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، روشهای مؤثر در جذب مشتریان از اهمیّت ویژه­ای برخوردار شده­اند. یکی از این روشها، بکارگیری سیستمهای پیشنهادگر در وبگاه­های تجاری است تا بدین­ترتیب امکان استخراج علایق مشتریان و پیشنهاد مناسب­ترین محصولات به آنها میسّر گردد. در این مقاله، مدل جدیدی برای سیستمهای پیشنهادگر ارایه شده است که به کمک آن می­توان بخش­بندی بازار و مشتری را به شیوه کارآمدتری انجام داده و در نتیجه پیشنهادات بهتری به مشتری ارایه داد. بدین­منظور از روشهای داده­کاوی همچون خوشه­بندی و قواعد انجمنی استفاده شده است، به­طوریکه در فاز اول خوشه­بندی مشتریان بر اساس مشخصه­های جمعیّت­شناختی سن، جنسیّت، شغل و تحصیلات انجام شده است که در آن تعداد خوشه­ها با استفاده از الگوریتم نقشه خودسازمانده (som) مشخص شده و سپس خوشه­ها با الگوریتم k میانگین (k-means) ایجاد گردیده­اند. در فاز دوم با استفاده از قواعد انجمنی در هر خوشه، نقشه­ای 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 داده­های یک وبگاه تجاری ایرانی برای پیشنهاددهی به مشتریان استفاده گردیده است که نتایج مناسبی از خوشه­بندی و ارایه پیشنهادات حاصل شد.