基于混合多属性决策的网络广告投放媒体的评价与应用，本文主要内容关键词为：网络广告论文,属性论文,评价论文,媒体论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
问题的提出
网络广告是通过网络媒体劝说受众并能与受众交互的一种广告形式[1]。随着互联网的发展，网络广告不仅成为广告主进行产品和服务推广的媒介，而且也越来越成为众多门户网站和长尾网站的赢利方式。与传统的四大传播媒体(报纸、杂志、电视、广播)广告相比，网络广告不仅具有得天独厚的快速、高效优势，而且又由于其具有成本低廉、即时互动、效果容易评估等特点成为广告主的新宠。
随着互联网站点的增加和在线广告客户对广告效果要求的提高，出现了联系站点和广告客户的广告网络[1]，广告网络面临着网络广告运作中大规模的广告与网络广告投放媒体(为叙述方便，下文简称网络媒体)相互匹配问题：如何在众多的媒体中选择合适的网络媒体，使广告投放的效果达到最好？哪些指标影响着在线广告的投放？如何构建综合评价网络广告投放的指标体系？然而，现在并没有一个标准的评价指标体系来指导广告主或广告网络做出匹配决策，因此，科学的评价方法和评价指标体系的构建已经成为广告网络或广告主极为迫切而日益重要的工作。
在对备选网络媒体进行选择时，由于信息不对称，决策者在进行实际决策过程中，往往面临两种类型的数据：(1)精确型数据，通常是某些定量化的指标，如网络广告的点击成本费用，广告位租赁价格等；(2)区间型数据，通常是某些定性的指标，通过打分的方法进行量化，得到的数据是模糊的，如网站服务态度比较好，通过1至10的打分方法，可以给定其打分结果为[5,6]；对于不同指标所赋予的权重也可能只给出一个大概的区间范围，不能精确量化到某一具体数值，即用区间型数值来表示，如考虑广告位租赁价格在广告投放策略中所占的权重约为w∈［0.100，0.200］等。这样，对网络媒体评价的决策矩阵数据是精确型数据与区间型数据组成的混合型数据。如何找到有效评价混合型数据的方法和评价模型来指导广告投放决策，一直困扰着广告主和广告网络。
从上述分析可知：对网络媒体评价指标体系的构建与决策方法的选择成为广告网络或广告主亟待解决的问题。然而，目前并没有针对基于广告投放的网络媒体指标评价体系和混合型多属性决策方法，因此迫切需要从投放网络广告的视角来指导网络广告投放的理论、方法和模型以有效指导网络广告投放的运作管理。
文献回顾
许多学者已对网络广告进行了相关研究，目前网络广告的研究领域主要有三个方向：(1)网络广告的定位和空间布局优化[2－6]。Langheinrich等最早建立了线性规划模型，寻求如何将不同的广告定位到不同关键字的网页上，以获得最大的点击量[2]。随后Tomlin提出了改进方法，引入了熵模型均衡结果为零的最优变量[3]。Chickering和Heckerman对点击率进行处理并给初始模型加入随机因素，将改进模型应用于实际网站的广告优化[4]。Abe等在基本模型中加入了广告的重要性因子，使用内点法代替线性规划，研究了广告的库存管理问题[5]。齐洁和汪定伟定义了一个具有分散惩罚项的目标函数，用改进的微粒群优化算法解决了增加顾客与广告的接触面和扩大广告的影响问题[6]；(2)网络广告收益和定价研究[7－13]。Mangani和Fjell分别研究了网络媒体作为广告定价的接受者，在CPM和CPC之间选择的优化决策问题，他们都是考虑CTR确定性的收益最大化问题为目标[7,8]。Kumar和Sethi考虑了网络广告的动态定价问题[9]，Roels和Fridgeirsdottir研究了基于CPM合同的动态优化客户选择和广告展示问题[10,11]。Fridgeirsdottir和Asadolahi又研究了关于CPM。合同的收益管理问题[12]。Moon和Kwon根据期权合同理论，研究了在CPM和CPC之间的不确定选择问题[13]；(3)网络广告点击欺诈研究[14－17]。Bortz等根据实践经验和期望目标建立了一套用于防止点击欺诈的检测系统，现在已经将这套系统使用在Google搜索引擎上[14]。Edelman研究了委托人通过延期支付代理人的佣金，以惩罚实行欺诈的代理人，在不减少利润的情况下可以降低大约71％的欺诈[15]。Immorlica等给出了一种基于点击的学习算法，可以识别一个特定的广告槽位的点击欺诈[16]。Ding提出了一种结合密码学和概率学的混合技术，对于CPA收费模式中广告主对广告媒体的点击欺诈进行了研究[17]。
然而，基于网络广告投放视角下的网络媒体评价和应用的研究却比较少见，Ngai针对发布网络广告的网络媒体，应用AHP方法对印次率(Impression Rate)、月成本(Monthly Cost)、合适的访问者(Audience Fit)、内容质量(Content Quality)、网站观感(Look And Feel)等五个指标进行了实证研究[18]。而其他学者则主要是侧重于网站评价的研究，研究成果主要用于对网站的改进。具体研究领域主要有以下几个方面：(1)网站评价体系的研究[19－23]。如Chen等用分层聚类方法对电子商务网站质量体系的典型指标进行了构建[19]。Miranda等从网站的易用性、速度、导航和内容等指标进行了研究[21]。余晖和吕忠民从用户界面、网站内容、导航系统、网站功能和客户服务等构建了评价指标[22]。姚远从技术指标、界面指标、咨询指标、商务操作的便利性和安全等指标进行评价[23]；(2)网站评价方法的研究[24－31]。如Ju等用神经网络方法对政府电子政务网站进行了研究[24]，Schubert则应用EWAM评价工具从客户的角度对电子商务网站进行了评价[25]。岳中亮等则分别用TOPSIS方法及其改进方法分别对高校图书馆网站和电子商务网站进行了评价[26,27]。赵洁和张浩等分别用模糊动态评价法和模糊综合评价法对电子商务网站进行了研究[28.29]。梁昌勇等用主观权重集成方法对电子商务网站评价[30]，李君君，陈海敏则用因子分析和对应分析评价[31]；(3)分类网站的评价研究[32－38]。如黄爱白和赵冬梅对B2C网站进行了评价[32]，刘友华等对学术网站进行评价[33]，朱庆华等对政府网站进行评价等[34]。李生琦和陈奎对C2C网站进行了评价[37]，历岩和杜蓉对B2B网站进行评价[38]。
基于上述综合分析，对网络广告的研究仍存在以下问题：在网络广告的投放过程中，基于网络广告投放视角下的网络媒体评价和选择极为重要，网络广告投放评价的结果关系到广告投放的成败，但这方面的研究成果较少。另外，虽然有对网站评价的研究，但大都是从单一网站的角度来评价，较少有对多个网站从基于广告投放视角的相同指标下评价。尽管学者Ngai[18]从网络广告的视角构建了评价指标，并用AHP方法予以评价，但仍存在着局限性：首先，评价指标太少，不能真实反映现代投放广告的要求；其次，AHP方法在确定权重时受到主观因素偏好的影响，不能客观地反映网站的综合评价效果；最后，研究成果只是用于网站的设计和改进，没有应用于广告投放的选择。相对于广告主和广告网络来说，选择合适的网络媒体正是网络广告投放成功的关键，而影响广告投放的因素很多，同时在评价网络媒体时经常面临的是精确型数据和区间型数据，如何解决数据的统一量化问题？如何解决多指标约束条件下选择最合适的网络媒体？对这些问题的研究具有重要的理论意义和实践价值。
针对上述问题，本文拟从新的视角和思路探索和研究网络媒体的评价和应用问题，具体如下：(1)从投放网络广告的视角来研究网络媒体；(2)深入分析和审视影响投放网络广告的因素，并构建指标评价体系；(3)研究精确型数据和区间型数据指标相结合的混合多属性指标决策问题；(4)构建评价模型用于对网络媒体的综合评价；(5)给出一个具体的算例来说明混合多属性指标决策方法在网络媒体选择中的应用。
本文的研究成果包括：(1)通过对业内人士的访谈和对网站的各种指标进行分析，构建了影响网络广告投放的关键指标，这对广告主或广告网络正确认识和深入理解影响投放网络广告的因素奠定了理论基础，同时对网络媒体的设计改进、运营管理指明了方向；(2)将属性指标按一级指标定义为精确型数据和区间型数据，同时在一级指标下按成本指标和效益指标构建二级指标，在二级指标下定义具体影响广告投放的三级指标。这有助于广告主和广告网络能更加清晰地理解网络广告的定量指标、定性指标、成本指标和效益指标，同时为评价网络媒体的综合效果提供算法依据；(3)对区间数相离度和可能度偏差最大化多属性决策的方法进行改进，将精确型数据和区间型数据统一起来，为解决混合多属性指标决策问题提供了新的思路和方法；(4)该方法评价结果客观可靠，易于在计算机上编程实现，只要设定相关指标的数据就可以实现自动匹配。
评价指标体系构建
广告网络在进行广告投放与网络媒体匹配的时候，不仅要考虑影响广告投放的网络媒体因素，而且也要满足广告主广告性价比高的目的。因此，广告网络必须付出很多努力，对网络媒体进行充分分析，获得更多的指标信息，并进行科学的决策才能满足广告主的个性化要求。否则，广告主将会转移到其竞争对手那里去投放广告，从而降低各方的合作程度。因此，对网络媒体评价指标体系的构建显得尤为重要。
1、评价指标体系设计的基本原则
网络媒体评价指标体系的设计应该符合以下原则：
(1)科学性原则：评价指标体系的设计须构建在科学合理的分析基础之上，既要内容全面，还要体现重点，注重指标整体的系统性，并能为评价建模和计算提供依据。
(2)可行性原则：各评价指标应该简单规范，数据易获取，在实际操作过程中易于掌握和实现。在评价时能够对各指标进行量化处理，实施方便。
(3)客观性原则：评价指标应尽可能反映客观事实，减少主观因素造成的负面影响。
根据上述基本原则，在进行网络广告评价指标体系设计时，按照图1所示设计。
图1 网络广告评价指标体系设计图
2、评价指标体系构建
传统广告(报纸、广播、杂志和电视)由于载体的形式和形态各异，很难用一个统一的指标体系去衡量，所以对于传统广告的评价指标体系，理论界和广告界大多采用独立的指标体系进行衡量[39]，如针对电视(收音机)的视听率，针对报纸广告的阅读率和注意率等。
网络广告具有不同形式和形态间的差异，例如文字链接广告、旗帜广告和多媒体广告，静态广告与动态广告等，而这些不同的形式和形态对广告产生的效果也有不同的影响，从而也会影响少数的评价指标。为了消除这种影响，并使研究限定在一个合理的框架之内，研究评价指标体系的前提是：假设广告主投放的广告形式和形态是一定的情况下，对网络媒体的综合指标进行评价。设计的评价指标体系是广告主或广告网络在投放广告时都应该考虑的关键指标，即广告主或广告网络关心的共性问题，而对影响广告效果的具体形式和形态这一特殊问题，将在以后的研究中展开。
根据网络广告指标体系设计的基本原则，广告网络在选择网络媒体的时候，要对影响广告投放的各种指标进行综合分析，找到有利于投放网络广告关键的共性指标，并对这些指标进行分类，便于进行定量化或者定性量化处理，有利于广告网络、广告主和网络媒体对这些指标的深刻理解。本文按照定量指标和定性指标构建一级指标，同时按照成本－效益理论，构建二级指标，最后构建具体影响投放广告的三级指标。
在早期网络广告投放的实际运作中，一般只会考察广告成本、网站观感、网页流量、内容质量等少数几个指标进行考察[18]。但是随着广告定向投放技术的不断提高，越来越注重广告效果的好坏，衡量广告效果的指标越来越多，而且很多指标都是可以进行准确量化的，因此，在构建指标时，还要考虑广告系统定向投放的技术能力，反映广告效果的点击率、转化率、内容契合度等。另外，由于网络广告服务的复杂性，在选择网络媒体时，还要考虑网络媒体的服务质量、企业信誉、资质等级等指标，这些指标反映了网络媒体的综合素质，否则，网络媒体有可能实行点击欺诈或印次欺诈，不按照广告要求投放，甚至某些网络媒体倒闭而广告主或网络媒体还不知晓。综上分析，广告网络或广告主在对网络媒体的评价指标进行构建时，要系统地考虑各项指标，能切实地反映指标与广告投放的关系。通过对广告网络、广告主和网络媒体的访谈，在参考文献的基础上，构建网络广告媒体的评价指标，详细说明如表1所示。
表1中，CPM、CPC、CPA三种成本与定价合同有关，一般情况下，网络媒体提供的定价合同只能是其中的一种，虽然从形式上看有三种成本，但实际支付广告费用时只按其中的一种合同支付。虽然黏性指标可以通过技术手段获得客观的准确数据，但是由于在一个周期内测得的数据属于区间型数据，所以这里将它归于区间型指标。
为了便于决策者做出更好的决策，对模糊性指标，通过采用1至10分的打分方法进行测度，参考Likert量表打分方法，对1至10分采用如下九个区间进行划分，不同区间的标准所对应的说明如表2所示。
评价基本方法和理论
广告主投放网络广告不仅要考虑信息传播、品牌推广、销售/引导、网站推广等多种目的，而且对网络媒体的自身属性也要加以考虑，如服务质量、企业信誉、技术能力等，尤其是定向广告更应该考虑这些属性。随着网络广告定向技术的提高，广告网络和网络媒体收集与广告效果相关的后台数据能力增强，广告主可以根据自己的目的，综合评价和选择网络媒体。
在建立评价模型的目标函数时，应该充分考虑广告主的个性化要求，体现出广告主的目的差异性，对不同指标的权重加以约束，可以反映出广告主的不同目的。即通过调整具体评价指标的权重来体现出不同广告主的目的差异性。例如对以在线营销为目的的广告主来说，如果网络用户对企业的产品和服务有兴趣，那么就会点击广告，链接到企业的网站，形成在线注册或者在线购买，因此，点击率、转化率、内容契合度、网站的黏性、点击成本等都应该纳入目标函数的考虑范围，而且这些指标的权重相对于其他指标来说，也应该更大一些。以推广网站或扩大知名度，提升品牌形象的广告主来说，则主要考虑网站的知名度、网页的浏览量、网页级别、网站流量、网站排名等，其相应的权重也要大于其他的指标权重。
评价网络媒体时，需要处理的是精确型数据和区间型数据组成的混合数据，故对区间型数据处理方法加以改进[40]，以能够适用于混合型数据的决策情况。利用区间相离度与方案属性偏差最大化思想，通过决策矩阵求出最优的客观权重向量和各方案的综合指标值，建立混合型可能度互补判断矩阵，求得排序向量并按分量大小方案进行排序，可得最优方案。
1、决策矩阵规范化方法
对于区间型数据来说：
(1)
(2)
其中‖·‖表示欧氏向量范数。
根据区间数的运算法则，把式(1)和(2)写为
(3)
(4)
对于精确型数据来说，其规范化按下式处理
(5)
(6)
2、基本概念的定义
为了比较两个区间数的相似程度，并能够对各备选方案进行排序，根据文献[41]中对区间相离度与可能度的定义，引用如下：
定义3 对于精确型数据，设a，b均为实数，则定义可能度公式为
(8)
3、模型建立
因此，求解权重向量w就是求下面的线性规划模型最优解的问题。
解式(13)所示的线性规划模型，就可以求出各种指标的客观权重向量w。
一般地，若所有决策方案在属性
下的属性值差异越小，则说明该属性对方案决策与排序所起的作用越小；反之，如果属性能使所有决策方案的属性值有较大偏差，则说明其对方案决策与排序将起重要作用。因此，从对决策方案进行排序的角度考虑，方案属性值偏差越大的属性(无论其本身的重要性程度如何)应赋予越大的排序权重。当属性权重信息完全未知(或未知程度较高)时，可能会与实际指标重要性产生较大的偏差。但是，如果属性权重信息相对已知并且具有一定条件约束时，一般不会产生太大的偏差。
求得可能度矩阵P的排序向量，并按其分量大小方案进行排序，即可得最优方案。
基于上述讨论，具体的方法步骤如下：
实例分析
某广告网络需要在A，B，C，D，E五个网络媒体中选择一个发布关于某产品的广告，广告网络考虑的主要指标是网络媒体的CPC点击成本、广告的点击率、广告的网站转化率、网页级别、PV/UV值5个定量指标，同时还要考虑网络媒体的服务质量、内容契合度、黏性、企业信誉、技术能力、知名度6个定性指标。对定量指标可以用定值型数据表示；对内容契合度、企业信誉、技术能力、知名度定性指标可以用打分的方法，其范围为1分(最差)到10分(最好)之间，黏性则利用技术统计某一周期的数据，数据结果用区间型数据表示。广告网络对各个网络媒体的指标评价值的决策矩阵和各指标的部分权重信息如表3示。
按照步骤2，根据效益和成本指标，依照公式(1)、(2)、(3)、(4)、(5)、(6)将决策矩阵4转变为规范化矩阵如表4所示。
利用区间相离度和方案指标偏差最大化思想，建立单目标最优化模型。
上式说明：网络媒体A以0.6384的概率优于网络媒体C，网络媒体C以0.6146的概率优于网络媒体B，网络媒体B以0.5498的概率优于网络媒体E，网络媒体E以0.6505的概率优于网络媒体D。因此，广告网络最优的选择应该为网络媒体A。
结语
本文研究了4个方面的问题：(1)基于投放网络广告的新视角来研究网络媒体，深入分析和审视影响投放网络广告的关键指标，并构建了相应的指标评价体系；(2)研究精确型数据和区间型数据指标相结合的混合多指标决策问题，并给出了相应的算法步骤；(3)构建了指标评价模型，用于对广告网络媒体的综合评价，给出了排序方案；(4)通过一个具体的算例来说明混合多指标决策方法在网络广告投放媒体的应用。
本文创新点：(1)从投放网络广告的视角来研究网络媒体的评价方法，通过对业内人士的访谈和对网站的各种指标进行分析，构建了基于网络广告投放的网络媒体评价指标体系，这对正确认识和深入理解影响投放网络广告的因素奠定了理论基础；(2)将评价指标按精确型数据和区间型数据指标构建了一级指标，在一级指标下按照成本指标和效益指标构建了二级指标，在二级指标下构建具体影响广告投放的三级指标。使广告主和广告代理商能更加清晰地理解网络广告的定量、定性指标、成本指标和效益指标，同时为评价网站的综合效果提供了计算依据；(3)对区间数相离度和可能度偏差最大化多指标决策的方法进行了改进，融入了精确型数据，将精确型数据和区间型数据统一起来，为解决混合多指标决策问题提供了新的思路和方法；(4)构建的混合数值评价模型为广告主和广告网络的广告管理提供了科学的决策工具。
研究结果表明，基于混合多指标的决策方法更符合网络广告投放实际决策的情况，更能够描述现实决策中确定和不确定数据的真实情况；能够帮助决策者客观合理地做出方案的评价并做出选择决策，剔除了人为的不合理因素。广告主和广告网络按照不同的个性化需求，只要设定相关指标的数据就可以实现自动匹配，该方法评价结果客观可靠。
今后的研究方向将在本研究的基础上进行权重敏感性分析和属性值敏感性分析，对没有把握确定的参数进行敏感性分析，便于对那些敏感条件采取更加谨慎的态度处理；通过敏感性分析还可以确定一些可控条件的合理变动范围。
收稿日期：2010－12－09
标签：广告主论文; 评价指标体系论文; 互联网广告论文; 广告投放策略论文; 成本分析论文; 网络模型论文; 网站权重论文; 广告论文; 网站分析论文; 决策能力论文; 数据分析论文;