Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023

dc.contributor.advisorHuamán Gutiérrez, Zoraida Judith
dc.contributor.authorBruno Reyes, Yossellin Isabel
dc.date.accessioned2024-12-26T17:24:57Z
dc.date.available2024-12-26T17:24:57Z
dc.date.issued2024
dc.description.abstractLas marcas, con la ayuda de los medios de comunicación, pueden alcanzar a grandes volúmenes de personas, siendo la televisión abierta el medio con mayor cobertura en el país. Esto a pesar de que, durante el año 2023, el medio Digital encabezara a nivel de inversión, desplazando a la televisión abierta y colocándola en segundo lugar. Según Kantar Ibope Media (2024), la televisión abierta continúa siendo la preferencia principal entre los peruanos. El equipo de planners de Havas Group Perú busca identificar los factores cruciales que inciden de manera determinante en la elección de inversiones, garantizando una estrategia acertada. En este trabajo de suficiencia, con la finalidad de optimizar la inversión, se determinará en qué momento invertir a partir de la fidelidad de la audiencia. Para resolver el objetivo, se usó el algoritmo de Machine Learning: Random Forest, donde se encontró un coeficiente de determinación del 57% con un ECM del 1.072%. Finalmente, se determinó la mayor fidelidad de audiencia en los programas emitidos en los canales de América Televisión, ATV o Latina en los martes o miércoles y con una duración de una hora con 10 minutos.
dc.formatapplication/pdf
dc.identifier.citationBruno, Y. (2024). Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023. [Trabajo de suficiencia profesional de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM.
dc.identifier.urihttps://hdl.handle.net/20.500.12672/24478
dc.language.isospa
dc.publisherUniversidad Nacional Mayor de San Marcos
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectAprendizaje automático
dc.subjectProyectos de inversión
dc.subjectTelevisión
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.01.03
dc.titleMachine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023
dc.typeinfo:eu-repo/semantics/bachelorThesis
renati.advisor.dni09890094
renati.advisor.orcidhttps://orcid.org/0000-0003-1862-8077
renati.author.dni72396883
renati.discipline542016
renati.jurorNorabuena Figueroa, Roger Pedro
renati.jurorRoque Paredes, Ofelia
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional
sisbib.juror.dni41493243
sisbib.juror.dni06243124
thesis.degree.disciplineEstadística
thesis.degree.grantorUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de Estadística
thesis.degree.nameLicenciada en Estadística

Files

Original bundle

Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Bruno_ry.pdf
Size:
2.31 MB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
C3409_2024_Bruno_ry_reporte.pdf
Size:
4.44 MB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
C3409_2024_Bruno_ry_autorizacion.pdf
Size:
167.54 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: