تحلیل داده محور رفتار مشتری در پلتفرم های فروش آنلاین

تحقیق به بررسی پیش بینی رفتار خرید مشتریان در تجارت الکترونیک با استفاده از الگوریتم های یادگیریعمیق و یادگیری ماشین می پردازد. با رونق روزافزون تجارت الکترونیک، اطلاعات حاصل از رفتار مشتریان به داراییارزشمندی برای کسب وکارها تبدیل شده است. این تحقیق روش های یادگیری عمیق و یادگیری ماشین را به عنوانابزارهای کلیدی در این زمینه معرفی می کند. با بهینه سازی این روش ها میتوان به پیش بینی دقیقی از رفتار خریدمشتریان در آینده دست یافت و عملکرد تجارت های الکترونیکی را بهبود بخشید .در این تحقیق، ابتدا ارزش داده کاوی مشتریان و هدف از آن به طور مختصر بررسی شده است. سپس تکنیک هاییادگیری عمیق شامل شبکه های عصبی پیچشی (CNN) و بازگشتی (RNN) توضیح داده می شود. این الگوریتم ها برروی یک سری داده های آزمایشی از سایت آمازون پیاده سازی شده اند که کدها و تحلیل های مربوطه نیز ضمیمهشده اند. دیتاست استفاده شده، دیتاست پیشنهادی آمازون در پلتفرم Kaggle است .هدف اصلی این تحقیق، شناسایی الگوهای رفتاری مشتریان از طریق تحلیل داده های گسترده و بررسی عواملموثر بر تصمیم گیری های خرید آنها است. نتایج به دست آمده از تحلیل های انجام شده می توانند اطلاعات ارزشمندیدرباره ترجیحات مشتریان، عوامل موثر بر تصمیم گیری های خرید و نیازهای خاص آنها آنها ارائه دهند. این اطلاعات بهارائه راهکارهایی عملی برای بهبود تجربه کاربری در پلتفرم های خرید آنلاین منجر می شود که شامل شخصی سازیپیشنهادات خرید، بهبود رابط کاربری سایت، ارائه تخفیفات هدفمند و بهبود خدمات مشتریان است

کلیدواژه ها:

پیش بینی خرید ، رفتار مشتریان ، یادگیری عمیق ، تجارت الکترونیک ، تحلیل داده محور ، فروش آنلاین