بکارگیری روش‌های یادگیری ماشین در تحلیل ترجیحات مشتریان فروشگاه‌های زنجیره‌ای مواد غذایی

چکیده

هدف اصلی پژوهش کشف الگوهای ارزشمند در داده­های مشتریان فروشگاه­های زنجیره­ای برای شناسایی ترجیحات و خروج مشتریان ارزشمند می‌باشد. با استفاده از روش­های داده­کاوی و یادگیری ماشین، مشتریان ارزشمند بر اساس متغیرهای RFM شناسایی شدند. این کار توسط روش­های خوشه­بندی صورت گرفت. سپس به طبقه­بندی مشتریان ارزشمند پرداخته شد که این کار توسط روش­های طبقه­بندی صورت گرفت. در ادامه به شناسایی ترجیحات مشتریان با ارزش پرداخته که این کار توسط رویکرد قوانین وابستگی انجام شد. همچنین با استفاده از روش­های طبقه­بندی و خوشه­بندی به یافتن الگوهای مفید برای شناسایی و تحلیل رفتار مشتریان خروجی و غیرخروجی پرداخته شد. بعد از یک مجموعه عملیات آماده­سازی و پیش­پردازش داده­ها، اطلاعات هر مشتری به همراه تراکنش­های آن­ها مشخص شد. داده اولیه بر اساس تراکنش هر مشتری بود. لیکن بعد از عملیات آماده­سازی و پیش­پردازش داده­ها، مجموعه داده­هایی بدست آمد که مربوط به هر مشتری بوده و اطلاعات آن­ها را ثبت کرده بود. با استفاده از روش­های داده­کاوی و یادگیری ماشین و سه رویکرد قوانین وابستگی، طبقه­بندی و خوشه­بندی، به آموزش و ساخت مدل­ها و الگوهای رفتاری مفید در مجموعه داده مشتریان فروشگاه­های زنجیره­ای پرداخته شد. در نهایت، مجموعه­ای از الگوها و قوانین برای شناسایی ترجیحات مشتری، تشخیص مشتریان ارزشمند و شناسایی مشتریان خروجی بدست آمد.