Lo scopo principale è sviluppare un sistema che preveda il traffico per OTT/CTV (accessi, concorrenza, device mix) e ottimizzi in modo agile la schedulazione delle campagne pubblicitarie.

La tesi comprende: modellazione time-series (eventi, stagionalità), simulatore di pod-building e pacing, e un piccolo orchestratore che suggerisce allocazioni e priorità per massimizzare fill-rate, eCPM e rispetto delle frequency-cap. Validazione su log anonimizzati o dataset sintetici realistici.

Argomento principale: Data Science/AdTech, ottimizzazione, KPI (fill-rate, eCPM, ad-latency).

Corso di studio e requisiti candidato: Informatica, Ingegneria Informatica. Basi di Python/SQL, ML per serie temporali; gradite nozioni di advertising digitale.

Sede tirocinio: Napoli e Milano.

____________

The main goal is to develop a system that forecasts traffic for OTT/CTV (accesses, competition,



device mix) and dynamically optimises advertising campaign scheduling.

The thesis includes time-series modelling (events, seasonality), a pod-building and pacing simulator, and a small orchestrator that suggests allocations and priorities to maximise fill rate, eCPM, and adherence to frequency caps. Validation on anonymised logs or realistic synthetic datasets.

Main Topic: Data Science/AdTech, optimisation, KPIs (fill-rate, eCPM, ad-latency).

Course of Study and Candidate Requirements: Computer Science or Computer Engineering. Foundations in Python/SQL and ML for time series; knowledge of digital advertising is a plus.

Internship Location: Naples and Milan.

📌 Traffic Forecasting & Adaptive ADV Campaign Scheduling (Italia)
🏢 Kineton
📍 Italia