Агентная модель. Для формирования агентной модели исходными данными является онтологическое описание среды, на основании которого строится виртуальная онтология [15]. Основным результатом этапа проектирования является агентная модель (рис. 4), которая определяет совокупность агентов системы, уровень полномочий агентов, а также возможные взаимодействия между ними. Разработанные правила предполагают два основных типа агента – UserAgent и HostAgent. User-Agent представляет собой пользовательского агента и имеет веб-интерфейс. HostAgent представляет собой агента-координатора, который контролирует и управляет агентами конкретной площадки. Для системы управления контекстной рекламой на этап проектирования в агентной модели описаны два пользовательских агента – для агенства(AgencyAgent) и конкретного рекламодателя (ClientAgent). Для роли агенства в системе определены более широкие возможности и настройки, которые расширяют возможности и настройки интерфейса рекламодателя.
GoogleAgent, YandexAgent и BegunAgent представляют собой агентов конкретных площадок. Уровень полномочий по умолчанию для этих агентов и связанных с ними координируемых агентов площадок – делегат. Функционирование этих агентов связано с размещением и управлением рекламных кампаний на площадках. На этом уровне возможно принятие низкоуровневых решений с использованием модели знаний конкретных агентов и системы в целом. SemanticAgent – отвечает за формирование семантического ядра для рекламных кампаний по продвижению веб-ресурса. Уровень полномочий по умолчанию – консультант. StatAgent – агент-координатор по сбору и анализу статистики. Координирует сбор статистики непосредственно с площадок, а также через внешние источники(Google Analytics, Яндекс Метрика). Агент GoogleAnalyticsAgent – отвечает за сбор статистических данных из системы Google Analytics. Рекламодателю необходимо зарегистрироваться в системе Google Analytics, установить счетчики на страницах своего веб-ресурса, а также предоставить доступ к своей учетной записи для автоматизации процесса анализа. Аналогично происходит работа с системой Яндекс Метрика, за которую отвечает YandexMetricsAgent.
Основным преимуществом такого подхода является то, что агенты могут автоматически составлять медиапланы и управлять кампаниями, анализировать и повышать их эффективность, проводить анализ проблемных ситуаций на различных рекламных площадках и интерактивно менять параметры кампаний при получении ошибок с рекламных площадок. Онтологии позволяют агентам учитывать предпочтения клиентов, предоставляя информацию, необходимую для программного агента, чтобы различать и выбирать эти предпочтения. Все эти действия не требуют программных изменений в структуре самих агентов, а поддерживаются корректировкой и пополнением онтологической базы знаний.
В процессе принятия решений актуальным является определение уровней полномочий агентов. В соответствии с настроенными полномочиями агентов осуществляется автоматизированное управление рекламными кампаниями.
Пользователь (администратор) устанавливает уровень полномочий для агентов, который может быть нескольких типов:
-
общий для всех агентов мультиагентной системы;
-
общий для группы агентов в МАС;
-
индивидуальный для каждого агента в МАС. Агенты имеют настроенный по умолчанию уровень полномочий, который зависит от типа пользователя. Также имеется возможность настраивать уровень полномочий для конкретного агента.
Рис.4. Агентная модель МАС управления контекстной рекламой
* * *
Производите продукцию и хотите ее показать большому количеству потенциальных покупателей? Заказывайте выставочные стенды в Петербурге и участвуйте в мобильных или стационарных экспозициях. Клиенты найдутся!