| Abstract: | This master's thesis focuses on improving the effectiveness and affordability of online
advertising for small businesses. Platforms such as Meta (Facebook/Instagram) and TikTok have
become indispensable for reaching customers, but advertising on these platforms is expensive and
often difficult to manage, especially for small businesses.
To address this, we designed a new framework that uses artificial intelligence to give
recommendations for advertisers. The framework has two main roles. First, it helps improve active
campaigns by suggesting actions such as adjusting budgets or changing the way ads are delivered.
Second, it provides advice before launching new campaigns, guiding businesses on how to set
them up so they perform better from the start.
We tested the framework on both public advertising datasets (Criteo, Avazu) and real campaign
data from Aura Fragrances, a perfume retailer. The results showed strong improvements in key
advertising metrics, including click-through rate (CTR), cost per click (CPC), cost per acquisition
(CPA), and return on ad spend (ROAS).
This is one of the first studies in the world to combine artificial intelligence with real-world
advertising data from an SME. It contributes both to local research and to practical solutions for
businesses that want to grow online while keeping costs under control.****
Cette thèse de master porte sur l'amélioration de l'efficacité et de l'accessibilité financière de la
publicité en ligne pour les petites entreprises. Les plateformes telles que Meta
(Facebook/Instagram) et TikTok sont devenues indispensables pour atteindre les clients, mais la
publicité sur ces plateformes est coûteuse et souvent difficile à gérer, en particulier pour les petites
entreprises.
Pour remédier à cela, nous avons conçu un nouveau cadre qui utilise l'intelligence artificielle
pour fournir des recommandations aux annonceurs. Ce cadre a deux rôles principaux.
Premièrement, il contribue à améliorer les campagnes actives en suggérant des actions telles que
l'ajustement des budgets ou la modification du mode de diffusion des publicités. Deuxièmement,
il fournit des conseils avant le lancement de nouvelles campagnes, guidant les entreprises sur la
manière de les mettre en place afin qu'elles soient plus performantes dès le départ.
Nous avons testé ce cadre à la fois sur des ensembles de données publicitaires publics (Criteo,
Avazu) et sur des données de campagne réelles provenant d'Aura Fragrances, un détaillant de
parfums. Les résultats ont montré de nettes améliorations des principaux indicateurs publicitaires,
notamment le taux de clics (CTR), le coût par clic (CPC), le coût par acquisition (CPA) et le retour
sur investissement publicitaire (ROAS).
Il s'agit de l'une des premières études au monde à combiner l'intelligence artificielle avec des
données publicitaires réelles provenant d'une PME. Elle contribue à la fois à la recherche locale et
à la mise en place de solutions pratiques pour les entreprises qui souhaitent se développer en ligne
tout en maîtrisant leurs coûts. |
