Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023
Descripción del Articulo
Las 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 abier...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad Nacional Mayor de San Marcos |
| Repositorio: | UNMSM-Tesis |
| Lenguaje: | español |
| OAI Identifier: | oai:cybertesis.unmsm.edu.pe:20.500.12672/24478 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12672/24478 |
| Nivel de acceso: | acceso abierto |
| Materia: | Aprendizaje automático Proyectos de inversión Televisión https://purl.org/pe-repo/ocde/ford#1.01.03 |
| id |
UNMS_26e4e0cb4336bc85e9d1bf703af1d8ce |
|---|---|
| oai_identifier_str |
oai:cybertesis.unmsm.edu.pe:20.500.12672/24478 |
| network_acronym_str |
UNMS |
| network_name_str |
UNMSM-Tesis |
| repository_id_str |
410 |
| dc.title.none.fl_str_mv |
Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023 |
| title |
Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023 |
| spellingShingle |
Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023 Bruno Reyes, Yossellin Isabel Aprendizaje automático Proyectos de inversión Televisión https://purl.org/pe-repo/ocde/ford#1.01.03 |
| title_short |
Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023 |
| title_full |
Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023 |
| title_fullStr |
Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023 |
| title_full_unstemmed |
Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023 |
| title_sort |
Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023 |
| author |
Bruno Reyes, Yossellin Isabel |
| author_facet |
Bruno Reyes, Yossellin Isabel |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Huamán Gutiérrez, Zoraida Judith |
| dc.contributor.author.fl_str_mv |
Bruno Reyes, Yossellin Isabel |
| dc.subject.none.fl_str_mv |
Aprendizaje automático Proyectos de inversión Televisión |
| topic |
Aprendizaje automático Proyectos de inversión Televisión https://purl.org/pe-repo/ocde/ford#1.01.03 |
| dc.subject.ocde.none.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#1.01.03 |
| description |
Las 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. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-12-26T17:24:57Z |
| dc.date.available.none.fl_str_mv |
2024-12-26T17:24:57Z |
| dc.date.issued.fl_str_mv |
2024 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
bachelorThesis |
| dc.identifier.citation.none.fl_str_mv |
Bruno, 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.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12672/24478 |
| identifier_str_mv |
Bruno, 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. |
| url |
https://hdl.handle.net/20.500.12672/24478 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Nacional Mayor de San Marcos |
| dc.publisher.country.none.fl_str_mv |
PE |
| publisher.none.fl_str_mv |
Universidad Nacional Mayor de San Marcos |
| dc.source.none.fl_str_mv |
reponame:UNMSM-Tesis instname:Universidad Nacional Mayor de San Marcos instacron:UNMSM |
| instname_str |
Universidad Nacional Mayor de San Marcos |
| instacron_str |
UNMSM |
| institution |
UNMSM |
| reponame_str |
UNMSM-Tesis |
| collection |
UNMSM-Tesis |
| bitstream.url.fl_str_mv |
https://cybertesis.unmsm.edu.pe/bitstreams/bcd508fa-08e3-495f-bfa0-fd346c0c601c/download https://cybertesis.unmsm.edu.pe/bitstreams/a273a4c8-cf98-4e38-9118-b591d1a0984c/download https://cybertesis.unmsm.edu.pe/bitstreams/45208b96-facd-49fe-8ff8-27cf5c30d119/download https://cybertesis.unmsm.edu.pe/bitstreams/177f1e9e-769f-4fa9-b46e-2a0b76ece8a3/download https://cybertesis.unmsm.edu.pe/bitstreams/bf41422b-375c-48ba-9593-37ef5f5e98fc/download https://cybertesis.unmsm.edu.pe/bitstreams/67a15586-b7bc-4c44-897a-f4ddfec8da35/download https://cybertesis.unmsm.edu.pe/bitstreams/a90f0871-9324-4cba-9ffe-4fe050015410/download https://cybertesis.unmsm.edu.pe/bitstreams/cf3e7b51-3a52-425b-8a2f-c9646cd33e73/download https://cybertesis.unmsm.edu.pe/bitstreams/bcfa2666-1bf4-48ae-b298-7f479b88129d/download https://cybertesis.unmsm.edu.pe/bitstreams/1b53f1bc-0ef9-48eb-bf2a-4c9c760e2775/download https://cybertesis.unmsm.edu.pe/bitstreams/ef678db6-e425-4b1f-9038-bb9bee2a94bb/download |
| bitstream.checksum.fl_str_mv |
bb9bdc0b3349e4284e09149f943790b4 fca15e2fba246b5fb042d7c116fd255b 77db4cf9c48502b5b6be4222f273e9b3 0a0419108ea6c7244cd9b9e9af5f2ec1 1f14487299a8a795dc379bc1df9968a0 9a63167f3fec54922c686b1a3960e5d4 a82b585a486b91258c5986ca6a4f0dbc 9ddd53e478f5d73f3dee278c4f169bce d63976af79847f119391e9eb7c282362 1ae1636af9058d4a82621d93346c339a 9bc092766e6a9df4302bced4722b1205 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Cybertesis UNMSM |
| repository.mail.fl_str_mv |
cybertesis@unmsm.edu.pe |
| _version_ |
1847253267984154624 |
| spelling |
Huamán Gutiérrez, Zoraida JudithBruno Reyes, Yossellin Isabel2024-12-26T17:24:57Z2024-12-26T17:24:57Z2024Bruno, 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.https://hdl.handle.net/20.500.12672/24478Las 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.application/pdfspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Aprendizaje automáticoProyectos de inversiónTelevisiónhttps://purl.org/pe-repo/ocde/ford#1.01.03Machine Learning para determinar la fidelidad de audiencia en televisión abierta año 2023info:eu-repo/semantics/bachelorThesisreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMSUNEDULicenciada en EstadísticaUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de EstadísticaEstadística09890094https://orcid.org/0000-0003-1862-807772396883542016Norabuena Figueroa, Roger PedroRoque Paredes, Ofeliahttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional4149324306243124LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/bcd508fa-08e3-495f-bfa0-fd346c0c601c/downloadbb9bdc0b3349e4284e09149f943790b4MD51ORIGINALBruno_ry.pdfBruno_ry.pdfapplication/pdf2425455https://cybertesis.unmsm.edu.pe/bitstreams/a273a4c8-cf98-4e38-9118-b591d1a0984c/downloadfca15e2fba246b5fb042d7c116fd255bMD52C3409_2024_Bruno_ry_reporte.pdfapplication/pdf4653699https://cybertesis.unmsm.edu.pe/bitstreams/45208b96-facd-49fe-8ff8-27cf5c30d119/download77db4cf9c48502b5b6be4222f273e9b3MD53C3409_2024_Bruno_ry_autorizacion.pdfapplication/pdf171561https://cybertesis.unmsm.edu.pe/bitstreams/177f1e9e-769f-4fa9-b46e-2a0b76ece8a3/download0a0419108ea6c7244cd9b9e9af5f2ec1MD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8905https://cybertesis.unmsm.edu.pe/bitstreams/bf41422b-375c-48ba-9593-37ef5f5e98fc/download1f14487299a8a795dc379bc1df9968a0MD52TEXTBruno_ry.pdf.txtBruno_ry.pdf.txtExtracted texttext/plain63138https://cybertesis.unmsm.edu.pe/bitstreams/67a15586-b7bc-4c44-897a-f4ddfec8da35/download9a63167f3fec54922c686b1a3960e5d4MD55C3409_2024_Bruno_ry_reporte.pdf.txtC3409_2024_Bruno_ry_reporte.pdf.txtExtracted texttext/plain1126https://cybertesis.unmsm.edu.pe/bitstreams/a90f0871-9324-4cba-9ffe-4fe050015410/downloada82b585a486b91258c5986ca6a4f0dbcMD57C3409_2024_Bruno_ry_autorizacion.pdf.txtC3409_2024_Bruno_ry_autorizacion.pdf.txtExtracted texttext/plain3863https://cybertesis.unmsm.edu.pe/bitstreams/cf3e7b51-3a52-425b-8a2f-c9646cd33e73/download9ddd53e478f5d73f3dee278c4f169bceMD59THUMBNAILBruno_ry.pdf.jpgBruno_ry.pdf.jpgGenerated Thumbnailimage/jpeg15006https://cybertesis.unmsm.edu.pe/bitstreams/bcfa2666-1bf4-48ae-b298-7f479b88129d/downloadd63976af79847f119391e9eb7c282362MD56C3409_2024_Bruno_ry_reporte.pdf.jpgC3409_2024_Bruno_ry_reporte.pdf.jpgGenerated Thumbnailimage/jpeg11580https://cybertesis.unmsm.edu.pe/bitstreams/1b53f1bc-0ef9-48eb-bf2a-4c9c760e2775/download1ae1636af9058d4a82621d93346c339aMD58C3409_2024_Bruno_ry_autorizacion.pdf.jpgC3409_2024_Bruno_ry_autorizacion.pdf.jpgGenerated Thumbnailimage/jpeg20682https://cybertesis.unmsm.edu.pe/bitstreams/ef678db6-e425-4b1f-9038-bb9bee2a94bb/download9bc092766e6a9df4302bced4722b1205MD51020.500.12672/24478oai:cybertesis.unmsm.edu.pe:20.500.12672/244782025-10-19 03:57:13.869https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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 |
| score |
13.386405 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).