519.866 Математическое моделирование рекламной кампании
Чибисова А. В. (МГТУ им.Н.Э.Баумана), Шинаков Д. С. (МГТУ им.Н.Э.Баумана)
РЕКЛАМНАЯ КАМПАНИЯ, РЕКЛАМНЫЙ БЮДЖЕТ, ГРАНИЦА ПАРЕТО, ТАРГЕТИРОВАННАЯ РЕКЛАМА, ОПТИМАЛЬНЫЕ РЕКЛАМНЫЕ СТРАТЕГИИ, МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В МАРКЕТИНГЕ
doi: 10.18698/2309-3684-2022-3-8497
В данной статье предлагается метод оптимизации динамической политики распределения бюджета для рекламной кампании, размещаемой через встроенный в поисковик рекламный инструмент. Данный метод учитывает уникальные особенности маркетинга в социальных сетях, обеспечивает оптимальную политику распределения бюджета с течением времени для одной рекламной кампании и минимизирует продолжительность кампании, учитывая конкретный бюджет и желаемый уровень охвата каждого маркетингового сегмента. Модель включает в себя общую "функцию эффективности", которая определяет взаимосвязь между стоимостью рекламной ставки в данный момент времени и количеством новых пользователей, показанных в это время. Поставленная цель достигается за счет реализации алгоритма оптимального решения задачи динамического распределения рекламного бюджета при некоторых граничных условиях, а также за счёт анализа данных о рекламной кампании предприятия за июнь 2018 года. В ходе исследования был реализован алгоритм оптимального решения задачи динамического распределения рекламного бюджета при соответствующих граничных условиях, были приведены примеры конкретных случаев функции эффективности и разобраны некоторые модели реальных рекламных кампаний предприятия. Затем, были проанализированы данные, зарегистрированные рекламным агентством конкретного предприятия в отношении рекламной кампании, зарегистрированной с помощью встроенного в поисковик инструмента подсчёта ставок и охвата аудитории в течение 30 дней.
Магомадов Э.М., Муртазалиева А.Х. Использование экономико-математических моделей в условиях цифровой трансформации экономических отношений. Вопросы экономики и права, 2020, № 141, с. 43–47.
Пинсон К.Ю. Особенности таргетированной рекламы в социальных сетях. Инновационные технологии научного развития: Сборник статей Международной научно-практической конференции. Часть 2, Казань, 2017, с. 40–43.
Семиглазов А.М., Семиглазов В.А., Иванов К.И. Математическое моделирование рекламной кампании. Доклады Томского государственного университета систем управления и радиоэлектроники, 2010, № 2–1 (22),c. 342–349.
Димитриенко Ю.И., Дмитриенко О.Ю. Модель деформируемых кластеров для анализа динамических данных в экономике. Информационные технологии, 2010, № 9, с. 43–50.
Димитриенко Ю.И., Димитриенко О.Ю. Модель многомерной деформируемой сплошной среды для прогнозирования динамики больших массивов индивидуальных данных. Математическое моделирование и численные методы, 2016, № 1, c. 105–122.
Лившин Д.А., Воронова Л.И. Математическое моделирование в маркетинге при построении рекламных кампаний. Современные наукоемкие технологии, 2014, № 5–2, с. 207–209.
Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. Москва, Наука, 1982, 256 с.
Luzon Y., Pinchover R., Khmelnitsky E. Dynamic budget allocation for social media advertising campaigns: optimization and learning. European Journal of Operational Research, 2022, vol. 299, iss. 1, pp. 223–234.
Пантелеев А.В. Бортаковский А.С., Летова Т.А. Оптимальное управление в примерах и задачах. Москва, Издательство МАИ, 1996, 212 с.
Micchi G., Khah S.S., Turner J. A new optimization layer for real-time bidding advertising campaigns. Intelligent Data Analysis, 2020, vol. 24, iss. 1, pp. 199–224.
Han J., Moraga C. The influence of the sigmoid function parameters on the speed of backpropagation learning. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 1995, vol. 930, pp. 195–201.
Чибисова А.В., Шинаков Д.С. Математическое моделирование рекламной кампании. Математическое моделирование и численные методы, 2022, № 3, с. 84–97.
Скачать статью
Количество скачиваний: 161