Разработка моделей предиктивной аналитики для профилирования интернет-пользователей с использованием методов машинного обучения

Магистерская диссертация посвящена исследованию актуальной тематики разработки моделей предиктивной аналитики для профилирования пользователей в интернет-магазинах с использованием методов машинного обучения. В работе рассмотрены ключевые аспекты деятельности предприятия электронной коммерции и процесс типового профилирования пользователей, а также возможности машинного обучения при разработке предиктивных моделей. В рамках исследования с использованием Python 3.7 на основе метода наивный Байес была разработана предиктивная модель и проведено ее тестирование на тестовом примере интернет-магазина. Для достижения цели работы проведено исследование текущих технологических трендов в области применения методов машинного обучения в маркетинге; проанализированы мировые тенденции развития электронной коммерции, а также специфика отечественного рынка; проведен обзор методов и инструментов бизнес-аналитики в задачах профилирования, выполнен анализ методов и моделей профилирования, определены требования к разрабатываемой модели профилирования, оценены возможные ограничения исследования; сделана экспертная оценка бизнес-метрик в области маркетинга на основе существующих методологий; проведена оценка качества разработанной модели. Работа представляет интерес как для исследователей сферы цифрового маркетинга, так и для специалистов-практиков (маркетологов и разработчиков), решающих прикладные задачи продвижения.