ISSN 1991-2927
 

АПУ № 1 (55) 2019

Применение алгоритма кластеризации k-means для улучшения темпоральной статистики просмотра коммерческих предложений

УДК 004.8

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, доктор технических наук, доцент, заместитель заведующего кафедрой «Информационные системы» Ульяновского государственного технического университета. Окончила радиотехнический факультет УлГТУ. Имеет статьи и монографии в области интеллектуального анализа временных рядов. [e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра. ]Т.В. Афанасьева,

Сапунков Алексей Андреевич, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра. ]А.А. Сапунков,

Заварзин Денис Валерьевич, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра. ]Д.В. Заварзин

Применение алгоритма кластеризации k-means для улучшения темпоральной статистики просмотра коммерческих предложений000_6.pdf

Аномалии рассматриваются как нетипичные и редко встречающиеся значения, значительно искажающие данные. Обычно такие значения приводят к неточным результатам в процессе анализа данных, поэтому они должны быть удалены. В статье предлагается применение метода кластеризации k-means для решения практической задачи по обработке данных для отображения темпоральной статистики в секторе b2b. Предметной областью и источником данных является сервис отправки и трекинга коммерческих предложений B2BFamily. В статье предлагается удалять аномалии и отображать более адекватную темпоральную статистику о среднем времени просмотра слайда коммерческого предложения. Это поможет менеджеру по продажам корректировать стратегию общения с клиентами. В заключении обсуждаются полученные результаты и дальнейшие тенденции развития данного исследования.

Кластеризация, аномалии, алгоритм кластеризации k-means, обнаружение и удаление аномалий.

© ФНПЦ АО "НПО "Марс", 2009-2018 Работает на Joomla!