10564غ

Predicting customer behavior in electronic marketing using the combination of artificial neural networks and meta-heuristic algorithms (Case study: OfoghKorosh chain stores)

ارشد

م.فنآوري

تهران غرب

1399

1401/09/08

بسيار خوب

99ص

صدر،محمد محسن

electronic marketing, customer behavior, neural network, meta-heuristic algorithm.

باگسترش فناوري وارتباطات و ورود آن به محيط هاي كاري ،جهان شاهد ارتباط تنگاتنگ كاربرد فناوري اطلاعات درشركت هاي جهاني وسازمان ها وبهبودعملكرد وهمچنين دستيابي بهتر به اهداف سازماني بوده است. هنگاهي كه يك سازمان دريك محيط شديدا رقابتي فعاليت مي كند، پيش بيني رفتارمشتري دربازاريابي الكترونيكي ، دردرك بهتر ارزش واثرگذاري فعاليت هاي مديريت وسرمايه گذاري ها، نقش حياتي دارد. در تحقيق حاضر مدلسازي پيش‌بيني رفتار مشتري در بازاريابي الكترونيكي با در نظرگيري كد مشتري، كد شعبه، كد محصول، تعداد وميزان كل تخفيف به عنوان متغيرهاي ورودي شبكه عصبي مصنوعي و نوع رفتار مشتري براساس خريد زياد يا كم به عنوان متغير خروجي با استفاده از شبكه عصبي 3 لايه با تعداد نرون 4 با الگوريتم آموزش پس انتشار لونبرگ – ماركواد صورت گرفت كه نتايج حاكي از آن است كه بعد از 79 تكرار آموزش داده‌ها متوقف شده است. بعد از 79 تكرار خروجي بهبود نيافته و تكرار ادامه داده نشده است. نتايج از لحاظ مقدار MSE و RMSE حاصل شده به ترتيب براي داده‌هاي آزمايش مقادير 0.033 و 0.182 حاصل شد كه به معناي آن است رفتار مشتري براساس خريد زياد يا خريد كم در بازاريابي الكترونيكي شعبه‌هاي مختلف افق كوروش دقيقا پيش‌بيني و طبقه بندي شده اند. هم چنين نتايج بهينه‌سازي شبكه عصبي چندلايه پيش خور با الگوريتم يادگيري پس انتشار از نوع لونبرگ- ماركارد با الگوريتم فراابتكاري ژنتيك نشان داد كه شبكه عصبي 3 لايه با تعداد نرون 8 با الگوريتم آموزش پس انتشار لونبرگ – ماركواد و تركيب با الگوريتم فراابتكاري ژنتيك نتايج مقدار MSE و RMSE مدل‌ها بهبود يافته اند و پياده‌سازي تركيب اين مدل توانست موفق عمل كند . دوره زماني تحقيق 6 ماه اول سال 1400مي باشد. روش تحقيق از نوع ماهيت تحليلي و از لحاظ هدف كاربردي است كه براساس داده‌هاي كمي است.

1402/09/01

74101