汽车企业网络广告位选择方法研究

1绪论

1.1研究背景
根据各国汽车经销商或汽车制造商协会提供的数据统计，2014年上半年，包括美国、欧洲、日本在内的成熟汽车市场乘用车销量增长稳定，而中国乘用车则继续保持两位数快速增长形势，销量累计888.33万辆，同比提升14.8%，增幅在全球主要市场中居首中国的汽车市场正在成为世界上竞争最激烈的汽车市场之一，国内市场竞争走向国际化。各个汽车厂商在技术上与产品上的差距正在不断缩小，同质化的竞争导致了汽车营销成本大幅上升。车价的不断下降和营销成本的不断增加正是目前国内汽车企业面临的最棘手的问题，这就使得众多汽车厂商把目光集中到了低成本、高效率的网络广告上目前，国内汽车企业在网络广告方面己经做了不少尝试，大多数汽车厂商不仅委托专业的广告代理进行网络广告投放，而且委托第三方广告监测公司对一次广告案的投放效果进行监测。这样，在广告投放后，汽车厂商就可得到本次投放中每一个网络媒体上的每一个广告位所带来的量化的广告效果。然而，目前汽车厂商还面临个问题：一方面汽车厂商在拿到网络广告代理提供的投放计划（排期）时，很难判断广告代理所选择的网络媒体是否合理；另一方面汽车厂商在拿到第三方广告监测数据后，没有系统有效的数据分析方案来提炼历史投放经验，更无法指导未来的网络广告投放。本文试图将这2个问题结合起来，通过建立合理有效的广告监测数据分析模型，总结历史广告投放经验，为汽车企业未来的网络广告投放选择提供有效的分析方案，进而帮助汽车厂商判断网络广告投放的合理性。

1.2研究内容和意义
1.2.1研究内容
本研究首先将对汽车企业所面临的网络广告位选择存在的问题进行深入剖析，进而针对问题提出一种基于广告数据挖掘的广告位选择方法。具体而言，本研究将广告位选择问题拆解为2个子问题：一是基于历史广告监测数据的网络媒体广告位效果预测；二是基于广告位效果预测的网络媒体广告位选择。研究将结合实际案例和数据，针对上述个子问题分别提出相应的算法和解决方案，并进行验证。最后将对所提出的算法和解决方案进行总结和展望。
1.2.2研究意义
本研究的学术意义在于对汽车企业所面临的网络广告位选择问题的充分剖析，以及创新性的将数据挖掘技术应用于汽车企业网络广告的投放选择。除此之外，本研究还具有一定的实践意义，即本研究所提出的网络广告位选择方法将帮助汽车企业有效制定互联网广告投放媒介计划，进而提高企业的广告投入产出比（ROI又称投资回报率）。更进一步而言，基于本研究成果可衍生出面向汽车企业网络广告投放的专业市场服务，该服务以系统化解决方案为载体，帮助汽车企业解决网络广告的投放选择，具有一定的市场价值。


2汽车企业网络广告位选择问题及解决思路

2.1企业网络广告投放类别及现状
目前，在国内互联网广告市场中，网络媒体（卖方）仍然占主导地位，广告交易形式也主要集中在前3种。这其中，CPD广告和CPM广告主要满足企业的品牌宣传需求，CPC广告主要满足企业的产品促铕需求。一般来讲，对于具有一定规模的网站，网站经营者为了提高营收，都会把自己的广告流量划分为不同等级、分别定价售卖。其中，最优质的流量会按CPD定价售卖给有品牌宣传需求且广告预算充足的企业，溢价最高；次优质的流量会按照细分人群打包按CPM定价分别售卖给有对应需求的小品牌企业，溢价次高；剩余的流量则会借助广告网络、广告交易平台等中间商，最终按CPC定价售卖给有产品促销需求的企业。由此可见，在国内互联网广告市场中，越优质的流量越会以偏向媒体利益的方式交易。而在品牌广告这个细分市场，由于国内规模较大的网站数量较少，形成了寡头竞争市场，媒体占据着市场主导地位，因此大部分广告资源仍然是按CPD定价售卖给了企业，这与美国互联网广告市场的形态略有差异。
在实际的广告交易中，往往还有另外一个参与角色——广告代理。广告代理可以帮助企业统一管理与网站之间的广告合作，并凭借专业知识和技术积累，管理广告投放的实施，优化广告投放的效率。但是由于广告效果的衡量机制不完善，广告代理的绩效考核没有与企业的利益直接挂钩，这导致广告代理在广告交易中存在潜在的道德风险，广告代理制定出的广告投放计划可能不能帮助企业实现利益最大化。因此，企业面临着监督广告代理、评判广告投放计划优劣的问题。此外，企业在进行互联网广告投放时，还可以借助第三方广告监测公司获取一次投放的详细监测数据。但是目前在国内，企业拿到广告监测数据后，普遍只是借助一些简单的图表统计工具，进行人工分析和总结，形成个人大脑中的知识和经验，并在下一次投放时依赖个人经验的运用进行优化和改进。这种数据利用方式相对原始、低效，且不稳定，企业需要一种更加高效、可靠的方法实现企业数据资源的积累、开发和利用。

2.2汽车行业的市场特征及其对网络广告投放的要求
汽车的价格较高，这决定了汽车的目标用户主要定位在高收入人群，因此规模较小，再加上汽车品类的细分日益精细，这要求汽车企业在进行网络广告投放时应该有的放矢，否则会浪费大量不必要的广告预算。
汽车价格高、品类多、使用时间久，也决定了用户的购买决策过程要比一般消费品复杂、繁琐。一般来说，用户在购买汽车之前会经历需求认知、信息收集、评估选择个环节，耗时可能长达数月。其中，需求认知是指用户在考虑到自身资金情况和改善生活状态的愿望，而意识到自己需要购买汽车；信息收集是指用户在产生汽车购买需求后，通过社会关系、广告营销渠道逐步完善对汽车产品的理解，同时也使自己的需求逐步清晰化；评估选择是指用户在对汽车产品和自己的需求深入理解之后，逐步缩小候选产品名单，反复比较，直到选出最符合自己需求的汽车品牌和车型。由此可见，汽车购买决策不是一激而就的，在用户最终决定购买之前的相当长一段时间，汽车企业都需要对自己的目标用户进行品牌铺垫，使得用户对自己的品牌不断加深印象、加深理解，进而在用户选择过程中最终胜出。因此，这要求汽车企业在进行网络广告投放时应该将大部分预算投入到品牌塑造和宣传上。

3基于历史广告监测数据的网络媒体广告位效果预测........9
3.1问题定义.........9
3.2预测模型与方案........9
4基于网络广告位效果预测的广告位选择算法及系统实现.......25
4.1问题定义.........25
4.2网络广告位选择算法........25
5结论、研究不足与研究展望........31

4基于网络广告位效果预测的广告位选择算法及系统实现

网络广告位选择问题，实际上是一个有约束条件的最优化问题。本章所述内容以上一章所解决的网络媒体广告位预测问题为基础，进一步提出采用“贪婪算法”的方法求解出最优组合，以实现最佳广告投放效果。

4.1问题定义
为定量解决选择最优组合进行广告投放的问题，首先需要对计算所用指标参数做出如下定义：


5结论、研究不足与研究展望

通过研究，本文总结以下几点结论：
(1)创新性地建立和设计了用户点击模型、用户后续行为模型和广告曝光量预测方案，来实现汽车企业网络广告位效果的预测。并首次以实际数据对汽车企业网络广告位效果预测进行评估，评估结果满足实际应用需求。
(2)采用Logistic回归的方法建立了用户点击模型和用户后续行为模型。同时，首次结合实际数据将该方法应用于汽车企业网络广告位效果预测中去，实现了对用户广告点击率的预测和用户后续行为转换率的预测，预测结果满足实际应用要求。
(3)采用抽样统计和加权推测的方法设计了广告曝光量预测方案。同时，首次结合实际数据对汽车企业网络广告曝光量进行预测，预测结果满足实际应用要求。
(4)基于所解决的网络广告位预测问题，有针对性地提出采用“贪婪算法”的方法以实现最佳网络广告投放效果，解决网络广告位选择问题。并首次结合实际数据对汽车企业网络广告做出最优化的投放预测。
(5)在广告位选择及评估方法的基础之上，为整个汽车企业网络广告位选择搭建一套完整系统，应用于实际生活中的汽车网络广告投放的决策中去，实现更加合理的广告投放效果。
参考文献（略）