ارائه رویکردی مبتنی بر سابقه خرید مشتریان و توصیه ی محصول به مشتری: مورد مطالعه مشتریان دیجی کالا
Publish place: Industrial Management Perspective، Vol: 13، Issue: 2
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 121
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_INDU-13-2_004
تاریخ نمایه سازی: 4 مهر 1402
Abstract:
امروزه که رقابت بین شرکت های بازاریابی و خرده فروشی ها در بهترین حالت خود قرار دارد، شرکت ها سعی می کنند با توجه به رویکرد تقسیم بندی مشتریان و توصیه محصولات مناسب برای آن ها، برتری خود را از دست ندهند. خرید آنلاین در بازار مجازی به سرعت در حال افزایش است و معمولا مشتریان بر اساس نیازها و تمایلات خود تصمیم به خرید می گیرند. فروشندگان نقش مهمی در تاثیرگذاری بر مشتریان دارند به همین دلیل سیستم توصیه محصول بسیار حیاتی است. سیستم توصیه محصول، کاربردهای متنوعی دارد و به منظور ترغیب مشتریان به خرید محصولات دیگر نیز مورد استفاده قرار می گیرد. در این پژوهش، یک روش برای توصیه محصول به مشتریان ارائه شده است که با استفاده از الگوریتم خوشه بندی K-mean و مدل RFM به تقسیم بندی مشتریان و سپس توصیه محصول به آن ها می پردازد. برای اثبات عملکرد سیستم پیشنهادی، آزمایش هایی با استفاده از داده های جمع آوری شده از شرکت «دیجی کالا» صورت گرفت. نتایج پژوهش نشان داد که خوشه بندی بر اساس ویژگی های R، Fو M برای خوشه ی شماره صفر نتایج بهتری دارد. به همین دلیل، برای ترغیب مشتریان وفادار به خرید کالاهای با قیمت بالاتر، می توان از قیمتی که به خوشه شماره صفر (مشتریان وفادار) پیشنهاد می شود، بهره برد و تخفیف های ویژه ای برای این مشتریان در نظر گرفت.
Keywords:
مدل RFM , الگوریتم خوشه بندیK-means , تقسیم بندی مشتریان , شرکت اینترنتی دیجی کالا , سیستم توصیه گر
Authors
حمید شریفی اصفهانی
استادیار، دانشگاه ولی عصر(عج) رفسنجان.
ناصر شهسواری پور
دانشیار، دانشگاه ولی عصر(عج) رفسنجان.
محمدحسین شریفی فینی
دانشجوی کارشناسی ارشد، دانشگاه ولی عصر(عج) رفسنجان.
راضیه بهمن یار
دانشجوی کارشناسی ارشد، دانشگاه علم و صنعت تهران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :