Tato bakalářská práce se zabývá analýzou faktorů ovlivňujících efektivitu digitální reklamy. Cílem práce je navrhnout metodický rámec pro identifikaci faktorů ovlivňujících efektivitu reklamních kampaní na základě kategoriálních dat. Navržená metodika kombinuje explorativní a inferenční statistické metody, konkrétně kontingenční analýzu s Cramérův koeficientem V, hierarchickou shlukovou analýzu, vícenásobnou korespondenční analýzu a logistickou regresi. Funkčnost navrženého postupu je ověřena na datasetu reklamních kampaní. Výsledky ukazují, že jednoduché vztahy mezi jednotlivými proměnnými jsou převážně slabé, zatímco vícerozměrné metody umožňují identifikovat skryté struktury a segmenty kampaní charakteristické odlišnou úspěšností. Logistická regrese potvrzuje, že většina faktorů nevykazuje statisticky významný samostatný vliv na CTR ani CR a že efektivita digitální reklamy je spíše výsledkem vzájemné kombinace více charakteristik než působení jednotlivých faktorů. Navržený metodický rámec poskytuje systematický postup pro analýzu kategoriálních dat a může sloužit jako praktický nástroj při vyhodnocování a optimalizaci digitálních reklamních kampaní.
This bachelor thesis deals with the analysis of factors affecting the effectiveness of Digital Advertising. The aim of the work is to propose a methodological framework for identifying factors affecting the effectiveness of advertising campaigns based on categorical data. the proposed methodology combines exploratory and inferential statistical methods, namely contingent analysis with Cramer coefficient V, hierarchical cluster analysis, multiple correspondence analysis and logistic regression. The functionality of the proposed procedure is verified on the dataset of advertising campaigns. The results show that simple relationships between individual variables are mostly weak, while multidimensional methods make it possible to identify hidden structures and segments of campaigns characterized by different success rates. Logistical regression confirms that most factors do not show a statistically significant independent effect on CTR or CR and that the effectiveness of digital advertising is the result of a combination of several characteristics rather than the action of individual factors. The proposed methodological framework provides a systematic procedure for analyzing categorical data and can serve as a practical tool in evaluating and optimizing digital advertising campaigns.