从多用户活动轨迹中学习用于 B2B 广告定向
信息检索
2019-09-15 v1 机器学习
机器学习
摘要
组织中的在线购买决策可能经历涉及多个代理的复杂过程。取决于所购买的产品与组织结构，该过程可能涉及先进行市场调研、进而影响下达在线采购订单的决策者的员工。在此类情形下，组织中单个个体的在线活动轨迹可能仅提供用于预测购买（转化）的局部信息。为利用在线活动轨迹改进面向企业对企业（B2B）产品的转化预测，我们引入相对于给定 B2B 广告主的组织内相关用户这一概念，并利用此类相关用户的集体活动轨迹来预测转化。具体而言，我们的相关用户概念关联于 B2B 广告主的相关活动种子列表，并提出了一种使用分布式活动表示来构建该种子列表的方法。基于 Yahoo Gemini 数据的实验表明，所提方法可将转化预测 AUC 提升 8.8%，并提供一份可解释的、广告主特定的、有助于 B2B 广告定向的活动列表。
引用
@article{arxiv.1909.00057,
title = {Learning from Multi-User Activity Trails for B2B Ad Targeting},
author = {Shaunak Mishra and Jelena Gligorijevic and Narayan Bhamidipati},
journal= {arXiv preprint arXiv:1909.00057},
year = {2019}
}
备注
6 pages, accepted for AdKDD 2019 workshop held in conjunction with KDD 2019