حمید شریفی اصفهانی

امروزه که رقابت بین شرکت های بازاریابی و خرده فروشی ها در بهترین حالت خود قرار دارد، شرکت ها سعی می کنند با توجه به رویکرد تقسیم بندی مشتریان و توصیه محصولات مناسب برای آن ها، برتری خود را از دست ندهند. خرید آنلاین در بازار مجازی به سرعت در حال افزایش است و معمولاً مشتریان بر اساس نیازها و تمایلات خود تصمیم به خرید می گیرند. فروشندگان نقش مهمی در تأثیرگذاری بر مشتریان دارند به همین دلیل سیستم توصیه محصول بسیار حیاتی است. سیستم توصیه محصول، کاربردهای متنوعی دارد و به منظور ترغیب مشتریان به خرید محصولات دیگر نیز مورد استفاده قرار می گیرد. در این پژوهش، یک روش برای توصیه محصول به مشتریان ارائه شده است که با استفاده از الگوریتم خوشه بندی K-mean و مدل RFM به تقسیم بندی مشتریان و سپس توصیه محصول به آن ها می پردازد. برای اثبات عملکرد سیستم پیشنهادی، آزمایش هایی با استفاده از داده های جمع آوری شده از شرکت «دیجی کالا» صورت گرفت. نتایج پژوهش نشان داد که خوشه بندی بر اساس ویژگی های R،  Fو M برای خوشه ی شماره صفر نتایج بهتری دارد. به همین دلیل، برای ترغیب مشتریان وفادار به خرید کالاهای با قیمت بالاتر، می توان از قیمتی که به خوشه شماره صفر (مشتریان وفادار) پیشنهاد می شود، بهره برد و تخفیف های ویژه ای برای این مشتریان در نظر گرفت.