Студенты Санкт-Петербургского государственного университета промышленных технологий и дизайна (СПбГУПТД) провели сегментацию различных по тематике и целевому назначению видов печатной продукции и обучили нейросеть диагностировать принадлежность новых видов продукции к выявленным сегментам.
В условиях жесткой конкуренции на рынке полиграфической продукции типографии сталкиваются с проблемами мониторинга ситуации в отрасли, а именно с проблемой анализа больших объемов данных. Для решения этой задачи все чаще применяются технологии Big Data, такие как машинное обучение и нейронные сети.
«В основу исследования был положен массив исходных данных, включающий в себя перечень многочисленных видов газетной, журнальной и книжной продукции. Для каждого из них на основе изучения взаимосвязи между объемами тиражей и числом изданий были определены значения сегментационных признаков, характеризующих различия между исследуемыми объектами, а также рассчитаны средние объемы выпуска за последние 5 лет. В результате проведения сегментации методом кластерного анализа рынок печатной продукции разбит на сегменты и выявлены общие тенденции поведения объектов в различных группах, таксонах, кластерах», - объяснил автор исследования, студент Высшей школы печати и медиатехнологий СПбГУПТД Игорь Андреев.
Для идентификации принадлежности к уже выявленным сегментам были выбраны три новых объекта рынка, не участвующих в ранее проведенном исследовании. Для них были рассчитаны значения сегментационных признаков с помощью программы Statgraphics.
«При решении задачи идентификации с применением нейронных сетей в программе STATISTICA было проведено обучение и анализ более 300 нейронных сетей различной архитектуры (с разным количеством нейронов в скрытом слое). Для каждой сети были проанализированы показатели общей, контрольной и тестовой производительности, что позволило отобрать 5 сетей с наилучшими показателями и провести анализ чувствительности переменных. Полученные данные полностью соответствуют проведенным ранее расчетам по отнесению данных объектов к сегментам рынка, проведенным с применением метода дискриминантного анализа», - пояснила другой автор исследования, студентка Высшей школы печати и медиатехнологий СПбГУПТД Екатерина Банцер.
Оригинальные подходы, которые были реализованы в настоящей работе, могут послужить основой многих новых исследований в области маркетинга и менеджмента предприятия, а предлагаемая методика решения задачи идентификации может быть положена в фундамент построения системы поддержки принятия управленческих решений.
