• Deep Learning
• Forecasting
• Time series
• Traffico organico
• Web application

Obiettivo principale di questa tesi è lo studio delle reti neurali, allo scopo di stimare/prevedere con la maggior accuratezza possibile il traffico organico del mese successivo del cliente, intendendo con “traffico organico” il numero di visite sui vari siti del cliente, dato dai visitatori provenienti dai risultati naturali dei motori di ricerca. Questa stima deve essere il più accurata possibile, in quanto risulta fondamentale per capire se il cliente riuscirà a raggiungere l’obiettivo delle vendite; nel caso in cui, infatti, si dovesse prevedere un calo di quest’ultime, si potrà andare ad operare tempestivamente per sanare la situazione. E’ stata infatti realizzata anche una web application che possa essere utilizzata in maniera comoda ed intuitiva dagli specialist interni di Webranking, i quali potranno andare ad intervenire sui parametri ritenuti utili dalla rete per vedere gli effettivi miglioramenti del traffico.
La complessità maggiore risiede nel fatto che nelle serie temporali gli esempi sono collegati tra loro, e ciò che accade dopo è influenzato da ciò che accade prima; inoltre ci sono un sacco di fattori di cui tenere conto, tra cui la presenza o meno di un trend e di una stagionalità, nonché di irregolarità non facilmente prevedibili (il traffico sui siti di un cliente può crollare a causa della crescita di un concorrente).
Nella prima parte della tesi si andrà a descrivere il contesto in cui si va ad operare, ed in particolar modo verranno descritti i concetti di web analytics, Seo (Search Engine Optimization) e advertising; nella seconda parte invece verrà analizzata nel dettaglio la struttura della rete neurale utilizzata e si parlerà delle tecnologie che hanno reso possibile il risultato finale e la realizzazione della web application. Nell’ultima parte, infine, verranno illustrati i risultati ottenuti e i possibili sviluppi futuri.