一种电商广告ROAS异常检测方法、装置和电子设备

摘要

本发明提供了一种电商广告ROAS异常检测方法、装置和电子设备，利用电商广告所属品类的商品的商品单位资源信息得到商品单位资源信息的分裂条件，并通过得到的ROAS的分裂条件和商品单位资源信息的分裂条件对电商广告的ROAS是否异常进行检测，整个检测过程无需人工参与，可以更加客观准确的对电商广告的ROAS异常进行检测；而且，在ROAS的分裂条件这一单一判定条件的基础上，增加了商品单位资源信息的分裂条件这一判断条件对电商广告的ROAS是否异常进行检测，从而大幅提高了异常ROAS的检出率。

权利要求

1.一种电商广告ROAS异常检测方法，其特征在于，包括：

获取待进行ROAS检测的电商广告的广告信息；

将所述电商广告的广告信息输入到品类分类器中，确定所述电商广告所属的品类；

利用所述电商广告所属品类的商品在电商平台上投放广告所得到的广告投放资源信息，得到所述电商广告所属的品类的商品的ROAS和商品单位资源信息；

利用无放回抽样的方式，从计算得到的所述电商广告所属的品类的商品的ROAS中抽取出预设数量的ROAS作为训练样本；

确定所述训练样本的最小值和最大值；

随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点；

将所述训练样本中大于等于根节点的数值设置为所述分类二叉树中一侧的子节点，将所述训练样本中小于根节点的数值设置为所述分类二叉树中另一侧的子节点，从而得到一棵分类二叉树，并对所述分类二叉树的数量进行增量操作；

当分类二叉树的数量小于二叉树数量阈值时，返回执行所述随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点的步骤；

当分类二叉树的数量等于二叉树数量阈值时，得到所述二叉树数量阈值指示数量的分类二叉树，获取所述二叉树数量阈值指示数量的分类二叉树的根节点的数值，并计算所述二叉树数量阈值指示数量的分类二叉树的根节点的数值的平均值，将计算得到的所述二叉树数量阈值指示数量的分类二叉树的根节点的数值的平均值作为所述ROAS的分裂条件，对所述计算得到的所述电商广告所属的品类的商品的所述商品单位资源信息进行处理，得到所述商品单位资源信息的分裂条件；

对所述电商广告的ROAS和单位资源信息进行计算，并利用计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对得到的第一比对结果，以及利用计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行对比得到的第二比对结果，对所述电商广告的ROAS是否异常进行检测。

2.根据权利要求1所述的方法，其特征在于，所述广告投放资源信息，包括：所述电商广告在电商平台上投放时产生的广告资源信息、所述电商广告在电商平台上投放后在所述电商平台上获得的订单的订单资源信息、所述电商广告所展示商品的成交资源信息和成交数量；

所述利用所述电商广告所属品类的商品在电商平台上投放广告所得到的广告投放资源信息，得到所述电商广告所属的品类的商品的ROAS和商品单位资源信息，包括：通过以下公式计算所述电商广告所属的品类的商品的ROAS：

所述电商广告所属的品类的商品的ROAS＝A/B

其中，A表示所述电商广告在电商平台上投放后在所述电商平台上获得的订单的订单资源信息；B表示所述电商广告在电商平台上投放时产生的广告资源信息；

通过以下公式计算所述电商广告所属的品类的商品的商品单位资源信息：

所述电商广告所属的品类的商品的商品单位资源信息＝C/D

其中，C表示所述电商广告所展示商品的成交资源信息；D表示所述电商广告所展示商品的成交数量。

3.根据权利要求1所述的方法，其特征在于，所述利用计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对得到的第一比对结果，以及利用计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行对比得到的第二比对结果，对所述电商广告的ROAS是否异常进行检测，包括：对计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对，得到第一比对结果；

对计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行比对，得到第二比对结果；

当所述第一比对结果指示计算得到的所述电商广告的ROAS符合所述ROAS的分裂条件、或者所述第二比对结果指示计算得到的所述电商广告的ROAS符合所述ROAS的分裂条件时，确定所述电商广告的ROAS异常。

4.一种电商广告ROAS异常检测装置，其特征在于，包括：

获取模块，用于获取待进行ROAS检测的电商广告的广告信息；

确定模块，用于将所述电商广告的广告信息输入到品类分类器中，确定所述电商广告所属的品类；

第一处理模块，用于利用所述电商广告所属品类的商品在电商平台上投放广告所得到的广告投放资源信息，得到所述电商广告所属的品类的商品的ROAS和商品单位资源信息；

第二处理模块，用于利用无放回抽样的方式，从计算得到的所述电商广告所属的品类的商品的ROAS中抽取出预设数量的ROAS作为训练样本；

确定所述训练样本的最小值和最大值；

随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点；

将所述训练样本中大于等于根节点的数值设置为所述分类二叉树中一侧的子节点，将所述训练样本中小于根节点的数值设置为所述分类二叉树中另一侧的子节点，从而得到一棵分类二叉树，并对所述分类二叉树的数量进行增量操作；

当分类二叉树的数量小于二叉树数量阈值时，返回执行所述随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点的步骤；

当分类二叉树的数量等于二叉树数量阈值时，得到所述二叉树数量阈值指示数量的分类二叉树，获取所述二叉树数量阈值指示数量的分类二叉树的根节点的数值，并计算所述二叉树数量阈值指示数量的分类二叉树的根节点的数值的平均值，将计算得到的所述二叉树数量阈值指示数量的分类二叉树的根节点的数值的平均值作为所述ROAS的分裂条件，对所述计算得到的所述电商广告所属的品类的商品的所述商品单位资源信息进行处理，得到所述商品单位资源信息的分裂条件；

检测模块，用于对所述电商广告的ROAS和单位资源信息进行计算，并利用计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对得到的第一比对结果，以及利用计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行对比得到的第二比对结果，对所述电商广告的ROAS是否异常进行检测。

5.根据权利要求4所述的装置，其特征在于，所述广告投放资源信息，包括：所述电商广告在电商平台上投放时产生的广告资源信息、所述电商广告在电商平台上投放后在所述电商平台上获得的订单的订单资源信息、所述电商广告所展示商品的成交资源信息和成交数量；

所述第一处理模块，具体用于：

通过以下公式计算所述电商广告所属的品类的商品的ROAS：

所述电商广告所属的品类的商品的ROAS＝A/B

其中，A表示所述电商广告在电商平台上投放后在所述电商平台上获得的订单的订单资源信息；B表示所述电商广告在电商平台上投放时产生的广告资源信息；

通过以下公式计算所述电商广告所属的品类的商品的商品单位资源信息：

所述电商广告所属的品类的商品的商品单位资源信息＝C/D

其中，C表示所述电商广告所展示商品的成交资源信息；D表示所述电商广告所展示商品的成交数量。

6.根据权利要求4所述的装置，其特征在于，所述检测模块，具体用于，包括：对计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对，得到第一比对结果；

对计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行比对，得到第二比对结果；

当所述第一比对结果指示计算得到的所述电商广告的ROAS符合所述ROAS的分裂条件、或者所述第二比对结果指示计算得到的所述电商广告的ROAS符合所述ROAS的分裂条件时，确定所述电商广告的ROAS异常。

7.一种计算机可读存储介质，所述计算机可读存储介质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运行时执行上述权利要求1‑3任一项所述的方法的步骤。

8.一种电子设备，其特征在于，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行权利要求1‑3任一项所述的方法的步骤。

说明书

一种电商广告ROAS异常检测方法、装置和电子设备

技术领域

[0001] 本发明涉及计算机技术领域，具体而言，涉及一种电商广告ROAS异常检测方法、装置和电子设备。

背景技术

[0002] 目前，商家在电商平台上都会投放广告，为了确定所投放广告的广告支出回报率(ROAS)，通常情况下是利用人工标注的方式对ROAS进行检测，在时效性、人力成本上都是无
法接受的，而且人为对ROAS进行检测，使得检测结果过于主观，导致对ROAS的检测结果的准
确率低。

发明内容

[0003] 为解决上述问题，本发明实施例的目的在于提供一种电商广告ROAS异常检测方法、装置和电子设备。

[0004] 第一方面，本发明实施例提供了一种电商广告ROAS异常检测方法，包括：

[0005] 获取待进行ROAS检测的电商广告的广告信息；

[0006] 将所述电商广告的广告信息输入到品类分类器中，确定所述电商广告所属的品类；

[0007] 利用所述电商广告所属品类的商品在电商平台上投放广告所得到的广告投放资源信息，得到所述电商广告所属的品类的商品的ROAS和商品单位资源信息；

[0008] 对计算得到的所述电商广告所属的品类的商品的ROAS进行处理，得到所述ROAS的分裂条件，对所述计算得到的所述电商广告所属的品类的商品的所述商品单位资源信息进
行处理，得到所述商品单位资源信息的分裂条件；

[0009] 对所述电商广告的ROAS和单位资源信息进行计算，并利用计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对得到的第一比对结果，以及利用计算得到的所述
电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行对比得到的第二比对
结果，对所述电商广告的ROAS是否异常进行检测。

[0010] 第二方面，本发明实施例还提供了一种电商广告ROAS异常检测装置，包括：

[0011] 获取模块，用于获取待进行ROAS检测的电商广告的广告信息；

[0012] 确定模块，用于将所述电商广告的广告信息输入到品类分类器中，确定所述电商广告所属的品类；

[0013] 第一处理模块，用于利用所述电商广告所属品类的商品在电商平台上投放广告所得到的广告投放资源信息，得到所述电商广告所属的品类的商品的ROAS和商品单位资源信
息；

[0014] 第二处理模块，用于对计算得到的所述电商广告所属的品类的商品的ROAS进行处理，得到所述ROAS的分裂条件，对所述计算得到的所述电商广告所属的品类的商品的所述
商品单位资源信息进行处理，得到所述商品单位资源信息的分裂条件；

[0015] 检测模块，用于对所述电商广告的ROAS和单位资源信息进行计算，并利用计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对得到的第一比对结果，以及利用
计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行对比
得到的第二比对结果，对所述电商广告的ROAS是否异常进行检测。

[0016] 第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质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上述第一方面任一项所
述的方法的步骤。

[0017] 第四方面，本发明实施例还提供了一种电子设备，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器
中，且经配置以由所述处理器执行上述第一方面任一项所述的方法的步骤。

[0018] 本发明实施例上述第一方面至第四方面提供的方案中，通过对电商广告的广告信息进行处理，得到所述电商广告所属的品类，然后利用电商广告所属品类的商品的ROAS得
到ROAS的分裂条件，并利用电商广告所属品类的商品的商品单位资源信息得到商品单位资
源信息的分裂条件；最后通过得到的ROAS的分裂条件和商品单位资源信息的分裂条件对电
商广告的ROAS是否异常进行检测，与相关技术中人工主观判断电商广告的ROAS的方式相
比，利用电商广告所属品类的商品的ROAS得到ROAS的分裂条件，并利用电商广告所属品类
的商品的商品单位资源信息得到商品单位资源信息的分裂条件，并通过得到的ROAS的分裂
条件和商品单位资源信息的分裂条件对电商广告的ROAS是否异常进行检测，整个检测过程
无需人工参与，可以更加客观准确的对电商广告的ROAS异常进行检测；而且，在ROAS的分裂
条件这一单一判定条件的基础上，增加了商品单位资源信息的分裂条件这一判断条件对电
商广告的ROAS是否异常进行检测，从而大幅提高了异常ROAS的检出率。

[0019] 为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

[0020] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。

[0021] 图1示出了本发明实施例1所提供的一种电商广告ROAS异常检测方法的流程图；

[0022] 图2示出了本发明实施例1所提供的电商广告ROAS异常检测方法中，分类二叉树的示意图；

[0023] 图3示出了本发明实施例2所提供的一种电商广告ROAS异常检测装置的结构示意图；

[0024] 图4示出了本发明实施例3所提供的一种电子设备的结构示意图。

具体实施方式

[0025] 在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特
定的方位构造和操作，因此不能理解为对本发明的限制。

[0026] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者
隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，
除非另有明确具体的限定。

[0027] 在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元
件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发
明中的具体含义。

[0028] 目前，商家在电商平台上都会投放广告，为了确定所投放广告的广告支出回报率(ROAS)，通常情况下是利用人工标注的方式对ROAS进行检测，在时效性、人力成本上都是无
法接受的，而且人为对ROAS进行检测，使得检测结果过于主观，导致对ROAS的检测结果的准
确率低。

[0029] 基于此，本实施例提出一种电商广告ROAS异常检测方法，利用电商广告所属品类的商品的ROAS得到ROAS的分裂条件，并利用电商广告所属品类的商品的商品单位资源信息
得到商品单位资源信息的分裂条件，并通过得到的ROAS的分裂条件和商品单位资源信息的
分裂条件对电商广告的ROAS是否异常进行检测，整个检测过程无需人工参与，可以更加客
观准确的对电商广告的ROAS异常进行检测；而且，在ROAS的分裂条件这一单一判定条件的
基础上，增加了商品单位资源信息的分裂条件这一判断条件对电商广告的ROAS是否异常进
行检测，从而大幅提高了异常ROAS的检出率。

[0030] 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做进一步详细的说明。

[0031] 实施例1

[0032] 本实施例提出一种电商广告ROAS异常检测方法，执行主体是服务器。

[0033] 所述服务器，可以采用现有技术中任何能够对电商广告ROAS异常进行检测的计算设备，这里不再一一赘述。

[0034] 参见图1所示的一种电商广告ROAS异常检测方法的流程图，本实施例提出一种电商广告ROAS异常检测方法，包括：

[0035] 步骤100、获取待进行ROAS检测的电商广告的广告信息。

[0036] 在上述步骤100中，所述广告信息，包括但不限于：广告的文本、广告的图像、以及广告的视频频段。

[0037] 步骤102、将所述电商广告的广告信息输入到品类分类器中，确定所述电商广告所属的品类。

[0038] 在上述步骤102中，将所述电商广告的广告信息输入到品类分类器中，进行与品类相关的文本、与品类相关的语音、与品类相关的图像的检测和识别，从而确定所述电商广告
所属的品类，而进行与品类相关的文本、与品类相关的语音、与品类相关的图像的检测和识
别的具体过程，是现有技术，具体过程这里不再赘述。

[0039] 所述品类，包括但不限于：服饰、鞋子、箱包、珠宝首饰、消费类电子、电脑办公、家庭与园艺。

[0040] 步骤104、利用所述电商广告所属品类的商品在电商平台上投放广告所得到的广告投放资源信息，得到所述电商广告所属的品类的商品的ROAS和商品单位资源信息。

[0041] 在上述步骤104中，各品类的商品的广告投放资源信息，缓存在所述服务器中。

[0042] 所述广告投放资源信息，包括：所述电商广告在电商平台上投放时产生的广告资源信息、所述电商广告在电商平台上投放后在所述电商平台上获得的订单的订单资源信
息、所述电商广告在电商平台上投放后在所述电商平台上获得的订单中记载的商品数量、
所述电商广告所展示商品的成交资源信息和成交数量。

[0043] 通过以下公式1计算所述电商广告所属的品类的商品的ROAS：

[0044] 所述电商广告所属的品类的商品的ROAS＝A/B(1)

[0045] 其中，A表示所述电商广告在电商平台上投放后在所述电商平台上获得的订单的订单资源信息；B表示所述电商广告在电商平台上投放时产生的广告资源信息。

[0046] 通过以下公式2计算所述电商广告所属的品类的商品的商品单位资源信息：

[0047] 所述电商广告所属的品类的商品的商品单位资源信息＝C/D(2)

[0048] 其中，C表示所述电商广告所展示商品的成交资源信息；D表示所述电商广告所展示商品的成交数量。

[0049] 步骤106、对计算得到的所述电商广告所属的品类的商品的ROAS进行处理，得到所述ROAS的分裂条件，对所述计算得到的所述电商广告所属的品类的商品的所述商品单位资
源信息进行处理，得到所述商品单位资源信息的分裂条件。

[0050] 在上述步骤106中，为了对计算得到的所述电商广告所属的品类的商品的ROAS进行处理，得到所述ROAS的分裂条件，可以执行以下步骤(1)至步骤(6)：

[0051] (1)利用无放回抽样的方式，从计算得到的所述电商广告所属的品类的商品的ROAS中抽取出预设数量的ROAS作为训练样本；

[0052] (2)确定所述训练样本的最小值和最大值；

[0053] (3)随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点；

[0054] (4)将所述训练样本中大于等于根节点的数值设置为所述分类二叉树中一侧的子节点，将所述训练样本中小于根节点的数值设置为所述分类二叉树中另一侧的子节点，从
而得到一棵分类二叉树，并对所述分类二叉树的数量进行增量操作；

[0055] (5)当分类二叉树的数量小于二叉树数量阈值时，返回执行所述随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点的步骤；

[0056] (6)当分类二叉树的数量等于二叉树数量阈值时，得到所述二叉树数量阈值指示数量的分类二叉树，获取所述二叉树数量阈值指示数量的分类二叉树的根节点的数值，并
计算所述二叉树数量阈值指示数量的分类二叉树的根节点的数值的平均值，将计算得到的
所述二叉树数量阈值指示数量的分类二叉树的根节点的数值的平均值作为所述ROAS的分
裂条件。

[0057] 在上述步骤(1)中，利用无放回抽样的方式，从计算得到的所述电商广告所属的品类的商品的ROAS中抽取出预设数量的ROAS作为训练样本的具体过程是现有技术，这里不再
赘述。

[0058] 在一个实施方式中，所述预设数量。可以是但不限于：256、512和1024。

[0059] 在上述步骤(3)中，随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点时，可以选择非训练样本的数值作为分类二叉树的根节点。

[0060] 在一个实施方式中，参见图2所示的分类二叉树的示意图，作为训练样本的ROAS有6个值：(1，2，3，4，5，20)。那么在1到20之间，可以选择10这一非训练样本的数值作为分类二
叉树的根节点。

[0061] 在上述步骤(4)中，参见图2所示的分类二叉树的示意图，在得到一棵分类二叉树的过程中，训练样本20为所述分类二叉树中一侧的子节点；而训练样本1，2，3，4，5为所述分
类二叉树中另一侧的子节点。

[0062] 然后，再从训练样本1，2，3，4，5中选出一个数值作为所述根节点的中间节点；并将大于等于所述中间节点的数值设置为所述中间节点一侧的子节点，将小于所述中间节点的
数值设置为所述中间节点一侧的子节点。重复以上操作，将训练样本1，2，3，4，5放置到所述
分类二叉树同一侧分支的叶子节点(即图2所示的分类二叉树左侧最底层的子节点)上，就
得到了一棵分类二叉树。

[0063] 所述分类二叉树的数量，缓存在所述服务器中；对所述分类二叉树的数量进行增量操作，就是对分类二叉树的数量加一，得到增量操作后的分类二叉树的数量。

[0064] 在上述步骤(5)中，所述二叉树数量阈值，缓存在所述服务器中。

[0065] 在一个实施方式中，所述二叉树数量阈值，可以设置为600至1200之间的任意数值，这里不再赘述。

[0066] 在上述步骤(6)中，在确定所述ROAS的分裂条件后，将大于所述ROAS的分裂条件的数值作为候选异常值。确定所述候选异常值的数量，利用所述候选异常值的数量除以预设
数量得到ROAS异常率。

[0067] 当计算得到的所述ROAS异常率小于等于异常率阈值时，将所有的所述候选异常值确定为所述电商广告所属的品类的商品的ROAS异常值。

[0068] 商品单位资源信息的正确与否，可以直接反映出ROAS计算指标所使用的订单资源信息的正确性，进而反应ROAS的正确性。

[0069] 具体地，利用商品单位资源信息乘以订单中记载的商品数量得到的计算结果，如果与订单资源信息不一致，就说明利用订单资源信息计算得到的ROAS是不正确的，那么，在
本实施例中，可以得到如下结论：当电商广告的商品单位资源信息符合所述商品单位资源
信息的分裂条件时，可以确定所述电商广告的ROAS是异常的。

[0070] 对所述计算得到的所述电商广告所属的品类的商品的所述商品单位资源信息进行处理，得到所述商品单位资源信息的分裂条件的具体过程与上述步骤(1)至步骤(6)得到
所述ROAS的分裂条件的过程类似。这里不再赘述。

[0071] 在通过以上步骤106得到所述ROAS的分裂条件和所述商品单位资源信息的分裂条件之后，可以继续执行以下步骤108，对所述电商广告的ROAS是否异常进行检测。

[0072] 步骤108、对所述电商广告的ROAS和单位资源信息进行计算，并利用计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对得到的第一比对结果，以及利用计算得
到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行对比得到的
第二比对结果，对所述电商广告的ROAS是否异常进行检测。

[0073] 为了对所述电商广告的ROAS是否异常进行检测，所述步骤108可以执行以下步骤(1)至步骤(3)：

[0074] (1)对计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对，得到第一比对结果；

[0075] (2)对计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行比对，得到第二比对结果；

[0076] (3)当所述第一比对结果指示计算得到的所述电商广告的ROAS符合所述ROAS的分裂条件、或者所述第二比对结果指示计算得到的所述电商广告的ROAS符合所述ROAS的分裂
条件时，确定所述电商广告的ROAS异常。

[0077] 在上述步骤(1)中，所述第一比对结果，包括：所述电商广告的ROAS符合所述ROAS的分裂条件，以及所述电商广告的ROAS不符合所述ROAS的分裂条件。

[0078] 在一个实施方式中，如图2所示的分类二叉树所示的ROAS的分裂条件是：ROAS大于10。

[0079] 那么，如果计算得到的所述电商广告的ROAS是6，那么可以确定所述电商广告的ROAS不符合所述ROAS的分裂条件；如果计算得到的所述电商广告的ROAS是50，那么可以确
定所述电商广告的ROAS符合所述ROAS的分裂条件。

[0080] 在上述步骤(2)中，所述第二比对结果，包括：所述电商广告的单位资源信息符合所述商品单位资源信息的分裂条件、以及所述电商广告的单位资源信息不符合所述商品单
位资源信息的分裂条件。

[0081] 所述电商广告的单位资源信息符合或者不符合所述商品单位资源信息的分裂条件的情况，与所述电商广告的ROAS符合或者不符合所述ROAS的分裂条件的情况类似，这里
不再赘述。

[0082] 综上所述，本实施例提出一种电商广告ROAS异常检测方法，通过对电商广告的广告信息进行处理，得到所述电商广告所属的品类，然后利用电商广告所属品类的商品的
ROAS得到ROAS的分裂条件，并利用电商广告所属品类的商品的商品单位资源信息得到商品
单位资源信息的分裂条件；最后通过得到的ROAS的分裂条件和商品单位资源信息的分裂条
件对电商广告的ROAS是否异常进行检测，与相关技术中人工主观判断电商广告的ROAS的方
式相比，利用电商广告所属品类的商品的ROAS得到ROAS的分裂条件，并利用电商广告所属
品类的商品的商品单位资源信息得到商品单位资源信息的分裂条件，并通过得到的ROAS的
分裂条件和商品单位资源信息的分裂条件对电商广告的ROAS是否异常进行检测，整个检测
过程无需人工参与，可以更加客观准确的对电商广告的ROAS异常进行检测；而且，在ROAS的
分裂条件这一单一判定条件的基础上，增加了商品单位资源信息的分裂条件这一判断条件
对电商广告的ROAS是否异常进行检测，从而大幅提高了异常ROAS的检出率。

[0083] 实施例2

[0084] 本实施例提出一种电商广告ROAS异常检测装置，用于执行上述的电商广告ROAS异常检测方法。

[0085] 参见图3所示的一种电商广告ROAS异常检测装置的结构示意图，本实施例提出一种电商广告ROAS异常检测装置，包括：

[0086] 获取模块200，用于获取待进行ROAS检测的电商广告的广告信息；

[0087] 确定模块202，用于将所述电商广告的广告信息输入到品类分类器中，确定所述电商广告所属的品类；

[0088] 第一处理模块204，用于利用所述电商广告所属品类的商品在电商平台上投放广告所得到的广告投放资源信息，得到所述电商广告所属的品类的商品的ROAS和商品单位资
源信息；

[0089] 第二处理模块206，用于对计算得到的所述电商广告所属的品类的商品的ROAS进行处理，得到所述ROAS的分裂条件，对所述计算得到的所述电商广告所属的品类的商品的
所述商品单位资源信息进行处理，得到所述商品单位资源信息的分裂条件；

[0090] 检测模块208，用于对所述电商广告的ROAS和单位资源信息进行计算，并利用计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对得到的第一比对结果，以及利
用计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行对
比得到的第二比对结果，对所述电商广告的ROAS是否异常进行检测。

[0091] 所述广告投放资源信息，包括：所述电商广告在电商平台上投放时产生的广告资源信息、所述电商广告在电商平台上投放后在所述电商平台上获得的订单的订单资源信
息、所述电商广告所展示商品的成交资源信息和成交数量。

[0092] 所述第一处理模块204。具体用于：

[0093] 通过以下公式计算所述电商广告所属的品类的商品的ROAS：

[0094] 所述电商广告所属的品类的商品的ROAS＝A/B

[0095] 其中，A表示所述电商广告在电商平台上投放后在所述电商平台上获得的订单的订单资源信息；B表示所述电商广告在电商平台上投放时产生的广告资源信息；

[0096] 通过以下公式计算所述电商广告所属的品类的商品的商品单位资源信息：

[0097] 所述电商广告所属的品类的商品的商品单位资源信息＝C/D

[0098] 其中，C表示所述电商广告所展示商品的成交资源信息；D表示所述电商广告所展示商品的成交数量。

[0099] 所述第二处理模块206。用于对计算得到的所述电商广告所属的品类的商品的ROAS进行处理，得到所述ROAS的分裂条件，包括：

[0100] 利用无放回抽样的方式，从计算得到的所述电商广告所属的品类的商品的ROAS中抽取出预设数量的ROAS作为训练样本；

[0101] 确定所述训练样本的最小值和最大值；

[0102] 随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点；

[0103] 将所述训练样本中大于等于根节点的数值设置为所述分类二叉树中一侧的子节点，将所述训练样本中小于根节点的数值设置为所述分类二叉树中另一侧的子节点，从而
得到一棵分类二叉树，并对所述分类二叉树的数量进行增量操作；

[0104] 当分类二叉树的数量小于二叉树数量阈值时，返回执行所述随机选择所述最小值和所述最大值之间的任意数值作为分类二叉树的根节点的步骤；

[0105] 当分类二叉树的数量等于二叉树数量阈值时，得到所述二叉树数量阈值指示数量的分类二叉树，获取所述二叉树数量阈值指示数量的分类二叉树的根节点的数值，并计算
所述二叉树数量阈值指示数量的分类二叉树的根节点的数值的平均值，将计算得到的所述
二叉树数量阈值指示数量的分类二叉树的根节点的数值的平均值作为所述ROAS的分裂条
件。

[0106] 所述检测模块208，具体用于，包括：

[0107] 对计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对，得到第一比对结果；

[0108] 对计算得到的所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行比对，得到第二比对结果；

[0109] 当所述第一比对结果指示计算得到的所述电商广告的ROAS符合所述ROAS的分裂条件、或者所述第二比对结果指示计算得到的所述电商广告的ROAS符合所述ROAS的分裂条
件时，确定所述电商广告的ROAS异常。

[0110] 综上所述，本实施例提出一种电商广告ROAS异常检测装置，通过对电商广告的广告信息进行处理，得到所述电商广告所属的品类，然后利用电商广告所属品类的商品的
ROAS得到ROAS的分裂条件，并利用电商广告所属品类的商品的商品单位资源信息得到商品
单位资源信息的分裂条件；最后通过得到的ROAS的分裂条件和商品单位资源信息的分裂条
件对电商广告的ROAS是否异常进行检测，与相关技术中人工主观判断电商广告的ROAS的方
式相比，利用电商广告所属品类的商品的ROAS得到ROAS的分裂条件，并利用电商广告所属
品类的商品的商品单位资源信息得到商品单位资源信息的分裂条件，并通过得到的ROAS的
分裂条件和商品单位资源信息的分裂条件对电商广告的ROAS是否异常进行检测，整个检测
过程无需人工参与，可以更加客观准确的对电商广告的ROAS异常进行检测；而且，在ROAS的
分裂条件这一单一判定条件的基础上，增加了商品单位资源信息的分裂条件这一判断条件
对电商广告的ROAS是否异常进行检测，从而大幅提高了异常ROAS的检出率。

[0111] 实施例3

[0112] 本实施例提出一种计算机可读存储介质，所述计算机可读存储介质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上述实施例1描述的电商广告ROAS异常检测
方法的步骤。具体实现可参见方法实施例1，在此不再赘述。

[0113] 此外，参见图4所示的一种电子设备的结构示意图，本实施例还提出一种电子设备，上述电子设备包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。
上述电子设备包括有存储器55。

[0114] 本实施例中，上述电子设备还包括：存储在存储器55上并可在处理器52上运行的一个或者一个以上的程序，经配置以由上述处理器执行上述一个或者一个以上程序用于进
行以下步骤(1)至步骤(5)：

[0115] (1)获取待进行ROAS检测的电商广告的广告信息；

[0116] (2)将所述电商广告的广告信息输入到品类分类器中，确定所述电商广告所属的品类；

[0117] (3)利用所述电商广告所属品类的商品在电商平台上投放广告所得到的广告投放资源信息，得到所述电商广告所属的品类的商品的ROAS和商品单位资源信息；

[0118] (4)对计算得到的所述电商广告所属的品类的商品的ROAS进行处理，得到所述ROAS的分裂条件，对所述计算得到的所述电商广告所属的品类的商品的所述商品单位资源
信息进行处理，得到所述商品单位资源信息的分裂条件；

[0119] (5)对所述电商广告的ROAS和单位资源信息进行计算，并利用计算得到的所述电商广告的ROAS与所述ROAS的分裂条件进行比对得到的第一比对结果，以及利用计算得到的
所述电商广告的单位资源信息与所述商品单位资源信息的分裂条件进行对比得到的第二
比对结果，对所述电商广告的ROAS是否异常进行检测。

[0120] 收发机53，用于在处理器52的控制下接收和发送数据。

[0121] 其中，总线架构(用总线51来代表)，总线51可以包括任意数量的互联的总线和桥，总线51将包括由处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路
链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电
路链接在一起，这些都是本领域所公知的，因此，本实施例不再对其进行进一步描述。总线
接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件，也可以是多个元件，
比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发
机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。
取决于计算系统的性质，还可以提供用户接口56，例如小键盘、显示器、扬声器、麦克风、操
纵杆。

[0122] 处理器52负责管理总线51和通常的处理，如前述上述运行通用操作系统。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。

[0123] 可选的，处理器52可以是但不限于：中央处理器、单片机、微处理器或者可编程逻辑器件。

[0124] 可以理解，本发明实施例中的存储器55可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read‑
Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储
器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或
闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高
速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器
(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器
(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate 
SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接
动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct 
Rambus RAM，DRRAM)。本实施例描述的系统和方法的存储器55旨在包括但不限于这些和任
意其它适合类型的存储器。

[0125] 在一些实施方式中，存储器55存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集：操作系统551和应用程序552。

[0126] 其中，操作系统551，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序552，包含各种应用程序，例如媒体播
放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方
法的程序可以包含在应用程序552中。

[0127] 综上所述，本实施例提出一种计算机可读存储介质和电子设备，通过对电商广告的广告信息进行处理，得到所述电商广告所属的品类，然后利用电商广告所属品类的商品
的ROAS得到ROAS的分裂条件，并利用电商广告所属品类的商品的商品单位资源信息得到商
品单位资源信息的分裂条件；最后通过得到的ROAS的分裂条件和商品单位资源信息的分裂
条件对电商广告的ROAS是否异常进行检测，与相关技术中人工主观判断电商广告的ROAS的
方式相比，利用电商广告所属品类的商品的ROAS得到ROAS的分裂条件，并利用电商广告所
属品类的商品的商品单位资源信息得到商品单位资源信息的分裂条件，并通过得到的ROAS
的分裂条件和商品单位资源信息的分裂条件对电商广告的ROAS是否异常进行检测，整个检
测过程无需人工参与，可以更加客观准确的对电商广告的ROAS异常进行检测；而且，在ROAS
的分裂条件这一单一判定条件的基础上，增加了商品单位资源信息的分裂条件这一判断条
件对电商广告的ROAS是否异常进行检测，从而大幅提高了异常ROAS的检出率。

[0128] 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。