Zobrazit minimální záznam

Knowledge discovery in marketing data
dc.contributor.advisorIvánek, Jiří
dc.creatorKazárová, Marie
dc.date.accessioned2020-08-17T12:36:33Z
dc.date.available2020-08-17T12:36:33Z
dc.date.issued2020
dc.identifier.urihttp://hdl.handle.net/20.500.11956/116635
dc.description.abstractData 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.cs_CZ
dc.description.abstractData 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.en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Filozofická fakultacs_CZ
dc.subjectknowledge discovery in databases|data mining|CRISP-DM|online marketing|marketingen_US
dc.subjectdobývání znalostí z databází|data mining|CRISP-DM|online marketing|marketingcs_CZ
dc.titleZískávání znalostí z marketingových datcs_CZ
dc.typediplomová prácecs_CZ
dcterms.created2020
dcterms.dateAccepted2020-01-27
dc.description.departmentÚstav informačních studií a knihovnictvícs_CZ
dc.description.departmentInstitute of Information Studies and Librarianshipen_US
dc.description.facultyFaculty of Artsen_US
dc.description.facultyFilozofická fakultacs_CZ
dc.identifier.repId195640
dc.title.translatedKnowledge discovery in marketing dataen_US
dc.contributor.refereeLipková, Helena
dc.identifier.aleph002311805
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineInformation and Library Studiesen_US
thesis.degree.disciplineInformační studia a knihovnictvícs_CZ
thesis.degree.programInformation and Library Studiesen_US
thesis.degree.programInformační studia a knihovnictvícs_CZ
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-csFilozofická fakulta::Ústav informačních studií a knihovnictvícs_CZ
uk.taxonomy.organization-enFaculty of Arts::Institute of Information Studies and Librarianshipen_US
uk.faculty-name.csFilozofická fakultacs_CZ
uk.faculty-name.enFaculty of Artsen_US
uk.faculty-abbr.csFFcs_CZ
uk.degree-discipline.csInformační studia a knihovnictvícs_CZ
uk.degree-discipline.enInformation and Library Studiesen_US
uk.degree-program.csInformační studia a knihovnictvícs_CZ
uk.degree-program.enInformation and Library Studiesen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csData 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.cs_CZ
uk.abstract.enData 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.en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Filozofická fakulta, Ústav informačních studií a knihovnictvícs_CZ
thesis.grade.code1
uk.publication-placePrahacs_CZ
dc.identifier.lisID990023118050106986


Soubory tohoto záznamu

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

Tento záznam se objevuje v následujících sbírkách

Zobrazit minimální záznam


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV