توسعه رویکرد نوین خوشه‌بندی کاربران در سیستم‌های الکترونیکی مشتری محور با استفاده از داده‌کاوی فازی (مورد مطالعه: کافه‌بازار)

اینترنت اشیاء با ایجاد محیطی هوشمند و به وسیله تغییر رابطه بین شبکه‌های سنتی مشتری، انتشار اطلاعات را تحت تاثیر قرار می‌دهد. کار ما کلید اصلی حذف ابهامات در مکانیسم رفتار انتخاب مشتری را مشخص می‌کند. برای این هدف، یک شبکه مشتری محور و موثر از طریق مشتریان و ارائه‌دهندگان خدمات ایجاد می‌شود، تا به وسیله اینترنت اشیاء، آنالیز داده‌های بزرگ و فناوری‌های ایجاد رابطه پشتیبانی شود. در این مقاله روشی برای دسته‌بندی مشتریان کافه‌بازار بر اساس رفتار قبلی آن‌ها ارائه می‌کنیم. برای این منظور از الگوریتم k- میانگین استفاده کرده و با استفاده از درخت تصمیم، مشتریان را به سه دسته مشتریان در حال خرید، عدم خرید و انتظار برای خرید طبقه‌بندی می‌کنیم. در این کار، 193 سابقه کلیک مرورگر مشتری را به عنوان داده‌های آموزشی انتخاب نموده و 40 مشتری را که برای اولین بار از این بستر به عنوان اشیاء تحقیق استفاده کرده‌اند، جمع‌آوری می‌نمائیم. سپس از شبکه هوشمند ارتباط با مشتری برای ایجاد مدل تصمیم‌گیری هوش مشتری مطابق با هوش سایبری در اینترنت اشیاء استفاده می‌کنیم. نتایج حاصل نشان می‌دهد که میانگین انحراف مطلق (mae) مدل ارزیابی اعتماد مشتری ساخته شده در این تحقیق برابر 2/0 است که نسبت به روش سنتی واگذاری مساوی، 48٪ بهبود داشته است. علاوه بر این، تجربه مشتری می‌تواند با پشتیبانی فناوری داده‌کاوی در هوش سایبری توسعه داده شود.