선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그리고 여전히 어떤 이유로 특정 광고는 많은 클릭을 확보하고 다른 많은 광고는 클릭을 확보하지 못하는 지에 대한 문제에 대한 분명한 해답을 찾지 못하고 있다. 본 연구에서는 이러한 문제를 해결하기 위해서 노출당클릭률을 높이기 위한 온라인 광고 퀄리티 최적화 기법을 제안한다. 제안기법은 광고의 클릭수는 광고의 퀄리티에 종속되며, 광고의 퀄리티는 광고문구에 포함된 각 단어의 퀄리티에 종속된다는 가정을 기반으로 한다.
- 본 연구에서도 광고의 클릭을 주요한 요소로 고려하였지만, 단순히 광고의 노출 당 클릭률를 예측하는 것이 아니라 광고 그 자체가 가지고 있는 요소들과 노출 당 클릭률의 관계를 분석하고 활용하는 부분에 집중하였다. 그리하여 본 연구에서는 충분한 노출수를 가지는 광고들이 왜 클릭되지 않는지에 대한 물음에서 시작하여 이러한 광고들이 보다 나은 클릭확률 (혹은 퀼리티)를 가질 수 있도록 광고문구를 최적화하는 방법론을 제시한다.
- 본 연구에서는 앞서 정의된 목적함수를 풀기 위한 룰 기반의 최적화기법을 제안한다. 광고문구에 속한 단어를 예측퀄리티만 고려하여 대체한다면 광고문구의 내용이 달라지는 문제점이 생길 수 있다.
- 본 연구에서는 온라인 광고를 위한 단어/광고 퀄리티 지표를 제안하였고, 이를 기반으로 주어진 광고문구를 자동으로 최적화하는 최적화 프레임워크를 제안하였다. 실험 결과에 따르면 제안된 퀄리티 예측 지표는 실제 광고의 노출 당 클릭률을 예측하는 데에 기여할 정도로 높은 정확도를 보였으며, 최적화 기법을 사용하여 예측 퀄리티가 향상되는 실제 사례도 찾을 수 있었다.
- 실험 결과에 따르면 제안된 퀄리티 예측 지표는 실제 광고의 노출 당 클릭률을 예측하는 데에 기여할 정도로 높은 정확도를 보였으며, 최적화 기법을 사용하여 예측 퀄리티가 향상되는 실제 사례도 찾을 수 있었다. 본 연구는 온라인연구분야에서 최초로 시도된 광고문구의 최적화 연구이다. 향후에는 언어모델기반의 단순한 확률 모델을 개선할 목표를 가지고 있다.
- 본 연구는 온라인연구분야에서 최초로 시도된 광고문구의 최적화 연구이다. 향후에는 언어모델기반의 단순한 확률 모델을 개선할 목표를 가지고 있다. 그리고 이를 위해서 자연어처리 분야의 최신 기법들을 도입할 예정이다.
- 본 연구의 주 목표는 특정 광고 a가 주어졌을 때 a 의 예측 퀄리티를 최대화 하는 것이다. 온라인 광고는 크게 타이틀, 광고문구, URL 이렇게 세 가지 요소로 구성되어 있다.
가설 설정
- 본 연구에서는 이러한 문제를 해결하기 위해서 노출당클릭률을 높이기 위한 온라인 광고 퀄리티 최적화 기법을 제안한다. 제안기법은 광고의 클릭수는 광고의 퀄리티에 종속되며, 광고의 퀄리티는 광고문구에 포함된 각 단어의 퀄리티에 종속된다는 가정을 기반으로 한다. 그리고 광고와 단어의 퀄리티는 실제 광고의 노출당클릭률을 기반으로 예측할 수 있다고 가정하였다.
- 제안기법은 광고의 클릭수는 광고의 퀄리티에 종속되며, 광고의 퀄리티는 광고문구에 포함된 각 단어의 퀄리티에 종속된다는 가정을 기반으로 한다. 그리고 광고와 단어의 퀄리티는 실제 광고의 노출당클릭률을 기반으로 예측할 수 있다고 가정하였다. [그림 1]을 살펴보면, 첫 번째 광고는 두 번째 광고와 비교하여 더 낮은 노출 당 클릭률(CTR: Click Through Rate)를 가지고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.