MACHINE LEARNING APLICADO AL MARKETING DIGITAL
Resumen
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.
Biografía del autor/a
Universidade de Araraquara - UNIARA
Universidade de Araraquara - UNIARA
Universidade de Araraquara - UNIARA
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
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.