基于SEM和AHP的推廣數據采集與決策方案優化

林之博 劉媛華

摘 ?要：企業信息化的普及使廣告投放和宣傳手段從以往的人工宣講、傳單發放等方式，到目前的SEM（搜索引擎推廣）技術應用，突破了時間空間限制，將產品服務展現給更廣闊的市場。部分企業在網絡營銷過程中常因數據采集方案落后、決策因素過于狹窄等導致收益降低。本文分析案例公司A存在的不合理業務流程，并基于SEM接口技術、AHP（層次分析法）對相關流程進行建模優化，設計了一套可行的系統和決策優化方案。

關鍵詞：廣告投放決策;評價模型;信息系統;業務流程分析;工作簡化

中圖分類號：TP399 ? ? 文獻標識碼：A

Abstract：With the popularization of enterprise informatization，the advertising and promoting means have broken the restrictions of time and space，expanding from the previous manual preaching，leaflet distribution and so on to the current application of SEM （search engine promotion） technology.The new SEM technology shows the products and services to a broader market.In the process of online-marketing，some enterprises often suffer from returns reduction due to outdated data collection schemes and limited decision-making factors.This paper analyzes the unreasonable business process of case company A.Then based on SEM interface technology，AHP （analytic hierarchy process），this paper models and optimizes the relevant processes，and designs a set of feasible system and decision optimization scheme.

Keywords：advertising decision-making;evaluation model;information system;business process analysis;work simplification

1 ? 引言（Introduction）

近來我國各省市互聯網發展指數持續上升，利用SEM營銷技術，相比傳統的人工宣傳、現場散發傳單等廣告方式，能在使用更低成本、更少人力物力的條件下高效廣泛宣傳[1]。但部分企業由于未能優化原有的信息手段、決策方案，導致收益下降、效率過低，無法完全發揮出SEM的效果。A公司是廣州市一家網絡教育培訓公司，為推廣其服務，設立BI部門進行銷售數據分析和信息管理工作。以該公司為例，針對廣告投放、信息采集與分析決策流程鏈進行分析，找出不合理環節并進行改進優化，提供可選擇的高效率、低成本運作方案[2]。

2 ?技術與理論（Introduction to technology and theory）

SEM接口技術即搜索引擎營銷接口技術[2]，利用java API編程進行網絡POST請求獲取Response，提取json進行數據清洗、整理、規范、存儲，最終提供給BI部門規范化的數據用于決策分析[3]。AHP即層次分析法，分析復雜問題中的各種因素，得出評分構成的矩陣，利用特征值矩陣運算，得到相應每個因素的最佳權重，設計決策方案能達到較滿意決策[4]。

3 ?流程與決策分析（Process and decision mode analysis）

3.1 ? 流程分析

廣告投放組員工進行初始化檢查，逐個登錄推廣數據中心復制過去一天的推廣狀態數據到Excel，通過QQ或微信發送給流量部門，由之逐個下載打開提取數據到總表后，進行決策分析。BI部門逐個下載、打開文件，復制數據到總表匯總。該過程存在循環性重復人工工作。上述操作方式會導致員工整體工作積極性下降、效率和準確度低等問題[5]。

3.2 ? 人機分析

用于分析決策下一階段廣告投放方案的時間≥2h。數據采集階段計算機利用率約為32%，數據分析決策階段計算機利用率約為80%。利用人機配置分析法進行方案設計、比較和模型驗證可知應改善平臺登錄、數據復制、文件傳輸等重復工作項，在保持計算機利用率的條件下減少總時長[6]。

3.3 ? 原有決策模式分析

BI部門將來自點擊廣告的客戶的登記信息稱為“名片”，并將具有較大轉化為訂單可能性的“名片”稱為“機會名片”[7]。BI部門根據NOi/CC計算轉化率降序排序，更傾向在轉化率更高的地區投放更多廣告。但當作為樣本的名片數量、機會名片數量若相比其余地區過小，數據將不具有統計意義上的說服力。

此外，不全面考慮社會因素、經濟因素、地理因素等多方面帶來的影響，可能導致偏差。例如原有的參考指標并不能更好地反映對應地區對該公司業務的需求程度。

4 ? 優化方案設計與實現（Design and implementation of optimized scheme ）

4.1 ? 自動化SEM接口數據采集系統設計實現

百度、360等第三方推廣平臺實際上已經提供了非常方便的數據接口文檔，例如《百度搜索推廣API V4開發文檔》，能夠很方便地查找到獲取指定數據集應構造的HEADER、POST結構、API-URL和方法[7]，結合阿里公司提供的JSON數據處理模塊，通過快速原型法開發可擴展Web系統，則可以使用java語言，依托Tomcat虛擬服務器，使用Myeclipse引入HttpsUtil外部類編寫POST功能塊，引入fastjson-1.2.7工具包處理獲取的JSON數據，最后存儲在MySQL數據庫中。如圖1所示為系統數據庫E-R圖。

使用java結合POST工具包HttpsUtil實現調用百度接口推廣數據方法部分實例代碼如下：

String url="https：//api.baidu.com/json/sms/service/ReportService/getRealTimeData"; getdatafrombaidu DA=new getdatafrombaidu（）;

byte[] result=HttpsUtil.post（url，DA.appendReportServiceJson（//寫入需要查詢的字段

User，PWD，token，......）.toString（），"UTF-8"）;//將返回得到的數據存儲為字節碼

jsonResult = new String（result）;// 將字節碼字符化

Data=DA.getData（jsonResult，performanceData.length）;//json解包處理

設計一套類似Json的數據壓縮方案，利用特殊的符號連接表單列名儲存在靜態數據庫[8]，員工訪問時進行分割產生屬性數組作為在線表單生成依據，由員工在規定時間內填寫。BI部門管理端進行一鍵采集，將數據導出到Excel中即可。 如圖2為功能模塊試運行效果。

4.2 ? 層次分析法模型

4.2.1 ? 多因素影響因子選取

通過組織BI部門工作人員使用頭腦風暴方法列舉了各類應考慮在內的潛在影響因素，得出了相應的影響因素提及頻度。專家、管理層人員采取名義小組方法對員工調研結果圖表、數據進行分析評價，確定PAi（i地區發達指標）、PTCi（i地區轉化與成本指標）、PSi（i地區戰略傾向指標）、PDi（i地區需求指標）、PGi（i地區政策支持指標）等五項具有重大影響力的影響因素。

4.2.2 ? 轉化與成本指標

5 ? 結論（Conclusion）

案例A公司部署優化后的信息管理系統并采納多因素計算方案后系統具有信息結構形態扁平、信息存儲管理更便捷等

特點，大幅削減了數據采集和分析決策時間，數據分析平均僅需10—20min即可完成，基于多因素分析的綜合評價指數更準確、全方位地反映了地區廣告投放帶來的損益等效果，減輕了員工與BI流量部門數據匯總操作人員的工作負擔。

系統部署和實行多因素指標優化方案一個月內，每日訂單數量平均增加167單，估計相較于優化前每日挽回流失客戶價值達83.5萬元。案例所實施的優化方案成本低廉，實施效果顯著，能夠較好地簡化該公司業務推廣方案決策流程和提升決策質量。

參考文獻（References）

[1] Sung Wook Ji，Young-jun Choi，Min Ho Ryu.The economic effects of domestic search engines on the development of the online advertising market[J].Telecommunications Policy，2016，40（10-11）：982-995.

[2] Amar Budhiraja，Akhil Ralla，P.Krishna Reddy.Coverage pattern based framework to improve search engine advertising[J].International Journal of Data Science and Analytics，2019，8（2）：199-211.

[3] David.M.Html5： Designing Rich Internet Applications[M].Html5 Designing Rich Internet Applications，2010：9-98.

[4] 黃德，呂婷.基于AHP桂臺農業合作影響因素分析[J].現代商貿工業，2019，40（31）：17-18.

[5] 張鳳榮.工業工程在企業信息化中的應用[J].網絡與信息，2012，26（08）：15.

[6] 羅英濤.信息技術在工業工程中的應用分析[J].科學技術創新，2019（22）：82-83.

[7] 陳晗.百度競價推廣業務營銷策略研究[D].山東大學，2018：12-22.

[8] 李曉薇.Web前端開發技術以及優化方向[J].電子技術與軟件工程，2019（19）：48-49.

[9] 國家統計局.中國統計年鑒-2018[Z].中國統計出版社，2018： 29-106.

作者簡介：

林之博（1997-），男，碩士生.研究領域：信息系統工程.

劉媛華（1974-），女，博士，副教授. 研究領域：系統工程，經濟與管理統計，復雜系統理論方法及應用，社會經濟復雜系統.