Интерпретируемые методы машинного обучения в анализе факторов продаж на маркетплейсах

Введение. Цифровые торговые площадки представляют собой сложные и стремительно развивающиеся экосистемы, в которых на результаты продаж влияет комплексное взаимодействие поведения потребителей, стратегий продавцов и алгоритмических механизмов самих платформ. Понимание того, какие ключевые факторы и каким образом воздействуют на продажи в условиях высокой размерности данных, частых управленческих вмешательств и значительной взаимозависимости переменных, остается актуальной и методологически сложной задачей. Цель. Разработка и апробация основанного на данных (data-driven) модульного подхода к выявлению и анализу факторов, влияющих на объем продаж, с учетом специфики функционирования маркетплейсов. Материалы и методы. Предлагаемый подход основан на применении методов машинного обучения XGBoost и Random Forest. Для обеспечения адаптивности применяется обучение моделей по принципу скользящего окна с триггерами, реагирующими на изменения в распределении данных. Оценка вклада признаков осуществляется с использованием метода SHapley Additive exPlanations. Апробация подхода проведена на данных, собранных на маркетплейсе Wildberries и охватывающих 36 недель, которые содержат 56 448 наблюдений по 1568 товарным позициям. Результаты. Анализ показал, что наибольшее влияние на объем продаж оказывают факторы, связанные с поисковой видимостью и пользовательской вовлеченностью, в частности количество запросов в топ-100 и количество отзывов. Ценовые и рекламные характеристики также способствуют росту продаж, но их влияние оказалось менее выраженным. Результаты исследования демонстрируют, что наибольшее влияние на прогнозируемый объем продаж оказывают стратегии, направленные на повышение позиций в поисковой выдаче и активизацию интереса со стороны пользователей. Выводы. Предложенный подход представляет собой надежную аналитическую основу для изучения цифровых каналов сбыта и может служить эффективным инструментом поддержки управленческих решений в условиях динамичной и высококонкурентной среды маркетплейсов.