来源既来自广告主侧DMP，也来自媒体DMP。从算法模型来看，RTB的算法主要来自于广告主侧，RTA的算法主要来自于媒体侧以及广告主侧。
[0004]在现有的广告投放，通常是其效果投放决策权前置：现有模式均为媒体&联盟判断根据ctr(Click-Through-Rate，点击通过率)预估模型，进行投放决策。RTA以后端效果预估为目标决策导向，充分利用自身数据价值与算法能力，有效将后端效果预测应用投放竞价前的决策。此外，还有个性化的预测，现有投放模式仅为广告主运用历史数据&经验给予整体投放固定值，反馈至媒体平台。RTA以用户粒度特征进行训练，以后端效果进行预测，在广告决策模型请求结果上，附加实现针对不同后端目标预估效果个性化用户投放决策。其实时性表现在，现有投放模式在策略上仅为天粒度调整CPC(Cost Per Click，式每次点击付费广告)/CPM(consumer processing model，消费者行为处理模)或者投放后激活效果调整预算OCPC(optimization cost per click，目标转化出价功能)，不能实现在以广告主利益预估的实时投放策略调整。RTA模型能进行实时调整投放策略，相对之历史离线的渠道评估与优化，极大优化投放策略的效率。但是现有的基于RTA投放模式投放广告通常是在后端效果预测，并应用投放竞价后，因此广告对目标用户投放的准确率低。
[0005]综上可知，现有技术在实际使用上显然存在不便与缺陷，所以有必要加以改进。

技术实现思路

[0006]针对上述的缺陷，本专利技术的目的在于提供一种基于RTA投放模式精准投放的方法、系统、终端及存储介质，以提高广告投放的精准率。
[0007]为了实现本专利技术的一个专利技术目的，本专利技术提供了一种基于RTA投放模式精准投放的方法，包括：
[0008]利用预设的多目标预测模型实时筛选用户，获得目标用户；
[0009]将多家媒体与所述RTA的接口对接，接收所述多家媒体的RTA请求；
[0010]根据所述RTA请求和预设的多目标策略向所述目标用户投放对应的广告。
[0011]根据所述的方法，在所述利用预设的多目标预测模型实时筛选用户，获得目标用户之前或者之后还包括：
[0012]采用预设的用户特征参数和预选的模型，建立或更新所述多目标预测模型；
[0013]在所述向所述目标用户投放对应的广告之后还包括：
[0014]将所述多目标预测模型迁移或复制到与所述基于RTA投放模式相关的多业务线，获取所述目标用户。
[0015]根据所述的方法，所述采用预设的用户特征参数和预选的模型，建立或更新所述多目标预测模型包括：
[0016]采用预设的用户基础特征参数生成用户基础特征配置数据；
[0017]采用预设的用户活跃使用的APP特征参数生成用户活跃使用的APP特征配置数据；
[0018]采用预设的用户QDAS行为特征参数生成用户QDAS行为特征配置数据；
[0019]采用预设的360产品线特征参数生成用户使用360产品线特征配置数据；
[0020]采用所述用户基础特征配置数据、用户活跃使用的APP特征配置数据、用户QDAS行为特征配置数据以及用户使用360产品线特征配置数据以及预选的模型类型构建所述多目标预测模型；或者
[0021]按照预设的间隔时间更新所述用户基础特征配置数据、用户活跃使用的APP特征配置数据、用户QDAS行为特征配置数据以及用户使用360产品线特征配置数据；
[0022]利用更新后的所述用户基础特征配置数据、用户活跃使用的APP特征配置数据、用户QDAS行为特征配置数据以及用户使用360产品线特征配置数据更新所述多目标预测模型。
[0023]根据所述的方法，所述用户基础特征参数包括所述用户所处的省份特征、城市特征、使用的移动终端的品牌特征以及机型特征；
[0024]所述用户活跃使用的APP特征参数包括：所述用户使用的APP个数、用户常使用的APP名称、用户使用各APP的活跃次数；
[0025]所述用户QDAS行为特征参数包括：所述用户启动APP的特征参数、使用APP时长的特征参数、访问页面特征参数、使用APP活跃特征参数；
[0026]所述用户使用360产品线特征参数包括：SDK产品线与加固保产品线合并特征参数。
[0027]根据所述的方法，所述预选的模型类型为包括基于用户画像数据和用户行为数据的所述用户特征参数的深度模型。
[0028]根据所述的方法，所述根据所述RTA请求和预设的多目标策略向所述目标用户投
放对应的广告包括：
[0029]根据所述RTA请求，判断所述目标用户的类型与所述RTA请求是否匹配；
[0030]若匹配，则利用所述预设的多目标策略中一个或多个策略向所述目标用户投放对应的广告；
[0031]若不匹配，则根据所述预设的多目标策略中一个或多个策略返回拒执行所述RTA请求的原因。
[0032]为了实现本专利技术的另一专利技术目的，本专利技术还提供了一种基于RTA投放模式精本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RTA投放模式精准投放的方法，其特征在于，包括：利用预设的多目标预测模型实时筛选用户，获得目标用户；将多家媒体与所述RTA的接口对接，接收所述多家媒体的RTA请求；根据所述RTA请求和预设的多目标策略向所述目标用户投放对应的广告。2.根据权利要求1所述的方法，其特征在于，在所述利用预设的多目标预测模型实时筛选用户，获得目标用户之前或者之后还包括：采用预设的用户特征参数和预选的模型，建立或更新所述多目标预测模型；在所述向所述目标用户投放对应的广告之后还包括：将所述多目标预测模型迁移或复制到与所述基于RTA投放模式相关的多业务线，获取所述目标用户。3.根据权利要求2所述的方法，其特征在于，所述采用预设的用户特征参数和预选的模型，建立或更新所述多目标预测模型包括：采用预设的用户基础特征参数生成用户基础特征配置数据；采用预设的用户活跃使用的APP特征参数生成用户活跃使用的APP特征配置数据；采用预设的用户QDAS行为特征参数生成用户QDAS行为特征配置数据；采用预设的360产品线特征参数生成用户使用360产品线特征配置数据；采用所述用户基础特征配置数据、用户活跃使用的APP特征配置数据、用户QDAS行为特征配置数据以及用户使用360产品线特征配置数据以及预选的模型类型构建所述多目标预测模型；或者按照预设的间隔时间更新所述用户基础特征配置数据、用户活跃使用的APP特征配置数据、用户QDAS行为特征配置数据以及用户使用360产品线特征配置数据；利用更新后的所述用户基础特征配置数据、用户活跃使用的APP特征配置数据、用户QDAS行为特征配置数据以及用户使用360产品线特征配置数据更新所述多目标预测模型。4.根据权利要求3所述的方法，其特征在于，所述用户基础特征参数包括所述用户...

【专利技术属性】
技术研发人员：刘琳，祖琴，鲁美辰，李娟，白特木勒，田爽，康国岐，汪诚，王朝勇，赵刚，
申请(专利权)人：北京鸿享技术服务有限公司，
类型：发明
国别省市：