بررسی و تبیین الگوی بازار مصرف کنندگان آنلاین

پژوهش حاضر با هدف خوشه بندی بازار مصرف کنندگان خرید آنلاین در ایران با بهره گیری از شبکه های عصبی مصنوعی انجام شده است. هدف از این خوشه بندی، شناسایی دقیق تر نیازهای مشتریان، تبیین ویژگی های متمایز هر یک از خوشه ها، تعیین روش مناسب برای بخش بندی مشتریان و در نهایت، فراهم سازی زمینه لازم برای تدوین راهبردهای موثرتر در زمینه مدیریت مشتری، برقراری ارتباط و ارائه خدمات متناسب با نیازهای آنان است. این پژوهش از نظر هدف، کاربردی و از نظر ماهیت و روش، توصیفی، برآوردی و ارزشیابی است و وضعیت مشتریان را در بازه زمانی سال های ۱۴۰۰ تا ۱۴۰۱ مورد بررسی قرار می دهد. جامعه آماری پژوهش شامل ۵۲۴۰۳ فروشگاه اینترنتی بوده است که با استفاده از روش نمونه گیری تصادفی ساده، ۳۴۹ فروشگاه به عنوان نمونه انتخاب شدند. برای تحلیل، پردازش و طبقه بندی داده ها، از روش RFM، الگوریتم K-‎Means و شبکه عصبی فازی خودسازمان ده استفاده شده است. همچنین، به منظور ارزیابی عملکرد روش های خوشه بندی، معیار مجموع مربعات خطا و شاخص دیویس–بولدین به کار گرفته شد. یافته های پژوهش نشان داد که گروه های مختلف مشتریان از نظر الگوی خرید تفاوت قابل توجهی با یکدیگر دارند؛ به گونه ای که در گروه مواد غذایی، به دلیل ماهیت مصرفی و نیاز مستمر، کمترین میزان تاخیر در خرید مشاهده شد. در گروه مواد و لوازم آرایشی، سهم زنان از خرید بیشتر بود، درحالی که بالاترین ارزش پولی خرید مربوط به گروه لوازم لوکس بود. همچنین، بیشترین میزان خرید توسط مردان در گروه لوازم صنعتی و تجهیزات جانبی آن مشاهده شد و گروه لوازم بهداشتی و شوینده و نیز پوشاک، بیشترین تکرار خرید را به خود اختصاص دادند. در مجموع، نتایج نشان داد که استفاده هم زمان از شبکه های عصبی خودسازمان ده و روش RFM، رویکرد مناسب تری برای خوشه بندی، تفکیک و ارزش گذاری مشتریان محسوب می شود. همچنین، ترکیب K-Means و ANFIS نیز عملکرد قابل قبولی داشت، اما روش WRFM+ANFIS بر اساس شاخص مورد استفاده، عملکرد موفق تری نشان داد.

کلیدواژه ها:

بازار ، مصرف کنندگان ، آنلاین ، ، الگوی بازار