شخصی سازی خدمات در سامانه های تجارت الکترونیک مبتنی بر یادگیری ماشین با تمرکز بر تحلیل رفتار کاربران

با گسترش روزافزون تجارت الکترونیک و افزایش تنوع کاربران شخصی سازی خدمات به عنوان یکی از عوامل کلیدی در بهبود تجربه کاربر و افزایش وفاداری مشتریان مطرح شده است. سامانه های تجارت الکترونیک سنتی عموما از روش های ایستا و مبتنی بر قوانین از پیش تعریف شده استفاده می کنند که توانایی محدودی در درک رفتار پویا و ترجیحات متغیر کاربران دارند. این محدودیت نیاز به بهره گیری از رویکردهای هوشمند و داده محور را بیش از پیش نمایان می سازد. با وجود پژوهش های انجام شده در حوزه سیستم های توصیه گر هنوز شکاف پژوهشی قابل توجهی در ارائه یک روش یکپارچه قابل پیاده سازی و مقیاس پذیر مبتنی بر یادگیری ماشین برای شخصی سازی خدمات در سامانه های تجارت الکترونیک وجود دارد؛ به ویژه روشی که بتواند الگوهای رفتاری کاربران را به صورت بلادرنگ تحلیل کرده و تصمیمات تطبیقی اتخاذ نماید. هدف این پژوهش ارائه یک روش مبتنی بر یادگیری ماشین برای شخصی سازی خدمات در سامانه های تجارت الکترونیک با تمرکز بر تحلیل داده های رفتاری کاربران است. نوآوری اصلی این تحقیق در طراحی یک مدل هوشمند است که با ترکیب الگوریتم های یادگیری ماشین و تحلیل تعاملات، دقت پیشنهادها و کیفیت تجربه کاربری را بهبود می بخشد. در این پژوهش داده های رفتاری کاربران جمع آوری شده و پس از پیش پردازش از الگوریتم های یادگیری ماشین جهت استخراج الگوهای پنهان و تولید پیشنهادهای شخصی سازی شده استفاده می شود. نتایج ارزیابی نشان می دهد که روش پیشنهادی می تواند به طور معناداری عملکرد سامانه های تجارت الکترونیک را از نظر دقت توصیه ها و رضایت کاربران ارتقا دهد. در نهایت روش ارائه شده می تواند به عنوان مبنایی کارآمد برای توسعه سامانه های تجارت الکترونیک هوشمند و کاربر محور مورد استفاده قرار گیرد.

کلیدواژه ها:

تجارت الکترونیک ، یادگیری ماشین ، سیستم های توصیه گر ، شخصی سازی خدمات ، تحلیل رفتار کاربر