基于贝叶斯方法的网络广告预测模型研究

发布时间：2017-10-23 20:40

  本文关键词：基于贝叶斯方法的网络广告预测模型研究

  更多相关文章： 搜索引擎广告 点击率 转化率 LASSO方法 Logistic模型 贝叶斯方法

【摘要】：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%.
【关键词】：搜索引擎广告 点击率 转化率 LASSO方法 Logistic模型 贝叶斯方法
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F713.8
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 绪论11-18
• 1.1 选题背景11-12
• 1.2 搜索引擎广告点击率与转化率国内外研究动态12-15
• 1.2.1 搜索引擎广告点击率的研究动态12-15
• 1.2.2 搜索引擎广告转化率的研究动态15
• 1.3 文章的内容及结构安排15-18
• 第2章 相关理论介绍18-23
• 2.1 搜索引擎广告点击率与转化率18
• 2.2 LASSO方法18-19
• 2.3 Logistic模型19-20
• 2.4 贝叶斯估计方法20-22
• 2.5 本章小结22-23
• 第3章 LASSO方法在点击率模型中的应用23-29
• 3.1 引言23
• 3.2 搜索引擎广告点击率的层级贝叶斯模型介绍23-24
• 3.3 基于LASSO变量选择方法的广告点击率模型24-25
• 3.4 实例验证与结果分析25-28
• 3.5 本章总结28-29
• 第4章 基于Logistic模型的广告转化率模型29-35
• 4.1 引言29
• 4.2 广告转化率的Logistic回归模型29-30
• 4.2.1 成本因素模型30
• 4.2.2 广告性质因素模型30
• 4.3 数据介绍30-31
• 4.4 模型结果与分析31-34
• 4.4.1 成本因素模型结果分析31-32
• 4.4.2 广告性质因素模型结果分析32-33
• 4.4.3 转化率模型结果33-34
• 4.5 本章总结34-35
• 第5章 基于贝叶斯方法的广告转化率预测模型35-43
• 5.1 引言35
• 5.2 搜索引擎广告转化率贝叶斯模型35-38
• 5.2.1 广告转化率的图模型35-36
• 5.2.2 广告转化率模型的综述形式36-37
• 5.2.3 成本因素对转化率的影响37
• 5.2.4 广告性质因素对转化率的影响37-38
• 5.2.5 完善预测转化率的贝叶斯模型38
• 5.3 数据介绍38-39
• 5.4 模型结果39-41
• 5.4.1 模型计算的相关步骤39-40
• 5.4.2 先验分布结果40
• 5.4.3 模型的精度比较40-41
• 5.5 本章总结41-43
• 结论与展望43-45
• 参考文献45-49
• 致谢49-50
• 攻读学位期间论文发表情况50-51
• 附录51-53

【相似文献】

中国期刊全文数据库 前10条

1 闵素芹;李群;;分层线性模型中的经验贝叶斯与完全贝叶斯方法及其比较[J];统计与决策;2010年11期

2 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[J];内蒙古财经学院学报;2011年04期

3 徐立;;预案分析的贝叶斯网络方法[J];价值工程;2012年08期

4 张晖;贝叶斯方法在证券市场中的应用[J];浙江统计;1996年10期

5 黄晓榕;;经济信息价格评估以及贝叶斯方法的应用[J];莆田学院学报;2006年01期

6 冯为民;朱俊;李嘉荣;;贝叶斯方法在房地产风险决策中的应用研究[J];重庆建筑大学学报;2006年02期

7 钱正培;贺学强;;公司信用风险研究的贝叶斯方法[J];兰州学刊;2010年09期

8 胡学锋;论贝叶斯方法在我国城乡储蓄存款统计预测中的应用[J];财经理论与实践;1991年04期

9 邹林全;贝叶斯方法在会计决策中的应用[J];常州技术师范学院学报;1998年04期

10 钟诚;;贝叶斯方法在房地产风险决策中的应用[J];时代经贸(中旬刊);2007年SA期

中国重要会议论文全文数据库 前10条

1 David Z.D'Argenio;;贝叶斯方法在实验室研究向临床的转化以及辨识隐含亚群体中的应用(英文)[A];中国药理学会临床药理学专业委员会会议暨第十次全国临床药理学学术会议论文集[C];2007年

2 姜峰;高文;姚鸿勋;;贝叶斯网络的推理和学习[A];全国网络与信息安全技术研讨会'2005论文集（下册）[C];2005年

3 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

4 周桃庚;沙定国;;贝叶斯可靠性序贯验证试验方法[A];中国仪器仪表学会第三届青年学术会议论文集（下）[C];2001年

5 陈晓怀;程真英;刘春山;;动态测量误差的贝叶斯建模预报[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 杜鹏英;罗小平;何志明;;贝叶斯网络的发展及理论应用[A];第三届全国虚拟仪器大会论文集[C];2008年

7 杨丽;武海滨;李康;;无金标准诊断试验评价的贝叶斯方法及应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

8 宁鹏达;;贝叶斯方法在风险投资项目决策中的应用[A];第四届中国科学学与科技政策研究会学术年会论文集（Ⅰ）[C];2008年

9 朱永生;;贝叶斯方法确定泊松变量的置信上限[A];中国物理学会高能物理分会第七届学术年会实验分会场论文集[C];2006年

10 王增忠;柳玉杰;施建刚;;建筑工程项目全寿命安全管理决策的贝叶斯方法[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 阚英男;基于网格近似法的数控机床贝叶斯可靠性评估研究[D];吉林大学;2015年

2 翟胜;基于贝叶斯网络的复杂系统可靠分析方法研究与应用[D];天津工业大学;2016年

3 刘瑞;基于贝叶斯网络的洪水灾害风险评估与建模研究[D];华东师范大学;2016年

4 张润梅;基于贝叶斯网络的复杂系统因果关系研究[D];合肥工业大学;2015年

5 李艳颖;贝叶斯网络学习及数据分类研究[D];西安电子科技大学;2015年

6 贾海洋;贝叶斯网学习若干问题研究[D];吉林大学;2008年

7 黄友平;贝叶斯网络研究[D];中国科学院研究生院（计算技术研究所）;2005年

8 朱允刚;贝叶斯网学习中若干问题研究及其在信息融合中的应用[D];吉林大学;2012年

9 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年

10 李小琳;面向智能数据处理的贝叶斯网络研究与应用[D];吉林大学;2005年

中国硕士学位论文全文数据库 前10条

1 张路路;贝叶斯网络系统可靠性分析及故障诊断方法研究[D];山东建筑大学;2015年

2 徐冰;基于贝叶斯网络的传染病时空预警模型研究[D];长安大学;2015年

3 李艳强;基于不确定理论的酸洗线和镀锌线的视情维修策略研究[D];河北工程大学;2015年

4 王芸;贝叶斯AGARCH模型在我国商业银行利率风险度量中的应用[D];南京财经大学;2015年

5 侯欢欢;基于贝叶斯网络城市埋地燃气管线风险评价研究[D];首都经济贸易大学;2015年

6 王宇;贝叶斯参数更新在可靠性分析中的应用[D];南京航空航天大学;2014年

7 李福伟;贝叶斯压缩感知理论与技术[D];电子科技大学;2015年

8 李景囡;基于依赖分析的贝叶斯网络结构学习算法研究[D];西安电子科技大学;2014年

9 杨祥睿;基于贝叶斯网络的船撞桥风险评估研究[D];重庆交通大学;2015年

10 汤玉利;贝叶斯反问题的MAP估计及其一致性[D];上海交通大学;2015年

，

本文编号：1085305