Загрузил roman_vlasov2017

Тезисы МНСК

реклама
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
Скачать