توسعه سیستم های پیشنهاددهنده در کسب و کار B2B

سیستم های توصیه گر ، برنامه های موفق بسیاری را در تجارت از نوع B2C در بر داشته است اما هنوز موفقیت مشابهی در تجارت از نوع B2B ، کسب نکرده اند. در این نوع از سیستم توصیه گر، توصیه ها برای شرکت ها و سازمان هایی که مشتریان شرکت هستند، ایجاد و ارایه می گردند. در این تحقیق، مفاهیم موجود در سیستم های پیشنهاددهنده B2C را برای ارایه پیشنهاد در سیستم های پیشنهاددهنده B2B، مورد استفاده قرار دادیم. رای کاربران اساس کار سیستم های پیشنهاددهنده در تجارت الکترونیک می باشد. فقدان انگیزه برای ارایه رتبه از سوی کاربر واجد شرایط و عدم وجود کاربر برای رتبه بندی، مانع اثربخشی سیستم های پیشنهاددهنده می گردد. در این تحقیق، از ویژگی های تعداد فاکتور، تعداد خرید و قیمت خرید هر کالا، مجموع پرداختی های هر کاربر به هر کالا را بدست آوردیم و تعداد فاکتور از هر کالا برای هر کاربر را در عدد حاصل، تاثیر دادیم و اعداد حاصل را نسبت به خود کاربر نرمال نموده و به رتبه کاربر به کالا دست یافتیم. عملیات پیش پردازش را بر روی داده های واقعی فروش یک شرکت عمده فروش در زمینه قطعات خودرو، با ابزار 12SQLServer 20 انجام داده و الگوریتم پالایش مشارکتی مبتنی بر کاربر را با استفاده از ابزار متلب، بر روی داده های یادگیری اجرا نموده و معیار MAE را بر روی داده های آزمون محاسبه نمودیم. نتایج حاکی از آن است که سیستم های توصیه گر را می توان به منظور بازاریابی صحیح و فروش مناسب در حوزه B2B، مورد استفاده قرار داد.