Analiza in napovedovanje števila prikazov spletnih kampanj

BABIČ, VID (author), Curk, Tomaž (mentor)

Cilj diplomskega dela je bil pridobiti novo znanje o načinih oglaševanja in lastnostih spletnih kampanj ter napovedovanje števila prikazov kampanje po določenem obdobju trajanja le-te. V prvem delu diplomskega dela smo iz različnih virov zgradili podatkovno množico in podatke analizirali glede na različne lastnosti kampanj (število prikazov, leto aktivnosti, čas trajanja). Ugotovili smo, da obstajajo različni vzorci, predvsem pri analizi po času trajanja. V drugem delu smo preizkusili uspešnost napovedovanja števila prikazov kampanje. Uporabili smo tri različne podatkovne množice, ki so se razlikovale po času, ko začnemo zbirati podatke za napovedovanje. Za napovedovanje smo uporabili pet različnih metod (linearna regresija, regresijsko drevo, naključni gozdovi, metoda podpornih vektorjev, k najbližjih sosedov). Metode smo ocenili s petkratnim prečnim preverjanjem in z različnimi merami uspešnosti.

• Language: Slovenian
• Keywords: analiza, spletna kampanja, spletno oglaševanje, napovedovanje
• Work type: Bachelor thesis/paper
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2018
• PID: 20.500.12556/RUL-103941
• Publication date in RUL: 28.09.2018

BABIČ, VID, 2018, Analiza in napovedovanje števila prikazov spletnih kampanj [online]. Bachelor’s thesis. [Accessed 10 June 2025]. Retrieved from: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=eng&id=103941

Secondary language

• Language: English
• Title: Analysis and prediction of online campaign impressions

Abstract

The purpose of the diploma work was to gain new knowledge about the methods of advertising, the characteristics of online campaigns and to predict the number of campaign impressions after a certain period of duration. In the first part of the thesis, we built a data set from different sources and analyzed the data according to different campaign characteristics (number of impressions, year of activity, duration). We discovered different patterns, especially in terms of campaign duration. In the second part, we tested the performance of predicting the number of campaign impressions. We used three data sets that differed by the time we started to collect forecasting data. We used 5-fold cross-validation to evaluate five regression methods (linear regression, regression tree, random forests, support vector machine, k nearest neighbors) for the task.

• Keywords: analysis, online campaign, online marketing, prediction