تحلیل و پیش بینی سوددهی مشتریان در صنعت بازرگانی لوله و اتصالات با استفاده از الگوریتم های داده کاوی و یادگیر ی ماشین

پیشرفت های تکنولوژیکی و نیاز فزاینده به طرح های عمرانی، کشاورزی و ساختمانی مدرن باعث افزا یش اهمیت تامینلوازم و ابزار مورد نیاز در این پروژه ها شده است. در این راستا، شرکتهای بازرگانی فروش لوله و اتصالات نقشیکلیدی در تامین نیازهای مشتریان ایفا می کنند. هدف این پژوهش، خوشه بندی مشتریان و پیش بینی سودآوری آنهابرای یک شرکت بازرگانی در این حوزه است. برای این منظور، از روشهای داده کاوی و الگوریتم های یادگیری ماشیناز جمله K-means ، Decision Tree ، KNN و Naive Bayes استفاده شد. در مرحله اول، با استفاده از روش K-means و تکنیک Elbow ، تعداد بهینه خوشه ها برابر با ۳ تعیین شد. در مرحله بعد، دسته بندی و پیش بینی سودآوری مشتریان با استفاده از Decision Tree ، KNN و Naive Bayes انجام شد. نتایج ارزیابی مدلها نشان دادکه الگوریتم Decision Tree با دقت ۹۸.۷۲ % بهترین عملکرد را داشته است. این پژوهش نشان می دهد که با تمرکزبر مشتریان سودآور و ارائه تخفیف ها یا امتیازات ویژه به آنها، شرکت میتواند سودآوری خود را بهبود بخشد وهمچنین برنامه های تر غیبی برای سایر مشتریان طراحی کند.

Keywords:

خوشه بندی , پیش بینی , روش کریسپ , Naïve Bayes , KNN , Decision Tree