From bids to bliss

: achieving campaign excellence with ML and data insights

Resumo

As empresas de telecomunicações enfrentam desafios, como mudanças tecnológicas aceleradas, pressão regulatória e concorrencial além das expectativas Cliente em usufruir de melhores condições e experiência. Um dos maiores desafios é alocar com eficiência o orçamento de marketing digital para atrair novos clientes em um mercado saturado. Este estudo investiga três abordagens de modelação para otimizar a alocação de orçamento em quatro canais de marketing digital para aumentar as vendas de produtos no segmento de Consumidor. O nosso objetivo é aumentar as vendas, mas também transformar as práticas de marketing digital no setor de telecomunicações, implementando métodos de alocação orçamental baseados em IA. Exploramos três abordagens de modelação: um modelo de machine learning (Random Forest) com criação automática de variáveis a partir séries temporais multivariadas, um modelo machine-learning incluindo features típicas deste tipo de problemas – efeitos de saturação e carry-over e um modelo Marketing Modeling Mix (MMM) open-source da Google (Lightweight). Avaliamos os modelos com base na capacidade de prever vendas totais com investimento em plataformas distintas – Google e Meta - analisando diferentes métricas de desempenho como RMSE e R². Descobrimos o impacto significativo de um dos canais nas vendas totais bem como quantificamos as interações entre os diferentes canais de marketing. O modelo LightweightMM obteve o melhor desempenho, com R2 de 0,666 em dados que não são utilizados no processo de treino. Face a estes resultados, recomendamos aprofundar ainda mais as abordagens MMM no contexto estudado.

Data do prémio	8 mai. 2024
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Nuno Filipe Loureiro Paiva (Supervisor)