MACHINE LEARNING APLICADO AL MARKETING DIGITAL
DOI:
https://doi.org/10.47820/recima21.v3i6.1618Palabras clave:
investigación abordó el tema Machine Learning aplicado al marketingResumen
Esta investigación abordó el tema Machine Learning aplicado al marketing digital. El marketing digital es una industria que está constantemente visualizando nuevas oportunidades y desafíos y entre ellos viene el uso del aprendizaje automático. Esta investigación tiene como objetivo general describir cómo los algoritmos de machine learning pueden ayudar a encontrar formas de predecir las mejores plataformas para la publicidad por lo que los objetivos específicos serán presentar y definir qué es el marketing digital, presentar los principales conceptos sobre machine learning, relacionar el machine learning con el marketing digital y finalmente describir los mejores algoritmos aplicados a los datos de marketing. Finalmente, se concluye que si el objetivo de los especialistas en marketing digital es aumentar el compromiso y el conocimiento de la marca con los clientes potenciales, es importante que entiendan a sus clientes. El aprendizaje automático no reemplaza los trabajos de marketing digital existentes. En cambio, ayudará a expandir las capacidades del comercializador digital moderno al proporcionar una base que les permita alcanzar su máximo potencial.
Descargas
Referencias
ABBOTT, D. Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst. [S.l.]: John Wiley & Sons, 2014
BORDA, M. Statistical and informational model of an its. In: Fundamentals in Information Theory and Coding. [S.l.]: Springer, 2011.
CAVALLINI, R. O Marketing depois de amanhã. São Paulo: Ed. do Autor, 2008.
CINTRA, Flávia Cristina. Marketing digital: a era da tecnologia on-line. Investigação, São Paulo, v. 10, n. 1, p. 6-12. 2010.
CRISTIAN, Brian; GRIFFITHS, Tom. Algoritmos para viver: a ciência exata das decisões humanas. São Paulo: Companhia das Letras, 2017.
DOMINGOS, P. A few useful things to know about machine learning. Communications of the ACM, ACM, v. 55, n. 10, p. 78–87, 2012.
DOMINGOS, Pedro. O algoritmo mestre: como a busca pelo algoritmo de machine learning definitivo recriará nosso mundo. São Paulo: Novatec, 2017.
KIEWELL, D; WINKLER, G. Getting to "the price is right". In: McKinsey&Company (Hrsg.): Big Data, Analytics, and the future of Marketing & Sales, New York, 2011
KIRKPATRICK, David. O efeito Facebook. Rio de Janeiro: Intrínseca, 2011.
KIULIAN, Artur. Robot is the boss: how to do business with Artificial Intelligence. Los Angeles: Artur Kiulian, 2017.
KOTLER, P.; KELLER, K. L. Administração de Marketing. Tradução de Mônica Rosenberg, Cláudia Freire e Brasil Ramos Fernandes. São Paulo: Pearson, 2006.
MAGALHAES-MENDES, J. A comparative study of crossover operators for genetic algorithms to solve the job shop scheduling problem. WSEAS Transactions on Computers, v. 12, n. 4, p. 164–173, 2013.
MAYER-SCHÖNBERGER, V.; CUKIER, K. Big Data. Edição traduzida. Rio de Janeiro: Elsevier, 2013.
PEDREGOSA, F. Scikit-learn: Machine learning in python. Journal of Machine Learning Research, v. 12, n. Oct, p. 2825–2830, 2011.
PINHEIRO, D.; GULLO, J. Comunicação integrada de marketing: gestão dos elementos de comunicação: suporte às estratégias de marketing e de negócios da empresa: fundamentos de marketing e visão de empresa/Duda Pinheiro, José Gullo. – 4. ed. – São Paulo: Atlas, 2013.
SATHYA, R.; ABRAHAM, A. Comparison of supervised and unsupervised learning algorithms for pattern classification. Int. J. Adv. Res. Artificial Intell, Citeseer, v. 2, n. 2, p. 34–38, 2013.
SIEGEL, E. Predictive analytics: the power to predict who will click, buy, lie, or die. Edição revisada. Hoboken: Wiley, 2016.
SMOLA, A.; VISHWANATHAN, S. Introduction to machine learning. Cambridge University, UK, v. 32, p. 34, 2008.
TORRES, C. Bíblia do Marketing Digital. São Paulo: Novatec, 2009.
VAZ, C. A. Os 8 Ps do
Descargas
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2022 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.
