تنظیم کانال زنجیره ی تامین مشتریان عمده فروشی با تکنیک یادگیری ماشین

امروزه برای بهبود کارایی فروش راه کارهای مختلفی عرضه می گردد. که اکثریت وابسته به سوابق داده های فروش و سیستم های تصمیم گیر هستند. شناخت بهتر مشتریان در تشخیص متغیرهای فروش موثر است. ازمهمترین اهداف این پژوهش توصیف تنوع در انواع مختلف مشتری است که حداقل یک توزیع کننده عمده فروشی با آنها تعامل دارد. این پژوهش توزیع کننده را در مورد نحوه بهتر نمودن خدمات تحویل خود جهت تامین نیازهای هر یک از متقاضیان آگاه می کند. در کارهای پیشین رویکردهای متنوع بدون نظارت، نیمه نظارتی و نظارت شده جهت شناخت موثر متغیرهای فروش ارائه شد. روش های نیمه نظارتی سهم کمتری در پیشینه یپژوهش داشته و جای کار بیشتری در ارائه ی تحلیل های کمی و کیفی دارند. این پژوهش، یک روش جهت تحلیل مجموعه داده حاوی داده های سفارش های سالانه مشتریان مختلف از دسته بندی محصولات متنوع ارائهمی کند. روش پیشنهادی با ارائه ی ویژگی افزوده توسط الگوریتم خوشه بند دی بی اسکن و وزن دهی ضریب همبستگی در روش با نظارت همچنین طبقه بندی شبکه ی عصبی پس انتشار خطا توانست دو متغیر کانال و ناحیه فروش را بهینه نماید. نتایج ارزیابی روی مجموعه دادگان عمده فروشی نشان می دهد که متغیر کانال فروش با دقت % ۳۲ / ۹۹ و متغیر ناحیه ی فروش بدون خطا قابل شناسایی است.