Data science в действии: рекомендательная функция для отдела продаж в секторе b-2-b
Черенков А.А.

Аннотация

В статье представлен простейший метод создания рекомендательной функции для отдела продаж. В качестве исходных данных используются фактические данные о прошлых продажах, а для генерирования рекомендаций — метод сингулярного разложения матриц. В статье также приведены фрагменты кода на языке R, что позволит читателям легко внедрить данный метод в своей компании.

Содержание

3
Метод разложения матриц на сингулярные значения
Кто будет это делать?
Что такое SVD и какое отношение он имеет к продажам?
Вычисление рекомендательной функции
Общее описание подхода

4
Составление вспомогательных матриц
Подготовка данных

5
Рис. 1. Листинг: список продуктов
Рис. 2. Листинг: подготовка данных
Результат применения SVD

6
Рис. 3. Листинг: SVD
Функция и проверка ее работоспособности

7
Рис. 4. Листинг: рекомендательная функция на R-коде
Рис. 5. Результат вызова рекомендательной функции
Использование рекомендаций на предприятии

8
Применимость функции

Отрасли:
Ключевые слова: рекомендательная функция, метод сингулярного разложения матриц, продажи, маркетинг, аналитика
Журнал: «Маркетинг и маркетинговые исследования» — №6, 2016 (© Издательский дом Гребенников)
Объем в страницах: 8.
Кол-во знаков: около 19,015.

Черенков Алексей Андреевич

Черенков Алексей Андреевич

Маркетинговый аналитик компании IBM.

г. Москва

Другие статьи автора 5