論文の概要: Keyword Optimization in Sponsored Search Advertising: A Multi-Level Computational Framework

• arxiv url: http://arxiv.org/abs/2202.13506v1
• Date: Mon, 28 Feb 2022 02:03:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 17:15:58.328546
• Title: Keyword Optimization in Sponsored Search Advertising: A Multi-Level Computational Framework
• Title（参考訳）: スポンサー検索広告におけるキーワード最適化:マルチレベル計算フレームワーク
• Authors: Yanwu Yang, Bernard J. Jansen, Yinghui Yang, Xunhua Guo, Daniel Zeng
• Abstract要約: キーワードは広告主、検索ユーザー、検索エンジンを繋ぐ重要な橋として機能する。 本稿では,キーワード最適化のためのマルチレベル・クローズドフォーム計算フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 20.22050119811848
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In sponsored search advertising, keywords serve as an essential bridge linking advertisers, search users and search engines. Advertisers have to deal with a series of keyword decisions throughout the entire lifecycle of search advertising campaigns. This paper proposes a multi-level and closed-form computational framework for keyword optimization (MKOF) to support various keyword decisions. Based on this framework, we develop corresponding optimization strategies for keyword targeting, keyword assignment and keyword grouping at different levels (e.g., market, campaign and adgroup). With two real-world datasets obtained from past search advertising campaigns, we conduct computational experiments to evaluate our keyword optimization framework and instantiated strategies. Experimental results show that our method can approach the optimal solution in a steady way, and it outperforms two baseline keyword strategies commonly used in practice. The proposed MKOF framework also provides a valid experimental environment to implement and assess various keyword strategies in sponsored search advertising.
• Abstract（参考訳）: スポンサー付き検索広告では、キーワードは広告主、検索ユーザー、検索エンジンを繋ぐ重要な橋として機能する。 広告主は、検索広告キャンペーンのライフサイクル全体を通して、一連のキーワード決定に対処しなければならない。 本稿では,キーワード最適化のためのマルチレベル・クローズドフォーム計算フレームワーク(MKOF)を提案する。 この枠組みに基づき,キーワードのターゲティング,キーワードの割り当て,キーワードのグルーピング(マーケット,キャンペーン,アドグループなど)に対応する最適化戦略を開発する。 過去の検索広告キャンペーンから得られた2つの実世界データセットを用いて,キーワード最適化フレームワークとインスタンス化戦略を評価するための計算実験を行う。 実験の結果,本手法は最適解に一定の方法でアプローチできることが示され,実際は2つのベースラインキーワード戦略よりも優れていた。 提案するmkofフレームワークは、スポンサー付き検索広告における様々なキーワード戦略を実装し評価するための有効な実験環境を提供する。

関連論文リスト

• Towards a Unified View of Preference Learning for Large Language Models: A Survey [88.66719962576005]
  大きな言語モデル(LLM)は、非常に強力な能力を示す。 成功するための重要な要因の1つは、LLMの出力を人間の好みに合わせることである。 選好学習のすべての戦略を、モデル、データ、フィードバック、アルゴリズムの4つの構成要素に分解する。
  論文  参考訳（メタデータ） (2024-09-04T15:11:55Z)
• Visual Prompt Selection for In-Context Learning Segmentation [77.15684360470152]
  本稿では,サンプル選択戦略の再考と改善に焦点をあてる。 まず、ICLに基づくセグメンテーションモデルが異なる文脈に敏感であることを示す。 さらに、経験的証拠は、文脈的プロンプトの多様性がセグメンテーションを導く上で重要な役割を担っていることを示している。
  論文  参考訳（メタデータ） (2024-07-14T15:02:54Z)
• Efficient Image-Text Retrieval via Keyword-Guided Pre-Screening [53.1711708318581]
  現在の画像テキスト検索法は、N$関連時間複雑さに悩まされている。 本稿では,画像テキスト検索のための簡易かつ効果的なキーワード誘導事前スクリーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-14T09:36:42Z)
• Keyword Decisions in Sponsored Search Advertising: A Literature Review and Research Agenda [0.0]
  キーワードはビジネスモデルの基本単位として機能し、消費者、広告主、検索エンジンの3つの利害関係者をリンクする。 本稿では,検索広告管理におけるタッチポイントを強調したキーワード決定のための包括的なフレームワークを提案する。 本フレームワークを用いて,キーワード決定に関する最新の研究文献を,技術,入力特徴,評価指標についてレビューする。
  論文  参考訳（メタデータ） (2023-02-24T00:24:17Z)
• Keyword Targeting Optimization in Sponsored Search Advertising: Combining Selection and Matching [0.0]
  最適なキーワードターゲティング戦略は、適切な人口に効果的に到達することを保証する。 本稿では,過去の広告パフォーマンス指標の不完全性から,キーワードターゲティングの問題に対処することを目的とする。 実験の結果, (a) BB-KSMは利益率において7つの基準線を上回り, (b) BB-KSMは予算の増加とともにその優位性を示した。
  論文  参考訳（メタデータ） (2022-10-19T03:37:32Z)
• Domain Representative Keywords Selection: A Probabilistic Approach [39.24258854355122]
  本稿では,テキストターゲットドメイン代表キーワードのサブセットを候補集合から選択する確率論的手法を提案する。 生成した候補分布からサブセットを選択するためのテキスト最適化アルゴリズムを提案する。 複数の領域の実験は、キーワード要約生成やトレンドキーワード選択のタスクにおいて、他のベースラインよりもアプローチの方が優れていることを示す。
  論文  参考訳（メタデータ） (2022-03-19T18:04:12Z)
• Aggregate effects of advertising decisions: a complex systems look at search engine advertising via an experimental study [26.218512292529635]
  我々は,様々な広告戦略の評価と,検索市場におけるメカニズムの影響評価を支援するシミュレーションフレームワークを開発し,検証する。 電子単語の集合的影響,競争レベル,戦略的入札行動に関する3つの実験を行った。
  論文  参考訳（メタデータ） (2022-03-04T09:16:15Z)
• Optimal Keywords Grouping in Sponsored Search Advertising under Uncertain Environments [0.0]
  本稿では,キーワードグループ化のためのプログラミングモデルを提案する。 クリックスルーレートと変換レートをランダム変数として取ります。 このモデルを解くために分岐結合アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-03-04T08:54:50Z)
• Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
  本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。 本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。 このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-01-01T05:15:42Z)
• Portfolio Search and Optimization for General Strategy Game-Playing [58.896302717975445]
  ローリングホライズン進化アルゴリズムに基づく最適化とアクション選択のための新しいアルゴリズムを提案する。 エージェントのパラメータとポートフォリオセットの最適化について,N-tuple Bandit Evolutionary Algorithmを用いて検討する。 エージェントの性能分析により,提案手法はすべてのゲームモードによく一般化し,他のポートフォリオ手法よりも優れることが示された。
  論文  参考訳（メタデータ） (2021-04-21T09:28:28Z)
• Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
  キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。 最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。 本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
  論文  参考訳（メタデータ） (2020-10-24T08:11:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。