Resumo: A transição do marketing tradicional para o digital possibilitou um maior controle dos anunciantes sobre qual segmento seu anúncio seria mostrado de acordo com seu objetivo, maior aquisição de dados resultantes da exibição dos anúncios e entrega em massa de anúncios personalizados. Ao mesmo tempo, passaram a ser necessárias ferramentas que facilitassem e contribuíssem para um melhor controle do administrador de uma conta de anúncios, por exemplo: Google Ads. Nesse escopo, devem ser estudadas formas que identifiquem padrões nas características de anúncios e possíveis predições que possam ser feitas, tendo acesso a um histórico. Logo, este trabalho procura analisar grupos de anúncios dividindo-os em clusters de acordo com suas características e, posteriormente, a criação de um modelo que seja capaz de fazer ajustes de lances de acordo com os segmentos possíveis dentro de um cluster. Para alcançar esse objetivo, foram escolhidos os métodos K-means, para o aprendizado não supervisionado, e XGBoost classificador, para o supervisionado. Ao final da aplicação do XGBoost, busca-se analisar os resultados para finalmente apontar a confiabilidade da aplicação do modelo.

Banca:
Flávio Luis de Mello, DSc. (Presidente)
Heraldo Luis Silveira de Almeida, DSc (Examinador)
Diego Leonel Cadette Dutra, DSc. (Examinador)