Статья посвящена сравнительному анализу методов машинного обучения, применимых к прогнозированию конверсии абитуриентов в цифровых маркетинговых коммуникациях высшего учебного заведения. В работе обоснована актуальность применения интеллектуального анализа данных в маркетинговой деятельности высших учебных заведений в условиях цифровой трансформации сферы высшего образования, государственная значимость повышения эффективности приёмных кампаний и оптимизации распределения рекламных бюджетов. Рассмотрены текущие реалии и возможности использования цифровых каналов взаимодействия университетов с абитуриентами, включая веб-сайты, социальные сети, системы контекстной и таргетированной рекламы, email-маркетинг. Изучены научные публикации отечественных и зарубежных исследователей проблематики маркетинговой аналитики в образовании и применения алгоритмов классификации к задачам прогнозирования поведения целевой аудитории. Детально проанализированы и систематизированы теоретические основы четырёх методов машинного обучения: логистической регрессии, деревьев принятия решений, случайного леса и градиентного бустинга, представлены иллюстрации принципов их работы из фундаментальных источников. Охарактеризованы специфические особенности маркетинговых данных высших учебных заведений, включая выраженный дисбаланс классов, гетерогенность признакового пространства и сезонность, связанную с циклом приёмной кампании, и представлена их общая систематизация. Выделены все значимые критерии сравнения алгоритмов – интерпретируемость, точность прогнозирования, устойчивость к переобучению, вычислительная сложность и способность работать с дисбалансом классов, представлена сравнительная таблица достоинств и ограничений каждого метода применительно к маркетинговым данным высшего учебного заведения. Важным результатом проведённого исследования выступает предложенная поэтапная стратегия построения аналитической системы маркетинговых коммуникаций высшего учебного заведения, включающая последовательное внедрение моделей возрастающей сложности с учётом организационных и технических ограничений. Рассмотрены перспективы практической реализации аналитической системы на базе Донецкого национального технического университета. Сделаны соответствующие выводы о применимости каждого алгоритма, сформулированы рекомендации по выбору метода в зависимости от объёма данных, требований к интерпретируемости и вычислительных ресурсов.