Boosting Website Micro-Conversions with Machine Learning: Precision Targeting of Potential Customers
Název práce: | Boosting Website Micro-Conversions with Machine Learning: Precision Targeting of Potential Customers |
---|---|
Autor(ka) práce: | Mayer Hertl, Martina |
Typ práce: | Závěrečná práce - Institut celoživotního vzdělávání |
Vedoucí práce: | Potančok, Martin |
Oponenti práce: | Zimmermann, Pavel |
Jazyk práce: | English |
Abstrakt: | This project sets out to boost customer engagement by harnessing data-driven insights to increase micro-conversions, navigating through diverse data sources and leveraging advanced analytics tools to understand customer behaviour deeply. The resulting propensity model provides insightful visualizations into how customer interactions across various channels influence micro-conversion likelihoods. By focusing marketing efforts on the top segment identified by the model, the project demonstrated a targeted approach to resource allocation, significantly enhancing campaign effectiveness. This comprehensive effort underscores the project's testament to the power of integrating advanced analytics to optimize marketing strategies. |
Klíčová slova: | Machine Learning; Google Analytics 4; Micro-conversions; Customer Engagement |
Název práce: | Boosting Website Micro-Conversions with Machine Learning: Precision Targeting of Potential Customers |
---|---|
Autor(ka) práce: | Mayer Hertl, Martina |
Typ práce: | Závěrečná práce - Institut celoživotního vzdělávání |
Vedoucí práce: | Potančok, Martin |
Oponenti práce: | Zimmermann, Pavel |
Jazyk práce: | English |
Abstrakt: | Tento projekt si klade za cíl zvýšit zapojení zákazníků využitím datově orientovaných poznatků skrze zvyšování mikro-konverzí. To vše s použitím rozmanitých zdrojů dat a využitím pokročilých analytický nástrojů zaměřené na pochopení zákazníků. Výsledkem propenzitního modelu jsou vizualizace nastiňující interakce zákazníků na základě různých faktorů neboli kanálů, které ovlivňují pravděpodobnost mikro-konverze. Model prokázal, že pokud se marketing zaměří na nejvhodnější segment zákazníků identifikovaný modelem, přerozdělení zdrojů je vhodná strategie k významnému zefektivnění kampaní. Tato komplexní úsilí poukazují na značný přínos projektu v oblasti integrace pokročilé analytiky, která má přímý dopad na zdokonalení marketingových strategií. |
Klíčová slova: | Customer Engagement; Machine Learning; Google Analytics 4; Micro-conversions |
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: | 17. 2. 2021 |
---|---|
Datum podání práce: | 1. 4. 2024 |
Datum obhajoby: | 26. 4. 2024 |
Identifikátor v systému InSIS: | https://insis.vse.cz/zp/88161/podrobnosti |
Soubory ke stažení
Hlavní práce
Neveřejný soubor Stáhnout
Neveřejný soubor Stáhnout
Neveřejná příloha
Neveřejný soubor Stáhnout
Neveřejný soubor Stáhnout