Matematica per prevedere indici di ascolto
PROBLEMA
Prevedere l’audience della prima serata sulle principali reti nel breve periodo, per poter pianificare al meglio i palinsesti e gli acquisti dei contenuti audiovisivi.
SOLUZIONE
Sviluppo di un sistema basato su machine learning per effettuare rapidamente diverse analisi di scenario e previsione sulle strategie da valutare.
+ Riduzione dei tempi di stima share
+ Framework semplice
Strategie di mobile advertising
PROBLEMA
Necessità di conoscere i comportamenti e le abitudini degli utenti.
SOLUZIONE
Sviluppato un algoritmo di profilazione capace di classificare gli utenti rispetto ai loro comportamenti offline.
+ Clustering
+ Maggior aderenza della campagna all’interesse dell’utente
Supporto alla programmazione di un palinsesto televisivo
PROBLEMA
Migliorare la collocazione dei contenuti del palinsesto, al fine di massimizzare gli indici di ascolto.
SOLUZIONE
Sviluppato un algoritmo in grado di fornire come risultato la pianificazione ottima per un periodo di interesse.
+ Riduzione dei tempi pianificazione
+ Profilazione elevata
Digital marketing: analisi della customer journey e simulazione di scenari vantaggiosi
PROBLEMA
Ai dipartimenti di marketing delle aziende serve sapere non solo quale canale determina il last click, ma come il cliente arriva all’ultimo click e quindi al comportamento d’acquisto.
SOLUZIONE
Sviluppato un algoritmo capaci di ricostruire autonomamente il contributo che ciascun canale visitato porta alla conversione dell’utente analizzando tutta la sua customer journey.
+ Simulazioni customizzare
+ Ampia analisi ed interpretazioni
