网络展示广告中的广告投放计划和客户行为预测

Online advertising is a system which links publishers, advertisers and users. Display advertising is one of the most important online advertising techniques；it shows users graphs,viedo clips and other multimedia ads products. Behavioral targeting, widely adopted in display advertising, is a new online advertising technique aiming to precisely predict the users' behavior and then send them the ads which might intrigue them. Motivated by the practice at a leading online retailing platform, this project studies two topics: (1) ads allocation planning, (2) user behavioral prediction. In the first problem, the publisher can alloacte the user visits to either a contracting market or a spot market, where the users are categorized but their future visit frenquencies are unknown. Considering cost and some business requirements, this problem is modeled to fairly allocate some random resources among some demands. In the second problem, with the data collected from the online platform, we propose a set of single-user probabilistic models and then predict a user's future browsing and viewing frenquencies. We address the algorithmic solutions to these two models, and discuss the theoretical and practical implications as well as some extensions.

网络广告是一个连接媒体，广告主和客户的体系。 展示广告是网络广告中最重要的技术之一， 它展现在客户面前的是图像，小视频等多媒体广告产品。 行为定向广告是一个新的网络广告技术，它的出发点是精准预测客户行为从而向其投放感兴趣的广告， 这种技术在展示广告中得到广泛采用。 受启发于一个领先的综合性电子商务平台的实践，本项目研究展示广告中的两个问题: (1) 广告投放计划，（2）客户行为预测。第一个问题中媒体可以将客户访问配置给一个合约市场或一个实时市场，其中,客户已被分类但未来的访问频次是随机量；考虑成本因素和特殊的商业要求， 此问题被表述为一个考虑公平性下的随机资源配置问题。 第二个问题从电商网站上采集的客户行为数据，提出了一套基于单个客户的概率模型，从而预测客户在电商网站上上网与浏览的频次。我们叙述了两个模型的算法解，讨论了其理论和实践意义以及一些问题的延伸。

本项目研究平台型零售企业运营中的若干问题。首先研究网络品牌展示广告中的广告合约定价与随机资源计划问题，问题考虑了媒体将客户访问通过合约卖给广告主并把剩余量卖给实时竞价市场的两种可能， 以及收益和资源配置公平性的得失平衡，建立了一个非凸优化问题，设计算法求解，指出了可以通过牺牲少量收益以获取尽量公平的结果。其次研究了淘宝网上客户访问的活跃性，发现电商网站的客户活跃度很低，提出了一系列概率模型，以建立贝叶斯模型预测客户活跃度，指出过多的历史数据或过多的非活跃客户会导致预测模型的实效。再次研究了平台型零售企业是如何通过进场费和收益共享来对进驻商家进行刷选，发现统一的进场费而非差异化的收益共享是导致商家被排斥出平台的原因。最后，研究了P2P网络贷款行业中的问题平台，提出了一系列相关因素并建立二元回归模型，以指明问题平台中的关键因素。