Komparace statistických metod pro hodnocení efektivity marketingových kampaní
Autor(ka) práce:
Šimonová, Veronika
Typ práce:
Bakalářská práce
Vedoucí práce:
Cibulková, Jana
Oponenti práce:
Karel, Tomáš
Jazyk práce:
Česky
Abstrakt:
Marketing je nedílnou součástí každodenního života a jeho efektivita je často hodnocena pomocí různých kvantitativních metod. Nedostatečné porozumění základním statistickým principům však může vést k nesprávnému návrhu testů, chybným interpretacím výsledků a zkresleným závěrům. Tato práce nejprve poskytuje přehled vybraných statistických metod vhodných pro vyhodnocování úspěšnosti marketingových kampaní a klíčových výkonnostních ukazatelů, dále tyto metody aplikuje při analýze jedné kampaně v systému Meta Business Manager a následně porovnává dvě kampaně s využitím adekvátních statistických testů. Důraz je kladen na návrh metodologicky správného postupu pro testování hypotéz v rámci A/B testování a na výběr vhodných koeficientů kolerace. Pomocí simulovaných datových sad je ukázáno, proč nelze parametrické metody automaticky považovat za vhodné a jaké výhody přinášejí přístupy neparametrické. Závěrem jsou navrženy efektivní postupy pro vyhodnocení a vizualizaci výsledků analýzy.
Comparison of statistical methods for evaluating the effectiveness of marketing campaigns
Autor(ka) práce:
Šimonová, Veronika
Typ práce:
Bachelor thesis
Vedoucí práce:
Cibulková, Jana
Oponenti práce:
Karel, Tomáš
Jazyk práce:
Česky
Abstrakt:
Marketing is an integral part of everyday life, and its effectiveness is often assessed using various quantitative methods. However, a lack of understanding of basic statistical principles can lead to poor test design, misinterpretation of results, and biased conclusions. This thesis first provides an overview of selected statistical methods suitable for evaluating the success of marketing campaigns and key performance indicators. These methods are then applied to the analysis of a single campaign within Meta Business Manager, followed by a comparison of two campaigns using appropriate statistical tests. Emphasis is placed on designing a methodologically sound approach to hypothesis testing in the context of A/B testing and on selecting appropriate correlation coefficients. Using simulated datasets, the study demonstrates why parametric methods cannot always be applied and highlights the benefits of non-parametric approaches. Finally, the thesis proposes effective procedures for evaluating and visualizing the results of the analysis.