ارائه رویکردی مبتنی بر سابقه خرید مشتریان و توصیهی محصول به مشتری: مورد مطالعه مشتریان دیجیکالا
نویسندگان
1 دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران.
2 استادیار، گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، دانشگاه ولیعصر(عج) رفسنجان، رفسنجان، ایران.
3 دانشیار، گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، دانشگاه ولیعصر(عج) رفسنجان، رفسنجان، ایران.
4 دانشجوی کارشناسی ارشد، گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، دانشگاه ولیعصر(عج) رفسنجان، رفسنجان، ایران.
doi
10.48308/jimp.13.2.99چکیده
امروزه که رقابت بین شرکتهای بازاریابی و خردهفروشیها در بهترین حالت خود قرار دارد، شرکتها سعی میکنند با توجه به رویکرد تقسیمبندی مشتریان و توصیه محصولات مناسب برای آنها، برتری خود را از دست ندهند. خرید آنلاین در بازار مجازی به سرعت در حال افزایش است و معمولاً مشتریان بر اساس نیازها و تمایلات خود تصمیم به خرید میگیرند. فروشندگان نقش مهمی در تأثیرگذاری بر مشتریان دارند به همین دلیل سیستم توصیه محصول بسیار حیاتی است. سیستم توصیه محصول، کاربردهای متنوعی دارد و به منظور ترغیب مشتریان به خرید محصولات دیگر نیز مورد استفاده قرار میگیرد. در این پژوهش، یک روش برای توصیه محصول به مشتریان ارائه شده است که با استفاده از الگوریتم خوشهبندی K-mean و مدل RFM به تقسیمبندی مشتریان و سپس توصیه محصول به آنها میپردازد. برای اثبات عملکرد سیستم پیشنهادی، آزمایشهایی با استفاده از دادههای جمعآوریشده از شرکت «دیجیکالا» صورت گرفت. نتایج پژوهش نشان داد که خوشهبندی بر اساس ویژگیهای R، Fو M برای خوشهی شماره صفر نتایج بهتری دارد. به همین دلیل، برای ترغیب مشتریان وفادار به خرید کالاهای با قیمت بالاتر، میتوان از قیمتی که به خوشه شماره صفر (مشتریان وفادار) پیشنهاد میشود، بهره برد و تخفیفهای ویژهای برای این مشتریان در نظر گرفت.