Details

Тема выпускной квалификационной работы: «Оптимизация математической модели аукциона контекстной рекламы». Данная работа посвящена разработке оптимизированной математической модели распределения трафика в аукционе контекстной рекламы. В работе систематизирована эволюция аукционных механизмов от классических форматов к цифровым рекламным торгам, обоснован переход к трёхсторонней постановке задачи (платформа — рекламодатель — пользователь) и сформулирован понятийный аппарат на основе понятий «характеристика» (атрибут пользователя), «тег» (значение характеристики), «комбинация тегов» (полный аудиторный сегмент) и «условия целевой аудитории». Разработана математическая модель аукциона как задача линейного программирования с двумя целевыми функциями — максимизации охвата и максимизации доходности — и системой ограничений на допустимый объём потока на комбинации тегов, контрактные объёмы кампаний, общий объём потока и допустимый объём потока на тег. Введён коэффициент использования аукциона (КИА) — безразмерный показатель в отрезке [0, 1], равный отношению фактически обслуженного объёма запросов к общему объёму потока и аналитически связанный с вероятностью отказа в системе массового обслуживания. Предложенная модель реализована на языке Python с использованием решателя OR-Tools и проверена на наборе данных, сформированном на основе открытых данных Kaggle о рекламных аукционах с дополнением собственным генератором потока запросов. Лабораторные испытания на потоке из 35 000 запросов и 100 рекламных кампаниях подтвердили работоспособность модели и продемонстрировали различие режимов: при балансировке по объёмам коэффициент использования контрактного потенциала достигает 100,0%, при балансировке по деньгам — 81,3%, тогда как в обычном аукционе без балансировки — 22,1%. Результаты работы применимы для оператора рекламной платформы при выборе режима работы аукциона, при заключении новых контрактов и при сценарном анализе изменений конфигурации.

Topic of the final qualification work: "Optimisation of the mathematical model of a contextual advertising auction". This work develops an optimised mathematical model of traffic allocation in a contextual advertising auction. The historical evolution of auction mechanisms from classical formats to digital advertising auctions is systematised, the transition to a three-sided formulation (platform — advertiser — user) is justified, and a formal conceptual apparatus is constructed on the basis of "characteristic", "tag", "tag combination" and "audience targeting conditions" concepts. The auction is formalised as a linear-programming problem with two objective functions — maximisation of coverage and maximisation of revenue — and a system of constraints on combination capacity, campaign contract limits, total flow volume and per-tag capacity. An auction utilization coefficient (AUC) is introduced as a dimensionless indicator in the interval [0, 1], equal to the ratio between the actually served volume and the total flow volume and analytically connected to the rejection probability in a queueing system. The model is implemented in Python with the OR-Tools solver and validated on anonymised data provided by a company in the telecommunications sector. Laboratory experiments on a flow of 35 000 requests and 100 advertising campaigns confirmed the models operability and demonstrated quantitative differences between modes: the volume-balanced mode reaches 100,0% utilisation of contract capacity, the revenue-balanced mode — 81,3%, while the plain auction without balancing — 22,1%. The results are applicable to the operator of an advertising platform when selecting the auction mode, drafting new contracts and performing scenario analysis of configuration changes.