1. 研究目的与意义（文献综述）

随着世界经济一体化进程的快速前进，跨境电商迎来迅猛发展，越来越多的卖家选择在第三方平台入驻经营。与传统国际贸易相比，跨境电商具有成本低廉和高效便捷的优势。然而，面对海量的产品和多样的客户需求，跨境电商如何提高其自身商品转化率成为其提高市场竞争力的关键。

广告转化率是商品转化率的一个重要内容，跨境电商通过对广告转化率的分析与预测不仅可以判断广告投放后的市场效益，还可以探索近期的消费特征与消费趋势，制定相应的营销策略，同时可以合理分配广告预算，最终实现提高商品转化率、促进利润有效增长。然而，在不同的数据维度上存在的极端的数据稀疏性和极少的转化事件，使得广告转化率的预测极具挑战性。

目前，广告转化率预测无论在国内还是国外都是一个比较新的课题，相关的研究还处在快速发展的阶段。kuang-chih lee等人介绍了广告转化率的估算方法，该方法是依赖于顾客，广告主和媒体方数据层次结构中的过去性能观察值。更具体地说，是利用单独的二项分布在不同的选择层次上对转化事件建模并估计分布参数，然后使用逻辑回归将这些单独的估计量结合起来以准确识别转化事件。amr ahmed等人提出了一个分层模型和可伸缩算法，并将其应用于展示广告中的转化问题上，很大地提升了精度和准度。richard j.oentaryo等人开发了一个分层重要性意识因子分解机器，它提供了一个有效的通用潜在因素框架，其中包含重要性权重和分级学习。实证研究表明，该方法优于当前时间潜在因素模型，并且改善了冷启动情境下的整体预测效果。weinan zhang等人提出了两种利用深度神经网络（dnns）的新模型，自动学习来自类别特征交互的有效模式，并预测用户的广告转化率，解决了用户响应预测模型必须将自身限制为线性模型或者需要手动构建高阶组合功能。hong yang等人提出一种新的概率生成模型，通过将自然语言处理，动态转移学习和可伸缩预测的组件紧密集成来预测转化率。narayan bhamidipati等人从头开始构建了一个可扩展的机器学习管道，来预测用户根据广告印象点击和安装应用程序的概率，并深入研究了如何利用顺序模型训练、深度学习和迁移学习来提高转化率。而国内的计算广告领域相对发展缓慢，目前的大多数研究仍使用单一的机器学习算法预测广告转化率。如吴英运用逻辑回归的方法对搜索平台广告转化率进行研究，纪文迪使用威布尔分布改进的逻辑回归方法预测电子商务网站的广告转化率等。

2. 研究的基本内容与方案

2.1 研究的基本内容

第一部分是论文绪论。包括对论文研究背景、研究目的、研究意义的阐述，对商品转化率方法的国内外研究现状进行简要分析与评价比较，对论文的研究内容、研究思路、研究方法及技术路线进行阐明。

第二部分是理论基础。包括对跨境电商、第三方平台、在线广告及转化率进行概括性论述。

第三部分是模型建立。包括本文研究的跨境电商平台商品转化率模型的构造思路，详细介绍模型建立的具体步骤及实现过程。

3. 研究计划与安排

4. 参考文献（12篇以上）

[1] bhamidipati, narayan, ravi kant, and shaunakmishra. a large scale prediction engine for app install clicks andconversions[j]. proceedings of the 2017 acm on conference on information andknowledge management, 2017, pp. 167-175.

[2] lee, kuang-chih, burkay orten, ali dasdan, et al.estimating conversion rate in display advertising from past erformance data[j].proceedings of the 18th acm sigkdd international conference on knowledgediscovery and data mining, 2012, pp. 768-776.

[3] ahmed, amr, abhimanyu das, and alexander smola.scalable hierarchical multitask learning algorithms for conversion optimizationin display advertising[j]. proceedings of the 7th acm international conference onweb search and data mining, 2014, pp. 153-162.