圣彼得堡国立工业技术与设计大学SPbSUITD的学生们对不同主题和目标用途的印刷产品进行了细分，并训练了一个神经网络来诊断新产品类型与识别出的市场细分之间的关联。

在激烈的印刷产品市场竞争中，印刷厂面临着监控行业情况的问题，尤其是分析大量数据的问题。为了解决这个问题，越来越多地采用了Big Data技术，如机器学习和神经网络。

“研究的基础是包含大量报纸、杂志和书籍产品的原始数据集。对于每一种产品，基于对发行量和发行次数之间关系的研究，确定了表征研究对象之间差异的细分特征值，并计算了过去5年的平均发行量。通过聚类分析方法进行细分后，印刷产品市场被划分为不同细分市场，并揭示了不同组别、分类和簇中对象的共同行为趋势，”研究的作者、SPbSUITD高等印刷与媒体技术学院的学生Igor Andreyev解释道。

为了识别新对象与已识别细分市场的关联，选择了三个新的市场对象，这些对象之前没有参与过研究。对它们使用Statgraphics程序计算了细分特征值。

“在解决神经网络应用识别问题时，STATISTICA程序中对300多个不同架构的神经网络（隐藏层中神经元数量不同）进行了训练和分析。对每个网络的总体、控制和测试性能指标进行了分析，从而选择了5个性能最佳的网络，并进行了变量敏感性分析。所获得的数据完全符合之前使用判别分析方法对这些对象进行市场细分的计算结果，”研究的另一位作者、SPbSUITD高等印刷与媒体技术学院的学生Ekaterina Bantser补充道。

这项研究中实现的原创方法可以为企业市场营销和管理领域的许多新研究提供基础，所提出的识别问题解决方法可以作为构建管理决策支持系统的基础。