تاثیرات داده کاوی

داده کاوی وکاربردهای آن
داده کاوی
داده کاوی
هوش تجاری
هوش تجاری
هوش تجاری

بررسی تاثیرات  بکارگیری داده کاوی در کارائی وبسایتها و فروشگاههای آنلاین

چکیده


درحال حاضر داده ها محور اصلی فعالیتهای تجارت الکترونیک،  وبسایتها و فروشگاههای آنلاین می باشدکه از طریق تعاملات در سیستم ها با حجم بسیار بالا و انبوهی  شکل می گیرند پس نیاز به ابزاري است که بتوان داده هاي ذخیره شده را پردازش کرده و اطلاعات حاصل از این پردازش را در اختیار مدیران جهت تصمیم گیری آگاهانه قرار دهد .در این راستا دانش داده کاوي در سال هاي اخیر گسترش فوق العاده سریعی در دنیا داشته است .داده کاوي فرآیند کشف دانش پنهان درون داده ها است که با توصیف،تشریح، پیش بینی و کنترل پدیده هاي گوناگون پیرامونی،قابليت گسترش،يکپارچگي، بکارگيري حجم زيادي از داده ها، ناهمگوني و پيچيدگي ساختار داده ها، مالکيت داده ها، توزيع پذيري، امنيت، شفافيت مکان ، داده ها و شخصي سازي مي باشند. در این مقاله به بررسی  نقش داده کاوی ،  وب کاوی در جهت بهبودکارائی ،عملکرد وبسایت و فروشگاههای آنلاین از جمله موارد فروش ، مدیریت ریسک، بازاریابی هدفمند، مدیریت ارتباط با مشتری سیستم های پیشنهاد دهنده و شخصی سازی وب پرداخته شده است

کلمات کلیدی: داده کاوی [1]، وب کاوی [2]،متن کاوی [3]،فروشگاه آنلاین[4]

1. مقدمه

در سایت فروشگاه آنلاین خرید و فروش محصولات متنوع ، خدمات و اطلاعات کامل و جزئی هریک با طبقه بندی خاص با ویترینی بدیع بر بستر اینترنت دراختیارمشتریان واستفاده کنندگان می باشد. قصد داریم با کمک  ابزار کاوش داده عالی امروزه  همچون داده کاوی و وب کاوی به رونق و ارتقا فروشگاه آنلاین  در کاوش داده ها کمک نماییم یقینا بهبود سفارش گیری، مدیریت زنجیره عرضه و معاملات پولی ،امنیت، مدیریت ارتباط با مشتریان ، بازاریابی وفروش وبرنامه ریزی آفر ها ،پیشگویی درامدی ،مدیریت دانش از بین حجم بالای دیتای بانک اطلاعاتی وبسایت فروشگاه ،بهبود رتبه سایت ،ارزش گذاری به مشتریان ،حفظ مشتریان، درک مشتریان،کاهش هزینه ،حذف واسطه ها وبهبود رقابت تجاری جهانی ،نوآوری و برتری از رقبا ، کارائی  واثر بخشی وسودآوری را به همراه خود دارد .

این مقاله بامرور بررسی از منابع و دیتاهای معتبر و متعدد علمی صورت گرفته که در ادامه به تفضیل آن خواهیم پرداخت.

[1] Data mining

[2] Web  mining

[3] Text mining

[4] Online shop

. داده‏ کاوی

سیر تحول داده‏ کاوی

از 1960

ایجاد سيستم ها ي جمع آوري و مديريت داده ها توسط IBM, CDC

بازیابی ایستا (محاسبه کل سود یک فروشگاه در 5 سال گذشته)

از 1980

پرس وجو شاخص گذاري و سازماندهي داده ها با  DBMS هاي DB2 ، Oracle ، Sybase

بازیابی پویا در سطح رکورد (ميزان فروش كالا بصورت روزانه)

از 1990

ايجاد پایگاه داده های چند بعدیData Warehouse  و OLAP

و اما در حال حاضر

ابزارهای پیشرفته مانندSPSS/Clementine, SGI, SAS

کشف الگوهايی جديد در پايگاه داده ها و بازیابی پویا با نگاه پیشرو به آینده

تعاریف داده‏ کاوی

داده‏کاوی تحلیل و کشف مقادیر بزرگی از داده ها به منظور کشف الگوهای معتبر ، جدید ، به طور بالقوه مفید و نهایتا قابل (Fayyad, Piatetsky-Shapiro, Smyth ,1996) فهم از داده ‏ها می‏باشد

داده‏کاوی به فرایند استخراج اطلاعات نهفته ، قابل فهم ، قابل پیگیری از پایگاه داده‏های بزرگ و استفاده از آن

(Zekulin) در تصمیم‏گیری های تجاری مهم ، اطلاق می‏شود

امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش( آنهم باتولید داده حدود 2.5 ملیارد گیگابایت روزانه در دنیا) بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .

کاربرد طبقه بندي روشهاي داده كاوي

طبقه بندی: طبقه بندی اشیا ومشتریان برای شناسایی الگو با کمک درخت تصمیم [1]وشبکه عصبی [2]با کاربرد بازاریابی مستقیم ، ارسال کاتالوگ، شناخت تقلب[3]

تشخیص و کشف خطا: کشف تغییرات در داده ها براساس رفتار نرمال قبلی

کاربرد: تشخيص حمله يا نفوذ در سایت فروشگاه ،کشف الگوهای خرید غیرطبیعی با کارت های شتاب

خوشه بندی[4]: دسته بندی طبیعی داده های نامتجانس به تعدادی خوشه براساس خصوصيات مشابه

کاربرد: تقسیم بندی بازار محصول ، شناسايي مشتريان،بازاريابي مستقيم

کشف قانون وابستگی[5]: کشف و تولید الگوهایی که وقوع یک رخداد را براساس واقعه دیگر پیش گویی کند

کاربرد: مدیریت موجودی و انبار،تبلیغات و بازاریابی انواع کالا، مدیریت چیدمان ویترین فروشگاه،تخمین دوره عمر مشتری

کشف الگوی ترتیبی: شناسایی ترتیب وقایع براساس اطلاعات گذشته  که  امکان برنامه ریزی تولید وسازماندهی انباررادارد

نمایه سازی[6]

نتایج نمایه سازی درک ما را از مشتریان، محصولات یا فرآیندهایی که داده ها را در مرحلۀ اول تولید کرده اند افزایش می دهد. مثلا توصیفی از اینکه تعدادمشتریان جوان بیشتر از جوانان سالخورده است.که درخت های تصمیم، قوانین وابستگی و خوشه بندی، ابزار مفیدی برای نمایه سازی می باشد.با کمک  تحليل دیتا ها و پايگاه داده هاي وبسایت فروشگاه آنلاین با داده کاوی ، محصولات و خدمات متناسب با عادتها و سلايق دلخواه مشتريان داده میشود  و بدين ترتيب ارزش ارائه شده به مشتريان ومدیریت ارتباط با مشتریان  افزایش وبهبود می یابد . فروشندگان با داده کاوی  پی به علاقمندی ،نیاز واقعی  مشتریان خود می برند و از طرف دیگر مشتریان هم مایلند  اطلاع رسانی در فروش فصلی و تخفیفات و آفرها  را  مطلع گردند. وپیشنهادات هوشمندانه ای را با روشهای دلخواه دریافت نمایند

تاثیر داده کاوی

یکی از نمونه های بارز داده کاوی را می توان در فروشگاه های آنلاین مشاهده نمود، که در آن سعی می شود ارتباط محصولات مختلف هنگام خرید مشتریان مشخص گردد. فروشندگان مشتاقند بدانند که چه محصولاتی با یکدیگر به فروش می روند. برای مثال و نمونه عملیات داده کاوی مشاهده و بررسی  شده  بر روی حجم عظیمی از داده های فروش در یک شرکت بزرگ تولید و عرضه پوشاک  در اروپا  اذعان می دارد  که افرادی که کراوات های ابریشمی را خریداری می کنند، در همان روز یا روزهای آینده گیره کراوات مشکی رنگ  را نیز خریداری می کننداین نوع استفاده از داده کاوی می تواند فروشگاه ها را در برگزاری هوشمندانه فستیوال های فروش و نحوه ارائه و ترکیب اجناس به مشتریان کمک فراوانی  نماید.[1]

انواع داده های موجود در یک سایت شامل چه مواردی می تواند باشد؟

اطلاعات کوکی و سرور، پروفايل ها / داده هاي ورودي كاربر ،اسناد وب و متا ديتا ها

داده کاوی در بازاریابی

فرآیندی است که طی آن تحلیل گران برای شناسایی الگوهای منحصر به فرد رفتاری در میان گروه های مختلف مشتریان، داده هایی مانند  ساعات مراجعه، نوع خرید ها، نوع سوالات از بازدیدکنندگان ، رده سنی مشتریان، جنسیت و بسیاری اطلاعات دیگر را به دقت بررسی می کنند وآن ها را غربال و تفکیک می کنند

کاربردها شامل: جمع اوری اطلاعات مشتریان، حفظ وفاداری مشتریان،کنارگذاشتن مشتری ضررده، تحلیل سبد بازار[2]

سایر کاربردهای داده کاوی شامل موارد ذیل  می باشد:

استفاده از داده‌کاوی به فروشگاه های آنلاین کمک می‌کند تا ارتباط عوامل داخلی از جمله : قیمت ، محل قرارگیری محصولات و مهارت کارمندان را با عوامل خارجی مثل وضعیت اقتصادی ، رقابت در بازار و محل جغرافیایی مشتریان کشف نمایند. همچنین داده‌کاوی پیش‌بینی وضع آینده ی بازار ، گرایش مشتریان و شناخت سلیقه‌های عمومی آنها را برای شرکت ها ممکن می‌سازد. به عنوان مثال : بازار هدف ، پیدا کردن الگوی خرید مشتری ، برنامه‌ریزی برای معرفی محصول جدید ، دسته‌بندی مشتریان براساس نوع خرید ، آنالیز نیازهای مشتریان ، تشخیص محصولات مناسب برای دسته‌های مختلف مشتریان ، تشخیص فاکتورهایی برای جذب مشتریان جدید ، تعیین الگوهای خرید مشتریان ، تجزیه و تحلیل سبد خرید بازار[7] ، پیشگویی[8] میزان خرید مشتریان از طریق پست (فروش الکترونیکی) ، پیش‌بینی الگوهای کلاهبرداری از طریق کارت‏های اعتباری و شناسایی جرایم مالی ، تشخیص مشتریان ثابت و غیردائم  و دسته‌بندی و خوشه‌بندی مشتریان براساس رفتار مشتریان و کاربرد های دیگر در وب کاوی (پیشنهاد صفحات مرتبط ، بهبود ماشین های جستجوگر یا شخصی سازی حرکت در وب سایت) و یافتن روندهای فرهنگی سیاسی در وب ، تحلیل شبکه‏های اجتماعی ، وب2 (وبلاگ‏ها ، ویکی ها) ، آنالیز ترافیک وب ، تشخیص نفوذ به شبکه ، بیوانفورماتیک ، سیستم پیشنهاد دهنده برای آموزش مجازی را هم در نظر گرفت.

فروش

امروزه بحث تحلیل سبد خرید به یکی از پرطرفدارترین مباحث روز دنیا تبدیل شده است. برای مثال با سنجش داده های قبلی مشتریان به این نتیجه می توان رسید که ارائه محصولات مرتبط در یک بسته ، فروش محصولات را افزایش می دهد.

یا مثلا پی بردن به این حقیقت که مشتریانی که آبمیوه می خرند ، چیپس هم خریداری می‏کنند ویا دانستن این که مشتریان در روزهای خاصی از هفته بعضی اجناس را با هم خریداری می‏کنند کشف این ارتباطات بدون روش های داده‏کاوی و فقط با استفاده از مشاهدات تجربی غیر ممکن به نظر می رسد.

بازاریابی

شناسایی مشتریان احتمالی خوب  یعنی انتخاب کانال ارتباطی خاص برای گروه های مختلف مشتریان احتمالی از طریق داده کاوی و…

مدیریت ارتباط با مشتری

شناسایی،جذب،حفظ ، توسعه و وفاداری  مشتریان به همراه بهبود سود آوری را به عنوان حلقه بسته  مدیریت ارتباط با مشتریان در نظر گرفت.

(Ling & Yen, 2001)

مدیریت ارتباط با مشتری به طور طبیعی بر مشتریان فعلی تمرکز می‏کند.آیا مشتری صورت حساب های خود را به موقع می پردازد؟ آخرین خرید او چه زمانی بوده است؟ چه محصولی خریده است؟ قیمت آن چقدر بوده است؟ این مشتری چند بار با واحد خدمات مشتریان تماس گرفته است؟ ما چند بار با مشتری تماس گرفتیم؟ این نوع داده‏های رفتاری می تواند برای ارزیابی ارزش بالقوه مشتری ، ارزیابی خطر قطع ارتباط مشتری ، ریسک عدم پرداخت صورت حساب های این مشتریان و پیش بینی نیازهای آینده او ، استفاده شوند

کاربردهای داده کاوی شامل:[3]

تجزیه و تحلیل از فروش و تبلیغات گذشته تهیه گزارش های روزانه برای شناسایی بهترین تامین کنندگان و کندترین تامین کنندگان بررسی و تجزیه و تحلیل گزارشات فروش تجزیه و تحلیل الگوهای خرید مشتری و پیش بینی روند آینده مرور تاریخچه موجودی کالا تجزیه و تحلیل عملکرد فروشگاه و سطوح موجودی انبار
برنامه ریزی بودجه مالی توسعه برنامه های فروش و برنامه های خرید تجزیه و تحلیل و برنامه ریزی حاشیه سود ناخالص نسبت واحد موجودی متوازن سوابق کامل کاهش قیمت و گزارش ایجاد برنامه های راهبردی مالی / بودجه
توسعه ، انتخاب و قیمت گذاری کالا طبقه بندی های برنامه ریزی و انتخاب کالا بازدید بازارها و نمایشگاه های تجاری کنترل خریدهای برنامه ریزی شده و سطوح موجودی کالا نگهداری تعادل مناسب موجودی کالا و طبقه بندی نسبت واحد موجودی متوازن سوابق کامل کاهش قیمت و گزارش ها نظارت بر نشان گذاری قیمت توسعه اهداف فروش ، سطوح موجودی ، خرید کالا با قیمت های افزایشی تحریر سفارشات / پیگیری روی سفارشات
برنامه ریزی و مذاکرات با تامین کننده حفظ روابط منظم محکم با تامین کنندگان و تولید کنندگان تجدید ذخائر موجودی اولیه نظارت بر مرجوعی ها به فروشندگان
راه اندازی طرحهای بازاریابی توسعه راهبردهای کالا اداره کردن فعالیت های آنلاین آماده نمودن طرح های تبلیغاتی و ترویجی درک و شناسایی نیازها و خواسته های مشتریان توسعه برنامه های توزیع برای دسته بندی کالاهای خاص
آموزش و توسعه نظارت بر نیروی فروش اداره مسائل مربوط به خدمات مشتری برنامه زمانبندی ساعات کار کارکنان نظارت بر شمارش موجودی کالا انجام جلسات آموزنده با کارکنان فروشگاه

محدودیت‌های داده‏ کاوی

در حالی که محصولات داده‏کاوی ابزارهای قدرتمندی می‌باشند ، اما برای کسب موفقیت ، داده‏کاوی نیازمند تحلیلگران حرفه‌ای و متخصصان ماهری می‌باشد .اگرچه داده‏کاوی به الگوهای مشخص و روابط آنها کمک می‌کند ، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند.تصمیماتی از این قبیل بر عهده‏ی خود کاربر است .تشخیص رابطه ی بین رفتارها و یا متغیرها یکی دیگر از محدودیت های داده‏کاوی می‌باشد که لزوما روابط اتفاقی را تشخیص نمی‌دهد

[4] داده کاوي آماري و مديريت بهينه وب سايت ها شامل موارد ذیل است:

اطلاعات آماري آخرين بازديدکنندگان ،  تعداد بازديدها در هر روز ،تعداد بازديدهاي مردم کشورها و شهرهاي مختلف

تعداد بازديد هاي هفتگي ، تعداد بازديدهاي سايت در هر ساعت از روز ، موتورهاي جستجو ،کليد واژه ها

اطلاعات مربوط به کليدواژه ها ،سايت هاي لينک دهنده و مسير لينک هاي ورودي

اطلاعات مربوط به سايت ها و لينک هاي ارجاع دهنده ،اطلاعات و نمودار مرورگر اينترنتي کاربران سايت

اطلاعات و نمودار سيستم عامل کاربران سايت ،اطلاعات مربوط به برنامه هاي جانبي نصب شده بر روي سيستم کاربران

جدول مقايسه اي سايت مختلف ، محل ورود، مسير حرکت و عنوان صفحه

رفع ایرادات وچالش در داده کاوی [5]

وجود کلاس‌های نامتوازن (Class Imbalance) در داده کاوی و رده بندی یکی از چالش‌های بزرگ در این زمینه تبدیل است. برای رفع این چالش‌ روش‌های گوناگونی وجود دارد که در ادامه به دو نوع از مهمترین روش‌هایی که در این زمینه به کار گرفته می‌شوند اشاره خواهد شد

اصطلاح “مجموعه داده نامتوازن[9]” عموما به مجموعه داده‌ای گفته می‌شود که در آن تعداد نمونه‌هایی که نمایانگر یک کلاس هستند از نمونه‌های دیگر در کلاس‌های متفاوت کمتر است. این حالت در کلاسه بندی

(Minority Class) زمانی مشکل‌ساز می‌شوند که یک کلاس که عموما کلاس مطلق یا اقلیت می‌باشد

در مجموعه داده‌ها نشان داده‌ نمی‌شود و به بیان دیگر تعداد مشاهدات اشتباه از مشاهدات درست در یک کلاس بیشتر می‌شود

IEEE  10 الگوریتم معروف داده کاوی در

10 data mining  algorithms  identified  by the  IEEE  include:[6]

C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART.

پیش بینی با داده کاوی[14]

فلسفه داده کاوی این است که آینده به گذشته شبیه است داده کاوی کمک می کند تا رفتار کسب و کار خود را درگذشته دقیقا بشناسیم و بر اساس آن آینده را با تقریب بالا پیش بینی کنیم.به عنوان مثال داده کاوی کمک می کند تا حداقل دو مورد اساسی را در بخش فروش کسب و کار خود پیش بینی کنیم

پیش بینی نیاز های یک مشتری خاص در آینده و در نتیجه حفظ آن مشتری

پیش بینی نیاز بازار در زمان ها و مناطق مختلف و در نتیجه ساماندهی نظام توزیع برای آنها

کاربردهای متن‏ کاوی

پالایش متن واستخراج دانش از متن مستندات را متن کاوی گویند نمایش مبتنی بر مستند برای خوشه‏بندی ، رده بندی [10]، تصویرگری و نظایر آن استفاده می‏شود ، در حالی که نمایش مبتنی بر مفهوم برای یافتن روابط میان مفاهیم ، ساختن اتوماتیک تزاروس و آنتولوژی و نظایر آن به کار می رود

جستجو و بازیابی، خوشه‏بندی و رده بندی داده‏ها، خلاصه سازی، استخراج روابط، یافتن و تحلیل روند ها، برچسب زدن نحوی از کاربردهای آن می باشد.

وب کاوی

با افزایش تعداد  وبسایتها حجم وسیعی از اطلاعات و داده ها ایجاد شدکه مشکلات جدیدی را برای شرکت ها ومشتریان بوجود آورد.مشتریان برای انتخاب یک محصول خاص با تعداد بیشماری انتخاب از سایتهای دیگر مواجه شدند که موجب سرگردانی آنها شد و فروشگاهها هم با مسئله فراهم کردن محصولات و خدماتی مطابق با نیاز مشتری مواجه شدند.بنابراین مدیریت داده های ایجاد شده و استخراج اطلاعات از آنها برای امر فروش و مارکتینگ  با وب کاوی مهیا گشت .

وب کاوي بکارگيري تکنيکهاي کاوش براي کشف و استخراج خودکار اطلاعات از اسناد و سرویس های وب می باشد

وب کاوي شامل چهار مرحله اصلي پيدا کردن منبع، انتخاب اطلاعات و پيش پردازش، تعميم، تحليل می باشد

روش هاي وب کاوي بر اساس آن که چه نوع داده اي را مورد کاوش قرار مي دهند شامل:

کاوش محتواي وب، کاوش ساختار وب ،کاوش کاربردی استفاده از وب با کاربرد بالابردن کیفیت ساختار وب و یافتن مشتریهای بالقوه برای فروشگاه آنلاین می باشد .

در وب دو نوع داده اصلی دیگر نیز برای کاوش مورد استفاده قرار می گیرند که شامل:

نوع اول، اطلاعات ساختاری وب است که منظور از آن پیوندهای بین صفحات وب می باشد

نوع دوم نیز، اطلاعات مربوط به نحوه استفاده کاربران از وب است. در واقع تحلیل رفتار کاربر در استفاده از وب، ترجیحات و حفظ حریم کاربران [11]، علایق وی درباره نوع و قالب اطلاعات، … که بخش مهمی از وب کاوی را شامل می گردد.

عمده ترین کاربردهای وب شامل تجارت الکترونيک است

که براي اين منظور وبسايت فروشگاه آنلاین مي تواند، بر اساس علايق کاربران، تبليغات مربوط به يک محصول خاص را براي گروهی از  کاربران مربوطه انجام دهد.

موتورهای جستجو:

نگهداري اطلاعات جريان کليک هاي کاربردر بهبود نتايج بازيابي شده و سفارشي سازي مثل گوگل وهوشمندی جستجو مانند کاوش متن ،صوت،ویدئو،تصویر با کمک ترکیب وب کاوی و موتور جستجو کاربرد دارد.

حراجی در وب:

براي تشخیص وتمایز بین پيشنهادهاي واقعي و غير واقعي از تکنيک هاي وب کاوي استفاده شده و براي اين منظور رفتار و الگوهاي ارائه کردن پيشنهاد توسط شرکت کنندگان در حراجي، تحليل مي شود تا الگوي پيشنهادات غير واقعي مشخص و با آن برخورد مناسب گردد. اگر سازمانی بخواهد از طریق وب فعالیت تجاری کند، باید تصمیم بگیرد چه نوع داده ای را در وب قرار دهد. وبسایت فروشگاه  تجاری آنلاین، اطلاعات مهمی تولید میکنند و وب کاوی کمک می کند تا رتبه سایتها ارتقا یابد

SNEC[12] الگوریتم[7]

رتبه بندی و اجرای آن در قالب ابزار الگوریتم رتبه بندی صفحه معنایی و عصبی است، وکمک به مشتریان برای پیدا کردن وب سایت های مربوطه در جستجوی خرید یک محصول خاص در بین انبوه داده می باشد.

تکنیک های رایج در زمینه مدیریت ارتباط با مشتری[8]

مدیریت ارتباط با مشتری ( شناخت مشتری، جذب مشتری، بقای مشتری و توسعه مشتری) و هفت بعد داده کاوی ( قواعد وابستگی، خوشه بندی، کلاسه بندی، پیش‌بینی، رگرسیون، کشف توالی و مصورسازی) دسته بندی شده‌است. تحقیقات در بعد بقای مشتری و وفاداری مشتری از توجه بیشتری برخوردار بوده‌اند که از طرف دیگر، خوشه‌بندی و کلاسه‌بندی رایج‌ترین مدل‌های استفاده شده تکنیک‌های داده‌کاوی در مدیریت ارتباط با مشتری، می‌باشند

راهکار وب کاوی در  بررسی خستگی از ویژگیهای محصول [9]

مشتریان به خرید محصولاتی با ویژگی های بیشتر را ترجیح می دهند ، اما پس از استفاده از محصولات، آنها ممکن است با مشکلات قابلیت استفاده از محصولات مواجه شوند . این پدیده به نام “خستگی از ویژگی ها[13]” معروف است . بنابراین لازم است تجزیه و تحلیل قابلیت استفاده محصول در مرحله تعریف محصول صورت گیرد  با این حال، بسیاری از روش های سنتی ارزیابی اشکال دارد. وب کاوی به تجزیه و تحلیل قابلیت استفاده محصول می پردازد. این رویکرد با استفاده از بررسی های گسترده به مشتریان آنلاین بر روی محصولات مشابه و ویژگی ها به عنوان منبع داده، که آسان از وب سایت دریافت کرده و می توان از نظرات مشتری که به روز شده در قابلیت استفاده از محصول منعکس کرد. تکنیک های استخراج قانون این رابطه به  تصویب رسیده برای استخراج نظرات مشتری در قابلیت استفاده از ویژگی های محصول که تاثیر مهمی در گرایش مشتریان به خرید محصول و افزایش سطح اعتماد آنان دارد.  تکنیک استخراجی داده کاوی  برای حل مشکل خستگی ویژگیهای محصول  APRIORI صورت گرفت توسط الگوریتم

گرایش های جدید بازاریابی الکترونیکی هوشمند بر اساس وب کاوی برای فروشگاههای الکترونیکی[10]

برای مثال فروشگاه آنلاین صنایع دستی ، باید روش مناسبی برای تبلیغ محصولاتش انتخاب کند. برای این منظور این سایت می تواند، بر اساس علایق کاربران، آن ها را دسته بندی کرده و تبلیغات مربوط به یک محصول خاص را برای گروه کاربران مربوطه انجام دهد. وقتی یک مشتری از یک وب سایت دیدن می کند.  ردپایی از داده از خود باقی میگذارد،که ردپای دیجیتالی نامیده میشود،که میتواند بکار گرفته شود و نیازها و خواسته های مشتری برای افزایش حضورش در وب مورد بررسی قرار گیرد.اطلاعات بدست آمده از تکنیک های کاوش کاربرد وب بر روی ردپای دیجیتالی از کاربر در طول وب گردی دانشی درباره رفتار خرید مشتری می دهد .

JSSP برنامه بهینه یا نزدیک به بهینه تولید شده توسط روش[11,12]

حاوی الگوهای برنامه ریزی ارزشمند برای مشکلات برنامه ریزی کار فروشگاه می باشد  و به منظور بهبود عملکرد برنامه ریزی مربوطه با استفاده از شبکه های پتری بهنگام برای توصیف فرآیندهای برنامه ریزی کار فروشگاه استفاده می شود. بر این اساس، برنامه ریزی چارچوب استخراج دانش  از داده کاوی توسعه داده شده و استفاده از دانش استخراج شده به منظور بهبود بر اساس شبکه پتری و  صورت می پذیرد.JSSPالگوریتم محدود

شبکه های پتری [14]یک مدل اولیه از سیستم های موازی و توزیع شده توسط کارل آدام پتری در سال 1962 طراحی شده است. که ایده اصلی آن توصیف تغییرات سیستم است .

مدیریت ارتباط با مشتری با استفاده از تکنیک های داده کاوی[13]

با افزایش استانداردهای زندگی ، الگوهای پایدار زندگی مردم در حال تغییراست ، تصویب تکنیک های داده کاوی با ترکیب

وسیله ای برای اعمال خودسازمانده و نقشه  (تازگی، تکرار، و پولی) تجزیه و تحلیل ارزش مشتری SOM و Kروش

است RFM

مخفف عبارات زیر است::RFM

تاخر – چگونه به تازگی مشتری خرید داشته؟

فرکانس – هرچند وقت یکبار آنها خرید دارند؟

ارزش پولی – چقدر پول صرف می کنند؟

تکنیک های داده کاوی کمک به شناسایی چهار نوع از مشتریان از جمله مشتریان وفادار، مشتریان بالقوه، مشتریان جدید و مشتریان از دست داده و همچنین توسعه استراتژی های بازاریابی منحصر به فرد مستقیم  برای هر کدام از  آنان را دارد.

3. نتیجه­ گیری

با توجه به مطالعات انجام شده و آزمایش تکنیک های مختلف جدید وب کاوی نتیجه میگیریم که وب کاوی تاثیر زیادی درتوسعه فروشگاه های آنلاین و استراتژی های بازاریابی دارد. همچنین با ویژگی های داده کاوی می توان به کشف اتوماتیک الگوها ،پیش بینی احتمالی نتایج و خروجی ها ،ایجاد اطلاعات اجرایی و مفید، تمرکز بر روی داده های بزرگ و مجموعه پایگاه های داده عظیم وبسایت ها پرداخت. راهکارهای داده‌کاوی در تضمین درآمد کسب وکار فروشگاه آنلاین و وبسایتها کمک شایانی می کنند . [15]پرداختن به مواردی همچون شناسایی موارد ثبت اطلاعات مشکوک به ورود اشتباه و یا تخلف، شناسایی تخلفات در سطوح مختلف پرسنل و مشتریان،شناسایی تغییرات نامتعارف هزینه‌ها در بخش‌های مختلف سازمان ، میزان اثرگذاری کمپین‌ها، تبلیغات و تخفیف‌ها ،شناسایی مشتریان متمایل به ترک مجموعه از جمله نقش های داده کاوی است. داده کاوی شامل مراحل انتخاب، پيرايش و تجميع اطلاعات، استخراج و بازنمائی و تفسير دانش می باشد. مسائل جديد در داده کاوی عبارتند از: تشخيص ناهمگونی، داده کاوی توزيع شده و مسئله حفظ دانش محرمانه و حريم خصوصی . درضمن استفاده از داده کاوي براي کمک به مدیریت تمام فازهاي ارتباط با مشتري که شامل: به دست آوردن مشتریان جدید، افزایش سود از طریق مشتریان موجود و حفظ مشتریان ،خوب هستند. داده کاوی علاوه بر جمع آوری و مدیریت داده‌ها، در بر گیرنده آنالیز و پیش بینی هایی نیز می باشد. [14]داده کاوی می تواند بر روی داده های ارئه شده در فرمهای عددی، متنی و یا چند رسانه ای اعمال شود و بدست آوردن نتایج راهبردی جهت تصمیم گیری های آینده از مهمترین کاربردهای آن می باشد. در این راستا فروشگاههای آنلاین نیز نیازمند بررسی و کشف اطلاعات گوناگونی از میان انبوه اطلاعات انباشته خود می باشند .در وبسایت ها و فروشگاه آنلاین  نیز بررسی ویژگی ها و علت استفاده برخی مشتریان از کالاها و یا خدمات و یا بررسی علل عدم استقبال برخی مشتریان از برخی کالاها،یا خدمات، نقاط قوت و ضعف محصولات شناسایی شده و در راستاي بهبو د کیفیت محصولات  وخدمات گام برداشته می شود.با داده کاوی مدیران در می یابند که چه مشتری  با احتمال بیشتری محصول وخدمات را می پذیرد و چه رفتاری در برابر محصولات جدید درپیش خواهد گرفت و اینکه چگونه می توان روابط با مشتریان را سود آورتر نمود .پس به جا است برای توسعه کسب وکار ومزیت رقابتی پایدار در بلندمدت به طور واقعی به هوش تجاری و کاربردهای آن مثل داده کاوی به عنوان يک فرآيند استاندارد و توزيع شده پرداخته شود تا برنامه ریزی لحظه ای ومشخصی در برابر مشتریان ،رقبا،تامین کنندگان ، تازه واردان ، محیط کسب وکار وشرایط جامعه و جهان اتخاذ تصمیمی صحیح و مستندو هوشمند داشت. دراین مقاله سعی براین شد اغلب مطالب مرتبط به کاوش داده در مورد فروشگاه آنلاین و وبسایت ها ذکر گردد. امید است که مورد استفاده علاقمندان به امور تجارت و کسب وکارآنلاین قرار بگیرد.

مراجع

[1] amnhak.blog.ir

[2] http://www.ibazaryabi.com

[3] http://www.sabzafzar.com

[4] http://www.farnood.com

[5] http://www.irdatamining.com

[6] XindongWu .Vipin Kumar,2007, 10 data mining algorithms identified by the IEEE , Springer-Verlag London Limited 2007, http://www.cs.uvm.edu

[7] Vermaa, Malhotrab , Malhotrac, Singhd  , 2015, E-commerce Website Ranking Using Semantic Web Mining and Neural Computing ,a Department of Computer Science and Engineering,Punjab Technical University, Kapurthala 144601 Punjab, India ,Volume 45 , Pages 42–51

[8] Jon Kepa Gerrikagoitiaa, Iñigo Castandera, Fidel Rebóna*, Aurkene Alzua-Sorzabala1

aCICtourGUNE, Donostiako, 2015 , New trends of Intelligent E-Marketing based on Web Mining for eshops, Parke Teknologikoa,Mikekeletegi Paselekua 71 – 3 Solairua. Donostia-San Sebastián, Spain, Procedia – Social and Behavioral Sciences 175 ( 2015 ) 75 – 83

[9] An Approach of Product Usability Evaluation Based on Web Mining in Feature Fatigue Analysis,September 2014, https://www.researchgate.net

[10] Jon Kepa Gerrikagoitiaa, Iñigo Castandera, Fidel Rebóna, Aurkene Alzua-Sorzabala1, 2015,New trends of Intelligent E-Marketing based on Web Mining for eshops,aCICtourGUNE, Donostiako Parke Teknologikoa,Mikekeletegi Paselekua 71 – 3 Solairua. E-20009, Donostia-San Sebastián, Spain,Procedia  Social and Behavioral Sciences 175 ( 2015 ) 75 – 83

[11] C.L. Wanga, G. Ronga, 2015, Mining scheduling knowledge for job shop scheduling problem State Key Laboratory of Industrial Control Technology, Institute of Cyber-systems and Control, Zhejiang University, Hangzhou, China

W. Wengb, Y.P. Fenga,2015, Mining scheduling knowledge for job shop scheduling problem, Graduate School of Information, Production and Systems Waseda University, 2-7 Hibikino, Wakamatsu-ku, Kitakyushu, Fukuoka 808-0135, Japan, Pages 800–805, Volume 48, Issue 3

[12] Nasser Mebarki, Atif Shahzad , 2012, Data mining based job dispatching using hybrid simulation-optimization approach for shop scheduling problem , Institut de Recherche en Communications et Cybernétique de Nantes, 1 rue de la Noe BP 92101, 44321 Nantes, France, Volume 25, Issue 6, September 2012, Pages 1173–1181, http://www.sciencedirect.com

[13] Jo-Ting Wei, Ming-Chun Lee, Hsuan-Kai Chen, Hsin-Hung Wu, 2013, Customer relationship management in the hairdressing industry: An application of data mining techniques, Department of Business Administration, National Changhua University of Education, No. 2 Shida Road, Changhua City 500, Taiwan, ROC, December 2013, Pages 7513–7518

[14] http://www.dayche.com

[15] http://www.tanoco.ir

چکیده مقاله به زبان انگلیسی:

Nasrin khosravani

آموزش و مشاوره نوین تجارت الکترونیک

ecnovin@

The Influence of Data Mining in Website Performance and online stores

Abstract. peripheral expansion capability, integration, application of large volumes of data, heterogeneity and complexity of data structure, data ownership, distribution of security, location transparency, data, and personalize respectively. This paper examines the role of data mining, web mining to Expansion and upgrade, websites and online stores, including sales performance, risk management, targeted marketing, customer relationship management and Web personalization systems bidder has been

Keywords: Data mining, web mining, text mining, online store


[1] decision tree

[2] neural network

[3] Fraud

[4] Clustering

[5] The discovery of the law of dependence

[6] Indexing

[7] Market Basket Analysis

[8] Prediction

[9] Unbalanced data sets

[10] Classification

[11] Privacy

[12] SNEC Page Ranking Algorithm

[13] Fatigue Features

[14] Petri nets

images 1 - تاثیرات داده کاوی
در ادامه فایل الکترونیکی بررسی تاثیرات  بکارگیری داده کاوی در کارائی وبسایتها و فروشگاههای آنلاین را از اینجا دانلود فرمایید.

موفق باشید

درباره مدیر سایت نوین تجارت الکترونیک

لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم از صنعت چاپ و با استفاده از طراحان گرافیک است. چاپگرها و متون بلکه روزنامه و مجله در ستون و سطرآنچنان که لازم است و برای شرایط فعلی تکنولوژی مورد نیاز و کاربردهای متنوع با هدف بهبود ابزارهای کاربردی می باشد. لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم از صنعت چاپ و با استفاده از طراحان گرافیک است. چاپگرها و متون بلکه روزنامه و مجله در ستون و سطرآنچنان که لازم است و برای شرایط فعلی تکنولوژی مورد نیاز و کاربردهای متنوع با هدف بهبود ابزارهای کاربردی می باشد.

مطالب زیر را حتما بخوانید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *