Рекомендательные системы: разработка и внедрение моделей машинного обучения в маркетинговую деятельность фирмы

Данная работа посвящена разработке рекомендаций для менеджмента компаний на рынке электронной коммерции по выбору, разработке и внедрению рекомендательных систем в маркетинговую деятельность фирмы. Для достижения поставленной цели были поставлены следующие задачи: рассмотреть теоретические основы, категории и понятия машинного обучения для предоставления базовых знаний о технологиях, которые используются в процессе создания личных рекомендаций; собрать данные для обучения и тестирования моделей машинного обучения; разработать демонстрационные версии рекомендательных систем, которые смогут продемонстрировать их применимость в различных условиях бизнеса; провести сравнение выбранных систем рекомендаций, используя различные метрики качества; составить список рекомендаций для руководства компаний по выбору подходящей рекомендательной системы. В рамках работы была проведена разработка и сравнение 6 базовых рекомендательных алгоритмов, а также проведено их сравнения с учетом областей применения. В работе также анализируется базовая теория и онтология науки о данных (Data Science) для того, чтобы сформировать у специалистов в области маркетинга чёткое представление о предмете анализа, что в дальнейшем позволит развить у них базовое понимание принципов работы и сфер применения инструментов машинного обучения и искусственного интеллекта в стратегическом маркетинге. Кроме того, был проанализирован специализированное программно-аппаратное обеспечение, позволяющее оптимизировать и частично автоматизировать процессы по созданию и эксплуатации рекомендательных систем. В результате проведенного исследования была дана оценка применимости рекомендательных алгоритмов в соответствии с различными возможными условиями бизнеса и описана экономическая польза от внедрения рекомендательной системы на площадку электронной торговле. А также предоставлены рекомендации по внедрению и эксплуатации подобных систем.