Мир превратился в информационное общество, которое сильно полагается на данные. Взрывной рост доступных данных привел к созданию множества новых бизнес-моделей. Сфера прямого маркетинга не исключение, и в ней исследуются способы получения конкурентных преимуществ, а также поддерживаются исследования по развитию инновационных и ценностных методов. Несмотря на то, что методы добычи данных были успешно применены в разных мировых компаниях, небольшим организациям все еще трудно монетизировать и изучить данные, собранные ими. Бизнес требует конкретных данных в определенное время для максимизации своей прибыли. Следовательно, понятна необходимость бизнес - ориентированных методов исследования. Основное внимание в этой работе уделено пошаговым и визуальным методам исследования и методологии.
Цель работы –¬¬ анализ и разработка алгоритмов обработки больших данных покупателей для разработки эффективности маркетинга организации.
Долгосрочная коммерческая цель будет заключаться в том, чтобы обеспечить управление данными инструментами, позволяющими извлекать пользу из базы данных, так как большая часть данных может быть использована для маркетинговых целей. В ходе работы, были определены методы и подходы сегментации, основанные на данных.
Задачи:
1. Провести теоретический анализ алгоритмов и методов интеллектуальной обработки данных.
2. Изучить методы и модели обработки данных о клиентах.
3. Реализовать генератор профилей на основе карт Кохонена.
4. Разработать маркетинговую стратегию для реального предприятия.
Предмет исследования – методы обработки больших данных, включая технологии машинного обучения.
Объект исследования – данные о клиентах: пол, возраст, геолокация, лояльность клиента, лояльность магазина, индекс RFM и данные о заказах клиента.
Основной целью работы являлась разработка и анализ алгоритмов обработки данных покупателей для разработки эффективности маркетинга организации.
В первой главе проведен теоретический анализ методов и моделей обработки данных клиентов, позволяющий предсказать поведение клиентов по их накопленным данным. Эти данные представляют собой информации о клиенте. Более интересная цель для сегментации клиентов – это прогнозирование поведения неизвестных клиентов. Главной целью сегментации является построение профилей клиентов, где должны быть определены две основные характеристики: основы сегментации и техника для идентификации сегментов. Результатом анализа явилось выбор алгоритмов и методов, наиболее качественно классифицирующих данные клиента. Наиболее подходящий метод, по нашему мнению, это k-means и тепловые карты Кохонена.
Во второй главе идет ранжирование профилей, созданных в предыдущей главе с использованием алгоритмов выбора кластера (CST) и техника выбора уровня (LST). Цель состояла в том, чтобы предоставить доступный набор данных, чтобы предсказать профили потенциальных клиентов. Предлагаемый в этой главе генератор профилей на основе SOM может быть использован для дальнейших исследований.
В третьей главе идет обработка и подготовка данных, при использовании методов и алгоритмов, описанных в первой и второй главе. Для применения генератора профилей на основе SOM использовались данные о клиентах и продажах. На основе этих данных была сформирована успешная маркетинговая стратегия.
Весь текст будет доступен после покупки