[发明专利]一种基于关键字的网络广告精准投放方法

说明书

一种基于关键字的网络广告精准投放方法，包括以下步骤：第一步，关键字分析确定关键字信息，关键字分析的目的是得到系统进行关键字定价策略制定的必要的关键字信息；第二步，对优化模型进行确定，确定关键字信息后，要通过对特定关键字和搜索引擎的选择确定优化模型；第三步，粒子群算法参数确定及计算优化，确定优化模型后，将优化模型代入到粒子群算法，确定适应度计算函数和惩罚函数，根据不同的定价模型，采用不同的适应度函数，计算每一个粒子的适应度值，输出全局最优适应度gbest，即为最低成本，输出达到该适应度的关键字价格。本发明可靠性较高、实时性良好、优化计算难度较低、优化效果较好。

技术领域

本发明涉及一种面向网络广告投放的关键字定价方案，针对广告商网络广告投放策略的问题，基于已有的CPC、CPM模型和如今被搜索引擎及广告商广泛接受的关键字竞价排名机制，设计一个在达到一定展现量或收益的前提下为广告商求得最低成本的广告投放模型。

背景技术

随着互联网的发展，网络广告成为企业将产品推向市场的重要手段。而据《2014年中国互联网络发展状况统计报告》统计，在众多网络应用中，搜索引擎使用率高达80.3％。搜索引擎已经被证明是大多数互联网用户寻找信息的主要通道。这使得搜索引擎在互联网的网络营销渠道占据了主导地位，从而使得基于关键字的网络广告成为主流。针对这类广告投放方式中同一广告需要对大量不同的关键字进行竞价、竞价参与者多、竞价随时的特点，传统的投标式竞价方式已无法适用于这类广告的投放，新的广告拍卖方式对广告商的广告投放策略提出了如下新的要求：1、同一广告需要对大量的关键字进行竞价；2、实时的调整关键字竞价策略；3、在广告目标一定的情况下，降低自己的成本。而且面对这一复杂的非线性背包问题，如何迅速的找到最优的广告投放策略显得尤为重要。

对于此类问题的传统优化算法从线性规划理论发展而来，学者们基于线性规划的结果然后扩展到非线性领域，但传统优化算法有着下列局限：

(1)只能解决优化问题中数学特征可以精确认知的那类问题，传统优化算法是确定性的，精确的算法，每次搜索都需要有精确的依据。

(2)无法跳出局部优化解，无法保证收敛到全局最优解。

(3)必须求得优化问题的优化解的数学特征，然后再针对该特征进行设计算法。

Nittala Chaitanya等人假设在在局部无嫉妒均衡的条件下，将此问题看成一个线性规划问题，以此建立一个分析模型使得广告商的投资回报最大化。Cookhwan Kim等人根据经验利用分层贝叶斯模型预测销售排名，该模型形式化层次结构的良好表现减少了市场随机行为对结果预测带来的影响。Yunhong Zhou等人在广告预算被约束的情况下将关键字竞价看做一个在线背包问题，以此提出了一个分析模型，并验证了该模型的结果与实际数据有90％的相似度。

也有学者对拍卖与排名机制产生了兴趣，对此做了许多具有建设意义的研究。Matthew Richardson等人通过分析关键字的历史点击率预测用户行为估计广告的点击率，以此建立排名规则模型使得排名更高的关键词或得更高的点击率。Ashish Goel等人分析了各种拍卖方式的优劣，提出了混合拍卖机制以使广告商和拍卖商来实现复杂的动态编程策略来处理的原来拍卖方式的不确定性。Feng等人采用不完全信息博弈模型分析了不同竞价排名机制下的收益差异性。

而一些最近的研究主要集中于为广告商提供更为优化的关键字竞价策略。LiwenHou等人通过实际数据分析了搜索次数与印象次数之间的关系，得到两者成正太分布，再基于贝叶斯网络的协助投标的预测，为广告商提供优化策略。李俊分析了主流关键字竞价拍卖产品的特征提出了基于贝叶斯网络模型的关键字竞价效果预测方法，以此建立了各种全局及局部限制条件限制下的全局最优竞价策略的数学模型，并将预测方法用于全局最优化方程的求解。董红斌等人提出了一种基于优化算法的竞价策略制定Agent模型，并给出该模型的实现方法.该Agent模型将竞价的策略制定问题抽象成为一个多选择背包问题.采用差分进化算法解决多选择背包问题的约束特性。