本發(fā)明涉及計算機處理的技術領域，特別是涉及一種針對關鍵詞的匹配模式生成優(yōu)化建議的方法和一種針對關鍵詞的匹配模式生成優(yōu)化建議的裝置。

背景技術：

隨著網(wǎng)絡科技的快速發(fā)展，各種網(wǎng)絡平臺集成眾多產(chǎn)品信息，便于用戶進行選擇。

為了讓更多的前端用戶獲取自己的產(chǎn)品信息，通常有兩條途徑，一條是通過自然搜索的方式，二是通過競爭推廣的方式。

第一種方式競爭比較激烈，優(yōu)化周期較長，因此，很多網(wǎng)站會因此選擇更加快捷的第二種方式。

競爭推廣方式又稱為關鍵詞推廣，即網(wǎng)站需要預先選擇關鍵詞，將產(chǎn)品信息綁定到該關鍵詞下，若用戶輸入某搜索關鍵詞，則平臺通過匹配模式從該搜索關鍵詞匹配到該關鍵詞，進而通過一系列的優(yōu)化、排序等操作后推送綁定該關鍵詞的產(chǎn)品信息，由此可見，匹配模式的選擇對于產(chǎn)品信息的推送效果有很大的影響。

目前是選取一些關鍵詞的維度，設計一組確定性的關鍵詞性能評價閾值，過濾出滿足條件的關鍵詞集合，進行優(yōu)化。

但是，不同產(chǎn)品對應的關鍵詞的性能評價標準往往不一致，某些領域中的關鍵詞整體都更為熱門，某些領域中關鍵詞整體更為冷門。

另一方面，關鍵詞的性能表現(xiàn)隨節(jié)假日及一些特殊情況波動顯著，此時仍延用與平日里相同的閾值將會過濾出大批不合理的關鍵詞。

在這些評價不一致的評價標準下使用一致的優(yōu)化方式，造成優(yōu)化性能降低，浪費資源。

技術實現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的一種針對關鍵詞的匹配模式生成優(yōu)化建議的方法和相應的一種針對關鍵詞的匹配模式生成優(yōu)化建議的裝置。

依據(jù)本發(fā)明的一個方面，提供了一種針對關鍵詞的匹配模式生成優(yōu)化建議的方法，包括：

計算在一時間段內(nèi)一個或多個賬號的關鍵詞、通過一匹配模式觸發(fā)業(yè)務對象時的原始統(tǒng)計數(shù)據(jù)；

對所述一個或多個賬號進行聚類，獲得一個或多個類別；

在所述類別中，根據(jù)所述原始統(tǒng)計數(shù)據(jù)按照匹配模式計算所述關鍵詞觸發(fā)業(yè)務對象時的類別統(tǒng)計數(shù)據(jù)；

根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息。

可選地，所述原始統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第一平均展示量、第一平均點擊量、第一平均消耗量、第一點擊率。

可選地，所述對所述一個或多個賬號進行聚類，獲得一個或多個類別的步驟包括：

按照所述關鍵詞所屬的類目對所述一個或多個賬號進行聚類，獲得第一類別；

在所述第一類別中，按照所述關鍵詞所屬的區(qū)域對對所述一個或多個賬號進行聚類，獲得第二類別；

在所述第二類別中，按照消耗量對所述一個或多個賬號進行聚類，獲得第三類別。

可選地，在某一類別的某一匹配模式下的類別統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第二平均展示量、第二平均點擊量、第二平均消耗量、第二點擊率。

可選地，所述根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息的步驟包括：

當?shù)谝黄骄故玖啃∮诨虻扔诘谝幌禂?shù)與第二平均展示量的乘積、且、第一平均點擊量大于或等于第二系數(shù)與第二平均點擊量的乘積、且、第一點擊率大于或等于第三系數(shù)與第二點擊率的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

可選地，所述根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息的步驟包括：

當?shù)谝黄骄故玖啃∮诨虻扔诘谒南禂?shù)與第二平均展示量、且、第一平均點擊量大于或等于第五系數(shù)與第二平均點擊量的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

可選地，所述根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息的步驟包括：

在最高匹配模式下，第一平均展示量大于或等于第六系數(shù)與第二平均展示量的乘積、且、第一平均點擊量小于或等于第七系數(shù)與第一平均點擊量的乘積、且、第一點擊率小于或等于第八系數(shù)與第一點擊率的乘積時，對所述關鍵詞的匹配模式生成逆向優(yōu)化的優(yōu)化建議信息。

可選地，所述匹配模式包括如下的一種或多種：

精確匹配、短語匹配、廣泛匹配；

正向優(yōu)化為由精確匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為廣泛匹配；

逆向優(yōu)化為由廣泛匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為精確匹配。

可選地，所述一個或多個賬號的關鍵詞，在所述時間段內(nèi)未修改過匹配模式。

根據(jù)本發(fā)明的另一方面，提供了一種針對關鍵詞的匹配模式生成優(yōu)化建議的裝置，包括：

原始統(tǒng)計數(shù)據(jù)計算模塊，適于計算在一時間段內(nèi)一個或多個賬號的關鍵詞、通過一匹配模式觸發(fā)業(yè)務對象時的原始統(tǒng)計數(shù)據(jù)；

聚類模塊，適于對所述一個或多個賬號進行聚類，獲得一個或多個類別；

類別統(tǒng)計數(shù)據(jù)計算模塊，適于在所述類別中，根據(jù)所述原始統(tǒng)計數(shù)據(jù)按照匹配模式計算所述關鍵詞觸發(fā)業(yè)務對象時的類別統(tǒng)計數(shù)據(jù)；

優(yōu)化建議信息生成模塊，適于根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息。

可選地，所述原始統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第一平均展示量、第一平均點擊量、第一平均消耗量、第一點擊率。

可選地，所述聚類模塊還適于：

按照所述關鍵詞所屬的類目對所述一個或多個賬號進行聚類，獲得第一類別；

在所述第一類別中，按照所述關鍵詞所屬的區(qū)域對對所述一個或多個賬號進行聚類，獲得第二類別；

在所述第二類別中，按照消耗量對所述一個或多個賬號進行聚類，獲得第三類別。

可選地，在某一類別的某一匹配模式下的類別統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第二平均展示量、第二平均點擊量、第二平均消耗量、第二點擊率。

可選地，所述優(yōu)化建議信息生成模塊還適于：

當?shù)谝黄骄故玖啃∮诨虻扔诘谝幌禂?shù)與第二平均展示量的乘積、且、第一平均點擊量大于或等于第二系數(shù)與第二平均點擊量的乘積、且、第一點擊率大于或等于第三系數(shù)與第二點擊率的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

可選地，所述優(yōu)化建議信息生成模塊還適于：

當?shù)谝黄骄故玖啃∮诨虻扔诘谒南禂?shù)與第二平均展示量、且、第一平均點擊量大于或等于第五系數(shù)與第二平均點擊量的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

可選地，所述優(yōu)化建議信息生成模塊還適于：

在最高匹配模式下，第一平均展示量大于或等于第六系數(shù)與第二平均展 示量的乘積、且、第一平均點擊量小于或等于第七系數(shù)與第一平均點擊量的乘積、且、第一點擊率小于或等于第八系數(shù)與第一點擊率的乘積時，對所述關鍵詞的匹配模式生成逆向優(yōu)化的優(yōu)化建議信息。

可選地，所述匹配模式包括如下的一種或多種：

精確匹配、短語匹配、廣泛匹配；

正向優(yōu)化為由精確匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為廣泛匹配；

逆向優(yōu)化為由廣泛匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為精確匹配。

可選地，所述一個或多個賬號的關鍵詞，在所述時間段內(nèi)未修改過匹配模式。

本發(fā)明實施例針對一個或多個賬號進行聚類，在所屬類別中，根據(jù)原始統(tǒng)計數(shù)據(jù)按照匹配模式計算類別統(tǒng)計數(shù)據(jù)，根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對關鍵詞的匹配模式生成優(yōu)化建議信息，通過聚類之后計算關鍵詞在不同類別中平均性能，獲得更細顆粒度的關鍵詞性能評價標準，提高評價準確性，從而提高了優(yōu)化性能，減少資源浪費。

本發(fā)明實施例通過將過濾條件中的閾值均設計為系數(shù)的形式，能自適應地調(diào)整最終閾值，不僅可以篩選出值得正向優(yōu)化和逆向優(yōu)化的關鍵詞，而且可以規(guī)避關鍵詞受節(jié)假日或特殊事件影響導致的整體變化影響，進一步提高了優(yōu)化性能。

上述說明僅是本發(fā)明技術方案的概述，為了能夠更清楚了解本發(fā)明的技術手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

附圖說明

通過閱讀下文優(yōu)選實施方式的詳細描述，各種其他的優(yōu)點和益處對于本領域普通技術人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的，而并不認為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示 相同的部件。在附圖中：

圖1示出了根據(jù)本發(fā)明一個實施例的一個實施例的一種針對關鍵詞的匹配模式生成優(yōu)化建議的方法實施例的步驟流程圖；以及

圖2示出了根據(jù)本發(fā)明一個實施例的一種針對關鍵詞的匹配模式生成優(yōu)化建議的裝置實施例的結構框圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現(xiàn)本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。

參照圖1，示出了根據(jù)本發(fā)明一個實施例的一種針對關鍵詞的匹配模式生成優(yōu)化建議的方法實施例的步驟流程圖，具體可以包括如下步驟：

步驟101，計算在一時間段內(nèi)一個或多個賬號的關鍵詞、通過一匹配模式觸發(fā)業(yè)務對象時的原始統(tǒng)計數(shù)據(jù)；

需要說明的是，本發(fā)明實施例可以應用于網(wǎng)絡平臺，即獨立的服務器或服務器集群，如分布式系統(tǒng)，其存儲了海量的不同領域的業(yè)務對象。

在不同的業(yè)務領域中可以具有不同的業(yè)務對象，即體現(xiàn)該領域特性的數(shù)據(jù)。

例如，在通信領域中，業(yè)務對象可以為通信數(shù)據(jù)；在新聞媒體領域中，業(yè)務對象可以為新聞數(shù)據(jù)；在搜索領域中，業(yè)務對象可以為網(wǎng)頁；在電子商務(Electronic Commerce，EC)領域中，業(yè)務對象可以為廣告數(shù)據(jù)，等等。

在不同的業(yè)務領域中，雖然業(yè)務對象承載領域特性而有所不同，但其本質都是數(shù)據(jù)，例如，文本數(shù)據(jù)、圖像數(shù)據(jù)、音頻數(shù)據(jù)、視頻數(shù)據(jù)等等，相對地，對業(yè)務對象的處理，本質都是對數(shù)據(jù)的處理。

為使本領域技術人員更好地理解本發(fā)明實施例，在本發(fā)明實施例中，將廣告數(shù)據(jù)作為業(yè)務對象的一種示例進行說明。

在網(wǎng)絡平臺中，每個用戶(包括自然人和企業(yè))均可以配置至少一個賬 號，以管理其業(yè)務對象。

在競爭推廣的方式中，一般需要對業(yè)務對象綁定關鍵詞，并設置匹配模式，即匹配的規(guī)則。

在一個示例中，對于電子商務領域的廣告數(shù)據(jù)，該綁定的搜索關鍵詞可以為廣告主為該廣告數(shù)據(jù)購買的關鍵詞。

在另一個示例中，該綁定的搜索關鍵詞可以包括錨文本(Anchor Text)，即網(wǎng)頁中關于鏈接的一段描述，可以指向文中的某個位置，也可以指向其他網(wǎng)頁，通常用于SEO(Search Engine Optimization，搜索引擎優(yōu)化)。

在實際應用中，匹配模式可以包括如下的一種或多種：

1、精確匹配；

當用戶輸入的搜索關鍵詞與綁定的關鍵詞完全一致時，認為兩者匹配。

2、短語匹配；

當用戶輸入的搜索關鍵詞完全包含綁定的關鍵詞時，認為兩者匹配。

或者，

當用戶輸入的搜索關鍵詞完全包含綁定的關鍵詞及綁定的關鍵詞的插入、顛倒和同義形態(tài)時，認為兩者匹配。

3、廣泛匹配；

當用戶輸入的搜索關鍵詞與綁定的關鍵詞高度相關時，即使綁定的關鍵詞并未包含這些詞，也可以認為兩者匹配。

當然，上述匹配模式只是作為示例，在實施本發(fā)明實施例時，可以根據(jù)實際情況設置其他匹配模式，本發(fā)明實施例對此不加以限制。另外，除了上述匹配模式外，本領域技術人員還可以根據(jù)實際需要采用其它匹配模式，本發(fā)明實施例對此也不加以限制。

在網(wǎng)絡平臺中接收到用戶在客戶端輸入的搜索關鍵詞時，按照該關鍵詞的匹配模式進行匹配，匹配上，進一步通過一系列的優(yōu)化、排序等操作后推送綁定該關鍵詞的業(yè)務對象至客戶端進行展示。

在本發(fā)明實施例中，可以按照賬號、業(yè)務計劃(如春節(jié)促銷計劃、圣誕 促銷計劃等)、業(yè)務計劃下的業(yè)務組(如電器組別、衣服組別等)等維度劃分關鍵詞。

即關鍵詞是在某個賬號、某業(yè)務計劃、某業(yè)務組的維度下的關鍵詞，即使不同的賬號綁定字面相同的關鍵詞、同一個賬號在不同的業(yè)務計劃的業(yè)務組綁定字面相同的關鍵詞，也可以認為這些字面相同的關鍵詞是不同的關鍵詞。

每次展示中，網(wǎng)絡平臺可以通過日志數(shù)據(jù)記錄相關的信息，例如，賬號、觸發(fā)的關鍵詞、是否展示、是否點擊等等。

因此，通過這些累積的信息，可以統(tǒng)計出在一時間段(如7天)內(nèi)一個或多個賬號的關鍵詞、通過一匹配模式觸發(fā)業(yè)務對象時的原始統(tǒng)計數(shù)據(jù)。

在實際應用中，原始統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第一平均展示量Impre_k、第一平均點擊量Click_k、第一平均消耗量Cost_k、第一點擊率Ctr_k。

在實際應用中，第一平均展示量Impre_k、第一平均點擊量Click_k、第一平均消耗量Cost_k、第一點擊率Ctr_k，均可以以日為單位進行平均。

當然，也可以按照星期、小時等其他單位進行平均，本發(fā)明實施例對此不加以限制。

例如，在7天里，一個關鍵詞觸發(fā)了10次廣告數(shù)據(jù)1，20次廣告數(shù)據(jù)2，30次廣告數(shù)據(jù)3，所有的廣告數(shù)據(jù)總共被點擊10次，實際消費是100，那么這7天中，該關鍵詞的日平均展現(xiàn)量就是50/7，日平均點擊量10/7，日平均消費量100/7，點擊率1/6。

其中，業(yè)務對象可以配置權限參數(shù)，該權限參數(shù)可以用于對業(yè)務對象的展示操作進行約束，即業(yè)務對象的每次展示/點擊等，都可以按照約定從賬號的主參數(shù)中扣減該權限參數(shù)，若主參數(shù)不夠扣減，則可以拒絕展示業(yè)務對象，防止不自律的行為過度消耗網(wǎng)絡平臺的資源。

因此，在主參數(shù)中扣減的量，可以稱之為消耗量。

例如，對于電子商務領域的廣告數(shù)據(jù)，該權限參數(shù)可以為廣告主對廣告數(shù)據(jù)的競價BidPrice，每次廣告數(shù)據(jù)的展示/點擊，網(wǎng)絡平臺則可以從用戶的 賬號的預存款(主參數(shù))中進行扣費，累積的扣費可以為消耗量。

需要說明的是，為了驗證匹配模式的效果，可以限定，該一個或多個賬號的關鍵詞，在時間段內(nèi)未修改過匹配模式，若修改過匹配模式，則可以忽略該關鍵詞。

步驟102，對所述一個或多個賬號進行聚類，獲得一個或多個類別；

通常情況下，一個賬號只能分到一個類別里，但是，該類別是有層次性的。

先從業(yè)務的角度聚類。

具體而言，可以按照關鍵詞所屬的類目對一個或多個賬號進行聚類，獲得第一類別。

例如，綁定的關鍵詞大多為電視機、冰箱等賬號，可能就被聚到一個家電的類別中，綁定的關鍵詞大多是上衣、裙子、褲子等賬號，又可能被聚到另一個服裝的類別中。

然后從地域的角度聚類，如廣告主對關鍵詞的投放地域。

具體而言，從在第一類別中，按照關鍵詞所屬的區(qū)域對對一個或多個賬號進行聚類，獲得第二類別。

例如，在家電的類別中，可以按照廣東、北京等區(qū)域聚類，也可以按照廣州、北京、深圳等區(qū)域聚類。

最后從消耗量的角度聚類，如對廣告主的扣費。

具體而言，可以在第二類別中，按照消耗量對一個或多個賬號進行聚類，獲得第三類別。

例如，在家電類別的廣州類別中，不同消耗量檔次的劃分到一個類別中。

在實際應用中，可以將賬號數(shù)據(jù)(如綁定的關鍵詞)進行向量化，通過聚類算法，如k-means、BIRCH算法等等，實現(xiàn)聚類。

步驟103，在所述類別中，根據(jù)所述原始統(tǒng)計數(shù)據(jù)按照匹配模式計算所述關鍵詞觸發(fā)業(yè)務對象時的類別統(tǒng)計數(shù)據(jù)；

在本發(fā)明實施例中，在某個類別中，在相同匹配模式下的字面相同的關鍵字，可以累積其原始統(tǒng)計數(shù)據(jù)進行平均。

在具體實現(xiàn)中，在某一類別C_i的某一匹配模式m_j下的類別統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第二平均展示量Impre_C_i_m_j、第二平均點擊量Click_C_i_m_j、第二平均消耗量Cost_C_i_m_j、第二點擊率Ctr_C_i_m_j。

其中，第二平均展示量Impre_C_i_m_j為類別C_i中同一匹配模式m_j的第一平均展示量Impre_k的平均值；

第二平均點擊量Click_C_i_m_j為類別C_i中同一匹配模式m_j的第一平均點擊量Click_k的平均值；

第二平均消耗量Cost_C_i_m_j為類別C_i中同一匹配模式m_j的第一平均消耗量Cost_k的平均值；

第二點擊率Ctr_C_i_m_j為類別C_i中同一匹配模式m_j的第一點擊率Ctr_k的平均值。

步驟104，根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息。

在具體實現(xiàn)中，類別相關的指標是該類別關鍵詞性能表現(xiàn)的一個平均值，代表了行業(yè)的平均水平。

因此，可以將某一賬號的某一關鍵詞的性能，與相同匹配模式的類別平均性能進行比較，過濾出符合條件的關鍵詞，在過濾時，則依據(jù)是的該關鍵詞的性能表現(xiàn)是否低于(或高于)行業(yè)的平均水平，對于低于的、篩出來，對于高于的，可不變，按照比較的結果針對該關鍵詞生成優(yōu)化建議信息。

在本發(fā)明的一種可選實施例中，步驟104可以包括如下子步驟：

子步驟S11，當?shù)谝黄骄故玖啃∮诨虻扔诘谝幌禂?shù)與第二平均展示量的乘積、且、第一平均點擊量大于或等于第二系數(shù)與第二平均點擊量的乘積、且、第一點擊率大于或等于第三系數(shù)與第二點擊率的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

在本發(fā)明實施例中，若關鍵詞符合如下條件，該條件過濾出的關鍵詞為當前流量小，但流量質量高的關鍵詞，可以在更大的流量上進行嘗試，建議對其匹配模式進行正向優(yōu)化。

Impre_k≤Thr1*Impre_C_i_m_j、且、Click_k≥Thr2*Click_C_i_m_j、且、Ctr_k≥Thr3*Ctr_C_i_m_j

其中，Thr1為第一系數(shù)、Thr2為第二系數(shù)、Thr3為第三系數(shù)。

在本發(fā)明實施例中，Thr1≤1.0、Thr3≥1.0，這樣可以把流量小(展現(xiàn)量低于平均水平)，但是流量質量高(點擊量和點擊率均高于平均水平)的關鍵詞過濾出來。

由于流量小的情況下，點擊量往往也小，所以Thr3的值可以低于1，并且可以全放開，不過全放開下會引入一些統(tǒng)計數(shù)據(jù)不夠可信的關鍵詞，比如只展現(xiàn)了1次，同時也被點擊了1次的，這種關鍵詞的點擊率是不可信的。

因此，為了保證篩選的質量，可以對點擊量進行一定的限制，如高于某個值。

在本發(fā)明的一種可選實施例中，步驟104可以包括如下子步驟：

子步驟S12，當?shù)谝黄骄故玖啃∮诨虻扔诘谒南禂?shù)與第二平均展示量、且、第一平均點擊量大于或等于第五系數(shù)與第二平均點擊量的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

在本發(fā)明實施例中，若關鍵詞符合如下條件，該條件過濾出的關鍵詞為當前流量小，且無法評估出效果的關鍵詞，可以在更大規(guī)模的流量上進一步收集效果，建議對其匹配模式進行正向優(yōu)化。

Impre_k≤Thr4*Impre_C_i_m_j、且、Click_k≤Thr5*Click_C_i_m_j

其中，Thr4為第四系數(shù)、Thr5為第五系數(shù)。

在本發(fā)明實施例中，Thr4≤1.0，Thr5≤1.0，這樣可以把展現(xiàn)量和點擊量均低于類別平均水平的關鍵詞篩選出來。

在本發(fā)明的一種可選實施例中，步驟104可以包括如下子步驟：

子步驟S13，在最高匹配模式下，第一平均展示量大于或等于第六系數(shù)與第二平均展示量的乘積、且、第一平均點擊量小于或等于第七系數(shù)與第一平均點擊量的乘積、且、第一點擊率小于或等于第八系數(shù)與第一點擊率的乘積時，對所述關鍵詞的匹配模式生成逆向優(yōu)化的優(yōu)化建議信息。

在本發(fā)明實施例中，若關鍵詞符合如下條件，該條件過濾出的關鍵詞為 當前最高匹配模式上性能表現(xiàn)不理想的關鍵詞，建議對其匹配模式進行逆向優(yōu)化。

最高匹配模式的Impre_k≥Thr6*Impre_C_i_m_j、且、最高匹配模式的Click_k≤Thr7*Click_k、且、最高匹配模式的Ctr_k的≤Thr8*Ctr_k

其中，Thr7為第七系數(shù)、Thr8為第八系數(shù)、Thr9為第九系數(shù)。

在本發(fā)明實施例中，Thr6≥1.0，Thr7≤1.0，Thr8≤1.0，這樣可以把在當前最高匹配下展現(xiàn)量占比大，但點擊量和點擊率都較差的關鍵詞篩選出來。

需要說明的是，本發(fā)明實施例中的匹配模式是可以向下兼容的，如在廣泛匹配下的流量包括了精確匹配的流量和短語匹配的流量，在短語匹配下的流量包括了精確匹配的流量。

若一個關鍵詞配置短語匹配時，滿足精確匹配的情形也會匹配上該關鍵詞。

最高匹配模式可以指流量最高的匹配模式。

若匹配模式為廣泛匹配，最高匹配模式為廣泛匹配，需要從所有的流量區(qū)分出單純是廣泛匹配的流量，去掉兼容下的精確匹配的流量和短語匹配的流量。

若匹配模式為短語匹配，最高匹配模式為短語匹配，需要從所有的流量區(qū)分出單純是短語匹配的流量，去掉兼容下的精確匹配的流量。

當然，上述篩選方式只是作為示例，在實施本發(fā)明實施例時，可以根據(jù)實際情況設置其他篩選方式，本發(fā)明實施例對此不加以限制。另外，除了上述篩選方式外，本領域技術人員還可以根據(jù)實際需要采用其它篩選方式，本發(fā)明實施例對此也不加以限制。

本發(fā)明實施例通過將過濾條件中的閾值均設計為系數(shù)的形式，能自適應地調(diào)整最終閾值，不僅可以篩選出值得正向優(yōu)化和逆向優(yōu)化的關鍵詞，而且可以規(guī)避關鍵詞受節(jié)假日或特殊事件影響導致的整體變化影響，進一步提高了優(yōu)化性能。

在本發(fā)明實施例中，正向和逆向均是相對于修改后流量的變化而言的。

正向優(yōu)化，可以指調(diào)整匹配模式以提高流量的優(yōu)化方式。

逆向優(yōu)化，可以指調(diào)整匹配模式以降低流量的優(yōu)化方式。

在實際應用中，若匹配模式包括如下的一種或多種：

精確匹配、短語匹配、廣泛匹配。

在匹配模式向下兼容的情況下：

正向優(yōu)化為由精確匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為廣泛匹配；

即將關鍵詞的匹配模式放寬，意味著流量的增加，為正向優(yōu)化。

逆向優(yōu)化為由廣泛匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為精確匹配。

即將關鍵詞的匹配模式收窄，意味著流量的減小，為逆向優(yōu)化。

當然，對于用戶而言，正向優(yōu)化、逆向優(yōu)化的優(yōu)化建議信息是用于參考的作用，用戶可以直接從精確匹配調(diào)整為廣泛匹配，也可以直接從廣泛匹配調(diào)整為精確匹配，本發(fā)明實施例對此不加以限制。

本發(fā)明實施例針對一個或多個賬號進行聚類，在所屬類別中，根據(jù)原始統(tǒng)計數(shù)據(jù)按照匹配模式計算類別統(tǒng)計數(shù)據(jù)，根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對關鍵詞的匹配模式生成優(yōu)化建議信息，通過聚類之后計算關鍵詞在不同類別中平均性能，獲得更細致的關鍵詞性能評價標準，提高評價準確性，從而提高了優(yōu)化性能，減少資源浪費。

對于方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發(fā)明實施例并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明實施例，某些步驟可以采用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作并不一定是本發(fā)明實施例所必須的。

參照圖2，示出了根據(jù)本發(fā)明一個實施例的一種針對關鍵詞的匹配模式生成優(yōu)化建議的裝置實施例的結構框圖，具體可以包括如下模塊：

原始統(tǒng)計數(shù)據(jù)計算模塊201，適于計算在一時間段內(nèi)一個或多個賬號的關鍵詞、通過一匹配模式觸發(fā)業(yè)務對象時的原始統(tǒng)計數(shù)據(jù)；

聚類模塊202，適于對所述一個或多個賬號進行聚類，獲得一個或多個類別；

類別統(tǒng)計數(shù)據(jù)計算模塊203，適于在所述類別中，根據(jù)所述原始統(tǒng)計數(shù)據(jù)按照匹配模式計算所述關鍵詞觸發(fā)業(yè)務對象時的類別統(tǒng)計數(shù)據(jù)；

優(yōu)化建議信息生成模塊204，適于根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息。

在具體實現(xiàn)中，所述原始統(tǒng)計數(shù)據(jù)可以包括如下的一種或多種：

第一平均展示量、第一平均點擊量、第一平均消耗量、第一點擊率。

在本發(fā)明的一種可選實施例中，所述聚類模塊202還可以適于：

按照所述關鍵詞所屬的類目對所述一個或多個賬號進行聚類，獲得第一類別；

在所述第一類別中，按照所述關鍵詞所屬的區(qū)域對對所述一個或多個賬號進行聚類，獲得第二類別；

在所述第二類別中，按照消耗量對所述一個或多個賬號進行聚類，獲得第三類別。

在實際應用中，在某一類別的某一匹配模式下的類別統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第二平均展示量、第二平均點擊量、第二平均消耗量、第二點擊率。

在本發(fā)明的一種可選實施例中，所述優(yōu)化建議信息生成模塊204還可以適于：

當?shù)谝黄骄故玖啃∮诨虻扔诘谝幌禂?shù)與第二平均展示量的乘積、且、第一平均點擊量大于或等于第二系數(shù)與第二平均點擊量的乘積、且、第一點擊率大于或等于第三系數(shù)與第二點擊率的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

在本發(fā)明的一種可選實施例中，所述優(yōu)化建議信息生成模塊204還可以適于：

當?shù)谝黄骄故玖啃∮诨虻扔诘谒南禂?shù)與第二平均展示量、且、第一平均點擊量大于或等于第五系數(shù)與第二平均點擊量的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

在本發(fā)明的一種可選實施例中，所述優(yōu)化建議信息生成模塊204還可以適于：

在最高匹配模式下，第一平均展示量大于或等于第六系數(shù)與第二平均展示量的乘積、且、第一平均點擊量小于或等于第七系數(shù)與第一平均點擊量的乘積、且、第一點擊率小于或等于第八系數(shù)與第一點擊率的乘積時，對所述關鍵詞的匹配模式生成逆向優(yōu)化的優(yōu)化建議信息。

在本發(fā)明實施例中，所述匹配模式可以包括如下的一種或多種：

精確匹配、短語匹配、廣泛匹配；

正向優(yōu)化為由精確匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為廣泛匹配；

逆向優(yōu)化為由廣泛匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為精確匹配。

在實際應用中，所述一個或多個賬號的關鍵詞，在所述時間段內(nèi)未修改過匹配模式。

對于裝置實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。

在此提供的算法和顯示不與任何特定計算機、虛擬系統(tǒng)或者其它設備固有相關。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構造這類系統(tǒng)所要求的結構是顯而易見的。此外，本發(fā)明也不針對任何特定編程語言。應當明白，可以利用各種編程語言實現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對特定語言所做的描述是為了披露本發(fā)明的最佳實施方式。

在此處所提供的說明書中，說明了大量具體細節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細節(jié)的情況下實踐。在一些實例中，并未 詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。

類似地，應當理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應將該公開的方法解釋成反映如下意圖：即所要求保護的本發(fā)明要求比在每個權利要求中所明確記載的特征更多的特征。更確切地說，如下面的權利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權利要求書由此明確地并入該具體實施方式，其中每個權利要求本身都作為本發(fā)明的單獨實施例。

本領域那些技術人員可以理解，可以對實施例中的設備中的模塊進行自適應性地改變并且把它們設置在與該實施例不同的一個或多個設備中?？梢园褜嵤├械哪K或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領域的技術人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實施例。例如，在下面的權利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個部件實施例可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本領域的技術人員應當理解，可以在實踐中使用微處理器或者數(shù)字信號處理器(DSP)來實現(xiàn)根據(jù)本發(fā)明實施例的針對關鍵詞的匹配模式生成優(yōu)化建議的設備中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實現(xiàn)為用于執(zhí)行這里所描述的 方法的一部分或者全部的設備或者裝置程序(例如，計算機程序和計算機程序產(chǎn)品)。這樣的實現(xiàn)本發(fā)明的程序可以存儲在計算機可讀介質上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。

應該注意的是上述實施例對本發(fā)明進行說明而不是對本發(fā)明進行限制，并且本領域技術人員在不脫離所附權利要求的范圍的情況下可設計出替換實施例。在權利要求中，不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞“包含”不排除存在未列在權利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現(xiàn)。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。

本發(fā)明實施例公開了A1、一種針對關鍵詞的匹配模式生成優(yōu)化建議的方法，包括：

計算在一時間段內(nèi)一個或多個賬號的關鍵詞、通過一匹配模式觸發(fā)業(yè)務對象時的原始統(tǒng)計數(shù)據(jù)；

對所述一個或多個賬號進行聚類，獲得一個或多個類別；

在所述類別中，根據(jù)所述原始統(tǒng)計數(shù)據(jù)按照匹配模式計算所述關鍵詞觸發(fā)業(yè)務對象時的類別統(tǒng)計數(shù)據(jù)；

根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息。

A2、如A1所述的方法，所述原始統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第一平均展示量、第一平均點擊量、第一平均消耗量、第一點擊率。

A3、如A1或A2所述的方法，所述對所述一個或多個賬號進行聚類，獲得一個或多個類別的步驟包括：

按照所述關鍵詞所屬的類目對所述一個或多個賬號進行聚類，獲得第一 類別；

在所述第一類別中，按照所述關鍵詞所屬的區(qū)域對對所述一個或多個賬號進行聚類，獲得第二類別；

在所述第二類別中，按照消耗量對所述一個或多個賬號進行聚類，獲得第三類別。

A4、如A2所述的方法，在某一類別的某一匹配模式下的類別統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第二平均展示量、第二平均點擊量、第二平均消耗量、第二點擊率。

A5、如A4所述的方法，所述根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息的步驟包括：

當?shù)谝黄骄故玖啃∮诨虻扔诘谝幌禂?shù)與第二平均展示量的乘積、且、第一平均點擊量大于或等于第二系數(shù)與第二平均點擊量的乘積、且、第一點擊率大于或等于第三系數(shù)與第二點擊率的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

A6、如A4所述的方法，所述根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息的步驟包括：

當?shù)谝黄骄故玖啃∮诨虻扔诘谒南禂?shù)與第二平均展示量、且、第一平均點擊量大于或等于第五系數(shù)與第二平均點擊量的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

A7、如A4所述的方法，所述根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息的步驟包括：

在最高匹配模式下，第一平均展示量大于或等于第六系數(shù)與第二平均展示量的乘積、且、第一平均點擊量小于或等于第七系數(shù)與第一平均點擊量的乘積、且、第一點擊率小于或等于第八系數(shù)與第一點擊率的乘積時，對所述關鍵詞的匹配模式生成逆向優(yōu)化的優(yōu)化建議信息。

A8、如A5或A6或A7所述的方法，所述匹配模式包括如下的一種或多種：

精確匹配、短語匹配、廣泛匹配；

正向優(yōu)化為由精確匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為廣泛匹配；

逆向優(yōu)化為由廣泛匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為精確匹配。

A9、如A1或A2或A4或A5或A6或A7所述的方法，所述一個或多個賬號的關鍵詞，在所述時間段內(nèi)未修改過匹配模式。

本發(fā)明實施例還公開了B10、一種針對關鍵詞的匹配模式生成優(yōu)化建議的裝置，包括：

原始統(tǒng)計數(shù)據(jù)計算模塊，適于計算在一時間段內(nèi)一個或多個賬號的關鍵詞、通過一匹配模式觸發(fā)業(yè)務對象時的原始統(tǒng)計數(shù)據(jù)；

聚類模塊，適于對所述一個或多個賬號進行聚類，獲得一個或多個類別；

類別統(tǒng)計數(shù)據(jù)計算模塊，適于在所述類別中，根據(jù)所述原始統(tǒng)計數(shù)據(jù)按照匹配模式計算所述關鍵詞觸發(fā)業(yè)務對象時的類別統(tǒng)計數(shù)據(jù)；

優(yōu)化建議信息生成模塊，適于根據(jù)相同匹配模式的原始統(tǒng)計數(shù)據(jù)和類別統(tǒng)計數(shù)據(jù)之間的關系，針對所述關鍵詞的匹配模式生成優(yōu)化建議信息。

B11、如B10所述的裝置，所述原始統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第一平均展示量、第一平均點擊量、第一平均消耗量、第一點擊率。

B12、如B10或B11所述的裝置，所述聚類模塊還適于：

按照所述關鍵詞所屬的類目對所述一個或多個賬號進行聚類，獲得第一類別；

在所述第一類別中，按照所述關鍵詞所屬的區(qū)域對對所述一個或多個賬號進行聚類，獲得第二類別；

在所述第二類別中，按照消耗量對所述一個或多個賬號進行聚類，獲得第三類別。

B13、如B11所述的裝置，在某一類別的某一匹配模式下的類別統(tǒng)計數(shù)據(jù)包括如下的一種或多種：

第二平均展示量、第二平均點擊量、第二平均消耗量、第二點擊率。

B14、如B13所述的裝置，所述優(yōu)化建議信息生成模塊還適于：

當?shù)谝黄骄故玖啃∮诨虻扔诘谝幌禂?shù)與第二平均展示量的乘積、且、第一平均點擊量大于或等于第二系數(shù)與第二平均點擊量的乘積、且、第一點擊率大于或等于第三系數(shù)與第二點擊率的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

B15、如B13所述的裝置，所述優(yōu)化建議信息生成模塊還適于：

當?shù)谝黄骄故玖啃∮诨虻扔诘谒南禂?shù)與第二平均展示量、且、第一平均點擊量大于或等于第五系數(shù)與第二平均點擊量的乘積時，對所述關鍵詞的匹配模式生成正向優(yōu)化的優(yōu)化建議信息。

B16、如B13所述的裝置，所述優(yōu)化建議信息生成模塊還適于：

在最高匹配模式下，第一平均展示量大于或等于第六系數(shù)與第二平均展示量的乘積、且、第一平均點擊量小于或等于第七系數(shù)與第一平均點擊量的乘積、且、第一點擊率小于或等于第八系數(shù)與第一點擊率的乘積時，對所述關鍵詞的匹配模式生成逆向優(yōu)化的優(yōu)化建議信息。

B17、如B14或B15或B16所述的裝置，所述匹配模式包括如下的一種或多種：

精確匹配、短語匹配、廣泛匹配；

正向優(yōu)化為由精確匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為廣泛匹配；

逆向優(yōu)化為由廣泛匹配優(yōu)化為短語匹配，或者，由短語匹配優(yōu)化為精確匹配。

B18、如B10或B11或B13或B14或B15或B16所述的裝置，所述一個或多個賬號的關鍵詞，在所述時間段內(nèi)未修改過匹配模式。