使用神经网络建模客户在线行为：应用于转化预测和广告复投

Apr, 2018

使用神经网络建模客户在线行为：应用于转化预测和广告复投

Modelling customer online behaviours with neural networks: applications to conversion prediction and advertising retargeting

PDF

Yanwei Cui, Rogatien Tobossi, Olivia Vigouroux

TL;DR本文利用神经网络对数字营销进行优化，建立了能够对用户在线行为模型的模型，在此基础上利用蒙特卡罗模拟预测未来潜在客户的转化率。

Abstract

In this paper, we apply neural networks into digital marketing world for the purpose of better targeting the potential customers. To do so, we model the customer online behaviours using dedicated neural network a

neural networks digital marketing customer online behaviors rnn monte carlo simulation

发现论文，激发创造

应对产品需求变化：赞助搜索中转化率（CR）预测应用

本文提出了三种结合产品需求特征、专业数据采样方法和集成技术的模型，可以更准确地预测产品广告的用户交互结果，并同时对用户和广告商行为的波动具有鲁棒性。

May, 2018

使用循环神经网络进行赞助搜索的顺序点击预测

通过引入循环神经网络 (RNN) 的回归结构，直接建模用户序列行为依赖，从而提高点击预测准确性。

Apr, 2014

基于深度学习顺序框架的零售业顾客流失建模

本研究使用基于循环神经网络的深度生存分析模型，仅利用个体客户行为预测其购买行为，不需要耗时的特征工程过程，旨在帮助全球零售商提高客户留存率，从而提高业务利润。

Apr, 2023

预测购买意向：使用递归神经网络进行自动特征学习

该研究提出了一种神经网络模型，用于准确预测电子商务中的购物意愿，并通过可训练的向量空间模型协助解决了传统方法中需要大量特征工程所需的资源和时间消耗的问题，同时，多层循环神经网络也能够捕捉长期和短期事件依赖关系和关联，取得了 98％与先进技术相当、甚至超过先进技术的分类准确率，无需进行特定领域或数据集相关的特征工程。

Jul, 2018

用户记忆网络预测点击率

提出了一种实用的 CTR 预测模型 —— 记忆增强型 DNN，该模型通过创建两个外部记忆向量来记住每个用户的历史行为信息，并取得了在离线和在线实验中都表现出良好的绩效。

Jul, 2019

通过自监督预训练提升在线广告中的转化率预测

使用自监督预训练的方法来改善在线广告系统中的点击率预测模型，通过训练一个辅助自编码器模型来丰富主要的点击率预测模型，提高相关性、稳定性和网络规模，最终成功部署到 Yahoo 原生广告系统。

Jan, 2024

多通路多触点归因的深度神经网络与注意力模型

本文提出了一种基于深度学习的新型归属算法，利用 DNAMTA 模型，通过监督学习预测广告活动是否导致转化，来精确评估每个广告渠道的影响，并结合用户背景信息和行为控制变量来减少估计偏差，从而深入理解媒体渠道的动态交互效应，并在大型真实世界营销数据的计算实验中表现出比现有方法更为优越的转化预测和媒体渠道影响评估。

Sep, 2018

基于 URL 嵌入的展示广告转化预测

本研究介绍了不同的模型来预测用户转化的概率，其中包括三个 URL 嵌入模型和转化预测模型，并通过实验数据证明了其有效性。

Aug, 2020

递归神经网络生存模型：预测 Web 用户返回时间

该研究论文介绍了一种新的 RNN 生存模型，可以准确预测网站用户的回访时间，并且在电子商务数据集上表现出比其他方法更优秀的能力。

Jul, 2018

数字营销内容设计的神经洞察

本文提出了一种基于神经网络的系统，通过分析历史数据生成人工智能驱动的可操作的洞察力，帮助数字市场营销人员改进其创意过程，并展示了该评分模型和洞察力在定量和定性方面表现良好。

Feb, 2023