Grant: Engage Grants Program
École de technologie supérieure
$23,500.00
Identification des variables d'influence et création d'un modèle prédictif restreint pour l'établissement du meilleur prix plancher pour de la publicité en ligne
EF 2019-20
Résumé
Le marché de la publicité en ligne, bien que les choses se soient améliorées dans la dernière décennie, s'apparente à un ""Far west"". La quantité de plateformes publicitaires, d'acheteurs, et d'annonceurs est effarante. Tout comme la nature et quantité de données. S'ajoute à cela que chaque acteur fonctionne selon ses propres règles, dont les détails sont rarement rendus publiques. Il en résulte que les algorithmes de gestion et d'optimisation sont le résultat de l'expertise de spécialistes et ne tirent profit que d'une fraction des données disponibles. À titre d'exemple, les données (variables) exploitées pour fixer les prix planchers sont déterminées selon ce qui semble être le plus significatif du point vue d'un expert.Ainsi, les campagnes publicitaires sont gérées manuellement à l'aide d'indicateurs fourni par des outils et des conseils experts. Cette approche donne néanmoins de bons résultats, tels qu'illustrés par le succès commercial de M32 Connect. Cependant, il est de l'avis des professionnels de l'entreprise qu'il serait possible de faire mieux, beaucoup mieux, s'il était possible d'augmenter la capacité de leurs algorithmes et d'automatiser certaines tâches et décisions. Bien qu'elle possède une excellente équipe, M32 Connect est consciente de ne pas avoir l'expertise requise pour développer des modèles prédictifs du comportement des acheteurs et des annonceurs pour leurs clients, les éditeurs, où davantage de variables sont incluses.Ainsi, l'objectif principal de ce projet de recherche collaboratif est d'ouvrir la voie à l'automatisation de la fixation de bons prix planchers afin de maximiser les revenus publicitaires des éditeurs. Pour ce faire, ce projet de recherche, restreint à un seul éditeur et à une seule plateforme d'achat, comportera deux phases. Une première phase où seront identifiées les variables d'influence, et une deuxième phase où sera créé le modèle prédictif pour l'établissement du meilleur prix plancher.
Programme
Engage Grants Program
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data
Tel que publié
Application id
539606-2019
Name nom
Giard, Pascal
Department département
Génie électrique
Organization id
53
Institution établissement
École de technologie supérieure
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2019
Competition year année de concours
2019
Award amount
23500
Program id
EGP
Program name en
Engage Grants Program
Program name fr
Programme de subventions d'engagement partenariat
Group en
RESEARCH PARTNERSHIPS
Group fr
PARTENARIATS DE RECHERCHE
Committee code
1552
Committee name en
Quebec Internal Decision Committee
Committee name fr
Comité de décision interne pour le Québec
Area of application code
900
Area of application group en
Commercial services
Area of application group fr
Services commerciaux
Area of application en
Commercial services
Area of application fr
Services commerciaux
Research subject code
2510
Research subject group en
Electrical and electronic engineering
Research subject group fr
Génie électrique et électronique
Research subject en
Adaptive, learning and evolutionary systems
Research subject fr
Systèmes d'apprentissage adaptatifs et évolutifs
Installment
inst:1 - 1
Partie
1
Nb partie
1
Application title
Identification des variables d'influence et création d'un modèle prédictif restreint pour l'établissement du meilleur prix plancher pour de la publicité en ligne
Keyword
NSERC
Application summary
Le marché de la publicité en ligne, bien que les choses se soient améliorées dans la dernière décennie, s'apparente à un ""Far west"". La quantité de plateformes publicitaires, d'acheteurs, et d'annonceurs est effarante. Tout comme la nature et quantité de données. S'ajoute à cela que chaque acteur fonctionne selon ses propres règles, dont les détails sont rarement rendus publiques. Il en résulte que les algorithmes de gestion et d'optimisation sont le résultat de l'expertise de spécialistes et ne tirent profit que d'une fraction des données disponibles. À titre d'exemple, les données (variables) exploitées pour fixer les prix planchers sont déterminées selon ce qui semble être le plus significatif du point vue d'un expert.Ainsi, les campagnes publicitaires sont gérées manuellement à l'aide d'indicateurs fourni par des outils et des conseils experts. Cette approche donne néanmoins de bons résultats, tels qu'illustrés par le succès commercial de M32 Connect. Cependant, il est de l'avis des professionnels de l'entreprise qu'il serait possible de faire mieux, beaucoup mieux, s'il était possible d'augmenter la capacité de leurs algorithmes et d'automatiser certaines tâches et décisions. Bien qu'elle possède une excellente équipe, M32 Connect est consciente de ne pas avoir l'expertise requise pour développer des modèles prédictifs du comportement des acheteurs et des annonceurs pour leurs clients, les éditeurs, où davantage de variables sont incluses.Ainsi, l'objectif principal de ce projet de recherche collaboratif est d'ouvrir la voie à l'automatisation de la fixation de bons prix planchers afin de maximiser les revenus publicitaires des éditeurs. Pour ce faire, ce projet de recherche, restreint à un seul éditeur et à une seule plateforme d'achat, comportera deux phases. Une première phase où seront identifiées les variables d'influence, et une deuxième phase où sera créé le modèle prédictif pour l'établissement du meilleur prix plancher.