Search academic texts

Information × Registration Number 2125U003171, Article popup.category Бакалаврська робота Title Модель прогнозування ймовірності купівлі продукту в контексті динамічного ціноутворення (AI translated) popup.author Колесник Тарас АндрійовичKolesnyk Taras Andriiovych 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/123456789/76227 popup.publisher Київ Description Дипломна робота містить 88 с., 8 табл., 15 рис., 2 дод., 22 джерел. Об’єкт дослідження – поведінка користувачів веб-застосунку під час проходження воронки продажу та вплив різних характеристик і взаємодій на прийняття рішення про купівлю продукту. Предмет дослідження – методи та моделі машинного навчання для прогнозування ймовірності купівлі користувачем на основі його індивідуальних характеристик, дій у застосунку та динамічного ціноутворення. Мета роботи – розробити модель, що на основі історичних даних користувачів і алгоритмів машинного навчання прогнозує ймовірність купівлі продукту та дозволяє сегментувати аудиторію за рівнем готовності до купівлі. Результат роботи – прототип аналітичної системи, який надає прогноз ймовірності купівлі, здійснює класифікацію користувачів за рівнем конверсії, дозволяє формувати цільові сегменти та може використовуватись для підтримки цінових і маркетингових рішень. Система може бути інтегрована у процеси динамічного ціноутворення та персоналізованих пропозицій. Програмний продукт було реалізовано з використанням мови програмування Python та бібліотек для обробки даних, візуалізації й машинного навчання. The diploma work contains: 88 pages, 8 tables, 15 figures, 2 appendices, 22 references. Object of the research – the behavior of users in a web application during the progression through the sales funnel and the influence of various characteristics and interactions on the decision to purchase a product. Subject of the research – machine learning methods and models for predicting a user's purchase probability based on their individual characteristics, actions within the application, and dynamic pricing strategies. Purpose of the work – to develop a model that, based on historical user data and machine learning algorithms, predicts the probability of a product purchase and enables segmentation of the audience by level of purchase intent. Result of the work – a prototype of an analytical system that provides purchase probability forecasts, classifies users by conversion potential, allows for the formation of target segments, and can be used to support pricing and marketing decisions. The system can be integrated into dynamic pricing and personalized offer processes. The software product was implemented using the Python programming language and libraries for data processing, visualization, and machine learning. popup.nrat_date 2025-11-05 Close