سعید صدیق زاده - کارشناسی ارشد تجارت الکترونیکی، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان
مرجان کائدی - دانشیار، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان

در فروشگاه های الکترونیکی، معمولا کاربران تمایلی ندارند علاقه خود به محصولات را به صورت صریح ابراز کنند. بنابراین، یک روش مرسوم در سیستم های توصیه گر فروشگاه های الکترونیکی، استخراج علاقه مندی های کاربران به صورت ضمنی و بر اساس تعاملات آن ها در صفحات وبسایت است. از طرف دیگر، اخیرا کسب و کارهای کوچک و استارتاپ ها در بستر وب رشد زیادی داشته اند. برخلاف فروشگاه های الکترونیکی بزرگ و شناخته شده، کاربران مراجعات مکرری به وبسایت های تجاری کوچک ندارند و این وبسایت ها داده های محدودی از تعاملات کاربرانشان دارند. بنابراین تحلیل تعاملات کاربران برای استخراج ترجیحات آن ها در این وبسایت ها با مشکل مواجه است. در این پژوهش، روشی برای کسب و کارهای آنلاین کوچک ارائه می شود تا براساس فعالیت های محدود کاربرانشان در صفحات محصول، علاقه مندی آن ها را به صورت ضمنی شناسایی کنند. در این روش، برخلاف پژوهش های پیشین، تعامل ماوس کاربران با تک تک اجزای صفحه محصول به صورت جداگانه تحلیل می شود و علاقه مندی او به محصول تخمین زده می شود. حتی اگر کاربر فقط با یکی از اجزا صفحه محصول تعامل کند، با استفاده از همین رفتار محدود، علاقه کاربر به محصول پیش بینی می شود. ارزیابی ها نشان می دهد که این روش باعث افزایش ضریب همبستگی بین رفتارهای مختلف کاربران و علاقه مندی های آن ها می شود و در مقایسه با روش های قبلی، خطای پیش بینی را کاهش می دهد.

فروشگاه های الکترونیکی کوچک، سیستم های توصیه گر، بازخورد ضمنی، رهگیری ماوس، مدل سازی کاربر، علاقه مندی کاربر