Применение машинного обучения для прогнозирования рекламных кампаний в интернете

В работе предлагается и тестируется алгоритм оценки эффективности Интернет-продвижения с применением машинного обучения. Объект работы – оценка эффективности Интернет продвижения, предмет – применение инструментов анализа данных в Интернет-аналитике. Цель – предложение и тестирование алгоритма прогнозирования эффективности Интернет-продвижения. Работа разделена на 3 главы, в первой рассматриваются теоретические аспекты машинного обучения (история, понятие, классификация и алгоритмы) и характеристика актуальных инструментов сбора, анализа и обработки данных. Отмечаются основные вехи развития машинного обучения и актуальные работы в этой области, сравниваются преимущества и недостатки используемых алгоритмов. Также дается подробное описание возможностей современных аналитических платформ web-аналитики, их слабые и сильные стороны, а также выгрузка данных через API и инструменты для дальнейшей обработки. Особое внимание уделяется аналитической платформе KNIME, используемой для дальнейшего анализа. Во второй главе рассматривается непосредственно выгрузка и обработка данных, и прогнозирование заказов Интернет-магазина. Подробно описывается последовательность действий по выгрузке данных из Logs API Метрики, обработке данных и непосредственно обучении анализе эффективности алгоритмов. На основании сравнения алгоритмов предлагаются оптимальные варианты их использования в Интернет-маркетинге. В последней главе предлагаются варианты практического применения рассмотренного алгоритма в менеджменте. В частности, рассматриваются возможности их интерпретации, применение для прогнозирования и создания специализированных систем аналитики для конкретного бизнеса.