• شماره ركورد
    9298
  • پديد آورنده

    امير خليلي مهديرجي

  • عنوان
    خوشه بندي مشتريان فروشگاه آنلاين بر اساس مدل تازگي، تكرار، ارزش پولي و الگوريتم هاي خوشه بندي با استفاده از ابزار هاي داده كاوي
  • مقطع تحصيلي
    كارشناسي
  • رشته تحصيلي
    مهندسي صنايع
  • سال فارغ التحصيلي
    1403
  • استاد راهنما
    دكتر يعقوبي
  • دانشجوي وارد كننده اطلاعات

    امير خليلي مهديرجي

  • تاريخ ورود اطلاعات
    1403/07/22
  • دانشكده
    دانشكده صنايع
  • عنوان به انگليسي
    Customer clustering for an online store based on the Recency, Frequency, Monetary (RFM) model and clustering algorithms using data mining tools
  • چكيده
    در اين پژوهش به بررسي خوشه‌بندي مشتريان با استفاده از الگوريتم‌هاي كي-ميانگين و فازي سي-ميانگين بر پايه مدل آر-اف-ام (تازگي، تكرار و ارزش پولي) مي‌پردازيم. هدف اصلي اين تحقيق، بهبود فرآيند خوشه‌بندي مشتريان و ارائه راهكارهاي موثرتر در مديريت ارتباط با مشتريان است. اهميت اين موضوع در افزايش رقابت در فضاي ديجيتال و نياز به بهينه‌سازي تجربه مشتري براي حفظ و افزايش سهم بازار نهفته است. با استفاده از تكنيك‌هاي پيشرفته داده‌كاوي، كسب‌وكارها مي‌توانند بينش‌هاي عميق‌تري از رفتار خريد، ترجيحات و نيازهاي مشتريان خود به دست آورند و در نتيجه، تصميمات استراتژيك آگاهانه‌تري اتخاذ كنند. در اين مطالعه، سه روش مختلف براي مقياس بندي داده‌ها شامل استانداردسازي ميانگين و انحراف معيار، نرمال‌سازي با مين-ماكس و حالت بدون تغيير مورد استفاده قرار گرفت. نتايج نشان داد كه حالت بدون تغيير بهترين عملكرد را در خوشه‌بندي مشتريان ارائه داد. روش استانداردسازي ميانگين و انحراف معيار به دليل تعديل داده‌ها و كاهش تاثير داده‌هاي پرت، مي‌تواند در برخي موارد مفيد باشد. نرمال‌سازي با مين-ماكس نيز با مقياس‌بندي داده‌ها به محدوده‌اي مشخص ميتواند به بهبود الگوريتم‌هاي خوشه‌بندي كمك كند. با اين حال، در اين تحقيق، حالت بدون تغيير بهترين نتايج را ارائه داد كه ممكن است به دليل ويژگي‌هاي خاص داده‌هاي مورد استفاده باشد. اين يافته‌ها نشان‌دهنده اهميت انتخاب روش مناسب براي پيش‌پردازش داده‌ها در تحليل‌هاي خوشه‌بندي است. همچنين، نتايج اين تحقيق مي‌تواند به عنوان يك منبع ارزشمند براي محققان و تحليل‌گران داده در زمينه بازاريابي و مديريت مشتريان مورد استفاده قرار گيرد و به بهبود فرآيندهاي تصميم‌گيري در سازمان ها كمك ميكند، در نهايت باعث مي‌شود كه در تحقيقات آينده، روش‌هاي ديگري نيز براي پيش‌پردازش داده‌ها و الگوريتم‌هاي مختلف خوشه‌بندي مورد بررسي قرار گيرند تا به نتايج دقيق‌تر و كاربردي‌تري دست يابيم.
  • كليدواژه ها
    خوشه بندي مشتريان , فروشگاه آنلاين , داده كاوي , مدل آر-اف-ام , مدل كريسپ , الگوريتم كي-ميانگين , الگوريتم فازي سي-ميانگين