Prediktivní model sledovanosti v adresovatelné televize

Název práce: Prediktivní model sledovanosti v adresovatelné televize
Autor(ka) práce: Hnilička, Lukáš
Typ práce: Závěrečná práce - Institut celoživotního vzdělávání
Vedoucí práce: Zimmermann, Pavel
Oponenti práce: Novotný, Ota
Jazyk práce: Česky
Abstrakt:
Cílem této MBA práce je využít strojového učení , konkrétně pattern matchingu a clusteringu. K určení cílových skupin diváků adresovatelné televize popisu jejich chování a další kategorizace. To je přínosné pro televizní stanice, které získají analýzu chování televizních diváků a mohou tak zlepšit plánování televizního vysílání a zlepšit výkon televizní stanice ve sledovanosti. Dále pak využít data pro cílení programových, marketingových a komerčních sdělení na správné skupiny televizních diváků.
Klíčová slova: adresovatelná televize; hbbtv; datová architektura; televizní sledovanost
Název práce: A predictive model of viewership in addressable television
Autor(ka) práce: Hnilička, Lukáš
Typ práce: Závěrečná práce - Institut celoživotního vzdělávání
Vedoucí práce: Zimmermann, Pavel
Oponenti práce: Novotný, Ota
Jazyk práce: Česky
Abstrakt:
The goal of this MBA thesis is to use machine learning, specifically pattern matching and clustering. To determine target audiences of addressable television to describe their behavior and further categorize them. This is beneficial for TV stations to get an analysis of TV viewers' behavior and can improve TV scheduling and improve the TV station's performance in viewership. They can then use the data to target programming, marketing, and commercial messages to the right groups of TV viewers.
Klíčová slova: TV viewership; HbbTV; data architecture; Addressable TV

Informace o studiu

Studijní program / obor: Data & Analytics for Business Management
Typ studijního programu: Celoživotní vzdělávání studijní program
Přidělovaná hodnost: MBA
Instituce přidělující hodnost: Vysoká škola ekonomická v Praze
Fakulta: Fakulta informatiky a statistiky
Katedra: Katedra informačních technologií

Informace o odevzdání a obhajobě

Datum zadání práce: 1. 4. 2021
Datum podání práce: 19. 12. 2022
Datum obhajoby: 24. 2. 2023
Identifikátor v systému InSIS: https://insis.vse.cz/zp/80431/podrobnosti

Soubory ke stažení

    Poslední aktualizace: