一种广告投放方法和系统技术方案

本发明专利技术实施例公开了一种广告投放方法和系统，以解决广告投放服务器计算压力大、响应时间长和广告投放速度慢的问题。所述方法包括：统计各候选投放广告的各维度特征的历史点击率，并依据各维度特征的历史点击率计算得到各维度特征的权重；各维度特征少于广告投放特征；将各维度特征的历史点击率和各维度特征的权重进行点击率预测计算，得到各候选投放广告的点击率预测值；将各候选投放广告的点击率预测值分别映射为各候选投放广告的广告点击率，并根据各候选投放广告的广告点击率进行广告投放。由于不需要考虑过多的广告投放特征，就减少了广告投放服务器的计算量，缓解了广告投放服务器的处理压力，提高了广告投放服务器的响应速度。

【技术实现步骤摘要】
【专利摘要】本专利技术实施例公开了一种广告投放方法和系统，以解决广告投放服务器计算压力大、响应时间长和广告投放速度慢的问题。所述方法包括：统计各候选投放广告的各维度特征的历史点击率，并依据各维度特征的历史点击率计算得到各维度特征的权重；各维度特征少于广告投放特征；将各维度特征的历史点击率和各维度特征的权重进行点击率预测计算，得到各候选投放广告的点击率预测值；将各候选投放广告的点击率预测值分别映射为各候选投放广告的广告点击率，并根据各候选投放广告的广告点击率进行广告投放。由于不需要考虑过多的广告投放特征，就减少了广告投放服务器的计算量，缓解了广告投放服务器的处理压力，提高了广告投放服务器的响应速度。【专利说明】一种广告投放方法和系统
本专利技术实施例涉及互联网广告
，特别是涉及一种广告投放方法和系统。
技术介绍
目前在互联网领域，实时竞价广告系统发展很快，需求方服务平台(DemandService Platform, DSP)需要实时为每次广告投放流量出价，出价最高的DSP获得这次广告投放机会。因此DSP需要在非常短时间内(IOOms以内)评估这次广告投放机会的价值，一般以每千人成本(Cost Per Mille, CPM)付费。DSP面向广告主以每点击成本(Cost Per Click，CPC)收费。最终，DSP还需要将CPM转换成CPC，计算广告投放机会的成本。将CPM转换成CPC的过程中，需要的关键步骤是广告点击率的预测。点击率的预测通常需要考虑广告投放特征，包括用户特征(用户搜索关键词、网页流量记录、广告点击记录等)、网页特征(网页分类、网页关键词等)、广告特征(广告类别、广告引导页、广告关键词等)。考虑的广告投放特征过多虽然可以提高点击率预测的准确率，使得广告投放更精准，但是，也会导致广告投放服务器的计算压力过大、响应时间长，降低了广告投放的速度，对广告投放的实时性造成影响。
技术实现思路
本专利技术实施例公开一种广告投放方法和系统，以解决广告投放服务器计算压力大、响应时间长和广告投放速度慢的问题。为了解决上述问题，本专利技术公开了一种广告投放方法，包括:统计各候选投放广告的各维度特征的历史点击率，并依据所述各维度特征的历史点击率计算得到各维度特征的权重；所述各维度特征少于广告投放特征；将所述各维度特征的历史点击率和所述各维度特征的权重进行点击率预测计算，得到所述各候选投放广告的点击率预测值；将所述各候选投放广告的点击率预测值分别映射为所述各候选投放广告的广告点击率，并根据所述各候选投放广告的广告点击率进行广告投放。优选的，所述统计各候选投放广告的各维度特征的历史点击率，并依据所述各维度特征的历史点击率计算得到各维度特征的权重，包括:从历史广告投放日志中统计出所述各候选投放广告的各维度特征的历史点击率；将所述各维度特征的历史点击率按照回归模型训练得到所述各维度特征的权重；其中，所述各维度特征包括:媒体、广告行业、广告位大小、广告位位置、广告类型和广告素材；按照媒体、广告类型、广告位位置、广告行业、广告素材、广告位大小的顺序，所述各维度特征对所述广告点击率的影响逐渐减小。优选的，所述将所述各维度特征的历史点击率和所述各维度特征的权重进行点击率预测计算，得到所述各候选投放广告的点击率预测值，包括:通过:【权利要求】1.一种广告投放方法,其特征在于,包括: 统计各候选投放广告的各维度特征的历史点击率，并依据所述各维度特征的历史点击率计算得到各维度特征的权重；所述各维度特征少于广告投放特征； 将所述各维度特征的历史点击率和所述各维度特征的权重进行点击率预测计算，得到所述各候选投放广告的点击率预测值； 将所述各候选投放广告的点击率预测值分别映射为所述各候选投放广告的广告点击率，并根据所述各候选投放广告的广告点击率进行广告投放。2.根据权利要求1所述的方法，其特征在于，所述统计各候选投放广告的各维度特征的历史点击率，并依据所述各维度特征的历史点击率计算得到各维度特征的权重，包括: 从历史广告投放日志中统计出所述各候选投放广告的各维度特征的历史点击率； 将所述各维度特征的历史点击率按照回归模型训练得到所述各维度特征的权重； 其中，所述各维度特征包括:媒体、广告行业、广告位大小、广告位位置、广告类型和广告素材； 按照媒体、广告类型、广告位位置、广告行业、广告素材、广告位大小的顺序，所述各维度特征对所述广告点击率的影响逐渐减小。3.根据权利要求1所述的方法，其特征在于，所述将所述各维度特征的历史点击率和所述各维度特征的权重进行点击率预测计算，得到所述各候选投放广告的点击率预测值，包括: 通过计算得到所述各候选投放广告的点击率预测值; 4.根据权利要求1所述的方法，其特征在于，所述将所述各候选投放广告的点击率预测值分别映射为所述各候选投放广告的广告点击率，包括: 将所述各候选投放广告的点击率预测值进行线性回归计算，得到所述各候选投放广告的广告点击率。5.根据权利要求4所述的方法，其特征在于，所述将所述各候选投放广告的点击率预测值进行线性回归计算，得到所述各候选投放广告的广告点击率，包括: 通过I = ax3+bx2+cx+d计算得到所述各候选投放广告的广告点击率； 其中，Y为所述广告点击率，X为所述点击率预测值，a、b、C、d均为回归系数。6.根据权利要求1所述的方法，其特征在于，所述根据所述各候选投放广告的广告点击率进行广告投放，包括: 将所述各候选投放广告的广告点击率按照顺序排列； 选择所述广告点击率最大的候选投放广告进行广告投放。7.一种广告投放系统，其特征在于，包括: 维度特征信息确定模块，用于统计各候选投放广告的各维度特征的历史点击率，并依据所述各维度特征的历史点击率计算得到各维度特征的权重；所述各维度特征少于广告投放特征； 点击率预测值计算模块，用于将所述各维度特征的历史点击率和所述各维度特征的权重进行点击率预测计算，得到所述各候选投放广告的点击率预测值； 广告投放模块，用于将所述各候选投放广告的点击率预测值分别映射为所述各候选投放广告的广告点击率，并根据所述各候选投放广告的广告点击率进行广告投放。8.根据权利要求7所述的系统，其特征在于，所述维度特征信息确定模块，包括: 统计子模块，用于从历史广告投放日志中统计出所述各候选投放广告的各维度特征的历史点击率； 训练子模块，用于将所述各维度特征的历史点击率按照回归模型训练得到所述各维度特征的权重； 其中，所述各维度特征包括:媒体、广告行业、广告位大小、广告位位置、广告类型和广告素材； 按照媒体、广告类型、广告位位置、广告行业、广告素材、广告位大小的顺序，所述各维度特征对所述广告点击率的影响逐渐减小。9.根据权利要求7所述的系统，其特征在于，所述点击率预测值计算模块通过 10.根据权利要求7所述的系统，其特征在于，所述广告投放模块通过y=ax3+bx2+cx+d计算得到所述各候选投放广告的广告点击率； 其中，Y为所述广告点击率，X为所述点击率预测值，a、b、C、d均为回归系数。【文档编号】G06Q30/02GK103440584SQ201310329091【公开日】2013年12月11日 申请本文档来自技高网...

【技术保护点】
一种广告投放方法，其特征在于，包括：统计各候选投放广告的各维度特征的历史点击率，并依据所述各维度特征的历史点击率计算得到各维度特征的权重；所述各维度特征少于广告投放特征；将所述各维度特征的历史点击率和所述各维度特征的权重进行点击率预测计算，得到所述各候选投放广告的点击率预测值；将所述各候选投放广告的点击率预测值分别映射为所述各候选投放广告的广告点击率，并根据所述各候选投放广告的广告点击率进行广告投放。

【技术特征摘要】

【专利技术属性】
技术研发人员：马海收，罗峰，黄苏支，李娜，
申请(专利权)人：北京亿赞普网络技术有限公司，
类型：发明
国别省市：