Blog在电子商务网络营销中的应用初探

随着Blog的不断发展,其作用和意义也开始在电子商务网络营销中凸显,利用Blog这种网络应用形式开展网络营销也成为电子商务发展过程中宣传商品和品牌的有效方式.本文结合Blog的特点,就个人和企业在开展电子商务网络营销中的应用作了积极探讨.     

整合与创新——从"点击率小说"的繁盛之态看整合出版以及出版方式创新

在网络经济迅速发展的大环境下,“点击率小说”与其说像一位骑士,从繁杂的出版物雾障中强势突围,倒不如说它是以一种凌然未有的姿态,占领了当前出版物的战略高地。“点击率小说”的出现,直接挑战了传统的出版模式,是出版方式的一种创新,同时也预示着一种新的出版整合方式的诞生,这种整合是网络出版与传统出版的整合。本文以“点击率小说”为出发点和立足点,试图说明这种创新和整合方式的缘起、必要性、必然性以及它带给我们的启示。     

基于序列特征的点击率预测模型

点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等有着重要的意义.传统的点击率预测模型是利用用户特征和商品特征,对点击率进行预测.然而,用户行为序列的结构特征,如周期性规律、趋势等也能一定程度地体现用户行为的倾向.针对部分信息利用上的空缺,使用时间序列分析单元,将提取用户行为序列的特征作为用户特征的扩展,结合因子分解机结构将其与用户、商品特征进行交叉,能够有效提高特征质量,优化点击率预测模型的性能.实验表明,结合用户行为序列特征进行交叉优化的方法能够对点击率预测模型的表现带来很大提升,提高点击率预测的精度.     

网络环境下广告资源优化决策模型

研究了网络环境下优化配置有限广告资源的问题。在最大化总体点击率的基础上引入了定价模型,提出了在企业广告预算一定的条件下,基于混合定价的最大化网站收入的决策模型。目标函数是有约束的优化问题,采用罚函数法转换为无约束优化问题,针对无约束问题采用遗传算法进行求解,仿真结果说明了模型和算法的可行性。     

我们的思维模式正在被重塑？

贾森·罗素一下＂火＂了。2012年3月,他在互联网上传了一个揭露非洲军阀约瑟夫·科尼恶行的视频,不到一周,该视频的点击率就超过了7000万次。从默默无闻到突然受到全世界关注,看起来真是风光无限,多少人梦寐以求啊!然而,这样一种转变,竟然令罗素的心智受到了损害。     

自媒体时代高校新闻网的发展困境及对策——基于国内10所高校新闻网的网上调查

随着移动互联网技术和SNS(社会网络)技术的快速发展,互联进入到了自媒体时代。美国学者谢因波曼与克里斯威理斯对"We Media(自媒体)"下了十分严谨的定义:"We Media是普通大众经由数字科技强化、与全球知识体系相连之后,一种开始理解普通大众如何提供与分享他们本身的事实、他们本身的新闻的途径。"自媒体主要包括微博、博客、播客、维客和个人主页等,如腾讯QQ空间、人人网和新浪微博。     

科技“小窗口”建设“大平台”——太原科技信息网站日点击率翻10倍现象透视

科技基础条件平台建设项目,是太原市创新体系的重要组成部分．是服务于太原市科技进步与技术创新的基础支撑体系，该项目的“使命”，就是充分运用信息、网络等现代技术，对科技基础条件资源进行战略重组和系统优化，以促进全社会科技资源高效配置和综合利用，提高科技创新能力。     

微电影营销：浓缩并非皆精华

如今这个时代,如果你不“微”。那么很可能已经“OUT”了。自从微博风靡网络。人们发现新事物但凡被冠以“微”字,往往意味着吸引眼球、赚取点击率。在此效应之下,“微电影”风生水起并迅速飙红网络,而作为企业,如何藉此提升营销能力、扩大营销效果,尚有待产业界人士探索。     

对房地产市场认知的四大谬误

<正>闲暇之余,浏览某门户网站,发现有关政策调控、房价走势的讨论依然是热闹非凡,但大家大作明显少了。细读了几篇文章,又发现文章题目有明显地追求点击率之嫌,其中观点更是略显极端,甚至有失偏颇,存在对市场基本认知上的谬误。     

基于压缩激励网络的注意力因子分解机的点击率预测模型

在互联网技术日趋成熟的今天,广告的点击率(click-through rate, CTR)预测得到越来越多的关注。在特定的商业环境下,广告CTR预测模型的改进可以带来巨大的经济效益。然而特征的多样性和复杂性使得传统的预测模型难以发现海量特征中的重要特征。针对上述问题,提出了基于压缩激励网络的注意力因子分解机的点击率预测模型(squeeze and excitation network based attentional factorization machines model for click-through rate prediction, SEAFM),SEAFM模型通过压缩和激励网络来动态学习特征的重要性,通过注意力网络来学习特征交互的权重,通过深度神经网络(deep neural network, DNN)模块来隐式建模高阶特征交互。实验结果显示,SEAFM模型比现有相关模型具有更好的性能。