پيش‌بيني نوع نياز مشتري در فروش اينترنتي كتاب: مطالعۀ موردي فروشگاه اينترنتي آدينه‌بوك

A Combination Model to Predict the type of Customer Needs in Online Book Sales: A Case Study of Adinehbook Online Bookstore

هدف: هدف پژوهش حاضر پيش‌بيني نوع نيازهاي مشتريان فروشگاه‌هاي اينترنتي كتاب با استفاده از روش‌هاي داده‌كاوي بر مبناي مدل كانو است. روش: ابتدا سه گروه از نيازها و عوامل مؤثر بر رضايت مشتريان فروشگاه اينترنتي آدينه‌بوك طبق نظر كارشناسان اين حوزه استخراج شد و پرسشنامۀ كانو بر مبناي اين شاخص‌ها طراحي شد. پس از پيش‌پردازش داده‌هاي پرسشنامه‌اي، نوع نياز هر يك از مشتريان طبق مدل كانو تعيين شد. پس از آن مشتريان بر اساس نوع نيازها و ويژگي‌هاي جمعيت‌شناختي خوشه‌بندي شدند. خوشه‌بندي با استفاده از الگوريتم كا-ميانگين انجام شد و تعداد خوشۀ اوليه به كمك شبكۀ عصبي خودسازمان‌ده تعيين شد و سپس فراواني نيازهاي مشتريان در هر خوشه اولويت‌بندي شد و خوشه‌ها بر اين اساس رده‌بندي شدند. در گام بعد، با استفاده از تكنيك درخت تصميم به پيش‌بيني نيازهاي مشتريان آتي پرداخته شد. يافته‌ها: طبق نتايج درخت تصميم از بين متغيرهاي جمعيت‌شناختي به ترتيب تحصيلات، سن، جنسيت و وضعيت تأهل بيشترين تأثير را در تعيين نوع نيازهاي مشتريان دارند. اصالت/ارزش: با استفاده از نتايج اين پژوهش، فروشگاه‌هاي اينترنتي كتاب از جمله آدينه‌بوك مي‌توانند با ورود مشتري جديد و با در نظر گرفتن اطلاعات جمعيت‌شناختي او، ابتدا نوع ردۀ مشتري كه تعيين‌كنندۀ نوع نيازهاي او است را تشخيص داده و سپس راهبرد و عملكرد رفتاري مناسب با مشتري را اعمال كنند.

Purpose: To predict the type of customer needs of online bookstores by using data mining methods based on Kano model. Methodology: First, three groups of needs and factors affecting customer satisfaction of Adinehbook online store were extracted according to expert opinions and then the Kano questionnaire was designed based on these factors. After data preprocessing, the type of each customer's needs were determined based on the Kano model. So customers were clustered according to the type of needs and demographic characteristics. Clustering was done using K-means algorithm and the number of initial clusters were determined by self-organizing neural network. Then the frequency of customer needs in each cluster were prioritized and the clusters were classified accordingly. In the next step, a decision tree technique was used to predict future customer needs. Findings: Results of the decision tree showed that among the demographic variables, education, age, gender and marital status had the greatest impact on determining the type of customer needs. Originality/value: Using the result of research, online bookstores such as Adinehbook can first identify the customer class which determines the type of their needs by considering their demographics and then apply the appropriate strategy and performance to treat the customer.