[发明专利]一种竞价方法和装置

说明书

技术领域

本发明涉及互联网技术，尤其涉及一种竞价方法和装置。

背景技术

实时竞价(RTB)是一种新兴的互联网广告投放模式，使得广告的投放方式从媒体、广告位的粗粒度购买模式转变为按用户的细粒度购买模式，使得广告主可以在合适的时间将合适的广告信息传递给合适的用户，从而提升广告投放效率。在RTB模式中，媒体、广告交易平台(AdExchange)、需求方平台(DemandSidePlatform,DSP)、广告主是其中重要的成员。其中，广告交易平台汇集媒体的广告曝光展示机会信息，并将所述信息传递给多家DSP，DSP则汇集广告主的广告投放需求，综合广告交易平台提供的广告曝光场景信息、用户信息及广告信息，对每一次广告曝光机会的价值进行估计，选择合适的广告与价格进行出价，以竟得曝光机会。由于DSP平台的任务是不断优化广告主的投放效果，即不断优化不同广告主所设定的相应KPI(KeyPerformanceIndicator)值，而对于DSP平台而言，竞价算法至关重要，该算法需要综合运用人群定向分析、点击率及转化率估计、成本预算等对所述KPI(KeyPerformanceIndicator)值不断优化。通常，在RTB模式下，不同广告主所设定的KPI值的形式呈多样性，诸如CTR(点击率)、CPC(每次点击付费)、CPA(每行动成本)、ROI(投资回报率)以及到达率、二跳率等等。为适应不同广告主所设定的KPI值，选择合适的广告与价格进行出价，需要DSP的竞价算法有相当大的灵活性。

而现有的DSP竞价算法主要借鉴搜索广告、联盟广告的点击率(CTR)、点击转化率(CVR)进行预估运算和出价，采用的算法主要为逻辑回归及其变种，但是这些算法对于不同广告主的KPI适应性不足，可以优化的KPI类型有限，通常只能对CTR、CVR参数进行优化，而且，对于任何一种KPI的参数都是通过独立建模进行计算，所独立建立的模型通常不能融合。特别是，现有竞价算法中对数据进行统计时，对稀疏数据容易出现过拟合，例如，对于曝光数与点击数极少的维度CTR进行统计会出现过高或过低的值；并且，现有竞价算法对未知流量探索能力差(例如，对于缺乏数据的域名可能一直不会将广告投放至该域名对应的网站)，容易做出非白即黑的简单判断、难以融入优化人员的经验知识等。

发明内容

本发明的目的是提供一种竞价方法和装置，通过联合使用多个模型，满足设定不同KPI值的广告主更好地进行实时竞价。

根据本发明的一个方面，提供了一种竞价方法，该方法包括：

建立所述CTR估计模型、CTR校准模型、媒体质量评估模型、CVR估计模型和概率黑白名单模型中的至少一个模型；

融合所建立的模型；

对于给定的KPI参数，获取广告投放的历史数据和实时数据，基于所融合的模型，对待投放的广告流量价值进行估计；

基于所述估计得到的流量价值，确定合适的出价策略进行竞价。

其中，所建立的CTR估计模型用于基于贝叶斯统计方法估计点击率。

其中，所建立的CTR校准模型用于采用Log线性回归算法捕捉基于所述CTR估计模型得到的CTR值和真实CTR值的总体对应关系。进一步地，所述CTR校准模型还用于：基于Log线性回归算法，使用局部回归的方法捕捉局部非线性特征，以使得Log线性回归可以更准确地描述预测CTR与实际CTR之间的对应关系，并使所述回归呈单调递增。

其中，所建立的媒体质量评估模型，用于基于多种数据对媒体的质量进行综合评分。进一步地，所述综合评分得到的质量评分值连续。

其中，所建立的概率黑白名单模型，用于为每个名单设定一个黑白调整系数，以区分所述各名单为黑名单或白名单的概率。

其中，在所述竞价中，至少基于以下两个因素进行出价：不同预测CTR区段实际CPC的不同、不同时间段的CPM(广告条每显示1000次的费用)、CPC、CPA及平均竞得率的不同。

进一步地，所述特定的KPI为CPA时，所述竞价方法具体包括：

至少建立CTR估计模型和CVR估计模型；

基于概率的链式法则融合所建立的CTR模型和CVR模型。

根据本发明的另一个方面，还提供了一种竞价装置，该装置包括：

模型建立模块，用于建立所述CTR估计模型、CTR校准模型、媒体质量评估模型、CVR估计模型和概率黑白名单模型中的至少一个模型，以及建立出价模型；

模型融合模块，用于融合所建立的模型；