Сегментирование Интернет-пользователей на основе алгоритмов машинного обучения для выбора стратегии позиционирования товара

Введение 3
1. Особенности решения задачи сегментирования Интернет-пользователей в сфере услуг 5
1.1. Основные подходы к сегментированию целевой аудитории потребителей услуг 5
1.2 Анализ рынка информационных технологий в сфере телекоммуникационных услуг и его тренды 10
1.3 Анализ интернет-аудитории 17
1.4 Анализ инструментов и методик сегментирования Интернет-пользователей 26
2. Выбор метода моделирования finger-print систем в сфере сегментирования профилей пользователей 37
2.1. Введение в машинное обучение и первичная обработка обучающей выборки 37
2.2. Метод решающих деревьев и выбор алгоритма и критерия ветвления для задачи построения сегментации пользователей. 47
2.3. Алгоритм построения модели сегментирования пользователей и оценка трудозатрат. 59
3. Сегментирования пользователей на основе их интересов с помощью машинного обучения 59
3.1 Подготовка обучающей выборки, первичный анализ 59
3.2 Построение дерева решений на реальных данных методом C4.5 66
3.3 Оценка результата и проверка достоверности модели …. 72
Заключение 74
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 75
Приложения 78

Весь текст будет доступен после покупки

В современном мире существует множество компаний в сфере информационных технологий на российском и международном рынках, которые предоставляют свои услуги обществу. Одним из видов информационных технологий являются телекоммуникационные услуги. В работе будет рассмотрен сегмент телекоммуникационных компаний, который в 2021 году принес более 1,2% от годового ВВП России, при этом доля отрасли в российской экономике составляет 1,4%. Известно, что трендом в сфере телекоммуникационных услуг сегодня является переход компаний от предоставления традиционных услуг к цифровым сервисам.
Чтобы услуги были более качественные и нацеленные на аудиторию, компании собирают огромные массивы данных для их изучения. Таким образом, объединяя всю имеющуюся информацию о пользователе, исследуя ее и собирая воедино, изучая интересы и особенности, создается единый профиль клиента.
На текущий момент в мире насчитывается 4,39 млрд уникальных пользователей интернета, что на 9% больше, чем в 2021 году. В России услугами Интернета пользуется 109,6 млн чел, что составляет 76% от всего населения. Компании каждый день получают невероятно большие потоки данных со всех устройств по всему миру об активностях пользователей.

Весь текст будет доступен после покупки

1. Особенности решения задачи сегментирования Интернет-пользователей в сфере услуг
1.1. Основные подходы к сегментированию целевой аудитории потребителей услуг
Зачем нужно понимать свою целевую аудиторию? Целевая аудитория (ЦА) – это те люди, которые с помощью вашего продукта хотят решить свои проблемы. ЦА может быть прямой (инициируют покупку) и косвенной (пассивны), узкой (которой прямо сейчас нужен ваш продукт) и широкой (все, кому гипотетически интересен ваш продукт). Важно: если у вас сегмент В2В, то ЦА не конечный потребитель, а те, кто принимает решение о покупке вашей услуги/продукта.
Перечислим факторы, которые определяют, зачем разбираться в том, что это за люди:
? чтобы понимать, закрывает ваш продукт/услуга потребности вашей аудитории и если нет, то как его можно улучшить, чтобы его покупали. Если у вас стартап, то изучив целевую аудиторию вы поймете, нужен ли ваш продукт/услуга вообще или стоит выходить с чем-то другим.
? чтобы знать, как доносить ценность продукта и на каком языке разговаривать с аудиторией; как улучшить свои посадочные страницы и контент.
? ваша команда и подрядчики будут понимать, с кем работаем и кому продаем.
Главное, изучив целевую аудиторию, вы будете знать, на что влиять, а не догадываться.
Зачем делать сегментацию? Затем, что мы не можем один и тот же продукт/услугу предлагать одинаково всем — это дорого и неэффективно, люди мыслят по-разному: например, молодая женщина 25 лет мыслит не так, как мужчина 55 лет и так далее. В данной главе будет рассмотрено, как можно сегментировать данные об аудитории, так, чтобы было понятно, кому и как продавать продукт.
Сегментация – деление вашей целевой аудитории на несколько мелких групп. Сегментация нужна, чтобы более точечно в рекламной кампании сформулировать ваше уникальное торговое предложение (УТП) в мире именно этого сегмента. Например, в рекламной кампании УТП для молодых девушек будет отличаться от УТП для зрелых мужчин. В зависимости от сегмента подбираются офферы, рекламные креативы, пишется текст и т.п.
Как сегментировать целевую аудиторию
Условно ваших клиентов можно разделить на четыре группы (их может быть больше, но пока остановимся на этом):
1. Самые активные покупатели. Покупают часто и делают хорошие чеки. Как правило, в эту аудиторию не вкладывают большой бюджет, так как за их привлечение мы уже заплатили, но здесь важно поддерживать лояльность и не давать забывать о нас.
2. Заинтересованы, но либо у них не слишком наболело, либо сомневаются, нужен ли им ваш продукт и долго принимают решение. Чтобы заслужить доверие этой аудитории, нужно публиковать хороший контент, отзывы, вовлекать на ваши вебинары, прямые эфиры или интерактивы и т.п.
3. Покупают редко либо купили один-два раза. Эту аудиторию мы пытаемся перевести в более интересный сегмент, но если не получается, то оставляем это.
4. Не покупали ни разу, но потенциально могут.
Сконцентрироваться нужно на первой и второй группе, потому что на других вы не зарабатываете.
Для удобства эти данные можно свести в таблицу (Приложение А).
Но это недостаточно для решения поставленной в исследовании задачи. Далее рассмотрим классические характеристики, по которым описывают целевую аудиторию. Эта информация позволит дополнить исходную таблицу.
Характеристики аудитории для сегментирования.

Весь текст будет доступен после покупки

Законодательные и нормативные акты
1. Закон Российской Федерации "Федеральный закон от 18.03.2019 N 34-ФЗ "О внесении изменений в части первую, вторую и статью 1124 части третьей Гражданского кодекса Российской Федерации"" от 18 марта 2019 г. Собрание законодательства Российской Федерации. 2019 г.
Учебная и научная литература
2. Бланк С., Дорф Б. Стартап. Настольная книга основателя = The Startup Owner's Manual. — М.: Альпина Паблишер, 2014. — 616 с.
3. Гроулмунд, Уикем. Язык R в задачах науки о данных: импорт, подготовка, обработка, визуализация и моделирование данных = R for Data Science: Visualize, Model, Transform, Tidy, and Import Data. — Вильямс, 2017. — 592 с
4. Кабаков Р. R в действии = R in Action. — ДМК-Пресс, 2014. — 588 с.
5. Коршунов. Математические основы кибернетики. М. Энергоатомиздат, 1987
6. Куликов Л. М. Основы социологии и политологии. — М.: Финансы и статистика, 2011. — 336 с
7. Паклин Н.Б., Орешков В.И. Глава 9. // Бизнес-аналитика: от данных к знаниям: Учебное пособие. 2-е изд.. — СПб: Питер, 2013. — С. 444-459
8. Сильвер Н. Сигнал и Шум. Почему одни прогнозы сбываются, а другие - нет. Азбука-Аттикус, КоЛибри, 2015
9. Флах П. Машинное обучение. — М.: ДМК Пресс, 2015. — 400 с. — ISBN 978-5-97060-273-7
10. Шеннон. Работы по теории информации и кибернетике. М. Иностранная литература, 1963
11. Bari, Chaouchi, Jung Predictive Analytics For Dummies. 2-е изд. For Dummies, 2016

Весь текст будет доступен после покупки