text size

Získávání znalostí z marketingových dat

Notice: I hereby declare that I am aware that the information acquired from theses published by Charles University may not be used for commercial purposes or may not be published for educational, scientific or other creative activities as activities of person other than the author.
Title:
Získávání znalostí z marketingových dat
Titile (in english):
Knowledge discovery in marketing data
Type:
Diploma thesis
Author:
Mgr. Marie Kazárová
Supervisor:
prof. RNDr. Jiří Ivánek, CSc.
Opponent:
PhDr. Helena Lipková, Ph.D.
Thesis Id:
195640
Faculty:
Faculty of Arts (FF)
Department:
Institute of Information Studies and Librarianship (21-UISK)
Study programm:
Information and Library Studies (N7201)
Study branch:
Information and Library Studies (INSK)
Degree granted:
Mgr.
Defence date:
27/01/2020
Defence result:
Excellent
Language:
Czech
Keywords (in czech):
dobývání znalostí z databází|data mining|CRISP-DM|online marketing|marketing
Keywords:
knowledge discovery in databases|data mining|CRISP-DM|online marketing|marketing
Abstract (in czech):
Abstrakt Data miningové techniky jsou v komerční sféře využívány za účelem získávání konkurenčních výhod. V oblasti marketingu v současnosti především v souvislosti s personalizací reklamy a udržení dlouhodobých vztahů se zákazníky. Vývoj v oblasti dobývání znalostí z databází, v kombinaci s trvalým růstem výpočetního výkonu a jeho dostupností, přináší nejen pozitivní dopady, ale i značná úskalí. V praktické aplikaci diplomové práce jsou s využitím data miningových technik ověřeny možnosti získávání znalostí z dat webové analytiky v kombinaci s transakčními daty e- commerce společností. Cílem experimentální aplikace je ověřit, zda existuje segment uživatelů, kteří reagují na marketingovou komunikaci častěji, než jiné segmenty, a nalézt případné souvislosti v databázi. Pomocí data miningové techniky shlukování je takový segment v datech nalezen. Součástí praktické aplikace je i klasifikační model na bázi rozhodovacích stromů, který s přesností 75% určí, zda uživatel provede transakci, či ne. Tento typ výstupu lze následně využít k optimalizaci marketingové a obchodní strategie.
Abstract:
Abstract Data mining techniques are used by companies to gain competitive advantages. In today’s marketplace, they are also used by marketers mainly for personalization of advertising and for maintaining long-term relationship with customers. Progress in knowledge discovery in databases and availability of computational power comes not only with positive impact, but also with challenges. The practical part of the thesis aims to explore and describe data mining techniques applied to e-commerce dataset. Dataset consists of transaction and web analytics data. The goal of experimental application aims to make a selection of users who most probably react to a marketing communication and to identify the factors which influence them. Target segment of users is obtained through the use of data mining technique clustering. The classification model uses decision tree algorithm to predict whether users submit transaction with an accuracy of 75%. The results are useful for optimization of marketing and business strategy.
Documents
Download Document Author Type File size
Download Text of the thesis Mgr. Marie Kazárová 10.48 MB
Download Abstract in czech Mgr. Marie Kazárová 167 kB
Download Abstract in english Mgr. Marie Kazárová 141 kB
Download Supervisor's review prof. RNDr. Jiří Ivánek, CSc. 185 kB
Download Opponent's review PhDr. Helena Lipková, Ph.D. 158 kB
Download Defence's report doc. RNDr. Jiří Souček, DrSc. 152 kB