سیستم پیشنهادگر هوشمند برای خرده فروشی اینترنتی با استفاده از نقشه خودسازمانده و قواعد انجمنی براساس الگوهای جمعیت شناختی مشتریان

امروزه به دلیل گستردگی رقابت در دنیای تجارت الکترونیکی ، روشهای موثر در جذب مشتریان از اهمیت ویژه ای برخوردار شده اند . یکی از این روشها ، بکارگیری سیستمهای پیشنهادگر در وبگاه های تجاری است تا بدین ترتیب امکان استخراج علایق مشتریان و پیشنهاد مناسبترین محصولات به آنها میسر گردد. در این مقاله ، مدل جدیدی برای سیستمهای پیشنهادگر ارایه شده است که به کمک آن می توان بخش بندی بازار و مشتری را به شیوه کارآمدتری انجام داده و در نتیجه پیشنهادات بهتری به مشتری ارایه داد. بدین منظور از روشهای داده کاوی همچون خوشه بندی و قواعد انجمنی استفاده شده است ، به طوری که در فاز اول خوشه بندی مشتریان براساس مشخصه های جمعیت شناختی سن ، جنسیت ، شغل و تحصیلات انجام شده است که در آن تعداد خوشه ها با ستفاده از الگوریتم نقشه خودسازمانده (SOM) مشخص شده و سپس خوشه ها با الگوریتم K میانگین (K-Means) ایجاد گردیده اند. در فاز دوم با استفاده از قواعدانجمنی در هر خوشه ، نقشه ای معتبر انتخاب شده و براساس آن به مشتریان آن خوشه ، پیشنهادات مناسب گوناگونی ارائه شده است . برای بررسی کارایی مدل پیشنهادی، از آن در تحلیل داده های یک وبگاه تجاری ایرانی برای پیشنهاددهی به مشتریان استفاده گردیده است که نتایج مناسبی از خوشه بندی و ارایه پیشنهادات حاصل شد.

Keywords:

سیستمهای پیشنهاد گر , خوشه بندی , نقشه خود سازمانده , قواعد انجمنی , خرده فروشی اینترنتی