Econometric Analysis of Media Communication

Lukáš Veverka

Disertační práce

Ekonometrická analýza mediální komunikace

Anotace:

Tato disertační práce je zaměřena na ekonometrickou analýzu mediální komunikace a zkoumá její okamžitý dopad v krátkodobém horizontu a její širší účinky v dlouhodobém horizontu. První studie se zaměřuje na okamžité účinky televizních reklam a analyzuje údaje o minutové frekvenci, aby odhadla reakce spotřebitelů, jako je zvýšené vyhledávání na internetu, během několika minut po zobrazení reklamy. Tato analýza čelí výzvám, jako je odstranění denních vzorců pomocí jádrového vyhlazování a výpočetně náročný odhad distribuce účinků reklamy z velkého souboru dat (přibližně 525 000 řádků). Druhá část porovnává různé metody sezónního přizpůsobení a odhaduje dopad partnerské kampaně pomocí modelu s konečně rozloženým zpožděním. Poslední tři části práce zkoumají dlouhodobé účinky reklamy s využitím denních dat. Tento segment se zabývá otázkami, jako je přesný odhad sezónnosti, výběr proměnných a modelování nelineárních křivek odezvy pomocí kombinace nelineární optimalizace v rámci genetického algoritmu a Fourierovy transformace pro rozklad sezónnosti. Výsledky těchto komplexních metod jsou porovnány s výsledky analýz neuronových sítí na stejném souboru dat. Výsledky těchto studií ukazují, že spotřebitelé na televizní reklamu reagují okamžitě, obvykle do jedné minuty, což poukazuje na možnost rychlého testování kreativy a možnost včasné optimalizace kampaně. Pokud jde o dlouhodobé účinky, ekonometrický model překonal model neuronové sítě tím, že dosáhl lepšího výkonu na testovacím souboru a poskytuje realistický odhad faktorů přispívajících k obchodním výsledkům. Tento model umožňuje vyhodnotit různé investiční strategie, a tedy najít optimální investiční strategie pro zvýšení návratnosti investic nebo budování značky na základě odhadnutých křivek odezvy.

Abstract:

This dissertation conducts an econometric analysis of media communication, examining its immediate impact in the short term and its broader effects in the long term. The first study focuses on the immediate, short-term effects of TV ads, analyzing minute-frequency data to estimate consumer reactions, such as increased online searches, within minutes of ad exposure. This analysis confronts challenges like diurnal pattern removal through Kernel smoothing and computationally intensive estimation of ad effect distribution from a large dataset (approximately 525,000 rows). The second part compares different methods for seasonal adjustment and estimates the impact of an affiliate campaign using a finite distributed lag model. The last three parts of the thesis examine long-term advertising effects utilizing daily data. This segment addresses issues such as accurate seasonality estimation, variable selection, and modelling of non-linear response curves through a combination of non-linear optimization within a genetic algorithm framework and Fourier transformation for seasonality decomposition. The outcomes of these complex methods are compared with results from neural network analyses on the same dataset. Findings from these studies indicate a significant immediate consumer response to TV ads, typically within one minute, highlighting the potential for rapid creative testing and early campaign optimization. As for the long-term effects, the econometrics model outperformed the neural network model by achieving better performance on the test set and provides a realistic estimation of factors contributing to business performance. This model enables the evaluation of different investment strategies and, therefore, finding optimal investment strategies for enhanced ROI or brand building based on estimated response curves.

Klíčová slova

Televizní reklama, Účinnost reklamy, Návštěvnost webových stránek, Multitasking médií, Ekonometrická analýza, Analýza časových řad, Náhodný les, Neuronové sítě, Fourierova transformace, Genetický algoritmus, Jádrové vyhlazování

Keywords

Website Traffic, Media Multitasking, Econometric Analysis, Time Series Analysis, Random Forest, Neural Networks, Fourier Transformation, Genetic Algorithm, Kernel Smoothing, Ad Effectiveness, TV Advertising

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 31. 8. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 2024
• Vedoucí: Jan Zouhar

Vysoká škola ekonomická v Praze

Doktorský studijní program:
Ekonometrie a operační výzkum