یک مدل تطبیق هوشمند خریدار و فروشنده در سیستم های واسطه معامله

در سال های اخیر اینترنت رشد عظیمی داشته و متناسب با آن تجارت الکترونیکی هم برای کاربردهای مختلف، شکل گرفته است. با گسترده تر شدن ارتباطات میان خریدار و فروشنده، اطلاعات بسیاری هم از فروشندگان و هم از خریداران بر روی اینترنت قرار گرفته است، به گونه ای که به تدریج، انتخاب بهترین فروشنده برای یک خریدار را در یک محیط پر از اطلاعات، سخت و حتی غیر ممکن می نماید. این است که راه عوامل جدیدی به نام سیستم های واسطه فروش به تجارت الکترونیکی باز شده است. امروزه واسطه های فروش می توانند در محیط بازارهای الکترونیکی، کار خریداران را ساده نموده و به آسانی به جستجوی اطلاعات مربوط به کالاهای مورد علاقه خریداران بپردازند و از این طریق در زمان صرفه جویی کرده، یک خریدار را به سمت فروشنده مناسب وی هدایت نمایند. یکی از مهم ترین موضوعات در ارتباط با سیستم های واسطه فروش، چگونگی تطبیق خریدار و فروشنده می باشد. در این پژوهش مدلی جهت انطباق خریدار و فروشنده ارائه می شود. با توجه به اینکه در انجام یک معامله فروش کالا، طرفین معامله می بایستی تا حد امکان رضایت کافی از سیستم کسب نمایند، لذا در این مدل کسب سطح رضایت مورد نظر خریدار با توجه به کالاهای ارائه شده توسط فروشنده، کسب سطح رضایت فروشنده بر مبنای انتظارات خریداران و همچنین منافع سیستم واسطه فروش در نظر گرفته می شود و از این جهت مدل پیشنهادی در این تحقیق یک مدل سه بعدی می باشد. در این پژوهش با استفاده از یک ساختار پیشنهادی سه لایه ای، لایه انطباق در سیستم های واسطه فروش نشان داده می شود. نخست در لایه محاسبه سودمندی با استفاده از روش هایی همچون فاصله اقلیدسی و تاپسیس که به عنوان یکی از روش های تصمیم گیری چند معیاره به کار می رود، فاصله میان تقاضای کاربر (انتظارات و ترجیحات کاربر) با هر یک از گزینه های پیش رو بدست می آید و پس از انجام پردازش هایی بر روی داده ها در لایه پردازش، با استفاده از مقادیر سودمندی، شرایط برای تصمیم گیری مهیا می شود و نهایتاً در زیر لایه انتخاب، با توجه به شرایط مناسب ترین گزینه برای خریدار انتخاب شده و به وی پیشنهاد می شود. نتایج شبیه سازی با استفاده از داده های تولید شده در مدل پیشنهادی نشان می دهد که روش تاپسیس به دلیل دقت بیشتری که نسبت به فاصله اقلیدسی دارد نتایج بهتری را ارائه می دهد. با توجه به ساختار لایه بندی مدل پیشنهادی و قابل انعطاف بودن آن، امکان بهبود روش در هر یک از لایه ها وجود داشته و به عنوان کارهای آینده پیشنهاد می گردد.