Thema der Bachelorthesis: Automatisierung des Werbestylings im Real-Time Bidding (RTB) mit maschinellen Lernverfahren zur Effizienzsteigerung und Reichweitenerweiterung

Allgemeine Beschreibung

Hintergrund

Als Vermarkter im Bereich Online-Werbung setzen wir KI-Technologien ein, um zielgerichtete und effiziente Werbekampagnen zu realisieren. Im Real-Time Bidding (RTB) wächst der Bedarf an automatisierten Lösungen, die das Werbestyling dynamisch gestalten und an die Trägerseite anpassen. Dadurch soll eine maximale Reichweite und Zielgruppenrelevanz erzielt werden. Die Bachelorthesis soll untersuchen, wie maschinelle Lernverfahren zur Automatisierung des Werbestylings mit CSS und HTML5 eingesetzt werden können, um so die Effizienz in RTB-Umgebungen zu steigern und flexibel auf Marktveränderungen zu reagieren.

Ziel der Arbeit

Ziel der Arbeit ist es, ein Konzept und einen Prototypen zu entwickeln, der auf maschinellem Lernen basiert und das Styling von Online-Werbung unter Einsatz von CSS und HTML5 automatisiert anpasst. Eines der Ziele ist dabei die Werbung möglichst nativ zu gestalten und Sie damit an die Trägerseite anzupassen. Der Fokus liegt auf der Evaluierung und Anwendung verschiedener ML-Methoden, um dynamische Anpassungen zu ermöglichen, den Einfluss der Styling-Methoden auf die Click-Through-Rate (CTR) zu ermitteln und gegebenenfalls Optimierungen vorzunehmen. Darüber hinaus soll der Einfluss dieser Techniken auf Reichweite und Kampagneneffizienz analysiert werden.

Aufgabenstellung

• Analyse der Anforderungen und Herausforderungen im RTB sowie bestehender ML-Methoden zur Anpassung und Optimierung von Werbestyles.
• Entwicklung eines Konzeptes zur automatisierten Erstellung und Anpassung von Werbestyles mithilfe von maschinellen Lernverfahren und den Technologien CSS und HTML5.
• Crawlen und Adaption von CSS-Styles und HTML Markup von der Trägerseite
• Implementierung eines Prototyps , der das entwickelte Konzept in einem Ad-Management-System testet und evaluiert.
• Ermittlung und Evaluierung des Einflusses der Werbestyles auf die Click-Through-Rate (CTR)und, falls nötig, Optimierung der Styling-Methoden zur Steigerung der CTR.
• Durchführung von Tests zur Messung der Effekte des automatisierten Stylings auf Reichweite, Relevanz und Performance der Werbeanzeigen.

• Dokumentation der Erkenntnisse und Ableitung von Handlungsempfehlungen für den Einsatz von ML-Techniken beim styling von Online-Ads.

Anforderungen

• Kenntnisse im Bereich maschinelles Lernen, idealerweise in Verbindung mit Anwendungsfällen im Marketing oder der Werbetechnologie.
• Interesse an der Entwicklung von datengetriebenen Lösungen für die Automatisierung und Optimierung von Werbemaßnahmen.
• Grundkenntnisse in Webtechnologien, insbesondere CSS und HTML5, sowie programmatischer Werbung sind wünschenswert, aber nicht zwingend erforderlich.
• Analytische Fähigkeiten, Kreativität und eine eigenständige Arbeitsweise.

Was wir dir bieten!

Betreuung und Unterstützung

Die Thesis wird von einem erfahrenen Team im Bereich Ad Tech und KI betreut , das regelmäßiges Feedback und fachliche Unterstützung bei der Entwicklung und Implementierung des Prototyps bietet .

Kontaktinfo

Bewerbungsfrist : Interessierte Studierende (m/w/d) senden ihre Bewerbungsunterlagen (Lebenslauf, Notenspiegel und Motivationsschreiben) bis zum 1.1.2025an Anja Polzer . Gerne per E-Mail an [email protected] .

Über uns

DEFINE MEDIA ist einer der führenden Themen-Vermarkter in D-A-CH. Das Team am Standort Karlsruhe fokussiert sich auf den stark wachsenden Bereich Content Marketing und zählt zahlreiche Top-FMCG Marken sowie die größten Media-Agenturen Deutschlands zu seinen Kunden. Durch ein Netzwerk intensiver Kooperationen mit führenden Medienhäusern, Verlagen und Partnerwebseiten gestaltet DEFINE MEDIA die Zukunft der Online-Werbung aktiv mit und erreicht mit seinen Produkten und Technologien Millionen von Internetnutzern.