Report
ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ СЕГМЕНТАЦИИ ПОЛЬЗОВАТЕЛЕЙ В МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЯХ
| Title: | ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ СЕГМЕНТАЦИИ ПОЛЬЗОВАТЕЛЕЙ В МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЯХ |
|---|---|
| Publisher Information: | Радиотехнические и телекоммуникационные системы, 2025. |
| Publication Year: | 2025 |
| Subject Terms: | customer segmentation, искусственный интеллект, алгоритмическое обеспечение, artificial intelligence, машинное обучение, data design, маркетинг, machine learning, RFM-анализ, marketing, algorithmic support, RFM analysis, кластеризация, проектирование данных, сегментация покупателей, clustering |
| Description: | В статье представлены результаты проектирования системы, которая на основе методов искусственного интеллекта автоматизирует сегментацию клиентских данных по уровню покупательской лояльности, что позволяет впоследствии осуществлять персональную работу с различными группами клиентов, а также проводить аналитику статистики покупок. Сегментация клиентов на группы выполнена на основе широко известного метода rfm-анализа. За автоматизацию сегментации клиентов на группы отвечает метод машинного обучения – кластеризация, реализованная в работе с помощью алгоритма k-means. Созданная информационная система реализует персональную работу с покупателями в формате почтовой рассылки персонализированных предложений. The article presents the results of creating a system that, based on artificial intelligence methods, automates the segmentation of customer data by the level of customer loyalty, which subsequently allows for personal work with various groups of customers, as well as for analyzing purchase statis-tics. Customer segmentation into groups is performed based on the well-known RFM analysis method. The machine learning method - clustering, implemented in the work using the k-means algorithm, is responsible for automating the segmentation of customers into groups. The created information system implements personal work with customers in the format of mailing personalized offers. |
| Document Type: | Research |
| DOI: | 10.24412/2221-2574-2025-3-47-53 |
| Rights: | CC BY |
| Accession Number: | edsair.doi...........1d98880475f5173a7fec30146084fb74 |
| Database: | OpenAIRE |
| DOI: | 10.24412/2221-2574-2025-3-47-53 |
|---|