基于店铺特征和用户需求的广告转化率预测

发布时间：2023-06-05 01:01

　　针对现有搜索广告转化率预测模型和分类模型未考虑店铺特征和用户需求,为了更好的预测广告的转化率,本文基于店铺特征和用户需求对广告转化率进行预测。以阿里搜索广告为研究对象,提出基于店铺特征和用户需求的数据预分析的特征处理方式,对特征进行预分析,即对用户和店铺的相关特征进行初次预测处理,分别求出转化率,以此作为新特征。XGBoost算法泛化性能高,损失函数同时用到一阶导和二阶导,可以加快优化速度,所以运用该算法构建基于店铺特征和用户需求的阿里搜索广告转化率预测模型和转化率分类模型。通过对比预测结果在对数似然损失(Logarith mic loss,Logless)的指标,该预测模型的正确预测率和正确分类率显著提升。本文使用的特征处理方式能够充分挖掘商品信息,能够更好的实现广告转化率的预测,有利于提高广告的竞争力。

【文章页数】：5 页

【文章目录】：
1 相关理论与证明
    1.1 特征工程概念
    1.2 特征工程常用方法
        1.2.1 数值型数据
        1.2.2 类别型数据
        1.2.3 时间型数据
2 基于XGBoost算法的转化率预测模型和分类模型的构建过程
3 系统实现
    3.1 实验数据
    3.2 实验数据特征处理
        3.2.1 用户信息处理
        3.2.2 广告商品的信息处理
        3.2.3 上下文信息处理
        3.2.4 One-Hot Encoding处理
        3.2.5 基于店铺特征和用户需求的预分析特征处理
4 实验评价与讨论
    4.1 分类预测评估指标
    4.2 实验评价
5 结束语



本文编号：3831371