基于细粒度混杂平衡的营销效果评估方法
营销效果评估是精准化市场营销的重要依据.虽然因果效应估计为营销效果评估提供了有效的研究框架,但现有因果效应估计方法主要针对群体因果效应评估问题而设计,在基于细粒度个体的因果效应评估时往往面临着用户时序特征描述困难、时序非时序混合特征混杂因子选择稳定性差等问题.针对上述问题,提出了细粒度混杂平衡的营销效果评估方法.首先,引入长短记忆神经网络对用户时序特征进行建模;然后,采用稀疏多层神经网络从时序和非时序属性等混杂因子中学习样本权重;最后,采用上阶段学习到的样本权重对营销效果进行独立评估.实验结果验证了本文提出的时序特征建模和近邻匹配思想可降低效果评估的偏差、提升稳定性,对于营销策略优化具有参考意义.
营销效果评估、因果效应、混杂平衡、深度学习、时序特征
39
TP391(计算技术、计算机技术)
国家自然科学基金;广东省基础与应用基础研究基金资助项目;广东省创新科研团队计划项目
2022-04-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
55-61