A predictive model of viewership in addressable television
Thesis title: | Prediktivní model sledovanosti v adresovatelné televize |
---|---|
Author: | Hnilička, Lukáš |
Thesis type: | Závěrečná práce - Institut celoživotního vzdělávání |
Supervisor: | Zimmermann, Pavel |
Opponents: | Novotný, Ota |
Thesis language: | Česky |
Abstract: | 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. |
Keywords: | adresovatelná televize; hbbtv; datová architektura; televizní sledovanost |
Thesis title: | A predictive model of viewership in addressable television |
---|---|
Author: | Hnilička, Lukáš |
Thesis type: | Závěrečná práce - Institut celoživotního vzdělávání |
Supervisor: | Zimmermann, Pavel |
Opponents: | Novotný, Ota |
Thesis language: | Česky |
Abstract: | 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. |
Keywords: | TV viewership; HbbTV; data architecture; Addressable TV |
Information about study
Study programme: | Data & Analytics for Business Management |
---|---|
Type of study programme: | Celoživotní vzdělávání studijní program |
Assigned degree: | MBA |
Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
Faculty: | Faculty of Informatics and Statistics |
Department: | Department of Information Technologies |
Information on submission and defense
Date of assignment: | 1. 4. 2021 |
---|---|
Date of submission: | 19. 12. 2022 |
Date of defense: | 24. 2. 2023 |
Identifier in the InSIS system: | https://insis.vse.cz/zp/80431/podrobnosti |