فصل دوم پایان نامه شناسایی و تحلیل رفتار مشتریان با داده کاوی

    تحولات پیچیده و پرشتاب جهانی در عرصه های علم، فناوری، ارزش ها و معیارها بسیاری از سازمان های موفق جهان را بر آن داشته است تا اهداف، روش ها و ساختار خود را در جهت شناخت هر چه بیشتر مشتریان هدایت کنند. در چنین فضایی داشتن درک صحیح از مشتریان و فرایند مصرف، مزیت های متعددی را در بر دارد. این مزیت ها شامل کمک به مدیران در جهت تصمیم‌گیری، تهیه یک مبنای شناختی از طریق تحلیل رفتار مصرف‌کنندگان، کمک به قانون‌گذاران و تنظیم‌کنندگان برای وضع قوانین مربوط به خرید و فروش کالا و خدمات و در نهایت به مشتریان در جهت تصمیم‌گیری بهتر است.

با علم به نحوه رفتار مخاطبان است که می‌توان رسانه و پیام مناسب را انتخاب کرد. بر این اساس، تحلیل رفتار مصرف کننده در مواردی همچون طراحی آمیخته بازاریابی، بخش‌بندی بازار و تعیین موقعیت و متمایز سازی محصول نیز امری لازم و حیاتی است. اما رفتار مشتری موضوعی بحث انگیز و چالشی است زیرا رفتار مشتری ماهیتی پویا دارد و در طول زمان تغییر می کند و این موضوع بر کیفیت تحلیل رفتار افراد تاثیر بسزایی دارد. لذا مدیران و بازاریابان باید در تصمیم گیری ها و برنامه ریزی های خود به این موضوع توجه داشته باشند و بر اساس آن زمینه را برای موفقیت هرچه بیشتر خود در فضای رقابتی را فرهم نمایند.

خوشه بندی مشتریان گوشی همراه با ۵ بازه زمانی (بازه اول :۱۰۰۰ مشتری،  بازه دوم:۵۰۰ مشتری، بازه سوم:۴۰۰ مشتری، بازه چهارم:۶۰۰ مشتری ، بازه پنجم:۵۰۰ مشتری) و با ۸ ویژگی (جنسیت،سن،درآمد،قیمت گوشی،تعداد سیم کارت،کیفیت دوربین،پردازشگر،RAM) با دو روش پیشنهادی و روش رایج صورت گرفته است. نتایج حاصله بر اساس دو رویکرد نشان می دهد که مجموع انحرافات اشیاء نسبت به مرکز خوشه ها در روش پیشنهادی کمتر از روش رایج می باشد.

 بعلاوه تحلیل فرایند بازه ای نشان می دهد که بخش بندی و رفتار مشتریان در تغییرات فرایند زمانی نسبت به ویژگی های کیفیت دوربین،پردازشگر،تعداد سیم کارت و RAM تغییرات معناداری را داشته و تغییرات ویژگی های سنی و جنسیت و درآمد و قیمت گوشی چندان معنادار نمی باشد. این تغییرات معنادار تعداد خوشه و جایگاه فضائی آن ها را تغییر داده است، بطوری که در بازه سوم تعداد خوشه ۳ تا و در بازه چهارم  تعداد خوشه ها ۲ تا بوده است . این تغییرات بیشتر حاصل تغییر و همگرا شدن  در ذائقه و رفتار مشتریان در ویژگی سن مشتری و تعداد سیم کارت می-باشد. از طرفی وجود ویژگی هایی که تغییرات آن ها معنادار نبوده است نشان می دهد که بخش بندی بازار به ویژگی های زیادی وابسته نبوده و می توان ویژگی ها را کاهش داد و یا ویژگی های دیگری را جایگزین کرد.

فهرست مطالب
فصل اول: کلیات تحقیق۱
۱-۱-    مقدمه۳
۱-۲-    بیان مسئله۴
۱-۳-    اهمیت و ضرورت تحقیق۷
۱-۴-    هدف تحقیق۷
۱-۵-    سوالات تحقیق۸
۱-۶-    روش تحقیق۸
۱-۷-    قلمرو تحقیق۸
۱-۷-۱-قلمرو موضوعی۸
۱-۷-۲-قلمرو مکانی۹
۱-۷-۳-قلمرو زمانی۹
۱-۸-    تعریف واژه ها و اصلاحات۹
۱-۸-۱-داده کاوی۹
۱-۸-۲-خوشه بندی۹
۱-۸-۳-داده کاوی پویا۹
۱-۸-۴-منطق فازی۱۰

فصل دوم:ادبیات تحقیق۱۱
۲-۱- مقدمه۱۳
۲-۲-داده کاوی۱۳
۲-۳-خوشه بندی۱۶
۲-۳-۱-هدف خوشه بندی۱۸
۲-۳-۲-انواع خوشه بندی۱۸
۲-۳-۳-الگوریتم های خوشه بندی۲۲
۲-۳-۴-معیار فاصله۲۳
۲-۳-۵-الگوریتم C-means24
۲-۳-۶-الگوریتم FCM25
۲-۴-طبقه بندی۲۹
۲-۵-کشف قواعد وابستگی۳۰
۲-۶-کشف الگوهای ترتیبی۳۰
۲-۷-داده کاوی پویا۳۱
۲-۸-خوشه بندی پویا۳۲

۲-۹-روش های نوین برای خوشه بندی فازی پویا۳۴

۲-۹-۱-اختصاص اعضای پویا به کلاس های ایستا۳۶
۲-۹-۱-۱-روش به کار بردن مسیر در خوشه بندی۳۶
۲-۹-۱-۲-تشریح عملکرد c- میانگین فازی۳۷
۲-۹-۲-اختصاص اعضای ایستا به کلاس پویا۳۹
۲-۹-۲-۱- شرح جزئیات روش پیشنهاد شده۴۱
۲-۱۰-منطق فازی۴۸
۲-۱۰-۱مجموعه های فازی۴۸
۲-۱۰-۲-میانگین فازی۵۱
۲-۱۰-۲-۱-میانگین مثلثی۵۱
۲-۱۰-۲-۲-میانگین ذوزنقه ای۵۲
۲-۱۰-۳- فازی زدایی از میانگین فازی۵۲

۲-۱۱-بخش بندی و تحلیل رفتار مشتریان۵۳

منابع 

فهرست اشکال
شکل (۲-۱) روش های داده کاوی۱۶
شکل (۲-۲) خوشه بندی وسایل نقلیه۱۷
شکل (۲-۳) انواع الگوریتم های خوشه بندی۲۲
شکل (۲-۴) معیارهای تشابه براساس توابع فاصله مختلف۲۴
شکل (۲-۵) توزیع یک بعدی نمونه ها۲۷
شکل (۲-۶) خوشه بندی کلاسیک نمونه های ورودی۲۸
شکل (۲-۷) خوشه بندی فازی نمونه۲۸
شکل (۲-۸) تشریح عملکرد FFCM39
شکل (۲-۹) نمای کلی روش خوشه بندی فازی پویا با تغییر ترکیب کلاس۴۱
شکل (۲-۱۰) عدد فازی مثلثی۵۰