ارتقاء بهره وری فروشگاه های مبتنی بر تجارت الکترونیکی با بهره گیری ازتکنیکهای داده کاوی وتجزیه و تحلیل اطلاعات خرید مشتریان

در دنیای کنونی افزایش فروش و جذب مشتری از دغدغه های اصلی صاحبان مشاغل است. تجارت الکترونیک نوع جدیدی از فروش و بازاریابی است که در آن مدیران باید تشخیص بدهند چه چیزی برای مشتریان آنها در بازار هدف شان مهم است. استفاده از الگوریتمهای یادگیری ماشین دارای ارزش کاربردی بالایی در حل طیفی از مسایل مربوط به شناسایی و ارزیابی رفتار مشتریان میباشد. در سالهای اخیر یکی از فعالترین حوزه های پژوهشی در زمینه یادگیری ماشین، استفاده از دسته بندی کنندههای جمعی و ترکیب شونده بوده است. در این تحقیق با استفاده از الگوریتمهای یادگیری ماشین 1 و با ترکیب الگوریتم ژنتیک 2 و الگوریتم طبقهبندی ترکیبی روشی نوین برای شناسایی الگوی رفتاری مشتریان صورت میپذیرد. از الگوریتم ژنتیک با تابع هدف آماری برای انتخاب ویژگی و کاهش ابعاد دادهها و سپس از طبقه بندی ترکیبی با الگوریتم بوستینگ3 جهت دسته بندی دادهها استفاده میگردد.هدف اصلی در این تحقیق تشخیص الگوی رفتاری تاثیر گذار بر فروش در فروشگاه های مبتنی بر تجارت الکترونیک می باشد. اگر ما بتوانیم دادهها را بهدرستی دستهبندی کنیم میتوانیم تا حد زیادی الگوی تاثیرگذار بر فروش را تشخیص داده یا حتی بروز آن را پیشبینی کنیم. نتایج حاصله از این طبقه بندی کننده بر روی ویژگیهای استخراجی توسط الگوریتم ارایه شده، با نتایج حاصل از طبقه بندی با استفاده از تمامی ویژگیها مورد مقایسه قرار گرفته است. نتایج نشان می دهد که روش پیشنهادی، نسبت به سایر روش های انتخاب ویژگی، برتری قابل توجهی دارد.

Keywords:

الگوی رفتاری مشتریان , تجارت الکترونیک , الگوریتم ژنتیک , طبقه بندی ترکیبی , داده کاوی