Создание метрики полезности продавцов и исследование ее для работы с сегментами
(Стр. 153-166)

Подробнее об авторах
Гринева Наталья Владимировна кандидат экономических наук, доцент; доцент, кафедра анализа данных и машинного обучения; Финансовый университет при Правительстве Российской Федерации; г. Москва, Российская Федерация Сухань Мария Александровна факультет ИТиАБД
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация Концевая Наталья Валерьевна кандидат экономических наук, доцент, доцент Департамента математики
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация
Оплатить 390 руб. (Картой) Оплатить 390 руб. (Через QR-код)

Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты

Аннотация:
Согласно исследованию рынка маркетплейсов 2022 года, сегмент e-commerce растет стремительно, при этом продавцы не всегда понимают, какие факторы влияют на ликвидность. Разработка рекомендательной системы и комплекса мероприятий на основе оценки полезности продавца потенциально позволит улучшить качество сервиса, позитивно повлиять на опыт потребителей, помочь площадке усилить поддержку селлеров и взаимодействие с ними, а также повысить конкурентоспособность и репутацию маркетплейса. Целью исследования является создание метрики полезности продавца для дальнейшего построения рекомендательной системы и разработки комплекса мер по работе с сегментами продавцов. Результаты: алгоритм оценки полезности продавца может быть использован для создания рекомендательной системы и разработки комплекса мер, повышающих качество услуг и потенциальную прибыль площадки.
Образец цитирования:
Гринева Н. В., Сухань М. А., Концевая Н. В. Создание метрики полезности продавцов и исследование ее для работы с сегментами // Проблемы экономики и юридической практики. 2023. Т. 19. № 3. С. 153-166. EDN: FJTPPO
Список литературы:
Андерсон К. Длинный хвост. Эффективная модель бизнеса в Интернете —Москва: Манн, Иванов и Фербер, 2012. —304 с.
Котлер, Филип Основы маркетинга. Краткий курс / Филип Котлер. —Москва: Вильямс, 2019. —496 с.
Борбодоев М.М. Особенность сегментации потребительских рынков —Ош: Актуальные проблемы гуманитарных и естественных наук, 2016, №11-1., 113 с.
Васильева А.С., Латыпова А.Э. ABC-анализ—преимущества и недостатки —Ульяновск: Экономика и социум, 2014, №4-2 (13), 173 с.
Володько, В.Ф. Сегментирование и позиционирование на рынке / В.Ф. Володько; 2-е изд. —Минск: БНТУ, 2019. —С. 111–113.
Габалова, Е.Б. Маркетплейс: современный инструмент повышения продаж / Е. Б. Габалова // Modern Science. —2021. —№ 6-2. —С. 35–37.
Габбасова, Ж. Р. Анализ проблем метода сегментирования потребителей / Ж. Р. Габбасова // Modern Science. —2021. —№ 3-2. —С. 56–59.
Гурская C.П. Маркетплейсы—новый сегмент e-commerce —Гомель: Белорусский торгово-экономический университет потребительской кооперации, 2022, С. 26–30.
Изакова, Н. Б. Сегментирование потребителей как ключевой фактор успеха маркетинга взаимоотношений на промышленном рынке / Н. Б. Изакова // Маркетинг и брендинг: вызовы XXI века: Материалы Международной научно-практической конференции, Екатеринбург, 07 ноября 2017 года / Ответственный за выпуск Л. М. Капустина. —Екатеринбург: Уральский государственный экономический университет, 2019. —С. 63–66.
Карасев А.П. Две стороны понятия «Сегментирование рынка» —Москва: Вестник ГУУ, 2018, № 11.
Андерсон К. Аналитическая культура. От сбора данных до бизнес-результатов / К. Андерсон—Москва: Манн, Иванов и Фербер, 2017. —324 с.
Кириллова, Л. К. Сегментация рынка: эволюция и направления развития в условиях цифровизации маркетинга / Л. К. Кириллова // Экономика и предпринимательство. —2022. —№ 1(138), С. 868–871.
Свечкарева Д. Г. Принципы сегментирования рынка в 21 веке / Д. Г. Свечкарева, Е. О. Краснянская // Modern Science. —2019. —№ 12-3. —С. 105–107.
The changing world of digital in 2023 [сайт] —2019. —Текст: электронный. —URL: https://wearesocial.com/us/blog/2023/01/the-changing-world-of-digital-in-2023/ (дата обращения: 17.02.2023).
Маркетплейсы заняли почти половину российского рынка электронной торговли [сайт] —Москва, 2019. —Текст: электронный. —URL: https://www.kommersant.ru/doc/5559222 (дата обращения: 10.03.2023).
Ключевые слова:
рекомендательная система, пороговое значение, логистическая регрессия, сегментация, полезность, таргет, бинарное разделение..


Статьи по теме

1. ЭКОНОМИЧЕСКАЯ ТЕОРИЯ (СПЕЦИАЛЬНОСТЬ 08.00.01) Страницы: 12-15 Выпуск №12273
ОПРЕДЕЛЕНИЕ И ОБОСНОВАНИЕ СТОИМОСТИ, ЦЕННОСТИ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ОБЪЕКТОВ, БЛАГ, ТОВАРОВ, УСЛУГ
стоимость полезность ценность цена потребительная стоимость
Подробнее
Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей Страницы: 16-22 DOI: 10.33693/2313-223X-2023-10-4-16-22 Выпуск №47939
Обнаружение депрессии среди пользователей социальной сети с использованием методов машинного обучения
социальные сети ВКонтакте машина опорных векторов логистическая регрессия случайный лес
Подробнее
5.2.2. МАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕ Страницы: 75-79 Выпуск №21250
Современные направления исследований в области рекомендательных систем
рекомендательная система коллаборативная фильтрация контентная фильтрация холодный старт машинное обучение
Подробнее
5. Экономика Страницы: 60-65 Выпуск №4196
РАЦИОНАЛЬНОСТЬ КАК ЧЕРТА ЭКОНОМИЧЕСКОГО ПОВЕДЕНИЯ ИНДИВИДА
дескриптивизм иррациональность институционализм мотив модель экономического поведения
Подробнее
МАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕ Страницы: 197-208 Выпуск №24576
Определение оптимальной ценовой стратегии для онлайн-кинотеатров с помощью агентной модели на примере Иви и Кинопоиска
агентно-ориентированное моделирование теория игр онлайн-кинотеатры OTT-видеосервисы равновесие Нэша
Подробнее