一种广告排序机制生成方法及生成系统

摘要

本发明公开了一种广告排序机制生成方法及生成系统，涉及计算广告排序机制技术领域，旨在解决现有的广告排序机制不能支持广告展示位的数量为0的场景的问题。其技术方案要点是：步骤S1、配置一类特征参数区间，过滤一类特征参数在一类特征参数区间外的服务；步骤S2、构建预测样本，通过分类决策算法以及预测样本，获得用户对服务的购买率和对主需求的转化率；步骤S3、生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，根据不展示占比，计算相应的服务营收增量并生成主需求转化单量增量/服务营收增量达到设定值的排序指标计算公式。本申请的技术方案具有能够适应广告展示位的数量为0的场景的效果。

权利要求

1.一种广告排序机制生成方法，其特征在于，包括以下步骤：

步骤S1、配置允许展示服务的一类特征参数区间，过滤一类特征参数在所述一类特征参数区间外的服务，剩余服务放入召回池；

步骤S2、根据历史数据信息构建预测样本，通过分类决策算法以及所述预测样本，获得用户对服务的购买率和对主需求的转化率；

步骤S3、根据历史数据信息生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，根据不展示占比的列表中的不展示占比以及步骤S2中用户对服务的购买率和对主需求的转化率，计算相应的主需求转化单量增量和服务营收增量，并生成主需求转化单量增量除以服务营收增量达到设定值的排序指标计算公式。

2.根据权利要求1所述的广告排序机制生成方法，其特征在于，所述步骤S1包括以下子步骤：S11、配置允许展示服务的一类特征上限参数，过滤一类特征参数大于或等于一类特征上限参数的服务，剩余服务放入召回池；

S12、检测召回池中服务的个数，若召回池中服务的个数为0，则追加被过滤的服务中一类特征参数最小的服务重新投入召回池。

3.根据权利要求2所述的广告排序机制生成方法，其特征在于，所述步骤S2包括以下子步骤：S21、获取历史数据并将其组装成特征数据集，在所述特征数据集上用分类决策算法学习出服务购买率预估器和主需求转化率预估器；

S22、轮询所述召回池中的服务，拼接所述服务与步骤S21中所述特征为预测样本；

S23、将所述预测样本作为入参，输入服务购买率预估器，得到不同用户在不同场景和搭售不同服务时对服务的购买率；将所述预测样本作为入参，输入主需求转化率预估器，得到不同用户在不同场景和搭售不同服务时对主需求的转化率。

4.根据权利要求3所述的广告排序机制生成方法，其特征在于，所述步骤S21包括以下子步骤：S211、获取需要进行预估的历史数据，系统根据所述历史数据中的用户id，组装所述用户id的用户标签；

S212、根据所述用户标签中的时间类数据组装成包括实践类特征的特征数据集；

S213、在所述特征数据集上用分类决策算法学习出服务购买率预估器和主需求转化率预估器。

5.根据权利要求3或4所述的广告排序机制生成方法，其特征在于，所述步骤S3包括以下子步骤：S31、获取历史数据，按m%一个步长生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，按n一个步长生成排序指标计算公式中的系数α的列表；

S32、根据步骤S23中用户对服务的购买率和对主需求的转化率，计算不展示占比和系数α的二元组上的主需求转化单量增量和服务营收增量，并获得不展示占比与该不展示占比下使得主需求转化单量增量除以服务营收增量达到最大的α的映射表；

S33、在步骤S32中的映射表中，随机选择一个α，产生初始排序指标计算公式；

S34、根据所述初始排序指标计算公式，计算线上每个广告展示请求的排序指标数值并根据所述排序指标数值形成排序指标序列；

S35、按q一个步长得到所述排序指标序列的分位数，根据所述分位数计算对应的服务营收增量，并输出分位数与该分位数下的服务营收增量的映射表；

S36、根据设定的服务营收增量，在步骤S35中的映射表中得到对应的分位数，并将该分位数作为对应的不展示占比在步骤S32中的映射表中得到对应的α；

S37、根据步骤S36中的α更新所述排序指标计算公式中的α，根据更新后的排序指标计算公式，更新步骤S35中的映射表。

6.一种广告排序机制生成系统，其特征在于，包括：

服务限制模块(10)，其用于配置允许展示服务的一类特征参数区间、过滤一类特征参数在所述一类特征参数区间外的服务以及将剩余服务放入召回池；

预估模块(20)，其用于根据历史数据信息构建预测样本，并通过分类决策算法以及所述预测样本获得用户对服务的购买率和对主需求的转化率；

排序机制生成模块(30)，其用于根据历史数据信息生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表；

其中，所述排序机制生成模块(30)还用于根据不展示占比的列表中的不展示占比以及用户对服务的购买率和对主需求的转化率，计算相应的主需求转化单量增量和服务营收增量，并生成主需求转化单量增量除以服务营收增量达到设定值的排序指标计算公式。

7.根据权利要求6所述的广告排序机制生成系统，其特征在于，所述服务限制模块(10)包括：上限限制单元(11)，其用于配置允许展示服务的一类特征上限参数、过滤一类特征参数大于或等于一类特征上限参数的服务以及将剩余服务放入所述召回池；

下限限制单元(12)，其用于检测所述召回池中服务的个数，并用于当所述召回池中服务的个数为0时，追加被过滤的服务中一类特征参数最小的服务重新投入所述召回池。

8.根据权利要求7所述的广告排序机制生成系统，其特征在于，所述预估模块(20)包括：预估器训练单元(21)，其用于获取历史数据并将其组装成特征数据集，其还用于在所述特征数据集上用分类决策算法学习出服务购买率预估器和主需求转化率预估器；

样本构造单元(22)，其用于轮询所述召回池中的服务并拼接所述服务与特征数据集中的特征为预测样本；

预估单元(23)，其用于将所述预测样本作为入参输入服务购买率预估器，得到不同用户在不同场景和搭售不同服务时对服务的购买率；其还用于将所述预测样本作为入参输入主需求转化率预估器，得到不同用户在不同场景和搭售不同服务时对主需求的转化率。

9.根据权利要求8所述的广告排序机制生成系统，其特征在于，所述预估器训练单元(21)还用于根据历史数据中的用户id组装所述用户id的用户标签，所述特征数据集中的特征包括根据用户标签中的时间类数据组装成的实践类特征。

10.根据权利要求8或9所述的广告排序机制生成系统，其特征在于，所述排序机制生成模块(30)包括：不展示占比与系数α映射表生成模块(31)，其用于获取历史数据后，按m%一个步长生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，并按n一个步长生成排序指标计算公式中的系数α的列表；其还用于根据用户对服务的购买率和对主需求的转化率，计算不展示占比和系数α的二元组上的主需求转化单量增量和服务营收增量，并获得不展示占比与该不展示占比下使得主需求转化单量增量除以服务营收增量达到最大的α的映射表一；

不展示占比与服务营收增量映射表生成模块(32)，其用于在所述映射表一中随机选择一个α产生初始排序指标计算公式、根据所述初始排序指标计算公式计算线上每个广告展示请求的排序指标数值以及根据所述排序指标数值形成排序指标序列；其还用于按q一个步长得到所述排序指标序列的分位数、根据所述分位数计算对应的服务营收增量以及输出分位数与该分位数下的服务营收增量的映射表二；

排序计算公式更新模块(33)，其用于根据设定的服务营收增量在所述映射表二中得到对应的分位数，并将该分位数作为对应的不展示占比在映射表一中得到对应的α；其还用于根据所述对应的α更新排序指标计算公式中的α，并根据更新后的排序指标计算公式更新映射表二。

说明书

一种广告排序机制生成方法及生成系统

技术领域

[0001] 本发明涉及计算广告排序机制技术领域，尤其是涉及一种广告排序机制生成方法及生成系统。

背景技术

[0002] 目前,以平台营收为广告排序指标的排序机制被更多的拿出来作为Strategy模块单独研究，如淘宝，从广告主营收+α×平台营收、平台营收两个排序指标设计OCPC排序机制，从而对候选服务进行排序，已达到提升广告主营收与平台营收的目的。

[0003] 基于上述提升广告主营收与平台营收的目的，一些互联网平台及互联网企业也推出了不同的线上广告投放方案，例如：

[0004] D1：北京奇虎科技有限公司在2015年12月16日申请的申请号为“201510947002”的中国专利，其公开了一种提示窗广告位投放控制方法及装置，其通过对多个子窗口广告位以及不同类型的子窗口广告位进行投放排期，从而使浏览器客户端弹出的提示窗在多个子窗口广告位进行广告展示，即可以支持多个子窗口广告位展示，使展现的广告内容更丰富，且可以方便对不同子窗口广告位以及不同类型的子窗口广告位的广告数据进行调整，有效提高了展示效率。

[0005] D2：新浪网技术(中国)有限公司在2016年12月29日申请的申请号为“201611242538”的中国专利，其公开了一种展示广告线上投放方法及装置，该方法包括：选择所有满足当前业务需求的广告作为在当前广告位上对页面浏览者进行展示的第一候选广告集；获取第一候选广告集中每个广告的点击率阈值，并预估第一候选广告集中每个广告的预估点击率；根据第一候选广告集中每个广告的预估点击率和点击率阈值，判断每个广告是否选择当前页面浏览者，将所有选择当前页面浏览者的广告作为第二候选广告集；
根据第二候选广告集中每个广告的投放紧张系数和预估点击率，为当前页面浏览者选中展示广告；将选中的展示广告对页面浏览者进行展示，从而提高广告的点击率。

[0006] 从上述文献可知，目前基于提高广告展示效率和广告点击率来提升广告主营收与平台营收都已具备较为完善的技术方案，但是，现有技术中广告展示位的数量是一个静态值N（N≥1），没有对广告展示位的数量可以为0的场景的考虑，如广告展示位的数量可能是一个大于0的正数N，也有可能是0，在搭售服务场景下，经常会出现广告展示位的数量是0的情况，但现有技术并不支持，为此，本申请提出了一种新的方案。

发明内容

[0007] 本发明的目的是提供一种广告排序机制生成方法及生成系统，其具有能够适应广告展示位的数量为0的场景的效果。

[0008] 本发明的上述发明目的一是通过以下技术方案得以实现的：

[0009] 一种广告排序机制生成方法，包括以下步骤：

[0010] 步骤S1、配置允许展示服务的一类特征参数区间，过滤一类特征参数在所述一类特征参数区间外的服务，剩余服务放入召回池；

[0011] 步骤S2、根据历史数据信息构建预测样本，通过分类决策算法以及所述预测样本，获得用户对服务的购买率和对主需求的转化率；

[0012] 步骤S3、根据历史数据信息生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，根据不展示占比的列表中的不展示占比以及步骤S2中用户对服务的购买率和对主需求的转化率，计算相应的主需求转化单量增量和服务营收增量，并生成主需求转化单量增量除以服务营收增量达到设定值的排序指标计算公式。

[0013] 通过采用上述技术方案，通过不展示占比能够捕捉广告展示位的数量的动态性，适用于广告展示位的数量可以为0的场景。另一方面，通过主需求转化单量能够直接反馈用户体验，通过主需求转化单量增量除以服务营收增量的类ROI指标能够直接反馈用户体验与平台营收之间的关系，对用户体验的优化更直接。

[0014] 本发明进一步设置为：所述步骤S1包括以下子步骤：

[0015] S11、配置允许展示服务的一类特征上限参数，过滤一类特征参数大于或等于一类特征上限参数的服务，剩余服务放入召回池；

[0016] S12、检测召回池中服务的个数，若召回池中服务的个数为0，则追加被过滤的服务中一类特征参数最小的服务重新投入召回池。

[0017] 通过采用上述技术方案，能对数据进行有效的筛选，适用于广告展示位的数量可以为0的场景。另一方面，通过一类特征上限参数的设置，也增加了用户体验。

[0018] 本发明进一步设置为：所述步骤S2包括以下子步骤：

[0019] S21、获取历史数据并将其组装成特征数据集，在所述特征数据集上用分类决策算法学习出服务购买率预估器和主需求转化率预估器；

[0020] S22、轮询所述召回池中的服务，拼接所述服务与步骤S21中所述特征为预测样本；

[0021] S23、将所述预测样本作为入参，输入服务购买率预估器，得到不同用户在不同场景和搭售不同服务时对服务的购买率；将所述预测样本作为入参，输入主需求转化率预估器，得到不同用户在不同场景和搭售不同服务时对主需求的转化率。

[0022] 通过采用上述技术方案，方便预估（不同用户，在不同场景，搭售不同服务）时对服务的购买率、对主需求的转化率，增加了数据的可靠性。

[0023] 本发明进一步设置为：所述步骤S21包括以下子步骤：

[0024] S211、获取需要进行预估的历史数据，系统根据所述历史数据中的用户id，组装所述用户id的用户标签；

[0025] S212、根据所述用户标签中的时间类数据组装成包括实践类特征的特征数据集；

[0026] S213、在所述特征数据集上用分类决策算法学习出服务购买率预估器和主需求转化率预估器。

[0027] 通过采用上述技术方案，通过用户id的实践类特征，使得数据准确度更高，更利于优化用户体验，进而提升广告主营收和平台营收。

[0028] 本发明进一步设置为：所述步骤S3包括以下子步骤：

[0029] S31、获取历史数据，按m%一个步长生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，按n一个步长生成排序指标计算公式中的系数α的列表；

[0030] S32、根据步骤S23中用户对服务的购买率和对主需求的转化率，计算不展示占比和系数α的二元组上的主需求转化单量增量和服务营收增量，并获得不展示占比与该不展示占比下使得主需求转化单量增量除以服务营收增量达到最大的α的映射表；

[0031] S33、在步骤S32中的映射表中，随机选择一个α，产生初始排序指标计算公式；

[0032] S34、根据所述初始排序指标计算公式，计算线上每个广告展示请求的排序指标数值并根据所述排序指标数值形成排序指标序列；

[0033] S35、按q一个步长得到所述排序指标序列的分位数，根据所述分位数计算对应的服务营收增量，并输出分位数与该分位数下的服务营收增量的映射表；

[0034] S36、根据设定的服务营收增量，在步骤S35中的映射表中得到对应的分位数，并将该分位数作为对应的不展示占比在步骤S32中的映射表中得到对应的α；

[0035] S37、根据步骤S36中的α更新所述排序指标计算公式中的α，根据更新后的排序指标计算公式，更新步骤S35中的映射表。

[0036] 通过采用上述技术方案，可以根据期望的服务营收增量，联动地调整到使主需求转化单量增量除以服务营收增量的类ROI指标达到最优的排序机制，加强了对用户体验与服务营收之间关系的把控，使得用户体验更佳。

[0037] 本发明的上述发明目的二是通过以下技术方案得以实现的：

[0038] 一种广告排序机制生成系统，包括：

[0039] 服务限制模块，其用于配置允许展示服务的一类特征参数区间、过滤一类特征参数在所述一类特征参数区间外的服务以及将剩余服务放入召回池；

[0040] 预估模块，其用于根据历史数据信息构建预测样本，并通过分类决策算法以及所述预测样本获得用户对服务的购买率和对主需求的转化率；

[0041] 排序机制生成模块，其用于根据历史数据信息生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表；

[0042] 其中，所述排序机制生成模块还用于根据不展示占比的列表中的不展示占比以及用户对服务的购买率和对主需求的转化率，计算相应的主需求转化单量增量和服务营收增量，并生成主需求转化单量增量除以服务营收增量达到设定值的排序指标计算公式。

[0043] 通过采用上述技术方案，排序机制生成模块能够捕捉广告展示位的数量的动态性，适用于广告展示位的数量可以为0的场景。另一方面，通过主需求转化单量能够直接反馈用户体验，通过主需求转化单量增量除以服务营收增量的类ROI指标能够直接反馈用户体验与平台营收之间的关系，对用户体验的优化更直接。

[0044] 本发明进一步设置为：所述服务限制模块包括：

[0045] 上限限制单元，其用于配置允许展示服务的一类特征上限参数、过滤一类特征参数大于或等于一类特征上限参数的服务以及将剩余服务放入所述召回池；

[0046] 下限限制单元，其用于检测所述召回池中服务的个数，并用于当所述召回池中服务的个数为0时，追加被过滤的服务中一类特征参数最小的服务重新投入所述召回池。

[0047] 通过采用上述技术方案，上限限制单元和下限限制单元对数据能够进行有效的筛选，适用于广告展示位的数量可以为0的场景，且由于一类特征上限参数的设置，过滤了不满足条件的服务，增加了用户体验。

[0048] 本发明进一步设置为：所述预估模块包括：

[0049] 预估器训练单元，其用于获取历史数据并将其组装成特征数据集，其还用于在所述特征数据集上用分类决策算法学习出服务购买率预估器和主需求转化率预估器；

[0050] 样本构造单元，其用于轮询所述召回池中的服务并拼接所述服务与特征数据集中的特征为预测样本；

[0051] 预估单元，其用于将所述预测样本作为入参输入服务购买率预估器，得到不同用户在不同场景和搭售不同服务时对服务的购买率；其还用于将所述预测样本作为入参输入主需求转化率预估器，得到不同用户在不同场景和搭售不同服务时对主需求的转化率。

[0052] 通过采用上述技术方案，方便预估（不同用户，在不同场景，搭售不同服务）时对服务的购买率、对主需求的转化率，方便计算主需求转化单量增量和服务营收增量，增加了数据的可靠性。

[0053] 本发明进一步设置为：所述预估器训练单元还用于根据历史数据中的用户id组装所述用户id的用户标签，所述特征数据集中的特征包括根据用户标签中的时间类数据组装成的实践类特征。

[0054] 通过采用上述技术方案，对用户id的实践类特征进行了充分的抓取，使得数据准确度更高，更利于优化用户体验。

[0055] 本发明进一步设置为：所述排序机制生成模块包括：

[0056] 不展示占比与系数α映射表生成模块，其用于获取历史数据后，按m%一个步长生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，并按n一个步长生成排序指标计算公式中的系数α的列表；其还用于根据用户对服务的购买率和对主需求的转化率，计算不展示占比和系数α的二元组上的主需求转化单量增量和服务营收增量，并获得不展示占比与该不展示占比下使得主需求转化单量增量除以服务营收增量达到最大的α的映射表一；

[0057] 不展示占比与服务营收增量映射表生成模块，其用于在所述映射表一中随机选择一个α产生初始排序指标计算公式、根据所述初始排序指标计算公式计算线上每个广告展示请求的排序指标数值以及根据所述排序指标数值形成排序指标序列；其还用于按q一个步长得到所述排序指标序列的分位数、根据所述分位数计算对应的服务营收增量以及输出分位数与该分位数下的服务营收增量的映射表二；

[0058] 排序计算公式更新模块，其用于根据设定的服务营收增量在所述映射表二中得到对应的分位数，并将该分位数作为对应的不展示占比在映射表一中得到对应的α；其还用于根据所述对应的α更新排序指标计算公式中的α，并根据更新后的排序指标计算公式更新映射表二。

[0059] 通过采用上述技术方案，可以根据期望的服务营收增量，联动地更新排序指标计算公式中的α，从而根据更新后的排序指标计算公式生成使主需求转化单量增量除以服务营收增量的类ROI指标达到最优的排序机制，加强了对用户体验与服务营收之间关系的把控，使得用户体验更佳。

[0060] 综上所述，本发明的有益技术效果为：

[0061] 1.通过不展示占比的设置，能够捕捉广告展示位的数量的动态性，适应广告展示位的数量为0的场景；

[0062] 2.通过转化单量增量除以服务营收增量的类ROI指标的设置，能够直接反馈用户体验与平台营收之间的关系，方便优化用户体验；

[0063] 3.通过两个映射表的设置，加强了对用户体验与服务营收之间关系的把控，利于提高用户体验和服务营收。

附图说明

[0064] 图1是本发明实施例一示出的广告排序机制生成方法的流程图；

[0065] 图2是本发明实施例二示出的步骤S1的流程图；

[0066] 图3是本发明实施例二示出的用于体现服务id过滤流程的流程图；

[0067] 图4是本发明实施例二示出的步骤S2的流程图；

[0068] 图5是本发明实施例二示出的步骤S21的流程图；

[0069] 图6是本发明实施例二示出的步骤S3的流程图；

[0070] 图7是本发明实施例三示出的广告排序机制生成系统的结构示意图。

[0071] 图中，10、服务限制模块；11、上限限制单元；12、下限限制单元；20、预估模块；21、预估器训练单元；22、样本构造单元；23、预估单元；30、排序机制生成模块；31、不展示占比与系数α映射表生成模块；32、不展示占比与服务营收增量映射表生成模块；33、排序计算公式更新模块。

具体实施方式

[0072] 以下结合附图对本发明作进一步详细说明。

[0073] 实施例一

[0074] 参照图1，为本发明公开的一种广告排序机制生成方法，其包括以下步骤：

[0075] 步骤S1、配置允许展示服务的一类特征参数区间，过滤一类特征参数在一类特征参数区间外的服务，剩余服务放入召回池。具体地，在本实施例中，一类特征参数区间为服务的价格区间，在价格区间内的服务被放入召回池，用于保证用户体验。

[0076] 虽然本申请中以价格作为一类特征参数为例对本申请的应用场景进行介绍，但本领域技术人员可以理解，本申请的技术方案还适用于各种不同的参数场景，如广告投放比例、广告推送时间等，本申请对此不作具体限定。

[0077] 步骤S2、根据历史数据信息构建预测样本，通过分类决策算法以及预测样本，获得用户对服务的购买率和对主需求的转化率。在本实施例中，分类决策算法采用的是XGBoost学习器。

[0078] 步骤S3、根据历史数据信息生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，根据不展示占比的列表中的不展示占比以及步骤S2中用户对服务的购买率和对主需求的转化率，计算相应的主需求转化单量增量和服务营收增量，并生成主需求转化单量增量除以服务营收增量的类ROI指标达到设定值的排序指标计算公式。

[0079] 需要说明的是，通过不展示占比能够捕捉广告展示位的数量的动态性，通过主需求转化单量增量能够直接反馈用户体验，通过主需求转化单量增量除以服务营收增量的类ROI指标能够直接反馈用户体验与平台营收之间的关系。其中，主需求转化单量增量=（展示某服务时的主需求转化率-不展示任务服务时的主需求转化率）×1；服务营收增量=（展示某服务时的服务购买率-不展示任务服务时的服务购买率）×某服务价格；排序指标计算公式为（1-α）×标准化过的主需求转化单量增量+α×标准化过的服务营收增量，α是一个介于0和1之间的实数。

[0080] 上述实施例的实施原理为：

[0081] 通过不展示占比捕捉广告展示位的数量的动态性，通过主需求转化单量增量直接反馈用户体验，通过主需求转化单量增量除以服务营收增量的类ROI指标直接反馈用户体验与平台营收之间的关系。通过本申请的技术方案，可以根据期望的服务营收增量，联动地调整到使类ROI指标达到最优的排序机制，不仅能够适应广告展示位的数量为0的场景，也加强了对用户体验与服务营收之间关系的把控。

[0082] 实施例二

[0083] 参照图2，以实施例一为基础，本实施例与实施例一的区别在于，步骤S1包括以下子步骤：

[0084] S11、配置允许展示服务的一类特征上限参数，过滤一类特征参数大于或等于一类特征上限参数的服务，剩余服务放入召回池。

[0085] S12、检测召回池中服务的个数，若召回池中服务的个数为0，则追加被过滤的服务中一类特征参数最小的服务重新投入召回池。

[0086] 具体地，参照图3，输入服务id后，判断服务价格除以主需求价格是否大于等于设置的上限参数。若部分服务的服务价格除以主需求价格大于等于设置的上限参数，则过滤该部分的服务id，并将剩余服务id投入召回池。若服务的服务价格除以主需求价格均小于设置的上限参数，则将所有服务id均投入召回池。在输出召回池中的服务id前，会检测召回池中服务id个数是否等于0。若等于0，则追加所有服务中价格最低的服务id投入召回池；若不等于0，召回池不做处理，并输出召回池中的服务id。

[0087] 参照图4，步骤S2包括以下子步骤：

[0088] S21、获取历史数据并将其组装成特征数据集，在特征数据集上用XGBoost学习器学习出服务购买率预估器和主需求转化率预估器。

[0089] S22、轮询召回池中的服务，拼接服务与步骤S21中的特征为预测样本。

[0090] S23、将预测样本作为入参，输入服务购买率预估器，得到不同用户在不同场景和搭售不同服务时对服务的购买率；将预测样本作为入参，输入主需求转化率预估器，得到不同用户在不同场景和搭售不同服务时对主需求的转化率。

[0091] 参照图5，步骤S21包括以下子步骤：

[0092] S211、获取需要进行预估的历史数据，系统根据历史数据中的用户id，组装用户id的用户标签。具体地，用户标签包括近实时标签和历史类标签。

[0093] S212、根据用户标签中的时间类数据组装成包括实践类特征的特征数据集。具体地，实践类特征包括年、月、周、日、一周中第几天、一月中第几天、是否节假日、节假日第几天等。

[0094] S213、在特征数据集上用XGBoost学习器学习出服务购买率预估器和主需求转化率预估器。

[0095] 参照图6，步骤S3包括以下子步骤：

[0096] S31、获取历史数据，按m%一个步长生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，按n一个步长生成排序指标计算公式中的系数α的列表。

[0097] S32、根据步骤S23中用户对服务的购买率和对主需求的转化率，计算（不展示占比，α）二元组上的主需求转化单量增量和服务营收增量，并输出（不展示占比，不展示占比下使得类ROI指标最大的α）映射表。

[0098] S33、在步骤S32中的映射表中，随机选择一个α，产生初始排序指标计算公式。

[0099] S34、根据初始排序指标计算公式，计算线上每个广告展示请求的排序指标数值，并根据排序指标数值形成排序指标序列。

[0100] S35、按q一个步长得到排序指标序列的分位数，根据分位数计算对应的服务营收增量，并输出（分位数，服务营收增量）映射表。具体地，当线上请求的排序指标数值小于分位数数值时，不进行广告的展示，该操作下，排序指标序列的分位数即是不展示占比的近似估计，即（分位数，服务营收增量）映射表近似为（不展示占比，服务营收增量）映射表。

[0101] S36、根据设定的服务营收增量，在步骤S35中的映射表中得到对应的分位数，并将该分位数作为对应的不展示占比在步骤S32中的映射表中得到对应的α。

[0102] S37、根据步骤S36中的α更新排序指标计算公式中的α，根据更新后的排序指标计算公式，更新步骤S35中的（不展示占比，服务营收增量）映射表。

[0103] 上述实施例的实施原理为：

[0104] 通过不展示占比捕捉广告展示位的数量的动态性，通过主需求转化单量增量直接反馈用户体验，通过主需求转化单量增量除以服务营收增量的类ROI指标直接反馈用户体验与平台营收之间的关系。通过本申请的技术方案，能够实时的更新（不展示占比，服务营收增量）映射表，并可以根据期望的服务营收增量，联动地更新排序指标计算公式，生成使类ROI指标达到最优的排序机制。本申请的技术方案不仅能够适应广告展示位的数量为0的场景，也加强了对用户体验与服务营收之间关系的把控。

[0105] 实施例三

[0106] 参照图7，为本发明公开的一种广告排序机制生成系统，其包括服务限制模块10、预估模块20和排序机制生成模块30。

[0107] 参照图7，服务限制模块10用于配置允许展示服务的一类特征参数区间、过滤一类特征参数在一类特征参数区间外的服务以及将剩余服务放入召回池。具体地，在本实施例中，一类特征参数区间为服务的价格区间，在价格区间内的服务会被放入召回池，用于保证用户体验。

[0108] 虽然本申请中以价格作为一类特征参数为例对本申请的应用场景进行介绍，但本领域技术人员可以理解，本申请的技术方案还适用于各种不同的参数场景，如广告投放比例、广告推送时间等，本申请对此不作具体限定。

[0109] 参照图7，预估模块20用于根据历史数据信息构建预测样本，并通过分类决策算法以及预测样本获得用户对服务的购买率和对主需求的转化率。在本实施例中，分类决策算法采用的是XGBoost学习器。

[0110] 参照图7，排序机制生成模块30用于根据历史数据信息生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表。排序机制生成模块30还用于根据不展示占比的列表中的不展示占比以及用户对服务的购买率和对主需求的转化率，计算相应的主需求转化单量增量和服务营收增量，并生成主需求转化单量增量除以服务营收增量的类ROI指标达到设定值的排序指标计算公式。

[0111] 其中，主需求转化单量增量=（展示某服务时的主需求转化率-不展示任务服务时的主需求转化率）×1；服务营收增量=（展示某服务时的服务购买率-不展示任务服务时的服务购买率）×某服务价格；排序指标计算公式为（1-α）×标准化过的主需求转化单量增量+α×标准化过的服务营收增量，α是一个介于0和1之间的实数。

[0112] 上述实施例的实施原理为：

[0113] 通过不展示占比能捕捉广告展示位的数量的动态性，通过主需求转化单量增量能直接反馈用户体验，通过主需求转化单量增量除以服务营收增量的类ROI指标能直接反馈用户体验与平台营收之间的关系。通过本申请的技术方案，可以根据期望的服务营收增量，联动地调整到使类ROI指标达到最优的排序机制，不仅能够适应广告展示位的数量为0的场景，也加强了对用户体验与服务营收之间关系的把控。

[0114] 实施例四

[0115] 参照图7，以实施例一为基础，本实施例与实施例一的区别在于，服务限制模块10包括上限限制单元11和下限限制单元12。上限限制单元11用于配置允许展示服务的一类特征上限参数、过滤一类特征参数大于或等于一类特征上限参数的服务以及将剩余服务放入召回池。下限限制单元12用于检测召回池中服务的个数，并用于当召回池中服务的个数为0时，追加被过滤的服务中一类特征参数最小的服务重新投入召回池。

[0116] 具体地，上限限制单元11用于判断服务价格除以主需求价格是否大于等于设置的一类特征上限参数。若部分服务的服务价格除以主需求价格大于等于设置的上限参数，则过滤该部分的服务id，并将剩余服务id投入召回池。若服务的服务价格除以主需求价格均小于设置的上限参数，则将所有服务id均投入召回池。下限限制单元12用于检测召回池中服务id个数是否等于0，若等于0，则追加所有服务中价格最低的服务id投入召回池；若不等于0，召回池不做处理，并输出召回池中的服务id。

[0117] 参照图7，预估模块20包括预估器训练单元21、样本构造单元22和预估单元23。

[0118] 参照图7，预估器训练单元21用于获取历史数据并将其组装成特征数据集，其还用于在特征数据集上用XGBoost学习器学习出服务购买率预估器和主需求转化率预估器。

[0119] 具体地，预估器训练单元21还用于根据历史数据中的用户id组装用户id的用户标签。用户标签包括近实时标签、历史类标签，特征数据集中的特征包括实践类特征，实践类特征包括根据用户标签中的时间类数据组装成的年、月、周、日、一周中第几天、一月中第几天、是否节假日、节假日第几天等特征。

[0120] 参照图7，样本构造单元22用于轮询召回池中的服务并拼接服务与特征数据集中的特征为预测样本。

[0121] 参照图7，预估单元23用于将预测样本作为入参输入服务购买率预估器，得到不同用户在不同场景和搭售不同服务时对服务的购买率。预估单元23还用于将预测样本作为入参输入主需求转化率预估器，得到不同用户在不同场景和搭售不同服务时对主需求的转化率。

[0122] 参照图7，排序机制生成模块30包括不展示占比与系数α映射表生成模块31、不展示占比与服务营收增量映射表生成模块32和排序计算公式更新模块33。

[0123] 参照图7，不展示占比与系数α映射表生成模块31用于获取历史数据后，按m%一个步长生成广告展示位的数量为0的展示次数占总的展示次数的不展示占比的列表，并按n一个步长生成排序指标计算公式中的系数α的列表。不展示占比与系数α映射表生成模块31还用于根据用户对服务的购买率和对主需求的转化率，计算（不展示占比，α）二元组上的主需求转化单量增量和服务营收增量，并获得不展示占比与该不展示占比下使得主需求转化单量增量除以服务营收增量达到最大的α的映射表一，即（不展示占比，不展示占比下使得类ROI指标最大的α）映射表。

[0124] 参照图7，不展示占比与服务营收增量映射表生成模块32用于在（不展示占比，不展示占比下使得类ROI指标最大的α）映射表中随机选择一个α产生初始排序指标计算公式，并根据初始排序指标计算公式计算线上每个广告展示请求的排序指标数值以及根据排序指标数值形成排序指标序列。不展示占比与服务营收增量映射表生成模块32还用于按q一个步长得到排序指标序列的分位数，并根据分位数计算对应的服务营收增量以及输出分位数与该分位数下的服务营收增量的映射表二，即（分位数，服务营收增量）映射表。

[0125] 具体地，当线上请求的排序指标数值小于分位数数值时，不进行广告的展示，该操作下，排序指标序列的分位数即是不展示占比的近似估计，即（分位数，服务营收增量）映射表近似为（不展示占比，服务营收增量）映射表。

[0126] 参照图7，排序计算公式更新模块33用于根据设定的服务营收增量在（分位数，服务营收增量）映射表中得到对应的分位数，并将该分位数作为对应的不展示占比在（不展示占比，不展示占比下使得类ROI指标最大的α）映射表中得到对应的α。排序计算公式更新模块33还用于根据对应的α更新排序指标计算公式中的α，并根据更新后的排序指标计算公式更新（不展示占比，服务营收增量）映射表。

[0127] 上述实施例的实施原理为：

[0128] 通过不展示占比捕捉广告展示位的数量的动态性，通过主需求转化单量增量直接反馈用户体验，通过主需求转化单量增量除以服务营收增量的类ROI指标直接反馈用户体验与平台营收之间的关系。通过本申请的技术方案，能够实时的更新（不展示占比，服务营收增量）映射表，并可以根据期望的服务营收增量，联动地更新排序指标计算公式，从而生成使类ROI指标达到最优的排序机制。不仅能够适应广告展示位的数量为0的场景，也加强了对用户体验与服务营收之间关系的把控。

[0129] 本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。