Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/36538
Назва: Методи та засоби сегментації множини користувачів при проектуванні та експлуатації комп’ютерних маркетингових систем
Інші назви: Methods and tools for multiple users segmentation in the design and use of computer marketing systems
Автори: Шуптарський, Володимир Вікторович
Shuptarskyi, Volodymyr Viktorovych
Приналежність: Тернопільський національний технічний університет імені Івана Пулюя
Ternopil Ivan Puluj National Technical University
Бібліографічний опис: Шуптарський В. В. Методи та засоби сегментації множини користувачів при проектуванні та експлуатації комп’ютерних маркетингових систем : кваліфікаційна робота магістра за спеціальністю “123 — Комп’ютерна інженерія” / В. В. Шуптарський. – Тернопіль: ТНТУ, 2021. – 92 с.
Bibliographic description: Shuptarskyi V. Methods and tools for multiple users segmentation in the design and use of computer marketing systems: master qualification work "123 - Computer Engineering" / V. Shuptarskyy - Ternopil: TNTU, 2021. p - 92
Дата публікації: гру-2021
Дата подання: гру-2021
Дата внесення: 20-гру-2021
Видавництво: Тернопільський національний технічний університет імені Івана Пулюя
Країна (код): UA
Місце видання, проведення: Тернопільський національний технічний університет імені Івана Пулюя
Науковий керівник: Яцишин, Василь Володимирович
Yatsyshyn, Vasyl
Члени комітету: Дуда, Олексій Михайлович
Duda, Olexiy
УДК: 004.893
Теми: 123
комп’ютерна інженерія
сегментація
комп’ютерна система
експлуатація
маркетинг
operation
marketing
segmentation
Кількість сторінок: 92
Короткий огляд (реферат): У роботі запропоновано метод сегментації користувачів електронної комерції, що враховує особливості товарів і послуг, а також споживчу поведінку покупців, що дало змогу автоматизувати та інтегрувати модуль кластеризації у маркетингові комп’ютерні системи та використовувати дані з CRM-систем і систем обліку показників ефективності бізнес-діяльності.. Застосовано алгоритм кластеризації k-means, що враховує критерії опису товарів при виявленні груп подібних продуктів, а також дозволяє проводити сегментацію користувачів, кластери яких враховують тип продуктів, кількість відвідувань сайту електронної комерції і витрачені суми протягом 10 місяців, що в подальшому дає змогу проводити прогнозування і класифікацію нових покупців на основі вказаних критеріїв та визначених кластерів. За допомогою мови програмування Python реалізовано процедури препроцесингу даних та алгоритм кластеризації k-means, який дозволяє проводити сегментацію користувачів і товарів без міток категорій та приймати ефективні управлінські рішення при маркетингових дослідженнях.
Зміст: ПЕРЕЛІК ОСНОВНИХ УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ І СКОРОЧЕНЬ ... 8 ВСТУП ...9 РОЗДІЛ 1 АНАЛІЗ СУЧАСНИХ ДОСЛІДЖЕНЬ У ГАЛУЗІ ПРОЕКТУВАННЯ МАРКЕТИНГОВИХ КОМП’ЮТЕРНИХ СИСТЕМ ...13 1.1. Аналіз задач у сфері проектування маркетингових комп’ютерних систем ...13 1.2. Аналіз основних понять сегментації користувачів і ринків при побудові маркетингових систем ...16 1.3. Аналіз вимог і принципів сегментації ринків при проектуванні комп’ютерних маркетингових систем ...19 1.4. Аналіз підходів до сегментації товарів і послуг ...22 1.5. Висновки до розділу ...25 РОЗДІЛ 2 ПРОЕКТУВАННЯ АРХІТЕКТУРИ ТА РОЗРОБКА АЛГОРИТМУ СЕГМЕНТАЦІЇ КОРИСТУВАЧІВ ...26 2.1. Аналіз методів і критеріїв сегментації ...26 2.2. Проектування архітектури маркетингової системи сегментації користувачів і товарів ...30 2.3. Методи алгоритми сегментації користувачів і товарів при проектуванні маркетингових комп’ютерних систем ...32 2.4. Аналіз вхідних даних для сегментації користувачів і товарів ...39 2.5. Визначення та аналіз інформації про користувачів ...44 2.6. Висновки до розділу ...51 РОЗДІЛ 3 ПРОГРАМНА РЕАЛІЗАЦІЯ АЛГОРИТМУ СЕГМЕНТАЦІЇ КОРИСТУВАЧІВ І ТОВАРІВ ПРИ ПРОЕКТУВАННІ МАРКЕТИНГОВИХ КОМП’ЮТЕРНИХ СИСТЕМ ...53 3.1. Формування сегментів товарів ...53 3.2. Сегментація користувачів ...64 3.3. Висновки до розділу ...75РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ ...76 4.1. Охорона праці ...76 4.2. Здоровий спосіб життя людини та його вплив на професійну діяльність ...79 ВИСНОВКИ ...83 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ ...85 Додаток А Тези конференцій ...88
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/36538
Власник авторського права: © Шуптарський Володимир Вікторович, 2021
Перелік літератури: 1. Філановський О. Головна маркетингова книга. Фабула. 2018 р. 304 с. 2. Гладуелл М. Поворотний момент. Як дрібні зміни спричиняють великі зрушення. Family Leisure Club. 2017 р. - 163 с. 3. Карада Ю. Прибыльный маркетинг. Litres. 2019 р. 187 с. 4. Python-recsys on Github. URL: https://github.com/ocelma/python-recsys (дата звернення 22.09.2021 р). 5. Preprocessing data. URL: https://scikit-learn.org/stable/modules/ preprocessing.html#preprocessing (дата звернення 02.05.2021 р.). 6. API reference. URL: https://pandas.pydata.org/docs/reference/index.html (дата звернення 10.09.2021 р.). 7. NumPy Reference. URL: https://numpy.org/doc/stable/reference/index.html (дата звернення 12.10.2021 р.) 8. Барсегян А., Куприянов М.,Степаненко В., Холод И. Технологии анализа данных. СПб. : Изд-во " БХВ-Петербург". 2008. 384 c. 9. Яцишин В.В., Шуптарський В.В., Цісарук Д.А. Алгоритми машинного навчання для сегментації користувачів у маркетингових комп’ютерних систем. Матеріали X міжнародної науково - технічної конференції молодих учених і студентів «Актуальні задачі сучасних технологій» (24-25 листопада 2021 р.) Тернопільського національного технічного університету імені Івана Пулюя. Тернопіль: ТНТУ. 2021. С. 145. 10. Луцків А.М., Цісарук Д.А., Шуптарський В.В. Аналіз життєвого циклу процесу тестування програмного забезпечення комп’ютерних систем. Матеріали ІХ науково-технічної конференції Тернопільського національного технічного університету імені Івана Пулюя «Інформаційні моделі, системи та технології» (8-9 грудня 2021 року). Тернопіль: ТНТУ. 2021. C. 142. 11. Garbade M. J. Understanding K-means Clustering in Machine Learning. URL: https://towardsdatascience.com/understanding-k-means-clustering-in-machine- learning-6a6e67336aa1 (дата звернення 10.11.2021 р.).12. Pulkit Sharma. The Most Comprehensive Guide to K-Means Clustering You’ll Ever Need. URL: https://www.analyticsvidhya.com/blog/2019/08/ comprehensive-guide-k-means-clustering/ (дата звернення 12.11.2021 р.) 13. Shirkhorshidi A. S. Big data clustering: a review. International Conference on Computational Science and Its Applications. Springer, Cham, 2014. pp. 707-720. 14. Kurasova O. Strategies for big data clustering/ O. Kurasova et al. // 2014 IEEE 26th International Conference on Tools with Artificial Intelligence. IEEE, 2014. pp. 740- 747. 15. B. Panda at al. MapReduce and its application to massively parallel learning of decision tree ensembles // Scaling Up Machine Learning: Parallel and Distributed Approaches. 2012. P. 16. Li Deng and Dong Yu. Deep Learning: Methods and Applications. Foundations and Trends in Signal Processing, Vol. 7. N. 3-4. 2014. pp. 197–387. 17. Bengio Y. Representation Learning: A Review and New Perspectives. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 35. N. 8. August 2013. pp. 1798–1828. 18. LeCun, Y., Bengio, Y., Hinton, G. Deep learning. Nature.2015. 521 (7553). pp. 436–444. 19. Golovko, V.A. Deep learning: an overview and main paradigms. Optical Memory and Neural Networks (Information Optics). Vol. 26, No 1. 2017. pр. 1–17. 20. Oliveira, T.P., Barbar, J.S., Soares, A.S.: Multilayer Perceptron and Stacked Autoencoder for Internet Traffic Prediction. In: IFIP International Conference on Network and Parallel Computing. Springer, Heidelberg. 2014. pp. 61–71. 21. Микитишин А.Г., Митник М.М., Стухляк П.Д., Пасічник В.В. Комп’ютерні мережі. Книга 2. Львів, «Магнолія 2006», 2014. 312 с. 22. Микитишин А.Г., Митник М.М., Стухляк П.Д. Телекомунікаційні системи та мережі. Тернопіль: Вид-во ТНТУ імені Івана Пулюя, 2016. 384 с. 23. НПАОП 0.00-7.15-18 «Вимоги щодо безпеки та захисту здоров’я працівників під час роботи з екранними пристроями». Київ. 2018.24. Катренко Л.А., Катренко А.В. Охорона праці в галузі комп’ютинґу. Львів: Магнолія-2006. 2012. 544 с. 25. Желібо Е.Н. Безпека життєдіяльності: Навчальний посібник. Київ: «Каравела», Львів: «Новий світ - 2000». 2001. 320с.
Тип вмісту: Master Thesis
Розташовується у зібраннях:123 — комп’ютерна інженерія

Файли цього матеріалу:
Файл Опис РозмірФормат 
Авторська_довідка_Шуптарський.docx19,73 kBMicrosoft Word XMLПереглянути/відкрити
Shuptarskyy_V_V_K.pdf3,21 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора