استفاده از الگوریتم های داده کاوی برای پیش بینی خرید مشتری

پیشبینی خرید مشتریان یکی از موضوعاتی است که در حال حاضرمورد توجه بسیاری از شرکتهای بزرگ است. همه اینشرکتها دوست دارند بدانند چگونه میتوانند رفتار مشتریها را پیشبینی کنند. تا به حال به این موضوع فکر کردهاید که اگربتوانید رفتار مشتریان خودتان را پیشبینی کنید چه اتفاقی خواهد افتاد؟ فکر کنید زمانی که با مشتری قصد خرید دارد بدون اینکهیک کلمه حرف بزند شما بلافاصله چیزی که مدنظرش هست را به او بدهید! در این حالت میدانید چه اتفاقی خواهد افتاد؟فروشتان چندین برابر خواهد شد و هم چنین نیاز به صرف هزینههای بازاریابی هم نخواهید داشت. تکنیکهای داده کاوی یکیاز روشها برای پیشبینی خرید مشتریان میباشد. متدلوژی: متدلوژی مورد استفاده در این مقاله CRISP میباشد و که جامعهآماری ما پایگاه داده الماس با بیش از ۰۴۴۴ رکورد و دارای پارامترهای سن، جنسیت، تحصیلات، شغل، درآمد، استان، الویتخرید، خرید اولیه، خرید نهایی، کالا، برند و.... میباشد که مدل سازی،که با استفاده ازنرمافزار رپیدماینر مدلها را پیادهسازیمیکنیم که مدل پیشنهادی ما در این تحقیق مدل ترکیبی با درخت تصمیم و کی- نزدیکترین همسایگی که با الگوریتمهایRuleModel ، , Naïve Bayes Random Fores و Random Tree مقایسه میشود . نتایج: تجزیه و تحلیل دادهها جمعآوریشده که در این مطالعه که در انتها با بررسی دقت و صحت مدلها و مقایسه آنها باهم به این نتیجه رسیدیم که مدل پیشنهادی مایعنی مدل ترکیبی درخت تصمیم و کی نزدیکترین همسایکی دارای دقت ۶۱.۲۹ % میباشد.