Дата публикации: 07 февраля 2020 г. Ученые создали новый алгоритм прогнозирования потребительских покупокИсследователи создали алгоритм, который успешно предсказывает потребительские покупки, используя данные о ежедневной активности потребителей в социальных сетях. Бренды могут использовать это для анализа потенциальных клиентов. Метод исследователей объединяет мощные методы статистического моделирования с распознаванием изображений на основе машинного обучения. Доцент Тошихико Ямасаки (Toshihiko Yamasaki) и его команда из Высшей школы информационных наук и технологий Токийского университета (Graduate School of Information Science and Technology at the University of Tokyo) исследуют новые и интересные способы использования данных, таких как данные социальных сетей. Некоторые приложения, которые они разрабатывают, полезны для коммерческих компаний, для повышения их эффективности различными способами, но, в частности, в том, как они привлекают и влияют на потенциальных клиентов. «Я поставил перед своей командой два вопроса: «Можно ли рассчитать сходство между разными брендами на основе того, как клиенты взаимодействуют с ними в социальных сетях? Если да, могут ли бренды использовать эту информацию для улучшения своего маркетинга сами?» - сказал Ямасаки. Ученые на вопросы ответили положительно – Да! Но способ, которым их команда вывела это, был совсем не прост. Вычислительный анализ данных социальных сетей часто называют майнингом, поскольку термин предполагает, что это монументальная и трудоемкая задача. По этой причине исследователи в этой области используют различные вычислительные инструменты для анализа социальных сетей так, как люди не могут. «В прошлом многие компании совершенствовали свои маркетинговые стратегии с помощью опросов клиентов и прогнозов, основанных на данных о продажах», - пояснил ведущий исследователь Ивэй Чжан. «Однако они трудоемки и неточны. Теперь у нас есть доступ и опыт владения такими инструментами, как машинное обучение и комплексный статистический анализ». Команда начала свою работу со сбора общедоступных данных социальных сетей от подписчиков выбранных брендов. Они использовали проверенные методы распознавания изображений и машинного обучения для анализа и классификации фотографий и хэштегов, связанных с подписчиками брендов. Это выявило закономерности поведения потребителей по отношению к разным брендам. Эти модели означали, что исследователи могли рассчитать сходство между различными или даже не связанными брендами. «Визуализировать то, что раньше не было видно, всегда очень интересно», - заключил Ямасаки. «Люди могут сказать, что профессионалы уже «видят» подобные шаблоны, но возможность показать сходство между брендами в числовом и объективном выражении - это новая инновация. Наш алгоритм наглядно более эффективен, чем оценка этих вещей только на основе интуиции». Источник: u-tokyo.ac.jp
Популярные издания ФГБНУ «Аналитический центр»
Издания 2019 года
Издания 2018 года
открыть полный список изданий Центра → Документ был изменён 11.11.2019 в 10:50. |
Поиск данных
об аттестации педагогических работников Издания Центра
|