La publicité en ligne est devenue la principale source de revenus pour de nombreux éditeurs de sites web. Avec le développement du «real-time bidding (RTB)», les éditeurs sont désormais en mesure de vendre leurs espaces publicitaires en temps réel. Le prix est déterminé par la demande du marché en temps réel. Dans cette thèse, nous avons tenté d’aider les éditeurs à prédire les prix de ventes attendues sur le marché de la publicité en ligne au cours des 30 prochains jours en utilisant les données historiques des deux dernières années. Tout d’abord, nous explorons l’utilisation du modèle «Auto Regressive Integrated Moving Average (ARIMA)» pour ajuster les séries temporelles des «effective cost per mille (eCPM)» historiques et faire la prédiction. Ensuite, nous illustrons la distribution de eCPM sur une période et développons un indicateur de confiance reflétant la volatilité du marché. Le processus d’entraînement et de prévision est ensuite intégré dans le pipeline de données du partenaire industriel pour évaluation en production.
| Date | 22 avr. 2021 |
|---|
| langue originale | Anglais américain |
|---|
| Établissement diplômant | - École de technologie supérieure
|
|---|
| Superviseur | Pascal Giard (Directeur(-trice)) |
|---|
- publicité en ligne
- enchères en temps réel
- série temporelle
- arima
Nguyen, H.-M. (Auteur(e)),
Giard (Directeur(-trice)),
22 avr. 2021Thèses et mémoires: Mémoire de maîtrise › Maîtrise en ingénierie: Génie des technologies de l'information