Diseño de un modelo colaborativo de intercambio de anuncios entre redes de publicidad para optimizar la rentabilidad

Resumen

Resumen de la tesis doctoral En los inicios de Internet se crearon muchas redes publicitarias, pero a pesar de que la demanda de campañas online ha aumentado, el número de redes publicitarias ha ido disminuyendo. El objetivo de esta tesis doctoral consiste en desarrollar un modelo de intercambio de anuncios para potenciar la creación y la mejora del rendimiento de las pequeñas redes. El modelo propuesto está basado en un nuevo enfoque que tiene en cuenta múltiples criterios para garantizar el bienestar de todos los roles implicados en el sistema publicitario. Además del objetivo tradicional de obtener los máximos ingresos económicos en las campañas de publicidad, nuestro modelo añade otros criterios como son: garantizar la satisfacción de editores, anunciantes y redes publicitarias, así como evitar cualquier tipo de fraude en el ecosistema publicitario. Para la selección de un anuncio hemos desarrollado una metodología en la que se define una función objetivo donde se representa cada uno de los criterios establecidos y donde cada criterio está ponderado mediante un coeficiente. Se ha definido una métrica para medir el rendimiento del modelo que consiste en restar a los ingresos del modelo un conjunto de penalizaciones cuando un criterio no se cumple. Los coeficientes asociados a cada objetivo se optimizan mediante un algoritmo genético para maximizar la métrica definida. Por otra parte, para poder seleccionar un anuncio, lo más importante es determinar el valor económico de dicho anuncio. Por ello, en esta tesis también se ha desarrollado una metodología para determinar el valor de un anuncio en las redes CPM, CPC y CPA. Y se han optimizado algunos módulos mediante un método de selección de variables llamado ENORA. Hemos comparado esta metodología de selección de anuncios con el famoso método de selección de anuncios Generalized Second Price (GSP) y los resultados indican que nuestra metodología es mejor. También se han comparado algunos de los métodos de selección de variables más extendidos (RFE, NSGA-II, PCA y Gain Ratio) con ENORA. Estos algoritmos se utilizan en la predicción de ventas (regresión), así como para la predicción del CTR de un anuncio (clasificación). El método basado en el algoritmo ENORA no ha sido propuesto en esta tesis, pero ha sido utilizado, evaluado y testeado en profundidad en el contexto de predicción de ventas y en la estimación del CTR. Los experimentos han demostrado que ENORA es un método eficaz para la selección de atributos que permite obtener mejores resultados con un conjunto de datos más pequeño. Como conclusiones podemos destacar que el modelo propuesto de intercambio de anuncios entre las pequeñas redes publicitarias es una buena solución para evitar su desaparición y también para impulsar la creación de nuevas redes publicitarias. Además, la metodología para calcular el valor de un anuncio en los tres modelos más extendidos (CPA, el CPC y el CPM), tiene la importante ventaja de que permite que puedan coexistir en un mismo sistema publicitario estos tres modelos de pago. Finalmente, ha quedado demostrado que el algoritmo de selección de variables ENORA da muy buenos resultados y además optimiza el número de características de las bases de datos.