تحلیل داده محور مشتریان با استفاده از الگوریتم‌های k-means و apriori در چارچوب روش crisp توسعه یافته

امروزه در فضای رقابتی صنعت و کسب و کارها، شناسایی الگوهای رفتاری مشتریان بخصوص مشتریان هدف و بخش‌بندی دقیق آن‌ها نقش بسزایی در ارائه استراتژی‌های بازاریابی و افزایش سودآوری دارد. در این پژوهش، با بهره‌گیری از رویکردهای داده‌کاوی، به تحلیل داده‌های تراکنش مشتریان پرداخته شده است. ابتدا با استفاده از الگوریتم خوشه‌بندی k-means مبتنی بر شاخص های rfm، مشتریان به چندین خوشه‌ تقسیم‌بندی شدند. سپس با به‌کارگیری الگوریتم apriori، قوانین انجمنی میان اقلام خریداری‌شده استخراج گردید تا الگوهای پنهان در رفتار خرید مشتریان شناسایی شود. چارچوب پیشنهادی بر اساس روش توسعه یافته crisp-dm می‌باشد و بر روی مجموعه داده‌های فروش مشتریان شرکت رامک فارس مورد ارزیابی قرار گرفته است. نتایج نشان می‌دهد که رویکرد ترکیبی ارائه‌شده قادر است بینش‌های ارزشمندی در خصوص ترجیحات خرید مشتریان و فرصت‌های نهفته در فروش متقابل فراهم آورد. این یافته‌ها می‌توانند به‌عنوان ابزاری موثر در تصمیم‌گیری‌های بازاریابی هدفمند مورد استفاده قرار گیرند.

customer data analysis leveraging k-means and apriori algorithms, developed based on the crisp-dm framework

in today’s highly competitive business and industrial landscape, identifying customer behavior patterns—particularly those of target customers—and accurately segmenting them plays a crucial role in developing effective marketing strategies and increasing profitability. this study employs data mining techniques to analyze customer transaction data. initially, customers were segmented into several clusters using the k-means clustering algorithm based on rfm (recency, frequency, monetary) metrics. subsequently, the apriori algorithm was applied to extract association rules among purchased items in order to uncover hidden patterns in customer purchasing behavior. the proposed framework is based on an extended crisp-dm methodology and was evaluated using customer sales data from ramek company. the results demonstrate that the proposed hybrid approach can provide valuable insights into customer purchase preferences and reveal hidden opportunities for cross-selling. these findings can serve as an effective tool for informed, targeted marketing decisions.