پیاده سازی و بهینه سازی الگوریتم خوشه بندی K-means برای دسته بندی محصولات پوشاک با استفاده از ویژگیهای فروش و قیمت

الگوریتمهای خوشه بندی به عنوان تکنیکهای هوشمند مبتنی بر داده، به خرده فروشان کمک می کنند تا محصولات خود را بر اساس ویژگیهای مختلف گروه بندی کرده و استراتژیهای بازاریابی و فروش بهتری توسعه دهند. این مطالعه از الگوریتم خوشه بندی K-means برای خوشه بندی محصولات پوشاک استفاده کند هدف اصلی این مطالعه تقسیم بندی موثر محصولات و شناسایی الگوهای مشابه در خرید محصولات توسط مشتریان است با گروه بندی محصولات به خوشه های مجزا بر اساس ویژگیهای قیمت و فروش این تحلیل الگوهای مختلف در انتخاب محصولات را شبیه سازی میکند. تعداد بهینه خوشه ها با استفاده از روش Elbow تایید میشود. این مطالعه به مدیران خرده فروشی کمک می کند تا استراتژیهای بهتری برای گروه بندی محصولات بر اساس ویژگیهای فروش و قیمت ایجاد کرده و نیازهای مشتریان را به طور دقیق تر شناسایی کنند در نتیجه این فرآیند میتواند به بهبود استراتژیهای بازاریابی مدیریت موجودی و افزایش سودآوری در صنعت پوشاک کمک کند.

کلیدواژه ها:

خوشه بندی محصولات ، بازاریابی پوشاک ، الگوهای خرید ، پیش بینی تقاضا