توسعه یک سیستم پیشنهاددهنده محصول طراحی مدلی ترکیبی با بهره‌گیری از روش‌های فیلترینگ مشارکت‌محور، کشف قوانین انجمنی، و بخش‌بندی مشتریان

توسعه روزافزون اینترنت نحوه تعاملات مشتریان و سازمان‏ها را دستخوش تحولات چشمگیری کرده است. یکی از پیامدهای مهم‏ این پدیده پیدایش و گسترش وبگاه‏های تجارت الکترونیکی و افزایش گرایش کاربران به بهره‏گیری از خدمات خریدوفروش برخط است. تنوع خدمات و اقلام عرضه‌شده در این وبگاه‏ها می‏تواند انتخاب محصولات مناسب را برای مشتریان به فرایندی پیچیده و زمان‏بر مبدل کند. سیستم‏های پیشنهاددهنده، با شناسایی ترجیحات مشتریان، آنان را در مواجهه با انبوه اطلاعات یاری و محصولات و خدماتی منطبق سلایقشان به آن‌ها ارایه می‌کند. هدف این پژوهش ارایه مدلی برای توسعه یک سیستم پیشنهاددهنده محصول به مشتریان یک خرده‏فروشی برخط، با بهره‏گیری از مجموعه‏ای از روش‏های داده‏کاوی، است. با استناد به چارچوب پیشنهادی مدل، نخست مشتریان با تکیه بر رویکرد بخش‏بندیِ مبتنی بر ارزشِ طول عمر و با لحاظ‌کردن نسبیِ ترجیحات، بر اساس مشخصه‏های مدل rfm، خوشه‏بندی می‏شوند. سپس با بهره‏گیری از ساختار پیشنهاددهیِ دومرحله‏ای پیشنهادهای گوناگون در دو سطح متمایز از رده‏بندی محصول به هر یک از مشتریان هدف ارایه می‌شود. در مرحله نخست، با بهره‏گیری از روش کشف قوانین انجمنی، تراکنش‌های مشتریان هر خوشه در سطح کلاس‏‏ محصولات بررسی و با شناساییِ الگوها و وابستگی‏های پنهان در داده‏ها قوانین پیشنهاددهیِ معتبر استخراج و لیستی متشکل از کلاس‌محصولات پیشنهادی به هر یک از مشتریان هدف ارایه می‏شود. در مرحله‏ دوم با بهره‏گیری از رویکرد فیلترینگ مشارکت‏محور و با استناد به خروجی‏های مرحله پیش ترجیحات خریدِ مشتریان در سطح اقلامِ کلاس‌‏محصولات پیشنهادی شناسایی و لیست نهایی اقلام محصول به هر یک از مشتریان هدف پیشنهاد می‏شود. نتایج اجرای مدل حاکی از آن است که مدل پیشنهادی با بهره‏گیری از یک رویکرد ترکیبیِ پیشنهاددهی و با کاهش معضلات ناشی از دو پدیده‏ عدم ‏تراکم و مقیاس‏پذیری، در قیاس با مدل‏های مشابهی که با تکیه بر رویکرد سنتی فیلترینگ مشارکت‏محور توسعه می‏یابند، عملکرد مطلوب‏تری دارد.