前言：本站為你精心整理了電視廣告分戶推送與營運(yùn)規(guī)劃模型淺析范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

摘要：文章主要分析了用戶和廣告的數(shù)據(jù)，研究其用戶和視頻廣告分類匹配并建立模型，對(duì)拍賣的廣告位進(jìn)行底價(jià)估算模型的建立，建立同時(shí)提升收視率、銷售量和電視臺(tái)收益的競價(jià)模型。為了建立用戶和廣告分類推送的靜態(tài)模型，先建立廣告的項(xiàng)目文檔和用戶的偏好文檔，根據(jù)信息庫的數(shù)據(jù)，通過TF-IDF算法，建立模型并計(jì)算兩者之間的余弦相似度。

關(guān)鍵詞：TF-IDF算法；線性回歸分析；估算模型

1引言

電視廣告的傳播媒介是電視，電視廣告能直觀地傳遞產(chǎn)品信息，并且具有收視率高、覆蓋率高，可以加深頻道用戶的印象等優(yōu)點(diǎn)。廣告的分戶推送是基于頻道用戶的年齡、性別、喜好、觀看記錄、購買行為等進(jìn)行具體的相關(guān)匹配，用戶的喜好信息根據(jù)算法算出最可能購買的商品并推送相關(guān)產(chǎn)品，提高了頻道用戶的觀看率，希望頻道用戶購買此類商品。假設(shè)廣告視頻由產(chǎn)品銷售或制造商（以下簡稱買方）負(fù)責(zé)制作并向電視臺(tái)（以下簡稱賣方）競買播放時(shí)段。假設(shè)廣告播放時(shí)段分周期組織競賣活動(dòng)，當(dāng)前周期組織完成下一個(gè)周期的競價(jià)交易。分析頻道用戶的年齡、喜好、購買行為、瀏覽記錄特征等，建立用戶數(shù)據(jù)庫。同時(shí)，抽取視頻廣告的分類特征并建立廣告特征數(shù)據(jù)庫，然后通過對(duì)比用戶喜好與廣告特征的相似度，決定為用戶推薦視頻廣告。根據(jù)頻道用戶喜好的產(chǎn)品，為用戶推薦相似的產(chǎn)品，對(duì)頻道用戶進(jìn)行個(gè)性化推薦。為了保證本文模型的合理性與嚴(yán)謹(jǐn)性，現(xiàn)提出以下幾點(diǎn)假設(shè)：（1）假設(shè)該周期內(nèi)，用戶對(duì)某一產(chǎn)品的興趣不改變；（2）假設(shè)不同時(shí)段播放廣告的時(shí)長相同；（3）假設(shè)買方與賣方交易公平公正，不存在任何違規(guī)行為；（4）假設(shè)不存在任何交易漏洞；（5）假設(shè)買方與賣方均追求利益最大化，不存在其他交易行為；（6）假設(shè)頻道用戶不存在中途換臺(tái)的行為。

2區(qū)別用戶的分類特征的靜態(tài)推送模型

基于內(nèi)容對(duì)用戶進(jìn)行個(gè)性化推薦，根據(jù)用戶的歷史瀏覽數(shù)據(jù)，總結(jié)出包括用戶偏好數(shù)據(jù)和項(xiàng)目特征數(shù)據(jù)的特征向量。自動(dòng)推送根據(jù)用戶偏好特征向量與項(xiàng)目特征向量相似度推算出與頻道用戶特征向量相似度高的產(chǎn)品，播放該產(chǎn)品的視頻廣告。TF-IDF是用于信息檢索的常用加權(quán)技術(shù)，可以用于數(shù)據(jù)挖掘。本問通過該算法建立模型，并求解（見表1~3）。假設(shè)有M個(gè)視頻廣告，關(guān)鍵詞ki在廣告qi中出現(xiàn)，設(shè)fij為關(guān)鍵詞ki在廣告di中出現(xiàn)的次數(shù)，k是關(guān)鍵詞個(gè)數(shù)，向量表示廣告j的項(xiàng)目文檔，表示用戶c的偏好文檔。TF詞頻表示詞語在廣告中出現(xiàn)的頻率，qi表示廣告的總字?jǐn)?shù)，關(guān)鍵詞ki在廣告qi中的詞頻定義：（1）IDF反文檔頻率，包含關(guān)鍵詞的文檔越多，IDF越小，說明該關(guān)鍵詞ki不具有很好的類別區(qū)分作用，關(guān)鍵詞ki在廣告集中出現(xiàn)的逆頻IDFi定義：（2）由公式（1）和公式（2）可得出權(quán)值，F(xiàn)ij為關(guān)鍵字ki在廣告qj中出現(xiàn)的次數(shù)。最終的權(quán)值為：（3）其中，M為廣告集包含的廣告數(shù)，mi為廣告集中包含關(guān)鍵詞ki的廣告數(shù)。項(xiàng)目文檔與偏好文檔的余弦相似度：（4）根據(jù)用戶偏好文檔和廣告項(xiàng)目文檔，可以求得用戶偏好文檔中3種廣告類型的詞頻TF、反文檔頻率IDF以及權(quán)值Wij見表4，根據(jù)廣告項(xiàng)目文檔算例，可得出項(xiàng)目文檔中3種廣告類型的詞頻TF、反文檔頻率由表4數(shù)據(jù)得出兩文檔的余弦相似度：經(jīng)計(jì)算得出，假設(shè)的項(xiàng)目文檔與用戶偏好文檔的余弦相似度為0.99353，余弦相似度越接近1，相似度越高。可以看出，用戶偏好文檔算例與項(xiàng)目文檔算例相似度極高，所以可以將項(xiàng)目廣告中的廣告類型推薦給該用戶群體。由分析得知，廣告價(jià)格的計(jì)算模型為：電視廣告價(jià)格=1741.847×滿意度+90063.598×收視率-146365.187廣告價(jià)格以元為單位（保留兩位小數(shù)），將收視率與滿意度都在其基礎(chǔ)數(shù)據(jù)上乘以100。通過計(jì)算模型得出，當(dāng)滿意度增長1%，廣告價(jià)格上調(diào)1741.847元，而當(dāng)滿意度上調(diào)1%，廣告價(jià)格則上調(diào)90063.598元。收視率的提升能使廣告價(jià)格上調(diào)幅度變得更大。因此，可以根據(jù)此計(jì)算模型和各個(gè)時(shí)間段的收視率與滿意度數(shù)據(jù)得出分時(shí)段競買的合理底價(jià)估算（見表5）。

3結(jié)束語

TF-IDF算法可以根據(jù)關(guān)鍵詞在文檔中出現(xiàn)的次數(shù)求出詞頻TF，再根據(jù)包含關(guān)鍵詞的文檔個(gè)數(shù)求出IDF，得出權(quán)重。通過余弦相似度，很容易得出兩文檔之間的相似程度。

參考文獻(xiàn)：

［1］劉蓓琳.電子商務(wù)個(gè)性化推薦研究［M］.北京:中國經(jīng)濟(jì)出版社,2015.

［2］劉國珍.電視廣告定價(jià)模型研究［D］.長沙:湖南大學(xué),2009.

［3］項(xiàng)亮.推薦系統(tǒng)實(shí)踐［M］.北京:人民郵電出版社,2012.

［4］歐海鷹.網(wǎng)絡(luò)廣告：運(yùn)營機(jī)理與資源管理研究［M］.北京:中國財(cái)政經(jīng)濟(jì)出版社,2013.

作者:魯鑫 施宏遠(yuǎn) 宋婉霞 左立昕 高夢(mèng)璐 單位:營口理工學(xué)院