Analiza časa izdelave oglasov

TORKAR, MIHA (avtor), Kononenko, Igor (mentor), Vodopivec, Tom (komentor)

Spletno oglaševanje predstavlja čedalje večji delež celotnega oglaševanja, s tem pa se razvijajo tudi različne platforme za izdelavo spletnih oglaševalskih kampanj. Naš cilj je bil ugotoviti, kateri atributi najbolj vplivajo na potreben čas za izdelave kampanje na podlagi podatkov, ki nam jih je priskrbelo podjetje Celtra d.o.o. Atribute ocenjujemo z RReliefF-om in Boruto, nato zgradimo več regresijskih napovednih modelov in najuspešnejšega med njimi razložimo z uporabo metode SHAP. Ugotovimo, da na čas izdelave najbolj vpliva število komponent oglasov v kampanji, število uporabnikov in to, koliko dela na kampanji opravijo grafični oblikovalci.

• Jezik: Slovenski jezik
• Ključne besede: naključni gozdovi, regularizacija Tihonova, metoda podpornih vektorjev, odločitveno drevo, RReliefF, Boruta, vrednosti Shapley, Shapleyeve aditivne razlage, pomembnost atributov, oglaševanje
• Vrsta gradiva: Diplomsko delo/naloga
• Tipologija: 2.11 - Diplomsko delo
• Organizacija: FRI - Fakulteta za računalništvo in informatiko; FMF - Fakulteta za matematiko in fiziko
• Leto izida: 2020
• PID: 20.500.12556/RUL-119126
• COBISS.SI-ID: 27705091
• Datum objave v RUL: 03.09.2020

TORKAR, MIHA, 2020, Analiza časa izdelave oglasov [na spletu]. Diplomsko delo. [Dostopano 21 april 2025]. Pridobljeno s: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&id=119126

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: Analysis of advert production time

Izvleček

Online advertising amounts to an increasingly big share of all advertising. Along with that, more and more different platforms for the production of online advertising campaigns are being developed. Our goal is to find out, which attributes most affect the necessary production time of online advertising campaigns. We use the data about campaigns production provided by Celtra d.o.o. We evaluate attributes with the use of RReliefF and Boruta, then we build several different machine learning models for campaign production time prediction. With the use of Shapley additive explanations, we explain the most successful of our models. We find out that the number of components used, the number of users, and the percentage of production time done by graphic designers have the greatest impact on the production time.

• Ključne besede: random forests, ridge regression, support vector machine, decision tree, RReliefF, Boruta, Shapley values, Shapley additive explanations, feature importance, advertising