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

Черенков Алексей Андреевич


	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

Клиентинг Клиентоориентированность

B2B

Ключевые слова: рекомендательная функция, метод сингулярного разложения матриц, продажи, маркетинг, аналитика

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.

Журнал: «Маркетинг и маркетинговые исследования» — №6, 2016 (© Издательский дом Гребенников)

Объем в страницах: 8

Кол-во знаков: около 19,015

Библиографическая ссылка: печать / интернет

* Деятельность Meta (соцсети Facebook и Instagram) запрещена в России как экстремистская.

Черенков Алексей Андреевич

Маркетинговый аналитик компании IBM.

г. Москва

Другие статьи автора 5

Электронная библиотека