پژوهش: پایان نامه ارشد رشته فناوری اطلاعات: ارائه یک مدل جهت شخصی سازی تبلیغات اینترنتی با استفاده از تکنیک داده کاوی

پایان نامه مقطع کارشناسی ارشد رشته فناوری اطلاعات

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

وزارت علوم، تحقیقات و فناوری

دانشگاه علوم و فنون مازندران

پایان نامه مقطع کارشناسی ارشد

رشته : مهندسی فناوری اطلاعات

عنوان:

ارائه یک مدل جهت شخصی سازی تبلیغات اینترنتی با بهره گیری از تکنیک داده کاوی

اساتید راهنما:

دکتر بابک شیرازی

دکتر ایرج مهدوی

استاد مشاور:

دکتر حسین مومنی

برای رعایت حریم خصوصی نام نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :

فهرست مطالب:

فصل اول: مقدمه و کلیات پژوهش

1-1: مقدمه ……………………………………………………………………………………………. 2

1-2: اظهار مسئله …………………………………………………………………………………….. 3

1-3: هدف پژوهش …………………………………………………………………………………… 4

1-4: اهمیت پژوهش ………………………………………………………………………………….. 6

1-5: ساختار پژوهش …………………………………………………………………………………. 7

 فصل دوم: پیشینه و مفاهیم پژوهش

2-1: مبانی نظری……………………………………………………………………………………… 10

2-1-1: مدیریت ارتباط با مشتری………………………………………………………. 10

2-1-1-1: تعریف مدیریت ارتباط با مشتری …………………………………………… 10

2-1-1-2: تبلیغات اینترنتی …………………………………………………………… 13

2-1-2: داده کاوی …………………………………………………………………………………… 15

2-1-2-1: تعریف داده کاوی ……………………………………………………………………… 15

2-1-2-2: خوشه بندی ……………………………………………………………………………. 18

2-1-2-3: قوانین وابستگی ……………………………………………………………………… 25

2-1-3: شیوه تاخر، تناوب و مالی ………………………………………………………………. 31

2-2: پیشینه تحقیقاتی ………………………………………………………………………….. 33

فصل سوم: روش شناسی پژوهش

3-1: مقدمه …………………………………………………………………………………………… 40

3-2: اطلاعات مجموعه داده ها و آماده سازی داده ………………………………………… 42

3-3: تعیین ارزش مشتری ……………………………………………………………………….. 44

3-4: بهره گیری از تکنیک های داده کاوی ……………………………………………………… 48

3-5: رهیافتی برای شخصی سازی تبلیغات …………………………………………………. 56

3-6: روش ارزیابی ………………………………………………………………………………… 59

فصل چهارم : محاسبات و یافته های پژوهش

4-1 : پایگاه داده هدف ……………………………………………………………………………. 62

4-2 : آماده سازی مجموعه داده ……………………………………………………………….. 63

4-3 : استخراج اطلاعات جهت تعیین معیارهای RFM …………………………………… 78

4-4 : داده کاوی ……………………………………………………………………………………. 82

4-5 : ارائه تبلیغات مناسب به مشتری ……………………………………………………….. 117

4-6 : ارزیابی مدل …………………………………………………………………………………. 119

فصل پنجم : نتیجه گیری و کار آینده

5-1 : نتیجه گیری …………………………………………………………………………………. 126

5-2 : پیشنهادها و کار آینده ………………………………………………………………….. 128

منابع …………………………………………………………………………………………………. 131

چکیده:

به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک هست شرکت های تجاری در کوشش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر می باشد که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

برای شخصی سازی تبلیغات شرکت ها بایستی اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری می باشد که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.

ما در پژوهش خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، بهره گیری کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means بهره گیری کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی می باشد بهره گیری کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با بهره گیری از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات بهره گیری کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری می باشد را بیشتر کنیم.

فصل اول: مقدمه و کلیات پژوهش

1-1- مقدمه

پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده می باشد.با در نظر داشتن رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، بهره گیری بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده می باشد.

ایده ها و راه حل های گوناگونی برای بهره گیری از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، بهره گیری از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن می باشد.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور گردید، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده می باشد، بهره گیری از تکنیک های داده کاوی1 می باشد.

با بهره گیری از تکنیک خوشه بندی2 و تکنیک قوانین انجمنی3 که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات بهره گیری می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.

2-1- اظهار مسئله

به خاطر بازار رقابتی شدیدی که امروزه در تجارت الکترونیک هست شرکت های تجاری در کوشش هستند تا شرایط مدیریت ارتباط با مشتری1 را هرچه بیشتر بهبود بخشند تا بتوانند هرچه بیشتر مشتریان فعلی را حفظ کنند و همچنین دیگر مشتریان را هم جذب کنند.

یکی از راه هایی که برای این اهداف شرکت ها و صاحبان کالا مصور می باشد تبلیغ کالاها یا خدماتی می باشد که مشتریان علاقه بیشتری به خرید یا دریافت آنها دارند. پس شرکت ها بایستی به دنبال این باشند تا تبلیغاتشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی2 کنند.

شرکت های تجاری برای اینکه بتوانند تبلیغات را برای مشتریان خود شخصی سازی کنند نیاز دارند تا اطلاعاتی در مورد علایق این مشتریان بدست آورند. بعضی از آنها برای بدست آوردن این اطلاعات از روش پرسشنامه بهره گیری می کنند و در ابتدای ارتباط با مشتری پرسش هایی در مورد شخص مشتری از قبیل سن و جنسیت و … از او می پرسند. بعلاوه همچنین ممکن می باشد سوالاتی در مورد علایق خرید مشتری نیز از او پرسیده گردد.این روش می تواند برای مشتری آزاردهنده و وقت گیر باشد، از این رو ممکن می باشد مشتری عملیات خرید خود از سایت را متوقف کند.روش دیگری که برای جمع آوری اطلاعات مورد نیاز درمورد علایق مشتری هست بهره گیری از داده های مورد بهره گیری پیشین کاربر از وب1 می باشد که با بهره گیری از این داده ها و مطالعه آنها شرکت ها می توانند اطلاعاتی در مورد رفتار خرید کاربران بدست آورند.

داده کاوی ابزاری می باشد که به شرکت ها کمک می کند تا ترجیحات و علایق فردی کاربران و مشتریان را بر اساس داده های به جای گذاشته شده از آنها استخراج کنند و بر این اساس استراتژی های بازاریابی خود را مستقر کنند و به شخصی سازی تبلیغات بپردازند. شرکت ها با بهره گیری از ابزارهای داده کاوی آغاز داده های مورد نیاز برای کاوش رفتار خرید مشتری را آماده می کنند و با بهره گیری از الگوریتم های متعدد خوشه بندی می توانند مشتریان خود را بخش بندی کنند.بعد از آن می توانند با بهره گیری از الگوریتم های کاوش قوانین وابستگی، قوانینی برای پیش بینی رفتار خرید آتی مشتری بدست آورند و با بهره گیری از این قوانین، راهبردها و روش های شخصی سازی تبلیغات برای مشتری را مشخص کنند.

ما درصدد هستیم تا با بهره گیری از تکنیک های داده کاوی، مشتریان را بر اساس ارزش آنها که از رفتار خرید گذشته آنها بدست می آید دسته بندی و گروه بندی کنیم و علایق و رفتار خرید آینده هر دسته از این گروه ها را پیش بینی و مشخص کنیم تا با بهره گیری از این بتوانیم تبلیغات کالا را برای هر مشتری شخصی سازی کنیم.

1-3 هدف پژوهش:

در تحقیقاتی که تا به حال انجام گرفته با خوشه بندی مشتریان را به گروه هایی تقسیم می کنند و بر روی هر یک از این گروه ها تکنیک قوانین انجمنی را بکار می برند تا رفتار خرید آینده هر مشتری را پیش بینی کنند.بعضی از این تحقیقات از الگوریتم k-means برای خوشه بندی مشتریان بهره گیری کردند و بعضی دیگر به دلیل اشکالاتی که در این الگوریتم هست از الگوریتم هایی دیگر یا بهبودی از این الگوریتم بهره گیری کردند.

هدف از این پژوهش مشخص کردن ارزش مشتریان برای شرکت ها بر اساس رفتارهای خرید آنان، شخصی سازی تبلیغات اینترنتی برای مشتریان و ارائه حداکثری تبلیغات اینترنتی مطابق با علایق هر مشتری می باشد.برای این مقصود از خوشه بندی موازی مشتریان توسط دو الگوریتم k-means و k-harmonic means و بکار گیری الگوریتم استقرایی1 روی هر یک از خوشه های حاصل شده از خوشه بندی k-means بهره گیری شده می باشد. و بعد از آن از نتایج بدست آمده از بکارگیری الگوریتم استقرایی برای هر یک از مشتریان، با در نظر داشتن درجه تعلق آنها به هر خوشه ( که توسط الگوریتم k-harmonic means مشخص شده می باشد ) برای شخصی سازی تبلیغات برای آنان بهره گیری می گردد.

قوانین وابستگی یا انجمنی استخراج شده از هر خوشه برای هر مشتری که درجه عضویت حداقلی مشخص شده از قبل را برای آن خوشه دارد معتبر در نظر گرفته می گردد.بنابر این قوانین وابستگی برای یک مشتری تنها به قوانین استخراج شده از خوشه ای که مشتری بیشترین درجه تعلق به آن را دارد محدود نمی گردد.با در نظر داشتن احتمال تداخل قوانین بین خوشه ها برای مشتری، اولویت با قوانین خوشه ای می باشد که مشتری درجه عضویت بالاتری را برای آن دارد.

بدین ترتیب با افزایش قوانین استخراج شده معتبر مربوط به هر مشتری می توان انتظار داشت که راهبردهای بیشتری برای شخصی سازی تبلیغات برای مشتری به وجودبیاید.این بدین معنا می باشد که می توان کالاهای بیشتری را بر اساس علایق کاربر به او پیشنهاد نمود.

1-4 اهمیت پژوهش:

امروزه کاربران و مشتریان در محیط اینترنت ترجیح می دهند تا کالاها یا خدماتی که به آنها پیشنهاد می گردد بر اساس ترجیحات و علایق شخصی آنها باشد.در اغلب تحقیقاتی که در زمینه شخصی سازی تبلیغات اینترنتی برای مشتریان با بهره گیری از تکنیک های داده کاوی صورت گرفته می باشد، هر مشتری فقط به یک خوشه تعلق پیدا می کند و در نتیجه تنها پیشنهاداتی به او عرضه می گردد که در نتیجه بکار بردن تکنیک قوانین انجمنی تنها بر روی همان خوشه ای که به آن تعلق داشته، بدست آمده اند.

پژوهش ما از این نظر نسبت به دیگر تحقیقات از اهمیت بیشتری برخوردار می باشد که هر مشتری تنها به یک خوشه تعلق پیدا نمی کند و قوانین با احتمال زیاد خوشه های دیگر که این مشتری درجه تعلق حداقلی از قبل مشخصی را نسبت به آنها دارد، برای مشتری بکار گرفته می گردد. اهمیت و ارزش این کار در این می باشد که نسبت به روش های قبلی می توان پیشنهادات بیشتری بر حسب علایق مشتری به او عرضه نمود.

بطور معمول اگر برای رفتار خرید فعلی مشتری قانون خاصی از قبل استخراج نشده و راهبردی وجود نداشته باشد، یا کالایی به او پیشنهاد نمی گردد یا به صورت تصادفی یک کالا به مشتری پیشنهاد می گردد. اما اگر قانونی مربوط به یک خوشه دیگر که مشتری درجه تعلق معتبری ( یک درجه تعلق حداقلی از قبل مشخص شده ) نسبت به آن داشته باشد موجود باشد آنگاه می توان پیشنهاد یک کالای مربوط به رفتار خرید فعلی مشتری به او عرضه نمود. هرچند تخصیص درجه تعلق برای هر خوشه به مشتری، توسط الگوریتم معروف Fuzzy C-Means نیز انجام می گردد، اما به علت مشکل مهمی که در این الگوریتم هست که همان حساس بودن به مقدار دهی اولیه مراکز خوشه و در دام مینیمم محلی1 قرار گرفتن می باشد، بهره گیری از الگوریتم K-Harmonic Means که این مشکل برای آن وجود ندارد را ترجیح داده ام.

1-5 ساختار پژوهش:

ساختار این پایان نامه در فصول بعدی به توضیح زیر می باشد:

در فصل دوم، آغاز برای آشنایی بیشتر با حوزه پژوهش به تعریف و تشریح مدیریت ارتباط با مشتری و تبلیغات اینترنتی و همچنین به تعریف و مطالعه داده کاوی و تعریف دو تکنیک مهم آن که در این پژوهش مورد بهره گیری قرار گرفته می باشد یعنی خوشه بندی و قوانین وابستگی می پردازیم.همچنین شیوه تاخر، تناوب و مالی2 که یک شیوه برای تعیین ارزش و ارزش دهی به مشتری می باشد را تعریف کرده ایم.در انتهای این فصل یک پیشینه تحقیقاتی در مورد حوزه پژوهش آورده شده می باشد.

در فصل سوم شیوه و روش کار و پژوهش این پایان نامه ذکر گردیده می باشد.فصل چهارم به توضیح پیاده سازی و اجرای این کارمی پردازد و در نهایت در فصل پنجم به مطالعه نتایج می پردازیم و پیشنهادهایی برای کار آینده ارائه می گردد.

***ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود می باشد***

متن کامل را می توانید دانلود نمائید

زیرا فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به گونه نمونه)

اما در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود می باشد

تعداد صفحه : 152

قیمت : چهارده هزار و هفتصد تومان