Методи оцінки впливу рекламних кампаній на попит

Скорочена інформація про документ
dc.contributor.advisorМальцев, Антон Юрійович
dc.contributor.authorФалілеєва, Дар'я Миколаївна
dc.date.accessioned2021-11-26T10:45:35Z
dc.date.available2021-11-26T10:45:35Z
dc.date.issued2021-06
dc.description.abstractenDiploma work: 111 pages, 32 figures, 9 tables, 2 appendixes, 28 sources. The object of the study is data on the sales brand's market share and advertising ratings of the brand and competitors for 2016-2021. The subject of research is the methods of building a model for forecasting using neural networks. Python was chosen as the programming language. In this paper, a study of the impact of advertising campaigns on demand. The following algorithms were used to build models: random trees, decision trees, gradient boosting method. The best model was chosen to implement the time series forecast. The LSTM neural model was used for prediction. An analytical study of the impact of advertising campaigns on sales, seasonality and popularity on the Internet was also conducted. The direction of development of work is in expansion of a possible dataset with the best level of correlation, and also a possibility of addition of attributes of model.uk
dc.description.abstractukДипломна робота містить: 111 с., 9 табл., 32 рис., 2 дод. та 28 джерел. Об’єктом дослідження є дані про частку продажів бренду на ринку, рекламні рейтинги бренду та його конкурентів за 2016-2021 роки. Предметом дослідження є методи побудови моделі для прогнозу з використанням нейронних мереж. Програмною мовою була обрана Python. В даній роботі проведено дослідження впливу рекламних кампаній на попит. Для побудови моделей були використані такі алгоритми: випадкові дерева, дерева рішень, метод градієнтного бустингу. Було обрано кращу модель для реалізації прогнозу часового ряду. Для прогнозу була використана нейронна модель LSTM. Також було проведене аналітичне дослідження впливу рекламних кампаній на продажі, сезонність і популярність в інтернеті. Напрямок розвитку роботи є в розширенні можливого датасету з кращим рівнем кореляції, а також можливість доповнення атрибутів моделі.uk
dc.format.page112 с.uk
dc.identifier.citationФалілеєва, Д. М. Методи оцінки впливу рекламних кампаній на попит : дипломна робота ... бакалавра : 124 Системний аналіз / Фалілеєва Дар'я Миколаївна. - Киів, 2021. - 112 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45243
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectпрогнозування продажівuk
dc.subjectвплив реклами на попитuk
dc.subjectсезонністьuk
dc.subjectмашине навчанняuk
dc.subjectнейронні мережіuk
dc.subjectрегресіяuk
dc.subjectдерева рішеньuk
dc.subjectвипадкові дереваuk
dc.subjectградієнтний бустингuk
dc.subjectlstmuk
dc.subjectsales forecastinguk
dc.subjectthe influence of advertising on demanduk
dc.subjectseasonalityuk
dc.subjectmachine learninguk
dc.subjectneural networksuk
dc.subjectregressionuk
dc.subjecttree of decisionsuk
dc.subjectrandomuk
dc.titleМетоди оцінки впливу рекламних кампаній на попитuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Falileieva_bakalavr.docx
Розмір:
7.21 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи