基于SEM和AHP的推广数据采集与决策方案优化

林之博 刘媛华

摘  要：企业信息化的普及使广告投放和宣传手段从以往的人工宣讲、传单发放等方式，到目前的SEM（搜索引擎推广）技术应用，突破了时间空间限制，将产品服务展现给更广阔的市场。部分企业在网络营销过程中常因数据采集方案落后、决策因素过于狭窄等导致收益降低。本文分析案例公司A存在的不合理业务流程，并基于SEM接口技术、AHP（层次分析法）对相关流程进行建模优化，設计了一套可行的系统和决策优化方案。

关键词：广告投放决策;评价模型;信息系统;业务流程分析;工作简化

中图分类号：TP399     文献标识码：A

Abstract：With the popularization of enterprise informatization，the advertising and promoting means have broken the restrictions of time and space，expanding from the previous manual preaching，leaflet distribution and so on to the current application of SEM （search engine promotion） technology.The new SEM technology shows the products and services to a broader market.In the process of online-marketing，some enterprises often suffer from returns reduction due to outdated data collection schemes and limited decision-making factors.This paper analyzes the unreasonable business process of case company A.Then based on SEM interface technology，AHP （analytic hierarchy process），this paper models and optimizes the relevant processes，and designs a set of feasible system and decision optimization scheme.

Keywords：advertising decision-making;evaluation model;information system;business process analysis;work simplification

1   引言（Introduction）

近来我国各省市互联网发展指数持续上升，利用SEM营销技术，相比传统的人工宣传、现场散发传单等广告方式，能在使用更低成本、更少人力物力的条件下高效广泛宣传[1]。但部分企业由于未能优化原有的信息手段、决策方案，导致收益下降、效率过低，无法完全发挥出SEM的效果。A公司是广州市一家网络教育培训公司，为推广其服务，设立BI部门进行销售数据分析和信息管理工作。以该公司为例，针对广告投放、信息采集与分析决策流程链进行分析，找出不合理环节并进行改进优化，提供可选择的高效率、低成本运作方案[2]。

2  技术与理论（Introduction to technology and theory）

SEM接口技术即搜索引擎营销接口技术[2]，利用java API编程进行网络POST请求获取Response，提取json进行数据清洗、整理、规范、存储，最终提供给BI部门规范化的数据用于决策分析[3]。AHP即层次分析法，分析复杂问题中的各种因素，得出评分构成的矩阵，利用特征值矩阵运算，得到相应每个因素的最佳权重，设计决策方案能达到较满意决策[4]。

3  流程与决策分析（Process and decision mode analysis）

3.1   流程分析

广告投放组员工进行初始化检查，逐个登录推广数据中心复制过去一天的推广状态数据到Excel，通过QQ或微信发送给流量部门，由之逐个下载打开提取数据到总表后，进行决策分析。BI部门逐个下载、打开文件，复制数据到总表汇总。该过程存在循环性重复人工工作。上述操作方式会导致员工整体工作积极性下降、效率和准确度低等问题[5]。

3.2   人机分析

用于分析决策下一阶段广告投放方案的时间≥2h。数据采集阶段计算机利用率约为32%，数据分析决策阶段计算机利用率约为80%。利用人机配置分析法进行方案设计、比较和模型验证可知应改善平台登录、数据复制、文件传输等重复工作项，在保持计算机利用率的条件下减少总时长[6]。

3.3   原有决策模式分析

BI部门将来自点击广告的客户的登记信息称为“名片”，并将具有较大转化为订单可能性的“名片”称为“机会名片”[7]。BI部门根据NOi/CC计算转化率降序排序，更倾向在转化率更高的地区投放更多广告。但当作为样本的名片数量、机会名片数量若相比其余地区过小，数据将不具有统计意义上的说服力。

此外，不全面考虑社会因素、经济因素、地理因素等多方面带来的影响，可能导致偏差。例如原有的参考指标并不能更好地反映对应地区对该公司业务的需求程度。

4   优化方案设计与实现（Design and implementation of optimized scheme ）

4.1   自动化SEM接口数据采集系统设计实现

百度、360等第三方推广平台实际上已经提供了非常方便的数据接口文档，例如《百度搜索推广API V4开发文档》，能够很方便地查找到获取指定数据集应构造的HEADER、POST结构、API-URL和方法[7]，结合阿里公司提供的JSON数据处理模块，通过快速原型法开发可扩展Web系统，则可以使用java语言，依托Tomcat虚拟服务器，使用Myeclipse引入HttpsUtil外部类编写POST功能块，引入fastjson-1.2.7工具包处理获取的JSON数据，最后存储在MySQL数据库中。如图1所示为系统数据库E-R图。

使用java结合POST工具包HttpsUtil实现调用百度接口推广数据方法部分实例代码如下：

String url="https：//api.baidu.com/json/sms/service/ReportService/getRealTimeData"; getdatafrombaidu DA=new getdatafrombaidu（）;

byte[] result=HttpsUtil.post（url，DA.appendReportServiceJson（//写入需要查询的字段

User，PWD，token，......）.toString（），"UTF-8"）;//將返回得到的数据存储为字节码

jsonResult = new String（result）;// 将字节码字符化

Data=DA.getData（jsonResult，performanceData.length）;//json解包处理

设计一套类似Json的数据压缩方案，利用特殊的符号连接表单列名储存在静态数据库[8]，员工访问时进行分割产生属性数组作为在线表单生成依据，由员工在规定时间内填写。BI部门管理端进行一键采集，将数据导出到Excel中即可。 如图2为功能模块试运行效果。

4.2   层次分析法模型

4.2.1   多因素影响因子选取

通过组织BI部门工作人员使用头脑风暴方法列举了各类应考虑在内的潜在影响因素，得出了相应的影响因素提及频度。专家、管理层人员采取名义小组方法对员工调研结果图表、数据进行分析评价，确定PAi（i地区发达指标）、PTCi（i地区转化与成本指标）、PSi（i地区战略倾向指标）、PDi（i地区需求指标）、PGi（i地区政策支持指标）等五项具有重大影响力的影响因素。

4.2.2   转化与成本指标

5   结论（Conclusion）

案例A公司部署优化后的信息管理系统并采纳多因素计算方案后系统具有信息结构形态扁平、信息存储管理更便捷等

特点，大幅削减了数据采集和分析决策时间，数据分析平均仅需10—20min即可完成，基于多因素分析的综合评价指数更准确、全方位地反映了地区广告投放带来的损益等效果，减轻了员工与BI流量部门数据汇总操作人员的工作负担。

系统部署和实行多因素指标优化方案一个月内，每日订单数量平均增加167单，估计相较于优化前每日挽回流失客户价值达83.5万元。案例所实施的优化方案成本低廉，实施效果显著，能够较好地简化该公司业务推广方案决策流程和提升决策质量。

参考文献（References）

[1] Sung Wook Ji，Young-jun Choi，Min Ho Ryu.The economic effects of domestic search engines on the development of the online advertising market[J].Telecommunications Policy，2016，40（10-11）：982-995.

[2] Amar Budhiraja，Akhil Ralla，P.Krishna Reddy.Coverage pattern based framework to improve search engine advertising[J].International Journal of Data Science and Analytics，2019，8（2）：199-211.

[3] David.M.Html5： Designing Rich Internet Applications[M].Html5 Designing Rich Internet Applications，2010：9-98.

[4] 黄德，吕婷.基于AHP桂台农业合作影响因素分析[J].现代商贸工业，2019，40（31）：17-18.

[5] 张凤荣.工业工程在企业信息化中的应用[J].网络与信息，2012，26（08）：15.

[6] 罗英涛.信息技术在工业工程中的应用分析[J].科学技术创新，2019（22）：82-83.

[7] 陈晗.百度竞价推广业务营销策略研究[D].山东大学，2018：12-22.

[8] 李晓薇.Web前端开发技术以及优化方向[J].电子技术与软件工程，2019（19）：48-49.

[9] 国家统计局.中国统计年鉴-2018[Z].中国统计出版社，2018： 29-106.

作者简介：

林之博（1997-），男，硕士生.研究领域：信息系统工程.

刘媛华（1974-），女，博士，副教授. 研究领域：系统工程，经济与管理统计，复杂系统理论方法及应用，社会经济复杂系统.