Back to search

National and Kapodistrian University of Athens

Optimizing Search Engine Marketing Performance

Abstract

dc:description

Η Διαφήμιση μέσω Μηχανών Αναζήτησης (Search Engine Marketing, SEM) αποτελεί βασικό στοιχείο των σύγχρονων στρατηγικών ψηφιακού μάρκετινγκ, με το διαφημιστικό κείμενο να παίζει καθοριστικό ρόλο στην απόδοση των καμπανιών. Η δημιουργία ποιοτικού διαφημιστικού κειμένου, ωστόσο, απαιτεί χρόνο και είναι υποκειμενική, καθώς χρειάζεται να ισορροπήσει μεταξύ δημιουργικότητας και τήρησης των οδηγιών της μάρκας. Αυτή η μεταπτυχιακή εργασία εξετάζει τη δυνατότητα αξιοποίησης Μεγάλων Γλωσσικών Μοντέλων (Large Language Models, LLMs) για τη βελτιστοποίηση της διαδικασίας συγγραφής αποτελεσματικού διαφημιστικού κειμένου για καμπάνιες SEM, με στόχο τη βελτίωση της αποδοτικότητας και της απόδοσης. Η προτεινόμενη λύση είναι μια διαδικτυακή εφαρμογή που δημιουργεί αυτόματα διαφημιστικά κείμενα για διαφημίσεις σε μηχανές αναζήτησης. Οι διαφημιστές εισάγουν ελάχιστα δεδομένα που αφορούν τη μάρκα όπως IDs λογαριασμών και ομάδων διαφημίσεων, λέξεις-κλειδιά και προαιρετικές οδηγίες ενώ το σύστημα προσαρμόζεται ώστε να εφαρμόζεται σε διάφορους κλάδους και τύπους καμπανιών. Στη συνέχεια, η εφαρμογή δημιουργεί πολλαπλούς τίτλους και περιγραφές διαφημίσεων, διασφαλίζοντας τη συμμόρφωση με τις προκαθορισμένες απαιτήσεις λέξεων-κλειδιών. Για την αξιολόγηση της αποτελεσματικότητας του κειμένου που δημιουργείται από LLMs, πραγματοποιείται μια δοκιμή A/B, συγκρίνοντας την απόδοσή του με το κείμενο που δημιουργείται από ανθρώπους. Ο κύριος δείκτης μέτρησης είναι το Ποσοστό Μετατροπών (Conversion Rate), το οποίο ορίζεται ως το ποσοστό των χρηστών που προχώρησαν στην επιθυμητή ενέργεια της καμπάνιας μετά το κλικ στη διαφήμιση, όπως η συμπλήρωση μιας φόρμας εκδήλωσης ενδιαφέροντος στο πείραμα των μεταμοσχεύσεων μαλλιών ή η ολοκλήρωση μιας online παραγγελίας στην καμπάνια του delivery. Η επιλογή του συγκεκριμένου δείκτη έγινε διότι αποτυπώνει άμεσα την ποιότητα και την πειστικότητα του διαφημιστικού κειμένου, αξιολογώντας την ικανότητά του να οδηγεί σε ουσιαστικά επιχειρηματικά αποτελέσματα και όχι απλώς σε δείκτες εμπλοκής όπως τα κλικ. Στόχος της μελέτης είναι να διατηρηθεί ή να βελτιωθεί αυτή η απόδοση, επιτυγχάνοντας παράλληλα σημαντική εξοικονόμηση χρόνου μέσω της αυτοματοποίησης της διαδικασίας δημιουργίας διαφημιστικών κειμένων. Τα αποτελέσματα δείχνουν τη δυνατότητα των LLMs να απλοποιήσουν τη διαδικασία συγγραφής διαφημιστικού κειμένου, διατηρώντας ή βελτιώνοντας την απόδοση της καμπάνιας. Ωστόσο, η υποκειμενική φύση της ποιότητας του κειμένου εισάγει προκλήσεις, οι οποίες αντιμετωπίζονται μέσω προσεκτικής διαμόρφωσης των προτροπών (prompt engineering) και εξατομίκευσης για κάθε μάρκα. Αυτή η διατριβή συμβάλλει στην αυξανόμενη έρευνα για εργαλεία μάρκετινγκ που βασίζονται στην τεχνητή νοημοσύνη και παρέχει πρακτικές γνώσεις για τη βελτιστοποίηση στρατηγικών SEM.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • ΒΟΓΙΑΤΖΗΣ ΔΗΜΗΤΡΙΟΣ
  • VOGIATZIS DIMITRIOS

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:5315932

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

ΒΟΓΙΑΤΖΗΣ ΔΗΜΗΤΡΙΟΣ; VOGIATZIS DIMITRIOS. Optimizing Search Engine Marketing Performance. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/5315932