PUBLICATION DES RÉSULTATS DE RECHERCHE DU PROGRAMME R&D DE M32 EN INTELLIGENCE ARTIFICIELLE
Réalisée en partenariat avec l’ETS, cette étude apporte de nouvelles connaissances pour mieux soutenir les éditeurs.
Montréal, le 17 mars 2022 – Dans le cadre de son programme de recherche et développement en intelligence artificielle en partenariat avec l’École de technologie supérieure de Montréal, M32 Connect tient à féliciter Huu-My NGUYEN et Pascal Giard pour la récente publication de leur étude.
Ce partenariat, axé sur la recherche et l’innovation, a pour but de mieux comprendre l’industrie complexe de la publicité numérique et de développer des outils novateurs. Le rôle grandissant de l’intelligence artificielle est un des points clés que M32 souhaite mettre de l’avant pour apporter de nouvelles solutions aux éditeurs.
En effet, parmi les axes développés par M32 pour continuer d’être une référence incontournable dans le domaine de la monétisation, l’entreprise mise sur le développement de l’intelligence artificielle (IA) et les partenariats avec des chercheurs et universités. Ces avancées leur permettent d’approfondir leurs connaissances de façon continue et de créer les produits et services de demain.
L’objectif de cette étude est de pouvoir faire des prévisions grâce à l’IA sur les variations du eCPM, soit le coût pour mille impressions d’annonces en ligne. Cette donnée est une information très importante pour les éditeurs qui doivent fixer leurs prix plancher au plus juste, afin de maximiser leurs ventes et leurs revenus.
M32 souhaite partager les résultats complets de cette recherche et les rendre ici disponibles à tous les membres de l’industrie :
Titre : Prévision de séries temporelles de l’eCPM d’espaces publicitaires en ligne
Résumé :
La publicité en ligne est devenue la principale source de revenus pour de nombreux éditeurs de sites web. Avec le développement du « real-time bidding (RTB) », les éditeurs sont désormais en mesure de vendre leurs espaces publicitaires en temps réel. Le prix est déterminé par la demande du marché en temps réel. Dans cette thèse, nous avons tenté d’aider les éditeurs à prédire les prix de ventes attendus sur le marché de la publicité en ligne au cours des 30 prochains jours en utilisant les données historiques des deux dernières années. Tout d’abord, nous explorons l’utilisation du modèle « Auto Regressive Integrated Moving Average (ARIMA) » pour ajuster les séries temporelles des « effective cost per mille (eCPM) » historiques et faire la prédiction. Ensuite, nous illustrons la distribution de eCPM sur une période et développons un indicateur de confiance reflétant la volatilité du marché. Le processus d’entraînement et de prévision est ensuite intégré dans le pipeline de données du partenaire industriel pour évaluation en production.