Αντικείμενο της παρούσας διατριβής είναι η αντιμετώπιση αναδυόμενων ζητημάτων της διαδικτυακής διαφήμισης (χορηγούμενη αναζήτηση, διαφημιστικά κείμενα, διαδικτυακές διαφημιστικές καμπάνιες). Η έμφυτη ανταγωνιστικότητα της αγοράς των διαδικτυακών διαφημίσεων και προώθησης μέσω των μηχανών αναζήτησης, καθώς και το γεγονός πως η ανάπτυξη μίας διαδικτυακής διαφημιστικής καμπάνιας είναι μία πολύπλοκη διεργασία που συνεπάγεται σημαντικό ανθρώπινο δυναμικό και τεχνογνωσία, οδήγησαν στην ανάγκη σχεδιασμού ενός συστήματος όπου θα δημιουργεί και θα βελτιστοποιεί αυτόματα διαδικτυακές διαφημιστικές καμπάνιες. Εισάγουμε τη συζήτηση αυτών των ζητημάτων από τη σκοπιά του ρόλου του διαφημιστή και όχι του διοργανωτή των δημοπρασιών διαφήμισης, ως μία από τις κύριες καινοτομίες μας. Στο πλαίσιο αυτό, ο σκοπός μας είναι διττός. Στόχος μας είναι να προτείνουμε μία μεθοδολογία καθώς και ένα λειτουργικό πρότυπο σύστημα για την αυτόματη δημιουργία, παρακολούθηση και βελτιστοποίηση σε καμπάνιες με περιορισμούς στον διαθέσιμο προϋπολογισμό.Οι ερευνητικές περιοχές της χορηγούμενης αναζήτησης, των διαφημιστικών κειμένων και της επιλογής διαφημιστικών όρων (λέξεις-κλειδιά) αντιμετωπίζουν προκλήσεις στην αυτόματη εξαγωγή, πρόταση και επέκταση των λέξεων-κλειδιών, καθώς και την εξεύρεση της βέλτιστης στρατηγικής πλειοδοτήσεων από την πλευρά του διαφημιστή. Επιπλέον, ένα ανοικτό πρόβλημα είναι η αυτοματοποιημένη διαδικασία δημιουργίας μικρών διαφημιστικών κειμένων. Ορμώμενοι από την υπάρχουσα βιβλιογραφία και κατευθύνσεις, προτείνουμε μία καινοτομική δομή και σύστημα όπου δεδομένης μια σελίδα προορισμού, στο πλαίσιο της προώθησης προϊόντων και υπηρεσιών, αυτοματοποιεί τον πλήρη κύκλο ζωής μίας καμπάνιας. Το σύστημά μας εξάγει αυτόματα και προτείνει λέξεις-κλειδιά για διαδικτυακές διαφημιστικές καμπάνιες, όπως επίσης και παράγει αυτόματα μικρά διαφημιστικά κείμενα. Επιπροσθέτως, διαχειρίζεται και βελτιστοποιεί τις ρυθμίσεις πλειοδότησης της καμπάνιας.Η επιλογή των λέξεων-κλειδιών είναι ένας από τους πιο σημαντικούς παράγοντες επιτυχίας για τη διαδικτυακή διαφήμιση. Στις διαδικτυακές διαφημιστικές πλατφόρμες, οι λέξεις-κλειδιά είναι στην πραγματικότητα φράσεις, που σημαίνει ότι μπορεί να αποτελούνται όχι μόνο από μία αλλά και παραπάνω λέξεις. Το κύριο πρόβλημα μίας διαφημιστικής καμπάνιας που λαμβάνει υπόψη μόνο τις προτάσεις από τις πιο δημοφιλείς επερωτήσεις είναι ότι χρησιμοποιούνται ευρέως και από τους ανταγωνιστές-διαφημιζόμενους. Αυτό σημαίνει την επιστροφή και πρόταση πολύ ανταγωνιστικών και συνεπώς ακριβών λέξεων-κλειδιών. Το άλλο πρόβλημα που προκύπτει όταν βασίζονται στη συχνότητα αναζήτησής επερωτήσεων από χρήστες (δηλ. πολύ γενικοί όροι), είναι η τάση αυτών των λέξεων-κλειδιών να δημιουργήσουν μεγαλύτερη επισκεψιμότητα, χωρίς όμως ταυτόχρονα να εγγυώνται κάποια ενέργεια μέσα στη σελίδα από τους χρήστες. Για να αντιμετωπίσει αυτό το πρόβλημα, το σύστημα εξάγει όρους από μία δοθείσα ιστοσελίδα του διαφημιζόμενου και στη συνέχεια δημιουργεί και προτείνει περαιτέρω λέξεις–κλειδιά πολύ σχετικές με τη συγκεκριμένη σελίδα αλλά ταυτόχρονα όχι γενικές και πολύ εμφανείς ώστε να κοστίζουν λιγότερο. Λαμβάνοντας υπόψη το πρόβλημα της παραγωγής διαφημιστικών κειμένων, εισάγουμε μία καινοτομική μέθοδο που παράγει με αυτόματο τρόπο διαφημίσεις με πολύ μικρό και συμπαγές κείμενο, δοθείσας μίας ιστοσελίδας με περιγραφή του διαφημιζόμενου προϊόντος (σελίδα προορισμού). Η πρόκληση σε αυτό το πρόβλημα είναι να παραχθεί ένα μικρό κείμενο με συμπυκνωμένη πληροφορία διατηρώντας παράλληλα σχετικότητα, σαφήνεια, και ελκυστικότητα. Η μέθοδός μας ακολουθεί μία προσέγγιση σωλήνωσης. Αρχικά, κατασκευάζει σχετικά και σημαντικά ν-γράμματα (n-grams). Συνεχίζουμε με την μετατροπή τους σε μικρές προτάσεις και έχουμε δημιουργήσει ένα μοντέλο γλώσσας εκπαιδευμένο σε διαφημίσεις για την αξιολόγησή τους από την άποψη της ελκυστικότητας. Επιπλέον, οι διαφημίσεις πρέπει να έχουν ένα θετικό μήνυμα, προκειμένου να έχουν μία πειστική μορφή, οπότε χρησιμοποιούμε ανάλυση συναισθήματος.Διατυπώνουμε το ζήτημα της βελτιστοποίησης του προϋπολογισμού ως πρόβλημα πολλαπλής επιλογής σακιδίου για την οποία βρίσκουμε τον πιο κερδοφόρο συνδυασμό λέξεων-κλειδιών και των πλειοδοτήσεών τους. Προσεγγίζουμε τη λύση βασιζόμενοι σε ένα γενετικό αλγόριθμο για τη βελτιστοποίηση του προϋπολογισμού με πολλαπλές επιλογές λέξεων-κλειδιών . Προτείνουμε επίσης τη χρήση στατιστικών των λέξεων-κλειδιών για να προβλέψουμε την απόδοσή τους με τη χρήση πολλαπλής γραμμικής παλινδρόμησης. Με αυτόν τον τρόπο, το κομμάτι της βελτιστοποίησης εστιάζει στη διαδικασία μάθησης από τα υπάρχοντα στατιστικά στοιχεία της καμπάνιας, αλλά και από εφαρμοσμένες στρατηγικές προηγούμενων περιόδων προκειμένου να επενδύσουμε βέλτιστα στην επόμενη περίοδο. Ο στόχος είναι η μεγιστοποίηση της απόδοσης (π.χ. κλικάρισμα ή ενέργεια μέσα στη σελίδα) υπό τον περιορισμό του προϋπολογισμού.Το προτεινόμενο πλαίσιό μας (οι μεθοδολογίες και το πρότυπο σύστημα) αξιολογείται πειραματικά όχι μόνο σε προσομοιωμένο περιβάλλον, αλλά και σε πραγματικές καμπάνιες. Μέσα από διαφορετικά σενάρια, αποδεικνύουμε ότι το πλαίσιό μας παρουσιάζει μία αποδοτική συμπεριφορά σε σχέση με τα στατιστικά στοιχεία απόδοσης της καμπάνιας, καθώς ξεπερνά συστηματικά τις ανταγωνιστικές διαχειριζόμενες χειρονακτικά καμπάνιες, βοηθώντας αποτελεσματικά με αυτόν τον τρόπο τον διαφημιστή.
In this thesis, we tackle emerging issues of online advertising (sponsored search, textual ads, online advertising campaigns). The inherent competitiveness of the paid search market and the fact that an advertising campaign development is a laborious task involving significant human resources and expertise have led to the need of designing a system which will automatically create and optimize online advertising campaigns. We introduce the discussion of these issues from the perspective of the advertiser role and not of the auctioneer's, as one of our main novelties. In this context, our purpose is twofold. We aim to propose a methodology as well as a functional prototype system for automated creation, monitoring, and optimization of cost-efficient pay-per-click campaigns with budget constraints. The research areas of sponsored search, textual advertising and keyword research address challenges in automatic extraction, suggestion, and expansion of keywords as well as finding an optimal bidding strategy from the advertiser's perspective. In addition, an open problem is the automated ad creative generation process. Motivated by the existing literature and directions, we propose a novel framework that, given a landing page in the context of the promotion of products and services, automates the complete life cycle of a campaign. Our framework automatically extracts and suggests bidding keywords for online advertising campaigns as well as automatically generates advertisement texts. Furthermore, it manages and optimizes the bidding settings of the campaign.Keyword selection is one of the most important success factors for online advertising. In the online advertising campaign platforms, the bidding keywords are actually keyphrases, thus higher order n-grams and not only unigrams. The major problem of an advertising campaign that takes into account only the suggestions of the most popular queries is that they are widely used, which means the proposed keywords are quite competitive and expensive. The other problem is that they are volume-based (i.e. very generic terms), which means these keywords will tend to drive more traffic without guarantee any user actions on the landing page. Thus, to face this problem the system extracts terms from a given landing page and then generates additional keywords that are highly relevant and specific yet non-obvious to some of the existing terms inside the webpage with less competition (i.e. lower bidding values).Considering the problem of ad-text generation, we introduce a novel method that produces in an automatic manner compact text ads (promotional text snippets), given as input a product description webpage (landing page). The challenge in this problem is to produce a small comprehensive ad while maintaining at the same time relevance, clarity, and attractiveness. Our method follows a pipeline approach. Initially, it formulates relevant and important n-grams given the landing page. We continue with transforming them into snippets and we have built a language model trained on ads to evaluate phrases in terms of their marketing appeal. In addition, the snippets must have a positive meaning in order to have a call-to-action style, thus we use sentiment analysis on them.We articulate the budget optimization problem as a multiple-choice knapsack for which we find the most profitable combination of keywords and their bids. We approximate the solution capitalizing on a genetic algorithm for budget optimization with multiple keyword options. We also propose the use of keyword statistics to predict keyword behavior using multiple linear regression. In this way, the optimization module focuses on the learning process from existing campaign statistics and also from applied strategies of previous periods in order to invest optimally in the next period. The objective is to maximize the performance (i.e. clicks or actions) under the current budget constraint.Our proposed framework (methodologies and prototype system) is experimentally evaluated not only on simulated environment but also on real world campaigns. Through different scenarios, we demonstrate that our framework presents a promising behavior with regards to campaign performance statistics as it outperforms systematically the competing manually maintained campaigns, assisting effectively in this way the advertiser.
