Випуск № 95

Permanent URI for this collection

https://ir.kneu.edu.ua/handle/2010/30974

Browse

Browsing Випуск № 95 by Author "Katunina, Olha"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Моделі машинного навчання в маркетингових дослідженнях ринку продуктів харчування
    (ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2018) Катуніна, Ольга Сергіївна; Katunina, Olha; Катунина, Ольга Сергеевна; Гузенко, Оксана Юріївна; Huzenko, Oksana
    Розглянуто питання розробки математичного інструментарію дослідження тенденцій формування попиту та прогнозування розвитку ринку продуктів харчування. Встановлено, що процес реалізації та продажів морозива у торговельних мережах може бути структурованим за сукупністю ознак. Даний процес підпорядковується у своєму розвитку тенденціям як статичного, так і динамічного рівнів. Доведено, що в інформаційному суспільстві для підприємств-виробників продуктів харчування модельні технології, що реалізовують концепцію машинного навчання, є зростаючим ресурсом безпеки та життєздатності. Розроблено структуру комплексу моделей визначення та прогнозування попиту на продукти харчування, які використані для прикладного маркетингового дослідження вітчизняного ринку морозива. На базі інструментарію інтелектуального аналізу даних та машинного навчання розглянуто моделювання динамічних тенденцій ринку, зокрема, на базі моделей динамічного регресійного аналізу ARIMA досліджено змінення обсягових параметрів ринку та попиту. В комплексі моделей проектування предикторних просторів досліджено парні взаємозв’язки між факторами товарного ринку, що чинять вплив на продажі морозива, здійснено регресійне, в тому числі покрокове моделювання місткості товарного ринку. Моделювання латентних взаємообумовленостей між характеристиками товарного ринку проведено методами факторного аналізу. Для моделювання структури ринку та визначення оптимальних каналів реалізації продукції використано нейромережеві технології. Для сегментування ринку пропозиції та реалізації продукції за регіональними, асортиментними та логістичними ознаками здійснено кластеризацію за допомогою алгоритму К-середніх і логістичної регресії. Операціоналізацію розробленого комплексу моделей прогнозування тенденцій розвитку товарних ринків здійснено шляхом впровадження веб-сервісу, який вбудовуватиметься у інструментарій маркетолога у вигляді аналітичного додатку. Моделі комплексу можуть використовуватись для маркетингових досліджень споживчого ринку, що підвищуватиме обгрунтованість вибору ефективних напрямів діяльності підприємств, концепцію та форми проведення адресної маркетингової політики. The questions of development of mathematical tools of research of tendencies of formation of demand and forecasting of development of a market of food products are considered. It has been established that the process of sales and sales of ice cream in retail chains can be structured according to a set of features. This process is subject to trends in both the static and dynamic levels in its development. It has been proved that in the information society for food industry enterprises, the model technologies implementing the concept of machine learning are a growing resource of safety and viability. The structure of the complex of models for determining and forecasting the demand for food products, which are used for the applied marketing research of the domestic ice cream market, was developed. The simulation of dynamic market trends is considered on the basis of the tools of intellectual data analysis and machine learning, in particular, based on models of ARIMA dynamic regression analysis, changes in volumes market and demand parameters are investigated. In the complex of models of designing of predictor spaces, the pair relationships between commodity market factors affecting ice cream sales, regression analysis, including step-by-step modeling of market capacity are investigated. The modeling of latent interconnections between the characteristics of the commodity market was carried out by the methods of factor analysis. Neural network technologies were used to simulate the structure of the market and determine the optimal channels for product sales. For the segmentation of the market of supply and sales of products by regional, assortment and logistic features, clustering was carried out using the K-mean algorithm and logistic regression. The operationalization of the developed set of models of forecasting tendencies in the development of commodity markets was carried out through the introduction of a web service, which will be embedded in the toolkit of a marketer in the form of an analytical appendix. Models of the complex can be used for marketing researches of the consumer market, which will increase the validity of the choice of effective areas of activity of enterprises, the concept and form of conducting an address marketing policy.