Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/146249
Título : Predicción de pujas en publicidad programática
Autoría: Pérez Romero, Marta
Tutor: Andrés Sanz, Humberto
Resumen : El Machine Learning puede aplicarse a distintos campos y con diversos propósitos. En este TFG se hará uso de este aplicado al mundo de la publicidad por internet. Aquí entra en juego la segunda parte de la propuesta. Desde los inicios de la publicidad online, con el modelo de pago por clic, las formas de publicidad por internet han ido aumentando, segregando el mercado en distintas soluciones. Una de ellas es la publicidad programática. Se basa en la existencia de anunciantes y publishers. Los primeros desean publicitar su producto o servicio, mientras que los publishers venden su espacio publicitario. En este TFG se contará con la ayuda de la empresa Kimia, que facilitará un dataset con datos reales, a partir del cual se podrá realizar la aplicación de ML a este entorno real. La problemática consiste en que la empresa envía a su red de publishers los anuncios disponibles. Las redes o publishers valoran si les interesa entrar en una subasta y pujar por esos anuncios o no. Esta decisión depende de factores como el tipo de anuncio, su segmento, el precio del que parte, etc. La empresa Kimia tiene un análisis de qué redes o publishers son más rentables y adecuados para el negocio (otorgan tráfico de calidad). De este modo, lo ideal es que la empresa envíe los anuncios únicamente a aquellas redes que tengan más probabilidad de aceptar ese anuncio y den mayor rentabilidad. Y aquí es donde el TFG puede crear una propuesta de alto valor.
Palabras clave : inteligencia empresarial
aprendizaje automático
inteligencia artificial
Tipo de documento: info:eu-repo/semantics/bachelorThesis
Fecha de publicación : 6-jun-2022
Licencia de publicación: http://creativecommons.org/licenses/by-nc-nd/3.0/es/  
Aparece en las colecciones: Bachelor thesis, research projects, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
mperezromTFG0622memoria.pdfMemoria del TFG4,49 MBAdobe PDFVista previa
Visualizar/Abrir