Data Science проект SMG

В маркетинге часто приходится иметь дело с большими массивами данных, с которыми тяжело справится человеку в одиночку. Поэтому на помощь часто приходит машинное обучение.

Маркетинговое исследование ИТМБ было нацелено на то, чтобы увеличить количество продаж в книжных магазинах.

Мы провели кластеризацию базы данных и респондентов соц. опроса, чтобы поделить множество всех объектов (всех покупателей) на группы так, чтобы похожие попали в одно и то же подмножество, а объекты из разных подмножеств, наоборот — существенно различались. Всем полученным кластерам мы присвоили признаки из соц. опроса и базы данных.

К примеру, среди таких признаков были: город, пол, средний чек или используемый канал покупок, оффлайн и онлайн.posuere.

При разработке любого Data Science проекта основным инструментом становится Python. Чтобы реализовать кластеризацию данных нам требовалось найти метод кластеризации, который отвечал бы требованиям проекта наиболее точно, так что и SMG не стал исключением. Наши разработчики пробовали применять методы dbscan, mean shift, BIRCH, тем не менее, в результате, команда проекта остановился на K-means как на наиболее стабильном и универсальном алгоритме.

В сотрудничестве с Институтом территориального маркетинга и брендинга мы реализовали Data Science проект: провели статистический анализ на основе материалов, предоставленных институтом.