TY - GEN N1 - Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2018; Nr 526; s. 23-38 N2 - W artykule zaprezentowano wybrane metody i narzędzia machine learning, wykorzystujące najnowsze technologie informacyjno-komunikacyjne, które mogą być używane przez podmioty prowadzące działalność handlową w modelu omnichannel w celu osiągnięcia przewagi konkurencyjnej na trudnym i turbulentnym rynku internetowym. Opisane zostaną metody pracy użytkownika platformy Real-Time Omnichannel Marketing (menedżera, analityka marketingu), poszukującego nietrywialnej, nowej i użytecznej wiedzy, którą będzie mógł wykorzystać w procesie podejmowania decyzji. Pokazano kilka przykładów zastosowań algorytmów machine learning. W szczególności opisano metody poszukiwania wzorców zachowań klienta, które zilustrowano eksperymentami wykonanymi na rzeczywistych danych. Pozyskana wiedza może być użyta w sposób automatyczny w procesach komunikacji z klientem m.in. do zwiększenia szansy zakupu, polepszenia satysfakcji klienta, zmniejszenia ryzyka odejścia klienta czy optymalizacji marży na produkcie L1 - http://www.dbc.wroc.pl/Content/58397/Pondel_Wybrane_Algorytmy_Machine_Learning_w_Marketingu_2018.pdf M3 - artykuł L2 - http://www.dbc.wroc.pl/Content/58397 PY - 2018 KW - ekspolarcja danych marketingowych KW - machine learning KW - Hadoop KW - MLlib KW - reguły asocjacyjne KW - association rules KW - Spark C1 - Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy A1 - Pondel, Maciej A1 - Korczak, Jerzy PB - Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu C6 - Dla wszystkich zgodnie z licencją LA - pol CY - Wrocław ID - DOI: 10.15611/pn.2018.526.02 T1 - Wybrane algorytmy machine learning w marketingu UR - http://www.dbc.wroc.pl/dlibra/publication/edition/58397 T2 - Selected Machine Learning algorithms in marketing+A6 ER -