کشف الگوهای رفتار خرید مشتریان با استفاده ترکیبی از خوشه ‌بندی و قوانین انجمنی (مورد مطالعه: محصولات شوینده و بهداشتی)

پژوهش حاضر از نوع کاربردی - توسعه‌ای بوده و دارای ماهیت توصیفی اکتشافی است که به دنبال کشف الگوهای رفتاری خرید مشتریان به کمک رویکرد ترکیبی خوشه‌بندی و قوانین انجمنی است تا ضمن شناسایی و تعیین بخش‌های مختلف مشتریان بتواند نیازها و انتظارات آن‌ها را برآورده نموده و در نهایت به سودآوری منجر شود؛ جامعه آماری این پژوهش مشتریان خرده‌فروشی، تعاونی مصرف و محلی شرکتی فعال در عرضه محصولات بهداشتی و شوینده در بازه زمانی 1400–1401 است که تعداد 65534 نمونه به روش نمونه‌گیری هدفمند در دسترس گردآوری شده است. تجزیه و تحلیل و داده‌کاوی به کمک نرم‌افزار spss modeler انجام شده است. برای تعیین بخش‌بندی‌های مشتریان روش k-means با تعداد 5 خوشه و با مقدار سیلوئت 2/ 0 و کیفیت مناسب انتخاب شده است. در نهایت با این تعداد خوشه و با استفاده از الگوریتم apriori با فرض حداقل اطمینان 60 درصد 35 قانون کلی برای مشتریان نمونه این پژوهش حاصل شده است که مدیران به راحتی بتوانند با بهره‌گیری از پایگاه داده‌های مشتریان خود و با استفاده از ابزار داده‌کاوی در بازه زمانی بسیار کوتاهی رفتارها و الگوهای رفتاری خرید مشتریان کلیدی و سایر مشتریان خود را شناسایی کرده و بر این اساس راهبردهای بازاریابی و فروش شرکت خود را اولویت-بندی و برنامه‌ریزی نمایند.

extract the patterns of customers buying behavior using a combination of clustering and association rules(case study: hygienic and detergent products)

the present study is of applied-developmental type and has a descriptive exploratory nature that seeks to discover customer behavior patterns using a combined approach of clustering and association rules to identify and determine different segments of customers can meet their needs and expectations and ultimately lead to profitability. the statistical population of this research is retail, consumer cooperative and local customers of a company active in the supply of hygienic and detergent products in the period 2021-2022, of which 65,534 samples have been collected by purposive sampling method.analysis and data mining was performed using spss modeler software. to determine customer segments, the k-means method with 5 clusters and a silhouette value of 0.2 and appropriate quality has been selected. finally, with this number of clusters and using the apriori algorithm with the assumption of at least 60% confidence, 35 general rules for the sample customers of this research have been obtained so that managers can easily identify the buying behaviors and patterns of their key customers and other customers by using data mining tools in a very short period of time, and based on this, the marketing and sales strategies of their company, prioritize and plancan design and plan their marketing and customer relationship management strategies based on this.