Μεθοδολογία πρόβλεψης της συμπεριφοράς καταναλωτών: Αγορά νέων προϊόντων

Abstract

Η ανάγκη για έγκαιρες και ακριβείς προβλέψεις της συμπεριφοράς των καταναλωτών καθώς και η ερμηνεία και αξιολόγηση αυτών, αποτελεί πρόκληση για κάθε εταιρεία ή οργανισμό που επιθυμεί να ικανοποιεί τους πελάτες του αλλά και να προσελκύει νέους καταναλωτές. Η παρούσα διπλωματική εργασία έχει ως στόχο την μελέτη και ανάπτυξη μιας ευρύτερης μεθολογίας επίτευξης του σκοπού αυτού. Δίνοντας ιδιαίτερη βαρύτητα σε τεχνικές μηχανικής μάθησης αλλά και σε αλγορίθμους collaborative-filtering, διερευνούμε τους τρόπους σύστασης ενός άρτιου εργαλείου, το οποίο θα μπορεί να χρησιμοποιηθεί για να παράγει προβλέψεις και να πραγματοποιεί προτάσεις σε υφιστάμενους ή νεοεισερχόμενους πελάτες μιας επιχείρησης σχετικά με τις μελλοντικές ανάγκες και προτιμήσεις τους. Ιδιαίτερα τα τελευταία χρόνια όπου ο όγκος των δεδομένων και της πληροφορίας παρουσιάζει εκθετική αύξηση, τεχνικές όπως αυτές που θα αναλυθούν στη συνέχεια, συνιστούν ένα ιδιαίτερα σημαντικό εργαλείο που μπορεί να χρησιμοποιηθεί για την στοχευμένη χάραξη προωθητικών ενεργειών αλλά και την ανάδειξη νέων δυνατοτήτων και αναγκών. Η βασική ιδέα της προτεινόμενης μεθοδολογίας είναι η αυτοματοποίηση της διαδικασίας παραγωγής προβλέψεων από σύνολα δεδομένων που αφορούν τη συμπεριφορά πελατών. Το προτεινόμενο πλαίσιο δέχεται ως είσοδο ένα σύνολο δεδομένων και παράγει ως έξοδο τις προβλέψεις για αυτά, καθώς και γραφικές παραστάσεις και μετρικές για την αξιολόγησή τους. Η μεθοδολογία αυτή περιλαμβάνει τέσσερα βήματα. Το πρώτο αφορά στην προεπεξεργασία των δεδομένων εισόδου και το μετασχηματισμό αυτών σε μορφή κατάλληλη για την καλύτερη εκπαίδευση των μοντέλων και αλγορίθμων πρόβλεψης. Στο δεύτερο βήμα πραγματοποιείται εκτενής διερέυνηση των τιμών των υπερπαραμέτρων των μοντέλων, που συνιστούν τον καλύτερο συνδυασμό και αποσκοπούν στη βελτιστοποίηση των παραγόμενων προβλέψεων. Στο τρίτο στάδιο, εξετάζονται και δοκιμάζονται οι συνδυασμοί που αναπτύχθηκαν για το εκάστοτε μοντέλο, ενώ καταγράφονται και επιλέγονται ως βέλτιστα τα μοντέλα με τα καλύτερα αποτελέσματα για τις διάφορες μετρικές επίδοσης. Τέλος, στο τέταρτο βήμα, αναλύεται και αξιολογείται το συνολικό μοντέλο που προέκυψε, με χρήση των παραγόμενων γραφικών παραστάσεων και μετρικών. Για την ανάπτυξη της μεθοδολογίας αυτής διεξήχθη μια εκτενής πειραματική διαδικασία, εξετάζοντας κάθε φορά διαφορετικές μεταβλητές και παραμέτρους του συστήματος. Για τα πειράματα χρησιμοποιήθηκαν δεδομένα του ομίλου επιχειρήσεων Santander Group ο οποίος αποτελεί μια Ισπανική πολυεθνική εταιρεία οικονομικών υπηρεσίων. Όλα τα δεδομένα προήλθαν από τον τραπεζικό τομέα του ομίλου και την Santander Bank, που περιλαμβάνει τα δεδομένα των χρηστών για τις ποικίλες υπηρεσίες που προσφέρει η ομώνυμη τράπεζα.