ارائه روشی برای بخش بندی پویای پایگاه مشتریان در سیستم هوش تجاری تطبیق پذیر

رکن اصلی هر سیستم هوشمند، توانایی آن در تطبیق با تغییرات محیطی است، بااین حال، توجه کافی به مسئله تطبیق پذیری در این سیستم ها نشده است. از این رو، هدف این مقاله ارائه روشی در سیستم هوش تجاری تطبیق پذیر است که به صورت پویا به بخش بندی مشتریان پرداخته و با نظارت بر رفتار خرید و همچنین تحلیل تازگی، تکرار و حجم پولی خرید هر یک از مشتریان، این بخش بندی را به روزرسانی می کند. در این پژوهش، روش های داده کاوی روی پیمانه تطبیق پذیری سیستم هوش تجاری تطبیق پذیر اعمال شده است تا بدین ترتیب مشتریان فعلی سازمان دسته بندی شده و در گذر زمان و با یادگیری از محیط، این دسته بندی بهبود یابد تا بتوان خدمات سفارشی شده به مشتریان ارائه داد این روش می تواند در کمتر از 0.5 ثانیه خوشه بندی اولیه را با توجه به تغییرات محیطی اصلاح کرده و از زمان های طولانی اجرای الگوریتم های خوشه بندی مرسوم (تقریبا در 22 درصد موارد) بکاهد. روش پیشنهادی با در نظرگرفتن بخش های مختلف مشتریان، مقادیر فعلی RFM آن ها و تغییراتی که با تکرار خرید در این مقادیر ایجاد می شود، خوشه بندی بهتر و جامع تری از مشتریان سازمان به دست می دهد که می تواند در بهبود عملکرد سیستم هوش تجاری تطبیق پذیر مفید واقع شود.