导读:本文包含了在线关键词广告竞价论文开题报告文献综述及选题提纲参考文献，主要关键词:广告,LSTM,最优竞价,预算分配
在线关键词广告竞价论文文献综述
罗一峰[1]（2018）在《基于在线关键词广告的最优竞价策略研究与应用》一文中研究指出在线关键词广告(AdWords)是如今网络营销市场使用最广泛发展最快的广告投放方式,它又被称作关键词拍卖(Keyword Auctions)或位置拍卖(Position Auctions)。由于关键词广告拍卖机制具有独特的封闭性和不确定性,广告商在参与关键词竞价过程中会遇到两个主要问题:第一,如何确定关键词的竞价价格才能保证广告商获得的收益最大化;第二,在预算限制的条件下如何对多关键词做预算分配以保证总收益最大化。本文通过解决上述两个问题,为广告商制定合理的竞价策略,以保证广告商在关键词广告竞价过程中获得最高的经济效益。本论文主要的研究工作如下:1.设计了针对关键词收益的Multiple-LSTM数据预测模型。由于不同竞价价格下广告商获得的收益不同,通过对关键词广告竞价收益的准确预测,可以实现最优竞价价格策略的制定。对于竞价收益的预测不仅需要考虑出价价格也需要考虑近期竞价表现。基于LSTM有效处理时间序列数据的特点,并为了更好地学习多种时间序列数据之间的相关性,设计了Multiple-LSTM神经网络结构模型。该模型将竞价价格和近七天的竞价表现作为输入特征,能够有效预测收益值,并通过实验证实了该模型相对于其他预测方法有更高的准确率。2.利用第二代非劣支配排序遗传算法(Non-dominated Sorting Gennetic Algorithm II,NSGA-II)解决了关键词广告竞价活动中存在的预算分配问题。具体以收益最大化、无效点击最小化为目标建立多目标优化模型,并利用NSGA-II在求解均匀分布、多样性良好的Pareto解集中存在的优势,对模型进行求解,详细论述了求解的方法和过程。并利用该算法对实际竞价中的十个关键词进行算例分析,结果表明,本文提出的算法与传统的平均分配预算的方案相比,该模型有效地改善了广告预算的分配,增加了广告的收益,对广告商制定广告预算分配策略有指导作用。3.设计并开发了广告商参与关键词竞价的辅助管理系统。设计了该系统的总体架构,并详细描述了数据采集模块、数据分析模块和交互展示模块的架构设计,将最优竞价策略和最优预算分配策略融入到相关模块中,实现了整个系统的完整开发。(本文来源于《电子科技大学》期刊2018-03-23）
许建盈[2]（2009）在《在线关键词广告竞价的最优投资组合研究》一文中研究指出近年来,随着互联网的迅速发展和普及,在线关键词广告营销已经成为很多公司的广告手段之一,且增长速度非常快。围绕关键词广告竞价展开的研究逐渐成为了国内外很多学者所关注的热点。然而,目前该领域的研究主要集中在广告商在单平台的竞价策略方面,事实上越来越多的广告商开始在不同搜索引擎上同时投放广告,在这种趋势下,如何在不同的搜索引擎之间投放广告投资组合不仅是对在线关键词广告竞价研究的新拓展,对于广告商所能够获得的收益来说也非常重要,具有重要的应用价值。本文从在线关键词广告的现状和特征入手,介绍了其中最主要的叁家在线关键词广告提供商,分析了在不同平台之间进行投资分配的重要性和研究意义。接着,结合贝叶斯网络的方法为叁个搜索引擎平台分别建立起各自的收益率预测模型,并引入在金融领域广泛应用的Markowitz投资组合理论,提出了在不同情况下的最优化投资组合数量模型。在此基础上,本文还从广告商的企业角度搭建了一个综合的管理平台,把之前的研究工作统一了起来。详细来看,本文的主要研究内容如下:(一)详尽分析了在线关键词广告的发展、现状、已有研究成果以及目前主要的在线关键词广告提供商情况,分析了不同搜索引擎的竞价机制差别,并介绍了所用到的理论背景知识。(二)分析了在不同搜索引擎的竞价机制之下,如何搭建收益率的预测模型,然后通过贝叶斯网络的方法编程实现收益率的自动预测,并通过实证数据验证了模型的准确性。(叁)在收益率预测的基础之上,结合Markowitz投资组合模型提出了在不同搜索引擎之间分配预算的最优化数量模型,并通过实际数据来说明模型的使用。(四)从宏观角度对企业的在线关键词广告竞价进行管理,提出了一个综合的管理框架,考虑了收益链的上下游,并分析了在线关键词广告竞价中存在的风险及其应对措施。本文在实际编程实现时,采用了Kevin Murphy编写的贝叶斯网络工具包BayesNet Toolbox并结合Matlab来建立贝叶斯网络预测模型。总之,本文通过分析和学习在线关键词广告的竞价,结合理论知识和编程工具,提出了一个用于分析在不同搜索引擎之间如何分配投资预算的决策框架,并通过实证数据验证了模型的有效性和准确性,从而为广告商的投资组合决策提供了理论参考,是对在线关键词广告竞价研究的理论扩展和完善,也有一定的实际意义。(本文来源于《上海交通大学》期刊2009-01-01）
在线关键词广告竞价论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着互联网的迅速发展和普及,在线关键词广告营销已经成为很多公司的广告手段之一,且增长速度非常快。围绕关键词广告竞价展开的研究逐渐成为了国内外很多学者所关注的热点。然而,目前该领域的研究主要集中在广告商在单平台的竞价策略方面,事实上越来越多的广告商开始在不同搜索引擎上同时投放广告,在这种趋势下,如何在不同的搜索引擎之间投放广告投资组合不仅是对在线关键词广告竞价研究的新拓展,对于广告商所能够获得的收益来说也非常重要,具有重要的应用价值。本文从在线关键词广告的现状和特征入手,介绍了其中最主要的叁家在线关键词广告提供商,分析了在不同平台之间进行投资分配的重要性和研究意义。接着,结合贝叶斯网络的方法为叁个搜索引擎平台分别建立起各自的收益率预测模型,并引入在金融领域广泛应用的Markowitz投资组合理论,提出了在不同情况下的最优化投资组合数量模型。在此基础上,本文还从广告商的企业角度搭建了一个综合的管理平台,把之前的研究工作统一了起来。详细来看,本文的主要研究内容如下:(一)详尽分析了在线关键词广告的发展、现状、已有研究成果以及目前主要的在线关键词广告提供商情况,分析了不同搜索引擎的竞价机制差别,并介绍了所用到的理论背景知识。(二)分析了在不同搜索引擎的竞价机制之下,如何搭建收益率的预测模型,然后通过贝叶斯网络的方法编程实现收益率的自动预测,并通过实证数据验证了模型的准确性。(叁)在收益率预测的基础之上,结合Markowitz投资组合模型提出了在不同搜索引擎之间分配预算的最优化数量模型,并通过实际数据来说明模型的使用。(四)从宏观角度对企业的在线关键词广告竞价进行管理,提出了一个综合的管理框架,考虑了收益链的上下游,并分析了在线关键词广告竞价中存在的风险及其应对措施。本文在实际编程实现时,采用了Kevin Murphy编写的贝叶斯网络工具包BayesNet Toolbox并结合Matlab来建立贝叶斯网络预测模型。总之,本文通过分析和学习在线关键词广告的竞价,结合理论知识和编程工具,提出了一个用于分析在不同搜索引擎之间如何分配投资预算的决策框架,并通过实证数据验证了模型的有效性和准确性,从而为广告商的投资组合决策提供了理论参考,是对在线关键词广告竞价研究的理论扩展和完善,也有一定的实际意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
在线关键词广告竞价论文参考文献
[1].罗一峰.基于在线关键词广告的最优竞价策略研究与应用[D].电子科技大学.2018
[2].许建盈.在线关键词广告竞价的最优投资组合研究[D].上海交通大学.2009