Search academic texts

Information × Registration Number 2125U002944, Article popup.category Бакалаврська робота Title Класифікація профілів користувачів на основі характеристик та поведінки (AI translated) popup.author Бабич Маргарита ЮріївнаBabych Marharyta Yuriivna popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/75894 popup.publisher Київ Description Дипломна робота: 87 с., 11 рис., 9 табл., 17 посилань, додаток. Об’єкт дослідження – процеси взаємодії клієнтів з платформою електронної комерції, зокрема їх транзакційна активність. Предметом дослідження – методи кластеризації та класифікації для поведінкових даних з метою автоматизованої сегментації та прогнозування профілю для нових користувачів в сфері електронної комерції. Метою роботи – розробка моделі, що поєднує кластеризацію існуючих клієнтів та класифікацію нових користувачів, для побудови інструменту персоналізованого аналізу клієнтської бази. Результати – проведено дослідження ефективності різних методів кластеризації та класифікації для сегментації клієнтів у сфері електронної комерції. Побудовано комбіновану модель, яка дозволяє автоматично визначати сегменти клієнтів на основі транзакційних даних, а також класифікувати нових користувачів до відповідних груп. Шляхи подальшого розвитку предмету дослідження – інтеграція демографічних, поведінкових і інформаційних даних з інших каналів, використання більш складних алгоритмів глибинного навчання для покращення точності класифікації, а також розширення моделі для прогнозування життєвої цінності клієнта і ймовірності відтоку. Bachelor's thesis: 87 p., 11 figures, 9 tables, 17 references, appendix. Object of the study – the processes of customer interaction with the e-commerce platform, particularly their transactional activity. Subject of the study – clustering and classification methods for behavioral data aimed at automated segmentation and profile prediction of new users in the ecommerce domain. Purpose of the work – to develop a model that combines clustering of existing customers and classification of new users in order to build a tool for personalized customer base analysis. Results – the study assessed the effectiveness of various clustering and classification methods for customer segmentation in e-commerce. A combined model was developed that allows automatic identification of customer segments based on transactional data, as well as classification of new users into the corresponding groups. Directions for further research are integration of demographic, behavioral, and informational data from other channels; use of more advanced deep learning algorithms to improve classification accuracy; and expansion of the model to predict customer lifetime value and churn probability. popup.nrat_date 2025-11-05 Close