一种多媒体对象的调价方法及装置与流程

本申请涉及计算机技术领域，尤其涉及一种多媒体对象的调价方法及装置。

背景技术：

目前，网络广告投放方式是一种较为常见的广告投放方式，在广告投放之前，通常需要由广告主报价，广告投放系统通过竞价筛选出千次展示收益(effectivecostpermile，ecpm)最高的广告进行投放，进而对投放曝光的广告进行费用结算。

现有技术中的广告调价方式，在计算ecpm时会预估其转化率，从而优化广告的转化成本，但是现有技术中，广告投放系统每次竞价都是独立的，只对当次曝光的成本进行优化，准确性较低，无法满足广告主的成本要求，并且需要依赖转化率预估模型，若转化率预估模型不准确则无法达到优化成本的目的。

技术实现要素：

本申请实施例提供一种多媒体对象的调价方法及装置，以提高价格调整的准确性。

本申请实施例提供的具体技术方案如下：

一种多媒体对象的调价方法，包括：

接收到曝光请求时，确定待曝光的目标多媒体对象；

在当前结算周期内所述目标多媒体对象的历史曝光花费总额超过预设花费总额时，确定出在所述当前结算周期内所述目标多媒体对象的剩余曝光次数；

根据所述剩余曝光次数、所述历史曝光花费总额和所述预设花费总额，调整所述目标多媒体对象本次曝光对应的结算单价。

可选的，确定待曝光的目标多媒体对象之后，进一步包括：

获取在所述当前结算周期内并在本次曝光之前，所述目标多媒体对象的转化数目和/或已曝光次数，其中，所述转化数目表征曝光后被点击并执行转化操作的个数；

根据所述目标多媒体对象的转化数目和/或已曝光次数，以及对应的结算单价，获得所述目标多媒体对象的历史曝光花费总额。

可选的，确定出在所述当前结算周期内所述目标多媒体对象的剩余曝光次数，具体包括：

获取在所述当前结算周期之前的各结算周期内所有多媒体对象的总曝光次数之和；

至少根据在所述当前结算周期之前的各结算周期内所有多媒体对象的总曝光次数之和，获得在所述当前结算周期内的所有多媒体对象的总曝光次数之和；

分别获取在所述当前结算周期内，所有多媒体对象的已曝光次数之和以及所述目标多媒体对象的已曝光次数；

根据在所述当前结算周期内，所有多媒体对象的总曝光次数之和、所有多媒体对象的已曝光次数之和，以及所述目标多媒体对象的已曝光次数，确定在所述当前结算周期内所述目标多媒体对象的剩余曝光次数。

可选的，根据在所述当前结算周期内，所有多媒体对象的总曝光次数之和、所有多媒体对象的已曝光次数之和，以及所述目标多媒体对象的已曝光次数，确定在所述当前结算周期内所述目标多媒体对象的剩余曝光次数，具体包括：

确定所述目标多媒体对象的已曝光次数和所有多媒体对象的已曝光次数之和的比值；

确定所有多媒体对象的总曝光次数之和与所述比值的乘积，并确定所述乘积与所述目标多媒体对象的已曝光次数的差值，将所述差值作为所述目标多媒体对象的剩余曝光次数。

可选的，根据所述剩余曝光次数、所述历史曝光花费总额和所述预设花费总额，调整所述目标多媒体对象本次曝光对应的结算单价，具体包括：

确定所述历史曝光花费总额减去所述预设花费总额的价格差值；

将所述价格差值与所述剩余曝光次数的比值，作为本次曝光对应的需减少价格；

根据所述本次曝光对应的需减少价格，调整所述目标多媒体对象本次曝光对应的结算单价。

可选的，根据所述本次曝光对应的需减少价格，调整所述目标多媒体对象本次曝光对应的结算单价，具体包括：

获取针对所述曝光请求确定的排序第一和排序第二的多媒体对象分别对应的结算单价，其中，排序第一的多媒体对象为所述目标多媒体对象；

确定所述目标多媒体对象的结算单价和所述需减少价格的差值；

取所述差值和所述排序第二的多媒体对象的结算单价之间的最大值，作为所述目标多媒体对象本次曝光对应最终的结算单价。

可选的，进一步包括：

获取各多媒体对象的曝光日志、转化日志和结算日志；

按照曝光请求标识、多媒体对象标识、曝光时间和是否曝光标识的第一解析规则，分别对各多媒体对象的曝光日志进行解析；

并按照曝光请求标识、多媒体对象标识、点击时间和是否点击标识的第二解析规则，分别对各多媒体对象的结算日志进行解析；

按照曝光请求标识、多媒体对象标识、转化时间和是否转化标识的第三解析规则，分别对各多媒体对象的转化日志进行解析。

一种多媒体对象的调价装置，包括：

第一确定模块，用于接收到曝光请求时，确定待曝光的目标多媒体对象；

第二确定模块，用于确定在当前结算周期内所述目标多媒体对象的历史曝光花费总额超过预设花费总额时，确定出在所述当前结算周期内所述目标多媒体对象的剩余曝光次数；

调整模块，用于根据所述剩余曝光次数、所述历史曝光花费总额和所述预设花费总额，调整所述目标多媒体对象本次曝光对应的结算单价。

可选的，确定待曝光的目标多媒体对象之后，进一步包括，处理模块，用于：

获取在所述当前结算周期内并在本次曝光之前，所述目标多媒体对象的转化数目和/或已曝光次数，其中，所述转化数目表征曝光后被点击并执行转化操作的个数；

根据所述目标多媒体对象的转化数目和/或已曝光次数，以及对应的结算单价，获得所述目标多媒体对象的历史曝光花费总额。

可选的，确定出在所述当前结算周期内所述目标多媒体对象的剩余曝光次数时，所述第二确定模块具体用于：

获取在所述当前结算周期之前的各结算周期内所有多媒体对象的总曝光次数之和；

至少根据在所述当前结算周期之前的各结算周期内所有多媒体对象的总曝光次数之和，获得在所述当前结算周期内的所有多媒体对象的总曝光次数之和；

分别获取在所述当前结算周期内，所有多媒体对象的已曝光次数之和以及所述目标多媒体对象的已曝光次数；

根据在所述当前结算周期内，所有多媒体对象的总曝光次数之和、所有多媒体对象的已曝光次数之和，以及所述目标多媒体对象的已曝光次数，确定在所述当前结算周期内所述目标多媒体对象的剩余曝光次数。

可选的，根据在所述当前结算周期内，所有多媒体对象的总曝光次数之和、所有多媒体对象的已曝光次数之和，以及所述目标多媒体对象的已曝光次数，确定在所述当前结算周期内所述目标多媒体对象的剩余曝光次数时，所述第二确定模块具体用于：

确定所述目标多媒体对象的已曝光次数和所有多媒体对象的已曝光次数之和的比值；

确定所有多媒体对象的总曝光次数之和与所述比值的乘积，并确定所述乘积与所述目标多媒体对象的已曝光次数的差值，将所述差值作为所述目标多媒体对象的剩余曝光次数。

可选的，根据所述剩余曝光次数、所述历史曝光花费总额和所述预设花费总额，调整所述目标多媒体对象本次曝光对应的结算单价时，所述调整模块具体用于：

确定所述历史曝光花费总额减去所述预设花费总额的价格差值；

将所述价格差值与所述剩余曝光次数的比值，作为本次曝光对应的需减少价格；

根据所述本次曝光对应的需减少价格，调整所述目标多媒体对象本次曝光对应的结算单价。

可选的，根据所述本次曝光对应的需减少价格，调整所述目标多媒体对象本次曝光对应的结算单价时，所述调整模块具体用于：

获取针对所述曝光请求确定的排序第一和排序第二的多媒体对象分别对应的结算单价，其中，排序第一的多媒体对象为所述目标多媒体对象；

确定所述目标多媒体对象的结算单价和所述需减少价格的差值；

取所述差值和所述排序第二的多媒体对象的结算单价之间的最大值，作为所述目标多媒体对象本次曝光对应最终的结算单价。

可选的，进一步包括，解析模块，用于：

获取各多媒体对象的曝光日志、转化日志和结算日志；

按照曝光请求标识、多媒体对象标识、曝光时间和是否曝光标识的第一解析规则，分别对各多媒体对象的曝光日志进行解析；

并按照曝光请求标识、多媒体对象标识、点击时间和是否点击标识的第二解析规则，分别对各多媒体对象的结算日志进行解析；

按照曝光请求标识、多媒体对象标识、转化时间和是否转化标识的第三解析规则，分别对各多媒体对象的转化日志进行解析。

一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一种多媒体对象的调价方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种多媒体对象的调价方法的步骤。

本申请实施例中，接收到曝光请求时，确定待曝光的目标多媒体对象；在当前结算周期内所述目标多媒体对象的历史曝光花费总额超过预设花费总额时，确定出在所述当前结算周期内所述目标多媒体对象的剩余曝光次数，进而根据所述剩余曝光次数、所述历史曝光花费总额和所述预设花费总额，调整所述目标多媒体对象本次曝光对应的结算单价，这样，在历史曝光花费总额超过预设花费总额时，会进行智能调价，考虑历史曝光花费总额和未来的剩余曝光次数，从而达到了在全局流量上优化成本的目的，提高了调价的准确性，并且不依赖于转化率预估模型，计算也更加简单可靠。

附图说明

图1为本申请实施例中多媒体对象的调价方法流程图；

图2为本申请实施例中流量预估模型原理示意图；

图3为本申请实施例中一种多媒体对象的调价方法的整体逻辑示意图；

图4为本申请实施例中另一种多媒体对象的调价方法的整体逻辑示意图；

图5为本申请实施例中实时数据处理流程示意图；

图6为本申请实施例中解析格式示意图；

图7为本申请实施例中多媒体对象的调价装置结构示意图；

图8为本申请实施例中电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为便于对本申请实施例的理解，下面先对几个概念进行简单介绍：

千次展示可获得收入(effectivecostpermile，ecpm)：即表示每一千次展示可以获得的广告收入，展示的单位可以是网页、广告单元、单个广告等，ecpm通常只是用来反映网站盈利能力的参数，不代表实际收入。

广告竞价：每次用户请求时，广告投放系统会通过竞价从候选广告中筛选出ecpm最高的广告进行投放，不同的投放方式计算ecpm的方法不同，例如投放方式包括：按点击付费(costperclick，cpc)、优化的按点击付费(optimizationcostperclick，ocpc)等。

cpc投放：即每点击一下广告收费多少钱，广告主设置广告每次点击的费用bidclick，广告投放系统预估各候选广告在本次曝光的点击率(clickthroughrate，ctr)，则ecpm＝1000*bidclick*ctr。

ocpc投放:广告主设置广告单每次转化的费用bidconvert，广告投放系统预估各候选广告在本次曝光的ctr、转化率(clickvaluerate，cvr)，则ecpm＝1000*bidconvert*cvr*ctr。ocpc投放方法是经过优化的cpc，仍按点击付费，并以目标转化为优化方式的点击出价，可以让广告获得高转化的曝光，可以帮助广告主在获取更多优质流量的同时提高转化完成率，通常来说可以优化广告单的成本，但需要积累广告单的转化数据用于预估模型的训练，前期需要数据积累才能在后期使用ocpc，广告主只需要预设花费总额，系统可以根据用户的转化质量，动态调整价格，自动选择投放给转化高的用户，保证最终的转化效果。

长短期记忆网络(longshort-termmemory，lstm)：一种深度学习序列预测方法，本申请实施例中，可以使用lstm模型，通过历史每日曝光量数据来进行训练，并使用已训练的lstm模型预测次日的曝光量。

转化成本：通常广告会经过曝光、点击、转化几个过程，其中，转化类型包括下载、注册等行为，可以由广告主设置，则通常转化成本可以表示为：广告消费总额除以广告转化个数，例如结算时按点击付费，点击数为1000次，点击单价为1元，点击后转化数为20次，则消费总额为1000元，转化成本为1000/20＝50元，转化成本也可以理解为转化结算单价。

一价、二价：接收到曝光请求时，需要进行广告竞价，以确定本次投放曝光的广告，即选择排名第一的广告进行曝光，一价即为竞价队列里排名第一的广告的报价，二价为竞价队列里排名第二的广告的报价。对曝光的广告进行结算时，一般结算费用会根据一价、二价并按某种规则而进行结算。

相关技术中，系统一般可以使用ocpc投放功能来优化广告的转化成本，具体在计算ecpm时会预估其转化率，从而优化广告的转化成本，但是相关技术中，广告投放系统每次竞价都是独立的，只对当次曝光的成本进行优化，准确性较低，无法满足广告主的成本要求，并且需要依赖转化率预估模型，若转化率预估模型不准确则无法达到优化成本的目的。

因此为解决上述问题，本申请实施例中提供了一种多媒体对象的调价方法，接收到曝光请求时，确定待曝光的目标多媒体对象；在当前结算周期内目标多媒体对象的历史曝光花费总额超过预设花费总额时，确定出在当前结算周期内目标多媒体对象的剩余曝光次数，进而根据剩余曝光次数、历史曝光花费总额和预设花费总额，调整目标多媒体对象本次曝光对应的结算单价，这样，在历史曝光花费总额超过预设花费总额时，就会进行智能调价，确定出剩余曝光次数，可以将超出的费用分配到剩余曝光次数上，从而达到了在全局流量上优化成本的目的，综合历史成本和未来曝光流量以进行智能调价，并且不依赖转化率预估模型，提高了调价的准确性，也更能满足用户成本需求。

另外，需要说明的是，本申请实施例中的多媒体对象的调价方法，不仅仅适用于广告投放场景，对于其它多媒体业务场景，对于类似问题同样适用，对此本申请实施例中并不进行限制，为便于说明，本申请实施例中主要以广告投放场景为例进行介绍。

基于上述实施例，下面对本申请实施例中的多媒体对象的调价方法进行说明，参阅图1所示，为本申请实施例中多媒体对象的调价方法流程图，该方法包括：

步骤100：接收到曝光请求时，确定待曝光的目标多媒体对象。

例如，以多媒体对象为广告为例，通常应用程序(application，app)中都会有广告位，在用户打开app时可以在广告位上展示广告，用户可以看到展示的广告，进而用户也可以进行点击等操作，在这个过程中，用户打开app时，app即发送了曝光请求。

其中，确定待曝光的目标多媒体对象，具体地，可以根据各候选多媒体对象的ecpm，对各候选多媒体对象进行排序，将排序第一的候选多媒体对象，作为待曝光的目标多媒体对象。

步骤110：在当前结算周期内目标多媒体对象的历史曝光花费总额超过预设花费总额时，确定出在当前结算周期内目标多媒体对象的剩余曝光次数。

本申请实施例中，可以根据需求设置结算周期，例如以一天为一个结算周期，这样，广告主可以设置在结算周期内的预设花费总额。

并且本申请实施例中，综合考虑历史成本，在确定待曝光的目标多媒体对象之后，可以获得历史曝光花费总额，具体本申请实施例中提供了可能的实施方式：

1)获取在当前结算周期内并在本次曝光之前，目标多媒体对象的转化数目和/或已曝光次数，其中，转化数目表征曝光后被点击并执行转化操作的个数。

2)根据目标多媒体对象的转化数目和/或已曝光次数，以及对应的结算单价，获得目标多媒体对象的历史曝光花费总额。

本申请实施例中，服务器可以获取到各个多媒体对象的曝光日志、点击日志、转化日志等信息，从而进行解析和统计后，可以获得各个多媒体对象的转化数目和已曝光次数，进而针对待曝光的目标多媒体对象，在当前结算周期内计算历史曝光花费总额时，可以直接获取到这些统计的信息，可以仅根据转化数目计算历史曝光花费总额，也可以仅根据已曝光次数计算历史曝光花费总额，当然也可以根据已曝光次数和转化数目的结合来计算历史曝光花费总额，例如转化结算单价为5元，转化数目为500次，曝光结算单价为2元，已曝光次数为1500次，则历史曝光花费总额的一种计算方式可以为，5*500+(1500-500)*2＝4500元，也可以有其它综合计算方式，并不进行限制。

另外，还可以根据实际情况和需求而采用不同的指标来计算获得历史曝光花费总额，本申请实施例中并不进行限制。

则执行步骤110时，具体包括：

a1、获取在当前结算周期之前的各结算周期内所有多媒体对象的总曝光次数之和。

a2、至少根据在当前结算周期之前的各结算周期内所有多媒体对象的总曝光次数之和，获得在当前结算周期内的所有多媒体对象的总曝光次数之和。

本申请实施例中，以结算周期为一天为例，系统每天都可以获取到当日的总流量，通过历史的每日流量数据可以用来训练流量预估模型，从而可以来预测某日的总流量，其中流量数据中至少包括曝光次数。

其中，流量预估模型可以采用长短期记忆网络(longshort-termmemory，lstm)，本申请实施例中并不进行限制，lstm是一种时序预测模型，例如，参阅图2所示，为本申请实施例中流量预估模型原理示意图，以采用lstm模型为例，主体为lstm网络，输出会再经过一层全连接，lstm的输入样本为(x0，x1，…，xn)，表示连续n日的每日流量，通过不断训练，可以学习到每天的曝光次数之间的关系，当然在训练流量预估模型时，输入样本的特征可以不仅仅包括曝光次数，还可以包括其它特征，例如多媒体对象的属性信息等，可以提高流量预估模型的预测准确性。

这样，训练流量预估模型后，就可以基于已训练的流量预估模型，来进行曝光次数预测，例如，当输入前n-1天的每日总曝光次数之和，即当前结算周期之前的n-1个结算周期内的所有多媒体对象的总曝光次数之和，就可以预估出当前结算周期内的所有多媒体对象的总曝光次数之和。

并且，需要说明的是，本申请实施例中，在预测当前结算周期内的所有多媒体对象的总曝光次数之和时，可以在需要进行调价时再计算，也可以在当前结算周期之前的某个时间点，或者当前结算周期开始的某个时间点，即进行预测，可以供后续需要调价时，可以直接获取并使用，以提高调价计算效率。

a3、分别获取在当前结算周期内，所有多媒体对象的已曝光次数之和以及目标多媒体对象的已曝光次数。

具体地，可以从历史曝光数据中，获取到在当前结算周期内，所有多媒体对象的已曝光次数之和，还可以获取到某个目标多媒体对象的已曝光次数。

a4、根据在当前结算周期内，所有多媒体对象的总曝光次数之和、所有多媒体对象的已曝光次数之和，以及目标多媒体对象的已曝光次数，确定在当前结算周期内目标多媒体对象的剩余曝光次数。

具体包括：a4.1、确定目标多媒体对象的已曝光次数和所有多媒体对象的已曝光次数之和的比值。

例如，目标多媒体对象的已曝光次数为h，所有多媒体对象的已曝光次数之和为e，则计算目标多媒体对象在所有多媒体对象的已曝光次数之和的占比为pro，pro＝h/e。

a4.2、确定所有多媒体对象的总曝光次数之和与该比值的乘积，并确定该乘积与目标多媒体对象的已曝光次数的差值，将该差值作为目标多媒体对象的剩余曝光次数。

例如，通过流量预估模型预测的所有多媒体对象的总曝光次数之和为f，目标多媒体对象的剩余曝光次数为g，则g＝f*pro-h。

这样，即可以预测出在当前结算周期内目标多媒体对象的剩余曝光次数。

步骤120：根据剩余曝光次数、历史曝光花费总额和预设花费总额，调整目标多媒体对象本次曝光对应的结算单价。

执行步骤120时，具体包括：

b1、确定历史曝光花费总额减去预设花费总额的价格差值。

例如，历史曝光花费总额为p，预设花费总额为q，则两者价格差值为p-q，该价格差值也表示当前结算周期内超过预期成本的金额。

b2、将价格差值与剩余曝光次数的比值，作为本次曝光对应的需减少价格。

例如，目标多媒体对象的剩余曝光次数为g，本次曝光对应的需减少价格为d，则d＝(p-q)/g。

b3、根据本次曝光对应的需减少价格，调整目标多媒体对象本次曝光对应的结算单价。

本申请实施例中，在历史曝光花费总额超过预设花费总额时，即超过了用户所期望的成本，这时就可以进行智能调价，预测出在当前结算周期内的剩余曝光次数，将当前超过预期的成本分配到未来的曝光流量上，以尽量降低用户的成本。

具体地：b3.1、获取针对曝光请求确定的排序第一和排序第二的多媒体对象分别对应的结算单价，其中，排序第一的多媒体对象为目标多媒体对象。

通常在每次曝光请求时，广告投放系统会通过竞价从候选广告中筛选出排序最高的以进行曝光，排序第一的即为待曝光的目标多媒体对象，由于目标多媒体对象是通过竞价而确定的，因此在对目标多媒体对象进行调价时，其最终调整后的结算单价也不应低于排序第二的多媒体对象的结算单价。

b3.2、确定目标多媒体对象的结算单价和需减少价格的差值。

b3.3、取差值和排序第二的多媒体对象的结算单价之间的最大值，作为目标多媒体对象本次曝光对应最终的结算单价。

例如，目标多媒体对象当前的结算单价为bid1，排序第二的多媒体对象的结算单价为bid2，目标多媒体对象的结算单价和需减少价格的差值为(bid1-d)，则取差值和排序第二的多媒体对象的结算单价之间的最大值后，最终目标多媒体对象的调整后的最终的结算单价为bid，则bid＝max(bid1-d，bid2)。

本申请实施例中，接收到曝光请求时，确定待曝光的目标多媒体对象，并在当前结算周期内目标多媒体对象的历史曝光花费总额超过预设花费总额时，确定出在当前结算周期内目标多媒体对象的剩余曝光次数，进而根据剩余曝光次数、历史曝光花费总额和预设花费总额，调整目标多媒体对象本次曝光对应的结算单价，这样，可以结合目标多媒体对象的历史成本和未来曝光流量，来进行智能调价，可以在全局曝光流量上来优化成本，而不是只针对当次曝光进行优化，可以提高调价准确性，可以更好地优化成本，并且不需要依赖转化率预估模型，通过确定剩余曝光次数和历史成本来进行调整，计算也较简单，在转化率预估模型不准确时也可以很好地优化成本，实现智能调价。

基于上述实施例，下面对本申请实施例中的多媒体对象的调价方法的方案整体进行说明，以通过应用(app)发送曝光请求为例，参阅图3所示，为本申请实施例中一种多媒体对象的调价方法的整体逻辑示意图，具体包括：

步骤300：接收应用发送的曝光请求。

步骤301：竞价排名。

具体地：通过竞价排序，从多媒体对象库中确定出排序第一的多媒体对象，排序第一的多媒体对象作为待曝光的目标多媒体对象。

即可以将确定出的目标多媒体对象返回给应用，以进行曝光。

步骤302：判断历史曝光花费总额是否超过预设花费总额，若是，则执行步骤303，否则，则执行步骤304。

本申请实施例中，每次接收到曝光请求时，都会对当前确定出的目标多媒体对象进行判断，以确定是否需要调价，并且是以一个结算周期来计算是否超过期望成本的，在进行结算之前，在当前结算周期内目标多媒体对象的历史曝光花费总额超过预设花费总额时，即进行智能调价。

步骤303：进行智能调价。

具体地，确定出在当前结算周期内目标多媒体对象的剩余曝光次数，并根据历史曝光花费总额超过预设花费总额的价格差值，计算出本次曝光对应的需减少价格，进而根据本次曝光对应的需减少价格，调整目标多媒体对象本次曝光对应的结算单价。

步骤304：进入结算阶段后以进行结算。

也就是说，本申请实施例中，若确定目标多媒体对象的历史曝光花费总额未超过预设花费总额，则等之后到了当前结算周期的结算阶段时，就可以直接基于目标多媒体对象的当前的结算单价进行结算，若确定历史曝光花费总额超过了预设花费总额，则进行智能调价，并在到了当前结算周期的结算阶段时，是基于调价后的结算单价以进行结算。

这样，本申请实施例中，在进入结算阶段前，若竞价胜出的目标多媒体对象的历史成本超过期望成本，则会对该目标多媒体对象进行智能调价，具体地，通过实时统计并确定历史曝光花费总额，可以计算出当前超过预设花费总额的价格差值，并且可以通过流量预估模型，来预测目标多媒体对象在当前结算周期内的剩余曝光次数，就可以计算出在当前结算周期内尽量减少已超的成本，则在未来每次曝光需要减少的成本，即可以在不低于竞价排序第二的多媒体对象的结算单价的前提下，尽量降低曝光的结算单价，从而可以达到在全局流量上优化成本的目的，提高了智能调价的准确性。

基于上述实施例，下面对于图3的逻辑方案进行详细说明，具体参阅图4所示，为本申请实施例中另一种多媒体对象的调价方法的整体逻辑示意图。

如图4所示，本申请实施例中应用向投放平台发送曝光请求，投放平台通过竞价排名的方法将排序第一的胜出目标多媒体对象返回给应用以进行曝光，应用即展示该目标多媒体对象。

在对曝光的目标多媒体对象进行费用结算之前，进行判断，若该目标多媒体对象的历史曝光花费总额超过了预设花费总额，则会根据历史曝光数据，采用流量预估模型对当前结算周期内的剩余曝光次数进行预估，进而根据目标多媒体对象的历史成本和剩余曝光次数，对本次曝光的结算单价进行一次智能调价。

其中，为了实时获取该目标多媒体对象的历史曝光数据、历史成本等数据，本申请实施例中还需要通过实时数据处理模块，实时的收集和处理各个多媒体对象的曝光、转化和费用结算日志等，即针对图4中实时数据处理模块的具体实施方式，本申请实施例中提供了一种可能的实施方式：

1)获取各多媒体对象的曝光日志、转化日志和结算日志。

2)按照曝光请求标识、多媒体对象标识、曝光时间和是否曝光标识的第一解析规则，分别对各多媒体对象的曝光日志进行解析。

并按照曝光请求标识、多媒体对象标识、点击时间和是否点击标识的第二解析规则，分别对各多媒体对象的结算日志进行解析。

按照曝光请求标识、多媒体对象标识、转化时间和是否转化标识的第三解析规则，分别对各多媒体对象的转化日志进行解析。

如图4所示，将目标多媒体对象返回给应用以进行曝光后，可以从应用侧获取曝光日志、转化日志和点击日志等，并且还可以从结算阶段中获取结算日志等信息，其中，通常结算阶段是以点击数目而进行结算，则结算日志中还包括点击相关信息，因此，本申请实施例中为便于说明，以对曝光日志、转化日志和结算日志进行解析为例进行说明。

参阅图5所示，为本申请实施例中实时数据处理流程示意图，获取各个多媒体对象的曝光日志、转化日志和结算日志，转化日志、曝光日志、结算日志会发送到消息队列，实时流处理系统从消息队列中取出日志进行解析和格式化，然后进行格式化后的信息再次发送到消息队列，并且时序数据库会实时从消息队列中取出格式化后的信息，并将其插入到对应数据库中。

其中，转化日志、曝光日志、结算日志会分别解析并格式化后的信息，如图6所示，为本申请实施例中解析格式示意图，如图6所示，曝光日志可以解析为：req_uid(曝光请求id)，adform_id(多媒体对象id)，exp_time(曝光时间)，exposure(是否曝光标识)，其中，req_uid、adform_id可以为字符串(string)类型的，exp_time可以是长整型(long)，exposure可以为布尔型(boolean)。

结算日志(或点击日志)解析成：req_uid(曝光请求id)，adform_id(多媒体对象id)，click_time(点击时间)，click(是否点击标识)。

转化日志解析成：req_uid(曝光请求id)，adform_id(多媒体对象id)，conv_time(转化时间)，convert(是否转化标识)。

这样，分别对曝光日志、结算日志和转化日志进行解析和格式化后，并存储在数据库中，进而当需要查询各多媒体对象的曝光、转化、结算信息时，可以通过req_id将曝光、转化、结算关联起来，并且通过adform_id和exp_time，click_time，conv_time筛选出需要查询的多媒体对象在特定时间范围内的曝光量、点击数和转化数等信息。

其中，本申请实施例中的消息队列、实时流处理、时序数据库技术可以分别为kafka(是一种高吞吐量的分布式发布订阅消息系统)、弗林克(flink)(一种开源流处理框架)、druid(一种数据库连接池)，具体本申请实施例中并不进行限制。

基于同一发明构思，本申请实施例中还提供了一种多媒体对象的调价装置，基于上述实施例，参阅图7所示，本申请实施例中多媒体对象的调价装置，具体包括：

第一确定模块70，用于接收到曝光请求时，确定待曝光的目标多媒体对象；

第二确定模块71，用于确定在当前结算周期内所述目标多媒体对象的历史曝光花费总额超过预设花费总额时，确定出在所述当前结算周期内所述目标多媒体对象的剩余曝光次数；

调整模块72，用于根据所述剩余曝光次数、所述历史曝光花费总额和所述预设花费总额，调整所述目标多媒体对象本次曝光对应的结算单价。

可选的，确定待曝光的目标多媒体对象之后，进一步包括，处理模块73，用于：

获取在所述当前结算周期内并在本次曝光之前，所述目标多媒体对象的转化数目和/或已曝光次数，其中，所述转化数目表征曝光后被点击并执行转化操作的个数；

根据所述目标多媒体对象的转化数目和/或已曝光次数，以及对应的结算单价，获得所述目标多媒体对象的历史曝光花费总额。

可选的，确定出在所述当前结算周期内所述目标多媒体对象的剩余曝光次数时，所述第二确定模块71具体用于：

获取在所述当前结算周期之前的各结算周期内所有多媒体对象的总曝光次数之和；

至少根据在所述当前结算周期之前的各结算周期内所有多媒体对象的总曝光次数之和，获得在所述当前结算周期内的所有多媒体对象的总曝光次数之和；

分别获取在所述当前结算周期内，所有多媒体对象的已曝光次数之和以及所述目标多媒体对象的已曝光次数；

根据在所述当前结算周期内，所有多媒体对象的总曝光次数之和、所有多媒体对象的已曝光次数之和，以及所述目标多媒体对象的已曝光次数，确定在所述当前结算周期内所述目标多媒体对象的剩余曝光次数。

可选的，根据在所述当前结算周期内，所有多媒体对象的总曝光次数之和、所有多媒体对象的已曝光次数之和，以及所述目标多媒体对象的已曝光次数，确定在所述当前结算周期内所述目标多媒体对象的剩余曝光次数时，所述第二确定模块71具体用于：

确定所述目标多媒体对象的已曝光次数和所有多媒体对象的已曝光次数之和的比值；

确定所有多媒体对象的总曝光次数之和与所述比值的乘积，并确定所述乘积与所述目标多媒体对象的已曝光次数的差值，将所述差值作为所述目标多媒体对象的剩余曝光次数。

可选的，根据所述剩余曝光次数、所述历史曝光花费总额和所述预设花费总额，调整所述目标多媒体对象本次曝光对应的结算单价时，所述调整模块72具体用于：

确定所述历史曝光花费总额减去所述预设花费总额的价格差值；

将所述价格差值与所述剩余曝光次数的比值，作为本次曝光对应的需减少价格；

根据所述本次曝光对应的需减少价格，调整所述目标多媒体对象本次曝光对应的结算单价。

可选的，根据所述本次曝光对应的需减少价格，调整所述目标多媒体对象本次曝光对应的结算单价时，所述调整模块72具体用于：

获取针对所述曝光请求确定的排序第一和排序第二的多媒体对象分别对应的结算单价，其中，排序第一的多媒体对象为所述目标多媒体对象；

确定所述目标多媒体对象的结算单价和所述需减少价格的差值；

取所述差值和所述排序第二的多媒体对象的结算单价之间的最大值，作为所述目标多媒体对象本次曝光对应最终的结算单价。

可选的，进一步包括，解析模块74，用于：

获取各多媒体对象的曝光日志、转化日志和结算日志；

按照曝光请求标识、多媒体对象标识、曝光时间和是否曝光标识的第一解析规则，分别对各多媒体对象的曝光日志进行解析；

并按照曝光请求标识、多媒体对象标识、点击时间和是否点击标识的第二解析规则，分别对各多媒体对象的结算日志进行解析；

按照曝光请求标识、多媒体对象标识、转化时间和是否转化标识的第三解析规则，分别对各多媒体对象的转化日志进行解析。

基于上述实施例，参阅图8所示为本申请实施例中电子设备的结构示意图。

本申请实施例提供了一种电子设备，该电子设备可以包括处理器810(centerprocessingunit，cpu)、存储器820、输入设备830和输出设备840等，输入设备830可以包括键盘、鼠标、触摸屏等，输出设备840可以包括显示设备，如液晶显示器(liquidcrystaldisplay，lcd)、阴极射线管(cathoderaytube，crt)等。

存储器820可以包括只读存储器(rom)和随机存取存储器(ram)，并向处理器810提供存储器820中存储的程序指令和数据。在本申请实施例中，存储器820可以用于存储本申请实施例中任一种多媒体对象的调价方法的程序。

处理器810通过调用存储器820存储的程序指令，处理器810用于按照获得的程序指令执行本申请实施例中任一种多媒体对象的调价方法。

基于上述实施例，本申请实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意方法实施例中的多媒体对象的调价方法。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。