大数据背景下网络定向广告精准传播综合学习模型研究

With big data as the background, this program will integrate multiple subjects and research methods, to do intensive study on precise spread and comprehensive learning model of targeted online advertising. Firstly, based on grounded theory, analysis of common words, and so on, the program will analyze the content, characteristics, transmission mechanism and others of targeted online advertising; also, from the perspective of "subject, technology, elements", the program will build conceptual dynamic evolution model for targeted online advertising. Secondly, by using cutting-edge technology such as distributed computing and semi-supervised learning, the program will build five sub models: audience behavior orientation, advertising content orientation, demographic orientation, regional orientation and platform orientation, and then establish precise spread and comprehensive learning model of targeted online advertising. Lastly, based on the actual data, on the one hand, using tools such as R language, Python language, self-organizing data mining, the program will carry out quantitative empirical analysis on the model, on the other hand, with the application of eye movement experiment, the program will study the influence of interface characteristics of targeted online advertising on consumers' attention, to put forward the final optimization strategy for targeted online advertising’s precise transmission. The results of this program will help enterprise integrate and optimize different portals online resources, and improve network targeted advertising efficiency, reduce the cost of dissemination, provide scientific evidence and technical support for enterprises, so achieve more precise spread of targeted online advertising and attract more attention of consumers. Not only can the research be expected to help enterprises to choose suitable advertising voices, but also establish a quantitative and standardized system for selecting advertising voice actors.

本项目整合多种学科知识与研究方法，以大数据为背景，对网络定向广告精准传播综合学习模型进行深入研究。首先，基于扎根理论和共词分析等方法，对网络定向广告内涵、特征要素、传播机理等进行分析，从“主体、技术、要素”3个角度，构建“网络定向广告概念动态演化模型”。其次，利用分布式计算、半监督式学习等前沿技术分别构建受众行为定向、广告内容定向、人口统计定向、地域定向以及平台定向5个传播子模型，进而建立“网络定向广告精准传播综合学习模型”。再次，基于采集的实际数据，一方面应用R语言、Python语言、自组织数据挖掘等工具，对模型进行定量化实证分析，另一方面，应用眼动实验技术，就定向广告界面特性对消费者注意的影响进行研究，最终提出网络定向广告精准传播的优化策略。研究成果有利于企业整合和优化配置不同门户网站的有限广告资源，提升网络定向广告传播效率、降低传播成本，为企业推行网络定向广告提供智力和技术服务支持。

本项目从网络定向广告发展的市场环境和行业背景出发，整合市场营销学、信息科学、应用数学及认知神经学等学科知识，综合运用数据挖掘、机器学习、眼动技术等跨学科研究方法，对网络定向广告综合学习模型及如何吸引更多消费者注意进行深入研究。 .本项目主要取得如下创新成果：.首先，探讨了广告创意在网络情境下如何影响消费者注意效果的作用机制，探索了广告创意、视觉显著性与内容一致性三个变量对横幅广告注意效果的影响；.其次，研究了大数据背景下行为定向广告（OBA）与消费者隐私关注问题；.再次，基于图式理论和信息加工理论，分析了不同契合度下拟人化形象对消费者的吸引力；.第四，基于信息加工理论、社会临场感理论，通过情景实验，验证了拟人化广告形象生动性对消费者产品态度影响的内在机制；.第五，以隐私显著性为突破口，在信源可信度理论和调节聚焦理论的基础上，构建了平台可信度、调节聚焦和隐私显著性对互联网定向广告说服效果的三项联合影响模型；.第六，消费者对不同类型广告（直述广告、视觉隐喻广告）注意效果、再认效果均存在着差异，并且都受到产品卷入度调节影响。.第七，引入视觉注意计算模型，借助眼动追踪技术，构建了视觉显著性、任务类型和内容一致性对广告注意效果的三项联合影响模型。.综上所述，在项目执行期内，共计发表学术论文65篇，其中CSSCI期刊为38篇，SSCI期刊13篇，SCI期刊1篇；出版专著2部；带领学生参加国际会议10人次，参加国内学术会议30人次以上，在会议上报告论文20余篇；入选全国管理案例库2篇；指导学生荣获国家级别奖项2次，指导学生荣获省部级奖项10余项目；依托本项目，申请者于2018年成功晋级为教授，较好地完成了本项目预期的计划指标。.此外，研究成果还被上市公司云图控股公司所采用，在成都市多个行业的实际广告宣传推广等方面起到了重要指导作用，并获得了成都市科技进步三等奖。