چکیده
رفتار مشتری از فردی به فرد دیگر بر اساس تقسیم بندی آنها متفاوت است، در حالی که درک این تفاوت ها یکی از عناصر کلیدی موفقیت در بخش غذا و نوشیدنی است. با درک رفتار مشتری، صاحبان رستوران قادر خواهند بود مشتریان هدف خود را شناسایی کنند و بینش روشنی در مورد محصولات منوی خود ارائه دهند. علاوه بر این، به آنها اجازه می دهد تا کمپین های بازاریابی خود را هدف قرار دهند، درآمد را افزایش دهند و هزینه را بهینه کنند. کاربردهای هوش مصنوعی در این زمینه تأثیر مثبت زیادی در عملیات بخش غذا و نوشیدنی دارد و بسته به این فناوری، شیوه مدیریت رستوران را تغییر خواهد داد. مدل پیش‌بینی داده‌کاوی ابزاری است که می‌تواند توسط ذینفعان کسب‌وکار برای تعیین و پیش‌بینی بیشترین ویژگی‌هایی که می‌تواند بر رفتار مشتری آنها تأثیر بگذارد استفاده کند. بنابراین، تحقیق حاضر راه‌حل‌های بهتری برای تقویت تصمیم‌گیری تجاری با استفاده از هوش مصنوعی و تجزیه و تحلیل داده‌ها پیدا می‌کند که به درک رفتارهای مصرف‌کننده کمک می‌کند.
پیش زمینه مسئله
کسب و کار رستوران در سال های گذشته به سرعت پیشرفت کرده است، زیرا روش های مدرن فرآیندهای تجاری راه را برای گسترش و توسعه پویا در بازار خدمات غذایی در امارات هموار کرده است (Symons, 2013). در سال 2015، اندازه بازار صنعت خدمات غذایی و نوشیدنی 7.2 میلیارد دلار بود، صنعت رستوران در امارات متحده عربی در میان بخش‌هایی است که سریع‌ترین رشد را داشته است (2017). رستوران های امارات به دنبال استراتژی های موثر و فعالیت های بازاریابی هدفمند برای جذب مشتری هستند. مطالعه کورنیا و همکاران. (2019) اظهار داشت که رقابت در حال افزایش است زیرا رستوران‌ها برای درک رفتار مصرف‌کننده و اتخاذ روش‌های مدرن تصمیم‌گیری کسب‌وکار هوشمندانه با یکدیگر رقابت می‌کنند. برای باقی ماندن در رقابت، رستوران ها و سایر مشاغل مواد غذایی باید مزایای هوش مصنوعی و تجزیه و تحلیل داده ها را برای فعالیت های بازاریابی و تبلیغاتی بررسی کنند.
مرور مطالعات پیشین
این رویکرد کاربرد هوش مصنوعی را در میان روش‌های دیگر مورد استفاده در تحلیل رفتار مشتری برای بینش‌های تجاری و تصمیم‌گیری نشان می‌دهد (Kaur & Kang، 2016). با توجه به Kaur و Kang (2016)، کاوی دوره ای برای استفاده در این مطالعه پیشنهاد شده است که یک تکنیک داده کاوی پیش بینی است که برای درک پویایی فرآیند تولید با بررسی تغییرات در الگوهای کشف شده استفاده می شود. اشلاقی و علی نژاد (1390) از شبکه های عصبی مصنوعی (ANN) برای تجزیه و تحلیل رفتار مشتری در هنگام انتخاب رستوران ها بر اساس عوامل تقسیم شده به 4 خوشه استفاده کردند، نتایج این مطالعه نشان می دهد که این تکنیک برای حوزه بازاریابی مفید است و پتانسیل شناخت را دارد. عوامل موثر بر رفتار مشتری نویسندگان ممتاز و همکاران. (2013) از تکنیک خوشه‌بندی k-means استفاده کرد و مدل مبتنی بر RFM (تأیید-فرکانس-پول) را برای تجزیه و تحلیل رفتار مصرف‌کننده پیشنهاد کرد، این مدل نتایج قابل‌توجهی ارائه نکرد زیرا هیچ تفاوتی بین یک مشتری با ارزش و مشتریانی که به تازگی آن را ترک کرده بودند مشاهده نشد. رستوران به گفته استانکویچ و همکاران. (2017)، درک رفتار مصرف کننده به کسب و کارها در توسعه استراتژی های تبلیغاتی و بازاریابی هدفمند برای رقابت و بقا در بازار خدمات غذایی کمک می کند.
توضیح پروژه
در این پروژه، هدف به دست آوردن بیشترین عواملی است که بر تصمیم مشتری برای سفارش محصول پرفروش در فروشگاه تأثیر می گذارد و تأثیر می گذارد. بنابراین، هدف ما این است که با دنبال کردن چندین مرحله، دقیق ترین مدل را بدست آوریم. مرحله اول جمع آوری داده ها است. من داده‌هایم را از کافی‌شاپ صفر مطلق جمع‌آوری کردم که دو نوع داده را در اختیار من قرار داد که عبارتند از داده‌های تراکنش و داده‌های جزئیات مشتریان. مرحله دوم مرحله پیش پردازش بود که در آن داده ها را تمیز می کنیم و ویژگی هایی را انتخاب می کنیم که باید روی آنها کار کنیم. علاوه بر این، مرحله سوم کاوش و تجسم داده ها است که در آن داده ها و بینش ها را بررسی می کنیم و نمودارهایی از این بینش ها ایجاد می کنیم. در نهایت، مرحله مدل‌سازی، که در آن از الگوریتم‌های یادگیری ماشین برای یافتن بهترین مدل و مقایسه آنها بر اساس عملکرد مدل استفاده می‌کنیم.
تحلیل پروژه
ما در نمودار زیر برترین محصولات خریداری شده را نشان می دهیم، پرفروش ترین محصول بر اساس نمودار زیر صفرهای منجمد مالدیو با 7148 رکورد است. با این حال، ما 41638 رکورد از داده های از دست رفته در ستون محصول داریم. ستون محصول نتیجه ترکیب محصول 1 (خرید اول محصول)، محصول 2 (خرید دوم محصول) و محصول 3 (خرید سوم محصول) در یک معامله است. بنابراین، اکثر معاملات دارای یک یا دو محصول است.
نتیجه گیری
بر اساس تقسیم بندی مشتریان، رفتار خرید از فردی به فرد دیگر متفاوت خواهد بود و شناخت این تمایزات یکی از مهمترین جنبه های موفقیت در صنعت غذا و نوشیدنی است. اپراتورهای رستوران قادر خواهند بود مشتریان هدف خود را شناسایی کنند و با درک رفتارهای مشتری، بینشی واضح از منوی پیشنهادی خود ارائه دهند. همچنین آنها را قادر می سازد تا فعالیت های بازاریابی خود را هدف قرار دهند، درآمد را بهبود بخشند و در هزینه ها صرفه جویی کنند. بر اساس این مطالعه، ما به خروجی ها و نتایج متفاوتی رسیدیم که می تواند توسط صاحبان رستوران ها برای کسب اطلاعات بیشتر در مورد علایق مشتریانشان استفاده شود. من بر روی مطالعه خود بر روی تجزیه و تحلیل داده های تراکنش ها و داده های جزئیات مشتریان برای کافی شاپ مطلق صفر تمرکز کرده ام تا عواملی را که می تواند مشتریان را برای خرید کالای پرفروشی که صفرهای منجمد مالدیو است (مانند نوع خاصی از بستنی خانگی) تحت تأثیر قرار دهد، تحت تأثیر قرار داده ام. . چندین مدل پیش‌بینی طبقه‌بندی تحت نظارت ساخته شده‌اند که درخت تصمیم، رگرسیون لجستیک و جنگل تصادفی هستند. تجزیه و تحلیل مقایسه ای برای مقایسه عملکرد هر مدل با اندازه گیری دقت و نسبت های مختلف مقایسه مانند حساسیت و ویژگی انجام شد. در نتیجه متوجه شده ایم که مدل جنگل تصادفی با تقریباً 81 درصد بهترین دقت را در پیش بینی دارد. با این حال، این مطالعه مستلزم گنجاندن جزئیات بیشتر مشتریان برای مدل‌سازی بیشتر به منظور دستیابی به نتایج عملکرد بهتر است.
دقت داشته باشید که این متن به کمک گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه ترجمه نشده است و صرفا جهت آشنایی با متن پایان نامه می باشد.
این پایان نامه خارجی در سال 2022 در دانشگاه Rochester Institute of Technology برای اخذ مدرک کارشناسی ارشد انجام شده است. برای دانلود رایگان پایان نامه انگلیسی به صفحه دانلود پایان نامه درک رفتار مشتری در رستوران ها بر اساس تکنیک داده کاوی در سایت ای ترجمه مراجعه نمایید.