CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بررسی مقایسه ای روش های رافست، درخت تصمیم، نیو بیز و الگوریتم شبکه های عصبی در شناسایی عوامل موثر بر رفتار خرید ناگهانی مشتریان ((مطالعه موردی: مشتریان فروشگاه زنجیره ای رفاه شهر همدان))

عنوان مقاله: بررسی مقایسه ای روش های رافست، درخت تصمیم، نیو بیز و الگوریتم شبکه های عصبی در شناسایی عوامل موثر بر رفتار خرید ناگهانی مشتریان ((مطالعه موردی: مشتریان فروشگاه زنجیره ای رفاه شهر همدان))
شناسه ملی مقاله: CSIEM01_692
منتشر شده در اولین کنفرانس بین المللی چالش ها و راهکارهای نوین در مهندسی صنایع و مدیریت و حسابداری در سال 1399
مشخصات نویسندگان مقاله:

ارسلان یوسفی فرد - دانشجوی دکتری، گروه مدیریت، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
منصور اسماعیل پور - استادیار، گروه کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران

خلاصه مقاله:
خرید ناگهانی3 نیمه پنهان رفتار مصرف کننده است که فروشندگان ماهر می توانند با استفاده از محرک های مختلف به آن دست یافته و میزان فروش خود را بالا ببرند. برای موفقیت بیشتر باید تمامی فاکتورهای لازم را شناسایی و بررسی نمود. تحقیق حاضر از نظر هدف کاربردی و از نظر ماهیت از نوع توصیفی و پیمایشی است. روش جمع آوری اطلاعات از نوع میدانی و ابزار آن پرسشنامه 18 سوالی است، که در انتها دارای یک کلاس دوحالته مبنی بر، انجام خرید ناگهانی(بله) و عدم انجام خرید ناگهانی(خیر) می باشد که توسط خبرگان مورد تایید قرار گرفت. سپس یک نمونه 100 تایی به شکل آنلاین توسط افرادی که از فروشگاه رفاه خرید می کنند جمع آوری شد. سپس این داده های خام در مدل رافست توسط دو روش جانسون و ژنتیک و در مدل درخت تصمیم از روش J48 و همچنین الگوریتم نیو بیز و الگوریتم شبکه های عصبی مورد بررسی قرار گرفتند. در نهایت مشخص شد بالاترین دقت به ترتیب مربوط به روش الگوریتم درخت تصمیم برابر با (78%)، الگوریتم نیو بیز برابر با (76%) ، روش راف-ست (روش جانسون و روش ژنتیک) برابر با (75%) و الگوریتم شبه های عصبی برابر با (71%)می باشد. می توان نتیجه گرفت بهترین روش انجام کار الگوریتم درخت تصمیم است.

کلمات کلیدی:
خرید ناگهانی، درخت تصمیم، نیو بیز، راف-ست، شبکه های عصبی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1045926/