Моделі і методи аналізу поведінки клієнтів в рітейлі

Скорочена інформація про документ
dc.contributor.advisorТерентьєв, Олександр Миколайович
dc.contributor.authorЯцько, Яна Віталіївна
dc.date.accessioned2021-10-18T09:26:10Z
dc.date.available2021-10-18T09:26:10Z
dc.date.issued2021
dc.description.abstractenThesis: 132 p., 17 tabl., 23 fig., 5 appendices, 61 sources. Relevance of the topic: the market of online orders has been growing in Ukraine recently. The company spends resources on the assembly, processing and processing of each purchase. An online retailer does not make a profit if buyers cancel an order after the goods selection stage or during delivery. The model of the analysis of refusal of the ordered goods helps the company to optimize business process and to minimize losses depending on a stage of processing of the order. The purpose of this work is to study and improve existing methods of big data processing and binary classification models and to develop its own decision-making system for forming an order in a user-friendly form. The object of the study is a set of statistics on the history of ordering in the online store. Research methods: decision trees, random forest, logistic regression, nearest neighbors method, linear discriminant analysis, Gaussian Bayesian, multilayer perceptron, big data processing methods and selection of variables for models. The obtained results are a system for predicting the probability of the customer's refusal from the order, which has an accuracy of 94%. The software product is implemented using the Python programming language in the PyCharm 2020 development environment. Anaconda's Jupyter Notebook environment was used for analysis, data processing, variable selection and model building. The results obtained: a decision-making system was developed to predict the probability of the customer's refusal to order at the stage of formation of several forecasting methods.uk
dc.description.abstractukДипломна робота: 132 с., 17 табл., 23 рис., 5 додатків, 61 джерело. Актуальність теми: останнім часом в Україні зростає ринок онлайн-замовлень. На збірку, обробку і процесинг кожної покупки компанія витрачає ресурси. Онлайн-рітейлер не отримує прибуток, якщо покупці скасовують замовлення після етапу підбору товарів або під час доставки. Модель аналізу відмови від замовленого товару допомагає компанії оптимізувати бізнес-процес і мінімізувати збитки в залежності від стадії обробки замовлення. Мета даної роботи полягає у дослідженні та вдосконаленні існуючих методів обробки великих даних та моделей бінарної класифікації та розробці власної системи прийняття рішень щодо формування замовлення у зручному для користувача вигляді. Об’єктом дослідження є набір статистичних даних історії форування замовлень в онлайн-магазині. Методи дослідження: дерева прийняття рішень, випадковий ліс, логістична регресія, метод найближчих сусідів, лінійний дискримінантний аналаз, гауссівський байєс, багатошаровий персептрон, методи обробки великих даних та відбору змінних для моделей. Отриманні результати – побудована система для прогнозування ймовірності відмови клієнта від замовлення, що має точність 94%. Програмний продукт реалізований за допомогою мови програмування Python у середовищі розробки PyCharm 2020. Для аналізу, обробки даних, відбору змінних та побудови моделей було використано середовище Jupyter Notebook від Anaconda. Отримані результати: розроблено систему прийняття рішень для прогнозування ймовірності відмови клієнта від замовлення на етапі формування декількома методами прогнозування.uk
dc.format.page132 с.uk
dc.identifier.citationЯцько, Я. В. Моделі і методи аналізу поведінки клієнтів в рітейлі : дипломна робота ... бакалавра : 124 Системний аналіз / Яцько Яна Віталіївна. – Київ, 2021. – 132 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/44521
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectрітейлuk
dc.subjectбінарна класифікаціяuk
dc.subjectвипадковий лісuk
dc.subjectіндекс giniuk
dc.subjectroc-аналізuk
dc.subjectretailuk
dc.subjectbinary classificationuk
dc.subjectrandom forestuk
dc.subjectgini indexuk
dc.subjectroc analysisuk
dc.titleМоделі і методи аналізу поведінки клієнтів в рітейліuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Yatsko_bakalavr.docx
Розмір:
7.28 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи