Интеллектуальный анализ данных при проведении маркетинговых исследований

Диплом лета 2022 года. Оригинальность высокая.

Целью выпускной квалификационной работы является решение проблемы классификации клиентов, иными словами необходимо на основе собранной информации определить кто из клиентов откликнется на рекламную акцию, а кто нет, также подготовка и первичный анализ данных об отклики клиентов на рекламную кампанию магазина одежды для разработки модели классификации почтового маркетинга, развить лучшее понимание клиентуры за счет разведочного анализа данных (англ. exploratory data analysis, EDA), профилей компонентов, профилей кластеров.

Задачи исследования:

-               провести анализ актуальности темы;

-               изучить и подготовить теоретическую базу;

-               изучить методы интеллектуального анализа маркетинговых исследований;

-               провести сравнение и выбрать программное средство для практического анализа маркетинговых исследований;

-               поставить задачу;

-               выполнить подготовку и преобразование массива данных;

-               выполнить реализацию поставленной задачи;

-               провести анализ полученных в ходе реализации задачи данных.

Объект исследования – интеллектуальный анализ маркетинговых исследований.

Предмет исследования – моделирование отклика клиентов на рекламную кампанию методами интеллектуального анализа данных.

Введение. 3

1 Маркетинговые исследования, их цели, задачи, направление и методы статистического анализа. 6

1.1 Понятие, цели, задачи маркетинговых исследований. 6

1.2 Направление маркетинговых исследований. 9

1.3 Методы статистического анализа маркетинговых исследований. 13

2 Применение интеллектуального анализа для обработки данных маркетинговых исследований. 17

2.1 Методы и модели интеллектуального анализа маркетинговых исследований. 17

2.2 Методология CRISP–DM.. 19

2.3 Выбор программного средства. 21

3 Разработка и реализация моделей интеллектуального анализа данных. 27

3.1 Постановка задачи. Подготовка и обработка данных. 27

3.1.1 Этап понимания бизнес-целей. 27

3.1.2 Начальное изучение данных. 33

3.1.3 Подготовка данных. 37

3.1.4 Обоснование выбора предикторов модели. 48

3.2 Моделирование. 59

3.2.1 Анализ главных компонент. 62

3.2.2 Кластерный анализ: двухэтапный кластерный анализ. 67

3.2.3 Балансировка обучающего набора данных. 74

3.2.4 Установление производительности модели. 79

3.2.5 Моделирование. 81

3. 3 Оценка результатов моделирования. 94

Заключение. 96

Список использованных источников. 99

1.             Гречков В. Ю. Маркетинговая аналитика с использованием IBM SPSS Statistics: учеб. Пособие / В. Ю. Гречков. – Москва: Изд-во МГИМО-Университет, 2019. – 239 с.

2.             Диденко Н. И. Анализ и обоснование решений в международном маркетинге: учеб. пособие / Н. И. Диденко, Д.Ф. Скрипнюк. – Москва: Изд-во Высш. шк., 2009. – 303 с.

3.             Ноздрева Р. Б. Маркетинг: учебник / Р. Б. Ноздрева. – Москва: Изд-во Аспект-Пресс, 2016. – 43 с.

4.             Моосмюллер Г. Маркетинговые исследования с SPSS: учеб. пособие / Г. Моосмюллер, Н. Н. Ребик. – Москва: Изд-во ИНФРА-М, 2021. – 200 с.

5.             Сарвас Н. С. Актуальность маркетинговых исследований рынков товаров и услуг: статья / Н. С. Сарвас, Е. Э. Головчанская – Текст : электронный. – URL: https://elib.bsu.by/bitstream/

(дата обращения: 20.04.2022).

6.             Маркетинговое исследование – Текст : электронный // Unisender.com : [сайт]. – URL: https://www.unisender.com/ (дата обращения: 21.04.2022).

7.             Записки маркетолога: Словарь – Текст : электронный //  marketch.ru : [сайт]. – URL: https://www.marketch.ru/marketing (дата обращения: 21.04.2022).

8.             Записки маркетолога: Словарь страница 2 – Текст : электронный //  marketch.ru : [сайт]. – URL: https://www.marketch.ru/ (дата обращения: 21.04.2022).

9.             INTERFRANCE: Методы интеллектуального анализа – Текст : электронный //  interface.ru : [сайт]. – URL: http://www.interface.ru (дата обращения: 21.04.2022).

10.         Loginom: Методология CRISP-DM (Cross-Industry Standard Process for Data Mining): официальный сайт. – URL: https://wiki.loginom.ru/ (дата обращения: 21.04.2022). – Текст : электронный.

11.         Soware: Описание системы Deductor – Текст : электронный //  soware.ru : [сайт]. – URL: https://soware.ru/products/deductor (дата обращения: 21.04.2022).

12.         Soware: Описание системы SPSS Statistics – Текст : электронный //  soware.ru : [сайт]. – URL: https://soware.ru/products/ibm-spss-statistics (дата обращения: 21.04.2022).

13.         Larose, Daniel T. Data mining methods and models / Daniel T. Larose. – Hoboken, New Jersey: Published by John Wiley & Sons, Inc., 2006. – 317 pg.

14.         Сайт с набором данных: Data mining methods and models: – URL: https://bcs.wiley.com/he-bcs/Books (дата обращения: 14.04.2022).

15.         IBM: CRISP-DM: официальный сайт. – URL: https://www.ibm.com/ (дата обращения: 23.04.2022). – Текст : электронный.

16.         CLARITAS: официальный сайт. – URL: https://claritas.com (дата обращения: 23.04.2022). – Текст : электронный.

17.         Электронный документ: Руководство IBM SPSS Statistics – Текст : электронный //  ibm.com: [сайт]. – URL: https://www.ibm.com/docs/en (дата обращения: 01.05.2022).

18.         Larose, Daniel T. Wiley series on methods and applications in data mining / Daniel T. Larose. – Hoboken, New Jersey: Published by John Wiley & Sons, Inc., 2015. – 1183 pg.