搜索广告转化率的预测——基于LightGBM和XGBoost.pdfVIP

摘要

广告，就如同字面上的意思，广泛地向大众宣传告知事件或是事物。21世纪

大数据和电商等互联网行业得到了巨大的发展，其中搜索广告已经成为商业互联

网广告中重要的一员。它出现在人们使用互联网产品或是上网页等接触到的最多

的一种广告类型，因此其转化率的预测也变成学者们热衷研究的对象。转化率和

点击率不同，它是直接导向是购买，因此高转化率是广告主、广告媒介的重点研

究对象，因为其直接带来的是较高的投入产出比。

本文主要研究搜索广告的转化率预测模型及其特征处理。由于阿里淘宝是目

前中国较大规模的电商平台，其广告几乎都是搜索广告，且近期公开了其一部分

的数据，因此本文的研究数据选择使用开源的阿里平台的2018年搜索广告的数

据。首先，本文对获取的该数据进行了描述性的统计分析，主要从以下四个角度

进行分析：用户的信息数据、商品的信息数据、店铺的信息数据以及补充的商品

上下文数据信息。然后对数据进行了缺失值处理、文本特征处理和时间处理，在

此数据预处理的基础之上本文对数据进行了特征处理提取，包括隐藏信息提取，

如商品描述详尽程度等;对特征进行分段处理提取，如店铺评价数量等级的分段;

点击率的组合特征提取等。最后得到的数据为：478138个样本，10075个不同的

广告商品，以及3959个不同的商铺，270个解释变量。

接着本文用Python分别采用LightGBM和XGBoost算法对数据进行搜索广

告转化率预测模型的构建。针对重要超参数，本文还采取了网格搜索的算法进行

较优参数的寻找，确保训练出较好的预测模型。评价方面，本文分别采用了logloss

损失值、auc、rmse（均方误差）以及训练时间对LightGBM模型和XGBoost模

型进行了优劣比较。结果显示：对该数据而言，logloss值、auc值和rmse均方误

差值三个评估指标LightGBM所得数据均比XGBoost更为精确。特别地，

LightGBM的运算效率非常高，比XGBoost的运算速度快了将近几十倍。

无论是LightGBM算法还是XGBoost算法，两者均是近些年以来较前沿的机

器学习算法。本文将LightGBM算法和XGBoost算法应用到搜索广告转化率的

预测模型中，不仅在搜索广告转化率的预测研究中拓宽了算法模型的选择，而且

针对这两个算法而言，也提升了LightGBM和XGBoost算法的使用范围。不过

因为与XGBoost和LightGBM相关的研究都处于比较初步的阶段，且搜索广告

转化率的预测研究也只处在定量研究的初期，因此相关文献较为少见，所以本文

还有很大的提升空间。LightGBM算法和XGBoost算法在搜索广告转化率方面的

研究是本文做的一次尝试，还未将该两种算法结合其他机器学习算法进行构建研

究。相信随着未来学者们对LightGBM和XGBoost算法研究的深入，以及对搜

索广告转化率研究的逐渐深入，未来定会出现更适合预测模型的相关算法。

关键词：LightGBM；XGBoost；搜索广告转化率预测；特征预处理

Abstract

Advertising,asthenamesuggests,istoinformthegeneralpublicofacertainthing.

Inanarrowsense,advertisingreferstotheadvertisementforprofit,suchascommercial

advertisementoreconomicadvertisement.Itisameansbywhichcommercial

enterprisespromotegoodsorservicestoconsumersorusersthroughadvertisingmedia

bypayingfees.Commodityadvertisementisrightwhataneconomicadvertisementis.

Inthe21stcentury,theInternetindustry,such