ارائه الگویی مبتنی بر یادگیری قانون وابستگی و داده کاوی جهت پیش بینی تراکنش های آینده مشتریان، مطالعه موردی شرکت ایران کیش

هوش مصنوعی به بخش جدایی ناپذیر زندگی ما تبدیل شده است. وابستگی ما به هوش مصنوعی نه تنها در دنیای تجاری و حرفه ای بلکه در زندگی عادی روزمره بتدریج در حال افزایش است، امروزه می توان با استفاده از تکنیک های داده کاوی و هوش مصنوعی به بررسی و تحلیل رفتار مشتریان پرداخت و اطلاعات نهان موجود در این رفتار ها را شناسایی کرد. در این مقاله از تکنیک های داده کاوی، به عنوان ابزاری برای ایجاد یک الگویی برای دسته بندی مشتریان و پیش بینی خریدهای مشتریان دسته ی متوسط جهت ارائه پیشنهادهایی به آن ها با این هدف که اعضای این دسته را به سمت انجام تراکنش های بیشتر سوق دهد می پردازد برای این امر داده های مربوط به پرداخت قبض و خرید شارژ شامل دوره سه ماهه در سال جاری از شرکت ایران کیش مورد استفاده قرار می گیرد. بررسی این دادگان و خوشه بندی مشتریان در سه خوشه مشتریان خوب، مشتریان متوسط و بد می باشد که با توجه به اطلاعات بدست آمده از این شرکت مبنای دسته بندی مشتریان تعداد تراکنش های آن ها می باشد. پس از آن به پیش بینی خریدهای آتی مشتریانی که در دسته مشتریان متوسط قرار گرفته اند می پردازیم .پیش بینی تراکنش های مشتریان با توجه به سوابق تراکنش آن ها با استفاده از الگوریتم آپریوری می باشد، کاربرد الگوریتم آپریوری در این پروژه یافتن وابستگی بین تراکنش هایی می باشد که مشتری در گذشته انجام داده است، و با توجه به این وابستگی ها تراکنش های بعدی مشتریان پیش بینی می گردد. نتایج حاصل نشان میدهد که می توان با تشخیص مشتریان دسته متوسط و پیش بینی خرید آینده، آنها را به سمت خریدهای بیشتر سوق داد و با تکنیکهای بازاریابی باعث پایداری مشتری در امر خرید شد.

کلیدواژه ها:

خوشه بندی مشتریان ، داده کاوی ، الگوریتم اپریوری ، مشتریان ، تراکنش.