Analisi di previsione per decisioni di budget su dati di vendita digitali: il caso di una multinazionale italiana

Il progetto di tesi risponde all’obiettivo di business posto da un’azienda reale del panorama italiano. Lo scopo principale è quello di trattare i dati degli ordini di vendita digitali dei propri clienti del mondo B2C (Business To Consumer), sfruttandoli poi per finalità previsionali e di supporto alla stesura del budget. Alle serie storiche del fatturato giornaliero delle sorgenti ordini viene, per ognuna di esse, posto a confronto l’approccio tradizionale SARIMAX ed uno più recente ed innovativo di machine learning rappresentato dal modello XGBoost. In aggiunta, specificatamente per gli acquisiti effettuati nel web, è stato realizzato uno studio di marketing attribution, ovvero un’attività retrospettiva che permette di misurare l’impatto di ciascun canale di traffico nel processo di conversione degli utenti. Quest’ultimo è stato condotto considerando gli approcci Last Touch, First Touch, Linear ed uno data driven basato sulle catene di Markov.