Show simple item record

dc.rights.licensehttps://creativecommons.org/licenses/by-sa/2.5/ar/es_AR
dc.contributor.advisorRoccatagliata, Pabloes_Ar
dc.contributor.authorBustos, Florenciaes_AR
dc.date.accessioned2023-09-19T17:38:18Z
dc.date.available2023-09-19T17:38:18Z
dc.date.issued2023
dc.identifier.urihttps://repositorio.utdt.edu/handle/20.500.13098/12024
dc.description.abstractEn esta tesis se aborda el desafío de mejorar la eficiencia y la toma de decisiones en el ámbito de la publicidad digital, específicamente en el contexto de los anuncios en Google. El objetivo principal es desarrollar un algoritmo que utilice los datos proporcionados por los anuncios de Google entre los años 2020 y 2022 para predecir el volumen de conversiones, es decir, las ventas que se pueden lograr al ajustar los gastos en las diferentes categorías de una empresa ecommerce. Esta predicción permitirá pronosticar y planificar los gastos semanales, buscando una distribución óptima de la inversión a lo largo de los días de la semana en cada categoría. Para lograr este objetivo, se propone un enfoque basado en dos etapas principales. En primer lugar, se utiliza un modelo estadístico conocido como "Modelo SUR" para estimar las ventas. A partir de esta estimación de ventas, se avanza a la segunda etapa, que consiste en desarrollar un modelo de asignación de gastos publicitarios que determine cuánto invertir en cada categoría por día para una semana dada, teniendo en cuenta un límite de presupuesto establecido. El modelo de asignación se basará en técnicas de optimización, específicamente en programación lineal entera, con el objetivo de encontrar la distribución óptima de los gastos publicitarios en cada día de la semana, maximizando la eficiencia de la empresa. Los resultados obtenidos en este análisis, demuestran que el modelo propuesto para la asignación de gastos publicitarios ofrece una forma potencialmente más eficiente de distribuir el presupuesto, en comparación con el enfoque actualmente utilizado por la empresa analizada. Esto representa una mejora potencial del 23% en la eficiencia, lo cual afecta positivamente la toma de decisiones brindando a la empresa la capacidad de obtener mejores resultados y maximizar el retorno de la inversión en sus campañas publicitarias.es_AR
dc.format.extent100 p.es_AR
dc.format.mediumapplication/pdfes_AR
dc.languagespaes_AR
dc.languageenges_AR
dc.publisherUniversidad Torcuato Di Tellaes_AR
dc.rightsinfo:eu-repo/semantics/openAccesses_AR
dc.subjectEficiencia tecnicaes_AR
dc.subjectEficiencia economicaes_AR
dc.subjectTomas de Decisioneses_AR
dc.subjectPredicción tecnológicaes_AR
dc.subjectAlgoritmoses_AR
dc.subjectAlgorithmses_AR
dc.subjectTechnical efficiencyes_AR
dc.subjectEconomic efficiencyes_AR
dc.subjectdecision makinges_AR
dc.titleHaciendo click al éxito: Predicción de Ventas y Optimización del Gasto en Marketing para Empresas Ecommercees_AR
dc.typeinfo:eu-repo/semantics/masterThesises_AR
dc.typeinfo:ar-repo/semantics/tesis de maestríaes_Ar
thesis.degree.nameMaster in Management + Analyticsen
dc.subject.keyworde-commercees_AR
dc.subject.keywordModelo SURes_AR
dc.subject.keywordGooglees_AR
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_AR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record