داده کاوی در بیگ دیتا فروشگاه جهت دسته بندی مشتریان بر حسب ویژگی ها و نوع خرید

فروشگاه های اینترنتی امروزی با توجه به حجم بالای فروش می توانند به عنوان یک ابر داده لحاظ گردند. دسته بندی مشتریان و شناخت مشتریان، اعم از نوع خرید و علاقه مندی به دسته های مختلف خرید در بازاریابی مستقیم از اهمیت بسیار برخوردار است. در واقع این مشتریان هدف اصلی هستند که جهت ارائه محصولات و خدمات جدید در بازاریابی به شکل مستقیم انتخاب می گردند. بنابراین بهبود فرایند شناسایی مشتریان هدف در شرایط رقابتی عاملی مهم در جهت ربودن گوی سبقت از رقبا با کاربری مشابه است. استفاده مناسب از روش های دسته بندی می تواند در تجزیه و تحلیل ابر داده های می تواند فوق العاده موثر باشد. با توجه به اجرایمدل های مهم و تاثیر گذار دسته بندی از جمله Native Bayes ، Generalized Line ، RegressionLogistic ، Deep Learning ، Random Forest ، Gradent Boost tree ، درخت تصمیم گیری و SVM در نرم افزار راپیدماینر انجام شد و بر حسب آیتم های درصد صحت، ضریب Kappa ، خطای مطلق نرمال، ضریب همبستگی و مربع ضریب همبستگی مقایسه شد. بر حسب نتایج بدست آمده مدل های SVM و Native Bayes به ترتیب مدل های کارامد تری هستند و مدل Random Forest با نتایج ضعیف تر نسبت به سایر مدل هاست.

کلیدواژه ها:

داده کاوی ، دسته بندی داده های فروشگاهی ، دسته بندی مشتریان