توصیه محصول بر اساس تحلیل رفتارهای مشترک مشتریان در خرده‌ فروشی

در ‌‌تجزیه ‌و تحلیل ‌پیش‌بینی و آمار‌، اشخاص اغلب به عنوان بازیگران فردی در نظر گرفته می‌شوند، اما ‌‌این فرض معتبر نیست‌ زیرا که‌ در زمینه خرده‌فروشی‌،‌ مشتریان مشابه رفتار خواهند کرد و سبد‌‌های خریدی مشابه با‌ یکدیگر خواهند داشت‌. از مطالعه هوشمندانه رفتار مشتریان بر اساس تاریخچه معاملات آن‌‌ها‌، می‌توان به یک درک عمیق جهت بهبود توانایی سیستم‌های توصیه‌گر برای ‌پیش‌بینی نتایج خرید رسید. به همین ترتیب‌،‌ می‌توان شبکه‌‌‌ی مشتریان را بر اساس رفتار‌های مشترک مشتریان و شبکه محصولات را بر اساس هم زمانی خرید آن‌ها تشکیل داد. سپس اجتماع‌های موجود در این شبکه‌ها را شناسایی نمود و با استفاده از اجتماعات بدست آمده اقدام به توصیه‌ی محصول به کاربران کرد. از شبکه مشتریان می‌توان اطلاعاتی را در مورد مشتریان که رفتار مشابهی دارند‌، استخراج کرد‌. ‌‌این فرایند به ما اجازه می‌دهد که از ترجیحات آن‌‌ها‌ بهره ببریم و ‌پیش‌بینی کنیم که‌ چه محصولاتی برای هر گروه از مشتریان مناسب‌تر است. در این پژوهش از‌‌این اطلاعات جهت بهبود سیستم‌‌های ‌‌توصیه‌گر استفاده می‌نماییم. پژوهش پیش‌رو اقدام به شناسایی اجتماعات مشتریان بر اساس رفتار خرید آن‌ها و هم‌چنین شناسایی اجتماعات محصولات بر اساس هم زمانی خرید آن‌ها می‌نماید. در این پژوهش هفت اجتماع از شبکه محصولات و چهار اجتماع از شبکه مشتریان شناسایی شد که با توجه به ماژولاریتی آن‌ها می‌توان گفت که اجتماع‌های کشف شده از ساختار خوبی برخوردار هستند. از اجتماعات کشف شده جهت تهیه لیستی از توصیه‌ها در یک سیستم توصیه‌گر استفاده می‌نماییم. در پایان پژوهش مقدار دقت و صحت توصیه‌های ارائه شده را با سیستم‌های توصیه‌گر سنتی مقایسه می‌نماییم و نشان خواهیم داد که با استفاده از شناسایی اجتماعات می‌توان یک سیستم توصیه‌گر با دقت و صحت بهتری ارائه داد.