Strojno učenje za optimizacijo strategije digitalnega oglaševanja : magistrsko delo

Banevec, Jernej (avtor), Todorovski, Ljupčo (mentor), Jazbec, Metod (komentor)

Digitalno oglaševanje je spremenilo način, kako podjetja nagovarjajo potencialne uporabnike svojih storitev. V tem delu opredelimo problem optimizacije dobička iz digitalnega oglaševanja za podjetje, ki se ukvarja z razvojem mobilnih aplikacij. Na podlagi analize podatkov namišljenega podjetja razvijemo inovativen model za določanje optimalnih kontrolnih nastavitev za kampanje digitalnega oglaševanja, to so izplačila za prenos aplikacije. V okviru raziskave preizkusimo različne modele strojnega učenja. Razviti model omogoča napovedovanje števila plačljivih in neplačljivih prenosov aplikacij glede na nastavljena izplačila, kar podjetju omogoča iskanje optimalnega razmerja med prihodki in stroški oglaševanja. Optimalne vrednosti kontrolnih spremenljivk, tj. nastavljenih izplačil za vsa uporabljena omrežja digitalnega oglaševanja, poiščemo z uporabo Bayesove optimizacije ločeno za vsako aplikacijo in vsak segment, ki predstavlja kombinacijo države in operacijskega sistema uporabnikovega telefona.

• Jezik: Slovenski jezik
• Ključne besede: strojno učenje, digitalno oglaševanje, optimizacija dobička, Bayesova optimizacija, napovedno modeliranje
• Vrsta gradiva: Magistrsko delo/naloga
• Tipologija: 2.09 - Magistrsko delo
• Organizacija: FMF - Fakulteta za matematiko in fiziko
• Leto izida: 2024
• PID: 20.500.12556/RUL-163769
• UDK: 519.8
• COBISS.SI-ID: 212591107
• Datum objave v RUL: 10.10.2024

BANEVEC, Jernej, 2024, Strojno učenje za optimizacijo strategije digitalnega oglaševanja : magistrsko delo [na spletu]. Magistrsko delo. [Dostopano 21 april 2025]. Pridobljeno s: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&id=163769

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: Machine learning for optimizing digital marketing strategy

Izvleček

Digital advertising has transformed the way companies reach potential users of their services. In this work, we define the problem of profit optimization in digital advertising for a company that develops mobile applications. Based on the analysis of data from an imaginary company, we develop an innovative model for determining the optimal control settings for digital advertising campaigns, specifically the cost per install (CPI). In the course of the research, we test various machine learning models. The developed model enables the prediction of the number of paid and organic app installs based on the set CPIs, allowing the company to find the optimal balance between advertising revenues and costs. The optimal values of control variables, i.e., the set CPIs for all used advertising networks, are determined using Bayesian optimization separately for each application and each segment, which represents a combination of country and user's phone operating system.

• Ključne besede: machine learning, digital advertising, profit optimization, Bayesian optimization, predictive modeling