Modelagem de atribuição de marketing digital a partir de cadeias de Markov

Abstract

Na era digital em constante expansão, o marketing desempenha um papel importante na estratégia de negócios de empresas de diferentes portes. A capacidade de atribuir com assertividade o valor de cada interação do cliente é crucial para manutenção da competitividade. Este trabalho tem como objetivo avaliar um modelo de atribuição de marketing baseado em cadeias de Markov, visando maior precisão e adaptabilidade a diferentes contextos. A revisão bibliográfica comparou modelos de atribuição existentes na literatura, justificando a escolha da abordagem baseada em cadeias de Markov devido à sua eficácia em lidar com o problema de atribuição, especialmente em relação à flexibilidade, escalabilidade e reutilização. A pesquisa se caracteriza como aplicada e descritiva, e a metodologia utilizada é de modelagem e simulação. A implementação prática do modelo foi feita em linguagem de programação R, e testes com dados simulados demonstraram sua capacidade de fornecer uma visão mais realista do problema de atribuição de marketing, aumentando a precisão. A partir dos resultados, análises comparativas foram propostas com o auxílio de gráficos e mapas de calor, a fim de aprimorar investimentos em campanhas de marketing e entender o comportamento dos clientes. Além disso, o trabalho destacou o reaproveitamento do código desenvolvido, permitindo sua aplicação em diversas indústrias e contextos.

In the constantly expanding digital era, marketing plays a significant role in the business strategy of companies of all sizes. The ability to accurately attribute the value of each customer interaction is crucial for maintaining competitiveness. This work aims to evaluate a marketing attribution model based on Markov chains, with the goal of achieving greater precision and adaptability in different contexts. The literature review compared existing attribution models, justifying the choice of the Markov chain-based approach due to its effectiveness in addressing the attribution problem, especially in terms of flexibility, scalability and reusability. The research is characterized as applied and descriptive, and the methodology used is modeling and simulation. The practical implementation of the model was carried out in the R programming language, and tests with simulated data demonstrated its ability to provide a more realistic view of the marketing attribution problem, increasing precision. Based on the results, comparative analyses were proposed with the assistance of graphs and heat maps to improve marketing campaign investments and understand customer behavior. Furthermore, the study highlighted the reusability of the developed code, allowing its application in various industries and contexts.