Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters

El presente proyecto tiene como objetivo generar un reporte detallado sobre el análisis de interacciones en las notas de un diario digital argentino, utilizando técnicas avanzadas como análisis de sentimiento, LDA, clustering y algoritmos genéticos. Esta solución busca profundizar en los factores qu...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Gonzalez Crespo, Agustina, Murtagh, Ines, Weintraub, Sofía
Otros Autores:	Rodriguez Varela, Juan Pablo
Formato:	Proyecto final de grado
Lenguaje:	Español
Publicado:	2024
Materias:	MEDIOS DIGITALES ALGORITMOS ALGORITMOS GENÉTICOS CLUSTERING APRENDIZAJE AUTOMÁTICO OPTIMIZACIÓN CONTENIDO EDITORIAL
Acceso en línea:	https://ri.itba.edu.ar/handle/20.500.14769/4750
Aporte de:	Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)

id	I32-R138-20.500.14769-4750
record_format	dspace
spelling	I32-R138-20.500.14769-47502026-01-15T15:26:35Z Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters Gonzalez Crespo, Agustina Murtagh, Ines Weintraub, Sofía Rodriguez Varela, Juan Pablo MEDIOS DIGITALES ALGORITMOS ALGORITMOS GENÉTICOS CLUSTERING APRENDIZAJE AUTOMÁTICO OPTIMIZACIÓN CONTENIDO EDITORIAL El presente proyecto tiene como objetivo generar un reporte detallado sobre el análisis de interacciones en las notas de un diario digital argentino, utilizando técnicas avanzadas como análisis de sentimiento, LDA, clustering y algoritmos genéticos. Esta solución busca profundizar en los factores que influyen en la interacción con la audiencia, permitiendo al diario tomar decisiones informadas sobre la presentación y promoción de su contenido para aumentar las pageviews y la participación de los lectores. En el ámbito de los medios digitales, comprender qué elementos influyen en el éxito de las notas es crucial para captar y retener la atención de los lectores. Sin embargo, el diario enfrenta varios desafíos con los métodos tradicionales de análisis, como la falta de herramientas adecuadas para aprovechar sus datos, lo que dificulta la identificación de oportunidades de crecimiento y la maximización de pageviews. Estos factores pueden llevar a decisiones subóptimas en la presentación y promoción del contenido. Para abordar estos desafíos, se desarrolló un sistema basado en algoritmos genéticos que recomienda estrategias específicas para cada nota, analizando atributos como el sentimiento, el tipo de autor, el título, el subtítulo y si el título debe o no contener una pregunta retórica. Este sistema utiliza datos históricos para identificar patrones y ajustar las estrategias con el fin de maximizar las pageviews en diferentes clusters o segmentos de notas. El proyecto se desarrolló en varias etapas, incluyendo la integración y limpieza de datos del diario digital, asegurando la corrección de cualquier inconsistencia; la exploración profunda del conjunto de datos para identificar patrones y posibles irregularidades, utilizando técnicas descriptivas y visuales; la selección y ajuste de algoritmos de Machine Learning y optimización, el entrenamiento de modelos y la evaluación de su desempeño; y la implementación de las estrategias recomendadas, evaluando su impacto en los indicadores clave de desempeño (KPI) del diario. El proyecto culmina en una herramienta que proporciona estrategias optimizadas para mejorar las vistas de página en las notas del diario digital. Esta herramienta permitirá al diario ofrecer un análisis más eficiente de su contenido, facilitando la identificación de estrategias más efectivas para atraer a los lectores. El modelo de optimización mostró un aumento promedio, por cluster, del 8,19% en el crecimiento de pageviews y en la ganancia neta. También mostró una variación ponderada total del 8,17%, lo que refuerza la confianza en la efectividad de las estrategias implementadas. El desarrollo de esta herramienta no solo optimiza la gestión del contenido del diario digital, sino que también proporciona una base para futuras investigaciones y mejoras en el campo del análisis de datos en medios digitales. Además, la colaboración con el diario garantizará la relevancia y aplicabilidad de la solución en entornos reales, adaptándose a las necesidades específicas del mercado. 2024-10-16T16:10:21Z 2024-10-16T16:10:21Z 2024 Proyecto final de grado https://ri.itba.edu.ar/handle/20.500.14769/4750 es application/pdf
institution	Instituto Tecnológico de Buenos Aires (ITBA)
institution_str	I-32
repository_str	R-138
collection	Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language	Español
topic	MEDIOS DIGITALES ALGORITMOS ALGORITMOS GENÉTICOS CLUSTERING APRENDIZAJE AUTOMÁTICO OPTIMIZACIÓN CONTENIDO EDITORIAL
spellingShingle	MEDIOS DIGITALES ALGORITMOS ALGORITMOS GENÉTICOS CLUSTERING APRENDIZAJE AUTOMÁTICO OPTIMIZACIÓN CONTENIDO EDITORIAL Gonzalez Crespo, Agustina Murtagh, Ines Weintraub, Sofía Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters
topic_facet	MEDIOS DIGITALES ALGORITMOS ALGORITMOS GENÉTICOS CLUSTERING APRENDIZAJE AUTOMÁTICO OPTIMIZACIÓN CONTENIDO EDITORIAL
description	El presente proyecto tiene como objetivo generar un reporte detallado sobre el análisis de interacciones en las notas de un diario digital argentino, utilizando técnicas avanzadas como análisis de sentimiento, LDA, clustering y algoritmos genéticos. Esta solución busca profundizar en los factores que influyen en la interacción con la audiencia, permitiendo al diario tomar decisiones informadas sobre la presentación y promoción de su contenido para aumentar las pageviews y la participación de los lectores. En el ámbito de los medios digitales, comprender qué elementos influyen en el éxito de las notas es crucial para captar y retener la atención de los lectores. Sin embargo, el diario enfrenta varios desafíos con los métodos tradicionales de análisis, como la falta de herramientas adecuadas para aprovechar sus datos, lo que dificulta la identificación de oportunidades de crecimiento y la maximización de pageviews. Estos factores pueden llevar a decisiones subóptimas en la presentación y promoción del contenido. Para abordar estos desafíos, se desarrolló un sistema basado en algoritmos genéticos que recomienda estrategias específicas para cada nota, analizando atributos como el sentimiento, el tipo de autor, el título, el subtítulo y si el título debe o no contener una pregunta retórica. Este sistema utiliza datos históricos para identificar patrones y ajustar las estrategias con el fin de maximizar las pageviews en diferentes clusters o segmentos de notas. El proyecto se desarrolló en varias etapas, incluyendo la integración y limpieza de datos del diario digital, asegurando la corrección de cualquier inconsistencia; la exploración profunda del conjunto de datos para identificar patrones y posibles irregularidades, utilizando técnicas descriptivas y visuales; la selección y ajuste de algoritmos de Machine Learning y optimización, el entrenamiento de modelos y la evaluación de su desempeño; y la implementación de las estrategias recomendadas, evaluando su impacto en los indicadores clave de desempeño (KPI) del diario. El proyecto culmina en una herramienta que proporciona estrategias optimizadas para mejorar las vistas de página en las notas del diario digital. Esta herramienta permitirá al diario ofrecer un análisis más eficiente de su contenido, facilitando la identificación de estrategias más efectivas para atraer a los lectores. El modelo de optimización mostró un aumento promedio, por cluster, del 8,19% en el crecimiento de pageviews y en la ganancia neta. También mostró una variación ponderada total del 8,17%, lo que refuerza la confianza en la efectividad de las estrategias implementadas. El desarrollo de esta herramienta no solo optimiza la gestión del contenido del diario digital, sino que también proporciona una base para futuras investigaciones y mejoras en el campo del análisis de datos en medios digitales. Además, la colaboración con el diario garantizará la relevancia y aplicabilidad de la solución en entornos reales, adaptándose a las necesidades específicas del mercado.
author2	Rodriguez Varela, Juan Pablo
author_facet	Rodriguez Varela, Juan Pablo Gonzalez Crespo, Agustina Murtagh, Ines Weintraub, Sofía
format	Proyecto final de grado
author	Gonzalez Crespo, Agustina Murtagh, Ines Weintraub, Sofía
author_sort	Gonzalez Crespo, Agustina
title	Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters
title_short	Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters
title_full	Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters
title_fullStr	Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters
title_full_unstemmed	Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters
title_sort	optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters
publishDate	2024
url	https://ri.itba.edu.ar/handle/20.500.14769/4750
work_keys_str_mv	AT gonzalezcrespoagustina optimizaciondeestrategiasdecontenidoenmediosdigitalesunenfoquedealgoritmosgeneticosbasadoenclusters AT murtaghines optimizaciondeestrategiasdecontenidoenmediosdigitalesunenfoquedealgoritmosgeneticosbasadoenclusters AT weintraubsofia optimizaciondeestrategiasdecontenidoenmediosdigitalesunenfoquedealgoritmosgeneticosbasadoenclusters
_version_	1865139349688942592

Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters

Ejemplares similares