论文部分内容阅读
与传统的媒体营销模式相比,搜索引擎广告以其低投入、高回报的优势很快成为各个企业进行品牌推广与产品销售的首选渠道.如何提高广告的点击率与转化率成为国内外学者们研究的热点.针对这一问题,本文具体研究内容和结果如下:首先,对已有的搜索引擎广告点击率层级贝叶斯模型研究,缺乏有效处理广告数据稀疏性和高维性的模型,使预测结果的准确性大打折扣.本文构建了一种基于LASSO变量选择方法的广告点击率预测模型,利用某公司的竞价数据对模型进行验证,结果表明影响广告点击率的关键因素是广告关键词中的商标信息、地域信息和每点击成本;有效克服现有广告点击率模型在处理数据高维性和稀疏性方面的不足.其次,随着网络购物的兴起,广告主在搜索引擎投放广告时,都会添加下载或购买产品的链接,目的不再是单纯的增加广告的点击率,更重要的是增加产品的转化率.由此,提出了预测广告转化率的Logistic回归模型,该模型考虑了广告成本因素和广告性质因素对广告转化率的影响,并分别建立了广告成本因素模型和广告性质因素模型.实例分析表明:广告转化率主要受广告性质因素中地域信息、商标信息及特定产品信息的影响,该结果为广告主制定搜索引擎广告投资策略提供理论依据.最后,在统计推断中,忽略先验信息的推断会导致不合理的结论.所以,在构建广告转化率模型的时候,对已有转化记录的广告,要注重先验信息对转化率的影响.由此,构建广告转化率的图模型,并用贝叶斯方法对图模型进行描述,得到了广告转化率的贝叶斯模型.用实际交易数据得:广告性质因素对广告转化率的影响远大于广告成本因素.同时,通过对比真实数据和用贝叶斯模型预测的结果,得到模型预测的准确率为65.81%.