9943

استفاده از يادگيري ماشين براي بخش‌بندي كاربران در كمپين‌هاي ماركتينگ

كارشناسي

مهندسي كامپيوتر

1404

مهرداد آشتياني

بهروز مينايي

1404/08/09

مهندسي كامپيوتر

Using Machine Learning for User Segmentation in Marketing Campaigns

بخشبندي كاربران يكي از اركان اساسي بازاريابي دي يتال است كه به كسبوكارها امكان ميدهد استراتژيهاي هدفمند و شخ صي سازي شدهاي براي تعام مؤثرتر با م شتريان طراحي كنند. روشهاي سنتي بخشبندي، كه عموماً مبتني بر قواعد ايسمممتا و ويژگيهاي از پيش تعيينشمممده هسمممتند، از دقت و انعطاسپذيري محدودي برخوردار ند و توا نايي كافي براي تحل ي دادههاي پيچ يده و چ ندب عدي را ندار ند. در سمممالهاي اخير، ظهور احگوريتمهاي يادگيري عميق و روشهاي پيشرفته يادگيري ماشين، زمينهساز بهبود چشمگير در كشف احگوهاي پنهان رفتاري كاربران و اي اد بخشبنديهاي پوياتر شممده اسممت. در اين پژوهش، از احگوريتمهاي انتقال بهينه 1 )سمممينهورن( 2براي بخش و خوشمممهبندي خودرمزگذار بندي كاربران بر اسممماي ويژگيهاي رفتاري از جمله 3 شمماخصهاي تازگي، تكرار و ارزش ماحي خريد و سمماير معيارهاي تعام اسممتفاده شممده اسممت. عملكرد مدلها با ، شاخص ديويس–بوحدين 4 ا ستفاده از معيارهاي ا ستاندارد ارزيابي از قبي امتياز سيلوئت و شاخص كاحين سكي– 5 6 هاراباز سممن يده شممده اسممت. نوآوري اصمملي اين پژوهش در بهكارگيري احگوريتم انتقال بهينه براي بخشبندي كاربران و مقايسه آن با روشهاي مبتني بر يادگيري عميق همچون خوشهبندي خودرمزگذار است. نتايج ت ربي 7 ن شان ميدهد كه احگوريتم انتقال بهينه عملكردي قاب مقاي سه و در برخي موارد برتر از روش كال سيك كي-مينز دارد، در حاحي كه مدل خوشمهبندي خودرمزگذار به دحي پيچيدگي سماختار و حسماسميت نسمبت به پارامترها عملكرد ضعيفتري ارائه كرده است. در م موع، يافتههاي اين تحقيق بيانگر آن است كه احگوريتمهاي مبتني بر انتقال بهينه ميتوانند جايگزيني كارآمد و انعطاسپذير براي روشهاي سنتي در بخشبندي كاربران با شند و در بهبود كارايي بازاريابي هدفمند نقش مؤثري ايفا كنند.

بخش‌بندي كاربران , الگوريتم انتقال بهينه , الگوريتم خوشه‌بندي خودرمزگذار , يادگيري ماشين , بازاريابي ديجيتال