Sistema de atribución

Estebaranz González, Daniel (2021). Sistema de atribución. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Description

Title: Sistema de atribución
Author/s:
  • Estebaranz González, Daniel
Contributor/s:
  • Segovia Pérez, Francisco Javier
Item Type: Final Project
Degree: Grado en Ingeniería Informática
Date: January 2021
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Lenguajes y Sistemas Informáticos e Ingeniería del Software
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (394kB) | Preview

Abstract

En la actualidad, las empresas se encuentran con métodos limitados para poder hacerse llegar a las personas debido a la situación permanente de precaución y restricciones a las que se encuentra la sociedad para salir al exterior dentro de nuestro día a día. Por ello, ahora más que nunca, las empresas necesitan saber de una manera certera y clara cuáles de estos métodos son los óptimos para llegar a potenciales clientes, ya sea por rentabilidad o por el éxito de los mismos. El trabajo consiste en la realización de un sistema de atribución para evaluar la influencia de canales de marketing dentro de la conversión satisfactoria de interacciones con el usuario. Para la realización de dicho sistema, se utilizan los algoritmos de Cadenas de Markov y valores de Shapley, los cuales han sido transformados con anterioridad para encajar dentro de un modelo de atribución. Para llevar a cabo dicha transformación y toma de resultados, se utiliza el programa IBM SPSS Modeler versión 18.2.1, dentro del cual, mediante un nodo de extensión, implementamos dichos algoritmos transformados. Cabe destacar a su vez que el lenguaje que utilizamos es Python para Spark, también conocido como PySpark, en su versión 2.1.0. Por último, analizamos los datos obtenidos, comparando ambos modelos, destacando así las posibles diferencias entre los mismos utilizando dos bases de datos para así concluir el trabajo con los mayores hallazgos encontrados durante el mismo.---ABSTRACT---Nowadays, a lot of companies find themselves against a wall when they try to find new ways of reaching potential clients, specially due to the current circumstances about the world with several lockdowns and restrictions for mobility. For this reason, and now more than ever, companies need to find a certain and clear way to identify which methods are optimal to reach the maximum amount of potential customers, either for its profitability or its effectiveness. This project consist on the implementation of an attribution system to evaluate the influence of different marketing channels in the positive interactions of the users with the target. For the implementation of such system, we will use two algorithms: Markov Chains and Shapley Values, which would both need to be transform in order to fit properly inside the system. The program decided for the implementation to take place in IBM SPSS Modeler, version 18.2.1. We will use an extension node for the programming of both algorithms, using the Python for Spark included by default in the software (version 2.1.0) In last place, we will analyze and compare the results of both models with two different datasets, highlighting the most remarkable differences and resuming the overall achievements of the project.

More information

Item ID: 68959
DC Identifier: https://oa.upm.es/68959/
OAI Identifier: oai:oa.upm.es:68959
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 29 Oct 2021 08:18
Last Modified: 29 Oct 2021 08:18
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM