Кафедра математики

Permanent URI for this community

https://ekmair.ukma.edu.ua/handle/123456789/17501

Browse

Browsing Кафедра математики by Subject "Apple Search Ads"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Модель торгів в Apple Search Ads з аукціоном другого біта
    (2023) Журавльова, Анастасія; Дрінь, Світлана
    У цій кваліфікаційній роботі розглядається загальна структура та основні показники системи Apple Search Ads. Дану тему було замовлено українською ІТ-компанією для проведення дослідженння моделі торгів другої ціни, яка реалізована в цій пошуковій системі та пошуку можливості реалізації рекомендаційної системи на основі даної моделі. В роботі розглядається принцип призначення ставок другої ціни та те, як він використовується в системі Apple Search Ads. Далі, проведено дослідження систем рекомендацій. Вивчається загальна структура цих систем і порівнюються різні вимірювання подібності. У наступному розділі розглядаються алгоритми фільтрації, зокрема алгоритм k-найближчих сусідів та алгоритм випадкового лісу. В останньому розділі приведено практичну реалізацію моделі торгів другого біда на основі вище зазначених методів. Результати дослідження дозволяють отримати глибше розуміння процесу рекомендацій та моделі аукціону другої ціни в системі Apple Search Ads. Робота може бути використана для покращення ефективності рекламних кампаній та оптимізації використання рекомендаційних систем у контексті пошукової реклами.
  • Thumbnail Image
    Item
    Створення Recommendation System модель для оптимізації бюджету на Apple Search Ads шляхом управління bid-ставок
    (2022) Курдюков, Дмитро; Дрінь, Світлана
    Метою саме цієї роботи є створення Recommendation system моделі для мобільного додатку, який має рекламуватися на платформі Apple Ads Search. В основі роботи покладено управління лише параметром bid-ставки для створення прийнятної моделі, яка б забезпечувала позитивний ROI-показник, що означав би ефективний розподіл рекламного бюджету. Тобто, за допомогою даних за минулі періоди, робиться прогноз того, яку ставку використовувати для максимізації ефективної рекламної компанії. Аналіз відбувається за допомогою моделі дерева, яка надалі покращувалась би моделями випадкових дерев та перехресної перевірки.