Herramientas de Machine Learning Aplicadas al Cálculo de Efectos de Tratamiento en Campañas de Marketing

Al querer estudiar o estimar el efecto causal de una política en cierta variable de interés, el ideal sería comparar el mismo individuo con y sin tratamiento, lo cual, en la práctica resulta, en general, imposible. Una alternativa es llevar a cabo un experimento aleatorio: elegir una muestra a la cu...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Albónico, María Paula
Otros Autores: Martos Venturini, Gabriel
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2023
Materias:
Marketing
Kevin Hillstrom
Machine Learning
Efectos de Tratamiento
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11816
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11816
record_format dspace
spelling I57-R163-20.500.13098-118162023-05-16T07:00:29Z Herramientas de Machine Learning Aplicadas al Cálculo de Efectos de Tratamiento en Campañas de Marketing Albónico, María Paula Martos Venturini, Gabriel Marketing Kevin Hillstrom Machine Learning Efectos de Tratamiento Al querer estudiar o estimar el efecto causal de una política en cierta variable de interés, el ideal sería comparar el mismo individuo con y sin tratamiento, lo cual, en la práctica resulta, en general, imposible. Una alternativa es llevar a cabo un experimento aleatorio: elegir una muestra a la cual aplicarle el tratamiento y un grupo de control, para luego analizar cómo impactó la política en cuestión a distintos individuos. Este estudio no sólo sirve para evaluar la efectividad del tratamiento o política realizada, sino también para identificar a qué población conviene dirigir una futura política similar, de manera de aumentar su efectividad. En esta tesis se pretende consolidar bibliografía y teoría sobre efecto de tratamientos, a la vez de aportar un análisis completo al estudio en datos reales relativos a campañas de marketing. Se trabajó con un conjunto de datos publicado por Kevin Hillstrom comúnmente utilizado para probar nuevas metodologías de ML a la predicción de efectos causales para datos reales. Algunos ejemplos son los trabajos de Devriendt et at. y Berrevoets et al. 2023-05-15T14:11:35Z 2023-05-15T14:11:35Z 2021 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/11816 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 79 p. application/pdf application/pdf Universidad Torcuato Di Tella
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Marketing
Kevin Hillstrom
Machine Learning
Efectos de Tratamiento
spellingShingle Marketing
Kevin Hillstrom
Machine Learning
Efectos de Tratamiento
Albónico, María Paula
Herramientas de Machine Learning Aplicadas al Cálculo de Efectos de Tratamiento en Campañas de Marketing
topic_facet Marketing
Kevin Hillstrom
Machine Learning
Efectos de Tratamiento
description Al querer estudiar o estimar el efecto causal de una política en cierta variable de interés, el ideal sería comparar el mismo individuo con y sin tratamiento, lo cual, en la práctica resulta, en general, imposible. Una alternativa es llevar a cabo un experimento aleatorio: elegir una muestra a la cual aplicarle el tratamiento y un grupo de control, para luego analizar cómo impactó la política en cuestión a distintos individuos. Este estudio no sólo sirve para evaluar la efectividad del tratamiento o política realizada, sino también para identificar a qué población conviene dirigir una futura política similar, de manera de aumentar su efectividad. En esta tesis se pretende consolidar bibliografía y teoría sobre efecto de tratamientos, a la vez de aportar un análisis completo al estudio en datos reales relativos a campañas de marketing. Se trabajó con un conjunto de datos publicado por Kevin Hillstrom comúnmente utilizado para probar nuevas metodologías de ML a la predicción de efectos causales para datos reales. Algunos ejemplos son los trabajos de Devriendt et at. y Berrevoets et al.
author2 Martos Venturini, Gabriel
author_facet Martos Venturini, Gabriel
Albónico, María Paula
format Tesis de maestría
Tesis de maestría
acceptedVersion
author Albónico, María Paula
author_sort Albónico, María Paula
title Herramientas de Machine Learning Aplicadas al Cálculo de Efectos de Tratamiento en Campañas de Marketing
title_short Herramientas de Machine Learning Aplicadas al Cálculo de Efectos de Tratamiento en Campañas de Marketing
title_full Herramientas de Machine Learning Aplicadas al Cálculo de Efectos de Tratamiento en Campañas de Marketing
title_fullStr Herramientas de Machine Learning Aplicadas al Cálculo de Efectos de Tratamiento en Campañas de Marketing
title_full_unstemmed Herramientas de Machine Learning Aplicadas al Cálculo de Efectos de Tratamiento en Campañas de Marketing
title_sort herramientas de machine learning aplicadas al cálculo de efectos de tratamiento en campañas de marketing
publisher Universidad Torcuato Di Tella
publishDate 2023
url https://repositorio.utdt.edu/handle/20.500.13098/11816
work_keys_str_mv AT albonicomariapaula herramientasdemachinelearningaplicadasalcalculodeefectosdetratamientoencampanasdemarketing
_version_ 1766184135853867008

Ejemplares similares