مرور نظام مند بر کاربرد هوش مصنوعی در پیش بینی الگوهای خرید مشتریان در فروشگاه های هوشمند مبتنی بر داده های اینترنت اشیاء

در سال های اخیر رشد سریع فناوری های هوش مصنوعی و اینترنت اشیاء سبب ایجاد تحولی بنیادین در نحوه تحلیل داده های مشتریان شده است. ادغام این دو فناوری امکان جمع آوری، پردازش و تحلیل حجم عظیمی از داده های بلادرنگ را فراهم کرده است که از طریق آن می توان رفتار خرید، ترجیحات و نیازهای آینده مشتریان را با دقت بالایی پیش بینی نمود. هدف از پژوهش حاضر، مرور نظام مند مطالعات علمی انجام شده بین سال های ۲۰۲۰ تا ۲۰۲۶ درباره کاربرد هوش مصنوعی در پیش بینی الگوهای خرید مبتنی بر داده های اینترنت اشیاء است. در مرحله شناسایی، ۸۴ مقاله از پایگاه های علمی بین المللی استخراج شد که پس از حذف موارد تکراری و نامرتبط، در نهایت ۲۰ مقاله علمی معتبر برای تحلیل نهایی انتخاب گردید. نتایج نشان می دهد که مدل های یادگیری عمیق، به ویژه شبکه های عصبی بازگشتی و پیچشی و مدل های Transformer، بالاترین دقت را در تحلیل داده های رفتاری داشته اند و میانگین دقت پیش بینی در این مدل ها به ۹۰ تا ۹۳ درصد رسیده است. همچنین فناوری های نوظهور مانند هوش مصنوعی لبه ای و یادگیری فدرال به عنوان رویکردهای موثر در افزایش سرعت پردازش، کاهش مصرف منابع و حفظ حریم خصوصی داده ها مطرح شده اند. بررسی تطبیقی یافته ها نشان داد که مدل های ترکیبی، ضمن افزایش دقت و کاهش زمان پردازش تا ۳۰ درصد، توانسته اند تجربه خرید مشتری را شخصی سازی کنند و به بهبود تصمیم گیری مدیریتی در فروشگاه های هوشمند منجر شوند. با این حال، چالش هایی همچون تفسیرپذیری مدل ها، ناهمگونی داده های اینترنت اشیاء، امنیت اطلاعات و کمبود داده های بومی همچنان مانع تحقق کامل تحلیل هوشمند رفتار مشتری در بستر فروشگاه های هوشمند است.

Keywords:

هوش مصنوعی , اینترنت اشیاء , پیش بینی رفتار خرید , یادگیری عمیق , بازاریابی داده محور , هوش مصنوعی لبه ای