[发明专利]一种基于大数据机器学习智能投放系统

说明书

一种基于大数据机器学习智能投放系统，定时调度与冗余数据清理分别连接大数据处理服务(阿里云MaxCompute)、训练算法、模型预测和分析型数据库adb，数据采集服务(神策)连接于大数据处理服务(阿里云MaxCompute)，大数据处理服务(阿里云MaxCompute)通过样本连接于训练算法；大数据处理服务(阿里云Max Compute)通过实时输入连接于模型预测，模型预测连接于分析型数据库adb；模型预测还通过结果反馈连接于大数据处理服务(阿里云MaxCompute)。本发明准确率更高，时效性更好，灵活性可操作性更好。

技术领域

本发明涉及互联网大数据技术领域，尤其是一种基于大数据机器学习智能投放系统。

背景技术

近年来，随着移动互联网的迅猛发展，作为其主要盈利方式，广告的市场竞争也越发激烈，各种类型的APP在获取新用户方面越来越困难，昂贵的拓客成本和有限的广告收入使得许多广告入不敷出。

市场人员通过统计系统来监控推广效果，这样需要大量的推广优化人员，效率较低。作为广告投放效果评估的重要指标roi(return-on-investment投资回报率：收入/成本)，广告产生的收入并不能及时看到，需要等到第二天数据回传才能计算出来，这严重影响推广评估的时效性。为了取得更好的roi，需要对广告的价值进行预估，其中的成本主要源于获客成本，成本与获取的新增用户人数呈正相关，因此采用另一个指标arpu(Average-Revenue-Per-User每用户平均收入)来衡量广告的价值，如何实时地预估每个广告的arpu就是整个智能推广系统的核心需求。

APP广告按类型可以分为展示广告、搜索广告、下载广告，不同广告不同平台的广告计费方式都不相同，常见的计费方式：

CPM(Cost-Per-Thousand-Impression，千人影响成本)，常用于信息流广告的计价；

CPC(Cost-Per-Click，单次点击费用)，常用于展示广告；

CPA(Cost-Per-Action，单次转化费用)，适合App下载、产品使用回单等需要明确转化动作的推广；

CPT(Cost-Per-Time，单位时长费用)，适合垂直行业平台展示广告位，类似地铁广告、电梯广告等户外广告也是这种类型；

CPS(Cost-Per-Sale，销售佣金模式)，比较适合折扣类站点，促销类产品，直接依照销售转化对推广平台分成。作为需求方，如果推广效果能够比较准确的计量与评估，将会节省大量的曝光成本，从而整体上提高平台的收入。广告的收入由广告供应商提供结算，通过广告计费方式预估广告位渠道的收入结合相应的成本决定某渠道是否买入流量，预估收入需要建立收入和特征(点击数、曝光数、广告位、广告素材，平台)等指标的模型，根据训练好的模型和特征指标数据预估出收入。

现有方案的主要步骤是：

1.计算前一天的点击单价(就是前一天的收入除以广告点击数)；

2.计算当天广告位的点击数；

3.用昨天的点击单价乘今天的点击数得到今天的预估收入，用预估的收入除以新增人数得到当日arpu。

现有方案的特点是简单粗暴，且有一定的效果，但仍然存在以下缺陷：

1.某些渠道在某些广告位上前一天没有产生收入或者其点击数为零，故没有可参考的点击单价，该渠道广告位上当天的收入也就无法计算；

2.即使某渠道某广告位在前一天有收入和点击数，数据回传会延时，这样会影响预估的时效性；

3.渠道的点击单价并不是固定的值，会随时间变化，也会因不同平台不同广告位而不同。