专利名称：一种广告投放策略的评估方法和装置的制作方法
技术领域：
本申请涉及计算机互联网技术领域，特别是涉及一种广告投放策略的评估方法和
直O
背景技术：
在互联网广告投放系统中，通常需要采用不同的广告投放策略进行广告投放(又可称为定向广告投放)。所述广告投放策略即指针对用户投放广告的方式，如以页面关键词搜索广告，以用户访问的行为显示对应的广告等。广告投放策略在广告投放系统中真正采用前，其效果往往难以预估，但在实际中， 往往又需要对广告投放策略的效果进行有效地评估，以确定是否采用该广告投放策略。广告投放策略的效果可以理解为采用该广告投放策略所带来的收益，可以体现在点击率，收入，广告主的投资回报率，所带来的开发代价，性能增加所带来的服务器成本等方面。例如，在常用的广告投放系统——CPC系统(Cost per Click，按点击计费，即按用户点击广告次数对广告进行收费的系统)中，广告投放策略的效果就主要体现在用户点击所带来的收益上，也就是说，在对该广告投放策略的效果进行评估以考虑是否采用该广告投放策略时，可以采用收入作为主要基准。现有技术中，通常采用以下两种方法进行广告投放策略的评估第一种方法为，在广告投放系统中直接采用新的广告投放策略替换原有的广告投放策略，在广告投放系统中直接监测新的广告投放策略投放后的效果。第二种方法为，采用简单的分流方法进行实验。即通过物理上的方式对流量进行分流。例如，根据广告投放的站点进行分流，将投放在某些站点的广告在程序中进行配置， 使其采用新的广告投放策略进行实验，监测其效果，然后根据效果增加站点流量。然而，采用上述第一种方法，新的广告投放策略往往是只在线下经过验证的计算机程序，对于一个运行的、每时每刻均在提供服务、展现与用户兴趣等相关的广告投放系统而言，如果直接将只经过线下验证而未经线上验证的新的广告投放策略替代原有广告投放策略，可能会导致性能上的问题或收入波动，甚至直接影响线上业务，造成不可预估的损失。例如，新广告投放策略上线后可能没有预估的效果好，甚至效果不如原广告投放策略， 导致业务下降，从而影响广告投放系统的健康发展。若采用上述第二种方法，整个广告投放系统中的广告投放策略与流量固定搭配， 如果需要对其中的广告投放策略对应的流量进行调整或者添加更多新的广告投放策略，则需要改动整个控制系统或者物理结构，对系统的稳定性无法予以保证，并且无法精确测试广告投放策略的效果。因此，目前需要本领域技术人员迫切解决的一个技术问题就是提出一种广告投放策略的评估机制，用以在保证广告投放系统稳定性的情况下，实现线上的广告投放策略的效果验证，并有效提高广告投放策略效果验证结果的精确性。
发明内容
本申请所要解决的技术问题是提供一种广告投放策略的评估方法和装置，可以在保证广告投放系统稳定性的情况下，实现在线上的广告投放策略的效果验证，并有效提高广告投放策略效果验证结果的精确性。为了解决上述问题，本申请公开了一种广告投放策略的评估方法，包括获取当前广告系统被访问的流量；将所述流量切分为η份子流量，所述η为大于1的正整数；针对每一份子流量分配相应的广告投放策略；分别统计各个广告投放策略在对应子流量上的效果参数，并依据所述效果参数选取最优的广告投放策略。优选的是，所述分别统计各个广告投放策略在对应子流量上的效果参数，并依据效果参数选取最优的广告投放策略的步骤可以包括以下子步骤子步骤Si、分别统计各个广告投放策略在对应子流量上的效果参数；子步骤S2、提取当前效果参数最佳的广告投放策略；子步骤S3、增加所述最佳广告投放策略所对应的子流量的占比，并判断所述子流量占比是否达到预设阈值，若是，则执行子步骤S4 ；若否，则返回子步骤Sl ；子步骤S4、确定在所述子流量上采用的广告投放策略为最优的广告投放策略。优选的是，所述预设阈值为100%。优选的是，所述将流量切分为不同百分比的η份子流量的步骤可以包括将所述流量平均切分为相同百分比的η份子流量；或者，将所述流量随机切分为不同百分比的η份子流量。优选的是，在所述将流量切分为不同百分比的η份子流量的步骤之后，还包括为各份子流量分配对应的流量标识；所述广告投放策略存储在策略服务器中，具有对应的广告投放策略标识，所述针对每一份子流量分配相应的广告投放策略的步骤包括生成流量标识与策略标识的对应关系；向策略服务器发送广告投放策略获取请求，所述请求中包括流量标识；依据所述请求中的流量标识提取对应的广告投放策略标识，依据所述广告投放策略标识在策略服务器中提取对应的广告投放策略。优选的是，所述流量标识与策略标识的对应关系为多对一关系或一对一关系。优选的是，所述广告投放策略为采用预设规则从广告数据库中获取相应的广告并进行展现的方式；所述效果参数为点击率和/或收益。优选的是，在所述将流量切分为η份子流量的步骤之前，所述的方法还包括将当前获取的流量分配给m台服务器，所述m为大于1的正整数；由所述m台服务器分别开始执行所述将流量切分为η份子流量的步骤。本申请实施例还公开了一种广告投放策略的评估装置，包括流量获取模块，用于获取当前广告系统被访问的流量；
流量切分模块，用于将所述流量切分为不同百分比的η份子流量，所述η为大于1 的正整数；策略分配模块，用于针对每一份子流量分配相应的广告投放策略；策略效果计算模块，用于分别统计各个广告投放策略在对应子流量上的效果参数，并依据所述效果参数选取最优的广告投放策略。优选的是，所述策略效果计算模块包括效果参数统计子模块，用于分别统计各个广告投放策略在对应子流量上的效果参数；最佳策略提取子模块，用于提取当前效果参数最佳的广告投放策略；流量调整子模块，用于增加所述最佳广告投放策略所对应的子流量的占比，并判断所述子流量占比是否达到预设阈值，若是，则调用最优策略确定子模块；若否，则调用效果参数统计子模块；最优策略确定子模块，用于确定在所述子流量上采用的广告投放策略为最优的广告投放策略。与现有技术相比，本申请具有以下优点在广告投放系统中对广告投放策略进行实验调优，在保持线上广告系统稳定运行的情况下，将用户访问广告系统的流量切分为不同百分比的子流程，在每一份子流量上分配对应的广告投放策略，然后对各个广告投放策略进行在线调研和统计，通过效果参数综合评判广告投放策略的优劣，逐步扩大效果参数更佳的广告投放策略对应的子流量，即在对新的广告投放策略进行线上验证的同时，又实现了新的广告投放策略替代旧的广告投放策略的目的，不仅减少了广告投放策略新旧替换的代价，还通过同一时段流量的效果对比， 得到准确的事实数据，有效提高了广告投放策略效果验证结果的精确性。本申请可以在不改变系统架构的情况下，可任意调整策略对应的流量的份数来调整分配给某个广告投放策略的流量的百分比，进行策略效果比较调优，平滑、稳定、高效、及时地为效果最好的广告投放策略的流量逐步增加，直至100% ；并且能够在不改变系统架构的情况下，及时对策略服务器中的广告投放策略进行修改或者添加策略，具有可扩展性。
图1是本申请一种广告投放策略的评估方法实施例的步骤流程图；图2是本申请一种广告投放策略的评估装置实施例的结构框图。
具体实施例方式为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式
对本申请作进一步详细的说明。本申请实施例的核心构思之一在于，在广告投放系统中对广告投放策略进行实验调优，在保持线上广告系统稳定运行的情况下，将用户访问广告系统的流量切分为若干份子流量，在每一份子流量上分配对应的广告投放策略，然后对各个广告投放策略进行在线调研和统计，通过效果参数综合评判广告投放策略的优劣，逐步扩大效果参数更佳的广告投放策略对应的子流量，即在对新的广告投放策略进行线上验证的同时，又实现了新的广告投放策略替代旧的广告投放策略的目的，不仅减少了广告投放策略新旧替换的代价，还通过同一时段流量的效果对比，得到准确的事实数据，有效提高了广告投放策略效果验证结果的精确性。参照图1，示出了本申请的一种广告投放策略的评估方法实施例的步骤流程图，具体可以包括如下步骤步骤101、获取当前广告系统被访问的流量；所述流量可以理解为用户当前访问广告系统的次数，例如，用户在1秒中内点击该广告的次数。步骤102、将所述流量切分为η份子流量，所述η为大于1的正整数；在具体实现中，可以将所述流量平均切分为相同百分比的η份子流量；也可以将所述流量随机切分为不同百分比的η份子流量，本申请对所述切分的方式并不作限制。但将实际应用中，将流量平均切分为相同百分比的η份子流量的处理方式，可以使评估过程更为平滑，从而获得更好地评估效果在本申请的一种优选实施例中，还可以将所述流量切分为相同百分比的η份子流量之后，为各份子流量分配对应的流量标识。例如，将流量平均切分为100份子流量，对每份子流量随机分配一个1至100中的数字作为流量标识，这些数字相互之间不重复。当然， 根据实际应用的需求，所述流量标识可以任意修改，比如，若需要将流量分成20份子流量， 那么对于每份子流量分配的流量标识就可使用1至20之间的数字，本申请对具体的流量标识方法不作限制。为进一步提高广告投放策略的效果评估的准确性，可以尽可能多地将流量切分为多份子流量。例如，将流量切分为100份子流量，将流量切分为1000份子流量等。在实际中，对于多台负载服务器，可以先将整个流量分配到多台负载服务器后，再由各台负载服务器对所分配的流量进行上述切分。比如，当前有10台负载服务器，每台负载服务器正常只能负载500次/每秒的流量，则将5000次/每秒的总流量分成100份50 次/每秒的流量，并对每份分配一个流量标识，然后将带有流量标识的100份子流量分别分配到10台负载服务器中，每台10份子流量。当然，上述流量切分的方法均仅仅用作示例，本领域技术人员依据实际情况采用任一种切分方式均是可行的，本申请对此不作限制。步骤103、针对每一份子流量分配相应的广告投放策略；在具体实现中，所述广告投放策略可以理解为采用预设规则从广告数据库中获取相应的广告并进行展现的方式，如以页面关键词搜索广告，以用户访问的行为显示对应的广告等。所述广告投放策略存储在策略服务器中，为便于数据管理，不同的广告投放策略分别具有对应的广告投放策略标识。在本申请的一种优选实施例中，所述步骤103具体可以包括如下子步骤子步骤S31、生成流量标识与策略标识的对应关系；子步骤S32、向策略服务器发送广告投放策略获取请求，所述请求中包括流量标识；子步骤S33、依据所述请求中的流量标识提取对应的广告投放策略标识，依据所述广告投放策略标识在策略服务器中提取对应的广告投放策略。
在实际中，所述流量标识与策略标识的对应关系通常为多对一的关系或者为一对一的关系，可以由相关技术人员根据实际情况配置，如生成一张流量标识与策略标识的对应关系表，并可以将所述流量标识与策略标识的对应关系存储在策略服务器中。更具体而言，在策略服务器中可以配置至少一个广告投放策略标识和η个流量标识，并配置每个流量标识与策略标识的对应关系；其中，每个流量标识只对应一个广告投放策略标识。本领域技术人员依据实际情况可以在策略服务器中配置多个广告投放策略，比如，如果同时设计了多个广告投放策略，需要评估哪一个广告投放策略最优，则在策略服务器中添加这些广告投放策略，然后相应分配策略标识，同时建立流量标识与所述策略标识的对应关系。在进行评估时，各子流量通过其分配到的流量标识，根据其流量标识对应的策略标识，从策略服务器中获取到对应的广告投放策略后，从广告数据库中获取广告进行展现。当一个包含流量标识的广告投放策略获取请求被发送至策略服务器时，所述广告投放策略服务器将根据该流量标识，以及，该流量标识与策略标识的对应关系，确定当前所需获取的广告投放策略标识，再根据所述广告投放策略标识提取对应的广告投放策略。例如在策略服务器中存储着两个广告投放策略，分别为策略1和策略2，并保存有流量标识与策略标识的对应关系为流量标识1至90与策略1对应，流量标识91至 100与策略2对应，若当前是对流量进行平均切分，则可以得到策略1对应的子流量占比为 90%，策略2对应的子流量占比为10%。在实际中，若采用先将整个流量分配到多台负载服务器后，再由各台负载服务器对所分配的流量进行切分的实现方式，则对于各台负载服务器，可以任意设置广告投放策略，各台负载服务器中所要评估的广告投放策略，可是相同或部分相同，也可以完全不同。 在具体实现中，各台负载服务器可以与策略服务器相连，在针对每一份子流量分配相应的广告投放策略，可以向策略服务器随机请求提取相应的广告投放策略。当然，本申请实施例也可以单独设置或在策略服务器中设置策略分发模块，用于根据相应负载服务器的广告投放策略获取请求，分发相应的广告投放策略。当然，本领域技术人员可以根据实际情况任意设计策略分配的方案，比如，在各台负载服务器中均保存相同的全部广告投放策略，或者均可与策略服务器连接，提取任意一个广告投放策略，从而有利于控制使广告投放策略的总流量达到100%。步骤104、分别统计各个广告投放策略在对应子流量上的效果参数，并依据所述效果参数选取最优的广告投放策略。在本申请的一种优选实施例中，所述步骤104具体可以包括以下子步骤子步骤S41、分别统计各个广告投放策略在对应子流量上的效果参数；子步骤S42、提取当前效果参数最佳的广告投放策略；子步骤S43、增加所述最佳广告投放策略所对应的子流量的占比，并判断所述子流量占比是否达到预设阈值，若是，则执行子步骤S44;若否，则返回子步骤S41 ；子步骤S44、确定在所述子流量上采用的广告投放策略为最优的广告投放策略。为充分保证广告投放策略效果验证结果的精确性，所述预设阈值可以设置为 100%。当然，本申请对所述阈值的设置不作限制。
在具体实现中，所述效果参数可以为点击率和/或收益。具体而言，当执行各广告投放策略实现按预设规则的广告获取及展现时，在每次展现中，用户可能点击广告，也可能不点击广告，这样在相应流量下，通过某一广告投放策略的广告点击次数除以该广告投放策略的广告的展现次数，即可得到各个广告投放策略在各自流量上所产生的点击率，从而可以根据所述点击率去判断各广告投放策略效果的优劣。更为优选的是，还可以通过对一天或多天的广告系统产生的日志进行分析和统计，将含有各广告投放策略标识的广告展现日志和点击日志进行拼接，从而可以计算得到每个广告投放策略标识在各自流量上所产生的点击率和收入，然后根据所述点击率和收入综合判断各广告投放策略效果的优劣。例如，若占比为90%的子流量1所采用的1号广告投放策略的点击率，比占比为 10%的子流量2所采用的2号广告投放策略的点击率低；或者，占比为90%的子流量1所采用的1号广告投放策略的收益，比占比为10%的子流量2所采用的2号广告投放策略的收益低，那么可以扩大2号广告投放策略在下一轮评估时对应的流量标识的个数，即扩大2 号广告投放策略下一轮评估时对应的流量，比如将前述1至70的流量标识，即占比为70% 的子流量1配置为属于1号广告投放策略，71至100的流量标识即占比为30%的子流量2 配置为属于2号广告投放策略。当扩大了某个广告投放策略的流量时，可以相应减少效果最差的广告投放策略的流量，直到某个最优广告投放策略的流量扩大到100%。为使本领域技术人员更好地理解本申请，以下列举几种选取最优的广告投放策略的示例。示例 1 步骤Al，根据通过各广告投放策略选取，展现给用户广告的展现次数，以及，通过用户点击所述广告投放策略对应广告所产生的点击次数，计算该广告投放策略对应流量的点击率。步骤A2，对比各广告投放策略的点击率，将点击率最高的广告投放策略记为最优的广告投放策略。例如，占90%流量的1号广告投放策略的展现日志记录的展现次数为900次，点击日志记录的次数为90次，则其点击率为；占10%流量的2号广告投放策略的展现日志记录的展现次数为100次，点击日志记录的次数为30次，则其点击率为3%。表明2号广告投放策略的效果大于1号广告投放策略的效果，2号广告投放策略为最优的广告投放策略。示例 2 如果在CPC系统中，则可以通过各广告投放策略的点击率计算各广告投放策略在 100%流量下的收入，将在100%流量下收入最多的广告投放策略作为最优广告投放策略。示例 3 步骤Bi，由通过各广告投放策略选取，展现给用户广告的展现次数，以及，通过用户点击所述广告投放策略对应广告所产生点击次数，计算该广告投放策略对应流量的点击率；步骤B2，用标准流量对应的展现次数，分别乘以各广告投放策略对应流量的点击率，得到各广告投放策略在该标准流量的情况下的点击次数；步骤B3，根据各广告投放策略的点击次数计算所获得的收入，减去相应成本得到的收益进行比较，将收益最高的广告投放策略记为最优的广告投放策略。一般情况下，这个过程是将各广告投放策略在对应流量下的点击率获得的收入， 转化为各广告投放策略在100%流量时的收入，即以100%流量作为标准流量，而各广告投放策略在100%流量时的成本可能与测试中流量对应的成本相比会有变化，比如说在流量扩大到100%，收入按比例增加时，但成本可能会增加的更多，这样最终的收益可能会更少。 所以将各广告投放策略在当前评估流量中的效果转化到同一标准中进行比较，从而可以更精确地对各广告投放策略的效果进行比较，当然也可以转化为比如90%流量或者其他情况的流量作为标准流量，本申请对此不作限制。当然，上述示例仅仅用作说明，本领域技术人员根据实际情况采用任一种方式选取最优的广告投放策略都是可行的，本申请对此无需加以限制。应用本申请实施例，如果打算上线的新广告投放策略不是最优的广告投放策略， 或者，尽管当前打算上线的新广告投放策略的效果是最优的广告投放策略，但效果参数小于所述预设的效果阈值时，本领域技术人员则可以根据实际情况对该广告投入策略进行优化。例如，当前需要评估一个新广告投放策略的效果，策略服务器中包括1号广告投放策略和2号广告投放策略，其中，1号广告投放策略为已有的旧广告投放策略，2号广告投放策略则为当前评估的新的广告投放策略，如果2号广告投放策略在第一轮评估中所获得的效果较预期差，甚至低于1号广告投放策略，那么就可暂停扩大1号广告投放策的流量， 先对2号广告投放策略进行优化后再进行下一轮测试，直到2号广告投放策略为最优。或如，2号广告投放策略的效果比1号广告投放策略的效果要好，但没有达到设计 2号广告投放策略时的预设的效果阈值，则暂停扩大2号广告投放策略的流量，先对2号广告投放策略进行优化后再进行下一轮测试，直到2号广告投放策略的效果最优，且大于等于预设的效果阈值，再扩大2号广告投放策略的流量。在实际中，如果系统已经运行了某个老的广告投放策略，而按实际需求需要采用某些新的广告投放策略，而对于新的广告投放策略的实际效果又需要实际验证才能确定， 则可以在配置流量标识与策略标识的对应关系时，先将少量的流量分配给新的广告投放策略，进行一轮评估后，如果在该流量上新的广告投放策略效果好，则可以逐步扩大新的广告投放策略的流量，减少老的广告投放策略的流量，再进行评估，如此循环，直至某最优的新广告投放策略的流量扩大到100%。采用这种方式，在新老广告投放策略进行交替时，可以在不改变整个系统架构的情况下，使新老广告投放策略平滑过渡，不会影响系统的稳定和实际的收益，并且在不改变整个系统架构的情况下，按需求添加，修改策略服务器中的广告投放策略和流量标识与策略标识的对应关系即可实验新的广告投放策略，具备可扩展性。为使本领域技术人员更好地理解本申请，以下通过示例具体说明本申请的广告投放策略的评估方法。例1 对于用户访问广告系统的总流量(即用户访问广告系统的总次数)，先通过流量切分算法，将流量平均切分为η份子流量，并对每份子流量分配一个流量标识，然后通过预设的流量标识与策略标识的对应关系，去策略服务器获取对应的广告投放策略，将不同的广告投放策略分配给相应的子流量，假设当前有1号广告投放策略、2号广告投放策略和3 号广告投放策略，属于1号广告投放策略标识的子流量为1号子流量，1号子流量通过前述方法从策略服务器中获取1号广告投放策略进行广告展现后，可以分析得到1号广告投放策略在1号子流量上的效果参数，同样可得到2号广告投放策略和3号广告投放策略的效果参数，然后对3个广告投放策略的效果参数进行比对，对于当前最优的广告投放策略，扩大该广告投放策略的流量，然后进行下一轮评估。例2:将每秒5000次广告请求的流量划分为30%的子流量1和70%的子流量2，其中 30% (1500次/每秒)的子流量1采用根据用户特征展现广告的广告投放策略1，另一 70% (3500次/每秒)的子流量2采用随机展现广告的广告投放策略2，分别得到0. 5%和0. 3% 的点击率，在这轮评估中，如果以100%的流量为标准，按CPC计费的情况下，那么根据用户特征展现广告的广告投放策略1得到的收入就最多，那么进一步验证该广告投放策略1在流量增加的情况下是否还是最优。例如，可以扩大根据用户特征展现广告的广告投放策略 1的子流量1，比如将每秒5000次广告请求的子流量1划分为35%和65%，其中35%的子流量采用根据用户特征展现广告的广告投放策略1，另一 65%的子流量2采用随机展现广告的广告投放策略2，分别得到0. 55%和0. 35%的点击率，那么根据用户特征展现广告的广告投放策略1的收入还是最优，则继续扩大该广告投放策略1的流量，依此类推逐步提高根据用户特征展现广告的广告投放策略的流量至100%可获得最大点击率，从而最终获得最大化的收入。参考图2，示出了本申请的一种广告投放策略的评估装置实施例的结构框图，具体可以包括以下模块流量获取模块201，用于获取当前广告系统被访问的流量；流量切分模块202，用于将所述流量切分为η份子流量，所述η为大于1的正整数；策略分配模块203，用于针对每一份子流量分配相应的广告投放策略；策略效果计算模块204，用于分别统计各个广告投放策略在对应子流量上的效果参数，并依据所述效果参数选取最优的广告投放策略。在本申请的一种优选实施例中，所述策略效果计算模块204可以包括如下子模块效果参数统计子模块，用于分别统计各个广告投放策略在对应子流量上的效果参数；最佳策略提取子模块，用于提取当前效果参数最佳的广告投放策略；流量调整子模块，用于增加所述最佳广告投放策略所对应的子流量的占比，并判断所述子流量占比是否达到预设阈值，若是，则调用最优策略确定子模块；若否，则调用效果参数统计子模块；最优策略确定子模块，用于确定在所述子流量上采用的广告投放策略为最优的广告投放策略。其中，为保证评估的精准性，所述预设阈值可以设置为100%。当然，在本申请实施例中，对所述阈值的设置不作限制。
作为本申请实施例具体应用的一种示例，所述流量切分模块可以包括如下子模块平均切分子模块，用于将所述流量平均切分为相同百分比的η份子流量；或者，随机切分子模块，用于将所述流量随机切分为不同百分比的η份子流量。在本申请的优选实施例中，所述装置实施例还可以包括如下模块流量标识分配模块，用于为各份子流量分配对应的流量标识；在具体实现中，所述广告投放策略存储在策略服务器中，并具有对应的广告投放策略标识，在这种情况下，所述策略分配模块具体可以包括如下子模块对应关系设置子模块，用于生成流量标识与策略标识的对应关系；请求发送子模块，用于向策略服务器发送广告投放策略获取请求，所述请求中包括流量标识；策略提取子模块，用于依据所述请求中的流量标识提取对应的广告投放策略标识，依据所述广告投放策略标识在策略服务器中提取对应的广告投放策略。一般而言，所述流量标识与策略标识的对应关系为多对一关系或一对一关系。在本申请实施例中，所述广告投放策略可以为采用预设规则从广告数据库中获取相应的广告并进行展现的方式；所述效果参数可以为点击率和/或收益。应用本申请实施例，首先可以通过流量获取模块获取当前广告系统被访问的流量；然后通过流量切分模块将流量切分为不同百分比的η份子流量，并通过流量标识分配模块为每份子流量分配一个流量标识，通过对应关系设置子模块生成的流量标识与策略标识的对应关系，由请求发送子模块向策略服务器发送包含流量标识的广告投放策略获取请求，策略服务器中的策略提取子模块相应提取流量标识所对应策略标识的广告投放策略并返回，再根据各子流量使用的广告投放策略从广告数据库中检索相应的广告展现给用户端。在成功向用户展现广告后，将策略标识存入到前端的展现日志中，同时，使用该广告投放策略展现的广告如果被用户点击，则将策略标识传递，将其存入到点击日志中。所述策略效果计算模块根据展现日志和点击日志即可计算各广告投放策略在对应流量下的点击率。例如，在策略服务器中存储着两个广告投放策略，1至90的标识属于1号广告投放策略，91至100的标识属于2号广告投放策略，当一份子流量获得随机产生的流量标识， 如45，其在访问策略服务器时，数据库将其识别其为对应1号广告投放策略，在广告数据库中，根据其使用的策略标识(1号广告投放策略)，采用1号广告投放策略获取展现的广告。 在成功向用户展现广告后，将策略标识输出到系统的展现日志中。同时，使用该广告投放策略展现的广告如果被用户点击，产生广告主付费行为，则将策略标识传递，将其输出到点击日志中。例如，在使用2号广告投放策略产生广告展现行为的日志中记录其策略标识2。通过对一天或多天的日志进行分析和统计，将含有各广告投放策略标识的广告展现日志和点击日志进行拼接，则可以计算得到每个广告投放策略标识在各自流量上所产生的点击率和收入。在CPC广告系统中，一般可以通过对比不同策略的点击率即可评价一个广告投放策略的优劣(不同计费系统中可能有不同的评价体系，但对于一般的广告系统中，一般基于点击率作为评价)，得到此策略的点击效果。通过扩大效果好的广告投放策略的子流量，使广告收益扩大。在此过程中，只要其中一个广告投放策略的点击率较高即可扩大子流量。 同时，在此过程中，如果出现实际得到的数据所体现的效果低于所期待的广告投放策略的效果时，可以不再扩大子流量，先进行策略优化，达到预想的效果后再考虑扩大子流量。在此过程中，通过不断地对比和优化，直至最优的广告投放策略(或新的广告投放策略)流量扩大为全部流量，即100%流量。例如，之前占有90%流量的1号广告投放策略为旧的广告投放策略，10%流量的 2号广告投放策略为新的广告投放策略，通过一天的实验后，发现2号广告投放策略的点击收益比1号高10%左右，则扩大2号广告投放策略的流量为30%，降低1号广告投放策略的流量为70%，再进行实验，最终将收益较高的新的广告投放策略逐步扩大为100%流量， 使最终收益较旧的广告投放策略高10%左右，从而使系统新旧的广告投放策略平滑更迭， 提高收益。在实际中对于多台负载服务器，可以先将整个流量进行切分后再分配到各个负载服务器，比如对于10台服务器，每台负载服务器正常只能负载500次/每秒的流量，则将 5000次/每秒的总流量分成100份50次/每秒的流量，并对每份分配一个流量标识，然后将带有流量标识的100份子流量分别分配到10台负载服务器中，每台10份子流量，然后10 台负载服务器中的每份子流量根据其流量标识从策略服务器中获取相应的广告投放策略， 然后根据策略从广告数据库中检索广告进行展现。或者，可以先将整个流量先均分给多台负载服务器，然后在每个服务器中进行同样的流量切分匹配过程，比如对于10台负载服务器，对于将5000次/每秒的总流量分成10 份500次/每秒的子流量，将这些子流量分配到各负载服务器；然后在每台服务器进行同样的流量切分配置，比如根据策略服务器流量标识与策略标识的对应关系，1至90的标识属于1号广告投放策略，91至100的标识属于2号广告投放策略，将500次/每秒的流量分成 100份子流量，每台服务器将其中90份分配1至90中的90个流量标识，属于1号策略；， 剩余10 —份分配91至100中的10个流量标识，属于2号策略，在此过程中流量均为平均切分。如此，即可保证针对各广告投放策略的流量百分比在可统计状态，并且可以随意调整各广告投放策略所占流量的百分比。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。本申请可用于众多通用或专用的计算系统环境或配置中。例如个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。以上对本申请所提供的一种广告投放策略的评估方法和一种广告投放策略的评估装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述， 以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式
及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
权利要求
1.一种广告投放策略的评估方法，其特征在于，包括 获取当前广告系统被访问的流量；将所述流量切分为η份子流量，所述η为大于1的正整数； 针对每一份子流量分配相应的广告投放策略；分别统计各个广告投放策略在对应子流量上的效果参数，并依据所述效果参数选取最优的广告投放策略。
2.如权利要求1所述的方法，其特征在于，所述分别统计各个广告投放策略在对应子流量上的效果参数，并依据效果参数选取最优的广告投放策略的步骤包括以下子步骤子步骤Si、分别统计各个广告投放策略在对应子流量上的效果参数； 子步骤S2、提取当前效果参数最佳的广告投放策略；子步骤S3、增加所述最佳广告投放策略所对应的子流量的占比，并判断所述子流量占比是否达到预设阈值，若是，则执行子步骤S4 ；若否，则返回子步骤Sl ；子步骤S4、确定在所述子流量上采用的广告投放策略为最优的广告投放策略。
3.如权利要求2所述的方法，其特征在于，所述预设阈值为100%。
4.如权利要求1、2或3所述的方法，其特征在于，所述将流量切分为不同百分比的η份子流量的步骤包括将所述流量平均切分为相同百分比的η份子流量； 或者，将所述流量随机切分为不同百分比的η份子流量。
5.如权利要求1、2或3所述的方法，其特征在于，在所述将流量切分为不同百分比的η 份子流量的步骤之后，还包括为各份子流量分配对应的流量标识；所述广告投放策略存储在策略服务器中，具有对应的广告投放策略标识，所述针对每一份子流量分配相应的广告投放策略的步骤包括 生成流量标识与策略标识的对应关系；向策略服务器发送广告投放策略获取请求，所述请求中包括流量标识； 依据所述请求中的流量标识提取对应的广告投放策略标识，依据所述广告投放策略标识在策略服务器中提取对应的广告投放策略。
6.如权利要求5所述的方法，其特征在于，所述流量标识与策略标识的对应关系为多对一关系或一对一关系。
7.如权利要求1、2或3所述的方法，其特征在于，所述广告投放策略为采用预设规则从广告数据库中获取相应的广告并进行展现的方式；所述效果参数为点击率和/或收益。
8.如权利要求1所述的方法，其特征在于，在所述将流量切分为η份子流量的步骤之前，所述的方法还包括将当前获取的流量分配给m台服务器，所述m为大于1的正整数；由所述m台服务器分别开始执行所述将流量切分为η份子流量的步骤。
9.一种广告投放策略的评估装置，其特征在于，包括 流量获取模块，用于获取当前广告系统被访问的流量；流量切分模块，用于将所述流量切分为η份子流量，所述η为大于1的正整数； 策略分配模块，用于针对每一份子流量分配相应的广告投放策略； 策略效果计算模块，用于分别统计各个广告投放策略在对应子流量上的效果参数，并依据所述效果参数选取最优的广告投放策略。
10.如权利要求9所述的装置，其特征在于，所述策略效果计算模块包括 效果参数统计子模块，用于分别统计各个广告投放策略在对应子流量上的效果参数； 最佳策略提取子模块，用于提取当前效果参数最佳的广告投放策略； 流量调整子模块，用于增加所述最佳广告投放策略所对应的子流量的占比，并判断所述子流量占比是否达到预设阈值，若是，则调用最优策略确定子模块；若否，则调用效果参数统计子模块；最优策略确定子模块，用于确定在所述子流量上采用的广告投放策略为最优的广告投放策略。
全文摘要
本发明提供了一种广告投放策略的评估方法和装置。其中所述方法包括获取当前广告系统被访问的流量；将所述流量切分为n份子流量，所述n为大于1的正整数；每一份子流量针对每一份子流量分配相应的广告投放策略；分别统计各个广告投放策略在对应子流量上的效果参数，并依据所述效果参数选取最优的广告投放策略。本发明可以在保证广告投放系统稳定性的情况下，实现线上的广告投放策略的效果验证，并有效提高广告投放策略效果验证结果的精确性。
文档编号G06Q30/02GK102385729SQ201110328118
公开日2012年3月21日 申请日期2011年10月25日 优先权日2011年10月25日
发明者李娜, 罗峰, 黄苏支 申请人:北京亿赞普网络技术有限公司