Marketing has an important role in any successful business. However, advertising costs can be quite large. The key to a good marketing is to understand the customer behavior toward advertisements, in order to decide through what means one can advertise most efficiently. Traditionally, this process was studied through customer focus groups and surveys, which were then analyzed by statistical means. The increase of on-line purchasing and advertising provides a unique opportunity for gathering large amounts of information from users, which can then be analyzed by modern machine learning methods. In this thesis, by using data from online retailers, we try to predict user reaction to different types of advertisement. Using a machine learning, regression-based approach toward customer behavior prediction, we fit a model of customer behavior which can be used to predict which type of advertising will lead to purchases. We use a large data set provided by an industry partner and show that this approach achieves good prediction accuracy, even though the data is imbalanced.iv / Le marketing a un rôle important dans toute entreprise prospère. Toutefois, les frais de publicité peuvent être très importants. La clé d'une bonne stratégique de marketing est de comprendre le comportement des clients devant la publicité qui leurs est présentée, afin de décider par quels moyens son rendement peut être amélioré. Traditionnellement, ce processus a été étudié par le biais de groupes de discussion et de sondages, et dont les résultats sont ensuite analysés par des moyens statistiques. L'augmentation des achats en ligne et de la publicité offrent une occasion unique de rassembler de grandes quantités d'informations auprès des utilisateurs. Celles-ci peuvent ensuite être analysées par des méthodes modernes d'apprentissage automatique. Dans cette thèse, en utilisant les données provenant de sites d'achat en ligne, nous tentons de prédire la réaction des utilisateurs différents types de publicité. Par lutilisation de techniques d'apprentissage automatique, nous avons obtenu un modèle de régression permettant de prédire le comportement d'achat du client face a la publicité auquel il est expose. Nous utilisons un ensemble de données volumineux fourni par un partenaire de l'industrie et démontrons que cette approche permet d'atteindre une bonne précision de prédiction, même en présence de données déséquilibrés.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.117172 |
| Date | January 2013 |
| Creators | Ghafoorzadeh Nobar, Danesh |
| Contributors | Doina Precup (Internal/Supervisor) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Master of Science (School of Computer Science) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Electronically-submitted theses. |
Page generated in 0.01 seconds