Реализация методов маршрутизации покупателя в магазине
DOI:
https://doi.org/10.25806/ma-1567Ключевые слова:
маркетинг, маршрутизация, муравьиный алгоритм, коммерция, анализ транзакций, ассоциативные правила, кросс-продажи, LoginomАннотация
В статье предлагаются два метода размещения товаров в магазине, где в качестве критерия эффективности используется стоимость маршрута покупателя в процессе покупок. Первый метод основан на разнице в количестве совершенных покупок и предполагает использование чередования популярных и непопулярных товаров с целью привлечения внимания покупателя к последним. Второй метод базируется на максимизации стоимости маршрута с учетом ассоциативной связи с целью увеличения заинтересованности к каждому товару и увеличения вероятности двойных отборов. Для получения маршрутов применен муравьиный алгоритм. Для сравнения эффективности методов размещения товаров использована стоимость маршрута покупателя. В статье приведен числовой пример, в котором показано, что применение метода на основе популярных товаров приводит к потерям по стоимости маршрута в среднем на 80,5% относительно метода на основе ассоциативных правил. Применение метода на основе ассоциативных правил увеличивает средний кросс-мерчендайзинговый коэффициент между соседними товарами за счет использования маршрута, оптимизированного таким образом, чтобы сумма данных коэффициентов между соседними товарами была максимальна. В примере применение метода на основе популярных товаров приводит к потерям по кросс-мерчендайзинговому коэффициенту в среднем до 72,2% относительно метода на основе ассоциативных правил. По поддержке двойных отборов товаров – в среднем до 15,8%.
Статья опубликована: 28.02.2024
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Условия использования. Статьи текущего года распространяются по подписке на журнал «Маркетинг в России и за рубежом». Все права защищены. Материалы предыдущих лет распространяются по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0). Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.
Машиночитаемый файл метаданных: JATS XML
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: ООО "Финпресс".
Условия использования. Полные тексты статей, опубликованных в журнале, распространяются по подписке. Все права защищены. Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.
Машиночитаемый файл метаданных: JATS XML
Полная версия статьи доступна на сайте Научной электронной библиотеки eLIBRARY.RU: https://elibrary.ru/contents.asp?titleid=8819
Библиографические ссылки
2. Agrawal R., Imieliński T., Swami A. Mining association rules between sets of items in large atabases//Proceedings of the 1993 ACM SIGMOD international conference on Management of data – SIGMOD '93. – 1993. – ISBN 0897915925. – DOI: 10.1145/170035.170072
3. Козлов А.А. Типизация магазинов при помощи машинного обучения / А.А. Козлов, С.А. Андронов // Аэрокосмическое приборостроение и эксплуатационные технологии: Четвертая Междунар. науч. конф., Санкт-Петербург, 4–21 апреля 2023 г. Т. 1. – СПб.: С.-Петерб. гос. ун-т аэрокосм. приборостроения, 2023. – С. 189–197. – DOI 10.31799/978-5-8088-1819-4-2023-4-1-189-197. – EDN LJPNHG.
4. Козлов А.А. Компоненты системы поддержки принятия решений по оптимизации товарного ассортимента на основе машинного обучения / А.А. Козлов, С.А. Андронов // Системный анализ и логистика. – 2023. – № 1 (35). – С. 34–43. – DOI: 10.31799/2077-5687-2023-1-34-43. – EDN QOCHKA.
5. Чураков М., Якушев А. Муравьиные алгоритмы / М. Чураков, А. Якушев // 2006.
6. Муравьи и Python: ищем самые короткие пути [Электронный ресурс]. URL: vc.ru/newtechaudit/353372-muravi-i-python-ishchem-samye-korotkie-puti (дата обращения: 14.06.2023).
7. Loginom Community Edition [Электронный ресурс]. URL: loginom.ru (дата обращения: 11.05.2023).
8. Python [Электронный ресурс]. URL: python.org (дата обращения: 11.05.2023).
9. Введение в анализ ассоциативных правил [Электронный ресурс]. URL: loginom.ru/blog/associative-rules (дата обращения: 14.06.2023).
10. FPG – альтернативный алгоритм поиска ассоциативных правил [Электронный ресурс]. URL: loginom.ru/blog/fpg (дата обращения: 09.06.2023).
11. Машнин А.В. Метод линейной свертки / А.В. Машнин, А.В. Тимофеев, В.Ю. Шаврин // Инновационная наука. – 2016. – № 1–3. – С. 39–41. – EDN XDCRJP.
12. Нордфальт Й. Ритейл-маркетинг: практики и исследования / Й. Нордфальт; пер. с англ.И. Евстигнеевой, ред. А. Воронова. – М.: Альпина Паблишер, 2015. – 490 с.
13. Кажаров А.А. Муравьиные алгоритмы для решения транспортных задач / А.А. Кажаров, В.М. Курейчик // Известия Рос. академии наук. Теория и системы управления. – 2010. – № 1. – С. 32–45. – EDN LOIUXX.