Прогнозування ставки СРС на аукціоні реклами

Якимчук Є. А. Прогнозування ставки СРС на аукціоні реклами : кваліфікаційна робота бакалавра : 051 Економіка / наук. кер. О.І. Ляшенко. Київ, 2024. 85 с.

Дипломна робота присвячена актуальній проблемі прогнозування вартості кліку (CPC) в онлайн-рекламі з використанням методів машинного навчання та обробки природної мови. Робота розглядає еволюцію онлайн-реклами від традиційних каналів до сучасних аукціонних систем, що дозволяють більш ефективно досягати цільової аудиторії та використовувати рекламні бюджети.
В роботі досліджуються теоретичні аспекти прогнозування CPC, включаючи принципи роботи аукціонних систем, методологічні підходи до формування цін та вплив різних факторів на вартість кліку. Особлива увага приділяється методам машинного навчання та обробки природної мови, що використовуються для побудови моделі прогнозування CPC.
В результаті дослідження було розроблено та реалізовано програмне забезпечення, що дозволяє рекламодавцям ефективно прогнозувати вартість кліку, оптимізувати рекламні кампанії та підвищувати їх ефективність.
Програмне забезпечення має інтуїтивно зрозумілий web-інтерфейс, що дозволяє легко вводити параметри та отримувати результати прогнозування у вигляді інтерактивних графіків та діаграм.
Дипломна робота робить внесок у розвиток методів прогнозування CPC в онлайн-рекламі та надає практичний інструмент для рекламодавців та маркетологів, що дозволяє їм ефективно використовувати рекламні бюджети
та досягати цільової аудиторії.

This thesis delves into the contemporary challenge of predicting cost-per-click (CPC) in online advertising through the application of machine learning and natural language processing techniques. The work examines the evolution of online
advertising from traditional channels to modern auction systems, enabling more efficient targeting of audiences and utilization of advertising budgets.
The research investigates the theoretical aspects of CPC prediction, encompassing the principles of auction systems, methodological approaches to price formation, and the influence of various factors on click costs. Particular emphasis is
placed on machine learning and natural language processing methods employed in constructing a CPC prediction model.
As a result of the research, software was developed and implemented, empowering advertisers to effectively predict click costs, optimize advertising campaigns, and enhance their overall performance. The software boasts an intuitive
web interface that facilitates easy input of parameters and provides prediction results in the form of interactive graphs and diagrams.
This thesis contributes to the advancement of CPC prediction methods in online advertising and offers a practical tool for advertisers and marketers, enabling them to efficiently utilize advertising budgets and reach their target audience.