Класифікація профілів користувачів на основі характеристик та поведінки

Скорочена інформація про документ
dc.contributor.advisorГуськова, Віра Геннадіївна
dc.contributor.authorБабич, Маргарита Юріївна
dc.date.accessioned2025-09-09T13:06:52Z
dc.date.available2025-09-09T13:06:52Z
dc.date.issued2025
dc.description.abstractДипломна робота: 87 с., 11 рис., 9 табл., 17 посилань, додаток. Об’єкт дослідження – процеси взаємодії клієнтів з платформою електронної комерції, зокрема їх транзакційна активність. Предметом дослідження – методи кластеризації та класифікації для поведінкових даних з метою автоматизованої сегментації та прогнозування профілю для нових користувачів в сфері електронної комерції. Метою роботи – розробка моделі, що поєднує кластеризацію існуючих клієнтів та класифікацію нових користувачів, для побудови інструменту персоналізованого аналізу клієнтської бази. Результати – проведено дослідження ефективності різних методів кластеризації та класифікації для сегментації клієнтів у сфері електронної комерції. Побудовано комбіновану модель, яка дозволяє автоматично визначати сегменти клієнтів на основі транзакційних даних, а також класифікувати нових користувачів до відповідних груп. Шляхи подальшого розвитку предмету дослідження – інтеграція демографічних, поведінкових і інформаційних даних з інших каналів, використання більш складних алгоритмів глибинного навчання для покращення точності класифікації, а також розширення моделі для прогнозування життєвої цінності клієнта і ймовірності відтоку.
dc.description.abstractotherBachelor's thesis: 87 p., 11 figures, 9 tables, 17 references, appendix. Object of the study – the processes of customer interaction with the e-commerce platform, particularly their transactional activity. Subject of the study – clustering and classification methods for behavioral data aimed at automated segmentation and profile prediction of new users in the ecommerce domain. Purpose of the work – to develop a model that combines clustering of existing customers and classification of new users in order to build a tool for personalized customer base analysis. Results – the study assessed the effectiveness of various clustering and classification methods for customer segmentation in e-commerce. A combined model was developed that allows automatic identification of customer segments based on transactional data, as well as classification of new users into the corresponding groups. Directions for further research are integration of demographic, behavioral, and informational data from other channels; use of more advanced deep learning algorithms to improve classification accuracy; and expansion of the model to predict customer lifetime value and churn probability.
dc.format.extent87 с.
dc.identifier.citationБабич, М. Ю. Класифікація профілів користувачів на основі характеристик та поведінки : дипломна робота … бакалавра : 122 Комп'ютерні науки / Бабич Маргарита Юріївна. – Київ, 2025. – 87 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75894
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкласифікація
dc.subjectкластеризація
dc.subjectсегментація
dc.subjectповедінкові дані
dc.subjectаналіз транзакційних даних
dc.subjectметоди машинного навчання
dc.subjectrfm аналіз
dc.titleКласифікація профілів користувачів на основі характеристик та поведінки
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Babych_bakalavr.pdf
Розмір:
2.54 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи