Applying Bayesian Bandits for solving optimal budget allocation in social media marketing

Thumbnail Image

Files

master_Ahonen_Niko-Petteri_2017.pdf (1.3 MB)

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2017-06-08

Department

Major/Subject

Strateginen johtaminen

Mcode

IL 3006

Degree programme

Master’s Programme in Industrial Engineering and Management

Language

en

Pages

44

Series

Abstract

Sequential budget allocation problems in uncertain setting are hard to solve. Allocating marketing budget is one example of such problem. These problems are always balancing between exploiting the current best option and exploring if the option that seems best at the moment truly is the best. In probability theory these problems are called Multi-armed bandit -problems. Improvements in Bayesian computation have allowed Bayesian solution called random probability matching to this problem to be suggested. The idea is based on older idea presented by Thompson (1933). This thesis shows how this approach can be used in calculating optimal budget allocation and implements a automatic tool making budget optimization decisions in Facebook marketing.

Jaksottaiset budjetin allokointi onglemat epävarmoissa olosuhteissa ovat vaikeita ratkaista. Markkinointi budjetin allokointi esimerkiksi on tällainen onglelma. Tämän tyyppisissä ongelmissa aina tasapainoillaan, kuinka paljon käytetään resursseja siihen vaihtoehtoon, joka sillä hetkellä vaikuttaa parhaalta, ja kuinka paljon käytettän resursseja tämän tiedon varmistamiseksi. Todennäköisyys teoriassa tämän kaltaisia ongelmia kutsutaan nimellä monikätinen rosvo (Multi-armed bandit). Bayesilaisen laskennan kehityttyä, tähän ongelmaan on esitetty ratkaisua nimeltä satunnainen todennäköisyys sovitus (random probability matching), joka perustuu vanhempaan ajatukseen jonka alunperin esitti Thompson (1933). Tässä diplomityössä esitetään, kuinka näitä keinoja voi käyttää optimaalisen budjetti allokaation laskemiseksi jonka lisäksi toteutetaan työkalu, joka tekee budjetti optimointi päätöksiä automaattisesti Facebook markkinoinnissa.

Description

Supervisor

Maula, Markku

Thesis advisor

Ojala, Markus

Keywords

facebook marketing, budget allocation, Bayesian bandits, Thompson sampling, probability matching, Multi-armed bandits

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-201706135474

Collections

[dipl] Perustieteiden korkeakoulu / SCI