زاهده جعفری - کارشناس ارشد مهندسی صنایع از موسسه آموزش عالی پویش قم، ایران
زهرا جیریایی شراهی - دانشجوی دکتری مهندسی صنایع دانشگاه یزد، یزد، ایران
علی دهباشی - دانشجوی کارشناس ارشد MBA از دانشگاه سمنان ، ایران

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ذخیره شده در آن ها، نیاز به ابزاریست تا بتوان این داده ها را پردازش نموده و از آن ها استفاده نمود. بهترین ابزار جهت کشف قوانین میان داده ها، داده کاوی و استفاده از تکنیک های داده کاویست. در این مقاله به دنبال استفاده از ابزار های داده کاوی در جهت استخراج قوانین سود آوری هستیم. به جهت کسب نتایج ملموس مورد کاوی پژوهش حاضر، اطلاعات مشتریان یک رستوران در دو بخش از طریق توزیع یک پرسشنامه جمع آوری گردیده است.بخش اول اطلاعات شخصی مشتریان است و بخش دوم سطح اهمیت هریک از عوامل وفاداری است که توسط هر یک از مشتریان تعیین گردیده است. پس از جمع آوری داده ها در فایل اکسل وارد شده و توسط نرم افزار رپید ماینر مورد بررسی قرار گرفته و روی کلیه اطلاعات مربوط به مشتریان خوشه بندی انجام گردیده است و مشتریان بر اساس تشابه ویژگی ها و رفتار آن ها در یک خوشه قرار می گیرند. خوشه بندی با استفاده از الگوریتم K میانگین انجام شده است. سپس شاخصی برای دسته بندی تعریف شده و بر روی هر خوشه دسته بندی انجام پذیرفته و مشتریان هر خوشه به دو گروه سود آور و غیر سودآور تقسیم بندی گردیده و پس از استخراج قوانین از درخت تصمیم ، استراتژی های کسب سود بیشتر برای محل مورد مطالعه ارایه می گردد.

مدیریت ارتباط با مشتری، خوشه بندی، k-means، دسته بندی، درخت تصمیم