Сравнительный анализ результатов машинного обучения и регрессионной модели траекторий поведения пользователей онлайн-сервисов

Динамика поведения интернет-покупателей вызывает большой интерес у маркетологов с целью максимизации прибыли магазина и прогнозирования развития онлайн-продаж. Наиболее широко распространенными методами обработки статистических данных являются методы регрессионного статистического анализа, кроме того, актуальность приобретают методы машинного обучения. Цель исследования заключалась в прогнозировании поведения пользователей онлайн-магазина, на основе исходных данных, получаемых технологиями BigData. Проведена оценка корреляции фактора и результата, показано наличие прямой линейной зависимости. Классическими методами регрессионного анализа были определены коэффициенты линейной регрессии, оценена их значимость, адекватность модели, ошибки аппроксимации. Методами машинного обучения обучена модель, определены коэффициенты. Сравнительные результаты представлены в виде графика. Определен доверительный интервал прогноза для уровня значимости α = 0,05. Представлены соответствующие выводы.

1. Digital 2021: главная статистика по России и всему миру [Электронный ресурс]. – URL: https://spark.ru/user/115680/blog/74085/digital2021-glavnaya-statistika-po-rossii-i-vsemu-miru/ (дата обращения: 15.03.2023).

2. Прохорова М.В. Организация работы интернет-магазина: Пособие / М.В. Прохорова, А.Л. Коданина. – 3-е изд. М.: Дашков и К, 2020. – 332 с.

3. Gull M. Customer Behavior Analysis Towards Online Shopping using Data Mining, / M. Gull, A. Pervaiz // 2018 5th International Multi-Topic ICT Conference (IMTIC). – 2018. – pp. 1-5.

4. Шипилова Е.А. Анализ и моделирование траекторий поведения пользователей онлайн-сервисов с использованием платформы RETENTIONEERING / Е.А. Шипилова, Е.Е. Некрылов, Т.В Курчекова // Моделирование систем и процессов: Научно-технический журнал. – 2022. – Т. 15. – Вып. 4. – С. 82-93.