ПРОГНОЗИРОВАНИЕ СОВОКУПНОГО ЭФФЕКТА ПРОМО-АКЦИЙ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Быстров Александр Игоревич

В данной работе ставится цель повышения точности прогнозирования итогового промо-эффекта в индустрии быстрого питания. Исследование предлагает инновационный подход, заключающийся в выделении прироста продаж, обусловленного промо-акциями, в отдельную временную последовательность и последующем моделировании этой величины с помощью методов машинного обучения. Для решения задачи используется алгоритм градиентного бустинга (CatBoost), который позволяет эффективно работать с категориальными и числовыми признаками, включая глубину скидки, механику акции, характеристики продукта и региональные особенности. Методология включает построение базового прогноза с использованием экспоненциального сглаживания для оценки «безпромо» продаж, а затем – определение разницы между фактическими продажами и базовой линией. Полученная разность служит целевой переменной для обучения модели, что позволяет избежать информационных потерь, характерных для традиционных моделей временных рядов. Экспериментальная часть, основанная на данных 760 уникальных акций, демонстрирует, что предложенный подход приводит к улучшению метрики 1 – WAPE в среднем на 8% по сравнению с классическим подходом. Результаты подтверждают возможность более точного прогнозирования спроса, что способствует оптимизации управления запасами и повышению операционной эффективности.

Ключевые слова:прогнозирование спроса, промо-акции, градиентный бустинг, промо-эффект, индустрия быстрого питания