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 file Download
Private annex
Private file Download
Private file Download