دسته بندی مشتریان با استفاده از داده کاوی بر پایه الگوریتم های شبکه عصبی و انواع درخت تصمیم

وب سایت ها بزرگترین پایگاه داده در دسترس و دارای داده های بسیاری در رابطه با مشتریان می باشد. کشف و تحلیل داده های مشتریان در وب، سازمان ها را قادر می سازد تا تصمیمات مبتنی بر داده گرفته و استراتژی های تصمیم گیری خود را بهبود و توسعه دهند. تکنیک های داده کاوی ابزارهای شناخته شده ای برای تجزیه و تحلیل داده های مشتریان می باشند. این تکنیک ها با استفاده از روش های آماری و هوش مصنوعی، الگوهای موجود در مجموعه داده های بسیار بزرگ را استخراج می کنند. این تحقیق می کوشد تا با تاکید بر مدل های داده کاوی در حوزه دسته بندی، مبنی بر تحلیل رفتار مشتریان، به بهبود مدیریت ارتباط با مشتری و تدوین استراتژیهای بازاریابی ویژه هر دسته از مشتریان وب سایت کافه بازار بپردازد. بدین منظور پس از بررسی تحقیقات و مقالات موجود، مرور ادبیات تحقیق، از شاخص هایی که مشتریان در هنگام مراجعه به وب سایتها با آن مواجه می شوند، استفاده شده است و سپس داده های جمع آوری شده با استفاده از نرم افزار Spss Clementine نسخه 18 مورد تجزیه و تحلیل قرار گرفت و از الگوریتم های شبکه عصبی و انواع درخت تصمیم جهت تحلیل رفتار مشتریان آنلاین استفاده شده است. در نهایت، با استفاده از قوانین درخت تصمیم مشخص گردید هرچه برنامه های وب سایت کافه بازار در دسته بندی های مجزایی قرار گیرند، احتمال پیدا کردن آنها توسط افراد بیشتر می شود و تعداد نصب این برنامه ها نیز به مرور زمان افزایش می یابد.