презентация_магистр4

1.

МИНИСТЕРСТВО ПРОСВЕЩЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ
УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«ТОМСКИЙ ГОСУДАРСТВЕННЫЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ» (ТГПУ)
МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОЦЕНКИ
СКРЫТОГО СПРОСА НА ОСНОВЕ АНАЛИЗА
ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЕЙ И ВНЕШНИХ ДАННЫХ
РУКОВОДИТЕЛЬ:
Горчаков Леонид Всеволодович
д. ф.-м. н., ФМФ
АВТОР РАБОТЫ:
Студент II Курса, 444М Группы
Д.Н. Кузин

2.

2
А К Т УА Л Ь Н О С Т Ь РА Б ОТ Ы
По данным Data Insight, в 2025 году число онлайн-заказов в России достигло 8,3
млрд. Доля маркетплейсов составляет 80% всех заказов. Объём рынка в 2026 году
превысит 15 трлн рублей.
Существующие аналитические инструменты работают ретроспективно, они
показывают что уже произошло, но не помогают предвидеть спрос. Скрытый спрос
— это ситуация, когда интерес к товару есть, но в покупку он не конвертируется.
Методы машинного обучения помогают заметить такой интерес заранее и успеть
принять меры до того, как покупатель уйдёт к конкуренту.

3.

Ц ЕЛ Ь В Ы П УС К Н О Й
К ВА Л И Ф И К А Ц И О Н Н О Й РА Б ОТ Ы
Исследование и применение методов машинного
обучения для выявления и оценки скрытого спроса на
основе данных поведения пользователей и внешних
поисковых трендов.
3

4.

4
З А Д АЧ И
1. Изучить понятие скрытого спроса и его проявления в e-commerce
2. Провести обзор и классификацию методов машинного обучения
3. Проанализировать источники данных и обосновать выбор
методологии
4. Реализовать модели МО для выявления скрытого спроса
5. Разработать аналитический интерфейс для работы с результатами
моделей
6. Провести апробацию системы на реальных данных Wildberries

5.

О БЪ Е К Т И П Р Е Д М Е Т
И С С Л Е ДО В А Н И Я
Объект исследования: методика оценки скрытого спроса
средствами методов машиного обучения.
Предмет исследования: методы машинного обучения для
выявления и оценки скрытого спроса на основе данных
воронки продаж и внешних поисковых трендов.
5

6.

Т ЕО Р И Т И Ч ЕС К А Я И
П РА К Т И Ч ЕС К А Я З Н АЧ И М О С Т Ь
Теоретическая значимость работы заключается в расширении теоретических
представлений о природе скрытого спроса на маркетплейсах и методах его
количественной оценки средствами машинного обучения.
Практическая значимость работы состоит в том, что разработанная система
позволяет аналитику маркетплейса выявлять скрытый спрос по категориям товаров и
принимать точечные управленческие решения в области ценообразования, рекламы
и управления карточками товаров.

7.

С Т Р У К Т У РА В К Р
ВВЕДЕНИЕ
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ОЦЕНКИ СКРЫТОГО СПРОСА МЕТОДАМИ
МАШИННОГО ОБУЧЕНИЯ
ГЛАВА 2. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ И ОБОСНОВАНИЕ МЕТОДОЛОГИИ
ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ ОЦЕНКИ СКРЫТОГО СПРОСА
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

8.

6
Д А Н Н Ы Е И М Е ТОДОЛ О Г И Я
Источники данных:
Методы МО:
• ЛК Wildberries — воронка продаж,
поисковые запросы (до 1 года)
• CRM-система — заказы, продажи,
реклама (весь период)
• Яндекс Вордстат — внешние тренды
(до 8 лет)
Prophet + XGBoost
Апробация:
41 товар · 4 категории
прогнозирование временных рядов
K-means (K=4)
кластеризация товаров по типу спроса
Isolation Forest
обнаружение аномалий в метриках воронки

9.

С РА В Н Е Н И Е М ОД ЕЛ Е Й

10.

7
А РХ И Т Е К Т У РА С И С Т Е М Ы
1
Загрузка и
предобработка
данных
▶
2
Анализ
воронки
продаж
▶
3
Модели
машинного
обучения
▶
4
Интерфейс
Streamlit

11.

А РХ И Т Е К Т У РА С И С Т Е М Ы

12.

В О Р О Н К А П Р ОД А Ж И С К Р Ы Т Ы Й
СПРОС
Индекс скрытого спроса = нормализованная разница между CTR и конверсией
в заказ
Товар
CTR, %
Конв. заказ, %
Индекс
Причина
Аксессуар 10
42.8
1.94
1.00
Ценовой барьер
Руль 10
24.5
0.15
0.61
Слабая карточка
Аксессуар 1
26.9
1.40
0.55
Нет на складе
Руль 13
16.9
1.46
0.22
Ценовой барьер
Руль 9
18.9
2.39
0.19
Ценовой барьер
8

13.

В О Р О Н К А П Р ОД А Ж

14.

СЕЗОННОСТЬ

15.

СКРЫТЫЙ СПРОС

16.

9
ПРОГНОЗИРОВАНИЕ СПРОСА
Категория
Prophet MAE
XGBoost MAE
Лин.рег. MAE
Миостимуляторы
79.0
73.7 ✓
30.6
Игровые рули
56.7
48.8 ✓
34.7
Сейфы
168.4
143.7 ✓
180.8
Электропростыни
79.2
59.2 ✓
37.6
Вывод: XGBoost превосходит Prophet по MAE в 3 из 4 категорий.
*МАЕ - средняя абсолютная ошибка

17.

С РА В Н Е Н И Е М ОД ЕЛ Е Й

18.

ПРОГНОЗИРОВАНИЕ СПРОСА

19.

10
К Л АС Т Е Р И З А Ц И Я K- M E A N S
Кластер 1
Кластер 2
Кластер 3
Кластер 4
12 товаров
CTR 17.2% · Конв. 4.2%
12 товаров
CTR 11.0% · Конв. 3.9%
6 товаров
CTR 34.6% · Конв. 10.9%
11 товаров
CTR 11.4% · Конв. 19.0%
Ценовой барьер
или слабая карточка
Недостаток
трафика
Высокий интерес,
импульсная покупка
Нишевый товар,
целевая аудитория

20.

К Л АС Т Е Р И З А Ц И Я K- M E A N S
Интерактивная карта кластеров в двумерном пространстве PCA

21.

12
В Ы В ОД Ы
1.
2.
3.
4.
5.
6.
Изучено понятие скрытого спроса.
Проведён сравнительный анализ методов машинного обучения.
Определены источники данных: ЛК WB, CRM и Вордстат.
Реализованы модели МО.
Создан аналитический интерфейс на базе Streamlit.
Проведена апробация на 41 товаре из 4 категорий.

22.

СПАСИБО ЗА ВНИМАНИЕ!