Материалы
ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АНАЛИЗА ЦЕНООБРАЗОВАНИЯ В ИНТЕРНЕТ-МАГАЗИНЕ
Журнал «НАУЧНОЕ ОБОЗРЕНИЕ: ТЕОРИЯ И ПРАКТИКА» [СКАЧАТЬ СТАТЬЮ В PDF]
т. 10, вып. 11, ноябрь 2020
| Рубрика: | МЕНЕДЖМЕНТ И МАРКЕТИНГ |
| Страницы: | 2673-2683 |
| Коды JEL: | R11, R38, N10 |
| DOI: | 10.35679/2226-0226-2020-10-11-2673-2683 |
| Для цитирования: | Бочкова Е. В., Авдеева Е. А. Применение методов машинного обучения для анализа ценообразования в интернет-магазине // Научное обозрение: теория и практика. Т. 10. Вып. 11. С. 2673-2683. DOI: 10.35679/2226-0226-2020-10-11-2673-2683 |
| Авторы: |
Бочкова Елена Владимировна, канд. экон. наук, доцент кафедры «Теоретическая экономика», ФГБОУ ВО «Кубанский государственный университет»: Россия, 350040, Краснодарский край, г. Краснодар, ул. Ставропольская, 149.
Тел.: (918) 395-04-84 |
| Реферат: | В последнее десятилетие интернет-торговля стала неотъемлемой частью современного мира. С каждым годом появляется все больше интернет-магазинов, однако, деятельность не каждого интернет-магазин становится успешной. Очевидно, что это происходит из-за множества различных факторов, которые непосредственно влияют на привлекательность интернет-магазина для потенциального покупателя. В тот момент, когда традиционные способы анализа продаж стали неэффективными и излишне трудоемкими, специалисты начали использовать машинное обучение для того, чтобы получать наиболее точные прогнозы по продажам, а значит быть более гибкими и подготовленными к различным условиям. По-прежнему в большинстве случаев определяющим условием приобретения товара для покупателя интернет-магазина является его цена. Специализированные модели машинного обучения позволяют оценить всю имеющиеся данные по продажам и на их основе определить, какие особенности товара в наибольшей степени формируют на него спрос, и соответственно, на основе полученной информации, установить оптимальную цену. Однако в силу специфических особенностей различных интернет-магазинов невозможно создать единую модель, которая бы качественно работала для каждого, так как модели машинного обучения строятся, основываясь на конкретных данных, которые уникальны для каждого интернет-магазина. Можно отметить, что интерпретация данных, на основе которых производится исследование и их применимость к задаче, которую ставит перед собой исследователь, является одной из важнейших составляющих машинного обучения. Именно поэтому около 80% времени исследований в области машинного обучения выделяется на подбор и подготовку данных для анализа. Решение проблемы подбора данных может отличаться в зависимости от особенностей исследования. В данной работе представлен вариант решения проблемы построения регрессионной модели. Целью исследования является построение обученной модели с таким алгоритмом, который бы позволял автоматически определять наиболее подходящую цену для товара интернет-магазина, основываясь исключительно на его специфических характеристиках и информации о данном товаре. |
| Ключевые слова: | машинное обучение, анализ данных, алгоритм, ценообразование, интернет-магазин |
| Список литературы: |
1. Алпайдин Э. Машинное обучение: новый искусственный интеллект. – М.: Альпина Паблишер, 2017. – 208 с. 2. Брокман Д. Что мы думаем о машинах, которые думают. Ведущие мировые ученые об искусственном интеллекте. – М. : Альпина Паблишер, 2017. – 549 с. |
| English version: |
APPLYING MACHINE LEARNING METHODS TO ANALYZE PRICING IN AN ONLINE STORE
Bochkova Elena Vladimirovna, Cand. of Econ. Sci., Ass. Prof., Depart. of Theoretical Economics, Kuban State University, Krasnodar, Russia.
Keywords: machine learning, data analysis, algorithm, pricing, online store. Abstract. In the last decade, e-commerce has become an integral part of the modern world. Every year there are more and more online stores, however, the activity of not every online store becomes successful. Obviously, this is due to many different factors that directly affect the attractiveness of an online store for a potential buyer. At a time when traditional methods of sales analysis became inefficient and unnecessarily time-consuming, specialists began to use machine learning in order to get the most accurate sales forecasts, and therefore be more flexible and prepared for various conditions. As before, in most cases, the determining condition for the purchase of goods for the buyer of an online store is its price. Specialized machine learning models allow you to evaluate all the available sales data and, based on them, determine which features of the product most form the demand for it, and accordingly, based on the information obtained, set the optimal price. However, due to the specific features of different online stores, it is impossible to create a single model that would work qualitatively for each, since machine learning models are built based on specific data that is unique for each online store. It can be noted that the interpretation of the data on the basis of which the research is carried out and their applicability to the task set by the researcher is one of the most important components of machine learning. That is why about 80% of the time of research in the field of machine learning is allocated to the selection and preparation of data for analysis. The solution to the problem of data selection may differ depending on the specifics of the study. This paper presents a solution to the problem of constructing a regression model. The purpose of the study is to build a trained model with an algorithm that would automatically determine the most suitable price for an online store product, based solely on its specific characteristics and information about this product. |
| For citation: | Bochkova E. V., Avdeeva E. A. Applying machine learning methods to analyze pricing in an online store. Nauchnoe obozrenie: teoriya i praktika [Scientific Review: Theory and Practice], vol. 10, iss. 11. pp. 2673-2683 (in Russian). DOI: 10.35679/2226-0226-2020-10-11-2673-2683 |