[pt] ALOCAÇÃO DE RECURSOS ONLINE DA PERSPECTIVA DE ANUNCIANTES

• Ano de defesa: 2020
• Autor(a) principal: EDUARDO CESAR NOGUEIRA COUTINHO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] OTIMIZACAO ONLINE; [pt] ANUNCIO EM DISPLAY; [pt] PROJETO E ANALISE DE ALGORITMO; [pt] TEORIA DA COMPUTACAO; [en] ONLINE OPTIMIZATION; [en] DISPLAY ADVERTISEMEN; [en] DESIGN AND ANALYSIS OF ALGORITHM; [en] THEORY OF COMPUTATION
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=49083&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=49083&idi=2; http://doi.org/10.17771/PUCRio.acad.49083

[pt] Nesse trabalho, propomos o problema AdInvest, que modela o processo decisiório de alocação de investimento em marketing digital do ponto de vista do anunciante. Para o problema proposto, definimos um algoritmo chamado balGreedy, e provamos suas garantias para instâncias determísticas e estocásticas do AdInvest. Os teoremas provados garantem ao nosso algoritmo resultados de pior caso relativamente próximos ao OPT, em diversos tipos de instâncias levantadas ao decorrer do trabalho. Em especial, focamos nas instâncias que modelam o efeito de saturação das audiências, que se faz presente na dinâmica de anúncios online. Como mostrado nos experimentos computacionais, o algoritmo balGreedy se mostrou consistentemente eficiente em comparação com as políticas alternativas adotadas, tanto nas instâncias que foram geradas por simulação, quanto em instâncias reais obtidas a partir de dados de um anunciante do Facebook Ads.