Прогнозирование реакции пользователей в интернет-рекламе

User Response Prediction in Online Advertising
Xingquan Zhu A, Zhabiz Gharibshah
2021-05-08

эталонные наборы данныхмашинное обучениеонлайн-рекламарекомендательные системыпрогнозирование реакции пользователей
Интернет-реклама как масштабный рынок привлекла значительное внимание на различных платформах, включая поисковые системы, сторонние веб-сайты, социальные сети и мобильные приложения. Успешность онлайн-кампаний представляет собой сложную задачу интернет-маркетинга и обычно оценивается по реакции пользователей, измеряемой различными показателями, такими как клики по рекламным креативам, подписки на продукты, покупки товаров или явная обратная связь от пользователей, полученная посредством онлайн-опросов. В последние годы значительно увеличилось число исследований, в которых для прогнозирования реакции пользователей применяются вычислительные подходы, включая методы машинного обучения. Однако существующая литература в основном сосредоточена на алгоритмически ориентированных решениях конкретных задач, и комплексного обзора, позволяющего ответить на многие важные вопросы, не существует. Какие стороны участвуют в экосистемах цифровой интернет-рекламы? Какие типы данных доступны для прогнозирования реакции пользователей? Как прогнозировать реакцию пользователей надежно и/или прозрачно? В данном обзорном исследовании представлен всесторонний анализ прогнозирования реакции пользователей в интернет-рекламе и связанных с ней рекомендательных приложениях. Наша основная цель — сформировать целостное представление об онлайн-рекламных платформах, заинтересованных сторонах, доступности данных и типичных подходах к прогнозированию реакции пользователей. Мы предлагаем таксономию для классификации современных методов прогнозирования реакции пользователей, уделяя основное внимание текущему прогрессу в применении методов машинного обучения на различных онлайн-платформах. Кроме того, мы рассматриваем приложения прогнозирования реакции пользователей, эталонные наборы данных и исходный код с открытым доступом в данной области.
1
Рассматриваются экосистемы интернет-рекламы, включая участников, доступные типы данных и типичные условия прогнозирования на разных платформах.
2
Обобщаются приложения прогнозирования реакции пользователей, эталонные наборы данных и доступные реализации с открытым исходным кодом.
3
Подчеркивается необходимость надежных и прозрачных методов прогнозирования кликов, подписок, покупок и других реакций пользователей.
4
Статья представляет всесторонний обзор прогнозирования реакции пользователей в интернет-рекламе и связанных рекомендательных приложениях.
5
Предложена таксономия современных методов прогнозирования реакции пользователей с акцентом на машинное обучение для различных онлайн-платформ.

платформы онлайн-рекламы и связанные с ними рекомендательные приложения

предсказание реакции пользователей, включая используемые данные, методы машинного обучения, надёжность, прозрачность и области применения

Publication Details
Publication Date
2021-05-08
Journal
Publisher
ISSN
Cited by
89
Access Type
Author Information
Authors
Xingquan Zhu A
Zhabiz Gharibshah
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%