DC Field | Value | Language |
dc.contributor.author | Савич, Н. В. | - |
dc.date.accessioned | 2020-07-07T08:05:08Z | - |
dc.date.available | 2020-07-07T08:05:08Z | - |
dc.date.issued | 2020 | - |
dc.identifier.citation | Савич, Н. В. Машинное обучение как инструмент повышения эффективности маркетинговых кампаний в банковском секторе / Н. В. Савич // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня: сб. материалов VI Междунар. науч.-практ. конф., Минск, 20-21 мая 2020 года: в 3 ч. Ч. 3 / редкол.: В. А. Богуш [и др.]. – Минск : Бестпринт, 2020. – С. 167–169. | ru_RU |
dc.identifier.isbn | 978-985-905-339-9 | - |
dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/39401 | - |
dc.description.abstract | Алгоритмы машинного обучения широко применяются организациями банковского сектора в целях улучшения результатов маркетинговых кампаний, в частности, увеличения конверсии от рассылок. Высокая эффективность от использования этих алгоритмов достигается банками при использовании комбинации алгоритмов, направленных на решение последовательно двух задач машинного обучения: классификации и кластеризации. Такой подход позволяет не только выявить наиболее вероятных потребителей банковских продуктов, но и выделить среди них кластеры, что позволит сделать персонализированные предложения для каждого из них. | ru_RU |
dc.language.iso | ru | ru_RU |
dc.publisher | Беспринт | ru_RU |
dc.subject | материалы конференций | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | кластеризация | ru_RU |
dc.subject | маркетинговые кампании | ru_RU |
dc.subject | machine learning | - |
dc.subject | clustering | - |
dc.subject | marketing campaigns | - |
dc.title | Машинное обучение как инструмент повышения эффективности маркетинговых кампаний в банковском секторе | ru_RU |
dc.title.alternative | Machine learning as a tool to improve the effectiveness of marketing campaigns | - |
dc.type | Article | ru_RU |
local.description.annotation | Machine learning algorithms are widely used by organizations of the banking sector in order to improve the results of marketing campaigns, in particular, to increase the conversion from newsletters. High efficiency from these algorithms is achieved by banks using a combination of algorithms that sequentially solve two tasks of machine learning: classification and clustering. This approach reveals not only to find the most probable consumers of banking products, but also to identify clusters among them, which will make it possible to make personalized offers for each of them. | - |
Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : материалы конференции (2020)
|