سیستم پیشنهادگر هوشمند برای خرده فروشی اینترنتی با استفاده از نقشه خودسازمانده و قواعد انجمنی بر اساس الگوهای جمعیت شناختی مشتریان

امروزه به دلیل گستردگی رقابت در دنیای تجارت الکترونیکی، روش های موثر در جذب مشتریان از اهمیت ویژه ای برخوردار شده اند. یکی از این روش ها، بکارگیری سیستمهای پیشنهادگر در وبگاه های تجاری است تا بدین ترتیب امکان استخراج علایق مشتریان و پیشنهاد مناسب ترین محصولات به آنها میسر گردد. در این مقاله، مدل جدیدی برای سیستمهای پیشنهادگر ارایه شده است که به کمک آن می توان بخش بندی بازار و مشتری را به شیوه کارآمدتری انجام داده و در نتیجه پیشنهادات بهتری به مشتری ارایه داد. بدین منظور از روش های داده کاوی همچون خوشه بندی و قواعد انجمنی استفاده شده است، به طوریکه در فاز اول خوشه بندی مشتریان بر اساس مشخصه های جمعیت شناختی سن، جنسیت، شغل و تحصیلات انجام شده است که در آن تعداد خوشه ها با استفاده از الگوریتم نقشه خودسازمانده (SOM) مشخص شده و سپس خوشه ها با الگوریتم K میانگین (K-Means) ایجاد گردیده اند. در فاز دوم با استفاده از قواعد انجمنی در هر خوشه، نقشه ای معتبر انتخاب شده و بر اساس آن به مشتریان آن خوشه، پیشنهادات مناسب گوناگونی ارائه شده است. برای بررسی کارایی مدل پیشنهادی، از آن در تحلیل داده های یک وبگاه تجاری ایرانی برای پیشنهاددهی به مشتریان استفاده گردیده است که نتایج مناسبی از خوشه بندی و ارایه پیشنهادات حاصل شد.