基于大數(shù)據(jù)的網(wǎng)絡(luò)廣告精確投放研究

王準(zhǔn)

（廣州工商學(xué)院，廣東 廣州 510850）

基于大數(shù)據(jù)的網(wǎng)絡(luò)廣告精確投放研究

王準(zhǔn)

（廣州工商學(xué)院，廣東 廣州 510850）

隨著社會(huì)日新月益的發(fā)展，互聯(lián)網(wǎng)在人們生活中得到了普及，人們對(duì)其的使用范圍越來越寬廣，所以，人們逐步進(jìn)入互聯(lián)網(wǎng)的大數(shù)據(jù)時(shí)代.在互聯(lián)網(wǎng)廣告中，借助應(yīng)用大數(shù)據(jù)能夠有效促進(jìn)廣告精準(zhǔn)投放的成效，為網(wǎng)絡(luò)廣告的發(fā)展帶來很大程度的發(fā)展.本文旨在分析基于大數(shù)據(jù)的網(wǎng)絡(luò)廣告精確投放的平臺(tái)、算法、系統(tǒng)模型等，為實(shí)現(xiàn)廣告精準(zhǔn)投放提供借鑒.

大數(shù)據(jù)；網(wǎng)絡(luò)廣告；精確投放

大數(shù)據(jù)非常具有影響力，能夠給人們的生產(chǎn)和生活帶來諸多的改變，因此，大家深有體會(huì)大數(shù)據(jù)時(shí)代給人們所帶來的影響，使得大數(shù)據(jù)時(shí)代已成事實(shí).在電子商務(wù)以及網(wǎng)絡(luò)的快速發(fā)展中，大數(shù)據(jù)作用越來越凸顯，使得網(wǎng)絡(luò)廣告方面也發(fā)生一定的改變，在現(xiàn)代大數(shù)據(jù)快速發(fā)展的時(shí)代中，憑借以往經(jīng)驗(yàn)決策的時(shí)代早已成為過去，現(xiàn)在靠的是迅速、準(zhǔn)確找到用戶的特點(diǎn)、需求，進(jìn)而提高廣告投放的準(zhǔn)確度.所以，隨著數(shù)字信息化的發(fā)展和對(duì)各類客戶的行為數(shù)據(jù)等方面進(jìn)行不斷的積累，大數(shù)據(jù)將賦予網(wǎng)絡(luò)廣告精確投放將會(huì)更上一個(gè)臺(tái)階.

1 對(duì)網(wǎng)絡(luò)廣告的數(shù)據(jù)管理平臺(tái)進(jìn)行構(gòu)建

數(shù)據(jù)管理平臺(tái)，簡(jiǎn)稱DMP，是集中分析上網(wǎng)數(shù)據(jù)的平臺(tái)，能夠定向推送服務(wù)廣告，并且功能明顯.DMP關(guān)乎能否提取用戶上網(wǎng)行為的特點(diǎn)，如果沒有DMP，就沒有用戶行為特點(diǎn)與廣告相匹配，定向廣告無法實(shí)現(xiàn).所以，在網(wǎng)絡(luò)定向廣告的推動(dòng)中，數(shù)據(jù)管理平臺(tái)所發(fā)揮作用非常重要.同時(shí)，DMP是DSP的核心，能夠管控廣告代理商和廣告商家對(duì)大眾數(shù)據(jù)進(jìn)行有效管控，借助這些數(shù)據(jù)，進(jìn)而有效實(shí)現(xiàn)廣告計(jì)劃的管理和媒體購(gòu)買.

1.1 對(duì)用戶數(shù)據(jù)進(jìn)行預(yù)處理

每天有批量人員進(jìn)行網(wǎng)絡(luò)操作，所以用戶將產(chǎn)生眾多的網(wǎng)絡(luò)日志文件，因此，對(duì)用戶網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行處理，主要是利用DMP在Hadoop集群的基礎(chǔ)進(jìn)行處理，對(duì)Web日志進(jìn)行預(yù)處理工作主要包括截取關(guān)鍵字段和識(shí)別獨(dú)立用戶兩個(gè)方面，預(yù)處理之后，web日志就變成規(guī)范的數(shù)據(jù).借助關(guān)鍵字段截取功能，對(duì)海量的日志文件進(jìn)行有目的性的截取，從而降低運(yùn)行成本的開銷.截取字段可以包括用戶訪問網(wǎng)址、ip地址以及訪問時(shí)間等方面的信息.這些web日志經(jīng)過預(yù)處理后，將轉(zhuǎn)變?yōu)橐?guī)范化的數(shù)據(jù)，由關(guān)鍵字段組成，主要包括訪問網(wǎng)址、時(shí)間以及標(biāo)識(shí)等方面，這些將有利于對(duì)用戶行為進(jìn)行針對(duì)性的分析.

1.2 對(duì)用戶行為特征進(jìn)行分析

用戶行為特征分析作為DMP的關(guān)鍵部分，主要任務(wù)是對(duì)用戶上網(wǎng)的行為數(shù)據(jù)借助一定的方式方法進(jìn)行有效的分析，進(jìn)而得到用戶興趣的數(shù)據(jù)統(tǒng)計(jì).其具體流程如圖1所示.

圖1 用戶行為特征分析流程圖

1.3 更新用戶特征的數(shù)據(jù)

數(shù)據(jù)更新指的是要隨著時(shí)間的改變更新用戶興趣特征方面的數(shù)據(jù)，而且這非常有必要，因?yàn)?，用戶?huì)隨著時(shí)間的延長(zhǎng)，興趣行為特征有可能進(jìn)行改變.比如：一個(gè)女士用戶在雙十一的時(shí)候想購(gòu)買一條牛仔褲，因此，瀏覽網(wǎng)頁(yè)都是牛仔褲方面的網(wǎng)頁(yè)，但是，當(dāng)她購(gòu)買完成這個(gè)牛仔褲后，下次再瀏覽網(wǎng)頁(yè)的時(shí)候，就不會(huì)再繼續(xù)瀏覽與牛仔褲相關(guān)的網(wǎng)頁(yè)，而是失去了購(gòu)買的興趣，經(jīng)過一段時(shí)間，該女士又想購(gòu)買外套，所以又瀏覽了和外套相關(guān)的網(wǎng)頁(yè)，所以，興趣特征發(fā)生改變，如果不第一時(shí)間將此數(shù)據(jù)進(jìn)行更新，將會(huì)對(duì)推送廣告與用戶興趣產(chǎn)生差距.因此，用戶數(shù)據(jù)特征的及時(shí)更新反應(yīng)著DMP的優(yōu)劣.

2 網(wǎng)絡(luò)廣告精確投放的算法

2.1 建立向量空間模型

在對(duì)用戶進(jìn)行網(wǎng)頁(yè)瀏覽的過程進(jìn)行興趣行為的特征分析的時(shí)候，用戶行為的特征不同，那么所對(duì)應(yīng)的關(guān)鍵詞的重要性也不盡相同，以往的向量空間的模型不能計(jì)算這種差異性的要求，所以，對(duì)此空間向量模型進(jìn)行優(yōu)化、改進(jìn)，分析用戶瀏覽行為進(jìn)行分析，重新權(quán)衡用戶興趣行為特征的關(guān)鍵性的重要性，盡量接近用戶表現(xiàn)出來的興趣愛好.例如：一個(gè)用戶進(jìn)行了n中瀏覽行為，而且每一個(gè)都不一樣，且每一個(gè)對(duì)用戶興趣的影響程度均不一致，利用權(quán)重來進(jìn)行區(qū)分，關(guān)鍵詞Wi用ε1,ε2,...εn來表示，n種不同瀏覽行為的權(quán)重用fi1，fi2，…Fin來表示，那么，用戶有效瀏覽n個(gè)文檔時(shí)行為特征的關(guān)鍵詞用出現(xiàn)的詞的頻率，在傳統(tǒng)向量空間模型中tfi為:

優(yōu)化后的權(quán)重計(jì)算方法為：

廣告dj和網(wǎng)頁(yè)di的相似度計(jì)算方法是：

其中w'(wki)表示關(guān)鍵詞wk在網(wǎng)頁(yè)di中的權(quán)重，w'(wkj)表示關(guān)鍵詞wk，在廣告dj中的權(quán)重.

2.2 向量模型的語(yǔ)義擴(kuò)展

本文主要是對(duì)向量空間模型進(jìn)行了語(yǔ)義擴(kuò)展，算法的流程具體如圖2所示.算法首先借助前面優(yōu)化的向量空間模型來計(jì)算用戶興趣模型關(guān)鍵詞的權(quán)重，并對(duì)向量進(jìn)行裁剪，包括m個(gè)權(quán)重最高的關(guān)鍵詞.借助語(yǔ)義關(guān)聯(lián)的工具可以對(duì)關(guān)鍵詞進(jìn)行詞匯擴(kuò)展，利用其同義詞、近義詞以及予以相同的詞.但是用戶興趣新的模型和其擴(kuò)展詞匯沒有直接的關(guān)系，所以，W構(gòu)建與貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)計(jì)算擴(kuò)展詞匯的權(quán)重相似.首先，借助基于中文維基百科分類體系和鏈接結(jié)構(gòu)的多路徑語(yǔ)義相關(guān)度算法計(jì)算關(guān)鍵詞和擴(kuò)展詞的語(yǔ)義相關(guān)度，然后再利用這一相關(guān)度及關(guān)鍵詞在原用戶興趣模型中的權(quán)重構(gòu)建類貝葉斯網(wǎng)絡(luò)來計(jì)算擴(kuò)展詞在新模型中的權(quán)重.

圖2 向量空間模型擴(kuò)展流程圖

2.3 更新用戶興趣模型

利用向量聚類算法主要是對(duì)向量空間模型進(jìn)行語(yǔ)義擴(kuò)展，然后再按關(guān)鍵詞進(jìn)行聚類，用公式計(jì)算出聚類形成的每個(gè)詞向量簇的權(quán)重WUi，進(jìn)而計(jì)算出每個(gè)詞向量簇的質(zhì)心dQEi，最終用于評(píng)價(jià)廣告和用戶匹配得分的計(jì)算公式是：

其中，詞向量簇質(zhì)心dQEi與廣告ak的相似度Sim(dQEi,ak)用改進(jìn)的向量空間模型計(jì)算.廣告和每個(gè)興趣簇質(zhì)也都有一個(gè)得分，選取值最大的作為該廣告的最終得分.按照這個(gè)得分對(duì)待投放的廣告進(jìn)行排序并將得分最高的廣告投放給用戶.

因?yàn)閮?nèi)容定向精確投放廣告的算法僅僅是選取了網(wǎng)頁(yè)的一些關(guān)鍵詞并按照網(wǎng)頁(yè)的主題去投放廣告，該方法基于網(wǎng)頁(yè)種的內(nèi)容，并未有效挖掘用戶的興趣和喜好，因此廣告的投放效果不是很理想，常常投放的廣告對(duì)于用戶而言并不感興趣.文章提出一個(gè)建立在用戶瀏覽行為基礎(chǔ)上的廣告精確投放算法，這種算法在提取用戶瀏覽網(wǎng)頁(yè)所用關(guān)鍵詞的同時(shí)還考慮到各種瀏覽行為的特點(diǎn)對(duì)關(guān)鍵詞所形成的影響，任一瀏覽行為其所相應(yīng)的瀏覽內(nèi)容均有不一樣的權(quán)重，在特性分析的同時(shí)對(duì)傳統(tǒng)的向量空間模型予以改進(jìn)，從而使向量空間模型可以更為準(zhǔn)確的體現(xiàn)出用戶的興趣.不過改進(jìn)的向量空間模型與廣告間仍然有一定的語(yǔ)義失配，故而要運(yùn)用語(yǔ)義關(guān)聯(lián)工具對(duì)可體現(xiàn)用戶興趣的關(guān)鍵詞予以詞匯上的擴(kuò)展并計(jì)算出其權(quán)重.考慮到這個(gè)問題，文章先提出在維基百科基礎(chǔ)上的多路徑語(yǔ)義的算法，用來計(jì)算關(guān)鍵詞及其擴(kuò)展詞的相關(guān)度，繼而結(jié)合用戶的興趣和關(guān)鍵詞的相關(guān)性以及關(guān)鍵詞和擴(kuò)展詞的巧關(guān)性，構(gòu)建出一個(gè)很像貝葉斯網(wǎng)絡(luò)的模型去計(jì)算擴(kuò)展詞的權(quán)重.

3 網(wǎng)絡(luò)廣告精確投放系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)

3.1 需求分析

目前的網(wǎng)絡(luò)廣告投放主要有下面3種形式：

（1）傳統(tǒng)媒體，這種投放形式是依據(jù)時(shí)間的長(zhǎng)短在媒體上買廣告位，該模式的投放成本非常大，而且資源比較分散，往往不可有針對(duì)性的尋得目標(biāo)受眾.

（2）網(wǎng)絡(luò)聯(lián)盟，通過該投放方式，廣告主以及代理商能夠依次買到一百家以上媒體，能夠執(zhí)行跨媒體的頻次控制，其長(zhǎng)處是投入的成本比較低，而且曝光度較足，其短板是廣告常常出現(xiàn)于一些小型網(wǎng)站中，對(duì)品牌的影響力很有限，僅可按網(wǎng)站本身的屬性進(jìn)行初步的定向.

（3）需求方平臺(tái)DSP，通過這個(gè)平臺(tái)，廣告主可以借助交易平臺(tái)去購(gòu)買受眾.它借助cookie分析人群的行業(yè)習(xí)慣以及個(gè)人特點(diǎn)，從而把廣告精確的投放至最需要的用戶，這種方式的用戶覆蓋面非常廣，其投放的成本也很低，且投放的效果比較好，發(fā)展前景非常廣闊.

3.2 總體流程設(shè)計(jì)

本系統(tǒng)主要是對(duì)用戶興趣行為進(jìn)行分析，然后定向廣告投放算法進(jìn)行分析，然后針對(duì)用戶的興趣行為特征選擇相關(guān)的廣告，匹配度高，讓廣告交易平臺(tái)參與廣告的競(jìng)價(jià).系統(tǒng)W能夠通過對(duì)用戶的興趣分析，能夠?qū)崿F(xiàn)廣告的精準(zhǔn)投放，很大程度上提高了廣告投放的成效，在增加廣告收入的基礎(chǔ)上，實(shí)現(xiàn)了多方的共贏.系統(tǒng)的總體流程設(shè)計(jì)如圖3所示.

圖3 網(wǎng)絡(luò)廣告精確投放系統(tǒng)流程圖

3.3 功能模塊設(shè)計(jì)

按照模塊功能，可以將精準(zhǔn)廣告投放系統(tǒng)的原型DP分為：廣告模塊、用戶信息處理模塊及系統(tǒng)管理員模塊，其中，廣告投放系統(tǒng)按照模塊功能可用圖4來表示.

圖4 網(wǎng)絡(luò)廣告精確投放系統(tǒng)模塊圖

3.4 廣告投放的效果

本文設(shè)置投放次數(shù)10萬(wàn)次，手機(jī)廣告以及汽車廣告均是10萬(wàn)次的投放次數(shù)，分別利用大數(shù)據(jù)網(wǎng)絡(luò)廣告的投放方式和傳統(tǒng)方式進(jìn)行投放，對(duì)投放效果進(jìn)行量化，可以采用廣告點(diǎn)擊率的方式，結(jié)果顯示，在用戶瀏覽行為的基礎(chǔ)上，大數(shù)據(jù)的廣告精確投放算法能夠充分挖掘用戶的興趣行為特征，能夠?qū)Υ送斗排c之相近的廣告，雖然投放的次數(shù)與傳統(tǒng)的投放次數(shù)有所減少，但是投放廣告的點(diǎn)擊率和有效率得到了提高，即有效投放，投其所好，較傳統(tǒng)投放，點(diǎn)擊率提高了一倍多，成效明顯.

4 結(jié)語(yǔ)

綜上，文章首先對(duì)網(wǎng)絡(luò)廣告數(shù)據(jù)管理平臺(tái)如何構(gòu)建進(jìn)行了概述，結(jié)合目前網(wǎng)絡(luò)廣告投放不能夠夠精確表達(dá)用戶興趣等方面的問題，提出了基于用戶興趣瀏覽行為大數(shù)據(jù)的廣告精確投放算法，并在此基礎(chǔ)上建立了定向廣告投放系統(tǒng)模型，形成網(wǎng)絡(luò)廣告精確投放系統(tǒng)，進(jìn)而實(shí)現(xiàn)了廣告精準(zhǔn)投放的目標(biāo).

〔1〕俞淑平，陳剛.一種髙效的行為定向廣告投放算法[J].計(jì)算機(jī)應(yīng)用與軟件，2011,28(1):4-7.

〔2〕施燦燦.網(wǎng)絡(luò)定向廣告中用戶興趣模型研究應(yīng)用[D].合肥工業(yè)大學(xué)，2013.22-30.

〔3〕周蒙.面向互聯(lián)網(wǎng)用戶的個(gè)性化廣告推送服務(wù)研究[D].上海：東華大學(xué)，2014.22-29.

〔4〕李志.互聯(lián)網(wǎng)廣告精準(zhǔn)投放平臺(tái)的研究[D].武漢華中師范大學(xué),2013.5-6.

〔5〕王中華.網(wǎng)絡(luò)廣告模式現(xiàn)存問題及解決思路探討[J].經(jīng)濟(jì)研究導(dǎo)刊,2010(1):22-25.

〔6〕劉鐵巖.方興未艾的計(jì)算廣告學(xué)[J].中國(guó)作者姓名.

F713

A

1673-260X（2017）01-0100-03

2016-10-27

2015年廣東省教育廳重點(diǎn)平臺(tái)及科研項(xiàng)目（青年創(chuàng)新人才類項(xiàng)目（No.2015KQNCX196））；2016年廣東省高等教育學(xué)會(huì)高職高專云計(jì)算與大數(shù)據(jù)專業(yè)委員會(huì)課題（No.GDYJSKT16-06）