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.
Analisi di previsione per decisioni di budget su dati di vendita digitali: il caso di una multinazionale italiana
BONORA, ELISABETTA
2021/2022
Abstract
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.File | Dimensione | Formato | |
---|---|---|---|
Bonora_Elisabetta.pdf
accesso riservato
Dimensione
3.68 MB
Formato
Adobe PDF
|
3.68 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/11362