CN111626779A - 一种媒体信息处理方法、装置和存储介质 - Google Patents
一种媒体信息处理方法、装置和存储介质 Download PDFInfo
- Publication number
- CN111626779A CN111626779A CN202010456872.4A CN202010456872A CN111626779A CN 111626779 A CN111626779 A CN 111626779A CN 202010456872 A CN202010456872 A CN 202010456872A CN 111626779 A CN111626779 A CN 111626779A
- Authority
- CN
- China
- Prior art keywords
- condition
- historical
- media information
- target
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000003672 processing method Methods 0.000 title abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 67
- 230000000694 effects Effects 0.000 claims abstract description 34
- 230000006399 behavior Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 34
- 230000002040 relaxant effect Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 7
- 230000003542 behavioural effect Effects 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 4
- 230000002860 competitive effect Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 11
- 230000008685 targeting Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000013585 weight reducing agent Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0273—Determination of fees for advertising
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种媒体信息处理方法、装置和存储介质，所述方法包括：确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用。
Description
技术领域
本发明涉及互联网媒体处理技术，尤其涉及一种媒体信息处理方法、装置和存储介质。
背景技术
随着互联网技术的发展，互联网已经成为播放各类媒体信息的主要平台。进而越来越多的广告主用户(简称广告主)选择在互联网的平台上播放媒体信息(如广告)。在整个在线广告的投放过程中，广告主希望以合理的出价获取到足够的广告流量，即在满足投资回报率(ROI，Return on Investment)的前提下尽可能的获取到广告流量。而对于广告平台来说，希望平台的所有流量都能够得到合理竞价，并充分利用起来以达到流量的最大变现效率。
相关技术中，广告主无法确定相应价位可以得到怎样的效果，从而难以合理出价，而广告平台方也需考虑如何将自身平台的流量尽可能的定向和曝光，以提高平台资源的利用率。
发明内容
有鉴于此，本发明的主要目的在于提供一种媒体信息处理方法、装置和存储介质。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供一种媒体信息处理方法，所述方法包括：
确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；
根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；
根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用。
上述方案中，所述历史媒体数据，包括：历史用户行为数据；
所述根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果，包括：
根据所述历史媒体数据预测所述媒体信息的点击量，获得预测点击量；
确定所述至少一个投放条件中的目标投放条件，根据所述目标投放条件从所述历史用户行为数据中获取对应的历史数据；
根据所述历史数据预测所述媒体信息的曝光量，获得预测曝光量；
基于所述预测点击量和所述预测曝光量，得到所述媒体信息的分析结果；所述分析结果包括预测点击率和/或预测流量；所述预测点击率基于所述预测点击量和所述预测曝光量得到；所述预测流量基于所述预测曝光量得到。
上述方案中，所述历史用户行为数据，包括：至少一个用户的行为数据；
所述根据所述目标投放条件从所述历史用户行为数据中获取对应的历史数据，包括：
根据所述至少一个用户的行为数据，确定各用户的行为数据中所述目标投放条件对应的历史数据；所述历史数据对应目标投放条件的至少一个参数；
所述根据所述历史数据预测所述媒体信息的曝光量，获得预测曝光量，包括：
根据各用户的行为数据中所述目标投放条件对应的历史数据，确定目标用户集；所述目标用户集包括：第一类用户、第二类用户；所述第一类用户的目标投放条件对应唯一参数，所述第二类用户的目标投放条件对应至少两个参数；
统计第一类用户的数量和第二类用户的数量，根据所述第一类用户的数量和所述第二类用户的数量确定所述预测曝光量。
上述方案中，所述根据所述投放期望目标和所述分析结果，确定调整方案，包括：
相应于所述预测点击率低于所述投放期望目标中的期望点击率，确定收缩所述条件参数组合的方案；收缩所述条件参数组合的方案表征删除所述条件参数组合中至少一个投放条件对应的参数；
相应于所述预测流量低于所述投放期望目标中的期望流量，确定放宽所述条件参数组合和/或调整投放所述媒体信息相关的费用的方案；放宽所述条件参数组合的方案表征增加针对至少一个投放条件的可添加参数。
上述方案中，所述确定收缩所述条件参数组合的方案，包括：
从所述条件参数组合中删除目标投放条件对应的第一参数，得到所述目标投放条件对应的除第一参数外的第二参数；
根据所述目标投放条件及对应的所述第二参数，以及所述条件参数组合中除所述目标投放条件外的其他投放条件及对应参数，得到第一条件参数组合；
根据所述第一条件参数组合分析所述媒体信息，得到第一结果；
相应于所述第一结果与所述投放期望目标之间的差异在预设差异范围内，确定删除的第一参数为可删除参数，根据所述可删除参数确定收缩所述条件参数组合的方案。
上述方案中，所述确定放宽所述条件参数组合的方案，包括：
根据所述历史用户行为数据，确定所述目标投放条件对应的第三参数；所述第三参数属于所述历史用户行为数据、且不属于所述条件参数组合；
将所述第三参数添加至所述条件参数组合，得到第二条件参数组合；
根据所述第二条件参数组合分析所述媒体信息，得到第二结果；
相应于所述第二结果与所述投放期望目标之间的差异在预设差异范围内，确定添加的第三参数为可添加参数，根据所述可添加参数确定放宽所述条件参数组合的方案。
上述方案中，所述历史媒体数据，还包括：历史媒体相关数据；所述历史媒体相关数据，包括：历史消耗金额和历史点击量；
确定所述调整投放所述媒体信息相关的费用的方案，包括：
确定所述历史金额消耗和所述历史点击量，根据所述历史金额消耗和所述历史点击量确定历史出价；
将预设出价和所述历史出价进行比较，根据比较结果确定调整出价的方案。
本发明实施例提供一种媒体信息处理装置，所述装置包括：第一处理模块、第二处理模块和第三处理模块，其中，
所述第一处理模块，用于确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；
所述第二处理模块，用于根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；
所述第三处理模块，用于根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用。
本发明实施例提供一种媒体信息处理装置，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以上所述媒体信息处理方法的步骤。
本发明实施例还提供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以上所述媒体信息处理方法的步骤。
本发明实施例所提供的媒体信息处理方法、装置和存储介质，所述方法包括：确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用；如此，根据条件参数组合获取历史媒体数据，根据历史媒体数据进行分析后得到分析结果，基于所述分析结果给出多维度的调整方案，从而，广告主可以合理出价，广告平台可以调整条件参数组合，使得平台资源充分利用。
附图说明
图1为一种广告竞争力处理方法的流程示意图；
图2为本发明实施例提供的一种媒体信息处理方法的流程示意图；
图3为本发明实施例提供的一种定向条件组合选择的示意图；
图4为本发明实施例提供的一种竞争力分析结果的示意图；
图5为本发明实施例提供的一种广告竞争力处理方法的流程示意图；
图6为本发明实施例提供的另一种广告竞争力处理方法的流程示意图；
图7为本发明实施例提供的定向条件组合优化建议的示意图；
图8为本发明实施例提供的一种媒体信息处理装置的结构示意图；
图9为本发明实施例提供的另一种媒体信息处理装置的结构示意图。
具体实施方式
在结合实施例对本发明再作进一步详细的说明之前，先对广告投放的相关技术进行说明。
如上所述，需要广告平台提供精准的定向投放能力之外，对于广告主来说，需要清晰的了解其待投放广告的目标群体，以及目标群体的分布、对应目标群体的竞争分布等，避免出现大部分流量聚集导致各方无法获量，反过来部分流量又无人问津的情况。也就是说，在广告主了解人群目标之后，在满足自身广告投资回报率的前提下，尽可能的避免恶意无效竞争。因此，广告投放前，对于了解自身待投放广告的竞争力非常重要，并依据广告的竞争力适当调整广告投放策略，以达到满足投资回报率的情况下尽可能获量；另外，对于广告平台方来说，让自身平台流量尽可能地得到定向和曝光，以充分利用平台流量，加大对流量资源的利用率。
相关技术中，提供有一种对于广告的投前竞争力分析并根据竞争力做一定程度上的广告投放指导的方法。如图1所示，所述方法包括：
步骤101、获取待投放广告的特征信息和所述待投放广告的用户信息(定向用户)；
这里，广告平台侧可以先直接获取广告主待投放广告的相关特征信息，所述特征信息包括广告素材信息；所述用户信息包括用户的基础属性数据，如年龄、性别、职业、居住地等。
步骤102、通过构建模型或者其他方式进行当前待投放广告对于人群的点击率预估；
这里，通过用户对于广告的历史访问日志相关信息，获取对应的历史的广告特征和用户特征；根据历史的广告特征和用户特征，运用构建模型的方式或者进行分组构建模型的方式，构建点击率(CTR，Click-Through-Rate)预估模型；
运用所述点击率预估模型对当前条件下的待投放广告进行对应定向人群的点击率预估；即将所述特征信息和所述用户信息输入到所述点击率预测模型，获得所述待投放广告对应的预测点击率。
步骤103、根据人群对应的预估点击率获得待投放广告的竞争力；
步骤104、根据广告对于人群的竞争力分析，进行投放量的分配；
这里，通过预估的点击率获得待投放广告的竞争力，再根据当前待投放广告的竞争力来调整广告的投放量，通常通过调整出价的方式来达到调整投放量的目的。
基于上面整体技术解决方案，大体能够实现对于当前广告定向人群的竞争力分析，以及在竞争力分析的基础上适当对投放广告的条件进行操作，以实现投放量的调整。
但上述方案存在如下两个问题：
单纯通过点击率预估来判断竞争力是不够的。具体来说，整个广告流程除了需要考虑点击率(CTR，Click-Through-Rate)之外，还需要考虑出价、获量(如曝光量、点击量、流量)、广告消耗金额等综合原因。整个竞争力分析不单纯为了广告主服务，同时还肩负着让平台流量分布更加合理的目标，因此，对于待投放广告的竞争力分析，需要把用户流量、消耗金额、CTR等多方因素都考虑进去，综合如上因素对竞争力有个合理评估。即对于竞争力的评估方式不够合理。
输出竞争力之后对于当前待投放广告的指导性不够。具体来说，基于上述内容可以了解，当前对于投前广告的竞争力分析，核心诉求是满足广告主在投资回报率(ROI，Return on Investment)或者CTR达标的情况下，尽可能地获量，对于广告平台来说，满足了广告主的诉求前提下，尽可能的让流量具有合理竞价，避免流量的恶意竞争。这就意味着，需要根据广告投前竞争力分析，来调整广告的投放策略，使其能够达到如上目标，但实际上当前已有的技术方案并不能很好的实现这一目标。而图1所示方法只能实现有限程度的投放策略调整，比如调整出价等，对于复杂的定向条件更改等，并无很好的指导作用。
基于此，本发明实施例中，确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用；通过本发明实施例的方案可以给出分析结果，并基于分析结果给出具体地调整方案。
下面结合实施例对本发明再作进一步详细的说明。
图2为本发明实施例提供的一种媒体信息处理方法的流程示意图；如图2所示，所述媒体信息处理方法应用于服务器，所述方法包括：
步骤201、确定针对待投放的媒体信息的投放期望目标和条件参数组合；
这里，所述投放期望目标表征针对所述媒体信息期望获得的投放效果；
所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；
步骤202、根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；
这里，所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；
步骤203、根据所述投放期望目标和所述分析结果，确定调整方案；
这里，所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用。
具体地，所述投放期望目标，包括：广告主针对待投放的媒体信息所期望得到的期望点击率(CTR，Click-Through-Rate)、获量目标；
所述获量目标，包括：期望流量、期望曝光量、期望点击量；
曝光量表征相应媒体信息被观看的次数；
点击量表征点击相应媒体信息的用户的数量；
流量表征观看相应媒体信息的用户的数量；具体是对曝光数去重后得到的观看相应媒体信息的用户的数量；可以根据用户持有的设备的国际移动设备识别码(IMEI，International Mobile Equipment Identity)对曝光数去重。
这里，确定所述投放期望目标，包括：服务器确定广告主选择的针对待投放的媒体信息的点击率、流量、曝光量、点击量中的至少一个。这里，将点击量除以曝光量计算得到点击率。
所述服务器可以设有人机交互界面，所述服务器预先设有投放期望目标模板，所述投放期望目标模板包括上述至少一个投放期望目标，广告主基于自身需求通过人机交互界面对所述投放期望目标模板进行输入。
具体地，所述条件参数组合，表征所述媒体信息所针对的人群条件的组合；可以包括以下至少之一投放条件：地域、性别、年龄、设备、投放渠道、兴趣标签、投放位置、投放时段、媒体类型；所述条件参数组合还可以包括其他投放条件，这里不做限定。针对每个投放条件设定不同参数，例如，性别为男、年龄为20岁等。
所述步骤201，包括：服务器确定广告主针对待投放的媒体信息的条件参数组合。
这里，所述服务器可以设有人机交互界面，所述服务器预先设有条件参数组合模板，所述条件参数组合模板包括上述至少一个投放条件，广告主基于自身需求通过人机交互界面对所述条件参数组合模板进行输入；所述条件参数组合模板还可以包括各投放条件对应的选项，从而广告主可以基于自身需求通过人机交互界面对所述条件参数组合模板中各投放条件的选项进行选择。举例来说，人机交互界面显示出投放条件的各个选项(如图3所示)，广告主可以选择投放条件的各个选项。
举例来说，选择出待投放的媒体信息可以播放的时间范围，即确定投放时段；选择可以针对哪些地区的用户进行展示，即确定出地域；选择可以针对哪个年龄段的用户进行展示，即确定年龄；选择可以针对哪种性别的用户进行展示，即确定性别等。例如，广告主可以选择对应的播放时间为20:00-21:00，在一线、新一线的区域(一线区域、新一线区域对应不同城市，可以预先设定并保存在服务器中)进行播放，针对25-29岁的女性人群，其中，该女性人群兴趣爱好是音乐等。
实际应用时，考虑到针对个别媒体信息，单天的数据可能出现波动，但对于成熟稳定的广告平台来说，每一天的数据波动都是相对稳定的，因此获取相关条件参数组合的一定时间内的历史媒体数据，对于当前待投放的媒体信息具有重要的指导意义。
基于此，所述根据所述条件参数组合获取历史媒体数据，包括：根据所述条件参数组合选择预设时间段内的历史媒体数据。
这里，所述预设时间段由用户选择，如一周(7天)内、10天内等。所述历史媒体数据保存在数据库中。从所述数据库中确定与所述条件参数组合对应(相同)的已投放的媒体信息；获取该已投放的媒体信息的预设时间段内的历史媒体数据。
实际应用时，考虑到进行数据分析的效率，数据库需支持多维分析、并行处理等。基于此，本发明实施例中，提供历史媒体信息多维分析的方法。历史媒体数据保存可以在ClickHouse数据库；该数据库是面向列存储的数据库，且支持数据高效压缩、海量数据的多维分析、多核并行处理、近似预估的计算、多维条件组合查询等。
这里，所述数据库保存有历史媒体数据(具体包括至少一个已投放媒体相关的历史媒体数据)；
所述历史媒体数据，包括：历史用户行为数据和历史媒体相关数据；
所述历史用户行为数据包括：点击相应媒体信息的至少一个用户的行为数据。即所述历史用户行为数据可以包括一个或多个用户的行为数据，即针对每个媒体信息对应的每个用户来说，历史用户行为数据可以包括以下至少之一投放条件和对应的参数：
用户持有设备的IMEI；所述IMEI作为设备(如手机、电脑、平板等)的唯一识别码，用于标志单一用户；
性别：男女；
年龄：18、18-24、25-29、30-34、35-49、50以上；
地域：指用户所在城市级别，如一线、新一线、二线、三线、四线、五线；
网络类型：wifi、2g、3g、4g、5g；
设备类型：指持有哪类设备，如平板、电脑、手机等；针对每种类型可以具体划分设备价位，如：1000、1000-1999、2000-2999、3000以上；
投放渠道：信息流投放渠道、联盟投放渠道等；
投放类型：第5代超文本标记语言(H5，HTML5)、应用程序(APP，Application)下载；
投放时段：表征向用户展示媒体信息的时间段；如0-23小时，24个时段；
投放位置：表征平台投放媒体信息的位置；如：信息流、视频详情页、视频后贴片、新闻页、图集页、浏览器内容页、天气页、锁屏页等；
媒体信息标识(ID，Identity document)；
媒体类型：媒体三级类别；
兴趣标签：表征用户具有哪些兴趣爱好，例如：理财、投资、保险、中学教育、小学教育、短视频、音乐等。
针对每个媒体信息来说，每个媒体信息的历史媒体相关数据，包括以下至少之一：
媒体信息ID、曝光数、消耗金额、点击量。
基于数据库中针对每个已投放的媒体信息(以下简称为历史媒体信息)、每个用户提供的以上字段的内容，可以根据条件参数组合选择相应的历史媒体数据。
需要说明的是，针对数据库中保存的历史媒体数据来说，历史媒体信息投放后，可以将历史媒体信息的相关数据输入至数据库中，用于作为之后待投放媒体信息进行竞争力分析的基础。具体指输入上述字段对应的内容，即将各历史媒体信息的用户行为数据与媒体相关数据输入到数据库中。
具体地，步骤202中，所述根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果，包括：
根据所述历史媒体数据预测所述媒体信息的点击量，获得预测点击量；
确定所述至少一个投放条件中的目标投放条件，根据所述目标投放条件从所述历史用户行为数据中获取对应的历史数据；
根据所述历史数据预测所述媒体信息的曝光量，获得预测曝光量；
基于所述预测点击量和所述预测曝光量，得到所述媒体信息的分析结果；所述分析结果包括预测点击率和/或预测流量；所述预测点击率基于所述预测点击量和所述预测曝光量得到；所述预测流量基于所述预测曝光量得到。
这里，所述预测点击率＝预测点击量/预测曝光量；
所述预测点击量为根据所述历史媒体数据进行点击量统计(即统计点击用户数量)得到；
所述预测流量是确定预测曝光量后，根据各用户持有设备的IMEI进行去重得到(这里是考虑到针对每个媒体信息，同个用户如果多次曝光，则需做去重，记为一个流量)。
具体地，所述历史用户行为数据，包括：至少一个用户的行为数据；
所述根据所述目标投放条件从所述历史用户行为数据中获取对应的历史数据，包括：
根据所述至少一个用户的行为数据，确定所述至少一个用户中各用户的行为数据中所述目标投放条件对应的历史数据；所述历史数据对应目标投放条件的至少一个参数；
所述根据所述历史数据预测所述媒体信息的曝光量，获得预测曝光量，包括：
根据各用户的行为数据中所述目标投放条件对应的历史数据，确定目标用户集；所述目标用户集包括：第一类用户、第二类用户；所述第一类用户的目标投放条件对应唯一参数，所述第二类用户的目标投放条件对应至少两个参数；
统计第一类用户的数量和第二类用户的数量，根据所述第一类用户的数量和所述第二类用户的数量确定所述预测曝光量。
这里，针对点击已投放的媒体信息的点击用户来说，用户的行为数据中包括各个条件(与投放条件对应)，如年龄、性别、兴趣标签等；以及，条件对应参数，如年龄为20、性别为男、兴趣标签为音乐(具体可以分为摇滚、田园)等。从而根据目标投放条件，可以确定各用户的行为数据中所述目标投放条件对应的历史数据，所述历史数据对应目标投放条件的至少一个参数(如上述年龄为20、性别为男、兴趣标签为音乐(具体可以分为摇滚、田园)等)。
而这里确定的历史数据中的参数与预设的所述条件参数组合中的目标投放条件的参数可以相同(包括部分相同、全部相同)、可以不同(包括完全不同、部分相同)等。
这里，考虑到条件参数组合中部分条件是基础定向条件，大部分情况下基础定向条件是硬性条件，一般不做修改，如媒体类别、投放渠道、投放类型、投放位置；而性别、年龄、设备等条件与相应媒体信息针对的内容相关，可调范围不大，一般也不做修改(如待投放某女性向游戏的媒体信息，则一般性别选女性，不做修改)；而兴趣标签可调整程度最大，因此基于兴趣标签维度进行曝光度计算。
也就是说，所述确定所述至少一个投放条件中的目标投放条件，所述目标投放条件具体可以指兴趣标签。
所述目标投放条件可以由广告主预设，也可以是服务器基于某一设定原则选择，这里不做限定。
具体来说，采用下式(1)预测曝光量：
Exposet表示兴趣标签维度的预测曝光量(即暂时未与其他条件(如性别、地域)相交的曝光量)时；E1表示具有独立兴趣标签的人群(即对应人群只具有一个标签)；i表示第i个标签；E2表示具有多个标签的人群；对于E2，j表示第j个人，假设具有k个人与他具有相同(重叠)的标签，对相同标签的人数进行累加复算；计算时，需要进行取1/k进行计算，通过这样复算减权，其曝光量则不会多算，趋于合理值，对其具有的多个兴趣标签的曝光进行均摊。
需要说明的是，若广告主需要获得其他投放条件所带来的效果时，也可以运用上述公式1进行曝光量预测，但对于仅可单选的条件(如地域、性别、年龄、设备等，即Exposet表示其他投放条件(如地域、性别、年龄、设备等仅可单选的条件)维度的曝光量时，E2为0，
具体地，所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；所述预测投放效果可以体现待投放的媒体信息的整体竞争力；
所述整体竞争力，包括以下至少之一：在当前条件参数组合下，根据历史媒体数据预估得到的预测流量、预测点击率；还可以包括：预测曝光量、预测点击量、消耗金额、广告期望千次展示价格(eCPM)等。
这里，消耗金额是历史广告的消耗金额；eCPM＝1000*消耗金额/曝光量；
需要说明的是，获取的历史媒体数据包括有针对至少两个历史媒体信息的历史媒体数据时，预测流量、预测曝光量、预测点击量、预测点击率的计算需进行去重(基于IMEI去重)后再计算；而预测的消耗金额可以是至少两个历史媒体信息的消耗金额的平均值。
具体地，考虑到媒体信息变化主要在点击率和获取的流量体现；
这里，确定投放期望目标中期望获取的期望流量、期望点击率，作为考量依据；
所述根据所述投放期望目标和所述分析结果，确定调整方案，包括：
相应于所述预测点击率低于所述投放期望目标中的期望点击率的情况下，确定收缩所述条件参数组合的方案；收缩所述条件参数组合的方案表征删除所述条件参数组合中至少一个投放条件对应的参数；
相应于所述预测流量低于所述投放期望目标中的期望流量的情况下，确定放宽所述条件参数组合和/或调整投放所述媒体信息相关的费用的方案；放宽所述条件参数组合的方案表征增加针对至少一个投放条件的可添加参数。
具体来说，根据上述分析结果和投放期望目标，可以帮助广告主判断当前条件是否能够满足其诉求。多维分析结果的输出不再局限于点击率单一指标，如果流量过少(如低于投放期望目标中的期望流量)，则意味着广告主需要适当调整条件参数组合，例如服务器弹窗提示“当前预估流量不足，可以考虑适当放宽条件参数组合或者提高出价。”；如果此时点击率过低(低于投放期望目标中的期望点击率)，则服务器弹窗提示“当前定向过于宽泛，可以适当收缩条件参数组合”。
实际应用中，考虑到条件参数组合中内容较多，为帮助广告主进行调整；可以提供具体地收缩条件参数组合的方案、放宽条件参数组合的方案。
具体地，所述确定收缩所述条件参数组合的方案，包括：
从所述条件参数组合中删除目标投放条件对应的第一参数，得到所述目标投放条件对应的除第一参数外的第二参数；
根据所述目标投放条件及对应的所述第二参数，以及所述条件参数组合中除所述目标投放条件外的其他投放条件及对应参数，得到第一条件参数组合；
根据所述第一条件参数组合分析所述媒体信息，得到第一结果；
相应于所述第一结果与所述投放期望目标之间的差异在预设差异范围内，确定删除的第一参数为可删除参数，根据所述可删除参数确定收缩所述条件参数组合的方案。
这里，可以将第一结果中的预测流量和预测点击率与期望流量和期望点击率分别进行对比；两者差值低于差值阈值(由开发人员设定)时，即表征第一结果与所述投放期望目标之间的差异在预设差异范围。
所述第一参数的数量可以为一个或多个，得到的第一条件参数组合可以为一个或多个，得到的第一结果相应的也可以是一个或多个；实际应用时，针对每个第一条件参数组合可以分析(指运用上述方法获取相对应的历史媒体数据，进行分析)得到一个第一结果；将每个第一结果与投放期望目标进行比较，确定最接近的第一结果对应的第一条件参数组合，从而确定删除的第一参数，作为可删除参数。
具体地，所述确定放宽所述条件参数组合的方案，包括：
根据所述历史用户行为数据，确定所述目标投放条件对应的第三参数；所述第三参数属于所述历史用户行为数据、且不属于所述条件参数组合；
将所述第三参数添加至所述条件参数组合，得到第二条件参数组合；
根据所述第二条件参数组合分析所述媒体信息，得到第二结果；
相应于所述第二结果与所述投放期望目标之间的差异在预设差异范围内，确定添加的第三参数为可添加参数，根据所述可添加参数确定放宽所述条件参数组合的方案。
这里，所述第三参数的数量可以为一个或多个，得到的第二条件参数组合可以为一个或多个，得到的第二结果相应的也可以是一个或多个；实际应用时，针对每个第二条件参数组合可以分析得到一个第二结果；将每个第二结果与投放期望目标进行比较，确定最接近的第二结果对应的第二条件参数组合，从而确定添加的第三参数，作为可添加参数。
这里，第三参数具体指各点击用户具有的、但预设的条件参数组合的兴趣标签对应的参数中不包括的其他参数。
需要说明的是，由于可确定当前条件参数组合所带来的点击率和获量；因此，对各条件参数调整后的新的条件参数组合(即第一条件参数组合、第二条件参数组合)所带来的点击率和获量也是可以运用相同方法预测的。考虑到硬性条件一般不做修改，因此这里目标条件可以具体是兴趣标签；也就是说，对兴趣标签添加参数或删除参数后得到第二条件参数组合或第一条件参数组合，进行竞争力的分析(具体即采用本发明实施例提供的上述方法)，得到第二结果或第一结果，与投放期望目标进行比较，确定最接近投放期望目标的第二目标结果或第一目标结果，从而可以确定可添加参数或可删除参数。
这里，通过式1以目标群体指数(TGI，Target Group Index，目标群体指数能够体现指定定向标签的人群在整体人群中的偏好程度)分布的方式来计算不同兴趣标签对于当前媒体信息的影响，可以提供条件参数组合的具体调整方案。
需要说明的是，上述第一参数、第三参数可以由服务器基于某种规则选择，还可以由操作用户(如广告主)通过服务器自行选择，这里不做限定。
以上示例虽以兴趣标签为例，但实际应用中广告主根据自身需要也可以将其他投放条件作为目标投放条件，这里不做限定。
考虑到实际应用时，对于广告主来说，出价是关键动作，调整出价能够实现点击率的变动，以及获量(包括点击量、曝光量、流量)维度的指导。因此，分析结果输出中，关键还有不同点击付费(CPC，Cost Per Click)、即出价对应的流量、点击率等相关指标。结合这部分的输出，广告主可以调整其出价，以获得大致对应的点击率、流量，这对于广告主调整投放策略的来说，是一个非常关键的信息。根据广告主预设的投放期望目标、竞争力分析的分析结果，进行贴合实际的条件参数组合调整的建议，以指导广告主进行条件参数组合维度或者出价维度的调整。
具体地，所述历史媒体数据，还包括：历史媒体相关数据；所述历史媒体相关数据，包括：历史消耗金额和历史点击量；
所述费用包括出价；所述出价可以等于金额消耗/点击量。
确定所述调整投放所述媒体信息相关的费用的方案，包括：
确定所述历史金额消耗和所述历史点击量，根据所述历史金额消耗和所述历史点击量确定历史出价；
将预设出价和所述历史出价进行比较，根据比较结果确定调整出价的方案。
一般来数，相应于预测流量低于投放期望目标中的期望流量，可以比较预设出价和历史出价，若历史出价高于预设出价时，确定提高出价的方案。具体地，可以根据预设出价(由广告主预设)和所述历史出价进行比较，确定差价，基于差价确定具体提高后的出价。实际应用中，可以对不同的出价阶段进行拆解，以方便广告主结合自身设定的目标观测大致需要的出价位置，以判断当前出价是否合理。
具体地，所述方法还可以包括：
根据所述历史用户行为数据和所述历史媒体相关数据，确定至少一个阶段的点击量和消耗金额；根据至少一个阶段中各阶段的点击量和消耗金额，确定各阶段的历史出价。
具体来说，每投放一次媒体信息，会从媒体信息的全部预算数据减去本次投放使用的消耗金额，即以每投放一次媒体信息均能够得到本次投放使用的消耗金额和剩余金额。根据在这一时间段投放的消耗金额、这一时间段的点击量，可以计算得到出价。具体来说，根据历史媒体信息的历史媒体数据，可以确定每个阶段(可以以每次投放为一个阶段)的已消耗金额和相对的剩余金额(总消耗金额减去已消耗金额)，即确定同一支媒体信息在不同阶段的消耗；再根据不同阶段对应的点击量，计算得到不同阶段的出价(即点击付费(CPC))。根据不同阶段的出价，确定针对不同出价对应阶段的流量、点击率、曝光量、点击量、消耗金额，可以得到出价竞争力分析。从而广告主可以根据出价竞争力分析确定相应调整的具体出价。
基于本发明实施例提供的方法，对历史媒体信息所有的条件参数组合、出价进行多维的分析，并在计算多参数指标时使用合理科学的复算减权的方式，让指标的计算更加的合理(即采用上述式1)。对于广告主测来说，可以进行待投放的媒体信息的合理预估，在投放前就清晰的知道当前媒体信息可能获取的获量和点击率，结合预设的投放期望目标，可以在投放前进行定向修正，以达到期望的目的。与现有技术方案对比，给出的分析结果是多维的，能够很好的判断是条件参数组合需要放宽条件参数组合或收缩条件参数组合或调整出价，给出相对明确的指导意见。对于广告平台方来说，合理的进行流量预分配能够使得平台上的流量资源充分得到利用，避免了优质流量的恶意竞争，根据不同媒体信息充分挖掘其长尾流量。整体而言，可以使广告主、广告平台两侧产生可预期的有效收益，使得双方在合作的基础上达到双赢的目标，使得广告主以可接受的出价得到足够的流量，对于平台方，使得平台流量资源得到合理的利用。
图3为本发明实施例提供的一种定向条件组合选择的示意图；如图3所示，为提前进行定向竞争力分析，可以先对定向条件组合(相当于图2所示的条件参数组合)进行筛选；包括：人口属性、设备定向、广告信息、兴趣标签；
人口属性，包括：地域、性别、年龄；
设备信息，包括：网络类型、机型价格；
广告信息，包括：渠道(即投放渠道)、投放类型、广告来源、投放时段、广告位置(相当于图2所示方法的投放位置)、广告类别(相当于图2所示方法的媒体类型)；
兴趣标签，包括：游戏相关标签，游戏相关标签包括：角色扮演、棋牌游戏。
图4为本发明实施例提供的一种竞争力分析结果的示意图；如图4所示，所述竞争力分析结果(相当于图2所示方法的分析结果)，包括：整体情况；
所述整体情况，具体包括：在当前定向条件组合下，根据历史广告点击数据(相当于图2所示方法的历史媒体数据)预测的流量、曝光量、点击量、点击率(CTR)、总消耗金额、广告期望千次展示价格(eCPM)。通过上述预测的数据和广告主预设的投放期望目标中的流量、点击率等，可以帮助广告主判断当前定向条件组合是否能够满足其诉求。
所述竞争力分析结果，还包括：出价竞争力分析，具体包括以下至少之一：
不同出价对应的流量、曝光、点击量、消耗金额、点击率等指标；不同出价可以为0.3、0.4……1.5。
结合这部分的输出，广告主可以具体地调整其出价，以获得大致对应的流量、点击率、曝光量、点击量、消耗金额等。
实际应用中，可以对不同的出价阶段进行拆解，以方便广告主结合自身设定的目标观测大致需要的出价位置，以判断当前出价是否合理。
所述媒体信息可以为广告；以广告为例提供一种媒体信息处理方法。
图5为本发明实施例提供的一种广告竞争力处理方法的流程示意图；如图5所示，所述方法应用于服务器，所述方法包括：
步骤501、预设投放期望目标以及对于待投放广告(即一种待投放的媒体信息)进行定向条件组合筛选；
这里，广告主通过服务器的人机交互界面预设投放期望目标；以及，广告主通过服务器的人机交互界面进行定向条件组合筛选，所述定向条件组合相当于图2所示方法的条件参数组合；具体包括以下至少之一的条件筛选：地域、性别、年龄、设备、投放渠道、兴趣标签、广告位置、投放时段、广告类型。具体可以参照图2所示方法，这里不再赘述。
步骤502、根据筛选的定向条件组合，确定竞争力分析结果；
这里，所述竞争力分析结果，包括以下至少之一：历史当前定向条件组合下预测的流量、曝光量、点击量、点击率、广告消耗、eCPM等关键指标；
还可以包括预测的以下至少之一：不同出价对应的流量、曝光、点击量、消耗金额、点击率等指标；如图4所示的一种示例，不同出价可以为0.3、0.4……1.5。
具体地，所述步骤502包括：根据定向条件组合获取历史广告点击数据，根据历史广告点击数据确定竞争力分析结果。
所述历史广告点击数据(即一种历史媒体数据)，包括：历史用户行为数据和历史广告相关数据(即一种历史媒体相关数据)；所述竞争力分析结果相当于图2所示方法的分析结果，具体步骤参照图2所示方法，这里不再赘述。
所述历史广告点击数据，可以保存支持任意组合聚合查询的数据库(如ClickHouse数据库)，从而可以查询具体条件参数组合对应的历史广告相关数据，得到点击量、曝光量，并且计算得到点击率。具体可以将符合条件参数组合的历史广告对应的用户聚合之后，将聚合得到的点击量/曝光量即可；而流量是确定曝光量后，根据各用户持有设备的IMEI进行去重，得到流量(这里是考虑到针对每个媒体信息，同个用户如果多次曝光，则需做去重，记为一个流量)。
步骤503、根据竞争力分析结果，结合广告主的投放期望目标，提供调整方案；
这里，调整方案是指建议广告主进行定向条件组合的调整或者出价的调整；例如，预测的流量过少，则意味着广告主需要适当调整定向条件组合，此时提示“当前预估流量不足，可以考虑适当放宽定向条件或者提高出价。”；预测的点击率过低，则提示“当前定向过于宽泛，可以适当收缩定向条件”。
图6为本发明实施例提供的另一种广告竞争力处理方法的流程示意图；如图6所示，所述方法应用于服务器，所述方法包括：
步骤601、预设投放期望目标以及对于待投放广告进行定向条件组合筛选；
步骤602、根据筛选的定向条件组合，获取到竞争力分析结果；
步骤603、根据竞争力分析结果，结合广告主的投放期望目标，提供调整方案；
以上步骤601-603与图5所示方法的步骤501-503相同，这里不再赘述。
步骤604、结合竞争力分析结果及标签组合智能分析，给出标签组合之后的广告变化预估。
具体来说，广告变化预估主要是两个方面，一个是效果变化预估(如点击率变化)、量级变化预估(如流量变化)；因此，可以从流量变化和点击率变化两个维度，以扩量和提升效果两个目标给出两个具体的解决方案。
通过步骤601-603得到，原有的每个定向条件组合中各定向条件可以得到的效果(至少包括点击率)和覆盖量(至少包括流量)；而对定向条件组合的调整包括两方面，删除某个定向条件(也可以是删除某个定向条件的参数)、增加某个新的定向条件(也可以是增加某个定向条件的参数)；由于已确定每个定向条件的效果和覆盖量，因此，对各定向条件调整后的新的定向条件组合所带来的效果和覆盖量也是可预测，注意对于交叉部分做折算预估即可。
这里，所述结合竞争力分析结果及标签组合智能分析，包括：
针对需要放宽定向条件，确定至少一个第一标签参数(如兴趣标签对应的参数，具体是各点击用户具有的、但预设的定向条件组合的兴趣标签的参数中不包括的其他参数)，将所述至少一个第一标签参数中任意至少一个第一标签参数与所述定向条件组合结合，得到至少一个第一调整定向条件组合；根据所述第一调整定向条件组合中各第一调整定向条件组合分析所述待投放广告的竞争力，得到至少一个第一调整结果；即给出标签组合之后的广告变化预估；
所述方法还可以包括：将所述至少一个第一调整结果中各第一调整结果与所述投放期望目标进行比较，确定与投放期望目标最接近的第一目标调整结果；根据所述第一目标调整结果确定可添加的第一标签参数，根据所述可添加的第一标签参数确定放宽所述定向条件组合的方案。
针对需要收缩定向条件，从所述定向条件组合中兴趣标签对应的参数中，删除任意至少一个第二标签参数；根据删除任意至少一个第二标签参数后的定向条件组合，得到至少一个第二调整定向条件组合；根据所述至少一个第二调整定向条件组合中各第二调整定向条件组合分析所述待投放广告的竞争力，得到至少一个第二调整结果；将所述至少一个第二调整结果中各第二调整结果与所述投放期望目标进行比较，确定与投放期望目标最接近的第二目标调整结果；即给出标签组合之后的广告变化预估；
所述方法还可以包括：根据所述第二目标调整结果确定可删除的第二标签参数，根据所述可删除的第二标签参数确定收缩所述定向条件组合的方案。
例如，对兴趣标签添加参数或删除参数后得到新的定向条件组合，再基于新的定向条件组合进行竞争力的分析，得到相应结果结果，再与投放期望目标进行比较，确定最接近投放期望目标的结果，从而可以确定可添加的参数或可删除的参数。
或者，所述结合竞争力分析结果及标签组合智能分析，给出标签组合之后的广告变化预估，可以包括：
由广告主根据竞争力分析结果确定需要删除或添加的定向条件的参数(如兴趣标签的参数)；
根据删除或添加的定向条件的参数得到新的定向条件组合再基于新的定向条件组合进行竞争力的分析，得到相应结果结果。
图7为本发明实施例提供的定向条件组合优化建议的示意图；如图7所示，上部分展示的是基础定向条件，如广告类别、投放渠道、投放类型、广告位置；针对于基础定向条件组合不做更改，因为大部分情况下基础定向条件组合是硬性条件，重点是非硬性的兴趣标签的参数组合，可调整程度最大。
分析结果中的核心数据可以包括：曝光量、点击量、CTR、ROI(基于总消耗金额和获得的回报计算)。以给广告主提供直观结果。
此外，图5所示方案已解决出价调整的方案，图6所示方法可以进一步确定标签的合理组合对于扩量以及效果调整的两个维度策略调整，从而图7中可以提供标签组合优化建议。
关于兴趣标签的组合方案，可以基于广告所选定向条件及相关点击用户身上带有的兴趣标签等维度，以目标群体指数(TGI，Target Group Index，目标群体指数能够体现指定定向标签的人群在整体人群中的偏好程度)分布的方式来计算不同兴趣标签对于当前广告的影响；具体参照图2所示方法、图6所示方法中的说明，这里不再赘述。通过计算出不同标签组合对于广告带来的效果，由广告主选择允许适当降低点击率情况下增加曝光量，还是接受曝光量适当下降的情况下提升点击率。从而可以给广告主带来更加明确的执行操作方案；也可以让广告主在接受一定点击率的情况下，最大程度的获取平台流量。
图8为本发明实施例提供的一种媒体信息处理装置的结构示意图；如图8所示，所述媒体信息处理装置，包括：第一处理模块、第二处理模块和第三处理模块，其中，
所述第一处理模块，用于确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；
所述第二处理模块，用于根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；
所述第三处理模块，用于根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用。
具体地，所述历史媒体数据，包括：历史用户行为数据；
所述第二处理模块，用于根据所述历史媒体数据预测所述媒体信息的点击量，获得预测点击量；
确定所述至少一个投放条件中的目标投放条件，根据所述目标投放条件从所述历史用户行为数据中获取对应的历史数据；
根据所述历史数据预测所述媒体信息的曝光量，获得预测曝光量；
基于所述预测点击量和所述预测曝光量，得到所述媒体信息的分析结果；所述分析结果包括预测点击率和/或预测流量；所述预测点击率基于所述预测点击量和所述预测曝光量得到；所述预测流量基于所述预测曝光量得到。
具体地，所述历史用户行为数据，包括：至少一个用户的行为数据；
所述第二处理模块，用于根据所述至少一个用户的行为数据，确定各用户的行为数据中所述目标投放条件对应的历史数据；所述历史数据对应目标投放条件的至少一个参数；
所述根据所述历史数据预测所述媒体信息的曝光量，获得预测曝光量，包括：
根据各用户的行为数据中所述目标投放条件对应的历史数据，确定目标用户集；所述目标用户集包括：第一类用户、第二类用户；所述第一类用户的目标投放条件对应唯一参数，所述第二类用户的目标投放条件对应至少两个参数；
统计第一类用户的数量和第二类用户的数量，根据所述第一类用户的数量和所述第二类用户的数量确定所述预测曝光量。
这里，所述目标条件可以指兴趣标签。
具体地，所述第三处理模块，用于相应于所述预测点击率低于所述投放期望目标中的期望点击率，确定收缩所述条件参数组合的方案；收缩所述条件参数组合的方案表征删除所述条件参数组合中至少一个投放条件对应的参数；
相应于所述预测流量低于所述投放期望目标中的期望流量，确定放宽所述条件参数组合和/或调整投放所述媒体信息相关的费用的方案；放宽所述条件参数组合的方案表征增加针对至少一个投放条件的可添加参数。
具体地，所述第三处理模块，用于从所述条件参数组合中删除目标投放条件对应的第一参数，得到所述目标投放条件对应的除第一参数外的第二参数；
根据所述目标投放条件及对应的所述第二参数，以及所述条件参数组合中除所述目标投放条件外的其他投放条件及对应参数，得到第一条件参数组合；
根据所述第一条件参数组合分析所述媒体信息，得到第一结果；
相应于所述第一结果与所述投放期望目标之间的差异在预设差异范围内，确定删除的第一参数为可删除参数，根据所述可删除参数确定收缩所述条件参数组合的方案。
具体地，所述第三处理模块，用于根据所述历史用户行为数据，确定所述目标投放条件对应的第三参数；所述第三参数属于所述历史用户行为数据、且不属于所述条件参数组合；
将所述第三参数添加至所述条件参数组合，得到第二条件参数组合；
根据所述第二条件参数组合分析所述媒体信息，得到第二结果；
相应于所述第二结果与所述投放期望目标之间的差异在预设差异范围内，确定添加的第三参数为可添加参数，根据所述可添加参数确定放宽所述条件参数组合的方案。
具体地，所述历史媒体数据，还包括：历史媒体相关数据；所述历史媒体相关数据，包括：历史消耗金额和历史点击量；
所述第三处理模块，用于确定所述历史金额消耗和所述历史点击量，根据所述历史金额消耗和所述历史点击量确定历史出价；
将预设出价和所述历史出价进行比较，根据比较结果确定调整出价的方案。
需要说明的是：上述实施例提供的媒体信息处理装置在实现相应媒体信息处理方法时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将网络设备的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的装置与相应方法的实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图9为本发明实施例提供的一种媒体信息处理装置的结构示意图；如图9所示，所述装置90包括：处理器901和用于存储能够在所述处理器上运行的计算机程序的存储器902；其中，所述处理器901用于运行所述计算机程序时，执行：确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用；
其中，所述处理器运行所述计算机程序时实现本发明实施例的各个方法中由服务器实现的相应流程，为了简洁，在此不再赘述。
实际应用时，所述装置90还可以包括：至少一个网络接口903。媒体信息处理装置90中的各个组件通过总线系统904耦合在一起。可理解，总线系统904用于实现这些组件之间的连接通信。总线系统904除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图9中将各种总线都标为总线系统904。其中，所述处理器901的个数可以为至少一个。网络接口903用于媒体信息处理装置90与其他设备之间有线或无线方式的通信。
本发明实施例中的存储器902用于存储各种类型的数据以支持媒体信息处理装置90的操作。
上述本发明实施例揭示的方法可以应用于处理器901中，或者由处理器901实现。处理器901可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器901中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器901可以是通用处理器、数字信号处理器(DSP，DiGital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器901可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器902，处理器901读取存储器902中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，媒体信息处理装置90可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable LogicDevice)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述方法。
本发明实施例还提供了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运行时，执行：确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用；
其中，所述计算机程序被处理器运行时实现本发明实施例的各个方法中由服务器实现的相应流程，为了简洁，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
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-Only Memory)、随机存取存储器(RAM，Random Access Memory)、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。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种媒体信息处理方法，其特征在于，所述方法包括：
确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；
根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；
根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用。
2.根据权利要求1所述的方法，其特征在于，所述历史媒体数据，包括：历史用户行为数据；
所述根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果，包括：
根据所述历史媒体数据预测所述媒体信息的点击量，获得预测点击量；
确定所述至少一个投放条件中的目标投放条件，根据所述目标投放条件从所述历史用户行为数据中获取对应的历史数据；
根据所述历史数据预测所述媒体信息的曝光量，获得预测曝光量；
基于所述预测点击量和所述预测曝光量，得到所述媒体信息的分析结果；所述分析结果包括预测点击率和/或预测流量；所述预测点击率基于所述预测点击量和所述预测曝光量得到；所述预测流量基于所述预测曝光量得到。
3.根据权利要求2所述的方法，其特征在于，所述历史用户行为数据，包括：至少一个用户的行为数据；
所述根据所述目标投放条件从所述历史用户行为数据中获取对应的历史数据，包括：
根据所述至少一个用户的行为数据，确定各用户的行为数据中所述目标投放条件对应的历史数据；所述历史数据对应目标投放条件的至少一个参数；
所述根据所述历史数据预测所述媒体信息的曝光量，获得预测曝光量，包括：
根据各用户的行为数据中所述目标投放条件对应的历史数据，确定目标用户集；所述目标用户集包括：第一类用户、第二类用户；所述第一类用户的目标投放条件对应唯一参数，所述第二类用户的目标投放条件对应至少两个参数；
统计第一类用户的数量和第二类用户的数量，根据所述第一类用户的数量和所述第二类用户的数量确定所述预测曝光量。
4.根据权利要求2或3所述的方法，其特征在于，所述根据所述投放期望目标和所述分析结果，确定调整方案，包括：
相应于所述预测点击率低于所述投放期望目标中的期望点击率，确定收缩所述条件参数组合的方案；收缩所述条件参数组合的方案表征删除所述条件参数组合中至少一个投放条件对应的参数；
相应于所述预测流量低于所述投放期望目标中的期望流量，确定放宽所述条件参数组合和/或调整投放所述媒体信息相关的费用的方案；放宽所述条件参数组合的方案表征增加针对至少一个投放条件的可添加参数。
5.根据权利要求4所述的方法，其特征在于，所述确定收缩所述条件参数组合的方案，包括：
从所述条件参数组合中删除目标投放条件对应的第一参数，得到所述目标投放条件对应的除第一参数外的第二参数；
根据所述目标投放条件及对应的所述第二参数，以及所述条件参数组合中除所述目标投放条件外的其他投放条件及对应参数，得到第一条件参数组合；
根据所述第一条件参数组合分析所述媒体信息，得到第一结果；
相应于所述第一结果与所述投放期望目标之间的差异在预设差异范围内，确定删除的第一参数为可删除参数，根据所述可删除参数确定收缩所述条件参数组合的方案。
6.根据权利要求4所述的方法，其特征在于，所述确定放宽所述条件参数组合的方案，包括：
根据所述历史用户行为数据，确定所述目标投放条件对应的第三参数；所述第三参数属于所述历史用户行为数据、且不属于所述条件参数组合；
将所述第三参数添加至所述条件参数组合，得到第二条件参数组合；
根据所述第二条件参数组合分析所述媒体信息，得到第二结果；
相应于所述第二结果与所述投放期望目标之间的差异在预设差异范围内，确定添加的第三参数为可添加参数，根据所述可添加参数确定放宽所述条件参数组合的方案。
7.根据权利要求4所述的方法，其特征在于，所述历史媒体数据，还包括：历史媒体相关数据；所述历史媒体相关数据，包括：历史消耗金额和历史点击量；
确定所述调整投放所述媒体信息相关的费用的方案，包括：
确定所述历史金额消耗和所述历史点击量，根据所述历史金额消耗和所述历史点击量确定历史出价；
将预设出价和所述历史出价进行比较，根据比较结果确定调整出价的方案。
8.一种媒体信息处理装置，其特征在于，所述装置包括：第一处理模块、第二处理模块和第三处理模块，其中，
所述第一处理模块，用于确定针对待投放的媒体信息的投放期望目标和条件参数组合；所述投放期望目标表征针对所述媒体信息期望获得的投放效果；所述条件参数组合，包括：针对所述媒体信息的至少一个投放条件和所述至少一个投放条件中各投放条件对应的参数；
所述第二处理模块，用于根据所述条件参数组合获取历史媒体数据，根据所述历史媒体数据进行分析，得到针对所述媒体信息的分析结果；所述分析结果表征基于所述条件参数组合投放所述媒体信息获得的预测投放效果；
所述第三处理模块，用于根据所述投放期望目标和所述分析结果，确定调整方案；所述调整方案包括：调整所述条件参数组合中的参数，和/或，调整投放所述媒体信息相关的费用。
9.一种媒体信息处理装置，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，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010456872.4A CN111626779A (zh) | 2020-05-26 | 2020-05-26 | 一种媒体信息处理方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010456872.4A CN111626779A (zh) | 2020-05-26 | 2020-05-26 | 一种媒体信息处理方法、装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111626779A true CN111626779A (zh) | 2020-09-04 |
Family
ID=72260016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010456872.4A Pending CN111626779A (zh) | 2020-05-26 | 2020-05-26 | 一种媒体信息处理方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111626779A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149407A (zh) * | 2020-09-18 | 2020-12-29 | 北京有竹居网络技术有限公司 | 标题生成方法、训练方法、装置、电子设备和存储介质 |
| CN112333277A (zh) * | 2020-11-09 | 2021-02-05 | 北京达佳互联信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN112884523A (zh) * | 2021-03-12 | 2021-06-01 | 杭州网易再顾科技有限公司 | 多媒体对象的投放方法、装置、设备和介质 |
| CN113011906A (zh) * | 2020-12-10 | 2021-06-22 | 腾讯科技（深圳）有限公司 | 基于多媒体信息处理方法、装置、电子设备及存储介质 |
| CN113011910A (zh) * | 2021-01-18 | 2021-06-22 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN113570422A (zh) * | 2021-09-26 | 2021-10-29 | 腾讯科技（深圳）有限公司 | 创意指导信息的生成方法、装置、计算机设备和存储介质 |
| CN113837809A (zh) * | 2021-09-29 | 2021-12-24 | 北京达佳互联信息技术有限公司 | 媒介信息质量预测方法、装置、电子设备及存储介质 |
| CN114004659A (zh) * | 2021-11-05 | 2022-02-01 | 北京库睿科技有限公司 | 多媒体内容的投放方法、装置、计算机设备和介质 |
| CN116193206A (zh) * | 2023-04-25 | 2023-05-30 | 北京小糖科技有限责任公司 | 优质内容筛选方法、装置、终端设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120158456A1 (en) * | 2010-12-20 | 2012-06-21 | Xuerui Wang | Forecasting Ad Traffic Based on Business Metrics in Performance-based Display Advertising |
| CN102663519A (zh) * | 2012-04-01 | 2012-09-12 | 浙江盘石信息技术有限公司 | 网络广告投放中媒体选择的优化系统及方法 |
| CN109784978A (zh) * | 2018-12-19 | 2019-05-21 | 平安科技（深圳）有限公司 | 基于大数据的广告竞争力计算方法、装置、介质及设备 |
| CN110310137A (zh) * | 2018-03-20 | 2019-10-08 | 北京奇虎科技有限公司 | 一种广告投放方法和装置 |
-
2020
- 2020-05-26 CN CN202010456872.4A patent/CN111626779A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120158456A1 (en) * | 2010-12-20 | 2012-06-21 | Xuerui Wang | Forecasting Ad Traffic Based on Business Metrics in Performance-based Display Advertising |
| CN102663519A (zh) * | 2012-04-01 | 2012-09-12 | 浙江盘石信息技术有限公司 | 网络广告投放中媒体选择的优化系统及方法 |
| CN110310137A (zh) * | 2018-03-20 | 2019-10-08 | 北京奇虎科技有限公司 | 一种广告投放方法和装置 |
| CN109784978A (zh) * | 2018-12-19 | 2019-05-21 | 平安科技（深圳）有限公司 | 基于大数据的广告竞争力计算方法、装置、介质及设备 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149407A (zh) * | 2020-09-18 | 2020-12-29 | 北京有竹居网络技术有限公司 | 标题生成方法、训练方法、装置、电子设备和存储介质 |
| CN112333277A (zh) * | 2020-11-09 | 2021-02-05 | 北京达佳互联信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN113011906A (zh) * | 2020-12-10 | 2021-06-22 | 腾讯科技（深圳）有限公司 | 基于多媒体信息处理方法、装置、电子设备及存储介质 |
| CN113011906B (zh) * | 2020-12-10 | 2024-03-05 | 腾讯科技（深圳）有限公司 | 基于多媒体信息处理方法、装置、电子设备及存储介质 |
| CN113011910B (zh) * | 2021-01-18 | 2023-08-08 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN113011910A (zh) * | 2021-01-18 | 2021-06-22 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN112884523A (zh) * | 2021-03-12 | 2021-06-01 | 杭州网易再顾科技有限公司 | 多媒体对象的投放方法、装置、设备和介质 |
| CN112884523B (zh) * | 2021-03-12 | 2024-05-07 | 杭州网易再顾科技有限公司 | 多媒体对象的投放方法、装置、设备和介质 |
| CN113570422A (zh) * | 2021-09-26 | 2021-10-29 | 腾讯科技（深圳）有限公司 | 创意指导信息的生成方法、装置、计算机设备和存储介质 |
| CN113570422B (zh) * | 2021-09-26 | 2022-02-08 | 腾讯科技（深圳）有限公司 | 创意指导信息的生成方法、装置、计算机设备和存储介质 |
| CN113837809A (zh) * | 2021-09-29 | 2021-12-24 | 北京达佳互联信息技术有限公司 | 媒介信息质量预测方法、装置、电子设备及存储介质 |
| CN113837809B (zh) * | 2021-09-29 | 2024-05-03 | 北京达佳互联信息技术有限公司 | 媒介信息质量预测方法、装置、电子设备及存储介质 |
| CN114004659A (zh) * | 2021-11-05 | 2022-02-01 | 北京库睿科技有限公司 | 多媒体内容的投放方法、装置、计算机设备和介质 |
| CN116193206B (zh) * | 2023-04-25 | 2023-08-22 | 北京小糖科技有限责任公司 | 优质内容筛选方法、装置、终端设备及存储介质 |
| CN116193206A (zh) * | 2023-04-25 | 2023-05-30 | 北京小糖科技有限责任公司 | 优质内容筛选方法、装置、终端设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111626779A (zh) | 一种媒体信息处理方法、装置和存储介质 | |
| US11941660B1 (en) | Conversion path performance measures and reports | |
| US8666809B2 (en) | Advertisement campaign simulator | |
| CN110570232A (zh) | 互联网广告投放方法、装置、服务器及存储介质 | |
| US11182822B2 (en) | Auto-expanding campaign optimization | |
| KR20100114860A (ko) | 터치포인트 커스터마이제이션 시스템 | |
| US20150235275A1 (en) | Cross-device profile data management and targeting | |
| US20090043649A1 (en) | Content Item Pricing | |
| US20160132935A1 (en) | Systems, methods, and apparatus for flexible extension of an audience segment | |
| CN108153791B (zh) | 一种资源推荐方法和相关装置 | |
| US10282758B1 (en) | Pricing control in a real-time network-based bidding environment | |
| KR20110120370A (ko) | 광고 데이터 통합 및 취합을 위한 플랫폼 | |
| US20140200995A1 (en) | Temporal budget optimization in online advertising | |
| CN109003146B (zh) | 业务数据推广方法、装置、终端和计算机可读存储介质 | |
| US20150317697A1 (en) | Automatic bid generation | |
| US20190139079A1 (en) | Autonomous marketing campaign optimization for targeting and placement of digital advertisements | |
| US20170091811A1 (en) | Systems, methods, and devices for customized data event attribution and bid determination | |
| CN111899041A (zh) | 信息投放的处理和投放方法、装置、设备及存储介质 | |
| KR101679328B1 (ko) | 키워드의 프로파일을 수집 및 활용하는 프로파일링 시스템 및 방법 | |
| CN106021341A (zh) | 一种在用户终端中对展示信息进行排序的控制方法及装置 | |
| KR102477687B1 (ko) | 광고 관리 장치 및 이의 동작 방법 | |
| CN110245969B (zh) | 推广信息处理方法、装置、电子设备及计算机可读介质 | |
| US11023924B1 (en) | Event triggers in audio advertising | |
| KR101937849B1 (ko) | 키워드 노출빈도에 기초한 광고설정 자동 제어방법, 광고 서버 및 컴퓨터로 판독 가능한 기록매체 | |
| CN113850416A (zh) | 广告推广合作对象确定方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240913 |