Boosting Website Micro-Conversions with Machine Learning: Precision Targeting of Potential Customers

Thesis title: Boosting Website Micro-Conversions with Machine Learning: Precision Targeting of Potential Customers
Author: Mayer Hertl, Martina
Thesis type: Závěrečná práce - Institut celoživotního vzdělávání
Supervisor: Potančok, Martin
Opponents: Zimmermann, Pavel
Thesis language: English
Abstract:
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.
Keywords: Machine Learning; Google Analytics 4; Micro-conversions; Customer Engagement
Thesis title: Boosting Website Micro-Conversions with Machine Learning: Precision Targeting of Potential Customers
Author: Mayer Hertl, Martina
Thesis type: Závěrečná práce - Institut celoživotního vzdělávání
Supervisor: Potančok, Martin
Opponents: Zimmermann, Pavel
Thesis language: English
Abstract:
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.
Keywords: Customer Engagement; Machine Learning; Google Analytics 4; Micro-conversions

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: 17. 2. 2021
Date of submission: 1. 4. 2024
Date of defense: 26. 4. 2024
Identifier in the InSIS system: https://insis.vse.cz/zp/88161/podrobnosti

Files for download

Main text
Private file
Download
Private annex
Private file
Download
    Last update: