数极客首页

SEM | 如何将机器学习应用到大规模SEM账户中(下)

人工智能研究杂志

人工智能研究杂志覆盖了人工智能领域,并且在互联网上免费刊出。这一杂志的每一专栏都由摩根·考夫曼出版。

SEM | 如何将机器学习应用到大规模SEM账户中(下)

右侧:(数字为出现次数)

0  学习

3  杂志

2  智能

0  文案

1  网络

0  网络监控

0  脚本语言5

………

1  专栏

注释:在实践中,由于我们的“文案”(也就是关键词)很短,我们能够得到的矢量数据也由于缺少了多样性而不够有意义,但是如果跳出了这一文章的范围,就能够挖掘其更深刻的意义。

选择合适的计算方法

对于各式各样不同类型的问题,也会有各式各样不同的计算方法。下面这幅图告诉我们在实际应用中如何选择合适的模型,并向我们展示了做出一项合适的选择背后隐藏着怎样既定的逻辑。

SEM | 如何将机器学习应用到大规模SEM账户中(下)

由于本文一直讨论的是文本(关键词短语)分类,所以通过实践“贝斯模型”来看看这一方法是不是有潜力。往往简单的模型也会有很好的效果。

本文不会详细描述如何应用这一模型,而是分享如何将上图中的方法进行应用——这也是我想要说明“利用机器学习对大量编码进行预测是可以实现的“的原因。

以下是一些关键步骤:

  • 准备好建模需要的数据(将约2万个关键短语进行提前分类)
  • 将数据划分为训练所需与测试所需的子集(这是非常必要的,这样我们才能够测试出我们的模型将会确切地预测出未来的数据,而不仅仅是描述历史数据)
  • 创造基本的传递途径:一来可以创造出讨论得出的特征(CountVectorizer),二来可以应用已选择的方法(MultinomialNB)
  • 预测“测试”设置的价值,并测算这一标签相对于“真实”价值的准确程度
SEM | 如何将机器学习应用到大规模SEM账户中(下)

结论

所以,机器学习到底有多高效呢?上述案例的结果:通过使用简单的工具测定其准确性,这一方法准确分类了91%的“新”关键词短语(4869个关键词短语中的4431个)

看起来虽然测试结果相当不错,但我们将这一模型投入实践之前还是要做很多微调与测试。

测试证据表明,机器学习为企业提供了一个相关的途径,能够帮助他们提升并自动化关键词投放这一进程,通过做出令人信赖的、可重复的决定来大规模提高效率。(就像开篇所说的那样)

SEM | 如何将机器学习应用到大规模SEM账户中(上)

给大家推荐我国新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是数据分析软件领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

评论已关闭。

相关文章