ارائه چارچوبی برای تحلیل و اکتشاف روابط خرید مشتریان با استفاده از تکنیک های علوم داده

با گسترش فناوری های ذخیره سازی و پردازش، سازمان ها با حجم وسیعی از داده های مرتبط با رفتار خرید مشتریان مواجه شده اند که استخراج الگوهای پنهان و پیچیده از آن ها اهمیت فراوانی دارد. هدف این پژوهش، ارائه چارچوبی جامع برای مقایسه و کاربرد روش های داده کاوی، به ویژه سیستم های ترکیبی عصبی-فازی، در تحلیل و اکتشاف روابط در شیوه خرید کالا توسط مشتریان است. روش پژوهش از نوع کاربردی و با رویکرد تحلیل داده های بزرگ انجام شده است. در این چارچوب، تکنیک های خوشه بندی، طبقه بندی، استخراج قوانین انجمنی و سیستم های استنتاج عصبی-فازی (ANFIS) برای مدل سازی رفتار مشتریان به کار گرفته شد. داده های مورد استفاده پس از پیش پردازش و نرمال سازی، وارد الگوریتم های شد تا بخش بندی مشتریان و روابط بین محصولات شناسایی گردد. یافته های پژوهش نشان داد که سیستم های عصبی-فازی با ترکیب قابلیت یادگیری شبکه های عصبی و تفسیرپذیری منطق فازی، دقت پیش بینی رفتار مشتریان را به طور قابل توجهی بهبود می بخشند. همچنین، نتایج حاصل از خوشه بندی و قوانین انجمنی منجر به شناسایی بخش های هدفمند و الگوهای پنهان در سبد خرید مشتریان گردید. این چارچوب امکان انتخاب بهینه روش داده کاوی بر اساس ویژگی های داده و اهداف کسب وکار را فراهم نموده و به بهینه سازی استراتژی های بازاریابی و تخصیص منابع کمک می کند.

کلیدواژه ها:

داده کاوی ، سیستم عصبی-فازی ، بخش بندی مشتریان ، تحلیل رفتار خرید ، علوم داده.