Применение методов машинного обучения в маркетинге
|
Введение 3
2. Обзор предметной области 5
3. Актуальность применения машинного обучения в маркетинге 7
4. Нейронные сети 18
4.1. Структура нейронов 21
4.2. Рекуррентные нейронные сети 22
4.2.1 LSTM 23
4.2.2 Полностью рекуррентные нейронные сети 25
4.2.3 Рекурсивные нейронные сети 26
4.2.4 Нейронная сеть Хопфилда 27
4.2.5 Двунаправленна ассоциативная память 27
4.2.6 Сети Элмана и Джордана 27
4.2.7 Эхо-сеть 28
4.2.8 Нейронный компрессор исторических данных 29
4.2.9 Управляемый рекуррентный блок 30
5. Выбор инструментов реализации 31
5.1. Dialogflow 31
5.2. Tensorflow 33
5.3. Amazon EC2 34
5.4. Bitfusion Ubuntu 14 Scientific Computing 34
6. Применение методов 35
6.1. Чат-бот на базе рекуррентной нейронной сети 36
6.2. Telegram чат-бот с ИИ 50
Заключение 64
Список литературы 66
Приложение 1 68
Приложение 2 72
Приложение 3 79
Приложение 4 87
Приложение 5
2. Обзор предметной области 5
3. Актуальность применения машинного обучения в маркетинге 7
4. Нейронные сети 18
4.1. Структура нейронов 21
4.2. Рекуррентные нейронные сети 22
4.2.1 LSTM 23
4.2.2 Полностью рекуррентные нейронные сети 25
4.2.3 Рекурсивные нейронные сети 26
4.2.4 Нейронная сеть Хопфилда 27
4.2.5 Двунаправленна ассоциативная память 27
4.2.6 Сети Элмана и Джордана 27
4.2.7 Эхо-сеть 28
4.2.8 Нейронный компрессор исторических данных 29
4.2.9 Управляемый рекуррентный блок 30
5. Выбор инструментов реализации 31
5.1. Dialogflow 31
5.2. Tensorflow 33
5.3. Amazon EC2 34
5.4. Bitfusion Ubuntu 14 Scientific Computing 34
6. Применение методов 35
6.1. Чат-бот на базе рекуррентной нейронной сети 36
6.2. Telegram чат-бот с ИИ 50
Заключение 64
Список литературы 66
Приложение 1 68
Приложение 2 72
Приложение 3 79
Приложение 4 87
Приложение 5
Алгоритмы машинного обучения - актуальная тема для бизнеса.
Машинное обучение сделало платформы автоматизации практически идеальным инструментом для общения с клиентами, прогнозирования, сбора и анализа данных. Сервисы, которые работают на основе машинного обучения, способны учиться и действовать без инструкций. В результате компания усиливает свой маркетинг.
Можно сказать, что в распоряжении компании дополнительная команда маркетологов, которая мгновенно оценивает, анализирует, оптимизирует и подстраивается под каждого клиента, чтобы можно было предложить свои продукты лучше и быстрее конкурентов.
Цель машинного обучения — обучить компьютер использовать новые данные для решения задач самостоятельно, а не по заранее написанному алгоритму. Машинное обучение в маркетинге повышает производительность и рентабельность компаний.
Технологии не стоят на месте, все больше процессов автоматизируется - то, что раньше стоило огромных человеческих трудозатрат, сейчас может делать компьютер. Машинное обучение - это возможность заменить человеческий труд машинным. В чем его преимущества?
• Гораздо больший объем данных обрабатывается за меньшее время. Человек физически не способен обработать такой объем данных, который без труда обработает компьютер. Более того, данные, как правило, постоянно обновляются, что делает процесс обработки бесконечным и непрерывным.
• Высокая скорость времени реагирования. Машина проверяет любые гипотезы гораздо быстрее и после внедрения алгоритма выдает решения в режиме реального времени.
• Маркетинговые процессы автоматизируются и не требуют постоянного вмешательства со стороны человека. Более того, чем дольше машина работает над конкретной задачей, тем успешнее становятся ее решения и тем выше конверсия.
• Машина учитывает невероятное множество факторов, на основе которых принимает решение. Параметры, на которые она должна опираться, можно постоянно менять в зависимости от задачи.
• Технологии машинного обучения - это гибкий инструмент, который подойдет для решения проблем конкретного бизнеса, при этом модель создается индивидуально для каждого случая.
• Использование машинного обучения сокращает расходы на персонал, на привлечение клиентов.
Сейчас машинное обучение активно используется в онлайн бизнесе. Например, чат-боты сайтов, которые становятся все умнее и ведут с человеком все более осознанные диалоги. Робот реагирует на появление на сайте клиента и анализирует его действия или взаимодействует с другими программами. На основании поведения пользователя на сайте машина предлагает ему необходимую информацию и решения его задачи.
Целью работы является исследование возможности применения алгоритмов машинного обучения в маркетинговой сфере, путём их реализации с помощью различных инструментов.
Машинное обучение сделало платформы автоматизации практически идеальным инструментом для общения с клиентами, прогнозирования, сбора и анализа данных. Сервисы, которые работают на основе машинного обучения, способны учиться и действовать без инструкций. В результате компания усиливает свой маркетинг.
Можно сказать, что в распоряжении компании дополнительная команда маркетологов, которая мгновенно оценивает, анализирует, оптимизирует и подстраивается под каждого клиента, чтобы можно было предложить свои продукты лучше и быстрее конкурентов.
Цель машинного обучения — обучить компьютер использовать новые данные для решения задач самостоятельно, а не по заранее написанному алгоритму. Машинное обучение в маркетинге повышает производительность и рентабельность компаний.
Технологии не стоят на месте, все больше процессов автоматизируется - то, что раньше стоило огромных человеческих трудозатрат, сейчас может делать компьютер. Машинное обучение - это возможность заменить человеческий труд машинным. В чем его преимущества?
• Гораздо больший объем данных обрабатывается за меньшее время. Человек физически не способен обработать такой объем данных, который без труда обработает компьютер. Более того, данные, как правило, постоянно обновляются, что делает процесс обработки бесконечным и непрерывным.
• Высокая скорость времени реагирования. Машина проверяет любые гипотезы гораздо быстрее и после внедрения алгоритма выдает решения в режиме реального времени.
• Маркетинговые процессы автоматизируются и не требуют постоянного вмешательства со стороны человека. Более того, чем дольше машина работает над конкретной задачей, тем успешнее становятся ее решения и тем выше конверсия.
• Машина учитывает невероятное множество факторов, на основе которых принимает решение. Параметры, на которые она должна опираться, можно постоянно менять в зависимости от задачи.
• Технологии машинного обучения - это гибкий инструмент, который подойдет для решения проблем конкретного бизнеса, при этом модель создается индивидуально для каждого случая.
• Использование машинного обучения сокращает расходы на персонал, на привлечение клиентов.
Сейчас машинное обучение активно используется в онлайн бизнесе. Например, чат-боты сайтов, которые становятся все умнее и ведут с человеком все более осознанные диалоги. Робот реагирует на появление на сайте клиента и анализирует его действия или взаимодействует с другими программами. На основании поведения пользователя на сайте машина предлагает ему необходимую информацию и решения его задачи.
Целью работы является исследование возможности применения алгоритмов машинного обучения в маркетинговой сфере, путём их реализации с помощью различных инструментов.
В ходе выполнения выпускной квалификационной работы были реализованы два чат-бота, которые можно использовать в коммерческих целях. В результате получены две программы, на основе рекуррентных нейронных сетей, которые вполне успешно могут быть применены на практике, в особенности telegram чат-бот.
Первый вариант требует знаний нейронных сетей и, в зависимости от масштабов реализуемого продукта, некоторых затрат на вычислительную мощность, при обучении нейронной сети.
Так как на обучение первой модели было выделено не так много времени, то можно предположить, что в дальнейшем данный метод способен отвечать более «осмысленно» , и он отлично подойдёт для чат-бота, который можно применять в сфере маркетинга: как для беседы с клиентами (на сайте, в группе социальной сети или мессенджера), помогая генерировать продажи или собирать заявки на покупку, так и в качестве некой фишки бренда, если продумать концепцию и правильно подобрать датасет для обучения. Например, реализовать чат-бота, имитирующего общение с популярным персонажем фильма/мультфильма, с известным человеком и т.д.
Но для данного варианта потребуется человек, способный разобраться или разбирающийся в необходимых инструментах, в теме нейронных сетей и, отчасти, в программировании.
Второй вариант, в свою очередь, весьма лёгок в реализации, т.к. использует готовое решение, и компании не составит труда сделать что-то подобное. Для обучения этого бота выделено мало времени, поэтому все возможности подобной реализации чат-бота, на основе рекуррентных нейронных сетей, увидеть не представилось возможным, но, теоретически, такой чат-бот можно использовать в качестве «консультанта» в мессенджере, который может в любое время принять заказ или, например, ответить на типовые вопросы пользователя, запоминая контекст диалога.
Такой подход к созданию чат-бота можно использовать небольшим компаниям/магазинам, т.к. он не требует никаких затрат и глубоких знаний в теме нейронных сетей и машинного обучения.
В маркетинге данные программы помогают, непосредственно, в увеличении продаж, формировании лидов.
Чат-бот - это , например, мессенджер-маркетолог. Специалист, который сможет разработать фразы для разговора с клиентом, что направят его из мессенджера/сайта к покупке.
С одной стороны чат-бот помогает справляться максимально просто и быстро с рутинными задачами, а с другой - автоматизировать сбор и обработку заказов от клиентов.
Они облегчают работу другим сотрудникам, повышая эффективность работы компании и, возможно, сокращая некоторые расходы. Если же программы доработать и реализовать их с использованием всяческих «фишек», то это, несомненно, готовый инструмент для применения в маркетинге компании, для привлечения и удержания внимания клиентов/потенциальных клиентов. Используя подобные программы, в связке с другими каналами и инструментами маркетинга, можно получить хорошие результаты.
Цель выпускной квалификационной работы достигнута: рассмотрены алгоритмы машинного обучения, описаны алгоритмы для рекуррентных нейронных сетей и, на их основе, реализованы две программы, которые могут быть применены в маркетинговой сфере, для бизнеса любых масштабов.
Первый вариант требует знаний нейронных сетей и, в зависимости от масштабов реализуемого продукта, некоторых затрат на вычислительную мощность, при обучении нейронной сети.
Так как на обучение первой модели было выделено не так много времени, то можно предположить, что в дальнейшем данный метод способен отвечать более «осмысленно» , и он отлично подойдёт для чат-бота, который можно применять в сфере маркетинга: как для беседы с клиентами (на сайте, в группе социальной сети или мессенджера), помогая генерировать продажи или собирать заявки на покупку, так и в качестве некой фишки бренда, если продумать концепцию и правильно подобрать датасет для обучения. Например, реализовать чат-бота, имитирующего общение с популярным персонажем фильма/мультфильма, с известным человеком и т.д.
Но для данного варианта потребуется человек, способный разобраться или разбирающийся в необходимых инструментах, в теме нейронных сетей и, отчасти, в программировании.
Второй вариант, в свою очередь, весьма лёгок в реализации, т.к. использует готовое решение, и компании не составит труда сделать что-то подобное. Для обучения этого бота выделено мало времени, поэтому все возможности подобной реализации чат-бота, на основе рекуррентных нейронных сетей, увидеть не представилось возможным, но, теоретически, такой чат-бот можно использовать в качестве «консультанта» в мессенджере, который может в любое время принять заказ или, например, ответить на типовые вопросы пользователя, запоминая контекст диалога.
Такой подход к созданию чат-бота можно использовать небольшим компаниям/магазинам, т.к. он не требует никаких затрат и глубоких знаний в теме нейронных сетей и машинного обучения.
В маркетинге данные программы помогают, непосредственно, в увеличении продаж, формировании лидов.
Чат-бот - это , например, мессенджер-маркетолог. Специалист, который сможет разработать фразы для разговора с клиентом, что направят его из мессенджера/сайта к покупке.
С одной стороны чат-бот помогает справляться максимально просто и быстро с рутинными задачами, а с другой - автоматизировать сбор и обработку заказов от клиентов.
Они облегчают работу другим сотрудникам, повышая эффективность работы компании и, возможно, сокращая некоторые расходы. Если же программы доработать и реализовать их с использованием всяческих «фишек», то это, несомненно, готовый инструмент для применения в маркетинге компании, для привлечения и удержания внимания клиентов/потенциальных клиентов. Используя подобные программы, в связке с другими каналами и инструментами маркетинга, можно получить хорошие результаты.
Цель выпускной квалификационной работы достигнута: рассмотрены алгоритмы машинного обучения, описаны алгоритмы для рекуррентных нейронных сетей и, на их основе, реализованы две программы, которые могут быть применены в маркетинговой сфере, для бизнеса любых масштабов.
Подобные работы
- ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ С ЦЕЛЬЮ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ МАРКЕТИНГОВОЙ
ДЕЯТЕЛЬНОСТИ ОРГАНИЗАЦИИ
(НА ПРИМЕРЕ ООО «СПЕКТР»)
Дипломные работы, ВКР, информатика. Язык работы: Русский. Цена: 4600 р. Год сдачи: 2020 - ОЦЕНКА ЭМОЦИОНАЛЬНОЙ ОКРАСКИ СЛОВОСОЧЕТАНИЙ В ПОСТАХ СОЦИАЛЬНОЙ СЕТИ «ВКОНТАКТЕ» МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ
Магистерская диссертация, лингвистика. Язык работы: Русский. Цена: 4940 р. Год сдачи: 2023 - ПРИМЕНЕНИЕ ИНСТРУМЕНТОВ ПЛАНИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ В ДЕЯТЕЛЬНОСТИ КОММЕРЧЕСКОГО БАНКА С ИСПОЛЬЗОВАНИЕМ МАШИННОГО ОБУЧЕНИЯ
Магистерская диссертация, финансы и кредит. Язык работы: Русский. Цена: 5500 р. Год сдачи: 2019 - ОЦЕНКА ЭМОЦИОНАЛЬНОЙ ОКРАСКИ СЛОВОСОЧЕТАНИЙ В ПОСТАХ СОЦИАЛЬНОЙ СЕТИ «ВКОНТАКТЕ» МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ
Магистерская диссертация, лингвистика. Язык работы: Русский. Цена: 5500 р. Год сдачи: 2023 - ЛАБОРАТОРНЫЙ ПРАКТИКУМ «АНАЛИЗ ДАННЫХ И МАШИННОЕ ОБУЧЕНИЕ»
Дипломные работы, ВКР, информационная безопасность. Язык работы: Русский. Цена: 4215 р. Год сдачи: 2019 - ПЛАНИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ ФИНАНСОВЫХ РЕЗУЛЬТАТОВ ДЕЯТЕЛЬНОСТИ КРЕДИТНЫХ ОРГАНИЗАЦИЙ
Магистерская диссертация, финансы и кредит. Язык работы: Русский. Цена: 5500 р. Год сдачи: 2019 - Использование методов интеллектуального анализа данных для формирования маркетинговой стратегии компании
Дипломные работы, ВКР, информатика. Язык работы: Русский. Цена: 4290 р. Год сдачи: 2017 - Использование методов интеллектуального анализа данных для формирования маркетинговой стратегии компании
Дипломные работы, ВКР, информатика. Язык работы: Русский. Цена: 4220 р. Год сдачи: 2017 - АНАЛИЗ ИНФОРМАЦИИ В СОЦИАЛЬНЫХ СЕТЯХ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
Магистерская диссертация, информатика. Язык работы: Русский. Цена: 4850 р. Год сдачи: 2017