Прогнозування показників рекламних інтернет-застосунків методами машинного навчання

Abstract

Актуальність даної роботи полягає у дослідженні і застосуванні методів машинного навчання у маркетингу, оскільки це значно прискорює аналітику, що дає змогу швидко отримати статистику та відкоригувати параметри націлювання та розміщення реклами, задля отримання найбільшої ефективності реклами. Об’єктом дослідження є процес прогнозування показників рекламних інтернет-застосунків методами машинного навчання. Предметом дослідження є методи та інструментальні засоби аналізу і прогнозування показників рекламних інтернет-застосунків . Метою роботи є підвищення ефективності аналізу і прогнозування показників рекламних інтернет-застосунків методами машинного навчання. Результатами виконання роботи є дослідження сфери цифрового маркетингу. Вибір регресійного дерева, випадкового лісу, бустінгу та нейронних мереж як найпопулярніших методів для вирішення проблеми прогнозування показників реклами. Реалізація підходу до прогнозування застосовуючи методи машинного навчання, а також оцінка їх ефективності і покращення якості прогнозування шляхом коригування параметрів. Дана робота складається з п’яти розділів: аналізу предметної сфери, вибору інструментальних засобів та методів для прогнозування, реалізації методів машинного навчання для прогнозування, методичної частини і охорони праці. Загальний обсяг роботи – 118 сторінок. Магістерська кваліфікаційна робота містить один додаток, 112 рисунків, 7 таблиць і посилання на 46 літературних джерел. A relevance of this work lies in the research and application of machine learning methods in marketing, as it significantly speeds up analytics, which allows quickly obtain statistics and adjust the parameters of targeting and placement of advertising, in order to obtain the greatest effectiveness of advertising. An object of the research is the process of forecasting the indicators of advertising internet applications using machine learning methods. A subject of research is the methods and tools for analyzing and forecasting the indicators of advertising internet applications. A purpose of the work is to improve the efficiency of analysis and forecasting of the indicators of advertising internet applications using machine learning methods. The results of the work are research in the field of digital marketing. Selection of regression tree, random forest, boosting and neural networks as the most popular methods to solve the problem of predicting advertising performance. Implementation of an approach to forecasting using machine learning methods, as well as evaluation of their effectiveness and improvement of the quality of forecasting by adjusting parameters. This work consists of five sections: analysis of the subject area, selection of tools and methods for forecasting, implementation of machine learning methods for forecasting, methodological part and labor protection. The overall scope of the work is 118 pages. Thesis contains 1 application, 112 figures, 7 tables and 46 sources in it.