Опубликовано: 15.08.2026 | Источник: CNews (новости)

Анализ поведения пользователей тарифов для ВКР: от данных до сегментации

Вы когда-нибудь задумывались, почему операторы связи знают, когда именно вам приходит в голову сменить тариф? По данным «МегаФона», пик таких мыслей у кузбассовцев приходится на четверг и пятницу, а самая активная группа — пользователи 35–44 лет. Для студента ИТ-специальности это не просто новость, а готовая фабула для дипломного проекта. Можно построить ВКР на реальном кейсе: собрать обезличенные данные, провести сегментацию, выявить паттерны поведения и спроектировать рекомендательную систему. Ниже покажу, как это превращается в полноценную работу, которую легко защитить.

Как новость про тарифы превращается в главы ВКР

Возможная тема: «Разработка модуля анализа поведения пользователей телеком-сервиса для повышения точности рекомендаций тарифов». Это звучит современно, попадает в требования ФГОС и даёт простор для проектирования и исследований. Вся структура работы выстраивается вокруг данных из статьи:

Такой подход убивает двух зайцев: вы показываете умение работать с реальными данными и одновременно закрываете требование «практическая значимость».

Чем наполнить первую главу

Кроме стандартного обзора литературы, включите анализ аналогичных систем. Например, как «МегаФон» использует обезличенные данные для маркетплейса тарифов — это легальный пример работы с персональными данными. Здесь же уместно описать нормативную базу: ГОСТ 34.601 для автоматизированных систем, ISO/IEC 25010 для оценки качества ПО. Не нужно углубляться в юридию, достаточно показать, что вы знаете о существовании стандартов.

Вторая глава: проектирование без «воды»

Спроектируйте архитектуру в нотации C4 или UML. Достаточно трёх уровней: контейнеры (веб-приложение, БД, аналитический сервис), компоненты (модуль сбора данных, модуль сегментации, модуль рекомендаций), код (основные классы). Для наглядности добавьте диаграмму потока данных. Например:

Источник логов → ETL (pandas, SQL) → Хранилище признаков → Сегментация (RFM/KMeans) → Рекомендатель (правила/ML)

Сразу продумайте структуру БД. Для телеком-кейса подойдут таблицы:

users (user_id, age_group, region)
tariff_views (user_id, view_date, tariff_id)
tariffs (tariff_id, price, data_limit, minutes)

Ниже пример SQL-запроса, который выносит ключевые признаки для сегментации:

SELECT
  user_id,
  COUNT(*) AS total_views,
  AVG(EXTRACT(DOW FROM view_date)) AS avg_weekday,
  COUNT(DISTINCT tariff_id) AS tariffs_considered,
  MAX(view_date) > NOW() - INTERVAL '7 days' AS active_last_week
FROM tariff_views
GROUP BY user_id;

Третья глава: метрики, которые понимает комиссия

Одна из частых проблем студентов — пишут «эффективность повысилась», но не показывают цифр. Возьмите за основу метрики рекомендательных систем: precision@k, recall@k, F1-score. Проведите A/B-тест: контрольная группа получает стандартные рекомендации, экспериментальная — с учётом дня недели и возрастной группы. Результат оформляется таблицей:

Не выдумывайте данные для таблицы — возьмите открытый датасет, например Telco Customer Churn с Kaggle, или сгенерируйте синтетику с помощью Python.

Практические выводы: чему вы научитесь

• Проектировать ETL-пайплайны для обработки обезличенных данных.
• Проводить сегментацию клиентов методами RFM-анализа и кластеризации (KMeans, DBSCAN).
• Считать метрики качества рекомендаций и оформлять результаты A/B-тестов.
• Строить архитектурные диаграммы в нотации C4/UML и защищать принятые решения.
• Связывать бизнес-гипотезы из новостей с проверяемыми моделями в дипломе.

FAQ: частые вопросы студентов

1. Могу ли я использовать статью из CNews как официальный источник?

Да, но в списке литературы она будет смотреться слабее учебников и научных статей. Используйте новость во введении для обоснования актуальности, а в обзоре литературы ссылайтесь на исследования по анализу поведения потребителей и телеком-маркетингу.

2. Где брать данные, если нет доступа к данным «МегаФона»?

Открытые датасеты: Telecom Churn от IBM, Telco Customer Churn с Kaggle, данные с портала data.gov.ru. Если тема строго про тарифы — смоделируйте синтетические данные. Это нормально, главное — честно написать методику генерации.

3. Какие требования по ГОСТу предъявляются к структурным элементам?

Обычно вуз опирается на ГОСТ 7.32. Отдельно уточните методичку кафедры. Важно правильно оформить титульный лист, содержание, нумерацию страниц и библиографию. Программный код в приложениях, схемы — в тексте или приложениях. На защите часто спрашивают, почему выбрана та или иная архитектура — будьте готовы объяснить.

4. Что делать, если научный руководитель не понимает тему ML?

Сместите акцент на проектирование ПО: модуль рекомендаций — это классическая задача разработки. Опишите алгоритмы словами, добавьте UML-диаграммы и блок-схемы. Метрики оставьте в третьей главе — их поймёт любой математик. Не углубляйтесь в тонкости обучения нейросетей, используйте простые и интерпретируемые модели.

Чек-лист «Что проверить перед сдачей»

Типичные ошибки студентов

Источник: Мысли о смене тарифа на связь приходят к кузбассовцам по четвергам и пятницам (опубликовано 2026-03-18)