Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Ad Delivery Optimization.
KTH, School of Computer Science and Communication (CSC).
2012 (English)Independent thesis Advanced level (professional degree), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

This thesis is done at Spotify, the music streaming service. For Spotify, income from the ad market becomes more and more important. Thus, to increase revenue, under-deliveries of campaigns needs to be minimized. To do this, mathematical optimization methods have been used, together with already available software in form of a simulator for ad delivery. There is no obvious way to express the goal function analytically, and this introduces problems. To get a value of the goal function, a simulation of the ad delivery needs to be performed. This results in that the value is noisy due to re-sampling of the user base. Two different methods have been tried; the simple approach of only updating the priorities of the campaigns that are under-delivering, and the classic optimization method gradient descent. The hope was to be able to approximate the gradient for gradient descent, and some various methods for that have been tried. The results indicate that the simple approach worked best. The income lost could be lowered by one percentage unit in simulations. With gradient descent no improvements at all could be seen. But further tests should be done to confirm the result.

Abstract [sv]

Det här examensarbetet är utfört på Spotify, som är en tjänst för att strömma musik. Allteftersom Spotify växer i Europa blir inkomster från annonser mer och mer viktigt. För att öka inkomsten behöver underleveransen av annonskampanjer minskas. Här kommer det göras försök att minska underleveransen av kampanjer genom att använda matematiska optimeringsmetoder, tillsammans med befintlig mjukvara i form av en simulator för annonsleverans. Att det inte finns något uppenbart sätt att uttrycka målfunktionen matematiskt försvårar optimeringen. För att få ett värde på den, måste en simulering av annonsleveransen utföras. Två olika metoder har utvärderats. Den första är en enkel metod som går ut på att uppdatera prioriteterna för alla kampanjer som underlevererar. Den andra är en klassisk optimeringsmetod som heter gradient descent. Förhoppningen var att kunna approximera värdet på gradienten för gradient descent, och olika metoder för detta har provats. Med den enkla metoden har den uteblivna inkomsten minskat med en procentenhet, medan gradient descent inte har lett till synbara förbättringar. För att vara riktigt säker på att resultatet håller bör fler test göras.

Place, publisher, year, edition, pages
2012.
Series
Trita-CSC-E, ISSN 1653-5715 ; 2012:017
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-130973OAI: oai:DiVA.org:kth-130973DiVA: diva2:654419
Educational program
Master of Science in Engineering - Computer Science and Technology
Uppsok
Technology
Supervisors
Examiners
Available from: 2013-10-07 Created: 2013-10-07

Open Access in DiVA

No full text

Other links

http://www.nada.kth.se/utbildning/grukth/exjobb/rapportlistor/2012/rapporter12/nylander_kristina_12017.pdf
By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 37 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf