سپیده فریدی زاده - نویسنده مسئول- دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات، دانشگاه الزهرا، واحد تهران، ایران
ندا عبدالوند - استادیار فناوری اطلاعات، دانشگاه الزهرا، واحد تهران، ایران

توسعه سبد محصولات مشتری و پیشنهاد محصول یکی از اهداف بازاریابی رابطه مند است که با گسترش تجارت الکترونیک، تلاش شده تا با استفاده از سیستم های هوشمند توصیه گر بتوان کاربران را در یافتن کالاهای مورد نیازشان کمک کرد. اغلب سیستم های توصیه گر از رویکردهای داده کاوی و قواعد انجمنی بهره می برند. در این پژوهش، با استفاده از یک رویکرد اکتشافی در تحلیل شبکه های پیچیده، الگوی جدیدی برای طراحی سیستم توصیه گر ارائه می شود. به این منظور با استفاده از 320.616 رکورد داده تراکنشی یک فروشگاه خرده فروشی اینترنتی، شبکه ای از مشتریان تشکیل داده شد که ارتباطات مشتریان در این شبکه براساس محصولات مشترکی تعریف شده که توسط هر جفت مشتری خریداری گردیده است. سپس با به کارگیری روش کشف اجتماعات لوین، گروه های مشتریان با سلایق مشترک خرید از این شبکه استخراج و بر مبنای آن الگوریتم سیستم توصیه گر ارائه می شود. رویه ارائه شده، می تواند مشتریان را در انتخاب محصول و شرکت ها را در بهبود رویه های خرده فروشی یاری کند.

سیستم توصیه گر، شبکه مشتریان، کشف اجتماعات، توصیه محصول