Повышение эффективности показа рекламных блоков на страницах сети Интернет с использованием алгоритмов машинного обучения

На сегодняшний день для интернет-компаний реклама является ключевым элементом дохода. Эффективный показ рекламных блоков в сети Интернет напрямую влияет на доход компаний и лояльность рекламодателей и пользователей рекламных площадок. Для повышения эффективности показа рекламных блоков важной задачей является предсказания вероятности перехода по рекламному объявлению. Улучшение предсказания вероятности перехода позволяет повысить эффективность показа рекламных блоков. Для рекламных сетей интернет-компаний предсказание задачи вероятности перехода должно осуществляться быстро и эффективно, поэтому наиболее популярным способом решения данной задачи является использование методов машинного обучения. При этом большое количество современных исследований отмечают эффективность использования искусственных нейронных сетей для решений данной задачи. Однако такие модели делают упор на использование контентных факторов, таких как текст, не используя информацию о том, на какие объявления реагировал пользователь. Основной целью данного исследования является повышение эффективности показа рекламных объявлений в сети Интернет для рекламной сети компании “Яндекс” с помощью построения модели машинного обучения для предсказания вероятности перехода пользователя по рекламному объявлению. В качестве основных задач исследования можно выделить: анализ методов машинного обучения для решения поставленной задачи, построение модели машинного обучения на основе искусственной нейронной сети и оценка эффекта от внедрения полученной модели в рекламную сеть компании “Яндекс”. В рамках исследования были решены поставленные задачи: предложенная модель эффективно решает поставленную задачу и улучшает эффективность показа рекламных объявлений для рекламной сети компании “Яндекс”. Проведенные эксперименты показывают, что эффект от внедрения модели будет напрямую влиять на доход рекламной сети компании. Полученная модель успешно использует для предсказания не только информацию о контенте объявлений, но и коллаборативную информацию о реакциях пользователей на объявления, эффективно комбинируя различные подходы к построению рекомендательных систем. На основе результатов исследования были сделаны рекомендации по внедрению полученной модели в инфраструктуру рекламной сети компании, а также был предложен способ по построению рекомендательных моделей на основе искусственных нейронных сетей, комбинирующий различные способы построения рекомендательных систем.