Ingresos en Plataformas. Un enfoque de Machine Learning en los datos de la API pública de Spotify
dc.contributor.advisor | Masci, Martín Ezequiel | |
dc.contributor.author | Ahedo, Agustín | es_AR |
dc.date.accessioned | 2024-08-07T19:25:09Z | |
dc.date.available | 2024-08-07T19:25:09Z | |
dc.date.issued | 2023 | |
dc.description.abstract | Con la preponderancia de las empresas de plataformas en la última década y su expansión potencial, cada vez es mayor la oportunidad en descubrir maneras de tener y aumentar ingresos en las mismas como usuario. De esta forma, existe actualmente una gran variedad de indicadores o variables en estas compañías de plataformas las cuales pueden llegar a ser optimizadas para aumentar la ganancia potencial de parte del usuario. En concreto, se utiliza como caso principal en este estudio datos proveídos por la API de la aplicación Spotify. Con estos datos se aplican modelos de aprendizaje automático para predecir la popularidad (basada en la cantidad de reproducciones) de las canciones. De esta forma, se determina si las variables técnicas de producción musical son suficientes para lograr una predicción correcta y, si lo son, cuáles variables son las más significativas. Estas variables terminaron siendo aptas para la predicción al tener los modelos un buen rendimiento en general, siendo el que obtuvo el mejor resultado el modelo XGBoost cuyas variables más significativas fueron tomadas como base para las conclusiones finales y las recomendaciones de negocio. A su vez, se desarrolla un repositorio virtual con los algoritmos y programas necesarios para lograr la trazabilidad del trabajo de investigación (https://github.com/Ag-Ah/SpotifyAPI). Por último, se efectúa una recomendación de negocio para aumentar ingresos en la plataforma basada en los resultados obtenidos por los modelos. | es_AR |
dc.format.extent | 55 p. | es_AR |
dc.format.medium | application/pdf | es_AR |
dc.identifier.uri | https://repositorio.utdt.edu/handle/20.500.13098/12945 | |
dc.language | spa | es_AR |
dc.language | eng | es_AR |
dc.publisher | Universidad Torcuato Di Tella. Escuela de Gobierno | es_AR |
dc.rights | info:eu-repo/semantics/openAccess | es_AR |
dc.rights.license | https://creativecommons.org/licenses/by-sa/2.5/ar/ | es_AR |
dc.subject | Estrategia comercial | es_AR |
dc.subject | Commercial strategy | es_AR |
dc.subject | Predicción tecnológica | es_AR |
dc.subject | Technological prediction | es_AR |
dc.subject.keyword | Monetización de Plataformas | es_AR |
dc.subject.keyword | Aprendizaje automático | es_AR |
dc.subject.keyword | Machine Learning | es_AR |
dc.subject.keyword | Spotify | es_AR |
dc.subject.keyword | Application programming interface (API) | es_AR |
dc.title | Ingresos en Plataformas. Un enfoque de Machine Learning en los datos de la API pública de Spotify | es_AR |
dc.type | info:eu-repo/semantics/masterThesis | es_AR |
dc.type | info:ar-repo/semantics/tesis de maestría | es_AR |
dc.type.version | info:eu-repo/semantics/acceptedVersion | es_AR |
thesis.degree.name | Master in Management + Analytics | en |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- MiM_Ahedo_2023.pdf
- Size:
- 1.33 MB
- Format:
- Adobe Portable Document Format
- Description:
- Clic aquí para descargar la tesis