برای شخصی سازی تبلیغات شرکت ها باید 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 است 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 تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده 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 استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده 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 استفاده 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 استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.

 

 

 

 

 

 

 

فهرست مطالب:
فصل اول: مقدمه و کلیات تحقیق
  1-1: مقدمه  2
  1-2: بیان مسئله  3
 1-3: هدف تحقیق  4
1-4: اهمیت تحقیق  6
1-5: ساختار تحقیق  7

 

 

فصل دوم: پیشینه  و مفاهیم تحقیق
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

 


منابع