随着互联网广告环境越来越复杂化和动态化,确定最优广告预算水平变得更加困难也更具挑战性。从根本上来说,这需要全面深入地了解互联网广告中的广告响应过程。几十年来,广告与广告响应之间的关系一直是研究热点,引起了学术界和行业界的广泛关注。一方面,从理论的角度,许多动态广告响应模型被开发出来定量描述广告-广告响应关系;另一方面,从经验的角度,广告响应形状得到了检验,特别是针对凹形和S形。本文研究,从这两个方面入手,对互联网广告中的广告-广告响应关系进行探索并提出一种最优预算分配策略,具体内容如下:首先,提出Vidale-Wolfe模型的一个一般化形式（称为GVW模型）。建模工作的关键要素之一是GVW模型包含两个有用的指标,分别代表广告弹性和口碑效应。根据已有研究,广告弹性和Wo M效应在互联网广告环境中非常突出,尤其是在电子商务市场。针对GVW模型,本研究讨论了与其有关的一些理论性质,并提出一种基于深度神经网络（DNN）的估计方法来学习其参数。此外,基于三个来自现实广告活动的数据集,进行了计算实验,以验证GVW模型及其相关性质。研究结果表明:（1）广告弹性指标和Wo M指标均对广告响应有显著影响;（2）将这两个指标,其中之一或者两个同时固定为1.0或0.5并不符合现实广告情境;（3）广告弹性指标和Wo M指标对稳定状态下市场份额的影响不同。然后,基于GVW模型对广告响应形状进行实证研究。模型将点击次数作为因变量,广告支出作为主要控制变量,其扩展形式进一步结合了搜索引擎广告中固有的几个重要广告因素作为协变量。基于一个记录了约55000个搜索引擎广告活动历史信息的数据集,本研究对所采用的模型进行了实证校准。实证结果表明:（1）广告响应形状的结果存在两种不同情况,即针对本研究数据集,其更大子集（对应竞争激烈的情况）上的广告响应呈现凹形,而另一个较小子集（对应竞争较弱的情况）上呈现S形;（2）在竞争激烈的情况下,给定某一广告支出水平,对于两个CTR相等或相似的排名,排名靠后的广告比排名靠前的获得更多的点击次数;然而,在竞争较弱的情况下,广告排名对点击次数的影响很小,并且其方向与竞争激烈的情况相反。最后,基于GVW模型将互联网广告中预算分配决策研究构建成一个计划时间范围内的最优控制问题,并提供可行的解决方案。此外,基于两个有关互联网广告的数据集（广告由两家大型电子商务公司投放,其投放平台分别为Google Ad Words和Facebook Ads）,进行计算实验以分析该预算分配模型的性能以及相关性质。实验结果表明:（1）基于GVW模型的最优预算分配策略优于基于VW模型及其扩展模型推导出的最优策略;（2）由两个新添加指标为模型所带来的相对于广告支出的非线性特征,使得GVW模型对复杂广告情境更具适应性;（3）较大的广告弹性（较小的Wo M指标）对应着更高水平的最优预算、相应的市场份额以及更高的广告收益。