CN104636954A - 一种广告媒体投放量的数据挖掘方法和装置 - Google Patents

Abstract

本发明公开了一种广告媒体投放量的数据挖掘方法，包括：步骤1)获取广告媒体投放的历史统计数据，该历史统计数据中包括：广告在媒体上的点击量ctr和投放量；步骤2)获取预先设定的优化目标模型；步骤3)获取广告在媒体点击量的预设限定条件和步骤2)中的优化目标模型，建立广告媒体投放量的数据挖掘模型；步骤4)对步骤3)建立的数据挖掘模型进行计算，得到最佳的广告媒体投放量数据。

Description

一种广告媒体投放量的数据挖掘方法和装置

技术领域

本申请在基于移动广告行业，对广告在媒体上投放的曝光量主要还是手动靠经验设定的优化方案。

背景技术

对广告在媒体上的投放量，现有技术主要是手动、靠经验设定的。缺点很多：1.对广告在媒体上点击率变化不敏感，

2.人脑对广告或是媒体的ctr记忆能力有限，

3.设定参数对人的业务要求，记忆力要求都很高，而且新手跟进较慢，

4.受人的主观认识和记忆人偏差较大。

发明内容

本发明所要解决的技术问题是提供一种优化方法，即一种广告媒体投放量的数据挖掘方法和装置。

本发明解决上述技术问题所采取的技术方案如下：

一种广告媒体投放量的数据挖掘方法，包括：

步骤1)获取广告媒体投放的历史统计数据，该历史统计数据中包括：广告在媒体上的点击率ctr和投放量；

步骤2)获取预先设定的优化目标模型；

步骤3)获取广告在媒体点击量的预设限定条件和步骤2)中的优化目标模型，建立广告媒体投放量的数据挖掘模型；

步骤4)对步骤3)建立的数据挖掘模型进行计算，得到最佳的广告媒体投放量数据。

进一步地，优选的是，步骤2)中，所述预先设定的优化目标模型为利润额，其中，选取以下的利润额模型：

z＝ctr₁₁*price₁*x₁₁+…ctr_ij*price_j*x_ij+…+ctr_nm*price_m*x_nm

其中，n为媒体个数，m为广告个数，x_ij对应第i个媒体，第j个广告的投放量，ctr_ij是第i个媒体，第j个广告的历史点击率。

进一步地，优选的是，广告在媒体点击量的预设限定条件，包括：

一种广告媒体投放量的数据挖掘装置，包括：

历史数据获取单元，用于获取广告媒体投放的历史统计数据，该历史统计数据中包括：广告在媒体上的点击率ctr和投放量；

目标优化单元，用于获取预先设定的优化目标模型；

获取广告在媒体点击量的预设限定条件和优化目标模型，建立广告媒体投放量的数据挖掘模型；

计算单元，用于建立的数据挖掘模型进行计算，得到最佳的广告媒体投放量数据。

进一步地，优选的是，所述预先设定的优化目标模型为利润额，其中，选取以下的利润额模型：

z＝ctr₁₁*price₁*x₁₁+…ctr_ij*price_j*x_ij+…+ctr_nm*price_m*x_nm

其中，n为媒体个数，m为广告个数，x_ij对应第i个媒体，第j个广告的投放量，ctr_ij是第i个媒体，第j个广告的历史点击率。

进一步地，优选的是，广告在媒体点击量的预设限定条件，包括：

本发明采取了上述方案后，能够根据历史广告在媒体上的ctr，投放量来 优化最新投放量的分配，可以根据最大化公司利润，最大化ctr，最大化点击数等等中的一个或几个的组合来确定优化方向，通知计算得到的结果，来指导或修改人为投放数据。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

下面结合附图对本发明进行详细的描述，以使得本发明的上述优点更加明确。其中，

图1是本发明广告媒体投放量的数据挖掘方法的流程示意图；

图2是本发明广告媒体投放量的数据挖掘装置的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一：

如图1所示，一种广告媒体投放量的数据挖掘方法，包括：

步骤1)获取广告媒体投放的历史统计数据，该历史统计数据中包括：广告在媒体上的点击率ctr和投放量；

步骤2)获取预先设定的优化目标模型；

步骤3)获取广告在媒体点击量的预设限定条件和步骤2)中的优化目标 模型，建立广告媒体投放量的数据挖掘模型；

步骤4)对步骤3)建立的数据挖掘模型进行计算，得到最佳的广告媒体投放量数据。

进一步地，优选的是，步骤2)中，所述预先设定的优化目标模型为利润额，其中，选取以下的利润额模型：

z＝ctr₁₁*price₁*x₁₁+…ctr_ij*price_j*x_ij+…+ctr_nm*price_m*x_nm

其中，n为媒体个数，m为广告个数，x_ij对应第i个媒体，第j个广告的投放量，ctr_ij是第i个媒体，第j个广告的历史点击率。

进一步地，优选的是，广告在媒体点击量的预设限定条件，包括：

其中，本发明采取了上述方案后，能够根据历史广告在媒体上的ctr，投放量来优化最新投放量的分配，可以根据最大化公司利润，最大化ctr，最大化点击数等等中的一个或几个的组合来确定优化方向，通知计算得到的结果，来指导或修改人为投放数据。

实施例二:

结合实施例二对以上实施例一进行详细说明，具体来说，本申请主要是可以根据最近几天，广告在媒体上的ctr，投放量来优化最新投放量的分配，可以根据最大化公司利润，最大化ctr，最大化点击数等等中的一个或几个的组合来确定优化方向，通知计算得到的结果，来指导或修改人为投放数据

其中，假设优化目标是优化利润总额:

首先建立利润额模型(即优化目标模型)：

z＝ctr₁₁*price₁*x₁₁+…ctr_ij*price_j*x_ij+…+ctr_nm

*price_m*x_nm

(n为媒体个数，m为广告个数， 

x_ij对应第i个媒体，第j个广告的投放量，

ctr_ij是第i个媒体，第j个广告的历史点击率

z＝ctr₁₁*price₁*x₁₁+…ctr_ij*price_j*x_ij+…+ctr_nm*price_m*x_nm

(n为媒体个数，m为广告个数， 

x_ij对应第i个媒体，第j个广告的投放量，

ctr_ij是第i个媒体，第j个广告的历史点击率)

然后建立利润的一些限制条件，比如公司总曝光量一定，广告商要求自己的广告点击量一定等等条件，然后每一个曝光量(即变量x)的值不能小于0，如下：

最后用单纯形法对这个模型进行求解，得到最优化曝光量x。

其中，该公式的解释如下：第一条公式是表示：第一广告在所有媒体上的ctr(点击率)*曝光量x>＝广告商要求的点击量

第二条到第m条公式类同。

第m+1公式表示第一个媒体上的所有点击量x和<＝这个媒体的历史平均曝光量(impNum)

第m+2到第m+n公式同上

最后一条公式表示，所有曝光量的和<＝公司历史平均曝光量(totalImpNum)。

本发明采取了以上方案以后，具有以下的有益效果：

1.对于新手上手比较快，无需对历史数据认知较多，只要知道当前需求即可

2.对于历史数据的变化可以比较即时的反应

3.对于数据认识的广度和深度也更好

4.可以应对复杂需求，且得到的结果针对性非常强

其中，单纯形法：是一种迭代求解多元一次不等式的一种方法，具体来说，根据所述单纯形法，其主要执行动作如下：

第一步，假设新增的几个变量(系数全部是1)是基本变量，其它是非基本变量

第二步，设定非基本变量的值是0，计算出基本变量的值

第三步，代入最优化函数，算出最优化结果(这一步可以没有)

第四步，计算非基本变量最大利润率的变量xmaxNoBase

第五步，计算相对于xmaxNoBase贡献最小的基本变量xminBase(负数不算)

第六步，用xmaxNoBase代替xminBase成为基本变量，xminBase成为非基本变量

第七步，系数归一

第八步，直到计算的所以利润率都小于0的时候结束，否则重复以上几步

单纯形法实例如下：

Z＝5x₁+2x₂+3x₃-x₄+x₅  达到最大

约束条件：x₁+2x₂+2x₃+x₄＝8         

3x₁+4x₂+x₃+x₅＝7

x₁，x₂，x₃，x₄，x₅≥0

用矩阵形式表示为：

$A=\left(\begin{array}{ccccc}1& 2& 2& 1& 0\\ 3& 4& 1& 0& 1\end{array}\right)$    约束条件系数

$b=\left(\begin{array}{c}8\\ 7\end{array}\right)$    约束条件常数

$C_1=\left(\begin{array}{ccccc}5& 2& 3& -1& 1\end{array}\right)$    目标函数系数

$C_B=\left(\begin{array}{cc}-1,& 1\end{array}\right)$    基本变量目标函数系数

列出表格，把上述系数矩阵放进表格里

x₄＝8，x₅＝7；而非基本变量x₁＝x₂＝x₃＝0，目标函数值由C_B和常数项两个向量的内积求得，即：

$Z=C_{B}b=\left(\begin{array}{cc}-1,& 1\end{array}\right)\left(\begin{array}{c}8\\ 7\end{array}\right)=-8+7=-1$

为了检验上述基本可行解是否达到最优，必须算出所有非基本变量的相对利润。它的计算是通过矩阵运算来完成的。如变量x₁的相对利润系数用表示，则：

   P₁为对应x₁的列向量

例： $\begin{array}{c}{\stackrel{\&OverBar;}{C}}_1=C_1-(C_4,C_5)P_1\\ =5-(-\mathrm{1,1})\left(\begin{array}{c}1\\ 3\end{array}\right)\\ =5-(-1+3)=3\end{array}$

$\begin{array}{c}{\stackrel{\&OverBar;}{C}}_2=C_2-(C_4,C_5)P_2\\ =2-(-\mathrm{1,1})\left(\begin{array}{c}2\\ 4\end{array}\right)\\ =2-(-2+4)=0\end{array}$

$\begin{array}{c}{\stackrel{\&OverBar;}{C}}_3=C_3-(C_4,C_5)P_3\\ =3-(-\mathrm{1,1})\left(\begin{array}{c}2\\ 1\end{array}\right)\\ =3-(-2+1)=4\end{array}$

再求一次利润系数，得到最大利润系数，算出相对最大利润系数参数最小贡献度的基本元素。

直到C行的利润率全部小于等于0的时候结束，Z＝81/5就是最优解

实施例三：

一种广告媒体投放量的数据挖掘装置，包括：

历史数据获取单元，用于获取广告媒体投放的历史统计数据，该历史统计数据中包括：广告在媒体上的点击率ctr和投放量；

目标优化单元，用于获取预先设定的优化目标模型；

获取广告在媒体点击量的预设限定条件和优化目标模型，建立广告媒体投放量的数据挖掘模型；

计算单元，用于建立的数据挖掘模型进行计算，得到最佳的广告媒体投放 量数据。

进一步地，优选的是，所述预先设定的优化目标模型为利润额，其中，选取以下的利润额模型：

z＝ctr₁₁*price₁*x₁₁+…ctr_ij*price_j*x_ij+…+ctr_nm*price_m*x_nm

其中，n为媒体个数，m为广告个数，x_ij对应第i个媒体，第j个广告的投放量，ctr_ij是第i个媒体，第j个广告的历史点击率。

进一步地，优选的是，广告在媒体点击量的预设限定条件，包括：

本发明装置具有方法实施例相同的技术效果，即本发明采取了上述方案后，能够根据历史广告在媒体上的ctr，投放量来优化最新投放量的分配，可以根据最大化公司利润，最大化ctr，最大化点击数等等中的一个或几个的组合来确定优化方向，通知计算得到的结果，来指导或修改人为投放数据。

需要说明的是，对于上述方法实施例而言，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。

而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术 人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种广告媒体投放量的数据挖掘方法，其特征在于，包括：

步骤1)获取广告媒体投放的历史统计数据，该历史统计数据中包括：广告在媒体上的点击率ctr和投放量；

步骤2)获取预先设定的优化目标模型；

步骤3)获取广告在媒体点击量的预设限定条件和步骤2)中的优化目标模型，建立广告媒体投放量的数据挖掘模型；

步骤4)对步骤3)建立的数据挖掘模型进行计算，得到最佳的广告媒体投放量数据。

2.根据权利要求1所述的广告媒体投放量的数据挖掘方法，其特征在于，步骤2)中，所述预先设定的优化目标模型为利润额，其中，选取以下的利润额模型：

z＝ctr₁₁*price₁*x₁₁+…ctr_ij*price_j*x_ij+…+ctr_nm*price_m*x_nm

其中，n为媒体个数，m为广告个数，x_ij对应第i个媒体，第j个广告的投放量，ctr_ij是第i个媒体，第j个广告的历史点击率。

3.根据权利要求1或2所述的广告媒体投放量的数据挖掘方法，其特征在于，广告在媒体点击量的预设限定条件，包括：

4.一种广告媒体投放量的数据挖掘装置，其特征在于，包括：

历史数据获取单元，用于获取广告媒体投放的历史统计数据，该历史统计数据中包括：广告在媒体上的点击率ctr和投放量；

目标优化单元，用于获取预先设定的优化目标模型；

获取广告在媒体点击量的预设限定条件和优化目标模型，建立广告媒体投放量的数据挖掘模型；

计算单元，用于建立的数据挖掘模型进行计算，得到最佳的广告媒体投放量数据。

5.根据权利要求4所述的广告媒体投放量的数据挖掘装置，其特征在于，所述预先设定的优化目标模型为利润额，其中，选取以下的利润额模型：

z＝ctr₁₁*price₁*x₁₁+…ctr_ij*price_j*x_ij+…+ctr_nm*price_m*x_nm

其中，n为媒体个数，m为广告个数，x_ij对应第i个媒体，第j个广告的投放量，ctr_ij是第i个媒体，第j个广告的历史点击率。

6.根据权利要求4或5所述的广告媒体投放量的数据挖掘装置，其特征在于，广告在媒体点击量的预设限定条件，包括：