ПРОГНОЗУВАННЯ КОНВЕРСІЇ В ЦИФРОВОМУ СЕРЕДОВИЩІ НА ОСНОВІ МОДЕЛІ MLP+LSTM З ІНТЕГРАЦІЄЮ ПОКАЗНИКІВ СТІЙКОСТІ ТА ЕВОЛЮЦІЇ ПОВЕДІНКОВИХ СЕГМЕНТІВ

Анотація

У статті запропоновано підхід до прогнозування конверсії в цифровому середовищі на основі гібридної моделі MLP+LSTM з інтеграцією показників стійкості та еволюції поведінкових сегментів. Сесії користувачів сегментуються за допомогою кластерного аналізу, після чого для кожного сегмента визначаються показники структурної стабільності за індексом CSAI та характеристики еволюційної динаміки за моделлю MONIC. Отримані сегментно-динамічні параметри включаються до розширеного вектора ознак прогностичної моделі. MLP-компонент опрацьовує агреговані session-level ознаки та показники, сформовані на основі CSAI і MONIC, тоді як LSTM-компонент аналізує реальний clickstream користувача як послідовність дій у межах сесії. Такий підхід дає змогу одночасно враховувати інтегральні характеристики сесії, часову структуру взаємодії користувача з цифровим середовищем і властивості сегмента з погляду його стійкості та трансформації. Практичне значення роботи полягає у підвищенні точності прогнозування конверсії та підтримці рішень щодо персоналізації й оптимізації цифрових сервісів.