https://repository.hneu.edu.ua/handle/123456789/154 2026-04-04T16:55:57Z https://repository.hneu.edu.ua/handle/123456789/38821 Назва: Гібридна сегментація ринку електромобілів України методами Data Science Автори: Андрусик Є. В.; Гур’янова Л. С. Короткий огляд (реферат): У статті розглянуто актуальну проблему ефективної сегментації ринку електромобілів України. Цей ринок, з одного боку, демонструє експоненційне зростання, а з іншого – розвивається в умовах значних економічних і соціальних викликів, що формує унікальну споживчу поведінку. Проведений аналіз показав, що традиційні підходи до сегментації, які базуються переважно на соціально-демографічних чи цінових характеристиках, є недостатніми, оскільки не дозволяють зрозуміти глибинні драйвери та мотивацію, що стоять за вибором споживачів. Метою дослідження є розробка та апробація комплексної гібридної моделі сегментації, яка інтегрує об'єктивні кількісні показники ринку та суб'єктивні психографічні й поведінкові характеристики споживачів. Емпіричною базою роботи виступили два масиви даних: структуровані дані про державну реєстрацію електромобілів в Україні за період з 2020 по 2025 рік та неструктуровані дані, що включають близько 6000 текстових відгуків реальних власників із провідних українських автомобільних ресурсів. Для вирішення поставлених завдань було застосовано комплексний підхід, що містить методи Data Science: дескриптивну статистику, збір даних методами Data Scraping, обробку природної мови (NLP) для проведення тематичного моделювання та аналізу тональності відгуків, а також кластерний аналіз за алгоритмом k-середніх. На першому етапі аналіз структурованих даних дозволив виявити ключові ринкові тенденції та виявив парадоксальну поляризацію попиту: споживачі переважно обирають або бюджетні моделі з малим запасом ходу, або преміальні авто з максимальним. На другому етапі аналіз неструктурованих даних дав пояснення цьому явищу, показавши, що домінуючим сценарієм використання є "поїздки в місті", для яких велика автономність не є критичною. Синтез цих двох підходів у фінальній гібридній моделі дозволив ідентифікувати чотири повноцінні, якісно відмінні споживчі сегменти: • "Ентузіасти та індивідуалісти" (33 % ринку), для яких пріоритетом є емоції від динаміки та дизайну; • "Прагматичні оптимізатори" (28 %), сфокусовані на раціональному співвідношенні ціни та функціональності для щоденних завдань; • "Технологічні лідери" (25 %), що обирають статус, інновації та технологічну перевагу; та • "Сучасна сім'я" (13 %), для якої ключовими є якість, комфорт і безпека. Дослідження доводить, що лише гібридний підхід, який поєднує "що" (кількісні дані) і "чому" (якісні дані), дозволяє отримати повне та глибоке розуміння сучасного ринку. Найважливішим висновком є те, що найбільший сегмент ринку (33 %) керується емоційно-іміджевими, а не суто раціональними факторами, що надає учасникам ринку практичні інструменти для розробки більш точних та ефективних маркетингових стратегій. 2025-01-01T00:00:00Z https://repository.hneu.edu.ua/handle/123456789/38820 Назва: Методи Data Science: аналіз підходів до сегментації клієнтів Автори: Андрусик Є. В.; Кагановський О. С. Короткий огляд (реферат): У статті розглянуто проблему підвищення ефективності маркетингових стратегій в умовах сучасного динамічного ринкового середовища, що характеризується високим рівнем конкуренції, інформаційним перевантаженням і швидкою зміною споживчих вподобань. Проведений аналіз показав, що традиційні методи сегментації, засновані на демографічних, географічних та соціально-економічних характеристиках, не дозволяють враховувати індивідуальні потреби, вподобання та поведінкові особливості споживачів, що знижує ефективність маркетингових кампаній. Зазначено, що в цих умовах на перший план виходять новітні альтернативні підходи, що ґрунтуються на використанні неструктурованих даних, динамічній сегментації та психографічних факторах. Реалізація альтернативних підходів неможлива без застосування таких методів Data Science, як k-means, ієрархічна кластеризація та DBSCAN, які дозволяють виявляти приховані закономірності в поведінці клієнтів і формувати більш точні сегменти. Визначено переваги та недоліки методів кластеризації під час реалізації альтернативних підходів до сегментації клієнтів. Зазначено, що вибір методу сегментації повинен ґрунтуватися на комплексному аналізі в контексті конкретного завдання (селективний підхід) або гібридизації, яка дозволяє підсилити переваги та нівелювати недоліки кожного з методів. Підкреслено, що селекція або гібридизація під час роботи з неструктурованими даними потребує перетворення даних (текстових, аудіо, медіа) на числові. У вирішенні цього завдання допоможе сполучення K-means, ієрархічної кластеризації або DBSCAN разом з іншими методами, такими як метод виділення ключових слів, тематичне моделювання, векторні представлення слів, методи обробки природної мови (NLP) або комп'ютерного зору. Для динамічної сегментації можуть бути використані mini-batch K-means, що являє собою модифікацію алгоритму K-means, яка використовується для кластеризації великих наборів даних. Це дозволяє значно прискорити процес кластеризації, особливо при роботі зі значними обсягами інформації. Наголошено, що психографічні фактори мають, напевно, найбільшу значущість, бо глибше відображають цінності і мотивацію споживачів. Ієрархічна кластеризація дозволяє візуалізувати групи різних психографічних факторів, але інтерпретація таких об’єднань вимагатиме додаткового аналізу за допомогою ШІ. Найбільш доцільним методом для сегментації клієнтів за психографічними факторами є DBSCAN. Цей метод дозволяє виявляти групи з подібними профілями, навіть якщо вони мають складну форму, а також кластери з нелінійними межами. Підкреслено, що подальші дослідження мають бути спрямовані на розробку гібридних моделей, які поєднують різні алгоритми кластеризації з альтернативними підходами для збільшення результативності маркетингової стратегії компанії. 2025-01-01T00:00:00Z https://repository.hneu.edu.ua/handle/123456789/38813 Назва: Аналіз ініціатив з розвитку ІТ кластерів України у контексті інтеграції в цифровий ринок ЄС Автори: Липовецький Б. Г. Короткий огляд (реферат): У роботі розглянуто роль ініціатив Європейського Союзу пов’язаних з розвитком українського ІТ сектору та ІТ кластерів. Зокрема проаналізовано такі програми як EU4Digital, Enterprise Europe Network, ITBridge. Окреслено можливості, які надають ці ініціативи українським ІТ-кластерам у сфері міжнародної співпраці, гармонізації цифрових стандартів та розвитку цифрової інфраструктури. 2025-01-01T00:00:00Z https://repository.hneu.edu.ua/handle/123456789/38812 Назва: Time series analysis of Ukraine’s IT export performance Автори: Lypovetskyi B. Короткий огляд (реферат): The study examines the use of a Seasonal Autoregressive Integrated Moving Average model to forecast the dynamics of computer services exports. The research is based on NBU statistical data on computer services exports for the period 2015–2025. The modeling results can provide the basis for forecasting the contribution of the IT sector to the national economy. 2025-01-01T00:00:00Z