سیده فاطمه میرصادقی - گروه مهندسی کامپیوتر، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران،
مرتضی محمدی زنجیره - گروه مهندسی کامپیوتر، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران،

امروزه به دلیل حجم زیاد داده های بازاریابی و رسانه های اجتماعی، یک تحلیلگر انسانی به تنهایی قادر به کشف اطلاعات مفیدی برای بازاریابی نیست. بنابراین هدف این مقاله بررسی عوامل موفقیت بازاریابان و سازمان ها برای کسب درآمدهای مستمر و مشتریان بیشتر است که رفتار، درک و ترجیحات خرید مصرف کنندگان را بررسی می کنند. پس برای پیش بینی تصمیمات خرید مشتریان، داده ها را با کمک یک تکنیک جدید داده کاوی هوشمند(SDM) ۱، که یک حوزه مهم از هوش مصنوعی است، استخراج می شود و با رویکردهای جدید بازاریابی(ML-SMM)۲ به تجزیه و تحلیل آن ها می پردازد. در ادامه این مقاله، شش الگوریتم داده کاوی هوشمند (SDM) را که برای برچسب گذاری داده ها است، بر روی داده های واقعی بازاریابی که از اینترنت اشیا ابری(CIoT) ۳ گرفته شده است، مقایسه می کنیم و یک الگوریتم که دستاوردهای بهتری نسبت به الگوریتم های دیگر دارد را معرفی می کنیم. در نهایت یک توضیح کلی در مورد یکی از ابزار های یادگیری ماشین می دهیم که با داده هایی که به آن اضافه می کنیم، می توانیم الگوریتم های داده کاوی را بر روی داده ها پیاده سازی کنیم.

ابزار یادگیری ماشین، هوش مصنوعی، داده کاوی هوشمند، رسانه های اجتماعی، اینترنت اشیا ابری