112 誠然,目前數字廣告進一步流行。但如何制定一個能夠針對目標線上用戶的有效廣告, 是一個愈來愈受到各方關注的議題。若網絡廣告沒有對準目標對象,則網絡廣告商無 疑是白費心機,浪費金錢。要對得準目標對象,這依賴於能夠有效預測點擊率(Click Through Rate‧CTR),或者用戶會繼續按動搜索結果所展示的結連。因此,能夠快速改 進對新鏈接的預測,此舉至關重要。成功快速改進對新鏈接的預測,就可以調整線上搜 索排名或搜索活動的策略,找對目標對象,提升行銷成功的機會。 準確預測點擊率變化 隨著即時營銷公司(如 TVTY 等)的出現,這種隨著時間的推移,可以動態執行跨渠道 協調廣告的策略,使廣告商能夠立即啟動和優化由電視廣告等線下事件觸發的搜索廣告 活動(可詳參筆者於本書〈跨渠道協調廣告 增「瞬間營銷」效用〉一文,第 107 頁), 對線上成功營銷大有幫助。 很顯然,此類操作有賴於能夠有效預測特定時間點用戶提交搜索查詢的競投廣告之點擊 率,尤其在沒有、或基於過去只有很少點擊率數據可供有效預測點擊率的情況下,實在 需要一個模型,去接鏈用戶搜索查詢的內容偏好、他們所接觸的搜索結果內容,以及他 們的點擊行為等將之聯繫起來。 揭示數據發展模式 不過,每分鐘通過 Google 搜索引擎提交逾 300 萬個查詢,數量巨大。分析這些搜索 查詢的數據,以及頁面結果和後續點擊,無疑可以揭示消費者每天尋找的信息類型。然 而,搜索意圖(intentions)或搜索內容可能會受到天氣,例如一天的不同時段或每天 不同的重頭戲事件(如體育賽事)影響。若果能夠洞悉他們的喜好與點擊行為,可能有 助營銷人員定制內容,以獲得排名靠前的搜索結果,增強營銷成功的機會。 為了解決這個問題,筆者開發了一個嶄新的主題建模方法(Topic modeling approach),去有效鏈接搜索、搜索結果和點擊率的數據。這類具預測能力的框架,通 常應用於營銷和資訊檢索(Information retrieval)領域,運用這個框架可以揭示海量大 數據箇中所展現的發展模式(patterns)。 扼要來說,筆者開發了一個完整的「貝葉斯變分推估算法」(Bayesian variational inference algorithm),並以Bing 搜索引擎的電視節目之真實搜索數據,來評估這個建 模框架。 3 科技與數碼營銷
RkJQdWJsaXNoZXIy NDk5Njg=