Метод автоматической классификации клиентов розничных торговых сетей на основе кластеризации

Авторы: Москвичев Н.В., Бекасов Д.Е.
Опубликовано в выпуске: #1(54)/2021
DOI: 10.18698/2541-8009-2021-1-665
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации, статистика
Ключевые слова: розничная торговля, программирование, нейронная сеть, сеть Кохонена, маркетинг, сегментация, классификация, кластеризация
Опубликовано: 26.01.2021

Персонализированный подход к клиентам, так необходимый в современной розничной торговле, может быть обеспечен с помощью анализа клиентской базы и предоставления каждой выделенной среди клиентов группе уникальных акционных предложений. В статье описан метод автоматической классификации клиентов на основе кластеризации клиентской базы с использованием нейронной сети Кохонена. Данный метод дает возможность выделить группы клиентов по схожести их характеристик. Использование нейронной сети позволяет распределять клиентов по группам без априорно известного точного количества групп, а также учитывать социально-поведенческую структуру покупателей для каждого магазина или сети. В качестве анализируемых параметров выделены характеристики, используемые в стандартном для маркетинга методе RFM-анализа. Осуществляется классификация выделенных кластеров на основе средних значений характеристик клиентов каждого кластера. Выполнено сравнение с методом RFM-анализа и описаны результаты применения разработанного метода на реальных данных. Представленный метод позволяет сократить количество рассматриваемых групп клиентов более чем в 2 раза. Его применение может позволить розничным сетям более точно корректировать предложение в соответствии с характером спроса.

Литература

[1] Доля оборота розничных сетей в общем объёме оборота розничной торговли. fedstat.ru: веб-сайт. URL: https://www.fedstat.ru/indicator/40536 (дата обращения: 07.11.2020).

[2] Сысоева С.В., Бузукова Е.А. Категорийный менеджмент. Курс управления ассортиментом в рознице. СПб., Питер, 2008.

[3] Классификация B2B и типология клиентов в B2C. salesportal.ru: веб-сайт. URL: https://salesportal.ru/statya-23-klassifikaciya-b2b-i-tipologiya-klientov-v-b2c (дата обращения: 07.11.2020).

[4] Логинова Е.Ю. Маркетинг. Конспект лекций. marketing.wikireading.ru: веб-сайт. URL: https://marketing.wikireading.ru/17167 (дата обращения: 07.11.2020).

[5] Сегментация клиентов по лояльности или RFM-анализ. loginom.ru: веб-сайт. URL: https://loginom.ru/blog/rfm (дата обращения: 07.11.2020).

[6] Применение RFM-анализа в сегментировании клиентской базы. habr.com: веб-сайт. URL: https://habr.com/ru/company/unisender/blog/131225 (дата обращения: 07.07.2020).

[7] Тюрин, А.Г., Зуев И.О. Кластерный анализ, методы и алгоритмы кластеризации. Вестник МГТУ МИРЭА, 2014, № 2(3), c. 86–97.

[8] Горбаченко В.И. Сети Кохонена. masters. donntu.org: веб-сайт. URL: http://masters.donntu.org/2018/fknt/shumskyi/library/article8.pdf (дата обращения: 07.11.2020).

[9] Предобработка данных. intuit.ru: веб-сайт. URL: https://intuit.ru/studies/professional_skill_improvements/1609/courses/139/lecture/20569?page=3 (дата обращения: 07.11.2020).

[10] Аксенов, С.В., Новосельцев В.Б. Организация и использование нейронных сетей. Томск, НТЛ, 2006.