MACHINE LEARNING APLICADO AO MARKETING DIGITAL
DOI:
https://doi.org/10.47820/recima21.v3i6.1618Palavras-chave:
Marketing, Tecnologia, Machine learning, Marketing digitalResumo
A presente pesquisa abordou o tema Machine Learning aplicado ao marketing Digital. O marketing digital é uma indústria que está constante vislumbrando novas oportunidades e desafios e entre eles adentra o uso do machine learning. Esta pesquisa tem como objetivo geral descrever como os algoritmos de machine learning podem ajudar a encontrar formas de predizer as melhores plataformas para anúncio, assim, os objetivos específicos são apresentar e definir o que é o marketing digital, apresentar os principais conceitos sobre o machine learning, relacionar o machine learning com o marketing digital e descrever os melhores algoritmos aplicados aos dados de marketing. Por fim, conclui-se que se o objetivo dos profissionais de marketing digital é aumentar o engajamento e o conhecimento da marca com os leads, é importante que eles entendam seus clientes. O machine learning não substitui os empregos existentes de marketing digital. Em vez disso, ajudará a expandir as capacidades do profissional de marketing digital moderno, fornecendo uma base que lhes permite alcançar todo o seu potencial.
Downloads
Referências
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
Downloads
Publicado
Como Citar
Edição
Secção
Categorias
Licença
Direitos de Autor (c) 2022 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 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.