سيستم پيشنهادگر هوشمند براي خرده فروشي اينترنتي با استفاده از نقشه خودسازمانده و قواعد انجمني بر اساس الگوهاي جمعيت شناختي مشتريان

A Retailing Recommender System Based on Customers’ Demographic Features using SOM and Association Rules

امروزه به دليل گستردگي رقابت در دنياي تجارت الكترونيكي، روشهاي موثر در جذب مشتريان از اهميّت ويژه اي برخوردار شده اند. يكي از اين روشها، بكارگيري سيستمهاي پيشنهادگر در وبگاه-هاي تجاري است تا بدين ترتيب امكان استخراج علايق مشتريان و پيشنهاد مناسب ترين محصولات به آنها ميسّر گردد. در اين مقاله، مدل جديدي براي سيستمهاي پيشنهادگر ارايه شده است كه به كمك آن مي توان بخش بندي بازار و مشتري را به شيوه كارآمدتري انجام داده و در نتيجه پيشنهادات بهتري به مشتري ارايه داد. بدين منظور از روشهاي داده كاوي همچون خوشه بندي و قواعد انجمني استفاده شده است، به طوريكه در فاز اول خوشه بندي مشتريان بر اساس مشخصه-هاي جمعيّت شناختي سن، جنسيّت، شغل و تحصيلات انجام شده است كه در آن تعداد خوشه ها با استفاده از الگوريتم نقشه خودسازمانده (SOM) مشخص شده و سپس خوشه ها با الگوريتم K ميانگين (K-Means) ايجاد گرديده اند. در فاز دوم با استفاده از قواعد انجمني در هر خوشه، نقشه اي معتبر انتخاب شده و بر اساس آن به مشتريان آن خوشه، پيشنهادات مناسب گوناگوني ارايه شده است. براي بررسي كارايي مدل پيشنهادي، از آن در تحليل داده هاي يك وبگاه تجاري ايراني براي پيشنهاددهي به مشتريان استفاده گرديده است كه نتايج مناسبي از خوشه بندي و ارايه پيشنهادات حاصل شد.