一种N广告投放优化方法.pdf

本发明提供一种N+广告投放优化方法，该方法将对目标客户浏览视频的标记值(即cookie)在未来一段时间(例如一周)内出现N次的概率做一个预测并得到预测值，设定一个概率阈值threhold，该预测值大于等于该阈值才对该cookie进行广告投放，小于则不投放。业内对该广告投放也称作播种，不投放则称作不播种。该方法能有效降低资源浪费，并能保证收益。

1.  一种N+广告投放优化方法，包括：
第一步，抽取目标客户浏览视频的标记值(即cookie)特征数据，生成CART分类树的 训练、剪枝、测试数据；
第二步，建立CART分类树模型；
第三步，抽取新的一段时间内的数据，进行N+广告投放预测与算法性能评估。

2.  如权利要求1所述的方法，其中第一步生成CART分类树的训练、剪枝、测试数据的 步骤进一步包括：
步骤1.1，从视频平台数据系统中记录视频广播播放日志的access日志表中抽取某一天 的cookie数据，记为：accessCookieAttrs_a；
步骤1.2，从视频平台数据系统中记录用户相关属性信息的vvlog日志表中抽取该天的 cookie数据，记为：vvCookieAttrs_a；
步骤1.3，统计access日志表中一定时间跨度内cookie出现的次数，记为： cookieNum_b_c；
步骤1.4，整合连接上述三个步骤得到的三个数据集：accessCookieAttrs_a， vvCookieAttrs_a，cookieNum_b_c，生成是否再来类属标签，得到新的数据集，记为： trainOriginal_a_c；
步骤1.5，将步骤1.4得到的数据集trainOriginal_a_c进行抽样得到三份新的数据集， 分别为CART训练数据集trainOriginal_a_c_train，剪枝数据集trainOriginal_a_c_prune， 测试数据集trainOriginal_a_c_test，
其中，a、b、c用于标识时间，a到c为一周的时间跨度。

3.  如权利要求2所述的方法，第二步进一步包括：
使用CART训练数据集trainOriginal_a_c_train建立分类树，建树后使用剪枝数据集 trainOriginal_a_c_prune对树进行后剪枝得到模型树，通过测试数据集 trainOriginal_a_c_test进行测试，经过反复调整测试能够得到最佳分类性能。

4.  如权利要求3所述的方法，第三步进一步包括：
重复步骤1.1-1.4生成新的一段时间的数据，记为：simulateCookie_d_e；设定是否投 放的阈值threshold，设定有效接触广告的次数为N，其中2≤N≤6，顺序遍历 simulateCookie_812_818的数据，对每条数据应用模型预测是否投放，如果投放，则将该 cookie加入hash表<cookie，cookieNum>；对每条数据，先看hash表中是否存在投放记录， 如果存在投放记录，则该cookieNum++，如果不存在投放记录，则判断是否需要投放，这样 得到一个投放记录结果。

一种N+广告投放优化方法
技术领域
本发明涉及一种N+广告投放优化方法。
背景技术
在广告商进行广告投放的活动中，有一类N+广告投放需求，即广告主要求 投放的目标客户在一段时间内(例如为一周)能够有效地接触该广告至少是N次 (通常为3次，由广告主根据自己的需求确定)，如果在规定时间内某已经投放 了该广告的目标客户达不到该次数要求，则视为一次无效的广告投放，如果达 到该次数要求则视为一次有效的投放。除了对接触广告次数有要求外，对是否 满足这样的目标客户的量也有一定要求。
因此，对媒体广告平台而言，针对该类N+广告投放需求，如何确保对目标 客户投放出去的广告的正确率和召回率成为关键问题，高正确率就能确保资源 少浪费，高召回率则是量的保证，确保收益，在量并不充足的情况下应优先保 证高召回率。
发明内容
为解决现有技术中存在的上述技术问题，本发明提供一种N+广告投 放优化方法，该方法将对目标客户浏览视频的标记值(即cookie)在未来一段时 间(例如一周)内出现N次的概率做一个预测并得到预测值，设定一个概率阈 值threhold，该预测值大于等于该阈值才对该cookie进行广告投放，小于则不投 放。业内对该广告投放也称作播种，不投放则称作不播种。该方法能有效降低 资源浪费，并能保证收益。
本发明的N+广告投放优化方法的基本原理是：在线下，首先对目标客户浏 览视频的标记值(即cookie)的特征数据进行选择，选择对用户是否再回来具有 表征作用而且线上能够轻易获取的特征数据，然后使用CART分类树来建立 cookie是否再回来预测模型，通过该模型预测某cookie用户一周内是否还会再 回来的概率；线上运行时，设定N值，设定概率阈值，通过线上获得该cookie 的相应特征数据预测其再回来的概率，计算该概率的N次方结果，该结果大于 等于设定概率阈值时投放广告，否则不投放。
附图说明
本发明将参照附图来进一步详细说明，其中：
图1是本发明方法流程图；
图2是本发明方法线上、线下实现的示意图。
具体实施方式
虽然将参照含有本发明的较佳实施例的附图充分描述本发明，但在此描述 之前应了解本领域的普通技术人员可修改本文中所描述的发明，同时获得本发 明的技术效果。因此，须了解以上的描述对本领域的普通技术人员而言为一广 泛的揭示，且其内容不在于限制本发明所描述的示例性实施例。
本发明的N+广告投放优化方法中使用CART(Classification and Regression  Trees)分类树建立预测模型。首先，对本发明使用的CART分类树等背景做一 个介绍。CART是决策树的一种，CART算法既可以用于创建分类树 (Classification Tree)，也可以用于创建回归树(Regression Tree)，分类树是预 测结果是离散类型值的树，回归树是预测结果为连续型值的树。决策树算法都 属于有监督一类的机器学习算法，所以模型的建立需要经过有标签数据的训练 过程，模型树建立过程中，难免会出现数据过度拟合的情况，因此树剪枝操作 往往是必须的，剪枝包括预剪枝和后剪枝，预剪枝是在建树过程中进行的，后 剪枝是建树完成后进行的。CART分类树的分支节点存储分割特征序号spInd和 分割值spVal，叶子节点存储组合值包括：是否再来label，再来概率posProb， 不来概率negProb，再来概率大于不来概率时，是否再来label为1，否则为0。 再来概率由落在该叶子节点的分类标签值为1的数量除以该叶子中所有训练数 据条数得出。
训练、剪枝和测试数据集由cookie对应的特征属性和表示是否再来的0、1 标签值组成。
CART预剪枝：CART分类树在建立过程中会进行预剪枝，分为以下三种情 况：
如果在某个分支的所有数据中，某一类(标签为0或1)的数据所在比率大 于等于某个阈值ratio_threshold时停止分支，作为叶子。该阈值作为参数传入， 默认为0.85；
如果在某个分支的所有数据条目数小于等于某个阈值num_threshold时停止 分支，作为叶子。该阈值作为参数传入，默认为50；
如果在某个分支属性分割后的基尼不纯度Gini相较于分割前的基尼不纯度 并未降低到一定阈值gini_threshold时，停止分支，作为叶子。该阈值作为参数 传入，默认为0.01。
CART后剪枝：CART后剪枝是建立好模型分类树后在新的剪枝数据集上进 行的，在以下两种情况中会进行后剪枝：
如果某分支的左(或右)子树不是叶子，而没有数据分到该左(或右)子 树，那么剪枝，该左(或右)子树变为叶子。叶子存储的值由兄弟分支的相关 计算结果得出，把兄弟分支暂当作叶子计算其label，如果兄弟分支的label为1， 则该叶子存储的值为[0，0.001，0.999]，反之，存储[1，0.999，0.001]；
如果某分支的左右子树都是叶子，而计算出该分支在不分裂时的错误率要 小于分裂后的错误率，那么剪枝，该分支变为叶子。计算所有落在该分支的数 据中label为1的记录所占比，得出相应的值作为该叶子的存储值。
下面，以一周为例说明本发明的N+广告投放优化方法，并不以此限定。
本发明的N+广告投放优化方法包括：
第一步，抽取目标客户浏览视频的标记值(即cookie)特征数据，生成CART 分类树的训练、剪枝、测试数据。
视频平台数据系统中通常有两个日志表，access表和vvlog表，分别用来记 录视频广告的播放日志和vv日志，这两个日志表里有大量有关视频、广告、用 户的相关属性信息，从这些属性里选择一部分属性信息来作为CART分类树的 训练，剪枝和测试数据。选择的属性信息必须在线上也能轻易并快速的获取， 以便做预测。
生成CART分类树的训练、剪枝、测试数据的步骤如下：
步骤1.1，以2014.08.04的数据为例，从access日志表中抽取2014.08.04这 一天的cookie数据，记为：accessCookieAttrs_804，该数据集包含以下属性： cookie@sessionId，视频分类，是否为长视频，视频时长，时间戳，使用 cookie@sessionId而不使用cookie是为了与vvlog中的数据一一映射。
步骤1.2，从vvlog日志表中抽取2014.08.04这一天的cookie数据，记为： vvCookieAttrs_804，该数据集包含以下属性：cookie@sessionId，是否注册，vvstep 史来vv，seidcount史来session计数，sevvstep本次session计数。
步骤1.3，统计access日志表中时间跨度为一周(即2014.08.05-2014.08.11) 的cookie出现次数，记为：cookieNum_805_811，该数据集包含以下属性：cookie， cookie出现次数。
步骤1.4，整合连接上述三个步骤得到的三个数据集：accessCookieAttrs_804， vvCookieAttrs_804，cookieNum_805_811(cookieNum_805_806)，生成是否再来 类属标签，得到新的数据集，记为：trainOriginal_804_811(trainOriginal_804_806)， 该数据集包含以下属性：cookie，视频分类(62类离散)，是否长视频，视频时 长(分段离散)，是否注册，史来vv计数(分段离散)，史来session计数，本次 session的vv计数，是否再次访问。
其中，整合规则为：首先，accessCookieAttrs_804与vvCookieAttrs_804通 过cookie@sessionId值进行连接得到temp_804，包含属性：cookie(只取 cookie@sessionId的cookie部分)，视频分类(62类离散)，是否长视频，视频 时长(分段离散)，是否注册，史来vv计数(分段离散)，史来session计数，本 次session的vv计数，时间戳。其中视频时长以10分钟为一段进行分段离散， 史来vv计数以10为一段进行分段离散，cookie不唯一。然后，temp_804再与 cookieNum_805_811进行连接生成类标签，若temp_804中的某cookie在 cookieNum_805_811中存在，则是否再来label为1，若不存在，则对该同一cookie 的所有记录求时间戳最大值的记录，该记录的label为0，其余的label为1，此 种情况表示：如果某cookie在8.04这一天出现多次，但在之后一周内并未出现， 那么该cookie在8.04这一天最后一次出现时(时间戳最大)的label为0，其余 时间出现时因为之后还会再出现所以label为1；
步骤1.5，将步骤1.4得到的数据集trainOriginal_804_811进行简单抽样得到 三份新的数据集，分别为CART训练数据集trainOriginal_804_811_train，10w条 记录；剪枝数据集trainOriginal_804_811_prune，5w条记录；测试数据集 trainOriginal_804_811_test，5w条记录，其中，a、b、c用于标识时间，本实施 例中a到c为一周的时间跨度。
第二步，建立CART分类树模型。
使用训练数据集trainOriginal_804_811_train进行建树，建树后使用剪枝数 据集trainOriginal_804_811_prune对树进行后剪枝得到模型树，最后通过测试数 据集trainOriginal_804_811_test进行简单的测试。经过反复调整输入参数并测试 能够得到最佳分类性能。最终生成的模型树为：nplus_tree_804_811.model，输入 参数值最终调整为ratio_threshold:0.94，num_threshold：200，gini_threshold:0.002
第三步，进行N+广告投放预测与算法性能的评估。
使用新一周(2014.08.12-2014.08.18)的数据进行N+广告投放预测与算法性 能评估。重复步骤1.1-1.4生成新一周(2014.08.12-2014.08.18)的数据，记为： simulateCookie_812_818，属性为：cookie@sessionId，视频分类(62类离散)， 是否长视频，视频时长(分段离散)，是否注册，vvstep史来计数(分段离散)， sevvstep本次session计数，seidcount史来session计数。
设定是否投放的阈值threshold，设定有效接触广告的次数为N(2≤N≤6)， 顺序遍历simulateCookie_812_818的数据，对每条数据应用模型预测是否投放， 如果投放，则将该cookie加入hash表<cookie，cookieNum>；对每条数据，先 看hash表中是否存在投放记录，如果存在投放记录，则该cookieNum++，如果 不存在投放记录，则判断是否需要投放，这样得到一个投放记录结果。检查cookie 对应的cookieNum是否大于等于N值，来计算的正确率和召回率，得到的结果 如下表1所示：