تجزیه و تحلیل الگوی خرید مشتریان با استفاده از الگوریتم FP-Growth

هدف از این پژوهش کشف الگوهای وابستگی در خرید مشتریان است. سایت تیوال یکی از سایت های تجارت الکترونیک در زمینه فروشبلیت سینما و تئاتر است که به سرعت در حال توسعه است. با این حال ، تعیین ترجیحات و علایق مشتریان سایت مشکل است، بنابراین این امر در کاهش فروش تاثیر دارد. برای حل این مشکل، تجزیه و تحلیل اطلاعات ۲۴۵۶۰۸ مشتری در بازه سه سال سایت تیوال تحت فرآیند داده کاوی کریسپ با نرم افزار Rapidminer انجام شده است. تجزیه و تحلیل داده های فروش با روش قوانین وابستگی با استفاده از الگوریتم FP-Growth به دست آمده است، یعنی هرچه حداقل پشتیبانی و حداقل اطمینان مورد استفاده بیشتر باشد ، تعداد آیتم ها و قوانین کمتری تشکیل می شود. مزیت روش پیشنهادی توصیه موارد بر اساس الگوی علاقه مشتریان است. در این پژوهش ، حداقل پشتیبانی ۹۰ ٪ و حداقل اطمینان ۴۰ ٪ است، بنابراین تعداد ۳۰ قانون برای نام کارگردان ایجاد گردید، کلیه قوانین تولید شده دارای مقدار نسبت Lift بیش از ۱.۰۰ هستند بنابراین می توانند به عنوان مرجعی در تعیین ارتباط بین فروش محصولات و ارائه پیشنهادات به مشتریان سایت از طریق تبلیغات استفاده شوند.

کلیدواژه ها:

داده کاوی ، الگوریتم FP-Growth ، قوانین وابستگی ، تحلیل سبد بازار