Vásárlói viselkedés előrejelzése hűségkártya-adatok alapján
A kiskereskedelem egyre több területét hódítják meg az úgynevezett hűségkártya megoldások. Mivel ma már a legtöbb nagy láncnak van ilyen megoldása, ezért használatuk célja egyre kevésbé az ügyfél-lojalitás növelése, sokkal inkább az ügyfélviselkedés megismerése. A hűségkártyák segítségével már összekapcsolhatók az ügyfelek különböző időpontokban végzett cselekvései, például a vásárlás vagy a kedvezmények igénybevétele. Sokat jelenthet egy áruház vagy szolgáltató számára, ha nagy biztonsággal tudja előre, hogy ügyfelei mikor fognak ismét vásárolni vagy egy-egy szolgáltatást igénybe venni. Ezeket az információt raktárkészlet, a készpénzgazdálkodás vagy munkatársak munkaidejének meghatározása során tudják felhasználni az üzleti intelligencia megoldásokat használó cégek.
TDK dolgozatom alapja egy, ebbe a témakörbe illeszkedő, de speciális feladat: a megoldandó probléma egy hűségkártya alapú tranzakciós adathalmazra épül, egy áruház adatai (vásárlás dátuma és kifizetett pénzösszeg) alapján meg kell jósolnunk, hogy az egyes vásárlók legközelebb mikor fognak megjelenni és milyen összegben fognak a pénztárnál hagyni, azaz a feladat a két paraméter minél pontosabb becslése. A becslés hatékonyságát az fejezi ki, hogy az összes vásárló közül hány esetében tudjuk pontosan eltalálni a napot, illetve közelítőleg eltalálni a kifizetett pénzösszeget is. A probléma sajátossága, hogy a két megbecsülendő paraméter egyértelműen nem független, ennek kihasználása az előrejelzésben azonban korántsem triviális adatbányászati feladat.
Dolgozatom célja az ismertetett feladatra bemutatni több megközelítést, ezek sikerességét gazdag futási statisztikákon keresztül összehasonlítani. Célom továbbá ismertetni a több paramétert becslő (multi-label) felügyelt tanulási módszerek alapjait illetve azok párhuzamát a dolgozatban ismertetett feladattal. Kitérek az előrejelzési feladatot leghatékonyabban megoldó adatbányászati és statisztikai módszereim bemutatására, és ezek önálló alkalmazásához viszonyítom a több paramétert becslő eljárások eredményeit.
szerző
-
Kazi Sándor Antal
mérnök informatikus
nappali
konzulens
-
Gáspár Csaba
egyetemi tanársegéd, Távközlési és Médiainformatikai Tanszék
