Soovitusprogrammi optimeerimine masinõppe abil idufirma Promoty näitel

Date

2018

Journal Title

Journal ISSN

Volume Title

Publisher

Abstract

Idufirmade jaoks üks parimaid võimalusi kiire kasvu saavutamiseks on soovitusprogrammid. Vaatamata sellele ei ole paljud Eesti idufirmad suutnud neid edukalt käivitada. Seetõttu pakuti antud magistritöös Eesti idufirmadele välja metoodika juhendatud ja juhendamata masinõppe rakendamiseks soovitusprogrammi analüüsiks ja optimeerimiseks. Metoodika näitlikustamiseks loodi idufirma Promoty jaoks mudel, mis hindab iga Promotyga mitteseotud Instagrami kasutaja tõenäosust osutuda Promoty jaoks nn. kasulikuks kasutajaks, kes kutsub platvormiga liituma vähemalt ühe uue kasutaja. Töö käigus loodud mudel suudab 60% esitustäpsuse juures tuvastada 23,6% kõikidest kasulikest kasutajatest. Mudeli ennustusvõime parendamiseks pakuti välja tunnused, mida Promoty peaks täiendavalt koguma. Samutiviidi läbi klasteranalüüs, et selgitada välja Promoty jaoks kasulikku kasutajatiseloomustavad tunnused, ning teha sellest tulenevalt ettepanekuid soovitusprogrammi efektiivsemaks rakendamiseks. Antud töö tulemused on olulised idufirmale Promoty kiire kasvu saavutamiseks uutele turgudele sisenemisel, samuti teistele soovitusprogramme rakendavatele või rakendada plaanivatele idufirmadele.
Referral programs are one of the best options for startups to achieve fast growth. Despite that, many Estonian startups have not managed to run successful referral programs. For that reason, a methodology was proposed for Estonian startups for applying supervised and unsupervised machine learning to analyze and optimize their referral program. The methodology was implemented on a startup called Promoty. For every Instagram user not connected to Promoty, the model estimates the probability of becoming so-called „useful user“ who invites at least one new member to Promoty’s platform. With 60% precision, the model is able to identify 23,6% of all the useful users. Therefore, additional features that should be added to improve the model’s prediction power were proposed. Also, cluster analysis was performed to find out the descriptive features of Promoty’s useful users and based on that, recommendations for improving the referral program were made. The resultsare significant for Promoty to achieve fast growth when entering new markets as well as for other startups that are implementing or planning to implement referral programs.

Description

Keywords

Citation