Le modèle des chercheurs pour la programmation des publicités télévisées génère une augmentation des revenus pour les réseaux

Qu’il s’agisse de Flo de Progressive ou du gecko Geico, le téléspectateur moyen peut ne pas accorder beaucoup d’importance aux publicités en dehors du fait qu’elles soient divertissantes ou non. Cependant, il existe une science assez complexe derrière les publicités que vous voyez et quand vous les voyez.

Sebastian Souyris, du Rensselaer Polytechnic Institute, professeur adjoint de chaîne d’approvisionnement et d’analyse et titulaire de la chaire d’enseignement Dean R. Wellington ’83 en gestion à la Lally School of Management, avec ses partenaires, a combiné la programmation mathématique et l’apprentissage automatique pour optimiser les calendriers publicitaires. . Souyris a été rejoint dans la recherche par Sridhar Seshadri, Alan J. et Joyce D. Baltz Professeur au Gies College of Business and Health Innovation Professor au Carle Illinois College of Medicine de l’Université de l’Illinois Urbana-Champaign, et Sriram Subramanian, maintenant le responsable de la science des données chez Pinterest.

Le travail de l’équipe a abouti à un modèle qui offre une augmentation des revenus de 3 à 5 % pour les réseaux de télévision, ce qui s’est traduit par 60 millions de dollars par an pour un utilisateur important. Cet impact commercial a été récompensé par le prix INFORMS Revenue Management & Pricing Section Practice Award en 2022.

« La planification des annonces est un problème de programmation complexe à plusieurs périodes et à nombre entier mixte », a déclaré Souyris. « Les réseaux doivent atteindre les objectifs de campagne des annonceurs et maximiser les revenus. Les publicités doivent atteindre des groupes cibles spécifiques dans le cadre d’un ensemble unique de contraintes, et le nombre de téléspectateurs est incertain. Cependant, l’optimisation réussie des calendriers rapporte de grandes récompenses aux réseaux. »

La publicité est la principale source de revenus des chaînes de télévision. En 2022, les annonceurs américains ont dépensé plus de 68 milliards de dollars en publicités télévisées, ce qui équivaut à 30 % de toutes les publicités.

Le système d’aide à la décision de l’équipe synthétise de nombreuses considérations complexes. Les contrats entre les annonceurs et les réseaux spécifient un certain nombre de vues ou d’impressions par leurs données démographiques cibles dans un certain laps de temps, ainsi qu’un certain nombre d’annonces à diffuser au public cible même si le nombre d’impressions a déjà été atteint. Le rythme des annonces est également décrit, ou le nombre d’annonces par jour. Parfois, l’heure de la journée, la position du message publicitaire pendant la pause publicitaire et le programme pendant lequel les annonces sont diffusées sont également spécifiés. En plus de cela, les annonceurs ne veulent pas que leurs publicités soient diffusées à côté de concurrents.

Les réseaux doivent estimer le nombre d’annonces nécessaires pour obtenir les impressions spécifiées en fonction des données passées et du succès attendu de la programmation. Ils ont également tendance à surestimer, dans le but d’éviter de donner du temps d’antenne gratuitement s’ils fournissent plus d’impressions que promis.

Le système d’aide à la décision comporte trois étapes. Lors de la première étape, des pondérations sont attribuées aux annonces en fonction du nombre d’impressions qu’il reste à atteindre. Un nombre plus élevé équivaut à un poids plus élevé. Dans la deuxième étape, le modèle d’optimisation affecte les publicités aux pauses. Dans la troisième étape, un modèle détermine dans quelle position les publicités seront diffusées pendant les pauses. Le système conçoit le calendrier sur une base quotidienne, permettant l’intégration des données les plus à jour, telles que les cotes Nielsen.

« L’approche de planification en trois étapes organise les annonces au niveau des positions à l’intérieur des pauses, ce qui est aussi détaillé que possible », a déclaré Souyris. « L’utilisation de notre système permet de développer un calendrier publicitaire proche de l’optimum en quelques minutes. »

« Il s’agit d’une autre application réussie de la recherche de notre faculté combinant l’analyse de données avec la modélisation mathématique pour obtenir une planification optimisée et une rentabilité accrue », a déclaré Chanaka Edirisinghe, doyen par intérim de la Lally School of Management de Rensselaer. « L’approche en trois étapes du Dr Souyris repousse les limites de la pratique de pointe actuelle en matière de planification des annonces en incorporant des vues et des contraintes multipériodes dans un modèle de décision d’optimisation basé sur les données à nombre entier mixte. »

Les résultats sont publiés dans la revue Recherche opérationnelle.