論文の概要: Keyword Targeting Optimization in Sponsored Search Advertising: Combining Selection and Matching

• arxiv url: http://arxiv.org/abs/2210.15459v1
• Date: Wed, 19 Oct 2022 03:37:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 11:52:39.693637
• Title: Keyword Targeting Optimization in Sponsored Search Advertising: Combining Selection and Matching
• Title（参考訳）: スポンサー付き検索広告におけるキーワードターゲティング最適化:選択とマッチングの組み合わせ
• Authors: Huiran Li and Yanwu Yang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In sponsored search advertising (SSA), advertisers need to select keywords and determine matching types for selected keywords simultaneously, i.e., keyword targeting. An optimal keyword targeting strategy guarantees reaching the right population effectively. This paper aims to address the keyword targeting problem, which is a challenging task because of the incomplete information of historical advertising performance indices and the high uncertainty in SSA environments. First, we construct a data distribution estimation model and apply a Markov Chain Monte Carlo method to make inference about unobserved indices (i.e., impression and click-through rate) over three keyword matching types (i.e., broad, phrase and exact). Second, we formulate a stochastic keyword targeting model (BB-KSM) combining operations of keyword selection and keyword matching to maximize the expected profit under the chance constraint of the budget, and develop a branch-and-bound algorithm incorporating a stochastic simulation process for our keyword targeting model. Finally, based on a realworld dataset collected from field reports and logs of past SSA campaigns, computational experiments are conducted to evaluate the performance of our keyword targeting strategy. Experimental results show that, (a) BB-KSM outperforms seven baselines in terms of profit; (b) BB-KSM shows its superiority as the budget increases, especially in situations with more keywords and keyword combinations; (c) the proposed data distribution estimation approach can effectively address the problem of incomplete performance indices over the three matching types and in turn significantly promotes the performance of keyword targeting decisions. This research makes important contributions to the SSA literature and the results offer critical insights into keyword management for SSA advertisers.
• Abstract（参考訳）: スポンサー付き検索広告(SSA)では、広告主はキーワードを選択し、選択したキーワードのマッチングタイプを同時に決定する必要がある。 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な情報と,SSA環境における不確実性から,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。 まず,データ分布推定モデルを構築し,マルコフ・チェイン・モンテカルロ法を用いて3つのキーワードマッチング型(ワイド,フレーズ,正確性)に対して観測されていない指標(インプレッション,クリックスルー率)を推定する。 第2に,キーワード選択とキーワードマッチングの操作を組み合わせた確率的キーワードターゲティングモデル(bb-ksm)を定式化し,予算制約下での期待利益を最大化し,キーワードターゲティングモデルに確率的シミュレーション処理を組み込んだ分岐・バウンドアルゴリズムを開発する。 最後に,過去のssaキャンペーンの現場報告とログから収集した実世界データセットに基づいて,キーワードターゲティング戦略の性能を評価するための計算実験を行った。 実験の結果は (a)BB-KSMは利益の点で7つの基準を上回ります。 b)BB-KSMは,特にキーワードとキーワードの組み合わせが多い状況において,予算が増加するにつれてその優位性を示す。 (c)提案したデータ分布推定手法は、3つのマッチング型に対する不完全性能指標の問題を効果的に解決し、キーワードターゲティング決定の性能を著しく向上させる。 本研究は、SSA文献に重要な貢献を行い、SSA広告主のキーワード管理に関する重要な洞察を提供する。

関連論文リスト

• ACE: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  我々は、エンドツーエンドのクロスモーダル検索のための先駆的なジェネリッククロスモーダル rEtrieval framework (ACE) を提案する。 ACEは、クロスモーダル検索における最先端のパフォーマンスを達成し、Recall@1の強いベースラインを平均15.27%上回る。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
  本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。 本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。 また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
  論文  参考訳（メタデータ） (2024-05-17T07:23:27Z)
• LIST: Learning to Index Spatio-Textual Data for Embedding based Spatial Keyword Queries [53.843367588870585]
  リスト K-kNN 空間キーワードクエリ (TkQ) は、空間的およびテキスト的関連性の両方を考慮したランキング関数に基づくオブジェクトのリストを返す。 効率的かつ効率的な指標、すなわち高品質なラベルの欠如とバランスの取れない結果を構築する上で、大きな課題が2つある。 この2つの課題に対処する新しい擬似ラベル生成手法を開発した。
  論文  参考訳（メタデータ） (2024-03-12T05:32:33Z)
• Robust Prompt Optimization for Large Language Models Against Distribution Shifts [80.6757997074956]
  大規模言語モデル(LLM)は、様々な自然言語処理タスクにおいて重要な能力を示している。 本稿では,LLMの分散シフトに対するロバストな最適化法を提案する。 この問題は、ラベル付けされたソースグループに最適化されたプロンプトを同時にラベル付けされていないターゲットグループに一般化する必要がある。
  論文  参考訳（メタデータ） (2023-05-23T11:30:43Z)
• 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)
• 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)
• 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)
• Keyword Optimization in Sponsored Search Advertising: A Multi-Level Computational Framework [20.22050119811848]
  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。
  論文  参考訳（メタデータ） (2022-02-28T02:03:14Z)
• Unsupervised Key-phrase Extraction and Clustering for Classification Scheme in Scientific Publications [0.0]
  本稿では,システムマッピング (SM) とシステムレビュー (SR) プロセスの自動化の可能性について検討する。 キーフレーズは教師なしの方法で科学文書から抽出され、対応する分類体系を構築するために使用される。 また、クラスタリングを使って関連するキーフレーズをグループ化する方法についても検討する。
  論文  参考訳（メタデータ） (2021-01-25T10:17:33Z)
• 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)
• Combining Task Predictors via Enhancing Joint Predictability [53.46348489300652]
  そこで本研究では,目標予測能力に基づいて参照の関連性を測定し,その関連性を高めるための新しい予測器組合せアルゴリズムを提案する。 提案アルゴリズムはベイズフレームワークを用いて,すべての参照の関連性について共同で評価する。 視覚属性ランキングとマルチクラス分類シナリオから得られた実世界の7つのデータセットの実験に基づいて,本アルゴリズムが性能向上に寄与し,既存の予測器の組み合わせアプローチの適用範囲を広くすることを示した。
  論文  参考訳（メタデータ） (2020-07-15T21:58:39Z)

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。