[发明专利]一种筛选推广关键词的方法和装置在审

专利信息
申请号: 201410161778.0 申请日: 2014-04-22
公开(公告)号: CN105095210A 公开(公告)日: 2015-11-25
发明(设计)人: 黄凯明;吴克文;黄鹏;李波;林锋 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06F17/30 分类号: G06F17/30
代理公司: 北京鸿德海业知识产权代理事务所(普通合伙) 11412 代理人: 倪志华
地址: 英属开曼群岛大开*** 国省代码: 开曼群岛;KY
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 筛选 推广 关键词 方法 装置
【权利要求书】:

1.一种筛选推广关键词的方法,其特征在于,该方法包括:

选取候选推广关键词;

提取候选推广关键词的特征,所述特征包括:搜索引擎特征、非引入流量的效果特征和文本特征中的至少一种;

将各候选推广关键词的特征作为预先建立的关键词筛选模型的输入数据,根据所述关键词筛选模型的预测结果得到优质推广关键词。

2.根据权利要求1所述的方法,其特征在于,所述选取候选推广关键词包括:

利用商家网站的搜索关键词和/或已投放于搜索引擎的推广关键词的扩展词,选取候选推广关键词。

3.根据权利要求1所述的方法,其特征在于,所述特征还包括竞价特征;

其中,在最低竞价和最高竞价之间,按照预设的竞价间隔分别构造候选推广关键词的竞价特征。

4.根据权利要求3所述的方法,其特征在于,该方法还包括:确定优质推广关键词的建议出价,具体包括:

将关键词筛选模型预测的优质推广关键词的竞价特征进行合并,取其中的最大竞价作为该优质推广关键词的建议出价。

5.根据权利要求1所述的方法,其特征在于,该方法还包括:对得到的优质推广关键词进行以下过滤处理中的至少一种:

将得到的优质推广关键词去除已投放于搜索引擎的推广关键词;

根据商家网站的违禁词黑名单和/或搜索引擎违禁词黑名单,将得到的优质推广关键词去除非法关键词。

6.根据权利要求1至5任一权项所述的方法,其特征在于,所述关键词筛选模型的建立包括:

利用已投放于搜索引擎的推广关键词数据作为训练样本;

利用推广关键词数据确定各推广关键词的投资收益比,根据各推广关键词的投资收益比对训练样本进行标注;

提取训练样本中各推广关键词的特征,所述特征与提取的所述候选推广关键词的特征一致;

利用提取的特征和标注的训练样本训练分类模型,得到所述关键词筛选模型。

7.根据权利要求6所述的方法,其特征在于,所述利用推广关键词数据确定各推广关键词的投资收益比包括:

将推广关键词通过搜索引擎引入商家网站的流量与商家为该推广关键词投入的成本的比值作为该推广关键词的投资收益比;或者,

将推广关键词通过搜索引擎引入商家的广告收益与商家为该推广关键词投入的成本的比值作为该推广关键词的投资收益比;或者,

将推广关键词通过搜索引擎引入商家的成交量与商家为该推广关键词投入的成本的比值作为该推广关键词的投资收益比。

8.根据权利要求6所述的方法,其特征在于,所述根据各推广关键词的投资收益比对训练样本进行标注包括:

如果推广关键词的投资收益比大于或等于预设的第一阈值,则标注该推广关键词为优质推广关键词;

如果推广关键词的投资收益比小于预设的第二阈值,则标注该推广关键词为劣质推广关键词;

其中所述第一阈值大于或等于所述第二阈值。

9.根据权利要求8所述的方法,其特征在于,如果所述第一阈值大于所述第二阈值,则所述根据各推广关键词的投资收益比对训练样本进行标注还包括:

如果推广关键词的投资收益比大于或等于所述第二阈值并且小于所述第一阈值,则标注该推广关键词为中等推广关键词。

10.根据权利要求6所述的方法,其特征在于,推广关键词的搜索引擎特征包括:推广关键词在搜索引擎上的搜索量和/或热度信息;

推广关键词的非引入流量的效果特征包括:推广关键词在商家网站上的搜索量、浏览量、点击量和成交量中的至少一种;

推广关键词的文本特征包括:推广关键词的单词特征、语义特征和行业特征中的至少一种;

其中所述单词特征包括推广关键词所包含的最小切词单元、最小切词单元的数量和字符长度中的至少一种;

所述语义特征包括推广关键词所包含的中心词、产品词和品牌词中的至少一种;

所述行业特征指推广关键词所属的行业类目。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201410161778.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top