[发明专利]基于机器学习与成本模型的关键词推荐方法及系统

说明书

技术领域

本发明涉及网络推广领域，尤其涉及一种基于机器学习与成本模型的关键词推荐方法，还涉及一种实现所述关键词推荐方法的系统。

背景技术

外贸直通车也称作P4P(Pay For Performance，按照点击付费)，是全球最大B2B电子商务平台阿里巴巴企业推出的一项网络推广服务，帮助客户通过自主设置多维度关键词，实现免费展示产品信息，达到大量曝光产品从而吸引潜在买家的效果。

外贸直通车包括两种收费模式：免费推广和竞价推广(按照点击付费)。其中，竞价推广将产品置于页面显要突出位置，实现更高的产品曝光率与点击率，受到众多外贸直通车客户的青睐。同时，使用竞价推广的客户也面临着竞价跟踪困难、操作复杂、推广效益缺乏精准量化、成本控制等问题。虽然市场上已经存在大量的外贸直通车系统，试图帮助客户解决以上问题，但是绝大部分系统目前仅提供跟踪价格、竞价操作、简单的成本管理等基础功能，未能充分利用大数据和人工智能等最新研究成果，满足客户更高层次的价格趋势预测、精细成本效益管理、关键字推荐等要求。具体存在如下问题：

(1)仅能提供简单的竞价跟踪功能，未能利用大数据和人工智能研究成果，缺乏对以往历史数据的深入挖掘，从而实现准确竞价预测。

(2)仅提供竞价价格、每日推广总费用等单一成本控制手段，未能充分考虑曝光率、点击率、询盘率等影响因素，缺乏一个更优化的效益/成本估算模型。

(3)虽然简化了客户的竞价操作，但是仍然需要客户自行跟踪竞价波动，并且手动设置竞价价格。缺乏一个基于优化的效益/成本估算模型上的精准竞价策略。

(4)需要客户手工选择关键词，仅提供简单的关键字管理，如按星级排序、按价格排序等，缺少基于以往竞价波动、出价记录等大数据进行深度学习与挖掘，从而提供更准确的关键字推荐等高端功能。

现有关键词集合中，通常可供一个用户选择的关键词数量达到数百个，因此从其中选择多个关键词对用户来说是一个很大的挑战，用户只能凭直觉与主观因素进行挑选；即使挑选出合适的关键词集合，如何为每个关键词进行出价也是一个困难的事情，因为用户需要把每天推广成本分摊到已选择的关键字集合，而且可供用户参考的信息只包括最近几天的价格波动记录，无法给用户提供深度的分析与预测，帮助用户更好的进行竞价。

发明内容

为解决现有技术中的问题，本发明提供一种基于机器学习与成本模型的关键词推荐方法，还提供一种实现所述关键词推荐方法的系统，在成本模型的基础上，帮助用户更好的选择最合适的关键词集合。

本发明包括如下步骤：

S1：根据价格数据库输入关键词价格数据；

S2：通过机器学习建立价格波动模型；

S3：根据关键词实时价格数据和价格波动模型预测价格波动；

S4：根据预测价格，预测成本是否超支，如果否，返回执行步骤S3，如果是，更新推荐的关键词集合。

本发明作进一步改进，在步骤S2中，所述价格波动模型为：

设定价格的控制下限和控制上限，假设某一关键词竞价价格在控制下限以下或控制上限以上时期价格保持稳定，则称其为稳定期，在控制下限和控制上限之间价格剧烈波动，则成其为波动期；

在波动期，对关键词的竞价波动参数μ和σ²进行最大似然估计，获取估计值，即和其中，最大似然估计公式为：

其中，p_i为取样的价格，n为样本的数量，i≤n，且为整数；

获取竞价价格P在一定时间区间的移动平均p_平均，当小于一指定比率，则竞价价格处于稳定期，维持竞价价格P不变；

当大于一指定比率，则竞价价格即将进入或处于价格波动期，利用正态分布公式和估计的波动参数和对未来竞价价格f(p)进行价格预测，所述正态分布公式为：

本发明作进一步改进，在步骤S3中，预测价格波动后，还包括根据关键词效益/成本模型对预测价格进行优化步骤，获取预测后的优化竞价价格。

本发明作进一步改进，所述关键词效益/成本模型为：

其中，和分别表示某个时间点预测的竞价价格和预测的点击量，为某个时间段[t₁,t₁]的预测总成本，而则为时间段[t₁,t₁]的预计效益总和，采用移动平均的方式获取。