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...
Guardado en:
Autor principal: | |
---|---|
Otros Autores: | |
Formato: | Tesis de maestría acceptedVersion |
Lenguaje: | Español |
Publicado: |
Universidad Torcuato Di Tella
2023
|
Materias: | |
Acceso en línea: | https://repositorio.utdt.edu/handle/20.500.13098/11816 |
Aporte de: |
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 |