УДК 519.7 Построение рекомендательной системы для партнёров компании Greenway на основе методов машинного обучения Д. П. Куткин, С. А. Щёголь Новосибирский государственный университет Машинное обучение – один из главных трендов развития современных компаний. Оно позволяет эффективно обрабатывать большие объемы данных, выявлять скрытые шаблоны и тенденции, а также составлять прогнозы по различным показателям на основе статистических данных. Компании активно используют алгоритмы машинного обучения для создания персонализированных продуктов и услуг, а также для автоматического извлечения информации из текстовых и мультимедийных источников. Согласно исследованию Gartner [1], к 2022 году 85% проектов в области аналитики данных и бизнеса будут включать в себя элементы машинного обучения. Аналогичное исследование Accenture [2] показывает, что 75% потребителей предпочитают покупать у компаний, которые предлагают персонализированные предложения и рекомендации. В этом контексте машинное обучение позволяет компаниям адаптироваться к индивидуальным потребностям клиентов, улучшая их удовлетворенность и лояльность, что, в свою очередь, способствует росту полезности продукта для его пользователей. Тем самым, статистические данные подтверждают актуальность использования методов машинного обучения в работе. Цель работы — создание рекомендательной системы в сотрудничестве с компанией Greenway для повышения доходов их партнёров и удобства взаимодействия с платформой. Принцип работы данной системы заключается в поиске наиболее эффективного способа повышения квалификации партнёра внутри компании, благодаря нахождению лучших взаимодействий с остальными партнёрами и выборе верных каналов сбыта продукции. Все этапы работы были выполнены в среде Python — Jupiter notebook. Для достижения поставленной цели были решены несколько задач: 1. Анализ статистики по действиям партнёров за последние два года, предоставленной компанией. 2. Исследование различных моделей машинного обучения для построения прогнозной системы. 3. Анализ результатов прогноза, полученные с помощью использования различных моделей машинного обучения, на основе статистических характеристик 𝑅2 , MAPE, WAPE. В моделировании системы использовались такие библиотеки Python, как CatBoost, LAMA и AutoGluon, что позволило добиться более совершенных результатов по сравнению с линейным, ARIMA и SARIMA прогнозами. Также использование методов машинного обучения в работе, предоставило возможность решить проблему с неприменимостью метода автоматического перебора вариантов, так как задача относится к трансвычислительному типу. Применение предлагаемого решения на эмпирических данных компании позволит повысить эффективность принятия решений партнёров по улучшению личных показателей. Проведение научно-исследовательских работ и реализация вышеупомянутых задач позволит расширить область математического моделирования в молодой и высокотехнологичной области, за счёт её универсальности и применимости в аналогичных компаниях сектора MLM. Полученная рекомендательная система позволяет эффективно прогнозировать целевые показатели, а результат прогноза статистически значимым, основываясь на полных данных взаимодействия партнёра с компанией Greenway. ________________________________ 1. Исследование Gartner. URL: https://www.gartner.com/en/newsroom/pressreleases/2023-08-01-gartner-identifies-top-trends-shaping-future-of-data-scienceand-machine-learning (Дата обращения 15.02.2024) 2. Результат исследования. URL: https://www.hse.ru/edu/vkr/219458957 (Дата обращения 15.02.2024) Научный руководитель — канд. экон. наук, доцент Е. А. Шильцин, …. Greenway — Александр Доронин