Размещено на http://www.allbest.ru/

Применение интеллектуальных информационных

технологий в маркетинге

Безлепкина В.Н.

Аннотация

В статье рассмотрены методы применения инновационных интеллектуальных технологий в маркетинге на основе моделирования нейронных сетей с использованием самоорганизующихся карт Кохонена.

Ключевые слова: инновационные интеллектуальные технологии, нейросетевые технологии, самоорганизующиеся карты Кохонена.

V.N. Bezlepkina

Abstract: In the article the methods of application of innovative technologies in smart marketing based on the modeling of neural networks using the Kohonen self-organizing maps.

Key words: innovative intelligent technologies, neural network technology, the Kohonen self-organizing maps.

В каждой предметной области при ближайшем рассмотрении можно найти постановки нейросетевых задач, которые имеют практическое значение. В экономике и бизнесе этот метод применяется для предсказания рынков, автоматического дилинга, оценки рисков невозврата кредитов, предсказания банкротств, оценки стоимости недвижимости, выявления пере- и недооцененных компаний, автоматического рейтингования, оптимизации портфелей, товарных и денежных потоков. Нейросетевые технологии позволяют сгруппировать информацию и объединить ее на принципах, сходных с деятельностью человеческого мозга стратегов, высших менеджеров, аналитиков и других людей, принимающих участие в рыночной деятельности. интеллектуальный инновационный маркетинг нейронный

Техника самоорганизующихся карт Кохонена позволяет обеспечить лучшую визуализацию наблюдаемых многомерных данных, создает топологическое представление сложных отношений и связей в этих данных; улучшает кластеризацию, проецирование и понижение размерности в комплексных структурах; с помощью обнаружения новых структур и примеров в данных облегчает поиск скрытых зависимостей. Сейчас актуальным является применение в финансах, экономике и маркетинге методов, основанных на неуправляемых нейросетях и, в частности, - на самоорганизующихся картах, которые существенно облегчают процесс обнаружения скрытых зависимостей и добычи данных.

Технология самоорганизующихся карт признаков (СКП) представляет собой набор аналитических процедур и алгоритмов, позволяющих преобразовать традиционное описание множества объектов, заданных в многомерном (число измерений больше 3) пространстве признаков плоской базы данных, в двумерную карту. Полученная карта устроена таким образом, что близким объектам в многомерном пространстве отвечают рядом стоящие точки (их образы) на карте.

В результате, трудноанализируемые в совокупности многомерные объекты получают простой и наглядный вид на двумерной карте, которая сохраняет их основные свойства (топологию и распределение в многомерном пространстве).

Предположим, что имеется информация о деятельности нескольких десятков фирм на рынке (их открытая финансовая отчетность) за некоторый период времени. По окончании этого периода исследователю известно, какие из этих фирм обанкротились, а какие продолжают стабильно работать (на момент окончания периода). И теперь следует решить вопрос о том, какие из них являются приоритетными, с точки зрения сотрудничества. Значит, следует каким-то образом решить задачу анализа рисков сотрудничества с различными коммерческими структурами.

При использовании статистических методов эксперт фактически навязывает результат, не пытаясь найти закономерности в исходных данных. В принципе все убыточные фирмы похожи друг на друга хотя бы тем, что они терпят убытки. Значит, в их деятельности должно быть что-то более общее, что привело их к этому итогу. Следовательно, можно попытаться найти эти закономерности с тем, чтобы использовать их в дальнейшем. И тут возникает вопрос о том, как найти эти закономерности. Для этого, если будут использоваться методы статистики, исследователь должен определить, какие критерии "схожести" использовать, это может потребовать от него каких-либо дополнительных знаний о характере задачи.

Удобным путем решения этой проблемы может быть применение нейронных сетей. Метод анализа с использованием самоорганизующихся карт Кохонена - это метод, позволяющий автоматизировать все действия по поиску закономерностей. Рассмотрим, как решаются такие задачи и как карты Кохонена находят закономерности в исходных данных. Для общности рассмотрения здесь и далее будем использовать термин объект (например, объектом может быть фирма-клиент, как в рассматриваемом примере, но описываемый метод без изменений подходит для решения и других задач, например, анализа конкуренции, поиска оптимальной стратегии поведения на рынке).

Каждый объект характеризуется набором различных параметров, которые описывают его состояние. Для примера по анализу фирм-клиентов параметрами можно взять данные из финансовых отчетов. Эти параметры часто имеют числовую форму или могут быть приведены к ней.

Решение задачи предполагает на основании анализа параметров объектов выделение схожих объектов и представление результата в форме, удобной для восприятия. Все эти подзадачи успешно и эффективно решаются самоорганизующимися картами Кохонена. В целях упрощения рассмотрения будем считать, что объекты имеют 3 признака (на самом деле их может быть любое количество).

Предположим, что все эти три параметра объектов представляют собой их координаты в трехмерном пространстве. Например, для промышленного предприятия это могут быть следующие показатели: капитализация, объем реализованной продукции, прибыль. Тогда каждый объект можно представить в виде точки в этом пространстве, что и сделаем (чтобы не было проблем с различным масштабом по осям, пронормируем все эти признаки в интервал [0,1] любым подходящим способом). В результате проведенной нормировки, все точки попадут в куб единичного размера. Отобразим эти точки (Рисунок 1).

Рис. 1 - Расположение объектов в трехмерном пространстве

Анализ полученного рисунка позволяет увидеть, как расположены объекты в пространстве, причем легко заметить участки, где объекты группируются (сгущения). Распределение объектов, таким образом, означает, что у них схожи параметры, значит, и сами эти объекты принадлежат одной группе. Очевидно, что так легко можно поступить только в случае, когда признаков немного, поскольку человеческий разум не может представить изображение четырехмерного пространства. Следовательно, необходимо найти способ, которым можно преобразовать данную систему в простую для восприятия, желательно двумерную систему (потому что уже трехмерную картинку невозможно корректно отобразить на плоскости) так, чтобы соседние в изучаемом пространстве объекты оказались рядом и на полученной картинке. Для этого используем самоорганизующуюся карту Кохонена. В первом приближении ее можно представить в виде гибкой сети (Рисунок 2).

Рис. 2 - Карта Кохонена

Эластичную сеть карты исследователь помещает в пространство признаков, где уже имеются объекты, которые необходимо проанализировать. Далее система работает следующим образом: берется один объект (точка в исследуемом пространстве) и выявляется ближайший к нему узел сети. После этого данный узел подтягивается к объекту (сетка эластична, поэтому вместе с этим узлом так же, но с меньшей силой подтягиваются и соседние узлы). Затем выбирается другой объект (точка), и процедура повторяется. В результате строится карта, расположение узлов которой совпадает с расположением основных скоплений объектов в исходном пространстве.

Кроме того, полученная карта обладает следующим замечательным свойством - узлы ее расположились таким образом, что объектам, похожим между собой, соответствуют соседние узлы карты (Рисунок 3). Теперь следует определить, в какие узлы карты попали те или иные объекты. Это также определяется ближайшим узлом - объект попадает в тот узел, который находится ближе к нему. В результате всех этих операций объекты со схожими параметрами попадут в один узел или в соседние узлы. Таким образом, можно считать, что благодаря системе самоорганизующихся карт Кохонена исследователь решает задачу поиска похожих объектов и их группировки.

Рис. 3 - Вид пространства после наложения карты

Самоорганизующиеся карты Кохонена обладают и другими возможностями. Они позволяют также представить полученную информацию в простой и наглядной форме путем нанесения раскраски. Для этого исследователь раскрашивает полученную карту цветами, соответствующими интересующим признакам объектов. Возвращаясь к примеру с анализом фирм-клиентов на рынке, можно раскрасить одним цветом те узлы, куда попала хотя бы одна фирма, у которой наблюдаются убытки. Тогда после нанесения цвета мы получим зону, которую можно назвать зоной риска, и попадание интересующей нас фирмы в эту зону говорит о ее ненадежности.

С помощью карт можно также получить информацию о зависимостях между параметрами. Отмечая на карте различные статьи финансовых и экономических отчетов отдельными цветами, исследователь получит атлас, хранящий в себе информацию о состоянии рынка. Сравнивая расположение цветов на раскрашенных картах, подготовленных таким образом, руководитель получает полную информацию о финансовом и экономическом портрете фирм-клиентов - банкротов, неудачников, процветающих фирм, "середняков". Например, таким показателем может быть чистая прибыль фирмы. Тогда (Рисунок 4), в красной зоне будут находиться самые прибыльные фирмы, а в синей - самые убыточные.

Рис. 4 - Раскраска карты, порожденная i-м показателем

Эта технология также полезна и потому, что в России большая часть деловой информации является засекреченной, и, в результате, информация, на основании которой приходится работать, крайне искажена и часто наполнена слухами.

Таким образом, имея перед собой карту, исследователь может достаточно достоверно судить об объектах, даже если имеет неполную информацию о них. В результате, можно извлекать информацию из базы данных, основываясь на нечетких характеристиках.

В отличие от классических методов, самоорганизующиеся карты обеспечивают простую визуализацию данных, навязывают несколько меньшее количество предположений и ограничений и обнаруживают изолированные структуры в данных, оперируя с большим количеством комплексных данных.

Учитывая показанные возможности самоорганизующихся карт, можно определить следующие основные области применения этих карт в маркетинге:

- анализ товарных рынков на основании потребительских предпочтений;