طراحی سیستم توصیه گر مبتنی بر کلان داده برای فروشگاههای اینترنتی با هدف افزایش فروش شخصی سازی شده

در عصر تحول دیجیتال و با گسترش روزافزون خریدهای آنلاین فروشگاه های اینترنتی با چالش هایی چون افزایش رقابت، حفظ مشتریان وفادار و پاسخگویی به نیازهای متنوع کاربران مواجه هستند. در این میان، کلان داده به عنوان یکی از مهمترین داراییهای فناورانه، امکان تحلیل عمیق رفتار کاربران و شناخت الگوهای پنهان خرید را فراهم آورده است. استفاده هدفمند از این داده ها میتواند به توسعه سیستمهای توصیه گر هوشمند منجر شود که نقش بسزایی در افزایش فروش و ارتقای تجربه کاربری ایفا میکنند. هدف اصلی این پژوهش طراحی یک سیستم توصیه گر مبتنی بر کلان داده است که بتواند با تحلیل داده های حجیم و متنوع رفتاری جمعیت شناختی و تراکنشی، کاربران پیشنهادات شخصی سازی شده و دقیق ارائه دهد. این مقاله با مروری جامع بر پیشینه پژوهش، الگوریتم ها و زیرساخت های مرتبط، چارچوبی مفهومی شامل مراحل جمع آوری، پردازش، مدل سازی و ارزیابی توصیه گر ارائه می دهد. برای اعتبار سنجی چارچوب پیشنهادی یک مطالعه موردی واقعی انجام شد که نتایج آن حاکی از افزایش معنادار در نرخ کلیک و نرخ تبدیل فروشگاه اینترنتی هدف بود. یافته های پژوهش نشان میدهد که به کارگیری تحلیل کلان داده در طراحی سیستمهای توصیه گر نه تنها موجب بهبود عملکرد تجاری بلکه منجر به تعامل عمیقتر و رضایت بالاتر کاربران میشود. این مقاله میتواند راهنمایی عملی برای طراحان سیستمهای هوشمند در حوزه تجارت الکترونیک باشد.

کلیدواژه ها:

کلان داده ، سیستم توصیه گر ، فروشگاه اینترنتی ، شخصی سازی ، داده کاوی