發(fā)布時間：2017-10-23 20:40

  本文關(guān)鍵詞：基于貝葉斯方法的網(wǎng)絡廣告預測模型研究

  更多相關(guān)文章： 搜索引擎廣告 點擊率 轉(zhuǎn)化率 LASSO方法 Logistic模型 貝葉斯方法

【摘要】：與傳統(tǒng)的媒體營銷模式相比,搜索引擎廣告以其低投入、高回報的優(yōu)勢很快成為各個企業(yè)進行品牌推廣與產(chǎn)品銷售的首選渠道.如何提高廣告的點擊率與轉(zhuǎn)化率成為國內(nèi)外學者們研究的熱點.針對這一問題,本文具體研究內(nèi)容和結(jié)果如下：首先,對已有的搜索引擎廣告點擊率層級貝葉斯模型研究,缺乏有效處理廣告數(shù)據(jù)稀疏性和高維性的模型,使預測結(jié)果的準確性大打折扣.本文構(gòu)建了一種基于LASSO變量選擇方法的廣告點擊率預測模型,利用某公司的競價數(shù)據(jù)對模型進行驗證,結(jié)果表明影響廣告點擊率的關(guān)鍵因素是廣告關(guān)鍵詞中的商標信息、地域信息和每點擊成本；有效克服現(xiàn)有廣告點擊率模型在處理數(shù)據(jù)高維性和稀疏性方面的不足.其次,隨著網(wǎng)絡購物的興起,廣告主在搜索引擎投放廣告時,都會添加下載或購買產(chǎn)品的鏈接,目的不再是單純的增加廣告的點擊率,更重要的是增加產(chǎn)品的轉(zhuǎn)化率.由此,提出了預測廣告轉(zhuǎn)化率的Logistic回歸模型,該模型考慮了廣告成本因素和廣告性質(zhì)因素對廣告轉(zhuǎn)化率的影響,并分別建立了廣告成本因素模型和廣告性質(zhì)因素模型.實例分析表明：廣告轉(zhuǎn)化率主要受廣告性質(zhì)因素中地域信息、商標信息及特定產(chǎn)品信息的影響,該結(jié)果為廣告主制定搜索引擎廣告投資策略提供理論依據(jù).最后,在統(tǒng)計推斷中,忽略先驗信息的推斷會導致不合理的結(jié)論.所以,在構(gòu)建廣告轉(zhuǎn)化率模型的時候,對已有轉(zhuǎn)化記錄的廣告,要注重先驗信息對轉(zhuǎn)化率的影響.由此,構(gòu)建廣告轉(zhuǎn)化率的圖模型,并用貝葉斯方法對圖模型進行描述,得到了廣告轉(zhuǎn)化率的貝葉斯模型.用實際交易數(shù)據(jù)得：廣告性質(zhì)因素對廣告轉(zhuǎn)化率的影響遠大于廣告成本因素.同時,通過對比真實數(shù)據(jù)和用貝葉斯模型預測的結(jié)果,得到模型預測的準確率為65.81%.
【關(guān)鍵詞】：搜索引擎廣告 點擊率 轉(zhuǎn)化率 LASSO方法 Logistic模型 貝葉斯方法
【學位授予單位】：廣西大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F713.8
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 緒論11-18
• 1.1 選題背景11-12
• 1.2 搜索引擎廣告點擊率與轉(zhuǎn)化率國內(nèi)外研究動態(tài)12-15
• 1.2.1 搜索引擎廣告點擊率的研究動態(tài)12-15
• 1.2.2 搜索引擎廣告轉(zhuǎn)化率的研究動態(tài)15
• 1.3 文章的內(nèi)容及結(jié)構(gòu)安排15-18
• 第2章 相關(guān)理論介紹18-23
• 2.1 搜索引擎廣告點擊率與轉(zhuǎn)化率18
• 2.2 LASSO方法18-19
• 2.3 Logistic模型19-20
• 2.4 貝葉斯估計方法20-22
• 2.5 本章小結(jié)22-23
• 第3章 LASSO方法在點擊率模型中的應用23-29
• 3.1 引言23
• 3.2 搜索引擎廣告點擊率的層級貝葉斯模型介紹23-24
• 3.3 基于LASSO變量選擇方法的廣告點擊率模型24-25
• 3.4 實例驗證與結(jié)果分析25-28
• 3.5 本章總結(jié)28-29
• 第4章 基于Logistic模型的廣告轉(zhuǎn)化率模型29-35
• 4.1 引言29
• 4.2 廣告轉(zhuǎn)化率的Logistic回歸模型29-30
• 4.2.1 成本因素模型30
• 4.2.2 廣告性質(zhì)因素模型30
• 4.3 數(shù)據(jù)介紹30-31
• 4.4 模型結(jié)果與分析31-34
• 4.4.1 成本因素模型結(jié)果分析31-32
• 4.4.2 廣告性質(zhì)因素模型結(jié)果分析32-33
• 4.4.3 轉(zhuǎn)化率模型結(jié)果33-34
• 4.5 本章總結(jié)34-35
• 第5章 基于貝葉斯方法的廣告轉(zhuǎn)化率預測模型35-43
• 5.1 引言35
• 5.2 搜索引擎廣告轉(zhuǎn)化率貝葉斯模型35-38
• 5.2.1 廣告轉(zhuǎn)化率的圖模型35-36
• 5.2.2 廣告轉(zhuǎn)化率模型的綜述形式36-37
• 5.2.3 成本因素對轉(zhuǎn)化率的影響37
• 5.2.4 廣告性質(zhì)因素對轉(zhuǎn)化率的影響37-38
• 5.2.5 完善預測轉(zhuǎn)化率的貝葉斯模型38
• 5.3 數(shù)據(jù)介紹38-39
• 5.4 模型結(jié)果39-41
• 5.4.1 模型計算的相關(guān)步驟39-40
• 5.4.2 先驗分布結(jié)果40
• 5.4.3 模型的精度比較40-41
• 5.5 本章總結(jié)41-43
• 結(jié)論與展望43-45
• 參考文獻45-49
• 致謝49-50
• 攻讀學位期間論文發(fā)表情況50-51
• 附錄51-53

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 閔素芹;李群;;分層線性模型中的經(jīng)驗貝葉斯與完全貝葉斯方法及其比較[J];統(tǒng)計與決策;2010年11期

2 丁東洋;劉希陽;;風險分析中的穩(wěn)健貝葉斯方法[J];內(nèi)蒙古財經(jīng)學院學報;2011年04期

3 徐立;;預案分析的貝葉斯網(wǎng)絡方法[J];價值工程;2012年08期

4 張暉;貝葉斯方法在證券市場中的應用[J];浙江統(tǒng)計;1996年10期

5 黃曉榕;;經(jīng)濟信息價格評估以及貝葉斯方法的應用[J];莆田學院學報;2006年01期

6 馮為民;朱俊;李嘉榮;;貝葉斯方法在房地產(chǎn)風險決策中的應用研究[J];重慶建筑大學學報;2006年02期

7 錢正培;賀學強;;公司信用風險研究的貝葉斯方法[J];蘭州學刊;2010年09期

8 胡學鋒;論貝葉斯方法在我國城鄉(xiāng)儲蓄存款統(tǒng)計預測中的應用[J];財經(jīng)理論與實踐;1991年04期

9 鄒林全;貝葉斯方法在會計決策中的應用[J];常州技術(shù)師范學院學報;1998年04期

10 鐘誠;;貝葉斯方法在房地產(chǎn)風險決策中的應用[J];時代經(jīng)貿(mào)(中旬刊);2007年SA期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 David Z.D'Argenio;;貝葉斯方法在實驗室研究向臨床的轉(zhuǎn)化以及辨識隱含亞群體中的應用(英文)[A];中國藥理學會臨床藥理學專業(yè)委員會會議暨第十次全國臨床藥理學學術(shù)會議論文集[C];2007年

2 姜峰;高文;姚鴻勛;;貝葉斯網(wǎng)絡的推理和學習[A];全國網(wǎng)絡與信息安全技術(shù)研討會'2005論文集（下冊）[C];2005年

3 丁東洋;劉希陽;;風險分析中的穩(wěn)健貝葉斯方法[A];2011年全國電子信息技術(shù)與應用學術(shù)會議論文集[C];2011年

4 周桃庚;沙定國;;貝葉斯可靠性序貫驗證試驗方法[A];中國儀器儀表學會第三屆青年學術(shù)會議論文集（下）[C];2001年

5 陳曉懷;程真英;劉春山;;動態(tài)測量誤差的貝葉斯建模預報[A];第二屆全國信息獲取與處理學術(shù)會議論文集[C];2004年

6 杜鵬英;羅小平;何志明;;貝葉斯網(wǎng)絡的發(fā)展及理論應用[A];第三屆全國虛擬儀器大會論文集[C];2008年

7 楊麗;武海濱;李康;;無金標準診斷試驗評價的貝葉斯方法及應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

8 寧鵬達;;貝葉斯方法在風險投資項目決策中的應用[A];第四屆中國科學學與科技政策研究會學術(shù)年會論文集（Ⅰ）[C];2008年

9 朱永生;;貝葉斯方法確定泊松變量的置信上限[A];中國物理學會高能物理分會第七屆學術(shù)年會實驗分會場論文集[C];2006年

10 王增忠;柳玉杰;施建剛;;建筑工程項目全壽命安全管理決策的貝葉斯方法[A];中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學研究會第七屆全國會員代表大會暨第七屆中國管理科學學術(shù)年會論文集[C];2005年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 闞英男;基于網(wǎng)格近似法的數(shù)控機床貝葉斯可靠性評估研究[D];吉林大學;2015年

2 翟勝;基于貝葉斯網(wǎng)絡的復雜系統(tǒng)可靠分析方法研究與應用[D];天津工業(yè)大學;2016年

3 劉瑞;基于貝葉斯網(wǎng)絡的洪水災害風險評估與建模研究[D];華東師范大學;2016年

4 張潤梅;基于貝葉斯網(wǎng)絡的復雜系統(tǒng)因果關(guān)系研究[D];合肥工業(yè)大學;2015年

5 李艷穎;貝葉斯網(wǎng)絡學習及數(shù)據(jù)分類研究[D];西安電子科技大學;2015年

6 賈海洋;貝葉斯網(wǎng)學習若干問題研究[D];吉林大學;2008年

7 黃友平;貝葉斯網(wǎng)絡研究[D];中國科學院研究生院（計算技術(shù)研究所）;2005年

8 朱允剛;貝葉斯網(wǎng)學習中若干問題研究及其在信息融合中的應用[D];吉林大學;2012年

9 董立巖;貝葉斯網(wǎng)絡應用基礎(chǔ)研究[D];吉林大學;2007年

10 李小琳;面向智能數(shù)據(jù)處理的貝葉斯網(wǎng)絡研究與應用[D];吉林大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張路路;貝葉斯網(wǎng)絡系統(tǒng)可靠性分析及故障診斷方法研究[D];山東建筑大學;2015年

2 徐冰;基于貝葉斯網(wǎng)絡的傳染病時空預警模型研究[D];長安大學;2015年

3 李艷強;基于不確定理論的酸洗線和鍍鋅線的視情維修策略研究[D];河北工程大學;2015年

4 王蕓;貝葉斯AGARCH模型在我國商業(yè)銀行利率風險度量中的應用[D];南京財經(jīng)大學;2015年

5 侯歡歡;基于貝葉斯網(wǎng)絡城市埋地燃氣管線風險評價研究[D];首都經(jīng)濟貿(mào)易大學;2015年

6 王宇;貝葉斯參數(shù)更新在可靠性分析中的應用[D];南京航空航天大學;2014年

7 李福偉;貝葉斯壓縮感知理論與技術(shù)[D];電子科技大學;2015年

8 李景囡;基于依賴分析的貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法研究[D];西安電子科技大學;2014年

9 楊祥睿;基于貝葉斯網(wǎng)絡的船撞橋風險評估研究[D];重慶交通大學;2015年

10 湯玉利;貝葉斯反問題的MAP估計及其一致性[D];上海交通大學;2015年

，

本文編號：1085305