چارچوبی پیشنهادی برای طبقه بندی مشتریان فروشگاههای آنلاین با استفاده از SVM و Random Forest الگوریتمهای

با افزایش حجم داده های تراکنشی و گسترش تعاملات مشتریان با فروشگاه های آنلاین، بهره گیری از الگوریتم های یادگیری ماشین در کنار مدل های سنتی مدیریت ارتباط با مشتری (CRM) مانند مدل RFM، به یک ضرورت راهبردی تبدیل شده است. یکی از چالش های کلیدی در این زمینه، فقدان ابزارهای موثر برای شناسایی مشتریان با ارزش و استخراج الگوهای رفتاری از میان داده های حجیم و پراکنده است. این پژوهش با هدف ارائه یک مدل ترکیبی از مدل RFM و الگوریتم های یادگیری ماشین نظارت شده مانند جنگل تصادفی (Random Forest) و ماشین بردار پشتیبان (SVM) طراحی شده است تا امکان طبقه بندی دقیق مشتریان فروشگاه های آنلاین را فراهم آورد. انتظار می رود که این مدل، بستری مناسب برای تصمیم گیری های هوشمند در حوزه بازاریابی، شخصی سازی خدمات و افزایش وفاداری مشتریان فراهم سازد.

کلیدواژه ها:

طبقه بندی مشتریان ، مدل RFM ، جنگل تصادفی ، ماشین بردار پشتیبان ، یادگیری ماشین نظارت شده ، تجارت الکترونیک