تحلیل رفتار خرید مشتریان با استفاده از مدل یادگیری عمیق LSTM و مکانیزم توجه: بهبود استراتژیهای بازاریابی و مدیریت مشتریان در فروشگاه های آنلاین

زمینه و مقدمه: تحلیل رفتار خرید مشتریان در فروشگاه های آنلاین با استفاده از داده های بزرگ و یادگیری عمیق به دلیل افزایش تجارت الکترونیک و اهمیت بهبود استراتژیهای بازاریابی و مدیریت مشتریان اهمیت بسیاری دارد. این مطالعه به بررسی این موضوع میپردازد و تلاش میکند خلا موجود در دانش موجود را پر کند.سوال تحقیق یا اهداف: هدف اصلی این پژوهش، توسعه یک مدل یادگیری عمیق با استفاده از پنج لایه LSTM و مکانیزم توجه برای پیشبینی رفتار خرید مشتریان و بهبود استراتژیهای بازاریابی، مدیریت موجودی و شخصی سازی تجربه مشتریان است.روشها: در این مطالعه از داده های تراکنشهای خرید یک فروشگاه آنلاین بریتانیایی استفاده شد. مدل پیشنهادی شامل پنج لایه ۱ LSTM و مکانیزم توجه برای شناسایی الگوهای رفتاری مشتریان طراحی شد. داده ها پیش پردازش و برای آموزش، اعتبارسنجی وتست مدل به مجموعه های مختلفی تقسیم شدند. معیارهای عملکرد شامل دقت، صحت، بازخوانی و امتیاز F۱ برای ارزیابی مدل به کار گرفته شد.نتایج: مدل پیشنهادی توانست به دقت %۹۶، صحت %۹۴، بازخوانی %۹۵ و امتیاز F۱ برابر با ۰.۹۴۵ دست یابد. این نتایج نشاندهنده توانایی بالای مدل در پیشبینی دقیق رفتار خرید مشتریان و شناسایی الگوهای رفتاری آنها است. همچنین تحلیل زمانی خریدها نشان داد که رفتار خرید مشتریان در ماه های مختلف سال متفاوت است.نتیجه گیری: یافته های این پژوهش نشان دهنده اهمیت و پتانسیل بالای استفاده از یادگیری عمیق در تحلیل رفتار مشتریان در حوزه بازاریابی و مدیریت مشتریان است. این مدل میتواند به فروشگاه های آنلاین در بهبود استراتژیهای بازاریابی، مدیریت موجودی و شخصی سازی تجربه مشتریان کمک کند. برای تحقیقات آینده، پیشنهاد میشود که از دیتاستهای متنوع تر و بزرگتری استفاده شده و مدلهای ترکیبی و تکنیکهای پیشرفته تر مورد بررسی قرار گیرند.

کلیدواژه ها:

یادگیری عمیق ، مکانیزم توجه ، رفتار خرید مشتریان ، تحلیل داده های بزرگ ، استراتژیهای بازاریابی ، مدیریت مشتریان.