電視廣告分戶推送與營運規(guī)劃模型淺析

前言：本站為你精心整理了電視廣告分戶推送與營運規(guī)劃模型淺析范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：文章主要分析了用戶和廣告的數(shù)據(jù)，研究其用戶和視頻廣告分類匹配并建立模型，對拍賣的廣告位進行底價估算模型的建立，建立同時提升收視率、銷售量和電視臺收益的競價模型。為了建立用戶和廣告分類推送的靜態(tài)模型，先建立廣告的項目文檔和用戶的偏好文檔，根據(jù)信息庫的數(shù)據(jù)，通過TF-IDF算法，建立模型并計算兩者之間的余弦相似度。

關(guān)鍵詞：TF-IDF算法；線性回歸分析；估算模型

1引言

電視廣告的傳播媒介是電視，電視廣告能直觀地傳遞產(chǎn)品信息，并且具有收視率高、覆蓋率高，可以加深頻道用戶的印象等優(yōu)點。廣告的分戶推送是基于頻道用戶的年齡、性別、喜好、觀看記錄、購買行為等進行具體的相關(guān)匹配，用戶的喜好信息根據(jù)算法算出最可能購買的商品并推送相關(guān)產(chǎn)品，提高了頻道用戶的觀看率，希望頻道用戶購買此類商品。假設(shè)廣告視頻由產(chǎn)品銷售或制造商（以下簡稱買方）負責制作并向電視臺（以下簡稱賣方）競買播放時段。假設(shè)廣告播放時段分周期組織競賣活動，當前周期組織完成下一個周期的競價交易。分析頻道用戶的年齡、喜好、購買行為、瀏覽記錄特征等，建立用戶數(shù)據(jù)庫。同時，抽取視頻廣告的分類特征并建立廣告特征數(shù)據(jù)庫，然后通過對比用戶喜好與廣告特征的相似度，決定為用戶推薦視頻廣告。根據(jù)頻道用戶喜好的產(chǎn)品，為用戶推薦相似的產(chǎn)品，對頻道用戶進行個性化推薦。為了保證本文模型的合理性與嚴謹性，現(xiàn)提出以下幾點假設(shè)：（1）假設(shè)該周期內(nèi)，用戶對某一產(chǎn)品的興趣不改變；（2）假設(shè)不同時段播放廣告的時長相同；（3）假設(shè)買方與賣方交易公平公正，不存在任何違規(guī)行為；（4）假設(shè)不存在任何交易漏洞；（5）假設(shè)買方與賣方均追求利益最大化，不存在其他交易行為；（6）假設(shè)頻道用戶不存在中途換臺的行為。

2區(qū)別用戶的分類特征的靜態(tài)推送模型

基于內(nèi)容對用戶進行個性化推薦，根據(jù)用戶的歷史瀏覽數(shù)據(jù)，總結(jié)出包括用戶偏好數(shù)據(jù)和項目特征數(shù)據(jù)的特征向量。自動推送根據(jù)用戶偏好特征向量與項目特征向量相似度推算出與頻道用戶特征向量相似度高的產(chǎn)品，播放該產(chǎn)品的視頻廣告。TF-IDF是用于信息檢索的常用加權(quán)技術(shù)，可以用于數(shù)據(jù)挖掘。本問通過該算法建立模型，并求解（見表1~3）。假設(shè)有M個視頻廣告，關(guān)鍵詞ki在廣告qi中出現(xiàn)，設(shè)fij為關(guān)鍵詞ki在廣告di中出現(xiàn)的次數(shù)，k是關(guān)鍵詞個數(shù)，向量表示廣告j的項目文檔，表示用戶c的偏好文檔。TF詞頻表示詞語在廣告中出現(xiàn)的頻率，qi表示廣告的總字數(shù)，關(guān)鍵詞ki在廣告qi中的詞頻定義：（1）IDF反文檔頻率，包含關(guān)鍵詞的文檔越多，IDF越小，說明該關(guān)鍵詞ki不具有很好的類別區(qū)分作用，關(guān)鍵詞ki在廣告集中出現(xiàn)的逆頻IDFi定義：（2）由公式（1）和公式（2）可得出權(quán)值，F(xiàn)ij為關(guān)鍵字ki在廣告qj中出現(xiàn)的次數(shù)。最終的權(quán)值為：（3）其中，M為廣告集包含的廣告數(shù)，mi為廣告集中包含關(guān)鍵詞ki的廣告數(shù)。項目文檔與偏好文檔的余弦相似度：（4）根據(jù)用戶偏好文檔和廣告項目文檔，可以求得用戶偏好文檔中3種廣告類型的詞頻TF、反文檔頻率IDF以及權(quán)值Wij見表4，根據(jù)廣告項目文檔算例，可得出項目文檔中3種廣告類型的詞頻TF、反文檔頻率由表4數(shù)據(jù)得出兩文檔的余弦相似度：經(jīng)計算得出，假設(shè)的項目文檔與用戶偏好文檔的余弦相似度為0.99353，余弦相似度越接近1，相似度越高。可以看出，用戶偏好文檔算例與項目文檔算例相似度極高，所以可以將項目廣告中的廣告類型推薦給該用戶群體。由分析得知，廣告價格的計算模型為：電視廣告價格=1741.847×滿意度+90063.598×收視率-146365.187廣告價格以元為單位（保留兩位小數(shù)），將收視率與滿意度都在其基礎(chǔ)數(shù)據(jù)上乘以100。通過計算模型得出，當滿意度增長1%，廣告價格上調(diào)1741.847元，而當滿意度上調(diào)1%，廣告價格則上調(diào)90063.598元。收視率的提升能使廣告價格上調(diào)幅度變得更大。因此，可以根據(jù)此計算模型和各個時間段的收視率與滿意度數(shù)據(jù)得出分時段競買的合理底價估算（見表5）。

3結(jié)束語

TF-IDF算法可以根據(jù)關(guān)鍵詞在文檔中出現(xiàn)的次數(shù)求出詞頻TF，再根據(jù)包含關(guān)鍵詞的文檔個數(shù)求出IDF，得出權(quán)重。通過余弦相似度，很容易得出兩文檔之間的相似程度。

參考文獻：

［1］劉蓓琳.電子商務(wù)個性化推薦研究［M］.北京:中國經(jīng)濟出版社,2015.

［2］劉國珍.電視廣告定價模型研究［D］.長沙:湖南大學(xué),2009.

［3］項亮.推薦系統(tǒng)實踐［M］.北京:人民郵電出版社,2012.

［4］歐海鷹.網(wǎng)絡(luò)廣告：運營機理與資源管理研究［M］.北京:中國財政經(jīng)濟出版社,2013.

作者:魯鑫 施宏遠 宋婉霞 左立昕 高夢璐 單位:營口理工學(xué)院