基于用户已安装应用的移动广告个性化
计算机与社会
2016-11-17 v1 机器学习
摘要
移动广告是一个迅速扩张的产值达数十亿英镑的产业。广告的成功根据用户与之交互的方式衡量。本文研究无监督学习与关联规则挖掘的应用能否用于实现移动广告的个性化定向，旨在提高交互率。在2014年5月和6月，我们记录了广告交互行为（如点击广告或观看整个广告视频）以及交互时用户已安装的应用集合。基于用户已安装的应用，我们应用k-means聚类将用户划分为十类之一。由于考虑的应用数量庞大，我们实施了降维，通过将应用映射到其iTunes类别来缩减应用特征空间，并基于用户应用中属于各iTunes应用类别的百分比对用户聚类。通过考察十个用户画像与各类广告类型（生活、金融和娱乐广告）交互方式的差异，对聚类进行了外部验证。此外，执行了关联规则挖掘，以发现投放广告的时段与用户已安装应用数量是否使某些画像更可能与广告类型交互。结果显示各画像与不同广告类型交互方式存在明显差异，本文结果表明移动广告定向将提高用户与广告交互的频率。
引用
@article{arxiv.1503.00587,
title = {Personalising Mobile Advertising Based on Users Installed Apps},
author = {Jenna Reps and Uwe Aickelin and Jonathan Garibaldi and Chris Damski},
journal= {arXiv preprint arXiv:1503.00587},
year = {2016}
}
备注
IEEE International Conference of Data Mining: The 4th International Workshop on Data Mining for Service (DMS), 2014