DIPLOMSKI RAD br. 313 ODREĐIVANJE CIJENE OGLASA NA TRŽIŠTU SPONZORIRANOG OGLAŠAVANJA
description
Transcript of DIPLOMSKI RAD br. 313 ODREĐIVANJE CIJENE OGLASA NA TRŽIŠTU SPONZORIRANOG OGLAŠAVANJA
Zavod za telekomunikacije
Zagreb, srpanj 2012.
DIPLOMSKI RAD br. 313DIPLOMSKI RAD br. 313
ODREĐIVANJE CIJENE OGLASA ODREĐIVANJE CIJENE OGLASA NA TRŽIŠTU SPONZORIRANOG NA TRŽIŠTU SPONZORIRANOG
OGLAŠAVANJAOGLAŠAVANJAIvana Bagić
Zavod za telekomunikacije
SadržajSadržaj
Sponzorirano oglašavanje Trading Agent Competition/Ad auction CrocodileAgent 2012 Zaključak
Zagreb, srpanj 2012. 2 od 19
Zavod za telekomunikacije
Sponzorirano oglašavanjeSponzorirano oglašavanje
Popularan način oglašavanja web-sjedišta, društvene mreže, tražilice
Objavljivačima omogućuje znatan izvor prihoda Google je u 2011. god. imao prihode od 37,9 milijardi $
Oglašivačke aukcije Pozicija oglasa i cijena po kliku, CPC
Neizvjesno ponašanje korisnika na tržištu
Zagreb, srpanj 2012. 3 od 19
Zavod za telekomunikacije
Sponzorirano oglašavanjeSponzorirano oglašavanje1) Unos ključne riječi1) Unos ključne riječi
Zagreb, srpanj 2012. 4 od 19
Zavod za telekomunikacije
Sponzorirano oglašavanjeSponzorirano oglašavanje2) Impresije2) Impresije
Zagreb, srpanj 2012. 5 od 19
Zavod za telekomunikacije
Sponzorirano oglašavanjeSponzorirano oglašavanje3) Klik3) Klik
Zagreb, srpanj 2012. 6 od 19
Zavod za telekomunikacije
Sponzorirano oglašavanjeSponzorirano oglašavanje4) Transakcija4) Transakcija
Zagreb, srpanj 2012. 7 od 19
Zavod za telekomunikacije
Trading Agent Competition/Ad AuctionTrading Agent Competition/Ad Auction
TAC igra u domeni sponzoriranog oglašavanja Cilj igre: proučavanje i poboljšavanje različitih
strategija oglašavanja u oglašivačkim aukcijama Sudionici na tržištu sponzoriranog oglašavanja: 90 000 korisnika 8 oglašivača 1 objavljivač
Zagreb, srpanj 2012. 8 od 19
PONUDA CIJENE CPC I VRSTA OGLASA
RANGIRANI OGLASI
KLIK NA OGLAS
KUPI PROIZVOD
CPCPROIZVOD
UPIT
Zavod za telekomunikacije
Trading Agent Competition/Ad AuctionTrading Agent Competition/Ad Auction
60 virtualnih dana 9 proizvoda uređenih parom (proizvođač,
komponenta) 16 upita podijeljenih u tri razine
F2 npr. upit (PG,Audio)
F1 npr. upit (PG,null) ili (null,Audio)
F0 npr. upit (null,null)
Zagreb, srpanj 2012. 9 od 19
Zavod za telekomunikacije
KorisniciKorisnici
Ponašanje korisnika modelira se Markovljevim lancem vjerojatnosti prijelaza su stacionarne, no mogući su i
tzv. stohastički šiljci koji simuliraju naglo povećanje korisnika koji pretražuju
Zagreb, srpanj 2012. 10 od 19
Zavod za telekomunikacije
Inteligentni programski agent Inteligentni programski agent CrocodileAgentCrocodileAgent 2012 2012
Nova strategija davanja ponuđene cijene Otkrivanje znanja u velikim skupovim podataka
kreiranje datoteka za učenje
Strojno učenje predviđanje sastava populacije korisnika, predviđanje ponuđene cijene za ostvarivanje željene pozicije
oglasa
Zagreb, srpanj 2012. 11 od 19
Zavod za telekomunikacije
CrocodileAgentCrocodileAgent 2012 2012
Zagreb, srpanj 2012. 12 od 19
Zavod za telekomunikacije
CrocodileAgentCrocodileAgent 2012 2012Generator broja korisnikaGenerator broja korisnika
Grupa Oznaka Granice Prosječan broj dana
extreme_low 0 0-119 11,11 / 59
low 1 120-250 14,44 / 59
medium 2 251-350 11,00 / 59
high 3 351-500 10,56 / 59
extreme_high 4 501 - 11,89 / 59
Zagreb, srpanj 2012. 13 od 19
0123
4
Zavod za telekomunikacije
CrocodileAgent CrocodileAgent 20122012Primjer naučenih pravila za određivanje grupe korisnikaPrimjer naučenih pravila za određivanje grupe korisnika
Zagreb, srpanj 2012. 14 od 19
Zavod za telekomunikacije
CrocodileAgent 2012CrocodileAgent 2012Generator ponudaGenerator ponuda
Ponuda za svaki upit predstavlja najveću cijenu CPC koju je oglašivač spreman platiti objavljivaču
Dvije faze za određivanje ponuđene cijene CPC: Faza pripreme podataka i učenja
za svaki odnos broja korisnika koji pretražuju (stanje IS) i potencijalnih kupaca (stanje F0, F1 i F2) odrediti željenu poziciju (npr. extreme_low u IS i F2 -> pozicija 6)
iz povijesnih podataka naučiti iznos ponuđene cijene CPC
Faza implementacije pravila dobivena uz pomoć alata Weka implementirana unutar
CrocodileAgenta 2012
Zagreb, srpanj 2012. 15 od 19
Zavod za telekomunikacije
CrocodileAgent 2012CrocodileAgent 2012Primjer naučenih pravila za određivanje ponuđene cijene Primjer naučenih pravila za određivanje ponuđene cijene
Zagreb, srpanj 2012. 16 od 19
Zavod za telekomunikacije
Analiza performansi Analiza performansi CrocodileAgentaCrocodileAgenta 2012 u 2012 u natjecanju TAC/AAnatjecanju TAC/AA
Validacija entiteta Generator broja korisnika
Zagreb, srpanj 2012. 17 od 19
Zavod za telekomunikacije
Analiza performansi Analiza performansi CrocodileAgentaCrocodileAgenta 2012 u 2012 u natjecanju TAC/AAnatjecanju TAC/AA
Validacija entiteta Generator ponuda
Zagreb, srpanj 2012. 18 od 19
2
Zavod za telekomunikacije
ZaključakZaključak
Oglašivači na temelju vlastitog razumijevanja stanja na tržištu donose odluke
Inteligentni programski agent CrocodileAgent već 4. godinu uspješno sudjeluje na natjecanju TAC/AA Predviđanje sastava populacije korisnika na tržištu ima točnost do
50%, dok predviđanje ponuđene cijene CPC, za ostvarivanje željene pozicije oglasa, ima točnost 72%
Prijedlog za poboljšanje agenta – proširiti arhitekturu CrocodileAgenta 2012 dodati novi entitet za usporedbu stvarnih i predviđenih podataka
tijekom igre te uvesti korekciju u entitetima Generator korisnika i Generator ponuda
Zagreb, srpanj 2012. 19 od 19