ارایه یک متد داده کاوی ترکیبی برای سگمنت بندی مشتریان براساس رفتارهای خرید

امروزه می توان از روشهای داده کاوی از جمله الگوریتم های خوشه بندی برای سگمنت بندی وشناسایی مشتریان استفاده نمود متداولترین الگوریتم خوشه بندی که برای مجموعه داده های مشتریان به کارمی رود الگوریتم K-means می باشد اما مشکل اصلی این الگوریتم حساسیت آن به انتخاب مراکز اولیه هرخوشه و احتمال همگرایی به راه حل بهینه محلی می باشد دراین مقاله برای کاهش این مشکل و بهبودسگمنت بندی مشتریان براساس رفتارهای خرید آنها از ترکیب دوالگوریتم k-means,PSO استفاده و عملکرد الگوریتم ترکیبی با استفاده از مجموعه داده هایی از فروشگاه زنجیره ای مواد غذایی ماندرین ارزیابی و خوشه های حاصل از این روش از دیدگاه رفتارهای خرید مشتریان تحلیل شده است نتایج ارزیابی بیانگر این استکه درروش پیشنهادی میزان خطای خوشه بندی به نحو چشمگیری کاسته شدها ست.

کلیدواژه ها:

سگمنت بندی ، RFM ، داده کاوی ، الگوریتم K-means ، الگوریتم PSO