Details

Целью работы является разработка методики сравнительного анализа алгоритмов кластеризации и выбор наиболее эффективного из них для задачи поведенческой сегментации пользователей электронной коммерции на основе RFM-признаков. Задачи, решавшиеся в ходе исследования: 1) Анализ подходов к сегментации пользователей. 2) Изучение теоретических основ кластерного анализа: постановка задачи, метрики расстояния, классификация алгоритмов. 3) Разработка методики сравнения алгоритмов с применением внутренних метрик качества кластеризации. 4) Выбор, предобработка набора данных и формирование RFM-признаков. 5) Реализация алгоритмов кластеризации (k-средних, DBSCAN, агломеративная кластеризация, модель гауссовой смеси) на транзакционных данных. 6) Сравнительный анализ результатов кластеризации и рекомендация алгоритма для сегментации пользователей, с учётом параметров конкретного набора данных.

The aim of the work is to develop a methodology for comparative analysis of clustering algorithms and to select the most effective one for the task of behavioral segmentation of e-commerce users based on RFM features. The research addressed the following objectives: 1) Analysis of approaches to user segmentation. 2) Study of the theoretical foundations of cluster analysis: problem formulation, distance metrics, and classification of algorithms. 3) Development of a comparison methodology using internal clustering quality metrics. 4) Selection and preprocessing of the dataset and construction of RFM features. 5) Implementation of clustering algorithms (k-means, DBSCAN, agglomerative clustering, Gaussian mixture model) on transactional data. 6) Comparative analysis of the clustering results and recommendation of an algorithm for user segmentation, taking into account the parameters of the specific dataset.