【正文】 實例集上的一個樣本 Xl=x1,X2=x2,……,Xn=xn 。 樸素貝葉斯的分類原理如下 ： : (l)令隨機變量 C 表示一個實例的類屬性， C 的取值范圍為 {c1,c2,…,cm} 。樸素貝葉斯分類器最早在 1973 年就被 Dude 和 Hart 兩人提出，但是由于不現(xiàn)實的條件獨立性假設(shè)，當時并不被人們所看好，而僅僅是作為復(fù)雜分類算法研究的比較對象。樸素貝葉斯分類算法是貝葉斯方法中最簡單的一個方法，它具有很強的條件 獨立性假設(shè)。 （ 2）貝葉斯分類算法是建立在貝葉斯統(tǒng)計學(xué)和貝葉斯網(wǎng)絡(luò)基礎(chǔ)上，是一種最優(yōu)分類模型?，F(xiàn)在數(shù)據(jù)挖掘領(lǐng)域已經(jīng)開始使用 SVM 原理，構(gòu)造一些數(shù)據(jù)預(yù)處理算法及挖掘算法。 SVM 的復(fù)雜度與實例 集的維數(shù)無關(guān)，適合于兩分類問題和線性不可分問題。支持矢量機 (SVM)是根據(jù)統(tǒng)計學(xué)習理論提出的一種新的學(xué)習方法 ,近來受到國際學(xué)術(shù)界的重視。各神經(jīng)元之間的強度用權(quán)值表示。神經(jīng)網(wǎng)絡(luò)分類器輸入層的神經(jīng)元個數(shù)等于樣本的屬性數(shù)，輸出層就是分類判決層，它的神經(jīng)元的個數(shù)等于樣本類數(shù)，輸出為離散值 1 和一 1(或 0)，分別代表輸入模式的類別。給定足夠多的隱藏單元，多層前饋神經(jīng)網(wǎng)絡(luò)可以逼近任何函數(shù)。如果其權(quán)都不回送到輸入單元或前一層的輸X1 輸入層 隱藏層 輸出層 Xn X2 Wi Wj Oi Ok 圖 15 多層前饋網(wǎng)絡(luò)實例圖 17 出單元，我們稱網(wǎng)絡(luò)是前饋的。 圖 15 所示的多層神經(jīng)網(wǎng)絡(luò)具有一個隱藏層，我們稱之為兩層神經(jīng)網(wǎng)絡(luò)。多層前饋網(wǎng) 絡(luò)是神經(jīng)網(wǎng)絡(luò)算法中應(yīng)用最廣的分類結(jié)構(gòu)。 不同的算法可以建立不同的用戶特征模型， 目前， 有很多常用的 數(shù)據(jù)挖掘分類方法，本文主要 介紹 神經(jīng)網(wǎng)絡(luò) 分類算法和貝葉斯分類算法。這些數(shù)據(jù)為當前 互聯(lián)網(wǎng)的 廣告營銷 活動 提供了有力的 依據(jù)， 服務(wù)器 根據(jù)用戶的歷史數(shù)據(jù)， 可以 判斷出 用戶的瀏覽 習慣 和行為偏好 ， 進而 分析 出 用戶可能的身份 信息 和消費能力， 若數(shù)據(jù) 量足夠 ，甚至可以精 確 的判斷 出用戶的年齡段、性別、 消費習慣等 信息 ， 這些信息為廣告主確定目標受眾，投放精準廣 告 提供了 可靠的依據(jù) 。當我們打開任何一個文本文件時，發(fā)現(xiàn)里面 顯示的 都是一 些無意義的亂碼，因為這些 Cookies 數(shù)據(jù)都經(jīng)過 web 站點 嚴格 加密處理 后保存的，只有其所屬的 服務(wù)器 才能 識別。 cookie 一般 被存儲 在瀏覽器 的 目錄下，其格式和路徑如圖 14 所 示： 圖 14 Cookies 存儲路徑及文件保存形式 第二章 RTB 廣告概述 16 上圖文件夾中 可以看到 存有 很多 .txt 文件， 即為 Cookies 數(shù)據(jù) 的基本保存方式。（ 4） Secure 屬性：定義了 Cookies 能否被用戶讀取的屬性。 （ 2）Domain 屬性：這個屬性定義了 Cookies 傳送數(shù)據(jù)的唯一性，只能將 Cookies 信息傳送給唯一指定的某域名。例如， Cookies 的有效期設(shè)置到2021 年 12 月 20 日，該日期后 Cookies 將自動刪除。 每個 cookie 文件 默認包含 5 個主要屬性 。這種 Cookie 定向跟蹤 機制 無 需用戶登錄 網(wǎng)站 ， 只根據(jù) Cookies 數(shù)據(jù)標簽就可以 識別 不同的 用戶，相當于 web 服務(wù)器為 每個用戶 分配了唯一的標識符 ，并 以 Cookies 的 方 式保存在用戶的計算機上，其基本流程圖如下圖示 ： 用戶 每一次 向瀏覽器發(fā)送訪問 網(wǎng)頁 的 請求 時，都會 在 傳遞 HTTP 協(xié)議的頭信息 時，用戶 URL 請求 服務(wù)器響應(yīng) 頭信息 讀入 Cookie 寫入 Web 日志 寫入 Cookie Cookie 存在且有效 否 是 圖 13 Cookies讀寫流程圖 15 包含用戶的 cookies 信息；然后，用戶新產(chǎn)生的 Cookie 信息，再隨著 用戶 打開或 刷新一個網(wǎng)頁， 被 網(wǎng)站服務(wù) 器 添加 在網(wǎng)頁的 HTTP 頭信息中，同網(wǎng)頁數(shù)據(jù)一 起 回傳到客戶終端，并將 cookie 數(shù)據(jù) 保存 到瀏覽器指定的 用戶本地 文件 夾中 。 當用戶 第一次 訪問網(wǎng)站時，網(wǎng)站服務(wù)器會 記錄下該用戶的 Cookies 數(shù)據(jù) 信息， 并保存 在用戶 本地， Cookie 數(shù)據(jù)中會包含 用戶在該網(wǎng)站上 訪問的一些基本行為信息 ， 例 如 在該網(wǎng)站瀏覽了哪些頁面 ， 閱讀了哪些文章，觀看了哪些視頻， 或 是瀏覽了哪些產(chǎn)品 等等。用戶 Cookies 信息是被 存儲在本地的數(shù)據(jù)， 并且 這些 數(shù)據(jù)是經(jīng)過嚴格 加密 后保存的 ，網(wǎng)站 可以 根據(jù)用戶終 端的這些數(shù)據(jù)來 識別 用戶的身份和 過去某段時間周期內(nèi)的操作 行為 [11]。 圖 12 DMP功能展示 第二章 RTB 廣告概述 14 Cookies 的讀寫原理 起 初 ， Cookies 是用來彌補 HTTP 傳輸 協(xié)議的一個 不足。整個 RTB 廣告的競價 過程 中，最關(guān)鍵的技術(shù)就是用戶 cookie 的標記與解讀，精準的 Cookies 信息 對于DSP 平臺計算 該用戶 偏好，并判斷 是否為目標受眾，以及出價多少十分重要。根據(jù)用戶 Cookie 信息， DSP 搜索 已經(jīng)建立的用戶屬性 映射庫，將用戶轉(zhuǎn)換為 DSP 平臺 能夠 識別的用戶，然后將從 AD Exchange 平臺 收到的 全部 信息 歸納 計算，篩選出適合 該用戶 的廣告 ，并給出 廣告 展示 的最高出價，然后將廣告 ID、素材地址、 落地頁 地址、 廣告 尺寸 及 類型等 信息 回傳給 AD Exchange。 13 RTB 廣告的關(guān)鍵技術(shù) 由圖 2 RTB 廣告的運作原理，我們可以看出整個 RTB 廣告的 營銷過程是這樣 進行的 ： 當媒體網(wǎng)站接到用戶訪問請求 后， SSP 平臺或者媒體通過標準的協(xié)議 將廣告展示請求及用戶信息 發(fā)送給 AdExchange 平臺，再由 AdExchange 平臺 把信息發(fā)送給 DSP 平臺，通常 包括 媒體名稱、媒體 類型 、頁面 URL、頁面 內(nèi)容的 關(guān)鍵詞以及最重要的 用戶 信息一一 Cookie。 DMP 能夠 連接 多方 的應(yīng)用平臺，如 DSP 平臺 ，營銷人員選擇好目標 受眾 后，可以直接 輸出至 DSP，進行定向 廣告 投放。最后，營銷人員 可以根據(jù) 用戶的標簽 屬性 ，在 DMP 系統(tǒng)中選擇 目標受眾 。在這里，原始數(shù)據(jù) 為 用戶訪問 汽車 頻道的 記錄 ，業(yè)務(wù)規(guī)則 為 訪問五次以上便打上標簽 。 （ 2）以標簽的形式管理 ： DMP 會根據(jù)業(yè)務(wù)規(guī)則或者數(shù)據(jù)模 型、算法等， 將 原始數(shù)據(jù)分類， 為用戶打標簽。在真實情況中，原始數(shù)據(jù)會 存儲 在 多個 表單中?？梢韵胂瘢?DMP 的最底層，是一張巨 大的表單， 第一 列 存儲 的是用戶 ID (實名用戶帳號或者匿名 Cookie ID 等 )；后面的每一列， 記錄該 用戶的 詳細 信息，比如年齡、性別、購買 的 產(chǎn)品、購買時間、購買 的 渠道、訪問 各網(wǎng)站 的時間、內(nèi)容、頻次等等。在 RTB 模式的廣告中涉及受眾購買的 整個過程的 數(shù)據(jù)都需要 DMP 提供，總體來說， DMP 具有下面幾大功能： （ 1）以用戶為中心 ： 數(shù)據(jù)管理平臺 所 管理的 數(shù)據(jù) 其實都是用戶及潛在 用戶的 互聯(lián)網(wǎng)行為 數(shù)據(jù)。數(shù)據(jù)管理平臺能夠幫助所有涉及廣告庫存購買和出售的各方管理其數(shù)據(jù)，并對這些數(shù)據(jù)進行標準化和細分， 再 把這些細分 的 結(jié)果 應(yīng)用到 現(xiàn)有的營銷 活動中。廣告 商 和代理機構(gòu)可以基于其擁有的數(shù)據(jù)和技術(shù)，以 “ 每一次 的 廣告展示 ” 為 單位 進行實時拍賣。 目前，國內(nèi)兩大主要的 Ad Exchange 平臺為 2021 年 4 月 Google 在中國推出DoubleClick 以及 2021 年 9 月淘寶推出的 Taobao Ad Exchange。具有多維度數(shù)據(jù)指標統(tǒng)計和數(shù)據(jù)關(guān)聯(lián)功能，能夠監(jiān)測廣告投放活動，自動刷新實時數(shù)據(jù)并自動生成多維度分析報告。 圖 3 創(chuàng)意和落地頁的智能匹配 第二章 RTB 廣告概述 8 (2) BidManager 功能： BidManager 是整個 DSP 系統(tǒng)的核心， RTB 競價功 能和投放控制功能全都在這里實現(xiàn)，包括投放時段、地域、頻次、媒體、人群屬性控制等。系統(tǒng)智能識別優(yōu)秀創(chuàng)意和優(yōu)秀落地頁，根據(jù)效果自動實現(xiàn)創(chuàng)意包和落地頁智能匹配。 （ 1） AdOptimizer 功能： AdOptimizer 系統(tǒng)通過智能化算法，對多創(chuàng)意多落地頁進行自動優(yōu)化。 目前，國內(nèi)的主要 DSP 平臺有易傳媒的 AdChinaDSP、品友互動 DSP 平臺、淘寶TANX、悠易互通 DSP、騰訊 DSP 等。這些廣告主需要找到 優(yōu)質(zhì)的媒介和精準的目標 受眾來 推廣自 7 己的產(chǎn)品， 并且希望采用最優(yōu)的 廣告投放策略， 以便 提高投入產(chǎn)出比。 DSP 平臺介紹 DSP（ Demand Side Platform）即廣告資源需求方平臺。 （ 4）多維度分析報表： SSP 平臺可以提供曝光人群分析報表，分析每個廣告位的人群 屬性 ，幫助媒體更好的按人群售賣資源。 （ 3）媒體收益優(yōu)化： SSP 采用不同的優(yōu)化算法滿足媒體不同的優(yōu)化目標，幫助媒體以更高的價格售賣出更多資源，實時統(tǒng)計廣告位的點擊率，做到完全掌握廣告位的可用資源。每個公司研發(fā)的 SSP 平臺都有各自專注的功能，但是總體來說 SSP 平臺大致有以下幾個主要功能： （ 1）支持多方需求接入： SSP 平臺除有媒體資源對接，還可支持與代理、數(shù)據(jù)平臺、 Ad work 以及 ADexchange 平臺對接，保證流量的豐富性。 在 SSP 平臺 上出 售廣告資源，媒體可以 省去尋找 廣告主的成本，并且可以利用 SSP平臺強大的技術(shù)和數(shù)據(jù)支持，最大化網(wǎng)站流量的價值?；ヂ?lián)網(wǎng)上有成千上萬 的媒體網(wǎng)站， 擁有 豐富的 用戶流量，他們 需要 把 巨 大的流量變現(xiàn)來 提升公司盈利 ，同時還希望每一個流量都能夠 產(chǎn)生 最大 化 的收益。 下面分別對這四個平臺進行詳細介紹。目前，國內(nèi)很多用戶 Ad Exchange DSP1 DSP2 DMP1 DMP2 網(wǎng)站 1 網(wǎng)站 2 并有 Cookie 標識 廣告請求 及 Cookie 數(shù)據(jù) Cookie 信息 分析Cookie 數(shù)據(jù)，發(fā)送用戶屬性信息 判斷用與產(chǎn)品目標受眾的契合度，并 出價 價，通知媒體展示對應(yīng)的廣告 SSP 圖 2 RTB 廣告運作原理 第二章 RTB 廣告概述 6 廣告公司及媒體公司都在研發(fā)自己的 DMP 平臺，每個公司 DMP 平臺的 Cookies 標簽是不同的，并且都有各自的加密方式，無法相互讀取。而 AD Exchange 則 是鏈接 DSP 和 SSP 的中間橋梁 ，為廣告交易雙方提供一個 競價交易 平臺。廣告主可以根據(jù)自己的營銷目標 ， 在 DSP 平臺上設(shè)定 投放時間、 目標受眾、投放區(qū)域、廣告 出價、廣告素材、展現(xiàn)頻次、費用成本 等條件。其運作原理如下圖示： 如圖 2 所示，四大平臺分工明確。 RTB 廣告工作原理 RTB 廣告是 以 大數(shù)據(jù) 的 整合 為基礎(chǔ) ， 通過復(fù)雜算法，使整個競價過程實現(xiàn)最優(yōu)化。 研究思路 研究方法FANGFA 5 第二章 RTB 廣告概述 RTB 廣告的工作原理及相關(guān)平臺介紹 RTB（ Real Time Bidding 實時競價）廣告允許廣告主根據(jù) 營銷 目標、目標 受眾 以及費用門檻等因素對每一次廣告展示進行競價。 10 個廣告效果影響因素，針對每個因素測試 7 天，總 投放 時間周期約三個月完成。而本文采用和問卷調(diào)查和實際 投放廣告雙重驗證方式，提高了研究結(jié)果的準確性。而本文首次提出結(jié)合心理效果和行為效果的綜合評定模型，將每一層級的消費者心理變化，都對應(yīng)一個特定的、可觀測的指標加以衡量，量化各因素對廣告效果影響 及 影響 程度。針對這 10 種因素，結(jié)合用戶心理和行為模型，提出 RTB 廣告效果影響因素理論模型，最后 通過 DSP 平臺實際投放 RTB 廣告，驗證理論模型。首先制定了廣告投放方案及廣告效果評估 KPI，然后通過 DSP 平臺投放廣告，通過對廣告投放數(shù)據(jù)的整理與分析，對理論模型及相關(guān)假設(shè)進行驗證。 第六章 RTB 廣告效果影響因素模型驗證。 本章 結(jié)合 AISAS 經(jīng)典廣告效果模型和用戶線上行為模型，提出了本文研究的 RTB 廣告效果綜合評價模型。本章通過問卷調(diào)查的方式，對上文提出的 15種影響因素進行研究，并通過效度及信度分析，回歸 分析 的 方法，確定 10 種主要的 RTB廣告效果影響因素。本章首先分析廣告效果評價指標 及廣告效果研究經(jīng)歷的幾個階段，然后總結(jié)了傳統(tǒng)廣告效果研究的幾個經(jīng)典模型，接著