تشخیص اولین لحظه حقیقت در خرید برخط با استفاده از روش های پیش پردازش داده ها و طبقه بندهای تلفیقی

این مقاله اقدام به ارائه یک استراتژی، با هدف افزایش دقت تشخیص زودهنگام خریداران از مشتریان در حال گشت و گذار در یک فروشگاه آنلاین، نموده است. این روزها مردم تمایل به کاوش آنلاین برای پیدا کردن اقلام مورد نیاز خود و خرید از طریق تراکنش-های آنلاین دارند. با این حال، تعداد خریداران واقعی هنوز در مقایسه با تعداد کل بازدیدکنندگان از این سایت ها بسیار کم است. تحلیل رفتاری، پیش بینی و شناسایی زودهنگام بازدیدکنندگانی که قصد خرید از فروشگاه آنلاین را دارند، زمینه ارائه محتوای سفارشی مناسب تر برای آن ها را فراهم می آورد. از دیدگاه مدیریتی به این زمان اصطلاحا اولین لحظه حقیقت گفته می شود. مزیت اصلی این پیشیینی کاهش ریسک از دست دادن کاربران با احتمال خرید بالا و افزایش نرخ تبدیل می باشد. به دلیل ثابت بودن چارچوب پیشبینی و تشخیص در داده کاوی، تمرکز این مقاله بر استفاده بهینه از روش های پیش پردازش، با هدف بهبود کیفیت داده های ورودی به الگوریتم های طبقه بندی می باشد. به همین دلیل، در استراتژی پیشنهادی، مجموعه ای از الگوریتم های تبدیل محتوای اسمی به عددی، نرمال سازی، تشخیص داده های پرت، انتخاب ویژگی و متوازن سازی به کار گرفته شده است. سپس داده های اصلاح شده به مجموعه ای الگوریتم های طبقه بندهای مختلف، شامل درخت تصمیم C۴.۵ و پرسپترون چند لایه و الگوریتم های طبقه بندی تلفیقی جنگل تصادفی، Bagging و Gradient Boosting داده شده است. ارزیابی نتایج نشان می دهد که بیشترین مقدار دقت به دست آمده در این پژوهش با استفاده از طبقه بندهای تلفیقی به ۴۲/۹۴ % رسیده است که در مقام مقایسه با بهترین نتایج کارهای پیشین، دقت تشخیص افزایش داشته است.

کلیدواژه ها:

خرید آنلاین ، اولین لحظه حقیقت ، داده کاوی ، پیش پردازش ، طبقه بند تلفیقی