[发明专利]广告投放效果的评估方法、装置、计算机设备及存储介质在审
申请号: | 201911410592.3 | 申请日: | 2019-12-31 |
公开(公告)号: | CN111160983A | 公开(公告)日: | 2020-05-15 |
发明(设计)人: | 王恒 | 申请(专利权)人: | 众安在线财产保险股份有限公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02 |
代理公司: | 北京市万慧达律师事务所 11111 | 代理人: | 张慧娟 |
地址: | 200002 上海市黄*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 广告 投放 效果 评估 方法 装置 计算机 设备 存储 介质 | ||
1.一种广告投放效果的评估方法,其特征在于,所述方法包括:
针对多个用户中的每一个用户,通过预先训练好的成本预测模型获取所述用户对于目标广告的边际成本率预估值;
基于各所述用户对于所述目标广告的边际成本率预估值、各所述用户对于所述目标广告转化后的收入以及所述目标广告的竞价值,计算所述目标广告的投资收益率预估值;
基于所述目标广告的投资收益率预估值,对所述目标广告的投放效果进行评估。
2.根据权利要求1所述的方法,其特征在于,所述成本预测模型包括表示提取器层、特征融合层以及成本预测层,所述针对多个用户中的每一个用户,通过预先训练好的成本预测模型获取所述用户对于目标广告的边际成本率预估值,包括:
针对多个用户中的每一个用户,将所述用户的行为数据和所述目标广告的广告数据输入至所述表示提取器层进行特征提取,得到多个特征数据;
将所述多个特征数据输入至所述特征融合层进行加权融合,得到用于边际成本率预测的融合特征;
将所述融合特征输入至所述成本预测层中,得到所述用户对于所述目标广告的边际成本率预估值。
3.根据权利要求1或2所述的方法,其特征在于,所述成本预测模型的训练过程包括:
构建训练数据集,其中,所述训练数据集为广告主提供的标注了成本标签的样本数据与量平台提供的客群数据碰撞之后的交集,所述成本标签为正规化后的成本数据;
基于所述训练数据集对所述成本预测模型进行训练,得到训练好的所述成本预测模型。
4.根据权利要求3所述的方法,其特征在于,所述基于所述训练数据集对所述成本预测模型进行训练,得到训练好的所述成本预测模型,包括:
基于所述训练数据集对所述成本预测模型进行迭代训练;
在每次迭代训练中,利用预设的损失函数计算所述成本预测模型输出的边际成本率预估值与对应样本的边际成本率真值之间的损失值;
当所述损失值达到预设值时,停止迭代训练所述成本预测模型,得到训练好的所述成本预测模型。
5.根据权利要求1至4任一所述的方法,其特征在于,所述方法还包括:
基于所述目标广告的投放效果的评估结果,调整所述目标广告的投放策略,其中,所述投放策略至少包括以下之一:是否投放所述目标广告、所述目标广告的投放时间以及所述目标广告的竞价值。
6.一种广告投放效果的评估装置,其特征在于,所述装置包括:
获取模块,用于针对多个用户中的每一个用户,通过预先训练好的成本预测模型获取所述用户对于目标广告的边际成本率预估值;
计算模块,用于基于各所述用户对于所述目标广告的边际成本率预估值、各所述用户对于所述目标广告转化后的收入以及所述目标广告的竞价值,计算所述目标广告的投资收益率预估值;
评估模块,用于基于所述目标广告的投资收益率预估值,对所述目标广告的投放效果进行评估。
7.根据权利要求6所述的装置,其特征在于,所述成本预测模型包括表示提取器层、特征融合层以及成本预测层,所述获取模块具体用于:
针对多个用户中的每一个用户,将所述用户的行为数据和所述目标广告的广告数据输入至所述表示提取器层进行特征提取,得到多个特征数据;
将所述多个特征数据输入至所述特征融合层进行加权融合,得到用于边际成本率预测的融合特征;
将所述融合特征输入至所述成本预测层中,得到所述用户对于所述目标广告的边际成本率预估值。
8.根据权利要求6或7所述的装置,其特征在于,所述装置还包括:
调整模块,用于基于所述目标广告的投放效果的评估结果,调整所述目标广告的投放策略,其中,所述投放策略至少包括以下之一:是否投放所述目标广告、所述目标广告的投放时间以及所述目标广告的竞价值。
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众安在线财产保险股份有限公司,未经众安在线财产保险股份有限公司许可,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/201911410592.3/1.html,转载请声明来源钻瓜专利网。