ترکیب تحلیل احساسات و داده های رفتاری مشتریان برای بهبود پیش بینی رفتار خرید و ارزش طول عمر مشتری در فروشگاه های آنلاین

تحلیل رفتار خرید مشتریان و پیش بینی ارزش طول عمر آنان از مهم ترین موضوعات در بازاریابی دیجیتال و مدیریت ارتباط با مشتری محسوب می شود. پژوهش حاضر با هدف بررسی تاثیر ترکیب داده های متنی، رفتاری و تراکنشی بر بهبود دقت پیش بینی CLV و رفتار خرید مشتریان انجام شده است. در این پژوهش داده های مربوط به تراکنش ها، رفتار مرور کاربران و نظرات متنی مشتریان جمع آوری و پس از پیش پردازش، تحلیل احساسات بر روی داده های متنی اجرا شد تا ابعاد عاطفی رفتار مصرف کننده استخراج گردد. سپس داده های حاصل از تحلیل احساسات با ویژگی های رفتاری و تراکنشی ادغام و در مدل های یادگیری ماشین مورد استفاده قرار گرفتند. عملکرد الگوریتم های مختلف شامل XGBoost، Random Forest و LSTM مورد ارزیابی قرار گرفت. نتایج نشان داد افزودن ویژگی های حاصل از تحلیل احساسات به مدل موجب افزایش دقت پیش بینی و کاهش خطا در برآورد CLV و رفتار خرید شده است. همچنین یافته ها بیانگر آن است که ترکیب داده های ساختاریافته و غیر ساختاریافته می تواند در طراحی کمپین های هدفمند، شخصی سازی خدمات و افزایش وفاداری مشتریان نقش موثری ایفا کند.

کلیدواژه ها:

ارزش طول عمر مشتری (CLV) ، یادگیری ماشین ، رفتار خرید مشتری ، تحلیل احساسات ، پیش بینی رفتار مشتری