TWI611362B - 個人化網路行銷推薦方法 - Google Patents
個人化網路行銷推薦方法 Download PDFInfo
- Publication number
- TWI611362B TWI611362B TW105120534A TW105120534A TWI611362B TW I611362 B TWI611362 B TW I611362B TW 105120534 A TW105120534 A TW 105120534A TW 105120534 A TW105120534 A TW 105120534A TW I611362 B TWI611362 B TW I611362B
- Authority
- TW
- Taiwan
- Prior art keywords
- word
- article
- advertisement
- website
- browsing
- Prior art date
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本創作涉及一種個人化網路行銷推薦方法,尤指一種可針對每個使用者(Cookie)的瀏覽資料循環分析,根據時間點的不同預測其偏好趨勢,提供最容易引起其興趣之行銷資料。
按, 隨著電子高速計算機與寬頻網絡的到來,人們習慣於在網絡上獲取資訊以及朋友保持聯絡分享信息。此外,隨著網絡購物的普遍,帶來龐大的網路購物商機,許多實體商店紛紛加入電子商務的戰場,使得網路購物、拍賣平台蓬勃興起,以方便消費者通過他們的網路商店進行消費。
另外,為了刺激買氣以及吸引消費者,網路商店主人常常會向網站購買欄位,放置廣告吸引消費者點擊,並進入其網路商店購物。由於網站瀏覽流量直接反應了點擊廣告的或然率,因此,流量較高的入口網站往往是廣告主購買廣告欄位的首選。然而,流量較高的入口網站其廣告欄位價格也相對高昂,長期購買對網路商店主人而言是非常大的負擔。因此,便演伸出了透過廣告點擊次數計價的收費模式,即是一種廣告聯播網的概念。
在琳瑯滿目的廣告商品及有限的廣告欄位中,如何抓住消費者購買慾望激增的那瞬間,推薦最容易吸引其注意的相關商品吸引消費者點擊,已經成為網路廣告聯播網廠商戮力研究之方向,對於消費買氣的增加,也有著莫大的助益。而現今網路行銷的推薦模式,大多可分為三種:再行銷、興趣行銷以及內容行銷。
再行銷是紀錄消費者曾經去過的網站,持續遞送該網站的行銷資訊給予該消費者,引起該消費者之注意。然而,由於許多廣告主皆採用再行銷的方案,導致很多網站內,同一個頁面可能出現很多同一個廣告主的廣告。
興趣行銷是針對消費者曾經去過網站的類別與特性,並透過網站的類別,與廣告類別做比對,然後遞送該類別的廣告給予消費者吸引其注意。然而,消費者於不同時間點前往網站的目的有可能不一樣,其類型也差異較大,因此興趣行銷有精準度較低的缺點。
內容行銷是直接提供與所瀏覽網頁內容相關性較高的廣告素材,其優點是不需要了解消費者之興趣及瀏覽紀錄,可直接遞送與瀏覽網頁有關聯性的行銷資訊予以消費者。然而,由於網頁內容詞彙很多,透過機器去比對精準度不高,容易判斷錯誤遞送不適合之行銷資訊。
是以,如何遞送容易引起消費者注意之行銷資訊,進而吸引消費者點擊,便成為相關廠商以及相關研發人員所共同努力的目標,也必定成為未來趨勢的一項課題。
本創作之主要目的在於改善習知技術於網路行銷資訊推薦時,無法準確抓住消費者的意向,所提供的行銷資訊精準度較低等缺點,乃積極著手進行開發,以期可以改進上述既有之缺點,經過不斷地試驗及努力,終於開發出本發明。
為了達到上述目的,本創作係採取以下之技術手段予以達成,其中,本創作之個人化網路行銷推薦方法,至少包括以下步驟:提供複數個文章網站以及複數個廣告網站,每一該文章網站以及每一該廣告網站分別具有一程式碼。以該程式碼蒐集一瀏覽資料,該瀏覽資料為一使用者瀏覽該文章網站或該廣告網站的歷程紀錄。將瀏覽該文章網站之該瀏覽資料儲存至一文章資料庫,且將瀏覽該廣告網站之該瀏覽資料儲存至一廣告資料庫。提供一斷詞模組,利用該斷詞模組產生複數個文章字詞表,每一該文章字詞表與儲存於該文章資料庫之其中一該瀏覽資料相對應。提供一偏好分析模組,該偏好分析模組計算該文章字詞表,得到該文章字詞表之字詞權重分數。利用該斷詞模組產生複數個廣告字詞表,每一該廣告字詞表與儲存於該廣告資料庫之其中一該瀏覽資料相對應。利用該偏好分析模組計算該廣告字詞表,得到該廣告字詞表之字詞權重分數。提供一商品資料庫,該商品資料庫內儲存有可推薦的複數商品資訊,利用該斷詞模組產生複數個商品字詞表,每一該商品字詞表與其中一該商品資訊相對應。利用該偏好分析模組計算該商品字詞表,得到該商品字詞表之字詞權重分數。兩兩比對該文章字詞表、該廣告字詞表或該商品字詞表之字詞權重分數,得到相似度最高的一相似偏好物。提供該相似偏好物至一廣告投放網站。以及該廣告投放網站依據該相似偏好物輸出一行銷資訊給該使用者。
藉由上述之方法,本創作利用偏好分析模組分析每個使用者(Cookie)的瀏覽紀錄,並針對每個使用者的瀏覽資料循環分析,根據時間點的不同,提供最容易引起其興趣之行銷資料。
為達成上述目的及功效,本創作所採用之技術手段及構造,茲繪圖就本創作較佳實施例詳加說明其特徵與功能如下,俾利完全了解。
請同時參閱圖1及2所示, 其為本創作個人化網路行銷推薦方法較佳實施例之流程圖以及示意圖。本創作之個人化網路行銷推薦方法,係應用於網際網路之資訊傳遞,至少包括以下步驟:
步驟110:提供複數個文章網站 1以及複數個廣告網站 2,每一該文章網站 1以及每一該廣告網站 2分別具有一程式碼 (3a, 3b)。該文章網站 1可以為論壇、討論區、新聞網站等,該廣告網站 2可以為部落格、社群網站等,但不限於此。利用電腦編寫一程式碼 (3a, 3b)並埋設於該等文章網站 1或該等廣告網站 2上,該程式碼 (3a, 3b)為一電腦程式編碼(JavaScript Code, JS Code),當一使用者 4於該文章網站 1或該廣告網站 2上瀏覽時,可以抓取並紀錄該使用者 4之瀏覽紀錄,該使用者 4可以定義為一瀏覽單元(個人電腦、行動裝置)。
步驟120:以該程式碼 (3a, 3b)蒐集一瀏覽資料 (5a, 5b),該瀏覽資料 (5a, 5b)為一使用者 4瀏覽該文章網站 1或該廣告網站 2的歷程紀錄。當使用者 4透過網際網路前來該網站瀏覽時,該程式碼 3可以抓取及蒐集該使用者 4瀏覽該文章網站 1或該廣告網站 2的歷程紀錄,並存檔為一瀏覽資料(5a, 5b)。該瀏覽資料 (5a, 5b)包含使用者編號(Cookie)、該使用者 4於瀏覽該網站時瀏覽之頁數、瀏覽之時間長短、所瀏覽網頁之內容,以及執行了哪些動作,例如輸入字詞進行搜尋等行為。
步驟130:將瀏覽該文章網站 1之該瀏覽資料 5a儲存至一文章資料庫 61,且將瀏覽該廣告網站 2之該瀏覽資料 5b儲存至一廣告資料庫 62。當該程式碼 (3a, 3b)蒐集完該瀏覽資料 (5a,5b)後,可透過網際網路將該瀏覽資料 (5a,5b)傳送至後台的資料庫,並根據所瀏覽網站之分類,將瀏覽該文章網站 1之該瀏覽資料儲存至一文章資料庫 61、將瀏覽該廣告網站 2之該瀏覽資料儲存至一廣告資料庫 62。
步驟140:提供一斷詞模組(圖中未示),利用該斷詞模組產生複數個文章字詞表 63。本創作所使用之斷詞模組為網路常見的中文斷詞工具,例如CKIP斷詞工具、結巴斷詞工具等。利用該斷詞模組針對儲存於該文章資料庫 61之該瀏覽資料分別進行斷詞,篩選出有意義的字詞而產生複數個文章字詞表 63。每一個文章字詞表 63分別對應不同之該瀏覽資料 5a,其包括該瀏覽資料 5a之字詞、字數、詞性以及出現頻度。
步驟150: 提供一偏好分析模組 7,該偏好分析模組 7計算該文章字詞表 63,得到該文章字詞表 63之字詞權重分數。該偏好分析模組 7分析該文章字詞表 63內每一個字詞,根據每一個字詞所運用的基礎字詞、專業字詞或黑名單(例如無意義的字詞)依字詞、字數、詞性、出現頻度分析其文章結構,研判該使用者 4近日之瀏覽偏好,以及交叉比對歷程紀錄之瀏覽網站的類別以及瀏覽網站的類型,計算出該文章字詞表 63之字詞權重分數,其計算方式如公式(1)所示:
, Where
; (1) 其中,
為字詞權重分數,α為字詞出現的頻度權重,
為瀏覽網站的類別分數,
為瀏覽網站的類型分數,
為字詞的出現頻度分數,
為字詞的字數權重,
為字詞的字數分數,
為字詞的詞性權重,
為字詞的詞性分數。
字詞的詞性分數(
)是根據字詞詞性不同而給予不同之參數。在本創作一實施例中,若該字詞的詞性為較具區別特徵的詞性,例如名詞、動詞、形容詞、副詞、連接詞、區別詞等,則
為5;若該字詞的詞性屬於未定義的詞性,則
為1;若該字詞的詞性不屬於上述兩種,則
為0。
步驟160:利用該斷詞模組產生複數個廣告字詞表 64。利用該斷詞模組針對儲存於該廣告資料庫 62之該瀏覽資料 5b分別進行斷詞,篩選出有意義的字詞而產生複數個廣告字詞表 64。每一個廣告字詞表 64分別對應不同之該瀏覽資料 5b,其包括該瀏覽資料 5b之字詞、字數、詞性以及出現頻度。
步驟170:利用該偏好分析模組 7計算該廣告字詞表 64,得到該廣告字詞表 64之字詞權重分數。該偏好分析模組 7分析該廣告字詞表 64內每一個字詞所運用的基礎字詞、專業字詞或黑名單(例如無意義的字詞)依字詞、字數、詞性、出現頻度分析其文章結構,研判該使用者 4近日之瀏覽偏好,以及交叉比對歷程紀錄之瀏覽網站的類別以及瀏覽網站的類型,並利用公式(1)計算出該廣告字詞表 64之字詞權重分數。
步驟180:提供一商品資料庫 65。該商品資料庫 65內儲存有可推薦的複數商品資訊 651,利用該斷詞模組針對儲存於該商品資料庫 65之該商品資訊 651分別進行斷詞,篩選出有意義的字詞而產生複數個商品字詞表 66。每一個商品字詞表 66分別對應不同之該商品資訊 651,其包括該商品資訊 651之字詞、字數、詞性以及出現頻度。
步驟190:利用該偏好分析模組 7計算該商品字詞表 66,得到該商品字詞表 66之字詞權重分數。該偏好分析模組 7分析該商品字詞表 66內每一個字詞所運用的基礎字詞、專業字詞或黑名單(例如無意義的字詞)依字詞、字數、詞性、出現頻度分析其文章結構,並利用公式(1)計算出該商品字詞表 66之字詞權重分數。
步驟200:兩兩比對該文章字詞表 63、該廣告字詞表 64或該商品字詞表 66之字詞權重分數。由於每個字詞表內包括每個字詞的權重分數,本創作取出各個字詞表中權重分數較高的群組,例如選擇權重分數較高的十個字詞而得到十個權重分數,再將該等權重分數矩陣化後兩兩取餘弦(cosine),可以找出與單篇瀏覽資料相似度最高的配對文章。以比對文章字詞表、商品字詞表為例,其計算方式如公式(2)所示:
(2) 其中,
為餘弦值,
為文章字詞表的字詞權重分數,
為商品字詞表的字詞權重分數。
當餘弦值為0°時,則系統判定兩篇資料為同一個瀏覽資料。當餘弦值為90°時,則系統判定兩篇資料為完全不相關。當餘弦值介於一特定範圍時(例如20°至60°),則系統判定兩篇資料為較相關,此時可加入其他參數例如該使用者之偏好、價格、貢獻度等再套入公式(1)計算。透過上述方式,可以得到與所比對的瀏覽資料相似度最高的一相似偏好物 71,該相似偏好物 71為一偏好文章、一偏好廣告或是一偏好商品上述其中之一,其根據比對的字詞表而定。
步驟210:提供該相似偏好物 71至一廣告投放網站 8。該廣告投放網站 8可以為一網路廣告聯播網,其具有複數個行銷資訊 81,該等行銷資訊 81可包括廣告、社群推薦機制、優惠訊息、活動資訊,或上述任意組合,且該等行銷資訊 81係以動態的、自動的、排定的或週期性的更新。值得一提的是,該廣告投放網站 8可以根據不同因素,將該等行銷資訊 81進行分類,其分類的考慮因素敘述如下:商品資訊、商品瀏覽資料以及商品行銷資料。該商品資訊包括:商品價格、商品分類、商品標題、商品關鍵字、商品於該類別之數量比例以及該商品上線時間。該商品瀏覽資料包括:該商品頁面之平均停留時間(所有流量)、該商品頁面導入後之跳出率(所有流量)、該商品頁面離開率(所有流量)、該商品頁面結帳數(所有流量)、該商品丟入購物車但卻沒有結帳之比例(所有流量)、購買該商品同時,也購買其他商品之比例(所有流量)、點選該商品廣告進入網站後,卻購買其他商品之比例。該商品行銷資料包括:該商品過往之廣告點擊數(本創作統計流量)、該商品過往之廣告曝光數(本創作統計流量)、該商品過往之廣告點擊率(本創作統計流量)、該商品過往點擊後之平均停留時間(本創作統計流量)、該商品過往點擊後之跳出率(本創作統計流量)、該商品過往點擊後之離開率(本創作統計流量)、該商品過往點擊後之結帳數(本創作統計流量)、該商品過往點擊且丟入購物車但未結帳之比例(本創作統計流量)以及該商品過往點擊後購買,且同時購買其他商品之比例(本創作統計流量)。
步驟220:該廣告投放網站 8依據該相似偏好物 71輸出行銷資訊 81a給該使用者4。該廣告投放網站 8依據該相似偏好物 71選擇出較佳的行銷資訊 81a,並透過網際網路將該行銷資訊 81a傳送至該文章網站 1a或該廣告網站 2a,當該使用者 4前來瀏覽該文章網站 1a或該廣告網站 2a時,該文章網站 1a或該廣告網站 2a可將該行銷資訊 81a顯示於瀏覽畫面上,以吸引該消費者之注意及點擊。
由於該使用者 4的瀏覽行為有可能會因時間點不同而有不同的瀏覽偏好,因此在本創作另一實施例中,該偏好分析模組 7隨著時間點的不同,會循環計算及比對該等文章字詞表 63、廣告字詞表 64及該商品字詞表 66之字詞權重分數,例如將七天內所有瀏覽該文章網站 1之該瀏覽資料5a交叉比對,得到七天內相似度最高的相似偏好物 71,再將其提供給該廣告投放網站 8。
綜合上述,本創作提出之個人化網路行銷推薦方法與習用技術相較,確實具有下列優點: (1)本創作之個人化網路行銷推薦方法,透過循環計算及比對瀏覽資料,可以提供更精準的行銷資訊吸引使用者點擊。 (2) 本創作之個人化網路行銷推薦方法,可以避免同一個頁面出現相同的行銷資訊。 (3) 本創作之個人化網路行銷推薦方法,透過多方因素分析使用者之瀏覽文章內容,並根據瀏覽日期、瀏覽時間、所瀏覽之網站等因素,預測其偏好趨勢,提供最容易引起其興趣之行銷資料給使用者。
故,可充分顯示本創作之目的及功效上均具有實施之進步性,極具產業之利用性價值,且為目前市面上前所未見之新發明,完全符合發明專利要件,爰依法提出申請。唯,以上所述僅為本發明之較佳實施例而已,當不能用以限定本發明所實施之範圍。即凡依本發明專利範圍所作之均等變化與修飾,皆應屬於本發明專利涵蓋之範圍內,謹請 貴審查委員明鑑,並祈惠准,是所至禱。
文章網站 1, 1a 廣告網站 2, 2a 程式碼 3a, 3b 使用者 4 瀏覽資料 5a, 5b 文章資料庫 61 廣告資料庫 62 文章字詞表 63 廣告字詞表 64 商品資料庫 65 商品資訊 651 商品字詞表 66 偏好分析模組 7 相似偏好物 71 廣告投放網站 8 行銷資訊 81, 81a 步驟 110~220
圖1所示為本創作個人化網路行銷推薦方法一較佳實施例之流程圖; 圖2所示為本創作個人化網路行銷推薦方法一較佳實施例之示意圖。
步驟 110~220
Claims (6)
- 一種個人化網路行銷推薦方法,至少包括以下步驟:a:提供複數個文章網站以及複數個廣告網站,每一該文章網站以及每一該廣告網站分別具有一程式碼;b:以該程式碼蒐集一瀏覽資料,該瀏覽資料為一使用者瀏覽該文章網站或該廣告網站的歷程紀錄,該瀏覽資料包括使用者編號(Cookie)、瀏覽頁數、瀏覽時間及所瀏覽網頁之內容;c:將瀏覽該文章網站之該瀏覽資料儲存至一文章資料庫,且將瀏覽該廣告網站之該瀏覽資料儲存至一廣告資料庫;d:提供一斷詞模組,利用該斷詞模組產生複數個文章字詞表,每一該文章字詞表與儲存於該文章資料庫之其中一該瀏覽資料相對應;e:提供一偏好分析模組,該偏好分析模組根據該內容之字詞、字數、詞性、出現頻度、瀏覽網站的類別以及瀏覽網站的類型,計算該文章字詞表,得到該文章字詞表之字詞權重分數;f:利用該斷詞模組產生複數個廣告字詞表,每一該廣告字詞表與儲存於該廣告資料庫之其中一該瀏覽資料相對應;g:利用該偏好分析模組計算該廣告字詞表,得到該廣告字詞表之字詞權重分數;h:提供一商品資料庫,該商品資料庫內儲存有可推薦的複數商品資訊,利用該斷詞模組產生複數個商品字詞表,每一該商品字詞表與其中一該商品資訊相對應;i:利用該偏好分析模組計算該商品字詞表,得到該商品字詞表之字詞 權重分數;j:兩兩比對該文章字詞表、該廣告字詞表或該商品字詞表之字詞權重分數,得到相似度最高的一相似偏好物;k:提供該相似偏好物至一廣告投放網站;以及l:該廣告投放網站依據該相似偏好物輸出一行銷資訊給該使用者。
- 如申請專利範圍第1項所述之個人化網路行銷推薦方法,其中,該文章字詞表、該廣告字詞表及該商品字詞表包括該瀏覽資料之字詞、字數、詞性、出現頻度。
- 如申請專利範圍第1項所述之個人化網路行銷推薦方法,其中,該行銷資訊為一廣告、一社群推薦機制、一優惠訊息、一活動資訊,或上述任意組合。
- 如申請專利範圍第1項所述之個人化網路行銷推薦方法,其中,該相似偏好物為一偏好文章、一偏好廣告或是一偏好商品上述其中之一。
- 如申請專利範圍第1項所述之個人化網路行銷推薦方法,其中,該偏好分析模組隨著時間點的不同,循環計算及比對該等文章字詞表、廣告字詞表及該商品字詞表之字詞權重分數。
- 如申請專利範圍第1項所述之個人化網路行銷推薦方法,其中,該字詞權重分數計算方式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105120534A TWI611362B (zh) | 2016-06-29 | 2016-06-29 | 個人化網路行銷推薦方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105120534A TWI611362B (zh) | 2016-06-29 | 2016-06-29 | 個人化網路行銷推薦方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201801006A TW201801006A (zh) | 2018-01-01 |
TWI611362B true TWI611362B (zh) | 2018-01-11 |
Family
ID=61725436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105120534A TWI611362B (zh) | 2016-06-29 | 2016-06-29 | 個人化網路行銷推薦方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI611362B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109218769B (zh) * | 2018-09-30 | 2021-01-01 | 武汉斗鱼网络科技有限公司 | 一种直播间的推荐方法以及相关设备 |
TWI800743B (zh) * | 2020-07-17 | 2023-05-01 | 開曼群島商粉迷科技股份有限公司 | 個人化內容推薦方法、圖形使用者介面及其系統 |
CN113313539B (zh) * | 2021-07-29 | 2021-10-26 | 广东联讯科技发展股份有限公司 | 一种基于大数据的数字化营销服务管理平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080201206A1 (en) * | 2007-02-01 | 2008-08-21 | 7 Billion People, Inc. | Use of behavioral portraits in the conduct of E-commerce |
TW200923813A (en) * | 2007-11-27 | 2009-06-01 | Inst Information Industry | Advertisement selection systems and methods for internet articles |
US7743047B2 (en) * | 2007-05-08 | 2010-06-22 | Microsoft Corporation | Accounting for behavioral variability in web search |
CN102364468A (zh) * | 2011-09-29 | 2012-02-29 | 北京亿赞普网络技术有限公司 | 一种用户网络行为分析方法、装置和系统 |
-
2016
- 2016-06-29 TW TW105120534A patent/TWI611362B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080201206A1 (en) * | 2007-02-01 | 2008-08-21 | 7 Billion People, Inc. | Use of behavioral portraits in the conduct of E-commerce |
US7743047B2 (en) * | 2007-05-08 | 2010-06-22 | Microsoft Corporation | Accounting for behavioral variability in web search |
TW200923813A (en) * | 2007-11-27 | 2009-06-01 | Inst Information Industry | Advertisement selection systems and methods for internet articles |
CN102364468A (zh) * | 2011-09-29 | 2012-02-29 | 北京亿赞普网络技术有限公司 | 一种用户网络行为分析方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
TW201801006A (zh) | 2018-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5928920B2 (ja) | お勧めデータの決定 | |
JP5899275B2 (ja) | オンラインシステムにおける広告及びコンテンツの品質スコア付けシステム及び方法 | |
JP6408346B2 (ja) | オンラインシステムにおける広告及びコンテンツの統合型市場 | |
TWI629652B (zh) | Intelligent network marketing analysis and judgment method | |
CN105894332A (zh) | 基于用户行为分析的商品推荐方法、装置及系统 | |
US20150379571A1 (en) | Systems and methods for search retargeting using directed distributed query word representations | |
TW201520936A (zh) | 使用者參與度上下文相關之非保證交付自動標價 | |
US10596761B2 (en) | Method and system for 3-D printing of 3-D object models in interactive content items | |
US20150254714A1 (en) | Systems and methods for keyword suggestion | |
US9031863B2 (en) | Contextual advertising with user features | |
CN102073717A (zh) | 一种面向垂直电子商务网站的首页推荐方法 | |
TWI550535B (zh) | 基於他人購物清單之商品組合推薦系統、網站、及其方法 | |
US20180139296A1 (en) | Method of producing browsing attributes of users, and non-transitory computer-readable storage medium | |
JP6018338B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2014522525A (ja) | キャンペーンから欠落している言語を識別すること | |
TWI611362B (zh) | 個人化網路行銷推薦方法 | |
US20140074608A1 (en) | Rapid identification of search terms that surge in response to current events | |
RU2683482C2 (ru) | Метод отображения релевантной контекстно-зависимой информации | |
WO2016157427A1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Wang et al. | Beauty matters: reducing bounce rate by aesthetics of experience product portal page | |
KR20190055963A (ko) | 키워드검색 분석을 통한 온라인 쇼핑몰의 상품 노출 시스템 및 그 운영방법 | |
KR20110045293A (ko) | 인터넷 컨텐츠 내용에 가장 적합한 쇼핑몰의 상품정보를 자동으로 제공하는 상품광고 의미 매칭 서비스 시스템 및 방법 | |
CN108229990B (zh) | 一种广告标题生成方法、装置和设备 | |
WO2016157426A1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
TWI292107B (zh) |