Termékprofilozás klaszterezési módszerekkel

Forgács Krisztina (2025) Termékprofilozás klaszterezési módszerekkel. Pénzügyi és Számviteli Kar.

	PDF ForgacsKrisztinaSzakdolgozat.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (2MB)
	Archive (ZIP) ForgacsKrisztinaKodEsAdatok.zip Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (2MB)
	PDF biralatilap_Forgács_Krisztina.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (94kB)

Absztrakt (kivonat)

A dolgozat célja egy e-kereskedelmi vállalat termékportfóliójának elemzése és szegmentálása klaszterezési módszerek alkalmazásával. Az adat-előkészítést leíró statisztikák, korrelációszámítás, outlier-kezelés, standardizálás és PCA egészítette ki. A kutatás több algoritmust – K-means, agglomeratív klaszterezés, DBSCAN – hasonlított össze klasztervalidációs mutatók (például sziluett-pontszám, Davies-Bouldin index és Calinski-Harabasz index) és vizualizációk alapján.A végső, öt klaszteres K-means modell jól elkülönülő, üzletileg értelmezhető termékcsoportokat hozott létre, amelyek eltérő szerepeket töltenek be a termékportfólióban. A klaszterprofilok alapján feltárhatók a fő bevételi és nyereségközpontok, valamint az alacsonyabb értékű, de nagy elemszámú szegmensek. A klaszterek, klaszterátlagok és összérték-megoszlásokvizualizációi azt is megmutatták, hogy a termékállomány követi a Long Tail struktúrát.A dolgozat eredményei rávilágítanak arra, hogy a klaszterezés hatékony eszköz az e-kereskedelmi termékportfóliók mélyebb megértéséhez, és lehetőséget ad arra, hogy a vállalatok adatvezérelt módon támogassák portfólióstratégiájuk kialakítását és finomítását.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	adatelemzés - adatbányászat, gépi tanulás, klaszteranalízis, Python, termékprofilozás
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2026. Júl. 09. 11:14
Utolsó módosítás:	2026. Júl. 09. 11:14

Actions (login required)

Tétel nézet