Сегментация торгового пространства

Модель сегментации торгового пространства

Имеем систему подготовки, управления и балансировки обучающих выборок, штат специально обученных разметчиков и инфраструктуру распределенных вычислений — что позволяет размечать данные большого объема в сотни миллионов строк.

• На входе

  Данные за конкретный месяц

  

• Модель сегментации

  Данные за конкретный месяц

  

• На выходе

  Ежемесячное определение сегментов торговых точек

  

Как мы решаем задачи?

Компания «Умные кассы» обладает большим объемом данных о кассовых чеках (сотни тысяч касовых аппаратов, ежедневная актуализация данных, миллиарды транзакций).

Поставила перед нами следующую задачу: определить тип торговых точек (продуктовый магазин, автосервис, спа-салон и др. — всего 150 типов) на основе данных о продажах в кассовых чеках в нескольких торговых точках.

Проведя EDA, мы обнаружили ряд ограничений, с которыми мы смогли справиться:

По продажам торговых точек невозможно понять, к какому сегменту бизнеса она принадлежит

Для этого мы разработали модель ML, определяющую тип торговой точки по эконометрическим данным и текстовому названию товаров в чеках

Но названия товаров в чеках указывают сами продавцы, названия не единообразны, не структурированы, в 50% позиций название вообще отсутствует. Как модель имеет такую высокую точность?

Данные продаж в чеках сначала проходят тщательную подготовку, проводится анализ семантики на предмет различных проблем (разнообразие описаний товаров и услуг, некорректный ввод данных, выявление аномалий и др.), а затем данные проходят через алгоритм чистки текста (очистка текстов от шумовых символов, формирование «белого» списка слов и др.)

А еще в полученных данных выборка торговых точек не сбалансирована относительно генеральной совокупности, показатели регионов смещены относительно всей страны

Для повышения репрезентативности и точности данных, а также для исключения возможных погрешностей мы обязательно проводим калибровку данных (адаптивное RIM-взвешивание), экстраполяцию продаж на выборки (город, регион, страну) и применяем нашу динамическую систему управления качеством данных, прежде чем запускать модель.

По итогу наша модель сегментации для компании «Умные кассы» показала точность определения сегментов от 86% до 97% в зависимости от типа торговой точки (всего 150 типов торговых точек).

И теперь с помощью сегментации торговых точек мы можем построить аналитику продаж в канале, тренды категории, проанализировать динамику отдельных рынков (FMCG, Beauty, Fashion и др.), чтобы решить новые задачи.

Решим и вашу задачу!