社交网络是当今互联网上最流行的应用之一,涵盖了大多数以用户为核心的网络服务形式。随着各类社交网络应用的普及,其用户多、传播快、成本低、影响大、互动强的营销优势,吸引了各类广告主的注意。广告主可利用个性化推荐、影响最大化、博弈论等方法有效地提高其在社交网络营销活动中的收益。本文针对广告主在社交网络营销中的不同需求,利用协同过滤算法、影响最大化算法以及博弈论等方法为广告主分别制定了个性化推荐策略、特定主题营销信息影响最大化策略、多社交网络营销信息影响最大化策略以及合作营销最优投资策略。首先本文提出了基于社交用户兴趣资料的协同过滤算法个性化推荐策略。该策略充分利用社交网络上的用户数据构建社交用户兴趣资料,进一步将社交用户兴趣资料的相似性结合到协同过滤算法,设计了基于社交用户兴趣资料的协同过滤推荐算法。实验表明该算法能有效提高推荐的精准度。其次本文提出了基于IC-ITUI传播模型下的特定主题信息影响最大化策略。首先提出一种新的传播模型IC-ITUI,并在该模型下求解特定主题信息的影响最大化问题。实验表明,该策略可以帮助广告主找到初始营销种子节点集,最大化营销信息的影响范围。再次本文提出了基于聚合图的多社交网络信息影响最大化策略。该策略依据桥接用户,将多个社交网络聚合成一个网络图,并在该聚合图上对多社交网络信息影响最大化问题进行求解。实验表明,该策略有助于广告主寻找到在多社交网络中初始营销种子节点集,使得广告主的营销信息在多个社交网络获得最大的影响范围。最后本文为广告主制定了基于Stackelberg博弈的合作营销最优投资策略。该策略将广告主与多个社交网络平台合作营销的过程构建成一个单领导者多追随者的Stackelberg博弈模型,提出一个基于平等福利解决方案的算法,使得博弈能够达到Stackelberg均衡,即为广告主以及社交网络平台在合作营销过程中的最优策略,进而帮助广告主在合作营销中获得最大的收益。理论和数值分析表明,相对比于其他策略,该策略可使广告主能够获得更高的收益。