Estimació del rati de conversió en la publicitat mòbil digital

La indústria de la publicitat digital es troba actualment en expansió. En particular, el sector de la publicitat mòbil digital viu aquesta expansió de manera més notòria, principalment perquè l’ús dels smartphones i tablets, suports on es du a terme aquest tipus de publicitat, s’està estenent considerablement. Smadex és una start-up d’aquest segon sector que es dedica a impactar usuaris en els seus dispositius mòbils. Es tracta d’una empresa tecnològica que cerca optimitzar la inversió dels anunciants maximitzant la interacció dels usuaris amb els anuncis mostrats. El projecte conté una introducció a la publicitat mòbil digital, un anàlisi del seu creixement i els participants i el funcionament detallat del mètode que utilitza Smadex per realitzar la publicitat digital: Real Time Bidding (apostes a temps real). Es presenta també Smadex com un dels participants i s’entra en detall en el seu paper. Smadex és una Demand Side Platform que compra espais disponibles en dispositius mòbils per situar-hi publicitat eficientment. Aquesta eficiència es realitza estimant la probabilitat de que un usuari interaccioni amb l’anunci una vegada és impactat. L’objectiu del projecte és treballar amb models estadístics que permetin realitzar les estimacions amb més variables que les que s’utilitzen actualment i millorar així l’estimació. Per fer-ho, caldrà també analitzar els diferents tipus de variables i com afecta l’optimització de les campanyes en l’aprenentatge. A partir de l’ajust de dos exemples amb dades reals, es confirma que la regressió logística permet estudiar quines variables són útils per estimar la probabilitat d’èxit al mostrar un anunci i quantificar aquest grau d’utilitat, i també estudiar si falten variables explicatives. Es conclou també que hi ha variables de naturalesa molt diferent i que és per tant necessari tractar-les abans d’ajustar el model. Per acabar, es comprova que el fet que l’algoritme que decideix quant apostar estigui actuant afecta significativament el procés de recollida de dades i condiciona el grau d’aprenentatge sobre els paràmetres del model