خوشه‌بندی بازار مصرف‌کنندگان خرید آنلاین ایران با استفاده ازشبکة عصبی مصنوعی

نویسندگان

1 دانشجوی دکتری، گروه مدیریت، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.

2 استاد، گروه اقتصاد وعلوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایران.

3 دانشیار گروه مدیریت دولتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

4 استادیارگروه مدیریت، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.

doi
JABM.3.2.15564.351256.3257848
چکیده

هدف پژوهش حاضر، خوشه‌بندی بازار مصرف‌کنندگان خرید آنلاین ایران با استفاده ازشبکه‌ عصبی مصنوعی است تا بتوان بر اساس آن، به شناسایی هرچه بهتر نیازهای مشتریان، تعیین دقیق‌تر خصوصیات هر کدام از خوشه‌ها، انتخاب بهترین روش خوشه‌بندی و نهایتاً تدوین استراتژی‌های مناسب برای مدیریت، ارتباط و خدمت‌‌رسانی مناسب‌تر به مشتریان دست یافت. پژوهش حاضر بر اساس هدف،‌ توصیفی و از نوع برآوردی و ارزشیابی و از نظر غایت کاربردی و به لحاظ مقطع زمانی وضعیت مشتریان را درخلال سال‌های 1400 تا 1401 مورد مطالعه قرار داده است. جامعة آماری شامل 52403 فروشگاه اینترنتی بوده است که پژوهش حاضر بر اساس روش نمونه‌گیری ساده 349 فروشگاه را انتخاب نمود. روش تحلیل، آنالیز و دسته‌بندی داده‌ها به روشRFM و K-Meansوشبکه فازی-عصبی خودسازمانده صورت پذیرفته است. تکنیک مورد استفاده نیز از نوع معیار‌های مجموع مربعات خطا و شاخص دیویس بولدین بوده است. یافته‌های پژوهش نشان داد: مواد غذایی (کمترین تاخر خرید به دلیل نیاز مکرر را داشته اند)؛ مواد و لوازم آرایشی (بیشترین خرید توسط زنان انجام گرفته است)؛ لوازم لوکس (بالاترین ارزش پولی خرید را داشته اند)؛لوازم صنعتی و تجهیزات جانبی آنها (بیشترین خرید توسط مردان صورت گرفته است) و نهایتاً لوازم بهداشتی و شوینده و پوشاک (بیشترین تکرر خرید را داشته است). نتایج پژوهش بیانگر این موضوع بوده است که به کارگیری شبکه‌های عصبی خودسازمانده در کنار روش RFM مناسب‌ترین روش برای خوشه‌بندی و تفکیک و ارزش گذاری مشتریان است. همچنین، Kmeans+ANFIS نیز به مقادیر مناسبی دست یافته اما روش WRFM+ANFIS در این شاخص، موفق‌تر عمل کرده است.