аспирант
Postgraduate student of the Department of Medical and Pharmaceutical Commodity Science
доктор фармацевтических наук, профессор, профессор кафедры медицинского и фармацевтического товароведения
Doctor of Pharmaceutical Sciences, Professor, Professor of the Department of Medical and Pharmaceutical Commodity Science
доктор фармацевтических наук, профессор, профессор кафедры управления и экономики фармации
Doctor of Pharmaceutical Sciences, Professor, Professor of the Department of Pharmacy Management and Economics
PhD in Pharmacy, Associate Professor of the Department of Pharmacy Management and Economics
кандидат фармацевтических наук, доцент кафедры управления и экономики фармации
кандидат фармацевтических наук, доцент кафедры фармации
PhD in Pharmacy, Associate Professor of the Department of Pharmacy
Background. Currently, the validation of consumer spending forecasts for pharmacy products is insufficiently studied in terms of big data analysis (Big Data). The systematic collection and analysis of large amounts of data on consumer behavior is a key step in the targeted marketing of pharmacy organizations, which helps to increase the speed of response to changing market trends.
Purpose. Validation of consumer spending forecasts for pharmacy products for targeted marketing purposes.
Materials and methods. The forecast model was built by analyzing transactions in 1,121 pharmacy organizations for the period 2018-2023. Statistical data processing was carried out using specialized computer programs: transaction data was collected using sqlalchemy (sql server) - pd.read_sql; data processing and storage were carried out using pd.read_feather; data preprocessing was carried out using the pandas and numpy libraries, difflib, pymystem3, sklearn, networkx, re, and timezonefinder; modeling was carried out using sklearn, xgboost, catboost, and scipy.
Results. During the study, the actual average monetary expenditures of consumers were divided into minimum-necessary, standard, comfortable, and optional expenditures. The calculated interquartile range was 44294.46 RUB. Using artificial intelligence algorithms, the expenses of consumers of pharmacy products were modeled based on data from previous periods. The segmentation of consumers of pharmacy products was carried out based on the following criteria: number of consumers, average check amount, total revenue, average revenue per customer, and analysis of the forecast of consumer spending on pharmacy products based on big data. For 31.93% of consumer forecasts of total expenses (before taking into account margins), the decision deviated from the fact by less than 1,000 rubles, and for 51.87% of forecasts, by less than 2,000 rubles (cumulative).
The results of the study partially confirmed the hypothesis. The use of machine learning technologies allows for reliable predictions of the volume of purchases of pharmacy products for the categories of essential and standard expenses. However, the hypothesis was not confirmed for comfortable and optional expenses. Nevertheless, the analysis of the accuracy of the prediction based on machine learning technologies showed its high reliability, and the error in predicting the total expenses of most consumers was insignificant.
Обоснование. В настоящее время валидация прогноза расходов потребителей товаров аптечного ассортимента является недостаточно изученной в разрезе анализа больших данных (Big Data). Систематический сбор и анализ больших массивов данных о потребительском поведении – ключевой этап в целевом маркетинге аптечных организаций, который способствует повышению скорости реагирования на изменение рыночных трендов.
Цель исследования. Проведение валидации прогноза расходов потребителей товаров аптечного ассортимента для задач целевого маркетинга.
Материалы и методы. Построение модели прогноза проведено путем анализа транзакций в 1121 аптечной организации за период 2018-2023 гг. Статистическая обработка данных проводилась с помощью специализированных компьютерных программ: данн
Результаты. В ходе исследования фактические средние денежные расходы потребителей были распределены на минимально-необходимые, стандартные, комфортные и необязательные расходы. Рассчитанный межквартильный размах составил 44294,46 руб. С применением алгоритмов искусственного интеллекта были смоделированы расходы потребителей товаров аптечного ассортимента на основе данных предыдущих периодов. Проведено сегментирование потребителей товаров аптечного ассортимента по критериям: число потребителей, средняя сумма чека, общая сумма выручки, средний доход с клиента и анализ прогноза расходов потребителей товаров аптечного ассортимента на основе больших данных. По 31,93% прогнозов суммарных расходов (до учета маржинальности) потребителей решение отклонилось от факта на менее 1 тыс. руб., по 51,87% прогнозов – на менее 2 тыс. руб. (накопительным итогом).
Результаты исследования частично подтвердили выдвинутую гипотезу. Применение технологий машинного обучения позволяет строить достоверные прогнозы объёмов покупок ТАА для категорий минимально необходимых и стандартных расходов. Однако в отношении комфортных и необязательных расходов гипотеза подтверждения не нашла. Тем не менее анализ точности прогноза на основе технологий машинного обучения показал его высокую надежность, ошибка прогноза суммарных расходов большинства потребителей была незначительной.