基于滞后主成分回归的电商平台广告效果评价研究

贾晓霞 智路平 李巧艳

摘 要：基于对广告投放相关变量的细分，考虑负二项分布中成功概率值在处理广告信息累积性方面的优势，提出负二项分布和主成分回归相结合的滞后主成分回归模型，并以天猫平台某口香糖广告投放为研究对象，采集该品牌真实广告展现和点击数据，进行了实例验证。实证结果表明，销售峰值的出现滞后于广告大力投放日，这体现出广告效应的滞后性和累积性。负二项分布对广告变量的滞后处理效果良好，所提出的滞后主成分回归模型能够真实地模拟天猫平台广告效应，并在提取不同渠道广告变量主要信息的基础上，较好地反映出广告投放各维度对销售额的贡献。作为点击计费广告，口香糖直通车和糖果类直通车的投入产出比普遍好于钻展，其中，竞争产品关键词、长尾词直通车的投放对销售额促进效果最为明显。星级店铺贡献率接近10%，不失为是一种很有效的电商广告。

关键词：天猫平台;负二项分布;主成分回归;广告效应;电商平台;模拟

中图分类号：F 224

文献标识码：A   文章编号：1672-7312（2020）03-0308-11

Research on the Advertising Effectiveness Evaluation of E-Commerce Platform Based on the NBD-PCR

JIA Xiao-xia，ZHI Lu-ping，LI Qiao-yan

（School of Management，University of Shanghai for Science and Technology，Shanghai 200093，China）

Abstract：Based on the subsection of variables relative to advertisement launch，considering the advantage of success probability value in negative binomial distribution which can deal with the cumulativity of advertisement information，the lag principal components regression model was presented which combines negative binomial distribution and principal components regression.Also，aiming at advertisement launch of a certain brand chewing，the real advertisement show and hits data were collected and verified.The demonstration results indicate that the appearance of sale peek value lags behind dvertising day，which reflects the hysteresis quality and cumulativity;that the negative Binomial Distribution has a good deal with the lag advertisement variables，and that the proposed lag principal components regression model can truly simulate the corresponding Tmall platform advertisement effect.And on the basis of extracting the main information of different channels of advertising variables，it can better reflect the contribution of various dimensions of advertising to sales.As the click charging advertisement，the input-output ratios of gum and candy through chain are generally better than drill show，thereinto，the promoting effect of launch of competitor words and the long tail brand through chain on the sales is the most obvious.The star return of investment is close to 10%，which can yet be regarded as a kind of very effective e-commerce advertisement.

Key words：tmall platform;negative binomial distribution;

principal components regression;advertisement effect;e-commerce platform;simulation

0 引言隨着互联网快速发展以及电子商务的日趋成熟，网络广告已经超越电视成为第一大媒体。根据艾瑞咨询《中国网络广告市场规模分析预测》，搜索引擎、电商网站及其他类展示广告发展成为网络广告界“三巨头”，且增长趋势最为稳定的电商广告具有赶超搜索类广告成为第一大网络广告的明显优势。然而，对于电商广告的大量投入，很多商家仅仅依据当期广告的投入产出比来决策，缺乏广告效应基础上精准投放的科学分析和规律探索。由此，文中拟以天猫平台广告为例，选取某品牌口香糖项目广告投放销售额为因变量，采集其真实广告展现和点击数据，揭示钻展、直通车等广告投入对其销售额影响的滞后效应，探索能带来销售额增长的广告变量的发展和演变规律。

1 国内外相关文献综述

1.1 广告投放的效果广告投放效果是指通过广告媒介传播产品和服务相关信息，使得广告对其目标受众产生直接或间接的影响[1]。换言之，广告投放效果是广告受众对广告宣传活动的结果性反应与接受程度状态，按时间常划分为瞬时效果、近期效果以及远期效果[2]。当然，远期效果对于消费者的影响比其他两种效果更深远。从长远角度来看，远期效果是最终的广告效果类型，能帮助企业稳定销售额、稳固市场地位。广告效果按性质还可划分为经济效果、心理效果以及社会效果[3]，按过程也可划分为事前效果、事中效果以及事后效果[4];按构成因素则可划分为原稿效果和媒介效果[5]。此外，在对影响广告投放效果因素的识别方面，朱志北、李斌等提出广告环境、网页内容相关性、信息丰富程度三大因素[6]。钱增艳通过对不同广告特性和内容的互联网广告曝光率与广告效果相关性的实证研究，认为广告曝光会提高消费者对品牌的态度而使广告效果较佳[7]。

1.2 广告投放的计量相较于传统广告，网络广告的可测量性非常突出，可以及时统计出曝光、点击、访问人数等数据，从而获得浏览率、点击率及转化率等指标来进行即时的效果反馈。Brajnik和Gabrielli提出曝光和点击计价两种重要的网络广告计价模型[8]。曝光和点击以及转化率均在一定程度上反映了网络广告投放效果的好坏[9-10]。广告点击率是所投放的广告被点击次数与总展示次数的比例[11]。有效精准地预测广告的点击率，是提高广告投放效率至关重要的一步。

1.2.1 位置模型

2002年Joachims T[12]首次使用点击日志计算位置模型。该模型假设点击依赖于相关性檢验。基于①每一个排序位置有一个被检验到的确定概率，该概率与排序成反比;②搜索返回结果页中的url独立的假设，文献[13-15]提出了基于位置模型的点击率估算方法。

1.2.2 假设检验模型

基于假设检验的点击率估算方法则假定广告的位置并不直接影响广告点击，广告被点击与否取决于用户看到广告与否，体现了广告首先被展现，然后再以一定概率转化为点击的思想。假设检验过程则是对用户行为的一种建模，基于此，文献[16]采用一种贝叶斯框架的点击链模型，该模型假设用户在一个查询会话中，依次浏览整个查询结果，并且点击行为仅与文档的位置和文档相关性有关。具体做法是将文档的相关性和是否查看下一文档的概率属性设为后验参数，对整个点击过程进行建模。点击率是作为点击类广告效果评价指标。因为点击率包含了曝光和用户筛选这一过程，下一步就是购物行为转化，因此点击率与产品销售有着更密切的关系。但目前的研究大多基于搜索商视角，利用点击率进行搜索页面排序，相关实证研究较少。

1.2.3 投入产出比

国内学者聚焦网络广告效果评价指标CPM（千次曝光成本）、CPR（单位相应成本）、CPA（单位行动成本）和CPC（单位点击成本）等指标进行了广告投入产出的相关研究[17-20]。

2 变量设计与模型构建

2.1 模型构建背景互联网媒体不仅以锐不可当之势争夺传统媒体的广告资源，而且深受新消费形态行业和新消费需求行业的青睐[21]。显然，消费者在电商平台购物对广告信息的接受可以按照有无明确购物标的而细分为有意和无意购物，之后所触发的连环点击，将会导致购物车添加之后的直接购买、关注或收藏、关注或收藏后再行购买、淡忘或放弃购买4种行为，而后3种行为充分说明了广告信息对消费者购物的累积影响，即广告投放对消费者的影响并不稳定，存在一定的滞后性。考虑到负二项分布中成功概率值在处理广告信息累积性方面的优势，这里拟以负二项分布概率值加载于广告曝光和点击变量上，利用主成分回归分析的特征提取和变量降维功能揭示电商平台广告投放的滞后效应。以天猫平台广告为研究对象，钻展为展示类广告，直通车为点击式广告。天猫对钻展的计费方式按竞价排序依次展现，按日展现次数，点击次数，相应指标千次展现成本计费。天猫对直通车按点击计费，仍然预存费用，设置最高日限额和单次点击出价。对于商家（Business）B，现有同类产品（Product）共p种不同产品细分。这p种产品均需要投放钻展和直通车广告。钻展投放有m种投放方式，直通车有n种投放方式。天猫后台均有各类广告日曝光量（Impression）和日点击量（Click）数据，以及对应产品的日销售额（Sales）。

1）设投入成本用Cost表示，则

为第i种产品第t天第j种钻展所花费的成本;

为第i种产品第t天第j种直通车所花费的成本。计划时间段内，广告投入成本共计

2）各类广告每日展现次数用Impression表示，则

Impressionztij为第i种产品第t天第j种钻展所带来的展现次数;ImpressionTtij为第i种产品第t天钻展展现总次数。

3）各类产品日销售额用Sales表示，则

Salesti为第t天第i种产品的销售额。

2.2 相关变量设计

2.2.1 基本变量模型基本变量为：

故可按2种思路进行建模归类（详见式（1）～（6））

p1Salesti，表示所有产品在第t天总销售额（6）考虑到促销活动往往对销售额增长产生较大影响，添加促销效应哑变量Promotion day，以合理区分广告效应和促销效应，并设每次促销活动的前两天分别为Prom.day 1，Prom.day 2.

2.2.2 变量的滞后处理设negX=f（x，p，r，k），利用负二项分布算法对变量X进行处理，可得

2.3 模型构建

2.3.1 主成分回归建模基于电商广告特点及计价方式，文中数学建模和数据分析假设如下

1）广告效应具有滞后性和积累性。

2）曝光以α

转化为点周，点击以β转化为购买，其中，0<（α，β）<1.首先，从样本协方差矩阵入手寻找变量的主成分，设滞后广告变量样本协方差矩阵为A，可得Sales by product

（9）其次，为方便计算，在对各变量进行中心化处理的基础上，求出样本协方差矩阵的特征值和特征向量，进而抽取出变量主成分。以模型1为例，不难构建出其主成分回归模型

2.3.2 变量销售额贡献及ROI将各广告变量的销售额贡献记作Contribution，计算单位成本下的销售额贡献（ROI）

3 问题分析与思路

3.1 确定项目分析需求天猫平台上的钻展广告和直通车广告而言，广告运营通过购买词包，如某品牌口香糖项目、彩虹糖、某品牌、益达、清新口气、健康牙齿等关键词，使得用户在搜索这些关键词时，可以弹出相应的广告。原数据将钻展和直通车按照各自关键词或钻展投放类型分类，得到各渠道下广告曝光量、点击量、广告花费等每日数据。作为如今商家销售最重要的电商平台之一，天猫展位售价按曝光量收费，直通车竞价模式按点击量收费，大商家在天猫平台上的广告费投入成为商家成本中重要的一部分。电商运营往往通过每天的转化率、跳转率或ROI来选择投放方式，缺乏深层次数据挖掘基础上的广告投放成本的决策分析以及与不同渠道广告投放数据的对比研究。

文中认为购物者可能有目的搜索或浏览网页购买自己需要的产品，也可能会通过分类查找或直接关键词搜索的方式进行查找，并在搜索网页点击其他推荐产品的链接。如此以来就会发生网页浏览的“连锁反应”。这种行为大多由直通车广告促成。另一种情况是消费者无具体目標的浏览网页[22]，通过页面钻展广告，点击自己感兴趣的产品（如图1所示）。

这里，文中拟通过与其他户外广告[23]，在线视频链接广告，电视广告和数字平台广告不同渠道投放数据的对比来说明各广告变量的销售额贡献及其单位成本下的销售额贡献，从而为厂商的广告成本投入分配提供一定的决策支持。常见的线上视频广告（OTV）是在腾讯视频或优酷视频网站上的广告链接，按曝光或点击收费;户外广告（OOH）如LED广告灯箱、地铁站广告牌、商业楼广告幕、公交站台广告牌等，则直接采用所购买的曝光次数或时长;数字平台广告（Digital）则是在各搜索网站或其他数字平台上投放的广告;电视广告（TV）[24]则是传统在电视台投放广告的做法，按GRP来量化和计费。

3.2 数据分类汇总该口香糖共有4种产品类型，分别是糖果（Candy），口香糖（Gum），薄荷糖（Mint）和其他（Ambiguous）。天猫平台共11种广告投放渠道，其中钻展5种，直通车6种。钻展分别是场景钻展（ZZ.Occasion）、魔镜钻展（ZZ.Mojing）、相似性产品钻展（ZZ.Looka like，ZZ.Core user）、其他类型ZZ.Other;直通车按搜索关键词分类，分别是核心品牌词（ZTC.Core brand），长尾词（ZTC.Long tales brand），分类关键词（ZTC.Category words），竞争产品关键词（ZTC.Competitor words），场景关键词（ZTC.Occasion words），功能性关键词（ZTC.Function words）。还有OTV，OOH，Digital，TV这4种其他平台上的广告类型数据。将这4种广告进行产品类别加和，得到各广告类型的总播放量。围绕不同广告的曝光量（Impression）和广告成本（Spending），数据整理按两种思路进行汇总（见表1）。具体做法：①按产品细分，将天猫平台上的5种不同类型的钻展广告合并为钻展，将不同天猫平台上不同类型的直通车广告合并为直通车;②按广告类型细分，将产品合并，得到5种钻展的曝光量和6种直通车的曝光量;③其他广告类型，如户外广告、数字平台广告、在线网络视频广告、电视广告，由于投放天数少、广告量小，采取产品加和形式。

3.2.1

按产品细分，则纵向相加，分别求出各产品的ZZ和ZTC的总和  以口香糖这类产品数据为例，将每天Gum5类钻展的曝光量加总作为该日Gum.ZZ的曝光量（Impression）或成本（Spending），Gum.ZZ.spending表示成本。Gum.ZZ=ZZ.1+ZZ.2+ZZ.3+ZZ.4+ ZZ.5

3.2.2 按广告细分，则横向相加，得到ZZ和ZTC各自的广告类型变量

以ZZ.1为例，将某类钻展每天4种产品加总的曝光量作为该日ZZ.1，ZZ.1.spending表示该类钻展产品加总的广告成本。ZZ.1=Gum.ZZ1+Candy.ZZ1+Mint.ZZ1+Amb.ZZ1

3.3 变量编码及加权价格确定经整理

汇总后的变量接下来完成定义及编码工作，具体做法：①将日总销售额作为因变量，按产品细分，广告类型合并建立模型，称为模型一。其变量定义及编码见表2;②将日总销售额作为因变量，按广告细分，产品类型合并建立模型，称为模型二。其变量定义及编码见表3.

相关描述性分析主要围绕促销活动对销售额的影响、针对该种产品投放的广告而对该种产品的销售额产生直接影响、针对该种产品所投放的广告却对同品牌下的其他产品产生间接影响3方面展开。结果表明，销售峰值的出现在半年观察期内均滞后于同期广告大力投放日，同类产品间的广告效应具有交叉作用。

3.4 数据分析思路实例中各种类型的广告都是以曝光量和点击量来展示的。曝光转化为点击，点击进一步转化为购买行为。由于点击量的数量小，还有很多零值，因此统一选用曝光量作为各类广告的数据。具体思路分析如下，如图2所示。

3.4.1 选取变量

根据销售额（新客户人数）做时间序列图，获悉数据分布情况。

3.4.2 针对所构建模型

先用负二项分布将广告变量滞后，滞后累计效果设置为70%.采用随机抽样的形式，将不同参数下满足滞后累计效果的模型记录下来，然后用主成分分析法，将钻展和直通车广告变量通过抽取主成分进行回归，最后再将主成分转换为原始变量，即得到回归方程。由于采取随机抽样的方法，不同滞后参数得到不同的回归方程。通过展示各自变量回归系数的分布图，用常识和实际经验判断系数分布的合理性，用以调整模型的变量组合。当各自变量系数正常，则可确定该模型的变量组合为最终模型样式。

3.4.3 确定最终回归方程

对该变量组合下模型进行回归，并对回归系数表进行分析，以选出最优滞后参数，确定最终回归模型。选择方法是找到每个变量回归系数的众数，然后计算各变量系数与相对应众数的离差平方和，确定离差平方和最小的方程为最终回归方程。

3.4.4 计算各广告类型的贡献

分析每日销售总额的各构成，记作每种广告类型的贡献。鉴于未考虑自变量本身的数量级，文中不直接用回归系数大小来衡量自变量对因变量影响作用的大小。

3.4.5 计算每种广告的ROI

基于（3）中计算贡献值，用贡献/广告投入成本得到ROI，即ROI=

.ROI越高，说明同样的成本投入可以得到更高的回报，说明该种广告效应好，应该重点投入。简言之ROI可以作为指导广告投放决策的重要依据。

4 实证分析

4.1 主成分回归随机抽样结果以模型1为例，文中在基本变量的基础上，添加销售峰值（Peak.day）和促销日（Promotion.day）两种代表不同程度促销效应的变量以及虚拟变量周末效应Week.易得各自变量回归系数分布图（如图3）和Model 1变量分布众数（见表4）。

由此可见，各广告效应自变量回归系数均为正值。符合“广告效应对销售额有正向影响”的预期假设。其中，Candy.ZZ和Mint.ZZ系数大多为负值，但也有正值。出现这种情况的可能原因是Candy和Mint的钻展投入很少，Candy的钻展投入只有3天的投放量，且3天量均较少。因此，正向效果不显著，甚至被其他对销售有很大影响的如促销变量“抢走”自身的影响效应而变为负值。而星级店铺（Star）的回归系数在广告类变量中系数偏大，说明星级店铺是非常有效且极具影响力的一种电商平台广告形式。

促销效应变量Peak.day和Promotion.day的回归系数远大于广告效应，说明促销活动对提高销售额、扩大知名度是一种非常有效的营销方式。天猫流量回归系数为正，符合常理。传统广告渠道如电视平台（TV），户外广告（OOH），回归系数很小，但对销售额仍产生正向影響。而新型广告渠道数字平台（Digital）和在线视频广告（OTV），回归系数很小，甚至后者基本为负值，说明新型广告形式价格昂贵，但转化率低。

4.2 最佳滞后效果分析及模型拟合质量评价考虑每年的淘宝双十一大促和春节大促对销售造成的波动影响[25]，拟回避这段时间，选取该产品上市后的一段较稳定时段进行数据考察。这里，选择2016-5-21至2016-10-10日这144天为调查窗口期，并采用最小离差平方和的方法确定最佳滞后参数，并提取主成分后代入回归方程，求得滞后处理后的相关数据，相应绘制各变量滞后效果如图4所示。易知，各广告变量均被不同程度滞后，变量变化趋势和数据并没有太多改变。

为了评价模型是否能很好地拟合样本数据以及对未来预测的能力，这里，文中通过绝对百分比误差MAPE和R square来检验模型拟合质量。经计算，MAPE=2.648<10，R2=0.887>0.8，说明模型拟合效果良好。

4.3 贡献占比分析

4.3.1 各变量贡献占比为消除回归系数和因变量本身数量级可能的极端影响[26]，这里，拟将各变量乘以对应回归系数，求出各变量的贡献加和，得到各变量的贡献值=

.进一步地，采用百分比表示各广告效应的相对大小，计算出广告效应总体占比。

由表5和图5可知，在电商广告中，口香糖直通车和糖果类直通车对销售额贡献较大，其次是星级店铺的广告投入;其他类广告中，TV的销售额贡献相对最高，高达20%，然后是在线视频广告，贡献最低的户外广告，其贡献值微乎其微;促销活动的贡献都很高。且同一次促销活动，第1天促销效果最好，之后效果会减弱;产品价格因素与销售额存在负相关性;而天猫流量贡献值高达10%，说明平台流量是商家销售的关键前提;负截距项说明当商家对产品不做任何推广和营销，天猫流量几乎为0的情况下，销售额将为负值，预示着商家面临亏损。

4.3.2 各效应贡献占比将电商类广告贡献加和，易得电商广告贡献，将OTV，TV，Digital，OOH贡献加和，可得其他广告贡献，将促销类变量贡献加和，可得促销贡献，并计算其各自占比，以比较各大类广告贡献的差异。

由图6可看出，在2016-5-21至2016-10-10日这144天，电商广告贡献较稳定且贡献值较大。促销贡献仅在促销日对销售额有明显促进，销售额出现的峰值一般均是因促销活动引发，其他广告明显弱于电商广告的贡献。

就占比而言，可以更明显地看出电商广告贡献占比（37.67%）和促销贡献（37.82%）相关无几，其他广告贡献（24.51%）则弱于电商广告的贡献。

4.3.3 各渠道贡献占比考虑到该口香糖作为快销产品，属于休闲娱乐的小食品类，其他渠道因广告投放成本高而不被关注，故商家往往主要精力放在了电商平台广告的投放和促销上。对广告类变量进行销售额贡献计算可得图7，销售额贡献最大的是TV，其次是口香糖类的直通车、星级店铺、糖果。电视台的曝光量大，到达率高，虽然在广告市场占比中有下降趋势，但始终是广告投放主要渠道。 星级店铺贡献突出的原因应该与其位置显眼，给消费者传递商家正规、质量可靠等信息有关。对比钻展和直通车，直通车效果普遍好于钻展，究其原因，直通车按点击计费，比单纯的网页浏览更容易促进购买。

4.4 电商广告投入产出比分析基于产品.ZZ和产品.ZTC以及其他广告类型的贡献值，再计算相应的广告成本，即Spending，不难得到ROI=

由图8可知，直通车中各产出投入比，从高到低排序为糖果类、薄荷糖、口香糖。而钻展的ROI相比于直通车的ROI普遍较低，其中，薄荷糖钻展效果最差。由此，基于变量销售额贡献计算的ROI，重新分配各类广告成本投入比例。由表7和图9可知，可提高糖果直通车、口香糖直通车、薄荷糖直通车类的投放比例，其他种类广告投放不妨相应调低成本投入。

显然，竞争产品关键词类直通车带来的ROI最高，所谓“知己知彼，百战不殆”，掌握竞争对手关键词，显然会增强现有产品竞争力;其次是长尾词直通车，考虑消费者一般有累加关键词搜索的偏好，有意识地加强长尾关键词直通车的投放也很重要;最后，钻展投放中核心用户的再转化率高，可加强核心用户的钻展定向投放。基于变量销售额贡献计算的ROI，重新分配各类广告成本投入比例。由表9和图11可知，直通车类长尾词，竞争产品关键词要提高投放比例，钻展类魔镜要减少广告投入。其他渠道变化幅度不大。

5 结语著名广告大师约翰·沃纳梅克曾经说过：“我知道有一半的广告费被浪费掉了，遗憾的是，我不知道是哪一半被浪费了。”因此，电商平台的精准广告已成为企业营销的又一大主战场[27]，文中采集天猫平台某品牌口香糖项目真实广告展现和点击数据，运用负二项分布和主成分回归相结合的滞后主成分回归模型对其广告效果进行了定量化计算和评价，以期能为大数据时代电商平台在保证和提高产品质量的前提下，充分发挥广告效应来提高产品知名度和购买转化效果起到一定的决策支持作用。文中的数据得益于对国内某品牌口香糖项目广告投放组的支持。具体数据包括系统后台每天不同产品八种包装销售量和当日销售单价，以及不同广告渠道产品的曝光量、点击量、广告费投入、此点击在15天内带来的销售额贡献值以及各产品在天猫平台的促销活动信息。

1）从产品和广告类型两方面整理和分析天猫平台不同广告的曝光量和广告成本。描述性统计结果表明，销售峰值和促销日代表两种不同程度促销效应的变量;考虑广告效应受时段影响较大，增加“周末”效应变量。因此文中将各产品总销售额作为因变量。这些变量的添加不仅真实全面地反映了广告投放影响因素，而且实现了与广告效应的分离，有助于更确切揭示广告对销售额的影响。此外，同类产品间的广告效应具有交叉作用。如同品牌的口香糖钻展展示广告会对糖果的销售额有影响。

2）数据分析结果表明，销售峰值的出现滞后于广告大力投放日，这体现出广告效应的滞后性和累积性。作为一种离散概率分布，负二项分布可以很好地处理广告变量的滞后性，将负二项分布和主成分回归相结合所提出的滞后主成分回归模型，真实地模拟了电商平台广告效应的本质特征，并在提取广告变量主要信息的基础上，较好地反映出广告投放对销售额的贡献。

3）作为点击计费广告，口香糖直通车和糖果类直通车的投入产出比普遍好于钻展，其中，竞争产品关键词、长尾词直通车的投放对销售额促进效果最为明显。建议商家在关注关键词和长尾词的组合艺术时也要注意恶意点击行为。钻展的ROI相比于直通车都较低，其中，薄荷糖的钻展效果最差，钻展投放中核心用户的再转化率相对较高，可加强核心用户的钻展定向投放。

4）星级店铺贡献率接近10%，实践表明不失为是一种很有效的电商广告。其他类广告中，TV的销售额贡献最高，高达20%，而户外广告和在线视频广告因极低转化率和消费者行为习惯对商品销售的促进作用并不明显。促销活动对商品销售的影响大于广告效应，销售高峰几乎都源于促销活动，且促销效果会随着时间衰减。因此，适时的商品促销值得坚持。调查数据表明，中国网络购物市场继续保持快速发展的态势，电子商务逐渐成为商贸的主要方式之一[28]。研究对电商平台广告投放具有普遍适应性。不过，虽然负二项分布对广告变量的滞后处理效果良好，但仅将广告变量、促销变量、价格等因素纳入模型存在不足，无疑制约着模型研究结论的决策支持作用的发挥。今后的研究中，如能将消费者视角的广告印象、投放限制等相关因素定量化纳入模型，显然更有助于广告投放决策完美图景的勾勒，或许可以作为该领域进一步研究的方向。

参考文献：

[1] 郭子雪，张 强.广告销售效果的评价指标体系[J].统计与决策，2007（05）：75-78.

[2]毛锦斌.基于消费者因素的网络广告效果实证分析[D].武汉：华中科技大学，2011.

[3]李惠文.通信产品广告效果评估体系研究[D].北京：北京郵电大学，2011.

[4]邓文峰，周朝明.浅析网络广告效果评价方法[J].上海管理科学，2010（27）：13-15.

[5]王雪琴.奢侈品广告效果评价实证研究[D].北京：北京服装学院，2013.

[6]朱志北，李 斌，刘学军，等.基于LDA的互联网广告点击率预测研究[J].计算机应用研究，2016，33（04）：979-983.

[7]钱增艳.互联网广告曝光率对广告效果的影响探究[J].电子商务，2019（01）：14-15.

[8]Hu Y J，Shin J，Tang Z.Pricing of online advertising：cost-per-click-through vs cost-per-action[C]//Proceedings of the 43rd Hawaii International Conference on Systems Science（HICSS），2010：1-9.

[9]公秀丽，施勇勤.网络广告新计价模式及效果评估探析[J].东南传播，2011（01）：12-14.

[10]Andrea M Stroup，Steven A Branstetter.Effect of e-cigarette advertisement exposure on intention to use e-cigarettes in adolescents[J].Addictive Behaviors 2018，82：1-6.

[11]纪文迪，王晓玲，周傲英.广告点击率估算技术综述[J].华东师范大学学报（自然科学版），2013（03）：2-14.

[12]Joachims T.Optimizing search engines using clickthrough data[C]//Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining.ACM，2002：133-142.[13]

Zhang W V，Jones R.Comparing click logs and editorial labels for training query rewriting[C]//Workshop on Query Log Analysis：Social and Technological Challenges，2007：1-4.[14]

Richardson M，Dominowska E，Ragno R.Predicting clicks：estimating the click-through rate for new ads[C]//Proceedings of the 16th international conference on World Wide Web.ACM，2007：521-530.[15]Chakrabarti D，Agarwal D，Josifovski V.Contextual advertising by combining relevance with click feedback[C]//Proceedings of the 17th international conference on World Wide Web，Beijing：ACM，2008：417-426.

[16]Guo F，Liu C，Kannan A，et al.Click chain model in web search[C]//International Conference on World Wide Web.ACM，2009：11-20.

[17]韩冀东，张艳妍.网络广告效果测评初探[J].市场营销，2002（02）：56-57.

[18]梅仕鹏，蒋海波.网络广告效果评价指标的评析与构建[J].江苏商论，2003（12）：52-53.

[19]阮丽华，彭 昊.网络广告效果的影响因素研究[C].第八届中国管理学年会，2013.

[20]丁 磊，钟文杰.基于OMA的移动广告投放平台设计与实现[J].广东工业大学学报，2019，36（04）：46-51.

[21]姜照君，吴志斌.媒体广告收入的来源分布及变化动向[J].现代传播，2019（04）：134-141+154.

[22]李 晶，吴 洁，董梦程.网店模特视线方向与表情对女性购物者购买意愿的影响[J].技术与创新管理，2018，39（01）：45-49.

[23]常隆隆，王 琰.城市广告投放中的问题及对策探析[J].视听，2019（02）：195-196.

[24]耿智琳.我国自主创新企业广告合作的演化与创新模式研究[J].技术与创新管理，2013，34（01）：14-17.

[25]智研咨询集团.2017—2022年中国广告+互联网行业调研及投资战略咨询报告[EB/OL].http：//www.zhiyan.org/plus/list.php？tid=13，2016.10.

[26]叶琼伟，张 谦，杜 萌，等.基于双边市场理论的社交网络广告定价分析[J].南開管理评论，2016（01）：169-178.

[27]甘 心.电商平台精准广告投放探究——以京东数坊为例[J].新媒体研究，2019（06）：62-63.

[28]汪 洋，张 磊，杨海波.图片复杂程度与呈现密度对消费者搜索效率影响[J].技术与创新管理，2018，39（03）：277-281.（责任编辑：王 强）