Twip battle - Плагин отправки - VS - Создание предиктивных

Плагин для Virtuemart 2 и VirtueMart 3. После установки и включения плагина, покупателю и продавцу будут отправляться смс-уведомления об оформлении заказа через сервис sms-uslugi.ru. Также смс отправляются после оплаты заказа и после смены статуса заказа администратором. Все настройки указываются в менеджере плагинов.

Очень рекомендуется отключить в системе все неиспользуемые плагины оплаты. Это делается в менеджере плагинов. Выберите тип плагина vmpayment и отключите те из списка, которые у вас не используются.

08.08.2014 - В качестве телефонного номера продавца (администратора) можно задавать несколько номеров, разделенных запятыми. В текст смс продавцу можно вставить переменную %t, в которую при отправке заносится телефон покупателя.

26.06.2014 - В настройки плагина добавлена опция: Отправлять через дешевый канал или дорогой канал с согласованным именем отправителя.

24.04.2014 - Переделаны настройки плагина. Теперь можно указать в каком случае и кому отправляются смс. Возможно отслеживать три события: создание заказа, оплата заказа и смена статуса заказа.

11.04.2014 - Добавлена возможность включить в смс о смене статуса комментарий администратора

10.04.2014 - Добавлена очень важная функция - журналирование отправленных смс. Журнал включается в настройках плагина. После этого в файл logs/sttsms.log будут записываться данные по отправленным смс - дата, время, номер, текст и результат отправки, который приходит с сервиса смс услуг и включает в себя информацию - успешно или нет, идентификатор sms, стоимость и т.д.

04.04.2014 - Исправлено дублирование отправки смс.

08.11.2012 - Исправлена ошибка, при которой смс об изменении статуса отправлялось после того, как клиент заходил в историю своих заказов и выбирал любой из своих заказов.

Предиктивная модель - эффективный инструмент поддержки принятия бизнес-решений. Создание такой модели - процесс поиска закономерностей с использованием алгоритмов машинного обучения (Mashine Lerning) в существующем наборе исторических данных (обучение модели) для предсказания наиболее вероятных вариантов развития событий в будущем (применение модели).

Классифицирующая модель позволяет разбить большой массив данных на группы (классы), характеризующиеся сходным набором признаков, используя явные и неявные закономерности. Применение такой модели, позволяет, например, определить группы пользователей, характеризующихся определенным поведением и сделать им предложения, интересные именно для них.

Для обеспечения качества работы модели необходим тщательный отбор и подготовка входных данных. Также может возникнуть необходимость во внешних данных. Результатом моей работы будет:

1) сама модель в формате, определяемом выбранной моделью (например, в случае линейных моделей это будет вектор весов каждого из факторов. Вес фактора определяет степень его влияния на результат)

2) отчет о валидности (точности предсказания) модели

3) файл с результатами применения модели к исследуемому набору данных