Apresentação feita pela analista de BI da Zygon, Júnia Ortiz, PhD em comunicação, em palestra na edição 2018 do Rec n Play.
Nela, Júnia apresenta os principais pontos levados em consideração em modelos preditivos de publicidade, apresenta conceitos de estatística e mostra os resultados de uma modelagem inicial para marketing com influenciadores.
2. Júnia Ortiz
Doutora em Comunicação, com estágio doutoral
no MIT Comparative Media Studies pelo Fulbright
Program. Mestre pelo PosCom/UFBA; graduada
em Comunicação Social pela Uesb. Membro do
Grupo de Pesquisa em Análise Crítica da Mídia e
Produtos Midiáticos (Analítica/UFBA).
Tem se dedicado a pensar métodos de pesquisa
para o campo da comunicação no ambiente
online, com principal foco em: Social Television;
comunidades online; marketing digital; Big Data;
estatística aplicada aos estudos da Comunicação.
É analista de Business Intelligence da Zygon
Digital, onde atua na análise de dados e gestão
de audiência em mídia programática.
3. Análise preditiva
Prever o valor de uma variável (ou conjunto de variáveis)
em um momento futuro a partir da experiência
(dados) do passado.
9. • Máxima verossimilhança
• Rede Neural
• Regressão multivariada
• Extrapolação não linear
• Curvas S
• Spline cúbico
• Previsão estocástica
• Análise da série temporal
• Linhas de tendência
10. Séries temporais
Conjunto de observações ordenadas
(no tempo).
Principais objetivos:
a) Compreender o mecanismo gerador
da série;
b) Predizer o comportamento futuro da série.
16. Questão
Como medir o impacto de um digital influencer no
fortalecimento de laços sociais com uma marca e
sua comunidade de consumo?
17. Proposta
Construir um modelo de predição para medir o possível impacto,
em termos de alcance e interação, de um digital influencer em
uma campanha online e, consequentemente, na percepção do
público sobre a identidade de uma marca.
18. Método
1- Avaliar o perfil da marca e as características
de um possível influencer
2- Pesquisar os influencers
3- Coletar informações publicadas pelos
influencers selecionados (fotos, vídeos, número
de visualizações, likes etc)
4- A partir dos dados passados, estimar o
engajamento gerado pelo influencer no futuro
5- Definir o influencer
20. Previsão
Dados passados Previsão Limite Superior
Média 186,8519 Média 85,6453 Média 406,1787
Mediana 152 Mediana 85,6453 Mediana 450,9709
Mínimo 39 Mínimo 81,2906 Mínimo 90
Máximo 702 Máximo 90 Máximo 453,3886
Soma 5045 Soma 685,1624 Soma 3249,43
comments count
Previsão(comments count)
Limite de Confiança Inferior(comments count)
Limite de Confiança Superior(comments count)
Intervalo de confiança: 95%
21. Requisitos e limitações
• A variável prevista deve
conter dados numéricos
discretos ou contínuos;
• Não é possível prever datas. O
algoritmo não foi projetado para
usar datas como valores
previsíveis;
• Identifica um padrão
considerando apenas o intervalo
de tempo.