Evolution of digital marketing campaigns with artificial intelligence and machine learning: Analysing success prediction capabilities

Abstract

This study aims to investigate the predictive capabilities of machine learning algorithms in forecasting the success of digital marketing campaigns. In addition, the study aims to evaluate the performance of machine learning algorithm classification models and to determine which classification model is more effective in making this prediction. In this direction, a classification analysis was performed with machine learning algorithms using a dataset of 10,001 digital marketing campaigns obtained from the Kaggle platform. The study's theoretical background is based on Attribution Modelling, the Technology Acceptance Model, Incremental Response Modelling, and the Diffusion of Innovations Theory. As a result of the analysis, it was revealed that the success prediction capabilities of machine learning algorithms for marketing campaigns are pretty high. In the study comparing the success prediction abilities of machine learning models, the Gradient Boosting model demonstrated the highest success prediction ability (93.31%). In comparison, the Logistic Regression model has the lowest predictive success rate (53.36%). The findings revealed that machine learning algorithms should be more widely incorporated into the marketing literature and that businesses can run more successful and efficient campaigns by utilising machine learning models in their marketing efforts.Bu çalışmanın amacı, dijital pazarlama kampanyalarında makine öğrenmesi algoritmalarının söz konusu kampanyaların başarısını tahmin etme yeteneğini ortaya çıkarmaktır. Ayrıca çalışma, makine öğrenme algoritması sınıflandırma modellerinin performansını ölçerek hangi sınıflandırma modelinin bu tahmini gerçekleştirmede daha başarılı olduğunu ortaya koymayı amaçlamaktadır. Bu amaç doğrultusunda çalışmada Kaggle platformundan elde edilen 10.001 adet dijital pazarlama kampanyasının yer aldığı bir veri seti kullanılarak makine öğrenmesi algoritmaları ile bir sınıflandırma analizi gerçekleştirilmiştir. Çalışmanın teorik altyapısı Atıf Modellemesi, Teknoloji Kabul Modeli, Artımsal Tepki Modellemesi ve Yeniliklerin Yayılımı Teorisine dayanmaktadır. Analizler sonucunda, makine öğrenme algoritmalarının pazarlama kampanyalarının başarı tahmin yeteneklerinin oldukça yüksek olduğu ortaya çıkmıştır. Makine öğrenme modellerinin başarı tahmin yeteneklerinin karşılaştırıldığı çalışmada en yüksek başarı tahmin yeteneğinin Gradient Boosting modeline ait olduğu (%93,31), en düşük başarı tahmin yeteneğinin ise Logistic Regression modeline (%53,36 doğruluk) ait olduğu ortaya çıkmıştır. Çalışma bulguları, makine öğrenme algoritmalarının pazarlama literatüründe daha fazla yer alması gerekliliğini ortaya koymuştur. Ayrıca işletmelerin de pazarlama kampanyalarında makine öğrenme modellerini kullanarak daha başarılı ve verimli kampanyalar yürütebilecekleri bu çalışma sonuçlarında ortaya çıkmıştır.