OPTYMALIZACJA OFERT REKLAMOWYCH POPRZEZ UKIERUNKOWANIE W OPARCIU O SAMOUCZĄCĄ SIĘ BAZĘ DANYCH
Roman Kvуetnyy
rkvetny@sprava.netVinnytsia National Technical University (Ukraina)
https://orcid.org/0000-0002-9192-9258
Yuriy Bunyak
Spilna Sprava Company (Ukraina)
https://orcid.org/0000-0002-0862-880X
Olga Sofina
Vinnytsia National Technical University (Ukraina)
https://orcid.org/0000-0003-3774-9819
Oleksandr Kaduk
Vinnytsia National Technical University (Ukraina)
https://orcid.org/0009-0001-2388-9813
Orken Mamyrbayev
Institute of Information and Computational Technologies of the Kazakh National Technical University named after K. I. Satbayev (Kazachstan)
https://orcid.org/0000-0001-8318-3794
Vladyslav Baklaiev
Taras Shevchenko National University of Kyiv (Ukraina)
https://orcid.org/0009-0008-5767-6964
Bakhyt Yeraliyeva
M. Kh. Dulaty Taraz Regional University (Kazachstan)
https://orcid.org/0000-0002-8680-7694
Abstrakt
Rozważono metodę ukierunkowywania reklam w serwisach internetowych w oparciu o ustrukturyzowaną samouczącą się bazę danych. W bazie gromadzone są dane o wcześniej zaakceptowanych żądaniach wyświetlenia reklam z zamkniętej aukcji, dane o udziale w aukcji oraz o wynikach wyświetlania reklam – zarejestrowanie kliknięcia i instalacji produktu. Bazę tworzą strumienie z cechami – strona, miejsce, cena. Każdy taki strumień strukturalny ma właściwości statystyczne, które są znacznie prostsze w porównaniu do ogólnego strumienia wyświetleń reklamy, co pozwala przewidywać skuteczność reklamy. Selekcja tylko obiecujących pod względem wyniku zapytań ofertowych pozwala na obniżenie kosztów wyświetlania reklam.
Słowa kluczowe:
licytowanie reklam, targetowanie, reklama targetowana, przewidywanie kliknięćBibliografia
Adikari S., Dutta K.: Real Time Bidding in Online Digital Advertisement. New Horizons in Design Science 9073, 2015, 19–38.
DOI: https://doi.org/10.1007/978-3-319-18714-3_2
Google Scholar
Avila C. P., Vijaya M. S.. Click Through Rate Prediction for Display Advertisement. International Journal of Computer Applications 136(1), 2016, 18–24.
DOI: https://doi.org/10.5120/ijca2016908332
Google Scholar
Bisikalo O., Kharchenko V., Kovtun V., Krak I., Pavlov S.: Parameterization of the Stochastic Model for Evaluating Variable Small Data in the Shannon Entropy Basis. Entropy 2023, 25, 184 [http://doi.org/10.3390/e25020184].
DOI: https://doi.org/10.3390/e25020184
Google Scholar
Chapelle O.: Offline Evaluation of Response Prediction in Online Advertising Auctions. IW3C2, Florence, 2015, 943–944.
DOI: https://doi.org/10.1145/2740908.2742566
Google Scholar
Chapelle O., Manavoglu E., Rosales R.: Simple and scalable response prediction for display advertising. Transactions on Intelligent Systems and Technology (TIST) 5(4), 2015, Article No. 61, A1–A34.
DOI: https://doi.org/10.1145/2532128
Google Scholar
IAB 2014. OpenRTB API Specification Version 2.2. http://www.iab.net/media/file/
Google Scholar
Jahrer M., Töscher A., Lee J.-Y., Deng J., Zhang H., Spoelstra J.: Ensemble of collaborative filtering and feature engineered model for click through rate prediction. Proceedings of KDD Cup 2012 Workshop, Beijing 2012, 1222–1230.
Google Scholar
Juan Y., Zhuang Y., Chin W.-S., Lin C.-J.: Field-aware Factorization Machines for CTR Prediction. RecSys’16, Boston, 2016, 43–50.
DOI: https://doi.org/10.1145/2959100.2959134
Google Scholar
Kondakindi G., Rana S., Rajkumar A., Ponnekanti S. K., Parakh V.: A Logistic Regression Approach to Ad Click Prediction. Machine Learning Project, 2014, 399–400.
Google Scholar
McMahan H. B., Holt G., Sculley D., Young M., Ebner D., Grady J. et. al. Ad Click Prediction: A View from the Trenches. KDD’13, Chicago, 2013, 1222–1230.
DOI: https://doi.org/10.1145/2487575.2488200
Google Scholar
Nigam K. L., Afferty J., McCallum A.: Using maximum entropy for text classification. IJCAI-99 1, 1999, 61–67.
Google Scholar
Pan Z., Chen E., Liu Q., Xu T., Ma H., Lin H.: Sparse Factorization Machines for Click-through Rate Prediction. IEEE 16th International Conference on Data Mining, 2016, 400–409.
DOI: https://doi.org/10.1109/ICDM.2016.0051
Google Scholar
Richardson M., Dominowska E., Ragno R.: Predicting clicks: estimating the click-through rate for new ads. ACM, 2007, 521– 530.
DOI: https://doi.org/10.1145/1242572.1242643
Google Scholar
Sree Vani M.: Prediction of Mobile Ad Click Using Supervised Classification Algorithms. International Journal of Computer Science and Information Technologies 7 (2), 2016, 623–625.
Google Scholar
Ta A.-P.: Factorization Machines with Follow-The-Regularized-Leader for CTR prediction in Display Advertising. IEEE International Conference on Big Data, 2015, 2889–2891.
DOI: https://doi.org/10.1109/BigData.2015.7364112
Google Scholar
The Real-Time Bidding (RTB) Protocol specification, 2016 https://developers.google.com/ad-exchange/rtb
Google Scholar
Zhang W., Yuan S., Wang J.: Optimal Real-Time Bidding for Display Advertising. KDD’14, New York, 2014, 1097–1105.
DOI: https://doi.org/10.1145/2623330.2623633
Google Scholar
Autorzy
Roman Kvуetnyyrkvetny@sprava.net
Vinnytsia National Technical University Ukraina
https://orcid.org/0000-0002-9192-9258
Autorzy
Olga SofinaVinnytsia National Technical University Ukraina
https://orcid.org/0000-0003-3774-9819
Autorzy
Oleksandr KadukVinnytsia National Technical University Ukraina
https://orcid.org/0009-0001-2388-9813
Autorzy
Orken MamyrbayevInstitute of Information and Computational Technologies of the Kazakh National Technical University named after K. I. Satbayev Kazachstan
https://orcid.org/0000-0001-8318-3794
Autorzy
Vladyslav BaklaievTaras Shevchenko National University of Kyiv Ukraina
https://orcid.org/0009-0008-5767-6964
Autorzy
Bakhyt YeraliyevaM. Kh. Dulaty Taraz Regional University Kazachstan
https://orcid.org/0000-0002-8680-7694
Statystyki
Abstract views: 596PDF downloads: 117
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Liudmyla Shkilniak, Waldemar Wójcik, Sergii Pavlov, Oleg Vlasenko, Tetiana Kanishyna, Irina Khomyuk, Oleh Bezverkhyi, Sofia Dembitska, Orken Mamyrbayev, Aigul Iskakova, EKSPERCKIE SYSTEMY ROZMYTE DO OCENY INTENSYWNOŚCI REAKTYWNEGO OBRZĘKU TKANEK MIĘKKICH U PACJENTÓW Z CUKRZYCĄ , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 3 (2022)
- Alexander Litvinenko, Natalya Litvinenko, Orken Mamyrbayev, Assem Shayakhmetova, GENERACJE W SIECIACH BAYESOWSKICH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 9 Nr 3 (2019)
- Veronika Cherkashina, Svitlana Litvinchuk, Vladyslav Lesko, Svetlana Kravets, Volodymyr Netrebskiy, Olena Sikorska, Orken Mamyrbayev, Baglan Imanbek , BADANIE ODDZIAŁYWANIA ELEKTROMAGNETYCZNEGO NAPOWIETRZNYCH LINII PRZESYŁOWYCH 330 KV NA SYSTEMY EKOLOGICZNE , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 2 (2022)
- Serhii Zakharchenko, Tetiana Korobeinikova, Aigul Tungatarova, Bakhyt Yeraliyeva, NOWA METODA KALIBRACJI ON-LINE PRZETWORNIKA AC METODĄ KOLEJNYCH APROKSYMACJI , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 2 (2022)
- Kostyantyn Ovchynnykov, Oleksandr Vasilevskyi, Volodymyr Sevastianov, Yurii Polievoda, Aliya Kalizhanova, Bakhyt Yeraliyeva, WYZNACZANIE OPTYMALNEJ CZĘSTOTLIWOŚCI PIERWOTNYCH PRZETWORNIKÓW POMIAROWYCH DO POMIARU GRUBOŚCI POWŁOK DIELEKTRYCZNYCH NA POWIERZCHNIACH METALOWYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 2 (2022)
- Petr Lezhniuk, Viacheslav Komar, Iryna Hunko, Daniyar Jarykbassov, Dinara Tussupzhanova, Bakhyt Yeraliyeva, Nazbek Katayev, NATURALNY MODEL SYMULACYJNY GENERACJI STACJI FOTOWOLTAICZNEJ W PROCESIE BILANSOWANIA ENERGII ELEKTRYCZNEJ W SYSTEMIE ELEKTROENERGETYCZNYM , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 3 (2022)
- Oleg Avrunin, Yana Nosova, Nataliia Shushliapina, Ibrahim Younouss Abdelhamid, Oleksandr Avrunin, Svetlana Kyrylashchuk, Olha Moskovchuk, Orken Mamyrbayev, ANALIZA CECH SEGMENTACJI GÓRNYCH DRÓG ODDECHOWYCH W CELU OKREŚLENIA PRZEWODNICTWA NOSOWEGO , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 4 (2022)
- Roman Kvуetnyy, Yuriy Bunyak, Olga Sofina, Volodymyr Kotsiubynskyi, Tetiana Piliavoz, Olena Stoliarenko, Saule Kumargazhanova, PODEJŚCIE TENSOROWE I WEKTOROWE DO ROZPOZNAWANIA OBIEKTÓW ZA POMOCĄ FILTRÓW CECH ODWROTNYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 14 Nr 1 (2024)
