Využití generativní umělé inteligence při tvorbě upoutávek pro nativní reklamní kampaně: Komparativní analýza efektivity
Autor(ka) práce:
Šenk, Pavel
Typ práce:
Bakalářská práce
Vedoucí práce:
Kovářová, Marie
Oponenti práce:
Maryška, Miloš
Jazyk práce:
Česky
Abstrakt:
Bakalářská práce se zabývá zkoumáním efektivity generativní umělé inteligence (GAI) při tvorbě reklamních upoutávek pro nativní reklamní kampaně. Hlavním cílem je porovnat výkonnost upoutávek vytvořených pomocí GAI a profesionálním storytellingovým týmem prostřednictvím komparativní analýzy uživatelského chování. Teoretická část práce poskytuje komplexní úvod do principů fungování GAI, specifik nativní reklamy a významu marketingových metrik, jako jsou čas strávený na stránce a míra doscrollování, pro měření úspěšnosti online kampaní. Praktická část využívá datovou sadu získanou z distribuční platformy Seznam.cz. Byla provedena deskriptivní i inferenční analýza rozdílů mezi skupinami uživatelů na základě proměnných „time_on_page“ a „doscroll_pct“. Výsledky ukázaly, že mezi skupinami nebyl zjištěn statisticky významný rozdíl v délce času stráveného na stránce. Naopak v hloubce scrollování byl zaznamenán statisticky významný, avšak prakticky malý rozdíl ve prospěch upoutávek generovaných GAI. Dále byla identifikována silná pozitivní korelace mezi časem a mírou doscrollování, což potvrzuje souvislost mezi délkou expozice a hloubkou interakce s obsahem. Získané poznatky naznačují, že GAI může v určitých aspektech tvorby reklamních textů nabídnout výkon srovnatelný s lidskou tvorbou, a v některých případech ji i mírně překonat. Výsledky však zároveň upozorňují na potřebu hlubšího zkoumání dopadů těchto výstupů na míru prokliku a brandové ukazatele. Práce tak přispívá k diskusi o možnostech a limitech využití GAI v oblasti digitálního marketingu, zejména v kontextu dynamicky se vyvíjejících formátů nativní reklamy.
Klíčová slova:
reklamní upoutávky; marketing; generativní umělá inteligence; nativní reklama
Název práce:
The Use of Generative Artificial Intelligence in Creating Teasers for Native Advertising Campaigns: A Comparative Analysis of Effectiveness
Autor(ka) práce:
Šenk, Pavel
Typ práce:
Bachelor thesis
Vedoucí práce:
Kovářová, Marie
Oponenti práce:
Maryška, Miloš
Jazyk práce:
Česky
Abstrakt:
This bachelor's thesis investigates the effectiveness of generative artificial intelligence (GAI) in creating promotional teasers for native advertising campaigns. The primary objective is to compare the performance of teasers generated by GAI with those produced by a professional storytelling team, through a comparative analysis of user behavior. The theoretical part of the thesis provides a comprehensive introduction to the functioning principles of generative AI, the specifics of native advertising, and the relevance of marketing metrics—such as time spent on page and scroll depth—for evaluating the success of online campaigns. The empirical section employs a dataset obtained from the Seznam.cz distribution platform. Both descriptive and inferential analyses were conducted to examine differences between user groups based on the variables “time_on_page” and “doscroll_pct.” The results revealed no statistically significant difference in time spent on page between the groups. However, scroll depth showed a statistically significant but practically small difference in favor of the GAI-generated teasers. A strong positive correlation between time and scroll depth was also identified, confirming a relationship between exposure duration and depth of content interaction. The findings suggest that GAI can, in certain aspects of advertising text creation, achieve performance comparable to human-generated content and, in some cases, even slightly surpass it. At the same time, the results highlight the need for deeper examination of how such outputs affect click-through rate and brand metrics. This thesis thus contributes to the ongoing discussion on the capabilities and limitations of generative AI in digital marketing, particularly in the context of evolving native advertising formats.