Цель работы – анализ и обоснование применения методов машинного обучения для сегментирования клиентской базы в ритейле. Задачи работы: - анализ деятельности сети продовольственных супермаркетов; - построение бизнес-процесса создания рекомендации клиента; - рассмотрение методов машинного обучения для решения задачи сегментирования; - разработка и реализация предложения по внедрению аналитического инструмента. Работа выполнена на материалах о деятельности сети продовольственных супермаркетов «Азбука вкуса» Использованные методы: сравнительный анализ, моделирование бизнес-процессов, анализ данных, инструменты инфографики. Результаты работы: - построением модели AS-IS найдено слабое место в бизнес- процессе создания рекомендации для клиента, предложено решение по использованию более мощного аналитического инструмента; - рассмотрены методы машинного обучения для сегментирования клиентов, описан конвейер обработки данных, выбран пример моделирования и описана схема работа модели; - рассмотрен процесс сбора данных, их подготовки и обработки при помощи модели uplift; произведено сравнение сред разработки, выбрана среда для внедрения и дополнительное оборудование; - обоснована эффективность внедрения, рассмотрен проект по внедрению, включая команду проекта, сроки проекта, риски. Практическая значимость работы обусловлена результатами использования методов машинного обучения для компании: за счет персонализированного взаимодействия повышается конверсия и количество клиентов, за счет более актуальных предложений повышается средний чек, все это позволяет увеличить выручку. Выводы. Задачи ВКР решены, цель достигнута, определена область применения результатов.

The purpose of the work – analysis and justification of the application of machine learning methods to segment a customer database in retail. Tasks of work: - analysis of the activities of the chain of food supermarkets; - building a business process for creating a client’s recommendation; - study of machine learning methods for solving the segmentation problem; - development and implementation of an analytical tool. Work is performed on the basis of chain store “Azbuka Vkusa” activities. Methods used: comparative analysis, business process modeling, data analysis, infographic tools. Work results: - in the construction of the AS-IS model a weak spot in the business process of creating a recommendation for a client was found, a solution was proposed for using a more powerful analytical tool; - the methods of machine learning for segmenting customers are considered, the data processing pipeline is described; an example of modeling is chosen, and the scheme of the model is described; - the process of data collection, their preparation and processing using the uplift model is considered; a comparison of development environments was made, an environment for implementation and additional equipment were selected; - the efficiency of implementation was substantiated, the implementation project was considered, including the project team, project timing, risks. The practical significance of the work is due to the results of the use of machine learning methods for the company: due to personalized interaction, conversion and the number of customers increase, due to more relevant offers, the average check increases, all this allows to increase the company's revenue. Conclusions. The tasks of the thesis have been solved, the goal has been achieved, the scope of the results has been determined.